主題書展 2022五南官網週年慶【文科必買】/單書79折、二本以上75折
主題書展 2022五南官網週年慶【理科必買】/單書79折、二本以上75折
滿額優惠折扣 5/5~6/30週年慶全館滿599打95折
  • 投影片(請電洽,僅供老師索取)
  • 投影片(請電洽,僅供老師索取)
  • 投影片(請電洽,僅供老師索取)
  • 投影片(請電洽,僅供老師索取)
  • 投影片(請電洽,僅供老師索取)
  • 投影片(請電洽,僅供老師索取)
    Chapter 01 STaTa是地表最強統計,適合各產官學研
    1-1 統計分析
    1-1-1 認識統計
    1-1-2 統計與「實驗法、觀察法」之對應關係
    1-2 STaTa世上最強大的統計功能
    1-2-1 單層次:連續vs.類別依變數迴歸之種類
    1-2-2 STaTa 多層次混合模型的迴歸種類
    1-2-3 STaTa panel-data迴歸的種類
    1-2-4 STaTa流行病(epidemiologists)之選擇表對應的指令
    1-2-5 STaTa存活分析的選擇表之對應指令
    1-2-6 STaTa縱貫面—時間序列之選擇表
    1-2-7 STaTa有限混合模型(FMM):EM algorithm選擇表
    1-3 STaTa安裝設定
    1-4 資料輸入的方法:問卷、Excel
    1-5 SPSS資料檔(*.sav)轉成STaTa格式
    1-6 SAS格式轉成STaTa
    1-7 R格式轉成STaTa
    1-8 外掛的命令檔ado:STaTa外掛的Package
    1-9 認識「多層次模型」
    1-10 類聚(clustered)/巢狀資料分析,STaTa迴歸有16種估計法
    1-11 大數據(big data)與STaTa資料檔之間的格式可互通
    Chapter 02 多層次分析法:HLM
    2-1 多層次模型(階層線性模型HLM)的興起
    2-1-1 多層次模型(階層線性模型HLM)的興起
    2-1-2 單層次:多元迴歸分析(OLS)之重點整理
    2-2 什麼是多層次分析法?
    2-2-1 階層線性模型(HLM)之由來
    2-2-2 多層次模型之重要性
    2-2-3 傳統單層次OLS分析巢狀(nested)資料,會出什麼問題?
    2-2-4 脈絡變數(contextual variables) vs. 總體變數
    2-3 多層次分析之模型界定
    2-3-1 多層次模型之示意圖
    2-3-2 多層次模型之假定(assumption)
    2-3-3 隨機截距vs.隨機斜率之四種關係
    2-3-4a 隨機係數模型之三種設定(random coefficient modeling)
    2-3-4b 雙因子隨機係數之三種設定解說144
    2-3-5 多層次資料結構:平減(centering)即離差分數(deviated scores)
    2-4 模型設定/建構的步驟
    2-4-1 模型設定的步驟
    2-4-2 如何提升多層次分析法的嚴謹性
    2-5 變數中心化(centering)、交互作用項(Z×A)具多元共線性疑慮
    2-5-1 為何總平減(grand-mean centering)可克服多元共線性之問題
    2-5-2 交互作用項(Z*A)會導至多元共線性之嚴重問題:心臟科
    2-5-3 變數中心化(centering variables)/平減
    2-5-4 中心化(centering)/平減的時機
    2-5-5 中心化(centering)的類別
    2-6 線性混合模型:多層次分析入門(mixed, xtmixed指令)
    2-6-1 線性混合模型(linear mixed model)之方程式
    2-6-2 範例1:典型之隨機係數模型(slopes and intercepts as outcomes)
    2-6-3 範例2:考量各小群組之誤差結構(slopes and intercepts as outcomes with variance-covariance structure of the random effects)
    2-7 如何將多層模型轉成混合模型(ml2mixed外掛指令)
    2-8 因果關係的第三者:調節/干擾變數(moderator)、中介變數
    2-8-1 組織研究的中介檢定之緣起
    2-8-2 中介變數(直接效果、間接效果)≠調節變數(交互作用效果)
    2-8-2a 中介變數(mediator variable)
    2-8-2b 中介變數(mediator variable)存在與否的四種檢定法
    2-8-3 調節變數(moderator variable),又稱干擾變數
    2-8-4 調節式中介效果(moderated mediation effect)
    2-8-5 多層次中介效果:STaTa實作(ml_mediation、xtmixed指令)
    2-8-5a 多層次中介效果:STaTa方法一(ml_mediation指令)
    2-8-5b 雙層次中介效果:STaTa方法二(xtmixed、mixed指令)
    2-8-6 Sobel-Goodman中介檢定法(先sgmediation再ml_mediation指令)
    Chapter 03 單層vs.雙層次模型:無交互作用項就無須中心化
    3-1 多層次模型之重點補充
    3-1-1 分層隨機抽樣
    3-1-2 Panel-data迴歸模型之重點整理
    3-2 單層vs.雙層:重複測量的混合效果模型(mixed effect model for repeated measure)
    3-2-1 ANOVA及無母數統計之分析流程圖
    3-2-2 重複測量ANOVA之F檢定公式
    3-2-3 單層次:二因子混合設計ANOVA (anova、contrast、margin、marginsplot指令)
    3-2-4 重複測量ANOVA之主要效果/單純主要效果檢定(雙層xtmixed或mixed vs.單層anova指令)
    3-2-5 雙層次:二因子混合設計ANOVA (mixed或xtmixed指令)
    3-3 敵對模型們那一個較優呢?用IC資訊準則(mixed, xtmixed指令)
    3-3-1 偵測兩個敵對模型,適配指標有7種
    3-3-2 排列組合一:3種敵對模型(mixed, xtmixed指令)
    3-3-3 排列組合二:10種敵對模型(mixed, xtmixed指令)
    3-3-4 排列組合三:明星學校真的比較好嗎:4種敵對模型
    3-3-5 排列組合四:無vs.有交互作用項,那個模型好呢?(mixed, xtmixed指令)
    Chapter 04 多層次模型之方程式解說:有(Z×X)交互作用項就須中心化
    4-1 多層次模型之方程式解說:影響住宅房價之個體層及群組層
    4-1-1 Step 1設定(模型1):零模型(null model)
    4-1-2 Step 2設定(模型2):平均數為結果的迴歸模型(means-as-outcomes regression)
    4-1-3 Step 3設定(模型3):Level-1具固定效果之隨機截距模型
    4-1-4 Step 4設定(模型4):隨機係數(random coefficients)迴歸模型
    4-1-5 Step 5設定(模型5):截距與斜率為結果的迴歸(交互作用)
    Chapter 05 多層次模型之STaTa實作及解說(新版mixed, 舊版xtmixed指令)
    5-1 六步驟來挑選最佳多層次模型(即HLM)?用IC準則來判斷
    5-1-0 樣本資料檔
    5-1-1 Step 1:零模型(intercept-only-model, unconditional model)
    5-1-2 Step 2:Level-1單因子之隨機截距模型(無隨機斜率u1j)
    5-1-3 Step 3:Level-1單因子之隨機截距且隨機斜率模型(slopes and intercepts as outcomes)
    5-1-4 Step 4:Level-1雙因子之隨機斜率模型(slopes and intercepts as outcomes)
    5-1-5 Step 5:Level-2單因子及Level-1 雙因子之隨機模型(無交互作用)
    5-1-6 Step 6:Level-2單因子及Level-1 雙因子之隨機模型(有交互作用)
    5-2 多層次模型之STaTa練習題(新版mixed指令,舊版xtmixed指令)
    Chapter 06 單層次vs.多層次:離散型依變數之Poisson迴歸
    6-1 單層次Count依變數:Zero-inflated Poisson迴歸 vs. negative binomial迴歸
    6-1-1 Poisson分配
    6-1-2 負二項分配(negative binomial distribution)
    6-1-3 零膨漲(Zero-inflated) Poisson分配
    6-2 單層次:Zero-inflated Poisson迴歸vs.負二項迴歸(zip、zinb指令)
    6-3 三層次:Poisson迴歸(mepoisson 或xtmepoisson指令)
    6-3-1 多層次Poisson模型
    6-3-2 三層次:Poisson迴歸(mepoisson或xtmepoisson指令)
    6-4 練習題:雙層隨機截距模型之Poisson迴歸(mepoisson指令)
    Chapter 07 單層次vs.雙層次:二元依變數之Logistic迴歸
    7-1 Logistic迴歸之原理
    7-1-1 勝算比(OR)
    7-1-1a 勝算比(odds ratio)之意義
    7-1-1b odds ratio之STaTa實作
    7-2 單層次:Logistic迴歸(logit指令)
    7-2-1 Logit模型之解說
    7-2-2 單層次:二元依變數之模型:Logistic迴歸之實例
    7-3 範例:三層次:Logistic迴歸(melogit或xtmelogit指令)
    7-4 練習題:雙層次Logistic迴歸(melogit指令)
    Chapter 08 範例:雙層次vs.三層次:線性多層次模型
    8-1 雙層次混合(multilevel mixed)模型
    8-1-1 雙層次:mixed或multilevel或hierarchical model (xtmixed指令)
    8-1-2 雙層次:多層次成長模型(xtmixed指令)
    8-1-3 雙層次:多層隨機截距/隨機斜率模型(xtmixed指令)
    8-1-4 雙層次:異質性誤差之隨機截距或混合效果模型(xtmixed指令)
    8-1-5 雙層次:雙層次混合Logistic迴歸(xtmelogit指令)
    8-1-6 雙層次:潛在成長曲線(xtmixed+ nlcom指令)
    8-2 三層次混合(multilevel mixed)模型
    8-2-1 三層次脈絡模型:線性混合迴歸(xtmixed指令)
    8-2-2 三層次:隨機截距/隨機斜率模型(xtmixed指令)
    Chapter 09 單層vs.雙層:Cox存活分析:臨床最重要統計法
    9-1 存活分析(survival analysis)介紹
    9-1-1 存活分析之定義
    9-1-2 為何存活分析是臨床研究最重要的統計法?
    9-1-3 存活分析之三種研究目標
    9-1-4 存活分析之研究議題
    9-1-5 設限資料(censored data)
    9-1-6 存活時間T之機率函數
    9-1-7 Cox存活分析vs. Logit模型/probit模型的差異
    9-2 STaTa存活分析/繪圖表之對應指令、新增統計功能
    9-3 存活分析範例:除草有助幼苗存活率嗎?
    9-3-1 生命表(life table)
    9-3-2 存活分析範例[依序(estat phtest、sts graph、ltable或sts list、stci、stmh、stcox指令)]
    9-4 Cox比例危險模型(proportional hazards model)(stcox指令)
    9-4-1 f(t)機率密度函數、S(t)存活函數、h(t)危險函數、H(t)累積危險函數
    9-4-2 Cox比例危險模型之迴歸式解說
    9-4-3 危險函數的估計(hazard function)
    9-4-4 Cox比例危險模型之適配度檢定
    9-5 單層次:具脆弱性Cox模型(Cox regression with shared frailty)
    9-5-1 脆弱性之Cox模型:「stcox, shared(脆弱變數)」指令
    9-6 帶偏態之依變數:參數存活分析(streg指令)
    9-6-1 脆弱性(frailty)模型
    9-6-2 加速失敗時間(accelerated failure time)模型
    9-7 雙層次:panel-data參數存活模型[xtstreg, shared(panel變數)指令]
    9-7-1 追蹤資料(panel-data)
    9-7-2 追蹤資料(panel-data)存活分析[xtstreg, shared(panel變數)指令]
    9-8 多層次:參數存活模型(mestreg、「sttocc clogit」指令)
    9-8-1 multilevel存活模型
    9-8-2 多層次參數存活模型(mestreg… ||分層變數)
    9-9 巢狀型病例—對照研究法(nested case-control) (先sttocc再clogit指令)
    9-10 練習題:三層次之對數常態存活模型(mestreg指令)
    Chapter 10 非線性:多層次混合效果模型(menl指令)
    10-1 非線性縱貫面資料:隨機截距之多層次模型—獨角獸
    10-2 非線性範例:誤差無共變結構之雙層模型—橘子樹
    10-3 非線性多層次模型:群組內之誤差相關結構—ovary
    10-4 非線性:三層次模型—血糖(blood glucose)
    10-5 殘差有共變數結構:藥代動力學建模—Pharmacokinetic(PK) model
    Chapter 11 誤差變異2具異質性(xtgls指令為主流)
    11-1 殘差之變異數
    11-1-1 誤差變異   的觀念
    11-1-2 誤差變異   的偵測法
    11-2 單層次:偵測誤差之異質性(heteroskedasticity)
    11-2-1 橫斷面OLS迴歸:殘差異質性診斷(hettest指令)
    11-2-2 殘差異質的改善:OLS改成robust迴歸
    11-2-3 橫斷面之誤差異質性:需ln()變數變換(先reg再whitetst指令)
    11-2-4 縱貫面之誤差異質性(先reg再bpagan指令)
    11-3 多層次:具異質性誤差之隨機截距/混合模型(xtmixed、mixed指令)
    11-3-1 範例1:求各組之誤差異質(heteroskedastic errors by group)
    11-3-2 範例2:縱貫面之成長曲線模型(重複測量5次)
    11-3-3 範例3:誤差變異數2error具異質性
    參考文獻
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
    
申訴專線:02-2705-5066分機808 客服專線:02-27055066 傳真:02-27066100
五南圖書出版股份有限公司 地址:106台北市和平東路二段339號4樓
劃撥帳號:01068953[請註明收件人、地址、手機及e-mail信箱供寄書用]