【春節延後出貨公告】 親愛的五南會員:您好,適逢春節假期,五南官網均可正常下單購買, 惟2/5(一)中午12:00之後的網站訂單,物流停止送貨,將延至2/15(四)開工後正常出貨, 造成不便敬請見諒,五南祝您新年快樂!
  • 投影片(請電洽,僅供老師索取)
    Chapter01 二元(Binary)依變數:邏輯斯迴歸(logit指令)
    1-1 STaTa如何讀入各種資料格式之資料
    1-1-1 資料輸入的方法:問卷、Excel檔的讀入
    1-1-2 SPSS資料檔(*.sav)轉成STaTa格式
    1-1-2 SAS格式轉成STaTa
    1-1-3 R軟體之格式轉成STaTa
    1-1-4 Logistic迴歸的應用領域
    1-1-5 STaTa之binary regression選擇表之對應指令
    1-2 簡單邏輯斯迴歸的入門
    1-2-1 簡單邏輯斯迴歸(Logistic Regression Model)的介紹
    1-2-2a 簡單Logistic迴歸分析:年齡與罹患冠心病(CHD)關係
    1-2-2b Logistic迴歸之練習題:年齡與罹患冠心病(CHD)關係
    1-3 邏輯斯迴歸分析
    1-3-1 二元依變數之Logistic迴歸分析:大學申請入學之關鍵條件?
    1-3-2 如何挑選最佳解釋變數們:影響早產兒之危險因子有那些?
    1-4 邏輯斯迴歸分析(logit、glm指令)
    1-4-1 邏輯斯迴歸分析一(母蟹crab):(logit、prvalue、glm指令)
    1-4-2 質性自變數之Logit迴歸(AZT處理對AIDS效果)(logit指令)
    1-5 邏輯斯迴歸之建模法(logit、lrtest、tab1、lowess、fp/fracpoly指令)
    1-5-1 評比敵對模型,適配指標有7種
    1-5-2a 羅輯斯迴歸之共變數係數調整法(Fractional polynomial regression)(fp或fracpoly指令)
    1-5-2b 分式多項式迴歸(Fractional polynomial regression):練習題(fp或fracpoly指令)
    1-6 邏輯斯迴歸搭配ROC曲線來做篩檢工具之分類準
    1-6-1 Type I誤差α及Type II誤差β:ROC圖切斷點的由來
    1-6-2 ROC曲線、敏感度/特異性:不同篩檢工具之分類準確性比較
    1-7 Logit+ROC曲線來評比敵對logit模型,那個好?
    1-7-1 ROC曲線、cut-off點
    1-7-2 Logit模型搭配ROC曲線來找最佳cut-off點(logit、estat classification、lsens、lroc、graph指令)
    1-8 小數據:Exact logistic regression(是否染愛滋病毒之二種血清檢測值)(exlogistic指令)

    Chapter02 Logit迴歸的診斷(diagnostics)
    2-1 Logit迴歸的假定(assumption)
    2-1-1 Logit迴歸的假定(assumption)
    2-1-2 橫斷面Hausman檢定:OLS vs. 2SLS誰優?(hausman指令)
    2-2 界定誤差(Specification Error)
    2-2-1 多元(複)線性迴歸診斷(diagnostics)之重點整理
    2-2-2 線性迴歸的診斷
    2-2-3 Logit迴歸的界定適當嗎?優質辦校之因素(logit、boxtid、linktest指令)
    2-3 Logit模型適配度有三方法?優質辦校之因素(logit、lfit、fitstat指令)
    2-4 共線性(Multicollinearity)診斷:優質辦校之因素(logit、***指令)
    2-5 偵測異常且有影響力的觀察值:優質辦校之因素(***指令)
    2-6 邏輯迴歸的常見數值問題(***指令)
    2-7 有用指令之歸納

    Chapter03 離散選擇模型(Discrete Choice Models)
    3-1 離散選擇模型(Discrete Choice Models, DCM)
    3-2 多項機率迴歸分析(Multinomial probit regression):3種保險的選擇(mprobit指令)
    3-3 多項式概率模型來進行離散選擇建模(discrete choice modeling using multinomial probit model)(asmprobit指令)
    3-3-1 Alternative-specific multinomial probit regression:三種保險計畫的選擇(asmprobit指令)
    3-3-2 使用多項式概率模型進行離散選擇建模:四種旅行方式的選擇(asmprobit指令)

    Chapter04 Logit迴歸、Linear Probability、Probit、Cox迴歸之比較
    4-1 Probit迴歸模型之解說
    4-2 Binary依變數:Linear Probability, Probit及Logit迴歸分析之比較
    4-3 Logit模型、 Cox迴歸、probit模型的概念比較
    4-4 異質機率模型:模擬資料(Heteroskedastic probit model)(hetprobit指令)
    4-5 Bivariate probit迴歸vs.二個似乎無相關依變數「private, vote」模型,誰優?(biprobit指令)
    4-6 調查法交叉效度:邏輯斯迴歸(Application of Logistic Regression with Different Sampling Models)(svy: logit指令)***
    4-6-1 Stata提供的「svy:」前置指令
    4-6-2 交叉效度
    4-6-3 調查法交叉效度:邏輯斯迴歸(Application of Logistic Regression with Different Sampling Models)(svy: logit指令)***

    Chapter05 多分類依變數(Multinomial)的邏輯斯迴歸分析 (mlogit指令)
    5-1 多項邏輯斯模型(Multinominal Logit Model, MNL)
    5-1-1 多項邏輯斯模型(Multinominal Logit Model, MNL)之概念
    5-1-2 多項邏輯斯模型之應用****
    5-1 多項(Multinomial) Logit迴歸之多項選擇
    5-2 Multinomial Logit迴歸之解說(mlogit指令)
    5-3 Multinomial Logit迴歸分析:職業選擇種類(mlogit指令)
    5-4 多項邏輯斯迴歸分析:乳房攝影(mammograph)經驗的影響因素(mlogit指令)
    5-5 羅輯斯迴歸之共變數係數調整法(fractional multinomial logit model):6種行政預算編列比例之因素(fmlogit外掛指令)
    5-5 多項邏輯斯迴歸分析:12地區宗教信仰3選擇之因素(mlogit指令)

    Chapter06 單層vs多層次:Ordered Logit、Ordered Probit Analysis及擴充模型(ologit、eoprobit、meologit、meoprobit指令)
    6-1 Ordered Logit及Ordered Probit模型之概念
    6-2 Ordered Logit及Ordered Probit迴歸分析:影響親子親密關係的因素(reg、listcoef、prgen、ologit、logit)
    6-3 Ordered Logit迴歸分析: Copenhagen的住房條件(ologit、lrtest、graph bar、oprobit指令)
    6-4 Extended ordered probit regression迴歸分析:內生共變數之二階段機率迴歸(eoprobit指令)
    6-4-1 內生共變數:工具變數(IV)之重點整理
    6-4-2 Extended ordered probit regression迴歸分析:健康狀況程度之因素(eoprobit指令)
    6-5 Multilevel mixed-effects ordered logistic regression:社會抵抗課程的介入對健康概念程度的效果(meologit指令)
    6-6 Multilevel mixed-effects ordered probit regression:社會抵抗課程的介入對健康概念程度的效果(meoprobit指令)
    6-7 Panel-data Random-effects ordered logistic models:社會抵抗課程的介入對健康概念程度的效果(xtologit指令)
    6-8 等級-次序迴歸:四種方案偏好排名(Rank-ordered logistic regression(rologit指令)
    6-9 Alternative-specific rank-ordered probit regression:四種工作特性偏好之影響因素(asroprobit指令)
    6-10 Zero-inflated Poisson迴歸vs. Zero-inflated ordered probit regression(zip、zioprobit指令)
    6-10-1 零膨脹(Zero-inflated)Poisson分布
    6-10-2 Count依變數:零膨脹Poisson迴歸 vs負二項迴歸(zip、nbreg、prgen指令)
    6-10-3 Zero-inflated ordered probit regression練習:釣魚(zip指令)
    6-10-4 零膨脹ordered probit迴歸分析(zioprobit指令)

    Chapter07 配對資料的條件邏輯斯迴歸(clogit指令)
    7-1 配對資料的條件邏輯斯迴歸:案例-控制研究(clogit指令)
    7-2 配對的條件邏輯斯迴歸分析: McFadden’s choice模型(clogit指令)
    7-3 Alternative-specific conditional logit(McFadden’s choice):汽車銷售調查法(asclogit指令)
    7-4 Alternative-specific conditional logit model:選擇四種釣魚模式(asclogit指令)
    7-5 Alternative-specific conditional logit(McFadden’s choice) model: 避孕3種選擇(asclogit指令)

    Chapter08 多層次邏輯斯迴歸(multilevel logistic regression)
    8-1 分層隨機抽樣
    8-2 多層次Logistic迴歸(xtmelogit指令)
    8-2-1 雙層次混合logistic 迴歸(xtmelogit 指令)
    8-2-2 三層次logistic 迴歸(xtmelogit 指令)
    8-2-3 混合效果logistic 迴歸(xtmelogit 指令)
    8-2-4 Alternative-specific mixed logit regression(asmixlogit 指令)
    8-3 Multilevel mixed-effects ordered logistic regression:社會抵抗課程的介入對健康概念程度的效果(meologit 指令)
    8-4 雙層巢狀模型:巢狀結構的餐廳選擇(nested model,nestreg 指令)

    Chapter09 Panel-data 邏輯斯迴歸(xtgee、xtlogit 指令)
    9-1 Panel-data 迴歸 (xtgee、xtlogit 指令)
    9-2 追蹤資料(panel-data) 分析之STaTa 相關指令
    9-3 追蹤資料(panel-data) 之基本模型
    9-3-1 panel 資料型態及其模型分類
    9-3-2 追蹤資料(panel-data) 四模型:線性vs. 非線性模型
    9-3-3 追蹤資料(panel-data) 模型認定(identify) 與假設
    9-4 Panel-data logit 迴歸分析(xtgee、xtlogit 指令)
    9-5 Panel-data random-effects ordered logistic models (xtologit 指令)
    9-6 Random-effects ordered probit models:社會抵抗課程的介入對健康概念程度的效果(xtoprobit 指令)
    9-7 互補log-log 迴歸(Random-effects and population-averaged cloglogmodels):加入工會嗎(xtcloglog 指令)
    9-7-1 對數邏輯分布(log-logistic):偏態分布
    9-7-2 Random-effects complementary log-log model:加入工會嗎(xtcloglog 指令)

    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
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