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)
    自 序

    Chapter 00 STaTa 是地表最強的統計軟體
    0-1 STaTa 是地表最強大的統計軟體
    0-1-1 多變量統計(multivariate analysis) 之指令
    0-1-2 單層次:連續vs. 類別依變數迴歸之種類
    0-1-3 多層次模型(HLM) 及重複測量之STaTa 指令
    0-1-4 STaTa panel-data 迴歸的種類
    0-1-5 STaTa 流行病(epidemiologists) 之選擇表對應的指令
    0-1-6 STaTa 存活分析的選擇表之對應指令
    0-1-7 STaTa 縱貫面—時間序列之選擇表
    0-1-8 邏輯斯迴歸及離散選擇模型之STaTa 選擇表
    0-1-9 有限混合模型(finite mixtures models, FMM):EM algorithm

    Chapter 01 多變量:統計概念的基礎
    1-1 認識數學符號
    1-1-1 數學符號
    1-1-2 希臘字符號
    1-2 統計技術之分類
    1-2-1 統計分析技術之分類
    1-2-2 單變量vs. 多變量統計
    1-3 單變量:統計學回顧
    1-3-1 統計分析法
    1-3-2 統計公式之重點整理
    1-3-3 檢定與信賴區間之關係
    1-4 多變量常態分布、樣本平均數、變異數和共變異數:統計基礎
    1-4-1 多變量假定:常態分布之統計基礎
    1-4-2 數據矩陣的列(row) 與行(column):多變量統計基礎
    1-4-3 共變異數矩陣的性質:多變量統計基礎
    1-4-4 樣本平均數、變異數和共變異數:統計基礎
    1-5 單層次:各類型ANOVA 練習題
    1-5-1 單層次:各類型ANOVA 練習題(anova 指令)
    1-5-2 單層次:各類型MANOVA 練習題(manova 指令)
    1-5-3 重複測量MANOVA 之練習題(manova, manovatest,ytransform() 指令)
    1-6 評比敵對模型,適配指標有7 種

    Chapter 02 統計基礎:一個和二個母群體平均數之Hotelling’s T2 檢定
    2-1 幾種常用的多變量分析方法
    2-2 單變量:Student’s 分布及t-test 統計基礎
    2-2-1 單變量:Student’s 分布
    2-2-2 單變量:Student’s t 檢定(t-test)
    2-3 單一獨立樣本平均數之Hotelling’s T2 檢定
    2-3-1 多變量:Hotelling’s T2 檢定之概念
    2-3-2 多變量:Hotelling’s T2 檢定範例
    2-4 兩個獨立樣本平均數之Hotelling’s T2 檢定
    2-5 配對組法及前測後測設計之T 檢定
    2-5-1 多變量配對組T 檢定(multivariate paired Hotelling’s T-square)
    2-5-2 多變量配對組T 檢定(hotelling 指令)
    2-6 單一組重複量數統計分析
    2-6-1 單一組重複測量(hotelling 指令) ≒混合設計二因子ANOVA(anova 指令)
    2-6-2 單變量:重複量數分析(anova 指令)
    2-7 單變量:混合設計二因子
    2-7-1 單變量:混合設計Two way ANOVA( 交互作用)(anova 指令)

    Chapter 03 多變量變異數分析:獨立樣本(manova 指令)
    3-1 t-檢定、ANOVA、判別分析、迴歸的關係 (ttest、oneway、reg、manova、discrim 指令)
    3-2 多變量:One way 變異數分析(manova 指令)
    3-2-1 One way 多變量變異數分析之概念
    3-2-2 One way 多變量變異數分析(manova、oneway, scheffe、matlist() 指令)
    3-2-3a 如何處理MANOVA ≠ ANOVA 顯著性結果不一致呢?1實驗組vs. 2 對照組(manova、tabstat, by()、manovatest, test()、margins、anova 指令)
    3-2-3b MANOVA 顯著後之5 類追蹤分析(rwolf 外掛指令)
    3-2-4 練習題:One way 多變量變異數分析:6 棵樹砧木之4成長數據(manova、lincom、test、mat list() 指令)
    3-3 多變量:二因子變異數分析( 無交互作用)(manova、manovatest,test()指令)
    3-3-1a 混合設計Two way 變異數分析≒實驗組—控制組「前測—後測」設計
    3-3-1b Two way 多變量變異數分析(manova 指令、lincom事後比較)
    3-3-2 練習題:二因子MANOVA( 交互作用)( 先manova;後margins、contrasts、predict 指令)
    3-3-3 二因子混合設計ANOVA:廣義估計方程式(GEE) 分析Panel-data:雌激素貼片治療產後憂鬱症的療效(xtgee 指令)
    3-4 多變量:細格人數不等的二因子變異數分析(manova 指令、lincom事後比較)
    3-5 三因子MANOVA( 交互作用)(manova、margins,predict(equation(y1))、contrast A@B#_eqns, mcompare(scheffe)指令)
    3-5-1 Three-way MANOVA( 交互作用)(manova、margins,predict(equation(y1))、contrast A@B#_eqns, mcompare(scheffe) 指令)
    3-5-2 練習題:Three-way MANOVA( 交互作用):塗層織品的磨損數據(manova 指令)
    3-6 Nested( 階層/ 巢狀) 設計MANOVA(manova、manovatest、margins,within() expression() 指令)
    3-7 階層(hierarchical) 設計MANOVA(manova 指令)
    3-8 Latin 方格的多變量變異數分析:交互作用項給予平衡(manova 指令)
    3-8-1 拉丁方陣實驗設計之概念
    3-8-2a 單變數:拉丁方格實驗設計ANOVA(anova 指令)
    3-8-2b 單變數:拉丁方格實驗設計ANOVA[anova、contrast,mcompare(scheffe) 指令]
    3-8-3 多變數:拉丁方格設計MANOVA:去除交互作用項(manova 指令)
    3-9 多變量:混合/split-plot 設計的變異數分析:二學程5班3種技能(manova 指令)
    3-10 重複測量之隨機區組設計(randomized block) 設計:4 高粱品種種在5 塊地(manova、manovatest 指令)

    Chapter 04 單層vs. 雙層次ANOVA 模型:重覆測量(repeated measures)
    4-1 單層vs. 雙層:重複測量的混合效果模型(mixed effect model for repeated measure)
    4-1-1 ANOVA 及無母數統計之分析流程圖
    4-1-2 重複測量ANOVA 之F 檢定公式
    4-1-3a 單層次:重複測量MANOVA( 無a 因子)(manova、manovatest、ytransform 指令)
    4-1-3b 單層次:重複測量MANOVA(a 因子)(manova、manovatest、ytransform 指令)
    4-1-4 單層次:混合設計二因子ANOVA ≒單因子重複測量MANOVA(anova、contrast、margin、marginsplot 指令)
    4-1-5 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)
    4-1-6 雙層次:二因子混合設計ANOVA (mixed 或xtmixed 指令)

    Chapter 05 多變量共變數分析(multivariate analysis of covariance, mancova 指令)
    5-1 單因子MANCOVA
    5-1-1 單因子MANCOVA 之原理
    5-1-2 單因子MANCOVA 之重點整理
    5-2 單因子MANCOVA:3 個檢定(manova、manovatest 指令)
    5-2-1 獨立樣本單因子多變量共變數分析(2 個共變量)(manova、manovatest、contrast、mat list() 指令)
    5-2-2 單因子MANCOVA:3 個檢定(manova、manovatest、contrast 指令)
    5-3 二因子多變量共變數分析(manova、manovatest 指令)
    5-3-1 獨立樣本二因子多變量共變數分析( 無交互作用)(manova、manovatest 指令)
    5-3-2 二因子MANCOVA 分析( 交互作用之單純主要效果比較)(manova、manovatest、margins、contrast 指令)
    5-4 階層(hierarchical/ 巢狀nested) 設計二因子MANCOVA (manova、manovatest 指令)

    Chapter 06 典型相關分析(canonical correlation,canon 指令)
    6-1 典型相關(canonical correlation) 之概念
    6-2 單變量:相關係數之統計基礎
    6-3 典型相關分析:範例(canonical correlation)(canon、canon, test()、estat correlations 指令)
    6-3-1 典型相關分析(canonical correlation):5 項高中測驗對2 項大學入學成績(canon、canon, test()、estat correlations)指令
    6-3-2  典型相關分析(canonical correlation):3 項心理變數對4 項學業成績(canon、canon, test()、estat correlations 指令)

    Chapter 07 判別分析/ 線性判別分析(discriminant analysis)
    7-1 線性判別分析/ 判別分析(discriminant analysis) 之概念
    7-1-1 貝葉斯(Bayes) 定理及分類(classification)
    7-1-2 線性與二次分類方法
    7-1-3 費雪(Fisher) 的判別分析與線性判別分析
    7-2 線性判別分析:範例(discriminant analysis)(candisc, group()、scoreplot、loadingplot 指令)
    7-2-1 線性判別分析:3 組高中生對3 種成就測驗(candisc,group()、scoreplot、loadingplot) 指令
    7-2-2 判別/ 線性判別分析(discriminant analysis):3 個職位分類是否適合不同人格類型(candisc) 指令
    7-2-3 練習題:典型線性判別分析:6 棵樹砧木之4 成長數據(candisc 指令)
    7-3 練習題:無母數線性判別分析:第k 近鄰(kth-nearest-neighbor) 區別分析(discrim knn 指令)
    7-4 練習題:線性(linear) 線性判別分析(discrim lda 指令)
    7-5 練習題:logistic 線性判別分析(discrim logistic 指令)
    7-6 練習題:二次(quadratic) 線性判別分析(discrim qda 指令)

    Chapter 08 集群(cluster) 分析/ 聚類分析
    8-1 集群分析/ 聚類分析(cluster analysis) 之概念
    8-2 階層聚類分析/ 集群分析(hierarchical cluster):範例(cluster, cluster dendrogram, cluster generate, cluster kmeans and kmedians 指令)
    8-2-1 階層集群分析(hierarchical cluster analysis):17 學區的4 項學生成績(cluster linkage、xi: mvreg) 指令有7 種方法
    8-2-2 練習題:集群分析(hierarchical cluster analysis):mammal 資料(cluster linkage) 指令有7 種方法
    8-2-3 練習題:集群分析(hierarchical cluster analysis):mammal 資料(cluster linkage) 指令有7 種方法
    8-3 大樣本之K-means 集群分析(K-means and K-medians cluster analysis):50 棵植物4 個化學實驗數據(cluster kmeans、cluster kmedians 指令)
    8-4 計算similarity、dissimilarity:50 棵植物4 個化學實驗數據(matrix dissimilarity、mat list 指令)
    8-5 二元變數(binary variables) 之集群分析(cluster kmeans 指令)
    8-5-1 二元變數(binary variables) 關聯性(association) 之概念
    8-5-2 二元變數之集群分析(cluster analysis for binary variables):35 題是非題(cluster kmeans、cluster kmedians 指令)

    Chapter 09 主成分分析(principal componentsanalysis, pca 指令)
    9-1 主成分分析(principal components analysis) 之重點整理(pca 指令)
    9-1-1 主成分分析(principal components analysis) 之概念
    9-1-2 主成分分析(principal components analysis) 之統計基礎
    9-1-3 主成分分析:標準化居住品質9 指標(pca 指令)

    Chapter 10 測量工具檢定:信度(reliability) 與建構效度(construct validity)
    10-1 測量工具檢定:信度(reliability) 與效度(validity)
    10-1-1 信度與效度之重點整理
    10-1-2 因素分析(factor analysis, FA),又譯因子分析
    10-2 因素分析(factor analysis, PCA) 之重點整理
    10-2-1 因素分析(factor analysis, PCA) 之概念
    10-2-2 因素分析:居住社區9 個評量指標(factor 指令)
    10-2-2a 最大概似估計(maximum likelihood estimation)
    10-2-2b 因素分析:適配度(goodness-of-fit) Chi-Squared 檢定
    10-2-2c 因素轉軸(factor rotations)
    10-2-2d 因素分數的估計(estimation of factor scores)
    10-3 探索性因素分析≒建構效度(explore factor analysis, EFA)(factor、estat kmo、rotate、estat structure、screeplot、predict 指令)
    10-3-1 建構效度(construct validity)
    10-3-2 因素分析4 種估計法的取捨:醫生對成本的6 態度(factor 指令)
    10-3-3 Likert 量表建構: 建構效度來篩選問卷題目(factor、estat kmo、rotate、predict、alpha 指令)
    10-3-4 練習題:讀入相關矩陣之因素分析:知覺3 變數(matrix、factormat 指令)

    Chapter 11 多維標度法/ 多向度量尺(multidimensional scaling)
    11-1 古典(classical) 多維標度法/ 多向度量尺(multidimensionalscaling, MDS) 之重點整理(mds 指令)
    11-1-1 多維標度法/ 多向度量尺(Multidimensional Scaling,MDS) 之概念
    11-1-2 古典(classical) 多維標度法/ 多向度量尺(multidimensional scaling, MDS) 之統計基礎
    11-2 多維標度法/ 多向度量尺(multidimensional scaling, MDS)之範例
    11-2-1 古典:多維標度法/ 多向度量尺:美國10 城市社會經濟特徵(infile、mds、screeplot、mdsconfig、mdsshepard 指令)
    11-2-2a 非度量性(nonmetric):多維標度法/ 多向度量尺:2004 年美國總統候選人(matrix dissimilarity、mdsmat、mdsconfig、mdsshepard 指令)
    11-2-2b 多維標度法後續之迴歸分析:2004 年美國總統候選人(infile、regress、graph twoway 指令
    11-2-3 練習題:古典多維標度法:美國10 城市社會經濟特徵(matrix define、mdsmat、mdsconfig、mdsshepard 指令)

    Chapter 12 對應分析(correspondence analysis)
    12-1 對應分析(correspondence analysis) 之概念
    12-2 簡單的對應分析(discriminant correspondence analysis)(ca、camat 指令)
    12-2-1 對應分析:「性別與學歷」對科學信仰之對應(ca 指令)
    12-2-2 對應分析(correspondence analysis):輸入矩陣—5 個國家與11 個資源之對應(camat 指令)
    12-3 多重且聯合對應分析(Multiple and joint correspondence analysis):科學四態度之對應圖(mca 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
    
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]