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)
    Chapter01 線性迴歸vs. 二元(Binary) 依變數 (邏輯斯迴歸)
    1-1 迴歸的二大類:連續依變數vs. 離散依變數
    1-1-1 單變量:統計法分類
    1-1-2 多變量:統計法分類
    1-2 簡單邏輯斯迴歸的概念
    1-2-1 簡單邏輯斯迴歸(Logistic Regression Model) 的原理
    1-2-2 Odds ratio 之意義
    1-2-3  列聯表(contingency table)、相對風險、勝算比(odds ratio) 及卡方檢定(crosstabs、logistic regression 指令)
    1-2-4  卡方⊂ logistic 迴歸:同意人類可實驗貓大腦注入藥物嗎?(logistic regression、crosstabs 指令)
    1-2-5  簡單Logistic 迴歸分析:年齡與罹患冠心病(CHD) 關係(logistic regression 指令)
    1-3 邏輯斯迴歸的建模(logistic regression 指令)
    1-3-1  Logistic 迴歸分析:三個預測因子有二個連續變數、一個次序變數 ( 大學申請入學之錄取條件?)
    1-3-2  如何挑選「多元Logit 迴歸之最佳模型」:早產兒之危險因子(logistic regression 指令)
    1-3-3 練習題:邏輯斯迴歸分析( 母蟹crab 有追求者嗎?)
    1-4 邏輯斯迴歸之建模法(logistic regression、fp/fracpoly 指令)
    1-4-1 評比敵對模型,適配指標有七種:ROC⋯⋯
    1-4-2  邏輯斯迴歸之共變數係數調整法(fractional polynomial regression):STaTa 範例(fp 或fracpoly 指令)
    1-5 邏輯斯迴歸搭配ROC 曲線來做篩檢工具之分類準確性
    1-5-1 Type I 誤差α 及Type II 誤差β:ROC 圖切斷點的由來
    1-6 Logit+ROC 曲線來評比:敵對logit 模型,誰優?
    1-6-1 ROC 曲線、cut-off 點
    1-6-2 簡單Logit 模型搭配ROC 曲線來找最佳cut-off 點
    1-6-3  練習題:多元Logit 模型搭配ROC 曲線來找最佳cut-off點
    1-7 小樣本:Exact logistic regression( 是否染愛滋病毒之二種血清檢測值)(exlogistic 指令)

    Chapter02 邏輯斯(Logistic) 迴歸的診斷(diagnostics)
    2-1 邏輯斯迴歸的假定(assumption)
    2-1-1 邏輯斯迴歸的IIA 假定
    2-2 界定誤差(specification error)
    2-2-1 多元( 複) 線性迴歸診斷之重點整理
    2-2-2 線性迴歸的診斷
    2-2-3  邏輯斯迴歸的界定適當嗎?優質辦校之因素(logistic regression指令)
    2-3 共線性(collinearity) 診斷:優質辦校之因素(logistic regression指令)
    2-4 偵測influence 的觀察值:優質辦校之因素(logistic regression指令)
    2-5 練習題:logistic regression:學業是否得獎的因素(logistic regression 指令)

    Chapter03 離散選擇模型:多項機率迴歸(NOMREG指令)
    3-1 離散選擇模型(Discrete Choice Models, DCM)
    3-1-1 離散選擇模型(DCM) 概念
    3-1-2 離散選擇模型(DCM) 之數學式:以住宅選擇為例
    3-2 多項機率迴歸分析(multinomial probit regression)(crosstabs、nomreg指令)
    3-3-1 多項機率迴歸之概念
    3-3-2 多項機率迴歸之原理
    3-3-3  多項機率迴歸分析(multinomial probit regression) 學生選三類課程的因素(crosstabs、nomreg 指令)
    3-3-4 練習題:離散選擇模型(DCM):三種保險的選擇
    3-4 多項概率模型來進行離散選擇建模(discrete choice modeling using multinomial probit model)(asmprobit 指令)
    3-4-1  Alternative-specific multinomial probit regression:三種保險計畫的選擇(asmprobit 指令)
    3-4-2  使用多項概率模型進行離散選擇建模: 四種旅行方式的選擇(asmprobit 指令)
    3-4-3  練習題:多項邏輯斯迴歸:十二地區宗教信仰三選擇之因素(mlogit 指令)

    Chapter04 二元依變數:機率迴歸(probit 指令)
    4-1 Logit 模型、 Cox 迴歸、probit 模型的概念比較
    4-2 Probit 迴歸分析:申入學是否被錄取的因素(plum 指令)
    4-3 練習題:Binary 依變數之Probit 及Logit 迴歸分析( 有無償勞動力之影響因素)
    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)

    Chapter05 單層vs. 多層次:Ordered Logit 及其擴充模型(ologit、oprobit、rologit meoprobit、asmprobit、asroprobit、heckoprobit 指令)
    5-1 Ordered Logit 及Ordered Probit 模型之概念
    5-2 Ordered 迴歸分析:影響SES 的因素(plum 指令)
    5-3 練習題:Ordered Logit 迴歸分析:影響數學等級的因素(plum指令)
    5-4 練習題:Ordered 迴歸分析( 影響親子親密關係的因素)
    5-5 練習題:Ordered Logit 迴歸(Copenhagen 的住房滿意度)

    Chapter06 Count 依變數之迴歸:Zero-inflated Poisson迴歸 vs. negative binomial 迴歸
    6-1 Count 依變數之迴歸:Zero-inflated Poisson 迴歸 vs. negative binomial迴歸
    6-1-1 Poisson 分配
    6-1-2 負二項(negative binomial) 分配
    6-1-3 Zero-inflated Poisson 分配
    6-2 計數型(count) 依變數:Poisson 迴歸:獲獎次數(GenLin 指令)
    6-3 零膨脹Poisson 迴歸vs. 負二項迴歸:博士生發表論文篇數
    6-4 Count 依變數:負二項(negative binomial) 迴歸:獲獎次數(GenLin指令)
    6-5 單層:ordered logistic 迴歸:申請入學意願(plum 指令)
    6-5-1 ordered logistic 迴歸:申請入學意願(plum 指令)
    6-5-2 練習題:ordered logistic 迴歸
    6-6 單層:Zero-inflated ordered probit regression 練習:釣魚(zip 指令)
    6-7 雙層:負二項混合模型(fmm: nbreg 指令):精神科患者隨訪次數
    6-8 雙層:Poisson 混合模型分析(fmm: poisson 指令):醫生問診次數

    Chapter07 加權OLS(weighted least squares) 迴歸(regression、WLS 指令)
    7-1 加權OLS(weighted OLS) 迴歸:誤差變異數異質性的校正(regression 指令)
    7-2 加權OLS 迴歸(WLS 指令)
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳