登入會員
品牌介紹
關於我們
企業徵才
客服中心
會員專區
與我連絡
申訴信箱
ＦＡＱ
電子報
書目下載
圖書總覽
服務推薦
教學網
考用網站
首頁
書目下載
會員專區
與我連絡
法律/政治
法律
政治、公共事務
財經/商管/觀光
財經、商管、統計
觀光、餐旅、休閒
文/史/哲/期刊
辭書、總類
語言、文學
歷史、哲學、宗教
藝術、設計、文創
學術期刊
理工/醫護
理工
醫護暨生命科學
農林漁牧
教育/心理/傳播
教育
心理、諮商與輔導
社會、傳播(影視)
小五南/中等教育
小五南
電機與電子群
餐旅群
家政群
商業與管理群
英文
藝術群
農業群
食品群
【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!
分享
圖解系列
財經、商管、統計
-
統計
-
統計軟體應用
圖解多變量分析
作 者：
陳耀茂
出版社別：
五南
書 系：
圖解系列
出版日期：2021/05/01(1版1刷)
ＩＳＢＮ：978-986-522-471-4
E I S B N：9789865226923
書 號：5BJ4
頁 數：272
開 數：20K
定 價：350元
優惠價格：315元
觀察經濟、健康、教育等各種領域的資料表，如果沒有任何分析的武器時，也許獲益有限，有很多時候常常忽略重要的事項。可是，如果有多變量分析的武器時，常可將資料變成寶山一般。 所謂多變量分析是就數目、項目同時進行調查的資料分析，是有效的統計分析手法。多變量分析的資料，同時會有數個項目，藉由調查此種資料項目間之關聯，理解資料並進行分析。 開車多少需要有引擎的知識。同樣，執行多變量分析也必須理解它的架構。本書的重點是放在想法、架構、計算法與利用法，實際的分析是活用「Excel」，以及專用的多變量分析軟體（如SPSS）等。Excel的計算軟體許多人都有，只要好好利用它，多變量分析也會變得更為容易。 對讀者而言，本書是進入多變量世界的入門書，好好理解本書就能將雜亂的資料變成「寶山」。
陳耀茂 日本（國立）電氣通信大學經營工學博士 東海大學企管系教授
自序
第1章 多變量分析淺談
1-1 多變量分析是什麼？
1-2 複迴歸分析的話題
1-3 主成分分析的話題
1-4 因素分析的話題
1-5 判別分析的話題
1-6 集群分析的話題
1-7 統計關鍵用語解說(1)
1-8 統計關鍵用語解說(2)
1-9 統計關鍵用語解說(3)
第2章 多變量分析的準備
2-1 何謂多變量分析？
2-2 資料資訊縮減為平均與變異數(1)
2-3 資料資訊縮減為平均與變異數(2)
2-4 資料資訊縮減為平均與變異數(3)
2-5 單位不一致時數據的標準化
2-6 提供2變量關係的共變異數與相關係數(1)
2-7 提供2變量關係的共變異數與相關係數(2)
2-8 提供2變量關係的共變異數與相關係數(3)
2-9 提供2變量關係的共變異數與相關係數(4)
2-10 常態分配是許多分配的基準
2-11 利用EXCEL的多變量分析(1)
2-12 利用EXCEL的多變量分析(2)
2-13 利用EXCEL的多變量分析(3)
第3 章 複迴歸分析
3-1 由其他變量預測1 變量的複迴歸分析
3-2 由1 變量預測1 變量的單迴歸分析(1)
3-3 由1 變量預測1 變量的單迴歸分析(2)
3-4 由1 變量預測1 變量的單迴歸分析(3)
3-5 由1 變量預測1 變量的單迴歸分析(4)
3-6 使誤差的平方和為最小的複迴歸分析(1)
3-7 使誤差的平方和為最小的複迴歸分析(2)
3-8 使誤差的平方和為最小的複迴歸分析(3)
3-9 將複迴歸分析的結果以矩陣表示
3-10 複迴歸分析的評價是判定係數(1)
3-11 複迴歸分析的評價是判定係數(2)
3-12 使預測與實測的相關為最大的迴歸方程式
3-13 複迴歸分析的實際(1)
3-14 複迴歸分析的實際(2)
第4 章 主成分分析
4-1 由多變量萃取出本質的是主成分分析
4-2 從使變異數最大的立場來觀察資料時(1)
4-3 從使變異數最大的立場來觀察資料時(2)
4-4 主成分是使變異數最大的變量結合(1)
4-5 主成分是使變異數最大的變量結合(2)
4-6 試求主成分看看(1)
4-7 試求主成分看看(2)
4-8 試求主成分看看(3)
4-9 試求主成分看看(4)
4-10 顯示主成分的資訊收集能力的貢獻率(1)
4-11 顯示主成分的資訊收集能力的貢獻率(2)
4-12 從資料的殘留物中取出第2 主成分
4-13 使用幾個主成分呢？以累積貢獻率來判斷
4-14 變量點圖是理解主成分的幫手
4-15 以主成分分數掌握各個數據的特徵
4-16 單位不同的數據，主成分分析要標準化
4-17 主成分分析的實際(1)
4-18 主成分分析的實際(2)
4-19 主成分分析的實際(3)
第5 章 因素分析
5-1 以少數的因素說明資料的因素分析
5-2 以數學的方式表現因素分析(1)
5-3 以數學的方式表現因素分析(2)
5-4 以因素模式眺望變異數(1)
5-5 以因素模式眺望變異數(2)
5-6 以因素模式眺望變異數(3)
5-7 以因素模式眺望共變異數
5-8 表示共同因素之說明力的共同性(1)
5-9 表示共同因素之說明力的共同性(2)
5-10 表示共同因素之說明力的共同性(3)
5-11 因素分析的實際從共同性的估計(1)
5-12 因素分析的實際從共同性的估計(2)
5-13 以SMC 法實際分析看看(1)
5-14 以SMC 法實際分析看看(2)
5-15 以反覆估計解決因共同性的估計產生的予盾
5-16 因素模式的解有旋轉的不安定性(1)
5-17 因素模式的解有旋轉的不安定性(2)
5-18 因素模式的解有旋轉的不安定性(3)
5-19 計算因素分數掌握數據的個性
5-20 表示因素的說明力的貢獻量
5-21 因素分析與主成分分析的關係(1)
5-22 因素分析與主成分分析的關係(2)
5-23 因素分析的實際(1)
5-24 因素分析的實際(2)
第6 章 判別分析
6-1 不會迷惑黑白的判定
6-2 利用線性判別函數來分群(1)
6-3 利用線性判別函數來分群(2)
6-4 利用線性判別函數來分群(3)
6-5 線性判別函數的變異數是挖寶(1)
6-6 線性判別函數的變異數是挖寶(2)
6-7 線性判別函數的變異數是挖寶(3)
6-8 線性判別函數的變異數是挖寶(4)
6-9 線性判別函數的變異數是挖寶(5)
6-10 線性判別函數的變異數是挖寶(6)
6-11 馬哈拉諾畢斯距離是以標準差作為單位之距離(1)
6-12 馬哈拉諾畢斯距離是以標準差作為單位之距離(2)
6-13 多變量的馬哈拉諾畢斯距離是1 變量的擴張(1)
6-14 多變量的馬哈拉諾畢斯距離是1 變量的擴張(2)
6-15 判別的命中率與誤判率
6-16 判別分析的實際
第7 章 集群分析
7-1 相似？不相似？(1)
7-2 相似？不相似？(2)
7-3 群間距離的決定方法(1)
7-4 群間距離的決定方法(2)
7-5 集群分析的步驟(1)
7-6 集群分析的步驟(2)
7-7 樹形圖的用法
附錄
附錄1 函數的極值與偏微分
附錄2 Lagrange 未定係數法
附錄3 向量的基礎
附錄4 矩陣與特徵值問題
附錄5 多變量分析的向量式解釋
附錄6 迴歸分析的結果檢定
無
0
1
