0人評分過此書
•全方位解析多層次模型（HLM），彌補單層次迴歸的不足，讓您能抽絲剝繭地學習。
•本書提供多層次模型範例資料檔、統計程式操作方式，並強調統計軟體報表解釋，使讀者更加瞭解其中奧妙。
•深度理解功能龐大的STaTa系統，其便利性遠超過R、MLWin、Mplus、SPSS、SAS等軟體。
•本書適合用於社會科學、生物醫學、財經研究等實用工具書，並能廣泛應用到管理、教育、人管、醫藥健康等領域。
•隨書附贈資料檔光碟。
STaTa是地表最強統計軟體，適合學生、學者與實務人員！
科學是一門累積而成的學問，統計又是科學的實證基礎，當今科技電腦的統計計算能力日新月異，純粹概念性的理論過於靜態，解釋實際問題以及應用能力有限。多層次模型(HLM)進而興起，成為當代組織與管理領域的重要研究典範之一！STaTa這套功能龐大的統計軟體也因而產生，本書提供範例資料庫與統計程式操作方式，有助於瞭解多層次迴歸分析主要模型的操作程序，內文結合「理論、方法、統計」，讓您能更有深度的理解什麼是多層次模型以及STaTa。
•本書提供多層次模型範例資料檔、統計程式操作方式，並強調統計軟體報表解釋，使讀者更加瞭解其中奧妙。
•深度理解功能龐大的STaTa系統，其便利性遠超過R、MLWin、Mplus、SPSS、SAS等軟體。
•本書適合用於社會科學、生物醫學、財經研究等實用工具書，並能廣泛應用到管理、教育、人管、醫藥健康等領域。
•隨書附贈資料檔光碟。
STaTa是地表最強統計軟體，適合學生、學者與實務人員！
科學是一門累積而成的學問，統計又是科學的實證基礎，當今科技電腦的統計計算能力日新月異，純粹概念性的理論過於靜態，解釋實際問題以及應用能力有限。多層次模型(HLM)進而興起，成為當代組織與管理領域的重要研究典範之一！STaTa這套功能龐大的統計軟體也因而產生，本書提供範例資料庫與統計程式操作方式，有助於瞭解多層次迴歸分析主要模型的操作程序，內文結合「理論、方法、統計」，讓您能更有深度的理解什麼是多層次模型以及STaTa。
- 自序
-
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
-
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）
-
2－8－3 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）
-
2－8－6 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－asoutcomes 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）
-
-
7－2 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 stslist、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 σ²ε 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 σ²εᵢₜ 的觀念
-
11－1－2 誤差變異 σ²εᵢₜ 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 σ² error 具異質性
-
-
- 參考文獻
- 出版地 ： 臺灣
- 語言 ： 繁體中文
評分與評論
請登入後再留言與評分
PDF
PDF
PDF
PDF
PDF
