0人評分過此書

圖解多變量分析

出版日期
2021/05/01
閱讀格式
PDF
書籍分類
學科分類
ISBN
9789865224714

本館館藏

借閱規則
當前可使用人數 30
借閱天數 14
線上看 0
借閱中 0
選擇分享方式

推薦本館採購書籍

您可以將喜歡的電子書推薦給圖書館,圖書館會參考讀者意見進行採購

讀者資料
圖書館
* 姓名
* 身分
系所
* E-mail
※ 我們會寄送一份副本至您填寫的Email中
電話
※ 電話格式為 區碼+電話號碼(ex. 0229235151)/ 手機格式為 0900111111
* 請輸入驗證碼
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」。
  • 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矛盾
    • 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
  • 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
幫助
您好,請問需要甚麼幫助呢?
使用指南

客服專線:0800-000-747

服務時間:週一至週五 AM 09:00~PM 06:00

loading