多變量統計之線性代數基礎: 應用Stata分析 (附光碟) | 誠品線上

多變量統計之線性代數基礎: 應用Stata分析 (附光碟)

內容簡介

內容簡介 ◎本書從多變量統計基礎教起，運用功能多樣的統計軟體STaTa分析，學習效果倍增。◎多變量分析能使研究結果更準確，是自然與社會科學界常用的統計分析。 ◎本書內容結合理論、方法及統計，並輔以範例練習，使學習者能靈活運用。◎適用於生物學、經濟學、市場行銷、工程學、遺傳學、醫學、教育學、心理學、社會科學、生產管理、風險管理、人資管理、航運管理、財務金融、會計和公共衛生等學術領域。隨書附贈資料檔光碟在自然與社會科學領域，常會針對研究主題，同時測量許多不同變數的資料。針對這種資料的統計分析，就需要用到多變量分析技術。多變量分析涉及一次觀察和分析多個統計結果變數，所得出的結果也較為精準，是進行資料觀察時所必知的一個統計分析！本書教導如何運用以統計軟體STaTa來進行多變量分析，全書介紹的多變量分析內容，包含平均數之假設檢定、多變量變異數分析(MANOVA)、多元迴歸分析、典型相關分析、區別分析、主成分分析、因素分析、集群分析和多元尺度法等。從基礎統計知識引導，輔以練習題與範例，讓學習者能從做中學，靈活學習、效果倍增。

作者介紹

作者介紹 ■作者簡介張紹勳學歷：國立政治大學資訊管理博士現任：國立彰化師大專任教授經歷：致理技術專任副教授

產品目錄

產品目錄 自 序Chapter00 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 algorithmChapter01 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Chapter02 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）Chapter03 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MANCOVA5-1-1 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）Chapter06 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）Chapter07 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）Chapter08 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）Chapter09 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）Chapter10 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）Chapter11 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）Chapter12 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

商品規格

試閱文字

內文 : 2-1 幾種常用的多變量分析方法
有關單變量：t 檢定、ANOVA 的範例解說，請見作者《STaTa 與高等統計分析》一書，該書內容包括描述性統計、樣本數的評估、變異數分析、相關分析、
迴歸建模及診斷、重複測量⋯⋯。
一、常用統計技術
在各種計量方法中，只針對單一變數進行分析的方法稱為「單變量分析」(univariate analysis) ，比如用直方圖去分析某班學生數學的期末考成績的分布)；
同時分析兩個變數的方法稱為「雙變量分析」(bivariate analysis) ，這類的分析方
法很多，比如用相關性分析(correlation) 去探討中學生的身高與體重的關係。用
簡單迴歸(simple regression) 或t 檢定去比較小學生的體重有沒有因為性別( 男、女兩組) 不同而異。用變異數分析analysis of variance (ANOVA) 去分析不同屬性
組織( 營利、非營利與公立共3 組) 的組織績效是否有所不同⋯⋯。
多變量分析 (multivariate analysis) 是泛指同時分析兩個以上變數的計量分析
方法。在實際的情況中，我們所關心的某種現象通常不只跟另一個變數有關係，
比如會影響醫院績效的變數不只是醫院的屬性而已，可能還與醫院本身的經營策
略、醫院所在地區、健保給付方式等有密切關係，因此多變量分析應該對實際的
研究工作較有幫助。不過多變量分析的數統推論與運算過程比較複雜，如果要靠
人去進行相當費時費工，但在電腦時代這些繁複運算已不成問題，因此多變量分
析漸漸被廣泛運用。
線性判別分析旨在運用於計算一組預測變數( 自變數) ，包括知識、價值、
態度、環保行為的線性組合，對依變數( 間斷變數) 接受有機農產品更高售價之
意願加以分類，並檢定其再分組的正確率。