進階應用生物統計學 (第2版) | 誠品線上

進階應用生物統計學 (第2版)

內容簡介

內容簡介 如果您對統計很畏懼，認為統計很難學，感覺枯燥乏味，覺得課本內容與應用有一段距離，本書會讓您對統計有一種不同的體會。有時候，您得到的統計結果與臨床實際不符；或在統計分析完成後，不知道如何彙整結果，本書會給您一些指引。本書共有三大篇，分別為複習篇、比較篇、迴歸篇。將連續資料的統計分析方法由簡入深、循序漸進的介紹給讀者。本書的撰寫方式與一般統計教科書有許多不同的地方：（1）先講解統計重點，再用一例子將該章重點演練一遍；（2）每一章範例都加入統計結果彙整；（3）使用台灣本土已發表文章為範例；（4）加入SPSS使用說明；（5）作業之安排為給予一組新的數據，對該章的重點演練一遍，或採用不同統計檢定方法來分析相同數據，以便比較不同的統計檢定方法的優劣；（6）加入一些卡通圖案。這樣的安排，希望能拉近學習與應用的距離，讀者能更快、更容易，更快樂的學習統計學。

作者介紹

作者介紹 ■作者簡介史麗珠 著學歷:台灣大學公共衛生學院流行病學博士現職:長庚大學醫學院公衛科生統中心專任教授著作進階應用生物統計學（學富，2013）生物統計學（華杏，2012）護理研究與應用－資料收集方法與處理技巧（華杏，2001）研究論文:發表於國內外著名期刊，達250篇。

產品目錄

產品目錄 新版序序第一篇 複習篇第1章 描述性統計、中央極限定理、t分布1.1 資料的尺度1.2 資料的整理1.2.1 描述性統計量1.2.2 次數表1.2.3 統計圖1.3 常態分布1.3.1 應用1.4 母體、樣本、參數、統計量1.5 中央極限定理及抽樣分布1.5.1 應用1.6 t分布1.6.1 應用第2章 估計及假說檢定2.1 估計2.1.1 點估計及良好的估計式2.2 區間估計或信賴區間2.2.1 母體平均數的區間估計（母體標準差σ已知）2.2.2 母體平均數的區間估計（母體標準差σ未知，用樣本標準差s代入）2.2.3 母體成功比例的區間估計2.2.4 信賴區間的特性2.2.5 應用2.3 假說檢定2.3.1 單一母體平均數之檢定（母體標準差σ已知，雙尾檢定）：Z檢定2.3.2 單一母體平均數之檢定（母體標準差σ未知，用樣本標準差s代入，雙尾檢定）：t檢定2.3.3 單一母體成功比例之檢定（單尾檢定）：Z檢定2.4 兩種錯誤及統計檢力2.4.1 兩種錯誤及統計檢力的關係第二篇 比較篇第3章 比較兩個母體平均數的檢定方法：獨立樣本t檢定及成對樣本t檢定3.1 分辨兩個樣本是獨立或成對3.2 兩個為樣本獨立時，連續變數的統計分析3.2.1 資料排列3.2.2 檢定兩個母體的平均數有沒有差異（獨立樣本t檢定）3.2.3 檢定兩個母體的變異數有沒有差異3.3 兩個樣本為成對時，連續變數的統計分析（成對樣本t檢定）3.3.1 資料排列3.3.2 計算3.4 獨立樣本t檢定與成對樣本t檢定之比較3.5 虛擬範例：評估兩種藥對降血壓之療效3.5.1 計算獨立樣本t檢定、成對t檢定3.5.2 彙整結果3.6 SPSS說明3.6.1 獨立樣本t檢定──檢定「兩組病人在治療前的血壓是否有差異？」3.6.2 成對樣本t檢定──檢定「A組的病人，在服藥前後其血壓是否有改變？」3.6.3 獨立樣本t檢定──檢定「A、B兩種藥對降血壓之療效是否有差異？」第4章 比較多個獨立母體平均數的檢定方法：單因子變異數分析4.1 單因子變異數適用情況4.2 使用獨立樣本t檢定來檢定多個母體平均數的缺失4.3 變異數分析4.3.1 資料排列4.3.2 統計前提假設4.3.3 計算及原理4.3.4 其他4.4 檢定變異數是否相同4.5 多重比較4.5.1 Tukey的HSD法（建立單一臨界值，進行所有兩兩比較）4.5.2 SNK法（建立一系列臨界值，進行所有兩兩比較）4.5.3 Dunnett法（建立單一臨界值，只與其中一組平均數（如對照組）作比較）4.5.4 Scheffe法（建立單一臨界值，進行所有兩兩比較）4.5.5 Bonferroni法（採用信賴區間的觀念，作所有或任意組別的兩兩比較）4.5.6 應用說明4.6 虛擬範例：比較四所學校學生課業壓力4.6.1 檢定變異數同質性4.6.2 變異數分析之計算4.6.3 多重比較之計算4.6.4 彙整結果4.7 SPSS說明第5章 雙因子變異數分析5.1 適用情況5.2 設計及前提假設5.2.1 設計5.2.2 前提假設5.3 平衡設計之雙因子變異數分析5.3.1 資料排列5.3.2 交互作用及主效應5.3.3 計算及原理5.3.4 多重比較之計算5.4 檢定變異數同質性5.5 虛擬範例：四所學校及不同科系學生課業壓力（平衡設計，沒有交互作用）5.5.1 剖面圖5.5.2 檢定變異數同質性5.5.3 變異數分析之計算5.5.4 多重比較之計算5.5.5 彙整結果5.6 範例：剝奪睡眠之動物實驗（平衡設計，有交互作用）5.6.1 剖面圖5.6.2 檢定變異數同質性5.6.3 變異數分析之計算5.6.4 多重比較之計算5.6.5 彙整結果5.7 SPSS說明5.7.1 四所學校及不同科系學生課業壓力（平衡設計，沒有交互作用）5.7.2 剝奪睡眠之動物實驗（平衡設計，有交互作用）第6章 重複測量變異數分析6.1 因子屬性6.2 單變量方法的前提假設6.2.1 練習效應及殘留效應6.2.2 球型假設6.2.3 檢查球型假設6.3 一個受試者內因子的設計6.3.1 資料排列6.3.2 單變量方法之計算6.3.3 假說檢定6.3.4 多重比較6.4 兩個受試者內因子的設計6.4.1 資料排列6.4.2 單變量方法之計算6.4.3 假說檢定6.4.4 多重比較6.5 一個受試者間因子、一個受試者內因子的設計6.5.1 資料排列6.5.2 單變量方法之計算6.5.3 假說檢定6.5.4 多重比較6.6 一個受試者內因子的範例6.6.1 原始資料及畫剖面圖6.6.2 球型檢定6.6.3 計算6.6.4 假說檢定6.6.5 分解總變異量6.6.6 多重比較6.6.7 彙整結果6.7 兩個受試者內因子的範例6.7.1 原始資料及畫剖面圖6.7.2 球型檢定6.7.3 計算6.7.4 假說檢定6.7.5 分解總變異量6.7.6 多重比較6.7.7 彙整結果6.8 一個受試者間因子、一個受試者內因子的範例6.8.1 原始資料及畫剖面圖6.8.2 球型檢定6.8.3 計算6.8.4 假說檢定6.8.5 分解總變異量6.8.6 多重比較6.8.7 彙整結果6.9 SPSS說明6.9.1 一個受試者內因子的設計6.9.2 兩個受試者內因子的設計6.9.3 一個受試者間因子、一個受試者內因子的設計第三篇 迴歸篇第7章 簡單線性迴歸7.1 資料結構及模式說明7.1.1 資料排列7.1.2 模式說明7.2 統計前提假設7.3 迴歸係數的估計及解讀7.3.1 迴歸係數的估計7.3.2 迴歸係數的解讀7.4 ANOVA部分7.4.1 檢定X-Y直線與水平線有沒有差異7.4.2 R2的計算及解讀7.5 迴歸係數的檢定：t檢定7.5.1 7.5.2 7.5.3 F與t之關係7.6 Y預測值的計算及預測區間7.6.1 計算7.6.2 預測區間7.7 簡單線性迴歸的用途7.8 範例：膝高預測身高（男性）7.8.1 散布圖7.8.2 簡單線性迴歸7.8.3 迴歸係數的估計及解讀7.8.4 ANOVA部分7.8.5 迴歸係數的檢定：t檢定7.8.6 預測7.8.7 彙整結果7.9 SPSS說明7.9.1 畫散布圖7.9.2 執行簡單線性迴歸第8章 線性迴歸的診斷8.1 殘差分析8.1.1 單向度圖形8.1.2 雙向度圖形（殘差圖）8.2 影響力8.2.1 Hat矩陣、槓桿量數、離中心槓桿量數8.2.2 Student化殘差、Student化去除殘差8.2.3 Df適合度、標準化Df適合度8.2.4 庫克距離8.2.5 應用說明8.2.6 如何處置具影響力的觀察點8.3 範例：用膝高預測身高（線性迴歸的診斷）8.3.1 殘差分析8.3.2 影響力的分析8.3.3 彙整結果8.4 SPSS說明8.4.1 執行殘差分析及影響力分析8.4.2 畫影響力索引圖第9章 相關9.1 相關係數的計算9.2 相關係數的解讀9.3 相關係數的檢定9.4 相關係數的信賴區間9.5 相關達顯著意義不表示有因果關係9.6 相關係數不適合用來表示測量工具之再測信度及評估者間信度9.7 相關係數與簡單線性迴歸之關係9.8 範例：膝高、身高、年齡的關係9.8.1 矩陣散布圖9.8.2 相關係數之計算9.8.3 殘差分析及影響力分析9.8.4 相關係數的顯著性檢定9.8.5 相關係數的信賴區間9.8.6 相關係數與簡單線性迴歸係數之關係（膝高與身高）9.8.7 彙整結果9.9 SPSS說明9.9.1 畫矩陣散布圖9.9.2 相關係數之計算、顯著性檢定及信賴區間第10章 共變數分析10.1 共變數分析的目的10.2 資料排列與ANCOVA模式10.3 虛擬變數10.4 ANCOVA之意義10.5 ANCOVA之統計前提假設10.6 迴歸係數的估計10.7 迴歸係數的解讀10.8 迴歸係數的顯著性檢定：t檢定10.9 預測10.10 調整平均數之計算10.11 ANOVA表中之總F檢定，淨F檢定10.12 不同決定係數（R2）10.13 檢定ANCOVA是否適用10.14 虛擬範例：評估三種藥對降血壓之療效10.14.1 散布圖10.14.2 虛擬變數的設定10.14.3 檢查ANCOVA之適合性10.14.4 迴歸係數的估計、解讀、顯著性檢定10.14.5 調整平均數之計算10.14.6 ANOVA表中之總F檢定及淨F檢定10.14.7 不同決定係數（R2）10.14.8 彙整結果10.15 SPSS說明10.15.1 畫散布圖：以目測瞭解ANCOVA之適合性10.15.2 產生虛擬變數及交互作用10.15.3 評估交互作用之顯著性10.15.4 進行殘差分析及影響力分析10.15.5 計算淨 F檢定、不同R2第11章 線性複迴歸11.1 資料排列及模式說明11.1.1 資料排列11.1.2 模式說明11.2 線性複迴歸的用途11.3 共線性11.3.1 觀念11.3.2 引起的問題11.3.3 指標11.3.4 解決方法11.4 自變數的挑選或終極模式的決定11.4.1 原理及執行步驟11.4.2 應用說明11.5 線性複迴歸需不需要考慮交互作用？11.6 迴歸係數的估計11.7 迴歸係數的解讀11.8 迴歸係數顯著性檢定11.9 預測11.10 不同決定係數R211.11 統計前提假設11.12 殘差分析及影響力分析11.13 簡單線性迴歸、共變數分析與線性複迴歸之異同11.14 範例：老人憂鬱的影響因素11.14.1 單變量分析結果11.14.2 挑選自變數或決定終極模式11.14.3 共線性診斷11.14.4 殘差分析及影響力分析11.14.5 迴歸係數的解讀及顯著性檢定11.14.6 總R2及累積R211.14.7 彙整結果11.15 SPSS說明11.15.1 挑選自變數或決定終極模式11.15.2 共線性診斷11.15.3 殘差分析及影響力分析推薦讀物附錄附錄1 單變量統計檢定方法附錄2 標準常態分布表附錄3 t分布表附錄4 F分布表附錄5 q分布表附錄6 Dunnett’s q'分布表附錄7 SPSS簡介1. 啟動SPSS系統2. SPSS常用視窗2.1 IBM SPSS Statistics Data Editor視窗2.2 IBM SPSS Statistics Viewer視窗2.3 圖表編輯器視窗2.4 IBM SPSS Statistics Syntax Editor視窗3. 開啟及儲存檔案3.1 各種視窗可接受之檔案型式3.2 開新檔案3.3 開啟舊檔3.4 另存新檔3.5 儲存檔案3.6 結果輸出到word檔3.7 結束SPSS系統4. 建立資料檔4.1 宣告變數名稱4.2 設定變數類型4.3 設定數字變數的「寬度」及「小數位數」4.4 設定變數標記及數值註解4.5 遺漏值5. 求機率分布之統計量與右尾機率5.1 常態分布5.2 t分布5.3 F分布索引

商品規格