圖解統計線性模型分析
| 作者 | 陳耀茂 |
|---|---|
| 出版社 | 五南圖書出版股份有限公司 |
| 商品描述 | 圖解統計線性模型分析：統計線性模型分析有許多手法。其中的「混合模型」是目前最受到矚目的新手法之一。它是自己能自由建構模型，亦即能由「使用者指定」的模型。混合模型 |
內容簡介
內容簡介 統計線性模型分析有許多手法。其中的「混合模型」是目前最受到矚目的新手法之一。它是自己能自由建構模型，亦即能由「使用者指定」的模型。 混合模型的另一個特徵，這對任何人而言應該是高興的。它曾是研究者苦惱的根源。換言之，即為「遺漏值的處理」。然而，當使用混合模型時，遺漏值不會從分析的案例中刪除。換句話說，混合模型可以「一勞永逸地解決您的遺漏值煩惱」。 本書的特徵有以下四項： 只要看數據類型，統計處理方法一清二楚。 利用圖解，數據的輸入與其步驟，清晰明確。 利用圖解，統計處理的方法與其步驟，清晰明確。 輸出結果的判讀方法簡明易懂。 總之，只要利用滑鼠，任何人均可簡單進行數據的統計處理。
作者介紹
作者介紹 作者陳耀茂日本（國立）電氣通信大學經營工學博士東海大學（退休）兼任教授
產品目錄
產品目錄 序言第1 章 統計線性模型分析簡介1.1 前言1.2 線性模型的種類1.3 何謂線性模型1.4 何謂固定模型1.5 何謂隨機模型1.6 何謂混合模型1.7 何謂一般線性模型（GLM）1.8 何謂階層線性模型第2 章 二因子的固定模型—固定因子與固定因子2.1 前言2.2 二因子的固定模型的步驟第3 章 二因子的隨機模型—隨機因子與隨機因子3.1 前言3.2 二因子的隨機模型的步驟第4 章 因子的混合模型—固定因子與隨機因子4.1 前言4.2 二因子的混合模型的步驟第5 章 分割試驗5.1 前言5.2 1 次誤差的檢定步驟5.3 分割試驗的步驟—可以不考慮1 次誤差時5.4 分割試驗的步驟—1 次誤差存在時5.5 分割試驗的步驟—一般線型模型(G) →單變量(U) 之情形第6 章 分枝試驗6.1 前言6.2 分枝試驗的步驟第7 章 混合模型時序性測量數據的分析(1)7.1 前言7.2 混合模型時序性測量數據的步驟 (1)7.3 將受試者當作隨機效果列入模型時第8 章 混合模型時序性測量數據的分析(2)8.1 前言8.2 混合模型時序性測量數據的步驟(2)8.3 交互作用不存在時8.4 將受試者當作隨機效果列入混合模型時第9 章 混合模型時序性測量數據的分析(3)9.1 前言9.2 混合模型時序性測量數據的步驟(3)9.3 交互作用不存在時9.4 將受試者當作隨機效果列入混合模型時第10 章 有遺漏值的時序性測量數據與混合模型10.1 前言10.2 利用混合模型與重複測量的變異數分析10.3 除去有遺漏值的受試者以混合模型分析時第11 章 有共變量的數據與混合模型11.1 前言11.2 有共變量的數據的進行步驟(1)11.3 有共變量的數據的進行步驟(2)第12 章 一般線性模型與實驗計畫法12.1 前言12.2 何謂GLM？12.3 亂塊法12.4 拉丁方格12.5 直交表第13 章 階層線性模型13.1 簡介13.2 範例第14 章 廣義線性模型與廣義估計方程式14.1 簡介14.2 解析例14.3 廣義估計方程式第15 章 階層迴歸分析15.1 前言15.2 線性迴歸分析步驟15.3 階層迴歸分析步驟第16 章 Logistic 迴歸分析16.1 Logistic 迴歸分析簡介16.2 二元Logistic 迴歸分析的步驟16.3 多元Logistic 迴歸參考文獻
商品規格
| 書名 / | 圖解統計線性模型分析 |
|---|---|
| 作者 / | 陳耀茂 |
| 簡介 / | 圖解統計線性模型分析：統計線性模型分析有許多手法。其中的「混合模型」是目前最受到矚目的新手法之一。它是自己能自由建構模型，亦即能由「使用者指定」的模型。混合模型 |
| 出版社 / | 五南圖書出版股份有限公司 |
| ISBN13 / | 9786264235525 |
| ISBN10 / | |
| EAN / | 9786264235525 |
| 誠品26碼 / | 2682951400009 |
| 頁數 / | 392 |
| 注音版 / | 否 |
| 裝訂 / | P:平裝 |
| 語言 / | 1:中文 繁體 |
| 尺寸 / | 23*17*1.9 |
| 級別 / | N:無 |
| 提供維修 / | 無 |
試閱文字
自序 : 對研究者而言最重要的一件工作不就是「在學會中或在期刊中發表研究成果」嗎？
客觀地記述它的研究成果的方法正是「統計分析」。
線性綜合模型分析中有許多統計方法。其中，「混合模型」是目前最受到矚目的新方法之一。它是自己能自由建構模型，亦即「由使用者指定的模型」。此特徵因人而異，有人感到欣慰，也有人感到畏懼。
混合模型的另一個特徵，這對任何人而言應該是高興的。它曾是研究者苦惱的根源，換言之，即為「遺漏值的處理」。特別是像時間性測量數據的情形，想不出沒有遺漏值的數據。以前的分析，如有遺漏值時，該觀察值全部從分析去除，或取而代之，適當地代入平均值，以取代遺漏值。然而，當使用混合模型時，遺漏值不會從分析中的案例中刪除。
換句話說，混合分析可以「一勞永逸地解決你的遺漏值煩惱」。混合模型之中，準備有各種的工具，不妨在所需的範圍內建立模型，發表研究成果吧！
「線性模型中的混合模型」程序可讓您指定階乘交互作用，這表示每個因素層級組合在應變數（也稱為因變數）上可以有不同的線性效應。 此外，如果您認為共變數與應變數之間的線性關係會因因素層次不同而變更，則可以指定因素—共變數交互作用。隨機效應共變異數結構。「線性混合模型」程序可讓您指定隨機效應層次之間的關係。
關於如何使用各種統計分析的技巧，您也不妨試著提出身為「研究者的主張」看看，或許您也是一位有見識的人。
陳耀茂 謹誌
最佳賣點
最佳賣點 : 統計線性模型分析有許多手法。其中的「混合模型」是目前最受到矚目的新手法之一。它是自己能自由建構模型，亦即能由「使用者指定」的模型。