如果您对统计很畏惧，认为统计很难学，感觉枯燥乏味，觉得课本内容与应用有一段距离，本书会让您对统计有一种不同的体会。有时候，您得到的统计结果与临床实际不符；或在统计分析完成后，不知如何汇整结果，本书会给您一些指引。

　　本书共有四大篇，分别为复习篇、比较篇、回归篇及SPSS篇。希望将连续资料的统计分析方法由简入深、循序渐进的方式，介绍给读者。

　　本书的撰写方式与一般统计教科书有许多不同的地方：（1）先讲解统计重点，再用一例子将该章重点演练一遍；（2）每一章范例都加入统计结果汇整；（3）使用台湾本土已发表文章为范例；（4）加入SPSS使用说明；（5）作业之安排为给予一组新的数据，对该章的重点演练一遍，及採用不同统计检定方法来分析同一组数据，比较不同统计检定方法结果之差异；（6）加入一些卡通。这样的安排，希望能拉近学习与应用的距离，读者能更快、更容易，更快乐的学习统计学。

序I

第一篇　复习篇
1.描述性统计、中央极限定理、t分佈
1.1资料的尺度
1.2资料的整理
1.2.1描述性统计量
1.2.2次数表
1.2.3统计图
1.3常态分佈
1.3.1应用
1.4母体、样本、参数、统计量
1.5中央极限定理及抽样分布
1.5.1应用
1.6t分佈
1.6.1应用
2.估计及假说检定
2.1估计
2.1.1点估计及良好的估计式
2.2区间估计或信赖区间
2.2.1母体平均数的区间估计（母体标准差　已知）
2.2.2母体平均数的区间估计（母体标准差　未知，用样本标准差s代入）
2.2.3母体成功比例的区间估计
2.2.4信赖区间的特性
2.2.5应用
2.3假说检定
2.3.1单一母体平均数之检定（母体标准差　已知，双尾检定）：Z检定
2.3.2单一母体的平均数之检定（母体标准差　未知，用样本标准差s代 入，双尾检定）：t检定
2.3.3单一母体成功比例之检定（单尾检定）：Z检定
2.4两种错误及统计检力
2.4.1两种错误的关系

第二篇　比较篇
3.比较两个母体平均数的检定方法：独立样本t检定及成对样本t检定
3.1分辨两个样本是独立或成对
3.2两个样本为独立时，连续变数的统计分析
3.2.1资料排列
3.2.2检定两个母体的平均数有没有差异（独立样本t检定）
3.2.3检定两个母体的变异数有没有差异
3.2.3.1F检定
3.2.3.2其他检定
3.3两个样本为成对时，连续变数的统计分析（成对样本t检定）
3.3.1资料排列
3.3.2计算
3.4独立样本t检定与成对样本t检定之比较
3.5虚拟范例：评估两种药对降血压之疗效
3.5.1计算独立样本t检定、成对t检定
3.5.2汇整结果
4.比较多个独立母体平均数的检定方法：单因子变异数分析
4.1单一因子变异数适用情况
4.2使用独立样本t检定来比较多个母体平均数的缺失
4.3变异数分析
4.3.1资料排列
4.3.2统计前提假设
4.3.3计算及原理
4.3.4其他
4.4检定变异数是否相同
4.5多重比较
4.5.1Tukey的HSD法
4.5.2SNK法
4.5.3Dunnett法
4.5.4Scheffe法
4.5.5Bonferroni法
4.5.6应用说明
4.6虚拟范例：比较四所学校学生功课压力
4.6.1检定变异数同质性
4.6.2变异数分析之计算
4.6.3多重比较之计算
4.6.4汇整结果
5.双因子变异数分析
5.1双因子变异数分析适用情况
5.2设计及统计前提假设
5.2.1设计
5.2.2统计前提假设
5.3平行设计之双因子变异数分析
5.3.1资料排列
5.3.2交互作用及主效应
5.3.3计算及原理
5.3.4多重比较之计算
5.4检定变异数是否相同
5.5虚拟范例：四所学校及不同科系学生功课压力之差异（平行设计，没有交互作用）
5.5.1剖面图
5.5.2检定变异数同质性
5.5.3变异数分析之计算
5.5.4多重比较之计算
5.5.5汇整结果
5.6范例：剥夺睡眠之动物实验（平行设计，有交互作用）
5.6.1剖面图
5.6.2检定变异数同质性
5.6.3变异数分析之计算
5.6.4多重比较之计算
5.6.5汇整结果

第三篇　回归篇
6.简单线性回归
6.1资料排列及模式说明
6.1.1资料排列
6.1.2模式说明
6.2统计前提假设
6.3回归系数的估计及解读
6.3.1回归系数的估计
6.3.2回归系数的解读
6.4ANOVA部份
6.4.1检定X-Y直线与水平线有没有差异
6.4.2的计算及解读
6.5回归系数的检定：t检定
6.5.1B0
6.5.2B1
6.5.3F与t之关系
6.6Y预测值的计算及预测区间
6.6.1计算
6.6.2预测区间
6.7简单线性回归的用途
6.8范例：膝高预测身高（男性）
6.8.1散佈图
6.8.2简单线性回归模式
6.8.3回归系数的估计及解读
6.8.4ANOVA部份
6.8.5回归系数的检定：t检定
6.8.6预测
6.8.7汇整结果
7.线性回归模式的诊断
7.1残差分析
7.1.1单向度图形
7.1.1.1直方图
7.1.1.2常态机率图
7.1.2双向度图形（残差图）
7.2影响力
7.2.1Hat矩阵、槓桿量数、离中心槓桿量数
7.2.2Student化残差、Student化去除残差
7.2.3Df适合度、标准化Df适合度
7.2.4库克距离
7.2.5应用说明
7.2.6如何处置具影响力的观察点
7.3范例：用膝高来预测身高（男性）
7.3.1残差分析
7.3.2影响力的分析
7.3.3汇整结果
8.相关
8.1相关系数的计算
8.2相关系数的解读
8.3相关系数的检定
8.4相关系数的信赖区间
8.5相关达显着意义不表示有因果关系
8.6相关系数不适合用来表达测量工具之再测信度或评估者间信度
8.7相关系数与简单线性回归之关系
8.8范例：膝高、身高、年龄的关系（男性）
8.8.1矩阵散佈图
8.8.2相关系数之计算
8.8.3残差分析及影响力分析
8.8.4相关系数的显着性检定
8.8.5相关系数的信赖区间
8.8.6相关系数与简单线性回归系数之关系
8.8.7汇整结果
9.共变数分析
9.1共变数分析的目的
9.2资料排列及ANCOVA模式
9.3虚拟变数
9.4ANCOVA之意义
9.5ANCOVA之统计前提假设
9.6回归系数的估计
9.7回归系数的解读
9.8回归系数的显着性检定：t检定
9.9预测
9.10调整平均数之计算
9.11ANOVA表中之总F检定，净F检定
9.12不同决定系数（R2）
9.13检定ANCOVA是否适用
9.14虚拟范例：评估三种药对降血压之疗效
9.14.1散佈图
9.14.2虚拟变数的设定
9.14.3 检查ANCOVA之合适性
9.14.4回归系数的估计、解读、显着性检定
9.14.5调整平均数之计算
9.14.6ANOVA表中之总F检定及净F检定
9.14.7不同决定系数（R2）
9.14.8汇整结果
10.线性复回归
10.1资料排列及模式说明
10.1.1资料排列
10.1.2模式说明
10.2线性复回归的用途
10.3共线性
10.3.1观念
10.3.2引起的问题
10.3.3指标
10.3.4解决方法
10.4自变数的挑选或终极模式的决定
10.4.1原理及执行步骤
10.4.2应用说明
10.5线性复回归需不需要考虑交互作用？
10.6回归系数的估计
10.7回归系数的解读
10.8回归系数的显着性检定
10.9预测
10.10不同决定系数
10.11统计前提假设
10.12残差分析及影响力分析
10.13简单线性回归、共变数分析与线性复回归之异同
10.14范例：老人忧郁的影响因素
10.14.1单变量分析结果
10.14.2自变数的挑选或终极模式的决定
10.14.3共线性诊断
10.14.4 残差分析及影响力分析
10.14.5 回归系数的解读及显着性检定
10.14.6 总及累积
10.14.7汇整结果

第四篇　SPSS示范篇
1.SPSS简介
1.1启动SPSS系统
1.2常用视窗
1.2.1【资料编辑程式】视窗
1.2.2【浏览器】视窗
1.2.3【图表编辑程式】视窗
1.2.4【语法编辑程式】视窗
1.3开启及储存档案
1.3.1各种视窗可接受之档案型式
1.3.2开新档案
1.3.3开启旧档
1.3.4另存新档
1.3.5储存档案
1.3.6结果输出到word档2
1.4关闭SPSS系统
2.建立资料档及求机率分佈之统计量与右尾机率(A) 建立资料档
2.1宣告变数名称
2.2设定变数类型
2.3设定数字变数的宽度及小数位数
2.4设定变数註解及数值註解
2.5遗漏值(B) 求机率分佈之统计量及右尾机率
2.6常态分佈
2.7 t分佈
2.8F分佈
3.独立样本t检定及成对样本t检定（SPSS说明）(A)独立样本t检定：检定「两组病人在治疗前的血压是否有差异？」
3.1输入资料或开启旧档
3.2点选步骤
3.3结果输出(B)成对样本t检定 : 检定「A组的病人，在服药前后其血压是否有改变？」
3.4资料处理
3.5点选步骤
3.6结果输出(C) 独立样本t检定 : 检定「Ａ、Ｂ两种药对降血压之疗效是否有差异？」
3.7资料处理
3.8点选步骤
3.9结果输出
4.单因子变异数分析（SPSS说明）
4.1输入资料或开启旧档
4.2点选步骤