☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

在自然与社会科学领域，随着研究方法的复杂化，应用多变量统计方法来分析资料的机会也相对增加。近年来，研究生人数逐年增加，基于学位论文撰写的需要，多变量统计方法及SPSS等套装统计软体的运用成为不可或缺的能力！

　　本书介绍的多变量分析内容，包含平均数之假设检定、多变量变异数分析、多元回归分析、典型相关分析、区别分析、主成分分析、因素分析、集群分析和多元标度法。透过统计软体SPSS探讨，结合理论、方法与统计从基础统计知识引导，并辅以练习题与范例，让学习者能做中学，以增进学习效果。

本书特色

　　◎本书完整介绍多变量分析于SPSS软体上的操作与统计应用。
　　◎从多变量分析基础教起，架构明确搭配范例练习，结合理论与应用性。
　　◎使用SPSS V25介面操作，从使用者角度整理编排，让研究过程更轻松。
　　◎适用于生物学、经济学、市场行销、工程学、遗传学、医学、教育学、心理学、
　　社会科学、生产管理、风险管理、人资管理、航运管理、财务金融、会计和公共卫生等学术领域。
　　随书附赠资料档光碟
 

作者简介

张绍勋

　　学历：国立政治大学资讯管理博士
　　现任：国立彰化师大专任教授
　　经历：致理技术专任副教授

林秀娟

　　学历：国立台湾师范大学教育心理研究所硕士
　　现职：台北市立成功高中专任教师
 

Chapter01 多变量：统计概念的基础
1-1 认识数学符号
1-1-1 数学符号
1-1-2 希腊字符号
1-2 统计技术之分类
1-2-1 统计分析技术之分类
1-2-2 单变量vs. 多变量统计
1-2-3 生医之单变量vs. 多变量统计
1-3 单变量：统计学回顾
1-3-1 统计分析法
1-3-2 统计公式之重点整理
1-3-3 检定与信赖区间之关系
1-4 多变量常态分布、样本平均数、变异数和共变异数：统计基础
1-4-1 多变量假定：常态分布之统计基础
1-4-2 数据矩阵的列(row) 与行(column)：多变量统计基础
1-4-3 共变异数矩阵的性质：多变量统计基础
1-4-4 样本平均数、变异数和共变异数：统计基础
1-5 多变量：矩阵运算
1-5-1 特征值(eigen value) 及特征向量(eigen vector) 之物理意义
1-5-2 特征值(eigen value) 及特征向量(eigen vector)

Chapter02 统计基础：一个和二个母群平均数之Hotelling’s T2 检定(GLM 指令)
2-1 几种常用的多变量分析方法
2-2 单变量：Student’s t-distribution 及t-test 统计基础
2-2-1 单变量：Student’s t-distribution
2-2-2 单变量：Student’s t 检定(t-test)
2-3 多变量：单一独立样本平均数之Hotelling’s T2 检定(GLM 指令)
2-3-1 多变量：Hotelling’s T2 检定之概念
2-3-2 Hotelling’s T 检定：智力量表( 语文和作业)
2-4 两个独立样本平均数之Hotelling’s T2 检定(GLM 指令)
2-5 配对组法及前测后测设计之T 检定(GLM 指令)
2-5-1 多变量配对组T 检定(Multivariate Paired Hotelling’s T-Square)
2-5-2 多变量配对组T 检定(GLM 指令)
2-6 重复量数单因子ANOVA (GLM 指令比较)
2-6-1 重复量数单因子ANOVA (GLM 指令) ≒混合设计二因子ANOVA(UNIANOVA 指令)
2-6-2 SPSS 资料档：从wide 格式转成long 格式(varstocases 指令)
2-6-3 wide 格式：repeated-measures 单因子ANOVA(GLM 指令)

Chapter03 多变量变异数分析：独立样本(GLM、manova 指令)
3-1 t-检定、ANOVA、判别分析、回归的隶属关系 (t-test、oneway、regression、discriminant 指令)
3-2 多变量：one-way 变异数分析(GLM 指令)
3-2-1 one-way 多变量变异数分析之概念
3-2-2 K-group between-subjects MANOVA：教学法影响学生性格(GLM 指令)
3-3 Factorial MANOVA：二因子变异数分析( 无交互作用)(GLM 指令)
3-3-1 混合设计Two-way 变异数分析≒实验组—控制组「前测—后测」设计
3-3-2 Factorial between-subjects MANOVA：交互作用不显着(GLM指令)
3-4 Factorial MANOVA：细格人数不等的二因子变异数分析(GLM指令)
3-4-1 二因子MANOVA：交互作用之单纯主要效果(GLM 或MANOVA指令)
3-4-2 练习题：Factorial MANOVA：细格人数不等二因子变异数分析(无交互作用项) (GLM 指令)
3-5 三因子：Factorial between-subjects MANOVA( 交互作用)(GLM、MANOVA指令)
3-5-1 Three-way MANOVA(「A×B」、「B×C」交互作用)(GLM指令)
3-5-2 练习题：三因子MANOVA(「A×C」、「B×C」交互作用)：涂层织品的磨损数据(GLM 指令)
3-6 阶层(hierarchical) 设计MANOVA(GLM 指令)
3-6-1 阶层(hierarchical) 设计MANOVA(MANOVA 指令)
3-6-2 练习题：Nested( 阶层/ 巢状) 设计MANOVA(MANOVA 指令)
3-7 Latin 方格的多变量变异数分析：平衡掉交互作用项(GLM 指令)
3-7-1 拉丁方阵实验设计之概念
3-7-3 多变量：拉丁方格设计MANOVA：去除交互作用项(GLM 指令)

Chapter04 单层vs. 双层次ANOVA 模型：重复测量(repeated measures)
4-1 单层次：重复测量的混合效果模型(mixed effect model for repeated measure)
4-1-1 ANOVA 及无母数统计之分析流程图
4-1-2 重复测量ANOVA 之F 检定公式
4-1-3 练习题：重复测量ANOVA(单层)
4-2 双层次：重复测量的混合效果模型(Mixed Effect Model for Repeated Measure)
4-2-1 双层次vs. 二因子混合设计ANOVA：wide 格式(GLM、MIXED指令)
4-2-2 双层次vs. 二因子混合设计ANOVA：long 格式(MIXED 指令)

Chapter05 多变量共变数分析(multivariate analysisof covariance, mancdova 指令)
5-1-1 单因子MANCOVA 之原理
5-1-2 单因子MANCOVA 之重点整理
5-2 单因子MANCOVA：3 个检定(GLM 指令)
5-2-1 独立样本单因子多变量共变数分析(二个非时变的共变量)(GLM指令)
5-2-2 单因子MANCOVA：3 个assumption 检定(GLM 指令)
5-3 为何要MANCOVA 取代MANOVA 呢？ANCOVA ≠ ANOVA(UNIANOVA、GLM 指令)
5-3-1 二因子MANOVA 与MANCOVA「平均数及效果」比较(交互作用显着)(UNIANOVA、GLM 指令)
5-3-2 练习题：二因子MANCOVA：3 个非时变的共变数(无交互作用)(manova、manovatest 指令)
5-3-3 练习题：二因子MANCOVA：一个非时变的共变数( 交互作用不显着)
5-4 阶层(hierarchical/ 巢状nested) 设计二因子MANCOVA (manova 指令)
5-5 带共变数的重复测量ANOVA：五种模型 (GLM、MANOVA、MIXED 指令)

Chapter06 典型相关分析(canonical correlation, canon指令)
6-1 典型相关(canonical correlation) 之概念
6-2 单变量：相关系数之统计基础
6-3 典型相关分析(MANOVA xx WITH xx / DISCRIM 等指令)
6-3-1典型相关分析(canonical correlation)：3 项心理变数对4 项学业成绩(MANOVA xx WITH xx / DISCRIM 等指令)
6-3-2典型相关(canonical correlation)：5 项高中测验对2 项大学入学成绩(MANOVA xx WITH xx / DISCRIM 等指令)

Chapter07 判别分析/ 区别分析(discriminant analysis,DISCRIMINANT 指令)
7-1 区别分析/ 判别分析(discriminant analysis) 之概念
7-1-1 贝氏(Bayes) 定理及分类(Classification)
7-1-2 线性与二次分类方法
7-1-3 费雪(Fisher) 的判别分析与线性判别分析
7-2 判别分析(discriminant analysis, DISCRIMINANT 指令)
7-2-1 判别/ 区别分析(discriminant analysis)：3个职位分类是否适合不同人格类型(DISCRIMINANT) 指令
7-2-2 练习题：判别分析：3 组高中生对3 种成就测验(DISCRIMINANT 指令)

Chapter08 集群(cluster) 分析/ 聚类分析
8-1 集群分析/ 聚类分析(cluster analysis) 之概念
8-2 阶层聚类分析/ 集群分析(Hierarchical Cluster)：范例(cluster,clusterdendrogram, cluster generate,cluster kmeans and kmedians 指令)
8-2-1 阶层集群分析：17 学区的4 项学生成绩(CLUSTER xx /METHODxx 指令) 有7 种集群法
8-2-2 练习题：阶层集群分析(Hierarchical Cluster Analysis)：mammal资料(CLUSTER xx /METHOD xx 指令) 有7 种方法
8-3 大样本之K-means 集群分析(K-means and k-medians cluster analysis)：50 棵植物4 个化学实验数据(QUICK CLUSTER 指令)
8-4 二元变数(Binary Variables) 之集群分析(CLUSTER ／METHOD XX ／MEASURE=BSEUCLID(1,0) 指令)
8-4-1 二元变数(binary variables) 关联性(Association) 之概念
8-4-2 二元变数之集群分析(cluster analysis for binary variables)：35 题是非题(CLUSTER ／METHOD XX ／MEASURE=BSEUCLID(1,0) 指令)

Chapter09 主成分分析(Principal ComponentsAnalysis, pca 指令)
9-1 主成分分析(Principal Components Analysis) 之重点整理(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) 之统计基础
9-1-3 主成分分析：标准化居住品质9 指标(EXAMINE、COMPUTER、FACTOR、CORRELATIONS 指令)
9-2 练习题：主成分分析(Principal Components Analysis, PCA)(EXAMINE、COMPUTER、FACTOR、CORRELATIONS 指令)

Chapter10 测量工具检定：信度(reliability) 与建构效度(construct validity)
10-1 测量工具检定：信度(reliability) 与效度(validity)
10-1-1 信度与效度之重点整理
10-1-2 因素分析(Factor Analysis, FA)，又译因子分析
10-2 因素分析(Factor Analysis, PCA) 之重点整理
10-2-1 因素分析(Factor Analysis, PCA) 之概念
10-2-2 因素分析：居住社区9 个评量指标(factor 指令)
10-3 探索性因素分析≒建构效度(factor 指令)
10-3-1 建构效度(construct validity)
10-3-2 因素分析4 种估计法的取舍：医生对成本的6 态度(factor 指令)
10-3-3 探索性因素分析(EFA) ≒建构效度( 来筛选问卷题目)(factor 指令)

Chapter11 多维标度法/ 多向度量尺：空间/ 心理距离(Multidimensional Scaling)
11-1 古典(Classical) 多维标度法/ 多向度量尺(Multidimensional Scaling, MDS)之重点整理(mds 指令)
11-1-1 多维标度法/ 多向度量尺(Multidimensional Scaling, MDS)之概念
11-1-2 古典(Classical) 多维标度法/ 多向度量尺(Multidimensional Scaling, MDS) 之统计基础
11-2 多维标度法/ 多向度量尺(Multidimensional Scaling, MDS) 之范例
11-2-1 古典MDS：美国10 城市( 对称) 距离(Alscal 指令)
11-2-2 古典：多维标度法/ 多向度量尺：美国10 城市社会经济特征(非对称距离)(infile、mds、screeplot、mdsconfig、mdsshepard 指令)

Chapter12 对应分析( c o r r e s p o n d e n c e a n a l y s i s ,CORRESPONDENCE 指令) 747
12-1 对应分析(correspondence analysis) 之概念
12-2 简单的对应分析(CORRESPONDENCE 指令)
12-2-1 对应分析：「性别与学历」对科学信仰之对应(correspondence table 指令)
12-2-2 对应分析(correspondence analysis)：输入矩阵：5 个国家与11 个资源之11×5 矩阵( 非725×2)(anacor table 指令)

 

第1章 多变量：统计概念的基础

自然界社科界，常会针对某研究主题，同时测量一大堆不同变数(调查性状)的资料，但我们并非针对个别变数进行统计分析，而是将所有变数合起来共同讨论，针对这样资料的统计分析，就需要用到多变量分析技术。

多变量分析(multivariate analysis)是又分横断面(MANOVA,因素分析,对应分析等)及纵贯面分析法(VAR, VEC等)。横断面多变量分析能够在多个研究对象和多个指标相互关联的情况下分析出它们的统计规律，非常适合农业科技研究的特点。所谓变数(variable, 又称变量)，就是所观测的特性，如株高、干物重、产量、糖分含量、花色等。变数的结果，即所观测特性的测定值，称为观测值(observation,又称变数值,variate)。
 

None

多变量统计之线性代数基础：应用SPSS分析 电子书 下载 mobi epub pdf txt 2024

类似图书 点击查看全场最低价

查看全网最低价