具体描述
随书附赠资料档光碟
一般研究者从事研究时，常有的难题包括：应该採用哪一种统计方法来检定研究假定及假设？统计程式所输出的数据所代表的意义为何？又该如何解释？本书乃针对这些问题，将各种类型的统计方法，以学习者与使用者的观点归纳整理，并以范例呈现，使读者在了解统计方法之后能快速学会使用SPSS，做最有效率的统计分析。
本书介绍的高等统计内容，包含统计学回顾、假定的侦测及补救法、胜算比、卡方检定、逻辑斯回归、两组平均数之比较、独立样本变异数分析、重复测量变异数分析、共变数分析、线性回归及其诊断、工具变数及两阶段最小平方法。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，读者可以获得最佳学习效果。
本书特色
◎从统计概念基础教起，搭配实证范例练习，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，让学习过程更轻松。
◎本书包含范例分析，读者可实际操作，快速了解SPSS分析的程序与应用。
◎高等统计适用于生物学、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。
一般研究者从事研究时，常有的难题包括：应该採用哪一种统计方法来检定研究假定及假设？统计程式所输出的数据所代表的意义为何？又该如何解释？本书乃针对这些问题，将各种类型的统计方法，以学习者与使用者的观点归纳整理，并以范例呈现，使读者在了解统计方法之后能快速学会使用SPSS，做最有效率的统计分析。
本书介绍的高等统计内容，包含统计学回顾、假定的侦测及补救法、胜算比、卡方检定、逻辑斯回归、两组平均数之比较、独立样本变异数分析、重复测量变异数分析、共变数分析、线性回归及其诊断、工具变数及两阶段最小平方法。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，读者可以获得最佳学习效果。
本书特色
◎从统计概念基础教起，搭配实证范例练习，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，让学习过程更轻松。
◎本书包含范例分析，读者可实际操作，快速了解SPSS分析的程序与应用。
◎高等统计适用于生物学、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。
著者信息
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
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
图书目录
Chapter01 统计学回顾
1-1 统计学回顾
1-1-1单变量vs. 多变量统计
1-1-2统计分析法
1-1-3统计公式之重点整理
1-1-4检定与信赖区间之关系
1-2 常态曲线(normal curve)
1-3 样本大小的决定(sample size)
1-4 Type I 误差α 及Type II 误差β：ROC 图切断点的由来
Chapter02 假定(assumption) 的侦测及补救法 5
2-1 自定SPSS 介面( 自己习惯的介面)
2-2 资料分析前之检查(examining data)
2-2-1散布图(ggraph 指令)：最小平回归法错用的4 情况？
2-2-2直方图(ggraph 指令)
2-2-3茎叶图(EXAMINE /plot stemleaf 指令)
2-2-4二个次序变数(vocab、educ) 之散布图
2-3 假定(assumption) 的侦测及补求法：变数变换(transforming data)
2-3-1用线形图检视连续变数是否符合常态性的假定(assumption)
2-3-2曲线关系就违反直线性假定：改用加权(weighted)OLS 回归
2-3-3变数变换( 回归分析)：违反误差常态性的假定就做log(x) 变换
2-3-4 ANOVA：盒形图发现变异数异质性：改用Welch 法
Chapter03 胜算比(odds ratio)、卡方检定、Logistic回归 3-1 适用条件
3-2 卡方检定：关联性分析
3-2-1 卡方检定之介绍
3-2-2 卡方检定之实作( 独立性检定、百分同质性)
3-3 卡方检定包含于logistic 回归：胜算比
3-3-1 odds ratio 之意义
3-3-2 列联表(contingency table)、相对风险、胜算比(odds ratio) 及卡方检定(crosstabs、 logistic regression 指令)
3-3-3卡方logistic 回归：同意人类可实验猫大脑注入药物吗(logistic regression、crosstabs 指令)
Chapter04 两组平均数之比较：t 检定值≒ Meta 的效果量
4-1 t 检定之简介
4-2 t 检定之解说：comparing group means
4-2-1 单变量：Student’s t-distribution
4-2-2 t 检定的条件：假定(assumption)
4-2-3 单变量：Student’s t 检定(t-test)
4-2-4 独立样本t 检定vs. 单因子变异数分析
4-2-5 t检定、ANOVA，使用STaTa、SAS 和SPSS 之差别
4-2-6 t检定资料档的编码安排
4-3 t 检定(t考验)：三种型t-test 实作
4-4 t 检定、ANOVA、判别分析、回归的关系(t-test、oneway、regression、discriminant 指令)
Chapter 05 独立样本ANOVA、重复测量
5-1 变异数分析(ANOVA) 之简介
5-1-1 ANOVA【基本概念】
5-1-2 ANOVA【重点整理】
5-2 one way ANOVA 分析(oneway、oneway /contrast、oneway /posthoc、unianova /print = etasq、oneway /polynomial 指令)
5-2-1 one way ANOVA：四种教学法的教学效果比较(oneway 指令)
5-2-2单因子ANOVA：A 因子( 四组) 在连续变数Y 的平均数比较(oneway、oneway /contrast、oneway /posthoc、unianova /print =etasq、oneway /polynomial 指令)
5-3 two way ANOVA 分析
5-3-1 two way ANOVA：教室气氛(a) 和教学方法(b) 对学习成就(y)：交互作用项(MANOVA 指令)
5-4 单层次：重复测量的混合效果模型(mixed effect model for repeated measure)
5-4-1重复量测(repeated measurement)ANOVA 的重点整理
5-4-2重复测量ANOVA 之F 检定公式
5-4-3重复测量ANOVA 之主要效果/ 交互效果检定(双层MIXEDvs.单层GLM 指令)
5-5 双层次(MIXED 指令)：重复测量的混合效果模型
5-5-1 双层次vs.二因子混合设计ANOVA：wide 格式(双层MIXEDvs.单层GLM 指令)
5-5-2双层次vs.二因子混合设计ANOVA：long格式(MIXED指令)
Chapter06 共变数分析(ANCOVA)
6-1 单变量：ANCOVA(共变数分析)
6-1-1单因子ANCOVA 之原理
6-1-2单因子MANCOVA 之重点整理
6-1-3单因子ANCOVA vs. 调整用途的共变数( 连续变数) 分割为类别变数，再进行ANOVA
6-2 为何要MANCOVA 取代MANOVA 呢？ANCOVA ≠ ANOVA(UNIANOVA、GLM 指令)
6-2-1单因子MANCOVA：3 个检定(GLM 指令)
6-2-2二因子MANOVA 与MANCOVA 平均数及效果比较(交互作用显
着)(UNIANOVA、GLM 指令)
Chapter07 线性回归的诊断
7-1 自变数与依变数是直线关系(linearity)，此假定若违反，则取log()、开根号
7-2 检定变异数的非线性及同质性(tests on nonlinearity and homogeneity of
variance)
7-2-1残差非线性(nonlinearity)：回归式「预测值vs. 残差」散布图
7-2-2残差异质性(homoscedasticity)：回归式「预测值vs.残差」散布图
7-3 残差的常态性：P-P 图、Q-Q 图、Shapiro-Wilk W 常态检定
7-4 模型界定：如何筛选足够的预测变数们？
7-5 误差的独立性(independence)：(EXAMINE VARIABLES=×× BY ×× /
PLOT=BOXPLOT 指令)
7-6 共线性(multicollinearity) 诊断
7-7 侦测不寻常且有影响力的观察值(graph /scatterplot(bivar)=×× with ×× by 指令)
Chapter08 线性回归
8-1 t检定、ANOVA、判别分析、回归的隶属关系 (t-test、oneway、regression、discriminant 指令)
8-2 简单线性回归(simple linear gression)
8-3 多元线性回归(regression 指令)
8-4 如何挑选预测变数的最佳组合：用Mallow’s Cp值及Adjusted R2 来比较模型
Chapter09 内生的共变：工具变数及两阶段最小平方法(2SLS)
9-1 工具变数及两阶段最小平方法(2sls 指令)
9-1-1进行OLS 统计分析时应注意之事项
9-1-2工具变数(IV) 之重点整理
9-1-3随机解释变数X(random regressor) 与工具变数Z(instrumental variable)
9-1-5为何需要多个工具变数？
9-1-6工具变数(instrumental variables) 在教育应用
9-2 两阶段最小平方法(2SLS) 分析七步骤(2sls y with x /instruments z 指令)
9-2-1两阶段最小平方法(2SLS) 回归：消费者行为(2sls y with x /
instruments z 指令)
9-2-2练习题：两阶段回归vs. 最小平方法回归
参考文献
1-1 统计学回顾
1-1-1单变量vs. 多变量统计
1-1-2统计分析法
1-1-3统计公式之重点整理
1-1-4检定与信赖区间之关系
1-2 常态曲线(normal curve)
1-3 样本大小的决定(sample size)
1-4 Type I 误差α 及Type II 误差β：ROC 图切断点的由来
Chapter02 假定(assumption) 的侦测及补救法 5
2-1 自定SPSS 介面( 自己习惯的介面)
2-2 资料分析前之检查(examining data)
2-2-1散布图(ggraph 指令)：最小平回归法错用的4 情况？
2-2-2直方图(ggraph 指令)
2-2-3茎叶图(EXAMINE /plot stemleaf 指令)
2-2-4二个次序变数(vocab、educ) 之散布图
2-3 假定(assumption) 的侦测及补求法：变数变换(transforming data)
2-3-1用线形图检视连续变数是否符合常态性的假定(assumption)
2-3-2曲线关系就违反直线性假定：改用加权(weighted)OLS 回归
2-3-3变数变换( 回归分析)：违反误差常态性的假定就做log(x) 变换
2-3-4 ANOVA：盒形图发现变异数异质性：改用Welch 法
Chapter03 胜算比(odds ratio)、卡方检定、Logistic回归 3-1 适用条件
3-2 卡方检定：关联性分析
3-2-1 卡方检定之介绍
3-2-2 卡方检定之实作( 独立性检定、百分同质性)
3-3 卡方检定包含于logistic 回归：胜算比
3-3-1 odds ratio 之意义
3-3-2 列联表(contingency table)、相对风险、胜算比(odds ratio) 及卡方检定(crosstabs、 logistic regression 指令)
3-3-3卡方logistic 回归：同意人类可实验猫大脑注入药物吗(logistic regression、crosstabs 指令)
Chapter04 两组平均数之比较：t 检定值≒ Meta 的效果量
4-1 t 检定之简介
4-2 t 检定之解说：comparing group means
4-2-1 单变量：Student’s t-distribution
4-2-2 t 检定的条件：假定(assumption)
4-2-3 单变量：Student’s t 检定(t-test)
4-2-4 独立样本t 检定vs. 单因子变异数分析
4-2-5 t检定、ANOVA，使用STaTa、SAS 和SPSS 之差别
4-2-6 t检定资料档的编码安排
4-3 t 检定(t考验)：三种型t-test 实作
4-4 t 检定、ANOVA、判别分析、回归的关系(t-test、oneway、regression、discriminant 指令)
Chapter 05 独立样本ANOVA、重复测量
5-1 变异数分析(ANOVA) 之简介
5-1-1 ANOVA【基本概念】
5-1-2 ANOVA【重点整理】
5-2 one way ANOVA 分析(oneway、oneway /contrast、oneway /posthoc、unianova /print = etasq、oneway /polynomial 指令)
5-2-1 one way ANOVA：四种教学法的教学效果比较(oneway 指令)
5-2-2单因子ANOVA：A 因子( 四组) 在连续变数Y 的平均数比较(oneway、oneway /contrast、oneway /posthoc、unianova /print =etasq、oneway /polynomial 指令)
5-3 two way ANOVA 分析
5-3-1 two way ANOVA：教室气氛(a) 和教学方法(b) 对学习成就(y)：交互作用项(MANOVA 指令)
5-4 单层次：重复测量的混合效果模型(mixed effect model for repeated measure)
5-4-1重复量测(repeated measurement)ANOVA 的重点整理
5-4-2重复测量ANOVA 之F 检定公式
5-4-3重复测量ANOVA 之主要效果/ 交互效果检定(双层MIXEDvs.单层GLM 指令)
5-5 双层次(MIXED 指令)：重复测量的混合效果模型
5-5-1 双层次vs.二因子混合设计ANOVA：wide 格式(双层MIXEDvs.单层GLM 指令)
5-5-2双层次vs.二因子混合设计ANOVA：long格式(MIXED指令)
Chapter06 共变数分析(ANCOVA)
6-1 单变量：ANCOVA(共变数分析)
6-1-1单因子ANCOVA 之原理
6-1-2单因子MANCOVA 之重点整理
6-1-3单因子ANCOVA vs. 调整用途的共变数( 连续变数) 分割为类别变数，再进行ANOVA
6-2 为何要MANCOVA 取代MANOVA 呢？ANCOVA ≠ ANOVA(UNIANOVA、GLM 指令)
6-2-1单因子MANCOVA：3 个检定(GLM 指令)
6-2-2二因子MANOVA 与MANCOVA 平均数及效果比较(交互作用显
着)(UNIANOVA、GLM 指令)
Chapter07 线性回归的诊断
7-1 自变数与依变数是直线关系(linearity)，此假定若违反，则取log()、开根号
7-2 检定变异数的非线性及同质性(tests on nonlinearity and homogeneity of
variance)
7-2-1残差非线性(nonlinearity)：回归式「预测值vs. 残差」散布图
7-2-2残差异质性(homoscedasticity)：回归式「预测值vs.残差」散布图
7-3 残差的常态性：P-P 图、Q-Q 图、Shapiro-Wilk W 常态检定
7-4 模型界定：如何筛选足够的预测变数们？
7-5 误差的独立性(independence)：(EXAMINE VARIABLES=×× BY ×× /
PLOT=BOXPLOT 指令)
7-6 共线性(multicollinearity) 诊断
7-7 侦测不寻常且有影响力的观察值(graph /scatterplot(bivar)=×× with ×× by 指令)
Chapter08 线性回归
8-1 t检定、ANOVA、判别分析、回归的隶属关系 (t-test、oneway、regression、discriminant 指令)
8-2 简单线性回归(simple linear gression)
8-3 多元线性回归(regression 指令)
8-4 如何挑选预测变数的最佳组合：用Mallow’s Cp值及Adjusted R2 来比较模型
Chapter09 内生的共变：工具变数及两阶段最小平方法(2SLS)
9-1 工具变数及两阶段最小平方法(2sls 指令)
9-1-1进行OLS 统计分析时应注意之事项
9-1-2工具变数(IV) 之重点整理
9-1-3随机解释变数X(random regressor) 与工具变数Z(instrumental variable)
9-1-5为何需要多个工具变数？
9-1-6工具变数(instrumental variables) 在教育应用
9-2 两阶段最小平方法(2SLS) 分析七步骤(2sls y with x /instruments z 指令)
9-2-1两阶段最小平方法(2SLS) 回归：消费者行为(2sls y with x /
instruments z 指令)
9-2-2练习题：两阶段回归vs. 最小平方法回归
参考文献
图书序言
1-1-1 单变量vs. 多变量统计
1. 单变量分布(Univariate)：若我们指关心母体的某项特性﹐如产品之抗拉强度、个人满意度⋯⋯﹐则此母体分布称为单变量分布。
2. 双变量分布(Bivariate)：若我们关心母体的两项特性﹐如产品的抗拉强度与重量的关系、个人满意度与离职意愿的因果关系⋯⋯﹐则此母体分布称为双变量分布。
3. 多变量分布(MultiVariate)：若我们关心母体两项以上的特性﹐如「产品的抗拉强度、重量与抗压强度」、「个人满意度、组识承诺与离职意愿的因果关系」，则此母体分布称为多变量分布。
一、医学统计经常混淆的名词
在应用统计分析作学术研究的各个领域中，医学领域可说是其中的非常大宗，据统计目前全世界约有3 万种的医学期刊，约占了科技期刊的四分之一之多。而在这块这么大的市场中，我观察到在医学领域所使用的统计名词，经常与统计教科书有相当多的出入，本篇文章拟将这些常见的混淆之处作个釐清。
1. 单变量或多变数回归分析
假使我们现在要进行依变数(dependent variable) 的预测，如果我们的自变数(independent variable) 只有一个，那么这种回归模式称之为简单回归(Simpleregression) ，不过在医学期刊常见以单变量回归(Univariate regression) 来表达；倘若我们的自变数是2 个以上，那么我们称之为多元回归(Multiple regression)，但在医学期刊则部分称之为多变数回归(Multivariable regression) 或多变量回归(Multivariate regression)。特别值得说明的是，「多变量」(Multivariate) 在一般统计教科书是专门指同时有2个以上的依变数的统计方法，例如主成分分析、因素分析、集群分析、结构方程模式、典型相关等；但在医学领域中，不管依变数有多少个，只要自变数2个以上，就会称之为多变量分析( 比较正确来说应该是多变数分析) ，这是蛮特别的一点。
2. 自变数、依变数或控制变数
统计教科书皆把依变数定义为dependent variable ，不过实际医学期刊比较常见以结果变数(outcome) 来称唿之；如果我们的模式有许多个(2 个以上) 自变数，而所关注的是其中一个变数，那么此时其他变数便称作控制变数(Control variable) ，但在医学期刊的习惯来说，并非主要研究变数的控制变数都叫做共变量(Covariate)。
1. 单变量分布(Univariate)：若我们指关心母体的某项特性﹐如产品之抗拉强度、个人满意度⋯⋯﹐则此母体分布称为单变量分布。
2. 双变量分布(Bivariate)：若我们关心母体的两项特性﹐如产品的抗拉强度与重量的关系、个人满意度与离职意愿的因果关系⋯⋯﹐则此母体分布称为双变量分布。
3. 多变量分布(MultiVariate)：若我们关心母体两项以上的特性﹐如「产品的抗拉强度、重量与抗压强度」、「个人满意度、组识承诺与离职意愿的因果关系」，则此母体分布称为多变量分布。
一、医学统计经常混淆的名词
在应用统计分析作学术研究的各个领域中，医学领域可说是其中的非常大宗，据统计目前全世界约有3 万种的医学期刊，约占了科技期刊的四分之一之多。而在这块这么大的市场中，我观察到在医学领域所使用的统计名词，经常与统计教科书有相当多的出入，本篇文章拟将这些常见的混淆之处作个釐清。
1. 单变量或多变数回归分析
假使我们现在要进行依变数(dependent variable) 的预测，如果我们的自变数(independent variable) 只有一个，那么这种回归模式称之为简单回归(Simpleregression) ，不过在医学期刊常见以单变量回归(Univariate regression) 来表达；倘若我们的自变数是2 个以上，那么我们称之为多元回归(Multiple regression)，但在医学期刊则部分称之为多变数回归(Multivariable regression) 或多变量回归(Multivariate regression)。特别值得说明的是，「多变量」(Multivariate) 在一般统计教科书是专门指同时有2个以上的依变数的统计方法，例如主成分分析、因素分析、集群分析、结构方程模式、典型相关等；但在医学领域中，不管依变数有多少个，只要自变数2个以上，就会称之为多变量分析( 比较正确来说应该是多变数分析) ，这是蛮特别的一点。
2. 自变数、依变数或控制变数
统计教科书皆把依变数定义为dependent variable ，不过实际医学期刊比较常见以结果变数(outcome) 来称唿之；如果我们的模式有许多个(2 个以上) 自变数，而所关注的是其中一个变数，那么此时其他变数便称作控制变数(Control variable) ，但在医学期刊的习惯来说，并非主要研究变数的控制变数都叫做共变量(Covariate)。
图书试读
None
用户评价
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 ttbooks.qciss.net All Rights Reserved. 小特书站 版权所有