書名：圖解統計線性模型分析

原文書名：

產品代碼：
9786264235525
系列名稱：
圖解系列
系列編號：
5B1K
定價：
450元
作者：
陳耀茂
頁數：
392頁
開數：
17x23x1.9
裝訂：
平裝
上市日：
20250801
出版日：
20250801
出版社：
五南圖書出版股份有限公司
CIP：
512.4
市場分類：
人文社會
產品分類：
書籍免稅
聯合分類：
法律.社會.政治
※在庫量小

商品簡介

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。

作者簡介

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

書籍目錄

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

推薦序/導讀/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