■作者簡介
張紹勳
學歷：國立政治大學資訊管理博士
現任：國立彰化師大專任教授
經歷：致理技術專任副教授

■研究助理
張任坊
國立海洋大學商船系

張博一
國立中央大學通訊工程所

Chapter 01 STaTa是地表最強統計，適合各產官學研
1-1 統計分析
1-1-1　認識統計
1-1-2　統計與「實驗法、觀察法」之對應關係
1-2 STaTa世上最強大的統計功能
1-2-1　單層次：連續vs.類別依變數迴歸之種類
1-2-2　STaTa 多層次混合模型的迴歸種類
1-2-3　STaTa panel-data迴歸的種類
1-2-4　STaTa流行病(epidemiologists)之選擇表對應的指令
1-2-5　STaTa存活分析的選擇表之對應指令
1-2-6　STaTa縱貫面—時間序列之選擇表
1-2-7　STaTa有限混合模型(FMM)：EM algorithm選擇表
1-3 STaTa安裝設定
1-4 資料輸入的方法：問卷、Excel
1-5 SPSS資料檔(*.sav)轉成STaTa格式
1-6 SAS格式轉成STaTa
1-7 R格式轉成STaTa
1-8 外掛的命令檔ado：STaTa外掛的Package
1-9 認識「多層次模型」
1-10 類聚(clustered)／巢狀資料分析，STaTa迴歸有16種估計法
1-11 大數據(big data)與STaTa資料檔之間的格式可互通
Chapter 02 多層次分析法：HLM
2-1 多層次模型(階層線性模型HLM)的興起
2-1-1　多層次模型(階層線性模型HLM)的興起
2-1-2　單層次：多元迴歸分析(OLS)之重點整理
2-2 什麼是多層次分析法？
2-2-1　階層線性模型(HLM)之由來
2-2-2　多層次模型之重要性
2-2-3　傳統單層次OLS分析巢狀(nested)資料，會出什麼問題？
2-2-4　脈絡變數(contextual variables) vs. 總體變數
2-3 多層次分析之模型界定
2-3-1　多層次模型之示意圖
2-3-2　多層次模型之假定(assumption)
2-3-3　隨機截距vs.隨機斜率之四種關係
2-3-4a　隨機係數模型之三種設定(random coefficient modeling)
2-3-4b　雙因子隨機係數之三種設定解說144
2-3-5　多層次資料結構：平減(centering)即離差分數(deviated scores)
2-4 模型設定／建構的步驟
2-4-1　模型設定的步驟
2-4-2　如何提升多層次分析法的嚴謹性
2-5 變數中心化(centering)、交互作用項(Z×A)具多元共線性疑慮
2-5-1　為何總平減(grand-mean centering)可克服多元共線性之問題
2-5-2　交互作用項(Z*A)會導至多元共線性之嚴重問題：心臟科
2-5-3　變數中心化(centering variables)／平減
2-5-4　中心化(centering)／平減的時機
2-5-5　中心化(centering)的類別
2-6 線性混合模型：多層次分析入門(mixed, xtmixed指令)
2-6-1　線性混合模型(linear mixed model)之方程式
2-6-2　範例1：典型之隨機係數模型(slopes and intercepts as outcomes)
2-6-3　範例2：考量各小群組之誤差結構(slopes and intercepts as outcomes with variance-covariance structure of the random effects)
2-7 如何將多層模型轉成混合模型(ml2mixed外掛指令)
2-8 因果關係的第三者：調節／干擾變數(moderator)、中介變數
2-8-1　組織研究的中介檢定之緣起
2-8-2　中介變數(直接效果、間接效果)≠調節變數(交互作用效果)
2-8-2a　中介變數(mediator variable)
2-8-2b　中介變數(mediator variable)存在與否的四種檢定法
2-8-3　調節變數(moderator variable)，又稱干擾變數
2-8-4　調節式中介效果(moderated mediation effect)
2-8-5　多層次中介效果：STaTa實作(ml_mediation、xtmixed指令)
2-8-5a　多層次中介效果：STaTa方法一(ml_mediation指令)
2-8-5b　雙層次中介效果：STaTa方法二(xtmixed、mixed指令)
2-8-6　Sobel-Goodman中介檢定法(先sgmediation再ml_mediation指令)
Chapter 03 單層vs.雙層次模型：無交互作用項就無須中心化
3-1 多層次模型之重點補充
3-1-1　分層隨機抽樣
3-1-2　Panel-data迴歸模型之重點整理
3-2 單層vs.雙層：重複測量的混合效果模型(mixed effect model for repeated measure)
3-2-1　ANOVA及無母數統計之分析流程圖
3-2-2　重複測量ANOVA之F檢定公式
3-2-3　單層次：二因子混合設計ANOVA (anova、contrast、margin、marginsplot指令)
3-2-4　重複測量ANOVA之主要效果／單純主要效果檢定(雙層xtmixed或mixed vs.單層anova指令)
3-2-5　雙層次：二因子混合設計ANOVA (mixed或xtmixed指令)
3-3 敵對模型們那一個較優呢？用IC資訊準則(mixed, xtmixed指令)
3-3-1　偵測兩個敵對模型，適配指標有7種
3-3-2　排列組合一：3種敵對模型(mixed, xtmixed指令)
3-3-3　排列組合二：10種敵對模型(mixed, xtmixed指令)
3-3-4　排列組合三：明星學校真的比較好嗎：4種敵對模型
3-3-5　排列組合四：無vs.有交互作用項，那個模型好呢？(mixed, xtmixed指令)
Chapter 04 多層次模型之方程式解說：有(Z×X)交互作用項就須中心化
4-1 多層次模型之方程式解說：影響住宅房價之個體層及群組層
4-1-1　Step 1設定(模型1)：零模型(null model)
4-1-2　Step 2設定(模型2)：平均數為結果的迴歸模型(means-as-outcomes regression)
4-1-3　Step 3設定(模型3)：Level-1具固定效果之隨機截距模型
4-1-4　Step 4設定(模型4):隨機係數(random coefficients)迴歸模型
4-1-5　Step 5設定(模型5):截距與斜率為結果的迴歸(交互作用)
Chapter 05 多層次模型之STaTa實作及解說(新版mixed, 舊版xtmixed指令)
5-1 六步驟來挑選最佳多層次模型(即HLM)？用IC準則來判斷
5-1-0　樣本資料檔
5-1-1　Step 1：零模型(intercept-only-model, unconditional model)
5-1-2　Step 2：Level-1單因子之隨機截距模型(無隨機斜率u1j)
5-1-3　Step 3：Level-1單因子之隨機截距且隨機斜率模型(sl