內容簡介
本書具體言之，是反映如下的讀者需求為目的所撰寫的。
1.在學校中曾學習過統計學與多變量分析，想利用SPSS軟體來計算的人。
2.對於如何判讀SPSS的輸出，未有足夠知識的人。
3.想了解SPSS基本用法的人。
4.想透過SPSS使用實際的資料學習操作方法的人。
5.對於論文或研究報告中出現的統計資料分析結果不知如何解釋而感到苦惱的人。
本書是就資料分析的各種手法包括統計方法、多變量分析的具體計算方法以及SPSS基本操作方法，盡可能以容易理解的方式來撰寫，適用於醫護相關學系與研究所的授課教材，以及研究人士實務上進行資料分析時作為輔助工具。
1.在學校中曾學習過統計學與多變量分析，想利用SPSS軟體來計算的人。
2.對於如何判讀SPSS的輸出，未有足夠知識的人。
3.想了解SPSS基本用法的人。
4.想透過SPSS使用實際的資料學習操作方法的人。
5.對於論文或研究報告中出現的統計資料分析結果不知如何解釋而感到苦惱的人。
本書是就資料分析的各種手法包括統計方法、多變量分析的具體計算方法以及SPSS基本操作方法，盡可能以容易理解的方式來撰寫，適用於醫護相關學系與研究所的授課教材，以及研究人士實務上進行資料分析時作為輔助工具。
作者簡介
楊秋月
弘光科技大學健康事業管理系副教授兼系主任
國立成功大學基礎醫學研究所博士
陳耀茂
東海大學企管系所教授
日本(國立)電氣通信大學經營工學研究所工學博士
弘光科技大學健康事業管理系副教授兼系主任
國立成功大學基礎醫學研究所博士
陳耀茂
東海大學企管系所教授
日本(國立)電氣通信大學經營工學研究所工學博士
內容目錄
SPSS基本用法
1.1 資料檔案的製作法
1.2 資料的加工法
資料的表徵
2.1 次數分配表
2.2 簡單累計的圖形表現
2.3 資料檔案的製作法
2.4 交叉表與圖形表現
2.5 相關係數
2.6 層別的分析
統計推論
3.1 有關平均值的推論
3.2 關於變異數的推論
3.3 有關相關係數的推論
3.4 有關交叉表的推論
3.5 比率的推論
變異數分析
4.1 單因子變異數分析（一元配置變異數分析）
4.2 多重比較
4.3 二因子變異數分析（二元配置變異數分析）
4.4 多因子變異數分析（多元配置變異數分析）
4.5 直交表
複迴歸分析
5.1 簡單迴歸分析
5.2 複迴歸分析
5.3 非線性迴歸分析
5.4 多項式迴歸
無母數統計
6.1 簡介
6.2 適合度檢定
6.3 獨立性檢定
6.4 一致性檢定
6.5 Wilcoxon的等級和檢定
6.6 Wilcoxon的符號等級檢定
6.7 Kruskal．Wallis的檢定與多重比較
6.8 Friedman檢定與多重比較
6.9 Kendall一致性係數
6.10 Kappa一致性係數
6.11 常態性檢定（Shapiro-Wilk test）
6.12 兩組獨立樣本K-S檢定
測量的信度與效度
7.1 測量的信度
7.2 測量的效度
7.3 組內相關係數
主成分分析
8.1 主成分分析的概要
8.2 基於相關矩陣的主成分分析
8.3 基於共變異數矩陣的主成分分析
8.4 利用主成分分析檢出多變量偏離值
因素分析
9.1 因素分析的概要
9.2 因素的擷取
9.3 因素的轉軸
9.4 其他的分析
集群分析
10.1 觀察值的集群
10.2 變數的集群
區別分析
11.1 區別分析的概要
11.2 解析例1（3組的情形）
11.3 解析例2（2組時）
11.4 關於區別分析其他問題Q&A
Logistic迴歸分析
12.1 二元Logistic迴歸
12.2 多元Logistic迴歸
次序迴歸分析
13.1 簡介
13.2 案例
13.3 次序迴歸分析
對數線性模型
14.1 基本模型
14.2 Logit對數線性模型
存活分析
15.1 簡介
15.2 Kaplan-Meier Method
15.3 比例風險模型
典型相關分析
16.1 概要
16.2 解析例
多元尺度法
17.1 簡介
17.2 多元尺度法
多變量變異數分析
18.1 多變量變異數分析
18.2 多重比較
18.3 兩因子MANOVA
多變量共變數分析
19.1 簡介
19.2 獨立樣本單因子多變量共變數分析（一個共變量）
19.3 獨立樣本單因子多變量共變數分析（兩個共變量）
19.4 獨立樣本二因子多變量共變數分析（交互作用不顯著）
19.5 獨立樣本二因子多變量共變數分析（交互作用顯著）
廣義線性模型
20.1 廣義線性模型
20.2 廣義估計方程式
卜瓦松（Poisson）迴歸
21.1 簡介
21.2 Poisson迴歸模型
21.3 Poisson迴歸分析的步驟
機率單位（Probit）分析
22.1 Probit分析簡介
22.2 解析例
22.3 probit分析的步驟
神經網路—多層感知器
23.1 簡介
23.2 解析例
23.3 階層型神經網路的分析步驟
神經網路—放射狀基底函數
24.1 簡介
24.2 解析例
路徑分析
25.1 簡介
25.2 解析例
25.3 路徑分析
結構方程模型
26.1 結構方程模型基本概念
26.2 應用結構方程模型的理由
26.3 模型驗證的前提假設
26.4 模型架構與理論
26.5 SEM建構流程
26.6 分析結果的評估
26.7 解析例
26.8 共變異數構造分析
決策樹
27.1 簡介
27.2 解析例
24.3 決策樹的分析步驟
類別迴歸分析
28.1 簡介
28.2 案例
28.3 類別迴歸分析
PROCESS—調節變數與中介變數
29.1 簡介
29.2 Process軟體的下載
參考文獻
1.1 資料檔案的製作法
1.2 資料的加工法
資料的表徵
2.1 次數分配表
2.2 簡單累計的圖形表現
2.3 資料檔案的製作法
2.4 交叉表與圖形表現
2.5 相關係數
2.6 層別的分析
統計推論
3.1 有關平均值的推論
3.2 關於變異數的推論
3.3 有關相關係數的推論
3.4 有關交叉表的推論
3.5 比率的推論
變異數分析
4.1 單因子變異數分析（一元配置變異數分析）
4.2 多重比較
4.3 二因子變異數分析（二元配置變異數分析）
4.4 多因子變異數分析（多元配置變異數分析）
4.5 直交表
複迴歸分析
5.1 簡單迴歸分析
5.2 複迴歸分析
5.3 非線性迴歸分析
5.4 多項式迴歸
無母數統計
6.1 簡介
6.2 適合度檢定
6.3 獨立性檢定
6.4 一致性檢定
6.5 Wilcoxon的等級和檢定
6.6 Wilcoxon的符號等級檢定
6.7 Kruskal．Wallis的檢定與多重比較
6.8 Friedman檢定與多重比較
6.9 Kendall一致性係數
6.10 Kappa一致性係數
6.11 常態性檢定（Shapiro-Wilk test）
6.12 兩組獨立樣本K-S檢定
測量的信度與效度
7.1 測量的信度
7.2 測量的效度
7.3 組內相關係數
主成分分析
8.1 主成分分析的概要
8.2 基於相關矩陣的主成分分析
8.3 基於共變異數矩陣的主成分分析
8.4 利用主成分分析檢出多變量偏離值
因素分析
9.1 因素分析的概要
9.2 因素的擷取
9.3 因素的轉軸
9.4 其他的分析
集群分析
10.1 觀察值的集群
10.2 變數的集群
區別分析
11.1 區別分析的概要
11.2 解析例1（3組的情形）
11.3 解析例2（2組時）
11.4 關於區別分析其他問題Q&A
Logistic迴歸分析
12.1 二元Logistic迴歸
12.2 多元Logistic迴歸
次序迴歸分析
13.1 簡介
13.2 案例
13.3 次序迴歸分析
對數線性模型
14.1 基本模型
14.2 Logit對數線性模型
存活分析
15.1 簡介
15.2 Kaplan-Meier Method
15.3 比例風險模型
典型相關分析
16.1 概要
16.2 解析例
多元尺度法
17.1 簡介
17.2 多元尺度法
多變量變異數分析
18.1 多變量變異數分析
18.2 多重比較
18.3 兩因子MANOVA
多變量共變數分析
19.1 簡介
19.2 獨立樣本單因子多變量共變數分析（一個共變量）
19.3 獨立樣本單因子多變量共變數分析（兩個共變量）
19.4 獨立樣本二因子多變量共變數分析（交互作用不顯著）
19.5 獨立樣本二因子多變量共變數分析（交互作用顯著）
廣義線性模型
20.1 廣義線性模型
20.2 廣義估計方程式
卜瓦松（Poisson）迴歸
21.1 簡介
21.2 Poisson迴歸模型
21.3 Poisson迴歸分析的步驟
機率單位（Probit）分析
22.1 Probit分析簡介
22.2 解析例
22.3 probit分析的步驟
神經網路—多層感知器
23.1 簡介
23.2 解析例
23.3 階層型神經網路的分析步驟
神經網路—放射狀基底函數
24.1 簡介
24.2 解析例
路徑分析
25.1 簡介
25.2 解析例
25.3 路徑分析
結構方程模型
26.1 結構方程模型基本概念
26.2 應用結構方程模型的理由
26.3 模型驗證的前提假設
26.4 模型架構與理論
26.5 SEM建構流程
26.6 分析結果的評估
26.7 解析例
26.8 共變異數構造分析
決策樹
27.1 簡介
27.2 解析例
24.3 決策樹的分析步驟
類別迴歸分析
28.1 簡介
28.2 案例
28.3 類別迴歸分析
PROCESS—調節變數與中介變數
29.1 簡介
29.2 Process軟體的下載
參考文獻
ISBN: 9789571192246