圖解統計線性模型分析 (1版)

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。

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