生物醫學統計：使用Stata分析 (1版)

【中文書】 書名： 生物醫學統計：使用Stata分析 作者：張紹勳 出版社：五南 出版日期：2017/05/10 ISBN：9789571191416 內容簡介 　　由於電腦硬體、軟體與統計方法的日新月異，使得統計學在生物醫學領域中，扮演舉足輕重的角色，本書內容主要為下列三大類： 　　一、類別資料處理。包括：二向列聯表、三向列聯表……等。 　　二、存活分析。包括：Kaplan-Meier、Cox迴歸、參數存活模型、危險比例檢定、時間共變數、韋伯分配、指數分配……等。存活分析的事件時間資料也常出現在其他不同領域中，如：企業存活時間（商業）、客戶忠誠度（行銷）、法人預警分析（金融）、再就業時間（經濟）、假釋到再犯時間（法學）和可靠度分析（工業）等等。 　　三、流行病學工具。包括：病例控制、Mantel-Haenszel、ROC分析……等。 　　Stata操作簡便，給予使用者足夠的自訂空間。不但可使用簡單的視窗指令，還能因應需求自行修改、添加或撰寫程式，擴充性極強。在運算速度上，也比SPSS及SAS更快。 　　本書是一本非常有用的Stata工具書，對初學或想領略高等統計的讀者，相信定有很大的收獲 本書特色 　　●Stata功能強大，可以選單操作，也可自行輸入指令，能滿足初級者到高階者的需求。 　　●本書詳盡介紹生物醫學領域必學的分析技術，包含類別資料處理、存活分析、流行病學、病例控制、篩檢工具與ROC曲線等。 　　●實用範例資料檔，搭配視覺化操作說明，讓您迅速成為Stata統計高手。 　　●完整且札實的範例解析，幫助您觸類旁通，讓您的報告、論文大升級。 　　●由於電腦與統計的日新月異，使生醫統計也延伸至以下研究領域：生態、農業、商業、社會科學…… 　　◎隨書附贈資料檔光碟，建議使用Stata 14版本執行。 目錄 Chapter 01 最小平方法(OLS) vs. 類別(Categorical) 資料分析 1-1 Stata是地表最強大之統計軟體 1-1-1 Stata統計功能 1-1-2 類別資料之列聯表，Stata對應的指令 1-1-3 Stata流行病(epidemiologists)之選擇表對應的指令 1-2 醫學實驗設計種類、重要性 1-2-1 流行病學的研究法：實驗性vs.觀察性 1-2-2 統計與實驗設計功能之對應關係 1-2-3 OLS迴歸模型之重點整理 1-2-4 單變量vs.多變量統計 1-3 二個類別變數之分析 1-3-1 類別變數之適用條件 1-3-2 卡方檢定：關聯性分析 1-3-2a 卡方檢定之介紹 1-3-2b 卡方檢定之Stata實作 1-3-3 勝算比(OR)、ROC曲線、敏感度/ 特異性：logistic迴歸 1-3-3a Odds ratio之意義 1-3-3b Odds ratio之STATA實作 1-3-3c 二元依變數之模型：邏輯斯迴歸之實例 1-3-3d ROC曲線面積、敏感度/ 特異性 1-4 流行病之類別資料統計表( 同質性檢定) 1-4-1 二發生率(Incidence-rate ratio)之列聯表(ir and iri指令) 1-4-2 世代研究風險比(Cohort study risk-ratio)之列聯表(cs、csi指令) 1-4-3 病例對照(case-control)列聯表(cc and cci、tabodds、mhodds指令) 1-4-4 分群組之失敗率(failure odds by category)列聯表(tabodds指令) 1-4-5 配對病例對照研究(matched case-control)(mcc、mcci指令) 1-5 三向列聯表(Three-Way Contingency Tables) 1-5-1 三向列聯表、Mantel-Haenszel同質性檢定(tab3way、cc指令) 1-6 類別依變數之三種迴歸，誰誤差小就誰優 1-6-1 類別依變數之三種迴歸，誰優？(reg、logit、probit指令) 1-7 對數線性模型(Log linear Models)之列聯表(ipf、「glm ..., fam(pois) link(log)」指令) 1-8 Nominal依變數：Multinomial Logistic迴歸之多項選擇(mlogit、mlogtest、test、prchange、listcoef指令) 1-8-1 Multinomial Logistic迴歸之解說 1-8-2 Multinomial Logistic迴歸之實作 1-9 配對資料(Matched Pairs)模型：Conditional logistic迴歸(先「clogit, group( 配對) or」指令、再tabulate指令) 1-10 Logit迴歸之練習題 Chapter 02 (半參數)Cox存活分析：臨床研究最重要統計法 2-1 存活分析(survival analysis)介紹 2-1-1 存活分析之定義 2-1-2 為何存活分析是臨床研究最重要的統計法？ 2-1-3 存活分析之三種研究目標 2-1-4 存活分析之研究議題 2-1-5 設限資料(censored data) 2-1-6 存活時間T之機率函數 2-1-7 Cox存活分析vs. Logit模型／ probit模型的差異 2-2 Stata存活分析/ 繪圖表之對應指令、新增統計功能 2-3 存活分析範例：除草有助幼苗存活率嗎？ 2-3-1 生命表(life table) 2-3-2 存活分析範例[依序(estat phtest、sts graph、ltable或sts list、stci、stmh、stcox指令)] 2-4 Cox比例危險模型(proportional hazards model)(stcox 指令) 2-4-1 f(t)機率密度函數、S(t)存活函數、h(t)危險函數、H(t)累積危險函數 2-4-2 Cox比例危險模型之迴歸式解說 2-4-3 危險函數的估計(hazard function) 2-4-4 Cox比例危險模型之配適度檢定 2-4-5 Cox模型之相對風險(relative risk, RR) 2-5 Kaplan-Meier存活模型 2-5-1 Kaplan-Meier估計法(product-limit Estimate) 2-5-2 存活分析法：Kaplan-Meier vs.韋伯分布(參數存活模型) 2-5-3 Kaplan-Meier存活函數(依序sts graph、ltable或sts list、stci、stmh、stcox指令) 2-5-4 存活分析之檢定法：Cox比例危險模型(stcox)指令 2-6 脆弱性之Cox模型(Cox regression with shared frailty) 2-6-1 脆弱性之Cox模型：「stcox, shared( 脆弱變數)」指令 Chapter 03 參數存活分析(偏態之依變數有6種分布可搭2種脆弱模型) 3-1 參數存活分析(pa