R統計軟體與多變量分析 - 城邦阅读花园


	●當前最夯機器學習、資料探勘及巨量資料的常用技術。　　●詳細操作說明+深入淺出內容，輕鬆進行多變量分析。　　●提供授課教師、修課學生及自學讀者，最完整的基礎認識。　　本書資料檔，請至本公司網站www.wunan.com.tw 　　輸入書號1HAL即可找到下載處。　　多變量統計分析（Multivariate Statistical Analysis），已是當代應用統計分析中的重要骨幹，更是新興量化研究者的基本能力。　　●兩大主軸，從理論到實作，看完就懂用　　本書提供兩大內容，一為介紹各種多變量分析的理論，二為搭配各種理論之R統計軟體的詳細操作。不同的理論及方法看似獨立，其實彼此之間都有關聯性及邏輯性。　　●免費、即時且兼容性高，R軟體入門的最佳利器　　相較其他費用昂貴的統計軟體而言，免費且不斷更新的R統計軟體，無疑是當代量化研究分析工具的寵兒。然而，對於不熟悉統計分析語法撰寫的研究者而言，在入門時難免覺得困難，本書即是使用R統計軟體進行多變量分析的最佳利器。


	目錄 1 多變量分析與R統計軟體簡介 1.1 多變量分析方法簡介 1.2 R統計軟體的特點及限制 1.3 R統計軟體的初步使用 1.4 資料的讀入與儲存 1.5 以矩陣進行典型相關分析 1.6 以矩陣進行多變量變異數分析 1.7 以選單進行分析 1.8 本書所用程式套件 2 多元迴歸分析 2.1 迴歸的意義 2.2 簡單迴歸 2.3 多個預測變數的多元迴歸模型 2.4 虛擬變數的多元迴歸分析 2.5 預測變數的選擇 2.6 樣本數之決定 2.7 迴歸診斷 2.8 分析結論 3 邏輯斯迴歸分析 3.1 邏輯斯迴歸分析適用時機 3.2 邏輯斯迴歸分析的通式 3.3 邏輯斯迴歸分析模型檢定 3.4 預測的準確性 3.5 邏輯斯迴歸分析係數的解釋 3.6 分析結論 4 典型相關分析 4.1 典型相關分析之概念 4.2 典型加權係數及典型相關係數 4.3 典型負荷量與平均解釋量 4.4 交叉負荷量與重疊量數 4.5 整體檢定與維度縮減檢定 4.6 效果量 4.7 典型函數的解釋 4.8 典型相關分析的基本假設 4.9 分析結論 5 區別分析 5.1 區別分析的理論基礎 5.2 區別分析的基本假定 5.3 區別分析的步驟 5.4 二次方區別分析 5.5 區別分析與集群分析之異同 5.6 區別分析與典型相關之異同 5.7 分析結論 6 多變量平均數之檢驗 6.1 單變量與多變量的差異 6.2 使用多變量分析的理由 6.3 多變量單一樣本平均數差異檢驗 6.4 多變量獨立樣本平均數差異檢驗 6.5 多變量相依樣本平均數差異檢驗 6.6 分析結論 7 多變量變異數分析 7.1 單因子多變量分析基本統計概念 7.2 多變量變異數分析之基本假設 7.3 單因子獨立樣本多變量變異數檢定方法 7.4 後續分析 7.5 效果量 7.6 分析結論 8 主成分分析 8.1 主成分分析之功能 8.2 主成分分析與因素分析的比較 8.3 主成分分析的求解 8.4 分析結論 9 試探性因素分析 9.1 因素分析之基本概念 9.2 因素分析之意涵 9.3 因素分析之步驟 9.4 分析結論 10 集群分析 10.1 集群分析概說 10.2 集群分析的意義及目的 10.3 相異性及相似性的計算 10.4 集群分析之方法 10.5 集群分析與其他方法之比較 10.6 分析結論 11 徑路分析 11.1 前言 11.2 徑路分析的基本假定 11.3 徑路分析的重要步驟 11.4 使用變異數—共變數矩陣進行分析 11.5 分析結論 12 驗證性因素分析 12.1 發展理論模型 12.2 評估模型的辨認 12.3 進行參數估計 12.4 評鑑模型的適配度 12.5 進行模型修正 12.6 二階驗證性因素分析 12.7 分析結論 13 結構方程模型 13.1 結構方程模型的特點 13.2 結構方程模型＝驗證性因素分析＋徑路分析 13.3 結構方程模型分析步驟 13.4 分析結論 14 偏最小平方結構方程模型 14.1 兩種結構方程模型 14.2 PLS-SEM的特點 14.3 PLS-SEM的分析步驟 14.4 分析結論 14.5 使用seminr程式套件 14.6 使用matrixpls程式套件 15 多層次模型 15.1 多層次資料適用時機 15.2 簡單迴歸分析 15.3 兩個縣市之簡單迴歸分析 15.4 二十個縣市之簡單迴歸分析 15.5 二層次模型 15.6 二層次模型及其次模型 15.7 多層次模型的估計 15.8 模型的評估 15.9 估計值檢定 15.10 樣本數的決定 15.11 分析步驟 15.12 總結