|
|
◎介紹分析二分類依變數時，最常使用的統計分析模型──邏輯斯迴歸模型
◎完整且詳實的範例解析，幫助您觸類旁通，讓報告、論文大升級！
◎本書使用SPSS V25介面操作，編排方式深入淺出，學習過程更輕鬆。
◎邏輯斯模型是社會學、生物統計學、臨床心理學、數量心理學、計量經濟學和市場行銷等統計實證分析的常用方法
隨書附贈資料檔光碟
邏輯斯模型是離散選擇法模型之一，屬於多項變數分析，也是在分析二分類依變數時，最常使用的統計分析模型。邏輯斯迴歸的資料常出現在不同領域中，是社會學、生物統計學、臨床心理學、數量心理學、計量經濟學和市場行銷等統計實證分析的常用方法。
本書介紹的內容包含線性迴歸與二元依變數、邏輯斯迴歸的診斷、離散選擇模型、單層與多層次模型、Count 依變數之迴歸與加權OLS迴歸。透過統計軟體SPSS探討，結合理論、方法與統計引導，從使用者角度整理編排，讓學習和研究過程更得心應手。
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
林秀娟
學歷：國立臺灣師範大學教育心理研究所碩士
現職：臺北市立成功高中專任教師
Chapter01 線性迴歸vs. 二元(Binary) 依變數 (邏輯斯迴歸) 1
1-1 迴歸的二大類：連續依變數vs. 離散依變數 ............................................... 3
1-1-1 單變量：統計法分類 ...................................................................... 11
1-1-2 多變量：統計法分類 ...................................................................... 17
1-2 簡單邏輯斯迴歸的概念 ............................................................................... 27
1-2-1 簡單邏輯斯迴歸(Logistic Regression Model) 的原理 .................. 32
1-2-2 Odds ratio 之意義 ............................................................................. 44
1-2-3 列聯表(contingency table)、相對風險、勝算比(odds ratio) 及卡方檢定(crosstabs、logistic regression 指令) 50
1-2-4 卡方⊂ logistic 迴歸：同意人類可實驗貓大腦注入藥物嗎？(logistic regression、crosstabs 指令) . 58
1-2-5 簡單Logistic 迴歸分析：年齡與罹患冠心病(CHD) 關係(logistic regression 指令) ....... 83
1-3 邏輯斯迴歸的建模(logistic regression 指令) ............................................ 93
1-3-1 Logistic 迴歸分析：三個預測因子有二個連續變數、一個次序變數 ( 大學申請入學之錄取條件？) 94
1-3-2 如何挑選「多元Logit 迴歸之最佳模型」：早產兒之危險因子(logistic regression 指令) ....... 104
1-3-3 練習題：邏輯斯迴歸分析( 母蟹crab 有追求者嗎？) .............. 110
1-4 邏輯斯迴歸之建模法(logistic regression、fp／fracpoly 指令) ............. 112
1-4-1 評比敵對模型，適配指標有七種：ROC⋯⋯ .......................... 112
1-4-2 邏輯斯迴歸之共變數係數調整法(fractional polynomial regression):STaTa 範例(fp 或fracpoly 指令) 118
1-5 邏輯斯迴歸搭配ROC 曲線來做篩檢工具之分類準確性 ...................... 121
1-5-1 Type I 誤差α 及Type II 誤差β：ROC 圖切斷點的由來 ....... 122
1-6 Logit+ROC 曲線來評比：敵對logit 模型，誰優？ ............................... 126
1-6-1 ROC 曲線、cut-off 點 ................................................................... 126
1-6-2 簡單Logit 模型搭配ROC 曲線來找最佳cut-off 點 ................. 132
1-6-3 練習題：多元Logit 模型搭配ROC 曲線來找最佳cut-off點 ................................... 135
1-7 小樣本：Exact logistic regression( 是否染愛滋病毒之二種血清檢測值)(exlogistic 指令) 148
Chapter02 邏輯斯(Logistic) 迴歸的診斷(diagnostics) 153
2-1 邏輯斯迴歸的假定(assumption) .............................................................. 153
2-1-1 邏輯斯迴歸的IIA 假定 ................................................................ 155
2-2 界定誤差(specification error) .............................................................. 157
2-2-1 多元( 複) 線性迴歸診斷之重點整理 ......................................... 157
2-2-2 線性迴歸的診斷 ........................................................................... 161
2-2-3 邏輯斯迴歸的界定適當嗎？優質辦校之因素(logistic regression指令)..................... 164
2-3 共線性(collinearity) 診斷：優質辦校之因素(logistic regression指令) 176
2-4 偵測influence 的觀察值：優質辦校之因素(logistic regression指令)......................... 190
2-5 練習題：logistic regression：學業是否得獎的因素(logistic regression 指令)...... 204
Chapter03 離散選擇模型：多項機率迴歸(NOMREG指令) 207
3-1 離散選擇模型(Discrete Choice Models, DCM) ....................................... 208
3-1-1 離散選擇模型(DCM) 概念 ......................................................... 210
3-1-2 離散選擇模型(DCM) 之數學式：以住宅選擇為例 ................. 216
3-2 多項機率迴歸分析(multinomial probit regression)(crosstabs、nomreg指令) ............. 232
3-3-1 多項機率迴歸之概念 ................................................................... 234
3-3-2 多項機率迴歸之原理 ................................................................... 242
3-3-3 多項機率迴歸分析(multinomial probit regression) 學生選三類課程的因素(crosstabs、nomreg 指令) ...... 245
3-3-4 練習題：離散選擇模型(DCM)：三種保險的選擇 .................. 260
3-4 多項概率模型來進行離散選擇建模(discrete choice modeling using multinomial probit model)(asmprobit 指令) 264
3-4-1 Alternative-specific multinomial probit regression：三種保險計畫的選擇(asmprobit 指令) ..... 264
3-4-2 使用多項概率模型進行離散選擇建模: 四種旅行方式的選擇(asmprobit 指令) ....................... 266
3-4-3 練習題：多項邏輯斯迴歸：十二地區宗教信仰三選擇之因素(mlogit 指令) ........................... 268
Chapter04 二元依變數：機率迴歸(probit 指令) 271
4-1 Logit 模型、 Cox 迴歸、probit 模型的概念比較 .................................... 274
4-2 Probit 迴歸分析：申入學是否被錄取的因素(plum 指令) .................... 282
4-3 練習題：Binary 依變數之Probit 及Logit 迴歸分析( 有無償勞動力之影響因素) .......................... 297
4-5 Bivariate probit 迴歸vs. 二個似乎無相關依變數「private, vote」模型，誰優？(biprobit 指令)......... 300
Chapter05 單層vs. 多層次：Ordered Logit 及其擴充模型(ologit、oprobit、rologit meoprobit、asmprobit、asroprobit、heckoprobit 指令)305
5-1 Ordered Logit 及Ordered Probit 模型之概念 ........................................... 321
5-2 Ordered 迴歸分析：影響SES 的因素(plum 指令) ............................... 324
5-3 練習題：Ordered Logit 迴歸分析：影響數學等級的因素(plum指令) .................................... 335
5-4 練習題：Ordered 迴歸分析( 影響親子親密關係的因素) ..................... 337
5-5 練習題：Ordered Logit 迴歸(Copenhagen 的住房滿意度) ................... 341
Chapter06 Count 依變數之迴歸：Zero-inflated Poisson迴歸 vs. negative binomial 迴歸 345
6-1 Count 依變數之迴歸：Zero-inflated Poisson 迴歸 vs. negative binomial迴歸 ......................... 346
6-1-1 Poisson 分配 .................................................................................. 346
6-1-2 負二項(negative binomial) 分配 .................................................. 351
6-1-3 Zero-inflated Poisson 分配 ............................................................ 354
6-2 計數型(count) 依變數：Poisson 迴歸：獲獎次數(GenLin 指令) ....... 356
6-3 零膨脹Poisson 迴歸vs. 負二項迴歸：博士生發表論文篇數 ............... 371
6-4 Count 依變數：負二項(negative binomial) 迴歸：獲獎次數(GenLin指令)......................... 376
6-5 單層：ordered logistic 迴歸：申請入學意願(plum 指令) .................... 391
6-5-1 ordered logistic 迴歸：申請入學意願(plum 指令) .................... 391
6-5-2 練習題：ordered logistic 迴歸 ..................................................... 407
6-6 單層：Zero-inflated ordered probit regression 練習：釣魚(zip 指令) ... 410
6-7 雙層：負二項混合模型(fmm: nbreg 指令)：精神科患者隨訪次數 .... 412
6-8 雙層：Poisson 混合模型分析(fmm: poisson 指令)：醫生問診次數 ... 414
Chapter07 加權OLS(weighted least squares) 迴歸(regression、WLS 指令) 417
7-1 加權OLS(weighted OLS) 迴歸：誤差變異數異質性的校正(regression 指令) ...................... 418
7-2 加權OLS 迴歸(WLS 指令) ..................................................................... 435
