多變量分析：使用SPSS與STATA

1 多變量方法與統計軟體簡介
1.1 多變量分析方法簡介
1.2 本書使用之統計軟體簡介
1.2.1 SPSS
1.2.2 STATA
1.2.3 Amos
1.2.4 LISREL
1.2.5 Mplus
1.2.6 SmartPLS
1.2.7 HLM
1.2.8 S-PLUS及R
1.2.9 JASP及jamovi
1.3 多變量分析方法與統計軟體選擇

2 主成分分析
2.1 理論部分
2.1.1 主成分分析的功能
2.1.2 主成分分析的基本概念
2.1.2.1 主成分分析的基本要求
2.1.2.2 以共變數矩陣進行分析
2.1.2.3 以相關矩陣進行分析
2.1.2.4 特徵值及三種矩陣
2.1.2.5 主成分數目的決定
2.2 假設性資料
2.2.1 簡要語法
2.2.2 簡要報表
2.3 應用部分
2.3.1 範例說明
2.3.2 SPSS分析步驟圖
2.3.3 SPSS程式
2.3.4 SPSS程式說明
2.3.5 STATA程式
2.3.6 STATA程式說明
2.3.7 報表及解說
2.4 分析摘要表
2.5 主成分迴歸

3 探索性因素分析
3.1 理論部分
3.1.1 前言
3.1.2 因素分析的步驟
3.1.2.1 共同因素的抽取
3.1.2.2 因素個數的決定
3.1.2.3 因素的轉軸
3.1.2.4 因素的命名與解釋
3.1.3 共同因素分數的計算
3.1.4 因素分析的樣本數
3.2 假設性資料
3.2.1 簡要語法
3.2.2 簡要報表
3.3 應用部分
3.3.1 範例說明
3.3.2 SPSS分析步驟圖
3.3.3 SPSS程式
3.3.4 SPSS程式說明
3.3.5 STATA程式
3.3.6 STATA程式說明
3.3.7 報表及解說
3.4 分析摘要表

4 驗證性因素分析
4.1 理論部分
4.1.1 發展理論模型
4.1.2 評估模型的辨認
4.1.3 進行參數估計
4.1.4 評鑑模型的適配度
4.1.4.1 整體模型的評鑑
4.1.4.2 模型內在品質的評鑑
4.1.5 進行模型修正
4.1.6 二階驗證性因素分析
4.2 假設性資料
4.2.1 簡要語法
4.2.2 簡要報表
4.3 應用部分
4.3.1 範例說明
4.3.2 Amos分析步驟圖
4.3.3 Amos語法
4.3.4 Amos語法說明
4.3.5 STATA程式
4.3.6 STATA程式說明
4.3.7 LISREL程式
4.3.8 LISREL程式說明
4.3.9 Mplus程式
4.3.10 Mplus程式說明
4.3.11 報表及解說
4.4 分析結論
4.5 使用JASP及jamovi分析

5 集群分析
5.1 理論部分
5.1.1 集群分析的意義及目的
5.1.2 相似性及相異性的計算
5.1.2.1 相異性的計算
5.1.2.2 相似性的計算
5.1.3 集群分析之方法
5.1.3.1 階層式的分析方法
5.1.3.2 非階層式的分析方法
5.1.4 集群數的判斷
5.1.5 如何描述各集群的特性
5.1.6 其他注意事項
5.1.6.1 變數的選擇
5.1.6.2 變數的標準化
5.1.6.3 方法的選擇
5.1.6.4 交叉驗證
5.1.7 小結
5.2 應用部分
5.2.1 範例說明
5.2.2 SPSS分析步驟圖
5.2.3 SPSS程式
5.2.4 SPSS程式說明
5.2.5 STATA程式
5.2.6 STATA程式說明
5.2.7 報表及解說
5.3 分析摘要表

6 典型相關分析
6.1 理論部分
6.1.1 典型相關的意義
6.1.2 典型相關的基本假定
6.1.3 典型加權、典型因素與典型相關係數
6.1.4 典型因素結構係數
6.1.5 交叉結構係數（index係數）
6.1.6 平均解釋量（適切性係數）
6.1.7 重疊量數
6.1.8 典型相關的顯著性檢定
6.1.8.1 p個X變數與q個Y變數之間是否有典型相關之整體檢定
6.1.8.2 個別典型相關係數的顯著性檢定
6.1.8.3 原始典型加權係數的顯著性檢定
6.1.9 以相關矩陣計算典型相關
6.1.10 各種係數或量數
6.2 假設性資料
6.2.1 簡要語法
6.2.2 簡要報表
6.3 應用部分
6.3.1 範例說明
6.3.2 SPSS分析步驟圖
6.3.3 SPSS程式
6.3.4 SPSS程式說明
6.3.5 STATA程式
6.3.6 STATA程式說明
6.3.7 報表及解說
6.4 統計摘要表
6.5 CB-SEM及PLS-SEM分析結果

7 多元迴歸分析
7.1 理論部分
7.1.1 迴歸的意義
7.1.2 簡單迴歸
7.1.3 淨相關及部分相關
7.1.4 兩個預測變數的多元迴歸
7.1.5 三個以上預測變數的多元迴歸
7.1.5.1 原始迴歸係數與標準化係數
7.1.5.2 迴歸係數之矩陣解法
7.1.5.3 整體檢定
7.1.5.4 個別係數檢定
7.1.5.5 決定係數（效果量）
7.1.5.6 迴歸分析之假設
7.1.5.7 預測變數之選取方法
7.1.5.8 樣本數之決定
7.1.6 多元共線性檢定
7.1.7 個別預測變數重要性
7.1.7.1 共同性分析
7.1.7.2 夏普利值分解法
7.1.7.3 優勢分析
7.1.7.4 相對權數分析
7.1.8 結構係數
7.1.9 虛擬變數的多元迴歸
7.1.10 調節變數
7.1.10.1 主要概念
7.1.10.2 實例分析
7.1.11 多變量多元迴歸分析
7.1.12 交叉驗證
7.1.12.1 Holdout法
7.1.12.2 K-fold法
7.1.12.3 留一交叉驗證法
7.2 假設性資料
7.2.1 簡要語法
7.2.2 簡要報表
7.3 應用部分
7.3.1 範例說明
7.3.2 SPSS分析步驟圖
7.3.3 SPSS程式
7.3.4 SPSS程式說明
7.3.5 STATA程式
7.3.6 STATA程式說明
7.3.7 報表及解說
7.4 分析摘要表
7.5 多變量迴歸分析

8 徑路分析
8.1 理論部分
8.1.1 徑路分析的基本假定
8.1.2 徑路分析的重要步驟
8.1.2.1 根據模型繪製徑路圖
8.1.2.2 估計參數
8.1.2.3 解釋結果
8.2 假設性資料
8.2.1 簡要語法
8.2.2 簡要報表
8.3 應用部分
8.3.1 範例說明
8.3.2 Amos理論模型
8.3.3 STATA程式
8.3.4 STATA程式說明
8.3.5 報表及解說
8.4 分析摘要表

9 邏輯斯迴歸分析
9.1 理論部分
9.1.1 邏輯斯迴歸分析適用時機
9.1.2 列聯表的計算
9.1.3 χ2與LR檢定
9.1.4 邏輯斯迴歸分析的通式
9.1.5 量的預測變數之邏輯斯迴歸分析
9.1.6 整體模型的檢定
9.1.7 個別係數的檢定
9.1.8 預測的準確性
9.1.8.1 分類正確率交叉表
9.1.8.2 類R2指標（或稱假R2指標）
9.1.8.3 預測機率與實際值的關聯
9.1.9 樣本數之決定
9.1.10 其他邏輯斯迴歸分析模型
9.2 假設性資料
9.2.1 簡要語法
9.2.2 簡要報表
9.3 應用部分
9.3.1 範例說明
9.3.2 SPSS分析步驟圖
9.3.3 SPSS程式
9.3.4 SPSS程式說明
9.3.5 STATA程式
9.3.6 STATA程式說明
9.3.7 報表及解說
9.4 分析摘要表

10 區別分析
10.1 理論部分
10.1.1 兩種取向的區別分析
10.1.2 預測取向的區別分析
10.1.3 描述取向的區別分析
10.1.4 兩種取向區別分析的比較
10.1.5 原始區別函數係數
10.1.6 標準化區別函數係數
10.1.7 結構係數
10.1.8 標準化區別函數係數與結構係數孰重
10.1.9 區別函數轉軸
10.1.10 統計顯著性檢定
10.1.11 分類的方法
10.1.11.1 截斷值法
10.1.11.2 線性分類函數法
10.1.11.3 距離函數法
10.1.11.4 機率法
10.1.12 分類的有效性
10.1.12.1 統計顯著性
10.1.12.2 實質顯著性
10.1.13 交叉驗證
10.1.14 基本假定
10.1.15 逐步區別分析
10.1.16 區別分析與典型相關
10.2 假設性資料
10.2.1 簡要語法
10.2.2 簡要報表
10.3 應用部分
10.3.1 範例說明
10.3.2 SPSS分析步驟圖
10.3.3 SPSS程式
10.3.4 SPSS程式說明
10.3.5 STATA程式
10.3.6 STATA程式說明
10.3.7 報表及解說
10.4 分析摘要表
10.5 以典型相關進行區別分析

11 多變量平均數檢定
11.1 理論部分
11.1.1
11.1.2 一個樣本之平均數檢定
11.1.3 兩個相依樣本之平均數檢定
11.1.4 兩個獨立樣本之平均數檢定
11.2 應用部分
11.2.1 範例一（一個樣本平均數之檢定）
11.2.1.1 SPSS分析步驟圖
11.2.1.2 SPSS程式
11.2.1.3 SPSS程式說明
11.2.1.4 STATA程式
11.2.1.5 STATA程式說明
11.2.1.6 範例一報表及解說（以SPSS為主）
11.2.2 範例二（兩個相依樣本平均數之檢定）
11.2.2.1 SPSS分析步驟圖
11.2.2.2 SPSS程式
11.2.2.3 SPSS程式說明
11.2.2.4 STATA程式
11.2.2.5 STATA程式說明
11.2.2.6 範例二報表及解說（以SPSS為主）
11.2.3 範例三（兩個獨立樣本平均數之檢定）
11.2.3.1 SPSS分析步驟圖
11.2.3.2 SPSS程式
11.2.3.3 SPSS程式說明
11.2.3.4 STATA程式
11.2.3.5 STATA程式說明
11.2.3.6 範例三報表及解說（以SPSS為主）
11.3 統計摘要表

12 多變量變異數分析
12.1 理論部分
12.1.1 MANOVA的使用時機
12.1.2 MANOVA的基本假定
12.1.3 MANOVA的分析步驟
12.1.3.1 整體效果檢定
12.1.3.2 追蹤檢定
12.1.3.3 事前比較
12.1.3.4 效果量
12.2 假設性資料
12.2.1 範例說明
12.2.2 SPSS程式
12.2.3 SPSS程式說明
12.2.4 STATA程式
12.2.5 STATA程式說明
12.2.6 報表及解說（以SPSS為主）
12.3 應用部分
12.3.1 範例說明
12.3.2 SPSS分析步驟圖
12.3.3 SPSS程式
12.3.4 SPSS程式說明
12.3.5 STATA程式
12.3.6 STATA程式說明
12.3.7 報表及解說
12.4 統計摘要表

13 多層次模型
13.1 理論部分
13.1.1 多層次模型簡介
13.1.2 多層次模型的需要
13.1.3 多層次模型的基礎概念
13.1.3.1 一般迴歸模型到多層次迴歸模型
13.1.3.2 隨機截距的迴歸
13.1.3.3 隨機斜率的迴歸
13.1.4 多層次模型的基本模型
13.1.4.1 模型0：隨機效果單因子變異數分析
13.1.4.2 模型1：隨機效果單因子共變數分析
13.1.4.3 模型2：隨機係數迴歸模型
13.1.4.4 模型3：截距模型
13.1.4.5 模型4：脈絡模型
13.1.4.6 模型5：完整模型
13.1.4.7 模型6：非隨機變化斜率模型
13.1.5 多層次模型摘要
13.1.6 多層次模型的估計與檢定
13.1.6.1 固定效果的估計
13.1.6.2 隨機效果的估計
13.1.6.3 多層次模型的檢定
13.1.7 預測變數之中心化
13.1.8 樣本數的決定
13.1.9 分析的步驟
13.2 應用部分
13.2.1 範例說明
13.2.2 SPSS分析步驟圖
13.2.3 SPSS程式
13.2.4 SPSS程式說明
13.2.5 STATA程式
13.2.6 STATA程式說明
13.2.7 Mplus程式
13.2.8 Mplus程式說明
13.2.9 報表及解說
13.3 分析摘要

14 結構方程模型
14.1 理論部分
14.1.1 結構方程模型的特點
14.1.2 結構方程模型＝驗證性因素分析＋徑路分析
14.1.3 結構方程模型分析步驟
14.1.3.1 發展理論模型
14.1.3.2 評估模型的辨認
14.1.3.3 進行參數估計
14.1.3.4 評鑑模型的適配度
14.1.3.5 進行模型修正
14.2 假設性資料
14.2.1 簡要語法
14.2.2 簡要報表
14.3 應用部分
14.3.1 範例說明
14.3.2 Amos分析步驟圖
14.3.3 Amos語法
14.3.4 Amos語法說明
14.3.5 STATA程式
14.3.6 STATA程式說明
14.3.7 LISREL程式
14.3.8 LISREL程式說明
14.3.9 Mplus程式
14.3.10 Mplus程式說明
14.3.11 報表及解說
14.4 分析結論
14.5 使用JASP及jamovi分析

15 偏最小平方結構方程模型
15.1 理論部分
15.1.1 兩種結構方程模型
15.1.2 PLS-SEM的特點
15.1.3 PLS-SEM的分析步驟
15.1.3.1 設定結構模型
15.1.3.2 設定測量模型
15.1.3.3 進行參數估計
15.1.3.4 評鑑測量模型
15.1.3.5 評鑑結構模型
15.2 假設性資料
15.2.1 簡要語法
15.2.2 簡要報表
15.3 應用部分
15.3.1 範例說明
15.3.2 STATA語法
15.3.3 STATA語法說明
15.3.4 SmartPLS分析步驟圖
15.3.5 報表及解說
15.4 分析結論

參考書目
索引

序

　　在社會及行為科學的研究中，隨著研究方法的複雜及個人電腦的普及，應用多變量統計方法來分析資料的機會也相對增加。特別是近年來，各大學研究生人數逐年增加，基於學位論文撰寫的需要，多變量分析方法及統計套裝軟體的運用乃成為不可或缺的能力。另一方面，人工智慧及機器學習日益影響人類生活，而多變量分析方法也是其中重要的一環。

　　一九九四年，有鑑於初次接觸多變量統計分析的學習者經常對於電腦程式的撰寫及報表閱讀感到困難，當時是博士候選人的陳正昌及程炳林乃以國內較普遍的統計軟體為主，撰寫《SPSS、SAS、BMDP統計軟體在多變量統計上的應用》一書，介紹這三套軟體在多變量統計上的應用，並特別針對輸出報表做比較詳細的說明。

　　隨著電腦統計軟體視窗版的發展與更新，加上多變量分析方法不斷推陳出新，二○○三年，乃由陳正昌另外邀請陳新豐及劉子鍵一同參與改寫工作，合力完成《多變量分析方法─統計軟體應用》這一著作。感謝讀者的支持，使本書歷經六次出版（另有大陸簡體字版）；更有將近三千位博碩士生在學位論文中，以本書為參考文獻。

　　此次改版並更改書名為《多變量分析：使用SPSS與STATA》，由陳正昌獨力撰寫，並自行繪圖、排版。感謝程炳林與陳新豐兩位教授，同意引用部分手稿。在本書中，我挑選了較常用的主成分分析（principal component analysis）、探索性因素分析（exploratory factor analysis）、驗證性因素分析（confirmatory factor analysis）、集群分析（cluster analysis）、典型相關分析（canonical correlation analysis）、多元迴歸分析（multiple regression analysis）、徑路分析（path analysis）、邏輯斯迴歸分析（logistic regression analysis）、區別分析（discriminant analysis）、多變量平均數假設檢定（hypothesis testing for multivariate means）、多變量變異數分析 （multivariate analysis of variance）、多層次模型（multilevel modeling, MLM）、共變數結構方程模型（covariance-based structural equation modeling, CB-SEM）、偏最小平方結構方程模型（partial least squares structural equation modeling, PLS-SEM）等十五種方法加以介紹。在多數的章節中，第一部分均為理論的說明，第二部分為小型資料的簡要分析及說明，第三部分是應用各種統計軟體（以SPSS及STATA為主）配合實際的資料加以解說，第四部分則為統計摘要。

　　本書的主要分析工具是SPSS 29版（考量篇幅及翻譯精確性，操作畫面僅使用英文版示範，另附中文注解）及STATA 17版。與CB-SEM有關章節，配合Amos 29、Mplus 8、LISREL 10分析；PLS-SEM配合SmartPLS 4分析；MLM 也使用HLM 8及Mplus 8驗證分析結果。由於同一軟體的新舊版本之間差異並不大，因此本書也適用於早期的版本。在視窗環境中，許多統計套裝軟體已經不太需要撰寫程式，所以本書在SPSS 附有點取選單（menu）的圖示。不過，因為使用語法有其方便性，所以SPSS也配合使用撰寫程式的方式進行分析（程式中小寫部分為指令，讀者可以全部照引；大寫部分為變項，需要視個人資料加以更改）。STATA雖然也有選單可以分析，但是，多數研究者傾向使用指令分析，因此，本書僅附分析指令（STATA的指令為小寫，變數有大小寫區別，應多留意）。輸出報表部分，為了不增加太多的篇幅，都只選擇以SPSS為主要解說的依據，必要時再輔以其他軟體。幸好，較知名的統計套裝軟體之輸出結果差異都不大，讀者應該都可以從本書中找到需要的說明。

　　本書能夠順利出版，首先要感謝臺灣師範大學林清山教授，在多變量課程認真的教導，並細心地審閱第一版初稿，恩師提攜之情永難忘懷。其次，作者在政治大學研究所就學期間，接受林邦傑、馬信行、余民寧、郭貞、及詹志禹等教授在多變量統計相關課程的知識傳授，亦是本書得以完成的憑藉。在與程炳林、陳新豐、與劉子鍵三位教授合作的過程，充滿收穫與喜悅，感謝他們鼓勵我獨立完成此書。感謝學棣王光多老師及內人林素秋老師，協助校對，使本書錯誤減至最少。

　　五南圖書出版公司慨允出版，使本書歷經陳念祖、張毓芬、侯家嵐等三位主編，得以持續將近三十年。當然，許多讀者對本書的支持及指正，也是本書得以不斷改版的動力。

　　本書是我學術生涯中重要的著作，從出版到歷次修訂，花費了許多時間及心力才得以完成，它留下了多年來成長的紀錄，而此期間也得力於許多人的協助。當然，不論如何用心，錯誤疏漏之處或恐難免，敬祈諸位先進直接與我聯繫，提出批評指正，謹此表示感謝之意。如果需要資料檔進行練習，請到五南官網查詢1HAP下載。