醫護研究與資料分析：SPSS的應用

SPSS基本用法
1.1　資料檔案的製作法
1.2　資料的加工法

資料的表徵
2.1　次數分配表
2.2　簡單累計的圖形表現
2.3　資料檔案的製作法
2.4　交叉表與圖形表現
2.5　相關係數
2.6　層別的分析

統計推論
3.1　有關平均值的推論
3.2　關於變異數的推論
3.3　有關相關係數的推論
3.4　有關交叉表的推論
3.5　比率的推論

變異數分析
4.1　單因子變異數分析（一元配置變異數分析）
4.2　多重比較
4.3　二因子變異數分析（二元配置變異數分析）
4.4　多因子變異數分析（多元配置變異數分析）
4.5　直交表

複迴歸分析
5.1　簡單迴歸分析
5.2　複迴歸分析
5.3　非線性迴歸分析
5.4　多項式迴歸

無母數統計
6.1　簡介
6.2　適合度檢定
6.3　獨立性檢定
6.4　一致性檢定
6.5　Wilcoxon的等級和檢定
6.6　Wilcoxon的符號等級檢定
6.7　Kruskal．Wallis的檢定與多重比較
6.8　Friedman檢定與多重比較
6.9　Kendall一致性係數
6.10　Kappa一致性係數
6.11　常態性檢定（Shapiro-Wilk test）
6.12　兩組獨立樣本K-S檢定

測量的信度與效度
7.1　測量的信度
7.2　測量的效度
7.3　組內相關係數

主成分分析
8.1　主成分分析的概要
8.2　基於相關矩陣的主成分分析
8.3　基於共變異數矩陣的主成分分析
8.4　利用主成分分析檢出多變量偏離值

因素分析
9.1　因素分析的概要
9.2　因素的擷取
9.3　因素的轉軸
9.4　其他的分析

集群分析
10.1　觀察值的集群
10.2　變數的集群

區別分析
11.1　區別分析的概要
11.2　解析例1（3組的情形）
11.3　解析例2（2組時）
11.4　關於區別分析其他問題Q&A

Logistic迴歸分析
12.1　二元Logistic迴歸
12.2　多元Logistic迴歸

次序迴歸分析
13.1　簡介
13.2　案例
13.3　次序迴歸分析

對數線性模型
14.1　基本模型
14.2　Logit對數線性模型

存活分析
15.1　簡介
15.2　Kaplan-Meier Method
15.3　比例風險模型

典型相關分析
16.1　概要
16.2　解析例

多元尺度法
17.1　簡介
17.2　多元尺度法

多變量變異數分析
18.1　多變量變異數分析
18.2　多重比較
18.3　兩因子MANOVA

多變量共變數分析
19.1　簡介
19.2　獨立樣本單因子多變量共變數分析（一個共變量）
19.3　獨立樣本單因子多變量共變數分析（兩個共變量）
19.4　獨立樣本二因子多變量共變數分析（交互作用不顯著）
19.5　獨立樣本二因子多變量共變數分析（交互作用顯著）
 
廣義線性模型
20.1　廣義線性模型
20.2　廣義估計方程式

卜瓦松（Poisson）迴歸
21.1　簡介
21.2　Poisson迴歸模型
21.3　Poisson迴歸分析的步驟

機率單位（Probit）分析
22.1　Probit分析簡介
22.2　解析例
22.3　probit分析的步驟

神經網路—多層感知器
23.1　簡介
23.2　解析例
23.3　階層型神經網路的分析步驟

神經網路—放射狀基底函數
24.1　簡介
24.2　解析例

路徑分析
25.1　簡介
25.2　解析例
25.3　路徑分析

結構方程模型
26.1　結構方程模型基本概念
26.2　應用結構方程模型的理由
26.3　模型驗證的前提假設
26.4　模型架構與理論
26.5　SEM建構流程
26.6　分析結果的評估
26.7　解析例
26.8　共變異數構造分析

決策樹
27.1　簡介
27.2　解析例
24.3　決策樹的分析步驟

類別迴歸分析
28.1　簡介
28.2　案例
28.3　類別迴歸分析

PROCESS—調節變數與中介變數
29.1　簡介
29.2　Process軟體的下載

參考文獻
 

序

　　本書是以想利用SPSS的讀者為對象，就量化分析的各種方法，包括統計方法、多變量分析的具體計算方法，盡可能以容易理解的方式來撰寫，適用於醫護相關學系及研究所的授課教材，以及研究人士實務上進行資料分析時作為輔助工具。本書列舉許多實務上的例題，希望讓讀者在學習上能更加容易。本書的基本架構如下：

　　1. SPSS的基本操作放在第1篇當作基本篇，包括分割檔案、選擇觀察值、加權觀察值、聚集、計算變數、重新編碼變數、自動編碼、visual binning等之資料整理與加工方法。

　　2. 統計的分析方法放在第2篇當作統計篇，內容包括資料的表徵方法（描述性統計）、統計的推論（估計及檢定）、變異數分析、迴歸分析、無母數統計等一般統計分析的方法。

　　3. 多變量分析方法放在第3篇當作應用篇，包括測量的信度與效度、主成分分析、因素分析、集群分析、區別分析、Logistic迴歸分析、對數線性模型、典型相關分析、多元尺度法、多變量變異數分析、多變量共變數分析、Poisson迴歸、Probit分析、路徑分析、結構方程模型等較為廣泛的方法。

　　此外，第2篇及第3篇內文中的Q&A中，記述各種方法的數學原理，除揭示SPSS的用法外，也記載各種方法的原理、應用方法、分析結果的解釋。對SPSS的操作上有不明白之處，可提供快速導覽。

　　本書具體言之，是反映如下的讀者需求為目的所撰寫的。

　　（1） 在大學中曾學習過統計學，想利用軟體來計算的人。

　　（2） 對於如何判讀SPSS的輸出，未有足夠知識的人。

　　（3） 想了解SPSS基本用法的人。

　　（4） 想透過SPSS使用實際的資料學習多變量分析的基本原理的人。

　　（5） 對於論文或研究報告中出現的統計資料分析結果卻不知如何解釋而感到苦惱的人。

　　本書最大的特色在於各篇中均安排有Q&A，在SPSS及資料分析的用法上感到困擾時，可提供協助，此外，本書中所舉的案例也提供數據檔提供讀者方便使用。

　　本書所記述的解析例，原則上是使用SPSS中文22.0版計算的。本書的主要目的是在於讓讀者理解統計學的基礎而使用SPSS作為計算的手段。因此，讀者使用的版本只要不要太舊，基本上都不會有問題。一般來說，學習量化方法不一定經常需要最新的版本。

　　SPSS包含有多種分析模組，如將各種分析模組全部包含在內時，會使本書增厚不少，筆者認為與其網羅SPSS的全部方法，不如將重點放在泛用性較高的分析方法進行解說，其他則請參閱相關書籍。

　　使用本書時在統計學的授課中，「統計篇」的部分約略相當於半年的課程，而在多變量分析的授課中，「應用篇」的部分也約略相當於半年的課程，而「統計篇」加上「應用篇」的部分則相當於一年。在大學中對「敘述統計」、「統計檢定」、「變異數分析」、「複迴歸分析」等的基礎統計已有足夠的知識及對實際的資料有過應用的研究生，則可跳過「統計篇」直接進入「應用篇」。當然，如使用上有不明之處，也可多活用Q&A的說明。

　　最後，希望能透過本書的學習來提升您資料分析的能力是作者的期待與榮幸。書中若有謬誤之處尚請不吝指正。