庫存狀況
「香港二樓書店」讓您 愛上二樓●愛上書
我的購物車 加入會員 會員中心 常見問題 首頁
「香港二樓書店」邁向第一華人書店
登入 客戶評價 whatsapp 常見問題 加入會員 會員專區 現貨書籍 現貨書籍 購物流程 運費計算 我的購物車 聯絡我們 返回首頁
香港二樓書店 > 今日好書推介
   
二樓書籍分類
 
Stata在結構方程模型及試題反應理論的應用

Stata在結構方程模型及試題反應理論的應用

沒有庫存
訂購需時10-14天
9789571190594
張紹勳
五南
2017年4月01日
267.00  元
HK$ 253.65  

 $13.35





ISBN:9789571190594
  • 叢書系列:研究方法系列
  • 規格:平裝 / 664頁 / 19 x 26 cm / 普通級
    研究方法系列


  • 商業理財 > 會計/統計 > 統計軟體分析











      結構方程模型(structural equation modeling, SEM)是一種結合路徑分析(path analysis)與因素分析(factor analysis)的多元統計技術。在社會科學的研究中,除實驗取向的研究之外,其他涉及量化數據的研究,都離不開此一典範的思維模式,因此,我們更可以把他定位成當代量化研究的主要統計方法學典範。



      Stata延伸了線性SEM之優點,並且開展出gsem指令來分析廣義SEM,包括:多層次SEM、probit迴歸、重複量數、類別變數、分群組SEM等;可分析的變數類型則包括:類別變數、二分變數、次序變數、計數(count)變數、連續變數等。換言之,Stata 可說是「廣義結構方程模型」最成功的推手。在最新的Stata 14版本中,更增加了IRT四種資料型態:二元、比序、類別及混合模型之建模、報表及IRT曲線特徵圖,大大提昇研究者使用的方便性。



      本書提供完整的Stata分析實作範例,從統計方法原理,到軟體操作的流程都予以詳細解說,希望能幫助研究者在自己的專業領域做出有效的整合應用。



    本書特色



      ●一本學通!當代量化研究的主要統計方法學典範:結構方程模型(SEM)。

      ●扎實的統計方法說明,並提供不同情境的實證分析範例。

      ●圖片詳解操作流程,無痛學習地表最強統計軟體──Stata。

      ●本書範例檔案建議使用Stata 13或更新版本執行。

      ◎隨書附贈資料檔光碟

    ?





    自序



    Chapter 01 結構方程模型簡介

    1-1 結構方程模型之介紹

    1-1-1 Generalized SEM 特殊案例的統計分析

    1-1-2 SEM 基本概念

    1-1-3 SEM 的參數

    1-1-4 模型認定:t-rule

    1-1-5 Path diagrams 代表的指令意義

    1-1-6 SEM 整體適配度的類型

    1-1-7 sem/gsem 之事後(Postestimation) 指令

    1-1-8 Stata 輸入資料格式(ssd 格式檔)

    1-2 Stata gsem 之功能

    1-2-1 線性sem 功能

    1-2-2 廣義SEM 的課外補充( 相關網站查詢)



    Chapter 02 結構方程模型之數學式

    2-1 結構方程模型

    2-2 因素分析

    2-3 探索性因素vs. 驗證性因素分析

    2-4 SEM 資料分析流程

    2-4-1 SEM 分析流程及信效度公式

    2-4-2 SEM 參數標註的寫法

    2-4-3 共變數推導的定理

    2-4-4 測量模型的檢定

    2-5 結構模型分析(SEM)



    Chapter 03 Full SEM 分析實例:員工教育訓練

    績效評估模型 109

    3-0 結構方程模型之重點整理

    3-1 員工教育訓練績效之建模

    3-1-1 研究背景與動機

    3-1-2 研究目的

    3-1-3 研究方法與步驟

    3-2 研究

    3-2-1 研究架構

    3-2-2 研究假設

    3-2-3 問卷發展與施測

    3-2-4 預試(pilot study)

    3-2-5 抽樣設計

    3-2-6 統計分析法

    3-3 樣本特徵分析

    3-4 Full SEM 分析結果與討論

    3-4-1 結構方程模型實證分析

    3-4-2 整體架構直接與間接效果分析

    3-4-3 研究假設分析

    3-4-4 檢定力(power) 分析

    3-4-5 多樣本之交叉效度(Cross-Validation) 分析:測量不變性



    Chapter 04 sem 實例分析、Builder 介面操作

    4-1 SEM 之適配度、遺漏值

    4-1-1 SEM 分析步驟

    4-1-2 SEM 之適配度

    4-1-3 linear SEM �廣義gsem 事後檢定之指令

    4-1-4 線性SEM 估計法:含遺漏值

    4-2 線性SEM 之特殊迴歸

    4-2-1 相關分析

    4-2-2 多變量迴歸(Multivariate regression):非線性迴歸

    4-2-3 納入測驗信度之迴歸式

    4-2-4 驗證因素分析(CFA):Measurement models

    4-2-4a 單因子測量模型(Single-factor measurement model)

    4-2-4b Two-factor 測量模型:Equation-level goodness-of-fit

    4-2-4c Two-factor 測量模型:Group-level GOF( 交叉效度)

    4-2-4d 多樣本Two-factor CFA:Testing parameter equality across groups ( 測量不變性)

    4-2-4e 整體goodness-of-fit statistics for linear SEM

    4-2-4f 高階驗證因素分析(Higher-order CFA 模型)

    4-2-5 階層(Hierarchical) 驗證性因素:Higher-order CFA

    4-2-6a 完整(full) 結構模型:panel data 模型的信度及穩定度

    4-2-6b panel data 模型:Modification indices

    4-2-7a 單層(One-level) 之中介效果

    4-2-7b Two-level 之中介(Mediation) 效果

    4-2-8 MIMIC 模型及Residual analysis for linear SEM

    4-2-9 潛在成長曲線模型(Latent growth curve models)

    4-2-10 Correlated uniqueness 模型:Multitrait-Multimethod (MTMM)

    4-2-11 似不相關迴歸模型(Seemingly Unrelated Regression)

    4-2-12 非遞迴模型的穩定性:直接�間接效果



    Chapter 05 Generalized SEM 之分析

    5-1 認識Generalized SEM

    5-1-1 Generalized SEM 的介紹

    5-1-2 廣義gsem 與線性sem 指令,二者的差異比較

    5-1-3 Generalized SEM 的分配(Family)

    5-1-4 Generalized SEM 的特性

    5-1-5 gsem 指令之事後檢定

    5-2 測量模型(generalized response)

    5-2-1 單因子measurement model (generalized response)

    5-2-2 雙因子measurement model:Likert 量表vs. 測驗卷的迴歸分析

    5-3 Multilevel 模型

    5-3-1 雙層次測量模型( 廣義反應變數)

    5-3-2 Multilevel mediation models

    5-3-3 三層次模型(generalized response)

    5-4 Logistic 迴歸 ( 廣義反應變數)

    5-5 generalized responses 的組合模型:logit + poisson 迴歸

    5-6 多類別(multinomial) 反應變數的logit 迴歸

    5-7 MIMIC 模型(generalized indicators)

    5-8 序位反應變數之機率迴歸(Ordered probit regression)

    5-9 試題反應理論(Item response theory, IRT)

    5-9-1 試題反應理論(IRT) 之介紹

    5-9-2 單參數之試題反應理論(IRT):Rasch 模型分析

    5-9-3 STATA 試題反應理論之irt 指令

    5-9-4 雙參數之試題反應理論(IRT)

    5-10 gsem 指令之網站補充的特殊迴歸

    ?









      結構方程模型(Structural equation modeling, SEM),它已是社會科學之標準多變量統計技術(Standard multivariate technique)。



      Stata 已超越LISREL、SIMPLIS、AMOS、EQS、Mplus、Mx、Statistica、SAS PROC CALIS、COSAN、LVPLS 等軟體。Stata 延伸了線性SEM 之優點,並且開展出gsem 指令來分析廣義SEM( 多層次SEM、probit 迴歸、重複量數、類別變數、分群組SEM?),故可分析變數類型,包括:類別變數、二分變數、次序變數、計數(count) 變數、連續等變數。Stata 可說是「廣義結構方程模型」最成功的推手。即使,非常態分配(Nonnormal Variables)、類別結果(Categorical outcomes) 之變數( 如dichotomous, ordinal, Multinomial、次數變數?)、試題反應理論(IRT) 也都可納入sem/ gsem 分析。



      此外,Stata v14 介面增加了IRT 四種資料型態:二元、比序、類別及混合模型之建模、報表及IRT 曲線特徵圖,介面操作簡單易用。



      SEM 是聯立迴歸方程式,它同時估計多個自變數,依變數和潛變量之間關係的廣義線性模型(general linear model) 的進階。Stata 廣義SEM 的估計法,包括Stata 指令「reg、probit、stcox、mixed」,即Stata SEM的估計法,包括OLS 法、線性機率迴歸法、Cox 比例風險模型(proportional hazards model)、多層次(Multilevel)mixed-effects linear ( 或logistic /Poisson) 迴歸分析。



      Stata 分析SEM,有二種方法:sem 或gsem 指令、SEM Builder 圖形介面。其中,Builder 圖形介面( 很像AMOS) 更是簡單易用,人人很容易上手。



      有鑑於STATA 分析功能龐大,故作者將撰寫一系列的STATA 的書,包括:



      1. STATA與高等統計分析。

      2. Stata在財務金融與經濟分析的應用。

      3. Stata在結構方程模型及試題反應理論的應用。

      4. Panel-data迴歸模型:Stata在廣義時間序列的應用。



      以上一系列的STATA 書,適用於:基礎研究、生物學、醫學、心理學、社會學、刑事司法,金融和經濟學,政治學,市場營銷,生態學,教育學和遺傳學等領域,期望這一系列STATA 書能夠對學術研究、實務問題決能有拋磚引玉的效果,成果能夠開枝散葉。



      本書內容,著重理論、統計及方法三者的結合。畢竟工欲善其事,必先利其器。研究者除了要精通自己領域的「理論」基礎外,正確選用創新性之「研究法」及「統計」技術( 即STATA 分析實作),三者間如何有效整合應用,更是成為頂尖研究者不可缺乏的基本功夫。本書中每章都有STATA analysis 範例,其中滲雜了許多實證分析的範例,讓你實際操作分析,進而能輕鬆了解STATA 分析的程序與應用,啟發你的靈感(Insight)。



      最後,特感謝全傑科技公司(www.softhome.com.tw),提供STATA 軟體,晚學才有機會撰寫STATA 一系列的書,以嘉惠學習者。

    ?
    張紹勳 敬上




    其 他 著 作
    1. 偏最小平方法的結構方程模型(PLS-SEM):應用SmartPLS
    2. 機器學習(Lasso推論模型):使用Stata、Python分析
    3. Meta分析實作:使用Stata
    4. Meta分析實作:使用Excel與CMA程式(2版)
    5. 研究方法:社會科學與生醫方法論
    6. 大數據分析概論
    7. 物聯網概論?
    8. 人工智慧(AI)與貝葉斯(Bayesian)迴歸的整合:應用STaTa分析
    9. 邏輯斯迴歸分析及離散選擇模型:應用SPSS
    10. 存活分析及ROC:應用SPSS
    11. 多層次模型(HLM)及重複測量:使用SPSS分析
    12. 多變量統計之線性代數基礎:應用SPSS分析
    13. 高等統計:應用SPSS分析
    14. 多變量統計之線性代數基礎:應用STaTa分析
    15. 有限混合模型(FMM):STaTa分析(以EM algorithm做潛在分類再迴歸分析)
    16. 邏輯斯迴歸及離散選擇模型:應用STaTa統計
    17. 多層次模型(HLM)及重複測量:使用STaTa
    18. 生物醫學統計:使用Stata分析
    19. STATA在財務金融與經濟分析的應用
    20. Panel-data迴歸模型:Stata在廣義時間序列的應用
    21. Stata與高等統計分析
    22. Meta分析實作:使用Excel與CMA程式
    23. 計量經濟及高等研究法(附光碟)
    24. 模糊多準則評估法及統計