有限混合模型（FMM）：STaTa分析（以EM algorithm做潛在分類再迴歸分析）
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
內容簡介
本書特色：
•本書架構循序漸進，有步驟地說明有限混合模型(FMM)的原理和應用實例分析。
•STaTa提供十七種有限混合模型(FFM)的估計法，功能十分龐大，您不能不知！
•本書內容融合理論、方法及統計，每章節均輔以實例示範，學習效率提升。
•適用於教育學、心理學、社會科學、生產管理、經濟、風險管理、人資管理、航運管理、財務金融、會計、公共衛生、工業工程等學術領域。
•隨書附贈資料檔光碟。
有限混合模型(FMM)為一種混合分布的機率模型，其假定原始實測資料係自眾多但有限的未知分布得來，而FMM模型的EM演算法可自行分類，以減少模型因存在不同異質體而導致偏誤的結果。其框架提供了一個方便且靈活的方法來模擬複雜的異質資料庫。坊間常見的四十一種軟體，例如：SAS、R和SPSS等大型資料庫之檔案格式，都可轉至STaTa進行分析，STaTa亦提供十七種有限混合模型(FFM)的估計法，功能十分龐大、實用。有限混合模型(FMM) 早期應用在天文學、生物學、經濟學、工程學、市場行銷、醫學，現已流行於教育學、心理學、社會科學、人資管理、生產管理、航運管理、財務金融、會計等專業領域。
本書章節內容包含線性迴歸、次序迴歸、Logistic迴歸、多項Logistic迴歸、count迴歸、零膨脹迴歸、參數型存活迴歸、2SLS線性迴歸、order迴歸、Beta迴歸…等理論與實證研究，隨書附贈光碟資料檔，讓研究者在詳閱本書後，在進行此類研究方法的分析實作時，能得心應手並獲得最佳的研究成果。
•本書架構循序漸進，有步驟地說明有限混合模型(FMM)的原理和應用實例分析。
•STaTa提供十七種有限混合模型(FFM)的估計法，功能十分龐大，您不能不知！
•本書內容融合理論、方法及統計，每章節均輔以實例示範，學習效率提升。
•適用於教育學、心理學、社會科學、生產管理、經濟、風險管理、人資管理、航運管理、財務金融、會計、公共衛生、工業工程等學術領域。
•隨書附贈資料檔光碟。
有限混合模型(FMM)為一種混合分布的機率模型，其假定原始實測資料係自眾多但有限的未知分布得來，而FMM模型的EM演算法可自行分類，以減少模型因存在不同異質體而導致偏誤的結果。其框架提供了一個方便且靈活的方法來模擬複雜的異質資料庫。坊間常見的四十一種軟體，例如：SAS、R和SPSS等大型資料庫之檔案格式，都可轉至STaTa進行分析，STaTa亦提供十七種有限混合模型(FFM)的估計法，功能十分龐大、實用。有限混合模型(FMM) 早期應用在天文學、生物學、經濟學、工程學、市場行銷、醫學，現已流行於教育學、心理學、社會科學、人資管理、生產管理、航運管理、財務金融、會計等專業領域。
本書章節內容包含線性迴歸、次序迴歸、Logistic迴歸、多項Logistic迴歸、count迴歸、零膨脹迴歸、參數型存活迴歸、2SLS線性迴歸、order迴歸、Beta迴歸…等理論與實證研究，隨書附贈光碟資料檔，讓研究者在詳閱本書後，在進行此類研究方法的分析實作時，能得心應手並獲得最佳的研究成果。
目錄
自序
Chapter01 地表最強的統計軟體STaTa
1-1 STaTa 如何讀入各種資料格式
1-1-1 SPSS 資料檔(*.sav) 轉成STaTa 格式
1-1-2 SAS 格式轉成STaTa
1-1-3 R 軟體之格式轉成STaTa
1-2 STaTa 是地表最強大的統計軟體
1-2-1 有限混合模型(finite mixtures models, FMM): EM algorithm指令
1-2-2 單層次：連續vs. 類別依變數迴歸之種類
1-2-3 STaTa 多層次混合模型的迴歸種類
1-2-4 STaTa panel-data 迴歸的種類
1-2-5 STaTa 流行病(epidemiologists) 之選擇表對應的指令
1-2-6 STaTa 存活分析的選擇表之對應指令
1-2-7 STaTa 縱貫面—時間序列之選擇表
1-2-8 依變數binary outcome 之STaTa 選擇表
1-3 評比敵對模型，適配指標有八種
Chapter02 有限混合模型(finite mixtures models, FMM配搭十七種指令)
2-1 有限混合模型(finite mixtures models, FMM)
2-1-1 高斯混合模型(Gaussian mixture model，簡稱GMM)
2-1-2 單一高斯機率密度函數的參數估測法
2-1-3 有限混合模型之對應指令
2-1-4a 有限混合模型之應用領域
2-1-4b 有限混合模型之研究議題
2-2 Gaussian 混合模型(GMM) 使用expectation maximization(EM) 技術
2-2-1 高斯混合模型與最大期望(EM) 演算法
2-2-2 EM algorithm 範例解說
2-3 高斯(Gaussian) 混合模型應用在圖形辨識
2-3-1 K-Means 分類(classifier) 法，如何演變成EM algorithm 呢？
2-3-2 EM-GMM 建立的流程
2-3-3 期望值最大演算法(expectation maximization, EM) 之解說
2-3-4 EM algorithm 如何找出高斯混合模型(GMM) 潛在類別之解說？
2-3-5 混合模型、潛在類別(class) 和EM 演算法(mixture model,latent class and EM algorithm)
2-4 最大概似(ML)vs. 期望值最大(EM) 演算法
2-4-1a 最大概似(ML) ≠概似比(LR)
2-4-1b EM 與ML 的關係解說
2-4-2a EM 演算法是使訓練數據的對數概似函數最大化( 重點解說)
2-4-2b 聚類(clustering) EM algorithm：簡單版
2-4-2c EM 演算法的推導(derivation of EM algorithm)
2-5 EM 演算法的工科論文
2-5-1 EM 演算法的範例：圖形模式分類(pattern classification)
2-5-2 EM 演算法的論文：圖像分割(image segmentation)
Chapter03 高斯混合模型(fmm: regression 指令)、異質線性迴歸
3-1 機率密度函數(probability density function) 常見有十種
3-2 單一常態( 高斯) 分布之迴歸分析
3-3 單一分布之線性迴歸概念
3-3-1a 單層次固定效果：最小平方法OLS 重點整理(regress 指令)
3-3-1b 單層次固定效果：最小平方法(OLS) 七個假定的診斷及補救法
3-3-2 最小平方法(OLS) vs. 概似法
3-3-3 單一分布之各類型迴歸
3-3-4 Type I 誤差α、Type II 誤差β、檢定力：ROC 圖的切斷點
3-4 雙高斯混合模型之解說
3-4-1 EM 演算法如何求解高斯混合模型？
3-4-2 混合模型有十七種：STaTa 指令語法
3-4-3a 雙高斯混合模型：重點回顧
3-4-3b EM 演算法是使訓練數據的對數概似函數最大化：簡單版
3-4-3c 雙高斯混合模型(fmm 2: regress指令)：婦女全薪wagefull
3-4-4 參高斯混合模型(fmm 3: regress 指令)：Ln(醫療花費)
Chapter04 有限混合模型：線性迴歸(fmm:開頭指令)
4-1 內生共變數之線性迴歸(2SLS)(ivregression) 指令
4-2 工具變數及兩階段最小平方法(2SLS) (ivregression) 指令
4-2-1 進行OLS 統計分析時應注意之事項
4-2-2 工具變數(IV) 之重點整理
4-2-3 隨機解釋變數X(random regressor) 與工具變數Z(instrumental variable)
4-2-4a 單一工具變數及單一內生變數：內生性檢定
4-2-4b 兩階段最小平方法迴歸：Wu-Hausman 內生性檢定(estatendogenous指令)
4-2-5 為何需要多個工具變數？
4-2-6 工具變數(instrumental variables) 在教育應用 .
4-2-7 兩階段迴歸vs. 最小平方法迴歸之練習題
4-3 橫斷面/panel：如何偵測需要工具變數呢？
4-3-1 為何「教育水準」需要多個工具變數Z 呢？
4-3-2 橫斷面Hausman 檢定：OLS vs. 2SLS 誰優？(hausman 指令)
4-3-3 Panel-data Hausman-Taylor 法：需工具變數嗎？(xthtaylor)
4-4 內生共變數之混合模型(2SLS)(fmm : ivregression) 指令)
4-4-1 2SLS 混合模型
4-4-2 內生共變數之線性迴歸混合模型(2SLS)(fmm: ivregression) 指令：房租之影響因素
Chapter05 有限混合模型：logistic 迴歸(fmm:開頭指令)
5-1 logistic 迴歸之概念
5-1-1 logistic 迴歸假定、迴歸式解說
5-1-2 STaTa 之單一binary regression 選擇表之對應指令
5-2 單一邏輯斯迴歸的入門
5-2-1a 單模型之logistic 迴歸分析：年齡與罹患冠心病(CHD)關係
5-2-1b 單一logistic 迴歸之再練習：年齡與罹患冠心病(CHD)關係
5-3 對數常態(log-normal) 分布、對數logistic (log-log) 分布
5-3-1 對數常態(log-normal) 分布：偏態分布
5-3-2 對數邏輯斯分布(log-logistic)：偏態分布
5-4 雙邏輯斯混合模型(fmm 2 : logit指令)：電子支付之因素
5-5 雙機率混合模型(fmm 2: probit指令)：電子支付之因素
5-5-1 線性機率迴歸模型(probit regression) vs. logistic 模型
5-5-2 雙機率迴歸分析：電子支付影響因素
5-6 雙complementary log-logistic 模型(fmm 2: cloglog 指令)：電子支付之因素
5-6-1 對數- 邏輯斯模型(complementary log-logistic model)
5-6-2 雙「對數- 邏輯斯」模型(complementary log-log model)：電子支付
Chapter06 有限混合模型：多項Logit 迴歸(「fmm:」開頭mlogit 等指令)
6-1 離散選擇模型(asmprobit、mlogit、fmlogit、bayes: mlogit、mprobit、clogit、asclogit、ologit、logit、xtologit、zip 等指令)
6-1-1 離散選擇模型(DCM) 概念
6-1-2 離散選擇模型(DCM) 之數學式：以住宅選擇為例
6-2 單分布之多項邏輯斯模型(multinominal logit model, MNL)
6-3 Multinomial logit 迴歸分析：職業選擇種類(mlogit 指令)
6-4 多項邏輯斯迴歸分析：乳房攝影(mammo-graph) 選擇的因素(mlogit 指令)
6-5 多項機率迴歸分析(multinomial probit regression)：三種保險的選擇(mprobit 指令)
6-6 多項式邏輯斯迴歸
6-6-1 個人化的行為預測和市場區隔的行為預測何者較有效度?
6-6-2 品牌選擇行為模型：隨機效用模型vs. 混合分群之多項式邏輯斯迴歸模型
Chapter01 地表最強的統計軟體STaTa
1-1 STaTa 如何讀入各種資料格式
1-1-1 SPSS 資料檔(*.sav) 轉成STaTa 格式
1-1-2 SAS 格式轉成STaTa
1-1-3 R 軟體之格式轉成STaTa
1-2 STaTa 是地表最強大的統計軟體
1-2-1 有限混合模型(finite mixtures models, FMM): EM algorithm指令
1-2-2 單層次：連續vs. 類別依變數迴歸之種類
1-2-3 STaTa 多層次混合模型的迴歸種類
1-2-4 STaTa panel-data 迴歸的種類
1-2-5 STaTa 流行病(epidemiologists) 之選擇表對應的指令
1-2-6 STaTa 存活分析的選擇表之對應指令
1-2-7 STaTa 縱貫面—時間序列之選擇表
1-2-8 依變數binary outcome 之STaTa 選擇表
1-3 評比敵對模型，適配指標有八種
Chapter02 有限混合模型(finite mixtures models, FMM配搭十七種指令)
2-1 有限混合模型(finite mixtures models, FMM)
2-1-1 高斯混合模型(Gaussian mixture model，簡稱GMM)
2-1-2 單一高斯機率密度函數的參數估測法
2-1-3 有限混合模型之對應指令
2-1-4a 有限混合模型之應用領域
2-1-4b 有限混合模型之研究議題
2-2 Gaussian 混合模型(GMM) 使用expectation maximization(EM) 技術
2-2-1 高斯混合模型與最大期望(EM) 演算法
2-2-2 EM algorithm 範例解說
2-3 高斯(Gaussian) 混合模型應用在圖形辨識
2-3-1 K-Means 分類(classifier) 法，如何演變成EM algorithm 呢？
2-3-2 EM-GMM 建立的流程
2-3-3 期望值最大演算法(expectation maximization, EM) 之解說
2-3-4 EM algorithm 如何找出高斯混合模型(GMM) 潛在類別之解說？
2-3-5 混合模型、潛在類別(class) 和EM 演算法(mixture model,latent class and EM algorithm)
2-4 最大概似(ML)vs. 期望值最大(EM) 演算法
2-4-1a 最大概似(ML) ≠概似比(LR)
2-4-1b EM 與ML 的關係解說
2-4-2a EM 演算法是使訓練數據的對數概似函數最大化( 重點解說)
2-4-2b 聚類(clustering) EM algorithm：簡單版
2-4-2c EM 演算法的推導(derivation of EM algorithm)
2-5 EM 演算法的工科論文
2-5-1 EM 演算法的範例：圖形模式分類(pattern classification)
2-5-2 EM 演算法的論文：圖像分割(image segmentation)
Chapter03 高斯混合模型(fmm: regression 指令)、異質線性迴歸
3-1 機率密度函數(probability density function) 常見有十種
3-2 單一常態( 高斯) 分布之迴歸分析
3-3 單一分布之線性迴歸概念
3-3-1a 單層次固定效果：最小平方法OLS 重點整理(regress 指令)
3-3-1b 單層次固定效果：最小平方法(OLS) 七個假定的診斷及補救法
3-3-2 最小平方法(OLS) vs. 概似法
3-3-3 單一分布之各類型迴歸
3-3-4 Type I 誤差α、Type II 誤差β、檢定力：ROC 圖的切斷點
3-4 雙高斯混合模型之解說
3-4-1 EM 演算法如何求解高斯混合模型？
3-4-2 混合模型有十七種：STaTa 指令語法
3-4-3a 雙高斯混合模型：重點回顧
3-4-3b EM 演算法是使訓練數據的對數概似函數最大化：簡單版
3-4-3c 雙高斯混合模型(fmm 2: regress指令)：婦女全薪wagefull
3-4-4 參高斯混合模型(fmm 3: regress 指令)：Ln(醫療花費)
Chapter04 有限混合模型：線性迴歸(fmm:開頭指令)
4-1 內生共變數之線性迴歸(2SLS)(ivregression) 指令
4-2 工具變數及兩階段最小平方法(2SLS) (ivregression) 指令
4-2-1 進行OLS 統計分析時應注意之事項
4-2-2 工具變數(IV) 之重點整理
4-2-3 隨機解釋變數X(random regressor) 與工具變數Z(instrumental variable)
4-2-4a 單一工具變數及單一內生變數：內生性檢定
4-2-4b 兩階段最小平方法迴歸：Wu-Hausman 內生性檢定(estatendogenous指令)
4-2-5 為何需要多個工具變數？
4-2-6 工具變數(instrumental variables) 在教育應用 .
4-2-7 兩階段迴歸vs. 最小平方法迴歸之練習題
4-3 橫斷面/panel：如何偵測需要工具變數呢？
4-3-1 為何「教育水準」需要多個工具變數Z 呢？
4-3-2 橫斷面Hausman 檢定：OLS vs. 2SLS 誰優？(hausman 指令)
4-3-3 Panel-data Hausman-Taylor 法：需工具變數嗎？(xthtaylor)
4-4 內生共變數之混合模型(2SLS)(fmm : ivregression) 指令)
4-4-1 2SLS 混合模型
4-4-2 內生共變數之線性迴歸混合模型(2SLS)(fmm: ivregression) 指令：房租之影響因素
Chapter05 有限混合模型：logistic 迴歸(fmm:開頭指令)
5-1 logistic 迴歸之概念
5-1-1 logistic 迴歸假定、迴歸式解說
5-1-2 STaTa 之單一binary regression 選擇表之對應指令
5-2 單一邏輯斯迴歸的入門
5-2-1a 單模型之logistic 迴歸分析：年齡與罹患冠心病(CHD)關係
5-2-1b 單一logistic 迴歸之再練習：年齡與罹患冠心病(CHD)關係
5-3 對數常態(log-normal) 分布、對數logistic (log-log) 分布
5-3-1 對數常態(log-normal) 分布：偏態分布
5-3-2 對數邏輯斯分布(log-logistic)：偏態分布
5-4 雙邏輯斯混合模型(fmm 2 : logit指令)：電子支付之因素
5-5 雙機率混合模型(fmm 2: probit指令)：電子支付之因素
5-5-1 線性機率迴歸模型(probit regression) vs. logistic 模型
5-5-2 雙機率迴歸分析：電子支付影響因素
5-6 雙complementary log-logistic 模型(fmm 2: cloglog 指令)：電子支付之因素
5-6-1 對數- 邏輯斯模型(complementary log-logistic model)
5-6-2 雙「對數- 邏輯斯」模型(complementary log-log model)：電子支付
Chapter06 有限混合模型：多項Logit 迴歸(「fmm:」開頭mlogit 等指令)
6-1 離散選擇模型(asmprobit、mlogit、fmlogit、bayes: mlogit、mprobit、clogit、asclogit、ologit、logit、xtologit、zip 等指令)
6-1-1 離散選擇模型(DCM) 概念
6-1-2 離散選擇模型(DCM) 之數學式：以住宅選擇為例
6-2 單分布之多項邏輯斯模型(multinominal logit model, MNL)
6-3 Multinomial logit 迴歸分析：職業選擇種類(mlogit 指令)
6-4 多項邏輯斯迴歸分析：乳房攝影(mammo-graph) 選擇的因素(mlogit 指令)
6-5 多項機率迴歸分析(multinomial probit regression)：三種保險的選擇(mprobit 指令)
6-6 多項式邏輯斯迴歸
6-6-1 個人化的行為預測和市場區隔的行為預測何者較有效度?
6-6-2 品牌選擇行為模型：隨機效用模型vs. 混合分群之多項式邏輯斯迴歸模型
序／導讀
序
混合模型(mixture model) 旨在密度估計、聚類資料(clustered data)、區別(discriminant) 分析，後來演變成「潛在類(unobserved classes) 迴歸預測」的工具。
混合模型框架提供了一個方便且靈活的方法來模擬複雜的異質(heterogeneous) 資料庫( 如生物學研究中通常會出現的資料集)，例如：細胞計數數據和微陣列數據的分析、大型生物醫學資料集之減少維度、非對稱和非常態集群。有限混合模型(FMM) 早期應用在天文學(astronomy)、生物學(biology)、經濟學(economics)、工程學(engineering)、遺傳學(genetics)、市場行銷(marketing)、醫學(medicine)、精神病學(psychiatry)，現已流行於教育學、心理學、社會科學、人管、生產管理、經濟系、風險管理系、航運管理、財務金融、會計、公
共衛生、工業工程、土木⋯⋯。
本書有限混合模型(FMM)，包括線性迴歸、次序迴歸、logistic 迴歸、多項 logistic 迴歸、count 迴歸、零膨脹迴歸、參數型存活迴歸、2SLS 線性迴歸、order 迴歸、Beta 迴歸等理論與實證研究。
本書第一章先介紹SAS、R 和SPSS 如何轉成STaTa，坊間常見的四十一種軟體及大型資料庫之檔案格式，都可轉至STaTa 來分析。STaTa 也是大數據分析很好的工具。
FMM 旨在「先求潛在分類(unobserved classes)，再各類分別求其迴歸式」。
STaTa 提供十七種有限混合模型(FMM)，僅logistic 迴歸的應用領域，就有下列十三種：
(1) 公共衛生領域：某傳染病的死亡因素。
(2) 生物醫學領域：癌症患者放射線治療對產生副作用、腎虛症與骨質疏鬆症關聯性、憂鬱症狀之影響因子等Logistic 分析⋯⋯。
(3) 工程類中的建物地震損害程度評估模型、絕緣礙子火花偵測系統。
(4) 商業領域：客戶關係管理、公司企業的存活；市場研究之消費者對特定商品購買時間、客戶忠誠度；或者商業上客戶資料管理、行銷、企業倒閉、員工離職。
(5) 財務金融領域：個人消費性貸款、法人金融預警分析等。
(6) 保險統計學及人口統計學中的投保與否。
(7) 社會學中的事件歷史分析，研究女性婚姻抉擇因素、高齡人口選擇未來養老居住方式⋯⋯。
(8) 法學研究：犯罪的因素等。
(9) 工業領域：可靠度分析、工業製成、產品cycle。
(10) 經濟研究：失業的因素，從就業時間到失業時間，到再就業時間等。
(11) 教育領域：老師離職、學生休退學/ 吸毒的因素等。
(12) 財管領域：財務危機與轉投資活動關係、貸款授信違約風險評估、銀行放款信用評等、應收帳款呆帳預測等。
(13) 行銷/ 企管類：旅客參與觀光旅遊線之消費型態、汽車保險續保、. 投資型保險商品購買預測等。
有鑑於STaTa 是地表最強統計軟體，故作者將撰寫一系列STaTa 的書籍，包括：
一、《STaTa 與高等統計分析的應用》一書，該書內容包括描述性統計、樣本數的評估、變異數分析、相關、迴歸建模及診斷、重複測量⋯⋯。
二、《STaTa 在結構方程模型及試題反應理論》一書，該書內容包括路徑分析、結構方程模型、測量工具的信效度分析、因素分析⋯⋯。
三、《STaTa 在生物醫學統計分析》一書，該書內容包括類別資料分析( 無母數統計)、logistic 迴歸、存活分析、流行病學、配對與非配對病例對照研究資料、盛行率、發生率、相對危險率比、勝算比(odds ratio) 的計算、篩檢工具與 ROC 曲線、工具變數(2SLS)⋯⋯Cox 比例危險模型、Kaplan-Meier 存活模型、脆弱性之Cox 模型、參數存活分析有六種模型、加速失敗時間模型、panel-data 存活模型、多層次存活模型⋯⋯
四、《Meta 統計分析實作：使用Excel 與CMA 程式》一書，該書內容包括統合分析(meta-analysis)、勝算比(odds ratio)、風險比、四種有名效果量(ES) 公式之單位變換等。
五、《Panel-data 迴歸模型：STaTa 在廣義時間序列的應用》一書，該書內容包括多層次模型、GEE、工具變數(2SLS)、動態模型⋯⋯。
六、《STaTa 在總體經濟與財務金融分析的應用》一書，該書內容包括誤差異質性、動態模型、序列相關、時間序列分析、VAR、共整合等。
七、《多層次模型(HLM) 及重複測量：使用STaTaa》一書，該書內容包括線性多層次模型vs. 離散型多層次模型、計數型多層次模型、存活分析之多層次模型、非線性多層次模型⋯⋯。
八、《模糊多準評估法及統計》一書，該書內容包括AHP、ANP、TOPSIS、Fuzzy 理論、Fuzzy AHP 等理論與實作。
九、《邏輯斯迴歸及離散選擇模型：應用STaTa 統計》一書，該書內容包括邏輯斯迴歸 vs. 多元邏輯斯迴歸、配對資料的條件logistic 迴歸分析、multinomial logistic regression、特定方案Rank-ordered logistic 迴歸、零膨脹ordered probit regression 迴歸、配對資料的條件邏輯斯迴歸、特定方案conditional logit model、離散選擇模型、多層次邏輯斯迴歸⋯⋯。
十、《有限混合模型(FMM)：STaTa 分析( 以EM algorithm 做潛在分類再迴歸分析)》一書，該書內容包括FMM：線性迴歸、FMM：次序迴歸、FMM：Logit 迴歸、FMM：多項Logit 迴歸、FMM：零膨脹迴歸、FMM：參數型存活迴歸等理論與實作。
十一、《多變量統計：應用STaTa 分析》一書，該書內容包括MANOVA、囷素分析、典型相關、區別分析、MDS⋯⋯。
此外，研究者如何選擇正確的統計方法，包括適當的估計與檢定方法、與統計概念等，都是實證研究中很重要的內涵，這也是本書撰寫的目的之一。本書內容結合「理論、方法、統計」，讓研究者能正確且精準使用STaTa，期望對產學界有拋磚引玉的效果。
最後，特別感謝全傑科技公司(http://www.softhome.com.tw) 提供STaTa 軟體，晚學才有機會撰寫STaTa 一系列的書籍，以嘉惠學習者。
張紹勳 敬上
混合模型(mixture model) 旨在密度估計、聚類資料(clustered data)、區別(discriminant) 分析，後來演變成「潛在類(unobserved classes) 迴歸預測」的工具。
混合模型框架提供了一個方便且靈活的方法來模擬複雜的異質(heterogeneous) 資料庫( 如生物學研究中通常會出現的資料集)，例如：細胞計數數據和微陣列數據的分析、大型生物醫學資料集之減少維度、非對稱和非常態集群。有限混合模型(FMM) 早期應用在天文學(astronomy)、生物學(biology)、經濟學(economics)、工程學(engineering)、遺傳學(genetics)、市場行銷(marketing)、醫學(medicine)、精神病學(psychiatry)，現已流行於教育學、心理學、社會科學、人管、生產管理、經濟系、風險管理系、航運管理、財務金融、會計、公
共衛生、工業工程、土木⋯⋯。
本書有限混合模型(FMM)，包括線性迴歸、次序迴歸、logistic 迴歸、多項 logistic 迴歸、count 迴歸、零膨脹迴歸、參數型存活迴歸、2SLS 線性迴歸、order 迴歸、Beta 迴歸等理論與實證研究。
本書第一章先介紹SAS、R 和SPSS 如何轉成STaTa，坊間常見的四十一種軟體及大型資料庫之檔案格式，都可轉至STaTa 來分析。STaTa 也是大數據分析很好的工具。
FMM 旨在「先求潛在分類(unobserved classes)，再各類分別求其迴歸式」。
STaTa 提供十七種有限混合模型(FMM)，僅logistic 迴歸的應用領域，就有下列十三種：
(1) 公共衛生領域：某傳染病的死亡因素。
(2) 生物醫學領域：癌症患者放射線治療對產生副作用、腎虛症與骨質疏鬆症關聯性、憂鬱症狀之影響因子等Logistic 分析⋯⋯。
(3) 工程類中的建物地震損害程度評估模型、絕緣礙子火花偵測系統。
(4) 商業領域：客戶關係管理、公司企業的存活；市場研究之消費者對特定商品購買時間、客戶忠誠度；或者商業上客戶資料管理、行銷、企業倒閉、員工離職。
(5) 財務金融領域：個人消費性貸款、法人金融預警分析等。
(6) 保險統計學及人口統計學中的投保與否。
(7) 社會學中的事件歷史分析，研究女性婚姻抉擇因素、高齡人口選擇未來養老居住方式⋯⋯。
(8) 法學研究：犯罪的因素等。
(9) 工業領域：可靠度分析、工業製成、產品cycle。
(10) 經濟研究：失業的因素，從就業時間到失業時間，到再就業時間等。
(11) 教育領域：老師離職、學生休退學/ 吸毒的因素等。
(12) 財管領域：財務危機與轉投資活動關係、貸款授信違約風險評估、銀行放款信用評等、應收帳款呆帳預測等。
(13) 行銷/ 企管類：旅客參與觀光旅遊線之消費型態、汽車保險續保、. 投資型保險商品購買預測等。
有鑑於STaTa 是地表最強統計軟體，故作者將撰寫一系列STaTa 的書籍，包括：
一、《STaTa 與高等統計分析的應用》一書，該書內容包括描述性統計、樣本數的評估、變異數分析、相關、迴歸建模及診斷、重複測量⋯⋯。
二、《STaTa 在結構方程模型及試題反應理論》一書，該書內容包括路徑分析、結構方程模型、測量工具的信效度分析、因素分析⋯⋯。
三、《STaTa 在生物醫學統計分析》一書，該書內容包括類別資料分析( 無母數統計)、logistic 迴歸、存活分析、流行病學、配對與非配對病例對照研究資料、盛行率、發生率、相對危險率比、勝算比(odds ratio) 的計算、篩檢工具與 ROC 曲線、工具變數(2SLS)⋯⋯Cox 比例危險模型、Kaplan-Meier 存活模型、脆弱性之Cox 模型、參數存活分析有六種模型、加速失敗時間模型、panel-data 存活模型、多層次存活模型⋯⋯
四、《Meta 統計分析實作：使用Excel 與CMA 程式》一書，該書內容包括統合分析(meta-analysis)、勝算比(odds ratio)、風險比、四種有名效果量(ES) 公式之單位變換等。
五、《Panel-data 迴歸模型：STaTa 在廣義時間序列的應用》一書，該書內容包括多層次模型、GEE、工具變數(2SLS)、動態模型⋯⋯。
六、《STaTa 在總體經濟與財務金融分析的應用》一書，該書內容包括誤差異質性、動態模型、序列相關、時間序列分析、VAR、共整合等。
七、《多層次模型(HLM) 及重複測量：使用STaTaa》一書，該書內容包括線性多層次模型vs. 離散型多層次模型、計數型多層次模型、存活分析之多層次模型、非線性多層次模型⋯⋯。
八、《模糊多準評估法及統計》一書，該書內容包括AHP、ANP、TOPSIS、Fuzzy 理論、Fuzzy AHP 等理論與實作。
九、《邏輯斯迴歸及離散選擇模型：應用STaTa 統計》一書，該書內容包括邏輯斯迴歸 vs. 多元邏輯斯迴歸、配對資料的條件logistic 迴歸分析、multinomial logistic regression、特定方案Rank-ordered logistic 迴歸、零膨脹ordered probit regression 迴歸、配對資料的條件邏輯斯迴歸、特定方案conditional logit model、離散選擇模型、多層次邏輯斯迴歸⋯⋯。
十、《有限混合模型(FMM)：STaTa 分析( 以EM algorithm 做潛在分類再迴歸分析)》一書，該書內容包括FMM：線性迴歸、FMM：次序迴歸、FMM：Logit 迴歸、FMM：多項Logit 迴歸、FMM：零膨脹迴歸、FMM：參數型存活迴歸等理論與實作。
十一、《多變量統計：應用STaTa 分析》一書，該書內容包括MANOVA、囷素分析、典型相關、區別分析、MDS⋯⋯。
此外，研究者如何選擇正確的統計方法，包括適當的估計與檢定方法、與統計概念等，都是實證研究中很重要的內涵，這也是本書撰寫的目的之一。本書內容結合「理論、方法、統計」，讓研究者能正確且精準使用STaTa，期望對產學界有拋磚引玉的效果。
最後，特別感謝全傑科技公司(http://www.softhome.com.tw) 提供STaTa 軟體，晚學才有機會撰寫STaTa 一系列的書籍，以嘉惠學習者。
張紹勳 敬上
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價