
SPSS高級統計常用模型培訓
第1講 Poisson回歸模型
第2講 多分類、配對Logistic回歸與Probit回歸
1.有序多分類Logistic回歸模型(累積Logistic模型)
2.無序多分類Logistic回歸模型
3. Probit回歸模型
第3講 多重線性回歸模型
1.多重線性回歸模型
2.回歸預測與殘差分析
3.逐步回歸
4.模型的進一步診斷與修正
5.多重線性回歸模型結果解釋時應注意的問題
第4講 二分類Logistic回歸模型
1. 二分類Logistic回歸模型
2.分類自變量的定義與比較方法
3. 自變量的篩選方法(逐步回歸)
4. ROC曲線
5. 擬合優度檢驗
6. 常用的擬合優度檢驗
Pearson擬合優度檢驗、Deviance擬合優度檢驗、似然比檢驗、Hosmer—Lemeshow檢驗
7. 殘差分析
第5講 線性回歸的衍生模型
1.非直線趨勢的處理——曲線直線化
2.方差不齊的處理——加權小二乘法
3.共線性的處理——嶺回歸(ridge regression)
第6講 對應分析
1.基于均數的對應分析
2.多重對應分析
第7講 多維尺度分析
1.古典MDS
2.非度量MDS
3.個體差異的MDS模型
4.基于優尺度變換的MDS模型
第8講 聯合分析
第9講 判別分析
第10講 主成分分析與因子分析(factor analysis)
第11講 對數線性模型
第12講 信度分析