邏輯斯迴歸分析及離散選擇模型：應用 SPSS (附光碟)

張紹勳
學歷：國立政治大學資訊管理博士
現任：國立彰化師大專任教授
經歷：致理技術專任副教授

林秀娟
學歷：國立臺灣師範大學教育心理研究所碩士
現職：臺北市立成功高中專任教師

Chapter01 線性迴歸vs. 二元(Binary) 依變數 (邏輯斯迴歸)
1-1 迴歸的二大類：連續依變數vs. 離散依變數
1-1-1　單變量：統計法分類
1-1-2　多變量：統計法分類
1-2 簡單邏輯斯迴歸的概念
1-2-1　簡單邏輯斯迴歸(Logistic Regression Model) 的原理
1-2-2　Odds ratio 之意義
1-2-3　 列聯表(contingency table)、相對風險、勝算比(odds ratio) 及卡方檢定(crosstabs、logistic regression 指令)
1-2-4　 卡方⊂ logistic 迴歸：同意人類可實驗貓大腦注入藥物嗎？(logistic regression、crosstabs 指令)
1-2-5　 簡單Logistic 迴歸分析：年齡與罹患冠心病(CHD) 關係(logistic regression 指令)
1-3 邏輯斯迴歸的建模(logistic regression 指令)
1-3-1　 Logistic 迴歸分析：三個預測因子有二個連續變數、一個次序變數 ( 大學申請入學之錄取條件？)
1-3-2　 如何挑選「多元Logit 迴歸之最佳模型」：早產兒之危險因子(logistic regression 指令)
1-3-3　練習題：邏輯斯迴歸分析( 母蟹crab 有追求者嗎？)
1-4 邏輯斯迴歸之建模法(logistic regression、fp／fracpoly 指令)
1-4-1　評比敵對模型，適配指標有七種：ROC⋯⋯
1-4-2　 邏輯斯迴歸之共變數係數調整法(fractional polynomial regression):STaTa 範例(fp 或fracpoly 指令)
1-5 邏輯斯迴歸搭配ROC 曲線來做篩檢工具之分類準確性
1-5-1　Type I 誤差α 及Type II 誤差β：ROC 圖切斷點的由來
1-6 Logit+ROC 曲線來評比：敵對logit 模型，誰優？
1-6-1　ROC 曲線、cut-off 點
1-6-2　簡單Logit 模型搭配ROC 曲線來找最佳cut-off 點
1-6-3　 練習題：多元Logit 模型搭配ROC 曲線來找最佳cut-off點
1-7 小樣本：Exact logistic regression( 是否染愛滋病毒之二種血清檢測值)(exlogistic 指令)

Chapter02 邏輯斯(Logistic) 迴歸的診斷(diagnostics)
2-1 邏輯斯迴歸的假定(assumption)
2-1-1　邏輯斯迴歸的IIA 假定
2-2 界定誤差(specification error)
2-2-1　多元( 複) 線性迴歸診斷之重點整理
2-2-2　線性迴歸的診斷
2-2-3　 邏輯斯迴歸的界定適當嗎？優質辦校之因素(logistic regression指令)
2-3 共線性(collinearity) 診斷：優質辦校之因素(logistic regression指令)
2-4 偵測influence 的觀察值：優質辦校之因素(logistic regression指令)
2-5 練習題：logistic regression：學業是否得獎的因素(logistic regression 指令)

Chapter03 離散選擇模型：多項機率迴歸(NOMREG指令)
3-1 離散選擇模型(Discrete Choice Models, DCM)
3-1-1　離散選擇模型(DCM) 概念
3-1-2　離散選擇模型(DCM) 之數學式：以住宅選擇為例
3-2 多項機率迴歸分析(multinomial probit regression)(crosstabs、nomreg指令)
3-3-1　多項機率迴歸之概念
3-3-2　多項機率迴歸之原理
3-3-3　 多項機率迴歸分析(multinomial probit regression) 學生選三類課程的因素(crosstabs、nomreg 指令)
3-3-4　練習題：離散選擇模型(DCM)：三種保險的選擇
3-4 多項概率模型來進行離散選擇建模(discrete choice modeling using multinomial probit model)(asmprobit 指令)  
3-4-1　 Alternative-specific multinomial probit regression：三種保險計畫的選擇(asmprobit 指令)
3-4-2　 使用多項概率模型進行離散選擇建模: 四種旅行方式的選擇(asmprobit 指令)
3-4-3　 練習題：多項邏輯斯迴歸：十二地區宗教信仰三選擇之因素(mlogit 指令)

Chapter04 二元依變數：機率迴歸(probit 指令)
4-1 Logit 模型、 Cox 迴歸、probit 模型的概念比較
4-2 Probit 迴歸分析：申入學是否被錄取的因素(plum 指令)
4-3 練習題：Binary 依變數之Probit 及Logit 迴歸分析( 有無償勞動力之影響因素)
4-5 Bivariate probit 迴歸vs. 二個似乎無相關依變數「private, vote」模型，誰優？(biprobit 指令)

Chapter05 單層vs. 多層次：Ordered Logit 及其擴充模型(ologit、oprobit、rologit meoprobit、asmprobit、asroprobit、heckoprobit 指令)
5-1 Ordered Logit 及Ordered Probit 模型之概念
5-2 Ordered 迴歸分析：影響SES 的因素(plum 指令)
5-3 練習題：Ordered Logit 迴歸分析：影響數學等級的因素(plum指令)
5-4 練習題：Ordered 迴歸分析( 影響親子親密關係的因素)
5-5 練習題：Ordered Logit 迴歸(Copenhagen 的住房滿意度)

Chapter06 Count 依變數之迴歸：Zero-inflated Poisson迴歸 vs. negative binomial 迴歸
6-1 Count 依變數之迴歸：Zero-inflated Poisson 迴歸 vs. negative binomial迴歸
6-1-1　Poisson 分配
6-1-2　負二項(negative binomial) 分配
6-1-3　Zero-inflated Poisson 分配
6-2 計數型(count) 依變數：Poisson 迴歸：獲獎次數(GenLin 指令)
6-3 零膨脹Poisson 迴歸vs. 負二項迴歸：博士生發表論文篇數
6-4 Count 依變數：負二項(negative binomial) 迴歸：獲獎次數(GenLin指令)
6-5 單層：ordered logistic 迴歸：申請入學意願(plum 指令)
6-5-1　ordered logistic 迴歸：申請入學意願(plum 指令)
6-5-2　練習題：ordered logistic 迴歸
6-6 單層：Zero-inflated ordered probit regression 練習：釣魚(zip 指令)
6-7 雙層：負二項混合模型(fmm: nbreg 指令)：精神科患者隨訪次數
6-8 雙層：Poisson 混合模型分析(fmm: poisson 指令)：醫生問診次數

Chapter07 加權OLS(weighted least squares) 迴歸(regression、WLS 指令)
7-1 加權OLS(weighted OLS) 迴歸：誤差變異數異質性的校正(regression 指令)
7-2 加權OLS 迴歸(WLS 指令)