A级毛毛片,人妻性爱故事理论片

內容簡介

　　在很多介紹縱向數(shù)據(jù)分析的書中，數(shù)理統(tǒng)計理論往往是其重要組成部分，因為幾乎所有的此類書由統(tǒng)計學家編寫，但他們通常無法用一種簡單、讓人容易理解的方法來解釋其中的內容，而研究人員往往*關注如何應用及怎樣解釋分析結果。喬斯·W.R.特維斯克是一位流行病學家。相對于統(tǒng)計學家，流行病學家很多關注如何應用統(tǒng)計分析方法解決實際問題，且如何解釋得到的結果。《實用流行病學縱向數(shù)據(jù)分析方法（第2版）》著重介紹了縱向數(shù)據(jù)分析的統(tǒng)計方法的實際應用，旨在提供實用性的指導來幫助研究者處理縱向研究的數(shù)據(jù)資料，對縱向數(shù)據(jù)進行分析，得出可靠的研究結果和結論。本書同樣適合于“非統(tǒng)計專業(yè)”研究者閱讀。

作者簡介

　　Jos W.R. Twisk教授，任職于荷蘭阿姆斯特丹自由大學（Verij Universiteit Amsterdam）醫(yī)學中心、流行病與生物統(tǒng)計學系。Twisk教授是應用縱向數(shù)據(jù)分析方法方面的專家，已出版關于應用縱向數(shù)據(jù)分析、多水平分析和應用生物統(tǒng)計概論等方面的書籍，并已發(fā)表論文400多篇。

圖書目錄

1 縱向研究概論
1.1 背景知識
1.2 統(tǒng)計學的基本方法原則
1.3 分析縱向數(shù)據(jù)的知識基礎
1.4 本書的示例
1.5 統(tǒng)計分析軟件
1.6 縱向研究的數(shù)據(jù)結構
1.7 統(tǒng)計符號
1.8 第2版的創(chuàng)新之處
2 研究設計
2.1 背景知識
2.2 觀察性縱向研究
2.2.1 時期效應和隊列效應
2.2.2 其他干擾效應
2.2.3 示例
2.3 實驗性(縱向)研究
3 連續(xù)性結果變量
3.1 前后兩次測量的縱向研究
3.1.1 示例
3.2 配對t檢驗的等價非參數(shù)檢驗
3.2.1 示例
3.3 多次測量的縱向研究
3.3.1 “單變量”資料分析舉例
3.3.2 結果變量與時間關系的曲線
3.3.3 示例
3.3.4 示例
3.4 “單變量”或“多變量”分析
3.5 組間比較
3.5.1 “單變量”分析：示例
3.5.2 示例
3.6 評論
3.7 Post.hoc過程
3.7.1 示例
3.8 不同組之間的對比
3.8.1 示例
3.9 重復測量資料MANOVA的等價非參數(shù)檢驗
3.9.1 示例
4 連續(xù)性結果變量——與其他變量的關系
4.1 背景知識
4.2 “傳統(tǒng)”分析方法
4.3 示例
4.4 縱向分析方法
4.5 廣義估計方程((Generalized Estimation Equation)
4.5.1 簡介
4.5.2 工作相關結構(Working correlation strcture)
4.5.3 對GEE分析得到的回歸系數(shù)的解釋
4.5.4 示例
4.6 混合模型分析(Mixed model analysis)
4.6.1 背景知識
4.6.2 縱向研究的混合模型
4.6.3 示例
4.6.4 評論
4.7 GEE分析和混合模型分析的比較
4.7.1 “協(xié)方差校正”的方法
4.7.2 混合模型分析的擴展
4.7.3 評論
5 時間趨勢分析
5.1 隨時間的變化
5.2 組間比較
5.3 時間校正
6 縱向數(shù)據(jù)分析的其他模型
6.1 簡介
6.2 變通模型(alternative models)
6.2.1 時間滯后回歸模型(time-lag model)
6.2.2 差分回歸模型(model of changes)
6.2.3 自回歸模型(autoregressive model)
6.2.4 模型總結
6.2.5 縱向回歸模型分析示例
6.3 評論
6.4 示例
7 二分類結果變量.
7.1 簡單的分析方法
7.1.1 兩次測量
7.1.2 兩次以上測量
7.1.3 組間比較
7.1.4 示例
7.2 和其他變量的關系
7.2.1 經典分析方法
7.2.2 示例
7.2.3 復雜統(tǒng)計方法
7.2.4 示例
7.2.5 Logistic GEE分析和Logistic混合模型分析的比較
7.2.6 其他模型
7.2.7 評論
8 多分類和“計數(shù)”結果變量
8.1 多分類結果變量
8.1.1 兩次測量
8.1.2 兩次以上的測量
8.1.3 組間比較
8.1.4 示例
8.1.5 和其他變量的關系
8.2 “計數(shù)”結果變量
8.2.1 示例
8.2.2 計數(shù)變量GEE分析和混合模型分析的比較
8.3 評論
9 實驗性研究的數(shù)據(jù)分析
9.1 背景知識
9.2 連續(xù)性結果變量
9.2.1 只有一次隨訪測量的實驗性研究
9.2.2 一次以上隨訪測量的實驗研究
9.2.3 小結
9.3二分類結果變量
9.3.1 簡介
9.3.2簡單分析方法
9.3.3復雜分析方法
9.3.4其他方法
9.4小結
lO 縱向研究的缺失值處理
10.1 背景知識
10.2 可忽略的或能夠提供信息的數(shù)據(jù)缺失
10.3 示例
10.3.1 創(chuàng)建含有缺失數(shù)據(jù)的數(shù)據(jù)庫
10.3.2 影響數(shù)據(jù)缺失的因素分析
10.4 對含有缺失數(shù)據(jù)的數(shù)據(jù)庫的分析
10.4.1 示例
10.5 插值方法
10.5.1 連續(xù)性結果變量
10.5.2 二分類和多分類結果變量
10.5.3 示例
10.5.4 小結
10.6 缺失數(shù)據(jù)數(shù)據(jù)庫的CEE分析和混合模型分析的比較
10.7 小結
11 樣本量的計算
11.1 背景知識
11.2 示例
12 縱向數(shù)據(jù)分析軟件
12.1 背景知識
12.2 連續(xù)性結果變量的GEE分析
12.2.1 Stata
12.2.2 SAS
12.2.3 R
12.2.4 SPSS
12.2.5 小結
12.3 二分類結果變量的GEE分析
12.3.1 Stata
12.3.2 SAS
12.3.3 R
12.3.4 SPSS
12.3.5 小結
12.4 連續(xù)性結果變量的混合模型分析
12.4.1 Stata
12.4.2 SAS
12.4.3 R
12.4.4 SPSS
12.4.5 MLwiN
12.4.6小結
12.5 二分類結果變量的混合模型分析
12.5.1 簡介
12.5.2 Stata
12.5.3 SAS
12.5.4 R
12.5.5 SPSS
12.5.6 MLwiN
12.5.7 小結
12.6 分類結果變量和“計數(shù)”結果變量
12.7 “協(xié)方差校正”法
12.7.1 示例
13 進一步研究
13.1 背景知識
13.2 結果變量的上限或下限的刪失
13.2.1 簡介
13.2.2 示例
13.2.3 評論
13.3 不同發(fā)展軌跡下的個體分類
參考文獻