了得網醫學_實用流行病學縱向數據分析方法(翻譯版/配增值)

內容簡介

在很多介紹縱向數據分析的書中，數理統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。相對於統計學家，流行病學家 *多關注如何應用統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據分析方法(第2版)》著重介紹了縱向數據分析的統計方法的實際應用，旨在提供實用性的指導來幫助研究者處理縱向研究的數據資料，對縱向數據進行分析，得出可靠的研究結果和結論。本書同樣適合於“非統計專業 ”研究者閱讀。

作者簡介

Jos W.R. Twisk教授，任職於荷蘭阿姆斯特丹自由大學(Verij Universiteit Amsterdam)醫學中心、流行病與生物統計學繫。Twisk教授是應用縱向數據分析方法方面的專家，已出版關於應用縱向數據分析、多水平分析和應用生物統計概論等方面的書籍，並已發表論文400多篇。

1  縱向研究概論

  1.1  背景知識

  1.2  統計學的基本方法原則

  1.3  分析縱向數據的知識基礎

  1.4  本書的示例

  1.5  統計分析軟件

  1.6  縱向研究的數據結構

  1.7  統計符號

  1.8  第2版的創新之處

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  連續性結果變量

  3.1  前後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  結果變量與時間關繫的曲線

    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的等價非參數檢驗

    3.9.1  示例

4  連續性結果變量——與其他變量的關繫

  4.1  背景知識

  4.2  “傳統”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分析得到的回歸繫數的解釋

    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  縱向數據分析的其他模型

  6.1  簡介

  6.2  變通模型(alternative models)

    6.2.1  時間滯後回歸模型(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  和其他變量的關繫

    7.2.1  經典分析方法

    7.2.2  示例

    7.2.3  復雜統計方法

    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”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  和其他變量的關繫

  8.2  “計數”結果變量

    8.2.1  示例

    8.2.2  計數變量GEE分析和混合模型分析的比較

  8.3  評論

9  實驗性研究的數據分析

  9.1  背景知識

  9.2  連續性結果變量

    9.2.1  隻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據缺失

  10.3  示例

    10.3.1  創建含有缺失數據的數據庫

    10.3.2  影響數據缺失的因素分析

  10.4  對含有缺失數據的數據庫的分析

    10.4.1  示例

  10.5  插值方法

    10.5.1  連續性結果變量

    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  缺失數據數據庫的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  縱向數據分析軟件

  12.1  背景知識

  12.2  連續性結果變量的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”結果變量

  12.7  “協方差校正”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  不同發展軌跡下的個體分類

參考文獻

商品搜索

商品分类

【醫學】

【各大出版社】