商管統計資料分析三 (Analytics for Business and Management (III))

Overview

本課程為三模組系列課程之第三模組。此系列課程專門教授各種線性迴歸形式 (regression-type) 的統計分析模型與技術。此系列課程以大量多樣之商管實務案例進行解說，並以 R 統計語言進行建模分析，提供完整的命令稿 (script) 與資料集讓同學們實地操作演練，培養統計分析思維與實戰技能。本第三模組為高階課程，著重於二元資料 (binary data) 與計數資料 (counted data) 的建模策略與應用，從二元反應變數的基本分析，到 GLM 架構下的邏輯斯迴歸 (Logistic Regression) 與對數線性迴歸 (Log-Linear Regression)，涵蓋模型建構、參數估計、模型評估與診斷等完整流程。課程亦將探討 GLM 中 Overdispersion 的議題，並說明對應的模型修正方法。

Syllabus

Odds and Contingency Table

本單元介紹：1. 二元變數 (binary response) 的概念與應用情境、2. 二元資料分析中比較兩組族群的母體比例、機率與勝算、3. 前瞻性 (Prospective) 與回顧性 (Retrospective) 研究設計的差異與應用、4. 列聯表 (Contingency Table) 的建立與解讀、5. 獨立性 (Independence) 與同質性 (Homogeneity) 檢定的基本概念、6. 抽樣方式與適用的檢定方法、以及 7. 卡方獨立性檢定 (Chi-Squared Test for Independence) 的步驟與應用

GLM: Logistic Regression for Binary Responses

本單元介紹：1. 廣義線性模型 (GLM) 的基本概念、組成與特性、2. 二元資料的邏輯斯迴歸 (GLM：Logistic Regression) 模型、3. 似然函數與最大概似估計 (MLE) 的原理、以及 4. 迴歸的模型評估與初步概念

GLM: Logistic Regression for Binomial Counts

本單元介紹：1. 二項資料的 Logistic Regression 模型與應用案例、2. 模型評估方法與推論程序、3. 實例分析：Survey Mac 案例、4. 過度離散 (Overdispersion) 的概念與檢測、以及 5. 含過度離散的 Logistic Regression 模型建構

GLM: Log-Linear Regression for Poisson Counts

本單元介紹：1. 對數線性迴歸 (Log-Linear Regression) 在 Poisson 反應資料中的應用、2. 模型評估方法與診斷、3. 對數線性迴歸係數的推論與解釋、4. 過度離散 (Overdispersion) 的概念與檢測、以及 5. 含額外變異的 Log-Linear Regression 模型建構