生物醫學統計：使用Stata分析


	由於電腦硬體、軟體與統計方法的日新月異，使得統計學在生物醫學領域中，扮演舉足輕重的角色，本書內容主要為下列三大類：　　一、類別資料處理。包括：二向列聯表、三向列聯表……等。　　二、存活分析。包括：Kaplan-Meier、Cox迴歸、參數存活模型、危險比例檢定、時間共變數、韋伯分配、指數分配……等。存活分析的事件時間資料也常出現在其他不同領域中，如：企業存活時間（商業）、客戶忠誠度（行銷）、法人預警分析（金融）、再就業時間（經濟）、假釋到再犯時間（法學）和可靠度分析（工業）等等。　　三、流行病學工具。包括：病例控制、Mantel-Haenszel、ROC分析……等。　　Stata操作簡便，給予使用者足夠的自訂空間。不但可使用簡單的視窗指令，還能因應需求自行修改、添加或撰寫程式，擴充性極強。在運算速度上，也比SPSS及SAS更快。　　本書是一本非常有用的Stata工具書，對初學或想領略高等統計的讀者，相信定有很大的收獲本書特色　　●Stata功能強大，可以選單操作，也可自行輸入指令，能滿足初級者到高階者的需求。　　●本書詳盡介紹生物醫學領域必學的分析技術，包含類別資料處理、存活分析、流行病學、病例控制、篩檢工具與ROC曲線等。　　●實用範例資料檔，搭配視覺化操作說明，讓您迅速成為Stata統計高手。　　●完整且札實的範例解析，幫助您觸類旁通，讓您的報告、論文大升級。　　●由於電腦與統計的日新月異，使生醫統計也延伸至以下研究領域：生態、農業、商業、社會科學…… 　　◎隨書附贈資料檔光碟，建議使用Stata 14版本執行。


	目錄 Chapter 01 最小平方法(OLS) vs. 類別(Categorical) 資料分析 1-1 Stata是地表最強大之統計軟體 1-1-1 Stata統計功能 1-1-2 類別資料之列聯表，Stata對應的指令 1-1-3 Stata流行病(epidemiologists)之選擇表對應的指令 1-2 醫學實驗設計種類、重要性 1-2-1 流行病學的研究法：實驗性vs.觀察性 1-2-2 統計與實驗設計功能之對應關係 1-2-3 OLS迴歸模型之重點整理 1-2-4 單變量vs.多變量統計 1-3 二個類別變數之分析 1-3-1 類別變數之適用條件 1-3-2 卡方檢定：關聯性分析 1-3-2a 卡方檢定之介紹 1-3-2b 卡方檢定之Stata實作 1-3-3 勝算比(OR)、ROC曲線、敏感度/ 特異性：logistic迴歸 1-3-3a Odds ratio之意義 1-3-3b Odds ratio之STATA實作 1-3-3c 二元依變數之模型：邏輯斯迴歸之實例 1-3-3d ROC曲線面積、敏感度/ 特異性 1-4 流行病之類別資料統計表( 同質性檢定) 1-4-1 二發生率(Incidence-rate ratio)之列聯表(ir and iri指令) 1-4-2 世代研究風險比(Cohort study risk-ratio)之列聯表(cs、csi指令) 1-4-3 病例對照(case-control)列聯表(cc and cci、tabodds、mhodds指令) 1-4-4 分群組之失敗率(failure odds by category)列聯表(tabodds指令) 1-4-5 配對病例對照研究(matched case-control)(mcc、mcci指令) 1-5 三向列聯表(Three-Way Contingency Tables) 1-5-1 三向列聯表、Mantel-Haenszel同質性檢定(tab3way、cc指令) 1-6 類別依變數之三種迴歸，誰誤差小就誰優 1-6-1 類別依變數之三種迴歸，誰優？(reg、logit、probit指令) 1-7 對數線性模型(Log linear Models)之列聯表(ipf、「glm ..., fam(pois) link(log)」指令) 1-8 Nominal依變數：Multinomial Logistic迴歸之多項選擇(mlogit、mlogtest、test、prchange、listcoef指令) 1-8-1 Multinomial Logistic迴歸之解說 1-8-2 Multinomial Logistic迴歸之實作 1-9 配對資料(Matched Pairs)模型：Conditional logistic迴歸(先「clogit, group( 配對) or」指令、再tabulate指令) 1-10 Logit迴歸之練習題 Chapter 02 (半參數)Cox存活分析：臨床研究最重要統計法 2-1 存活分析(survival analysis)介紹 2-1-1 存活分析之定義 2-1-2 為何存活分析是臨床研究最重要的統計法？ 2-1-3 存活分析之三種研究目標 2-1-4 存活分析之研究議題 2-1-5 設限資料(censored data) 2-1-6 存活時間T之機率函數 2-1-7 Cox存活分析vs. Logit模型／ probit模型的差異 2-2 Stata存活分析/ 繪圖表之對應指令、新增統計功能 2-3 存活分析範例：除草有助幼苗存活率嗎？ 2-3-1 生命表(life table) 2-3-2 存活分析範例[依序(estat phtest、sts graph、ltable或sts list、stci、stmh、stcox指令)] 2-4 Cox比例危險模型(proportional hazards model)(stcox 指令) 2-4-1 f(t)機率密度函數、S(t)存活函數、h(t)危險函數、H(t)累積危險函數 2-4-2 Cox比例危險模型之迴歸式解說 2-4-3 危險函數的估計(hazard function) 2-4-4 Cox比例危險模型之配適度檢定 2-4-5 Cox模型之相對風險(relative risk, RR) 2-5 Kaplan-Meier存活模型 2-5-1 Kaplan-Meier估計法(product-limit Estimate) 2-5-2 存活分析法：Kaplan-Meier vs.韋伯分布(參數存活模型) 2-5-3 Kaplan-Meier存活函數(依序sts graph、ltable或sts list、stci、stmh、stcox指令) 2-5-4 存活分析之檢定法：Cox比例危險模型(stcox)指令 2-6 脆弱性之Cox模型(Cox regression with shared frailty) 2-6-1 脆弱性之Cox模型：「stcox, shared( 脆弱變數)」指令 Chapter 03 參數存活分析(偏態之依變數有6種分布可搭2種脆弱模型) 3-1 參數存活分析(parametric survival analysis)有六種模型 3-1-1a 可靠度之品質管理(韋伯分布常搭配accelerated failure-time) 3-1-1b Cox比例危險模型(PHM)及加速失敗時間模型(accelerated failure time, AFT) 3-1-2 參數存活分析之介紹(streg指令) 3-1-3 6種參數存活模型：韋伯及對數分布尚可搭2種脆弱模型(streg) 3-2 連續隨機變數(存活時間T)的6種機率密度函數(PDF) 3-2-1 機率密度函數(probability density function) 3-2-2 Weibull分布(非常態分布、右偏態)：存活分析最重要分布 3-2-3 指數(Exponential) 分布：可靠度模型之失效時間的機率分布 3-2-4 Gompertz分布：偏態分布 3-2-5 對數邏輯分布(Log-logistic)：偏態分布 3-2-6 對數常態(Log-normal)分布：偏態分布 3-2-7 廣義(generalized)gamma分布 3-3 存活時間機率函數(連續型態vs.離散型態) 3-3-1 連續型態之存活時間機率函數 3-3-2 離散型態之存活時間機率函數 3-4 帶偏態之依變數：參數存活分析(streg指令) 3-4-1 脆弱性(frailty) 模型 3-4-2 加速失敗時間(Accelerated Failure Time)模型 3-4-3 配對後Weibull存活模型搭配accelerated failure time：發電機壽命(streg指令) 3-4-4 每位病人發生多重失敗事件(multiple failures)之Weibull存活模型(streg指令) 3-4-5 五種參數模型(廣義Gamma、韋伯...)，誰優？驗證治癌新藥效：(streg、test指令) 3-4-6 Weibull存活模型(帶有脆弱性gamma): 癌症死亡之個人因子(streg指令) 3-4-7 指數迴歸(搭配accelerated failure-time)：肝癌之個人危險因子(streg指令) Chapter 04 存活模型之進階 4-1 風險模型延伸(Extensions of the Proportional Hazards Model) 4-2 競爭風險迴歸(Competing-risks regression)(stcrreg指令) 4-2-1 競爭風險之應用：違約及提前清償行為模型係數估計 4-2-2 範例：競爭風險(Competing-risks)迴歸(stcrreg指令) 4-3 縱貫面調查法：肺癌存活模型(svy: stcox 指令) 4-4 panel-data參數存活模型[xtstreg , shared(panel變數)指令] 4-4-1 追蹤資料(panel-data) 4-4-2 追蹤資料(panel-data) 存活分析[xtstreg, shared (panel 變數) 指令] 4-5 多層次(multilevel)參數存活模型(mestreg指令) 4-5-1 Multilevel存活模型 4-5-2 多層次參數存活模型(mestreg...\|\|分層變數) Chapter 05 最小平方法(OLS)迴歸vs. Logistic迴歸 5-1 了解各類型迴歸分析 5-1-1 各類型迴歸之適用情境 5-1-2 線性迴歸之基本概念 5-2 最小平方法(OLS) 迴歸7個假定的診斷及補救法 5-3 Binary依變數：Linear Probability, Probit及Logistic迴歸 5-3-1 Logistic迴歸介紹 5-3-2 Logistic指令的事後檢定 5-3-3 Logistic範例：年齡與罹患冠心病(CHD)關係 5-4 Binary依變數(失業否預測)：OLS,Probit及Logistic迴歸三者比較 Chapter 06 流行病學統計法：ROC曲線分析 6-1 流行病學(Epidemiology) 6-1-1 流行病學之研究法：觀察法及實驗法 6-1-2a 觀察法：描述性vs.分析性研究 6-1-2b 觀察法：前瞻性vs.回溯性研究；縱貫面vs.橫斷面研究 6-1-3 實驗法 6-1-4 Stata流行病(epidemiologists)之選擇表對應的指令 6-1-5 流行病學之ROC法的應用領域 6-1-6 臨床試驗常用術語解釋 6-1-7 頻率(frequency)的指標：生命統計測量值 6-2 Receiver operating characteristic(ROC)分析：判別檢驗工具的準確性 6-2-1 流行病統計法：ROC緣由 6-2-2 ROC曲線原理：2×2混淆矩陣 6-2-3a Type I誤差α及Type II誤差β：ROC圖切斷點的由來 6-2-3b 評估不同篩檢工具之分類準確性(accuracy)：ROC圖 6-2-4 篩檢工具的績效(performance)：同一篩檢工具不同檢驗值切斷點的選擇 6-2-5 ROC法之分析步驟 6-2-6 參數的ROC 6-3 ROC分析之Stata範例 6-3-1 如何提升ROC研究設計之品質 6-3-2a 二個Logistic迴歸誰優？(logit、lroc、roccomp指令) 6-3-2b ROC繪圖法：三個檢驗工具之準確度，誰優？(roccomp、rocgold指令) 6-3-3 Parametric ROC models：風險評級最佳斷點？(rocfit指令) 6-3-4 Nonparametric ROC模型之風險評級最佳斷點(roctab指令)