貝氏統計：原理與應用

貝氏統計是一套以貝氏估計為核心的統計方法學，透過馬可夫鏈蒙地卡羅模擬完整呈現參數的分布狀態，藉以進行貝氏推論與決策，不僅可以應用於經典的迴歸或變異數分析，更適合社會科學研究的高階複雜統計模式，例如多層次模式、結構方程模式、成長模式與混合模式等，有效解決頻率統計所面臨的估計問題與資料分析困境，被譽為二十一世紀的統計革命。
　本書分成原理與應用兩篇，除了詳細介紹貝氏統計的各項原理與關鍵技術，統整大量當代文獻與技術報告，更以Mplus或R語法針對當代主流的統計模式進行範例演示與報表解說，內容論述深入淺出，操作步驟明確清晰，是學術領域同好提升研究能量值得參考的學術專書，也是大學研究所培育人才最重要的專業教材。
1. 基礎原理與數理概念的介紹循序漸進、完整詳實，避免生澀的統計定義與繁瑣的公式推導，深入淺出、簡明易懂。
2. 全面回顧當代重要文獻與技術報告，追蹤各項關鍵技術的發展，同步掌握前沿學者的邏輯思維與國際期刊的發表要求。
3. 各類統計模式背景說明詳盡，提供具體範例、Mplus及R語法指令與報表解說，快速掌握貝氏估計的運用方法與論文寫作要訣。
4. 各相關章節的Mplus與R語法及資料檔案供下載演練。

原理篇
第01章　導論：貝氏時代
　1.1　前言
　1.2　貝氏統計與推論原理
　1.3　貝氏估計的程序與報告
　1.4　結語
第02章　機率、貝氏定理與機率分配
　2.1　機率原理
　2.2　貝氏定理
　2.3　離散機率分配
　2.4　連續機率分配
　2.5　結語
第03章　貝氏機率運算
　3.1　前言
　3.2　概似原理與估計
　3.3　後驗分配的特性
　3.4　貝氏機率推導
　3.5　結語
第04章　先驗分配與設定
　4.1　前言
　4.2　先驗分配的特性
　4.3　先驗分配的類型
　4.4　訊息先驗的設定
　4.5　計畫先驗的設定
　4.6　先驗設定的敏感度分析
　4.7　結語
第05章　馬可夫鏈蒙地卡羅法
　5.1　前言
　5.2　馬可夫鏈蒙地卡羅法原理
　5.3　抽樣演算法
　5.4　MCMC的估計效果
　5.5　結語
第06章　貝氏模型評估
　6.1　前言
　6.2　貝氏統計模型
　6.3　貝氏模式評估
　6.4　模型比較策略
　6.5　訊息準則
　6.6　結語
應用篇
第07章　貝氏迴歸與中介調節效果分析
　7.1　前言
　7.2　迴歸分析原理
　7.3　貝氏迴歸分析
　7.4　貝氏中介與調節效果分析
　7.5　結語
第08章　貝氏平均數比較
　8.1　前言
　8.2　平均數比較原理
　8.3　單一平均數貝氏估計
　8.4　雙平均數比較的貝氏估計
　8.5　多重平均數比較的貝氏估計
　8.6　結語
第09章　貝氏多層次模式
　9.1　前言
　9.2　多層次模式原理
　9.3　多層次模式的參數估計
　9.4　最大概似與貝氏估計MLM範例
　9.5　多層次成長模式
　9.6　結語
第10章　因素分析：從探索、驗證到貝氏
　10.1　前言
　10.2　因素分析的不同形式
　10.3　因素分析的統計原理
　10.4　因素分析範例
　10.5　結語
第11章　貝氏結構方程模式
　11.1　前言
　11.2　結構方程模式原理
　11.3　貝氏路徑分析
　11.4　貝氏結構方程模式
　11.5　貝氏潛在成長模式
　11.6　結語
第12章　潛在結構分析與混合模式
　12.1　前言
　12.2　潛在變數的群尺及混合
　12.3　混合模式的統計原理
　12.4　貝氏混合模式
　12.5　貝氏潛在結構分析
　12.6　貝氏混合成長模式
　12.7　結語
第13章　結語：To B or Not to B
　13.1　前言：It’s time?
　13.2　貝氏的適用時機
　13.3　貝氏估計的檢核要點
　13.4　尾聲：盲人摸象的啟示
附錄A　Mplus操作指南