105年第1學期-1750 迴歸分析 課程資訊

評分方式

評分項目	配分比例	說明
平時成績	40	學習態度(包括出缺席、課堂討論與互動)、作業成績、平時考成績、分組報告
期中考	30	筆試進行
期末考	30	筆試+電腦操作進行

教育目標

依序介紹簡單線性迴歸模型、多元線性迴歸模型及迴歸決策樹模型之理論及應用，藉由推論、診斷和模式選擇，加強資料分析之建模與預測能力。理論部份提供學生在學習大一統計學、微積分和線性代數之後，如何進一步與專業的統計課程結合，並應用於實際的問題解決之中;同時在龐大的資料流中，透過實際問題的思索和探究，藉由基礎的摘要統計和圖表進行初步探勘，有效率的進行有用資料之探勘和採礦，並將數據轉換為有用的資訊，探討日常生活中無所不在的統計問題，以及如何正確使用迴歸分析建立量化之預測模型。透過專業之統計採礦軟體進行實務操作，建立模型配適之正確觀念統計，除了專業知識與技術學習之外，並在課程學習過程中逐漸培養國際觀、團隊合作、創新思考和口語與書寫溝通能力等職涯競爭力，將統計最重要的量化模型理論融合於實務操作，進行決策判斷之參考依據，培養學生職涯發展所需之跨領域專長。 1. Introduction and review including the exploratory statistics and basic inferencial statistics 2. Inferences in regression and correlation analysis 3. Linear regression with one predictor variable 4. Multiple regression with more than one predictor variables 5. Matrix approach to linear regression analysis 6. Models for quantitative and qualitative predictors 7. Building the regression model: Model selection and validation 8. Decision tree model building 9. Model comparison 10. Case Study

課程概述

本課程主要目標在介紹迴歸分析之相關方法以及其理論。除此之外，如何利用所學迴歸方法來做實際資料分析亦是本課程之重點，課程主要涵蓋如下： 1.簡單以及多重迴歸之方法及理論 2.迴歸模式適合度檢定以及診斷 3.反應變數之轉換 4.迴歸與變異數分析 5.模式選取 6.利用迴歸相關方法之實例分析

基本資料

必修課，學分數：3-0
上課時間：五/4[M024] 三/1[M116] 五/2,3[M117]
修課班級：統計系2B
修課年級：年級以上
選課備註：人工加選,曾修習統計學下期

參考書目

1. Kutner, M.H., Nachtsheim, C., and Neter, J. （2004）, Applied Linear Regression Models, 4th edition, McGraw-Hill Book Co.（華泰文化事業股份有限公司代理）(Textbook)
2. Mendenhall, W. and Sincich, T. （2012）, A second Course in Statistics--Regression Analysis, 7th edition, Pearson Education, Inc, Boston, USA. （華泰文化事業股份有限公司代理）
3. Montgomery D.C., Peck, E. A. and Vining, G. G. (2006）, Introduction to Linear Regression Analysis, 4th edition, John Wiley & Sons, Inc. （歐亞書局有限公司代理）