實(shí)用流行病學(xué)縱向數(shù)據(jù)分析方法（翻譯版/配增值 第2版）

1 縱向研究概論
1.1 背景知識(shí)
1.2 統(tǒng)計(jì)學(xué)的基本方法原則
1.3 分析縱向數(shù)據(jù)的知識(shí)基礎(chǔ)
1.4 本書(shū)的示例
1.5 統(tǒng)計(jì)分析軟件
1.6 縱向研究的數(shù)據(jù)結(jié)構(gòu)
1.7 統(tǒng)計(jì)符號(hào)
1.8 第2版的創(chuàng)新之處
2 研究設(shè)計(jì)
2.1 背景知識(shí)
2.2 觀察性縱向研究
2.2.1 時(shí)期效應(yīng)和隊(duì)列效應(yīng)
2.2.2 其他干擾效應(yīng)
2.2.3 示例
2.3 實(shí)驗(yàn)性(縱向)研究
3 連續(xù)性結(jié)果變量
3.1 前后兩次測(cè)量的縱向研究
3.1.1 示例
3.2 配對(duì)t檢驗(yàn)的等價(jià)非參數(shù)檢驗(yàn)
3.2.1 示例
3.3 多次測(cè)量的縱向研究
3.3.1 “單變量”資料分析舉例
3.3.2 結(jié)果變量與時(shí)間關(guān)系的曲線
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(píng)論
3.7 Post.hoc過(guò)程
3.7.1 示例
3.8 不同組之間的對(duì)比
3.8.1 示例
3.9 重復(fù)測(cè)量資料MANOVA的等價(jià)非參數(shù)檢驗(yàn)
3.9.1 示例
4 連續(xù)性結(jié)果變量——與其他變量的關(guān)系
4.1 背景知識(shí)
4.2 “傳統(tǒng)”分析方法
4.3 示例
4.4 縱向分析方法
4.5 廣義估計(jì)方程((Generalized Estimation Equation)
4.5.1 簡(jiǎn)介
4.5.2 工作相關(guān)結(jié)構(gòu)(Working correlation strcture)
4.5.3 對(duì)GEE分析得到的回歸系數(shù)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(shí)
4.6.2 縱向研究的混合模型
4.6.3 示例
4.6.4 評(píng)論
4.7 GEE分析和混合模型分析的比較
4.7.1 “協(xié)方差校正”的方法
4.7.2 混合模型分析的擴(kuò)展
4.7.3 評(píng)論
5 時(shí)間趨勢(shì)分析
5.1 隨時(shí)間的變化
5.2 組間比較
5.3 時(shí)間校正
6 縱向數(shù)據(jù)分析的其他模型
6.1 簡(jiǎn)介
6.2 變通模型(alternative models)
6.2.1 時(shí)間滯后回歸模型(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(jié)
6.2.5 縱向回歸模型分析示例
6.3 評(píng)論
6.4 示例
7 二分類(lèi)結(jié)果變量.
7.1 簡(jiǎn)單的分析方法
7.1.1 兩次測(cè)量
7.1.2 兩次以上測(cè)量
7.1.3 組間比較
7.1.4 示例
7.2 和其他變量的關(guān)系
7.2.1 經(jīng)典分析方法
7.2.2 示例
7.2.3 復(fù)雜統(tǒng)計(jì)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(píng)論
8 多分類(lèi)和“計(jì)數(shù)”結(jié)果變量
8.1 多分類(lèi)結(jié)果變量
8.1.1 兩次測(cè)量
8.1.2 兩次以上的測(cè)量
8.1.3 組間比較
8.1.4 示例
8.1.5 和其他變量的關(guān)系
8.2 “計(jì)數(shù)”結(jié)果變量
8.2.1 示例
8.2.2 計(jì)數(shù)變量GEE分析和混合模型分析的比較
8.3 評(píng)論
9 實(shí)驗(yàn)性研究的數(shù)據(jù)分析
9.1 背景知識(shí)
9.2 連續(xù)性結(jié)果變量
9.2.1 只有一次隨訪測(cè)量的實(shí)驗(yàn)性研究
9.2.2 一次以上隨訪測(cè)量的實(shí)驗(yàn)研究
9.2.3 小結(jié)
9.3二分類(lèi)結(jié)果變量
9.3.1 簡(jiǎn)介
9.3.2簡(jiǎn)單分析方法
9.3.3復(fù)雜分析方法
9.3.4其他方法
9.4小結(jié)
lO 縱向研究的缺失值處理
10.1 背景知識(shí)
10.2 可忽略的或能夠提供信息的數(shù)據(jù)缺失
10.3 示例
10.3.1 創(chuàng)建含有缺失數(shù)據(jù)的數(shù)據(jù)庫(kù)
10.3.2 影響數(shù)據(jù)缺失的因素分析
10.4 對(duì)含有缺失數(shù)據(jù)的數(shù)據(jù)庫(kù)的分析
10.4.1 示例
10.5 插值方法
10.5.1 連續(xù)性結(jié)果變量
10.5.2 二分類(lèi)和多分類(lèi)結(jié)果變量
10.5.3 示例
10.5.4 小結(jié)
10.6 缺失數(shù)據(jù)數(shù)據(jù)庫(kù)的CEE分析和混合模型分析的比較
10.7 小結(jié)
11 樣本量的計(jì)算
11.1 背景知識(shí)
11.2 示例
12 縱向數(shù)據(jù)分析軟件
12.1 背景知識(shí)
12.2 連續(xù)性結(jié)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(jié)
12.3 二分類(lèi)結(jié)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(jié)
12.4 連續(xù)性結(jié)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(jié)
12.5 二分類(lèi)結(jié)果變量的混合模型分析
12.5.1 簡(jiǎn)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(jié)
12.6 分類(lèi)結(jié)果變量和“計(jì)數(shù)”結(jié)果變量
12.7 “協(xié)方差校正”法
12.7.1 示例
13 進(jìn)一步研究
13.1 背景知識(shí)
13.2 結(jié)果變量的上限或下限的刪失
13.2.1 簡(jiǎn)介
13.2.2 示例
13.2.3 評(píng)論
13.3 不同發(fā)展軌跡下的個(gè)體分類(lèi)
參考文獻(xiàn)