实用流行病学纵向数据分析方法（翻译版/配增值第2版）

作者: Jos W.R. Twisk 著 , 陈心广编 , 俞斌编 , 王培刚编

出版社: 人民卫生出版社

出版时间: 2016-09

版次: 2

ISBN: 9787117231503

定价: 88.00

装帧: 平装

开本: 16开

纸张: 胶版纸

页数: 253页

字数: 392千字

分类: 医药卫生

　　在很多介绍纵向数据分析的书中，数理统计理论往往是其重要组成部分，因为几乎所有的此类书由统计学家编写，但他们通常无法用一种简单、让人容易理解的方法来解释其中的内容，而研究人员往往*关注如何应用及怎样解释分析结果。乔斯·W.R.特维斯克是一位流行病学家。相对于统计学家，流行病学家很多关注如何应用统计分析方法解决实际问题，且如何解释得到的结果。《实用流行病学纵向数据分析方法(第2版)》着重介绍了纵向数据分析的统计方法的实际应用，旨在提供实用性的指导来帮助研究者处理纵向研究的数据资料，对纵向数据进行分析，得出可靠的研究结果和结论。本书同样适合于“非统计专业”研究者阅读。
　　Jos W.R. Twisk教授，任职于荷兰阿姆斯特丹自由大学(Verij Universiteit Amsterdam)医学中心、流行病与生物统计学系。Twisk教授是应用纵向数据分析方法方面的专家，已出版关于应用纵向数据分析、多水平分析和应用生物统计概论等方面的书籍，并已发表论文400多篇。
1 纵向研究概论
1.1 背景知识
1.2 统计学的基本方法原则
1.3 分析纵向数据的知识基础
1.4 本书的示例
1.5 统计分析软件
1.6 纵向研究的数据结构
1.7 统计符号
1.8 第2版的创新之处
2 研究设计
2.1 背景知识
2.2 观察性纵向研究
2.2.1 时期效应和队列效应
2.2.2 其他干扰效应
2.2.3 示例
2.3 实验性(纵向)研究
3 连续性结果变量
3.1 前后两次测量的纵向研究
3.1.1 示例
3.2 配对t检验的等价非参数检验
3.2.1 示例
3.3 多次测量的纵向研究
3.3.1 “单变量”资料分析举例
3.3.2 结果变量与时间关系的曲线
3.3.3 示例
3.3.4 示例
3.4 “单变量”或“多变量”分析
3.5 组间比较
3.5.1 “单变量”分析：示例
3.5.2 示例
3.6 评论
3.7 Post.hoc过程
3.7.1 示例
3.8 不同组之间的对比
3.8.1 示例
3.9 重复测量资料MANOVA的等价非参数检验
3.9.1 示例
4 连续性结果变量——与其他变量的关系
4.1 背景知识
4.2 “传统”分析方法
4.3 示例
4.4 纵向分析方法
4.5 广义估计方程((Generalized Estimation Equation)
4.5.1 简介
4.5.2 工作相关结构(Working correlation strcture)
4.5.3 对GEE分析得到的回归系数的解释
4.5.4 示例
4.6 混合模型分析(Mixed model analysis)
4.6.1 背景知识
4.6.2 纵向研究的混合模型
4.6.3 示例
4.6.4 评论
4.7 GEE分析和混合模型分析的比较
4.7.1 “协方差校正”的方法
4.7.2 混合模型分析的扩展
4.7.3 评论
5 时间趋势分析
5.1 随时间的变化
5.2 组间比较
5.3 时间校正
6 纵向数据分析的其他模型
6.1 简介
6.2 变通模型(alternative models)
6.2.1 时间滞后回归模型(time-lag model)
6.2.2 差分回归模型(model of changes)
6.2.3 自回归模型(autoregressive model)
6.2.4 模型总结
6.2.5 纵向回归模型分析示例
6.3 评论
6.4 示例
7 二分类结果变量.
7.1 简单的分析方法
7.1.1 两次测量
7.1.2 两次以上测量
7.1.3 组间比较
7.1.4 示例
7.2 和其他变量的关系
7.2.1 经典分析方法
7.2.2 示例
7.2.3 复杂统计方法
7.2.4 示例
7.2.5 Logistic GEE分析和Logistic混合模型分析的比较
7.2.6 其他模型
7.2.7 评论
8 多分类和“计数”结果变量
8.1 多分类结果变量
8.1.1 两次测量
8.1.2 两次以上的测量
8.1.3 组间比较
8.1.4 示例
8.1.5 和其他变量的关系
8.2 “计数”结果变量
8.2.1 示例
8.2.2 计数变量GEE分析和混合模型分析的比较
8.3 评论
9 实验性研究的数据分析
9.1 背景知识
9.2 连续性结果变量
9.2.1 只有一次随访测量的实验性研究
9.2.2 一次以上随访测量的实验研究
9.2.3 小结
9.3二分类结果变量
9.3.1 简介
9.3.2简单分析方法
9.3.3复杂分析方法
9.3.4其他方法
9.4小结
lO 纵向研究的缺失值处理
10.1 背景知识
10.2 可忽略的或能够提供信息的数据缺失
10.3 示例
10.3.1 创建含有缺失数据的数据库
10.3.2 影响数据缺失的因素分析
10.4 对含有缺失数据的数据库的分析
10.4.1 示例
10.5 插值方法
10.5.1 连续性结果变量
10.5.2 二分类和多分类结果变量
10.5.3 示例
10.5.4 小结
10.6 缺失数据数据库的CEE分析和混合模型分析的比较
10.7 小结
11 样本量的计算
11.1 背景知识
11.2 示例
12 纵向数据分析软件
12.1 背景知识
12.2 连续性结果变量的GEE分析
12.2.1 Stata
12.2.2 SAS
12.2.3 R
12.2.4 SPSS
12.2.5 小结
12.3 二分类结果变量的GEE分析
12.3.1 Stata
12.3.2 SAS
12.3.3 R
12.3.4 SPSS
12.3.5 小结
12.4 连续性结果变量的混合模型分析
12.4.1 Stata
12.4.2 SAS
12.4.3 R
12.4.4 SPSS
12.4.5 MLwiN
12.4.6小结
12.5 二分类结果变量的混合模型分析
12.5.1 简介
12.5.2 Stata
12.5.3 SAS
12.5.4 R
12.5.5 SPSS
12.5.6 MLwiN
12.5.7 小结
12.6 分类结果变量和“计数”结果变量
12.7 “协方差校正”法
12.7.1 示例
13 进一步研究
13.1 背景知识
13.2 结果变量的上限或下限的删失
13.2.1 简介
13.2.2 示例
13.2.3 评论
13.3 不同发展轨迹下的个体分类
参考文献
内容简介:
　　在很多介绍纵向数据分析的书中，数理统计理论往往是其重要组成部分，因为几乎所有的此类书由统计学家编写，但他们通常无法用一种简单、让人容易理解的方法来解释其中的内容，而研究人员往往*关注如何应用及怎样解释分析结果。乔斯·W.R.特维斯克是一位流行病学家。相对于统计学家，流行病学家很多关注如何应用统计分析方法解决实际问题，且如何解释得到的结果。《实用流行病学纵向数据分析方法(第2版)》着重介绍了纵向数据分析的统计方法的实际应用，旨在提供实用性的指导来帮助研究者处理纵向研究的数据资料，对纵向数据进行分析，得出可靠的研究结果和结论。本书同样适合于“非统计专业”研究者阅读。
作者简介:
　　Jos W.R. Twisk教授，任职于荷兰阿姆斯特丹自由大学(Verij Universiteit Amsterdam)医学中心、流行病与生物统计学系。Twisk教授是应用纵向数据分析方法方面的专家，已出版关于应用纵向数据分析、多水平分析和应用生物统计概论等方面的书籍，并已发表论文400多篇。
目录:
1 纵向研究概论
1.1 背景知识
1.2 统计学的基本方法原则
1.3 分析纵向数据的知识基础
1.4 本书的示例
1.5 统计分析软件
1.6 纵向研究的数据结构
1.7 统计符号
1.8 第2版的创新之处
2 研究设计
2.1 背景知识
2.2 观察性纵向研究
2.2.1 时期效应和队列效应
2.2.2 其他干扰效应
2.2.3 示例
2.3 实验性(纵向)研究
3 连续性结果变量
3.1 前后两次测量的纵向研究
3.1.1 示例
3.2 配对t检验的等价非参数检验
3.2.1 示例
3.3 多次测量的纵向研究
3.3.1 “单变量”资料分析举例
3.3.2 结果变量与时间关系的曲线
3.3.3 示例
3.3.4 示例
3.4 “单变量”或“多变量”分析
3.5 组间比较
3.5.1 “单变量”分析：示例
3.5.2 示例
3.6 评论
3.7 Post.hoc过程
3.7.1 示例
3.8 不同组之间的对比
3.8.1 示例
3.9 重复测量资料MANOVA的等价非参数检验
3.9.1 示例
4 连续性结果变量——与其他变量的关系
4.1 背景知识
4.2 “传统”分析方法
4.3 示例
4.4 纵向分析方法
4.5 广义估计方程((Generalized Estimation Equation)
4.5.1 简介
4.5.2 工作相关结构(Working correlation strcture)
4.5.3 对GEE分析得到的回归系数的解释
4.5.4 示例
4.6 混合模型分析(Mixed model analysis)
4.6.1 背景知识
4.6.2 纵向研究的混合模型
4.6.3 示例
4.6.4 评论
4.7 GEE分析和混合模型分析的比较
4.7.1 “协方差校正”的方法
4.7.2 混合模型分析的扩展
4.7.3 评论
5 时间趋势分析
5.1 随时间的变化
5.2 组间比较
5.3 时间校正
6 纵向数据分析的其他模型
6.1 简介
6.2 变通模型(alternative models)
6.2.1 时间滞后回归模型(time-lag model)
6.2.2 差分回归模型(model of changes)
6.2.3 自回归模型(autoregressive model)
6.2.4 模型总结
6.2.5 纵向回归模型分析示例
6.3 评论
6.4 示例
7 二分类结果变量.
7.1 简单的分析方法
7.1.1 两次测量
7.1.2 两次以上测量
7.1.3 组间比较
7.1.4 示例
7.2 和其他变量的关系
7.2.1 经典分析方法
7.2.2 示例
7.2.3 复杂统计方法
7.2.4 示例
7.2.5 Logistic GEE分析和Logistic混合模型分析的比较
7.2.6 其他模型
7.2.7 评论
8 多分类和“计数”结果变量
8.1 多分类结果变量
8.1.1 两次测量
8.1.2 两次以上的测量
8.1.3 组间比较
8.1.4 示例
8.1.5 和其他变量的关系
8.2 “计数”结果变量
8.2.1 示例
8.2.2 计数变量GEE分析和混合模型分析的比较
8.3 评论
9 实验性研究的数据分析
9.1 背景知识
9.2 连续性结果变量
9.2.1 只有一次随访测量的实验性研究
9.2.2 一次以上随访测量的实验研究
9.2.3 小结
9.3二分类结果变量
9.3.1 简介
9.3.2简单分析方法
9.3.3复杂分析方法
9.3.4其他方法
9.4小结
lO 纵向研究的缺失值处理
10.1 背景知识
10.2 可忽略的或能够提供信息的数据缺失
10.3 示例
10.3.1 创建含有缺失数据的数据库
10.3.2 影响数据缺失的因素分析
10.4 对含有缺失数据的数据库的分析
10.4.1 示例
10.5 插值方法
10.5.1 连续性结果变量
10.5.2 二分类和多分类结果变量
10.5.3 示例
10.5.4 小结
10.6 缺失数据数据库的CEE分析和混合模型分析的比较
10.7 小结
11 样本量的计算
11.1 背景知识
11.2 示例
12 纵向数据分析软件
12.1 背景知识
12.2 连续性结果变量的GEE分析
12.2.1 Stata
12.2.2 SAS
12.2.3 R
12.2.4 SPSS
12.2.5 小结
12.3 二分类结果变量的GEE分析
12.3.1 Stata
12.3.2 SAS
12.3.3 R
12.3.4 SPSS
12.3.5 小结
12.4 连续性结果变量的混合模型分析
12.4.1 Stata
12.4.2 SAS
12.4.3 R
12.4.4 SPSS
12.4.5 MLwiN
12.4.6小结
12.5 二分类结果变量的混合模型分析
12.5.1 简介
12.5.2 Stata
12.5.3 SAS
12.5.4 R
12.5.5 SPSS
12.5.6 MLwiN
12.5.7 小结
12.6 分类结果变量和“计数”结果变量
12.7 “协方差校正”法
12.7.1 示例
13 进一步研究
13.1 背景知识
13.2 结果变量的上限或下限的删失
13.2.1 简介
13.2.2 示例
13.2.3 评论
13.3 不同发展轨迹下的个体分类
参考文献