Thesis with R
召集人：鄭鈞
組員人數上限：10人
會費：免費
指導老師：王立民
報名方式：
主旨：
資料處理以及根據研究假設建立統計模型通常是撰寫論文過程中不可或缺的一環。當變數之間存在高度相關性，我們通常會使用多變量統計方法進行資料分析，例如：問卷或量表，會使用因素分析驗證量表構念的信效度，也會利用路徑分析來探討構念間的關係。當資料有群組或階層關係，且各群組樣本的分佈可能存在異質性；亦或需要對重複測量資料建模，則混合效果模型可以派上用場。
我們想藉由R語言優異的資料處理能力與大量統計方法的整合支援，協助同學學習如何進行論文資料分析及統計建模，同學之間也可以藉由互助學習的過程中共同成長。
AGENDA (暫定)：
◆ 統計學(迴歸分析、變異數分析) 概論與實作 (指導老師講解) — 1 週
◆ 探索性因素分析 (EFA) 概論與實作 — 2 週
◆ 驗證性因素分析 (CFA) 概論與實作 — 2 週
◆ 路徑分析(Path analysis, Moderation & Mediation) 概論與實作 — 2-3 週
◆ 結構方程模型(SEM) 概論與實作 — 2-3 週
◆ 混合效果模型(Mix effect model)或多階層模型(Multilevel model) 概論與實作 — 4週
運作方式：
◆ 讀書會運作以主題式來區分，需要麻煩大家認領自己興趣的主題來作主讀人
◆ 主讀人需先做好導讀與程式碼與內容並帶領小組進行導讀，大家可以在導讀中或導讀後再針對該主題進行問題與討論
◆ 主讀人 除了課程的內容設計外，也可以新增額外教材，以主讀人設計為主~
◆ 希望每位主讀人或大家能在導讀前分享可預習的資料，也有利討論進行~
◆ 日後每周針對主題將會發文提醒，並給予資料連結，有利日後查找
◆ 每一堂課會進行螢幕錄影，這樣可以補帶
主要參考學習材料：
◆ Anderson, D. R. et al., Statistics for Business and Economics
◆ Kutner, M. H. et al., Applied Linear Statistical Models
◆ Patrick Mair, Modern Psychometrics with R
◆ Hair, J.F. et al., Multivariate Data Analysis
◆ Hayes, A. F., Introduction to mediation, moderation and conditional process analysis
◆ Finch, W. H. et al., Multilevel Model using R
◆ Lesa Hoffman, Longitudinal Analysis Modeling Within-Person Fluctuation and Change
◆ Multilevel Modeling in R 【pdf】
◆ Using R and lme/lmer to fit different 2/3-level longitudinal models 【url】
◆ Pinheiro & Bates (2009). Mixed-Effects Models in S and S-PLUS 【ebook】
◆ The lavaan Project 【web site】
◆ Econometrics Academy [URL]
◆ UCLA Statistics Consulting [URL]
◆ 機率與分佈 [ShinyApp]
◆ 抽樣分佈與假設檢定 [ShinyApp]
◆ 檢定力分析 [ShinyApp]