應用多變量分析與機器學習
Applied Multivariate Analysis and Machine Learning
| 節 | 週三 |
|---|---|
2 09:00–09:50 | 應用多變量分析與機器學習 HA220（光復） 3 節連堂 |
3 10:10–11:00 | |
4 11:10–12:00 |
* 根據陽明交大上課時間表所列
課程簡述： 本課程介紹教育領域常用之多變量分析及其實務應用，並進一步延伸至機器學習。目的為幫助學生透過多個分析方法的結果，從不同觀點探討教育現象背後的歷程。 課程目標： (1) 能熟知研究問題所對應的多變量分析或機器學習方法 (2) 能適當應用統計軟體（例如Excel、JASP、R、Python）進行分析，並能正確解釋結果。 (3) 能根據各統計方法從不同觀點探討資料產生歷程，從而整合探討教育現象。
初等統計學（統計量、離散與連續機率分配、假設檢定、信賴區間）
無備註
禁止使用任何通訊軟體，或AI工具協助回答問題。被發現使用者一律以0分計。
課堂報告（30%）、研究報告（55%）、考試（15%）
教師未提供此項資料
| 週次 | 主題 |
|---|---|
| 第 1 週 | 課程介紹、基礎統計學概念複習、統計模型概念、基本矩陣運算、R基礎教學 |
| 第 2 週 | Hotelling’s T2 多變量變異數分析（MANOVA） 多元共變數分析（MANCOVA） |
| 第 3 週 | 羅吉斯迴歸分析（Logistic Regression Analysis） 階層線性模式（Hierarchical Linear Modeling） |
| 第 4 週 | 主成分分析（Principal Component Analysis） 探索性因素分析（Exploratory Factor Analysis） |
| 第 5 週 | 驗證性因素分析（Confirmatory Factor Analysis） |
| 第 6 週 | 路徑分析（Path Analysis） 結構方程模型（Structural Equation Modeling） |
| 第 7 週 | 聚類分析（Cluster Analysis, CA） 潛在類別分析（Latent Class Analysis, LCA） |
| 第 8 週 | 多維尺度法（Multidimensional Scaling） 典型相關（Canonical Correlation Analysis） |
| 第 9 週 | 研究計劃口頭呈現 |
| 第 10 週 | 探索性因素分析實務議題 |
| 第 11 週 | 全校運動會（停課） |
| 第 12 週 | 結構方程模型實務議題 |
| 第 13 週 | 潛在類別分析實務議題 |
| 第 14 週 | 其他方法與機器學習介紹 |
| 第 15 週 | 期末考 |
| 第 16 週 | 研究成果口頭呈現 |
1. Johnson, W. (2014). Applied Multivariate Statistical Analysis (6th edition). Pearson. 2. Sharma, S. (1996). Applied Multivariate Techniques. New York: John Wiley. 3. Hair, J., W. Black, B. Babin &R. Anderson (2014). Multivariate Data Analysis, 7th ed., NY: Prentice Hall. 4. 陳正昌、林曉芳（2020）《R統計軟體與多變量分析》，台北：五南。
- 地點
- 人社一館 HA323
- 時間
- 週一 13:20 to 15:30
- 聯絡方式
- email: ykchen@nycu.edu.tw