●  時間: 上午 9：30 至下午 4：30 (中午提供午餐)

學習重點

• 探索性因素分析
• 主成份分析
• Logisitc迴歸分析
• 區別分析
• 集群分析
• 多元尺度分析

因素分析：透過因素分析可協助找到一組變數的隱藏因子，同時利用較少的隱藏因子取代原有較多的變數，讓研究模型變得更簡潔卻又不會損失太多的解釋例，本課程將介紹各種參數估計法以及轉軸法，並介紹如何利用因素負荷圖評估模型的好壞。

主成份分析：主成分分析可將一組變數用較少且彼此互相獨立的指標變數取代，並利用形成之指標標變數進行預測或分群等依據。

Logisitc迴歸分析：Logisitc迴歸分使用在當依變數為二分類變數時，透過Logisitc迴歸分析可針對某一個案進行預測，例如透過各種身體指標預測某人是否罹患某種疾病，或者預測某家公司是否值得投資。

區別分析：區別分析使用再利用一組變數來判斷某種新物品的歸類，因此區別分析主要目的在尋找出一個具備良好區別力的區別函數，本課程將介紹如何尋找一個好的區別函數，並介紹其相關應用。

集群分析：集群分析的主要用途在於利用個案與個案間的相似程度進行分類，接著再將分類後之群組進行各種相關應用。在本課程將介紹各種極群分析方法。

多元尺度分析：多元尺度分析和因素分析皆屬於將變數簡化的統計方法，目的皆為發掘一組資料因藏之結構。因素分析投入的資料必定為計量型資料，但多元尺度分析除計量資料外亦可投入非計量資料。本課程將介紹多元尺度分析的相關應用、使用時機以及報表解讀。