統計線性模型分析有許多手法。其中的「混合模型」是目前最受到矚目的新手法之一。它是自己能自由建構模型，亦即能由「使用者指定」的模型。
混合模型的另一個特徵，這對任何人而言應該是高興的。它曾是研究者苦惱的根源。換言之，即為「遺漏值的處理」。然而，當使用混合模型時，遺漏值不會從分析的案例中刪除。換句話說，混合模型可以「一勞永逸地解決您的遺漏值煩惱」。
本書的特徵有以下四項：
只要看數據類型，統計處理方法一清二楚。
利用圖解，數據的輸入與其步驟，清晰明確。
利用圖解，統計處理的方法與其步驟，清晰明確。
輸出結果的判讀方法簡明易懂。
總之，只要利用滑鼠，任何人均可簡單進行數據的統計處理。

陳耀茂
日本（國立）電氣通信大學經營工學博士
東海大學（退休）兼任教授

序言
第1 章 統計線性模型分析簡介
1.1 前言
1.2 線性模型的種類
1.3 何謂線性模型
1.4 何謂固定模型
1.5 何謂隨機模型
1.6 何謂混合模型
1.7 何謂一般線性模型（GLM）
1.8 何謂階層線性模型

第2 章 二因子的固定模型—固定因子與固定因子
2.1 前言
2.2 二因子的固定模型的步驟

第3 章 二因子的隨機模型—隨機因子與隨機因子
3.1 前言
3.2 二因子的隨機模型的步驟

第4 章 因子的混合模型—固定因子與隨機因子
4.1 前言
4.2 二因子的混合模型的步驟

第5 章 分割試驗
5.1 前言
5.2 1 次誤差的檢定步驟
5.3 分割試驗的步驟—可以不考慮1 次誤差時
5.4 分割試驗的步驟—1 次誤差存在時
5.5 分割試驗的步驟—一般線型模型(G) →單變量(U) 之情形

第6 章 分枝試驗
6.1 前言
6.2 分枝試驗的步驟

第7 章 混合模型時序性測量數據的分析(1)
7.1 前言
7.2 混合模型時序性測量數據的步驟 (1)
7.3 將受試者當作隨機效果列入模型時

第8 章 混合模型時序性測量數據的分析(2)
8.1 前言
8.2 混合模型時序性測量數據的步驟(2)
8.3 交互作用不存在時
8.4 將受試者當作隨機效果列入混合模型時

第9 章 混合模型時序性測量數據的分析(3)
9.1 前言
9.2 混合模型時序性測量數據的步驟(3)
9.3 交互作用不存在時
9.4 將受試者當作隨機效果列入混合模型時

第10 章 有遺漏值的時序性測量數據與混合模型
10.1 前言
10.2 利用混合模型與重複測量的變異數分析
10.3 除去有遺漏值的受試者以混合模型分析時

第11 章 有共變量的數據與混合模型
11.1 前言
11.2 有共變量的數據的進行步驟(1)
11.3 有共變量的數據的進行步驟(2)

第12 章 一般線性模型與實驗計畫法
12.1 前言
12.2 何謂GLM？
12.3 亂塊法
12.4 拉丁方格
12.5 直交表

第13 章 階層線性模型
13.1 簡介
13.2 範例

第14 章 廣義線性模型與廣義估計方程式
14.1 簡介
14.2 解析例
14.3 廣義估計方程式

第15 章 階層迴歸分析
15.1 前言
15.2 線性迴歸分析步驟
15.3 階層迴歸分析步驟

第16 章 Logistic 迴歸分析
16.1 Logistic 迴歸分析簡介
16.2 二元Logistic 迴歸分析的步驟
16.3 多元Logistic 迴歸

參考文獻