追蹤數據分析方法及其應用（簡體書）

《追蹤數據分析方法及其應用》從應用的角度系統地介紹了幾種常用的追蹤數據分析方法，內容包括重復測量方差分析，多元方差分析，基於多層分析技術上的發展模型的方法和基於結構方程模型基礎上的潛變量增長曲線模型的方法。《追蹤數據分析方法及其應用》除了介紹不同的方法、軟件的操作以及對結果的解釋外，還對不同方法在應用上的優缺點進行了比較分析，就追蹤研究的設計、缺失值的處理等問題進行了探討。

劉紅云，1996年畢業于山西大學數學系，獲碩士學位；2003年畢業于北京師範大學心理學院，獲博士學位。2003年-2004年在香港中文大學教育心理系作博士后研究員一年，現為北京師範大學心理學院講師。主要研究方向為心理統計和測量、教育評價。

序言
引言
1.追蹤研究特點及研究問題
2.追蹤研究設計的類型
3.追蹤研究中數據的缺失
4.追蹤研究的效度問題
5.追蹤研究數據分析
6.本書內容安排
第一部分 方差分析在追蹤研究中的應用
第一章 追蹤數據的一元方差分析
第一節 追蹤設計的常見類型
1.追蹤設計的常見類型
2.追蹤測量應該注意的問題
第二節 追蹤數據的一元方差分析
1.追蹤數據一元方差分析基本原理
2.追蹤數據方差分析的正交對照
第三節 追蹤數據一元方差分析的假設
l.追蹤數據方差分析的基本假設
2.對偏離球形假設的校正
3.追蹤數據方差分析的事后檢驗
第四節 追蹤數據一元方差分析的效應模型
1.—組被試、—個變量、多個時間點的測量
2.多組被試、—個變量、多個時間點的測量
3.—組被試、多個變量、多個時間點的測量
第五節 追蹤數據一元方差分析應用
1.—組被試、—個變量、多個時間點的測量
2.多組被試、—個變量、多個時間點的測量
3.—組被試、多個變量、多個時間點的測量
4.多組被試、多個變量、多個時間點的測量
第二章 追蹤數據的多元方差分析
第一節 追蹤數據多元方差分析基礎
1.追蹤數據的多元方差分析
2.多元方差分析的檢驗統計量
第二節 多元方差分析的假設
1.多元方差分析的基本假設
2.檢驗多元方差分析假設條件的一般步驟
第三節 多元方差分析應用舉例
l.GLM的應用
2.MANOVA的應用
小結
第二部分 多層線性模型在追蹤研究中的應用
第一節 追蹤數據變化趨勢的初步分析
1.追蹤數據文件的建立
2.個體隨時間變化的初步描述
第二節 追蹤研究中的多層次模型簡介
1.追蹤研究中的多層線，睦模型
2.多層線，睦模型的參數估計
3.多層線，隍模型的假設檢驗
第三節 多層線性模型應用
1.模型定義過程
2.主要輸出結果.
第四節 多層線性模型的推廣應用.
1.測量次數相同，時間間隔不同.
2.測量次數不同，時間間隔也不同
3.非線性增長模型
4.含有隨時間變化的預測變量模型
第五節 多元多層分析模型在追蹤研究中的應用
1.多元發展的多層次模型
2.多元增長模型應用舉例
第六節 多層線性模型中誤差的協方差結構
1.多層線性模型中誤差之間關係的“標準”假設
2.多層線性模型與重復測量的方差分析
3.多層線性模型與多元方差分析
4.幾種常見的誤差協方差矩陣結構
5.正確選擇誤差協方差矩陣的重要性
小結
第三部分 潛變量增長曲線模型在追蹤研究中的應用
第一節 潛變量增長曲線模型簡介
1.只有兩個測量時間點的兩因子LGM
2.定義增長曲線類型的LGM.
3.不定義曲線類型的兩因子LGM
4.單因子潛變量增長曲線模型
第二節 潛變量增長曲線模型應用
1.潛變量線，睦增長模型
2.潛變量二次增長曲線模型
3.不定義曲線類型的潛變量增長曲線模型
第三節 潛變量增長曲線模型的多樣本比較
1.多樣本比較通常關注的問題，
2.潛變量增長曲線模型多樣本比較的一般方法，
3.另一種檢驗多樣本增長趨勢是否相同的多樣本比較的方法，
第四節 多元潛變量增長曲線模型，
1.一階相關潛變量增長曲線模型，
2.高階潛變量增長曲線模型，
第五節 潛變量增長曲線模型在群組序列設計中的應用，
1.群組序列設計的IGM模型.
2.不定義增長曲線類型的群組序列設計的LGM.
第六節 含有缺失數據的潛變量增長曲線模型.
1.潛變量增長曲線模型處理數據缺失值的方法
2.多組比較方法的推廣.
第七節 多層次潛變量增長曲線模型.
1.全息極大似然估計.
2.多水平潛變量增長曲線模型.
第八節 潛變量增長曲線模型和重復測量的方差分析.
1.追蹤數據的MANOVA和LGM.
2.包含有預測變量和結果變量的潛變量增長曲線模型.
小結
附錄
參考文獻