sas下載的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

資料科學的良器：R語言在行銷科學的應用

為了解決sas下載的問題，作者廖如龍,葉世聰 這樣論述：

　　Marketing Science Using R 　　重點探討行銷科學領域 相關統計觀念及R語言   　　※內容詳解行銷科學的應用‧ 　　※強化解決行銷領域的問題 　　※配合豐富的行銷實例說明 　　※輕鬆理解並有效解決問題   　　本書適用於對行銷科學方法感興趣的讀者，不管是有心進入行銷領域的資訊管理背景人士，或是尋找量化分析工具的行銷從業人員，提供了理論與實務的最佳參考書籍。   本書特色   　　*直指行銷科學領域的應用層面，以解決問題導向，而不是純粹的談R程式語法。 　　*詳細的程式碼解說，每個實例都可以是本書的起讀點。 　　*捨SPSS、SAS、Stata等有版權的軟體不由，

而以開源軟體R切入。 　　*專章探討資料視覺化，兼顧極簡與吸睛，可突破文字敘述的盲點。 　　*深入闡述衡量尺度（Scale）的應用，因為並非所有數字都含有一樣多的訊息。 　　*很多實例出自多變量教科書，如大學生論啤酒，但經R語言重新詮釋，可由旋轉和反射的剛性運動（Rigid motions），而豁然開朗。 　　*碰到大樣本的集群分析（Cluster analysis），可透過非階層式的K-means方法，找出羣組及各羣組屬性均值。 　　*多元尺度法（MDS）與知覺圖繪製上，除採用Kruskal壓力係數外，又引人RSQ指標，擴展讀者視野。 　　*介紹主成份分析（PCA）與知覺定位圖，更引入令人目

不轉睛的雙標圖（Biplot），因為雙標圖可以像散布圖一樣輕鬆閱讀。 　　*介紹近來興起的對應分析（CA），除探討繪製知覺圖外，展現將眾多的樣本和眾多的變數同時繪到同一張圖解上的「全覽圖」。 　　*互聯網及社群媒體等的興起，導致了空前的資料量，讓人目不暇給。介紹兩大新的見解：推薦系統及情緒分析，以便按圖索驥。 　　*介紹中文字斷詞器的用法，破解讀者望而生畏的先驗。 　　*除了直接應用R套件函式外，探索其背後的演算依據及其程序驗證。   好評推薦   　　善用AIoT 搶占行銷先機 　　本書中，廖博士與葉世聰先生巧妙的應用R 語言技術，在與行銷科學相關的統計、資料視覺化、市場區隔、知覺圖及商品推

薦等各個行銷領域，以數理分析的架構，逐一闡述，簡明扼要，對有志於行銷的人士而言，實乃非常實用的工具書，也是行銷學界的一大福音。相信讀者閱讀此書也能同我一樣從中獲得喜樂與智慧。--微程式集團（U-Bike 系統商）前副執行長 朱益民   　　數位行銷贏家的致勝關鍵 　　有幸與廖如龍博士曾經在IBM、Oracle 顧問部門一同共事，知悉他累積相當豐富的產業經驗，並且在大學兼任教職的教學經驗，彙整了產學研專業和產業知能，結合現今熱門的R 語言運用於行銷學領域，如獲神兵利器，編撰成教科書，讓莘莘學子如沐春風、如虎添翼，個人深感欽佩。--前資誠（PwC Taiwan）創新諮詢公司 副總經理 莊明霖  

　　結合理論與實務，找出痛點，對症下藥 　敝人近年在行銷管理教學經驗中，發現一般行銷管理教科書的內容常常「點到為止」，只交代了概念、案例及策略，但在實務操作面的內容常有不足。廖如龍博士與其共同作者葉世聰先生顯然是知道我的「痛點」，繼《R 語言在管理領域的應用》一書成功地為企業經營管理問題提供解決方案之後，二人繼續以R 語言為應用工具，結合兩人的行銷管理智慧，匯集成本次著作《R 語言在行銷科學的應用》，為有心進入行銷領域的資訊管理背景人士，抑或苦無合適量化分析工具的行銷從業人員，提供了一部結合理論與實務的最佳參考書籍。--國立清華大學科技管理研究所副教授 吳清炎博士   　　穿越理論與實務．傳統

與現代的行銷規劃案頭書 　　行銷主管最大的任務，乃在發掘行銷機會、行銷推廣以及問題的確認，從不同產品市場找尋市場上未被滿足的需求，有效溝通商品特色，同時評估企業行銷活動之有效性，找尋公司行銷過程中的問題點，並加以改善。這項工作極為困難！筆者有幸看到這本《R 語言在行銷科學的應用》的出版，兩位作者深入淺出地從行銷理論、資料分析方法論乃至R 語言的運用，做了理論的詳細說明與介紹，書中也舉出實際的範例運用，是一本不可多得的工具書。--佛光大學管理學系副教授 蔡明達   　　※讀者可以到博碩文化官網輸入書號或書名，下載「範例檔案」參考練習。　

sas下載進入發燒排行的影片

應用整合科技接受模型探討消費者使用外送美食App之使用意圖-以新冠疫情嚴重性為調節變項

為了解決sas下載的問題，作者方明勝 這樣論述：

隨著科技的進步，現今若想品嘗美食已無須親自購買，只需透過行動手機下載外送美食App，即可享用到熱騰騰的美食，因此美食外送平台逐漸被民眾喜愛。然而，在COVID-19疫情之下，民眾對其嚴重性是否會影響使用外送美食App的意願，此議題值得深入探討。由於科技接受模型是普遍用來預測使用者的使用意圖，因此本研究以科技接受模型為研究基礎，加入信任與知覺風險變項，探討在新冠疫情之下，知覺有用、知覺易用、知覺風險、信任與行為意圖之間的影響關係為何。本研究採用便利抽樣調查方式，並以全台曾使用過美食外送App之民眾為研究對象。共計發放420份問卷，剔除填寫一致或不完整之問卷121份，最終有效樣本共299份，有效

回收率為74.7%。本研究結果顯示：(一)知覺有用性、知覺易用性與信任正向顯著影響行為意圖。(二)知覺風險負向顯著影響行為意圖。(三)新冠疫情嚴重性會調節知覺有用性、知覺風險與行為意圖之間的關係。(四)新冠疫情嚴重性則在知覺易用性、信任與行為意圖之間不具調節效果。最後，本研究針對研究結果分別對知覺有用性、知覺易用性、信任、知覺風險等構面提出相關建議，以作為餐飲外送業者參考。關鍵字：COVID-19、科技接受模型、知覺風險、信任、外送App 

統計學：使用Python語言

為了解決sas下載的問題，作者林進益 這樣論述：

讓統計學與Python帶你進入大數據的世界！ •深入淺出講解統計學理論，循序漸進培養數據分析的能力。 •使用Python程式語言畫出各式統計圖表，習得資料視覺化的專業技能。 •透過電腦模擬統計模型，理解推導過程無負擔。 　　◎隨書附贈資料檔光碟 　　資訊流通快速的二十一世紀，每天會產生數千萬筆資料，大數據成為炙手可熱的話題，擁有紮實的統計學理論基礎，正是踏入數據分析的第一步！Python是現今廣受歡迎的程式語言，適用範圍廣泛：從機器學習、爬蟲到統計數據分析。透過統計學與Python程式語言實作的結合，同時接觸並學習時下兩大熱門話題──數據分析與程式語言。 　　本書是給想學Python程式

語言卻又不知如何下手的讀者使用，即全書適合給完全沒有程式語言概念的初學者使用。本書建議用統計學來學習Python程式語言。全書屬於基本統計學的範圍，內容包含：基本統計繪圖與製表技巧、機率與機率分配、統計推論、線性迴歸模型與無母數統計等主題。為了讓讀者無遺珠之憾，書內只要有牽涉到讀取與儲存資料、繪圖、製表、計算以及估計等動作，本書光碟內皆附有對應的Python程式碼供讀者參考，或者讀者亦可以依上述程式碼複製書上內容，進而對Python程式語言有更深一步的認識。   作者簡介 林進益 　　學歷： 　　國立中山大學財務管理博士 　　國立政治大學經濟學研究所碩士 　　東海大學經濟學系學士 　

　經歷： 　　致理商專國貿科講師 　　國立屏東商專財務金融科講師 　　國立屏東商業技術學院財務金融系副教授 　　國立屏東大學財務金融學系副教授（退休） 　　著作： 　　財金統計學：使用R語言 《財統》 (五南) 　　經濟與財務數學：使用R語言 《財數》 (五南) 　　衍生性金融商品：使用R語言 《衍商》 (五南) 　　財金時間序列分析：使用R語言 《財時》 (五南)   Chapter 1 數據資料的顯示 1.1 類別性資料 1.2 雙向表 1.3 直方圖 1.4 散佈圖與時間圖 1.5 實證PDF與CDF Chapter 2 敘述統計 2.1 分配特徵的衡量 2.2 共變異數、相關係

數與迴歸線 2.3 應用 Chapter 3 機率與機率分配 3.1 抽樣分配 3.2 機率概論 3.3 機率分配 Chapter 4 特殊的機率分配 4.1 特殊的間斷機率分配 4.2 特殊的連續機率分配 4.3 QQ與PP圖 Chapter 5 區間估計 5.1 中央極限定理與應用 5.2 母體平均數與比率的區間估計 5.3 卡方分配的應用 5.4 F分配的應用 Chapter 6 假設檢定 6.1 假設與誤判 6.2 母體參數的假設檢定 6.3 效力曲線 Chapter 7 二個母體參數的假設檢定 7.1 二個母體平均數差異的假設檢定 7.2 二個母體比率差異的假設檢定 7.3

二獨立母體變異數的假設檢定 Chapter 8 卡方檢定與ANOVA 8.1 卡方檢定 8.2 變異數分析 Chapter 9 簡單的線性迴歸分析 9.1 迴歸模型的意義與OLS 9.2 統計推論 9.3 矩陣的操作 Chapter 10 線性迴歸模型 10.1 線性複迴歸模型的估計與檢定 10.2 殘差值分析 10.3 間斷因變數模型 Chapter 11 無母數統計方法 11.1 二項式機率分配的應用 11.2 成對與獨立樣本 11.3 Kruskal-Wallis 檢定 11.4 等級相關 Chapter 12 Python 的簡介 12.1 Python 12.2 Pyth

on的操作 12.3 陣列、矩陣與繪圖 序言 　　拜科技與網路普及之賜，現在學習專業學科似乎較為簡易。例如：許多專業上的盲點或困惑，透過網路搜尋如Google的幫助，應該比過去無網路時代能迅速蒐集到更多的資訊；換言之，若我們願意付出，應該皆能從網路上得到想要的答案。就筆者而言，透過網路上的學習，的確已快速降低以往躲在圖書館內影印參考資料所耗掉的成本了。 　　另一個能幫助筆者迅速學習專業學科的（輔助）工具竟然就是電腦語言的使用。由於個人電腦性能的提升以及自由軟體的普遍使用，使得我們於學習過程中不再憑空想像而是可以透過電腦的模擬與計算，以較為實際的方式學習專業學科。例如：筆者已寫出一系列用

R語言思考的專業書籍（可以參考本書的封面的作者著作）。其實，筆者只是想要找出「為何過去皆看不大懂專業學科」的答案以及「經驗傳承」而已。 　　如今，有可能已經出現答案了。原來，過去沒有網路資訊可使用（即無法知道不同的人如何解釋上述專業學科）以及不知如何使用電腦語言。上述的驗證又再一次在本書出現。其實，筆者於寫《財時》一書時，已經頗訝異Python語言（底下簡稱Python）的「異軍突起」；也就是說，網路上竟然已經有那麼多人在使用Python 了。或者說，Python 的使用竄升速度相當快。筆者應該也來試試使用Python。根據筆者的經驗，學習一種新的電腦語言如Python的最好方式就是先設定一

個目標，全部用Python來思考與操作。因此，本書的目的其實頗為簡單，即全部用Python來解釋「統計學」；換句話說，本書仍維持筆者過去書籍的特色，即書內只要有牽涉到例如讀存資料、計算、模擬、估計、製表或甚至於繪圖等動作，筆者皆有提供對應的Python程式碼供讀者參考。當然，讀者若是初學者，可以先參考本書的第12章。 　　為何選擇寫統計學？倒也有下列理由： 　　(1) 想學Python又毫無頭緒，看了Python的使用手冊或介紹Python的書籍又一頭霧水，更諷刺的是，上述手冊或書籍卻又強調Python是一種簡單易懂的電腦語言。此時不妨學習筆者的方式。於商科的專業學科內，微積分與統計學是最

容易學習Python應用的二門基本專業學科，本書是挑選統計學；換句話說，讀者亦可以思考：「若用Python來學習微積分，其結果會如何？或者說，用微積分來發現Python的使用方式」。不要忘記，隨時可以上網查詢不懂的部分。 　　(2) 老實說，筆者之前的著作，除了《財數》之外，其餘書籍較適合高年級（或研究所）的學生使用。筆者當然希望大一或大二的學生能儘早接觸程式語言如Python的練習與使用。因此，本書是挑統計學，就是統計學的內容不僅可以簡單化同時應用的層面也較廣。 　　(3) 筆者已不知多久沒有「用手按計算機」或「用手繪製圖形」了；也就是說，筆者皆用程式語言取代。於統計學內，有關於資料的計

算、整理、估計、編表、模擬或甚至於圖形繪製的操作例子應是「層出不窮、比比皆是」，即統計學可以讓我們熟悉上述操作。 　　(4) 換個角度思考，我們要學Python，若簡單如統計學就無法利用Python來處理，不是有些奇怪嗎？筆者每次重讀統計學，皆有不同的收穫；換句話說，不要輕忽重新念微積分與《財統》或《財數》等科的用處，即我們是用Python（或R語言）來思考並取代過去用手計算或繪圖的方式，其目的自然就是要熟悉電腦語言的操作。若是連簡單的都無法勝任愉快，那複雜的呢？ 　　(5) 目前「大數據」的使用已成為一個趨勢，而最能接近大數據方法的學科，當然就是統計學。 　　(6) 當然學習統計學亦可

使用Excel、SPSS或SAS等商業套裝軟體。老實說，使用上述套裝軟體實在無法引起筆者學習上的興趣，因為每次使用筆者總會想到該函數指令如何撰寫？找不到來源出處，實在勾不起筆者繼續學習的動力。Python（或R語言）就不同了，不僅其是免費軟體，同時於網路上可以找到原始的程式碼，因此若讀者願意繼續探索源頭，不就可以知道如何設計Python內的函數指令嗎？ 　　(7) 筆者於網路上曾看過Python函數指令的解釋（中文），總覺得「怪怪的」，有可能是「翻譯者」沒有接觸過（或不熟悉）統計學，那時筆者就知應該用Python來寫統計學了。 　　如前所述，筆者希望本書的讀者是大學部的新鮮人（大一或大二生

），是故本書的內容並無抽象或複雜的數學式；不過，因受限於篇幅，反而例子或習題較少，因此讀者可能需要多自行補充一些例子上的應用。換句話說，本書的內容脫離不了例如Moore et al.（2011）或Anderson et al.（2017）等書的範圍；或者說，上述書籍倒是提供許多統計上的例子可供讀者練習（上述書籍皆屬於舊版，故可能可以於網路上下載）。 　　比較不習慣的應該還是Python程式語言碼的撰寫，其實只要想到如何用Python計算、模擬、估計或甚至於繪圖，尤其是後者，讀者應該就不會太意外有太多的程式碼，還好筆者皆有對應的程式碼可供參考，故讀者首先應學習如何撰寫才不會構成負擔（可以參考本

書第12章）。也許，從另外一個角度思考心裡可能會比較舒服：「想到寫程式就有點興奮，特別是有人先寫給你看」。 　　 　　筆者的舊讀者應該不用太氣餒，若R語言已熟悉了，再學Python的確阻礙較低。雖說Python的功用較全面性而R則較集中於統計分析方面；不過，二者的思考邏輯方式卻是相通的，即相同一件事情或情況，不僅可以用Python來表示，當然也可以用R語言來分析或詮釋。例如：於《財統》內，我們強調rnorm、pnorm、qnorm 與dnorm等四種函數指令的意義與用法，而Python呢？相同的函數指令為何？讀者於本書內應將其找出來（norm.rvs、norm.cdf、norm.ppf與nor

m.pdf）。 　　由於是初次用Python來詮釋，故書內有提供部分的Python程式碼，完整的部分則附於隨書所附的光碟內。由於當初認知不足，以致於筆者還是無法維持當初的構想：「用R語言寫一系列統計與計量書籍」；也就是說，筆者當初還真的沒有想過最後會介紹Python，也許以後筆者的書籍會是R語言與Python並用。有關於筆者未來的規劃，可以參考筆者的簡易網站c12yih.webnode.tw，內有筆者的聯絡方式，即筆者的Email為[email protected]。很抱歉，筆者屬於「古代人」，還是非常不習慣用臉書或LINE（如此筆者反而較能專心做自己的事）。 　　本書當然歡迎教師採用（本書

內容屬於基礎統計學的範圍）。於目前的環境下，讓學生及早接觸程式語言的確不是一件壞事；或者說，現在讓學生「辛苦點」，反而對其有益。程式語言並沒有像接觸前「想像的那麼恐怖」；其實，倒有點像開車上路，剛得到駕照恐懼上路，但是一上路應該就能馬上進入狀況，而且愈開愈順。 　　由於受到篇幅的限制，教師若採用本書，可能要另外再多舉一些例子或習題供學生練習，此應該不是一件困難的事（畢竟只是基礎統計學的介紹）。利用Python來學習，最起碼可以不需要再用「查表」的方式；另一方面，其實教師亦可以按照原本的上課內容授課（可能需重新調整一下順序或增減一些內容），因為網路上有太多資訊，Python讓學生自行練習或參考

本書內容即可。如前所述，隨書所附的光碟內有各章完整的Python程式碼，除了簡答題外（答案於書內），光碟內亦附有各章習題的Python程式碼解答。因此，本書亦可用於「自修」或作為統計學的補充教材。內人是學統計出身的（統計系畢業），有些時候談到過去學統計學的經驗過程，我們皆會認為好像現在的統計學比較簡單，而過去的統計學比較難？其實答案馬上就知，即本書若少了Python，讀起來應是枯燥乏味且不知如何是好。 　　隨書仍提供兒子的一些作品，筆者當然也好奇最後兒子的實力會如何？好像我們二人在「競賽」，不過筆者已嘗試R語言與Python並用了，那兒子呢？筆者當然希望兒子也能找出自己的路。感謝內人的幫助以

及提供一些意見。筆者才疏識淺，倉促成書，錯誤難免，望各界先進指正。最後，祝操作順利。   林進益 寫於屏東三地門 2020/8/3 Chapter 1 數據資料的顯示 　　我們經常遇到不同型態的數據資料（data），究竟這些數據資料隱含何訊息？為了回答上述問題，我們當然需要有蒐集、整理、解釋以及顯示數據資料的能力，而統計學（Statistics）正是提供上述能力方法的學科；換言之，統計學是一門研究數據資料的科學。本書嘗試以Python 程式語言（簡稱Python）當作學習統計學的輔助工具1１。為了提高讀者的興趣以及輸入方便起見，部分的Python 程式碼將直接顯示於書內（完整的部分則

置於隨書所附的光碟內）。本章將介紹如何顯示數據資料。於尚未介紹前我們先檢視表1-1的內容。表1-1係抽取鐵達尼號（Titanic）的5位乘客名單。從表1-1中，可看出數據資料大致可以分成二種型態，其一是類別變數（categorical variables）與定量變數（quantitative variables）資料。類別變數：其亦稱為定性變數（qualitative variables）或虛擬變數（dummy　variables）。類別變數的實現值亦可以用數據表示，只不過若沒有事先定義清楚，我們並不知該實現值代表何意思。例如：表1-1內的PassengerId、Survived與Pclass

等皆屬於類別變數。當然，Sex變數亦屬於類別變數，我們可以進一步令1與0分別表示Male與Female。定量變數：即該變數的實現值可以用數值或被測量出來；或者說，用數值表示定量變數的實現值本身就有意義。例如：表1-1內的Age（年齡）變數就是一種定量變數。是故，透過類別變數與定量變數的使用，許多情況或事件幾乎皆可以用數據資料表示。底下我們介紹如何顯示數據資料的方式。換句話說，我們會使用圖形或列表來表示數據資料，其特色是即使存在元素眾多的數據資料（大數據，big　data），透過圖或表立即可瞭解上述數據資料的特徵。 

公立技術型高中工業類學校執行校務發展計畫與學校效能關係之研究

為了解決sas下載的問題，作者馮宏雲 這樣論述：

本研究旨在瞭解公立技術型高中工業類學校執行校務發展計畫與學校效能之現況及關係，為達成研究目的，在文獻探討後，發展調查問卷，並以分層隨機抽樣的方式，抽取臺灣（北部、中部、南部和東部）地區之公立技術型高中工業類學校校長、主任、組長與教師為調查對象，共抽取49所學校，共計370位受試者為樣本。計回收有效樣本349位，有效回收率為94.32%；所得資料應用SPSS及AMOS統計套裝軟體進行次数分配、百分比、平均數、標準差、t檢定、單因子變異數分析、Pearson積差相關、逐步多元迴歸及結構方程模式等統計方法進行資料分析。本研究所獲致之結論如下：壹、公立技術型高中工業類學校教師執行校務發展計畫整體及各

向度呈現中高程度，其中又以「學校現況」得分最高，「回饋改善」得分最低。貳、公立技術型高中工業類學校教師學校效能整體及各向度呈現中高程度，其中又以「家長參與」得分最高，「學生表現」得分最低。參、不同背景變項之公立技術型高中工業類學校教師在執行校務發展計畫與學校效能的情形無顯著差異。肆、執行校務發展計畫與學校效能二者間有顯著正相關。伍、執行校務發展計畫與學校效能具有相當之適配性檢定獲得驗證支持，能解釋主要變項之間的關係。最後依據結論，提出給技術型高级中等學校教育行政相關單位及未來相關研究的建議。關鍵字：技術型高中工業類學校、校務發展計畫、學校效能