دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: David Melamed. Long Doan
سری:
ISBN (شابک) : 1032509511, 9781032509518
ناشر: CRC Press/Chapman & Hall
سال نشر: 2023
تعداد صفحات: 238
[239]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 Mb
در صورت تبدیل فایل کتاب Applications of Regression for Categorical Outcomes Using R به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کاربردهای رگرسیون برای نتایج مقوله ای با استفاده از R نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
Cover Half Title Title Page Copyright Page Table of Contents List of Figures List of Tables Acknowledgments 1 Introduction Motivation Audience Coverage and Organization Note 2 Introduction to R Studio and Packages Objects in R Packages The Catregs Package Conclusion Notes 3 Overview of OLS Regression and Introduction to the Generalized Linear Model The OLS Regression Model Regression Estimates Estimating Regression Models in R Interpreting Regression Models with Graphs Diagnostics The Generalized Linear Model (GLM) The GLM and Link Functions Iteratively Reweighted Least Squares (IRLS) Maximum Likelihood (ML) Estimation Model Comparison in the Generalized Linear Model 4 Describing Categorical Variables and Some Useful Tests of Association Univariate Distributions Bivariate Distributions Log-Linear Models Summary Notes 5 Regression for Binary Outcomes Relationship to the Linear Probability and Log-Linear Models The Statistical Approach: Link Functions The Latent Variable Approach Estimating a BRM in R Wald Tests LR Tests Linear Combinations Interpretation Regression Coefficients Odds Ratios Predicted Probabilities Average Marginal Effects Diagnostics Residuals Influential Cases Measures of Fit 6 Regression for Binary Outcomes – Moderation and Squared Terms Moderation Categorical × Categorical Categorical × Continuous Continuous × Continuous Squared Terms Notes 7 Regression for Ordinal Outcomes Generalizing the BRM Estimating an ORM in R Interpretation Regression Coefficients Odds Ratios Predicted Probabilities Average and Conditional Marginal Effects The Parallel Regression Assumption Partial Proportional Odds Models Nominal and Binary Models Note 8 Regression for Nominal Outcomes The Multinomial Regression Model and Its Assumptions Estimating the MRM Interpreting the MRM Regression Coefficients Odds Ratios Predicted Probabilities Marginal Effects Combining Categories The Independence of Irrelevant Alternatives 9 Regression for Count Outcomes Poisson Regression Estimation Incidence Rate Ratios Marginal Effects Predicted Probabilities Negative Binomial Regression Estimation Incidence Rate Ratios Marginal Effects Predicted Probabilities Zero-Inflated Models Estimation Interpretation Comparing Count Models Truncated Counts Estimation and Interpretation Hurdle Models Estimation and Interpretation Note 10 Additional Outcome Types Conditional or Fixed Effects Logistic Regression Travel Choice Occupational Preferences Rank-Ordered or Exploded Logistic Regression Summary 11 Special Topics: Comparing between Models and Missing Data Comparing between Models The KHB Method Comparing Marginal Effects Missing Data Margins with MICE Conclusion Notes References Index