Applications of Regression Techniques

این کتاب نیاز به استفاده دقیق و محتاطانه از تکنیک‌های مختلف رگرسیون را برای به دست آوردن مزایای کامل مورد بحث قرار می‌دهد. همچنین برخی از تکنیک‌های توسعه‌یافته و مورد استفاده نویسندگان را تشریح می‌کند و ایده‌های نوآورانه‌شان را در رابطه با فرمول‌بندی و تخمین مدل‌های تجزیه رگرسیونی، زنجیره مارکوف پنهان، و سهم پس‌رونده‌ها در رویکرد تئوری مجموعه، نرخ فقر کالری و کل ارائه می‌کند. نرخ رشد. هر یک از این تکنیک ها کاربردهایی دارد که به تعدادی از سوالات بی پاسخ می پردازد. برای مثال، تکنیک‌های تجزیه رگرسیون نابرابری‌های جنسیتی درون خانواری مصرف، تخصیص منابع درون خانواری و مقیاس‌های معادل بزرگسالان را نشان می‌دهند، در حالی که مدل‌های زنجیره مارکوف پنهان می‌توانند نتایج انتخابات آینده را پیش‌بینی کنند. بیشتر این روش‌ها با استفاده از داده‌های دنیای واقعی ارائه می‌شوند و تکنیک‌ها را می‌توان در موقعیت‌های مشابه دیگر نیز به کار برد. این کتاب نشان می دهد که چگونه می توان با توسعه مدل های ساده با تفسیر ساده پارامترها به سؤالات دشوار پاسخ داد، منبع ارزشمندی برای دانشجویان و محققان در زمینه ساخت مدل است.

This book discusses the need to carefully and prudently apply various regression techniques in order to obtain the full benefits. It also describes some of the techniques developed and used by the authors, presenting their innovative ideas regarding the formulation and estimation of regression decomposition models, hidden Markov chain, and the contribution of regressors in the set-theoretic approach, calorie poverty rate, and aggregate growth rate. Each of these techniques has applications that address a number of unanswered questions; for example, regression decomposition techniques reveal intra-household gender inequalities of consumption, intra-household allocation of resources and adult equivalent scales, while Hidden Markov chain models can forecast the results of future elections. Most of these procedures are presented using real-world data, and the techniques can be applied in other similar situations. Showing how difficult questions can be answered by developing simple models with simple interpretation of parameters, the book is a valuable resource for students and researchers in the field of model building.