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: 2
نویسندگان: Razia Azen. Cindy M. Walker
سری:
ISBN (شابک) : 0367352745, 9780429330308
ناشر: Routledge
سال نشر: 2021
تعداد صفحات: 327
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب Categorical Data Analysis for the Behavioral and Social Sciences 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 تجزیه و تحلیل داده های طبقه بندی شده برای علوم رفتاری و اجتماعی 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.
ویرایش دوم تجزیه و تحلیل داده های طبقه بندی شده برای علوم رفتاری و اجتماعی با ارائه یک رویکرد عملی با مثال های متعدد، بر کمک به خواننده در ایجاد درک مفهومی از روش های طبقه بندی تمرکز دارد. ، آن را به متنی بسیار در دسترس تر از سایر موارد موجود در بازار تبدیل می کند. نویسندگان روشهای رایج تجزیه و تحلیل طبقهبندی را پوشش میدهند و بر سؤالات پژوهشی خاصی تأکید میکنند که میتوان با هر روش تحلیلی به آنها پرداخت، از جمله چگونگی به دست آوردن نتایج با استفاده از SPSS، SAS، و R، به طوری که خوانندگان قادر به پاسخگویی به سؤالات تحقیقی هستند که میخواهند به آنها پاسخ دهند.< /p>
هر فصل با بخش \"نگاه به جلو\" برای برجسته کردن محتوای کلیدی شروع می شود. این امر با تمرکز عمیق و توضیح رابطه بین سؤال تحقیق اولیه، استفاده از نرم افزار برای انجام تجزیه و تحلیل ها و نحوه تفسیر اساسی خروجی دنبال می شود. در پایان هر فصل مجموعهای از نمونههای نرمافزار و سؤالات برای آزمایش دانش گنجانده شده است.
جدید در ویرایش دوم:
< /p>
این کتاب که برای کسانی که پیشزمینه ریاضی گستردهای ندارند نوشته شده است، برای دورههای تحصیلات تکمیلی در تجزیه و تحلیل دادههای طبقهبندی که در گروههای روانشناسی، روانشناسی آموزشی تدریس میشود، ایدهآل است. توسعه انسانی و مطالعات خانواده، جامعه شناسی، بهداشت عمومی و تجارت. محققان در این رشتهها که علاقهمند به اعمال این روشها هستند نیز از رویکرد قابل دسترس این کتاب قدردانی خواهند کرد.
Featuring a practical approach with numerous examples, the second edition of Categorical Data Analysis for the Behavioral and Social Sciences focuses on helping the reader develop a conceptual understanding of categorical methods, making it a much more accessible text than others on the market. The authors cover common categorical analysis methods and emphasize specific research questions that can be addressed by each analytic procedure, including how to obtain results using SPSS, SAS, and R, so that readers are able to address the research questions they wish to answer.
Each chapter begins with a "Look Ahead" section to highlight key content. This is followed by an in-depth focus and explanation of the relationship between the initial research question, the use of software to perform the analyses, and how to interpret the output substantively. Included at the end of each chapter are a range of software examples and questions to test knowledge.
New to the second edition:
Written for those without an extensive mathematical background, this book is ideal for a graduate course in categorical data analysis taught in departments of psychology, educational psychology, human development and family studies, sociology, public health, and business. Researchers in these disciplines interested in applying these procedures will also appreciate this book’s accessible approach.
Cover Half Title Title Copyright Dedication Contents Preface 1 Introduction and Overview 2 Probability Distributions 3 Proportions, Estimation, and GoodnessofFit 4 Association Between Two Categorical Variables 5 Associations Between Three Categorical Variables 6 Modeling and the Generalized Linear Model 7 LogLinear Models 8 Logistic Regression With Continuous Predictors 9 Logistic Regression With Categorical Predictors 10 Logistic Regression for Multicategory Outcomes 11 Generalized Linear Mixed Models Appendix References Index