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: 1st ed. نویسندگان: Kees van Montfort, Johan H.L. Oud, Manuel C. Voelkle سری: ISBN (شابک) : 9783319772189 ناشر: Springer International Publishing سال نشر: 2018 تعداد صفحات: 446 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 13 مگابایت
کلمات کلیدی مربوط به کتاب مدلسازی زمان پیوسته در علوم رفتاری و وابسته: Statistics, Statistics for Life Sciences, Medicine, Health Sciences, Behavioral Sciences, Computer Appl. در علوم اجتماعی و رفتاری، آمار برای علوم اجتماعی، علوم رفتاری، آموزش، سیاست عمومی و حقوق، آمار زیستی
در صورت تبدیل فایل کتاب Continuous Time Modeling in the Behavioral and Related 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 مدلسازی زمان پیوسته در علوم رفتاری و وابسته 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.
این کتاب منحصر به فرد نمای کلی از مدل سازی زمان پیوسته در علوم رفتاری و مرتبط را ارائه می دهد. این استدلال می کند که استفاده از مدل های زمان گسسته برای فرآیندهایی که در واقع در زمان پیوسته در حال تکامل هستند، مشکلاتی را ایجاد می کند که کاربرد آنها را در عمل بسیار مشکوک می کند. یکی از مسائل اصلی وابستگی تخمین پارامترهای زمانی گسسته به بازه زمانی انتخاب شده است که منجر به غیرقابل مقایسه نتایج در بازه های مشاهده مختلف می شود. مدلسازی مداوم زمان با استفاده از معادلات دیفرانسیل، رویکردی قدرتمند برای مطالعه پدیدههای پویا ارائه میدهد، اما استفاده از این رویکرد در علوم رفتاری و مرتبط مانند روانشناسی، جامعهشناسی، اقتصاد و پزشکی هنوز نادر است. این مایه تاسف است، زیرا در این زمینهها اغلب تنها چند مشاهدات گسسته (نمونهبرداری شده) برای تجزیه و تحلیل در دسترس هستند (به عنوان مثال، روزانه، هفتگی، سالانه و غیره). با این حال، همانطور که رکس برگستروم، پیشگام مدلسازی زمان پیوسته در اقتصاد سنجی تأکید کرد، نه انسانها و نه اقتصاد در بین مشاهدات وجود ندارند.
در 16 فصل، این کتاب به طیف وسیعی از موضوعات در مدلسازی زمان پیوسته میپردازد، از رویکردهایی که مدلهای زمان گسسته خطی سنتی را تا تکنیکهای مدلسازی فضای حالت بسیار غیرخطی تقلید میکنند. هر فصل نوع سؤالات تحقیق و داده هایی را که رویکرد برای آنها مناسب تر است، توضیح می دهد، توضیحات آماری دقیقی از مدل ها ارائه می دهد و شامل یک یا چند مثال کاربردی است. برای اینکه خوانندگان بتوانند تکنیکهای مختلف را مستقیماً پیادهسازی کنند، کدهای رایانهای همراه به صورت آنلاین در دسترس هستند. این کتاب به عنوان یک کار مرجع برای دانشآموزان و دانشمندانی است که با دادههای طولی کار میکنند و دارای دانش سطح کارشناسی ارشد یا دکتری اولیه از آمار هستند.
This unique book provides an overview of continuous time modeling in the behavioral and related sciences. It argues that the use of discrete time models for processes that are in fact evolving in continuous time produces problems that make their application in practice highly questionable. One main issue is the dependence of discrete time parameter estimates on the chosen time interval, which leads to incomparability of results across different observation intervals. Continuous time modeling by means of differential equations offers a powerful approach for studying dynamic phenomena, yet the use of this approach in the behavioral and related sciences such as psychology, sociology, economics and medicine, is still rare. This is unfortunate, because in these fields often only a few discrete time (sampled) observations are available for analysis (e.g., daily, weekly, yearly, etc.). However, as emphasized by Rex Bergstrom, the pioneer of continuous-time modeling in econometrics, neither human beings nor the economy cease to exist in between observations.
In 16 chapters, the book addresses a vast range of topics in continuous time modeling, from approaches that closely mimic traditional linear discrete time models to highly nonlinear state space modeling techniques. Each chapter describes the type of research questions and data that the approach is most suitable for, provides detailed statistical explanations of the models, and includes one or more applied examples. To allow readers to implement the various techniques directly, accompanying computer code is made available online. The book is intended as a reference work for students and scientists working with longitudinal data who have a Master's- or early PhD-level knowledge of statistics.
Front Matter ....Pages i-xi
First- and Higher-Order Continuous Time Models for Arbitrary N Using SEM (Johan H. L. Oud, Manuel C. Voelkle, Charles C. Driver)....Pages 1-26
A Continuous-Time Approach to Intensive Longitudinal Data: What, Why, and How? (Oisín Ryan, Rebecca M. Kuiper, Ellen L. Hamaker)....Pages 27-54
On Fitting a Continuous-Time Stochastic Process Model in the Bayesian Framework (Zita Oravecz, Julie Wood, Nilam Ram)....Pages 55-78
Understanding the Time Course of Interventions with Continuous Time Dynamic Models (Charles C. Driver, Manuel C. Voelkle)....Pages 79-109
Continuous-Time Modeling of Panel Data with Network Structure (Nynke M. D. Niezink, Tom A. B. Snijders)....Pages 111-134
Uses and Limitation of Continuous-Time Models to Examine Dyadic Interactions (Joel S. Steele, Joseph E. Gonzales, Emilio Ferrer)....Pages 135-162
Makes Religion Happy or Makes Happiness Religious? An Analysis of a Three-Wave Panel Using and Comparing Discrete and Continuous-Time Techniques (Heiner Meulemann, Johan H. L. Oud)....Pages 163-178
Mediation Modeling: Differing Perspectives on Time Alter Mediation Inferences (Pascal R. Deboeck, Kristopher J. Preacher, David A. Cole)....Pages 179-203
Stochastic Differential Equation Models with Time-Varying Parameters (Meng Chen, Sy-Miin Chow, Michael D. Hunter)....Pages 205-238
Robustness of Time Delay Embedding to Sampling Interval Misspecification (Steven M. Boker, Stacey S. Tiberio, Robert G. Moulder)....Pages 239-258
Recursive Partitioning in Continuous Time Analysis (Andreas M. Brandmaier, Charles C. Driver, Manuel C. Voelkle)....Pages 259-282
Continuous versus Discrete Time Modeling in Growth and Business Cycle Theory (Omar Licandro, Luis A. Puch, Jesús Ruiz)....Pages 283-303
Continuous Time State Space Modelling with an Application to High-Frequency Road Traffic Data (Siem Jan Koopman, Jacques J. F. Commandeur, Frits D. Bijleveld, Sunčica Vujić)....Pages 305-315
Continuous Time Modelling Based on an Exact Discrete Time Representation (Marcus J. Chambers, J. Roderick McCrorie, Michael A. Thornton)....Pages 317-357
Implementation of Multivariate Continuous-Time ARMA Models (Helgi Tómasson)....Pages 359-387
Langevin and Kalman Importance Sampling for Nonlinear Continuous-Discrete State-Space Models (Hermann Singer)....Pages 389-435
Back Matter ....Pages 437-442