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: [1 ed.] نویسندگان: Dr. Peter Y. Chen, Dr. Paula M. Popovich سری: Quantitative Applications in the Social Sciences 139 ISBN (شابک) : 0761922288, 9780761922285 ناشر: Sage Publications, Inc سال نشر: 2002 تعداد صفحات: 105 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 Mb
در صورت تبدیل فایل کتاب Correlation: Parametric and Nonparametric Measures (Quantitative Applications in the 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 همبستگی: معیارهای پارامتریک و ناپارامتریک (کاربردهای کمی در علوم 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.
همبستگی ها، به طور کلی، و همبستگی محصول-لحظه پیرسون به طور خاص، می توانند برای بسیاری از اهداف تحقیقاتی استفاده شوند، از توصیف رابطه بین دو متغیر به عنوان یک آمار توصیفی تا بررسی رابطه بین دو متغیر در یک جامعه به عنوان یک آمار استنباطی، یا برای سنجش قدرت یک اثر، یا انجام یک مطالعه فرا تحلیلی. چگونه می توان از همبستگی به طور مؤثرتری استفاده کرد تا داده ها را اشتباه تفسیر نکند؟ این کتاب چگونگی انجام این کار را با بررسی پیرسون r از معنای مفهومی آن، به مفروضات، موارد خاص پیرسون r، تخمینهای ضریب دو سریال و ضریب تتراکوریک پیرسون r، کاربردهای آن در تحقیقات (از جمله اندازه اثر، تحلیل توان، متاآنالیز، تجزیه و تحلیل سودمندی، برآورد قابلیت اطمینان و اعتبار)، عواملی که بر روی پیرسون r و در نهایت به شاخصهای همبستگی ناپارامتریک اضافی تأثیر میگذارند. پس از مطالعه این کتاب، خواننده قادر به مقایسه و تمایز مفاهیم شباهت و رابطه، تشخیص تمایز بین همبستگی و علیت و تفسیر صحیح همبستگی ها خواهد بود.
Correlations, in general, and the Pearson product-moment correlation in particular, can be used for many research purposes, ranging from describing a relationship between two variables as a descriptive statistic to examining a relationship between two variables in a population as an inferential statistic, or to gauge the strength of an effect, or to conduct a meta-analytic study. How can correlation be more effectively used so that one doesn't misinterpret the data? This book reveals how to do this by examining Pearson r from its conceptual meaning, to assumptions, special cases of the Pearson r, the biserial coefficient and tetrachoric coefficient estimates of the Pearson r, its uses in research (including effect size, power analysis, meta-analysis, utility analysis, reliability estimates and validation), factors that affect the Pearson r, and finally to additional nonparametric correlation indexes. After reading this book, the reader will be able to compare and distinguish the concepts of similarity and relationship, identify the distinction between correlation and causation, and to interpret correlations correctly.