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: 3 نویسندگان: Charles M. Judd, Gary H. McClelland, Carey S. Ryan سری: ISBN (شابک) : 1138819824, 9781138819825 ناشر: Routledge سال نشر: 2017 تعداد صفحات: 379 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده ها: یک رویکرد مقایسه مدل به رگرسیون، ANOVA، و فراتر از آن: احتمالات و آمار، کاربردی، ریاضیات، علوم و ریاضی، آمار، کاربردی، ریاضیات، علوم و ریاضی، سیاست و علوم اجتماعی، مردم شناسی، باستان شناسی، فلسفه، سیاست و دولت، علوم اجتماعی، جامعه شناسی، آموزش و پرورش زنان، و آموزش مداوم، مدارس و تدریس، مطالعه و کتاب کار، آمادگی آزمون، آموزش، مدیریت، مشاوره، برنامه درسی و آموزشی، فلسفه تربیتی، آموزش ابتدایی، تاریخ و نظریه، آموزش متوسطه، آموزش و پرورش ویژه
در صورت تبدیل فایل کتاب Data Analysis: A Model Comparison Approach To Regression, ANOVA, and Beyond 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 ها: یک رویکرد مقایسه مدل به رگرسیون، ANOVA، و فراتر از آن 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.
تحلیل داده ها: رویکرد مقایسه مدل به رگرسیون، ANOVA و فراتر از آن یک درمان یکپارچه از تجزیه و تحلیل داده ها برای علوم اجتماعی و رفتاری است. تمام مدلهای آماری که معمولاً در چنین تحلیلهایی مورد استفاده قرار میگیرند، مانند رگرسیون چندگانه و تحلیل واریانس را پوشش میدهد، اما این کار را به شیوهای یکپارچه انجام میدهد که بر مقایسه مدلهای دادههای برآورد شده تحت عنوان مدل خطی عمومی متکی است.
تحلیل داده همچنین توضیح میدهد که چگونه رویکرد مقایسه مدل و چارچوب یکسان میتواند برای مدلهایی که شامل پیشبینیکنندههای محصول (یعنی برهمکنشها و اثرات غیرخطی) و مشاهدات غیرمستقل هستند، اعمال شود. در واقع، تجزیه و تحلیل مشاهدات غیرمستقل با برخی جزئیات مورد بررسی قرار میگیرد، از جمله مدلهای دادههای غیرمستقل با پیشبینیکنندههای متغیر پیوسته و همچنین تحلیل واریانس با اندازهگیریهای مکرر استاندارد. این رویکرد همچنین مقدمه ای یکپارچه برای مدل های خطی چندسطحی یا سلسله مراتبی و رگرسیون لجستیک فراهم می کند. در نهایت، تجزیه و تحلیل داده ها راهنمایی هایی را برای درمان موارد پرت و سایر جنبه های مشکل ساز تجزیه و تحلیل داده ها ارائه می دهد. این برای دوره های پیشرفته در سطح کارشناسی و کارشناسی ارشد در تجزیه و تحلیل داده ها در نظر گرفته شده است و یک رویکرد یکپارچه ارائه می دهد که بسیار در دسترس و آسان برای تدریس است.
برگزیدههای نسخه سوم عبارتند از:
</ P>
یک وب سایت پیشرفته با ارائه های پاورپوینت و ابزارهای دیگر که مفاهیم موجود در کتاب را نشان می دهد. تمرینهایی برای هر فصل که یافتههای تحقیق از ادبیات را برجسته میکند. مجموعه داده ها، کد R و خروجی SAS برای همه تحلیل ها. مثال های اضافی و مجموعه مسائل؛ و سوالات تستی.
Data Analysis: A Model Comparison Approach to Regression, ANOVA, and Beyond is an integrated treatment of data analysis for the social and behavioral sciences. It covers all of the statistical models normally used in such analyses, such as multiple regression and analysis of variance, but it does so in an integrated manner that relies on the comparison of models of data estimated under the rubric of the general linear model.
Data Analysis also describes how the model comparison approach and uniform framework can be applied to models that include product predictors (i.e., interactions and nonlinear effects) and to observations that are nonindependent. Indeed, the analysis of nonindependent observations is treated in some detail, including models of nonindependent data with continuously varying predictors as well as standard repeated measures analysis of variance. This approach also provides an integrated introduction to multilevel or hierarchical linear models and logistic regression. Finally, Data Analysis provides guidance for the treatment of outliers and other problematic aspects of data analysis. It is intended for advanced undergraduate and graduate level courses in data analysis and offers an integrated approach that is very accessible and easy to teach.
Highlights of the third edition include:
an enhanced website with PowerPoint presentations and other tools that demonstrate the concepts in the book; exercises for each chapter that highlight research findings from the literature; data sets, R code, and SAS output for all analyses; additional examples and problem sets; and test questions.