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
نویسندگان: Joop Hox. J. Kyle Roberts
سری: European Association of Methodology Series
ISBN (شابک) : 1841697222, 9781841697222
ناشر: Routledge Academic
سال نشر: 2010
تعداد صفحات: 402
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 7 مگابایت
در صورت تبدیل فایل کتاب Handbook of Advanced Multilevel Analysis (European Association of Methodology Series) 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 راهنمای تجزیه و تحلیل چند سطحی پیشرفته () 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 راهنمای جدید منبع قطعی در مورد موضوعات پیشرفته مرتبط با تجزیه و تحلیل چند سطحی است. ویراستاران مغزهای برتر در این زمینه را جمع آوری کردند تا به آخرین کاربردهای مدل سازی چندسطحی و همچنین مشکلات خاص و مشکلات روش شناختی که با توسعه مدل های پیچیده تر رایج تر می شوند، رسیدگی کنند. هر فصل دارای نمونه هایی است که از مجموعه داده های واقعی استفاده می کنند. این مجموعه داده ها و همچنین کد اجرای مدل ها در وب سایت کتاب http://www.hlm-online.com موجود است. هر فصل شامل مقدمه ای است که زمینه را برای رسیدن به مطالب و نتیجه گیری فراهم می کند. بخش اول که به پنج بخش تقسیم شده است، مقدمه ای گسترده برای این زمینه ارائه می دهد که به عنوان چارچوبی برای درک فصل های آخر عمل می کند. بخش 2 بر مدلسازی متغیرهای پنهان چندسطحی از جمله نظریه پاسخ آیتم و مدلسازی مخلوط تمرکز دارد. بخش 3 به مدل های مورد استفاده برای داده های طولی از جمله منحنی رشد و مدل سازی معادلات ساختاری می پردازد. مشکلات تخمین ویژه در بخش 4 مورد بررسی قرار میگیرد که شامل مشکلات مربوط به تخمین تحلیل بقا، تخمین بیزی، راهاندازی، انتساب چندگانه، و مدلهای پیچیده، از جمله مدلهای خطی تعمیمیافته، طراحی بهینه در مدلهای چند سطحی و موارد دیگر میشود. بخش پایانی کتاب بر مسائل طراحی آماری تمرکز دارد که هنگام انجام مدلسازی چند سطحی از جمله طرحهای تودرتو، تحلیل مدلهای طبقهبندیشده متقابل و تجزیه و تحلیل دادههای دوتایی با آن مواجه میشوند. این کتاب راهنما که برای روش شناسان، آماردانان و محققان در زمینه های مختلف از جمله روانشناسی، آموزش، و علوم اجتماعی و بهداشتی در نظر گرفته شده است، همچنین به عنوان یک متن عالی برای دوره های تحصیلات تکمیلی و دکترا در مدل سازی چند سطحی عمل می کند. دانش پایه از مدل سازی چند سطحی فرض شده است.
This new handbook is the definitive resource on advanced topics related to multilevel analysis. The editors assembled the top minds in the field to address the latest applications of multilevel modeling as well as the specific difficulties and methodological problems that are becoming more common as more complicated models are developed. Each chapter features examples that use actual datasets. These datasets, as well as the code to run the models, are available on the book’s website http://www.hlm-online.com . Each chapter includes an introduction that sets the stage for the material to come and a conclusion. Divided into five sections, the first provides a broad introduction to the field that serves as a framework for understanding the latter chapters. Part 2 focuses on multilevel latent variable modeling including item response theory and mixture modeling. Section 3 addresses models used for longitudinal data including growth curve and structural equation modeling. Special estimation problems are examined in section 4 including the difficulties involved in estimating survival analysis, Bayesian estimation, bootstrapping, multiple imputation, and complicated models, including generalized linear models, optimal design in multilevel models, and more. The book’s concluding section focuses on statistical design issues encountered when doing multilevel modeling including nested designs, analyzing cross-classified models, and dyadic data analysis. Intended for methodologists, statisticians, and researchers in a variety of fields including psychology, education, and the social and health sciences, this handbook also serves as an excellent text for graduate and PhD level courses in multilevel modeling. A basic knowledge of multilevel modeling is assumed.
Title......Page 4
Copyright......Page 5
Contents......Page 6
Preface......Page 8
Section I: Introduction......Page 10
1 Multilevel Analysis: Where We Were and Where We Are......Page 12
Section II: Multilevel Latent Variable Modeling (LVM)......Page 22
2 Beyond Multilevel Regression Modeling: Multilevel Analysis in a General Latent Variable Framework......Page 24
3 Multilevel IRT Modeling......Page 50
4 Mixture Models for Multilevel Data Sets......Page 68
Section III: Multilevel Models for Longitudinal Data......Page 92
5 Panel Modeling: Random Coefficients and Covariance Structures......Page 94
6 Growth Curve Analysis Using Multilevel Regression and Structural Equation Modeling......Page 106
Section IV: Special estimation Problems......Page 122
7 Multilevel Analysis of Ordinal Outcomes Related to Survival Data......Page 124
8 Bayesian Estimation of Multilevel Models......Page 146
9 Bootstrapping in Multilevel Models......Page 172
10 Multiple Imputation of Multilevel Data......Page 182
11 Handling Omitted Variable Bias in Multilevel Models: Model Specification Tests and Robust Estimation......Page 206
12 Explained Variance in Multilevel Models......Page 228
13 Model Selection Based on Information Criteria in Multilevel Modeling......Page 240
14 Optimal Design in Multilevel Experiments......Page 266
Section V: Specific Statistical Issues......Page 292
15 Centering in Two-Level Nested Designs......Page 294
16 Cross-Classified and Multiple-Membership Models......Page 322
17 Dyadic Data Analysis Using Multilevel Modeling......Page 344
Author Index......Page 380
Subject Index......Page 388