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: نویسندگان: José R. Zubizarreta, Elizabeth A. Stuart, Dylan S. Small, Paul R. Rosenbaum سری: Chapman & Hall/CRC Handbooks of Modern Statistical Methods ISBN (شابک) : 9780367609528, 9781003102670 ناشر: CRC Press/Chapman & Hall سال نشر: 2023 تعداد صفحات: 633 [634] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 22 Mb
در صورت تبدیل فایل کتاب Handbook of Matching and Weighting Adjustments for Causal Inference 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 تطبیق و تنظیم وزن برای استنتاج علی 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.
یک مطالعه مشاهده ای اثرات ناشی از یک درمان، سیاست، برنامه، مداخله یا قرار گرفتن در معرض را در زمینه ای استنباط می کند که در آن آزمایش تصادفی غیراخلاقی یا غیرعملی است. یکی از وظایف در یک مطالعه مشاهدهای، تنظیم تفاوتهای قابل مشاهده قبل از درمان بین گروههای تحت درمان و کنترل است. تطبیق و وزن دهی چند متغیره دو شکل مدرن تنظیم هستند. این کتاب راهنما بررسی جامعی از جدیدترین روشهای تنظیم با تطبیق، وزندهی، یادگیری ماشین و ترکیب آنها ارائه میکند. سه فصل دیگر مراحلی از ارتباط تا علیت را که پس از تکمیل تنظیمات دنبال میشوند، معرفی میکنند. وقتی به تنهایی استفاده می شود، تطبیق و وزن دهی از اطلاعات نتیجه استفاده نمی کنند، بنابراین بخشی از طراحی یک مطالعه مشاهده ای هستند. هنگامی که در ارتباط با مدلها برای نتیجه استفاده میشود، تطبیق و وزندهی ممکن است استحکام تنظیمات مبتنی بر مدل را افزایش دهد. این کتاب برای محققان پزشکی، اقتصاد، بهداشت عمومی، روانشناسی، اپیدمیولوژی، ارزیابی برنامههای عمومی و آمار است که شواهدی از اثرات درمانها، سیاستها یا مواجههها بر انسانها را بررسی میکنند.
An observational study infers the effects caused by a treatment, policy, program, intervention, or exposure in a context in which randomized experimentation is unethical or impractical. One task in an observational study is to adjust for visible pretreatment differences between the treated and control groups. Multivariate matching and weighting are two modern forms of adjustment. This handbook provides a comprehensive survey of the most recent methods of adjustment by matching, weighting, machine learning and their combinations. Three additional chapters introduce the steps from association to causation that follow after adjustments are complete. When used alone, matching and weighting do not use outcome information, so they are part of the design of an observational study. When used in conjunction with models for the outcome, matching and weighting may enhance the robustness of model-based adjustments. The book is for researchers in medicine, economics, public health, psychology, epidemiology, public program evaluation, and statistics who examine evidence of the effects on human beings of treatments, policies or exposures.