دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Health Econometrics Using Stata
دانلود کتاب اقتصاد سنجی سلامت با استفاده از Stata
مشخصات کتاب
Health Econometrics Using Stata
ویرایش: [1 ed.] نویسندگان: Partha Deb, Edward C. Norton, Willard G. Manning سری: ISBN (شابک) : 1597182281, 9781597182287 ناشر: Stata Press سال نشر: 2017 تعداد صفحات: 264 [374] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 13 Mb
قیمت کتاب (تومان) : 44,000
در صورت تبدیل فایل کتاب Health Econometrics Using Stata 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 اقتصاد سنجی سلامت با استفاده از Stata 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.
توضیحاتی در مورد کتاب اقتصاد سنجی سلامت با استفاده از Stata
اقتصاد سنجی سلامت با استفاده از Stataby Partha Deb، Edward C. Norton و Willard G. Manning یک نمای کلی از روش های مورد استفاده برای تجزیه و تحلیل داده ها در مورد هزینه ها و استفاده از مراقبت های بهداشتی ارائه می دهد. این کتاب که هدف پژوهشگران، دانشجویان فارغ التحصیل و متخصصان است، خوانندگان را با روش های پرکاربرد آشنا می کند، نحوه اجرای این روش ها را در Stata به آنها نشان می دهد و نحوه تفسیر نتایج را نشان می دهد. هر روش در چارچوب یک مثال با استفاده از عصاره ای از بررسی پانل هزینه های پزشکی مورد بحث قرار می گیرد. پس از فصل‌های کلی، کتاب مقدمه‌ای عالی برای مجموعه‌ای از موضوعات با هدف تجزیه و تحلیل مخارج مراقبت‌های بهداشتی و داده‌های استفاده ارائه می‌کند. موضوعات اساسی رگرسیون خطی، مدل خطی تعمیم یافته، و مدل های لاگ و باکس-کاکس با تمرکز دقیق بر مشکلات ارائه شده توسط این داده ها پوشش داده شده است. با استفاده از این پایه، نویسندگان موضوعات پیشرفته‌تر مدل‌ها را برای نتیجه پیوسته با نقاط جرم، مدل‌های شمارش و مدل‌هایی برای اثرات ناهمگن پوشش می‌دهند. در نهایت، آنها درون زایی و چگونگی پرداختن به سؤالات استنتاج با استفاده از داده های بررسی های پیچیده را مورد بحث قرار می دهند. نویسندگان از تجربه فوق العاده خود برای راهنمایی خوانندگان به سمت روش های مفید و دوری از روش های کمتر توصیه شده استفاده می کنند. بحث آنها در مورد \"افسانه های اقتصادسنجی سلامت\" و فصل ارائه چارچوبی برای نزدیک شدن به مشکلات برآورد اقتصاد سنجی سلامت به ویژه برای این جنبه مفید است. ، شمارش مدل ها و مدل هایی برای اثرات ناهمگن. در نهایت، آنها درون زایی و چگونگی پرداختن به سؤالات استنتاج با استفاده از داده های بررسی های پیچیده را مورد بحث قرار می دهند. نویسندگان از تجربه فوق العاده خود برای راهنمایی خوانندگان به سمت روش های مفید و دوری از روش های کمتر توصیه شده استفاده می کنند. بحث آنها در مورد \"افسانه های اقتصادسنجی سلامت\" و فصل ارائه چارچوبی برای نزدیک شدن به مشکلات برآورد اقتصاد سنجی سلامت به ویژه برای این جنبه مفید است.
توضیحاتی درمورد کتاب به خارجی
Health Econometrics Using Stataby Partha Deb, Edward C. Norton, and Willard G. Manning provides an excellent overview of the methods used to analyze data on healthcare expenditure and use. Aimed at researchers, graduate students, and practitioners, this book introduces readers to widely used methods, shows them how to perform these methods in Stata, and illustrates how to interpret the results. Each method is discussed in the context of an example using an extract from the Medical Expenditure Panel Survey. After the overview chapters, the book provides excellent introductions to a series of topics aimed specifically at those analyzing healthcare expenditure and use data. The basic topics of linear regression, the generalized linear model, and log and Box-Cox models are covered with a tight focus on the problems presented by these data. Using this foundation, the authors cover the more advanced topics of models for continuous outcome with mass points, count models, and models for heterogeneous effects. Finally, they discuss endogeneity and how to address inference questions using data from complex surveys. The authors use their formidable experience to guide readers toward useful methods and away from less recommended ones. Their discussion of \"health econometric myths\" and the chapter presenting a framework for approaching health econometric estimation problems are especially useful for this aspect. , count models, and models for heterogeneous effects. Finally, they discuss endogeneity and how to address inference questions using data from complex surveys. The authors use their formidable experience to guide readers toward useful methods and away from less recommended ones. Their discussion of \"health econometric myths\" and the chapter presenting a framework for approaching health econometric estimation problems are especially useful for this aspect.
فهرست مطالب
Tables Figures Preface Notation and typography 1 Introduction 1.1 Outline 1.2 Themes 1.3 Health econometric myths 1.4 Stata friendly 1.5 A useful way forward 2 Framework 2.1 Introduction 2.2 Potential outcomes and treatment effects 2.3 Estimating ATEs 2.3.1 A laboratory experiment 2.3.2 Randomization 2.3.3 Covariate adjustment 2.4 Regression estimates of treatment effects 2.4.1 Linear regression 2.4.2 Nonlinear regression 2.5 Incremental and marginal effects 2.6 Model selection 2.6.1 In-sample model selection 2.6.2 Cross-validation 2.7 Other issues 3 MEPS data 3.1 Introduction 3.2 Overview of all variables 3.3 Expenditure and use variables 3.4 Explanatory variables 3.5 Sample dataset 3.6 Stata resources 4 The linear regression model: Specification and checks 4.1 Introduction 4.2 The linear regression model 4.3 Marginal, incremental, and treatment effects 4.3.1 Marginal and incremental effects 4.3.2 Graphical representation of marginal and incremental effects 4.3.3 Treatment effects 4.4 Consequences of misspecification 4.4.1 Example: A quadratic specification 4.4.2 Example: An exponential specification 4.5 Visual checks 4.5.1 Artificial-data example of visual checks 4.5.2 MEPS example of visual checks 4.6 Statistical tests 4.6.1 Pregibon’s link test 4.6.2 Ramsey’s RESET test 4.6.3 Modified Hosmer–Lemeshow test 4.6.4 Examples 4.6.5 Model selection using AIC and BIC 4.7 Stata resources 5 Generalized linear models 5.1 Introduction 5.2 GLM framework 5.2.1 GLM assumptions 5.2.2 Parameter estimation 5.3 GLM examples 5.4 GLM predictions 5.5 GLM example with interaction term 5.6 Marginal and incremental effects 5.7 Example of marginal and incremental effects 5.8 Choice of link function and distribution family 5.8.1 AIC and BIC 5.8.2 Test for the link function 5.8.3 Modified Park test for the distribution family 5.8.4 Extended GLM 5.9 Conclusions 5.10 Stata resources 6 Log and Box–Cox models 6.1 Introduction 6.2 Log models 6.2.1 Log model estimation and interpretation 6.3 Retransformation from ln(y) to raw scale 6.3.1 Error retransformation and model predictions 6.3.2 Marginal and incremental effects 6.4 Comparison of log models to GLM 6.5 Box–Cox models 6.5.1 Box–Cox example 6.6 Stata resources 7 Models for continuous outcomes with mass at zero 7.1 Introduction 7.2 Two-part models 7.2.1 Expected values and marginal and incremental effects 7.3 Generalized tobit 7.3.1 Full-information maximum likelihood and limited-information maximum likelihood 7.4 Comparison of two-part and generalized tobit models 7.4.1 Examples that show similarity of marginal effects 7.5 Interpretation and marginal effects 7.5.1 Two-part model example 7.5.2 Two-part model marginal effects 7.5.3 Two-part model marginal effects example 7.5.4 Generalized tobit interpretation 7.5.5 Generalized tobit example 7.6 Single-index models that accommodate zeros 7.6.1 The tobit model 7.6.2 Why tobit is used sparingly 7.6.3 One-part models 7.7 Statistical tests 7.8 Stata resources 8 Count models 8.1 Introduction 8.2 Poisson regression 8.2.1 Poisson MLE 8.2.2 Robustness of the Poisson regression 8.2.3 Interpretation 8.2.4 Is Poisson too restrictive? 8.3 Negative binomial models 8.3.1 Examples of negative binomial models 8.4 Hurdle and zero-inflated count models 8.4.1 Hurdle count models 8.4.2 Zero-inflated models 8.5 Truncation and censoring 8.5.1 Truncation 8.5.2 Censoring 8.6 Model comparisons 8.6.1 Model selection 8.6.2 Cross-validation 8.7 Conclusion 8.8 Stata resources 9 Models for heterogeneous effects 9.1 Introduction 9.2 Quantile regression 9.2.1 MEPS examples 9.2.2 Extensions 9.3 Finite mixture models 9.3.1 MEPS example of healthcare expenditures 9.3.2 MEPS example of healthcare use 9.4 Nonparametric regression 9.4.1 MEPS examples 9.5 Conditional density estimator 9.6 Stata resources 10 Endogeneity 10.1 Introduction 10.2 Endogeneity in linear models 10.2.1 OLS is inconsistent 10.2.2 2SLS 10.2.3 Specification tests 10.2.4 2SRI 10.2.5 Modeling endogeneity with ERM 10.3 Endogeneity with a binary endogenous variable 10.3.1 Additional considerations 10.4 GMM 10.5 Stata resources 11 Design effects 11.1 Introduction 11.2 Features of sampling designs 11.2.1 Weights 11.2.2 Clusters and stratification 11.2.3 Weights and clustering in natural experiments 11.3 Methods for point estimation and inference 11.3.1 Point estimation 11.3.2 Standard errors 11.4 Empirical examples 11.4.1 Survey design setup 11.4.2 Weighted sample means 11.4.3 Weighted least-squares regression 11.4.4 Weighted Poisson count model 11.5 Conclusion 11.6 Stata resources References Author index Subject index
نظرات کاربران
کتاب های تصادفی
دانلود کتاب The golden age of American musical theatre: 1943-1965
دانلود کتاب The Pop-Up Donut Shop: Better-than-Glazed Donut Recipes to Try!
دانلود کتاب Γιατί πιστεύουμε : Πώς η επιστήμη του εγκεφάλου εξηγεί την ανάγκη μας για τον Θεό
