ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Health Econometrics Using Stata

دانلود کتاب اقتصاد سنجی سلامت با استفاده از Stata

Health Econometrics Using Stata

مشخصات کتاب

Health Econometrics Using Stata

ویرایش: [1 ed.] 
نویسندگان: , ,   
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) : 53,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 5


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

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی