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 Hierarchical Linear Models: Applications and Data Analysis Methods

دانلود کتاب مدل های خطی سلسله مراتبی: کاربردها و روش های تجزیه و تحلیل داده ها

Hierarchical Linear Models: Applications and Data Analysis Methods

مشخصات کتاب

Hierarchical Linear Models: Applications and Data Analysis Methods

دسته بندی: آمار ریاضی
ویرایش: 2 
نویسندگان: ,   
سری: Advanced Quantitative Techniques in the Social Sciences 1 
ISBN (شابک) : 076191904X, 9780761919049 
ناشر: SAGE Publications 
سال نشر: 2002 
تعداد صفحات: 510 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت

قیمت کتاب (تومان) : 39,000



کلمات کلیدی مربوط به کتاب مدل های خطی سلسله مراتبی: کاربردها و روش های تجزیه و تحلیل داده ها: ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی، آمار ریاضی کاربردی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 3


در صورت تبدیل فایل کتاب Hierarchical Linear Models: Applications and Data Analysis Methods 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 مدل های خطی سلسله مراتبی: کاربردها و روش های تجزیه و تحلیل داده ها 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 مدل های خطی سلسله مراتبی: کاربردها و روش های تجزیه و تحلیل داده ها

\"این یک کتاب درجه یک است که به یکی از مهمترین زمینه های تحقیقات فعلی در آمار کاربردی می پردازد ... روش های توصیف شده به طور گسترده قابل استفاده هستند ... استاندارد ارائه بسیار بالا است.\"\r\n- بررسی های کوتاه کتاب از موسسه بین المللی آمار\r\n\r\n\"فصل های جدید (10-14) یک منبع عالی برای تحقیق و آموزش را بهبود می بخشد. محتوای آنها پوشش کتاب را گسترش می دهد تا شامل مدل هایی برای نتایج سطح 1 گسسته، واحدهای سطح 2 غیر تودرتو، داده های ناقص و اندازه گیری شود. خطا---همه موضوعات حیاتی در آمارهای اجتماعی معاصر. طبق سنت چاپ اول، آنها به وضوح نوشته شده اند و از مثال های اساسی جالب برای نشان دادن روش ها به خوبی استفاده می کنند. دانشجویان تحصیلات تکمیلی پیشرفته و محققان اجتماعی این نسخه گسترش یافته را بلافاصله مفید خواهند یافت. و مربوط به تحقیقات آنها است.\"\r\n--تد گربر، جامعه شناسی، دانشگاه آریزونا\r\n\r\n\"فصل 11 همچنین خواندنی هیجان انگیز بود و تطبیق پذیری مدل ترکیبی با الگوریتم EM را نشان می دهد. عملاً در هر صفحه یک مکاشفه جدید وجود داشت. من دیدم که شرح بسیار واضح است. مانند هدایت از یک اتاق گنج به اتاق دیگر بود. و همه جواهرات ذاتاً مفید هستند. اینها مشکلاتی هستند که محققان هر روز با آن روبرو هستند و این فصل جایگزینی عالی برای نحوه برخورد سنتی ما با این مشکلات به ما می دهد.\"\r\n--پاول سوانک، دانشکده پرستاری هیوستون، دانشگاه تگزاس، هیوستون\r\n\r\nاین کتاب که در ویرایش اول به دلیل مثال‌های غنی و گویا و توضیحات شفاف در مورد تئوری و استفاده از مدل‌های خطی سلسله مراتبی (HLM) محبوب است، در چهار بخش با چهار فصل کاملاً جدید سازماندهی مجدد شده است. دو بخش اول، بخش اول در مورد \"منطق مدل سازی سلسله مراتبی خطی\" و بخش دوم در مورد \"کاربردهای اساسی\" با 9 فصل اول نسخه قبلی با بسط و توضیح فنی قابل توجهی موازی می شود، مانند:\r\n\r\n* خلاصه مقدماتی بصری از رویه‌های اساسی برای تخمین و استنتاج مورد استفاده در مدل‌های HLM که فقط به سطح حداقلی از پیچیدگی ریاضی در فصل 3 نیاز دارد.\r\n* بخش جدید در مورد مدل های رشد چند متغیره در فصل 6\r\n* بحث در مورد ترکیب تحقیق یا کاربردهای متاآنالیز در فصل 7\r\n* توصیه‌های تحلیلی داده‌ها در مورد تمرکز پیش‌بینی‌کننده‌های سطح 1 و مطالب جدید بر روی فواصل ارزش قابل قبول و برآوردگرهای استاندارد قوی\r\n\r\nدر حالی که ویرایش اول توجه خود را به نتایج مستمر توزیع شده در سطح 1 محدود می کند، این ویرایش دوم اکنون شامل مجموعه ای از انواع نتایج در قسمت III است:\r\n\r\n* فصل 10 جدید کاربردهای مدل های سلسله مراتبی را در مورد نتایج باینری، داده های شمارش شده، دسته های مرتب شده و نتایج چند جمله ای با استفاده از مثال های دقیق برای نشان دادن هر مورد مورد بررسی قرار می دهد.\r\n* فصل 11 جدید در مورد مدل های متغیر پنهان، از جمله تخمین رگرسیون از داده های از دست رفته، تخمین رگرسیون زمانی که پیش بینی ها با خطا اندازه گیری می شوند، و جاسازی مدل های پاسخ آیتم در چارچوب مدل HLM\r\n* مقدمه ای جدید بر منطق استنتاج بیزی با کاربردهای داده های سلسله مراتبی (فصل 13)\r\n\r\nنویسندگان در بخش چهارم با تئوری آماری و محاسبات مورد استفاده در سراسر کتاب، از جمله مدل‌های تک متغیره با خطاهای معمولی سطح 1، مدل‌های خطی چند متغیره، و مدل‌های خطی تعمیم یافته سلسله مراتبی، نتیجه‌گیری می‌کنند.


توضیحاتی درمورد کتاب به خارجی

"This is a first-class book dealing with one of the most important areas of current research in applied statistics…the methods described are widely applicable…the standard of exposition is extremely high." --Short Book Reviews from the International Statistical Institute "The new chapters (10-14) improve an already excellent resource for research and instruction. Their content expands the coverage of the book to include models for discrete level-1 outcomes, non-nested level-2 units, incomplete data, and measurement error---all vital topics in contemporary social statistics. In the tradition of the first edition, they are clearly written and make good use of interesting substantive examples to illustrate the methods. Advanced graduate students and social researchers will find the expanded edition immediately useful and pertinent to their research." --TED GERBER, Sociology, University of Arizona "Chapter 11 was also exciting reading and shows the versatility of the mixed model with the EM algorithm. There was a new revelation on practically every page. I found the exposition to be extremely clear. It was like being led from one treasure room to another, and all of the gems are inherently useful. These are problems that researchers face everyday, and this chapter gives us an excellent alternative to how we have traditionally handled these problems." --PAUL SWANK, Houston School of Nursing, University of Texas, Houston Popular in the First Edition for its rich, illustrative examples and lucid explanations of the theory and use of hierarchical linear models (HLM), the book has been reorganized into four parts with four completely new chapters. The first two parts, Part I on "The Logic of Hierarchical Linear Modeling" and Part II on "Basic Applications" closely parallel the first nine chapters of the previous edition with significant expansions and technical clarifications, such as: * An intuitive introductory summary of the basic procedures for estimation and inference used with HLM models that only requires a minimal level of mathematical sophistication in Chapter 3 * New section on multivariate growth models in Chapter 6 * A discussion of research synthesis or meta-analysis applications in Chapter 7 * Data analytic advice on centering of level-1 predictors and new material on plausible value intervals and robust standard estimators While the first edition confined its attention to continuously distributed outcomes at level 1, this second edition now includes coverage of an array of outcomes types in Part III: * New Chapter 10 considers applications of hierarchical models in the case of binary outcomes, counted data, ordered categories, and multinomial outcomes using detailed examples to illustrate each case * New Chapter 11 on latent variable models, including estimating regressions from missing data, estimating regressions when predictors are measured with error, and embedding item response models within the framework of the HLM model * New introduction to the logic of Bayesian inference with applications to hierarchical data (Chapter 13) The authors conclude in Part IV with the statistical theory and computations used throughout the book, including univariate models with normal level-1 errors, multivariate linear models, and hierarchical generalized linear models.



فهرست مطالب

PART I THE LOGIC OF HIERARCHICAL LINEAR MODELING
1.Introduction    
2.The Logic of Hierarchical Linear Models    
3. Principles of Estimation and Hypothesis Testing for Hierarchical Linear Models    
4. An Illustration  
PART II BASIC APPLICATIONS
5. Applications in Organizational Research    
6. Applications in the Study of Individual Change    
7. Applications in Meta-Analysis and Other Cases where Level-1 Variances are Known    
8. Three-Level Models    
9. Assessing the Adequacy of Hierarchical Models  
PART III ADVANCED APPLICATIONS
10. Hierarchical Generalized Linear Models    
11. Hierarchical Models for Latent Variables    
12. Models for Cross-Classified Random Effects    
13. Bayesian Inference for Hierarchical Models  
PART IV ESTIMATION THEORY AND COMPUTATIONS
14. Estimation Theory    
Summary and Conclusions    
References    
Index    
About the Authors




نظرات کاربران

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