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 Latent Variable Modeling Using R: A Step-by-Step Guide

دانلود کتاب مدل سازی متغیر پنهان با استفاده از R: راهنمای گام به گام

مشخصات کتاب

Latent Variable Modeling Using R: A Step-by-Step Guide

دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش:  
نویسندگان: A. Alexander Beaujean  
سری:  
ISBN (شابک) : 1848726996, 9781848726987 
ناشر: Routledge 
سال نشر: 2014 
تعداد صفحات: 218 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت

قیمت کتاب (تومان) : 33,000

کلمات کلیدی مربوط به کتاب مدل سازی متغیر پنهان با استفاده از R: راهنمای گام به گام: کتابخانه، ادبیات کامپیوتر، ر

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 12

در صورت تبدیل فایل کتاب Latent Variable Modeling Using R: A Step-by-Step Guide 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 سازی متغیر پنهان با استفاده از R: راهنمای گام به گام 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 سازی متغیر پنهان با استفاده از R: راهنمای گام به گام

این راهنمای گام به گام برای مبتدیان R و مدل متغیر پنهان (LVM) نوشته شده است. این کتاب با استفاده از رویکرد مدل مسیر و تمرکز بر بسته lavaan طراحی شده است تا به خوانندگان کمک کند تا به سرعت LVM ها و تجزیه و تحلیل آنها را در R درک کنند. نویسنده استدلال پشت نحو انتخاب شده را بررسی می‌کند و مثال‌هایی ارائه می‌کند که نشان می‌دهد چگونه داده‌ها را برای انواع LVM تجزیه و تحلیل کنیم. با داشتن نمونه هایی قابل استفاده در روانشناسی، آموزش، تجارت، و سایر علوم اجتماعی و بهداشتی، متن حداقلی به مبانی نظری اختصاص داده شده است. مطالب بدون استفاده از جبر ماتریسی ارائه شده است. به طور کلی، کتاب خوانندگان را برای نوشتن و تفسیر نتایج LVM که در R به دست می‌آورند، آماده می‌کند.

هر فصل دارای اطلاعات پس‌زمینه، عبارات کلیدی پررنگ تعریف شده است. در واژه نامه، تفاسیر دقیق خروجی R، شرح نحوه نوشتن تجزیه و تحلیل نتایج برای انتشار، خلاصه، تمرین های تمرینی مبتنی بر R (با راه حل های موجود در پشت از کتاب)، و مراجع و قرائت های مرتبط. یادداشت های حاشیه به خوانندگان کمک می کند تا LVM ها را بهتر درک کنند و نحو R خود را بنویسند. نمونه‌هایی که از داده‌های کار منتشر شده در رشته‌های مختلف استفاده می‌کنند، نحوه استفاده از نحو R را برای تجزیه و تحلیل و تفسیر نتایج نشان می‌دهند. توابع R، نحو، و نتایج مربوطه در کادرهای خاکستری ظاهر می شوند تا به خوانندگان کمک کنند تا به سرعت این مطالب را پیدا کنند. یک فهرست منحصر به فرد به خوانندگان کمک می کند تا به سرعت توابع، بسته ها و مجموعه داده های R را پیدا کنند. کتاب و وب‌سایت همراه آن در http://blogs.baylor.edu/rlatentvariable/ تمام داده‌های مثال‌ها و تمرین‌های کتاب و همچنین نحو R را فراهم می‌کند تا خوانندگان بتوانند تحلیل‌ها را تکرار کنند. این کتاب نحوه وارد کردن داده‌ها را در R، تعیین LVMها، و بدست آوردن و تفسیر مقادیر پارامترهای تخمین زده را بررسی می‌کند.

کتاب با علامت باز می‌شود. اصول استفاده از R از جمله نحوه دانلود برنامه، استفاده از توابع، و وارد کردن و دستکاری داده ها. فصل‌های 2 و 3 مدل‌های مسیر را برای گنجاندن متغیرهای پنهان معرفی و سپس گسترش می‌دهند. فصل 4 به خوانندگان نشان می دهد که چگونه یک مدل متغیر پنهان را با داده های بیش از یک گروه تجزیه و تحلیل کنند، در حالی که فصل 5 نحوه تجزیه و تحلیل یک مدل متغیر پنهان را با داده های بیش از یک دوره زمانی نشان می دهد. فصل 6 تجزیه و تحلیل متغیرهای دوگانه را نشان می دهد، در حالی که فصل 7 نحوه تجزیه و تحلیل LVM ها با داده های از دست رفته را نشان می دهد. فصل 8 بر تعیین حجم نمونه با استفاده از روش‌های مونت کارلو تمرکز دارد که می‌تواند با طیف گسترده‌ای از مدل‌های آماری استفاده شود و داده‌های از دست رفته را محاسبه کند. فصل آخر LVM های سلسله مراتبی را بررسی می کند و رویکردهای مرتبه بالاتر و دو عاملی را نشان می دهد. این کتاب با سه ضمیمه به پایان می رسد: مروری بر معیارهای رایج تناسب مدل از جمله فرمول ها و تفسیر آنها. نحو برای بسته‌های مدل‌های متغیر پنهان دیگر R. و راه‌حل‌هایی برای تمرین‌های هر فصل.

به‌عنوان متن تکمیلی برای دوره‌های کارشناسی ارشد و/یا پیشرفته در زمینه مدل‌سازی متغیرهای پنهان، تحلیل عاملی، مدل‌سازی معادلات ساختاری، نظریه پاسخ آیتم، در نظر گرفته شده است. اندازه گیری یا آمار چند متغیره که در روانشناسی، آموزش، توسعه انسانی، تجارت، اقتصاد و علوم اجتماعی و بهداشتی تدریس می شود، این کتاب برای محققان این رشته ها نیز جذاب است. پیش نیازها شامل آشنایی با مفاهیم اولیه آماری است، اما دانش R مورد فرض نیست.

توضیحاتی درمورد کتاب به خارجی

This step-by-step guide is written for R and latent variable model (LVM) novices. Utilizing a path model approach and focusing on the lavaan package, this book is designed to help readers quickly understand LVMs and their analysis in R. The author reviews the reasoning behind the syntax selected and provides examples that demonstrate how to analyze data for a variety of LVMs. Featuring examples applicable to psychology, education, business, and other social and health sciences, minimal text is devoted to theoretical underpinnings. The material is presented without the use of matrix algebra. As a whole the book prepares readers to write about and interpret LVM results they obtain in R.

Each chapter features background information, boldfaced key terms defined in the glossary, detailed interpretations of R output, descriptions of how to write the analysis of results for publication, a summary, R based practice exercises (with solutions included in the back of the book), and references and related readings. Margin notes help readers better understand LVMs and write their own R syntax. Examples using data from published work across a variety of disciplines demonstrate how to use R syntax for analyzing and interpreting results. R functions, syntax, and the corresponding results appear in gray boxes to help readers quickly locate this material. A unique index helps readers quickly locate R functions, packages, and datasets. The book and accompanying website at http://blogs.baylor.edu/rlatentvariable/ provides all of the data for the book’s examples and exercises as well as R syntax so readers can replicate the analyses. The book reviews how to enter the data into R, specify the LVMs, and obtain and interpret the estimated parameter values.

The book opens with the fundamentals of using R including how to download the program, use functions, and enter and manipulate data. Chapters 2 and 3 introduce and then extend path models to include latent variables. Chapter 4 shows readers how to analyze a latent variable model with data from more than one group, while Chapter 5 shows how to analyze a latent variable model with data from more than one time period. Chapter 6 demonstrates the analysis of dichotomous variables, while Chapter 7 demonstrates how to analyze LVMs with missing data. Chapter 8 focuses on sample size determination using Monte Carlo methods, which can be used with a wide range of statistical models and account for missing data. The final chapter examines hierarchical LVMs, demonstrating both higher-order and bi-factor approaches. The book concludes with three Appendices: a review of common measures of model fit including their formulae and interpretation; syntax for other R latent variable models packages; and solutions for each chapter’s exercises.

Intended as a supplementary text for graduate and/or advanced undergraduate courses on latent variable modeling, factor analysis, structural equation modeling, item response theory, measurement, or multivariate statistics taught in psychology, education, human development, business, economics, and social and health sciences, this book also appeals to researchers in these fields. Prerequisites include familiarity with basic statistical concepts, but knowledge of R is not assumed.