Latent Variable Models and Factor Analysis: A Unified Approach

دسته بندی: آمار ریاضی
ویرایش: 3 
نویسندگان: David J. Bartholomew,  Martin Knott,  Irini Moustaki  
سری: Wiley Series in Probability and Statistics 
ISBN (شابک) : 0470971924, 9780470971925 
ناشر: Wiley 
سال نشر: 2011 
تعداد صفحات: 283 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

قیمت کتاب (تومان) : 35,000

مدل های متغیر پنهان و تحلیل عاملی یک رویکرد جامع و یکپارچه برای تحلیل عاملی و مدل سازی متغیرهای پنهان از دیدگاه آماری ارائه می دهد. این کتاب یک چارچوب کلی برای فعال کردن اشتقاق مدل‌های رایج به همراه مثال‌های عددی به‌روز ارائه می‌دهد. ماهیت و تفسیر یک متغیر پنهان نیز همراه با تکنیک‌های مرتبط برای بررسی وابستگی معرفی شده است.

این کتاب:

• رویکردی واحدی را ارائه می‌کند که نشان می‌دهد چگونه روش‌های ظاهرا متنوعی مانند تحلیل کلاس پنهان و تحلیل عاملی ارائه می‌شود. در واقع اعضای یک خانواده هستند.
• مواد جدیدی را در مورد متغیرهای نمایشی مرتب، روش‌های MCMC، مدل‌های غیرخطی و همچنین فصل جدیدی در مورد تکنیک‌های مرتبط برای بررسی وابستگی ارائه می‌دهد.
• شامل بخش‌های جدیدی در مدل‌های معادلات ساختاری (SEM) و روش‌های مونت کارلو زنجیره مارکوف برای تخمین پارامتر، همراه با مثال‌های گویا جدید است.
• به پیشرفت‌های اخیر در مورد خوب بودن نگاه می‌کند. -آمار آزمون برازش و بر روی مدل‌ها و مدل‌های غیرخطی با متغیرهای پنهان مختلط، هم طبقه‌ای و هم پیوسته.

هیچ آشنایی قبلی با مدل‌سازی متغیر نهفته از پیش فرض نشده است، اما درک گسترده‌ای از آماری وجود ندارد. تئوری دیدن رویکرد را در منظر مناسب آن آسان تر می کند. آماردانان کاربردی، روانسنجی، آمار پزشکی، آمار زیستی، اقتصاددانان و پژوهشگران علوم اجتماعی از این کتاب بهره مند خواهند شد.

Latent Variable Models and Factor Analysis provides a comprehensive and unified approach to factor analysis and latent variable modeling from a statistical perspective. This book presents a general framework to enable the derivation of the commonly used models, along with updated numerical examples. Nature and interpretation of a latent variable is also introduced along with related techniques for investigating dependency.

This book:

• Provides a unified approach showing how such apparently diverse methods as Latent Class Analysis and Factor Analysis are actually members of the same family.
• Presents new material on ordered manifest variables, MCMC methods, non-linear models as well as a new chapter on related techniques for investigating dependency.
• Includes new sections on structural equation models (SEM) and Markov Chain Monte Carlo methods for parameter estimation, along with new illustrative examples.
• Looks at recent developments on goodness-of-fit test statistics and on non-linear models and models with mixed latent variables, both categorical and continuous.

No prior acquaintance with latent variable modelling is pre-supposed but a broad understanding of statistical theory will make it easier to see the approach in its proper perspective. Applied statisticians, psychometricians, medical statisticians, biostatisticians, economists and social science researchers will benefit from this book.