مشخصات کتاب

Linear Probability, Logit, and Probit Models (Quantitative Applications in the Social Sciences)

ویرایش:  
نویسندگان: John H. Aldrich,  Forrest D. Nelson  
سری:  
ISBN (شابک) : 0803921330, 9780803921337 
ناشر: Sage Publications, Inc 
سال نشر: 1984 
تعداد صفحات: 106 
زبان: English  
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 465 کیلوبایت 

در صورت تبدیل فایل کتاب Linear Probability, Logit, and Probit Models (Quantitative Applications in the Social Sciences) 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 مدل‌های احتمال خطی، لاجیت و پروبیت (کاربردهای کمی در علوم اجتماعی) 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 مدل‌های احتمال خطی، لاجیت و پروبیت (کاربردهای کمی در علوم اجتماعی)

تجزیه و تحلیل رگرسیون معمولی برای بررسی متغیرهای وابسته دوقطبی یا در غیر این صورت \"محدود\" مناسب نیست، اما این جلد به بررسی سه تکنیک - احتمال خطی، پروبیت و مدل‌های لاجیت - می‌پردازد که برای چنین داده‌هایی مناسب هستند. این مدل احتمال خطی را بررسی می‌کند و مشخصات جایگزین مدل‌های غیرخطی را مورد بحث قرار می‌دهد. آلدریچ و نلسون با استفاده از مثال‌های دقیق به تفاوت‌های بین مدل‌های خطی، لاجیت و پروبیت اشاره می‌کنند و مفروضات مرتبط با هر یک را توضیح می‌دهند.

توضیحاتی درمورد کتاب به خارجی

Ordinary regression analysis is not appropriate for investigating dichotomous or otherwise "limited" dependent variables, but this volume examines three techniques -- linear probability, probit, and logit models -- which are well-suited for such data. It reviews the linear probability model and discusses alternative specifications of non-linear models. Using detailed examples, Aldrich and Nelson point out the differences among linear, logit, and probit models, and explain the assumptions associated with each.

فهرست مطالب

Contents
Series Introduction
Acknowledgments
1. The Linear Probability Model
	1.0 Introduction
	1.1 Review of the Multivariate, Linear Regression Model
	1.2 A Dichotomous Dependent Variable and the Linear Probability Model
	1.3 A Dichotomous Response Variable with Replicated Data
	1.4 Polytomous or Multiple Category Dependent Variables
	1.5 The Linearity Assumption
	1.6 The Effect of an Incorrect Linearity Assumption
2. Specification of Nonlinear Probability Models
	2.0 Introduction
	2.1 The General Problem of Specification
	2.2 Alternative Nonlinear Functional Forms for the Dichotomous Case
	2.3 Derivation of Nonlinear Transformations from a Behavioral Model
	2.4 Nonlinear Probability Specifications for Polytomous Variables
	2.5 Behavior of the Logit and Probit Specifications
	2.6 Summary
3. Estimation of Probit and Logit Models for Dichotomous Dependent Variables
	3.0 Introduction
	3.1 Assumptions of the Models
	3.2 Maximum Likelihood Estimation
	3.3. Properties of Estimates
	3.4 Interpretation of and Inference from MLE Results
	3.5 Conclusions
4. Minimum Chi-Square Estimation and Polytomous Models
	4.0 Introduction
	4.1 Minimum Chi-Square Estimation for Replicated, Dichotomous Data
	4.2. Polytomous Dependent Variables
5. Summary and Extensions
	5.0 Introduction
	5.1 Summary
	5.2 Extensions
Notes
References
About the Authors

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Eros and Ethics: Reading Jacques Lacan’s Seminar VII

دانلود کتاب Building physics : heat, air and moister : fundamentals and engineering methods with examples and exercises

دانلود کتاب Visual Basic 2005 Programmierhandbuch GERMAN

دانلود کتاب The Gifts of Near-Death Experiences: You Don't Have to Die to Experience Your True Home

دانلود کتاب 比尔·盖茨传 (Biography of Bill Gates)