دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Peter Martin
سری: The SAGE Quantitative Research Kit
ISBN (شابک) : 1526424177, 9781526424174
ناشر: SAGE Publications
سال نشر: 2022
تعداد صفحات: 200
[201]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 7 Mb
در صورت تبدیل فایل کتاب Linear Regression: An Introduction to Statistical Models 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 رگرسیون خطی: مقدمه ای بر مدل های آماری 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.
بخشی از کیت تحقیقات کمی SAGE، این متن به شما کمک میکند
تا گامهای مهمی را در جهت تسلط بر تحلیل چند متغیره دادههای
علوم اجتماعی بردارید، و مدلهای رگرسیون خطی و غیرخطی اساسی مورد
استفاده در تحقیقات کمی را معرفی کنید. پیتر مارتین هم تئوری و هم
کاربرد مدلهای آماری را پوشش میدهد و آنها را با نمودارهای
روشنکننده نشان میدهد و بحث میکند:
· رگرسیون خطی، از جمله
متغیرهای ساختگی و تبدیلهای پیشبینیکننده برای روابط
منحنی
· و باینری، یا دینال
مدلهای رگرسیون لجستیک چندجملهای برای دادههای طبقهای
· مدلهایی برای دادههای
شمارش، از جمله پواسون، دوجملهای منفی و رگرسیون با تورم
صفر
· بررسی مفروضات مدل و خطرات
برازش بیش از حد
Part of The SAGE Quantitative Research Kit, this text
helps you make the crucial steps towards mastering multivariate
analysis of social science data, introducing the fundamental
linear and non-linear regression models used in quantitative
research. Peter Martin covers both the theory and application
of statistical models, and illustrates them with illuminating
graphs, discussing:
· Linear regression,
including dummy variablesand predictor transformations for
curvilinear relationships
· Binary, ordinal and
multinomial logistic regression models for categorical
data
· Models for count data,
including Poisson, negative binomial, and zero-inflated
regression
· Checking model
assumptions and the dangers of overfitting
LINEAR REGRESSION: AN INTRODUCTION TO STATISTICAL MODELS – FRONT COVER LINEAR REGRESSION: AN INTRODUCTION TO STATISTICAL MODELS COPYRIGHT CONTENTS LIST OF FIGURES, TABLES AND BOXES ABOUT THE AUTHOR ACKNOWLEDGEMENTS PREFACE CHAPTER 1 - WHAT IS A STATISTICAL MODEL? CHAPTER 2 - SIMPLE LINEAR REGRESSION CHAPTER 3 - ASSUMPTIONS AND TRANSFORMATIONS CHAPTER 4 - MULTIPLE LINEAR REGRESSION: A MODEL FOR MULTIVARIATE RELATIONSHIPS CHAPTER 5 - MULTIPLE LINEAR REGRESSION: INFERENCE, ASSUMPTIONS AND STANDARDISATION CHAPTER 6 - WHERE TO GO FROM HERE GLOSSARY REFERENCES INDEX