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
دسته بندی: ریاضیات کاربردی ویرایش: 1 نویسندگان: Ann Aileen O'Connell سری: ISBN (شابک) : 0761929894, 9780761929895 ناشر: سال نشر: 2005 تعداد صفحات: 121 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 875 کیلوبایت
در صورت تبدیل فایل کتاب Logistic Regression Models for Ordinal Response Variables (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 مدل های رگرسیون لجستیک برای متغیرهای پاسخ ترتیبی (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.
مدلهای رگرسیون لجستیک برای متغیرهای پاسخ ترتیبی به محققان کاربردی در علوم اجتماعی، آموزشی و رفتاری، پوشش قابل دسترس و جامعی از تحلیلها را برای نتایج ترتیبی ارائه میدهد. محتوا بر اساس بررسی رگرسیون لجستیک است و به جزئیات شانس تجمعی (نسبی)، نسبت ادامه و مدلهای دسته مجاور برای دادههای ترتیبی گسترش مییابد. توضیحات و نمونه هایی از مدل های شانس نسبتی جزئی نیز ارائه شده است. این کتاب با مثال های فراوان و توضیحات و تفسیرهای عمیق از ویژگی های مدل بسیار خواندنی است.
Logistic Regression Models for Ordinal Response Variables provides applied researchers in the social, educational, and behavioral sciences with an accessible and comprehensive coverage of analyses for ordinal outcomes. The content builds on a review of logistic regression, and extends to details of the cumulative (proportional) odds, continuation ratio, and adjacent category models for ordinal data. Description and examples of partial proportional odds models are also provided. This book is highly readable, with lots of examples and in-depth explanations and interpretations of model characteristics.