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: 1
نویسندگان: Jason T. Newsom
سری: Multivariate Applications Series
ISBN (شابک) : 1848726961, 9781848726963
ناشر: Routledge
سال نشر: 2015
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 16 مگابایت
کلمات کلیدی مربوط به کتاب مدل سازی معادلات ساختاری طولی: مقدمه ای جامع: احتمالات و آمار، کاربردی، ریاضیات، علوم و ریاضی، آمار، کاربردی، ریاضیات، علوم و ریاضی، سیاست و علوم اجتماعی، مردم شناسی، باستان شناسی، فلسفه، سیاست و دولت، علوم اجتماعی، جامعه شناسی، آموزش و پرورش زنان، و آموزش مداوم، مدارس و تدریس، مطالعه و کتاب کار، آمادگی آزمون، آموزش، مدیریت، مشاوره، برنامه درسی و آموزشی، فلسفه تربیتی، آموزش ابتدایی، تاریخ و نظریه، آموزش متوسطه، آموزش و پرورش ویژه
در صورت تبدیل فایل کتاب Longitudinal Structural Equation Modeling: A Comprehensive Introduction 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 معادلات ساختاری طولی: مقدمه ای جامع 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.
این منبع جامع استراتژیهای مدلسازی معادلات ساختاری (SEM) را برای دادههای طولی بررسی میکند تا به خوانندگان کمک کند ببینند کدام گزینههای مدلسازی برای کدام فرضیه در دسترس هستند. نویسنده نشان میدهد که چگونه SEM با سایر تکنیکهای داده طولی مرتبط است. با کاوش در ارتباط بین مدل ها، خوانندگان درک بهتری از زمان انتخاب یک تحلیل نسبت به تحلیل دیگر به دست می آورند. این کتاب به بررسی مدلهای پایه تا مدلهای پیچیده میپردازد، از جمله زیربنای آماری و مفهومی که بلوکهای سازنده تحلیلها هستند. نمونههای پژوهشی و مکتوب قابل دسترسی از علوم رفتاری و اجتماعی و تفسیر نتایج در سراسر ارائه شده است. تاکید بر مفاهیم و راهنمایی های عملی برای تحقیقات کاربردی به جای برهان های ریاضی است. اصطلاحات جدید در واژه نامه برجسته و تعریف شده اند. ارقام برای هر مدل همراه با بحث های دقیق در مورد مشخصات مدل و مسائل پیاده سازی گنجانده شده است. هر فصل همچنین شامل نمونههایی از هر نوع مدل، بخشهای نظراتی است که راهنماییهای عملی، پسوندهای مدل، و خواندنهای توصیهشده را ارائه میدهد.
موارد برجسته عبارتند از:
فصول را میتوان بدون ترتیب خواند، اما بهتر است فصلهای 1 تا 4 را بخوانید. اول به این دلیل که بیشتر فصول بعدی به آنها اشاره دارد. کتاب با مروری بر متغیرهای پنهان و تجزیه و تحلیل متغیرهای باینری و ترتیبی آغاز می شود. فصل 2 این اطلاعات را برای ارزیابی عدم تغییر اندازه گیری طولی اعمال می کند. آزمونهای SEM میانگینها و نسبتهای وابسته در طول زمان در فصل 3 بررسی میشوند، و ثبات و تغییر، امتیازات تفاوت و رگرسیون تاخیری در فصل 4 پوشش داده شده است. مدلهای تجزیه و تحلیل، مدلهای پانل با تأخیر کامل و مدلهای سیمپلکس، پایداری مدلسازی با مدلهای ویژگی حالت، مدلهای منحنی رشد خطی و غیرخطی، مدلهای امتیاز اختلاف نهفته، تحلیل انتقال پنهان، تحلیل سریهای زمانی، تحلیل بقا ، و فرسایش. دادههای گمشده در زمینه بسیاری از مدلهای قبلی در فصل 13 مورد بحث قرار گرفته است. یا تجزیه و تحلیل داده های پیشرفته (کمی) که در علوم رفتاری، اجتماعی و بهداشتی تدریس می شود، این متن برای محققان این رشته ها نیز جذاب است. برای کسانی که پیش زمینه ریاضی گسترده ای ندارند، پیش نیازها شامل آشنایی با SEM اولیه است. جبر ماتریسی در همه جا به جز چند جا اجتناب می شود.
This comprehensive resource reviews structural equation modeling (SEM) strategies for longitudinal data to help readers see which modeling options are available for which hypotheses. The author demonstrates how SEM is related to other longitudinal data techniques throughout. By exploring connections between models, readers gain a better understanding of when to choose one analysis over another. The book explores basic models to sophisticated ones including the statistical and conceptual underpinnings that are the building blocks of the analyses. Accessibly written, research examples from the behavioral and social sciences and results interpretations are provided throughout. The emphasis is on concepts and practical guidance for applied research rather than on mathematical proofs. New terms are highlighted and defined in the glossary. Figures are included for every model along with detailed discussions of model specification and implementation issues. Each chapter also includes examples of each model type, comment sections that provide practical guidance, model extensions, and recommended readings.
Highlights include:
The chapters can be read out of order but it is best to read chapters 1 – 4 first because most of the later chapters refer back to them. The book opens with a review of latent variables and analysis of binary and ordinal variables. Chapter 2 applies this information to assessing longitudinal measurement invariance. SEM tests of dependent means and proportions over time points are explored in Chapter 3, and stability and change, difference scores, and lagged regression are covered in Chapter 4. The remaining chapters are each devoted to one major type of longitudinal SEM -- repeated measures analysis models, full cross-lagged panel models and simplex models, modeling stability with state-trait models, linear and nonlinear growth curve models, latent difference score models, latent transition analysis, time series analysis, survival analysis, and attrition. Missing data is discussed in the context of many of the preceding models in Chapter 13.
Ideal for graduate courses on longitudinal (data) analysis, advanced SEM, longitudinal SEM, and/or advanced data (quantitative) analysis taught in the behavioral, social, and health sciences, this text also appeals to researchers in these fields. Intended for those without an extensive math background, prerequisites include familiarity with basic SEM. Matrix algebra is avoided in all but a few places.