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: الگوریتم ها و ساختارهای داده ویرایش: 1 نویسندگان: Wicher Bergsma, Marcel Croon, Jacques A. Hagenaars سری: Statistics for Social and Behavioral Sciences ISBN (شابک) : 0387096094, 9780387096094 ناشر: Springer سال نشر: 2009 تعداد صفحات: 268 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Marginal Models: For Dependent, Clustered, and Longitudinal Categorical Data 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 حاشیه ای: برای داده های طبقه بندی وابسته، خوشه ای و طولی 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 حاشیهای برای دادههای دستهبندی وابسته، خوشهای و طولی یک نمای کلی از اصول اولیه مدلسازی حاشیهای ارائه میدهد و طیف گستردهای از کاربردهای ممکن را ارائه میدهد. همانطور که بسیاری از مثالهای دنیای واقعی در این کتاب نشان میدهند، مدلهای حاشیهای اغلب بهترین انتخاب برای پاسخ به سؤالات مهم تحقیقاتی هستند، وقتی مشاهدات وابسته درگیر هستند. در علوم اجتماعی، رفتاری، آموزشی، اقتصادی و زیستپزشکی، دادهها اغلب به روشهایی جمعآوری میشوند که وابستگیهایی را در مشاهدات مورد مقایسه نشان میدهند. به عنوان مثال، پاسخ دهندگان یکسان در چندین موقعیت مصاحبه می شوند، چندین عضو شبکه ها یا گروه ها در یک نظرسنجی مصاحبه می شوند، یا در خانواده ها، هم فرزندان و هم والدین مورد بررسی قرار می گیرند. روشهای آماری که وابستگیهای دادهها را در نظر میگیرند، باید استفاده شوند، به عنوان مثال، زمانی که مشاهدات در زمان یک و زمان دو در مطالعات طولی مقایسه میشوند. در حال حاضر، محققان تقریباً به طور خودکار به مدلهای چند سطحی یا تخمین GEE برای مقابله با این وابستگیها روی میآورند. علیرغم پتانسیل و کاربرد بسیار زیاد این پیشرفتهای اخیر، آنها به فرضیات محدودکننده در مورد ماهیت وابستگیها در دادهها نیاز دارند. مدلهای حاشیهای این کتاب، بدون نیاز به چنین پیشفرضهایی، راه دیگری را برای مقابله با این وابستگیها ارائه میکنند و میتوانند مستقیماً در سطح حاشیهای مورد نظر، به سؤالات تحقیق پاسخ دهند. برای برازش مدلها از روش حداکثر درستنمایی با ویژگیهای آماری جذاب استفاده میشود. این کتاب عمدتاً با در نظر گرفتن پژوهشگران کاربردی نوشته شده است. این شامل بسیاری از مثالهای دنیای واقعی است، انواع سؤالات پژوهشی را که مدلسازی حاشیهای برای آنها مفید است، توضیح میدهد، و شرح مفصلی از نحوه اعمال مدلهای حاشیهای برای تنوع زیادی از سؤالات تحقیق ارائه میدهد. تمامی این نمونه ها در وب سایت کتاب (www.cmm.st) همراه با برنامه های کاربر پسند ارائه شده است.
Marginal Models for Dependent, Clustered, and Longitudinal Categorical Data provides a comprehensive overview of the basic principles of marginal modeling and offers a wide range of possible applications. Marginal models are often the best choice for answering important research questions when dependent observations are involved, as the many real world examples in this book show. In the social, behavioral, educational, economic, and biomedical sciences, data are often collected in ways that introduce dependencies in the observations to be compared. For example, the same respondents are interviewed at several occasions, several members of networks or groups are interviewed within the same survey, or, within families, both children and parents are investigated. Statistical methods that take the dependencies in the data into account must then be used, e.g., when observations at time one and time two are compared in longitudinal studies. At present, researchers almost automatically turn to multi-level models or to GEE estimation to deal with these dependencies. Despite the enormous potential and applicability of these recent developments, they require restrictive assumptions on the nature of the dependencies in the data. The marginal models of this book provide another way of dealing with these dependencies, without the need for such assumptions, and can be used to answer research questions directly at the intended marginal level. The maximum likelihood method, with its attractive statistical properties, is used for fitting the models. This book has mainly been written with applied researchers in mind. It includes many real world examples, explains the types of research questions for which marginal modeling is useful, and provides a detailed description of how to apply marginal models for a great diversity of research questions. All these examples are presented on the book's website (www.cmm.st), along with user friendly programs.
front-matter.pdf......Page 2
1.pdf......Page 12
2.pdf......Page 33
3.pdf......Page 85
4.pdf......Page 106
5.pdf......Page 164
6.pdf......Page 200
7.pdf......Page 231
back-matter.pdf......Page 254