Methods and Applications of Longitudinal Data Analysis

روش ها و کاربردهای تجزیه و تحلیل داده های طولی روش هایی را برای تجزیه و تحلیل داده های طولی در علوم پزشکی، بیولوژیکی و رفتاری شرح می دهد. مفاهیم و کارکردهای اساسی شامل انواع مدل های رگرسیون و کاربردهای عملی آنها در بسیاری از زمینه های تحقیقاتی را معرفی می کند. روش های آماری ارائه شده در متن عبارتند از:

• روش های توصیفی برای ترسیم روندها در طول زمان
• مدل های رگرسیون مختلط خطی با اثرات ثابت و تصادفی
• کوواریانس مدل‌های الگو در خطاهای همبسته
• معادلات تخمین تعمیم‌یافته
• مدل‌های رگرسیون غیرخطی برای اندازه‌گیری‌های مکرر طبقه‌ای
• تکنیک‌هایی برای تجزیه و تحلیل داده‌های طولی با مشاهدات گمشده غیرقابل چشم پوشی

بر کاربردهای این روش‌ها، با استفاده از تصاویر تجربی قابل توجهی که برای کمک به کاربران آمار طراحی شده‌اند تا داده‌های طولی را بهتر تحلیل و درک کنند، تأکید می‌شود.

روش‌ها و کاربردهای طولی. تجزیه و تحلیل داده هاهم دانشجویان فارغ التحصیل و هم متخصصان را مجهز می کند تا با اطمینان از تجزیه و تحلیل داده های طولی در رشته خاص خود استفاده کنند. همچنین منبع مرجع ارزشمندی برای آماردانان کاربردی، جمعیت شناسان و سایر روش شناسان کمی فراهم می کند.

• از مبتدی تا حرفه ای: این کتاب با معرفی مدل های پایه شروع می شود و با شرح برخی از مدل ها به پایان می رسد. پیشرفته ترین مدل ها در تجزیه و تحلیل داده های طولی
• دانش آموزان را قادر می سازد تا روش های آماری صحیح را برای اعمال بر داده های طولی خود انتخاب کنند و از دام های مرتبط با انتخاب نادرست اجتناب کنند
• محدودیت های اندازه گیری های تکراری کلاسیک را شناسایی می کند. مدل‌ها و تکنیک‌های جدید توسعه‌یافته را همراه با مثال‌های واقعی توصیف می‌کند.

Methods and Applications of Longitudinal Data Analysis describes methods for the analysis of longitudinal data in the medical, biological and behavioral sciences. It introduces basic concepts and functions including a variety of regression models, and their practical applications across many areas of research. Statistical procedures featured within the text include:

• descriptive methods for delineating trends over time
• linear mixed regression models with both fixed and random effects
• covariance pattern models on correlated errors
• generalized estimating equations
• nonlinear regression models for categorical repeated measurements
• techniques for analyzing longitudinal data with non-ignorable missing observations

Emphasis is given to applications of these methods, using substantial empirical illustrations, designed to help users of statistics better analyze and understand longitudinal data.

Methods and Applications of Longitudinal Data Analysis equips both graduate students and professionals to confidently apply longitudinal data analysis to their particular discipline. It also provides a valuable reference source for applied statisticians, demographers and other quantitative methodologists.

• From novice to professional: this book starts with the introduction of basic models and ends with the description of some of the most advanced models in longitudinal data analysis
• Enables students to select the correct statistical methods to apply to their longitudinal data and avoid the pitfalls associated with incorrect selection
• Identifies the limitations of classical repeated measures models and describes newly developed techniques, along with real-world examples.