Modeling Binary Correlated Responses using SAS, SPSS and R

ابزارهای آماری برای تجزیه و تحلیل داده‌های باینری همبسته در ادبیات موجود گسترده شده‌اند. این کتاب این ابزارها را در یک جلد در دسترس پزشکان قرار می دهد. فصل‌ها ابزارهای آماری و بسته‌های آماری اخیراً توسعه‌یافته را پوشش می‌دهند که برای تجزیه و تحلیل داده‌های باینری همبسته طراحی شده‌اند. نویسندگان هر دو روش سنتی و جدید را برای کاربرد در تحقیقات مرتبط با سلامت به نمایش می گذارند. داده‌ها و برنامه‌های رایانه‌ای در دسترس عموم قرار خواهند گرفت تا خوانندگان بتوانند توسعه مدل را تکرار کنند، اما یادگیری یک زبان آماری جدید با این کتاب ضروری نیست. گنجاندن کد برای R، SAS و SPSS امکان پیاده سازی آسان توسط خوانندگان را فراهم می کند. برای خوانندگانی که علاقه مند به یادگیری بیشتر در مورد این زبان هستند، آموزش های کوتاهی در پیوست وجود دارد. مجموعه داده های همراه برای دانلود از طریق وب سایت کتاب موجود است. تجزیه و تحلیل داده های ارائه شده در هر فصل دستورالعمل های گام به گام را ارائه می دهد تا این روش های جدید به راحتی در پروژه ها اعمال شوند. محققان و دانشجویان تحصیلات تکمیلی در آمار، اپیدمیولوژی و بهداشت عمومی این کتاب را بسیار مفید خواهند یافت.

Statistical tools to analyze correlated binary data are spread out in the existing literature. This book makes these tools accessible to practitioners in a single volume. Chapters cover recently developed statistical tools and statistical packages that are tailored to analyzing correlated binary data. The authors showcase both traditional and new methods for application to health-related research. Data and computer programs will be publicly available in order for readers to replicate model development, but learning a new statistical language is not necessary with this book. The inclusion of code for R, SAS, and SPSS allows for easy implementation by readers. For readers interested in learning more about the languages, though, there are short tutorials in the appendix. Accompanying data sets are available for download through the book s website. Data analysis presented in each chapter will provide step-by-step instructions so these new methods can be readily applied to projects. Researchers and graduate students in Statistics, Epidemiology, and Public Health will find this book particularly useful.