Multiple Regression in Behavioral Research: Explanation and Prediction

دسته بندی: روانشناسی
ویرایش:  
نویسندگان: Pedhazur E.J.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 1073 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 20 مگابایت 

قیمت کتاب (تومان) : 39,000

انتشارات Wadsworth, 1997. – 1072 p. – ویرایش سوم – ISBN: 0030728312, 9780030728310 رگرسیون چندگانه در تحقیقات رفتاری یک رویکرد تحلیل داده برای رگرسیون چندگانه اتخاذ می کند. پدازور طراحی و تجزیه و تحلیل را ادغام می کند و بر یادگیری با مثال و نقد تحقیقات منتشر شده تاکید می کند. ویژگی ها:
پدازور تاکید زیادی بر کاربرد تحلیل رگرسیون دارد. مشکلات مختلف تحقیقاتی او مطالعات تحقیقاتی عمده و مقالات مجلات را در ارتباط با روش های خاص ارائه شده مورد بحث قرار می دهد. این تاکید به دانش آموزان درک انتقادی از نحوه استفاده و سوء استفاده از روش ها در زمینه های مختلف تحقیقاتی می دهد.
فصل 11-15 روش های مختلف کدگذاری برای متغیرهای طبقه بندی را مورد بحث قرار می دهد. این توضیح مفصل به دانش‌آموزان ویژگی‌های روش‌های مختلف کدگذاری و مناسب بودن آن‌ها برای کارهای خاص را می‌آموزد.
رگرسیون چندگانه، تحلیل مسیر و مدل‌های معادلات ساختاری، از جمله شاخص‌های برازش و تجزیه اثرات را معرفی می‌کند. این اطلاعات، در قسمت 3، دانش آموزان را در معرض پیشرفت های اخیر در این زمینه قرار می دهد. جدید در این نسخه:
پدازور کاربردهای همه رویکردهای تحلیلی را با تجزیه و تحلیل دقیق مثال‌های عددی ساده نشان می‌دهد. او از جدیدترین نسخه‌های BMDP، MINITAB، SAS و SPSS استفاده می‌کند، نمونه‌هایی از خروجی‌های کامپیوتر را ارائه می‌دهد و به تفصیل درباره آنها نظر می‌دهد.
آخرین نسخه‌های برنامه‌های EQS و LISREL برای مدل‌سازی معادلات ساختاری نیز برای تحلیل مدل‌های علی با شاخص‌های تک (تحلیل مسیر) و چند شاخص یا متغیرهای مشاهده‌نشده معرفی و استفاده می‌شوند. فصل‌های جدید عبارتند از:
تشخیص رگرسیون
عناصر تجزیه و تحلیل چندسطحی
متغیر وابسته طبقه‌ای: رگرسیون لجستیک. محتوا
پیشگفتار نسخه سوم
پیشگفتار ویرایش دوم
پیشگفتار ویرایش اول
مبانی تحلیل رگرسیون چندگانه</ قوی>
نمای کلی
رگرسیون خطی ساده و همبستگی
تشخیص رگرسیون
رایانه ها و برنامه های کامپیوتری
عناصر تجزیه و تحلیل رگرسیون چندگانه: دو متغیر مستقل
روش عمومی تجزیه و تحلیل رگرسیون چندگانه: عملیات ماتریس
کنترل آماری: همبستگی جزئی و نیمه جزئی
پیش بینی
رگرسیون چندگانه تجزیه و تحلیل sion
پارتیشن بندی واریانس
تحلیل اثرات
یک متغیر مستقل طبقه بندی شده: کدگذاری ساختگی، اثر، و متعامد
متغیرهای مستقل دسته بندی چندگانه و طرح های فاکتوری
تجزیه و تحلیل رگرسیون منحنی
متغیرهای مستقل مستمر و مقوله ای - I: تعامل ویژگی-درمان; مقایسه معادلات رگرسیون
متغیرهای مستقل مستمر و مقوله ای-II: تحلیل کوواریانس
عناصر تحلیل چندسطحی
متغیر وابسته طبقه بندی: رگرسیون لجستیک
مدل های معادلات ساختاری
مدل های معادلات ساختاری با متغیرهای مشاهده شده: تحلیل مسیر
مدل های معادلات ساختاری با متغیرهای پنهان
تحلیل چند متغیره
تحلیل واریانس رگرسیون، تفکیک کننده و چند متغیره: دو گروه
تحلیل متعارف، متمایز و چند متغیره واریانس: پسوندها
ضمیمه: جبر ماتریسی: مقدمه
ضمیمه: جداول
منابع
فهرست نامها
فهرست موضوعات

Wadsworth Publishing, 1997. – 1072 p. – 3rd ed. – ISBN: 0030728312, 9780030728310 Multiple Regression in Behavioral Research adopts a data-analysis approach to multiple regression. Pedhazur integrates design and analysis, and emphasizes learning by example and critiques of published research. Features:
Pedhazur places strong emphasis on the application of regression analysis to various research problems. He discusses major research studies and journal articles in conjunction with specific methods presented. This emphasis gives students a critical appreciation of how methods are used and abused in various research areas.
Chapters 11-15 discuss various coding methods for categorical variables. This detailed explanation teaches students the properties of different coding methods and their suitability for specific tasks.
Multiple Regression introduces path analysis and structural equation models, including indices of fit and decomposition of effects. This information, in Part 3, exposes students to recent developments in the field. New to this edition:
Pedhazur demonstrates applications of all analytic approaches with detailed analyses of simple numerical examples. He uses the most recent versions of BMDP, MINITAB, SAS, and SPSS, provides examples of the computer outputs, and comments on them in detail.
The latest versions of EQS and LISREL programs for the structural equation modeling are also introduced and used for analyzing causal models with single indicators (path analysis) and multiple indicators or unobserved variables. New chapters include:
Regression Diagnostics
Elements of Multilevel Analysis
Categorical Dependent Variable: Logistic Regression. Contents
Preface to the Third Edition
Preface to the Second Edition
Preface to the First Edition
Foundations of Multiple Regression Analysis
Overview
Simple Linear Regression and Correlation
Regression Diagnostics
Computers and Computer Programs
Elements of Multiple Regression Analysis: Two Independent Variables
General Method of Multiple Regression Analysis: Matrix Operations
Statistical Control: Partial and Semipartial Correlation
Prediction
Multiple Regression Analysis
Variance Partitioning
Analysis of Effects
A Categorical Independent Variable: Dummy, Effect, and Orthogonal Coding
Multiple Categorical Independent Variables and Factorial Designs
Curvilinear Regression Analysis
Continuous and Categorical Independent Variables - I: Attribute-Treatment Interaction; Comparing Regression Equations
Continuous and Categorical Independent Variables-II: Analysis of Covariance
Elements of Multilevel Analysis
Categorical Dependent Variable: Logistic Regression
Structural Equation Models
Structural Equation Models with Observed Variables: Path Analysis
Structural Equation Models with Latent Variables
Multivariate Analysis
Regression, Discriminant, and Multivariate Analysis of Variance: Two Groups
Canonical, Discriminant, and Multivariate Analysis of Variance: Extensions
Appendix: Matrix Algebra: An Introduction
Appendix: Tables
References
Index of Names
Index of Subjects