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: L. Andries van der Ark, Marcel A. Croon, Klaas Sijtsma سری: Quantitative Methodology Series ISBN (شابک) : 0805847286, 9780805847284 ناشر: Psychology Press سال نشر: 2005 تعداد صفحات: 274 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 مگابایت
در صورت تبدیل فایل کتاب New Developments in Categorical Data Analysis for the Social and Behavioral Science 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 تحولات جدید در تجزیه و تحلیل داده های طبقه بندی شده برای علوم اجتماعی و رفتاری 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.
دادههای طبقهبندی بهعنوان متغیرهای اسمی - متمایز کردن گروههای مختلف، برای مثال، بر اساس وضعیت اجتماعی-اقتصادی، تحصیلات، و اقناع سیاسی - یا متغیرهای ترتیبی - سطوح متمایزکننده علاقه، مانند سیاستمدار ترجیحی یا نوع ترجیحی، کمیتبندی میشوند. مجازات برای ارتکاب سرقت منزل این کتاب جدید مجموعه ای از مطالعات به روز در مورد روش های مدرن تجزیه و تحلیل داده های طبقه بندی شده است که بر کاربرد آنها در مجموعه داده های مرتبط و جالب تاکید دارد. این جلد بر تجزیه و تحلیل کلاس پنهان و نظریه پاسخ آیتم تمرکز دارد. این روش ها از متغیرهای پنهان برای توضیح روابط بین متغیرهای طبقه ای مشاهده شده استفاده می کنند. تجزیه و تحلیل کلاس پنهان، طبقه بندی گروهی از پاسخ دهندگان را بر اساس الگوی امتیاز آنها در متغیرهای طبقه بندی به دست می دهد. این بینشی را در مورد مکانیسمهای تولید دادهها فراهم میکند و امکان تخمین ساختارهای عاملی و مدلهای رگرسیون را مشروط به ساختار کلاس نهفته فراهم میکند. نظریه پاسخ آیتم به شناسایی یک یا چند مقیاس ترتیبی یا فاصله ای منجر می شود. در آزمونهای روانشناختی و آموزشی از این مقیاسها برای سنجش فردی تواناییها و ویژگیهای شخصیتی استفاده میشود. تمرکز این جلد است. پس از توضیح یک روش، پتانسیل روش برای تجزیه و تحلیل داده های طبقه بندی شده با استفاده از یک مثال داده واقعی نشان داده می شود تا نشان دهد چگونه می توان از آن به طور موثر برای حل یک مشکل داده واقعی استفاده کرد. این روش ها برای محققینی که به طور صریح در زمینه آمار کاربردی آموزش ندیده اند، قابل دسترسی است. این جلد برای محققان و دانشجویان پیشرفته در علوم اجتماعی و رفتاری، از جمله روانشناسان اجتماعی، رشدی، سازمانی، بالینی و سلامت، جامعه شناسان، محققان آموزشی و بازاریابی و دانشمندان علوم سیاسی جذاب است. علاوه بر این، برای کسانی که دادههای مربوط به متغیرهای طبقهبندی را جمعآوری میکنند و با مشکل چگونگی تجزیه و تحلیل چنین متغیرهایی - در بین خودشان یا در رابطه با متغیرهای متریک- مواجه هستند، جالب است.
Categorical data are quantified as either nominal variables--distinguishing different groups, for example, based on socio-economic status, education, and political persuasion--or ordinal variables--distinguishing levels of interest, such as the preferred politician or the preferred type of punishment for committing burglary. This new book is a collection of up-to-date studies on modern categorical data analysis methods, emphasizing their application to relevant and interesting data sets.This volume concentrates on latent class analysis and item response theory. These methods use latent variables to explain the relationships among observed categorical variables. Latent class analysis yields the classification of a group of respondents according to their pattern of scores on the categorical variables. This provides insight into the mechanisms producing the data and allows the estimation of factor structures and regression models conditional on the latent class structure. Item response theory leads to the identification of one or more ordinal or interval scales. In psychological and educational testing these scales are used for individual measurement of abilities and personality traits.The focus of this volume is applied. After a method is explained, the potential of the method for analyzing categorical data is illustrated by means of a real data example to show how it can be used effectively for solving a real data problem. These methods are accessible to researchers not trained explicitly in applied statistics. This volume appeals to researchers and advanced students in the social and behavioral sciences, including social, developmental, organizational, clinical and health psychologists, sociologists, educational and marketing researchers, and political scientists. In addition, it is of interest to those who collect data on categorical variables and are faced with the problem of how to analyze such variables--among themselves or in relation to metric variables.
Contents......Page 6
Preface......Page 8
About the Authors......Page 10
1 Statistical Models for Categorical Variables......Page 14
2 Misclassification Phenomena in Categorical Data Analysis: Regression Toward the Mean and Tendency Toward the Mode......Page 28
3 Factor Analysis With Categorical Indicators: A Comparison Between Traditional and Latent Class Approaches......Page 54
4 Bayesian Computational Methods for Inequality Constrained Latent Class Analysis......Page 76
5 Analyzing Categorical Data by Marginal Models......Page 96
6 Computational Aspects of the E-M and Bayesian Estimation in Latent Variable Models......Page 116
7 Logistic Models for Single-Subject Time Series......Page 138
8 The Effect of Missing Data Imputation on Mokken Scale Analysis......Page 160
9 Building IRT Models From Scratch: Graphical Models, Exchangeability, Marginal Freedom, Scale Types, and Latent Traits......Page 180
10 The Nedelsky Model for Multiple-Choice Items......Page 200
11 Application of the Polytomous Saltus Model to Stage-Like Proportional Reasoning Data......Page 220
12 Multilevel IRT Model Assessment......Page 240
C......Page 266
I......Page 267
M......Page 268
S......Page 269
Z......Page 270
D......Page 271
L......Page 272
P......Page 273
Z......Page 274