Regression Analysis and Linear Models: Concepts, Applications, and Implementation

این متن کاربرپسند با تأکید بر درک مفهومی بر ریاضیات، تجزیه و تحلیل رگرسیون خطی را به دانش‌آموزان و محققان در سراسر علوم اجتماعی، رفتاری، مصرف‌کننده و سلامت معرفی می‌کند. پوشش شامل ساخت و تخمین مدل، کمی سازی و اندازه گیری ارتباط های چند متغیره و جزئی، کنترل آماری، مقایسه گروهی، تجزیه و تحلیل تعدیل، میانجیگری و تحلیل مسیر، و تشخیص رگرسیون، از جمله موضوعات مهم دیگر است. مثال‌های کارآمد و جذاب، هر تکنیک را به همراه توصیه‌ها و احتیاط‌های مفید نشان می‌دهند. استفاده از SPSS، SAS، و STATA با پیوستی در مورد تحلیل رگرسیون با استفاده از R مورد تاکید قرار گرفته است. برای SPSS و SAS.

ویژگی‌های آموزشی:
*فصل‌ها شامل کدهای SPSS، SAS یا STATA مربوط به تجزیه و تحلیل‌های توصیف‌شده است که هر کدام به‌طور مشخص برای شناسایی آسان فرمت‌بندی شده‌اند.
*یک پیوست مستندات RLM را ارائه می‌کند. ماکرو، که محاسبات را برای تخمین و بررسی تعاملات، تجزیه و تحلیل برتری، خطاهای استاندارد سازگار با ناهمسانی، و رگرسیون خطی خطی، در میان تحلیل‌های دیگر تسهیل می‌کند.
*دانش‌آموزان را راهنمایی می‌کند تا آنچه را که در هر فصل می‌آموزند با استفاده از مجموعه داده‌های ارائه شده آنلاین تمرین کنند.< BR> *به موضوعاتی می‌پردازد که معمولاً پوشش داده نمی‌شوند، مانند روش‌هایی برای اندازه‌گیری اهمیت یک متغیر، سیستم‌های کدگذاری برای نشان دادن متغیرهای طبقه‌بندی، علیت و افسانه‌های مربوط به آزمایش تعامل.

Ephasizing conceptual understanding over mathematics, this user-friendly text introduces linear regression analysis to students and researchers across the social, behavioral, consumer, and health sciences. Coverage includes model construction and estimation, quantification and measurement of multivariate and partial associations, statistical control, group comparisons, moderation analysis, mediation and path analysis, and regression diagnostics, among other important topics. Engaging worked-through examples demonstrate each technique, accompanied by helpful advice and cautions. The use of SPSS, SAS, and STATA is emphasized, with an appendix on regression analysis using R. The companion website (www.afhayes.com) provides datasets for the book's examples as well as the RLM macro for SPSS and SAS.

Pedagogical Features:
*Chapters include SPSS, SAS, or STATA code pertinent to the analyses described, with each distinctively formatted for easy identification.
*An appendix documents the RLM macro, which facilitates computations for estimating and probing interactions, dominance analysis, heteroscedasticity-consistent standard errors, and linear spline regression, among other analyses.
*Students are guided to practice what they learn in each chapter using datasets provided online.
*Addresses topics not usually covered, such as ways to measure a variable’s importance, coding systems for representing categorical variables, causation, and myths about testing interaction.