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
دسته بندی: سیاست ویرایش: نویسندگان: Richard A. Berk سری: Advanced Quantitative Techniques in the Social Sciences Series ISBN (شابک) : 9781483348834 ناشر: Sage Publications سال نشر: 2004 تعداد صفحات: 281 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Regression Analysis: A Constructive Critique 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 تحلیل رگرسیون: نقد سازنده 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.
برک به طور دقیق انواع مختلف سوء استفاده از رگرسیون را شناسایی کرده است و گام های عملی را برای محققانی که مایل به انجام علوم اجتماعی خوب و در عین حال اجتناب از چنین خطاهایی هستند، پیشنهاد می کند. - پیتر اچ. روسی، دانشگاه ماساچوست، آمهرست مدتی است که منتظر چنین کتابی بودم. تمرینکنندگان، بهویژه آنهایی که کارهای کاربردی انجام میدهند، صرفنظر از سطح پیچیدگی آماریشان، چیزهای زیادی از حجم Berk به دست خواهند آورد. دانشجویان فارغ التحصیل در رشته های جامعه شناسی، آموزش، سیاست عمومی و هر تعداد رشته های مشابه نیز باید از آن استفاده کنند. همچنین فویل مفیدی برای متون متعارف برای آموزش مدل رگرسیون خواهد بود. من قصد دارم از آن برای دانش آموزانم به عنوان متن استفاده کنم و امیدوارم دیگران نیز همین کار را بکنند.» -- هربرت اسمیت، استاد جمعیت شناسی و جامعه شناسی، دانشگاه پنسیلوانیا رگرسیون اغلب برای سؤالاتی اعمال می شود که برای پاسخ دادن به آنها آمادگی لازم را ندارد. به عنوان یک موضوع رسمی، تجزیه و تحلیل رگرسیون معمولی چیزی جز تولید مجموعه ای از میانگین های شرطی و واریانس های شرطی از مجموعه داده ها انجام نمی دهد. با این حال، مشکل این است که محققان معمولاً چیزهای بیشتری میخواهند: آنها آزمایشها، فواصل اطمینان و توانایی ادعاهای علّی را میخواهند. با این حال، این قابلیتها به اطلاعاتی خارج از خود آن دادهها نیاز دارند، و اغلب این اطلاعات خواستههای غیرقابل قبولی در مورد نحوه عملکرد طبیعت ایجاد میکنند. با نمونه های راحت به گونه ای رفتار می شود که گویی نمونه های تصادفی هستند. وضعیت علی به پیش بینی هایی داده می شود که قابل دستکاری نیستند. فرض بر این است که اصطلاحات اغتشاش نه آنگونه که طبیعت ممکن است آنها را ایجاد کند، بلکه مطابق مدل مورد نیاز رفتار می کنند. تجزیه و تحلیل رگرسیون: یک نقد سازنده طیف وسیعی از مشکلات را در مورد تحلیل رگرسیون که معمولاً مورد استفاده قرار میگیرد شناسایی میکند و سپس راههایی را ارائه میکند که از طریق آنها میتوان عملکرد را بهبود بخشید. رگرسیون برای کاهش داده ها بسیار مفید است، که منجر به توصیف نسبتا ساده اما غنی و دقیق از الگوها در یک مجموعه داده می شود. تأکید بر توصیف به خوانندگان بازاندیشی روشنگرانه ای از پایه در مورد آنچه که تحلیل رگرسیون می تواند انجام دهد، ارائه می دهد، به طوری که خوانندگان بهتر می توانند تحلیل رگرسیون را با سؤالات تجربی مفید و تحقیقات مرتبط با سیاست بهبود یافته مطابقت دهند. متنی جالب و پر جنب و جوش، سرشار از حکمت عملی، که برای افرادی که کار تجربی در علوم اجتماعی انجام می دهند و دانشجویان تحصیلات تکمیلی آنها نوشته شده است. -- دیوید ای. فریدمن، استاد آمار، دانشگاه کالیفرنیا، برکلی
Berk has incisively identified the various strains of regression abuse and suggests practical steps for researchers who desire to do good social science while avoiding such errors.” --Peter H. Rossi, University of Massachusetts, Amherst “I have been waiting for a book like this for some time. Practitioners, especially those doing applied work, will have much to gain from Berk's volume, regardless of their level of statistical sophistication. Graduate students in sociology, education, public policy, and any number of similar fields should also use it. It will also be a useful foil for conventional texts for the teaching of the regression model. I plan to use it for my students as a text, and hope others will do the same.” --Herbert Smith, Professor of Demography & Sociology, University of Pennsylvania Regression is often applied to questions for which it is ill equipped to answer. As a formal matter, conventional regression analysis does nothing more than produce from a data set a collection of conditional means and conditional variances. The problem, though, is that researchers typically want more: they want tests, confidence intervals and the ability to make causal claims. However, these capabilities require information external to that data themselves, and too often that information makes implausible demands on how nature is supposed to function. Convenience samples are treated as if they are random samples. Causal status is given to predictors that cannot be manipulated. Disturbance terms are assumed to behave not as nature might produce them, but as required by the model. Regression Analysis: A Constructive Critique identifies a wide variety of problems with regression analysis as it is commonly used and then provides a number of ways in which practice could be improved. Regression is most useful for data reduction, leading to relatively simple but rich and precise descriptions of patterns in a data set. The emphasis on description provides readers with an insightful rethinking from the ground up of what regression analysis can do, so that readers can better match regression analysis with useful empirical questions and improved policy-related research. “An interesting and lively text, rich in practical wisdom, written for people who do empirical work in the social sciences and their graduate students.” --David A. Freedman, Professor of Statistics, University of California, Berkeley
Chapter 1 | Prologue: Regression Analysis as Problematic Chapter 2 | A Grounded Introduction to Regression Analysis Chapter 3 | Simple Linear Regression Chapter 4 | Statistical Inference for Simple Linear Regression Chapter 5 | Causal Inference for the Simple Linear Model Chapter 6 | The Formalities of Multiple Regression Chapter 7 | Using and Interpreting Multiple Regression Chapter 8 | Some Popular Extensions of Multiple Regression Chapter 9 | Some Regression Diagnostics Chapter 10 | Further Extensions of Regression Analysis Chapter 11 | What to Do