Regression Analysis: A Practical Introduction

این کتاب درسی کاملاً کاربردی و جذاب برای تجهیز دانش‌آموزان به مهارت‌های مورد نیاز برای انجام تحلیل رگرسیون صدا بدون نیاز به ریاضی سطح بالا طراحی شده است.

تحلیل رگرسیون را پوشش می‌دهد. مفاهیم مورد نیاز برای طراحی مدل های رگرسیون بهینه و تفسیر مناسب رگرسیون ها. شایع‌ترین مشکلات، از جمله سه منبع سوگیری که در کتاب‌های درسی دیگر پوشش داده نشده‌اند را شرح می‌دهد. این کتاب به‌جای تمرکز بر معادلات و اثبات‌ها، درک این سوگیری‌ها را به صورت بصری و با مثال‌هایی از موقعیت‌هایی که در آن‌ها چنین سوگیری‌هایی ممکن است ایجاد شود، توسعه می‌دهد. به‌علاوه، نحوه عملکرد «ثابت نگه داشتن سایر عوامل» و زمانی که کار نمی‌کند را توضیح می‌دهد. این ویرایش دوم دارای فصل جدیدی در مورد صداقت و اخلاق است، و در سرتاسر به روز رسانی شده است تا نمونه های بین المللی بیشتری را شامل شود. هر فصل مثال‌ها، تمرین‌ها و خلاصه‌های واضحی را ارائه می‌کند که همگی برای حمایت از یادگیری دانش‌آموز برای کمک به تولید تحقیقات مسئولانه طراحی شده‌اند.

این کتاب درسی است که نویسنده آرزو می‌کند داشته باشد. از آن درس گرفت، زیرا به او کمک می کرد از بسیاری از اشتباهات تحقیقاتی که در حرفه خود مرتکب شده بود اجتناب کند. این برای هر کسی که روش های کمی در علوم اجتماعی، تجارت، پزشکی و تجزیه و تحلیل داده ها را یاد می گیرد ایده آل است. همچنین برای محققان و دانشگاهیان که به دنبال درک بهتر رگرسیون هستند جذاب خواهد بود. مکمل‌های دیجیتال اضافی در این آدرس موجود است: www.youtube.com/channel/UCenm3BWqQyXA2JRKB_QXGyw.

This thoroughly practical and engaging textbook is designed to equip students with the skills needed to undertake sound regression analysis without requiring high-level math.

Regression Analysis covers the concepts needed to design optimal regression models and to properly interpret regressions. It details the most common pitfalls, including three sources of bias not covered in other textbooks. Rather than focusing on equations and proofs, the book develops an understanding of these biases visually and with examples of situations in which such biases could arise. In addition, it describes how ‘holding other factors constant’ actually works and when it does not work. This second edition features a new chapter on integrity and ethics, and has been updated throughout to include more international examples. Each chapter offers examples, exercises, and clear summaries, all of which are designed to support student learning to help towards producing responsible research.

This is the textbook the author wishes he had learned from, as it would have helped him avoid many research mistakes he made in his career. It is ideal for anyone learning quantitative methods in the social sciences, business, medicine, and data analytics. It will also appeal to researchers and academics looking to better understand regressions. Additional digital supplements are available at: www.youtube.com/channel/UCenm3BWqQyXA2JRKB_QXGyw.