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:
نویسندگان: Peter Martin
سری: The SAGE Quantitative Research Kit
ISBN (شابک) : 1529761263, 9781529761269
ناشر: SAGE Publications
سال نشر: 2022
تعداد صفحات: 337
[338]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 7 Mb
در صورت تبدیل فایل کتاب Regression Models for Categorical and Count Data 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 مدل های رگرسیون برای داده های دسته بندی و شمارش 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.
این متن راهنمایی عملی برای انجام تحلیل رگرسیون بر روی داده های طبقه بندی و شمارش ارائه می دهد. گام به گام و با تعداد زیادی نمودارهای مفید پشتیبانی میشود، هم زیربنای نظری این روشها و هم کاربرد آنها را پوشش میدهد و به شما مهارتهای لازم برای به کارگیری آنها در تحقیقات خود را میدهد. راهنمایی در مورد:
بخشی از کیت تحقیقات کمی SAGE، این کتاب دانش و اعتماد به نفس لازم برای موفقیت در سفر تحقیقاتی کمی را به شما میدهد. span>
This text provides practical guidance on conducting regression analysis on categorical and count data. Step by step and supported by lots of helpful graphs, it covers both the theoretical underpinnings of these methods as well as their application, giving you the skills needed to apply them to your own research. It offers guidance on:
Part of The SAGE Quantitative Research Kit, this book will give you the know-how and confidence needed to succeed on your quantitative research journey
Half Title Acknowledgements Title Page Copyright Page Contents Illustration List About the Author Acknowledgements Preface 1 Introduction 2 Logistic Regression 3 Ordinal Logistic Regression: The Generalised Ordered Logit Model 4 Multinomial Logistic Regression 5 Regression Models for Count Data 6 The Practice of Modelling Glossary References Index