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: Professor Melissa A Hardy
سری: Quantitative Applications in the Social Sciences
ISBN (شابک) : 0803951280, 9780803951280
ناشر: Sage Publications, Inc
سال نشر: 1993
تعداد صفحات: 100
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Regression with Dummy Variables (Quantitative Applications in the Social Sciences) issue 93 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 رگرسیون با متغیرهای ساختگی (برنامه های کمی در علوم اجتماعی) شماره 93 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.
اغلب برای دانشمندان علوم اجتماعی لازم است که تفاوتها را در گروهها مطالعه کنند، مانند تفاوتهای جنسیتی یا نژادی در نگرشها، رفتار خرید یا ویژگیهای اجتماعی-اقتصادی. زمانی که محقق به دنبال تخمین تفاوتهای گروهی از طریق استفاده از متغیرهای مستقل است که کیفی هستند، متغیرهای ساختگی به محقق اجازه میدهند تا اطلاعات مربوط به عضویت گروه را به صورت کمی بدون تحمیل مفروضات اندازهگیری غیرواقعی بر متغیرهای طبقهبندی نشان دهد. با شروع سادهترین مدل، هاردی استفاده از رگرسیون متغیر ساختگی را در مشخصات پیچیدهتر بررسی میکند، مسائلی مانند: تعامل، ناهمسانی، مقایسههای چندگانه و آزمون معناداری، استفاده از افکتها یا کدگذاری کنتراست، آزمایش برای منحنی بودن، و تخمین تکهای. رگرسیون خطی.
It is often necessary for social scientists to study differences in groups, such as gender or race differences in attitudes, buying behavior, or socioeconomic characteristics. When the researcher seeks to estimate group differences through the use of independent variables that are qualitative, dummy variables allow the researcher to represent information about group membership in quantitative terms without imposing unrealistic measurement assumptions on the categorical variables. Beginning with the simplest model, Hardy probes the use of dummy variable regression in increasingly complex specifications, exploring issues such as: interaction, heteroscedasticity, multiple comparisons and significance testing, the use of effects or contrast coding, testing for curvilinearity, and estimating a piecewise linear regression.