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: 5 نویسندگان: Debbie L. Hahs-Vaughn, Richard G. Lomax سری: ISBN (شابک) : 0367204045, 9780367204044 ناشر: Routledge سال نشر: 2020 تعداد صفحات: 783 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 32 مگابایت
در صورت تبدیل فایل کتاب Statistical Concepts - A Second Course 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 مفاهیم آماری - دوره دوم 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.
مفاهیم آماری―دوره دوم 10 فصل آخر را از مقدمه ای بر مفاهیم آماری، ویرایش چهارم این کتاب که برای دوره های آمار سطح دوم و بالاتر طراحی شده است، نحوه عملکرد آمار و بهترین استفاده از آنها را برای کمک به دانش آموزان در تجزیه و تحلیل داده های خود و تفسیر نتایج تحقیقات نشان می دهد.
در این ویرایش جدید، Hahs-Vaughn و Lomax در مورد حساسیت، ویژگی، خطاهای مثبت کاذب و منفی کاذب بحث می کنند. پوشش اندازه اثر گسترش یافته است و ویژگی های سازمانی بیشتری (برای خلاصه کردن مفاهیم کلیدی) گنجانده شده است. برای ارائه کاملتر مدلهای رگرسیون، فصل پایانی میانجیگری و تعدیل اضافه شده است. علاوه بر دستورالعملها و اسکرین شاتها برای استفاده از SPSS، نسخه جدید این نسخه اسکریپت حاشیهنویسی برای استفاده از R است. ابزار آموزشی در دسترس برای کمک به خوانندگان برای درک کامل مفاهیم آماری و نحوه اعمال آنها بر داده ها. این منبع ارزشمندی برای دانشآموزانی است که دورهای را در زمینه آمار در هر تعدادی از رشتههای علوم اجتماعی و علوم رفتاری میگذرانند.
Statistical Concepts―A Second Course presents the last 10 chapters from An Introduction to Statistical Concepts, Fourth Edition. Designed for second and upper-level statistics courses, this book highlights how statistics work and how best to utilize them to aid students in the analysis of their own data and the interpretation of research results.
In this new edition, Hahs-Vaughn and Lomax discuss sensitivity, specificity, false positive and false negative errors. Coverage of effect sizes has been expanded upon and more organizational features (to summarize key concepts) have been included. A final chapter on mediation and moderation has been added for a more complete presentation of regression models. In addition to instructions and screen shots for using SPSS, new to this edition is annotated script for using R.
This book acts as a clear and accessible instructional tool to help readers fully understand statistical concepts and how to apply them to data. It is an invaluable resource for students undertaking a course in statistics in any number of social science and behavioral science disciplines.
Cover Half Title Title Copyright Dedication Contents Preface Acknowledgments 1. One-Factor Analysis of Variance—Fixed-Effects Model 1.1 What One-Factor Analysis of Variance Is and How It Works 1.2 Computing Parametric and Nonparametric Models Using SPSS 1.3 Computing Parametric and Nonparametric Models Using R 1.4 Data Screening 1.5 Power Using G*Power 1.6 Research Question Template and Example Write-Up 1.7 Additional Resources Problems 2. Multiple Comparison Procedures 2.1 What Multiple Comparison Procedures Are and How They Work 2.2 Computing Multiple Comparison Procedures Using SPSS 2.3 Computing Multiple Comparison Procedures Using R 2.4 Research Question Template and Example Write-Up Problems 3. Factorial Analysis of Variance—Fixed-Effects Model 3.1 What Two-Factor ANOVA Is and How It Works 3.2 What Three-Factor and Higher-Order ANOVA Models Are and How They Work 3.3 What the Factorial ANOVA With Unequal n’s Is and How It Works 3.4 Computing Factorial ANOVA Using SPSS 3.5 Computing Factorial ANOVA Using R 3.6 Data Screening 3.7 Power Using G*Power 3.8 Research Question Template and Example Write-Up 3.9 Additional Resources Problems 4. Introduction to Analysis of Covariance: The One-Factor Fixed-Effects Model With a Single Covariate 4.1 What ANCOVA Is and How It Works 4.2 Computing ANCOVA Using SPSS 4.3 Computing ANCOVA Using R 4.4 Data Screening 4.5 Power Using G*Power 4.6 Research Question Template and Example Write-Up 4.7 Additional Resources Problems 5. Random- and Mixed-Effects Analysis of Variance Models 5.1 The One-Factor Random-Effects Model 5.2 The Two-Factor Random-Effects Model 5.3 The Two-Factor Mixed-Effects Model 5.4 The One-Factor Repeated Measures Design 5.5 The Two-Factor Split‑Plot or Mixed Design 5.6 Computing ANOVA Models Using SPSS 5.7 Computing ANOVA Models Using R 5.8 Data Screening for the Two-Factor Split-Plot ANOVA 5.9 Power Using G*Power 5.10 Research Question Template and Example Write-Up 5.11 Additional Resources Problems 6. Hierarchical and Randomized Block Analysis of Variance Models 6.1 What Hierarchical and Randomized Block Analysis of Variance Models Are and How They Work 6.2 Mathematical Introduction Snapshot 6.3 Computing Hierarchical and Randomized Block ANOVA Models Using SPSS 6.4 Computing Hierarchical and Randomized Block Analysis of Variance Models Using R 6.5 Data Screening 6.6 Power Using G*Power 6.7 Research Question Template and Example Write-Up 6.8 Additional Resources Problems 7. Simple Linear Regression 7.1 What Simple Linear Regression Is and How It Works 7.2 Mathematical Introduction Snapshot 7.3 Computing Simple Linear Regression Using SPSS 7.4 Computing Simple Linear Regression Using R 7.5 Data Screening 7.6 Power Using G*Power 7.7 Research Question Template and Example Write-Up 7.8 Additional Resources Problems 8. Multiple Linear Regression 8.1 What Multiple Linear Regression is and How It Works 8.2 Mathematical Introduction Snapshot 8.3 Computing Multiple Linear Regression Using SPSS 8.4 Computing Multiple Linear Regression Using R 8.5 Data Screening 8.6 Power Using G*Power 8.7 Research Question Template and Example Write-Up 8.8 Additional Resources Problems 9. Logistic Regression 9.1 What Logistic Regression Is and How It Works 9.2 Mathematical Introduction Snapshot 9.3 Computing Logistic Regression Using SPSS 9.4 Computing Logistic Regression Using R 9.5 Data Screening 9.6 Power Using G*Power 9.7 Research Question Template and Example Write-Up 9.8 Additional Resources Problems 10. Mediation and Moderation 10.1 What Mediation and Moderation Is and How It Works 10.2 What Moderation Is and How It Works 10.3 Computing Mediation and Moderation Using SPSS 10.4 Computing Mediation and Moderation Using R 10.5 Additional Resources Problems Appendix: Tables References Name Index Subject Index