Statistical Texts for Mixed Linear Models

در سال‌های اخیر پیشرفتی در توانایی ما برای استنتاج از آزمون‌های دقیق و بهینه مدل‌های مولفه‌های واریانس رخ داده است و فعالیت‌های تحقیقاتی زیادی را ایجاد کرده است. متکی بر مدل های خطی با اثرات مختلط و تصادفی است. این جلد مهم ترین تحقیقات دهه گذشته و همچنین آخرین پیشرفت ها در آزمون فرضیه ها را پوشش می دهد. تمام نتایج موجود در حال حاضر در حوزه آزمایش‌های دقیق و بهینه برای مدل‌های مؤلفه‌های واریانس را گردآوری می‌کند و تنها درمان جامع این مدل‌ها را در سطح پیشرفته ارائه می‌دهد.

آزمایش‌های آماری برای مدل‌های خطی مختلط:

• تحلیل و آزمایش را در یک جلد مستقل ترکیب می‌کند.
• روش های تحلیل واریانس (ANOVA) را در موقعیت های داده متعادل و نامتعادل توصیف می کند.
• روش هایی را برای تعیین اثر عدم تعادل بر تجزیه و تحلیل داده ها بررسی می کند.
• آزمون ها و روش های دقیق و بهینه را برای استخراج آنها توضیح می دهد.
• روش‌های آزمایشی را برای مدل‌های ترکیبی و تصادفی چند متغیره خلاصه می‌کند.
• خوانندگان تازه کار را قادر می سازد از مشتقات و بحث های مربوط به تست های بهینه صرف نظر کنند. مثال ها و تمرین های فراوانی را ارائه می دهد که بسیاری از آنها دارای طعم و مزه عددی هستند.
• راه حل هایی برای تمرینات انتخاب شده ارائه می دهد.

آزمون های آماری برای مدل های خطی مختلط یک مرجع قابل دسترس برای محققان در تحلیل واریانس، طراحی آزمایشی، تحلیل مولفه های واریانس و مدل های مختلط خطی است. همچنین یک متن مهم برای دانشجویان فارغ التحصیل علاقه مند به مدل های ترکیبی است. محتوا:
فصل 1 ماهیت آزمون های دقیق و بهینه در مدل های خطی مختلط (صفحه های 1-18):
فصل 2 متوازن مدل های تصادفی و مختلط (صفحات) 19-52):
فصل 3 اندازه گیری عدم تعادل داده ها (صفحه های 53-94):
فصل 4 نامتعادل مدل های تصادفی یک؟ راه و دو؟ (صفحه های 95-118):
فصل 5 مدل های تصادفی با فرکانس های سلولی نابرابر در آخرین مرحله (صفحات 119-140):
آزمون های فصل 6 در مدل های مختلط نامتعادل (صفحات 141-171):
فصل 7 بازیابی اطلاعات بین بلوک ها (صفحات 172-205):
فصل 8 طرح‌های تقسیم‌بندی شده در مدل‌های ترکیبی و تصادفی (صفحه‌های 206-235):
آزمون‌های فصل 9 با استفاده از مقادیر P تعمیم‌یافته (صفحه‌های 236-255):
فصل 10 مدل‌های ترکیبی و تصادفی چند متغیره ( صفحات 256-296):

In recent years a breakthrough has occurred in our ability to draw inferences from exact and optimum tests of variance component models, generating much research activity that relies on linear models with mixed and random effects. This volume covers the most important research of the past decade as well as the latest developments in hypothesis testing. It compiles all currently available results in the area of exact and optimum tests for variance component models and offers the only comprehensive treatment for these models at an advanced level.

Statistical Tests for Mixed Linear Models:

• Combines analysis and testing in one self-contained volume.
• Describes analysis of variance (ANOVA) procedures in balanced and unbalanced data situations.
• Examines methods for determining the effect of imbalance on data analysis.
• Explains exact and optimum tests and methods for their derivation.
• Summarizes test procedures for multivariate mixed and random models.
• Enables novice readers to skip the derivations and discussions on optimum tests. Offers plentiful examples and exercises, many of which are numerical in flavor.
• Provides solutions to selected exercises.

Statistical Tests for Mixed Linear Models is an accessible reference for researchers in analysis of variance, experimental design, variance component analysis, and linear mixed models. It is also an important text for graduate students interested in mixed models.Content:
Chapter 1 Nature of Exact and Optimum Tests in Mixed Linear Models (pages 1–18):
Chapter 2 Balanced Random and Mixed Models (pages 19–52):
Chapter 3 Measures of Data Imbalance (pages 53–94):
Chapter 4 Unbalanced One?Way and Two?Way Random Models (pages 95–118):
Chapter 5 Random Models with Unequal Cell Frequencies in the Last Stage (pages 119–140):
Chapter 6 Tests in Unbalanced Mixed Models (pages 141–171):
Chapter 7 Recovery of Inter?block Information (pages 172–205):
Chapter 8 Split?plot Designs Under Mixed and Random Models (pages 206–235):
Chapter 9 Tests Using Generalized P?Values (pages 236–255):
Chapter 10 Multivariate Mixed and Random Models (pages 256–296):