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: Alexander von Eye. Wolfgang Wiedermann
سری:
ISBN (شابک) : 1009322176, 9781009322171
ناشر: Cambridge University Press
سال نشر: 2023
تعداد صفحات: 125
[191]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 Mb
در صورت تبدیل فایل کتاب The General Linear Model: A Primer 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 خطی عمومی: پرایمر 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.
روش های مدل خطی عمومی بیشترین کاربرد را در تحلیل داده ها در تحقیقات تجربی کاربردی دارند. با این حال، هیچ متن فشرده ای وجود ندارد که بتوان از آن در دوره های آمار و به عنوان راهنمای تجزیه و تحلیل داده ها استفاده کرد. این جلد این خلاء را با معرفی مدل خطی عمومی (GLM) پر می کند، که مفهوم اصلی آن این است که یک متغیر مشاهده شده را می توان از متغیرهای مستقل وزن دار به اضافه یک عبارت خطای افزایشی توضیح داد که عیوب مدل و خطای اندازه گیری را منعکس می کند. همچنین رگرسیون چند متغیره، تحلیل واریانس، تجزیه و تحلیل تحت در نظر گرفتن متغیرهای کمکی، روشهای انتخاب متغیر، رگرسیون متقارن و روشهای اخیراً توسعهیافته تقسیمبندی بازگشتی و تحلیل وابستگی جهت را پوشش میدهد. هر روش به طور رسمی مشتق شده و در GLM تعبیه شده است، و ویژگی های این روش ها برجسته شده است. مثالهای دادههای دنیای واقعی کاربرد هر یک از این روشها را نشان میدهند، و نشان داده میشود که چگونه نتایج را میتوان تفسیر کرد.
General Linear Model methods are the most widely used in data analysis in applied empirical research. Still, there exists no compact text that can be used in statistics courses and as a guide in data analysis. This volume fills this void by introducing the General Linear Model (GLM), whose basic concept is that an observed variable can be explained from weighted independent variables plus an additive error term that reflects imperfections of the model and measurement error. It also covers multivariate regression, analysis of variance, analysis under consideration of covariates, variable selection methods, symmetric regression, and the recently developed methods of recursive partitioning and direction dependence analysis. Each method is formally derived and embedded in the GLM, and characteristics of these methods are highlighted. Real-world data examples illustrate the application of each of these methods, and it is shown how results can be interpreted.