- عنوان کتاب: REGRESSION MODELS FOR CATEGORICAL AND COUNT DATA
- نویسنده: Peter Martin
- حوزه: مدل رگرسیون
- سال انتشار: 2022
- تعداد صفحه: 338
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 7.07 مگابایت
این کتابی در مورد مدل های رگرسیون برای داده های طبقه بندی و شمارش است ، همانطور که در علوم اجتماعی استفاده می شود. این کتاب قبلی در مجموعه کیت تحقیقات کمی SAGE، جلد 7، که رگرسیون خطی و اصول مدلسازی آماری را معرفی میکند، ادامه میدهد. کتابی که اکنون می خوانید نشان می دهد که چگونه می توان این اصول را هنگامی که نتیجه یک متغیر طبقه بندی یا شمارش است ، اعمال کرد. خواندن جلد 7 کیت آماده سازی خوبی برای مطالعه این کتاب خواهد بود ، اما این کتاب به خودی خود ایستاده است. خوانندگانی که قبلاً با رگرسیون خطی آشنا هستند میتوانند مستقیماً وارد آن شوند. یادآوری مختصری از رگرسیون خطی در فصل 1 همراه با مقدمهای بر نمادهای ریاضی استفاده شده در سرتاسر ارائه شده است. این کتاب از نظر نرم افزاری خنثی است. بدون استفاده از هیچ نرم افزار آماری می توان آن را خواند و درک کرد. از طرف دیگر ، آنچه در اینجا می آموزید می تواند با استفاده از هر نرم افزار آماری که می تواند مدل های رگرسیون را تخمین بزند ، استفاده شود. برای انجام تجزیه و تحلیل های گزارش شده در این کتاب ، من عمدتاً از نرم افزار منبع آزاد R استفاده کردم (R Core Team ، 2019). در چند مورد، من همچنین از نرم افزار تجاری Stata (StataCorp، 2019) استفاده کردم. بسته های آماری دیگری که اغلب توسط دانشمندان علوم اجتماعی برای تخمین مدل های رگرسیون استفاده می شود، SPSS و SAS هستند.
This is a book about regression models for categorical and count data, as they are used in the social sciences. It continues the previous book in the SAGE Quantitative Research Kit series, Volume 7, which introduced linear regression and the principles of statistical modelling. The book you are reading now shows how these principles can be applied when the outcome is a categorical or count variable. Reading Volume 7 of the Kit would be a good preparation for studying this book, but this book does stand on its own. Readers who are already familiar with linear regression can dive straight in. A brief reminder of linear regression is provided in Chapter 1, alongside an introduction to the mathematical notation used throughout. This book is software-neutral. It can be read and understood without using any statistical software. On the other hand, what you learn here can be applied using any statistical software that can estimate regression models. To carry out the analyses reported in this book, I mainly used the free open-source software R (R Core Team, 2019). On a few occasions, I also made use of the commercial software Stata (StataCorp, 2019). Other statistical packages often used by social scientists to estimate regression models are SPSS and SAS.
این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:
نظرات کاربران