☆☆☆☆☆
简体网页||繁体网页



下载链接1
下载链接2
下载链接3

类似图书 点击查看全场最低价

---

编辑推荐

“万卷方法”的理想
为社会学、政治学、管理学、经济学、传播学、心理学、教育学等社会科学各领域的学者和研究生提供一个内容规范、使用便捷的“研究方法工具箱”。
“万卷方法”的受众
图书馆及大学社会科学各院系的资料窒。
社会科学各领域的研究人员。
社会科学各专业的研究生和本科生。
社会及市场调查的实务工作者。

内容简介

由于分类数据分析技术的发展以及分类数据在现实应用中的独特价值，许多统计系或生物统计系都开设了有关分类数据分析的课程。这《万卷方法：分类数据分析》可以用作该类课程的教科书。《万卷方法：分类数据分析》的第1-7章涵盖了该类课程的核心内容。其中，第1-3章介绍分类结果变量的分布以及传统的二维列联表分析方法。第4-7章介绍关于二分和多项分布结果变量的logistic回归以及相应的logit模型。第8章和第9章的内容则是用于分析列联表数据的对数线性模型。随着时间的推移，对数线性模型的重要性似乎有所降低，所以本版在一定程度上缩减了对该模型的讨论，并相应增加了有关Iogistic回归的内容。
在过去10年间，这一领域的新发展主要集中于对重复测量和其他形式的群组分类数据的分析方法。第10-13章讲述这些方法，其中包括边际模型和具有随机效应的广义线性混合模型。第14-15章介绍本书所使用的最大似然估计的理论基础以及其他可供选择的估计方法。第16章简单回顾了分类数据分析技术的发展历程，并介绍了诸如皮尔逊和费舍尔等著名统计学家的贡献，他们的开创性工作为分类数据分析方法的发展奠定了基础。

目录

1 引言：分类数据的分布与统计推断
1.1 分类数据
1.2 分类数据的分布
1.3 分类数据的统计推断
1.4 二项分布参数的统计推断
1.5 多项分布参数的统计推断
注解
习题

2 对列联表的描述
2.1 列联表的概率结构
2.2 两个比例的比较
2.3 分层2x2表格中的偏关联
2.4 扩展到/xJ表格
注解
习题

3 列联表的统计推断
3.1 关联参数的置信区间
3.2 二维列联表的独立性检验
3.3 对卡方检验的进一步分析
3.4 定序变量的二维表格
3.5 小样本的独立性检验
3.6 2x2表格的小样本置信区间
3.7 对多维表格以及非表格形式结果变量的扩展
注解
习题

4 广义线性模型简介
4.1 广义线性模型
4.2 二分数据的广义线性模型
4.3 计数数据的广义线性模型
4.4 广义线性模型的矩量和似然函数
4.5 广义线性模型的统计推断
4.6 广义线性模型的拟合
4.7 类似然函数与广义线性模型
4.8 广义可加模型
注解
习题

5 Logistic回归
5.1 Logistic回归参数的解释
5.2 Logistic回归的统计推断
5.3 包括分类预测变量的Logit模型
5.4 多元Logistic回归
5.5 Logistic回归模型的拟合
注解
习题

6 Logistic回归模型的构建与应用
6.1 模型选择的策略
6.2 Logistic回归诊断
6.3 2x2 xK表格中条件关联的统计推断
6.4 利用模型提高推断效能
6.5 样本规模与统计效能
6.6 Probit模型和补余双对数模型
6.7 条件Logistic回归与精确分布
注解
习题

7 关于多项结果变量的Logit模型
7.1 定类结果变量：基线类别Logit模型
7.2 定序结果变量：累积Logit模型
7.3 定序结果变量：累积连结模型
7.4 关于定序结果变量的其他模型
7.5 Ix jxK表格中的条件独立性检验
7.6 离散选择多项Logit模型
注解
习题

8 关于列联表的对数线性模型
8.1 关于二维表格的对数线性模型
……

9 对数线性模型和Logit模型的构建与扩展
10 关于配对数据的模型
11 对重复测量的分类结果变量的分析
12 随机效应：关于分类结果变量的广义线性混合模型
13 关于分类数据的其他混合模型
14 参数模型的渐近理论
15 参数模型的其他估计理论
16 分类数据分析的历史回顾

参考文献
例子索引
主题索引
万卷方法：分类数据分析 [CRTEGORICRL ORTR ANRLYSIS] 电子书 下载 mobi epub pdf txt

评分☆☆☆☆☆

评分☆☆☆☆☆

万卷图书的系列，可看

评分☆☆☆☆☆

逻辑学是一门基础科学和工具性科学。在社会生活中，逻辑混乱的现象时常出现，并且给我们带来一定的负面影响。不论是法律条文、经济合同、决策论证、广告说明，还是媒体报道、官员讲话、教师授课，几乎都会有概念不清楚、推理不正确、论证不科学、语言不规范的现象。这些逻辑语言方面的问题妨碍着我们的正常生活，甚至造成严重的后果。

评分☆☆☆☆☆

因子旋转：是一个变量只在尽可能少的因子上有比较高的载荷

评分☆☆☆☆☆

终于盼到中文版，这是公司要求阅读的，不过发的是英文版

评分☆☆☆☆☆

2.1 主成分分析法、基于因子分析模型的主轴因子法、极大似然法、最小二乘法、α因子分析法、映像分析法

评分☆☆☆☆☆

不错，慢慢学吧

评分☆☆☆☆☆

研究中，获得的数据怎么办？看看本书后能够比较深入的挖掘数据中的信息。

评分☆☆☆☆☆

（1）因子个数远远少于原有变量的个数

类似图书 点击查看全场最低价