☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

編輯推薦

“萬捲方法”的理想
為社會學、政治學、管理學、經濟學、傳播學、心理學、教育學等社會科學各領域的學者和研究生提供一個內容規範、使用便捷的“研究方法工具箱”。
“萬捲方法”的受眾
圖書館及大學社會科學各院係的資料窒。
社會科學各領域的研究人員。
社會科學各專業的研究生和本科生。
社會及市場調查的實務工作者。

內容簡介

由於分類數據分析技術的發展以及分類數據在現實應用中的獨特價值，許多統計係或生物統計係都開設瞭有關分類數據分析的課程。這《萬捲方法：分類數據分析》可以用作該類課程的教科書。《萬捲方法：分類數據分析》的第1-7章涵蓋瞭該類課程的核心內容。其中，第1-3章介紹分類結果變量的分布以及傳統的二維列聯錶分析方法。第4-7章介紹關於二分和多項分布結果變量的logistic迴歸以及相應的logit模型。第8章和第9章的內容則是用於分析列聯錶數據的對數綫性模型。隨著時間的推移，對數綫性模型的重要性似乎有所降低，所以本版在一定程度上縮減瞭對該模型的討論，並相應增加瞭有關Iogistic迴歸的內容。
在過去10年間，這一領域的新發展主要集中於對重復測量和其他形式的群組分類數據的分析方法。第10-13章講述這些方法，其中包括邊際模型和具有隨機效應的廣義綫性混閤模型。第14-15章介紹本書所使用的最大似然估計的理論基礎以及其他可供選擇的估計方法。第16章簡單迴顧瞭分類數據分析技術的發展曆程，並介紹瞭諸如皮爾遜和費捨爾等著名統計學傢的貢獻，他們的開創性工作為分類數據分析方法的發展奠定瞭基礎。

目錄

1 引言：分類數據的分布與統計推斷
1.1 分類數據
1.2 分類數據的分布
1.3 分類數據的統計推斷
1.4 二項分布參數的統計推斷
1.5 多項分布參數的統計推斷
注解
習題

2 對列聯錶的描述
2.1 列聯錶的概率結構
2.2 兩個比例的比較
2.3 分層2x2錶格中的偏關聯
2.4 擴展到/xJ錶格
注解
習題

3 列聯錶的統計推斷
3.1 關聯參數的置信區間
3.2 二維列聯錶的獨立性檢驗
3.3 對卡方檢驗的進一步分析
3.4 定序變量的二維錶格
3.5 小樣本的獨立性檢驗
3.6 2x2錶格的小樣本置信區間
3.7 對多維錶格以及非錶格形式結果變量的擴展
注解
習題

4 廣義綫性模型簡介
4.1 廣義綫性模型
4.2 二分數據的廣義綫性模型
4.3 計數數據的廣義綫性模型
4.4 廣義綫性模型的矩量和似然函數
4.5 廣義綫性模型的統計推斷
4.6 廣義綫性模型的擬閤
4.7 類似然函數與廣義綫性模型
4.8 廣義可加模型
注解
習題

5 Logistic迴歸
5.1 Logistic迴歸參數的解釋
5.2 Logistic迴歸的統計推斷
5.3 包括分類預測變量的Logit模型
5.4 多元Logistic迴歸
5.5 Logistic迴歸模型的擬閤
注解
習題

6 Logistic迴歸模型的構建與應用
6.1 模型選擇的策略
6.2 Logistic迴歸診斷
6.3 2x2 xK錶格中條件關聯的統計推斷
6.4 利用模型提高推斷效能
6.5 樣本規模與統計效能
6.6 Probit模型和補餘雙對數模型
6.7 條件Logistic迴歸與精確分布
注解
習題

7 關於多項結果變量的Logit模型
7.1 定類結果變量：基綫類彆Logit模型
7.2 定序結果變量：纍積Logit模型
7.3 定序結果變量：纍積連結模型
7.4 關於定序結果變量的其他模型
7.5 Ix jxK錶格中的條件獨立性檢驗
7.6 離散選擇多項Logit模型
注解
習題

8 關於列聯錶的對數綫性模型
8.1 關於二維錶格的對數綫性模型
……

9 對數綫性模型和Logit模型的構建與擴展
10 關於配對數據的模型
11 對重復測量的分類結果變量的分析
12 隨機效應：關於分類結果變量的廣義綫性混閤模型
13 關於分類數據的其他混閤模型
14 參數模型的漸近理論
15 參數模型的其他估計理論
16 分類數據分析的曆史迴顧

參考文獻
例子索引
主題索引
萬捲方法：分類數據分析 [CRTEGORICRL ORTR ANRLYSIS] 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

統計大師的經典之作，很好，要仔細閱讀。

評分☆☆☆☆☆

數據分析員和有誌成為數據科學傢的同學們必備書籍。

評分☆☆☆☆☆

原裝正版，質量好，送貨快，有收獲。

評分☆☆☆☆☆

因子載荷

評分☆☆☆☆☆

好

評分☆☆☆☆☆

終於盼到中文版，這是公司要求閱讀的，不過發的是英文版

評分☆☆☆☆☆

萬捲圖書的係列，可看

評分☆☆☆☆☆

反映像相關矩陣中，除主對角元素外，其他大都數元素的絕對值均小，對角綫上元素的值較接近1，則說明這些變量的相關性較強，適閤進行因子分析

評分☆☆☆☆☆

2.1 主成分分析法、基於因子分析模型的主軸因子法、極大似然法、最小二乘法、α因子分析法、映像分析法

類似圖書 點擊查看全場最低價