دانلود کتاب Applied regression analysis: a research tool

ترجمه فارسی توضیحات (ترجمه ماشینی)

تحلیل رگرسیون کاربردی: ابزار تحقیق

برآورد حداقل مربعات، در صورت استفاده مناسب، یک ابزار تحقیقاتی قدرتمند است. درک عمیق تر از مفاهیم رگرسیون برای دستیابی به مزایای بهینه از تحلیل حداقل مربعات ضروری است. این کتاب بر اساس مبانی روش‌های آماری استوار است و مفاهیم مناسبی را ارائه می‌کند که به دانشمند اجازه می‌دهد از حداقل مربعات به عنوان یک ابزار تحقیقاتی مؤثر استفاده کند. هدف این کتاب دانشمندی است که مایل به کسب دانش کاری در زمینه تحلیل رگرسیون است. هدف اصلی این کتاب این است که درک درستی از حداقل مربعات و روش های آماری مرتبط بدون اینکه بیش از حد ریاضی شود، ایجاد کند. این نتیجه بیش از 30 سال تجربه مشاوره با دانشمندان و سالها تدریس یک دوره رگرسیون کاربردی به دانشجویان فارغ التحصیل است. این کتاب به عنوان یک متن عالی برای دوره خدمات رگرسیون برای افراد غیر آمار و به عنوان یک مرجع برای محققان است. همچنین پلی بین مقدمه دو ترم ایجاد می کند! گرایش به روش های آماری و یک دوره مدل های خطی تئوریک. این کتاب بر مفاهیم و تجزیه و تحلیل مجموعه داده ها تأکید دارد. این مروری بر مفاهیم کلیدی در رگرسیون خطی ساده، عملیات ماتریسی و رگرسیون چندگانه ارائه می‌کند. روش ها و معیارهای انتخاب متغیرهای رگرسیون و تفاسیر هندسی مورد بحث قرار گرفته است. مدل های چند جمله ای، مثلثاتی، تحلیل واریانس، غیرخطی، سری زمانی، لجستیک، اثرات تصادفی و اثرات مختلط نیز مورد بحث قرار می گیرند. مطالعات موردی دقیق و تمرین‌های مبتنی بر مجموعه داده‌های واقعی برای تقویت مفاهیم استفاده می‌شود.

Applied regression analysis: a research tool

Least squares estimation, when used appropriately, is a powerful research tool. A deeper understanding of the regression concepts is essential for achieving optimal benefits from a least squares analysis. This book builds on the fundamentals of statistical methods and provides appropriate concepts that will allow a scientist to use least squares as an effective research tool. This book is aimed at the scientist who wishes to gain a working knowledge of regression analysis. The basic purpose of this book is to develop an understanding of least squares and related statistical methods without becoming excessively mathematical. It is the outgrowth of more than 30 years of consulting experience with scientists and many years of teaching an applied regression course to graduate students. This book serves as an excellent text for a service course on regression for non-statisticians and as a reference for researchers. It also provides a bridge between a two-semester intro! duction to statistical methods and a thoeretical linear models course. This book emphasizes the concepts and the analysis of data sets. It provides a review of the key concepts in simple linear regression, matrix operations, and multiple regression. Methods and criteria for selecting regression variables and geometric interpretations are discussed. Polynomial, trigonometric, analysis of variance, nonlinear, time series, logistic, random effects, and mixed effects models are also discussed. Detailed case studies and exercises based on real data sets are used to reinforce the concepts.