دانلود کتاب Log-Linear Models and Logistic Regression

ترجمه فارسی توضیحات (ترجمه ماشینی)

مدل های لاگ-خطی و رگرسیون لجستیک

این کتاب به بررسی مدل های آماری برای داده های فراوانی می پردازد. تمرکز اصلی بر روی مدل‌های لاگ خطی برای جداول احتمالی است، اما در این ویرایش دوم، تاکید بیشتری بر رگرسیون لجستیک شده است. موضوعاتی مانند تبعیض لجستیک و مدل های خطی تعمیم یافته نیز بررسی می شوند. این درمان برای دانش‌آموزانی طراحی شده است که دانش قبلی از تحلیل واریانس و رگرسیون دارند. این بر روابط بین این مدل‌های پایه برای داده‌های پیوسته و مدل‌های رگرسیون لجستیک و لجستیک مشابه برای داده‌های گسسته استوار است. این کتاب ضمن تأکید بر شباهت‌های بین روش‌ها برای داده‌های گسسته و پیوسته، تفاوت‌های تفاسیر مدل و ارزیابی را که به دلیل ماهیت گسسته داده‌ها رخ می‌دهد، به دقت بررسی می‌کند. دستورات نمونه برای تجزیه و تحلیل در SAS، BMFP، و GLIM داده شده است. مجموعه داده‌های متعددی از رشته‌های متنوعی مانند مهندسی، آموزش، جامعه‌شناسی و پزشکی برای نشان دادن رویه‌ها و ارائه تمرین‌ها استفاده می‌شود. این کتاب دارای تعدادی ویژگی خلاقانه است. این با یک بحث گسترده در مورد شانس و نسبت شانس و همچنین تصاویر مشخصی از مدل‌های استقلال پایه برای جداول احتمالی آغاز می‌شود. پس از توسعه یک مبنای نظری و کاربردی مناسب برای مدل‌های در نظر گرفته شده، این کتاب بحث‌های مفصلی در مورد استفاده از مدل‌های گرافیکی و روش‌های انتخاب مدل ارائه می‌کند. سپس مدل‌هایی را با عوامل کمی و مدل‌های خطی تعمیم یافته بررسی می‌کند، پس از آن نتایج اساسی با استفاده از روش‌های ماتریسی قدرتمند مورد بررسی مجدد قرار می‌گیرند. در نهایت، این کتاب درمان گسترده ای از روش های بیزی برای تجزیه و تحلیل رگرسیون لجستیک و سایر مدل های رگرسیون برای داده های دو جمله ای ارائه می دهد. روش های بیزی ساده و بر خلاف آن هستند

Log-Linear Models and Logistic Regression

This book examines statistical models for frequency data. The primary focus is on log-linear models for contingency tables,but in this second edition,greater emphasis has been placed on logistic regression. Topics such as logistic discrimination and generalized linear models are also explored. The treatment is designed for students with prior knowledge of analysis of variance and regression. It builds upon the relationships between these basic models for continuous data and the analogous log- linear and logistic regression models for discrete data. While emphasizing similarities between methods for discrete and continuous data,this book also carefully examines the differences in model interpretations and evaluation that occur due to the discrete nature of the data. Sample commands are given for analyses in SAS,BMFP,and GLIM. Numerous data sets from fields as diverse as engineering, education,sociology,and medicine are used to illustrate procedures and provide exercises. This book incorporates a number of innovative features. It begins with an extensive discussion of odds and odds ratios as well as concrete illustrations of the basic independence models for contingency tables. After developing a sound applied and theoretical basis for the models considered,the book presents detailed discussions of the use of graphical models and of models selection procedures. It then explores models with quantitative factors and generalized linear models,after which the fundamental results are reexamined using powerful matrix methods. Finally, the book gives an extensive treatment of Bayesian procedures for analyzing logistic regression and other regression models for binomial data. Bayesian methods are simple and,unlike