Analisi dei dati mediante regressione e modelli gerarchici multilivello

Recensioni dei lettori

Il libro è molto apprezzato per la sua esposizione chiara della modellazione multilivello e dell'analisi di regressione, con particolare attenzione alle applicazioni pratiche, soprattutto con l'uso di R. È apprezzato per la sua copertura completa, gli esempi pertinenti e l'enfasi sulla comprensione dei concetti sottostanti invece che sulla semplice applicazione delle formule. Tuttavia, molti lettori esprimono frustrazione per i numerosi errori negli esempi e nel codice R, per l'organizzazione incoerente e per l'accessibilità dei set di dati, che ostacolano la loro capacità di utilizzare efficacemente il libro.

⬤ Copertura completa della modellazione multilivello e dei concetti statistici chiave.
⬤ Scrittura chiara ed esempi utili che rendono accessibili argomenti complessi.
⬤ Focus sull'applicazione pratica di R, con una forte enfasi sulla comprensione piuttosto che sull'applicazione a tavolino.
⬤ Stile di codifica compatto che aiuta a semplificare l'apprendimento.
⬤ Riferimenti pertinenti che supportano i concetti discussi.

⬤ Numerosi errori nel codice R e negli esempi che li rendono difficili da seguire.
⬤ Organizzazione incoerente e occasionale ambiguità terminologica.
⬤ Mancanza di set di dati aggiornati o ben documentati per l'applicazione pratica.
⬤ Alcune sezioni mancano di spiegazioni dettagliate, lasciando potenzialmente il lettore confuso.
⬤ Guida limitata per i principianti in R, che può ostacolare la comprensione per i meno esperti.

(basato su 72 recensioni dei lettori)

Titolo originale:

Data Analysis Using Regression and Multilevel Hierarchical Models

Contenuto del libro:

Data Analysis Using Regression and Multilevel/Hierarchical Models è un manuale completo per il ricercatore applicato che desidera effettuare analisi dei dati utilizzando modelli di regressione lineare e non lineare e modelli multilivello. Il libro introduce un'ampia varietà di modelli, istruendo allo stesso tempo il lettore su come adattarli utilizzando i pacchetti software disponibili.

Il libro illustra i concetti lavorando su decine di esempi di dati reali che sono stati tratti dalla ricerca applicata degli autori, con codici di programmazione forniti per ciascuno di essi. Gli argomenti trattati comprendono l'inferenza causale, tra cui la regressione, la post-stratificazione, il matching, la discontinuità della regressione e le variabili strumentali, nonché la regressione logistica multilivello e l'imputazione dei dati mancanti. Vengono forniti suggerimenti pratici per la costruzione, l'adattamento e la comprensione.

Pagina delle risorse dell'autore: http: //www.stat. columbia.edu/ gelman/arm/.