Analisi dei dati mediante regressione e modelli multilivello/gerarchici

Recensioni dei lettori

Il libro è molto apprezzato per la sua chiarezza, l'approccio pratico e la copertura completa delle tecniche di modellazione e regressione multilivello. È particolarmente apprezzato dagli utenti che hanno familiarità con R e che apprezzano gli esempi e la codifica pratica. Tuttavia, molti recensori hanno espresso frustrazione per la qualità del codice R fornito, notando numerosi errori e incongruenze che ostacolano l'esperienza di apprendimento. Anche l'organizzazione del libro e le risorse che lo accompagnano potrebbero essere migliorate.

⬤ Copertura completa della modellazione multilivello e delle tecniche di regressione.
⬤ Stile di scrittura chiaro e coinvolgente, che rende accessibili concetti complessi.
⬤ Esempi pratici e ricette per l'uso di R.
⬤ Forte enfasi sulla comprensione dei concetti teorici piuttosto che sulla semplice applicazione delle formule.
⬤ Utile come riferimento sia per gli studenti che per i ricercatori esperti nelle scienze sociali.

⬤ Gli esempi di codice R sono spesso errati o mal spiegati, con conseguente frustrazione.
⬤ Alcune sezioni non sono sufficientemente approfondite e il libro può richiedere risorse supplementari per una comprensione completa.
⬤ L'organizzazione dei contenuti può sembrare dispersiva, con un impatto sul flusso e sulla coerenza.
⬤ I set di dati e gli esempi forniti non sono sempre ben documentati o di facile accesso.

(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/.