Analisi di regressione logistica applicata

Recensioni dei lettori

Il libro è stato accolto con favore come una risorsa preziosa per la comprensione della regressione logistica, offrendo spiegazioni chiare ed esempi perspicaci. Sebbene sia generalmente apprezzato per la sua accessibilità e utilità come riferimento, alcuni lettori trovano alcune sezioni difficili da comprendere.

⬤ Spiegazioni molto comprensibili e chiare, soprattutto per chi ha già una conoscenza della regressione multipla.
⬤ Offre buoni paralleli con i modelli OLS (ordinary least squares).
⬤ Utile sia per l'apprendimento che per la consultazione, compresi gli argomenti essenziali per l'interpretazione dei risultati di SPSS.
⬤ Conveniente e conciso, è un buon affare per l'apprendimento statistico.
⬤ Uso efficace di esempi e diagnosi che migliorano la comprensione.

⬤ Alcune sezioni possono risultare di difficile comprensione, generando confusione.
⬤ Non è raccomandato come unica fonte per l'apprendimento; alcuni lettori lo hanno trovato meno adeguato per l'apprendimento profondo.
⬤ Piccole perplessità sul fatto che il libro sia un po' datato nel contesto dell'evoluzione del software statistico.

(basato su 10 recensioni dei lettori)

Titolo originale:

Applied Logistic Regression Analysis

Contenuto del libro:

In questa seconda edizione l'attenzione si concentra nuovamente sui modelli di regressione logistica per i dati a livello individuale, ma vengono presi in considerazione anche i dati aggregati o raggruppati. Il libro include discussioni dettagliate sulla bontà di adattamento, sugli indici di efficienza predittiva e sui coefficienti di regressione logistica standardizzati, oltre a esempi che utilizzano SAS e SPSS.

⬤ Considerazione più dettagliata dei dati raggruppati rispetto a quelli casuali in tutto il libro.

⬤ Discussione aggiornata delle proprietà e dell'uso appropriato delle misure di bontà di adattamento, degli analoghi del quadrato R e degli indici di efficienza predittiva.

⬤ Discussione dell'uso improprio degli odds ratio per rappresentare i rapporti di rischio e della dispersione eccessiva e insufficiente per i dati raggruppati.

Aggiornamento dei modelli di regressione logistica politomica ordinata e non ordinata.