Modelli lineari gerarchici: Applicazioni e metodi di analisi dei dati

Recensioni dei lettori

Le recensioni del libro di Raudenbush & Bryk sulla modellazione lineare gerarchica (HLM) lo evidenziano come una risorsa completa ed essenziale per i ricercatori quantitativi avanzati che lavorano con i modelli multilivello. Tuttavia, molti utenti hanno sottolineato che non è adatto ai principianti e tende a essere denso e difficile da seguire senza un ulteriore supporto.

⬤ Risorsa completa e dettagliata per l'HLM.
⬤ Eccellente riferimento per i ricercatori avanzati.
⬤ Buona copertura dell'HLM nei disegni longitudinali e di altri argomenti avanzati.
⬤ Consegna e confezione di alta qualità.
⬤ Sconti disponibili per l'acquisto.
⬤ Set di dati inclusi per la pratica.

⬤ Non adatto ai principianti; richiede una solida base statistica.
⬤ Stile di scrittura denso, che lo rende difficile da seguire.
⬤ Spiegazioni scarse di concetti ed esempi importanti.
⬤ Alcuni recensori hanno trovato gli esempi difficili da riprodurre.
⬤ I grafici realizzati con caratteri ASCII sono meno utili dei grafici standard.
⬤ Guida pratica limitata all'esecuzione di analisi con il software HLM.

(basato su 22 recensioni dei lettori)

Titolo originale:

Hierarchical Linear Models: Applications and Data Analysis Methods

Contenuto del libro:

Apprezzato nella prima edizione per i suoi ricchi esempi illustrativi e le lucide spiegazioni della teoria e dell'uso dei modelli lineari gerarchici (HLM), il libro è stato riorganizzato in quattro parti con quattro capitoli completamente nuovi. Le prime due parti, la Parte I sulla "Logica della modellazione lineare gerarchica" e la Parte II sulle "Applicazioni di base", sono strettamente parallele ai primi nove capitoli dell'edizione precedente, con significativi ampliamenti e chiarimenti tecnici, quali.

* Una sintesi introduttiva intuitiva delle procedure di base per la stima e l'inferenza utilizzate con i modelli HLM, che richiede solo un livello minimo di sofisticazione matematica nel Capitolo 3.

* Una nuova sezione sui modelli di crescita multivariati nel Capitolo 6.

* Una discussione sulle applicazioni della sintesi della ricerca o della meta-analisi nel Capitolo 7.

* Consigli per l'analisi dei dati sulla centratura dei predittori di livello 1 e nuovo materiale sugli intervalli di valori plausibili e sugli stimatori standard robusti.