Cantitate/Preț
Produs
Total produse
Vezi coșul
An Introduction to Categorical Data Analysis de Alan Agresti

An Introduction to Categorical Data Analysis: Wiley Series in Probability and Statistics

Autor Alan Agresti
en Limba Engleză Hardback – 22 ian 2019

În contextul programelor de studiu universitare dedicate statisticii și cercetării, An Introduction to Categorical Data Analysis ocupă un loc central ca resursă fundamentală pentru cursuri de licență și masterat. Această a treia ediție, publicată în Wiley Series in Probability and Statistics, rafinează prezentarea metodelor statistice pentru date discrete, adaptându-le cerințelor actuale din științele biomedicale și sociale. Remarcăm efortul autorului de a menține un stil aplicat, non-tehnic, facilitând înțelegerea conceptelor complexe prin exemple concrete, de la studii clinice până la corelații despre fericire. Structura cărții este concepută progresiv: începe cu fundamentele inferenței statistice și analiza tabelelor de contingență, avansând rapid către nucleul teoretic reprezentat de modelele liniare generalizate. Apreciem integrarea software-ului R în această ediție, o schimbare necesară față de versiunile anterioare, care aliniază textul cu standardele actuale de calcul statistic. Spre deosebire de volumul Categorical Data Analysis for the Behavioral and Social Sciences de Razia Azen, care se concentrează preponderent pe interpretarea conceptuală, lucrarea de față propune o viziune mai tehnică și unificată, legând riguros regresia logistică de modelele log-liniare. Această lucrare consolidează portofoliul autorului, fiind o versiune mai accesibilă a tratatului său de referință Categorical Data Analysis. Dacă în Foundations of Linear and Generalized Linear Models Alan Agresti punea accent pe fundamentele matematice, aici prioritizează aplicabilitatea practică. Includerea noilor metode de clasificare și a abordărilor Bayesiene transformă această ediție dintr-un manual clasic într-un instrument modern de analiză a datelor.

Citește tot Restrânge

Din seria Wiley Series in Probability and Statistics

Preț: 83495 lei

Preț vechi: 108435 lei
-23%

Puncte Express: 1252

Carte disponibilă

Livrare economică 07-21 mai
Livrare express 22-28 aprilie pentru 4895 lei

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9781119405269
ISBN-10: 1119405262
Pagini: 400
Dimensiuni: 183 x 260 x 26 mm
Greutate: 0.95 kg
Ediția:3. Auflage
Editura: John Wiley & Sons, Inc.
Colecția Wiley Series in Probability and Statistics
Seria Wiley Series in Probability and Statistics

Locul publicării:Hoboken, United States

Public țintă

Primary: undergraduate courses in categorical data analysis; Secondary: researchers and practitioners in related fields interested in learning methods for applying CDA in their subjects.

De ce să citești această carte

Recomandăm această carte studenților și cercetătorilor care au nevoie de o introducere riguroasă, dar accesibilă în analiza datelor categoriale. Cititorul câștigă competențe practice imediate prin utilizarea R și înțelegerea modelelor liniare generalizate. Este un instrument esențial pentru oricine dorește să treacă de la statistica descriptivă la modelarea predictivă în științele sociale sau medicină, oferind soluții verificate pentru seturi de date reale.

Despre autor

Alan Agresti este profesor emerit în cadrul Departamentului de Statistică al Universității din Florida, având o carieră didactică de peste 35 de ani. Experiența sa vastă în dezvoltarea cursurilor de metodologie statistică pentru studenții din științele sociale este reflectată în claritatea expunerii din lucrările sale. Autor a peste 100 de articole de specialitate și a unor texte de referință precum Statistical Methods for the Social Sciences, Agresti este membru onorat al American Statistical Association. Expertiza sa în analiza datelor categoriale este recunoscută la nivel mondial, fiind unul dintre cei mai citați autori în domeniu.

Descriere scurtă

A valuable new edition of a standard reference
The use of statistical methods for categorical data has increased dramatically, particularly for applications in the biomedical and social sciences.An Introduction to Categorical Data Analysis, Third Editionsummarizes these methods and shows readers how to use them using software. Readers will find a unified generalized linear models approach that connects logistic regression and loglinear models for discrete data with normal regression for continuous data.
Adding to the value in the new edition is:
Illustrations of the use of R software to perform all the analyses in the book
A new chapter on alternative methods for categorical data, including smoothing and regularization methods (such as the lasso), classification methods such as linear discriminant analysis and classification trees, and cluster analysis
New sections in many chapters introducing the Bayesian approach for the methods of that chapter
More than 70 analyses of data sets to illustrate application of the methods, and about 200 exercises, many containing other data sets
An appendix showing how to use SAS, Stata, and SPSS, and an appendix with short solutions to most odd–numbered exercises
Written in an applied, nontechnical style, this book illustrates the methods using a wide variety of real data, including medical clinical trials, environmental questions, drug use by teenagers, horseshoe crab mating, basketball shooting, correlates of happiness, and much more.
An Introduction to Categorical Data Analysis, Third Editionis an invaluable tool for statisticians and biostatisticians as well as methodologists in the social and behavioral sciences, medicine and public health, marketing, education, and the biological and agricultural sciences.

Cuprins

Preface
1. Introduction
1.1 Categorical Response Data
1.2 Probability Distributions for Categorical Data
1.3 Statistical Inference for a Proportion
1.4 Statistical Inference for Discrete Data
1.5 Bayesian Inference for Proportions
1.6 Using R Software for Statistical Inference about Proportions
Exercises
2. Analyzing Contingency Tables
2.1 Probability Structure for Contingency Tables
2.2 Comparing Proportions in 2×2 Contingency Tables
2.3 The Odds Ratio
2.4 Chi–Squared Tests of Independence
2.5 Testing Independence for Ordinal Variables
2.6 Exact Frequentist and Bayesian Inference
2.7 Association in Three–Way Tables
Exercises
3. Generalized Linear Models
3.1 Components of a Generalized Linear Model
3.2 Generalized Linear Models for Binary Data
3.3 Generalized Linear Models for Counts and Rates
3.4 Statistical Inference and Model Checking
3.5 Fitting Generalized Linear Models
Exercises
4. Logistic Regression
4.1 The Logistic Regression Model
4.2 Statistical Inference for Logistic Regression
4.3 Logistic Regression with Categorical Predictors
4.4 Multiple Logistic Regression
4.5 Summarizing Effects in Logistic Regression
4.6 Summarizing Predictive Power: Classification Tables, ROC Curves, and Multiple Correlation
Exercises
5. Building and Applying Binary Regression Models
5.1 Strategies in Model Selection
5.2 Model Checking
5.3 Infinite Estimates in Logistic Regression
5.4 Bayesian Inference, Penalized Likelihood, and Conditional Likelihood for Logistic Regression
5.5 Alternative Link Functions: Linear Probability and Probit Models
5.6 Sample Size and Power for Logistic Regression
Exercises
6. Multicategory Logit Models
6.1 Baseline–Category Logit Models for Nominal Responses
6.2 Cumulative Logit Models for Ordinal Responses
6.3 Cumulative Link Models: Model Checking and Extensions
6.4 Paired–Category Logit Modeling of Ordinal Responses
Exercises
7. Loglinear Models for Contingency Tables and Counts
7.1 Loglinear Models for Counts in Contingency Tables
7.2 Statistical Inference for Loglinear Models
7.3 The Loglinear Logistic Model Connection
7.4 Independence Graphs and Collapsibility
7.5 Modeling Ordinal Associations in Contingency Tables
7.6 Loglinear Modeling of Count Response Variables
Exercises
8. Models for Matched Pairs
8.1 Comparing Dependent Proportions for Binary Matched Pairs
8.2 Marginal Models and Subject–Specific Models for Matched Pairs
8.3 Comparing Proportions for Nominal Matched–Pairs Responses
8.4 Comparing Proportions for Ordinal Matched–Pairs Responses
8.5 Analyzing Rater Agreement
8.6 Bradley Terry Model for Paired Preferences
Exercises
9. Marginal Modeling of Correlated, Clustered Responses
9.1 Marginal Models Versus Subject–Specific Models
9.2 Marginal Modeling: The Generalized Estimating Equations (GEE) Approach
9.3 Marginal Modeling for Clustered Multinomial Responses
9.4 Transitional Modeling, Given the Past
9.5 Dealing with Missing Data
Exercises
10. Random Effects: Generalized Linear Mixed Models
10.1 Random Effects Modeling of Clustered Categorical Data
10.2 Examples: Random Effects Models for Binary Data
10.3 Extensions to Multinomial Responses and Multiple Random Effect Terms
10.4 Multilevel (Hierarchical) Models
10.5 Latent Class Models
Exercises
11. Classification and Smoothing
11.1 Classification: Linear Discriminant Analysis
11.2 Classification: Tree–Based Prediction
11.3 Cluster Analysis for Categorical Responses
11.4 Smoothing: Generalized Additive Models
11.5 Regularization for High–Dimensional Categorical Data (Large p) Exercises
12. A Historical Tour of Categorical Data Analysis Appendix: Software for Categorical Data Analysis
A1: R for Categorical Data Analysis
A2: SAS for Categorical Data Analysis A3: Stata for Categorical Data Analysis A4: SPSS for Categorical Data Analysis
Brief Solutions to Some Odd–Numbered Exercises
Bibliography
Examples Index
Subject Index

Notă biografică

ALAN AGRESTI is Distinguished Professor Emeritus at the University of Florida. He has presented short courses on categorical data methods in 35 countries. He is the author of seven books, including the bestselling Categorical Data Analysis (Wiley), Foundations of Linear and Generalized Linear Models (Wiley), Statistics: The Art and Science of Learning from Data (Pearson), and Statistical Methods for the Social Sciences (Pearson).