回帰・多水準／階層モデルを利用したデータ分析<br>Data Analysis Using Regression and Multilevel/Hierarchical Models (Analytical Methods for Social Research)

個数：
  • ポイントキャンペーン

回帰・多水準／階層モデルを利用したデータ分析
Data Analysis Using Regression and Multilevel/Hierarchical Models (Analytical Methods for Social Research)

  • 提携先の海外書籍取次会社に在庫がございます。通常3週間で発送いたします。
    【重要ご説明事項】
    1. 納期遅延や、ご入手不能となる場合が若干ございます。
    2. 複数冊ご注文の場合、分割発送となる場合がございます。
    3. 美品のご指定は承りかねます。

  • 提携先の海外書籍取次会社に在庫がございます。通常約2週間で発送いたします。
    【重要ご説明事項】
    1. 納期遅延や、ご入手不能となる場合が若干ございます。
    2. 複数冊ご注文の場合、分割発送となる場合がございます。
    3. 美品のご指定は承りかねます。
  • 【入荷遅延について】
    世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
    おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。
  • ◆画像の表紙や帯等は実物とは異なる場合があります。
  • ◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
    また、洋書販売価格は、ご注文確定時点での日本円価格となります。
    ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。
  • 製本 Paperback:紙装版/ペーパーバック版／ページ数 648 p.
  • 言語 ENG
  • 商品コード 9780521686891
  • DDC分類 519.54

Full Description

Data Analysis Using Regression and Multilevel/Hierarchical Models, first published in 2007, is a comprehensive manual for the applied researcher who wants to perform data analysis using linear and nonlinear regression and multilevel models. The book introduces a wide variety of models, whilst at the same time instructing the reader in how to fit these models using available software packages. The book illustrates the concepts by working through scores of real data examples that have arisen from the authors' own applied research, with programming codes provided for each one. Topics covered include causal inference, including regression, poststratification, matching, regression discontinuity, and instrumental variables, as well as multilevel logistic regression and missing-data imputation. Practical tips regarding building, fitting, and understanding are provided throughout.

Contents

1. Why?; 2. Concepts and methods from basic probability and statistics; Part I. A. Single-Level Regression: 3. Linear regression: the basics; 4. Linear regression: before and after fitting the model; 5. Logistic regression; 6. Generalized linear models; Part I. B. Working with Regression Inferences: 7. Simulation of probability models and statistical inferences; 8. Simulation for checking statistical procedures and model fits; 9. Causal inference using regression on the treatment variable; 10. Causal inference using more advanced models; Part II. A. Multilevel Regression: 11. Multilevel structures; 12. Multilevel linear models: the basics; 13. Multilevel linear models: varying slopes, non-nested models and other complexities; 14. Multilevel logistic regression; 15. Multilevel generalized linear models; Part II. B. Fitting Multilevel Models: 16. Multilevel modeling in bugs and R: the basics; 17. Fitting multilevel linear and generalized linear models in bugs and R; 18. Likelihood and Bayesian inference and computation; 19. Debugging and speeding convergence; Part III. From Data Collection to Model Understanding to Model Checking: 20. Sample size and power calculations; 21. Understanding and summarizing the fitted models; 22. Analysis of variance; 23. Causal inference using multilevel models; 24. Model checking and comparison; 25. Missing data imputation; Appendixes: A. Six quick tips to improve your regression modeling; B. Statistical graphics for research and presentation; C. Software; References.