Analyse de données à l'aide de modèles de régression et de modèles hiérarchiques multiniveaux

Avis des lecteurs

Résumé:

Ce livre est très apprécié pour sa présentation claire de la modélisation multiniveau et de l'analyse de régression, en mettant l'accent sur les applications pratiques, en particulier à l'aide de R. Il est loué pour sa couverture complète, ses exemples pertinents et l'accent mis sur la compréhension des concepts sous-jacents plutôt que sur la simple application des formules. Cependant, de nombreux lecteurs expriment leur frustration face aux nombreuses erreurs dans les exemples et le code R, à l'organisation incohérente et à l'accessibilité des ensembles de données, qui les empêchent d'utiliser efficacement le livre.

Avantages:

⬤ Une couverture complète de la modélisation multiniveau et des concepts statistiques clés.
⬤ Une écriture claire et des exemples utiles qui rendent les sujets complexes accessibles.
⬤ L'accent est mis sur l'application pratique à l'aide de R, en mettant l'accent sur la compréhension plutôt que sur l'application par cœur.
⬤ Un style de codage compact qui simplifie l'apprentissage.
⬤ Des références pertinentes qui soutiennent les concepts abordés.

Inconvénients:

⬤ De nombreuses erreurs dans le code R et les exemples qui les rendent difficiles à suivre.
⬤ Organisation incohérente et ambiguïté occasionnelle de la terminologie.
⬤ Manque d'ensembles de données actualisés ou bien documentés pour l'application pratique.
⬤ Certaines sections manquent d'explications détaillées, ce qui peut laisser le lecteur perplexe.
⬤ Peu de conseils pour les débutants en R, ce qui peut gêner la compréhension des moins expérimentés.

(basé sur 72 avis de lecteurs)

Titre original :

Data Analysis Using Regression and Multilevel Hierarchical Models

Contenu du livre :

Data Analysis Using Regression and Multilevel/Hierarchical Models est un manuel complet destiné aux chercheurs appliqués qui souhaitent effectuer des analyses de données à l'aide de modèles de régression linéaires et non linéaires et de modèles multiniveaux. Le livre présente une grande variété de modèles, tout en expliquant au lecteur comment ajuster ces modèles à l'aide des logiciels disponibles.

Le livre illustre les concepts en travaillant sur des dizaines d'exemples de données réelles issues de la recherche appliquée des auteurs, avec des codes de programmation fournis pour chacun d'entre eux. Les sujets abordés comprennent l'inférence causale, y compris la régression, la poststratification, l'appariement, la discontinuité de la régression et les variables instrumentales, ainsi que la régression logistique multiniveaux et l'imputation des données manquantes. Des conseils pratiques concernant la construction, l'ajustement et la compréhension sont fournis tout au long de l'ouvrage.

Page de ressources de l'auteur : http : //www.stat. columbia.edu/ gelman/arm/.

Autres informations sur le livre :

• ISBN : 9780521686891
• Auteur : Andrew Gelman
• Éditeur : Cambridge
• Reliure : Broché
• Année de publication : 2006
• Nombre de pages : 648