Avis des lecteurs
Résumé:Ce livre est très apprécié pour sa clarté, son approche pratique et sa couverture complète de la modélisation multiniveau et des techniques de régression. Il est particulièrement apprécié par les utilisateurs familiers de R qui apprécient les exemples et le codage pratique. Cependant, de nombreux lecteurs ont exprimé leur frustration quant à la qualité du code R fourni, notant de nombreuses erreurs et incohérences qui entravent l'expérience d'apprentissage. L'organisation du livre et les ressources qui l'accompagnent pourraient également être améliorées.
Avantages:⬤ Une couverture complète de la modélisation multiniveau et des techniques de régression.
⬤ Un style d'écriture clair et engageant, qui rend les concepts complexes accessibles.
⬤ Des exemples pratiques et des recettes pour l'utilisation de R. L'accent est mis sur la compréhension des concepts théoriques plutôt que sur l'application des formules.
⬤ Utile en tant que référence pour les étudiants et les chercheurs expérimentés dans le domaine des sciences sociales.
⬤ Les exemples de code R sont souvent erronés ou mal expliqués, ce qui entraîne une certaine frustration.
⬤ Certaines sections ne sont pas suffisamment approfondies et le livre peut nécessiter des ressources supplémentaires pour une compréhension complète.
⬤ L'organisation du contenu peut sembler dispersée, ce qui nuit à la fluidité et à la cohérence.
⬤ Les ensembles de données et les exemples fournis ne sont pas toujours bien documentés ou faciles d'accès.
(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 : | 9780521867061 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Relié |
| Année de publication : | 2006 |
| Nombre de pages : | 648 |
Achat:
Actuellement disponible, en stock.
