Generalized estimating equations

ویرایش: 2nd ed. 
نویسندگان: Hardin. James William,  Hilbe. Joseph M.  
سری:  
ISBN (شابک) : 9781306000413, 1439881146 
ناشر: CRC Press 
سال نشر: 2013 
تعداد صفحات: 274 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

قیمت کتاب (تومان) : 34,000

معادلات تخمین عمومی، نسخه دوم پرفروش‌ترین نسخه قبلی را به‌روزرسانی می‌کند، که از زمان انتشار آن در یک دهه پیش، متن استاندارد در این زمینه بوده است. این متن با ترکیب نظریه و کاربرد، بحث جامعی را در مورد GEE و مرتبط با آن در اختیار خوانندگان قرار می‌دهد. مدل‌ها. مثال‌های متعددی در سراسر متن به‌کار رفته است، همراه با کد نرم‌افزار مورد استفاده برای ایجاد، اجرا و ارزیابی مدل‌های در حال بررسی. Stata به عنوان اصلی استفاده می‌شود. نرم‌افزاری برای اجرا و نمایش خروجی مدل‌سازی؛ کد R مرتبط نیز داده شده است تا به کاربران R اجازه دهد نمونه‌های Stata را تکرار کنند. نمونه‌های خاصی از استفاده از SAS در فصل آخر و همچنین در وب‌سایت کتاب ارائه شده است. این ویرایش دوم نظرات و پیشنهادات را در بر می‌گیرد. منابع مختلف، از جمله دوره Statistics.com در مورد مدل های طولی و تابلویی که توسط نویسندگان آموزش داده شده است. پیشرفت های دیگر شامل بررسی ef حاشیه ای GEE است. عواقب ارائه کامل تر از آزمون فرضیه و تشخیص، پوشش مدل های سلسله مراتبی رقیب. و بررسی دقیق‌تر موضوعاتی که قبلاً بحث شده است. همراه با دوبرابر کردن تعداد تمرین‌های پایان فصل، این نسخه بحث مدل‌های مختلف مرتبط با GEE را گسترش می‌دهد، مانند GEE جریمه‌شده، GEE تجمعی و چندجمله‌ای، GEE بررسی و رگرسیون شبه حداقل مربعات. همچنین ارائه کاملاً جدیدی از رویه‌های انتخاب مدل، از جمله معرفی یک بسط برای اندازه‌گیری QIC که برای انتخاب در میان ساختارهای همبستگی کاری قابل استفاده است، ارائه می‌کند. به بحث پروفسور هیلب در مورد کتاب\"--

\"فصل 1 مقدمه ویرایش دوم مراجعه کنید. این نسخه از نظرات و پیشنهادات منابع مختلف در طول ده سال گذشته از انتشار اولین نسخه به ما داده شده است. در نتیجه، ما متن را با تعدادی اضافات، از جمله بحث‌های دقیق‌تر درباره موضوعات ارائه‌شده قبلی، کد برنامه برای مثال‌ها در متن، و بررسی موضوعات کاملاً جدید مرتبط با GEE و تخمین مدل‌های خوشه‌ای و طولی، بهبود بخشیده‌ایم. ما همچنین بحث مدل های مختلف مرتبط با GEE را گسترش داده ایم. جریمه GEE، بررسی GEE، و رگرسیون شبه حداقل مربعات، و همچنین تعداد تمرینات داده شده در پایان هر فصل. ما همچنین مطالبی را در مورد آزمایش فرضیه و تشخیص، از جمله بحث در مورد مدل های سلسله مراتبی رقیب اضافه کرده ایم. ما همچنین نمونه‌های بیشتری را معرفی کرده‌ایم و ارائه نمونه‌هایی را با استفاده از نرم‌افزار R گسترش داده‌ایم. متن 40 صفحه بزرگ شده است. این نسخه همچنین مدل‌های جایگزین را برای نتایج طبقه‌بندی مرتب معرفی می‌کند و رویکردهای انتخاب مدل را برای انتخاب از میان مشخصات نامزدهای مختلف نشان می‌دهد. ما پوشش خود را از معیارهای معیار انتخاب مدل گسترش داده‌ایم و توسعه‌ای از معیار QIC را معرفی کرده‌ایم که برای انتخاب از بین ساختارهای همبستگی کاری قابل استفاده است (به ویژه به 5.1.2 مراجعه کنید). این موضوع در حال حاضر موضوعی قابل توجه در میان آماردانانی است که به GEE علاقه دارند\"--  بیشتر بخوانید... </ div>

"Generalized Estimating Equations, Second Edition updates the best-selling previous edition, which has been the standard text on the subject since it was published a decade ago. Combining theory and application, the text provides readers with a comprehensive discussion of GEE and related models. Numerous examples are employed throughout the text, along with the software code used to create, run, and evaluate the models being examined. Stata is used as the primary software for running and displaying modeling output; associated R code is also given to allow R users to replicate Stata examples. Specific examples of SAS usage are provided in the final chapter as well as on the book's website. This second edition incorporates comments and suggestions from a variety of sources, including the Statistics.com course on longitudinal and panel models taught by the authors. Other enhancements include an examination of GEE marginal effects; a more thorough presentation of hypothesis testing and diagnostics, covering competing hierarchical models; and a more detailed examination of previously discussed subjects. Along with doubling the number of end-of-chapter exercises, this edition expands discussion of various models associated with GEE, such as penalized GEE, cumulative and multinomial GEE, survey GEE, and quasi-least squares regression. It also offers a thoroughly new presentation of model selection procedures, including the introduction of an extension to the QIC measure that is applicable for choosing among working correlation structures. See Professor Hilbe discuss the book"--

"CHAPTER 1 Preface Second Edition We are pleased to offer this second edition to Generalized Estimating Equations. This edition benefits from comments and suggestions from various sources given to us during the past ten years since the first edition was published. As a consequence, we have enhanced the text with a number of additions, including more detailed discussions of previously presented topics, program code for examples in text, and examination of entirely new topics related to GEE and the estimation of clustered and longitudinal models. We have also expanded discussion of various models associated with GEE; penalized GEE, survey GEE, and quasi-least squares regression, as well as the number of exercises given at the end of each chapter. We have also added material on hypothesis testing and diagnostics, including discussion of competing hierarchical models. We have also introduced more examples, and expanded the presentation of examples utilizing R software. The text has grown by 40 pages. This edition also introduces alternative models for ordered categorical outcomes and illustrates model selection approaches for choosing among various candidate specifications. We have expanded our coverage of model selection criterion measures and introduce an extension of the QIC measure which is applicable for choosing among working correlation structures (see 5.1.2 in particular). This is currently a subject of considerable interest among statisticians having an interest in GEE"--  Read more...

Introduction. Model Construction and Estimating Equations. Generalized Estimating Equations. Residuals, Diagnostics, and Testing. Programs and Datasets. References. Author Index. Subject Index.