Bewertung:
Das Buch wird wegen seiner klaren und verständlichen Erklärungen der logistischen Regression gut aufgenommen und eignet sich daher für Anfänger und als Nachschlagewerk. Während einige Leser das Buch als leicht verständlich empfinden, stellen andere fest, dass es in bestimmten Abschnitten schwierig sein kann. Es wird für seinen praktischen Ansatz geschätzt, der die logistische Regression mit bekannten Konzepten wie der multiplen Regression verbindet und nützliche Beispiele präsentiert, insbesondere im Zusammenhang mit populärer Statistiksoftware.
Vorteile:Klare und verständliche Erklärungen der Konzepte der logistischen Regression.
Nachteile:Gutes Referenzmaterial sowohl für Einsteiger als auch für Fortgeschrittene.
(basierend auf 10 Leserbewertungen)
Applied Logistic Regression Analysis
Der Schwerpunkt dieser zweiten Auflage liegt erneut auf logistischen Regressionsmodellen für Daten auf individueller Ebene, aber auch aggregierte oder gruppierte Daten werden berücksichtigt. Das Buch enthält ausführliche Erörterungen der Anpassungsgüte, der Indizes der Vorhersageeffizienz und der standardisierten logistischen Regressionskoeffizienten sowie Beispiele mit SAS und SPSS.
⬤ Detailliertere Betrachtung von gruppierten Daten im Gegensatz zu fallweisen Daten im gesamten Buch.
⬤ Aktualisierte Diskussion der Eigenschaften und der angemessenen Verwendung von Anpassungsmaßen, R-Quadrat-Analoga und Indizes der Vorhersageeffizienz.
⬤ Diskussion des Missbrauchs von Odds Ratios zur Darstellung von Risikoverhältnissen und von Über- und Unterdispersion bei gruppierten Daten.
Aktualisierte Behandlung von ungeordneten und geordneten polytomen logistischen Regressionsmodellen.
| ISBN: | 9781483347226 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
Derzeit verfügbar, auf Lager.
