Bewertung:
Das Buch wird als wertvolle Ressource für das Verständnis der logistischen Regression anerkannt und bietet klare Erklärungen und aufschlussreiche Beispiele. Während es allgemein für seine Zugänglichkeit und seinen Nutzen als Nachschlagewerk gelobt wird, finden einige Leser bestimmte Abschnitte schwierig zu verstehen.
Vorteile:⬤ Sehr verständliche und klare Erklärungen, insbesondere für diejenigen, die bereits über Kenntnisse der multiplen Regression verfügen.
⬤ Bietet gute Parallelen zu Modellen der gewöhnlichen kleinsten Quadrate (OLS).
⬤ Nützlich sowohl zum Lernen als auch zum Nachschlagen, einschließlich wesentlicher Themen zur Interpretation von SPSS-Ausgaben.
⬤ Erschwinglich und prägnant, was es zu einem guten Schnäppchen für statistisches Lernen macht.
⬤ Effektiver Einsatz von Beispielen und Diagnosen, die das Verständnis verbessern.
⬤ Einige Abschnitte können schwierig zu verstehen sein und zu Verwirrung führen.
⬤ Nicht als einzige Quelle für das Lernen zu empfehlen; einige Leser fanden es für Deep Learning weniger geeignet.
⬤ Geringfügige Bedenken, dass das Buch im Kontext der sich entwickelnden statistischen Software etwas veraltet ist.
(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, und es werden Beispiele unter Verwendung von SAS und SPSS gegeben.
⬤ 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: | 9780761922087 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2001 |
| Seitenzahl: | 128 |
Derzeit verfügbar, auf Lager.
