Bewertung:

Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Bayesian Statistics for the Social Sciences
Die zweite Auflage dieses praktischen Buches gibt Sozialwissenschaftlern die Möglichkeit, die neuesten Bayes'schen Methoden auf ihre Datenanalyseprobleme anzuwenden. Es enthält neue Kapitel über Modellunsicherheit, Bayes'sche Variablenauswahl und Sparsamkeit sowie Bayes'sche Arbeitsabläufe für die statistische Modellierung. In der zweiten Auflage werden frequentistische und epistemische Wahrscheinlichkeits- und Prioritätsverteilungen klar erklärt und die Verwendung des Open-Source-Softwarepakets RStan betont. Der Text behandelt Hamiltonian Monte Carlo, Bayesianische lineare Regression und verallgemeinerte lineare Modelle, Modellbewertung und -vergleich, mehrstufige Modellierung, Modelle für kontinuierliche und kategoriale latente Variablen, fehlende Daten und mehr. Die Konzepte werden anhand von Beispielen aus großen bildungs- und sozialwissenschaftlichen Datenbanken, wie dem Program for International Student Assessment und der Early Childhood Longitudinal Study, ausführlich erläutert. Kommentierter RStan-Code erscheint in abgeschirmten Boxen; die begleitende Website ( www.guilford.com/kaplan-materials ) bietet Datensätze und Code für die Beispiele des Buches.
Neu in dieser Ausgabe.
*Verwendet die R-Schnittstelle zu Stan - schneller und stabiler als bisher verfügbare Bayes-Software - für die meisten der besprochenen Anwendungen.
*Berücksichtigung von Hamiltonian MC; Cromwells Regel; Jeffreys' Prior; der LKJ-Prior für Korrelationsmatrizen; Modellbewertung und Modellvergleich mit einer Kritik des Bayes'schen Informationskriteriums; Variational Bayes als Alternative zu Markov Chain Monte Carlo (MCMC) Sampling; und andere neue Themen.
*Kapitel über Bayes'sche Variablenauswahl und Sparsamkeit, Modellunsicherheit und Modellmittelung sowie Bayes'sche Arbeitsabläufe für die statistische Modellierung.