Sale
مدل سازی معادلات ساختاری بیزی مقدماتی و پیشرفته: با کاربردهایی در علوم پزشکی و رفتاری ۲۰۱۲
Basic and Advanced Bayesian Structural Equation Modeling: With Applications in the Medical and Behavioral Sciences 2012
دانلود کتاب مدل سازی معادلات ساختاری بیزی مقدماتی و پیشرفته: با کاربردهایی در علوم پزشکی و رفتاری ۲۰۱۲ (Basic and Advanced Bayesian Structural Equation Modeling: With Applications in the Medical and Behavioral Sciences 2012) با لینک مستقیم و فرمت pdf (پی دی اف)
| نویسنده |
Sik-Yum Lee, Xin-Yuan Song |
|---|
ناشر:
Wiley
۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید
| سال انتشار |
2012 |
|---|---|
| زبان |
English |
| تعداد صفحهها |
396 |
| نوع فایل |
|
| حجم |
4 Mb |
🏷️ قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
هوشمصنوعی ترجمه کالیبو
توضیحات
معرفی کتاب مدل سازی معادلات ساختاری بیزی مقدماتی و پیشرفته: با کاربردهایی در علوم پزشکی و رفتاری ۲۰۱۲
این کتاب دستورالعمل های واضحی را به پژوهشگران ارائه می دهد تا نحوه استفاده از مدل سازی معادلات ساختاری (SEMs) را برای تجزیه و تحلیل روابط متقابل بین متغیرهای مشاهده شده و پنهان، بیاموزند.
کتاب *مدل سازی معادلات ساختاری بیزی پایه و پیشرفته*، مدل های معادلات ساختاری (SEMs) پایه و پیشرفته را برای تجزیه و تحلیل انواع مختلف داده های پیچیده، مانند داده های طبقه بندی شده ترتیبی و غیرترتیبی، داده های چند سطحی، داده های ترکیبی، داده های طولی، داده های بسیار غیرنرمال و همچنین برخی از ترکیبات آن ها، معرفی می کند. علاوه بر این، مدل های معادلات ساختاری نیمه پارامتری بیزی برای به تصویر کشیدن توزیع واقعی متغیرهای پنهان تبیینی معرفی می شوند، در حالی که مدل های معادلات ساختاری با یک معادله ساختاری ناپارامتری برای ارزیابی روابط تابعی نامشخص بین متغیرهای پنهان نیز بررسی می شوند.
روش های آماری با استفاده از رویکرد بیزی توسعه یافته اند که نتایج قابل اعتمادی را برای نمونه های کوچک ارائه می دهد و امکان استفاده از اطلاعات پیشین را فراهم می کند که منجر به نتایج آماری بهتری می شود. برآوردهای پارامترها و آماره های مقایسه مدل از طریق روش های قدرتمند زنجیره مارکوف مونت کارلو در محاسبات آماری به دست می آیند.
* معرفی رویکرد بیزی به مدل های معادلات ساختاری (SEMs)، از جمله بحث در مورد انتخاب توزیع های پیشین و توسعه داده.
* نمایش نحوه استفاده از ابزارهای قدرتمند اخیر در محاسبات آماری، از جمله، اما نه محدود به، نمونه بردار گیبس، الگوریتم متروپلیس-هستینگز و نمونه برداری مسیر برای تولید نتایج آماری مختلف مانند برآوردهای بیزی و آماره های مقایسه مدل بیزی در تجزیه و تحلیل مدل های معادلات ساختاری (SEMs) پایه و پیشرفته.
* بحث در مورد عامل بیز، معیار اطلاعات انحراف (DIC) و معیار $L_nu$ برای مقایسه مدل بیزی.
* معرفی تعدادی از تعمیم های مهم مدل های معادلات ساختاری (SEMs)، از جمله مدل های معادلات ساختاری چند سطحی و ترکیبی، مدل های منحنی پنهان و مدل های معادلات ساختاری طولی، مدل های معادلات ساختاری نیمه پارامتری و مدل هایی با انواع مختلف داده های گسسته، و معادلات ساختاری ناپارامتری.
* نشان دادن نحوه استفاده از نرم افزار رایگان WinBUGS برای تولید نتایج.
* ارائه مثال های واقعی متعدد برای تشریح مفاهیم نظری و رویه های محاسباتی که در سراسر کتاب ارائه شده اند.
پژوهشگران و دانشجویان سطح پیشرفته در رشته های آمار، آمار زیستی، بهداشت عمومی، تجارت، آموزش، روانشناسی و علوم اجتماعی از این کتاب بهره مند خواهند شد.
توضیحات(انگلیسی)
This book provides clear instructions to researchers on how to apply Structural Equation Models (SEMs) for analyzing the inter relationships between observed and latent variables.
Basic and Advanced Bayesian Structural Equation Modeling introduces basic and advanced SEMs for analyzing various kinds of complex data, such as ordered and unordered categorical data, multilevel data, mixture data, longitudinal data, highly non-normal data, as well as some of their combinations. In addition, Bayesian semiparametric SEMs to capture the true distribution of explanatory latent variables are introduced, whilst SEM with a nonparametric structural equation to assess unspecified functional relationships among latent variables are also explored.
Statistical methodologies are developed using the Bayesian approach giving reliable results for small samples and allowing the use of prior information leading to better statistical results. Estimates of the parameters and model comparison statistics are obtained via powerful Markov Chain Monte Carlo methods in statistical computing.
- Introduces the Bayesian approach to SEMs, including discussion on the selection of prior distributions, and data augmentation.
- Demonstrates how to utilize the recent powerful tools in statistical computing including, but not limited to, the Gibbs sampler, the Metropolis-Hasting algorithm, and path sampling for producing various statistical results such as Bayesian estimates and Bayesian model comparison statistics in the analysis of basic and advanced SEMs.
- Discusses the Bayes factor, Deviance Information Criterion (DIC), and $L_\nu$-measure for Bayesian model comparison.
- Introduces a number of important generalizations of SEMs, including multilevel and mixture SEMs, latent curve models and longitudinal SEMs, semiparametric SEMs and those with various types of discrete data, and nonparametric structural equations.
- Illustrates how to use the freely available software WinBUGS to produce the results.
- Provides numerous real examples for illustrating the theoretical concepts and computational procedures that are presented throughout the book.
Researchers and advanced level students in statistics, biostatistics, public health, business, education, psychology and social science will benefit from this book.
دیگران دریافت کردهاند
شناسایی مواد پیشرفته: اصول بنیادین، کاربردهای نوین، و جهتگیریهای آتی ۲۰۲۳
Advanced Materials Characterization: Basic Principles, Novel Applications, and Future Directions 2023
سایر کتابهای ناشر
✨ ضمانت تجربه خوب مطالعه
بازگشت کامل وجه
در صورت مشکل، مبلغ پرداختی بازگردانده می شود.
دانلود پرسرعت
دانلود فایل کتاب با سرعت بالا
ارسال فایل به ایمیل
دانلود مستقیم به همراه ارسال فایل به ایمیل.
پشتیبانی ۲۴ ساعته
با چت آنلاین و پیامرسان ها پاسخگو هستیم.
ضمانت کیفیت کتاب
کتاب ها را از منابع معتیر انتخاب می کنیم.
