مدل‌سازی چندسطحی پیامدهای طبقه‌ای با استفاده از IBM SPSS ۲۰۱۳
Multilevel Modeling of Categorical Outcomes Using IBM SPSS 2013

این اولین کتاب کار است که رویکرد چند سطحی را برای مدل‌سازی با پیامدهای دسته‌ای با استفاده از نرم‌افزار IBM SPSS Version 20 معرفی می‌کند. خوانندگان می‌آموزند که چگونه مدل‌های چند سطحی با پیامدهای دسته‌ای را توسعه، تخمین و تفسیر کنند. نویسندگان خوانندگان را در مدیریت داده‌ها، ابزارهای تشخیصی، مفهوم‌سازی مدل و مسائل مربوط به تعیین ویژگی‌های مدل‌های تک سطحی و چند سطحی با پیامدهای دسته‌ای، گام به گام راهنمایی می‌کنند. تصاویر صفحه نمایش به وضوح تکنیک‌ها و نحوه کار با برنامه را نشان می‌دهند. دستور زبان (Syntax) مدل‌سازی در ضمیمه ارائه شده است. نمونه‌هایی از انواع مختلف پیامدهای دسته‌ای، نحوه تنظیم هر مدل و تفسیر خروجی را نشان می‌دهند. مثال‌های گسترده منطق توسعه مدل، تفسیر خروجی، زمینه سوالات تحقیق و مراحلی که تحلیل‌ها حول آن ساختار یافته‌اند را تشریح می‌کنند. خوانندگان می‌توانند با استفاده از داده‌ها و فایل‌های دستور زبان (Syntax) مربوطه که در آدرس www.psypress.com/9781848729568 موجود است، مثال‌های موجود در هر فصل را تکرار کنند.

کتاب با مروری بر رویکرد چند سطحی با پیامدهای دسته‌ای آغاز می‌شود و در ادامه، فصلی در مورد تکنیک‌های مدیریت داده در IBM SPSS برای تسهیل کار با مجموعه‌های داده چند سطحی و طولی ارائه شده است. فصل‌های 3 و 4 به تشریح اصول اولیه مدل خطی تعمیم‌یافته تک سطحی و چند سطحی برای انواع مختلف پیامدهای دسته‌ای می‌پردازند. این فصل‌ها مفاهیم اساسی را مرور می‌کنند تا در رفع مشکلات رایج برنامه‌نویسی و مدل‌سازی کمک کنند. در ادامه، مدل‌های طولی میانگین جمعیتی و واحد-ویژه برای بررسی فرایندهای رشدی فردی یا سازمانی توسعه داده می‌شوند. فصل 6 بر مدل‌های تک سطحی و چند سطحی با استفاده از داده‌های چند اسمی و ترتیبی تمرکز دارد و پس از آن فصلی در مورد مدل‌های مربوط به داده‌های شمارشی ارائه می‌شود. کتاب با تکنیک‌های اضافی برای رفع مشکلات و نکاتی برای گسترش تکنیک‌های مدل‌سازی معرفی شده به پایان می‌رسد.

این کتاب کار عملی که به عنوان مکمل برای دوره‌های تحصیلات تکمیلی و/یا کارگاه‌های حرفه‌ای در زمینه مدل‌سازی چند سطحی، طولی، متغیر پنهان، آمار چند متغیره و/یا تکنیک‌های کمی پیشرفته که در رشته‌های روانشناسی، کسب و کار، آموزش، بهداشت و جامعه‌شناسی تدریس می‌شوند، ایده‌آل است، برای محققان در این زمینه‌ها نیز جذاب خواهد بود. این کتاب که دنباله‌ای عالی برای کتاب‌های بسیار موفق نویسندگان با عنوان‌های “مدل‌سازی چند سطحی و طولی با IBM SPSS” و “مقدمه‌ای بر تکنیک‌های مدل‌سازی چند سطحی، ویرایش دوم” است، می‌تواند با هر کتاب چند سطحی و/یا طولی یا به عنوان یک متن مستقل برای معرفی مدل‌سازی چند سطحی با پیامدهای دسته‌ای مورد استفاده قرار گیرد.

This is the first workbook that introduces the multilevel approach to modeling with categorical outcomes using IBM SPSS Version 20. Readers learn how to develop, estimate, and interpret multilevel models with categorical outcomes. The authors walk readers through data management, diagnostic tools, model conceptualization, and model specification issues related to single-level and multilevel models with categorical outcomes. Screen shots clearly demonstrate techniques and navigation of the program. Modeling syntax is provided in the appendix. Examples of various types of categorical outcomes demonstrate how to set up each model and interpret the output. Extended examples illustrate the logic of model development, interpretation of output, the context of the research questions, and the steps around which the analyses are structured. Readers can replicate examples in each chapter by using the corresponding data and syntax files available at www.psypress.com/9781848729568.

The book opens with a review of multilevel with categorical outcomes, followed by a chapter on IBM SPSS data management techniques to facilitate working with multilevel and longitudinal data sets. Chapters 3 and 4 detail the basics of the single-level and multilevel generalized linear model for various types of categorical outcomes. These chapters review underlying concepts to assist with trouble-shooting common programming and modeling problems. Next population-average and unit-specific longitudinal models for investigating individual or organizational developmental processes are developed. Chapter 6 focuses on single- and multilevel models using multinomial and ordinal data followed by a chapter on models for count data. The book concludes with additional trouble shooting techniques and tips for expanding on the modeling techniques introduced.

Ideal as a supplement for graduate level courses and/or professional workshops on multilevel, longitudinal, latent variable modeling, multivariate statistics, and/or advanced quantitative techniques taught in psychology, business, education, health, and sociology, this practical workbook also appeals to researchers in these fields. An excellent follow up to the authors’ highly successful Multilevel and Longitudinal Modeling with IBM SPSS and Introduction to Multilevel Modeling Techniques, 2nd Edition, this book can also be used with any multilevel and/or longitudinal book or as a stand-alone text introducing multilevel modeling with categorical outcomes.