دانلود کتاب رگرسیون لجستیک با مقادیر گمشده در متغیرهای کمکی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Logistic Regression with Missing Values in the Covariates
ویرایش : 1
عنوان ترجمه شده به فارسی : رگرسیون لجستیک با مقادیر گمشده در متغیرهای کمکی
سری : Lecture Notes in Statistics 86
نویسندگان : Werner Vach (auth.)
ناشر : Springer-Verlag New York
سال نشر : 1994
تعداد صفحات : 151
ISBN (شابک) : 9780387942636 , 9781461226505
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 2 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
در بسیاری از حوزههای علم، یک وظیفه اساسی ارزیابی تأثیر چندین عامل بر مقدار مورد علاقه است. اگر این کمیت لجستیک باینری باشد، مدلهای رگرسیون ابزار قدرتمندی برای این منظور فراهم میکنند. این مونوگراف گزارشی از استفاده از رگرسیون لجستیک در مواردی ارائه میکند که مقادیر گمشده در متغیرها مانع استفاده از تکنیکهای استاندارد میشود. چنین موقعیت هایی اغلب در طیف وسیعی از کاربردهای آماری رخ می دهد.
تاکید این کتاب بر روش های مربوط به اصل حداکثر درستنمایی کلاسیک است. نویسنده اصول رگرسیون لجستیک را بررسی میکند و مکانیسمهای مختلفی را که ممکن است باعث از دست رفتن مقادیر شوند، مورد بحث قرار میدهد، در حالی که بقیه کتاب روشهایی را پوشش میدهد که ممکن است برای مقابله با مقادیر از دست رفته و اثربخشی آنها مورد استفاده قرار گیرند. محققان در طیف وسیعی از رشتهها و دانشجویان فارغالتحصیل در آمار و آمار زیستی، این را توضیحی خواندنی از این خواهند دانست.
In many areas of science a basic task is to assess the influence of several factors on a quantity of interest. If this quantity is binary logistic, regression models provide a powerful tool for this purpose. This monograph presents an account of the use of logistic regression in the case where missing values in the variables prevent the use of standard techniques. Such situations occur frequently across a wide range of statistical applications.
The emphasis of this book is on methods related to the classical maximum likelihood principle. The author reviews the essentials of logistic regression and discusses the variety of mechanisms which might cause missing values while the rest of the book covers the methods which may be used to deal with missing values and their effectiveness. Researchers across a range of disciplines and graduate students in statistics and biostatistics will find this a readable account of this.