Praktyczny przewodnik wykorzystania modeli regresji oraz równań strukturalnych.
Statystyka, podobnie jak numerologia, jest traktowana przez studentów jak wiedza tajemna, wymagająca wtajemniczenia, a analizy statystyczne mają dla wielu status podobny do wróżenia z fusów. Książka Statystyczny drogowskaz 3. Sylwii Bedyńskiej i Moniki Książek skutecznie walczy z tymi poglądami. Statystyczne analizy wielowymiarowe zostały przedstawione w sposób jasny, przejrzysty, pozwalający nawet humaniście zrozumieć sposób ich wykonywania i ich sens.
Dodatkowo, książka oferuje jasne wskazówki jak krok po kroku wykonać obliczenia w jednym z popularnych pakietów statystycznych wykorzystywanych przez uczelnie i wiele firm badawczych – IBM SPSS Statistics. Autorki, mając za sobą długoletnie doświadczenie w pracy ze studentami i doktorantami, prezentują nie tylko wiedzę dotyczącą metod poszukiwania zależności statystycznych, ale dzielą się praktycznymi wskazówkami, które pozwalają przeprowadzić efektywnie proces analizy zebranych danych.
Książka jest adresowana do studentów psychologii i nauk pokrewnych, którzy w ramach studiów wykonują badania i analizują dane prawie na każdym roku studiów. Zaawansowane treści przedstawione w książce rozszerzą krąg jej odbiorców o doktorantów i naukowców zajmujących się badaniami psychologicznymi, jak również badaczy, których prace dotyczą zagadnień socjologicznych czy pedagogicznych. Ponadto jest kierowana do wszystkich, którzy – choćby hobbistycznie – zajmują się badaniami naukowymi.
Statystyczny drogowskaz 3. Praktyczny przewodnik wykorzystania modeli regresji oraz równań strukturalnych – jest kontynuacją podręcznika Statystyczny drogowskaz. Praktyczny poradnik analizy danych w naukach społecznych na przykładach z psychologii, wydanego pod redakcją naukową Sylwii Bedyńskiej i Anety Brzezickiej.
Spis treści:
CZĘŚĆ I MODELE REGRESJI
ROZDZIAŁ 1 Regresja prosta
Wprowadzenie 16
Kowariancja i korelacja jako miary współzmienności 17
Jednozmiennowa analiza regresji 21
Dopasowanie linii regresji metodą najmniejszych kwadratów 21
Równanie linii prostej – parametry modelu
Przykład: relacja temperatury i samopoczucia
ROZDZIAŁ 2 Regresja wielokrotna
Wprowadzenie 36
Analiza regresji wielozmiennowej w programie IBM SPSS Statistics 38
Korelacja cząstkowa i semicząstkowa w analizie regresji 40
Różne metody wprowadzania predyktorów w analizie regresji 43
Regresja krokowa 45
Regresja hierarchiczna 49
ROZDZIAŁ 3 Testowanie założeńDiagnostyka w analizie regresji
Wprowadzenie
Statystyczny drogowskaz 2
Założenia analizy regresji
Homoscedastyczność
Brak korelacji składników losowych
Brak skorelowania predyktorów 64
Normalność rozkładu zmiennych oraz normalność rozkładu reszt 67
Jak policzyć statystyki diagnostyczne w programie
IBM SPSS Statistics
ROZDZIAŁ 4 Zmienne jakościowe jako predyktory w analizie regresji
Wprowadzenie
Tworzenie zmiennych instrumentalnych dla jakościowego
predyktora niedychotomicznego
Kodowanie zero-jedynkowe 95
Kodowanie quasi-eksperymentalne
Kodowanie ortogonalne
ROZDZIAŁ 5 Analiza mediacyjna w regresji
Poszukiwanie zmiennych pośredniczących
Wprowadzenie
Klasyczne podejście Barona i Kenny’ego
Model mediacji Cohena i Cohen
Przykład 1Model mediacyjny z ilościową zmienną niezależną 112
Krok 1 – relacja między zmienną niezależną a zależną
Krok 2 – relacja między zmienną niezależną a mediatorem
Krok 3 – relacja zmiennej niezależnej i mediatora ze zmienną zależną
Testy: Sobela, Aroiana i Goodmana testujące istotność
mediacji częściowej
Opis wyników
Przykład 2Model mediacyjny z dychotomiczną zmienną niezależną 120
Trudności w poszukiwaniu mediacji
ROZDZIAŁ 6 W poszukiwaniu interakcjiModeratory w analizie regresji
Wprowadzenie
Poszukiwanie interakcji – kolejne kroki
Interakcja z dychotomicznym moderatorem
Interakcja z moderatorem ilościowym
Interakcja trzech zmiennych
Poszukiwanie interakcji między zmiennymi jakościowymi
o większej liczbie wartości niż dwie
CZĘŚĆ II MODELOWANIE STRUKTURALNE
ROZDZIAŁ 7 Modele strukturalne zmiennych obserwowalnych
Wprowadzenie
Specyfikacja modelu strukturalnego zmiennych
obserwowalnych 163
Interpretacja parametrów
Model regresji wielorakiej
Model ścieżkowy z kowariancją i zależnościami pośrednimi
Estymacja modeli strukturalnych
Założenia
Metody estymacji
Ocena jakości modelu
Test dopasowania modelu 183
Miary dopasowania do populacyjnej macierzy wariancji-kowariancji 186
Indeksy dopasowania
Kryteria informacyjne
Modyfikowanie modelu
Badanie istotności parametrów
Indeksy modyfikacji
ROZDZIAŁ 8 Modele strukturalne w podgrupach
Wprowadzenie
Specyfikacja i estymacja
Porówanywanie pojedynczych parametrów między grupami
Weryfikacja złożonych hipotez dotyczących równości
parametrów między grupami
ROZDZIAŁ 9 Modelowanie strukturalne ze zmiennymi ukrytymi
Wprowadzenie
Specyfikacja modelu strukturalnego ze zmiennymi ukrytymi
Część strukturalna modelu 219
Część pomiarowa modelu
Konfirmacyjna analiza czynnikowa jako narzędzie weryfikacji
modelu pomiarowego
Estymacja i interpretacja modelu strukturalnego
ze zmiennymi ukrytymi
ROZDZIAŁ 10 Krótkie wprowadzenie do IBM SPSS Statistics AMOS
adobe algorytmy apache asp autocad asembler bsd c++ c# delphi dtp excel flash html java javascript linux matlab mysql office php samba voip uml unix visual studio windows word
Księgarnia Informatyczna zaprasza.