Értékelés:
Jelenleg nincsenek olvasói vélemények. Az értékelés 2 olvasói szavazat alapján történt.
Longitudinal Structural Equation Modeling
Ez az értékes könyv most egy teljesen frissített második kiadásban jelenik meg, amely bemutatja a longitudinális strukturális egyenletmodellezés (SEM) legújabb fejleményeit, valamint új fejezeteket tartalmaz a hiányzó adatokról, a random intercepts cross-lagged panel modellről (RI-CLPM), a longitudinális keverékmodellezésről és a Bayesian SEM-ről. A döntéshozatali megközelítést hangsúlyozva Todd D. Little vezető metodológus ismerteti a longitudinális változási folyamat modellezésének lépéseit. Elmagyarázza a longitudinális megerősítő faktorelemzés, a longitudinális panelmodellek és a személyen belüli változások elemzésére szolgáló hibrid modellek használatának átfogó képét és technikai hogyanját. A felhasználóbarát funkciók közé tartoznak az egyenletdobozok, amelyek lefordítják az egyes egyenletek összes elemét, tippek arra vonatkozóan, hogy mi működik és mi nem, a fejezet végén található szószedetek, valamint a további olvasásra vonatkozó megjegyzésekkel ellátott javaslatok. A kísérő weboldal a példákhoz - köztük a zaklatás és az áldozattá válás, a serdülők érzelmei és az egészséges öregedés tanulmányaihoz - adatkészleteket, valamint szintaxist és kimenetet, a fejezetben szereplő kvízeket és a könyv ábráit tartalmazza.
Újdonságok ebben a kiadásban:
*A hiányzó adatokról szóló fejezet, a tervezett hiányzó adatok tervezésére és az R-alapú PcAux csomagra összpontosítva.
* Fejezet a longitudinális keverékmodellezésről, Whitney Moore-ral.
* Fejezet a random intercept cross-lagged panel modellről (RI-CLPM), Danny Osborne-nal.
* Fejezet a Bayes-féle SEM-ről, Mauricio Garnierrel.
*Mindenütt átdolgozott, új fejlesztésekkel és megbeszélésekkel, például a kísérleti hatások modelljeinek tesztelésével kapcsolatban.
© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)