Interpreting and Comparing Effects in Logistic, Probit, and Logit Regression
Sorozatcím: Quantitative Applications in the Social Sciences; 194;
-
8% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár GBP 36.99
-
18 720 Ft (17 829 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 8% (cc. 1 498 Ft off)
- Discounted price 17 223 Ft (16 403 Ft + 5% áfa)
18 720 Ft
Beszerezhetőség
Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 1
- Kiadó SAGE Publications, Inc
- Megjelenés dátuma 2024. június 11.
- ISBN 9781544364018
- Kötéstípus Puhakötés
- Terjedelem208 oldal
- Méret 215x139 mm
- Nyelv angol 719
Kategóriák
Rövid leírás:
Interpreting and Comparing Effects in Logistic, Probit and Logit Regression shows applied researchers how to compare coefficient estimates from regression models for categorical dependent variables in typical research situations. It presents a practical, unified treatment of these problems, and considers the advantages and disadvantages of each approach, and when to use them.
TöbbHosszú leírás:
Log-linear, logit and logistic regression models are the most common ways of analyzing data when (at least) the dependent variable is categorical. This volume shows how to compare coefficient estimates from regression models for categorical dependent variables in three typical research situations: (i) within one equation, (ii) between identical equations estimated in different subgroups, and (iii) between nested equations. Each of these three kinds of comparisons brings along its own particular form of comparison problems. Further, in all three areas, the precise nature of comparison problems in logistic regression depends on how the logistic regression model is looked at and how the effects of the independent variables are computed. This volume presents a practical, unified treatment of these problems, and considers the advantages and disadvantages of each approach, and when to use them, so that applied researchers can make the best choice related to their research problem. The techniques are illustrated with data from simulation experiments and from publicly available surveys. The datasets, along with Stata syntax, are available on a companion website.
This book has very clear, pristine explanations of topics such as how DRMs work, great numerical methods for maximizing and specifying, and helpful explanatory tests and interpretative effects, all written at an intermediate level. The discussion of various ways of interpreting coefficients in each of the models is the most useful part of the text. While many other texts touch on the difficulties of interpreting coefficients and perhaps offer an approach or two, the authors of this volume thoroughly review multiple approaches common and unique to each of the models.
Tartalomjegyzék:
Chapter 1. Introduction
Chapter 2. Regression Models for A Dichotomous Dependent Variable
Chapter 3. Interpreting And Comparing Effects Within One Equation
Chapter 4. Comparing Subgroups Or Time Points: Investigating Interaction Effects
Chapter 5. Causal Modeling: Estimating Total, Direct, Indirect And Spurious Effects; Using Effect Coefficients From Different (Nested) Equations
Chapter 6. Concluding Remarks; Extensions, Effect Measures And Evaluation
