دانلود کتاب Multiple Imputation of Missing Data in Practice: Basic Theory and Analysis Strategies (Chapman & Hall/CRC Interdisciplinary Statistics) – انتساب چندگانه داده های از دست رفته در عمل: نظریه پایه و استراتژی های تحلیل (آمار میان رشته ای چپمن و هال/CRC)

توضیحات

Multiple Imputation of Missing Data in Practice: Basic Theory and Analysis Strategies provides a comprehensive introduction to the multiple imputation approach to missing data problems that are often encountered in data analysis. Over the past 40 years or so, multiple imputation has gone through rapid development in both theories and applications. It is nowadays the most versatile, popular, and effective missing-data strategy that is used by researchers and practitioners across different fields. There is a strong need to better understand and learn about multiple imputation in the research and practical community.

Accessible to a broad audience, this book explains statistical concepts of missing data problems and the associated terminology. It focuses on how to address missing data problems using multiple imputation. It describes the basic theory behind multiple imputation and many commonly-used models and methods. These ideas are illustrated by examples from a wide variety of missing data problems. Real data from studies with different designs and features (e.g., cross-sectional data, longitudinal data, complex surveys, survival data, studies subject to measurement error, etc.) are used to demonstrate the methods. In order for readers not only to know how to use the methods, but understand why multiple imputation works and how to choose appropriate methods, simulation studies are used to assess the performance of the multiple imputation methods. Example datasets and sample programming code are either included in the book or available at a github site (https://github.com/he-zhang-hsu/multiple_imputation_book).

Key Features

1. Provides an overview of statistical concepts that are useful for better understanding missing data problems and multiple imputation analysis
2. Provides a detailed discussion on multiple imputation models and methods targeted to different types of missing data problems (e.g., univariate and multivariate missing data problems, missing data in survival analysis, longitudinal data, complex surveys, etc.)
3. Explores measurement error problems with multiple imputation
4. Discusses analysis strategies for multiple imputation diagnostics
5. Discusses data production issues when the goal of multiple imputation is to release datasets for public use, as done by organizations that process and manage large-scale surveys with nonresponse problems
6. For some examples, illustrative datasets and sample programming code from popular statistical packages (e.g., SAS, R, WinBUGS) are included in the book. For others, they are available at a github site (https://github.com/he-zhang-hsu/multiple_imputation_book)

————————————————————–

ترجمه ماشینی :

تلفیق چندگانه داده‌های گمشده در عمل: تئوری پایه و استراتژی‌های تحلیل مقدمه‌ای جامع برای رویکرد انتساب چندگانه برای مشکلات داده‌های گمشده که اغلب در تجزیه و تحلیل داده‌ها با آن مواجه می‌شوند، ارائه می‌کند. در طول 40 سال گذشته یا بیشتر، انتساب چندگانه در تئوری ها و کاربردها به سرعت توسعه یافته است. امروزه این استراتژی همه‌کاره‌ترین، محبوب‌ترین و مؤثرترین استراتژی داده‌های گمشده است که توسط محققان و متخصصان در زمینه‌های مختلف استفاده می‌شود. نیاز شدیدی به درک بهتر و یادگیری در مورد انتساب چندگانه در جامعه تحقیقاتی و عملی وجود دارد.

این کتاب که برای مخاطبان وسیعی قابل دسترسی است، مفاهیم آماری مشکلات داده‌های از دست رفته را توضیح می‌دهد و اصطلاحات مرتبط این بر نحوه رسیدگی به مشکلات داده های از دست رفته با استفاده از انتساب چندگانه تمرکز می کند. این نظریه پایه‌ای را در پشت انتساب چندگانه و بسیاری از مدل‌ها و روش‌های رایج توصیف می‌کند. این ایده ها با مثال هایی از طیف گسترده ای از مشکلات داده های از دست رفته نشان داده شده اند. داده های واقعی از مطالعات با طرح ها و ویژگی های مختلف (به عنوان مثال، داده های مقطعی، داده های طولی، بررسی های پیچیده، داده های بقا، مطالعات مشمول خطای اندازه گیری، و غیره) برای نشان دادن روش ها استفاده می شود. برای اینکه خوانندگان نه تنها بدانند چگونه از روش‌ها استفاده کنند، بلکه بفهمند چرا انتساب چندگانه کار می‌کند و چگونه روش‌های مناسب را انتخاب کنند، از مطالعات شبیه‌سازی برای ارزیابی عملکرد روش‌های انتساب چندگانه استفاده می‌شود. مجموعه داده‌های نمونه و کد برنامه‌نویسی نمونه یا در کتاب گنجانده شده است یا در یک سایت github (https://github.com/he-zhang-hsu/multiple_imputation_book) موجود است.

ویژگی های کلیدی

1. نمای کلی از مفاهیم آماری را ارائه می دهد که برای درک بهتر مشکلات داده های از دست رفته و تجزیه و تحلیل انتساب چندگانه مفید است

< p>

2. مباحث مفصلی در مورد مدل‌ها و روش‌های انتساب چندگانه ارائه می‌کند که انواع مختلف مشکلات داده‌های گمشده را هدف قرار می‌دهند (به عنوان مثال، مشکلات داده‌های از دست رفته تک متغیره و چند متغیره، داده‌های از دست رفته در تحلیل بقا، داده‌های طولی، بررسی‌های پیچیده و غیره)
3. مشکلات خطای اندازه‌گیری را با انتساب چندگانه بررسی می‌کند
4. درباره راهبردهای تجزیه و تحلیل برای تشخیص‌های انتساب چندگانه بحث می‌کند
5. درباره مسائل مربوط به تولید داده‌ها زمانی که هدف از انتساب چندگانه انتشار مجموعه‌های داده است بحث می‌کند. برای استفاده عمومی، همانطور که توسط سازمان هایی انجام می شود که بررسی ها در مقیاس بزرگ را با مشکلات بدون پاسخ پردازش و مدیریت می کنند
6. برای برخی از نمونه ها، مجموعه داده های گویا و نمونه کد برنامه نویسی از بسته های آماری محبوب (به عنوان مثال، SAS، R، WinBUGS) در کتاب گنجانده شده است. برای دیگران، آنها در یک سایت github در دسترس هستند (https://github.com/he-zhang-hsu/multiple_imputation_book)

tag : دانلود کتاب انتساب چندگانه داده های از دست رفته در عمل: نظریه پایه و استراتژی های تحلیل (آمار میان رشته ای چپمن و هال/CRC) , Download انتساب چندگانه داده های از دست رفته در عمل: نظریه پایه و استراتژی های تحلیل (آمار میان رشته ای چپمن و هال/CRC) , دانلود انتساب چندگانه داده های از دست رفته در عمل: نظریه پایه و استراتژی های تحلیل (آمار میان رشته ای چپمن و هال/CRC) , Download Multiple Imputation of Missing Data in Practice: Basic Theory and Analysis Strategies (Chapman & Hall/CRC Interdisciplinary Statistics) Book , انتساب چندگانه داده های از دست رفته در عمل: نظریه پایه و استراتژی های تحلیل (آمار میان رشته ای چپمن و هال/CRC) دانلود , buy انتساب چندگانه داده های از دست رفته در عمل: نظریه پایه و استراتژی های تحلیل (آمار میان رشته ای چپمن و هال/CRC) , خرید کتاب انتساب چندگانه داده های از دست رفته در عمل: نظریه پایه و استراتژی های تحلیل (آمار میان رشته ای چپمن و هال/CRC) , دانلود کتاب Multiple Imputation of Missing Data in Practice: Basic Theory and Analysis Strategies (Chapman & Hall/CRC Interdisciplinary Statistics) , کتاب Multiple Imputation of Missing Data in Practice: Basic Theory and Analysis Strategies (Chapman & Hall/CRC Interdisciplinary Statistics) , دانلود Multiple Imputation of Missing Data in Practice: Basic Theory and Analysis Strategies (Chapman & Hall/CRC Interdisciplinary Statistics) , خرید Multiple Imputation of Missing Data in Practice: Basic Theory and Analysis Strategies (Chapman & Hall/CRC Interdisciplinary Statistics) , خرید کتاب Multiple Imputation of Missing Data in Practice: Basic Theory and Analysis Strategies (Chapman & Hall/CRC Interdisciplinary Statistics) ,