دانلود کتاب Regression Models for Categorical Dependent Variables Using Stata – مدل های رگرسیون برای متغیرهای وابسته طبقه بندی با استفاده از Stata

توضیحات

Regression Models for Categorical Dependent Variables Using Stata, Third Edition shows how to use Stata to fit and interpret regression models for categorical data. The third edition is a complete rewrite of the book. Factor variables and the margins command changed how the effects of variables can be estimated and interpreted. In addition, the authors’ views on interpretation have evolved. The changes to Stata and to the authors’ views inspired the authors to completely rewrite their popular SPost commands to take advantage of the power of the margins command and the flexibility of factor-variable notation. The new edition will interest readers of a previous edition as well as new readers. Even though about 150 pages of appendixes were removed, the third edition is about 60 pages longer than the second.

Although regression models for categorical dependent variables are common, few texts explain how to interpret such models; this text fills the void. With the book, Long and Freese provide a suite of commands for model interpretation, hypothesis testing, and model diagnostics. The new commands that accompany the third edition make it easy to include powers or interactions of covariates in regression models and work seamlessly with models estimated with complex survey data.

The authors’ new commands greatly simplify the use of margins, in the same way that the marginsplot command harnesses the power of margins for plotting predictions. The authors discuss how to use margins and their new mchange, mtable, and mgen commands to compute tables and to plot predictions. They also discuss how to use these commands to estimate marginal effects, averaged either over the sample or at fixed values of the regressors. The authors introduce and advocate a variety of new methods that use predictions to interpret the effect of variables in regression models.

The third edition begins with an excellent introduction to Stata and follows with general treatments of the estimation, testing, fit, and interpretation of this class of models. New to the third edition is an entire chapter about how to interpret regression models using predictionsa chapter that is expanded upon in later chapters that focus on models for binary, ordinal, nominal, and count outcomes.

Long and Freese use many concrete examples in their third edition. All the examples, datasets, and author-written commands are available on the authors’ website, so readers can easily replicate the examples with Stata. This book is ideal for students or applied researchers who want to learn how to fit and interpret models for categorical data.

————————————————————–

ترجمه ماشینی :

مدل‌های رگرسیون برای متغیرهای وابسته طبقه‌ای با استفاده از Stata، نسخه سوم نحوه استفاده از Stata را برای برازش و تفسیر مدل‌های رگرسیون برای داده‌های طبقه‌بندی نشان می‌دهد. چاپ سوم بازنویسی کامل کتاب است. متغیرهای عامل و دستور حاشیه نحوه تخمین و تفسیر اثرات متغیرها را تغییر دادند. علاوه بر این، دیدگاه نویسندگان در مورد تفسیر نیز تکامل یافته است. تغییرات در Stata و دیدگاه‌های نویسندگان، نویسندگان را برانگیخت تا دستورات محبوب SPost خود را به طور کامل بازنویسی کنند تا از قدرت فرمان حاشیه‌ها و انعطاف‌پذیری نمادگذاری متغیر فاکتور استفاده کنند. نسخه جدید خوانندگان نسخه قبلی و همچنین خوانندگان جدید را علاقه مند می کند. حتی با وجود حذف حدود 150 صفحه از ضمیمه ها، ویرایش سوم حدود 60 صفحه طولانی تر از نسخه دوم است.

اگرچه مدل‌های رگرسیون برای متغیرهای وابسته طبقه‌بندی رایج هستند، متن‌های کمی نحوه تفسیر چنین مدل‌هایی را توضیح می‌دهند. این متن جای خالی را پر می کند. با این کتاب، Long و Freese مجموعه ای از دستورات را برای تفسیر مدل، آزمایش فرضیه و تشخیص مدل ارائه می دهند. دستورات جدید همراه با ویرایش سوم، گنجاندن قدرت ها یا تعاملات متغیرهای کمکی را در مدل های رگرسیون آسان می کند و با مدل های تخمین زده شده با داده های پیمایش پیچیده به طور یکپارچه کار می کند.

دستورات جدید نویسندگان استفاده از حاشیه را بسیار ساده می کند، به همان روشی که فرمان marginsplot از قدرت حاشیه< استفاده می کند. /B> برای ترسیم پیش بینی ها. نویسندگان درباره نحوه استفاده از حاشیه و دستورات mchange، mtable و mgen جدید آنها برای محاسبه جداول و پیش بینی های طرح آنها همچنین در مورد چگونگی استفاده از این دستورات برای تخمین اثرات حاشیه ای، به طور میانگین در نمونه یا در مقادیر ثابت رگرسیون بحث می کنند. نویسندگان انواع روش‌های جدید را معرفی کرده و از آن‌ها حمایت می‌کنند که از پیش‌بینی‌ها برای تفسیر اثر متغیرها در مدل‌های رگرسیون استفاده می‌کنند.