读了系列编者注作者:Todd D. Little
T关于丢失数据的最用户友好和最权威的资源已完全修订,以便为使处理丢失数据更有效的最新发展腾出空间。第二版包括基于因子回归的新方法,更新的基于模型的imputation策略,以及贝叶斯分析的创新。关于丢失数据的最新技术文献被翻译成应用研究人员和研究生可访问的指南。第二版采用了一个均匀的,三管齐下的方法来最大似然估计(MLE),贝叶斯估计作为MLE的替代方案,和多重imputation。组织一致的章节解释了每种技术的基本原理和程序细节,并通过诸如年轻人吸烟,员工离职和慢性疼痛等主题的引人入胜的示例来说明分析。的同伴的网站(www.appliedmissingdata.com)包括书中的数据集和分析示例、最新的软件信息和其他资源。manbext网络登录
本版新内容
本版新内容
- 扩展了贝叶斯估计的范围,包括一个关于不完全分类变量的新章节。
- 关于因子回归的新章节,基于模型的输入策略,多层缺失数据处理方法,缺失非随机分析,以及其他及时的主题。
- 介绍自2010年第一版以来开发的尖端方法;包括数十个新的数据分析示例。
- 这本书的大部分内容都是全新的。
这个标题是社会科学系列中的方法论,由Todd D. Little博士编辑。