Hierarchiczne modele liniowe: Zastosowania i metody analizy danych

Opinie czytelników

Recenzje książki Raudenbusha i Bryka na temat hierarchicznego modelowania liniowego (HLM) podkreślają, że jest to kompleksowe i niezbędne źródło wiedzy dla zaawansowanych badaczy ilościowych pracujących z modelami wielopoziomowymi. Wielu użytkowników zwróciło jednak uwagę, że nie jest ona odpowiednia dla początkujących i ma tendencję do bycia gęstą i trudną do naśladowania bez dodatkowego wsparcia.

⬤ Kompleksowe i szczegółowe źródło wiedzy na temat HLM.
⬤ Doskonałe źródło informacji dla zaawansowanych badaczy.
⬤ Dobre pokrycie HLM w projektach podłużnych i innych zaawansowanych tematach.
⬤ Wysokiej jakości dostawa i opakowanie.
⬤ Zniżki dostępne przy zakupie.
⬤ Dołączone zestawy danych do ćwiczeń.

⬤ Nie nadaje się dla początkujących; wymaga solidnych podstaw statystycznych.
⬤ Gęsty styl pisania, utrudniający śledzenie.
⬤ Rzadkie wyjaśnienia ważnych pojęć i przykładów.
⬤ Niektórzy recenzenci uznali przykłady za trudne do odtworzenia.
⬤ Wykresy wykonane ze znaków ASCII są mniej pomocne niż standardowe wykresy.
⬤ Ograniczone praktyczne wskazówki dotyczące przeprowadzania analiz przy użyciu oprogramowania HLM.

(na podstawie 22 opinii czytelników)

Oryginalny tytuł:

Hierarchical Linear Models: Applications and Data Analysis Methods

Zawartość książki:

Popularna w pierwszym wydaniu ze względu na bogate, ilustracyjne przykłady i przejrzyste wyjaśnienia teorii i zastosowania hierarchicznych modeli liniowych (HLM), książka została zreorganizowana na cztery części z czterema zupełnie nowymi rozdziałami. Pierwsze dwie części, Część I na temat "Logiki hierarchicznego modelowania liniowego" i Część II na temat "Podstawowych zastosowań", są ściśle zbieżne z pierwszymi dziewięcioma rozdziałami poprzedniego wydania, ze znaczącymi rozszerzeniami i wyjaśnieniami technicznymi, takimi jak: * Intuicyjne podsumowanie wprowadzające.

* Intuicyjne podsumowanie podstawowych procedur estymacji i wnioskowania stosowanych w modelach HLM, które wymaga jedynie minimalnego poziomu zaawansowania matematycznego w rozdziale 3.

* Nowa sekcja poświęcona wielowymiarowym modelom wzrostu w rozdziale 6.

* Omówienie syntezy badań lub zastosowań metaanalizy w rozdziale 7.

* Porady dotyczące analizy danych na temat centrowania predyktorów poziomu 1 oraz nowy materiał na temat wiarygodnych przedziałów wartości i solidnych estymatorów standardowych.