Podłużne modelowanie równań strukturalnych

Opinie czytelników

Książka „Longitudinal Structural Equation Modeling” autorstwa prof. Little'a jest powszechnie uważana za doskonałe źródło informacji na temat zrozumienia i zastosowania podłużnego modelowania zmiennych ukrytych. Łączy w sobie praktyczne doświadczenie, jasne wyjaśnienia i humor, czyniąc złożone koncepcje statystyczne przystępnymi. Podczas gdy wielu użytkowników uważa ją za nieocenioną w badaniach i nauczaniu, kilku recenzentów uważa, że nie spełnia ona wysokich oczekiwań określonych w entuzjastycznych recenzjach.

⬤ Praktyczne spostrzeżenia i porady operacyjne oparte na doświadczeniu autora.
⬤ Przejrzysty i przyjazny dla użytkownika styl pisania.
⬤ Zawiera humor i przykłady z życia wzięte, które angażują czytelnika.
⬤ Wysoka przydatność w badaniach nad rozprawą doktorską i publikacjami akademickimi.
⬤ Skuteczność w wyjaśnianiu złożonych pojęć statystycznych w zrozumiały sposób.

⬤ Niektórzy czytelnicy uważali, że książka nie sprostała zbyt pozytywnym recenzjom.
⬤ Wymaga znacznego wysiłku, aby w pełni zrozumieć wszystkie terminy i pojęcia.
⬤ Jeden z recenzentów ocenił ją jako przeciętną w porównaniu do innych tekstów.

(na podstawie 13 opinii czytelników)

Oryginalny tytuł:

Longitudinal Structural Equation Modeling

Zawartość książki:

Zawierająca rzeczywiste zbiory danych jako ilustrujące przykłady, książka ta ujawnia liczne sposoby zastosowania modelowania równań strukturalnych (SEM) do dowolnego badania z powtarzanymi pomiarami.

Początkowe rozdziały kładą podwaliny pod modelowanie podłużnego procesu zmian, od kwestii pomiaru, projektowania i specyfikacji po ocenę i interpretację modelu. Obejmując zarówno ogólne idee, jak i techniczne szczegóły „jak to zrobić”, autor zręcznie omawia, kiedy i jak stosować podłużną potwierdzającą analizę czynnikową, podłużne modele panelowe (w tym przypadek wielu grup), modele wielopoziomowe, modele krzywej wzrostu i złożone modele czynnikowe, a także modele mediacji i moderacji.

Przyjazne dla użytkownika funkcje obejmują pola równań, które jasno wyjaśniają elementy każdego równania, glosariusze na końcu rozdziału i adnotowane sugestie dotyczące dalszej lektury. Towarzysząca strona internetowa (www.guilford.com/little-materials) zawiera zestawy danych dla wszystkich przykładów - które obejmują badania nad zastraszaniem, emocjami dorastających uczniów i zdrowym starzeniem się - ze składnią i danymi wyjściowymi z LISREL, Mplus i R (lavaan).