Ocena:
Książka została dobrze przyjęta ze względu na jasne i przystępne wyjaśnienia regresji logistycznej, dzięki czemu jest odpowiednia dla początkujących i jako przewodnik referencyjny. Podczas gdy niektórzy czytelnicy uważają ją za łatwą do zrozumienia, inni zauważają, że może ona stanowić wyzwanie w niektórych sekcjach. Książka jest ceniona za praktyczne podejście, łączące regresję logistyczną ze znanymi pojęciami, takimi jak regresja wieloraka, i prezentujące przydatne przykłady, zwłaszcza w kontekście popularnego oprogramowania statystycznego.
Zalety:Przejrzyste i zrozumiałe wyjaśnienia pojęć regresji logistycznej.
Wady:Dobry materiał referencyjny zarówno dla początkujących, jak i zaawansowanych użytkowników.
(na podstawie 10 opinii czytelników)
Applied Logistic Regression Analysis
W tym drugim wydaniu ponownie skupiono się na modelach regresji logistycznej dla danych na poziomie indywidualnym, ale uwzględniono również dane zagregowane lub pogrupowane. Książka zawiera szczegółowe omówienia dobroci dopasowania, wskaźników skuteczności predykcyjnej i standaryzowanych współczynników regresji logistycznej, a także przykłady z wykorzystaniem SAS i SPSS.
⬤ Bardziej szczegółowe rozważania na temat danych pogrupowanych w przeciwieństwie do danych dla poszczególnych przypadków w całej książce.
⬤ Zaktualizowane omówienie właściwości i właściwego wykorzystania miar dobroci dopasowania, analogów R-kwadrat i wskaźników skuteczności predykcyjnej.
⬤ Omówienie niewłaściwego wykorzystania ilorazów szans do reprezentowania współczynników ryzyka oraz nadmiernej i niedostatecznej dyspersji dla danych pogrupowanych.
Zaktualizowane omówienie nieuporządkowanych i uporządkowanych wielomianowych modeli regresji logistycznej.
