热门搜索:
首页
文库
书籍之外
登录
注册
作者:
日期:2023-03-31
出版:
分享
本书介绍了定量研究中使用的基本线性回归模型。它涵盖了这些统计模型的理论和应用,并用启发性的图表来说明它们。 在本书中作者提供了以下方面的指导: 确定最适合您的研究的模型 进行简单和多元线性回归 检查模型假设和过度拟合的危险 作为SAGE定量研究工具包的一部分,本书将帮助您迈出掌握社会科学数据多元分析的关键步骤。
本书介绍了定量研究中使用的基本线性回归模型。它涵盖了这些统计模型的理论和应用,并用启发性的图表来说明它们。
在本书中作者提供了以下方面的指导:
作为SAGE定量研究工具包的一部分,本书将帮助您迈出掌握社会科学数据多元分析的关键步骤。
《上下文中的统计假设检验:可重复性、推理和科学(Statistical Hypothesis Testing in Context: Reproducibility, Inference, and Science)》
《机器学习的训练数据:从注释到数据科学的人工监督(Training Data for Machine Learning: Human Supervision from Annotation to Data Science)》
《无穷大的力量:微积分是如何揭示宇宙的秘密的 》
《应用建模技术和数据分析2:金融,人口,随机和统计模型和方法(Applied Modeling Techniques and Data Analysis 2: Financial, Demographic, Stochastic and Statistical Models and Methods)》
《使用数学和 Python 进行机器学习的内核方法:构建逻辑的 100 个练习(Kernel Methods for Machine Learning with Math and Python: 100 Exercises for Building Logic)》
0条评论