Leseprobe
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Dependent Data in Social Sciences Research
Wolfgang Wiedermann (Hrsg.), Mark Stemmler (Hrsg.), Francis L. Huang (Hrsg.)
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Springer International Publishing 
Sozialwissenschaften, Recht, Wirtschaft / Methoden der empirischen und qualitativen Sozialforschung
Beschreibung
This book covers the following subjects: growth curve modeling, directional dependence, dyadic data modeling, item response modeling (IRT), and other methods for the analysis of dependent data (e.g., approaches for modeling cross-section dependence, multidimensional scaling techniques, and mixed models). It presents contributions on handling data in which the postulate of independence in the data matrix is violated. When this postulate is violated and when the methods assuming independence are still applied, the estimated parameters are likely to be biased, and statistical decisions are very likely to be incorrect. Problems associated with dependence in data have been known for a long time, and led to the development of tailored methods for the analysis of dependent data in various areas of statistical analysis. These include, for example, methods for the analysis of longitudinal data, corrections for dependency, and corrections for degrees of freedom.
Researchers and graduate students in the social and behavioral sciences, education, econometrics, and medicine will find this up-to-date overview of modern statistical approaches for dealing with problems related to dependent data particularly useful.
Kundenbewertungen
growth curve modeling, statistical analysis for dependence in data, close proximity data, directional dependence, analysis of longitudinal panel count data, dependent data, dyadic data modeling, item response modeling, corrections for dependency, psychometrics, clustered or paired data