Análisis de datos con modelos de regresión y multinivel/jerárquicos

Opiniones de los lectores

El libro ha sido muy elogiado por su claridad, enfoque práctico y cobertura exhaustiva de las técnicas de modelado multinivel y regresión. Es especialmente apreciado por los usuarios familiarizados con R, que aprecian los ejemplos y la codificación práctica. Sin embargo, muchos revisores expresaron su frustración con la calidad del código R proporcionado, señalando numerosos errores e inconsistencias que dificultan la experiencia de aprendizaje. La organización del libro y los recursos que lo acompañan también podrían mejorarse.

⬤ Cobertura exhaustiva de las técnicas de modelado multinivel y regresión.
⬤ Estilo de redacción claro y atractivo, que hace accesibles los conceptos complejos.
⬤ Ejemplos prácticos y recetas para utilizar R.
⬤ Gran énfasis en la comprensión de los conceptos teóricos más que en la mera aplicación de fórmulas.
⬤ Útil como referencia tanto para estudiantes como para investigadores experimentados en ciencias sociales.

⬤ Los ejemplos de código R son a menudo erróneos o están mal explicados, lo que conduce a la frustración.
⬤ Algunas secciones carecen de suficiente profundidad, y el libro puede requerir recursos complementarios para una comprensión completa.
⬤ La organización del contenido puede parecer dispersa, lo que afecta a la fluidez y la coherencia.
⬤ Los conjuntos de datos y ejemplos proporcionados no siempre están bien documentados ni son de fácil acceso.

(basado en 72 opiniones de lectores)

Título original:

Data Analysis Using Regression and Multilevel/Hierarchical Models

Contenido del libro:

Data Analysis Using Regression and Multilevel/Hierarchical Models es un completo manual para el investigador aplicado que desee realizar análisis de datos mediante modelos de regresión lineal y no lineal y multinivel. El libro presenta una amplia variedad de modelos, al tiempo que instruye al lector sobre cómo ajustarlos utilizando los paquetes de software disponibles.

El libro ilustra los conceptos trabajando con decenas de ejemplos de datos reales que han surgido de la propia investigación aplicada de los autores, con códigos de programación proporcionados para cada uno de ellos. Los temas tratados incluyen la inferencia causal, incluida la regresión, la postestratificación, el emparejamiento, la discontinuidad de la regresión y las variables instrumentales, así como la regresión logística multinivel y la imputación de datos perdidos. Se ofrecen consejos prácticos sobre la construcción, el ajuste y la comprensión.

Página de recursos del autor: http: //www.stat. columbia.edu/ gelman/arm/.