Análisis de datos mediante regresión y modelos jerárquicos multinivel

Opiniones de los lectores

El libro es muy apreciado por su clara exposición de la modelización multinivel y el análisis de regresión, centrándose en aplicaciones prácticas, especialmente utilizando R. Es elogiado por su amplia cobertura, ejemplos relevantes y énfasis en la comprensión de los conceptos subyacentes en lugar de simplemente aplicar fórmulas. Sin embargo, muchos lectores también expresan su frustración por los numerosos errores en los ejemplos y el código de R, la organización incoherente y la accesibilidad de los conjuntos de datos, que dificultan su capacidad para utilizar eficazmente el libro.

⬤ Cobertura exhaustiva del modelado multinivel y conceptos estadísticos clave.
⬤ Redacción clara y ejemplos útiles que hacen accesibles los temas complejos.
⬤ Enfoque en la aplicación práctica utilizando R, con un fuerte énfasis en la comprensión más que en la aplicación de memoria.
⬤ Estilo de codificación compacto que ayuda a simplificar el aprendizaje.
⬤ Referencias relevantes que apoyan los conceptos tratados.

⬤ Numerosos errores en el código R y en los ejemplos que dificultan su seguimiento.
⬤ Organización incoherente y ambigüedad ocasional en la terminología.
⬤ Falta de conjuntos de datos actualizados o bien documentados para su aplicación práctica.
⬤ Algunas secciones carecen de explicaciones detalladas, lo que puede confundir al lector.
⬤ Orientación limitada para principiantes en R, lo que puede dificultar la comprensión de los menos experimentados.

(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/.