Análisis de regresión logística aplicada

Opiniones de los lectores

El libro ha sido bien recibido como un valioso recurso para comprender la regresión logística, ya que ofrece explicaciones claras y ejemplos perspicaces. Aunque en general es elogiado por su accesibilidad y utilidad como referencia, algunos lectores encuentran ciertas secciones difíciles de entender.

⬤ Explicaciones muy comprensibles y claras, especialmente para los que tienen nociones de regresión múltiple.
⬤ Ofrece buenos paralelismos con los modelos de mínimos cuadrados ordinarios (MCO).
⬤ Útil tanto para el aprendizaje como de referencia, incluyendo temas esenciales para interpretar los resultados del SPSS.
⬤ Asequible y conciso, lo que lo convierte en una buena ganga para el aprendizaje estadístico.
⬤ Uso eficaz de ejemplos y diagnósticos que mejoran la comprensión.

⬤ Algunas secciones pueden ser difíciles de entender, dando lugar a confusión.
⬤ No se recomienda como única fuente para el aprendizaje; algunos lectores lo encontraron menos adecuado para el aprendizaje profundo.
⬤ Preocupaciones menores acerca de que el libro esté ligeramente anticuado en el contexto de la evolución del software estadístico.

(basado en 10 opiniones de lectores)

Título original:

Applied Logistic Regression Analysis

Contenido del libro:

Esta segunda edición se centra de nuevo en los modelos de regresión logística para datos de nivel individual, pero también se consideran los datos agregados o agrupados. El libro incluye discusiones detalladas sobre la bondad del ajuste, los índices de eficacia predictiva y los coeficientes estandarizados de regresión logística, así como ejemplos con SAS y SPSS.

⬤ El libro incluye una consideración más detallada de los datos agrupados en contraposición a los datos casuísticos.

⬤ Discusión actualizada de las propiedades y el uso apropiado de las medidas de bondad de ajuste, los análogos de R-cuadrado y los índices de eficiencia predictiva.

⬤ Discusión del uso incorrecto de las odds ratio para representar las relaciones de riesgo, y de la dispersión excesiva y la dispersión insuficiente para los datos agrupados.

Cobertura actualizada de los modelos de regresión logística politómica ordenada y no ordenada.