Modelos lineales jerárquicos: Aplicaciones y métodos de análisis de datos

Opiniones de los lectores

Las reseñas del libro de Raudenbush & Bryk sobre modelos lineales jerárquicos (HLM) lo destacan como un recurso exhaustivo y esencial para los investigadores cuantitativos avanzados que trabajan con modelos multinivel. Sin embargo, muchos usuarios señalaron que no es adecuado para principiantes y tiende a ser denso y difícil de seguir sin apoyo adicional.

⬤ Recurso completo y detallado para HLM.
⬤ Excelente referencia para investigadores avanzados.
⬤ Buena cobertura del HLM en diseños longitudinales y otros temas avanzados.
⬤ Entrega y empaquetado de alta calidad.
⬤ Descuentos disponibles para la compra.
⬤ Conjuntos de datos incluidos para la práctica.

⬤ No apto para principiantes; requiere una sólida base estadística.
⬤ Estilo de escritura denso, lo que dificulta el seguimiento.
⬤ Escasas explicaciones de conceptos y ejemplos importantes.
⬤ Algunos revisores encontraron ejemplos difíciles de reproducir.
⬤ Los gráficos hechos a partir de caracteres ASCII son menos útiles que los gráficos estándar.
⬤ Escasa orientación práctica sobre la realización de análisis con el software HLM.

(basado en 22 opiniones de lectores)

Título original:

Hierarchical Linear Models: Applications and Data Analysis Methods

Contenido del libro:

Popular en la Primera Edición por sus ricos e ilustrativos ejemplos y lúcidas explicaciones de la teoría y el uso de los modelos lineales jerárquicos (HLM), el libro se ha reorganizado en cuatro partes con cuatro capítulos completamente nuevos. Las dos primeras partes, la Parte I sobre "La lógica de la modelización lineal jerárquica" y la Parte II sobre "Aplicaciones básicas", son estrechamente paralelas a los nueve primeros capítulos de la edición anterior, con importantes ampliaciones y aclaraciones técnicas, tales como:

* Un resumen introductorio intuitivo de los procedimientos básicos de estimación e inferencia utilizados con los modelos HLM que sólo requiere un nivel mínimo de sofisticación matemática en el capítulo 3.

* Nueva sección sobre modelos de crecimiento multivariante en el capítulo 6.

* Una discusión de las aplicaciones de síntesis de investigación o metaanálisis en el Capítulo 7.

* Asesoramiento analítico de datos sobre el centrado de predictores de nivel 1 y nuevo material sobre intervalos de valores plausibles y estimadores estándar robustos.