Notice bibliographique
Résumé
Analysis of Categorical Data with R, Second Edition presents a modern account of categorical data analysis using the R software environment. It covers recent techniques of model building and assessment for binary, multicategory, and count response variables and discusses fundamentals, such as odds ratio and probability estimation. The authors give detailed advice and guidelines on which procedures to use and why to use them. The second edition is a substantial update of the first based on the authors’ experiences of teaching from the book for nearly a decade. The book is organized as before, but with new content throughout, and there are two new substantive topics in the advanced topics chapter—group testing and splines. The computing has been completely updated, with the "emmeans" package now integrated into the book. The examples have also been updated, notably to include new examples based on COVID-19, and there are more than 90 new exercises in the book. The solutions manual and teaching videos have also been updated. Features: Requires no prior experience with R, and offers an introduction to the essential features and functions of R Includes numerous examples from medicine, psychology, sports, ecology, and many other areas Integrates extensive R code and output Graphically demonstrates many of the features and properties of various analysis methods Offers a substantial number of exercises in all chapters, enabling use as a course text or for self-study *Supplemented by a website with data sets, code, and teaching videos Analysis of Categorical Data with R, Second Edition is primarily designed for a course on categorical data analysis taught at the advanced undergraduate or graduate level. Such a course could be taught in a statistics or biostatistics department, or within mathematics, psychology, social science, ecology, or another quantitative discipline. It could also be used by a self-learner and would make an ideal reference for a researcher from any discipline where categorical data arise.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,031 | 0,256 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,227 | 0,102 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».