《分类数据分析》内容简介：由于分类数据分析技术的发展以及分类数据在现实应用中的独特价值，许多统计系或生物统计系都开设了有关分类数据分析的课程。《分类数据分析》可以用作该类课程的教科书。《分类数据分析》的第1-7章涵盖了该类课程的核心内容。其中，第1-3章介绍分类结果变量的分布以及传统的二维列联表分析方法。第4-7章介绍关于二分和多项分布结果变量的Logistic回归以及相应的Logit模型。第8章和第9章的内容则是用于分析列联表数据的对数线性模型。随着时间的推移，对数线性模型的重要性似乎有所降低，所以本版在一定程度上缩减了对该模型的讨论，并相应增加了有关logistic回归的内容。 在过去10年间，这一领域的新发展主要集中于对重复测量和其他形式的群组分类数据的分析方法。第10-13章讲述这些方法，其中包括边际模型和具有随机效应的广义线性混合模型。第1...(展开全部)

《分类数据分析》内容简介：由于分类数据分析技术的发展以及分类数据在现实应用中的独特价值，许多统计系或生物统计系都开设了有关分类数据分析的课程。《分类数据分析》可以用作该类课程的教科书。《分类数据分析》的第1-7章涵盖了该类课程的核心内容。其中，第1-3章介绍分类结果变量的分布以及传统的二维列联表分析方法。第4-7章介绍关于二分和多项分布结果变量的Logistic回归以及相应的Logit模型。第8章和第9章的内容则是用于分析列联表数据的对数线性模型。随着时间的推移，对数线性模型的重要性似乎有所降低，所以本版在一定程度上缩减了对该模型的讨论，并相应增加了有关logistic回归的内容。 在过去10年间，这一领域的新发展主要集中于对重复测量和其他形式的群组分类数据的分析方法。第10-13章讲述这些方法，其中包括边际模型和具有随机效应的广义线性混合模型。第1...(展开全部)

丹尼尔 A.鲍威斯和谢宇教授合著的《分类数据分析的统计方法》一书对分类数据分析的方法和模型，以及在社会科学研究中的应用作了全面的介绍。本书的一个明确目标是整合变换方法和潜在变量方法，它们是两类不同但又相互补充的处理分类数据分析的传统方法。这也是第一次在一单册书中严密地介绍针对离散因变量、交叉分类和跟踪数据的模型和方法。目前还没有看到有类似的著作。 本书的第二版增加了应用于分类数据的多水平模型。许多章节的内容经过了进一步的修订，并扩充了新的应用和实例。第二版中显著的特点是详细讨论了针对分层或多水平模型的经典贝叶斯估计技术，拓展了离散时间生存分析模型和Cox回归模型的内容，以及针对背离模型假设的评估和调适方法。辅助网址列举了使用各种统计软件包重复书中每一个例子的程序，实践证明是教师、学生和研究者学习的重要资源。 本书介绍了基本的方法和模型，它们构成了当代...(展开全部)

丹尼尔 A.鲍威斯和谢宇教授合著的《分类数据分析的统计方法》一书对分类数据分析的方法和模型，以及在社会科学研究中的应用作了全面的介绍。本书的一个明确目标是整合变换方法和潜在变量方法，它们是两类不同但又相互补充的处理分类数据分析的传统方法。这也是第一次在一单册书中严密地介绍针对离散因变量、交叉分类和跟踪数据的模型和方法。目前还没有看到有类似的著作。 本书的第二版增加了应用于分类数据的多水平模型。许多章节的内容经过了进一步的修订，并扩充了新的应用和实例。第二版中显著的特点是详细讨论了针对分层或多水平模型的经典贝叶斯估计技术，拓展了离散时间生存分析模型和Cox回归模型的内容，以及针对背离模型假设的评估和调适方法。辅助网址列举了使用各种统计软件包重复书中每一个例子的程序，实践证明是教师、学生和研究者学习的重要资源。 本书介绍了基本的方法和模型，它们构成了当代...(展开全部)

本书对分类数据分析的方法和模型，及其在社会科学研究中的应用做了全面介绍。它的一个目标是整合变换方法和潜在变量方法，这是两类不同但又相互补充的处理分类数据分析的传统方法。这也是di一次在一本单册书中详细地介绍针对离散因变量、交叉分类和跟踪数据的模型与方法对于广大的社会科学研究者来说，意义重大，既可以使得他们能顺利使用合适的定类数据的统计方法，又可以让他们对统计后的结果作进一步的科学检验，使得研究能够更加深入下去。

本书以统计学史上著名人物的伟大成就为脉络，将数据分析这一学科的发展历程娓娓道来。从开普勒仰望星空拉开统计学序幕，贝叶斯提出主观概率，到人工智能、深度学习逐步渗透今天的日常生活。本书带领读者在数据科学的熠熠星光下，看透大数据的深邃内核。

本书围绕精益创业展开讨论，融合了精益创业法、客户开发、商业模式画布和敏捷持续集成的精华。本书汇聚了100多位创始人、投资人、内部创业者和创新者的成功创业经验，呈现了30多个极具价值的案例分析，可以为各阶段的创业者提供行为准则。

本书由实战经验丰富的两位数据分析师执笔，首先介绍了商业领域里通用的数据分析框架，然后根据该框架，结合8个真实的案例，详细解说了通过数据分析解决各种商业问题的流程，让读者在解决问题的过程中学习各种数据分析方法，包括柱状图、交叉列表统计、A/B测试、多元回归分析、逻辑回归分析、主成分分析、聚类、决策树分析、机器学习等。特别是书中使用的数据都是未经清洗的原始数据，能够让读者了解真实的数据分析流程，避免纸上谈兵。

网络数据分析是网络信息计量学的重要组成部分，也是当前网络界、新闻传播界、信息管理界都十分关注的热点研究领域之一。本书从理论、方法、应用三个角度，全面、系统地论述了网络数据分析的基本原理、方法和工具，详细探讨了它在网络传播、网络信息计量学、网络信息资源管理、电子商务与网络营销、企业管理与市场经营、科学评价与网络管理等许多领域的应用。全书共9章，包括网络数据概论、网络数据仓库、网络数据流量分析、网络数据定性分析、网络数据多维分析、网络数据挖掘分析、网络数据分析系统的开发以及应用和实例等。 本书既适合于高等院校的新闻与传播、信息管理与科学评价、信息计量学与科学计量学、网站设计与管理、管理科学与工程、电子商务、网络营销等专业的师生教学使用，也可供广大信息工作者、网络工作者、科技工作者和有关管理人员学习参考。

《数据分析概论》研究对象是社会科学的研究数据。数据分析可以赋予事实意义，好的数据分析能为所研究的社会现象提供合理的描述和解释。 本书旨在为定量研究数据分析的每一步提供统计学基础。作者讨论了数据搜集的意义、一元统计、对相关性的测量、显著性检验、简单和多元回归，并给出了大量的数学公式，使得读者能更好地理解这些内容。