"Applied Missing Data Analysis in the Health Sciences" - это современное и практическое руководство по основным концепциям и идеям анализа данных с недостающими наблюдениями в области биостатистики. Авторы книги акцентируют внимание на практическом применении методов анализа недостающих данных. Они признают ограничения установленных методов и представляют новые методы с конкретными применениями в области методов причинно-следственных связей и диагностической медицины. Книга организована по типам данных, начиная с общего введения в существование и ограничения недостающих данных и продолжая с традиционными методами вывода недостающих данных, включая методы на основе правдоподобия, взвешенные обобщенные оценивающие уравнения, множественную импутацию и байесовские методы. Книга также охватывает поперечные, продолжительные, иерархические и выжившие данные. В дополнение к этому, книга "Applied Missing Data Analysis in the Health Sciences" содержит множество примеров кейс-стади, чтобы проиллюстрировать методологии на реальных сценариях и продемонстрировать их применение, а также подробные приложения, которые помогут читателям использовать представленные данные в различных программных средах, таких как SAS, Stata, R и WinBUGS. Эта книга является отличным учебником для студентов биостатистики на старших курсах бакалавриата и магистратуры, а также идеальным ресурсом для исследователей в области здравоохранения и прикладных статистиков.
Электронная Книга «Applied Missing Data Analysis in the Health Sciences» написана автором Xiao-Hua Zhou в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781118573631
Описание книги от Xiao-Hua Zhou
A modern and practical guide to the essential concepts and ideas for analyzing data with missing observations in the field of biostatistics With an emphasis on hands-on applications, Applied Missing Data Analysis in the Health Sciences outlines the various modern statistical methods for the analysis of missing data. The authors acknowledge the limitations of established techniques and provide newly-developed methods with concrete applications in areas such as causal inference methods and the field of diagnostic medicine. Organized by types of data, chapter coverage begins with an overall introduction to the existence and limitations of missing data and continues into traditional techniques for missing data inference, including likelihood-based, weighted GEE, multiple imputation, and Bayesian methods. The book’s subsequently covers cross-sectional, longitudinal, hierarchical, survival data. In addition, Applied Missing Data Analysis in the Health Sciences features: Multiple data sets that can be replicated using the SAS®, Stata®, R, and WinBUGS software packages Numerous examples of case studies in the field of biostatistics to illustrate real-world scenarios and demonstrate applications of discussed methodologies Detailed appendices to guide readers through the use of the presented data in various software environments Applied Missing Data Analysis in the Health Sciences is an excellent textbook for upper-undergraduate and graduate-level biostatistics courses as well as an ideal resource for health science researchers and applied statisticians.
