Книга "Meta-Analysis. A Structural Equation Modeling Approach" представляет новый подход к проведению мета-анализа с использованием структурного уравнения моделирования (SEM). SEM и мета-анализ являются двумя мощными статистическими методами в области образования, социальных, поведенческих и медицинских наук. Однако они часто рассматриваются как две несвязанные темы в литературе. Эта книга представляет унифицированную методику анализа мета-аналитических данных в рамках SEM и демонстрирует, как проводить мета-анализ с использованием пакета metaSEM в статистической среде R.
Книга начинается с введения важности SEM и мета-анализа при ответе на исследовательские вопросы. Ключевые идеи в мета-анализе и SEM кратко обзорны, а затем вводятся различные мета-аналитические модели, связанные с SEM. Введены модели с фиксированными, случайными и смешанными эффектами в одномерных и многомерных мета-анализах, трехуровневый мета-анализ и мета-аналитическое структурное уравнение моделирования. Также рассмотрены продвинутые темы, такие как использование метода ограниченного максимального правдоподобия и обработка пропущенных ковариат.
Читатели узнают единую методику применения и мета-анализа, и SEM. Книга включает примеры на R и Mplus. Эта книга будет полезным ресурсом для статистических и научных исследователей и аспирантов, проводящих мета-анализы, а также для исследователей и статистиков, использующих SEM в биостатистике. Базовое знание SEM или мета-анализа будет полезно для понимания материалов этой книги.
В книге “Meta-Analysis. A Structural Equation Modeling Approach” автор Майк Чунг В.-Л. представлена оригинальная методика проведения мета-анализа с использованием структурного моделирования. Структурное моделирование и мета-анализ - это два мощных статистических метода в области образования, социальных и поведенческих наук, а также медицины. Часто они рассматриваются как две разные темы в литературе. В данной книге представлен единый подход к анализу метааналитических данных в рамках структурного моделирования, а также показано, как проводить мета-анализ с помощью пакета metaSEM в статистической среде R.
Книга начинается с введения важности структурного моделирования и мета-анализа в ответе на исследовательские вопросы. Ключевые идеи мета-анализа и структурного моделирования кратко рассматриваются, и затем представлены различные мета-аналитические модели и их связь с рамками структурного моделирования. Вводится анализ с фиксированными, случайными и смешанными эффектами, как в одномерной, так и многомерной мета-анализе, трехмерный мета-анализ и мета-аналитическое структурное моделирование.
В книге представлен новаторский метод проведения мета-анализа с использованием структурного уравнений. Методы структурного уравнения моделирования или мета-анализа два мощных статистических метода в области образования, социальных наук, поведенческих науках и медицине. Они часто изучаются как две несвязанные темы в литературе. Автор предлагает единую рамку для анализа мета-аналитических данных в рамках методологии структурного моделирования и иллюстрирует, как проводить метаанализ, используя пакет metaSEM в статистической среде R.
Электронная Книга «Meta-Analysis. A Structural Equation Modeling Approach» написана автором Mike Cheung W.-L. в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781118957837
Описание книги от Mike Cheung W.-L.
Presents a novel approach to conducting meta-analysis using structural equation modeling. Structural equation modeling (SEM) and meta-analysis are two powerful statistical methods in the educational, social, behavioral, and medical sciences. They are often treated as two unrelated topics in the literature. This book presents a unified framework on analyzing meta-analytic data within the SEM framework, and illustrates how to conduct meta-analysis using the metaSEM package in the R statistical environment. Meta-Analysis: A Structural Equation Modeling Approach begins by introducing the importance of SEM and meta-analysis in answering research questions. Key ideas in meta-analysis and SEM are briefly reviewed, and various meta-analytic models are then introduced and linked to the SEM framework. Fixed-, random-, and mixed-effects models in univariate and multivariate meta-analyses, three-level meta-analysis, and meta-analytic structural equation modeling, are introduced. Advanced topics, such as using restricted maximum likelihood estimation method and handling missing covariates, are also covered. Readers will learn a single framework to apply both meta-analysis and SEM. Examples in R and in Mplus are included. This book will be a valuable resource for statistical and academic researchers and graduate students carrying out meta-analyses, and will also be useful to researchers and statisticians using SEM in biostatistics. Basic knowledge of either SEM or meta-analysis will be helpful in understanding the materials in this book.
