Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb
  • Produktbild: Best Practices in Logistic Regression
  • Produktbild: Best Practices in Logistic Regression

Best Practices in Logistic Regression

Fr. 159.00

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

11.03.2014

Verlag

Sage Publications

Seitenzahl

488

Maße (L/B/H)

23.5/19.1/2.6 cm

Gewicht

720 g

Sprache

Englisch

ISBN

978-1-4522-4479-2

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

11.03.2014

Verlag

Sage Publications

Seitenzahl

488

Maße (L/B/H)

23.5/19.1/2.6 cm

Gewicht

720 g

Sprache

Englisch

ISBN

978-1-4522-4479-2

Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: gpsr@libri.de

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Best Practices in Logistic Regression
  • Produktbild: Best Practices in Logistic Regression
  • 1. A Conceptual Introduction to Bivariate Logistic Regression
    2. Under the Hood with Logistic Regression
    3. Performing Simple Logistic Regression
    4. Conceptual and Practical Introduction to Testing Assumptions and Cleaning Data for Logistic Regression
    5. Continuous Variables In Logistic Regression (And Why You Should Not Convert Them To Categorical Variables!)
    6. Dealing with Unordered Categorical Predictors in Logistic Regression
    7. Curvilinear Effects in Logistic Regression
    8. Multiple Predictors in Logistic Regression (Including Interaction Effects)
    9. A Brief Overview of Probit Regression
    10. Logistic Regression and Replication: A Story Of Sample Size, Volatility, and Why Resampling Cannot Save Biased Samples but Data Cleaning And Independent Replication Can
    11. Missing Data, Sample Size, Power, and Generalizability of Logistic Regression Analyses
    12. Multinomial and Ordinal Logistic Regression: Modeling Dependent Variables with More Than Two Categories
    13. Hierarchical Linear Models with Binary Outcomes: Multilevel Logistic Regression