Tom 2. Modele liniowe i nieliniowe

Publikacja jest drugim wydaniem, gruntownie poprawionym i rozbudowanym, cieszącej się ogromną popularnością książki, poświęconym zaawansowanym metodom statystycznej analizy danych. Jest ona naturalną kontynuacją tomu 1.: "Przystępnego kursu statystyki. Statystyki podstawowe", lecz może być czytana niezależnie.

Autor książki "Przystępny kurs statystyki z zastosowaniem STATISTICA.PL na przykładach z medycyny Tom 2 Modele liniowe i nieliniowe" stara się przybliżyć Czytelnikom bardziej zaawansowane metody analiz statystycznych związane z zagadnieniem modelowania współzależności pomiędzy zmiennymi. Jako pierwsze zostały omówione klasyczne techniki analizy regresji, analiza reszt oraz problematyka budowy modeli. Następnie Autor zajął się zagadnieniem regresji nieliniowej. Osobny rozdział został poświęcony regresji logistycznej.

Najwięcej miejsca zajmują metody analizy wariancji. Po wprowadzeniu do zagadnienia planowania doświadczeń zostały kolejno omówione najczęściej stosowane układy doświadczalne oraz sposoby opracowania ich wyników. Pewnego rodzaju podsumowaniem omówionych metod jest rozdział poświęcony prezentacji tzw. ogólnego modelu liniowego. W ostatnim rozdziale.

Autor prezentuje najbardziej ogólne podejście do zagadnień modelowania współzależności pomiędzy zmiennymi, opierające się na uogólnionym modelu liniowym. Są to metody pozwalające na statystyczny opis powiązań między zmiennymi, w przypadku gdy rozkład zmiennej zależnej odbiega od normalnego (lub zmienna zależna ma charakter jakościowy).

Książka zawiera wiele ciekawych przykładów oraz dużą ilość praktycznych wskazówek. Przykładowe zagadnienia merytoryczne oraz przytaczane dane empiryczne czynią ją szczególnie atrakcyjną dla przedstawicieli nauk biomedycznych, ale książka jest adresowana nie tylko do nich.

Korzystać z niej mogą wszyscy pragnący poznać metody analizy regresji i analizy wariancji oraz praktycznie wykorzystywać pakiet STATISTICA, który pojawia się w książce jako narzędzie do przeprowadzania obliczeń statystycznych oraz tworzenia wykresów ułatwiających interpretacje wyników przeprowadzanych analiz. Książka jest ilustrowana wieloma wykresami oraz zrzutami ekranowymi z programu STATISTICA. Należy jednak podkreślić, że książka nie jest dokumentacją do programu STATISTICA - zostały w niej przedstawione tylko wybrane opcje analiz statystycznych.

Rozdziały:

1. ANALIZA REGRESJI PROSTEJ    21
  I. Wprowadzenie
  II. Regresja liniowa
  III. Klasyczny model regresji liniowej
  IV. Estymacja i estymatory
  V. Założenia modelu
  VI. A jak to się liczy w programie STATISTICA

2. REGRESJA WIELORAKA    59
  I. Wprowadzenie
  II. Założenia modelu
  III. A jak to się liczy w programie STATISTICA

3. ANALIZA RESZT    99
  I. Wprowadzenie
  II. A jak się to liczy w programie STATISTICA

4. REGRESJA KROKOWA     137
  I. Wprowadzenie
  II. Regresja hierarchiczna
  III. Metoda regresji krokowej

5. REGRESJA NIELINIOWA     167
  I. Wprowadzenie
  II. Modele linearyzowalne
  III. Modele nieliniowe
  IV. Regresja segmentowa
  V. Analizy pokrewne i dopełniające w programie STATISTICA

6. REGRESJA LOGISTYCZNA     217
  I. Wprowadzenie
  II. A jak to się liczy w programie STATISTICA
  III. Ocena mocy predykcji
  IV. Regresja probitowa

7. ELEMENTY PLANOWANIA DOŚWIADCZEŃ       255
  I. Wprowadzenie
  II. Terminologia
  III. Podstawowe plany doświadczalne

8. JEDNOCZYNNIKOWA ANALIZA WARIANCJI       271
  I. Wprowadzenie
  II. Analiza wariancji - klasyfikacja jednoczynnikowa
  III. A jak to się liczy w programie STATISTICA
  IV. Podsumowanie

9. WIELOCZYNNIKOWA ANALIZA WARIANCJI     307
  I. Wprowadzenie
  II. A jak to się liczy w programie STATISTICA

10. ZAŁOŻENIA ANALIZY WARIANCJI I OCENA WIELKOŚCI EFEKTÓW EKSPERYMENTALNYCH      337
  I. Wprowadzenie
  II. A jak to się sprawdza w programie STATISTICA
  III. Oceny wielkości efektów eksperymentalnych

11. PROCEDURY PORÓWNAŃ WIELOKROTNYCH - ANALIZA KONTRASTÓW    363
  I. Wprowadzenie
  II. Kontrasty
  III. A jak to się liczy w programie STATISTICA
  IV. Predefiniowane kontrasty
  V. Analiza trendu
  VI. Podsumowanie

12. PROCEDURY PORÓWNAŃ WIELOKROTNYCH -TESTY POST-HOC    391
  I. Wprowadzenie
  II. Porównania post-hoc
  III. Porównanie metod
  IV. A jak to się liczy w programie STATISTICA
  V. Podsumowanie

13. WYBRANE UKŁADY DOŚWIADCZALNE    429
  I. Bloki losowe
  II. Kwadraty łacińskie
  III. A jak to się liczy w programie STATISTICA

14. HIERARCHICZNA ANALIZA WARIANCJI     453
  I. Wprowadzenie
  II. A jak to się liczy w programie STATISTICA

15. ANALIZA KOWARIANCJI     479
  I. Wprowadzenie
  II. Analiza założeń
  III. A jak to się liczy w programie STATISTICA

16. POWTARZANE POMIARY     517
  I. Wprowadzenie
  II. Założenia leżące u podstaw analizy wariancji z powtarzanymi pomiarami
  III. A jak to się liczy w programie STATISTICA

17. KOMPONENTY WARIANCYJNE     577
  I. Wprowadzenie
  II. A jak to się liczy w programie STATISTICA
  III. Uwagi końcowe

18. WIELOWYMIAROWA ANALIZA WARIANCJI - MANOVA      613
  I. Wprowadzenie
  II. A jak to się liczy w programie STATISTICA
  III. Założenia MANOVA. Uwagi

19. ANALIZA WARIANCJI - PODEJŚCIE MODELOWE I REGRESYJNE    655
  I. Wprowadzenie
  II. Modele analizy wariancji
  III. A jak to się liczy w programie STATISTICA
  IV. Wprowadzenie do układów niezrównoważonych

20. OGÓLNY MODEL LINIOWY     727
  I. Wprowadzenie
  II. A jak to się liczy w programie STATISTICA
  III. Podsumowanie

21. UOGÓLNIONY MODEL LINIOWY    773
  I. Wprowadzenie
  II. Specyfikacja modelu i ocena dopasowania
  III. A jak to się liczy w programie STATISTICA

22. WEKTORY I MACIERZE     829
  I. Wektory
  II. Macierze
  III. Definicja i własności wyznacznika macierzy
  IV. Układy równań liniowych
  V. Wartość własna i wektor własny