Principes, applications et interprétations de différentes techniques de modélisation statistique, classiques ou avancées, linéaires ou non linéaires,...
Lire la suite
Principes, applications et interprétations de différentes techniques de modélisation statistique, classiques ou avancées, linéaires ou non linéaires, incluant les modèles par les moindres carrés ordinaires, les modèles logit (logistiques), les modèles multiniveaux (hiérarchiques). Méthodologie progressive, avec de nombreux exemples Logiciels utilisés : MLwin et SAS (transposable en SPSS). Illustré par des tableaux et des captures d'écrans. Nouvelle édition incluant en téléchargement des exercices d'entraînement sur les bases de données et les programmes SAS ou SPSS de mise en oeuvre des analyses. Destiné aux étudiants et chercheurs en sciences de l'éducation, économie, psychologie, STAPS (sciences et techniques des activités physiques et sportives), méthodologie statistique, sociologie, démographique, géographique, agronomie et biologie.
Sommaire
ESQUISSE D'UNE EPISTEMOLOGIE DE LA MODELISATION STATISTIQUE EN SCIENCES SOCIALES
MODELISER DES RELATIONS SIMPLES
MODELISER DES INTERACTION ET DES NON-LINEARITES
MODELISER DES VARIABLES-REPONSES QUALITATIVES : LA REGRESSION LOGISTIQUE
MODELISER DES DONNEES HIERARCHISEES : LES MODELES MULTINIVEAUX
MODELISER DES DONNES COMPLEXES : LES EXTENSIONS DES MDELES MULTINIVEAUX