کتاب Regression Analysis (تجزیه و تحلیل رگرسیون: یک مقدمه عملی، ویرایش دوم) از جمله بهترین منابع یادگیری تحلیل رگرسیون و کاربرد آن است. این کتاب در 14 فصل به طور مفصل و کامل به شرح رگرسیون و انواع آن خواهد پرداخت.
در ادامه مقدمه‌ای از کتاب Regression Analysis را از زبان نویسنده شرح خواهیم داد.
مقدمه‌ای بر کتاب Regression Analysis:
من در زندگیم بسکتبال زیادی بازی کرده‌ام. من در دبیرستان متوسط بودم و ششمین مرد (اولین نفر از روی نیمکت) در تیم دبیرستانم بودم. در دقیقه 5:9″ من در تمام موقعیت‌ها به غیر از گارد امتیاز بازی می‌کردم (حتی به طور خلاصه در مرکز، چون می‌دانستم چگونه راه حریف را سد کنم) … می‌توانستم دفاع کنم، بپرم و ریباند کنم، اما نمی‌توانستم خوب دریبل بزنم یا شوت بزنم.
اگرچه من تا 30 سالگی (و برد 3 امتیازی در اواسط 40 سالگی) هرگز یک شوت خارجی ثابت نداشتم، اما در کالج (دانشگاه جورج تاون) بود که دریبل زدن، رانندگی به سمت سبد، و تیراندازی به پرش‌های میان رده را یاد گرفتم. بد نیست بگویم این به من کمک کرد که در چند تورنمنت 1 به 1 و 3 به 3 برنده شوم.
در ورزشگاه جورج تاون بود که من شروع کردم به تجربه با “دست گرم”، به خصوص در آن روزهای مرطوب تابستان 95 درجه. دست داغ دوره ای از بازی در سطحی سیستماتیک بالاتر از چیزی است که معمولاً در آن بازی می‌کنید، که اغلب به آن “در منطقه بودن” یا “en fuego” می‌گویند.
کسانی از شما که ورزش می‌کنید ممکن است در هر ورزشی که انجام می‌دهید آن را تجربه کرده باشید. همسرم می‌گوید که آن را در حرفه رقص خود تجربه کرده است. برای من، بعضی روزها، فقط احساس بهتری نسبت به توپ داشتم و احتمال اینکه هر نوع شوتی که می‌خواستم بزنم، بیشتر بود.
و در یکی از آن رویدادهای داغ برای خودم است که برای مدت کوتاهی از 7’2 برتری گرفتم، دایکمب موتومبو، تالار مشاهیر آینده NBA. (اگر روزی مرا ملاقات کنید و بپرسید، با کمال میل داستان را برایتان تعریف می‌کنم.)
بنابراین می‌توانید تعجب من را وقتی خواندم که دسته ای از اقتصاددانان، آماردانان و روانشناسان مشهور (از جمله برخی از برندگان جایزه نوبل) با هم بحث می‌کنند، تصور کنید: بر اساس مطالعات متعددی که نتوانستند مدرکی برای دست داغ پیدا کنند، این که دست داغ حاصل تخیلات ما است. بسیاری از آن‌ها مواردی را در امتداد این جمله بیان کردند که “دست داغ در بسکتبال یک افسانه است.” چگونه توانستند این را نتیجه بگیرند؟
من مجبور شدم به تنهایی آن را بررسی کنم و از روش‌هایی برای افزایش “قدرت” آزمون استفاده کنم. مطمئناً در سال 2010 شواهدی مبنی بر وجود دست داغ پیدا کردم و آن را منتشر کردم.
اما موفقیت‌های واقعی در چند سال بعد با تحقیقات دوستانم دان استون (از کالج بودوین)، جاش میلر (دانشگاه ملبورن) و آدام سانجورجو (دانشگاه آلیکانته) به دست آمد. آن‌ها در مطالعات اولیه (و مطالعات من) سوگیری‌هایی پیدا کردند که بر علیه تشخیص دست داغ کار می‌کند.
بارزترین سوگیری جاش و آدام مربوط به مغالطه قمارباز است (که در فصل 6 کتاب Regression Analysis به اختصار به آن خواهم پرداخت). سوگیری دان (از خطای اندازه‌گیری) بصری‌تر بود، زیرا خطای اندازه‌گیری باید در هر چک لیستی برای سوگیری‌های احتمالی در یک مطالعه باشد. اما هیچ کس (از جمله خود من) آن را تشخیص نداده بود.
چگونه آن محققان مشهور و برندگان جایزه نوبل ممکن است چنین اشتباهات بزرگی مرتکب شوند؟ نه تنها این منابع سوگیری را از دست دادند، بلکه از منطق مغالطه آمیز در تفسیرهای خود نیز استفاده کردند: فقدان شواهد برای دست داغ دلیلی بر نبود آن نبود. (در این مورد بیشتر در فصل 5 کتاب Regression Analysis بحث خواهم کرد).
این برای من نقطه عطفی بود که بسیاری از محققین معتبر بدون ارزیابی انتقادی به این بحث پرداختند. در حالی که من برای از دست دادن تعصب بزرگ که جاش و آدام متوجه شد، من مقصر بودم که سوگیری خطای اندازه‌گیری را که دن پیدا کرده بود، تشخیص ندادم.
و بنابراین این قوس داستانی روی دست داغ الگویی را که در سایر موضوعات تحقیقاتی می‌دیدم تأیید کرد، و به من ضربه زد: بله، اکثر اقتصاددانان زبان و فرمول‌هایی را می‌دانند که چرا ممکن است همه چیز در تحلیل رگرسیون اشتباه شود، اما بسیاری از آن‌ها اینطور نیستند.
به خوبی در تشخیص این موارد در هنگام وقوع آموزش دیده‌اند، و بسیاری از آن‌ها راه مناسب برای تفسیر نتایج رگرسیون‌ها را درک نمی‌کنند. من فکر کردم که باید راه بهتری برای آموزش تحلیل رگرسیون وجود داشته باشد.
در این مرحله بود که فهمیدم داستانی برای گفتن دارم. من به درک بسیاری از مفاهیم تحلیل رگرسیون رسیده ام که بسیاری از محققین از آن‌ها دوری می‌کنند. این مفاهیم، نه از کلاس‌هایم، بلکه از تجربه عملی من در تخمین هزاران رگرسیون… و از اشتباهات زیادی که در تحقیقاتم مرتکب شده‌ام، به ذهنم آمد.
دروسی که از بررسی نتایج آموختم به من کمک کرد تا نقاط را بین چندین مفهوم اساسی وصل کنم. و بنابراین، از این تجربیات با مشکلات مختلف تحلیل رگرسیون، از اشتباهاتی که مرتکب شده‌ام، از آنچه به من کمک کرد نقاط بین مفاهیم را به هم متصل کنم، داستانی در مورد چگونگی درک بهتر، انجام و بررسی دقیق تحلیل رگرسیون ایجاد کردم.
من کتابی را نوشتم که دوست داشتم، در دوره کارشناسی یا کارشناسی ارشد، به من کمک کند تا تحلیل رگرسیون را به شیوه ای کارآمد و عملی یاد بگیرم و به من کمک کند از بسیاری از اشتباهات تحقیقاتی که مرتکب شدم، اجتناب کنم.
سرفصل‌های کتاب Regression Analysis:
- Cover
- Half Title
- Title Page
- Copyright Page
- Dedication
- Table of Contents
- List of figures
- List of tables
- About the author
- Preface
- Acknowledgments
- List of abbreviations
- 1 Introduction
- 2 Regression analysis basics
- 3 Essential tools for regression analysis
- 4 What does “holding other factors constant” mean?
- 5 Standard errors, hypothesis tests, p-values, and aliens
- 6 What could go wrong when estimating causal effects?
- 7 Strategies for other regression objectives
- 8 Methods to address biases
- 9 Other methods besides Ordinary Least Squares
- 10 Time-series models
- 11 Some really interesting research
- 12 How to conduct a research project
- 13 The ethics of regression analysis
- 14 Summarizing thoughts
- Appendix of background statistical tools
- Glossary
- Index
جهت دانلود کتاب Regression Analysis می‌توانید پس از پرداخت، دریافت کنید.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.