Analiza wielopoziomowa z wykorzystaniem danych symbolicznych

• Autorzy: Adam Sagan , Marcin Pełka

Warianty tytułu

Multilevel Analysis with Application of Symbolic Data

• Języki publikacji: PL

Słowa kluczowe

PL

Analiza danych; Gospodarstwa domowe

EN

Data analysis; Households

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2016
• Tom: 26
• Numer: nr 426 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 174--184

Twórcy

autor

Adam Sagan

• Akademia Ekonomiczna w Krakowie

autor

Marcin Pełka

• Uniwersytet Ekonomiczny we Wrocławiu

Bibliografia

• Ansari A., Jedidi K., 2000, Bayesian factor analysis for multilevel binary observations, Psy-chometrika, vol. 65, no. 4, s. 475-496.
• Asparouhov T., Muthén B., 2009, Exploratory structural equation modeling, Structural Equation Modeling, vol. 16, no. 3, s. 397-438.
• Billard L., Diday E., 2006, Symbolic Data Analysis. Conceptual Statistics and Data Mining, John Wiley & Sons, Chichester.
• Bock H.-H., Diday E. (red.), 2000, Analysis of Symbolic Data. Explanatory Methods for Extracting Statistical Information from Complex Data, Springer-Verlag, Berlin-Heidelberg.
• Bryk A.S., Raudenbush S.W., 1992, Hierarchical Linear Models: Applications and Data Analysis Methods, Sage Publications, Thousand Oaks.
• Chou C.P., Bentler P.M., Pentz M.A., 1998, Comparisons of two statistical approaches to study growth curves: The multilevel model and the latent curve analysis, Structural Equation Model-ing, vol. 5, no. 3, s. 247-266.
• Diday E., Noirhomme-Fraiture M., 2008, Symbolic Data Analysis. Conceptual Statistics and Data Mining, Wiley, Chichester.
• Dudek A., 2013, Metody analizy danych symbolicznych w badaniach ekonomicznych, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, Wrocław.
• Goldstein H., 1995, Multilevel Statistical Models, Edward Arnold, New York.
• Hox J.J., 2010, Multilevel Analysis: Technique and Applications, Routledge, New York.
• Lima-Neto E.A., de Carvalho F.A.T., 2008, Centre and range method to fitting a linear regression model on symbolic interval data, Computational Statistics and Data Analysis, vol. 52, no. 1, s. 1500-1515.
• Lima-Neto E.A., de Carvalho F.A.T., 2010, Constrained linear regression models for symbolic inter-val-valued variables, Computational Statistics and Data Analysis, vol. 54, s. 333-347.
• Muthén B., 1989, Latent variable modeling in heterogeneous populations, Psychometrika, vol. 54, no. 4, s. 557-585.
• Muthén B., 1994, Multilevel covariance structure analysis, Sociological Methods & Research, vol. 22, no. 3, s. 376-398.
• Noirhomme-Fraiture M., Brito P., 2011, Far Beyond the Classical Data Models: Symbolic Data Analysis, Statistical Analysis and Data Mining, vol. 4, no. 2, s. 157-170.
• Pełka M., 2014, Podejście wielomodelowe w regresji danych symbolicznych interwałowych, Ekonometria 4 (46), s. 211-220.
• Paterson L., Goldstein H., 1991, New statistical methods for analysing social structures: An introduc-tion to multilevel models, British Educational Research Journal, vol. 17, no. 4, s. 387-393.
• Sagan A. (red.), 2014, Values and Preferences in Income Allocation of Polish Households, Fundacja Uniwersytetu Ekonomicznego w Krakowie, Kraków.
• Skrondal A., Rabe-Hesketh S., 2004, Generalized Latent Variable Modeling: Multilevel, Longtidual and Structural Equation Models, Chapman & Hall, Boca Raton.

Identyfikatory

DOI

10.15611/pn.2016.426.18