Ocena:
Książka zapewnia zaawansowany wgląd w modele liniowe i zawiera przydatny kod R, ale nie jest łatwo dostępna dla czytelników bez silnego doświadczenia w matematyce i statystyce. Może być bardziej odpowiednia jako odniesienie dla osób z wcześniejszą wiedzą niż jako tekst wprowadzający.
Zalety:⬤ Zawiera przydatny kod R, który można zmodyfikować do własnego użytku
⬤ dokładne wyjaśnienia rozszerzonych modeli liniowych
⬤ jasne i powtarzalne wyniki.
⬤ Niełatwa do zrozumienia bez dobrej znajomości algebry i statystyki
⬤ brak jasno określonej grupy docelowej
⬤ niektóre objaśnienia są zbyt lakoniczne
⬤ mylący tytuł sugerujący tempo wprowadzające
⬤ brak podanych rozwiązań ćwiczeń.
(na podstawie 7 opinii czytelników)
Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models, Second Edition
Rozpocznij analizę szerokiego zakresu problemów.
Od czasu opublikowania bestsellerowego, wysoce rekomendowanego pierwszego wydania, R znacznie zyskał zarówno na popularności, jak i na liczbie dostępnych pakietów. Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models, Second Edition wykorzystuje większą funkcjonalność dostępną obecnie w R i znacząco zmienia i dodaje kilka tematów.
Nowości w drugim wydaniu
⬤ Rozszerzony zakres odpowiedzi binarnych i dwumianowych, w tym odpowiedzi proporcjonalnych, regresji quasi-binarnej i beta oraz zastosowanych rozważań dotyczących tych modeli.
⬤ Nowe rozdziały poświęcone modelom Poissona z dyspersją, modelom zliczania z zerowym napompowaniem, liniowej analizie dyskryminacyjnej oraz estymacji warstwowej i odpornej dla uogólnionych modeli liniowych (GLM).
⬤ Zmienione rozdziały dotyczące efektów losowych i powtarzanych pomiarów, które odzwierciedlają zmiany w pakiecie lme4 i pokazują, jak przeprowadzić testowanie hipotez dla modeli przy użyciu innych metod.
⬤ Nowy rozdział poświęcony bayesowskiej analizie modeli efektów mieszanych, który ilustruje użycie STAN i przedstawia metodę aproksymacji INLA.
⬤ Zmieniony rozdział poświęcony uogólnionym liniowym modelom mieszanym, aby odzwierciedlić znacznie bogatszy wybór dostępnego obecnie oprogramowania dopasowującego.
⬤ Zaktualizowane omówienie splajnów i przedziałów ufności w rozdziale poświęconym regresji nieparametrycznej.
⬤ Nowy materiał na temat lasów losowych dla regresji i klasyfikacji.
⬤ Zmieniony kod R, w szczególności wiele wykresów wykorzystujących pakiet ggplot2.
⬤ Zmienione i rozszerzone ćwiczenia z rozwiązaniami.
Demonstruje wzajemne oddziaływanie teorii i praktyki.
Niniejszy podręcznik nadal obejmuje szereg technik, które wyrastają z modelu regresji liniowej. Przedstawiono w nim trzy rozszerzenia modelu liniowego: GLM, modele efektów mieszanych i nieparametryczne modele regresji. Książka wyjaśnia analizę danych na rzeczywistych przykładach i zawiera wszystkie polecenia R niezbędne do odtworzenia analiz.
