Ocena:
Książka została dobrze przyjęta ze względu na jasne wyjaśnienia pojęć statystycznych, praktyczne studia przypadków wykorzystujące rzeczywiste dane oraz efektywne wykorzystanie R do analizy danych ekologicznych. Jest uważana za niezbędne źródło wiedzy dla ekologów i naukowców zajmujących się naukami stosowanymi, którzy chcą zrozumieć i wdrożyć modele mieszane.
Zalety:⬤ Łatwo zrozumiałe wyjaśnienia w nietechnicznych terminach.
⬤ Uwzględnienie rzeczywistych, nieuporządkowanych zestawów danych do analizy.
⬤ Oferuje przykłady kodu R w całym tekście do praktycznej implementacji.
⬤ Płynna czytelność i wciągający styl pisania, w tym odrobina humoru.
⬤ Cenne źródło wiedzy dla naukowców i ekologów zajmujących się naukami stosowanymi, szczególnie w przypadku złożonych zagadnień związanych z danymi.
⬤ Dobra eksploracja modeli mieszanych i ich zastosowań.
⬤ Zasoby internetowe z pełnym kodem dla wszystkich przykładów.
⬤ Niektóre fizyczne egzemplarze zostały zgłoszone jako uszkodzone po dostarczeniu.
⬤ Obecność licznych literówek w całej książce.
⬤ Wymaga solidnego zrozumienia regresji liniowej, aby w pełni zrozumieć koncepcje.
⬤ Niektórzy recenzenci uważali, że niektóre tematy, takie jak modele hierarchiczne, wymagają bardziej dogłębnego omówienia.
(na podstawie 34 opinii czytelników)
Mixed Effects Models and Extensions in Ecology with R
Opierając się na udanym Analysing Ecological Data (2007) autorstwa Zuur, Ieno i Smitha, autorzy zapewniają teraz rozszerzone wprowadzenie do stosowania regresji i jej rozszerzeń w analizie danych ekologicznych. Podobnie jak w przypadku poprzedniej książki, rzeczywiste zestawy danych z podyplomowych studiów ekologicznych lub projektów badawczych są wykorzystywane w całym tekście.
Pierwsza część książki to w dużej mierze niematematyczne wprowadzenie do modelowania liniowych efektów mieszanych, GLM i GAM, modeli z zerową inflacją, GEE, GLMM i GAMM. Druga część zawiera dziesięć studiów przypadków, od koali po badania głębin morskich. Rozdziały te zapewniają nieoceniony wgląd w analizę złożonych zbiorów danych ekologicznych, w tym porównania różnych podejść do tego samego problemu.
Poprzez dopasowanie pytań ekologicznych i struktury danych do studium przypadku, rozdziały te stanowią doskonały punkt wyjścia do analizy własnych danych. Dane i kod R ze wszystkich rozdziałów są dostępne na stronie www.highstat.com.
