Ocena:
Książka jest wysoko ceniona za praktyczne podejście do regresji liniowej, kładąc nacisk na zastosowanie i kodowanie w R. Jest przydatna zarówno dla początkujących, jak i tych, którzy chcą zweryfikować swoją wiedzę, zawierając jasne wyjaśnienia i przemyślane spostrzeżenia. Autor zapewnia łatwo dostępny kod online, zwiększając komfort użytkowania. Chociaż książka porusza wiele tematów bez zagłębiania się w teorię, jest ceniona za prostotę i praktyczność, szczególnie w kontekście rzeczywistych zastosowań, takich jak badania kliniczne.
Zalety:⬤ Praktyczne podejście do nauki regresji liniowej.
⬤ Nacisk na zastosowanie i kodowanie w R.
⬤ Dostęp do kodu R online do eksperymentowania.
⬤ Przejrzyste wyjaśnienia i pomocne spostrzeżenia.
⬤ Dobra równowaga między teorią a zastosowaniem.
⬤ Przydatna zarówno dla początkujących, jak i tych, którzy przeglądają koncepcje.
⬤ Brak rygorystycznych dowodów, może nie zadowolić tych, którzy szukają dogłębnego pokrycia teoretycznego.
⬤ Niektórzy użytkownicy życzą sobie indeksu poleceń R dla łatwiejszego odniesienia.
(na podstawie 10 opinii czytelników)
Linear Models with R
Praktyczny sposób nauki analizy danych
Modele liniowe, będące częścią rdzenia statystyki, są wykorzystywane do przewidywania i wyjaśniania związku między odpowiedzią a predyktorami. Zrozumienie modeli liniowych ma kluczowe znaczenie dla szerszych kompetencji w praktyce statystycznej. Książka Linear Models with R, Second Edition wyjaśnia, jak korzystać z modeli liniowych w naukach fizycznych, inżynierii, naukach społecznych i zastosowaniach biznesowych. Książka zawiera kilka ulepszeń, które odzwierciedlają, jak świat R znacznie się rozszerzył od czasu publikacji pierwszego wydania.
Nowości w drugim wydaniu
⬤ Zreorganizowany materiał na temat interpretacji modeli liniowych, który rozróżnia główne zastosowania przewidywania i wyjaśniania oraz wprowadza elementarne pojęcia przyczynowości.
⬤ Dodatkowe tematy, w tym dekompozycja QR, splajny, modele addytywne, Lasso, wielokrotna imputacja i wskaźniki fałszywych odkryć.
⬤ Szerokie wykorzystanie pakietu graficznego ggplot2 oprócz grafiki podstawowej.
Podobnie jak jego powszechnie chwalony, najlepiej sprzedający się poprzednik, ta edycja łączy statystyki i R, aby płynnie przedstawić spójną ekspozycję praktyki modelowania liniowego. Tekst oferuje aktualny wgląd w podstawowe tematy analizy danych, od estymacji, wnioskowania i przewidywania po brakujące dane, modele czynnikowe i projekty blokowe. Liczne przykłady ilustrują, jak stosować różne metody przy użyciu R.
