Uogólnione liniowe modele mieszane: Nowoczesne koncepcje, metody i zastosowania

Opinie czytelników

Książka jest wysoko ceniona za jasne i pouczające podejście do uogólnionych liniowych modeli mieszanych (GLMM), dzięki czemu złożone koncepcje są dostępne nawet dla osób początkujących w statystyce. Czytelnicy doceniają jej praktyczne zastosowanie i wskazówki krok po kroku dotyczące projektowania i analizy badań. Wiele recenzji wskazuje jednak na znaczną liczbę literówek i błędów, które utrudniają naukę i sugerują, że samodzielna nawigacja może być trudna ze względu na jej gęstość. Ogólnie rzecz biorąc, pomimo swoich wad, jest ona uważana za cenne źródło wiedzy, szczególnie dla instruktorów i zaawansowanych studentów.

⬤ Przejrzysta i przekonująca ekspozycja GLMM, począwszy od regresji liniowej.
⬤ Silny nacisk na odpowiednie projektowanie i analizę badań.
⬤ Dobrze napisany, zwięzły tekst z odrobiną humoru.
⬤ Pomocny w zrozumieniu struktur błędów i modelowania.
⬤ Konkretne przykłady i kody SAS do pobrania.
⬤ Idealny do nauczania i uczenia się statystyki.

⬤ Liczne literówki i błędy w tekście i przykładach kodu.
⬤ Gęsty materiał może być trudny do przyswojenia bez wskazówek.
⬤ Brak kodu R pomimo jego przydatności.
⬤ Niektóre złożone koncepcje nie są dobrze zilustrowane, co utrudnia ich zrozumienie.

(na podstawie 8 opinii czytelników)

Oryginalny tytuł:

Generalized Linear Mixed Models: Modern Concepts, Methods and Applications

Zawartość książki:

Generalized Linear Mixed Models: Modern Concepts, Methods and Applications przedstawia wprowadzenie do modelowania liniowego z wykorzystaniem uogólnionego liniowego modelu mieszanego (GLMM) jako nadrzędnej ramy koncepcyjnej. Czytelnikom, którzy dopiero zaczynają przygodę z modelami liniowymi, książka pomaga zobaczyć szerszy obraz. Pokazuje, w jaki sposób modele liniowe pasują do reszty podstawowego programu nauczania statystyki i wskazuje na główne kwestie, które modelarze statystyczni muszą wziąć pod uwagę.

Wraz z opisem typowych zastosowań GLMM, tekst wprowadza podstawową teorię i główną metodologię związaną z modelami liniowymi, które uwzględniają losowe efekty modelu i dane niegaussowskie. W przeciwieństwie do tradycyjnych podręczników poświęconych modelom liniowym, które koncentrują się na danych o rozkładzie normalnym, ten przyjmuje podejście uogólnionego modelu mieszanego: dane do modelowania liniowego nie muszą mieć rozkładu normalnego, a efekty mogą być stałe lub losowe.

Dzięki licznym przykładom wykorzystującym SAS(R) PROC GLIMMIX, książka ta jest idealna dla absolwentów studiów statystycznych, statystyków pragnących zaktualizować swoją wiedzę oraz badaczy nowych w procesie myślenia o uogólnionym modelu liniowym. Koncentruje się na procesach opartych na danych i zapewnia kontekst dla rozszerzenia tradycyjnego myślenia o modelach liniowych na uogólnione liniowe modelowanie mieszane.

Zobacz, jak profesor Stroup omawia książkę.