Wprowadzenie do uogólnionych modeli liniowych (Dobson Annette J. (University of Queensland Herston Australia))

Opinie czytelników

Książka służy jako przystępne wprowadzenie do uogólnionych modeli liniowych (GLM), dobrze dostosowane do czytelników z pewnym doświadczeniem w regresji liniowej, logistyce i podstawowej teorii statystycznej. Jest ona szczególnie przydatna dla studentów przygotowujących się do określonych egzaminów oraz dla osób kontynuujących karierę w nauce o danych. Może jednak okazać się niewystarczająca dla zupełnie początkujących ze względu na ograniczone przykłady kodowania i brak kompleksowego wsparcia.

⬤ Łatwa do przeczytania za jednym posiedzeniem
⬤ dobra dla osób zaznajomionych z podstawową regresją
⬤ dobrze napisana z cennymi informacjami
⬤ pomocna przy zdawaniu egzaminów
⬤ przystępne wyjaśnienia teoretyczne.

⬤ Niewystarczająca dla zupełnie początkujących
⬤ ograniczone przykłady kodu
⬤ brak dodatkowego wsparcia dla użytkowników Stata
⬤ nie dostarcza dowodów na twierdzenia dotyczące dystrybucji.

(na podstawie 6 opinii czytelników)

Oryginalny tytuł:

Introduction to Generalized Linear Models (Dobson Annette J. (University of Queensland Herston Australia))

Zawartość książki:

Wprowadzenie do uogólnionych modeli liniowych An Introduction to Generalized Linear Models, Fourth Edition zapewnia spójne ramy modelowania statystycznego, z naciskiem na metody numeryczne i graficzne. To nowe wydanie bestsellera zostało zaktualizowane o nowe sekcje dotyczące nieliniowych asocjacji, strategii wyboru modelu oraz przedmowę dotyczącą dobrych praktyk statystycznych.

Podobnie jak jego poprzednik, to wydanie przedstawia teoretyczne podstawy uogólnionych modeli liniowych (GLM), zanim skupi się na metodach analizy poszczególnych rodzajów danych. Obejmuje rozkłady normalne, Poissona i dwumianowe; modele regresji liniowej; klasyczne metody estymacji i dopasowywania modeli; oraz częstościowe metody wnioskowania statystycznego. Po stworzeniu tych podstaw, autorzy badają wielokrotną regresję liniową, analizę wariancji (ANOVA), regresję logistyczną, modele log-liniowe, analizę przeżycia, modelowanie wielopoziomowe, modele bayesowskie i metody Monte Carlo z łańcuchem Markowa (MCMC).

⬤ Wprowadza GLM w sposób, który umożliwia czytelnikom zrozumienie jednolitej struktury, która leży u ich podstaw.

⬤ Omawia wspólne koncepcje i zasady zaawansowanych modeli GLM, w tym regresję nominalną i porządkową, analizę przeżycia, nieliniowe asocjacje i analizę podłużną.

⬤ Łączy analizę bayesowską i metody MCMC w celu dopasowania GLM.

⬤ Zawiera liczne przykłady z biznesu, medycyny, inżynierii i nauk społecznych.

⬤ Zapewnia przykładowy kod dla R, Stata i WinBUGS, aby zachęcić do wdrożenia metod.

⬤ Oferuje zestawy danych i rozwiązania ćwiczeń online.

⬤ Opisuje elementy dobrej praktyki statystycznej w celu poprawy wiarygodności naukowej i powtarzalności wyników.

Korzystając z popularnych programów statystycznych, ten zwięzły i przystępny tekst ilustruje praktyczne podejście do estymacji, dopasowywania modeli i ich porównywania.