Bewertung:
Das Buch dient als leicht lesbare Einführung in verallgemeinerte lineare Modelle (GLMs), die für diejenigen geeignet ist, die mit den Grundlagen der Statistik vertraut sind. Es erklärt effektiv Intuitionen und Verfahren, obwohl es strenge Beweise und praktische Kodierungsbeispiele vermissen lässt.
Vorteile:⬤ Schnell und leicht zu lesen
⬤ gute Einführung in GLMs
⬤ gut geschrieben mit wertvollen Informationen
⬤ geeignet für CAS MAS-I Prüfungsvorbereitung
⬤ zugängliche theoretische Erklärungen.
⬤ Erfordert Vorkenntnisse in linearer und logistischer Regression
⬤ Beweise für Stichprobenverteilungen fehlen
⬤ unzureichende Kodierungsbeispiele und zusätzliche Ressourcen für Anfänger
⬤ kann für Personen ohne theoretischen Hintergrund in Statistik nicht vollständig geeignet sein.
(basierend auf 6 Leserbewertungen)
An Introduction to Generalized Linear Models
An Introduction to Generalized Linear Models, Fourth Edition bietet einen zusammenhängenden Rahmen für die statistische Modellierung, wobei der Schwerpunkt auf numerischen und grafischen Methoden liegt. Diese Neuauflage eines Bestsellers wurde mit neuen Abschnitten über nichtlineare Zusammenhänge, Strategien für die Modellauswahl und einem Nachwort über gute statistische Praxis aktualisiert.
Wie sein Vorgänger stellt diese Ausgabe den theoretischen Hintergrund von verallgemeinerten linearen Modellen (GLMs) vor, bevor sie sich auf Methoden zur Analyse bestimmter Arten von Daten konzentriert. Es werden Normal-, Poisson- und Binomialverteilungen, lineare Regressionsmodelle, klassische Schätz- und Modellanpassungsmethoden sowie frequentistische Methoden der statistischen Inferenz behandelt. Nachdem diese Grundlagen geschaffen wurden, untersuchen die Autoren die multiple lineare Regression, die Varianzanalyse (ANOVA), die logistische Regression, log-lineare Modelle, die Überlebensanalyse, die mehrstufige Modellierung, Bayes'sche Modelle und Markov-Chain-Monte-Carlo-Methoden (MCMC).
⬤ Einführung in GLMs auf eine Weise, die es dem Leser ermöglicht, die ihnen zugrunde liegende einheitliche Struktur zu verstehen.
⬤ Erörtert allgemeine Konzepte und Prinzipien fortgeschrittener GLMs, einschließlich nominaler und ordinaler Regression, Überlebensanalyse, nichtlinearer Assoziationen und Längsschnittanalyse.
⬤ Verbindet Bayes'sche Analyse und MCMC-Methoden zur Anpassung von GLMs.
⬤ Enthält zahlreiche Beispiele aus der Wirtschaft, der Medizin, dem Ingenieurwesen und den Sozialwissenschaften.
⬤ Stellt den Beispielcode für R, Stata und WinBUGS zur Verfügung, um die Implementierung der Methoden zu fördern.
⬤ Stellt die Datensätze und Lösungen zu den Übungen online zur Verfügung.
⬤ Beschreibt die Komponenten der guten statistischen Praxis, um die wissenschaftliche Validität und Reproduzierbarkeit der Ergebnisse zu verbessern.
Dieser prägnante und leicht verständliche Text veranschaulicht anhand gängiger statistischer Softwareprogramme praktische Ansätze zur Schätzung, Modellanpassung und zum Modellvergleich.
| ISBN: | 9781138741515 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2018 |
| Seitenzahl: | 376 |
Derzeit verfügbar, auf Lager.
