Bewertung:
Das Buch ist eine leicht zugängliche Einführung in verallgemeinerte lineare Modelle (GLMs) und eignet sich für Leser mit Vorkenntnissen in linearer Regression, Logistik und grundlegender statistischer Theorie. Es ist besonders nützlich für Studenten, die sich auf bestimmte Prüfungen vorbereiten, und für diejenigen, die eine Karriere in der Datenwissenschaft anstreben. Aufgrund der begrenzten Anzahl von Programmierbeispielen und des Mangels an umfassender Unterstützung ist es für absolute Anfänger jedoch möglicherweise nicht geeignet.
Vorteile:⬤ Leicht in einer Sitzung zu lesen
⬤ gut für diejenigen, die mit den Grundlagen der Regression vertraut sind
⬤ gut geschrieben mit wertvollen Informationen
⬤ hilfreich für das Bestehen von Prüfungen
⬤ zugängliche theoretische Erklärungen.
⬤ Unzureichend für absolute Anfänger
⬤ begrenzte Code-Beispiele
⬤ keine zusätzliche Unterstützung für Stata-Benutzer
⬤ liefert keine Beweise für Verteilungsansprüche.
(basierend auf 6 Leserbewertungen)
Introduction to Generalized Linear Models (Dobson Annette J. (University of Queensland Herston Australia))
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: | 9781138741683 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2018 |
| Seitenzahl: | 376 |
Derzeit verfügbar, auf Lager.
