Bewertung:
Das Buch bietet fortgeschrittene Einblicke in lineare Modelle und enthält nützlichen R-Code, ist aber für Leser ohne fundierte Kenntnisse in Mathematik und Statistik nicht leicht zugänglich. Es eignet sich eher als Nachschlagewerk für Personen mit Vorkenntnissen denn als Einführungstext.
Vorteile:⬤ Enthält nützlichen R-Code, der für den persönlichen Gebrauch modifiziert werden kann
⬤ gründliche Erklärungen zu erweiterten linearen Modellen
⬤ klare und reproduzierbare Ergebnisse.
⬤ Ohne gute Algebra- und Statistik-Kenntnisse nicht einfach zu verstehen
⬤ keine klare Zielgruppe
⬤ einige Erklärungen sind zu knapp
⬤ irreführender Titel, der ein einführendes Tempo suggeriert
⬤ keine Lösungen für Übungen wie angegeben.
(basierend auf 7 Leserbewertungen)
Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models, Second Edition
(Start Analyzing a Wide Range of Problems)
Seit der Veröffentlichung des Bestsellers und der sehr empfehlenswerten ersten Auflage hat R sowohl in seiner Popularität als auch in der Anzahl der verfügbaren Pakete erheblich zugenommen. Das Buch Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models, Second Edition nutzt die Vorteile der größeren Funktionalität, die jetzt in R verfügbar ist, und überarbeitet und ergänzt mehrere Themen erheblich.
Neu in der zweiten Auflage
⬤ Erweiterte Abdeckung von binären und binomialen Antworten, einschließlich proportionaler Antworten, Quasibinomial- und Betaregression, sowie angewandte Überlegungen zu diesen Modellen.
⬤ Neue Abschnitte über Poisson-Modelle mit Streuung, null-aufgeblähte Zählmodelle, lineare Diskriminanzanalyse sowie Sandwich- und robuste Schätzung für verallgemeinerte lineare Modelle (GLMs)
⬤ Überarbeitete Kapitel über zufällige Effekte und wiederholte Messungen, die die Änderungen im lme4-Paket widerspiegeln und zeigen, wie Hypothesentests für die Modelle mit anderen Methoden durchgeführt werden können.
⬤ Neues Kapitel über die Bayes'sche Analyse von Modellen mit gemischten Effekten, das die Verwendung von STAN veranschaulicht und die Approximationsmethode von INLA vorstellt.
⬤ Überarbeitetes Kapitel über verallgemeinerte lineare gemischte Modelle, um die viel größere Auswahl an Anpassungssoftware widerzuspiegeln, die jetzt verfügbar ist.
⬤ Aktualisierte Abdeckung von Splines und Konfidenzbändern im Kapitel über nichtparametrische Regression.
⬤ Neues Material über Zufallswälder für Regression und Klassifikation.
⬤ Der gesamte R-Code wurde überarbeitet, insbesondere die vielen Diagramme, die das ggplot2-Paket verwenden.
⬤ Überarbeitete und erweiterte Übungen mit Lösungen sind jetzt enthalten.
(Zeigt das Zusammenspiel von Theorie und Praxis)
Dieses Lehrbuch deckt weiterhin eine Reihe von Techniken ab, die sich aus dem linearen Regressionsmodell ergeben. Es stellt drei Erweiterungen des linearen Rahmens vor: GLMs, Modelle mit gemischtem Effekt und nichtparametrische Regressionsmodelle. Das Buch erklärt die Datenanalyse anhand realer Beispiele und enthält alle R-Befehle, die zur Reproduktion der Analysen erforderlich sind.
| ISBN: | 9781498720960 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2016 |
| Seitenzahl: | 399 |
Derzeit verfügbar, auf Lager.
