Leserbewertungen
Zusammenfassung:Das Buch wird mit gemischten Kritiken aufgenommen. Gelobt werden die rigorose Einführung in die lineare Modellierung und in verallgemeinerte lineare Modelle sowie die Ausgewogenheit von Theorie und praktischen Kodierungsbeispielen. Einige Leser finden es jedoch aufgrund der nicht standardisierten Notation und des Mangels an formalen Definitionen fast unlesbar.
Vorteile:Bietet eine rigorose Einführung in lineare Modelle und verallgemeinerte lineare Modelle, gute Ausgewogenheit von Theorie und Anwendbarkeit, umfassende Kodierungsbeispiele in R, Einbeziehung von Übungen im Anhang, gut geschrieben und zugänglich, ohne die mathematische Strenge zu opfern.
Nachteile:Einige Leser finden das Buch aufgrund der nicht standardisierten Notation und der fehlenden formalen Struktur fast unlesbar, es kann schwer zu verstehen sein und es fehlen detaillierte Erklärungen für einige Konzepte.
(basierend auf 5 Leserbewertungen)
Originaltitel:
Foundations of Linear and Generalized Linear Models
Inhalt des Buches:
(Ein wertvoller Überblick über die wichtigsten Ideen und Ergebnisse der statistischen Modellierung)
Foundations of Linear and Generalized Linear Models ist ein klarer und umfassender Leitfaden zu den wichtigsten Konzepten und Ergebnissen linearer statistischer Modelle, geschrieben von einem sehr erfahrenen Autor. Das Buch bietet einen breiten und detaillierten Überblick über die am häufigsten verwendeten statistischen Modelle, indem es die den Modellen zugrunde liegende Theorie, R-Software-Anwendungen und Beispiele mit ausgearbeiteten Modellen erörtert, um die wichtigsten Ideen zu erläutern und die praktische Modellerstellung zu fördern.
Das Buch beginnt mit der Erläuterung der Grundlagen linearer Modelle, z. B. wie die Modellanpassung die Daten auf einen Modellvektor-Unterraum projiziert und wie orthogonale Zerlegungen der Daten Informationen über die Auswirkungen der erklärenden Variablen liefern. Anschließend werden die gängigsten verallgemeinerten linearen Modelle behandelt, darunter die binomiale und multinomiale logistische Regression für kategoriale Daten und die loglinearen Poisson- und Negativ-Binomial-Modelle für Zähldaten. Mit dem Schwerpunkt auf den theoretischen Grundlagen dieser Modelle bietet Foundations of Linear and Generalized Linear Models außerdem:
⬤ Eine Einführung in Quasi-Likelihood-Methoden, die schwächere Verteilungsannahmen erfordern, wie z. B. verallgemeinerte Schätzgleichungsmethoden.
⬤ Ein Überblick über lineare gemischte Modelle und verallgemeinerte lineare gemischte Modelle mit zufälligen Effekten für geclusterte korrelierte Daten, Bayes'sche Modellierung und Erweiterungen zur Behandlung problematischer Fälle wie hochdimensionale Probleme.
⬤ Zahlreiche Beispiele, die R-Software für alle Textdatenanalysen verwenden.
⬤ Mehr als 400 Übungen für die Leser, um die Theorie, die Methoden und die Datenanalyse zu üben und zu erweitern.
⬤ Eine ergänzende Website mit Datensätzen für die Beispiele und Übungen.
Foundations of Linear and Generalized Linear Models ist ein unschätzbar wertvolles Lehrbuch für Studenten der Oberstufe und Absolventen von Statistik- und Biostatistikkursen. Es ist auch ein hervorragendes Nachschlagewerk für praktizierende Statistiker und Biostatistiker sowie für alle, die sich für die wichtigsten statistischen Modelle zur Datenanalyse interessieren.
Weitere Daten des Buches:
| ISBN: | 9781118730034 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2015 |
| Seitenzahl: | 480 |
Kauf:
Derzeit verfügbar, auf Lager.
