Bewertung:

Das Buch wird wegen seines aufschlussreichen Ansatzes zur Modellauswahl und Modellmittelung in der Statistik hoch geschätzt und behandelt kritische Konzepte im Zusammenhang mit Modellunsicherheit. Die Rezensenten bringen zum Ausdruck, dass das Buch ihr Verständnis und ihre Anwendung der statistischen Inferenz erheblich verbessert hat, auch wenn es für einige Leser anfangs eine Herausforderung sein mag.
Vorteile:⬤ Transformativ für das Verständnis von Statistik und Modellunsicherheit.
⬤ Bietet praktische analytische Werkzeuge für die Modellauswahl und Mittelwertbildung.
⬤ Behandelt wichtige philosophische Aspekte der statistischen Inferenz.
⬤ Gut geschrieben mit lohnenden Beispielen und Details.
⬤ Spannend für theoretische Statistiker und Praktiker.
⬤ Kann eine schwierige Lektüre für diejenigen sein, die keinen starken statistischen Hintergrund haben.
⬤ Einige Leser werden feststellen, dass sie das Buch mehrmals lesen müssen, um die Konzepte vollständig zu erfassen.
(basierend auf 5 Leserbewertungen)
Model Selection and Model Averaging
Die Wahl eines Modells ist von zentraler Bedeutung für jede statistische Arbeit mit Daten. Wir haben rasche Fortschritte bei der Modellanpassung und beim theoretischen Verständnis der Modellauswahl erlebt, doch dieses Buch ist das erste, das Forschung und Praxis in diesem aktiven Bereich zusammenfasst.
Die Kriterien für die Modellauswahl werden erläutert, diskutiert und verglichen, einschließlich AIC, BIC, DIC und FIC. Die mit der Modellauswahl verbundenen Unsicherheiten werden anhand von Diskussionen über häufige und Bayes'sche Methoden behandelt. Es werden Schemata zur Modellmittelung vorgestellt.
Beispiele mit realen Daten werden durch Ableitungen ergänzt, die einen tieferen Einblick in die Methodik geben, und lehrreiche Übungen machen mit den Methoden vertraut. Die begleitende Website bietet Datensätze und R-Code.