Bewertung:
Das Buch wird wegen seines praktischen Ansatzes in der Statistik, insbesondere bei den Bayes'schen Methoden, hoch geschätzt und ist daher ein hervorragendes Hilfsmittel für fortgeschrittene Studenten und Forscher. Es betont die Intuition und die Anwendung in der Praxis, ist aber aufgrund seiner Komplexität und der unkonventionellen Terminologie möglicherweise nicht für Anfänger geeignet.
Vorteile:⬤ Klare Motivationen für praktische Aspekte der Statistik, insbesondere in den ersten Kapiteln.
⬤ Der konversationelle Stil macht das Buch zugänglich und fesselnd.
⬤ Starker Fokus auf Bayes'sche Analyse und moderne statistische Methoden.
⬤ Gut geschrieben mit zahlreichen praktischen Beispielen aus den Sozialwissenschaften.
⬤ Umfassende Behandlung fortgeschrittener Themen, einschließlich Problemen mit p-Werten und Kausalschluss.
⬤ Nicht anfängerfreundlich; setzt ein starkes mathematisches Hintergrundwissen voraus.
⬤ Glossiert einige kritische Formeln und Details, was zu Verständnislücken führen kann.
⬤ Unkonventionelle Terminologie für Fehler kann Leser verwirren.
⬤ Einige Leser empfanden die letzten Kapitel über Kausalschlüsse als schwierig.
⬤ Schlechte Druckqualität und Navigationsprobleme in der Kindle-Version.
(basierend auf 25 Leserbewertungen)
Regression and Other Stories
Die meisten Lehrbücher über Regression konzentrieren sich auf die Theorie und die einfachsten Beispiele. Reale statistische Probleme sind jedoch komplex und subtil.
Dies ist kein Buch über die Theorie der Regression. Es geht um die Verwendung der Regression zur Lösung realer Probleme des Vergleichs, der Schätzung, der Vorhersage und des Kausalschlusses. Im Gegensatz zu anderen Büchern konzentriert es sich auf praktische Fragen wie Stichprobenumfang und fehlende Daten sowie auf eine breite Palette von Zielen und Techniken.
Es führt Sie direkt zu Methoden und Computercode, die Sie sofort anwenden können. Echte Beispiele und Geschichten aus der Erfahrung der Autoren zeigen, was die Regression leisten kann und wo ihre Grenzen liegen, mit praktischen Ratschlägen zum Verständnis von Annahmen und zur Implementierung von Methoden für Experimente und Beobachtungsstudien.
Sie schaffen einen reibungslosen Übergang zur logistischen Regression und GLM. Der Schwerpunkt liegt eher auf Berechnungen in R und Stan als auf Ableitungen, wobei der Code online verfügbar ist.
Grafiken und Präsentationen erleichtern das Verständnis der Modelle und der Modellanpassung.
| ISBN: | 9781107676510 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2020 |
| Seitenzahl: | 548 |
Derzeit verfügbar, auf Lager.
