Leserbewertungen
Zusammenfassung:Das Buch wird für seine klare und informative Herangehensweise an verallgemeinerte lineare gemischte Modelle (GLMMs) geschätzt, die komplexe Konzepte auch für Statistikneulinge zugänglich macht. Die Leser schätzen die praktische Anwendung und die schrittweise Anleitung zu Studiendesign und Analyse. In vielen Rezensionen wird jedoch auf eine beträchtliche Anzahl von Tippfehlern und Irrtümern hingewiesen, die den Lernerfolg beeinträchtigen, und es wird darauf hingewiesen, dass es aufgrund der Dichte des Buches schwierig sein kann, sich selbständig zurechtzufinden. Insgesamt wird das Buch trotz seiner Mängel als wertvolles Hilfsmittel angesehen, insbesondere für Dozenten und fortgeschrittene Studenten.
Vorteile:⬤ Klare und überzeugende Darstellung von GLMMs, ausgehend von der linearen Regression.
⬤ Starker Fokus auf angemessenes Studiendesign und Analyse.
⬤ Gut geschriebener, prägnanter Text mit einem Hauch von Humor.
⬤ Hilfreich für das Verständnis von Fehlerstrukturen und Modellierung.
⬤ Konkrete Beispiele und herunterladbare SAS-Codes.
⬤ Ideal zum Lehren und Lernen von Statistik.
⬤ Zahlreiche Tippfehler und Fehler im Text und in den Codebeispielen.
⬤ Das dichte Material kann ohne Anleitung schwer zu verstehen sein.
⬤ Mangel an R-Code trotz seiner Relevanz.
⬤ Einige komplexe Konzepte sind nicht gut illustriert, so dass sie schwer zu verstehen sind.
(basierend auf 8 Leserbewertungen)
Originaltitel:
Generalized Linear Mixed Models: Modern Concepts, Methods and Applications
Inhalt des Buches:
Generalized Linear Mixed Models: Modern Concepts, Methods and Applications bietet eine Einführung in die lineare Modellierung unter Verwendung des generalisierten linearen gemischten Modells (GLMM) als übergreifenden konzeptionellen Rahmen. Lesern, für die lineare Modelle neu sind, hilft das Buch, das große Ganze zu erkennen. Es zeigt auf, wie lineare Modelle in das übrige Kerncurriculum der Statistik passen und weist auf die wichtigsten Aspekte hin, die statistische Modellierer berücksichtigen müssen.
Neben der Beschreibung gängiger Anwendungen von GLMMs führt der Text in die wesentliche Theorie und die Hauptmethodik ein, die mit linearen Modellen verbunden sind, die zufällige Modelleffekte und nicht-gaußsche Daten berücksichtigen. Im Gegensatz zu traditionellen Lehrbüchern über lineare Modelle, die sich auf normalverteilte Daten konzentrieren, wird in diesem Buch durchgängig ein verallgemeinerter Mixed-Model-Ansatz verfolgt: Die Daten für die lineare Modellierung müssen nicht normalverteilt sein und die Effekte können fest oder zufällig sein.
Mit zahlreichen Beispielen, die SAS(R) PROC GLIMMIX verwenden, ist dieses Buch ideal für Statistikstudenten, Statistiker, die ihr Wissen auffrischen wollen, und Forscher, die neu im Denkprozess des verallgemeinerten linearen Modells sind. Es konzentriert sich auf datengesteuerte Prozesse und bietet einen Kontext für die Erweiterung des traditionellen linearen Modelldenkens auf die verallgemeinerte lineare gemischte Modellierung.
Sehen Sie Professor Stroup bei der Besprechung des Buches.
Weitere Daten des Buches:
| ISBN: | 9781439815120 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2012 |
| Seitenzahl: | 555 |
Kauf:
Derzeit verfügbar, auf Lager.
