Bewertung:
Das Buch ist eine umfassende Untersuchung von verallgemeinerten linearen Modellen (GLM), die für ihre mathematische Strenge und ihren strukturierten Ansatz gelobt wird, wodurch es für diejenigen mit einem soliden quantitativen Hintergrund geeignet ist. Es wird jedoch kritisiert, dass es für Anfänger, denen es an Grundlagenwissen mangelt, zu dicht ist und eine Herausforderung darstellt.
Vorteile:⬤ Ausgezeichnete Erklärungen der mathematischen Details des GLM, einschließlich der Verknüpfungsfunktionen und der Likelihood-Schätzung.
⬤ Gut strukturiert und leicht nachvollziehbar mit praktischen Beispielen.
⬤ Unverzichtbares Hilfsmittel für Studenten und Statistiker in diesem Bereich.
⬤ Starke theoretische Grundlage, die schrittweise im Text aufgebaut wird.
⬤ Dichter Inhalt, der für Anfänger ohne statistische Vorkenntnisse eine Herausforderung darstellen kann.
⬤ Es fehlen klare Antworten auf grundlegende Fragen, z. B. wann GLM und wann OLS zu verwenden ist oder die Auswahl geeigneter Varianz- und Verknüpfungsfunktionen.
⬤ Wird von einigen eher als Monografie denn als ein einsteigerfreundliches Lehrbuch angesehen.
(basierend auf 6 Leserbewertungen)
Generalized Linear Models
Der Erfolg der ersten Auflage von Generalized Linear Models führte zu der aktualisierten zweiten Auflage, die weiterhin eine definitive, einheitliche Behandlung von Methoden für die Analyse verschiedener Arten von Daten bietet. Auch heute noch ist das Buch aufgrund seiner Klarheit, seines Inhaltsreichtums und seiner direkten Relevanz für landwirtschaftliche, biologische, gesundheitliche, technische und andere Anwendungen beliebt.
Die Autoren konzentrieren sich auf die Untersuchung der Art und Weise, wie eine Antwortvariable von einer Kombination aus erklärenden Variablen, Behandlungs- und Klassifikationsvariablen abhängt. Sie legen besonderen Wert auf den wichtigen Fall, dass die Abhängigkeit durch eine unbekannte, lineare Kombination der erklärenden Variablen auftritt.
Die Zweite Auflage enthält Themen, die dem Kern der ersten Auflage hinzugefügt wurden, einschließlich bedingter und marginaler Likelihood-Methoden, Schätzgleichungen und Modelle für Dispersionseffekte und Komponenten der Dispersion. Die Diskussion anderer Themen - log-lineare und verwandte Modelle, log-Ods-Ratio-Regressionsmodelle, multinomiale Antwortmodelle, inverse lineare und verwandte Modelle, Quasi-Likelihood-Funktionen und Modellüberprüfung - wurde erweitert und enthält bedeutende Überarbeitungen.
Zum Verständnis des Stoffes sind lediglich Kenntnisse der Matrixtheorie und der grundlegenden Ideen der Wahrscheinlichkeitstheorie erforderlich, aber im Großen und Ganzen ist das Buch in sich geschlossen. Mit seinen Beispielen, zahlreichen Übungen und Themen, die für Forscher in vielen Disziplinen von unmittelbarem Nutzen sind, eignet sich Generalized Linear Models daher ideal als Text, Anleitung zum Selbststudium und Nachschlagewerk.
| ISBN: | 9780412317606 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
| Erscheinungsjahr: | 1989 |
| Seitenzahl: | 532 |
Derzeit verfügbar, auf Lager.
