Estensione del modello lineare con R: Modelli di regressione lineare generalizzata, a effetti misti e non parametrici, seconda edizione

Recensioni dei lettori

Il libro fornisce approfondimenti avanzati sui modelli lineari e include un utile codice R, ma non è facilmente accessibile per i lettori che non hanno un solido background in matematica e statistica. Può essere più adatto come riferimento per coloro che hanno conoscenze pregresse piuttosto che come testo introduttivo.

⬤ Include un utile codice R che può essere modificato per uso personale
⬤ spiegazioni approfondite dei modelli lineari estesi
⬤ risultati chiari e riproducibili.

⬤ Non è facile da seguire senza una buona conoscenza dell'algebra e della statistica
⬤ manca un chiaro target di riferimento
⬤ alcune spiegazioni sono troppo concise
⬤ titolo fuorviante che suggerisce un ritmo introduttivo
⬤ non vengono fornite soluzioni per gli esercizi come dichiarato.

(basato su 7 recensioni dei lettori)

Titolo originale:

Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models, Second Edition

Contenuto del libro:

Iniziare ad analizzare un'ampia gamma di problemi.

Dalla pubblicazione della prima edizione, bestseller e altamente raccomandata, R si è notevolmente ampliato sia in termini di popolarità che di numero di pacchetti disponibili. Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models, Second Edition sfrutta le maggiori funzionalità ora disponibili in R e rivede e aggiunge sostanzialmente diversi argomenti.

Novità della seconda edizione

⬤ Copertura ampliata delle risposte binarie e binomiali, comprese le risposte proporzionali, la regressione quasibinomiale e beta, e considerazioni applicate su questi modelli.

⬤ Nuove sezioni sui modelli di Poisson con dispersione, sui modelli di conteggio a inflazione zero, sull'analisi discriminante lineare e sulla stima robusta e a sandwich per i modelli lineari generalizzati (GLM).

⬤ Capitoli rivisti sugli effetti casuali e sulle misure ripetute che riflettono le modifiche apportate al pacchetto lme4 e mostrano come eseguire test di ipotesi per i modelli utilizzando altri metodi.

⬤ Nuovo capitolo sull'analisi bayesiana dei modelli a effetti misti che illustra l'uso di STAN e presenta il metodo di approssimazione di INLA.

⬤ Revisione del capitolo sui modelli misti lineari generalizzati per riflettere la scelta molto più ricca di software di adattamento ora disponibili.

⬤ Aggiornata la trattazione delle spline e delle bande di confidenza nel capitolo sulla regressione non parametrica.

⬤ Nuovo materiale sulle foreste casuali per la regressione e la classificazione.

⬤ Codice R rinnovato in ogni sua parte, in particolare i numerosi grafici che utilizzano il pacchetto ggplot2.

⬤ Esercizi rivisti e ampliati con soluzioni ora incluse.

Dimostra l'interazione tra teoria e pratica.

Questo libro di testo continua a trattare una serie di tecniche che nascono dal modello di regressione lineare. Presenta tre estensioni del modello lineare: GLM, modelli a effetti misti e modelli di regressione non parametrici. Il libro spiega l'analisi dei dati utilizzando esempi reali e include tutti i comandi R necessari per riprodurre le analisi.