Fondamenti di modelli lineari e lineari generalizzati

Recensioni dei lettori

Il libro è stato accolto con recensioni contrastanti, lodato per la sua rigorosa introduzione alla modellazione lineare e ai modelli lineari generalizzati, nonché per il suo equilibrio tra teoria ed esempi pratici di codifica. Tuttavia, alcuni lettori lo trovano quasi illeggibile a causa della notazione non standard e della mancanza di definizioni formali.

Fornisce un'introduzione rigorosa ai modelli lineari e ai modelli lineari generalizzati, un buon equilibrio tra teoria e applicabilità, esempi completi di codifica in R, inclusione di esercizi in appendice, ben scritto e accessibile senza sacrificare il rigore matematico.

Alcuni lettori trovano il libro quasi illeggibile per la notazione non standard e la mancanza di struttura formale, può essere difficile da capire e manca di spiegazioni dettagliate per alcuni concetti.

(basato su 5 recensioni dei lettori)

Titolo originale:

Foundations of Linear and Generalized Linear Models

Contenuto del libro:

Una preziosa panoramica delle idee e dei risultati più importanti della modellistica statistica.

Scritto da un autore di grande esperienza, Foundations of Linear and Generalized Linear Models è una guida chiara e completa ai concetti chiave e ai risultati dei modelli statistici lineari. Il libro presenta un'ampia e approfondita panoramica dei modelli statistici più comunemente utilizzati, discutendo la teoria alla base dei modelli, le applicazioni del software R ed esempi con modelli realizzati per chiarire le idee chiave e promuovere la costruzione di modelli pratici.

Il libro inizia illustrando i fondamenti dei modelli lineari, come ad esempio il modo in cui il model-fitting proietta i dati su un sottospazio vettoriale del modello e come le decomposizioni ortogonali dei dati forniscono informazioni sugli effetti delle variabili esplicative. Successivamente, il libro tratta i modelli lineari generalizzati più diffusi, che comprendono la regressione logistica binomiale e multinomiale per i dati categoriali e i modelli logistici binomiali negativi e di Poisson per i dati di conteggio. Concentrandosi sui fondamenti teorici di questi modelli, Foundations of Linear and Generalized Linear Models presenta anche:

⬤ Un'introduzione ai metodi di quasi-liquidità che richiedono ipotesi distributive più deboli, come i metodi di equazione di stima generalizzata.

⬤ Una panoramica dei modelli misti lineari e dei modelli misti lineari generalizzati con effetti casuali per dati clustered correlati, della modellazione bayesiana e delle estensioni per gestire casi problematici come i problemi ad alta dimensionalità.

⬤ Numerosi esempi che utilizzano il software R per tutte le analisi dei dati del testo.

⬤ Più di 400 esercizi che permettono ai lettori di esercitarsi ed estendere la teoria, i metodi e l'analisi dei dati.

⬤ Un sito web supplementare con set di dati per gli esempi e gli esercizi.

Un libro di testo prezioso per gli studenti dei corsi di statistica e biostatistica, Foundations of Linear and Generalized Linear Models è anche un riferimento eccellente per gli statistici e i biostatistici che praticano e per chiunque sia interessato a conoscere i modelli statistici più importanti per l'analisi dei dati.