Modelli lineari generalizzati

Recensioni dei lettori

Il libro è un'esplorazione completa dei modelli lineari generalizzati (GLM), apprezzata per il suo rigore matematico e l'approccio strutturato, che lo rendono adatto a chi ha un solido background quantitativo. Tuttavia, è stato criticato per la sua densità e la sua difficoltà per i principianti che potrebbero mancare di conoscenze di base.

⬤ Spiegazioni eccellenti dei dettagli matematici del GLM, comprese le funzioni di legame e la stima della verosimiglianza.
⬤ Ben strutturato e facile da seguire con esempi pratici.
⬤ Risorsa indispensabile per gli studenti e gli statistici del settore.
⬤ Forte base teorica costruita gradualmente nel corso del testo.

⬤ Contenuti densi che possono risultare impegnativi per i principianti senza conoscenze statistiche intermedie.
⬤ Mancano risposte chiare a domande fondamentali come quando utilizzare GLM rispetto a OLS o selezionare funzioni di varianza e di legame appropriate.
⬤ Considerato da alcuni più una monografia che un libro di testo adatto ai principianti.

(basato su 6 recensioni dei lettori)

Titolo originale:

Generalized Linear Models

Contenuto del libro:

Il successo della prima edizione di Modelli lineari generalizzati ha portato alla seconda edizione aggiornata, che continua a fornire una trattazione unificata e definitiva dei metodi per l'analisi di diversi tipi di dati. Oggi è ancora molto apprezzata per la sua chiarezza, la ricchezza di contenuti e la rilevanza diretta per le applicazioni agricole, biologiche, sanitarie, ingegneristiche e di altro tipo.

Gli autori si concentrano sull'esame del modo in cui una variabile di risposta dipende da una combinazione di variabili esplicative, di trattamento e di classificazione. Danno particolare rilievo al caso importante in cui la dipendenza avviene attraverso una combinazione lineare sconosciuta delle variabili esplicative.

La seconda edizione include argomenti aggiunti al nucleo della prima edizione, tra cui i metodi di verosimiglianza condizionale e marginale, le equazioni di stima e i modelli per gli effetti di dispersione e le componenti della dispersione. La trattazione di altri argomenti - modelli log-lineari e correlati, modelli di regressione log odds-ratio, modelli di risposta multinomiali, modelli lineari inversi e correlati, funzioni di quasi-liquidità e verifica dei modelli - è stata ampliata e incorpora revisioni significative.

La comprensione del materiale richiede semplicemente una conoscenza della teoria delle matrici e delle idee di base della teoria della probabilità, ma per la maggior parte il libro è autonomo. Pertanto, grazie ai suoi esempi pratici, ai numerosi esercizi e agli argomenti di uso diretto per i ricercatori di molte discipline, Modelli lineari generalizzati è un testo ideale, una guida all'autoapprendimento e un riferimento.