Modelli misti lineari generalizzati: Concetti, metodi e applicazioni moderne

Recensioni dei lettori

Il libro è molto apprezzato per il suo approccio chiaro e informativo ai modelli misti lineari generalizzati (GLMM), che rende accessibili concetti complessi anche a chi è alle prime armi con la statistica. I lettori ne apprezzano l'applicazione pratica e la guida passo-passo alla progettazione e all'analisi degli studi. Tuttavia, molte recensioni segnalano un numero significativo di refusi ed errori che ostacolano l'esperienza di apprendimento e suggeriscono che può essere difficile navigare autonomamente a causa della sua densità. Nel complesso, è considerato una risorsa preziosa, in particolare per gli istruttori e gli studenti avanzati, nonostante i suoi difetti.

⬤ Esposizione chiara e convincente dei GLMM, a partire dalla regressione lineare.
⬤ Forte attenzione alla progettazione e all'analisi di studi appropriati.
⬤ Testo ben scritto, conciso e con un tocco di umorismo.
⬤ Utile per comprendere le strutture di errore e la modellazione.
⬤ Esempi concreti e codici SAS scaricabili.
⬤ Ideale per l'insegnamento e l'apprendimento delle statistiche.

⬤ Numerosi refusi ed errori nel testo e negli esempi di codice.
⬤ Materiale denso che può essere difficile da seguire senza una guida.
⬤ Mancanza di codice R nonostante la sua rilevanza.
⬤ Alcuni concetti complessi non sono ben illustrati, il che li rende difficili da afferrare.

(basato su 8 recensioni dei lettori)

Titolo originale:

Generalized Linear Mixed Models: Modern Concepts, Methods and Applications

Contenuto del libro:

Il libro Generalized Linear Mixed Models: Modern Concepts, Methods and Applications presenta un'introduzione alla modellistica lineare utilizzando il modello misto lineare generalizzato (GLMM) come quadro concettuale generale. Per i lettori che non conoscono i modelli lineari, il libro li aiuta a vedere il quadro generale. Mostra come i modelli lineari si adattano al resto del curriculum statistico di base e sottolinea le principali questioni che i modellisti statistici devono considerare.

Oltre a descrivere le applicazioni comuni dei GLMM, il testo introduce la teoria essenziale e la metodologia principale associata ai modelli lineari che tengono conto degli effetti casuali del modello e dei dati non gaussiani. A differenza dei tradizionali libri di testo sui modelli lineari che si concentrano su dati normalmente distribuiti, questo adotta un approccio generalizzato ai modelli misti: i dati per la modellazione lineare non devono necessariamente essere normalmente distribuiti e gli effetti possono essere fissi o casuali.

Con numerosi esempi che utilizzano il PROC GLIMMIX di SAS(R), questo libro è ideale per gli studenti di statistica, per i professionisti della statistica che desiderano aggiornare le proprie conoscenze e per i ricercatori che si avvicinano al processo di pensiero del modello lineare generalizzato. Si concentra sui processi guidati dai dati e fornisce un contesto per estendere il pensiero del modello lineare tradizionale alla modellazione mista lineare generalizzata.

Guardate il professor Stroup mentre parla del libro.