Ich bin noch ziemlich neu in verallgemeinerten linearen Modellen, und ich habe Probleme mit der Notation in den meisten GLM-Texten, die ich aufgegriffen habe. Gibt es äußerst beliebte GLM-Bücher, die sich besser lesen lassen?
regression
generalized-linear-model
references
Atticus29
quelle
quelle
Antworten:
Für einen neuen Praktizierenden mag ich Gelman und Hill.
Datenanalyse mit Regression und mehrstufigen / hierarchischen Modellen
Angeblich handelt das Buch von hierarchischen verallgemeinerten linearen Modellen, einem fortgeschritteneren Thema als GLMs; Der erste Abschnitt ist jedoch ein wunderbarer Leitfaden für GLM-Praktiker.
Das Buch ist leicht in der Theorie, schwer in der disziplinierten statistischen Praxis, voller Fallstudien und praktischer R-Codes, alles in einer angenehmen, freundlichen Stimme.
quelle
Ich bin ein großer Fan von Agrestis Categorical Data Analysis .
Ich habe Agrestis Intro-Buch gelesen, aber es fehlen wichtige Interpretationen dafür, wie ein verallgemeinertes lineares Modell aufgebaut ist und wie es funktioniert. Beispielsweise müssen Sie möglicherweise nicht wissen, wie die Binomialverteilung und der Logit-Link funktionieren, wenn Sie nur eine logistische Regression anpassen möchten. Es ist jedoch ärgerlich, wenn Sie das Kapitel gelesen und sich darüber Gedanken gemacht haben, es aber nicht im Buch gefunden haben.
Das McCullagh and Nelder GLM-Buch ist schwer zu lesen. Es enthält alles, was Sie wissen müssen, aber es fehlt die Ableitung für die wichtigsten Ergebnisse.
Glücklicherweise ist die kategoriale Datenanalyse von Agresti ein gutes Gleichgewicht.
quelle
Als absoluter Anfänger fand ich die Grundlagen linearer und generalisierter linearer Modelle des berühmten Autors für kategoriale Datenanalyse, Alan Agresti, hilfreich. Die Sprache ist flüssig, obwohl eine gewisse Exposition gegenüber linearer Algebra vorausgesetzt wird.
quelle
Ich mochte Mixed-Effects-Modelle mit Erweiterungen in R-Zuur, et. al . Es ist eine Fortsetzung ihres älteren Buches Analysieren ökologischer Daten (2007). Sie motivieren die Models sehr gut und zeigen anhand zahlreicher visueller Beispiele, wie GLMs aussehen. Sie finden auch eine gute Balance zwischen Theorie, Anwendung und Diskussion. Außerdem haben sie alle Codes und Datensätze auf ihrer Website, sodass Sie das Gelernte sofort anwenden können.
quelle