Zapytanie referencyjne: Uogólnione modele liniowe

Szukam książki wprowadzającej do poziomu średniego na temat ogólnych modeli liniowych. Idealnie, oprócz teorii leżącej u podstaw modeli, chciałbym, aby zawierały aplikacje i przykłady w języku R lub innym języku programowania - słyszę, że SAS jest również popularnym wyborem. Zamierzam przestudiować go na własną rękę, więc pomogłoby, gdyby dostarczył odpowiedzi na swoje własne ćwiczenia.

Możesz założyć, że wziąłem tradycyjne roczne kursy z rachunku różniczkowego i rachunku prawdopodobieństwa. Znam również podstawy analizy regresji.

Gelman, Andrew i Jennifer Hill. Analiza danych za pomocą regresji i modeli wielopoziomowych / hierarchicznych. Cambridge University Press, 2007, nie dotyczy samych GLM, ale także obejmuje to i ma niezłą mieszankę teorii, praktycznych porad, implementacji w języku R i ćwiczeń (a podczas wyszukiwania w Internecie możesz znaleźć wersja ebook!).

Nie jest to podręcznik, ale ogólnodostępny jest ten kurs dla absolwentów z Departamentu Rządu Harvarda, który obejmuje również najczęstsze GLM. Sekcje wideo dotyczą implementacji w R. Podręcznikiem jest King, Gary. Unifikacja metodologii politycznej: teoria prawdopodobieństwa wnioskowania statystycznego. University of Michigan Press, 1989.

Zastrzeżenie: Następuje wysoce subiektywna osobista opinia ...

W teorii i zastosowaniach nie mogę zbyt polecić Uogólnionych modeli liniowych i rozszerzeń Hardina i Hilbe. Wykorzystuje SPSS Stata (oba), których nigdy nie używam i nic nie wiem, ale obejmuje teorię i ma bardzo bogaty zestaw przykładów. Gdybym musiał wybrać jedną książkę na początek, byłaby to ta.

Bardziej skoncentrowana na teorii książka to Modele uogólnione, liniowe i mieszane autorstwa McCullocha, Searle i Neuhaus. Daje to mniej przykładów niż Hardin i Hilbe, ale idzie dalej do losowych efektów zarówno dla modelu liniowego, jak i GLM. To moja ulubiona książka GLM, ponieważ łączy wiele rzeczy razem, ale jeśli nie interesujesz się przypadkowymi efektami, może to być przesada.

To, co nazwałbym kanonicznym odniesieniem dla GLM, to uogólnione modele liniowe McCullagha i Neldera. To trochę starszy tytuł, ale bardzo mi się podobało.

Uogólnione modele liniowe z zastosowaniami w inżynierii i naukach autorstwa Myersa, Montgomery'ego, Vininga i Robinsona spędzają nieco więcej czasu na binarnych / poissońskich GLM, a także mają interesujące przykłady. Nowe wydanie zawiera przykłady w kilku językach, w tym R.

Już dawno temu podjąłem rozszerzenie modelu liniowego Faraway o R: Uogólnione modele liniowe, efekty mieszane i modele regresji nieparametrycznej , i było to bardzo przydatne w pomaganiu mi robić rzeczy w R, chociaż nie jest to dobra książka „naucz się GLM”. Ale może być dobrym towarzyszem niektórych innych książek.

Naprawdę lubię strategie modelowania regresji Franka Harrella.

Tekst Dobsona i Barnetta

http://www.amazon.com/Introduction-Generalized-Edition-Chapman-Statystyczny/dp/1584889500

myślę, że jest skierowany dokładnie w kierunku, o który prosisz. Doskonale równoważy szczegóły techniczne i przyjazny styl.

Ten bardzo mi pomógł:

Modele mieszanego efektu liniowego Springera z wykorzystaniem R. A. Galeckiego i T. Burzykowskiego.

http://www.springer.com/statistics/statistic+theory+and+methods/book/978-1-4614-3899-1

Wprowadzenie do statystycznego uczenia się za pomocą aplikacji w języku R było bardzo łatwym do naśladowania tekstem wprowadzającym, który obejmuje GLM, i jak sugeruje tytuł, zawiera zestawy problemów i przykładowy kod w języku R. Wiele się nauczyłem, czytając tę ​​książkę.

Jeśli czujesz się komfortowo z liniową algebrą, elementy uczenia statystycznego obejmują ten sam materiał bardziej szczegółowo i wiele innych tematów, ale nie ma tego samego rodzaju łatwych do naśladowania Rprzykładów stylów samouczków w rozdziałach.

Te notatki wykładowe dla niemieckich Rodrigueza”Princeton kurs na GLMs są dokładne wprowadzenie, zapakowane wraz z przykładami z bardziej popularnych typów, i wyjaśnianiu relacji między nimi. Bardziej teoretyczne aspekty są podzielone na dwa załączniki.

Alain Zuur jest książka „początkujący przewodnikiem do GLM i GLMM z R” podaje kilka przykładów miłe dla GLMs i GLMMs w R.

Oto dobry opis uogólnionej regresji liniowej. Kod jest wykonywany w języku R i wyjaśnia, jak działają. CRAN ma również pakiet, glmnetktóry robi to za Ciebie, ale początkowo może być trochę niewygodny. Ale kiedy już się zorientujesz, jest dość elastyczny. Oto dobre napisać na glmnet. Mam nadzieję, że to pomaga.