Extending the Linear Model with R : Generalized Linear, Mixed Effects and Nonparametric Regression Models, Second Edition (Extension du modèle linéaire avec R : modèles de régression linéaires généralisés, à effets mixtes et non paramétriques, deuxième édition)

Avis des lecteurs

Résumé:

Le livre fournit des informations avancées sur les modèles linéaires et inclut un code R utile, mais il n'est pas facilement accessible aux lecteurs qui n'ont pas de solides connaissances en mathématiques et en statistiques. Il convient mieux comme référence pour ceux qui ont des connaissances préalables que comme texte d'introduction.

Avantages:

⬤ Inclut un code R utile qui peut être modifié pour un usage personnel
⬤ explications approfondies des modèles linéaires étendus
⬤ résultats clairs et reproductibles.

Inconvénients:

⬤ Pas facile à suivre sans une bonne connaissance de l'algèbre et des statistiques
⬤ manque d'un public cible clair
⬤ certaines explications sont trop laconiques
⬤ titre trompeur suggérant un rythme d'introduction
⬤ pas de solutions fournies pour les exercices comme indiqué.

(basé sur 7 avis de lecteurs)

Titre original :

Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models, Second Edition

Contenu du livre :

Commencez à analyser un large éventail de problèmes

Depuis la publication de la première édition, best-seller hautement recommandé, R a considérablement gagné en popularité et en nombre de packages disponibles. L'ouvrage Extending the Linear Model with R : Generalized Linear, Mixed Effects and Nonparametric Regression Models, Second Edition tire parti de la plus grande fonctionnalité désormais disponible dans R et révise et ajoute plusieurs sujets de manière substantielle.

Nouveautés de la deuxième édition

⬤ Couverture élargie des réponses binaires et binomiales, y compris les réponses proportionnelles, la régression quasibinomiale et bêta, et les considérations appliquées à ces modèles.

⬤ De nouvelles sections sur les modèles de Poisson avec dispersion, les modèles de comptage à gonflement nul, l'analyse discriminante linéaire et l'estimation sandwich et robuste pour les modèles linéaires généralisés (GLM).

⬤ Les chapitres révisés sur les effets aléatoires et les mesures répétées reflètent les changements dans le package lme4 et montrent comment effectuer des tests d'hypothèse pour les modèles en utilisant d'autres méthodes.

⬤ Nouveau chapitre sur l'analyse bayésienne des modèles à effets mixtes qui illustre l'utilisation de STAN et présente la méthode d'approximation INLA.

⬤ Le chapitre sur les modèles linéaires mixtes généralisés a été révisé afin de refléter le choix beaucoup plus riche de logiciels d'ajustement désormais disponibles.

⬤ Mise à jour de la couverture des splines et des bandes de confiance dans le chapitre sur la régression non paramétrique.

⬤ Nouveau matériel sur les forêts aléatoires pour la régression et la classification.

⬤ Le code R a été remanié dans son ensemble, en particulier les nombreux graphiques utilisant le package ggplot2.

⬤ Exercices révisés et élargis avec solutions maintenant incluses.

Ce manuel continue de couvrir un large éventail de sujets, notamment les forêts aléatoires pour la régression et la classification.

Ce manuel continue à couvrir une gamme de techniques qui se développent à partir du modèle de régression linéaire. Il présente trois extensions du cadre linéaire : Les GLM, les modèles à effets mixtes et les modèles de régression non paramétriques. Le livre explique l'analyse des données à l'aide d'exemples réels et inclut toutes les commandes R nécessaires pour reproduire les analyses.

Autres informations sur le livre :

• ISBN : 9781498720960
• Auteur : J. Faraway Julian
• Éditeur : Crc Pr Inc
• Reliure : Relié
• Année de publication : 2016
• Nombre de pages : 399