Introduction aux modèles linéaires généralisés (Dobson Annette J. (University of Queensland Herston Australia))

Avis des lecteurs

Résumé:

Ce livre est une introduction accessible aux modèles linéaires généralisés (GLM), bien adaptée aux lecteurs ayant des connaissances en régression linéaire, en logistique et en théorie statistique de base. Il est particulièrement utile pour les étudiants qui préparent des examens spécifiques et pour ceux qui poursuivent une carrière dans la science des données. Cependant, il peut s'avérer insuffisant pour les débutants complets en raison de ses exemples de codage limités et de l'absence d'un support complet.

Avantages:

⬤ Facile à lire en une seule séance
⬤ bon pour ceux qui sont familiers avec la régression de base
⬤ bien écrit avec des informations précieuses
⬤ utile pour passer des examens
⬤ explications théoriques accessibles.

Inconvénients:

⬤ Insuffisant pour les débutants complets
⬤ exemples de code limités
⬤ pas de support supplémentaire pour les utilisateurs de Stata
⬤ ne fournit pas de preuves pour les affirmations relatives à la distribution.

(basé sur 6 avis de lecteurs)

Titre original :

Introduction to Generalized Linear Models (Dobson Annette J. (University of Queensland Herston Australia))

Contenu du livre :

An Introduction to Generalized Linear Models, Fourth Edition fournit un cadre cohérent pour la modélisation statistique, en mettant l'accent sur les méthodes numériques et graphiques. Cette nouvelle édition d'un best-seller a été mise à jour avec de nouvelles sections sur les associations non linéaires, des stratégies de sélection de modèles et une Postface sur les bonnes pratiques statistiques.

Comme son prédécesseur, cette édition présente le contexte théorique des modèles linéaires généralisés (GLM) avant de se concentrer sur les méthodes d'analyse de types particuliers de données. Elle couvre les distributions normales, de Poisson et binomiales, les modèles de régression linéaire, les méthodes classiques d'estimation et d'ajustement des modèles, ainsi que les méthodes fréquentistes d'inférence statistique. Après avoir posé ces bases, les auteurs explorent la régression linéaire multiple, l'analyse de la variance (ANOVA), la régression logistique, les modèles log-linéaires, l'analyse de survie, la modélisation multiniveaux, les modèles bayésiens et les méthodes de Monte Carlo par chaîne de Markov (MCMC).

⬤ Il présente les GLM d'une manière qui permet aux lecteurs de comprendre la structure unificatrice qui les sous-tend.

⬤ Il aborde les concepts et principes communs des GLM avancés, y compris la régression nominale et ordinale, l'analyse de survie, les associations non linéaires et l'analyse longitudinale.

⬤ L'analyse bayésienne et les méthodes MCMC pour ajuster les GLM.

⬤ Contient de nombreux exemples tirés du monde des affaires, de la médecine, de l'ingénierie et des sciences sociales.

⬤ Fournit le code d'exemple pour R, Stata et WinBUGS afin d'encourager la mise en œuvre des méthodes.

⬤ Il offre les ensembles de données et les solutions aux exercices en ligne.

⬤ Décrit les composantes d'une bonne pratique statistique pour améliorer la validité scientifique et la reproductibilité des résultats.

En utilisant des logiciels statistiques populaires, ce texte concis et accessible illustre les approches pratiques de l'estimation, de l'ajustement des modèles et des comparaisons de modèles.

Autres informations sur le livre :

• ISBN : 9781138741683
• Auteur : J. Dobson Annette
• Éditeur : Taylor & Francis Ltd
• Langue : anglais
• Reliure : Relié
• Année de publication : 2018
• Nombre de pages : 376