Todavía soy bastante nuevo en los modelos lineales generalizados, y lucho con mucha notación en la mayoría de los textos GLM que he recogido. ¿Hay libros GLM extremadamente populares que se prestan mejor a la legibilidad?
Todavía soy bastante nuevo en los modelos lineales generalizados, y lucho con mucha notación en la mayoría de los textos GLM que he recogido. ¿Hay libros GLM extremadamente populares que se prestan mejor a la legibilidad?
Respuestas:
Para un nuevo practicante, me gusta Gelman y Hill.
Análisis de datos utilizando regresión y modelos multinivel / jerárquicos
Aparentemente, el libro trata sobre modelos lineales generalizados jerárquicos, un tema más avanzado que los GLM; la primera sección, sin embargo, es una guía maravillosa para practicantes de GLM.
El libro es ligero en teoría, pesado en práctica estadística disciplinada, rebosante de estudios de casos y código R práctico, todo dicho con una voz agradable y amigable.
Soy un gran admirador del análisis de datos categóricos de Agresti .
Leí el libro de introducción de Agresti, pero descubrí que faltan interpretaciones clave sobre cómo se construye el modelo lineal generalizado y cómo funciona. Por ejemplo, es posible que no necesite saber cómo funcionan la distribución binomial y el enlace logit si solo desea ajustar una regresión logística. Sin embargo, es molesto cuando lees el capítulo y comienzas a preguntarte, pero no puedes encontrarlo en el libro.
El libro de McCullagh y Nelder GLM es difícil de leer. Contiene todo lo que necesita saber, pero carece de la derivación para los resultados clave.
Por suerte, el análisis de datos categóricos de Agresti presenta un buen equilibrio.
Como un completo principiante, el célebre autor de Análisis de datos categóricos Alan Agresti me pareció útil para Fundamentos de modelos lineales y lineales generalizados . El lenguaje es fluido, aunque se supone cierta exposición al álgebra lineal.
Realmente me gustaron los modelos de efectos mixtos con extensiones en R - Zuur, et. al . Es una continuación de su libro anterior Analizando datos ecológicos (2007). Hacen un buen trabajo motivando a los modelos, junto con muchos ejemplos visuales para explicar cómo se ven los GLM. También logran un buen equilibrio entre teoría, aplicación y discusión. Además, tienen todos los códigos y conjuntos de datos en su sitio web, por lo que puede aplicar de inmediato lo que ha aprendido.