Solicitud de referencia: modelos lineales generalizados

Estoy buscando un libro de introducción al nivel intermedio sobre modelos lineales generalizados. Idealmente, además de la teoría detrás de los modelos, me gustaría que incluyera aplicaciones y ejemplos en R u otro lenguaje de programación. Escuché que SAS también es una opción popular. Tengo la intención de estudiarlo por mi cuenta, por lo que sería útil si proporcionara las respuestas a sus propios ejercicios.

Puede suponer que he tomado los cursos tradicionales de un año de cálculo y teoría de la probabilidad. También estoy familiarizado con los conceptos básicos del análisis de regresión.

Gelman, Andrew y Jennifer Hill. Análisis de datos mediante regresión y modelos multinivel / jerárquicos. Cambridge University Press, 2007, no se trata de GLM per se, sino que también cubre eso y tiene una buena combinación de teoría, consejos prácticos, implementación en R y ejercicios (y, cuando lo busca en la web, puede encontrar un versión de libro electrónico!).

No es un libro de texto, pero está disponible gratuitamente en este curso de estadística para graduados del Departamento de Gobierno de Harvard, que también cubre los GLM más comunes. Los videos de la sección cubren la implementación en R. El libro de texto es King, Gary. Metodología política unificadora: la teoría de la probabilidad de inferencia estadística. Prensa de la Universidad de Michigan, 1989.

Descargo de responsabilidad: sigue una opinión personal altamente subjetiva ...

Para teoría y aplicaciones, no puedo recomendar modelos lineales generalizados y extensiones de Hardin e Hilbe demasiado. Utiliza SPSS Stata, (ambos) que nunca uso y no sé nada, pero cubre la teoría y tiene un conjunto muy rico de ejemplos. Si tuviera que elegir un libro para empezar, sería este.

Un libro más centrado en la teoría es Modelos generalizados, lineales y mixtos de McCulloch, Searle y Neuhaus. Esto tiene menos ejemplos que Hardin e Hilbe, pero va más allá de los efectos aleatorios tanto para el modelo lineal como para el GLM. Este es mi libro GLM favorito, porque conecta muchas cosas, pero si no te interesan los efectos aleatorios, puede ser excesivo.

Lo que yo llamaría una referencia canónica para GLM son los modelos lineales generalizados de McCullagh y Nelder. Es un título un poco más antiguo, pero lo disfruté mucho.

Los modelos lineales generalizados con aplicaciones en ingeniería y ciencias de Myers, Montgomery, Vining y Robinson pasan un poco más de tiempo en los GLM binarios / poisson y también tienen ejemplos interesantes. La nueva edición tiene ejemplos en algunos idiomas, incluido R.

Recogí Faraway's Extendiendo el modelo lineal con R: modelos lineales generalizados, de efectos mixtos y modelos de regresión no paramétricos hace un tiempo, y ha sido muy útil para ayudarme a hacer cosas en R, aunque no es un buen libro de "autodidacta GLM". Pero puede ser un buen compañero para algunos de los otros libros que existen.

Realmente me gustan las estrategias de modelado de regresión de Frank Harrell.

El texto de Dobson y Barnett.

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

Creo que apunta exactamente en la dirección que pides. Hace un buen trabajo al equilibrar los detalles técnicos y el estilo amigable.

Este me ayudó mucho:

Modelos de efectos mixtos lineales Springer con R de A. Galecki y T. Burzykowski.

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

Introducción al aprendizaje estadístico con aplicaciones en R fue un texto introductorio realmente fácil de seguir que cubre GLM y, como sugiere el título, viene con conjuntos de problemas y código de ejemplo en R. Aprendí mucho al leer ese libro.

Si se siente cómodo con Álgebra lineal, los Elementos de aprendizaje estadístico cubren el mismo material con más detalle y muchos otros temas también, pero no tiene el mismo tipo de Rejemplos de estilo tutorial fáciles de seguir en los capítulos.

Las notas de clase para el curso Princeton de German Rodriguez sobre GLM son una introducción completa, repleta de ejemplos de los tipos más comunes y explican las relaciones entre ellos. Los aspectos más teóricos se separan en dos apéndices.

El libro de Alain Zuur "Una guía para principiantes de GLM y GLMM con R" da algunos buenos ejemplos de GLM y GLMM en R.

Aquí hay un buen artículo sobre regresión lineal generalizada. El código se realiza en R y explica cómo funcionan. CRAN también tiene un paquete glmnetque hace esto por usted, pero puede ser un poco difícil de usar inicialmente. Pero una vez que te acostumbras, es bastante flexible. Aquí hay un buen artículo sobre glmnet. Espero que ayude.