Tôi đang tìm kiếm một nghiên cứu trường hợp hồi quy tuyến tính tiên tiến minh họa các bước cần thiết để mô hình hóa các mối quan hệ phi tuyến tính phức tạp, sử dụng GLM hoặc OLS. Thật khó để tìm thấy các tài nguyên vượt ra ngoài các ví dụ cơ bản của trường học: hầu hết các cuốn sách tôi đã đọc sẽ không đi xa hơn là chuyển đổi nhật ký của phản hồi kết hợp với BoxCox của một người dự đoán hoặc trường hợp tự nhiên trong trường hợp tốt nhất. Ngoài ra tất cả các ví dụ tôi đã thấy cho đến nay tiếp cận từng vấn đề chuyển đổi dữ liệu trong một mô hình riêng biệt, thường là trong một mô hình dự đoán duy nhất.
Tôi biết chuyển đổi BoxCox hoặc YeoJohnson là gì. Những gì tôi đang tìm kiếm là một nghiên cứu trường hợp thực tế chi tiết, trong đó phản ứng / mối quan hệ không rõ ràng. Ví dụ: phản hồi không hoàn toàn tích cực (vì vậy bạn không thể sử dụng nhật ký hoặc BoxCox), các dự đoán có mối quan hệ phi tuyến tính giữa chúng và chống lại phản hồi và các biến đổi dữ liệu có khả năng tối đa dường như không bao hàm tiêu chuẩn 0,33 hoặc 0,5 số mũ. Ngoài ra, phương sai còn lại được tìm thấy là không hằng (không bao giờ), do đó, phản ứng cũng phải được chuyển đổi và các lựa chọn sẽ phải được thực hiện giữa hồi quy gia đình GLM không chuẩn hoặc chuyển đổi đáp ứng. Các nhà nghiên cứu có thể sẽ đưa ra các lựa chọn để tránh làm quá dữ liệu.
CHỈNH SỬA
Cho đến nay tôi đã thu thập các tài nguyên sau:
- Chiến lược mô hình hồi quy, F. Harrell
- Chuỗi thời gian kinh tế học ứng dụng, W. Enders
- Mô hình tuyến tính động với R, G. Petris
- Phân tích hồi quy ứng dụng, D. Kleinbaum
- Giới thiệu về học thống kê, G. James / D. Witten
Tôi chỉ đọc bản cuối cùng (ISLR) và đó là một văn bản rất tốt (5 năm sao trên đồng hồ của tôi), mặc dù hướng nhiều hơn về ML so với mô hình hồi quy nâng cao.
Ngoài ra còn có bài viết tốt này trên CV trình bày một trường hợp hồi quy đầy thách thức.