Tôi vẫn còn khá mới đối với các mô hình tuyến tính tổng quát và tôi phải vật lộn với rất nhiều ký hiệu trong hầu hết các văn bản GLM mà tôi đã chọn. Có những cuốn sách GLM cực kỳ phổ biến cho vay bản thân tốt hơn để dễ đọc?
Tôi vẫn còn khá mới đối với các mô hình tuyến tính tổng quát và tôi phải vật lộn với rất nhiều ký hiệu trong hầu hết các văn bản GLM mà tôi đã chọn. Có những cuốn sách GLM cực kỳ phổ biến cho vay bản thân tốt hơn để dễ đọc?
Câu trả lời:
Đối với một học viên mới, tôi thích Gelman và Hill.
Phân tích dữ liệu bằng mô hình hồi quy và đa cấp / phân cấp
Rõ ràng cuốn sách nói về Mô hình tuyến tính tổng quát phân cấp, một chủ đề nâng cao hơn GLM; Tuy nhiên, phần đầu tiên là một hướng dẫn tuyệt vời cho các học viên GLM.
Cuốn sách nhẹ về lý thuyết, nặng về thực hành thống kê kỷ luật, tràn ngập các nghiên cứu trường hợp và mã R thực tế, tất cả được nói với một giọng nói dễ chịu, thân thiện.
Tôi là một fan hâm mộ lớn của Phân tích dữ liệu phân loại của Agresti .
Tôi đã đọc cuốn sách Giới thiệu của Agresti nhưng thấy nó thiếu các diễn giải chính cho cách xây dựng mô hình tuyến tính tổng quát và cách thức hoạt động. Ví dụ, bạn có thể không cần biết cách phân phối nhị thức và liên kết logit hoạt động nếu bạn chỉ muốn phù hợp với hồi quy logistic. Tuy nhiên, thật khó chịu khi bạn đã đọc chương này và bắt đầu tự hỏi về nó nhưng không thể tìm thấy nó trong cuốn sách.
Cuốn sách McCullagh và Nelder GLM rất khó đọc. Nó chứa mọi thứ bạn cần biết nhưng thiếu dẫn xuất cho các kết quả chính.
May mắn thay Phân tích dữ liệu phân loại của Agresti thể hiện sự cân bằng tốt.
Là một người mới bắt đầu hoàn chỉnh, tôi thấy Cơ sở của Mô hình tuyến tính tuyến tính và tổng quát của tác giả nổi tiếng của Phân tích dữ liệu phân loại Alan Agresti là hữu ích. Ngôn ngữ là chất lỏng, mặc dù một số tiếp xúc với Đại số tuyến tính được giả định.
Tôi thực sự thích Mô hình hiệu ứng hỗn hợp có phần mở rộng trong R - Zuur, et. al . Đây là phần tiếp theo của cuốn sách cũ Phân tích dữ liệu sinh thái (2007) của họ. Họ làm tốt công việc thúc đẩy các mô hình, cùng với nhiều ví dụ trực quan để giải thích GLM trông như thế nào. Họ cũng đạt được sự cân bằng tốt giữa, lý thuyết, ứng dụng và thảo luận. Ngoài ra, họ có tất cả các mã và bộ dữ liệu trên trang web của họ, vì vậy bạn có thể áp dụng ngay những gì bạn đã học.