Tuyên bố từ chối trách nhiệm: Ý kiến cá nhân chủ quan cao sau ...
Đối với lý thuyết và ứng dụng, tôi không thể đề xuất Mô hình tuyến tính tổng quát và Tiện ích mở rộng của Hardin và Hilbe quá cao. Nó sử dụng SPSS Stata, (cả hai) mà tôi không bao giờ sử dụng và không biết gì về nó, nhưng nó bao gồm lý thuyết và có một bộ ví dụ rất phong phú. Nếu tôi phải chọn một cuốn sách để bắt đầu, nó sẽ là cuốn sách này.
Một cuốn sách tập trung vào lý thuyết nhiều hơn là Các mô hình tổng quát, tuyến tính và hỗn hợp của McCulloch, Searle và Neuhaus. Điều này có ít ví dụ hơn Hardin và Hilbe nhưng đi sâu hơn vào các hiệu ứng ngẫu nhiên cho cả mô hình tuyến tính và GLM. Đây là cuốn sách GLM yêu thích của tôi, bởi vì nó kết nối rất nhiều thứ với nhau, nhưng nếu bạn không có hứng thú với các hiệu ứng ngẫu nhiên thì nó có thể là quá mức cần thiết.
Cái mà tôi gọi là tài liệu tham khảo chính tắc cho GLM là Mô hình tuyến tính tổng quát của McCullagh và Nelder. Đó là một tiêu đề cũ hơn một chút nhưng tôi rất thích nó.
Các mô hình tuyến tính tổng quát với các ứng dụng trong Kỹ thuật và Khoa học của Myers, Montgomery, Vining và Robinson dành nhiều thời gian hơn cho các GLM nhị phân / poisson và cũng có các ví dụ thú vị. Phiên bản mới có các ví dụ trong một vài ngôn ngữ, bao gồm R.
Tôi đã chọn Mô hình tuyến tính mở rộng của Faraway với R: Các mô hình hồi quy tuyến tính, hiệu ứng hỗn hợp và hồi quy không biến đổi trong một thời gian trước, và nó rất hữu ích để giúp tôi làm mọi việc trong R, mặc dù nó không phải là một cuốn sách "tự dạy GLM" tốt. Nhưng nó có thể là một người bạn đồng hành tốt với một số cuốn sách khác ngoài kia.