Я шукаю вступну книгу про середній рівень про узагальнені лінійні моделі. В ідеалі, крім теорії, що стоїть за моделями, я хотів би, щоб вона включала додатки та приклади на R чи іншій мові програмування - я чую, що SAS також є популярним вибором. Я маю намір вивчити це самостійно, і це допоможе, якби він дав відповіді на власні вправи.
Ви можете припустити, що я пройшов традиційні річні курси з обчислення та теорії ймовірностей. Мені також знайомі основи регресійного аналізу.
Відповіді:
Гельман, Ендрю та Дженніфер Хілл. Аналіз даних за допомогою регресійної та багаторівневої / ієрархічної моделей. Cambridge University Press, 2007, не стосується GLM, як такої, але також охоплює це і має приємний поєднання теорії, практичних порад, впровадження в R та вправ (і, коли ви будете шукати веб-сайт, ви можете знайти його електронна версія!).
Це не навчальний посібник, але є у вільному доступі цей випускний курс статистики з управління уряду Гарвардського університету, який також охоплює найпоширеніші глобальні знання. Відео розділів висвітлює реалізацію в Р. Підручник - Кінг, Гері. Уніфікаційна політична методологія: теорія ймовірності статистичного висновку. Університет штату Мічиган Прес, 1989.
Відмова від відповідальності: випливає субективна особиста думка ...
Для теорії та застосувань я не можу рекомендувати можу занадто сильно узагальнені лінійні моделі та розширення Hardin та Hilbe. Він використовує SPSS Stata (обидва), про які я ніколи не використовую і нічого не знаю, але він охоплює теорію і має дуже багатий набір прикладів. Якби мені довелося вибрати одну книгу для початку, це була саме ця.
Більш теоретична книга Узагальнені, лінійні та змішані моделі » МакКаллоха, Серля та Нойгауза. Має менше прикладів, ніж Хардін та Хільбе, але йде далі до випадкових ефектів як для лінійної моделі, так і для ГЛМ. Це моя улюблена книга GLM, оскільки вона поєднує багато речей разом, але якщо у вас немає інтересу до випадкових ефектів, це може бути надмірним.
Те, що я б назвав канонічним посиланням для GLM, - це узагальнені лінійні моделі від McCullagh та Nelder. Це трохи старший титул, але мені дуже сподобалось.
Узагальнені лінійні моделі із застосуванням в техніці та науках Майєрсом, Монтгомері, Вінінг та Робінзоном витрачають трохи більше часу на бінарні / пуассонові GLM, а також мають цікаві приклади. Нове видання має приклади кількома мовами, включаючи Р.
Я підібрав розширення лінійної моделі Faraway за допомогою R: Узагальнені лінійні, змішані ефекти та непараметричні регресійні моделі ще раз назад, і це було дуже корисно для того, щоб допомогти мені робити справи в R, хоча це не дуже добре "навчіть себе GLM" книгу. Але це може бути хорошим супутником до деяких інших книг там.
Мені дуже подобаються стратегії моделювання регресії Франка Харрелла.
Текст Добсона і Барнетта
http://www.amazon.com/Introduction-Generalized-Edition-Chapman-Statistic/dp/1584889500
я думаю, спрямований саме в тому напрямку, про який ви запитуєте. Це добре робить балансування технічних деталей та доброзичливого стилю.
Цей мені дуже допоміг:
Лінійні моделі Springer зі змішаним ефектом, використовуючи R А. Галецького та Т. Бурзиковського.
http://www.springer.com/statistics/statistic+theory+and+methods/book/978-1-4614-3899-1
Вступ до статистичного навчання з додатками в R було дуже просто слідувати вступним текстом, який охоплює GLM, і, як випливає з назви, є проблеми з наборами проблем та прикладом коду в Р. Я багато чого навчився переглядати цю книгу.
Якщо ви відчуваєте себе комфортно з елементами лінійної алгебри статистичного навчання, висвітлює цей самий матеріал більш детально, а також багато інших тем, але він не має такого самого легкого для наслідування Rприкладів стилю підручника у розділах.
The конспектах для німецького Родрігеса »Прінстон курсу на GLMS є повним введенням, упакований з прикладами більш загальних типів, і пояснення відносин між ними. Більш теоретичні аспекти розділені у двох додатках.
Ось вдалий запис про узагальнену лінійну регресію. Код робиться в R, і він пояснює, як вони працюють. У CRAN також є пакет, glmnetякий робить це для вас, але його можна спочатку трохи нехтувати. Але як тільки ви отримаєте повісити його, він досить гнучкий. Ось добре запишіть далі glmnet. Сподіваюся, що це допомагає.