Справочный запрос: обобщенные линейные модели

Я ищу вводную книгу среднего уровня по обобщенным линейным моделям. В идеале, в дополнение к теории, лежащей в основе моделей, я хотел бы, чтобы в нее были включены приложения и примеры на R или другом языке программирования - я слышал, SAS также является популярным выбором. Я намерен изучить его самостоятельно, и поэтому было бы полезно, если бы он дал ответы на свои собственные упражнения.

Можно предположить, что я прошел традиционные годичные курсы по исчислению и теории вероятностей. Я также знаком с основами регрессионного анализа.

Гельман, Эндрю и Дженнифер Хилл. Анализ данных с использованием регрессионных и многоуровневых / иерархических моделей. Издание Cambridge University Press, 2007 г., посвящено не GLM как таковым, но также освещает это и содержит хорошее сочетание теории, практических советов, реализации в R и упражнений (и, когда вы найдете для этого веб-поиск, вы можете найти электронная версия этого!).

Не учебник, но в свободном доступе этот курс по статистике для выпускников Гарвардского государственного департамента, который также охватывает наиболее распространенные GLM. Видео в разделе посвящено реализации в R. Учебник Кинг, Гэри. Объединяющая политическая методология: теория правдоподобия статистического вывода. Университет Мичиганской Прессы, 1989.

Отказ от ответственности: Высоко субъективное личное мнение следует ...

Для теории и приложений я не могу рекомендовать обобщенные линейные модели и расширения Хардина и Хильбе слишком высоко. Он использует SPSS Stata (оба), который я никогда не использую и о котором ничего не знаю, но он охватывает теорию и имеет очень богатый набор примеров. Если бы мне пришлось выбрать одну книгу для начала, это была бы эта.

Книга, более сфокусированная на теории, - « Обобщенные, линейные и смешанные модели » МакКаллока, Сирла и Нейгауза. Это имеет меньше примеров, чем Хардин и Хильбе, но идет дальше к случайным эффектам как для линейной модели, так и для GLM. Это моя любимая книга по GLM, потому что она объединяет множество вещей, но если вас не интересуют случайные эффекты, это может быть излишним.

То, что я бы назвал канонической ссылкой для GLM - это обобщенные линейные модели МакКалла и Нелдера. Это немного старое название, но оно мне очень понравилось.

Обобщенные линейные модели с приложениями в технике и науке Майерса, Монтгомери, Вининга и Робинсона тратят немного больше времени на бинарные / пуассоновские GLM, а также имеют интересные примеры. В новом издании есть примеры на нескольких языках, включая R.

Некоторое время назад я взял книгу Faraway « Расширение линейной модели с помощью R: обобщенные линейные, смешанные эффекты и непараметрические регрессионные модели» , и она была очень полезна для того, чтобы помогать мне делать вещи в R, хотя это не очень хорошая книга «Учись сам GLM». Но это может быть хорошим компаньоном для некоторых других книг там.

Мне очень нравятся стратегии регрессионного моделирования Фрэнка Харрелла.

Текст Добсона и Барнетта

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

Я думаю, что цель именно в том направлении, о котором вы просите. Это делает хорошую работу по балансированию технических деталей и дружелюбного стиля.

Этот мне очень помог:

Линейные модели со смешанным эффектом Springer с использованием R от A. Galecki и T. Burzykowski.

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

Введение в статистическое обучение с использованием приложений на языке R было действительно простым для ознакомления с вводным текстом, который охватывает GLM, и, как следует из названия, содержит наборы проблем и пример кода на языке R. Я многому научился, прочитав эту книгу.

Если вы чувствуете себя комфортно с Линейной Алгеброй, то Элементы Статистического Обучения охватывают этот же материал более подробно, а также многие другие темы, но в нем нет такого же простого для понимания Rпримера стиля учебника в главах.

В конспектах для немецкого Родригеса»Принстон курса на GLMS являются полным введением, упакованный с примерами более общих типов, и объяснения отношений между ними. Более теоретические аспекты разделены в двух приложениях.

В книге Алена Зуура «Руководство для начинающих по GLM и GLMM с R» приводятся несколько хороших примеров для GLM и GLMM в R.

Вот хорошее описание обобщенной линейной регрессии. Код сделан на R и объясняет, как они работают. У CRAN также есть пакет, glmnetкоторый делает это для вас, но может быть немного громоздким для использования на начальном этапе. Но как только вы овладеете им, это довольно гибко. Вот хорошая запись на glmnet. Надеюсь, это поможет.