An Introduction to Generalized Linear Models

An Introduction to Generalized Linear Models, Fourth Edition biedt een samenhangend kader voor statistische modellering, met een sterke nadruk op numerieke en grafische methoden. Deze nieuwe editie van een bestseller is geüpdatet met nieuwe secties over niet-lineaire associaties, strategieën voor modelselectie en een Postface over goede statistische praktijken.

Inleiding tot Generalized Linear Models

De vierde editie van An Introduction to Generalized Linear Models legt de theoretische basis van generalized linear models (GLM's) bloot en richt zich vervolgens op methoden voor het analyseren van specifieke datatypes. Het boek behandelt de Normal, Poisson en Binomiale verdelingen; lineaire regressiemodellen; klassieke schattings- en modelaanpassingsmethoden; en frequentistische methoden van statistische inferentie.

Centrale onderwerpen en modelanalyse

Na het leggen van deze fundamenten verkennen de auteurs onderwerpen zoals meervoudige lineaire regressie, analyse van variantie (ANOVA), logistische regressie, log-lineaire modellen, overlevingsanalyse, multilevelmodellen, Bayesian modellen, en Markov chain Monte Carlo (MCMC) methoden. Dit biedt een uitgebreide basis voor zowel studenten als professionals die geïnteresseerd zijn in statistische analyses.

Praktische toepassingen en software

Het boek introduceert GLM's op een manier die lezers in staat stelt de eenheidstructuur te begrijpen die hen onderbouwt. Er worden veelvoorkomende concepten en principes van geavanceerde GLM's behandeld, zoals nominale en ordinale regressie, overlevingsanalyse, niet-lineaire associaties en longitudinale analyse. De verbinding tussen Bayesian analyse en MCMC-methoden voor het aanpassen van GLM's wordt duidelijk gemaakt, waardoor de methoden toepasbaar zijn in een breed scala aan disciplines.

• Bevat talloze voorbeelden uit de bedrijfswereld, geneeskunde, techniek en sociale wetenschappen
• Voorzien van voorbeeldcode voor R, Stata en WinBUGS om de implementatie van de methoden aan te moedigen
• Online beschikbare datasets en oplossingen voor de oefeningen
• Beschrijft de componenten van goede statistische praktijken om de wetenschappelijke geldigheid en reproduceerbaarheid van resultaten te verbeteren

Met behulp van populaire statistische softwareprogramma's illustreert deze toegankelijke en beknopte tekst praktische benaderingen voor schatting, modelpassingen en modelvergelijkingen. Deze editie is ontworpen voor bachelorstudenten die een basiskennis van statistische concepten en methoden hebben, op het niveau van de meeste inleidende statistiekcursussen, en enige bekendheid met calculus en matrixalgebra. De beschreven methoden zijn breed toepasbaar voor het analyseren van gegevens in de geneeskunde, landbouw, biologie, techniek, industriële experimenten en sociale wetenschappen.