Richiesta di riferimento: modelli lineari generalizzati

Sto cercando un libro introduttivo al livello intermedio sui modelli lineari generalizzati. Idealmente, oltre alla teoria alla base dei modelli, vorrei che includesse applicazioni ed esempi in R o in un altro linguaggio di programmazione - sento che SAS è anche una scelta popolare. Ho intenzione di studiarlo da solo e quindi sarebbe di aiuto se fornisse le risposte ai propri esercizi.

Puoi presumere che io abbia seguito i tradizionali corsi annuali di calcolo e teoria della probabilità. Conosco anche le basi dell'analisi di regressione.

Gelman, Andrew e Jennifer Hill. Analisi dei dati mediante regressione e modelli multilivello / gerarchici. La Cambridge University Press, 2007, non riguarda i GLM di per sé, ma copre anche questo e ha un bel mix di teoria, consigli pratici, implementazione in R ed esercizi (e, quando lo cerchiamo, potresti trovare un versione ebook di esso!).

Non è un libro di testo, ma è disponibile gratuitamente questo corso di statistica per i laureati del Dipartimento del governo di Harvard, che copre anche i GLM più comuni. La sezione video tratta l'implementazione in R. Il libro di testo è King, Gary. Metodologia politica unificante: teoria della probabilità dell'inferenza statistica. University of Michigan Press, 1989.

Dichiarazione di non responsabilità: segue un'opinione personale altamente soggettiva ...

Per la teoria e le applicazioni non posso raccomandare eccessivamente i modelli e le estensioni lineari generalizzate di Hardin e Hilbe. Usa SPSS Stata, (entrambi) di cui non uso mai e di cui non so nulla, ma copre la teoria e ha una ricca serie di esempi. Se dovessi scegliere un libro per cominciare, sarebbe questo.

Un libro più incentrato sulla teoria è Generalized, Linear e Mixed Models di McCulloch, Searle e Neuhaus. Questo ha meno esempi di Hardin e Hilbe ma va oltre negli effetti casuali sia per il modello lineare che per il GLM. Questo è il mio libro GLM preferito, perché collega molte cose insieme, ma se non hai interesse per gli effetti casuali potrebbe essere eccessivo.

Quello che definirei un riferimento canonico per i GLM sono i modelli lineari generalizzati di McCullagh e Nelder. È un titolo un po 'più vecchio ma mi è piaciuto molto.

I modelli lineari generalizzati con applicazioni in ingegneria e scienze di Myers, Montgomery, Vining e Robinson trascorrono un po 'più di tempo sui GLM binari / di poisson e hanno anche esempi interessanti. La nuova edizione contiene esempi in alcune lingue, tra cui R.

Ho raccolto Faraway's Extending the Linear Model con R: Modelli generalizzati lineari, a effetti misti e non parametrici di regressione qualche tempo fa, ed è stato molto utile per aiutarmi a fare le cose in R, anche se non è un buon libro "insegnati a GLM". Ma potrebbe essere un buon compagno per alcuni degli altri libri là fuori.

Mi piacciono molto le strategie di modellazione della regressione di Frank Harrell.

Il testo di Dobson e Barnett

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

penso che sia mirato esattamente nella direzione che chiedi. Fa un buon lavoro nel bilanciare i dettagli tecnici e lo stile amichevole.

Questo mi ha aiutato molto:

Modelli a effetto misto Springer Linear che utilizzano R di A. Galecki e T. Burzykowski.

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

L'introduzione all'apprendimento statistico con le applicazioni in R è stato un testo introduttivo davvero semplice da seguire che copre i GLM e, come suggerisce il titolo, viene fornito con set di problemi e codice di esempio in R. Ho imparato molto da questo libro.

Se ti senti a tuo agio con Linear Algebra Elements of Statistical Learning tratta lo stesso materiale in modo più dettagliato e molti altri argomenti, ma non ha lo stesso tipo di Resempi di stile tutorial facili da seguire nei capitoli.

Gli appunti delle lezioni del corso Princeton di GLM sul tedesco Rodriguez sono un'introduzione completa, ricca di esempi dei tipi più comuni e che spiegano le relazioni tra di loro. Gli aspetti più teorici sono separati in due appendici.

Il libro di Alain Zuur "Una guida per principianti a GLM e GLMM con R" fornisce alcuni esempi interessanti di GLM e GLMM in R.

Ecco un buon resoconto sulla regressione lineare generalizzata. Il codice è fatto in R e spiega come funzionano. CRAN ha anche un pacchetto glmnetche fa questo per te ma può essere un po 'ingombrante da usare inizialmente. Ma una volta capito, è abbastanza flessibile. Ecco un buon commento su glmnet. Spero possa aiutare.