Introducción a los modelos lineales generalizados (Dobson Annette J. (University of Queensland Herston Australia))

Opiniones de los lectores

El libro constituye una introducción accesible a los modelos lineales generalizados (MLG), muy adecuada para lectores con cierta formación en regresión lineal, logística y teoría estadística básica. Resulta especialmente útil para los estudiantes que se preparan para exámenes específicos y para los que se dedican a la ciencia de datos. Sin embargo, puede quedarse corto para los principiantes debido a sus limitados ejemplos de codificación y a la falta de un apoyo exhaustivo.

⬤ Fácil de leer de una sentada
⬤ bueno para los familiarizados con la regresión básica
⬤ bien escrito con información valiosa
⬤ útil para aprobar exámenes
⬤ explicaciones teóricas accesibles.

⬤ Insuficiente para principiantes
⬤ ejemplos de código limitados
⬤ sin apoyo adicional para los usuarios de Stata
⬤ no proporciona pruebas para las afirmaciones de distribución.

(basado en 6 opiniones de lectores)

Título original:

Introduction to Generalized Linear Models (Dobson Annette J. (University of Queensland Herston Australia))

Contenido del libro:

An Introduction to Generalized Linear Models, Fourth Edition proporciona un marco coherente para la modelización estadística, haciendo hincapié en los métodos numéricos y gráficos. Esta nueva edición de un bestseller se ha actualizado con nuevas secciones sobre asociaciones no lineales, estrategias para la selección de modelos y un postfacio sobre buenas prácticas estadísticas.

Al igual que su predecesora, esta edición presenta los fundamentos teóricos de los modelos lineales generalizados (MLG) antes de centrarse en los métodos para analizar determinados tipos de datos. Abarca las distribuciones Normal, Poisson y Binomial; los modelos de regresión lineal; los métodos clásicos de estimación y ajuste de modelos; y los métodos frecuentistas de inferencia estadística. Tras sentar estas bases, los autores exploran la regresión lineal múltiple, el análisis de la varianza (ANOVA), la regresión logística, los modelos log-lineales, el análisis de supervivencia, el modelado multinivel, los modelos bayesianos y los métodos Markov chain Monte Carlo (MCMC).

⬤ Presenta los MLG de forma que los lectores puedan comprender la estructura unificadora que los sustenta.

⬤ Analiza los conceptos y principios comunes de los MLG avanzados, incluida la regresión nominal y ordinal, el análisis de supervivencia, las asociaciones no lineales y el análisis longitudinal.

⬤ Conecta el análisis bayesiano y los métodos MCMC para ajustar GLMs.

⬤ Contiene numerosos ejemplos de negocios, medicina, ingeniería y ciencias sociales.

⬤ Proporciona el código de ejemplo para R, Stata y WinBUGS para fomentar la implementación de los métodos.

⬤ Ofrece los conjuntos de datos y soluciones a los ejercicios en línea.

⬤ Describe los componentes de la buena práctica estadística para mejorar la validez científica y la reproducibilidad de los resultados.

Utilizando programas de software estadístico populares, este texto conciso y accesible ilustra enfoques prácticos de estimación, ajuste de modelos y comparación de modelos.