Modelos lineales generalizados

Opiniones de los lectores

El libro es una exploración exhaustiva de los modelos lineales generalizados (MLG), elogiado por su rigor matemático y su enfoque estructurado, que lo hacen adecuado para quienes tienen una sólida formación cuantitativa. Sin embargo, es criticado por ser denso y desafiante para los principiantes que pueden carecer de conocimientos básicos.

⬤ Excelentes explicaciones de los detalles matemáticos del MLG, incluidas las funciones de enlace y la estimación de la verosimilitud.
⬤ Bien estructurado y fácil de seguir con ejemplos prácticos.
⬤ Recurso indispensable para estudiantes y estadísticos en este campo.
⬤ Sólida base teórica construida gradualmente a lo largo del texto.

⬤ Contenido denso que puede resultar difícil para principiantes sin conocimientos estadísticos intermedios.
⬤ Carece de respuestas claras a cuestiones fundamentales como cuándo utilizar GLM en lugar de OLS o la selección de funciones de varianza y enlace adecuadas.
⬤ Algunos lo consideran más una monografía que un libro de texto para principiantes.

(basado en 6 opiniones de lectores)

Título original:

Generalized Linear Models

Contenido del libro:

El éxito de la primera edición de Generalized Linear Models condujo a la actualización de la segunda, que sigue ofreciendo un tratamiento unificado y definitivo de los métodos para el análisis de diversos tipos de datos. En la actualidad, sigue siendo popular por su claridad, riqueza de contenido y relevancia directa para aplicaciones agrícolas, biológicas, sanitarias, de ingeniería y de otros tipos.

Los autores se centran en examinar el modo en que una variable de respuesta depende de una combinación de variables explicativas, de tratamiento y de clasificación. Hacen especial hincapié en el importante caso en que la dependencia se produce a través de alguna combinación lineal desconocida de las variables explicativas.

La segunda edición incluye temas añadidos al núcleo de la primera edición, como los métodos de verosimilitud condicional y marginal, la estimación de ecuaciones y los modelos de efectos de dispersión y componentes de dispersión. La discusión de otros temas -modelos log-lineales y relacionados, modelos de regresión log odds-ratio, modelos de respuesta multinomial, modelos lineales inversos y relacionados, funciones de cuasi-verosimilitud y comprobación de modelos- se ha ampliado e incorpora revisiones significativas.

La comprensión del material requiere simplemente un conocimiento de la teoría de matrices y de las ideas básicas de la teoría de la probabilidad, pero en su mayor parte, el libro es autónomo. Por lo tanto, con sus ejemplos trabajados, abundantes ejercicios y temas de uso directo para investigadores de muchas disciplinas, Modelos lineales generalizados sirve como texto ideal, guía de autoestudio y referencia.