Regresiones modernas aplicadas: Análisis Bayesiano y Frecuentista de Variables Categóricas y de Respuesta Limitada con R y Stan

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 3 votos.

Título original:

Modern Applied Regressions: Bayesian and Frequentist Analysis of Categorical and Limited Response Variables with R and Stan

Contenido del libro:

Modern Applied Regressions crea un intrincado y colorido mural con mosaicos de modelos categóricos y de variable de respuesta limitada (CLRV) utilizando enfoques tanto bayesianos como frecuentistas. Escrito para estudiantes de posgrado, investigadores noveles y analistas cuantitativos en ciencias sociales, del comportamiento y de la salud, este texto proporciona detalles para realizar análisis de datos bayesianos y frecuentistas de modelos CLRV. Cada capítulo puede leerse y estudiarse por separado con fragmentos de codificación en R e interpretación de modelos para facilitar la replicación. Junto con la parte práctica, el texto proporciona teorías estadísticas básicas y accesibles detrás de estos modelos y utiliza un estilo narrativo para relatar sus orígenes y evolución.

Este libro presenta en primer lugar los paradigmas bayesiano y frecuentista para el análisis de regresión y, a continuación, aborda distintos tipos de modelos categóricos y de variable de respuesta limitada, como la regresión binaria, ordenada, multinomial, de recuento y de supervivencia. Cada uno de los cuatro capítulos centrales analiza un tipo principal de regresión CLRV que engloba una serie de variantes y extensiones importantes. La discusión de todos los tipos principales suele comenzar con la historia y la evolución del modelo prototípico, seguido de la formulación de las propiedades estadísticas básicas y una elaboración sobre la parte práctica del modelo y su extensión. La parte práctica suele incluir códigos R, resultados y su interpretación. En el último capítulo se analizan técnicas avanzadas de modelado y predicción (modelado multinivel, inferencia causal y análisis de puntuación de propensión, y aprendizaje automático) que se construyen en gran medida con los conjuntos de herramientas diseñados para los modelos CLRV tratados anteriormente.

Los recursos en línea de este libro, incluidos los códigos R y Stan y las notas complementarias.

Notes, pueden consultarse en https: //sites. google.com/site/socjunxu/home/statistics/modernapplied-.

Regresiones.