Pedido de referência: Modelos lineares generalizados

Estou procurando um livro de nível introdutório ao intermediário sobre modelos lineares generalizados. Idealmente, além da teoria por trás dos modelos, eu gostaria que incluísse aplicativos e exemplos em R ou outra linguagem de programação - ouvi dizer que o SAS também é uma escolha popular. Pretendo estudá-lo sozinho e, assim, ajudaria se desse as respostas aos seus próprios exercícios.

Você pode supor que eu fiz os cursos tradicionais de um ano na teoria de cálculo e probabilidade. Também estou familiarizado com o básico da análise de regressão.

Gelman, Andrew e Jennifer Hill. Análise de dados usando regressão e modelos multiníveis / hierárquicos. Cambridge University Press, 2007, não trata de GLMs em si, mas também abrange isso e possui uma boa mistura de teoria, conselhos práticos, implementação em R e exercícios (e, quando você pesquisar na Web, poderá encontrar um versão do e-book!).

Não é um livro, mas está disponível gratuitamente, este curso de estatística para graduados do Departamento de Governo de Harvard, que também abrange os GLMs mais comuns. Os vídeos da seção abordam a implementação em R. O livro é King, Gary. Metodologia política unificadora: a teoria da probabilidade de inferência estatística. University of Michigan Press, 1989.

Disclaimer: A opinião pessoal altamente subjetiva segue ...

Para teoria e aplicações, não posso recomendar modelos e extensões lineares generalizadas de Hardin e Hilbe muito. Ele usa o SPSS Stata, (ambos) dos quais eu nunca uso e que não conheço nada, mas abrange a teoria e possui um conjunto muito rico de exemplos. Se eu tivesse que escolher um livro para começar, seria este.

Um livro mais focado na teoria é Generalized, Linear, and Mixed Models por McCulloch, Searle e Neuhaus. Isso tem menos exemplos do que Hardin e Hilbe, mas entra ainda mais em efeitos aleatórios para o modelo linear e o GLM. Este é o meu livro favorito do GLM, porque ele conecta muitas coisas, mas se você não tem interesse em efeitos aleatórios, pode ser um exagero.

O que eu chamaria de referência canônica para GLMs é Generalized Linear Models de McCullagh e Nelder. É um título um pouco mais antigo, mas eu gostei muito.

Modelos lineares generalizados com aplicações em engenharia e ciências de Myers, Montgomery, Vining e Robinson passam um pouco mais de tempo nos GLMs binários / poisson e também têm exemplos interessantes. A nova edição tem exemplos em alguns idiomas, incluindo R.

Eu peguei Faraway's Extending the Linear Model com R: Modelos Generalizados de Linear, Efeitos Mistos e Regressão Não Paramétrica há um tempo atrás, e tem sido muito útil para me ajudar a fazer as coisas em R, embora não seja um bom livro "ensine a si mesmo GLM". Mas pode ser um bom companheiro para alguns dos outros livros por aí.

Eu realmente gosto das estratégias de modelagem de regressão de Frank Harrell.

O texto de Dobson e Barnett

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

é que eu penso exatamente na direção que você pergunta. Ele faz um bom trabalho ao equilibrar detalhes técnicos e estilo amigável.

Este me ajudou muito:

Modelos lineares de efeito misto de Springer usando R de A. Galecki e T. Burzykowski.

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

Introdução ao aprendizado estatístico com aplicativos em R foi realmente fácil de seguir o texto introdutório que abrange os GLMs e, como o título sugere, vem com conjuntos de problemas e código de exemplo em R. Aprendi muito ao ler esse livro.

Se você se sentir à vontade com os Elementos de Álgebra Linear da Aprendizagem Estatística, aborda esse mesmo material com mais detalhes e muitos outros tópicos também, mas ele não possui o mesmo tipo de exemplo de tutorial fácil de seguir Rnos capítulos.

As notas de aula do curso de Princeton, alemão de Rodriguez, sobre GLMs, são uma introdução completa, repleta de exemplos dos tipos mais comuns e explicam as relações entre eles. Os aspectos mais teóricos são separados em dois apêndices.

O livro de Alain Zuur "Um guia para iniciantes sobre GLM e GLMM com R" fornece alguns bons exemplos para GLMs e GLMMs em R.

Aqui está uma boa descrição da regressão linear generalizada. O código é feito em R e explica como eles funcionam. O CRAN também possui um pacote glmnetque faz isso por você, mas pode ser um pouco difícil de usar inicialmente. Mas quando você pega o jeito, é bastante flexível. Aqui está uma boa redação glmnet. Espero que ajude.