Generalized Linear Models and Correlated Data Methods

Beyond Multiple Linear Regression: Applied Generalized Linear Models and Multilevel Models in R is ontworpen voor afgestudeerde studenten en gevorderde bachelors die hun toolkit in de statistiek willen uitbreiden met niet-normale responses en gecorreleerde structuren. Het boek behandelt onderwerpen zoals waarschijnlijkheidstheorie, zero-inflated Poisson en parametric bootstrapping op een intuïtieve en toegepaste manier. Case studies en oefeningen gebruiken echte data en echte onderzoeksvragen, waarbij veel data afkomstig zijn uit samenwerking tussen de auteurs en studenten of uit studentprojecten. Elk hoofdstuk bevat een mix van conceptuele oefeningen, begeleide oefeningen en open-ended opdrachten met realistische datasets. Er is bovendien een solutions manual beschikbaar voor gekwalificeerde instructeurs en materiaal op R aan het einde van elk hoofdstuk. Het werk is in 2023 verschenen bij Taylor & Francis met auteurs Julie Legler en Paul Roback.

Inhoud

Het boek bouwt voort op basiskennis van meervoudige lineaire regressie en breidt dit uit met Generalized Linear Models en Multilevel Models, inclusief toepassingen in R.

Doelgroep: gevorderde undergraduate of niet-hoofdvak graduate studenten in statistiek en gerelateerde cursussen.

Hoofdonderwerpen: Generalized Linear Models, Longitudinal Data Analysis, Correlated Data, Multilevel Models.

R-materiaal verschijnt aan het einde van elk hoofdstuk; er zijn datasets en Rmd-bestanden beschikbaar voor casestudies.

Technische details

• Doelgroep: gevorderd undergraduate of niet-majore graduate studenten
• Onderwerpen: GLMs, Multilevel Models, longitudinale data, gecorreleerde data
• Methoden: waarschijnlijkheidstheorie, zero-inflated Poisson, bootstrapping
• Oefeningen: conceptueel, begeleid, open-ended met echte data
• Data en Rmd-bestanden: beschikbaar voor casestudies