Книга "Введение в смешанные модели. За пределами регрессии и анализа дисперсии" является практическим руководством по применению смешанных моделей в статистическом анализе данных. Смешанные модели являются мощным инструментом в статистическом анализе данных, основанным на распознавании случайных эффектов в статистических моделях. Они позволяют делать выводы и оценивать параметры, которые имеют более широкое применение и более реалистичны, чем те, которые можно получить с помощью других методов.
Книга рассматривает смешанные модели как естественное продолжение двух более знакомых методов - регрессионного анализа и анализа дисперсии. В новом издании рассмотрены различные примеры применения смешанных моделей, а также предоставлены руководства по определению случайных эффектов и объяснению лучших линейных несмещенных прогнозов (BLUPs). Также в новом издании введены несколько важных новых тем, таких как использование программного обеспечения SAS, мета-анализ и проблема множественного тестирования, а также байесовская интерпретация смешанных моделей.
Книга содержит множество практических упражнений с решениями и является идеальным введением в смешанные модели для студентов последнего курса бакалавриата, аспирантов и профессиональных исследователей. Она будет интересна читателям из различных научных дисциплин, включая статистику, биологию, биоинформатику, медицину, сельское хозяйство, инженерное дело, экономику, археологию и географию. Одной из главных преимуществ книги является связующее звено, которое она предоставляет между традиционным анализом дисперсии и регрессионными моделями и более новыми смешанными моделями, позволяя читателям получить прочный фундамент в этой области.
Книга “Introduction to Mixed Modelling: Beyond Regression and ANOVA” от авторов N. Galway и W. представляет собой введение в смешанное моделирование, которое является мощным и удобным подходом к статистическому анализу данных. Смешанное моделирование основывается на учете случайных эффектов в статистических моделях, что приводит к выводам и оценкам, которые имеют более широкую применимость и более реалистичны, чем те, которые получаются в противном случае. В книге “Introduction to Mixed Modeling” читатель знакомится с смешанным моделированием как естественным продолжением двух более знакомых методов - регрессионного анализа и анализа дисперсии. Она предоставляет практические рекомендации в сочетании с ясным объяснением основных концепций. Как и в первом издании, это новое издание демонстрирует разнообразные приложения смешанных моделей, предоставляет рекомендации по идентификации случайных эффектов и объясняет, как получить и интерпретировать наилучшие линейные несмещенные предсказатели (BLUP). Кроме того, в книге рассматриваются несколько важных новых тем, включая использование программного обеспечения SAS в дополнение к GenStat и R, метаанализ и множественное тестирование.
Электронная Книга «Introduction to Mixed Modelling. Beyond Regression and Analysis of Variance» написана автором N. Galwey W. в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781118861813
Описание книги от N. Galwey W.
Mixed modelling is very useful, and easier than you think! Mixed modelling is now well established as a powerful approach to statistical data analysis. It is based on the recognition of random-effect terms in statistical models, leading to inferences and estimates that have much wider applicability and are more realistic than those otherwise obtained. Introduction to Mixed Modelling leads the reader into mixed modelling as a natural extension of two more familiar methods, regression analysis and analysis of variance. It provides practical guidance combined with a clear explanation of the underlying concepts. Like the first edition, this new edition shows diverse applications of mixed models, provides guidance on the identification of random-effect terms, and explains how to obtain and interpret best linear unbiased predictors (BLUPs). It also introduces several important new topics, including the following: Use of the software SAS, in addition to GenStat and R. Meta-analysis and the multiple testing problem. The Bayesian interpretation of mixed models. Including numerous practical exercises with solutions, this book provides an ideal introduction to mixed modelling for final year undergraduate students, postgraduate students and professional researchers. It will appeal to readers from a wide range of scientific disciplines including statistics, biology, bioinformatics, medicine, agriculture, engineering, economics, archaeology and geography. Praise for the first edition: “One of the main strengths of the text is the bridge it provides between traditional analysis of variance and regression models and the more recently developed class of mixed models…Each chapter is well-motivated by at least one carefully chosen example…demonstrating the broad applicability of mixed models in many different disciplines…most readers will likely learn something new, and those previously unfamiliar with mixed models will obtain a solid foundation on this topic.”—Kerrie Nelson University of South Carolina, in American Statistician, 2007
