Értékelés:
A könyv nagyra értékelt a lineáris regresszió gyakorlati megközelítése miatt, hangsúlyt fektetve az alkalmazásra és az R kódolásra. A könyv mind a kezdők, mind a tudásukat felülvizsgálni kívánók számára hasznos, világos magyarázatokkal és átgondolt meglátásokkal. A szerző könnyen hozzáférhető kódot biztosít online, ami fokozza a felhasználói élményt. Bár a könyv számos témát érint anélkül, hogy elmélyedne az elméletben, nagyra értékelik az egyszerűségéért és gyakorlatiasságáért, különösen a valós alkalmazások, például a klinikai kutatás összefüggésében.
Előnyök:⬤ A lineáris regresszió tanulásának gyakorlati megközelítése.
⬤ Hangsúly az alkalmazáson és az R kódoláson.
⬤ Hozzáférés az online R kódhoz a kísérletezéshez.
⬤ Világos magyarázatok és hasznos meglátások.
⬤ Jó egyensúly az elmélet és az alkalmazás között.
⬤ Hasznos mind a kezdők, mind a fogalmakat átismétlők számára.
⬤ Hiányoznak a szigorú bizonyítások, nem biztos, hogy kielégíti azokat, akik mélyreható elméleti ismereteket keresnek.
⬤ Néhány felhasználó az R-parancsok indexét szeretné a könnyebb hivatkozás érdekében.
(10 olvasói vélemény alapján)
Linear Models with R
A Hands-On Way to Learning Data Analysis
A statisztika magjának részét képező lineáris modelleket előrejelzések készítésére és a válasz és a prediktorok közötti kapcsolat magyarázatára használják. A lineáris modellek megértése kulcsfontosságú a statisztika gyakorlatában való szélesebb körű jártassághoz. Linear Models with R, Second Edition elmagyarázza, hogyan használhatók a lineáris modellek a természettudományi, mérnöki, társadalomtudományi és üzleti alkalmazásokban. A könyv számos olyan fejlesztést tartalmaz, amelyek tükrözik, hogy az R világa az első kiadás megjelenése óta jelentősen kibővült.
Újdonságok a második kiadásban
⬤ Újjászervezett anyag a lineáris modellek értelmezéséről, amely megkülönbözteti az előrejelzés és a magyarázat fő alkalmazásait, és bevezeti az oksági összefüggések elemi fogalmait.
⬤ Kiegészített témák, beleértve a QR-dekompozíciót, a spline-okat, az additív modelleket, a Lassót, a többszörös imputációt és a hamis felfedezési arányokat.
⬤ A ggplot2 grafikus csomag széleskörű használata az alap grafikonok mellett.
A széles körben dicsért, bestseller elődjéhez hasonlóan ez a kiadás is ötvözi a statisztikát és az R-t, hogy zökkenőmentesen, koherens módon mutassa be a lineáris modellezés gyakorlatát. A szöveg naprakész betekintést nyújt az alapvető adatelemzési témákba, a becsléstől, következtetéstől és előrejelzéstől a hiányzó adatokig, a faktoriális modellekig és a blokktervekig. Számos példa szemlélteti, hogyan lehet a különböző módszereket az R segítségével alkalmazni.
