Olvasói vélemények
Összegzés:A könyv nagyra értékelt a statisztika gyakorlati megközelítése miatt, különösen a Bayes-módszerek terén, így kiváló forrás a haladó hallgatók és kutatók számára. Hangsúlyt fektet az intuícióra és a valós alkalmazásra, de összetettsége és a nem szokványos terminológia miatt kezdők számára nem feltétlenül alkalmas.
Előnyök:⬤ Világos motivációk a statisztika gyakorlati vonatkozásaihoz, különösen a kezdeti fejezetekben.
⬤ A társalgási stílus hozzáférhetővé és magával ragadóvá teszi a könyvet.
⬤ Nagy hangsúlyt fektet a Bayes-elemzésre és a modern statisztikai módszerekre.
⬤ Jól megírt, számos valós példával a társadalomtudományokból.
⬤ A haladó témák átfogó lefedése, beleértve a p-értékekkel és az oksági következtetésekkel kapcsolatos kérdéseket.
Hátrányok:⬤ Nem kezdőbarát; erős matematikai hátteret feltételez.
⬤ Néhány kritikus képlet és részlet felett elsiklik, ami hiányosságokat hagyhat a megértésben.
⬤ A hibák nem szokványos terminológiája összezavarhatja az olvasót.
⬤ Néhány olvasó számára kihívást jelentenek az ok-okozati következtetésekről szóló utolsó fejezetek.
⬤ Gyenge nyomtatási minőség és navigációs problémák a Kindle változatban.
(25 olvasói vélemény alapján)
Eredeti címe:
Regression and Other Stories
Könyv tartalma:
A regresszióról szóló tankönyvek többsége az elméletre és a legegyszerűbb példákra összpontosít. A valódi statisztikai problémák azonban összetettek és kifinomultak.
Ez a könyv nem a regresszió elméletéről szól. Hanem a regresszió használatáról az összehasonlítás, a becslés, az előrejelzés és az oksági következtetés valós problémáinak megoldására. Más könyvektől eltérően olyan gyakorlati kérdésekre összpontosít, mint a mintaméret és a hiányzó adatok, valamint a célok és technikák széles körére.
Rögtön beleugrik a módszerekbe és a számítógépes kódokba, amelyeket azonnal használhat. A szerzők tapasztalataiból származó valós példák, valós történetek mutatják be, mire képes a regresszió és annak korlátai, gyakorlati tanácsokkal a feltételezések megértéséhez és a módszerek végrehajtásához kísérletek és megfigyelési tanulmányok esetében.
Gördülékeny átmenetet képeznek a logisztikus regresszió és a GLM között. A hangsúly a levezetések helyett az R-ben és a Stanben végzett számításokon van, a kódok online elérhetők.
A grafikák és a prezentáció segítik a modellek és a modellillesztés megértését.
