Multivariate Statistical Modelling Based on Generalized Linear Models
เชจเชตเซ 2013 ยท Springer Science & Business Media
เช-เชชเซเชธเซเชคเช
426
เชชเซเช
reportเชฐเซเชเชฟเชเช เช
เชจเซ เชฐเชฟเชตเซเชฏเซ เชเชเชพเชธเซเชฒเชพ เชจเชฅเซย เชตเชงเซ เชเชพเชฃเซ
เช เช-เชชเซเชธเซเชคเช เชตเชฟเชถเซ
Classical statistical models for regression, time series and longitudinal data provide well-established tools for approximately normally distributed vari ables. Enhanced by the availability of software packages these models dom inated the field of applications for a long time. With the introduction of generalized linear models (GLM) a much more flexible instrument for sta tistical modelling has been created. The broad class of GLM's includes some of the classicallinear models as special cases but is particularly suited for categorical discrete or nonnegative responses. The last decade has seen various extensions of GLM's: multivariate and multicategorical models have been considered, longitudinal data analysis has been developed in this setting, random effects and nonparametric pre dictors have been included. These extended methods have grown around generalized linear models but often are no longer GLM's in the original sense. The aim of this book is to bring together and review a large part of these recent advances in statistical modelling. Although the continuous case is sketched sometimes, thoughout the book the focus is on categorical data. The book deals with regression analysis in a wider sense including not only cross-sectional analysis but also time series and longitudinal data situations. We do not consider problems of symmetrical nature, like the investigation of the association structure in a given set of variables. For example, log-linear models for contingency tables, which can be treated as special cases of GLM's are totally omitted. The estimation approach that is primarily considered in this book is likelihood-based.
เช เช-เชชเซเชธเซเชคเชเชจเซ เชฐเซเชเชฟเชเช เชเชชเซ
เชคเชฎเซ เชถเซเช เชตเชฟเชเชพเชฐเซ เชเซ เช
เชฎเชจเซ เชเชฃเชพเชตเซ.
เชฎเชพเชนเชฟเชคเซ เชตเชพเชเชเชตเซ
เชธเซเชฎเชพเชฐเซเชเชซเซเชจ เช
เชจเซ เชเซ
เชฌเซเชฒเซเช
Android เช
เชจเซ iPad/iPhone เชฎเชพเชเซ Google Play Books เชเชช เชเชจเซเชธเซเชเซเชฒ เชเชฐเซ. เชคเซ เชคเชฎเชพเชฐเชพ เชเชเชพเชเชจเซเช เชธเชพเชฅเซ เชเชเซเชฎเซ
เชเชฟเช เชฐเซเชคเซ เชธเชฟเชเช เชฅเชพเชฏ เชเซ เช
เชจเซ เชคเชฎเชจเซ เชเซเชฏเชพเช เชชเชฃ เชนเซ เชคเซเชฏเชพเช เชคเชฎเชจเซ เชเชจเชฒเชพเชเชจ เช
เชฅเชตเชพ เชเชซเชฒเชพเชเชจ เชตเชพเชเชเชตเชพเชจเซ เชฎเชเชเซเชฐเซ เชเชชเซ เชเซ.
เชฒเซ
เชชเชเซเชช เช
เชจเซ เชเชฎเซเชชเซเชฏเซเชเชฐ
Google Play เชชเชฐ เชเชฐเซเชฆเซเชฒ เชเชกเชฟเชเชฌเซเชเชจเซ เชคเชฎเซ เชคเชฎเชพเชฐเชพ เชเชฎเซเชชเซเชฏเซเชเชฐเชจเชพ เชตเซเชฌ เชฌเซเชฐเชพเชเชเชฐเชจเซ เชเชชเชฏเซเช เชเชฐเซเชจเซ เชธเชพเชเชญเชณเซ เชถเชเซ เชเซ.
eReaders เช
เชจเซ เช
เชจเซเชฏ เชกเชฟเชตเชพเชเชธ
Kobo เช-เชฐเซเชกเชฐ เชเซเชตเชพ เช-เชเชเช เชกเชฟเชตเชพเชเชธ เชชเชฐ เชตเชพเชเชเชตเชพ เชฎเชพเชเซ, เชคเชฎเชพเชฐเซ เชซเชพเชเชฒเชจเซ เชกเชพเชเชจเชฒเซเชก เชเชฐเซเชจเซ เชคเชฎเชพเชฐเชพ เชกเชฟเชตเชพเชเชธ เชชเชฐ เชเซเชฐเชพเชจเซเชธเชซเชฐ เชเชฐเชตเชพเชจเซ เชเชฐเซเชฐ เชชเชกเชถเซ. เชธเชชเซเชฐเซเชเซเชก เช-เชฐเซเชกเชฐ เชชเชฐ เชซเชพเชเชฒเซ เชเซเชฐเชพเชจเซเชธเซเชซเชฐ เชเชฐเชตเชพ เชฎเชพเชเซ เชธเชนเชพเชฏเชคเชพ เชเซเชจเซเชฆเซเชฐเชจเซ เชตเชฟเชเชคเชตเชพเชฐ เชธเซเชเชจเชพเช เช
เชจเซเชธเชฐเซ.
