大多数有关回归的教科书侧重于理论和最简单的例子。然而，真正的统计问题是复杂而微妙的。这不是一本关于回归理论的书。它是关于使用回归来解决比较、估计、预测和因果推理等实际问题。与其他书籍不同，它侧重于实际问题，如样本量、缺失数据以及广泛的目标和技术。它直接进入你可以立即使用的方法和计算机代码。作者亲身经历的真实例子和故事，展示了回归的作用及其局限性，并为理解实验和观察研究的假设和实施方法提供了实用建议。他们顺利过渡到逻辑回归和GLM。重点是R和Stan的计算，而不是推导，代码可以在线获得。图形和演示有助于理解模型和模型拟合。

目录内容：

  • 介绍

  • 数据和测量

  • 数学和概率论中的一些基本方法

  • 生成模型和统计推断

  • 模拟

  • 回归建模背景

  • 单预测器线性回归

  • 拟合回归模型

  • 预测和贝叶斯推理

  • 多预测因子线性回归

  • 假设、诊断和模型评估

  • 转换

  • 逻辑回归

  • 使用逻辑回归

  • 其他广义线性模型

  • 设计和样本大小的决定

  • 后分层和缺失数据归因

  • 因果推理基础和随机实验

  • 使用对治疗变量的回归进行因果推断

  • 因果推理中更高级的主题

  • 高级回归和多级模型

内容中包含的图片若涉及版权问题，请及时与我们联系删除