Multivariate Statistical Modelling Based on Generalized Linear Models

از اولین چاپ ما از این کتاب، پیشرفت‌های زیادی در مدل‌سازی آماری بر اساس مدل‌های خطی تعمیم‌یافته منتشر شده است، و هدف اصلی ما به‌روز کردن کتاب است. طبیعتاً انتخاب این پیشرفت‌های اخیر نشان‌دهنده علایق آموزشی و پژوهشی ماست. سازمان جدید به موازات نسخه اول است. ما سعی می‌کنیم با استفاده از داده‌های واقعی، مفاهیم را با مثال‌هایی نشان دهیم و بیشتر مجموعه‌های داده در http://fwww موجود است. آمار uni-muenchen. de/welcome_e. html، با پیوند به آرشیو داده ها. ما نتوانستیم تمام تحولات اخیر را در متن اصلی بررسی کنیم و در چنین مواردی به ارجاعاتی در پایان هر فصل اشاره می کنیم. تغییرات زیادی در چندین بخش، به ویژه در مورد آنهایی که به مفاهیم بیزی مرتبط هستند، یافت می شود. به عنوان مثال، درمان مدل های حاشیه ای در فصل 3 در حال حاضر فعلی و پیشرفته است. پوشش رگرسیون تعمیم یافته ناپارامتریک و نیمه پارامتریک در فصل 5 به طور کامل با تغییر تأکید بر مبانی خطی، و همچنین بخش های جدید در مورد رویکردهای هموارسازی محلی و استنتاج بیزی بازنویسی شده است. فصل 6 در حال حاضر شامل تحولات در مدل سازی پارامتری هر دو سری زمانی و داده های طولی است. علاوه بر این، مدل‌های اثر تصادفی در فصل 7 اکنون حداکثر احتمال ناپارامتری و بخش جدیدی از رویکردهای کاملاً بیزی را پوشش می‌دهند. تغییرات و الحاقات در فصل 8 منعکس کننده توسعه سریع فضای حالت و مدل های پنهان مارکوف است.

Since our first edition of this book, many developments in statistical mod­ elling based on generalized linear models have been published, and our primary aim is to bring the book up to date. Naturally, the choice of these recent developments reflects our own teaching and research interests. The new organization parallels that of the first edition. We try to motiv­ ate and illustrate concepts with examples using real data, and most data sets are available on http:/ fwww. stat. uni-muenchen. de/welcome_e. html, with a link to data archive. We could not treat all recent developments in the main text, and in such cases we point to references at the end of each chapter. Many changes will be found in several sections, especially with those connected to Bayesian concepts. For example, the treatment of marginal models in Chapter 3 is now current and state-of-the-art. The coverage of nonparametric and semiparametric generalized regression in Chapter 5 is completely rewritten with a shift of emphasis to linear bases, as well as new sections on local smoothing approaches and Bayesian inference. Chapter 6 now incorporates developments in parametric modelling of both time series and longitudinal data. Additionally, random effect models in Chapter 7 now cover nonparametric maximum likelihood and a new section on fully Bayesian approaches. The modifications and extensions in Chapter 8 reflect the rapid development in state space and hidden Markov models.