A Modern Approach to Regression with R

رویکرد مدرن به رگرسیون با R بر ابزارها و تکنیک‌های ساخت مدل‌های رگرسیون با استفاده از داده‌های دنیای واقعی و ارزیابی اعتبار آنها تمرکز دارد. یک موضوع کلیدی در سراسر کتاب این است که منطقی است که استنباط ها یا نتیجه گیری ها را فقط بر اساس مدل های معتبر استوار کنیم.

خروجی رگرسیون و نمودارهایی که در سراسر کتاب ظاهر می‌شوند با استفاده از R ایجاد شده‌اند. در وب‌سایت کتاب، کد R مورد استفاده در هر مثال را در متن خواهید یافت. همچنین کد SAS و STATA-code را برای تولید خروجی معادل در وب سایت کتاب پیدا خواهید کرد. پرایمرهای حاوی توضیحات گسترده R، SAS و STATA و استفاده از آنها در این کتاب نیز در وب سایت کتاب موجود است.

این کتاب حاوی تعدادی مجموعه داده واقعی جدید از برنامه‌های کاربردی است، از جمله رتبه‌بندی رستوران‌ها، رتبه‌بندی شراب‌ها، پیش‌بینی تیراژ روزنامه و درآمد مجلات، مقایسه عملکرد بازیکنان NFL و مقایسه فینالیست‌ها در مسابقه دوشیزه آمریکا. ایالت ها.

یکی از جنبه های کتاب که آن را از بسیاری از کتاب های رگرسیون دیگر متمایز می کند این است که جزئیات کاملی برای هر نمونه ارائه شده است. هدف این کتاب دانشجویان سال اول کارشناسی ارشد در رشته آمار است و همچنین می تواند برای کلاس های کارشناسی ارشد استفاده شود.

Simon Sheather استاد و رئیس بخش آمار در دانشگاه تگزاس A&M است. علایق تحقیقاتی پروفسور شیدر در زمینه روش های رگرسیون انعطاف پذیر و آمار ناپارامتریک و قوی است. او عضو انجمن آمار آمریکا است و در ISIHighlyCited.com فهرست شده است.

A Modern Approach to Regression with R focuses on tools and techniques for building regression models using real-world data and assessing their validity. A key theme throughout the book is that it makes sense to base inferences or conclusions only on valid models.

The regression output and plots that appear throughout the book have been generated using R. On the book website you will find the R code used in each example in the text. You will also find SAS-code and STATA-code to produce the equivalent output on the book website. Primers containing expanded explanations of R, SAS and STATA and their use in this book are also available on the book website.

The book contains a number of new real data sets from applications ranging from rating restaurants, rating wines, predicting newspaper circulation and magazine revenue, comparing the performance of NFL kickers, and comparing finalists in the Miss America pageant across states.

One of the aspects of the book that sets it apart from many other regression books is that complete details are provided for each example. The book is aimed at first year graduate students in statistics and could also be used for a senior undergraduate class.

Simon Sheather is Professor and Head of the Department of Statistics at Texas A&M University. Professor Sheather’s research interests are in the fields of flexible regression methods and nonparametric and robust statistics. He is a Fellow of the American Statistical Association and listed on ISIHighlyCited.com.