Регрессионный анализ

Wiley, 1988. - 365 с. Бейтс Д.М., Уоттс Д. Нелинейный регрессионный анализ и его приложения. Представлены теоретические, практические и расчетные аспекты нелинейной регрессии. В книге содержится материал по линейной регрессии. Presents the theoretical, practical, and computational aspects of nonlinear regression. This book provides material on linear regression, including a...

Thousands Oaks: Sage Publications, 2004. — 281 p. Regression is often applied to questions for which it is ill equipped to answer. As a formal matter, conventional regression analysis does nothing more than produce from a data set a collection of conditional means and conditional variances. The problem, though, is that researchers typically want more: they want tests,...

Hoboken: Wiley, 1994. – 280 p. Covers the use of dynamic and interactive computer graphics in linear regression analysis, focusing on analytical graphics. Features new techniques like Description rotation. The authors have composed their own regression code, using Xlisp-Stat language called R-code, which is a nearly complete system for linear regression analysis and can be...

New York: Springer, 2015. — 582 p. This highly anticipated second edition features new chapters and sections, 225 new references, and comprehensive R software. In keeping with the previous edition, this book is about the art and science of data analysis and predictive modeling, which entails choosing and using multiple tools. Instead of presenting isolated techniques, this text...

Second Edition. — Wiley, 2003. — 741 p. A popular statistical text now updated and better than ever! The ready availability of high-speed computers and statistical software encourages the analysis of ever larger and more complex problems while at the same time increasing the likelihood of improper usage. That is why it is increasingly important to educate end users in the correct...

Boca Raton: CRC Press, 2022. — 437 p. Research in social and behavioral sciences has benefited from linear regression models (LRMs) for decades to identify and understand the associations among a set of explanatory variables and an outcome variable. Linear Regression Models: Applications in R provides you with a comprehensive treatment of these models and indispensable guidance...

2nd ed, 2000. Introduction to the Logistic Regression Model. Multiple Logistic Regression. Interpretation of the Fitted Logistic Regression Model. Model-Building Strategies and Methods for Logistic Regression. Assessing the Fit of the Model. Application of Logistic Regression with Different Sampling Models. Logistic Regression for Matched Case-Control Studies. Special...

Boca Raton: CRC Press, 2023. — 298 p. Modern Applied Regressions creates an intricate and colorful mural with mosaics of categorical and limited response variable (CLRV) models using both Bayesian and Frequentist approaches. Written for graduate students, junior researchers, and quantitative analysts in behavioral, health, and social sciences, this text provides details for...

7th Edition. — N.Y.: Prentice-Hall, 2011. — 812 p. This text is designed for two types of statistics courses. The early chapters, combined with a selection of the case studies, are designed for use in the second half of a two-semester (two-quarter) introductory statistics sequence for undergraduates. with statistics or nonstatistics majors. Or, the text can be used for a course...

2nd ed. — Boca Raton: CRC, 2002. — 256 p. Originally published in 1990, the first edition of Subset Selection in Regression filled a significant gap in the literature, and its critical and popular success has continued for more than a decade. Thoroughly revised to reflect progress in theory, methods, and computing power, the second edition promises to continue that tradition....

San Diego: R.D. Irwin, 1983. - 561p. The long established leading authoritative text and reference on regression. For students in most any discipline where statistical analysis or interpretation is used, ALRM has served as the industry standard. The text includes brief introductory and review material, and then proceeds through regression and modeling. All topics are presented...

New York: Springer, 2017. — 497 p. — ISBN: 978-3-319-55250-7. This text covers both multiple linear regression and some experimental design models. The text uses the response plot to visualize the model and to detect outliers, does not assume that the error distribution has a known parametric distribution, develops prediction intervals that work when the error distribution is...

John Wiley & Sons Ltd., 2016. — 388 p. — ISBN: 9781118597965. Since mathematical models express our understanding of how nature behaves, we use them to validate our understanding of the fundamentals about systems (which could be processes, equipment, procedures, devices, or products). Also, when validated, the model is useful for engineering applications related to diagnosis,...

Boca Raton: CRC Press, 2021. — 437 p. Beyond Multiple Linear Regression: Applied Generalized Linear Models and Multilevel Models in R is designed for undergraduate students who have successfully completed a multiple linear regression course, helping them develop an expanded modeling toolkit that includes non-normal responses and correlated structure. Even though there is no...

Wiley, 2003. — 582 p. — ISBN: 9780471415404 Concise, mathematically clear, and comprehensive treatment of the subject. Expanded coverage of diagnostics and methods of model fitting. Requires no specialized knowledge beyond a good grasp of matrix algebra and some acquaintance with straight-line regression and simple analysis of variance models. More than 200 problems throughout...

N.-Y.: Springer. 2014. — 290 p. The standard approach of most introductory books for practical statistics is that readers first learn the minimum mathematical basics of statistics and rudimentary concepts of statistical methodology. They then are given examples of analyses of data obtained from natural and social phenomena so that they can grasp practical definitions of...

Boca Raton: CRC Press, 2022. — 249 p. This book introduces best practices in longitudinal data analysis at intermediate level, with a minimum number of formulas without sacrificing depths. It meets the need to understand statistical concepts of longitudinal data analysis by visualizing important techniques instead of using abstract mathematical formulas. Different solutions...

Под ред. Адлера Ю.П. — М.: Финансы и статистика, 1987. — 230 с. Книга систематизирует и обобщает новые направления регрессионного анализа, в том числе нарушения предпосылок (диагностика и пути преодоления), к которым относятся: нарушения предпосылки нормальности и нарушения однородности дисперсий. В качестве путей преодоления рассматриваются непараметрические методы оценивания,...

М.: ДМК Пресс, 2022. — 750 с. Регрессия – это статистический метод, который позволяет найти уравнение, наилучшим образом описывающее совокупность данных. Регрессионный анализ позволяет моделировать, проверять и исследовать пространственные отношения, а в ряде случаев устанавливать причинно-следственные связи между независимыми и зависимыми переменными. В этой книге представлен...

М.: Финансы и статистика, 1981. — 304 с. Рассматриваются современные методы оценивания параметров в линейных и нелинейных регрессиях - оценивание в условиях ошибок измерения, устойчивое и др. Даются практические рекомендации нахождения оценок. Изучаются статистические свойства оценок, методы построения доверительных интервалов и проверки гипотез в линейных и нелинейных...

Монография. — Иркутск: Иркутский государственный университет путей сообщения (ИрГУПС), 2018. — 176 с. — ISBN: 978-5-98710-354-8. Монография посвящена одному из основных инструментов анализа данных — регрессионному анализу. Предложены новые способы решения проблем, возникающих на этапах спецификации, параметризации и верификации регрессионных моделей. В основе предлагаемых...

М.: Финансы и статистика, 1982. — 199 с. Рассматривается комплекс вопросов, связанных с обработкой статистических данных и оцениванием регрессионных коэффициентов. Приводится описание алгоритмов регрессионных моделей, их сравнительный анализ. Для исследователей в области статистики, биологии, медицины и т.д., занимающихся разработкой регрессионных моделей.

Пер. с англ. А. М. Кагана, В. М Калинина и К. П. Латышева. — Под ред. академика Ю. В. Линника. — Москва: Наука, 1968. — 548 с. Книга содержит восемь глав. В главе 1 изложены необходимые сведения из линейной алгебры, в главе 2 — из теории вероятностей. Статистическая часть начинается с главы 3, где описываются некоторые стандартные распределения математической статистики,...

М.: ДМК Пресс, 2014. — 222 с. — ISBN: 978-5-97060-115-0. Риса и Миу учатся в институте и подрабатывают в кафе Norns. Миу очень нравится один из посетителей кафе, но она не знает, как с ним познакомиться. Однажды он забывает на столе книгу, которая оказывается учебником по регрессионному анализу. Теперь есть повод заговорить с ним, но Миу почти не знакома с регрессионным...

Saarbrücken: Lambert Academic Publishing, 2017. — 128 с. В учебном пособии рассмотрены основные инструменты, используемые для регрессионного анализа данных в аналитическом приложении Deductor Studio: линейная регрессия, декомпозиция временного ряда и логистическая регрессия. Приведены примеры, позволяющие получить навыки их практического применения в бизнес-аналитике. Учебное...