发帖
雷达卡
下面的简短章节指南可以帮助您将本书中的材料串联起来，为您创建完美的学习安排：
第 1 章：多元线性回归回顾。我们发现我们的学生确实从第一周左右的复习中受益，此外，
在第一章中，我们介绍了探索性数据分析 (EDA) 和模型构建的方法，同时提醒学生
有关指标、交互和引导等概念.
第 2 章：超越最小二乘：使用似然。本章建立了对可能性及其在测试和估计中的有用性的直
觉；任何涉及微积分的部分都是可选的。可以跳过第 2 章，因为以后对可能性的引
用变得更加模糊，理解更加浅薄。
第 3 章：分配理论。关键离散和连续概率分布的快速总结，本章可以根据需要作为参考。
第 4 章：泊松回归。这是广义线性模型最重要的一章，其中三个案例研究中的每一个都引入了新思
想，例如系数解释、Wald 型和下降偏差检验、Wald 型和轮廓似然置信区间、偏移、过 度离散、准似然、零通货膨胀和负二项式等替代方案。
第 5 章：广义线性模型：统一理论。第 5 章很短，但它重要地展示了线性、logistic、二项
式、泊松和其他回归方法之间的联系。我们相信让学生意识到 GLM 不仅仅是建模方
法的随机集合，这一点很重要。
第 6 章：逻辑回归。在涉及二元逻辑回归的第三个案例研究之前，我们从两个涉及二项式回
归的案例研究开始，将第 4 章和第5 章联系起来。
第 7 章：相关数据。这是过渡章节，通过扩展模拟和真实案例研究建立对相关数据的直觉，
尽管您可以根据需要直接跳到第 8章。第 8-11 章包含多层次模型材料，并且在大多
数情况下，它们不依赖于前面的章节（除了第 11 章中的概括性回答以及对可能性、
推理方法等思想的 引用）。事实上，在一个学期中，我们在 GLM 材料之前教授了
多层次材料，以促进需要多层次模型的学术公民参与项目（在那个学期我们的章节
顺序是：1、2、7、8、9、10、3、4 , 5, 6, 11)。
第 8 章：多水平模型介绍。当我们进行全面的案例研究时，会激发出几个重要的想法，包括用
于多级数据的 EDA、两阶段方法、多元正态分布、系数解释、固定和随机效应、随
机斜率和截距等。另一个模拟说明了不恰当地使用假设相关数据独立的回归方法的
影响。
第 9 章：两水平纵向数据。本章涵盖了第 8 章模型的特殊情况，其中每个主题随着时间的推移
有多次测量。新主题包括纵向特定EDA、缺失数据方法、参数引导推理和协方差结
构。
第 10 章：具有两个以上水平的多水平数据。第 8 章和第 9 章的想法扩展到了一个三级案例研
究。新想法包括边界约束以及方差分量和固定效应的爆炸性数量。
第 11 章：多水平广义线性模型。本章将所有内容汇总在一起，将多级数据与非正态响应相结
合。这里介绍了交叉随机效应和随机效应估计。
每章提供三种类型的练习。概念练习询问章节中案例研究背景下的关键思想，以及出现这些思想的其他研究文章。指导练习提供带有背景描述的真实数据集，并引导学生逐步完成一组问题，以探索数据、构建和解释模型以及解决关键研究问题。最后，开放式练习提供带有上下文描述的真实数据集，并要求学生在不规定具体步骤的情况下探索关键问题。我们本书的网站上将向合格的教师提供包含所有练习答案的解决方案手册。
京公网安备 11010802022788号
