Linear Regression

Destinat nivelului de licență avansată și masterat, Linear Regression de David J. Olive oferă o abordare riguroasă a modelelor liniare, fiind esențial pentru studenții cu un fundament matematic solid în algebră liniară și statistică. Considerăm că elementul distinctiv al acestei lucrări publicate de Springer este utilizarea sistematică a graficelor de răspuns pentru validarea modelelor, o metodă vizuală eficientă în identificarea valorilor aberante, care completează analiza teoretică. Volumul extinde cadrul propus de Applied Regression Analysis and Experimental Design prin introducerea unor tehnici moderne de inferență, precum metodele bootstrap pentru selecția variabilelor și regiunile de predicție multivariate, utile atunci când distribuția erorilor nu este una parametrică cunoscută.

Structura cursului este progresivă, pornind de la regresia liniară multiplă și diagnosticul modelelor, trecând prin designul experimental (ANOVA, modele de blocuri, designuri ortogonale) și culminând cu teoria pentru modele multivariate și modele liniare generalizate (GLM). În contextul operei autorului, lucrarea de față rafinează conceptele de estimare și eroare prezentate în Statistical Theory and Inference, punând un accent mai mare pe aplicabilitatea practică prin intermediul limbajului R. Față de A Modern Approach to Regression with R, care pune accent pe validitatea modelelor prin ploturi, Linear Regression aduce o rigoare matematică sporită în ceea ce privește teoria eșantioanelor mari și metodele robuste, facilitând o înțelegere profundă a fundamentelor statistice necesare cercetării avansate.