Esiste un consenso nel campo delle statistiche sul fatto che un libro è la migliore fonte in assoluto e copre completamente ogni aspetto del GLM, descrivendo tutto, dalla stima all'inferenza?
Esiste un consenso nel campo delle statistiche sul fatto che un libro è la migliore fonte in assoluto e copre completamente ogni aspetto del GLM, descrivendo tutto, dalla stima all'inferenza?
Esiste un consenso nel campo delle statistiche sul fatto che un libro è la migliore fonte in assoluto e copre completamente ogni aspetto del GLM, descrivendo tutto, dalla stima all'inferenza?
No, non c'è. Tuttavia il riferimento classico sui GLM sarebbe:
McCullagh, P., & Nelder, J.A. (1989). Modelli lineari generalizzati. CRC press.
È difficile da battere
Modelli lineari generalizzati.P. McCullagh, J. Nelder.CRC Press, 2a edizione, 1989
È completo.
Non credo che ci sia un solo libro che sarà esattamente quello che vuoi. Dalla tua descrizione, penso che la soluzione migliore sarebbe:
È un classico. Copre la matematica, ma è anche più introduttivo di altri libri che lo fanno.
La cosa che più si avvicina a una Bibbia GLM sono i modelli statistici lineari applicati di Kutner, Nachtsheim, Neter e Li. È di oltre 1400 pagine e copre la regressione lineare e i GLM. Praticamente tutto ciò che riguarda i GLM può essere trovato in quel libro.
Il libro di Nelder già citato è buono.
Solo per ulteriore considerazione, consiglierei Elements of Statistical Learning Seconda edizione di Trevor Hastie, Robert Tibshirani, Jerome Friedman. Mi piace ESL perché copre una vasta gamma di argomenti statistici e di machine learning. Mostra come i GLM si adattano ad altre tecniche (ed è gratuito).
E come visto in questa domanda, consiglierei il testo di Simon Wood Modelli additivi generalizzati : un'introduzione con R. Credo davvero che il testo di Wood valga la pena considerare perché, mentre dice che copre i GAM, copre davvero LM, GLM e GAM in dettaglio e introduce anche alcune tecniche di modellazione mista. L'approccio di Wood consiste nell'introdurre ogni argomento con un background teorico, ma poi il testo è molto pratico e ha esempi già in un pacchetto R che può essere scaricato per accompagnare il libro.
Libri introduttivi:
Un'introduzione ai modelli lineari generalizzati , di George Dunteman e Moon-Ho Ho (2006). Solo 72 pagine.
Modelli lineari generalizzati: un approccio unificato , di Jeff Gill (2001) Anche questo è breve (101 pagine).
Quindi hai più libri simili a libri di testo e più lunghi come quello che hai citato (444 pagine), o quello nell'altra risposta (511 pagine).
Un buon libro è quello di Fahrmeir et al https://www.amazon.com/Multivariate-Statistical-Modelling-Generalized-Statistics/dp/0387951873/ref=sr_1_1?s=books&ie=UTF8&qid=1506715879&sr = 1-1 "Modellazione statistica multivariata basata su modelli lineari generalizzati (seconda edizione)", forse non per un primo trattamento, ma per varie estensioni del modello di base e copertura di algoritmi computazionali.Come dice il titolo, estensioni multivariate, approcci semiparametrici (spline) ed estensioni alle serie temporali e altro ancora.