Applied Regression Analysis

by Norman R. Draper, Harry Smith

An outstanding introduction to the fundamentals of regression analysis-updated and expanded The methods of regression analysis are the most widely used statistical tools for discovering the relationships among variables. This classic text, with its emphasis on clear, thorough presentation of concepts and applications, offers a complete, easily accessible introduction to the fundamentals of regression analysis. Assuming only a basic knowledge of elementary statistics, Applied Regression Analysis, Third Edition focuses on the fitting and checking of both linear and nonlinear regression models, using small and large data sets, with pocket calculators or computers. This Third Edition features separate chapters on multicollinearity, generalized linear models, mixture ingredients, geometry of regression, robust regression, and resampling procedures. Extensive support materials include sets of carefully designed exercises with full or partial solutions and a series of true/false questions with answers. All data sets used in both the text and the exercises can be found on the companion disk at the back of the book. For analysts, researchers, and students in university, industrial, and government courses on regression, this text is an excellent introduction to the subject and an efficient means of learning how to use a valuable analytical tool. It will also prove an invaluable reference resource for applied scientists and statisticians.

Genres: Mathematics

736 pages, Hardcover

First published January 1, 1981

About the author

Dr. Norman R. Draper was professor emeritus and distinguished professor of the Department of Statistics at University of Wisconsin.

Reviews

[Ostilio Portillo · Rating 3 out of 5]

I read this book in search of an understanding of linear regression in general. I found a lot of information about the subject. The author goes very deep into several approaches to performing regressions. However, I must admit I found much more than I was expecting to find. Something that I really liked about this book is the plethora of examples provided across multiple chapters.
Since I teach statistics in my class, I found very useful insights about simple linear regression, multiple linear regression, step forward, and backward regression which I plan to use to teach in my class.

[Данило Судин · Rating 5 out of 5]

В цій частині автори розглядають декілька важливих тем. По-перше, методи вибору найкращого рівняння регресії. Важлива тема, особливо для прихильників "простого відсіювання", яке, насправді, є методом remove (на основі t-критерію, який в цьому випадку є частковим F-критерієм).
По-друге, автор подають короткий огляд методів побудови нелінійних регресій. Звісно, станом на 1982 р. це була нова та незвідана ділянка. Тридцять років по тому напрацювань побільшало. Але з базовими проблемами в цій праці познайомитися можна.
По-третє, автори розглядають можливість використання методів регресійного аналізу до задач дисперсійного аналізу. Після роботи Статистические методы в педагогике и психологии це вже не видається такою новинкою, адже в обох випадках використовуємо МНК. Втім, вартою уваги є думка авторів, що в дисперсійному аналізі дослідник також будує модель (наприклад, лінійну, але можна і квадратичну).
Отже, попри свій вік, книжка варта уваги: як ґрунтовний вступ до регресійного аналізу, який не є теоретичним, але дуже практично зорієнтованим.

[Данило Судин · Rating 5 out of 5]

Ґрунтовна праця про регресії, де не просто обговорюються основні принципи (у формі звичайних та матричних рівнянь) регресійного аналізу, але і розкриваються секрети інтерпретації та побудови регресійних моделей.

Взагалі, сенсу переказувати зміст праці немає, бо простіше її прочитати, але коротко означу основні пункти, які виявилися важливими для мене:
1) OLS та WLS: особливості їх застосування;
2) R^2 та "підводні камені" у його використанні;
3) перетворення змінних;
4) аналіз залишків;
5) колінеарність;
6) довірчі інтервали для коеф. регресії: чому їм не варто аж так довіряти.

В роботі бракує більш детального огляду способів виявлення порушень умов МНК (особливо щодо помилок). На жаль, автори пропонують лише візуальний аналіз графіків залишків, чого трохи замало, особливо в умовах кількох предикторів.

Але загалом робота є гарним і доволі простим, але водночас глибоким вступом до регресійного аналізу.

[Adrian · Rating 3 out of 5]

buku pegangang kuliah pengantar analisis multivariat yang gw ambil semester ini

[Ale · Rating 5 out of 5]

ok, very good!!! excellent!!

[Aan · Rating 5 out of 5]

ok

[Kristina]

speechless

[Rebecca · Rating 3 out of 5]

One statistics class down, two more to go!!

[Kristen · Rating 3 out of 5]

yikes.... book 1 of statistics hell!