您是否有建议书可以在研究生水平上自学《应用统计》?


23

我在大学上过几门统计学课程,但发现我的教育非常注重理论。

我想知道你们中是否有人推荐或在应用统计学方面(研究生阶段)有过不错的经验。


2
研究生级别的教科书通常比较专业,标题为负二项式回归通过状态空间方法进行时间序列分析。您可以更具体地说明您感兴趣的领域,还是正在寻找某种概述?
Scortchi-恢复莫妮卡

1
如果您告诉我们更多有关您的应用程序的信息,将对您有所帮助!
kjetil b halvorsen 2014年

我对回归方法和一些建模最感兴趣。我遇到很多二项式RV以及分布粗糙或不清楚的随机变量。应用程序相当广泛,因此概述将是“理想的”,但显然不是请求中最可行的哈哈。
jameselmore 2014年

Answers:


20

一些非常好的书:Box,Hunter&Hunter撰写的“实验者的统计数据:设计,创新和发现,第二版”。这是正式的介绍性文本(对化学和工程人员而言更多),但在应用方面非常好。

Andrew Gelman和Jennifer Hill撰写的“使用回归和多层次/层次模型进行数据分析”。在回归建模上的应用非常好。

“统计学习的要素:数据挖掘,推理和预测,第二版”(统计史普林格丛书)第二版(2009年),由Hastie Trevor,Tibshirani Robert和Friedman Jerome改正。比我的清单中的第一个更理论,但在应用的原因和假设方面也非常出色。- PDF版本发布

Gareth James,Daniela Witten,Trevor Hastie和Robert Tibshirani撰写的“统计学习入门”(统计史普林格系列)第六届(2015年) -PDF发布版本

逐步学习这三本书应该为应用程序打下良好的基础。


3
Box,Hunter和Hunter对于尚未阅读过任何水平的任何人都值得阅读。
Scortchi-恢复莫妮卡


3
我是Gelman / Hill书的忠实拥护者。
约翰

我已经阅读了大部分Elements;这很麻烦,如果您正在寻找应用程序,则需要知道要跳过的内容。Kuhn&Johnson(Appliedpredictivemodeling.com)和Berk(springer.com/gp/book/9780387775005)涵盖了类似材料,并提供了更多实用建议和代码示例。
德鲁N

8

Harrell(2001)的回归建模策略的特点是

  • 从头到尾涵盖建模—因此,数据减少,缺失值的估算和模型验证是其中的主题。
  • 强调说明如何在不同阶段采用不同的方法
  • 彻底解决问题的示例(和S-Plus / R代码),占用了本书的大部分内容

5

除此之外,Wooldrige的《计量经济学:现代方法》还提供了许多您想知道的高级回归大学方面的一切。

编辑:如果您要处理分类结果,则Hastie等人必不可少。而且,与Hastie等人的机器学习方法相反,Agresti的分类数据分析是一种很好的经典方法。


1
我认为Wooldridge并不特别先进。在我看来,更好的参考将是Hayashi的计量经济学,甚至是Wooldridge的第二篇文章“横截面和面板数据的计量经济学分析”。
JohnK

5
使用Hayashi进行“应用统计”就像使用喷火器点燃蜡烛。他要求更少的理论,而不是更多。同样,我认为Wooldridge在概念上对于本科生来说是很复杂的,即使它不是那么技术。这不像我推荐的Stock&Watson。
shadowtalker 2014年

2
我不同意,但我喜欢隐喻;)
JohnK 2014年

3

Gelman等人的Bayesian Data Analysis第三版(2013年)。级别参差不齐,但我发现治疗效果非常好,可以从大多数章节中获得有价值的东西。如果您对方法的原则性应用感兴趣,我会推荐这本书。


1

我从Sheskin的《参数和非参数统计过程手册》中得到了很多使用。它是对假设检验方法的广泛调查,对理论进行了很好的介绍,并对每种方法的精妙之处进行了大量注释。您可以在发布商的网站上看到目录(上面链接)。


1

如果您已经了解一些基础知识,那么Frank Frank的回归建模策略就是一本好书。它着重于应用程序(带有代码的大量示例),指定模型,模型诊断,处理常见陷阱以及避免问题方法。


0

我使用了Montgomery和Runger的“工程统计”。很好(特别是如果您有很强的数学背景)。我也强烈建议您查看CalTech的在线机器学习课程。非常适合介绍ML Concepts(如果这是数据分析的一部分)。https://work.caltech.edu/telecourse.html


0

我写了《用于工程应用的非线性回归建模:建模,模型验证和实验的使能设计》一书,Wiley,纽约,纽约,2016年9月。ISBN 9781118597965,RR,Rhinhart,因为我感觉到了这种需要。本书共361页,有一个随附的网站,其中包含针对许多技术的Excel / VBA开放代码解决方案。请访问www.r3eda.com。


0

UW Stat PhD程序的顶级回归方法序列使用Wakefield的“贝叶斯和频率回归方法”,对于像您这样看过很多数学统计数据的人们来说,这是一个特别好的选择。由于它利用了大量的数学知识,因此即使是最简单的应用方法,也比大多数书籍提供了更多的视角。


By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.