关于初学者的广义线性模型最好的书是什么？

对于广义线性模型，我还是很陌生，在大多数的GLM文本中，我都对很多符号感到困惑。是否有非常流行的GLM书籍更易于阅读？

对于新开业医生，我喜欢盖尔曼和希尔。

使用回归和多层次/层次模型进行数据分析

从表面上看，这本书是关于分层广义线性模型的，这是比GLM更高级的主题。但是，第一部分是GLM的优秀从业者指南。

这本书讲究理论，沉迷于规范的统计实践，充满案例研究和实用的R代码，全都以愉悦，友善的声音讲述。

我是Agresti 分类数据分析的忠实拥护者。

我已经阅读了Agresti的Intro书，但是发现它缺少关于广义线性模型的构建方式和工作方式的关键解释。例如，如果您只想拟合逻辑回归，则可能不需要知道二项分布和logit链接的工作方式。但是，当您阅读了本章并开始对此有所疑惑却在书中找不到它时，这很烦人。

McCullagh和Nelder GLM的书很难阅读。它包含您需要了解的所有内容，但缺少关键结果的推导。

幸运的是，Agresti的分类数据分析提供了很好的平衡。

作为一个完整的初学者，我发现著名的分类数据分析作者艾伦·阿格里斯蒂（Alan Agresti）的线性模型和广义线性模型的基础很有帮助。语言是可变的，尽管假定您会接触线性代数。

我真的很喜欢R中的具有扩展功能的混合效果模型-Zuur等。人。这是他们的旧书《分析生态数据》（2007年）的后续内容。他们很好地激励了模型，并提供了大量直观的示例来解释GLM的外观。它们在理论，应用和讨论之间也达到了很好的平衡。另外，他们在其网站上拥有所有代码和数据集，因此您可以立即应用所学的知识。