Explore la vérification du modèle et les résidus dans lanalyse de régression, en soulignant limportance des diagnostics pour assurer la validité du modèle.
Couvertures Modèles linéaires généralisés, probabilité, déviance, fonctions de liaison, méthodes d'échantillonnage, régression de Poisson, surdispersion et modèles de régression alternatifs.
Couvre l'analyse des données jacamar, les modèles de données sur le tabagisme et les défis liés aux modèles log-linéaires dans les données sur les déficiences visuelles.
Couvre lalgorithme IWLS pour obtenir des MLE dans les modèles de régression et discute de la statistique du rapport de vraisemblance et de la déviance dans lajustement du modèle.
Introduit une estimation de vraisemblance maximale en économétrie, couvrant les principes, les propriétés, les applications et les tests de spécification.
Explore la théorie des modèles linéaires généralisés, y compris la logistique et la régression de Poisson, lévaluation des modèles et les tests de coefficient.
