Regression for Categorical Data

Ce livre présente les concepts de base et avancés de la régression catégorielle en mettant l’accent sur les constituants structurants de la régression, y compris les techniques de régularisation pour structurer les prédicteurs. En plus des méthodes standard telles que les modèles logit et probit et les extensions aux paramètres multivariés, l’auteur présente des développements plus récents en matière de régression flexible et de haute dimension, qui permettent d’affaiblir les hypothèses sur la structuration du prédicteur et les ajustements de rendement plus proches des données. Un modèle linéaire généralisé est utilisé comme cadre unificateur dans la mesure du possible, en particulier dans les modèles paramétriques qui sont traités dans ce cadre. De nombreux sujets qui ne sont normalement pas inclus dans les livres sur l’analyse de données catégorielles sont traités ici, tels que la régression non paramétrique ; sélection de prédicteurs par des procédures d’estimation régularisées ; des modèles ternatifs tels que le modèle d’obstacle et les modèles de régression gonflés par zéro pour les données de comptage ; et les méthodes d’ensemble arborescentes non standard. Le livre est accompagné d’un package R qui contient des ensembles de données et du code pour tous les exemples. Langue : Anglais