Περίληψη : | Η εργασία αυτή χωρίζεται σε δύο μέρη. Στο πρώτο μέρος πραγματευόμαστε το πακέτο λογισμικού R και στο δεύτερο μέρος γίνεται μία εισαγωγή στη βασική θεωρία των Γενικευμένων Γραμμικών Μοντέλων με χρήση της γλώσσας προγραμματισμού R. Στο πρώτο μέρος γίνεται μία γενική εισαγωγή στη δομή της γλώσσας R και στα αντικείμενα που διαχειρίζεται. Στη συνέχεια περιγράφουμε τις εντολές που χρησιμοποιούνται πιο συχνά στη στατιστική συμπερασματολογία στα πλαίσια των Γενικευμένων Γραμμικών Μοντέλων. Το επόμενο θέμα που περιγράφουμε είναι οι εντολές που αφορούν στατιστική μοντελοποίηση με έμφαση στις εντολές που αφορούν την ανάλυση διακύμανσης και τα γραμμικά και γενικευμένα γραμμικά μοντέλα. Στο δεύτερο μέρος γίνεται χρήση της R για την υλοποίηση των θεμάτων που ακολουθούν. Ξεκινάμε με μία εισαγωγή στις έννοιες και κατανομές που χρησιμοποιούνται στα Γενικευμένα Γραμμικά Μοντέλα. Στη συνέχεια αναφερόμαστε στις μεθόδους εκτίμησης που χρησιμοποιούμε στα πλαίσια των Γενικευμένων γραμμικών μοντέλων. Το επόμενο θέμα είναι η πολλαπλή παλινδρόμηση και η ανάλυση διακύμανσης – συνδιακύμανσης. Τέλος περιγράφουμε κάποιες μεθόδους από την αντιμετώπιση των κατηγορικών δεδομένων με τη βοήθεια Γενικευμένων Γραμμικών Μοντέλων. Εστιάζουμε ιδιαίτερα στις δίτιμες μεταβλητές και τη Λογιστική παλινδρόμηση καθώς επίσης στους πίνακες συνάφειας και τα Λογαριθμογραμμικά μοντέλα. This paper is divided into two parts. The first part concerns the software package R and the second part is an introduction to basic theory of Generalized Linear Mod els using the programming language R.The first part concerns the structure and the objects of the language R. We describe next the commands that are most frequently used in statistical inference in the context of the generalized linear models.The next chapters concern the commands on statistical modeling with emphasis on commands relating to analysis of variance, linear and generalized linear models.The second part concern implementation with R issues of the Generalized Linear Models that follow.The next seven chapters concern the concepts and distributions used in generalized linear models. Then follows the estimation methods used in the context of generalized linear models. The next chapters concern the multiple regression and analysis of variance - covariance.Finally, the last two chapters concern categorical data. We describe some methods using generalized linear models. We focus particularly on binary variables and logistic regression as well as contingency tables and Log Linear models.
|
---|