Semiparametric Regression (Cambridge Series in Statistical and Probabilistic Mathematics)

個数：

Semiparametric Regression (Cambridge Series in Statistical and Probabilistic Mathematics)

  • 提携先の海外書籍取次会社に在庫がございます。通常3週間で発送いたします。
    【重要ご説明事項】
    1. 納期遅延や、ご入手不能となる場合が若干ございます。
    2. 複数冊ご注文の場合、分割発送となる場合がございます。
    3. 美品のご指定は承りかねます。
  • 【入荷遅延について】
    世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
    おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。
  • ◆画像の表紙や帯等は実物とは異なる場合があります。
  • ◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
    また、洋書販売価格は、ご注文確定時点での日本円価格となります。
    ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。
  • 製本 Paperback:紙装版/ペーパーバック版／ページ数 404 p.
  • 言語 ENG
  • 商品コード 9780521785167
  • DDC分類 519.5

基本説明

Graphics and examples plus case studies taken from environmental, financial, and other applications.

Full Description

Semiparametric regression is concerned with the flexible incorporation of non-linear functional relationships in regression analyses. Any application area that benefits from regression analysis can also benefit from semiparametric regression. Assuming only a basic familiarity with ordinary parametric regression, this user-friendly book explains the techniques and benefits of semiparametric regression in a concise and modular fashion. The authors make liberal use of graphics and examples plus case studies taken from environmental, financial, and other applications. They include practical advice on implementation and pointers to relevant software. The 2003 book is suitable as a textbook for students with little background in regression as well as a reference book for statistically oriented scientists such as biostatisticians, econometricians, quantitative social scientists, epidemiologists, with a good working knowledge of regression and the desire to begin using more flexible semiparametric models. Even experts on semiparametric regression should find something new here.

Contents

1. Introduction; 2. Parametric regression; 3. Scatterplot smoothing; 4. Mixed models; 5. Automatic scatterplot smoothing; 6. Inference; 7. Simple semiparametric models; 8. Additive models; 9. Semiparametric mixed models; 10. Generalized parametric regression; 11. Generalized additive models; 12. Interaction models; 13. Bivariate smoothing; 14. Variance function estimation; 15. Measurement error; 16. Bayesian semiparametric regression; 17. Spatially adaptive smoothing; 18. Analyses; 19. Epilogue; A. Technical complements; B. Computational issues.