En esta obra se presenta un claro equilibro entre la teoría y las aplicaciones de la regresión lineal. A lo largo del texto, se describen los usos más convencionales de la técnica, así como las menos comunes. Al principio se presenta una introducción general al modelado de la regresión, incluyendo aplicaciones típicas. En los capítulos sucesivos, el lector encontrará una cobertura detallada de:

* Selección de variable y técnicas de construcción de modelos. * Métodos de adecuación del modelo y de transformación de variables * El problema de multicolinealidad, incluyendo sus fuentes, efectos perjudiciales, diagnósticos y medidas correctivas. * Modelos de regresión no lineales, de Poisson. * Variables indicadoras que hacen la conexión entre modelos de regresión y análisis de varianza. * Técnicas de regresión robusta, como los estimadores de M, la mediana mínima de cuadrados y la estimación S. * Modelos lineales generalizados.

Se presentan también modelos de regresión con errores autocorrelacionados, estimados de regresión de secuencia de llamada, árboles de clasificación y regresión, así como validación del modelo de regresión. Además incluye temas que por lo general no se encuentran en un texto de regresión lineal como "bootstrapping" y redes neuronales. Se detallan procedimientos analíticos por computadora, disponibles en paquetes de software como SAS, Minitab y S-Plus.

En esta obra el lector encontrará el texto más completo y actualizado del análisis de regresión, la técnica más ampliamente usada en la estadística de nuestros días.