Das Buch "Models for Discrete Longitudinal Data" bietet eine umfassende Analyse von Modellierungsansätzen für nicht-gaussianische wiederholte Messungen, die möglicherweise unvollständig sind. Die Autoren, Geert Verbeke und Geert Molenberghs, beginnen mit Modellen für die vollständige marginale Verteilung des Ergebnisvektors, was eine Modellanpassung auf der Grundlage von Maximum-Likelihood-Prinzipien ermöglicht. Dies impliziert sofortige inferenzielle Werkzeuge für alle Parameter in den Modellen. Darüber hinaus werden weniger komplexe Alternativen wie verallgemeinerte Schätzgleichungen und Pseudo-Likelihood-Methoden vorgestellt. Das Buch behandelt auch bedingte Modelle und die Familie der Zufallseffekte, einschliesslich des Beta-Binomialmodells und des verallgemeinerten linearen gemischten Modells. Es werden verschiedene Verfahren zur Modellanpassung diskutiert und die Unterschiede zwischen marginalen Modellen und Modellen mit Zufallseffekten hervorgehoben.