After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Questo corso inizia ripassando pendenze e intercette nelle regressioni lineari, per poi passare agli effetti casuali. Imparerai cos'è un effetto casuale e come usarlo per modellare i tuoi dati. Successivamente, il corso affronta le regressioni lineari a effetti misti. Questi potenti modelli ti permetteranno di esplorare dati con una struttura più complessa rispetto a una regressione lineare standard. Il corso poi introduce le regressioni generalizzate a effetti misti. I modelli lineari generalizzati a effetti misti consentono di modellare più tipi di dati, inclusi risposte binarie e dati di conteggio. Infine, il corso tratta l'analisi per misure ripetute come caso speciale di modellazione a effetti misti. Questo tipo di dati compare quando i soggetti sono seguiti nel tempo e le misurazioni vengono raccolte a intervalli. Durante il corso lavorerai con dati reali per rispondere a domande interessanti usando modelli a effetti misti.
Prerequisiti
Curriculum
Programma del corso
1
Panoramica e introduzione ai modelli gerarchici e a effetti misti
Il primo capitolo fornisce un esempio di quando usare un effetto misto e descrive anche le parti di una regressione. Esamina inoltre un insieme di dati sui punteggi dei test degli studenti con una struttura annidata per mostrare gli effetti misti.
- Che cos'è un modello gerarchico?50 XP
- Esempi di insiemi di dati gerarchici100 XP
- Dati degli studenti multilivello100 XP
- Esplorare più livelli: classi e scuole100 XP
- Le parti di una regressione50 XP
- Intercette100 XP
- Pendenze e regressione multipla100 XP
- Effetti casuali nelle regressioni con dati scolastici50 XP
- Intercette a effetto casuale100 XP
- Pendenze a effetti casuali100 XP
- Costruire il modello per la scuola100 XP
- Interpretare il modello per le scuole100 XP
2
Modelli lineari a effetti misti
Questo capitolo offre un'introduzione ai modelli lineari a effetti misti. Copre diversi tipi di effetti casuali, descrive come interpretare i risultati dei modelli lineari a effetti misti e passa in rassegna diversi metodi di inferenza statistica con modelli a effetti misti utilizzando dati sulla criminalità del Maryland.
3
Modelli lineari generalizzati a effetti misti
Questo capitolo estende i modelli lineari a effetti misti includendo termini di errore non normali tramite modelli lineari generalizzati a effetti misti. Modificando il modello per includere un termine di errore non normale, puoi modellare più tipi di dati con risposte non lineari. Dopo un ripasso dei modelli lineari generalizzati, il capitolo esamina dati binomiali e dati di conteggio nel contesto dei modelli a effetti misti.
4
Misure ripetute
Questo capitolo mostra come l'analisi per misure ripetute sia un caso speciale di modellazione a effetti misti. Il capitolo inizia ripassando i t-test appaiati e l'ANOVA per misure ripetute. Poi utilizza un modello lineare a effetti misti per analizzare dati di uno studio sul sonno. Infine, usa un modello lineare generalizzato a effetti misti per esaminare nel tempo i dati sui crimini d'odio dello stato di New York.
R
Modelli gerarchici e a effetti misti in R
Corso
completato
