Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Este curso começa revisando coeficientes angulares (slopes) e interceptos em regressões lineares e, em seguida, avança para efeitos aleatórios. Você vai aprender o que é um efeito aleatório e como usá-lo para modelar seus dados. Depois, o curso aborda regressões lineares de efeitos mistos. Esses modelos poderosos permitem explorar dados com uma estrutura mais complexa do que uma regressão linear padrão. Em seguida, o curso ensina regressões lineares generalizadas de efeitos mistos. Os modelos lineares generalizados de efeitos mistos permitem modelar mais tipos de dados, incluindo respostas binárias e dados de contagem. Por fim, o curso apresenta análise de medidas repetidas como um caso especial de modelagem de efeitos mistos. Esse tipo de dado aparece quando sujeitos são acompanhados ao longo do tempo e medições são coletadas em intervalos. Ao longo do curso, você vai trabalhar com dados reais para responder a perguntas interessantes usando modelos de efeitos mistos.
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Visão geral e introdução a modelos hierárquicos e de efeitos mistos
O primeiro capítulo traz um exemplo de quando usar um modelo de efeitos mistos e também descreve as partes de uma regressão. O capítulo examina ainda um conjunto de dados de notas de alunos com estrutura aninhada para demonstrar efeitos mistos.
- O que é um modelo hierárquico?50 XP
- Exemplos de conjuntos de dados hierárquicos100 XP
- Dados de alunos em múltiplos níveis100 XP
- Explorando múltiplos níveis: salas de aula e escolas100 XP
- Partes de uma regressão50 XP
- Interceptos100 XP
- Inclinações e regressão múltipla100 XP
- Efeitos aleatórios em regressões com dados escolares50 XP
- Interceptos de efeito aleatório100 XP
- Inclinações de efeitos aleatórios100 XP
- Construindo o modelo da escola100 XP
- Interpretando o modelo da escola100 XP
2
Modelos lineares de efeitos mistos
Este capítulo apresenta uma introdução aos modelos lineares de efeitos mistos. Ele cobre diferentes tipos de efeitos aleatórios, descreve como entender os resultados desses modelos e revisa diferentes métodos de inferência estatística com modelos de efeitos mistos usando dados de criminalidade de Maryland.
3
Modelos lineares generalizados de efeitos mistos
Este capítulo estende os modelos lineares de efeitos mistos para incluir termos de erro não normais usando modelos lineares generalizados de efeitos mistos. Ao ajustar o modelo para incluir um termo de erro não normal, você consegue modelar mais tipos de dados com respostas não lineares. Após revisar os modelos lineares generalizados, o capítulo examina dados binomiais e dados de contagem no contexto de modelos de efeitos mistos.
4
Medidas repetidas
Este capítulo mostra como a análise de medidas repetidas é um caso especial de modelagem de efeitos mistos. O capítulo começa revisando testes t pareados e ANOVA para medidas repetidas. Em seguida, usa um modelo linear de efeitos mistos para analisar dados de um estudo do sono. Por fim, utiliza um modelo linear generalizado de efeitos mistos para examinar dados de crimes de ódio no estado de Nova York ao longo do tempo.
R
Modelos Hierárquicos e de Efeitos Mistos em R
Curso
concluído
