Efter att ha gått de här kurserna känner jag mig trygg med att skapa professionella visualiseringar och dashboards
Shoebur RahmanInköpsspecialist, Giz Bangladesh
Kursbeskrivning
Kursen börjar med en genomgång av lutningar och intercept i linjär regression och fortsätter sedan med slumpmässiga effekter. Du lär dig vad en slumpmässig effekt är och hur du använder den för att modellera dina data. Därefter behandlas linjära regressioner med blandade effekter. Dessa kraftfulla modeller låter dig utforska data med mer komplicerad struktur än vad en vanlig linjär regression klarar av. Kursen tar sedan upp generaliserade linjära modeller med blandade effekter. Sådana modeller gör det möjligt att modellera fler typer av data, till exempel binära utfall och räknedata. Avslutningsvis behandlas analys av upprepade mätningar som ett specialfall av modellering med blandade effekter. Den här typen av data förekommer när försökspersoner följs över tid och mätningar samlas in med jämna intervall. Under hela kursen arbetar du med verkliga data för att besvara intressanta frågor med hjälp av modeller med blandade effekter.
Förkunskapskrav
Kursplan
Kursöversikt
1
Översikt och introduktion till hierarkiska modeller och modeller med blandade effekter
Det första kapitlet ger ett exempel på när man bör använda en modell med blandade effekter och beskriver också de olika delarna i en regression. Kapitlet undersöker dessutom ett dataset med testresultat för elever som har en nästlad struktur, för att illustrera blandade effekter.
- Vad är en hierarkisk modell?50 XP
- Exempel på hierarkiska datamängder100 XP
- Flernivådata för elever100 XP
- Utforska flera nivåer: Klassrum och skolor100 XP
- Delar av en regression50 XP
- Intercept100 XP
- Lutningar och multipel regression100 XP
- Slumpmässiga effekter i regressioner med skoldata50 XP
- Slumpmässiga intercept100 XP
- Slumpmässiga lutningseffekter100 XP
- Bygg skolmodellen100 XP
- Tolka skolmodellen100 XP
2
Linjära modeller med blandade effekter
Det här kapitlet introducerar linjära modeller med blandade effekter. Det behandlar olika typer av slumpmässiga effekter, förklarar hur man tolkar resultaten från linjära modeller med blandade effekter och går igenom olika metoder för statistisk inferens med blandade effekter – med brottsdata från Maryland som exempel.
3
Generaliserade linjära modeller med blandade effekter
Det här kapitlet utvidgar linjära modeller med blandade effekter till att även inkludera icke-normala feltermer, med hjälp av generaliserade linjära modeller med blandade effekter. Genom att anpassa modellen med en icke-normal felterm kan du modellera fler typer av data med icke-linjära utfall. Efter en genomgång av generaliserade linjära modeller undersöker kapitlet binomialdata och räknedata i samband med modeller med blandade effekter.
4
Upprepade mätningar
Det här kapitlet visar hur analys av upprepade mätningar är ett specialfall av modellering med blandade effekter. Kapitlet börjar med en genomgång av parade t-test och upprepad-mätningar-ANOVA. Därefter används en linjär modell med blandade effekter för att analysera data från en sömnsstudie. Avslutningsvis används en generaliserad linjär modell med blandade effekter för att undersöka data om hatbrott i delstaten New York över tid.
R
Hierarkiska modeller och modeller med blandade effekter i R
Kurs
slutförd
