Sau khi hoàn thành các khóa học này, tôi cảm thấy tự tin khi tạo các trực quan hóa và bảng điều khiển chuyên nghiệp
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Khóa học bắt đầu bằng việc ôn lại hệ số góc và hệ số chặn trong hồi quy tuyến tính trước khi chuyển sang hiệu ứng ngẫu nhiên. Bạn sẽ học hiệu ứng ngẫu nhiên là gì và cách dùng nó để mô hình hóa dữ liệu. Tiếp theo, khóa học đề cập đến hồi quy tuyến tính với hiệu ứng hỗn hợp. Những mô hình mạnh mẽ này cho phép bạn khám phá dữ liệu có cấu trúc phức tạp hơn so với hồi quy tuyến tính chuẩn. Sau đó, khóa học giới thiệu hồi quy tuyến tính tổng quát với hiệu ứng hỗn hợp. Các mô hình này cho phép bạn mô hình hóa nhiều kiểu dữ liệu hơn, bao gồm phản hồi nhị phân và dữ liệu đếm. Cuối cùng, khóa học trình bày phân tích đo lặp lại như một trường hợp đặc biệt của mô hình hiệu ứng hỗn hợp. Dạng dữ liệu này xuất hiện khi các đối tượng được theo dõi theo thời gian và số đo được thu thập theo chu kỳ. Xuyên suốt khóa học, bạn sẽ làm việc với dữ liệu thực để trả lời các câu hỏi thú vị bằng mô hình hiệu ứng hỗn hợp.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Tổng quan và giới thiệu về mô hình phân cấp và mô hình hỗn hợp
Chương đầu đưa ra ví dụ về thời điểm sử dụng mô hình hiệu ứng hỗn hợp và mô tả các thành phần của một hồi quy. Chương cũng xem xét một bộ dữ liệu điểm kiểm tra của học sinh có cấu trúc lồng nhau để minh họa hiệu ứng hỗn hợp.
- Mô hình phân cấp là gì?50 XP
- Ví dụ về các bộ dữ liệu phân cấp100 XP
- Dữ liệu học sinh nhiều cấp100 XP
- Khám phá nhiều cấp độ: Lớp học và trường học100 XP
- Các thành phần của một mô hình hồi quy50 XP
- Hệ số chặn (Intercepts)100 XP
- Hệ số dốc và hồi quy bội100 XP
- Hiệu ứng ngẫu nhiên trong hồi quy với dữ liệu trường học50 XP
- Giao điểm (intercept) hiệu ứng ngẫu nhiên100 XP
- Hệ số dốc hiệu ứng ngẫu nhiên100 XP
- Xây dựng mô hình cho trường học100 XP
- Diễn giải mô hình theo trường học100 XP
2
Mô hình tuyến tính với hiệu ứng hỗn hợp
Chương này giới thiệu về các mô hình tuyến tính với hiệu ứng hỗn hợp. Nội dung bao gồm các loại hiệu ứng ngẫu nhiên khác nhau, cách hiểu kết quả của mô hình tuyến tính hiệu ứng hỗn hợp, và các phương pháp suy luận thống kê với mô hình hiệu ứng hỗn hợp sử dụng dữ liệu tội phạm từ Maryland.
3
Mô hình tuyến tính tổng quát với hiệu ứng hỗn hợp
Chương này mở rộng mô hình tuyến tính hiệu ứng hỗn hợp để bao gồm các sai số không tuân theo phân phối chuẩn bằng mô hình tuyến tính tổng quát với hiệu ứng hỗn hợp. Bằng cách điều chỉnh mô hình để bao gồm thành phần sai số phi chuẩn, bạn có thể mô hình hóa nhiều loại dữ liệu hơn với phản hồi phi tuyến tính. Sau khi điểm lại các mô hình tuyến tính tổng quát, chương xem xét dữ liệu nhị thức và dữ liệu đếm trong bối cảnh mô hình hiệu ứng hỗn hợp.
4
Đo lặp lại
Chương này cho thấy phân tích đo lặp lại là một trường hợp đặc biệt của mô hình hiệu ứng hỗn hợp. Chương bắt đầu bằng việc ôn tập kiểm định t ghép cặp và ANOVA cho đo lặp lại. Tiếp theo, chương dùng mô hình tuyến tính hiệu ứng hỗn hợp để phân tích dữ liệu nghiên cứu giấc ngủ. Cuối cùng, chương dùng mô hình tuyến tính tổng quát hiệu ứng hỗn hợp để xem xét dữ liệu tội ác thù ghét tại bang New York theo thời gian.
R
Mô hình phân cấp và hiệu ứng hỗn hợp trong R
Hoàn
thành khóa học
