Build your ultimate AI agent
课程介绍
本课程将先回顾线性回归中的斜率与截距,然后引入随机效应。您将了解什么是随机效应,以及如何用它来建模数据。接着课程将讲解线性混合效应回归。这类强大的模型可用于分析比标准线性回归更复杂的数据结构。随后课程将介绍广义线性混合效应回归。广义线性混合效应模型可以建模更多类型的数据,包括二元响应与计数数据。最后,课程将把重复测量分析作为混合效应建模的一个特例来讲解。这类数据出现在对同一受试者进行随时间跟踪并按间隔收集测量时。整个课程中,您将使用真实数据,通过混合效应模型回答有趣的问题。
先修要求
课程大纲
课程大纲
1
分层与混合模型概览与入门
本章给出何时使用混合效应的示例,并说明回归模型的组成部分。还将通过具有嵌套结构的学生测试成绩数据来演示混合效应。
2
线性混合效应模型
本章介绍线性混合效应模型。内容涵盖不同类型的随机效应、如何解读线性混合效应模型的结果,并结合马里兰州犯罪数据讲解在混合效应模型中的不同统计推断方法。
3
广义线性混合效应模型
本章将线性混合效应模型扩展到包含非正态误差项的情形,即广义线性混合效应模型。通过将模型中的误差项改为非正态分布,您可以建模更多具有非线性响应的数据类型。在回顾广义线性模型后,本章将从混合效应模型的角度讨论二项数据与计数数据。
4
重复测量
本章展示重复测量分析如何作为混合效应建模的一个特例来处理。首先回顾配对 t 检验与重复测量 ANOVA。随后使用线性混合效应模型分析睡眠研究数据。最后,使用广义线性混合效应模型分析纽约州的仇恨犯罪数据在时间维度上的变化。
R
R 中的分层与混合效应模型
课程完成

