R语言混合效应（多水平/层次/嵌套）模型及贝叶斯实现

最新推荐文章于 2024-07-25 10:59:23 发布

WangYan2022

最新推荐文章于 2024-07-25 10:59:23 发布

阅读量2.6k

点赞数 2

分类专栏： R语言文章标签： R语言混合效应模型贝叶斯

本文链接：https://blog.csdn.net/WangYan2022/article/details/127771551

版权

R语言专栏收录该内容

21 篇文章 16 订阅

订阅专栏

回归分析是科学研究中十分重要的数据分析工具。随着现代统计技术发展，回归分析方法得到了极大改进。混合效应模型（Mixed effect model），即多水平模型（Multilevel model）/分层模型(Hierarchical Model)/嵌套模型(Nested Model)，无疑是现代回归分析中应用最为广泛的统计模型，代表了现代回归分析主流发展方向。混合效应模型形式灵活可以应对现代科学研究中各种数据情况,与传统回归模型相比具有更为强大数据分析能力,且结果更为可信。本教程将分为复杂数据的回归及混合效应模型概述及数据探索；回归与混合效应模型，包括一般线性回归（lm）、广义线性回归（glm）；线性混合效应模型（lmm）及广义线性混合效应模型(glmm)；贝叶斯（brms）回归与混合效应模型；相关数据回归与混合效应模型及贝叶斯实现，包括嵌套数据、时间自相关数据，空间自相数据及系统发育数据分析；非线性数据回归分析及贝叶斯实现，包括广义可加（混合）模型和非线性（混合）模型等。教程将通过大量实例讲解，使大家能应对科研工作中复杂数据局面，选择合适模型，提高数据分析能力。

●基于R语言BIOMOD2模型的物种分布模拟实践
●基于R语言的Copula变量相关性分析及应用
●R语言结构方程模型（SEM）在生态学领域中的实践应用
●基于R语言的分位数回归实践技术高级应用
●R语言地理空间分析、可视化及模型预测实践
●基于R语言的Meta分析【全流程、不确定性分析】方法与Meta机器学习高级应用
●基于R语言贝叶斯进阶:INLA下的贝叶斯回归\生存分析\随机游走、广义可加模型\极端数据的贝叶斯分析
●基于R语言的现代贝叶斯统计学方法（贝叶斯参数估计、贝叶斯回归、贝叶斯计算）实践技术

【专家】：张博士，主讲专家来自中国科学院及重点高校资深专家，长期从事R语言模型、群落生态学、保护生物学、景观生态学和生态模型方面的研究和教学工作，以发表了多篇论文，拥有丰富的科研及实践经验。

预习：复杂数据的回归及混合效应模型概述及数据探索【由Ai尚研修提供教材】

1复杂数据回归模型的选择策略

1）科学研究中数据及其复杂性
2）回归分析历史、理论基础
3）回归分析基本假设和常见问题
4）复杂数据回归模型选择策略

2如何通过数据探索避免常见统计问题

1)数据缺失（missing value）
2)零值（zero trouble）
3)奇异值/离群值（outliers）
4)异质性（heterogeneity）
5)数据分布正态性（normality）
6)响应变量与预测变量间关系（relationships）
7)交互作用项（interaction）
8)共线性（collinearity）
9)样本独立性（independence）

专题一：回归与混合效应（多水平/层次/嵌套）模型

1.1一般线性模型（lm）

1）基本形式、基本假设、估计方法、参数检验、模型检验
2）一般线性回归、方差分析及协方差分析
3）一般线性回归模型验证
4）一般线性回归模型选择-逐步回归

案例1：鱼类游速与水温关系的回归及协方差分析；
案例2：施肥和种植密度对作物产量的影响
案例3：决定海洋植食性鱼类多样性的决定因子-模型验证
案例4：淡水鱼丰度的环境因子的筛选-逐步回归

1.2广义线性模型（glm）

1）基本形式、基本假设、估计方法、参数检验、模型检验
2） 0，1数据分析：伯努利分布、二项分布及其过度离散问题
3）计数数据各种情况及模型选择：泊松、伪泊松、负二项、零膨胀泊松、零膨胀负二项、零截断泊松及零截断负二项模型
4）广义线性模型的模型比较和选择-似然比LR和AIC

案例1：动物身体特征与患病与否(0,1)的关系的逻辑斯蒂回归
案例2：海豹年龄与攻击行为的关系-0，1数据转化为比率数据分析
案例3：不同实验处理下蚜虫多度的差异分析-计数数据泊松回归其他案例：零膨胀、零截断数据分析

1.3线性混合效应模型（lmm）

1）线性混合效应模型基本原理
2）线性混合效应模型建模步骤及实现
3）线性混合效应模型的预测和模型诊断
4）线性混合效应模型的多重比较

案例1：睡眠时间与反应速度关系
案例2：多因素实验（分层数据）的多重比较

1.4广义线性混合效应模型（glmm）

1）广义线性混合效应模型基本原理
2）广义线性混合效应模型建模步骤及流程
3）广义线性混合效应模型分析0，1数据
4）广义线性混合效应模型分析计数数据及模型选择：泊松、伪泊松、负二项、零膨胀泊松、零膨胀负二项、零截断泊松及零截断负二项模型

案例1：蝌蚪“变态”与否（0，1）的多因素分析-逻辑斯蒂混合效应模型
案例2：虫食种子多度影响因素的多变量分析-泊松混合效应模型
案例3：模拟计数数据-零膨胀、零截断、过度离散等广义混合效应模型

专题二：贝叶斯（brms）回归与混合效应（多水平/层次/嵌套）模型

2.1贝叶斯回归及混合效应模型上

1）贝叶斯回归分析简介
2）利用brms实现贝叶斯回归分析简介
3）贝叶斯回归分析的模型诊断、交叉验证、预测和作图
4）贝叶斯广义线性模型实现：gamma分布、伯努利分布、二项分布等

案例1：鱼游速与温度关系的贝叶斯回归-结果解读、模型验证、模型诊断
案例2：森林生物量与林龄关系贝叶斯回归-gamma分布、brms参数调整
案例3：动物身体特征与患病与否(0,1)的关系的贝叶斯回归-伯努利分布
案例4：海豹年龄与攻击行为的关系-0，1数据转化为比率数据分析-二项分布
其他案例：贝叶斯分析计数数据过度离散、零膨胀等问题