R语言混合效应模型及贝叶斯

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。

一：回归与混合效应（多水平/层次/嵌套）模型

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