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),或称多水平模型(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。本课程将从科学研究中各种数据情况和分析方法概述出发,首先介绍传统回归分析方法,包括一般线性回归(lm)、广义线性回归(glm)、最小二乘模型(gls)等R语言实现方法;然后进一步介绍混合效应模型,包括线性混合效应模型(lmm)、广义线性混合效应模型(glmm)及时空相关数据R语言实现方法;最后介绍混合效应模型高级应用,包括贝叶斯实现方法、系统发育等具有相关特点数据分析及模型选择和方差分解等问题,以主流期刊经典案例的形式向大家介绍混合效应模型在科研数据分析中应用。本课程将分为两个部分:第一篇为回归及混合效应(多水平/层次/嵌套)模型基础;第二篇为混合效应模型高级应用。两个部分以在线性式分别授课,使大家能应对科研工作中各种数据局面,选择合适模型,提高数据分析能力。
免费直播课语言随机效应模型_【热门课程】R语言回归及混合效应(多水平/层次/嵌套)模型实践应用...
最新推荐文章于 2022-11-14 17:52:39 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)