Линейные модели с дискретными предикторами от Coursera

От: Coursera

1 месяц изучения линейных моделей с дискретными предикторами от СПбГУ. Возможность бесплатного участия. Курс содержит 4 модуля. Занятия 8 часов в неделю. Рассчитан на тех, кто освоил приёмы регрессионного анализа на языке R. В программе: осваиваются модели с непрерывными предикторами, с разными значениями угла наклона для групп, однофакторный и многофакторный дисперсионные анализы. Практические задания с проверкой и сертификат по окончании.

Сводка

Цена
0₽
Рассрочка
от 200₽
Статус
Идет набор
Длительность
28 дней
Язык
ru

Описание курса

Описывать закономерности изменения количественной переменной в нескольких группах

- Работать не только с непрерывными, но и с дискретными предикторами в рамках парадигмы линейных моделей
- Представлять дискретные предикторы в линейных моделях и последствия разных способов кодирования для интерпретации модели
- Подбирать линейные модели со взаимодействием факторов
- Описывать ситуации, когда характер действия фактора меняется в разных группах

О школе

Coursera
Отзывы 0
Информация
Компания основана в 2012 году. Официальный сайт https://ru.coursera.org. Мы собрали и проверили более 17 отзывов об онлайн курсах Coursera.

Программа курса

Модели с дискретными и непрерывными предикторами
Дискретные предикторы кодируют принадлежность объекта к каким-то дискретным группам. В этом модуле вы узнаете, что эти неведомые предикторы не так уж чужды обычным линейным моделям и регрессионные методы вполне можно применять для их анализа. Для начала мы поговорим о том, как можно их закодировать. Вы начнете знакомство со взаимодействием дискретных и непрерывных предикторов, и оно продолжится в следующем модуле. А в этом мы разберем поведение дискретных предикторов в моделях без взаимодействия.
Модели с разными значениями угла наклона для групп
В случае, когда зависимость количественных величин выглядит по-разному для разных групп дискретного фактора, мы говорим, что между непрерывным и дискретным предиктором есть взаимодействие. В этом модуле вы научитесь строить и описывать линейные модели для анализа такого рода данных. Мы будем использовать технику сравнения вложенных моделей при помощи частного F-критерия для того, чтобы из сложной модели со множеством взаимодействий получить более простую. Наконец, вы увидите, что интерпретация моделей, в которых есть значимое взаимодействие, значительно упрощается, если можно построить график их предсказаний.
Однофакторный дисперсионный анализ
В одном из предыдущих курсов специализации мы с вами научились решать задачу сравнения значений в дискретных группах при помощи t-критерия. На самом деле, эту же задачу можно эффективно решить, оставаясь в рамках линейных моделей - при помощи дисперсионного анализа. Этот метод позволяет одновременно искать различия между множеством групп, заданных множеством дискретных факторов. В этом модуле вы познакомитесь с устройством однофакторного дисперсионного анализа и научитесь не только тестировать с его помощью значимость влияния дискретных факторов, но и выяснять при помощи пост хок тестов, с различиями каких именно групп связано это влияние.
Многофакторный дисперсионный анализ
Многофакторный дисперсионный анализ - это мощный метод, который позволяет выявлять влияние нескольких дискретных предикторов на непрерывную зависимую переменную. В этом модуле мы подробно обсудим проблему взаимодействия дискретных факторов, возникающую в такого рода анализах. Далее мы обсудим анализ данных с разным числом наблюдений в группах. Вы узнаете, что результаты дисперсионного анализа таких несбалансированных данных зависят от порядка тестирования гипотез, и в определенных случаях важно выбрать правильный способ параметризации линейной модели. Наконец, мы расскажем вам о трюке, который можно использовать для проведения пост хок теста для взаимодействия факторов в R. Закрепить свои знания об анализе линейных моделей, включающих дискретные предикторы, вы сможете, выполнив проект по анализу данных. Результаты этого анализа нужно будет представить в виде отчета в формате html, написанного при помощи rmarkdown/knitr
Инструменты
R

Отзывы

Еще не добавили ни одного отзыва