سطح متوسط
تحلیل رگرسیون
کمترین مربعات و فرضیات آن، رگرسیون چندگانه و تشخیصها، دادههای گمشده، رگرسیون لجستیک، کاپلان-مایر و مدل کاکس، بررسی مخاطرههای متناسب، مدلهای چندسطحی و طولی، و نحوه گزارش صادقانه نتایج رگرسیون.
درسهای این دوره
01همبستگی و رگرسیون خطی سادهاندازهگیری قدرت یک همبستگی خطی و سپس مشخص کردن آن. چرا نمودار پراکندگی باید ابتدا ارائه شود، همبستگی و شیب چگونه به هم مرتبط هستند و چرا رگرسیون Y بر X با رگرسیون X بر Y متفاوت است.45 دقیقه02فرضها و برآورد کمترین مربعاترگرسیون از کجا آمده است، مدل در واقع چه فرضیاتی را مطرح میکند، روش کمترین مربعات چگونه خط را انتخاب میکند و چه ویژگیهایی برآوردها را قابل اعتماد میسازند. شامل رگرسیون به میانگین، پدیدهای که نام این روش را از آن گرفته است.45 دقیقه03استنتاج در رگرسیون و حرکت به سوی چند پیشبینجدول ANOVA برای رگرسیون، آزمونها و فاصلههای اطمینان برای عرض از مبدأ و شیب، و گسترش آن به بیش از یک پیشبین، جایی که ضرایب به اثرات تعدیلشده تبدیل میشوند و بسته به سایر اجزای مدل تعیین میگردند.45 دقیقه04رگرسیون چندگانه، پیشبینهای دستهای و تشخیصهامقایسه مدلهای تودرتو با آزمون F جزئی، کدگذاری متغیرهای دستهای با متغیرهای مجازی، استفاده از باقیماندهها برای یافتن دادههای پرت و نقاط تأثیرگذار، و تبدیل متغیرها در صورت نقض فرضیات.50 دقیقه05دادههای گمشدهچرا دادههای گمشده اهمیت دارند، سه مکانیزم و اینکه چرا دو مورد از آنها غیرقابل تمایز هستند، روشهای حذف و تکبرآورد و اینکه هر یک چه چیزی را نابود میکنند، و چندبرآوردی که بهدرستی انجام شده باشد.40 دقیقه06رگرسیون لجستیکمدلسازی یک نتیجهٔ دودویی. بیشینهسازی احتمال به جای کمترین مربعات، انحراف به جای مجموع مربعات باقیمانده، آزمونهای نسبت احتمال به جای آزمونهای جزئی F، و AIC و BIC برای مقایسهٔ مدلهایی که تو در تو نیستند.45 دقیقه07تشخیصها و توسعههای رگرسیون لجستیکتشخیص همخطی و مشاهدات تأثیرگذار در صورتی که مجموع مربعات باقیمانده برای کار در دسترس نباشد، اندازه نمونه برای مدلهای لجستیک، و انواع مدلها برای طرحهای جفتشده و نتایج با بیش از دو سطح.45 دقیقه08مبانی تحلیل بقاچرا دادههای زمان تا رویداد به روشهای خاص خود نیاز دارند، سه توزیعی که آن را توصیف میکنند، فرضیاتی که سانسور باید برآورده سازد، و برآوردگر کاپلان-مایر و آزمون لوگ-رنک.45 دقیقه09رگرسیون مخاطرههای متناسب کاکسیک مدل رگرسیونی برای نتایج سانسور شده که خطر پایه را نامشخص باقی میگذارد. احتمال جزئی، چرایی استفاده صرف از ترتیب رویدادها، نحوه برخورد با تساویها و چگونگی تفسیر نسبت خطر.45 دقیقه10بررسی مخاطرههای متناسب و مدلهای پارامتریکروشهای نموداری و صوری برای تشخیص نقض فرضیات مخاطرههای متناسب، باقیماندهها در مدل کاکس، اقداماتی که در صورت عدم تحقق این فرض باید انجام داد، و جایگزینهای پارامتریک که خطر پایه را بهطور مستقیم مدل میکنند.45 دقیقه11مدلهای چندسطحی و طولیچه باید کرد وقتی فرض استقلال برقرار نباشد. دادههای خوشهای و اندازهگیریهای مکرر، مقاطع تصادفی و شیبهای تصادفی، همبستگی درونکلاسی، و انتخاب بین مدلهای ترکیبی و GEE.45 دقیقه12گزارشدهی تحلیلهای آماریچگونه یک تحلیل را گزارش کنیم تا قابل فهم، بررسی و تجمیع باشد. خطاهای رایج، اصطلاحات آماری که معمولاً بهاشتباه بهکار میروند، کنوانسیونهای اعداد و اعشار، و آنچه باید در جداول و نمودارها قرار گیرد.40 دقیقه