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（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。
点击查看原文
导师：张博士：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。
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
- 数据缺失（missing value）
- 零值（zero trouble）
- 奇异值/离群值（outliers）
- 异质性（heterogeneity）
- 数据分布正态性（normality）
- 响应变量与预测变量间关系（relationships）
- 交互作用项（interaction）
- 共线性（collinearity）
- 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文章来源：https://www.toymoban.com/news/detail-421306.html
案例3文章来源地址https://www.toymoban.com/news/detail-421306.html
到了这里，关于R语言混合效应（多水平/层次/嵌套）模型及贝叶斯实现技术应用的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
