مدل های سلسله مراتبی و اثرات مختلط در R

این دوره با مرور شیب‌ها و بریدگی‌ها در رگرسیون‌های خطی قبل از رفتن به جلوه‌های تصادفی آغاز می‌شود. شما یاد خواهید گرفت که یک افکت تصادفی چیست و چگونه از آن برای مدل سازی داده های خود استفاده کنید. در مرحله بعد، دوره رگرسیون خطی با اثر مختلط را پوشش می دهد. این مدل‌های قدرتمند به شما این امکان را می‌دهند که داده‌ها را با ساختار پیچیده‌تری نسبت به رگرسیون خطی استاندارد کاوش کنید. این دوره سپس رگرسیون خطی با اثر مختلط تعمیم یافته را آموزش می دهد. مدل‌های با جلوه‌های ترکیبی خطی تعمیم‌یافته به شما امکان می‌دهند انواع بیشتری از داده‌ها، از جمله پاسخ‌های باینری و داده‌های شمارش را مدل‌سازی کنید. در نهایت، این دوره به تجزیه و تحلیل اندازه گیری های مکرر به عنوان یک مورد خاص از مدل سازی با اثر مختلط می پردازد. این نوع داده ها زمانی ظاهر می شوند که افراد در طول زمان دنبال شوند و اندازه گیری ها در فواصل زمانی جمع آوری شوند. در طول دوره شما با داده های واقعی کار خواهید کرد تا با استفاده از مدل های اثرات مختلط به سؤالات جالب پاسخ دهید.