دوره آموزشی تجزیه و تحلیل مراقبت های بهداشتی: رگرسیون در R
4 ساعت 1 دقیقهپیشرفته2017-01-09
مدرسین

Monika Wahi
Data Science and Biotech Expert
جزئیات دوره
مدل های رگرسیون خطی و لجستیک را می توان با استفاده از R، نرم افزار محاسبات آماری منبع باز ایجاد کرد. در این دوره، مونیکا واهی، متخصص بیوتکنولوژی و اپیدمیولوژیست، از مجموعه داده های موجود برای عموم مردم در دسترس استفاده می کند تا به شما نحوه انجام یک مدل سازی گام به گام را نشان دهد. مونیکا به شما نشان می دهد که چگونه تحقیقات خود را با در نظر گرفتن اعتبار علمی و انتخاب یک فرضیه طراحی کنید. سپس، او مراحل آماده سازی، توسعه و نهایی سازی هر دو مدل رگرسیون خطی و یک مدل رگرسیون لجستیک را در اختیار شما قرار می دهد. او همچنین تکنیک هایی را برای نحوه تفسیر نمودارهای تشخیصی، بهبود تناسب مدل، مقایسه مدل ها و موارد دیگر به اشتراک می گذارد.
اهداف یادگیری
برخورد با باورپذیری علمی
انتخاب یک فرضیه
تفسیر طرحهای تشخیصی
کار با نمایه ها و فراداده های مدل
کار با چارک ها و رتبه بندی
ساختن مدل کار
بهبود تناسب مدل
انجام مدل رگرسیون خطی
انجام مدل رگرسیون لجستیک
انجام رگرسیون گام به گام به جلو
برآورد پارامترها
تفسیر نسبت شانس
اضافه کردن نسبت شانس به مدل ها
مقایسه مدل های تو در تو
ارائه و تفسیر مدل نهایی
اهداف یادگیری
برخورد با باورپذیری علمی
انتخاب یک فرضیه
تفسیر طرحهای تشخیصی
کار با نمایه ها و فراداده های مدل
کار با چارک ها و رتبه بندی
ساختن مدل کار
بهبود تناسب مدل
انجام مدل رگرسیون خطی
انجام مدل رگرسیون لجستیک
انجام رگرسیون گام به گام به جلو
برآورد پارامترها
تفسیر نسبت شانس
اضافه کردن نسبت شانس به مدل ها
مقایسه مدل های تو در تو
ارائه و تفسیر مدل نهایی
مهارت ها
RStatisticsData AnalysisProgramming LanguagesData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceSoftware DevelopmentOne-Off
سرفصل ها
0. مقدمه
- 01 - به دوره خوش آمدید
- 02 - آنچه باید بدانید
- 03 - معرفی دوره
- 04 - استفاده از فایلهای تمرین
1. طراحی تحقیق شما
- 05 - بررسی روش علمی
- 06 - استفاده از رویکرد مقطعی
- 07 - بررسی ادبیات موجود برای ایده ها
- 08 - برخورد با معقولیت علمی
- 09 - انتخاب فرضیه رگرسیون خطی
- 10 - انتخاب فرضیه رگرسیون لجستیک
- 11 - نصب پکیجهای لازم
2. آماده شدن برای رگرسیون خطی
- 12 - نمودارهای بررسی مفروضات در رگرسیون خطی
- 13 - تفسیر نمودارهای تشخیصی
- 14 - دسته بندی و دگرگونی
- 15 - پروفایل ها
- 16 - ربع
- 17 - رتبه بندی
- 18 - بررسی رگرسیون
- 19 - آمادگی برای گزارش نتایج
3. شروع مدلسازی رگرسیون خطی
- 20 - انتخاب رویکردهای مدلسازی
- 21 - مروری بر فرآیند مدلسازی
- 22 - خروجی رگرسیون خطی
- 23 - مدلهای 1 و 2
- 24 - فراداده مدل
4. مدلسازی رگرسیون خطی نهایی
- 25 - شروع مدل 3
- 26 - ساخت مدل کارآمد 3
- 27 - نهایی کردن مدل 3
- 28 - نگاهی به مدل نهایی
- 29 - ماهیگیری و تعامل
- 30 - راهبردهای دیگر برای بهبود تناسب مدل
- 31 - دفاع از مدل نهایی
- 32 - ارائه مدل نهایی
5. آماده شدن برای رگرسیون لجستیک
- 33 - تشابه به فرآیند رگرسیون خطی
- 34 - تخمین پارامترها در رگرسیون لجستیک
- 35 - تفسیر نسبت شانس
- 36 - کد لجستیک پایه
- 37 - رگرسیون گام به گام به جلو - دو دور اول
- 38 - رگرسیون گام به گام رو به جلو - دور 3
6. توسعه مدل رگرسیون لجستیک
- 39 - دویدن مدل 1
- 40 - افزودن نسبت شانس به مدل ها
- 41 - فراداده مدل
- 42 - گام به گام جلو - دور 2
- 43 - گام به گام جلو - دور 3
- 44 - استفاده از AIC برای ارزیابی تناسب مدل
- 45 - زمان مقایسه مدلهای تو در تو
- 46 - نحوه مقایسه مدلهای تو در تو
- 47 - ارائه مدل 1 و 2
- 48 - ارائه مدل 3
- 49 - تفسیر مدل نهایی
نتیجه
- 50 - بررسی فراداده ها
- 51 - بررسی روند
- 52 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی گزارشنویسی دادهکاوی با Quarto برای پایتون
- دوره آموزشی تصویرسازی دادهها در R با استفاده از ggplot2
- دوره آموزشی گردآوری داده ها با زبان آر
- دوره آموزشی پاک کردن داده های بد در R
- دوره آموزشی طراحی مطالعات مراقبت های بهداشتی داده های بزرگ، بخش اول
- دوره آموزشی طراحی مطالعات مراقبت بهداشتی داده های بزرگ، بخش دوم
- دوره آموزشی یادگیری جامع تجارت الگوریتمی و مدلهای مالی با زبانهای پایتون، R و استاتا
- دوره آموزشی کاربردهای Tidyverse در زبان R