多级（分层或混合效果）模型简介
在为期两天的课程中，我们将对多层模型（也称为分层或混合效应模型）进行全面的实践和理论介绍。 我们将主要关注多级线性模型，但还将涵盖多级广义线性模型。 同样，我们还将描述贝叶斯多层次建模方法。 在第1天，我们将从关注随机效果多级模型开始。 这些模型清楚地说明了多级模型实际上是模型的模型。 此外，随机效应模型为理解混合效应（即固定效应和随机效应）模型奠定了坚实的基础。 在对随机效应的介绍中，我们还将涵盖效应估计中统计缩减的重要概念以及类内相关性。 然后，我们将介绍线性混合效应模型，特别是关注变化的截距和/或变化的斜率回归模型。 在第2天，我们将介绍线性混合效应模型的其他方面，包括嵌套和交叉数据数据的多级模型以及组级预测变量。 在第2天，我们还将介绍使用brms R包的多级贝叶斯方法。
目标受众
本课程针对那些对一般高级统计建模特别是多层次仿制感兴趣的人员。 这些
评论0