搜文章
推荐 原创 视频 Java开发 iOS开发 前端开发 JavaScript开发 Android开发 PHP开发 数据库 开发工具 Python开发 Kotlin开发 Ruby开发 .NET开发 服务器运维 开放平台 架构师 大数据 云计算 人工智能 开发语言 其它开发
Lambda在线 > 一起学统计工具 > 厦门大学 《属性数据分析》公开课

厦门大学 《属性数据分析》公开课

一起学统计工具 2018-02-28

厦门大学 《属性数据分析》

网址:回复“STAT039”获取

开课时间:2018年2月26日~6月30日

属性数据分析广泛应用于社会科学、行为科学、生物医学、公共卫生、市场营销、教育和农业科学等许多领域,本课程仅仅要求学生具有基础统计课程的知识,包括参数统计、假设检验、回归分析模型及方差分析模型,欢迎前来学习!


 课程概述

       属性数据分析主要介绍用于分析属性数据的统计模型,是面向本科生开设的介绍属性数据分析引论的课程,主要覆盖属性数据的介绍,列联表分析,广义线性模型,并重点介绍 logistic 回归模型和 logit 模型等。

       本课程采用英文课堂教学,采用教师讲授、课堂实验、学生实践相结合的实验教学形式,努力形成教师和学生双向互动,理论学习结合实践运用,达到学以致用的结果。教师讲授是主要的课堂教学方式,46 个学时将用于教师课堂讲授,同时加入实验教学的环节,每一章均有课时安排用于课堂实验,共安排 6 个学时用于引导学生进行实验和实践练习。在学期末要求学生提交 1 篇课程论文,并用 4 个课时进行展示和学生互相评价。 

       通过本课程的学习,学生可掌握与属性数据有关的统计学基础知识,如学会何处理、建模、分析属性数据,并学会通过用广义线性模型、logistic 回归模型等理论分析属性数据。通过课堂讲授让学生具有坚实的理论基础,通过课堂实验训练学生运用软件处理和分析属性数据,并合理建模分析。通过对大量典型例子的介绍和分析, 使学生掌握基本方法,并在课后的习题练习中掌握使用软件分析属性数据,逐渐形成观察、思考、分析和解决有关理论和实践问题的能力。

      

 课程大纲

第一周  Chapter1  Introduction

homework1

1.1 Preface to Categorical Data Analysis

1.2 Probability Distributions for Categorical Data +1.3 Statistical Inference for A Proportion

第一章相关程序

第二周 Chapter2  Contingency Tables(1)

2.1 Probability Structure for Contingency Tables

2.2 Comparing Proportions in Two-by-Two Tables

2.3 The Odds Ratio

2.4 Chi-Square Test of Independence

Answer to homework1

第三周 Chapter2  Contingency Tables(2)+程序课

2.5 Testing Independence for Ordinal Data

2.6 Exact Inference for Small Samples

2.7 Association in Three-Way Tables

第一章第二章程序课

第二章相关程序

homework2

第四周 Chapter3 Generalized Linear Model(1)

3.1  Components of A Generalized Linear Model

3.2   Generalized Linear Models for Binary Data

Answer to homework2

第五周 Chapter3 Generalized Linear Model(2)

homework3

3.3  Generalized Linear Models for Count Data

3.4  Statistical Inference and Model Checking

第三章相关程序

第七周 Chapter4 Logistic Regression(1)

4.1  Interpreting the Logistic Regression Model

4.2  Inference for Logistic Regression

第八周 Chapter4 Logistic Regression(2)

4.3  Logistic Regression with Categorical Predictors

4.4  Multiple Logistic Regression

homework4

第四章相关程序

第九周 Chapter5 Building and Applying Logistic Regression Models

5.1  Strategies in Model Selection

5.2  Model Checking

5.3  Effects of Sparse Data

The answer to homework4

第五章相关程序

homework5

第十周  Chapter6 Multicategory Logit Models(1)

6.1  Logit Model for Nominal Responses

6.2 Cumulative Logit Models for Ordinal Responses

6.3 Paired-Category Ordinal Logits

The answer to homework5

第六周 The answer to homework3 + Mid-term Exam

The answer to homework3

第十一周 Chapter6 Multicategory Logit Models(2)+程序课

6.4 Test of Conditional Independence

homework6

第三、四、五、六章程序演示

第十二周 The answer to homework6

The answer to homework6


 预备知识

要求学生具有基础统计课程的知识,不需要如微积分矩阵代数等高等数学的知识。


 证书要求

本课程考试用百分制计算,成绩达到 60 分以上者为合格,具体考试及计分方法如下:

1. 作业(20%):每节课布置作业,每章结束的下一次课交作业。迟交一周内成 绩为原成绩的 80%,迟交一周按 0 分记。  

2. 期中考试(30%):主观题,题型与作业题型一致。  

3. 课程论文(50%):包括论文和报告。


 参考资料

选用教材 
An Introduction to Categorical Data Analysis. Second Edition. Alan  Agresti (2007). John Wiley & Sons.

参考书目与文献 
(1) Analysis of Categorical Data. Agresti, A., New York: Wiley, 2002. 

(2) Generalized Linear Models. 2nd Ed. McCullagh P. and Nelder J.,  London: CRC Publishers, 1989. 

(3)《属性数据分析引论(第二版)》张淑梅  王睿  曾莉 译,  高等 教育出版社. 

(4)《实用多元统计方法与 SAS 系统》高惠璇,北京大学出版社. 


代表作

1、《》电子书

2、

3、《

4、《》

5、

版权声明:本站内容全部来自于腾讯微信公众号,属第三方自助推荐收录。《厦门大学 《属性数据分析》公开课》的版权归原作者「一起学统计工具」所有,文章言论观点不代表Lambda在线的观点, Lambda在线不承担任何法律责任。如需删除可联系QQ:516101458

文章来源: 阅读原文

相关阅读

关注一起学统计工具微信公众号

一起学统计工具微信公众号:lizh_SPSS

一起学统计工具

手机扫描上方二维码即可关注一起学统计工具微信公众号

一起学统计工具最新文章

精品公众号随机推荐