课程主页: https://www.coursera.org/learn/regression-modeling-sas
课程概述
《回归建模基础》是一门专为使用SAS软件进行统计分析的用户设计的入门课程。课程重点介绍t检验、方差分析（ANOVA）和线性回归，并包括对逻辑回归的简要介绍。这门课程适合统计学初学者以及希望提升数据分析技能的SAS用户，内容通俗易懂，实践性强。
课程大纲
课程概述（统计学导论：假设检验回顾）
在这一模块中，学员将了解课程的总体框架和待分析数据。学员需要准备好进行课程实践的数据，打下良好的基础。
模型构建与选择效应
该模块探索多个模型选择工具，帮助学员筛选出适合自己的候选模型，以便根据自身的专业知识和研究优先级选择合适的模型。
模型拟合后推断
学员将学习如何验证模型假设及诊断线性回归中遇到的问题。具体包括如何检查残差，识别离群值，以及诊断共线性，以避免模型中标准误的膨胀和参数的不稳定。
得分与预测模型的构建
在这一模块中，学员将学习如何从推断统计转向预测建模。主要关注如何评估模型的表现，并在选择最佳模型后，了解如何部署模型以预测新数据。
分类数据分析
最后，学员将通过假设检验研究预测变量与二分类响应之间的关联。然后，构建逻辑回归模型以表征响应与预测变量之间的关系，并学习如何利用逻辑回归构建模型或分类器以预测未知案例。
总结
伴随着数据科学的不断发展，掌握回归建模的基础知识变得越来越重要。通过这门课程，不仅可以增强对SAS软件的运用能力，还能全面提升数据分析技巧，是数据分析领域的一次深入探索与实践。
课程主页: https://www.coursera.org/learn/regression-modeling-sas