公共卫生的线性回归R课程评测

10 月 11, 2024 #COPD数据集, #R语言, #交互作用, #公共卫生, #多重回归, #数据分析, #模型假设, #相关性, #线性回归, #统计建模

课程简介

欢迎来到《公共卫生的线性回归R课程》！公共卫生被定义为“通过社会的组织努力预防疾病、延长生命和促进健康的艺术与科学”。了解疾病的原因以及如何加重这些因素显然是至关重要的。这需要开发统计模型来描述患者和环境因素如何影响我们生病的几率。这个课程将教你如何从零开始创建这样的模型。

第一周：线性回归基础
在进行回归模型前，你需要理解一个相关概念：相关性。在这一周，你将学习相关性意味着什么，以及如何在R中生成皮尔逊和斯皮尔曼的相关系数，以评估风险因素或预测因子与患者结果之间的关联强度。接着，你将介绍线性回归及模型假设的概念，这对统计分析极为重要。

第二周：R中的线性回归
你将被介绍到本课程将使用的COPD数据集，并进行基本的描述性分析。你还将练习在R中运行相关分析。然后，你将学习如何运行线性回归模型，从单个预测因子开始，接着是多个预测因子的情况，并检查模型假设是否成立。

第三周：多重回归与交互作用
现在，你将学习如何扩展线性回归模型，包含二元和分类变量作为预测因子，并学习如何检查预测因子之间的相关性。接着你将发现预测因子之间可以相互作用，如何将必要的交互作用项纳入模型并进行解释。不同类型的交互作用存在，且可能挑战解释，所以我们将用实例和实践机会慢慢进行。

第四周：模型构建
课程的最后一部分关注如何在选择预测因子时构建回归模型。它描述了常用的模型构建自动程序，并展示了为什么它们常常存在问题。最后，你将有机会使用更具防御性和稳健性的方法来拟合一些模型。