一:资料
1.1复杂数据回归(混合效应)模型的选择策略
1)科学研究中数据及其复杂性
2)回归分析历史、理论基础
3)回归分析基本假设和常见问题
4)复杂数据回归模型选择策略
1.2 结构方程模型(SEM)生态领域应用
1)SEM的定义、生态学领域应用及历史回顾
2)SEM的基本结构
3)SEM的估计方法
4)SEM的路径规则
5)SEM路径参数的含义
6)SEM分析样本量及模型可识别规则
7)SEM构建基本流程
1.3如何通过数据探索避免常见统计问题
1)数据缺失(missing value)
2)零值(zero trouble)
3)奇异值/离群值(outliers)
4)异质性(heterogeneity)
5)数据分布正态性(normality)
6)响应变量与预测变量间关系(relationships)
7)交互作用项(interaction)
8)共线性(collinearity)
9)样本独立性(independence)
二:R和Rstudio入门和绘图(含ggplot)
1) R及Rstudio:背景、软件及程序包安装、基本设置等
2) R语言基本操作,包括向量、矩阵、数据框及数据列表等生成和数据提取等
3) R语言数据文件读取、整理、结果存储等
4) R语言基础绘图(含ggplot):基本绘图、排版、发表质量绘图输出存储
三:R语言数据清洗-tidyverse包应用
1)tidyvese: tidyr、dplyr、readr、%>% 等
2)文件操作:不同格式文件读取、多文件同时读取等
3)数据筛选:行筛选、列筛选、条件筛选(字符操作)等
4)数据生成:数据合并、数据拆分、新数据生成(字符操作)等
5)长宽数据转换、空值(NA)等填充及删除、分组、排序及汇总等
四:贝叶斯回归模型-回归、方差及协防差分析 1)贝叶斯统计
2)贝叶斯回归分析建模、模型诊断、交叉验证、预测和绘图
3)贝叶斯回归分析多预测变量:回归、方差、协方差及交互作用
4)贝叶斯回归模型的过度拟合、共线性、分类变量等
五:贝叶斯混合效应模型-数据分层和嵌套
1)混合效应模型基本原理
2) 贝叶斯效混合应模型建模步骤及实现
3) 贝叶斯的预测和模型诊断
4)贝叶斯混合效应模型的多重比较
5)贝叶斯混合效应模型的方差分解
六:贝叶斯计数数据分析
1)贝叶斯0,1数据分析:二项分布及伯努利分布
2) 贝叶斯泊松分布数据分析
3)贝叶斯过度离散数据分析
4)贝叶斯零膨胀数据分析
5)贝叶斯截断数据分析
七:贝叶斯相关数据分析:时间、空间、系统发育相关数据
1)贝叶斯回归模型方差异质性问题及解决途径
2)贝叶斯时间自相关分析:线性及混合效应模型及时间自相关+方差异质性
3)贝叶斯空间自相关分析:空间距离矩阵、空间邻接关系及矩阵
4)贝叶斯系统发育相关分
八:贝叶斯非线性关系数据分析:广义可加(混合)模型(BGAM/BGAMM)和非线性(混合)(BNLM/BNLMM)模型
1)"线性"回归的含义及非线性关系的判定
2)贝叶斯广义可加(混合效应)(GAM/GAMM)模型
3)贝叶斯非线性(混合效应)(NLM/NLMM)模型
九:贝叶斯结构方程模型(BSEM)
(1) R语言贝叶斯SEM实现程序包blavaan和brms
(2) 气候及生态位重叠程度对田鼠物种丰富度影响:模型比较、直接和间接效应计算(blavaan&brms)
(3) 火烧后对植被恢复影响因素-模型拟合、模型比较和评估(brms)
(4) 生物地理历史因素对北半球森林的初级生产力的影响(brms)
十: 超越贝叶斯统计:因果推断
1)因果推断概述-因果关系之梯
2) 因果推断实现(DAG)
3) 贝叶斯回归VS贝叶斯网络-揭开因果迷雾
十 一 :贝叶斯统计结果绘图
1)贝叶斯分析结果数据提取和绘图准备
2)贝叶斯回归模型结果图: 散点图、预测图、箱线图、柱状图、提琴图、密度图及峰峦图等
3)贝叶斯结构方程模型结果图表达