تجزیه و تحلیل مراقبت های بهداشتی: رگرسیون در R

مدرس Monika Wahi

انتشار 2017/01/19

به‌روز‌رسانی 2024/10/31

مدت زمان 4h 20m

سطح پیشرفته

فایل تمرینی دارد

آموزش Healthcare Analytics: Regression in R

مدل های رگرسیون خطی و لجستیک را می توان با استفاده از R، نرم افزار محاسبات آماری منبع باز ایجاد کرد. در این دوره، مونیکا وحی، متخصص بیوتکنولوژی و اپیدمیولوژیست، از مجموعه داده های نظارت بر عوامل خطر رفتاری (BRFSS) در دسترس عموم استفاده می کند تا به شما نشان دهد که چگونه یک فرآیند مدل سازی گام به گام رو به جلو انجام دهید. مونیکا به شما نشان می دهد که چگونه با در نظر گرفتن معقول بودن علمی در انتخاب یک فرضیه، تحقیق خود را طراحی کنید. سپس، او شما را از طریق مراحل تهیه، توسعه و نهایی کردن هر دو مدل رگرسیون خطی و مدل رگرسیون لجستیک راهنمایی می کند. او همچنین تکنیک‌هایی را برای نحوه تفسیر نمودارهای تشخیصی، بهبود تناسب مدل، مقایسه مدل‌ها و موارد دیگر به اشتراک می‌گذارد.

Data Analysis Data Modeling Healthcare Analytics Regression Analysis R (Programming Language)

Introduction

Welcome to the course ()

What you should know ()

1. Designing Your Research

Scientific method review ()

Using a cross-sectional approach ()

Reviewing existing literature for ideas ()

Dealing with scientific plausibility ()

Selecting a linear regression hypothesis ()

Selecting a logistic regression hypothesis ()

Installing necessary packages ()

2. Preparing for Linear Regression

Challenge: Create a categorical variable for quartiles ()

Solution: Create a categorical variable for quartiles ()

Plots for checking assumptions in linear regression ()

Interpreting diagnostic plots ()

Categorization and transformation ()

Indexes ()

Quartiles ()

Ranking ()

Regression review ()

Preparing to report results ()

3. Beginning Linear Regression Modeling

Linear regression output ()

Choices of modeling approaches ()

Overview of modeling process ()

Models 1 and 2 ()

Model metadata ()

4. Final Linear Regression Modeling

Beginning Model 3 ()

Making a working Model 3 ()

Finalizing Model 3 ()

Looking at the final model ()

Fishing and interaction ()

Other strategies for improving model fit ()

Defending the final model ()

Presenting the final model ()

5. Preparing for Logistic Regression

Forward stepwise regression: Round 3 ()

Challenge: Fit a logistic regression model ()

Solution: Fit a logistic regression model ()

Analogies to linear regression process ()

Parameter estimates in logistic regression ()

Odds ratio interpretation ()

Basic logistic code ()

Forward stepwise regression: First two rounds ()

6. Developing the Logistic Regression Model

Model metadata ()

Forward stepwise: Round 3 ()

Using AIC to assess model fit ()

Model 3 presentation ()

Running Model 1 ()

Adding odds ratios to models ()

Forward stepwise: Round 2 ()

When to compare nested models ()

How to compare nested models ()

Models 1 and 2 presentation ()

Interpreting the final model ()

Conclusion

Review of metadata ()

Review of the process ()

Next steps ()

Ex_Files_Healthcare_Analytics_Regression_in_R_2024.zip (0 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.