目录

预习：复杂数据的回归及混合效应模型概述及数据探索

专题一：回归与混合效应（多水平/层次/嵌套）模型

专题二：贝叶斯（brms）回归与混合效应（多水平/层次/嵌套）模型

专题三：相关数据回归分析：嵌套、时间、空间、系统发育相关数据分析

专题四：非线性关系数据分析：广义可加（混合）模型（GAM/GAMM）和非线性（混合）(NLM/NLMM)模型

更多应用

回归分析是科学研究中十分重要的数据分析工具。随着现代统计技术发展，回归分析方法得到了极大改进。混合效应模型（Mixed effect model），即多水平模型（Multilevel model）/分层模型(Hierarchical Model)/嵌套模型(Nested Model)，无疑是现代回归分析中应用最为广泛的统计模型，代表了现代回归分析主流发展方向。混合效应模型形式灵活可以应对现代科学研究中各种数据情况,与传统回归模型相比具有更为强大数据分析能力,且结果更为可信。

本教程将分为复杂数据的回归及混合效应模型概述及数据探索；回归与混合效应模型，包括一般线性回归（lm）、广义线性回归（glm）；线性混合效应模型（lmm）及广义线性混合效应模型(glmm)；贝叶斯（brms）回归与混合效应模型；相关数据回归与混合效应模型及贝叶斯实现，包括嵌套数据、时间自相关数据，空间自相数据及系统发育数据分析；非线性数据回归分析及贝叶斯实现，包括广义可加（混合）模型和非线性（混合）模型等。通过大量实例讲解，使大家能应对科研工作中复杂数据局面，选择合适模型，提高数据分析能力。

1.复杂数据回归模型的选择策略 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

2.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）

1.一般线性模型（lm） ①基本形式、基本假设、估计方法、参数检验、模型检验 ②一般线性回归、方差分析及协方差分析 ③一般线性回归模型验证 ④一般线性回归模型选择-逐步回归 案例1：鱼类游速与水温关系的回归及协方差分析 案例2：施肥和种植密度对作物产量的影响 案例3：决定海洋植食性鱼类多样性的决定因子-模型验证 案例4：淡水鱼丰度的环境因子的筛选-逐步回归

2.广义线性模型（glm） ①基本形式、基本假设、估计方法、参数检验、模型检验 ②0，1数据分析：伯努利分布、二项分布及其过度离散问题 ③计数数据各种情况及模型选择：泊松、伪泊松、负二项、零膨胀泊松、零膨胀负二项、零截断泊松及零截断负二项模型 ④广义线性模型的模型比较和选择-似然比LR和AIC 案例1：动物身体特征与患病与否(0,1)的关系的逻辑斯蒂回归 案例2：海豹年龄与攻击行为的关系-0，1数据转化为比率数据分析 案例3：不同实验处理下蚜虫多度的差异分析-计数数据泊松回归 其他案例：零膨胀、零截断数据分析

3.线性混合效应模型（lmm） ①线性混合效应模型基本原理 ②线性混合效应模型建模步骤及实现 ③线性混合效应模型的预测和模型诊断 ④线性混合效应模型的多重比较 案例1：睡眠时间与反应速度关系 案例2：多因素实验（分层数据）的多重比较

4.广义线性混合效应模型（glmm） ①广义线性混合效应模型基本原理 ②广义线性混合效应模型建模步骤及流程 ③广义线性混合效应模型分析0，1数据 ④广义线性混合效应模型分析计数数据及模型选择：泊松、伪泊松、负二项、零膨胀泊松、零膨胀负二项、零截断泊松及零截断负二项模型 案例1：蝌蚪“变态”与否（0，1）的多因素分析-逻辑斯蒂混合效应模型 案例2：虫食种子多度影响因素的多变量分析-泊松混合效应模型 案例3：模拟计数数据-零膨胀、零截断、过度离散等广义混合效应模型

1.贝叶斯回归及混合效应模型上 ①贝叶斯回归分析简介 ②利用brms实现贝叶斯回归分析简介 ③贝叶斯回归分析的模型诊断、交叉验证、预测和作图 ④贝叶斯广义线性模型实现：gamma分布、伯努利分布、二项分布等 案例1：鱼游速与温度关系的贝叶斯回归-结果解读、模型验证、模型诊断 案例2：森林生物量与林龄关系贝叶斯回归-gamma分布、brms参数调整 案例3：动物身体特征与患病与否(0,1)的关系的贝叶斯回归-伯努利分布 案例4：海豹年龄与攻击行为的关系-0，1数据转化为比率数据分析-二项分布 其他案例：贝叶斯分析计数数据过度离散、零膨胀等问题

2.贝叶斯回归及混合效应模型下 ①贝叶斯线性混合效应模型：实现步骤、模型验证、多重比较 ②贝叶斯广义混合效应模型-计数数据分析：泊松、负二项、零膨胀泊松、零膨胀负二项等 案例1：睡眠时间与反应速度关系的贝叶斯线性混合效应模型 案例2：教师受欢迎程度的多变量预测-贝叶斯线性混合效应模型 案例3：虫食种子多度（计数数据）影响因素的多变量分析-贝叶斯广义混合效应模型 其他案例：贝叶斯分析计数数据过度离散、零膨胀等问题

1.嵌套型随机效应混合效应模型分析及贝叶斯实现 ①数据分层问题及嵌套型随机效应混合效应模型介绍 ②嵌套型随机效应混合效应模型分析步骤及流程及模型选择（MuMIn） ③嵌套型随机效应混合效应模型的方差分解：ICC、varcomp及贝叶斯法 ④经典方差分解案例讲解 案例1：不同种类海豚年龄多因素预测模型及模型选择（MuMIn）- 嵌套结构 案例2：纲/科/属/种型嵌套随机效应的方差分解及贝叶斯方法 案例3：物种属性可塑性和基因多样性对物种丰富度影响的相对贡献-全模型变差分解

2.时间相关数据分析及贝叶斯实现 ①回归模型的方差异质性问题及解决途径 ②时间自相关分析：线性及混合效应模型及贝叶斯方法 ③时间自相关+方差异质性分析及贝叶斯实现 案例1：模拟数据方差异质性问题-gls,lmm及brms方法比较 案例2：鸟类多度变化的时间自相关分析-gls vs brms 案例3：资源脉冲与食谱关系分析：方差异质性+时间相关-lmm vs brms

3.空间相关数据分析及贝叶斯实现 ①空间自相关概述 ②空间自相关问题解决方式：自相关修正参数、空间距离权重法、空间邻接权重法 ③空间自相关问题修正基本流程-gls和lme ④空间自相关贝叶斯修正-空间距离权重 VS 空间邻接权重 案例1：北方林物种多样性与气候关系-一般线性回归模型空间自相关问题修正 案例2：全球水鸟巢穴捕食率影响因素分析-混合效应模型空间自相关问题修正

4.系统发育相关数据分析及贝叶斯实现 ①系统发育简介：系统发育假说、系统发育信号及系统发育树 ②系统发育树及系统发育距离矩阵构建 ③系统发育信息纳入回归模型-广义最小二乘（gls） ④系统发育信息纳入混合效应模型（lmm/glmm）及贝叶斯方法实现案例 案例1：模拟数据-系统发育相关对物种属性影响-gls vs brms 案例2：全球水鸟巢穴捕食率影响因素分析-系统发育混合效应模型：lmm vs brms

1.“线性”回归的含义及非线性关系的判定 2.广义可加（混合效应）（GAM/GAMM）模型及贝叶斯实现 3.非线性（混合效应）（NLM/NLMM）模型及贝叶斯实现

注：请提前自备电脑及安装所需软件

包含:Python机器学习、数据挖掘、PyTorch机器学习、MATLAB机器学习、R语言【Tidyverse、Tidymodel】、地理加权回归、结构方程模型、贝叶斯网络模型、混合效应（多水平层次嵌套）模型、Copula变量相关性、极值统计学、分位数回归、网络爬虫、科研数据可视化、Nvivo、Citespace和vosviewer文献计量学、AI人工智能等...

★关 注【科研充电吧】公 众 号，获取海量教程和资源★

让GPT成为您的科研加速器丨GPT引领前沿与应用突破之GPT4科研实践技术与AI绘图-CSDN博客GPT对于每个科研人员已经成为不可或缺的辅助工具，不同的研究领域和项目具有不同的需求。如在科研编程、绘图领域。让大量科研学者融合学科应用，积累技术经验，让学习不盲从，让GPT成为您真正的科研助手。您准备开始学习了吗？https://blog.csdn.net/WangYan2022/article/details/132685671?spm=1001.2014.3001.5502【高分论文密码】大尺度空间模拟预测和数字制图技术和不确定性分析-CSDN博客结合经典的例子讲解R语言在空间数据处理、管理以及可视化的操作，从空间数据计量、大尺度时间序列分析与突变检测、空间数据插值、空间数据建模、机器学习空间预测、多种机器学习集成技术、空间升、降尺度技术、空间模拟偏差订正技术、数据可视化、知识图谱等方面让您全方位掌握R语言大尺度空间数据分析模拟预测及可视化技术。https://blog.csdn.net/WangYan2022/article/details/130800531?spm=1001.2014.3001.5502最新基于Citespace、vosviewer、R语言文献计量学可视化分析技术及全流程文献可视化SCI论文高效写作方法-CSDN博客通过文献计量学讲解、高效选题、数据库检索数据下载、软件使用等八个专题详细讲解，让学员系统全面的掌握文献计量学的基本理论和知识；熟练掌握Citespace和vosviewer及R语言文献可视化分析技术；最终实现从主题确定、数据分析绘图、文章框架与写作，全流程掌握一篇文献信息可视化分析报告（论文）的思路逻辑与技术方法。https://blog.csdn.net/WangYan2022/article/details/131889523?spm=1001.2014.3001.5502