Imperial College London
Lineare Regression in R für das öffentliche Gesundheitswesen
Imperial College London

Lineare Regression in R für das öffentliche Gesundheitswesen

Alex Bottle
Victoria Cornelius

Dozenten: Alex Bottle

16.003 bereits angemeldet

Bei Coursera Plus enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.8

(511 Bewertungen)

Stufe Mittel

Empfohlene Erfahrung

Flexibler Zeitplan
Ca. 15 Stunden
In Ihrem eigenen Lerntempo lernen
97%
Den meisten Lernenden hat dieser Kurs gefallen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.8

(511 Bewertungen)

Stufe Mittel

Empfohlene Erfahrung

Flexibler Zeitplan
Ca. 15 Stunden
In Ihrem eigenen Lerntempo lernen
97%
Den meisten Lernenden hat dieser Kurs gefallen

Was Sie lernen werden

  • Beschreiben Sie, wann die Verwendung eines linearen Regressionsmodells sinnvoll ist

  • Die Variablen eines Datensatzes mit der Software R einlesen und überprüfen, bevor Sie eine Modellanalyse durchführen

  • Passen Sie ein multiples lineares Regressionsmodell mit Interaktionen an, überprüfen Sie die Modellannahmen und interpretieren Sie die Ergebnisse

Kompetenzen, die Sie erwerben

  • Kategorie: Korrelation und Abhängigkeit
  • Kategorie: Lineare Regression
  • Kategorie: R-Programmierung

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

11 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung Statistische Analyse mit R für die öffentliche Gesundheit
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • Lernen Sie neue Konzepte von Branchenexperten
  • Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
  • Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
  • Erwerben Sie ein Berufszertifikat zur Vorlage
Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

In diesem Kurs gibt es 4 Module

Bevor Sie sich daran machen, ein Regressionsmodell zu erstellen, müssen Sie ein verwandtes Konzept verstehen: die Korrelation. In dieser Woche lernen Sie, was sie bedeutet und wie Sie in R Pearsonsche und Spearmansche Korrelationskoeffizienten erzeugen, um die Stärke des Zusammenhangs zwischen einem Risikofaktor oder Prädiktor und dem Patientenergebnis zu bewerten. Dann werden Sie in die lineare Regression und das Konzept der Modellannahmen eingeführt, eine Schlüsselidee, die einem Großteil der statistischen Analyse zugrunde liegt.

Das ist alles enthalten

7 Videos9 Lektüren5 Aufgaben2 Diskussionsthemen1 Plug-in

Sie erhalten eine Einführung in den COPD-Datensatz, den Sie im Laufe des Kurses verwenden werden, und führen grundlegende deskriptive Analysen durch. Sie werden auch üben, Korrelationen in R durchzuführen. Als nächstes werden Sie sehen, wie Sie ein lineares Regressionsmodell zunächst mit einem und dann mit mehreren Prädiktoren durchführen und prüfen, ob die Modellannahmen zutreffen.

Das ist alles enthalten

3 Videos8 Lektüren2 Aufgaben3 Diskussionsthemen

Jetzt werden Sie sehen, wie Sie das lineare Regressionsmodell erweitern können, um binäre und kategoriale Variablen als Prädiktoren einzubeziehen, und lernen, wie Sie die Korrelation zwischen Prädiktoren überprüfen können. Dann werden Sie sehen, wie Prädiktoren miteinander interagieren können und wie Sie die notwendigen Interaktionsterme in das Modell aufnehmen und interpretieren können. Es gibt verschiedene Arten von Wechselwirkungen, deren Interpretation schwierig sein kann. Daher werden wir es langsam angehen lassen, mit Beispielen und Gelegenheiten zum Üben.

Das ist alles enthalten

4 Videos9 Lektüren2 Aufgaben

Der letzte Teil des Kurses befasst sich mit der Erstellung eines Regressionsmodells, bei dem Sie die Wahl haben, welche Prädiktoren Sie in das Modell aufnehmen möchten. Er beschreibt häufig verwendete automatisierte Verfahren zur Modellerstellung und zeigt Ihnen, warum diese so problematisch sind. Zum Schluss haben Sie die Möglichkeit, einige Modelle mit einem vertretbaren und robusten Ansatz zu erstellen.

Das ist alles enthalten

5 Videos7 Lektüren2 Aufgaben2 Diskussionsthemen1 Plug-in

Dozenten

Lehrkraftbewertungen
4.9 (95 Bewertungen)
Alex Bottle
Imperial College London
6 Kurse68.420 Lernende

von

Empfohlen, wenn Sie sich für Öffentliche Gesundheit interessieren

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

4.8

511 Bewertungen

  • 5 stars

    82,58 %

  • 4 stars

    13,89 %

  • 3 stars

    2,15 %

  • 2 stars

    1,17 %

  • 1 star

    0,19 %

Zeigt 3 von 511 an

SI
5

Geprüft am 27. Feb. 2021

EY
5

Geprüft am 10. Nov. 2021

AO
5

Geprüft am 11. Sep. 2023

Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen