[Forside] [Hovedområder] [Perioder] [Udannelser] [Alle kurser på en side]
Målet med kurset er at kunne håndtere data, hvor de enkelte observationer ikke er uafhængige. Dette kan opstå i studier, hvor samme individ (dyr, mark, plante osv.) måles flere gange. Dette kan også opstå i studier, hvor nogle individer (på grund af designet) ligner hinanden mere end andre, f.eks. hierarkiske forsøg. Denne afhængighed mellem observationerne håndteres ved at udvide de ordinære lineære regressionsmodeller til lineære modeller med tilfældige effekter.
Ved afslutning af kurset forventes den studerende at kunne: Formulere passende statistiske modeller i eksperimenter i jordbrugsvidenskabelige forsøg. Identificere vigtige former for afhængighed mellem observationer, blandt andet tidsmæssige og hierarkiske strukturer. Udføre basale grafiske fremstillinger af data. Opstille hypoteser ud fra faglige problemstillinger. Gennemføre modelkontrol og -kritik. Beregne prædiktioner og estimater af såvel systematiske som tilfældige effekter. Udføre og rapportere en statisk analyse af resultater fra eksperimenter i jordbrugsvidenskabelige forsøg.
Lineære modeller med tilfældige effekter er udvidelser af ordinære lineære regressionsmodeller. Udvidelsen består i, at man tillader både tilfældige og systematiske regressionskoefficienter.
Hierarkiske modeller: Introduktion til hierarkiske datastrukturer og motivation for anvendelse af hierarkiske modeller. Strukturen af modeller med tilfældige effekter: systematiske effekter, tilfældige effekter, varians- og kovarianskomponenter. Som nogle specifikke anvendelser betragtes: variansanalyse, regressioner, modeller med tilfældige koefficienter, f.eks. tilfældig skæring og hældning. I de sammenhænge forklares begreber som shrinkage-effekten på parameterestimaterne og at låne styrke på tværs af uafhængige observationer i analysen.
Longitudinale modeller: Introduktion til analyse af univariate eller multivariate målinger, som blev taget over tid. Der betragtes flere korrelationsstrukturer for tilfældige effekter som compound-symmetri og autoregressive korrelation.
Der lægges vægt på modelopbygning og modelkritik.
Kurset Biostatistik eller et tilsvarende kursus. Deltagerne skal være bekendt med lineær regression og ANOVA modeller, samt have erfaring med matrix algebra.
Kursusansvarlig: David Edwards ( David.Edwards@agrsci.dk ).
Forelæsninger, teoretiske øvelser og computerøvelser blandt andet baseret på casestudier fra jordbrugsvidenskabelige forsøg med aflevering af projektrapport på min. 5-10 sider.
Engelsk
West, Brady T., Welch, Kathleen B. and GaBecki, Andrzej T. (2007). Linear Mixed Models. A practical guide using statistical software. Taylor & Francis, ISBN 1-58488-480-0
Projektrapporten og fremlæggelse af denne udgør afsluttende prøve. Der gives en samlet bedømmelse på baggrund af projektrapport og fremlæggelse af denne efter 7-trinsskalaen med intern censur.
