欢迎访问公共卫生 R 线性回归!公共卫生被定义为 "通过社会有组织的努力来预防疾病、延长生命和促进健康的艺术和科学"。了解疾病的起因和恶化原因显然是其中至关重要的部分。这就需要建立统计模型,描述病人和环境因素如何影响我们患病的几率。本课程将向您展示如何从零开始创建此类模型,首先向您介绍相关性和线性回归的概念,然后引导您导入和检查数据,最后向您展示如何拟合模型。以呼吸系统疾病为例,这些模型将描述患者和其他因素如何影响肺功能等结果。


了解顶级公司的员工如何掌握热门技能

积累特定领域的专业知识
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书

该课程共有4个模块
在开始运行回归模型之前,您需要了解一个相关概念:相关性。本周您将了解它的含义,以及如何在 R 中生成皮尔逊和斯皮尔曼相关系数,以评估风险因素或预测因子与患者结果之间的关联强度。然后,您将了解线性回归和模型假设的概念,这是支撑大量统计分析的关键思想。
涵盖的内容
7个视频9篇阅读材料5个作业2个讨论话题1个插件
您将学习整个课程中使用的慢性阻塞性肺病数据集,并运行基本的描述性分析。接下来,您将了解如何运行线性回归模型,首先是一个预测因子,然后是多个预测因子,并检查模型假设是否成立。
涵盖的内容
3个视频8篇阅读材料2个作业3个讨论话题
现在,您将看到如何扩展线性回归模型,将二元变量和分类变量作为预测变量,并学习如何检查预测变量之间的相关性。然后,您将看到预测因子如何相互影响,以及如何将必要的交互项纳入模型并对其进行解释。存在不同种类的交互作用,对它们的解释可能具有挑战性,因此我们将通过工作示例和练习机会慢慢讲解。
涵盖的内容
4个视频9篇阅读材料2个作业
课程的最后一部分将探讨当您可以选择将哪些预测因子纳入回归模型时,如何建立回归模型。它介绍了常用的自动建模程序,并向您说明了这些程序为什么会出现问题。最后,您将有机会使用更可靠、更稳健的方法拟合一些模型。
涵盖的内容
5个视频7篇阅读材料2个作业2个讨论话题1个插件
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
从 公共卫生 浏览更多内容
状态:免费试用Imperial College London
状态:免费试用Imperial College London
状态:免费试用University of Michigan
状态:免费试用Johns Hopkins University
人们为什么选择 Coursera 来帮助自己实现职业发展




学生评论
527 条评论
- 5 stars
82.54%
- 4 stars
13.85%
- 3 stars
2.08%
- 2 stars
1.13%
- 1 star
0.37%
显示 3/527 个
已于 Jun 19, 2020审阅
Nice course for the beginner who is pursuing health research and its multivariate analysis. It would be better if it is provided more elaborately in video lectures.
已于 Feb 27, 2021审阅
The course was an excellent utilisation of time. I am looking forward to explore further and utilise the skills I acquired.
已于 Sep 11, 2023审阅
This is is an excellent course! Thank you for providing it to us online, and please, I look forward to have access to more advance courses on statistical analysis for public health from ICL!
常见问题
要获取课程资料、作业和证书,您需要在注册课程时购买证书体验。 您可以尝试免费试听,或申请资助。课程可能提供 "完整课程,无证书"。通过该选项,您可以查看所有课程资料,提交必要的评估,并获得最终成绩。这也意味着您无法购买证书体验。
注册课程后,您就可以访问专项课程中的所有课程,完成作业后还可以获得证书。您的电子证书将添加到您的 "成就 "页面--在那里,您可以打印证书或将其添加到您的 LinkedIn 个人资料中。
是的。在特定的学习课程中,如果您付不起注册费,可以申请助学金或奖学金。如果您选择的学习课程有助学金或奖学金,您可以在说明页面找到申请链接。
更多问题
提供助学金,






