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。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。

【原文链接】：

R 语言混合效应（多水平/层次/嵌套）模型及贝叶斯实现技术应用

【方式】：直播 +永久回放(不限时间和次数）+答疑群长期辅助+全套课件资料

【内容介绍】：