Statistical Methods for Complex Data

Aim

Efter avslutad kurs ska den studerande kunna:

• tillämpa statistiska metoder inom analys av komplexa datatyper
• redogöra för aktuella forskningsfrågor gällande komplexa data
• bedöma vilken typ av modell som är relevant för dessa typer av data
• tolka resultat av de gjorda analyserna av komplexa data
• kritiskt diskutera lämpligheten av olika statistiska modeller för olika typer av datamaterial
• kritiskt diskutera modellernas antaganden
• genomföra uppgifter inom givna tidsramar

Content

I kursen behandlas introduktion till statistiska metoder för analys av komplexa datamängder. Exempel på data som hanteras under momenten är hierarkiska och longitudinella data, kategoriska data, spatiala data, trunkerade och censurerade data. Datatyperna och deras komplexitet presenteras. Vanliga begrepp, modeller, analysmetoder och exempel på aktuella forskningsfrågor tas upp för varje typ. Vidare behandlas olika metoders lämplighet, tolkningar av resultat, samt kritisk granskning av statistiska antaganden och konsekvenser av ej uppfyllda sådana. Begrepp och modeller som kan tas upp är följande:

• hierarkiska och longitudinella data: multilevelmodeller, intraklasskorrelation, slumpmässiga och fixa effekter, latenta tillväxtmodeller
• kategoriska och trunkerade data: modeller för oordnade och ordnade kategorier, fördelningar för trunkerade data, Tobitregression
• överlevnadsdata: censurerade data, överlevnadsfunktion, hazardfunktion, Kaplan-Meieranalys, Coxregression.
• spatiala data: spatial korrelation och spatialt beroende, modeller för spatiala data