Jak wystrzec się błędnych wniosków z analizy statystycznej? – profesjonalny przewodnik dla początkujących

Tytuł sprintu: Jak wystrzec się błędnych wniosków z analizy statystycznej? – przewodnik dla początkujących

Czas trwania: 8 godzin (łącznie z przerwami)

Data: 25-26.10 godz: 16:00-20:00

Dla kogo: Zapraszamy wszystkich, którzy chcieliby rozpocząć naukę programowania w języku R. Kurs dedykowany jest dla osób bez doświadczenia w programowaniu.

Wymagania: Własny laptop z zainstalowanym R oraz środowiskiem RStudio. W razie trudności będzie można pobrać i zainstalować oprogramowanie na początku spotkania.

Kurs będzie obejmował następujące zagadnienia:

• Założenia klasycznego modelu regresji liniowej i estymacja jego parametrów. Weryfikacja założeń modelu w celu sprawdzenia poprawności jego specyfikacja dla rozpatrywanego zbioru danych. Postępowanie przy naruszeniu poszczególnych założeń modelu,
• Błędna specyfikacja zmiennych objaśniających w KMNRL i jej wpływ na obciążenie estymatora KMNK jego parametrów. Zjawisko randomizacji i wpływ próby o dużej liczebności na redukcję obciążenia estymatora parametrów modelu,
• Jak definiować obserwacje odstające (outliery)? Czy dana obserwacja jest w każdej sytuacji outlierem?
• Wybrane estymatory odporne (na występowanie outlierów w próbie).
• Wpływ obserwacji odstających (outlierów) na oszacowania parametrów liniowego modelu regresji.
• Problem regresji pozornej w przypadku niestacjonarnych (zintegrowanych) szeregów czasowych. Procedura analityczna umożliwiająca wychwycenie zależności pozornej. Analiza kointegracyjna, jako sposób na uniknięcie problemu pozornej zależności.
• Regresja dla niejednorodnych zbiorów danych. Błąd we wnioskowaniu wynikający z zastosowania modelu regresji łącznej dla próby niejednorodnej. Mieszanka modeli regresji jako rozwiązanie problemu.