TILS2300 Mixed Models and Longitudinal Data Analysis (2–5 cr)

Open the course unit brochure on Sisu
Study level:
Advanced studies
Grading scale:
0-5
Language:
Finnish
Responsible organisation:
Department of Mathematics and Statistics
Curriculum periods:
2020-2021, 2021-2022, 2022-2023

Description

Olet kerännyt pitkittäisdataa (esim. kasvukäyrät) tai useita mittauksia samalta havaintopaikalta (kuten metsäpalstat, koululuokat). Havaintosi ovat nyt korreloituneita. Miten huomioit tämän mallinnuksessa? Tämä kurssi on jatkoa kursseille YLM1 ja YLM2. Kurssilla perehdytään menetelmiin, joita voidaan soveltaa tilanteissa, joissa aineisto sisältää korreloituneita havaintoja (klusteroidut havainnot, toistomittaukset, pitkittäistutkimusten aineistot, spatiaalinen data, jne.). Keskeisimpiä menetelmiä ovat sekamallit sekä yleistetyt estimointiyhtälöt (GEE). Kurssilla käydään läpi menetelmien perusteoriaa (mallien määrittely, parametrien estimointi, ennustaminen, testaus). Menetelmien soveltamista erilaisiin empiirisiin aineistoihin harjoitellaan R- ja/tai SAS-ohjelmistojen avulla. Aikataulun salliessa tarkastellaan edellä mainittujen menetelmien lisäksi pitkittäisaineistojen analysointia transitiomallien avulla.

Learning outcomes

Kurssin menestyksellisesti suorittanut opiskelija:
  • tuntee kurssilla esiteltyjen menetelmien perusteorian: osaa määritellä mallit sekä listata mallien oletukset; tuntee keskeisimmät estimointi- ja ennustamistekniikat.
  • osaa valita empiiriseen aineistoon sopivan mallin kovarianssirakenteineen sekä sovittaa mallin R-ohjelmistolla; osaa tarkastella kriittisesti valitsemaansa mallia.
  • osaa tehdä aineistoon liittyviä johtopäätöksiä tilastollisen analyysin perusteella sekä raportoida tulokset tekemästään analyysistä.
Tilastotieteen opintosuunnan opiskelija hallitsee lisäksi käsiteltyihin menetelmiin liittyvän tilastotieteen teorian.

Additional information

Tilastotieteen opintosuunnan opiskelijoilla kurssin laajuus on 4-5 op
Muilla opiskelijoille luentoja on vähemmän ja kurssin laajuus on 2 op.

Description of prerequisites

Tilastotieteen opintosuunnan opiskelijoilla: Tilastollinen päättely 1 ja 2, Yleistetyt lineaariset mallit 1 ja 2, R-kurssi

Muilla opiskelijoilla: Datasta malliksi tai Tilastomenetelmien peruskurssi tai vastaavat tiedot, perusvalmiudet R-ohjelmiston käyttöön. Esitiedoiksi suositellaan myös Yleistetyt lineaariset mallit 1 -kurssia 5 op:n suorituksena.

Completion methods

Method 1

Evaluation criteria:
Arviointiin vaikuttavat menestys kurssitentissä ja mahdollisesti aktiivisuus harjoitustehtävien tms. tekemisessä sekä harjoitustyöstä suoriutuminen.
Select all marked parts

Method 2

Evaluation criteria:
Kurssin lopputentissä hyväksyttyyn suoritukseen vaaditaan yleensä vähintään puolet tentin maksimipisteistä.
Select all marked parts
Parts of the completion methods
x

Teaching (2–5 cr)

Type:
Participation in teaching
Grading scale:
0-5
Evaluation criteria:
Arviointiin vaikuttavat menestys kurssitentissä ja mahdollisesti aktiivisuus harjoitustehtävien tms. tekemisessä sekä harjoitustyöstä suoriutuminen. Opetusohjelmassa esitellään tarkemmat arviointiperusteet.
Language:
Finnish
Study methods:

Harjoitukset, harjoitustyö ja kurssitentti. 
Suoritustavat esitellään tarkemmin opetusohjelmassa.

Teaching

x

Exam (2–5 cr)

Type:
Exam
Grading scale:
0-5
Evaluation criteria:
Kurssin lopputentissä hyväksyttyyn suoritukseen vaaditaan yleensä vähintään puolet tentin maksimipisteistä. Opetusohjelmassa esitellään tarkemmat arviointiperusteet.
Language:
Finnish
Study methods:

Kurssin lopputentti. Suoritustavat esitellään tarkemmin opetusohjelmasssa.

No published teaching