SASによる一般化線形混合効果モデル(PROC GLIMMIX) (2日間)
価格:150,000円(税抜) /※チケットのお取り扱いはありません
※適用される消費税が別途加算されます。
【注意】 本コースは、英語版テキストを使用し日本語で説明を行います。
受講対象
統計の知識(一般化線形モデル程度)と混合効果モデルの基礎知識を有するすべてのユーザー
企業の統計担当者、データ解析経験者、研究者など
前提知識
学習内容
・ 混合効果モデル全般の確認と復習
・ 変量効果を含む2値データの解析
・ 変量効果を含む場合と含まない場合のポアソン回帰モデルとベータ回帰モデルのあてはめ
・ 離散型アウトカムに対する繰り返し測定データ(経時データ)の解析
・ 事後的な解析の実施
・ 任意の効果を定量するためのEFFECTステートメントの利用
・ アウトカムが多変量で異なる分布に従う場合の同時モデル
・ 計算の収束に関する問題への対処
コンテンツ
- ■混合効果モデルとMIXEDプロシジャの確認と復習
- ・変量効果を含むデータの解析
- ・変量係数モデルと階層モデルのあてはめ
- ・繰り返し測定データ(経時データ)の解析
- ■一般化線形混合効果モデルとGLIMMIXプロシジャ入門
- ・ビジネスユーザーの役割とレポーティングアプリケーション
- ・一般化線形混合効果モデルの紹介
- ・GLIMMIXプロシジャの紹介
- - 2値アウトカムへのあてはめおよび事後的解析の実施
- ■GLIMMIXプロシジャの応用例
- ・変量効果を含むポアソン回帰
- - 変量効果を含む場合と含まない場合のポアソン回帰モデルのあてはめ
- - スケールパラメータによる過分散のモデル化
- - 負の二項分布利用による過分散のモデル化
- ・ベータ回帰の例
- - ベータ回帰モデルのあてはめ
- ・離散型アウトカムに対する繰り返し測定データ(経時データ)の解析
- - 繰り返し測定データ(経時データ)のモデル化
- - COVTESTステートメントの利用
- - 測定データ(経時データ)の解析の応用
- - 変量効果に対するAR(1)の利用
- ・Radical Smoothing入門(自習)
- ■GLIMMIXプロシジャの追加的話題
※ 内容は予告なく変更する場合があります。
テキスト
本コースは、英語版のテキストを使用し、日本語で説明を行います。なお、補助資料等はございません。
担当講師
慶應義塾大学医学部 専任講師 竹内文乃 氏