社会科学中的回归分析

建立并解释线性、分类结果、固定效应和多层回归模型。

后续编写

课程 2 · 12 个学习单元 · 每单元约两小时学习

开始之前

先修要求:具备基础统计知识和 R 操作能力;同等基础技能亦可。

学习单元安排

选择下方学习单元。规划中的单元仅展示课程目标、先修要求与实践任务,尚无课程正文。

学习单元 主题 学习目标 状态
1 基础知识 联系研究问题、变量、统计汇总与不确定性。 规划中
2 线性回归 用原始单位解释拟合斜率与预测值。 试教
3 分类预测变量与交互项 解释参照类别,以及随另一变量变化的条件关系。 规划中
4 模型设定与诊断 评估函数形式、残差模式与有影响的观测。 规划中
5 Logit 与 Probit 回归 联系二元结果、Logit/Probit 模型与预测概率。 规划中
6 预测概率与边际效应 将非线性模型结果转化为概率和边际效应。 规划中
7 有序与多项 Logit 模型 区分有序与无序分类结果及其模型假设。 规划中
8 条件 Logit 与选择数据 组织选择集,并解释备选项层面的预测变量。 规划中
9 固定效应模型 解释面板数据的单位内比较,以及个体和时间固定效应。 规划中
10 多层模型 区分层级数据中的组内与组间变异。 规划中
11 回归结果展示 清楚展示回归估计和预测,并给出实质解释。 规划中
12 回归项目 为范围明确的研究问题选择并评估回归模型。 规划中