Vom einfachen gemischten Modell bis zum generalisierten gemischten Modell mit Kovarianzstrukturen

Dieser Kurs ist an Naturwissenschaftler gerichtet, die bereits Erfahrung mit der statistischen Auswertung in R (z.B. Regression, Varianzanalyse) haben, jedoch mehr über die Anwendungsmöglichkeiten von gemischten und generalisierten gemischten Modellen oder der strukturierten und effizienten Nutzung von R generell erfahren wollen. Wie der Name sagt ist dieser Kurs der zweite Teil einer Kursreihe und baut auf dem Kurs „Data Science in den Naturwissenschaften mit R (Teil 1) – vom professionellen Graphen bis zum einfachen gemischten Modell“ (09.06.2020 – 11.06.2020) auf. Die Teilnahme hier setzt keine Teilnahme am ersten Kurs voraus, jedoch sollte das dort vermittelte Wissen vorhanden sein. Ziel ist es, speziell das Statistik-Wissen auf eine intuitive und praktikable Art zu vermitteln. Der Fokus liegt dabei vor allem darauf, die unten genannten Methoden und deren zugrundeliegende Theorie mithilfe von anschaulichen Beispielen zu erklären. Die Beispiele des Kurses kommen vor allem aus den Agrarwissenschaften bzw. der experimentellen Biologie.

Der Kursinhalt umfaßt:

• Diskussion: t-test oder Tukey-Test
• Diskussion: p-Wert und Signifikanz
• Gemischte Modelle (packages: glmmTMB, lme4, nlme, sommer)
• Generalisierte Modelle
• Generalisierte gemischte Modelle (package: glmmTMB)
• Messwiederholungen
• Varianzkomponenten, AIC und Kovarianzstrukturen
• Zähldaten, Presence/Absence, Proportionen
• Versuchsdesigns (zzgl. derer in Teil 1)
• Split-plot design (=Spaltanlage)
• Versuche an mehreren Orten und/oder Jahren

• Alternative Im- und Exportfunktionen, sowie Datenstrukturen
• Effizientes und dennoch kontrolliertes Analysieren von mehreren Datensätzen
• Professionelle Erstellung verschiedener Graphen (packages: ggplot2, desplot)