Longitudinální a panelová data - NMST422

• Anglický název: Longitudinal and Panel data
• Zajišťuje: Katedra pravděpodobnosti a matematické statistiky (32-KPMS)
• Fakulta: Matematicko-fyzikální fakulta
• Platnost: od 2024
• Semestr: letní
• E-Kredity: 5
• Rozsah, examinace: letní s.:2/2, Z+Zk [HT]
• Počet míst: neomezen
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: čeština
• Způsob výuky: prezenční
• Garant: doc. RNDr. Zdeněk Hlávka, Ph.D.; doc. RNDr. Michal Pešta, Ph.D.
• Vyučující: doc. RNDr. Matúš Maciak, Ph.D.
• Třída: M Mgr. PMSE; M Mgr. PMSE > Povinně volitelné
• Kategorizace předmětu: Matematika > Pravděpodobnost a statistika
• Neslučitelnost : NMST432
• Prerekvizity : NMSA407
• Záměnnost : NMST432
• Je prerekvizitou pro: NMST551

Anotace

čeština

Navazuje na předmět NMSA407 Lineární regrese. Učí se zde regresní modely pro clusterovaná data. Cvičení je kombinací teoretických a praktických úloh, ale jádro spočívá v analýzách různých typů ekonometrických, lékařských a technických dat a zahrnuje závěrečný projekt.

Poslední úprava: Omelka Marek, doc. Ing., Ph.D. (30.11.2020)

angličtina

Continuation of the course NMSA407 Linear Regression. This course covers regression models for clustered data. The practice sessions include solutions to theoretical excercises but the focus is on analyses of different types of econometric, medical and technical data. The course is concluded by a Final Project.

Poslední úprava: Omelka Marek, doc. Ing., Ph.D. (30.11.2020)

Cíl předmětu

čeština

Seznámit studenty s regresními modely pro závislá data.

Poslední úprava: Omelka Marek, doc. Ing., Ph.D. (10.06.2021)

angličtina

To explain regression models for correlated and clustered data.

Poslední úprava: Omelka Marek, doc. Ing., Ph.D. (10.06.2021)

Podmínky zakončení předmětu

čeština

Podmínkou pro konání zkoušky je předchozí získání zápočtu. Zápočet bude udělen za včas odevzdaná a uspokojivá řešení zadaných úkolů. Charakter předmětu neumožňuje opakování pokusu o získání zápočtu.

Poslední úprava: Hlávka Zdeněk, doc. RNDr., Ph.D. (23.01.2023)

angličtina

The exercise class credit is necessary to sign up for the exam. The credit for the exercise class will be awarded to the student who hands in a satisfactory solution to each assignment by the prescribed deadline. The nature of these requirements precludes any possibility of additional attempts to obtain the exercise class credit.

Poslední úprava: Omelka Marek, doc. Ing., Ph.D. (30.11.2020)

Literatura

J.W. Hardin and J.M. Hilbe: Generalized Linear Model and Extensions. StataPress, 2007.

J.W. Hardin and J.M. Hilbe: Generalized Estimating Equations. Chapman & Hall, 2003.

P.J. Diggle, P.J. Heagerty, K.-Y. Liang, S.L. Zeger: Analysis of Longitudinal Data. Oxford University Press, 2nd edition, 2002.

Poslední úprava: Hlávka Zdeněk, doc. RNDr., Ph.D. (23.01.2023)

Metody výuky

čeština

Přednáška + cvičení. Pro náročnější datové analýzy a zpracování velkých datových souborů lze využít i fakultní výpočetni cluster.

Poslední úprava: Hlávka Zdeněk, doc. RNDr., Ph.D. (26.01.2023)

angličtina

Lecture + exercises. The faculty computing cluster can be used for more demanding data analyses and processing of large data sets.

Poslední úprava: Hlávka Zdeněk, doc. RNDr., Ph.D. (26.01.2023)

Požadavky ke zkoušce

čeština

Kombinovaná zavěrečná zkouška: písemná část (nutných je alespoň 60 % bodů) a následně ústní část ve formě diskuse

nad vypracovanou písemní části zkoušky, resp. zápočtovým projektem.

Poslední úprava: Maciak Matúš, doc. RNDr., Ph.D. (13.02.2024)

angličtina

Requirements for the oral exam comprise the entire contents of the lectures and exercise sessions.

Poslední úprava: Hlávka Zdeněk, doc. RNDr., Ph.D. (23.01.2023)

Sylabus

čeština

Lineární smíšený model; Zobecněný lineární smíšený model; Zobecněné odhadovací rovnice.

Poslední úprava: Hlávka Zdeněk, doc. RNDr., Ph.D. (23.01.2023)

angličtina

Linear mixed effects model; Generalized linear mixed effects model; Generalized estimating equations.

Poslední úprava: Hlávka Zdeněk, doc. RNDr., Ph.D. (23.01.2023)

Vstupní požadavky

čeština

Dobrá znalost lineární regrese a maximální věrohodnosti, doporučená znalost zobecněných lineárních modelů.

Poslední úprava: Hlávka Zdeněk, doc. RNDr., Ph.D. (23.01.2023)

angličtina

This course assumes mid-level knowledge of linear regression (both theory and applications) and good understanding of maximum likelihood theory. Knowledge of generalized linear models is recommended.

Poslední úprava: Hlávka Zdeněk, doc. RNDr., Ph.D. (23.01.2023)