生态统计分析方法

课程编码：1800840713X2P3006H 英文名称：Methods for Ecological Statistical Analysis 课时：40 学分：2.00 课程属性：专业课 主讲教师：张霜

生态学是一门强烈依赖于数据统计分析的学科，由于数据来源和结构的复杂性不断提高，传统统计模型往往无法满足当前生态学的数据分析需求。本课程旨在通过对当前生态学领域最新、应用最为广泛的一些强力统计模型的原理和实际应用的讲解，以最新发表在顶级期刊上的文献为演示案例，加强研究生对相关模型的理解，提升研究生的数据分析实践能力。

概率论，生物统计，R基础, 基础生态学
适用对象：有数据分析需求的，硕士，博士研究生

第一章 统计的基本原理与应用 4学时 张霜
第1节 统计的目的
第2节 数据的产生与分布
第3节 似然，概率密度，数据模拟
第二章 一般线性模型的应用1 4学时 张霜
第1节 线性模型的基本原理结果解读
第2节 线性模型与anova
第3节 数值型自变量的结果解读
第4节 分类型自变量的结果解读
第三章 一般线性模型的应用2 4学时 张霜
第1节 模型的优化
第2节 模型选择
第3节 模型平均
第4节 多因素回归结果制图
第四章 时空自相关数据的处理与PGLS回归 4学时 张霜
第1节 数据的独立性问题
第2节 时间、空间自相关
第3节 系统发育关系
第4节 模型中不独立性的纳入
第五章 广义线性模型的原理与应用 4学时 张霜
第1节 一般线性模型的局限
第2节 理论上不符合正态分布的数据类型
第3节 广义线性模型的基本原理
第4节 广义线性模型的拟合与结果解读
第六章 线性混合模型 4学时 张霜
第1节 现实数据的嵌套性与伪重复
第2节 混合模型的基本原理
第3节 混合模型的基本设置
第4节 混合模型的结果解读
第七章 广义线性混合模型 4学时 张霜
第1节 不同形式的广义线性混合模型
第2节 过度离散，零膨胀等问题的处理
第3节 GLMM模型结果解读与制图
第八章 贝叶斯统计基本原理 4学时 张霜
第1节 贝叶斯统计的基本原理
第2节 MCMC抽样的过程
第3节 不同贝叶斯统计工具介绍与基本模型拟合
第九章 贝叶斯统计的应用详解 4学时 张霜
第1节 新型贝叶斯统计工具的应用
第2节 不同模型的贝叶斯拟合与结果解读与制图
第3节 贝叶斯模型的拓展应用
第十章 数据整合分析 4学时 张霜
第1节 多来源数据变异的复杂性
第2节 数据整合分析常用模型与问题介绍
第3节 顶级期刊数据整合分析案例解析

张霜 中国科学院生态环境研究中心副研究员