“思而不学则殆”，好的科学想法需要伴随扎实的基本功以及不断的学习，不然只会成为空想。
而回归（Regression）可能是所有科研人员或数据分析人员必须熟练掌握的实战技能，它的重要性无需进一步解释，正所谓“得回归者得天下”！
因此，我们推出了第二个线上的实战课程《回归：从入门到进阶》。可通过长按下方二维码直接进入课程页面：
课程内容
此课程共包含18个章节，内容如下：
第一章：前言(introduction)
第二章：相关(correlation)
第三章：简单线性回归(simple linear regression)
第四章：多因素线性回归(multiple linear regression)
第五章：多因素线性回归的前提条件(assumptions)
第六章：逐步回归(stepwise regression)
第七章：调节效应分析(moderation analysis)
第八章：中介效应分析(mediation analysis)
第九章：变量转化(non-linear transformations)
第十章：多项式回归(polynomial regression)
第十一章：回归样条(regression splines)
第十二章：自助法(bootstrapping)
第十三章：k折交叉验证(k-fold cross-validation)
第十四章：岭回归(ridge regression)
第十五章：套索回归(lasso regression)
第十六章：回归树(regression trees)
第十七章：提升回归树(boosted regression trees)
第十八章：随机森林回归(random forest regression)课程中各章节的精选图表如下（课程内附代码）：
第一章：前言(introduction)
第二章：相关(correlation)
第三章：简单线性回归(simple linear regression)
第四章：多因素线性回归(multiple linear regression)
第五章：多因素线性回归的前提条件(assumptions)
第六章：逐步回归(stepwise regression)
第七章：调节效应分析(moderation analysis)
第八章：中介效应分析(mediation analysis)
第九章：变量转化(non-linear transformations)
第十章：多项式回归(polynomial regression)
第十一章：回归样条(regression splines)
第十二章：自助法(bootstrapping)
第十三章：k折交叉验证(k-fold cross-validation)
第十四章：岭回归(ridge regression)
第十五章：套索回归(lasso regression)
第十六章：回归树(regression trees)
第十七章：提升回归树(boosted regression trees)
第十八章：随机森林回归(random forest regression)
除了可以将上述的统计方法和图表应用在大家手头的研究上，学习完此课程，您还将对统计有更加深入的理解，并且读得懂下方的数学公式，举几个例子：
常见问题
2. 我适合学习此课程吗？
答：学员需有一定的R语言编程基础以及统计学基础，比如可以使用R进行数据导入，清理，作图；熟悉常见的统计方法，比如t检验，卡方检验，相关分析，简单线性回归等；具备一定的实战经验将可以更加轻松的学习和掌握。
3. 学习此课程遇到问题怎么办？
答：此课程配备答疑网站，提问方式如下图所示：
4. 如何获取课程中的代码？
答：代码可在对应章节的【视频详情】中找到。以第一章节为例，如下图（以电脑网页端的代码为准，手机端显示效果不佳），如下图所示：
5. 如何购买课程？
答：可通过以下两种方式：
第一种：使用微信手机端进入课程链接（详细查看下面的第6个问题）；也可以长按或扫一扫下方二维码直接进入课程：
第二种：使用电脑浏览器进入官网( www.rstats.cn )，下拉网页找到【线上课程】-《回归：从入门到进阶》，点击【了解详情】后进入课程链接，最后点击【订阅内容】，微信扫一扫即可：
6. 购买课程后，如何登陆手机端和电脑端？
答：请使用购买课程的微信账号登录，具体如下图所示：
7. 如何查看订单号？
答：在手机端商城（通过《R语言和统计》公众号的菜单栏，找到线上课程-官方商城）中点击【我的】-【已完成】里，就能看到订单号。
8. 关于购买前课程的咨询，如何联系你们？
答：可以添加R师妹微信：kefu_rstats
9. 购买后，课程是否有时限？
答：购买后可永久观看！
