新学期即将开始,本学期《高级心理统计学》将继续开课。本学期开始尝试对校外感兴趣的学习者开放。
课程时间:2024年9月6日开始,每周五 8:00-10:20,课程共持续18周。
线上直播形式:通过zoom进行直播,具体会议号将在课程群中进行通知。
《高级心理统计》这门课传统上主要包括复杂的回归模型(如多元回归、广义线性模型、多层线性模型等)和结构方程模型这两大块内容,但内容可能因老师而异。本人在南师所开设的这门课侧重在回归模型,但实现的方法则是采用贝叶斯统计统计在Python中实现的做法。一个主要的原因在本人非常喜欢贝叶斯统计,喜欢python这个语言(同时南师大本科生也均学习过python),也认为学习和理解贝叶斯框架下的回归模型可以帮助学生换一个视角来看待统计方法。
本课程的主要目的在于让本科生能够接触贝叶斯统计,并能够使用Python完成常见的贝叶斯方法(如贝叶斯推断、广义线性模型、分层线性模型等)。在学习过程中,逐步熟练使用相关Python工具包(如PyMC、Bambi、ArviZ、Seaborn、PreliZ等)进行贝叶斯统计分析与可视化,在实践中建立使用贝叶斯方法解决心理学和社会科学数据分析问题的信心。因此,本课程适合于那些想提高对统计方法理解并想尝试使用Python进行数据分析的学习者。即使学习完后不将PyMC作为你的主要分析工具,但完成数据分析中的技能仍然能迁移到其他相关主题中(如在R语言中使用brms或stan)。
课程目标
培养用代码进行数据分析的思维:帮助学生了解能够使用Python工具包PyMC的语法和结构,掌握Python数据处理基本技能,增强逻辑思维和分析能力。
增进问题解决能力:鼓励学生通过课下自主练习和互动,加深对课堂内容的理解,并在大作业中分析真实数据,提升问题解决能力。
课程内容
贝叶斯基础:包括为什么要学习贝叶斯/PyMC3、贝叶斯统计方法在心理学研究中的意义、和鲸平台的使用、贝叶斯公式、经典贝叶斯模型、近似后验的方法、MCMC算法。
贝叶斯模型应用:通过心理学研究的真实数据,详细展示使用Python进行贝叶斯统计分析的整个流程。
贝叶斯线性模型:贝叶斯logistic回归、贝叶斯分层线性模型以及贝叶斯因子(在心理学研究中应用广泛)。
Optional: 贝叶斯决策模型及其在心理学中的应用;神经网络在贝叶斯推断中的作用。
课程特色
理论与实践并重:课堂上侧重于贝叶斯统计理论讲解,课下通过自主练习深化理解,并提供丰富的实践机会以应用所学知识。
强调基础与高级技能的平衡:本课程内容由浅入深,从贝叶斯统计的基础操作到心理学数据分析的高级技术,如逻辑回归、贝叶斯因子、层级回归模型等,均有涵盖。这样的设置旨在确保学生能够掌握最实用的数据处理工具,同时保持与数据科学领域的最新进展同步。
案例驱动的学习方法:通过精心挑选的心理学研究案例,本课程将展示贝叶斯统计在实际研究中的应用全景,从数据导入到最终的结果分析和解读。
互动与个性化学习:(1)鼓励多提问和交流,包括学习者形成小组的相互交流,学习者与助教/教师的相互交流;(2)通过和鲸的合作与互动。
本课程Juptyer notebook将在2023年的基础上进行更新(见下方链接)。同时我们将录制课程上传至哔哩哔哩平台,与学习者一起合作。
往年课程资料参考:
https://gitee.com/hcp4715/bayesian-analysis-nnupsy
本课程参考教材:
(2023年课程参考教材)
(2024年新增参考教材)
感兴趣但无法通过南京师大心理学院选课的小伙伴,可扫描微信二维码进入课程群(若无法加入群聊,请添加小助手微信:Sylvia_07_17,小助手将邀请您入群)。
( 贝叶斯2024课程微信群 )
为了更好地了解大家参与本课程的目的,请花1-2分钟时间填写以下问卷。
问卷:https://wj.qq.com/s2/15244621/62dd/
问卷二维码:
(封面图源于: https://www.cantorsparadise.com/an-actual-introduction-to-bayesian-statistics-96366fbf56f2)