Михаил Ободинский 

Урок 00. Состав курса

Урок 00а (2 минуты) - зачем вам этот курс. ссылка
 
СОСТАВ КУРСА
01  сбор данных, важность маркировки вопросов и ответов
02  преобразование данных, обратные вопросы, Jamovi или SPSS
03  настройка Jamovi, знакомство с интерфейсом
04  загрузка данных в программу, маркировка переменных
05  шкалы и формулы
06  условия и фильтры в Jamovi. Зачем это нужно 💰
07  База статистики:

           параметрика \ непараметрика, уровень значимости,

           дисперсия, нормальность и другие непонятные слова
08  анализ - описательная статистика 💰
09  анализ - сравнение двух групп 💰
10  анализ - корреляция

УРОК 30. Где я рассказываю свой опыт по использованию искусственного интеллекта, в чём есть риски, какие ИИ я использовал. Поговорим о том, что можно отдать на откуп ИИ, а что точно нельзя.

УРОК 31. Анализ надёжности. Альфа Кромбаха, и причём тут Макдональд. Разбираемся в практической плоскости с этой темой.

Друзья, на днях на одном дыхании записал два урока, которыми хочу поделиться. Меня несколько человек уже спрашивали про урок по линейной регрессии, так что можно сказать, что есть в этом некоторая потребность.
 
Но рассказать про линейную зависимость, не сказав про нелинейную, как говорили некоторые мои преподаватели математики: "пиво без водки - деньги на ветер". Это конечно шутка, сам я против алкогольной зависимости и всему руками за здоровый образ жизни. Это я к тому, что эти два явления очень связаны.
 
Исследование медиаторов мало кто использует. Почему-то считается, что эта тема сложная. По мне, не сложнее для понимания линейной регрессии. А тут ещё и замечательный пример подоспел.
 
В общем, не пропустите, кому актуально. До 13 сентября посмотрите. Возможно нужно зарегистрироваться на платформе Boosty, но это бесплатно. Затем уроки будут по 500₽.
 
*Не смотрите на нумерацию внутри урока... что-то пошло не так с ней :)

УРОК 25. GLM исследование. Медиаторы. Нелинейные зависимости

Продолжая и углубляя тему линейной регрессии, сегодня изучаем нелинейные зависимости, и в частности влияние медиаторов. Что если в линейной регрессии одна или несколько переменных не показали линейной зависимости, но при этом корреляция (связь) есть. Проверьте на нелинейность связи!
 
* не смотрите на номер урока в видео, произошла небольшая пересортица. Этот урок правильно смотреть после урока 22 по линейной регрессии.

УРОК 22. Линейная регрессия

Этот урок рассказывает о том, как посмотреть связь, когда переменных не две, а несколько, как оценить влияние нескольких шкал на одну ту, которую мы исследуем.
 
Это может стать хорошим дополнением к корреляционному анализу.
* в начале урока стоит иная нумерация - это я перепутал, но переписывать видео из-за этой ошибки не буду.

УРОК 28. Корреляция: что с ней не так.

Разбираем нюансы исследования корреляций.

Какой метод лучше использовать для исследования связи?

Связь величины выборки и точности метода: и вообще, "сколько точно нужно данных"?
Виды связей и что делать, если связь не линейная.

И опять про поправку Бонферрони и множественное сравнение.

УРОК 27. Проблема множественного сравнения и почему много раз сравнивать данные без поправок - плохая практика.
Разбираем, в чём, собственно, проблема?
Какие есть пути решения.
Поправка Бонферрони и чем она "плоха"?
Какие поправки использовать лучше и в каких случаях.
Когда поправки использовать не нужно.
Какие инструменты есть в Jamovi.