Course code NOVA-408

NOVA-408 Flernivå modeller

English course information

Søk etter andre emner

Viser emneinfo for studieåret 2018 - 2019.

Studiepoeng: 5
Ansvarlig fakultet: Veterinærhøgskolen
Frekvens: Våren 2019
Undervises på språk: EN
(NO=norsk, EN=Engelsk)
Undervises i periode:

Undervisning: vår 2019.

Kursforberedelser: 20. mai - 14. juni, kurssamling i Sandnes: 17.-21. juni, oppgave etter kurset: 24. juni - 19. juli.

Første gang: Studieår 2018-2019
Fortrinnsrett: Studenter på ph.d.-nivå har førsteprioritet. Masterstudenter kan spørre kontaktpersonen som står oppført på kursinformasjonssiden på NOVAs nettsider om det er plass på ph.d.-kurs.
Undervises hvor?: Campus Adamstuen
Emnets innhold:

. Kursbeskrivelse

Gjennom kurset vil du bli kjent med de grunnleggende teoriene og anvendelsen av flernivå modeller. Fokus vil være på å bruke disse metodene på anvendt forskning innen veterinær epidemiologi. Du vil også få praktisk kompetanse i statistisk programvare for analyse av data.

Introduksjon til ikke-uavhengige data; flernivå modeller, ved bruk av programvare (MLwiN, Stata, R); FLM; GLMM i MLWiN, Stata, R; flernivå modelldiagnostikk; diagnostikk i MLWiN

random slopes og kontekstuelle effekter; alternative tilnærminger for diskret data, analyse av repeterte målinger.

Læringsutbytte:

Etter gjennomføring av kurset forventes deltakerne å oppnå følgende kompetanse:

Kunnskap
1. Bli kjent med de grunnleggende teoriene for analyse av tilfeldige effekter og hierarkiske data i veterinær epidemiologi

2. Kunne lese og forstå vitenskapelige artikler der disse metodene er brukt

3. Være oppmerksom på forskjellige programvarealternativer for å analysere slike dataFerdigheter
1. Kunne etablere, tilpasse og evaluere modeller for kontinuerlig og kategoriske data

2. Kunne presentere resultater fra analysene i et format som passer for vitenskapelig publikasjon.Kompetanse

Kunne bruke avanserte epidemiologiske metoder for å tolke forskningsdata, for bedre å utnytte observasjonsdata innenfor en intervensjonskontekst.

Læringsstøtte:
Emnet består av teoretiske forelesninger blandet med øvelser. Kurset vil gi mulighet til å jobbe med egne data under faglig veiledning. Gjennomgang av gårsdagens emner gis hver morgen.
Pensum:
Studentene vil motta litteraturlisten i tide til kurset.
Forutsatte forkunnskaper:
Det forutsettes at studentene har en MSc innen naturvitenskap. MSc-studenter kan i noen tilfeller bli tatt opp på kurset.
Anbefalte forkunnskaper:
Studenten må være kjent med grunnleggende veterinær epidemiologi, og grunnleggende statistikk, inkludert enkle lineære regresjonsteknikker.
Obligatorisk aktivitet:
Deltakelse på kurssamling.
Vurderingsordning:

Kontinuerlig samhandling med kurslærerne for å gi tilsyn og sikre hver elevs fremgang. Studentene må aktivt delta i praktiske øvelser. Studiepoengene vil bli tildelt etter vurdering av innleveringsoppgave som gjøres etter kurssamlingen.

Etter kurssamlingen skal hver student levere inn en oppgave som skal være basert på analyse av egne data.

Sensor:
Merknader:

Kurset er et felles nordisk NOVA-ph.d.-kurs organsiert av Eystein Skjreve, NMBU. Lærere fra NMBU og University of Prince Edward Island underviser på kurset. Vennligst se kursbeskrivelsen på NOVAs nettsider for mer informasjon om kurset:

 https://www.nmbu.no/en/students/nova/students/phd-courses/phd-courses-2019/node/36242

Normert arbeidsmengde:

Forelesninger 25 timer

Seminarer og veiledede øvelser 25 timer
Selvstendig arbeid 100 timer (lesing og oppgave før kurssamling 40 timer, kursøvelser 15 timer, oppgave etter kurssamling 45 timer)
Totalt 150 timer

Opptakskrav:

Det forutsettes at studentene har en MSc innen naturvitenskap. MSc-studenter kan i noen tilfeller bli tatt opp på kurset.

Studenter på ph.d.-nivå har førsteprioritet. Masterstudenter kan spørre kontaktpersonen på kursets NOVA-nettside om det er ledig plass på ph.d.-kurs.

Undervisningstid:
Mandag: Introduksjon, ikke-uavhengige data og flernivå modeller
Tirsdag: Flernivå modeller og flernivå modelldiagnostikk
Onsdag: Visualisering av modeller, random slopes og kontekstuelle effekter
Torsdag: Repeterte målinger, avanserte modeller for diskret data
Fredag: Kursoppsummering, oppgaver
Eksamensdetaljer: :