Beskrivning av kursen
Denna kurs introducerar användningen av regressionsmodeller inom medicin och hälsovetenskap, med särskilt fokus på linjära regressionsmodeller.
Ur kursinnehållet:
- mutipla regressionsmodeller, d.v.s. regressionsmodeller med flera oberoende variabler,
- statistisk interaktion, förväxlingsfaktorer och justering på grund av förväxlingsfaktorer,
- antaganden för en pålitlig modell och inferens,
- metoder för att kontrollera modellen.
Datorövningar kommer att ge studenterna möjlighet att få praktiska färdigheter i att tillämpa de diskuterade metoderna och modellerna på data med hjälp av statistisk programvara.
Den här kursen introducerar multipel regression i allmänhet, med kunskap som även är tillämplig på logistisk och Cox-regression. Därför rekommenderas det att ta den här kursen först även om du främst är intresserad av logistisk och/eller Cox-regression, och det är också ett behörighetskrav att ha tagit den här kursen innan kursen "Regressionsmetoder 2: logistisk och Cox-regression, 2 hp". De två regressionskurserna (SM00132 och SM00133) kan tas samma termin.
Behörighet och urval
Förkunskapskrav
Behörig att antas till kursen är den som är antagen till utbildning på forskarnivå och är godkänd på kursen "Introduktion till forskningsteori och kvantitativ och kvalitativ design, 5 hp" (SFUOBL4) eller motsvarande.
Urval
Urval görs enligt följande:
- doktorander antagna vid Sahlgrenska akademin,
- doktorander antagna vid annat lärosäte inom ramen för samarbetsavtal inom utbildning på forskarnivå med Sahlgrenska akademin,
- doktorander antagna vid annan fakultet vid Göteborgs universitet eller annat nationellt lärosäte,
- doktorander antagna vid internationellt lärosäte.
Övrig information
Kursledare: Barbora Kessel, barbora.kessel@gu.se
Kursadministratör: Marie Göthlund, marie.gothlund@gu.se
Kursdatum: 21 - 29 september 2026
Antal kursplatser: 25
Kursplan
SM00132
Institution
Institutionen för medicin
Ämne
Hälsovetenskaper
Typ av kurs
Metodkurs, Kurser inom Generic skills
Sökord
multiple regression , linear regression