TILM3616 Pitkittäisaineistojen analyysi (5 op)
Verkosto-opintojakso
Verkosto: Matematiikan ja tilastotieteen syventävien kurssien ristiinopiskelu
Tämä opintojakso on tarjolla Matematiikan syventävät opinnot -ristiinopiskeluverkostossa. Verkoston opinnot ovat tarjolla seuraaville opiskelijoille:
- Matematiikan kandidaattiohjelma
- Matematiikan maisteriohjelma
- Matematiikan aineenopettajien kandidaattiohjelma
- Matematiikan aineenopettajien maisteriohjelma
- Matematiikan, kemian tai fysiikan aineenopettajan ja luokanopettajan kandidaattiohjelma (matematiikan opintosuunta)
- Matematiikan, kemian tai fysiikan aineenopettajan ja luokanopettajan maisteriiohjelma (matematiikan opintosuunta)
- Matematiikan ja tilastotieteen tohtoriohjelma
- Matemaattisten tieteiden ja luonnontieteiden tohtoriohjelma (matematiikan opintosuunta)
Arviointiasteikko:
0-5
Kuvaus
Pitkittäisaineistojen ominaispiirre erotuksena tavallisiin aikasarjoihin on, että yksilöiden määrä on tyypillisesti suuri ja yksilökohtaisten, ajallisesti peräkkäisten havaintojen määrä kohtuullisen pieni. Kurssiin käytyään opiskelija osaa analysoida aineistoja, joissa samoista yksilöistä on tehty useampia kuin yksi peräkkäinen vastemittaus. Sisältö: Toistomittaukset; yleinen lineaarinen malli; pitkittäinen yleistetty lineaarinen malli; korrelaatiorakenteet; marginaalimallit; satunnaistekijämallit/sekamallit; tilasiirtymämallit; yleistetyt estimointiyhtälöt; puuttuvat havainnot.
Osaamistavoitteet
Opiskelija osaa valita aineistoon sopivan malliluokan (yleinen lineaarinen malli tai pitkittäiseen asetelmaan sopiva yleistetty lineaarinen malli) ja estimoida sekä tulkita mallin parametrit. Opiskelija ymmärtää korrelaatiorakenteen merkitystä pitkittäisten aineistojen analyysissä. Opiskelija erottaa, milloin tutkimusongelmana on yksilöiden välisten erojen tai toisaalta yksilökohtaisen vaihtelun arviointi. Opiskelija osaa tunnistaa puuttuvien havaintojen mahdollisesti aiheuttamia harhoja.
Lisätietoja
Opintojakso järjestetään joka toinen vuosi. Seuravan kerran kurssi on syksyllä 2026.
Esitietojen kuvaus
Lineaariset ja yleistetyt lineaariset mallit; Tilastollinen päättely I.