Quantitative methods

Statistical models beyond linear regression

Master's level. University of Copenhagen. Department of Political Science. 2024 # Advanced statistical analysis for political scientists. We go through the fundamental principals of causal inference as well as the most common generalized linear models (GLMs). Course given together with Øyvind Stiansen.

Introduction to R

PhD level. University of Copenhagen. Faculty of Law. 2023 # Introduction to R for interdisciplinary studies.

Installere R-pakken

`RiPraksis`-pakken giver dig adgang til datasæt og øvelsesløsninger, der hører til bogen Lær dig R. Her finder du vejledning til, hvordan du kan downloade denne ressource.

Statistical models beyond linear regression (2023)

Master's level. University of Copenhagen. Department of Political Science. 2023 #

R i praksis

(2023) DJØF, Copenhagen, 224 p. Velkommen til R-universet! R i praksis er en introduktion til dig, der ønsker et godt arbejdsværktøj til statistisk analyse.

Introduksjon til R

Sted: Arbeidsforskningsinstituttet, OsloMet Kursholder: Silje Synnøve Lyder Hermansen Epost: silje.hermansen@ifs.ku.dk Velkommen til R workshop! Formålet med denne workshopen er å gi deg den grunnleggende kunnskapen du trenger for å navigere R på egenhånd. Du blir ingen ekspert, men etter våre to dager sammen, vil du ha et innblikk i – og førstehånds erfaring med – hvordan R fungerer. Dette er en workshop. Det betyr at vi jobber aktivt i R sammen gjennom hele kurset.

Hvordan "skrape" data i R?

Datamaskiner elsker å gjøre den samme tingen mange ganger. Det er fint, for da kan R gjøre unna det kjedelige arbeidet, mens jeg gjør andre ting. Automatisert datainnsamling er ikke vanskelig, men det kan være en tålmodighetsprøve. Så lenge informasjonen vi er ute etter er strukturert med tekst eller i en html-liste, vil vi kunne fortelle en datamaskin hvordan dataene skal hentes ut og sorteres. Skraping er stordriftsøkonomi. Det krever en del tid å finne datastrukturen, men når dette er gjort, kan vi sette R til å jobbe for oss.

What GLM should I choose?

How can I choose the best (parsimonious) description of my data? Here is my mental map of choice criteria when I consider what Generalized Linear Model (GLM) to rely on. Let's assume I want to describe the relationship (β) between an independent variable (x) and a dependent variable (y) in the form of: y = α + βx + ε Let's furthermore assume that the ideal description is not only parsimonious (i.

Statistical analysis (STV4020B)

Master's/PhD level. University of Oslo. Department of Political Science. 2020 # Advanced statistical analysis for political scientists. We go through the fundamental principals of causal inference as well as the most common generalized linear models (GLMs). Course given together with Øyvind Stiansen.

Installere R-pakken

`laerdegR`-pakken er en nettressurs som gir deg tilgang til datasett og oppgaveløsninger som hører til Lær deg R-boka. Her finner du instrukser til hvordan laste denne ned.