本课程系统讲解复杂生物医学数据的核心统计分析方法。内容涵盖纵向与重复测量数据分析（包括GEE）、多中心数据的混合效应模型、时间序列分析、跨组学数据整合与TWAS分析，以及贝叶斯统计推断。课程注重方法原理与实际应用，旨在提升研究者处理高维、多层次生物医学数据的能力。

视频课程目录：
第一章 纵向与重复测量数据分析
第二章 多中心数据与混合效应模型
第三章 时间序列分析
第四章 跨组学数据整合与TWAS分析
第五章 贝叶斯统计




详细目录：
├─{1}--第一章纵向数据和重复测量数据特点及其分析策略
│ ├─{1}--第1节纵向数据的概念及其特点
│ │ [1.1.1]--1.1纵向数据的概念及其特点.mp4
│ │
│ ├─{2}--第2节重复测量资料的方差分析
│ │ [1.2.1]--1.2.1重复测量资料的方差分析(1).mp4
│ │ [1.2.2]--1.2.2重复测量资料的方差分析(2).mp4
│ │
│ ├─{3}--第3节GEE-广义估计方程
│ │ [1.3.1]--1.3GEE-广义估计方程.mp4
│ │
│ └─{4}--第4节GEE实例分析
│ [1.4.1]--1.4GEE实例分析.mp4
│
├─{2}--第二章多中心数据特点及混合效应模型
│ ├─{1}--第1节多中心数据特点
│ │ [2.1.1]--2.1多中心数据的特点.mp4
│ │
│ ├─{2}--第2节随机截距模型
│ │ [2.2.1]--2.2随机截距模型.mp4
│ │
│ ├─{3}--第3节随机系数模型
│ │ [2.3.1]--2.3随机系数模型.mp4
│ │
│ ├─{4}--第4节线性混合效应模型
│ │ [2.4.1]--2.4线性混合效应模型.mp4
│ │
│ └─{5}--第5节线性混合效应模型的SAS实现
│ [2.5.1]--2.5.1线性混合效应模型的SAS实现（一）.mp4
│ [2.5.2]--2.5.2线性混合效应模型的SAS实现（二）.mp4
│
├─{3}--第三章时间序列分析
│ ├─{1}--第1节时间序列分析简介——引言
│ │ [3.1.1]--3.1时间序列分析简介——引言.mp4
│ │
│ ├─{2}--第2节时间序列分析的一般问题
│ │ [3.2.1]--3.2时间序列分析的一般问题.mp4
│ │
│ ├─{3}--第3节随机过程
│ │ [3.3.1]--3.3随机过程.mp4
│ │
│ ├─{4}--第4节平稳时间序列模型
│ │ [3.4.1]--3.4平稳时间序列模型.mp4
│ │
│ ├─{5}--第5节方法性工具简介和ARMA模型
│ │ [3.5.1]--3.5方法性工具简介和ARMA模型.mp4
│ │
│ └─{6}--第6节平稳序列建模
│ [3.6.1]--3.6平稳序列建模.mp4
│
├─{4}--第四章跨组学数据整合及TWAS分析
│ ├─{1}--第1节Transcriptome-wideAssociation
│ │ [4.1.1]--4.1Transcriptome-wideAssociation.mp4
│ │
│ ├─{2}--第2节StatisticalMethodsforTranscri
│ │ [4.2.1]--4.2StatisticalMethodsforTranscri.mp4
│ │
│ ├─{3}--第3节TWAS+TIGER方法
│ │ [4.3.1]--4.3TWAS+TIGER方法.mp4
│ │
│ ├─{4}--第4节PMR-Egger方法
│ │ [4.4.1]--4.4PMR-Egger方法.mp4
│ │
│ └─{5}--第5节PMR方法介绍
│ [4.5.1]--4.5.1PMR方法介绍（一）.mp4
│ [4.5.2]--4.5.2PMR方法介绍（二）.mp4
│ [4.5.3]--4.5.3PMR方法介绍（三）.mp4
│ [4.5.4]--4.5.4PMR方法介绍（四）.mp4
│
└─{5}--第五章贝叶斯统计
├─{1}--第1节贝叶斯统计学绪论-引言
│ [5.1.1]--5.1贝叶斯统计学绪论-引言.mp4
│
├─{2}--第2节贝叶斯统计推断的基本概念
│ [5.2.1]--5.2贝叶斯统计推断的基本概念.mp4
│
├─{3}--第3节先验分布的选取
│ [5.3.1]--5.3.1先验分布的选取(一).mp4
│ [5.3.2]--5.3.2先验分布的选取(二).mp4
│
└─{4}--第4节贝叶斯统计推断
[5.4.1]--5.4.1贝叶斯统计推断(一).mp4
[5.4.2]--5.4.2贝叶斯统计推断(二).mp4