1.1复杂数据回归（混合效应）模型的选择策略
1）科学研究中数据及其复杂性
2）回归分析历史、理论基础
3）回归分析基本假设和常见问题
4）复杂数据回归模型选择策略
1.2 结构方程模型（SEM）生态领域应用简介
1)SEM的定义、生态学领域应用及历史回顾
2)SEM的基本结构
3)SEM的估计方法
4)SEM的路径规则
5)SEM路径参数的含义
6)SEM分析样本量及模型可识别规则
7)SEM构建基本流程
1.3如何通过数据探索避免常见统计问题
1)数据缺失（missing value）
1)零值（zero trouble）
2)奇异值/离群值（outliers）
3)异质性（heterogeneity）
4)数据分布正态性（normality）
5)响应变量与预测变量间关系（relationships）
6)交互作用项（interaction）
7)共线性（collinearity）
8)样本独立性（independence）
专题二：R和Rstudio入门和绘图（含ggplot）
1）R及Rstudio介绍：背景、软件及程序包安装、基本设置等
2）R语言基本操作，包括向量、矩阵、数据框及数据列表等生成和数据提取等
3）R语言数据文件读取、整理、结果存储等
4）R语言基础绘图（含ggplot）：基本绘图、排版、发表质量绘图输出存储
专题三：R语言数据清洗-tidyverse包应用
1）tidyvese简介：tidyr、dplyr、readr、%>%等
2）文件操作：不同格式文件读取、多文件同时读取等
3）数据筛选：行筛选、列筛选、条件筛选（字符操作）等
4）数据生成：数据合并、数据拆分、新数据生成（字符操作）等
5）长宽数据转换、空值（NA）等填充及删除、分组、排序及汇总等
专题四：贝叶斯回归模型-回归、方差及协防差分析
1）贝叶斯统计简介
2）贝叶斯回归分析建模、模型诊断、交叉验证、预测和绘图
3）贝叶斯回归分析多预测变量：回归、方差、协方差及交互作用
4）贝叶斯回归模型的过度拟合、共线性、分类变量等
专题五：贝叶斯混合效应模型-数据分层和嵌套
1）混合效应模型基本原理
2）贝叶斯效混合应模型建模步骤及实现
3）贝叶斯的预测和模型诊断
4）贝叶斯混合效应模型的多重比较
5）贝叶斯混合效应模型的方差分解
专题六：贝叶斯计数数据分析
1）贝叶斯0，1数据分析：二项分布及伯努利分布
2）贝叶斯泊松分布数据分析
3）贝叶斯过度离散数据分析
4）贝叶斯零膨胀数据分析
5）贝叶斯截断数据分析
专题七：贝叶斯相关数据分析：时间、空间、系统发育相关数据
1）贝叶斯回归模型方差异质性问题及解决途径
2）贝叶斯时间自相关分析：线性及混合效应模型及时间自相关+方差异质性
3）贝叶斯空间自相关分析：空间距离矩阵、空间邻接关系及矩阵
4）贝叶斯系统发育相关分析
专题八：贝叶斯非线性关系数据分析：广义可加（混合）模型（BGAM/BGAMM）和非线性（混合）(BNLM/BNLMM)模型
1）“线性”回归的含义及非线性关系的判定
2）贝叶斯广义可加（混合效应）（GAM/GAMM）模型
3）贝叶斯非线性（混合效应）（NLM/NLMM）模型
专题九：贝叶斯结构方程模型（BSEM）
(1)R语言贝叶斯SEM实现程序包blavaan和brms介绍
(2)案例1：气候及生态位重叠程度对田鼠物种丰富度影响：模型比较、直接和间接效应计算（blavaan&brms）
(3)案例2：火烧后对植被恢复影响因素-模型拟合、模型比较和评估（brms）
(4)案例3：生物地理历史因素对北半球森林的初级生产力的影响（brms）
专题十：超越贝叶斯统计：因果推断
1）因果推断概述-因果关系之梯
2）因果推断实现（DAG）
3）贝叶斯回归VS贝叶斯网络-揭开因果迷雾
专题十一：贝叶斯统计结果绘图
1）贝叶斯分析结果数据提取和绘图准备
2）贝叶斯回归模型结果图：散点图、预测图、箱线图、柱状图、提琴图、密度图及峰峦图等
3）贝叶斯结构方程模型结果图表达
