EPN-V2

SPVARA Applied Regression Analysis Course description

Course name in Norwegian
Anvendt regresjonsanalyse
Study programme
Ph.d. programme in the study of professions
PhD Programme in the Study of Professions
Weight
10.0 ECTS
Year of study
2018/2019
Course history

Introduction

Etter å ha gjennomført dette emnet har studenten følgende læringsutbytte, definert som kunnskap, ferdigheter og generell kompetanse:

Kunnskap

Studenten:

  • Skal få basalkunnskaper i genetikk og oppnå en god forståelse av molekylærbiologiske mekanismer i en eukaryot celle
  • har grunnleggende forståelse av klassisk genetikk.
  • kjenner til struktur og cellulær organisering av eukaryote nukleinsyrer.
  • kan gjøre rede for oppbygging og vedlikehold av eukaryote gener og genomer.
  • kan gjøre rede for sentrale dogmaet i molekylærbiologien og angi hvordan disse prosessene reguleres i eukaryoter.
  • kan gjøre rede for molekylærbiologiske metoder som benyttes for å studere eukaryote gener.
  • kjenner til moderne metoder for å analysere genomer, transkiptomer og proteomer.
  • korstår hvordan modellorganismer brukes i molekylærbiologisk forskning på eukaryote gener.

Ferdigheter

Studenten:

  • skal kunne presentere og svare på oppgaver både muntlig og skriftlig innenfor kunnskapsområdet som blir presentert på kurset.
  • forstå hvordan man bruker ulike molekylærbiologiske metoder samt modellorganismer for å kartlegge eukaryote gener og identifisere genprodukters funksjoner.

Generell kompetanse

Studenten:

  • kan tilegne seg kunnskap innen molekylærbiologi.
  • kan delta i et forskningsprosjekt hvor molekylærbiologiske metoder benyttes.

Required preliminary courses

Undervisningen vil bestå av forelesninger, organiserte kollokvier og øvinger.

Learning outcomes

Følgende arbeidskrav er obligatorisk og må være godkjent for å fremstille seg til eksamen:

  • 4 av 7 øvinger (2-4 timer pr øving)

Content

Emnet vil omhandle følgende temaer, av tidshensyn gis det kun en introduksjon til enkelte temaer:

  • Statistisk teori: sannsynligheter og sannsynlighetsfordelinger, hypotesetesting, estimering ved minste kvadraters metode og ved sannsynlighetsmaksimering
  • Analyse av kontinuerlig avhengige variabler
  • Ikke-linearitet og samspill i regresjonsmodeller
  • Brudd på kolinearitetsforutsetningen og homoskedastisitetsforutsetningen, robuste standardfeil
  • Bygging av årsaksmodeller: kontrollvariabler, instrumentelle variabler, fixed effects, difference-in-differences, strukturelle likningsmodeller (introduksjon)
  • Analyse av kategorisk avhengige variabler
  • Begrensede avhengige variabler: trunkerte variabler, sensurerte variabler, utvalgsseleksjon (introduksjon)
  • Analyse av paneldata (introduksjon)
  • Flernivåanalyse (introduksjon)

Teaching and learning methods

Individuell skriftlig eksamen på 3 timer.

Eksamensresultat kan påklages.

Ved eventuell ny og utsatt eksamen kan muntlig eksamensform bli benyttet istedenfor skriftlig eksamen. Ved eventuell muntlig eksamensform ved ny og utsatt eksamen, kan eksamensresultat ikke påklages.

Course requirements

Håndholdt kalkulator som ikke kommuniserer trådløst og som ikke kan regne symbolsk. Dersom kalkulatoren har mulighet for lagring i internminnet skal minnet være slettet før eksamen. Stikkprøver kan foretas.

Assessment

I forbindelse med avsluttende vurdering benyttes en karakterskala fra A til E for bestått (A er høyeste karakter og E er laveste) og F for ikke bestått.

Admission requirements

En intern sensor. Ekstern sensor brukes jevnlig.