Wer das aufbereiten von Daten, deskriptive Statistik, die Grundlagen der Inferenzstatistik sowie die lineare Regression verstanden hat, kann darauf aufbauend komplexere Modelle lernen. In einem ersten Schritt bietet es sich an Erweiterungen des linearen Modells zu lernen, wie Polynome, Logarithmen, Interaktionen und Mediationen, sowie Anwendungen davon wie Experimente, Instrumentenvariablen und Differenzen in Differenzen.
(Das folgende Video ist für alle, die nach dem Video zu Experimenten mehr zum Paper aus meiner Doktorarbeit wissen wollen.)
Im nächsten Schritt bietet es sich an, sich mit Modellen zu beschäftigen für komplexere Datenstrukturen sowie anderen abhängigen Variablen als sie die lineare Regression verlangt.
Spätestens jetzt sollte man sich mit der Simulation und Boostrap von Hand auseinander setzen. Die Videos sollte man bereits nach der logistischen Regression verstehen, kann sie also auch schon früher anschauen. Ein grosser Teil des Simulationsvideos versteht man sogar nach den Erweiterungen der linearen Regression.
Im nächsten Schritt ist eine Möglichkeit sich mit dem Verfassen einer schriftlichen Arbeit und Quarto Markdown zu beschäftigen, dass einem das Schreiben einer Arbeit erleichtert.
Weitere Methoden, mit denen man sich bei Interesse einmal beschäftigen kann.