STA302H1F/1001H1F Fall 2022 Methods of Data Analysis 1

COURSE OVERVIEW

Course Description: The course provides a solid introduction to data analysis with a focus on the theory and application of linear regression. Topics to be covered include: initial examination of data, correlation, simple and multiple regression models using least squares, inference for regression parameters for normally distributed errors, confidence and prediction intervals, model diagnostics and remedial measures when the model assumptions are violated, interactions and dummy variables, ANOVA, and model selection and validation. Statistical software will be used throughout and will be required for the completion of various assessments during the term. The development of strong written communication skills will be emphasized.

Learning Outcomes: By the end of this course, all students should be able to:

1.  Recognize the importance of assumptions and limitations of linear regression models to gauge when linear models are appropriate to use and to be critical of their results.

2. Interpret the results of an analysis involving linear models for technical and non-technical audiences.

3. Apply methods of linear models and data cleaning to new datasets correctly using statistical software in a reproducible way.

4. Explain statistical concepts and theory of linear models to various audiences as would be required in the job market or collaborative environment.

5.  Outline the correct use of linear models in a coherent and reproducible analysis plan.

6. Apply and extend linear model theory through completion of problem-solving questions

Pre-requisites: Pre-requisites are strictly enforced by the department, not the instructor. If you do not have the equivalent pre-requisites, you will be un-enrolled from the course.  Students should have a second year statistics course, such as {STA238, STA248, STA255, or STA261}, a computer science such as {CSC108, CSC120, CSC121, or CSC148} and a mathematics course such as {MAT221(70%), MAT223, or MAT240} or equivalent preparation as determined by the department.

COURSE MATERIALS

Course Content: We have a common Quercus course page for sections L0101/2001 and L0201 of this course. All lecture slides, any recordings and materials will be posted on this Quercus course page. Further, any important announcements will also be posted in Quercus. Please make sure to check it regularly.

Textbook: This course does not strictly follow any particular textbook, but rather merges material from a number of sources. All of the below recommended textbooks are freely available as an electronic copy through the University of Toronto Library. Our two primary reference texts will be

. Linear Models in Statistics, 2nd edition by Alvin C. Rencher and G. Bruce Schaalje (Wiley).

• A Modern Approach to Regression with R, by Simon J . Sheather  (Springer)

Other helpful references from which practice problems may be assigned are:

• Applied Regression Modeling, 2nd edition, by Iain Pardoe  (Wiley) .

• Methods and Applications of Linear Models, 2nd edition, by Ronald R . Hocking  (Wiley)

• Applied Linear Regression, 3rd edition, by Sanford Weisberg  (Wiley) .

These are all useful books, but may present the material in a di↵erent order or in a di↵erent way.  They are still good for additional explanation and practice problems .  Other useful resources will be posted on the Quercus course page .

Statistical Software: We will be using the R Statistical  Software for performing statistical analyses in this course .   R is  a free software that can either be downloaded onto your personal computer or used in a cloud environment .  We encourage  all students to use  RStudio through the JupyterHub for University of Toronto .  This will allow you to login with your official UofT credentials and use RStudio without the need for a local installation and can be run on any device that has access to an internet connection .  More information  about  using  RStudio  in  JupyterHub  will  be  provided  early  in  the  term .   R  code  shown  in class will be available on the course page and, along with any additional resources, should be sufficient to complete any assessment involving data analysis .

COURSE COMPONENTS

Lectures: Lectures will be conducted in person in MS  3153 for sections L0101/2001  and L0201 .   Slides will be available no later than the Tuesday night preceding class .  Class time each week will comprise of a combination of lecturing, in-class activities, and code-along sessions .  Where possible, you are encouraged to bring a laptop or tablet to follow along with the code .

Office Hours: Instructor and TAs will hold office hours in a combination of online and in-person formats . The office hour schedule and mode of delivery will be posted on Quercus once finalized .  It is recommended that you visit office hours whenever you have  a question  about the material .  It is more important than ever in an online class to have material clarified as quickly as possible .  Don’t wait until the last minute to ask your questions!

ED Discussion Board: We will be using the ED-STEM Discussion Board as an online discussion forum, which can be accessed through the Quercus course page . All questions about course material should be posted here or  asked  during  TA/instructor  office  hours .   The  instructor  and  TAs  will  monitor  the board  and will help  answer questions but students  are encouraged to  answer posts  and help their fellow classmates .

COMMUNICATION

How your instructor will communicate with you: All communication will be made through Quer- cus announcements or during lectures .  Please ensure that you check Quercus regularly so you don’t miss anything important .

Where to send content questions: We will be using the ED Discussion board to collect student ques- tions regarding course content, assignments, etc .  All questions should be posted here .

When to email the instructor: The instructor will only respond to emails of a private or sensitive na- ture .  If you email the instructor with content related questions, you will be asked to repost your question on the content board so the answer may benefit all students .  Should you need to email the instructor about a sensitive or personal nature, please use your official mail .utoronto .ca email, include your full name, student number and lecture section (e .g .  L0101) in the text .  Send all course related emails to sta302@utoronto .ca . Please allow up to 48 hours for a reply.  Emails will not be monitored on evenings and weekends .

A note on email and discussion board etiquette: Please make sure that you communicate politely and respectfully with all members of the teaching team and your fellow classmates .  Written communica- tions can sometimes take a tone other than what was intended  (e .g .  can come o↵ as dismissive, rude or insulting), so make sure you re-read or read out loud your email/post before sending it to make sure it has the tone you intended .  For more tips on respectful communication, see professional communication tips. The ED discussion board is a teaching and learning tool and therefore should only be used as such .  Any posts that detract from the learning goal of the board will be removed to keep the board a safe space .

GRADING SCHEME

Both undergraduate and graduate students will be o↵ered two grading schemes that will be used to cal- culate your final grade .  Your final grade for the course will automatically be determined by the higher of the two grading schemes .  Undergraduate students will have the grading scheme as outlined below .

Graduate students will use the same grading schemes, with the exception that the Term Test will be worth 20%  (or 24%, depending on scheme) while the Final Written Report  (Part 3) will be worth 40% .

Please note that the last day to drop the course without penalty is November 16, 2022.

MINIMUM PASSING REQUIREMENT

In order for the instructor to be able to reasonably assess the ability of each student with the course material, a minimum amount of work must be submitted to provide enough evidence of proficiency.  To this end, students must submit the following assessments in order to be considered for a passing grade in the course: the term test, and part 3 of the final project.  As these are summative assessments, if a student fails to submit one or more of these assessments  (even if all other assessments have been completed), it will not be possible to gauge the student’s proficiency with the material and will therefore not be able to pass the course.

EVALUATION BREAKDOWN

In-Class Participation:

We will be using Poll Everywhere to pose questions to students during lecture.  Students will be asked to respond to these questions on any electronic device using Poll Everywhere.  In order for your partici- pation to be recorded towards your final grade, students should register for an account at PollEv.com/ katherinedai702/register and use their UofT email address (this is how we will match responses to you for credit). It will be the student’s responsibility to ensure that they are logged into this account at the start of each class.

In-class participation is optional.   Should a student choose not to participate, their final grade will be computed using Scheme 2. For students who opt in to participation, your in-class participation grade will be computed using the scheme below.  Note that this scheme allows you to miss up to 25% of questions posed and still receive full credit for your participation throughout the term. Due to this flexibility, there is no accommodation for missed in-class participation for any reason.

Syllabus and Pre-requisite Quiz: There will be 1 short multiple choice quiz early in the term to ensure that students are prepared for the course in terms of their knowledge of prerequisite material and the syllabus content.  This quiz will be conducted on Quercus and will be open for students to take at any time until the deadline.  Students will get 2 attempts and the highest score will be counted towards their final grade.  On each attempt, students will be given 1 hour to complete the quiz, and each question will show up one at a time and will be locked once the question has been answered.

Reproducible Writing Exercise: This exercise is to highlight the importance of writing in science, specifically in a way that another independent researcher could reproduce what you have done based solely on a summary of your process.  It also provides an opportunity for students to experience the scientific review and editing process. It will take place in three parts:

•  Part 1 - Draft/Create:  Students will submit a draft summary of a data analysis process that they applied to a dataset, for completion points (i.e not graded for credit only for completeness of sub- mission).

•  Part  2 -  Peer  Feedback/Assess:   Students will  have their  draft  reviewed  by  another  student  (peer) who will attempt to replicate their analysis .  The reviewer student will provide comments on what is good and what could be improved with the draft .  This will be graded for completion only  (i .e not graded for credit only for completeness of submission) .

•  Part 3 - Final Draft/Revise:  Students will revise their original draft, taking into account the feedback provided by their peer reviewer  and  submit their final product  for grades .   They will  also rate the feedback provided to them by their reviewer based on helpfulness .

Term Test: The term test will be conducted in person during the scheduled Wednesday class time for all sections (see top of page 1) .  The test will be approximately 1 hour and 40 minutes long .  More details will be  communicated  closer to the test  date .   The term test will take  place  during  each  section’s  scheduled lecture time on Wednesday October 26.  The test will cover material from Weeks 0-6 .  All students will be required to write the test in the lecture time in which they are enrolled .

Final Project: The final  project  will  be  due  during  the final  assessment  period  (date  to  be  confirmed as  soon  as  possible)  and  will  consist  of  a  data  analysis  on  a  novel  dataset  of  your  choice .    Students will  be  required  to  demonstrate  their  understanding  of the  methods  taught  in  lecture  by  developing  a reasonable regression model that addresses a valid research question using the techniques taught in class . The  students  will  be  responsible  for  choosing  the  correct  methods  to  apply  and  providing  appropriate justifications defending their choices .  The final project is a sca↵olded assessment involving 3 parts:

•  Part  1- Research question and dataset selection:  Students must find a dataset available online and define a research question that can be answered with this dataset using linear regression .  Students will need to explain why their research question is important and how linear regression may be used to answer it .  A short exploratory data analysis of the chosen dataset will also be required .

•  Part 2 - Analysis Plan Flowchart:  Students will be asked to put together a flowchart outlining the steps that they plan to take in their data analysis for the final project on their chosen dataset .  This will help in developing a consistent analysis flow and make writing the final report easier .

•  Part 3 - Final Project Report:  Students will put together a scientific report that outlines the relevance of their proposed research question, the process of their analysis, the results of the performed data analysis,  and  a  discussion  of the  meaning  of the  results  as well  as  limitations  of the  analysis with respect to the statistical tools used/decisions made or the data used .

The final  project  will  be  done  individually,  and  must  be  typed  and  submitted  by  the  deadline .   More detailed instructions will be provided at a later date .

LATE ASSESSMENT AND EXTENSION REQUEST POLICY

‘No Questions Asked’ Extensions: All students will have access to 2 ‘No Questions Asked’ (NQA) extensions to help manage multiple deadlines across multiple courses and for short-term illness or other unexpected situations .  These are extensions of up to 48 hours each that a student can choose to use on any eligible assessment during the term without having to request an extension from the instructor. The NQA extensions work as follows:

•  Students should not notify the instructor when using these extensions - we will simply accept the work up to 2 days late without any penalty.

•  These extensions can only be used one at a time  (i .e .  cannot be combined) and only on the Revise part  (part 3) of the Reproducible Writing Exercise and parts 1 and 2 of the final project .

•  Once both NQA extensions have been used, late penalties will apply on any further assessment that is turned in late.

• We will apply these extensions by default to any eligible piece of work turned in late in the order that the work is turned in.  This means that, for example, if a student submits the Revise portion of the Reproducible Writing Exercise and final project part 1 both late, they will have used up both their NQA extensions and thus late penalties will apply on any other late submission.  We will not entertain requests for NQA extensions to be applied to later pieces of work after they have already been used on earlier submissions, nor will a student be able to request which assessment the NQA extensions will be applied towards.

• It is recommended, where possible, to keep the NQA extensions for assessments that have larger late penalties and/or are worth more towards your final grade.

Extreme Situations/Prolonged Illness Extensions: Should a student be experiencing a prolonged illness or other situation that prevents them from turning in their work even after the use of their ‘No Questions Asked’ extension, they should immediately contact their instructor and College Regis- trar to inform them of their situation. They should also submit an Absence Declaration form on ACORN that lists every day during which they were incapacitated and unable to work. Accommodations or further extensions will not be considered without a completed declaration, and will only be considered for extreme circumstances.