貝葉斯統計已經被廣泛應用到物理學、生態學、心理學、計算機、哲學等各個學術領域，其火爆程度已經跨越了學術圈。

一：
1.1復雜數據回歸（混合效應）模型的選擇策略
1）科學研究中數據及其復雜性
2）回歸分析歷史、理論基礎
3）回歸分析基本假設和常見問題
4）復雜數據回歸模型選擇策略

1.2 結構方程模型（SEM）生態領域應用
1)SEM的定義、生態學領域應用及歷史回顧
2)SEM的基本結構
3)SEM的估計方法
4)SEM的路徑規則
5)SEM路徑參數的含義
6)SEM分析樣本量及模型可識別規則
7)SEM構建基本流程

1.3如何通過數據探索避免常見統計問題
1)數據缺失（missing value）
2)零值（zero trouble）
3)奇異值/離群值（outliers）
4)異質性（heterogeneity）
5)數據分布正態性（normality）
6)響應變量與預測變量間關系（relationships）
7)交互作用項（interaction）
8)共線性（collinearity）
9)樣本獨立性（independence）

二：R和Rstudio入門和繪圖（含ggplot）
1）R及Rstudio：背景、軟件及程序包安裝、基本設置等
2）R語言基本操作，包括向量、矩陣、數據框及數據列表等生成和數據提取等
3）R語言數據文件讀取、整理、結果存儲等
4）R語言基礎繪圖（含ggplot）：基本繪圖、排版、發表質量繪圖輸出存儲

三：R語言數據清洗-tidyverse包應用

1）tidyvese：tidyr、dplyr、readr、%>%等

2）文件操作：不同格式文件讀取、多文件同時讀取等

3）數據篩選：行篩選、列篩選、條件篩選（字符操作）等

4）數據生成：數據合并、數據拆分、新數據生成（字符操作）等

5）長寬數據轉換、空值（NA）等填充及刪除、分組、排序及匯總等

四：貝葉斯回歸模型-回歸、方差及協防差分析1）貝葉斯統計
2）貝葉斯回歸分析建模、模型診斷、交叉驗證、預測和繪圖
3）貝葉斯回歸分析多預測變量：回歸、方差、協方差及交互作用
4）貝葉斯回歸模型的過度擬合、共線性、分類變量等

五：貝葉斯混合效應模型-數據分層和嵌套
1）混合效應模型基本原理
2）貝葉斯效混合應模型建模步驟及實現
3）貝葉斯的預測和模型診斷
4）貝葉斯混合效應模型的多重比較
5）貝葉斯混合效應模型的方差分解

六：貝葉斯計數數據分析
1）貝葉斯0，1數據分析：二項分布及伯努利分布
2）貝葉斯泊松分布數據分析
3）貝葉斯過度離散數據分析
4）貝葉斯零膨脹數據分析
5）貝葉斯截斷數據分析

七：貝葉斯相關數據分析：時間、空間、系統發育相關數據
1）貝葉斯回歸模型方差異質性問題及解決途徑
2）貝葉斯時間自相關分析：線性及混合效應模型及時間自相關+方差異質性
3）貝葉斯空間自相關分析：空間距離矩陣、空間鄰接關系及矩陣
4）貝葉斯系統發育相關分析

八：貝葉斯非線性關系數據分析：廣義可加（混合）模型（BGAM/BGAMM）和非線性（混合）（BNLM/BNLMM）模型

1）“線性”回歸的含義及非線性關系的判定

2）貝葉斯廣義可加（混合效應）（GAM/GAMM）模型

3）貝葉斯非線性（混合效應）（NLM/NLMM）模型

九：貝葉斯結構方程模型（BSEM）
(1)R語言貝葉斯SEM實現程序包blavaan和brms
(2)案例1：氣候及生態位重疊程度對田鼠物種豐富度影響：模型比較、直接和間接效應計算（blavaan&brms）
(3)案例2：火燒后對植被恢復影響因素-模型擬合、模型比較和評估（brms）
(4)案例3：生物地理歷史因素對北半球森林的初級生產力的影響（brms）

十：超越貝葉斯統計：因果推斷
1）因果推斷概述-因果關系之梯
2）因果推斷實現（DAG）
3）貝葉斯回歸VS貝葉斯網絡-揭開因果迷霧

十一：貝葉斯統計結果繪圖
1）貝葉斯分析結果數據提取和繪圖準備
2）貝葉斯回歸模型結果圖：散點圖、預測圖、箱線圖、柱狀圖、提琴圖、密度圖及峰巒圖等
3）貝葉斯結構方程模型結果圖表達