Мы используем файлы cookie для обеспечения работоспособности сервиса, улучшения навигации и маркетинговых активностей Yolonce. Нажимая "Согласен", вы соглашаетесь с нашей Политикой конфиденциальности

IBM SPSS Statistics. Уровень 4. Углубленные методы анализа

  Сложность

Пока неизвестно

  Длительность

32 ак. ч. + 16 ак. ч. самостоятельно

  Формат

онлайн

  Документ по выпуску

Пока неизвестно

Стоимость курса
36 990

Подробнее о курсе

Цель курса – изучение расширенных возможностей программы для анализа данных. В курсе подробно разбираются непараметрические методы проверки гипотез и методы изучения взаимосвязи: линейный и нелинейный регрессионный анализ, регрессионные модели бинарного выбора, однофакторный и многофакторный дисперсионный анализ. Прохождение курса существенно облегчит жизнь любому, кто использует статистические методы в своей работе: аналитикам, маркетологам, социологам, психологам, менеджерам по рекламе, научным работникам в сфере медицины и биологии, специалистам по оценке рисков и по контролю качества. Умение работать с IBM SPSS Statistics поможет при трудоустройстве и в продвижении по карьерной лестнице. Если Вы маркетолог или аналитик, владение программой позволит делать анализ сезонности, выявлять степень влияния различных факторов (затраты на рекламу, активность продавцов, активность конкурентов и т.д.), на уровень продаж. Вы сможете легко использовать статистические инструменты для полноценного анализа.   По окончании курса Вы получите престижные документы центра (свидетельство центра и удостоверение о повышении квалификации), подтверждающие Ваши компетенции.  Почему стоит освоить IBM SPSS Statistics в «Специалисте»? Наши преподаватели не только хорошо знают интерфейс программы, но и владеют прикладной статистикой и имеют практический опыт применения статистических методов. Все курсы – авторские, разработаны на основе многолетнего практического опыта преподавателей. Слушатели получают авторские методические пособия, изложенные доступным языком. Обучение проходит по методике сертифицированных курсов и тренингов IBM, Microsoft и других компаний. Много практики: Вы выполняете упражнения, лабораторные работы, сдаете контрольное тестирование. Можно пройти курс не только очно, но и в режиме вебинара.

Автор курса

Ведущий компьютерный учебный центр России с высочайшим уровнем качества обучения, сервиса и организации учебного процесса Лучший учебный центр авторизованный Microsoft в России, Центральной и Восточной Европе в 2011-2014 гг Центр «Специалист» — первый в России авторизованный учебный центр по обучению Adobe — Adobe Authorised Training Centre Крупнейший авторизованный учебный центр ведущих IT-компаний мира С 2012 г. Центр «Специалист» входит в «Круг совершенства EC-Council»

Программа курса

  Модуль 1. Методы проверки статистических гипотез. Анализ взаимосвязи в таблицах сопряженности &nbsp(4&nbspак.&nbspч.)

Статистические критерии для таблиц сопряженности Критерий хи-квадрат Критерий хи-квадрат для таблиц сопряженности 2х2 Тест Мак-Немара Коэффициенты корреляции для таблиц сопряженности Симметричные меры связи для номинальных шкал Направленные меры связи для номинальных шкал Симметричные меры связи для порядковых шкал Направленные меры связи для порядковых шкал Оценка взаимосвязи между количественной и категориальной переменной Оценка риска в таблицах сопряженности Оценка согласованности в таблицах сопряженности Оценка риска с переменной слоя

  Модуль 2. Методы проверки статистических гипотез. Непараметрические методы анализа распределения выборки &nbsp(2&nbspак.&nbspч.)

Условия применения непараметрических критериев Виды непараметрических критериев Параметры процедуры Одновыборочные критерии Биномиальный критерий Параметры биномиального критерия Результаты расчета биномиального критерия Критерий хи-квадрат Параметры критерия хи-квадрат Результаты расчета критерия хи-квадрат Критерий Колмогорова-Смирнова Параметры критерия Колмогорова-Смирнова Результаты расчета критерия Колмогорова-Смирнова Критерий знаковых рангов Вилкоксона Результаты расчета критерия знаковых рангов Вилкоксона Критерий серий Параметры критерия серий Результаты расчета критерия серий Запуск одновыборочных критериев через устаревшие диалоговые окна

  Модуль 3. Методы проверки статистических гипотез. Непараметрический анализ независимых выборок &nbsp(2&nbspак.&nbspч.)

Параметры процедуры Непараметрические критерии для независимых выборок Критерий Манна-Уитни и Вилкоксона Результаты расчета критерия Манна-Уитни и Вилкоксона Критерий Колмогорова-Смирнова для двух выборок Результаты расчета критерия Колмогорова-Смирнова Критерий Вальда-Вольфица Результаты расчета критерия Вальда-Вольфица Критерий Мозеса Результаты расчета критерия Мозеса Критерий Крускала-Уоллиса Результаты расчета критерия Крускала-Уоллиса Критерий Джонкхира-Терпстры Результаты расчета критерия  Джонкхира-Терпстры Медианный критерий Результаты расчета медианного критерия Запуск критериев для независимых выборок через устаревшие диалоговые окна

  Модуль 4. Методы проверки статистических гипотез. Непараметрический анализ зависимых выборок &nbsp(2&nbspак.&nbspч.)

Параметры процедуры Непараметрические критерии для связанных выборок Критерий Мак-Немара Результаты расчета критерия Мак-Немара Критерий Кохрана Результаты расчета критерия Кохрана Критерий маргинальной однородности Результаты расчета критерия маргинальной однородности Критерий знаков Результаты расчета критерия знаков Критерий знаков Вилкоксона Результаты расчета критерия Вилкоксона Критерий Ходжеса-Лемана Критерий Фридмана Результаты расчета критерия Фридмана Критерий согласия Кендалла Запуск критериев для зависимых выборок через устаревшие диалоговые окна

  Модуль 5. Изучение и моделирование взаимосвязи. Однофакторный дисперсионный анализ &nbsp(4&nbspак.&nbspч.)

Анализ взаимосвязи на основе дисперсии Модели дисперсионного анализа Предпосылки применения дисперсионного анализа Проверка предпосылок дисперсионного анализа Матрица данных однофакторного дисперсионного анализа Модель однофакторного дисперсионного анализа Таблица однофакторного дисперсионного анализа Оценка степени влияния фактора Процедура Однофакторный дисперсионный анализ Параметры процедуры Однофакторный дисперсионный анализ Апостериорные критерии парных сравнений Априорные критерии парных сравнений Запуск процедуры Однофакторный дисперсионный анализ через синтаксис

  Модуль 6. Изучение и моделирование взаимосвязи. Многофакторный дисперсионный анализ &nbsp(4&nbspак.&nbspч.)

Дисперсионный анализ с двумя и более факторами Процедура ОЛМ-одномерная Графическая интерпретация взаимодействий в дисперсионном анализе Параметры процедуры ОЛМ-одномерная Апостериорные критерии парных сравнений Анализ контрастов Настройка многофакторной модели Характеристики точности дисперсионной модели Понятие о ковариационном анализе Запуск процедуры ОЛМ-одномерная через синтаксис

  Модуль 7. Изучение и моделирование взаимосвязи. Линейный регрессионный анализ &nbsp(6&nbspак.&nbspч.)

Основные понятия регрессионного анализа Предпосылки линейного регрессионного анализа Парная и множественная линейная модель регрессии Оценка коэффициентов регрессии Проверка обоснованности модели регрессии Значимость уравнения регрессии Значимость коэффициентов регрессии Оценка точности уравнения регрессии Процедура Линейная регрессия Результаты процедуры Методы отбора переменных в регрессионном анализе Настройка параметров Сохранение предсказанных значений Сохранение остатков Сохранение многомерных расстояний между наблюдениями Сохранение статистик влияния Сохранение доверительных интервалов прогноза Вывод доверительных интервалов коэффициентов Вывод описательных статистик переменных Диагностика мультиколлинеарности Анализ нормальности и аномальности остатков Вывод графиков Оценка статистической устойчивости уравнения регрессии

  Модуль 8. Изучение и моделирование взаимосвязи. Нелинейный регрессионный анализ &nbsp(4&nbspак.&nbspч.)

Нелинейные регрессионные модели Виды нелинейных регрессионных моделей Преобразование нелинейных моделей к линейным Процедура Подгонка кривых Модель асимптотической регрессии Процедура Нелинейная регрессия Настройки процедуры Нелинейная регрессия Результаты выполнения процедуры Нелинейная регрессия Логистическая регрессия

  Модуль 9. Изучение и моделирование взаимосвязи. Регрессионные модели бинарного выбора &nbsp(4&nbspак.&nbspч.)

Понятие модели бинарного выбора Модель логистической регрессии Процедура Логистическая регрессия Результаты процедуры Логистическая регрессия Задание категориальных факторов Пошаговые алгоритмы логистической регрессии Параметры процедуры Логистическая регрессия Сохранение предсказанных значений и остатков Классификация на основе логит-моделей Процедура ROC-кривые Результаты процедуры ROC-кривые Пробит-модель Процедура Пробит анализ Результаты расчета пробит-модели Параметры процедуры Пробит анализ

Что вы получите

Изучать взаимосвязь между категориальными переменными на основе статистических тестов

Применять непараметрические критерии

Строить однофакторные и многофакторные дисперсионные модели

Строить парные и множественные линейные модели регрессии

Строить нелинейные модели регрессии

Строить модель логистической регрессии и пробит-модель

Оставьте отзыв

Напишите ваш коментарий, не менее 30 символов

Нажимая кнопку, вы даете согласие на обработку персональных данных

обновлено: 24.11.2024

Похожие курсы

Моделирование в ArchiMate

Моделирование в ArchiMate

Основы Cassandra

Основы Cassandra

Аналитик данных

Аналитик данных

Организация и геоанализ цифровых данных

Организация и геоанализ цифровых данных

ЛЭТИ
 онлайн
 40 часов
  Перейти к курсу
Основы Apache Spark

Основы Apache Spark

SQLite для аналитики

SQLite для аналитики

Основы работы в Tableau

Основы работы в Tableau

Docs as Code: Пишем тексты как код

Docs as Code: Пишем тексты как код

Оставьте заявку

Наши консультанты ответят на все вопросы
И помогут в выборе

Комментарий ...

Нажимая кнопку, вы даете согласие на обработку персональных данных