Kategoriale Daten und Logistische Regression

Comelio GmbH
In Berlin, Hamburg, Frankfurt Am Main und an 7 weiteren Standorten

1.550 
Möchten Sie den Bildungsanbieter lieber direkt anrufen?
030 8... Mehr ansehen

Wichtige informationen

  • Intensivseminar berufsbegleitend
  • Anfänger
  • An 10 Standorten
  • 15 Lehrstunden
  • Dauer:
    2 Tage
Beschreibung

Statistik - Analyse kategorialer Daten                                                    

Wichtige informationen
Veranstaltungsort(e)

Wo und wann

Beginn Lage
auf Anfrage
Berlin
Goethestr. 34, 13086, Berlin, Deutschland
Plan ansehen
auf Anfrage
Dresden
Rosenstraße 36, 01067, Sachsen, Deutschland
Plan ansehen
auf Anfrage
Düsseldorf
Stadttor 1, Nordrhein-Westfalen, NRW, Deutschland
Plan ansehen
auf Anfrage
Frankfurt Am Main
Mainzer Landstraße 50, 60325, Hessen, Deutschland
Plan ansehen
auf Anfrage
Hamburg
Stadthausbrücke 1-3, 20355, Hamburg, Deutschland
Plan ansehen
Alle ansehen (10)

Meinungen

Zu diesem Kurs gibt es noch keine Meinungen

Was lernen Sie in diesem Kurs?

Allgemeine Kenntnisse der MathematikLogistische Regression und Logit-Modell für binäre abhängige Größen
Schätzung, Modellanpassung und Einflussgrößen
Alternative Modellierung von Response und Einflussgrößen
Multinominale Modelle für ungeordnete Kategorien
Regression mit ordinaler abhängiger Variable
Zähldaten und die Analyse von Kontingenztafeln: das loglineare Modell
Nonparametrische Regression
Kategoriale Prognose und Diskriminanzanalyse

Themenkreis

Kurslevel:
Einsteiger

Zielgruppe:
Datenanalysten

Voraussetzungen:
Allgemeine Kenntnisse der Mathematik

Methode:
Vortrag mit Beispielen und Übungen.

Seminarziele:
Die Seminarteilnehmer erhalten eine anwendungsorientierte Einführung in Logit-Modellierung und kategoriale Regression. Das Seminar behandelt Modelle zur Analyse kategorialer Daten. Kategoriale Daten sind Variablen, die eine begrenzte Anzahl von Ausprägungen (Kategorien) haben. Unter logistischer Regression oder Logit-Modell versteht man dann Regressionsanalysen zur (meist multivariaten) Modellierung der Verteilung diskreter abhängiger Variablen. Damit lassen sich Gruppenzugehörigen und Wahrscheinlichkeiten für Ereignisse bestimmen. Bei vielen der in Umfrageforschung und amtlicher Statistik erhobenen Merkmale handelt es sich um kategoriale Daten. In diesem Seminar lernen Sie die Logit-Regression und darauf aufbauende Alternativmodelle kennen. Zusätzlich lernen Sie, Kontingenz-/Kreuztabellen zu untersuchen, um Abhängigkeiten zwischen kategorialen Variablen zu untersuchen.

Themen:
A. Logistische Regression und Logit-Modell für binäre abhängige Größen
Logit-Modelle für eine metrische Einflussgröße - Modelle für linear spezifizierte Einflussgrößen - Logit-Modelle bei kategorialen Einflussgrößen - Das lineare Logit-Modell ohne Interaktion - Logit-Modell und Alternativen

B. Schätzung, Modellanpassung und Einflussgrößen
Parameterschätzung für Regressionsmodelle - Anpassungsgüte von Modellen - Residualanalyse - Überprüfung der Relevanz von Einflussgrößen - Devianz-Analyse - Erklärungswert von Modellen

C. Alternative Modellierung von Response und Einflussgrößen
Konzeptioneller Hintergrund binärer Regressionsmodelle - Modelltypen - Modellierung von Interaktionswirkungen - Abweichung von der Binomialverteilung

C. Multinominale Modelle für ungeordnete Kategorien
Modellbildung bei mehrkategorialer abhängiger Variable - Das multinominale Logit-Modell - Einfache Verzweigungsmodelle - Modellierung als Wahlmodell der Nutzenmaximierung - Schätzen und Testen

D. Regression mit ordinaler abhängiger Variable
Das Schwellenwert- oder kumulative Modell - Das sequenzielle Modell - Schätzen und Testen

E. Zähldaten und die Analyse von Kontingenztafeln: das loglineare Modell
Die Poisson-Verteilung - Poisson-Regression - Poisson-Regression mit Dispersion - Analyse von Kontingenztafeln

F. Nonparametrische Regression
Glättungsverfahren: Lokale Regression für binäre abhängige Variable, Ansätze mit Penalisierung, Semiparametrische Erweiterung durch das partiell lineare Modell, Generalisierte additive Modell, Schätzalgorithmen - Klassifikations- und Regressionsbäume: Verzweigungen und Verzweigungskriterien, Baumgröße

G. Kategoriale Prognose und Diskriminanzanalyse
Bayes-Zuordnung als diskriminanzanalytisches Verfahren: Bayes-Zuordnung und Fehlerraten, Fehlklassifikationswahrscheinlichkeiten, Bayes-Regel und Diskriminanzfunktionen, Logit-Modell und normalverteilte Merkmale, Logit-Modell und binäre Merkmale, Kostenoptimale Bayes-Zuordnung - Geschätze Zuordnungsregeln: Stichproben und geschätzte Zuordnungsregeln, Prognosefehler

Unsere dozenten
Unser Statistik- und Data-Mining-Trainer Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Fachbuch-Autor zum Thema Datenbanken und als Business Intelligence-Berater. Zu seinen Kunden zählen Marktforschungsunternehmen oder Behörden wie der Deutsche Bundesrat sowie Abteilungen für die Qualitätssicherung und Prozessoptimierung.

Veröffentlichungen:

  • "Grundlagen empirische Sozialforschung" (Comelio Medien, ISBN 978-3-939701-23-1)

  • "System und Systematik von Fragebögen" (Comelio Medien, ISBN 978-3-939701-26-2)

  • "Oracle SQL" (Comelio Medien, ISBN 978-3-939701-41-5)

  • "SQL Server 2012: Data Mining und multivariate Verfahren" (Comelio Medien, ISBN 978-3-939701-85-9)

  • "SQL und relationale Datenbanken" (Comelio Medien, ISBN 978-3-939701-52-1)

Erfahrung:
Projekte: Als Berater und Projektleiter konzipiert Herr Skulschus Business Intelligence-Systeme auf Basis von OLAP und Data Warehouse-Technologien mit MS SQL Server und Oracle mit Berichtskomponenten im Intranet oder MS Excel, statistische Analysen und Data Mining-Modulen. Je nach Aufgabe setzt er R, IBM SPSS oder Minitab ein.

Forschung: Er leitete ein mehrjähriges Forschungsprojekt zur Entwicklung eines Fragebogensystems mit ontologie-basiertem Datenmodell und innovativen Frage-Antwort-Darstellungen. Förderung durch das BMWi und Zusammenarbeit mit verschiedenen Universitäten.

Zertifizierung:
Marco Skulschus ist zertifiziert als "Microsoft Certified Trainer" und "Oracle Certified Associate" und hat die ComptiaCTT+ Prüfung absolviert.

Webseite:

  • http://www.marco-skulschus.de

  • http://de.wikipedia.org/wiki/Marco_Skulschus



Referenzkurse:
  • Statistik - Deskriptive Statistik I
  • Dummy

Zusätzliche Informationen

Die Seminarteilnehmer erhalten eine anwendungsorientierte Einführung in Logit-Modellierung und kategoriale Regression. Das Seminar behandelt Modelle zur Analyse kategorialer Daten. Kategoriale Daten sind Variablen, die eine begrenzte Anzahl von Ausprägungen (Kategorien) haben. Unter logistischer Regression oder Logit-Modell versteht man dann Regressionsanalysen zur (meist multivariaten) Modellierung der Verteilung diskreter abhängiger Variablen. Damit lassen sich Gruppenzugehörigen und Wahrscheinlichkeiten für Ereignisse bestimmen. Bei vielen der in Umfrageforschung und amtlicher Statistik erhobenen Merkmale handelt es sich um kategoriale Daten. In diesem Seminar lernen Sie die Logit-Regression und darauf aufbauende Alternativmodelle kennen. Zusätzlich lernen Sie, Kontingenz-/Kreuztabellen zu untersuchen, um Abhängigkeiten zwischen kategorialen Variablen zu untersuchen.