Multivariate Datenanalyse mit R - Basistraining (3tägig)
-
Herr. Dr. Leuschner präsentiert fundiertes Wissen zu statistischen Verfahren und greift dabei auf viele anschauliche und interessante Beispiele zurück, inklusive der passenden Codebeispiele in R. Diese Beispiele werden immer wieder vertieft und neue Verfahren in Zahlreichen Übungen erlernt und vertieft. Er orientiert sich an den Vorkenntnissen der Teilnehmer und geht auf alle Rückfragen ein. Insgesamt sehr professionell und daher eine absolut empfehlenswerte Schulung.
← | →
-
Beim Selbststudium von diversen Büchern haben sich mir die Zusammenhänge der verschiedenen Analysemethoden leider nicht immer von alleine erschlossen. Daher habe ich gehofft, dass ich durch diesen Kurs endlich den Überblick bekomme. Und was soll ich sagen – Herr Leuschner hat es tatsächlich geschafft, dass mir jetzt durch den Kurs die Zusammenhänge der verschiedenen Verfahren klar geworden sind. Auch waren mir diverse Verfahren völlig neu und ich bin daher jetzt in der Lage deutlich mehr Verfahren einzusetzen als zu vor. Klare Empfehlung an alle Interessenten die in R einen großen Schritt nach vorne machen wollen.
← | →
Seminar
In Hamburg
Beschreibung
-
Kursart
Intensivseminar
-
Niveau
Mittelstufe
-
Ort
Hamburg
-
Unterrichtsstunden
24h
-
Dauer
3 Tage
-
Beginn
Dezember
Die Multivariate Datenanalyse untersucht den Einfluss von mehreren statistischen Variablen zugleich. Zusammenhangs- bzw. Abhängigkeitsstrukturen zwischen den Variablen - wie beispielsweise der Einfluss von Preis, verschiedenen Marktpositionierungen und verschiedenen Werbeformen auf den Umsatz eines Produkts - können nur mit multivariaten Verfahren erkannt werden. Damit sind diese den univariaten Verfahren überlegen, bei denen der Einfluss jeder Variablen auf die Messgröße einzeln analysiert wird und die Gegenstand des Seminars Grundlagen der Statistik mit R sind.
Die vorgestellten Verfahren werden erfolgreich in den verschiedensten Feldern eingesetzt wie beispielsweise in den betriebswirtschaftlichen Anwendungsbereichen (Produktentwicklung, Produktion, Qualitätssicherung, Marketing), in den human- und sozialwissenschaftlichen Anwendungsbereichen (Medizin, Pharmazie, Marktforschung), in der Technik und in den Naturwissenschaften.
Das komplette 5tägige Grundlagen-Seminar gliedert sich in ein 3tägiges Basis-Training und ein 2tägiges Aufbau-Training. Bei diesem Kurs handelt es sich um das 3tägige Basis-Training.
Im 3tägigen Basistraining werden die regressionsanalytischen Verfahren behandelt, die aufeinander aufbauen. Dazu gehören die multiple Regressionsanalyse, die die linearen und nichtlinearen Zusammenhänge zwischen mehreren Variablen quantitativ beschreibt und erklärt und Prognosen erlaubt, die logistische Regression, die zur Klassifizierung und Risikoabschätzung von Einzelfällen geeignet ist und die Zeitreihenanalyse, die Zeitreihen mittels verschiedener regressionsanalytischer Verfahren (Zeitregression, exponentielle Prognosemodelle, ARIMA-Modelle, LOESS-Dekomposition) in mehrere Komponenten zerlegt und Prognosen für zukünftige Entwicklungen erlaubt (prediktive Analyse/Forecasting).
Standorte und Zeitplan
Lage
Beginn
Beginn
Hinweise zu diesem Kurs
fortgeschrittene Funktionen von R kennenlernen, Daten von Studien bzw. betrieblichen Prozessen erheben und mit Hilfe von multivariaten Verfahren auswerten können, Ergebnisse von multivariaten Datenanalysen grafisch darstellen, erläutern und interpretieren können, aufgrund einer Fragestellung das geeignete multivariate Verfahren identifizieren und anwenden können
Der Kurs richtet sich an Anwender, Fachkräfte, Doktoranden und Studierende aus den Bereichen der Sozial- und Marktforschung, der Betriebswirtschaft (Marketing, Controlling, Qualitätskontrolle) und der psychologischen, klinischen und pharmazeutischen Forschung.
Erfahrungen mit R unter Verwendung von RStudio und die Inhalte des Seminars Grundlagen der Statistik mit R (oder eines vergleichbaren Seminars: Interpretation von Korrelationskoeffizienten wie Pearsons r und Signifikanztests wie dem t-Test sollten bekannt sein)
Schulungszertifikat mit den Seminarinhalten
Im dreitägigen Basiskurs Multivariate Datenanalyse mit R werden die regressionsanalytischen Verfahren behandelt, die aufeinander aufbauen. Dazu gehören die multiple Regressionsanalyse, die die linearen und nichtlinearen Zusammenhänge zwischen mehreren Variablen quantitativ beschreibt und erklärt und Prognosen erlaubt, die logistische Regression, die zur Klassifizierung und Risikoabschätzung von Einzelfällen geeignet ist und die Zeitreihenanalyse, die Zeitreihen mittels verschiedener regressionsanalytischer Verfahren (Zeitregression, exponentielle Prognosemodelle, ARIMA-Modelle, LOESS-Dekomposition) in mehrere Komponenten zerlegt und Prognosen für zukünftige Entwicklungen erlaubt (prediktive Analyse/Forecasting).
Sie erhalten innerhalb von 1-3 Werktagen die Information, wie Sie den gewünschten Kurs online auf der Webseite des Seminaranbieters www.statistik-seminare.de buchen können.
Meinungen
-
Herr. Dr. Leuschner präsentiert fundiertes Wissen zu statistischen Verfahren und greift dabei auf viele anschauliche und interessante Beispiele zurück, inklusive der passenden Codebeispiele in R. Diese Beispiele werden immer wieder vertieft und neue Verfahren in Zahlreichen Übungen erlernt und vertieft. Er orientiert sich an den Vorkenntnissen der Teilnehmer und geht auf alle Rückfragen ein. Insgesamt sehr professionell und daher eine absolut empfehlenswerte Schulung.
← | →
-
Beim Selbststudium von diversen Büchern haben sich mir die Zusammenhänge der verschiedenen Analysemethoden leider nicht immer von alleine erschlossen. Daher habe ich gehofft, dass ich durch diesen Kurs endlich den Überblick bekomme. Und was soll ich sagen – Herr Leuschner hat es tatsächlich geschafft, dass mir jetzt durch den Kurs die Zusammenhänge der verschiedenen Verfahren klar geworden sind. Auch waren mir diverse Verfahren völlig neu und ich bin daher jetzt in der Lage deutlich mehr Verfahren einzusetzen als zu vor. Klare Empfehlung an alle Interessenten die in R einen großen Schritt nach vorne machen wollen.
← | →
Kursbewertung
Empfehlung der User
Anbieterbewertung
Peter
Herr Auferkorte
Themen
- Zeitreihenanalyse
- Logistische Regression
- Forecasting
- R
- RStudio
- Nicht-lineare Regression
- Multivariate Analyse
- Lineare Regressionsanalyse
- Multiple Regressionsanalyse
- Glättungsmethoden
- Exponentielle Prognosemodelle
- ARIMA-Modelle
- LOESS-Dekomposition
- Prediktive Analyse
- Prognosen erstellen
Dozenten
Dr. Haug Leuschner
Methodik und Statistik
Weiterbildungsexperte für Statistik in der Erwachsenenbildung staatlich geprüfter mathematisch-technischer Assistenten, Studium der Wirtschaftspsychologie Danach Lehrauftrag für Methodenlehre und Statistik und Dozentenausbildung an der Universität zu Köln Danach Mitarbeiter in zahlreichen Projekten an der Universität zu Köln und Datenanalyst bei größeren Unternehmen mehrere wissenschaftliche Publikationen im Bereich der Social Cognition Promotionsarbeit: Entwicklung einer computergestützten Erhebungsmethode für Kommunikationsdaten Berater in einer Vielzahl von Projekten für Datenanalyse
Inhalte
Regressionsmodelle für kontinuierliche und kategoriale Variablen mit Suppressionseffekten (Suppressoranalyse), Moderationseffekten (Moderatoranalyse), nicht-linearen Effekten (polynomiale Regression) und Interaktionseffekten zwischen kategorialen und kontinuierlichen Variablen (dummykodierte Regressionsanalyse); automatisierte Verfahren zur Auswahl von Prognosevariablen und der Ermittlung des am besten an die Daten angepassten Modells; Residualdiagnostik und Prüfung der Modellprämissen (Angemessenheit, Linearität, Multikollinearität, Homoskedastizität und Normalverteilung der Residuen, Behandlung von Ausreißern, Extremwerten und einflussreichen Beobachtungen)
Logistische Regression
Schätzung der logistischen Regressionsfunktion, Interpretation der Koeffizienten (Logits, Odds und Wahrscheinlichkeiten), Berechnung von Odds Ratio und relatives Risiko, Konfusionstabellen mit Trefferquote, Spezifität und Sensitivität, ROC-Kurven und automatisierte Verfahren zur Ermittlung des optimalen Trennwerts, Prüfung des Gesamtmodells und der Merkmalsvariablen (AUC, Likelihood-Ratio-Test und Pseudo R-Quadrat-Statistiken)
Zeitreihenanalyse
Zeitregression mit linearen und nichtlinearen Trend-, Konjunktur- und Saison-Komponenten und unter Berücksichtigung von Strukturbrüchen; Glättungsmethoden und LOESS-Dekomposition von Trend- und Saison-Komponenten; exponentielle Prognosemodelle und ARIMA-Modelle (prediktive Analyse); Erstellung von kurz- und langfristigen Prognosen; grafische Darstellung von Zeitreihen mit Prognose und Prognoseintervallen
Multivariate Datenanalyse mit R - Basistraining (3tägig)