Multivariate Datenanalyse mit R - Kompletttraining (5tägig)

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).

Im zweitägigen Aufbautraining Multivariate Datenanalyse mit R werden strukturentdeckende Verfahren behandelt, die der Entdeckung von Zusammenhängen zwischen Variablen dienen. Dazu gehören die Clusteranalyse, die eine Vielzahl von Fällen zu wenigen Gruppen (Cluster) bündelt, und die explorative Faktorenanalyse, die eine Vielzahl von Variablen zu wenigen Dimensionen (Faktoren) reduziert. Als Ergänzung zur Clusteranalyse wird die Diskriminanzanalyse besprochen, mit der analysiert werden kann, mit welchen Variablen die in der Clusteranalyse gefunden Gruppen am besten beschrieben werden können. Als Ergänzung zur Faktorenanalyse wird die Reliabilitätsanalyse behandelt, die die Eignung und Reliabilität eines Itemsets für einen Faktor prüft. Es wird insbesondere gezeigt, wie mit Hilfe der Faktoren- und Reliabilitätanalyse die Güte eines Fragebogens zur Messung latenter Dimensionen überprüft werden kann.

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.