Opis kursu: Celem kursu jest zapoznanie użytkowników pakietu STATISTICA z podstawami analizy danych za pomocą regresji liniowej, zwłaszcza ze specyfikacją modeli, diagnostyką i interpretacją wyników. Kurs jest zorientowany na praktyczne aspekty wykorzystania analizy regresji. Kurs będzie prowadzony w oparciu o przykłady wykonywane przez uczestników, wprowadzane i komentowane przez osobę prowadzącą.

Wymagania: umiejętność obsługi komputera w środowisku Windows, podstawowa znajomość pakietu STATISTICA. Zalecamy wcześniejszy udział w kursie STATISTICA kurs podstawowy lub Statystyka dla niestatystyków.

Kontynuacją mogą być np. kursy: Praktyczne zastosowania technik regresyjnych w STATISTICA, Analizy wielowymiarowe, Sieci neuronowe.

Termin: 12-13.04.2010

Program kursu

• Cel analizy regresji i przykładowe obszary zastosowań
• Graficzne narzędzia analizy i diagnostyki związku pomiędzy zmiennymi
  • Wykres rozrzutu
  • Metody wygładzania wykresu rozrzutu
  • Histogram
  • Normalne wykresy prawdopodobieństwa
• Wariancja, kowariancja i korelacja - przypomnienie podstawowych pojęć
• Regresja liniowa dwóch zmiennych
  • Wyznaczanie linii regresji - definiowanie modelu w programie STATISTICA
  • Ocena dopasowania modelu do danych
  • Testowanie hipotez o współczynnikach regresji
  • Założenia modelu regresji
  • Diagnostyka modelu przy pomocy analizy reszt
• Regresja wielokrotna
  • Wstępne badanie zmiennych do modelu
  • Definiowanie modelu i charakterystyka wyników, które można uzyskać w programie STATISTICA
  • Interpretacja współczynników regresji i innych statystyk wynikowych (w tym korelacje cząstkowe i semicząstkowe)
  • Testowanie hipotez o współczynnikach
  • Diagnostyka modelu
  • Wprowadzanie do regresji cech niemierzalnych przy pomocy zmiennych zero-jedynkowych: technika kodowania, specyfikacja modelu, interpretacja wyników
• Radzenie sobie w sytuacji danych nie spełniających założeń modelu regresji
  • Co robić z obserwacjami nietypowymi, odstającymi od innych?
  • Jak postępować w sytuacji nieliniowości związku?
  • Co robić, gdy zmienne niezależne są silnie skorelowane (bliskie współliniowości)?
  • Heteroscedastyczność, jej konsekwencje i sposób na poradzenie sobie z nią w typowych sytuacjach