Praktyczne zastosowania technik regresyjnych w Statistica

online 2 dni

Jednym z głównych celów badań jest ilościowy opis powiązań pomiędzy zjawiskami i wywołującymi je czynnikami. Szkolenie jest poświęcone omówieniu statystycznych metod modelowania tego typu powiązań. Dla ilustracji prezentowanych metod wykorzystywane są zbiory danych z różnych dziedzin badań. Uczestnicy szkolenia na konkretnych przykładach poznają m.in. zagadnienia: analizy korelacji, liniowy model regresji prostej, regresji wielorakiej, regresji nieliniowej i modele dla zmiennej zależnej jakościowej.

Dla kogo?

Dla osób zainteresowanych statystycznym modelowaniem powiązań pomiędzy występowaniem bądź nasileniem określonych zjawisk oraz powodującymi je czynnikami. Dla początkujących i bardziej zaawansowanych badaczy z różnych dziedzin badań empirycznych.

Co zyskasz?

  • Nauczysz się formułować problemy badawcze w języku modelownia statystycznego.
  • Uzyskasz lub usystematyzujesz wiedzę o modelowaniu współzależności pomiędzy zmiennymi.
  • Nauczysz się samodzielnie wybierać odpowiednie techniki modelowania współzależności zjawisk.
  • Nauczysz się definiowania analizy i jej przeprowadzania w programie Statistica.
  • Poznasz poprawny sposób interpretacji wyników modelowania.

  • Program
  • Prowadzący
  • Informacje organizacyjne
  • Ceny

Program szkolenia:

  1. Wprowadzenie do problematyki modelowania statystycznego
    • Zależności typu funkcyjnego i stochastycznego
    • Modelowanie statystyczne
    • Kryteria wyboru modelu
    • Elementy analizy korelacyjnej
    • Obserwacje nietypowe
    • Ostrożność przy interpretacji wartości współczynnika korelacji przy skrajnie odstających danych
  2. Analiza regresji liniowej prostej
    • Model regresji liniowej prostej
    • Standardowe założenia modelu regresji liniowej
    • Analiza reszt i sprawdzanie założeń
    • Tworzenie prognoz
  3. Inne analizy z wykorzystaniem regresji liniowej prostej
    • Regresja prosta w grupach
    • Segmentowy model regresji liniowej prostej
  4. Analiza regresji liniowej wielorakiej
    • Model regresji liniowej wielorakiej
    • Metody doboru zmiennych objaśniających
    • Jakościowe zmienne niezależne w modelu
    • Przykład zastosowania analizy regresji do modelowania sprzedaży
  5. Regresja nieparametryczna dla zmiennej ilościowej
    • Metoda MARS (Multivariate Adaptive Regression Splines)
  6. Modelowanie zależności nieliniowych
    • Przykłady zastosowań wybranych modeli nieliniowych
  7. Modele dla zmiennej zależnej jakościowej
    • Przypadek jednej zmiennej niezależnej ilościowej
    • Przypadek wielu zmiennych niezależnych ilościowych i jakościowych
  8. Regresja nieparametryczna dla zmiennej zależnej jakościowej
    • Metoda drzew klasyfikacyjnych

Polecamy inne szkolenia:                                         

  • Analizy wielowymiarowe
  • Z cyklu „Data mining”

Podobne szkolenia

Time Series Analysis and Forecasting

The course is for those who would like to learn basic and advanced methods of time series analysis and forecasting. The […]

Dowiedz się więcej

Sztuczna inteligencja (AI) w wielowymiarowej analizie danych

Dla kogo? Szkolenie przeznaczone jest dla analityków pragnących nauczyć się efektywnie wykorzystywać narzędzia generatywnej AI w wielowymiarowej analizie danych. Podczas szkolenia […]

Dowiedz się więcej

Analizy wielowymiarowe w R

Podczas kursu zaprezentowane zostaną najpopularniejsze metody wielowymiarowe, które znajdują zastosowanie w analizie zjawisk złożonych, opisanych za pomocą dużej liczby zmiennych. Uczestnicy poznają […]

Dowiedz się więcej

Masz pytania?

Porozmawiaj z nami!

Jesteśmy tutaj, aby pomóc i rozwiać wszystkie Twoje wątpliwości. Wypełnij formularz, napisz do nas maila lub zadzwoń – odpowiemy najszybciej, jak to możliwe!

    Przejdź do treści