Seminar Multivariate Datenanalyse mit SAS

Dozent: Dr. Dr. Daniel Leufkens

Dieses Seminar wird zur Zeit nicht als offene Schulung angeboten. Sie können das Thema aber als Inhouse-Seminare anfragen.

Das Seminar Multivariate Datenanalyse mit SAS behandelt im dreitägigen Basistraining strukturprüfende und im direkt anschließenden zweitägigen Aufbautraining strukturentdeckende Verfahren zur Analyse des Zusammenhangs zwischen mehreren Variablen. Grundlegende Fertigkeiten im Umgang mit SPSS, wie Datenimport, Datenaufbereitung, Grafikerstellung und statistische Standardverfahren wie der t-Test, werden vorausgesetzt, ständig angewendet und vertieft. Im fünftägigen Kompletttraining haben Sie das gesamte Programm, wobei im Preis eine Ermäßigung von 100 Euro für die Teilnahme am Basis- und Aufbautraining in derselben Woche enthalten ist. Im Preis sind Kursmaterialien, Getränke und Schulungslaptops mit der aktuellen Version von SAS Enterprise Guide enthalten. Sie können per Überweisung und auf Rechnung zahlen (weitere Infos).

Artikelnummer: MSA Kategorien: , ,

Beschreibung

In der fünftägigen Komplett-Schulung Multivariate Datenanalyse mit SAS werden zum einen strukturprüfende Verfahren behandelt. Dazu gehören die Varianzanalyse, die Regressionsanalyse, die Zeitregression, die Diskriminanzanalyse und die logistische Regression. Zum anderen werden strukturentdeckenden Verfahren behandelt. Dazu gehören die explorative Faktorenanalyse und die Clusteranalyse.

Zielgruppe: Anwender, Fachkräfte und Studierende aus den Bereichen der Sozial- und Marktforschung, den Wirtschaftswissenschaften und der Betriebswirtschaft (Marketing, Controlling, Qualitätskontrolle) und der psychologischen, klinischen und pharmazeutischen Forschung

Voraussetzungen: Erfahrungen mit SAS Enterprise Guide und die Inhalte des Seminars Grundlagen der Statistik mit SAS (oder eines vergleichbaren Seminars: Interpretation von Korrelationskoeffizienten wie Pearsons r und Signifikanztests wie dem t-Test sollten bekannt sein). Grundlegende Fertigkeiten im Umgang mit SAS Enterprise Guide, wie Datenimport, Datenaufbereitung, Grafikerstellung und statistische Standardverfahren, werden vorausgesetzt, ständig angewendet und vertieft. Wenn der Umgang mit SAS Enterprise Guide nicht vertraut sein sollte, empfiehlt es sich, vorher ein Grundlagentraining mit SAS Enterprise Guide oder ein vergleichbares Seminar zu besuchen.

Lernziele: fortgeschrittene Funktionen von SAS Enterprise Guide kennenlernen, Daten 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

Übungen: Es wird Wert auf den Anwendungsbezug gelegt, die Praxisbeispiele und Übungsaufgaben erfolgen in der Schulung auf unseren Schulungslaptops mit dem Statistikprogramm SAS Enterprise Guide.

Leistungen: Schulungsräume in zentraler Lage, 2-10 Teilnehmer pro Veranstaltung, Unterricht 9-18 Uhr, Getränke in den Pausen, Schulungslaptop mit installierter Software, gedruckte Schulungsunterlagen, ein Zertifikat mit den Schulungsinhalten

Inhalte des Trainings Multivariate Datenanalyse mit SAS:

  • Multiple Regressionsanalyse
    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; Residualdiagnostik und Prüfung der Modellprämissen (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, automatisierte Auswahl von Prognosevariablen, Prüfung des Gesamtmodells und der Merkmalsvariablen (AUC, Likelihood-Ratio-Test und Pseudo R-Quadrat-Statistiken)
  • Zeitreihenanalyse
    Zeitreihenmodelle mit Trend- und Saisonkomponenten, lineare/nichtlineare Trendmodelle mit Berücksichtigung von zyklischen Schwankungen und Strukturbrüchen, Extrapolationsmodelle und Strukturmodelle, Erstellung von Prognosen mit Prognoseintervallen, Beurteilung der Modellgüte und Prognosegüte, grafische Darstellung von Zeitreihen
  • Clusteranalyse
    Hierarchische Clusteranalyse (Distanz- und Ähnlichkeitsmaße, Fusionierungs-Algorithmen: Single-Linkage, Complete-Linkage, Ward, Bestimmung der optimalen Clusterzahl), k-Means-Clusteranalyse, Two-Step-Clusteranalyse
  • Diskriminanzanalyse
    Schätzung der Diskriminanzfunktion, Prüfung der Modellgüte und der Eignung von Merkmalsvariablen, automatisierte Auswahl von Merkmalsvariablen, Klassifikation von neuen Fällen
  • Explorative Faktorenanalyse
    Variablenauswahl, Bestimmung der Anzahl der Faktoren, Hauptachsen- und Hauptkomponentenanalyse, Extraktion und Rotation der Faktoren, Faktorinterpretation, Faktorwerte
  • Reliabilitätsanalyse
    Prüfung des Indikatorsets eines Faktors auf Eindimensionalität; Reliabilitätsprüfung auf Indikatorebene (Indikatorreliabilität): Faktorladungen, Kommunalitäten, Cronbachs Alpha (ohne Item), Item-To-Skala-Korrelation; Prüfung auf Konstruktebene (Faktorreliabilität): Cronbachs Alpha, Inter-Item-Korrelationen, Einheitsstruktur