Seminar Multivariate Datenanalyse mit SPSS

Dozent: Dr. Haug Leuschner

Zzgl. 16% MwSt.

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

Das Seminar Multivariate Datenanalyse mit SPSS 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 IBM SPSS Statistics enthalten. Sie können per Überweisung und auf Rechnung zahlen (weitere Infos).

Artikelnummer: MSP Kategorien: , ,

Beschreibung

In der fünftägigen Komplett-Schulung Multivariate Datenanalyse mit SPSS werden in den ersten drei Tagen die strukturprüfenden Verfahren behandelt. Dazu gehören die Regressionsanalyse, die Zeitregression, die Diskriminanzanalyse und die logistische Regression. In den letzten beiden Tagen werden die strukturentdeckenden Verfahren behandelt. Dazu gehören die explorative Faktorenanalyse, die Reliabilitätsanalyse und die Clusteranalyse.

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

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

Lernziele: fortgeschrittene Funktionen von IBM SPSS Statistics 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 IBM SPSS Statistics.

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

Hinweis: Die 5-tägige Komplett-Schulung Multivariate Datenanalyse mit SPSS besteht aus einer 3-tägigen Basis-Schulung und einer anschließenden 2-tägigen Aufbau-Schulung, die auch einzeln gebucht werden können.

Inhalte des 5tägigen Komplett-Trainings Multivariate Datenanalyse mit SPSS:

  • 3-tägiges Basis-Training: strukturprüfende Verfahren

    • 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
  • 2-tägiges Aufbau-Training: strukturentdeckende Verfahren

    • 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