Statistik - Analyse kategorialer Daten

Details
ID | 1252625 |
Dauer | 2.0 Tage |
Methoden | Vortrag mit Beispielen und Übungen. |
Vorwissen | Allgemeine Kenntnisse der Mathematik |
Zielgruppe | Datenanalysten |
Übersicht
Die Seminarteilnehmer erhalten eine anwendungsorientierte Einführung in Logit-Modellierung und kategoriale Regression. Das Seminar behandelt Modelle zur Analyse kategorialer Daten. Kategoriale Daten sind Variablen, die eine begrenzte Anzahl von Ausprägungen (Kategorien) haben. Unter logistischer Regression oder Logit-Modell versteht man dann Regressionsanalysen zur (meist multivariaten) Modellierung der Verteilung diskreter abhängiger Variablen. Damit lassen sich Gruppenzugehörigen und Wahrscheinlichkeiten für Ereignisse bestimmen. Bei vielen der in Umfrageforschung und amtlicher Statistik erhobenen Merkmale handelt es sich um kategoriale Daten. In diesem Seminar lernen Sie die Logit-Regression und darauf aufbauende Alternativmodelle kennen. Zusätzlich lernen Sie, Kontingenz-/Kreuztabellen zu untersuchen, um Abhängigkeiten zwischen kategorialen Variablen zu untersuchen.
Termine
Wir überarbeiten gerade unsere Webseite und die Seminare. Neue Termine gibt es erst ab 2025. Wir bieten dieses Seminar weiterhin als Inhouse-Seminar für Sie und Ihr Team an.

Comelio Medien
Noch auf der Suche nach weiterführender Literatur? Entdecken Sie passende Fachbücher in unserem Katalog.
Beschreibung
Die Analyse von Tabellen und kategorialen Daten ist ein großes Gebiet mit vielen Werkzeugen. Verschaffen Sie sich mit diesem Statistik-Seminar einen Überblick über logistische Regression, das Logit-Modell und der Kontingenzanalyse.Services
- Mittagessen / Catering
- Hilfe bei Hotel / Anreise
- Comelio-Zertifikat
- Flexibel: Bis einen Tag vorher kostenlos stornieren

Inhalt
Logistische Regression und Logit-Modell für binäre abhängige Größen
Logit-Modelle für eine metrische Einflussgröße - Modelle für linear spezifizierte Einflussgrößen - Logit-Modelle bei kategorialen Einflussgrößen - Das lineare Logit-Modell ohne Interaktion - Logit-Modell und AlternativenSchätzung, Modellanpassung und Einflussgrößen
Parameterschätzung für Regressionsmodelle - Anpassungsgüte von Modellen - Residualanalyse - Überprüfung der Relevanz von Einflussgrößen - Devianz-Analyse - Erklärungswert von ModellenAlternative Modellierung von Response und Einflussgrößen
Konzeptioneller Hintergrund binärer Regressionsmodelle - Modelltypen - Modellierung von Interaktionswirkungen - Abweichung von der BinomialverteilungMultinominale Modelle für ungeordnete Kategorien
Modellbildung bei mehrkategorialer abhängiger Variable - Das multinominale Logit-Modell - Einfache Verzweigungsmodelle - Modellierung als Wahlmodell der Nutzenmaximierung - Schätzen und TestenRegression mit ordinaler abhängiger Variable
Das Schwellenwert- oder kumulative Modell - Das sequenzielle Modell - Schätzen und TestenZähldaten und die Analyse von Kontingenztafeln: das loglineare Modell
Die Poisson-Verteilung - Poisson-Regression - Poisson-Regression mit Dispersion - Analyse von KontingenztafelnNonparametrische Regression
Glättungsverfahren: Lokale Regression für binäre abhängige Variable, Ansätze mit Penalisierung, Semiparametrische Erweiterung durch das partiell lineare Modell, Generalisierte additive Modell, Schätzalgorithmen - Klassifikations- und Regressionsbäume: Verzweigungen und Verzweigungskriterien, BaumgrößeKategoriale Prognose und Diskriminanzanalyse
Bayes-Zuordnung als diskriminanzanalytisches Verfahren: Bayes-Zuordnung und Fehlerraten, Fehlklassifikationswahrscheinlichkeiten, Bayes-Regel und Diskriminanzfunktionen, Logit-Modell und normalverteilte Merkmale, Logit-Modell und binäre Merkmale, Kostenoptimale Bayes-Zuordnung - Geschätze Zuordnungsregeln: Stichproben und geschätzte Zuordnungsregeln, PrognosefehlerDozent/in
Unser Statistik- und Data-Mining-Trainer Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Fachbuch-Autor zum Thema Datenbanken und als Business Intelligence-Berater. Zu seinen Kunden zählen Marktforschungsunternehmen oder Behörden wie der Deutsche Bundesrat sowie Abteilungen für die Qualitätssicherung und Prozessoptimierung.Veröffentlichungen
- Grundlagen empirische Sozialforschung (Comelio Medien)
978-3-939701-23-1 - System und Systematik von Fragebögen (Comelio Medien)
978-3-939701-26-2 - Oracle SQL (Comelio Medien)
978-3-939701-41-5 - SQL Server 2012: Data Mining und multivariate Verfahren (Comelio Medien)
978-3-939701-85-9 - SQL und relationale Datenbanken (Comelio Medien)
978-3-939701-52-1