Data Science / Statistik / IBM / IBM SPSS Statistics / Multivariate Verfahren II

IBM SPSS Statistics - Multivariate Verfahren II



ID 1252624
Klassenraum 3 Tage 9:00-16:30
Webinar 5 Tage 9:00-12:30
Methode Vortrag mit Beispielen und Übungen.
Vorwissen Allgemeine Kenntnisse der Mathematik
Zielgruppe Datenanalysten


  • Nutzen und Präferenzen über die Conjoint-Analyse ableiten
  • Ordinale Variablen analysieren
  • Mit der Probit-Regression dichotome Ausgaben analysieren
  • Nichtlineare Regression durchführen
  • Künstliche Neuronale Netze erstellen


Nutzen und Präferenzen analysieren
Analysieren Sie Kundenvorstellungen mit der Conjoint-Analyse ableiten
Modelle für nichtlineare Regression aufbauen
Bauen Sie analytische Modelle für Polynome oder andere nichtlineare Formen
Komplexe Vorhersagen und Klassifikationen durchführen
Nutzen Sie Künstliche Neuronale Netze für Lernverfahren
Analysieren Sie kategoriale Daten
Visualisieren und bewerten Sie Kreuztabellen mit der Korrespondenzanalyse


IBM SPSS Statistics Multivariate Verfahren II Training

Beschreibung

Setzen Sie IBM SPSS Statistics für multivariate statistische Methoden der Datenanalyse ein.



Spezial

Setzen Sie verschiedene vor allen Dingen im Marketing geeignete multivariate Methoden für die Datenanalyse ein.



IBM SPSS Statistics Multivariate Verfahren II Training

Services

  • Mittagessen / Catering
  • Hilfe bei Hotel / Anreise
  • Comelio-Zertifikat
  • Flexibel: Bis einen Tag vorher kostenlos stornieren

Übersicht

IBM SPSS Statistics Multivariate Verfahren II TrainingMit Multivariaten Verfahren (Multivariate Analyse(methoden), Abk.: MVA) werden multivariat verteilte statistische Variablen untersucht. Man betrachtet hier nicht eine Variable isoliert (univariat verteilt), sondern das Zusammenwirken mehrerer Variablen zugleich, ihre Abhängigkeitsstruktur. Multivariate Verfahren lassen sich gliedern in "Strukturprüfende Verfahren" und "Strukturentdeckende Verfahren". Das Seminar behandelt 7 wichtige Verfahren der multivariaten Analysemethoden. Dies sind Auswahlbasierte Conjoint-Analyse, Konfirmatorische Faktorenanalyse, Korrespondenzanalyse, Multidimensionale Skalierung, Neuronale Netze, Nichtlineare Regression und Strukturgleichungsmodelle. Die Themen werden anhand von Vorträgen eingeführt und dann anhand von praktischen Übungen durchgeführt. Als Software werden MS Excel und SPSS, Clementine und AMOS vorgestellt. Nach dem Seminar sind Sie in der Lage, die Verfahren und ihre Ergebnisse zu verstehen und für eigene Daten mit IBM SPSS Statistics anwenden zu können.

Termine

  • 2022-May-30 - Jun-01
  • 2022-Aug-08 - Aug-10

1450 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2022-May-30 - Jun-01
  • 2022-Aug-08 - Aug-10

1500 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2022-May-23 - May-25
  • 2022-Aug-01 - Aug-03

1500 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2022-May-16 - May-18
  • 2022-Jul-25 - Jul-27

1500 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2022-Jun-06 - Jun-08
  • 2022-Aug-15 - Aug-17

1500 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2022-May-16 - May-18
  • 2022-Jul-25 - Jul-27

1500 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2022-May-23 - May-25
  • 2022-Aug-01 - Aug-03

1480 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2022-May-23 - May-25
  • 2022-Aug-01 - Aug-03

1550 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2022-May-23 - May-27
  • 2022-Aug-01 - Aug-05

950 EUR zzgl. MwSt.

Standort | Anmeldung


Inhalt

IBM SPSS Statistics Multivariate Verfahren II Seminar
Nicht-lineare Regression

Wie lässt sich der nicht-lineare Zusammenhang zwischen Variablen formalisieren? – Funktionsauswahl und Modellspezifikation – Parameterschätzung – Prüfung des Modells - Beurteilung der Schätzergebnisse

Ordinale Regression

Regressionsmodelle für ordinale Variablen - Schätzen von Parametern - Modellgüte

Probit-Regression

Regressionsmodelle für Situationen mit dichotomer Ausgabe - Schätzen von Parametern - Modellgüte

Traditionelle Conjoint-Analyse

Welchen Nutzenbeitrag liefern die verschiedenen Beschreibungsmerkmale eines Objektes zu dessen Präferenzstellung im Vergleich zu anderen Objekten?

Auswahlbasierte Conjoint-Analyse

Wie kann für eine Person die Auswahlentscheidung unter verschiedenen Objekten abgebildet werden?

Neuronale Netze

Wie können aufgrund von Erfahrungsdaten (Lerndaten) Gruppen gebildet oder unterschieden werden sowie nicht-lineare Zusammenhänge zwischen Variablen entdeckt werden? – Problemstrukturierung und Netztypauswahl – Festlegung der Netztopologie – Informationsverarbeitung in den Neuronen – Trainieren des Netzes – Anwendung des trainierten Netzes

Multidimensionale Skalierung

Wie kann man Objekte auf Basis ihrer Ähnlichkeiten oder Unähnlichkeiten gemeinsam in einem zwei- oder mehrdimensionalen Raum darstellen? - Wie führt man eine Positionierungsanalyse durch?

Einfache und multiple Korrespondenzanalyse

Wie können Kreuztabellen visualisiert werden? – Standardisierung der Daten – Extraktion der Dimensionen – Normalisierung der Koordinaten - Interpretation

Dozent/in

IBM SPSS Statistics Multivariate Verfahren II Trainer

Unser Python-Trainer Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Berater und auch Fachbuch-Autor zum Thema Datenbanken, statistische Datenanalyse, Data Mining und Python. Er unterrichtet deskriptive und induktive Statistik, multivariate Verfahren und Data Mining für die Bereiche Controlling und Marketing bzw. Marktforschung.

Veröffentlichungen
  • Grundlagen empirische Sozialforschung ISBN 978-3-939701-23-1
  • System und Systematik von Fragebögen ISBN 978-3-939701-26-2
Projekte

Im Bereich statistischer Datenanalyse führt Herr Skulschus als Berater und Projektleiter auch Projekte durch, bei denen Python zum Einsatz kommt oder mit individueller Software-Entwicklung in Java und .NET auf Datenbank-Basis Analyse- und Reporting-Lösungen entstehen.

Forschung

Er leitete ein mehrjähriges Forschungsprojekt zur Entwicklung eines Fragebogensystems mit ontologie-basiertem Datenmodell und innovativen Frage-Antwort-Darstellungen. Förderung durch das BMWi und Zusammenarbeit mit verschiedenen Universitäten.

IBM SPSS Statistics Multivariate Verfahren II Trainer