IBM SPSS Statistics - Zeitreihenanalyse

Details

ID 1252617
Dauer 2.0 Tage
Methoden Vortrag mit Beispielen und Übungen.
Vorwissen Allgemeine Kenntnisse der Mathematik
Zielgruppe Datenanalysten

Ziele

Zeitreihen mit IBM SPSS Statistics beschreiben
Beschreiben Sie die innere Struktur von Zeitreihen
Zeitreihen glätten und interpolieren
Glätten Sie Zeitreihen und nutzen Sie die Glättung für Prognosen
Deterministische Modelle aufbauen
Nutzen Sie die Regressionsanalyse, um ein Modell für eine Zeitreihen zu bauen
ARIMA-Modelle erstellen
Verwenden Sie autoregressive Modelle für komplexe Zeitreihenanalyse

Übersicht

Eine Zeitreihe ist eine zeitabhängige Folge von Datenpunkten. Typische Beispiele für Zeitreihen sind makroökonomische Größen, marktbezogene Daten sowie auch technische Messdaten. Die Zeitreihenanalyse beschäftigt sich mit der mathematisch-statistischen Analyse von Zeitreihen und der Vorhersage ihrer künftigen Entwicklung. Sie ist eine Spezialform der Regressionsanalyse. Das Zeitreihenanalyse-Seminar mit IBM SPSS Statistics zeigt eine Auswahl an Methoden, Zeitreihenanalysen durchzuführen. Im ersten Teil lernen Sie, wie Sie eine Zeitreihe beschreiben und in zentralen Kenngrößen zusammenfassen können. Der zweite Teil stellt die univariate Zeitreihenanalyse vor. Sie beinhaltet die Zerlegung einer Zeitreihe sowie die Ableitung von (autoregressiven) Regressionsmodellen mit ARIMA-Modellen.

Termine

OPEN
INHOUSE

Zurzeit stehen keine offenen Termine zur Verfügung. Nutzen Sie alternativ die Inhouse‑Option.

Lernen Sie anhand maßgeschneiderter Beispiele und Inhalte – passgenau für Ihre Anforderungen.

Ihre Vorteile im Überblick

  • Flexibles Wunschdatum
  • Maßgeschneiderte Inhalte
  • Intensiver Austausch
  • Hoher Praxisbezug

Comelio Medien

Noch auf der Suche nach weiterführender Literatur? Entdecken Sie passende Fachbücher in unserem Katalog.

Themen

  • Zeitreihen mit IBM SPSS Statistics strukturiert beschreiben und darstellen
  • Einfache Modelle durch Glättung und Interpolation aufbauen
  • Deterministische Modelle für Erklärung und Prognose entwickeln
  • ARIMA-Modelle bestimmen und nutzen

Beschreibung

Nutzen Sie IBM SPSS Statistics, um Zeitreihen zu beschreiben und zu verarbeiten sowie mit Kompponentenmodellen und ARIMA zu modellieren.

Services

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

Inhalt

Arbeiten mit Zeitreihen in IBM SPSS Statistics
Definieren und transformieren (Filter, Aggregation) von Zeitreihen-Daten in IBM SPSS Statistics - Schätz- und Validierungsperioden - Diagramme für Zeitreihen
Univariate Beschreibung von Zeitreihen
- Glättung von Zeitreihen: Gleitende Durchschnitte, exponentielles Glätten, Holt-Winters-Methode - Transformation von Zeitreihen durch Filter – Differenzen erster und zweiter Ordnung
Zerlegung von Zeitreihen durch deterministische Modelle
Prozedur "Saisonale Zerlegung" - Komponentenmodelle: additiv und multiplikativ - Saisonale Strukturen bei Zeitreihen: Trend, Saisonbereinigung und Ableitung der Saisonfigur, Prognose und Residualanalyse - Temporale kausale Modelle - Lineare, parabolische, logistische, exponentielle Anpassung und Regression von Zeitreihen – Polynome - Gütemaße
Periodizitäten bei Zeitreihen
Prozedur "Spektraldiagramme" - Trigonometrische Funktionen und ihre Bedeutung für periodische Trends – Perioden und Frequenzen - Periodogramm: Ableitung und Interpretation – Regressionsmodelle mit periodischen Schwingungen – Spektren und Spektralschätzung von Zeitreihen
Univariate lineare Zeitreihenmodelle mit ARIMA
Schätzung der Momentfunktionen (Erwartungswert, Auto-Kovarianz) - Auto-Korrelation: Lag-Operator, Erstellung und Interpretation des Korrelogramms - Stationarität bei Zeitreihen – White Noise-Prozesse - AR (Autoregressive)- Modelle - MA (Moving Average)-Modelle - ARMA und ARIMA-Modelle – Prognose - Residualanalyse – Statistische Tests bei linearen Zeitreihenmodellen – Gütemaße und Modellauswahl

Dozent/in