Data Science / Statistik / IBM / IBM SPSS Statistics / Zeitreihenanalyse

IBM SPSS Statistics - Zeitreihenanalyse



ID 1252617
Klassenraum 2 Tage 9:00-16:30
Webinar 4 Tage 9:00-12:30
Methode Vortrag mit Beispielen und Übungen.
Vorwissen Allgemeine Kenntnisse der Mathematik
Zielgruppe Datenanalysten


  • 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


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


IBM SPSS Statistics Zeitreihenanalyse Training

Beschreibung

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



Spezial

Zeitreihen-Daten mit IBM SPSS Statistics erfolgreich analysieren und prognostizieren lernen



IBM SPSS Statistics Zeitreihenanalyse Training

Services

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

Übersicht

IBM SPSS Statistics Zeitreihenanalyse TrainingEine 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

  • 2022-Jun-09 - Jun-10
  • 2022-Aug-18 - Aug-19

1150 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2022-Jun-02 - Jun-03
  • 2022-Aug-11 - Aug-12

1200 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2022-Jun-09 - Jun-10
  • 2022-Aug-18 - Aug-19

1200 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2022-Jun-09 - Jun-10
  • 2022-Aug-18 - Aug-19

1200 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2022-Jun-02 - Jun-03
  • 2022-Aug-11 - Aug-12

1200 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2022-May-26 - May-27
  • 2022-Aug-04 - Aug-05

1200 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2022-Jun-02 - Jun-03
  • 2022-Aug-11 - Aug-12

1180 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2022-Jun-02 - Jun-03
  • 2022-Aug-11 - Aug-12

1250 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2022-May-23 - May-26
  • 2022-Aug-01 - Aug-04

650 EUR zzgl. MwSt.

Standort | Anmeldung


Inhalt

IBM SPSS Statistics Zeitreihenanalyse Seminar
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

IBM SPSS Statistics Zeitreihenanalyse Trainer

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 ISBN 978-3-939701-23-1
  • System und Systematik von Fragebögen ISBN 978-3-939701-26-2
  • Oracle SQL ISBN 978-3-939701-41-5
  • SQL Server 2012: Data Mining und multivariate Verfahren ISBN 978-3-939701-85-9
  • SQL und relationale Datenbanken ISBN 978-3-939701-52-1
Projekte

Als Berater und Projektleiter konzipiert Herr Skulschus Business Intelligence-Systeme auf Basis von OLAP und Data Warehouse-Technologien mit MS SQL Server und Oracle mit Berichtskomponenten im Intranet oder MS Excel, statistische Analysen und Data Mining-Modulen. Je nach Aufgabe setzt er R, IBM SPSS oder Minitab ein.

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 Zeitreihenanalyse Trainer