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.

Zum Bücherkatalog

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

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