R - Explorative Analysen mit R

• Details
• Themen
• Ziele

Beschreibung

Nutzen Sie verschiedene Verfahren, um wichtige Variablen zu entdecken, Variablen zu Faktoren zusammenzufassen und Unterschiede und Gemeinsamkeiten in Ihren Daten zu entdecken.

Spezial

Sie erhalten das von Ihrem Dozenten Marco Skulschus veröffentlichte Fachbuch.

Services

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

Übersicht

Die explorative Datenanalyse ist ein Teilgebiet der Statistik. Sie untersucht und begutachtet Daten, von denen nur ein geringes Wissen über deren Zusammenhänge vorliegt. Dieses Seminar stellt zunächst vier wesentliche Methoden der multivariaten explorativen Analyse vor: die Hauptkomponentenanalyse (Principal Component Analysis, PCA) für quantitative Variablen, die Korrespondenzanalyse (Correspondence Analysis, CA) und die multiple Korrespondenzanalyse (Multiple Correspondence Analysis, MCA) für kategoriale Variablen und schließlich die (hierarchische) Cluster-Analyse. Als übergeordnete Methode für PCA und M/CA lernen die Teilnehmer dann die Multiple Faktorenanalyse (Multiple Factor Analysis, MFA) kennen. Ausgehend von der geometrischen Betrachtung der Daten zeigt dieses Seminar die verschiedenen Analysetechniken in ihren Grundzügen, weist auf Möglichkeiten hin, Daten bzw. Objekte zu visualisieren und Zusammenhänge in den Daten aufzuzeigen. Die praktischen Beispiele erfolgen mit R und dem FactoMineR, einem speziellen R-Paket für die explorative Datenanalyse.

Inhalt

Hauptkomponentenanalyse

Einführung in die Hauptkomponentenalyse / Principal Component Analysis (PCA) - Analysefragen: Individuen, Variablen und Beziehungen - Ableitung der Komponenten und Test auf Signifikanz - Erweiterte Analyse mit zusätzlichen quantitativen und kategorialen Variablen - Durchführung der Analyse mit R und FactorMineR

Korrespondenzanalyse

Einführung in die Korrespondenzanalyse / Correspondence Analysis (CA) - Zielsetzungen der Analyse - Abhängigkeit und Unabhängigkeit - Daten (Reihen und Spalten) und ihre Profile analysieren und Ergebnisse interpretieren - Durchführung der Analyse mit R und FactorMineR

Multiple Korrespondenzanalyse

Einführung in die Multiple Korrespondenzanalyse / Multiple Correspondence Analysis (MCA) - Zielsetzungen der Analyse - Distanzmaße für Individuen und Kategorien und ihre Interpretation - Interpretation der Ergebnisse - Durchführung der Analyse mit R und FactorMineR

Clustering

Einführung in die Clusteranalyse - Messen der Ähnlichkeit von Individuen und Gruppen - Techniken der Clusteranalyse: Der k-Means Algorithmus und die Ward Methode - Partitionierende und hierarchische Verfahren - Clustering und Hauptkomponentenalyse - Interpretation der Ergebnisse - Durchführung der Analyse mit R und FactorMineR

Multiple Faktorenanalyse

Einführung in die Multiple Faktorenanalyse / Multiple Factor Analysis (MFA)- Techniken der MFA: Gewichtungen von Variablen(gruppen), Faktoren und ihre Bedeutung für alle oder einzelne Variablengruppen, Vergleiche von Variablengruppen, Hierarchische Strukturen - Durchführung der Analyse mit R und FactorMineR