Data Science / Statistik / R Foundation / R / Multivariate Verfahren mit R

R - Multivariate Verfahren mit R

ID	1252623
Klassenraum	3 Tage 9:00-16:30
Webinar	5 Tage 9:00-12:30
Methode	Vortrag mit Beispielen und Übungen.
Vorwissen	Grundlagen der Statistik
Zielgruppe	Datenanalysten

Metrische Daten mit Regressionsanalyse und Diskriminanzanalyse in R analysieren
Kategoriale Daten mit Kontingenzanalyse, ANOVA und Logistische Regression in R analysieren
Faktorenanalyse und Clusteranalyse in R nutzen
Daten in R und RStudio verarbeiten und visualisieren
Analysen in RCommander, FactoMineR und R Data Miner (Rattle) durchführen

Multivariate Daten beschreiben: Komplexe Datensätze darstellen und analysieren
Strukturen entdecken: Cluster und Faktoren mit entdecken
Kategoriale Daten analysieren: ANOVA und Logistische Regression in R nutzen
Metrische Daten analysieren: Nutzen Sie die Regressionanalyse und erstellen Sie lineare Modelle
Werkzeuge kennenlernen: R, RStudio, FactoMineR, RCommander und R Data Miner (Rattle)

Beschreibung

Nutzen Sie fortgeschrittene statistische Techniken, um in R statistische Modelle zu entwickeln, Zusammenhänge aufzudecken und wichtige Variablen zu finden.

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

R Multivariate Verfahren mit R Training Mit 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 und damit ihre Abhängigkeitsstruktur. Multivariate Verfahren lassen sich gliedern in "Strukturprüfende Verfahren" und "Strukturentdeckende Verfahren". Das Seminar behandelt 7 wichtige Verfahren der multivariaten Analysemethoden. Dies sind Cluster-, Diskriminanz- und Explorative Faktorenanalyse, Kreuztabellierung und Kontingenzanalyse, Logistische Regression, Regressionsanalyse und Varianzanalyse. Sie lernen, multivariate Analysen in R und RStudio und auch mit RCommander und R Data Miner (Rattle) durchführen.

Termine

Wir überarbeiten gerade unsere Webseite und die Seminare. Neue Termine gibt es erst ab 2025. Wir bieten dieses Seminar weiterhin als Inhouse-Seminar für Sie und Ihr Team an.

Inhalt

Multiple Regressionsanalyse

Wie stark ist der als linear unterstellte Zusammenhang zwischen metrisch-skalierten Variablen? – Modellformulierung – Schätzung der Regressionsfunktion – Prüfung der Regressionsfunktion – Prüfung der Regressionskoeffizienten – Prüfung der Modellprämissen

Kontingenzanalyse (Kreuztabellierung)

Besteht ein statistisch signifikanter Zusammenhang zwischen zwei nominal-skalierten Variablen? – Erstellung der Kreuztabelle – Ergebnisinterpretation – Prüfung der Zusammenhänge

Varianzanalyse (ANOVA)

Wie gut kann eine metrisch-skalierte abhängige Variable durch eine nominal skalierte unabhängige Variable erklärt werden? – Problemformulierung – Analyse der Abweichungsquadrate – Prüfung der statistischen Unabhängigkeit

Logistische Regression

Mit welcher Wahrscheinlichkeit können Objekte einer bestimmten Gruppe zugeordnet werden? – Modellformulierung – Schätzung der logistischen Regressionsfunktion – Interpretation der Regressionskoeffizienten – Prüfung des Gesamtmodells – Prüfung der Merkmalsvariablen

Diskriminanzanalyse

Welche Variablen können gegebene Objektgruppen signifikant voneinander unterscheiden? – Definition der Gruppen – Formulierung, Schätzung und Prüfung der Diskriminanzfunktion – Prüfung der Merkmalsvariablen – Klassifikation neuer Elemente

Explorative Faktorenanalyse

Wie können metrisch-skalierte Variablen zu hypothetischen Größen (Faktoren) zusammengefasst werden? – Variablenauswahl und Korrelationsmatrix – Extraktion der Faktoren – Bestimmung der Kommunalitäten – Zahl der Faktoren – Faktorinterpretation – Bestimmung der Faktorenwerte

Clusteranalyse

Wie können Objekte, die durch verschiedene Merkmale beschrieben sind, zu homogenen Gruppen zusammenfasst werden? – Bestimmung der Ähnlichkeiten – Auswahl des Fusionsalgorithmus – Bestimmung der Clusteranzahl

Dozent/in

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.