Data Science / Statistik / Statistik / Multivariate Verfahren II

Statistik - Multivariate Verfahren II



ID 1252624
Klassenraum 3 Tage
Webinar 5 Tage
Methode Vortrag mit Beispielen und Übungen.
Vorwissen Allgemeine Kenntnisse der Mathematik
Zielgruppe Datenanalysten


  • Nutzen und Präferenzen über die Conjoint-Analyse ableiten
  • Faktoren in Daten erkennen und bestätigen
  • Latente und manifeste Variablen über Strukturgleichungsmodelle erklären
  • Nichtlineare Regression durchführen
  • Cluster-Analyse für Segmentierung von Daten nutzen
  • Künstliche Neuronale Netze erstellen


Nutzen und Präferenzen analysieren
Analysieren Sie Kundenvorstellungen mit der Conjoint-Analyse ableiten
Modelle für nichtlineare Regression aufbauen
Bauen Sie analytische Modelle für Polynome oder andere nichtlineare Formen
Komplexe Vorhersagen und Klassifikationen durchführen
Nutzen Sie Künstliche Neuronale Netze für Lernverfahren
Analysieren Sie kategoriale Daten
Visualisieren und bewerten Sie Kreuztabellen mit der Korrespondenzanalyse



Setzen Sie verschiedene vor allen Dingen im Marketing geeignete multivariate Methoden für die Datenanalyse ein.



Setzen Sie verschiedene vor allen Dingen im Marketing geeignete multivariate Methoden für die Datenanalyse ein.

Services:

  • Mittagessen / Catering
  • Hilfe bei Hotel / Anreise
  • Comelio-Zertifikat
  • Flexibel: Bis 10 Tage vorher kostenlos stornieren

Übersicht

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, ihre Abhängigkeitsstruktur. Multivariate Verfahren lassen sich gliedern in "Strukturprüfende Verfahren" und "Strukturentdeckende Verfahren". Das Seminar behandelt 7 wichtige Verfahren der multivariaten Analysemethoden. Dies sind Auswahlbasierte Conjoint-Analyse, Konfirmatorische Faktorenanalyse, Korrespondenzanalyse, Multidimensionale Skalierung, Neuronale Netze, Nichtlineare Regression und Strukturgleichungsmodelle. Die Themen werden anhand von Vorträgen eingeführt und dann anhand von praktischen Übungen durchgeführt. Als Software werden MS Excel und SPSS, Clementine und AMOS vorgestellt. Nach dem Seminar sind Sie in der Lage, die Verfahren und ihre Ergebnisse zu verstehen und für eigene Daten anwenden zu können.

Termine

  • 2020-Nov-09 - Nov-11
  • 2021-Jan-18 - Jan-20
  • 2021-Mar-29 - Mar-31
  • 2021-Jun-07 - Jun-09

1450 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Nov-09 - Nov-11
  • 2021-Jan-18 - Jan-20
  • 2021-Mar-29 - Mar-31
  • 2021-Jun-07 - Jun-09

1500 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Nov-09 - Nov-11
  • 2021-Jan-18 - Jan-20
  • 2021-Mar-29 - Mar-31
  • 2021-Jun-07 - Jun-09

1500 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Nov-09 - Nov-11
  • 2021-Jan-18 - Jan-20
  • 2021-Mar-29 - Mar-31
  • 2021-Jun-07 - Jun-09

1500 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Nov-02 - Nov-04
  • 2021-Jan-11 - Jan-13
  • 2021-Mar-22 - Mar-24
  • 2021-May-31 - Jun-02

1500 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Oct-26 - Oct-28
  • 2021-Jan-04 - Jan-06
  • 2021-Mar-15 - Mar-17
  • 2021-May-24 - May-26

1500 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Nov-02 - Nov-04
  • 2021-Jan-11 - Jan-13
  • 2021-Mar-22 - Mar-24
  • 2021-May-31 - Jun-02

1480 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Nov-02 - Nov-04
  • 2021-Jan-11 - Jan-13
  • 2021-Mar-22 - Mar-24
  • 2021-May-31 - Jun-02

1550 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Oct-26 - Oct-30
  • 2021-Jan-04 - Jan-08
  • 2021-Mar-15 - Mar-19
  • 2021-May-24 - May-28

950 EUR zzgl. MwSt.

Standort | Anmeldung


Inhalt

Nicht-lineare Regression

Wie lässt sich der nicht-lineare Zusammenhang zwischen Variablen formalisieren? – Funktionsauswahl und Modellspezifikation – Parameterschätzung – Prüfung des Modells - Beurteilung der Schätzergebnisse

Konfirmatorische Faktorenanalyse

Kann ein vermuteter Zusammenhang zwischen latenten Variablen (hypothetischen Konstrukten und beobachteten Indikatorvariablen) empirisch bestätigt werden? – Modellformulierung – Pfaddiagramm und Modellspezifikation – Identifikation der Modellstruktur – Parameterschätzung – Beurteilung der Schätzergebnisse

Strukturgleichungsmodelle

Wie stark ist der Zusammenhang zwischen latenten Variablen (hypothetischen Konstrukten), die sich einer direkten Messbarkeit entziehen? – Hypothesenbildung – Pfaddiagramm und Modellspezifikation – Identifikation der Modellstruktur – Parameterschätzung – Beurteilung der Schätzergebnisse

Traditionelle Conjoint-Analyse

Welchen Nutzenbeitrag liefern die verschiedenen Beschreibungsmerkmale eines Objektes zu dessen Präferenzstellung im Vergleich zu anderen Objekten?

Auswahlbasierte Conjoint-Analyse

Wie kann für eine Person die Auswahlentscheidung unter verschiedenen Objekten abgebildet werden?

Neuronale Netze

Wie können aufgrund von Erfahrungsdaten (Lerndaten) Gruppen gebildet oder unterschieden werden sowie nicht-lineare Zusammenhänge zwischen Variablen entdeckt werden? – Problemstrukturierung und Netztypauswahl – Festlegung der Netztopologie – Informationsverarbeitung in den Neuronen – Trainieren des Netzes – Anwendung des trainierten Netzes

Korrespondenzanalyse

Wie können Kreuztabellen visualisiert werden? – Standardisierung der Daten – Extraktion der Dimensionen – Normalisierung der Koordinaten - Interpretation

Dozent/in

Unser Python-Trainer Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Berater und auch Fachbuch-Autor zum Thema Datenbanken, statistische Datenanalyse, Data Mining und Python. Er unterrichtet deskriptive und induktive Statistik, multivariate Verfahren und Data Mining für die Bereiche Controlling und Marketing bzw. Marktforschung.

Veröffentlichungen
  • Grundlagen empirische Sozialforschung ISBN 978-3-939701-23-1
  • System und Systematik von Fragebögen ISBN 978-3-939701-26-2
Projekte

Im Bereich statistischer Datenanalyse führt Herr Skulschus als Berater und Projektleiter auch Projekte durch, bei denen Python zum Einsatz kommt oder mit individueller Software-Entwicklung in Java und .NET auf Datenbank-Basis Analyse- und Reporting-Lösungen entstehen.

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.