Analizy wielowymiarowe

Podczas kursu zaprezentowane zostaną najpopularniejsze metody wielowymiarowe, które znajdują zastosowanie w analizie zjawisk złożonych, opisanych za pomocą dużej liczby zmiennych. Uczestnicy poznają bardziej zaawansowane techniki takie jak:

• regresja wieloraka
• analiza skupień
• analiza składowych głównych (PCA),
• najefektywniejsze i najefektowniejsze sposoby graficznej prezentacji danych wielowymiarowych

Dla kogo?

Dla wszystkich, których przedmiotem zainteresowania są zjawiska złożone, np. w medycynie, badaniach rynkowych i marketingowych, psychologii, naukach przyrodniczych.

Efekty szkolenia:

• Poznasz najczęściej wykorzystywane techniki do analizy danych wielowymiarowych
• Dowiesz się jak wydobyć kluczowe informacje ukryte w danych
• Nauczysz się, jak w sposób efektowny i efektywny przedstawiać dane wielowymiarowe w formie graficznej
• Samodzielnie wybierzesz najlepszy zbiór zmiennych objaśniających i zbudujesz model opisujący interesujące Cię zjawisko
• Zobaczysz, jak badać zależności pomiędzy dwoma zbiorami zmiennych
• Dowiesz się, jak zredukować wymiar danych i jak grupować obiekty do siebie podobne
• Dostaniesz praktyczne wskazówki dotyczące interpretacji uzyskanych wyników
• Zdobędziesz podstawy do rozwijania umiejętności analitycznych w każdej branży
• Pogłębisz swoją wiedzę w zakresie obsługi i funkcjonalności programu Statistica

Program szkolenia

1. Wprowadzenie
   • Skale pomiaru zjawisk
   • Wielowymiarowa zmienna losowa
2. Różne metody graficznej prezentacji danych wielowymiarowych
3. Analiza regresji wielorakiej
   • Model regresji liniowej wielorakiej
   • Metody doboru zmiennych objaśniających (krokowa postępująca, wsteczna)
4. Analiza korelacji kanonicznych
5. Analiza składowych głównych
   • Idea, postać modelu, zastosowania
   • Techniki wyboru odpowiedniej liczby składowych
   • Omówienie wyników analizy na przykładzie
   • Interpretacja
   • Analiza regresji na składowych głównych
6. Eksploracyjna analiza czynnikowa (EFA)
   • Omówienie metody, postać modelu
   • Metody wyodrębniania czynników
   • Rotacja czynników
   • Interpretacja
   • Różnica pomiędzy EFA a PCA
7. Skalowanie wielowymiarowe
8. Porządkowanie liniowe
   • Identyfikacja charakteru zmiennych
   • Doprowadzenie danych do porównywalności; normalizacja i standaryzacja zmiennych
   • Porządkowanie obiektów wielowymiarowych
9. Analiza skupień
   • Idea analizy, opis, zastosowania
   • Miary odległości
   • Metody aglomeracyjne
   • Metoda k-średnich
   • Dobór odpowiedniej liczby skupień