Praktyczne zastosowania technik regresyjnych w Statistica

Jednym z głównych celów badań jest ilościowy opis powiązań pomiędzy zjawiskami i wywołującymi je czynnikami. Szkolenie jest poświęcone omówieniu statystycznych metod modelowania tego typu powiązań. Dla ilustracji prezentowanych metod wykorzystywane są zbiory danych z różnych dziedzin badań. Uczestnicy szkolenia na konkretnych przykładach poznają m.in. zagadnienia: analizy korelacji, liniowy model regresji prostej, regresji wielorakiej, regresji nieliniowej i modele dla zmiennej zależnej jakościowej.

Dla kogo?

Dla osób zainteresowanych statystycznym modelowaniem powiązań pomiędzy występowaniem bądź nasileniem określonych zjawisk oraz powodującymi je czynnikami. Dla początkujących i bardziej zaawansowanych badaczy z różnych dziedzin badań empirycznych.

Co zyskasz?

• Nauczysz się formułować problemy badawcze w języku modelownia statystycznego
• Uzyskasz lub usystematyzujesz wiedzę o modelowaniu współzależności pomiędzy zmiennymi
• Nauczysz się samodzielnie wybierać odpowiednie techniki modelowania współzależności zjawisk
• Nauczysz się definiowania analizy i jej przeprowadzania w programie Statistica
• Poznasz poprawny sposób interpretacji wyników modelowania

Program szkolenia

1. Wprowadzenie do problematyki modelowania statystycznego
   • Zależności typu funkcyjnego i stochastycznego
   • Modelowanie statystyczne
   • Kryteria wyboru modelu
   • Elementy analizy korelacyjnej
   • Obserwacje nietypowe
   • Ostrożność przy interpretacji wartości współczynnika korelacji przy skrajnie odstających danych
2. Analiza regresji liniowej prostej
   • Model regresji liniowej prostej
   • Standardowe założenia modelu regresji liniowej
   • Analiza reszt i sprawdzanie założeń
   • Tworzenie prognoz
3. Inne analizy z wykorzystaniem regresji liniowej prostej
   • Regresja prosta w grupach
   • Segmentowy model regresji liniowej prostej
4. Analiza regresji liniowej wielorakiej
   • Model regresji liniowej wielorakiej
   • Metody doboru zmiennych objaśniających
   • Jakościowe zmienne niezależne w modelu
   • Przykład zastosowania analizy regresji do modelowania sprzedaży
5. Regresja nieparametryczna dla zmiennej ilościowej
   • Metoda MARS (Multivariate Adaptive Regression Splines)
6. Modelowanie zależności nieliniowych
   • Przykłady zastosowań wybranych modeli nieliniowych
7. Modele dla zmiennej zależnej jakościowej
   • Przypadek jednej zmiennej niezależnej ilościowej
   • Przypadek wielu zmiennych niezależnych ilościowych i jakościowych
8. Regresja nieparametryczna dla zmiennej zależnej jakościowej
   • Metoda drzew klasyfikacyjnych