Statistik - Regressionsanalyse mit R

• Dauer:
  3 Tage
• Lieferart:
  Classroom
• Zielgruppe:
  Information Workers
• Vorkenntnisse:
  Grundlagen der Statistik
• Methode:
  Vortrag mit Beispielen und Übungen.
• Kursnummer:
  2022781
• 
  Themen:
  Regressionsanalysen sind statistische Analyseverfahren mit dem Ziel, Beziehungen zwischen einer abhängigen und einer oder mehreren unabhängigen Variablen festzustellen. Sie wird insbesondere verwendet, wenn Zusammenhänge quantitativ zu beschreiben oder Werte der abhängigen Variablen zu prognostizieren sind. Mit R stehen eine Vielzahl von Analysemöglichkeiten bereit. Dieses Seminar zeigt Ihnen ausgehend von der einfachen linearen Regression, wie Sie lineare und nichtlineare Regressionsmodelle mit mehreren Variablen ableiten und für Prognose nutzen können. Neben metrischen Zielvariablen sehen Sie auch, wie Sie mit logistischer Regression die Vorhersage von kategorialen Zielgrößen modellieren können. Das Seminar geht dann zusätzlich auch auf nichtparametrische Regression ein.

Regression als Deskription - Regressionsgerade - Bestimmtheitsmaß - Schätzen und Testen im einfachen lineare Regressionsmodell: Konfidenzintervalle, Prognoseintervalle, Tests - Residualanalyse

Das klassische lineare Regressionsmodell: Parameterschätzung, Tests, Konfidenz- und Prognoseintervalle, Variablenselektion, Modell-Check - Das allgemeine lineare Regressionsmodell: KQ- und GKQ-Schätzung, Heteroskedastische Störungen, Clusterweise Regression - Multivariate multiple Regression: Das multivariate lineare Modell, Parameterschätzung

Hauptkomponentenregression - Partial Least Squares-Regression - Reduzierte Rang-Regression

Formen nichtlinearer Abhängigkeiten - Linearisierbare Zusammenhänge - Polynomiale Regressionsmodelle - Inferenzmethoden

Kernregression und Nächste-Nachbarn - Lokale polynomiale Glättung - Spline-Regression - Additive Modelle - Regressionsbäume

Quantilsfunktion - Regressionsquantile - Parameterschätzung

Binomialverteilte Zielgrößen und ihre Modellschätzung - Logitmodelle für mehrkategoriale Zielgrößen - Schätzen und Testen für mehrkategoriale Modelle

Marco Skulschus studierte in Wuppertal und Paris Ökonomie mit Schwerpunkt Wirtschaftsinformatik und arbeitet schon seit mehr als 10 Jahren als Dozent und Projektleiter/Berater für Business Intelligence.

Veröffentlichungen

• "MS SQL Server - XML und SOAP-Webservices" (Comelio Medien, ISBN 978-3-939701-03-3)
• "MS SQL Server - T-SQL Programmierung und Abfragen" (Comelio Medien, ISBN 978-3-939701-02-6)
• "SQL und relationale Datenbanken" (Comelio Medien, ISBN 978-3-939701-52-1)
• "Grundlagen empirische Sozialforschung - Befragung und Fragebogen im Unternehmen" (Comelio Medien, ISBN 978-3-939701-23-1)
• "System und Systematik von Fragebögen" (Comelio Medien, ISBN 978-3-939701-26-2)

Erfahrung: Als Berater und Projektleiter konzipiert Herr Skulschus Business Intelligence-Systeme auf Basis von OLAP und Data Warehouse-Technologien mit Berichtskomponenten, statistische Analysen und Data Mining-Modulen. Zu seinen größten Projekten zählt die Entwicklung eines Data Warehouses für den Deutschen Bundesrat mit deutschen Steuerdaten für Analysen und Prognosen.

Projekte: Als Berater und Projektleiter konzipiert Herr Skulschus Business Intelligence-Systeme auf Basis von OLAP und Data Warehouse-Technologien mit Berichtskomponenten, statistische Analysen und Data Mining-Modulen. Zu seinen größten Projekten zählt die Entwicklung eines Data Warehouses für den Deutschen Bundesrat mit deutschen Steuerdaten für Analysen und Prognosen.

Zertifizierung: Marco Skulschus ist zertifiziert als "Microsoft Certified Trainer", "Microsoft Certified Application Designer" und hat die ComptiaCTT+-Prüfung absolviert.

Bei der Anmeldung von mehreren Teilnehmern bieten wir Ihnen attraktive Rabatte an. Ab drei Teilnehmern kann sich ein Inhouse-Seminar bei Ihnen lohnen. Gern erstellen wir Ihnen ein individuelles Angebot.
Alle Preise zuzüglich der gesetzlichen Mehrwertsteuer.