Back To Top

Statistik - Multivariate Verfahren I

DruckansichtDruckansicht

  • Dauer:
    2 Tage
  • Zielgruppe:
    Information Workers
  • Vorkenntnisse:
    Allgemeine Kenntnisse der Mathematik
  • Methode:
    Vortrag mit Beispielen und Übungen.
  • Typ:
    Öffentliches Seminar / Inhouse
  • Kursnummer:
    1010237
  • Download
    Anmeldeformular | AGB | Info-Broschüre
Themen:
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 9 wichtige Verfahren der multivariaten Analysemethoden. Dies sind Cluster-, Conjoint-, Diskriminanz- und Faktorenanalyse, Kreuztabellierung und Kontingenzanalyse, Logistische Regression, Regressionsanalyse, Varianzanalyse und Zeitreihenanalyse.

Inhalte

A. Clusteranalyse

Wie können Objekte, die durch verschiedene Merkmale beschrieben sind, zu homogenen Gruppen zusammenfasst werden?

B. (Traditionelle) Conjoint-Analyse

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

C. Diskriminanzanalyse

Welche Variablen können gegebene Objektgruppen signifikant voneinander unterscheiden?

D. (Explorative) Faktorenanalyse

Wie können metrisch-skalierte Variablen zu hypothetischen Größen (Faktoren) zusammengefasst werden?

E. Kontingenzanalyse (Kreuztabellierung)

Besteht ein statistisch signifikanter Zusammenhang zwischen zwei nominal-skalierten Variablen?

F. Logistische Regression

Mit welcher Wahrscheinlichkeit können Objekte einer bestimmten Gruppe zugeordnet werden?

G. Regressionsanalyse

Wie stark ist der als linear unterstellte Zusammenhang zwischen metrisch-skalierten Variablen?

H. Varianzanalyse

Wie gut kann eine metrisch-skalierte abhängige Variable durch nominal skalierte unabhängige Variable erklärt werden?

I. Zeitreihenanalyse

Wie stark ist der Zusammenhang zwischen einer metrisch-skalierten abhängigen Variablen und metrisch-skalierten Zeitreihendaten?

Dozent:

Marco Skulschus studierte in Wuppertal und Paris Ökonomie mit Schwerpunkt Wirtschaftsinformatik und schloss mit einer Diplom-Arbeit zur semantischen Datenmodellierung ab und arbeitet schon seit mehr als 10 Jahren als Dozent.

Buch-Veröffentlichungen:

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.

Forschung: Er leitet 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.

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

Weitere Informationen:

Comelio_Skulschus_BWL und Software_Grundlagen empirische Sozialforschung Comelio_Skulschus_BWL und Software_System und Systematik von Fragebögen Comelio_Skulschus_MS SQL Server_SQL Server 2005 1 Comelio_Skulschus_Oracle_PLSQL Objekte und obejktrelationale Techniken Microsoft Certified Trainer Skulschus Oracle Certified Associate