Statistik - Multivariate Verfahren I (1010237)

Druckansicht
  • Dauer:
    2 Tage
  • Zielgruppe:
    Information Workers
  • Vorkenntnisse:
    Allgemeine Kenntnisse der Mathematik
  • Methode:
    Vortrag mit Beispielen und Übungen.
  • Typ:
    Öffentliches Seminar / Inhouse
  • 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:
Dr. Ralf Klinkenberg studierte Informatik an der Universität Dortmund, war dort von 1998 bis 2003 wissenschaftlicher Mitarbeiter und dann Doktorand am Lehrstuhl für Künstliche Intelligenz. Seine Interessen liegen im Bereich des maschinellen Lernens, des Data Mining und der Wissensentdeckung (Knowledge Discovery). Er arbeitet heute als Berater für Fragestellung aus den Bereichen Data Mining und Data Warehousing. Zu seinen zahlreichen wissenchaftlichen Veröffentlichungen gehört eine Reihe von Aufsätzen in wissenschaftlichen Magazinen zu den Themen Data Mining und Datenauswertung.
Marco Skulschus studierte Ökonomie in Wuppertal und Paris. Er arbeitet als Berater und Projektleiter in Data Warehousing- und Data Mining-Projekten für Unternehmen und staatliche Organisationen. Zu seinen Veröffentlichungen im Bereich empirische Sozialforschung gehört eine dreibändige Reihe zu Fragebogen-Systemen und innovativen mehrdimensionalen Frage-/Antwort-Darstellungen wie "Grundlagen empirische Sozialforschung, Befragung und Fragebogen im Unternehmen" (ISBN 978-3-939701-23-1).