Центр статистического анализа - Статистический анализ данных: консалтинг, тренинги, обучение

Углубленные методы моделирования взаимосвязи в SPSS

Цель проведения тренинга "Углубленные методы моделирования взаимосвязи в IBM SPSS Statistics" - освоение методов моделирования взаимосвязи на базе широкого спектра линейных и нелинейных моделей. В курсе рассматривается модели регрессии с зависимыми и имеющими непостоянную дисперсию остатками, когда не применимы классические линейные модели регрессии. Кроме того рассматриваются модели для данных повторных измерений, с фиксированными и случайными эффектами, модели с зависимой переменной в различной шкале измерения с распределением, отличным от нормального распределения, а также модели с разными связующими функциями.

После обучения на тренинге Вы будете уметь:

  • Строить модели регрессии в случае нарушения предпосылок классической регрессии
  • Строить модели регрессии для данных повторных измерений
  • Строить модели регрессии с различным видом связующей функции
  • Строить модели регрессии для разных типов измерения зависимой переменной

Продолжительность тренинга: 2 дня с 10:00 до 17:00

Программа тренинга:

Тема 1. Обобщенные линейные модели

  • Предпосылки для построения обобщенной линейной модели
  • Общий вид обобщенной линейной модели
  • Функция плотности распределения вероятности
  • Функция распределения
  • Основные виды распределений зависимой переменной
  • Нормальное распределение
  • Обратное Гауссовское распределение
  • Биномиальное распределение
  • Распределение Пуассона
  • Гамма распределение
  • Отрицательное биномиальное распределение
  • Полиномиальное распределение
  • Выбор связывающей функции
  • Процедура Обобщенная линейная модель
  • Задание зависимой переменной и предикторов
  • Задание взаимодействия предикторов
  • Задание вложений предикторов
  • Методы оценки параметров обобщенной линейной модели
  • Задание вывода характеристик модели
  • Исследование различий между уровнями предикторов
  • Сохранение результатов
  • Экспорт модели и скоринг данных
  • Критерии качества подгонки модели
  • Проверка значимости влияния предикторов
  • Интерпретация параметров модели
  • Исследование остатков модели

Тема 2. Обобщенные уравнения оценки

  • Условия применения обобщенных уравнений оценки
  • Общий вид модели обобщенного уравнения оценки
  • Процедура Обобщенные уравнения оценки
  • Задание эффекта повторных измерений
  • Анализ структуры рабочей корреляционной матрицы
  • Задание предикторов в модели
  • Задание шкалы измерения зависимой переменной
  • Задание вида распределения зависимой переменной
  • Задание функции связи в модели
  • Задание взаимодействия предикторов
  • Задание вложений предикторов
  • Методы оценки параметров обобщенной линейной модели
  • Настройка параметров вывода
  • Попарные сравнения различий между уровнями предикторов
  • Сохранение результатов
  • Экспорт модели и скоринг данных
  • Результаты процедуры Обобщенные уравнения оценки

Тема 3. Смешанная линейная модель

  • Обобщенная линейная модель взаимосвязи
  • Требования к остаткам обобщенной линейной модели
  • Гетероскедастичность и автокоррелированость остатков
  • Ковариационная матрица остатков и анализ ее структуры
  • Процедура Смешанная линейная модель
  • Задание повторных измерений и структуры ковариационной матрицы
  • Задание зависимой переменной и предикторов
  • Настройка фиксированных эффектов
  • Настройка случайных эффектов
  • Выбор метода оценивания параметров модели
  • Настройка характеристик описания модели
  • Вывод попарных сравнений различий между уровнями предикторов
  • Параметры сохранения модели
  • Результаты процедуры Смешанная линейная модель
  • Информационные критерии качества модели

Тема 4. Обобщенная линейная смешанная модель

  • Условия и предпосылки построения модели
  • Процедура Обобщенная линейная смешанная модель
  • Задание структуры данных
  • Определение целевой переменной
  • Задание распределения целевой переменной
  • Задание связывающей функции
  • Настройка фиксированных эффектов
  • Настройка случайных эффектов
  • Задание весов и смещения
  • Настройка дополнительных параметров процедуры
  • Сравнение средних и контрастов
  • Сохранение результатов процедуры
  • Результаты процедуры Обобщенная линейная смешанная модель
  • Редактор моделей и работа с ним
  • Оценка качества подгонки модели
  • Анализ информации о структуре данных
  • График предсказанных значений и остатков
  • Таблица классификаций
  • Проверка значимости фиксированных эффектов
  • Интерпретация коэффициентов модели
  • Анализ случайных эффектов