Моделирование взаимосвязи в SPSS
Цель проведения тренинга "Моделирование взаимосвязи в IBM SPSS Statistics" – освоение сложных методов аналитической статистики, используемых при изучении взаимосвязи. На тренинге подробно разбираются возможные методы изучения взаимосвязи, выбираемых в зависимости от уровня измерений исходных статистических данных. Разбираются модели дисперсионного, регрессионного и ковариационного анализа.
После обучения на тренинге Вы будете уметь:
- Строить однофакторные и многофакторные дисперсионные модели
- Строить многомерные дисперсионые модели, дисперсионные модели с повторными измерениями
- Строить парные и множественные линейные модели регрессии
- Строить нелинейные модели регрессии
- Строить модели бинарного выбора: логистической регрессии и пробит-модель
- Строить модели множественного выбора
- Строить модели порядковой регрессии
Продолжительность тренинга: 5 дней с 10:00 до 17:00
Программа тренинга:
Часть 1. Модели дисперсионного анализа
Тема 1. Однофакторный дисперсионный анализ
- Анализ взаимосвязи на основе дисперсии
- Модели дисперсионного анализа
- Предпосылки применения дисперсионного анализа
- Проверка предпосылок дисперсионного анализа
- Матрица данных однофакторного дисперсионного анализа
- Модель однофакторного дисперсионного анализа
- Таблица однофакторного дисперсионного анализа
- Оценка степени влияния фактора
- Процедура Однофакторный дисперсионный анализ
- Параметры процедуры Однофакторный дисперсионный анализ
- Апостериорные критерии парных сравнений
- Априорные критерии парных сравнений
Тема 2. Многофакторный дисперсионный анализ
- Общая линейная модель взаимосвязи
- Дисперсионный анализ с двумя и более факторами
- Процедура ОЛМ-одномерная
- Графическая интерпретация взаимодействий в дисперсионном анализе
- Параметры процедуры ОЛМ-одномерная
- Апостериорные критерии парных сравнений
- Анализ контрастов
- Настройка многофакторной модели
- Характеристики точности дисперсионной модели
- Понятие о ковариационном анализе
Тема 3. Многомерный дисперсионный анализ
- Многомерный дисперсионный анализ
- Процедура ОЛМ-многомерная
- Настройка параметров процедуры ОЛМ-многомерная
- Основные результаты многомерного дисперсионного анализа
- Дисперсионный анализ с повторными измерениями
- Процедура ОЛМ-повторные измерения
- Настройка параметров процедуры ОЛМ-повторные измерения
Тема 4. Дисперсионый анализ со случайными эффектами
- Модель дисперсионного анализа со случайными факторами
- Предпосылки дисперсионного анализа со случайными эффектами
- Методы оценки компонент дисперсии
- Процедура Компоненты дисперсии
- Задание эффектов и их взаимодействия в модели
- Настройка параметров процедуры Компоненты дисперсии
- Результаты процедуры Компоненты дисперсии
Часть 2. Модели регрессионного анализа
Тема 5. Линейный регрессионный анализ
- Основные понятия регрессионного анализа
- Предпосылки линейного регрессионного анализа
- Парная и множественная линейная модель регрессии
- Оценка коэффициентов регрессии
- Проверка обоснованности модели регрессии
- Значимость уравнения регрессии
- Значимость коэффициентов регрессии
- Оценка точности уравнения регрессии
- Процедура Линейная регрессия
- Результаты процедуры
- Методы отбора переменных в регрессионном анализе
- Настройка параметров
- Сохранение предсказанных значений
- Сохранение остатков
- Сохранение многомерных расстояний между наблюдениями
- Сохранение статистик влияния
- Сохранение доверительных интервалов прогноза
- Вывод доверительных интервалов коэффициентов
- Вывод описательных статистик переменных
- Диагностика мультиколлинеарности
- Анализ нормальности и аномальности остатков
- Вывод графиков
- Оценка статистической устойчивости уравнения регрессии
Тема 6. Линейная регрессионная модель с гетероскедастичными остатками
- Требования к остаткам в линейной модели регрессии: гомо- и гетероскедастичность остатков
- Проверка требований к остаткам регрессионной модели
- Обобщенный метод наименьших квадратов
- Линейная регрессионная модель с пропорциональными предиктору остатками
- Процедура Взвешенное оценивание
- Настройки процедуры Взвешенное оценивание
- Результаты процедуры Взвешенное оценивание
Тема 7. Линейная регрессионная модель с зависимыми остатками
- Независимость остатков регрессионной модели
- Проверка независимости остатков
- Двухэтапный метод наименьших квадратов
- Метод инструментальных переменных
- Процедура Двухэтапный МНК
- Настройки процедуры Двухэтапный МНК
- Результаты процедуры Двухэтапный МНК
Тема 8. Нелинейный регрессионный анализ
- Нелинейные регрессионные модели
- Область применения нелинейных регрессионных моделей
- Виды нелинейных регрессионных моделей
- Преобразование нелинейных моделей к линейным
- Процедура Подгонка кривых
- Модель асимптотической регрессии
- Процедура Нелинейная регрессия
- Настройки процедуры Нелинейная регрессия
- Результаты выполнения процедуры Нелинейная регрессия
- Логистическая регрессия
Тема 9. Логистическая регрессия и ROC-анализ
- Понятие модели бинарного выбора
- Модель логистической регрессии
- Процедура Логистическая регрессия
- Результаты процедуры Логистическая регрессия
- Задание категориальных факторов
- Задание взаимодействия предикторов
- Пошаговые алгоритмы логистической регрессии
- Параметры процедуры Логистическая регрессия
- Сохранение предсказанных значений и остатков
- Классификация на основе логит-моделей
- Чувствительность и специфичность
- Процедура ROC-кривые
- Результаты процедуры ROC-кривые
Тема 10. Модели бинарного выбора по сгруппированным данным
- Исходные данные для построения модели
- Логит- и пробит-модель по сгруппированным данным
- Процедура Пробит-анализ
- Результаты расчета процедуры Пробит-анализ
- Параметры процедуры Пробит-анализ
Тема 11. Мультиномиальная логистическая регрессия
- Модель мультиномиальной логистической регрессии
- Области применения мультиномиальной логистической регрессии
- Процедура Мультиномиальная логистическая регрессия
- Результаты расчета мультиномиальной логистической регрессии
- Интепретация результатов
- Вывод статистик
- Сохранение результатов
- Настройка отбора предикторов в модель
- Параметры процедуры Мультиномиальная логистическая регрессия
- Критерии процедуры Мультиномиальная логистическая регрессия
Тема 12. Порядковая регрессия
- Модель порядковой регрессии и ее применение
- Связывающие функции
- Процедура Порядковая регрессия
- Результаты процедуры Порядковая регрессия
- Параметры процедуры Порядковая регрессия
- Задание компонентов положения
- Задание компонентов масштаба
- Вывод процедуры Порядковая регрессия
Тема 13. Категориальная регрессия
- Модель категориальной регрессии
- Условия применения категориальной регрессия
- Процедура Категориальная регрессия
- Результаты процедуры Категориальная регрессия
- Вывод процедуры Категориальная регрессия
- Сохранение результатов
- Дискретизация переменных
- Обработка пропущенных значений
- Параметры процедуры Категориальная регрессия
- Методы упорядочения модели
Тема 14. Автоматизированные линейные модели
- Процедура Автоматизированное линейное моделирование
- Выбор целевой переменной и настройка предикторов
- Оценка качества и приближения модели
- Автоматическая подготовка данных
- Оценка важности предикторов
- Анализ предсказанных значений целевой переменной
- Анализ остатков
- Анализ выбросов
- Оценка влияния предикторов
- Интерпретация и проверка значимости коэффициентов модели
- Оценка линейности взаимосвязи с предикторами
- Пошаговый отчет о построении модели
- Повышение точности модели
- Повышение статистической устойчивости модели
- Основные параметры процедуры Автоматизированное линейное моделирование
- Задание методов подбора предикторов
- Сохранение результатов моделирования