Kurzusleírás

Bevezetés

Bevezetés az SPSS használatába

  • Az SPSS felületének és funkcióinak bemutatása
  • Adatfájlok importálása és exportálása
  • Alapvető adatbevitel és -kezelés

Statisztikai kimenetek beszerzése, szerkesztése és mentése

  • Statisztikai jelentések generálása
  • Kimeneti táblázatok és diagramok testreszabása
  • Elemzési eredmények mentése és exportálása

Adatmanipuláció

  • Adatátalakítási technikák
  • Változók újrakódolása és új változók számítása
  • Hiányzó adatok kezelése

Leíró statisztikai eljárások

  • Középértékek és változékonyság mérésének kiszámítása
  • Gyakorisági eloszlások és kereszttáblázatok
  • Adatok vizualizálása diagramokkal és grafikonokkal

Pontszám eloszlási feltételek értékelése

  • Normalitás tesztek és grafikus értékelések
  • Ferdeség és csúcsosság értékelése
  • Kiugró értékek ellenőrzése

t-Tesztek

  • Független minták t-tesztje
  • Páros minták t-tesztje
  • t-tesztek eredményeinek értelmezése

Egyváltozós csoportkülönbségek: ANOVA és ANCOVA

  • Egytényezős ANOVA és utólagos összehasonlítások
  • Tényezős ANOVA több változó esetén
  • Bevezetés az ANCOVA-ba és annak alkalmazásai

Többváltozós csoportkülönbségek: MANOVA

  • A MANOVA fogalmainak megértése
  • MANOVA tesztek futtatása SPSS-ben
  • MANOVA kimenetek értelmezése

Nemparaméteres eljárások gyakorisági adatok elemzéséhez

  • Függetlenségi khi-négyzet tesztek
  • Mann-Whitney U teszt és Wilcoxon előjeles rangteszt
  • Kruskal-Wallis H teszt nem-paraméteres ANOVA-hoz

Korrelációk

  • Pearson korrelációs együttható
  • Spearman rangkorreláció
  • Részleges és pont-biseriális korreláció

Regresszió mennyiségi változókkal

  • Egyszerű lineáris regresszió elemzés
  • Többszörös regressziós modellek
  • Regressziós együtthatók és diagnosztikák értelmezése

Regresszió kategorikus változókkal

  • Dummy változók kódolása kategorikus adatokhoz
  • Logisztikus regresszió elemzés
  • Esélyhányadosok és logisztikus modell illeszkedésének értelmezése

Főkomponens-elemzés és faktoranalízis

  • Feltáró faktoranalízis (EFA)
  • Főkomponens-elemzés (PCA) technikák
  • Faktorforgatási módszerek és eredmények értelmezése

Összefoglalás és következő lépések

Követelmények

  • Alapvető matematikai fogalmak ismerete
  • Nincs szükség előzetes SPSS tapasztalatra
  • Az alapstatisztika ismerete előnyös, de nem kötelező

Célközönség

  • Adatelemzők
  • Kutatók
  • Statisztikai adatokkal dolgozó üzleti szakemberek
 21 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (4)

Közelgő kurzusok

Rokon kategóriák