Kurzusleírás

Bevezetés

Az SPSS használatának első lépései

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

Statisztikai kimenet beszerzése, szerkesztése és mentése

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

Adatok manipulálása

  • Adattranszformációs technikák
  • Változók újrakódolása és újak kiszámítása
  • Hiányzó adatok kezelése

Leíró Statistics Eljárások

  • A központi tendencia és változékonyság mértékeinek kiszámítása
  • Gyakorisági eloszlások és kereszttáblázatok
  • Adatok megjelenítése diagramokkal és grafikonokkal

Pontszámeloszlási feltevések értékelése

  • Normalitástesztek és grafikus értékelések
  • A ferdeség és a ferdeség értékelése
  • Kiugró értékek ellenőrzése

t-tesztek

  • Független minták t-próbája
  • Páros minták t-próba
  • A t-próba eredményeinek értelmezése

Egyváltozós csoportkülönbségek: ANOVA és ANCOVA

  • Egyirányú ANOVA és post-hoc összehasonlítások
  • Faktoriális ANOVA több változóra
  • Bevezetés az ANCOVA-ba és alkalmazásaiba

Többváltozós csoportkülönbségek: MANOVA

  • A MANOVA fogalmak megértése
  • MANOVA tesztek futtatása SPSS-ben
  • A MANOVA kimenet értelmezése

Nem paraméteres eljárások a frekvenciaadatok elemzéséhez

  • A függetlenség khi-négyzet tesztjei
  • Mann-Whitney U-teszt és Wilcoxon aláírt rangú teszt
  • Kruskal-Wallis H teszt nem-paraméteres ANOVA-hoz

Összefüggések

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

Regresszió mennyiségi változókkal

  • Egyszerű lineáris regressziós elemzés
  • Több regressziós modell
  • Regressziós együtthatók értelmezése és diagnosztika

Regresszió kategorikus változókkal

  • Dummy változók kódolása kategorikus adatokhoz
  • Logisztikai regressziós elemzés
  • Az esélyhányadosok és a logisztikai modell illeszkedésének értelmezése

Főkomponensek elemzése és faktoranalízis

  • Feltáró faktorelemzés (EFA)
  • Főkomponens-elemzési (PCA) technikák
  • A faktorrotációs módszerek és az eredmények értelmezése

Összegzés és a következő lépések

Követelmények

  • A matematikai fogalmak alapvető megértése
  • Nem szükséges előzetes SPSS tapasztalat
  • Az alapvető statisztikák ismerete előnyös, de nem kötelező

Közönség

  • Adatelemzők
  • Kutatók
  • Business statisztikai adatokkal dolgozó szakemberek
 21 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (4)

Közelgő kurzusok

Rokon kategóriák