SAS Enterprise Guide: дисперсионный, регрессионный и логит-регрессионный анализ
(EGBS4)
Длительность: 3 дня. Уровень: 3. Версия ПО: 4.3
Данный курс разработан для пользователей SAS Enterprise Guide, желающих выполнять статистический анализ.
Слушатели этого курса научатся:
- Создавать описательные статистики и исследовать данные с помощью графиков
- Выполнять дисперсионный анализ
- Строить линейную регрессию и оценивать соответствие допущениям
- Использовать диагностические статистики для определения потенциальных выбросов при построении множественной регрессии
- Использовать статистику «хи-квадрат» для выявления ассоциаций между дискретными переменными
- Подгонка модели множественной логистической регрессии.
Для прохождения этого курса слушателям желательно изучить принципы работы SAS Enterprise Guide и знать основы статистики, в частности понятия p-значений, тестирование гипотез, дисперсионный анализ и регрессию. Принципам работы с SAS Enterprise Guide вы можете научиться на курсе SAS Enterprise Guide. Часть 1. Составление запросов и отчетов.
Аудитория
Статистики и бизнес-аналитики, пользующиеся интерфейсом SAS point-and-click
Базовые понятия
- Описательная статистика
- Статистика вывода
- Тестирование гипотез: последовательные шаги
- Использование программного обеспечения SAS: основы
Введение в Enterprise Guide
- Рабочее окружение SAS Enterprise Guide
Введение в статистику
- Обсуждение фундаментальных статистических понятий
- Проверка распределений
- Описание категориальных данных
- Построение доверительных интервалов
- Тестирование гипотез
Дисперсионный анализ
- Однофакторный дисперсионный анализ
- Множественные сравнения
- Двухфакторный дисперсионный анализ с взаимодействиями и без
Регрессия
- Исследование данных
- Вычисление корреляций
- Подгонка модели простой линейной регрессии
- Понимание принципов множественной регрессии
- Построение и интерпретация моделей
- Методы выбора моделей: построение всех возможных регрессий
- Изучение метода пошагового отбора
Диагностика регрессии
- Исследование ошибки
- Нахождение выбросов и исследование и коллинеарности
Анализ категориальных данных
- Исследование категориальных данных
- Проведение тестов на значимость общей и линейной ассоциаций
- Принципы построения логистической регрессии, и в том числе с несколькими переменными
- Автоматическое построение модели: обратное исключение (backward elimination)