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)