Данный курс предназначен для пользователей программного обеспечения SAS/STAT, выполняющих статистический анализ.  В курсе обсуждаются t-тесты, дисперсионный анализ (ANOVA), линейная регрессия, а также краткое введение в построение логистической регрессии. Прохождение этого курса (или соответствующие практические знания) являются необходимым требованием для прохождения многих курсов по статистическому анализу. Более детальное обсуждение дисперсионного анализа и регрессии даётся в курсе Statistics 2: ANOVA and Regression. Более детальное обсуждение логистической регрессии даётся в курсах Categorical Data Analysis Using Logistic Regression course и Predictive Modeling Using Logistic Regression.

В данном курсе изучается

• Расчёт описательных статистик и исследование данных при помощи графических представлений
• Выполнение дисперсионного анализа и применение методов множественного сравнения
• Построение линейной регрессии и оценка соответствия допущениям
• Использование методов выбора регрессионной модели для помощи в выборе значимых переменных множественной регрессии
• Использование диагностических статистик для оценки соответствия допущениям и определения потенциальных выбросов во множественной регрессии
• Использование статистики хи-квадрат для выявления связей между дискретными переменными
• Подгонка логистической регрессии

Для успешного прохождения курса слушателям рекомендуется познакомиться с базовыми понятиями статистики (p-значение, тестирование гипотез, дисперсионный анализ, регрессия). Необходимым требованием является способность писать и запускать код на языке программирования SAS. Вы можете получить эти навыки на курсе Программирование на языке SAS. Часть 1: Основы.

Аудитория

Статистики, исследователи и бизнес-аналитики, которые используют программирование на языке SAS для анализа дискретных и непрерывных данных

Предварительные замечания

• Описательные статистики
• Статистика вывода
• Шаги для проведения статистических тестов гипотез

Введение в статистику

• Проверка распределения данных
• Получение и анализ выборки с помощью процедур UNIVARIATE и MEANS
• Графический анализ распределения данных в процедурах UNIVARIATE и SGPLOT
• Построение доверительных интервалов
• Выполнение простых проверок гипотез

Критерий Стьюдента (t-тест) и дисперсионный анализ

• Выполнение проверок разницы между средними двух групп с использованием PROC TTEST
• Выполнение однофакторного регрессионного анализа с помощью процедуры GLM
• Выполнение ретроспективных (post-hoc) тестов в процедуре PROC GLM

• Выполнение двухфакторного регрессионного анализа с взаимодействием и без него.

Линейная регрессия

• Вычисление корреляций с помощью процедуры CORR
• Построение простой линейной модели регрессии с помощью процедуры REG
• Понимание принципов множественной регрессии
• Использование методов автоматического выбора модели в процедуре PROC REG для выбора из нескольких потенциальных моделей
• Интерпретация моделей

Диагностика линейной регрессии

• Исследование ошибок
• Выявление выбросов
• Оценка коллинеарности

Анализ дискретных данных

• Создание частотных таблиц с помощью процедуры FREQ
• Проверка наличия категориальных ассоциаций с помощью процедуры FREQ
• Точные тесты
• Принципы логистической регрессии
• Построение логистической регрессии с одним или несколькими предикторами