III уровень Большие данные

Подготовка кадров для цифровой экономики с использованием программы «SPSS Statistics»

ФГБОУ ВО «Алтайский государственный университет»
72,00 часа длительность
Онлайн формат
Базовый уровень

Описание

Формирование у слушателей компетенций в области современного статистического анализа данных с использованием компьютерной программы SPSS Statistics.

SPSS Statistics – это универсальная система для анализа данных. С ее помощью можно загружать данные практически любого типа и превращать их в стройные табличные отчеты, понятные диаграммы и графики, а также использовать данные для различных вычислений, проведения статистического анализа и построения моделей.

Умение работать с SPSS Statistics существенно облегчит жизнь любому, кто использует статистические методы в своей работе: аналитикам, маркетологам, социологам, психологам, менеджерам по рекламе, научным работникам в сфере медицины и биологии, специалистам по оценке рисков и по контролю качества. Полученные результаты помогают менеджерам компаниям оптимизировать процесс принятия решений, а значит, повысить прибыльность, усовершенствовать бизнес-процессы и привлечь новых клиентов.

На данном курсе обучающиеся научатся работать в программе SPSS Statistics: приобретут навыки ввода и обработки информации с помощью SPSS Statistics, получат базовые сведения по статистическому анализу данных и основным методам прикладной статистики, интерпретировать и представлять результаты статистического анализа в программе SPSS Statistics.

Умение работать с SPSS Statistics существенно облегчит жизнь любому, кто использует статистические методы в своей работе: аналитикам, маркетологам, социологам, психологам, менеджерам по рекламе, научным работникам в сфере медицины и биологии, специалистам по оценке рисков и по контролю качества. Полученные результаты помогают компаниям оптимизировать процесс принятия решений, а значит, повысить прибыльность, усовершенствовать процессы и привлечь новых клиентов.

На нашем курсе Вы научитесь работать со статистическим пакетом SPSS Statistics, приобретете навыки ввода и обработки информации с помощью SPSS Statistics, получите базовые сведения по статистическому анализу данных и основным методам прикладной статистики. Кроме того, узнаете, как интерпретировать и представлять результаты статистического анализа в программе SPSS Statistics.

Возможности SPSS Statistics:

  • Анализ и улучшение понимания данных, решение сложных исследовательских и бизнес-задач с помощью удобного пользовательского интерфейса.
  • Более быстрый анализ больших и сложных наборов данных при помощи расширенных статистических методов, обеспечивающих высокую точность результатов для принятия качественных решений.
  • Использование расширений, языков программирования Python и R для интеграции с открытым ПО.
  • Гибкие варианты развертывания предоставляют возможность легко выбрать программное обеспечение и управлять им.

Решение SPSS Statistics доступно для операционных систем Windows и Mac.

 

Цель программы
Формирование у слушателей компетенций в области современного статистического анализа данных с использованием компьютерной программы SPSS Statistics.

Требования

Трудоспособные лица, желающие освоить программу повышения квалификации должны иметь высшее или среднее профессиональное образование. Наличие указанного образования должно подтверждаться документом государственного или установленного образца.

Необходимые знания и умения для освоения программы повышения квалификации: обучающиеся должны владеть базовыми компетенциями работы на компьютере и пользования Интернета, практические навыки работы с приложениями Microsoft Office (работа с текстом, таблицами), иметь базовые знания математики и информатики.

Иные требования и рекомендации для обучения по программе

Трудоспособные лица, желающие освоить программу повышения квалификации должны иметь высшее или среднее профессиональное образование. Наличие указанного образования должно подтверждаться документом государственного или установленного образца.

Необходимые знания и умения для освоения программы повышения квалификации: обучающиеся должны владеть базовыми компетенциями работы на компьютере и пользования Интернета, практические навыки работы с приложениями Microsoft Office (работа с текстом, таблицами), иметь базовые знания математики и информатики.

Модули

свернуть
Модуль 1 1. Основные принципы статистического исследования.
В модуле излагаются основы компьютерной программы. Тема 1.1. Планирование исследования и структура исходных данных (8 час) Вопросы, раскрывающие содержание темы. Основные математические модели анализа данных: измерительные, описательные и статистического вывода. Измерения и шкалы. Структура таблицы исходных данных: переменные, объекты, выборки. Создание, редактирование и преобразования таблиц данных. Первичные количественные обобщения исходных данных. Проверка нормальности распределения данных. Тема 1.2. Методы определения статистической значимости и их классификация (8 час) Вопросы, раскрывающие содержание темы. Гипотезы научные и статистические. Логика статистической проверки гипотезы, нулевая и альтернативная гипотезы. Р-уровень значимости, его интерпретация и его зависимость от: величины эффекта, объема выборки, дисперсии. Статистический критерий. Статистическая проверка гипотезы в структуре научного исследования. Классификация методов статистической проверки гипотез: корреляционный анализ, частотный анализ, методы сравнения выборок. Классификация методов сравнения выборок.
Модуль 3 3. Процедура статистического анализа в SPSS .
Тема 3.1. Общие линейные модели (8 час.) Вопросы, раскрывающие содержание темы. Многофакторный ANOVA: условия применения, гипотезы о главных эффектах и взаимодействиях, модель, последовательность вычислений, результаты. Многомерный ANOVA: многомерный и одномерный этапы, многомерные критерии, ограничения, результаты. ANOVA с повторными измерениями: модель, гипотезы о внутри- и межгрупповых эффектах, одномерный и многомерный подходы, ограничения, результаты. Тема 3.2. Многомерные методы прогнозирования (8 час.). Вопросы, раскрывающие содержание темы. Множественный регрессионный анализ (МРА) в задачах предсказания, его виды. Математико-статистические идеи МРА, требования к исходным данным и основные результаты применения МРА. Множественный дискриминантный анализ (ДА) в задачах предсказания. Математико-статистические идеи метода, вид исходных данных, решение задачи классификации в ДА. Решение задачи интерпретации межгрупповых различий при помощи канонического анализа в ДА.
Модуль 5 Итоговая аттестация
Форма итоговой аттестации: итоговое тестирование.
Модуль 2 2. Структура и возможности программы SPSS
Тема 2.1. Методы и инструменты анализа (8 час) Вопросы, раскрывающие содержание темы. Анализ номинальных данных. Критерий согласия Хи-квадрат. Анализ таблиц сопряженности. Корреляционный анализ. Связи функциональные и статистические. Ковариация и корреляция Пирсона, их формулы, свойства и интерпретация. Ранговые корреляции: Спирмена и Кендалла. Границы применения корреляций. Двумерная регрессия, коэффициент детерминации. Анализ криволинейности. Методы сравнения выборок. t-Стьюдента для независимых и зависимых выборок. Сравнение дисперсий. Ранговые критерии U Манна-Уитни и Т Вилкоксона. Дисперсионный анализ (ANOVA) для независимых и зависимых выборок. Ранговые аналоги ANOVA: критерии Н Краскала-Уоллиса и Хи-квадрат Фридмана. Тема 2.2. Введение в дисперсионный анализ (8 час) Вопросы, раскрывающие содержание темы. Дисперсионный анализ данных (ANOVA). Основные понятия и виды ANOVA. Однофакторный дисперсионный анализ: гипотеза, последовательность вычислений, результаты, ограничения. Множественные сравнения: парные Post Hoc и метод контрастов. Технологии работы в опциях SPSS Statistics.
Модуль 4 4. Методы анализа и представления данных в SPSS
Тема 4.1. Решение задачи интерпретации данных (8 час). Вопросы, раскрывающие содержание темы. Введение в моделирование структурными уравнениями (МСУ). Общая характеристика МСУ. Элементы структурной модели. Конфирматорный факторный анализ и модели путей. Основные количественные показатели структурных моделей. Примеры структурных моделей. Тема 4.2. Графики, частоты, представление первичной статистики (8 час). Вопросы, раскрывающие содержание темы. Многомерные данные. Матрицы. Геометрические представления данных. Классификация многомерных методов по назначению, по структуре и виду исходных данных. Многомерное шкалирование. Формы представления отчета.
Модуль 1 1. Основные принципы статистического исследования.
В модуле излагаются основы компьютерной программы. Тема 1.1. Планирование исследования и структура исходных данных (8 час) Вопросы, раскрывающие содержание темы. Основные математические модели анализа данных: измерительные, описательные и статистического вывода. Измерения и шкалы. Структура таблицы исходных данных: переменные, объекты, выборки. Создание, редактирование и преобразования таблиц данных. Первичные количественные обобщения исходных данных. Проверка нормальности распределения данных. Тема 1.2. Методы определения статистической значимости и их классификация (8 час) Вопросы, раскрывающие содержание темы. Гипотезы научные и статистические. Логика статистической проверки гипотезы, нулевая и альтернативная гипотезы. Р-уровень значимости, его интерпретация и его зависимость от: величины эффекта, объема выборки, дисперсии. Статистический критерий. Статистическая проверка гипотезы в структуре научного исследования. Классификация методов статистической проверки гипотез: корреляционный анализ, частотный анализ, методы сравнения выборок. Классификация методов сравнения выборок.
Модуль 2 2. Структура и возможности программы SPSS
Тема 2.1. Методы и инструменты анализа (8 час) Вопросы, раскрывающие содержание темы. Анализ номинальных данных. Критерий согласия Хи-квадрат. Анализ таблиц сопряженности. Корреляционный анализ. Связи функциональные и статистические. Ковариация и корреляция Пирсона, их формулы, свойства и интерпретация. Ранговые корреляции: Спирмена и Кендалла. Границы применения корреляций. Двумерная регрессия, коэффициент детерминации. Анализ криволинейности. Методы сравнения выборок. t-Стьюдента для независимых и зависимых выборок. Сравнение дисперсий. Ранговые критерии U Манна-Уитни и Т Вилкоксона. Дисперсионный анализ (ANOVA) для независимых и зависимых выборок. Ранговые аналоги ANOVA: критерии Н Краскала-Уоллиса и Хи-квадрат Фридмана. Тема 2.2. Введение в дисперсионный анализ (8 час) Вопросы, раскрывающие содержание темы. Дисперсионный анализ данных (ANOVA). Основные понятия и виды ANOVA. Однофакторный дисперсионный анализ: гипотеза, последовательность вычислений, результаты, ограничения. Множественные сравнения: парные Post Hoc и метод контрастов. Технологии работы в опциях SPSS Statistics.
Модуль 3 3. Процедура статистического анализа в SPSS .
Тема 3.1. Общие линейные модели (8 час.) Вопросы, раскрывающие содержание темы. Многофакторный ANOVA: условия применения, гипотезы о главных эффектах и взаимодействиях, модель, последовательность вычислений, результаты. Многомерный ANOVA: многомерный и одномерный этапы, многомерные критерии, ограничения, результаты. ANOVA с повторными измерениями: модель, гипотезы о внутри- и межгрупповых эффектах, одномерный и многомерный подходы, ограничения, результаты. Тема 3.2. Многомерные методы прогнозирования (8 час.). Вопросы, раскрывающие содержание темы. Множественный регрессионный анализ (МРА) в задачах предсказания, его виды. Математико-статистические идеи МРА, требования к исходным данным и основные результаты применения МРА. Множественный дискриминантный анализ (ДА) в задачах предсказания. Математико-статистические идеи метода, вид исходных данных, решение задачи классификации в ДА. Решение задачи интерпретации межгрупповых различий при помощи канонического анализа в ДА.
Модуль 4 4. Методы анализа и представления данных в SPSS
Тема 4.1. Решение задачи интерпретации данных (8 час). Вопросы, раскрывающие содержание темы. Введение в моделирование структурными уравнениями (МСУ). Общая характеристика МСУ. Элементы структурной модели. Конфирматорный факторный анализ и модели путей. Основные количественные показатели структурных моделей. Примеры структурных моделей. Тема 4.2. Графики, частоты, представление первичной статистики (8 час). Вопросы, раскрывающие содержание темы. Многомерные данные. Матрицы. Геометрические представления данных. Классификация многомерных методов по назначению, по структуре и виду исходных данных. Многомерное шкалирование. Формы представления отчета.
Модуль 5 Итоговая аттестация
Форма итоговой аттестации: итоговое тестирование.

Преподаватели

Колесникова

Ольга Николаевна

ФГБОУ ВО «Алтайский государственный университет»

Чудова

Светлана Георгиевна

ФГБОУ ВО «Алтайский государственный университет»

Нагайцев

Виктор Валентинович

ФГБОУ ВО «Алтайский государственный университет»

Артюхина

Валентина Андреевна

ФГБОУ ВО «Алтайский государственный университет»

Шрайбер

Ангелина Николаевна

ФГБОУ ВО «Алтайский государственный университет»
Авторизуйтесь чтобы записаться

Ответственный за программу

nvvv@yandex.ru

+79039479666