Multivariate Statistics for Understanding Complex Data

Kód kurzu: MULT42

Tato část není lokalizována

This course teaches how to apply and interpret a variety of multivariate statistical methods to research and business data. The course emphasizes understanding the results of the analysis and presenting your conclusions with graphs.

Odborní
certifikovaní lektoři

Mezinárodně
uznávané certifikace

Široká nabídka technických
a soft skills kurzů

Skvělý zákaznický
servis

Přizpůsobení kurzů
přesně na míru

Termíny kurzu

Počáteční datum: Na vyžádání

Forma: Na vyžádání

Délka kurzu: 21 hodin

Jazyk: en

Cena bez DPH: 45 000 Kč

Registrovat

Počáteční
datum
Místo
konání
Forma Délka
kurzu
Jazyk Cena bez DPH
Na vyžádání Na vyžádání 21 hodin en 45 000 Kč Registrovat
G Garantovaný kurz

Nenašli jste vhodný termín?

Napište nám o vypsání alternativního termínu na míru.

Kontakt

Cílová skupina

Tato část není lokalizována

Business analysts, social science researchers, marketers, and statisticians who want to use SAS to make sense of highly dimensional multivariate data

Struktura kurzu

Tato část není lokalizována

Overview of Multivariate Methods

  • examples of multivariate analyses
  • matrix algebra concepts

Principal Components Analysis Using the PRINCOMP procedure

  • principal component analysis for dimension reduction

Exploratory Factor Analysis Using the FACTOR Procedure

  • factor analysis for latent variable measurement
  • factor rotation

Multidimensional Preference Analysis Using the PRINQUAL and TRANSREG procedures

  • plotting high-dimensional preference data
  • mapping preferences to other characteristics

Correspondence Analysis Using the CORRESP Procedure

  • understanding complex associations among categorical variables

Canonical Variate Analysis Using the CANCORR and CANDISC Procedures

  • multivariate dimensions reduction for two sets of variables

Discriminant Function Analysis Using the DISCRIM Procedure

  • classification into groups
  • linear discriminant analysis
  • quadratic discriminant analysis
  • empirical validation

Partial Least Squares Regression Using the PLS Procedure

  • PLS for one target variable
  • PLS for many targets
  • PLS for predictive modeling

Předpokládané znalosti

Tato část není lokalizována

Before attending this course, you should be familiar with statistical concepts such as hypothesis testing, linear models, and collinearity concepts in regression. You should have an understanding of the topics taught in Statistics 2: ANOVA and Regression or equivalent.

Potřebujete poradit nebo upravit kurz na míru?

onas

produktová podpora

Platební brána ComGate Logo MasterCard Logo Visa