SPSS 3 är kursen för regression. Under de två dagarna kommer linjär och logistisk regression användas i både enkel och multipel form. Dag två kommer även ta upp metoden ROC då den är användbar, som en egen metod eller tillsammans med logistisk regression. Precis som alla våra kurser varvas teori med exempel och egna övningar.

Första dagen inleds som sagt med linjär regression som är den naturliga fortsättningen på korrelationer, alltså sambandet mellan två numeriska variabler. Du får kunskap om hur du bygger modeller med en eller flera förklarande variabler och även hur du på ett metodiskt sätt kan analysera data för att hitta komplexa samband mellan dessa.

Logistisk regression används då utfallet är binärt (alltså då endast ett av två möjliga utfall kan inträffa). Kursen ger dig kunskap om hur man på ett metodiskt sätt kan hitta och analysera olika variabler som kan påverka utfallet. På kursen kommer även ROC att behandlas då den är användbar, tillsammans med logistisk regression eller som egen metod, då det är intressant att på ett snabbt och enkelt sätt avgöra om en variabel är bra på att särskilja två grupper.

Denna kurs ger en grundlig förståelse av ANOVA- och Mixade modeller. Först presenteras ANOVA som är den naturliga fortsättningen på t-testet, alltså jämförelse av gruppers medelvärden. Den andra dagen kommer deltagarna att få en introduktion till metoden som vanligen förkortas till LMM, nämligen linjära mixade modeller.

T-testet begränsas av att bara två grupper eller två upprepade mätningar kan jämföras. I en ANOVA tas denna begränsning bort och dessutom kan man på ett enkelt sätt analysera och tolka mer komplexa samband så som interaktioner. Vi tar även upp de vanligaste post-hoc-testen samt hur man validerar en ANOVA-modell.

Linjära mixade modeller (LMM) används framför allt när man har korrelerade objekt. Detta kan uppstå om objekten finns i kluster (en valp i en valpkull eller en elev i en klass) eller då man gjort upprepade mätningar på samma objekt. Vid upprepade mätningar är grundmetoden repeated measure ANOVA men den genererar ofta problem som inte går eller är svåra att hantera.

Kursen i datahantering är till för alla oavsett om du är helt ny eller har en del erfarenhet sedan tidigare. Här lär du dig att behärska programmets grundläggande funktioner så väl som de mer avancerade så att arbetet flyter på obehindrat.

Det grundläggande är hur man strukturerar en ”databas” från grunden i SPSS, hur man importerar data från andra källor så som Excel. De mer avancerade funktionerna som behandlas är exempelvis hur man skapar nya variabler, kodar om redan existerande, inkluderar eller exkluderar observationer och hur man hanterar tid och datum. Precis som alla våra kurser varvas teori med exempel och egna övningar.

Mål: Att enkelt kunna hantera data i SPSS.
Förkunskaper: Inga specifika krav på förkunskaper i SPSS.

Beskrivande statistik går ut på att beskriva och sammanfatta data, ofta ett urval från en större population. Detta görs bäst med olika typer av tabeller och grafer där exempelvis frekvenser, andelar, lägesmått (så som medelvärde, median och typvärde) och spridningsmått (så som standardavvikelse och kvartiler) synliggörs på ett enkelt sätt.

På kursen kommer du att få göra och bekanta dig med de vanligaste tabellerna och graferna (som exempelvis frekvenstabeller, histogram, stapeldiagram eller scatterplot) som finns tillgängliga i programmet samt kunna redigera, spara och exportera dem. Man kommer även lära sig hur datafiler måste arrangeras för att kunna göra vissa speciella grafer som exempelvis en forest plots. Precis som alla våra kurser varvas teori med exempel och egna övningar.

Mål: Att kunna beskriva ett datamaterial med hjälp av tabeller och grafer.
Förkunskaper: Datahantering i SPSS.

På den här kursen behandlas många av de grundläggande statistiska begreppen som förekommer inom statistisk inferens. Statistisk inferens är att kunna generalisera ett resultat från ett urval till en större population.

Begreppen man ofta stöter på är hypotesprövning, p-värden och konfidensintervall och metoderna är korrelation, t-test och tabellstatistik. Dessa kunskaper är obligatoriska för att kunna tillämpa de mer avancerade metoderna regression och ANOVA. Kursen ger en bra introduktion, både för nybörjare som vill få ny statistisk kunskap eller för de erfarna som bara fräscha upp sina gamla. Precis som alla våra kurser varvas teori med exempel och egna övningar.

Mål: Att kunna förstå, tolka och beskriva grundläggande statistiska resultat.
Förkunskaper: Beskriva och hantera data i SPSS.

Linjär regression som är den naturliga fortsättningen på korrelationer, alltså sambandet mellan två numeriska variabler. Kursen kommer ge dig grundläggande kunskaper om modeller med en eller flera förklarande variabler samt hur man på olika sätt bygger dessa.

Du kommer även att få med dig kunskap om hur man på ett metodiskt sätt kan analysera ett data för att kunna hitta och förstås mer komplexa samband som exempelvis en interaktion eller ett falskt samband mellan två variabler som visas sig bero på en tredje så kallad confounding variabel. Man kommer även att lära sig hur man validerar regressionsmodeller. Precis som alla våra kurser varvas teori med exempel och egna övningar.

Mål: Att kunna genomföra, tolka och validera en linjär regression.
Förkunskaper: Beskriva och hantera data i SPSS samt grundläggande statistik.

Logistisk regression används då utfallet är binärt (alltså då endast ett av två möjliga utfall kan inträffa och dess sannolikhet). Detta är över lag ett väldigt vanligt förekommande scenario inom olika områden och man är troligen också intresserad av vilka variabler som kan påverka utfallet.

Kursen kommer ge dig kunskap om hur man på ett metodiskt sätt kan analysera olika påverkansvariabler samt hur man i ett data kan hitta och förstås mer komplexa samband som exempelvis en interaktion eller ett falskt samband mellan två variabler som visas sig bero på en tredje så kallad confounding variabel. Man kommer även att lära sig hur man validerar en modell. I kursen kommer även ROC att behandlas då den är användbar, som en egen metod eller tillsammans med logistisk regression. Precis som alla våra kurser varvas teori med exempel och egna övningar.

Mål: Att kunna genomföra, tolka och validera en logistisk regression.
Förkunskaper: Beskriva och hantera data i SPSS, grundläggande statistik samt linjär regression.

ANOVA är den naturliga fortsättningen på t-testet, alltså jämförelse av två gruppers medelvärden. T-testet begränsades av att bara två grupper eller två upprepade mätningar kunde jämföras.

I en ANOVA tas denna begränsning bort och dessutom kan man på ett enkelt sätt analysera och tolka mer komplexa samband så som interaktioner. I kursen kommer även de vanligaste post-hoc-testen att tas upp samt hur man validerar ANOVA modeller. Precis som på alla våra kurser varvas teori med exempel och egna övningar.

Mål: Att kunna genomföra, tolka och validera en ANOVA modell.
Förkunskaper: Beskriva och hantera data i SPSS samt grundläggande statistik.

Linjära mixade modeller (LMM) används framför allt när man har korrelerade objekt. Detta kan uppstå om objekten finns i kluster (en valp i en valpkull eller en elev i en klass) eller då man gjort upprepade mätningar på samma objekt.

Vid upprepade mätningar är grundmetoden repeated measure ANOVA men ofta får man problem som inte går eller är svåra att hantera. Detta kan exempelvis vara problem med bortfall eller att antagandet om sphericity inte håller. Kursen kommer ge dig de grundläggande kunskaperna om hur dessa problem kan lösas och precis som alla våra kurser varvas teori med exempel och egna övningar.

Mål: Att kunna analysera klusterdata samt ge dig ett flexiblare alternativ till repeated measure ANOVA.
Förkunskaper: Beskriva och hantera data i SPSS, grundläggande statistik samt ANOVA.

Överlevnadsanalys är samlingsnamnet för metoderna som används till så kallat ”time-to-event” data. Metoderna är allmänt utbredda inom flera områden så som medicin, ekonomi och industri och denna kurs ger en grundlig förståelse av dem och dess användningsområde. De två vanligaste metoderna är Kaplan-Meier och Cox regression, vilka båda kommer behandlas under kursen.

Kursen kommer ge dig kunskap om hur man i Cox regression på ett metodiskt sätt kan analysera olika påverkansvariabler samt hur man i ett data kan hitta och förstås mer komplexa samband som exempelvis en interaktion eller ett falskt samband mellan två variabler som visas sig bero på en tredje så kallad confounding variabel. Precis som alla våra kurser varvas teori med exempel och egna övningar.

Mål: Att kunna analysera, tolka och validera ”time-to-event” data med Kaplan-Meier och Cox regression.
Förkunskaper: Beskriva och hantera data i SPSS, grundläggande statistik samt linjär regression.

Multivariata metoder är samlingsnamnet för flera statistiska metoder där de beroende och oberoende variablerna inte är fördefinierade. Alltså motsatsen till de flesta andra metoder som man kanske är van vid som exempelvis olika typer av regression eller ANOVA.

De multivariata metoderna brukar ibland kallas för hypotesgenererande metoder i stället för hypoteslösande som regression och ANOVA är. Denna kurs kommer beröra de olika metoderna inom klusteranalys och faktoranalys och precis som alla våra kurser varvas teori med exempel och egna övningar.

Mål: Att kunna använda klusteranalys och bekräftande faktoranalys.
Förkunskaper: Data och grafhantering i SPSS och grundläggande statistik.

Kursen ger en grundlig förståelse av enkla och avancerade ANOVA- och regressionsmodeller.

I första delen av kursen behandlas enkla och avancerade modeller i regression. Regression är den naturliga fortsättningen på korrelationer, dvs sambandet mellan två numeriska variabler. I kursen kommer modeller med en eller flera förklarande variabler att behandlas liksom hur man på olika sätt bygger modeller och predikterar nya observationer med hjälp av dem.

Efter det presenteras ANOVA som är den naturliga fortsättningen på Students t-test, alltså jämförelse av gruppmedelvärden. Under kursen kommer modeller med en eller flera förklarande variabler att behandlas liksom interaktioner och post-hoc test.

Kursen ger en ordentlig genomgång av logistisk regression och överlevnadsanalys.

Under förmiddagen kommer logistisk regression att behandlas. På eftermiddagen kommer deltagarna att få arbeta med överlevnadsanalys där överlevnadskurvor (Kaplan-Meier) kommer att användas. Jämförelse av olika grupper kommer att beröras samt mer avancerade fall där Cox PH regression måste användas.