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.

 

Mål: Att med hjälp av Statistica kunna genomföra ANOVA- och regressionsmodeller.
Förkunskaper: Genomgången Statistica 1 eller motsvarande kunskaper.

SPSS 3 fortsätter med de avancerade regressionsmodellerna logistisk och Cox regression. Under första dagen läggs grunden till logistisk regression och här behandlas också ROC som på ett grafiskt sätt visar hur bra en numerisk variabel kan separeras i två utfall. ROC är väldigt användbart tillsammans med Logistisk regression. Den andra dagen kommer deltagarna att få arbeta med ”time-to-event”-data. De två vanligaste metoderna som används för dessa typer av data är Kaplan-Meier och Cox regression. Precis som alla våra kurser varvas teori med exempel och egna övningar.

Mål: Att kunna använda ”time-to-event”-data och avancerade regressionsmodeller samt att kunna tolka och validera resultaten.

Förkunskaper: Data och grafhantering i SPSS samt grundläggande statistik och linjär regression.

Innehåller kurserna Logistisk regression & ROC samt Överlevnadsanalys

Detta är en perfekt introduktion till SPSS där du lär dig behärska programmets grundläggande funktioner så att arbetet flyter på obehindrat. Kursdeltagarna får under utbildningen lära sig de viktigaste delar av programmets kraftfulla data och grafhanteringsfunktioner. Precis som alla våra kurser varvas teori med exempel och egna övningar.

Mål: Att enkelt kunna hantera data i SPSS samt kunna beskriva ett datamaterial med hjälp av grafer och tabeller.

Förkunskaper: Inga specifika krav på förkunskaper i SPSS men med fördel grundläggande kunskaper i statistik från grundskola och gymnasiet

På den här kursen gås de grundläggande begreppen och metoderna inom statistisk igenom. Dessa kunskaper är obligatoriska för att kunna tillämpa beskrivande statistik och statistisk inferens (hypotesprövning, p-värden och konfidensintervall). Detta ger en bra introduktion, både för nybörjare och för den som vill fräscha upp gamla statistiska kunskaper. Precis som alla våra kurser varvas teori med exempel och egna övningar.

Mål: Att kunna förstå, tolka och beskriva grundläggande statistiska resultat.

Förkunskaper: Data och grafhantering i SPSS samt kunskaper i statistik från grundskola och gymnasiet.

Kursen ger en grundlig förståelse av linjär regression som är den naturliga fortsättningen på korrelationer, alltså 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. Precis som alla våra kurser varvas teori med exempel och egna övningar.

Mål: Att kunna genomföra, tolka och validera linjär regression.

Förkunskaper: Data och grafhantering i SPSS samt grundläggande statistik.

ANOVA är den naturliga fortsättningen på t-testet, alltså jämförelse av gruppers medelvärden. I kursen kommer modeller med en eller flera förklarande variabler att behandlas liksom interaktioner och de vanligaste post-hoc-testen. Precis som på alla våra kurser varvas teori med exempel och egna övningar.

Mål: Att kunna genomföra, tolka och validera ANOVA-modeller.

Förkunskaper: Data och grafhantering i SPSS samt grundläggande statistik.

Linjära mixade modeller (LMM) används framförallt 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 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 bättre alternativ till repeated measure ANOVA.

Förkunskaper: Data och grafhantering i SPSS, grundläggande statistik samt ANOVA.

Logistisk regression används då man vill analysera ett binärt utfall. Detta är över lag ett väldigt vanligt scenario och det som man ofta är intresserad av är sannolikheten för det ena eller det andra utfallet eller oddset mellan dem. Eftersom detta är så vanligt förekommande är metoden allmänt utbredd inom många områden så som medicin, ekonomi och industri. Kursen ger en grundlig förståelse för metoden och dess olika användningsområden. 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 med hjälp av SPSS kunna genomföra, tolka och validera logistisk regression och ROC.

Förkunskaper: Data och grafhantering i SPSS, grundläggande statistik samt linjär regression.

Överlevnadsanalys är samlingsnamnet för metoderna som används till så kallat ”time-to-event” data. Metoden är allmänt utbredd 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 kommer behandlas under kursen. Precis som alla våra kurser varvas teori med exempel och egna övningar.

Mål: Att kunna behärska, tolka och validera grundläggande överlevnadstatistik.

Förkunskaper: Data och grafhantering 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 istället 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 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.

 

Mål: Att kunna använda de avancerade regressionsmodeller som finns i Statistica samt kunna tolka och validera resultaten.
Förkunskaper: Grundläggande kunskaper i statistik motsvarande Statistica 1.