Course Outline

Εισαγωγή

Ξεκινώντας με το SPSS

  • Εισαγωγή στη διεπαφή και τις λειτουργίες του SPSS
  • Εισαγωγή και εξαγωγή αρχείων δεδομένων
  • Εισαγωγή και διαχείριση βασικών δεδομένων

Λήψη, επεξεργασία και αποθήκευση στατιστικών αποτελεσμάτων

  • Δημιουργία στατιστικών αναφορών
  • Προσαρμογή πινάκων και γραφημάτων εξόδου
  • Αποθήκευση και εξαγωγή αποτελεσμάτων ανάλυσης

Χειρισμός δεδομένων

  • Τεχνικές μετασχηματισμού δεδομένων
  • Εκ νέου κωδικοποίηση μεταβλητών και υπολογισμός νέων
  • Διαχείριση δεδομένων που λείπουν

Περιγραφικές Statistics Διαδικασίες

  • Υπολογισμός μέτρων κεντρικής τάσης και μεταβλητότητας
  • Κατανομές συχνοτήτων και διασταυρώσεις
  • Οπτικοποίηση δεδομένων με γραφήματα και γραφήματα

Αξιολόγηση υποθέσεων κατανομής βαθμολογίας

  • Τεστ κανονικότητας και γραφικές αξιολογήσεις
  • Εκτίμηση λοξότητας και κύρτωσης
  • Έλεγχος για ακραίες τιμές

t-Τεστ

  • Ανεξάρτητα δείγματα t-test
  • Ζευγάρι δείγματα t-test
  • Ερμηνεία αποτελεσμάτων t-test

Μονομεταβλητές διαφορές ομάδων: ANOVA και ANCOVA

  • Μονόδρομη ANOVA και συγκρίσεις εκ των υστέρων
  • Παραγοντική ANOVA για πολλαπλές μεταβλητές
  • Εισαγωγή στο ANCOVA και τις εφαρμογές του

Διαφορές ομάδας πολλαπλών μεταβλητών: MANOVA

  • Κατανόηση των εννοιών MANOVA
  • Εκτέλεση δοκιμών MANOVA στο SPSS
  • Ερμηνεία εξόδου MANOVA

Μη παραμετρικές διαδικασίες για την ανάλυση δεδομένων συχνότητας

  • Τεστ ανεξαρτησίας Chi-square
  • Test Mann-Whitney U και Wilcoxon signed-rank test
  • Kruskal-Wallis H δοκιμή για μη παραμετρική ANOVA

Συσχετισμοί

  • Συντελεστής συσχέτισης Pearson
  • Συσχέτιση βαθμού Spearman
  • Μερική και σημειακή-δισειριακή συσχέτιση

Παλινδρόμηση με ποσοτικές μεταβλητές

  • Απλή γραμμική ανάλυση παλινδρόμησης
  • Πολλαπλά μοντέλα παλινδρόμησης
  • Ερμηνεία συντελεστών παλινδρόμησης και διαγνωστικά

Παλινδρόμηση με Κατηγορικές Μεταβλητές

  • Κωδικοποίηση ψευδούς μεταβλητής για κατηγορικά δεδομένα
  • Ανάλυση λογιστικής παλινδρόμησης
  • Ερμηνεία αναλογιών πιθανοτήτων και προσαρμογή λογιστικού μοντέλου

Ανάλυση βασικών στοιχείων και ανάλυση παραγόντων

  • Διερευνητική παραγοντική ανάλυση (EFA)
  • Τεχνικές ανάλυσης κύριων συστατικών (PCA).
  • Μέθοδοι εναλλαγής παραγόντων και ερμηνεία αποτελεσμάτων

Περίληψη και Επόμενα Βήματα

Requirements

  • Βασική κατανόηση των μαθηματικών εννοιών
  • Δεν απαιτείται προηγούμενη εμπειρία με SPSS
  • Η εξοικείωση με τις βασικές στατιστικές είναι ευεργετική αλλά όχι υποχρεωτική

Ακροατήριο

  • Αναλυτές δεδομένων
  • Ερευνητές
  • Business επαγγελματίες που εργάζονται με στατιστικά δεδομένα
 21 Hours

Number of participants


Price per participant

Testimonials (4)

Upcoming Courses

Related Categories