Решение управленческих задач с помощью SPSS ( углубленный двухдневный курс)

Маркетологи, руководители маркетинговых подразделений предприятий

Углубление знаний по работе с пакетом программ SPSS

• Определение генеральной совокупности и формирование выборки. Степень детализации анализа данных. Шкалы измерения.

• Предварительный разведочный анализ данных. Частотные таблицы и гистограммы. Обработка пропущенных значений. Меры разброса. Доверительный интервал для среднего. Форма распределения. Диаграмма "ствол и листья". Ящичная диаграмма.

• Представление информации в SPSS. Дополнительные возможности работы с таблицами. Построение диаграмм по таблицам сопряженности. Использование различных графиков, интерактивные графики.

• Виды статистических тестов для различных задач исследований. Выбор применяемого статистического теста, проведение теста, анализ результатов теста.

1. Малые выборки

2. Тест на нормальность распределения

• Проверка на независимость по критерию Хи-квадрат. Другие критерии проверки на независимость.
• Сравнение средних значений. Гипотезы о средних различиях. Т- критерии для одной и нескольких выборок. Результаты применения Т- критерия.
• Однофакторный дисперсионный анализ. Отсутствие однородности дисперсии. Апостериорные критерии для сравнения средних значений. Графическое представление результатов.
• Двухфакторный дисперсионный анализ. Логика тестирования и предположения. Число факторов. Взаимодействия. Таблица дисперсионного анализа. Значимость. Представление результатов. Сводка результатов анализа. Выполнение апостериорных тестов для обнаружения значимых различий значений.

• Диаграммы рассеяния и статистики. Корреляция и ее практический смысл.

• Регрессионный анализ. Основные понятия регрессионного анализа. Уравнения регрессии и меры согласия. Различные виды регрессии. Простая, множественная, пошаговая регрессии. Остатки и выбросы. Графики остатков. Сводка результатов регрессии.

• Обзор методов сегментации рынка. Кластерный анализ для сегментации рынка. Иерархические и неиерархические методы. Связывание кластеров с другими переменными. Кластеризация при помощи метода k-средних. Получение профилей средних значений сегментов. На что обращать внимание при кластеризации.

• Использование факторного анализа для упрощения анализа данных. Принципы факторного анализа. Факторный анализ и анализ главных компонент. На что обращать внимание при проведении факторного анализа.

• Сравнение дискриминантного анализа и логистической регрессии.

• Логистическая регрессия. Модель логистической регрессии. Дискретные переменные. Коэффициенты логистической модели. Оценка качества модели. Отбор предикторов.

Методы диагностики: поточечные индикаторы.

В стоимость тренинга входят уникальные раздаточные материалы тренинга, обед, кофе – брейки.

По окончанию тренинга – Сертификат УАМ.