Μαθήματα SPSS - Στατιστικές Αναλύσεις

Τα μαθήματα στατιστικής (π.χ. SPSS), προσαρμόζονται ανάλογα με τις απαιτήσεις και το επίπεδο γνώσεων στατιστικής των φοιτητών.

Για σεμινάρια SPSS, στατιστικές αναλύσεις ή οποιαδήποτε άλλη σχετική υπηρεσία επικοινωνήστε μαζί μας στο email Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε. , ή καλέστε μας στο 26514 02428 - Ζυγομάλη 6, Ιωάννινα. 

ΕΚΜΑΘΗΣΗ SPSS – ΔΟΜΗ

1ο 2ωρο

Εισαγωγικά στο πρόγραμμα SPSS

1. Εξοικείωση με το περιβάλλον του προγράμματος

2. Δυνατότητες του προγράμματος

3. Σε ποιούς αναφέρεται

4. Ανάλυση χαρακτηριστικών ερωτηματολογίων, κωδικοποίηση ερωτήσεων - μεταβλητών και απαντήσεων - τιμών

5. Εισαγωγή δεδομένων άλλου τύπου (όπως χρονοσειρές κτλ.)

2ο 2ωρο

Επεξεργασία δεδομένων & Εισαγωγικά στην Στατιστική Θεωρία

1. Πώς εισάγουμε δεδομένα (χαρακτηριστικά μεταβλητών) και κάνουμε επεξεργασία/τροποίηση δεδομένων (σύμπτυξη μεταβλητών, 'φωλιασμένες' ερωτήσεις, μετατροπή μεταβλητών κτλ.)

2. Εισαγωγικά στην Στατιστική Θεωρία (συντελεστές, δείκτες, αναλύσεις, θεωρήματα κτλ.)

3. Δομή τυπικής ανάλυσης δεδομένων στο SPSS και επεξήγηση

4. Εισαγωγή στην ανάλυση (συχνότητες, ποσοστά και γραφήματα)

5. Εξεικοίωση με την δημιουργία και επεξεργασία γραφημάτων

3ο 2ωρο

Αναλύσεις βάση υποθέσεων & Ερμηνεία Αποτελεσμάτων/Πινάκων (Output)– Μέρος 1ο

1. Έλεγχος συνάφειας (Cross-tabulation) και δείκτης ανεξαρτησίας χ2 (Pearson Chi Square)

2. Συμπερασματολογία για την μέση τιμή (έλεγχος T για ένα δείγμα, για ανεξάρτητα δείγματα, για ζευγάρια δειγμάτων)

3. Ανάλυση διακύμανσης μονής κατεύθυνσης (One-way ANOVA - Περιγραφικές στατιστικές, στατιστική Levene, δείκτες Brown-Forsythe, Welch, Tukey, Dunnett, LSD, κτλ., γραφήματα μέσων όρων κτλ.)

4. Ανάλυση διακύμανσης διπλής κατεύθυνσης (Two-way ANOVA – δημιουργία μοντέλου)

4ο 2ωρο

Αναλύσεις βάση υποθέσεων & Ερμηνεία Αποτελεσμάτων/Πινάκων (Output) – Μέρος 2ο

1. Αναλύσεις συσχετίσεων (bivariate, partial, distances)

2. Παραγοντική ανάλυση (factor analysis και ερμηνεία παραγόντων βάση βαρύτητας)

3. Ανάλυση γραμμικής παλινδρόμησης (Linear regression, Curve Estimation, Partial Least Squares, Ordinal Regression)

4. Ομαδοποίηση μεταβλητών (Clustering – Two step cluster, K-means Cluster, Hierarchical Cluster)

5. Ανάλυση Αξιοπιστίας (Reliability Analysis, Cronbach's alpha, Multidimensional Scale)

5ο 2ωρο

Αναλύσεις βάση υποθέσεων & Ερμηνεία Αποτελεσμάτων/Πινάκων (Output) – Μέρος 3ο

1. Μη παραμετρικοί έλεγχοι (Chi Square, Binomial, Independent Samples, κτλ.)

2. Προβλεψιμότητα (Auto-correlations, Cross-correlations, Sequence Charts)

3. Επεξεργασία πολλαπλών ερωτήσεων (Multiple Response Sets)

4. Έλεγχος Ποιότητας (Quality Control – Pareto Charts, Control Charts)

5. Μοντελοποίηση και ανάλυση δεδομένων βάση δημιουργίας εξισώσεων/υποθέσεων (Structure Equation Model)

© TechKnowledge 2012