Grundsätzlich arbeiten wir interdisziplinär. Scheuklappen und Schubladendenken sind nicht unser Ding. Unter den Links finden Sie weitere Projekte, die wir betreuten.
Auch wenn in eher „Business“ und eher „Academics“ unterteilt: Jeder Fokus erwartet ein wissenschaftlich/professionelles Vorgehen auf hohem Niveau. Aus Datenschutzgründen führen wir keine weiteren Angaben auf.
Zu Details sehen Sie bitte auch die Seiten Projekte und Referenzkunden ein.
Forderungsmanagement: SAS Reporting u.a. mittels Reverse Engineering einer Black Box Applikation
Business Analyse: Data Quality, Data Lineage, und Data Governance bei einer führenden Bank
Bericht monatlich anfallender Cash-Flow-Daten (Modellierung mit SAS/ETS, PROC COMPUTAB)
Tarifvergleich zweier fusionierter Versicherungen (BK, UKB)
Mobile multimediale Informationssysteme in Museen – Eine Anforderungsanalyse aus Sicht der Museumsbesucher
Interessenverbände (Portfolio-/Wettbewerbsvorteilsanalyse)
Korrelate zur Entscheidung zur Expansion per Outsourcing (u.a. Stellenwert der Globalisierung, Länder- und Partner-Auswahl, Outsourcing- Strategie und -Struktur, Outsourcing-Steuerung und Kontrolle, Grenzen und Risiken).
Machbarkeit / Feasibility
Markteinführung / Market Entry
Sonstige Techniken
Machbarkeit / Feasibility
Markteinführung / Market Entry
Sonstige Techniken
Entwicklung eines Cash Order Systems zur Reduzierung der Kosten für Hartgeldtransporte
ABO
Durchführung einer Zufriedenheitsanalyse im Rahmen von (kaufmännischen, technischen etc.) Traineeprogrammes etc.
Risikofaktoren zur Prognose einer Einweisung
Unterschiede zwischen biliodigestiver Anastomose und endoskopischer Stentimplantation als palliative Therapieformen bei Bauchspeicheldrüsenkrebs
Veränderungen des Immunsystems bei Mammakarzinom unter einer immunstimulierenden Therapie etc.
Entwicklung des intrakraniellen Volumens bei Kindern
Krankheitskostenstudie Herzinsuffizienz etc.
wissenschaftliche Begleitung eines Projekts zur Wirksamkeit des Mercator-Förderunterrichts
Meta-Analyse der Dunkelziffer-Forschung
Modelle in Forschungsmethoden
Zeitreihenanalysen (1950-2000) zum Verlauf ausgewählter Gewaltstatistiken auf der Basis von Daten des Bundeskriminalamts, der Polizeilichen Kriminalstatistik, und des Statistischen Bundesamts
Korrelate einer Führungsposition (z.B. Support).
Bildungsbedarfsanalyse für einen grossen Versicherer im Raum Köln
Führungskräfte und work-life-balance
Einfluss von u.a. Geschlecht, Geschlechtsrollenorientierung und hierarchischer Position auf die Reaktion von Führungskräften auf Problemverhalten von Mitarbeitern
Qualitative Evaluation eines systemischen Trainings für Führungskräfte
Evaluation eines Assessmentcenters anhand der Konstrukt- und der prognostischen Validität
Inhalt
Basisverfahren
Daten-Management
Deskriptive Statistik
Tabellenanalyse
Multivariate Verfahren
Zeitbezogene Verfahren
Steuerung
Maus
Dauer
Mind. 1 Einheit, auf Wunsch auch nach Absprache.
Sie haben die Möglichkeit, sich aus den angegebenen Einheiten den Inhalt der Kurse auf Ihre Anforderungen vor Ort hin maßzuschneidern. Sie buchen also nur das, was Sie wirklich brauchen. Bei Fragen helfen wir Ihnen gerne weiter.
Die Anzahl der Teilnehmer bestimmen Sie, ebenfalls die Termine der Kurse. Die jeweiligen Kurstermine können Sie frei festlegen, und somit auf Ihre Anforderungen vor Ort abstimmen.
Die Kurse finden in der Regel bei Ihnen vor Ort als Inhouse-Training statt, sei es in Deutschland, Österreich oder in der Schweiz. Ihre Vorteile sind eingesparte Reise- und Übernachtungskosten und kürzere Abwesenheit vom Arbeitsplatz für Ihre MitarbeiterInnen, und ein effektiveres Lernen, weil es in der gewohnten (Rechner)Umgebung stattfindet. Ein Kurstag geht in der Regel von 10.00 bis 17.30. Anpassungen auf Anforderungen vor Ort gerne nach Absprache. Inhouse-Trainings sind möglich als Einzelkurse, Tageskurse, mehrtägige Kurse, oder mehrere Blöcke übers Jahr verteilt. Konditionen für Outhouse-, Crash- oder Wochenendkurse, wie auch Kurse für privat (Einzelpersonen oder Gruppen) gerne auf Anfrage.
Alle Kursteilnehmer erhalten zu jedem Kurs umfangreiche Materialien, die im Kurspreis enthalten sind. Diese eigens entwickelten Unterlagen enthalten Einführungen in methodische Grundlagen, verständliche Erläuterungen, unzählige Beispiele (z.B. Codes, Graphiken, Fälle, Analysen, Outputs), Syntax, und kommentierte Ergebnisse bzw. erschöpfend zusammengestellte Voraussetzungen der jeweiligen Verfahren. Bei hoher Verständlichkeit und klarer Struktur sind die Skripte von methodischer Professionalität. Ein darauf aufbauendes Buch zur graphischen und statistischen Datenanalyse erschien Januar 2004 bei Oldenbourg (Umfang ca. 850 Seiten). Ein SAS Buch zu PROC SQL für Einsteiger erschien August 2011 bei Oldenbourg (Umfang ca. 400 Seiten). Ein SAS Buch zu PROC SQL für Fortgeschrittene (u.a. Makroprogrammierung, uvm.) wird voraussichtlich im November 2011 bei Oldenbourg erscheinen. Alle Kursteilnehmer erhalten eine Teilnahmebescheinigung, die die erworbenen Qualifikationen hervorhebt.
Unsere Kurse sind gut und gefragt. Wir bitten daher um rechtzeitige Buchung. Termine werden in der Reihe des Eingangs reserviert. Absagen sind grundsätzlich schriftlich vorzunehmen. Bei einem Rücktritt bis zwei Wochen vor Trainingsbeginn entstehen Ihnen keine Kosten. Bei späterer Absage bzw. Nichterscheinen ist die volle Teilnahmegebühr zu begleichen.
Die Kurskosten verstehen sich als eine Kombination aus Mindestbuchung und Staffelpreisen: Ein SAS Kurstag für 2 Personen kostet zusammen CHF 1050 zzgl. MWSt. ggf. zzgl. Reisespesen (u.U. ist eine Steuerbefreiung möglich). Jede weitere TeilnehmerIn zahlt reduzierte Kurskosten. Wenn Sie mehrere Kurse buchen, kommen wir Ihnen zusätzlich mit reduzierten Kursgebühren entgegen. Je mehr Teilnehmer Sie sind bzw. je mehr Kurse Sie buchen, desto geringer werden die Kosten der einzelnen Kosten. Für Universitäten, Fachhochschulen, und andere Einrichtungen der Länder gerne auch Abrechnung über Lehraufträge.
Sie haben noch Fragen? Wir stehen gerne zu Ihrer Verfügung.
Inhalt
Basisverfahren
Daten-Management
Deskriptive Statistik
Tabellenanalyse
Multivariate Verfahren
Zeitbezogene Verfahren
Steuerung
Maus
Dauer
Mind. 1 Einheit, auf Wunsch auch nach Absprache.
Inhalt
Basisverfahren
Daten-Management
Deskriptive Statistik
Tabellenanalyse
Multivariate Verfahren
Zeitbezogene Verfahren
Steuerung
Maus
Dauer
Mind. 1 Einheit, auf Wunsch auch nach Absprache.
Inhalt
Basisverfahren
Daten-Management
Deskriptive Statistik
Tabellenanalyse
Multivariate Verfahren
Zeitbezogene Verfahren
Steuerung
Maus
Dauer
Mind. 1 Einheit, auf Wunsch auch nach Absprache.
Inhalt
Die deskriptive Statistik ist das Fundament jeder professionellen Datenanalyse. Dieser Kurs ist inhaltlich auf das Kennenlernen und die Ermittlung, Darstellung und Interpretation der gebräuchlichsten Lage-, Streu-, und Formmaße ausgerichtet. Dieser Kurs führt Sie ein in die Grundbegriffe und Grundannahmen der deskriptiven Statistik (z.B. Grundgesamtheit/Stichprobe, Merkmal/Variable, Skalenniveaus, und Gütekriterien), Sinn und Grenzen der wichtigsten Kennziffern und ihre Anforderung mit den SAS Prozeduren UNIVARIATE, FREQ, MEANS, und TABULATE. Nach diesem Kurs können Sie für beliebige Datenverteilungen alle wichtigen Kenngrößen univariat bzw. gruppiert berechnen und interpretieren, wie auch oft begangene Irrtümer bei der Berechnung solcher Kenngrößen bereits im Ansatz erkennen und vermeiden.
Steuerung
Syntax
Dauer
1 Einheit
Inhalt
Vorstellung der Grundformen. Programmierung (mehrdim.) Balkendiagramme (hoch, quer), Kreisdiagramme, Boxplots, Histogramme, PP Plots, Streu- und Liniendiagramme. Fortgeschrittene Graphiken: Karten, Portfolio-Diagramme, Bubble-Plots und Bevölkerungsbäume. Pareto-, Radar- und Regelkartendiagramme. Fortgeschrittene Programmierung, incl. ANNOTATE, und speziellen Optionen, Formaten, Makros uvam. Export von Graphiken und Karten. Dutzende von Beispielen.
Steuerung
Syntax
Dauer
2 Einheiten, auf Wunsch auch nach Absprache.
Inhalt
Dieser Kurs bietet zunächst eine Einführung in die Grundlagen der Inferenzstatistik (Sinn und Grenzen), in die Messtheorie und ihrer Axiome, die Bedeutung der Skalenniveaus (Messniveaus) und den Grundbegriffen der Operationalisierung. Die Theorie und das Schema des Hypothesentests wird vorgestellt (einschl. Fehler I. und II. Art), Fragerichtungen und Fußangeln beim Interpretieren von Signifikanzen. Mehrere Ansätze zur Bestimmung des Stichprobenumfangs (Fallzahlen) werden skizziert, wie auch die damit einhergehenden Probleme. Mehrere Verteilungen werden vorgestellt als Prüf- und Modellverteilungen (u.a. Binomial, Poisson, Normal, Chi², F). Wahrscheinlichkeiten werden ermittelt. Die Praxis des Hypothesentests wird an zahlreichen Punkt- und Intervallschätzungen demonstriert (z.B. Chi²-Test, U-Test, T-Test). Einführung in zahlreiche Verfahren für nichtparametrische und parametrische Punkt- und Intervallschätzer. Es werden u.a. die SAS Prozeduren FREQ, GLM, MEANS, NPAR1WAY, und TTEST eingesetzt. Zahlreiche Beispielanalysen.
Steuerung
Syntax
Dauer
1-2 Einheiten
Inhalt
Der Kurs „Korrelation“ führt ein in die bivariate Pearson Korrelation, ihre Berechnung und diverse Besonderheiten bei der Interpretation der ermittelten Koeffizienten. Dargestellt werden häufig vernachlässigte Voraussetzungen (u.a. Stichprobenmerkmale, Linearität, Kontinuität) und Probleme wie z.B. Scheinkorrelation, Effekte durch Drittvariablen und Alphafehler-Kumulierung (einschl. ihrer Lösung). Als besondere Anwendungen werden der direkte Vergleich von Koeffizienten, der gruppenweise Vergleich von Korrelationen und die lineare kanonische Korrelation vorgestellt. Die Überprüfung der zahlreichen Voraussetzungen wird an Beispielen geübt.
Steuerung
Syntax
Dauer
½ -1 Einheit
Inhalt
Analyse von uni- bis mehrdimensionalen Tabellen für alle bekannten Tabellenstrukturen, von unabhängigen bzw. verbundenen Variablen bis hin zu prospektiven bzw. retrospektiven Analysen (u.a. Binomial-, Chi², und CMH-Tests, Odds Ratio, Risikomaße, Sensitivität/Spezifität, und alle möglichen Maße der Kontingenz, Assoziation bzw. des Zusammenhangs).
Steuerung
Syntax
Dauer
1 Einheit
Inhalt
Dieser Kurs führt ein in Vergleiche zwischen zwei oder mehr unabhängige oder auch verbundene (abhängige) Gruppen mit den SAS Prozeduren ANOVA, GLM, NPAR1WAY, und NESTED. Vorgestellt werden z.B. T-Test, ANOVA, ein-/mehrfaktorielle Varianzanalyse ohne/mit Messwiederholung (Profilanalyse), Kovarianzanalyse Kontraste, und post hoc-Tests. Anforderung, Interpretation und Erläuterung des Outputs. Zahlreiche Beispielanalysen. Zahlreiche Voraussetzungen des jew. Verfahrens werden vorgestellt und ihre Überprüfung an Beispielen geübt.
Steuerung
Syntax
Dauer
1 Einheit
Inhalt
Verständliche Einführung in die Berechnung einer Faktorenanalyse (PROC FACTOR), der Pfadanalyse (PROC CALIS, RAM-Option). Berechnung einer iterativen Hauptfaktorenanalyse, ausführliche Erläuterung des Vorgehens (Extraktion, Rotation) bzw. des Outputs. Einführung in die Grundidee und die Listenschreibweise der RAM-Option in CALIS zur Berechnung und Interpretation einer Pfadanalyse. Verständliche Einführung in die Berechnung einer Hauptkomponenten- (PROC PRINCOMP) und der Clusteranalyse (FASTCLUS und CLUSTER). Mit Beispielanalysen.
Steuerung
Syntax
Dauer
2 Einheiten, auf Wunsch auch nach Absprache.
Inhalt
Einführung in zeitbezogene Verfahren, die Ermittlung wichtigster Kennziffern und ihrer Interpretation anhand der SAS Prozeduren LIFETEST und FORECAST. Incl. zahlreicher Graphiken und Beispielanalysen.
Steuerung
Syntax
Dauer
1 Einheit, auf Wunsch auch nach Absprache.
Inhalt
Der Kurs „Regression“ stellt eine Einführung in eines der wahrscheinlich am meisten unterschätzten Verfahren zur Analyse von gerichteten linearen Zusammenhängen vor. Vorgestellt werden u.a. die einfache lineare Regression, die Linearisierung nichtlinearer Funktionen, die einfache nichtlineare Regression und die multiple lineare Regression. Direkte und schrittweise Methoden. Graphische Voraussetzungstests. Anforderung. Interpretation und Erläuterung des Output (u.a. R², ANOVA, Koeffizienten). Identifikation, Bewertung und Ausschluss von Ausreißern (Residuen, einflussreiche Werte). Kriterien für die Wahl zwischen verschiedenen Modellgleichungen. Zahlreiche Voraussetzungen (Linearität, Normalität, Varianzengleichheit) des Verfahrens werden vorgestellt und ihre Überprüfung an Beispielen geübt. Bei der multiplen Regression werden Ansätze zur Identifikation von Autokorrelation und Multikollinearität und drei Ansätze zum Umgang mit Multikollinearität vorgestellt. Für nichtlineare Funktionen wird u.a. ein Ansatz der Linearisierung bzw. die Analyse mittels der nichtlinearen Regression vorgestellt.
Steuerung
Syntax
Dauer
1 Einheit
Inhalt
Dieser Kurs führt ein in die binäre logistische Regression (LOGISTIC) und Vergleich mit anderen Ansätzen. Modellspezifikation und Anforderung. Interpretation und Erläuterung des Output (u.a. Hosmer-Lemeshow-Test, Odds Ratio, Koeffizienten, Cutoff). Modellgüte vs. Prädikative Effizienz. Anforderung, Interpretation und Erläuterung des Outputs. Zahlreiche Voraussetzungen des Verfahrens werden vorgestellt und ihre Überprüfung an Beispielen geübt.
Steuerung
Syntax
Dauer
½ -1 Einheit
Inhalt
Dieser Kurs führt in das Grundprinzip und Varianten der Faktorenanalyse (z.B. Alpha, Hauptfaktoren, Hauptkomponenten), die wichtigsten Extraktions-, wie auch Rotationsmethoden (z.B. orthogonal vs. oblique) und ihre Funktion. Vorgestellt werden Kriterien zur Bestimmung, Interpretation und Benennung der Faktoren. Zahlreiche Voraussetzungen des Verfahrens werden vorgestellt und ihre Überprüfung an Beispielen geübt.
Steuerung
Syntax
Dauer
½ -1 Einheit
Inhalt
Dieser Kurs führt ein in die Gruppe der Clusterverfahren. Vorgestellt werden hierarchische, partitionierende und TwoStep-Verfahren. Bei der hierarchischen Clusteranalyse (CLUSTER) lernen Sie die diversen Maße (z.B. quadrierte euklidische Distanz, Pearson-Korrelation, Chi²-Maß etc.) und Methoden (Density, Linkage, Ward etc.) einschl. ihrer Bias (z.B. Ausreißer, Chaining) kennen und lernen, Intervalldaten, Häufigkeiten und binäre Daten zu clustern bzw. Kategorialdaten und gemischte Daten zu kodieren, clustern und jeweils zu interpretieren. Die Clusterzentrenanalyse (k-means, FASTCLUS) lernen Sie als partitionierendes Verfahren kennen. Sie lernen Teststatistiken zur Bestimmung der optimalen Clusterzahl kennen (z.B. Eta², F-max; nicht im original SAS Leistungsumfang enthalten), wie auch die ausgewählte Clusterlösung auf Interpretierbarkeit, Stabilität und Validität zu prüfen. Darüber hinaus lernen Sie Kriterien für die Beurteilung einer guten Clusterlösung kennen, wie auch alternative grafische und logische Ansätze zur Clusterung von Daten. Für alle Verfahren wird die Überprüfung von Voraussetzungen, Anforderung, Rechenschritte, wie auch die Interpretation von Ergebnissen an Beispielen geübt.
Steuerung
Syntax
Dauer
2 Einheiten, auf Wunsch auch nach Absprache.
Inhalt
In diesem Kurs lernen Sie zahlreiche Möglichkeiten, Tipps und Tricks kennen, Ihre Daten für grafische, deskriptive, oder statistische Analysen vorzubereiten und auf Plausibilität und Vollständigkeit zu überprüfen. Nur mit einer angemessene Aufbereitung bzw. Transformation können Daten oft erst ausgewertet werden.
Arbeit in der Programmierumgebung des Enhanced Program Editor in SAS 9.1.3. Daten-ManagementEinführung und Grundoperationen: Auf Daten über LIBNAME zugreifen, Rohdaten im Data-Schritt einlesen (Formate, Informate), und Speichern als permanenten oder temporären SAS Datensatz. eines Datensatzes über PROC PRINT, PROC REPORT (prompt), PROC CONTENTS und den Table Editor.
Einführung in das Datenmanagement mit Data-Schritt-Programmen:
und eines Datensatzes (Subsets) mittels u.a. DROP, KEEP, RETAIN und SORT.
auf der Variablen-Ebene: Ändern von Variablennamen (RENAME), (LABEL), alpha)numerische (FORMAT): Vergabe und Aufruf, Zaubern mit Zeichen: U.a. Sub- und in Variablennamen bzw. Überschriften, -Zeichen. Rekodieren von Variablenwerten und Wertebereichen in neue Klassifikationsvariablen (IF THEN – ELSE).
Berechnen neuer Werte und Variablen mittels SAS Funktionen (u.a. arithmetische Operationen, mathematische und statistische Funktionen, z.B. ABS, MEAN, SUM, usw.), Anwenden von Zeit- und Datumsfunktionen, Konvertieren von Variablentypen, (alphanumerisch → numerisch, numerisch → alphanumerisch). Kopieren, Rangordnen und STANDARD), Konvertieren von Werten oder auch Ersetzen von bestimmter Kodes durch Missings.
Professionelles Datenmanagement: Aufteilen von Datensätzen über Filter bzw. Bedingungen (Vergleichsoperatoren: WHERE, IF), (u.a. SET, MERGE, UPDATE, IN-Option), Umstrukturieren von Datensätzen („Aus 3 mach 1“ bzw. „Aus 1 mach 3“, u.a. mittels ARRAY, DO IF, IF.FIRST, OUTPUT).
Steuerung
Syntax
Dauer
2 Einheiten, auf Wunsch auch nach Absprache.
Inhalt
Ein kurzer Vergleich von PROC SQL mit dem DATA STEP. Grundoperationen mit PROC SQL. Queries: Verschachtelte bzw. genestete Abfragen (Tabellen): Bezugnahme auf einen Datensatz, Bezugnahme auf mehrere Datensätze. Arbeiten innerhalb einer Tabelle: Teilmengen bilden (numerisch, Strings, Platzhalter; Optionen WHERE, HAVING, DELETE), Strukturieren / Sortieren von Tabellen (ORDER BY, Positionshinweis), Formate/Informate: Label und In/Formate für Variablen und Werte, Bedingungen und Untergruppen, Ermitteln der Häufigkeit von Zeilen oder Werten (Zählwerte), Anlegen von (leeren) Tabellen und Datenzeilen (CREATE, INSERT/SET, ALTER TABLE), (Bedingtes) Aktualisieren bzw. Überschreiben von Werten (UPDATE). Arbeit mit mehreren Tabellen – Verknüpfen von Tabellen und Abfragen: „Untereinanderhängen“ von Datensätzen (SET Operatoren), Operatoren für das „Nebeneinanderstellen“ (Joinen) von Datensätzen. PROC SQL und Missings: PROC SQL und Variablentyp: Abfragen für Missings, Bedingungen (ALL/ANY/SOME, EXISTS, IN, IS, LIKE usw.), Besonderheiten bei Joins, Funktionen für die Aggregierung bzw. statistische Beschreibung (COUNT, MEAN, N usw.), Konvertieren von Missings (Makro-Beispiel). Datenqualität mit PROC SQL: Identifikation von Ausreißern (numerische Variablen), Überprüfen auf Missings, Überprüfen auf ungültige Zeichen (Variationen bei Strings), Auffinden von mehrfachen Werten (Doppelte). Makroprogrammierung mit SQL: Übergabe eines Wertes an Überschriften, Ausgabe von Werten in Log oder Output, Arbeit mit automatischen PROC SQL Makrovariablen. Tipps und Tricks. Zugriff auf SAS Bibliotheken (Dictionaries). Tipps für die Verbesserung der Performanz bei der Arbeit mit großen Datensätzen.
Steuerung
Syntax
Dauer
2 Einheiten.
Inhalt
Dieser Kurs führt ein in die Forschungsmethoden und Statistik im Kontext der Planung, Analyse und Qualitätssicherung von Studien auch in großem Rahmen. Angefangen von der Planung einer Studie (u.a. Protokoll, Bias, Reichweite, Einschlusskriterien und Maskierungstechniken) über Überlegungen zum Aufbau (Design- und Testarten), Durchführung einer Studie (u.a. Arten des Monitoring) bis hin zu grundsätzlichen Überlegungen zu Datenanalyse und Qualitätssicherung (Daten, Ergebnisse).
Steuerung
Info
Dauer
Nach Absprache
Inhalt
In diesem Kurs lernen Sie zahlreiche Kriterien und Möglichkeiten kennen, die Qualität Ihrer Daten [DQ] zu überprüfen.
Einführung: Die „DQ Pyramide“.
Zielsetzung, Konzept und Grundlagen.
Vollständigkeit:
U.a. Kontrollieren Sie die Anzahl der Tabellen, die Anzahl der Zeilen (Beobachtungen), die Anzahl der Spalten (Variablen), und die Werte bzw. Missing Values.
Einheitlichkeit:
U.a. Vereinheitlichen Sie Strings, Symbole oder Sonderzeichen, Währungen und Messeinheiten, gemischte Zeichenketten (Telefonnummern), Datumsvariablen und –werte, und Interpunktion bzw. Nachkommastellen.
Doppelte Werte und mehrfache Datenzeilen:
Überprüfung auf Dubletten, Identifikation der Art und Anzahl von Doppelten, Entfernen doppelter Datenzeilen.
Anzeigen von gefilterten und doppelten Datenzeilen, Identifikation von Doppelten und Ausfiltern beim Einlesen von Datenzeilen (gruppierte bzw. genestete Daten).
Missings (Bedeutung, Kodierung, Rekonstruktion):
Ursachen, Folgen, Ausmaß und Muster. Welche Missings sollten nicht durch Werte ersetzt bzw. gelöscht werden?
Maßnahmen: Löschen von Missings: Paarweises vs. listenweises Löschen, komplett leere Zeilen: Technische Probleme als Ursache von Missings, Rekonstruktion von Missings (Logisches Vorgehen, Stereotypengeleitetes Vorgehen, Univariate Schätzung, Multivariate Ähnlichkeit (Hot deck-Imputation), Multivariate Schätzung (Missing Value Analysis, Rechnen mit Missings.
Ausreißer:
Merkmale von Ausreißern (die Perspektive entscheidet mit, „frames“). Univariat oder/und multivariat: Univariate Ausreißer (Identifikation über Maße, Regeln, Tests, Diagramme); multivariate Ausreißer (Identifikation über Maße, Besonderheiten bei (bivariaten) Messwertreihen, Identifikation über Diagramme). Ursachen und Umgehen mit Ausreißern.
Plausibilität: Formales und inhaltliches Vorgehen, Die praktische Überprüfung der Qualität von Daten (Qualität der Daten einer Variablen bzw. zweier Variablen).
Überprüfen mehrerer Variablen und Datensätze: Arbeitsgrundlage: Ein Datensatz: U.a. Screenings innerhalb einer Spalte (Variablen), Screenings innerhalb mehrerer Spalten (Variablen), Vergleich zwischen Spalten auf absolute Übereinstimmung, spalten- und zeilenweise Analyse mehrerer numerischer Daten, Rekodieren von Werten und Missings in mehreren Variablen, einheitliches „Auffüllen“ von mehreren Datenzeilen, Umbenennen zahlreicher Variablennamen (Präfixe, Suffixe).
Überprüfen mehrerer Variablen und Datensätze:e, Arbeitsgrundlage: Mehrere (separate) Datensätze: U.a. Prüfregeln zum Zusammenfügen, Das Überprüfen mehrerer Datensätze auf Vollständigkeit (Überprüfung fortlaufend gespeicherter Daten, Überprüfung segmentiert gespeicherter Daten), Vergleich von Datensätzen auf identische Inhalte, Vergleich von Datensätzen auf Missings, Identifizieren spezieller Werte auch in separaten Datensätzen, Aufteilen eines Datensatzes in einheitlich gefilterte Subdatensätze.
Zeit- bzw. datumsbezogene Probleme:
Einsichten durch Zeitdifferenzen, Überprüfung von Datumseingaben (Zahlendreher), Varianten zum Beheben des „Jahr 2000“-Problems (ISO 8601, Y2K), Zeitstempel, das Berechnen von Alter und anderes.
Weitere Kriterien für die Datenqualität.
Steuerung
Syntax
Dauer
Nach Absprache
Mit diesem Formular können Sie uns per Email kontaktieren.Tragen Sie einfach Namen, Emailadresse, und Anliegen in die Felder ein, und schicken Sie Ihre Email über den „Abschicken“-Button ab.
Achten Sie bitte unbedingt auf eine korrekte Absenderadresse, ansonsten erreichen unsere Antworten Sie nicht. Bitte geben Sie auch ein aussagefähiges Betreff an. Wir rufen Sie gerne zurück.
Wir bearbeiten jede Anfrage an Arbeitstagen innerhalb 24 Stunden. Sollten Sie in dieser Zeit nichts von uns hören (dies kann diverse Ursachen haben: Spam- bzw. Vireneinstellungen, falsche Absenderadresse, usw.), rufen Sie bitte kurz an.
Downloads
| Datei | Band.sav |
|---|---|
| Quelle | SPSS |
| Verwendung | Kap. 1.2.3. (36ff.) |
| Datei | World95.sav |
|---|---|
| Quelle | SPSS |
| Verwendung | Kap. 1.2.5. (48ff.), 1.2.9. (84ff.), 1.4.4. (136ff.), 1.5.1. (146ff.), 1.5.2. (148ff.) |
| Datei | names.sav |
|---|---|
| Quelle | SPSS (World95.sav); modifiziert vom Verfasser. |
| Verwendung | Kap.1.2.6. (69ff.), Kap.1.2.7. (75ff.) |
| Datei | Clust_Var.sav |
|---|---|
| Quelle | CFG Schendera |
| Verwendung | Kap. 1.2.8. (79ff.) |
| Datei | TwoStep.sav |
|---|---|
| Quelle | CFG Schendera |
| Verwendung | Kap. 1.3.2. (98ff.) |
| Datei | CRM_data.sav |
|---|---|
| Quelle | CFG Schendera |
| Verwendung | Kap. 1.4.2. (118ff.) |
| Datei | car_sales.sav |
|---|---|
| Quelle | SPSS |
| Verwendung | Kap. 1.5.5. (154ff.), 2.5.2. (231ff.) |
| Datei | tree_credit.sav |
|---|---|
| Quelle | SPSS |
| Verwendung | Kap. 1.5.6. (165ff.) |
| Datei | Breast cancer survival.sav |
|---|---|
| Quelle | SPSS |
| Verwendung | Kap. 1.5.8.. (172ff.) |
| Datei | bankloan_binning.sav |
|---|---|
| Quelle | SPSS |
| Verwendung | Kap. 1.5.8. (172ff.) |
| Datei | Harman76.sav |
|---|---|
| Quelle | Harry H. Harman (19763, 14). „Modern Factor Analysis“. |
| Verwendung | Kap. 2.5.1 (217ff.) |
| Datei | Dünger.sav |
|---|---|
| Quelle | SPSS |
| Verwendung | Kap. 2.5.3. (242ff), 2.5.4. (257ff), 2.5.7. (290ff) |
| Datei | anorectic.sav |
|---|---|
| Quelle | SPSS |
| Verwendung | Kap. 2.5.6. (280ff.) |
| Datei | backpain.sav |
|---|---|
| Quelle | SPSS |
| Verwendung | Kap. 3.3. (308ff.) |
| Datei | alzheimer.sav |
|---|---|
| Quelle | SPSS |
| Verwendung | Kap. 3.4. (336ff.) |
Downloads
| Datei | hip_weight.sav |
|---|---|
| Quelle | CFG Schendera |
| Verwendung | Kap. 1.4.1. (8ff.), Kap. 1.4.2. (10ff.), Kap. 1.6. (19ff.), Kap. 2.1. (42ff.), Kap. 2.2.4. (Fall 1) (77ff.) |
| Datei | Canonical correlation.sps |
|---|---|
| Quelle | SPSS |
| Verwendung | Kap. 1.8.3. (31ff.) |
| Datei | Ridge Regression.sps |
|---|---|
| Quelle | SPSS |
| Verwendung | Kap. 5.3. (385ff.) |
| Datei | CP53.sps |
|---|---|
| Quelle | Chatterjee & Price, 1995², 53ff. |
| Verwendung | Kap. 2.2.3. (74ff.) |
| Datei | Fall2unbekannt.sav |
|---|---|
| Quelle | CFG Schendera |
| Verwendung | Kap. 2.2.4. (Fall 2) (78ff.) |
| Datei | Fall3unbekannt.sav |
|---|---|
| Quelle | CFG Schendera |
| Verwendung | Kap. 2.2.4. (Fall 3) (86ff.) |
| Datei | nelson.sav |
|---|---|
| Quelle | Nelson, Wayne (1981). Analysis of Performance-Degradation Data. IEEE Transactions on Reliability Vol. 2, R-30, No. 2, 149-155.(aufbereitet vom Autor) |
| Verwendung | Kap. 2.2.5. (91ff.) |
| Datei | CP70.sav |
|---|---|
| Quelle | Chatterjee & Price, 1995², 70ff. |
| Verwendung | Kap. 2.3.2. (106ff.) |
| Datei | CP193.sav |
|---|---|
| Quelle | Chatterjee & Price, 1995², 192ff. |
| Verwendung | Kap. 2.3.3. (124ff.), Kap. 5.1.1. (353ff), Kap. 5.3. (378ff.) |
| Datei | bloodpressure.sav |
|---|---|
| Quelle | CFG Schendera |
| Verwendung | Kap. 3.2.2. (148ff.) |
| Datei | labordata.sav |
|---|---|
| Quelle | CFG Schendera |
| Verwendung | Kap. 3.2.4. (161ff.) |
| Datei | femaleBMI.sav |
|---|---|
| Quelle | CFG Schendera |
| Verwendung | Kap. 3.3.2. (179ff.) |
| Datei | BMIordinal.sav |
|---|---|
| Quelle | CFG Schendera |
| Verwendung | Kap. 3.3.2. (189ff.) |
| Datei | tumordata.sav |
|---|---|
| Quelle | SPSS (Breast cancer survival.sav); modifiziert vom Verfasser |
| Verwendung | Kap. 3.4.1. (201ff.) |
| Datei | SurvivalData.sav |
|---|---|
| Quelle | CFG Schendera |
| Verwendung | Kap. 4.6.1. (252ff.), Kap. 4.6.4. (271ff.), Kap. 4.6.5. (273ff.), Kap. 4.6.6. (277ff.), Kap. 4.7.2. (290ff.), Kap. 4.7.3. (300ff.), Kap. 4.7.4. (304ff.) |
| Datei | Seen_Syntax.sps |
|---|---|
| Quelle | CFG Schendera |
| Verwendung | Kap. 4.6.2. (259ff.), Kap. 4.6.3. (265ff.) |
| Datei | Brustkrebs_Survival.sav |
|---|---|
| Quelle | (Breast cancer survival.sav); modifiziert vom Verfasser |
| Verwendung | Kap. 4.7.5. (308ff.) (I, II, III), Kap. 4.7.6. (324ff.), Kap. 4.7.7. (332ff.) (Varianten 1+2) |
| Datei | LearnData.sav |
|---|---|
| Quelle | CFG Schendera |
| Verwendung | Kap. 5.2. (365ff.) (Ansätze 1-3) |
These sample files and code examples are provided by CFG Schendera c/o Method Consult „as is“ without warranty of any kind, either express or implied, including but not limited to the implied warranties of merchantability and fitness for a particular purpose. Recipients acknowledge and agree that CFG Schendera c/o Method Consult shall not be liable for any damages whatsoever arising out of their use of this material. In addition, CFG Schendera c/o Method Consult will provide no support for the materials contained herein.
Zu diesem Buch sind keine Downloads erhältlich.
Seitenanzahl
395
ISBN-13
Erscheinungstermin
SQL (Structured Query Language) ist die vermutlich am weitesten verbreitete Programmiersprache weltweit und gilt mittlerweile als Quasi-Industriestandard. Dieses Buch versteht sich als Übersicht und Einführung in SQL.
Schritt für Schritt wird der Anwender von einfachen Beispielen (per Maus abgefragt oder mit SQL Syntax geschrieben), zu komplexen Arbeiten innerhalb einer oder mehr Tabellen einschließlich komplexerer Szenarios und Joins geführt.
Fokuskapitel vertiefen besondere Themen der Arbeit mit SQL, z.B. die deskriptive Statistik, sowie Hilfen, Tipps und Tricks. Das Buch enthält außerdem Übungsaufgaben zu Daten erfolgreicher Kinofilme, wie auch ihre Lösung mit SQL.
1 SQL (Structured Query Language)
2 Erste Schritte mit PROC SQL
2.1 Variationen eines Beispiels: Abläufe innerhalb einer Tabelle
2.2 Von hier aus weiter: Beispiele für grundlegende SQL Anwendungen
2.3 SQL per Mausklick mit dem SQL Query Window
2.4 Unterschiede zwischen SAS Tabellen und SAS Views
2.5 PROC SQL für SAS Base Programmierer
2.5.1 Programmierbeispiele: SAS Base vs. PROC SQL
2.5.2 Unterschiede in den Programmierkonventionen
2.5.3 Performanz: „Es kommt darauf an“
2.6 PROC SQL und der ANSI Standard
3 Elemente der PROC SQL Syntax: Übersicht
3.1 Ausdrücke (SQL, Tabelle, Query, Joins)
3.2 SQL Syntax: Struktur und Übersicht
3.3 Weitere SQL Ausdrücke, Bedingungen und Funktionen
4 Queries: Verschachtelte bzw. genestete Abfragen (Tabellen)
4.1 Bezugnahme auf eine Tabelle
4.2 Bezugnahme auf mehrere Tabellen
5 Arbeiten innerhalb einer Tabelle
5.1 SQL Syntax in der Praxis
5.2 Grundoperationen und Berechnungen (SELECT-Statement)
5.3 Berechnungen und Aktualisierungen mit CASE und UPDATE
5.4 Subqueries
5.5 Self-Joins (Reflexive Join)
5.6 Weitere Möglichkeiten der Arbeit mit einer Tabelle
6 Arbeit mit zwei Tabellen: Verknüpfen von Tabellen
6.1 „Untereinanderhängen“ von Tabellen (Set Operatoren)
6.2 Operatoren für das „Nebeneinanderstellen“ (Joinen) von Tabellen
6.3 Spezielle Joins (u.a. INNER, CROSS, NATURAL, UNION)
6.4 Filtern mit Subqueries
6.5 Weitere Möglichkeiten der Berechnung und Aktualisierung
6.6 Fallstricke bei der Arbeit mit zwei Tabellen
7 Arbeit mit zwei Tabellen (und mehr)
7.1 One-to-Many (BY-Merge, interleaving)
7.2 Many-to-One
7.3 Many-to-Many
7.4 Arbeiten mit drei und mehr Tabellen
7.5 Prüfschritte und Hilfsmittel für die Arbeit mit zwei und mehr Tabellen
8 Fokus: Deskriptive Statistik
8.1 Statistische Grundlagen
8.1.1 Lagemaße
8.1.2 Streuungsmaße
8.2 Berechnung von Lage- und Streuungsmaßen
8.3 Weitere Aggregierungsfunktionen (COUNT, SUM usw.)
8.4 Prozent- und Quotientwerte (SUM, COUNT)
8.5 Rechnen mit Gewichtungen (SUM, CASE GROUP BY)
9 Fokus: Hilfen, Tipps und Tricks
9.1 Verstehen und Testen von SQL (FEEDBACK, VALIDATE)
9.2 Optimieren von Joins (_METHOD, _TREE)
9.3 Konvertieren, String-Funktionen etc.
9.4 Designen der SQL Ausgabe
9.5 Output Delivery System (ODS)
9.6 Zugriff auf Microsoft Excel
10 Übungsteil: Aufgaben und Lösungen
10.1 Aufgaben, die nur eine Tabelle erfordern
10.2 Aufgaben, die zwei Tabellen erfordern
10.3 Lösungen
11 Verwendete SAS Datasets
11.1 SAS Datasets von SAS Institute
11.2 SAS Datasets des Verfassers
12 Literatur
13 Ihre Meinung zu diesem Buch
14 Autor
Seitenanzahl
489
ISBN-13
Erscheinungstermin
Datenqualität kommt vor Analysequalität. Dieses Buch stellt erstmalig im deutschsprachigen Raum die wichtigsten Kriterien für Datenqualität mit SPSS für Windows und Macintosh vor, u.a. Vollständigkeit, Einheitlichkeit, Doppelte, Missings, Ausreißer und Plausibilität. Die vorgestellten Lösungen basieren auf jahrelanger Erfahrung mit SPSS und sind auf Didaktik, Verständlichkeit und Qualität angelegt. Abschließend finden Sie diverse Empfehlungen für die Kommunikation von wissenschaftlichen Ergebnissen. Vermeiden Sie klassische Fehler wie z.B. „höchstsignifikant“.
Dieses Buch ist für alle wichtig, die mit SPSS arbeiten und deren Ergebnisse von zuverlässigen Daten abhängen, z.B. Unternehmen, Hochschulen und Wissenschaftler.
„Sehr informativ ist Kapitel 6, das sich mit fehlenden Daten (Missings) auseinandersetzt. Außer den diversen Ursache werden auch potentielle statistische Folgen wie Bias oder reduzierte Macht in diesem Kapitel besprochen. Besonders gelungen erscheint mir der anschließende Teil über die Mechanismen von Missings (Missing Completely at Random, Missing at Random, Not Missing at Random) und über die Möglichkeiten zur Rekonstruktion bzw. zum Ersetzen von Missings.“ (…) „Sehr interessant fand ich auch den Inhalt des letzten Kapitels, in dem man die wesentlichen Kriterien für die Kommunikation von Qualität hergeleitet findet. Dazu zählen vor allem auch Kriterien für die Qualität der Datenanalyse, die von der verwendeten statistischen Methodik abgeleitet werden müssen.“ (…) „Dieses Buch richtet sich an (…) die Gruppe der SPSS Anwender, (…) denen es ein selbstverständliches Anliegen ist, dabei natürlich auch auf die Qualität zu achten.&qout;
– Austrian Journal of Statistics, Vol. 37 (2008) Nr. 2
Seitenanzahl
482
ISBN-13
Erscheinungstermin
Dieses Buch führt ein in die grundlegenden Ansätze: Korrelation, Regression (linear, multipel, nichtlinear), logistische und ordinale Regression, sowie die Überlebenszeitanalyse (Survivalanalyse). Bei allen Ansätzen werden Voraussetzungen und häufig begangene Fehler ausführlich erläutert. Das Buch ist für Mauslenker und Syntaxprogrammierung gleichermaßen geeignet. Das Buch wurde für SPSS Version 16 geschrieben. Zahlreiche Rechenbeispiele werden von der Fragestellung, der Anforderung der einzelnen Statistiken (per Maus, per Syntax) bis hin zur Interpretation des SPSS Ausgaben systematisch durchgespielt. Es wird auch auf diverse Fehler und Fallstricke eingegangen. Zur Prüfung von Daten vor der Durchführung einer statistischen Analyse wird auf „Datenqualität mit SPSS“ (Schendera, 2007) verwiesen. Bei der Korrelationsanalyse werden z.B. die Voraussetzungen wie z.B. Skalenniveau, Homoskedastizität und Kontinuität erläutert. Weitere Abschnitte behandeln die Themen Linearität, Scheinkorrelation und Alphafehler-Kumulation. Auch wird erläutert, warum die bloße Angabe eines Korrelationskoeffizienten im Prinzip Unfug ist. Als spezielle Anwendungen werden der Vergleich von Korrelationskoeffizienten und die Kanonische Korrelation vorgestellt. Bei der Regressionsanalyse werden z.B. das Grundprinzip der klassischen bivariaten, linearen Regression vorgestellt: Eine lineare Funktion wird mittels einer linearen Regressionsanalyse untersucht. An einem einfachen Beispiel die Überprüfung der Linearität und Identifikation von Ausreißern anhand von Hebelwerten und Residuen erläutert. Auch wird das Überprüfen auf eine möglicherweise vorliegende Autokorrelation erläutert. Am Beispiel der nichtlinearen einfachen Regression wird demonstriert, warum es ein (nicht selten begangener) Fehler ist, eine nichtlineare Funktion mittels einer linearen Regressionsanalyse zu untersuchen. Weitere Abschnitte bieten zwei Lösungsmöglichkeiten an: Eine nichtlineare Funktion kann linearisiert und mittels einer linearen Regression analysiert werden. Alternativ kann eine nichtlineare Funktion mittels einer nichtlinearen Regression geschätzt werden. Außerdem werden Sinn und Grenzen der SPSS Prozedur CURVEFIT für die (non)lineare Kurvenanpassung erläutert. Abschließend wird eine nichtlineare Regression mit zwei Prädiktoren vorgestellt. An der multiplen linearen Regression werden Besonderheiten des Verfahrens, sowie die Multikollinearität und andere Fallstricke erläutert. Zu den Besonderheiten der multiplen Regression zählen u.a. die Verfahren der Variablenselektion, sowie die Interpretation der speziellen Statistiken der multiplen Regression. Neben dem Identifizieren und Beheben von Multikollinearität wird auch auf das Umgehen mit zeitabhängigen (autoregressiven) Daten eingegangen. Abschließend werden Hinweise für die Berechnung einer Partialregression gegeben. Bei den Verfahren der logistischen, sowie ordinalen Regression wird zunächst auf das Kausalmodell und das Messniveau der abhängigen Variablen eingegangen. Als grundlegendes Verfahren wird zunächst die binäre logistische Regression vorgestellt und die Gemeinsamkeiten und Unterschiede zu anderen Verfahren erläutert. Anhand mehrerer Rechenbeispiele werden u.a. die unterschiedlichen Verfahren der Variablenselektion, sowie die Interpretation der ausgegebenen Statistiken erläutert. Abschließend wird auf das häufige Auseinanderklaffen von Modellgüte und Vorhersagegenauigkeit eingegangen. Die multinomiale logistische Regression wird analog behandelt. Zusätzlich wird der Spezialfall der Gematchten Fall-Kontroll-Studie (1:1) mit metrischen Prädiktoren vorgestellt. Anschließend wird die ordinale Regression vorgestellt und die Gemeinsamkeiten und Unterschiede mit den anderen Verfahren erläutert. Anhand mehrerer Rechenbeispiele werden u.a. die Interpretation der SPSS Ausgaben für Modelle mit intervallskalierten und kategorial skalierten Prädiktoren erläutert. Bei der Überlebenszeitanalyse (syn.: Survivalanalyse, survival analysis, Lebenszeitanalyse, lifetime analysis, failure time analysis, time to effect, time to event analysis, etc.) werden z.B. das das Grundprinzip der Survivalanalyse, sowie die Bedeutung zensierte Daten erläutert. Als Verfahren zur Schätzung der Überlebenszeit S(t) werden die versicherungsmathematische Methode (Sterbetafel-Methode), der Kaplan-Meier-Ansatz, sowie Regressionen nach Cox behandelt. Bei der Sterbetafel-Methode werden Beispiele mit bzw. ohne Faktoren vorgestellt. Beim Kaplan-Meier-Ansatz werden Beispiele mit/ohne Faktoren, mit Schichtvariablen, sowie für die Ermittlung von Konfidenzintervallen vorgestellt. Bei den Regressionen nach Cox werden neben dem Unterschied zwischen Ansätzen für zeitunabhängige und zeitabhängige Kovariaten, ebenfalls zahlreichen Rechenbeispiele, sowie Cox-Regressionen für Interaktionen, sowie auch die Überprüfung der speziellen Voraussetzungen der Cox-Regression vorgestellt. Weitere Abschnitte behandeln weitere regressionsanalytische Ansätze und Modelle (u.a. PLS-Regression, Ridge-Regression, Modellierung individueller Wachstumskurven).
Datum: 24. März 2016
Nr. 001, p. 16: In der Tabelle müsste anstelle von „<“ ein „<=“ stehen, mit Ausnahme der letzten Zeile.
Nr. 002, p. 58: Die Lineargleichung für standardisierte Koeffizienten lautet korrekt:
Taillenumfang=0,831*Hüftumfang. Es werden die standardisierten Werte in diese Gleichung eingesetzt.
Nr. 003, p. 315-6 (2.A.): Vgl. 299-300: Tatsächlich steigt das Hazard-Ratio („Risiko“) an; ebenfalls die Sterbewahrscheinlichkeit.
Die Überlebenswahrscheinlichkeit nimmt dagegen ab. In der Textpassage wurde anstelle von „Risiko“
bzw. „Sterbewahrscheinlichkeit“ versehentlich „Überlebenswahrscheinlichkeit“ verwendet.
Die Interpretation beschränkt sich wegen dieses Hintergrunds auf die Wechselwirkung.
„2.A.“ kennzeichnet Stellen in der 2.Auflage.
Seitenanzahl
248
ISBN-13
Erscheinungstermin
Auch wenn man immer wieder die Frage hört, wieso eine Syntaxprogrammierung sinnvoll sein solle, wenn doch eine Maussteuerung vom Programm angeboten werde. So hebt der Autor die Vorteile der Syntaxprogrammierung ausdrücklich hervor. Insbesondere die Wiederverwendbarkeit eines Programms spricht für die Syntaxprogrammierung. Auch die damit gleichzeitig gewährleistete Dokumentation aller Datentransformationen macht dieses Vorgehen unverzichtbar (…). [Das Buch] ist eine wertvolle Hilfestellung für den Anfänger, aber besonders für den fortgeschrittenen Verwender ein wertvoller Ideengeber für ein professionelles Datenhandling auf hohem Niveau.
Quelle: ZA-Information 59, November 2006
Ein effizientes Arbeiten mit SPSS verlangt nach Syntaxsteuerung, dieses Buch bietet einen guten Einstig in diesen bislang weitgehend vernachlässigten Bereich. (..) Im ersten Kapitel (…) werden die Aufgaben des Datenmanagements erläutert, sowie gute Tipps zum wissenschaftlichen Arbeiten geboten. Weiters werden die Vorteile der Syntaxsteuerung klar dargestellt, sodass auch AnwenderInnen, die sich bisher durchgeklickt haben, nun davon überzeugt sein sollten, dass eine nähere Auseinandersetzung mit der Syntaxsteuerung lohnend sein kann. Im zweiten Kapitel (…) wird eine auch für EinsteigerInnen sehr behutsame Einführung in das Arbeiten mit der Syntaxsteuerung gegeben (…). Daneben werden die verschiedenen Möglichkeiten nicht nur erklärt, sondern es wird auch auf manche Probleme und Tücken im Umgang mit diesen Möglichkeiten hingewiesen. (…) Das letzte (…) Kapitel befasst sich mit der Makroprogrammierung in SPSS (…) und ist damit eher für Fortgeschrittene zu empfehlen. (…) Schrittweise nähert sich der Autor vom Einfachen zum Schwierigen, vom alltäglich Notwendigen zur Verfeinerung mit Hilfe der Makroprogrammierung. Anhand vieler Beispiele wird die Arbeitsweise der Syntaxsteuerung dargestellt (…). Insgesamt möchte ich dieses Buch (…) nicht mehr missen und kann es all jenen empfehlen, die SPSS künftig effizienter nutzen möchten.
Quelle: Christine Duller, in: AStA Sozialstatistisches Archiv, 2007, Vol. 1, S.87 f.
Dieses Buch ist sehr nützlich, wenn man beginnt mit der Syntax in SPSS zu arbeiten. Gut geeignet für das Selbststudium.
Quelle: Kundenrezension auf Amazon.de
Datum: 12. März 2009
Nr. 01, p.31unten: Die angezeigten Beispielstrukturen sind seitenverkehrt. Auf p.33 sind sie wieder richtig angezeigt.
Nr. 01, p.32unten/33oben: Die Schritte mit SELECT IF=4 (32unten) und /FILE=’C:\daten4.sav‘. (33oben) sind bei diesen Daten nicht nötig.
Nr. 02, p.61unten: Die angezeigte Syntax ist unvollständig. Sie lautet vollständig:
string NEULANG (A20).
compute NEULANG=ALTKURZ.
match files
/file=*
/keep ALTKURZ NEULANG.
rename variables (NEULANG=ALTKURZ).
exe.
Nr. 03 p.92mitte: Anstelle von „… VAR3 VAR1 VAR5…“ muss es „… VAR3 VAR4 VAR5…“ heissen.
1. Nicht aller Anfang ist schwer
1.1. Was ist Datenmanagement? Braucht man das?
1.2. Wieso Syntax?
2. Start! Am Anfang ist der Datensatz
2.1. Einstellungssache ist alles!
2.2. Das Syntaxfenster
2.3. Die Grundoperationen an einem Datensatz
2.4. Erste Verfeinerungen
3. Datenmanagement auf Datensatzebene
3.1. Fälle auswählen (Teildatensätze bilden)
3.2. Transponieren (FLIP CASES)
3.3. Daten zusammenfügen (ADD FILES, MATCH FILES,UPDATE)
3.4. Zugriff auf mehrere Datensätze und Variablen gleichzeitig
3.5. Daten aggregieren (AGGREGATE)
3.6. Datei aufteilen (SPLIT FILE)
3.7. Umstrukturieren eines Datensatzes
3.8. Einlesen von Daten mit DATA LIST
3.8.1. Freies Einlesen von Daten (Freies Format, FREE)
3.8.2. Listenweises Einlesen von Daten (Listenweises Format, LIST)
3.8.3. Spaltenweises Einlesen von Daten (Festes Format, DATA LIST)
3.8.4. Einlesen von externen Daten (FILE=)
3.8.5. Umstrukturierendes Einlesen I (REREAD-Option)
3.8.6. Umstrukturierendes Einlesen II (REPEATING DATA-Option)
3.9. Anlegen von Zufallsdatensätzen
4. Datenmanagement auf Variablenebene
4.1. Formatieren und Sortieren
4.2. Komplexere Operationen
4.2.1. Zählen (COUNT)
4.2.2. Berechnen (COMPUTE)
4.2.3. Funktionen für Missings
4.2.4. Wenn-dann (Bedingungen für die IF-Option)
4.2.5. Fälle gewichten (WEIGHT)
4.2.6. Werte rekodieren (automatisch, gezielt)
4.2.7. Ränge bilden (RANK)
4.2.8. Temporäres Arbeiten (TEMPORARY)
4.3. Erste Automatisierungen (DO IF, DO REPEAT)
4.4. Tipps & Tricks
4.4.1. Das nachträgliche Integrieren einer ID-Variablen
4.4.2. Das Ermitteln der Anzahl unterschiedlicher Werte oder Strings (AGGREGATE-Funktion)
4.4.3. LAG-Operation (Zeilenweise verschobenes Übernehmen von Datenspalten)
4.4.4. Effizienz durch Makroprogrammierung
4.4.5. Zusammenfassen von einzelnen Zeichen in längere Strings
5. Analyse von Mehrfachantworten
5.1. Mehrfachantworten unkompliziert ausgewertet (MEANS, GRAPH)
5.2. „Univariate“ Analyse von Mehrfachantworten (MULT RESPONSE)
5.3. Mehrfachantworten als Kreuztabelle (MULT RESPONSE „bivariat“)
5.4. Von Mehrfachantworten zu Kategorienvariablen (VARSTOCASES)
6. Operationen mit Datums- und Zeitangaben
6.1. Hintergrund und Besonderheiten
6.2. Arithmetische Operationen
6.3. Funktionen für Datums- und Zeitvariablen
6.3.1. Zusammenfassen (aggregation)
6.3.2. Konvertierung (conversion)
6.3.3. Extraktion (extraction)
6.3.4. YRMODA-Funktion
6.4. Weitere Möglichkeiten der Arbeit mit Datums- und Zeitvariablen
7. Analyse von (halb)offenen Textantworten
7.1. Gruppieren von mehreren Textangaben (eine Variable)
7.2. Selektives Suchen von Schlüsselbegriffen (eine Variable)
7.3. Analyse mehrerer Angaben (eine Variable)
7.4. Analyse mehrerer Angaben (mehrere Variablen)
7.5. Analyse von Angaben mit mehr als 255 Zeichen (mehrere Variablen)
8. Erste Hinweise für die Arbeit mit Syntaxprogrammen
8.1. Syntaxprogrammieren – erste Schritte
8.2. Hinweise für die Arbeit mit der SPSS-Syntax
9. Makroprogrammierung mit SPSS – erste Schritte
9.1. Was sind Makros?
9.1.1. Was leisten Makros? Vorteile des Makroprogrammierens
9.1.2. Aufbau dieser Einheit
9.2. Wie ist ein Makroprogramm aufgebaut?
9.3. Was können Makros? – Teil 1
9.4. Aufbau und Ablauf eines Makros
9.4.1. Makrodefinition und Makrokörper
9.4.2. Makroaufruf und Makroexpansion
9.5. Was können Makros? – Teil 2
9.5.1. Direktes Übergeben von Werten an Makrovariablen (!LET)
9.5.2. Stringfunktionen und ihre Variationsmöglichkeiten
9.5.3. Bedingungen (Konditionale Prozesse und Anweisungen)
9.5.4. Schleifenkonstruktionen
9.6. Makrooptionen (Bezüge auf Namen, Bezüge auf Positionen und anderes)
9.6.1. Bezug auf Schlüsselworte (Namensargumente, !KEY)
9.6.2. Bezug auf Positionen (Positionsargumente, !POS)
9.6.3. Weitere Optionen in der Makrodefinition (!TOKENS, !CHAREND, !ENCLOSE und CMDEND)
9.6.4. SET-Optionen für die Makronutzung
9.7. Makroprogrammierung, Fallstricke und Fehlalarme
9.7.1. Keine Übereinstimmung von Makro und Makroaufruf
9.7.2. Fehler bei der Makrodefinition (z.B. vergessene !-Zeichen oder Klammern)
9.7.3. Fehlalarm? Mehrere Makros mit demselben Namen in einer Sitzung
9.7.4. Korrektes Einbeziehen fehlerhafter bzw. angemessener Dateneigenschaften
9.7.5. Logikfehler
9.7.6. Wider ein Missverständnis
9.8. Ein kleiner Crashkurs – Sieben Schritte für das Schreiben von Makros
10. Übersicht – SPSS-Syntax, Anwendungsschwerpunkte und Grundfunktionen
11. Hinweise für Macintosh-User
Inhalt
Die deskriptive Statistik ist das Fundament jeder professionellen Datenanalyse. Dieser Kurs ist inhaltlich auf das Kennenlernen und die Ermittlung, Darstellung und Interpretation der gebräuchlichsten Lage-, Streu-, und Formmaße ausgerichtet. Dieser Kurs führt Sie ein in die Grundbegriffe und Grundannahmen der deskriptiven Statistik (z.B. Grundgesamtheit/Stichprobe, Merkmal/Variable, Skalenniveaus, und Gütekriterien), Sinn und Grenzen der wichtigsten Kennziffern und ihre Anforderung mit den SPSS Menüs „Häufigkeiten“, „Deskriptive Statistiken“, „Kreuztabellen“, „Explorative Datenanalyse“ und „Tabellen“ bzw. den Prozeduren DESCRIPTIVES, EXAMINE, FREQUENCIES, CROSSTABS und TABLES. Nach diesem Kurs können Sie für beliebige Datenverteilungen alle wichtigen Kenngrößen univariat bzw. gruppiert berechnen und interpretieren, wie auch oft begangene Irrtümer bei der Berechnung solcher Kenngrößen bereits im Ansatz erkennen und vermeiden.
Steuerung
Maus + Syntax
Dauer
½-1 Einheit
Inhalt
Dieser Kurs erläutert den wichtigsten Funktionsumfang von SPSS, unter anderem die zahlreichen Einstellungsmöglichkeiten, und die Basics der Eingabe, des Managements und der Analyse von Daten per Maussteuerung.
Steuerung
Maus
Dauer
1 Einheit, alternativ nach Absprache.
Inhalt
Dieser Kurs stellt SPSS V15 (auf Wunsch auch V12 – V14) vor, u.a. den Daten-Editor (inkl. Exkurs zu Basics über Datentabellen), und die Daten- und Variablenansicht des SPSS Daten-Editors einschl. dem ersten Anlegen eines eigenen Datensatzes. Weiter werden die Menüpunkte vorgestellt, unter denen Sie Einstellungen (Optionen) an SPSS vornehmen können, wie auch auf Support seitens SPSS zurückgreifen können (u.a. „Extras“, „Hilfe“, „Bearbeiten“ und „Ansicht“). Anschließend werden SPSS Menüpunkte für das Daten-Management („Datei“, „Daten“, „Transformieren“) erläutert, wie auch die erste Erzeugung und Bearbeitung von Grafiken und ausgewählte Tipps und Tricks (u.a. zur Nachbearbeitung). Ein weiterer Kursteil führt in die deskriptive Statistik ein und stellt die gebräuchlichsten Lage-, Streuungs- und Formmaße vor, anschließend die zahlreichen Möglichkeiten der Anforderung, Strukturierung und Analyse von Tabellen, wie auch ihre Nachbearbeitung. Der letzte Kursteil stellt den SPSS Menüpunkt „Analysieren“ vor, und darin die zahlreichen Möglichkeiten deskriptiver und inferenzstatistischer Analysen mit SPSS V15.
Steuerung
Maus
Dauer
2-3 Einheiten, auf Wunsch auch nach Absprache.
Inhalt
Dieser Kurs bietet vorrangig einen Überblick über die seitens SPSS angebotenen parametrischen und nichtparametrischen Verfahren. Vorgestellt werden u.a. Korrelation (bivariat, partiell, Anfängerfehler), Einfache Regression (linear, Kurvenanpassung), Vergleiche zwischen zwei oder mehr unabhängiger, oder auch verbundener (abhängiger) Gruppen (z.B. T-Test, ein-/mehrfaktorielle Varianzanalyse ohne/mit Messwiederholung, Kontraste, post hoc-Tests, Kovarianzanalyse, MANOVA, Profilanalyse), Faktorenanalysen (u.a. Hauptfaktoren, Hauptkomponenten) mit versch. Rotationsverfahren (z.B. orthogonal vs. oblique), Diskriminanzanalysen (direkt, schrittweise), und Clusteranalysen für Häufigkeits-, binäre und Intervalldaten, Binäre logistische Regression (schrittweise, direkt), Ordinale Regression, Multinomiale logistische Regression (schrittweise, direkt), Multiple Regression, Effektstärken/Power etc. Da in diesem Kurs verständlicherweise nicht alle Verfahren in ihrer mitunter recht komplizierten Statistik dargestellt werden können, wären ggf. Schwerpunkte abzusprechen.
Steuerung
Maus
Dauer
Nach Absprache
Inhalt
In diesem Kurs lernen Sie zunächst die Grundtypen der in SPSS verfügbaren Grafiken kennen, ihre Geeignetheit für Skalenniveaus und Verteilungen, und anschließend über Maus bzw. Syntax zahlreiche Varianten anfordern und interpretieren. Dieser Kurs macht erfahrungsgemäß viel Spaß, da hier mit Formen, Farben, Mustern etc. kreativ die ästhetische, wie auch psychologische Wirkung von Grafiken beeinflusst werden kann. SPSS ermöglicht auch hier, Schablonen zu entwickeln, und sich viel zukünftige Denk- und Auswertungsarbeit zu ersparen. Inhalte (u.a.): Grundformen der Grafiken: Balken, Linien, Kreisdiagramme, Histogramme, Boxplots, (einfach, gruppiert), aber auch Wettbewerbsvorteilsmatrizen (Portfolios) und Polaritätsprofile bzw. Semantische Differentiale. Bei welchen Daten (Verteilungen, Skalenniveaus) macht welcher Grafiktyp Sinn? Entwurf, Anforderung und Interpretation zahlreicher Grafiktypen mit den SPSS Menüs „Grafiken“ und „Interaktive Grafiken“ bzw. den Prozeduren GRAPH und IGRAPH. Abschließend wenden Sie einige Tipps und Tricks an, u.a. zum Nachbearbeiten von SPSS Grafiken in MS Word Dokumenten, dem Syntaxprogrammieren für Grafiken (Erste Schritte) und zum Designen eigener Grafiken.
Steuerung
Maus + Syntax
Dauer
1 Einheit
Inhalt
Im Kurs „Tabellen“ lernen Sie Design, Strukturierung (Verschachtelung) und die Anforderung zahlreicher Tabellenvarianten kennen. Von der Erzeugung einfacher eindimensionaler Tabellen bis hin zur Anforderung bzw. Programmierung verschachtelter (4dimensionaler) Tabellen mit den Prozeduren CTABLES, CROSSTABS, und TABLES. Abschließend wenden Sie einige Tipps und Tricks an, u.a. zum Design und Nachbearbeiten von SPSS Pivot-Tabellen bzw. Schablonen und das erste Anwenden von SPSS Scripts auf Tabellen. Im Kurs „Tabellenanalyse“ lernen Sie die Grundlagen der professionellen Tabellenanalyse kennen.
Steuerung
Maus + Syntax
Dauer
1 Einheit
Inhalt
Im Kurs „Karten“ lernen Sie Design, Anforderung und Interpretation zahlreicher Kartentypen mit den SPSS Menüs „Karten“ bzw. der SPSS Prozedur MAP kennen. Abschließend wenden Sie einige Tipps und Tricks an, u.a. zum Designen von SPSS Karten.
Steuerung
Maus + Syntax
Dauer
½ Einheit
Inhalt
Im Kurs „Tabellen“ lernen Sie Design, Strukturierung (Verschachtelung) und die Anforderung zahlreicher Tabellenvarianten kennen. Von der Erzeugung einfacher eindimensionaler Tabellen bis hin zur Anforderung bzw. Programmierung verschachtelter (4dimensionaler) Tabellen mit den Prozeduren „Benutzerdefinierte Tabellen“, „Kreutztabellen“ und „Tabellen“ bzw. den SPSS Prozeduren CTABLES, CROSSTABS, und TABLES. Im Kurs „Tabellenanalyse“ lernen Sie die Grundlagen der professionellen Tabellenanalyse kennen.
Steuerung
Maus + Syntax
Dauer
½ Einheit
Inhalt
Dieser Kurs bietet zunächst eine Einführung in die Grundlagen der Inferenzstatistik (Sinn und Grenzen), in die Messtheorie und ihrer Axiome, die Bedeutung der Skalenniveaus (Messniveaus) und die Grundbegriffe der Operationalisierung. Die Theorie und das Schema des Hypothesentests wird vorgestellt (einschl. Fehler I. und II. Art), Fragerichtungen und Fußangeln beim Interpretieren von Signifikanzen. Mehrere Ansätze zur Bestimmung des Stichprobenumfangs (Fallzahlen) werden skizziert, wie auch die damit einhergehenden Probleme. Mehrere Verteilungen werden vorgestellt als Prüf- und Modellverteilungen (u.a. Binomial, Poisson, Normal, Chi², F). Wahrscheinlichkeiten werden ermittelt. Die Praxis des Hypothesentests wird an zahlreichen Punkt- und Intervallschätzungen demonstriert (z.B. Chi²-Test, U-Test, T-Test).
Steuerung
Maus + Syntax
Dauer
1 Einheit
Inhalt
Dieser Kurs bietet vorrangig einen Überblick über die seitens SPSS angebotenen parametrischen Verfahren. Die Kursdauer hängt direkt vom gewünschten Grad der Vertiefung der Verfahren und Ihrer jeweiligen Voraussetzungen ab. Vorgestellt werden u.a. eine Einführung in das Grenzwerttheorem, Voraussetzungstests, wie auch zahlreiche parametrischen Verfahren: Korrelation (bivariat, partiell, Anfängerfehler), Einfache Regression (linear, Kurvenanpassung), Vergleiche zwischen zwei oder mehr unabhängiger, oder auch verbundener (abhängiger) Gruppen (z.B. T-Test, ein-/mehrfaktorielle Varianzanalyse ohne/mit Messwiederholung, Kontraste, post hoc-Tests, Kovarianzanalyse, MANOVA, Profilanalyse), Faktorenanalysen (Hauptfaktoren, Hauptkomponenten) mit versch. Rotationsverfahren (z.B. orthogonal vs. oblique), Diskriminanzanalysen (direkt, schrittweise), und Clusteranalysen für Häufigkeits-, binäre und Intervalldaten, Binäre logistische Regression (schrittweise, direkt), Ordinale Regression, Multinomiale logistische Regression (schrittweise, direkt), Multiple Regression, Effektstärken/Power etc.
Steuerung
Maus + Syntax
Dauer
Nach Absprache
Inhalt
Im Kurs „Tabellenanalyse“ lernen Sie die Grundlagen der professionellen Tabellenanalyse kennen. Die Einführung stellt Grundlagen und Voraussetzungen für die Tabellenanalysen vor, z.B. Anzahl der Variablen(stufen), Skalenniveau, Annahmen der Verfahren, Aussagen der Maße und Verfahren uvam. Mit den SPSS Menüs „Kreuztabellen“, „Nichtparametrische Tests“ und „ROC-Kurve“ bzw. den Prozeduren CROSSTABS, NPAR TEST und ROC lassen sich relativ einfach und unkompliziert Tests und Maßzahlen für 1- bis mehrdimensionale Tabellenstrukturen ermitteln. Die Anforderung der jeweiligen Maße wird an zahlreichen Beispielen demonstriert. Die angeforderten Tests und Maße werden ausführlich erläutert. Für spezielle Screening Statistiken (Sensitivität und Spezifität) wird u.a. die sog. ROC-Kurve vorgestellt. Die Voraussetzungen der Verfahren werden vorgestellt und ihre Überprüfung geübt.
Steuerung
Maus + Syntax
Dauer
1 Einheit
Inhalt
Der Kurs „Nichtparametrische Verfahren“ bietet u.a. eine Einführung in die Vorzüge nichtparametrischer Verfahren, (z.B. gibt es zum Jonckheere-Terpstra-Test keine vergleichbaren parametrischen Pendants), anschließend Assoziation und Korrelation, Vergleiche zwischen zwei oder mehr unabhängiger, oder auch verbundener (abhängiger) Gruppen (Wilcoxon, Kruskal-Wallis, Jonckheere-Terpstra uam.) und erste Tabellenmaße. Die Analyse von in Tabellen zusammengefassten Daten wird im Kurs „Tabellenanalysen“ vertieft. Dieser Kurs stellt für die Verfahren die jeweiligen Voraussetzungen vor. Ihre Überprüfung wird an zahlreichen Beispielen geübt.
Steuerung
Maus + Syntax
Dauer
½ Einheit
Inhalt
Der Kurs „Korrelation“ führt ein in die bivariate Pearson Korrelation, ihre Berechnung und diverse Besonderheiten bei der Interpretation der ermittelten Koeffizienten. Dargestellt werden häufig vernachlässigte Voraussetzungen (u.a. Stichprobenmerkmale, Linearität, Kontinuität) und Probleme wie z.B. Scheinkorrelation, Effekte durch Drittvariablen und Alphafehler-Kumulierung (einschl. ihrer Lösung). Als besondere Anwendungen werden der direkte Vergleich von Koeffizienten, der gruppenweise Vergleich von Korrelationen und die lineare kanonische Korrelation vorgestellt. Die Überprüfung der zahlreichen Voraussetzungen wird an Beispielen geübt.
Steuerung
Maus + Syntax
Dauer
½ Einheit
Inhalt
Dieser Kurs führt ein in Vergleiche zwischen zwei oder mehr unabhängige oder auch verbundene (abhängige) Gruppen. Vorgestellt werden z.B. T-Test, ANOVA, ein-/mehrfaktorielle Varianzanalyse ohne/mit Messwiederholung (Profilanalyse), Kovarianzanalyse Kontraste, und post hoc-Tests. Anforderung, Interpretation und Erläuterung des Outputs. Zahlreiche Voraussetzungen des jew. Verfahrens werden vorgestellt und ihre Überprüfung an Beispielen geübt.
Steuerung
Maus + Syntax
Dauer
1 Einheit
Inhalt
Der Kurs „Regression“ stellt eine Einführung in eines der gebräuchlichsten und wahrscheinlich am meisten unterschätzten Verfahren zur Analyse von gerichteten linearen bzw. nichtlinearen Zusammenhängen vor. Vorgestellt werden u.a. die einfache lineare Regression, die Linearisierung nichtlinearer Funktionen, die einfache nichtlineare Regression und die multiple lineare Regression. Direkte und schrittweise Methoden. Graphische Voraussetzungstests. Anforderung. Interpretation und Erläuterung des Output (u.a. R², ANOVA, Koeffizienten). Identifikation, Bewertung und Ausschluss von Ausreißern (Residuen, einflussreiche Werte). Kriterien für die Wahl zwischen verschiedenen Modellgleichungen. Zahlreiche Voraussetzungen (Linearität, Normalität, Varianzengleichheit) des Verfahrens werden vorgestellt und ihre Überprüfung an Beispielen geübt. Bei der multiplen Regression werden Ansätze zur Identifikation von Autokorrelation und Multikollinearität und drei Ansätze zum Umgang mit Multikollinearität vorgestellt. Für nichtlineare Funktionen wird die Kurvenanpassung, ein Ansatz der Linearisierung bzw. die Analyse mittels der nichtlinearen Regression (LNR, CLNR) vorgestellt.
Steuerung
Maus + Syntax
Dauer
1-1½ Einheiten
Inhalt
Dieser Kurs führt ein in die Logik und Phasen der Diskriminanzanalyse und vergleicht das Verfahren mit anderen Ansätzen. Modellspezifikation und Anforderung. Direkte und schrittweise Methoden. Berechnung multipler schrittweiser Diskriminanzanalysen mit einer oder zwei Funktionen. Interpretation und Erläuterung des Outputs, u.a. von Lambda, Box-Test, Kovarianz-Matrizen und Multikollinearität, wie auch Gebietskarten (Territorien). Zahlreiche Voraussetzungen des Verfahrens werden vorgestellt und ihre Überprüfung an Beispielen geübt.
Steuerung
Maus + Syntax
Dauer
1-1½ Einheiten
Inhalt
Dieser Kurs führt ein in die binäre logistische Regression (LOGISTIC REGRESSION) und Vergleich mit anderen Ansätzen. Modellspezifikation und Anforderung. Interpretation und Erläuterung des Output (u.a. Hosmer-Lemeshow-Test, Odds Ratio, Koeffizienten, Cutoff). Modellgüte vs. Prädikative Effizienz. Anforderung, Interpretation und Erläuterung des Outputs. Zahlreiche Voraussetzungen des Verfahrens werden vorgestellt und ihre Überprüfung an Beispielen geübt.
Steuerung
Maus + Syntax
Dauer
½ Einheit
Inhalt
Dieser Kurs führt ein in die Ordinale Regression und Vergleich des Verfahrens mit anderen Ansätzen der kategorialen Regression. Idee des Schwellenwertmodells und Bedeutung der Link-Funktion. Modellspezifikation und Anforderung. Interpretation und Erläuterung des Output (u.a. Nullhäufigkeiten, Anpassungsgüte, McFadden, Parameterschätzer und Modellgleichung). Beurteilung der Vorhersagegüte. Zahlreiche Voraussetzungen des Verfahrens werden vorgestellt und ihre Überprüfung an Beispielen geübt.
Steuerung
Maus + Syntax
Dauer
½ Einheit
Inhalt
Dieser Kurs führt ein in die multinomiale logistische Regression und Vergleich zum binären Ansatz. Direkte und schrittweise Methoden. Modellspezifikation und Anforderung. Interpretation und Erläuterung des Output (u.a. Abweichung bzw. Pearson, Likelihood-Quotienten-Test, Odds Ratio, Cutoff). Als Spezialfall wird die Berechnung und Interpretation einer gematchten Fall-Kontroll-Studie vorgestellt. Zahlreiche Voraussetzungen des Verfahrens werden vorgestellt und ihre Überprüfung an Beispielen geübt.
Steuerung
Maus + Syntax
Dauer
½ Einheit
Inhalt
Dieser Kurs führt ein in die time to event-Analyse mittels der Verfahren Sterbetafel (SURVIVAL), Kaplan-Meier (KM) und Cox-Regression (COXREG) für zeitunabhängige und zeitabhängige Daten. Zunächst wird das Grundprinzip der Überlebenszeitanalyse mit und ohne Zensierungen vorgestellt. Vorgestellt werden u.a. die Bestimmung der Überlebens- und Hazardfunktion, sowie Tests für den Vergleich zwischen mehreren Gruppen (Log Rank, Breslow, Wilcoxon, Wald und Likelihood Ratio). Bei der Modellspezifikation wird u.a. auf Probleme des Untersuchungsdesigns und von Zensierungen (random censoring) eingegangen, z.B. wie Zensierungen definiert, kodiert und interpretiert werden. Bei der Cox-Regression (COXREG) werden Beispiele für zeitunabhängige und zeitabhängige Daten gerechnet und interpretiert. Die Überprüfung der Voraussetzungen und die Interpretation der Statistiken werden an zahlreichen Beispielen geübt, z.B. die Überprüfung der Proportionalitätsannahme bei der Cox-Regression. Abschließend wird ein Vergleich der Ansätze vorgenommen, u.a. hinsichtlich der untersichten Einheit bzw. Basis, der Visualisierung von Zensierungen, Datenmengen, implementierte Tests und Modelldiagnostik.
Steuerung
Maus + Syntax
Dauer
1 Einheit
Inhalt
Dieser Kurs führt in das Grundprinzip und Varianten der Faktorenanalyse (z.B. Alpha, Hauptfaktoren, Hauptkomponenten), die wichtigsten Extraktions-, wie auch Rotationsmethoden (z.B. orthogonal vs. oblique) und ihre Funktion. Vorgestellt werden Kriterien zur Bestimmung, Interpretation und Benennung der Faktoren. Zahlreiche Voraussetzungen des Verfahrens werden vorgestellt und ihre Überprüfung an Beispielen geübt.
Steuerung
Maus + Syntax
Dauer
½ Einheit
Inhalt
Dieser Kurs führt ein in die Gruppe der Clusterverfahren. Vorgestellt werden hierarchische, partitionierende und TwoStep-Verfahren. Bei der hierarchischen Clusteranalyse (CLUSTER) lernen Sie die diversen Maße (z.B. quadrierte euklidische Distanz, Pearson-Korrelation, Chi²-Maß etc.) und Methoden (Density, Linkage, Ward etc.) einschl. ihrer Bias (z.B. Ausreißer, Chaining) kennen und lernen, Intervalldaten, Häufigkeiten und binäre Daten zu clustern bzw. Kategorialdaten und gemischte Daten zu kodieren, clustern und jeweils zu interpretieren. Die Clusterzentrenanalyse (k-means, QUICK CLUSTER) lernen Sie als partitionierendes Verfahren kennen. Sie lernen Teststatistiken zur Bestimmung der optimalen Clusterzahl kennen (z.B. Eta², F-max; nicht im original SPSS Leistungsumfang enthalten), wie auch die ausgewählte Clusterlösung auf Interpretierbarkeit, Stabilität und Validität zu prüfen. Die Besonderheiten der seit V11.5 von SPSS angebotenen Two-Step Clusteranalyse (TWOSTEP CLUSTER) werden anhand einer aktuellen Evaluation mit der gebotenen kritischen Distanz vorgestellt. Darüber hinaus lernen Sie Kriterien für die Beurteilung einer guten Clusterlösung kennen, wie auch alternative grafische und logische Ansätze zur Clusterung von Daten. Für alle Verfahren wird die Überprüfung von Voraussetzungen, Anforderung, Rechenschritte, wie auch die Interpretation von Ergebnissen an Beispielen geübt. Die Unterlagen alleine für diesen Kurs umfassen ca. 180 DIN A4 Seiten.
Steuerung
Maus + Syntax
Dauer
1½-2 Einheiten
Inhalt
Der Kurs „Verfahren für zeitabhängige Daten“ führt in Verfahren für abhängige Daten und Stichproben ein. Zunächst werden der T-Test für zwei unabhängige Stichproben und der T-Test für zwei verbundene Stichproben vorgestellt. Vor dem Hintergrund der Versuchsplanung werden Sinn und Grenzen dieser beiden Ansätze besprochen. Für mehr als zwei Meßzeitpunkte wird das Verfahren der Varianzanalyse mit Meßwiederholung vorgestellt, darin u.a. in Varianten mit nur einem Meßwiederholungsfaktor (within subjects-Faktor), einer weiteren Variante mit der Einführung in die paarweisen Vergleiche (a priori, ex post) und einer Variante mit einem Meßwiederholungsfaktor und einem Zwischengruppenfaktor (between subjects-Faktor). Die diversen Voraussetzungstests (u.a. Mauchly, Box und Levene) werden erläutert. Abschließend werden weitere Aspekte vorgestellt, z.B. Interpretation im Rahmen der Versuchsplanung, Quadratsummen (Typen), Alphakorrektur sowie Kontraste. Die Überprüfung der Voraussetzungen und die Interpretation der Statistiken werden an zahlreichen Beispielen geübt.
Steuerung
Maus + Syntax
Dauer
1 Einheit
Inhalt
Auf Datensatz-Ebene
Daten können erst nach einer angemessenen Aufbereitung bzw. Transformation ausgewertet werden. Professionelles Daten-Management ist genauso wichtig und nicht selten komplexer als die eigentliche Analyse der Daten. In diesem Kurs lernen Sie zahlreiche Möglichkeiten, Tipps und Tricks kennen, Ihre Daten für grafische, deskriptive, oder statistische Analysen vorzubereiten. Viele Optionen sind in der Maussteuerung umständlicher oder gar nicht verfügbar.
Auf Variablen-Ebene
Transponieren, Dateien einlesen (einfach, gruppiert, genestet), Dateien zusammenfügen (Fälle bzw. Variablen Fälle aus identisch strukturierten Datensätzen), Daten aggregieren, Dateien aufteilen, mehrere Möglichkeiten des Bildens von Subsets (u.a. gezielte Fälle, Zufall, alphanumerische oder numerische Filter), Indexe bilden, Datensätze umstrukturieren, uvam.
Analyse von Mehrfachantworten
Definieren neuer bzw. Ändern bereits vorhandener Namen und Labels, Ändern numerischer oder alphanumerischer Variablen in eine, dieselbe oder mehrere, neue Variablen, die Berechnung von neuen Variablen, Zählen des Auftretens bestimmter Werte, Umkodieren von Werten, Gewichten von Fällen, Extrahieren von Datumsvariablen aus Stringvariablen, Umbenennen zahlreicher Variablennamen (Präfixe), Arbeit mit Datumsvariablen, Arbeit mit Missings, erste SPSS Makros, uvam.
Analyse von freien Textangaben
Besonders herauszuheben sind die Einführungen in die Analyse von Mehrfachantworten und die Analyse von freien Textangaben. Vorgestellt und geübt werden unterschiedliche Ansätze, Mehrfachantworten deskriptiv und grafisch auszuwerten. Für freie Textangaben werden gleich mehrere Analysemöglichkeiten vorgestellt, u.a. für Strings auf mehrere Variablen verteilt, die Analyse einer oder mehrerer Textangaben, oder z.B. die Analyse von Textangaben mit auch über 255 Zeichen Länge, was besonders für die Analyse von umfangreichen Textangaben eine große Hilfe sein kann.
Daten-Management für Datums- und Zeitangaben
Der Arbeit mit Datums- und Zeitangaben wird mittels eines eigenen Kursteiles besondere Aufmerksamkeit gewidmet, da mit der Analyse, Formatierung und Konvertierung von Datums- und Zeitangaben erfahrungsgemäß oft besondere Schwierigkeiten einhergehen. Vorgestellte Anwendungszusammenhänge sind u.a. Hintergrund und Besonderheiten von Datums- und Zeitangaben (u.a. DATA LIST und FORMATS, Einlese- und Schreibformate), arithmetische Operationen (u.a. DATE, EDATE, TIME, DATETIME), Funktionen (u.a. Zusammenfassen (u.a. DATE.DMY, DATE.YRDAY, TIME.HMS, TIME.DAYS, Konvertieren (u.a. CTIME.DAYS, CTIME.HOURS, CTIME.MINUTES, und Extrahieren (u.a. XDATE.MDAY, XDATE.MONTH, XDATE.YEAR, XDATE.WKDAY, XDATE.HOUR, XDATE.MINUTE, XDATE.SECOND, XDATE.TIME, XDATE.WEEK, XDATE.QUARTER, XDATE.TDAY bzw. XDATE.DATE), und weitere Möglichkeiten der Arbeit mit Datums- und Zeitvariablen (u.a. punktuelles Ersetzen, als Missing deklarieren, Extrahieren einer Datumsvariablen aus einer Stringvariablen uam).
Steuerung
Maus + Syntax
Dauer
1-2 Einheiten, auf Wunsch auch nach Absprache.
Inhalt
Lernen Sie die Power von SPSS kennen! SPSS Makros erlauben vielfältige Aufgaben zu automatisieren, protokollieren und zu beschleunigen. Vorgestellt werden häufig auftretende praktische Anwendungsbereiche, in denen Sie selbst geschriebene Makros effizienzsteigernd einsetzen können, z.B. bei konditionalen Prozessen und Anweisungen, iterativen Analysen, Schleifen und auch Stringfunktionen. Diese Einführung in die Makroprogrammierung mit SPSS erläutert zunächst Makroelemente an einem einfachen Beispiel, um dann den Makrokörper bzw. die Makrodefinition (z.B. Argument und Position), den Makroaufruf und die Makroexpansion genauer vorzustellen. Anschließend werden Sie mit Namens- bzw. positionalen Argumenten und weiteren Optionen programmieren lernen. Abschließend wird ein Crashkurs („Sieben Schritte“) zur Programmierung von Makros vorgestellt.
Steuerung
Maus + Syntax
Dauer
1 Einheit
Inhalt
Dieser Kurs führt ein in die Forschungsmethoden und Statistik im Kontext der Planung, Analyse und Qualitätssicherung von Studien auch in großem Rahmen. Angefangen von der Planung einer Studie (u.a. Protokoll, Bias, Reichweite, Einschlusskriterien und Maskierungstechniken) über Überlegungen zum Aufbau (Design- und Testarten, Fragebogenkonstruktion), Durchführung einer Studie (u.a. Arten des Monitoring) bis hin zu grundsätzlichen Überlegungen zu Datenanalyse und Qualitätssicherung (Daten, Ergebnisse).
Steuerung
Seminar
Dauer
Nach Absprache
Inhalt
Datenqualität kommt vor Analysequalität. Dieser Kurs führt ein in die Maßnahmen zur Sicherung einer optimalen Datenqualität in den am häufigsten auftretenden Problembereichen Vollständigkeit, Einheitlichkeit, Doppelte, Missings, Ausreißer und Plausibilität. Vorgestellt werden Techniken, die die Vollständigkeit und Einheitlichkeit von Datensätzen, Variablen und Werten gewährleisten. Sie lernen die Art und Anzahl von doppelten Fällen zu identifizieren, wie auch doppelte Datenzeilen aus Datensätzen zu filtern und separat zu analysieren. Sie lernen mehrere Methoden des Ersetzens von Missings kennen, u.a. logischer Ansatz, univariate Imputation (Mean Substitution), Hot deck, Regression, Erwartung-Maximierung (SPSS Missing Value Analysis, MVA). Univariate bzw. multivariate Ausreißer und Plausibilität lernen Sie identifizieren, evaluieren und zu optimieren, bis hin zur Arbeit mit mehreren Datensätzen (z.B. Vergleich zweier Datensätze).
Steuerung
Maus + Syntax
Dauer
1½-2 Einheiten
Sie haben die Möglichkeit, sich aus den angegebenen Einheiten den Inhalt der Kurse auf Ihre Anforderungen vor Ort hin maßzuschneidern. Sie buchen also nur das, was Sie wirklich brauchen.
Die Anzahl der Teilnehmer bestimmen Sie, ebenfalls die Termine der Kurse. Die jeweiligen Kurstermine können Sie frei festlegen, und somit auf Ihre Anforderungen vor Ort abstimmen.
Die Kurse finden in der Regel bei Ihnen vor Ort als Inhouse-Training statt, sei es in Deutschland, Österreich oder in der Schweiz. Ihre Vorteile sind eingesparte Reise- und Übernachtungskosten und kürzere Abwesenheit vom Arbeitsplatz für Ihre MitarbeiterInnen, und ein effektiveres Lernen, weil es in der gewohnten (Rechner)Umgebung stattfindet. Ein Kurstag geht in der Regel von 10.00 bis 17.30. Anpassungen auf Anforderungen vor Ort gerne nach Absprache. Inhouse-Trainings sind möglich als Einzelkurse, Tageskurse, mehrtägige Kurse, oder mehrere Blöcke übers Jahr verteilt. Konditionen für Outhouse-, Crash- oder Wochenendkurse, wie auch Kurse für privat (Einzelpersonen oder Gruppen) gerne auf Anfrage.
Alle Kursteilnehmer erhalten zu jedem Kurs umfangreiche Materialien, die im Kurspreis enthalten sind.Diese eigens entwickelten Unterlagen enthalten Einführungen in methodische Grundlagen, verständliche Erläuterungen, unzählige Beispiele, Syntax, und kommentierte Ergebnisse bzw. erschöpfend zusammengestellte Voraussetzungen der jeweiligen Verfahren. Bei hoher Verständlichkeit und klarer Struktur sind die Skripte von methodischer Professionalität. Mehrere auf diesen Materialien aufbauende SPSS Bücher erschienen mittlerweile auch bei Oldenbourg (München) bzw. Springer (Heidelberg). Alle Kursteilnehmer erhalten eine Teilnahmebescheinigung, die die erworbenen Qualifikationen hervorhebt.
Unsere Kurse sind gut und gefragt. Wir bitten daher um rechtzeitige Buchung. Termine werden in der Reihe des Eingangs reserviert. Absagen sind grundsätzlich schriftlich vorzunehmen. Bei einem Rücktritt bis zwei Wochen vor Trainingsbeginn entstehen keine Kosten. Bei späterer Absage bzw. Nichterscheinen ist die volle Teilnahmegebühr zu begleichen.
Die Kurskosten verstehen sich als eine Kombination aus Mindestbuchung und Staffelpreisen: Ein SPSS Kurstag für 2 Personen kostet zusammen CHF 900 zzgl. MWSt. ggf. zzgl. Reisespesen (u.U. ist eine Steuerbefreiung möglich). Jede weitere TeilnehmerIn zahlt reduzierte Kurskosten. Wenn Sie mehrere Kurse buchen, kommen wir Ihnen zusätzlich mit reduzierten Kursgebühren entgegen. Je mehr Teilnehmer Sie sind bzw. je mehr Kurse Sie buchen, desto geringer werden die Kosten der einzelnen Kosten. Für Universitäten, Fachhochschulen, und andere Einrichtungen der Länder gerne auch Abrechnung über Lehraufträge.
Sie haben noch Fragen? Wir stehen gerne zu Ihrer Verfügung.
Sie haben noch Fragen?
Wir stehen gerne zu Ihrer Verfügung.
Inhalt
Dieser Kurs wurde für Fortgeschrittene in PROC SQL oder SAS Base entwickelt und behandelt Anwendungsmöglichkeiten, mit denen sich Anwender die Power von SAS zunutze machen können:
Steuerung
Syntax
Dauer
2 Einheiten
Inhalt
Dieser Kurs wurde nicht nur für Fortgeschrittene in PROC SQL bzw. SAS Base entwickelt. Vorteile der Makroprogrammierung sind: Effizienzsteigerung, Geschwindigkeit, kürzere Programme, bessere Übersichtlichkeit, und geringere Wahrscheinlichkeit für Fehler. Trotzdem führt der Kurs Schritt für Schritt in auch anspruchsvolle Anwendungsmöglichkeiten ein, mit denen sich Anwender die Power von SAS zunutze machen können:
Steuerung
Syntax
Dauer
2 Einheiten
