Rice University Kostenlose Online-Bildung

Lineare Regression für die Unternehmensstatistik

Beschreibung

Die Regressionsanalyse ist möglicherweise das wichtigste in der Branche verwendete Tool für Unternehmensstatistiken. Die Regression ist der Motor einer Vielzahl von Datenanalyseanwendungen, die für viele Formen der Vorhersage und Vorhersage verwendet werden.
Dies ist der vierte Kurs in der Spezialisierung „Unternehmensstatistik und -analyse“. Der Kurs führt Sie in das sehr wichtige Werkzeug ein, das als lineare Regression bekannt ist. Sie lernen, verschiedene Verfahren anzuwenden, z. B. Dummy-Variablenregressionen, Transformationsvariablen und Interaktionseffekte. All dies wird anhand leicht verständlicher Beispiele in Microsoft Excel vorgestellt und erläutert.
Der Schwerpunkt des Kurses liegt eher auf dem Verständnis und der Anwendung als auf detaillierten mathematischen Ableitungen.
Hinweis: In diesem Kurs wird die Toolbox "Datenanalyse" verwendet, die in der Windows-Version von Microsoft Excel Standard ist. Es ist auch Standard bei der Mac-Version von Excel ab 2016. Bei früheren Versionen von Excel für Mac ist dies jedoch nicht Standard.

WOCHE 1
Modul 1: Regressionsanalyse: Eine Einführung
In diesem Modul werden Sie in das lineare Regressionsmodell eingeführt. Wir werden ein Regressionsmodell erstellen und es mit Excel schätzen. Wir werden das geschätzte Modell verwenden, um Beziehungen zwischen verschiedenen Variablen abzuleiten und das Modell zu verwenden, um Vorhersagen zu treffen. Das Modul führt auch den Begriff der Fehler, Residuen und des R-Quadrats in ein Regressionsmodell ein.

Themen umfassen:
• Einführung der linearen Regression
• Erstellen eines Regressionsmodells und Schätzen mit Excel
• Schlussfolgerungen anhand des geschätzten Modells ziehen
• Verwenden des Regressionsmodells, um Vorhersagen zu treffen
• Fehler, Residuen und R-Quadrat

WOCHE 2
Modul 2: Regressionsanalyse: Hypothesentest und Anpassungsgüte
Dieses Modul enthält verschiedene Hypothesentests, die Sie mit der Regressionsausgabe durchführen können. Diese Tests sind ein wichtiger Bestandteil der Inferenz, und das Modul führt sie anhand von Excel-basierten Beispielen ein. Die p-Werte werden zusammen mit den Anpassungsgüte-Maßen R-Quadrat und dem angepassten R-Quadrat eingeführt. Gegen Ende des Moduls führen wir die 'Dummy-Variablenregression' ein, mit der kategoriale Variablen in eine Regression einbezogen werden.

Themen umfassen:
• Hypothesentest in einer linearen Regression
• Maß für die Anpassungsgüte (R-Quadrat, angepasstes R-Quadrat)
• Dummy-Variablen-Regression (unter Verwendung kategorialer Variablen in einer Regression)

WOCHE 3
Modul 3: Regressionsanalyse: Dummy-Variablen, Multikollinearität
Dieses Modul fährt mit der Anwendung der Dummy-Variablen Regression fort. Sie lernen die Interpretation der Regressionsausgabe bei Vorhandensein kategorialer Variablen kennen. Es werden Beispiele ausgearbeitet, um verschiedene eingeführte Konzepte zu verstärken. Das Modul erklärt auch, was Multikollinearität ist und wie man damit umgeht.

Themen umfassen:
• Dummy-Variablen-Regression (unter Verwendung kategorialer Variablen in einer Regression)
• Interpretation von Koeffizienten und p-Werten bei Vorhandensein von Dummy-Variablen
• Multikollinearität in Regressionsmodellen

WOCHE 4
Modul 4: Regressionsanalyse: Verschiedene Erweiterungen
Das Modul erweitert Ihr Verständnis der linearen Regression und führt Techniken wie die Mittelwertzentrierung von Variablen und die Erstellung von Vertrauensgrenzen für Vorhersagen mithilfe des Regressionsmodells ein. Eine leistungsstarke Regressionserweiterung, die als "Interaktionsvariablen" bezeichnet wird, wird anhand von Beispielen vorgestellt und erläutert. Wir untersuchen auch die Transformation von Variablen in einer Regression und führen in diesem Zusammenhang das log-log- und das semi-log-Regressionsmodell ein.

Themen umfassen:
• Mittlere Zentrierung von Variablen in einem Regressionsmodell
• Erstellen von Vertrauensgrenzen für Vorhersagen mithilfe eines Regressionsmodells
• Interaktionseffekte in einer Regression
• Transformation von Variablen
• Die Log-Log- und Semi-Log-Regressionsmodelle

Preis: Kostenlos anmelden!

Sprache: Englisch

Untertitel: Englisch

Lineare Regression für die Unternehmensstatistik - Reisuniversität