Wesleyan University
Regressionsmodellierung in der Praxis
Wesleyan University

Regressionsmodellierung in der Praxis

Jen Rose
Lisa Dierker

Dozenten: Jen Rose

34.893 bereits angemeldet

Bei Coursera Plus enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.4

(274 Bewertungen)

Es dauert 10 Stunden
3 Wochen bei 3 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
92%
Den meisten Lernenden hat dieser Kurs gefallen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.4

(274 Bewertungen)

Es dauert 10 Stunden
3 Wochen bei 3 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
92%
Den meisten Lernenden hat dieser Kurs gefallen

Kompetenzen, die Sie erwerben

  • Kategorie: Logistische Regression
  • Kategorie: Datenanalyse
  • Kategorie: Python-Programmierung
  • Kategorie: Regressionsanalyse

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung Datenanalyse und Interpretation
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • Lernen Sie neue Konzepte von Branchenexperten
  • Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
  • Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
  • Erwerben Sie ein Berufszertifikat zur Vorlage
Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

In diesem Kurs gibt es 4 Module

Diese Sitzung beginnt dort, wo der Kurs Datenanalyse-Tools aufgehört hat. Diese erste Reihe von Videos vermittelt Ihnen einige konzeptionelle Hintergründe zu den wichtigsten Datentypen, mit denen Sie arbeiten können. Dies wird Ihre Kompetenz bei der Auswahl der statistischen Analyse, die angesichts der Struktur Ihrer Daten am besten geeignet ist, und beim Verständnis der Grenzen Ihres Datensatzes erhöhen. Wir führen Sie auch in das Konzept der Störvariablen ein, d.h. der Variablen, die für den Zusammenhang zwischen Ihrer erklärenden und Ihrer Antwortvariable verantwortlich sein können. Schließlich werden Sie Erfahrungen mit der Beschreibung Ihrer Daten sammeln, indem Sie über Ihre Stichprobe, die Verfahren zur Erhebung der Studiendaten und Ihre Maßnahmen und Schritte zur Datenverwaltung schreiben.

Das ist alles enthalten

4 Videos5 Lektüren1 peer review

In dieser Sitzung erfahren Sie mehr über die Bedeutung des Testens auf Störfaktoren und erhalten Beispiele für Situationen, in denen eine Störvariable den Zusammenhang zwischen einer erklärenden und einer Antwortvariable erklären kann. Nachdem Sie nun den Zusammenhang zwischen einer erklärenden Variable und Ihrer Antwortvariablen statistisch getestet haben, werden Sie diesen Zusammenhang mit Hilfe einer einfachen linearen Regressionsanalyse für eine quantitative Antwortvariable testen und interpretieren. Sie werden auch lernen, wie das lineare Regressionsmodell zur Vorhersage Ihrer beobachteten Antwortvariablen verwendet werden kann. Schließlich werden wir auch die statistischen Annahmen erörtern, die dem linearen Regressionsmodell zugrunde liegen, und Ihnen einige bewährte Verfahren für die Kodierung Ihrer erklärenden Variablen zeigen. Beachten Sie, dass Sie, wenn Ihre Forschungsfrage keine quantitative Antwortvariable enthält, eine aus Ihrem Datensatz verwenden können, nur um etwas Übung mit dem Tool zu bekommen.

Das ist alles enthalten

8 Videos9 Lektüren1 peer review

Die multiple Regressionsanalyse ist ein Instrument, mit dem Sie Ihre Forschungsfrage erweitern und einen strengeren Test der Assoziation zwischen Ihrer erklärenden und Ihrer Antwortvariablen durchführen können, indem Sie zusätzliche quantitative und/oder kategoriale erklärende Variablen zu Ihrem linearen Regressionsmodell hinzufügen. In dieser Sitzung werden Sie eine multiple Regressionsanalyse für eine quantitative Antwortvariable anwenden und interpretieren und lernen, wie Sie Konfidenzintervalle verwenden, um den Fehler bei der Schätzung eines Populationsparameters zu berücksichtigen. Sie werden auch lernen, wie man nichtlineare Zusammenhänge in einem linearen Regressionsmodell berücksichtigt. Schließlich werden Sie Erfahrungen mit Regressionsdiagnosetechniken sammeln, um zu bewerten, wie gut Ihr multiples Regressionsmodell Ihre beobachtete Reaktionsvariable vorhersagt. Beachten Sie, dass Sie, wenn Sie noch keine zusätzlichen erklärenden Variablen identifiziert haben, mindestens eine zusätzliche erklärende Variable aus Ihrem Datensatz auswählen sollten. Wenn Sie zu Ihren Codebüchern zurückkehren, stellen Sie sich einige Fragen wie "Welche anderen Variablen könnten die Assoziation zwischen meiner erklärenden und meiner Antwortvariablen erklären?"; "Welche anderen Variablen könnten einen größeren Teil der Variabilität meiner Antwortvariablen erklären?" oder sogar "Welche anderen erklärenden Variablen könnten interessant sein, um sie zu untersuchen?" Zusätzliche erklärende Variablen können entweder quantitativ, kategorisch oder beides sein. Obwohl Sie nur zwei erklärende Variablen benötigen, um ein multiples Regressionsmodell zu testen, ermutigen wir Sie, mehr als eine zusätzliche erklärende Variable zu identifizieren. Auf diese Weise können Sie die Leistungsfähigkeit der multiplen Regressionsanalyse wirklich erfahren und Ihr Vertrauen in Ihre Fähigkeit, komplexere Regressionsmodelle zu testen und zu interpretieren, stärken. Wenn Ihre Forschungsfrage keine quantitative Antwortvariable enthält, können Sie dieselbe quantitative Antwortvariable verwenden, die Sie in Modul 2 verwendet haben, oder Sie können eine andere aus Ihrem Datensatz auswählen.

Das ist alles enthalten

10 Videos2 Lektüren1 peer review

In dieser Sitzung werden wir einige Dinge besprechen, die Sie beachten sollten, wenn Sie in Zukunft mit der Datenanalyse arbeiten. Wir zeigen Ihnen auch, wie Sie eine kategoriale erklärende Variable mit mehr als zwei Kategorien in einer multiplen Regressionsanalyse testen können. Schließlich führen wir Sie in die logistische Regressionsanalyse für eine binäre Antwortvariable mit mehreren erklärenden Variablen ein. Die logistische Regression ist einfach eine andere Form des linearen Regressionsmodells, die Grundidee ist also die gleiche wie bei einer multiplen Regressionsanalyse. Im Gegensatz zum multiplen Regressionsmodell ist das logistische Regressionsmodell jedoch darauf ausgelegt, binäre Antwortvariablen zu testen. Sie werden Erfahrungen mit dem Testen und Interpretieren eines logistischen Regressionsmodells sammeln, einschließlich der Verwendung von Odds Ratios und Konfidenzintervallen, um das Ausmaß des Zusammenhangs zwischen Ihren erklärenden Variablen und der Antwortvariablen zu bestimmen. Sie können die gleichen erklärenden Variablen verwenden, die Sie zum Testen Ihres multiplen Regressionsmodells mit einem quantitativen Ergebnis verwendet haben, aber Ihre Antwortvariable muss binär sein (kategorisch mit 2 Kategorien). Wenn Sie eine quantitative Antwortvariable haben, müssen Sie sie in 2 Kategorien binden. Alternativ können Sie auch eine andere binäre Antwortvariable aus Ihrem Datensatz auswählen, die Sie zum Testen eines logistischen Regressionsmodells verwenden können. Wenn Sie eine kategoriale Antwortvariable mit mehr als zwei Kategorien haben, müssen Sie sie in zwei Kategorien einteilen

Das ist alles enthalten

7 Videos6 Lektüren1 peer review

Dozenten

Lehrkraftbewertungen
4.7 (8 Bewertungen)
Jen Rose
Wesleyan University
4 Kurse92.516 Lernende

von

Wesleyan University

Empfohlen, wenn Sie sich für Wahrscheinlichkeitsrechnung und Statistik interessieren

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

4.4

274 Bewertungen

  • 5 stars

    62,04 %

  • 4 stars

    25,18 %

  • 3 stars

    6,20 %

  • 2 stars

    3,64 %

  • 1 star

    2,91 %

Zeigt 3 von 274 an

DW
5

Geprüft am 14. März 2016

VM
5

Geprüft am 6. März 2017

SY
5

Geprüft am 13. Apr. 2021

Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen