Курс «Углубленные методы статистического анализа в SPSS»
Компания: Центр статистического анализа
Язык: 
Актуальная программа курса (13 модулей, по данным школы)
- Часть 1. Методы проверки статистических гипотез — Тема 1. Анализ взаимосвязи в таблицах сопряженности (продолжительность видео лекции 2 часа); Статистические критерии для таблиц сопряженности; Критерий хи-квадрат; Критерий хи-квадрат для таблиц сопряженности 2х2; Тест Мак-Немара; Коэффициенты корреляции для таблиц сопряженности; Симметричные меры связи для номинальных шкал; Направленные меры связи для номинальных шкал; Симметричные меры связи для порядковых шкал; Направленные меры связи для порядковых шкал; Оценка взаимосвязи между количественной и категориальной переменной; Оценка риска в таблицах сопряженности; Оценка согласованности в таблицах сопряженности; Оценка риска с переменной слоя
- Часть 1. Методы проверки статистических гипотез — Тема 2. Непараметрические методы анализа распределения выборки (продолжительность видео лекции 1 час 5 минут); Условия применения непараметрических критериев; Виды непараметрических критериев; Параметры процедуры Одновыборочные критерии; Биномиальный критерий; Параметры биномиального критерия; Результаты расчета биномиального критерия; Критерий хи-квадрат; Параметры критерия хи-квадрат; Результаты расчета критерия хи-квадрат; Критерий Колмогорова-Смирнова; Параметры критерия Колмогорова-Смирнова; Результаты расчета критерия Колмогорова-Смирнова; Критерий знаковых рангов Вилкоксона; Результаты расчета критерия знаковых рангов Вилкоксона; Критерий серий; Параметры критерия серий; Результаты расчета критерия серий; Запуск одновыборочных критериев через устаревшие диалоговые окна
- Часть 1. Методы проверки статистических гипотез — Тема 3. Непараметрический анализ независимых выборок (продолжительность видео лекции 40 минут); Параметры процедуры Непараметрические критерии для независимых выборок; Критерий Манна-Уитни и Вилкоксона; Результаты расчета критерия Манна-Уитни и Вилкоксона; Критерий Колмогорова-Смирнова для двух выборок; Результаты расчета критерия Колмогорова-Смирнова; Критерий Вальда-Вольфица; Результаты расчета критерия Вальда-Вольфица; Критерий Мозеса; Результаты расчета критерия Мозеса; Критерий Крускала-Уоллиса; Результаты расчета критерия Крускала-Уоллиса; Критерий Джонкхира-Терпстры; Результаты расчета критерия Джонкхира-Терпстры; Медианный критерий; Результаты расчета медианного критерия; Запуск критериев для независимых выборок через устаревшие диалоговые окна
- Часть 1. Методы проверки статистических гипотез — Тема 4. Непараметрический анализ зависимых выборок (продолжительность видео лекции 45 минут); Параметры процедуры Непараметрические критерии для связанных выборок; Критерий Мак-Немара; Результаты расчета критерия Мак-Немара; Критерий Кохрана; Результаты расчета критерия Кохрана; Критерий маргинальной однородности; Результаты расчета критерия маргинальной однородности; Критерий знаков; Результаты расчета критерия знаков; Критерий знаков Вилкоксона; Результаты расчета критерия Вилкоксона; Критерий Ходжеса-Лемана; Критерий Фридмана; Результаты расчета критерия Фридмана; Критерий согласия Кендалла; Запуск критериев для зависимых выборок через устаревшие диалоговые окна
- Часть 2. Изучение и моделирование взаимосвязи — Тема 5. Линейный регрессионный анализ (продолжительность видео лекции 2 часа 20 минут); Основные понятия регрессионного анализа; Предпосылки линейного регрессионного анализа; Парная и множественная линейная модель регрессии; Оценка коэффициентов регрессии; Проверка обоснованности модели регрессии; Значимость уравнения регрессии; Значимость коэффициентов регрессии; Оценка точности уравнения регрессии; Процедура Линейная регрессия; Результаты процедуры; Методы отбора переменных в регрессионном анализе; Настройка параметров; Сохранение предсказанных значений; Сохранение остатков; Сохранение многомерных расстояний между наблюдениями; Сохранение статистик влияния; Сохранение доверительных интервалов прогноза; Вывод доверительных интервалов коэффициентов; Вывод описательных статистик переменных; Диагностика мультиколлинеарности; Анализ нормальности и аномальности остатков; Вывод графиков; Оценка статистической устойчивости уравнения регрессии
- Часть 2. Изучение и моделирование взаимосвязи — Тема 6. Нелинейный регрессионный анализ; Нелинейные регрессионные модели; Виды нелинейных регрессионных моделей; Преобразование нелинейных моделей к линейным; Процедура Подгонка кривых; Модель асимптотической регрессии; Процедура Нелинейная регрессия; Настройки процедуры Нелинейная регрессия; Результаты выполнения процедуры Нелинейная регрессия; Модель асимтотической логистической регрессии
- Часть 2. Изучение и моделирование взаимосвязи — Тема 7. Однофакторный дисперсионный анализ (продолжительность видео лекции 1 час 5 минут); Анализ взаимосвязи на основе дисперсии; Модели дисперсионного анализа; Предпосылки применения дисперсионного анализа; Проверка предпосылок дисперсионного анализа; Матрица данных однофакторного дисперсионного анализа; Модель однофакторного дисперсионного анализа; Таблица однофакторного дисперсионного анализа; Оценка степени влияния фактора; Процедура Однофакторный дисперсионный анализ; Параметры процедуры Однофакторный дисперсионный анализ; Апостериорные критерии парных сравнений; Априорные критерии парных сравнений; Запуск процедуры Однофакторный дисперсионный анализ через синтаксис
- Часть 2. Изучение и моделирование взаимосвязи — Тема 8. Многофакторный дисперсионный анализ; Понятие общей линейной модели; Дисперсионный анализ с двумя и более факторами; Матрица данных двухфакторного дисперсионного анализа; Таблица двухфакторного дисперсионного анализа без взаимодействия; Таблица двухфакторного дисперсионного анализа с взаимодействием; Процедура ОЛМ-одномерная; Графическая интерпретация взаимодействий в дисперсионном анализе; Параметры процедуры ОЛМ-одномерная; Апостериорные критерии парных сравнений; Анализ контрастов; Настройка многофакторной модели; Характеристики точности дисперсионной модели; Понятие о ковариационном анализе; Запуск процедуры ОЛМ-одномерная через синтаксис
- Часть 2. Изучение и моделирование взаимосвязи — Тема 9. Многомерный дисперсионный анализ; Многомерный дисперсионный анализ; Процедура ОЛМ-многомерная; Результаты многомерного дисперсионного анализа; Настройки многомерного дисперсионного анализа; Двухфакторный дисперсионный анализ с повторными измерениями; Процедура ОЛМ-повторные измерения; Результаты дисперсионного анализа с повторными измерениями; Настройки дисперсионного анализа с повторными измерениями
- Часть 2. Изучение и моделирование взаимосвязи — Тема 10. Логистическая регрссия и ROC-анализ; Понятие модели бинарного выбора; Модель логистической регрессии; Процедура Логистическая регрессия; Результаты процедуры Логистическая регрессия; Задание категориальных факторов; Пошаговые алгоритмы логистической регрессии; Параметры процедуры Логистическая регрессия; Сохранение предсказанных значений и остатков; Классификация на основе логит-моделей; Процедура ROC-кривые; Результаты процедуры ROC-кривые
- Часть 2. Изучение и моделирование взаимосвязи — Тема 11. Построение модели бинарного выбора по сгруппированным данным; Логит- и пробит-модели для сгруппированных данных; Пробит-модель; Процедура Пробит анализ; Результаты расчета процедуры Пробит анализ; Параметры процедуры Пробит анализ
- Часть 2. Изучение и моделирование взаимосвязи — Тема 12. Мультиномиальная логистическая регрессия; Модель мультиномиальной логистической регрессии; Процедура Мультиномиальная логистическая регрессия; Результаты процедуры Мультиномиальная логистическая регрессия; Вывод статистик; Сохранение результатов; Настройка отбора предикторов в модель; Параметры процедуры Мультиномиальная логистическая регрессия; Критерии процедуры Мультиномиальная логистическая регрессия
- Часть 2. Изучение и моделирование взаимосвязи — Тема 13. Порядковая регрессия; Модель порядковой регрессии; Связывающие функции; Процедура Порядковая регрессия; Результаты процедуры Порядковая регрессия; Параметры процедуры Порядковая регрессия; Задание компонентов положения; Задание компонентов масштаба; Вывод процедуры Порядковая регрессия
Сколько зарабатывают в профессии (медиана hh.ru, по 135 вакансиям)
Окупаемость: стоимость курса ≈ 1 мес зарплаты junior-специалиста.
Сравнение с похожими курсами других школ
| Курс | Школа | Цена | Срок | Рейтинг | Диплом | |
|---|---|---|---|---|---|---|
| Углубленные методы статистического анализа в SPSS (этот) | Центр статистического анализа | 13 900 ₽ | 4 дня | — | Сертификат доступен отдельным товаром школы | — |
| Старт в аналитике | Netology (Нетология) | Цена не указана | 3 недели | 5.0 | Сертификат | Перейти |
| Курс по аналитике данных | Академия презентаций BONNIE&SLIDE | 26 990 ₽ | 4 недели | 5.0 | Сертификат | Перейти |
| Онлайн-курс Аналитик данных | Курсы Бруноям | 67 900 ₽ | 6 месяцев | 5.0 | Удостоверение | Перейти |
Стоит ли идти на этот курс
Плюсы
- Программа покрывает именно диагностику и валидацию моделей: мультиколлинеарность, устойчивость уравнения регрессии, предпосылки дисперсионного анализа — это то, что отличает грамотный анализ от формального прогона.
- Логит-модели для классификации включены в программу — редкость для коротких курсов по SPSS, обычно ограничиваются линейной регрессией.
- Курс охватывает графическую интерпретацию взаимодействий и вывод доверительных интервалов — навыки, которые нужны при представлении результатов, а не только при расчётах.
- По итогам выдаётся сертификат — документ есть.
Минусы и кому не стоит
- Четыре дня — очень плотный формат для такого объёма методов. Если вы не работали со SPSS раньше, темп может оказаться некомфортным: заявленный уровень — средний, хотя в факт-листе указано «с нуля». Здесь противоречие, которое стоит прояснить до оплаты.
- Данных о трудоустройстве нет — курс не позиционируется как карьерный переход, только как прокачка методов. Если цель — сменить работу, этого недостаточно.
- Курс заточен под SPSS: если в вашей организации используют R или Python, освоенные навыки потребуют переноса в другой инструмент — не всё перекладывается автоматически.
Когда этот курс вам не нужен
Если вы уже уверенно строите регрессионные модели, проверяете предпосылки и читаете диагностические таблицы — этот курс едва ли добавит что-то новое, заявленный уровень «средний» вам уже пройден. Не стоит записываться и тем, кто работает с данными в Python или R: SPSS-специфика здесь глубокая, а переносимость методов в другие инструменты потребует отдельного освоения. Цель — быстро получить документ без погружения в методологию — тоже не про этот курс.
Как выбрать курс по этому направлению
Курсы по статистическому анализу разнятся сильнее, чем кажется. Один даёт теорию гипотез без единой задачи в SPSS, другой — нажимание кнопок без понимания, что за числа в выводе. Смотрите на конкретику программы: есть ли разбор предпосылок метода, а не просто «применяем критерий»? Разбирается ли интерпретация результатов, а не только нажатие кнопок? Для SPSS особенно важно, учат ли читать диагностические таблицы — иначе модель построена, но доверять ей нечему. Длительность сама по себе не показатель: четыре плотных дня с отработкой конкретных методов могут дать больше, чем месяц размытых вебинаров. Данных о сопровождении после обучения нет — спросите у школы о формате обратной связи до начала курса.
Частые вопросы
Подойдёт ли курс, если я раньше не работал в SPSS?
Формально указан уровень «с нуля», но программа включает диагностику регрессии и логит-модели — это не базовые темы. Если SPSS вы никогда не открывали, рассчитывайте на высокую нагрузку. Лучше заранее пройти хотя бы базовое введение в интерфейс.
Сколько времени займёт обучение?
Курс рассчитан на четыре дня. Это интенсивный формат, предполагающий погружение без длинных пауз между занятиями.
Какой документ выдают по итогам?
Сертификат. Данных о том, котируется ли он у конкретных работодателей, в программе нет — это стоит уточнить у школы отдельно.
Есть ли в программе практические задачи?
Программа включает построение моделей, сохранение предсказанных значений и остатков, вывод графиков — это практические операции. Насколько глубокая отработка на реальных данных, в описании не раскрыто.
Этот курс поможет стать статистиком?
Направление — статистик. Но четыре дня покрывают конкретный пласт методов, а не всю профессию. Как самостоятельный старт для смены карьеры — недостаточно; как углубление для уже работающего аналитика — осмысленно.
Стоимость курса — окончательная?
Актуальная цена — 13 900 ₽. Цены на курсы меняются, уточняйте на сайте школы перед оформлением.
Поделиться
Длительность курса
4 дня
Формат обучения
Видеолекции и лабораторные работы
Обратная связь
По всем вопросам во время обучения можно связаться с автором и тьютором курса
Теория и практика
32 академических часов
Чему научитесь
Изучать взаимосвязь между категориальными переменными на основе статистических тестов;
Применять непараметрические критерии;
Строить однофакторные и многофакторные дисперсионные модели;
Строить парные и множественные линейные модели регрессии;
Строить нелинейные модели регрессии;
Строить модель логистической регрессии и пробит-модель;
Строить модели порядковой и мультиноминальной логистической регрессии.
прямо сейчас!
О курсе
О курсе
Преподаватели курса
Отзывов об этом курсе пока нет
Ниже — отзывы о школе Центр статистического анализа: они помогут составить впечатление, но в рейтинге курса не учитываются. Проходили этот курс? Поделитесь — это поможет другим студентам.