Statistical Analysis with Stata and R

• Zrozumienie analizy danych

Odbiorcy

• Analitycy danych

Stata jest pakietem o zasięgu ogólnym napisany w języku C. R jest językiem programowania i środowiskiem oprogramowania dla obliczeń statystycznych. Używając Stata i R, użytkownicy mogą analizować duże zbiory danych dla zastosowań, takich jak ekonomia, socjologia, biomedycyna itp.

To prowadzone przez instruktora szkolenie (online lub na miejscu) jest skierowane do analityków danych, którzy chcą używać Stata i R do analizy dużych zbiorów danych dla analizy statystycznej.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Tworzyć statystyczne modele do przewidywania kluczowych zmiennych i zdarzeń.
• Generować opisowe wizualizacje, podsumowujące tabele, częstotliwości i więcej.
• Zarządzać i strukturować duże bazy danych w celu przygotowania do analizy danych.

Format kursu

• Interaktywne wykłady i dyskusje.
• Dużo ćwiczeń i praktyki.
• Ręczne wdrażanie w żywym środowisku laboratoryjnym.

Opcje dostosowania kursu

• Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt z nami w celu ustalenia.

Wprowadzenie

Stata i Big Data

• Co to jest Stata?
• Składnia i polecenia Stata

Język programowania R Programming

• Co to jest R?
• Składnia i struktura R

Przygotowanie środowiska rozwojowego

• Instalowanie i konfigurowanie Stata
• Instalowanie i konfigurowanie bibliotek i frameworków R

R i Stata

• Czytaj i zapisywanie do Stata za pomocą R

Databases i dane w Stata

• Otwieranie i czyszczenie baz danych
• Kompresowanie baz danych
• Importowanie i eksportowanie baz danych
• Przeglądanie, opisywanie i podsumowywanie surowych danych
• Używanie tabelacji i tabel
• Wdrażanie zmiennych do manipulacji danymi

Analiza opisowa i analiza predykcyjna

• Pracowanie z analizą dystrybucyjną
• Pracowanie z symulacjami Monte Carlo
• Pracowanie z analizą danych liczbowych
• Pracowanie z analizą przeżycia

Testowanie hipotez

• Testowanie i porównywanie średnich

Wykresy w Stata

• Używanie wykresów, wykresów i diagramów
• Pracowanie z analizą statystyczną w wykresach
• Stylizowanie i łączenie wykresów

Modele regresji z użyciem R

• Używanie dwuczynnikowej korelacji i regresji
• Pracowanie z regresją OLS, logitem i probitem
• Używanie efektów interakcyjnych w modelach regresyjnych

Podsumowanie i wnioski