Statistics 1: Introduction to ANOVA, Regression, and Logistic Regression

• Statistiche Descrittive
  • Introduzione alle statistiche descrittive.
  • Esame delle distribuzioni dei dati.
• Statistiche Inferenziali
  • Concetti base delle statistiche inferenziali.
  • Costruzione di intervalli di confidenza.
  • Esecuzione di semplici test di ipotesi.
• Esame e Interpretazione delle Distribuzioni dei Dati
  • Utilizzo della procedura UNIVARIATE per ottenere statistiche campionarie.
  • Esame grafico delle distribuzioni dei dati tramite le procedure UNIVARIATE e FREQ.
• Test di Differenze tra Mezzi di Due Gruppi
  • Implementazione di test per confrontare mezzi di due gruppi usando PROC TTEST.
• ANOVA e Regressione
  • Realizzazione di ANOVA unidirezionale con la procedura GLM.
  • Esecuzione di test multipli post-hoc in PROC GLM.
  • Creazione di correlazioni con la procedura CORR.
  • Adattamento di un modello di regressione lineare semplice con la procedura REG.
• Modelli Lineari Complessi
  • Realizzazione di ANOVA bidirezionale, con e senza interazioni.
  • Comprensione dei concetti di regressione multipla.
• Costruzione di Modelli e Selezione degli Effetti
  • Tecniche di selezione automatica del modello in PROC GLMSELECT.
  • Interpretazione e confronto dei modelli selezionati.
• Post-Adattamento del Modello per Inferenza
  • Esame dei residui.
  • Indagine sulle osservazioni influenti.
  • Valutazione della collinearità.
• Costruzione del Modello e Scoring per la Predizione
  • Comprensione dei concetti di modellazione predittiva.
  • Importanza della partizione dei dati.
  • Comprensione dello scoring.
  • Ottenimento di previsioni (scoring) per nuovi dati con PROC GLMSELECT e PROC PLM.
• Analisi dei Dati Categorici
  • Produzione di tabelle di frequenza con la procedura FREQ.
  • Esame dei test per associazione generale e lineare con la procedura FREQ.
  • Comprensione dei test esatti.
  • Comprensione dei concetti di regressione logistica.
  • Adattamento di modelli di regressione logistica univariata e multivariata con la procedura LOGISTIC.
  • Uso di tecniche di selezione automatica del modello in PROC LOGISTIC, inclusi termini di interazione.
  • Ottenimento di previsioni per nuovi dati con PROC PLM.

Statistici, ricercatori e analisti aziendali che utilizzano la programmazione SAS per generare analisi con variabili di risposta (dipendenti) continue o categoriche.

Prima di partecipare a questo corso, è necessario:

• Aver completato l’equivalente di un corso di laurea in statistica che comprenda valori di p, test di ipotesi, analisi della varianza e regressione.
• Essere in grado di eseguire programmi SAS e creare set di dati SAS. Si consiglia di frequentare il corso SAS Programming 1: Essentials.

Al termine del corso, i partecipanti saranno in grado di:

• Utilizzare statistiche descrittive per riassumere e presentare i dati in modo chiaro.
• Applicare le tecniche delle statistiche inferenziali per testare ipotesi e costruire intervalli di confidenza.
• Analizzare e interpretare le distribuzioni dei dati utilizzando i metodi grafici e numerici.
• Eseguire test di ipotesi per valutare le differenze tra gruppi e le relazioni tra variabili.
• Implementare l’analisi della varianza (ANOVA) per confrontare i mezzi di più gruppi e costruire modelli di regressione per esplorare le relazioni tra le variabili.
• Sviluppare e valutare modelli di regressione multipla e logistica per l’inferenza e la predizione in contesti sia continui sia categorici.
• Applicare tecniche avanzate di modellazione e selezione degli effetti per migliorare l’accuratezza e l’interpretazione dei modelli statistici.
• Eseguire l’analisi dei dati categorici, compresa la regressione logistica, per comprendere le relazioni tra variabili categoriche e continue.