Gerne beraten wir Sie auch telefonisch & geben Ihnen eine kostenfreie persönliche Auskunft zu Ihrem Projekt.

X

Statistik Blog

Time Series Forecasting: Regression oder ARIMA Models?

Die Vorhersage von Zeitreihen ist eine wichtige statistische Methode zur Schätzung zukünftiger Trends. Im Rahmen des Time Series Forecastings lassen sich zahlreiche Modelle identifizieren, die sich für die Prognose von Zeitreihen heranziehen lassen. Zwei bekannte Formen bilden hierbei die Regressions- und ARIMA-Modelle. Dieser Beitrag soll Ihnen helfen, die Unterschiede dieser Modelltypen zu verstehen, und eine Entscheidungshilfe bei der Wahl des passenden Modells bieten.

Anbieter für Statistik Beratung: Der Marktüberblick (2023)

Im heutigen datengetriebenen Geschäftsumfeld gewinnt die Generierung und Nutzung von Zahlen und Statistiken immer mehr an Bedeutung. Die Fähigkeit, aus grossen Datenmengen relevante Informationen zu extrahieren sowie fundierte Entscheidungen zu treffen, ist für Unternehmen und Forschungseinrichtungen von entscheidender Bedeutung. In diesem Markt der Statistik Beratung bieten neben zahlreichen Einzelkämpfern verschiedene grössere Anbieter ihre Expertise an. […]

Interne Konsistenz in Strukturgleichungsmodellen

Die interne Konsistenz in Strukturgleichungsmodellen ist ein wichtiger Aspekt in der Bestimmung der Messgenauigkeit bestimmter Konstrukte. Die Verwendung von Strukturgleichungsmodellen (im Englischen: Structural Equation Model, SEM) ermöglicht es, weitaus komplexere Modelle als bei typischen Regressionen zu untersuchen. Hinzu kommt, dass in SEM alle theoretisierten Zusammenhänge gleichzeitig erfasst werden können, welches den praktischen Nutzen hervorhebt. Einer […]

Random Intercept Model: Probleme und Lösungen bei geclusterten Daten

Gemischte Modelle sind das Mittel der Wahl, wenn es um die Arbeit mit geclusterten Daten geht. Im Internet lassen sich viele Einleitungen für ihre praktische Anwendung finden (auch bei uns). Mit diesem Beitrag wollen wir auf die eher grundsätzliche Frage eingehen, wann solche Modelle verwendet werden.

Fallstudienanalysen: zehn typische Fehler

Im Rahmen wissenschaftlicher Arbeiten bringen Fallstudien viele Vorteile mit sich. Die Methodik hat jedoch auch einige Fallstricke. Nur wenn Sie diese kennen, können Sie Ihre Fallstudie erfolgreich einsetzen. Weitere Informationen zu ‚Dos and Don’ts‘ in der Fallstudienforschung finden Sie hier!

Hauptkomponentenanalyse in R: Multivariate Daten einfach auswerten

Für die Analyse multivariater Datensätze kann die Hauptkomponentenanalyse (PCA) sehr hilfreich sein, um Muster in Datensätzen zu erkennen sowie die Dimensionen zu reduzieren. Wir geben einen Überblick, wie die PCA funktioniert, welche Befehle für eine Durchführung in R relevant sind und wie das Ergebnis interpretiert werden kann.

So lässt sich eine Panelstudie in SPSS einfach aufbereiten

Arbeit mit Paneldatensätzen verlangt fortgeschrittene Kenntnisse der Datenaufbereitung. Diese werden beim Erlernen von statistischen Analyseprogrammen wie SPSS zunächst oft gar nicht vermittelt. Dieser Beitrag versucht diese Lücke ein wenig zu schließen. Wir geben dazu Tipps, wie sich Paneldaten auch in SPSS problemlos und schnell aufbereiten lassen.

ARIMA Model: So gelingen Vorhersagen

In diesem Beitrag werden die grundlegende Funktionsweise von ARIMA Models thematisiert sowie die zentralen Schritte demonstriert, die für die Erstellung und Durchführung von ARIMA Models von Bedeutung sind.

Jetzt Anrufen Jetzt anfragen