이미 소장하고 있다면 판매해 보세요.
- 해외배송 가능?
- 문화비소득공제 가능
에이콘 데이터 과학 시리즈
이 상품의 태그
책소개
목차
|
1장. 변동 측정: 값들이 얼마나 다른가
어떻게 변동이 측정되는가 편차의합(Sum of Deviations) 편차제곱의합(Summing Squared Deviations) 제곱의합에서 분산으로 VAR.P()와 VAR.S() 함수의 사용 표준편차 평균의 표준오차 z점수와 z값 t값 2장. 상관관계 상관관계 측정 상관관계의 강도 나타내기 상관관계의 방향 결정 상관관계 계산 1단계: 공분산 부호에 주의하라 공분산에서부터 상관계수까지 CORREL() 함수의 사용 상관관계에서의 편향 이해하기 상관관계에서 선형성과 특이점 체크 차트를 그릴 때 조심해야 하는 부분 상관관계와 인과관계 원인의 방향 제3의 변수 범위의 제한 3장. 단순회귀분석 상관관계와 표준점수를 이용한 예측 예측 계산하기 본래 단위로 변환 예측 일반화 회귀계수와 절편을 이용한 예측 SLOPE() 함수 INTERCEPT() 함수 공유분산 표준편차, 리뷰 제곱의합 자세히 보기 제곱의합은 가산적이다 단순회귀분석에서의 R2 잔차제곱의 합과 그룹내제곱의 합 TREND() 함수 TREND()에 배열 입력하기 TREND()의 new x’s 인자 TREND()의 const 인자 제로상수 회귀 계산 부분상관과 준부분상관 부분상관 준부분상관 이해하기 4장. LINEST() 함수 배열을 입력받는 LINEST() 배열 수식의 메커니즘 이해하기 실수 목록 LINEST()와 SLOPE(), INTERCEPT()의 비교 회귀계수의 표준오차 회귀계수의 표준오차의 의미 0의 회귀계수 모집단의 회귀계수가 0일 확률 측정하기 주관적인 결정으로서의 통계적인 추론 t비와 F비 간격척도와 명목척도 상관관계의 제곱, R2 추정의 표준오차 t분포와 표준오차 잔차의 표준편차로서의 표준오차 등분산성: 균등하게 퍼짐 LINEST()의 F비의 이해 분산분석과 F비의 일반적인 사용 분산분석과 회귀에서의 F비 회귀에서 제곱의합의 분할 분산분석에서의 F비 회귀분석에서의 F비 F비와 R2의 비교 일반선형모델, ANOVA, 회귀분석 LINEST()의 기타 보조 통계량 5장. 다중회귀분석 합성 예측변수 단일 예측변수에서 다중 예측변수로의 일반화 오차제곱의합의 최소화 추세선의 이해 LINEST() 결과를 워크시트에 매핑하기 다중회귀분석을 기초부터 만들어 가기 변수를 상수로 고정하기 두 개의 예측변수가 있는 회귀에서의 준부분상관 제곱의합 구하기 R2과 추정의 표준오차 F비와 잔차자유도 회귀계수의 표준오차 계산 몇 가지 추가 예제 회귀계수의 표준오차 사용 양쪽꼬리검정 한쪽꼬리검정 예측변수를 평가하기 위한 모델 비교 접근법 사용 모델 통계량 얻기 R2 대신 제곱의합을 사용 R2의 축소 추정 6장. 회귀분석에 관한 가정과 주의 사항 가정에 관하여 강건성: 문제가 되지 않을 수도 있다 가정과 통계적 추론 허수아비 비선형과 기타 분포 다루기 균등퍼짐 가정 더미코딩 사용 회귀 접근법과 t검정 접근법 비교 같은 목적지를 향하는 두 개의 경로 불균등 분산과 표본 크기 불균등퍼짐: 보수적 검정 불균등퍼짐 : 진보적인 검정 불균등퍼짐과 균등 표본 크기 분석 도구 대신 LINEST() 사용 T.DIST() 함수들 간의 차이 이해 웰치의 보정 사용 TTEST() 함수 7장. 회귀분석을 이용한 그룹 평균 간 차이 검정 더미코딩 더미코딩의 예 벡터 자동으로 채우기 던네트 다중비교 과정 효과코딩 0 대신 1로 코딩 일반선형모델과의 관계 효과코딩으로 다중비교 직교코딩 대비 설정하기 ANOVA를 통한 계획된 직교대비 LINEST()를 사용한 계획된 직교대비 요소분석 직교코딩을 사용한 요소분석 효과코딩으로 요인분석 통계적 검증력, 제1종 오류, 제2종 오류 통계적 검증력 계산하기 통계적 검증력 높이기 불균등한 셀 크기 다루기 회귀 접근법 사용 순차적 분산 할당 8장. 공분산분석 결과 대조 ANCOVA 도표화 일반적인 ANCOVA 구조화 공변량 없이 분석 공변량을 포함한 분석 회귀를 사용한 ANCOVA 구조화 공통 회귀선 확인 분석 요약 조정된 평균 검정: ANCOVA에서 계획된 직교코딩 회귀접근법을 사용한 ANCOVA와 다중비교 계획된 비직교대비를 통한 다중비교 사후 비직교대비를 통한 다중비교 |
저자 소개 2
마이크로소프트 엑셀, SAS, 오라클과 같은 정량 분석, 데이터 분석, 관리 응용프로그램에 대해 국가적으로 인정받는 전문가다. 콜로라도 대학에서 통계학 박사 학위를 받았으며 마이크로소프트 Excel MVP로 여러 번 수상한 바 있다. 남부 캘리포니아 출신으로 대학을 졸업하고 콜로라도로 이주했다. 그곳에서 여러 스타트업에서 일했으며 대학원에 다녔다. 중동에서의 2년 동안 컴퓨터 과학을 가르치고 낙타를 피해 다녔다. 대학원을 졸업한 후, 미국 서부에서 제품 관리 분야(Baby Bell)와 모토로라(Motorola)에서 일했다. 1995년 정량 분석을 통해 비즈니스 의사 결정의 도움을
마이크로소프트 엑셀, SAS, 오라클과 같은 정량 분석, 데이터 분석, 관리 응용프로그램에 대해 국가적으로 인정받는 전문가다. 콜로라도 대학에서 통계학 박사 학위를 받았으며 마이크로소프트 Excel MVP로 여러 번 수상한 바 있다. 남부 캘리포니아 출신으로 대학을 졸업하고 콜로라도로 이주했다. 그곳에서 여러 스타트업에서 일했으며 대학원에 다녔다. 중동에서의 2년 동안 컴퓨터 과학을 가르치고 낙타를 피해 다녔다. 대학원을 졸업한 후, 미국 서부에서 제품 관리 분야(Baby Bell)와 모토로라(Motorola)에서 일했다. 1995년 정량 분석을 통해 비즈니스 의사 결정의 도움을 받기를 원하는 회사들에 실험 디자인과 분석 서비스를 제공하는 작은 컨설팅 사업을 시작한다. 이러한 기술에 대해서 글을 쓰는 것을 즐기며 특히, 세계에서 가장 인기 있는 숫자 분석 응용프로그램인 엑셀을 사용해 이 기술을 전달하기를 즐긴다.
콘래드 칼버그의 다른 상품
숭실대학교 컴퓨터학부를 졸업하고, 동 대학원에서 머신 러닝을 전공했다. 다음커뮤니케이션, 쿠팡, 네이버에서 검색 데이터 분석, 광고 타깃팅, 상품 추천, 음악 추천 등 데이터 분석과 머신 러닝을 통해 데이터에 가치를 부여하는 일을 해왔다. 현재는 라인(LINE)에서 데이터 사이언티스트로 일하고 있다.
품목정보
- 발행일
- 2018년 08월 27일
- 쪽수, 무게, 크기
- 429쪽 | 811g | 188*235*24mm
- ISBN13
- 9791161751979
출판사 리뷰
|
- 회귀분석으로 할 수 있는 일과 할 수 없는 일의 이해와 그 이유 알아보기
- 엑셀에서 기본 제공되는 회귀 함수 마스터하기 - 상관관계와 단순회귀분석 작업하기 - 엑셀의 향상된 LINEST() 함수를 최대한 활용하기 - 다중회귀분석 실험 계획과 수행하기 - 문제가 되는 회귀분석의 가정과 그렇지 않은 가정 구별하기 - 일반적인 분산분석 대신 회귀분석을 사용해 분석의 옵션 확장하기 - 공변량을 분석에 추가, 편향을 줄이고 통계적 검증력을 강화하기 우리는 의료와 제약 연구, 재무 분석과 경제학, 농업 실험에서 운영 연구 분야에 이르기까지 다양한 분야에서 여전히 분산과 공분산분석에 크게 의존한다. 이러한 분야에서 개념을 이해하는 것은 중요하며, 이 문제들을 기존 ANOVA(분산분석)가 아닌 회귀의 프리즘을 통해 바라보면 훨씬 쉽게 이해할 수 있다. 더 중요한 것은 회귀 분석에서 일상적으로 사용하는 개념을 이해하면 로지스틱 회귀분석 및 요인분석과 같은 고급 방법을 훨씬 쉽게 이해할 수 있다는 것이다. 이러한 기법은 한 번에 한 가지 변수를 분석하는 방법 너머로 지평을 확장시켜준다. 그리고 잠재적이고 관찰되지 않은 요인과 다항종속변수를 포함하는 영역으로 분석을 확장하는 데 도움을 준다. 만약 공유분산(shared variance)의 개념을 모르고 있다면, 주요인분석(principal components analysis)을 배우려고 할 때 학습에 필요한 시간은 더욱 늘어난다. |
