English   Danish

2018/2019  DIP-D1FMV2012U  Dataanalyse II

English Title
Dataanalyse II

Kursusinformation
Sprog Dansk
Kursets ECTS 5 ECTS
Type Valgfag
Niveau Diplom
Varighed Et semester
Starttidspunkt Efterår
Tidspunkt Skemaet bliver offentliggjort på calendar.cbs.dk
Studienævn
Studienævnet for HD (1. del)
Kursusansvarlig
  • Mads Stenbo Nielsen - Institut for Finansiering (FI)
Primære fagområder
  • Statistik og kvantitative metoder/Statistics and quantitative methods
Undervisningsformer
  • Blended learning
Sidst opdateret den 30-01-2018

Relevante links
Læringsmål
Med udgangspunkt i fagets pensum skal den studerende kunne:
  • Redegøre for forudsætninger og anvendelse af udvalgte statistiske analysemetoder.
  • Identificere og analysere erhvervsøkonomiske problemstillinger på grundlag af aktuelle samfundsdata og demonstrere evnen til at konkludere ud fra de udførte analyser, herunder foretage valg af strategiske løsninger.
  • Sammenfatte og præsentere resultater af statistiske analyser på en systematisk og sammenhængende måde, der dokumenterer overblik, indsigt og forståelse for fagets erhvervsøkonomiske anvendelse.
Forudsætninger for at deltage i kurset
Det anbefales, at du har kendskab til det obligatoriske fag Dataanalyse for at få det fulde udbytte af undervisningen. Studieadministrationen vejleder ikke i forhold til, om du kan følge Dataanalyse II uden at have bestået Dataanalyse.
Prøve/delprøver
Dataanalyse II:
Prøvens ECTS 5
Prøveform Mundtlig stedprøve
Individuel eller gruppeprøve Individuel prøve
Varighed 20 min. pr. studerende, inkl. votering, karaktergivning og begrundelse
Forberedelse Uden forberedelse
Bedømmelsesform 7-trins-skala
Bedømmer(e) Eksaminator og bi-eksaminator
Eksamensperiode Efterår
Syge-/omprøve
Samme prøveform som ved ordinær prøve
Beskrivelse af eksamensforløbet

Mundtlig eksamen baseret på eksamensspørgsmål, der tager udgangspunkt i en konkret eksamenscase. Eksamenscase, summarisk caseløsning samt eksamensspørgsmål udleveres ca. en uge før eksamen. Den mundtlige eksamen omfatter gennemgang af udvalgte eksamensspørgsmål (trækkes ved eksamen) samt evt. spørgsmål til det øvrige kursuspensum. Den studerende kan til støtte for sin eksamenspræstation medbringe sin egen caseløsning, hvis indhold ikke indgår i bedømmelsen.
Kursets indhold, forløb og pædagogik

I det obligatoriske fag Dataanalyse på HD 1.del introduceres og behandles en række af de basale statistiske grundbegreber, beskrivelser, analyseformer, modeller og metoder.


Formålet med det valgfrie fag Dataanalyse II er at udvide den statistiske viden med henblik på analyse af mere komplekse strukturer ud fra en virksomheds- /samfundsorienteret indfaldsvinkel. Faget anvender avancerede statistiske modeller og metoder, hvor formålet er at understøtte datadrevne beslutninger, der ofte er styret ud fra en analytisk tilgang.

 

Gennem dette fag skal den studerende således udvikle viden, færdigheder og kompetencer i at kunne gennemføre analyser, forstå og fortolke resultater ud fra givne data. Forståelse for modellernes og metodernes forudsætninger er centrale emner i fagets indhold.

 

Den studerende skal opnå evnen til at kommunikere analysernes konklusioner til såvel specialist som ikke-specialist. Modelforståelsen understøttes gennem anvendelse af statistikprogrammet SAS JMP - herved bliver det matematiske fundament for modellerne ikke et selvstændigt emne i undervisningen.

 

I faget Dataanalyse II behandles følgende modeller:

• Multipel regressionsanalyse
• Varians- og kovariansanalyse

• Logistisk regression (fx. spørgeskemaundersøgelser)
• Identifikation af tidsrækkekomponenter
• Tidsrækkeanalyse

• Forecastmodeller

I undervisningen er der fokus på modellernes forudsætninger med særligt henblik på validering af de trufne konklusioner.
Beskrivelse af undervisningsformer
Holdundervisning med dialog kombineret med gruppebaserede case-præsentationer.
Feedback i undervisningen
Der gives løbende feedback til de studerende i forbindelse med deres case-præsentationer, som er en integreret del af undervisningen. For yderligere personlig feedback henvises til individuel aftale hos kursets fagansvarlige.
Studenterarbejdstimer
Undervisning 30 timer
Forberedelse, eksamen mv. 108 timer
Sidst opdateret den 30-01-2018