لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش رگرسیون خطی برای آمار کسبوکار
- آخرین آپدیت
دانلود Linear Regression for Business Statistics
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
تحلیل رگرسیون شاید مهمترین ابزار آمار کسبوکار باشد که در صنعت مورد استفاده قرار میگیرد. رگرسیون موتور محرک بسیاری از کاربردهای تحلیل داده است که برای انواع پیشبینیها به کار میرود.
این چهارمین دوره از تخصص «آمار و تحلیل کسبوکار» است. در این دوره با ابزار بسیار حیاتی رگرسیون خطی آشنا میشوید و یاد میگیرید که چگونه رویههای مختلفی مانند رگرسیون متغیرهای مجازی (Dummy Variables)، تبدیل متغیرها و اثرات متقابل را به کار ببرید. تمامی این موارد با استفاده از مثالهای ساده و قابل فهم در نرمافزار مایکروسافت اکسل آموزش داده شدهاند.
تمرکز این دوره بر درک مفاهیم و کاربرد عملی آنها است تا استخراجات پیچیده ریاضی.
نکته: در این دوره از ابزار ‘Data Analysis’ استفاده شده است که در نسخه ویندوز مایکروسافت اکسل و نسخههای ۲۰۱۶ به بعد مک به صورت استاندارد موجود است.
هفته اول
ماژول ۱: تحلیل رگرسیون: مقدمه
در این بخش با مدل رگرسیون خطی آشنا میشوید. ما یک مدل رگرسیون میسازیم و آن را با استفاده از اکسل تخمین میزنیم. سپس از مدل تخمینزده شده برای استنتاج روابط بین متغیرهای مختلف و انجام پیشبینیها استفاده میکنیم. همچنین مفاهیم خطاها، باقیماندهها (Residuals) و ضریب تعیین (R-square) معرفی میشوند.
مباحث پوشش داده شده:
• معرفی رگرسیون خطی
• ساخت مدل رگرسیون و تخمین آن با اکسل
• استنتاج با استفاده از مدل تخمینزده شده
• استفاده از مدل رگرسیون برای پیشبینی
• خطاها، باقیماندهها و R-square
هفته دوم
ماژول ۲: تحلیل رگرسیون: آزمون فرضیه و نیکویی برازش
این بخش آزمونهای فرضیه مختلفی را ارائه میدهد که میتوانید با استفاده از خروجی رگرسیون انجام دهید. این آزمونها بخش مهمی از استنتاج آماری هستند و در اینجا با مثالهای اکسل آموزش داده میشوند. مقادیر p-value به همراه معیارهای نیکویی برازش شامل R-square و R-square تعدیل شده معرفی میگردند. در پایان این ماژول، «رگرسیون متغیر مجازی» برای گنجاندن متغیرهای کیفی در مدل معرفی میشود.
مباحث پوشش داده شده:
• آزمون فرضیه در رگرسیون خطی
• معیارهای «نیکویی برازش» (R-square و Adjusted R-square)
• رگرسیون متغیر مجازی (استفاده از متغیرهای کیفی در رگرسیون)
هفته سوم
ماژول ۳: تحلیل رگرسیون: متغیرهای مجازی و همخطی
این بخش به ادامه کاربردهای رگرسیون متغیر مجازی میپردازد. شما یاد میگیرید که چگونه خروجی رگرسیون را در حضور متغیرهای کیفی تفسیر کنید. مثالهای متعددی برای تثبیت مفاهیم ارائه شده و همچنین مفهوم همخطی (Multicollinearity) و نحوه مقابله با آن توضیح داده میشود.
مباحث پوشش داده شده:
• رگرسیون متغیر مجازی (استفاده از متغیرهای کیفی در رگرسیون)
• تفسیر ضرایب و p-valueها در حضور متغیرهای مجازی
• همخطی در مدلهای رگرسیون
هفته چهارم
ماژول ۴: تحلیل رگرسیون: توسعههای مختلف
این ماژول درک شما را از رگرسیون خطی گسترش داده و تکنیکهایی مانند مرکزیت میانگین متغیرها (Mean-centering) و ایجاد بازههای اطمینان برای پیشبینیها را معرفی میکند. همچنین ابزار قدرتمندی به نام «متغیرهای متقابل» (Interaction variables) با مثال توضیح داده میشود. در نهایت، تبدیل متغیرها در رگرسیون و مدلهای رگرسیون لگاریتمی (Log-Log و Semi-Log) بررسی میشوند.
مباحث پوشش داده شده:
• مرکزیت میانگین متغیرها در مدل رگرسیون
• ساخت بازههای اطمینان برای پیشبینی با مدل رگرسیون
• اثرات متقابل در رگرسیون
• تبدیل متغیرها
• مدلهای رگرسیون Log-Log و Semi-Log
سرفصل ها و درس ها
تحلیل رگرسیون: مقدمه
Regression Analysis: An Introduction
آشنایی با استاد
Meet the Professor
معرفی رگرسیون خطی: ساخت مدل
Introducing Linear Regression: Building a Model
معرفی رگرسیون خطی: تخمین مدل
Introducing Linear Regression: Estimating the Model
معرفی رگرسیون خطی: تفسیر مدل
Introducing Linear Regression: Interpreting the Model
معرفی رگرسیون خطی: پیشبینی با مدل
Introducing Linear Regression: Predictions using the Model
خطاها، باقیماندهها و R-square
Errors, Residuals and R-square
فرض نرمال بودن خطاها
Normality Assumption on the Errors
تحلیل رگرسیون: آزمون فرضیه و نیکویی برازش
Regression Analysis: Hypothesis Testing and Goodness of Fit
آزمون فرضیه در رگرسیون خطی
Hypothesis Testing in a Linear Regression
آزمون فرضیه در رگرسیون خطی: استفاده از p-valueها
Hypothesis Testing in a Linear Regression: using 'p-values'
آزمون فرضیه در رگرسیون خطی: بازههای اطمینان
Hypothesis Testing in a Linear Regression: Confidence Intervals
کاربرد رگرسیون با استفاده از دادههای مسکن
A Regression Application Using Housing Data
معیارهای نیکویی برازش: R-square و Adjusted R-square
'Goodness of Fit' measures: R-square and Adjusted R-square
متغیرهای کیفی در رگرسیون: متغیرهای مجازی
Categorical Variables in a Regression: Dummy Variables
نمایش نظرات