آموزش SPSS: آماده‌سازی، بصری‌سازی و مدل‌سازی داده‌ها - آخرین آپدیت

مقدمه Introduction

• استفاده از فایل‌های تمرینی Using the exercise files

• خوش‌آمدگویی Welcome

1. SPSS چیست؟ 1. What is SPSS?

• جایگاه SPSS در تحلیل داده‌ها SPSS in context

• نسخه‌ها، ریلیزها، لایسنس‌ها و رابط‌های کاربری Versions, releases, licenses, and interfaces

2. شروع به کار 2. Getting Started

• تنظیمات و ترجیحات Options and preferences

• رابط کاربری دفترچه کاری SPSS The SPSS workbook interface

• مجموعه‌داده‌های نمونه Sample datasets

• گسترش قابلیت‌های SPSS Extending SPSS

• کار با محیط SPSS Navigating SPSS

• انواع داده‌ها، معیارها و نقش‌ها Data types, measures, and roles

• ذخیره و اجرای فایل‌های سینتکس Saving and running syntax files

3. بصری‌سازی داده‌ها 3. Data Visualization

• تغییر بصری‌سازی‌های Chart Builder Modifying Chart Builder visualizations

• استفاده از دیالوگ‌های قدیمی: نمودارهای جعبه‌ای برای متغیرهای متعدد Using legacy dialogs: Boxplots for multiple variables

• بصری‌سازی داده‌ها با Chart Builder Visualizing data with Chart Builder

• مقایسه زیرگروه‌ها Comparing subgroups

• ایجاد نمودارهای متغیر رگرسیون Creating regression variable plots

• تغییر بصری‌سازی‌های Graphboard Modifying Graphboard visualizations

• بصری‌سازی داده‌ها با قالب‌های Graphboard Visualizing data with Graphboard templates

4. آماده‌سازی داده‌ها 4. Data Wrangling

• برچسب مقادیر (Value labels) Value labels

• تقسیم فایل‌ها Splitting files

• انتخاب موارد و زیرگروه‌ها Selecting cases and subgroups

• وارد کردن داده‌ها Importing data

• برچسب متغیرها Variable labels

5. بازرمزگذاری داده‌ها 5. Recoding Data

• بازرمزگذاری متغیرها Recoding variables

• آماده‌سازی داده‌ها برای مدل‌سازی Preparing data for modeling

• ایجاد متغیرهای Dummy Creating dummy variables

• محاسبه امتیازها Computing scores

• بازرمزگذاری با دسته‌بندی بهینه Recoding with optimal binning

• بازرمزگذاری با دسته‌بندی بصری Recoding with visual binning

• بازرمزگذاری بر اساس رتبه‌بندی موارد Recoding by ranking cases

• معکوس کردن مقادیر با سینتکس Reversing values with syntax

6. اکتشاف داده‌ها 6. Exploring Data

• محاسبه توصیف‌گرها Computing descriptives

• محاسبه فراوانی‌ها Computing frequencies

• محاسبه جداول متقاطع Computing contingency tables

• تحلیل عاملی و تحلیل مولفه‌های اصلی Factor analysis and principal component analysis

• تحلیل پایایی Reliability analysis

• تحلیل اکتشافی داده‌ها Exploratory data analysis

• محاسبه همبستگی‌ها Computing correlations

7. خوشه‌بندی و طبقه‌بندی 7. Clustering and Classification

• شبکه‌های عصبی در SPSS: طبقه‌بندی تابع پایه شعاعی Neural networks in SPSS: Radial basis function classification

• طبقه‌بندی درخت تصمیم در SPSS Decision tree classification in SPSS

• طبقه‌بندی k-نزدیک‌ترین همسایه k-nearest neighbors classification

• خوشه‌بندی k-میانگین k-means clustering

• شبکه‌های عصبی در SPSS: طبقه‌بندی پرسپترون چندلایه Neural networks in SPSS: Multilayer perceptron classification

• خوشه‌بندی سلسله‌مراتبی Hierarchical clustering

8. تحلیل داده‌ها 8. Analyzing Data

• مقایسه میانگین‌های جفت‌شده: آزمون t نمونه‌های جفت‌شده Comparing paired means: Paired-samples t test

• مقایسه یک میانگین با جامعه: آزمون t تک‌نمونه‌ای Comparing one mean to a population: One-sample t test

• مقایسه میانگین‌های متعدد: ANOVA یک‌طرفه Comparing multiple means: One-way ANOVA

• مقایسه دو میانگین: آزمون t نمونه‌های مستقل Comparing two means: Independent-samples t test

• مقایسه میانگین‌ها با دو متغیر طبقه‌ای: ANOVA Comparing means with two categorical variables: ANOVA

• مقایسه نسبت‌ها Comparing proportions

9. ساخت مدل‌های پیش‌بینی 9. Building Predictive Models

• محاسبه رگرسیون خطی Computing a linear regression

• انتخاب متغیر Variable selection

• رگرسیون لجستیک Logistic regression

• مدل‌سازی خطی خودکار Automatic linear modeling

10. اشتراک‌گذاری نتایج 10. Sharing Your Work

• خروجی گرفتن از نمودارها و جداول Exporting charts and tables

جمع‌بندی Conclusion

• گام‌های بعدی Next steps