لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مدیریت دادههای گمشده (Missing Data)
- آخرین آپدیت
دانلود Dealing With Missing Data
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره آموزشی به بررسی گامهای مورد نیاز برای وزندهی در نظرسنجیهای نمونهای میپردازد، از جمله روشهای تعدیل برای عدم پاسخدهی و استفاده از دادههای خارجی برای کالیبراسیون. در این دوره تکنیکهایی مانند تعدیل با استفاده از تمایلهای تخمینی پاسخ، پسطبقهبندی (Poststratification)، روش Raking و تخمین رگرسیون عمومی مورد بحث قرار میگیرند. همچنین روشهای جایگزین برای جایگذاری (Imputation) مقادیر گمشده بررسی خواهد شد. برای هر دو بخش وزندهی و جایگذاری، قابلیتهای نرمافزارهای مختلف آماری از جمله R، Stata و SAS آموزش داده میشود.
سرفصل ها و درس ها
گامهای کلی در وزندهی
General Steps in Weighting
مقدمه
Introduction
مقادیر مورد نیاز برای تخمین
Quantities to Estimate
اهداف تخمین
Goals of Estimation
تفسیر آماری تخمینها
Statistical Interpretation of Estimates
مشکلات پوشش (Coverage)
Coverage Problems
بهبود دقت
Improving Precision
اثرات وزندهی بر خطاهای استاندارد (SEs)
Effects of Weighting on SEs
گامهای تخصصی
Specific Steps
مرور کلی
Overview
وزنهای پایه
Base Weights
تعدیلات عدم پاسخدهی
Nonresponse Adjustments
تمایلهای پاسخدهی
Response Propensities
الگوریتمهای درخت تصمیم
Tree algorithms
کالیبراسیون
Calibration
پیادهسازی گامها
Implementing the Steps
نرمافزارها
Software
وزنهای پایه
Base Weights
توضیحات بیشتر درباره وزنهای پایه
More on Base Weights
تعدیلات عدم پاسخدهی
Nonresponse Adjustments
مثالهایی از کالیبراسیون
Examples of Calibration
نرمافزار برای پسطبقهبندی
Software for Poststratification
جایگذاری برای اقلام گمشده
Imputing for Missing Items
نمایش نظرات