لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش رگرسیون لجستیک در R و Excel
Logistic Regression in R and Excel
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
تصمیمات تجاری اغلب باینری هستند: این پروژه را به عهده بگیرید یا آن را به مدت یک سال به تعویق بیندازید. اعتبار را به این مشتری گسترش دهید یا بر پول نقد اصرار کنید. یک خرده فروشی جدید در یک مکان خاص باز کنید یا مکان دیگری پیدا کنید. وقتی نتیجه یک متغیر مداوم مانند درآمد است ، رگرسیون معمولی اغلب یک روش خوب است ، اما وقتی فقط دو نتیجه وجود دارد ، رگرسیون لجستیک معمولاً ابزارهای بهتری را ارائه می دهد.
بیاموزید که چگونه از R و Excel برای تجزیه و تحلیل داده ها استفاده کنید در این دوره با کنراد کارلبرگ او شما را از طریق رگرسیون لجستیک پیشرفته هدایت می کند ، شروع با شانس و لگاریتم و سپس انتقال به توزیع دو جمله ای و تبدیل شانس پیش بینی شده به احتمالات. پس از تاسیس این بنیاد ، وی تمرکز خود را به سمت آمار استنباطی ، نسبت های احتمال و رگرسیون چند جمله ای تغییر می دهد. پوشش جامع کنراد در مورد چگونگی انجام رگرسیون لجستیک شامل حل مشکلات مشترک ، توضیح روابط ، بررسی نتایج و تفسیر نتایج است.
موضوعات شامل:
شناخت مشکلات رگرسیون معمولی در نتیجه باینری li>
اندازه گیری خطاها در پیش بینی ها li>
مدیریت شیب های مختلف li>
پیش بینی شانس به جای احتمال li>
محدود کردن احتمالات در وارونه و نزول li>
کار با نمایان ها و مبانی li>
پیش بینی منطق li>
کار با داده ها و ضرایب اصلی li>
ایجاد احتمال ورود به سیستم li>
تفسیر -2LL یا انحراف li>
ایجاد یک قاب داده با XLGetRange
استفاده از توابع R mlogit یا و glm
درک اشکال طولانی و گسترده در مجموعه داده ها li>
سرفصل ها و درس ها
مقدمه
Introduction
خوش آمدی
Welcome
آنچه باید بدانید
What you should know
فایل های تمرینی
Exercise files
1. متغیرهای رگرسیون معمولی و پیامدهای اسمی
1. Ordinary Regression and Nominal Outcome Variables
فرض عادی بودن
The normality assumption
توزیع غیر طبیعی را تشخیص دهید
Recognize abnormal distribution
پیش بینی: خیلی زیاد یا خیلی کم
Forecast: Too high or too low
شیب های مختلف را مدیریت کنید
Manage different slopes
2. راه حل برای مشکلات رگرسیون معمولی
2. Solutions to Problems with Ordinary Regression
به جای احتمالات استفاده از شانس
Use of odds instead of probabilities
استفاده از شانس برای محدود کردن احتمالات در صعود
Use of odds to limit the probabilities on the upside
سیاهههای مربوط: نمایانگرها ، پایه ها ، مجموع سیاههها و گزارش محصولات
Logs: exponents, bases, sum of logs, and the log of products
استفاده از شانس ورود به سیستم برای محدود کردن احتمالات در نزولی
Use of log odds to limit the probabilities on the downside
پیش بینی ورود به سیستم شانس ، ورود به سیستم
Predict the log of the odds, the logit
3. اجرای یک رگرسیون لجستیک در اکسل
3. Running a Logistic Regression in Excel
برگه کاری را تنظیم کنید: داده های اصلی و ضرایب رگرسیون لجستیک
Set up the worksheet: Original data and logistic regression coefficients
ستون logit ، ستون antilog و ستون احتمال را تنظیم کنید
Set up the logit column, the antilog column, and the probability column
احتمال ورود به سیستم را ایجاد کنید و Solver را اجرا کنید
Establish the log likelihood and run Solver
-2LL یا انحراف را تفسیر کنید
Interpret -2LL or deviance
4- اجرای یک رگرسیون لجستیک لاینالیستی در R
4. Running a Binomial Logistic Regression in R
بسته mlogit را نصب کنید
Install the mlogit package
فریم داده را با XLGetRange تنظیم کنید
Establish the data frame with XLGetRange
نحو عملکرد mlogit
The mlogit function syntax
استفاده از گلم به جای mlogit
Use of glm instead of mlogit
5- اجرای یک رگرسیون لجستیک چندمجموع در R
5. Running a Multinomial Logistic Regression in R
با مشکلاتی که توسط سه یا بیشتر پیامدهای ممکن ارائه شده است مقابله کنید
Deal with problems introduced by three or more possible outcomes
فریم های داده طولانی را در مقابل گسترده شناسایی کنید
Identify long versus wide data frames
Conrad Carlberg نویسنده و مشاور متخصص در تجزیه و تحلیل کمی و آماری است.
او تاکنون 15 کتاب در مورد استفاده از Microsoft Excel برای تجزیه و تحلیل کمی تألیف کرده است. وی دارای دکترای آمار است و از سال 1995 تاکنون مشاغل مشاوره ای متخصص در تجزیه و تحلیل آماری در زمینه های پزشکی و مالی را اداره کرده است.
نمایش نظرات