آموزش آمار پیشرفته و تخصصی با Stata

Advanced and Specialized Statistics with Stata

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: Stata چابک ، آسان برای استفاده و سریع است ، توانایی بارگذاری و پردازش حداکثر 120،000 متغیر و بیش از 20 میلیارد مشاهده را دارد. در این دوره ، بیشتر به نرم افزار محبوب آمار بروید. مربی فرانتس بوشا مباحث پیشرفته و تخصصی را در Stata ، از مدل سازی داده های صفحه ای تا اثرات متقابل در مدل های رگرسیون ، جستجو می کند. Franz چندین عملکرد پیچیده مدیریت داده و تکنیک های تجسم را برای تکمیل عملیات اساسی Stata که ممکن است قبلاً تسلط داشته باشید ، نشان می دهد. به علاوه در مورد شبیه سازی مونت کارلو ، تجزیه و تحلیل داده ها ، تجزیه و تحلیل بقا و موارد دیگر اطلاعات کسب کنید.
موضوعات شامل:
  • نحوه چیدمان متغیرها در یک مجموعه داده را با استفاده از پارامترهای داده شده توضیح دهید.
  • دستور مورد استفاده برای بررسی تمام ضرایب برگشتی از یک خروجی رگرسیون را مشخص کنید.
  • نتیجه استفاده از یک ضرب عددی برای تغییر اندازه نشانگر در یک پراکندگی را خلاصه کنید.
  • نحوه بیان صحیح یک تابع تراکم احتمال طبیعی استاندارد را بیاد آورید.
  • تشخیص دهید که رگرسیون در یک شرایط خاص چه اطلاعاتی را ارائه می دهد.
  • تعامل چند جمله ای مداوم را تعریف کنید.
  • اهمیت استفاده از دستور تغییر شکل برای داده های فرم گسترده هنگام تنظیم داده های صفحه را توضیح دهید.
  • متغیری را که بیشترین انحراف استاندارد را بعد از اجرای آمار خلاصه برای مجموعه داده ای از داده های صفحه دارد ، شناسایی کنید.
  • برآوردگر پانل خطی را نام ببرید که فرض می کند رگرسیون با اصطلاحات خطا ارتباط دارد.
  • هدف از آزمون هاوسمن را توضیح دهید.

سرفصل ها و درس ها

مقدمه Introduction

  • آمار تخصصی با استاتا Specialized statistics with Stata

  • آنچه باید بدانید What you should know

1. اطلاعات بیشتر در مورد مدیریت داده 1. More on Data Management

  • قالب بندی نمایش متغیرها Formatting the display of variables

  • متغیرهای تاریخ و زمان Date and time variables

  • تکرار دستورات با حلقه زدن روی متغیرها Repeating commands by looping over variables

  • تکرار دستورات با حلقه زدن روی اعداد Repeating commands by looping over numbers

  • تکرار دستورات با حلقه زدن درون حلقه ها Repeating commands by looping within loops

  • دسترسی به نتایج ذخیره شده از دستورات Stata Accessing results saved from Stata commands

  • چالش: اطلاعات بیشتر در مورد مدیریت داده ها Challenge: More on data management

  • راه حل: اطلاعات بیشتر در مورد مدیریت داده ها Solution: More on data management

2. اطلاعات بیشتر در مورد تکنیک های تجسم 2. More on Visualization Techniques

  • تغییر ظاهر نشانگرها Changing the look of markers

  • تغییر رنگ نمودار Changing graph colors

  • نمودار توسط گروه ها Graphing by groups

  • کنترل افسانه ها Controlling legends

  • افزودن متن و جعبه متن Adding text and textboxes

  • نمودار اندازه Sizing graphs

  • ترکیب نمودارها Combining graphs

  • نحوه استفاده از jitter How to use jitter

  • نحوه رسم توابع سفارشی How to draw custom functions

  • چالش: اطلاعات بیشتر در مورد تکنیک های تجسم Challenge: More on visualization techniques

  • راه حل: اطلاعات بیشتر در مورد تکنیک های تجسم Solution: More on visualization techniques

3. اثرات متقابل در مدل های رگرسیون 3. Interaction Effects in Regression Models

  • اثر متقابل چیست؟ What is an interaction effect?

  • نحوه استفاده از حاشیه ها و حاشیه ها How to use margins and marginsplot

  • تعامل چند جمله ای مداوم Continuous polynomial interactions

  • مداخلات مداوم Continuous by continuous interactions

  • طبقه بندی شده بر اساس تعامل های دسته جمعی Categorical by categorical interactions

  • طبقه بندی شده توسط تعاملات خطی Categorical by linear interactions

  • چالش: اثرات متقابل Challenge: Interaction effects

  • راه حل: اثرات متقابل Solution: Interaction effects

4. مدل سازی داده های پانل 4. Panel Data Modeling

  • تنظیم داده های پانل Setting up panel data

  • تنظیم نسخه نمایشی پانل Setting up panel data demo

  • توضیحات داده پانل Panel data descriptives

  • نسخه ی نمایشی توضیحات داده پانل Panel data descriptives demo

  • پویایی داده های پانل Panel data dynamics

  • نمایش داینامیک داده های پانل Panel data dynamics demo

  • برآوردگر پانل خطی Linear panel estimators

  • نمایشگرهای سنجشگر پانل خطی Linear panel estimators demo

  • اثرات تصادفی یا ثابت Random or fixed effects

  • نمایش نسخه آزمایشی Hausman The Hausman test demo

  • برآوردگرهای داده غیرخطی پانل Nonlinear panel data estimators

  • نمایشگرهای داده های پانل غیرخطی Nonlinear panel data estimators demo

  • چالش: مدل سازی داده های پانل Challenge: Panel data modeling

  • راه حل: مدل سازی داده های پانل Solution: Panel data modeling

5- اعداد تصادفی و شبیه سازی 5. Random Numbers and Simulation

  • رسم اعداد شبه تصادفی Drawing pseudorandom numbers

  • فرآیند تولید داده (DGP) Data generating process (DGP)

  • نقض مفروضات برآوردگر Violating estimator assumptions

  • شبیه سازی مونت کارلو Monte Carlo simulation

  • چالش: شبیه سازی Challenge: Simulation

  • راه حل: شبیه سازی Solution: Simulation

6. تعداد مدل سازی 6. Count Modeling

  • ویژگی های داده های شمارش Features of count data

  • مدل پواسون Poisson model

  • مدلهای دوتایی منفی Negative binomial models

  • مدلهای کوتاه شده Truncated models

  • مدل های تورم صفر Zero-inflated models

  • چالش: مدل سازی تعداد Challenge: Count modeling

  • راه حل: تعداد مدل سازی Solution: Count modeling

7. تجزیه و تحلیل بقا 7. Survival Analysis

  • داده بقا چیست؟ What is survival data?

  • تنظیم داده های بقا Setting up survival data

  • آمار خلاصه Summary statistics

  • آنالیز غیرپارامتری Nonparametric analysis

  • مدل خطرات متناسب کاکس Cox proportional hazards model

  • تشخیصی برای مدل های Cox Diagnostics for Cox models

  • مدل خطرات متناسب متناسب Parametric proportional hazards models

  • چالش: تجزیه و تحلیل بقا Challenge: Survival analysis

  • راه حل: تجزیه و تحلیل بقا Solution: Survival analysis

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش آمار پیشرفته و تخصصی با Stata
جزییات دوره
5h 5m
66
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
3,887
- از 5
ندارد
دارد
دارد
Franz Buscha
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Franz Buscha Franz Buscha

پروفسور اقتصاد در دانشگاه وست مینستر

فرانتس بوشا در دانشگاه لنکستر اقتصاد خوانده است. او از سال 2006 در دانشگاه وست مینستر، جایی که اکنون استاد اقتصاد است، کار کرده است. فرانتس به همه چیز علم داده علاقه دارد و اقتصاد، آمار و ارزیابی سیاست را در تمام سطوح دانشگاهی تدریس کرده است. فرانتس مقالات تحقیقاتی بسیاری را در مجلات برجسته منتشر کرده است و علایق تحقیقاتی شخصی او در بازگشت به تحصیل و تحرک اجتماعی است. آثار فرانتس توسط رسانه‌های مختلفی مانند بی‌بی‌سی نیوز، اکونومیست، تایمز و هافینگتون پست و سال‌ها فرانتس پوشش داده شده است. میزبان یک برنامه رادیویی ماهانه به نام خط مشی مهم بود.