حتماً فید توییتر من را برای کدهای تبلیغاتی ماهانه و سایر بهروزرسانیها بررسی کنید (@easystats3).
4 دوره در یک دوره!
همه آنچه را که باید در مورد رگرسیون خطی، رگرسیون غیرخطی، مدلسازی رگرسیون و STATA بدانید در یک بسته بیاموزید.
رگرسیون خطی و غیر خطی.
یادگیری و به کارگیری تکنیک های آماری جدید اغلب می تواند یک تجربه دلهره آور باشد.
"آمار آسان" برای ارائه یک دوره آموزشی فشرده و آسان برای شما طراحی شده است که بر اصول اساسی روش شناسی آماری تمرکز دارد.
این دوره بر روی مفهوم رگرسیون خطی و رگرسیون غیر خطی تمرکز دارد. به طور خاص حداقل مربعات معمولی، رگرسیون Logit و Probit.
این دوره توضیح می دهد که رگرسیون چیست و رگرسیون خطی و غیرخطی چگونه کار می کند. نحوه عملکرد حداقل مربعات معمولی (OLS) و نحوه عملکرد مدلهای Logit و Probit را بررسی میکند. این کار را بدون هیچ گونه معادله یا ریاضیات پیچیده انجام می دهد. تمرکز این دوره بر کاربرد و تفسیر رگرسیون است. یادگیری در این دوره مبتنی بر گرافیک های متحرک است که مفاهیم آماری خاصی را نشان می دهد.
هیچ دانش قبلی لازم نیست و این دوره برای کسانی است که نیاز به تجزیه و تحلیل کمی دارند.
نتایج اصلی یادگیری عبارتند از:
برای یادگیری و درک شهود آماری اساسی در پشت حداقل مربعات معمولی
با اصطلاحات رگرسیون عمومی و مفروضات پشت حداقل مربعات معمولی راحت باشید
برای اینکه بتوان به راحتی خروجی رگرسیون خطی پیچیده را از حداقل مربعات معمولی تفسیر و تحلیل کرد
برای یادگیری نکات و ترفندهایی در مورد تحلیل رگرسیون خطی
برای یادگیری و درک شهود آماری اساسی در پشت رگرسیون غیر خطی
برای یادگیری و درک نحوه عملکرد مدلهای Logit و Probit
برای اینکه بتوان به راحتی خروجی رگرسیون پیچیده را از رگرسیون Logit و Probit تفسیر و تجزیه و تحلیل کرد
برای یادگیری نکات و ترفندهایی در مورد تحلیل رگرسیون غیر خطی
موضوعات خاصی که پوشش داده خواهد شد عبارتند از:
چه نوع تحلیل رگرسیونی وجود دارد
همبستگی در مقابل علیت
خطوط پارامتری و ناپارامتریک با بهترین تناسب
روش حداقل مربعات
R-squared
بتا، خطاهای استاندارد
آمار T، مقادیر p و فواصل اطمینان
بهترین برآوردگر بی طرف خطی
فرض های گاوس-مارکوف
تعصب در مقابل کارایی
همسان سازی
هم خطی
فرم عملکردی
میانگین شرطی صفر
رگرسیون در گزارشها
ساخت مدل عملی
درک خروجی رگرسیون
ارائه خروجی رگرسیون
چه نوع تحلیل رگرسیون غیرخطی وجود دارد
رگرسیون غیر خطی چگونه کار می کند؟
چرا رگرسیون غیر خطی مفید است؟
حداکثر احتمال چقدر است؟
مدل احتمال خطی
رگرسیون Logit و Probit
متغیرهای پنهان
اثرات حاشیه ای
متغیرهای ساختگی در رگرسیون Logit و Probit
آمار مناسب بودن
نسبتهای فرد برای مدلهای لاجیت
ساخت مدل Logit و Probit عملی در Stata
نرم افزار رایانه ای Stata برای نشان دادن نمونه های عملی استفاده خواهد شد.
مدلسازی رگرسیون
درک نحوه عملکرد تحلیل رگرسیون تنها نیمی از کار است. هنگام مدلسازی دادهها در یک تنظیم رگرسیون، دامهای زیادی برای اجتناب و ترفندهایی وجود دارد که باید یاد بگیرید. اغلب، برای جمع آوری اینها سالها تجربه لازم است. در این جلسات به بررسی برخی از رایج ترین مسائل مدل سازی می پردازیم. تئوری پشت آنها چیست، آنها چه می کنند و چگونه می توانیم با آنها برخورد کنیم؟ هر موضوع یک نمایش عملی در Stata دارد. تم ها عبارتند از:
مبانی مدلسازی رگرسیون - فلسفه چیست؟
فرم تابعی - نحوه مدلسازی روابط غیر خطی در رگرسیون خطی
جلوههای تعامل - نحوه استفاده و تفسیر جلوههای تعامل
استفاده از زمان - کاوش روابط دینامیک با اطلاعات زمان
متغیرهای توضیحی دسته بندی - نحوه کدنویسی، استفاده و تفسیر آنها
برخورد با چند همخطی - حذف و تبدیل متغیرهای خطی
برخورد با داده های از دست رفته - نحوه مشاهده نادیده
راهنمای ضروری برای Stata
یادگیری و به کارگیری تکنیک های آماری جدید می تواند تجربه دلهره آور باشد.
این امر مخصوصاً زمانی صادق است که فرد با مجموعههای داده «زندگی واقعی» درگیر شود که امکان تجزیه و تحلیل آسان «کلیک و رفتن» را نمیدهد، اما به سطح عمیقتری از درک برنامهنویسی، دستکاری دادهها، تفسیر خروجی، خروجی نیاز دارد. قالب بندی و انتخاب نوع مناسب روش تحلیلی.
در این دوره آموزشی با Stata و کاربردهای مختلف آن در تحلیل داده های مدرن آشنا خواهید شد. شما یاد خواهید گرفت که گزینه های زیادی را که Stata در دستکاری، کاوش، تجسم و مدل سازی انواع پیچیده داده به شما می دهد، درک کنید. در پایان دوره، از توانایی خود در تعامل با Stata و مدیریت تجزیه و تحلیل داده های پیچیده اطمینان خواهید داشت. تمرکز این دوره به طور مداوم بر ایجاد یک "عمل خوب" و تاکید بر کاربرد عملی - و تفسیر - تکنیک های آماری رایج بدون توسل به نظریه یا معادلات آماری عمیق خواهد بود.
این دوره بر ارائه یک نمای کلی از تجزیه و تحلیل داده ها با استفاده از Stata تمرکز می کند.
هیچ تعامل قبلی با Stata لازم نیست. برخی اطلاعات آماری قبلی کمک خواهد کرد اما ضروری نیست.
مانند سایر بستههای آماری حرفهای، این دوره بر کاربرد - و تفسیر - مناسب کد تمرکز دارد.
این دوره برای هر کسی که علاقه مند به تجزیه و تحلیل داده با استفاده از Stata است.
استدانش کمی/آماری اولیه مورد نیاز است. این مقدمه ای بر درس آمار نیست، بلکه کاربرد و تفسیر آن با استفاده از Stata است.
موضوعات تحت پوشش عبارتند از:
شروع به کار با Stata
مشاهده و کاوش داده ها
دستکاری داده ها
تجسم داده ها
همبستگی و ANOVA
رگرسیون شامل تشخیص (کمترین مربعات معمولی)
ساخت مدل رگرسیون
آزمایش فرضیه
مدلهای نتیجه باینری (Logit و Probit)
مدلهای پاسخ کسری (لجیت کسری و رگرسیون بتا)
مدلهای انتخاب دستهای (مرتبطلب و لاجیت چندجملهای)
تکنیک های شبیه سازی (اعداد تصادفی و شبیه سازی)
شمارش مدل های داده (پواسون و رگرسیون دو جمله ای منفی)
تجزیه و تحلیل دادههای بقا (پارامتری، خطر متناسب کاکس و رگرسیون بقای پارامتریک)
تحلیل دادههای پانل (دادههای فرم طولانی، تاخیرها و سرنخها، اثرات تصادفی و ثابت، آزمون هاسمن و رگرسیون پانل غیرخطی)
تحلیل تفاوت در تفاوت (تفاوت در تفاوت و روندهای موازی)
رگرسیون متغیر ابزاری (متغیرهای درونزا، انتخاب نمونه، مدلهای درونزای غیرخطی)
جدول اپیدمیولوژیک (مطالعات کوهورت، مطالعات مورد- شاهدی و مطالعات مورد- شاهدی همسان)
تجزیه و تحلیل توان (اندازه نمونه، اندازه قدرت و اندازه اثر)
عملیات ماتریس (عملگرهای ماتریس، توابع ماتریس، اشتراک ماتریس)
استاد
نمایش نظرات