کلاس آموزشی SPSS: از مقدماتی تا پیشرفته SPSS را بیاموزید - آخرین آپدیت

دانلود SPSS Masterclass: Learn SPSS From Scratch to Advanced

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

دوره جامع یادگیری IBM SPSS Statistics، پژوهش و تحلیل داده از صفر تا پیشرفته

این دوره، تنها دوره‌ای است که برای یادگیری IBM SPSS Statistics، پژوهش و تحلیل داده از پایه تا سطح پیشرفته به آن نیاز دارید.

  • با اطمینان، هر نوع داده عددی را با استفاده از SPSS تحلیل کنید.
  • مطالعات پژوهشی و تحلیل داده‌های خود را به طور مستقل، از ابتدا برنامه‌ریزی کنید.
  • طرح تحقیق و نتایج ارائه شده در مقالات ژورنالی باکیفیت بالا را درک کنید.
  • تحلیل داده‌ها را به طور دقیق انجام دهید و نتایج را در قالب APA ارائه دهید.
  • ورود داده‌ها و پاکسازی داده‌ها در SPSS
  • سازماندهی داده‌ها با استفاده از SPSS
  • تبدیل داده‌ها با استفاده از SPSS
  • تحلیل توصیفی در سطح نمونه و جامعه با استفاده از SPSS
  • تحلیل تفاوت‌های گروهی با استفاده از آزمون t و ANOVA
  • تحلیل رگرسیون خطی و چندگانه در SPSS
  • تحلیل رگرسیون سلسله‌مراتبی و پیشرفته در SPSS
  • رگرسیون لجستیک
  • تحلیل عاملی اکتشافی (EFA)
  • خی دو و معیارهای ارتباط
  • تحلیل قابلیت اطمینان و اعتبارسنجی مقیاس با استفاده از SPSS
  • نمایش گرافیکی و تجسم داده‌های پیشرفته با استفاده از SPSS
  • تحلیل تعدیل و میانجی‌گری با استفاده از ماکرو PROCESS در SPSS
  • مدل‌سازی خطی عمومی در مقابل مدل‌سازی خطی تعمیم‌یافته در SPSS
  • ANOVA اندازه‌گیری مکرر
  • تحلیل همبستگی در SPSS
  • تحلیل روابط در SPSS
  • تحلیل کوواریانس (ANCOVA)
  • تحلیل واریانس چندمتغیره (MANOVA)
  • برنامه‌نویسی SPSS با استفاده از پایتون
  • تحلیل بقا

پیش‌نیازها:

این دوره از پایه ساخته شده است، بنابراین هیچ دانش قبلی از SPSS یا آمار مورد نیاز نیست. ما تمام جزئیات مورد نیاز را در دوره، هم بخش تئوری و هم بخش عملی، پوشش می‌دهیم.

هنرجویان باید یک نسخه از نرم‌افزار SPSS برای تمرین گام‌های آموزش داده شده در این دوره داشته باشند.

داده‌ها، مرز جدید قرن 21 هستند. طبق گزارش کسب‌وکار هاروارد (2012)، علم داده به داغ‌ترین شغل قرن 21 تبدیل خواهد شد و تحلیلگران داده آینده بسیار روشنی دارند. این دوره با هدف تجهیز فراگیران با توانایی انجام مستقل تحلیل داده‌های عمیق با اطمینان و دقت حرفه‌ای طراحی شده است. به طور خاص، به کسانی که به دنبال به‌دست آوردن بینش‌های کسب‌وکار، درک رفتار مصرف‌کننده، توسعه برنامه‌های هدفمند برای سرمایه‌گذاری‌های جدید، مطالعه برند یا نوشتن مقالات علمی در مجلات تاثیرگذار و توسعه پایان‌نامه‌ها/پروژه‌های باکیفیت بالا هستند، کمک می‌کند.

دانش خوب در تحلیل داده‌های کمی برای پیشرفت در دنیای آکادمیک و شرکتی ضروری است. با در نظر گرفتن این موضوع، این دوره به گونه‌ای طراحی شده است که دانشجویان، پژوهشگران، معلمان و متخصصان شرکتی که می‌خواهند خود را به مهارت‌های قوی تحلیل داده مجهز کنند و مایل به پیشرفت با این مهارت هستند، می‌توانند آن را به صورت عمیق و جذاب با استفاده از IBM SPSS Statistics یاد بگیرند.

نتایج دوره

با اتمام این دوره، شما توانایی تحلیل و پردازش مستقل داده‌ها، برنامه‌ریزی و انجام کارهای تحقیقاتی جدید بر اساس علایق پژوهشی خود را توسعه خواهید داد. این دوره شامل اکثر انواع اصلی تکنیک‌های تحقیق است که در تحقیقات آکادمیک و حرفه‌ای به جامع‌ترین، عمیق‌ترین و گام‌به‌گام‌ترین روش استفاده می‌شود.

روش آموزش

تمرکز برنامه آموزشی فعلی بر این خواهد بود که به شرکت‌کنندگان کمک کند مهارت‌های آماری را از طریق کاوش SPSS و گزینه‌های مختلف آن یاد بگیرند. تمرکز بر توسعه مهارت‌های عملی تحلیل داده‌ها، ایجاد ظرفیت مستقل برای تصمیم‌گیری دقیق در مورد اینکه کدام آزمون آماری برای یک نوع خاص از هدف تحقیق مناسب است، خواهد بود. این برنامه همچنین نحوه نوشتن خروجی به دست آمده از SPSS در قالب APA را پوشش خواهد داد.

پیش‌نیاز

عشق به تحلیل داده‌ها و آمار، استعداد تحقیق و انگیزه برای انجام کارهای تحقیقاتی عالی.


سرفصل ها و درس ها

1-مقدمه Introduction

  • 1-مقدمه Introduction

2-مجموعه داده و منابع Dataset & Resources

  • 2-مجموعه داده تمرینی، PPT و منابع Practice dataset, PPT and Resources

  • 3-چگونه سریع به سوالات خود پاسخ دهیم؟ How to get answer to your queries fast?

3-بنیان مفهومی آمار Conceptual Foundation of Statistics

  • 4-آمار: تعریف و انواع Statistics: Definition and Types

  • 5-آمار پارامتری در مقابل ناپارامتری: فرضیات Parametric vs Non-Parametric Statistics: Assumptions

  • 6-مبانی آمار Statistics Basics

4-ورود داده: یادگیری نحوه ورود داده در SPSS Data Entry: Learning to Enter Data in SPSS

  • 7-مفهوم سازی متغیرها: IV، DV، کنترل، تعدیل کننده ها و متغیرهای میانجی Conceptualizing Variables: IV, DV, Control, Moderators & Mediating Variables

  • 8-نوع متغیر عددی: تعریف نام، عرض، اعشار و برچسب برای متغیرها Variable Type Numeric: Defining Names, Width, Decimal & Labels for variables

  • 9-نوع متغیر: کاما و نقطه Variable Type: Comma & Dot

  • 10-نوع متغیر: نماد علمی Variable Type: Scientific Notation

  • 11-نوع متغیر: مهر زمانی تاریخ و زمان Variable Type: Date and Time Stamps

  • 12-نوع متغیر: دلار Variable Type: Dollar

  • 13-نوع متغیر: ارز سفارشی Variable Type: Custom Currency

  • 14-نوع متغیر: رشته Variable Type: String

  • 15-نوع متغیر: عددی محدود Variable Type: Restricted Numeric

  • 16-تعریف مقادیر و برچسب ها Defining Values & Labels

  • 17-تعریف مقادیر گمشده: گسسته، محدوده و مقادیر از دست رفته سیستم Defining Missing Values: Discrete, Range & System-Missing Values

  • 18-تنظیم ستون ها و تراز Setting Columns & Alignment

  • 19-تعریف اندازه گیری ها: مقیاس های اندازه گیری Defining Measures: Scales of Measurement

5-کار با انواع مختلف فایل در SPSS Working with Various File Types in SPSS

  • 20-انواع فایل های داده در آمار SPSS Types of Data Files in SPSS Statistics

  • 21-باز کردن یک فایل داده اکسل در SPSS Opening an Excel data file in SPSS

  • 22-باز کردن یک فایل جدا شده با کاما یا نوع فایل CSV در SPSS Opening a Comma Separated or CSV file type in SPSS

6-تبدیل داده در SPSS: RECODE و سایر توابع تبدیل Data Transformation in SPSS: RECODE and Other Transformation Functions

  • 23-مجموعه داده و منابع: تابع RECODE Dataset and Resources: RECODE Function

  • 24-تابع COMPUTE VARIABLE: چیست و چه کاری می تواند برای ما انجام دهد؟ COMPUTE VARIABLE function: What it is and What it can do for us?

  • 25-محاسبه کل با استفاده از تابع COMPUTE Calculating Total using COMPUTE function

  • 26-تمرین: سعی کنید با استفاده از IF، COMPUTE کنید Exercise: Try COMPUTE using IF

  • 27-راه حل تمرین: COMPUTE با استفاده از IF Exercise Solution: COMPUTE using IF

  • 28-تابع RECODE: چرا متغیر را دوباره کدگذاری کنیم؟ RECODE FUNCTION: Why to Recode Variable?

  • 29-چرا دو تابع RECODE داریم؟ Why We have Two RECODE Functions?

  • 30-چگونه در SPSS RECODE INTO DIFFERENT VARIABLE انجام دهیم؟ How to do RECODE INTO DIFFERENT VARIABLE in SPSS?

  • 31-محاسبه کل پس از RECODE COMPUTING Total After RECODE

  • 32-ReCode در همان متغیر Recode into Same Variable

7-آمار توصیفی با استفاده از SPSS Descriptive Statistics using SPSS

  • 33-تنظیم داده برای تجزیه و تحلیل توصیفی Setting Data for Descriptive Analysis

  • 34-انواع آمار توصیفی Types of Descriptive Statistics

  • 35-درک سه تب توصیفی مختلف در SPSS Understanding Three Different Descriptive Tabs in SPSS

  • 36-محاسبه فراوانی ها Calculating Frequencies

  • 37-تجزیه و تحلیل توصیفی با استفاده از جدول متقاطع Descriptives Analysis Using Crosstab

  • 38-معیارهای گرایش مرکزی: میانگین، میانه، مد - مفهوم و موارد استفاده Measures of Central Tendency: Mean, Median, Mode - Concept and Uses

  • 39-محاسبه و تفسیر میانگین، میانه و مد Calculating and Interpreting Mean, Median & Mode

  • 40-تأیید مد با فراوانی ها Confirming Mode with Frequencies

  • 41-گزینه Explore: محاسبه توصیفی های گروه بندی شده Explore Option: Calculating Grouped Descriptives

  • 42-گزینه Explore: تفسیر میانگین گروهی و فاصله اطمینان 95٪ میانگین Explore Option: Interpreting Groupwise Mean and 95% Confidence Interval of Mean

  • 43-میانگین 5٪ Trimming: مفهوم، استفاده و تفسیر 5% Trimmed Mean: Concept, Use & Interpretation

  • 44-Explore: میانه، انحراف استاندارد، واریانس، حداقل، حداکثر و محدوده Explore: Median, Standard Deviation, Variance, Minimum, Maximum, & Range

  • 45-چارک ها و محدوده بین چارکی با استفاده از گزینه Explore Quartiles and Inter-Quartile Range using Explore Option

  • 46-کجی و کشیدگی: اصول اولیه توضیح داده شده است Skewness and Kurtosis: Fundamentals Explained

  • 47-محاسبه و تفسیر سطح معنی داری کجی Calculating & Interpreting Significance Level of Skewness

  • 48-کشیدگی: محاسبه، تفسیر و درک سطح معنی داری Kurtosis: Calculation, Interpretation and Understanding Significance Level

  • 49-خطای استاندارد میانگین: مفهوم، محاسبه و تفسیر Standard Error of Mean: Concept, Calculation & Interpretation

8-آزمون t نمونه مستقل: مقایسه میانگین دو گروه مستقل Independent Sample t-test: Comparing Two Independent Group Means

  • 50-آزمون t نمونه مستقل: تعریف گزینه های ورودی Independent sample t-test: Defining input options

  • 51-آزمون t نمونه مستقل: تفسیر خروجی توصیفی (میانگین، SD، SE) Independent sample t-test: Interpreting descriptive output (Mean, SD, SE)

  • 52-آزمون t نمونه مستقل: تفسیر آزمون لون، t، p، SE و 95٪ CI Independent Sample t-test: Interpreting Levene's test, t, p, SE & 95% CI

  • 53-نوشتن سبک APA برای آزمون t نمونه مستقل APA Style write-up for Independent Sample t-test

9-آزمون t نمونه جفت شده: مقایسه تفاوت های بین میانگین دو گروه همبسته Paired Sample t-test: Comparing Differences between Two Correlated Group Means

  • 54-چه زمانی از آزمون t نمونه جفت شده استفاده کنیم؟ When to use Paired Sample t-test?

  • 55-محاسبه آزمون t نمونه جفت شده در SPSS Calculating Paired Sample t-test in SPSS

  • 56-تفسیر خروجی آزمون t نمونه جفت شده Interpreting Paired Sample t-test Output

  • 57-نوشتن سبک APA برای آزمون t نمونه جفت شده APA Style write-up for Paired Sample t-test

10-One-Way ANOVA: مقایسه تفاوت بین بیش از دو گروه One-Way ANOVA: Comparing Differences between More than Two Groups

  • 58-چه زمانی از One-Way ANOVA استفاده کنیم؟ When to Use One-Way ANOVA?

  • 59-محاسبه One-Way ANOVA در SPSS Calculating One-Way ANOVA in SPSS

  • 60-تفسیر خروجی ANOVA: آمار توصیفی Interpreting ANOVA output: Descriptive Statistics

  • 61-تفسیر خروجی: جدول خلاصه ANOVA Interpreting Output: ANOVA Summary Table

  • 62-انجام تجزیه و تحلیل پس از هاک در ANOVA: آزمون همگنی واریانس و پس از هاک Doing Post-hoc analysis in ANOVA: Homogeneity of Variance Test & Post-hoc

  • 63-تجزیه و تحلیل روند و نمودار میانگین در ANOVA Trend Analysis & Means Plot in ANOVA

  • 64-تجزیه و تحلیل کنتراست در ANOVA Contrast Analysis in ANOVA

11-رگرسیون خطی: تجزیه و تحلیل علت و معلولی یک IV بر روی یک DV Linear Regression: Cause and Effect Analysis of One IV on One DV

  • 65-رگرسیون چیست؟ What is regression?

  • 66-چه زمانی از رگرسیون خطی در مقابل رگرسیون چندگانه استفاده کنیم؟ When to Use Linear Regression Vs. Multiple Regression?

  • 67-تعریف گزینه های ورودی SPSS برای رگرسیون خطی Defining SPSS Input Options for Linear Regression

  • 68-تفسیر خروجی رگرسیون خطی: متغیرها و خلاصه مدل Interpreting Linear Regression Output: Variables & Model Summary

  • 69-تفسیر خروجی رگرسیون خطی: ثابت، B، بتا، SE و t Interpreting Linear Regression Output: Constant, B, Beta, SE & t

12-رگرسیون چندگانه: اثر علّی بسیاری از IV ها بر روی یک DV Multiple Regression: Causal Effect of Many IVs on One DV

  • 70-رگرسیون چندگانه چیست؟ What is Multiple Regression?

  • 71-فرضیات رگرسیون چندگانه: خطی بودن و آزمایش خطی بودن در SPSS Assumptions of Multiple Regression: Linearity & Testing Linearity in SPSS

  • 72-فرضیه 2: استقلال خطاها/عدم خودهمبستگی و آزمایش در SPSS Assumptions 2: Independence of Errors/Lack of Autocorrelations & Testing in SPSS

  • 73-فرضیه 3: هموسیداسیته خطاها و آزمایش آن در SPSS Assumptions 3: Homoscedasticity of Errors & Testing it in SPSS

  • 74-فرضیه 4: نرمال بودن چند متغیره و آزمایش آن در SPSS Assumptions 4: Multivariate Normality & Testing it in SPSS

  • 75-فرضیه 5: چندهمخطی و آزمایش آن در SPSS Assumptions 5: Multicollinearity & Testing it in SPSS

  • 76-انتخاب روش رگرسیون چندگانه: روش Enter Choosing a Method of Multiple Regression: Enter Method

  • 77-انتخاب روش رگرسیون چندگانه: روش Stepwise و Forward Selection Choosing a Method of Multiple Regression: Stepwise and Forward Selection Method

  • 78-انتخاب روش رگرسیون چندگانه: روش Backward Elimination Choosing a Method of Multiple Regression: Backward Elimination Method

  • 79-اجرای روش Stepwise و Forward Selection از رگرسیون در SPSS Running Stepwise and Forward Selection Method of Regression in SPSS

  • 80-انتخاب روش رگرسیون چندگانه: روش Remove Choosing a Method of Multiple Regression: Remove Method

13-تحلیل رگرسیون سلسله مراتبی Hierarchical Regression Analysis

  • 81-تحلیل رگرسیون سلسله مراتبی چیست و چه زمانی از آن استفاده کنیم؟ What is Hierarchical Regression Analysis and when to use it?

  • 82-تنظیم داده ها و تعریف مدل در رگرسیون سلسله مراتبی Setting Data and Defining Model in Hierarchical Regression

  • 83-اصلاح مدل و تشخیص چندهمخطی از طریق ماتریس همبستگی Refining Model and Detecting Multicollinearity through Correlation Matrix

  • 84-رام کردن داده های بد: استفاده از مقادیر بتا، R مربع و p برای اصلاح بیشتر مدل Taming Bad Data: Using beta, R squared and p values to further refine model

  • 85-تفسیر خروجی رگرسیون سلسله مراتبی Interpreting the Output of Hierarchical Regression

14-تحلیل عاملی اکتشافی Exploratory Factor Analysis

  • 86-مجموعه داده های شخصیتی Personality Dataset

  • 87-تحلیل عاملی چیست؟ What is Factor Analysis?

  • 88-درک متغیرهای پنهان و شاخص ها در FA Understanding Latent Variables and Indicators in FA

  • 89-تحقیقات نمونه با استفاده از FA در علوم اجتماعی و مهندسی Sample Researches Using FA in Social Science & Engineering

  • 90-منشأ تاریخی FA و کاربرد آن در ساخت آزمون Historical Origin of FA & Its Application in Test Construction

  • 91-تحلیل عاملی اکتشافی در مقابل تحلیل عاملی تأییدی (EFA در مقابل CFA) Exploratory Factor Analysis vs. Confirmatory Factor Analysis (EFA vs. CFA)

  • 92-تنظیم داده ها برای تحلیل عاملی Setting Data for Factor Analysis

  • 93-درک "متغیر انتخاب" Understanding "Selection Variable"

  • 94-توصیفی های تک متغیره و راه حل های اولیه: توصیفی Univariate Descriptives & Initial Solutions: Descriptive

  • 95-ماتریس همبستگی: ضرایب، معنی داری، تعیین کننده، KMO و Bartlett's Correlation Matrix: Coefficients, Significance, Determinant, KMO & Bartlett's

  • 96-درک معکوس، بازتولید شده، ضد تصویر Understanding Inverse, Reproduced, Anti-Image

  • 97-روش استخراج: تجزیه و تحلیل مؤلفه های اصلی Extraction Method: Principle Component Analysis

  • 98-روش استخراج: عامل بندی محور اصلی Extraction Method: Principle Axis Factoring

  • 99-روش استخراج: برآورد حداکثر درست نمایی Extraction Method: Maximum Likelihood Estimation

  • 100-انتخاب ماتریس همبستگی در مقابل کوواریانس برای تحلیل عاملی Choosing Correlation vs. Covariance Matrix for Factor Analysis

  • 101-تفسیر ماتریس همبستگی و راه حل عامل غیر چرخشی Interpreting Correlation Matrix & Unrotated Factor Solution

  • 102-تعیین تعداد عوامل: نمودار Scree در مقابل معیارهای مقدار ویژه Kaiser Determining number of factors: Scree Plot vs. Kaiser's eigen value criteria

  • 103-چرخش عامل: چیست و چرا انجام می شود؟ Factor Rotation: What it is and why its done?

  • 104-روش های چرخش: Varimax، Quartimax، Equamax، Direct Oblimin، Promax Rotation Methods: Varimax, Quartimax, Equamax, Direct Oblimin, Promax

  • 105-محاسبه نمرات عامل: رگرسیون، Bartlett، Anderson-Rubin Calculating Factor Scores: Regression, Bartlett, Anderson-Rubin

  • 106-ماتریس ضریب نمره عامل Factor Score Coefficient Matrix

  • 107-تحلیل مقدار گمشده: Listwise، Pairwise، جایگزینی با میانگین Missing Value Analysis: Listwise, Pairwise, Replace with Mean

  • 108-مرتب سازی بر اساس اندازه و سرکوب ضرایب کوچکتر Sort by Size & Suppressing Smaller Coefficients

  • 109-پروژه در تحلیل عاملی بخش 1: شناسایی ابعاد شخصیت Project in Factor Analysis Part 1: Identifying Dimensions of Personality

  • 110-پروژه در تحلیل عاملی بخش 2: شناسایی ابعاد شخصیت Project in Factor Analysis Part 2: Identifying Dimensions of Personality

  • 111-پروژه در تحلیل عاملی بخش 3: شناسایی ابعاد شخصیت Project in Factor Analysis Part 3: Identifying Dimensions of Personality

  • 112-پروژه در تحلیل عاملی بخش 4: نامگذاری عامل Project in Factor Analysis Part 4: Factor Naming

  • 113-پروژه در تحلیل عاملی بخش 5: تجزیه و تحلیل قابلیت اطمینان عوامل Project in Factor Analysis Part 5: Reliability Analysis of Factors

  • 114-پروژه در تحلیل عاملی بخش 6: ارائه نتایج به سبک APA Project in Factor Analysis Part 6: Presenting Results in APA Style

15-آزمون مربع کای Chi-Square Test

  • 115-آزمون مربع کای: مقدمه و چه زمانی از آزمون مربع کای استفاده کنیم؟ Chi Square Test: Introduction and When to Use Chi-Square Test?

  • 116-فرضیات آزمون مربع کای Assumptions of Chi-square Test

  • 117-فرمول برای محاسبه آزمون مربع کای Formula for Calculation of Chi-Square Test

  • 118-تنظیم داده ها برای محاسبه مربع کای با استفاده از گزینه Crosstabs Setting Data for Calculation of Chi-Square using Crosstabs Option

  • 119-آزمایش فرضیات آزمون مربع کای با استفاده از گزینه Crosstabs Testing Assumptions of Chi-Square test Using Crosstabs Option

  • 120-تفسیر خروجی آزمون مربع کای و گزارش سبک APA Interpreting Output of Chi-Square Test and APA Style Reporting

  • 121-مربع کای یک طرفه: چه زمانی استفاده شود و چگونه با مربع کای دو طرفه متفاوت است؟ One-way Chi Square: When to use and how its different from two-way Chi square?

  • 122-تنظیم داده ها برای آزمون مربع کای یک طرفه Setting Data for One-way Chi Square Test

  • 123-وزن موارد، محاسبه، تفسیر و نگارش APA برای مربع کای یک طرفه Weigh Cases, Calculation, Interpretation & APA Write-up for One-Way Chi Square

  • 124-مجموعه داده تمرینی برای مربع کای یک طرفه Practice Data set for One-Way Chi square

16-تجزیه و تحلیل قابلیت اطمینان Reliability Analysis

  • 125-مقدمه ای بر تجزیه و تحلیل قابلیت اطمینان Introduction to Reliability Analysis

  • 126-قابلیت اطمینان چیست؟ What is Reliability?

  • 127-مدل های انعکاسی در مقابل سازنده مقیاس Reflective vs. Formative Models of Scale

  • 128-آیا باید آلفای کرونباخ یا قابلیت اطمینان مرکب را گزارش دهیم؟ Should We Report Cronbach's Alpha or Composite Reliability?

  • 129-نوع قابلیت اطمینان: قابلیت اطمینان مجدد Type of Reliability: Test-Retest Reliability

  • 130-نوع قابلیت اطمینان: فرم موازی Type of Reliability: Parallel Form

  • 131-نوع قابلیت اطمینان: قابلیت اطمینان سازگاری داخلی Type of Reliability: Internal Consistency Reliability

  • 132-درک آلفای کرونباخ Understanding Cronbach's Alpha

  • 133-فرضیات آلفای کرونباخ Assumptions of Cronbach's Alpha

  • 134-فرمول آلفای کرونباخ Formula of Cronbach's Alpha

  • 135-محدوده آلفای کرونباخ Range of Cronbach's Alpha

  • 136-محاسبه قابلیت اطمینان: درک مقیاس اگر گزینه یک مورد حذف شود Calculating Reliability: Understanding Scale if an Item is Deleted Option

  • 137-تفسیر خلاصه پردازش موردی و ضریب آلفا Interpreting Case Processing Summary & Alpha Coefficient

  • 138-بهبود قابلیت اطمینان یک مقیاس: تشخیص مقادیر گمشده Improving Reliability of a Scale: Diagnosing Missing Values

  • 139-بهبود قابلیت اطمینان: تشخیص میانگین مقیاس و واریانس ها Improving Reliability: Diagnosing Scale Mean and Variances

  • 140-بهبود قابلیت اطمینان: تشخیص همبستگی های کل مورد Improving Reliability: Diagnosing Item-Total Correlations

  • 141-بهبود قابلیت اطمینان: حذف موارد مبهم و زائد Improving Reliability: Removing Ambiguous and Redundant Items

  • 142-شاخص تبعیض مورد Item Discrimination Index

17-ارائه گرافیکی و تجسم داده ها در SPSS Graphical Presentation & Data Visualization in SPSS

  • 143-نمودارها و تجسم داده ها در SPSS: یک مقدمه Graphs & Data Visualization in SPSS: An Introduction

  • 144-کدام نمودار برای من مناسب است: قوانین ایجاد نمودار بخش 1 Which Graph is Suitable for Me: Rules for Creating Graphs Part 1

  • 145-کدام نمودار برای من مناسب است: قوانین ایجاد نمودار بخش 2 Which Graph is Suitable for Me: Rules for Creating Graphs Part 2

  • 146-ایجاد نمودار میله ای در SPSS Creating a Bar Diagram in SPSS

  • 147-نحوه تغییر رنگ پس زمینه نمودار میله ای در SPSS؟ How to Change Background Color of Bar Diagram in SPSS?

  • 148-نحوه تغییر رنگ و الگوهای میله ها در نمودار میله ای؟ How to Change Color & Patterns of Bars in Bar Diagram?

  • 149-نحوه تنظیم عرض میله ها در نمودار میله ای؟ How to Adjust Width of Bars in Bar Diagram?

  • 150-نحوه تغییر نام محور X و Y نمودار میله ای در SPSS؟ How to Rename X & Y Axes of Bar Diagram in SPSS?

  • 151-درک میله های خطا در نمودار میله ای: چه، چرا و چگونه؟ Understanding Error Bars over Bar Diagram: What, Why & How?

  • 152-نحوه ایجاد نمودارهای میله ای با میله های خطا در SPSS؟ How to Create Bar Diagrams with Error Bars in SPSS?

  • 153-نحوه استفاده از ضریب ها (خطای استاندارد و انحراف استاندارد) در نمودارهای میله ای؟ How to Use Multipliers (Standard Error & Standard Deviation) in Bar Diagrams ?

  • 154-ایجاد نمودارهای میله ای خوشه ای در SPSS Creating Clustered Bar Diagrams in SPSS

  • 155-نمودارهای دایره ای: درک و تنظیم مجموعه داده ها Pie Charts: Understanding and Setting Dataset

  • 156-نمودارهای دایره ای در مقابل نمودار میله ای: چه زمانی از نمودار دایره ای در مقابل نمودار میله ای استفاده کنیم؟ Pie Charts Vs. Bar Diagram: When to Use Pie Vs. Bar Diagram?

  • 157-نحوه ایجاد نمودار دایره ای در SPSS How to create Pie Chart in SPSS

  • 158-نمودار دایره ای: نحوه تغییر رنگ دایره؟ Pie Chart: How to Change the Color of Pie?

  • 159-نمودار دایره ای: نحوه ادغام برش ها؟ Pie Chart: How to Merge Slices?

18-رگرسیون لجستیک Logistic Regression

  • 160-1. رگرسیون لجستیک چیست؟ 1. What is Logistic Regression?

  • 161-رگرسیون لجستیک (منبع خارجی) Logistic Regression (External Resource)

  • 162-2. درک مدل رگرسیون لجستیک 2. Understanding the Logistic Regression Model

  • 163-3. درک و مدل رگرسیون لجستیک: شکل، لوجیت و احتمالات 3. Understanding and Logistic Regression Model: Shape, Logit and Probabilities

  • 164-4. درک معادله رگرسیون لجستیک 4. Understanding the Equation of Logistic Regression

  • 165-5. الزامات تحلیل رگرسیون لجستیک 5. Requirements for Logistic Regression Analysis

  • 166-6. فرضیات رگرسیون لجستیک 6. Assumptions of Logistic Regression

  • 167-7. مفهوم نسبت های فرد (به طور خلاصه) 7. Concept of Odd Ratios (in Brief)

  • 168-8. تنظیم داده ها و درک فایل داده 8. Setting Data and Understanding the Data File

  • 169-9. نحوه کدگذاری متغیر وابسته باینری در رگرسیون لجستیک 9. How to Code the Binary Dependent Variable in Logistic Regression

  • 170-10. درک گزینه Block و گزینه Interaction 10. Understanding Block Option and Interaction Option

  • 171-11. انتخاب "روش" و کدگذاری متغیر طبقه بندی شده به عنوان متغیر "Dummy" 11. Selecting "Method" and Coding Categorical Variable as "Dummy" Variable

  • 172-12. درک گزینه Save: احتمالات پیش بینی شده و عضویت در گروه 12. Understanding Save Option: Predicted Probabilities & Group Membership

  • 173-13. درک گزینه Save: Influence - فاصله کوک و گزینه های DFBeta 13. Understanding Save Option: Influence - Cook's Distance & DFBeta Options

  • 174-14. درک ذخیره: باقیمانده ها – استاندارد شده 14. Understanding Save: Residuals – Standardized

  • 175-15. درک گزینه نمودارهای طبقه بندی 15. Understanding Classification Plots Option

  • 176-16. درک گزینه آزمون برازش Hosmer-Lemeshow 16. Understanding Hosmer-Lemeshow Goodness of Fit Test Option

  • 177-17. درک موارد فهرست نویسی از باقیمانده ها 17. Understanding Case-wise Listing of Residuals

  • 178-درک گزینه همبستگی برآوردهای Understanding Correlation of Estimates Option

  • 179-درک گزینه "تاریخچه تکرار" Understanding "Iteration History" Option

  • 180-درک گزینه "CI برای Exp(B)" Understanding "CI for Exp(B)" Option

  • 181-شامل ثابت در مدل Including Constant in Model

  • 182-درک "نقطه برش طبقه بندی 0.5 و بوت استرپ" Understanding "Classification Cutoff .5 & Bootstrapping"

  • 183-خروجی: درک خلاصه پردازش موردی و کدگذاری متغیر Dummy Output: Understanding Case Processing Summary & Dummy Variable Coding

  • 184-خروجی: درک Block 0 در مقابل Block های دیگر و تاریخچه تکرار Output: Understanding Block 0 vs Other Blocks & Iteration History

  • 185-خروجی: درک -2 Log Likelihood و R مربع (Cox n Snell، Negelkerke) Output: Understanding -2 Log Likelihood & R squares (Cox n Snell, Negelkerke)

  • 186-خروجی: درک جدول طبقه بندی (حساسیت و ویژگی) Output: Understanding Classification Table (Sensitivity & Specificity)

  • 187-خروجی: متغیرها در معادله - تفسیر مدل پایه Output: Variables in Equation - Baseline Model Interpretation

  • 188-خروجی: Hosmer-Lemeshow و جدول Contingency برای مدل پایه Output: Hosmer-Lemeshow & Contingency Table for Baseline Model

  • 189-خروجی: تفسیر آزمون Hosmer-Lemeshow برای مدل پیش فرض Output: Interpretation of Hosmer-Lemeshow Test for Default Model

  • 190-خروجی: تفسیر متغیرها در معادله برای مدل پیش فرض Output: Interpreting Variables in Equation for Default Model

  • 191-خروجی: تفسیر آزمون والد برای مدل پیش فرض Output: Interpreting Wald's Test for Default Model

  • 192-نسبت فرد (در عمق): بخش 1 - مبانی، اشتقاق و محاسبه Odd Ratios (in Depth): Part 1 - Fundamentals, Derivation & Calculation

  • 193-نسبت فرد (در عمق): بخش 2 - محاسبه شانس سرطان ریه با سیگار کشیدن Odd Ratios (in Depth): Part 2 - Calculating Odds of Lung Cancer w/ Smoking

  • 194-تفسیر نسبت های فرد در متغیرها در جدول معادله Interpreting Odd Ratios in Variables in Equation Table

  • 195-تفسیر جدول همبستگی و درک چندهمخطی Interpreting Correlation Table and Understanding Multi-collinearity

  • 196-نمودار طبقه بندی: تفسیر و کاربرد Classification Plot: Interpretation & Application

  • 197-تفسیر خروجی فهرست موردی باقیمانده ها Interpreting Case-wise Listing of Residuals Output

  • 198-تفسیر احتمالات پیش بینی شده و عضویت در گروه Interpreting Predicted Probabilities and Group Membership

  • 199-تفسیر فاصله کوک و DFBeta Interpreting Cook's Distance and DFBeta

  • 200-تفسیر خروجی آزمون Omnibus Interpreting Omnibus Test Output

  • 201-توضیح مربع های شبه R: - 2Log Likelihood، Cox & Snell و Negelkerke Explaining Pseudo R Squares: - 2Log Likelihood, Cox & Snell and Negelkerke

  • 202-نوشتن معادله نهایی رگرسیون لجستیک به صورت دستی Writing Final equation of Logistic Regression Manually

  • 203-ارائه سبک APA جدول و نتایج APA Style Presentation of Table and Results

19-تجزیه و تحلیل تعدیل و میانجیگری با استفاده از ماکرو PROCESS Moderation and Mediation Analysis using PROCESS Macro

  • 204-مقدمه ای بر تجزیه و تحلیل میانجیگری و تعدیل Introduction to Mediation and Moderation Analysis

  • 205-داده، PPT و منابع Data, PPT & Resources

  • 206-درک تحلیل تعدیل و مدل رگرسیون آن - I Understanding Moderation analysis and its Regression Model - I

  • 207-درک تحلیل تعدیل و مدل رگرسیون آن - II Understanding Moderation analysis and its Regression Model - II

  • 208-معادله آماری تعدیل Statistical Equation of Moderation

  • 209-درک میانجیگری: اثرات مستقیم، غیرمستقیم و کل Understanding Mediation: Direct, Indirect and Total Effects

  • 210-درک تفاوت بین تعدیل و میانجیگری Understanding Difference Between Moderation & Mediation

  • 211-دانلود و نصب ماکرو Process Downloading & Installing Process Macro

  • 212-نمونه هایی از تعدیل: داستان Infosys و Uber Examples of moderation: Story of Infosys and Uber

  • 213-میانجیگری چیست: درک یک مدل میانجیگری Whats is Mediation: Understanding a Mediation Model

  • 214-میانجیگری کامل و جزئی چیست؟ Whats is Full n Partial Mediation?

  • 215-درک اثرات مستقیم غیر مستقیم و کل Understanding Direct Indirect & Total Effects

  • 216-آزمون سوبل چیست؟ What is Sobel Test?

  • 217-اثرات غیر مستقیم تا حدی استاندارد شده در مقابل کاملاً استاندارد شده Partially Standardized vs Completely Standardized Indirect Effects

  • 218-درک نسبت های اثر غیرمستقیم: غیرمستقیم به کل در مقابل غیرمستقیم به مستقیم Understanding Ratios of Indirect effect: Indirect to Total vs Indirect to Direct

  • 219-سهم واریانس توضیح داده شده توسط اثر غیرمستقیم چقدر است؟ What is Proportion of Variance Explained by Indirect Effect?

  • 220-تحلیل تعدیل: مجموعه داده و توسعه فرضیه Moderation analysis: Dataset & Hypothesis Development

  • 221-درک شماره مدل ها Understanding Model Numbers

  • 222-تعدیل> متغیرها، Bootstrap، متغیرهای همزمان، تعدیل کننده پیشنهادی W,Z,V,Q Moderation: Variables, Bootstrapping, Covariates, Proposed Moderator W,Z, V, Q

  • 223-تعدیل> گزینه ها: مرکز میانگین برای محصولات Moderation> Options: Mean Center for Products

  • 224-تعدیل>گزینه ها: SE سازگار با هموسیداسیته، CI OLS/ML، ترسیم داده ها Moderation>Options: Heteroscedasticity Consistent SE, OLS/ML CI, Data Plotting

  • 225-تعدیل> شرطی سازی: جانسون-نیمان Moderation> Conditioning: Johnson-Neyman

  • 226-تعدیل: چند طبقه ای Moderation: Multi-categorical

  • 227-رسیدگی به نام های طولانی Dealing with Long Names

  • 228-توضیحات خروجی تجزیه و تحلیل تعدیل Explanation of Output of Moderation Analysis

  • 229-ترسیم اثر تعدیل در SPSS و اکسل Plotting Moderation effect in SPSS and Excel

  • 230-ارائه سبک APA از اثر تعدیل، نمودار و جدول APA Style Presentation of Moderation Effect, Chart and Table

  • 231-مدل مفهومی میانجیگری: آیا گلوکز بر تأثیر دیابت میانجیگری می کند؟ Conceptual Model of Mediation: Does Glucose Mediates the Influence of Diabetes?

  • 232-بررسی مناسب بودن داده ها برای تجزیه و تحلیل میانجیگری Checking Suitability of Data for Mediation Analysis

  • 233-میانجیگری: متغیرهای M، شماره مدل، نمونه Bootstrap و متغیرهای همزمان Mediation: M-Variables, Model Number, Bootstrap Sample, and Covariates

  • 234-میانجیگری>گزینه ها: فاصله اطمینان OLS/ML و اندازه اثر Mediation>Options: OLS/ML Confidence Interval & Effect Size

  • 235-میانجیگری> گزینه: آزمون سوبل Mediation>Option: Sobel Test

  • 236-میانجیگری>گزینه ها: مدل اثر کل، مقایسه اثر غیرمستقیم، چاپ مدل Cov Mediation>Options: Total Effect Model, Compare Indirect Effect, Print Model Cov

  • 237-میانجیگری: شرطی سازی، چند طبقه ای، و نام های طولانی Mediation: Conditioning, Multi-categorical, and Long Names

  • 238-میانجیگری> خروجی: درک خروجی ماتریس کوواریانس Mediation> Output: Understanding Covariance Matrix Output

  • 239-توضیح خروجی میانجیگری - قسمت 1 Explaining Mediation Output-Part 1

  • 240-توضیح خروجی میانجیگری - قسمت 2 Explaining Mediation Output-Part 2

  • 241-توضیح خروجی میانجیگری - قسمت 3 Explaining Mediation Output-Part 3

  • 242-خروجی میانجیگری: اثرات غیر مستقیم تا حدی و کاملاً استاندارد شده Mediation Output: Partially and Fully Standardized Indirect Effects

  • 243-خروجی میانجیگری: نسبت اثر غیر مستقیم به کل و اثر غیر مستقیم به مستقیم Mediation Output: Ratio of Indirect to Total Effect & Indirect to Direct Effect

  • 244-خروجی میانجیگری: اندازه اثر میانجیگری R-squared Mediation Output: R-squared Mediation Effect Size

  • 245-خروجی میانجیگری: آزمون نظریه نرمال برای اثر غیرمستقیم Mediation Output: Normal Theory Test for Indirect Effect

  • 246-خروجی میانجیگری: کاپا مربع و چرا سرکوب می شود؟ Mediation Output: Kappa Squared and Why It is Suppressed?

  • 247-محاسبه دستی پریچر و کاپا مربع کلی Calculating Preacher and Kelly's Kappa Squared Manually

  • 248-ارائه سبک APA از نتایج تجزیه و تحلیل میانجیگری APA Style Presentation of the Results of Mediation Analysis

  • 249-ادبیات مربوطه: تجزیه و تحلیل میانجیگری و تعدیل با استفاده از PROCESS Relevant Literature: Mediation and Moderation Analysis using PROCESS

20-مدل سازی خطی عمومی (GLM) و مدل سازی خطی تعمیم یافته (GLIM) General Linear Modelling (GLM) & Generalized Linear Modelling (GLIM)

  • 250-مجموعه داده و منابع: GLM Dataset and Resources: GLM

  • 251-مقدمه ای بر (مدل های خطی عمومی) GLM Introduction to (General Linear Models) GLM

  • 252-مدل های خطی عمومی (GLM) چیستند؟ What are General Linear Models (GLM)?

  • 253-مدل های خطی تعمیم یافته (GLIM) چیستند؟ What are Generalized Linear Models (GLIM)?

  • 254-توزیع های نمایی چیستند؟ What are Exponential Distributions?

  • 255-نمونه ها و کاربردهای مدل های خطی تعمیم یافته (GLIM) Examples and Applications of Generalized Linear Models (GLIM)

  • 256-مدل های خطی عمومی (GLM) در مقابل مدل های خطی تعمیم یافته (GLIM) General Linear Models (GLM) vs Generalized Linear Models(GLIM)

21-One-Way Repeated Measure ANOVA One-Way Repeated Measure ANOVA

  • 257-مجموعه داده و منابع: One-Way Repeated Measure ANOVA Dataset and Resources: One-Way Repeated Measure ANOVA

  • 258-طراحی اندازه گیری مکرر چیست (مثال 1: مطالعه افسردگی) What is Repeated Measure Design (Example 1: Depression Study)

  • 259-طراحی اندازه گیری مکرر چیست (مثال 2: مطالعه عملکرد در شرایط سر و صدا) What is Repeated Measure Design (Example 2: Performance under Noise Study)

  • 260-طراحی اندازه گیری مکرر چیست (مثال 3: مطالعه گروه کنترل) What is Repeated Measure Design (Example 3: Control Group Study)

  • 261-آیا باید آزمون Repeated Measure ANOVA یا آزمون t نمونه جفت شده را انجام دهم؟ Should I do Repeated Measure ANOVA or Paired Sample t-test?

  • 262-فرضیات Repeated Measure ANOVA Assumptions of Repeated Measure ANOVA

  • 263-توضیح آزمون های چند متغیره Explaining Multivariate Tests

  • 264-درک Pillai's Trace و Wilk's Lambda Understanding Pillai's Trace & Wilk's Lambda

  • 265-درک Hotelling's Trace Understanding Hotelling's Trace

  • 266-درک ریشه Roy's Largest Understanding Roy's Largest Root

  • 267-کرویت چیست: درک کرویت از طریق یک مثال What is Sphericity: Understanding Sphericity through an Example

  • 268-درک آزمون کرویت Mauchly's Understanding Mauchly's Test of Sphericity

  • 269-درک مجموعه داده ها Understanding the Dataset

  • 270-تدوین سوال تحقیق و فرضیه بر اساس داده ها Formulating Research Question and Hypothesis based on Data

  • 271-درک "نامگذاری عامل درون موضوعی" Understanding "Within-subject Factor Naming"

  • 272-درک گزینه "نام اندازه گیری" Understanding "Measurement Name" Option

  • 273-درک گزینه های "عامل درون موضوعی و متغیر همزمان" Understanding "Between Subject Factor and Covariate" Options

  • 274-درک خروجی اولیه Understanding Preliminary Output

  • 275-مدل: Full Factorial، اصطلاحات Build/Custom و اثرات اصلی و تعاملی Model: Full Factorial, Build/Custom Terms & Main and Interaction Effects

  • 276-توضیح مجموع مربعات نوع I، نوع II، نوع III و نوع IV Explaining TYPE I, Type II, Type III, and Type IV Sum of Squares

  • 277-کنتراست: ساده، چند جمله ای، تکراری، انحراف، تفاوت، هلمرت Contrast: Simple, Polynomial, Repeated, Deviation, Difference, Helmert

  • 278-تعریف نمودارها: کاوش تمام گزینه ها Defining Plots: Exploring All Options

  • 279-مقدمه ای بر آزمون های پس از هاک: دو خانواده از آزمون ها Introduction to Post-hoc Tests: Two Families of Tests

  • 280-چه زمانی از آزمون های Tukey و Scheffe استفاده کنیم؟ When to Use Tukey's and Scheffe's Tests?

  • 281-توضیح تصحیح بونفرونی Explaining Bonferroni correction

  • 282-توضیح آزمون LSD Explaining LSD Test

  • 283-Tukey,s HSD، Tukey's WSD و آزمون SNK Tukey,s HSD, Tukey's WSD and SNK Test

  • 284-Waller-Duncan، Dunnett’s T، Scheffe، Sidak، Duncan، و آزمون Hochberg Gabriel Waller-Duncan, Dunnett’s T, Scheffe, Sidak, Duncan, and Hochberg Gabriel’s Test

  • 285-Games Howell, Tamhane's T2 و T3 Tests: آزمون های پس از هاک ناپارامتری Games Howell, Tamhane's T2 and T3 Tests: Non-parametric Post-hoc Tests

22-همبستگی ها Correlations

  • 286-مقدمه ای بر همبستگی Introduction to Correlation

  • 287-همبستگی چیست؟ What is Correlation?

  • 288-انواع همبستگی ها: همبستگی های مثبت و منفی Types of Correlations: Positive and Negative Correlations

  • 289-درک ضریب همبستگی و محدوده آن Understanding Correlation coefficient and its Range

  • 290-از کدام ضریب همبستگی استفاده کنیم و چه زمانی؟ Which Correlation Coefficient to Use and When?

  • 291-مقدمه ای بر همبستگی پیرسون: منشاء، استفاده و چرا اینقدر محبوب است؟ Introduction to Pearson's Correlation: Origin, Use & Why its so Popular?

  • 292-چرا به آن ضریب همبستگی لحظه ای محصول می گویند؟ Why it is Called Product Moment Correlation Coefficient?

  • 293-فرضیات همبستگی لحظه ای محصول پیرسون Assumptions of Pearson's Product Moment Correlation

  • 294-محاسبه r : فرمول نمره انحراف Calculation of r : Deviation Score formula

  • 295-محاسبه r: فرمول Z-Score Calculation of r: Z-Score Formula

  • 296-محاسبه r: فرمول Raw Score Calculation of r : Raw Score Formula

  • 297-مح Calculation of r : Co-variance Formula

  • Manual Calculation of r using Raw Score Method

  • Importance of Correlation Coefficient

  • Spurious Correlations: Correlation does not signify causation

  • Pearson Correlation as a Coefficient of Variability (R-squared)

  • Calculation of r in SPSS: Checking Assumptions

  • Calculation of r in SPSS : Understanding Pearson, Two tailed, and Bootstrapping

  • Interpretation of Output of r

  • Bootstrapping the Correlation Coefficient (r)

  • Writing Output of r in APA style

  • Fixing the Bootstrap Bug in SPSS 25

  • Introduction to Biserial and Point Biserial Correlations

  • When to Use Biserial and When to Use Point Biserial Corrleation?

  • Calculation and Interpretation of Biserial Correlation in SPSS

  • APA Style Reporting of Biserial Correlation Output

  • Exercise: Calculating a Point Biserial Correlation between Gender and Salary

  • How to Calculate Point Biserial Corrleation in SPSS

  • How to Interpret Point Biserial Corrleation in SPSS

  • How to Report Point Biserial Correlation Output in APA style

  • Introduction to Spearman's Rank Order Correlation Coefficient (Rho)

  • When to Use Rank Order Correlation Coefficient: Four Examples

  • Who gave Rho and How it is Denoted?

  • Assumptions of Spearman's Rank Order Correlation Coefficient

  • Understanding the formula Rho and Ranking Method

  • How to deal with Tied Ranks while Calculating Rho?

  • Should I Rank My Variables First then calculate Rho?

  • Calculating and Interpreting Rho in SPSS

  • Rho is r on Ranked Data: Proof

  • APA style Reporting of Spearman's Rank Order Correlation Coefficient

Measures of Association

  • Introduction: What is Difference between Association and Correlation

  • Understanding Concordant and Discordant Pairs

  • Understanding Pairs by Column and Rows Calculation

  • Introduction to Kendall's Tau

  • When to Use Kendall's Tau instead of Spearman's Rho

  • Assumptions of Kendall's Tau

  • Range and Interpretation of Kendall's Tau

  • Types of Kendall's Tau Coefficients: Tau a, Tau b, Tau c & Kendall's W

  • Kendall's Tau a : Concept, When to use and Formula

  • Kendall's Tau b and Tau c : Introduction and When to Use Them

  • Kendall's Tau b Formula

  • Kendall's Tau c : Formula and When to Use

  • Kendall's Tau a, Tau b, Tau c, and Kendall's W: A Comparison of Usage

  • Kendall's Tau b in SPSS: Checking Tied Ranks

  • Kendall's Tau b: APA Style Reporting

  • Kendall's Tau c : Assumption Checking

  • Kendall's Tau c : Calculation and Interpretation in SPSS

  • Kendall's Tau c : APA Style Reporting

  • Kendall's W : Introduction and When to Use

  • Kendall's W : Understanding the Formula

  • Kendall's W in SPSS (using Non-Parametric Auto-Dialogue Box)

  • Kendall's W in SPSS (using Non-Parametric Legacy Dialogue Box)

  • Kendall's W : APA Style Output Reporting

Bug Fixing in SPSS

  • Fixing the Bootstrap Bug in SPSS 25

ANCOVA: One-Way Analysis of Covariance

  • Introduction: What is ANCOVA and When to Use It?

  • What is meaning of covariate? Does it mean control?

  • Ways of ANCOVA and Requirements for Doing ANCOVA

  • Understanding Assumptions and Dataset

  • Study Design and Dataset

  • Understanding Options: DV, Fixed Factors and Random Factors

  • Understanding Covariates and WLS weight and why Post-hoc Button Gets Inactive

  • Testing Assumptions

  • Importance of Controlling Covariate

  • Explaining Options: Model Sum of Squares and Contrast

  • Explaining Options: Plots

  • Explaining Options: Estimated Marginal (EM) Means

  • Explaining Options: Compare Main Effects (LSD, Bonferroni, Sidak) & SAVE

  • Options: Descriptives, Effect Size Parameter Estimates Homogeneity Test Residual

  • Explaining Output: Part 1

  • Explaining Output: Part 2

  • APA Style Presentation of ANCOVA Results

MANOVA (Multivariate Analysis of Variance)

  • What is MANOVA?

  • When to Use MANOVA?

  • Multivariate Test Decision Tree: When to Use ANOVA, MANOVA, ANCOVA, MANCOVA?

  • Assumptions of MANOVA

  • Research Questions and Study Design

  • Hypotheses Development

  • Understanding MANOVA Window in SPSS

  • Specifying Model: Full Factorial, Build Terms, and Custom Terms

  • درک مجموع مربعات مدل Understanding Model Sum of Squares

  • تضاد چیست؟ What is Contrast?

  • درک تضاد ساده Understanding Simple Contrast

  • درک تضاد تکراری Understanding Repeated Contrast

  • درک تضاد چندجمله‌ای Understanding Polynomial Contrast

  • درک تضاد انحراف Understanding Deviation Contrast

  • درک تفاوت و تضاد هلمرت Understanding Difference and Helmert Contrast

  • درک میانگین‌های حاشیه‌ای برآورد شده Understanding Estimated Marginal Means

  • درک گزینه SAVE Understanding SAVE Option

  • درک توصیفات، اندازه اثر، توان مشاهده شده، پارامتر غیر مرکزی Understanding Descriptives, Effect Size, Observed Power, Noncent Parameter

  • درک برآوردهای پارامتر Understanding Parameter Estimates

  • درک ماتریس SSCP و ماتریس SSCP باقیمانده Understanding SSCP Matrix and Residual SSCP Matrix

  • درک ماتریس تبدیل و آزمون همگنی Understanding Transformation Matrix and Homogeneity Test

  • درک نمودارهای پراکندگی و باقیمانده Understanding Spread and Residual Plots

  • درک آزمون عدم برازش Understanding Lack of Fit Test

  • درک تابع قابل برآورد کلی Understanding General Estimable Function

پایتون برای کاربران SPSS Python for SPSS Users

  • چرا دانشمندان علوم اجتماعی باید برنامه‌نویسی یاد بگیرند؟ Why Social Scientists Should Learn Programming?

  • گزینه‌های برنامه‌نویسی در SPSS: پایتون، R و Visual Basic Programmability Options in SPSS: Python, R and Visual Basic

  • نصب و اجرای پایتون Installing and Running Python

  • دسترسی به پایتون از SPSS Accessing Python from SPSS

  • درک گزینه بسته الحاقی (Extension Bundle) Understanding Extension Bundle Option

  • سه قانون نوشتن برنامه پایتون Three Rules of Writing Python Programme

  • اولین برنامه پایتون شما در SPSS: Hello World Your First Python Programme in SPSS: Hello World

  • واحد: مفاهیم پایه – درک متغیرها و عملگرها Unit: Basic Concepts - Understanding Variables and Operators

  • انواع داده در پایتون Data Types in Python

  • داده چیست؟ What is Data?

  • انواع داده چیست؟ What are data Types?

  • ساختارهای داده چیست؟ What are Data Structures?

  • انواع داده در مقابل ساختارهای داده در پایتون Data Types vs. Data Structures in Python

  • انواع داده اولیه در پایتون Primitive Data Types in Python

  • انواع داده غیر اولیه: لیست، پشته، صف، نگاشت Non-Primitive Data Types: Lists, Stack, Queue, Map

  • انواع داده غیر اولیه: تاپل، مجموعه، مجموعه یخ زده، دیکشنری Non-Primitive Data Types: Tupple, Set, Frozen Set, Dictionary

  • گزینه‌های حسابی در پایتون: استفاده از پایتون به عنوان ماشین حساب Arithmetical Options in Python: Using Python as a Calculator

  • واحد- تابع پرینت: راهنمای چشمگیر – چاپ یک نام میلیون بار در ثانیه Unit- Print Function: Impressing Guide -Printing a Name Million Times in Seconds

  • یادگیری چاپ یک پاراگراف در پایتون Learning to Print a Paragraph in Python

  • چاپ یک الگوی متنی در پایتون Printing a Text Pattern in Python

  • پاک کردن صفحه: نحوه تعریف تابع پاک کردن صفحه در Pycharm Clearing Screen: How to Define Clear Screen Function in Pycharm

  • واحد: توابع در پایتون – لیست توابع داخلی Unit: Functions in Python - List of Built in Functions

  • تابع ورودی Input Function

  • توابع Min و Max Min and Max Functions

تحلیل بقا Survival Analysis

  • مقدمه‌ای بر تحلیل بقا Introduction to Survival Analysis

  • تحلیل بقا چیست؟ What is Survival Analysis?

  • تاریخچه تحلیل بقا History of Survival Analysis

  • اصطلاحات: زمان، رویداد و عمر باقیمانده Terminology: Time Event and Residual Life

  • اصطلاحات: درک خطر، نرخ خطر و نرخ بقا Terminology: Understanding Hazard, Hazard Rate and Survival Rate

  • اصطلاحات: درک احتمال شرطی در تحلیل بقا Terminology: Understanding Conditional Probability in Survival Analysis

  • اصطلاحات: درک داده‌های سانسور شده و سانسور نشده Terminology: Understanding Censored and Uncensored Data

  • اصطلاحات: درک میانگین زمان بین خرابی‌ها در مقابل میانگین زمان تا خرابی Terminology: Understanding Mean Time Between Failures vs. Mean Time To Failure

  • هدف از تحلیل بقا Purpose of Survival Analysis

  • درک ماهیت داده‌های مورد نیاز برای اجرای تحلیل بقا Understanding Nature of Data Required to Run Survival Analysis

  • انواع تحلیل بقا Types of Survival Analysis

  • چه زمانی از کاپلان-مایر در مقابل رگرسیون کاکس استفاده کنیم؟ When to Use Kaplan-Meier vs Cox Regression?

  • مثال‌های تحقیقاتی از روش‌های کاپلان-مایر و رگرسیون کاکس Research Examples of Kaplan-Meier and Cox Regression Methods

  • تنظیم داده‌ها برای تحلیل بقا Setting Data for Survival Analysis

  • تنظیم هدف و فرضیه تحقیق تحلیل بقا شما Setting Objective and Hypothesis of Your SA Research

  • درک گزینه‌های ورودی روش کاپلان مایر Understanding Input Options of Kaplan Meier Method

  • تفسیر خلاصه پردازش پرونده و جداول بقا Interpreting Case Processing Summary and Survival Tables

  • تفسیر میانگین بقا، میانه و صدک‌ها Interpreting Mean Survival Median and Percentiles

  • تفسیر مقایسه زوجی Interpreting Pairwise Comparison

  • تفسیر نمودار تابع بقا Interpreting Survival Function Plot

  • تفسیر تابع بقا با سایر نتایج آماری Interpreting Survival Function with other Statistical Results

  • نوشتن گزارش به سبک APA از تحلیل بقا کاپلان مایر APA Style Report Writing of Kaplan Meier Survival Analysis

  • پروژه در تحلیل بقا: تکرار یک مطالعه واقعی Project in Survival Analysis: Replicating a Real Study

  • منابع در مورد تحلیل بقا References on Survival Analysis

تکالیف Assignments

  • تحلیل توصیفی در SPSS Descriptive Analysis in SPSS

  • پاسخ به تکلیف 1 Answers to Assignment 1

  • تکلیف 1: توضیح سوالات 1، 2 و 3 Assignment 1: Explanation of Que 1, 2 and 3

  • تکلیف 1: توضیح سوالات 4، 5، 6، 7 و 8 Assignment 1: Explanation of Que 4, 5, 6, 7 and 8

  • تکلیف 1: توضیح سوالات 9 و 10 Assignment 1: Explanation of Que 9 and 10

ضمیمه: نسخه و به‌روزرسانی‌های SPSS Appendix: Version and Updates of SPSS

  • SPSS 28: چه چیز جدیدی وجود دارد؟ SPSS 28: What is New?

  • SPSS 26: چه چیز جدیدی وجود دارد؟ SPSS 26: What is new?

منابع و مطالعات بیشتر References and Further Readings

  • منابع عالی در مورد روش‌های کمی Great References on Quantitative Methods

  • فلسفه تحقیق Philosophy of Research

  • مقالات تحقیقاتی با ایده‌های جذاب Research Papers with Fascinating Ideas

ضمیمه: دانلود و نصب SPSS Appendix: Downloading and Installing SPSS

  • انواع تکنیک‌های متاآنالیز در بسته‌های نرم‌افزاری Types of Meta Analytic Techniques in Software Packages

  • دانلود و نصب IBM SPSS Statistics 24 در ویندوز Downloading and Installing IBM SPSS Statistics 24 on Windows

  • دانلود SPSS Grad Pack: نسخه دانشجویی Downloading SPSS Grad Pack: Student Version

ضمیمه: دانلود کتاب الکترونیکی دوره جامع SPSS Appendix: Download SPSS Masterclass E-Book

  • فصل 1 مقدمه: مبانی مفهومی Chapter 1 Introduction: Conceptual Foundations

  • فصل 2 وارد کردن داده‌ها در SPSS Chapter 2 Importing Data in SPSS

  • فصل 3 ورود داده‌ها در SPSS Chapter 3 Data Entry in SPSS

  • فصل 4 دستکاری داده‌ها در SPSS Chapter 4 Data Manipulation in SPSS

  • فصل 5 آمار توصیفی در SPSS Chapter 5 Descriptive Statistics in SPSS

  • فصل 6 آزمون t – نمونه مستقل و همبسته Chapter 6 t-Test - Independent Sample and Correlated

  • فصل 7 تحلیل واریانس یک طرفه (ANOVA) Chapter 7 One Way ANOVA

  • فصل 8 رگرسیون خطی Chapter 8 Linear Regression

  • فصل 9 رگرسیون چندگانه Chapter 9 Multiple Regression

  • فصل 10 تحلیل رگرسیون سلسله مراتبی Chapter 10 Hierarchical Regression Analysis

  • فصل 11 تحلیل عاملی اکتشافی Chapter 11 Exploratory Factor Analysis

گام بعدی Next Step

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

کلاس آموزشی SPSS: از مقدماتی تا پیشرفته SPSS را بیاموزید
جزییات دوره
36 hours
461
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
34,581
4.2 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Scholarsight Learning Scholarsight Learning

دوره های پژوهشی با تأثیرات بالا در Scholarsight ، ما دوره های جامع و عمیقی را در مورد روش ها و فن آوری های تحقیقاتی ایجاد می کنیم که تمام مراحل اصلی را شامل می شود. هدف ما این است که مهارتهای فراگیران خود را از ابتدا به سطح پیشرفته برسانیم و قدرت تأثیر آنها را در حداقل زمان ممکن به حداکثر برسانیم. دوره های ما در حال حاضر بیش از 17000 محقق و فراگیر مشترک از بیش از 150 کشور در سراسر جهان دارند. ما دوره هایی را بدون هیچ پیش فرض قبلی ایجاد می کنیم. مدرسان ما محققانی بسیار واجد شرایط هستند که قدرت خود را در زمینه تحقیق / تدریس اثبات کرده و تحقیقاتی را منتشر کرده اند که تأثیر گسترده ای بر مخاطبان سراسر جهان داشته است. ما اعتقاد داریم که هر زمان دانش آموزان از آنها سوالی داشته باشند ، همیشه قابل دسترسی هستیم. به همین دلیل است که ما بدون توجه به اینکه در کدام قسمت از جهان قرار دارند ، در بیشتر از 24 ساعت شخصاً به پرسش های فراگیران خود پاسخ می دهیم. ما همانطور که در آنجا بوده ایم ، لذت و دلهره پژوهشگر بودن را درک می کنیم. ما عاشق رابطه بین فناوری و تحقیقات هستیم و هدف ما این است که آن را به بحث هر میز و نیمکت تبدیل کنیم! ما مشتاقانه منتظر دیدن عضویت شما در گروه ما هستیم و می فهمیم که تحقیق چقدر هیجان انگیز ، سرگرم کننده و توانمند است با ما همراه باشد!