آموزش تجزیه و تحلیل داده ها - رگرسیون غیر خطی چیست؟

Data Analysis - What is Non-Linear Regression?

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

مقدمه ای آسان برای رگرسیون غیر خطی در تجزیه و تحلیل داده ها

یادگیری و استفاده از روش‌ها و تکنیک‌های جدید اغلب می‌تواند تجربه دلهره‌آوری باشد.

این کلاس برای ارائه یک کلاس فشرده و آسان برای شما طراحی شده است که بر اصول اساسی رگرسیون در تجزیه و تحلیل داده ها تمرکز دارد.

این کلاس روی درک و بکارگیری رگرسیون غیرخطی اساسی در تجزیه و تحلیل داده ها تمرکز دارد. به طور خاص مدل‌سازی logit و probit.

این کلاس توضیح می‌دهد که رگرسیون چیست و رگرسیون Logit و Probit چگونه کار می‌کند. مدل‌سازی Logit و Probit اغلب هنگام تحلیل انتخاب و سایر نتایج گسسته استفاده می‌شود. هر دو روش مفاهیم غیر خطی مهمی را معرفی می کنند که توسط روش های پیشرفته تر استفاده می شود.

کلاسی که از معادلات یا ریاضیات استفاده نمی کند. تمرکز این کلاس روی کاربرد و تفسیر رگرسیون در تجزیه و تحلیل داده‌ها است. یادگیری در این کلاس مبتنی بر گرافیک‌های متحرک است که مفاهیم خاصی را نشان می‌دهد.

هیچ دانش قبلی لازم نیست و این کلاس برای هرکسی است که می‌خواهد با تجزیه و تحلیل کمی درگیر شود.

نتایج اصلی یادگیری عبارتند از:

  1. برای یادگیری و درک شهود اساسی پشت رگرسیون غیر خطی

  2. با اصطلاحات رگرسیون راحت باشید 

  3. برای اینکه بتوانیم خروجی رگرسیون logit/probit را به راحتی تفسیر و تجزیه و تحلیل کنیم

  4. برای یادگیری نکات و ترفندها

موضوعات خاصی که پوشش داده خواهد شد عبارتند از:

    • چه نوع تحلیل رگرسیون غیر خطی 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.

اگر به Stata دسترسی دارید، از کد و مجموعه داده مرتبط برای تکرار نمونه‌های مربوطه از این کلاس استفاده کنید.

اگر به اکسل دسترسی دارید، از مجموعه داده مرتبط استفاده کنید تا نمونه های زیادی از درس را تا جایی که می توانید تکرار کنید.

اگر به R یا SPSS دسترسی دارید  از مجموعه داده مرتبط استفاده کنید تا نمونه های زیادی از درس را تا جایی که می توانید تکرار کنید.

به عنوان یک پروژه مرتبط، لطفاً سعی کنید به سؤال زیر پاسخ دهید: با استفاده از داده‌های پیوست شده، مدلی از فارغ‌التحصیلی از دانشگاه بسازید. از ویژگی‌های فردی مختلف و ویژگی‌های صنعتی برای تشخیص اینکه کدام نوع از افراد به احتمال زیاد از دانشگاه فارغ‌التحصیل می‌شوند، استفاده کنید.

این پروژه از یک کاربرد واقعی تحلیل رگرسیون تقلید می کند و درست یا غلط وجود ندارد. همچنین، سؤالات و نظرات را در بخش بحث بگذارید.


سرفصل ها و درس ها

درس ها Lessons

  • نکاتی برای رگرسیون Logit و Probit Tips for Logit and Probit Regression

  • برازش Goodness-of-Fit

  • متغیرهای پنهان Latent Variables

  • تحلیل رگرسیون غیر خطی چیست؟ What is Non-Linear Regression analysis?

  • حداکثر احتمال Maximum Likelihood

  • تبدیل Logit و Probit The Logit and Probit Transformation

  • مقدمه Introduction

  • رگرسیون غیر خطی چندگانه Multiple Non-Linear Regression

  • رگرسیون غیر خطی چگونه کار می کند؟ How does Non-Linear Regression work?

  • چرا تحلیل رگرسیون غیر خطی مفید است؟ Why is Non-Linear Regression analysis useful?

  • متغیرهای توضیحی ساختگی Dummy Explanatory Variables

  • بازگشت به مدل احتمال خطی؟ Back to the Linear Probability Model?

  • نکته ای در مورد ضرایب لاجیت A note about Logit Coefficients

  • مدل احتمال خطی The Linear Probability Model

  • انواع مدل های رگرسیون غیر خطی Types of Non-Linear Regression models

  • اثرات حاشیه ای چیست؟ What are Marginal Effects?

  • Stata - نمونه های کاربردی Logit و Probit Stata - Applied Logit and Probit Examples

نمایش نظرات

آموزش تجزیه و تحلیل داده ها - رگرسیون غیر خطی چیست؟
جزییات دوره
1h 3m
17
Skillshare (اسکیل شیر) Skillshare (اسکیل شیر)
(آخرین آپدیت)
13
از 5
دارد
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.