در این مطلب، ویدئو آموزش Outliers SPSS با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید. اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:03:48
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>03
در این آموزش ما
2
03 =>06
مراحل تشخیص نقاط پرت را طی می کنیم
3
06 =>09
و اولین کاری که باید انجام دهیم این است که باید
4
09 =>11
به دنبال نقاط پرت تک متغیره بگردیم تا
5
11 =>14
نقاط پرت در هر متغیر منفرد
6
14 =>18
این کار را با رفتن به نمودارهای دیالوگ های قدیمی انجام دهیم
7
18 =>24
و سپس یک بار در کادر ترسیم کنیم. ما
8
24 =>27
اینجا هستیم که ساده را دوست داریم و مقداری
9
27 =>30
افزایش متغیرهای جداگانه می خواهیم و سپس
10
30 =>32
می رویم تا تعریف کنیم و
11
32 =>34
متغیرهای ارشد در اینجا هستند
12
34 =>36
هر متغیری را که می خواهید ببینید
13
36 =>41
و سپس ادامه دهید و روی OK کلیک کنید
14
41 =>45
OK همانطور که در اینجا می بینید هر نمره ای
15
45 =>48
که فراتر از حصارهای ما باشد در اینجا
16
48 =>49
که یک و نیم برابر
17
49 =>51
محدوده بین ربعی ما باشد، نقطه پرت در نظر گرفته
18
51 =>54
می شود و زمانی که از سه
19
54 =>56
برابر محدوده بین ربع بالاتر می رود،
20
56 =>57
زمانی که ستاره را می بینید، به این معنی است
21
57 =>01:00
که یک نقطه پرت بسیار شدید است. و بنابراین، اکنون
22
01:00 =>01:01
که اینها را می بینید، می توانید
23
01:01 =>01:03
در مورد موارد پرت خود تصمیم بگیرید که آیا
24
01:03 =>01:05
می خواهید آنها را حفظ کنید یا سعی
25
01:05 =>01:08
کنید آنها را حذف کنید بسته به مطالعه خود
26
01:08 =>01:10
و میزان داده هایی که دارید. حالا
27
01:10 =>01:12
کاری که میخواهیم انجام دهیم این است که میخواهیم به
28
01:12 =>01:17
چند متغیره پرت نگاه کنیم و این کار را با
29
01:17 =>01:20
محاسبه فاصله Mahalanobis انجام میدهیم و
30
01:20 =>01:22
این یک فرآیند جالب است، بنابراین کاری که
31
01:22 =>01:24
میخواهیم انجام دهیم این است که در
32
01:24 =>01:26
واقع یک رگرسیون را فقط برای
33
01:26 =>01:29
فاصله Mahalanobis را برای هر یک از
34
01:29 =>01:31
موارد ما بدست آورید و فاصله Mahalanobis
35
01:31 =>01:33
چقدر است فاصله آن مورد امتیاز
36
01:33 =>01:36
از میانگین چند متغیره است، بنابراین کاری که می
37
01:36 =>01:37
خواهیم انجام دهیم این است که روی
38
01:37 =>01:45
تجزیه و تحلیل رگرسیون و یک خطی کلیک می کنیم و بنابراین
39
01:45 =>01:49
ما مهم نیست که چه چیزی در بخش وابسته
40
01:49 =>01:51
است، همه ما به آنها اهمیت می دهیم یا چه چیزهایی در
41
01:51 =>01:52
جعبه مستقل وجود دارد، زیرا اینها همان
42
01:52 =>01:53
هایی هستند که ما می خواهیم
43
01:53 =>01:56
امتیاز ماهالانوبیس را در اینجا هر چه می
44
01:56 =>01:58
خواهید دریافت کنیم، زیرا در این مطالعه می گویند که
45
01:58 =>02:01
متغیرهای وابسته ما رضایت شغلی
46
02:01 =>02:02
بنابراین ما فقط می خواهیم ادامه دهیم و آن را در آنجا قرار دهیم
47
02:02 =>02:05
و بنابراین کاری که شما در واقع
48
02:05 =>02:08
انجام می دهید این است که برای ذخیره وارد می شوید و سپس
49
02:08 =>02:10
روی Mahalanobis اینجا کلیک می کنید و
50
02:10 =>02:12
این چیزی است که شما واقعاً به آن اهمیت
51
02:12 =>02:12
می دهید اینجا که به آن اهمیت نمی دهید.
52
02