در این مطلب، ویدئو روش های رگرسیون گام به گام در SPSS (جدید، 2018) 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: 00:17:12
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
01 =>04
بسیار خوب، در این ویدیو من قصد
2
04 =>06
دارم در مورد روش های مختلف گام به گام
3
06 =>10
برای شناسایی بهترین مجموعه
4
10 =>13
پیش بینی کننده ها هنگام محاسبه تغییرات
5
13 =>16
و یک متغیر نتیجه با شما صحبت کنم، بنابراین و این
6
16 =>18
اساساً در زمینه یک
7
18 =>21
رگرسیون چندگانه است، بنابراین رویکرد استاندارد برای
8
21 =>23
رگرسیون چندگانه است. شامل داشتن یک
9
23 =>26
متغیر وابسته منفرد و سپس
10
26 =>28
داشتن یک یا چند متغیر پیش بینی کننده
11
28 =>30
اگر یک متغیر پیش بینی دارید
12
30 =>33
که اگر بیش از یک متغیر داشته باشیم که رگرسیون چندگانه نامیده می شود یک رگرسیون ساده
13
33 =>34
خواهد بود
14
34 =>38
و بنابراین متغیر وابسته ما
15
38 =>41
پیوسته فرض می شود و سپس ما
16
41 =>44
معمولاً متغیرهای پیشبینیکننده
17
44 =>47
پیوسته فرض میشوند، اما میتوانیم
18
47 =>49
متغیرهای طبقهبندی را نیز بگنجانیم تا
19
49 =>51
زمانی که به درستی
20
51 =>55
کدگذاری ساختگی آن متغیرها را انجام دهیم، بنابراین در این
21
55 =>57
نمایش خاص، در
22
57 =>01:00
اینجا مجموعهای از متغیرهای اندازهگیری شده را داریم
23
01:00 =>01:03
که به دست آوردهایم.
24
01:03 =>01:06
به عنوان متغیر وابسته عمل می کنیم و سپس
25
01:06 =>01:08
اضطراب داریم که فقط
26
01:08 =>01:11
r را قرار می دهیم در اینجا ما اهداف تسلطی
27
01:11 =>01:13
داریم که اساساً در اینجا
28
01:13 =>01:17
مورد علاقه موضوع خواهیم بود و از یک
29
01:17 =>01:20
جنسیت متغیر کدگذاری شده ساختگی استفاده خواهیم
30
01:20 =>01:21
کرد تا متغیر دیگری باشد تا بدانید
31
01:21 =>01:23
رگرسیون چندگانه همزمان ما
32
01:23 =>01:25
اساساً همه این پیش بینی ها را اضافه می کنیم.
33
01:25 =>01:27
در همان زمان وارد مدل
34
01:27 =>01:28
میشویم و سعی میکنیم
35
01:28 =>01:32
تغییرات و دستاوردها را در نظر بگیریم، بنابراین زمانی که
36
01:32 =>01:34
مقدار r-square را مطالعه میکنیم،
37
01:34 =>01:38
کاری که انجام میدهیم این است که
38
01:38 =>01:41
نسبت تغییرات و دستاوردها
39
01:41 =>01:42
را که توسط پیشبینیکنندهها محاسبه میشود، میدانیم.
40
01:42 =>01:44
اکنون شرایطی وجود دارد
41
01:44 =>01:45
که ممکن است بخواهیم
42
01:45 =>01:47
پیش بینی کننده ها را در یک سری
43
01:47 =>01:54
مراحل وارد کنیم و بنابراین و یک رویکرد این است که از
44
01:54 =>01:56
طریق استفاده از رگرسیون چندگانه سلسله مراتبی به
45
01:56 =>01:59
خوبی ممکن است
46
01:59 =>02:01
مفهوم سازی داشته باشیم که ابتدا کدام متغیرها را
47
02:01 =>02:04
می خواهیم وارد کنیم سپس دوم
48
02:04 =>02:07
و سپس. سوم و در این صورت
49
02:07 =>02:09
پژوهش ذهن مفهوم خاصی
50
02:09 =>02:12
دارد و اساساً
51
02:12 =>02:13
در یک C
52
02:13 =>02:15
از مراحل یکپارچه مرحله اول، شاید مرحله دوم
53
02:15 =>02:18
یا مرحله سوم، اضافه می کند و پیش بینی می کند. e و
54
02:18 =>02:21
اساساً شامل ساخت یک سری
55
02:21 =>02:24
مدلهای تودرتو میشود، بنابراین