در این مطلب، ویدئو رگرسیون خطی چند متغیره در SPSS (فیلم آموزشی SPSS شماره 26) 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: 00:08:29
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>01
به دادههای رمزگشایی خوش آمدید من جف گالاگر هستم،
2
01 =>03
این مجموعه ویدیوهای آموزشی من
3
03 =>04
در مورد نحوه استفاده از spss برای کار با
4
04 =>05
دادهها
5
05 =>07
در این ویدیو است، میخواهم به شما نشان دهم که چگونه
6
07 =>08
نتایج یک رگرسیون خطی چند متغیره را انجام داده و تفسیر کنید.
7
08 =>11
8
11 =>13
ما همیشه از
9
13 =>14
نظرسنجی عادات مشاهده یوتیوب که من ایجاد کردم استفاده خواهیم کرد
10
14 =>16
و شما می توانید پیوندی به فایل داده
11
16 =>18
و آموزش ویدیویی داده های
12
18 =>20
زیر را در ویدیوی قبلی که در مورد
13
20 =>22
رگرسیون خطی تک متغیره صحبت کردم بیابید و
14
22 =>23
اکیداً به شما پیشنهاد می کنم که تماشا کنید
15
23 =>25
که اگر قبلاً با نحوه عملکرد
16
25 =>26
رگرسیون
17
26 =>28
در آن ویدیو آشنا نیستید، ما با نگاه کردن به
18
28 =>30
این میانگین نظر متغیر
19
30 =>31
که میانگین نظر شخصی در مورد
20
31 =>32
21
32 =>34
پلتفرم یوتیوب است و دیدن اینکه آیا می توانیم
22
34 =>36
آن را به عنوان تابعی از میزان باز بودن پیش بینی کنیم شروع کردیم. کسی
23
36 =>36
24
36 =>38
از نظر باز بودن پنج ویژگی شخصیتی بزرگ
25
38 =>39
26
39 =>41
در این ویدیو است که ما آن را گسترش
27
41 =>42
می دهیم و در واقع به
28
42 =>43
نظر متوسط به عنوان تابعی از
29
43 =>45
تمام این پنج بعد نگاه می کنیم.
30
45 =>47
به طور همزمان و مزیت
31
47 =>48
انجام این کار این است که اگر هر یک از آن
32
48 =>49
متغیرها با یکدیگر همبستگی
33
49 =>51
داشته باشند، در واقع میتوانیم
34
51 =>53
اثرات جزئی جداگانه هر یک از
35
53 =>54
آن متغیرها را
36
54 =>56
بر روی متغیر نتیجه خود ببینیم، بنابراین بیایید
37
56 =>57
مستقیماً به آن بپردازیم. قرار است این کار را
38
57 =>59
انجام دهیم این است که برای تجزیه و تحلیل
39
59 =>01:03
رگرسیون خطی به سمت بالا برویم و من به سمت
40
01:03 =>01:04
این متغیرها حرکت میکنم، در اینجا
41
01:04 =>01:06
میخواهیم نظر میانگین را در کادر متغیر وابسته خود
42
01:06 =>01:07
43
01:07 =>01:08
قرار دهیم و همه این پنج مورد را قرار میدهیم.
44
01:08 =>01:10
ابعاد شخصیت
45
01:10 =>01:12
در لیست متغیرهای مستقل ما اکنون
46
01:12 =>01:13
آنچه مهم است این است که چند
47
01:13 =>01:14
گزینه برای انتخاب
48
01:14 =>01:16
در زیر آمار وجود دارد که میخواهیم مطمئن شویم
49
01:16 =>01:18
که فواصل اطمینان را میخواهیم
50
01:18 =>01:19
زیرا این برای ما مفید است که
51
01:19 =>01:21
فاصله اطمینان حول هر یک از آن
52
01:21 =>01:24
تخمینهای بتا را
53
01:24 =>01:26
در نمودارهایی که میبینیم مفید است. دوباره
54
01:26 =>01:28
هیستوگرام و احتمال نرمال
55
01:28 =>01:29
نمودارهای pp را
56
01:29 =>01:31
برای باقیمانده ها بخواهیم، همچنین
57
01:31 =>01:32
باقیمانده z
58
01:32 =>01:34