در این مطلب، ویدئو رگرسیون لجستیک باینری با استفاده از SPSS: – توسط GN Satish Kumar 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: 00:16:34
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
20 =>24
در این جلسه در
2
24 =>29
مورد رگرسیون لجستیک باینری بحث خواهیم کرد
3
29 =>34
رگرسیون لجستیک زمانی استفاده می شود که
4
34 =>39
متغیر وابسته مقوله ای باشد و
5
39 =>43
متغیر مستقل می تواند
6
43 =>49
مرتبی طبقه ای باشد یا حتی در مقیاس بالا باشد
7
49 =>52
و وقتی می گوییم رگرسیون لجستیک باینری
8
52 =>57
که متغیر وابسته
9
57 =>01:01
دقیقاً دو سطح است فقط ما از
10
01:01 =>01:05
رگرسیون لجستیک باینری استفاده کنید اگر
11
01:05 =>01:08
متغیر وابسته طبقه بندی شده و
12
01:08 =>01:12
بیش از دو سطح باشد پس باید از
13
01:12 =>01:18
رگرسیون لجستیک چند جمله ای استفاده کنیم در این
14
01:18 =>01:21
ویدیو در مورد رگرسیون لجستیک باینری خواهیم
15
01:21 =>01:27
دید مثالی که من استفاده می کنم
16
01:27 =>01:32
مصرف الکل است در این مثال
17
01:32 =>01:36
من یک متغیر وابسته دارم که آیا
18
01:36 =>01:44
مصرف الکل است که دوتایی است،
19
01:44 =>01:47
سوال پرسیده شده این است که آیا الکل مصرف می
20
01:47 =>01:55
کنید، پاسخ دهنده به معنای نه به
21
01:55 =>02:00
مصرف الکل است و آنها برای
22
02:00 =>02:02
متغیرهای مستقل وابسته هستند
23
02:02 =>02:10
جنسیت آنها که داده های اسمی
24
02:11 =>02:16
خودپنداره سن و نمره اضطراب برای
25
02:16 =>02:19
این خود سه ساله است. -نمره مفهوم و
26
02:19 =>02:26
نمره اضطراب یا داده های مقیاس موافق هستند اکنون من نمی خواهم
27
02:26 =>02:30
برای ایجاد مدلی
28
02:30 =>02:35
که متناسب با داده ها باشد و
29
02:35 =>02:40
مصرف الکل را متمایز
30
02:40 =>02:43
کند، تجزیه و تحلیل را شروع می کنم و در این تجزیه و تحلیل
31
02:43 =>02:48
در مورد مدل
32
02:48 =>02:53
برازش مدل و انتخاب
33
02:53 =>02:56
مدل مناسب خواهیم دید و چگونگی این متغیرهای مستقل را مورد بحث قرار خواهیم
34
02:56 =>03:00
داد.
35
03:00 =>03:05
متغیر وابسته را تغییر میدهم.
36
03:05 =>03:09
تجزیه و تحلیل را برای انجام رگرسیون لجستیک باینری شروع میکنم که
37
03:09 =>03:16
در این تحلیل به
38
03:16 =>03:23
سراغ رگرسیون در رگرسیون میرویم.
39
03:23 =>03:30
40
03:30 =>03:36
41
03:36 =>03:39
42
03:39 =>03:46
43
03:46 =>03:50
-نمره مفهوم و نمره اضطراب
44
03:50 =>03:56
مستقل هستند و به عنوان متغیرهای کمکی در نظر گرفته می شوند
45
03:56 =>04:02
و روشی که می خواهم استفاده کنم روش گام به جلو
46
04:02 =>04:07
است. این همان روشی است که
47
04:07 =>04:12
روش رو به جلو است.
48
04:12 =>04:16
49
04:16 =>04:20
50
04:20 =>04:24
مدل
51
04:24 =>04:29
متغیر مستقلی را
52
04:29 =>04:32
که تأثیر بیشتری بر مصرف
53
04:32 =>04:38
الکل دارد اضافه می کند و به تبلیغ ادامه می دهد ding مرحله به
54
04:38 =>04:41
مرحله این روش اضافه کردن متغیرها
55
04:41 =>04:46
در هر مدل به صورت منحنی به جلو و
56
04:46 =>04:50
معکوس در روش رو به عقب است
57
04:50 =>04:53
58
04:53 =>04:57
59
04:57 =>05:02
60
05:02 =>05:04
61
05:04 =>05:12
. فوروارد