در این مطلب، ویدئو رگرسیون لجستیک ترتیبی با استفاده از SPSS (ژوئیه، 2019) 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: 00:15:06
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>02
سلام، در این ویدیو، من
2
02 =>04
نمایشی از نحوه انجام و
3
04 =>06
تفسیر یک رگرسیون لجستیک ترتیبی
4
06 =>09
با استفاده از SPSS ارائه میدهم، پیوندی برای دادههای
5
09 =>11
استفاده شده و همچنین این
6
11 =>13
پاورپوینت برای دانلود در
7
13 =>15
زیر توضیحات ویدیو و همچنین یک
8
15 =>17
سند در حال اجرا حاوی پیوندهایی به
9
17 =>19
ویدیوهای دیگری در زمینه رگرسیون لجستیک و
10
19 =>21
استفاده از برنامه های دیگر نیز در دسترس خواهد بود،
11
21 =>23
بنابراین اگر
12
23 =>25
ویدیو و مطالب را مفید می دانید،
13
25 =>26
لطفاً برای لایک کردن ویدیو و به اشتراک گذاری
14
26 =>28
لینک با دیگران وقت بگذارید و همچنین
15
28 =>30
لطفاً در کانال یوتیوب من عضو شوید،
16
30 =>32
بنابراین بیایید شروع کنیم. با یک
17
32 =>35
نمای کلی از رگرسیون لجستیک باینری
18
35 =>38
در مواردی استفاده میشود که محقق
19
38 =>40
در حال مدلسازی یک رابطه پیشبینیکننده
20
40 =>41
بین یک یا چند
21
41 =>43
متغیر مستقل و یک عمق باینری در یک
22
43 =>45
متغیر است، اگرچه این احتمالاً
23
45 =>47
رایجترین شکل رگرسیون لجستیک است
24
47 =>49
که در تحقیقات مورد استفاده قرار میگیرد.
25
49 =>51
مدلهای رگرسیونی که
26
51 =>53
میتوانند زمانی مفید باشند که متغیر وابسته شما
27
53 =>55
باشد باینری نیست و یا
28
55 =>57
دسته ها نامرتب هستند یا
29
57 =>01:00
رگرسیون لجستیک چند جمله ای مرتب هستند
30
01:00 =>01:03
MLR معمولاً زمانی استفاده می شود که بیش
31
01:03 =>01:04
از دو دسته روی متغیر وابسته دارید
32
01:04 =>01:07
که نامرتب هستند
33
01:07 =>01:09
رگرسیون لجستیک ترتیبی rol r معمولاً
34
01:09 =>01:11
زمانی استفاده می شود که دسته بندی هایی برای
35
01:11 =>01:13
متغیر وابسته دارید. دستور داده شده
36
01:13 =>01:15
اگرچه استفاده از
37
01:15 =>01:18
MLR برای تجزیه و تحلیل دادههای مربوط
38
01:18 =>01:21
به متغیر وابسته طبقهبندی شده مجاز است olr
39
01:21 =>01:22
40
01:22 =>01:24
بر خلاف ml R که مجموعههای متعددی
41
01:24 =>01:26
از ضرایب رگرسیون تولید میکند و
42
01:26 =>01:29
آزمون مربوطه تنها یک
43
01:29 =>01:31
مجموعه از ضرایب رگرسیون را برای
44
01:31 =>01:33
تخمین روابط بین
45
01:33 =>01:35
مستقل و وابسته به دست میدهد، به طور کلی ترجیح داده میشود. وقتی متغیر وابسته مرتب شده
46
01:35 =>01:37
باشد، متغیرهای R
47
01:37 =>01:39
نمایش سادهتری از دادهها را
48
01:39 =>01:42
نسبت به MLR ارائه میدهند،
49
01:42 =>01:44
با این حال وقتی
50
01:44 =>01:46
فرض شانس متناسب نقض میشود،
51
01:46 =>01:48
MLR جایگزین
52
01:48 =>01:51
مناسبی برای olr ارائه میکند،
53
02:20 =>02:25
بنابراین سناریو برای مثالهای ما شامل
54
02:25 =>02:28
دادههای سطح دانشآموز و چه چیزی است. ما قصد
55
02:28 =>02:30
داریم انجام دهیم این است که سعی می کنیم علاقه دانش آموز
56
02:30 =>02:34
را برای مبحث بعدی در کلاس به
57