در این مطلب، ویدئو رگرسیون لجستیک چند جمله ای با استفاده از SPSS: ادراک تهدید Covid-19 از داده های Pew 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: 00:14:53
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>02
سلام به همه در این ویدیو، من قصد دارم
2
02 =>04
رگرسیون لجستیک
3
04 =>08
چند جمله ای را با استفاده از SPSS نشان دهم و
4
08 =>11
دیروز یک ویدیو در مورد این موضوع با
5
11 =>15
Stata تهیه کردم و از داده های نظرسنجی
6
15 =>18
مرکز تحقیقات Pew از مارس
7
18 =>22
2020 استفاده می کردم، بنابراین برخی از سوالات این بود.
8
22 =>25
سوالی که از شرکت کنندگان پرسیده شد در مورد
9
25 =>28
درک آنها از بحران kovat 19 بود
10
28 =>31
که در حال حاضر در جریان است، بنابراین فکر کردم
11
31 =>33
که فقط با
12
33 =>38
استفاده از SPSS این نمایش خاص را ادامه دهم، بنابراین
13
38 =>40
قبل از شروع به من اجازه دهید توجه داشته
14
40 =>43
باشم که مجموعه داده یک مجموعه داده SPSS را آماده کرده ام.
15
43 =>46
شما می توانید از لینکی که
16
46 =>47
در زیر توضیحات ویدیو ارائه شده است دانلود
17
47 =>49
کنید، همچنین
18
49 =>51
در زیر توضیحات ویدیو پیوندی
19
51 =>53
به یک پاورپوینت خواهید یافت که جزئیات بسیار بیشتری را ارائه
20
53 =>55
می دهد که من در
21
55 =>58
این ارائه ویدیویی
22
58 =>01:00
به آنها خواهم پرداخت و به ویژه ارائه خواهد شد. کمی
23
01:00 =>01:02
عمیق تر با توجه به
24
01:02 =>01:05
تفسیر نتایج، بنابراین برای
25
01:05 =>01:07
نشان دادن خود،
26
01:07 =>01:09
پیش بینی کننده های ادراک پاسخ دهندگان را بررسی خواهیم کرد.
27
01:09 =>01:11
ویروس kovat 19 به عنوان تهدیدی برای
28
01:11 =>01:13
سلامت شخصی آنهاست، بنابراین متغیر وابسته
29
01:13 =>01:15
در مجموعه داده های ما این است
30
01:15 =>01:17
که
31
01:17 =>01:21
در اینجا می بینید و با کد 0 کد 19،
32
01:21 =>01:24
تهدیدی برای سلامت شخصی نیست. 1 کد 19 یک
33
01:24 =>01:26
تهدید جزئی برای سلامت شخصی و
34
01:26 =>01:29
کد 19 به عنوان یک تهدید عمده برای
35
01:29 =>01:30
سلامت شخصی، پیشبینیکنندههای این مدل
36
01:30 =>01:33
شامل شناسایی جنسیتی است
37
01:33 =>01:35
که با متغیر شناسه زن نشان داده میشود و
38
01:35 =>01:38
کد 0 برای شناسایی بهعنوان مرد 1
39
01:38 =>01:40
برای شناسایی بهعنوان زن
40
01:40 =>01:43
کدگذاری میشود. متغیر -up دقیقاً در اینجا
41
01:43 =>01:46
نشان می دهد که چه مقدار اخبار و اطلاعات
42
01:46 =>01:50
مربوط به 19 پاسخ دهندگان کدگذاری
43
01:50 =>01:53
شده ساخته شده است، بنابراین متغیر kovat ساخته شده
44
01:53 =>01:56
از 0
45
01:56 =>01:59
تا 3 بسیار
46
01:59 =>02:02
متغیر است، ما یک متغیر رده سنی داریم که در اینجا می بینید و
47
02:02 =>02:05
برای افراد 18 تا 29 1 برای
48
02:05 =>02:07
افراد 30 تا 49
49
02:07 =>02:10
2 برای افراد 50 تا 64 و سپس 3 برای
50
02:10 =>02:13
افراد 65 به علاوه 0 کد شده است و در نهایت
51
02:13 =>02:13
یک
52
02:13 =>02:16
متغیر سطح لبه داریم که در مجموعه داده ما
53
02:16 =>02:18
نیز آورده شده است و این محدوده es از صفر از
54
02:18 =>02:20
دبیرستان فارغ التحصیل نشده است تا 5 فارغ التحصیل شده است،
55
02:20 =>02:23
بنابراین برای