در این مطلب، ویدئو رگرسیون چندگانه با استفاده از روش حذف به عقب در SPSS 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: 00:12:10
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
07 =>09
2
09 =>11
به ویدیوی من خوش آمدید و مثل همیشه یک ss رگرسیون چندگانه را
3
11 =>14
با استفاده از روش حذف به عقب انجام
4
14 =>17
دادید اگر این ویدیو را مفید میدانید
5
17 =>19
لطفاً آن را لایک کنید و در کانال من مشترک شوید
6
19 =>19
7
19 =>23
8
23 =>26
9
26 =>27
. برای این مثال از آن استفاده
10
27 =>31
خواهم کرد و من در اینجا چهار متغیر دارم که
11
31 =>34
به عنوان متغیرهای پیش بینی کننده برای این
12
34 =>39
رگرسیون و یک متغیر
13
39 =>42
نتیجه، متغیر نتیجه امتحان نهایی است و
14
42 =>43
متغیرهای پیش بینی، متغیرهای مستقل
15
43 =>46
هستند، روبریک نوشتاری مهارت های امتحان میان ترم
16
46 =>50
و نهایی بنابراین
17
50 =>51
بیایید فرض کنیم که ما این
18
51 =>54
داده ها را از نوعی
19
54 =>57
برنامه آموزشی مشاوره جمع آوری کرده ایم و می خواهیم بتوانیم
20
57 =>01:01
این نمره امتحان نهایی را با
21
01:01 =>01:07
استفاده از یک یا چند مورد از این
22
01:07 =>01:08
متغیرهای مستقل این متغیرهای پیش بینی کننده را پیش بینی کنیم.
23
01:08 =>01:11
24
01:11 =>01:14
ارائه و
25
01:14 =>01:16
بیشتر فرض کنیم که همه این
26
01:16 =>01:18
نمرات به نمره T تبدیل شده است
27
01:18 =>01:22
که یک نمره استاندارد است با میانگین
28
01:22 =>01:26
50 و انحراف معیار 10، بنابراین
29
01:26 =>01:28
فقط با نگاه کردن به این داده ها بدون
30
01:28 =>01:31
انجام هیچ تحلیلی، نمی دانیم که آیا
31
01:31 =>01:34
هر یک از این متغیرها
32
01:34 =>01:38
تأثیر آماری معنی داری بر
33
01:38 =>01:41
واریانس امتحان نهایی دارند یا خیر، هیچ کدام از این
34
01:41 =>01:44
متغیرها نمی توانند سهمی داشته باشند. یا
35
01:44 =>01:47
یکی دو سه یا چهار ما نمی دانیم
36
01:47 =>01:51
و چند روش مختلف برای
37
01:51 =>01:55
گنجاندن و حذف متغیرها به
38
01:55 =>01:59
طور سیستماتیک وجود دارد تا به سمت یک
39
01:59 =>02:02
مدل رگرسیون کار کنیم که برای
40
02:02 =>02:05
پیش بینی نمره امتحان نهایی این
41
02:05 =>02:07
متغیر نتیجه بهینه است، بنابراین اجازه دهید نگاهی به زیر بیندازیم.
42
02:07 =>02:13
تجزیه و تحلیل رگرسیون و خطی
43
02:13 =>02:15
این گفتگوی رگرسیون خطی SPSS است
44
02:15 =>02:20
و میتوانیم ببینیم که یک کادر متنی در اینجا
45
02:20 =>02:22
برای متغیر وابسته وجود دارد که
46
02:22 =>02:24
متغیر نتیجه است و میدانیم که
47
02:24 =>02:25
48
02:25 =>02:28
امتحان نهایی خواهد بود و سپس این
49
02:28 =>02:33
کادر لیست متغیر مستقل را داریم و من
50
02:33 =>02:36
میروم. برای انتقال هر چهار متغیر، هر
51
02:36 =>02:39
چهار متغیر پیشبینیکننده به این
52
02:39 =>02:41
کادر فهرست در زیر آمار برای این
53
02:41 =>02:43
مثال، حذف به عقب را نشان میدهم
54
02:43 =>02:46
o
55
02:46 =>02:47
من روی این گزینههای دیگر
56
02:47 =>02:50
از جمله پوشش مفروضات
57
02:50 =>02:50
رگرسیون تمرکز
58
02:50 =>02:53
نمیکنم، اما در آمار،
59
02:53