در این مطلب، ویدئو نحوه استفاده از SPSS-ایجاد یک Scatterplot رگرسیون چندگانه 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: 00:06:19
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>02
سلام در این ویدیو من قصد دارم
2
02 =>04
نحوه ایجاد یک نمودار پراکندگی
3
04 =>06
برای یک معادله رگرسیون خطی چندگانه
4
06 =>08
یا مدل رگرسیون خطی
5
08 =>12
که ممکن است ایجاد کنید را نشان دهم، بنابراین آنچه در
6
12 =>14
اینجا داریم سه متغیر است که میخواهیم آنها را
7
14 =>17
امتحان کنیم و در یک مدل رگرسیون استفاده کنیم.
8
17 =>20
ما معدل معدل داریم که همان چیزی است که میخواهیم
9
20 =>21
امتحان کنیم و پیشبینی کنیم، بنابراین معدل شما
10
21 =>24
در مقطع تحصیلات تکمیلی و سپس
11
24 =>27
دو پیشبینیکننده ما نمره GRE
12
27 =>29
یا نمره امتحان Graduate Record و
13
29 =>31
سپس معدل در دبیرستان
14
31 =>33
و بنابراین ما میشوند. زمانی که از
15
33 =>36
این دو متغیر برای پیشبینی
16
36 =>38
معدل مقطع تحصیلات تکمیلی استفاده میکنید، دوباره استفاده میکنید و یکی از
17
38 =>41
مواردی که به ما کمک میکند تا نحوه عملکرد این مدل را تجسم کنیم
18
41 =>43
و تا چه اندازه
19
43 =>45
متغیر وابسته
20
45 =>47
یا نتیجه را توضیح میدهد، میتوانیم یک
21
47 =>49
نمودار پراکنده ایجاد کنیم و بنابراین یکی از کارهایی که
22
49 =>51
میتوانیم انجام دهیم این است که برای هر رابطه نمودارهای پراکندگی جداگانه ایجاد کنیم،
23
51 =>54
بنابراین یکی
24
54 =>55
از متغیرهای مستقل را انتخاب کنید و
25
55 =>58
برای پیشبینی یکی از وابستهها، یک نمودار پراکندگی ایجاد کنید.
26
58 =>59
متغیرها اما در این
27
59 =>01:01
مورد ما میخواهیم این دو را با هم ترکیب
28
01:01 =>01:03
کنیم زیرا در حال انجام رگرسیون خطی چندگانه
29
01:03 =>01:04
هستیم، بنابراین دو متغیر پیشبینیکننده داریم و
30
01:04 =>01:06
توانایی ما برای تجسم این است
31
01:06 =>01:08
که با این
32
01:08 =>01:12
نمودار پراکندگی رگرسیون چندگانه ایجاد میکنیم
33
01:12 =>01:14
. ve done است من یک جفت
34
01:14 =>01:16
انجام دادهام چند همبستگی پیرسون دو متغیره
35
01:16 =>01:19
بین متغیرها را انجام دادهام و
36
01:19 =>01:22
همچنین نمودارهای پراکندگی را برای رابطه اصلی
37
01:22 =>01:24
بین تک تک
38
01:24 =>01:26
متغیرها انجام دادهام و بنابراین میتوانید در اینجا در
39
01:26 =>01:29
این خروجی ببینید که هر سه متغیر
40
01:29 =>01:32
به یک مربوط هستند. یکی دیگر در یک آمار اگر
41
01:32 =>01:34
سطح acun است بنابراین ما می دانیم که یک
42
01:34 =>01:37
رابطه بین GPA دبیرستان GRE
43
01:37 =>01:41
و GPA درجه وجود دارد و بنابراین آنچه در
44
01:41 =>01:43
این نمودار پراکندگی اول همراه با
45
01:43 =>01:46
خط بهترین تناسب خواهید دید، رابطه
46
01:46 =>01:48
رابطه رگرسیون خطی بین
47
01:48 =>01:51
بالا است. معدل مدرسه و معدل فارغ التحصیلی و ما می توانیم
48
01:51 =>01:52
ببینیم که یک رابطه کم و بیش خطی
49
01:52 =>01:54
در اینجا وجود دارد، مقدار مناسبی
50
01:54 =>01:57
از گسترش و مقدار r-squared برای
51
01:57 =>02:02
این رابطه رگرسیونی i s 0.43 بنابراین
52
02:02 =>02:05
معدل دبیرستان حدود 43 نزدیک به 44 درصد از واری