در این مطلب، ویدئو کنش متقابل پیوسته در رگرسیون خطی (فیلم آموزشی SPSS شماره 28) 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: 00:12:52
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>01
به دادههای رمزگشایی خوش آمدید من جف
2
01 =>02
گالیک هستم و این مجموعه
3
02 =>04
ویدیوهای آموزشی من در مورد نحوه استفاده از spss برای
4
04 =>05
کار با دادهها
5
05 =>07
در این ویدیو است، میخواهم به شما نشان دهم چگونه
6
07 =>09
7
09 =>11
یک تعامل دوطرفه بین دو
8
11 =>13
پیوسته را تفسیر و ترسیم کنید. متغیرها با استفاده از رگرسیون خطی
9
13 =>13
10
13 =>15
مانند همیشه ما از
11
15 =>17
نظرسنجی عادات مشاهده یوتیوب که من ایجاد کردم استفاده خواهیم کرد
12
17 =>18
و می توانید پیوندی به فایل داده
13
18 =>20
و آموزش ویدیویی داده ها را در
14
20 =>21
15
21 =>22
زیر بسیاری از مواردی که در مورد آن صحبت خواهم کرد بیابید.
16
22 =>24
این ویدیو در واقع بر اساس
17
24 =>25
ویدیوهای قبلی است که در آن من در مورد
18
25 =>27
رگرسیون خطی اساسی و همچنین
19
27 =>28
تعامل بین متغیرهای پیوسته و
20
28 =>30
طبقهای صحبت میکنم، بنابراین اگر آنها را
21
30 =>32
تماشا نکردهاید، اکیداً پیشنهاد میکنم این
22
32 =>33
کار را قبل از ادامه در اینجا انجام دهید،
23
33 =>35
اگر احساس راحتی میکنید و آماده هستید.
24
35 =>36
بیایید مستقیماً به آن بپریم، بنابراین در این
25
36 =>37
ویدیو میخواهیم ببینیم
26
37 =>39
که چگونه دو متغیر پیوسته میتوانند
27
39 =>42
برای پیشبینی یک متغیر وابسته با هم تعامل
28
42 =>43
داشته باشند، به ویژه
29
43 =>45
متغیرهای زیر را در دادههای خود بررسی میکنیم. تنظیم کنید
30
45 =>47
اجازه دهید این را کمی بزرگتر کنم، بنابراین می توانید
31
47 =>48
ببینید که ما به
32
48 =>50
اهمیت
33
50 =>51
متغیر توجه می کنیم که چقدر مهم است
34
51 =>53
که محتوای ویدیو در مورد
35
53 =>54
36
54 =>55
آن بر تصمیمات افراد برای
37
55 =>57
تماشای واقعی یک ویدیو تأثیر بگذارد
38
57 =>58
و ما. پیشبینی میکنیم که با دو
39
58 =>01:00
متغیر مختلف ابتدا
40
01:00 =>01:01
آن را با سن که یک
41
01:01 =>01:03
متغیر پیوسته است
42
01:03 =>01:05
و همچنین گشودگی که یکی از
43
01:05 =>01:07
پنج معیار شخصیتی بزرگ
44
01:07 =>01:08
ما است که در
45
01:08 =>01:10
این نظرسنجی جمعآوری کردیم و زمانی که یک تعامل انجام میدهیم پیشبینی میکنیم.
46
01:10 =>01:12
آنچه ما می گوییم
47
01:12 =>01:14
این است که تأثیر هر یک از این دو
48
01:14 =>01:15
متغیر سن یا
49
01:15 =>01:18
باز بودن بر اهمیت اندازه گیری
50
01:18 =>01:20
به یکدیگر بستگی دارد، به عبارت دیگر
51
01:20 =>01:22
شاید با
52
01:22 =>01:24
افزایش سن اهمیت مطالب
53
01:24 =>01:26
در مورد آن نیز افزایش می یابد،
54
01:26 =>01:28
اما شاید این رابطه وابسته
55
01:28 =>01:30
به سطح باز بودن
56
01:30 =>01:31
و من فکر می کنم وقتی به پایان
57
01:31 =>01:33
این مرحله رسیدیم و در واقع این نتایج را ترسیم کردیم،
58
01:33 =>01:34
خواهید دید که این به