در این مطلب، ویدئو SPSS برای رگرسیون لجستیک نمونه های پیچیده 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: 00:06:44
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>01
پروفسور
2
01 =>02
پزشک در حال
3
02 =>08
ضرب و شتم من هستم.
4
08 =>16
5
16 =>18
6
18 =>20
7
20 =>23
8
23 =>27
9
27 =>29
10
29 =>33
شما باید یک طرح css ایجاد کنید و بنابراین
11
33 =>36
ایجاد برنامه css um در
12
36 =>38
یک ویدیوی دیگر انجام شد، بنابراین من اینجا هستم،
13
38 =>41
کمی بیشتر در مورد
14
41 =>43
نحوه انجام یک رگرسیون لجستیک توضیح خواهم داد، بنابراین
15
43 =>45
دوباره در اینجا رگرسیون رگرسیون عادی
16
45 =>47
است.
17
47 =>50
در اینجا در حال تجزیه و تحلیل و
18
50 =>52
شما می توانید یک رگرسیون لجستیک باینری را
19
52 =>54
در اینجا تکمیل کنید، اما برای اهداف ما،
20
54 =>56
زیرا این یک بررسی ملی
21
56 =>58
از مجموعه داده های نماینده ملی است که
22
58 =>01:00
بررسی معاینه ملی سلامت و تغذیه است،
23
01:00 =>01:01
24
01:01 =>01:03
ما بیشتر نگران
25
01:03 =>01:05
ایجاد یک
26
01:05 =>01:07
رگرسیون لجستیک هستیم، بنابراین اگر به
27
01:07 =>01:11
رگرسیون لجستیک برویم. و سپس
28
01:11 =>01:13
مطمئن شوید که طرح csa در واقع
29
01:13 =>01:16
همان طرحی است که میخواهید روی آن
30
01:16 =>01:19
در مجموعه دادهها کار کنید و در اینجا این
31
01:19 =>01:22
همان چیزی است که آن را نامگذاری کردهایم، بنابراین
32
01:22 =>01:24
ادامه را بزنید و سپس پس از زدن con
33
01:24 =>01:29
پس ما میتوانیم مدلی را امتحان کنیم، پس
34
01:29 =>01:32
بیایید به دنبال یک سؤال تحقیق بگردیم،
35
01:32 =>01:35
بنابراین سکته مغزی یک متغیر وابسته است که
36
01:35 =>01:38
میتوانیم درباره آن بپرسیم، بنابراین
37
01:38 =>01:41
وجود یک سکته مغزی در واقع
38
01:41 =>01:44
همان متغیر وابسته uh است که
39
01:44 =>01:45
مورد علاقه است و سپس عواملی که ما به
40
01:45 =>01:47
41
01:47 =>01:49
دنبال پیشبینیکنندههای آن هستیم، نژاد است و
42
01:49 =>01:51
سپس متغیر کمکی که
43
01:51 =>01:54
بهعنوان متغیر مداخلهگر آن را کنترل میکنیم
44
01:54 =>01:58
، سطح تحصیلات است، بنابراین اگر
45
01:58 =>01:59
46
01:59 =>02:00
به
47
02:00 =>02:03
سطح تحصیلات نگاه کنیم، این در
48
02:03 =>02:05
واقع متغیری
49
02:05 =>02:07
است که ممکن است بنابراین به
50
02:07 =>02:11
مدل نگاه کنید و سپس اگر به مدل
51
02:11 =>02:14
نگاه کنیم، اگر به قومیت و
52
02:14 =>02:17
سپس عرف و سپس اثر اصلی نگاه کنیم،
53
02:17 =>02:19
بنابراین افکت های سفارشی
54
02:19 =>02:21
55
02:21 =>02:22
رابطه واقعی بین
56
02:22 =>02:24
متغیر وابسته و
57
02:24 =>02:27
متغیر مستقل را به شما نشان می دهند. کاری که می توانید انجام دهید این
58
02:27 =>02:30
است که واقعاً می توانید مدل خود را به
59
02:30 =>02:31
این روش
60
02:31 =>02:33
بسازید و سپس مدل گنجانده شده را ارائه دهید و
61
02:33 =>02:36
سپس ادامه را بزنید
62
02:36 =>02:37
و سپس اگر به دنبال این
63
02:37