در این مطلب، ویدئو SPSS – تبدیل گزارش 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: 00:04:14
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>02
قبل از اینکه بخواهید ضریب همبستگی خطی پیرسون را آزمایش یا محاسبه کنید
2
02 =>05
3
05 =>08
یا حتی یک مدل رگرسیون خطی
4
08 =>10
با استفاده از یک متغیر پیش بینی کننده یا
5
10 =>13
متغیر پاسخ خاص بسازید، بسیار
6
13 =>15
مهم است که ابتدا یک نمودار پراکنده
7
15 =>18
بسازید تا ببینید آیا همبستگی دارای
8
18 =>21
یک الگوی خطی است یا اکنون الگوی همبستگی.
9
21 =>23
مانند آنچه در این اسلاید میبینید ملایم نیست،
10
23 =>26
شما روندی دارید که به
11
26 =>28
این سمت میرود یا روندی مانند این است
12
28 =>30
که در این الگو به سمت بالا یا خم میشود،
13
30 =>34
معمولاً اگر
14
34 =>37
گزارش طبیعی را روی متغیر پیشبینی اعمال کنید، به
15
37 =>40
شما در خطیسازی کمک میکند. رابطه بنابراین این
16
40 =>42
ویدئو به شما نشان می دهد که چگونه
17
42 =>48
با استفاده از SPSS در
18
48 =>51
داده های این مثال، آن تبدیل را انجام دهید، من متغیرهای x و y را
19
51 =>54
دارم اگر به سرعت نمودار پراکندگی برای این
20
54 =>59
دو متغیر ایجاد کنم Y برای y X X از X است و من
21
59 =>01:01
الگویی را می بینم که قطعاً
22
01:01 =>01:04
غیرخطی است، بنابراین اگر شما یک الگوی مانند
23
01:04 =>01:07
این تبدیل ورود به سیستم داشته باشید، به
24
01:07 =>01:10
خطی کردن رابطه کمک می
25
01:10 =>01:12
26
01:12 =>01:17
کند. d می خواهید متغیر X را
27
01:17 =>01:20
با استفاده از تابع log طبیعی تبدیل کنید، بنابراین
28
01:20 =>01:24
من نتیجه را L و X و UB
29
01:24 =>01:27
از اعمال آن L و تابع گزارش طبیعی صدا
30
01:27 =>01:30
می زنم که پرانتز باز تایپ
31
01:30 =>01:33
کنید و این را وارد کنید فقط روی آن دوبار کلیک کنید یا روی
32
01:33 =>01:36
آن کلیک کنید و کلیک کنید. کلید پیکان و سپس
33
01:36 =>01:40
روی پرانتزهای بسته کلیک کنید و اگر
34
01:40 =>01:43
روی OK کلیک کنید، کرهها در حال ایجاد هستند،
35
01:43 =>01:46
یک متغیر جدید به نام Ln X فراخوانی میکنید و
36
01:46 =>01:49
این تغییر شکل زیادی از متغیر X
37
01:49 =>01:51
است که اکنون پس از پایین آمدن شما میتوانید
38
01:51 =>01:55
بر روی نمودار پراکندگی کلیک کنید و
39
01:55 =>01:59
با استفاده از نمودار پراکندگی دوباره رسم کنید. گزارش طبیعی X
40
01:59 =>02:03
کلیک کنید OK می بینید که رابطه خطی تر است،
41
02:03 =>02:07
بنابراین بعد از اینکه تبدیل خود را انجام
42
02:07 =>02:10
دادید، می توانید
43
02:10 =>02:11
همبستگی را بررسی کنید
44
02:11 =>02:16
و فقط روی تجزیه و تحلیل ناحیه مرجانی a5 کلیک کنید،
45
02:16 =>02:18
می توانید یک همبستگی را برای همه
46
02:18 =>02:22
این جفت متغیرها به صورت جفت بررسی کنید و متوجه می شوید
47
02:22 =>02:26
که همبستگی پیرسون بین y
48
02:26 =>02:30
و log X نقطه هشتم سه دو است اما Y
49
02:30 =>02:33
و X فقط 0.6 شش دو است،
50
02:33 =>02:36
بنابراین لاگ X همبستگی خطی بسیار قویتری
51
02:36 =>02:41
با y دارد، بنابراین از لگ X برای
52
02:41 =>02:43
پیشبینی Y استفاده میشود. نتیجه بهتری به شما می دهد
53
02:43 =>02:47