در این مطلب، ویدئو SPSS – تحلیل مکاتبات 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: 00:08:06
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>02
به بخش امروزی این روش SPSS خوش آمدید
2
02 =>05
این بار از واحد تجزیه
3
05 =>08
4
08 =>12
و تحلیل مکاتبات، اگر
5
12 =>15
دو متغیر اسمی یا ترتیبی داشته باشیم،
6
15 =>18
روش معمول برای ارائه رابطه،
7
18 =>21
تعامل هر دو متغیر
8
21 =>24
با یک جدول متقابل خواهد بود، بنابراین اگر شما به
9
24 =>27
تجزیه و تحلیل آمار توصیفی و
10
27 =>31
زبانه های متقاطع بروید و در اینجا قبلاً از پیش تعریف شده است
11
31 =>35
BMI را انتخاب کنید طبقه بندی شده و شهر را تأیید کنید.
12
35 =>40
13
40 =>42
14
42 =>44
15
44 =>47
16
47 =>48
مشکل است،
17
48 =>52
اما اگر میخواهید
18
52 =>54
چیزی شبیه به این را به مخاطبان گستردهتر ثابت کنید،
19
54 =>57
شاید مخاطبی بدون
20
57 =>59
پیشزمینه ریاضی بهتر باشد اگر ما
21
59 =>01:03
نوعی نمایش گرافیکی از این
22
01:03 =>01:06
جدول داشته باشیم، به طوری که چیزی قابل مقایسه باشد که گویی
23
01:06 =>01:10
دادههای متریک برای نشان دادن این
24
01:10 =>01:12
رابطه داشته باشیم. ما میتوانیم
25
01:12 =>01:15
در اینجا یک نمودار پراکنده ایجاد کنیم، یک طرح پراکنده در واقع
26
01:15 =>01:17
به خوبی کار نمیکند، زیرا نمودار پراکندگی
27
01:17 =>01:20
دقیقاً شامل 9 نقطه مختلف خواهد بود
28
01:20 =>01:23
و
29
01:23 =>01:26
تنها امکان از طریق اندازه نقاط
30
01:26 =>01:29
خواهد بود که در اینجا نسخه های مختلف را منعکس می کند،
31
01:29 =>01:32
اما در پایان هنوز
32
01:32 =>01:34
بینش زیادی به ما نمی دهد
33
01:34 =>01:37
که کدام یک از شهرهای مختلف
34
01:37 =>01:40
شبیه تر هستند. متفاوت تر است که کدام یک از
35
01:40 =>01:44
دسته های مختلف BMI مشابه یا
36
01:44 =>01:48
متفاوت تر است، بنابراین در این مورد
37
01:48 =>01:49
با به اصطلاح
38
01:49 =>01:52
تحلیل مکاتبات
39
01:52 =>01:54
40
01:54 =>01:57
41
01:57 =>02:01
42
02:01 =>02:05
راه حلی پیدا می کنیم. بردار بنابراین
43
02:05 =>02:06
در اینجا به عنوان مثال یک بردار
44
02:06 =>02:10
با سه ورودی برای ادکلن یک
45
02:10 =>02:13
بردار برای دوسلدورف سه بعدی
46
02:13 =>02:15
یک بطری کامل سه بعدی
47
02:15 =>02:18
دریافت می کنیم، همان چیزی که ما یک بردار برای
48
02:18 =>02:20
زیر متوسط سه ورودی سه
49
02:20 =>02:23
بعدی یک برای متوسط یک برای
50
02:23 =>02:26
بالاتر از میانگین دریافت می کنیم. اگر سه
51
02:26 =>02:28
بردار داشته باشیم می توانیم فاصله
52
02:28 =>02:32
بین بردارهای مختلف و
53
02:32 =>02:37
داشتن دی را محاسبه کنیم ما میتوانیم به صورت گرافیکی
54
02:37 =>02:39
آنها را نمایش دهیم، اما این یک
55
02:39 =>02:42
نمودار سه بعدی
56
02:42 =>02:45
خواهد بود که نمایش یا تجزیه و تحلیل آن چندان آسان
57
02:45 =>02:48
58
02:48 =>02:50
نیست، اما اکنون تصور کنید که یک
59
02:50 =>02:53
جدول متقاطع با پنج شهر
60
02:53 =>02:55
مختلف داریم که پنج بعد متفاوت خواهد بود.
61
0