در این مطلب، ویدئو SPSS – سری های زمانی و پیش بینی ها 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: 00:12:26
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>03
به بخش امروزی این روش SPSS خوش آمدید،
2
03 =>06
این بار با یک جلسه در مورد
3
06 =>12
سری های زمانی و انجام پیش آگهی به خوبی برای
4
12 =>15
این کار، من یک مجموعه داده ساده را آماده کردم
5
15 =>19
که در پس زمینه اینجا مشاهده می شود، بنابراین ما
6
19 =>23
تعداد معینی از مشاهدات داریم که می توانید
7
23 =>27
به مجموعه داده ها بروید. در اینجا می بینیم که از
8
27 =>35
2000 ژانویه تا دسامبر 2006 می رسد، بنابراین
9
35 =>38
ما هفت سال فرصت داریم و برای هر
10
38 =>41
سال دوازده ماه بدیهی است که این
11
41 =>43
داده های جدی زمانی است زیرا فقط مانند
12
43 =>46
یک متغیر است و ما داده هایی برای بسیاری
13
46 =>48
از نقاط مختلف در زمان
14
48 =>52
داریم. ابتدا باید به SPSS بگوییم که
15
52 =>54
ما با دادههای سری زمانی کار
16
54 =>57
میکنیم و باید به آنها بگوییم که چه نوع
17
57 =>01:00
دادههای سری زمانی را میتوانیم انجام دهیم وقتی به
18
01:00 =>01:04
دادهها میرویم و در اینجا تاریخ و
19
01:04 =>01:08
زمان را در اینجا تعریف میکنیم و چون میتواند انتخاب کند. یک
20
01:08 =>01:12
فرم خاص با ما سال و
21
01:12 =>01:17
ماه است و در یک سال 2000 ماه شروع می
22
01:17 =>01:21
شود و در اینجا به طور خودکار
23
01:21 =>01:25
دوره تناوب را در سطح بالاتر
24
01:25 =>01:29
که در 12 ماه اینجا است از پیش تعریف کرده است، بنابراین ما
25
01:29 =>01:33
می توانیم تأیید را کلیک کنیم و شما یک متن مورد نظر اضافه می کنید.
26
01:33 =>01:37
متغیر ding که بعداً به
27
01:37 =>01:40
طور غیرمستقیم باید با
28
01:40 =>01:45
اثرات فصلی کار کنیم که میتوان آنها را پیدا کرد
29
01:45 =>01:47
و همچنین تمام دستورات دیگری که
30
01:47 =>01:52
با تجزیه و تحلیل استفاده میکنیم، در اینجا
31
01:52 =>01:55
پیشبینی پیشبینی داریم، میتوانیم
32
01:55 =>01:58
مستقیماً به سراغ ایجاد مدلهای سنتی برویم
33
01:58 =>02:02
یا اگر بدانیم که ما دارای نوعی
34
02:02 =>02:04
اثرات فصلی است که می توانیم به تجزیه فصلی برویم
35
02:04 =>02:07
اینجا را کلیک کنید
36
02:07 =>02:10
شما باید تنوعی را انتخاب کنید که
37
02:10 =>02:13
حاوی اطلاعات ما است این
38
02:13 =>02:15
عدد است و سپس باید انتخاب
39
02:15 =>02:19
کنیم که آیا در اینجا در این مورد
40
02:19 =>02:23
اثر فصلی ضربی است یا افزایشی
41
02:23 =>02:26
من اساساً میدانم که
42
02:26 =>02:29
افزودنی است، بنابراین میتوانم افزودنی را انتخاب
43
02:29 =>02:32
کنم، ممکن است منطقی باشد که ابتدا به
44
02:32 =>02:34
نمودار پراکندگی دادههای قدیمی نگاهی بیندازیم یا
45
02:34 =>02:37
به طور کلی دادههای قدیمی خود را تراز کنیم که
46
02:37 =>02:39
واقعاً چگونه به نظر میرسد آیا این
47
02:39 =>02:42
بیشتر با یک افزودنی معمولی یا معمولی مطابقت دارد.
48
02:42 =>02:45
روند ضربی این
49
02:45 =>02:48
یک واقعیت دیگر است در اینجا ما با
50
02:48 =>02:52
کلیک بر روی OK می رویم. او به من می گوید که
51
02:52 =>02:55
چهار متغیر اضافی برای ما اضافه می کند
52
02:55 =>02:58
که سپس باهم
53
02:58 =>03:00