در این مطلب، ویدئو متاآنالیز – مقدمه ای برای تجزیه و تحلیل قسمت 2 – اکسل سندباکس 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: 00:13:24
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,880 –> 00:00:02,080
بسیار خوب، بنابراین این یک
2
00:00:02,080 –> 00:00:03,760
مقدمه مختصر برای
3
00:00:03,760 –> 00:00:06,720
جعبه سندباکس اکسل است که در um on moodle برای شما در دسترس است،
4
00:00:06,720 –> 00:00:08,160
5
00:00:08,160 –> 00:00:10,800
بیایید از گوشه سمت چپ شروع کنیم
6
00:00:10,800 –> 00:00:12,240
، اینجا در پایین،
7
00:00:12,240 –> 00:00:13,519
شما متوجه خواهید شد که چهار
8
00:00:13,519 –> 00:00:15,920
تب مختلف در اینجا وجود دارد، یکی برای همبستگی اگر
9
00:00:15,920 –> 00:00:17,279
این نوع اندازه افکت است
10
00:00:17,279 –> 00:00:19,600
که شما یکی را برای نسبت شانس انجام میدهید، یکی برای
11
00:00:19,600 –> 00:00:21,199
تفاوت میانگین استاندارد شده و دیگری
12
00:00:21,199 –> 00:00:21,840
13
00:00:21,840 –> 00:00:23,760
که مثال پاورپوینت ویلسون است
14
00:00:23,760 –> 00:00:25,279
که ما به نوعی با آن کار
15
00:00:25,279 –> 00:00:27,359
میکردیم، بنابراین ابتدا اجازه دهید
16
00:00:27,359 –> 00:00:28,960
من فقط به شما معرفی می کنم که من
17
00:00:28,960 –> 00:00:30,640
چیزهایی با کد رنگی دارم تا بتوانید
18
00:00:30,640 –> 00:00:33,680
بگویید که اساساً در این صفحه گسترده بزرگ چه چیزی به کجا می رسد
19
00:00:33,680 –> 00:00:35,440
تنها کاری که شما انجام می دهید این است که
20
00:00:35,440 –> 00:00:36,559
داده های
21
00:00:36,559 –> 00:00:39,440
مربوط به آن سلول ها را در آنجا پر کنید تا جایی برای
22
00:00:39,440 –> 00:00:40,000
15
23
00:00:40,000 –> 00:00:42,480
مطالعه داشته باشد که این تعداد مطالعه باید
24
00:00:42,480 –> 00:00:43,840
25
00:00:43,840 –> 00:00:47,120
باشد. um
26
00:00:47,120 –> 00:00:50,079
شما برای پروژه گروهی شما، بنابراین فضایی برای
27
00:00:50,079 –> 00:00:51,760
قرار دادن داده ها برای 15 مطالعه دارد،
28
00:00:51,760 –> 00:00:53,120
من فقط متوجه شدم که این مورد در واقع
29
00:00:53,120 –> 00:00:55,280
فقط برای 14 مطالعه جا دارد، اما من آن را برطرف خواهم
30
00:00:55,280 –> 00:00:55,840
کرد زیرا
31
00:00:55,840 –> 00:00:58,719
ردیف شماره یک در واقع برچسب ها را
32
00:00:58,719 –> 00:01:00,320
در خود دارد، بنابراین من آن را برطرف خواهم کرد.
33
00:01:00,320 –> 00:01:03,600
ام و غیره سلولهای زرد آنهایی هستند که
34
00:01:03,600 –> 00:01:04,720
در واقع باید
35
00:01:04,720 –> 00:01:06,960
آنها را وارد کنید، وقتی دادهها را وارد
36
00:01:06,960 –> 00:01:08,479
37
00:01:08,479 –> 00:01:12,720
کردید، متوجه میشوید که بقیه این
38
00:01:12,720 –> 00:01:15,200
ردیف بهطور خودکار بهروزرسانی میشوند و
39
00:01:15,200 –> 00:01:17,920
محاسبات را انجام میدهند، مشاهده میکنید که اندازه n
40
00:01:17,920 –> 00:01:20,880
200 و همبستگی 0.33
41
00:01:20,880 –> 00:01:23,360
آن را داریم. به طور خودکار
42
00:01:23,360 –> 00:01:26,080
واریانس r و خطای استاندارد برای r را محاسبه کرد و
43
00:01:26,080 –> 00:01:27,840
سپس آن را به
44
00:01:27,840 –> 00:01:29,040
z فیشر تبدیل کرد
45
00:01:29,040 –> 00:01:30,960
، واریانس خود را برای z و
46
00:01:30,960 –> 00:01:33,200
خطای استاندارد خود را برای z داریم،
47
00:01:33,200 –> 00:01:35,200
سپس همانطور که
48
00:01:35,200 –> 00:01:38,079
در ویدیوی قبلی در مورد آن صحبت کردیم
49
00:01:38,079 –> 00:01:40,000
محاسبه شد. وزن وزن
50
00:01:40,000 –> 00:01:41,439
ضربدر اندازه
51
00:01:41,439 –> 00:01:43,759
اثر وزن ضربدر اندازه اثر
52
00:01:43,759 –> 00:01:45,040
و وزن مجذور
53
00:01:45,040 –> 00:01:46,799
به طوری که می تواند همه چیزهایی را که
54
00:01:46,799 –> 00:01:48,320
برای مدل جلوه های ثابت ما نیاز داریم محاسبه
55
00:01:48,320 –> 00:01:52,479
کند، بنابراین وقتی داده ها
56
00:01:52,479 –> 00:01:54,399
را وارد کردید به طور خودکار جلو می رود و
57
00:01:54,399 –> 00:01:57,600
همه این ها را محاسبه می کند. اعداد در اینجا پایین هستند،
58
00:01:57,600 –> 00:01:59,200
بنابراین شما می توانید همان کاری را انجام دهید که می
59
00:01:59,200 –> 00:02:01,680
توانید داده هایی را برای نسبت شانس برای مواردی که
60
00:02:01,680 –> 00:02:04,880
به رویدادهای درمانی خود نیاز دارید وارد کنید،
61
00:02:04,880 –> 00:02:07,200
اگر به تکرار تکرار مراجعه می کنید که
62
00:02:07,200 –> 00:02:08,639
باید تعداد آنها را وارد کنید.
63
00:02:08,639 –> 00:02:11,840
دفعاتی که فردی در ستون
64
00:02:11,840 –> 00:02:12,800
رویداد درمانی
65
00:02:12,800 –> 00:02:14,959
شما مرتکب مجدد شده است، سپس تعداد
66
00:02:14,959 –> 00:02:16,959
دفعاتی را که آنها مرتکب جرم مجدد نشده اند
67
00:02:16,959 –> 00:02:19,599
را در ستون غیر درمانی
68
00:02:19,599 –> 00:02:20,720
خود در اندازه نهایی
69
00:02:20,720 –> 00:02:22,959
خود در ستون درمان و ستون خود قرار می دهید، بنابراین
70
00:02:22,959 –> 00:02:25,200
باید این دو عدد
71
00:02:25,200 –> 00:02:26,400
با هم جمع شوند. آن عدد
72
00:02:26,400 –> 00:02:28,080
و سپس گروه کنترل شما، عددی
73
00:02:28,080 –> 00:02:30,080
که رویدادی
74
00:02:30,080 –> 00:02:32,400
داشت، عدد بدون رویداد را مجدداً تجاوز کرده
75
00:02:32,400 –> 00:02:34,720
است، عددی که مجدداً مرتکب جرم نشده بود
76
00:02:34,720 –> 00:02:37,040
و n کلی شما و سپس همه
77
00:02:37,040 –> 00:02:39,040
بقیه این ستونها دقیقاً همان کاری را انجام
78
00:02:39,040 –> 00:02:40,239
میدهند که در آخرین برگه انجام
79
00:02:40,239 –> 00:02:42,800
دادند. به طور خودکار
80
00:02:42,800 –> 00:02:44,080
تمام آن داده ها را ایجاد و وارد می کند
81
00:02:44,080 –> 00:02:46,000
و مدل جلوه های ثابت شما را
82
00:02:46,000 –> 00:02:48,160
در اینجا ایجاد می
83
00:02:48,160 –> 00:02:49,360
84
00:02:49,360 –> 00:02:52,080
85
00:02:52,080 –> 00:02:52,959
86
00:02:52,959 –> 00:02:55,519
87
00:02:55,519 –> 00:02:57,200
88
00:02:57,200 –> 00:02:59,840
کند. این آن را برای شما
89
00:02:59,840 –> 00:03:00,480
90
00:03:00,480 –> 00:03:03,120
به نسبت شانس معمولی تبدیل می کند، موارد صورتی
91
00:03:03,120 –> 00:03:04,879
برای مدل جلوه های ثابت
92
00:03:04,879 –> 00:03:07,360
و موارد نارنجی
93
00:03:07,360 –> 00:03:08,879
برای مدل جلوه های تصادفی ما به نسبت شانس تبدیل
94
00:03:08,879 –> 00:03:10,480
می شوند.
95
00:03:10,480 –> 00:03:12,800
مدل اثرات تصادفی را برای
96
00:03:12,800 –> 00:03:14,560
تفاوت میانگین استاندارد شده امروزی
97
00:03:14,560 –> 00:03:16,080
که به آن
98
00:03:16,080 –> 00:03:17,519
99
00:03:17,519 –> 00:03:19,760
100
00:03:19,760 –> 00:03:22,159
101
00:03:22,159 –> 00:03:23,760
102
00:03:23,760 –> 00:03:25,120
نیاز خواهید داشت نادیده میگیریم.
103
00:03:25,120 –> 00:03:27,200
به هر حال قرار دادن آن باید بسیار آسان باشد و
104
00:03:27,200 –> 00:03:29,120
همان کار را انجام می دهد
105
00:03:29,120 –> 00:03:31,680
و به طور خودکار همه آن
106
00:03:31,680 –> 00:03:32,159
داده
107
00:03:32,159 –> 00:03:34,560
ها را محاسبه می کند و مدل جلوه های ثابت شما را در
108
00:03:34,560 –> 00:03:35,360
آنجا
109
00:03:35,360 –> 00:03:37,120
به شما می دهد، بنابراین بیایید
110
00:03:37,120 –> 00:03:39,519
111
00:03:39,519 –> 00:03:41,440
قبل از اینکه به عقب برگردیم و به مثال پاورپوینت ویلسون نگاه کنیم، به مثال پاورپوینت ویلسون نگاه
112
00:03:41,440 –> 00:03:44,080
کنیم. بیایید ادامه دهیم و
113
00:03:44,080 –> 00:03:45,440
به همبستگی برگردیم، جایی که ما
114
00:03:45,440 –> 00:03:47,680
باید um
115
00:03:47,680 –> 00:03:50,080
را پشت سر هم اضافه کنیم، یکی از چیزهایی که متوجه خواهید شد
116
00:03:50,080 –> 00:03:52,239
این است که برخی از این سلولها آبی هستند،
117
00:03:52,239 –> 00:03:54,879
هر کدام از سلولهای آبی سلولهایی هستند که اگر
118
00:03:54,879 –> 00:03:55,360
119
00:03:55,360 –> 00:03:57,120
چیزی را در آنجا تغییر دهید، واقعاً
120
00:03:57,120 –> 00:03:59,599
باید فرمول ها را به روز کنید،
121
00:03:59,599 –> 00:04:02,239
بنابراین این یکی در حال حاضر مجموع j2
122
00:04:02,239 –> 00:04:03,840
تا j15
123
00:04:03,840 –> 00:04:06,159
است، مجموع همه این اعداد است که
124
00:04:06,159 –> 00:04:07,519
می خواهید مطمئن شوید که
125
00:04:07,519 –> 00:04:10,640
j2 تا j15 باقی می ماند یا اکنون تبدیل می شود.
126
00:04:10,640 –> 00:04:12,319
j2 تا j16
127
00:04:12,319 –> 00:04:13,840
وقتی یک ردیف دیگر اضافه می کنیم، بنابراین فقط
128
00:04:13,840 –> 00:04:15,519
می خواهید مطمئن شوید که
129
00:04:15,519 –> 00:04:17,839
برای این ردیف یکسان کار می کند،
130
00:04:17,839 –> 00:04:19,918
مجموع k2 تا k15
131
00:04:19,918 –> 00:04:23,120
مقداری مجموع است، فقط مجموع هر یک از
132
00:04:23,120 –> 00:04:24,160
آن ردیف
133
00:04:24,160 –> 00:04:26,639
ها کمی پیچیده تر است،
134
00:04:26,639 –> 00:04:28,960
یکی تقسیم می شود. توسط
135
00:04:28,960 –> 00:04:33,680
g2 به علاوه k28،
136
00:04:33,680 –> 00:04:36,960
بنابراین g
137
00:04:36,960 –> 00:04:40,000
برای این ردیف به اضافه
138
00:04:40,000 –> 00:04:43,199
k28 خواهد بود که در آن k28 است، خوب اجازه دهید به پایین نگاه
139
00:04:43,199 –> 00:04:44,080
140
00:04:44,080 –> 00:04:47,520
کنیم خوب تا زمانی که به ردیف 28 برسیم
141
00:04:47,520 –> 00:04:50,320
که مقدار t مربع ما است، بنابراین
142
00:04:50,320 –> 00:04:51,360
میخواهیم مطمئن شویم
143
00:04:51,360 –> 00:04:54,840
که این فرمول
144
00:04:54,840 –> 00:04:59,280
با uh ختم میشود. واریانس فیشر z
145
00:04:59,280 –> 00:05:03,199
به اضافه t مجذور و آن
146
00:05:03,199 –> 00:05:05,520
یکی پیچیده ترین موردی است که می توان با آن برخورد کرد، بیایید ادامه دهیم
147
00:05:05,520 –> 00:05:08,800
و در یک ردیف دیگر اضافه کنیم،
148
00:05:08,800 –> 00:05:12,400
یک ردیف برگه وارد کنیم که می توانیم
149
00:05:12,400 –> 00:05:13,919
جلو برویم و فقط همه این
150
00:05:13,919 –> 00:05:16,320
فرمول ها را برداریم و آنها را به پایین بکشیم.
151
00:05:16,320 –> 00:05:20,080
اکثر آنها به خوبی کار می کنند، بنابراین
152
00:05:20,080 –> 00:05:21,919
می توانید بگویید که اینها همان کاری را انجام می
153
00:05:21,919 –> 00:05:23,680
دهند که قرار است انجام دهند.
154
00:05:23,680 –> 00:05:26,800
155
00:05:26,800 –> 00:05:28,160
156
00:05:28,160 –> 00:05:30,000
157
00:05:30,000 –> 00:05:32,080
158
00:05:32,080 –> 00:05:34,400
بقیه اینها منفی 4
159
00:05:34,400 –> 00:05:35,360
6 2
160
00:05:35,360 –> 00:05:38,400
6 8 و t هستند یکی از او به نظر می رسد به این
161
00:05:38,400 –> 00:05:40,080
دلیل است که اکنون آن را
162
00:05:40,080 –> 00:05:43,360
به همراه g30 می گیرد و باید به اضافه
163
00:05:43,360 –> 00:05:46,880
g um باشد متأسفم که آن را می
164
00:05:46,880 –> 00:05:50,160
گیرد uh plus k30 منظور من بود و ما
165
00:05:50,160 –> 00:05:53,280
در واقع می خواهیم k29 باشد،
166
00:05:53,280 –> 00:05:56,319
بنابراین باید وارد شویم و فقط آن را
167
00:05:56,319 –> 00:06:00,400
به g14 تغییر دهیم. به علاوه k29 زیرا باید
168
00:06:00,400 –> 00:06:02,479
آن مقدار t مربع را اضافه کند و
169
00:06:02,479 –> 00:06:03,919
در عوض مقدار دیگری
170
00:06:03,919 –> 00:06:05,520
را اضافه
171
00:06:05,520 –> 00:06:08,160
می کند، فرض می کند که وقتی یک ردیف را اضافه می کنید، همه اعداد یک ردیف
172
00:06:08,160 –> 00:06:09,360
را کاهش می دهند
173
00:06:09,360 –> 00:06:11,360
، اما ما در واقع نمی خواهیم آن یک ردیف
174
00:06:11,360 –> 00:06:12,880
شود. ضربه بزنید و متفاوت
175
00:06:12,880 –> 00:06:14,319
از بقیه باشد، ما می خواهیم که
176
00:06:14,319 –> 00:06:16,160
مقدار خاص برای
177
00:06:16,160 –> 00:06:17,440
هر یک از آن سلول ها برای
178
00:06:17,440 –> 00:06:18,720
هر یک از آنها یکسان باشد، ما می خواهیم
179
00:06:18,720 –> 00:06:21,759
t را به مجذور اعداد متفاوت اضافه کنیم،
180
00:06:21,759 –> 00:06:23,440
سپس اگر جلو برویم و روی جایی کلیک
181
00:06:23,440 –> 00:06:26,160
کنیم، به روز می شود. چگونه بسیار بهتر به نظر می رسد
182
00:06:26,160 –> 00:06:27,440
ما فقط می خواهیم اینها را بررسی کنیم مطمئن شویم
183
00:06:27,440 –> 00:06:30,319
که آنها کار را درست
184
00:06:30,319 –> 00:06:34,479
185
00:06:34,479 –> 00:06:37,440
186
00:06:40,639 –> 00:06:42,160
187
00:06:42,160 –> 00:06:44,000
188
00:06:44,000 –> 00:06:49,280
انجام می دهند. چیزی شبیه
1