کتاب تحلیل رگرسیون مدرن با استفاده از نرم‌افزار R در پژوهش‌های کاربردی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل رگرسیون مدرن با استفاده از نرم‌افزار R در پژوهش‌های کاربردی

موضوع کلی: علوم داده و آمار کاربردی

موضوع میانی: مدل‌سازی آماری و تحلیل پیش‌بینی‌کننده

📋 سرفصل‌های دوره

• 1. مبانی و مفاهیم پایه در تحلیل رگرسیون
• 2. آشنایی با محیط نرم‌افزاری R و بسته‌های آماری
• 3. آماده‌سازی و پاک‌سازی داده‌ها برای تحلیل‌های آماری
• 4. تحلیل اکتشافی داده‌ها و ترسیم نمودارهای توزیع
• 5. مفاهیم همبستگی و کوواریانس در متغیرهای کمی
• 6. رگرسیون خطی ساده و برآورد ضرایب به روش کمترین توان‌های دوم
• 7. مفروضات کلاسیک رگرسیون خطی و بررسی آن‌ها
• 8. تحلیل باقی‌مانده‌ها و تشخیص الگوهای خطا
• 9. بررسی نرمال بودن توزیع باقی‌مانده‌ها و آزمون‌های مربوطه
• 10. رگرسیون خطی چندگانه و تفسیر ضرایب رگرسیونی
• 11. روش‌های انتخاب مدل و متغیرهای پیش‌گو در رگرسیون
• 12. بررسی اثرات متغیرهای کیفی با استفاده از متغیرهای مجازی
• 13. هم‌خطی چندگانه و روش‌های تشخیص و رفع آن
• 14. برهم‌کنش متغیرها و مدل‌سازی اثرات تعدیل‌گر
• 15. تبدیل متغیرها برای اصلاح ناهمسانی واریانس
• 16. رگرسیون چندجمله‌ای و مدل‌سازی روابط غیرخطی
• 17. روش‌های رگرسیون گام‌به‌گام و معیارهای انتخاب مدل
• 18. آشنایی با مفهوم بیش‌برازش و کم‌برازش در مدل‌سازی
• 19. اعتبارسنجی متقاطع و ارزیابی عملکرد مدل
• 20. رگرسیون لجستیک برای تحلیل داده‌های طبقه‌بندی شده
• 21. تفسیر نسبت شانس در مدل‌های رگرسیون لجستیک
• 22. آشنایی با رگرسیون پواسون برای داده‌های شمارشی
• 23. رگرسیون ریج و مقابله با هم‌خطی شدید
• 24. رگرسیون لاسو و انتخاب ویژگی‌ها در داده‌های با ابعاد بالا
• 25. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته
• 26. تحلیل حساسیت و شناسایی داده‌های پرت و تأثیرگذار
• 27. استفاده از فاصله کوک برای تشخیص مشاهدات کلیدی
• 28. بررسی خودهمبستگی در داده‌های سری زمانی
• 29. آشنایی با مدل‌های آمیخته و اثرات تصادفی
• 30. کاربرد رگرسیون در تحلیل داده‌های پژوهش‌های علوم انسانی
• 31. گزارش‌نویسی و تفسیر خروجی‌های آماری نرم‌افزار R
• 32. اخلاق در پژوهش‌های آماری و گزارش صادقانه نتایج
• 33. بهینه‌سازی مدل‌های پیش‌بینی‌کننده برای کاربردهای عملی
• 34. پیاده‌سازی یک پروژه جامع تحلیل رگرسیون در R