کتاب کار با داده‌های سلسله‌مراتبی در Stata: تحلیل و مدل‌سازی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کار با داده‌های سلسله‌مراتبی در Stata: تحلیل و مدل‌سازی

موضوع کلی: تحلیل داده‌ها و آمار

موضوع میانی: روش‌های پیشرفته آماری در Stata

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر داده‌های سلسله‌مراتبی
• 2. ساختار داده‌های سلسله‌مراتبی و انواع آن
• 3. نرم‌افزار Stata و کاربردهای آن در تحلیل داده
• 4. آماده‌سازی داده‌ها برای تحلیل سلسله‌مراتبی
• 5. وارد کردن و پاکسازی داده‌های سلسله‌مراتبی در Stata
• 6. بررسی و توصیف داده‌های سلسله‌مراتبی
• 7. آشنایی با دستورات پایه Stata برای داده‌های سلسله‌مراتبی
• 8. مدل‌های خطی تعمیم‌یافته (GLM) برای داده‌های سلسله‌مراتبی
• 9. مدل‌های خطی مختلط (Mixed Models) در Stata
• 10. تخمین مدل‌های خطی مختلط با استفاده از دستور xtmixed
• 11. تفسیر نتایج مدل‌های خطی مختلط
• 12. آزمون‌های فرضیه در مدل‌های خطی مختلط
• 13. مدل‌های تکرار اندازه‌گیری (Repeated Measures)
• 14. تحلیل واریانس (ANOVA) برای داده‌های سلسله‌مراتبی
• 15. مدل‌های رشد (Growth Models) در Stata
• 16. مدل‌سازی اثرات تصادفی (Random Effects)
• 17. مدل‌سازی اثرات ثابت (Fixed Effects)
• 18. انتخاب مدل مناسب برای داده‌های سلسله‌مراتبی
• 19. بررسی مفروضات مدل‌های خطی مختلط
• 20. تشخیص و رفع مشکلات مدل‌سازی
• 21. مدل‌های سلسله‌مراتبی تعمیم‌یافته (Generalized Hierarchical Models)
• 22. مدل‌سازی داده‌های چند سطحی (Multilevel Modeling)
• 23. مدل‌سازی داده‌های تودرتو (Nested Data Modeling)
• 24. تحلیل داده‌های طولی (Longitudinal Data Analysis)
• 25. مدل‌های بقا (Survival Models) برای داده‌های سلسله‌مراتبی
• 26. تخمین مدل‌های بقا با استفاده از دستور stcox
• 27. تفسیر نتایج مدل‌های بقا
• 28. تحلیل داده‌های فقدان (Missing Data Analysis)
• 29. روش‌های برخورد با داده‌های گمشده
• 30. مدل‌سازی داده‌های وزن‌دار (Weighted Data Modeling)
• 31. مدل‌سازی داده‌های کلان (Big Data Modeling)
• 32. آشنایی با دستورات پیشرفته Stata برای داده‌های سلسله‌مراتبی
• 33. پیش‌بینی و برازش مدل (Prediction and Model Fit)
• 34. اعتبارسنجی مدل (Model Validation)
• 35. نمایش گرافیکی نتایج مدل‌ها
• 36. گزارش‌نویسی نتایج تحلیل داده‌های سلسله‌مراتبی
• 37. کاربرد مدل‌های سلسله‌مراتبی در علوم اجتماعی
• 38. کاربرد مدل‌های سلسله‌مراتبی در علوم پزشکی
• 39. کاربرد مدل‌های سلسله‌مراتبی در علوم زیستی
• 40. کاربرد مدل‌های سلسله‌مراتبی در اقتصادسنجی
• 41. تحلیل حساسیت (Sensitivity Analysis)
• 42. تحلیل قدرت آزمون (Power Analysis)
• 43. مدل‌سازی اثرات متقابل (Interaction Effects)
• 44. مدل‌سازی اثرات غیرخطی (Nonlinear Effects)
• 45. مدل‌سازی داده‌های مکانی (Spatial Data Modeling)
• 46. مدل‌سازی داده‌های زمانی (Time Series Modeling)
• 47. استفاده از حلقه‌ها و اسکریپت‌نویسی در Stata
• 48. بهینه‌سازی کد Stata برای تحلیل داده‌های بزرگ
• 49. ادغام Stata با سایر نرم‌افزارهای آماری
• 50. استفاده از دستورات Mata در Stata
• 51. آموزش گام به گام تحلیل یک مجموعه داده سلسله‌مراتبی واقعی
• 52. مطالعه موردی: تحلیل داده‌های آموزشی
• 53. مطالعه موردی: تحلیل داده‌های سلامت
• 54. مطالعه موردی: تحلیل داده‌های بازاریابی
• 55. مقدمه‌ای بر روش‌های بوت‌استرپ (Bootstrap)
• 56. بررسی روش‌های Monte Carlo در Stata
• 57. تحلیل داده‌های پانل (Panel Data Analysis)
• 58. مدل‌سازی اثرات ثابت و تصادفی در داده‌های پانل
• 59. تخمین مدل‌های داده‌های پانل با استفاده از دستور xtreg
• 60. تفسیر نتایج مدل‌های داده‌های پانل
• 61. آزمون‌های ریشه‌ی واحد (Unit Root Tests)
• 62. آزمون‌های همجمعی (Cointegration Tests)
• 63. مدل‌سازی بردار خودرگرسیون (VAR Models)
• 64. مدل‌سازی بردار خودرگرسیون تصحیح خطا (VECM Models)
• 65. تحلیل هم‌گرایی (Convergence Analysis)
• 66. مدل‌سازی انتقال رژیم (Regime Switching Models)
• 67. تحلیل داده‌های ناهمسان (Heteroscedasticity Analysis)
• 68. تحلیل خودهمبستگی (Autocorrelation Analysis)
• 69. روش‌های رفع ناهمسانی و خودهمبستگی
• 70. تحلیل داده‌های پرت (Outlier Analysis)
• 71. روش‌های شناسایی و برخورد با داده‌های پرت
• 72. مدل‌سازی داده‌های مقطعی زمانی (Panel Data Modeling)
• 73. آمار بیزی (Bayesian Statistics) در Stata
• 74. تخمین مدل‌های بیزی با استفاده از دستور bayes
• 75. تفسیر نتایج مدل‌های بیزی
• 76. آشنایی با پکیج‌های Stata برای داده‌های سلسله‌مراتبی
• 77. منابع تکمیلی و آموزش‌های آنلاین Stata
• 78. کارگاه عملی تحلیل داده‌های سلسله‌مراتبی در Stata