فلش‌کارت‌های آموزشی واسطه‌گری در داده‌های طولی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره واسطه‌گری در داده‌های طولی

موضوع کلی: روش‌های آماری برای تحلیل علّی در داده‌های پیچیده

موضوع میانی: تبدیل علّی (Causal Mediation Analysis)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر داده‌های طولی
• 2. اهمیت واسطه‌گری در تحلیل داده‌های طولی
• 3. انواع داده‌های طولی و کاربرد آن‌ها
• 4. روش‌های جمع‌آوری داده‌های طولی
• 5. آماده‌سازی داده‌های طولی برای تحلیل
• 6. پاکسازی و بررسی داده‌های از دست رفته
• 7. تبدیل و کدگذاری متغیرها در داده‌های طولی
• 8. مفاهیم اساسی مدل‌سازی داده‌های طولی
• 9. مدل رگرسیون خطی برای داده‌های طولی
• 10. مدل اثرات ثابت و اثرات تصادفی
• 11. بررسی فرضیات مدل‌های رگرسیونی در داده‌های طولی
• 12. تفسیر ضرایب رگرسیون در داده‌های طولی
• 13. مدل‌های رگرسیون تعمیم‌یافته برای داده‌های طولی
• 14. مدل‌سازی داده‌های گسسته با استفاده از مدل‌های لجستیک طولی
• 15. مدل‌سازی داده‌های شمارشی با استفاده از مدل‌های پواسون طولی
• 16. مدل‌سازی داده‌های بقا با استفاده از مدل‌های کاکس طولی
• 17. بررسی و ارزیابی مدل‌های داده‌های طولی
• 18. معیارهای ارزیابی مدل و مقایسه آن‌ها
• 19. تکنیک‌های اعتبارسنجی مدل‌های داده‌های طولی
• 20. شناسایی و رفع مشکلات چندخطّی در داده‌های طولی
• 21. مدل‌سازی داده‌های طولی با متغیرهای میانجی
• 22. تحلیل اثرات غیرمستقیم و میانجی‌گری
• 23. مدل‌سازی داده‌های طولی با متغیرهای تعدیل‌گر
• 24. تحلیل اثرات تعدیل‌گری و تعاملی
• 25. مدل‌سازی داده‌های طولی با ساختارهای پیچیده
• 26. مدل‌های سلسله‌مراتبی برای داده‌های طولی
• 27. مدل‌های چندسطحی برای داده‌های طولی
• 28. مدل‌سازی داده‌های طولی با متغیرهای زمان‌متغیر
• 29. بررسی و تحلیل اثرات زمان‌متغیر
• 30. مدل‌سازی داده‌های طولی با داده‌های گمشده
• 31. روش‌های برخورد با داده‌های گمشده در مدل‌سازی طولی
• 32. تکنیک‌های استنباط داده‌های گمشده
• 33. مدل‌سازی داده‌های طولی با داده‌های ناهمگن
• 34. بررسی و تحلیل داده‌های ناهمگن
• 35. روش‌های تطبیق داده‌های ناهمگن
• 36. مدل‌سازی داده‌های طولی در حضور داده‌های پرت
• 37. شناسایی و برخورد با داده‌های پرت
• 38. مدل‌سازی داده‌های طولی با استفاده از روش‌های غیرپارامتری
• 39. روش‌های غیرپارامتری برای تحلیل داده‌های طولی
• 40. مدل‌سازی داده‌های طولی با استفاده از یادگیری ماشین
• 41. کاربرد الگوریتم‌های یادگیری ماشین در تحلیل داده‌های طولی
• 42. پیش‌بینی با استفاده از مدل‌های یادگیری ماشین
• 43. نرم‌افزارهای مورد استفاده در تحلیل داده‌های طولی
• 44. آشنایی با SPSS، R و Stata برای داده‌های طولی
• 45. کاربرد SAS در تحلیل داده‌های طولی