کتاب صوتی مبانی و کاربردهای مدل‌های رگرسیون و ANOVA: رویکردی از کتاب Applied Linear Statistical Models

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی و کاربردهای مدل‌های رگرسیون و ANOVA: رویکردی از کتاب Applied Linear Statistical Models

موضوع کلی: آمار و مدل‌سازی داده

موضوع میانی: مدل‌های آماری خطی کاربردی

📋 سرفصل‌های دوره

• 1. مبانی و کاربردهای مدل‌های رگرسیون و ANOVA: رویکردی از کتاب Applied Linear Statistical Models
• 2. مقدمه‌ای بر آمار و مدل‌سازی داده
• 3. نقش مدل‌های آماری خطی در تحلیل داده
• 4. مروری بر مفاهیم احتمال و توزیع‌های آماری
• 5. مروری بر استنباط آماری: تخمین و آزمون فرض
• 6. مقدمه‌ای بر استفاده از نرم‌افزارهای آماری
• 7. جبر ماتریس برای مدل‌های خطی: مفاهیم پایه
• 8. جبر ماتریس برای مدل‌های خطی: عملیات و کاربردها
• 9. مقدمه‌ای بر رگرسیون خطی ساده
• 10. مدل رگرسیون خطی ساده و مفروضات آن
• 11. روش حداقل مربعات برای تخمین ضرایب
• 12. ویژگی‌های برآوردگرهای حداقل مربعات
• 13. واریانس برآوردگرهای ضرایب رگرسیون
• 14. برآورد واریانس خطای مدل
• 15. استنباط آماری برای ضریب شیب (Beta_1)
• 16. استنباط آماری برای عرض از مبدأ (Beta_0)
• 17. فواصل اطمینان برای ضرایب رگرسیون
• 18. آزمون فرض‌های کلی در رگرسیون خطی ساده
• 19. تحلیل واریانس (ANOVA) در رگرسیون خطی ساده
• 20. ضریب تعیین (R-squared) و تفسیر آن
• 21. رگرسیون از مبدأ (Regression Through the Origin)
• 22. پیش‌بینی مشاهدات جدید و فواصل پیش‌بینی
• 23. تحلیل باقیمانده‌ها: بررسی مفروضات مدل
• 24. تشخیص ناهمسانی واریانس (Heteroscedasticity)
• 25. تشخیص عدم نرمال بودن باقیمانده‌ها
• 26. تشخیص عدم استقلال باقیمانده‌ها (Autocorrelation)
• 27. نقاط تأثیرگذار و دورافتاده در رگرسیون خطی ساده
• 28. مدل رگرسیون خطی چندگانه و مفروضات آن
• 29. نمایش ماتریسی مدل رگرسیون خطی چندگانه
• 30. تخمین ضرایب با روش حداقل مربعات (نمایش ماتریسی)
• 31. ویژگی‌های برآوردگرهای حداقل مربعات چندگانه
• 32. واریانس و کوواریانس برآوردگرهای ضرایب
• 33. استنباط آماری برای ضرایب رگرسیون (تک‌تک)
• 34. فواصل اطمینان برای ضرایب رگرسیون چندگانه
• 35. آزمون F کلی برای مدل رگرسیون چندگانه
• 36. آزمون فرض‌های خطی کلی بر روی زیرمجموعه‌ای از ضرایب
• 37. ضریب تعیین چندگانه (Multiple R-squared) و تعدیل شده
• 38. هم‌خطی چندگانه (Multicollinearity): مفهوم و پیامدها
• 39. تشخیص هم‌خطی چندگانه: VIF و اعداد شرط
• 40. روش‌های مقابله با هم‌خطی چندگانه
• 41. متغیرهای طبقه‌ای و ساختگی (Dummy Variables)
• 42. کاربرد متغیرهای ساختگی در مقایسه گروه‌ها
• 43. مدل‌های با متغیرهای ساختگی چند سطحی
• 44. اثرات متقابل (Interaction Effects) در رگرسیون
• 45. تفسیر اثرات متقابل بین متغیرهای کمی و کیفی
• 46. رگرسیون چندجمله‌ای (Polynomial Regression)
• 47. انتخاب مرتبه مناسب در رگرسیون چندجمله‌ای
• 48. رگرسیون با متغیرهای مستقل کیفی و کمی (Combination)
• 49. تحلیل باقیمانده‌ها در رگرسیون چندگانه
• 50. تشخیص نقاط تأثیرگذار در رگرسیون چندگانه
• 51. معیارهای انتخاب مدل: AIC, BIC, Cp Mallows
• 52. روش‌های انتخاب متغیر: رگرسیون پیشرو (Forward Selection)
• 53. روش‌های انتخاب متغیر: رگرسیون پسرو (Backward Elimination)
• 54. روش‌های انتخاب متغیر: رگرسیون گام‌به‌گام (Stepwise Regression)
• 55. اعتبار سنجی مدل (Model Validation) و تقسیم داده
• 56. رگرسیون ریج (Ridge Regression): مقدمه‌ای بر Regularization
• 57. رگرسیون لسو (LASSO Regression): انتخاب ویژگی و Regularization
• 58. مقدمه‌ای بر تحلیل واریانس (ANOVA)
• 59. ANOVA یک‌طرفه: مدل، مفروضات و آزمون
• 60. تجزیه واریانس در ANOVA یک‌طرفه
• 61. مقایسه‌های چندگانه: مشکل و روش‌های اصلاحی
• 62. روش توکی (Tukey HSD) برای مقایسه‌های چندگانه
• 63. روش بونفرونی (Bonferroni Correction)
• 64. روش شفه (Scheffé's Method) برای مقایسه‌های برنامه‌ریزی نشده
• 65. تحلیل قدرت آزمون و حجم نمونه در ANOVA یک‌طرفه
• 66. ANOVA دوطرفه: مدل و اثرات اصلی و متقابل
• 67. تفسیر اثرات متقابل در ANOVA دوطرفه
• 68. ANOVA با بیش از دو عامل (Factorial ANOVA)
• 69. مدل‌های اثرات تصادفی (Random Effects Models) در ANOVA
• 70. مدل‌های اثرات آمیخته (Mixed Effects Models) در ANOVA (مقدمه)
• 71. اندازه‌گیری‌های مکرر (Repeated Measures ANOVA): مقدمه
• 72. تحلیل کوواریانس (ANCOVA): مفهوم و کاربرد
• 73. مدل ANCOVA و مفروضات آن
• 74. تفسیر ضرایب در ANCOVA
• 75. مقایسه‌های چندگانه در ANCOVA
• 76. طرح‌های بلوک‌بندی شده (Randomized Block Designs)
• 77. طرح‌های فاکتوریل و کارایی آنها
• 78. طرح‌های لانه گزیده (Nested Designs): مقدمه
• 79. طرح‌های لاتین مربع (Latin Square Designs): مقدمه
• 80. قدرت آماری و تعیین حجم نمونه در طرح‌های آزمایشی
• 81. ارتباط بین رگرسیون و ANOVA
• 82. رگرسیون با خطاهای ناهمسان (Heteroscedastic Errors)
• 83. رگرسیون با خطاهای همبسته (Correlated Errors)
• 84. رگرسیون وزنی حداقل مربعات (Weighted Least Squares)
• 85. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
• 86. رگرسیون لجستیک برای داده‌های دودویی
• 87. تخمین و تفسیر ضرایب در رگرسیون لجستیک
• 88. ارزیابی برازش مدل در رگرسیون لجستیک (Likelihood Ratio Test)
• 89. رگرسیون پواسون برای داده‌های شمارشی
• 90. تخمین و تفسیر ضرایب در رگرسیون پواسون
• 91. مقدمه‌ای بر مدل‌های آمیخته خطی (Linear Mixed Models)
• 92. مدل‌های اثرات تصادفی برای داده‌های طولی (Longitudinal Data)
• 93. رگرسیون غیرخطی: مقدمه‌ای بر مدل‌ها و برآورد
• 94. رگرسیون ناپارامتری: مقدمه
• 95. رگرسیون قوی (Robust Regression): مفهوم و کاربرد
• 96. بوت‌استرپینگ (Bootstrapping) برای استنباط در مدل‌های خطی
• 97. تحلیل بقا (Survival Analysis): مقدمه
• 98. داده‌های گمشده: انواع و روش‌های جایگزینی (Imputation)
• 99. کاربردهای عملی مدل‌های خطی: مطالعات موردی
• 100. ملاحظات اخلاقی در مدل‌سازی آماری