کتاب صوتی مقدمه‌ای بر تحلیل چندمتغیره کاربردی با R: کاوش و مدل‌سازی داده‌های پیچیده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر تحلیل چندمتغیره کاربردی با R: کاوش و مدل‌سازی داده‌های پیچیده

موضوع کلی: تحلیل آماری چندمتغیره

موضوع میانی: روش‌های کاربردی تحلیل چندمتغیره با R

📋 سرفصل‌های دوره

• 1. مبانی آمار و داده‌ها در تحلیل چندمتغیره
• 2. مقدمه‌ای بر R برای تحلیل چندمتغیره
• 3. نصب و راه‌اندازی R و بسته‌های مرتبط
• 4. مفاهیم اولیه داده‌های چندمتغیره
• 5. انواع داده‌های چندمتغیره
• 6. نمودارهای اکتشافی برای داده‌های چندمتغیره
• 7. نمایش داده‌ها با استفاده از Scatterplot Matrix
• 8. نمایش داده‌ها با استفاده از Pairwise Plots
• 9. نمودارهای جعبه‌ای (Boxplots) برای مقایسه متغیرها
• 10. هیستوگرام و نمودار چگالی برای توزیع متغیرها
• 11. تجسم داده‌های چندبعدی
• 12. کاهش ابعاد برای تجسم
• 13. تکنیک‌های خلاصه سازی داده‌ها
• 14. میانگین، واریانس و کوواریانس چندمتغیره
• 15. ماتریس کوواریانس و ماتریس همبستگی
• 16. تفسیر ماتریس کوواریانس
• 17. تفسیر ماتریس همبستگی
• 18. آزمون‌های مفروضات آماری در تحلیل چندمتغیره
• 19. مفروضه نرمال بودن چندمتغیره
• 20. تشخیص داده‌های پرت (Outliers)
• 21. روش‌های شناسایی داده‌های پرت
• 22. نرمال‌سازی و استانداردسازی داده‌ها
• 23. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLMs)
• 24. رگرسیون خطی چندگانه
• 25. آزمون‌های فرضیه در رگرسیون خطی
• 26. انتخاب مدل در رگرسیون خطی
• 27. مقدمه‌ای بر مفاهیم رگرسیون
• 28. تکنیک‌های انتخاب متغیر (Forward, Backward, Stepwise)
• 29. تحلیل مولفه‌های اصلی (PCA)
• 30. مقدمه‌ای بر PCA
• 31. محاسبه مقادیر ویژه و بردارهای ویژه
• 32. تفسیر مولفه‌های اصلی
• 33. نحوه انتخاب تعداد مولفه‌های اصلی
• 34. کاربرد PCA در کاهش ابعاد
• 35. نمودار Scree Plot
• 36. نمودار Biplot برای PCA
• 37. تحلیل مولفه‌های اصلی با R
• 38. تکنیک‌های کاهش ابعاد جایگزین
• 39. تحلیل همبستگی کانونی (Canonical Correlation Analysis - CCA)
• 40. مقدمه‌ای بر CCA
• 41. مفاهیم رگرسیون کانونی
• 42. محاسبه ضرایب کانونی
• 43. تفسیر ابعاد کانونی
• 44. کاربرد CCA
• 45. CCA با R
• 46. تحلیل عامل (Factor Analysis - FA)
• 47. مقدمه‌ای بر FA
• 48. مفاهیم مدل عاملی
• 49. استخراج عوامل
• 50. چرخش عوامل (Rotation)
• 51. تفسیر عوامل
• 52. کاربرد FA
• 53. FA با R
• 54. تحلیل خوشه‌ای (Cluster Analysis)
• 55. مقدمه‌ای بر Cluster Analysis
• 56. انواع روش‌های خوشه‌بندی
• 57. خوشه‌بندی سلسله مراتبی (Hierarchical Clustering)
• 58. متریک‌های فاصله (Distance Metrics)
• 59. توابع پیوند (Linkage Functions)
• 60. دندروگرام (Dendrogram)
• 61. انتخاب تعداد خوشه‌ها
• 62. خوشه‌بندی غیرسلسله مراتبی (Partitioning Clustering)
• 63. K-Means Clustering
• 64. انتخاب مقدار K
• 65. کاربرد Cluster Analysis
• 66. Cluster Analysis با R
• 67. تحلیل تمایز (Discriminant Analysis)
• 68. مقدمه‌ای بر Discriminant Analysis
• 69. تحلیل تمایز خطی (LDA)
• 70. مفاهیم ماتریس پراکندگی درون‌گروهی و بین‌گروهی
• 71. توابع تمایز
• 72. تفسیر توابع تمایز
• 73. طبقه بندی نمونه‌های جدید
• 74. تحلیل تمایز با R
• 75. تحلیل واریانس چندمتغیره (MANOVA)
• 76. مقدمه‌ای بر MANOVA
• 77. تفاوت MANOVA با ANOVA
• 78. آزمون‌های Wilks' Lambda, Pillai's Trace, Hotelling's Trace
• 79. تفسیر نتایج MANOVA
• 80. پیگیری با تحلیل‌های تمایز
• 81. MANOVA با R
• 82. مدل‌های خطی چندمتغیره (Multivariate Linear Models - MLM)
• 83. مقدمه‌ای بر MLM
• 84. رگرسیون چندمتغیره
• 85. تفسیر ضرایب MLM
• 86. کاربرد MLM
• 87. MLM با R
• 88. مقدمه‌ای بر مدل‌های ساختاری معادلات (Structural Equation Models - SEM)
• 89. مفاهیم کلی SEM
• 90. مدل‌های اندازه‌گیری (Measurement Models)
• 91. مدل‌های ساختاری (Structural Models)
• 92. شاخص‌های برازش مدل (Fit Indices)
• 93. SEM با R (بسته‌های lavaan, semPlot)
• 94. مدل‌سازی معادلات ساختاری پیشرفته
• 95. تحلیل مسیر (Path Analysis)
• 96. مقدمه‌ای بر Path Analysis
• 97. تفسیر ضرایب مسیر
• 98. Path Analysis با R
• 99. تحلیل عاملی تأییدی (Confirmatory Factor Analysis - CFA)
• 100. مقدمه‌ای بر CFA