کتاب صوتی تحلیل واریانس و هم‌جمعی سری‌های زمانی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل واریانس و هم‌جمعی سری‌های زمانی

موضوع کلی: اقتصادسنجی پیشرفته و روش‌های تخمین

موضوع میانی: تحلیل سری‌های زمانی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر سری‌های زمانی
• 2. نمونه‌برداری و فرکانس نمونه‌برداری
• 3. تکنیک‌های پیش‌آگاهی سری‌های زمانی
• 4. تجزیه سری‌های زمانی به اجزای مختلف
• 5. میانگین‌گیری متحرک
• 6. نرمال‌سازی و مقیاس‌بندی داده‌های سری زمانی
• 7. آزمون ایستایی (Stationarity Tests)
• 8. تبدیل داده‌های غیرایستا به ایستا
• 9. مقدمه‌ای بر خودهمبستگی (Autocorrelation)
• 10. تابع خودهمبستگی (ACF)
• 11. تابع خودهمبستگی جزئی (PACF)
• 12. مدل‌های خودرگرسیونی (AR Models)
• 13. مدل‌های میانگین متحرک (MA Models)
• 14. مدل‌های خودرگرسیونی میانگین متحرک (ARMA Models)
• 15. مدل‌های خودرگرسیونی انتگرال میانگین متحرک (ARIMA Models)
• 16. شناسایی مرتبه مدل ARIMA
• 17. تخمین پارامترهای مدل ARIMA
• 18. آزمون برازش مدل ARIMA
• 19. پیش‌بینی با استفاده از مدل ARIMA
• 20. مدل‌های ARIMA فصلی (SARIMA Models)
• 21. تخمین پارامترهای مدل SARIMA
• 22. آزمون برازش مدل SARIMA
• 23. پیش‌بینی با استفاده از مدل SARIMA
• 24. مقدمه‌ای بر تحلیل واریانس (ANOVA)
• 25. مفاهیم اساسی واریانس
• 26. تجزیه واریانس در سری‌های زمانی
• 27. آزمون‌های فرضیه در تحلیل واریانس
• 28. محاسبه درجه آزادی در تحلیل واریانس
• 29. جدول تحلیل واریانس
• 30. تفسیر نتایج تحلیل واریانس
• 31. هم‌جمعی (Cointegration) و مفهوم آن
• 32. آزمون‌های هم‌جمعی (Engle-Granger, Johansen)
• 33. مدل‌های برداری خودرگرسیونی (VAR Models)
• 34. تخمین پارامترهای مدل VAR
• 35. تحلیل واریانس در مدل VAR
• 36. پیش‌بینی با استفاده از مدل VAR
• 37. تابع انتقال تکانه (Impulse Response Function)
• 38. تجزیه واریانس در مدل VAR
• 39. هم‌جمعی و تحلیل واریانس برداری (VECM)
• 40. تخمین مدل VECM
• 41. آزمون‌های فرضیه در مدل VECM
• 42. پیش‌بینی با استفاده از مدل VECM
• 43. کاربردهای تحلیل واریانس و هم‌جمعی در اقتصادسنجی
• 44. کاربردهای تحلیل واریانس و هم‌جمعی در مهندسی
• 45. نرم‌افزارهای مورد استفاده در تحلیل سری‌های زمانی