محتوا و سرفصل ها

روش حداقل مربعات در ساس

تخمین مدل رگرسیونی حداقل مربعات در نرم افزار ساس روشی برای برازش داده‌ها با دقت بالا است. در روش حداقل مربعات، بهترین مدل برازش‌شده بر مجموعه‌ای از داده‌ها مدلی است که در آن مجموع مربع باقی مانده‌ها حداقل باشد. منظور از باقی مانده ها، اختلاف بین دادهٔ مشاهده‌شده و مقداری است که از مدل به دست می‌آید.

نرم‌افزار ساس یکی از تخصصی‌ترین برنامه‌های آماری است که سرعت و قدرت پردازش اطلاعات در آن به‌شکل محسوسی نسبت به نرم‌افزارهای آماری مشابه بالاتر است و از این رو نرم افزار ساس بهترین گزینه برای کارهای تخصصی آماری که داده‌های پیچیده و گسترده‌ای دارند می‌باشد.

در این ویدیوی آموزشی ، سعی شده با زبان ساده روش حداقل مربعات در نرم افزار ساس را آموزش دهیم. به همین منظور ابتدا با کمک مفاهیم تئوریکی به بیان این الگو پرداخته ایم و سپس نحوه اجرای آن در نرم افزار ساس را آموزش داده ایم.

 دوره آموزشی مدل رگرسیونی حداقل مربعات در نرم افزار  SAS برای گروه های زیر بسیار مفید خواهد بود:

• دانشجویان و فارغ التحصیلان رشته های مدیریت، حسابداری، اقتصاد، رشته های پزشکی، آمار زیستی، رشته های مهندسی کشاورزی، جامعه شناسی، علوم سیاسی
• پژوهشگران و محقیقین مراکز پژوهشی در بانک ها سازمان های دولتی و شرکت های پژوهشی
• کارشناسان بازارهای مالی
• تحلیل گران کسب و کارها

ویژگی این  ویدیوی آموزشی، زبان بسیار ساده و قابل فهم برای همگان میباشد.

پیش نیاز:  آموزش مقدماتی SAS

این ویدیو، شامل موارد زیر است:

• پیش بینی مقادیر متغیرهای وابسته و پس ماندهای مدل در فاصله اطمینان
• ضرایب همبستگی
• تخمین مدلهای لگاریتمی و معکوس
• پیش بینی مقادیر متغیر وابسته و پس ماندهای مدل
• رسم نمودار خط رگرسیون
• مفهوم تابع رگرسیون
• تخمین مدل رگرسیونی به روش OLS
• محاسبه کشش
• پیش بینی مقادیر متغیر وابسته و پس ماندهای مدل
• آزمون ضرایب با t-student
• بررسی فرض صفر بودن میانگین پسماندها
• بررسی فرض واریانس ناهمسانی پسماندهای مدل
• بررسی فرض خودهمبستگی در مدل
• آموزش نوشتن دستورات در SAS
• بیان مبانی تئوریک روش حداقل مربعات
• تخمین مدل رگرسیونی به روش حداقل مربعات و تحلیل آن
• تخمین مدل های رگرسیونی مقید
• روش تصریح مدل رگرسیونی
• بررسی فرض نرمال بودن پسماندها