روش حداقل مربعات (OLS)

برای مدلهای رگرسیون خطی، روش حداقل مربعات معمولی یا OLS ساده‌ترین و مرسوم‌ترین روش است.  اگر آزمونهای آماری بعد از انجام OLS ، بر نقض یکی از فروض کلاسیک صحه بگذارند، دیگر مجاز به استفاده از روش حداقل مربعات برای برآورد مقادیر آن مدل نیستیم. در این صورت باید مدل یا روش برآورد را تغییر دهیم.

 شما در این آموزش، با تمامی آزمونهایی که برای برآورد یک الگو نیاز است، آشنا شوید. و حتی برای درک مفاهیم این روش نیاز به مطالعه هیچ کتاب دیگری نیست چرا که با این دوره آموزشی میتوانید به شکل قابل توجه ای دانش و معلومات خود را افزایش دهید.

این دوره آموزشی برای دانشجویان و فارغ التصیلان رشته های علوم انسانی بسیار مناسب و مفید خواهد بود و یکی از مهم ترین و پرکاربردترین نرم افزارها برای انجام تحقیقات در رشته های اقتصاد و مدیریت است.

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

پیش نیاز:  آموزش مقدماتی ایویوز

این فیلم، شامل موارد زیر است:

• • تخمین مدل رگرسیونی حداقل مربعات و ترسیم خط رگرسیونی
  • استخراج کشش و پسماندهای مدل رگرسیونی
  • محاسبه  آماره های مدل رگرسیونی با نوشتن دستور در پنجره فرمان
  • تخمین فاصله ای ضرایب مدل رگرسیونی
  • بررسی فرضیه ضرایب رگرسیونی با کمک برنامه نویسی در ایویوز
  • تخمین مدل رگرسیونی غیر خطی
  • تخمین فاصله ای ضرایب مدل رگرسیونی با کمک منوها
  • بررسی فرض میانگین صفر
  • بررسی فرض واریانس ناهمسانی
  • روش حل مشکل واریانس ناهمسانی
  • بررسی مفاهیم خودهمبستگی و آزمون فرض خودهمبستگی پسماندهای مدل
  • روش حل مشکل خودهمبستگی پسماندهای مدل
  • بررسی فرض نرمال بودن پسماندهای مدل رگرسیونی
  • بررسی سایر آزمونهای مدل رگرسیونی
  • تصریح مدل رگرسیونی
  • بررسی آزمون پایداری ضرایب مدل رگرسیونی
  • نحوه ساخت متغیرهای مجازی(دامی)
  • نحوه بکارگیری متغیرهای مجازی در مدل رگرسیونی
  • بررسی مانایی متغیرهای مدل رگرسیونی
  • روش های تشخیص مانایی در متغیرهای مدل رگرسیونی
  • بررسی روش  هم انباشتگی