محتوا و سرفصل ها

روش رگرسیون حداقل مربعات

رگرسیون حداقل مربعات در واقع روشی برای برازش داده‌ها است. در روش رگرسیون حداقل مربعات، بهترین مدل برازش‌ شده بر مجموعه‌ای از داده‌ها مدلی است که در آن مجموع مربع باقی مانده‌ها حداقل باشد.

منظور از باقی مانده ها، اختلاف بین دادهٔ مشاهده‌ شده و مقداری است که از مدل به دست می‌آید.

در این ویدیوی آموزشی، سعی شده با زبان ساده روش حداقل مربعات 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 استاتا را آموزش داده ایم.

نرم افزار استاتا همانند نرم افزار  SPSS یکی از نرم افزارهای پرطرفدار در بین محققین است

برای بکارگیری بیشتر نرم افزار استاتا، تمامی جزییات مربوط به روش رگرسیون حداقل مربعات را به زبانی ساده آموزش داده شده است.

این دوره آموزشی برای گروه های زیر بسیار مفید خواهد بود.

دانشجویان و فارغ التحصیلان رشته های مدبریت، حسابداری، اقتصاد، رشته های پزشکی، آمار زیستی، رشته های مهندسی کشاورزی

پژوهشگران اقتصاد و مدیریت در مراکز تحقیقاتی

کارشناسان بازارهای مالی

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

پیش نیاز:  آموزش مقدماتی استاتا

دوره آموزشی، شامل موارد زیر است:

• پیش بینی مقادیر متغیرهای وابسته و پس ماندهای مدل در فاصله اطمینان
• ضرایب همبستگی
• تخمین مدلهای رگرسیون لگاریتمی و معکوس
• پیش بینی مقادیر متغیر وابسته و پس ماندهای مدل رگرسیونی
• 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 پسماندهای رگرسیون
• بررسی فرض واریانس ناهمسانی پسماندهای مدل
• بررسی فرض خودهمبستگی در مدل
• آموزش نوشتن دستورات در استاتا
• 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