رگرسیون مولفه های اصلی، یک تکنیک پیش‌بینی‌کننده است که جایگزینی برای رگرسیون حداقل مربعات معمولی (OLS)، و رگرسیون حداقل مربعات جزئی (PLS) می‌باشد و زمانی مفید است که کمیت‌های پیش‌بینی‌کننده (X) همبستگی بالایی با یکدیگر دارند یا زمانی که تعداد پیش‌بینی‌کننده‌ها …
روش رگرسیون حداقل مربعات جزئی، که از آن به عنوان طراحی ساختار نهفته Projection to Latent Structure نیز نام برده می‌شود. یک تکنیک پیش‌بینی‌کننده است که جایگزینی برای رگرسیون حداقل مربعات معمولی (OLS)، همبستگی کانونی Canonical Correlation و مدل‌سازی معادلات ساختاری Structural …
رگرسیون حداقل مربعات معمولی (OLS)، به عنوان رگرسیون خطی Linear Regression نامیده می‌شود. رگرسیون حداقل مربعات معمولی (OLS) تکنیک رایج برای براورد ضرایب معادلات رگرسیون خطی است که رابطه بین یک یا چند Variable مستقل و یک کمیت وابسته (رگرسیون …
رگرسیون پروبیت که مدل پروبیت نیز نامیده می‌شود، همانند مدل لجیت، برای مدل‌سازی کمیت‌های وابسته Dependent Variable دوگانه یا باینری استفاده می‌شود. با این تفاوت که در در رگرسیون پروبیت، تابع توزیع نرمال استاندارد تجمعی برای مدل‌سازی استفاده می‌شود، یعنی …
نکته بسیار مهمی که در اینجا وجود دارد این است که ما با استفاده از Xها و ضرایب رگرسیونی آن‌ها، به براورد و پیش بینی میانگین $ \displaystyle E\left( Y \right)$ کمیت پاسخ می‌پردازیم. با این حال، در بسیاری از شرایط، …
رگرسیون پروبیت که مدل پروبیت نیز نامیده می‌شود، همانند مدل لجیت، برای مدل‌سازی کمیت‌های وابسته Dependent Variable دوگانه یا باینری استفاده می‌شود. با این تفاوت که در در رگرسیون پروبیت، تابع توزیع نرمال استاندارد تجمعی برای مدل‌سازی استفاده می‌شود، یعنی …
همگی ما با یک مدل رگرسیون خطی که به صورت زیر تعریف می‌شود، آشنا هستیم. $ \displaystyle y={{b}_{0}}+{{b}_{1}}{{x}_{1}}+{{b}_{2}}{{x}_{2}}+….+{{b}_{k}}{{x}_{k}}$ قبلاً و در لینک (رگرسیون لجستیک باینری Binary Logistic Regression در نرم‌افزار SPSS) به بیان مدل لجیت Logit در طراحی مدل …
تقریباً با اطمینان می‌توان گفت، آنچه در پالایش می‌گذرد، مدل رگرسیون از نوع خطی ساده Simple Linear Regression است که به سادگی می‌توان آن را به دست آورد. در گراف زیر، به ازای تمام روزهای معاملاتی پالایش، عدد واقعی پایانی …
با استفاده از مدل های رگرسیونی Regression Model و کاربرد انواع نرم افزارهای آماری می‌توانیم به پیش‌بینی های خوبی در براورد قیمت آینده سهام بپردازیم. چگونه به این متن رفرنس دهیم GraphPad Statistics (2022). Application of regression models in …
حتماً تا به حال با مواردی مواجه شده‌اید که می‌خواهید تاثیر یک یا چند عامل را بر روی کمیتی که دو حالتی است و تنها دو مقدار می‌پذیرد، (مثلاً بله یا خیر، مثبت یا منفی) بررسی کنید. به عنوان مثال …
به داده‌های این مثال که مربوط به متوسط آلودگی هوا در فصل پاییز برحسب واحد PSI در 21 شهر کشور است، توجه کنید. فایل دیتا این مقاله را می‌توانید از اینجا Semi-Partial Correlation دریافت کنید. در این بررسی چند عامل موثر در آلودگی …
در این بررسی چند عامل موثر در آلودگی هوای این شهرها مورد مطالعه قرار گرفته است. عواملی که مورد بررسی قرار گرفته‌اند عبارتند از تعداد کارخانه‌های بزرگ (بیشتر از 25 کارگر)، کارخانه‌های کوچک (کمتر از 25 کارگر)، تعداد وسایل نقلیه …
به هنگام بیان مدل رگرسیون خطی (رگرسیون خطی Linear Regression در نرم‌افزار SPSS) به مطلبی به نام روش‌های ورود کمیت‌های مستقل (یعنی همان Xها) به مدل رگرسیونی اشاره کردم. در این بررسی چند عامل موثر در آلودگی هوای این شهرها …
به داده‌های این مثال که مربوط به متوسط آلودگی هوا در فصل پاییز برحسب واحد PSI در 21 شهر کشور است، توجه کنید. فایل دیتا این مقاله را می‌توانید از اینجا Partial Regression Plots دریافت کنید. در این بررسی چند عامل موثر …
توضیحات برگرفته شده از کتاب روش های پیشرفته آماری و کاربردهای آن – انتشارات جامعه‌نگر هر چه نقاط نمودار به خط نیم‌ساز نزدیک‌تر باشند، تبعیت باقیمانده‌ها از توزیع نرمال بیشتر است. اگر نمودار از خط نیم‌ساز انحراف جدی داشته باشد، …
تشخیص هم خطی با استفاده از دو ابزار و آماره در نرم‌افزار SPSS انجام می‌شود. آن‌ها عبارتند از Tolerance و فاکتور تورم واریانس Variance Inflation Factor (VIF). در ادامه درباره‌ی آن‌ها بیشتر صحبت می‌کنیم. به داده‌های این مثال که مربوط …
توضیحات مدل رگرسیون خطی برگرفته شده از کتاب روش های پیشرفته آماری و کاربردهای آن مطالعه پیرامون ماهیت رابطه بین کمیت‌ها را تحلیل رگرسیون Regression Analysis می‌گوییم. در واقع دو هدف عمده از بررسی روابط میان کمیت‌ها عبارت است از …
این تحلیل معمولاً به منظور کنترل آماری کمیت‌های خاص انجام می‌شود، تا ببینیم که آیا افزودن Variableها به چه اندازه توانایی مدل جهت پیش‌بینی درست را بهبود می‌بخشد. همچنین هدف دیگر ما از این تحلیل آماری، بررسی اثر تعدیل …
*** توضیحات برگرفته شده از کتاب روش های پیشرفته آماری و کاربردهای آن*** مثلا برای مدل رگرسیون با یک کمیت مستقل، به جای تعریف مدل به صورت Y = β0 + β1X1+ ε که یک رابطه رگرسیونی خطی ساده است، مدلی به صورت …
در یکی از کلاس‌های گراف پد پریسم، موضوعی مبنی بر امکان مقایسه دو منحنی مطرح شد. در این باره باید بیان کرد که چگونه به این مقاله رفرنس دهیم GraphPad Statistics (2019). Comparison of curves in …
رگرسیون و پیش‌بینی از موضوعات مورد توجه در علوم آماری و رشته‌های مرتبط با آن می‌باشد. بسیاری از نرم‌افزارها به طراحی مدل‌های رگرسیونی خطی و غیرخطی می‌پردازند، اما آنچه که در پریسم مورد توجه است، توانایی پیش‌بینی در مواردی است …
