دوره آموزشی آمار پیشرفته و تخصصی با استاتا
5 ساعت 7 دقیقهپیشرفته2025-03-10
مدرسین

Franz Buscha
Professor of Economics at the University of Westminster
جزئیات دوره
Stata چابک، آسان برای استفاده و سریع است، با قابلیت بارگیری و پردازش تا 120000 متغیر و بیش از 20 میلیارد مشاهده. در این دوره، با نرم افزار آماری محبوب آشنا شوید. مربی فرانتس بوشا موضوعات پیشرفته و تخصصی را در Stata، از مدلسازی دادههای پانل گرفته تا اثرات متقابل در مدلهای رگرسیونی، بررسی میکند. فرانتس چندین توابع پیچیده مدیریت داده و تکنیک های تجسم را برای تکمیل عملیات اصلی Stata که ممکن است قبلاً تسلط داشته باشید، نشان می دهد. به علاوه در مورد شبیه سازی مونت کارلو، تجزیه و تحلیل داده های شمارش، تجزیه و تحلیل بقا و موارد دیگر بیاموزید.
اهداف یادگیری
نحوه حلقه زدن روی متغیرها در یک مجموعه داده با استفاده از پارامترهای داده شده را توضیح دهید.
دستور مورد استفاده برای بررسی تمام ضرایب بازگشتی توسط یک خروجی رگرسیون را شناسایی کنید.
اثر استفاده از ضریب عددی برای تغییر اندازه نشانگر در یک نمودار پراکنده را خلاصه کنید.
نحوه بیان صحیح یک تابع چگالی احتمال عادی استاندارد را به یاد بیاورید.
تشخیص دهید که رگرسیون چه اطلاعاتی را در یک موقعیت خاص ارائه می دهد.
"برهم کنش چند جمله ای پیوسته" را تعریف کنید.
اهمیت استفاده از دستور reshape برای داده های با فرم گسترده را هنگام تنظیم داده های پانل توضیح دهید.
متغیری را که پس از اجرای آمار خلاصه برای مجموعه داده ای از داده های تابلویی، بیشترین انحراف معیار را دارد، شناسایی کنید.
تخمینگر پانل خطی را نام ببرید که فرض میکند رگرسیون ممکن است با عبارات خطا مرتبط باشد.
هدف از آزمون هاسمن را توضیح دهید.
اهداف یادگیری
نحوه حلقه زدن روی متغیرها در یک مجموعه داده با استفاده از پارامترهای داده شده را توضیح دهید.
دستور مورد استفاده برای بررسی تمام ضرایب بازگشتی توسط یک خروجی رگرسیون را شناسایی کنید.
اثر استفاده از ضریب عددی برای تغییر اندازه نشانگر در یک نمودار پراکنده را خلاصه کنید.
نحوه بیان صحیح یک تابع چگالی احتمال عادی استاندارد را به یاد بیاورید.
تشخیص دهید که رگرسیون چه اطلاعاتی را در یک موقعیت خاص ارائه می دهد.
"برهم کنش چند جمله ای پیوسته" را تعریف کنید.
اهمیت استفاده از دستور reshape برای داده های با فرم گسترده را هنگام تنظیم داده های پانل توضیح دهید.
متغیری را که پس از اجرای آمار خلاصه برای مجموعه داده ای از داده های تابلویی، بیشترین انحراف معیار را دارد، شناسایی کنید.
تخمینگر پانل خطی را نام ببرید که فرض میکند رگرسیون ممکن است با عبارات خطا مرتبط باشد.
هدف از آزمون هاسمن را توضیح دهید.
مهارت ها
StataData VisualizationAdvancedData AnalysisData ScienceBusiness Analysis and StrategyBusiness Software and Tools
سرفصل ها
0. مقدمه
- 01 - آمار تخصصی با Stata
- 02 - آنچه باید بدانید
1. اطلاعات بیشتر در مورد مدیریت داده ها
- 03 - قالببندی نمایش متغیرها
- 04 - متغیرهای تاریخ و زمان
- 05 - تکرار دستورات با حلقه زدن روی متغیرها
- 06 - تکرار دستورات با حلقه زدن روی اعداد
- 07 - تکرار دستورات با حلقه در حلقه ها
- 08 - دسترسی به نتایج ذخیره شده از دستورات Stata
- 09 - چالش - بیشتر در مورد مدیریت داده ها
- 10 - راه حل - بیشتر در مورد مدیریت داده ها
2. بیشتر در مورد تکنیکهای تجسم
- 11 - تغییر ظاهر نشانگرها
- 12 - تغییر رنگ نمودار
- 13 - ترسیم نمودار بر اساس گروه
- 14 - کنترل افسانه ها
- 15 - اضافه کردن متن و جعبه متن
- 16 - اندازه نمودارها
- 17 - ترکیب نمودارها
- 18 - نحوه استفاده از جیتر
- 19 - نحوه رسم توابع سفارشی
- 20 - چالش - بیشتر در مورد تکنیکهای تجسم
- 21 - راه حل - بیشتر در مورد تکنیکهای تجسم
3. اثرات متقابل در مدلهای رگرسیون
- 22 - اثر متقابل چیست
- 23 - نحوه استفاده از حاشیه و حاشیه
- 24 - فعل و انفعالات چند جمله ای پیوسته
- 25 - پیوسته توسط فعل و انفعالات مداوم
- 26 - مقوله ای به وسیله تعاملات مقوله ای
- 27 - طبقه بندی شده توسط تعاملات خطی
- 28 - چالش - اثرات متقابل
- 29 - راه حل - اثرات متقابل
4. مدل سازی دادههای پانل
- 30 - راهاندازی پانل دیتا
- 31 - راهاندازی نمایش داده پانل
- 32 - توصیفی دادههای تابلویی
- 33 - دمو دادههای تابلویی
- 34 - دینامیک دادههای پانل
- 35 - دمو دینامیک داده پانل
- 36 - برآوردگرهای تابلویی خطی
- 37 - دمو برآوردگرهای پنل خطی
- 38 - اثرات تصادفی یا ثابت
- 39 - نسخه ی نمایشی تست هاسمن
- 40 - برآوردگرهای غیرخطی دادههای تابلویی
- 41 - دمو برآوردگرهای دادههای تابلویی غیرخطی
- 42 - چالش - مدل سازی دادههای تابلویی
- 43 - راه حل - مدل سازی دادههای تابلویی
5. اعداد تصادفی و شبیه سازی
- 44 - رسم اعداد شبه تصادفی
- 45 - فرآیند تولید داده (DGP)
- 46 - نقض مفروضات برآوردگر
- 47 - شبیه سازی مونت کارلو
- 48 - چالش - شبیه سازی
- 49 - حل - شبیه سازی
6. مدل سازی شمارش
- 50 - ویژگیهای دادههای شمارش
- 51 - مدل پواسون
- 52 - مدلهای دوجمله ای منفی
- 53 - مدلهای کوتاه شده
- 54 - مدلهای بادی صفر
- 55 - چالش - مدل سازی شمارش
- 56 - حل - مدل سازی شمارش
7. تجزیهوتحلیل بقا
- 57 - دادههای بقا چیست
- 58 - تنظیم دادههای بقا
- 59 - آمار خلاصه
- 60 - تحلیل ناپارامتریک
- 61 - مدل خطرات متناسب کاکس
- 62 - تشخیص برای مدلهای کاکس
- 63 - مدلهای مخاطرات متناسب پارامتری
- 64 - چالش - تجزیهوتحلیل بقا
- 65 - راه حل - تجزیهوتحلیل بقا
نتیجه گیری
- 66 - مراحل بعدی