تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی یادگیری جامع SAS بخش 2: تجزیه و تحلیل رگرسیون برای تحقیقات مراقبت های بهداشتی

دوره آموزشی یادگیری جامع SAS بخش 2: تجزیه و تحلیل رگرسیون برای تحقیقات مراقبت های بهداشتی

3 ساعت 52 دقیقهمتوسط2024-11-19

مدرسین

Monika Wahi

Monika Wahi

Data Science and Biotech Expert

جزئیات دوره

SAS یکی از پلتفرم‌های قدرتمند و قدیمی در حوزه تحلیل داده است که میلیون‌ها کاربر در سراسر جهان از آن استفاده می‌کنند و دارای ویژگی‌های کاربردی بسیاری است. در این دوره، مونیکا واحی به شما کمک می‌کند تا دانش خود را در زمینه SAS گسترش دهید و نحوه انجام تحلیل رگرسیون را با داده‌های یک مرکز نظرسنجی سلامت یاد بگیرید. در طول این دوره، مونیکا نحوه اجرای تحلیل‌های رگرسیونی و ارائه نتایج مدل را در قالب جداول آموزش می‌دهد.

وی همچنین نحوه توسعه و ارائه مدل رگرسیون خطی را با استفاده از PROC GLM به‌عنوان بخشی از یک تحلیل فرضیه‌محور توضیح می‌دهد، و روش اجرای مدل رگرسیون لجستیک را با استفاده از PROC GENMOD و PROC LOGISTIC آموزش می‌دهد. علاوه بر این، نحوه تفسیر و ارائه مدل‌های رگرسیون خطی و لجستیک را بررسی می‌کند. در انتها، مونیکا به چالش‌ها و مسائل مربوط به رگرسیون می‌پردازد و نکات مفیدی ارائه می‌دهد.

اهداف یادگیری:
آماده‌سازی داده‌ها برای تحلیل رگرسیون خطی.
ایجاد نمودارها برای تست فرضیات اولیه.
مدل‌سازی رگرسیون خطی.
تفسیر مدل رگرسیون خطی.
مدل‌سازی رگرسیون لجستیک.
ارائه و تفسیر مدل‌های رگرسیون خطی و لجستیک.
بررسی مسائل و چالش‌های موجود در تحلیل رگرسیون.

مهارت ها

SASStatisticsData AnalysisData ScienceBusiness Analysis and StrategyBusiness Software and ToolsDeep Dive (X:Y)

سرفصل ها

0. مقدمه

  • 01 - معرفی دوره
  • 02 - آنچه باید بدانید

1. آماده شدن برای رگرسیون خطی

  • 03 - رگرسیون خطی و بررسی فرضیه
  • 04 - قطعه برای آزمون فرضیات
  • 05 - مدلسازی رگرسیون خطی گام به گام
  • 06 - کد اصلی PROC GLM
  • 07 - خواندن خروجی PROC GLM

2. مدلسازی رگرسیون خطی

  • 08 - ارائه مدل رگرسیون خطی
  • 09 - رگرسیون خطی - مدل‌های اولیه
  • 10 - رگرسیون خطی - دور 1
  • 11 - رگرسیون خطی - مدل نهایی
  • 12 - فراداده مدل رگرسیون خطی
  • 13 - برازش مدل رگرسیون خطی
  • 14 - تفسیر مدل رگرسیون خطی

3. آماده شدن برای رگرسیون لجستیک

  • 15 - بررسی فرضیه و نسبت شانس
  • 16 - توزیع نتیجه
  • 17 - کد پایه PROC LOGISTIC
  • 18 - خروجی اولیه PROC LOGISTIC
  • 19 - مدل سازی رگرسیون لجستیک گام به گام

4. مدل سازی رگرسیون لجستیک

  • 20 - رگرسیون لجستیک - مدلهای اولیه
  • 21 - رگرسیون لجستیک - دور 1
  • 22 - رگرسیون لجستیک - مدل نهایی
  • 23 - فراداده مدل رگرسیون لجستیک
  • 24 - AIC و AUC برای تناسب مدل
  • 25 - تفسیر مدل رگرسیون لجستیک
  • 26 - چالش - متناسب با مدل رگرسیون لجستیک
  • 27 - راه حل - برازش مدل رگرسیون لجستیک

5. ارائه مدل

  • 28 - ارائه مدل‌های رگرسیون خطی
  • 29 - اکسل برای مدل‌های رگرسیون خطی
  • 30 - ارائه مدل‌های رگرسیون لجستیک
  • 31 - اکسل برای مدل‌های رگرسیون لجستیک
  • 32 - چالش - تعامل را به مدل رگرسیون لجستیک اضافه کنید
  • 33 - راه حل - افزودن تعامل به مدل رگرسیون لجستیک

6. مسائل مربوط به رگرسیون

  • 34 - همخطی در رگرسیون گام به گام
  • 35 - بررسی تعامل
  • 36 - تعاملات در رگرسیون خطی
  • 37 - تعاملات در رگرسیون لجستیک
  • 38 - فعل و انفعالات - برآوردهای خاص لایه
  • 39 - -2 احتمال ورود به سیستم برای تناسب مدل

7. نکات رگرسیون

  • 40 - دسته بندی نتایج مستمر
  • 41 - دسته بندی متغیرهای کمکی پیوسته
  • 42 - پرچم برای سطوح ارزش ترتیبی
  • 43 - مقولات در حال فروپاشی استراتژیک
  • 44 - انتخاب گروه‌های مرجع
  • 45 - تحلیل رگرسیون خود را شرح دهید

نتیجه گیری

  • 46 - بررسی روند
  • 47 - مراحل بعدی

دوره های مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal