فلش‌کارت‌های آموزشی استراتژی‌های رفع همبستگی متغیرهای مستقل در مدل‌های رگرسیون

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استراتژی‌های رفع همبستگی متغیرهای مستقل در مدل‌های رگرسیون

موضوع کلی: مدل‌سازی آماری و ارزیابی املاک

موضوع میانی: تشخیص و رفع مشکلات در رگرسیون خطی (همبستگی، ناهمگنی واریانس)

📋 سرفصل‌های دوره

• 1. مقدمه به همبستگی متغیرهای مستقل
• 2. تعریف همبستگی در رگرسیون
• 3. پیامدهای همبستگی بالا
• 4. تشخیص همبستگی: ماتریس همبستگی
• 5. تشخیص همبستگی: ضریب تورم واریانس (VIF)
• 6. تشخیص همبستگی: تحیلیل مولفه‌های اصلی (PCA)
• 7. همبستگی و سوگیری در تخمین ضرایب
• 8. همبستگی و افزایش واریانس خطای استاندارد
• 9. همبستگی و کاهش قدرت آماری
• 10. همبستگی و تفسیرپذیری مدل
• 11. روش‌های رفع همبستگی: حذف متغیر
• 12. معیارهای انتخاب متغیر برای حذف
• 13. مزایای حذف متغیر
• 14. معایب حذف متغیر
• 15. روش‌های رفع همبستگی: ترکیب متغیرها
• 16. ایجاد متغیرهای ترکیبی: جمع و تفریق
• 17. ایجاد متغیرهای ترکیبی: ضرب و تقسیم
• 18. ایجاد متغیرهای ترکیبی: مقیاس‌گذاری
• 19. ایجاد متغیرهای ترکیبی: پتانسیل‌های غیرخطی
• 20. تحلیل مولفه‌های اصلی (PCA) به عنوان روش ترکیب
• 21. تحلیل مولفه‌های اصلی: نحوه محاسبه
• 22. تحلیل مولفه‌های اصلی: انتخاب مولفه‌ها
• 23. مزایای استفاده از PCA
• 24. معایب استفاده از PCA
• 25. روش‌های رفع همبستگی: رگرسیون ریج (Ridge Regression)
• 26. مبانی رگرسیون ریج
• 27. ضریب تنظیم (Lambda) در رگرسیون ریج
• 28. نحوه انتخاب Lambda: اعتبارسنجی متقابل (Cross-Validation)
• 29. مزایای رگرسیون ریج
• 30. معایب رگرسیون ریج
• 31. روش‌های رفع همبستگی: رگرسیون لسو (Lasso Regression)
• 32. مبانی رگرسیون لسو
• 33. مقایسه لسو و ریج
• 34. مزایای رگرسیون لسو
• 35. معایب رگرسیون لسو
• 36. روش‌های رفع همبستگی: رگرسیون الاستیک نت (Elastic Net Regression)
• 37. مبانی رگرسیون الاستیک نت
• 38. ترکیب لسو و ریج
• 39. نحوه انتخاب پارامترهای الاستیک نت
• 40. مزایای رگرسیون الاستیک نت
• 41. معایب رگرسیون الاستیک نت
• 42. روش‌های رفع همبستگی: استفاده از متغیرهای ابزاری (Instrumental Variables - IV)
• 43. مبانی متغیرهای ابزاری
• 44. شرایط لازم برای متغیر ابزاری
• 45. نحوه اجرای رگرسیون با متغیرهای ابزاری
• 46. مزایای استفاده از IV
• 47. معایب استفاده از IV
• 48. روش‌های رفع همبستگی: مدل‌سازی سلسله مراتبی (Hierarchical Modeling)
• 49. مبانی مدل‌سازی سلسله مراتبی
• 50. کاربرد مدل‌سازی سلسله مراتبی در داده‌های تودرتو
• 51. مزایای مدل‌سازی سلسله مراتبی
• 52. معایب مدل‌سازی سلسله مراتبی
• 53. روش‌های رفع همبستگی: مدل‌سازی ساختاری (Structural Equation Modeling - SEM)
• 54. مبانی مدل‌سازی ساختاری
• 55. اجزای SEM: متغیرهای مکنون و آشکار
• 56. مزایای SEM
• 57. معایب SEM
• 58. روش‌های رفع همبستگی: رگرسیون مولفه اصلی (Principal Component Regression - PCR)
• 59. مبانی رگرسیون مولفه اصلی
• 60. تفاوت PCR با PCA برای ساخت متغیر
• 61. مزایای PCR
• 62. معایب PCR
• 63. انتخاب بهترین روش: عوامل موثر
• 64. ارزیابی تاثیر روش‌های رفع همبستگی بر نتایج
• 65. حفظ تفسیرپذیری مدل پس از رفع همبستگی
• 66. اهمیت اعتبار سنجی مدل با روش‌های مختلف
• 67. مطالعه موردی: رگرسیون در اقتصاد
• 68. مطالعه موردی: رگرسیون در علوم اجتماعی
• 69. مطالعه موردی: رگرسیون در پزشکی
• 70. مطالعه موردی: رگرسیون در مهندسی
• 71. توصیه‌ها برای برخورد با همبستگی بالا
• 72. اشتباهات رایج در مدیریت همبستگی
• 73. همبستگی متغیرهای وابسته و مستقل
• 74. تفاوت همبستگی و علیت
• 75. ملاحظات زمانی در همبستگی
• 76. همبستگی در داده‌های پنل
• 77. همبستگی در داده‌های سری زمانی
• 78. همبستگی و پیش‌بینی
• 79. همبستگی و آزمون فرضیه
• 80. تاثیر همبستگی بر انتخاب متغیر نهایی
• 81. همبستگی و مدل‌های پیچیده‌تر
• 82. همبستگی در رگرسیون لجستیک
• 83. همبستگی در رگرسیون پواسون
• 84. همبستگی در مدل‌های غیرخطی
• 85. همبستگی و داده‌های پرت (Outliers)
• 86. همبستگی و مقیاس‌گذاری داده‌ها
• 87. همبستگی و نرمال بودن باقی‌مانده‌ها
• 88. همبستگی و ناهمسانی واریانس (Heteroscedasticity)
• 89. تاثیر همبستگی بر ضریب تعیین (R-squared)
• 90. همبستگی و حداقل مربعات معمولی (OLS)
• 91. همبستگی و بیشینه درست نمایی (MLE)
• 92. ابزارهای نرم‌افزاری برای تشخیص و رفع همبستگی
• 93. آزمایش فرضیه برای ضرایب رگرسیون در حضور همبستگی
• 94. اهمیت بررسی فروض رگرسیون
• 95. پیوند همبستگی با مفاهیم آماری دیگر
• 96. راهکارهای خلاقانه برای مدیریت همبستگی
• 97. مقایسه اثرگذاری روش‌ها در شرایط مختلف
• 98. نتیجه‌گیری از بررسی استراتژی‌های رفع همبستگی
• 99. تکمیل دانش درباره مدیریت همبستگی در رگرسیون
• 100. اهمیت استراتژی‌های رفع همبستگی در تحقیقات کاربردی