فلش‌کارت‌های آموزشی راهنمای جامع نرم‌افزار CROSSTABS برای تحلیل داده‌های جدولی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع نرم‌افزار CROSSTABS برای تحلیل داده‌های جدولی

موضوع کلی: تحلیل و پردازش داده‌های آماری

موضوع میانی: نرم‌افزارهای تحلیل آماری

📋 سرفصل‌های دوره

• 1. مقدمه ای بر تحلیل داده های جدولی
• 2. آشنایی با نرم افزار CROSSTABS
• 3. نصب و پیکربندی CROSSTABS
• 4. رابط کاربری CROSSTABS
• 5. مفاهیم پایه در CROSSTABS
• 6. ورود داده ها به CROSSTABS
• 7. انواع متغیرها در CROSSTABS
• 8. کدگذاری متغیرها
• 9. ساختار فایل داده
• 10. مدیریت فایل های داده
• 11. ایجاد جداول فراوانی
• 12. تحلیل تک متغیره
• 13. نمودارهای میله ای و دایره ای
• 14. تحلیل دو متغیره
• 15. جداول توافقی (Contingency Tables)
• 16. مفهوم جدول توافقی
• 17. ابعاد جداول توافقی
• 18. فراوانی های مشاهده شده
• 19. فراوانی های مورد انتظار
• 20. آزمون کای دو (Chi-Square Test)
• 21. مفهوم آزمون کای دو
• 22. مفروضات آزمون کای دو
• 23. محاسبه آماره کای دو
• 24. تفسیر نتایج کای دو
• 25. سطح معنی داری (p-value)
• 26. خطاهای نوع اول و دوم
• 27. اندازه اثر در آزمون کای دو
• 28. ضریب فی (Phi Coefficient)
• 29. ضریب کرامر وی (Cramer's V)
• 30. ضریب همبستگی تاو بی (Tau-b)
• 31. ضریب همبستگی تاو سی (Tau-c)
• 32. ضریب کندال (Kendall's Tau)
• 33. نسبت شانس (Odds Ratio)
• 34. لگاریتم نسبت شانس (Log Odds Ratio)
• 35. تحلیل رگرسیون لجستیک
• 36. مفهوم رگرسیون لجستیک
• 37. مدل رگرسیون لجستیک
• 38. تفسیر ضرایب رگرسیون
• 39. آزمون نسبت درستنمایی (Likelihood Ratio Test)
• 40. آماره والد (Wald Statistic)
• 41. شاخص های برازش مدل
• 42. تحلیل همبستگی
• 43. انواع همبستگی
• 44. ضریب همبستگی پیرسون
• 45. ضریب همبستگی اسپیرمن
• 46. همبستگی جزئی
• 47. همبستگی چندگانه
• 48. تحلیل واریانس یک طرفه (ANOVA)
• 49. مفهوم ANOVA
• 50. مفروضات ANOVA
• 51. محاسبه آماره F
• 52. تفسیر نتایج ANOVA
• 53. آزمون تعقیبی (Post Hoc Tests)
• 54. تحلیل واریانس دو طرفه
• 55. تحلیل کوواریانس (ANCOVA)
• 56. تحلیل عاملی اکتشافی (EFA)
• 57. مفهوم تحلیل عاملی
• 58. استخراج عوامل
• 59. چرخش عوامل
• 60. تفسیر عوامل
• 61. تحلیل عاملی تاییدی (CFA)
• 62. مدل سازی معادلات ساختاری (SEM)
• 63. مقدمه ای بر SEM
• 64. مفاهیم پایه SEM
• 65. شاخص های برازش در SEM
• 66. تحلیل مسیر (Path Analysis)
• 67. مدل های اندازه گیری
• 68. مدل های ساختاری
• 69. کاربرد CROSSTABS در تحقیقات اجتماعی
• 70. کاربرد CROSSTABS در تحقیقات بازار
• 71. کاربرد CROSSTABS در علوم پزشکی
• 72. کاربرد CROSSTABS در علوم رفتاری
• 73. مدیریت خطاها در CROSSTABS
• 74. بهینه سازی محاسبات در CROSSTABS
• 75. نوشتن اسکریپت در CROSSTABS
• 76. اتوماسیون وظایف در CROSSTABS
• 77. گزارش گیری در CROSSTABS
• 78. سفارشی سازی خروجی ها
• 79. استفاده از داده های حجیم
• 80. مدیریت داده های گمشده
• 81. روش های جایگزینی داده های گمشده
• 82. اعتبارسنجی مدل های آماری
• 83. اعتبار سنجی متقاطع (Cross-validation)
• 84. بایاس و واریانس
• 85. پیش پردازش داده ها
• 86. پاکسازی داده ها
• 87. تبدیل داده ها
• 88. استاندارد سازی داده ها
• 89. نرمال سازی داده ها
• 90. تشخیص و مدیریت داده های پرت
• 91. مقدمه ای بر یادگیری ماشین
• 92. یادگیری تحت نظارت
• 93. یادگیری بدون نظارت
• 94. الگوریتم های طبقه بندی
• 95. الگوریتم های خوشه بندی
• 96. ارزیابی مدل های یادگیری ماشین
• 97. کاربرد CROSSTABS در هوش تجاری
• 98. مفاهیم داشبورد سازی
• 99. طراحی گزارش های تحلیلی
• 100. مصورسازی پیشرفته داده ها