دوره آموزش تحلیل آماری SPSS

دوره جامع spss

آموزش جامع تحلیل آماری با SPSS (حضوری و آنلاین)

داده ها در  قرن 21   حوزه ای محبوب و داغ   است. بر اساس گزارش کسب و کار هاروارد (2012) دانش داده داغترین  حوزه در قرن 21 خواهد بود و در نتیجه  تحلیلگران داده ها آینده ای  بسیار درخشانی در پیش دارند. این دوره با هدف  آشنایی کامل و تسلط دانشجویان بر تجزیه و تحلیل داده ها و افزایش اعتماد به نفس و دقت حرفه ای آنها برگزار خواهد شد. قطعا این دوره برای کسانی که  قصد دارند وارد دوره های تحصیلات تکمیلی دانشگاه شوند و کسانی که به دنبال افزایش دانش  کسب و کار ، درک رفتار مصرف کننده ، توسعه برنامه های عینی برای فعالیت های جدید ، مطالعه برند یا نوشتن مقالات علمی در ژورنال های معتبر  و انجام  پایان نامه / پروژه با کیفیت بالا هستند می تواند بسیار مفید باشد.امروزه داشتن دانش  کافی  در زمینه تجزیه و تحلیل داده های کمی ، شرط لازم برای پیشرفت در دنیای دانشگاهی است. با توجه به این نکته ، این دوره به گونه ای طراحی شده است که دانشجویان ، محققان ، معلمان و متخصصان شرکتی که  قصد دارند  مهارت های  خود  در زمینه  تجزیه و تحلیل داده ها ارتقا دهند  و می خواهند با این مهارت پیشرفت کنند  می توانند بصورت گام به گام همه موضوعات و مفاهیم SPSS را بصورت نظری و عملی فرا گیرند.پس از اتمام این دوره ، شما  قادر خواهید بود به تنهایی داده ها را ایجاد و  تجزیه و تحلیل کرده و از نتایج تحلیل آنها برای  برنامه ریزی و انجام کارهای تحقیقاتی جدید خود استفاده کنید. این دوره شامل  مبانی و تکنیک های تحقیقاتی است که در تحقیقات دانشگاهی به کار گرفته می شود.

مدت زمان دوره
20 ساعت

پشتیبانی و رفع اشکال رایگان
یکسال پس از پایان دوره

درباره تحلیل آماری با SPSS

در این دوره  شما  با  نحوه  تجزیه و تحلیل داده ها با استفاده از  روشهای آماری در SPSS آشنا خواهید شد.همچنین یاد خواهید گرفت  چگونه نتایج  آزمونهای مختلف آماری را تفسیر کنید و اینکه چگونه نتایج تحلیل های آماری را با استفاده از قالب APA تنظیم کنید.

SPSS مخفف “بسته آماری برای علوم اجتماعی” است و توسط IBM طراحی شده است. این ابزار که  اولین بار در سال 1968 راه اندازی شد.  یک بسته نرم افزاری برای تجزیه و تحلیل آماری داده ها است.SPSS عمدتا در زمینه های زیر مانند مراقبت های بهداشتی ، بازاریابی و تحقیقات آموزشی ، محققان بازار ، محققان بهداشت ، شرکت های نظرسنجی ، محققان آموزش ، دولت ، سازمان های بازاریابی ، داده کاوی و دانشجویان و بسیاری موارد دیگر استفاده می شود.در قالب این بسته جامع می توان داده ها را برای آمار توصیفی ، تجزیه و تحلیل داه ها و  پیش بینی نتایج و شناسایی گروه ها مورد استفاده قرار داد. این نرم افزار همچنین امکان تبدیل  ویژگی های داده ، نمودار سازی و  مدیریت   مستقیم  داده ها را  فراهم می کند.در SPSS ، داده ها در قالب SAV ذخیره می شوند. این داده ها بیشتر از نظر سنجی ها حاصل می شود. این امر فرآیند دستکاری ، تجزیه و تحلیل وکار با  داده ها را بسیار ساده می کند. SPSS به داده های مربوط به  انواع مختلف متغیرها دسترسی آسان دارد و خوشبختانه  درک این داده های متغیر آسان است. SPSS به محققان کمک می کند تا به راحتی بتوانند مدل ها  را تنظیم کنند زیرا بیشتر فرآیند بصورت  خودکار  انجام می شود.

مزایای تحلیل آماری با SPSS

مزایای SPSS

مدیریت موثر داده ها

ارایه طیف گسترده ای از داده ها

سازماندهی بهینه خروجی نتایج

وارد کردن داده ها از منابع محتلف

گزینه های نمایش گرافیکی عالی

ارایه مدل های آماری متنوع

سهولت در کار کردن با رابط

امکان یاددگیری گام به گام

قابلیت کار کردن با داده های پارامتریک و غیرپارامتریک

.

هدف از دوزه تحلیل آماری با SPSS چیست؟

کسب تحصیلات آماری پیش نیاز کار حرفه ای و علمی هر پژوهشگر استحمایت نهادی از آموزش آماری دانشجویان و پژوهشگران نقطه شروع اساسی در توسعه شایستگی های پژوهشی لازم برای یک استاد آینده استموضوع دوره تحلیل آماری با SPSS بر بررسی اثربخشی کاربرد برنامه پردازش آماری داده ها در تدریس و پژوهش است. دوره تحلیل آماری با SPSS برای این طراحی شده است که بتوانید به کشف حقیقت های پنهان در هر رشته دست یابید و به فهم شما در بهتر شدن جهان هستی کمک کند و جهان را جای بهتری برای زندگی کنید.ما معتقدیم که SPSS ممکن است به طور قابل توجهی کسب دانش نظری و عملی مربوط به حوزه آمار در تحقیقات آموزشی را تسهیل کندهدف  دوره تحلیل آماری با SPSS این است که بتواند پژوهشگرانی تربیت کند تا بتوانند به رفع مشکلات موجود در کشور کمک کنند.

هدف از دوزه تحلیل آماری با SPSS چیست؟

این دوره ابزارهایی را که برای قدرت بخشیدن به داده ها نیاز دارید در اختیار شما قرار می دهد: «چگونه آزمایش ها را تنظیم کنیم، چگونه داده ها را جمع آوری کنیم، چگونه از داده ها یاد بگیریم، و در مورد نحوه هدایت مسائل قانونی، قانونی و اخلاقی مربوط به داده ها تصمیم گیری کنیم. تصمیم گیری رانده شده است.»

این برنامه چارچوب هایی را آموزش می دهد که به طور گسترده در تجزیه و تحلیل کسب و کار استفاده می شوند: “تعصب، آزمایش، تجزیه و تحلیل توصیفی، تجزیه و تحلیل اکتشافی، و تجزیه و تحلیل پیش بینی”، سپس شرکت کنندگان چارچوب هایی را که از طریق وظایف یاد گرفته اند پیاده سازی می کنند.

مزیت های کم نظیر دوره آموزش تحلیل آماری با SPSS

 

۱استفاده رایگان از بروز رسانی های این دوره تا هر زمانی که سایت فعالیت خود را انجام دهد.
۲مشاوره و پشتیبانی رایگان کارشناسان خبره به افرادی که این دوره را دریافت می کنند.
۳پس از شرکت در دوره آموزش تحلیل آماری با SPSS در صورتی که در انجام پروژه خود به مشکل برخورد کردید، می‌توانید به شماره 09382252774 پیامک بدهید و یا مشکل خود را به ایمیل Saeedjavizadeh”gmail ارسال کنید تا در اسرع وقت ویدیو آموزشی مختص کار شما به صورت رایگان برای شما تهیه شود.
۴پیشنهاد همکاری برای افرادی که ویدیو های آموزشی را با دقت نگاه می کنند و پس از آن با شرکت در آزمون ورودی شرکت و کسب نتیجه مطلوب، می توانند شرکت می کنند و سپس می توانند در جمع کارشناسان خبره موسسه چشم انداز  قرار گیرند.
5-
تمام آموزش‌ها در این بسته به صورت ویدیویی، به همراه مثال کاربردی، مفاهیم آماری، مراحل انجام آزمون در نرم افزار SPSS و تحلیل خروجی می‌باشد. بنابراین شما با شرکت در دوره تحلیل آماری با SPSS قادر خواهید بود پروژه خود را به تنهایی انجام دهید.

 

از مهمترین دستاوردهای دوره جامع SPSS می توان به موارد زیر اشاره نمود :

  • استفاده مطمئن از تجزیه و تحلیل هر نوع داده کمی و کیفی
  • برنامه ریزی دقیق در زمینه انجام تحقیقات خود
  • شناخت طرح تحقیق و نتایج ارائه شده در مقالات مجله
  • انجام دقیق تجزیه و تحلیل داده ها و ارایه نتایج در قالب استاندارد
  • آشنایی با مفاهیم و نظریه های آماری .
  • کسب مهارت های اساسی در تجزیه و تحلیل داده ها و تحلیل های آماری .
  • پیش بینی پدیده های اقتصادی آینده .

مفید برای رشته های

    • روانشناسی  و علوم تربیتی
    • جغرافیا
    • مدیریت
    • پرستاری  و پزشکی
    • آمار زیستی
    • حسابداری
    • روانشناسی
    • آمار
    • علوم اجتماعی
    • علوم سیاسی

برخی شرکت‌کنندگان دوره‌های تحلیل آماری با SPSS 

تاکنون بیش از 9500 نفر از آموزش‌ها و مشاوره‌های دکتر سعید جوی زاده برای تحلیل های آماری  خود استفاده کرده اند. برخی از تصاویر دوره های قبلی کتاب نویسی در زیر آمده است:

مدرس دوره آموزش تحلیل آماری با SPSS :

  • بنیان‌گذار آکادمی هوش پیروزی
  • بنیان گذار موسسه علمی تحقیقاتی چشم انداز هزاره سوم ملل
  • بنیان گذار کشراه:بزرگراه کشاورزی ایران
  • بنیان گذار موسسه فرهنگی هنری بیا بوک
  • نویسندۀ 60 عنوان کتاب در حوزۀ نویسندگی و علم؛
  • مربی و کوچ کتاب‌نویسی بیش از 2000 مدرس، پژوهشگر، مدیر و رهبران کارآفرین
  • طراح و مدرس دوره‌های آموزشی ئر زمینه های مختلف پژوهشی
  • برگزاری بیش از 700 کارگاه آموزشی در زمینه های مختلف آموزشی در سراسر کشور
  • تولید بیش از 3000 فیلم آموزشی در فضای اینترنت و شبکه های اجتماعی
  • تالیف صدها مقاله علمی در نشریات معتبر علمی و کنفرانس های داخلی و بین المللی

دوره تحلیل آماری با SPSS  موسسه چشم انداز  شامل چهار محتوای اصلی است:

  • روش ها و تکنیک های پژوهش مدرن
  • مطالب آماری مورد نیاز برای انجام پایان نامه و رساله دکتری
  • نرم افزار و روش آزمون فرضیات
  • نحوه ارائه گزارش تحقیق در قالب پایان نامه و رساله دکتری و مقالات علمی و بین المللی
همچنین تلاش می شود دانشجو ابتدا با فضای نرم افزار آشنا گردیده و گام به گام  با دکتر سعید جوی زاده  پیش رود و مطالب پایه ای مثل ورود و ویرایش  داده ها و پیش پردازش های مختلف و دستورات مقدماتی را بیاموزد، سپس در قالب انواع دسته بندی های روش شناسی فرضیات به آزمون آن ها و تجزیه و تحلیل داده ها  و تفسیر آن ها پرداخته شود. همچنین کلیه روش های نادرست چه از نگاه روش شناختی، و چه آماری و نرم افزاری که در رساله ها و مقالات فارسی مورد استفاده قرار می گیرد به بوته نقد گذاشته می شود. خوشبختانه هر محققی بعد از پایان دوره قادر خواهد بود پروژه های سازمانی و آکادمیکی که نیاز به تجزیه و تحلیل با SPSS دارد را خودش به تنهایی انجام دهد. افتخار ما این است که تاکنون محققی در موسسه ما تنها به یک دوره اکتفا نکرده است و خوشبختانه با کسب رضایتی در سطح مناسب ، حداقل در دو دوره دیگر موسسه نیز شرکت نموده است و موسسه از محققیینی کاملا وفادار نسبت به دوره های برگزار شده در مدت زمان 6 سال اخیر برخوردار است. شرکت در این دوره های کاربردی و تضمینی را به شما محققین مقطع کارشناسی، کارشناسی ارشد و دکتری پیشنهاد می کنم. زیرا محققینی که تحقیقات کمی و یا آمیخته دارند، حتی اگر از بخش اصلی تحلیل پروژه آن ها استفاده از نرم افزار هایی مثل لیزرل، ایموس، پی ال اس، و. باشد باز هم از این نرم افزار بی نیاز نخواهند بود و بخش های مهمی از تجزیه و تحلیل پروژه آن ها به این نرم افزار و استفاده درست از آن بستگی دارد.      

اگر به یکی از سوالات زیر پاسخ مثبت داده اید ، دوره تحلیل آماری با SPSS برای شما مناسب است

    • آیا شما دانشجوی دکترای هستید؟
    • آیا شما دانشجوی کارشناسی ارشد هستید؟
    • آیا شما در حال نوشتن پایان نامه یا مقاله دانشگاهی هستید و آیا برای راهنمایی در تحلیل آماری  خوب نیاز به کمک دارید؟
    • آیا می خواهید مهارت های مورد نیاز برای تحلیل آماری  را توسعه و گسترش دهید؟
    • آیا دوست دارید یاد بگیرید که چگونه نتایج تحلیل های آماری خود را بنویسید؟

</

برخی از تالیفات دکتر سعید جوی زاده :

  • بنیان‌گذار آکادمی هوش پیروزی
  • “كتاب نوآوري اجتماعي در مديريت شهري” . تهران. انتشارات دانشگاه تهران، 1398.
  • “مقدمه ای بر خشکسالی و شاخصهای آن”. تهران. انتشارات سمت. 1389
  • “آمار فضایی کاربردی”انتشارات دانشگاه هرمزگان،1399
  • ” پردازش داده های لیدار ” . تهران. انتشارات آکادمیک، 1399.
  • ” همه چیز درباره مکانی یابی ” . تهران. انتشارات آکادمیک، 1399.
  • “آموزش کاربردی Arc GISمقدماتی” . تهران. انتشارات کیان، 1395.
  • “آموزش کاربردی Arc GIS پیشرفته” . تهران. انتشارات کیان، 1395.
  • “آموزش کاربردی . “ENVIتهران. انتشارات کیان، 1395.
  • “اصول نگارش مقالات علمی”. شیراز. انتشارات همارا، 1395.
  • “خشکسالی و حاصلخیزی خاک”تهران. انتشارات آکادمیک. 1395.
  • “آموزش کاربردی Arc GIS برای جغرافیا و علوم فنی و مهندسی “تهران. نشر هنرهای زیبا.1388
  • “یردازش تصاویر ماهواره ای در Arc GIS”. شیراز، انتشارات آکادمیک. تهران. 1396.
  • “آموزش Gr ADS”. انتشارات آکادمیک. تهران. 1396.
  • “از انتخاب موضوع تا ارسال مقاله ویژه رشته های فنی و مهندسی و علوم پایه”. تهران. انتشارات آکادمیک. 1396.
  • “مبانی آسیب پذیری خشکسالی”. انتشارات آکادمیک. 1396.
  • “اصول نگارش پروپوزال های علمی”. تهران. انتشارات آکادمیک. 1396.
  • “تکنیک های آماری در مقالات ISI”. تهران. انتشارات آکادمیک. 1396.
  • “مدیریت خشکسالی در هزاره سوم”. تهران. انتشارات آکادمیک. 1396.
  • ” کاربرد Arc GISدر برنامه ریزی شهری و مدیریت شهری” . تهران. انتشارات کیان، 1396.
  • “مدلهای آب و هوایی” . تهران: انتشارات آکادمیک: انجمن علمی جغرافیایی ایران‏ ، ۱۳۹۵.
  • “کارگاه عملی مکانیابی در GIS با استفاده از فرایند تحلیل سلسله مراتبی (AHP)”. تهران : انتشارات سخنوران، ‏ ۱۳۹۴.
  • “یردازش تصاویر سنجش از دور در MATLAB”، انتشارات آکادمیک. تهران. 1396.
  • ” آمار فضایی جلد اول ” انتشارات آکادمیک. تهران. 1396.
  • ” آمار فضایی جلد دوم ” انتشارات آکادمیک. تهران. 1396
  • ” مکاتبات بین المللی در پژوهشگری ” انتشارات آکادمیک. تهران. 1397
  • “مدل های آب و هوایی”. انتشارات آکادمیک. تهران. 1397.
  • “اصول نگارش مقالات علمی در اقتصاد و مدیریت و حسابداری”انتشارات اکادمیک 1397.
  • “روش تحقیق در علوم انسانی”انتشارات اکادمیک 1397.
  • “سنجش از دور خشکسالی”، انتشارات آکادمیک. تهران. 1397.
  • “پردازش تصاویر ماهواره ای در زمین شناسی و معدن”، انتشارات آکادمیک. تهران. 1397.
  • “آموزش کاربردی ArcGIS در زمین شناسی و معدن”، انتشارات آکادمیک. تهران. 1397.
  • “یادداشتهای کارآفرینی”، انتشارات آکادمیک. تهران. 1397.
  • “معجون پژوهشگری “، انتشارات آکادمیک. تهران. 1398.
  • “رهبری جغرافیایی”، انتشارات آکادمیک. تهران. 1398.
  • و…

چرا دوره تحلیل آماری با SPSS  موسسه چشم انداز  را به شما پیشنهاد می کنیم :

  • زیرا آموزش‌ها به صورت کاربردی ارائه می شود  و شما در پایاندوره تحلیل آماری با SPSS می‌توانید پروژه خود را به تنهایی انجام دهید.
  • زیرا پس از شرکت می‌توانید تا هر زمان که بسته آموزشی به روز شود، به صورت رایگان از موارد به روز شده استفاده کنید.
  • زیرا علاوه بر اینکه پروژه خود را انجام می‌دهید، می‌توانید به عنوان تحلیلگر در شرکت های آمار ی مشغول به کار شوید.
  • زیرا لازم نیست در کلاس‌های وقت‎‌گیر ثبت نام کنید و هر زمان فرصت داشتید میتوانید محتوای آموزشی خود را مشاهده کنید.
  • زیرا دوره آموزش نرم افزار SPSS به صورت کامل ارائه شده و آموزش‌ها برای افراد مبتدی نیز مفید می‌باشد.
  • زیرا لازم نیست برای قسمت کوچکی از تحلیل خود هزینه چندین برابر به موسسات پرداخت کنید.
  • زیرا دوره تحلیل آماری با SPSSبه هیچ وجه پیچیده نیست و در زمان کم بالاترین بهره را خواهید برد.

سوالات متداول درباره دوره جامع تحلیل آماری با SPSS

چگونه می توان کنتراست  ANOVA را در SPSS انجام داد؟

چگونه می توان میانیگین  سلول ANOVA را پلات کرد؟

چگونه می توانم تفاوت میانگین ها را با استفاده از مدل سلول بررسی  کنم؟

چگونه می توان آزمون های  مربوط به تأثیرات اصلی ساده را در SPSS انجام داد؟

چگونه می توان اندازه گیری های مکرر anova با تغییرات متغیر را در SPSS انجام داد؟

چگونه می توان تعامل سه جانبه را در ANOVA توضیح داد؟

چگونه می توانم از زیر فرمان lmatrix برای درک تعامل سه جانبه در ANOVA استفاده کنم؟

چگونه می توانم ازaggregate  و OMS برای توضیح تعامل سه جانبه در ANOVA استفاده کنم؟

چگونه می توانم از LMATRIX و MMATRIX برای انجام کنتراست های سفارشی در اندازه گیری مکرر ANOVA استفاده کنم؟

 

 

مخاطبین دوره جامع تحلیل آماری با SPSS چه کسانی هستند؟

دانشجویان و محققان مقاطع تحصیلات تکمیلی که   به دنبال کسب  تسلط بر مهارت های SPSS و انتشار در مجلات معتبر هستند.

متقاضیان کار که به دنبال استخدام در شغل های مربوط به تجزیه و تحلیل داده در شرکت ها یا سازمان ها هستند.

اعضای هیئت علمی دانشگاهها که  به دنبال تسلط بر SPSS و ارتقای مهارت های تجزیه و تحلیل داده های خود هستند.

  • مدیران پایگاه داده و مدیران سیستم .
  • تحلیلگران کسب و کار و متخصصان هوش تجاری
  • متخصصان داده
  • کارکنان بانک ها و مؤسسات مالی.
  • متخصصان مدیریت که به دنبال درک استراتژی ها و فناوری های کلان داده هستند.
  • هرکسی که خود را نیازمند این دوره می بیند و می خواهد مهارت و تجربه خود را توسعه دهد.
  • کارگران در بخش های مختلف.
  • آمارگیران و حسابداران.
  • کسانی که مایل به توسعه توانایی های خود برای استفاده از روش های آماری در تجزیه و تحلیل داده ها برای تصمیم گیری موثر هستند و نامزدهای ارتقاء به این موقعیت ها.
  • هرکسی که خود را نیازمند این دوره می بیند و می خواهد مهارت و تجربه خود را در این زمینه توسعه دهد.
  •  

پیش نیازهای لازم دوره جامع SPSS:

علاقمندی به تجزیه و تحلیل داده ها و آمار ، استعداد تحقیق و داشتن  انگیزه برای انجام کارهای تحقیقاتی بزرگ.

سرفصل های دوره جامع SPSS

هفته اول: مبانی و نظری

  • تاریخچه علم آمار
  • اهمیت علم آمار
  • اهمیت تحلیل های آماری
  • مفاهیم و واژه های کاربردی
  • مراحل مختلف یک تحلیل آماری
  • آمار کلاسیک در برابر آمار فضایی
  • نکات طلایی در یادگیری آمار
  • مهم ترین پژوهش های آماری
  • پایان نامه ها و رساله ها
  • آمار در مقالات علمی
  • “چه نوع تحلیل آماری ”، “چرا” و “چگونه ”
  • رسالت اصلی یک تحلیلگر آماری
  • یادگیری سریع آمار
  • مراحل انجام یک تحلیل آماری
  • مدیریت زمان و تحلیل آماری
  • آنچه که به شما نگفته اند …

هفته دوم: روش انجام یک پروژه آماری

  • ایجاد مشکل و مسئله
  • مشورت با کارشناسان و نخبگان
  • جمع آوری داده ها
  • چک کردن داده ها و صحت سنجی
  • انتخاب نرم افزار
  • وارد کردن داده ها به نرم افزار
  • انتخاب ابزار مناسب
  • انتخاب روش مناسب
  • پردازش
  • تصمیم سازی
  • تصمیم گیری
  • ارزیابی پروژه

هفته سوم: وارد کردن داده ها:یادگیری نحوه وارد کردن داده ها در SPSS

  • توضیح متغیرها:متغیرهای مستقل،وابسته، واسطه و تعدیل کننده
  • نوع داده(عددی):تعریف نام،عرض، اعشاری و لیبل های متغیرها
  • نوع متغیر:کاما و نقطه
  • نوع متغیر:علامت های علمی
  • نوع متغیر: تنظیم تاریخ و تایم
  • نوع متغیر:دلار
  • نوع متغیر: Custom Currency
  • نوع متغیر:String
  • نوع متغیر:عدد محدود
  • تعریف داده های ناپدید شده: Discrete, Range & System-Missing Values
  • ستون ها و همراستایی string
  • تعریف سنجه ها: مقیاس های اندازه گیری

هفته چهارم:کار کردن با انواع فایلها در SPSS

  • انواع فایلهای داده در SPSS
  • باز کردن فایل داده های اکسل در SPSS
  • باز کردن فایل CSV در SPSS
  • تبدیل داده ها در SPSS:Recode وسایر توابع تبدیل
  • مجموعه داده ها و منابع: عملکرد RECODE
  • تابع Variable COMPUTE: چیست و چه کاری می تواند برای ما انجام دهد؟
  • محاسبه کل با استفاده از تابع COMPUTE
  • تمرین: کار کردن با COMPUTE با استفاده از IF
  • تابع RECODE: چرا کدگذاری مجدد (recode) متغیر را انجام می دهیم؟
  • چرا دو تابع RECODE داریم؟
  • چگونه می توان RECODE INTERFERENT VARIABLE را در SPSS انجام داد؟
  • محاسبه کل بعد از RECODE
  • ثبت در متغیر مشابه

هفته پنجم:آمار توصیفی با استفاده از SPSS

  • آماده کردن داده ها برای تجزیه و تحلیل توصیفی
  • انواع آمار توصیفی
  • آشنایی با سه tab مختلف توصیفی در SPSS
  • محاسبه فرکانس ها
  • تجزیه و تحلیل توصیفی با استفاده از Crosstab
  • اندازه گیری گرایش مرکزی(میانگین): میانگین ، حالت متوسط ، mode – مفهوم و موارد استفاده
  • محاسبه و تفسیر میانگین ، حالت متوسط و mode
  • تأیید mode با فرکانس ها
  • گزینه explore: محاسبه مشخصات توصیفی گروهی
  • گزینه Explore : تفسیر میانگین گروهی و میانگین اطمینان 95٪
  • 5٪ میانگین اصلاح شده: مفهوم ، استفاده و تفسیر
  • متوسط ، انحراف معیار ، واریانس ، حداقل ، حداکثر و دامنه
  • Quartiles و Inter-Quartile Range با استفاده از گزینه Explore
  • Skewness و Kurtosis: مبانی
  • محاسبه و تفسیر سطح معنی داری چولگی
  • Kurtosis: محاسبه ، تفسیر و شناخت سطح معنی داری
  • خطای استاندارد میانگین: مفهوم ، محاسبه و تفسیر

هفته ششم:آزمون t نمونه مستقل:مقایسه میانگین دو گروه مستقل

  • آزمون t نمونه مستقل:تعریف گزینه های input
  • آزمون t نمونه مستقل: تفسیر خروجی توصیفی (میانگین ، SD ، SE)
  • آزمون t نمونه مستقل: تفسیر آزمون Levene ، t ، p ، SE وفاصله اطمینان 95٪
  • نوشتن APA Style برای آزمون تی مستقل

هفته هفتم:آزمون t نمونه جفت شده(زوجی): مقایسه بین میانگین دو گروه وابسته

  • محاسبه آزمون تی زوجی در SPSS
  • تفسیر خروجی نمونه آزمون زوجی
  • نوشتن APA Style برای آزمون تی زوجی

هفته هشتم:آزمون نحلیل واریانس(ANOVA) یک طرفه

  • کی می توان از این آزمون استفاده کرد؟
  • محاسبه ANOVA یک طرفه در SPSS
  • تفسیر خروجی ANOVA: آمار توصیفی
  • تفسیر خروجی: جدول خلاصه ANOVA
  • انجام تجزیه و تحلیل post-hoc در ANOVA: آزمون همگنی واریانس و post-hoc
  • آنالیز روند و نمایش میانگین در ANOVA
  • تجزیه و تحلیل کنتراست در ANOVA

هفته نهم:رگراسیون خطی:تجزیه و تحلیل علت و معلول یک متغیر مستقل بر یک متغیر وابسته

  • رگراسیون چیست؟
  • چه وقت می توان از رگرسیون خطی بجای رگرسیون چندگانه استفاده کرد؟
  • تعریف گزینه های ورودی SPSS برای رگرسیون خطی
  • تفسیر خروجی رگرسیون خطی: متغیرها و خلاصه مدل
  • تفسیر خروجی رگرسیون خطی: مقدار ثابت ، B ، Beta ، SE و t
  • رگراسیون چندگانه:تاثیر چند متغیر مستقل بر متغیر وابسته
  • مفروضات رگرسیون چندگانه: خطی بودن و بررسی خطی بودن در SPSS
  • فرض2: استقلال خطاها / عدم همبستگی بین متغیرها و بررسی آن در SPSS
  • فرض 3: همگنی خطاها و بررسی آن در SPSS
  • فرض 4: نرمال بودن چند متغیره و بررسی آن در SPSS
  • فرضی 5: چند خطی بودن و بررسی آن در SPSS
  • انتخاب روش رگرسیون چندگانه: روش ورود داده
  • انتخاب روش رگرسیون چندگانه: روش گام به گام(Stepwise) و انتخاب forward
  • انتخاب روش رگرسیون چندگانه: روش حذف backward
  • اجرای روش رگرسیون گام به گام و forward در SPSS
  • انتخاب روش رگرسیون چندگانه: روش remove
  • نجزیه و تحلیل رگراسیون سلسه مراتبی
  • نجزیه و تحلیل رگراسیون سلسه مراتبی چیست و چه وقت می توان ازآن استفاده کرد؟
  • آماده کردن داده ها و تعریف مدل در رگرسیون سلسله مراتبی
  • بهبود مدل و شناسایی همبستگی بین متغیرها از طریق ماتریس همبستگی
  • مشخص کردن داده های بد(غیرنرمال): استفاده از مقادیر بتا ، مربع R و p برای اصلاح بیشتر مدل
  • تفسیر خروجی رگرسیون سلسله مراتبی

هفته دهم:تحلیل عامل اکتشافی

  • تحلیل عامل چیست؟
  • درک متغیرهای نهفته و شاخص ها در تحلیل عامل
  • نمونه تحقیقاتی که از تحلیل عامل در علوم اجتماعی و مهندسی اجتماعی استفاده کرده اند
  • منشأ تاریخی تحلیل عامل و کاربرد آن در آزمون سازی
  • مقایسه تحلیل عامل اکتشافی با تحلیل عاملی تأییدی (EFA در مقابل CFA)
  • آماده کردن داده ها برای تجزیه و تحلیل عوامل
  • آشنایی با “متغیر انتخاب”
  • مشخصه های توصیفی تک متغیره و راه حل های اولیه: توصیفی
  • ماتریس همبستگی: ضرایب ، معنادار بودن ، عامل تعیین کننده ، KMO و بارتلت
  • یادگیری Inverse ، باز تولیدی ، anti-image
  • روش استخراج: تجزیه و تحلیل مو لفه اصلی
  • روش استخراج: فاکتورگیری از عامل اصلی
  • روش استخراج: برآورد حداکثر احتمال
  • انتخاب ماتریس همبستگی و کوواریانس برای تحلیل عامل
  • تفسیر ماتریس همبستگی و راه حل عامل بدون چرخش
  • تعیین تعداد عوامل: استفاده از معیارهای Scree Plot و مقدار Kaiser
  • چرخش فاکتور: چیست و هدف از استفاده ازآن چیست؟
  • روش های چرخش: Varimax ، Quartimax ، Equamax ، Direct Oblimin ، Promax
  • محاسبه امتیازات و مقادیر فاکتور: رگرسیون ، بارتلت ، اندرسون-روبین
  • ماتریس ضریب امتیاز فاکتور
  • تجزیه و تحلیل مقدار از دست رفته: بر اساس لیست ، به صورت جفت ، جایگزین با میانگین
  • مرتب سازی بر اساس اندازه و حذف ضرایب کوچکتر
  • پروژه تحلیل عاملی قسمت 1: شناسایی ابعاد شخصیت
  • پروژه تحلیل عاملی قسمت 2: شناسایی ابعاد شخصیت
  • پروژه تحلیل عاملی قسمت 3: شناسایی ابعاد شخصیت
  • پروژه تجزیه و تحلیل فاکتورها قسمت 4: نامگذاری فاکتورها
  • پروژه تجزیه و تحلیل عوامل قسمت 5: تحلیل قابلیت اطمینان فاکتورها
  • پروژه تجزیه و تحلیل عامل قسمت 6: ارائه نتایج به سبک APA

هفته یازدهم:آزمون Chi-Square

  • آزمون Chi Square: مقدمه – چه زمانی باید از آزمون Chi-Square استفاده کرد؟
  • فرضیات آزمون Chi-Square
  • فرمول محاسبه آزمون Chi-Square
  • آماده کردن داده ها برای محاسبه Chi-Square با استفاده از گزینه Crosstabs
  • بررسی فرضیات آزمون Chi-Square با استفاده از گزینه Crosstabs
  • تفسیر خروجی آزمون Chi-Square و گزارش به سبک APA
  • Chi-Square یک طرفه: چه موقع استفاده می شود و چه تفاوتی با Chi-Square دو طرفه دارد؟
  • آماده کردن داده ها برای آزمون Chi Square یک طرفه
  • تعیین وزن موارد ، محاسبه ، تفسیر و نوشتن APA برای Chi Square یک طرفه
  • مجموعه داده های تمرینی Chi Square یک طرفه

هفته دوازدهم:تجزیه و تحلیل پایایی

  • مقدمه ای بر تحلیل پایایی
  • پایایی چیست؟
  • مدل های مقیاسی reflective و تکوینی
  • آیا باید آلفای کرونباخ یا پایایی ترکیبی را گزارش دهیم؟
  • انواع پایایی: پایایی ازمون تکراری
  • نوع پایایی: فرم موازی
  • نوع پایایی: پایایی مبتنی بر سازگاری داخلی
  • آشنایی با آلفای کرونباخ
  • مفروضات آلفای کرونباخ
  • فرمول آلفای کرونباخ
  • محدوده آلفای کرونباخ
  • محاسبه پایایی: شناخت چه مقیاسی باید در صورت حذف یک آیتم استفاده کنیم؟
  • تفسیر خلاصه پردازش پرونده و ضریب آلفا
  • بهبود پایایی مقیاس: شناسایی مقادیر حذف شده
  • بهبود پایایی: شناسایی مقیاس و واریانس مقیاس
  • بهبود پایایی: شناسایی همبستگی های آیتم و کل
  • بهبود پایایی: حذف موارد مبهم و اضافی
  • شاخص تمایز آیتم

هفته سیزدهم:نمایش تصویری وبصری سازی داده ها در SPSS

  • بصری سازی داده ها با استفاده از نمودارها در SPSS: مقدمه
  • کدام نمودار برای من مناسب است: قوانین ایجاد نمودارها قسمت 1
  • کدام نمودار برای من مناسب است: قوانین ایجاد نمودار قسمت 2
  • ایجاد نمودار میله ای در SPSS
  • چگونه می توان رنگ زمینه نمودار میله ای را در SPSS تغییر داد؟
  • چگونه می توان رنگ و الگوهای میله ها را در نمودار میله ای تغییر داد؟
  • چگونه میله ها را در نمودار میله ای تنظیم کنیم؟
  • چگونه می توان محورهای X و Y نمودار را در SPSS تغییر نام داد؟
  • آشنایی با میله های خطا بر روی نمودار میله ای: چه ، چرا و چگونه؟
  • چگونه نمدراهای میلیه ای را با میله های خطا در SPSS ایجاد کنیم؟
  • چگونه می توان از ضرایب (خطای استاندارد و انحراف معیار) در نمودارهای میله ای استفاده کرد؟
  • ایجاد نمودارهای میله ای خوشه ای در SPSS
  • نمودارهای پای: شناخت و آماده کردن مجموعه داده ها
  • نمودارهای پای درمقایسه با نمودار میله ای: چه زمانی از نمودار پای و نمودار میله ای استفاده کنیم؟
  • نحوه ایجاد نمودار پای در SPSS
  • نمودار پای: چگونه رنگ پای را تغییر دهیم؟
  • نمودار پای: چگونه می توان برش ها را ادغام کرد؟

هفته چهاردهم: رگراسون لجستیک

  • رگرسیون لجستیک چیست؟
  • رگرسیون لجستیک (منبع خارجی)
  • آشنایی با مدل رگرسیون لجستیک
  • آشنایی با مدل رگرسیون لجستیک: شکل ،logit و احتمالات
  • آشنایی با معادله رگرسیون لجستیک
  • الزامات تجزیه و تحلیل رگرسیون لجستیک
  • مفروضات رگرسیون لجستیک
  • مفهوم نسبت های Odd (به طور خلاصه)
  • آماده کردن داده ها و آشنایی با فایل داده
  • نحوه کدگذاری متغیر وابسته باینری در رگرسیون لجستیک
  • آشنایی با گزینه Block و گزینه تعامل
  • انتخاب “متد” و کدگذاری متغیر غیر مستمر به عنوان متغیر “dummy”
  • آشنایی با گزینه Save: احتمالات پیش بینی شده و عضویت در گروه
  • آشنایی با گزینه ذخیره سازی: تأثیر – گزینه های فاصلهCook و DFBeta
  • آشنایی با گزینه Save: باقیمانده(Residuals) – استاندارد شده
  • اشنایی با گزینه پلات کردن طبقات
  • آشنایی با آزمون برازش هومر-لمشو
  • آشنایی با لیست residuals براساس آیتم
  • آشنایی با گزینه همبستگی تخمین ها
  • آشنایی با گزینه “Iteration History”
  • آشنایی با گزینه “CI for Exp (B)”
  • قراردادن مقدار ثابت در مدل
  • آشنایی با “معیار تفکیک (نقطه برش)طبقه و بوت استرپینگ
  • خروجی: آشنایی با خلاصه اطلاعات آیتم و کدگذاری متغیر ساختگی
  • خروجی: آشنایی با Block 0 و مقایسه آن با سایر بلوک ها و سابقه تکرار
  • خروجی: آشنایی با 2 Log Likelihood & R squares (Cox n Snell, Negelkerke)
  • خروجی: آشنایی با جدول طبقه بندی (حساسیت و اخنصاصی بود)
  • خروجی: متغیرها در معادله – تفسیر مدل پایه
  • خروجی: Hosmer-Lemeshow و جدول احتمالی برای مدل پایه
  • خروجی: تفسیر آزمون Hosmer-Lemeshow برای مدل پیش فرض
  • خروجی: تفسیر متغیرها در معادله برای مدل پیش فرض
  • خروجی: تفسیر آزمون Wald برای مدل پیش فرض
  • نسبت های Odd (عمیق): قسمت 1 – مبانی ، موارد مشتق شده و محاسبه
  • نسبت های Odd (عمیق): قسمت 2 – محاسبه احتمال سرطان ریه با سیگار کشیدن
  • تفسیر نسبت های Odd در متغیرها در جدول معادله
  • تفسیر جدول همبستگی و آشنایی با همبستگی بین متغیرهای مستقل
  • پات کردن طبقه بندیها : تفسیر و کاربرد
  • تفسیر لیست آیتم های residual
  • تفسیر احتمالات پیش بینی شده و عضویت در گروه
  • تفسیر فاصله کوک و DFBeta
  • تفسیر خروجی آزمون Omnibus
  • توضیح شبه مربعات R : – 2Log Likelihood, Cox & Snell and Negelkerke
  • نوشتن معادله نهایی رگرسیون لجستیک
  • ارائه جدول و نتایج به سبک APA

هفته پازدهم:تجزیه و تحلیل میانجی و تعدیل آماری با استفاده از PROCESS Macro

  • مقدمه ای بر تجزیه و تحلیل میانجی و تعدیل آماری
  • داده ها ، PPT و منابع
  • آشنایی با تجزیه و تحلیل تعدیل و مدل رگرسیون آن – I
  • آشنایی با تحلیل تعدیل و مدل رگرسیون آن – II
  • معادله آماری تعدیل
  • آشنایی با میانجی آماری : تأثیر مستقیم ، غیرمستقیم و کلی
  • تفاوت بین تعدیل و واسطه آماری
  • بارگیری و نصب PROCESS Macro
  • نمونه هایی از تعدیل: داستان Infosys و Uber
  • میانجی آماری چیست: درک مدل میانجیگری
  • میانجی نسبی و مطلق چیست؟
  • آشنایی با Direct Indirect & Total Effects
  • آزمون سوبل چیست؟
  • تاثیرات غیر مستقیم تا حدی استاندارد شده در مقیسه با تاثیرات کاملاً استاندارد شده
  • آشنایی با نسبت های اثر غیر مستقیم: غیر مستقیم به کل در مقابل غیر مستقیم به مستقیم
  • نسبت واریانس ناشی از اثر غیرمستقیم چیست؟
  • تجزیه و تحلیل تعدیل: ایجاد مجموعه داده ها و فرضیه ها
  • آشنایی با شماره های مدل ها
  • تعدیل: متغیرها ، بوت استرپینگ ، هم متغیرها ، تعدبل کننده های پیشنهادی W ، Z ، V ، Q
  • تعدیل> گزینه ها: میانگین نتایج حاصلضرب
  • تعدیل> گزینه ها: Heteroscedasticity سازگار SE ، OLS / ML CI ، پلات کردن داده ها
  • تعدیل> شرطی سازی: جانسون-نیمان
  • تعدیل: چند طبقه ای
  • کار کردن با نام های طولانی
  • توضیح خروجی تحلیل تعدیل
  • پات کردن اثر تعدیل در SPSS و Excel
  • نمایش اثر تعدیل ، نمودار و جدول با استفاده از سبک APA
  • مدل مفهومی میانجی :آیا گلوکز عامل واسطه در بروز دیابت است؟
  • بررسی مناسب بودن داده ها برای تجزیه و تحلیل میانجی
  • میانجی: متغیرهای M ، شماره مدل ، نمونه بوت استرپ و متغیرها
  • میانجی> گزینه ها: فاصله اطمینان و اندازه اثر OLS / ML
  • میانجی> گزینه: تست سوبل
  • میانجی> گزینه ها: مدل کل تأثیر ، مقایسه اثر غیر مستقیم ، چاپ مدل Cov
  • میانجی: نامهای شرطی ، چند کلاسه و طولانی
  • میانجی> خروجی: آشنایی با نتیجه ماتریس کوواریانس
  • توضیح نتیجه میانجی – قسمت 1
  • توضیح نتیجه میانجی – قسمت 2
  • توضیح نتیجه میانجی- قسمت 3
  • خروجی میانجی: اثرات غیرمستقیم بصورت نسبی و کامل استاندارد شده
  • خروجی میانجی: نسبت غیر مستقیم به اثر کل و غیر مستقیم به اثر مستقیم
  • خروجی میانجی: اندازه اثر میانجی در مربع R
  • خروجی میانجی : آزمون نظریه عادی برای اثر غیرمستقیم
  • خروجی میانجی:Square Cappa
  • محاسبه squared cappa کلی و پریچر
  • نمایش نتایج تجزیه و تحلیل میانجی با استفاده از سبک APA

هفته شانزدهم:مدل سازی خطی عمومی GLM) (و مدل سازی خطی تعمیم داده شده

  • مجموعه داده ها و منابع: GLM
  • مقدمه ای برمدلهای خطی عمومی )GLM
  • مدلهای خطی عمومی (GLM) چیست؟
  • مدلهای خطی تعمیم یافته (GLIM) چیست؟
  • توزیع نمایی چیست؟
  • مثالها و کاربردهای مدلهای خطی تعمیم یافته (GLIM)
  • مدلهای خطی عمومی (GLM) در مقایسه با مدلهای خطی تعمیم یافته (GLIM)

هفته هفدهم:تحلیل واریانس تکراری یکطرفه

  • مجموعه داده ها و منابع: اندازه گیری تحلیل واریانس تکراری یکطرفه
  • طرح اندازه گیری تکراری چیست (مثال 1: مطالعه افسردگی)
  • طرح اندازه گیری تکراری چیست (مثال 2: کار کردن در شرایط سر و صدا)
  • طرح اندازه گیری تکراری چیست (مثال 3: مطالعه گروه کنترل)
  • آیا باید Repeated Measure ANOVA یا Paired Sample t test را انجام دهم؟
  • مفروضات اندازه گیری ANOVA تکراری
  • توضیح آزمون های چند متغیره
  • آشنایی با trace Pillai و Wilk’s Lambda
  • آشنایی با trace هاتلینگ
  • اشنایی با ریشه ماکزیمم Roy
  • Sphericity چیست؟ توضیح با ذکر مثال
  • آشنایی با آزمون Sphericity موچلی
  • آشنایی با مجموعه داده
  • تعریف فرضیه تحقیق بر اساس داده ها
  • آشنایی با “نامگذاری فاکتورهای درون آزمودنی”
  • آشنایی با گزینه “measurement Name ”
  • آشنایی با گزینه های ” فاکتور بین آزمودنی و هم متغیر”
  • آشنایی با نتیجه اولیه
  • مدل: Full Factorial, Build/Custom Terms & Main and Interaction Effects
  • توضیح مجموع مربعات نوع I ، نوع II ، نوع III و نوع IV
  • کنتراست: ساده ، چند جمله ای ، تکرار شده ، انحراف ، تفاوت ، هلمرت
  • تعریف نمودارها: بررسی همه گزینه ها
  • مقدمه ای بر آزمونهای پس از آزمون: دو خانواده آزمون
  • چه زمانی از تست های توکی و شفی استفاده کنیم؟
  • توضیح تصحیح بونفرونی
  • توضیح تست LSD
  • Tukey، s HSD، Tukey’s WSD و SNK Test
  • Waller-Duncan، Dunnett’s T، Scheffe، Sidak، Duncan، and Hochberg Gabriel’s Test
  • بازی های Howell، Tamhane’s T2 و T3 Test: آزمون های غیر پارامتری Post-hoc

هفته هیجدهم:همبستگی

  • مقدمه ای بر همبستگی
  • همبستگی چیست؟
  • انواع همبستگی: همبستگی مثبت و منفی
  • آشنایی با ضریب همبستگی و دامنه آن
  • کدام ضریب همبستگی و کی استفاده کنیم؟
  • مقدمه ای بر همبستگی پیرسون: مبدا ، کاربرد آن
  • چرا ضریب همبستگی لحظه ای محصول نامیده می شود؟
  • مفروضات همبستگی لحظه ای محصول پیرسون
  • محاسبه r: فرمول امتیاز انحراف
  • محاسبه r: فرمول امتیاز Z
  • محاسبه r: فرمول امتیاز خام
  • محاسبه r: فرمول همبستگی
  • محاسبه دستی r با استفاده از روش نمره خام
  • اهمیت ضریب همبستگی
  • همبستگی های جعلی: همبستگی به معنای علیت نیست
  • ضریب همبستگی پیرسون به عنوان ضریب تغییر (مربع R)
  • محاسبه r در SPSS: بررسی فرضیات
  • محاسبه r در SPSS: یادگیری Pearson ، Two tailed و Bootstrapping
  • تفسیر خروجی r
  • بوت استرپینگ ضریب همبستگی (r)
  • نمایش خروجی r با استفاده از سبک APA
  • رفع اشکال Bootstrap در SPSS 25
  • مقدمه ای بر همبستگی های biserial و نقطه ای
  • چه موقع از Biserial و چه موقع از Point Biserial Corleation استفاده کنیم؟
  • محاسبه و تفسیر ضریب همبستگی در SPSS
  • نکایش نتایج خروجی همبستگی دوجانبه با استفاده از APA
  • تمرین : محاسبه همبستگی نقطه ای بین جنسیت ، حقوق و دستمزد
  • نحوه محاسبه ضریب تجزیه نقطه ای در SPSS
  • چگونگی تفسیر انعطاف پذیری نقطه ای در SPSS
  • چگونه می توان خروجی همبستگی نقطه ای را به سبک APA گزارش کرد
  • مقدمه ای بر ضریب همبستگی ترتیبیSpearman (Rho)
  • زمان استفاده از ضریب همبستگی مرتبه مرتبه: چهار مثال
  • مفروضات ضریب همبستگی ترتیبی Spearman
  • آشنایی با فرمول Rho و روش رتبه بندی
  • هنگام محاسبه Rho چگونه با Tied Ranks کار کنیم؟
  • آیا ابتدا باید متغیرهای خود را رتبه بندی کنم سپس Rho را محاسبه کنم؟
  • محاسبه و تفسیر Rho در SPSS
  • Rho در رتبه بندی داده ها: نمایش عملی
  • نمایش ضریب همبستگی ترتیبی Spearman با سبک APA

هفته نوزدهم:اندازه گیری سطح رابطه

  • مقدمه: تفاوت بین ارتباط و همبستگی چیست
  • آشنایی با جفت ها براساس ستون و محاسبه ردیف ها
  • مقدمه ای بر تاو کندال
  • چه موقع باید از Tau کندال به جای Spearman’s Rho استفاده کرد
  • مفروضات کندو تاو
  • دامنه و تفسیر تاو کندال
  • انواع ضرایب Tend Kendall: Tau a ، Tau b ، Tau c و Kendall’s W
  • Kendall’s Tau b and Tau c: مقدمه و زمان استفاده از آنها
  • فرمول Tau b Kendall
  • Kendall’s Tau c: فرمول و زمان استفاده
  • کندال Tau c: بررسی فرض
  • Kendall’s Tau c: محاسبه و تفسیر در SPSS
  • Kendall’s Tau c: گزارش سبک APA
  • Kendall’s W: مقدمه و زمان استفاده
  • کندال W:آشنایی با فرمول
  • W Kendall’s in SPSS (با استفاده از عامل غیر پارامتری)
  • Kendall’s W: APA Style Output Reporting
  • هفتم بیستم:رفع باگ در SPSS
  • رفع باگ بوت استرپ در SPPS 25
  • آنکووا و: تجزیه و تحلیل یک طرفه واریانس
  • مقدمه: ANCOVA چیست و چه موقع باید از آن استفاده کرد؟
  • معنی کوواریانت چیست؟ آیا به معنی کنترل متغیراست؟
  • راه های ANCOVA و شرایط لازم برای انجام ANCOVA
  • درک مفروضات و مجموعه داده
  • طرح تحقیق و مجموعه داده های مطالعه
  • درک گزینه ها: DV ، عوامل ثابت و عوامل تصادفی
  • آشنایی با متغیرها و وزن WLS و اینکه چرا دکمه Post-hoc غیرفعال می شود
  • بررسی مفروضات
  • اهمیت کنترل متغیر
  • توضیح گزینه ها: مدل مجموع مربعات و کنتراست
  • توضیح گزینه ها: پلات ها
  • توضیح گزینه ها: براورد میانگین marginal
  • توضیح گزینه ها: مقایسه تاثیرات اصلی (LSD ، Bonferroni ، Sidak) و ذخیره
  • گزینه ها: توصیفی ، پارامتر اندازه اثر باقیمانده آزمون تخمین همگنی
  • نمایش نتایج ANCOVA با استفاده از سبک APA

MANOVAهفته بیست و یکم:

  • MANOVA چیست؟
  • چه موقع از MANOVA استفاده کنیم؟
  • درخت تصمیم گیری آزمون MANOVA
  • مفروضات MANOVA
  • سوالات تحقیق و طرح مطالعه
  • تعریف فرضیه ها
  • آشنایی با پنجره MANOVA در SPSS
  • تعیین مدل: فاکتورهای کامل ، شرایط ساخت و شرایط سفارشی
  • آشنایی با مدل مربعات
  • کنتراست چیست؟
  • آشنایی با کنتراست ساده
  • آشنایی با کنتراست تکراری
  • آشنایی با کنتراست چند جمله ای
  • آشنایی با کنتراست انحراف
  • تفاوت و تضاد هلمر
  • شناخت estimated marginal mean
  • اشنایی با گزینه Save
  • آشنایی با مشخصات توصیفی ، اندازه اثر ، پارامتر غیر متمرکز
  • آشنایی با برآورد پارامتر
  • آشنایی با ماتریس SSCP و ماتریس SSCP residuals
  • آشنایی با ماتریس تحول و تست همگنی
  • آشنایی با طرح های گسترش یافته و residuals

هفته بیست و دوم:پایتون برای کاربران SPSS

  • چرا متخصصان علوم اجتماعی باید برنامه نویسی یاد بگیرند؟
  • گزینه های قابلیت برنامه نویسی در SPSS: پایتون ، R و ویژوال بیسیک
  • دسترسی به پایتون از SPSS
  • آشنایی با گزینه بسته نرم افزاری افزونه
  • سه قانون نوشتن برنامه پایتون
  • اولین برنامه پایتون شما در SPSS: سلام به جهان
  • انواع داده در پایتون
  • داده چیست؟
  • انواع داده چیست؟
  • ساختارهای داده چیست؟
  • انواع داده در مقابل ساختارهای داده در پایتون
  • انواع داده های non-primitive: Lists, Stack, Queue, Map
  • انواع داده های non-primitive: Tupple, Set, Frozen Set, Dictionary
  • گزینه های حسابی در پایتون: استفاده از پایتون به عنوان ماشین حساب
  • تابع چاپ -واحد: راهنمای مفید – چاپ کردن نام یک میلیون بار در ثانیه
  • آموزش چاپ پاراگراف در پایتون
  • چاپ الگوی متن در پایتون
  • Clearing Screen: نحوه تعریف تابع پاک کردن صفحه در Pycharm
  • واحد: توابع در پایتون – لیست توابع ساخته شده
  • عملکرد ورودی
  • توابع حداقل و حداکثر

دکتر سعید جوی ‌زاده

بنیان گذار تئوری هوش پیروزی در جهان و مدیر و موسس گروه آموزشی موسسه چشم انداز تدریس 100% سرفصل

مهندس عقیل جوکار


کارشناسی ارشد مهندسی کامپیوتر از دانشگاه شریف، مدیرفنی هوش پیروزی و گوگلیت

تدریس 10% سرفصل

سوالات متداول

ثبت نام در دوره جامع آموزش GIS

با توجه به تغییر قیمت‌ها، همچنین درخواست‌های متغیر کاربران از دوره‌ها، جهت دریافت مشاوره و ثبت نام در دوره آموزش جامع و حرفه‌ای GIS با ما در تماس باشید:

یا با تکمیل فرم ما با شما تماس خواهیم گرفت:

دوره های مرتبط

سخنان بزرگان درباره علم آمار :

  • “آمار دستور زبان علم است.” کارل پیرسون
  • “آمار مربوط به تحقیقات علمی و چگونگی انجام بهتر آن است یا باید باشد، اما بسیاری از آماردانان معتقدند که این شاخه ای از ریاضیات است. اکنون موافقم که فیزیکدان، شیمیدان، مهندس و آماردان هرگز نمی توانند چیزهای زیادی بدانند. ریاضیات، اما اهداف آنها باید فیزیک بهتر، شیمی بهتر، مهندسی بهتر، و در مورد آمار، تحقیقات علمی بهتر باشد. جرج ای پی باکس
  • “در شهوت خود برای اندازه گیری، ما اغلب آنچه را که می توانیم اندازه گیری می کنیم نه آنچه را که می خواهیم اندازه گیری کنیم… و فراموش می کنیم که تفاوت وجود دارد.” جورج اودنی یول
  • “ما باید مراقب باشیم که داده ها را با انتزاعی هایی که برای تجزیه و تحلیل آنها استفاده می کنیم اشتباه نگیریم.” ویلیام جیمز
  • “بلوغ ظرفیت تحمل عدم قطعیت است.” جان فینلی
  • “انتخاب طبیعی مکانیسمی برای ایجاد درجه بسیار بالایی از عدم احتمال است.” RA فیشر
  • “… انجام واقعی و فیزیکی یک آزمایش باید بر رویه آماری تفسیر آن حاکم باشد.” RA فیشر
  • «آماردانان مدرن با این مفهوم آشنا هستند که هر مجموعه محدودی از داده‌ها حاوی مقدار محدودی از اطلاعات در مورد هر نقطه مورد بررسی است؛ که این محدودیت توسط ماهیت خود داده‌ها تعیین می‌شود و نمی‌توان آن را با هیچ مقدار هوشمندی افزایش داد. در بررسی آماری آنها: که وظیفه آمارگیر در واقع محدود به استخراج کل اطلاعات موجود در مورد هر موضوع خاص است. RA فیشر
  • “علم آمار ابزار اصلی است که اکنون پیشرفت تمدن از طریق آن اندازه گیری می شود و توسعه آن در آینده تا حد زیادی تحت کنترل خواهد بود.” SND شمال
  • “در حالی که هیچ چیز نامطمئن تر از زندگی مجردی نیست، هیچ چیز قطعی تر از میانگین طول عمر هزاران زندگی نیست.” الیزور رایت
  • “… فرضیه صفر هرگز اثبات یا ثابت نمی شود، اما احتمالاً در جریان آزمایش رد می شود. ممکن است گفته شود که هر آزمایشی فقط برای این وجود دارد که به حقایق فرصتی برای رد فرضیه صفر بدهد.” RA فیشر
  • “… یک آزمون فرضیه به ما می گوید که آیا داده های مشاهده شده با فرضیه صفر مطابقت دارند یا خیر، و یک فاصله اطمینان به ما می گوید که کدام فرضیه با داده ها سازگار است.” ویلیام سی بلک ولدر
  • “شما نمی توانید با تجزیه و تحلیل آنچه را که با طراحی به هم ریخته اید، درست کنید.” لایت، سینگر و ویلت، صفحه v
  • “کمیت های عددی بر مقادیر مورد انتظار تمرکز می کنند، خلاصه های گرافیکی بر روی مقادیر غیرمنتظره.” جان توکی
  • “تفکر آماری روزی برای شهروندی کارآمد به اندازه توانایی خواندن و نوشتن ضروری خواهد بود.” HGWells
  • “اگر برای اثبات آن به آمار نیاز دارید، این درست نیست.” یکی از استادان باربارا دویل
  • «آمار پیروزی روش کمی است و روش کمی پیروزی عقیمی و مرگ است» هیلر بلوک
  • “حقایق بلندتر از آمار صحبت می کنند” آقای عدالت استریتفیلد (1950)
  • آنون، پس از اظهار نظر جی‌بی شاو در مورد اقتصاددانان، «اگر همه آماردان‌های دنیا سر تا پا گذاشته بودند، نمی‌توانستند به نتیجه‌ای برسند».
  • شما باید تا جایی که ممکن است بیماران را با داروهای جدید درمان کنید، در حالی که آنها هنوز قدرت بهبودی دارند.” آرماند تروسو، پزشک فرانسوی قرن نوزدهم
  • “پاسخ تقریبی به یک مسئله درست، ارزش بیشتری نسبت به پاسخ دقیق به یک مسئله تقریبی دارد.” جان توکی
  • هر سومین نفر در اسرائیل در سال گذشته 1.8 نمایش عمومی را دیدند. عنوان روزنامه در تابلوی مایا بار هیلل درج شد.
  • “تمام زندگی یک آزمایش است. هرچه آزمایش های بیشتری انجام دهید، بهتر است.” رالف والدو امرسون
  • با یک نمونه کوچک، ممکن است در مورد کل قطعه قضاوت کنیم. میگل د سروانتس از دن کیشوت
  • “موسسه خیریه سازمان یافته، به نام مسیحی محتاط و آماری.” جان بویل اوریلی
  • “مهم ترین سوالات زندگی، در بیشتر موارد، واقعاً فقط مشکلات احتمالی هستند.” پیر سیمون، مارکیز دو لاپلاس
  • «حالا برو، آن را قبل از آنها در جدولی بنویس و در کتابی یادداشت کن». اشعیا، XXX 8
  • “شما به خدایی اعتقاد دارید که تاس بازی می کند، و من به قانون و نظم کامل در جهانی که به طور عینی وجود دارد، و من به شیوه ای وحشیانه، سعی در تسخیر آن دارم. من کاملاً معتقدم، اما امیدوارم که کسی یک جهان را کشف کند. به روشی واقعی تر، یا بهتر بگوییم مبنایی ملموس تر از آنچه من انجام داده ام. در نتیجه پیری.” آلبرت انیشتین، نامه ای به ماکس بورن.
  • “خدا نه تنها تاس بازی می کند، بلکه گاهی اوقات تاس را به جایی می اندازد که دیده نمی شود.” استیون ویلیام هاوکینگ
  • “شما نباید به پرسشنامه ها یا آزمون های مربوط به امور جهانی پاسخ دهید، و نه در مورد انطباق، هیچ آزمونی را انجام ندهید. شما نباید با آماردانان بنشینید و یک علم اجتماعی انجام ندهید.” وی اچ اودن
  • “او از آمار استفاده می کند همانطور که یک مرد مست از تیرهای چراغ استفاده می کند – برای حمایت به جای روشنایی.” اندرو لانگ
  • “اگر آزمایش شما به آمار نیاز دارد، باید آزمایش بهتری انجام می دادید.” لرد ارنست رادرفورد
  • «[آمار] تنها ابزاری است که به وسیله آن می‌توان روزنه‌ای را از میان انبوه سختی‌ها که راه کسانی را که به دنبال علم انسان هستند می‌بندد، برید.» سر فرانسیس گالتون
  • یک مرد عاقل به آمار نگاه می کند نه برای کسب دانش، بلکه برای این که خود را از این که جهل بر او تحمیل شده نجات دهد. توماس کارلایل
  • “آمار قلب دموکراسی است.” سیمئون استرونسکی
  • “آمار جایگزینی برای قضاوت نیست.” هنری کلی
  • «تنها آزمون مرتبط برای اعتبار یک فرضیه، مقایسه پیش‌بینی‌های آن با تجربه است». میلتون فریدمن
  • “این یک اشتباه بزرگ است که قبل از بدست آوردن داده ها، نظریه پردازی کنیم.” سر آرتور کانن دویل
  • “اگر کسی مراقب وسایل باشد، هدف خودش مراقبت خواهد کرد.” قندی
  • “علوم سعی نمی کنند توضیح دهند، آنها حتی به سختی سعی در تفسیر دارند، آنها عمدتاً مدل می سازند. منظور از مدل، یک ساختار ریاضی است که با اضافه کردن تعابیر لفظی خاص، پدیده های مشاهده شده را توصیف می کند. توجیه چنین ساختار ریاضی. تنها و دقیقاً این است که انتظار می رود کار کند” جان فون نیومن
  • “قطعیت مطلق امتیازی است برای ذهن‌های بی‌سواد و متعصبان. این برای افراد علمی یک ایده‌آل دست نیافتنی است.” کاسیوس جی کیزر
  • “هدف علم جستجوی ساده ترین توضیح برای حقایق پیچیده است… به دنبال سادگی و بی اعتمادی به آن.” وایتهد
  • “هدف … ارائه یک مبنای روشن و دقیق برای تعیین این است که چه زمانی می توان گفت که ترتیب علّی بین دو متغیر یا گروهی از متغیرها در یک مدل برقرار است… مفاهیم به یک مدل – یک سیستم معادلات اشاره دارد. -و نه برای دنیای “واقعی” که مدل قصد توصیف آن را دارد.” اچ. سیمون
  • «اگر گروهی از پدیده‌های اجتماعی را انتخاب کنیم که هیچ دانشی از علت یا عدم علیت در میان آنها نداشته باشند، محاسبه ضرایب همبستگی، کلی یا جزئی، ما را قدمی در جهت ارزیابی اهمیت علل نمی‌گذارد. در محل کار.” RA فیشر
  • “مدل ها باید تا حد امکان ساده باشند، اما نه بیشتر.” منسوب به انیشتین
  • “هیچ قصاری در رابطه با آزمایشات میدانی بیشتر از این تکرار نمی شود که باید چند سوال از طبیعت بپرسیم، یا در حالت ایده آل، هر بار یک سوال. نویسنده متقاعد شده است که این دیدگاه کاملاً اشتباه است. طبیعت، به گفته او، بهترین کار را خواهد کرد. به یک پرسشنامه منطقی و با دقت فکر شده پاسخ دهید؛ در واقع، اگر از او یک سوال بپرسیم، او اغلب تا زمانی که موضوع دیگری مطرح نشده باشد، از پاسخ دادن خودداری می کند. RA فیشر
  • “تصادفی سازی خیلی مهم است که به شانس سپرده شود.” جی دی پتروچلی

3 نظرات

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.