⚠️ نبرد گوگل پلی با تلگرام های غیر رسمی ادامه دارد؛

سپر ایمنی گوگل پلی پس از حذف اکثر تلگرام های غیر رسمی ناامن، حالا به سراغ موبوگرام آمده است!

از آنجایی که احتمال حذف شدن کامل آن از گوشی ها وجود دارد (همان بلایی که سر تلگرام طلایی آمد) تلگرام اصلی را در کنار آن نصب کنید.

📥 آخرین نسخه تلگرام اصلی

⬇️دانلود از گوگل پلی(اندروید)
https://play.google.com/store/apps/details?id=org.telegram.messenger
⬇️دانلود از اپ استور(آیفون)
https://itunes.apple.com/us/app/telegram-messenger/id686449807

📌جهت اتصال از فيلتر شكن استفاده كنيد.

🎓 @tephd

♻️#آزمون_همخطی_ویف در ایویوز

💠 @stphd

💠آزمونی ساده از #همخطی (ویف) در #ایویوز
💠 @stphd

📌تفاوت #ضریب_تعیین(R-squared) و #ضریب_تعیین_تعدیل_شده (R^2 adjusted)

1) ضریب تعیین فرض می کند که هر متغیر مستقل مشاهده شده در مدل، تغییرات موجود در متغیر وابسته را تبیین می کند، بنابراین درصد نشان داده شده توسط ضریب تعیین با فرض تاثیر همه متغیرهای مستقل بر متغیر وابسته می باشد. در صورتی که درصد نشان داده شده توسط ضریب تعییین تعدیل شده فقط حاصل از تاثیر واقعی متغیرهای مستقل مدل بر متغیر وابسته است نه همه متغیرهای مستقل.

2) مناسب بودن متغیرها برای مدل توسط ضریب تعیین حتی با وجود مقدار بالا قابل تشخیص نیست در صورتی که می توان به مقدار برآورد شده ضریب تعیین تعدیل شده اعتماد کرد.

یه‌ جمله ساده تر هم میشه گفت ... بهرحال هردو ضریب نشون میده چه میزان از واریانس متغیر وابسته بوسیله مستقل تبیین میشه اما R2 برای نمونه و R2adjusted برای جامعه کاربرد داره ...

💠 @stphd

🎬 آموزش اکسل «قسمت ششم»
(استفاده حرفه ای از تابع SUM)


#اکسل
#Excel

💠 @stphd

🎬 آموزش اکسل «قسمت هفتم»
(مثالی از استفاده از SUM)

#اکسل
#Excel

💠 @stphd

این سری آموزش ادامه دارد...

💠آموزش #میانجی در نرم افزار #Amos به روش جدید

مدرس: ابراهیم فربد

💠 @stphd

💠#الگوریتم محاسبه متغیر #میانجی در معادلات ساختاری

💠 @stphd

💠متغیر #تعدیلگر چیست و نحوه بررسی آن چگونه است؟

🔸اگر جهت یا شدت رابطه ی میان متغیر مستقل و وابسته در سطوح گوناگون یک متغیر سوم، بطور قابل ملاحظه ای تغییر کند، به آن متغیر سوم متغیر تهدیلگر گفته می شود.بدین لحاظ ، متغیر تعدیلگر در یک چهار چوب تحلیل همبستگی بعنوان یک متغیر سوم تلقی می شود که همبستگی مرتبه صفر میان متغیر مستقل و وابسته را بطور معنی داری تغییر می دهد.

👈باورن و کنی(1986) در مقاله خود چهار حالت گوناگون از وضعیت متغیر مستقل و تعدیلگر را به شرح زیر بررسی کردند:

🔺حالت اول: هر دو متغیر مستقل و تعدیلگر از نوع طبقه ای باشند.
🔺حالت دوم: متغیر تعدیلگر از نوع طبقه ای و متغیر مستقل پیوسته باشد.
🔺حالت سوم: متغیر تعدیلگر پیوسته و متغیر مستقل از نوع طبقه ای باشد.
🔺حالت چهارم: هر دو متغیر تعدیلگر و مستقل پیوسته باشند.


1️⃣ نحوه بررسی حالت اول

حالت اول ساده ترین نوع است.در این حالت اثر یک متغیر مستقل چند مقوله ای را بر روی متغیر وابسته، بعنوان تابعی از یک متغیر چند مقوله ای دیگر را تغییر می کند.بطور مثال، مقایسه پیشرفت تحصیلی دختران و پسران در سطوح گوناگون طبقات اجتماعی از این نوع است. روش تحلیل واریانس دو راهه برای بررسی حالت اول مناسب است.

2️⃣ نحوه بررسی حالت دوم

در حالت دوم، متغیر تعدیلگر یک متغیر طبقه ای و متغیر مستقل پیوسته است.برای مثال ، جنسیت بعنوان یک متیر تعدیلگر ،ممکن است رابطه ی میان متغیر مستقل ( استرس) و متغیر وابسته ( سلامت روانی) را تعدیل و تغییر بدهد.

شیوه مرسوم برای بررسی نقش تعدیلگری این حالت، بررسی تفاوت همبستگی بین متغیر مستقل و وابسته در سطوح مختلف متغیر تعدیلگر می باشد. که این روش دارای معایبی بوده که آماردانان استفاده از ضرایب رگرسیونی را به جای همبستگی توصیه می کنند.

3️⃣ نحوه بررسی حالت سوم

حالت سوم، متغیر تعدیلگر نوعا پیوسته و متغیر مستقل طبقه ای است.در این حالت باید محقق تمام دانش و تجربه نظری خود را به کار گیرد تا متغیر تعدیلگری را به چندین طبقه تقسیم نماید و مانند حالت اول در خصوص نقش تعدیلگری اظهار نظر نماید.

4️⃣ نحوه بررسی حالت چهارم

در حالت چهارم فرض بر این است که هر دو متغیر مستقل و تعدیلگر پیوسته باشند.که معمولترین و در عین حال مهمترین حالت بررسی تقش متغیرهای تعدیلگری محسوب می شود.

در گام نخست، نمرات استاندارد متغیرهای مستقل و وابسته را محاسبه می کنیم(این عمل در نرم افزار spss براحتی قابل انجام است)

در گام دوم، نمرات استاندارد متغیر مستقل و متغیر تعدیلگر را در هم ضرب کرده و به اصطلاح جمله تعاملی را ایجاد می کنیم.

در گام سوم از رگرسیون سلسله مراتبی استفاده می شودکه در بلوگ اول متغیرهای مستقل و وابسته قرار می گیرد و در بلوک دوم جمله تعاملی وارد می شود.

🔹اگر تاثیر جمله تعاملی بلحاظ آماری تایید گرد یعنی نقش تعدیلگری مورد تایید قرار می گیرد. پس از اینکه مشخص گردید نقش تعدیلگری متغیری در ارتباط بین دو متغیر مستقل و وابسته تایید می شود، باید متغیرهای مستقل و وابسته را به سه گروه یا طبقه با ( نمره بالا ، متوسط و پایین) تقسیم نمایید و سپس با ترسیم نمودار تعاملی این دو متغیر طبقه بندی شده، میانگین متغیر وابسته را بر روی ای نمودار مشاهده نمایید.


💠 @stphd

💠فیلم آموزش نصب #AMOS25 بهمراه نوع #تحلیل_عاملی_تاییدی_مرتبه_اول

💠 @stphd

💠فیلم آموزش برازش مدل رگرسیون در ایویوز

🎓 @stphd
🌐 www.pajooheh.ir

💠آزمونهای لازم برای مدل gmm عبارتند از سارگان + باند + کفایت متغیر ابزاری است. فایلهای آموزشی ایویوز و استاتا در این خصوص پیوست شد.
🎓 @stphd
🌐 www.pajooheh.ir

💠روش هم جهت کردن #سوالات_معکوس پرسشنامه در SPSS


❄️منابع پارس پژوهه❄️

🎓 @stphd
🌐 www.pajooheh.ir

✍️ مجموعه ویدیوهای آموزشی نرم افزار استتا در سایت تخته سفید
🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑
مدرس ساسان قاراخانی دانشجوی دکتری اقتصاد دانشگاه اصفهان
🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑
✅ جلسه اول ورود داده و تخمین و تفسیر نتایج
✳️https://takhtesefid.org/watch?v=566092555191

✅ جلسه دوم انواع تست نرمالیتی
✳️https://takhtesefid.org/watch?v=907067958568

✅ جلسه سوم واریانس ناهمسانی
✳️https://takhtesefid.org/watch?v=294322841066

✅ جلسه چهارم خودهمبستگی
✳️https://takhtesefid.org/watch?v=27174442814

✅ جلسه پنجم همخطی
✳️https://takhtesefid.org/watch?v=121050038332

✅ جلسه ششم تصریح مدل
✳️https://takhtesefid.org/watch?v=956485263732

✅ جلسه هفتم مقدمات سری زمانی
✳️https://takhtesefid.org/watch?v=367422520378

✅ جلسه هشتم پنل دیتا(پارت اول)
✳️https://takhtesefid.org/watch?v=628168203619

✅ جلسه نهم پنل دیتا و آزمونها(پارت دوم)
✳️https://www.aparat.com/v/5az6m

✅ جلسه دهم پنل فضایی(جلسه اول)
✳️https://www.aparat.com/v/aVU1i

✅ جلسه یازدهم پنل فضایی(جلسه دوم)
✳️https://www.aparat.com/v/UBQy1

✅ جلسه دوازدهم پنل فضایی(جلسه سوم)
✳️https://www.aparat.com/v/b4LnU

❄️منابع پارس پژوهه❄️

🎓 @stphd
🌐 www.pajooheh.ir

💠آزمون #نرمال بودن جمله خطا در #ایویوز

❄️منابع پارس پژوهه❄️

🎓 @stphd
🌐 www.pajooheh.ir

💠آزمون #نرمال بودن جملات خطا در #ایویوز

❄️منابع پارس پژوهه❄️

🎓 @stphd
🌐 www.pajooheh.ir

💠نحوه ورود دیتا از یک فایل کاری در #ایویوز

❄️منابع پارس پژوهه❄️

🎓 @stphd
🌐 www.pajooheh.ir

💠فیلم آموزش برازش مدل رگرسیون در ایویوز

🎓 @stphd
🌐 www.pajooheh.ir

✍ استفاده صحیح از ARDL

زمانی که یک مدل ساده از خودهمبستگی مرتبه اول رنج ببرد میتوان آن را با روش کوکران اورکات به ARDL(1,1) مقید تبدیل کرد
Y=a+bX+U
U=pU(-1)+v
تبدیل کوکران اورکات برای رفع خودهمبستگی کامل👇
Y=(1-p)a+pY(-1)+bX-pbX(-1)+v
Y=A+b1Y(-1)+b2X+b3X(-1)+v
به خاطر اینکه
b1×b2=-b3
می باشد ARDL(1,1) بالا مقید است
نکته ای که وجود دارد این است که v به صورت iid است و فاقد خودهمبستگی است

🛑تذکر) وجود خودهمبستگی در ARDL نه تنها سبب ناکارایی بلکه سبب ناسازگاری ضرایب برآوردی میشود چون سبب همبستگی پسماند با وقفه متغیر وابسته شده و این خطای درونزایی سبب ناسازگاری میشود
نتیجه آن که به هیچ عنوان نباید مدل ARDL با وقفه های بهینه دارای خودهمبستگی باشد
اما در تعیین وقفه بهینه بایستی ۴ ویژگی همزمان برقرار باشد
۱) وقفه های متغیر وابسته هم علامت باشند
۲) با افزایش طول وقفه مقدار ضریب برآوردی کاهشی باشد
۳) عدم خودهمبستگی
۴) کمترین معیار AIC, SBC, HQC
اما متاسفانه محققین تنها ویژگی 4 را به کمک نرم افزار چک میکنند در حالی که هر کدام از ویژگی های بالا نقض شود مدل ARDL فاقد اعتبار است
🛑 تذکر دیگر اینکه برای بررسی خودهمبستگی - آماره دوربین واتسون به خاطر وجود وقفه متغیر وابسته در مدل قابل تفسیر نیست و فاقد اعتبار است.

🎓 @stphd
🌐 www.pajooheh.ir

🎬 آموزش اکسل «قسمت هشتم»
(استفاده حرفه ای از درصد)

#اکسل
#Excel

💠 @stphd

این سری آموزش ادامه دارد...

✍️ آموزش مبانی نظری و تخمین انواع مدل های پنل دیتا

مدرس ساسان قاراخانی

✅آموزش پنل دیتا در ایویوز
👇👇👇
https://www.aparat.com/v/zZ0Ru

✅آموزش پنل دیتا در استتا
👇👇👇
https://www.aparat.com/v/a0cBz

✅آموزش جامع پنل دیتا در استتا
👇👇👇
https://www.aparat.com/v/5az6m

✅آموزش پنل فضایی در استتا(جلسه اول)
👇👇👇
https://www.aparat.com/v/aVU1i

✅آموزش ویدیویی پنل فضایی در استتا(جلسه دوم)
👇👇👇
https://www.aparat.com/v/UBQy1

✅آموزش ویدیویی پنل فضایی در استتا(جلسه سوم)
👇👇👇
https://www.aparat.com/v/b4LnU


🎓 @stphd
🌐 www.pajooheh.ir