• 0.0/5.0
  • (0 نظرات)
150,000 تومان
  • تعداد قسمت 5
  • مدت زمان 01:10:46
  • انتشار 1401/12/25
  • آخرین ویرایش 1401/12/25
عادل فاطمی

عادل فاطمی

مدرس دانشسرا

برچسب های محبوب

تحلیل مدلهای چند سطحی ( سلسله مراتبی خطی) با نرم افزار HLM‎‎

  • 0.0/5.0
  • تعداد مهارتجو 18
  • آخرین ویرایش 1401/12/25
  • انتشار 1403/02/24

توضیحات تحلیل مدلهای چند سطحی ( سلسله مراتبی خطی) با نرم افزار HLM‎‎

آموزش تحلیل مدل های چند سطحی یا به عبارت دیگر مدل های خطی سلسله مراتبی HLM که گاهی مدل های مختلط نیز نامیده می شوند در واقع روشهای کنترل و پیش بینی یک متغیر وابسته به کمک متغیرهای مستقل و البته در یک نگاه سلسله مراتبی و یا همان سطوح جزء تا کلان آزمودنی هاست. مدلهای چند سطحی (HLM) یک تجزیه و تحلیل حداقل مربعات معمولی مبتنی بر رگرسیون می باشد که شکل سلسله مراتبی داده ها را به حساب آورده است. در این مدل ها تلاش می شود با پارامترها و عومل از جنس تصادفی و یا ثابت به حداکثر واریانس بین گروهی از متغیر وابسته برسیم. نرم افزارهای متعددی همچون SAS, SPSS ,R, Stata, MLWin, Mplus می توانند برای مدلیابی چنین معادلاتی به ما کمک کنند. نرم افزار HLM بدلیل اختصاصی بودن و امکانات بیشتر در میان سایرین می تواند گزینه ای مناسب برای این منظور باشد. منعطف بودن مدل HLM در انواع برنامه های پر استفاده می باشد که به کار می رود. مدلهای چند...

آموزش تحلیل مدل های چند سطحی یا به عبارت دیگر مدل های خطی سلسله مراتبی HLM که گاهی مدل های مختلط نیز نامیده می شوند در واقع روشهای کنترل و پیش بینی یک متغیر وابسته به کمک متغیرهای مستقل و البته در یک نگاه سلسله مراتبی و یا همان سطوح جزء تا کلان آزمودنی هاست. مدلهای چند سطحی  (HLM) یک تجزیه و تحلیل حداقل مربعات معمولی مبتنی بر رگرسیون می باشد که شکل  سلسله مراتبی داده ها را به حساب آورده است.



در این مدل ها تلاش می شود با پارامترها و عومل از جنس تصادفی و یا ثابت به حداکثر واریانس بین گروهی از متغیر وابسته برسیم. نرم افزارهای متعددی همچون SAS, SPSS ,R, Stata, MLWin, Mplus می توانند برای مدلیابی چنین معادلاتی به ما کمک کنند. نرم افزار HLM بدلیل اختصاصی بودن و امکانات بیشتر در میان سایرین می تواند گزینه ای مناسب برای این منظور باشد. 

منعطف بودن  مدل HLM در انواع برنامه های پر استفاده می باشد که به کار می رود. مدلهای چند سطحی یک



 چارچوب کلی  شامل متغیرهای در هر سطح از مدل ارائه و تهیه می کند. 



آموزش تحلیل مدل های چند سطحی



در این آموزش که از سری آموزش های آماری برای شما گردآوری و تهیه شده است همانند آموزش های قبلی اینجانب سعی شده است که در زمان کوتاه و در پنج بخش تلاش شده است  کلیات مدل و البته به کمک داده های واقعی گام به گام از ساده ترین حالت تا نهایتا یک حالت پیچیده این روش در حالت نظری و به کمک نرم افزار HLM تحلیل گردد.



این آموزش به گونه ای طراحی شده است که با همراهی شما عزیزان در این آموزش به صورت گام به گام شما بتوانید پس از اتمام این دوره به تسلط کامل بر روی مباحث برسید.



پیش نیاز آموزش تحلیل مدل های چند سطحی



پیش نیاز این دوره آشنایی با مباحث کلی آمار و آشنایی با نرم افزار HLM می باشد.



سرفصل های دوره :




  1. مقدمه

  2. مدل دو سطحی بدون متغیر پیش بین

  3. مدل سه سطحی با چند متغیر مستقل 

  4. متمرکز کردن داده ها در متغیرهای مستقل 

  5. متمرکز کردن داده ها در متغیرهای مستقل 


قسمت های تحلیل مدلهای چند سطحی ( سلسله مراتبی خطی) با نرم افزار HLM‎‎

1 - مقدمه

00:12:36

2 - مدل دو سطحی بدون متغیر پیش بین

00:21:37

3 - مدل سه سطحی با چند متغیر مستقل

00:10:46

4 - متمرکز کردن داده ها در متغیرهای مستقل

00:13:50

5 - متمرکز کردن داده ها در متغیرهای مستقل

00:11:57

سوالت را بپرس ...