Регрессионный анализ с использованием R — ЧАСТЬ ПЕРВАЯ (подробное объяснение)

R — один из лучших, или, проще говоря, лучший язык статистического программирования в мире. Этот видеоурок посвящен регрессионному анализу с использованием R (модели линейной регрессии). Вы узнаете много нового и поймете, что значит оценивать и анализировать регрессионные модели. В этом уроке подробно рассматриваются следующие темы: 1. Введение в эконометрику 2. Традиционная/классическая методология эконометрики 3. Функция регрессии генеральной совокупности против функции регрессии выборки 4. Метод наименьших квадратов 5. Простые и множественные линейные регрессионные модели 6. Статистическая значимость коэффициентов регрессии и общая/совместная/глобальная гипотеза Вы также изучите важные понятия, такие как p-значения, уровни значимости, коэффициент детерминации (R-квадрат) и т. д. БУДУТ ПРЕДСТАВЛЕНЫ ОЧЕНЬ МОЩНЫЕ ПРЕЗЕНТАЦИИ ПО СТАТИСТИЧЕСКОМУ ВЫВОДУ В R. ВОТ ТЕМЫ, КОТОРЫЕ БУДУТ РАССМОТРЕНЫ И ЗАГРУЖЕНЫ НА КАНАЛ: 1. Статистический вывод с R - концепции и приложения (РАССМАТРИВАЕТСЯ) 2. Корреляционный анализ (Пирсона, Спирмена, Кендалла Тау, точечно-бисериальный, частичный) корреляция и т. д.) (РАССМАТРИВАЕТСЯ) 3. Регрессионный анализ (линейная и логистическая регрессия) 4. Сравнение двух средних 5. Сравнение нескольких средних (GLM1) 6. Ковариационный анализ (ANCOVA) (GLM2) и факторный дисперсионный анализ (GLM3) 7. Планы с повторными измерениями (GLM4) и смешанные планы (GLM5) 8. Непараметрические тесты (Вилкоксона, Краскала, Фридмана и т. д.) 9. Многомерный дисперсионный анализ (MANOVA) 10. Исследовательский факторный анализ (PCA и анализ надежности) 11. Анализ категориальных данных (критерий хи-квадрат Пирсона, точный критерий Фишера и т. д.) 12. Многоуровневые линейные модели ХОТИТЕ ЛИ ВЫ СТАТЬ МАСТЕРОМ СТАТИСТИКИ И ИМЕТЬ ЭТИ НАВЫКИ В СВОИХ РАБОТАХ? Р? Тогда ПОДПИШИТЕСЬ НА КАНАЛ, ЧТОБЫ ПОЛУЧАТЬ БОЛЬШЕ ТАКИХ УРОКОВ!