لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : PowerPoint (..pptx) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 26 صفحه
قسمتی از متن PowerPoint (..pptx) :
بنام خدا 1 فصل شانزدهم رگرسیون برروی متغیروابسته موهومی فهرست 2 3 مثالهای متعددی وجود دارد که در آنها متغیر وابسته منقسم به دو گروه است: یک خانواده صاحب خانه هست یا نیست، استطاعت پرداخت حق بیمه را دارد یا ندارد و... در این فصل مدلهای رگرسیونی مدنظر قرار میگیرند که در آنها متغیر وابسته یا تابع، خود ماهیتاً بیانگر دو گروه است که هریک از مقادیر 0 و 1 را اختیار میکند. متغیرهای وابسته موهومی 4 مدل احتمال خطی (LPM) مدل لاجیت (Logit) مدل پروبیت Probit) ) 5 مدل احتمال خطی(LPM) مدلهایی که در آن Yi به عنوان تابعی خطی از متغیرهای توضیحیX،به دو گروه تقسیم میشود، مدلهای احتمال خطی (LPM) نامیده میشود. Yi = β1+ β2 Xi + ui Y = 1 or Y = 0 فرض: E( u i )= 0
دسته بندی : پاورپوینت
نوع فایل : PowerPoint (..pptx) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 26 صفحه
قسمتی از متن PowerPoint (..pptx) :
بنام خدا 1 فصل شانزدهم رگرسیون برروی متغیروابسته موهومی فهرست 2 3 مثالهای متعددی وجود دارد که در آنها متغیر وابسته منقسم به دو گروه است: یک خانواده صاحب خانه هست یا نیست، استطاعت پرداخت حق بیمه را دارد یا ندارد و... در این فصل مدلهای رگرسیونی مدنظر قرار میگیرند که در آنها متغیر وابسته یا تابع، خود ماهیتاً بیانگر دو گروه است که هریک از مقادیر 0 و 1 را اختیار میکند. متغیرهای وابسته موهومی 4 مدل احتمال خطی (LPM) مدل لاجیت (Logit) مدل پروبیت Probit) ) 5 مدل احتمال خطی(LPM) مدلهایی که در آن Yi به عنوان تابعی خطی از متغیرهای توضیحیX،به دو گروه تقسیم میشود، مدلهای احتمال خطی (LPM) نامیده میشود. Yi = β1+ β2 Xi + ui Y = 1 or Y = 0 فرض: E( u i )= 0
فرمت فایل پاورپوینت می باشد و برای اجرا نیاز به نصب آفیس دارد