دیدگاه

گزینه های مختلفی برای برخورد با داده های گمشده وجود دارد که دو نوع ان انتساب رگرسیونی یا Regression و حداکثر درست نمایی یا Maximum Likelihood می باشد . در انتساب رگرسیونی ما مقادیر پیش بینی شده با معادله رگرسیونی را جایگزین داده گمشده می کنیم و در حداکثر احتمال بر اساس حداکثر درستنمایی داده های گمشده را جایگزین می کنند اما سوالی که پیش می اید این است که چه زمانی از انتساب رگرسیونی استفا...

این مطلب مرتبط با مطلب قبل وبلاگ می باشدتصور کنید سه متغیر رضایت ، استقلال و روتین داریم . در استقلال و روتین داده ی گمشده ای ندارد ولی در رضایت سه داده ی گمشده وجود دارد یک پوشه در دستکاپ با نام sam می سازیم و نام داده های spss هم sam است . داده ها را وارد LISREL می کنیم . File > inport data فایل داده های spss را فراخوانی کرد و نام داده های لیزرلی را نیز sam می گذاریم . داده ها وارد L...

این مطلب مرتبط با مطلب قبل وبلاگ می باشدتصور کنید سه متغیر رضایت ، استقلال و روتین داریم . در استقلال و روتین داده ی گمشده ای ندارد ولی در رضایت سه داده ی گمشده وجود داردیک پوشه در دستکاپ با نام sam می سازیم و نام داده های spss هم sam است . داده ها را وارد LISREL می کنیم .File > inport dataفایل داده های spss را فراخوانی کرد و نام داده های لیزرلی را نیز sam می گذاریم .داده ها وارد LISREL می ...

گزینه های مختلفی برای برخورد با داده های گمشده وجود دارد که دو نوع ان انتساب رگرسیونی یا Regression و حداکثر درست نمایی یا Maximum Likelihood می باشد . در انتساب رگرسیونی ما مقادیر پیش بینی شده با معادله رگرسیونی را جایگزین داده گمشده می کنیم و در حداکثر احتمال بر اساس حداکثر درستنمایی داده های گم...