دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Timina Liu, Shuangzhe Liu, Lei Shi سری: ISBN (شابک) : 9811503206, 9789811503207 ناشر: Springer سال نشر: 2020 تعداد صفحات: 137 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
در صورت تبدیل فایل کتاب Time Series Analysis Using SAS Enterprise Guide (SpringerBriefs in Statistics) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل سری های زمانی با استفاده از راهنمای سازمانی SAS (SpringerBriefs در آمار) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این اولین کتابی است که تحلیل سری های زمانی را با استفاده از نرم افزار SAS Enterprise Guide ارائه می کند. این شامل برخی از پیشزمینهها و تئوریهای مختلف برای تکنیکهای تحلیل سریهای زمانی مختلف است و فرآیند تحلیل دادهها و نتایج نهایی را از طریق تصاویر گسترده گام به گام نرمافزار راهنمای سازمانی SAS نشان میدهد. این کتاب یک راهنمای عملی برای تجزیه و تحلیل سری های زمانی در راهنمای سازمانی SAS است و منبع ارزشمندی است که برای طیف گسترده ای از بخش ها سود می برد.
This is the first book to present time series analysis using the SAS Enterprise Guide software. It includes some starting background and theory to various time series analysis techniques, and demonstrates the data analysis process and the final results via step-by-step extensive illustrations of the SAS Enterprise Guide software. This book is a practical guide to time series analyses in SAS Enterprise Guide, and is valuable resource that benefits a wide variety of sectors.
Preface Contents 1 Introduction 1.1 Purpose 1.2 Significance of Time Series 1.3 Introduction to SAS EG 1.3.1 Getting Started with SAS EG 1.3.2 Data Input 1.4 Moving Forward References 2 Basic Statistics and Regression Models 2.1 Basic Statistics 2.1.1 Data Types 2.1.2 Numerical Measures 2.2 Normality Tests 2.2.1 Shapiro-Wilk Test 2.2.2 Kolmogorov-Smirnov Test 2.2.3 Numerical Example 2.3 Transforming Data 2.3.1 z-scores 2.3.2 Numerical Example 2.4 Simple Linear Regression 2.4.1 Fitting Model Parameters 2.4.2 Checking Model Assumptions 2.4.3 Numerical Example 2.5 Multiple Linear Regression 2.5.1 Fitting Model Parameters 2.5.2 Checking Model Assumptions 2.5.3 Numerical Example References 3 Basic Forecasting 3.1 Descriptive Analysis 3.2 Smoothing Methods 3.2.1 Numerical Example References 4 ARIMA Modelling and Forecasting 4.1 Auto-Regressive (AR) Model 4.2 Moving Average (MA) Model 4.3 Auto-Regressive Moving Average (ARMA) Model 4.4 Steps in ARIMA Modelling 4.4.1 Numerical Example References 5 Regression Analysis with Autoregressive Errors 5.1 Static Time Series Models 5.1.1 Trends and Seasonality 5.1.2 Numerical Example 5.2 Regression Models Involving Serial Correlation 5.2.1 Numerical Example Reference 6 Regression Analysis of Panel Data 6.1 Panel Data 6.2 Fixed Effects 6.2.1 Numerical Example 6.3 Random Effects 6.3.1 Numerical Example 6.4 Parks Method 6.4.1 Numerical Example References Appendix A.1 List of Data Sets Used in the Book A.2 List of SAS Online Examples Glossary Bibliography