• این دوره جامع شامل دو دوره «استاتا STATA مقدماتی»و دوره «استاتا STATA پیشرفته و با تمرکز بر داده‌های ترکیبی (Panel Data)» است که به‌صورت یک پکیج کامل ارائه می‌شود.

• این پکیج گزینه‌ای ایده‌آل برای افرادی است که قصد دارند نرم افزار STATA را به‌صورت کامل، اصولی و اقتصادی یاد بگیرند. 

• در این دوره، از آشنایی با محیط و دستورات پایه STATA شروع کرده و تا تحلیل حرفه‌ای داده‌های پانلی پیش می‌روید.

سرفصل های این دوره / محتوای جلسات :

محتوای آموزشی این دوره دقیقاً همان محتوای دوره‌های زیر است با این تفاوت که بصورت یکجا و با هزینه کمتر در اختیار شما قرار میگیرد.

1. «استاتا STATA مقدماتی»  شامل 25 جلسه و مدت زمان آموزش : 6 ساعت و 23 دقیقه
2. «استاتا STATA پیشرفته و با تمرکز بر داده های ترکیبی(Panel Data)»  شامل 15 جلسه و مدت زمان آموزش : 5 ساعت و 48 دقیقه

در مجموع این پکیج جامع شامل 40 جلسه با مدت زمان آموزش : 12 ساعت و 11 دقیقه ارائه میشود.

یادگیری تحلیل داده‌های پیشرفته، به‌ویژه با استفاده از داده‌های ترکیبی (Panel Data)، به یکی از مهارت‌های ضروری در پژوهش‌های اقتصادی و آماری تبدیل شده است. یکی از تفاوت‌های اصلی تحلیل‌های حرفه‌ای با تحلیل‌های ساده، استفاده از نرم‌افزارهای قدرتمندی مانند STATA برای مدل‌سازی دقیق داده‌هاست.
در این دوره، با تکیه بر دانش مقدماتی، به‌صورت اصولی و گام‌به‌گام وارد مباحث پیشرفته STATA و تحلیل داده‌های پانلی می‌شوید.
STATA با دستورات تخصصی و قابلیت‌های گسترده، امکان اجرای مدل‌ها و آزمون‌های پانلی را با دقت بالا فراهم می‌کند.
در ادامه این دوره، یاد می‌گیرید چگونه از داده‌های ترکیبی برای انجام پژوهش‌های حرفه‌ای، پایان‌نامه و مقالات علمی استفاده کنید.

داده‌های ترکیبی (Panel Data) چیست؟

داده‌های ترکیبی یا پانلی، ترکیبی از داده‌های مقطعی و سری زمانی هستند که رفتار واحدهای مختلف را در طول زمان بررسی می‌کنند. این نوع داده‌ها امکان تحلیل دقیق‌تر تغییرات و تفاوت‌های فردی را فراهم می‌کنند.
Panel Data به پژوهشگر کمک می‌کند اثر عوامل پنهان و ثابت را کنترل کرده و نتایج واقعی‌تری به‌دست آورد.
در بسیاری از مطالعات اقتصادی، مالی و اجتماعی، استفاده از داده‌های پانلی باعث افزایش دقت برآوردها می‌شود.
این داده‌ها نقش مهمی در تحلیل‌های پیشرفته، پایان‌نامه‌ها و مقالات علمی دارند.

پیش نیاز این دوره :

• برای این دوره، تسلط بر مباحث مقدماتی نرم‌افزار STATA ضروری است.
• اگر هنوز این مباحث را به‌طور کامل یاد نگرفته‌اید، پیشنهاد می‌شود ابتدا  آموزش نرم افزار استاتا STATA مقدماتی موجود در همین سایت را مشاهده کنید تا با آمادگی بیشتری وارد مباحث پیشرفته و تحلیل داده‌های پانلی شوید.
• آشنایی با دستورات پایه، وارد کردن و مدیریت داده‌ها و رسم نمودارها نقش مهمی در درک بهتر مطالب این دوره دارد.
• همچنین آشنایی کلی با مفاهیم آمار و رگرسیون خطی باعث می‌شود مسیر یادگیری روان‌تر و مؤثرتر باشد.

سرفصل های این دوره / محتوای جلسات (15 جلسه ) :

1. معرفی انواع ساختار داده (پانلی و سری و مقطعی) ، ویژگی ها و انواع پانل متوازن و نامتوازن
2. ویژگی های پانل دیتا، مبانی انواع مدل پانلی (اثرات ثابت، تجمیعی، و تصادفی) ، روش انتخاب مدل و تخمین گر مناسب
3. ورود و تعریف داده ها در استاتا و توضیح آن، روشهای تجمیعی و ثابت و تصادفی در استاتا، آزمونهای تشخیص
4. آزمون بروش پاگان (تصادفی و پولد) و حالتی خاص از تشخیص
5. آزمونهای واریانس ناهمسانی، خودهمبستگی و روش های روباست و اف جی ال اس
6. آزمون های وابستگی مقطعی، توضیح بیشتر اف جی ال اس، اثرات ثابت و تصادفی و حالتهای بیشتری از خروجی برآوردی
7. برخی روش های تخمین دیگر ( پرایس وینستون و …) و لیست داده های گم شده
8. نمودارها و انواع آن برای پانل دیتا
9. مبانی نظری مانایی، روش های مانایی هریس تاوالیس، لین لواین چو، براتونگ در استاتا
10. روش های مانایی پسران، فیشر (دیکی فولر و فیلیپس پرون) ، هادری
11. روش های هم انباشتگی کائو ، وسترلند و پدرونی
12. روش های رفع نامانایی
13. روش آرلاندو و باور و آزمون های سارگان و خودهمبستگی مرتبه ای مرحله اول و دوم
14. روش آرلاندو و بلاندل و آزمون های سارگان و خودهمبستگی مرتبه ای مرحله اول و دوم
15. GMM تفاضلی و سیستمی مرحله یک و دوم، آزمون های مربوطه، رفع برخی اشکالات احتمالی و …

مخاطب این دوره : 

• این دوره مناسب افرادی است که با مبانی نرم‌افزار STATA آشنایی دارند و قصد دارند تحلیل داده‌های پانلی را به‌صورت کاربردی یاد بگیرند.
• دانشجویان، پژوهشگران و تحلیل‌گرانی که روی پایان‌نامه، مقاله علمی یا پروژه‌های تحلیلی کار می‌کنند، بیشترین استفاده را از این دوره خواهند داشت.

یادگیری کار با نرم‌افزارهای آماری در دنیای امروز به یکی از مهارت‌های کلیدی برای دانشجویان، پژوهشگران و تحلیل‌گران داده تبدیل شده است. در واقع یکی از تفاوت‌های اصلی میان تحلیل‌های سنتی و تحلیل‌های مدرن داده، استفاده از نرم‌افزارهای تخصصی و قدرتمندی مانند STATA است.

در این دوره آموزشی قصد داریم شما را به‌صورت اصولی و قدم‌به‌قدم با نرم‌افزار STATA آشنا کنیم. استفاده از استاتا برای تحلیل داده‌های آماری و اقتصادی مزیت‌های فراوانی دارد؛ چرا که این نرم‌افزار با محیطی ساده، دستورات قدرتمند و قابلیت‌های گسترده، فرایند تحلیل داده را سریع‌تر و دقیق‌تر می‌کند.

اما قبل از هر چیز، بهتر است ابتدا به‌طور شفاف با این موضوع آشنا شویم که نرم‌افزار  STATA چیست و چرا تا این اندازه در دنیای پژوهش و تحلیل داده محبوب شده است، سپس ادامه مسیر این دوره را با هم پیش ببریم.

نرم‌افزار  STATA  چیست؟

نرم‌افزار STATA یک نرم‌افزار قدرتمند برای تحلیل داده‌های آماری است که به‌طور گسترده در حوزه‌هایی مانند اقتصاد، علوم اجتماعی، مدیریت و پژوهش‌های دانشگاهی مورد استفاده قرار می‌گیرد. این نرم‌افزار امکان وارد کردن، مدیریت و پاک‌سازی داده‌ها را به‌سادگی فراهم می‌کند.
STATA همچنین ابزارهای متنوعی برای انجام تحلیل‌های آماری، مدل‌سازی و ترسیم نمودارهای حرفه‌ای در اختیار کاربران قرار می‌دهد. ساختار دستوری ساده و مستندات قوی، یادگیری و استفاده از آن را بسیار کاربردی کرده است. به همین دلیل، استاتا یکی از انتخاب‌های اصلی تحلیل‌گران و پژوهشگران داده محسوب می‌شود.

چرا نیاز است  STATA  یاد بگیریم؟

یادگیری نرم‌افزار STATA به ما کمک می‌کند داده‌های خام را به اطلاعات قابل تحلیل و تصمیم‌گیری تبدیل کنیم. بسیاری از تحلیل‌های آماری و اقتصادی که انجام آن‌ها به‌صورت دستی زمان‌بر و پرخطاست، در استاتا با دقت و سرعت بالا انجام می‌شوند.
تسلط بر این نرم‌افزار یک مزیت مهم در فعالیت‌های دانشگاهی، پژوهشی و حتی بازار کار محسوب می‌شود. STATA ابزار استاندارد بسیاری از مقالات علمی و پروژه‌های تحقیقاتی است و یادگیری آن مسیر انجام تحلیل‌های حرفه‌ای را هموار می‌کند. به همین دلیل، یادگیری استاتا برای هر کسی که با داده سروکار دارد، یک ضرورت به شمار می‌آید.

پیش نیاز این دوره : 

• برای شرکت در این دوره نیاز به پیش‌زمینه تخصصی در نرم‌افزار STATA ندارید و آموزش‌ها از سطح کاملاً مقدماتی آغاز می‌شود.
• آشنایی اولیه با مفاهیم پایه آمار می‌تواند به درک بهتر مطالب کمک کند، اما الزامی نیست.
• داشتن توانایی کار با کامپیوتر و فایل‌های داده مانند Excel کافی است.
• تمامی مفاهیم و مراحل به‌صورت ساده و قابل فهم توضیح داده می‌شوند.

سرفصل های این دوره / محتوای جلسات (25 جلسه)  : 

1. نصب نرم افزار
2. آشنایی با فضای کلی نرم افزار، شخصی سازی نرم افزار، معرفی منوها و سربرگها و نیز انواع ساختار داده (سری، پانل و مقطعی) و …
3. ورود داده به نرم افزار، ماهیت انواع داده در استاتا، عملگرهای اصلی ریاضی (جمع و تفریق و تقسیم و ضرب) و ساخت متغیر
4. دستورات تکمیلی یک: تعریف ساختار داده به نرم افزار، ساخت متغیر زمان (روزانه، ماهانه، فصلی و سالانه)، لگاریتمی و … (تکمیلی)
5. دستورات تکمیلی دو: فهرست کردن،؛ استخراج، توضیح و تحلیل خلاصه آماری متغیرها (میانگین، میانه، واریانس، انحراف معیا،
   چولگی، کشیدگی،صدک، دهکو چندکهای داده ها و …) (تکمیلی)
6. دستورات تکمیلی سه: سورت کردن بر اساس یک متغیر (تکمیلی)
7. مبانی نظری رگرسیون؛ تعریف رگرسیون، انواع رگرسیون خطی و غیرخطی و تک متغیره و چند متغیره، ویژگی های یک تخمین گر
   خوب
8. مبانی نظری روش حداقل مربعات معمولی، ضریب تعیین و آماره های t و F
9. روش حداقل مربعات معمولی در نرم افزار و تحلیل و تفسیر نتایج آن
10. فرض عمومی یک: تعریف و مبانی خطای تصریح
11. تصریح مدل: بررسی شکل تابعی مدل و متغیر محذوف (او تست) در مدل
12. تصریح مدل: بررسی شکل تابعی مدل و شناسایی متغیرهای زائد (آزمون والد)
13. تصریح مدل: بررسی شکست ساختاری و ثبات ضرایب(آزمون های چاو، متغیر مجازی و آزمون شکست)
14. فرض عمومی دو: هم خطی شدید (انواع همبستگی و آزمون وایف)
15. فروض کللاسیک، فرض کلاسیک یک: تعریف و بررسی صفر شدن میانگین جملات اخلال در نرم افزار
16. فرض کلاسیک یک: تعریف و بررسی صفر شدن میانگین جملات اخلال و رگرسیون بدون عرض از مبدا (تکمیلی)
17. فرض کلاسیک دو: تعریف و انواع روش های تشخیص واریانس ناهمسانی و رفع آن، روش های جی ال اس، نیو وی وست، روباست و …
18. فرض کلاسیک سه: تعریف و آزمون های تشخیص خودهمبستگی خطاها و روش های رفع آن، روش پرایس وینستون
19. فرض کلاسیک چهار: تعریف و آزمون های تشخیص همبستگی جملات اخلال با متغیرهای توضیحی
20. فرض کلاسیک پنج: نرمال بودن توزیع خطاها (تعریف و آزمون های شناسایی ( آزمون جارکیو براو و شاپیرویلک) و رسم
    نمودار آن
21. مانایی و هم انباشتگی (دیکی فولر و فیلیپس پرون و …)
22. علیت گرنجر
23. جدول بندی و گزارش گیری (تکمیلی 1)
24. جدول بندی و گزارش گیری (تکمیلی 2)
25. محاسبه کشش اثرات نهایی و پیش بینی (تکمیلی 3)

مخاطب این دوره :

• این دوره مناسب افرادی است که هیچ تجربه قبلی با نرم‌افزار  STATA  ندارند و قصد دارند تحلیل داده‌های آماری و اقتصادی را از پایه یاد بگیرند.
• دانشجویان، پژوهشگران و علاقه‌مندان به تحلیل داده که به دنبال یادگیری اصولی و کاربردی استاتا هستند، مخاطبان اصلی این دوره محسوب می‌شوند.

آیا یادگیری  STATA  سخت است؟

بسیاری از افراد تصور می‌کنند یادگیری STATA سخت و پیچیده است، اما در واقع این‌طور نیست. محیط ساده و منظم این نرم‌افزار باعث می‌شود کاربران خیلی سریع با آن ارتباط بگیرند.
دستورات استاتا ساختار مشخص و قابل فهمی دارند و با کمی تمرین می‌توان به آن‌ها مسلط شد. اگر آموزش به‌صورت اصولی و مرحله‌به‌مرحله ارائه شود، یادگیری STATA حتی برای افراد مبتدی نیز کاملاً قابل انجام است.