نحوه وارد کردن داده در برنامه R

زبان برنامه نویسی R یک پلتفرم منبع باز یا open source است به این معنا که برای استفاده از آن نیازی به پرداخت هیچ گونه هزینه ای نیست. در سال های اخیر این زبان برنامه نویسی در بین تحلیلگران داده محبوبیت زیادی به دست آورده است، به این دلیل شرکت R یک نسخه user friendly به نام Rstudio ارائه داده است که برای افرادی که پیشینه کمتری در برنامه نویسی دارند هم بتوانند راحتر با زبان برنامه نویسی R کار کنند.

زبان برنامه نویسی R کتابخانه زیادی را برای راحتر شدن کاربران ارائه داده است که در زیر برخی از آنها را معرفی می کنم.

نرم افزار Rstudio از چهار پنجره اصلی تشکیل شده ، در پنجره سمت بالا راست می توان از قسمت import dataset انواع داده ها را فراخوانی کرد.
در زیر کدهای مربوط به ورود انواع داده ها را توضیح می دهم.

1- نحوه وارد کردن داده ها با فرمت csv به برنامه Rstudio :

data1 <- read.csv("your.path/filename.csv", header=TRUE)

قطعه کد بالا داخل پرانتز قسمت your.path همان مسیر فایل داده در کامپیوتر شماست که باید جایگذاری نمایید.

2- نحوه وارد کردن داده با فرمت R :

load("yourdirectory/someworkspace.RData")

در قسمت yourdirectory همان مسیر فایل داده در کامپیوتر شماست.

3- نحوه وارد کردن داده با فرمت Excel :

library(readxl)
data3 <- read_excel("data/Tesla Deaths.xlsx", sheet = 1)
View(data3)

ابتدا کتابخانه readxl را فراخوانی می کنیم و سپس در خط دوم داخل پرانتز مسیر فایل داده اکسل را جایگذاری می کنیم.

4- نحوه وارد کردن داده با فرمت dta یا stata :

install.packages("haven")
library(haven)
data4 <- read_dta("F:/STATA/health_/HealthData.dta")
View(data4)

برای نصب یک کتابخانه یا package می توان از قسمت Tools بالای صفحه نرم افزار یا از طریق کد install.packages ، کتابخانه مورد نظر را نصب کرد.

5- نحوه وارد کردن داده با فرمت spss :
library(haven)
data5 <- read_sav("your.path/filename.cav")
View(data5)

6- نحوه وارد کردن داده با فرمت SAS :
library(haven)
data6 <- read_sas(NULL, NULL)
View(data6)

#R #Rstudio #R_programing
#import_data_into_r
#economics #data_analysis_with_R

https://t.me/ecohadico

برای دانلود و نصب برنامه Rstudio به لینک زیر مراجعه کنید
https://posit.co/download/rstudio-desktop/

برای نصب برنامه rstudio ابتدا باید برنامه R را روی کامپیوترتان نصب کنید.

🔰نحوه انجام رگرسیون خطی ساده(OLS) در Rstudio (گام به گام): ""

فرض کنید یک معادله ساده خطی به شکل زیر داریم
ŷ = b0 + b1x
در این معادله می خواهیم تاثیر متغیر X را بر روی y برآورد کنیم.
برای این کار در محیط R از اینجا شروع می کنیم.

1️⃣قدم اول: آپلود یا فراخوانی دیتا به نرم افزار
برای اینکه بتوانیم یک مثال فرضی با هم حل کنیم یه سری داده در نرم افزار rstudio ایجاد می کنیم. در این مثال x تعداد ساعات مطالعه دانش آموزان، و y نمره دانش آموزان در نظر می گیرم.
نحوه ایجاد دیتافریم در rstudio :
df <- data.frame(hours=c(1, 2, 4, 5, 5, 6, 6, 7, 8, 10, 11, 11, 12, 12, 14),
score=c(64, 66, 76, 73, 74, 81, 83, 82, 80, 88, 84, 82, 91, 93, 89))

خب با این کد داده های فرضی را ساختیم، شما می توانید در مثال های واقعی داده های خودتون رو فراخوانی کنید.

2️⃣قدم دوم: مصور سازی داده ها
قبل از اینکه یک مدل رگرسیون خطی ساده را برآورد کنیم، ابتدا باید داده ها را رسم کنیم تا درک درستی از آن به دست آوریم.
ابتدا، می‌خواهیم مطمئن شویم که رابطه بین ساعت‌ها و نمره دانش آموزان تقریباً خطی است، زیرا این یک فرض اساسی از رگرسیون خطی ساده است. ما می توانیم یک نمودار پراکندگی ساده برای مشاهده رابطه بین دو متغیر به شکل زیر ایجاد کنیم:

scatter.smooth(hours, score, main='Hours studied vs. Exam Score')

با این کد نمودار scatter رسم می شود. در خط بالا Hours studied vs. Exam Score به عنوان لیبل نمودار تعریف شده است.
لطفا این تمرین را انجام دهید تا به مرور توانایی کار با نرم افزار در ذهن تون افزایش پیدا کند.
با ترسیم نمودار متوجه یک رابطه تقریبا خطی بین ساعات مطالعه و نمره دانش آموزان می شویم.
با دستور زیر می توانیم با رسم یک boxplot برای تجسم توزیع نمرات امتحانی ایجاد کنیم و نقاط پرت را بررسی کنیم.
boxplot(score)

3️⃣قدم سوم: نحوه اجرای رگرسیون خطی ساده
هنگامی که تأیید کردیم که رابطه بین متغیرهای ما خطی است و هیچ چیز پرت وجود ندارد، می‌توانیم یک مدل رگرسیون خطی ساده را با استفاده از ساعت به‌عنوان متغیر توضیحی و نمره به‌عنوان متغیر وابسته ادامه دهیم:
model <- lm(score~hours)

با دستور بالا مدل ما اجرا می شود
و با دستور زیر می توانیم خلاصه ای از نتایج را ببینیم
summary(model)

تفسیر مدل خطی ساده را به عنوان تمرین به عهده شما دانشجویان می زارم، اگر در این زمینه سوالی داشتید ازم بپرسید.
@ecohadi

4️⃣قدم چهارم: رسم نمودار باقیمانده یا Residual
بعد از اینکه مدل رگرسیون خطی ساده را با داده ها برازش کردیم، آخرین مرحله ایجاد نمودارهای باقیمانده است.
یکی از مفروضات کلیدی رگرسیون خطی این است که بقایای یک مدل رگرسیون تقریباً به طور نرمال توزیع شده و در هر سطح از متغیر توضیحی همسو باشند. اگر این مفروضات نقض شوند، نتایج مدل رگرسیون ما ممکن است گمراه کننده یا غیرقابل اعتماد باشد.

5️⃣نمودار مقادیر باقیمانده در مقابل برازش:
این نمودار برای تأیید همسانی مفید است. محور x مقادیر برازش و محور y باقیمانده ها را نمایش می دهد. تا زمانی که به نظر می رسد باقیمانده ها به طور تصادفی و به طور مساوی در سراسر نمودار حول مقدار صفر توزیع شده اند، می توانیم فرض کنیم که همسویی نقض نشده است:

برای تعریف باقیمانده از کد زیر استفاده می کنیم
res <- resid(model)
در کد زیر هم نمودار پراکندگی رسم می شود
plot(fitted(model), res)

برای اضافه کردن خط افقی در نمودار از کد زیر استفاده می کنیم
abline(0,0)

6️⃣مرحله پایانی: رسم نمودار Q-Q
این نمودار برای تعیین اینکه آیا باقیمانده ها از توزیع نرمال پیروی می کنند مفید است. اگر مقادیر داده در نمودار در امتداد یک خط تقریباً مستقیم با زاویه 45 درجه قرار گیرند، آنگاه داده ها به طور معمول توزیع می شوند:

qqnorm(res)
برای اضافه کردن خط 45 درجه از کد زیر استفاده می کنیم
qqline(res)

♦️تمرین: ازتون یه خواهش دارم، اینکه این مثال رو لطفا حل کنید و هرجا سوالی داشتین ازم بپرسید.
امیدوارم چیزی از قلم نیوفتاده باشه، موردی بود بهم بگید.

منبع: statology
#R_programing #Rstudio #ols

🔰نحوه انجام رگرسیون لجستیک چند جمله ای (Multinomial logistic regression)


در این پست با مثال هایی از مفهوم رگرسیون با متغیر وابسته categorical شروع می کنیم
مثال یک: تحلیلگران بازار می خواهند تعیین کنند که کدام متغیرها بر تصمیم خرید پاپ کورن بزرگ، متوسط یا کوچک در سینما تأثیر می گذارند.
مثال دو: انتخاب های شغلی افراد ممکن است تحت تأثیر مشاغل والدین و سطح تحصیلات آنها باشد. می‌توان رابطه انتخاب شغل با سطح تحصیلات و شغل پدر را مطالعه کرد. انتخاب های شغلی متغیر نتیجه خواهد بود که از دسته های مشاغل تشکیل شده است.
مثال سه: دانش آموزانی که وارد دبیرستان می شوند، برنامه را از بین برنامه عمومی، برنامه حرفه ای و برنامه تحصیلی انتخاب می کنند. انتخاب آنها ممکن است با استفاده از نمره نوشتاری و وضعیت اقتصادی اجتماعی آنها مدل شود.

🔆حالا که با مفهوم این نوع مدل ها آشنا شدیم، میخواهیم نحوه پیاده سازی آن در نرم افزار RStudio را با هم یاد بگیریم.

ابتدا کتابخانه های مورد نیاز را به شکل زیر فراخوانی می کنیم.

library(foreign)
library(nnet)
library(ggplot2)
library(reshape2)

نکته: اگر این کتابخانه ها از قبل در RStudio نصب ندارید، از طریق ابتدا آنها را نصب کنید.

install.pakages("foreign")
install.pakages("nnet")
install.pakages("ggplot2")
install.pakages("reshape2")

نکته: برای نصب کتابخانه ها در RStudio حتما باید سیستم شما به اینترنت متصل باشد.

💻شرح داده ها:
برای مثال تجزیه و تحلیل داده ها، مثال سوم را با استفاده از مجموعه داده hsbdemo ادامه می دهیم.
بیایید ابتدا داده ها را فراخوانی کنیم.

ml <- read.dta("https://stats.idre.ucla.edu/stat/data/hsbdemo.dta")

مجموعه داده شامل متغیرهایی برای 200 دانش آموز است. متغیر نتیجه prog، نوع برنامه است. متغیرهای پیش بینی کننده وضعیت اقتصادی اجتماعی، ses یک متغیر طبقه بندی سه سطحی و نمره نوشتن، نوشتن، یک متغیر پیوسته هستند. بیایید با گرفتن چند آمار توصیفی از متغیرهای مورد علاقه شروع کنیم.

with(ml, table(ses, prog))

with(ml, do.call(rbind, tapply(write, prog, function(x) c(M = mean(x), SD = sd(x)))))

دو خط کد بالا را در RStudio اجرا کنید و نتیجه را ببینید.
?!
***************************
در زیر از تابع multinom از بسته nnet برای تخمین مدل رگرسیون لجستیک چند جمله ای استفاده می کنیم. توابع دیگری در سایر بسته های R وجود دارد که قادر به رگرسیون چند جمله ای هستند. ما تابع multinom را انتخاب کردیم زیرا نیازی به تغییر شکل داده ها (همانطور که بسته mlogit انجام می دهد) و بازتاب کد نمونه موجود در مدل های رگرسیون لجستیک Hilbe نیست.

ابتدا باید سطح نتیجه خود را که می‌خواهیم به‌عنوان خط مبنا استفاده کنیم انتخاب کنیم و آن را در تابع سطح مشخص کنیم. سپس، مدل خود را با استفاده از multinom اجرا می کنیم. بسته چندجمله‌ای شامل محاسبه p-value برای ضرایب رگرسیون نمی‌شود، بنابراین ما مقادیر p را با استفاده از آزمون‌های Wald محاسبه می‌کنیم (در اینجا آزمون z).

ml$prog2 <- relevel(ml$prog, ref = "academic")
test <- multinom(prog2 ~ ses + write, data = ml)

پس از اجرای کدهای بالا نتیجه را ببینید.
و سپس با دستور زیر نتایج مدل را مشاهده کنید

summary(test)

همچنین می توانیم نتایج آزمون Z را هم ببینیم
z <- summary(test)$coefficients/summary(test)$standard.errors

z

در مدل فوق ما academic را به عنوان سطح در نظر گرفتیم و حالت های general و vocation را نسبت به حالت academic بررسی کرده ایم.

تمرین: کدهای نوشته شده در این پست را در نرم افزار RStudio اجرا کنید و هرجا که به مشکلی خوردید، دوباره امتحان کنید و در صورت ابهام با من در تماس باشید.
@ecohadi

دوستانی که تفسیر مدل را در نمونه های با داده های واقعی لازم دارند با من در تماس باشید.

#econometrics #economics #اقتصادسنجی #R_programing #Rstudio #Multinomial_logistic_regression
❤️❤️
https://t.me/ecohadico

🔆معرفی دوره پیش دکتری : دوره های پیش دکتری معمولا در دانشگاه ها و موسسات آموزشی برتر دنیا ارائه می شوند و فرصت خوبیه برای ورود به حوزه کار تحقیقاتی حرفه ای که البته در این دوره حقوق هم دریافت می کنید و آمادگی لازم رو برای ورود به دوره دکتری کسب می کنید.

در این دوره ها معمولا تسلط به یکی از برنامه های R, Python یا Stata لازمه و در برخی موارد MATLAB و GIS رو هم میخوان.

1️⃣معرفی دوره پیش دکتری در دانشگاه میشیگان
Research Assistant in Health Economics and Econometrics

https://users.nber.org/~kowalski/Kowalski.Latest.RA.Posting.pdf

Deadline: January 15, 2024

2️⃣معرفی دوره پیش دکتری در دانشگاه کالیفرنیای جنوبی
https://drive.google.com/file/d/1FMloJBFl_5YmWumGLSPb88WcMCGVzA5G/view

Deadline: 12/31/2023
3️⃣ معرفی دوره پیش دکتری در دانشگاه شیکاگو
https://www.nber.org/sites/default/files/2023-11/Pre-Doctoral%20Fellow_Meyer_Comprehensive%20Income%20Dataset%20Project%202023.pdf

Deadline: 12/31/2023

#predoc #stata #economics #econometrics #R_programing

#معرفی

کتابخانه دانشگاه #پرینستون یک سری آموزش باحال در حوزه تحلیل داده تهیه کرده که به درد دانشجویان برای انجام تحقیقاتشون میخوره

https://libguides.princeton.edu/?group_id=1891

💚❤️
#economics #stata #econometrics #استاتا #اقتصادسنجی #R_programing

https://t.me/ecohadico
https://t.me/ecohadico

🔆 سلام به همگی
امیدوارم که خوب و خوش باشید

امروز میخوام مقاله رگرسیون خطی ساده و چند متغیره در R رو معرفی کنم.

در مقاله قبلی، نحوه وارد کردن داده ها در R رو گفتم، امیدوارم مقاله رو خونده باشید و تمریناتش رو انجام داده باشید!

خواهشی که دارم اینه که برید مقاله رو بخونید، تمرین و مثال هاش رو حل کنید. اگه براتون جالب بود و چیزی یاد گرفتید پایین مقاله کامنت بزارید
یا اگه سوالی براتون پیش اومد حتما در قسمت کامنت سایت، سوالتون رو بپرسید ممکنه سوال شما، برای بقیه هم سوال باشه و همه بتونن از جواب ها بهره مند بشند.

https://ecohadi.com/%D8%B1%DA%AF%D8%B1%D8%B3%DB%8C%D9%88%D9%86-%D8%AE%D8%B7%DB%8C-%D8%AF%D8%B1-r/

💚💚

#econometrics #اقتصادسنجی #R_programing #Rstudio #رگرسیون #رگرسیونـحطیـدرـR

https://t.me/ecohadico