دورة في تحليل الانحدار

الدرس 1 • تشخيص نقص البيانات: الأنماط، مفاهيم MCAR/MAR/MNAR وأدوات (missingno، naniar)

شخص نقص البيانات في لوحات المنتج-الشهر بتصور الأنماط والآليات. ميز MCAR وMAR وMNAR، واستخدم أدوات مثل missingno وnaniar لفحص الفجوات حسب المتغير، الاتجاهات الزمنية، والمشكلات الخاصة بالمنتج.

الدرس 2 • استراتيجيات معالجة القيم الناقصة والمتطرفة: الحذف، التعويض الفردي، المتوسط/الوسيط، تعويض الانحدار، k-NN، التعويض المتعدد (MICE)

استكشف استراتيجيات مدروسة لمعالجة القيم الناقصة والمتطرفة في بيانات اللوحة. قارن الحذف، التعويض الفردي والمتعدد، وطرق مثل المتوسط والوسيط والانحدار وk-NN وMICE، مع التركيز على التحيز والتباين وتفاصيل التنفيذ.

الدرس 3 • طرق كشف القيم الشاذة لحقول الرقمية: IQR، z-scores، MAD القوي، المدى المقلم

تعلم كيفية كشف القيم الشاذة الرقمية في بيانات المنتج-الشهر باستخدام IQR وز-scores وMAD القوي والمدى المقلم. قارن الحساسية للتوزيعات المائلة، وصمم قواعد تحمي الإشارة مع إزالة القيم غير المنطقية.

الدرس 4 • تحميل CSVs وقراءة بيانات المنتج المفهرسة زمنياً في Python وR (pandas read_csv، readr، data.table)

ممارسة تحميل بيانات CSV للمنتج-الشهر بكفاءة في Python وR. تعلم استخدام pandas وreadr وdata.table بقوة، التحكم في خيارات التحليل، معالجة الترميزات والفواصل، والتحقق من قراءة الحقول الزمنية والمفتاحية بشكل صحيح.

الدرس 5 • تحويل البيانات وتوسيع النطاق: تحويلات لوغاريتمية للعدد/السعر المائل، winsorizing، التوحيد والتطبيع

حول وكلّف المتغيرات لاستقرار التباين وتحسين ملاءمة النموذج. طبق تحويلات لوغاريتمية للعدد المائل والأسعار، وقلّم القيم المتطرفة، وقارن التوحيد والتطبيع للانحدار وطرق المسافة.

الدرس 6 • إنشاء ميزات مشتقة: شهر/سنة، علامات الموسمية، دمى الفئة، متغيرات متأخرة، متوسطات متدحرجة

أنشئ ميزات مشتقة معلوماتية من بيانات المنتج-الشهر لالتقاط الهيكل الزمني والبيئية. صمّم مكونات التقويم، علامات الموسمية، دمى الفئة، التأخيرات، والمتوسطات المتدحرجة مع تجنب التسرب إلى فترات الهدف.

الدرس 7 • توثيق قرارات التنظيف والتكرار: الدفاتر، الإصدارات، ومبادئ البيانات المنظمة

طوّر عادات صارمة لتوثيق تدفقات التنظيف لتكون التحاليل قابلة للتكرار. استخدم دفاتر وبرمجيات وإدارة الإصدارات، طبق مبادئ البيانات المنظمة، وحافظ على سجلات واضحة للفرضيات وخيارات المعلمات واستثناءات البيانات.

الدرس 1 • ملخصات فئوية: تجميعات حسب المجموعة حسب الفئة والشهر؛ جداول محورية لـunits_sold والسعر

يغطي هذا القسم الملخصات الفئوية لتحليل المبيعات. ستحسب التجميعات حسب المجموعة، تبني جداول محورية حسب الفئة والشهر، وتقارن units_sold والسعر والإيرادات لكشف تحولات الخليط واختلافات الأداء.

الدرس 2 • فحص التعدد الخطي بصرياً: pairplots، خرائط حرارية للارتباط، مفهوم معامل تضخيم التباين (VIF)

هنا ستفحص التعدد الخطي بصرياً بين المتوقعات. باستخدام pairplots وخرائط حرارية للارتباط ومفهوم VIF، ستحدد المتغيرات الزائدة وتتوقع مشكلات الاستقرار في نماذج الانحدار اللاحقة.

الدرس 3 • الاستكشاف الثنائي: رسوم بيانية مبعثرة، ملسّلات (LOESS)، مصفوفات الارتباط (Pearson، Spearman)

يركز هذا القسم على الاستكشاف الثنائي لمحركات المبيعات. ستستخدم رسوم بيانية مبعثرة، ملسّلات LOESS، ومصفوفات الارتباط لتقييم الخطية، عدم الخطية، القوة، واتجاه العلاقات بين المتغيرات الرقمية الرئيسية.

الدرس 4 • فحوصات بصرية للسلاسل الزمنية: اتجاهات شهرية، تحليل موسمي لـunits_sold وmarketing_spend

هنا ستفحص السلاسل الزمنية للمبيعات والتسويق بصرياً. ستبني رسوم شهرية، تفصل الاتجاه والموسمية، تقارن units_sold وmarketing_spend، وتحدد الكسور الهيكلية والشذوذ وتأثيرات التقويم.

الدرس 5 • كشف العلاقات والتفاعلات بصرياً: رسوم مقسمة، رسوم مبعثرة شرطية حسب الفئة

ستتعلم كشف التفاعلات والأنماط الشرطية بصرياً. باستخدام الرسوم المقسمة والمبعثرة الشرطية، سترى كيف تتغير العلاقات بين المحركات والمبيعات عبر الفئات أو القنوات أو الشرائح الزمنية.

الدرس 6 • الإحصاءات الوصفية للمتغيرات الرئيسية: المتوسط، الوسيط، التباين، النسب المئوية، والتفسير

يراجع هذا القسم الإحصاءات الوصفية لمتغيرات المبيعات الأساسية. ستحسب وتفسر المتوسطات والوسائط والتباين والنسب المئوية والملخصات القوية لفهم النزعة المركزية والانتشار والإنحياز والقيم الشاذة المحتملة.

الدرس 1 • تقنيات التنظيم: حدس الانحدار ridge ولasso ومتى استخدامها للمتوقعات المترابطة

يقدم هذا القسم التنظيم لمعالجة العديد أو المتوقعات المترابطة. ستتعلم حدس الانحدار ridge ولasso، مصطلحات العقوبة، ضبط عبر التحقق المتقاطع، وكيف يؤثر التنظيم على المعاملات والتنبؤ.

الدرس 2 • إعداد النموذج الإحصائي: المتغيرات التابعة مقابل المستقلة، افتراضات النموذج الخطي والتفسير

يرسخ هذا القسم إعداد النموذج الإحصائي، يوضح أدوار المتغيرات التابعة والمستقلة، ويشرح افتراضات النموذج الخطي والتقدير والتفسير اللازم للاستنتاج الصالح والتنبؤ.

الدرس 3 • اختيار وتحديد النموذج: الاختيار الأمامي/الخلفي/الخطوي، AIC/BIC، R-squared المعدل

يغطي هذا القسم كيفية اختيار وتحسين مواصفات الانحدار. ستقارن الاختيار الأمامي/الخلفي/الخطوي، تستخدم AIC وBIC والـR-squared المعدل، وتوازن الملاءمة والتعقيد والقابلية للتفسير.

الدرس 4 • آليات الانحدار الخطي البسيط: التقدير، تفسير المعامل، الأخطاء المعيارية، t-tests

يطور هذا القسم آليات الانحدار الخطي البسيط. ستُقدّر المعاملات، تفسر الميل والتقاطع، تحسب الأخطاء المعيارية، وتستخدم t-tests وفواصل الثقة لتقييم الدلالة الإحصائية.

الدرس 5 • الانحدار الخطي المتعدد: تضمين المتوقعات الفئوية بترميز الدمى، مصطلحات التفاعل، والمصطلحات المتعددة الحدود

يمد هذا القسم الانحدار البسيط إلى متوقعات متعددة، بما في ذلك المتغيرات المستمرة والفئوية. ستتعلم ترميز الدمى، مصطلحات التفاعل، والمصطلحات المتعددة الحدود، وكيفية تفسير معاملاتها.

الدرس 6 • مقاييس ملاءمة النموذج: R-squared، R-squared المعدل، RMSE، MAE ومعانيها للأهداف التنبؤية مقابل التفسيرية

يشرح هذا القسم مقاييس ملاءمة النموذج الرئيسية ودقة التنبؤ. ستحسب وتفسر R-squared والمعدل، RMSE، وMAE، وتربط كل مقياس بأهداف النمذجة التفسيرية مقابل التنبؤية.

الدرس 1 • الارتباط الذاتي في بيانات اللوحة/الزمن: اختبار دوربن-واتسون، ACF/PACF للباقي، أخطاء معيارية مجمعة حسب المنتج أو الشهر

يعالج هذا القسم الارتباط الذاتي في بيانات الزمن واللوحة. ستتعلم استخدام دوربن-واتسون وACF أو PACF للباقي، فهم الاعتماد التسلسلي، وتطبيق علاجات مثل المصطلحات المتأخرة وGLS والأخطاء المعيارية المجمعة أو نيوي-ويست.

الدرس 2 • تحليل الباقي: باقي مقابل ملائم، رسم Q-Q الطبيعي، فحوصات التجانس التبايني وتفسير الأنماط

يقدم هذا القسم تحليل الباقي كأداة تشخيصية أساسية. ستتعلم بناء وتفسير رسوم باقي مقابل ملائم، رسوم Q-Q الطبيعية، ورسوم الموقع-النطاق لتقييم الخطية والطبيعية والتجانس التبايني في نماذج الانحدار.

الدرس 3 • عدم الخطية والتحويلات: Box-Cox، تحويلات لوغاريتمي/معكوس، إضافة مصطلحات متعددة الحدود أو تفاعل

هنا تعالج عدم الخطية بتحويل المتغيرات وهيكل النموذج. ستتعلم متى وكيف تستخدم Box-Cox واللوغاريتمي والمعكوس، وكيف تضيف مصطلحات متعددة الحدود وتفاعل مع تجنب الإفراط في الملاءمة والتفسير الخاطئ.

الدرس 4 • التحقق المتقاطع والفحوصات خارج العينة: CV k-fold المعدل لبيانات اللوحة، تقسيم السلاسل الزمنية، بوتستراب لفواصل الثقة

هنا تتحقق من النماذج بتقسيم البيانات وإعادة العينة. ستتعلم التحقق المتقاطع k-fold، تقسيمات السلاسل الزمنية، وطرق البوتستراب لتقييم خطأ خارج العينة، ضبط التعقيد، وبناء فواصل ثقة للتنبؤات والمعاملات.

الدرس 5 • اختبارات وإصلاحات التجانس التبايني: اختبار Breusch-Pagan، اختبار White، أخطاء معيارية قوية (Huber-White)

ستتعلم كيفية اختبار وتصحيح التجانس التبايني الشكلي. يغطي القسم اختبارات Breusch-Pagan وWhite، التأكيد البصري، الأخطاء المعيارية القوية Huber-White، ونمذجة هيكل التباين للحصول على استنتاج وتنبؤ صالحين.

الدرس 1 • تحويل نتائج النموذج إلى توصيات: توازنات التسعير، ROI الإنفاق التسويقي، تأثيرات ميزات المنتج

يظهر هذا القسم كيفية تحويل مخرجات النموذج إلى إجراءات ملموسة. ستستخرج إرشادات التسعير، تقديرات ROI التسويقية، وتأثيرات ميزات المنتج، وتصوغ التوصيات بتأثيرات كمية وتوازنات واضحة.

الدرس 2 • التواصل حول عدم اليقين والقيود: فواصل الثقة، تحذيرات من المتغيرات المفقودة والإندوجينية

يركز هذا القسم على التواصل حول عدم اليقين وححدود النموذج. ستستخدم فواصل الثقة، تناقش المتغيرات المفقودة والإندوجينية، وتذكر التحذيرات بوضوح حتى يفهم أصحاب المصلحة المخاطر ونطاق النموذج.

الدرس 3 • المرونات والتأثيرات الحدية: تفسير التغيير النسبي لنماذج لوغ-لوغ ولوغ-خطية

يغطي هذا القسم المرونات والتأثيرات الحدية، مع التركيز على النماذج لوغ-لوغ ولوغ-خطية. ستتعلم تفسيرات التغيير النسبي، تحسب المرونات في النقاط ذات الصلة، وتعبر عن النتائج بمصطلحات أعمال بديهية.

الدرس 4 • قراءة جداول الانحدار: المعاملات، الأخطاء المعيارية، قيم p، فواصل الثقة والمعنى العملي

يشرح هذا القسم كيفية قراءة جداول الانحدار وربط كل عنصر بمعنى أعمال. ستفسر المعاملات والأخطاء المعيارية وقيم p وفواصل الثقة، وتحكم أي النتائج موثوقة وقابلة للتنفيذ.

الدرس 5 • تقييم الدلالة الاقتصادية/الإشارية مقابل الدلالة الإحصائية

يميز هذا القسم الدلالة الإحصائية من الدلالة الاقتصادية/الإشارية. ستُقيّم أحجام التأثير والإتجاه والقوة، وتقرر متى يكون معامل ذا معنى كافٍ لتوجيه إجراءات أو تغييرات سياسية أعمال.

الدرس 6 • تفسير معاملات الفئات والتأثيرات الأساسية لفئات المنتج

يظهر هذا القسم كيفية تفسير المتغيرات الفئوية والخطوط الأساسية وتأثيرات المجموعة. ستتعلم اختيار فئات المرجع، قراءة معاملات الدمى، وتحويل الاختلافات النسبية إلى رؤى المنتج والشريحة.

الدرس 1 • طرق تقدير مرونة السعر وأساسيات منحنى الطلب للإلكترونيات الاستهلاكية

يطور هذا القسم أدوات تقدير مرونات السعر في الإلكترونيات الاستهلاكية. ستحدد نماذج طلب لوغ-لوغ، تعالج الخصومات والعروض، تستخرج مرونات السعر الذاتية والعابرة، وتربط منحنيات الطلب المقدرة بتحسين الإيرادات.

الدرس 2 • نمذجة استجابة الإنفاق التسويقي: عوائد هابطة، منحنيات التشبع، تأثيرات الانتقال ونمذجة adstock

يغطي هذا القسم كيف تستجيب المبيعات للإنفاق التسويقي باستخدام الانحدار غير الخطي. ستنمذج العوائد الهابطة والتشبع والانتقال، تنفذ تحويلات adstock، وتقارن الأشكال الوظيفية للاستثمارات الإعلامية والترويجية.

الدرس 3 • نماذج بيانات اللوحة: تأثيرات ثابتة، تأثيرات عشوائية، المقدر الداخلي، ومتى تطبيق كل

يقدم هذا القسم هياكل بيانات اللوحة لمبيعات المنتج والمتجر، يشرح التأثيرات الثابتة والعشوائية، يعرض المقدر الداخلي، ويناقش التشخيصات والمعايير العملية لاختيار بين مواصفات اللوحة البديلة.

الدرس 4 • معالجة الإندوجينية والمخاوف السببية: أساسيات المتغيرات الآلية، تأثيرات لوحة ثابتة وحدس الفرق في الفرق

يعالج هذا القسم الإندوجينية في انحدارات المبيعات، خاصة للسعر والإعلان. ستتعلم أساسيات المتغيرات الآلية، كيف تخفف التأثيرات الثابتة للوحة التحيز، وحدس الفرق في الفرق للصدمات السياسية والحملات.

الدرس 5 • هندسة الميزات لمقاييس الويب: استخدام page_views، rating، ومصطلحات التفاعل؛ تأثيرات تسويق متأخرة وتعديلات الموسمية

يركز هذا القسم على بناء مقاييس ويب تنبؤية لنماذج المبيعات. ستصمم ميزات من مشاهدات الصفحة والتقييمات، تبني مصطلحات تفاعل، تضمنف متغيرات تسويق متأخرة، وتعدل للموسمية الأسبوعية والشهرية والعطلات.