رگرسیون کاذب ( ساختگی) چیست؟

سریهای زمانی، یکی از مهمترین داده های آماری مورد استفاده در تجزیه و تحلیل تجربی هستند. در تحقیقات همواره چنین فرض می کنیم که سری زمانی مانا است و اگر این حالت وجود نداشته باشد، آزمون های آماری متعارفی که اساس آن ها بر پایه t، F، خی دو و آزمون های مشابه بنا شده، مورد تردید قرار می گیرد. در رگرسیون هایی که داده های آن از نوع سری زمانی است، اگر متغیرهای سری زمانی مانا نباشند، ممکن است مشکلی به نام رگرسیون کاذب یا رگرسیون ساختگی به وجود آید. در این گونه رگرسیون ها، در عین حالی که هیچ رابطه ی با مفهومی بین متغیرها وجود ندارد ولیضریب تعیین R² بزرگ و مقدار آماره t ضرایب نیز بزرگ به دست می آید و این ممکن است باعث استنباط های غلط در مورد میزان ارتباط بین متغیرها شود. بنابراین لازم است همواره مواظب عواقب استفاده از داده های سری زمانی نامانا و امکان بروزرگرسیون کاذب باشیم.

از طرفی اگر در یک مدل، متغیرها نامانا شدند، به جای سطح، اولین تفاضل ( یا تفاضل مراتب بالاتر) آن ها می تواند مانا بوده و از ان ها در مدل استفاده کنیم و مدل را بر اساس متغیرهای جدید تخمین بزنیم؛ در این حالت مشکل رگرسیون کاذب بر طرف می شود. حال این سوال مطرح می شود که آیا مشکل دیگری وجود ندارد. هنگامی که از تفاضل ها در برآورد ضرایب یک الگو استفاده می کنیم، اطلاعات ارزشمندی را در رابطه با سطح متغیرها از دست می دهیم. هر چند شرط مانایی متغیرهای سری زمانی یک رابطه ی رگرسیونی را می توان از طریق تفاضل گیری تامین کرد ولی با تفاضل گیری مرتبه اول ( یا مراتب بالاتر) رابطه ی بلند مدت بین سری های زمانی را از دست می دهیم. ( این رابطه ی بلند مدت بین دو سری زمانی ناشی از سطوح دو متغیر است نه تفاضل مرتبه اول آنها). اینجاست که هم انباشتگی به کمک ما می آید تا بتوان رگرسیون را بدون هراس از کاذب بودن بر اساس سطح متغیرهای سری زمانی برآورد کرد

آزمون دیکی فولر تعمیم یافته چیست؟

یکی از سودمندترین آزمون ها در زمینه مانایی ( سکون) آزمون دیکی فولر تعمیم یافته (augmented Dicky Fuller) است. فرض کنید سری y_t بر اساس ساده ترین شکل خود، یک مدل خود رگرسیونی از درجه اول است؛ یعنی 

چنانچه  باشد، سری ماناست.
در این آزمون فرض صفر دلیل بر نامانایی است و حالت مطلوب زمانی اتفاق می افتد که فرض صفر رد شود یعنی 

آزمون های هم انباشتگی چیست؟

روشهای متعددی برای آزمون هم انباشتگی وجود دارد.

1- آزمون انگل گرانجر (EG) ، آزمون انگل گرانجر تعمیم یافته (AEG):

انگل و گرانجر (1987) بیان کردند که اگر آزمون دیکی فولر را روی پسماندهای ( باقیمانده های ) مدل انجام دادیم و سری زمانی پسماندها مانا شد، این تائیدی بر هم انباشتگی است. اما در استفاده از این روش باید جنبه احتیاط را رعایت کرد. زیرا مقادیر بحرانی کاملا مناسب نیستند و باید از مقادیر بحرانی که انگل و گرانجر تهیه کرده اند استفاده نمود. البته این مقادیر بحرانی در نرم افزار eviews و بسیاری از نرم افزار های دیگر به همراه خروجی ارائه می شوند.

در این حالت، مانایی و نامانایی از طریق آزمون ریشه ی واحد دیکی فولر بررسی می شوند که فرضیه ها به صورت زیرند:

H₀:عدم هم انباشتگی

H₁: هم انباشتگی

2- آزمون رگرسیون هم انباشته ( آزمون دوربین واتسون رگرسیون هم انباشته (CRDW)):

در این آزمون که به آزمون دوربین واتسون رگرسیون هم انباشتگی معروف است، مدل اصلی را تخمین می زنیم و سپس آماره ی DW را با مقادیر بحرانی جدول زیر مقایسه می کنیم. [ اکنون فرضیه صفر به جای d=2 ( در آزمون خود همبستگی) d=0 است].

مقدار بحرانی	    سطح خطا
	0.511		1%
	0.386		5%
	0.322		10%

 

در این آزمون فرضیه ها به صورت زیر است:

H₀:عدم هم انباشتگی

H₁: هم انباشتگی

بنابراین اگر آماره ی دوربین واتسون (DW) از مقادیر بحرانی کمتر باشد فرضیه هم انباشتگی را رد می کنیم.

مدل های معادلات همزمان چیست؟

همه ما با مدلهای تک معادله ای آشنا هستیم؛ مدلهایی که در آنها یک متغیر وابسته ی منفرد y به یک یا چند متغیر توضیحی x مربوط می شود. در این قبیل مدلها تاکید بر تخمین و پیش بینی مقدار متوسط y به شرط مقادیر ثابت x می باشد. به این ترتیب رابطه ی علی در این مدلها از جانب x ها به طرف y جریان دارد.

اما در بسیاری موارد چنین رابطه علی یک طرفه ای جهت تبیین روابط اقتصادی، مناسب نمی باشد. در این مواقع y نه تنها به متغیرهای x بستگی دارد، بلکه بعضی از x ها نیز به نوبه ی خود به وسیله y تعیین می شوند. به طور خلاصه می توان گفت که در این موارد بین y و ( بعضی از ) متغیرهای x رابطه ای دو طرفه یا همزمان وجود دارد که در نتیجه تفکیک متغیرها با عنوان متغیرهای توضیحی و وابسته، اعتبار خود را از دست می دهد. به این ترتیب با دسته بندی مجموعه متغیرهایی که به طور همزمان به وسیله ی بقیه ی مجموعه متغیرها تعیین می شوند، مدلهای معادلات همزمان حاصل خواهد شد. در این قبیل معادلات، تعداد معادله ها از یک بیشتر خواهد بود. به این بیان که برای هر متغیر درونزا یا وابسته، یک معادله خواهیم داشت. بنابراین، بر خلاف مدلهای تک معادله ای، در مدلهای معادلات همزمان، بدون توجه به اطلاعات حاصل از سایر معادلات سیستم، نمی توان به تخمین پارامترهای یک معادله ی منفرد پرداخت.

هنگامی که متغیر وابسته ی یک مدل متغیر توضیحی مدل دیگری باشد، با معادلات همزمان مواجه هستیم.

حال این سوال مطرح می گردد که چنانچه از سایر معادلات در سیستم مربوطه چشم پوشی کنیم و پارامترهای هر معادله را به وسیله ی روشی مثلا ols تخمین بزنیم، آیا نتایج حاصله معتبر خواهد بود؟ در جواب کافی است متذکر شویم که

یکی از فروض قاطع روش ols، غیر تصادفی بودن متغیرهای توضیحی x یا حداقل در صورت تصادفی بودن داشتن توزیع مستقل از جزء اخلال (خطا) تصادفی است. بنابراین، چنانچه هیچ یک از شرایط فوق الذکر تامین نشوند، تخمین زنهای حداقل مربعات، نه تنها تورشدار ( اریب) بلکه ناسازگار نیز خواهند بود.

در دستگاه معادلات همزمان تقسیم بندی متغیرها به صورت وابسته و توضیحی نداریم و تقسیم بندی به صورت درون زا و از قبل تعیین شده است که از قبل تعین شده به دو دسته برون زا و درون زای تاخیری می باشد.

مساله تشخیص:

با توجه به تعداد معادلها و مجهول ها با سه حالت زیر روبرو هستیم:

• حالت بیش از حد مشخص
• حالت دقیقا یا کاملا مشخص
• حالت کمتر از حد مشخص

 

روشهای تخمین یا برآورد معادلات همزمان:

• روش حداقل مربعات غیر مستقیم ils
• روش حداقل مربعات دو مرحله ای 2sls

مدل های پانل دیتا چیست؟ چرا و چگونه به وجود آمده است

قبل از معرفی مدل های پانل دیتا لازم است ماهیت این داده ها و چرایی و چگونی به وجود امدن انها را بررسی کنیم.

ماهیت پنل دیتا:

ما همواره در بررسی های خود با دو ساختار مجزای آزمایش روبرو بوده ایم:

• قصد داریم مدلی برای داده های خود در یک زمان خاص برازش دهیم.
  به عنوان مثال فرض کنید می خواهیم یک تابع تولید ساده را برآورد کنیم. تولید تابعی از موجودی سرمایه، نیروی کار و مهارت های مدیریتی است. اگر تولید بنگاه ها را بر روی موجودی سرمایه و تیروی کار در یک زمان رگرس کنیم تورش ایجاد می شود زیرا یک متغیر مهم یعنی مهارت مدیریتی از مدل حذف شده است. برای رفع این مشکل بهتر است که میزان تولید طی چند سال را برای این بنگاه ها رگرس کنیم.
  در این حالت ما با داده های پانل کار می کنیم یعنی برای هر بنگاه میزان تولید، موجودی سرمایه و نیروی کار را در طی زمان به دست می آوریم و تلفیقی، ترکیبی از بنگاه ها (مقاطع) و سری زمانی داریم. به این داده های ترکیبی پانل دیتا، داده های ترکیبی، داده های آمیخته گفته می شود.
• قصد داریم مدلی برای داده های خود در طی زمان بدست آوریم.
  به عنوان مثال فرض کنید قصد داریم روند تولید، صادرات، نرخ تورم یا ... را برای یک کشور، بنگاه، شرکت به دست آورده و پیش بینی هایی در مورد آینده انجام دهیم؛ ولی به دلایل متعدد از قبیل نبود داده های کافی نتوانیم از مدل سری های زمانی استفاده کنیم. در این حالت برای از بین بردن مشکل کمبود داده از کشورها، بنگاه ها، شرکت ها (مقاصع مختلف) در تحلیل خود استفاده می کنیم؛ به داده های حاصل پانل دیتا، داده های ترکیبی، داده های آمیخته گفته می شود.

همان گونه که مشخص است پس از ترکیب ما می توانیم از هر دو روش برای برآورد استفاده نماییم بنابراین با این مجموعه داده ها می توان اثراتی را شناسایی یا اندازه گیری کرد که در داده های مقطعی محض یا سری زمانی خالص قابل شناسایی نیست.

 

نکته قابل تامل در داده های پانل این است که ما نه تنها می توانیم اثرات ثابت و تصادفی را برای مقاطع مختلف بررسی کرده و مدل را برازش دهیم بلکه می توان اثرات ثابت و تصادفی را برای زمان های گوناگون نیز بررسی و زمان را به عنوان یک عامل تعیین کننده در نظر گرفت که این مهم در بخش آموزش نرم افزار eviews ارائه خواهد شد.

مزایای مدل های پانل دیتا:

با توجه به توضیحات قسمت قبل می توان مزایای زیر را برای مدل های پانل معرفی کرد:

1. تعداد مشاهدات و داده ها زیاد بوده و اعتماد به برآوردها بیشتر است.
2. به محققان اجازه می دهد مدل های پیشرفته تری را تبیین کرده و آزمون کنند.
3. با این مجموعه داده ها می توان اثراتی را شناسایی یا اندازه گیری کرد که در داده های مقطعی محض یا سری زمانی خالص قابل شناسایی نیست.
4. استفاده از داده های پانل تورش برآورد را از بین برده یا کم می کند.

لیست آخرین مطالب آموزشی سایت انجام پروژه های آماری

» نمونه گیری چیست؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» وارد کردن داده های پنل در نرم افزار Eviews
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» استنباط آماری: آزمون فرض های آماری
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» انواع خطا در spss
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» آزمون فرضیه یک میانگین در spss
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» توزیع نرمال چیست؟ وچرا در آنالیز داده ها اهمیت دارد؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» برآورد یا تخمین پارامتر جامعه - فاصله اطمینان و سطح اطمینان چیست؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» آزمون فرضیه یک میانگین - آزمون t یک نمونه ای در spss
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» توزیع t یا t- استودنت چیست؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» درصد تجمعی چیست و چه زمانی می توان از آن استفاده کرد؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» محاسبه آزمون کای دو - آزمون استقلال در جدول متقاطع در spss
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» روش به دست آوردن جدول متقاطع در نرم افزار spss
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» به دست آوردن نمودار جعبه ای در نرم افزار spss
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» آزمون نرمال بودن
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» شناسایی مقادیر انتهایی در نرم افزار spss
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» رسم نمودار برای مقایسه زیر گروه ها
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» محاسبه شاخص های آماری در زیر گروه ها
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» رسم نمودار برای مقایسه گروه ها در spss
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» محاسبه شاخص های آماری در گروه ها
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» رسم هیستوگرام در نرم افزار spss
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» به دست آوردن نمرات استاندارد در نرم افزار spss
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» به دست آوردن شاخص های مرکزی و پراکندگی در نرم افزار spss
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» نمره استاندارد شده چیست و چه استفاده ای دارد؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» صدک ها و چارک ها چه هستند؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» ضریب تغیرات چیست؟ و چه کاربردی دارد؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» دامنه میان چارکی- دامنه بین چارکی چیست؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» واریانس چیست؟ تفاوت آن با انحراف معیار چیست؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» شاخص های پراکندگی چیست؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» دامنه تغیرات چیست؟ و چگونه محاسبه می شود؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» شاخص های مرکزی و پراکندگی چیست؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» میانگین، میانه و مد چیست؟ و چه تفاوت هایی با هم دارند؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» میانه چیست؟ و چگونه محاسبه می شود؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» نمودار دایره ای و نمودار ستونی در نرم افزار spss
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» نمودار دایره ای و نمودار ستونی در نرم افزار spss
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» جدول فراوانی
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» درصد چیست؟ و چه زمانی از آن استفاده می کنیم؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» وارد کردن داده ها از یک فایل متنی در نرم افزار spss
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» پنجره ویرایشگر داده ها (data editor)
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» آشنایی با محیط variable view
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» آشنایی با پنجره variable type
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» ارزش گذاری یا تعریف سطوح متغیرهای کیفی(value label)
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» تعریف داده های گمشده یا مقادیر نامعلوم (missing value)
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» آشنایی با محیط data view
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» اجرای تنظیمات دلخواه بر روی نوار ابزار spss
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» نوارهای spss
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» هم انباشتگی، همجمعی چیست؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» رگرسیون کاذب ( ساختگی) چیست؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» آزمون ریشه واحد چیست؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» آزمون دیکی فولر تعمیم یافته چیست؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های spss

» مانایی، ایستایی، سکون چیست؟
انجام پروژه آماری پایان نامه +انجام تحلیل آماری+انجام فصل چهارم پایان نامه+انجام پروژه های

 

محاسبه شاخص های آماری در گروه ها

اطلاعاتی که در این بخش مورد تجزیه و تحلیل قرار می گیرند از فایل hourlywage که شامل چهار متغیر محل کار (position)، سن (agerange)، میزان تجربه بر حسب سال (yrsscale) و حقوق (hourwage) است. محل کار به دو قسمت بیمارستان (hospital) و کلینیک (office) تقسیم شده است.
فرض کنید می خواهیم رابطه میان حقوق و تجربه پرستاران شهر را به دست آوریم؛ از منوها موارد زیر را انتخاب می کنیم.

Analyze > Compare Means > Means  

کادر گفتگوی Means باز می شود و مانند شکل زیر در قسمت متغیر وابسته (Dependent list) متغیر حقوق (hourwage) و در قسمت متغیر مستقل (Independent list) متغیر تجربه (years experiance) را وارد می کنیم.

سپس با انتخاب گزینه options وارد کادر گفتگوی Means: Options شکل زیر می شویم و شاخص های آماری مورد نظر همچون میانگین، تعداد مشاهدات، انحراف معیار را انتخاب و با کلیک بر گزینه continue وارد قسمت قبلی شده و بر ok کلیک می کنیم.

همانطور که از جدول زیر مشخص است متوسط درآمد در هر سطح تجربه متفاوت است و با افزایش تجربه درآمد نیز افزایش می یابد. 
حال سوالی که در این قسمت می توان مطرح و بررسی نمود این است آیا بین میانگین گروه های مختلف از نظر آماری تفاوت معنی داری وجود دارد ( این مورد در مقالات بعدی مورد بررسی قرار می گیرد)

بیشترین مقدار حقوق در حالت بیشترین تجربه یعنی 36 سال یا بیشتر رخ داده است.
با توجه به شاخص هایی که در قسمت Options انتخاب کردیم دو ستون یکی برای تعداد مشاهدات هر گروه و یکی برای انحراف معیار گروه ها ارائه شده است. که روند خاصی را نشان نمی دهد.

نکات

• اگر در قسمت متغیر وابسته (Dependent list) بیشتر از یک متغیر وارد کنیم Spss برای هر متغیر یک تحلیل مجزا ارائه می کند.
• اگر در قسمت متغیر مستقل (Independent list) بیشتر از یک متغیر وارد کنیم Spss برای هر ترکیب موجود یک تحلیل مجزا ارائه می کند.

رسم هیستوگرام در نرم افزار spss

اطلاعاتی که در این بخش مورد تجزیه و تحلیل قرار می گیرند از فایل contact که یک مجموعه داده ی فرضی است می باشد و در ان مسئله مورد مطالعه لیست معاملات برای یک گروه از بازاریابها است و شرکت های مورد معامله در پنج حوزه فعالیت می کنند.
از هیستوگرام زمانی استفاده می کنیم که داده ها از نوع کمی بوده و طبقه بندی نشده باشند.
هیستوگرام مانند نمودار ستونی است با این تفاوت که هر ستون نمایانگر طیفی از مقادیر است.
برای به دست آوردن هیستوگرام از منوها موارد زیر را انتخاب می کنیم.

Analyze > Descriptive statistics > Frequencies  

کادر گفتگوی Frequencies باز می شود و مانند شکل زیر متغیر amount of last sale (متغیر مورد نظر) را انتخاب می کنیم

حال گزینه charts را انتخاب می کنیم. کادر گفتگوی Frequencies charts ( شکل زیر) باز می شود.

گزینه Histograms را انتخاب و با فعال کردن گزینه With normal curve نموداری بر حسب توزیع نرمال رسم می شود که با مقایسه آن و نمودار هیستوگرام می توان نرمال بودن مشاهدات را بررسی نمود.
آزمون های مربوط به نرمال بودن مشاهدات در مقالات بعدی ارائه می شود.
سپس continue را زده و به قسمت قبل باز می گردیم. برای بدست آوردن خروجی زیر دکمه ok را انتخاب می کنیم.

همانطور که از شکل فوق مشخص است داده های مقدار فروش نرمال نیست.

با استفاده از هیستوگرام می توان مطالبی همچون 

• وجود نقاط پرت (شکل فوق)
• متقارن بودن یا نبودن توزیع
• آیا نمونه ها حول یک مقدار مرکزی متمرکز شده اند و ...

را بررسی نمود.

هم انباشتگی، همجمعی چیست؟

قبل از بیان تعریف هم انباشته یا هم جمعی بهتر است ببینیم این واژه اولین بار برای چه موردی به کار رفته و در حال حاضر چه کاربردهای دارد.
زمانی که متغیرهای مورد استفاده در رگرسیون از نوع سری زمانی بوده و ایستا ( ساکن) نباشند پدیده ای به نام رگرسیون کاذب به وجود می آید ولی اگر تمام متغیرهای به کار رفته در مدل رگرسیونی باهم ( جمعا) ایستا شوند یعنی باقیمانده های حاصل از مدل ایستا باشند آن گاه پدیده هم انباشتگی یا هم جمعی به وجود می آید. از این رو این کلمه ( هم انباشتگی) به مرور کاربرد خود را در سری های زمانی نیز به دست اورد و هر سری زمانی که ایستا باشد را هم انباشته می گوییم و اگر سری زمانی پس از d مرتبه تفاضل گیری ساکن، ایستا یا هم انباشته شود آن را هم انباشته از مرتبه d گفته و با (I(d نشان می دهیم.

بنابراین سری را انباشته از درجه ی d می گوییم اگر بتوان سری فوق را با d بار تفاضل گیری مانا کرد. این سری را با نماد( I(d نشان می دهیم.

اگر ترکیب خطی دو سری انباشته از مرتبه صفر( I(0 باشد در این صورت دو سری را هم انباشته یا cointegrate می گوییم.

در حالت کلی اگر دو سری زمانی، انباشته از مرتبه های مختلفی باشند، ترکیب خطی آن ها، جمع شده ( انباشته) از مرتبه ی بالاتر از مرتبه ی کلی آن هاست، یعنی اگر یکی( I(1 و دیگری( I(2، ترکیب خطی آن ها( I(2 است. به همین ترتیب، ترکیب خطی دو متغیر( I(1 معمولا( I(1 است. اگر دو سری ( متغیر) انباشته از مرتبه یکسانی باشند، دو متغیر روی طول موج یکسانی قرار دارند.

به طور کلی اگر دو متغیر (سری) انباشته از مرتبه یکسانی باشند ( مثلا d) ترکیب خطی ان ها می تواند هم انباشته باشد. در چنین مواردی رگرسیون بر روی مقادیر دو متغیر معنی دار می باشد یعنی رگرسیون دیگر ساختگی نیست و هیچ گونه اطلاعات بلند مدتی را از دست نمی دهیم. به طور خلاصه در صورتی که تشخیص دهیم باقیمانده های حاصل از رگرسیون به صورت [( I(0] مانا یا ساکن هستند، متدولوژی سنتی رگرسیون ( شامل آزمون های t و F ) برای داده ها قابل استفاده می باشد. مفاهیم ارزشمند ریشه واحد، هم انباشتگی و غیره به ما کمک می کنند تا ساکن بودن پسماند ها ی رگرسیونی را تشخیص دهیم.

پاورپوئینت های آموزش آمار و احتمالات کاربردی قسمت هفتم

ا عرض پوزش از همه دوستان خوبم به خاطر تاخیر طولانی که داشتم       
مجددا از مجموعه پاورپوئینت های آموزش آمار و احتمالات کاربردی برای 
رشته های علوم انسانی که بر اساس کتاب آمار واحتمالات کاربردی
تالیف خودم تهیه شده، قسمت هفتم آن آماده است که تقدیم علاقمندان
می کنم. 

پاورپوئینت آموزش آمار واحتمالات کاربردی قسمت هفتم

spss زبان دستوری Syntax

Syntax  یکی از قابلیت های خوب SPSS است که می توان در آن بدون استفاده از پنجره ها و کادرهای محاوره و به زبان برنامه نویسی یک یا چند برنامه را به طور همزمان اجرا کرد. برنامه نویسی به زبان دستوری SPSS  این ویژگی را دارد که می توانید برنامه را تحت کنترل خود داشته باشید. تقریباً هر عملی را که می توان در محیط کار با نرم افزار انجام داد می توان با زبان دستوری Syntax نیز به آن رسید. با استفاده از Syntax  می توانید جزئیات استفاده شده در یک روند را ذخیره کرده و از آن استفاده نمائید. بدون اینکه نیاز داشته باشید زبان دستوری را حفظ کنید. تمامی برنامه های زبان دستوری spss را می توان به صورت یک فایل ذخیره و در موقع مناسب از آنها استفاده کرد. فایل های محتوی برنامه هائی که به زبان  SPSSنوشته شده است، با پسوند SPS مشخص می شوند.
درفایل زیر میتوانید با جزئیات بیشتری برای ساخت یک فایل syntax آشنا شوید.

آموزش ساخت فایل syntax در spss

 

روشهای تعیین پایایی پرسشنامه

در علوم انسانی بیشتر تحقیقات بر اساس پرسشنامه صورت می گیرد. موضوع کنترل کیفیت نتایج یک پرسشنامه دامنه وسیعی از موضوعات مختلف را در بر می گیرد. یک پرسشنامه خوب باید از ویژگی های مطلوبی برخوردارزباشد که در این میان روائی و پایائی از اهمیت بیشتری برخوردارند. 
روش های تعیین پایایی پرسشنامه ها متنوع اند و از آنجایی که روش آلفای کرونباخ روش معقول تر و پسندیده تری بین محققین است و بعضی از دوستان نیز در این زمینه از من مثال عملی خواسته بودند، این روش را در قالب یک فایل آموزشی که از لینک زیر قابل دانلود است، بیشتر بررسی کرده ایم. امیدوارم مفید واقع شود.

روش تعیین پایایی پرسشنامه در spss در قالب یک فایل Pdf

تغییر و طبقه بندی داده ها Recode

ممکن است بخواهید قبل از اعمال هر تحلیل آماری بر روی داده ها آنها را اندکی تغییر دهید یا طبقه بندی نمایید. منظور از طبقه بندی کردن مقادیر یک متغیر پیوسته کاهش دادن پاسخ ها به چند طبقه محدود است. متغیرهای کمی پیوسته مانند سن، طول، وزن، زمان و ... متغیرهایی هستند که پاسخ های آن در هنگام اندازه گیری برای هر نمونه یک مقدار مختلف خواهد بود و برای درک بهتر باید آنها را طبقه بندی کرد. در نرم افزار SPSS به روشهای مختلفی می توان چنین متغیرهایی را طبقه بندی کرد که چند روش آن را در فایل آموزشی که در لینک زیر قابل دانلود است، بررسی کرده ایم. ترجیحا تمرین عملی شماره ۴ را در این فایل آموزشی مطالعه کنید.

در spss چگونه داده ها را تغییر دهیم - فایل pdf به حجم ۹۵۰ کیلو

 

Help spss استفاده از سیستم

همراه با نرم افزار SPSS  یک سیستم جامع Help ارائه می شود. در این سیستم، هرچند تلاشی برای آموزش آمار نشده ولی به خوبی خصوصیات و امکانات نرم افزار توضیح داده شده است. تمامی امکانات این سیستم در منوی Help آمده است برای آشنایی بیشتر و نحوه استفاده از این سیستم،  فایل آموزشی که در لینک زیر قرار دارد را دانلود کنید.

چگونه در spss از سیستم help استفاده کنیم.     سرور ۱

چگونه در spss از سیستم help استفاده کنیم.     سرور ۲

Select Case- spssانتخاب نمونه در

شايد گاهی اوقات در spss بخواهید ، فایل داده ها را محدود به نمونه های خاص كنید.  به عنوان مثال می خواهید مطالعه را بر روی كسانی كه سن آنها كمتر از 25 سال است، انجام دهید. یا مثلا كسا نی را كه گروه خونی AB دارند، از مطالعه حذف كنید یا بخواهید به صورت تصادفی، یك نمونه را از بین نمونه های دیگر انتخاب كنید و تنها بر روی نمونه انتخاب شده، مطالعه کنید. موضوع انتخاب نمونه ها را در فایل موجود در لینک زیر مطالعه کنید.

دانلود فایل pdf نحوه انتخاب نمونه به حجم 280 کیلو  سرور ۱

دانلود فایل pdf نحوه انتخاب نمونه به حجم 280 کیلو  سرور ۲

 

پاورپوئینت آموزش آمار قسمت چهارم و پنجم

پس از یک وقفه طولانی به یاری خداوند متعال توفیق یافتم چند قسمت
دیگر از مجموعه پاورپوئینت های درس آمار و احتمالات کاربردی، ویژه 
رشته های علوم انسانی را آماده کرده و قسمت چهارم و پنجم آن 
را خدمت علاقه مندان ارائه نمایم. امید است مورد استفاده همه شما 
عزیزان قرار گیرد. این پاورپوینت بر اساس کتاب آمار واحتمالات کاربردی
 تهیه شده است. برای دانلود، روی لینک های زیر کلیک کنید.

پاورپوئینت آموزش آمار و احتمالات کاربردی قسمت چهارم 

پاورپوئینت آموزش آمار و احتمالات کاربردی قسمت پنجم

 

تغییر در پیش فرض ها Trancform in spss

همیشه پیش فرض هایی که در spss وجود دارند، مبتنی بر فراوانی استفاده از حالت ها و گزینه های معمول است. ولی در موارد خاص ممکن است کاربر بخواهد این پیش فرض ها را به سلیقه خود تغییر دهد. مثلا spss به طور پیش فرض نتایخ تحلیل ها را (در خروجی) در جدول هایی ارائه داده می دهد که مورد نظر شما نیست و می خواهید آنها را به سلیقه خود تغییر دهید. یا مثلا spss برای هر متغیر غیر رشته ای دو رقم اعشار در نظر می گیرد. ولی وقتی شما تعداد زیادی داده در اختیار دارید که فاقد اعشار هستند، هر بار که می خواهید یک متغیر به spss معرفی  کنید باید تعداد اعشار آنرا به صفر کاهش دهید. یا مثلا پیش فرض دیگر spss این است که متغیرها، در کادرهای محاوره با برچسب شان نشان داده شوند. ممکن است شما بخواهید برای همیشه این پیش فرض را تغییر دهید و در کادرهای محاوره، متغیرها را با نامشان مشاهده کنید. در لینک زیر یک فایل pdf قابل دانلود است که جزئیات بیشتری را در این زمینه ارائه داده است.

چگونه پیش فرض های spss را تغییر دهیم. دانلود فایل pdf به حجم 775 کیلو

 

آزمون همبستگی کای دو Chi 2 Corrilation Test

دو بخش از آزمون های همبستگی را در نرم افزار spss قبلا در قالب یک پست ارائه دادیم اینک آزمون همبستگی کای دو که برای آزمودن همبستگی متغیرهای کیفی به کار می رود موضوع بحث ما است.
در روند Crosstab تعداد زیادی از آزمون های همبستگی قابل دسترسی است که با آنها مشخص می شود آیا رابطه بین متغیرها، معنی دار است؟ در این روند می توانید همبستگی بین انواع متغیرها را آزمون کنید. یکی از آزمون های عمومی آن، آزمون مربع کای (Chi-Square) است که برای تعیین رابطه بین متغیرهای کیفی مناسب است. البته می توان یکی از متغیرها را ترتیبی یا کمی طبقه بندی شده نیز در نظر گرفت. از لینک زیر فایل آموزشی این موضوع را دانلود کنید.

همبستگی متغیرهای کیفی با آزمون کای دو -  سرور ۱

همبستگی متغیرهای کیفی با آزمون کای دو - سرور۲

 

پاورپوئینت آموزش آمار و احتمالات کاربردی قسمت ششم

از مجموعه پاورپوئینت های آموزش آمار و احتمالات کاربردی برای 
رشته های علوم انسانی که بر اساس کتاب آمار واحتمالات کاربردی
تالیف محمدرضا میرزاده تهیه شده است، قسمت ششم آن آماده و 
تقدیم علاقمندان می گردد. لازم به ذکر است این مجموعه بر طبق 
سرفصل های مصوب تهیه شده است.

پاورپوئینت آموزش آمار واحتمالات کاربردی قسمت ششم

جداول آماری

در حل بسیاری از مسایل مربوط به آزمونهای آماری در اختیار داشتن جداول آماری نیازی اساسی است زیرا برای رد یاپذیرش فرض صفر باید مقادیر به دست آمده از آماره ها را با توجه به توزیع نمونه ای آنها با مقادیر جدول مقایسه کرد. بنابراین تصمیم گرفتم برای راحتی کار دانشجویان عزیز یک مجموعه کامل از این جدولها را در قالب یک فایل پی دی اف در لینک زیر قرار دهم که قابل دانلود است.

 

دانلود مجموعه جدولهای آماری

دانلود جدول های آماری

در حل بسیاری از مسایل مربوط به آزمونهای آماری در اختیار داشتن جداول آماری نیازی اساسی است زیرا برای رد یاپذیرش فرض صفر باید مقادیر به دست آمده از آماره ها را با توجه به توزیع نمونه ای آنها با مقادیر جدول مقایسه کرد. بنابراین تصمیم گرفتم برای راحتی کار دانشجویان عزیز یک مجموعه کامل از این جدولها را در قالب یک فایل پی دی اف در لینک زیر قرار دهم که قابل دانلود است.

 

دانلود مجموعه جدولهای آماری

 

دانلود جدول های آماری

در حل بسیاری از مسایل مربوط به آزمونهای آماری در اختیار داشتن جداول آماری نیازی اساسی است زیرا برای رد یاپذیرش فرض صفر باید مقادیر به دست آمده از آماره ها را با توجه به توزیع نمونه ای آنها با مقادیر جدول مقایسه کرد. بنابراین تصمیم گرفتم برای راحتی کار دانشجویان عزیز یک مجموعه کامل از این جدولها را در قالب یک فایل پی دی اف در لینک زیر قرار دهم که قابل دانلود است.

 

دانلود مجموعه جدولهای آماری

 

دانلود جدول های آماری

در حل بسیاری از مسایل مربوط به آزمونهای آماری در اختیار داشتن جداول آماری نیازی اساسی است زیرا برای رد یاپذیرش فرض صفر باید مقادیر به دست آمده از آماره ها را با توجه به توزیع نمونه ای آنها با مقادیر جدول مقایسه کرد. بنابراین تصمیم گرفتم برای راحتی کار دانشجویان عزیز یک مجموعه کامل از این جدولها را در قالب یک فایل پی دی اف در لینک زیر قرار دهم که قابل دانلود است.

 

دانلود مجموعه جدولهای آماری

 

دانلود جدول های آماری

در حل بسیاری از مسایل مربوط به آزمونهای آماری در اختیار داشتن جداول آماری نیازی اساسی است زیرا برای رد یاپذیرش فرض صفر باید مقادیر به دست آمده از آماره ها را با توجه به توزیع نمونه ای آنها با مقادیر جدول مقایسه کرد. بنابراین تصمیم گرفتم برای راحتی کار دانشجویان عزیز یک مجموعه کامل از این جدولها را در قالب یک فایل پی دی اف در لینک زیر قرار دهم که قابل دانلود است.

 

دانلود مجموعه جدولهای آماری

 

معرفی و دانلود spss

با پيشرفت علوم و گسترش تکنولوژی، اهميت استفاده از روش های آماری برای پژوهش در علوم مختلف بيش از پيش مورد توجه قرار گرفته است. فرآيند آناليز آماری کمک مي کند تا پژوهشگر بتواند از داده های اوليه، اطلاعات مورد نياز خود را استخراج کند و در صورت لزوم نتايج را به جمعیت تحت مطالعه تعميم دهد. امروزه نرم افزارهای متعدد آماری با اهداف گوناگون وجود دارند که قادرند تحلیل های متنوع آماری را انجام دهند.
SPSS (مخفف Statistical Package for Social Sciences) یکی از تواناترین و جامع­ترین نرم­افزارهای آماری است که با توجه به سادگی محیط کار و سایر خصوصیات و خدمات بارز آن امروزه پرکاربردترین نرم­افزار آماری محسوب می­شود. تقریبا يکی از قديمی ترين نرم افزارهای آماری است که قابليت های انجام توصيف تجزیه و تحلیل گويا از اطلاعات را دارد.
بعضی دیگر از قابليت‌هاي این نرم افزار به ‌شرح زير است:
Ø      تهيه خلاصه‌هاي آماري مانند گراف‌ها، جداول‌، آماره‌ها و ... 
Ø      انواع توابع رياضي مانند قدر مطلق، تابع علامت، لگاريتم، توابع مثلثاتي و ...
Ø      تهيه انواع جداول سفارشي مانند جداول فراواني، فراواني تجمعي، درصد فراواني و ...
Ø      انواع توزيع‌هاي آماري شامل توزيع‌هاي گسسته و پيوسته
Ø      تهيه انواع طرح‌هاي آماري
Ø      انجام آناليز واريانس يکطرفه، دوطرفه، چندطرفه و آناليز کوواريانس و طرح آزمایشات
Ø      تکنيک‌هاي تجزيه و تحليل سري‌هاي زماني
Ø      ايجاد داده‌هاي تصادفي و پيوسته
Ø      بررسی روایی و پایایی پرسشنامه ها
Ø      محاسبه انواع آماره‌هاي توصيفي
Ø      انواع آزمون‌هاي مرتبط با مقايسه ميانگين بين دو يا چند جامعه مستقل و وابسته
Ø      قابليت مبادله اطلاعات با نرم‌افزارهاي ديگر
Ø      برازش انواع مختلف رگرسيون خطی و غیر خطی و لژستیک

شرکت spss در یک اقدام جالب یک نسخه دانشجویی برای استفاده و آموزش دانشجویان ارائه کرده که در همه جای دنیا به ویژه ایران مورد استقبال همه علاقه مندان قرار گرفته است. آخرین نسخه آن  ۱۸ است که  می توانید آن را از سایت  spss به آدرس زیر دانلود کنید:
 http://www.spss.com  

قضیه حد مرکزی

یر سیمون ( مارکوس لاپلاس )

قضیه حد مرکزی در ابتدا توسط پیرسیمون ( مروف به مارکوس لاپلاس ) ریا ضیدان فرانسوی  بیان و اثبات شد. مارکوس لاپلاس از مشاهده خطای اندازه گیری  های خود (معمولا به عنوان مجموع تعداد زیادی از نیروهای کوچک در نظر گرفته  می شود) که دارای توزیع نرمال است  بدین قضیه دست یافت . لاپلاس در ضمن یک ستاره شناس ( معروف به نیوتن فرانسه ) و یکی از بزرگترین نویسندگان پیشین در مبا حث آمار و احتمال بود. همچنین عامل اشاعه فرهنگ  به کار گیری احتمال در زندگی روزمره بود او شدیدا به اهمیت این موضوع واقف بود و در جمله ای از کتاب خود تحت عنوان ((نظریه تحلیل احتمال )) بیان می کند که ( نظریه احتمال در حقیقت همان عقل سلیم است که تا مرتبه محاسبه تنزل پیدا کرده است این نظریه ما را قادر می سازد که با دقت هر آنچه را که اذهان منطقی با کمک غریزه ادراک می کنند ، در یابیم با این تفاوت که غالبا نمی توانیم چگونگی انرا توضیح دهیم .... فوق العاده است که این علم در آغاز برای بررسی بازیهای شانس  ابداع شد ه بود  ولی امروزه باید به عنوان مهمترین دانش بشری در آید ... مهمترین سوالات عمده زندگی بشری در بسیاری از موارد حقیقتا مسائل احتمال هستند .
کاربرد قضیه حد مرکزی در نشان دادن اینکه مقادیر خطاهای اندازه گیری دارای توزیع تقریبا نرمالی هستند کمک شایانی به علوم قلمداد می شود از اینرو در قرون 17 و 18 از قضیه حد مرکزی به نام (( قانون فراوانی خطاها )) یاد می شده است و به عنوان یک پیشرفت عمده در علوم تلقی می شود . به کلام فرانسیس گالتون ( برگرفته از کتاب ( وراثت طبیعی ) وی منتشر شده در سال 1889 ) توجه کنید :
( به عقیده من شگفت انگیز ترین موضوعی که قانون فراوانی خطاها  ان را توضیح داده و بیشترین تاثیر را بر قوه تخیل انسان گذاشته همان نظم کیهانی است اگر یونانیان باستان از قانون فراوانی خطاها آگاه بودند قطعا انرا را به عالم انسانی  تعمیم می دادند و ادعای خدایی می کردند این قانون با تانی و متانت در بطن آشفتگیها و بی نظمیها ،عالم هستی را تحت استیلای خود دارد .هر چه میزان این آشفتگیها و بی نظمیها بیشتر باشد سلطه ان نیز کاملتر خواهد بود این قانون حاکم بلا منازع عرصه بی نظمیهاست .)

دشواری فراگیری آمار

كنون زمان آن فرا رسيده بود كه خانه اش را بسازد. زمين، نقشه، ابزار، پنجره ها، تخته ها و ميخ هايش آماده بودند. روز اول، با شور و شعف فراوان، آغاز به كار كرد. با لذت، چكش را بر ميخ ها مي كوبيد و بالاخره اولين ديوار خانه اش را سرجايش قرار داد . احساس خوبي داشت... .

اما صبر كنيد! او داشت خانه اش را بر روي يك تپه مي ساخت؛ در حالي كه در كتاب درسي اش فقط درباره ي زمين هاي مسطح نوشته شده بود. او در مواجهه با اين تپه مي بايست چه كار مي كرد؟ خانه اش هم پنجره اي آويخته داشت. لانه ي سگي كه در آزمايشگاه ساخته بود، نوع پنجره اش متفاوت بود. آيا اين پنجره هاي جديد، ايستادگي داشتند؟ علاوه بر آن مطمئن نبود براي ساختن اتاق پذيرايي با زاويه اي 145 درجه اي، از كدام روش استفاده كند. كتابهاي درسي چيزي جز زاويه هاي قائم را توضيح نداده بودند. حتي با وجود نقشه ي ساختمان ، هنوز هم بايد تصميمات آني زيادي مي گرفت و روشهاي جديد بسياري را مي آموخت. علاوه بر آن ، قرار بود خانه را در مدت 4 ماه تمام كند؛ اما با اين شرايط؛ هرگز نمي توانست آن را به موقع به پايان رساند.

او شبيه يك آدم نادان به نظر مي رسد. اين طور نيست؟ هيچ كس نمي تواند تنها با گذراندن تعداد كمي دوره ي آموزشي ، يك ساختمان بسازد . ساختن يك خانه، مستلزم آگاهي از نحوه ي ساخته شدن ديوارها ، توانايي بكارگيري ابزارها و داشتن مهارتهاي عملي براي به كار بستن روش ها است.

افسانه ي آمار: دانش آماري ، فقط شرط لازم كاربرد آمار است.

بله، دانش لازم است؛ اما كافي نيست. آمار توسط دانشجويان به خوبي درك نمي شود، زيرا  بدون توجه به مفهوم آن تدريس ميشود. بسياري از مردم ، حقيقتا تا زماني كه در جريان تحقيقاتشان شروع به تحليل داده ها نكنند ، آمار را ياد نمي گيرند. آري، كلاس هاي آمار، خشك و جدي است؛ به اين دليل كه دانشجويان قبل از فهميدن درست امار نيازمند دانش و آگاهي هستند . تنها راه ياد گرفتن اينكه چطور يك خانه بسازيم ، اين است كه خانه اي بسازيم و تنها راه يادگيري تحليل داده ها اين است كه داده اي را تحليل كنيم.

اما پژوهشگران (و معماران!) براي آموخته هايشان نياز به پشتوانه ي تمرين هاي كاربردي دارند. بله، درست است كه انجام همزمان اين دو ، ممكن است باعث كند شدن حركت آن ها شود، اما بر استمرار حركتشان مي افزايد، شورانگيزتر بوده و منجر به بروز اشتباهات بيشتري مي شود. هيچ يك از اين ها ضروري نيست؛ اما پايان خوشي دارند.

نجارها كنار دست يك استاد، كار مي كنند تا هنر وي را بياموزند. من هرگز از يك آماردان يا مشاور يك پايان نامه نشنيده ام كه هنگام تحليل داده ها  كنار يك پژوهشگر تازه كار نشسته باشد(هر كس چنين مشاوري دارد بايد خودش را خوش شانس بداند.) بر خلاف يك نجار مبتدي، يك تحليلگر داده ي مبتدي ، مفيد نيست. او حتا نمي تواند نردبان را نگه دارد.

مشاوراني كه به دانشجويانشان مي گويند كدام كلاس هاي آماري را بگذرانند و سپس آنها را در تحليل داده ها همراهي مي كنند ، متداول ترند( آن هايي كه چنين مشاوراني دارند نيز خوش بخت اند.) دانشجويان اگر از اينكه احمق به نظر برسند، هراسي نداشته باشند، در طول اين همراهي ، مي توانند سوالاتي بپرسند . مشاوران خوب، آنهايي هستند كه آنقدر سرشان شلوغ نيست كه نتوانند وقت كافي به پاسخ دادن به سوالات آنها اختصاص دهند و اگر پاسخ آنها را ندانند، اين امر را بپذيرند.

اما اغلب پژوهشگران، كمي احساس بيهودگي و سردرگمي مي كنند. حقيقتا نه تنها تازه كارها، بلكه بسياري از پژوهشگران با تجربه نيز هرگز با اولين تمرين كاربردي آماري، به خوبي مفاهيم آن را ياد نگرفته اند. تقريبن همه ي پژوهشگران، در طول راه پژوهش ، با مسائل جديد روبرو شده و با آن ها دست و پنجه نرم مي كنند و اغلب ، دشوار است فردي را بيابيم كه به قدر كافي اطلاعات داشته باشد و علاوه بر آن بخواهد و بتواند آن را براي ديگران توضيح دهد. آن هايي گمراه مي شوند كه در طول انجام اين كارهاي عملي ، خسته مي شوند. كسي كه در حال يادگيري مهارتهاي عملي است نيازمند پشتيباني دقيق، كاربردي و بهنگام است.

سطح معنی داری و توان آزمون در spss

معمولاً هر تحقیقی شامل یک فرضیه تحقیق است. یک فرضیه تحقیق حدس زیرکانه ای درباره یک یا چند پارامتر جامعه است. مثلاً یک کارشناس علوم اجتماعی مدعی است میانگین سن اولین ازدواج در بین جوانان بیشتر از 25 سال است. ممکن است با انتخاب یک نمونه مناسب و محاسبه میانگین نمونه در گام اول دریابیم که واقعا متوسط سن ازدواج بیشتر از 25 سال است اما باید این افزایش آشکار را با یک آزمون آماری تایید کنیم. در یک آزمون آماری، ما می خواهیم مطمئن شویم آنچه که در مورد یک نمونه مصداق دارد، در مورد جامعه ای که نمونه از آن گرفته شده نیز مصداق خواهد داشت. در یک فایل آموزشی pdf جزئیات بیشتری از آزمون های آماری در نرم افزار spss ارایه شده است که می توانید آن را از لینک زیر دانلود کنید.

مطالبی در باره سطح معنی داری و توان آزمون ها   سرور ۱ 

مطالبی در باره سطح معنی داری و توان آزمون ها سرور ۱

 

Reliability Cronbach Example تحلیل پایایی پرسشنامه روش کرونباخ

در علوم انسانی و رفتاری بیشتر تحقیقات بر اساس پرسشنامه صورت می گیرد. موضوع کنترل کیفیت نتایج یک پرسشنامه دامنه وسیعی از موضوعات مختلف را در بر می گیرد. اگر پرسشنامه را مانند یک آزمون فرض کنیم، می توان گفت یک آزمون خوب باید از ویژگی های مطلوبی مانند عینیت، سهولت اجرا، عملی بودن، سهولت تعبیر و تفسیر، روایی و پایایی برخوردار باشد تا به نتایج درستی منجر شود. در بین این ویژگی ها روائی و پایائی از اهمیت بیشتری برخوردارند. 
در لینک زیر می توانید یک فایل آموزشی در زمینه پایایی پرسشنامه و چگونگی حذف سوالات زائد را که در آن یک تمرین عملی با نرم افزار spss نیز ارائه شده است، دانلود کنید.

تحلیل پایایی پرسشنامه در نرم افزار SPSS به حجم ۶۰۰ کیلو - سرور ۱

تحلیل پایایی پرسشنامه در نرم افزار SPSS به حجم ۶۰۰ کیلو - سرور ۲

ساختن طرح سلسله مراتبی

منظور از سلسله مراتبی نمایش گرافیکی از یک مسئله پیچیده است که در رأس آن هدف کلی مسئله و در سطوح بعدی معیارهای انتخاب گزینه ها و گزینه های مورد بررسی قرار می گیرد. در بحث تحلیل سلسله مراتبی با توجه به هدف کلی مورد نظر و با استفاده از معیارهای انتخاب مختلف در پی اولویت بندی گزینه های مرتبط با هدف مورد مطالعه، هستیم. به طور مثال فرض کنید می خواهیم در مورد خرید مسکن از بین سه منزل مورد نظر با توجه به معیارهایی مانند قیمت، نزدیکی به محل کار، فرهنگ مردم محله، نزدیکی به مراکز خرید و مدرسه، تصمیم گیری نماییم. برای این منظور از روش تحلیل سلسله مراتبی استفاده می شود. حال سؤالی که در اینجا باید به آن پاسخ داد این است که ساختار سلسله مراتبی تعریف شده باید به چه صورت باشد؟ 

انواع سلسله مراتبی ها : ساختارهای سلسله مراتبی در یک نگاه کلی به دو گروه تقسیم می شوند :
1. سلسله مراتبی ساختاری (Structural Hierarchies) و2. سلسله مراتبی وظیفه ای(Hierarchies Functional) در یک سلسله مراتبی ساختاری عناصر عموما به صورت فیزیکی با یکدیگر در ارتباط می باشند. به طور مثال موجودات به دو دسته رشدکننده و غیر رشد کننده تقسیم می شوند. در این بین رشدکنندگان به دو دسته نباتات و حیوانات قابل تقسیم هستند و به همین ترتیب حیوانات و نباتات به زیر دسته هایی تقسیم می شوند.
در مقابل در سلسله مراتبی های وظیفه ای اجزاء به صورت اعتباری یا وظیفه ای با هم مرتبط بوده و یک سیستم را تشکیل می دهند. به عنوان مثال خرید یک اتومبیل به عوامل مختلفی مانند هزینه، مصرف سوخت، ایمنی، مدل و... بستگی دارد. این عوامل به فرد تصممیم گیرنده و شرایط وی ارتباط دارد. هر سلسه مراتبی وظیفه ای از یک سری سطوح تشکیل شده است به طوریکه در بالاترین سطح عنصر هدف واقع می شود و در سطوح بعدی معیارها و زیرمعیارها (در صورت وجود) و نهایتا گزینه های مورد بررسی، قرار می گیرند. 
زیرمعیارها زمانی مورد استفاده قرار می گیرند که نیاز باشد هریک از معیارها به صورت جزئی تر مورد بررسی قرار گیرند. باید توجه داشت که لزومی ندارد تمام معیارها دارای زیرمعیار باشند. به عنوان مثال فرض کنید که برای انتخاب بهترین مدرسه سه گزینه A،B و C مطرح است. معیارهایی که برای انتخاب این مدارس درنظرگرفته می شوند عبارتند از فعالیتهای آموزشی، فرهنگی و اجتماعی. معیار فعالیت های آموزشی خود به مواردی مانند کیفیت آموزشی، استاندارد کلی دانش آموزان، نظم، آمادگی برای دانشگاه و آموزش های جانبی تقسیم می شود. در اینصورت نمودار این سلسله مراتبی مانند زیر خواهد بود.

 

به طور کلی بیان یک قانون مشخص برای ساختن سلسله مراتبی کار مشکلی است. اما در عین حال باید به توصیه هایی در این مورد توجه نمود : 
1. مشخص نمودن هدف نهایی و اینکه مهم ترین سؤال چیست.
2. مشخص نمودن معیارهایی که در اهداف جزئی مؤثر هستند. 
3. تعین زیرمعیارهای هر معیار و دقت در اینکه ممکن است زیرمعیارها به صورت فاصله های عددی یا به صورت کیفی مانند بسیار زیاد، زیاد، متوسط، کم و بسیار کم و از این قبیل باشند. 
4. تعین گزینه ها و خروجی ها.

منبع : فرایند تحلیل سلسله مراتبی AHP / نوشته دکتر سید حسن قدسی پور / انتشارات دانشگاه صنعتی امیر کبیر / 1391