آزمون همگونی ( Homogenity test) در نرم افزار Spss

آزمون همگونی (Homogeneity test) به طور کلی برای بررسی یکسانی و همگنی واریانس‌ها در گروه‌های مختلف استفاده می‌شود. یکی از رایج‌ترین آزمون‌ها برای این منظور، آزمون برون‌فردی (Levene’s Test) است که می‌تواند در نرم‌افزار SPSS انجام شود. در ادامه، مراحل انجام این آزمون در SPSS را توضیح می‌دهم:

مراحل انجام آزمون همگونی در SPSS

1. ورود به SPSS: نرم‌افزار SPSS را باز کنید و داده‌های خود را وارد کنید یا فایل داده‌های موجود را بارگذاری کنید.
2. ساخت متغیرها: اطمینان حاصل کنید که متغیرهایی که می‌خواهید آزمون همگونی را بر روی آن‌ها انجام دهید، به درستی تعریف شده‌اند. معمولاً شما به یک متغیر گروهی (categorical) و یک متغیر پیوسته (continuous) نیاز دارید.
3. انتخاب آزمون:
   • از منوی بالای نرم‌افزار، به مسیر Analyze بروید.
   • سپس به Compare Means و بعد از آن به One-Way ANOVA بروید.
4. تنظیمات آزمون:
   • در پنجره‌ای که باز می‌شود، متغیر پیوسته (dependent variable) را به قسمت “Dependent List” اضافه کنید.
   • متغیر گروهی (factor) را به قسمت “Factor” اضافه کنید.
5. تنظیمات آزمون همگونی:
   • بر روی دکمه Options کلیک کنید.
   • در پنجره جدید، گزینه Homogeneity tests را تیک بزنید تا آزمون همگونی واریانس‌ها (Levene’s Test) محاسبه شود.
   • بر روی Continue کلیک کنید.
6. اجرا کردن آزمون:
   • پس از تنظیمات، بر روی OK کلیک کنید تا آزمون اجرا شود.
7. بررسی نتایج:
   • نتایج آزمون در پنجره خروجی (Output) نمایش داده می‌شود. به دنبال جدول “Test of Homogeneity of Variances” بگردید.
   • در این جدول، مقدار p-value آزمون Levene’s Test را بررسی کنید. اگر p-value کمتر از سطح معناداری (معمولاً 0.05) باشد، می‌توانید نتیجه بگیرید که واریانس‌ها در گروه‌های مختلف همگن نیستند.

نکات مهم:

• اگر نتیجه آزمون همگونی نشان دهد که واریانس‌ها همگن نیستند، ممکن است نیاز به استفاده از آزمون‌های ناپارامتریک یا اصلاحات برای ANOVA داشته باشید.
• همیشه قبل از تحلیل داده‌ها، بررسی پیش‌فرض‌های آزمون‌ها ضروری است.

خواهشمند است، نظر خودتان را در پایان نوشته در سایت https://rava20.ir مرقوم نمایید. همین نظرات و پیشنهاد های شما باعث پیشرفت سایت می گردد. با تشکر 

پیشنهاد می شود مطالب زیر را هم در سایت روا 20 مطالعه نمایید:

انواع روش های تحلیل کیفی

نوشته

آزمون ژاک-بیررا (Jarque-Bera Test)

نوشته

آزمون‌های آزاد توزیع (Distribution-Free Tests) یا آزمون‌های ناپارامتری (Nonparametric Tests)

نوشته

آزمون تحلیل کوواریانس چیست؟

نوشته

 آزمون مان-ویتنی (Mann-Whitney U Test)

آزمون‌های غیرخطی (Nonlinear Tests) در آمار به روش‌هایی اشاره دارند که برای تحلیل روابط غیرخطی بین متغیرها استفاده می‌شوند. برخلاف روش‌های خطی (مانند رگرسیون خطی)، این آزمون‌ها می‌توانند روابط پیچیده‌تر و غیرخطی بین متغیرها را مدل‌سازی و تحلیل کنند. در ادامه به معرفی آزمون‌های غیرخطی و کاربردهای آن‌ها می‌پ�ردازیم.

ویژگی‌های کلی آزمون‌های غیرخطی:

1. مدل‌سازی روابط پیچیده:
   • این آزمون‌ها می‌توانند روابط غیرخطی مانند منحنی‌ها، سینوسی‌ها، نمایی‌ها و سایر اشکال پیچیده را مدل‌سازی کنند.
2. عدم نیاز به فرض خطی بودن:
   • برخلاف روش‌های خطی، این آزمون‌ها نیازی به فرض خطی بودن رابطه بین متغیرها ندارند.
3. انعطاف‌پذیری بالا:
   • می‌توانند برای داده‌هایی با الگوهای پیچیده و غیرخطی استفاده شوند.
4. پیچیدگی محاسباتی:
   • معمولاً محاسبات پیچیده‌تری نسبت به روش‌های خطی دارند و نیاز به الگوریتم‌های پیشرفته‌تری برای برآورد پارامترها دارند.

انواع آزمون‌های غیرخطی:

۱. رگرسیون غیرخطی (Nonlinear Regression):

• هدف: مدل‌سازی رابطه غیرخطی بین یک متغیر وابسته و یک یا چند متغیر مستقل.
• فرم کلی مدل:𝑌=𝑓(𝑋,𝛽)+𝜖Y=f(X,β)+ϵ
  • 𝑌Y: متغیر وابسته.
  • 𝑋X: متغیر مستقل.
  • 𝛽β: پارامترهای مدل.
  • 𝜖ϵ: خطای تصادفی.
• انواع مدل‌های غیرخطی:
  • مدل نمایی: 𝑌=𝑎⋅𝑒𝑏𝑋Y=a⋅ebX.
  • مدل لجستیک: 𝑌=𝑎1+𝑒−𝑏(𝑋−𝑐)Y=1+e−b(X−c)a​.
  • مدل سینوسی: 𝑌=𝑎⋅sin⁡(𝑏𝑋+𝑐)Y=a⋅sin(bX+c).
• مثال: مدل‌سازی رشد جمعیت با استفاده از مدل لجستیک.

۲. آزمون‌های غیرخطی برای سری‌های زمانی:

• هدف: تحلیل روابط غیرخطی در داده‌های سری زمانی.
• انواع:
  • مدل‌های ARIMA غیرخطی: برای مدل‌سازی سری‌های زمانی با رفتار غیرخطی.
  • مدل‌های GARCH: برای مدل‌سازی نوسانات غیرخطی در داده‌های مالی.
• مثال: پیش‌بینی قیمت سهام با استفاده از مدل‌های GARCH.

۳. آزمون‌های غیرخطی برای داده‌های طبقه‌بندی‌شده:

• هدف: تحلیل روابط غیرخطی در داده‌های کیفی یا رتبه‌ای.
• انواع:
  • رگرسیون لجستیک غیرخطی: برای مدل‌سازی احتمال وقوع یک رویداد با روابط غیرخطی.
  • درخت‌های تصمیم غیرخطی: برای طبقه‌بندی داده‌ها با استفاده از قوانین غیرخطی.
• مثال: پیش‌بینی احتمال بیماری بر اساس علائم غیرخطی.

۴. آزمون‌های غیرخطی برای داده‌های فضایی:

• هدف: تحلیل روابط غیرخطی در داده‌های جغرافیایی یا فضایی.
• انواع:
  • مدل‌های GWR (Geographically Weighted Regression): برای مدل‌سازی روابط غیرخطی در داده‌های مکانی.
• مثال: تحلیل تأثیر عوامل محیطی بر آلودگی هوا در مناطق مختلف.

۵. آزمون‌های غیرخطی برای داده‌های چندمتغیره:

• هدف: تحلیل روابط غیرخطی بین چند متغیر.
• انواع:
  • تحلیل مؤلفه‌های اصلی غیرخطی (Kernel PCA): برای کاهش ابعاد داده‌های غیرخطی.
  • شبکه‌های عصبی مصنوعی (ANN): برای مدل‌سازی روابط پیچیده و غیرخطی.
• مثال: پیش‌بینی فروش محصولات بر اساس عوامل مختلف با استفاده از شبکه‌های عصبی.

کاربردهای آزمون‌های غیرخطی:

1. علوم زیستی: مدل‌سازی رشد جمعیت، تحلیل داده‌های ژنتیکی.
2. اقتصاد و مالی: پیش‌بینی قیمت سهام، تحلیل نوسانات بازار.
3. مهندسی: مدل‌سازی رفتار مواد، تحلیل داده‌های حسگرها.
4. علوم اجتماعی: تحلیل روابط پیچیده بین متغیرهای اجتماعی.

نرم‌افزارهای مورد استفاده:

• R: بسته‌های nls برای رگرسیون غیرخطی و forecast برای سری‌های زمانی.
• Python: کتابخانه‌های scipy.optimize و statsmodels برای مدل‌سازی غیرخطی.
• MATLAB: توابع fitnlm برای رگرسیون غیرخطی.
• SPSS: امکان انجام رگرسیون غیرخطی با استفاده از دستورات پیشرفته.

نتیجه‌گیری:

آزمون‌های غیرخطی ابزارهای قدرتمندی برای تحلیل روابط پیچیده و غیرخطی بین متغیرها هستند. این آزمون‌ها در زمینه‌های مختلفی مانند علوم زیستی، اقتصاد، مهندسی و علوم اجتماعی کاربرد گسترده‌ای دارند. انتخاب روش مناسب به نوع داده‌ها و هدف تحقیق بستگی دارد. برای اجرای این آزمون‌ها می‌توانید از نرم‌افزارهای آماری مانند R، Python یا MATLAB استفاده کنید.

شاخص‌های روایی محتوا (Content Validity Indices) مانند CVI (Content Validity Index) و CVR (Content Validity Ratio) ابزارهای مهمی برای ارزیابی روایی محتوا در پژوهش‌ها هستند. این شاخص‌ها به پژوهشگران کمک می‌کنند تا اطمینان حاصل کنند که آیتم‌های ابزار پژوهش (مانند پرسشنامه یا آزمون) به طور کامل و دقیق سازه مورد نظر را اندازه‌گیری می‌کنند. در ادامه به شرح کامل این دو شاخص می‌پردازیم:

۱. شاخص روایی محتوا (CVI – Content Validity Index)

CVI یک شاخص کمی است که میزان توافق متخصصان در مورد ارتباط و تناسب هر آیتم با سازه مورد نظر را اندازه‌گیری می‌کند. این شاخص به دو صورت محاسبه می‌شود:

الف) CVI در سطح آیتم (I-CVI)

این شاخص برای هر آیتم به طور جداگانه محاسبه می‌شود و نشان می‌دهد که چند درصد از متخصصان آن آیتم را مرتبط و مناسب ارزیابی کرده‌اند.

• مراحل محاسبه I-CVI:
  ۱. از متخصصان خواسته می‌شود تا هر آیتم را بر اساس یک مقیاس (معمولاً ۴ نقطه‌ای) ارزیابی کنند:
  • ۱: کاملاً نامرتبط
  • ۲: تا حدی مرتبط
  • ۳: مرتبط
  • ۴: کاملاً مرتبط
    ۲. تعداد متخصصانی که آیتم را با نمره ۳ یا ۴ ارزیابی کرده‌اند، شمارش می‌شود.
    ۳. I-CVI با استفاده از فرمول زیر محاسبه می‌شود:
  I-CVI=تعداد متخصصان با نمره ۳ یا ۴کل تعداد متخصصانI-CVI=کل تعداد متخصصانتعداد متخصصان با نمره ۳ یا ۴​۴. معمولاً I-CVI بالای ۰.۷۸ برای آیتم‌ها قابل قبول است (برای گروه‌های کوچک متخصصان، این مقدار ممکن است بالاتر باشد).

ب) CVI در سطح ابزار (S-CVI)

این شاخص میانگین I-CVI تمامی آیتم‌های ابزار پژوهش را نشان می‌دهد و روایی محتوای کلی ابزار را ارزیابی می‌کند.

• مراحل محاسبه S-CVI:
  ۱. I-CVI برای تمامی آیتم‌ها محاسبه می‌شود.
  ۲. S-CVI با استفاده از فرمول زیر محاسبه می‌شود:S-CVI=∑I-CVIتعداد آیتم‌هاS-CVI=تعداد آیتم‌ها∑I-CVI​۳. معمولاً S-CVI بالای ۰.۹۰ برای ابزار پژوهش قابل قبول است.

۲. نسبت روایی محتوا (CVR – Content Validity Ratio)

CVR شاخصی است که توسط لاشه (Lawshe) در سال ۱۹۷۵ معرفی شد و میزان ضرورت هر آیتم را از نظر متخصصان ارزیابی می‌کند. این شاخص بر اساس این ایده است که اگر یک آیتم برای اندازه‌گیری سازه ضروری باشد، باید توسط اکثر متخصصان تأیید شود.

• مراحل محاسبه CVR:
  ۱. از متخصصان خواسته می‌شود تا هر آیتم را بر اساس یک مقیاس سه‌گزینه‌ای ارزیابی کنند:
  • ضروری است
  • مفید است اما ضروری نیست
  • ضروری نیست
    ۲. تعداد متخصصانی که آیتم را “ضروری” ارزیابی کرده‌اند، شمارش می‌شود.
    ۳. CVR با استفاده از فرمول زیر محاسبه می‌شود:
  CVR=تعداد متخصصان با رأی “ضروری”−𝑁2𝑁2CVR=2N​تعداد متخصصان با رأی “ضروری”−2N​​که در آن 𝑁N تعداد کل متخصصان است.
  ۴. مقدار CVR می‌تواند بین ۱- تا ۱+ باشد:
  • CVR مثبت: نشان‌دهنده این است که بیشتر متخصصان آیتم را ضروری دانسته‌اند.
  • CVR صفر: نشان‌دهنده این است که نیمی از متخصصان آیتم را ضروری دانسته‌اند.
  • CVR منفی: نشان‌دهنده این است که کمتر از نیمی از متخصصان آیتم را ضروری دانسته‌اند.
    ۵. برای تعیین حداقل CVR قابل قبول، از جدول لاشه استفاده می‌شود. این جدول بر اساس تعداد متخصصان، حداقل CVR مورد نیاز را مشخص می‌کند. به عنوان مثال، اگر ۱۰ متخصص وجود داشته باشد، حداقل CVR قابل قبول ۰.۶۲ است.

مقایسه CVI و CVR

نتیجه‌گیری

• CVI بیشتر برای ارزیابی ارتباط و تناسب آیتم‌ها با سازه مورد نظر استفاده می‌شود و به پژوهشگران کمک می‌کند تا اطمینان حاصل کنند که آیتم‌ها به طور کامل سازه را پوشش می‌دهند.
• CVR بیشتر برای ارزیابی ضرورت آیتم‌ها استفاده می‌شود و به پژوهشگران کمک می‌کند تا آیتم‌های غیرضروری را حذف کنند.

هر دو شاخص برای اطمینان از روایی محتوای ابزار پژوهش ضروری هستند و استفاده از آن‌ها به پژوهشگران کمک می‌کند تا ابزارهای معتبر و دقیقی طراحی کنند.

خواهشمند است، نظر خودتان را در پایان نوشته در سایت https://rava20.ir مرقوم نمایید. همین نظرات و پیشنهاد های شما باعث پیشرفت سایت می گردد. با تشکر 

پیشنهاد می شود مطالب زیر را هم در سایت روا 20 مطالعه نمایید:

دسته‌بندی روش‌های تحقیق بر اساس هدف :

روایی محتوا (Content Validity) چیست؟

روش های بررسی نرمال بودن توزیع داده ها و شرایط استفاده از هر روش چیست؟

ین نوشیدنی قند خون را کنترل، سموم بدن را دفع، نقرس را درمان می کند

با چه نرم افزار آماری می توان ضریب همبستگی پیرسون را انجام داد؟

انواع روایی در پژوهش چیست؟

در پژوهش، روایی (Validity) به میزان دقت و صحت اندازه‌گیری ابزارهای پژوهش و نتایج حاصل از آن اشاره دارد. روایی انواع مختلفی دارد که هر یک به جنبه‌های متفاوتی از پژوهش توجه می‌کنند. در ادامه به برخی از انواع رایج روایی در پژوهش اشاره می‌شود:

۱. روایی محتوا (Content Validity)

• تعریف: این نوع روایی به این موضوع می‌پردازد که آیا ابزار پژوهش (مانند پرسشنامه) تمامی جنبه‌های مربوط به سازه مورد نظر را پوشش می‌دهد یا خیر.
• کاربرد: معمولاً از طریق نظرخواهی از متخصصان و بررسی جامعیت سؤالات ارزیابی می‌شود.

۲. روایی سازه (Construct Validity)

• تعریف: روایی سازه به این موضوع اشاره دارد که آیا ابزار پژوهش واقعاً سازه نظری مورد نظر را اندازه‌گیری می‌کند یا خیر.
• زیرمجموعه‌ها:
  • روایی همگرا (Convergent Validity): بررسی می‌کند که آیا ابزارهای مختلفی که قرار است یک سازه را اندازه‌گیری کنند، به هم مرتبط هستند.
  • روایی واگرا (Discriminant Validity): بررسی می‌کند که آیا ابزار پژوهش از ابزارهایی که سازه‌های دیگر را اندازه‌گیری می‌کنند، متمایز است.

۳. روایی ملاکی (Criterion Validity)

• تعریف: این نوع روایی به رابطه بین ابزار پژوهش و یک ملاک خارجی (معیار) مربوط می‌شود.
• زیرمجموعه‌ها:
  • روایی همزمان (Concurrent Validity): بررسی می‌کند که آیا نتایج ابزار پژوهش با نتایج یک ملاک خارجی که همزمان اندازه‌گیری شده است، همخوانی دارد.
  • روایی پیش‌بین (Predictive Validity): بررسی می‌کند که آیا ابزار پژوهش می‌تواند نتایج آینده را به درستی پیش‌بینی کند.

۴. روایی ظاهری (Face Validity)

• تعریف: این نوع روایی به این موضوع می‌پردازد که آیا ابزار پژوهش به نظر می‌رسد که آنچه را که قرار است اندازه‌گیری کند، واقعاً اندازه‌گیری می‌کند.
• کاربرد: معمولاً از طریق نظرخواهی از شرکت‌کنندگان یا متخصصان ارزیابی می‌شود.

۵. روایی درونی (Internal Validity)

• تعریف: این نوع روایی به این موضوع اشاره دارد که آیا تغییرات مشاهده شده در متغیر وابسته واقعاً ناشی از تغییرات در متغیر مستقل است یا خیر.
• کاربرد: در پژوهش‌های آزمایشی بسیار مهم است.

۶. روایی بیرونی (External Validity)

• تعریف: این نوع روایی به این موضوع می‌پردازد که آیا نتایج پژوهش می‌تواند به سایر موقعیت‌ها، جمعیت‌ها یا شرایط تعمیم داده شود یا خیر.
• کاربرد: در پژوهش‌های میدانی و مطالعاتی که هدف تعمیم‌پذیری نتایج است، اهمیت دارد.

۷. روایی تشخیصی (Diagnostic Validity)

• تعریف: این نوع روایی به توانایی ابزار پژوهش در تشخیص دقیق موارد مثبت و منفی در یک جمعیت اشاره دارد.
• کاربرد: معمولاً در پژوهش‌های پزشکی و روانشناسی بالینی استفاده می‌شود.

۸. روایی افتراقی (Discriminant Validity)

• تعریف: این نوع روایی به توانایی ابزار پژوهش در تمایز بین سازه‌های مختلف اشاره دارد.
• کاربرد: در پژوهش‌هایی که چندین سازه مرتبط اما متمایز را اندازه‌گیری می‌کنند، اهمیت دارد.

هر یک از این انواع روایی به جنبه‌های مختلفی از پژوهش توجه می‌کنند و استفاده از آنها بستگی به نوع پژوهش و اهداف آن دارد. درک و ارزیابی این انواع روایی به پژوهشگران کمک می‌کند تا از دقت و اعتبار نتایج پژوهش خود اطمینان حاصل کنند.

خواهشمند است، نظر خودتان را در پایان نوشته در سایت https://rava20.ir مرقوم نمایید. همین نظرات و پیشنهاد های شما باعث پیشرفت سایت می گردد. با تشکر 

پیشنهاد می شود مطالب زیر را هم در سایت روا 20 مطالعه نمایید:

رهبری معنوی: نیروی تحول‌بخش در سازمان‌ها

رهبری دانش: نقش و اهمیت آن در سازمان‌های مدرن

ساختار کلاس درس : اصول و راهنمایی‌های عملی

ترجمه سریع نوشته های  کتاب ، دفترچه راهنما و … با چند کلیک و به زبان های مختلف

عصبانی‌ترین استان‌های ایران کدامند

تحلیل های کمی با نرم افزار های : SPSS – Amos – Pls
تحلیل های کیفی با نرم افزار های : Maxqda – NVivo

پایان نامه نویسی مقاله نویسی

spss

جهت عضویت در کانال تلگرام سایت کلیک کنید.

آزمون های آماری پارامتریک برای مقایسه گروه ها

آزمون‌های آماری پارامتریک ابزارهای مهمی برای مقایسه گروه‌ها در تحلیل داده‌ها هستند. این آزمون‌ها بر اساس فرضیات خاصی از جمله توزیع نرمال داده‌ها و همسانی واریانس‌ها (همگنی واریانس) عمل می‌کنند. در ادامه، به معرفی چند آزمون پارامتریک رایج برای مقایسه گروه‌ها می‌پردازیم:

1. آزمون t مستقل

• هدف: مقایسه میانگین دو گروه مستقل از هم.
• فرضیات:
  • داده‌ها باید توزیع نرمال داشته باشند.
  • واریانس‌ها در دو گروه باید برابر باشند (می‌توان با آزمون Levene این فرض را بررسی کرد).
• فرمول:𝑡=𝑋ˉ1−𝑋ˉ2𝑠𝑝2(1𝑛1+1𝑛2)که در آن 𝑠𝑝2 واریانس ترکیبی است.

2. آزمون t وابسته

• هدف: مقایسه میانگین دو گروه وابسته (مثلاً اندازه‌گیری‌های قبل و بعد از یک مداخله).
• فرضیات:
  • داده‌های اختلافات باید توزیع نرمال داشته باشند.
• فرمول:𝑡=𝐷ˉ𝑠𝐷/𝑛که در آن 𝐷ˉ میانگین اختلافات و 𝑠𝐷 واریانس اختلافات است.

3. ANOVA (تحلیل واریانس)

• هدف: مقایسه میانگین سه یا چند گروه مستقل.
• فرضیات:
  • داده‌ها باید توزیع نرمال داشته باشند.
  • واریانس‌ها در گروه‌ها باید برابر باشند.
• فرمول:𝐹=𝑀𝑆𝑏𝑒𝑡𝑤𝑒𝑒𝑛𝑀𝑆𝑤𝑖𝑡ℎ𝑖𝑛که در آن 𝑀𝑆𝑏𝑒𝑡𝑤𝑒𝑒𝑛 میانگین مربعات بین گروه‌ها و 𝑀𝑆𝑤𝑖𝑡ℎ𝑖𝑛 میانگین مربعات درون گروه‌ها است.

4. آزمون t یک نمونه‌ای

• هدف: مقایسه میانگین یک گروه با یک مقدار مشخص.
• فرضیات:
  • داده‌ها باید توزیع نرمال داشته باشند.
• فرمول:𝑡=𝑋ˉ−𝜇0𝑠/𝑛که در آن 𝜇0 مقدار مشخص است.

نکات مهم

• بررسی فرضیات: قبل از اجرای هر آزمون، حتماً باید فرضیات مربوط به آن آزمون بررسی شوند. این کار معمولاً با استفاده از آزمون‌های نرمال بودن (مثل آزمون شاپیرو-ویلک) و آزمون‌های همگنی واریانس (مثل آزمون Levene) انجام می‌شود.
• استفاده از نرم‌افزار: برای انجام این آزمون‌ها می‌توان از نرم‌افزارهای آماری مانند SPSS، R یا Python استفاده کرد که تحلیل‌ها را به صورت خودکار انجام می‌دهند.

نتیجه‌گیری

آزمون‌های پارامتریک ابزارهای قدرتمندی برای مقایسه گروه‌ها هستند، اما باید با دقت و با توجه به فرضیات آن‌ها مورد استفاده قرار گیرند. در صورت عدم برآورده شدن فرضیات، می‌توان به آزمون‌های ناپارامتریک مانند آزمون من-ویتنی یا آزمون کروسکال-والیس روی آورد.

خواهشمند است، نظر خودتان را در پایان نوشته در سایت https://rava20.ir مرقوم نمایید. همین نظرات و پیشنهاد های شما باعث پیشرفت سایت می گردد. با تشکر 

پیشنهاد می شود مطالب زیر را هم در سایت روا 20 مطالعه نمایید:

شناخت انواع آفات و بیماری های گل محمدی

با 9 بمب منیزیم آشنا شوید!

حق و حقوق کارکنان فقط پول نیست!

چگونه یک فایل اکسل را پی دی اف کنیم

سندروم بازماندگان محیط کار چیست؟