بایگانی برچسب: s

مقاله نویسی

گردآوری داده‌ها در پژوهش کیفی

پاسخ دهید

گردآوری داده‌ها در پژوهش کیفی

مقاله و پایان نامه نویسی پیشرفته

روش‌های گردآوری داده‌ها در پژوهش کیفی شامل مصاحبه، مشاهده و مطالعه اسناد و مدارک است. از آنجایی که روش تحقیق کیفی به دنبال مطالعه کلی، مفهومی و تفسیر رفتار انسان‌ها به گونه‌ای طبیعی است که بدون دخالت و دخل و تصرف ممورت می‌گیرد، روش آن باید به صورت نرم و انعطاف‌پذیر صورت گیرد.

در روش‌های کیفی، بر خلاف روش‌های کمی که با پرسشنامه و پیمایش انجام می‌گیرد، پژوهشگر در ارتباط مستقیم با موضوع می‌باشد. فرایندی است که برای اکتشاف، توصیف و تبیین صورت می‌گیرد. در اینجا ابتدا روش‌های گردآوری داده‌ها در پژوهش کیفی که عمدتا شاهده، مصاحبه و مطالعه اسنادی است، طرح و سپس هریک از این روش‌ها توضیح داده می‌شود. ابزارهای گردآوری اطلاعات در تحقیقات کیفی اهمیت بالایی در دستیابی به نتایج دارند.

ابزارهای گردآوری داده‌ها در پژوهش کیفی

مهم‌ترین ابزارهای گردآوری داده در یک پژوهش کیفی عبارتند از:

  • مشاهده
  • مصاحبه
  • اسناد و مدارک

بدون تردید مصاحبه یکی از شیوه‌های اصلی برای گردآوری داده‌ها در یک پژوهش کیفی است. این شیوه بسیار منعطف است و تقریبا در هر جایی می‌تواند استفاده شود و توانایی دستیابی به اطلاعات ژرفی را فراهم می‌آورد. با این وجود نباید مصاحبه را تنها ابزار گردآوری داده در یک پژوهش کیفی درنظر گرفت. مشاهده نیز برای دستیابی به اطلاعات دست اول و همچنین گسترش دانش و بینش پژوهشگر از پدیده مورد بررسی بسیار کارآمد است. ضمن آنکه مطالعات اسناد و مقاله‌ها نیز در همین زمره قرار می‌گیرد.

مشاهده

از روش‌های مهم گردآوری داده‌ها در پژوهش کیفی، مشاهده در تحقیق کیفی است. مشاهده به دو شیوه انجام می‌گیرد:

  • مشاهده آشکار
  • مشاهده پنهان

در مشاهده آشکار، ممکن است پژوهشگر خود نیز جزو جامعه و نمونه آماری باشد که «مشاهده همراه با مشارکت» نام دارد. اما اگر پژوهشگر در بیرون نظاره‌گر رفتار نگران باشد،  «مشاهده بدون مشارکت» نام دارد. در مشاهده همراه با مشارکت، پژوهشگر به عنوان یک کنش‌گر فعال وارد میدان پژوهش می‌شود و با سایر کنشگران وارد تعامل می‌شود. در مشاهده بدون مشارکت، پژوهشگر از مداخله در میدان اجتناب کرده و تنها جریان رویدادها را پی‌جویی می‌کند.

مصاحبه

یک روش پرکابرد دیگر؛ استفاده از انواع مصاحبه در تحقیق کیفی است. از آنجایی که مصاحبه، عام‌ترین روش گردآوری اطلاعات در تحقیق کیفی است. بیشتر این پژوهش‌ها را مطلاعه «روش‌های تحقیق مصاحبه‌ای» نامیده‌اند. مصاحبه را «گفت‌وگو یا گفت‌وشنود هدفمند» گویند بدین معنی که پژوهشگر با هدف کسب اطلاعات درباره موضوعی خاص با مصاحبه شنونده صحبت می‌کنند. این کار ممکن است به ظاهر ساده به نظر رسد، اما در اصل بسیار پیچیده و دارای تنوع فراوان است.

مصاحبه شیوه‌ای است که هدف آن گردآوری توصیف‌هایی پیرامون جهان واقعی زندگی مصاحبه‌شونده با توجه به تفسیر معنای توصیفی پدیده است. هدف اصلی این روش نگاه به موضوع پژوهش از منظر مصاحبه‌شونده و درک چرایی و چگونگی پدیده است. کانون مصاحبه مانند روش‌های قوم‌شناسی گاه بسیار گسترده است. گاهی نیز بسیار جزئی و ریزبنانه و در یک مورد بسیار خاص باید به مصاحبه با افراد ذی‌صلاح پرداخت.

چگونگی انجام مصاحبه و تصمیم‌گیری در این باره، بیش از آنچه که از مطالعه مشون به دست آمده از تجربیات عملی در شرایط ملموس قابل حصول است. از سوی دیگر، پژوهشگر برای در رفتار افراد و ارائه تحلیل مناسب از آن، باید ابتدا تعریف مصاحبه شنوندگان را از مقولات مختلف و شرایطی که در آن قرار دارند، بشناسند. این کار از طریق مصاحبه‌های عمیق تا حد زیادی امکان پذیر است.

مطالعه اسناد و مدارک

مطالعات اسناد و مدارک و تحقیق کتابخانه‌ای ابزار مناسبی برای گردآوری داده‌ها در تحقیق کیفی است. در این روش، استفاده از اسناد و مدارک را می‌توان به عنوان یک روش مکمل و با به نوعی استراتژی مکمل سایر روش‌ها به کاریرد. اسماء شامل یادداشت ها، نامه ها، گزارش‌های موردی اظهار نظرها، دفترچه‌های خاطرات و مانند آن اطلاق می‌شود. مطالعه اسناد و مدارک برای بررسی پیشینه پژوهش بویژه در روش فراترکیب و روش کیفی فراتحلیل کاربرد زیادی دارد.

روش کتابخانه‌ای در تمام تحقیقات علمی مورد استفاده قرار می‌گیرد و در بعضی از آنها موضوع تحقیق از نظر روش‌، از آغاز تا انتها متکی بر یافته‌های تحقیق کتابخانه‌ای است. پژوهش‌هایی که ماهیت کتابخانه‌ای ندارند نیز پژوهشگران ناگزیر از کاربرد روش کتابخانه‌ای در تحقیق خود هستند. در این گروه تحقیقات، پژوهشگر باید ادبیات و سوابق مسأله و موضوع تحقیق را مطالعه کند. در نتیجه‌، باید از روش کتابخانه‌ای استفاده کند و نتایج مطالعات خود را در ابزار مناسب شامل فیش‌‌برداری یا جدول‌ و فرم ثبت و نگهداری و درپایان به طبقه بندی و بهره برداری از آنها اقدام کند‌.

جمع‌بندی بحث گردآوری داده‌ها در پژوهش کیفی

پژوهشگران در پژوهش‌های کیفی باید به آگاهی و شناختی ژرف از پدیده مورد مطالعه دست پیدا کنند. پیشنهاد می‌شود در چنین شرایطی ابتدا مشاهده در دستور کار پژوهشگر قرار گیرد. از طریق مشاهده است که پژوهشگر می‌تواند پدیده را به شیوه‌ای ملموس ادراک کند. اگر امکان مشاهده وجود نداشت مصاحبه با افراد با تجربه می‌تواند اطلاعات دست اولی را در اختیار پژوهشگر قرار دهد. انواع گوناگونی از مصاحبه وجود دارد که بسته به نوع مطالعه باید یکی را انتخاب کرد. در نهایت نیز نباید از اهمیت اسناد و مقاله‌های موجود برای گردآوری داده‌ها غافل شد.

فهرست منابع

دانایی‌فرد، حسن؛ الوانی، مهدی؛ آذر، عادل. (۱۳۹۳). روش شناسی پژوهش کیفی در مدیریت: رویکردی جامع. تهران: صفار.

حبیبی، آرش؛ جلال‌نیا، راحله. (۱۴۰۱). کتاب روش پدیدارشناسی. تهران: انتشارات نارون.

کامل ترین پکیج آموزش انویو Nvivo
کامل ترین پکیج آموزش انویو Nvivo

کامل ترین پکیج آموزش کاربردی نرم افزارانویوNvivo (جهت توضیحات بیشتروسفارش کلیک نمایید)

تحلیل داده های آماری

تحلیل داده های کیفی با نرم افزار مکس کیو دی ای (Maxqda)

پاسخ دهید

نرم افزار مکس کیو دی ای (Maxqda) نرم افزار حرفه ای برای انجام تحلیل داده های کیفی و روش های ترکیبی و تحلیل آمیخته است. نرم افزار Maxqda برای اولین بار در سال 1989 منتشر شده است و با روشی قدرتمند، ابتکاری و آسان دارای سابقه ای طولانی در کمک به محققین برای انجام تحلیل پروژه های تحقیقاتی موفق می باشد. یادگیری و انجام تحلیل با Maxqda برای پژوهشگران بسیار اهمیت دارد چراکه امروزه با توجه به اینکه امروزه اساتید دانشگاه ها و مراکز پژوهشی و صنعتی به دنبال انجام پژوهش های کیفی، پژوهش های ترکیبی و آمیخته mixed methods هستند.

این نرم افزار قابلیت های تحلیل کمی و آزمونهای آماری (Maxqda stat)، وارد نمودن داده ها از طریق وب، درخت واره واژگانی در maxqda، تجزیه و تحلیل شباهت similarity analysis برای تحلیل فصل چهارم پایان نامه های کارشناسی ارشد و دکتری و همچنین مقالات رشته های مدیریت بیمه، مدیریت آموزشی، مدیریت صنعتی، مدیریت استراتژیک، مدیریت بازرگانی، مدیریت مالی، مدیریت سلامت، مدیریت دولتی، مدیریت منابع انسانی، مدیریت بازاریابی، مدیریت ارشد کسب و کار MBA، مدیریت عالی کسب و کار DBA، مدیریت کارآفرینی، مدیریت اجرایی، مدیریت رفتار سازمانی ، برنامه ریزی آموزشی، علوم اجتماعی، کتابداری، آموزش زبان، روانشناسی عمومی، روانشناسی، روانشناسی صنعتی و سازمانی، روانشناسی بالینی، روانشناسی تربیتی، مشاوره تحصیلی، مشاوره خانواده، مشاوره شغلی، پژوهشگری اجتماعی، علوم تربیتی، کشاورزی، پرستاری محبوبیت بسیاری دارد.

نرم افزار maxqda برای انجام روش های تحقیق کیفی مانند روش گراندد تئوری با استفاده از maxqda، انجام روش نظریه داده بنیاد با مکس کیو دی ای maxqda، انجام تحلیل محتوا با maxqda و همچنین روش های آمیخته به همراه رویکردهای کمی مانند ترکیب تحلیل کیفی maxqda با مدل معادلات ساختاری، ترکیب maxqda با روش های تصمیم گیری چندمعیاره mcdm، ترکیب maxqda با مدلسازی ساختاری تفسیری ISM بسیار گارگشا است. نرم افزار مکس کیو دی ای maxqda برای تحلیل اسناد و documents که به صورت متنی هستند، فایل word، فایل های کتاب، فایل های pdf، فایل های اکسل excel، جداول، عکس ها، ویدئو و تحلیل توییت های توییتر twitter، تحلیل voice ها وصدا ها و غیره که با فرمت های doc، docx، xls، xlsx، txt، pdf، mp3، mp4، jpeg و غیره هستند بکار می رود.

خدمات سایت rava20.ir برای تحلیل داده با نرم افزار مکس کیو دی ای Maxqda

پیاده سازی مصاحبه های کیفی
پیاده سازی مصاحبه ها به صورت متن باز در نرم افزار
كدگذاري متون، تصاویر، سخن رانیها و مصاحبه با استفاده از نرم افزار Maxqda
کدگذاری داده ها با نرم افزار Maxqda برای تحلیل داده ها
کدگذاری خودکار با نرم افزار Maxqda برای تحلیل داده ها
کدگذاری اولیه متن با نرم افزار Maxqda
کدگذاری ثانویه متن با نرم افزار Maxqda
مقوله بندی کلی و تحلیل نتایج بدست آمده از کدگذاری با maxqda
روشهای ترکیبی با نرم افزار Maxqda
مدل بندی داده ها با نرم افزار Maxqda
تحلیل فایلهای صوتی و تصویری با نرم افزار Maxqda
یادداشت گذاری با نرم افزار Maxqda
گزارش یافته های نرم افزار Maxqda برای تحلیل داده های پایان نامه
مدیریت یادداشت ها با نرم افزار maxqda
تبدیل یادداشت های تحلیلی به سند و تحلیل آن با نرم افزار maxqda
فعال سازی اسناد و کدها در نرم افزار maxqda
انجام پایایی کدگذاری در نرم افزار maxqda
انجام تحلیل فیلم با نرم افزار maxqda
انجام تحلیل عکس با نرم افزار maxqda
ترسیم نقشه مکس (MAX MAP) در نرم افزار maxqda
گزارش گیری از تحلیل های کیفی با نرم افزار maxqda

انجام تحلیل پروژه های آماری با نرم افزارهای مختلف کمی . کیفی انجاک می گیرد. برای توضیحات بیشتر کلیک کنید.

تحلیل داده های آماری
تحلیل های کمی با نرم افزار های : SPSS – Amos – Pls تحلیل های کیفی با نرم افزار های : Maxqda – NVivo
کامل ترین پکیج آموزش انویو Nvivo

انواع تحقیق کیفی

پاسخ دهید

انواع تحقیق کیفی

دسته‌بندی تحقیقات کیفی آسان و مورد توافق همه نیست. آنسلم، استراس و جولیت کوربین شیوه‌های تحقیق کیفی را شامل موارد ذیل می‌دانند:

1.  نظریه مبنایی: یعنی آنچه که به‌طور استقرایی؛ یعنی از جزء به کل، از مطالعه پدیده‌ای به‌دست آید و نمایانگر آن پدیده است. به‌عبارت دیگر، باید آن‌ را کشف کرد و کامل نمود و به‌طور آزمایشی از طریق گردآوری منظم اطلاعات و تجزیه و تحلیل داده‌هایی که از آن پدیده نشأت گرفته است، اثبات نمود.

 2.  مردم‌نگاری یا قوم‌نگاری: پژوهش قوم‌نگاری معمولاً با انسان‌شناسی همبسته است. قوم‌نگاری توصیفی عمیق و تحلیلی از موقعیّت فرهنگی و در معنای وسیع، از فرهنگ است. پژوهش قوم‌نگاری بر مشاهده، توصیف و داوری‌های کیفی یا تفسیر پدیده‌های مورد بررسی تأکید بسیار دارد. (بازرگان، 1387، ص114)

 3.  پدیدارشناختی: استفاده از پدیدار‌شناسی به‌منظور پژوهش و آگاهی مستقیم نسبت به تجربیات و مشاهدات؛ به‌عبارت دیگر، نسبت به پدیدارهایی است که بی‌واسطه در تجربه ما ظاهر می‌شوند. (ورنو، روژه و ژان وال، 1372، ص11 و 12)

 4.  وقایع زندگی یا تحقیق زندگی‌نامه‌ای : در این نوع تحقیق، مطالعه بر یک فرد، متمرکز می‌شود و از طریق روایت زندگی او به‌صورت حکایت‌گونه، رویدادهای زندگی فردی در چهارچوبی وسیع‌تر نمایان می‌شود. سپس با ارتباط دادن این رویدادها، به‌عنوان نقطه‌های عطف و اطلاعات گردآوری شده مورد تفسیر قرار می‌گیرند. از پژوهش زندگی‌نامه‌ای به‌عنوان تاریخ شفاهی نیز یاد می‌شود. (بازرگان، 1387، ص115)

 5.  تحلیل مکالمات یا گفتمان: در این نوع تحلیل، داده‌ها در اصل به‌صورت گفتار تولید می‌شوند؛ ولی بعدا آنها را به‌منظور تحقیق با دقت و وسواس فراوان و با استفاده از علائمی که تأکیدها، مکث‌ها، خنده‌ها و سایر ظرایف غیرکلامی را هم بر کاغذ بیاورد، به نوشتار تبدیل می‌کنند. موضوع این دسته از مطالعات به یک معنا “پیام” است. تحلیل گفتمان عمدتاً در علوم سیاسی ریشه دارد؛ ولی در شاخه‌های مختلفی از علوم دیگری، مانند زبان‌شناسی، انسان‌شناسی، جامعه‌شناسی و روان‌شناسی اجتماعی نیز کاربرد دارد. (رفیعی و دیگران 1387، ص132 و 133)

 6.  تأویل‌شناسی یا هرمنوتیک : روشی است که فهم متون و چگونگی ادراک و فهم و روند آن را بررسی می‌کند. به‌عبارت دیگر هرمنوتیک، هنر دستیابی به فهم کامل و تامّ عبارت‌های گفتاری و نوشتاری است. (نیچه، فریدریش ودیگران، 1381)

 7.  کردارشناسی: این نظریه که از مطالعه رفتار حیوانات در محیط‌های طبیعی به‌دست آمده، بیان می‌کند که نوزاد انسانی به‌طور ژنتیکی آماده است تا به افرادی که از او مراقبت می‌کنند، دلبسته شود. این دلبستگی‌ها از لحاظ تکاملی دارای ارزش است؛ زیرا سبب سازش با محیط می‌شود. به‌عقیده جان بالبی پایه‌های زیستی رفتارهای دلبستگی، در صورتی‌که از دیدگاه تکاملی مطالعه شود، آسان‌تر قابل درک خواهد بود. (هنری، ماسن، پاول و دیگران، 1373) به‌طور کلی در این روش سعی می‌شود تا انواع رفتار انسان‌ها شناسایی و درک شود.

 8.  نشانه‌شناسی : نشانه‌شناسی در درجه اول با آفرینش “معنا” در متون (فیلم، برنامه‌های تلویزیونی و دیگر آثار هنری) سر و کار دارد. این علم نشان می‌دهد که نشانه و نقش آن چیست؟ نشانه‌ها و روابط، دو مفهوم کلیدی تحلیل نشانه‌شناختی هستند. در تحلیل نشانه‌شناسی تفکیکی موقتی و اختیاری بین محتوا و شکل قائل می‌شویم و تمام توجه خود را معطوف نظام نشانه‌هایی می‌کنیم که متن ما را می‌سازد. مثلاً غذا در برنامه تلویزیونی نباید فقط استیک، سالاد و … تلقی شود؛ بلکه نظامی از نشانه‌ها که حاوی معانی مربوط به موضوعاتی مثل پایگاه، سلیقه، پیشرفت، ملّیّت و غیره است، می‌باشد. (آسابرگر، آرتور ، 1387)

 9.  جامعه‌سنجی : این روش را مورنو در سال 1934 برای مطالعه و اندازه‌گیری روابط از نظر جذب و دفع متقابل یا یک طرفه در یک گروه طبیعی پیشنهاد کرده است. (پل، 1369، ص 142) به‌طور کلی این روش، وسیله‌ای برای تعیین درجه پذیرش افراد در یک گروه، کشف روابط این افراد و آشکار کردن ساخت خود گروه به کار می‌رود.

دسترسی به کامل ترین پکیج آموزش کاربردی نرم افزار انویو Nvivo در ایران

کامل ترین پکیج آموزش انویو Nvivo
کامل ترین پکیج آموزش انویو Nvivo
کامل ترین پکیج آموزش انویو Nvivo

تفاوت پژوهش کیفی و کمّی

پاسخ دهید

به پژوهش کمّی، اثبات‌گر و به پژوهش کیفی، پژوهش مابعد اثبات‌گرا نیز گفته می‌شود. پژوهش اثبات‌گرا، ریشه در این فرض دارد، که جلوه‌های محیط اجتماعی، واقعیّتی مستقل را تشکیل می‌دهند و طی زمان و موقعیت‌ها، نسبتاً ثابت‌اند.  منظور از استقلال پدیده این است که واقعیّت، نزد پژوهشگر اثبات‌گرا، عینی تلقی می‌شود، جدا از پژوهشگر وجود دارد و توسط همگان دیده می‌شود. به دیگر سخن، واقعیت اجتماعی وجود خارجی دارد و توسط مشاهده‌گران ساخته نمی‌شود. برخلاف پژوهش‌های کیفی (مابعد اثبات‌گرا) که در آن واقعیّت اجتماعی به‌وسیله مشارکت‌کنندگان در آن ساخته می‌شود. فرض بر این است؛ که واقعیّت اجتماعی، به‌طور پیوسته و مداوم در موقعیّت‌های محلّی ساخته می‌شود. به‌عبارت دیگر برای پژوهشگر کیفی واقعیت یگانه‌ای وجود ندارد، هر ناظر و مشاهده‌گری واقعیت را به‌صورت بخشی از فرآیند پژوهشی خلق می‌کند، واقعیت مبتنی بر ذهن است و تنها با ارجاع به یک ناظر موجودیت می‌یابد. به عبارت دیگر پژوهشگر کمی عینیت را وجهه‌ی همت خود قرار می‌دهد و از داده‌ها جدا می‌ایستد ولی پژوهش‌گر کیفی خود را بخش ناگسستنی از داده‌ها می‌داند در حقیقت بدون مشارکت فعال پژوهش‌گر، داده‌ای وجود ندارد.

پژوهشگر اثبات‌گرا، دانش را از طریق گردآوری داده‌های عددی و مشاهده‌ی نمونه‌ها و سپس عرضه‌ی این داده‌ها به تحلیل عددی فراهم می‌کند. در مقابل این‌ها پژوهش مابعد اثبات‌گرا، ریشه در این فرض دارد که جلوه‌های محیط اجتماعی به‌عنوان تفسیرهایی به‌وسیله‌ی افراد ساخته می‌شود. این تفسیرها شکل گذرا و وابسته به موقعیت دارند. پژوهشگران مابعد اثبات‌گرا دانش را از درجه‌ی اول از طریق گردآوری داده‌های کلامی با مطالعه‌ی جدّی و عمقی موارد، و عرضه این داده‌ها به استقراء تحلیلی فراهم می‌آورند. (گال و دیگران، 1382، ص59)

پژوهشگران کیفی بر نوعی تفسیر کل‌نگر تأکید می‌کنند. آنان واقعیت‌ها و ارزش‌ها را به‌صورتی غیرقابل تفکیک و آمیخته با یکدیگر در نظر می‌گیرند. از طرف دیگر پژوهشگران کمّی به‌جای توجه بر تفسیرهای کل‌نگر، بر عوامل و متغیرهای فردی تأکید دارند. پژوهشگر کمّی بر این باور است که واقعیّت را می‌توان به مؤلفه‌هایش تقسیم کرد و با نگاه به این اجزاء، شناختی از کل به‌دست آورد؛ ولی پژوهشگر کیفی براساس این باور، که واقعیّت، کلیّتی است غیرقابل تقسیم، به بررسی کلّ فرآیند می‌پردازد. (خوی‌نژاد، 1380: 110)

اصطلاح دیگری که گاه به‌جای پژوهش کیفی به‌کار می‌رود، پژوهش مطالعه‌ی موردی است. این اصطلاح بر این واقعیت تأکید می‌ورزد که پژوهش کیفی، متمرکز بر مطالعه‌ی موارد است؛ نه جامعه‌ها و نمونه‌ها. البته پژوهش‌های کیفی و کمّی می‌توانند از طریق کشف (توسط پژوهش‌های کیفی) و تأیید (توسط پژوهش‌های کمی) هم‌دیگر را کامل کنند؛ (گال و دیگران، 1382ص 64) فلذا با وجود همه تفاوت‌ها، بسیاری از پژوهشگران، اکنون ترکیبی از رویکردهای کمّی و کیفی را برای فهم کامل پدیده مورد بررسی خود، به‌کار می‌برند.

تمایز بین روش‌های کیفی و روش‌های کمّی در دنیای واقعی پژوهش‌های اجتماعی گاهی چندان روشن نیست.دو دلیل عمده برای این امر وجود دارد:

1- در عمل، انتخاب یک روش منتهی به حذف روش دیگر نمی‌گردد؛ پژوهشگران مجرب تمایل دارند که از هر دو روش در یک پژوهش استفاده کنند. بنابراین، تفاوت این دو روش به میزان استفاده بیشتر از یک روش در مقابل روش دیگر مربوط می‌شود.

2- در تئوری، هر دو روش بر مبنای پیش فرض‌های یکسانی بنا می‌شوند و تجزیة این دو روش به دو قطب جداگانه به‌سادگی امکان‌پذیر نیست.

با وجود این، واژة روش‌های کیفی و روش‌های کمّی به‌کار گرفته می‌شوند تا ویژگی‌های متفاوتی را در مورد ابعاد پدیده‌ها و متغیرهای مورد مطالعه در دو قطب مخالف، روشن‌تر سازند. جدول(1) تفاوت‌های عمده روش‌های کمّی و روش‌های کیفی را نشان می‌دهد.

جدول ١: تفاوت‌های عمده روش‌های کمّی و کیفی (نمازی، 1387ص 5)

روش‌های کیفیروش‌های کمی
1پدیده‌ها را به‌طور کیفی بررسی کرده و به کلمات نوشته شده تبدیل می‌کنند.پدیده‌ها را به‌طور کمّی اندازه‌گیری کرده و به اعداد تبدیل می‌کنند.
2از تشریح عمیق پدیده‌ها استفاده می‌کنند.از تجزیه و تحلیل آماری استفاده می‌کنند.
3از تعداد مطالعات در مقیاس کوچک استفاده می‌کنند.از تعداد مطالعات در مقیاس وسیع استفاده می‌کنند.
4روی کل واقعیت پدیده‌ها تأکید می‌کنند و اعتقاد دارند که واقعیت‌ها را نمی‌توان با تجزیه متغیرها خوب شناخت.روی متغیرهای خاصی در پژوهش تأکید می‌کنند.
5روی تأثیر ارزش پژوهشگر سابقه و تجربه، تحصیلات، فرهنگ و اعتقادات وی در نتیجة پژوهش تأکید می‌کنند.روی بی‌طرفی پژوهشگر در نتیجة پژو هش تأکید می‌کنند.
6از طرح‌های پژوهش و فرضیه‌های از قبل تعیین‌شده استفاده نمی‌کنند، بلکه آنها را در طی جریان پژوهش به‌وجود می‌آورند.از طرح‌های پژوهش و فرضیه‌های از قبل تعیین شده استفاده می‌کنند.
7تأکید روی درک پدیده‌ها دارند.تأکید روی آزمون و اثبات تجربی دارند.
8تأکید روی مشاهدة پدیده‌ها به‌صورت طبیعی خودشان دارند.تأکید روی معیارهای اندازه‌گیری کنترل شده دارند.
9می‌توانند جهت ایجاد نظریه‌های جدید به‌کار برده شوند.معمولاً با نظریه‌های از قبل ارائه شده شروع می‌کنند.

جدول شماره (2): اصول موضوعه الگوهای پژوهش کیفی و کمی (روحانی، 1389، ص24)

ردیفپرسشاصول الگوی پژوهش کیفیاصول الگوی پژوهش کمی
1جهان چگونه عمل می‌کند؟  واقعیت‌ها چندگانه‌اند. این واقعیت‌ها سازه‌های روان‌شناختی – جامعه‌شناختی هستند که یک کل به‌هم پیوسته را تشکیل می‌دهند. واقعیت‌ها تنها از این طریق درک می‌شوند.واقعیت یکی است. با تقسیم دقیق و مطالعه اجزاء می‌توان کل را درک کرد.
2رابطه میان داننده و دانسته (عالم و معلوم) چیست؟داننده و دانسته (علم و معلوم) وابسته به یکدیگرند.داننده می‌تواند خارج از آنچه قرار است دانسته شود، قرار بگیرد و عینیت واقعی امکان‌پذیر است.
3ارزش‌ها چه نقشی در درک جهان ایفاد می‌کنند؟ارزش‌ها به آنچه فهیمده می‌شود، شکل می‌دهند و در این میان نقس واسطه‌ای دارند.ارزش‌ها می‌توانند به‌منظور فهمیدن مسکوت گذاشته شوند.
4آیا رابطه علّی امکان‌پذیر است؟رویدادها به یکدیگر شکل می‌دهند. می‌توان به روابط چندوجهی دست یافت.رویدادی که قبل از رویداد دیگر می‌آید، می‌توان علت آن قلمداد شود.
5آیا امکان تعمیم وجود دارد؟تبیین‌های مبتنی بر آزمایش تنها برای زمان و مکان، ممکن است.تبیین‌ها می‌توانند از یک زمان و مکان به زمان و مکان دیگر، تعمیم یابند.
6نقش پژوهشگر در تولید دانش چیست؟عموماً پژوهشگر به دنبال کشف یا آشکارسازی موضوعات است.عموماً پژوهشگر به دنبال بررسی و اثبات قضایا و گزاره‌های پیشنهادی است.

دسترسی به کامل ترین پکیج آموزش کاربردی نرم افزار انویو Nvivo در ایران

کامل ترین پکیج آموزش انویو Nvivo
کامل ترین پکیج آموزش انویو Nvivo
پایان نامه نویسی مقاله نویسی

روش های آماری پارامتریک و ناپارامتریک؟

پاسخ دهید

روش های آماری پارامتریک و ناپارامتریک

روش های پارامتریک آماری

روش های پارامتریک آماری، روش هایی هستند که برای تحلیل داده ها با استفاده از فرضیاتی درباره توزیع داده ها، استفاده می شوند. به عبارت دیگر، در این روش ها، فرض می شود که داده ها از یک توزیع خاصی، مانند توزیع نرمال، دنبال می کنند و با استفاده از پارامترهایی مانند میانگین و واریانس، توزیع داده ها مدل می شود.

بعضی از روش های پارامتریک آماری شامل موارد زیر هستند:

  • آزمون تی: این روش برای مقایسه میانگین دو دسته داده استفاده می شود و فرض می شود که داده ها از توزیع نرمال پیروی می کنند.
  • آزمون آنوا: این روش برای مقایسه میانگین بیش از دو دسته داده استفاده می شود و فرض می شود که داده ها از توزیع نرمال پیروی می کنند.
  • آنالیز رگرسیون: این روش برای بررسی رابطه بین دو متغیر استفاده می شود و فرض می شود که رابطه خطی بین دو متغیر وجود دارد.
  • آزمون کای-مربع: این روش برای بررسی رابطه بین دو متغیر غیر عددی استفاده می شود و فرض می شود که داده ها از توزیع خاصی پیروی نمی کنند.


آیا روش های پارامتریک آماری برای داده های پرت و نامتعادل مناسب نیستند؟

بله، روش‌های پارامتریک آماری برای داده‌های پرت و نامتعادل مناسب نیستند. این روش‌ها برای تحلیل داده‌ها از فرضیاتی درباره توزیع داده‌ها استفاده می‌کنند و به دلیل اینکه داده‌های پرت و نامتعادل توزیع داده‌ها را تحت تأثیر قرار می‌دهند، دقت و قابلیت تفسیر نتایج را کاهش می‌دهند.

در داده‌های پرت، مقدار یک یا چند داده خارج از محدوده معمول باقی می‌ماند و باعث می‌شود که توزیع داده‌ها به شدت از توزیع معمول خود خارج شود. این در حالیست که روش‌های پارامتریک برای تحلیل داده‌ها از فرضیاتی درباره توزیع داده‌ها استفاده می‌کنند و اگر داده‌ها از توزیع معمول خود خارج شوند، ممکن است فرضیات درست نباشد و نتایج تحلیل داده‌ها نادرست باشد.

در داده‌های نامتعادل، تعداد داده‌ها در هر دسته با یکدیگر متفاوت است و این ممکن است باعث شود که توزیع داده‌ها در هر دسته با توزیع معمول خود متفاوت باشد. در این موارد، استفاده از روش‌های پارامتریک ممکن است باعث نادرستی نتایج تحلیل داده‌ها شود.

بنابراین، در داده‌های پرت و نامتعادل، روش‌های ناپارامتریک مانند آزمون ویلکاکسون و آزمون راندومایز شده مناسب‌تر هستند. این روش‌ها برای تحلیل داده‌هایی که فرضیات خاصی درباره توزیع داده‌هایشان وجود ندارد، مناسب هستند و در برخی موارد نتایج دقیق‌تری نسبت به روش‌های پارامتریک به دست می‌دهند.

روش های پارامتریک آماری مزایایی مانند دقت بالا و قابلیت تفسیر آسان دارند، اما در برخی موارد، فرضیات درباره توزیع داده ها ممکن است نادرست باشند و بهبود نتایج تحلیل داده ها را به خطر بیندازند. همچنین، این روش ها برای داده های پرت و نامتعادل مناسب نیستند. در این 

روش‌های ناپارامتریک آماری، روش‌هایی هستند که برای تحلیل داده‌هایی استفاده می‌شوند که فرض‌های خاصی در مورد توزیع آن‌ها نداریم یا نمی‌توانیم این فرض‌ها را بررسی کنیم. این روش‌ها برای داده‌های کم حجم و بدون ساختار مناسب هستند و در بسیاری از موارد از دقت بالایی برخوردارند.

برخی از روش‌های ناپارامتریک عبارتند از:

  1. آزمون رتبه‌ای ویلکاکسون: این روش برای مقایسه دو دسته داده برای متغیرهای مستقل وابسته به کار می‌رود و از ترتیب رتبه‌های داده‌ها بجای ارزیابی میزان اختلاف آن‌ها استفاده می‌کند.
  2. آزمون کراسکال-والیس: این روش برای مقایسه بیش از دو دسته داده برای متغیرهای مستقل به کار می‌رود و از رتبه‌بندی داده‌ها برای مقایسه تفاوت میان گروه‌ها استفاده می‌کند.
  3. آزمون کندال: این روش برای بررسی همبستگی بین دو متغیر بدون نیاز به فرض توزیع خاصی از داده‌ها به کار می‌رود.
  4. آزمون فریدمن: این روش برای مقایسه بیش از دو دسته داده برای متغیرهای وابسته به کار می‌رود و از رتبه‌بندی داده‌ها برای مقایسه تفاوت میان گروه‌ها استفاده می‌کند.
  5. رگرسیون ناپارامتریک: این روش برای مدل‌سازی رابطه بین یک متغیر وابسته و یک یا چند متغیر مستقل بدون نیاز به فرض توزیع خاصی از داده‌ها به کار می‌رود.
  6. روش‌های خوشه‌بندی ناپارامتریک: این روش‌ها برای تقسیم داده‌ها به چندین خوشه بدون نیاز به فرض توزیع خاصی از داده‌ها به کار می‌روند.
  7. روش‌های محاسبه رتبه: این روش‌ها برای ترتیب بندی داده‌ها و مقایسه تفاوت میان گروه‌ها بدون نیاز به فرض توزیع خاصی از داده‌ها به کار می‌روند.

در کل، روش‌های ناپارامتریک برای داده‌هایی که توزیعشان نامشخص است، یا برای زمانی که فرض توزیع خاصی در مورد داده‌ها نداریم، مناسب هستند.

آیا روش‌های ناپارامتریک برای داده‌های بزرگ هم مناسب هستند؟

بله، روش‌های ناپارامتریک برای داده‌های بزرگ نیز مناسب هستند. در واقع، در بسیاری از موارد، روش‌های ناپارامتریک برای داده‌های بزرگ بهتر از روش‌های پارامتریک عمل می‌کنند. یکی از دلایلی که روش‌های ناپارامتریک در برخی موارد برای داده‌های بزرگ مناسب هستند، این است که این روش‌ها برای تخمین تابع چگالی احتمال و تابع توزیع تجمعی، از روش‌های محاسبه نقطه‌ای استفاده نمی‌کنند. به عنوان مثال، در آزمون ویلکاکسون، به جای تخمین میانگین و واریانس دو دسته داده، از رتبه‌بندی داده‌ها استفاده می‌شود.

علاوه بر این، روش‌های ناپارامتریک برای داده‌های بزرگ به دلیل اینکه نیازی به فرض خاصی در مورد توزیع داده ندارند، به عنوان یک روش بدون پارامتر، مقاومت بیشتری در برابر داده‌های پرت و نویز دارند. همچنین، این روش‌ها برای تحلیل داده‌هایی با ساختار پیچیده و بدون ساختار مناسب، از دقت بالایی برخوردارند.

بنابراین، در کل، روش‌های ناپارامتریک برای داده‌های بزرگ نیز مناسب هستند و در بسیاری از موارد، بهتر از روش‌های پارامتریک عمل می‌کنند.

آیا روش‌های ناپارامتریک برای داده‌های با توزیع نرمال هم مناسب هستند؟

بله، روش‌های ناپارامتریک در مواردی که داده‌ها دارای توزیع نرمال هستند، به طور کلی به دلیل عدم نیاز به فرض خاصی در مورد توزیع داده‌ها، قابل استفاده هستند. با این حال، در مواردی که داده‌ها دارای توزیع نرمال هستند، روش‌های پارامتریک نیز می‌توانند به خوبی عمل کنند و در برخی موارد دقت بیشتری داشته باشند.

بنابراین، اگر داده‌های شما دارای توزیع نرمال هستند، استفاده از روش‌های پارامتریک مانند آزمون t و آزمون ANOVA می‌تواند بهترین گزینه باشد. اما اگر داده‌ها شامل پرتی و نویز هستند یا توزیع آن‌ها نامشخص است، روش‌های ناپارامتریک می‌توانند یک گزینه مناسب برای تحلیل داده‌ها باشند. همچنین، در مواردی که به دلیل اندازه نمونه کوچک، تخمین پارامترهای توزیع داده‌ها دشوار است، روش‌های ناپارامتریک می‌توانند بهترین گزینه باشند.

تحلیل داده های آماری

تحلیل آماری چیست؟

پاسخ دهید

تحلیل آماری چیست؟

تحلیل آماری عبارت است از مجموعه‌ای از روش‌های کاربردی برای بررسی، تفسیر و خلاصه کردن داده‌ها به کمک ابزارهای ریاضی و آماری. تحلیل آماری به دو دسته کلی تقسیم می‌شود: تحلیل آماری توصیفی و تحلیل آماری استنباطی.

  1. تحلیل آماری توصیفی (Descriptive Statistics): این روش به بررسی و توصیف ویژگی‌های کلی داده‌های موجود (مثل میانگین، میانه، انحراف معیار و غیره) می‌پردازد. تحلیل آماری توصیفی به ما اجازه می‌دهد که اطلاعات موجود در داده‌ها را به صورت خلاصه و قابل فهم ارائه دهیم.
  2. تحلیل آماری توصیفی یکی از روش‌های آماری است که برای خلاصه‌ای کردن و تفسیر داده‌های جمع‌آوری شده استفاده می‌شود. در این روش، ویژگی‌های مختلف داده‌ها، مانند میانگین، واریانس، مد، میزان کمینه و بیشینه و غیره، به صورت کمی توصیف می‌شوند.
  3. این روش برای بررسی ویژگی‌های مختلف یک مجموعه داده، شناخت بهتر و تصمیم‌گیری‌های بهتر در مورد آن استفاده می‌شود. به عنوان مثال، با استفاده از تحلیل آماری توصیفی، می‌توان میانگین و واریانس داده‌ها را محاسبه کرد و بررسی کرد که آیا داده‌ها یکنواخت هستند یا نه. همچنین می‌توان با بررسی مد و میزان کمینه و بیشینه، اطلاعاتی در مورد توزیع داده‌ها و محدوده مقادیر آنها به دست آورد.
  4. تحلیل آماری توصیفی به عنوان یکی از ابزارهای پایه در آمار، در بسیاری از زمینه‌ها مانند علوم 
  6. تحلیل آماری استنباطی (Inferential Statistics): این روش به بررسی روابط و الگوهای پنهان در داده‌ها و استنباط نتایج کلی برای جامعه‌ی آماری بر اساس نمونه‌های محدود می‌پردازد. تحلیل آماری استنباطی به کمک تکنیک‌هایی مانند آزمون‌های فرضیه، اطمینان آماری و رگرسیون، اجازه می‌دهد که نتایج حاصل از نمونه‌ها را به جامعه‌ی کلی تعمیم بدهیم.

تحلیل آماری در بسیاری از علوم و حوزه‌های مختلف کاربرد دارد، از جمله علوم اجتماعی، روانشناسی، اقتصاد، علوم زیستی و فیزیکی. هدف اصلی تحلیل آماری، به دست آوردن اطلاعات مفید و قابل اعتماد از داده‌ها و کمک به تصمیم‌گیری‌های بهتر است.

پایان نامه

جستجو عکس و تصاویر  در تلگرام

پاسخ دهید

اگر می خواهید تصویری را در تلگرام بگذارید لازم نیست در موتورهای جستجوگر سرچ کنید، تصاویر را می توانید مستقیما از تلگرام بگیرید و آن ها را در گروه ها یا برای اشخاص بفرستید.

ربات جستجو گر عکس که توسط شرکت bing به نام bing image search ساخته شده به ما این قابلیت را میدهد که با نوشتن موضوع عکس (به تمامی زبان ها) به صورت سریع عکس های مرتبط با موضوع شما را می آورد و شما پس از انتخاب میتوانید برای فرد مورد علاقه خود (گروه یا کانال یا افراد یا…) ارسال کنید.

برای نحوه ی کار با این ربات فیلم زیر را مشاهده کنید.

برای مشاهده لیست همه ی  پرسشنامه های استاندارد لطفا همین جا روی پرسشنامه استاندارد  کلیک فرمایید.

تحلیل داده های آماری برای پایان نامه و مقاله نویسی ،تحلیل داده های آماری شما با نرم افزارهای کمی و کیفی ،مناسب ترین قیمت و کیفیت عالی انجام می گیرد.

نرم افزار های کمی: SPSS- PLS – Amos

نرم افزار کیفی: Maxquda

تعیین حجم نمونه با:Spss samplepower

روش های تماس:

Mobile :  09143444846  واتساپ – تلگرام

Telegram: @abazizi4

پایان نامه نویسی مقاله نویسی

نرم افزار G*Power

پاسخ دهید

نرم افزار G*Power

دانلود نرم افزار G*Power

نرم افزار G*Power یک نرم افزار کاربردی و ساده آماری است که برای محاسبه حجم نمونه در مباحث جامعه و نمونه بسیار مناسب است. این نرم افزار رایگان است و بسادگی می‌توان حجم نمونه لازم برای حداقل مربعات جزئی به روش محاسبه حجم نمونه با فرمول کوهن را با آن محاسبه کرد. همچنین حجم نمونه لازم برای انواع تحقیق همبستگی،انواع آزمون میانگین جامعه، حجم نمونه رگرسیون و روش‌های دیگر آماری را محاسبه کرد.

استفاده از ماشین حساب  G*Power

نرم افزار G*Power یک ماشین حساب حرفه‌ای در اختیار کاربران قرار می‌دهد.

از منوی اصلی و بالای صفحه نرم افزار گزینه Calculator را انتخاب کنید.

روش محاسبه حجم نمونه با نرم افزار G*Power

برای محاسبه حجم نمونه با نرم افزار G*Power ابتدا از منوی Tests نوع نمونه خود را انتخاب کنید.

روش‌های همبستگی و رگرسیون در منوی Correlation and Regression قابل دسترسی است.

محاسبه حجم نمونه با نرم افزار G*Power

محاسبه حجم نمونه با نرم افزار G*Power

روش‌های آزمون میانگین جامعه مانند تی-تک‌نمونه و تی-مستقل از قسمت Means قابل دسترسی است.

پس از انتخاب آزمون موردنظر، اندازه اثر و سطح خطا را در صفحه اصلی نرم افزار مشخص کنید.

در نهایت در صفحه اصلی نرم‌افزار روی دکمه Calculate کلیک کنید.

روی دکمه  X-Y Plot for a range of values کلیک کنید.

در نهایت در دیالوگ جدید روی دکمه Draw Plot کلیک کنید.

مشخصات مربوط به حجم نمونه به صورت گرافیکی نیز قابل مشاهده است.

دانلود نرم افزار G*Power

نحوه نصب نرم‌افزار

فایل دانلود شده را از حالت فشرده خارج کنید. این نرم افزار نیاز به نصب دارد. فایل نصی یا setup را اجرا کنید تا عملیات نصب صورت گیرد. پس از آن می‌توانید با کلیک نمودن بر فایل اجرایی برنامه آن را اجرا کنید. فایل تجرایی با لوگوی این نرم افزار نشان داده می‌شود.

همانطور که بسیاری از کاربران آمارافزار اطلاع دارند، در یکی از دوره‌های آموزشی آمارافزار، تحت عنوان «دوره محاسبه حجم نمونه و توان آماری»، که اتفاقاً در گروه دوره‌های پرطرفدار نیز محسوب شده، این نرم افزار و کار عملی با آن، آموزش داده می‌شود.

ضمناً لازم به ذکر است که در کاربردهای عملی نرم افزار G*Powerر برای محاسبه حجم نمونه مطالعات پژوهشی و همچنین مقالات علمی، امکان ارجاع به این نرم افزار وجود دارد. از منظر داوران مقالات علمی و ادیتورهای ژورنالهای معتبر، این نرم افزار قابل قبول  بوده و برای مقاصد عملی می‌تواند جایگزین فرمولهای محاسبه حجم نمونه و حتی نرم افزارهای تجاری قوی شود. نرم افزار بسیار قوی و معتبر NCS-PASS نیز نتایج مشابهی دارد.

برگرفته از پارس مدیر – نویسنده آرش حبیبی

دانلود کتاب آموزش تصویری تعیین حجم نمونه با Spss sample power نرم افزار

کتاب آموزش تصویری نمونه گیری با SPSS Sample Power

بلایندفولدینگ

پاسخ دهید

بلایندفولدینگ

بلایندفولدینگ Blindfolding یک تکنیک استفاده مجدد از نمونه است. این تکنیک امکان محاسبه شاخص استون-گیزر Stone-Geisser را فراهم می‌کند. معیار استون- گیزر  یا شاخص Q2 قدرت پیش‌بینی مدل را مشخص می‌سازد.  شاخص استون-گیزر معیاری برای ارزیابی روایی متقاطع در مدل حداقل مجذورات جزیی است. شاخص ضریب تعیین R2 دقت پیش‌بینی را مشخص می‌کند و شاخص Q2 رابطه‌مند بودن پیش‌بینی را تعیین می‌کند. چناچه مقدار شاخص استون-گیزر مثبت باشد روایی پیش‌بینی مورد تایید است.

کاربرد : محاسبه شاخص برای ارزیابی روایی متقاطع Cross-Validity

برگرفته از پارس مدیر – نویسنده آرش حبیبی

چگونه در اکسل نمودار خطی بکشیم

ضریب تعیین (تشخیص)

پاسخ دهید

ضریب تعیین (تشخیص)

ضریب تعیین (تشخیص)

ضریب تعیین یا ضریب تشخیص Coefficient Of Determination قدرت توضیح دهندگی مدل را نشان می‌دهد. ضریب تعیین نشان می‌دهد که چند درصد از تغییرات متغیر وابسته توسط متغیرهای مستقل توضیح داده می‌شود. تغییرات کل متغیر وابسته برابر است با تغییرات توضیح داده شده توسط رگرسیون بعلاوه تغییرات توضیح داده نشده. این شاخص یکی از شاخص‌های برازش مدل است که قدرت پیش‌بینی متغیر وابسته (ملاک) براساس متغیرهای مستقل (پیش‌بین) را نشان می‌دهد. مقدار این شاخص بین صفر تا یک می‌باشد و اگر از ۰/۶ بیشتر باشد نشان می‌دهد متغیرهای مستقل تا حد زیادی توانسته‌اند تغییرات متغیر وابسته را تبیین کنند.

ضریب تشخیص در معادلات رگرسیونی با علامت R2 نشان داده می‌شود و بیانگر میزان احتمال هم‌بستگی میان دو دسته داده در آینده می‌باشد. این ضریب در واقع نتایج تقریبی پارامتر موردنظر در آینده را بر اساس مدل ریاضی تعریف شده که منطبق بر داده‌های موجود است، بیان می‌دارد. در واقع معیاری است از این که خط رگرسیون، چقدر خوب خوانده‌ها را معرفی می‌کند. اگر خط رگرسیون از تمام نقاط بگذرد توانائی معرفی همه متغیرها را دارد و هرچه از نقاط دورتر باشد نشان دهنده توانائی کمتر است. در این مقاله روش استفاده از این شاخص در رگرسیون، حداقل مربعات جزئی و مدل معادلات ساختاری توضیح داده شده است.

فرمول محاسبه ضریب تعیین (تشخیص) از نظر آماری

با توجه به اینکه

SST: مجموع توان دوم خطاها زمانی که از متغیر‌های مستقل (X ها) استفاده نشود.

SSE: مجموع توان دوم خطاها زمانی که از متغیر‌های مستقل (X ها) استفاده شود.

پارامتر SSR را مجموع توان دوم رگرسیون نامید و کاهش در مجموع توان دوم خطا‌ها به خاطر استفاده از متغیر‌های مستقل (x ها) را نشان می‌دهد. هر چه SSR بزرگتر باشد بهتر است و اگر SSR = 0 باشد رابطه رگرسیونی اصلا کاربرد نداشته است.

SSR = SST – SSE

می دانیم SSR کاهش تغییر پذیری (خطا) به خاطر استفاده از متغیرهای مستقل است. نسبت این کاهش را با R2 نشان داده و ضریب تعیین می‌نامیم.

R2 = SSR/SST

بنابراین مقادیری که R2 می‌تواند اختیار کند بین صفر و یک می‌باشد:

اگر R2 = 1 باشد آن گاه SSR=SST یا به عبارتی SSE = 0 یعنی زمانی که از متغیرهای مستقل استفاده کنید هیچ خطای وجود ندارد که این بهترین حالت ممکن است.

اگر R2 = 0 باشد آن گاه SSR=0 یا به عبارتی SSE = SSR یعنی استفاده از متغیر‌های مستقل هیچ تاثیری بر برآورد خط رگرسیونی ندارد.

محاسبه ضریب تـعیین در SPSS

برای این منظور از رگرسیون خطی استفاده می‌شود.

از منوی Analyze گزینه Regression فرمان Linear را اجرا کنید.

متغیر وابسته تعهد را به کادر Dependent وارد کنید. در تکنیک رگرسیون خطی فقط می‌توان یک متغیر را به کادر Dependent وارد کنید.

متغیر یا متغیرهای مستقل را به کادر Independent وارد کنید.

با تایید این کار چندین جدول در خروجی ظاهر خواهد شد.

برای مشاهده ضریب تعیین از جدول Model Summary استفاده کنید.

جدول ضریب تعیین در SPSS

جدول ضریب تعیین در SPSS

براساس نتایح این جدول متغیرهای پیش بین توانسته‌اند ۲۸% از تغییرات در متغیر وابسته را تبیین کنند.

تفاوت ضریب تعیین و ضریب تعیین تعدیل‌شده

ضریب تعیین فرض می‌کند که هر متغیر مستقل  مشاهده  شده در مدل، تغییرات موجود در متغیر وابسته را تبیین می‌کند. بنابراین درصد نشان داده شده توسط این شاخص با فرض تاثیر همه متغیرهای مستقل بر متغیر وابسته می‌باشد. در صورتی که  درصد نشان داده شده  توسط R2 تعدیل شده فقط حاصل از تاثیر واقعی متغیرهای مستقل مدل بر وابسته ( نه همه متغیرهای مستقل) است. تفاوت دیگراین است که مناسب بودن متغیرها برای مدل توسط R2 حتی با وجود مقدار بالا قابل مشخص نیست در صورتی که می‌توان به مقدار براورد شده ضریب تعیین تعدیل شده اعتماد کرد.

ضریب تعیین تعدیل‌شده

ضریب تعیین تعدیل‌شده

در این رابطه N تعداد کل مشاهدات، P تعداد متغیرهای پیش‌بین و R2 ضریب تعیین است. این شاخص نیز در جدول خلاصه مدل در خروجی رگرسیون قابل مشاهده است.

آیا ضریب تعیین معیار مناسبی برای تبیین میزان تاثیر متغیر مستقل بر متغیر وابسته است؟

خیر. چون با افزایش مشاهدات و هم چنین با افزایش متغیرهای مستقل میزان R2 افزایش می‌یابد این افزایش ممکن است کاذب باشد.

برای رفع این مشکل به R2 تعدیل شده نیاز داریم. مقدار تعدیل شده میزان R2 را با توجه به متغیرهای مستقل اضافه شده به خط رگرسیون و با توجه به عرض از مبداهای جدید، تعدیل و اصلاح می‌کند. هرچه تفاوت بین R2 و R2 تعدیل شده کمتر باشدنشان می‌دهد که متغیرهای مستقل که به مدل اضافه شده‌اند به درستی انتخاب شده‌اند.

محاسبه ضریب تعیین در PLS

ضریب تعیین یکی از پنج معیار اصلی برازش مدل در روش حداقل مربعات جزئی است. این شاخص بیانگر میزان تغییرات هر یک از متغیرهای وابسته مدل است که به وسیله متغیرهای مستقل تبیین می‌شود. گفتنی است که مقدار R2 تنها برای متغیرهای درون‌زای مدل ارائه می‌شود و در مورد سازه‌های برون‌زا مقدار آن برابر صفر است. هرچه مقدار R2 مربوط به سازه‌های درون‌زای مدل بیشتر باشد، نشان از برازش بهتر مدل است.

چین (۱۹۹۸) سه مقدار ۰/۱۹، ۰/۳۳ و ۰/۶۷ را به عنوان مقدار ملاک برای مقادیر ضعیف، متوسط و قوی بودن برازش بخش ساختاری مدل به وسیله معیار R2 تعریف کرده است. همچنین در نرم‌افزار نسخه شماره ۳ این نرم‌افزار هم ضریب تعیین و هم ضریب تعیین تعدیل‌شده محاسبه می‌گردد. برای مطالعه بیشتر به بحث شاخص‌های برازش حداقل مجذورات جزئی رجوع کنید.

منبع: محاسبه ضریب تعیین (تشخیص) نوشته آرش حبیبی کتاب آموزش SPSS

برگرفته از پارس مدیر – نویسنده آرش حبیبی

دانلود کتاب آموزش تصویری تعیین حجم نمونه با Spss sample power نرم افزار