بایگانی برچسب: s

تحلیل آماری statistical analysis

در چه زمینه‌هایی از تحقیقات از روش تحلیل مضمون آتراید استرلینگ استفاده می‌شود؟

270 پاسخ

در چه زمینه‌هایی از تحقیقات از روش تحلیل مضمون آتراید استرلینگ استفاده می‌شود؟

تحلیل مضمون آتراید استرلینگ، روشی برای تجزیه و تحلیل داده‌های کیفی است که در طیف گسترده‌ای از تحقیقات کاربرد دارد. از جمله زمینه‌های رایج استفاده از این روش می‌توان به موارد زیر اشاره کرد:

  • مطالعات علوم اجتماعی: این روش به طور گسترده در مطالعات علوم اجتماعی مانند جامعه‌شناسی، روانشناسی، آموزش و علوم سیاسی برای بررسی تجربیات، دیدگاه‌ها و باورهای افراد استفاده می‌شود.
  • مطالعات علوم انسانی: از این روش در مطالعات علوم انسانی مانند ادبیات، فلسفه و تاریخ برای تحلیل متون، اسناد و مصنوعات فرهنگی استفاده می‌شود.
  • تحقیقات در حوزه سلامت: در تحقیقات حوزه سلامت، از تحلیل مضمون آتراید استرلینگ برای بررسی تجربیات بیماران، دیدگاه‌های متخصصان پزشکی و داده‌های مربوط به مراقبت‌های بهداشتی استفاده می‌شود.
  • تحقیقات آموزشی: این روش در تحقیقات آموزشی برای بررسی تجربیات دانش‌آموزان، دیدگاه‌های معلمان و داده‌های مربوط به فرآیند یادگیری و تدریس به کار می‌رود.

مزایای استفاده از تحلیل مضمون آتراید استرلینگ عبارتند از:

  • انعطاف‌پذیری: این روش برای تجزیه و تحلیل انواع مختلف داده‌های کیفی، از جمله مصاحبه‌ها، گروه‌های متمرکز، اسناد و مصنوعات فرهنگی مناسب است.
  • قابلیت اطمینان: با استفاده از رویکرد نظام‌مند و شفاف، می‌توان اطمینان حاصل کرد که تجزیه و تحلیل قابل اعتماد و قابل تکرار است.
  • قدرت: این روش می‌تواند به درک عمیق و ظریف پدیده‌های پیچیده منجر شود.

در مجموع، تحلیل مضمون آتراید استرلینگ ابزاری ارزشمند برای تجزیه و تحلیل داده‌های کیفی در طیف گسترده‌ای از زمینه‌های تحقیقاتی است.

منابع:

https://www.sid.ir/paper/129816/fa

https://aapc.khu.ac.ir/browse.php?a_id=1120&sid=1&slc_lang=fa&ftxt=0

https://parsmodir.com/db/research/thematic-analysis.php

https://sanad.iau.ir/journal/jisds/?_action=current

 تحلیل داده های آماری با مناسب‌ترین قیمت و کیفیت برتر!

تحلیل داده های آماری

🌟با تجربه‌ی بیش از 17 سال و ارائه‌ی بهترین خدمات

مشاوره : پایان نامه و مقاله نویسی تحلیل داده های آماری

📊تحلیل داده های آماری با نرم افزارهای کمی و کیفی

توجه: همه ی پرسشنامه هااز منابع معتبر تهیه شده،  استاندارد ، دارای روایی و پایایی و منابع داخل و پایان متن می باشند . همه ی پرسشنامه ها  قابل ویرایش در قالب نرم افزار ورد Word می باشد. 

مبانی نظری و پژوهشی متغیر ها

📞 تماس: 09143444846 (پیامک، ایتا، واتساپ، تلگرام) 🌐 کانال تلگرام: عضو شوید

(تا جای ممکن با ایتا پیام بفرستید، زودتر در جریان خواهیم بود!)

ایمیل :   abazizi1392@gmail.com

وبلاگ ما

روش های بصری سازی در مکس کیو دی ای MAXQDA

نوشته

استفاده از افزونه فارسی ویراستیار در Word

نوشته

استفاده از اکسل در حسابداری و ساخت گزارشات

نوشته

روش های انتخاب افراد نمونه در پژوهش

نوشته

نحوه بازیابی اسناد در ورد

چگونه فایل اکسل را غیر قابل ویرایش کنیم

نمونه‌ای از تحلیل مضمون آتراید-استرلینگ

پاسخ دهید

به طور کلی، در تحلیل مضمون آتراید-استرلینگ، مضامین کلیدی که در داده‌های کیفی شناسایی شده‌اند، توصیف و تفسیر می‌شوند. در زیر، یک نمونه ساده از مضمون و توصیف آن را برای شما توضیح می‌دهم:

مضمون: تجربه دانشجویان در دوره‌های آموزش آنلاین

توصیف: در این مضمون، دانشجوان درباره تجربه‌هایشان در دوره‌های آموزش آنلاین صحبت می‌کنند. آن‌ها از ویژگی‌های مثبتی مانند انعطاف‌پذیری زمانی و مکانی در دسترس بودن دوره‌ها و راحتی استفاده از پلتفرم‌های آموزش آنلاین خبر می‌دهند. همچنین، از ویژگی‌های منفی مانند کاستی در تعاملات اجتماعی و ارتباط مستقیم با اساتید یا همکلاسی‌ها نیز اشاره می‌کنند. آن‌ها می‌گویند که عدم حضور فیزیکی و تعاملات رو به رو در دوره‌های آموزشی می‌تواند احساس انزوا و کاستی از تجربه آموزشی را به وجود آورد.

در این نمونه، مضمون “تجربه دانشجویان در دوره‌های آموزش آنلاین” شناسایی شده است و توسط توصیف روابط ، ویژگی‌ها و جنبه‌های مختلف این مضمون بیان شده است. این توصیف می‌تواند مبنایی برای تحلیل عمیق‌تر و تفسیر مفاهیم و الگوهای موجود در تجربه دانشجویان در دوره‌های آموزش آنلاین فراهم کند.

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

مهم است بدانید که تعداد و نوع مضامین و توصیف آنها بستگی به مطالعه و داده‌های خاص شما دارد. همچنین، در تحلیل مضمون آتراید-استرلینگ، می‌توان بیشتر از یک مضمون شناسایی کرد و هر کدام را به صورت جداگانه توصیف و تفسیر کرد تا تصویر کامل‌تری از داده‌های کیفی به دست آید.

پزشکی- سلامت- بهداشت

آیا QDA Miner قابلیت تحلیل کمی را برای داده‌های خروجی در نرم‌افزارهای آماری دیگر فراهم می‌کند؟

پاسخ دهید

آیا QDA Miner قابلیت تحلیل کمی را برای داده‌های خروجی در نرم‌افزارهای آماری دیگر فراهم می‌کند؟
QDA Miner در اصل یک نرم‌افزار تحلیل کیفی است و تمرکز اصلی آن بر روی تحلیل محتوایی داده‌ها است. به عنوان یک ابزار تحلیل کیفی، QDA Miner عمدتاً برای تحلیل و استنتاج دربارهٔ الگوها، موضوعات، رویدادها و منظورهای مختلف در متن‌ها استفاده می‌شود.

با این حال، QDA Miner امکاناتی را برای تحلیل کمی داده‌ها نیز فراهم می‌کند. شما می‌توانید داده‌های خروجی از QDA Miner را در فرمت‌های قابل قبول توسط نرم‌افزارهای آماری دیگر (مانند SPSS، R، Stata و غیره) ذخیره کرده و سپس این داده‌ها را در نرم‌افزارهای آماری مورد نظر خود تحلیل کنید.

به‌عنوان مثال، می‌توانید تعداد و فراوانی واژگان را در QDA Miner محاسبه کنید و سپس این اطلاعات را به نرم‌افزار آماری منتقل کنید تا تحلیل‌های کمی مانند تجزیه و تحلیل تفاوت‌ها، ثبات برآوردگرها، تحلیل عاملی و غیره را انجام دهید.

همچنین، برخی از نسخه‌های QDA Miner همراه با ابزارهای تکمیلی مانند WordStat عرضه می‌شوند که قابلیت‌های تحلیل کمی بیشتری را فراهم می‌کنند. WordStat به شما امکان می‌دهد تا از طریق روش‌های آماری مانند تحلیل خوشه‌ای، تحلیل عاملی، تحلیل مضامین و غیره، تحلیل کمی روی داده‌های متنی را انجام دهید.

بنابراین، در کل، QDA Miner قابلیت‌های محدودی را برای تحلیل کمی داده‌ها فراهم می‌کند، اما برای تحلیل کمی پیچیده‌تر و جامع‌تر، بهتر است از نرم‌افزارهای آماری تخصصی‌تر استفاده کنید.

برخی از قابلیت‌های QDA Miner را برای تحلیل کمی داده‌ها

نوشته

برای تقویت استخوان چه بخوریم؟/ ۱۱ منبع غذایی مهم دریافت کلسیم

نوشته

برای تحلیل عاملی تأییدی از چه نرم افزار های آماری می توان استفاده کرد؟

نوشته

آزمون های پارامتریک برای مقایسه

نوشته

 کدام رشته آینده شغلی بهتری دارد؟ رشته های آینده دار در ایران و جهان

برخی از قابلیت‌های QDA Miner را برای تحلیل کمی داده‌ها

پاسخ دهید

برخی از قابلیت‌های QDA Miner را برای تحلیل کمی داده‌ها

QDA Miner در عمدهٔ قابلیت‌ها و ابزارهایش برای تحلیل کیفی داده‌ها تخصص دارد. اما، می‌توانید از برخی از قابلیت‌های آن برای تحلیل کمی داده‌ها نیز بهره ببرید. در زیر، تعدادی از قابلیت‌های QDA Miner برای تحلیل کمی داده‌ها آورده شده است:

تحلیل فرکانس: با استفاده از QDA Miner می‌توانید فراوانی و توزیع الگوها و کدها را در متن‌ها محاسبه کنید. این قابلیت به شما اجازه می‌دهد تا بررسی‌های کمی را دربارهٔ تکرار و توزیع الگوها و عناصر کیفی در داده‌های متنی انجام دهید.

تحلیل واژگانی: با استفاده از ابزارهای QDA Miner می‌توانید تجزیه و تحلیل واژگانی انجام دهید. می‌توانید فراوانی و توزیع واژگان را محاسبه کنید و از ابزارهایی مانند شاخص TF-IDF استفاده کنید تا اهمیت واژگان را در متن‌ها بسنجید.

تحلیل مقایسه‌ای: QDA Miner به شما امکان می‌دهد تا متن‌ها و دسته‌بندی‌ها را با یکدیگر مقایسه کنید و مشابهت‌ها و تفاوت‌ها را بررسی کنید. می‌توانید از ابزارهایی مانند تحلیل ارتباطی، تحلیل وابستگی، و تحلیل کروس-تب استفاده کنید.

استخراج داده‌های کمی: QDA Miner امکان استخراج داده‌های کمی از داده‌های متنی را فراهم می‌کند. می‌توانید از قابلیت‌های استخراج اطلاعات مانند تعداد واژگان، تعداد جملات، و تعداد پاراگراف‌ها استفاده کنید.

مهم است به‌خاطر داشته باشید که QDA Miner در اصل یک نرم‌افزار تحلیل کیفی است و متمرکز بر تحلیل محتوایی داده‌ها است. بنابراین، برای تحلیل کمی داده‌ها، معمولاً بهتر است از نرم‌افزارهای آماری تخصصی‌تر مانند SPSS، R یا Stata استفاده کنید.

نرم افزار تخصصی QDA Miner برای تحلیل کیفی چیست؟

پاسخ دهید

نرم افزار تخصصی QDA Miner برای تحلیل کیفی چیست؟

نرم‌افزار QDA Miner یک ابزار تحلیل کیفی داده‌ها است که توسط شرکت Provalis Research توسعه داده شده است.

پرسشنامه استاندارد

پرسشنامه استاندارد

(887)

پرسشنامه استاندارد (دارای روایی، پایایی، روش نمره گذاری و منبع داخل و پایان متن )

نوشته های مدیریت

(101)

پاورپونت

(26)

مطالب آموزش و پرورش

(22)

مبانی نظری و پژوهشی

(17)

مبانی نظری و پژوهشی

آموزش نرم افزار های آماری

(9)

انواع پاورپونت زناشویی و خانواده

(6)

کتاب های کاربردی

(4)

سوالات پیام نور

(1)

مطالب روان شناسی

(1)

پکیج های آموزشی

(1)

QDA Miner برای تحلیل داده‌های کیفی و متنی استفاده می‌شود و امکانات گسترده‌ای برای استخراج الگوها، روندها و ساختارهای موجود در داده‌های متنی فراهم می‌کند.

با استفاده از QDA Miner، محققان و تحلیلگران می‌توانند به صورت مؤثر و سیستماتیک داده‌های کیفی را تحلیل کنند.

این نرم‌افزار ابزارهای قدرتمندی برای تحلیل محتوایی، تحلیل مضمونی، تحلیل ارتباطی و تحلیل روایی و پایایی داده‌ها فراهم می‌کند.

تحلیل آماری statistical analysis
تحلیل آماری statistical analysis

QDA Miner امکاناتی مانند برچسب‌گذاری داده‌ها، توصیف داده‌ها، تصحیح خطاها، ایجاد کدها و مدل‌های تحلیلی، تجزیه و تحلیل شبکه ارتباطی، بررسی تغییرات زمانی و مکانی، نمایش داده‌ها در قالب نمودارها و گزارش‌ها، و استخراج داده‌های کمی از داده‌های متنی را فراهم می‌کند.

هرچند QDA Miner ابزاری تخصصی تحلیل کیفی است، اما از طریق ارتباط با نرم‌افزارهای آماری مانند SPSS، R، NVivo و… می‌توانید داده‌های خروجی را برای تحلیل کمی نیز استفاده کنید.

از طریق رابط کاربری گرافیکی کاربرپسند و قابلیت‌های پیشرفته خود، QDA Miner به کاربران کمک می‌کند تا بررسی‌های دقیق و جامعی را در زمینه‌های مختلف مانند علوم اجتماعی، علوم سیاسی، روانشناسی، آموزش و پژوهش‌های بازاریابی انجام دهند.

تحلیل آماری - پژوهش - کیفی - کمی - کامپیوتر

معرفی نرم افزارهای تحلیل آماری (LISREL، AMOS، EQS، PLS)

پاسخ دهید

معرفی نرم افزارهای تحلیل آماری (LISREL، AMOS، EQS، PLS)

LISREL، EQS، AMOS ،PLS چهار مورد از پرکاربردترین نرم­ افزارهای مدل­سازی معادلات ساختاری هستند که سه نرم­ افزار LISREL، AMOS و EQS متعلق به نسل اول معادلات ساختاری یعنی نسل کواریانس محورها (Covariance-Base) و نرم افزار های PLS که خود چند نوع هستند، جزو نسل دوم معادلات ساختاری یعنی نسل مولفه محورها (Component-Base) می باشند.

تحلیل آماری statistical analysis
تحلیل آماری statistical analysis

 نسل اول روش­های مدل­سازی معادلات ساختاری (Covariance-based SEM Techniques)

این روش­ها که به روش­های کواریانس محور معروف هستند، توسط جورسگوک (1969) معرفی شدند. هدف اصلی این روش­ها تأیید مدل است که برای این کار به نمونه ­هایی با حجم بالا نیاز دارند. در این روش به تخمین ضرایب مسیرها و بارهای عاملی با استفاده از به حداقل رساندن تفاوت بین ماتریس­های واریانس-کواریانس مشاهده شده و پیش­بینی شده می­ پردازند. ماتریس واریانس-کواریانس مشاهده شده توسط واریانس و کواریانس محاسبه شده بین متغیرهای مکنون به دست می­ آید. پرکاربردترین رویکرد محاسبه ضرایب در روش­های نسل اول، رویکرد تخمین حداکثر احتمال است که نیاز به داده­ های مربوط به متغیرهای مشاهده شده (سوال­ها) دارد که این متغیرها حتما باید از توزیع نرمال پیروی کرده باشند.

نسل دوم روش­های مدل­سازی معادلات ساختاری (Component-based SEM Techniques)

روش­های مولفه محور که بعدا به روش حداقل مربعات جزئی تغییر (Partial Least Squares) تغییر نام دادند، توسط ولد (1974) ابداع شد. این روش از دو مرحله تشکیل شده است: 1) سنجش مدل های اندازه گیری با معیارهای مربوط به پایایی و روایی . 2) سنجش بخش ساختاری با استفاده از ضرایب t.

طی سالهای اخیر استفاده از روش PLS و نرم افزارهای مربوط به اون نسبت به روش های نسل اول و نرم افزارهای نسل اول مثل لیزرل، آموس و ای کیو اس، بیشتر شده و این به خاطر مزیت هایی است که روش PLS نسبت به روش نسل اول دارد. 

مهمترین مزیت PLS نسبت به بقیه، قابلیت تحلیل داده های اندک است. در این روش محقق با داده های بیشتر از 50 عدد توان تحلیل داده ها را دارد (البته محاسبه تعداد نمونه خود مسئله مهمی است و برای هر پژوهش قواعد و قانون خاص آن پژوهش را دارد).این در حالی است که نرم افزارهای نسل اول به حداقل 200 نمونه احتیاج دارند.

مزیت های دیگر PLS، توان تحلیل داده های غیر نرمال و همچنین توان سنجش مدل های اندازه گیری از نوع سازنده (Formative) است.

نرم افزارهای مختلفی برای روش PLS ارائه شده که پرکاربردترین اونها عبارتند از: Smart PLS، Warp PLS، Visual PLS، PLS Graphing و … . 

توی پست های بعدی سعی می کنم توضیحات بیشتری درباره نحوه کار با این نرم افزارها ارائه بدم.

برگرفته از : وبسایت شخصی آرش رضازاده

تحلیل عاملی چیست؟

نوشته

تحلیل آماری پایان نامه

نوشته

تحلیل عاملی چیست؟

نوشته

نمره گذاری متغیر ها در Spss جمع نمرات یا میانگین نمرات؟

نوشته

برای تحلیل عاملی تأییدی از چه نرم افزار های آماری می توان استفاده کرد؟

نوشته

تحلیل آماری عوامل دموگرافیک (جمعیت شناسی)

آزمون کای مربع  Chi-Square (خی دو) چیست؟

پاسخ دهید

آزمون کای مربع  Chi-Square (خی دو) چیست؟

آزمون کای-مربع (Chi-Square) یک آزمون غیرپارامتری است که برای بررسی واگرایی بین داده‌های مشاهده شده و فرضیه مورد بررسی در یک جدول ترکیبی (Contingency Table) استفاده می‌شود. این آزمون براساس مقایسه فراوانی‌های مشاهده شده در داده‌ها با فراوانی‌های مورد انتظار محاسبه شده بر اساس فرضیه صفر (فرضیه که هیچ واگرایی بین متغیرها وجود ندارد) انجام می‌شود.

در آزمون کای-مربع، داده‌ها به صورت جدولی دوبعدی (جدول ترکیبی) سازماندهی می‌شوند، که در آن متغیرهای مستقل بر روی یک محور و متغیرهای وابسته بر روی محور دو می‌باشند. برای انجام آزمون کای-مربع، مراحل زیر را دنبال می‌کنیم:

چگونه فایل اکسل را غیر قابل ویرایش کنیم
چگونه فایل اکسل را غیر قابل ویرایش کنیم

فرضیه صفر و فرضیه جایگزین:

فرضیه صفر (H0): هیچ واگرایی بین متغیرها وجود ندارد، یعنی فراوانی‌های مشاهده شده در داده‌ها با فراوانی‌های مورد انتظار برابر است.
فرضیه جایگزین (H1): واگرایی بین متغیرها وجود دارد، یعنی فراوانی‌های مشاهده شده در داده‌ها با فراوانی‌های مورد انتظار برابر نیستند.
ساخت جدول ترکیبی:

داده‌ها را در یک جدول ترکیبی سازماندهی کنید. متغیرهای مستقل بر روی یک محور و متغیرهای وابسته بر روی محور دیگر قرار می‌گیرند. در هر خانه از جدول، مقدار فراوانی مشاهده شده را ثبت کنید.
محاسبه فراوانی‌های مورد انتظار:

بر اساس فرضیه صفر، محاسبه کنید که چه مقادیری از فراوانی‌ها در صورت عدم واگرایی مورد انتظار است. برای این کار، می‌توانید با فرضیه صفر محاسبه‌های خاصی انجام دهید، مانند محاسبه فراوانی مورد انتظار بر اساس توزیع تصادفی یکنواخت.
محاسبه آماره آزمون:

با استفاده از فراوانی‌های مشاهده شده و فراوانی‌های مورد انتظار، محاسبه آماره آزمون کای-مربع را انجام دهید. آماره آزمون کای-مربع محاسبه می‌شود با تفاضل مجموع مربعات فراوانی‌های مشاهده شده و مجموع مربعات فراوانی‌های مورد انتظار، و با در نظر گرفتن درجه آزادی مربوطه.
تصمیم‌گیری:

با استفاده از آماره آزمون و درجه آزادی مربوطه، مقدار p-value را محاسبه کنید. اگر مقدار p-value کوچکتر از سطح معناداری انتخاب شده باشد (معمولاً 0.05)، فرضیه صفر را رد کنید و نتیجه می‌گیرید که واگرایی بین متغیرها وجود دارد. در غیر این صورت، فرضیه صفر را قبول می‌کنید و نتیجه می‌گیرید که واگرایی معناداری وجدارد.
استفاده‌های آزمون کای-مربع در تحلیل آماری عبارتند از:

بررسی واگرایی بین دو یا بیشتر متغیر کیفی (دسته‌ای) در یک جامعه.
ارزیابی تفاوت‌های میان دسته‌ها در یک متغیر کیفی.
بررسی رابطه بین دو متغیر کیفی و بررسی واگرایی میان دسته‌های مختلف این متغیرها.
بررسی تفاوت‌ها و واگرایی در طول زمان یا در دسته‌های مختلف.
مزیت اصلی استفاده از آزمون کای-مربع در مقایسه با آزمون‌های پارامتری مربوط به این است که این آزمون استفاده می‌شود در مواردی که فرض توزیع نرمال بودن داده‌ها برقرار نیست یا ویژگی‌های دیگری از داده‌ها (مانند معیارهای مرتبه‌ای) نیازمند تحلیل است.

می‌توان از نرم‌افزارهای آماری مختلف مانند SPSS، R و Excel برای انجام آزمون کای-مربع استفاده کرد.

تحلیل آماری متغیر تعدیل‌کننده (Moderator Variable)

نوشته

گروه بندی و توصیف آزمون های پارامتریک و ناپارامتریک برای بررسی رابطه بین متغیرها

نوشته

آزمون همبستگی کندال (Kendall rank correlation coefficient)

نوشته

روش‌های تجزیه و تحلیل داده‌های آماری

نوشته

تحقیق کمی چیست؟ انواع روش های تحقیق کمی

نوشته

 تحلیل داده های آماری با مناسب‌ترین قیمت و کیفیت برتر!

تحلیل داده های آماری

🌟با تجربه‌ی بیش از 17 سال و ارائه‌ی بهترین خدمات

مشاوره : پایان نامه و مقاله نویسی تحلیل داده های آماری

📊تحلیل داده های آماری با نرم افزارهای کمی و کیفی

توجه: همه ی پرسشنامه هااز منابع معتبر تهیه شده،  استاندارد ، دارای روایی و پایایی و منابع داخل و پایان متن می باشند . همه ی پرسشنامه ها  قابل ویرایش در قالب نرم افزار ورد Word می باشد. 

مبانی نظری و پژوهشی متغیر ها

📞 تماس: 09143444846 (پیامک، ایتا، واتساپ، تلگرام) 🌐 کانال تلگرام: عضو شوید

(تا جای ممکن با ایتا پیام بفرستید، زودتر در جریان خواهیم بود!)

ایمیل :   abazizi1392@gmail.com

وبلاگ ما

تحلیل آماری statistical analysis

آزمون همبستگی کندال (Kendall rank correlation coefficient)

پاسخ دهید

آزمون همبستگی کندال

آزمون همبستگی کندال (Kendall rank correlation coefficient) درجه شباهت بین دو مجموعه از رتبه های داده شده به یک مجموعه از اشیاء را ارزیابی می کند. در آمار، ضریب همبستگی رتبه‌ای کندال که به تای کندال مشهور است و با حرف یونانی تای نمایش داده‌می‌شود یک آماره ناپارامتری است که برای سنجش همبستگی آماری میان دو متغیر تصادفی به کار می‌رود. آزمون تا نیز برای سنجش میزان پیوستگی میان دو متغیر استفاده می‌شود.

آزمون همبستگی کندال به تعداد وارونگی‌های جفت اشیا بستگی دارد که برای تبدیل یک مرتبه به مرتبه دیگر مورد نیاز است.برای انجام این کار، هر مرتبه رتبه با مجموعه ای از تمام جفت اشیاء نشان داده می شود (به عنوان مثال، [a,b] و [b,a] دو جفت هستند که اشیاء a و b را نشان می دهند) و مقدار ۱ یا ۰ به این جفت اختصاص داده می شود که ترتیب آن با نحوه ترتیب این دو شی مطابقت داشته باشد یا مطابقت نداشته باشد. این طرح کدگذاری مجموعه ای از مقادیر باینری را ارائه می دهد که سپس برای محاسبه ضریب همبستگی پیرسون استفاده می شود.

فرمول محاسبه ضریب همبستگی کندال

T=۲Sn(n−۱)T=2Sn(n-1)

در فرمول آزمون همبستگی کندال که در بالا آمده، n حجم نمونه مورد بررسی می باشد.مقدار S از مجموع اختلاف ui (تعداد داده هایی که بعد از داده ی مورد نظر قرار گرفته و بیشتر از آن است) و vi (تعداد داده هایی که بعد از داده ی مورد نظر قرار گرفته و کمتر از آن است) بدست می آید :

S=∑i=۱ndi=∑i=۱n(ui−vi)S=∑i=1ndi=∑i=1n(ui-vi)

-از آنجایی که مخرج آزمون همبستگی کندال کسر تعداد انتخاب‌های زوج‌ها از بین n مشاهده است، همیشه از صورت بزرگتر است. پس ضریب همبستگی کندال از ۱ کوچکتر و از ۱- بزرگتر است.

-اگر همه زوج‌ها با هم هماهنگ باشند مقدار ضریب همبستگی کندال برابر است با ۱.

-اگر همه زوج‌ها ناهماهنگ باشند ضریب همبستگی کندال برابر است با ۱-.

-اگر X و Y‌ مستقل باشند، انتظار داریم که ضریب همبستگی کندال نیز برابر با ۰ باشد.

آموزش آزمون همبستگی کندال در SPSS

برای انجام آزمون همبستگی کندال، ابتدا داده ها را در نرم افزار SPSS وارد می کنید. سپس مسیر زیر را دنبال کنید:

Analyze > Correlate > Bivariate

تمامی شرایط همانند آزمون اسپیرمن است، با این تفاوت که در قسمت –Correlation Coefficients– گزینه KENDALL’S TAU B را انتخاب می کنید.

منبع: towardsdatascience برگرفته از مدیر آماری

معرفی نرم افزارهای تحلیل آماری (LISREL، AMOS، EQS، PLS)

نوشته

نحوه نوشتن فصل چهارم پایان نامه و تحلیل داده ها

نوشته

آزمون فریدمن (Friedman Test)

نوشته

درگیری تحصیلی : عوامل، تأثیرات و راهکارهای مدیریت آن

نوشته

ضریب مسیر (ضریب بتا) در تحلیل رگرسیون

تحلیل آماری عوامل دموگرافیک (جمعیت شناسی)

رگرسیون خطی ساده چیست و نتایج آن چگونه تفسیر می شود؟

پاسخ دهید

رگرسیون خطی ساده چیست و نتایج آن چگونه تفسیر می شود؟

رگرسیون خطی ساده یک تکنیک آماری است که برای مدل سازی رابطه بین دو متغیر پیوسته استفاده می شود [1، 2، 5]. تخمین می زند که متغیر وابسته (نتیجه) به طور متوسط در پاسخ به تغییرات متغیر مستقل (پیش بینی کننده) چقدر تغییر می کند.

در اینجا خلاصه ای از نحوه تفسیر نتایج آورده شده است:

شیب: این مقدار جهت و قدرت رابطه خطی را نشان می دهد. شیب مثبت به این معنی است که متغیر وابسته با افزایش متغیر مستقل افزایش می یابد و برعکس برای شیب منفی [3]. هر چه شیب تندتر باشد، ارتباط قوی تر است.
R-squared: این آمار نشان دهنده نسبت واریانس در متغیر وابسته است که توسط متغیر مستقل توضیح داده شده است [2، 4]. R-squared بالاتر نشان دهنده تناسب بهتر برای مدل است.
P-value: این مقدار اهمیت شیب را آزمایش می کند. مقدار p پایین (معمولا زیر 0.05) نشان می دهد که رابطه مشاهده شده به دلیل شانس بعید است [4].
مهم است که پیش از تفسیر نتایج، مفروضاتی مانند خطی بودن و نرمال بودن خطاها را در نظر بگیرید [1، 6].

منابع

[1] Simple Linear Regression | An Easy Introduction & Examples [Scribbr]: https://www.scribbr.com/statistics/simple-linear-regression/ [2] Linear Regression • Simply explained [DATATAB]: https://datatab.net/tutorial/linear-regression [3] How to Interpret P-values and Coefficients in Regression Analysis [Statistics By Jim]: https://statisticsbyjim.com/regression/interpret-coefficients-p-values-regression/ [4] Interpreting Regression Output | Introduction to Statistics [JMP]: https://www.jmp.com/en_ca/statistics-knowledge-portal/what-is-regression/interpreting-regression-results.html [5] Simple Linear Regression – Statistics Resources – NU Library [resources.nu.edu]: https://resources.nu.edu/statsresources/simplelinear [6] Simple Linear Regression in SPSS, Including Interpretation [EZ SPSS]: https://ezspss.com/simple-linear-regression-in-spss-including-interpretation/pen_spark

 تحلیل داده های آماری با مناسب‌ترین قیمت و کیفیت برتر!

تحلیل داده های آماری

🌟با تجربه‌ی بیش از 17 سال و ارائه‌ی بهترین خدمات

مشاوره : پایان نامه و مقاله نویسی تحلیل داده های آماری

📊تحلیل داده های آماری با نرم افزارهای کمی و کیفی

توجه: همه ی پرسشنامه هااز منابع معتبر تهیه شده،  استاندارد ، دارای روایی و پایایی و منابع داخل و پایان متن می باشند . همه ی پرسشنامه ها  قابل ویرایش در قالب نرم افزار ورد Word می باشد. 

مبانی نظری و پژوهشی متغیر ها

📞 تماس: 09143444846 (پیامک، ایتا، واتساپ، تلگرام) 🌐 کانال تلگرام: عضو شوید

(تا جای ممکن با ایتا پیام بفرستید، زودتر در جریان خواهیم بود!)

ایمیل :   abazizi1392@gmail.com

وبلاگ ما

طبقه بندی انواع آزمون ها را بر اساس نوع متغیر

نوشته

معرفي نرم افزار آموس يا اي موس (Amos)

نوشته

معرفی نرم افزار Spss

نوشته

گروه بندی و توصیف آزمون های پارامتریک و ناپارامتریک برای بررسی رابطه بین متغیرها

نوشته

بخش روش شناسی پژوهش در فصل سوم چیست و چگونه نوشته می شود؟

نوشته

تحلیل داده های آماری

تفسیر ضریب همبستگی پیرسون و شرایط استفاده از آن چیست؟

پاسخ دهید

تفسیر ضریب همبستگی پیرسون و شرایط استفاده از آن چیست؟

تعریف و محاسبه:
طبق دایره المعارف اندازه گیری و آمار، ضریب همبستگی پیرسون از تقسیم کوواریانس دو متغیر بر حاصل ضرب انحراف معیار آنها محاسبه می شود.

ضریب همبستگی پیرسون ضریب همبستگی پیرسون (r) یک معیار آماری پرکاربرد برای ارزیابی قدرت و جهت رابطه خطی بین دو متغیر پیوسته است [1، 2، 3، 4، 5]. از -1 تا +1 متغیر است، که در آن:

+1 یک رابطه خطی مثبت کامل را نشان می دهد (با افزایش یک متغیر، متغیر دیگر به نسبت افزایش می یابد).
-1 یک رابطه خطی منفی کامل را نشان می دهد (با افزایش یک متغیر، متغیر دیگر به نسبت کاهش می یابد).
0 نشان دهنده عدم وجود رابطه خطی است.
با این حال، در نظر گرفتن شرایط استفاده موثر از پیرسون r مهم است:

نرمال بودن مشترک: داده های هر دو متغیر باید به طور مشترک به طور عادی توزیع شوند [1، 6]. یعنی توزیع هر متغیر به صورت جداگانه و توزیع ترکیبی آنها باید نرمال باشد.
خطی بودن: رابطه بین متغیرها باید خطی باشد [2، 3]. باید یک روند مستقیم وجود داشته باشد، نه یک الگوی منحنی یا چرخه ای.
نقاط پرت: وجود نقاط پرت می تواند به طور قابل توجهی بر مقدار r تأثیر بگذارد. ضروری است که قبل از تفسیر نتایج، موارد پرت را بررسی کرده و به آنها رسیدگی کنید [1، 6].
اگر این شرایط برآورده نشود، ضرایب همبستگی جایگزین ممکن است برای تحلیل رابطه بین متغیرهای شما مناسب تر باشد.

منابع :

[1] Correlation Coefficients: Appropriate Use and Interpretation https://journals.lww.com/anesthesia-analgesia/fulltext/2018/05000/correlation_coefficients__appropriate_use_and.50.aspx [2] A guide to appropriate use of Correlation coefficient in medical research https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3576830/ [3] Pearson Correlation Coefficient ~ Guide & Examples https://www.bachelorprint.com/statistics/pearson-correlation-coefficient/ [4] Correlation Coefficients: Appropriate Use and Interpretation ResearchGate: https://www.researchgate.net/publication/323388613_Correlation_Coefficients_Appropriate_Use_and_Interpretation [5] Pearson Correlation Coefficient (r) | Guide & Examples Scribbr: https://www.scribbr.com/statistics/pearson-correlation-coefficient/ [6] Correlation Coefficients: Appropriate Use and Interpretation https://pubmed.ncbi.nlm.nih.gov/29481436/

 تحلیل داده های آماری با مناسب‌ترین قیمت و کیفیت برتر!

تحلیل داده های آماری

🌟با تجربه‌ی بیش از 17 سال و ارائه‌ی بهترین خدمات

مشاوره : پایان نامه و مقاله نویسی تحلیل داده های آماری

📊تحلیل داده های آماری با نرم افزارهای کمی و کیفی

توجه: همه ی پرسشنامه هااز منابع معتبر تهیه شده،  استاندارد ، دارای روایی و پایایی و منابع داخل و پایان متن می باشند . همه ی پرسشنامه ها  قابل ویرایش در قالب نرم افزار ورد Word می باشد. 

مبانی نظری و پژوهشی متغیر ها

📞 تماس: 09143444846 (پیامک، ایتا، واتساپ، تلگرام) 🌐 کانال تلگرام: عضو شوید

(تا جای ممکن با ایتا پیام بفرستید، زودتر در جریان خواهیم بود!)

ایمیل :   abazizi1392@gmail.com

وبلاگ ما

شاخص هاي برازش مدل معادلات ساختاري

نوشته

0 تا ۱۰۰ خرید سرور مجازی

نوشته

نرم افزار لیزرل و انجام مدلسازی معادلات ساختاری با آن

نوشته

روش ها و مراحل انتخاب صحیح آزمون آماری

نوشته

کدگذاری در روش گراندد تئوری