ضریب همبستگی تتراکوریک

شاخص های پراکندگی میزان پراکنش هر متغیر در اطراف میانگین می باشد. این شاخص به ما نشان می دهد که میزان پراکندگی داده ها در اطراف نقطه تمرکز تا چه اندازه می باشد. از جمله مهم ترین این شاخص ها، انحراف استاندارد، واریانس، ضریت تغییرات و دامنه تغییرات می باشد. اصطلاحاتی که در آمار توصیفی بکار می رود شامل:

تحقیقات آموزشی

چرا ضریب همبستگی بین +۱و-۱ هست و ما همیشه فقط می خوانیم که بین مثبت یک و منفی یک هست؟ و این که دلیل ریاضی آن چیست و چرا بین +۲و-۲نیست و یا اعداد دیگر در ادامه این مطلب سعی بر این شده که دلیل آماری آن توضیح داده شود که شما می توانید فایل آن را ببینید.

فرضیه

در هر پژوهشی فرضیه نقش تعیین کننده ای دارد و این امکان را به ما می دهد تا ما بتوانیم به تعیین جامعه، نمونه ،روش تحقیق،طرح تحقیق،ابزار تحقیق،روش تحلیل و غیره را مشخص کنیم.

با توجه به این سه نوع فرضیه شما می توانید ببیند که چگونه موارد بالا تغییر می کند.

با توجه به این سه نوع فرضیه شما می توانید ببینید که جامعه و نمونه و. چگونه تغییر می کند

دو نمونه(آزمایش و کنترل)

گروه مطالعه و گروه مقایسه

یک گروهی با اندازه گیری مکرر

دو گروهی با پیش آزمون و پس آزمون

معنا دار بودن یک ضریب همبستگی

آزمون اماری مقایسه میان دو میانگین

با توجه به جدول بالا شما می توانید ببینید که در صورت تغییر یک فرضیه پژوهش ما به چه صورت در می آید و بهترین پژوهش ها آنهایی هستند که با توجه به آن چیزی که ما قصد انجام آن را داریم فرضیات را نوشت و این فرضیه هست که ما را به سوی هدف تحقیق سوق می دهد.

نمونه گیری

در علوم رفتاری برای اینکه ما بتوانیم دست به پژوهش بزنیم نیازمند یک جامعه هستیم اما به این دلیل که جامعه آماری از نظر حجم و گستردگی زیاد می باشد و وقت و هزینه بالایی برای مطالعه نیازمند است به همین دلیل دست به انتخاب نمونه میزنیم و برای این که این نمونه معرف جامعه باشد باید تا حد امکان به صورت دقیق این کار انجام بگیرد.

بر همین اساس ما دو نوع نمونه گیری احتمالی و غیر احتمالی داریم در نمونه گیری غیر احتمالی هیچگونه شانس برابری انتخاب به افراد یا اشیاء و. داده نمی شوداز جمله انها می توان به نمونه گیری گلوله برفی،نمونه گیری شبکه ای ،نمونه گیری هدفمندیا قضاوتی،سهمیه ای،.و نمونه گیری در دسترس اشاره نمود.

اما در نمونه گیری احتمالی برای افراد شانس برابر برای انتخاب شدن وجود دارد.

انواع نمونه گیری احتمالی :

در نمونه گیری تصادفی ساده چون ما لیست تمام افراد را داریم و چون ویژگی مورد نظر در بین تمام افراد به صورت یکسان می باشد از تصادفی ساده استفاده می کنیم.

ولی در تصادفی نظامداریا سیستماتک به علت اینکه ویژگی مورد نظر به صورت خاصی از بالا به پائین مرتب شده از این نوع استفاده ضریب همبستگی تتراکوریک می کنیم.

در نمونه گیری طبقه ای تصادفی ما لیست تمام افراد را داریم اما ویژگی به صورت یکسان بین تمام افراد توزیع نشده یعنی همگن نمی باشد و ما آنها را به صورت دو طبقه در می آوریم و با این کار ما واریانس ر اکاهش می دهیم که باعث کاهش خطا ضریب همبستگی تتراکوریک در نمونه گیری می شودو با این کار ما می توانیم نتایج تحقیق را به جامعه تعمیم بدهیم در این روش واریانس درون گروهی کم اما واریانس بین گروهی زیاد است و باز هم می توانیم به دلیل طبقه ای بودن این نوع نمونه گیری اشاره کنیم.در انتخاب تعداد افراد در این نوع نمونه گیر ی از هر طبقه می توانیم به چند طریق عمل کنیم.

انتساب از هر دو گروه به نسبت مساوی که در این شکل ما به تعداد افراد در هر طبقه توجه نداریم و از هر دو گروه به یک اندازه بر می داریم.

در نوع دوم انتساب بر اساس نسبتی که هر دو گروه هستند برای مثال اگر طبقه دختران 60درصد باشد و طبقه پسران 40درصد به همین نسبت ار انها بر می داریم.

در نوع سوم که انتساب بهینه نامیده می شود ما با توجه به واریانس انتخاب می کنیم یعنی هر گروهی که دارای واریانس زیاد باشد ما به همان نسبت از آن گرو بیشتر انتخاب می کنیم.

و در آخرین انتساب که بر اساس بهینه و هزینه می باشد علاوه بر بهینه بودن ما به مقدار وقت و هزینه ای هم که باید صرف بشود توجه داریم.

و در آخرین روش نمونه گیری(خوشه ای)به علت این که ما نه لیست کاملی از تمام افرادی که بایدبه عنوان جامعه باشند را نداریم و این که جامعه به صورت همگن نمی باشدودیگر این که واریانس درون گروهی زیاد است و واریانس بین گروهی کم است دست به این نوع نمونه گیری می زنیم.

ماتریس آزمونهای مورد استفاده با متغییرها

یکی از دلایلی که باعث می شود که ما نتوانیم همیشه از نرم افزار spssاستفاده کنیم مفروضه هایی می باشد که ما باید آنها را رعایت کنیم که از آنها ما می توانیم به خطی بودن و این که مقیاس آنها فاصله ای یا نسبی باشد که در غیر این صورت ما نمی توانیم به پاسخ مورد نظر برسیم و از لحاظ آماری تمام پژوهش ما اشتباه می باشد که در این زمان ما از آزمونهای ناپارامتریک استفاده می کنیم که نیاز به رعایت مفروضه های آزمونهای پارامتریک نیست.

شما میتوانید با استفاده از ماتریس ذیل به نوع آرمونهایی که باید مورد استفاده قرار بگیرد پی ببرید.

آموزش SPSS برای نوشتن پایان نامه و مقالات علمی پژوهشی

آموزش SPSS برای نوشتن پایان نامه و مقالات علمی پژوهشی

فهرست آنچه در این کتاب خواهید آموخت!
گفتار نخست: دانسته ­های ضروری پیش از آغاز استفاده از SPSS
۱, ۱. انواع روش­های پژوهش
۱, ۲. انواع متغیرها
۱, ۳. مفهوم جامعه و نمونه آماری
۱, ۴. آمار توصیفی و آمار استنباطی
۱, ۵. روش­های برآورد نمونه آماری (جدول مورگان و فرمول کوکران)
۱, ۶. روایی و پایایی پرسشنامه
۱, ۷. روش­های آماری پارامتریک و ناپارمتریک

گفتار دوم: آشنایی با منوهای نرم­افزار آماری
۲, ۱. انواع پنجره­های موجود در SPSS
۲, ۱. ۱. آشنایی با پنجره­های اصلی در SPSS
۲, ۱. ۱. ۱. پنجره Data view
۲, ۱. ۱. ۲. پنجره Viewer
۲, ۱. ۱. ۳. پنجره Syntax
۲, ۱. ۲. آشنایی با صفحه­های فرعی در SPSS
۲, ۱. ۲. ۱. پنجره فرعی Variable View
۲, ۱. ۲. ۲. پنجره فرعی Variable View
۲, ۱. ۲. ۳. پنجره فرعی Chart Editor
۲, ۱. ۲. ۴. پنجره Draft Viewer
۲, ۲. عملکردهای اصلی در SPSS
۲, ۲. ۱. تعیین نام متغیر، ویژگی­های آن و ورود داده­ها
۲, ۲. ۲. دستور Split file
۲, ۲. ۳. دستور sort cases
۲, ۲. ۴. دستور Weight Cases
۲, ۲. ۵. دستور Recode
۲, ۲. ۵. ۱. Recode یا کدگذاری مجدد بر روی متغیرهای موجود (Recode into same variables)
۲, ۲. ۵. ۲. Recode یا کدگذاری مجدد با ساخت متغیر جدید (Recode into Different variables)
۲, ۲. ۶. شمارش تعداد داده­هاي يك متغير با شرايط خاص (از طريق زير منو Count)
۲, ۲. ۷. محاسبه و ساختن متغیرها با ترکیب سؤالات (compute)

گفتار سوم: نخستین تحلیل­ها با استفاده از آمار توصیفی
۳, ۱. پالایش و آماده­سازی داده­ها
۳, ۲. شاخص­های توصیفی اصلی در گزارش پایان­نامه­ای
۳, ۲. ۱. شاخص­های موجود در گزینه Frequencies
۳, ۲. ۱. ۱. فراوانی مطلق
۳, ۲. ۱. ۲. چارک اول، دوم و سوم
۳, ۲. ۱. ۳. صدک­ها
۳, ۲. ۱. ۴. شاخص­های مرکزی
۳, ۲. ۱. ۵. شاخص­های پراکندگی
۳, ۲. ۱. ۶. چولگی و کشیدگی
۳, ۲. ۲. شاخص­های موجود در گزینه Descriptive
۳, ۲. ۳. شاخص­های موجود در گزینه Explore
۳, ۲. ۳. ۱. آزمودن نرمال بودن داده­ها با آزمون شاپیرو
۳, ۲. ۳. ۲. محاسبه تمامی آماره­های مرکزی و پراکندگی برای سطوح مختلف متغیرها
۳, ۲. ۴. جداول توافقی ماتریسی در Crosstab
۳, ۳. ترسیم نمودارهای مهم در پایان­نامه­ها
۳, ۳. ۱. رسم نمودار از طریق منوی Graphs
۳, ۳. ۲. رسم نمودار Scatter plot
۳, ۳. ۳. رسم نمودار هیستوگرام (بافت نگار)
۳, ۳. ۴. نمودار دایره‎ای
۳, ۳. ۵. نمودار Q-Q
۳, ۳. ۶. نمودار جعبه­ای

گفتار چهارم: انواع روش­های پایای و روائی در پایان­نامه و مقالات
۴, ۱. محاسبه انواع روش­های پایایی در SPSS
۴, ۱. ۱. روش محاسبه پایایی آلفای کرونباخ
۴, ۱. ۲. روش محاسبه پایایی دونیمه­کردن
۴, ۱. ۳. روش محاسبه پایایی به روش موازی
۴, ۱. ۴. روش بازآزمایی
۴, ۲. انواع روش­های بررسی روایی
۴, ۲. ۱. روائی محتوایی
۴, ۲. ۲. روائی ملاکی
۴, ۲. ۳. اعتبار سازه و تحلیل عاملی اکتشافی و تأییدی
۴, ۲. ۳. ۱. تحلیل عاملی اکتشافی
۴, ۲. ۳. ۲. روش عملی انجام تحلیل­عاملی اکتشافی و روش گزارش آن در پایان­نامه

گفتار پنجم: بررسی مفروضه­های اصلی آزمون­های پارامتریک
۵, ۱. نرمال بودن
۵, ۱. ۱. تحلیل توصیفی (بررسی شاخص­های توزیع)
۵, ۱. ۲. استفاده از آزمون استنباطی کولموگروف - اسمیرنوف و آزمون شاپیرو
۵, ۲. آزمون استقلال خطاها
۵, ۳. آزمون همگنی واریانس­ها
۵, ۴. همگنی شیب­های رگرسیونی (مثلا در تحلیل کوواریانس)
۵, ۵. بررسي نرمال بودن خطاها
۵, ۶. بررسی هم­خطیCollinearity
۵, ۷. شناسايي و حذف داده­هاي دورافتاده

گفتار ششم: استفاده از آمار پارامتریک
۶, ۱. آزمون­های آماری برای بررسی تفاوت­ها
۶, ۱. ۱. بررسی تفاوت­ها در یک گروه (tتک­نمونه­ای)
۶, ۱. ۲. بررسی تفاوت­ها در دو گروه مستقل (tمستقل)
۶, ۱. ۳. بررسی تفاوت­ها در دو گروه وابسته (tزوجی)
۶, ۱. ۴. بررسی تفاوت­ها در بیش از دو گروه مستقل (Anova)
۶, ۱. ۵. بررسی تفاوت­ها در اندازه­گیری­های مکرر (Repeated measurement)
۶, ۱. ۶. تحلیل واریانس دوراهه (دوعاملی)
۶, ۲. آزمون­های آماری برای بررسی میزان تأثیر متغیرها بر یکدیگر
۶, ۲. ۱. رگرسیون ساده
۶, ۲. ۲. رگرسیون چندمتغیره
۶, ۲. ۳. رگرسیون سلسله­مراتبی
۶, ۲. ۴. تحلیل رگرسیون لوجستیک
۶, ۲. ۵. تحلیل­مسیر
۶, ۴. آزمون­ MANOVA برای بررسی طرح­های دارای بیش از یک متغیر وابسته

گفتار هفتم: آزمون­های آماری برای بررسی رابطه یا همبستگی
۷, ۱. ضریب همبستگی پیرسون
۷, ۲. ضریب همبستگی رتبه ای اسپیرمن
۷, ۳. ضریب توفقی c
۷, ۴. ضریب کرامر و فی
۷, ۵. ضريب همبستگيمجذور اتا
۷, ۶. ضريب همبستگي چندرشته­ای
۷, ۷. ضريب همبستگي كاپاي كوهن
۷, ۸. ضريب همبستگي دوحالتی (تتراکوریک)

گفتار هشتم: آزمون­های ناپارامتریک (آزمون­های ناپارامتریکِ معادل آزمون­های پارامتریک):
۸, ۱. آزمون­های ناپارامتریک در سطح ترتیبی
۸, ۱. ۱. آزمون تصادفی بودن
۸, ۱. ۲. آزمون دوجمله­ای
۸, ۱. ۲. بررسی تفاوت­ها در دو گروه مستقل (یو مان ویتنی)
۸, ۱. ۳. بررسی تفاوت­ها در دو گروه وابسته (ویلکاکسون و نشانه)
۸, ۱. ۴. بررسی تفاوت­ها در بیش از دو گروه مستقل (کروسکال والیس)
۸, ۱. ۵. بررسی تفاوت­ها در اندازه­گیری­های مکرر (فریدمن)
۸, ۲. ۱. آزمون خی­دو و کاربردهای گوناگون آن
۸, ۲. ۱. ۱. بررسی تفاوت­ها در یک گروه (خی­دو تک نمونه­ای یا آزمون مجذور خی یا خی‏دو خوبی برازندگی)
۸, ۲. ۱. ۲. آزمون خی‏دو توافقی دوبعدی
۸, ۲. ۲. بررسی تفاوت­ها در دو گروه وابسته (مک­نمار)
۸, ۲. ۳. بررسی تفاوت­ها در بیش از دو گروه وابسته (کوکران)

[ میهمان گرامی برای مشاهده لینک ها نیاز به ثبت نام دارید] 28

برچسب : نویسنده : محمد رضا جوادیان بازدید : 175 تاريخ : چهارشنبه 22 آذر 1396 ساعت: 4:36

روش آمار توصیفی Descriptive چیست؟

یکی از روش های آماری برای تجزیه و تحلیل داده های خام یک پژوهش می باشد که به محاسبه پارامترهای جامعه با استفاده از سرشماری تمامی عناصر جامعه می پردازد.

در آمار توصیفی از جدول آماری و نمودارهای آماری برای نشان داده نتایج و ویژگی های موجود در داده ها استفاده می شود.

• جداول آمار: از شاخص های آماری تشکیل شده و شامل دو شاخص پراکندگی و مرکزی می باشد..
• نمودار های آماری : دارای تنوع بوده و کاربرد آنها بستگی به نوع داده ها و اهداف محقق دارد.

توصیف داده ها در آمار توصیفی شامل مراحل زیر می باشد:

1. خلاصه کردن داده ها و توصیف الگوی کلی که می تواند در داخل جدول و یا بصورت نمودار نمایش داده شوند.
2. محاسبه شاخص های آماری
3. محاسبه شاخص های پراکندگی variability:

شاخص های پراکندگی میزان پراکنش هر متغیر در اطراف میانگین می باشد. این شاخص به ما نشان می دهد که میزان پراکندگی داده ها در اطراف نقطه تمرکز تا چه اندازه می باشد. از جمله مهم ترین این شاخص ها، انحراف استاندارد، واریانس، ضریت تغییرات و دامنه تغییرات می باشد. اصطلاحاتی که در آمار توصیفی بکار می رود شامل:

• دامنه تغییرات –(Range): فاصله میان بزرگترین و کوچکترین مقادیر در مجموعه دادها را اندازه گیری می کند. هر چه دامنه طولانی تر باشد، مجموعه داده ها گسترده تر است. دامنه نیز همانند میانگین تحت تأثیر داده های پرت قرار می گیرد و در چنین حالاتی یک معیار مناسب پراکندگی نیست. به علاوه، چون برای محاسبه دامنه فقط از دو اندازه بزرگترین مشاهده و کوچکترین مشاهده استفاده می شود معمولاً معیار رضایت بخشی برای پراکندگی به حساب نمی آید.
• وارﯾﺎﻧﺲ- (Variance): میانگین ﻣﺠﺬور ﺗﻔﺎوت( اﻧﺤﺮاف)ﻣﯿﺎن ﻫﺮ ﯾﮏ از ﻣﻘﺎدﯾﺮ داده ﻫﺎ ﺑﺎ ﻣﯿﺎﻧﮕﯿﻦ آﻧﻬﺎ ﻣﯽ ﺑﺎﺷﺪ.چون تفسیر واریانس دشوار است در گزارش ها و پژوهش ها از انحراف استاندارد به جای واریانس استفاده می شود.انحراف استاندارد تفسیر میزان پراکندگی را آسان تر قابل فهم تر می سازد.
• انحراف استاندارد (انحراف معیار) standard deviation: انحراف استاندارد مفیدترین ومتداول ترین شاخص پراکندگی است.مفیدبودن این شاخص به این دلیل است که با این شاخص می توان میزان پراکندگی هرتوزیع پیوسته رابرحسب واحد اندازه گیری نشان داد.این شاخص پایاترین ودقیق ترین شاخص پراکندگی است،که درمحاسبه ی آن ازکلیه ی اعداداستفاده می شود.واعمال ریاضی رامی توان درمورد آن انجام داد.این ضریب همبستگی تتراکوریک شاخص به منظورتعیین تغییرات یا پراکندگی توزیع نمره ها به کار برده می شود.ازاین شاخص می توان برای محاسبات آماری استفاده کرد.و به صورت گسترده ای درآماراستنباطی به کاربرده می شود.
• چارکها : چارکها نقاطی بر روی مقیاس اندازه گیری هستند که کلیه مشاهدات یا نمره ها را به چهار قسمت مساوی تقسیم می کند. انواع چارکها شامل : چارک اول (Q1)، چارک (Q2)، چارک (Q3).

محاسبه شاخص های مرکزی Measures of Central Tendency:

کمیت های مختلفی تعریف شده اند که بر حسب نیاز می توانند بصورت کمی، جامعه مورد مطالعه را معرفی نمایند. برخی از این کمیت ها محل تمرکز داده ها را نشان می دهند که تحت عنوان شاخص های مرکزی نامیده می شوند. با توجه به اینکه در محاسبات آماری بایستی ویژگی ها و موقعیت کلی داده ها مشخص شود، لازم است تا شاخص های مرکزی محاسبه گردد. از جمله مهم ترین این شاخص های مرکزی، نما، میانه و میانگین است که دارای کاربردهای خاصی هستند. زمانی یک شاخص مرکزی دارای ارزش است که ویژگی های زیر را داشته باشد:

1. در محاسبه شاخص مرکزی تمامی داده‌ها مورد استفاده قرار گیرند.
2. به سادگی قابل محاسبه باشند.
3. محاسبه آنها به فرم ریاضی امکان پذیر باشد.

• نما: عددی که در توزیع فراوانی، بیشترین فراوانی را داشته باشد، تحت عنوان نما نامیده می شود. نما از طریق مشاهده توزیع فراوانی و تعیین عددی که فراوانی بالایی دارد مشخص می شود. نما در موارد زیر مورد استفاده قرار میگیرد:

1. مقیاس اندازه گیری اسمی.
2. یافتن عددی که بیشترین تکرار را دارد.
3. یافتن سریع و جامع اطلاعاتی از گرایش های مرکزی

• میانه: نقطه تقارن بین توزیع نمره ها در بالا و پایین گفته می شود و در خصوص داده های رتبه ای و اسمی بکار می رود.
• میانگین : میانگین توصیف­ کننده مرکز توزیع فراوانی بوده و بعنوان شناخته ­شده ­ترین مقدار متوسطی است که مورد استفاده قرار می­ گیرد. این شاخص در تحقیقاتی که مقیاس اندازه گیری داده‌ها حداقل فاصله‌ است، استفاده می شود.

تشکیل جدول توزیع فراوانی:

هدف از ترسیم جداول توزیع فراوانی، سازمان دهی به داده ها بصورت طبقاتی همراه با فراوانی می باشد. در این جداول لازم است تا تعداد و حجم طبقات با یکسری فرمول هایی محاسبه شده و در نهایت جدول توزیع رسم شود. از عناوین مهم این جداول:

• فراوانی مطلق: به تعداد داده‌ها در هر طبقه فراوانی مطلق آن طبقه می‌گویند و آن را با fi نشان می‌دهند.
• فراوانی نسبی: در صورتی که فراوانی‌های مطلق را بر کل فراوانی‌ها تقسیم کنیم، فراوانی نسبی ri به دست می‌آید.
• فراوانی تجمعی: به مجموع فراوانی‌های مطلق طبقه‌های قبل و همان طبقه، فراوانی تجمعی آن طبقه می‌گویند و آن را با Fi نمایش می‌دهند.
• فراوانی تجمعی نسبی: می‌توان از تقسیم فراوانی های تجمعی بر تعداد داده‌ها، این فراوانی را به دست آورد. (Ri)

نمودارهای توزیع فراوانی:

• مهمترین انواع نمودار ها:
• نمودار هیستوگرام
• نمودار چند ضلعی
• نمودار میله‌ای
• منحنی فراوانی تجمعی (اوجایو)
• نمودار دایره‌ای یا کلوچه‌ای
• نمودار شاخه و برگ
• نمودار پراکنش

به ویژگی های مربوط به فردی از جامعه که مورد اندازه‌گیری قرار می‌گیرد، یک صفت متغیر یا به اختصار یک متغیر (Variable) گفته می شود. در نتیجه می تواند گفت که داده‌ها (Data) مقادیر اندازه‌گیری شده متغیرها بشمار می رود..

متغیرها و داده‌ها:

• متغیرهای کمّی: به متغیرهایی که قابل شمارش و اندازه گیری‌ باشند، متغییرهای کمی گفته می شود که خود شامل متغییرهای فاصله ای و متغییرهای نسبتی هستند. مثل تعداد دانش آمزان عینکی در یک کلاس
• متغیر کمی پیوسته: کمیتی است که می تواندمقدیر بین دو عدد را محاسبه نماید. مثل قد و یا وزن
• متغییر کمی گسسته:این نوع متغییر می تواند مجموعه شمارش پذیری از اعداد و یا زیر مجموعه ای از آن را شامل شود.
• متغیرهای کیفی: این متغیرها غیر قابل شمارش و اندازه گیری‌ هستند . نتیجه پذیرس آنها شامل :

1. متغیرهای کیف اسمی
2. متغیرهای کیفی رتبه ای

بعد از اینکه متغییرها را شناسایی نمودیم ، به سراغ اندازه گیری آن ها می رویم. با توجه به اینکه اندازه گیری متغییرها با یکدیگر متفاوت است، از این نظر به چهار دسته تقسیم می شوند :

نوع قیاس	ملاک
مقیاس اسمی	ویژگی‌های مشترک افراد یا رویدادها مبتنی
مقیاس ترتیبی	افراد یا اشیا از لحاظ صفت ویژه، رتبه‌بندی می‌کند
مقیاس فاصله ای	ترتیب اشیا و فاصله بین آنها را مشخص می‌سازد.
مقیاس نسبتی	دقیق‌ترین مقیاس اندازه‌گیری، نسبت‌ها در نقاط مختلف این نوع مقیاس، قابل مقایسه‌اند.

محاسبه همبستگی

به منظور تعیین نوع و رابطه یک متغیر از ضریب همبستگی با متغییر دیگر (Correlation Coefficient) استفاده می شود. محاسبه ضرایب همبستگی تا حدود زیادی متاثر از مقیاس اندازه گیری متغیر ها است. بسته به نوع متغیر ها ضریب همبستگی می­تواند یکی از حالت­های زیر را داشته باشد.

1. دو متغیر اسمیدو متغیر رتبه­ای
2. دو متغیر فاصله­ای- نسبی
3. متغیر اسمی و متغیر رتبه ای
4. متغیر اسمی و متغیر فاصله­ای – نسبی
5. متغیر رتبه­ای و متغیر فاصله­ای – نسبی

برای هر کدام از حالت­های بالا ضرایب همبستگی متفاوتی وجود دارند و محاسبه آنها در نرم افزار های spss ، lisrel و R امکان پذیراست.شما عزیزان می توانید انجام تحلیل آماری پروژه های مختلف خود،انجام پایان نامه ارشد و انجام پایان نامه دکتری،مقاله و …را از هر جای ایران به کارشناسان ما بسپارید تا در سریعترین زمان ممکن آن را تحویل شما دهند. در واقع بخش های مربوط به « روش تحقیق » و « فصول سوم تا پنجم پایان نامه ها » نیازمند بکارگیری نرم افزارهای آماری همچون SPSS و LISREL و AMOS و EVIEWS و STATA هستند که همکاران ما با داشتن دانش لازم قادرند آن را برای شما انجام دهند.

محاسبۀ همبستگی برای تحقیقات پارامتری

چنانچه دو متغیر در مقیاس های فاصله یا نسبی اندازه گیری شده باشند، می توان برای تعیین رابطه بین آنها از ضریب همبستگی گشتاوری پیرسون استفاده کرد.ولی اگر در تمام مفروضات ضریب همبستگی پیرسون صادق نباشد، نمی توان از آنها استفاده کرد و به جای آن می توان از روش های دیگری مانند ضریب همبستگی دو رشته ای، و یا ضریب تتراکوریک استفاده کرد.

محاسبۀ همبستگی برای تحقیقات ناپارامتری

در تحقیقاتی که در سطح مقیاس های اسمی و رتبه ای انجام می گیرد، باید از روش های دیگری برای محاسبۀ همبستگی بین دو متغیر استفاده کرد. برخی از این روش ها عبارتند از: ضریب همبستگی فی، ضریب کریمر ، ضریب کاپا و ضریب لامبادا جهت تحقیقات اسمی و ضریب همبستگی اسپیرمن، ضریب کندال و آماره گاما برای تحقیقات ترتیبی.

رگراسیون و پیش بینی

رگراسیون (Regression) روشی برای مطالعه سهم یک یا چند متغیر مستقل در پیش بینی متغیر وابسته است. از تحلیل رگراسیون هم در تحقیقات توصیفی (غیر آزمایشی) و هم در تحقیقات آزمایشی می‌توان استفاده کرد. در حقیقت تحلیل رگرسیونی فن و تکنیکی آماری برای بررسی و مدل سازی ارتباط بین متغیرها است. رگرسیون ضریب همبستگی تتراکوریک تقریباً در هر زمینه ای از جمله مهندسی، فیزیک، اقتصاد، مدیریت، علوم زیستی، بیولوژی و علوم اجتماعی برای برآورد و پیشبینی مورد نیاز است .می توان گفت تحلیل رگرسیونی، پرکاربردترین روش در بین تکنیک های آماری است. با توجه به نوع تحقیق و متغیرهای آن روش متنوعی برای تحلیل رگراسیون وجود دارد که برخی از آنها عبارتند از : رگراسیون خطی (با سه راهبرد همزمان ، گام به گام ، سلسله مراتبی) ، رگراسیون انحنایی ، رگراسیون لوجیستیک و تحلیل کواریانس.

تحلیل داده‌های ماتریس کواریانس

از جمله تحلیل‌های همبستگی ، تحلیل ماتریس کواریانس یا ماتریس همبستگی است. دو نوع از معروفترین این تحلیل‌ها عبارتند از : مدل تحلیل عاملی برای پی بردن به متغیرهای زیر بنایی یک پدیده در دو دسته اکتشافی و تاییدی و مدل معادلات ساختاری برای بررسی روابط علی بین متغیرها.

روش‌های آماری

یکی از روش‌های انجام تحقیق، روش‌های آماری است که مهم‏ ترین بخش آن روش‌های برآورد حجم نمونه است. این کار را می‌توان به دو شکل انجام داد:

۱. روش اول، تخمین شخصی، امکانات موجود و یا مطالعات مشابه است.
۲. روش دوم، تکنیک‌ها و روش‌های آماری است.

عوامل مؤثر در حجم نمونه را به شکل خلاصه می‌توان به شکل زیر بیان کرد:

۱. واریانس و خطاپذیری مدنظر
۲. امکانات موجود
۳. هزینه مورد نیاز
۴. مسائل اخلاقی
۵. خطاهای آماری مورد قبول
۶. مفهوم دقت در تخمین در مطالعات توصیفی و تحلیلی

در مرحله تحلیل داده به تجزیه و تحلیل داده می‏ پردازیم که به دو شکل کمی و کیفی صورت می ‏گیرند. تحلیل کیفی شامل مراحل زیر است:

۱. تخلیص داده‏ های کیفی
۲. عرضه داده ‏ها
۳. نتیجه ‏گیری و تائید

تجزیه داده ‏ها به صورت کمی به دو شکل تحلیل پارامتریک و تحلیل ناپارامتریک انجام می‌گیرد.

تحقیقات همبستگی به دو دسته تقسیم می ‏شوند:

همبستگی پاره ‏ای:

در این دسته همبستگی یک متغیر با یک گروه از متغیرهای دیگر بررسی می‌شود، به طوری که متغیرها به طور گزینشی توسط محقق انتخاب شوند.
همبستگی کاننی (قانونی):

همبستگی یک گروه مستقل با چند متغیر ملاک است، به طوری که اثر هر یک با متغیرهای ملاک به طور جداگانه بررسی می‌شود.

در تحقیقات همبستگی تجزیه و تحلیل داده ‏ها را می‌توان به شیوه ‏های مختلف انجام داد که عبارت‌اند از:

۱. ضریب پیرسون
۲. ضریب اسپیرمن
۳. ضریب دو رشته ‏ای
۴. ضریب دو رشته‏ ای نقطه ‏ای
۵. ضریب تتراکوریک
۶. ضریب توافقی کرامر c
۷. ضریب ایتا

گروهی دیگر از داده‏ ها، ماتریس کواریانس نام دارند که برای تجزیه و تحلیل آن‌ها از سه روش استفاده می‌شود:

۱. تحلیل عاملی: برای بررسی رابطه گروهی از متغیرهای اثرگذار (عامل) بر گروهی دیگر. که به سه شکل ضریب همبستگی تتراکوریک است:

• • هم‌زمان: ورود متغیرهای مستقل هم‌زمان
  • • گام به گام: بر اساس مقدار ضریب همبستگی
    • • سلسله مراتبی: بر اساس نظر محقق

      ۲. هدف اکتشافی: برای کشف متغیرهای (سازه‌های) عامل
      هدف تائید: برای تائید و یا رد پیروی از یک ساختار عاملی خاص
      ۳. معادلات ساختاری: مدل علّی برای بررسی ساختار روابط علت و معلولی بین مجموعه ‏ای از سازه‏ های غیرقابل‌مشاهده (متغیرهای مکنون Latent)

      تحلیل محتوا پژوهشی برای مطالعه ارتباطات روزمره دنیای پیرامون ماست که با هدف توصیف مقداری محتوای آشکاری که به صورت نظام ‏مند مرتبط شده‏ اند. در تحلیل محتوا فرضیات معمولاً به روش استقرایی و پس از جمع ‏آوری اطلاعات تدوین می‏ گردد. در بحث جمع ‏آوری اطلاعات نکته مهم انتخاب منابع و زمان واقعی اطلاعات است.

      در تجزیه و تحلیل آماری از آمار ناپارامتریک بهره گرفته می‌شود و تنها روش تجزیه و تحلیل چند متغیره رایج در آن تحلیل عاملی است.
      یکی از روش‌های جدی تحلیل محتوا شیوه آنتروپی شانون است که اساس آن هرمونیک است و عمده تمرکز آن بر عدم اطمیناندر پیام نهفته است و بر اساس چارچوب تئوری سیستم‏ ها بنا شده است.

      

      فرا تحلیل؛ نوعی بازیافت تحقیقات و مطالعات گذشته است که به صورت مطالعات متقاطع و میان تحقیقی با هدف نشان دادن شیوه تفکر در یک موضوع صورت می‌گیرد که با روش‌های آماری همراه می‌شود. ایده اصلی در فرا تحقیق، تغییر واحد تجزیه و تحلیل آزمودنی ‏ها و گروه ‏ها به مطالعات است.

      تحلیل ذینفع:

      هر پدیده در موضوعات سازمانی و تحقیقات مدیریتی، ذینفعی دارد که بر آن تأثیر دارد و به نوعی مورد کاوی است که با نمونه ‏گیری ‏های متوالی همراه است.
      در بحث تحلیل داده ‏ها یک سری مباحث خاص هستند که به صورت مختصر به توضیح آن‌ها می‏ پردازیم:

      تعریف

      برای هر چیز نشانه ‏ها و نمادهای متفاوتی وجود دارد که با هم متفاوت هستند، به همین منظور برای رفع اختلاف از تعریف استفاده می ‏کنیم. به عبارت دیگر تعریف درجه انتزاعی بودن یک موضوع را کاهش می‌دهد و ما را به عینیت نزدیک می ‏کند.

      استدلال

      تمسک فکری به اطلاعات که اندیشه را برای کشف مجهول راهنمایی می ‏کند. با توجه به ذخیره اطلاعاتی افراد ،استدلال افراد متفاوت خواهد بود. استدلال ‏های مختلف به سه شکل بیان می ‏شوند:

      ۱. قیاسی
      ۲. استقرایی
      ۳. تمثیل

      روش لاکاتوش

      ساختاری است که برای پژوهش ‏های بعدی به نحوی ایجابی و سلبی رهنمودهایی فراهم می ‏سازد.

      روش‌شناسی Q

      نام کلی است که ویلیام استفنسون برای مشخص کردن مجموعه ‏ای از اندیشه ‏های فلسفی، روان‌شناختی، آماری و روان‌سنجی به کار برده است که به تحقیق درباره فرد معطوف است. روش Q روشی است مناسب برای آزمودن مفاهیم و نظریات که با استفاده از پاسخگویان که دارای ویژگی مشترکی می‏ باشند، صورت می‌گیرد. روش کیو روش تحقیقی است برای رتبه ‏بندی گویه ‏های بررسی‌شده که با استفاده از مقیاسی شبیه به مقیاس لیکرت به کار برده می‌شود و همبستگی بین پاسخ‏ های افراد مختلف به این رتبه ‏بندی معطوف می‏ گردد.

      روش‌های آماری در علوم رفتاری رمضان حسن زاده

      این کتاب به عنوان یک کتاب درسی برای درس آمار توصیفی و آمار استنباطی در رشته های روان شناسی و علوم تربیتی و زمینه های وابسته مانند مدیریت، جامعه شناسی و تحقیقات آموزشی نوشته شده است. کتاب حاضر یک مبانی کلی برای علوم رفتاری فراهم می کند. این کتاب علاوه بر اینکه روشهای آماری مختلف را آموزش می دهد، مفاهیم تفکر آماری را نیز معرفی می کند. روش های آماری به دانشجویان کمک می کند تا درباره جهان به شیوه احتمالی بیندیشند و همخوانی و ناهمخوانی اطراف خود را درک کنند. با استفاده از تحلیل آماری، دانشجویان درجه اطمینان اظهار نظرشان در مورد رویدادها و مشاهده ها را کشف می کنند. هدف آن است که دانشجویان بتوانند روشهای آماری را در انجام تحقیقات به کار گیرند. هر روش آماری به شیوه ساده گام به گام معرفی شده است. با استفاده از روش های آماری می توان به آزمون فرضیه های پژوهش پرداخت.

      فهرست مطالب کتاب ضریب همبستگی تتراکوریک

      • بخش اول: آمار توصیفی

      • فصل اول: مقدمات و تعریف آمار

      • هدفهای دقیق آموزشی

      • تاریخچه ی مختصر علم آمار

      • تعریف آمار و روشهای آماری

      • نقش آمار در فرآیند تحقیق

      • جامعه و نمونه آماری

      • پارامتر و آماره

      • فصل دوم: انواع متغیرها و مقیاسهای اندازه گیری

      • هدفهای دقیق آموزشی

      • متغیرهای کمی و کیفی

      • متغیرهای پیوسته و گسسته

      • روشهای آماری پارامتری و ناپارامتری

      • تعریف اندازه گیری

      • مقیاسهای اندازه گیری

      • فصل سوم: توزیع فراوانی و تهیه جدول

      • هدفهای دقیق آموزشی

      • تعریف توزیع فراوانی

      • هدف توزیع فراوانی

      • توزیع فراوانی طبقه بندی نشده و طبقه بندی شده

      • مراحل تشکیل جدول توزیع فراوانی طبقه بندی نشده

      • مراحل تشکیل جدول توزیع فراوانی طبقه بندی شده

      • حدود واقعی طبقات

      • نماینده طبقات (حد میانی)

      • توزیع فراوانی نسبی

      • درصد فراوانی نسبی

      • توزیع فراوانی تراکمی و تجمعی

      • درصد فراوانی تراکمی یا جمعی

      • مفهوم علامت جبری ∑ (زیگما)

      • مهمترین خواص ریاضی زیگما (∑)

      • فصل چهارم: رسم نمودارها

      • هدفهای دقیق آموزشی

      • تعریف نمودار فراوانی

      • هدف و اهمیت نمودار فراوانی

      • اصول و قواعد لازم در رسم نمودارها

      • انواع نمودارهای فراوانی

      • نمودارهای مربوط به داده ها یا کمیت های پیوسته

      • نمودارهای مربوط به داده ها یا کمیت های گسسسته

      • نمودرهای مربوط به داده ها یا کمیت های گسسته

      • نمودار میله ای (ستونی)

      • نمودار دایره ای

      • نمودار های مربوط به داده ها یا کمیت پیوسته

      • نمودار چند ظلعی

      • نمودار فراوانی تراکمی

      • نمودار درصد فراوانی ترا کمی

      • فصل پنجم: اندازه های گرایش مرکزی

      • هدف های دقیق اموزشی

      • تعریف و اهمیت اندازه های گرایش مرکزی

      • الف_محاسبه میانگین در داده های طبقه بندی نشده

      • ب_محاسبه میانگین درداده های طبقه بندی شده

      • رابطه اندازه های گرایش مرکزی در منحنی و موارد کاربرد آنها

      • فصل ششم : اندازه های تغیر پذیری یا پراکند گی

      • .هدفهای دقیق آموزشی

      • تعریف و اهمیت اندازه های پراکندگی

      • انواع اندازه های پراکندگی

      • الف_ محاسبه چارک ها و نقاط درصدی در داده های طبقه بندی نشده

      • ب-محاسبه چارک ها و نقاط درصدی درداده های طبقه بندی شده یاجدول توزیع فراوانی

      • 4-واریانس و انحراف استاندارد (معیار)

      • انحراف استاندارد مرکب

      • فصل هفتم : اندازه های سنجش روابط بین متغیر ها : همبستگی و

      • هدفهای دقیق آموزشی

      • تعریف و اهداف همبستگی

      • راههای تشخیص همبستگی

      • الف_ رسم نمودار پراکنش

      • ب_ محاسبه ضریب همبستگی

      • روش محاسبه ضریب همبستگی گشتا وری پیرسون

      • الف_ روش محاسبه ضریب همبستگی از راه نمرات انحرافی

      • ب_ روش محاسبه ضریب همبستگی از راه نمرات خام

      • پ_ روش محاسبه ضریب همبستگی از راه نمرات استاندارد z

      • ازمون معنا داری آماری ضریب همبستگی

      • ضریب محاسبه ضریب همبستگی رتبه ای اسپیرمن

      • سایر همبستگی ها

      • روش محاسبه ضریب همبستگی دورشته ای نقطه ای

      • روش محاسبه ضریب همبستگی دو رشته ای

      • روش محاسبه ضریب همبستگی فی یا فای

      • روش محاسبه ضریب همبستگی تتراکوریک یا چهار خانه ای

      • روش محاسبه ضریب هما هنگی کندال

      • معادله خط ر گرسیون

      • محاسبه خطای معیار براورد یا پیشبینی

      • بخش دوم : امار استنباطی

      • فصل هشتم : اصول و قواعد احتمالات

      • هدف های دقیق آموزشی

      • تعریف احتمالات و مفاهیم اساسی آن

      • مکمل ، اجتماع واشتراک دو پیشامد

      • انالیز های ترکیبی

      • تبدیل یا جایگشت

      • ترتیب یاجا یگشت rعنصر ازn عنصر

      • توضیع احتمال دوجمله ای

      • بسط دوجمله ا ی نیوتن

      • ویژگی های بسط دو جمله ای نیوتن

      • مثلث پاسکال – خیام

      • فصل نهم: نمره های استاندارد و منحنی طبیعی

      • هدفهای دقیق آموزشی

      • اهمیت موقعیت نسبی نمره ها و نمره های استاندارد

      • نمره های استاندارد

      • نمره ی هوشبر انحرافی (DIQ)

      • نمره ی سنی معیار (S A S)

      • نمرات آزمون استعداد تحصیلی (SAT)

      • نحوه ی استفاده از جدول احتمال توزیع استاندارد (جدول A)

      • فصل دهم: استنباط آماری: برآورد (و نمونه گیری)

      • هدفهای دقیق آموزشی

      • برآورد و آزمون فرضیه: دو روش استنباط آماری

      • تعریف مفاهیم نمونه گیری

      • انواع روشهای نمونه گیری

      • خطای نمونه گیری

      • نظریه ی نمونه گیری

      • ویژگی های برآوردکننده ها

      • خطای معیار اندازه گیری

      • برآورد فاصله ای

      • برآورد نسبت در یک جامعه

      • فضل یازدهم: استباط آماری: آزمون فرضیه (آزمون های مقایسه میانگین های t و z)

      • هدفهای دقیق آموزشی

      • آزمون فرضیه: روش دیگر استنباط آماری

      • فرضیه ی علمی و فرضیه ی آماری

      • خطای نوع اول و خطای نوع دوم

      • آزمونهای یک دامنه و آزمونهای دودامنه: فرضیه های خلاف جهت دار و بدون جهت

      • سطح معنادار بودن

      • عوامل موثر بر توان آزمون آماری

      • آزمون z یک گروهی (تک نمونه ای)

      • آزمون t یک گروهی (تک نمونه ای)

      • آزمون مقایسه میانگین دو جامعه مستقل

      • الف- طرح پیش آزمون – پس آزمون

      • ب- طرح زوجهای جور شده یال همتا

      • فصل دوازدهم: استنباط آماری: آزمون فرضیه (آزمون های مقایسه نسبت،واریانس و . )

      • هدفهای دقیق آموزشی

      • آزمون تفاوت نسبت به صفت در یک جامعه با یک نسبت معین (ثابت)

      • آزمون تفاوت نسبت به دو صفت در یک جامعه آماری واحد

      • آزمون تفاوت بین دو نسبت مستقل

      • آزمون تفاوت بین دو نسبت همبسته

      • آزمون معناداری تفاوت بین واریانس های همبسته

      • آزمون مناداری تفاوت بین واریانس های مستقل

      • آزمون معنادار بودن یا معناداری همبستگی

      • فصل سیزدهم: تحلیل واریانس: یک عاملی یا یک راهه

      • هدفهای دقیق آموزشی

      • هدف تحلیل واریانس یک راهه

      • منطق تحلیل واریانس

      • مقایسه های پس از تجربه یا آزمونای تعقیبی

      • آماره دامنه استودنت شده

      • فصل چهاردهم: تحلیل واریانس: دوعاملی یا دوراهه

      • هدفهای دقیق آموزشی

      • هدف تحلیل واریانس دوراهه

      • مراحل محاسبه ی تحلیل واریانس دوراهه

      • استفاده از نمودار برای نمایش اثرهای تعاملی

      • فصل پانزدهم: آزمونهای آماری غیرپارامتریک

      • هدفهای دقیق آموزشی

      • هدف و ضرورت آزمونهای غیرپارامتریک

      • آزمون مجذور خی (کای)

      • شرایط استفاده از آزمون x2

      • الف: روش محاسبه آزمون مجذور خی یک متغیری

      • ب: روش محاسبه آزمون مجذور خی دو متغیریث (با بیش از دو سطر ستون)

      • ج: روش محاسبه آزمون مجذور خی دو متغیری (با دو سطر و ستون یا جدول توافقی 2*2)

      • آزمونU مان – ویتنی

      • الف- آزمون U برای گروه های بزرگ (8

      • ب- آزمون U برای گروه های کوچک (8>n)

      • فصل شانزدهم: تحلیل رگرسیون چندمتغیری

      • هدفهای دقیق آموزشی

      • تعریف و ماهیت رگرسیون چندمتغیری

      • معادله رگرسیون برای دو متغیر

      • تحلیل رگرسیون چندمتغیری: مثالی مشتمل بر دو متغیر مستقل

      • ضریب همبستگی چندمتغیری و مجذور آن

      • همبستگی تفکیکی و نیمه تفکیکی و رگرسیون چندمتغیری

      • فصل هفدهم: کامپیوتر و آمار: تفسیر برون دادها در SPSS