🎯 انواع روایی یا اعتبار
روایی سازه با روش های آماری و روایی محتوا توسط افراد خبره ارزیابی می شود
#تصویرآموزشی
#روش_تحقیق
@stat20
روایی سازه با روش های آماری و روایی محتوا توسط افراد خبره ارزیابی می شود
#تصویرآموزشی
#روش_تحقیق
@stat20
Media is too big
VIEW IN TELEGRAM
❓چه زمانی می توانیم برای مقیاس های ترتیبی از آزمون های پارامتریک استفاده کنیم؟
به طور کلی برای مقیاس های ترتیبی (مانند طیف لیکرت) باید از آزمون های ناپارامتریک استفاده کرد
اما از جمع و ترکیب چند سوال ترتیبی، مقیاسی به نام "شبه فاصله ای" ساخته می شود که می توانیم از آزمون های پارامتریک استفاده کنیم
#مفاهیم_آماری
@stat20
به طور کلی برای مقیاس های ترتیبی (مانند طیف لیکرت) باید از آزمون های ناپارامتریک استفاده کرد
اما از جمع و ترکیب چند سوال ترتیبی، مقیاسی به نام "شبه فاصله ای" ساخته می شود که می توانیم از آزمون های پارامتریک استفاده کنیم
#مفاهیم_آماری
@stat20
👆👆
مثلا اگر نمره کل این 5 سوال که همگی ترتیبی هستند را بدست بیاوریم(ترکیب یا جمع 5 سوال)، مقدار بدست آمده یک مقیاس فاصله ای است و می توانیم از ازمون های پارامتریک استفاده کنیم
#مفاهیم_آماری
@stat20
مثلا اگر نمره کل این 5 سوال که همگی ترتیبی هستند را بدست بیاوریم(ترکیب یا جمع 5 سوال)، مقدار بدست آمده یک مقیاس فاصله ای است و می توانیم از ازمون های پارامتریک استفاده کنیم
#مفاهیم_آماری
@stat20
❓چه زمانی باید از نرم افزار PLS به جای Lisrel یا Amos استفاده کنیم؟
1- اگر حجم نمونه اندک است (عموما زیر 100 مورد)
2- اگر مدل پژوهش اکتشافی و جدید است
3- اگر مدل پژوهش بسیار پیچیده یا از نوع سازنده و تشکیلی است
4- اگر توزیع تک متغیره و چند متغیره، از توزیع نرمال انحراف شدیدی داشته باشد
#مفاهیم_آماری
@stat20
1- اگر حجم نمونه اندک است (عموما زیر 100 مورد)
2- اگر مدل پژوهش اکتشافی و جدید است
3- اگر مدل پژوهش بسیار پیچیده یا از نوع سازنده و تشکیلی است
4- اگر توزیع تک متغیره و چند متغیره، از توزیع نرمال انحراف شدیدی داشته باشد
#مفاهیم_آماری
@stat20
❌ اشتباهات رایج آماری:
به کاربردن همزمان متغیر اصلی و مولفه هایش به عنوان متغیر پیش بین در رگرسیون
🔚 این کار موجب می شود مسئله هم خطی پیش بیاید و نتایج رگرسیون تحریف شود(به علت همبستگی قوی بین متغیر اصلی و مولفه هایش)
🔹 مثال: اگر متغیر تعهد شغلی دارای سه مولفه تعهد هنجاری، تعهد عاطفی و تعهد مستمر باشد، یا باید فقط تعهد شغلی را به عنوان متغیر مستقل وارد رگرسیون کنیم یا فقط مولفه هایش را.
نکته: بین مولفه ها نیز نباید همبستگی بسیار قوی وجود داشته باشد
#اشتباهات
@stat20
به کاربردن همزمان متغیر اصلی و مولفه هایش به عنوان متغیر پیش بین در رگرسیون
🔚 این کار موجب می شود مسئله هم خطی پیش بیاید و نتایج رگرسیون تحریف شود(به علت همبستگی قوی بین متغیر اصلی و مولفه هایش)
🔹 مثال: اگر متغیر تعهد شغلی دارای سه مولفه تعهد هنجاری، تعهد عاطفی و تعهد مستمر باشد، یا باید فقط تعهد شغلی را به عنوان متغیر مستقل وارد رگرسیون کنیم یا فقط مولفه هایش را.
نکته: بین مولفه ها نیز نباید همبستگی بسیار قوی وجود داشته باشد
#اشتباهات
@stat20
❓ تفاوت تحلیل عاملی تاییدی مرتبه اول و دوم؟
✅ اگر متغیر یا مفهوم اصلی (در اینجا تعهد)، دارای مولفه یا بعد باشد، باید از تحلیل عاملی تاییدی "مرتبه دوم" استفاده کرد
#مفاهیم_آماری
@stat20
✅ اگر متغیر یا مفهوم اصلی (در اینجا تعهد)، دارای مولفه یا بعد باشد، باید از تحلیل عاملی تاییدی "مرتبه دوم" استفاده کرد
#مفاهیم_آماری
@stat20
❓ ضریب همبستگی چه اطلاعاتی به ما نمی دهد؟
❌ ضرایب همبستگی مانند پیرسون، نمی توانند روابط غیر خطی (مانند روابط منحنی) را محاسبه کنند
❌ وجود همبستگی و رابطه بین دو متغیر، به معنای رابطه علت و معلولی بین آن ها نیست.
#مفاهیم_آماری
#stat20
❌ ضرایب همبستگی مانند پیرسون، نمی توانند روابط غیر خطی (مانند روابط منحنی) را محاسبه کنند
❌ وجود همبستگی و رابطه بین دو متغیر، به معنای رابطه علت و معلولی بین آن ها نیست.
#مفاهیم_آماری
#stat20
❓ چه زمانی باید از آزمون رگرسیون چندمتغیره به جای همبستگی پیرسون استفاده کنیم؟
1- زمانی که مستقل و وابسته بودن متغیرها مشخص و معین است.
2- زمانی که هدف "پیش بینی" یک متغیر بر اساس چند متغیر یا بررسی "تاثیر" (نه رابطه) است
3- زمانی که یک متغیر وابسته و تعداد 2 یا بیشتر متغیر مستقل (پیش بین) داشته باشیم.
#مفاهیم_آماری
@stat20
1- زمانی که مستقل و وابسته بودن متغیرها مشخص و معین است.
2- زمانی که هدف "پیش بینی" یک متغیر بر اساس چند متغیر یا بررسی "تاثیر" (نه رابطه) است
3- زمانی که یک متغیر وابسته و تعداد 2 یا بیشتر متغیر مستقل (پیش بین) داشته باشیم.
#مفاهیم_آماری
@stat20
❓ اگر توزیع داده هایمان نرمال نباشد، چه باید کرد؟
✅ آزمون های پارامتریک (مانند آزمون های تی، همبستگی و رگرسیون خطی) پیش فرض نرمال بودن توزیع داده ها را دارند. در صورتی که داده ها نرمال نباشند:
1- اگر انحراف داده ها از توزیع نرمال، شدید نباشد، می توانیم با کمی احتیاط از آزمون های پارامتریک استفاده کنیم.
اگر انحراف از توزیع نرمال شدید باشد:
2- باید از آزمون های ناپارامتریک استفاده کنیم
3- باید از تبدیل داده ها استفاده کنیم.
#مفاهیم_آماری
#stat20
✅ آزمون های پارامتریک (مانند آزمون های تی، همبستگی و رگرسیون خطی) پیش فرض نرمال بودن توزیع داده ها را دارند. در صورتی که داده ها نرمال نباشند:
1- اگر انحراف داده ها از توزیع نرمال، شدید نباشد، می توانیم با کمی احتیاط از آزمون های پارامتریک استفاده کنیم.
اگر انحراف از توزیع نرمال شدید باشد:
2- باید از آزمون های ناپارامتریک استفاده کنیم
3- باید از تبدیل داده ها استفاده کنیم.
#مفاهیم_آماری
#stat20
❓ تفاوت آزمون آنووا و آنکوا چیست؟
✅ آزمون آنکووا (ANCOVA) گسترش یافته آزمون آنووا (ANOVA) است و زمانی به جای آنووا از آن استفاده میشود که:
1- بخواهیم تاثیر متغیری را در تحلیل، کنترل (یا خنثی) کنیم. به این معنا که متغیر همپراش یا کووریت (covaiate) داشته باشیم.
2- چند متغیر مستقل (عامل) داشته باشیم و بخواهیم تاثیر چند عامل را همزمان بر متغیر وابسته بسنجیم.
3- بخواهیم اثر تعاملی دو متغیر مستقل (عامل) را بسنجیم
#مفاهیم_آماری
@stat20
✅ آزمون آنکووا (ANCOVA) گسترش یافته آزمون آنووا (ANOVA) است و زمانی به جای آنووا از آن استفاده میشود که:
1- بخواهیم تاثیر متغیری را در تحلیل، کنترل (یا خنثی) کنیم. به این معنا که متغیر همپراش یا کووریت (covaiate) داشته باشیم.
2- چند متغیر مستقل (عامل) داشته باشیم و بخواهیم تاثیر چند عامل را همزمان بر متغیر وابسته بسنجیم.
3- بخواهیم اثر تعاملی دو متغیر مستقل (عامل) را بسنجیم
#مفاهیم_آماری
@stat20
✅ انواع متغیرها از نظر مقیاس
1- کیفی = اسمی و ترتیبی
🔹 متغیرهای اسمی یا طبقه ای مانند جنسیت (مرد و زن)، بله و خیر ، قومیت و...
🔹متغیر ترتیبی مانند طیف لیکرت (خیلی کم، کم، متوسط، زیاد و خیلی زیاد) یا تحصیلات (دیپلم، فوق دیپلم، لیسانس و فوق لیسانس)
2- کمی = گسسته و پیوسته
🔸 متغیر گسسته مانند تعداد فرزندان که شامل 1، 2، 3 فرزند است و هیچگاه 1.5 فرزند یا 3.6 فرزند نداریم☺️
🔸 متغیر پیوسته مانند معدل دانشگاه یا وزن افراد. وزن 50 کیلوگرم یا 63.7 کیلوگرم یا 71.2 کیلوگرم
#مفاهیم_آماری
@stat20
1- کیفی = اسمی و ترتیبی
🔹 متغیرهای اسمی یا طبقه ای مانند جنسیت (مرد و زن)، بله و خیر ، قومیت و...
🔹متغیر ترتیبی مانند طیف لیکرت (خیلی کم، کم، متوسط، زیاد و خیلی زیاد) یا تحصیلات (دیپلم، فوق دیپلم، لیسانس و فوق لیسانس)
2- کمی = گسسته و پیوسته
🔸 متغیر گسسته مانند تعداد فرزندان که شامل 1، 2، 3 فرزند است و هیچگاه 1.5 فرزند یا 3.6 فرزند نداریم☺️
🔸 متغیر پیوسته مانند معدل دانشگاه یا وزن افراد. وزن 50 کیلوگرم یا 63.7 کیلوگرم یا 71.2 کیلوگرم
#مفاهیم_آماری
@stat20
❓ سطح معنی داری را به صورت دقیق گزارش کنیم یا به صورت سطوح معنی داری؟
معنی داری آماری را با علامت P یا (p-value) نشان می دهند.
1) میتوانیم سطح معنی داری را هم به صورت سطح معنی داری گزارش کنیم. مانند:
p < 0/05
p < 0/01
2) یا می توانیم به صورت "دقیق" گزارش کنیم. مانند:
P = 0/003
P = 0/78
به جهت یکپارچگی علمی بیشتر و دقت بیشتر در گزارش نتایج، استفاده از روش دوم ارجحیت دارد
#مفاهیم_آماری
@stat20
معنی داری آماری را با علامت P یا (p-value) نشان می دهند.
1) میتوانیم سطح معنی داری را هم به صورت سطح معنی داری گزارش کنیم. مانند:
p < 0/05
p < 0/01
2) یا می توانیم به صورت "دقیق" گزارش کنیم. مانند:
P = 0/003
P = 0/78
به جهت یکپارچگی علمی بیشتر و دقت بیشتر در گزارش نتایج، استفاده از روش دوم ارجحیت دارد
#مفاهیم_آماری
@stat20
چند نکته برای مصورسازی دادهها
👧🏻📉👶🏼👩📈👵🏾👷🏼📊🕵️💂🏻
🕵️ به نیازهای اطلاعاتی شنوندگان و مخاطبین خود توجه کنید.
📊 نمودار و چارت مناسب را برای مصورسازی انتخاب کنید.
📈 نمودارها را ساده و منظم رسم کنید و از جلوههای فانتزی و تفننی کمتر استفاده کنید.
🌦 از رنگ، سایز، فونت و گرافیک برای جلب توجه مخاطبین به مهمترین بخشهای اطلاعات استفاده کنید.
😣 گرافها و جداول را به شکل درست و به جا استفاده کنید.
🎯 به کمک عوامل تاثیرگذار در جنبههای بصری، و نیز ارایهی شرح مختصر، به موارد کلیدی اشاره کنید.
🎲 دادهها و بخشهای نمایشی را در جای مناسب قرار دهید تا خطای دید باعث گمراه شدن مخاطب گزارش شما نشود.
🎨 از ترکیب رنگها بهشکل عاقلانه استفاده کنید. رنگها برای زیبایی و فانتزی شدن نمودارها نیستند بلکه میباید برای متمرکز کردن توجه مخاطبین گزارش به بخشهای مهم گزارش استفاده شود.
👈 برچسب محورها و اعداد میباید به شکل واضح در نمودار منعکس شود.
#گزارش_آماری
@stat20
👧🏻📉👶🏼👩📈👵🏾👷🏼📊🕵️💂🏻
🕵️ به نیازهای اطلاعاتی شنوندگان و مخاطبین خود توجه کنید.
📊 نمودار و چارت مناسب را برای مصورسازی انتخاب کنید.
📈 نمودارها را ساده و منظم رسم کنید و از جلوههای فانتزی و تفننی کمتر استفاده کنید.
🌦 از رنگ، سایز، فونت و گرافیک برای جلب توجه مخاطبین به مهمترین بخشهای اطلاعات استفاده کنید.
😣 گرافها و جداول را به شکل درست و به جا استفاده کنید.
🎯 به کمک عوامل تاثیرگذار در جنبههای بصری، و نیز ارایهی شرح مختصر، به موارد کلیدی اشاره کنید.
🎲 دادهها و بخشهای نمایشی را در جای مناسب قرار دهید تا خطای دید باعث گمراه شدن مخاطب گزارش شما نشود.
🎨 از ترکیب رنگها بهشکل عاقلانه استفاده کنید. رنگها برای زیبایی و فانتزی شدن نمودارها نیستند بلکه میباید برای متمرکز کردن توجه مخاطبین گزارش به بخشهای مهم گزارش استفاده شود.
👈 برچسب محورها و اعداد میباید به شکل واضح در نمودار منعکس شود.
#گزارش_آماری
@stat20
✅❤️✅ قدر زندگی و سلامتی را بدانیم....
آمارهای لحظه ای سلامت در جهان تا امروز (سالانه)
برگرفته از سایت
Worldometers.info
@stat20
آمارهای لحظه ای سلامت در جهان تا امروز (سالانه)
برگرفته از سایت
Worldometers.info
@stat20