❓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

❌ 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

❓ 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

✅ نحوه تفسیر ضریب همبستگی پیرسون و شدت رابطه

#مفاهیم_آماری
@stat20

✅ نمودار پراکندگی چگونه شدت و جهت رابطه را عیان می کند؟

#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

🎬 ویدئوی آموزشی

✅ چگونه داده های پرت را شناسایی کنیم؟
استفاده از نمودار جعبه ای

#ویدئو
#spss
@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

✅ کدام نرم افزار مناسب تحقیق ماست؟ نرم افزار PLS یا نرم افزار LISREL و AMOS ؟

#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

❓ 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

✅ 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

❓ 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

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

✅❤️✅ قدر زندگی و سلامتی را بدانیم....
آمارهای لحظه ای سلامت در جهان تا امروز (سالانه)
برگرفته از سایت
Worldometers.info

@stat20

✅ آزمون های مناسب برای بررسی رابطه دو متغیر کدامند؟

🔘 نوع متغیرها :اسمی - اسمی
◀️ آزمون : آزمون خی دو استقلال، فی و وی کرامر

🔘 نوع متغیرها : اسمی - ترتیبی
◀️ آزمون : خی دو استقلال، فی و وی کرامر

🔘 نوع متغیرها: ترتیبی - ترتیبی
◀️ آزمون: همبستگی اسپیرمن و کندال

🔘 نوع متغیرها: ترتیبی - فاصله ای
↗️ آزمون: همبستگی اسپیرمن و کندال

🔘 نوع متغیرها: فاصله ای - فاصله ای
◀️ آزمون: همبستگی پیرسون

#آزمون_آماری
@stat20

❓ کدام از پیش فرض های آزمون رگرسیون خطی چندگانه است؟ نرمال بودن باقیمانده ها یا نرمال بودن متغیر وابسته؟

▫️ پیش فرض اصلی و مهم در آزمون رگرسیون، "نرمال بودن توزیع باقیمانده ها" است که در اکثر منابع علمی به آن اشاره شده است

#آزمون_آماری
@stat20

❓ "رگرسیون چندگانه" چه تفاوتی با "رگرسیون چند متغیره" دارد؟

خیلی از اوقات این دو رگرسیون با هم اشتباه گرفته می شوند.
در رگرسیون چندگانه، *یک متغیر وابسته و چند متغیر مستقل وجود دارد.
اما در رگرسیون چندمتغیره، چند متغیر مستقل و چند وابسته وجود دارد.

رگرسیونی خطی که عموما استفاده می شود و تاثیر چند متغیر پیش بین بر *یک متغیر وابسته را می سنجد، رگرسیون چندگانه است.

#آزمون_آماری
@stat20

✅ 3 ویژگی اصلی توزیع نرمال چیست؟

🔹 متقارن است
🔹 میانگین، میانه و مد هر سه در یک نقطه قرار دارند
🔹 مجانبی است

#مفاهیم_آماری
@stat20

❓ توان آماری چیست؟

توانایی یک آزمون آماری در "کسب نتایج معنی دار"، توان آماری آن آزمون است.

✅ کوهن (1977) پیشنهاد میکند آزمایش ها باید به دنبال کسب توان آماری 80/. یا 80% باشند.

✅ توان آماری تحت تاثیر عواملی مانند *حجم نمونه' و *اندازه اثر است.
▫️مثلا با افزایش حجم نمونه، احتمال معنی دار شدن نتایج بیشتر می شود (توان آماری بالاتر می رود)

#مفاهیم_آماری
@stat20