🎬 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

✅ برخی از رایج ترین روش های تعیین حجم نمونه

⬅️ در روش های پیمایشی:
1- جدول مورگان
2- فرمول کوکران

⬅️ در روش های بالینی، مداخله ای، شبه آزمایشی و پزشکی
1- استفاده از نرم افزار GPower

#روش_تحقیق
@stat20

🔹آشنایی با نمودار جعبه ای

🔹 مواردی که پایین تر از مقدار حداقل و بالاتر از مقدار حداکثر باشند، موارد (داده) پرت و دورافتاده هستند

#آزمون_آماری
#stat20

🛑 در حجم نمونه زیاد، معنی داری آماری به تنهایی راهنمای خوبی نیست

🔹وقتی حجم نمونه بزرگ یا خیلی بزرگ است، وجود معنی داری آماری به تنهایی ممکن است گمراه کننده باشد.
مثلا یک همبستگی ناچیز و ضعیف (مثلا 1/. ، یک دهم) در حجم نمونه 1000 نفر، معنی دار می شود اما در حجم نمونه 50 نفر، معنی دار نمی شود!

⬅️ بنابراین در برخی تحقیقات، اندازه اثر (ضریب همبستگی، واریانس تبیین شده یا اختلاف میانگین)، دارای اهمیت بیشتری از معنی داری آماری ( مقدار p) است.

#مفاهیم_آماری
@stat20

❌ اشتباهات رایج آماری

‼️ آزمون KMO ، ارتباطی به حجم نمونه مناسب ندارد

گاهی اوقات دیده شده است در تحلیل های آماری، مقدار KMO پرسشنامه را به عنوان معیاری برای کافی بودن حجم نمونه در نظر می گیرند. اما چنین کاری اشتباه است

شاخص KMO در منابع به نام شاخص "کفایت نمونه گیری" آمده است و ظاهرا همین نامگذاری موجب شده است که برخی آن را (به اشتباه) معیاری برای حجم نمونه بدانند.

✅ شاخص KMO ، عامل پذیری معرف های یک مقیاس را می سنجد و ارزیابی میکند که آیا انجام تحلیل عاملی اکتشافی به نتیجه مناسبی ختم می شود یا خیر

#اشتباهات
@stat20

❓ چه زمانی باید ضریب تعیین تعدیل شده را گزارش کنیم؟

🔸 ضریب تعیین تعدیل شده، نسخه اصلاح شده ضریب تعیین بر اساس تعداد متغیرهای پیش بین است.

🔸 زمانی که تعداد متغیرهای پیش بین زیاد باشد و تفاوت ضریب تعیین تعدیل شده با ضریب تعیین زیاد باشد، باید ضریب تعیین تعدیل شده را گزارش کرد

ضریب تعیین تعدیل شده:
adjusted R-squared
ضریب تعیین:
R-squared

#مفاهیم_آماری
@stat20

❓تفاوت آزمون های مقایسه میانگین چیست؟

#آزمون_آماری
@stat20