❓ 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

❓حجم نمونه مناسب در روش مدل یابی معادلات ساختاری (لیزرل و ایموس) چه تعداد است؟

🔸 روش سرانگشتی:
حداقل حجم نمونه 100 و در برخی منابع 200 مورد گفته شده است (به طور کلی حجم نمونه زیر 100، قابل قبول نیست)

🔸 روش محاسباتی:
به ازای هر متغیر آشکار یا مشاهده شده در مدل، 15 نمونه نیاز است

#مفاهیم_آماری
@stat20

✅ مثلا چون این مدل در کل دارای 9 متغیر آشکار است، در نتیجه به حداقل 135 نمونه نیاز است
(9 ضرب در 15)

#مفاهیم_آماری
@stat20

✔️ 4 حالتی که باید از PLS به جای لیزرل و ایموس استفاده کرد:


✅ حجم نمونه کم باشد (معمولا زیر 100 مورد)

✅ مدل مفهومی از نوع اکتشافی (جدید یا محقق ساخته) باشد

✅ مدل از نوع سازنده (تشکیلی) باشد

✅ مدل بسیار پیچیده (شلوغ) باشد به طوریکه در لیزرل یا ایموس اجرا نشود

#مفاهیم_آماری
@stat20

❓ چه سطح آلفایی را باید در تحقیق خودمان تعیین کنیم؟

🔹 سطح 0/05
سطح آلفای سنتی است که در اکثر تحقیقات، پذیرفته و تعیین می شود

🔹 سطح 0/10 یا 0/15
زمانی که حجم نمونه کوچک باشد. مثلا حدود 20 مورد باشد

🔹 سطح 0/01 یا 0/001
زمانی که حجم نمونه خیلی بزرگ باشد مثلا 1000 مورد.
یا در تحقیقات پزشکی که موضوع سلامتی و حیات انسان ها در میان است

نکته: خطای آلفا با سطح معنی داری تفاوت دارد.

#مفاهیم_آماری
@stat20

❓ چگونه از داده به اطلاعات و آگاهی برسیم؟

1⃣ اولین کار این است که از پیچیدگی داده بکاهیم!
اما چگونه؟!

پیچیدگی دیتا توسط دو تکنیک کاهش می یابد:
1) در سطح مشاهدات:
با تحلیل خوشه ای
Cluster Analysis

2) در سطح متغیرها:
با تحلیل عاملی
Factor Analysis

در پست های بعد بیشتر بدانیم ازاین دو تکنیک:

#مفاهیم_آماری
@stat20

تحلیل خوشه ای روشی برای دسته بندی یا کاهش مشاهدات (شرکت کننده ها یا موردها) است

#مفاهیم_آماری

تحلیل عاملی روشی برای گروه بندی یا کاهش متغیرها است

#مفاهیم_آماری