✅ 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
⬅️ 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
🔹 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
🔹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
‼️ 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
🔸 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
❓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
🔸 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
(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
✅ 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
🔹 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
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
✅ آموزش ویدیویی لیزرل ✅
آسان و سریع بر لیزرل مسلط شوید...
300 دقیقه آموزش مفید و کاربردی
اطلاعات بیشتر در سایت مرکز آماری خوارزمی
👇👇
http://kharazmi-statistics.ir/fa/onlineeducation.aspx
آسان و سریع بر لیزرل مسلط شوید...
300 دقیقه آموزش مفید و کاربردی
اطلاعات بیشتر در سایت مرکز آماری خوارزمی
👇👇
http://kharazmi-statistics.ir/fa/onlineeducation.aspx
Media is too big
VIEW IN TELEGRAM
✅ انجام تحلیل مسیر در Lisrel
دوره کامل آموزش ویدئویی لیزرل:
🔹300 دقیقه آموزش کاربردی و علمی
🔹 از تدوین مدل تا گزارش نتایج در مقاله و رساله
دوره کامل 👇
http://kharazmi-statistics.ir/fa/onlineeducation.aspx
دوره کامل آموزش ویدئویی لیزرل:
🔹300 دقیقه آموزش کاربردی و علمی
🔹 از تدوین مدل تا گزارش نتایج در مقاله و رساله
دوره کامل 👇
http://kharazmi-statistics.ir/fa/onlineeducation.aspx
✅ نمونه یک نمودار مناسب برای گزارش
* پس زمینه روشن
* راهنمای محورهای افقی و عمودی
*رنگ بندی مناسب (حتی در تصاویر سیاه و سفید)
#مفاهیم_آماری
@stat20
* پس زمینه روشن
* راهنمای محورهای افقی و عمودی
*رنگ بندی مناسب (حتی در تصاویر سیاه و سفید)
#مفاهیم_آماری
@stat20
❓ مهمترین آزمون های مقایسه ای (تفاوتی) کدامند؟
1) تی مستقل:
برای مقایسه میانگین "دو" گروه
'متفاوت'
2) تی همبسته:
برای مقایسه میانگین "یک" گروه در دو مرحله یا دو زمان متفاوت
3) آنووا (تحلیل واریانس یک راهه):
برای مقایسه میانگین حداقل سه گروه متفاوت.
آنووا تعمیم یافته تی مستقل است یعنی گروه ها متفاوت هستند و حداقل 3 گروه مقایسه شود
#مفاهیم_آماری
@stat20
1) تی مستقل:
برای مقایسه میانگین "دو" گروه
'متفاوت'
2) تی همبسته:
برای مقایسه میانگین "یک" گروه در دو مرحله یا دو زمان متفاوت
3) آنووا (تحلیل واریانس یک راهه):
برای مقایسه میانگین حداقل سه گروه متفاوت.
آنووا تعمیم یافته تی مستقل است یعنی گروه ها متفاوت هستند و حداقل 3 گروه مقایسه شود
#مفاهیم_آماری
@stat20
✅ مثال برای انتخاب آزمون مقایسه ای:
🔹 مقایسه طول قد مردان و زنان ⬅ تی مستقل
🔹 مقایسه نمره ریاضی دانش آموزان یک کلاس در ترم اول و دوم ⬅ تی همبسته
🔹 مقایسه میزان شادکامی مردم چهار کشور فنلاند، سومالی، سوئد و ایران! ⬅ آنووا
#مفاهیم_آماری
@stat20
🔹 مقایسه طول قد مردان و زنان ⬅ تی مستقل
🔹 مقایسه نمره ریاضی دانش آموزان یک کلاس در ترم اول و دوم ⬅ تی همبسته
🔹 مقایسه میزان شادکامی مردم چهار کشور فنلاند، سومالی، سوئد و ایران! ⬅ آنووا
#مفاهیم_آماری
@stat20
❓❓در صورت غیرنرمال بودن توزیع متغیرها چه کار کنیم؟
1- استفاده از روش های ناپارامتریک.
(به جای پارامتریک)
🔸
2- تبدیل داده ها.
مثلا لگاریتم گرفتن، به توان دو رساندن یا روش هایی مانند تبدیل کاکس-باکس یا تبدیل جانسون
🔸
3- افزایش حجم نمونه.
تا حدی میتواند از تاثیرات منفی غیرنرمال بودن بکاهد
#مفاهیم_آماری
@stat20
1- استفاده از روش های ناپارامتریک.
(به جای پارامتریک)
🔸
2- تبدیل داده ها.
مثلا لگاریتم گرفتن، به توان دو رساندن یا روش هایی مانند تبدیل کاکس-باکس یا تبدیل جانسون
🔸
3- افزایش حجم نمونه.
تا حدی میتواند از تاثیرات منفی غیرنرمال بودن بکاهد
#مفاهیم_آماری
@stat20
💿 2 ویدئو از 51 ویدئوی آموزشی را می توانید به طور رایگان در آپارات تماشا کنید
◀️ ویدئوی اول: آموزش گزارش نتایج PLS در مقالات فارسی و لاتین
https://www.aparat.com/v/p5fJu
ویدئوی دوم: آموزش انجام تحلیل مسیر در LISREL
https://www.aparat.com/v/HoAI6
◀️ ویدئوی اول: آموزش گزارش نتایج PLS در مقالات فارسی و لاتین
https://www.aparat.com/v/p5fJu
ویدئوی دوم: آموزش انجام تحلیل مسیر در LISREL
https://www.aparat.com/v/HoAI6
آپارات - سرویس اشتراک ویدیو
چگونه نتایج مدلسازی با PLS را در مقالات گزارش کنیم
یکی از مهمترین بخش های تحلیل آماری این است که خروجی ها و نتایج نرم افزار را به شکلی استاندارد و مورد قبول مجلات ارائه کنیمپکیج کامل آموزش مدلسازی معادلات ساختاری با PLS و LISREL با تخفیف ویژه آماده شده است. جهت دریافت با 09127694066 تماس بگیرید. مرکز آماری…