❓ 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

✅ 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

✅ 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

✅ دو مرحله مهم در تفسیر نتایج آزمون های رابطه ای

#مفاهیم_آماری
@stat20

✅ 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

❓ 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

✅ 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

❓❓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

💿 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

✅ نکات مهم آمار که برای جلسه دفاع باید بدانیم...
@stat20

در حجم نمونه زیر 50 تا، بهتر است از آزمون شاپیرو-ویلک استفاده کنیم چون بیشترین توان را در بررسی نرمال بودن دارد
@stat20

❓ آیا پرسشنامه های طیف لیکرت، کیفی هستند؟

بله، هرکدام از سوالات این پرسشنامه نمونه، کیفی هستند
اما وقتی این ۵ سوال را ترکیب کرده و نمره کل مقیاس بیرونی سازی را بدست بیاوریم، میتوانیم نمره کل را کمّی (فاصله ای/نسبی) در نظر بگیریم و از آزمونهای پارامتریک استفاده کنیم
@stat20

🧭 دیاگرام تشخیص آزمون تعقیبی مناسب
@stat20

🧭 چه آزمون تعقیبی (آزمون های پس رویدادی) مناسب تحقیق ما است؟

در صورتی که داده ها پارامتریک باشند (نرمال و کمّی) از قاعده زیر استفاده کنیم:

۱- همگنی واریانس ها و برابر بودن حجم نمونه گروه ها >>>> آزمون های توکی (HSD) و دانکن

۲- همگنی واریانس ها و متفاوت بودن حجم نمونه گروه ها >>>> شِفِه و بونفرونی و LSD

3- ناهمگنی واریانس ها و متفاوت بودن حجم نمونه گروه ها >>>> جیمز هوئل و تَمهَنِه
@stat20

نحوه تفسیر انواع شاخص های اندازه اثر
@stat20

✅ آزمون های پارامتریک و معادل های ناپارامتریک آن ها

نکته: آزمون های آنکووا و مانکووا معادل ناپارامتریک ندارند
@stat20

❓آنتروپی شانون چیست

✅ این روش برای تعیین *وزن شاخص ها* (معیارها) به کار می رود
در تکنیک تصمیم گیری چندمعیاره (MCDM) از آن استفاده می شود

▫️این روش یک روش *کمکی* برای روش هایی چون تاپسیس و ویکور است. وزن معیارها پس از تعیین در تکنیک آنتروپی، در تاپسیس و ویکور و... استفاده می شود

⬅️ مهمترین شاخص در این روش، شاخصی است که بیشترین میزان پراکندگی را داشته باشد

@stat20

✅ چگونه داده ها را به توزیع نرمال تبدیل کنیم؟
▫️ روش های تبدیل داده ها زمانی استفاده میشود که توزیع متغیرها نرمال نباشد
▫️ در این صورت ابتدا شکل توزیع داده ها را از طریق نمودار هیستوگرام بدست می آوریم و بعد از آن از روش تبدیل متناسب با آن استفاده می کنیم
@stat20