✅فاصله اطمینان (Confidence Interval)✅ ☑️ محققان و تحلیلگران، اغلب در مباحث آمار و داده‌کاوی، از عبارت «فاصله اطمینان» (Confidence Interval) استفاده می‌کنند تا نشان دهند که تقریبا مطمئن هستند یک فاصله یا محدوده‌ای عددی، شامل پارامتر مورد جامعه است. پس می‌توان فاصله اطمینان را نوعی برآورد فاصله‌ای در نظر گرفت. 🔘 فاصله اطمینان با مفهوم مربوط به «سطح اطمینان» (Confidence Level) ارتباط نزدیکی دارد. منظور از سطح اطمینان، تعیین میزان شک یا یقینی است که نسبت به دربرگیری پارامتر توسط فاصله اطمینان داریم. ✔️در حقیقت این محدوده، توسط یک نمونه تصادفی محاسبه می‌شود، در نتیجه می‌توان فاصله اطمینان را یک محدوده تصادفی در نظر داشت. با انتخاب نمونه دیگر، محاسبات برای این محدوده تغییر کرده و یک فاصله اطمینان متفاوت بدست خواهد آمد. به همین علت با سطح اطمینان مشخص، خانواده‌ای از فاصله‌های اطمینان با توجه نمونه‌های مختلف تولید می‌شود. و به این ترتیب می‌توان گفت سطح اطمینان، فراوانی نسبی، فاصله‌‌های اطمینانی است که شامل پارامتر مجهول جامعه هستند. ✔️به بیان دیگر، اگر n فاصله اطمینان با سطح اطمینان ثابت ایجاد کنیم، نسبت آن‌هایی که شامل پارامتر هستند به کل فاصله‌ها، برابر با همان سطح اطمینان خواهد بود. هدف در محاسبه فاصله اطمینان، بدست آوردن حدودی برای پارامتر است که در سطح اطمینان تعیین شده، شامل پارامتر باشد. 🔳 مثال ) فرض کنید قد ۴۰ نفر که به طور تصادفی انتخاب شده‌اند، اندازه‌گیری شده است. میانگین قد این افراد برابر است با ۱۷۵ سانتی‌متر. از طرفی می‌دانیم که انحراف معیار قد در جامعه آماری ما برابر است با ۲۰ سانتی‌متر. با توجه به این موضوع، فاصله اطمینان برای میانگین قد افراد جامعه با سطح اطمینان ۹۵ درصدی برابر است با 175cm ± 6.2cm فاصله اطمینان بیان می‌کند که اگر ۱۰۰ بار نمونه‌گیری تکرار شود و ۱۰۰ فاصله اطمینان ۹۵٪ تولید شود، 95 فاصله شامل پارامتر جامعه خواهند بود و فقط 5 تا از این فاصله‌ها شامل میانگین جامعه نمی‌شوند. لینک دعوت به گروه تحلیل آماری در ایتا👇👇👇👇👇 https://eitaa.com/sem_spss

يكي از نمودارهاي كاربردي و مهم در تحليل هاي آماري ، نمودار تعاملي يا intraction plot مي باشد. اين نمودار در بررسي نقش تعديلگري يك متغير در رابطه بين دو متغير ديگر استفاده مي شود. لینک دعوت به گروه تحلیل آماری در ایتا👇👇👇👇👇 https://eitaa.com/sem_spss

  👌👈آزمون همبستگی پارامتریک : 🔴آزمون همبستگی پیرسون (Pearson Correlation Coefficient) ضریب همبستگی برای توصیف شدت رابطه بین متغیرها به کار می‌رود. رابطه علت و معلولی را نمی‌توان از همبستگی استنباط کرد. یعنی می‌تواند متغیر سومی وجود داشته باشد که ارتباط بین دو متغیر مورد مقایسه را توصیف کند. برای مثال، تحقیقات نشان می‌دهد بین اضطراب مادران و یادگیری کودکان رابطه معکوس وجود دارد. ممکن است کاهش یادگیری کودک و اضطراب مادر ناشی از علل دیگری مانند درآمد پایین خانواده، مشکلات ژنتیکی و غیره باشد گاهی بین متغیرها همبستگی ساختگی، مصنوعی یا مجازی وجود دارد. درحالی‌که احتمالاً رابطه و قطعاً رابطه علی بین آن‌ها وجود ندارد. برای مثال بین هوش و رنگ چشم افراد همبستگی وجود دارد. همچنین همبستگی‌ای که در یک نمونه قابل ملاحظه است، ممکن است در نمونه دیگر معادل صفر باشد. ضریب همبستگی پیرسون، جزء آزمون‌های آماری پارامتریک محسوب می‌شود که نشان دهنده درجه رابطه خطی بین دو متغیر است و توسط کارل پیرسون ارائه شده و آن را با حرف r نشان می‌دهند. مقدار آن بین دو عدد ۱+ و ۱- تغییر می‌کند. مقدار قدر مطلق ضریب همبستگی، شدت یا درجه رابطه بین دو متغیر و علامت آن (مثبت یا منفی) جهت رابطه (مستقیم یا معکوس) را نشان می‌دهد. ضریب همبستگی پیرسون یک شاخص متقارن است. یعنی همبستگی بین متغیرهای  X و Y با همبستگی بین متغیرهای Y و X برابر است. 🔵پیش فرض‌های ضریب همبستگی پیرسون استفاده از ضریب همبستگی پیرسون مستلزم پیش فرض‌های زیر است: 📉مقیاس متغیرها حداقل فاصله‌ای باشد. 📈توزیع‌ها تقریباً نرمال باشند. 📊رابطه بین دو متغیر خطی باشد. نمودار پراکندگی، ساده ترین روش برای بررسی خطی یا غیرخطی بودن رابطه­ی بین متغیرها می‌باشد. 📉شرط یکسانی واریانس‌ها رعایت شود به عبارت دیگر، باید نمودار پراکندگی یکسان باشد. به این معنی که عرض نقاط در سرتاسر نمودار یکسان باشد. 🔗لینک کانال : https://eitaa.com/sem_spss

🔴ضریب همبستگی رتبه‌ای کندال tau- b) b) ضریب همبستگی رتبه‌ای کندال b یا tau-b زمانی استفاده می‌شود که متغیرهای مورد مطالعه در سطح رتبه‌ای اندازه‌ گیری شده و جدول داده‌ ها مربع شکل باشند. یعنی تعداد سطوح رتبه‌ بندی دو متغیر برابر باشند. همچنین در محاسبات خود زوج‌ هایی که رتبه آن‌ها برابر است، را در نظر می‌گیرد. مانند رابطه بین نمره امتحان و زمان صرف شده برای مرور درس. نمره امتحان دارای ۵ حالت A، B، C، D وF است. همچنین زمان صرف شده برای مرور درس دارای ۵ طبقه شامل کمتر از ۵ ساعت،‌ ۵ تا ۹ ساعت،‌ ۱۰ تا ۱۴ ساعت، ۱۵ تا ۱۹ ساعت و ۲۰ ساعت به بالا است. ضریب همبستگی رتبه‌ای کندال b متقارن است و مقدار آن بین ۱+ و ۱- قرار دارد و مشابه با ضریب همبستگی پیرسون تفسیر می‌شود. لینک کانال : https://eitaa.com/sem_spss

🔴ضریب همبستگی رتبه‌ای کندال tau- c)  c) از ضریب همبستگی رتبه‌ای کندال c یا tau- c زمانی استفاده می‌شود که متغیرهای مورد مطالعه در سطح رتبه‌ای اندازه‌ گیری شده و جدول داده‌های مربوط به آن‌ ها مستطیل شکل باشد. اما در محاسبات خود زوج‌های گره خورده (زوج‌هایی که رتبه آن‌ها برابر است) را نادیده می‌گیرد. مانند رابطه بین رضایت مشتری (با عبارت “من از مدت زمانی که طول کشید تا بسته به دست من برسد، راضی هستم” در طیف ۵ گزینه‌ای لیکرت از کاملاً مخالفم تا کاملاً موافقم اندازه‌ گیری شده است) و زمان تحویل کالا (دارای ۴ طبقه شامل روز بعد،‌ ۲ روز بعد،‌ ۳ تا ۵ روز و بیش از ۵ روز است) ضریب همبستگی رتبه‌ای کندال c متقارن است و مقدار آن بین ۱+ و ۱- قرار دارد و مشابه با ضریب همبستگی پیرسون تفسیر می‌شود. لینک کانال : https://eitaa.com/sem_spss

🔴ضریب گاما (Gamma) ضریب گاما برای نشان دادن رابطه بین دو متغیر رتبه‌ای استفاده می‌شود که از طریق آن می توان اقدام به پیش‌ بینی یک متغیر وابسته از روی یک متغیر مستقل نمود. مانند رابطه بین امنیت شغلی (پایین، متوسط و بالا) و رضایت شغلی (پایین، متوسط و بالا) با استفاده از ضریب گاما می‌توان میزان کاهش خطا در پیش‌ بینی متغیر وابسته را آزمون نمود. ضریب گاما براساس تعداد جفت‌های هماهنگ و ناهماهنگ (معکوس) محاسبه می‌شود. ضریب همبستگی گاما متقارن است و مقدار آن بین ۱+ و ۱- قرار دارد و مشابه با ضریب همبستگی پیرسون تفسیر می‌شود. لینک کانال : https://eitaa.com/sem_spss

🔴ضریب d سامرز (Somers’ d) ضریب d سامرز برای ارزیابی رابطه بین دو متغیر رتبه‌ای به کار می‌رود، شکل خاصی از ضریب گاما است که در آن یکی از متغیرها به عنوان متغیر وابسته در نظر گرفته می‌شود. از ضریب گاما دقیق‌تر است. ضریب d سامرز نامتقارن است. مانند رگرسیون عمل می‌کند. بنابراین، زمانی مورد استفاده قرار می‌گیرد که قصد داریم مقدار متغیر وابسته (Y) را از روی مقدار متغیر مستقل (X) پیش‌بینی کنیم. لینک کانال: https://eitaa.com/sem_spss

🔴ضریب همبستگی اتا (η) یک ضریب همبستگی دو متغیری برای داده‌های پیوسته است، زمانی که رابطه خطی بین دو متغیر وجود ندارد. ضریب اتا را در مواقعی که یکی از متغیرها اسمی یا رتبه‌ای و دیگری فاصله‌ای/ نسبی باشد، نیز می‌توان به کار برد. ضریب همبستگی اتا مبتنی بر خطای پیش‌ بینی است. یعنی مقدار این ضریب نشان می‌دهد با در نظر گرفتن متغیر اسمی یا رتبه‌ای، چه مقدار از خطای پیش‌ بینی متغیر فاصله‌ای مورد نظر کاسته می‌شود. مانند رابطه بین حرکات مخاطره‌ آمیز در حین رانندگی و میزان تصادفات این ضریب نامتقارن است، مشابه با ضریب همبستگی پیرسون تفسیر می‌شود، اما هرگز نمی‌تواند منفی باشد. یعنی دامنه تغییرات آن بین ۰ و ۱+ است. لینک کانال: https://eitaa.com/sem_spss

فیلم آموزشی آپلود شده در آپارات لینک فیلم👇👇👇👇👇 https://www.aparat.com/v/yrz3vw5 در اين ويديو آموزشي نحوه ترسيم مدل ميانجي، آشنايي با مفهوم متغير ميانجي نحوه خروجي گرفتن الگوريتم، بوت استرپ و چشم پوشي توضيح داده شده است. نحوه تفسير و تحليل خروجي ها و تصميم گيري در خصوص تاييد يا رد فرضيات و نقش ميانجيگري توضيح داده شده است. گروه آماري بتا با سابقه چند ساله در زمينه تحليل آماري در خدمت شما مي باشد. لینک‌ کانال ایتا: https://eitaa.com/sem_spss

فيلم آموزشي آپلود شده در آپارات لينك فيلم👇👇👇 https://www.aparat.com/v/yfs1999 در اين ويدئو آموزشي در خصوص مفهوم متغير تعديلگري و نحوه اجرا و تحليل خروجي هاي مربوطه آموزش داده شده است گروه آماري بتا با سابقه چند ساله در زمينه تحليل آماري در خدمت شما مي باشد.