اگر دو متغیر با هم مرتبط باشند ,یک متغیر را می توان بر مبنای متغیر دیگر پیش بینی کرد

در پیش بینی متغیرها,باید خط مستقیمی را ترسیم کرد ,به طوری که معرفه کلیه نقاط داده ها باشد,تا بتوان بر مبنای آن یک متغیر را بر اساس متغیر دیگر پیش بینی کرد

خط رگرسیون:خط مستقیمی در منحنی پراکندگی است که با کمترین فاصله از کلیه داده ها ترسیم می شود

برای رسم این خط از معادله رگرسیون استفاده می شود

Y=a+bX

a عرض از مبدا(نقطه ای که خط با محور Yها برخورد می کند را نشان می دهد

b ضریب زاویه (درجه شیب خط را تعیین می کند)

برای محاسبه شیب و عرض از مبدا ,به گونه ای که خط مذکور نزدیکترین فاصله را با کلیه نقاط داده در منحنی پراکندگی داشته باشد از فرمول های زیر استفاده می شود

برای تحلیل رگرسیون از نرم افزار spss مراحل زیر را طی کنید :

برای سایز بزرگتر تصویر کلیک کنید

وقتی معادله رگرسیون بدست آمد,آنگاه می توان خط رگرسیون را بر روی نمودار پراکندگی داده ها رسم کرد

خط رگرسیون از لحاظ دیداری به ما کمک می کند تا دریابیم نقاط داده ها چقدر به یکدیگر نزدیک یا دور هستند . یا به تعبیر دیگر ارتباط معنی داری بین دو متغیر مورد مطالعه وجود دارد یا خیر

داده ی پرت : نقطه ای است که کاملا از خط رگرسیون فاصله گرفته باشد . این نقطه نسبت به سایر نقاط تاثیر به سزایی بر روی معادله و خط رگرسیون دارد.

مثلا اگر میزانتعداد کارکنان و تعداد کامپیوترهای شخصی را در نظر بگیریم , در آن نقطه (پرت)به تعداد کارکنانش ,از تعداد کمی کامپیوتر شخصی برخوردار است  ..

اگر با چنبن داده ای روبرو شدیم باید بررسی کنیم که در گردآوری یا ورود اطلاعات اشتباهی رخ نداده باشد و باید رفع گردد ..

....................................

برای تعیین صحیح بودن برآورد از دو روش می توان استفاده کرد

1.محاسبه ی فاصله اطمینان 95 درصدی برای پیش بینی

2.ضریب تعیین

ضریب تعیین=مجذور ضریب همبستگی

ضریب تعیین به ما می گوید که نسبتی از تغییرپذیری متغیر Y را می توان به تغییر پذیری X نسبت داد

هر چه ضریب تعیین بزرگتر باشد,از طریق متغیر X بهتر می توان متغیر Y را پیش بینی کرد.از این رو,پیش بینی ما از صحت و دقت بیشتری برخوردار است

مثلا در یک مثال :

74 درصد از تغییر پذیری متغیر Y می توانند توسط تغییر پذیری در X تبیین شود و درصد باقی مانده 26 درصد از تغییرپذیری Y می تواند به عوامل دیگر نسبت داده شود

اگر بتوان تمام متغیرهای مستقل مرتبط با متغیر وابسته را در تجزیه و تحلیل های رگرسیون لحاظ کرد,انگاه ضریب تعیین یک (صددرصد)خواهد بود

....................................

شرایط لازم برای انجام تحلیل همبستگی و رگرسیون :

1. نمونه معرف جامعه باشد

2.هر دو متغیر مورد مطالعه در مقیاس فاصله ای یا نسبی اندازه گیری شده باشند

3.دو متغیر باید از توزیع نرمال برخوردار باشند

4.میان دو متغیر مورد مطالعه رابطه خطی باشد

برای بررسی روابط داده های نسبی و فاصله ای از همبستگی و رگرسیون استفاده می شود

رگرسیون (regression)با استفاده از ارتباط کمی میان دو متغیر و سپس پیش بینی یک متغیر مبتنی بر متغیر دیگر محاسبه می شود ..به عبارت ساده تر پیش بینی و بیان تغییرات یک متغیر بر اساس اطلاعات متغیر دیگر

مثال :

سن کودک ( متغیر اول )

اندازه بدن ( متغیر دوم )

هر چه سن کودک بالا می رود , اندازه بدن او نیز بیشتر می شود

درواقع از روی دو متغیر سن و اندازه بدن کودک میتوان اندازه لباس کودک را برآورد (پیش بینی ) کرد

حال ما با استفاده از معادله رگرسیون می توان به پیش بینی اندازه بدن کودک بر اساس سن کودک بپردازیم

همبستگی(correlation)

- شدت

- نوع

- معنی داری آماری

- ارتباط

میان متغیر ها را نشان می دهد

همبستگی یعنی تغییر در متغیر X چقدر بر روی تغییر متغیر Y تاثیر می گذارد

همبستگی مستقیم (+) : افزایش ارزش یک متغیر با افزایش ارزش متغیر دیگر

مثال: افزایش مجموعه کتابخانه باعث افزایش در میزان امانت دهی می شود

همبستگی غیر مستقیم(-):افزایش ارزش یک متغیر با کاهش ارزش متغیر دیگر

مثال:هر چه زمان بیشتری را به رانندگی بپردازیم,فاصله ی ما تا مقصد کاهش می یابد

همبستگی (0): میان دو متغیر هیچ ارتباطی وجود ندارد

مثال : اندازه قد و هوش

برای نمایش الگوی ارتباط میان داده ها از نمودار پراکندگی استفاده می شود:

نمودار بالا سیر صعودی دارد و شیب خط به سمت بالاست و همبستگی مستقیم و (+) است

نمودار بالا سیر نزولی دارد و شیب خط به سمت پایین است و همبستگی غیرمستقیم و (-) است

نمودار بالا , عدم وجود ارتباط میان دو متغیر ( همبستگی صفر )

ضریب همبستگی پیرسون

برای اندازه گیری شدت ارتباط میان داده های فاصله ای و نسبی از ضریب همبستگی پیرسون استفاده می شود

ضریب همبستگی پیرسون بین 1 تا -1 می تواند متغیر باشد

ضریب همبستگی 1 و -1 همبستگی کامل و صد در صد

هر چه مقادیر بدست آمده به صفر نزدیکتر باشد ارتباط بین دو متغیر ضعیف تر است

و هر چه مقادیر به 1 نزدیکتر باشند , ارتباط دو متغیر قوی تر است

همبستگی یک متغیر با خودش 1 یا صد در صد است

مثال :

همبستگی جامعیت و مانعیت = 0.89918-

همبستگی مانعیت با مانعیت=1

همبستگی جامعیت با جامعیت=1

علامت منفی به این معنی است که میان بازیافت و دقت رابطه ای منفی و غیر مستقیم وجود دارد

هر چه ارزش مطلق ضریب همبستگی پیرسون , در نمونه بیشتر باشد , ارتباط قوی تری میان متغیرها وجود دارد و به احتمال زیاد چنین ارتباطی در جامعه نیز وجود خواهد داشت

آزمون معنی داری ضریب همبستگی پیرسون:

به این معنی که میزان ضریب همبستگی چقدر باید باشد تا از وجود ارتباط معنی دار میان متغیر ها اطمینان حاصل کرد

- گام اول طرح فرضیه ها

فرض صفر : هیچ ارتباط معنی داری میان دو متغیر در جامعه وجود ندارد

فرض یک: ارتباط معنی داری بین دو متغیر در جامعه وجود دارد

-گام دوم :محاسبه ضریب همبستگی پیرسون

-گام سوم:محاسبه درجه آزادی df=N-2 و پیدا کردم مقدار بحرانی 0.05 از جدول صفحه 268

-گام چهارم مقایسه ضریب همبستگی با مقدار بحرانی

مثال:

ضریب همبستگی پیرسون=0.86

درجه آزادی=35

مقدار بحرانی (درجه آزادی35)برای 0.05 = 0.3246

ضریب همبستگی بزرگتر از مقدار بحرانی ست : پس فرض صفر رد می شود و میان متغیرها ارتباط معنی دار وجود دارد

.............................

ضریب همبستگی پیرسون=0.166

درجه آزادی=15

مقدار بحرانی (درجه آزادی15)برای 0.05 = 0.4821

ضریب همبستگی کوچکتر از مقدار بحرانی ست : پس قبول فرض صفر و ارتباط معنی داری میان دو متغیر وجود ندارد

مراحل را مثل شکل در نرم افزار دنبال کنید

تحلیل جدول توافقی

برای مشاهده تصویر بزرگتر کلیک نمایید

شرایط استفاده از آزمون مجذور کای :

نمونه باید تصادفی انتخاب شود

داده ها باید از نوع اسمی یا رتبه ای باشند

مدخل خانه ها باید از یکدیگر مستقل باشند

فراوانی های مورد انتظار به اندازه کافی بزرگ باشند

با تشکر فراوان از آقای مهرداد شبان

الگوی رابطه بین دو متغیر را می توان با مقایسه فراوانی های مشاهده شده و فراوانی های مورد انتظار تعیین کرد

نمره مجذور کای برای اندازه گیری اختلاف بین جدول مشاهده شده ها و جدول مورد انتظار به کار می رود

بررسی روابط داده های اسمی و رتبه ای آزمون مجذور کای

آزمون مجذور کای (آزمون آمار استنباطی) است

در آزمون مجذور کا ما دو جدول داریم :

جدول مشاهده شده ها (نشان دهنده داده های مشاهد شده )

جدول مورد انتظار (آنچه مورد انتظار ماست)

مثال :

جدول بالا جدول مشاهده شده هاست

هر یک از اعداد را fo می نامیم ..

مثال fo=60 ( تفسیر : فراوانی مشاهده شده برای جنس مونث و بیکار )

fo=30 (تفسیر : فراوانی مشاهده شده برای جنس مذکر و بیکار)

fo=40 (فراوانی مشاهده شده برای جنس مونث و شاغل)

fo=70 (فراوانی مشاهده شده برای جنس مذکر و شاغل)

 پرسش:آیا جنسیت با اشتغال رابطه دارد ؟

در بررسی پرسش در مورد اشتغال , مشاهده شده است که 60 زن بیکار بوده اند

در بررسی پرسش در مورد اشتغال, مشاهده شده است که 70 مرد شاغل بوده اند

fe فراوانی مورد انتظار است که از مجموع سطر ضربدر مجموع ستون تقسیم بر مجموع کل بدست می آید

در مثال بالا :

جدول مورد انتظار

فرآیند آزمون مجذور کای

1)فرض صفر:بین دو متغیر مورد مطالعه رابطه ای وجود ندارد

2)فرض یک : دو متغیر مرتبط هستند

3)محاسبه نمره مجذور کای

4)تعیین احتمال درست بودن فرض صفر بر اساس آماره آزمون

5)رد فرض صفر و برقرار بودن رابطه

هر گاه بخواهیم به مقایسه داده های دو توزیع مختلف (دو عضو از دو جامعه مختلف) یا داده های دو متغیر متفاوت بپرداریم (دو متغیر مختلف از یک جامعه),باید داده های اصلی(خام) را به نمره z تبدیل کنیم

میانگین استفاده چینیان از اینترنت 2 ساعت در هفته است , میانگین استفاده چان 3 ساعت است , انحراف معیار اینترنت هم 1 ساعت است

پس z=3-2/1=1

میانگین استفاده فرانسوی ها 5 ساعت در هفته است , میانگین استفاده جری 4 ساعت است و انحراف معیار هم 1 ساعت است

پس z=4-5/1=-1

اعداد نشان می دهند که چان بیشتر از جامعه ی خود و جری کمتر از جامعه خود اینترنت استفاده می کند

برای محاسبه احتمال دقیقتر نمرات z از جدول توزیع نرمال معیار استفاده می کنیم ص265 کتاب

هنگامی که محقق بخواهد میانگین یک نمونه را با میانگین فرضی جامعه مقایسه کند ,باید از این آزمون استفاده نماید

این آزمون برای داده های نسبی و فاصله ای با توزیع نرمال به کار می رود

گام های فرض آزمایی :

گام اول:طرح فرضیه

گام دوم:محاسبه آماری آزمون

گام سوم:تعیین صحت فرض صفر

گام چهارم:انطباق P-Value با مقدار آلفا (0.05)

👈فرض صفر : آزمون معنی دار نیست

👈فرض یک : آزمون معنی دار است

P-Value اگر کوچکتر و مساوی 0.05 باشد ,آزمون معنی دار است و فرض صفر رد و فرض یک پذیرفته میشود

P-Value اگر بزرگتر از 0.05 باشد ,آزمون معنی دار نیست و فرض صفر پذیرفته و فرض یک رد می شود

👈برای محاسبه آزمون t در نرم افزار Spss مراحل زیر را انجام دهید

آمار در کتابداری و اطلاع رسانی سطح و فاصله اطمینان

پارامتر و آماره(در زمینه آمار استنباطی مورد استفاده قرار می گیرند)

👈👈شاخص های گرایش مرکز ( میانگین,انحراف معیار,نما) و شاخص های پراکندگی

(انحراف معیار,واریانس,دامنه میان چارکی) در آمار توصیفی مورد استفاده قرار می گیرند

هدف آمار استنباطی,برآورد ویژگی ها و خصوصیات جامعه بر مبنای نمونه است

آماره :statistic به هرگونه داده ای اطلاق می شود که از طریق اندازه گیری نمونه sampleبدست آمده باشد

پارامتر: populationبه هر داده که از طریق اندازه گیری کلیه جامعه صورت گیرد

با آماره برآورد پارامتر می کنیم

👈👈کلیک روی ادامه مطلب

آمار در کتابداری و اطلاع رسانی آزمون کولموگروف-اسمیرنوف

پس از بررسی عادی یا نرمال بودن کشیدگی و یا چولگی توزیع داده‌ها، از آزمون کولموگروف-اسمیرنوف استفاده می شود تا از نرمال بودن داده‌ها اطمینان حاصل گردد.

هنگام بررسی نرمال بودن داده‌ها ما فرض صفر مبتنی بر اینکه توزیع داده‌ها نرمال است را در سطح خطای 5% تست می‌کنیم.

بنابراین اگر آماره آزمون بزرگتر 0.05 بدست آید، در این صورت دلیلی برای رد فرض صفر مبتنی بر اینکه داده نرمال است، وجود نخواهد داشت. به عبارت دیگر توزیع داده‌ها نرمال خواهد بود.

برای آزمون نرمالیته فرض‌های آماری به صورت زیر تنظیم می‌شود:

فرض صفر : توزیع داده‌های مربوط به هر یک از متغیرها نرمال است

فرض یک : توزیع داده‌های مربوط به هر یک از متغیرها نرمال نیست

👈👈👈👈ادامه مطلب کلیک کنید

آمار در کتابداری و اطلاع رسانی انواع توزیع فراوانی کشیدگی

تعریف کشیدگی یا Kurtosis :توصیف کنندهٔ میزان قله‌ای بودن و مسطح بودن یک توزیع است

آمار در کتابداری و اطلاع رسانی کار با منوی Analyze

میخواهیم دیتاهای آماده رو وارد spss کنیم

بر روی OPEN کلیک تا متغیرها و داده ها روی صفحه ی اصلی نمایش داده شوند

خب برای کار با منوی ANALYZE روی ادامه مطلب کلیک کنید

آمار در کتابداری و اطلاع رسانی کار با SPSS

نمونه رو میزارم و با هم در SPSS وارد می کنیم

1) نام و نام خانوادگی

2)گروه آموزشی

3)دانشکده

4)گروه علمی                  

علوم انسانی            علوم پایه             فنی-مهندسی             کشاورزی

5)نگرش در خصوص فضای مجازی                      

بسیار عالی            عالی       متوسط      ضعیف        بسیار ضعیف

6)تعداد منابع دیجیتال موجود در فضای اطلاعات شخصی

7)میانگین معدل دانشجو ( میانگین کمتر از 12 در محاسبات لحاظ نشود )

8)تاریخ تولد (روز روز /ماه ماه/سال سال)

9)دانشجوی نیمسال

10)دانشجوی مقطع

کارشناسی        کارشناسی ارشد         دکتری

11)سن

12)ایمیل

برای آموزش تحلیل متغیرها روی ادامه مطلب کلیک کنید

نمودار ها و آشنایی با نرم افزار SPSS

دلایل استفاده از نمودارها : برای مشاهده ی خصوصیات داده ها

معمولا تصاویر ارزشی برابر با 25 صفحه و یک هزار واژه را دارند , تصویر هم پیام داده ها را به شکلی موثر انتقال

می دهد و هم درک ساده و تاثیری فوری دارد

انواع نمودارها : معمولا در آمار از دو نمودار میله ای و دایره ای استفاده میشود ,

برای توزیع فراوانی یک گروه از داده ها از نمودار میله ای هیستوگرام استفاده می شود)

....چگونگی توزیع داده ها و خصوصیات آنها را توضیح میدهد

👈نکته مهم در مورد نمودار میله ای هیستوگرام این است که شامل فقط یک متغیر است

👈برای دو متغیر از نمودار خطی استفاده میشود

آشنایی با نرم افزار SPSS

این نرم افزار , یک نرم افزار صفحه گستر است , یعنی از تعدادی جدول تشکیل شده که قابلیت انجام محاسبات

ریاضی را دارند

دانلود نرم افزار spss برای سیستم 32 بیتی

دانلود نرم افزار spss  برای سیستم 64 بیتی

راهنمای نصب نرم افزار spss 22

(منبع:شرکت آماری اطمینان شرق )

در مورد توضیحات مقدماتی نرم افزار روی ادامه مطلب کلیک کنید

طبقه بندی و تشخیص انواع داده ها

دلایل طبقه بندی داده ها :

1) چگونگی به رمز در آوردن داده ها برای تحلیل های آماری

2)انتخاب و اجرای روش های تجزیه و تحلیل داده ها

داده ها دو دسته اند : داده های کمی ( فاصله ای و نسبی ) - داده های کیفی ( اسمی و رتبه ای )

👈👈ادامه بحث , با کلیک روی دکمه ادامه مطلب