جهت مشاهده پروفایل ResearchGate بر روی تصویر کلیک کنید.
درباره ابوالفضل قودجانی
در رده پنج درصد پژوهشگران برتر
دارای RI Score = 1022
رتبه 1 آزمون دکترا آمار کشور
نویسنده کتاب نامزد سال ایران
جدیدترین مقالات و نوشته‌ها
در این مقاله قصد داریم با استفاده از منوی مدل‌های خطی تعمیم یافته Generalized Linear Models (GLM) به بیان با استفاده از مدل رگرسیون پواسن، بپردازیم. رگرسیون پواسن را می‌توانیم با استفاده از مسیر معادلات براوردکننده تعمیم یافته Generalized Estimating Equations (GEE) نیز انجام دهیم. این مسیر در نرم‌افزار SPSS به ما قابلیت‌های زیادی جهت انجام تحلیل پواسن ارایه می‌دهد.
من در این مقاله به بیان انواع مدل‌های خطی تعمیم یافته موجود در نرم افزار SPSS پرداختم. مدل‌های رگرسیون خطی، گاما، پواسن، لجستیک ترتیبی و باینری، پروبیت، دوجمله‌ای منفی، بقا و آمیخته Tweedie همراه با توابع پیوند Link function مورد بررسی قرار گرفت.
ما در این مقاله به بیان تحلیل‌های آزمون مقایسه Independent Samples T Test با استفاده از نرم افزار جاموی (Jamovi) پرداختیم. نحوه به دست آوردن خروجی‌های نرم‌افزار و تنظیمات موجود در تحلیل تی نمونه های مستقل بررسی شد.
ما در این مقاله به بیان تحلیل‌های آزمون مقایسه Paired Samples T Test با استفاده از نرم افزار جاموی (Jamovi) پرداختیم. نحوه به دست آوردن خروجی‌های نرم‌افزار و تنظیمات موجود در تحلیل تی نمونه های جفتی وابسته بررسی شد.
ما در این مقاله به بیان تحلیل‌های آزمون مقایسه One Sample T Test با استفاده از نرم افزار جاموی (Jamovi) پرداختیم. نحوه به دست آوردن خروجی‌های نرم‌افزار و تنظیمات موجود در تحلیل تی استیودنت یک نمونه‌ای بررسی شد.
موضوعی که می‌خواهم به آن اشاره کنم، مدل‌های آمیخته یا Mixed Models است. این مدل‌ها از ترکیب مدل با اثر ثابت و مدل با اثر تصادفی به دست می‌آیند. من در این مقاله قصد دارم به این موضوع و نحوه‌ی به دست آوردن نتایج آن با استفاده از نرم‌افزار SPSS بپردازم. مدل خطی آمیخته، انعطاف‌پذیری مدل‌سازی نه فقط بر مبنای میانگین دادهها، بلکه بر مبنای واریانس و کوواریانس‌های آنها را نیز فراهم می‌کند. در واقع باید بیان کرد که فهم مدل‌های آمیخته کمی پیچیده‌تر از سایر مدل‌های خطی آماری مانند آنالیز واریانس و یا کوواریانس است و نیاز به دانستن برخی مقدمات و تئوری‌های آماری دارد.
هنگامی که از یک مدل آنالیز واریانس و یا کوواریانس با اثرات تصادفی Random Effects و یا یک مدل آمیخته Mixed Model استفاده می‌کنیم، با مفهومی به نام مولفه‌های واریانس که به آن Variance Components گفته می‌شود، روبه‌رو می‌شویم. من در این مقاله قصد دارم به این موضوع و نحوه‌ی به دست آوردن نتایج آن با استفاده از نرم‌افزار SPSS بپردازم.
ما عادت کرده‌ایم که از نام آنالیز واریانس دارای اثرات ثابت، با عنوان کلی آنالیز واریانس (یک طرفه یا چند طرفه، فرقی ندارد) یاد کنیم. با این حال من در این مقاله می‌خواهم به موضوع آنالیز واریانس در یک مدل شامل اثرات تصادفی بپردازم.
ما در این مقاله به رسم نمودارهای پراکنش با استفاده از نرم افزار جاموی (Jamovi) پرداختیم. با استفاده از این نرم‌افزار علاوه بر رسم Scatter Plot می‌توانیم خطوط رگرسیونی، هموار شده و نمودارهای چگالی و جعبه‌ای حاشیه‌ای را هم به دست آوریم.
ما در این مقاله به تعریف و رسم نمودارهای پارتو Pareto Chart با استفاده از نرم افزار جاموی (Jamovi) پرداختیم. همچنین گراف پارتو وزن دار (Weighted Pareto Chart) نیز مورد بررسی قرار گرفت.
ما در این مقاله به بیان تحلیل‌های توصیفی با استفاده از نرم افزار جاموی (Jamovi) پرداختیم. یافتن انواع آماره‌های توصیفی همراه با رسم نمودار و گراف‌های مرتبط در این مقاله بررسی شده است.
ما در این مقاله به بیان مقدمات، آشنایی و شروع کار با نرم افزار جاموی (Jamovi) پرداختیم. منوها، تب‌ها، گزینه‌ها و آیکون‌های مختلف این نرم‌افزار مورد بررسی قرار گرفت. آشنایی و شروع به کار با این نرم‌افزار جهت آغاز فرایند تحلیل و آنالیز لازم و ضروری به نظر می‌رسد.
من در این مقاله به بیان Impute Missing Data Values در جانهی چندگانه (Multiple Imputation) که در آنالیز داده‌های گمشده Missing Value استفاده می‌شود، پرداخته‌ام.
من در این مقاله به بیان دلایل مختصر چرایی کار با نرم افزار Jamovi پرداختم. محیط کاربری آسان و جذاب، جدید بودن ایده کار با این نرم‌افزار در ایران، گسترده بودن انواع تحلیل‌های آماری قابل انجام با این نرم‌افزار، نصب افزونه‌های تحلیل آماری و Open Source بودن جاموی از دلایل اصلی شروع به کار، یادگیری و آموزش نرم‌افزار جاموی می‌باشد.
من در این مقاله به بیان تحلیل الگوها Analyze Patterns در جانهی چندگانه (Multiple Imputation) که در آنالیز داده‌های گمشده Missing Value استفاده می‌شود، پرداخته‌ام.
ما در این مقاله به بررسی انجام آزمون روند خطی Test for Linear Trend در نرم‌افزار GraphPad Prism پرداختیم.
در این مقاله به بررسی انجام تکنیک‌های تفاضل گیری Differences و تاخیر Lag در تحلیل‌های سری زمانی با استفاده از نرم‌افزار Minitab پرداختیم.
در این مقاله به مدل سری زمانی Winters’ Method با استفاده از نرم افزار Minitab پرداختیم. بیان جداول و خروجی‌های نرم‌افزار به همراه گراف‌های به دست آمده در این مقاله توضیح داده شد.
ما در این مقاله به مفهوم هموارسازی نمایی دوگانه Double Exponential Smoothing با استفاده از نرم افزار Minitab پرداختیم. بیان جداول و خروجی‌های نرم‌افزار به همراه گراف‌های به دست آمده در این مقاله توضیح داده شد.
ما در این مقاله به مفهوم هموارسازی نمایی منفرد Single Exponential Smoothing با استفاده از نرم افزار Minitab پرداختیم. بیان جداول و خروجی‌های نرم‌افزار به همراه گراف‌های به دست آمده در این مقاله توضیح داده شد.
ما در این مقاله به مفهوم میانگین متحرک Moving Average با استفاده از نرم افزار Minitab پرداختیم. بیان جداول و خروجی‌های نرم‌افزار به همراه گراف‌های به دست آمده در این مقاله توضیح داده شد.
از Decomposition برای جداسازی یک سری زمانی به اجزای روند خطی Linear Trend، فصلی Seasonal و خطا Error استفاده می‌کنیم. هنگامی که با استفاده از نرم‌افزار Minitab به تحلیل Decomposition می‌پردازیم، می‌توانیم انتخاب کنیم که مولفه فصلی Seasonal Component با روند افزایشی یا ضربی باشد. از این تحلیل برای ایجاد پیش‌بینی و ارزیابی مولفه‌ها هنگامی که دادهها دارای یک مولفه فصلی هستند، استفاده می‌کنیم.
از آنالیز روند به منظور تطبیق یک مدل روند با داده‌های سری زمانی و ارایه پیش‌بینی ها استفاده می‌کنیم. هنگامی که از نرم‌افزار Minitab استفاده می‌کنیم، می‌توانیم بین مدل‌های خطی linear، درجه دوم quadratic، رشد نمایی exponential growth و مدل‌های روند منحنی S (S-curve) یکی را انتخاب کنیم. هنگامی که داده‌های شما روند تقریباً ثابتی دارند، از این روش برای برازش مدل بر دادهها استفاده کنید.
در این مقاله درباره رسم نمودارهای سری زمانی با استفاده از نرم‌افزار Minitab صحبت کردیم. این گراف‌ها شامل Multiple ،With Groups ،Simple و Multiple with Groups می‌باشد.
آزمون فریدمن جایگزین ناپارامتری برای آنالیز واریانس یک طرفه با اندازه‌گیری های مکرر One-way ANOVA with Repeated Measures است هنگامی که کمیت وابسته اندازه‌گیری شده ترتیبی Ordinal باشد. از آزمون فریدمن می‌توان در داده‌های پیوسته استفاده کرد وقتی که پیش فرض‌های لازم برای انجام تحلیل Repeated Measure برقرار نباشد
ضریب تطابق کندال معیاری است که از رتبه‌ها برای ارزیابی توافق بین افراد استفاده می‌کند (کندال و بابینگتون اسمیت 1939). هدف از کاربرد کندال W تعیین میزان توافق بین ارزیابان مختلف است. ضریب تطابق کندال (W) عددی بین 0 تا 1 است. عدد یک به معنای وجود توافق کامل بین ارزیابان و عدد صفر بیانگر عدم تطابق بین آنها می‌باشد.
آزمون ناپارامتری همگنی حاشیه ای Marginal Homogeneity Test را می‌توان در ادامه همان آزمون‌های مک نمار و کوکران تعریف کرد. این آزمون هنگامی مورد استفاده قرار می‌گیرد که کمیت وابسته به جای دوگانه بودن (یعنی همانند آنچه در آزمون مک نمار وجود دارد) به صورت پاسخ چند جمله ای Multinomial Response بیان می‌شود. با این حال کمیت مستقل آن همانند آزمون مک نمار به صورت دو گروه یا دو زمان به هم مرتبط، تعریف می‌شود.
ما در این مقاله به موضوع آزمون ناپارامتری رتبه علامت دار ویلکاکسون Wilcoxon Signed-Rank Test با استفاده از نرم افزار SPSS پرداختیم. نحوه ورود دادهها به نرم‌افزار، مسیرهای جداگانه انجام آزمون، به دست آوردن نتایج و خروجی‌های آزمون ویلکاکسون، در این مقاله توضیح داده شده است.
آزمون ناپارامتری کوکران برای تعیین اینکه آیا در یک کمیت وابسته دوگانه بین سه یا چند گروه مرتبط تفاوتی وجود دارد یا خیر استفاده می‌شود. این آزمون را می‌توان مشابه آنالیز واریانس اندازه‌گیری مکرر یک طرفه one-way repeated measures ANOVA در نظر گرفت، در حالی که کمیت وابسته آن به جای پیوسته، دوگانه Dichotomous است.
ما در این مقاله به موضوع آزمون ناپارامتری Jonckheere-Terpstra با استفاده از نرم افزار SPSS پرداختیم. نحوه ورود دادهها به نرم‌افزار، مسیرهای جداگانه انجام آزمون، به دست آوردن نتایج و خروجی‌های این آزمون، در این مقاله توضیح داده شده است.
ما در این مقاله به موضوع آزمون ناپارامتری کروسکال والیس Kruskal-Wallis H Test با استفاده از نرم افزار SPSS پرداختیم. نحوه ورود دادهها به نرم‌افزار، مسیرهای جداگانه انجام آزمون، به دست آوردن نتایج و خروجی‌های آزمون کروسکال والیس، در این مقاله توضیح داده شده است.
در این مقاله به موضوع آزمون ناپارامتری من ویتنی Mann-Whitnety U Test با استفاده از نرم افزار SPSS پرداختیم. نحوه ورود دادهها به نرم‌افزار، مسیرهای جداگانه انجام آزمون، به دست آوردن نتایج و خروجی‌های آزمون من ویتنی، در این مقاله توضیح داده شده است.
ما در این مقاله به موضوع تنظیمات رسم نمودارها و گراف‌ها در مدل رگرسیون کاکس Cox Proportional Hazards Regression پرداختیم. این کار را با استفاده از نرم‌افزار پریسم انجام می‌دهیم.
ما در این مقاله به بررسی مدل رگرسیون خطرات متناسب کاکس Cox Proportional Hazards Regression که یکی از انواع تحلیل‌های آنالیز بقا می‌باشند، با استفاده از نرم‌افزار Prism پرداختیم. در این مقاله به نحوه ورود دادهها به نرم‌افزار، بیان مثال، تنظیمات، تب‌ها و گزینه‌های مختلف موجود در نرم‌افزار جهت اجرای رگرسیون کاکس، اشاره کردیم.
در این مقاله به موضوع باقیمانده‌ها در مدل رگرسیون کاکس Cox Proportional Hazards Regression پرداختیم. این کار را با استفاده از نرم‌افزار پریسم انجام می‌دهیم.
من در این مقاله به بیان تحلیل کاپلان مایر Kaplan-Meier آنالیز بقا با نرم‌افزار Prism پرداختم. استفاده از نرم‌افزار، ورود دادهها، رسم نمودار و گراف، به دست آوردن نتایج و خروجی‌های نرم‌افزار، همراه با بیان مثال در این مقاله توضیح داده شده است.
ما در این مقاله به بیان مفهوم میانه زمان بقا Median Survival Time پرداختیم. این کار را با استفاده از نرم‌افزار Prism انجام دادیم.
ما در این مقاله به بیان مفهوم نسبت خطر Hazard Ratio پرداختیم. همچنین روش‌های Logrank و Mantel-Haenszel که در نرم‌افزار Prism جهت براورد نسبت بخت از آنها استفاده می‌شود، بیان شد.
ما در این مقاله به بیان داده‌های سانسور شده Censored Data در آنالیز بقا Survival Analysis پرداختیم. مثال و تعریف داده های سانسور شده همراه با انواع روش‌های آنالیز بقا، در این نوشته بیان شده است.
ما در این مقاله به بیان مقدمات و مفاهیم اصلی آنالیز بقا Survival Analysis پرداختیم. منحنی بقا Survival Curve و هدف از انجام آنالیز بقا از دیگر موارد مورد اشاره بوده است. بیان شباهت‌ها و تفاوت‌‌های بین آنالیز بقا و رگرسیون چندگانه نیز در این مقاله بیان شده است.
در این مقاله به موضوع رگرسیون مولفه های اصلی (PCR) Principal Component Regression در نرم‌افزار GraphPad Prism پرداختیم. جداول و نمودارهای به دست آمده را بیان کرده و هر یک را توضیح دادیم.
ما در این مقاله به بیان آزمون‌های ANOVA Welch و Brown-Forsythe هنگامی که فرضیه همگن بودن واریانس کمیت وابسته در گروه‌های مختلف کمیت مستقل تایید نمی‌شود، پرداختیم. این کار با استفاده از نرم‌افزار SPSS انجام شده است.
ما در این مقاله به بیان پیش‌فرض‌های مختلف انجام آنالیز واریانس پرداختیم. در واقع ارایه آنالیز واریانس، نیاز به برقراری و تایید تعدادی پیش‌فرض در دادهها دارد. هنگامی که تصمیم می‌گیریم داده‌های خود را با استفاده از ANOVA تحلیل کنیم، باید مطمئن شویم که دادهها واقعاً می‌توانند با استفاده از آنالیز واریانس تحلیل شوند و از 6 پیش فرضی که جهت ارایه یک نتیجه معتبر لازم است، تایید می‌گیرند.
در این مقاله به مفهوم و تعریف رگرسیون حداقل مربعات جزئی Partial Least Squares Regression (PLS) با نرم‌افزار SPSS اشاره کردیم. همچنین به بیان خروجی‌ها و نتایج نرم‌افزار SPSS شامل جداول و گراف‌های تحلیل رگرسیون حداقل مربعات جزئی پرداختیم.
در این مقاله به مفهوم و تعریف رگرسیون حداقل مربعات معمولی Ordinary Least Squares regression (OLS) اشاره کردیم. فرمول‌ها و براورد پارامترها، پیش‌فرض‌های رگرسیون OLS، محدودیت‌ها و مزایای این روش صحبت کردیم.
در این مقاله درباره رسم انواع جداول آماری با استفاده از نرم‌افزار SPSS و به حالت‌های مختلف صحبت کردیم. جداول می‌تواند به صورت بیان فراوانی و درصد و یا آماره‌های توصیفی مانند میانگین و انحراف معیار به ازای یک Variable یا چند Variable باشد.
در این مقاله درباره رسم انواع نمودارهای دو محوری Dual Axes Chart با استفاده از نرم‌افزار SPSS و به حالت‌های مختلف صحبت کردیم.
در این مقاله درباره رسم انواع نمودارهای بالا-پایین High-Low Chart با استفاده از نرم‌افزار SPSS و به حالت‌های مختلف صحبت کردیم. این گراف‌ها شامل High-Low-Close ،Simple Range Bar ،Clustered Range Bar و Differenced Area می‌باشد.
در این مقاله درباره رسم انواع هیستوگرام Histogram با استفاده از نرم‌افزار SPSS و به حالت‌های مختلف مانند Simple و Stacked همراه با Frequency Polygon و Population Pyramid صحبت کردیم.
در مطالعات و موضوعات مرتبط با تحلیل‌های فراوانی که به دنبال بررسی تعداد و شمارش افراد و موردها هستیم، از نمودارهای دایره‌ای که به آنها Pie Chart گفته می‌شود، استفاده می‌کنیم. با استفاده از این گراف‌ها می‌توانیم فراوانی و تعداد افراد در گروه‌های مختلف را با یکدیگر مقایسه کنیم.
در این مقاله درباره رسم انواع نمودارهای سطح Area Chart با استفاده از نرم‌افزار SPSS و به حالت‌های مختلف صحبت کردیم. همان‌گونه که بیان کردیم ما از نمودارهای سطح به منظور بررسی آماره‌های توصیفی یک Variable در بین یک یا چند Variable گروه‌بندی شده استفاده می‌کنیم. نمودار سطح همچون نمودارهای میله‌ای و خطی به منظور نمایش فراوانی هر یک از مجموعه دادهها و مشاهدات به کار می‌رود. استفاده از این نمودار معمولاً برای کمیت‌های گسسته توصیه می‌شود با این حال می‌توان از نمودار سطح برای بیان فراوانی و تعداد در کمیت‌های اسمی نیز استفاده کرد.
در این مقاله درباره رسم انواع نمودارهای خطی Line Chart با استفاده از نرم‌افزار SPSS و به حالت‌های مختلف صحبت کردیم. همان‌گونه که بیان کردیم ما از نمودارهای خطی به منظور بررسی آماره‌های توصیفی یک Variable در بین یک یا چند Variable گروه‌بندی شده استفاده می‌کنیم.
در این مقاله درباره رسم انواع نمودارهای میله‌ای Bar Chart با استفاده از نرم‌افزار SPSS و به حالت‌های مختلف صحبت کردیم. همان‌گونه که بیان کردیم ما از نمودارهای میله‌ای به منظور بررسی فراوانی یک کمیت و همچنین چگونگی ارتباط بین چند کمیت اسمی و رتبه‌ای استفاده می‌کنیم.
در این مقاله به موضوع نمودار چندک Quantile – Quantile Plot که به آن Q-Q Plot نیز گفته می‌شود و نحوه رسم آنها بر روی مجموعه‌ای از دادهها پرداختیم. این کار را با استفاده از نرم‌افزار SPSS انجام دادیم. هدف ما در این مقاله بررسی وجود یک توزیع آماری خاص بر روی فایل دیتا، با استفاده از گراف‌های آماری می‌باشد.
در این مقاله به موضوع نمودار احتمال Probability Plot و نحوه رسم آنها بر روی مجموعه‌ای از دادهها پرداختیم. این کار را با استفاده از نرم‌افزار SPSS انجام دادیم. هدف ما در این مقاله بررسی وجود یک توزیع آماری خاص بر روی فایل دیتا، با استفاده از گراف‌های آماری می‌باشد.
در این مقاله به آماره‌های نسبت Ratio Statistics با استفاده از منوی Descriptive Statistics در نرم‌افزار SPSS پرداختیم. معرفی آماره‌های Central Tendency مانند میانگین، میانه و آماره‌های پراکندگی Dispersion مانند AAِD، COD، COV، PRD و PRB در این مقاله انجام شده است.
مفهومی به نام مجموعه‌های پاسخ چندگانه و تعریف آنها یک تکنیک و روش کار با دادهها در نرم‌افزار SPSS است که با استفاده از آن می‌توانیم تعداد زیادی ستون و Variable را در یک ستون تجمیع و متمرکز کنیم و به جای کار با آن ستون‌ها، فقط با همین یک Variable کار کنیم.
در این مقاله به بیان تعریف و انجام تحلیل فراوانی مجموع دستیابی بدون تکرار TURF Analysis که به آن Total Unduplicated Reach Frequency گفته می‌شود، پرداختیم. این کار با استفاده از نرم‌افزار SPSS انجام شده است. بیان و توضیح جداول و گراف به دست آمده در تحلیل TURF از جمله موارد مورد بحث در این مقاله بوده است.
در این متن درباره انجام تحلیل‌های توصیفی و به دست آوردن آماره‌های توصیفی و رسم نمودارهای آماری، با استفاده از نرم‌افزار SPSS و گزینه Explore صحبت کردیم.
در این متن درباره انجام تحلیل‌های توصیفی و به دست آوردن آماره‌های توصیفی، جداول فراوانی و رسم نمودارهای آماری، با استفاده از نرم‌افزار SPSS صحبت کردیم.
در این مقاله به بیان پیش‌فرض‌های آنالیز رگرسیون خطی پرداختیم. در واقع انجام تحلیل رگرسیون، نیاز به برقراری و تایید تعدادی پیش‌فرض در دادهها دارد، که باید مطمئن شویم دادهها واقعاً می‌توانند با استفاده از آنالیز رگرسیونی تحلیل شوند و از 7 پیش فرضی که جهت ارایه یک نتیجه معتبر لازم است، تایید می‌گیرند.
در این مقاله به براورد مدل رگرسیون پروبیت باینری Binary Probit Regression با استفاده از مسیر Generalized Linear Models در نرم‌افزار SPSS پرداختیم.
در این مقاله به بیان و کاربرد مدل رگرسیون چندک Quantile Regression پرداختیم. براورد پارامترهای مدل، جداول آماری و گراف‌های به دست آمده در نرم‌افزار نیز در این مقاله توضیح داده شده است.
در این مقاله به براورد مدل رگرسیون پروبیت Probit Regression پرداختیم. براورد پارامترهای مدل و به ویژه X50 موضوع مورد علاقه ما بوده است.
در این مقاله به براورد مدل رگرسیون پروبیت Probit Regression پرداختیم. براورد پارامترهای مدل و به ویژه LD50 موضوع مورد علاقه ما بوده است.
در این مقاله به موضوع طراحی مدل رگرسیون لجستیک ترتیبی Ordinal Logistic Regression در نرم‌افزار SPSS پرداختیم. این کار با استفاده از بیان مثال و انجام تحلیل بر روی آن، نوشته شد. براورد پارامترهای رگرسیونی، معیارهای نیکویی برازش Goodness of fit و تنظیمات نرم‌افزار، مورد بررسی قرار گرفت.
نکته‌ای که من در این مقاله به دنبال بیان آن هستم این است که در هنگام مقایسه میانگین نمونه در دو گروه، واریانس گروه‌ها با هم برابر نباشند. می‌دانیم که به این مطالعه Independent-Samples T Test گفته می‌شود، با این حال نام بهتر این آزمون‌ها هنگامی که با فرض عدم برابری واریانس‌ها روبه‌رو هستیم، Welch’s t-test است.
تقریباً با اطمینان می‌توان گفت، آنچه در پالایش می‌گذرد، مدل رگرسیون از نوع خطی ساده Simple Linear Regression است که به سادگی می‌توان آن را به دست آورد.
با استفاده از مدل های رگرسیونی Regression Model و کاربرد انواع نرم افزارهای آماری می‌توانیم به پیش‌بینی های خوبی در براورد قیمت آینده سهام بپردازیم. در این ویدئو به آموزش طراحی یک مدل رگرسیونی برای صندوق دارا یکم پرداخته شده است. ابزار کار ما نرم افزار Minitab می‌باشد.
در این مقاله به موضوع طراحی مدل رگرسیون لجستیک چند جمله ای Multinomial Logistic Regression در نرم‌افزار SPSS پرداختیم. این کار با استفاده از بیان مثال و انجام تحلیل بر روی آن، نوشته شد. براورد پارامترهای رگرسیونی، مفاهیم نسبت بخت Odds Ration، معیارهای نیکویی برازش Goodness of fit، نتایج Classification Table و تنظیمات نرم‌افزار، مورد بررسی قرار گرفت.
در این مقاله به موضوع طراحی رگرسیون لجستیک باینری Binary Logistic Regression در نرم‌افزار SPSS پرداختیم. این کار با استفاده از بیان مثال و انجام تحلیل BLR بر روی آن، نوشته شد. براورد پارامترهای رگرسیونی، مفاهیم نسبت بخت Odds Ration، نتایج Classification Table و تنظیمات نرم‌افزار، مورد بررسی قرار گرفت.
در این مقاله به موضوع همبستگی بخشی Part Correlation و یا نیمه جزئی Semi-Partial Correlation اشاره کردیم. نتایج با استفاده از نرم‌افزار SPSS و در یک تحلیل رگرسیونی به دست آمده است.
در این مقاله به موضوع انتخاب کمیت Selection Variable در یک مدل رگرسیون خطی با استفاده از نرم افزار SPSS پرداختیم
در این مقاله به موضوع انتخاب روش‌های ورود کمیت‌های مستقل به مدل رگرسیونی، پرداختیم. این روش‌ها عبارت بودند از Stepwise، Remove، Enter، Backward و Forward. در هر کدام به توضیج نتایج نرم‌افزار و خروجی‌های آن نیز اشاره کردیم.
در این مقاله به موضوع نمودارهای رگرسیون جزئی (Partial Regression Plots) و نحوه رسم آنها پرداختیم. این کار را با استفاده از نرم‌افزار SPSS و مدل‌های رگرسیون خطی انجام دادیم.
در این مقاله به موضوع نمودار احتمال نرمال Normal Probability Plot و نحوه رسم آنها پرداختیم. این کار را با استفاده از نرم‌افزار SPSS و مدل‌های رگرسیون خطی انجام دادیم.
در این مقاله به موضوع هم خطی (Collinearity) و تشخیص آن با استفاده از آماره‌هایی مانند Tolerance و فاکتور تورم واریانس Variance Inflation Factor (VIF) پرداختیم. این کار را با استفاده از نرم‌افزار SPSS و مدل‌های رگرسیون خطی انجام دادیم.
در این مقاله به موضوع طراحی مدل رگرسیون خطی Linear Regression با استفاده از نرم‌افزار SPSS پرداختیم. بیان مطالبی مانند آماره‌های مورد استفاده، گراف‌ها و نمودارها، براورد پارامترها و بررسی معیارهای مناسب بودن مدل به دست امده، در این مقاله مورد بررسی قرار گرفت. نحوه تنظیمات نرم‌آفزار SPSS و انتخاب گزینه‌های مهم و پرکاربرد، همراه با توضیح و تفسیر نتایج و خروجی‌های به دست آمده، از دیگر موضوعات مورد بحث در این متن بود.
در این مقاله به موضوع اندازه اثر Effect Size در طرح‌های رگرسیونی پرداختیم. یافتن اندازه اثر بر مبنای روش Cohen’s d گزارش می‌شود. همچنین به بیان محدوده‌های مختلف عدد براورد شده برای Effect Size اشاره کردیم. این مقاله با استفاده از نرم‌افزار SPSS به محاسبه اندازه اثر می‌پردازد.
در این مقاله به موضوع تحلیل توان Power Analysis در طرح رگرسیون خطی Linear Regression پرداخته شده است. رسم انواع منحنی‌های توان در برابر اندازه اثر Effect Size و اندازه نمونه Sample Size نیز بیان شده است. براورد اندازه نمونه با استفاده از اعداد دلخواه توان، از دیگر موارد پرداخته شده در این مقاله می‌باشد.
در این مقاله به موضوع تحلیل توان Power Analysis در طرح همبستگی جزئی Partial correlation پرداخته شده است. رسم انواع منحنی‌های توان در برابر اندازه اثر Effect Size و اندازه نمونه Sample Size نیز بیان شده است. براورد اندازه نمونه با استفاده از اعداد دلخواه توان، از دیگر موارد پرداخته شده در این مقاله می‌باشد.
در این متن درباره ضریب همبستگی جزئی Partial Correlation Coefficient صحبت کردیم. نحوه انجام و به دست آوردن این نوع از ضرایب همبستگی در نرم‌افزار SPSS را بیان کرده و درباره معناداری آن توضیح دادیم.
در این مقاله به موضوع تحلیل توان Power Analysis در طرح همبستگی اسپیرمن Spearman rank-order correlation coefficient پرداخته شده است. رسم انواع منحنی‌های توان در برابر اندازه اثر Effect Size و اندازه نمونه Sample Size نیز بیان شده است. براورد اندازه نمونه با استفاده از اعداد دلخواه توان، از دیگر موارد پرداخته شده در این مقاله می‌باشد.
در این مقاله به موضوع تحلیل توان Power Analysis در طرح همبستگی پیرسن Pearson’s product-moment correlation پرداخته شده است. رسم انواع منحنی‌های توان در برابر اندازه اثر Effect Size و اندازه نمونه Sample Size نیز بیان شده است. براورد اندازه نمونه با استفاده از اعداد دلخواه توان، از دیگر موارد پرداخته شده در این مقاله می‌باشد.
در این مقاله به موضوع تحلیل توان Power Analysis در طرح مقایسه نسبت Independent-Samples Binomial Test پرداخته شده است. رسم انواع منحنی‌های توان در برابر اندازه اثر Effect Size و اندازه نمونه Sample Size نیز بیان شده است. براورد اندازه نمونه با استفاده از اعداد دلخواه توان، از دیگر موارد پرداخته شده در این مقاله می‌باشد.
در این مقاله به موضوع تحلیل توان Power Analysis در طرح مقایسه نسبت Related-Samples Binomial Test پرداخته شده است. رسم انواع منحنی‌های توان در برابر اندازه اثر Effect Size و اندازه نمونه Sample Size نیز بیان شده است. براورد اندازه نمونه با استفاده از اعداد دلخواه توان، از دیگر موارد پرداخته شده در این مقاله می‌باشد.
در این مقاله به موضوع تحلیل توان Power Analysis در طرح مقایسه نسبت One-Sample Binomial Test پرداخته شده است. رسم انواع منحنی‌های توان در برابر اندازه اثر Effect Size و اندازه نمونه Sample Size نیز بیان شده است. براورد اندازه نمونه با استفاده از اعداد دلخواه توان، از دیگر موارد پرداخته شده در این مقاله می‌باشد.
در این مقاله به موضوع تحلیل توان Power Analysis در طرح مقایسه میانگین‌های آنالیز واریانس One-way ANOVA پرداخته شده است. رسم انواع منحنی‌های توان در برابر اندازه اثر Effect Size و اندازه نمونه Sample Size نیز بیان شده است. براورد اندازه نمونه با استفاده از اعداد دلخواه توان، از دیگر موارد پرداخته شده در این مقاله می‌باشد.
در این مقاله به موضوع تحلیل توان Power Analysis در طرح مقایسه میانگین Independent-Samples T Test پرداخته شده است. رسم انواع منحنی‌های توان در برابر اندازه اثر Effect Size و اندازه نمونه Sample Size نیز بیان شده است. براورد اندازه نمونه با استفاده از اعداد دلخواه توان، از دیگر موارد پرداخته شده در این مقاله می‌باشد.
من در این مقاله به دنبال این هستم که به بررسی Power Analysis در یک طرح Paired-Samples T Test بپردازم.
در تحلیل آماری استنباطی مفهومی به نام تحلیل مولفه اصلی یا تحلیل عاملی (PCA) Principal Component Analysis وجود دارد. این آنالیز یک تکنیک چندگانه Multivariate است که به منظور کاهش ابعاد یک مجموعه داده و در عین حال حفظ تا حد امکان اطلاعات از دادهها استفاده می‌شود.
گاهی اوقات ما به دنبال مقایسه میانگین‌ها در یک یا چند گروه نیستیم. در واقع داده‌های ما به گونه‌ای نیست که بتوانیم از آنها میانگین بگیریم و سپس این میانگین‌ها را با هم مقایسه کنیم. به عنوان مثال، داده‌های ما شکست یا موفقیت و کدهای صفر و یک است. در این مطالعات می‌خواهیم نسبت رخداد موفقیت در بین گروه‌ها را با هم مورد مقایسه قرار دهیم. آزمون‌های مقایسه نسبت Compare Proportions Tests با استفاده از نرم‌افزار SPSS به صورت روش‌های تحلیلی انجام می‌شود.
هدف از خوشه بندی در این آموزش آن است که افراد و مشاهدات را در گروه‌های همانند دسته‌بندی کنیم، به گونه‌ای که مشاهدات و سطرهای قرار گرفته در هر گروه، بیشترین شباهت و افراد گروه‌های مختلف، کمترین شباهت را با هم داشته باشند. در این آموزش به چگونگی انجام تحلیل خوشه بندی مشاهدات Cluster Observations با استفاده از نرم‌افزار Minitab می‌پردازیم.
من در این مقاله به دنبال این هستم که به بررسی Power Analysis در یک طرح One-Sample T Test بپردازم.
از Cluster K-Means برای گروه‌بندی مشاهدات در خوشه‌هایی که ویژگی‌های مشترک دارند استفاده می‌شود. این روش هنگامی مناسب است که شما اطلاعات کافی برای تعیین تعداد خوشه های مورد نیاز خود داشته باشید.
هنگامی که پیش‌فرض‌های آنالیز کوواریانس تایید نمی‌شود، ما از آزمون متناظر ناپارامتری آن با نام Quade در نرم‌افزار SPSS استفاده می‌کنیم.
با استفاده از این روش به مقایسه کمپین‌های بازاریابی با یکدیگر می‌پردازیم. هدف ما این است دریابیم آیا تفاوت قابل توجهی در اثربخشی (پاسخ‌های مثبت) کمپین‌ها و پیشنهادات با یکدیگر، وجود دارد یا خیر.
هنگامی که یک مدل خطی که می‌تواند رگرسیون، آنالیز واریانس و یا کوواریانس باشد، ارایه می‌دهیم، یکی از پیش‌فرض‌های انجام تحلیل مفهومی به اسم هم واریانسی و یا Homoscedasticity است.
آنالیز کوواریانس، نیاز به برقراری و تایید تعدادی پیش‌فرض در دادهها دارد. هنگامی که تصمیم می‌گیریم داده‌های خود را با استفاده از ANCOVA تحلیل کنیم، باید مطمئن شویم که دادهها واقعاً می‌توانند با استفاده از آنالیز کوواریانس تحلیل شوند و از 9 پیش فرضی که جهت ارایه یک نتیجه معتبر لازم است، تایید می‌گیرند.
هدف ما در این نوشتار این است که روش و فرایندی جهت بررسی نرمال بودن دادهها به دست بیاوریم. روش انجام کار می‌تواند با استفاده از آزمون کلموگروف-اسمیرنف Kolmogorov-Smirnov و شاپیرو-ویلک Shapiro-Wilk باشد. در ادامه هر کدام از آنها را توضیح می‌دهیم.
نمودارهای جعبه‌ای با رسم نتایج کوچکترین و بزرگترین مشاهده، میانه، چارک اول و سوم و همچنین نمایش نقاط پرت می‌توانند حاوی اطلاعات مهمی باشند. در واقع نمودارهای جعبه‌ای به دلیل نشان دادن نحوه‌ی پراکندگی دادهها بسیار سودمند هستند.
تحلیل کوواریانس یک طرفه یا One-way ANCOVA هنگامی مورد استفاده قرار می‌گیرد که بخواهیم یک کمیت وابسته Dependent Variable را در بین گروه‌های مستقل یک فاکتور Factor، در حالی‌که در مطالعه کمیت مداخله‌گر کووریت Covariate داریم، مورد بررسی قرار دهیم.
موضوعی که در این مقاله می‌خواهم به آن بپردازم این است که گاهی اوقات اتفاق می‌افتد ما به هر دلیلی فایل دیتا و یافته‌های خام را در اختیار نداریم. نمی‌دانیم برای هر فرد و مورد چه عدد و اندازه‌ای به دست امده است. آنچه ما در اختیار داریم صرفاً آماره‌های توصیفی نتایج مانند تعداد نمونه، میانگین و یا انحراف معیار است. سوالی که در اینجا مطرح است این است که چگونه می‌توانیم بدون داشتن داده‌های خام و فایل دیتا و تنها با داشتن چند آماره توصیفی، به تحلیل و آزمون بپردازیم.
بسیار اتفاق می‌افتد که بخواهیم دو صفت را در یک جامعه مورد بررسی قرار دهیم و یا اینکه بخواهیم یک صفت را در یک جامعه و در دو حالت قبل و بعد از یک رویداد بررسی کنیم. من در این مقاله به دنبال این هستم که به مقایسه میانگین نمونه در دو گروه وابسته به یکدیگر بپردازم. به این مطالعه Paired-Samples T Test گفته می‌شود. این کار را با استفاده از نرم‌افزار SPSS انجام خواهیم داد.
یکی از پرکاربردترین آزمون فرضیه‌ها، استفاده از آزمون‌های فرضیه مربوط به میانگین (دو یا چند جامعه) می‌باشد. از آنجا که میانگین به عنوان یکی از اصلی ترین پارامترهای تعیین کننده ویژگی و مشخصات جوامع مطرح است، استفاده از آزمون‌های مربوط به میانگین می‌تواند به ما در درک درست تفاوت‌ها و یا همانندی جوامع کمک کند.
گاهی اوقات در بررسی‌های خود می‌خواهیم مقدار پارامترهای میانگین و یا نسبت (که در واقع نوعی میانگین است) را با یک عدد خاص و از پیش تعیین شده که براساس واقعیت‌های جامعه و یا مطالعات قبلی به دست آمده است، مقایسه کنیم و براساس این مقایسه به همانندی و یا عدم همانندی پارامتر میانگین جامعه با برآورد نمونه‌ای میانگین، تصمیم بگیریم.
من در این مقاله به دنبال این هستم که با توجه به طرح تحقیقاتی و مطالعه‌ای که انجام می‌دهیم و همچنین آزمونی که بر روی دادهها، تحلیل می‌کنیم، به محاسبه اندازه اثر بین اختلاف‌ها و گروه‌ها، بپردازم. در واقع محاسبه و یافتن اندازه اثر بر مبنای نوع آزمونی که انجام می‌دهیم، می‌باشد. در ادامه چند مثال را با یکدیگر مشاهده می‌کنیم. این کار را با استفاده از نرم‌افزار SPSS انجام خواهیم داد.
این ضرایب همبستگی معمولاً در زمانی که یکی از کمیت‌ها و یا هر دوی آنها از نوع رتبه‌ای باشند، مورد استفاده قرار می‌گیرد. ضریب همبستگی سامرز رابطه‌ی زیادی با ضریب همبستگی گاما دارد. در مورد ضریب همبستگی سامرز این نکته جالب است که برحسب اینکه کدامیک از دو کمیت وابسته به کمیت دیگر در نظر گرفته شود، مقادیر متفاوتی به دست می‌آید.
از آنجا که داده‌های ما اسمی Nominal هستند، می‌توانیم از روش‌های ضریب همبستگی احتمالی با نام Contingency Coefficient که به اختصار به آن ضریب همبستگی C گفته می‌شود و همچنین ضریب همبستگی فی و کرامر Phi and Cramers V، استفاده کنیم.
ضریب همبستگی tau-b (τb) کندال (به اختصار tau-b کندال) یک اندازه‌گیری ناپارامتریک جهت بررسی ارتباط بین دو کمیت است که حداقل یکی از آنها در مقیاس ترتیبی Ordinal قرار دارد. معمولا از ضریب همبستگی کندال به منظور جایگزین ناپارامتریک همبستگی پیرسون و اسپیرمن به ویژه هنگامی که حجم نمونه کوچک است، استفاده می‌کنیم.
در مطالعات و موضوعات مرتبط با ضرایب همبستگی، رسم نمودارهای پراکنش و یا همان Scatter Plot خود را نشان می‌دهد. نمودارهای پراکنش می‌توانند به ما فهم بهتر و دقیق‌تری از نحوه ارتباط بین Variableها ارایه کنند.
آزمون ضریب همبستگی اسپیرمن ناپارامتری است و معمولاً به منظور تعیین ارتباط بین داده‌های کمی و رتبه‌ای استفاده می‌شود. با توجه به اینکه آماره این ضریب همبستگی، ناپارامتری است، معمولاً می‌توان بدون توجه به نرمال بودن مشاهدات، از ضریب همبستگی اسپیرمن استفاده کرد.
این ضریب همبستگی که به آن ضریب همبستگی ساده نیز می‌گویند، می‌توان متداول‌ترین نوع از مجموعه ضرایب همبستگی نامید. کاربرد آن زمانی است که توزیع توام مشاهدات نرمال بوده و از نوع نسبتی و کمی (گسسته یا پیوسته) باشند.
ما با ضرایب همبستگی و انواع آن به عنوان مثال پیرسون Pearson و یا اسپیرمن Spearman آشنا هستیم. یکی از ابزارهای جدیدی که نرم‌افزار SPSS در ورژن 28 جدید خود ارایه کرده است، به دست آوردن فواصل اطمینان Confidence Intervals برای ضرایب همبستگی است.
روش تمایل به خرید Propensity to Purchase از نتایج یک پست آزمایشی یا کمپین قبلی برای ایجاد نمره یا اصطلاحاً Score استفاده می‌کند. نمرات نشان می‌دهند که کدام فرد بیشترین احتمال پاسخ مثبت و خرید را دارد. فیلد Response نشان می‌دهد که چه کسی به ایمیل آزمایشی یا کمپین قبلی پاسخ داده است.
گاهی ممکن است یک یا چند نمونه تاثیرات زیادی روی مدل رگرسیون بگذارند و خط رگرسیونی را به سمت خود متمایل کنند، به ویژه اگر تعداد نمونه‌ها کم باشد. این مشاهدات که از آنها تحت عنوان داده‌های موثر نام برده می‌شوند مفهومی متفاوت از داده‌های پرت و یا داده‌های گمشده دارند.
یکی از فرض‌های مهم در آزمون فرضیه رگرسیون، مستقل بودن مشاهدات به ویژه کمیت وابسته از یکدیگر می‌باشد. به معنای آن‌که مقدار یک مشاهده با مقدار مشاهده‌ی دیگر ارتباطی نداشته باشد و ورود یک مورد به نمونه نباید ورود مورد دیگری را تحت تاثیر قرار دهد.
در این متن می‌خواهم درباره‌ی مفهومی به اسم رگرسیون سلسله مراتبی آن هم از نوع خطی چندگانه که نام کامل آن را می‌توان Hierarchical Multiple Linear Regression (HMLR) قرار داد، صحبت کنم. من به اختصار در این متن به آن رگرسیون سلسله مراتبی می‌گویم. رگرسیون خطی سلسله مراتبی شکل خاصی از تحلیل رگرسیون خطی چندگانه است که در آن کمیت‌های بیشتری در مراحل جداگانه به نام بلوک Block به مدل اضافه می‌شوند.
این تکنیک از نتایج یک کمپین قبلی برای محاسبه نرخ پاسخ کدپستی Postal Codes Response Rate استفاده می‌کند. این نرخ‌ها را می‌توان برای هدف قرار دادن کدهای پستی خاص در کمپین‌های آینده استفاده کرد. در فایل دیتا فیلد یا ستون Response نشان می‌دهد که چه کسی به کمپین قبلی پاسخ داده است. همچنین در فایل دیتا فیلد با نام Postal Code کدهای پستی افراد را مشخص می‌کند.
بسیار اتفاق می‌افتد (به ویژه در کارهای پرسشنامهای) بخواهیم چند کمیت یا سوال را با هم ترکیب کرده و با استفاده از آنها یک Variable و کمیت بسازیم. حتماً در پرسش‌نامه‌ها دیده‌اید که چندین سوال به یک مفهوم و شاخص اشاره دارند و ما می‌خواهیم بر روی این تیتر و شاخص، تحلیل و آنالیز انجام دهیم.
هنگامی که داده‌های خود را با استفاده از رگرسیون چندگانه تحلیل می‌کنید و هر یک از کمیت‌های مستقل شما در مقیاس اسمی Nominal یا رتبه‌ای Ordinal اندازه‌گیری شده‌اند، باید بدانید که چگونه کمیت‌های ساختگی یا Dummy Variables، ایجاد و نتایج آنها را تفسیر کنید.
نقشه‌های ارتباط جهت تجسم دادهها در ورژن SPSS 28 معرفی شده‌اند. کاربران اکنون می‌توانند به صورت بصری رابطه بین کمیت‌ها را بر مبنای ضخامت خط ارتباط و اندازه نشانگر بین آنها، بررسی کنند. این تابع جدید را می‌توان در منوی Graphs نرم‌افزار مشاهده کرد.
ما در گراف پد مفتخریم که برای اولین بار در کشور، در دسترس بودن عمومی IBM SPSS Statistics 28 را اعلام کنیم. این نسخه تست‌های آماری جدید، بهبود رویه‌های موجود و پیشرفت‌های عملکردی را معرفی می‌کند که قابلیت استفاده و انجام انواع تحلیل‌ها را بهبود می‌بخشد.
در یک مطالعه و طرح تحقیقاتی بسیار اتفاق می‌افتد که فایل دادهها و تمام نتایج ثبت‌شده در اختیار ما نیست و در واقع به جای کار کردن با فایل دادهها، نتایجی از مشاهدات را به صورت یک جدول فراوانی و یا یک جدول توافقی در اختیار داریم. در این‌حالت استفاده از نتایج مشاهدات به منظور انجام تحلیل‌های توصیفی و یا استنباطی بیشتر، با استفاده از مفهومی به نام وزن‌دهی مشاهدات یا Weight Cases انجام می‌شود.
روش پروفایل‌های احتمالی Prospect Profiles از نتایج یک کمپین قبلی برای ایجاد پروفایل‌های توصیفی استفاده می‌کند. شما می‌توانید از پروفایل‌ها برای تمرکز بر روی گروه‌های خاصی از افراد و مشتریان در کمپین‌های آینده استفاده کنید. هر پروفایل یا نمایه نشان‌دهنده ویژگی‌های مشترک گروهی از افراد در مجموعه دادهها است. لیست پروفایل‌ها شامل ویژگی‌هایی است که می‌خواهید برای ایجاد نمایه از آنها استفاده کنید.
در یک مطالعه و طرح تحقیقاتی بسیار اتفاق می‌افتد که فقط می‌خواهیم بر روی بخشی از دادهها تحلیل انجام دهیم. در واقع هدف ما این است که در فایل دیتا، تعدادی از موردها (سطرها) را انتخاب کنیم و در مرحله‌ی بعد بر روی این موردهای انتخاب شده، آنالیز و تحلیل دلخواه خود را انجام دهیم.
تحلیل خوشه ای یک ابزار اکتشافی است که به منظور گروه‌بندی یا خوشه‌بندی دادهها طراحی شده است. به عنوان مثال، با استفاده از این نوع آنالیز، می‌توانید گروه‌های مختلفی از مشتریان را بر اساس ویژگی‌های جمعیت‌شناختی و شاخص‌های خرید، شناسایی کنید.
تحلیل RFM در نرم‌افزار SPSS در دو بخش دادهها و اطلاعات تراکنش Transaction Data و دادهها و اطلاعات مشتری Customer Data انجام می‌شود. در این متن درباره مبحث Customer Data صحبت خواهیم کرد.
گاهی وقت‌ها به هنگام تحلیل بر روی دادهها، پیش می‌آید که اطلاعات و یافته‌های ما در چند فایل جداگانه قرار دارد. به عنوان مثال در یک تحلیل پرسشنامهای، چند پرسشنامه داشته‌ایم و اطلاعات هر پرسشنامه را در یک فایل SPSS به صورت جداگانه وارد کرده‌ایم. حال به دنبال این هستیم که این فایل‌های نرم‌افزاری از هم جدا را به یک فایل SPSS تبدیل کنیم و سپس بر روی این فایل جدید ادغام شده، آنالیزهای خود را انجام دهیم.
آنالیز RFM که نام صحیح و کامل آن Recency, Frequency, Monetary value است، یک ابزار تحلیل بازاریابی است که برای شناسایی بهترین مشتریان یک شرکت یا سازمان با استفاده از معیارهای خاص استفاده می‌شود. به عبارت دیگر، RFM روشی است که برای تجزیه و تحلیل ارزش مشتری استفاده می‌شود. این روش آنالیز بیشتر در بازاریابی پایگاه داده Database Marketing و بازاریابی مستقیم Direct Marketing استفاده می‌شود.
می‌دانیم که رگرسیون در حالت کلی به صورت رابطه Y = f(X) تعریف می‌شود. در این رابطه می‌خواهیم با استفاده از تابع f بین Xها به عنوان Independent Variable و Y به عنوان Dependent Variable یک ارتباط و مدل به دست بیاوریم. در این مدل ما قصد داریم با استفاده از DV ها به پیش‌بینی مقادیر عددی برای IV بپردازیم.
نکته مهم در آزمون‌های مک نمار این است که این آزمون از نوع تحلیل‌های احتمالی و یا همان Contingency است. بنابراین زمانی مورد استفاده قرار می‌گیرد که ما در مطالعه خود با فراوانی، شمارش و تعداد افراد روبه‌رو هستیم.
موضوع دیگر با اهمیت در آزمون‌های مک نمار این است که این آزمون در مطالعات دارای کمیت وابسته دوگانه و یا اصطلاحاً dichotomous dependent variable مورد استفاده قرار می‌گیرد. در این زمینه به مثال‌های بالا دقت کنید. افراد به دو گروه سیگاری و غیرسیگاری یا استفاده کننده یا نکننده از کلاه ایمنی طبقه‌بندی شده‌اند.
Do drugs A and B have a synergistic effect with each other? In fact, does the combination of drugs A and B (ie drug A + B) have a greater effect than when the total effects of drugs A and B are examined separately? Is equation E(A + B) > EA + EB true? The best software for analysis on combination drugs is to use software called Compusyn. An important finding Combination Index (CI) Dose-Reduction Index (DRI) Isobologram Polygonogram
Link
تماس با ابوالفضل قودجانی
