Abolfazl Ghoodjani Dey 00 GraphPad.ir

درباره ابوالفضل قودجانی

پدیدآورنده و موسس گراف پد

جهت مشاهده پروفایل ResearchGate بر روی تصویر کلیک کنید.

facebook_photo-512

در رده 2.5 درصد پژوهشگران برتر دنیا

در ریسرچ گیت ResearchGate
growth-512

دارای RG Score = 61.61

بیش از یکصد و سی هزار خواننده در ریسرچ‌گیت
veteran_day_medal_honor_rememberance-512

رتبه 1 آزمون دکترا آمار کشور

facebook_like_notification-512

نویسنده کتاب نامزد سال ایران

کتاب روش‌های پیشرفته آماری و کاربردهای‌آن

جدیدترین مقالات و نوشته‌ها

 

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.

مشاهده

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. 

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

من در این مقاله به دنبال این هستم که به بررسی Power Analysis در یک طرح Paired-Samples T Test بپردازم.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

من در این مقاله به دنبال این هستم که به بررسی Power Analysis در یک طرح One-Sample T Test بپردازم.

مشاهده

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.

مشاهده

هنگامی که پیش‌فرض‌های آنالیز کوواریانس تایید نمی‌شود، ما از آزمون متناظر ناپارامتری آن با نام Quade در نرم‌افزار SPSS استفاده می‌کنیم.

مشاهده

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. 

مشاهده

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. 

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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. 

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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. 

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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.

مشاهده

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

آیا داروهای A و B دارای اثر سینرژیسم یا هم‌افزایی با یکدیگر هستند؟ در واقع آیا ترکیب داروهای A و B (یعنی داروی A+B) دارای اثر بیشتری بر زنده ماندن سلول‌ها نسبت به زمانی است که مجموع اثرات داروهای A و B به صورت جداگانه بررسی می‌شود؟ به زبان ساده تر آیا رابطه  EA+B > EA+ EB برقرار است؟

مشاهده

مطالعه و طرح زیر را در نظر بگیرید.

الف) دو گروه کنترل و آزمایش داریم. یعنی تعدادی در گروه Case و تعداد دیگری در گروه Control قرار دارند.

ب) یک کمیت پاسخ Dependent Variable را در هر دو گروه کنترل و آزمایش اندازه‌گیری می‌کنیم.

پ) اندازه‌گیری ما یکبار قبل از مداخله Pre و بار دیگر بعد از مداخله Post خواهد بود. یعنی افراد هر دو گروه کنترل و آزمایش دوبار اندازه‌گیری می‌شوند. قبل و بعد.

سوال

حال سوال مهم این است. تحلیل آماری این مطالعه چگونه است؟

برای پاسخ به این سوال، ما دو نوع تحلیل و آنالیز آماری خواهیم داشت. ابتدا بیایید هر یک از آن‌ها را بیان کنیم.

مشاهده

در این متن قصد داریم درباره نوع دیگر پایایی با نام ضریب پایایی امگا مک دونالد صحبت کنبم.

امگا مک دونالد ضریب پایایی است که شبیه به آلفای کرونباخ است. با این حال مزیت اصلی امگا در مقایسه با آلفای کرونباخ، این است که امگا، قدرت ارتباط بین آیتم‌ها را نیز در نظر می‌گیرد.

اندازه‌های پایایی یک پرسشنامه از منفی بی‌نهایت تا یک مثبت می‌تواند باشد. با این‌حال تنها اندازه‌های مثبت آن قابل تعریف است. اندازه پایایی صفر تا یک مثبت طیفی از عدم قابلیت اعتماد تا قابلیت اعتماد کامل را می‌پوشاند.

مشاهده

در تحلیل آماری هنگامی که یک مفهوم را در طول زمان بررسی می‌کنیم، از مطالعات و روش‌های با نام اندازه‌گیری مکرر یا همان Repeated Measure استفاده می‌کنیم. بر حسب این‌که مطالعه دارای Independent Variable باشد، اندازه‌گیری مکرر ما می‌تواند ساده، یک طرفه و یا چند طرفه باشد. هنگامی که مطالعه ما دارای کووریت Covariate یا مداخله‌کننده باشد، تحلیل ما از نوع آنالیز کوواریانس خواهد بود.

در این مثال آمورشی ما به موضوع اندازه گیری مکرر چندگانه آن هم از نوع آنالیز کوواریانس Multivariate Repeated Measure ANCOVA با استفاده از نرم‌افزار SPSS پرداخته‌ایم. از اینجا می‌توانید فایل مثال، نتایج و Syntax نرم افزار با نام MRMC.sav را دریافت کنید.

مشاهده

تماس با ابوالفضل قودجانی