سنجش و اندازه گیری

پارادایم پژوهش بین رشته‏ ای (09122263167)

تحليل رگرسيونی

تحليل رگرسيون

تحليل رگرسيون چند متغييري روش تحليل نيرومندي است كه در انواع مسايل مي توان از آن استفاده كرد و در تحقيقات جامعه شناسي، روانشناختي، اقتصادي و ... كاربرد دارد.از آن در متغيرهاي پيوسته و متغيرهاي طبقه اي استفاده مي شود و آن را مي توان با دو متغيير مستقل، سه متغير مستقل و يا بيشتر استفاده كرد. يكي از انواع روش هاي تحقيق توصيفي (غير آزمايشي) تحقيق همبستگي است. در اين نوع تحقيق رابطه ميان متغيرها بر اساس هدف تحقيق تحليل مي‌گردد(كلينجر، 1389: 12).

رگرسيون تكنيكي است كه از طريق آن به تغيير متغير وابسته از طريق تغييرات متغير مستقل يا از طريق تركيب خطي دو يا چند متغير مستقل تبيين و پيش بيني مي شود . دقت و توانايي اندازه گيري در روش تحليل رگرسيون بالاست.

تحليل رگرسيون از لحاظ ساختاري را مي توان به سه دسته تقسيم كرد.

1تحليل رگرسيون ساده: تغييرات متغيرy را از طريق يك متغيرx برآورد مي كند و تابع رگرسيون خطري بصورت y=a+bx است.

2. تحليل رگرسيون چند گانه: در آن واريانس متغير y از طريق مشاركت نسبي و تركيب خطي دو يا چند متغير مستقل تبيين مي شود و يك متغيروابسته و مجموعه اي از متغيرهاي مستقل وجود دارد.

تركيب خطي: b2x2+….+ bixi y=a+b1x1+

X3

3. تحليل رگرسيون چندگانه چند متغيره (ساعي، 1387: 152).
تحقيقات همبستگي را مي‌توان بر حسب هدف به سه دسته تقسيم كرد:

الف) مطالعه همبستگي دو متغيري، ب) تحليل رگرسيون، ج) تحليل ماتريس همبستگي يا كواريانس.

در مطالعات همبستگي دو متغيري، هدف بررسي رابطه دو به دو متغيرهاي موجود در تحقيق است. در تحليل رگرسيون هدف پيش بيني تغييرات يك يا چند متغير وابسته (ملاك) با توجه به تغييرات متغيرهاي مستقل (پيش بين) است. در بعضي بررسي ها از مجموعه همبستگي هاي دو متغيري متغيرهاي مورد بررسي در جدولي به نام ماتريس همبستگي يا كواريانس استفاده مي‌شود. از جمله تحقيقاتي كه در آن ها ماتريس همبستگي يا كواريانس تحليل مي شود، تحليل عاملي و مدل معادلات ساختاري است. در تحليل عاملي هدف تلخيص مجموعه اي از داده ها يا رسيدن به متغيرهاي مكنون (سازه) و در مدل معادلات ساختاري آزمودن روابط ساختاري مبتني بر نظريه ها و يافته هاي تحقيقاتي موجود است. در زير با تفضيل بيشتر هر يك از موارد فوق مورد بحث قرار مي‌گيرد. (سرمدي، 1376: ‌)

تحقيق همبستگي دو متغيري

در اين گونه تحقيقات هدف تعيين ميزان هماهنگي تغييرات دو متغير است. براي اين منظور بر حسب مقياس هاي اندازه گيري متغيرها شاخص هاي مناسبي اختيار مي‌شود از آنجا كه در اكثر تحقيقات همبستگي دو متغيري از مقياس فاصله اي با پيش فرض توزيع نرمال دو متغيري براي اندازه گيري متغيرها استفاده مي شود، لذا ضريب همبستگي محاسبه شده در اين گونه تحقيقات ضريب همبستگي گشتاوري پيرسون يا به طور خلاصه ضريب همبستگي پيرسون است.

به عنوان مثالي از تحقيق همبستگي دو متغيري به تحقيقي از اين نوع در اينجا اشاره مي‌شود:

پژوهشگران براي آزمودن رابطه ”استادهاي دروني و باثبات“ با متغير ”احساس لياقت“ در عملكردهاي موفق و ناموفق فرضيه هايي را مورد آزمون قرار دادند و براي اين امر از ضرايب همبستگي دو متغيري پيرسون استفاده كردند. نمره مثبت اسناد مركز عليت نشانگر اسنادهاي دروني و نمره منفي آن نشانگر اسنادهاي بيروني بود. نمره مثبت اسناد ثبات نشانگر اسنادهاي باثبات و نمرات منفي آن نشانگر اسنادهاي بي ثبات بود.

فرضيه هاي مورد آزمون عبارت بودند از:

فرضيه 1: احساس لياقت با اسنادهاي دروني و باثبات براي عملكردهاي موفق همبستگي مثبت دارد.

فرضيه 2: احساس لياقت با اسنادهاي دروني و باثبات براي عملكردهاي ناموفق همبستگي منفي دارد.

در اين تحقيق متغيرهاي مورد بررسي به شرح زير است: 1-احساس لياقت، 2-عملكرد در آزمون، 3-اسناد مركز عليت براي عملكرد ناموفق، 4-اسناد باثبات براي عملكرد ناموفق، 5-اسناد مركر عليت براي عملكرد موفق و 6-اسناد ثبات براي عملكرد موفق.

بايد توجه داشت كه نمره مثبت اسناد مركز عليت نشانگر اسنادهاي دروني و نمره منفي آن نشانگر اسنادهاي بيروني بود. نمره مثبت اسناد ثبات نشانگر اسنادهاي باثبات و نمرات منفي آن نشانگر اسنادهاي بي ثبات بود.

فرضيه هاي مورد بررسي عبارت است از:

1- در عملكردهاي موفق، احساس لياقت با اسناد دروني همبستگي مثبت دارد.

2- در عملكردهاي موفق، احساس لياقت با اسنادهاي باثبات همبستگي مثبت دارد.

3- در عملكردهاي ناموفق، احساس لياقت با اسناد دروني همبستگي منفي دارد.

4- در عملكردهاي ناموفق، احساس لياقت با اسنادهاي باثبات همبستگي منفي دارد.

ضرايب همبستگي اين متغيرها در جدول زير داده شده است و معني داري اين ضرايب همبستگي با يك يا دو ستاره مشخص شده است. (سرمدي، 1376: ‌)

جدول ضرايب همبستگي متغيرهاي اندازه گيري شده در بررسي رابطه هاي

اسنادهاي دروني و باثبات با احساس لياقت:

در مثال فوق با توجه به معني دار بودن برخي از ضرايب همبستگي ملاحظه مي‌شود كه فرضيه 1 كه به رابطه احساس لياقت با اسنادهاي باثبات در عملكردهاي موفق مربوط است تاييد مي‌گردد. (r=0.22 , P<0.05). فرضيه 3 و 4 محقق كاملا تاييد مي شود، زيرا همبستگي احساس لياقت با اسناد دروني و باثبات براي عملكردهاي ناموفق منفي و معني دار است (r=-.029 , P<0.05) و (r=-0.36 , P<0.01).

پژوهشگران با توجه به نتايج به دست آمده از همبستگي هاي دو متغيري به آزمودن فرضيه هاي ياد شده پرداخته اند. ( همان: )

در تحقيقاتي كه از تحليل رگرسيون استفاده مي شود، هدف معمولا پيش بيني يك يا چند متغير ملاك از يك يا چند متغير پيش بين است. چنانچه هدف پيش بيني يك متغير ملاك از چند متغير پيش بين باشد از مدل رگرسيون چندگانه استفاده مي‌شود. در صورتي كه هدف، پيش بيني همزمان چند متغير ملاك از متغيرهاي پيش بين يا زير مجموعه اي از آنها باشد از مدل رگرسيون چند متغيري استفاده مي‌شود. در تحقيقات رگرسيون چندگانه هدف پيدا كردن متغيرهاي پيش بيني است كه تغييرات متغير ملاك را چه به تنهايي و چه مشتركا پيش بيني كند. ورود متغيرهاي پيش بين در تحليل رگرسيون به شيوه هاي گوناگون صورت مي‌گيرد. در اين جا سه روش اساسي مورد بحث قرار مي‌گيرد:

الف) روش همزمان، ب)روش گام به گام، ج) روش سلسله مراتبي.

در روش همزمان تمام متغيرهاي پيش بين با هم وارد تحليل مي‌شود. در روش گام به گام اولين متغير پيش بين بر اساس بالاترين ضريب همبستگي صفرمرتبه با متغير ملاك وارد تحليل مي‌شود. از آن پس ساير متغيرها پيش بين بر حسب ضريب همبستگي تفكيكي (جزئي) و نيمه تفكيكي (نيمه جزئي) در تحليل وارد مي‌شود. در اين روش پس از ورود هر متغير جديد ضريب همبستگي نيمه تفكيكي يا تفكيكي ، تمام متغيرهايي كه قبلا در معادله وارد شده اند به عنوان آخرين متغير ورودي مورد بازبيني قرار مي‌گيرد و چنانچه با ورود متغير جديد معني داري خود را از دست داده باشد، از معادله خارج مي‌شود. به طور كلي در روش گام به گام ترتيب ورود متغيرها در دست محقق نيست.

در روش سلسله مراتبي ترتيب ورود متغيرها به تحليل بر اساس يك چارچوب نظري يا تجربي مورد نظر محقق صورت مي‌گيرد. به عبارت ديگر پژوهشگر شخصا درباره ترتيب ورود متغيرها به تحليل تصميم گيري مي‌كند. اين تصميم گيري كه قبل از شروع تحليل اتخاذ مي‌شود مي‌تواند بر اساس سه اصل عمده زير باشد:

- رابطه علت و معلولي.

- رابطه متغيرها در تحقيقات قبلي.

- ساختار طرح پژوهشي (براي مثال در طرح هاي عاملي ابتدا اثرهاي اصلي و سپس اثرهاي متقابل آنها وارد تحليل مي‌شود).

از آن جا كه روش تحليل رگرسيون سلسله مراتبي با توجه به چارچوب نظري يا تجربي وپژه اي صورت مي گيرد، در تحقيقات علوم رفتاري از اهميت خاصي برخوردار است. لازم به تذكر است كه براي اين گونه تحقيقات آشنايي با روشهاي آماري تحليل رگرسيون الزامي است.(سرمدي،1376: )

رگرسيون چند متغيري

روشي است كه براي تحليل مشاركت جمعي و فردي دو يا چند متغير مستقل X در تغييرات متغير وابسته Y، وظيفه اساسي علم تبيين پديده هاست. در واقع مجموعه اي از سازه ها يا متغيرهاست كه با مشخص كردن روابط موجود ميان متغيرها به تبين آنها مي پردازيم.(كلينجر، 1389: 12 )

بررسي علمي هر سازه يا متغير مستلزم آن است كه منابع تغيير آن سازه يا متغير تشخيص داده شود، مي گويند كه متغير تغير كرده است.وظيفه رگرسيون چند متغييري اين است كه به تبيين واريانس متغير وابسته كمك كند و اين وظيفه را تا حدودي از طريق برآورد مشاركت متغييرها (2 يا چند متغير مستقل) در واريانس به انجام مي رسانند. (همان: 13)

در نظريه سنتي ، محقق ابتدا رابطه يك متغير مستقل را با متغير وابسته مطالعه مي كند، سپس رابطه متغيرمستقل ديگري را با آن متغير وابسته مطالعه مي كنند و اين كار تا آخر ادامه مي يابد.طرح سنتي تحقيق هم بصورت كلاسيك گروه آزمايش و گروه كنترل عرضه مي شد. (همان: 14)

كاربرد رگرسيون چند متغيري بر پيش بيني يك متغير وابسته از طريق چند متغير مستقل تاكيد دارد كه موجب تبيين موضوع مي شود. در واقع تبيين علمي مبتني است بر تعيين روابط موجود ميان رويدادهاي تجربي.متغير وابسته به صورت Y و متغير مستقل به صورت Xi,X1,X2.X3….. Xk نشان داده مي شود.

تحليل رگرسيون چند متغيري و تحليل واريانس در واقع يك چيزند. تحليل واريانس براي تحليل داده هاي حاصل از آزمايشهاي طرح ريزي شده است.اگر بيش از يك متغير در آزمايش وجود داشته باشد، يكي از شرايط استفاده ار آن اين است كه متغيرهاي آزمايشي ناوابسته باشند (همان: 18).

تحليل رگرسيون چند متغيري نظير هر روش ديگر يك ابزار است كه كمك مي كند به فهم پديده هاي طبيعي و اين واريانس يا كوواريانس است كه به لحاظ فني راهگشاي ما در روشهاي تحليلي است. همچنين به منظور جبران بعضي از اشتباهاتي كه در رگرسيون چند متغيره به وجود مي آيد بايد نمونه بزرگتر ( در حدود 500) استفاده كرد.

متغير مستقل:

دو نوع است

- متغير فعال- متغيري كه براثر دخل و تصرف ايجاد مي شود.

- متغير منسوب- متغيري است كه سنجيده مي شود.مثل هوس و استعداد تحصيلي.(همان: 18).

روش محاسبات به شيوه اي انجام مي شود كه با داشتن همبستگي در بين تمام متغيرها، بهترين پيش بيني ميسر مي شود. به بيان ديگر بجاي استفاده ازX، پس از Y مي گوييم اگر X1,X2.X3….. Xk پس از Y و نتايج محاسبات بما بگويد كه پيش بيني چقدر خوب است و بهترين تركيب خطي متغيرها تقريبا چه مقدار از واريانس Y را تبيين مي كند ( كلينجر،1388: 333)

رگرسيون خطي

وقتي كه الگوي اصلي رابطه بين دو متغير به كمك نمودار پراكنش مشخص شده باشد مي توان آن الگورا بطور موجز و دقيق بامعادله‌ي خط رگرسيون بيان كرد. اين معادله به مثابه‌ي قاعده پيش بيني مقادير يك متغير بر اساس مقادير ديگر است (مولر،1389: 271).

در رگرسیون خطی، متغیر وابسته yi تركيب خطي، خطی از ضرایب (پارامترها) است (لازم نیست که نسبت به متغیرهای مستقل خطی باشد). مثلاً تحلیل رگرسیونی سادهٔ زیر با N نقطه، متغیر مستقل xi و ضرایب β0 و β1 خطی است:

خط راست:

در رگرسیون چندگانه، بیش از یک متغیر مستقل وجود دارد:

سهمی:

این همچنان رگرسیون خطی است، زیرا yi همچنان ترکیب خطی پارامترها (β0 و β1) است، هرچند که نسبت به متغیر مستقل (xi) خطی نیست.

در هر دو حالت، εi مقدار خطاست و پانویس i شمارهٔ هر مشاهده (هر جفت xi و yi) را نشان می‌دهد. با داشتن مجموعه‌ای از این نقطه‌ها می‌توان مدل را به دست آورد:

عبارت ei مانده نام دارد: . روش رایج برای به‌دست‌آوردن پارامترها، روش كمترين مربعات است. در این روش پارامترها را با کمینه‌کردن تابع زیر به دست می‌آورند:

در مورد رگرسیون ساده، پارامترها با این روش برابر خواهند بود با:

که در آن و میانگین x و y هستند.(وكيپديا)

رگرسيون خطي ساده:

رگرسيون و همبستگي بهم نزديك هستند. r براي نشان دادن همبستگي بكار مي رود و در واقع معني رگرسيون را دارد. منظور از مطالعه رگرسيون چگونگي بازگشت نمره yبه نمره x و مطالعه چگونگي وابستگي آنها به نمره x است.( كلينجر،1389: 33)

به لحاظ آماري اگر X و Y همبسته نباشند بهترين ميانگين است. هرچه همبستگي قوي تر باشد پيش بيني هم دقيق تر مي شود. وقتي قدرrبه 00/1 برسد پيش بيني كامل است. هرجه r به سمت صفر ميل كند پيش بيني Y از طريق X هم ناقص تر مي شود و به سوي ميانگين بازگشت مي‌كند و اگر قدر مطلق r معادل 1 باشد بر روي خط رگرسيون قرار مي گيرد.(كلينجر، 1388: 333)

آزمونهاي معني دار بودن

آزمونهاي معنا دار بودن آماري در تحليل رگرسيون ( چه ساده و چه چند متغيري ) مشابه آزمون‌هاي معنادار بودن آماري در تحليل واريانس اند.

با استفاده از تحليل واريانس شخص مي تواند واريانس سيستماتيك و واريانس اشتباه تجزيه كند. در ساده ترين شكل واريانس كلبه واريانس بين گروهي (يا واريانس آزمايشي) و واريانس درون گروهي( يا وارانس اشتباه) تجزيه مي شود.

معادله اساسي در تحليل واريانس چنين است:

Stt=ssb+ssw

Stt : مجموع مجذورات كل - ssb مجموع مجذورات بين گروهي - ssw مجموع مجزوراتبيرون گروهي. (كلينجر،1389: 33)

آزمون معني دار بودن را به دو يا سه طريق مي توان انجام داد:

1- از طريق جدول معني دار بودن r ها در سطح هاي مختلف مراجعه كنبم و معني دار بودن همبستگي را مي آزماييم.

2- از طريق آزمون Tو كوكران

3- نمره استاندارد

نمرا استاندارد در حقيقت نمره انحراف استاندارد است. اگر نمره انحراف از ميانگينx=X-X را براي انحراف استانداردمجموعه نمره ها s تقسيم كنيم نمره استاندارد به دست مي آيد.

Zx= X-X =x

Sx sx

Zxنمره استاندارد- Sx انحراف استاندارد- X ميانگين نمره هاي x- x نمره خام

ميانگين نمره هاي استاندارد معادل صفر و انحراف استاندارد معادل 1 است

تحليل رگرسيون را مي توان با نمره هاي استاندارد انجام داد.(كلينجر، 1389: 43)

رگرسيون چند متغير خطي

روش رگسيون چند متغير خطي انديشه هاي ارايه شده در قسمت بيش از پيش از يك متغير مستقل گسترش مي دهد . مي خواهيم متغير وابسته y را از روي اطلاعات مربوط به مقادير مستقل يا بيشتر x1 ، x2، x3،.... xk پيش بيني كنيم.( كلينجر: 1388: 338).

رگرسيون چند متغيري يك روش كلي براي تحليل بسياري از داده هاي پژوهش رفتاري است. بعضي روشهاي ديگر تحليل را مي توان حالتهاي خاصي از رگرسيون چند متغيري در نظر گرفت. برجسته ترين اينها تحليل واريانس است كه تمام انواع آن را مي توان با تحليل رگرسيون به مفهوم كشيد و انجام داد. تحليل رگرسيون چند متغير را مي توان به عنوان روشي نيرومند و اصلاح شده منترل واريانس در نظر گرفت. بطور خلاصه ، تحليل رگرسيون چند متغيري يك فن فرضيه آزمايي و استنباط سازي قوي است، زيرا به دانشمندان كمك مي‌كند، روابط دروني پيچيده بين متغيرهاي مستقل و يك متغير وابسته را با دقت نسبي مطالعه كند، بدين ترتيب به آنها كمك مي كند پديده احتمالي معرفي شده بوسيله متغير وابسته را تبيين كنند.( همان: 336)

رابطه و همبستگي

همبستگي رابطه است و مجموعه اي از زوجهاي مرتب را شامل مي شود. همبستگي به معناي هم تغييري دو متغير است. ضريب همبستگي شاخص جهت و مقدار رابطه است. ضريب همبستگي پيرسون (r) به وسيله چند فرمول هم ارز تعريف مي شود.


x = X +X , y = Y+Y


z= نمره استاندارد و x,y=انحراف از ميانگين

نمايش نمودار در تحليل رگرسيون بسيار اهميت دارد كه در آن مجموعه اي از زوجهاي مرتب را بر روي صفحه مخــتصات مي توان نشان داد. اين نمودار خود يــك رابطه است چون مجموعه اي از زوجهاي مرتب را نشان مــي دهد. (كلينجر،1389: 24)

مجموع مجذورات

مجموع مجزورات ( مجموعه توانهاي دوم) هر مجموعه اي از اعداد مي توان به دو صورت تعريف كرد:

1- بصورت نمره هاي خام

2- بصورت نمره هاي انحراف

مجموع مجذورات نمره هاي خام را اغلب محاسبه مي كنند و به صورت2Xi Σ كه در آن i=1.2.3…..N و N تعداد آزمونهاست محاسبه مي شود.(همان:26)

و فورمول آن:

Σ X 2 = Σ X – (Σ X)2

N
مجموع مضروبات

در شكل نمره خام به صورت ΣXY و در شكل نمره هاي انحراف به صورتxy Σ نشان مي‌دهند. كه فورمول آن:

ΣXY= ΣXY – (ΣX) (ΣY)
مجموع هاي مجذورات و مضروبات اركان تحليل رگرسيون اند.(همان:27)

واريانس و كوواريانس

معدل مجذورات انحراف مجموعه اي از اندازه‌ها از ميانگين را واريانس مي گويند. (ريشه دوم واريانس را انحراف استاندارد مي گويند)در نظریه احتمالات و آمار واریانس یا وردایی نوعی سنجش پراکندگی است. مقدار واریانس با میانگین‌گیری از مربع فاصله مقدار محتمل و یا مشاهده شده با مقدار مورد انتظار محاسبه می‌شود. در مقایسه با میانگین می‌توان گفت که میانگین مکان توزیع را نشان می‌دهد، در حالی که واریانس مقیاسی است که نشان می‌دهد که داده‌ها حول میانگین چگونه پخش شده‌اند. واریانس کمتر بدین معنا است که انتظار می‌رود که اگر نمونه‌ای از توزیع مزبور انتخاب شود مقدار آن به میانگین نزدیک باشد. یکای واریانس مربع یکای کمیت اولیه می‌باشد. ریشه دوم واریانس که انحراف معیار نامیده می‌شود دارای واحدی یکسان با متغیر اولیه است.

واريانس فصل مشترك دو زير مجموعه يا Y X را كوواريانس مي گويند و از طريق گرفتن معدل مضروبات محاسبه مي شود. در واقع كوواريانس رابطه بين X و Y را بصورت ديگر بيان مي كند.(همان: 28)

تحليل واريانس را مي توان با استفاده از رگرسيون چند متغيري انجام داد. تحليل كوواريانس، داده‌هاي پيش آزمون و پس آزمون، تعداد نابرابر موارد در هر خانه جدول (طرح هاي عاملي) و بررسي داده هاي آزمايشي و غيرآزمايشي، بطور طبيعي و به آساني با تحليل رگرسيون چند متغيري قابل بررسي است (كلينجر،1388، 369).

تحليل ماتريس كواريانس يا همبستگي

در مواقعي كه محقق از همبستگي مجموعه اي از متغيرها بخواهد تغييرات متغيرها را در عامل هاي محدود تر خلاصه كند يا خصيصه هاي زير بنايي يك مجموعه از داده ها را تعيين نمايد از روش تحليل عاملي استفاده مي‌كند. در صورتي كه محقق بخواهد مدل خاصي را از لحاظ روابط متغيرهاي تحت بررسي بيازمايد، از روش مدل معادلات ساختاري استفاده مي‌كند. براي هر دو منظور فوق لازم است كه ماتريس كواريانس متغيرهاي اندازه گيري شده تحليل شود.

ماتريس كواريانس در تحليل عاملي با دو هدف متفاوت مي‌تواند تحليل شود: ”هدف اكتشافي“ و ”هدف تاييدي“. چنانچه هدف اكتشافي باشد دو رويكرد متفاوت وجود دارد:

1- تعيين سازه يا متغيرهاي مكنون در يك حوزه از عملكرد كه به وسيله ابزارهاي اندازه گيري خاصي ارزيابي شده اند. اين هدف از طريق روش ”عامل مشترك“ ميسر مي‌شود.

2- تلخيص داده ها: در اين روش متغيرهاي به دست آمده به صورت شاخص هاي خلاصه تري در مي‌آيند. تلخيص داده ها معمولا از طريق روش ”مولفه هاي اصلي“ صورت مي‌گيرد.

در صورتي كه محقق درباره تعداد عامل هاي خصيصه ها فرضيه اي نداشته باشد، تحليل اكتشافي و در صورتي كه فرضيه موجود باشد تحليل تاييدي ناميده مي‌شود.(سرمدي، 1376: )

تاثير كلي دو متغير مستقل بر متغير واسته به وسيله مجذور ضريب همبستگي به نام ضريب همبستگي چند متغيره يا R2 بيان مي شود. مجموع مجذورات رگرسيون آن نسبت را از كل مجوع مجذورات yرا بيان مي كند كه از رگرسيونy يا متغير وابسته بر x1 و x2 يعني متغيرعاي مستقل ناشي مي شود و مجموع مجذورات مازاد آن نسبت از مجموع مجذورات كل را بيان يم كند كه از رگرسيون ناشي نمي شود. هميشه مجزور خطاهاي پيش بيني را به حد اقل رساند( كلينجر، 1388: 343).

با تحليل واريانس عاملي، تحليل كواريانس و متغير اسمي است كه ما به ارزش تحليل رگرسيون چند متغيره پي مي بريم. اشكالي زيربنايي در تحقيق و تحليل آن است كه متغيرهاي مستقل مورد علاقه ما اغلب با يكديگر همبسته اند، اما در تحليل واريانس فرض بر اين است كه آنها مستقل از يكديگر اند( همان:379).

مدل معادلات ساختاري

در تحقيقاتي كه هدف، آزمودن مدل خاصي از رابطه بين متغيرها است، از تحليل مدل معادلات ساختاري يا مدل هاي علّي استفاده مي‌شود. در اين مدل داده ها به صورت ماتريس هاي كواريانس يا همبستگي درآمده و يك مجموعه معادلات رگرسيون بين متغيرها تدوين مي‌شود. چنانچه در مدل براي هر متغير از بيش از يك نشانگر استفاده شود، مدل شامل مولفه اندازه گيري نيز مي‌شود. تحليل مدل معادلات ساختاري برآوردهايي از پارامترهاي مدل (ضرايب مسير و جملات خطا) و چند شاخص نيكويي برازش فراهم مي آورد.(سرمدي،1376: )

كنترل آماري متغيرها:

بررسي روابط ميان متغيرها كار ساده اي نيست و سوال اساسي آن است كه آيا رابطه اي تحت بررسي است همان رابطه مورد نظر است؟ اين مساله اعتبار روابط خوانده مي شود. با توجه به آن كه بررسي كار مشكلي است پس كنترل نيز كار پيچيده اي است.

مقصود از كنترل در تحقيقات علمي كنترل واريانس است كه از چند طريق رخ مي‌دهد:

1. برپا داشتن يك آزمايش، كه ساده ترين نوع است و شامل يك گروه كنترل و يك گروه آزمايشي است. پژوهشگر با دخل و تصرف در متغير آزمايشي، تفاوت بين گروه آزمايشي و گروه كنترل(يعني واريانس) را بالا مي برد.

2. از طريق گزينش آزمودنيها.

3. آزمودنيها بصورت تصادفي به گروههاي آزمايش منسب مي شود.

مفهوم كنترل درواقع اين است كه ميان آزمونها، صرف نظر از خاستگاه‌هاي اين تغييرات، به موجب تعريف بالسويه در چند گروه آزمايش توزيع مي شوند.

چون تحقيقات رفتاري اغلب از حيث ماهيت از نوع تحقيقات بعد از واقعه هستند، كنترل آنها از طريق دخل و تصرف مستقيم محقق ممكن نيست.

4. بررسي صحت و سقم فرضيه هاي كه فرضيه اصلي رقابت دارند

نتيجه: عملكرد صورتهاي مختلف كنترل يكي است

مقصورد از كنترل، كنترل واريانس است.

منظور از كنترل آماري اين است كه شخص براي آنكه قسمتي از واريانس متغير وابسته را كه به ظاهر از يك يا چند متغير مستقل خارج از رابطه خاص يا روابط تحت بررسي ناشي مي شود از روشهاي آماري استفاده كند (كلينجر،1389:121).
همبستگي تفكيكي و رگرسيون چند متغيري

همبستگي تفكيكي رابا استفاده از تحليل رگرسيون مي توان محاسبه كرد. در واقع همبستگي تفكيكي يك فن كنترل است كه بر حسب آن باقي مانده هاي هر يك از دو متغير رابطه بر متغير سومي كه تاثير آن را بايد از روي رابطه برداشت شود، ابقا مي كند. در همبستگي تفكيكي مرتبه اول، تاثير يك متغير از روي همبستگي بين دو متغير ديگر برداشته مي شود(همان:123).

همبستگي تفكيكي فقط به سه متغير محدود نمي شود، همبستگي هاي تفكيكي به اصطلاح مراتب بالاتر را هم مي توان محاسبه كرد. مرتبه همبستگي تفكيكي توسط تعداد متغيرهاي تفكيك شده معين مي شود(همان:131).
همبستگي نيمه تفكيكي

همبستگي نيمه تفكيكي با تحليل رگرسيون چند متغيري مرتبط است و در آن نقش مهمي ايفا مي‌كند. اهميت آن در تفسير داده هاي رگرسيون چند متغيري بيشتر جلوه مي كند. همبستگي تفكيكي واريانس ناخواسته را از هر دو متغير تحت بررسي تفكيك مي كرد. نام ديگر آن همبستگي پاره اي خوانده مي شود (همان: 134).
كنترل ، تبيين و تفسير، تحليل

تفسير: تفسير نتايج حاصل تحليل رگرسيون چند متغيري است. در تحليل رگسيون چند متغيري منظور تنها اين نيست كه بدانيم چگونه تركيبي از متغيرهاي مستقل و وابسته را پيش بيني كنيم. بلكه آگاهي از مقدار مشاركت هر متغير در پيش بيني مد نظر است. تفسير يافته هاي حاصل از تحليل رگرسيون چند متغيري ممكن است سخت باشد.

همبستگي تفكيكي و نيمه تفكيكي داراي مقاصد و كاربرهاي مختلفي اند كه در عين حال با هم مرتبط هم هستند. همبستگي تفكيكي بمنظور كنترل بكار مي رود و زماني كه محقق بخواهد رابطه بين دو متغير را خارج از تاثيرات متغيرهاي ديگر مطالعه كند (كلينجر،1389: 384).

تبيين: تبيين متغير وابسته از طريق مشخص كردن مشاركت نسبي متغيرها و روابط ميان آنها بر مي‌گردد. ما به شاخص آماري صرف علاقه نداريم. علاقه ما متوجه تبيين پديده هاست كه توسط متغير وابسته معرفي مي شود .

زبان آماري ما را در رسيدن به اين هدف غايي يعني تفسير، تبين روابط ماهوي ميان متغيرها ياري مي كند و تحليل رگرسيون چند متغيري در تصوير بزگ تر علمي آزمون قضاياي استخراج شده از نظريه و مقام اين روش آماري در تحقيقات علمي واضح تر است.

در مطالعات تبييني تاكيد بر تغييرات يك متغير وابسته توسط اطلاعات حاصل از يك يا چند متغير مستقل است. متغيرهاي مستقل با توجه به جمعبنديها در نظر گرفته مي شوند. در واقع تاكيد اصلي آن بر تدوين و آزمون در مدلهاي تبييني است (همان:384).

دانشمندان علوم رفتاري به دنبال تبيين پديده ها هستند و براي همين از ملاكها مختلفي بهره گيري مي كنند و در تحليل رگرسيون 2 ملاك مد نظر است:

1- مشاركت نسبي در واريانس به حساب آ,ده متغير وابسته

2- مقدار مجذور نسبي بتا

در واقع تحت اين شرايط است كه مجموع مجزورات رگرسيون يا نسبت واريانس به حساب آمده، بدون ابهام عملي مي شود.

در تحقيقات غير آزمايشگاهي ( يا بعد از وقوع) متغير مستقل عموما همبسته اند كه گاه همبستگي بين آنها قابل ملاحظه است (همان: 405).

پيش بيني: تاكيد بر كاربرد علمي است. در اين نوع مطالعات محقق مي كوشد تا بر اساس اطلاع از يك يا چند متغير مستقل به يك معادله رگرسيون دست يابد و از آن براي پيش بيني متغير وابسته استفاده كند. گزينش متغير مستقل در مطالعه هاي پيش بيني عمدتا با توجه به اثر بخشي آنها در بالا بردن دقت پيش بيني ملاك به عمل مي آيند.

فنون اساسي تحليل رگرسيون چند متغيري در هر دو مطالعه تبيين و پيش بيني يكي است و با توجه به پيش بيني و تبيين مي توان از تفسير نتايج مطمئن شد. در تحقيق هاي كه به پيش بيني يا تبيين ناظرند، تحليل رگرسيون مي تواند نقش بارزي ايفا كند و هردو منعكس كننده علايق و تاكيدات مختلفي هستند (همان: 384).

تحليل اشتراك: روشي است كه با تجزيه واريانس متغير وابسته به واريانس‌هاي مشترك و انحصاري به تعيين اهميت نسبي تاثيرات متغيرهاي مستقل كمك مي كند.اگر يك متغير در آخر وارد معادله شود، واريانس منتسب به آن مشاركت انحصاري را نشان مي دهد.

بايد در نظر داشت كه اجزا انحصاري متغيرها تحت تاثير روابط ميان آنها واقع مي شوند. افزايش در تعداد متغيرها اجزا انحصاري متغيرها تحت تاثير روابط ميان آنها واقع مي شود. در واقع هرچه همبستگي ميان متغيرها قوي تر باشد اشتراك ها بزرگتر و اجزا انحصاري كوچك ترمي‌شود(همان:407).

هرچند اشتراك هاي بزرگ باعث همبستگي قوي بين متغيرها مي شود. اما اين امر موجب نخواهد شد كه همبستگي قوي منعكس كننده فقدان خاصيت انحصاري در متغيرها باشد. در نهايت مي‌توان گفت استفاده از تحليل اشتراكي در مورد پيش بيني موثر تر از استفاده از آن در مورد تبيين است(همان:416).

تحليل مسير: عنوان روشي است براي مطالعه تاثيرات مستقيم و غير مستقيم متغيرهاي كه علت گرفته شده اند در متغيرهايي كه معلول فرض شده اند ساخت و پرداخت. اين روش براي تركيب اطلاعات كمي بدست آمده از ضريبهاي همبستگي با اطلاعات كيفي موجود درباره روابط علي به صورتي كه يك تفسير كمي حاصل شود كاربرد دارد (كلينجر،1389،416).

كاربرد تحليل مسير:

1- روابط بين متغيرهاي موجود در مدل خطي، جمع پذير و علي هستند. پس روابط انحناي و تعاملي ملحوظ نمي گردد.

2- باقي مانده ها باهم و با متغيرهايي كه قبل از آنها در مدل آمده است همبسته نيستند.

3- جريان عليت يك طرفه است.

4- متغيرها در مقياس فاصله اي اندازه گيري مي شود.

براي نشان دادن تحليل مسير از علامت P به انضمام دو انديس استفاده مي كنيم.

تحليل مسير ابزار تحليلي مهمي براي آزمودن نظريه هاست كه از كاربرد آن محقق مي تواند توافق الگويي از همبستگي ها را كه از مجموعه اي از مشاهدات حاصل شده است، با يك مدل معين معلوم كند.

پيراستن نظريه: در اين شيوه ابتدا ضريبهاي مسير محاسبه شده و سپس با توجه به يك ملاك معين بعضا حذف مي شود (همان: 421).

نتيجه:

تبيين و پيش بيني در مركز ثقل پژوهشهاي علمي قرار دارند. در مواردي كه تاكيد اصلي بر پيش‌بيني است محقق مي تواند راه حل پيشرونده، پسرونده و قدم به قدم يا تحليل اشتراك را بكار ببرد و روش معين به نيازها و علايق محقق بستگي پيدا مي كند (همان :447).

متغيرها

متغير طبقه اي:

متغيري است كه در آن تفاوت ميان آزمودنيها تفاوت در سنخ يا نوع باشد. هر طبقه به مجموعه اي از طبقات و بدون ترتيب نسبت داده مي شود. هرچند طبقات به واسطه اعدادي مشخص مي شنود اما اين اعداد معني مقداري ندارند.جنس ، وضعيت تاهل، وابستگي حزبي و .... جزء متغير طبقهاي هستند (كلينجر، 1389: 148).

متغير پيوسته:

در مقابل متغير پيوسته كه تفاوت ميان آزمودني‌ها در آن تفاوت در مقدار يا درجه است. يك متغير پيوسته ارزشهاي عددي به خود مي گيرد و اين ارزش ها مي توانند يك مقياس ترتيبي، فاصله اي يا نسبي را تشكيل دهند. خلاصه آنكه متغير پيوسته مبين تغييرات تدريجي است در حالي كه متغير طبقه اي مبين اين معنا نيست.هوش ، پيشرفت تحصيلي و ... متغير پيوسته اند (همان:149).
متغير تصنعي:

عضويت در يك طبقه معين از متغير را مي توان با استفاده از متغير تصنعي نشان داد. متغير تصنعي برداري است كه در آن اعضا طبقه معين يك عدد دلخواه ديگر نسبت مي دهند. مثلا متغير جنس به مرد 1 و به زن 0 را نسبت مي دهند.

وقتي سر و كار شخص با يك متغير مستقل طبقه اي است آن را مي توان به صورت مقتضي توسط متغيرهاي تصنعي بيان كرد. با متغير هاي تصنعي به عنوان متغيرهاي مستقل رفتار كند و تحليل رگرسيون را بكار برد.

مزاياي رگرسيون چند متغيري

هرچند از تحليل واريانس و تحليل رگرسيون چند متغيرهاي مستقل طبقه اي قابل تعويض اند اما تحليل در برخي از موارد ارجح است:

1. وقتي متغير مستقل پيوسته باشد.

2. وقتي متغير هاي مستقل هم طبقه اي و هم پيوسته باشند مثلا در تحليل كوواريانس.

3. وقتي كه فراواني در خانه هاي طرح فاكتوريال برابر يا نامتناسب باشد.

4. وقتي كه به مطالعه روند در داده ها پرداخته شود.

هرچند تحليل واريانس و رگرسيون را مي توان با متغيرهاي مستقل طبقه اي بكار گرفت اما تحليل رگرسيون انعطاف پذيرتر و قابل استفاده در موقعيت‌هاي است كه از تحليل واريانس در آن موقعيت ها جايز نيست. در نتيجه رگرسيون چند متغيري كلي تر و سودمندتر است(همان : 153).

منابع:

- ساعي، علي- روش تحقيق در علوم اجتماعي- نشر سمت- تهران 1387

- سرايي، علي- روش هاي تحقيق در علوم اجتماعي- انتشارات گاه- تهران 1389

- سرمدي، زهره و همكاران- روش هاي تحقيق در علوم رفتاري- نشر آگه – تهران 1376

- كرلينجر، پدهازر- رگرسيون چند متغيري در پژوهش رفتاري- مترجم دكتر حسن

- كرلينجر، پدهازر-مباني پژوهش در علوم رفتاري (جلد دوم)- مترجم دكتر حسن پاشا شريفي و همكارن - انتشارات آواي نور- تهران 1388

- مولر، چي اچ و همكاران- استدلال آماري در جامعه شناسي- ترجمه هوشنگ نايبي- نشر ني –تهران1389

 

http://kavok.blogfa.com/post-11.aspx


برچسب‌ها: تحلیل رگرسیونی, رگرسیون ساده, رگرسیون چندگانه, چند متغییری, ساختار کوواریانس
+ نوشته شده در  سه شنبه 7 بهمن1393ساعت   توسط محمد حسین ضرغامی  | 

تحليل رگرسيونی

تحليل رگرسيون

تحليل رگرسيون چند متغييري روش تحليل نيرومندي است كه در انواع مسايل مي توان از آن استفاده كرد و در تحقيقات جامعه شناسي، روانشناختي، اقتصادي و ... كاربرد دارد.از آن در متغيرهاي پيوسته و متغيرهاي طبقه اي استفاده مي شود و آن را مي توان با دو متغيير مستقل، سه متغير مستقل و يا بيشتر استفاده كرد. يكي از انواع روش هاي تحقيق توصيفي (غير آزمايشي) تحقيق همبستگي است. در اين نوع تحقيق رابطه ميان متغيرها بر اساس هدف تحقيق تحليل مي‌گردد(كلينجر، 1389: 12).

رگرسيون تكنيكي است كه از طريق آن به تغيير متغير وابسته از طريق تغييرات متغير مستقل يا از طريق تركيب خطي دو يا چند متغير مستقل تبيين و پيش بيني مي شود . دقت و توانايي اندازه گيري در روش تحليل رگرسيون بالاست.

تحليل رگرسيون از لحاظ ساختاري را مي توان به سه دسته تقسيم كرد.

1تحليل رگرسيون ساده: تغييرات متغيرy را از طريق يك متغيرx برآورد مي كند و تابع رگرسيون خطري بصورت y=a+bx است.

2. تحليل رگرسيون چند گانه: در آن واريانس متغير y از طريق مشاركت نسبي و تركيب خطي دو يا چند متغير مستقل تبيين مي شود و يك متغيروابسته و مجموعه اي از متغيرهاي مستقل وجود دارد.

تركيب خطي: b2x2+….+ bixi y=a+b1x1+

X3

3. تحليل رگرسيون چندگانه چند متغيره (ساعي، 1387: 152).
تحقيقات همبستگي را مي‌توان بر حسب هدف به سه دسته تقسيم كرد:

الف) مطالعه همبستگي دو متغيري، ب) تحليل رگرسيون، ج) تحليل ماتريس همبستگي يا كواريانس.

در مطالعات همبستگي دو متغيري، هدف بررسي رابطه دو به دو متغيرهاي موجود در تحقيق است. در تحليل رگرسيون هدف پيش بيني تغييرات يك يا چند متغير وابسته (ملاك) با توجه به تغييرات متغيرهاي مستقل (پيش بين) است. در بعضي بررسي ها از مجموعه همبستگي هاي دو متغيري متغيرهاي مورد بررسي در جدولي به نام ماتريس همبستگي يا كواريانس استفاده مي‌شود. از جمله تحقيقاتي كه در آن ها ماتريس همبستگي يا كواريانس تحليل مي شود، تحليل عاملي و مدل معادلات ساختاري است. در تحليل عاملي هدف تلخيص مجموعه اي از داده ها يا رسيدن به متغيرهاي مكنون (سازه) و در مدل معادلات ساختاري آزمودن روابط ساختاري مبتني بر نظريه ها و يافته هاي تحقيقاتي موجود است. در زير با تفضيل بيشتر هر يك از موارد فوق مورد بحث قرار مي‌گيرد. (سرمدي، 1376: ‌)

تحقيق همبستگي دو متغيري

در اين گونه تحقيقات هدف تعيين ميزان هماهنگي تغييرات دو متغير است. براي اين منظور بر حسب مقياس هاي اندازه گيري متغيرها شاخص هاي مناسبي اختيار مي‌شود از آنجا كه در اكثر تحقيقات همبستگي دو متغيري از مقياس فاصله اي با پيش فرض توزيع نرمال دو متغيري براي اندازه گيري متغيرها استفاده مي شود، لذا ضريب همبستگي محاسبه شده در اين گونه تحقيقات ضريب همبستگي گشتاوري پيرسون يا به طور خلاصه ضريب همبستگي پيرسون است.

به عنوان مثالي از تحقيق همبستگي دو متغيري به تحقيقي از اين نوع در اينجا اشاره مي‌شود:

پژوهشگران براي آزمودن رابطه ”استادهاي دروني و باثبات“ با متغير ”احساس لياقت“ در عملكردهاي موفق و ناموفق فرضيه هايي را مورد آزمون قرار دادند و براي اين امر از ضرايب همبستگي دو متغيري پيرسون استفاده كردند. نمره مثبت اسناد مركز عليت نشانگر اسنادهاي دروني و نمره منفي آن نشانگر اسنادهاي بيروني بود. نمره مثبت اسناد ثبات نشانگر اسنادهاي باثبات و نمرات منفي آن نشانگر اسنادهاي بي ثبات بود.

فرضيه هاي مورد آزمون عبارت بودند از:

فرضيه 1: احساس لياقت با اسنادهاي دروني و باثبات براي عملكردهاي موفق همبستگي مثبت دارد.

فرضيه 2: احساس لياقت با اسنادهاي دروني و باثبات براي عملكردهاي ناموفق همبستگي منفي دارد.

در اين تحقيق متغيرهاي مورد بررسي به شرح زير است: 1-احساس لياقت، 2-عملكرد در آزمون، 3-اسناد مركز عليت براي عملكرد ناموفق، 4-اسناد باثبات براي عملكرد ناموفق، 5-اسناد مركر عليت براي عملكرد موفق و 6-اسناد ثبات براي عملكرد موفق.

بايد توجه داشت كه نمره مثبت اسناد مركز عليت نشانگر اسنادهاي دروني و نمره منفي آن نشانگر اسنادهاي بيروني بود. نمره مثبت اسناد ثبات نشانگر اسنادهاي باثبات و نمرات منفي آن نشانگر اسنادهاي بي ثبات بود.

فرضيه هاي مورد بررسي عبارت است از:

1- در عملكردهاي موفق، احساس لياقت با اسناد دروني همبستگي مثبت دارد.

2- در عملكردهاي موفق، احساس لياقت با اسنادهاي باثبات همبستگي مثبت دارد.

3- در عملكردهاي ناموفق، احساس لياقت با اسناد دروني همبستگي منفي دارد.

4- در عملكردهاي ناموفق، احساس لياقت با اسنادهاي باثبات همبستگي منفي دارد.

ضرايب همبستگي اين متغيرها در جدول زير داده شده است و معني داري اين ضرايب همبستگي با يك يا دو ستاره مشخص شده است. (سرمدي، 1376: ‌)

جدول ضرايب همبستگي متغيرهاي اندازه گيري شده در بررسي رابطه هاي

اسنادهاي دروني و باثبات با احساس لياقت:

در مثال فوق با توجه به معني دار بودن برخي از ضرايب همبستگي ملاحظه مي‌شود كه فرضيه 1 كه به رابطه احساس لياقت با اسنادهاي باثبات در عملكردهاي موفق مربوط است تاييد مي‌گردد. (r=0.22 , P<0.05). فرضيه 3 و 4 محقق كاملا تاييد مي شود، زيرا همبستگي احساس لياقت با اسناد دروني و باثبات براي عملكردهاي ناموفق منفي و معني دار است (r=-.029 , P<0.05) و (r=-0.36 , P<0.01).

پژوهشگران با توجه به نتايج به دست آمده از همبستگي هاي دو متغيري به آزمودن فرضيه هاي ياد شده پرداخته اند. ( همان: )

در تحقيقاتي كه از تحليل رگرسيون استفاده مي شود، هدف معمولا پيش بيني يك يا چند متغير ملاك از يك يا چند متغير پيش بين است. چنانچه هدف پيش بيني يك متغير ملاك از چند متغير پيش بين باشد از مدل رگرسيون چندگانه استفاده مي‌شود. در صورتي كه هدف، پيش بيني همزمان چند متغير ملاك از متغيرهاي پيش بين يا زير مجموعه اي از آنها باشد از مدل رگرسيون چند متغيري استفاده مي‌شود. در تحقيقات رگرسيون چندگانه هدف پيدا كردن متغيرهاي پيش بيني است كه تغييرات متغير ملاك را چه به تنهايي و چه مشتركا پيش بيني كند. ورود متغيرهاي پيش بين در تحليل رگرسيون به شيوه هاي گوناگون صورت مي‌گيرد. در اين جا سه روش اساسي مورد بحث قرار مي‌گيرد:

الف) روش همزمان، ب)روش گام به گام، ج) روش سلسله مراتبي.

در روش همزمان تمام متغيرهاي پيش بين با هم وارد تحليل مي‌شود. در روش گام به گام اولين متغير پيش بين بر اساس بالاترين ضريب همبستگي صفرمرتبه با متغير ملاك وارد تحليل مي‌شود. از آن پس ساير متغيرها پيش بين بر حسب ضريب همبستگي تفكيكي (جزئي) و نيمه تفكيكي (نيمه جزئي) در تحليل وارد مي‌شود. در اين روش پس از ورود هر متغير جديد ضريب همبستگي نيمه تفكيكي يا تفكيكي ، تمام متغيرهايي كه قبلا در معادله وارد شده اند به عنوان آخرين متغير ورودي مورد بازبيني قرار مي‌گيرد و چنانچه با ورود متغير جديد معني داري خود را از دست داده باشد، از معادله خارج مي‌شود. به طور كلي در روش گام به گام ترتيب ورود متغيرها در دست محقق نيست.

در روش سلسله مراتبي ترتيب ورود متغيرها به تحليل بر اساس يك چارچوب نظري يا تجربي مورد نظر محقق صورت مي‌گيرد. به عبارت ديگر پژوهشگر شخصا درباره ترتيب ورود متغيرها به تحليل تصميم گيري مي‌كند. اين تصميم گيري كه قبل از شروع تحليل اتخاذ مي‌شود مي‌تواند بر اساس سه اصل عمده زير باشد:

- رابطه علت و معلولي.

- رابطه متغيرها در تحقيقات قبلي.

- ساختار طرح پژوهشي (براي مثال در طرح هاي عاملي ابتدا اثرهاي اصلي و سپس اثرهاي متقابل آنها وارد تحليل مي‌شود).

از آن جا كه روش تحليل رگرسيون سلسله مراتبي با توجه به چارچوب نظري يا تجربي وپژه اي صورت مي گيرد، در تحقيقات علوم رفتاري از اهميت خاصي برخوردار است. لازم به تذكر است كه براي اين گونه تحقيقات آشنايي با روشهاي آماري تحليل رگرسيون الزامي است.(سرمدي،1376: )

رگرسيون چند متغيري

روشي است كه براي تحليل مشاركت جمعي و فردي دو يا چند متغير مستقل X در تغييرات متغير وابسته Y، وظيفه اساسي علم تبيين پديده هاست. در واقع مجموعه اي از سازه ها يا متغيرهاست كه با مشخص كردن روابط موجود ميان متغيرها به تبين آنها مي پردازيم.(كلينجر، 1389: 12 )

بررسي علمي هر سازه يا متغير مستلزم آن است كه منابع تغيير آن سازه يا متغير تشخيص داده شود، مي گويند كه متغير تغير كرده است.وظيفه رگرسيون چند متغييري اين است كه به تبيين واريانس متغير وابسته كمك كند و اين وظيفه را تا حدودي از طريق برآورد مشاركت متغييرها (2 يا چند متغير مستقل) در واريانس به انجام مي رسانند. (همان: 13)

در نظريه سنتي ، محقق ابتدا رابطه يك متغير مستقل را با متغير وابسته مطالعه مي كند، سپس رابطه متغيرمستقل ديگري را با آن متغير وابسته مطالعه مي كنند و اين كار تا آخر ادامه مي يابد.طرح سنتي تحقيق هم بصورت كلاسيك گروه آزمايش و گروه كنترل عرضه مي شد. (همان: 14)

كاربرد رگرسيون چند متغيري بر پيش بيني يك متغير وابسته از طريق چند متغير مستقل تاكيد دارد كه موجب تبيين موضوع مي شود. در واقع تبيين علمي مبتني است بر تعيين روابط موجود ميان رويدادهاي تجربي.متغير وابسته به صورت Y و متغير مستقل به صورت Xi,X1,X2.X3….. Xk نشان داده مي شود.

تحليل رگرسيون چند متغيري و تحليل واريانس در واقع يك چيزند. تحليل واريانس براي تحليل داده هاي حاصل از آزمايشهاي طرح ريزي شده است.اگر بيش از يك متغير در آزمايش وجود داشته باشد، يكي از شرايط استفاده ار آن اين است كه متغيرهاي آزمايشي ناوابسته باشند (همان: 18).

تحليل رگرسيون چند متغيري نظير هر روش ديگر يك ابزار است كه كمك مي كند به فهم پديده هاي طبيعي و اين واريانس يا كوواريانس است كه به لحاظ فني راهگشاي ما در روشهاي تحليلي است. همچنين به منظور جبران بعضي از اشتباهاتي كه در رگرسيون چند متغيره به وجود مي آيد بايد نمونه بزرگتر ( در حدود 500) استفاده كرد.

متغير مستقل:

دو نوع است

- متغير فعال- متغيري كه براثر دخل و تصرف ايجاد مي شود.

- متغير منسوب- متغيري است كه سنجيده مي شود.مثل هوس و استعداد تحصيلي.(همان: 18).

روش محاسبات به شيوه اي انجام مي شود كه با داشتن همبستگي در بين تمام متغيرها، بهترين پيش بيني ميسر مي شود. به بيان ديگر بجاي استفاده ازX، پس از Y مي گوييم اگر X1,X2.X3….. Xk پس از Y و نتايج محاسبات بما بگويد كه پيش بيني چقدر خوب است و بهترين تركيب خطي متغيرها تقريبا چه مقدار از واريانس Y را تبيين مي كند ( كلينجر،1388: 333)

رگرسيون خطي

وقتي كه الگوي اصلي رابطه بين دو متغير به كمك نمودار پراكنش مشخص شده باشد مي توان آن الگورا بطور موجز و دقيق بامعادله‌ي خط رگرسيون بيان كرد. اين معادله به مثابه‌ي قاعده پيش بيني مقادير يك متغير بر اساس مقادير ديگر است (مولر،1389: 271).

در رگرسیون خطی، متغیر وابسته yi تركيب خطي، خطی از ضرایب (پارامترها) است (لازم نیست که نسبت به متغیرهای مستقل خطی باشد). مثلاً تحلیل رگرسیونی سادهٔ زیر با N نقطه، متغیر مستقل xi و ضرایب β0 و β1 خطی است:

خط راست:

در رگرسیون چندگانه، بیش از یک متغیر مستقل وجود دارد:

سهمی:

این همچنان رگرسیون خطی است، زیرا yi همچنان ترکیب خطی پارامترها (β0 و β1) است، هرچند که نسبت به متغیر مستقل (xi) خطی نیست.

در هر دو حالت، εi مقدار خطاست و پانویس i شمارهٔ هر مشاهده (هر جفت xi و yi) را نشان می‌دهد. با داشتن مجموعه‌ای از این نقطه‌ها می‌توان مدل را به دست آورد:

عبارت ei مانده نام دارد: . روش رایج برای به‌دست‌آوردن پارامترها، روش كمترين مربعات است. در این روش پارامترها را با کمینه‌کردن تابع زیر به دست می‌آورند:

در مورد رگرسیون ساده، پارامترها با این روش برابر خواهند بود با:

که در آن و میانگین x و y هستند.(وكيپديا)

رگرسيون خطي ساده:

رگرسيون و همبستگي بهم نزديك هستند. r براي نشان دادن همبستگي بكار مي رود و در واقع معني رگرسيون را دارد. منظور از مطالعه رگرسيون چگونگي بازگشت نمره yبه نمره x و مطالعه چگونگي وابستگي آنها به نمره x است.( كلينجر،1389: 33)

به لحاظ آماري اگر X و Y همبسته نباشند بهترين ميانگين است. هرچه همبستگي قوي تر باشد پيش بيني هم دقيق تر مي شود. وقتي قدرrبه 00/1 برسد پيش بيني كامل است. هرجه r به سمت صفر ميل كند پيش بيني Y از طريق X هم ناقص تر مي شود و به سوي ميانگين بازگشت مي‌كند و اگر قدر مطلق r معادل 1 باشد بر روي خط رگرسيون قرار مي گيرد.(كلينجر، 1388: 333)

آزمونهاي معني دار بودن

آزمونهاي معنا دار بودن آماري در تحليل رگرسيون ( چه ساده و چه چند متغيري ) مشابه آزمون‌هاي معنادار بودن آماري در تحليل واريانس اند.

با استفاده از تحليل واريانس شخص مي تواند واريانس سيستماتيك و واريانس اشتباه تجزيه كند. در ساده ترين شكل واريانس كلبه واريانس بين گروهي (يا واريانس آزمايشي) و واريانس درون گروهي( يا وارانس اشتباه) تجزيه مي شود.

معادله اساسي در تحليل واريانس چنين است:

Stt=ssb+ssw

Stt : مجموع مجذورات كل - ssb مجموع مجذورات بين گروهي - ssw مجموع مجزوراتبيرون گروهي. (كلينجر،1389: 33)

آزمون معني دار بودن را به دو يا سه طريق مي توان انجام داد:

1- از طريق جدول معني دار بودن r ها در سطح هاي مختلف مراجعه كنبم و معني دار بودن همبستگي را مي آزماييم.

2- از طريق آزمون Tو كوكران

3- نمره استاندارد

نمرا استاندارد در حقيقت نمره انحراف استاندارد است. اگر نمره انحراف از ميانگينx=X-X را براي انحراف استانداردمجموعه نمره ها s تقسيم كنيم نمره استاندارد به دست مي آيد.

Zx= X-X =x

Sx sx

Zxنمره استاندارد- Sx انحراف استاندارد- X ميانگين نمره هاي x- x نمره خام

ميانگين نمره هاي استاندارد معادل صفر و انحراف استاندارد معادل 1 است

تحليل رگرسيون را مي توان با نمره هاي استاندارد انجام داد.(كلينجر، 1389: 43)

رگرسيون چند متغير خطي

روش رگسيون چند متغير خطي انديشه هاي ارايه شده در قسمت بيش از پيش از يك متغير مستقل گسترش مي دهد . مي خواهيم متغير وابسته y را از روي اطلاعات مربوط به مقادير مستقل يا بيشتر x1 ، x2، x3،.... xk پيش بيني كنيم.( كلينجر: 1388: 338).

رگرسيون چند متغيري يك روش كلي براي تحليل بسياري از داده هاي پژوهش رفتاري است. بعضي روشهاي ديگر تحليل را مي توان حالتهاي خاصي از رگرسيون چند متغيري در نظر گرفت. برجسته ترين اينها تحليل واريانس است كه تمام انواع آن را مي توان با تحليل رگرسيون به مفهوم كشيد و انجام داد. تحليل رگرسيون چند متغير را مي توان به عنوان روشي نيرومند و اصلاح شده منترل واريانس در نظر گرفت. بطور خلاصه ، تحليل رگرسيون چند متغيري يك فن فرضيه آزمايي و استنباط سازي قوي است، زيرا به دانشمندان كمك مي‌كند، روابط دروني پيچيده بين متغيرهاي مستقل و يك متغير وابسته را با دقت نسبي مطالعه كند، بدين ترتيب به آنها كمك مي كند پديده احتمالي معرفي شده بوسيله متغير وابسته را تبيين كنند.( همان: 336)

رابطه و همبستگي

همبستگي رابطه است و مجموعه اي از زوجهاي مرتب را شامل مي شود. همبستگي به معناي هم تغييري دو متغير است. ضريب همبستگي شاخص جهت و مقدار رابطه است. ضريب همبستگي پيرسون (r) به وسيله چند فرمول هم ارز تعريف مي شود.


x = X +X , y = Y+Y


z= نمره استاندارد و x,y=انحراف از ميانگين

نمايش نمودار در تحليل رگرسيون بسيار اهميت دارد كه در آن مجموعه اي از زوجهاي مرتب را بر روي صفحه مخــتصات مي توان نشان داد. اين نمودار خود يــك رابطه است چون مجموعه اي از زوجهاي مرتب را نشان مــي دهد. (كلينجر،1389: 24)

مجموع مجذورات

مجموع مجزورات ( مجموعه توانهاي دوم) هر مجموعه اي از اعداد مي توان به دو صورت تعريف كرد:

1- بصورت نمره هاي خام

2- بصورت نمره هاي انحراف

مجموع مجذورات نمره هاي خام را اغلب محاسبه مي كنند و به صورت2Xi Σ كه در آن i=1.2.3…..N و N تعداد آزمونهاست محاسبه مي شود.(همان:26)

و فورمول آن:

Σ X 2 = Σ X – (Σ X)2

N
مجموع مضروبات

در شكل نمره خام به صورت ΣXY و در شكل نمره هاي انحراف به صورتxy Σ نشان مي‌دهند. كه فورمول آن:

ΣXY= ΣXY – (ΣX) (ΣY)
مجموع هاي مجذورات و مضروبات اركان تحليل رگرسيون اند.(همان:27)

واريانس و كوواريانس

معدل مجذورات انحراف مجموعه اي از اندازه‌ها از ميانگين را واريانس مي گويند. (ريشه دوم واريانس را انحراف استاندارد مي گويند)در نظریه احتمالات و آمار واریانس یا وردایی نوعی سنجش پراکندگی است. مقدار واریانس با میانگین‌گیری از مربع فاصله مقدار محتمل و یا مشاهده شده با مقدار مورد انتظار محاسبه می‌شود. در مقایسه با میانگین می‌توان گفت که میانگین مکان توزیع را نشان می‌دهد، در حالی که واریانس مقیاسی است که نشان می‌دهد که داده‌ها حول میانگین چگونه پخش شده‌اند. واریانس کمتر بدین معنا است که انتظار می‌رود که اگر نمونه‌ای از توزیع مزبور انتخاب شود مقدار آن به میانگین نزدیک باشد. یکای واریانس مربع یکای کمیت اولیه می‌باشد. ریشه دوم واریانس که انحراف معیار نامیده می‌شود دارای واحدی یکسان با متغیر اولیه است.

واريانس فصل مشترك دو زير مجموعه يا Y X را كوواريانس مي گويند و از طريق گرفتن معدل مضروبات محاسبه مي شود. در واقع كوواريانس رابطه بين X و Y را بصورت ديگر بيان مي كند.(همان: 28)

تحليل واريانس را مي توان با استفاده از رگرسيون چند متغيري انجام داد. تحليل كوواريانس، داده‌هاي پيش آزمون و پس آزمون، تعداد نابرابر موارد در هر خانه جدول (طرح هاي عاملي) و بررسي داده هاي آزمايشي و غيرآزمايشي، بطور طبيعي و به آساني با تحليل رگرسيون چند متغيري قابل بررسي است (كلينجر،1388، 369).

تحليل ماتريس كواريانس يا همبستگي

در مواقعي كه محقق از همبستگي مجموعه اي از متغيرها بخواهد تغييرات متغيرها را در عامل هاي محدود تر خلاصه كند يا خصيصه هاي زير بنايي يك مجموعه از داده ها را تعيين نمايد از روش تحليل عاملي استفاده مي‌كند. در صورتي كه محقق بخواهد مدل خاصي را از لحاظ روابط متغيرهاي تحت بررسي بيازمايد، از روش مدل معادلات ساختاري استفاده مي‌كند. براي هر دو منظور فوق لازم است كه ماتريس كواريانس متغيرهاي اندازه گيري شده تحليل شود.

ماتريس كواريانس در تحليل عاملي با دو هدف متفاوت مي‌تواند تحليل شود: ”هدف اكتشافي“ و ”هدف تاييدي“. چنانچه هدف اكتشافي باشد دو رويكرد متفاوت وجود دارد:

1- تعيين سازه يا متغيرهاي مكنون در يك حوزه از عملكرد كه به وسيله ابزارهاي اندازه گيري خاصي ارزيابي شده اند. اين هدف از طريق روش ”عامل مشترك“ ميسر مي‌شود.

2- تلخيص داده ها: در اين روش متغيرهاي به دست آمده به صورت شاخص هاي خلاصه تري در مي‌آيند. تلخيص داده ها معمولا از طريق روش ”مولفه هاي اصلي“ صورت مي‌گيرد.

در صورتي كه محقق درباره تعداد عامل هاي خصيصه ها فرضيه اي نداشته باشد، تحليل اكتشافي و در صورتي كه فرضيه موجود باشد تحليل تاييدي ناميده مي‌شود.(سرمدي، 1376: )

تاثير كلي دو متغير مستقل بر متغير واسته به وسيله مجذور ضريب همبستگي به نام ضريب همبستگي چند متغيره يا R2 بيان مي شود. مجموع مجذورات رگرسيون آن نسبت را از كل مجوع مجذورات yرا بيان مي كند كه از رگرسيونy يا متغير وابسته بر x1 و x2 يعني متغيرعاي مستقل ناشي مي شود و مجموع مجذورات مازاد آن نسبت از مجموع مجذورات كل را بيان يم كند كه از رگرسيون ناشي نمي شود. هميشه مجزور خطاهاي پيش بيني را به حد اقل رساند( كلينجر، 1388: 343).

با تحليل واريانس عاملي، تحليل كواريانس و متغير اسمي است كه ما به ارزش تحليل رگرسيون چند متغيره پي مي بريم. اشكالي زيربنايي در تحقيق و تحليل آن است كه متغيرهاي مستقل مورد علاقه ما اغلب با يكديگر همبسته اند، اما در تحليل واريانس فرض بر اين است كه آنها مستقل از يكديگر اند( همان:379).

مدل معادلات ساختاري

در تحقيقاتي كه هدف، آزمودن مدل خاصي از رابطه بين متغيرها است، از تحليل مدل معادلات ساختاري يا مدل هاي علّي استفاده مي‌شود. در اين مدل داده ها به صورت ماتريس هاي كواريانس يا همبستگي درآمده و يك مجموعه معادلات رگرسيون بين متغيرها تدوين مي‌شود. چنانچه در مدل براي هر متغير از بيش از يك نشانگر استفاده شود، مدل شامل مولفه اندازه گيري نيز مي‌شود. تحليل مدل معادلات ساختاري برآوردهايي از پارامترهاي مدل (ضرايب مسير و جملات خطا) و چند شاخص نيكويي برازش فراهم مي آورد.(سرمدي،1376: )

كنترل آماري متغيرها:

بررسي روابط ميان متغيرها كار ساده اي نيست و سوال اساسي آن است كه آيا رابطه اي تحت بررسي است همان رابطه مورد نظر است؟ اين مساله اعتبار روابط خوانده مي شود. با توجه به آن كه بررسي كار مشكلي است پس كنترل نيز كار پيچيده اي است.

مقصود از كنترل در تحقيقات علمي كنترل واريانس است كه از چند طريق رخ مي‌دهد:

1. برپا داشتن يك آزمايش، كه ساده ترين نوع است و شامل يك گروه كنترل و يك گروه آزمايشي است. پژوهشگر با دخل و تصرف در متغير آزمايشي، تفاوت بين گروه آزمايشي و گروه كنترل(يعني واريانس) را بالا مي برد.

2. از طريق گزينش آزمودنيها.

3. آزمودنيها بصورت تصادفي به گروههاي آزمايش منسب مي شود.

مفهوم كنترل درواقع اين است كه ميان آزمونها، صرف نظر از خاستگاه‌هاي اين تغييرات، به موجب تعريف بالسويه در چند گروه آزمايش توزيع مي شوند.

چون تحقيقات رفتاري اغلب از حيث ماهيت از نوع تحقيقات بعد از واقعه هستند، كنترل آنها از طريق دخل و تصرف مستقيم محقق ممكن نيست.

4. بررسي صحت و سقم فرضيه هاي كه فرضيه اصلي رقابت دارند

نتيجه: عملكرد صورتهاي مختلف كنترل يكي است

مقصورد از كنترل، كنترل واريانس است.

منظور از كنترل آماري اين است كه شخص براي آنكه قسمتي از واريانس متغير وابسته را كه به ظاهر از يك يا چند متغير مستقل خارج از رابطه خاص يا روابط تحت بررسي ناشي مي شود از روشهاي آماري استفاده كند (كلينجر،1389:121).
همبستگي تفكيكي و رگرسيون چند متغيري

همبستگي تفكيكي رابا استفاده از تحليل رگرسيون مي توان محاسبه كرد. در واقع همبستگي تفكيكي يك فن كنترل است كه بر حسب آن باقي مانده هاي هر يك از دو متغير رابطه بر متغير سومي كه تاثير آن را بايد از روي رابطه برداشت شود، ابقا مي كند. در همبستگي تفكيكي مرتبه اول، تاثير يك متغير از روي همبستگي بين دو متغير ديگر برداشته مي شود(همان:123).

همبستگي تفكيكي فقط به سه متغير محدود نمي شود، همبستگي هاي تفكيكي به اصطلاح مراتب بالاتر را هم مي توان محاسبه كرد. مرتبه همبستگي تفكيكي توسط تعداد متغيرهاي تفكيك شده معين مي شود(همان:131).
همبستگي نيمه تفكيكي

همبستگي نيمه تفكيكي با تحليل رگرسيون چند متغيري مرتبط است و در آن نقش مهمي ايفا مي‌كند. اهميت آن در تفسير داده هاي رگرسيون چند متغيري بيشتر جلوه مي كند. همبستگي تفكيكي واريانس ناخواسته را از هر دو متغير تحت بررسي تفكيك مي كرد. نام ديگر آن همبستگي پاره اي خوانده مي شود (همان: 134).
كنترل ، تبيين و تفسير، تحليل

تفسير: تفسير نتايج حاصل تحليل رگرسيون چند متغيري است. در تحليل رگسيون چند متغيري منظور تنها اين نيست كه بدانيم چگونه تركيبي از متغيرهاي مستقل و وابسته را پيش بيني كنيم. بلكه آگاهي از مقدار مشاركت هر متغير در پيش بيني مد نظر است. تفسير يافته هاي حاصل از تحليل رگرسيون چند متغيري ممكن است سخت باشد.

همبستگي تفكيكي و نيمه تفكيكي داراي مقاصد و كاربرهاي مختلفي اند كه در عين حال با هم مرتبط هم هستند. همبستگي تفكيكي بمنظور كنترل بكار مي رود و زماني كه محقق بخواهد رابطه بين دو متغير را خارج از تاثيرات متغيرهاي ديگر مطالعه كند (كلينجر،1389: 384).

تبيين: تبيين متغير وابسته از طريق مشخص كردن مشاركت نسبي متغيرها و روابط ميان آنها بر مي‌گردد. ما به شاخص آماري صرف علاقه نداريم. علاقه ما متوجه تبيين پديده هاست كه توسط متغير وابسته معرفي مي شود .

زبان آماري ما را در رسيدن به اين هدف غايي يعني تفسير، تبين روابط ماهوي ميان متغيرها ياري مي كند و تحليل رگرسيون چند متغيري در تصوير بزگ تر علمي آزمون قضاياي استخراج شده از نظريه و مقام اين روش آماري در تحقيقات علمي واضح تر است.

در مطالعات تبييني تاكيد بر تغييرات يك متغير وابسته توسط اطلاعات حاصل از يك يا چند متغير مستقل است. متغيرهاي مستقل با توجه به جمعبنديها در نظر گرفته مي شوند. در واقع تاكيد اصلي آن بر تدوين و آزمون در مدلهاي تبييني است (همان:384).

دانشمندان علوم رفتاري به دنبال تبيين پديده ها هستند و براي همين از ملاكها مختلفي بهره گيري مي كنند و در تحليل رگرسيون 2 ملاك مد نظر است:

1- مشاركت نسبي در واريانس به حساب آ,ده متغير وابسته

2- مقدار مجذور نسبي بتا

در واقع تحت اين شرايط است كه مجموع مجزورات رگرسيون يا نسبت واريانس به حساب آمده، بدون ابهام عملي مي شود.

در تحقيقات غير آزمايشگاهي ( يا بعد از وقوع) متغير مستقل عموما همبسته اند كه گاه همبستگي بين آنها قابل ملاحظه است (همان: 405).

پيش بيني: تاكيد بر كاربرد علمي است. در اين نوع مطالعات محقق مي كوشد تا بر اساس اطلاع از يك يا چند متغير مستقل به يك معادله رگرسيون دست يابد و از آن براي پيش بيني متغير وابسته استفاده كند. گزينش متغير مستقل در مطالعه هاي پيش بيني عمدتا با توجه به اثر بخشي آنها در بالا بردن دقت پيش بيني ملاك به عمل مي آيند.

فنون اساسي تحليل رگرسيون چند متغيري در هر دو مطالعه تبيين و پيش بيني يكي است و با توجه به پيش بيني و تبيين مي توان از تفسير نتايج مطمئن شد. در تحقيق هاي كه به پيش بيني يا تبيين ناظرند، تحليل رگرسيون مي تواند نقش بارزي ايفا كند و هردو منعكس كننده علايق و تاكيدات مختلفي هستند (همان: 384).

تحليل اشتراك: روشي است كه با تجزيه واريانس متغير وابسته به واريانس‌هاي مشترك و انحصاري به تعيين اهميت نسبي تاثيرات متغيرهاي مستقل كمك مي كند.اگر يك متغير در آخر وارد معادله شود، واريانس منتسب به آن مشاركت انحصاري را نشان مي دهد.

بايد در نظر داشت كه اجزا انحصاري متغيرها تحت تاثير روابط ميان آنها واقع مي شوند. افزايش در تعداد متغيرها اجزا انحصاري متغيرها تحت تاثير روابط ميان آنها واقع مي شود. در واقع هرچه همبستگي ميان متغيرها قوي تر باشد اشتراك ها بزرگتر و اجزا انحصاري كوچك ترمي‌شود(همان:407).

هرچند اشتراك هاي بزرگ باعث همبستگي قوي بين متغيرها مي شود. اما اين امر موجب نخواهد شد كه همبستگي قوي منعكس كننده فقدان خاصيت انحصاري در متغيرها باشد. در نهايت مي‌توان گفت استفاده از تحليل اشتراكي در مورد پيش بيني موثر تر از استفاده از آن در مورد تبيين است(همان:416).

تحليل مسير: عنوان روشي است براي مطالعه تاثيرات مستقيم و غير مستقيم متغيرهاي كه علت گرفته شده اند در متغيرهايي كه معلول فرض شده اند ساخت و پرداخت. اين روش براي تركيب اطلاعات كمي بدست آمده از ضريبهاي همبستگي با اطلاعات كيفي موجود درباره روابط علي به صورتي كه يك تفسير كمي حاصل شود كاربرد دارد (كلينجر،1389،416).

كاربرد تحليل مسير:

1- روابط بين متغيرهاي موجود در مدل خطي، جمع پذير و علي هستند. پس روابط انحناي و تعاملي ملحوظ نمي گردد.

2- باقي مانده ها باهم و با متغيرهايي كه قبل از آنها در مدل آمده است همبسته نيستند.

3- جريان عليت يك طرفه است.

4- متغيرها در مقياس فاصله اي اندازه گيري مي شود.

براي نشان دادن تحليل مسير از علامت P به انضمام دو انديس استفاده مي كنيم.

تحليل مسير ابزار تحليلي مهمي براي آزمودن نظريه هاست كه از كاربرد آن محقق مي تواند توافق الگويي از همبستگي ها را كه از مجموعه اي از مشاهدات حاصل شده است، با يك مدل معين معلوم كند.

پيراستن نظريه: در اين شيوه ابتدا ضريبهاي مسير محاسبه شده و سپس با توجه به يك ملاك معين بعضا حذف مي شود (همان: 421).

نتيجه:

تبيين و پيش بيني در مركز ثقل پژوهشهاي علمي قرار دارند. در مواردي كه تاكيد اصلي بر پيش‌بيني است محقق مي تواند راه حل پيشرونده، پسرونده و قدم به قدم يا تحليل اشتراك را بكار ببرد و روش معين به نيازها و علايق محقق بستگي پيدا مي كند (همان :447).

متغيرها

متغير طبقه اي:

متغيري است كه در آن تفاوت ميان آزمودنيها تفاوت در سنخ يا نوع باشد. هر طبقه به مجموعه اي از طبقات و بدون ترتيب نسبت داده مي شود. هرچند طبقات به واسطه اعدادي مشخص مي شنود اما اين اعداد معني مقداري ندارند.جنس ، وضعيت تاهل، وابستگي حزبي و .... جزء متغير طبقهاي هستند (كلينجر، 1389: 148).

متغير پيوسته:

در مقابل متغير پيوسته كه تفاوت ميان آزمودني‌ها در آن تفاوت در مقدار يا درجه است. يك متغير پيوسته ارزشهاي عددي به خود مي گيرد و اين ارزش ها مي توانند يك مقياس ترتيبي، فاصله اي يا نسبي را تشكيل دهند. خلاصه آنكه متغير پيوسته مبين تغييرات تدريجي است در حالي كه متغير طبقه اي مبين اين معنا نيست.هوش ، پيشرفت تحصيلي و ... متغير پيوسته اند (همان:149).
متغير تصنعي:

عضويت در يك طبقه معين از متغير را مي توان با استفاده از متغير تصنعي نشان داد. متغير تصنعي برداري است كه در آن اعضا طبقه معين يك عدد دلخواه ديگر نسبت مي دهند. مثلا متغير جنس به مرد 1 و به زن 0 را نسبت مي دهند.

وقتي سر و كار شخص با يك متغير مستقل طبقه اي است آن را مي توان به صورت مقتضي توسط متغيرهاي تصنعي بيان كرد. با متغير هاي تصنعي به عنوان متغيرهاي مستقل رفتار كند و تحليل رگرسيون را بكار برد.

مزاياي رگرسيون چند متغيري

هرچند از تحليل واريانس و تحليل رگرسيون چند متغيرهاي مستقل طبقه اي قابل تعويض اند اما تحليل در برخي از موارد ارجح است:

1. وقتي متغير مستقل پيوسته باشد.

2. وقتي متغير هاي مستقل هم طبقه اي و هم پيوسته باشند مثلا در تحليل كوواريانس.

3. وقتي كه فراواني در خانه هاي طرح فاكتوريال برابر يا نامتناسب باشد.

4. وقتي كه به مطالعه روند در داده ها پرداخته شود.

هرچند تحليل واريانس و رگرسيون را مي توان با متغيرهاي مستقل طبقه اي بكار گرفت اما تحليل رگرسيون انعطاف پذيرتر و قابل استفاده در موقعيت‌هاي است كه از تحليل واريانس در آن موقعيت ها جايز نيست. در نتيجه رگرسيون چند متغيري كلي تر و سودمندتر است(همان : 153).

منابع:

- ساعي، علي- روش تحقيق در علوم اجتماعي- نشر سمت- تهران 1387

- سرايي، علي- روش هاي تحقيق در علوم اجتماعي- انتشارات گاه- تهران 1389

- سرمدي، زهره و همكاران- روش هاي تحقيق در علوم رفتاري- نشر آگه – تهران 1376

- كرلينجر، پدهازر- رگرسيون چند متغيري در پژوهش رفتاري- مترجم دكتر حسن

- كرلينجر، پدهازر-مباني پژوهش در علوم رفتاري (جلد دوم)- مترجم دكتر حسن پاشا شريفي و همكارن - انتشارات آواي نور- تهران 1388

- مولر، چي اچ و همكاران- استدلال آماري در جامعه شناسي- ترجمه هوشنگ نايبي- نشر ني –تهران1389

 

http://kavok.blogfa.com/post-11.aspx


برچسب‌ها: تحلیل رگرسیونی, رگرسیون ساده, رگرسیون چندگانه, چند متغییری, ساختار کوواریانس
+ نوشته شده در  سه شنبه 7 بهمن1393ساعت   توسط محمد حسین ضرغامی  | 

تفاوت مدل ساده راش و مدل یک پارامتري

تفاوت مدل ساده راش و مدل یک پارامتري
مدل اولیه راش و مدل یک پارامتري، هر دو ویژگی هاي مشابهی دارند و از نظر ریاضی نیز
یکسانند. ولی این مدل ها تفاوت هایی نیز با هم دارند که کمتر مورد توجه قرار می گیرند.
اولین تفاوت این دو مدل در زیربناي منطقی آنها است. راش از بین دو رویکرد مطرح شده
در نظریه سوال پاسخ طرفدار رویکرد دوم بود و مدلش نیز بر اساس همین رویکرد شکل
گرفته است. در حالی که مدل تک پارامتري از رویکرد اول نشأت گرفته است که هدف
آن تحلیل الگوهاي پاسخ به سوال ها میباشد. در رویکرد دوم، اگر سوال یا فردي با مدل
برازش نداشته باشد، حذف میشود، روش راش و طرفداران وي نیز همین بوده است. در
حالی که، رویکرد اول به جاي کنار گذاشتن سوال یا آزمودنی، مدل را عوض میکند تا
با یافتن مناسب ترین مدل دقیقترین پارامترها را برآورد کند. دومین تفاوت این دو مدل آن
است که راش مدل خود را به این قاعده محدود کرده که مجموع پارامترهاي دشواري
براي همه سوالات مقیاس برابر صفر است =b )0 ) و بر اساس همین محدودیت، مقیاس
پارامتر θ را مشخص میکند. با توجه به این محدودیت توزیع θ در جامعه نامشخص است،
مقدار میانگین این توزیع متناسب با متوسط دشواري سوال هاي و مقدار واریانس آن
متناسب با شیب خطوط ممتد، یعنی یک است. مدل راش فرض میکند که همه سوالات بر
روي عامل مورد نظر وزن یکسانی دارند، بنابراین پارامتر تشخیص را براي همه سوال ها
برابر با یک در نظر می گیرد و معتقد است که عامل حدس نیز پاسخ افراد را تحت تاثیر
قرار نمیدهد. چون شکل توزیع θ در جامعه این مدل نامشخص است، پس این توزیع
میتواند هر شکلی داشته باشد و توزیع نمرات مشاهده شده، شکل این توزیع را مشخص
می کند. در مقابل این ویژگی ها، مدل یک پارامتري فقط مستلزم آن است که شیب براي
همه سوال ها یکسان باشد، بنابراین، شیب در این مدل مقادیري متناسب با واحد انحراف
استاندارد متغیر مکنون میگیرد، توزیع جامعه براي متغیر زیر بنایی در مدل یک پارامتري
(همانند مدلهاي دو پارامتري و سه پارامتري) معمولا داراي میانگین صفر و واریانس یک
در نظر گرفته میشود. پارامتر دشواري این مدل نیز متناسب با مقدار متوسط میزان خصیصه
مورد اندازه گیري - یعنی صفر - در نظر گرفته می شود (تیسن و اورلند ، 2001). بنابراین،
این مدل فرض می کند که متغیر مکنونθ داراي توزیع نرمال است، نه پاسخ هاي مقولهاي
( تیسن و استینبرگ، 1988). با وجود تفاوت هاي ذکر شده در بالا، نتایج این دو 1 سوال
مدل از نظر ریاضی یکسان است. به طوري که در اکثر مواقع مدل یک پارامتري و مدل
راش را به جاي هم به کار میبرند. اگر تفاوت هاي ذکر شده را کنار بگذاریم همیشه
برازش این دو مدل با داده هاي جمع آوري شده به دشواري حاصل میشود. این امر، به
این خاطر است که مفروضات قوي تري را در مقایسه با مدل هاي دو و سه پارامتري در نظر
میگیرد. در این دو مدل معتقدند که تنها عوامل تاثیر گذار در پاسخ گویی افراد به
سوال ( ها متغیر وابسته ،) توانایی افراد و دشواري سوال ( ها دو متغیر مستقل) میباشند. از نظر
این دو مدل، عامل حدس نقشی در پاسخ دادن افراد ندارد و قدرت تشخیص همه سوالات
نیز با هم یکسان است. به همین خاطر است که در عمل همیشه مدل هاي دوپارامتري و سه
پارامتري بیشتر از مدل یک پارامتري راش با داده ها برازش پیدا می کنند(آلن و ین، 1979؛
رایز، اینثوورث، هاویلند، 2005 ).

 

file:///C:/Users/zar100/Desktop/43813860807.pdf 


برچسب‌ها: تفاوت مدل ساده راش و مدل یک پارامتري
+ نوشته شده در  شنبه 27 دی1393ساعت   توسط محمد حسین ضرغامی  | 

نحوه نصب بسته های نرم افزاری package در نرم افزار آر R

نحوه نصب بسته های نرم افزاری در نرم افزار آر

 

به منظور نصب بسته های نرم افزاری در نرم افزار آر لازم است ابتدا خود نرم افزار روی کامپیوتر استفاده کننده نصب گردد. در لینک زیر نحوه نصب نرم افزار آر توضیح داده شده است: لازم است برای نصب بسته های نرم افزاری از این روش حتما به اینترنت متصل باشید.

 

به منظور نصب یک بسته ی نرم افزاری لازم است گام های زیر طی شود.

  1. روی گزینه ی مشخص شده کلیک شود:

 

 

 

  1. بعد از این مرحله جعبه گفتگو باز می شود که در آن لیست کشورهای مختلف قرار داده شده است. فرد می تواند روی هر کشوری که مایل است کلیلک نماید. هیچ تفاوتی بین کشورها وجود ندارد. ایران نیز در این لیست قرار دارد.

 

 

 

 

 

 

  1. در مرحله ی بعد لیستی از بسته های مختلف ارائه می شود. محقق لازم است بر اساس نیاز خود و با آگاهی از عنوان بسته، بسته ی مورد نیاز خود را در لیست پیدا نماید و روی آن کلیلک کند. در این لیست تمام بسته ها بر اساس حروف الفبا مرتب شده اند.

 

 

 بعد از کلیک روی بسته ی دلخواه، باید منتظر ماند تا بسته به صورت کامل نصب گردد. در زمان نصب بسته ی نرم افزاری باید منتظر ماند تا نرم افزار به صورت کامل نصب گردد و پیغام نصب موفقیت آمیز بسته مشاهده گردد.

 


برچسب‌ها: نحوه نصب بسته های نرم افزاری package در نرم افزار
+ نوشته شده در  شنبه 20 دی1393ساعت   توسط محمد حسین ضرغامی  | 

ضریب همبستگی دورشته ای نقطه ای

به نام خداوند بخشنده مهربان

ضریب همبستگی دورشته ای نقطه ای:

زمانی که می خواهیم ضریب همبستگی دو متغیر رابدست آوریم که یکی از آنها متغیر پیوسته ودیگری دو ارزشی باشد ازضریب همبستگی دو رشته ای نقطه ای استفاده می کنیم.منظور از دو ارزشی آن است که تنها یکی از دو مقدار صفر یا یک را شامل شود مانند:بله-نه ؛زن-مرد، برای انجام محاسبات به یکی از نمرات 1 وبه دیگری نمره 0(صفر) داده می شود.فرمول محاسبه ی ضریب همبستگی دو رشته ای به شرح زیر است:

 p=میانگین نمرات متغیر پیوسته برای همه آزمون شوندگانی که در آزمون دو ارزشی نمره 1 گرفته اند.

t=میانگین نمرات برای همه آزمون شوندگان در متغیر پیوسته

t=انحراف معیار همه نمرات در متغیر پیوسته

P=نسبت همه ی آزمون شوندگانی که در متغیر دو ارزشی نمره1 گرفته اند.

q=نسبت آزمون شوندگانی که در آزمون دو ارزشی نمره 0 گرفته اند.

برای استفاده از فرمول بالا،داده های جدول زیر را مورد استفاده قرار می دهیم.داده های این جدول این گونه بدست آمده است که پژوهشگری فرض کرده است تعداد برگ های جریمه ای که یک راننده دریافت می کند از روی عملکرد او در نخستین آزمایش آیین نامه رانندگی که به صورت قبول (1) یا رد(0) نمره گذاری می شود قابل پیش بینی است.

 

این جدول عملکرد راننده ها در آزمون آیین نامه رانندگی و

برگهای جریمه ای که پس از گرفتن گواهینامه ی رانندگی دریافت

کرده اند

تعداد برگهای xجریمه رانندگی  

آزمون آیین نامه

yرانندگی

شماره راننده

5

1

01

3

0

02

1

1

03

4

1

04

7

1

05

0

0

06

1

1

07

6

1

08

5

0

09

2

1

10

6

1

11

3

0

12

1

0

13

4

1

14

2

1

15

50=∑

10=∑

 

 

براساس داده های موجود در جدول بالا:

 براساس ضریب بدست آمده ،یعنی 0.31 ،می گوییم کسانی که در نخستین آزمایش آیین نامه رانندگی خود موفق بوده اند از کسانی که در این آزمون موفق نبوده اند بیشتر جرائم رانندگی مرتکب شده اند.بااین حال ،ضریب همبستگی آن آنقدر زیاد نیست  که بتوان با اطمینان آن را مورد استفاده قرار داد.

 یکی از ویژگیهای مهم ضریب همبستگی دو رشته ای نقطه ای این است که حداکثرممکن آن تابع نسبتهای pوq در توزیع دو ارزشی است.حتی در مواردی کهpوq برابرند بازهم حداکثر مقدار این ضریب کمتر از1 است،وبه نسبتی که تفاوت بینpوq بیشتر می شود ، حداکثر ممکن این ضریب کاهش می یابد.

تهیه کننده:امین شاکرمی

رشته روانشناسی تربیتی

 


برچسب‌ها: ضریب همبستگی دورشته ای نقطه ای
+ نوشته شده در  جمعه 19 دی1393ساعت   توسط محمد حسین ضرغامی  | 

ضریب همبستگی دورشته ای نقطه ای

به نام خداوند بخشنده مهربان

ضریب همبستگی دورشته ای نقطه ای:

زمانی که می خواهیم ضریب همبستگی دو متغیر رابدست آوریم که یکی از آنها متغیر پیوسته ودیگری دو ارزشی باشد ازضریب همبستگی دو رشته ای نقطه ای استفاده می کنیم.منظور از دو ارزشی آن است که تنها یکی از دو مقدار صفر یا یک را شامل شود مانند:بله-نه ؛زن-مرد، برای انجام محاسبات به یکی از نمرات 1 وبه دیگری نمره 0(صفر) داده می شود.فرمول محاسبه ی ضریب همبستگی دو رشته ای به شرح زیر است:

 p=میانگین نمرات متغیر پیوسته برای همه آزمون شوندگانی که در آزمون دو ارزشی نمره 1 گرفته اند.

t=میانگین نمرات برای همه آزمون شوندگان در متغیر پیوسته

t=انحراف معیار همه نمرات در متغیر پیوسته

P=نسبت همه ی آزمون شوندگانی که در متغیر دو ارزشی نمره1 گرفته اند.

q=نسبت آزمون شوندگانی که در آزمون دو ارزشی نمره 0 گرفته اند.

برای استفاده از فرمول بالا،داده های جدول زیر را مورد استفاده قرار می دهیم.داده های این جدول این گونه بدست آمده است که پژوهشگری فرض کرده است تعداد برگ های جریمه ای که یک راننده دریافت می کند از روی عملکرد او در نخستین آزمایش آیین نامه رانندگی که به صورت قبول (1) یا رد(0) نمره گذاری می شود قابل پیش بینی است.

 

این جدول عملکرد راننده ها در آزمون آیین نامه رانندگی و

برگهای جریمه ای که پس از گرفتن گواهینامه ی رانندگی دریافت

کرده اند

تعداد برگهای xجریمه رانندگی  

آزمون آیین نامه

yرانندگی

شماره راننده

5

1

01

3

0

02

1

1

03

4

1

04

7

1

05

0

0

06

1

1

07

6

1

08

5

0

09

2

1

10

6

1

11

3

0

12

1

0

13

4

1

14

2

1

15

50=∑

10=∑

 

 

براساس داده های موجود در جدول بالا:

 براساس ضریب بدست آمده ،یعنی 0.31 ،می گوییم کسانی که در نخستین آزمایش آیین نامه رانندگی خود موفق بوده اند از کسانی که در این آزمون موفق نبوده اند بیشتر جرائم رانندگی مرتکب شده اند.بااین حال ،ضریب همبستگی آن آنقدر زیاد نیست  که بتوان با اطمینان آن را مورد استفاده قرار داد.

 یکی از ویژگیهای مهم ضریب همبستگی دو رشته ای نقطه ای این است که حداکثرممکن آن تابع نسبتهای pوq در توزیع دو ارزشی است.حتی در مواردی کهpوq برابرند بازهم حداکثر مقدار این ضریب کمتر از1 است،وبه نسبتی که تفاوت بینpوq بیشتر می شود ، حداکثر ممکن این ضریب کاهش می یابد.

تهیه کننده:امین شاکرمی

رشته روانشناسی تربیتی

 


برچسب‌ها: ضریب همبستگی دورشته ای نقطه ای
+ نوشته شده در  جمعه 19 دی1393ساعت   توسط محمد حسین ضرغامی  | 

تتای ترتیبی به جای آلفای کرونباخ

یکی از شاخص هایی که در تحلیل سوالات به منظور بررسی همگنی سوالات استفاده می شود شاخص آلفای کرونباخ است. این شاخص دارای مشکلات متعددی در استفاده برای سوالاتی است که مقیاس آنها لیکرت است. با استفاده از تعريف آلفاي کرونباخ مي توان نتيجه گرفت: (1) هرقدرهمبستگي مثبت بين سوالات بيشتر شود، ميزان آلفاي کرونباخ بيشتر خواهد شدو بالعکس، (2) هر قدر واريانس ميانگين سوالات بيشتر شود آلفاي کرونباخ کاهش پيدا خواهد کرد، (3) افزايش تعداد سوالات تاثيرمثبت و يا منفي (بسته به نوع همبستگي بين سوالات) بر ميزان آلفاي کرونباخ خواهد گذاشت، (4) افزايش حجم نمونه باعث کاهش واريانس ميانگين سوالات در نتيجه باعث افزايش آلفاي کرونباخ خواهد شد.
آلفاي کرونباخ علاوه بر نارايب بوده (نارايبي مثبت)، بر اساس شاخص هاي تعريف و محاسبه مي گردنند که مربوط به داده هاي با مقياس فاصله اي و يا نسبتي هستند(آرمور، 1974)، بنابراين استفاده از آلفاي کرونباخ براي محاسبه اي ميزان پايائي پرسش نامه هاي که حاوي سوالات ترتيبي هستند (مانند پرسشنامه کنونی) دقيق به نظر نمي رسد. براي رفع اين مشکل شاخص جديدي تحت عنوان تتاي ترتیبی استفاده می شود.

 اخيرا زامبو، گادرومن، و زيسر (2007) به مطالعه اين شاخص پرداخته و با چندين مثال شبيه سازي شده نشان دادند که ضريب آلفاي کرونباخ هميشه مقدار پاياي را کم برآورد مي کند. بنابراين توصيه مي شود که در هنگامي که داده ها ترتيبي هستنند به جاي آلفاي کرونباخ از تتاي ترتيبي استفاده شود.


برچسب‌ها: تتای ترتیبی
+ نوشته شده در  سه شنبه 16 دی1393ساعت   توسط محمد حسین ضرغامی  | 

آزمون :آزمون وسیله است عینی و استاندارد که برای اندازه گیری نمونه ای از رفتار یا خصایص آدمی به کار می رود. دراین تعریف،مرادازعینی آن است که روش اجرا، نمره دادن وتعبیرو تفسیر نتایج آزمون بر اساس قواعدی معین و مشخص صورت می گیرد وقضاوت شخصی درآن تأثیر دارد(شریفی،1377).
آزمون های روانی: آزمون روانی به انگلیسی:( psychological test) ابزاراندازه گیری عینی معیار شده ای است که برای ارزیابی یک خصوصیت یا مجموعه ای از خصوصیات مانند هوش، شخصیت، خلاقیت، استعداد یا علایق به کار می رود.
اعتبار : اعتبار آزمون، به دقت وسیله اندازه گیری اشاره می کند وواژه های هم معنابا اصطلاح اعتبارعبارت است از بادقت، ثبات، یاهماهنگی ،تکرار پذیری ،همتائی،پایائی،قابلیت اعتماد،، پیش بینی پذیری، همگونی، و حساسیت . در مفهوم دیگر یعنی این که اگر خصیصه مورد نظر را به همان وسیله(یا وسیله مشابه قابل مقایسه با آن)تحت شرایط مشابه دوباره اندازه بگیریم، نتایج حاصل تا چه حد مشابه، دقیق، دقیق و قابل اعتماد است(هومن،1388).

روایی : مقصود از روایی آن است که وسیله اندازه گیری به واقع بتواند خصیصه مورد نظر را اندازه بگیرد نه خصیصه دیگری را.روایی یعنی مناسب بودن،مربوط بودن با معنا بودن و مفید بودن استنباطهای خاصی است که از روی نمره های تست عمل می آید (هومن،1388).
نرم: نرم یا هنجار عبارت است از متوسط عملکرد که ده نمونه ای آزمون ها که به روش تصادفی از یک جامعه تعریف شده انتخاب می شود. نرم آزمودنی هایی استاندارد شده براساس توزیع نمره های خام گروه نمونه ای از آزمودنی ها به دست می آید(هومن،1384)


برچسب‌ها: آزمون, روایی, پایایی, اعتبار
+ نوشته شده در  شنبه 13 دی1393ساعت   توسط محمد حسین ضرغامی  | 

"روش­های سنجش مستقیم رفتار"

                               "روش­های سنجش مستقیم رفتار"

 

  ویژگیهای فیزیکی و و رفتارهای آشکار یا محصولات رفتاری را می­توان به طور مستقیم سنجش کرد. روان­شناسان دارای رویکرد رفتاری عمدتا از روشهای سنجش مستقیم جانبداری می­کنند.

بعدهای رفتار

  در سنجش مستقیم رفتار، ویژگیها یا بعدهای[1] رفتار مشاهده و ثبت می­شوند. بعدهای مختلف رفتار به گونه زیر تعریف شده­اند:

- شکل ظاهری رفتار، یعنی اینکه رفتار در چه شکل یا صورتی رخ می­دهد.

- شدت یا نیروی رفتار، یعنی اینکه رفتار با چه شدتی رخ می­دهد.

- نرخ یا فراوانی رفتار،یعنی تعداد دغعات وقوع رفتار. اگر صرفا تعداد دفعات وقوع رفتار تعیین شود به آن فراوانی رفتار می­گویند.

- طول مدت رفتار، یعنی زمانی که انجام دادن یک کار یا یک پاسخ به طول می­انجامد.

- دوره نهفتگی رفتار، یعنی مدتی که به طول می­انجامد تا شخص انجام کار یا رفتاری را که از او خواسته شده­است را شروع کند.

- مکان یا موقعیت انجام رفتار، یعنی جایی که رفتار در آن رخ می­دهد.

انواع روشهای سنجش مستقیم رفتار

  متخصصان رفتاری روش­های سنجش مستقیم را ابتدا به دو دسته کلی سنجش محصولات ماندنی رفتار و سنجش رویدادهای گذرای رفتار تقسیم کرده­اند.

- سنجش محصولات ماندنی رفتار یا سنجش فراورده رفتار

  بعضی رفتارها از خود شواهد عینی شامل محصولات یا تولیدات ماندنی به جای می­گذارند. محصولات ماندنی رفتار بازده­های یادگیری هستند؛ از این رو، به سنجش محصولات ماندنی رفتار ثبت بازده نیز گفته می­شود. روش سنجش محصولات ماندنی رفتار یک روش بعد از واقعه است، یعنی اندازه­گیری زمانی صورت می­پذیرد که رفتار انجام شده و به پایان رسیده باشد. در واقع، امتیاز مهم این روش آن است که به ما امکان می­دهد تا، بدون حضور فرد، اطلاعاتی درباره­ی او کسب کنیم. در این روش بر تعریفهای رفتاری و مشخص کردن انتظاراتی که معلم و شاگردان دارد تآکید زیاد شده است.

- سنجش رویدادهای گذرای رفتار یا سنجش فرایندرفتار

بر خلاف رفتارهایی که محصولات ماندنی به جای می­گذارند، بسیاری از رفتارها چنین آثاری از خود به جای نمی­­گذارند. برای اندازه­گیری این نوع رفتارها، لازم است هنگامی که اتفاق می­افتند به مشاهده و ثبت آنها بپردازیم. به همین جهت، روشهای سنجش رویدادهای گذرا را روشهای ثبت مشاهده­ای نیز نامیده­اند. این روشانواع گوناگونی دارند که مهم ترین آنها از این قرارند:

الف- ثبت فراوانی یا ثبت رویدادرفتار

ب- ثبت طول مدت رفتار

پ- ثبت دوره نهفتگی یا درنگ رفتار

ت- ثبت فاصله زمان یا روش ثبت فاصله­ای

ث- ثبت نمونه گیری زمان

 

در نهایت آخرین موضوعی که باید به آن اشاره کرد چگونگی انتخاب روشهای سنجش است که متناسب با رفتارهای متفاوت فرق می­کند .

 

سوالات

1.روش ثبت فاصله ای برای سنجش کدام ویژگی رفتار مفیدتر است؟

الف-بود یا نبود               ب-کیفیت                   ج-شدت                  د-نرخ

2.اگر معلمی بخواهد انشاهای دانش آموزان یک کلاس را تصحیح کند از کدام روش سنجش مستقیم استفاده خواهد کرد؟

الف- ثبت فاصله ای        ب-سنجش محصولات ماندنی          ج- ثبت فراوانی        د- نمونه­گیری زمان

3.نام دیگر کدام روش سنجش مستقیم رفتار بعد از واقعه است ؟

الف-سنجش محصولات ماندنی رفتار

ب- ثبت رویداد رفتار

ج-ثبت طول مدت رفتار

د-ثبت دوره نهفتگی

 

4.منظور از نهفتگی یا درنگ پاسخ چیست؟

5. دک رفتار را انتخاب و بعدهای آن را مشخص کنید؟

 

                                                                                        

خانم حسین پور دانشجوی کارشناسی ارشد روانشناسی تربیتی دانشگاه علامه طباطبایی



[1] .Dihmensions


برچسب‌ها: روش­های سنجش مستقیم رفتار
+ نوشته شده در  یکشنبه 7 دی1393ساعت   توسط محمد حسین ضرغامی  | 

مقیاس ترستون

تورستن یکی از اولین و خلاق ترین نظریه پردازان مقیاس سنجی بود. او در واقع سه روش مختلف برای توسعه مقیاس یک بعدی ابداع کرد. یکی روش فواصل برابر رخداد متغیرها، دیگری روش فواصل های پشت سر هم و روش سوم، روش مقایسه زوجی بود . تفاوت سه روش در نحوه مقدار دهی مقیاسها برای اقلام متفاوت است، اما در هر سه مورد ، مقیاس های اندازه گیری شده از پاسخهای شرکت کنندگان به یک نتیجه منجر شد. . برای نشان دادن رویکرد تورستن، من به شما ساده ترین روش از بین سه روش فوق یعنی، روش فواصل برابر رخداد را نشان می دهم. روش فواصل برابر رخداد متغیرها روش فواصل برابر رخداد متغیرها مانند تقریبا هر روش مقیاس سنجی دیگری با یک مجموعه عظیم از توصیفات .، اوه من دوباره آن را انجام دادم! شما نمی توانید با مجموعه ای از توصیفات شروع کنید. شما باید در ابتدا میزان تمرکز یا دقت را برای مقیاسی که بدنبال توسعه آن هستید را تعریف کنید. اجازه بدهید این هشدار را به همه شما بدهم : نظریه پردازانی مثل من اغلب توصیف را با اولین اهدافی نظری ( در این مورد، توسعه مجموعه ای از اوضاع ) شروع می کنند و مسائل بنیادی اساسی مانند تعریف میزان تمرکز بر روی یک پروژه را فراموش می کنند. بنابراین، اجازه دهید یک بار دیگر شروع کنیم. روش فواصل برابر رخداد متغیرها مانند تقریبا هر روش مقیاس سنجی دیگری با تعریف میزان دقت مقیاس پروژه شروع می شود. از آنجا که این روش مقیاس سنجی یک بعدی است ، ما فرض کنیم که مفهومی که شما می خواهید مقیاس برایش تعریف کنید به شکل قابل قبولی یک بعدی محسوب می شود. شرح این مفهوم باید تا حد امکان روشن باشد به طوری که فردی که در حال ارزیابی وضعیت موجود است باید درک روشنی از آنچه شما تلاش دارید اندازه گیری کنید داشته باشد. من می خواهم پروژه مقیاس سنجی را به شکل دستوری به شما نشان دهم. دستوری که شما به افرادی که ارزیابی وضعیت را انجام می دهند خواهید داد. بعنوان مثال شما با دستور تمرکز شروع خواهید کرد. توصیفاتی که حالات مختلف نگرشی که مردم ممکن است نسبت به افراد مبتلا به ایدز داشته باشند را تعریف کنید. شما می خواهید مطمئن شوید که هر کسی که در حال تولید توصیفاتی است نسبت به اهدافی که شما در پس این دستور دارید آگاهی دارند. علی الخصوص شما می خواهید مطمئن شوید که زبان فنی و کلمات اختصاری از نظر نوشتاری صحیح درج شوند (به عنوان مثال ، ایدز چیست ؟ ) . در حال حاضر، شما آماده برای ایجاد توصیفات هستید . شما قصد دارید مجموعه ای بزرگ از توصیفات شرکت کنندگان را نیاز دارید، به این دلیل که شما در حال تلاش برای انتخاب آیتم مقیاس نهایی خود را از این مجموعه هستید. شما همچنین می خواهید مطمئن شوید که تمام توصیفات از نظر لغوی شامل دستور زبان و ساختار هم شبیه هستند. به عنوان مثال، شما ممکن است بخواهید آنها هر کدام به عنوان وضعیت کمتر موافق یا مخالف بیان شود . شما نمی خواهید برخی از آنها توصیف باشند در حالی که مابقی بصورت پرسش مطرح می شوند.  به عنوان مثال اگر تمرکز ما بر روی تعریف یک مقیاس برای نگاه به ایدز باشد ، ممکن است گفته هایی از قبیل موارد زیر ( این اظهارات از یک تمرین کلاس من در بهار 1997 کلاس کارشناسی من بوده است) تولید گردد : مردم با درگیر شدن در رفتار غیر اخلاقی مبتلا به ایدز می شوند شما می توانید ایدز از صندلی توالت دریافت کنید ایدز خشم خدا است فرد مبتلا به ایدز یا همجنسگرا و یا یک معتاد است ایدز یک بیماری همه گیر است که بر همه ما تاثیر می گذارد افراد مبتلا به ایدز بد هستند افراد مبتلا به ایدز مردم واقعی هستند ایدز یک درمان است، نه یک بیماری شما می توانید ایدز را از جنس مخالف دریافت کنید افراد مبتلا به ایدز مانند پدر و مادر من هستند شما می توانید ایدز را از توالت های عمومی را دریافت کنید زنان به ایدز مبتلا نمی شوند من از همه افراد صرف نظر از اینکه آیا آنها مبتلا به ایدز هستند یا نه واهمه دارم ایدز هزینه اجتماع را بیش از حد بالا می برد ایدز چیزی است که سایرین به آن مبتلا می شوند با ایدز زندگی غیر ممکن است کودکان به ایدز مبتلا نمی شوند ایدز درحکم اعدام است به دلیل اینکه ایدز قابل پیشگیری است ، ما باید منابع مان را بیشتر در پیشگیری به جای درمان صرف کنیم افرادی که مبتلا به ایدز هستند سزاوار آن می باشند ایدز در افراد تفاوتی ندارد ، هر کسی می تواند آن را دریافت کند ایدز بدترین چیزی که می تواند برای شما اتفاق بیفتد ایدز خوب است چرا که به کنترل جمعیت کمک خواهد کرد. اگر شما مبتلا به ایدز هستید، هنوز هم می توانید یک زندگی عادی داشته باشید افراد مبتلا به ایدز احتیاجی به کمک ما ندارند در آن زمان که من به ایدز مبتلا شوم ، درمان آن وجود خواهد داشت ایدز هرگز برای من اتفاق نخواهد افتاد شما می توانید از رابطه جنسی دهانی به ایدز مبتلا شوید گسترش ایدز به همان شیوه سرماخوردگی است ایدز تبعیض نمی پذیرد شما می توانید ایدز را از بوسیدن دریافت کنید ایدز از طریق هوا پخش می شود کاندوم همیشه جلوگیری از گسترش ایدز خواهد کرد افراد مبتلا به ایدز سزاوار آنچه دریافت می کنند هستند اگر شما ایدز دریافت کنید ظرف مدت یک سال می میرید مردم بد به ایدز مبتلا می شوند و از آنجایی که من یک شخص خوب هستم من هرگز ایدز نخواهم گرفت من اهمیتی نمی دهم اگر من ایدز داشته باشم، محققان به زودی درمانی برای آن پیدا خواهند کرد بدترین چیزی که من می توانم انجام دهم آوردن ایدز به خانواده ام خواهد بود تعداد کمی از مردم مبتلا به ایدز هستند ، پس بعید است که من در تماس با فرد مبتلا به آن باشم اگر برادر من گرفتار ایدز باشد من هرگز با او در این باره صحبت نخواهم کرد افراد مبتلا به ایدز سزاوار درک ما هستند، اما درمان لزوما خاص نیست ایدزدر همه جا حاضر است، قاتل بی رحمی که در اطراف ماست من می توانم ایدز بگیرم حتی اگر من یک رابطه تک همسری دارم خون کشور پاک است اقدامات احتیاطی جهانی کافی هستند افراد مبتلا به ایدز باید برای حفاظت از بقیه جامعه قرنطینه شوند چون من در شهرستان های بزرگ زندگی نمی کنم، تهدید به ایدز برایم بسیار کوچک است من به اندازه کافی در مورد گسترش این بیماری می دانم ویروس ایدز هرگز نمی تواند مرا تحت تاثیر قرار دهد هر کس با توجه به شیوه زندگی خود مبتلا به ایدز شده باشد سزاوار آن است فرد مبتلا به ایدز می تواند دقیقا مثل من باشد ایدز همه ما تاثیر می گذارد افراد مبتلا به ایدز باید درست مثل بقیه درمان شوند ایدز یک بیماری است که هر کسی می تواند اگر دقت نداشته باشد به آن مبتلا شود احتمال ابتلا به ایدز بسیار کم است پوشش ایدز به شکلی است که باید به یاد داشته باشید که سزاوار نیست مرگ دردناک یا بیهوده ای داشته باشیم تعداد افراد مبتلا به ایدز در هالیوود بالاتر از میزانی است که عموم مردم فکر می کند این ویروس ایدز نیست که مردم را می کشد ، آن چیزی که باعث مرگ می شود عوارض ناشی از بیماری های دیگر ( به دلیل ضعف سیستم ایمنی بدن) است چشم اندازی برای درمان ایدز قابل تصور است تست اجباری HIV باید برای همه زنان باردار لازم باشد امتیاز دهی موارد مقیاس، بسیار خوب شما در حال حاضر شما مجموعه ای از جملات را دراختیار دارید . گام بعدی این است که از شرکت کنندگان خود (به عنوان مثال ، نتایج ) بخواهید به هر یک از 1 تا 11 بر این اساس که هر یک از جملات به چه میزان نشان دهنده نگرش مناسب به ایدز می باشد امتیاز دهی کنند. به اینجا دقت کنید. شما از شرکت کنندگان نمی خواهید که نگرش خود را نسبت به ایدز به شما بگویند ، و یا اینکه آنها با کدامیک از جملات موافق هستند. شما از آنها می خواهید به میزان مطلوبیت هر جمله از منظر نگرش به ایدز امتیازدهی کنند، که در آن 1 " نگرش بسیار نامطلوب نسبت به افراد مبتلا به ایدز " و 11 " نگرش بسیار مطلوبی نسبت به افراد مبتلا به ایدز " می باشد. محاسبه امتیاز مقیاس برای هر مورد . گام بعدی این است که به تجزیه و تحلیل داده های امتیاز بپردازیم. برای هر جمله، شما نیاز به محاسبه میانه و یک چهارم ها دارید. میانه عبارتست از مقادیر بالا و پایین حدودی است که شامل 50 درصد از نتایج است . به عبارت دیگر، چارک اول Q1 مقداری است که 25 درصد از موارد زیر آن و 75درصد از موارد بالاتر از آن قرار می گیرند. چارک دوم Q2 مقداری است که 50درصد موارد زیر و 50 درصد بالای آن قرار می گیرند. چارک سوم یا Q3 مقداری است که 75 درصد از موارد زیر آن و 25درصد از موارد بالاتر از آن قرار می گیرند. محدوده میانی شامل تفاوت بین سومین و اولین چارک می باشد بعبارتی Q3-Q1. شکل بالا هیستوگرام هر مورد را بصورت جدا نشان می دهد و همچنین متوسط و محدوده میانی چارکی را نشان می دهد . شما می توانید به آسانی و با هر برنامه آمار مقدماتی و یا با اکثر برنامه های صفحه گسترده این مقادیر را محاسبه کنید. به منظور تسهیل در انتخاب نهایی از مقادیر برای مقیاس خود ، شما ممکن است بخواهید برای مرتب کردن جدول از میانه ها و مقادیر محدوده میانی به ترتیب بصورت صعودی و نزولی استفاده کنید برای مقادیر مثال مان ما یک جدول به شرح زیر تهیه کردیم : انتخاب آیتمهای مقیاسی نهایی: در حال حاضر، شما باید مقادیر نهایی برای مقیاس خود را انتخاب کنید. شما باید مقادیری که در فواصل مساوی در سراسر طیف وسیعی از میانه ها قرار گرفته اند را انتخاب کنید . در مثال ما ممکن است یک مقدار برای هر یک از یازده میانه را انتخاب کنید . در هر شاخص ، شما باید سعی کنید مقداری را که دارای کوچکترین دامنه ی میان چارکی است انتخاب کنید. این مقدار دارای حداقل تنوع در سراسر نتایج است . شما نمی خواهید تجزیه و تحلیل آماری را به عامل تنها تصمیم گیری در اینجا بکار گیرید . به وضعیت شاخص ها در هر سطح نگاه کنید و مقداری که ملموس تر است را انتخاب کنید . اگر شما دریافتید که بهترین انتخاب آماری ، مقداری غیر ملموس و گیج کننده است ، بهتر است به سراغ انتخاب بعدی بروید . هنگامی که ما به بررسی جملاتمان برای تعریف مقادیر رفتیم به جملات زیر بعنوان مقیاسها دست یافتیم: افراد مبتلا به ایدز مانند والدین من هستند(6) به دلیل اینکه ایدز قابل پیشگیری است ، ما باید منابع مان را بیشتر در پیشگیری به جای درمان صرف کنیم(5) افراد مبتلا به ایدز سزاوار آنچه دریافت می کنند هستند(1) ایدز بر همه ما تاثیر می گذارد(10) اگر شما مبتلا به ایدز هستید، هنوز هم می توانید یک زندگی عادی داشته باشید(11) من هرگز مبتلا به ایدز نخواهم شد(3) ابتلا به ایدز به سادگی اتفاق می افتد(5) ایدز تفاوتی برای افراد قائل نمی شود هر کسی می تواند به آن مبتلا شود(9) ایدز بیماری است که هر کسی اگر محتاط نباشد ممکن است به آن مبتلا شود(9) اگر شما به ایدز مبتلا شدید همچنان می توانید یک زندگی عادی داشته باشید(8) ایدز خوب است چون به کنترل جمعیت کمک می کند(2) من به ایدز مبتلا نمی شوم اگر فقط یک شریک جنسی داشته باشم(4) عدد ذکر شده در پرانتز بعد از هر جمله مقدار مقیاس است. جملات با مقادیر بالاتر اعداد در حالت عادی باید نشانگر نگرش مطلوبتر به افراد مبتلا به ایدز باشد. لطفا به این نکته توجه داشته باشید که ما بصورت تصادفی ترتیب جملات را فارغ از مقادیر مقیاس انتخاب کرده ایم. همچنین توجه داشته باشید که ما مقیاس برابر 7 نداریم و از مقیاسهای 5 و 9 هر کدام دو مورد داریم. مدیریت مقیاس: حالا شما یک مقیاس دارید. معیاری برای ارزیابی نگرشها به افراد مبتلا به ایدز. شما می توانید این جداول را به مشارکت کنندگان بدهید و از آنها بخواهید که موافقت یا مخالفت خود با هر جمله را بیان کنند. برای محاسبه امتیاز نهایی هر فرد شما باید میانگین اعداد مقیاس تمامی جملاتی که آن فرد موافق آنها بوده است را محاسبه کنید بعنوان مثال اجازه بدهید پاسخهای یکی از مشارکت کنندگان که بصورت جدول زیر بوده است را بررسی کنیم. اگر شما جداول مربوطه را بررسی کنید خواهید دید که این شرکت کننده با 8 جمله از جملات موافق بوده است. زمانی که میانگین مقادیر مقیاس برای این 8 مورد را حساب می کنیم ما به نتیجه نهایی 7.75 برای این شرکت کننده دست می یابیم این همان جایی است که این شرکت کننده خاص بر روی معیار شما برای ارزیابی نگرش به افراد مبتلا به ایدز قرار می گیرد. حال بیایید به پاسخهای یک شرکت کننده دیگر بنگریم: در این مثال فرد پاسخگو تنها 4به مورد جواب موافق داده است که تمامی آنها بر مرز مقیاس منفی قرار گرفته اند. زمانی که ما میانگین مقدار متوسط را برای این فرد محاسبه می کنیم به عدد 2.5 می رسیم که به میزان چشمگیری نگرش منفی تری نسبت به افراد مبتلا به ایدز در مقایسه با مشارکت کننده قبلی دارد. سایر روشهای تورستن: سایر روشهای مقیاسی تورستن مشابه روش فواصل برابر رخدا متغیرها است تمامی این روشها با تمرکز بر مفهومی که تک بعدی فرض می شود آغاز می گردد و سپس به تولید حجم وسیعی از مقادیر ممکن مقیاسی می پردازد. تمامی آنها منتج به تولید تعداد کمی از مقادیر مرتبط می شوند که پاسخ دهندگان از طریق اعلام موافقت یا مخالفت به آنها امتیاز می دهند. تفاوت عمده در نحوه جمع آوری اطلاعات از مشرکت کنندگان است. بعنوان مثال روش مقایسه زوجی نیازمند مقایسه جملات بصورت دوتایی توسط مشارکت کنندگان است که با حجم زیادی از جملات می تواند بسیار وقت گیر باشد با فرض 57 جمله برای انجام مقایسه زوجی ما باید 1596 زوج جملات را بصورت دو به دو مقایسه و امتیازدهی کنیم. به وضوح مشخص است که روش مقایسه زوجی در زمانی که جملات زیادی برای مقایسه تعریف شده اند بسیار زمان بر است. روش تورستن بخوبی نشان می دهد که چگونه یک مقیاس تک بعدی ساده می تواند ساخته شود. رویکردهای دیگری نیز در این زمینه وجود دارند که از جمله مهمترین آنها می توان به مقیاس لیکرت یا مقیاسهای خلاصه و گاتمن یا مقیاسهای تجمعی اشاره کرد.

سوالات مقیاس تورستون:

1-روش های مختلف برای توسعه مقیاس یک بعدی تورستون را نام ببرید؟

2- روش فواصل برابر رخدادهای همزمان را توضیح دهید؟ 3- محاسبه امتیاز مقیاس تورستون چگونه می باشد؟

4- روش مقایسه زوجی را تعریف کنید؟

5- تفاوت سه روش مختلف مختلف مقیاس یک بعدی تورستون در چیست؟

6- ساده تری روش مقیاس تورستون چیست؟با چه روشی شروع می شود؟

7- رویکردهای مهم دیگری که در زمینه مقیاس تورستون وجود دارد را نام ببرید؟

سمیه اکبری موید دانشجو کارشناسی ارشد روانشناسی تربیتی دانشگاه علامه طباطبایی

 

 


برچسب‌ها: مقیاس ترستون
+ نوشته شده در  شنبه 6 دی1393ساعت   توسط محمد حسین ضرغامی  | 

مطالب قدیمی‌تر