سنجش و اندازه گیری

دیدگاه و رویکرد پژوهش بین رشته‏ ای

روش های تعیین نقطه برش (استاندارد چیرگی)

به نقطه برش استاندارد چیرگی نیز گفته می شود. استاندارد چیرگی حد نصاب قبولی در آزمون است و داوطلبان را به دو طبقه قبول و مردود تقسیم می کند. سیزک و بانچ اشاره می کنند که اصطلاح استاندارد عملکردی به طور معمول به عنوان یک مترادف برای اصطلاحات نمره برش، سطح پیشرفت، استاندارد و نمره قبولی استفاده می شود. همبلتون نیز در توضیح تعریف پوفام از آزمون ملاک محور اشاره ای به نمره برش برای جداسازی آزمودنی ها به دو حالت چیرگی: مسلط و غیر مسلط دارد و آن را یک مفهوم سازی از چیرگی می داند. همچنین شروک و کوسکارلی استاندارد برای قبولی را نمره برشی می دانند که افراد مسلط را از افراد غیر مسلط جدا می کند.

از نقطه برش بیشتر در آزمون هایی استفاده می شود که ساخت آنها بر اساس اهداف است. یکی از دشوارترین و در عین حال مهمترین وظیفه مورد نیاز در ساخت آزمون های ملاک مرجع، تعیین استاندارد برای قبولی است، یعنی نمره برشی که افراد مسلط را از افراد غیر مسلط جدا می کند. بعد از این که انتخاب نهایی سوالات آزمون صورت گرفت، نمره برش برای تعیین چیرگی می تواند انجام شود.

بر طبق گروه بندی جیگر روش های تعیین استاندارد می توانند به دو مقوله آزمون محور و آزمودنی محور تقسیم می شوند. در روش های آزمون محور، شرکت کنندگان در جلسه تعیین استاندارد، پیشنهادات نمره برش خود را با بررسی دقیق و کامل محتوی آزمون یا سوالات آزمون ارائه می دهند. در روش های آزمودنی محور قضاوت های شرکت کنندگان درباره خود آزمون شوندگان مد نظر قرار می گیرد. طبقه بندی دیگر طبقه بنید کین است که روش های تعیین استاندارد به روش های کلی و تحلیلی تقسیم می شوند. روش های ندلسکی، ایبل و آنگوف و راک جزء روش های آزمون محور و روش گروههای مقابله ای جز روش های آزمودنی محور به شمار می روند. یک عنصر مشترک در تمام روش های تعیین استاندارد، بیان قضاوت های آگاهانه ، مبتنی بر بهترین شواهد در دسترس افراد، خلاصه کردن قضاوت ها به شیوه ای نظامند، نوعا به کمک مدل ریاضی، برای تولید یک یا بیش از یک نمره برش است.

روش قضاوت آگاهانه

روش قضاوت آگاهانه تعیین استاندارد را یک قضاوت انسانی می داند. برای تعیین نقطه برش دست به دامان ذی نفعان از جمله ناظرین، مستخدمین، مشتریان و ... می شود. چهار مرحله ی مختلف برای روش قضاوت آگاهانه وجود دارد.

روش ندلسکی

این روش عمر طولانی دارد چون این روش شهودی است و انجام آن ساده است. از لحاظ زمانی این روش کارایی لازم را دارد. مزیت دیگر این روش این است که می تواند با وجود یا بدون وجود داده های عملکرد آزمودنی روی سوالات یا فرم آزمون به کار رود.

ارزش ندلسکی به عنوان احتمال آن که دانش آموز مرزی به سوال به طور صحیح پاسخ خواهد داد، تعریف می شود. برای فرض کنید شرکت کنندگان قضاوت کرده اند که آزمودنی مرزی دو گزینه را به عنوان گزینه نادرست کنار بگذارد، بنابراین سه گزینه برای انتخاب باقی می ماند و درجه بندی ندلسکی برای این سوال 33 درصد می شود.

روش ایبل

رابرت ایبل این روش را معرفی کرد در سال 1972. این روش در پزشکی اخیرا زیاد استفاده می شود و شاید رایج ترین روش برای تعیین سطح قبولی در آزمون های پیشرفت کلاسی باشد. به طور کلی از این روش در آزمون های متشکل از سوالات چند گزینه ای استفاده می شود. در این روش شرکت کنندگان لازم است هم در مورد سطح دشواری سوال و هم در مورد مربوط بودن سوال اظهار نظر نمایند و قضاوت کنند. قضاوت ها به صورت احتمالی بیان نمی شود بلکه به عنوان مکان یابی های مقوله تلقی می شوند. برای مثال لازم است که شرکت کنندگان سوالات را در یکی از سه مقوله دشوار و متوسط و ساده و در یکی از چهار مقوله ضروری مهم قابل قبول و مورد تردید قرار دهند. برای بدست آوردن نقطه برش از طریق روش ایبل تعداد دفعاتی که سوالات ارزیابی می شوند که در یک مقوله باشند در درصد سوالاتی که شرکت کنندگان اعتقاد داشتند که باید به طور صحیح پاسخ داده شود، ضرب می شود.

روش آنگوف

روش آنگوف یک طبقه بندی کلی از تکینک ها برای برآورد نمره برش یک آزمون، از طریق تعیین برآوردهایی از موفقیت برای یک فرد با حداقل صلاحیت در هر سوال وجود دارد. در این روش از شرکت کنندگان خواسته می شود تا نسبتی از زیر جامعه ی آزمودنی ها که به سوالات به طور صحیح پاسخ می دهند فراهم کنند. زیر جامعه ی مورد علاقه آن گروهی از آزمودنی هاست که دارای حداقل صلاحیت هستند یا صرفا روی مرز فرضی بین عملکرد قابل قبول و غیر قابل قبول قرار دارند. آنگوف می گوید: " با در نظر داشتن فردی دارای حداقل قابل قبول فرضی در ذهن، فرد می تواند آزمون را دقیقا سوال به سوال بررسی کرده و تصمیم بگیرد که آیا چنین فردی می تواند به هر سوال مورد بررسی به طور صحیح پاسخ دهد. چنان چه فرد برای هر پاسخ صحیح یک نمره و برای هر پاسخ نادرست نمره صفر بگیرد، مجموع نمرات سوالات برابر با نمره ی خام کسب شده توسط هر فرد دارای حداقل قابل قبول خواهد شد.

روش گروههای مقابله ای

روش گروههای مقابله ای ابتدا توسط برک توصیف شد. در این روش لازم است تا شرکت کنندگان یعنی ارزیابان قضاوت های متسقیم درباره وضع واقعی و نه فرضی آزمون شوندگانی که با آنها آشنایی دارند انجام دهند. از لحاظ ماهیتی، این روش نمره قبولی برای یک آزمون را از طریق ترکیب قضاوت های شرکت کنندگان درباره آزمودنی ها با اطلاعاتی در خصوص عملکرد واقعی آنها در آزمون استخراج می کند. در این روش از اطلاعات عملکردی استفاده می شود و به علت این که نیازمند تشخیص افراد مسلط از غیر مسلط توسط کارشناسان و گرد آوری تعداد نسبتا زیادی از افراد مسلط و غیر مسلط است از روش های قبلی دشوارتر است.

روش راک

روش راک به صورت مفصل و جزئی در لینک زیر توضیح داده شده است. 

http://measurement.blogfa.com/post-59.aspx


برچسب‌ها: نقطه برش, استاندارد چیرگی, آزمون ملاک مرجع
+ نوشته شده در  شنبه 1 آذر1393ساعت   توسط محمد حسین ضرغامی  | 

تحلیل کواریانس یا آنکوا

آزمون تحلیل کواریانس ANCOVA در تحلیل واریانس یک راهه(ANOVA) متغیرهای مستقل کمّی می توانند به عنوان متغیرهای کمکی درنظر گرفته شوند.در این صورت این طرحها به عنوان تحلیل کواریانس در نظر گرفته می شوند. از تحليل كوواريانس به عنوان يك کنترل آماری نام برده مي شود. این تحليل تركيبي از تحليل واريانس و تحليل رگرسيون است و زمانی قابل استفاده است که در آن متغیر وابسته کمی بوده ، چند متغیر مستقل کمی و کیفی وجود داشته باشد. تحليل كوواريانس در چارچوب رگرسيون تفاوتي با تحليل واريانس ندارد جز ‌آن كه اثر متغير كمكي از متغير وابسته حذف مي شود. متغير كمكي را در چارچوب رگرسيون مي توان يك متغير مستقل دانست كه در تبيين تغييرات متغير وابسته بر سایر متغير هاي مستقل پيشي مي گيرد. در تحلیل رگرسیون می توان به راحتی با کنترل برخی از متغیرها اثرات سایر متغیرهای مستقل را در تبیین متغیر وابسته بدست آورد. فرض این است كه متغير كمكي منبع تغييراتي در متغير وابسته علاوه بر متغير مستقل باشدو از طريق تحليل كواريانس اثرات ناشي از متغيرهاي كمكي تعديل شود. متغیر کمکی موثر در تحلیل کواریانس متغیری است که همبستگی بالایی با متغیر وابسته داشته ولی با متغیرهای مستقل همبستگی نداشته باشد چون متغیرهای کمکی پارامتری یا کمّی در طرح های تجربی و مطالعه پیمایشی به منظور حذف و از بین بردن اثرات خارجی بر متغیر وابسته و افزایش دقت اندازه گیری مورد استفاده قرار میگیرند. می دانیم که رد يك فرض نادرست توان آزمون نامیده مي شودو به چندين عامل بستگی دارد از جمله: حجم نمونه، ميزان تغيير پذيري در متغير وابسته، طرح پژوهش و روش تحليل آماری و سطح معناداري انتخاب شده توسط پژوهشگر. برخي از این روش ها در اختیار پژوهشگر نيست يا مستلزم صرف وقت و هزينه بالايي است، ولي انتخاب طرح آزمايشي، تحليل آماری يا هر دو مي تواند توان آماری را بدون صرف هزينه زياد افزايش دهد. تحليل كوواريانس موثرترين وسيله براي اين منظور است و كل پراش را به سه بخش، پراش تبيين شده توسط كاربندي، پراش تبين شده توسط همپراش و پراش پسماند تقسیم مي كند. اگر متغير كمكي با پيامد همبستگی قوي داشته باشد پراش پسماند كوچك خواهد بود و توان آماری به شکل اساسی افزايش خواهد يافت. پیش فرضهای لازم برای اجرای آزمون تحليل كواواريانس عبارتند از : 1- نرمال بودن. 2- همگني واريانس ها. 3- رابطه بین متغير وابسته با متغير كمكي خطي فرض شود.و یا رابطه بین متغير وابسته و متغير كمكي معنادار باشد. 4- ضرايب خطوط رگرسيون با هم برابر باشند. و یا متغیر مستقل و کمکی با هم تعامل نداشته باشند.

 


برچسب‌ها: تحلیل کواریانس یا آنکووا
+ نوشته شده در  سه شنبه 13 آبان1393ساعت   توسط محمد حسین ضرغامی  | 

معنی ارزش پی p value

بضی از دانشجویان در مورد ارزش پی p value و همچنین مقدار خطای نوع اول یا a آلفا سوال می پرسند. در آزمون معناداری آماری ارزش پی یک مقدر احتمال به شمار می رود. احتمال که نشان می دهد مقادیر مشاهده شده که به صورت تجربی از طریق داده ها بدست آمده است، چقدر احتمال دارد یک نتیجه به شمار روند، در صورتی که فرض صفر درست باشد. بنابراین مطابق با این تعریف در واقع ارزش پی یک احتمال شرطی است. آزمون فرض بر اساس ارزش پی را رونالد فیشر ایجاد کرده است. وی معتقد بود که مقدار های ارزش پی کمتر از 0.01 و 0.05 را برای داده های مشاهده شده احتمال پایین می دانست و بر این اساس نشان می داد که داده های مشاهده شده در شرط درستی فرض صفر قرار نمی گیرد.


برچسب‌ها: معنی ارزش پی
+ نوشته شده در  سه شنبه 29 مهر1393ساعت   توسط محمد حسین ضرغامی  | 

نظریه سوال پاسخ و تحلیل عاملی

مدت های زمان زیادی بود که نظریه ی سوال دو فرضیه ی اساسی سیطره داشت:

  1. وجود تنها یک سازه ی زیر بنایی یا مکنون
  2. نرمال بودن سازه ی مورد مطالعه

زمانی که بر جنبه ی بعدیت این گسترش ها نگاه می شود ما می بینیم که یکی از تفاوت های بزرگ بین این که نظریه ی سوال پاسخ در جهان عمل می کند و این که تحلیل عاملی چگونه عمل می کند خیلی طولانی وجود ندارد. بنابراین لازم است این تفاوت مشخص شود. به صورت استعاره ای به مدل های سوال پاسخ مدل های تحلیل عامل سوال گفته می شود تا از این طریق این جنبه ی مدل های سوال پاسخ را برجسته سازند. بعد از همه ی این ها تنها مدل های تحلیل موجود برای داده هایی که نشان دهنده ی سطوح مختلف سوال اند این مدل ها می باشند.

روزی روزگاری مدل سوال پاسخ و تحلیل عاملی بدون داشتتن اساسی مشترک در مدل عاملی مشترک ترستونی ها گسترش یافتند. علارغم این که سرمنشا آنها یکسان بود ولی این دو روش شناسی یا بهتر است گفته شود این دو چهارچوب مختلف در دو خط جداگانه برای چهل سال حرکت کردند و از هم واگرا شدند.

این جدایی نتایج خوب و بد داشت.

یکی از نتایج این بود که رشد در هر چهارچوب نسبتا مستقل از یکدیگر اتفاق افتاد. نظریه ی سوال پاسخ از طریق بسیاری از گسترش دهندگان آن در آموزش رشد یافت و خیلی به موضوع نمره دهی در ارتباط شد.

زمانی که دو چهارچوب با یکدیگر در هم آمیخته می شوند و به هم بر می گردند مفید است که بدانیم که هر کدام در طول سال های جدایی چه چیزی کسب کرده است.

همانطور که من قبلا گفتم طرفداران نظریه ی سوال پاسخ مدت زمان زیادی مشغول نمردهی از طریق این نظریه بودند و زمان آن رسیده است تا در باره ی مدل های تحلیل عاملی سوال بیشتر فکر کنیم و این مدل ها را در واژگانی بیان کنیم که ما دوست داریم به نمرات بچسبند.


برچسب‌ها: نظریه سوال پاسخ, تحلیل عاملی
+ نوشته شده در  شنبه 26 مهر1393ساعت   توسط محمد حسین ضرغامی  | 

معرفی رشته سنجش و اندازه گیری

رشته سنجش و اندازه گیری، علم بین ­رشته ­ای نسبتاً جدیدی است که برای درک مفاهیم آن لازم است تسلط کافی در حیطه­های زیر داشت: داشتن دانش در زمینه مباحث سنجش و اندازه­گیری، روش­شناسی، ارزیابی و ارزشیابی است. داشتن دانش در حیطه ریاضی بخصوص در حیطه جبر خطی و حسابان و آمار به طور نظری و کاربردی داشتن دانش در زمینه نرم افزارهای مختلف آماری و توانایی استفاده از آن­ها. علاوه بر این باید در زمینه برنامه نویسی کامپیوتری هم به تسلط نسبی رسید چرا که امروزه در بسیاری از مقالات جدید از نرم افزارهایی که نیاز به کد نویسی دارند مثل R استفاده می­شود. داشتن دانش در مورد یک سازه رفتاری خاص در یکی از حیطه­های علوم رفتاری مثل علوم تربیتی، روان­شناسی، مدیریت، پرستاری، پزشکی و به طور کلی هر علمی که با انسان سر و کار دارد. علاوه بر این از آن­جایی که این رشته در ایران جدید است دانشجویان باید از سطح زبان انگلیسی مناسبی برخوردار باشند بخصوص در مهارت­های شنیدن و حرف زدن. بسیاری از کارگاه­های تخصصی و اساتید صاحب نظر در این حیطه خارج از ایران می باشد. هم­چنین کتاب­های فارسی کمی در این حیطه ترجمه شده است و معمولاً مقالات و کتاب­های ترجمه­ شده به دلیل جدید بودن مباحث، کمی مبهم به نظر می رسد. مطالعه در زمینه خلاقیت، تفکر انتقادی و فلسفه علم نیز برای دانشجویان تحصیلات تکمیلی توصیه می شود. بسیار مهم: مهم­تر از همه ارتباط دادن این مجموعه دانش با هم و داشتن ایده­ای مناسب است. دانستن قوی­ترین روش­های آمار و ریاضی و توانایی قوی در برنامه­نویسی کامپیوتری بدون دانستن نظریه­های مربوط به یک سازه مربوط به انسان هیچ مفهومی نخواهد داشت و در نهایت منجر به سر در گمی می­شود مگر برای کسانی که خواهان انجام تحقیقات صرفاً نظری در این رشته باشند و این امر مستلزم دانشی بسیار قوی در حیطه ریاضیات و آمار است. پس باید صبورانه و هدفمند وارد این رشته شد و مطالعه مداوم داشت. برای نمونه زمینه آموزشی دکتر تمپلین (. TemplinDr) استاد دانشگاه Nebraska-Lincoln را برای شما از سایت ایشون (http://JonathanTemplin.com ) در این جا قرار می­دهم. Ph.D. in Psychology (Quantitative; 2004 University of Illinois at Urbana-Champaign M.A. in Psychology (2002 University of Illinois at Urbana-Champaign M.S. in Statistics (2002 University of Illinois at Urbana-Champaign B.A. in Psychology (magna cum laude; 1998 California State University, Sacramento; Minor: Statistics A.A. in General Studies (1996 American River College; Sacramento, California A.S. in Mathematics and Physical Science (1996 American River College; Sacramento, California به طور کلی ادامه تحصیل دادن در مقطع دکترا نیاز به انگیزه بالا دارد. نقل قول زیر از سایت topuniversities جالب است: Professor Daniel Drezner of Tufts University recently quipped: “Should you get a PhD? Only if you are crazy or crazy about your subject”.0 دکتر درنزل، استاد دانشگاه توفتز طنز گونه گفته است: اگر شما قصد گرفتن مدرک دکترا را دارید یا باید دیوانه باشید یا باید شیفته رشته تحصیلی خود باشید.

منبع: www.assessment.blogsky.com

 


برچسب‌ها: رشته روانسنجی, سنجش و اندازه گیری
+ نوشته شده در  شنبه 26 مهر1393ساعت   توسط محمد حسین ضرغامی  | 

موضوع برای تز دکتری و یا پایان نامه دوره ی ارشد برای دانشجویان رشته روانسنجی

دانشجویان رشته سنجش و اندازه گیری یا روانسنجی در مورد عنوان تز یا پایان نامه خود، سوالات زیادی می پرسند. انتخاب موضوع برای پایان نامه ارتباط اساسی با رغبت و توانایی فرد دارد. موضوعات در حوزه ی روانسنجی دامنه وسیعی را در بر می گیرد و می توانند کاربردی، محض، محاسباتی و یا ترکیبی از آنها باشند. 

شخصا برای تز دوره دکتری روی تحلیل شبکه که خاستگاه آن نظریه گراف است کار کرده ام. این حوزه یکی از حوزه های رو به گسترش در همه ی رشته های پژوهشی مخصوصا برای موضوعات است که بین رشته ای تلقی می شوند. به نظر می رسد دانشجویان سنجش و اندازه گیری می توانند از روش های مبتنی بر نظریه گراف برای بسط مفاهیم و مطالعه ی پدیده ها به صورت کل استفاده کنند.


برچسب‌ها: نظریه گراف, تحلیل شبکه, موضوع تز دکتری و پایان نامه ارشد
+ نوشته شده در  شنبه 19 مهر1393ساعت   توسط محمد حسین ضرغامی  | 

تحلیل پانل

ماهیت پنل دیتا:

ما همواره در بررسی های خود با دو ساختار مجزای آزمایش روبرو بوده ایم:

قصد داریم مدلی برای داده های خود در یک زمان خاص برازش دهیم.
به عنوان مثال فرض کنید می خواهیم یک تابع تولید ساده را برآورد کنیم. تولید تابعی از موجودی سرمایه، نیروی کار و مهارت های مدیریتی است. اگر تولید بنگاه ها را بر روی موجودی سرمایه و تیروی کار در یک زمان رگرس کنیم تورش ایجاد می شود زیرا یک متغیر مهم یعنی مهارت مدیریتی از مدل حذف شده است. برای رفع این مشکل بهتر است که میزان تولید طی چند سال را برای این بنگاه ها رگرس کنیم.
در این حالت ما با داده های پانل کار می کنیم یعنی برای هر بنگاه میزان تولید، موجودی سرمایه و نیروی کار را در طی زمان به دست می آوریم و تلفیقی، ترکیبی از بنگاه ها (مقاطع) و سری زمانی داریم. به این داده های ترکیبی پانل دیتا، داده های ترکیبی، داده های آمیخته گفته می شود.
قصد داریم مدلی برای داده های خود در طی زمان بدست آوریم.
به عنوان مثال فرض کنید قصد داریم روند تولید، صادرات، نرخ تورم یا ... را برای یک کشور، بنگاه، شرکت به دست آورده و پیش بینی هایی در مورد آینده انجام دهیم؛ ولی به دلایل متعدد از قبیل نبود داده های کافی نتوانیم از مدل سری های زمانی استفاده کنیم. در این حالت برای از بین بردن مشکل کمبود داده از کشورها، بنگاه ها، شرکت ها (مقاصع مختلف) در تحلیل خود استفاده می کنیم؛ به داده های حاصل پانل دیتا، داده های ترکیبی، داده های آمیخته گفته می شود.
همان گونه که مشخص است پس از ترکیب ما می توانیم از هر دو روش برای برآورد استفاده نماییم بنابراین با این مجموعه داده ها می توان اثراتی را شناسایی یا اندازه گیری کرد که در داده های مقطعی محض یا سری زمانی خالص قابل شناسایی نیست.
نکته قابل تامل در داده های پانل این است که ما نه تنها می توانیم اثرات ثابت و تصادفی را برای مقاطع مختلف بررسی کرده و مدل را برازش دهیم بلکه می توان اثرات ثابت و تصادفی را برای زمان های گوناگون نیز بررسی و زمان را به عنوان یک عامل تعیین کننده در نظر گرفت که این مهم در بخش آموزش نرم افزار eviews ارائه خواهد شد.

مزایای مدل های پانل دیتا:

با توجه به توضیحات قسمت قبل می توان مزایای زیر را برای مدل های پانل معرفی کرد:

تعداد مشاهدات و داده ها زیاد بوده و اعتماد به برآوردها بیشتر است.
به محققان اجازه می دهد مدل های پیشرفته تری را تبیین کرده و آزمون کنند.
با این مجموعه داده ها می توان اثراتی را شناسایی یا اندازه گیری کرد که در داده های مقطعی محض یا سری زمانی خالص قابل شناسایی نیست.
استفاده از داده های پانل تورش برآورد را از بین برده یا کم می کند.

منبع 

http://amar.khshp.ir/econometrics/paneldata.htm


برچسب‌ها: تحلیل پانل
+ نوشته شده در  سه شنبه 1 مهر1393ساعت   توسط محمد حسین ضرغامی  | 

تحلیل پنلی (تحلیل طولی)

تحلیل پنل

تحلیل پنل یک روش آماری است که به صورت گسترده ای در علوم اجتماعی، شیوع شناسی و اقتصاد سنجی استفاده می شود. همانطور که از اسم این تحلیل مشخص است، دارای دو بعد می باشد که این دو بعد در تقاطع با یکدیگر پنل را ایجاد می کنند. داده های مربوط به این تحلیل ها از افراد یکسان یا همتا در طول زمان گرد آوری می شوند. سپس روی این داده ها یک رگرسیون در هر دو بعد جدول اجرا می شود. اگر تعداد ابعاد بیشتر از دو مورد باشد از تحلیل چند بعدی استفاده می شود. تحلیل چند بعدی یک روش اقتصادی است و زمانی استفاده می شود که داده ها در بیشتر از دو بعد گرد اوری شده باشند. مثلا داده ها از زمان، افراد و بعد سوم دیگری بدست آمده باشند.

09122263167

یک مدل رگرسیونی معمول در تحلیل پنل به صورت  است که در آن y متغیر وابسته و x متغیر مستقل است و b ضریب می باشد. داده های مربوط به x برای فرد i در زمان t می باشد. خطا در این مدل از اهمیت ویژه ای برخوردار است. خطا مشخص می کند که آیا ما از  اثرات ثابت صحبت می کنیم یا از اثرات تصادفی. در یک مدل ثابت، خطا فرض می شود که در طول i و t به صورت تصادفی تغییر نمی کند و اثرات ثابتی می سازد که با یک مدل متغیر دامی یا کاذب در یک بعد متشابه است. در مدل تصادفی فرض می شود که خطا به صورت تصادفی در طول فرد و زمان تغییر می کند و نیازمند اجرای خاص ماتریس واریانس خطا می باشد.

تحلیل داده های پنلی سه یا بیشتر از سه رویکرد مستقل دارد:

پنل های مرجع مستقل

مدل های اثر تصادفی

مدل های اثر ثابت یا مدل های متمایز شده اولین

تمایز بین این سه روش وابسته به موضوع مورد تحلیل دارد. در مدل های پنلی که به صورت مستقل مرجع شده اند فرض بر این است که یک صفات واحد از افراد درون مجموعه اندازه گیری وجود ندارد و اثرات جهانی در طول زمان وجود ندارد.

مفروضه بنیادی مدل های اثرات ثابت این است که صفات ویزه و واحدی از افراد وجود دارد که نتیجه تغییر تصادفی نیستند و در طول زمان تغییر نمی کنند. اگر ما بخواهیم استنباط را در مورد فقط افراد تحت آزمایش بدانیم استفاده از این مدل ها مناسب است. این مدل ها به مدل های حداقل مجذورات متغیر کاذب مشهورند.

مدل های اثرات تصادفی فرض می کنند که یک سری صفات واحد و ثابت وابسته به زمان از افراد وجود دارد که نتیجه تغییر تصادفی اند و با رگرسورهای فردی ارتباط ندارند. این مدل برای زمانی مناسب است که ما بخواهیم در مورد کل جامعه استنباط کنیم و نه فقط در مورد نمونه مورد آزمایش.

 

 


برچسب‌ها: تحلیل پنل, تحلیل طولی
+ نوشته شده در  سه شنبه 1 مهر1393ساعت   توسط محمد حسین ضرغامی  | 

تفاوت سنجش و اندازه گیری با روانسنجی

نظر جناب خوشگویان فر از بازدید کنندگان وب لاگ سنجش و اندازه گیری:

تصور می‌کنم باید بین «سنجش و اندازه گیری» و «روانسنجی» تفاوت قائل شویم. اولی را می‌توان شاخه‌ای از آمار کاربردی قلمداد کرد چه با نگاه کلاسیک به اندازه‌گیری نگاه کنیم و چه با نگاه پاسخِ سؤال. مفاهیمی نظیر اعتبار (reliability) و روایی (validity) تنها به اندازه‌گیری صفات روانی اختصاص ندارند بلکه در شاخه‌های دیگر دانش نظیر جامعه‌شناسی یا مهندسی که دست به اندازه‌گیری می‌زنند، مطرح هستند. مدل‌سازی پاسخ‌های سؤالات یک ابزار نظیر پرسشنامه نیز تنها به روان‌شناسی اختصاص ندارد بلکه حداقل در جامعه‌شناسی نیز کاربرد دارد. در هر دو نوع نگاهِ کلاسیک و پاسخِ پرسش، بحث برآوردیابی به طور گسترده‌ای مطرح است؛ گاهی در قالب برآورد ضریب اعتبار یا ضریب روایی و گاهی در قالب برآورد پارامترهای سؤال یا توانایی در یک مدل مربوط به نظریه پاسخِ پرسش. 
روانسنجی، حوزه کاربردی شده سنجش و اندازه‌گیری است که درباره آزمون‌سازی و بررسی شایستگی آزمون در اندازه‌گیری صفات روانی مرتبط با آن آزمون بحث می‌کند. 
به اعتقاد من، رشته سنجش و اندازه‌گیری می‌توانست بسیار پیشرفت کند اگر در گروه آمار به جای دانشکده‌های روانشناسی و علوم تربیتی ارائه می‌شد. البته در اغلب دانشگاه‌های خارج از ایران نیز این رشته در دانشکده‌های روانشناسی و علوم تربیتی جای دارد با این تفاوت که هم دانشجویان از ورزیدگی بیشتری در آمار برخورداند هم اساتید در آمار زبده‌تر هستند. متأسفانه تسلط نداشتن اساتید سنجش و اندازه‌گیری بر آمار نظری مانع از ارئه کامل و دقیق مفاهیم مرتبط می‌شود!


برچسب‌ها: تفاوت سنجش و اندازه گیری با روانسنجی
+ نوشته شده در  جمعه 21 شهریور1393ساعت   توسط محمد حسین ضرغامی  | 

کتاب های موجود در زمینه ی مدل معادلات ساختاری

آذر، عادل و همکاران. (1391). مدل سازی مسیری-ساختاری در مدیریت: کاربرد نرم افزار اسمارت پی ال اس. تهران: نگاه دانش.

آربروکل، جیمزال. (1390). راهنمای جامع ایموس 6. ترجمه کیومرث زرافشانی و مرضیه کشاورز. تهران: دانشگاه رازی.

ابارشی، احمد و حسینی، یعقوب. (1391). مدل سازی معادلات ساختاری. تهران: جامعه شناسان.

استفان دوتویت,ماتیلدا دوتویت (1392). لیزرل محاوره ای: راهنمای کاربران. ترجمه علی دلاور حسن‌علی ویس‌کرمی,محمد زرین‌جویی. تهران: ارسباران.

اسفیدانی، محمد رحیم و محسنین، شهریار. (1392). مدل سازی معادلات ساختاری به کمک نرم افزار لیزرل. تهران: کتاب مهربان.

پاینده، امیر تیمور و امیدی، مریم. (1392). تحلیل ساختاری تاییدی به کمک نرم افزارهای لیزرل و ایموس. تهران: دانشگاه شهید بهشتی.

داوری، علی و رضا زاده، آرش. (1392). مدل سازی معادلات ساختاری با نرم افزار پی ال اس. تهران: جهاد دانشگاهی.

رامین ­مهر، حمید و چارستاد، پروانه. (1393). روش تحقیق کمی با کاربرد مدل­سازی معادلات ساختاری (نرم افزار لیزرل). تهران: ترمه.

سبحانی فرد، یاسر و همکاران. (1391). تحلیل عاملی، مدل سازی معادلات ساختاری و چند سطحی: همراه با استفاده از نرم افزارهای اچ ال ام، لیزرل، اس پی اس اس و سس. تهران: انتشارات دانشگاه امام صادق.

شوماخر و لومکس. (1388). مقدمه ای بر مدل سازی معادله ساختاری. ترجمه وحید قاسمی. تهران: جامعه شناسان.

عباس زاده و همکاران. (1393). مقدمه‌ای بر معادل‌یابی معادلات ساختاری به روش پی ال اس و کاربرد آن در علوم رفتاری. ارومیه: دانشگاه ارومیه.


قاسمی، وحید. (1392). مدل سازی معادلات ساختاری در پژوهش های اجتماعی با کاربرد ایموس. تهران: جامعه شناسان.

کارشکی، حسین. (1391). روابط ساختاری در تحقیقات علوم انسانی به همراه نرم افزار لیزرل. تهران: آوای نور.

کاف، تکنوری و مارکولایدرز، جرج ای. (1393). مبانی مدل یابی معادلات ساختاری با تاکید بر برنامه های ام پلاس، ایی کیو اس و لیزرل. تر جمه بلال ایزانلو و همکاران. تهران: رشد.

کلانتری، خلیل. (1392). مدل سازی معادلات ساختاری در تحقیقات اجتماعی-اقتصادی با برنامه لیزرل و سیمپلیس. تهران: فرهنگ صبا.

مومنی، منصور؛ دشتی، مجتبی؛ بایرام زاده، سونا؛ سلطان محمدی، ندا. (1392). مدل سازی معادلات ساختاری با تاکید بر سازه های بازتابنده و سازنده (با به کارگیری نرم افزارهای لیزرل، ایموس و پی ال اس). تهران: مولف.

میولر، رالف. (1390). پایه های اساسی مدل سازی معادلات ساختاری: معرفی نرم افزارهای لیزرل و ای کیو اس. ترجمه سیاوش طالع پسند. سمنان: دانشگاه سمنان.

نرگسیان، عباس. (1392). راهنمای کاربرد نرم افزار لیزرل در مدل سازی معادلات ساختاری. تهران: نگاه دانش.

هومن؛ حیدر علی. (1391). مدل­یابی معادلات ساختاری با کاربرد نرم افزار لیزرل. تهران: سمت.

برگرفته از وب لاگ: www.assessment.blogsky.com


برچسب‌ها: کتاب های موجود در زمینه ی مدل معادلات ساختاری
+ نوشته شده در  دوشنبه 10 شهریور1393ساعت   توسط محمد حسین ضرغامی  | 

مطالب قدیمی‌تر