سنجش و اندازه گیری

پارادایم پژوهش بین رشته‏ ای (09122263167)

برگزاری کارگاه تجزیه و تحلیل سوال بر اساس نظریات کلاسیک و سوال پاسخ مبتنی بر نرم افزار R

برگزاری کارگاه تجزیه و تحلیل سوال بر اساس نظریات کلاسیک و سوال پاسخ مبتنی بر نرم افزار R


برچسب‌ها: برگزاری کارگاه تجزیه و تحلیل سوال بر اساس نظریات ک
+ نوشته شده در  پنجشنبه ۲۷ فروردین۱۳۹۴ساعت   توسط محمد حسین ضرغامی  | 

مدل های عاملی نظریه سوال پاسخ

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.
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: تحلیل عاملی, نظریه سوال پاسخ, مدلهای تحلیل عاملی نظریه سوال پاسخ
+ نوشته شده در  سه شنبه ۱۱ فروردین۱۳۹۴ساعت   توسط محمد حسین ضرغامی  | 

بخت و نسبت بخت (شانس و نسبت شانس، Odds, Odds ratio)

بخت تاریخچه بخت به بازی های قمار و آمار بر می گردد. در آمار بخت نشان دهنده ی درستنمایی رخداد یک واقعه است. در واقع بخت مخالف، درستنمایی این که یک واقعه رخ ندهد را بیان می کند. مثلا اگر در یک مجموعه بازی قمار یک فرد 10 بار ببرد ولی 5 بار ببازد، بخت یا شانس موفقیت وی 5/10 است و بخت یا شانس مخالف (شکست) برابر 10/5 است. از روی بخت می توان احتمال را نیز محاسبه کرد. احتمال بر اساس تعریف کلاسیک آن برای وقایع با توزیع احتمال یکنواخت برابر است با تعداد رخداد موضوع مورد نظر بر کل رخداد ها بنابراین بر اساس مثال بالا احتمال موفقیت فرد 15/10 خواهد شد. بر اساس بدست آمدن احتمال می توان مقدار احتمال شکست که وضعیت مکمل موفقیت است را محاسبه کرد. این مقدار برابر است با 1-p یعنی (15/10)-1. بنابراین می توان مقدار شانس را بر اساس احتمال موفقیت و شکست نیز تعریف کرد. بخت یا شانس برابر است با p/1-p. در آمار، نسبت بخت که عموما با OR نشان داده می شود، یکی از سه راه مهم برای کمی کردن این موضوع است که حضور یا عدم حضور یک ویژگی چقدر به حضور یا عدم حضور ویژگی دیگری در یک جامعه ی مشخص و معلوم، مربوط است. به عنوان مثال تصمیم گیرندگان دو حزب سیاسی در آمریکا یعنی حزب جمهوری خواه و دمکرات در مورد دو فرد اوباما و رامنی نظر می دهند. در اینجا می خواهیم ببینیم که حضور یا عدم حضور دمکرات بودن روی حضور یا عدم حضور تایید رامنی مرتبط است یا خیر. بنابراین نسبت بخت در این جامعه در برگیرنده ی دو شانس یا بخت است: شانس رای موفقیت رامنی در دمکرات ها نسبت به شانس موفقیت اوباما در دموکرات ها و سپس تقسیم این دو نسبت به یکدیگر. مقدار تقسیم بدست آمده از این روش در مثال ذکر شده، با نسبت شانس حمایت دموکرات ها از رامنی در برابر شانس حمایت جمهوری خواه ها از رامنی یکسان است. همانطور که قبلا گفته شد نسبت بخت می تواند بر اساس احتمال موفقیت و مکمل آن تعریف شود. بنابراین Odds ratio=(p(A)/1-p(A))/(p(B)/1-p(B)) نتیجه ی نسبت بخت وضعیت داشتن صفت الف را در برابر داشتن صفت ب نشان می دهد. اگر مقدار نسبت بخت بیشتر از یک باشد یعنی داشتن صفت الف، شانس داشتن صفت ب را بیشتر از نداشتن صفت ب افزایش می دهد و کمتر بودن آن از یک نشان می دهد که داشتن صفت الف شانس داشتن صفت ب را نسبت به نداشتن صفت ب، کاهش می دهد. این تعریف از نسبت بخت تعریف بخت به صورت گروهی است. در این وضعیت نسبت نشان دهنده ی بخت یک اتفاق در یک گروه نسبت به بخت اتفاق در گروه دیگر است. این واژه همچنین به منظور برآورد های مبتنی بر نمونه این نسبت تعریف می شود. این گروهها می تواند گروه زنان یا مردان، گروه کنترل و آزمایش یا هر نوع کلاس بندی دو وجهی دیگر باشد. اگر مقدار نسبت بخت برابر یک باشد، در این صورت موضوع مورد مطالعه در گروه ها شانس یکسانی برای رخدادن دارند. اگر مقدار بیشتر از یک باشد، احتمال رخ دادن موضوع مورد مطالعه در گروه اول بیشتر از گروه دوم است.


برچسب‌ها: بخت و نسبت بخت, شانس و نسبت شانس, Odds, Odds ratio
+ نوشته شده در  پنجشنبه ۲۸ اسفند۱۳۹۳ساعت   توسط محمد حسین ضرغامی  | 

سوالات و پاسخ سوالات درس آمار و روش تحقیق رشته روانشناسی تربیتی آزمون دکتری تخصصی سال 94

سوالات و پاسخ سوالات درس آمار و روش تحقیق رشته روانشناسی تربیتی آزمون دکتری تخصصی سال 94

محمد حسین ضرغامی zar100@gmail.com

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

 

76. گزینه ی صحیح الف است. چون متغیر مستقل توسط پژوهشگر اعمال نمی شود.

77. گزینه ی صحیح گزینه 4 است. ضریب همبستگی تفکیکی و نیمه تفکیکی ضرایب همبستگی پارامتری اند و خطی می باشند. ضریب همبستگی اتا یا ایتا ضریب همبستگی برای روابط غیر خطی استفاده می شود.

78. گزینه صحیح 2 است. اگر داده ها رتبه ای باشند و حجم بیشتر از 20 نفر از ضریب همبستگی اسپیرمن استفاده می شود.

79. گزینه صحیح 2 است. مقدار تغیر در ملاک به ازای یک واحد تغیر در پیش بین

80. گزینه صحیح گزینه الف است. در روش کیفی فرض بر این است که پدیده ها باید در بافت خود آن مطالعه شود.

81. گزینه صحیح ب است. تعریف عملیاتی تعریفی است که نحوه سنجش را مشخص می کند. در تست نئو شاخص e نشان دهنده ی نمره ی برون گرایی است.

82. سوال مشخص نیست.

 

 

83. گزینه صحیح 4 است. فرض صفر را محقق انتخاب می کند تا مانع سوگیری شخصی شود. یکی از دلایل اهمیت فرض صفر به عنوان فرض پژوهش بازداشتن پژوهشگر از سوگیری است.

84. گزینه صحیح 3 است. نمونه گیری تصادفی در جوامع بزرگ امکان پذیر نیست. در ضمن اگر جامعه همگن باشد، نیازی به استفاده از روش های نمونه گیری تصادفی نیست.

85. گزینه صحیح الف است. قدر مطلق ضریب همبستگی نشان دهنده ی شدت همبستگی است و علامت آن جهت همبستگی را نشان می دهد.

86. گزینه صحیح 2 است.

87. گزینه صحیح گزینه 2 است. زمانی که فرض صفر تحلیل واریانس رد می شود یعنی حداقل بین دو میانگین اختلاف معنادار وجود دارد. اگر چه اسم آزمون تحلیل واریانس است اما به اختلاف بین میانگین ها می پردازد.

88.  گزینه صحیح 4 است. آزمون لون به منظور بررسی همگنی واریانس ها استفاده می شود.

89. گزینه صحیح 2 است. رابطه ی بین خطای نوع اول یا همان آلفا با توان آزمون رابطه ی مستقیم است. اگر سطح معناداری آلفا کاهش یابد توان آزمون آماری نیز کاهش می یابد.

90. گزینه صحیح 3 است. تعداد کل خانه های طرح 12 است. بنابراین از حجم کل 12 کم می شود. 5*12 منهی 12 برابر 48 می شود.

91. سوال به صورت خوانا مطرح نشده است و گزینه برای آن وجود ندارد. با این وجود شیب خط نشان دهنده ی این است که با افزایش یک واحد تغیر در متغیر ایکس چند واحد در ایگرگ تغیر رخ خواهد داد. با دو واحد افزایش در ایکس، ایگرگ 5 واحد افزایش می یابد، پس با یک واحد افزایش 2.5 واحد افزایش می یابد. پس شیب 2.5 خواهد بود (البته با اطلاعاتی که در سوال مشخص است).

 

92. گزینه صحیح 4 است. طرح تک گروهی و پس آزمون به تنهایی نمی توانند افت آزمودنی ها را کنترل کنند و اثر آن را بسنجد.

93. گزینه صحیح گزینه 4 است. زمانی که طبقات یا گروههای موجود در مطالعه نقش دارند و پژوهشگر علاقمند به شرکت آنها در مطالعه اش می باشد، از روش نمونه گیری تصادفی سهمیه ای یا طبقه ای استفاده می شود.

94. گزینه صحیح الف است. از آنجا که دو متغیر مستقل وجود دارد که یکی دو سطح و دیگری سه سطح دارد، طرح عاملی 3*2 است که یک طرح دو عاملی محسوب می شود.

95. گزینه صحیح الف است. در روش های پس رویدادی یا علی مقایسه ای پژوهشگر از معلول به علت می رسد.

96. گزینه صحیح 2 است. زمانی که پیش آزمون وجود داشته باشد در صورتی که مفروضات آزمون تحلیل کواریانس برقرار باشد بهترین روش تحلیل کواریانس است.

97. گزینه صحیح 3 است. روش دلفی روشی است به منظور دستیابی به اتفاق نظر خبرگان در یک موضوع مشخص.

http://measurement.blogfa.com/post-358.aspx 

98. گزینه صحیح گزینه 3 است. در روش های درون گروهی نیاز به نمونه کمتر نسبت به طرح های بین گروهی است و در ضمن تفاوت های فردی تنها تفاوت افراد در زمان های مختلف است و نسبت به طرح های درون گروهی تفاوت های فردی بسیار کمتر است.

99. گزینه صحیح 3 است. طرح های آزمایشی کمترین روایی بیرونی را دارند. در سری های زمانی نحوه جمع آوری داده ها در میزان روایی بیرونی اهمیت دارد. در طرح های علی مقایسه ای، علت در محیط آزمایشی اعمال نشده است. بلکه علت در یک شرایط واقعی حادث شده است. اگر این مطالعات به درستی انجام شود قدرت تعمیم بالایی دارند. به این نوع مطالعات  field experiments گویند.

100. گزینه های مربوط به این سوال مشخص نیست.  

 


برچسب‌ها: سوالات و پاسخ سوالات درس آمار و روش تحقیق, رشته روانشناسی تربیتی, آزمون دکتری تخصصی سال 94
+ نوشته شده در  دوشنبه ۱۳ بهمن۱۳۹۳ساعت   توسط محمد حسین ضرغامی  | 

سوالات و پاسخ سوالات درس اندازه گیری و ارزشیابی رشته روانشناسی تربیتی آزمون دکتری تخصصی سال 93

سوالات و پاسخ سوالات درس اندازه گیری و ارزشیابی رشته روانشناسی تربیتی آزمون دکتری تخصصی PHD سال 93 

پاسخ دهنده: محمد حسین ضرغامی ZAR100@GMAIL.COM

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

در کدام مفروضه ی نظریه کلاسیک، نمره واقعی بر اساس نمره مورد انتظار تعریف می شود؟

جواب پاسخ چهار است: امید ریاضی نمره مشاهده شده برابر با نمره واقعی است. به طور کلی نمره مورد انتظار یک تعریف آماری دارد که و بر اساس امید ریاضی داده های مشاهده شده تعریف می شود. به بیان دیگر نمره واقعی میانگین نمره مشاهده شده فرد در بینهایت بار اندازه گیری است.

  1. در صورتی که نمره های خطا و مشاهده شده همبستگی صفر داشته باشند کدام یک از حالت های زیر اتفاق خواهد افتاد؟

گزینه صحیح 4 است. در صورتی که همبستگی بین نمره های خطا و مشاهده شده برابر صفر باشد، تمام واریانس نمرات مشاهده شده توسط نمرات واقعی تبیین می شود، از این رو بین نمره های مشاهده شده در دو آزمون موازی همبستگی کامل وجود دارد.

  1. به کمک کدام یک از نظریه های اندازه گیری عوامل موثر بر نمره مشاهده شده کنترل می شود؟

پاسخ صحیح گزینه 4 است. نظریه ی تعمیم پذیری جمع نظریه کلاسیک و تحلیل واریانس است  و ازطریق تکینک تحلیل واریانس مولفه های واریانس نمره مشاهده شده بدست می آید. از طریق این نظریه است که می توان عوامل موثر بر نمره مشاهده شده را کنترل نمود.

  1. ضریب پایایی از چه طریق افزایش می یابد؟

پاسخ صحیح گزینه الف است. از طریق افزودن سوالات مناسب (سوالاتی که درجه دشواری متوسط و ضریب تمیز بالا دارند) می توان ضریب پایایی را افزایش داد. اگر گزینه سوم کاهش خطای اندازه گیری بود، گزینه ی سوم جواب مناسب تر و جامع تری نسبت به گزینه اول قلمداد می شد.

  1. چنانچه ضریب دشواری سوالات یک آزمون مساوی نیم باشد، پایایی آزمون با استفاده از کدام یک از روش های دارای برآورد مناسب تر است؟

گزینه ی صحیح گزینه ی الف است. زمانی که درجه دشواری سوالات با هم برابر است از روش کودر ریچاردسون 21 استفاده می شود.

  1. کدام یک از تعاریف زیر مناسب تعریف برای مفهوم اندازه گیری است؟

الف) گزینه چهارم صحیح است. اختصاص اعداد به صفات یا اشیاء بر اساس معیار و ملاک معین را اندازه گیری گویند. تعریف استیونس از اندازه گیری.

 

  1. مهمترین کاربرد نظریه اندازه گیری عبارت است از:

 

گزینه ی صحیح گزینه یک است. نظریه اندازه گیری طبق تعریف آلن : شاخه ای از علم آمار کاربردی است که می کوشد، تا کیفیت اندازه گیری ها را توصیف، مقوله بندی و ارزشیابی کند، معنادار بودن ، دقت و سودمندی اندازه گیری ها را بهبود بخشد و روش هایی را برای به وجود آوردن ابزارهای نوین اندازه گیری پیشنهاد دهد. همانطور که مشاهده می شود گزینه های 2 و 3 به تعریف آلن نزدیک اند. اما نظریه اندازه گیری تمام این کارها را از طریق تعریف و کنترل خطاهای اندازه گیری انجام می دهد. به نظر من گزینه الف جامع ترین پاسخ است.

  1. آزمون برای اولین بار در کدام یک از کشورهای زیر آزمون برای اندازه گیری خدمات اجتماعی به کار برده شد؟

گزینه صحیح 3 است. اجرای آزمون خدمات اجتماعی از 3000 سال پیش در چین آغاز شده است.

  1. بنیان گذار خیلی از شاخص های آمار که امروزه هسته اصلی نظریه اندازه گیری را تشکیل می دهد چه نام دارد؟

گزینه صحیح گزینه 2 است. شاکله ی اصلی روانسنجی و کاربرد آمار در حوزه ی روانشناسی مدیون یک گروه حدودا همدوره انگلیسی است. گالتون (خواهر زاده داروین)، پیرسون شاگرد گالتن و اسپیرمن شاگرد پیرسون. اسپیرمن براون اسم دو نفر است.

  1. در صورتی که آزمونی دارای سقف کوتاه باشد، این آزمون توانایی لازم را برای .................

گزینه صحیح گزینه 3 است. اگر دارای سقف باشد یعنی بعضی از افراد می تواننند به تمام سوالات پاسخ صحیح دهند، بنابراین از طریق این آزمون نمی توان دانش اموزان قوی که توانسته اند به همه سوالات پاسخ صحیح دهند را از یکدیگر جدا کرد.

  1. هر چه قدر پایایی آزمونی افزایش یابد، واریانس نمره خط به همان نسبت .................... .

گزینه صحیح گزینه 4 است. رابطه بین پایایی آزمون و واریانس خطا معکوس است.

  1. در کدام یک از حالات زیر واریانس مشاهده شده منعکس کننده واریانس خطا است؟

گزینه 2 صحیح است. این سوال تکرار سوال دوم است. در صورتی که همبستگی بین نمره های خطا و مشاهده شده برابر صفر باشد، تمام واریانس نمرات مشاهده شده توسط نمرات واقعی تبیین می شود، از این رو بین نمره های مشاهده شده در دو آزمون موازی همبستگی کامل وجود دارد.

  1. هر مقدار کوواریانس بین نیمه ها افزایش یابد، ضریب آلفا ............... .

گزینه صحیح الف است. کوواریانس نشان دهنده رابطه است. هر چه قدر مقدار همبستگی یا رابطه بین سوالات آزمون افزایش یابد، آلفا نیز افزایش خواهد یافت.

  1. ضریب پایایی محاسبه شده با استفاده از روش اسپیرمن براون در کدام یک از شرایط زیر دقیق تر است؟

گزینه سوم پاسخ صحیح است. برای استفاده از این روش بهتر است که قسمت های اضافه شده به آزمون اولیه موازی کامل باشند. یکی از شرایط موازی کامل بودن همگنی سوالات است.

 

  1. سوالی که ضریب دشواری یک دارد؟

گزینه ی صحیح دو است. سوالی که درجه دشواری یک دارد یعنی همه ی آزمودنی ها به آن پاسخ صحیح داده اند.

  1. کدام یک از نمرات زیر در  توزیعات بزرگ بیشتر از حدس زدن آسیب می بینند؟

گزینه 1 صحیح است. زمانی که توزیع بزرگ است، نمره درصدی که دارای فاصله های برابر نیست، بیشترین آسیب را نسبت به حدس زدن پذیرا است. نقطه درصدی دارای فاصله ی برابر است ولی نمره درصدی یا رتبه درصدی نقاط برابرندارد. یک حدس درست و غلط جایگاه فرد را نسبت به هنجار به شدت تغیر خواهد داد.

 

 

  1. کدام یک از انواع اعتبار شکل پیچیده تری از اعتبار محتوی است؟

گزینه 4 صحیح است. بعضی از دانشمندان معتقدند تنها اعتبار اعتبار سازه است و انواع مختلف اعتبار درون این نوع قرار می گیرند. در اعتبار سازه عامل های شکل گرفته شده می تواند طبقه بندی محتوا و ماهیت محتوا سوالات را مورد بررسی قرار دهد.

  1. اعتبار افتراقی برای محاسبه کدام یک از شاخص های زیر مفیدتر است؟

گزینه صحیح الف است. اعتبار افتراقی همان اعتبار واگرا است که به نتایج متفاوت در آزمونهای با مضمون متضاد اشاره دارد. این اعتبار برای تمیز دادن و افتراق برقرار کردن بکار می رود.

  1. در صورتی که یک آزمودنی در یک آزمون 30 سوال که سقف آن 18 است به 25 سوال پاسخ درست داده باشد، نمره او چقدر است؟

سوال چندان واضح نیست. در این سوال مشخص نشده است که آیا نمره منفی وجود دارد یا خیر یا این که سوالات دو ارزشی است یا خیر. به هر شکل با یک تناسب ساده مقدار نمره فرد در آزمون 15 برآورد می شود. اگر چه با وجود نمره منفی نمره ی وی از 15 کمتر می شود، که گزینه صحیح برای آن وجود ندارد.

  1. چنانچه قصد داشته باشیم از نگاه روزنامه نگاران نقش مدیران منابع انسانی را دریابیم کدام یک از روش های پژوهشی مناسب تر است؟

گزینه ی صحیح 2 است. نظر خواهی روش پژوهش نیست بلکه یک روش گردآوری داده حساب می شود. . افکار سنجی کاربردی از پیمایش محسوب می شود.

 

  1. کدام یک از عوامل زیر بر روایی اثر غیر مستقیم دارد؟

گزینه صحیح 3 است. کیفیت، تعداد سوالات و ترتیب سوالات آزمون به صورت مستقیم بر روایی موثر اند. راهنمای آزمون به صورت غیر مستقیم بر روایی تاثیر می گذارد.

  1. ضریب پایایی هر کدام از نیمه های آزمون برابر 0.75 است. ضریب پایایی کل آزمون برابر چه عددی است؟

گزینه صحیح 3 است.

برای پاسخ به این سوال باید از آزمون اسپیرمن براوون استفاده کرد.

پایایی کل آزمون=یک + پایایی نیمه آزمون) /(2*پایایی نیمه آزمون)

جواب نهایی 0.85 است.

  1. کدام یک از موارد زیر جز ویژگی های نظریه سوال پاسخ نیست؟

گزینه صحیح 3 است. نظریه سوال پاسخ بر پاسخ ازمودنی ها به تک تک سوالات متکی است نه بر نمرات کل آزمون.

  1. اگر نمره معیار آزمودنی 0.75 باشد، نمره تی معادل چه عددی است؟

گزینه صحیح گزینه الف است.

10*0.75+50=57.5

  1. اصطلاح عینی در طرح سوالات آزمون به کدام مفهوم اشاره دارد؟

گزینه صحیح 4 است. عینیت عموما بر در آزمون سازی به نمره گذاری مستقل از مصحح اشاره دارد. 


برچسب‌ها: سوالات و پاسخ سوالات درس اندازه گیری و ارزشیابی, رشته روانشناسی تربیتی, آزمون دکتری تخصصی, سال 93
+ نوشته شده در  شنبه ۱۱ بهمن۱۳۹۳ساعت   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 ۷ بهمن۱۳۹۳ساعت   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 ۷ بهمن۱۳۹۳ساعت   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 ۲۷ دی۱۳۹۳ساعت   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 ۲۰ دی۱۳۹۳ساعت   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 ۱۹ دی۱۳۹۳ساعت   توسط محمد حسین ضرغامی  | 

مطالب قدیمی‌تر