قطع العلم عذر المتعللین: علم راه بهانه جویان را می‌بندد. امام علی(ع)

متغیر بازدارنده (suppressor) و متغیر تعدیل کننده

متغیرهای بازدارنده

امکان دارد که یک متغیر در پیش بینی یک ملاک، حتی اگر متغیر با آن ملاک همبستگی نداشته باشد، مفید واقع شود. چنین متغیری بادارنده نامیده می شود. متغیر بازدارنده با متغیر ملاک ارتباط ندارد، اما چون بین این متغیر با متغیرهای پیش بینی کننده همبستگی وجود دارد، پیش بینی ملاک اصلاح می شود. نقش متغیر بازدارنده حذف بخش هایی از متغیرهای پیش بینی کننده است، که مانع پیش بینی اثر بخشی است. هورست نمونه ای از متغیرهای بازدارنده را در مطالعه ای برای پیش بینی میزان موفقیت در آموزش خلبانی در جنگ جهانی دوم، ارائه کرده است. نمره های سه آزمون توانایی فنی، توانایی عددی و توانایی فضایی با متغیر ملاک دارای همبستگی مثبت بودند، در حالی که نمره های آزمون چهارم (توانایی کلامی) همبستگی پایینی با ملاک داشتند. چهار متغیر پیش بینی کننده همبستگی بالایی با یکدیگر داشتند. هنگامی که نمره ی کلامی با ضریب رگرسیون منفی برای پیش بینی به کار برده شود، قرار دادن آن در معادله پیش بینی موجب اصلاح همبستگی با چند متغیر با ملاک می شود. ظاهرا توانایی کلامی عاملی است که بر سایر پیش بینی کننده ها و  نه بر میزان موفقیت در خلبانی ، تاثیر دارد. وجود نمره کلامی با ضریب منفی در معادله ی رگرسیون موجب کنترل تاثیرات توانایی کلامی در عملکرد بر پیش بینی کننده های دیگر می شود و در واقع موجب کاهش نمره های آزمودنی هایی است که در آزمون ها فقط به علت توانایی کلامی خیلی خوب عمل کرده اند. متغیر های بازدارنده جالبند اما شناسایی آنها در عمل دشوار است و برای اصلاح اثر آنها بهتر است از نمونه های وارسی اعتبار استفاده شود. این متغیرهای محدودیت ریاضی دارند و ضریب منفی آنها سبب می شود، آزمودنی هایی که آزمون متغیرهای بازدارنده را به خوبی گذرانده اند، مغبون شوند و به سختی می توان مقدار مغبون شدن این افراد به واسطه ی خوب عملکرد کردن در متغیر بازدارنده را دریافت. 

گرچه شناسایی متغیرهای بازدارنده مشکل است، اما متغیرهای تعدیل کننده رایجترند و بیشتر استفاده می شوند. این متغیرها همانند متغیرهای بازدارنده برای افزایش دقت پیش بینی استفاده می شوند. زدوک سه نوع استفاده برای متغیرهای تعدیل کننده مشخص کرده است: متغیرهای تعدیل کننده می تواننند زیر گروههایی از آزمودنی ها را با ضرایب اعتبار مختلف شناسایی کنند. 

مدل معادلات ساختاری فازی

مدل هاي ساختاري فازي در علوم انسانی

مدل هاي ساختاري فازي به منظور تبيين پديده ها تبيين مي شوند. مدل هاي ساختاري در قالب مدل سازي معادله ي ساختاري اغلب بدليل مشكلاتي نظير سنجش دقيق سازه ها، همخطي چندگانه ميان متغييرهاي پنهان مستقل، مشكلات مربوط به تشخيص مدل در صورت پيچيده شدن و همچنين برآوردهاي نامناسب پارامترها در چنين وضعيتي (نظير واريانس هاي منفي يا ضرايب استاندارد گاما و بتاي بالاتر از 1 و يا بارهاي عاملي بزرگتر از 1) به صورتي نسبتا ساده  طرح مي شوند. به اين معنا كه تعداد سازه هاي پنهان بيروني و دروني كمتر از آنچه در واقعيت اجتماعي دخالت دارند به مدل وارد مي شوند.

اگر فرض شود پژوهشگري مدل معادلات ساختاري تدوين كرده است كه بر اساس يك سازه ي پنهان مي خواهد سه سازه ي ديگري را تبيين نمايد شكلي مانند زير خواهد داشت:

  

مدل ساختاري فازي به پژوهشگران اين امكان را مي دهند كه در وارد كردن سازه هاي پنهان با كمتر محدوديتي به لحاظ دقت در سنجش مواجه شويم. از آنجا كه منبع اصلي داده ها در تدوين مدل هاي ساختاري فازي ديدگاه كارشناسان و خبرگان مرتبط با موضوع است انتظار مي رود متغييرهاي بكار رفته در تحليل هاي ارائه شده از طرف آنها تا حد زيادي به لحاظ مفهومي داراي فضاي مشتركي باشند. بنابراين اگر اين گروه از افراد از مفاهيمي نظير دمكراسي توسعه ي اقتصادي، مشاركت، دين داري و .. استفاده مي كنند انتظار داريم كه هر مفهوم نزد كارشناسان مختلف سنجه ها يا معرف هاي كم و بيش يكساني داشته باشند. تبيين يك سازه بر مبناي تركيب علي سه سازه ديگر در يك مدل ساختاري فازي مي تواند مانند شكل زير نمايش داده شود.

مقیاس سازی (scaling) و مقیاس (scale)

مقياس سازي چيست؟

اندازه گيري در همه ي علوم به آشنايي با اعداد ختم مي شود. يعني در اندازه گيري كه به روش مناسب و نظامند (روا و پايا) اعدادي به كيفيات اختصاص داده مي شود شناخت خود اعداد ا هميت فراواني پيدا مي كند. زماني كه به صفات يا ويژگي هايي عدد اختصاص داده مي شود اولين سوال اين است كه آيا اعداد بيانگر و سمبل و نماينده ي آن صفات و ويژگي ها مي باشند يا خير؟ براي پاسخ به اين سوال در گام اول بايد مشخص كرد كه آيا اعداد اختصاص داده شده كه بيانگر صفات و ويژگي ها و مقادير اختصاص داده شده به موضوعات مورد پژوهش اند از يكديگر متمايزاند؟ چنانچه صفات داراي رتبه اند بايد اعداد نيز اين ويژگي را نشان دهند و رتبه بندي مطابق رتبه هاي صفات و ويژگي هاي مورد مطالعه ارائه دهند. سومين ويژگي فاصله هاي مساوي است. اگر تفاوت بين دو صفت با تفاوت ميان دو صفت ديگر برابر است بنابراين اعداد متناظر با آنها بايد به گونه اي باشد كه تفاوت هاي برابر را نشان دهد. و در نهايت اگر صفات داراي صفر مطلق مي باشد اعداد اختصاص داده شده نيز بايد داراي صفر مطلق باشد. 

اين چهار ويژگي در قالب يك چهارچوب نظري قرار دارد به اسم مقياس بندي. مقياس بندي شاخه اي از اندازه گيري است كه بر روش هاي آماري و منطقي استوار است و به منظور اين كه چه عددي براي نمايش ويژگي هاي مختلف يك صفت به كار برده مي شود، مورد استفاده قرار مي گيرد. 

نظريه ي مقياس بندي منطق و روش هايي را براي انتخاب مقياس هاي معين ارائه مي كند و ويژگي هاي مقياس ها را بر اساس اندازه گيري توصيف مي كند. برخلاف بيشتر نظريه هاي آزمون سازي، روش هاي مقياس بندي بر پايه ي نمره هاي مشاهده شده آزمون قرار ندارد، بلكه از استفاده از آنها مستلزم بكارگيري روش هاي مختلف مشاهده و تحليل رفتار است. 

در بررسي مقياس ها است كه اثر تبديل هاي مختلف مي تواند مطالعه شود. به عنوان مثال مي توان بعد از اين كه مشخص شد مقياس اسمي، ترتيبي يا فاصله اي براي مقياس بندي يك صفت يا ويژگي يا مجموعه اي از صفات يا ويژگي هاي به طور همزمان، مناسب است، در اندازه هاي بدست آمده انتقال خطي انجام داد. اما انجام انتقال خطي در مورد داده هايي كه قرار است ويژگي نسبي بودن را دارا باشند، منجبر به خطا مي شود. هر نوع انتقالي كه موجب از ميان رفتن ويژگي هاي مقياس نشود را مي توان انجام داد. به عنوان مثال اگر تبديل فاصله اي است و ضريب x در يك تبديل خطي منفي است، در اين صورت ويژگي هاي مقياس حفظ نخواهد شد. اگر مقياس اندازه گيري ويژگي براي دو موضوع مورد مطالعه مانند  a و b نسبي باشد. امكان استفاده از تبديل خطي امكان پذير است كه مقدار ثابت آن برابر صفر باشد و ضريب x مقداري مثبت باشد. بنابراين به صورت كلي تبديل خطي امكان پذير نيست. 

مقياس چيست؟

مقياس يك مجموعه از اندازه هاي سازمان يافته است كه همه ي آنها صفت يا صفات (ويژگي يا ويژگي هاي يكساني) را اندازه مي گيرند. مقدار اندازه اي از اين مجموعه كه به فرد يا موضوع مورد پژوهش اختصاص داده مي شود، اندازه مقياس ناميده مي شود. 

زماني كه مجموعه اي از نمرات مشاهده شده براي دانش آموزان ارائه مي شود، مقياس نمره خام را تشكيل مي شود. مجموعه اي از نمرات درصدي كه بر اساس عملكرد محاسبات رياضي بدست مي آيد يك مقياس درصدي براي محاسبات رياضي است. 

کتاب نظریه های مقدماتی اندازه گیری