بخشی از پاورپوینت
--- پاورپوینت شامل تصاویر میباشد ----
اسلاید 1 :
تحقيقات همبستگي را ميتوان بر حسب هدف به سه دسته تقسيم كرد:
مطالعه همبستگي دو متغيره
تحليل رگرسيون
تحليل ماتريس همبستگي يا كواريانس
اسلاید 2 :
واژه رگرسیون به معنای بازگشت است.این واژه را اولین بار فرانسیس گالتون به کار برد.وی در تحقیقی متوجه شد که قد پسران خانواده با قد والدین آنها مرتبط است و نشان دهنده سهم یک یا چند متغیر مستقل در پیش بینی متغیر وابسته است .در رگرسیون به دنبال برآورد رابطه ریاضی و تحلیل آن هستیم به طوری که با آن بتوان کمیت متغیری مجهول را با استفاده از متغیر های معلوم تعیین کرد.
در تحقیق همبستگی به دنبال تعیین نوع رابطه و میزان ارتباطی هستیم که متغیرها را به هم ربط می دهد.
اسلاید 3 :
x: متغیر مستقل (هزینه تبلیغات)
y: متغیر وابسته (تعداد فروش)
نمودار پراکنش را رسم کنید؟
آیا ارتباطی بین هزینه تبلیغات و
تعداد فروش وجود دارد؟ چه نوع ارتباطی؟
اسلاید 4 :
آیا ارتباطی بین هزینه تبلیغات و تعداد فروش وجود دارد؟ چه نوع ارتباطی؟
بله.با افزایش هزینه تبلیغات تعداد
فروش افزایش می یابد. اما رابطه
دقیقی بین x و y دیده نمی شود و
و نمی توان خطی را رسم کرده که
تمام نقاط را بپوشاند، ولی می توان
خطکش شفافی را روی نمودار پراکنش گذاشت و خطی را به صورت بصری طوری رسم کرد که با دقت برازنده داده ها باشد.به این خط ”برازش بهترین خط“ می گویند.
اسلاید 5 :
ضریب همبستگی:اگر از ضریب تعیین ، ریشه دوم بگیریم، به مقدار به دست آمده ضریب همبستگی می گوییم و آن را با r نشان می دهیمr2√.r= r می تواند متواند مثبت یا منفی باشد.علامت ضریب همبستگی (r) همان علامت شیب خط رگرسیون (b) است.
ضریب همبستگی شدت رابطه و همچنین نوع رابطه ، مستقیم یا معکوس ،را نشان می دهد (-1<r<+1)
اسلاید 6 :
تعمیم روند برای خارج از دامنه مشاهدات
فقدان رابطه علت و معلولی
تعمیم روند گذشته به آینده
اسلاید 7 :
از جمله تحلیلهای همبستگی ، تحلیل ماتریس کواریانس یا ماتریس همبستگی است. دو نوع از معروفترین این تحلیلها عبارتند از :
مدل تحلیل عاملی :وعی روش آماری که هدف کاربرد آن ،ارائه مجموعه ای از متغیر ها برحسب تعداد کمتری از متغیر های فرضی است.در واقع تحلیل عاملی بر این فرض متکی است که متغیر های مشاهده شده ترکیب خطی از متغیر های فرضی زیر بنایی تر هستند.
هدف تحلیل عاملی:ساده ترکردن ماتریس همبستگی بین متغیر هاست طوری که بتوان آنها را بر حسب تعداد کمی از عامل های زیر بنایی تبیین کرد.
مدل معادلات ساختاری:
اسلاید 8 :
مفروضات:واریانس و میانگین متغیر ها
عامل(f ):ترکیبات واقعی و درست از متغیرها
بارهای عاملی(λ):بیانگر همبستگی این ترکیبات با عوامل هستند.
براي برآورد اوليه ميزان اشتراک، از روش مؤلفه هاي اصلي (Principle Component) براي به دست آوردن مقادير ويژه و ميزانهاي اشتراک استفاده شده است .در روش تجزيه به مؤلفه هاي اصلی، ماتريس ضرايب همبستگي (R)را به دست مي آوريم. در اين روش، مقادير ويژه از ماتريس همبستگي متغيرها به دست مي آيند. با محاسبه مقادير ويژه اين ماتریس، مقدار بزرگتر از يک را در نظر مي گيريم . عاملي که داراي مقدار ويژه کمتر از يک باشد، تغييرات کمتري از کل داده ها را در مقايسه با يکي از متغيرها توضيح مي دهد . به طور کلي افزايش تعداد عاملهاي مشترک، ميزان اشتراک متغيرها را افزايش خواهد داد.
اسلاید 9 :
اجراي تئوري تجزيه عاملي: در تجزيه عاملي ٤ مرحله جهت تعيين الگوهاي ارتباطي بين متغيرها اجرا مي شود:
١- تهيه ماتريس همبستگي
٢- استخراج عامل ها
٣- دوران و اعمال تبديلاتي خاص روي عاملها، براي آن که روابط ميان داده ها را بهتر تفسيرکنند.
٤- تفسير نتايج
اسلاید 10 :
مثال:تجزيه عاملي روي داده هاي حاصل از درصد فعاليتهاي اقتصادي مردم در استانهاي ايران؟
در اينجا قصد داريم روش تحليل عاملي را ، بر روي داده هاي مربوط به درصد نيروي کار ١٤ بخش مختلف فعاليتهاي اقتصادي در ٣٠ استان کشور ايران پياده کنيم و نتايج جالبي به دست آوريم . ١٤ بخش عبارتند از :
١- کشاورزي ٢- معدن ٣- صنعت ٤ – انرژي ٥- ساختمان ٦- بازرگاني ٧- هتل ٨- ارتباطات ٩- واسطه گريهاي مالي ١٠ - املاک و مستغلات ١١ - امو ر عمومي ١٢ - آموزش١٣ - بهداشت ١٤ - ساير
جدول، ميانگين درصد اشتغال در هر فعاليت را در کليه استانها و ميزان پراکندگي آنها در کليه استانها را نشان مي دهد. بر اساس اين داده ها ملاحظه مي شود که ميانگين درصد اشتغال در زمينه بازرگاني و صنعت از ميانگين درصد اشتغال در ساير زمين ههاي فعاليتهاي اقتصادي مطرح شده بيشتر مي باشد.