وبلاگ

۱-۸-۳ تحلیل همبستگی پیرسون و رگرسیون ساده خطی
پژوهش های همبستگی – تعریف، هدف و مزایا:
پژوهش های همبستگی شامل کلیه پژوهش هایی است که در آن سعی می شود رابطه بین متغیرهای مختلف با بهره گرفتن از ضریب همبستگی، کشف یا تعیین می شود. هدف روش پژوهش همبستگی، مطالعه حدود تغییرهای چند متغیر با حدود تغییرهای چند متغیر دیگر است. هدف ضریب همبستگی، بیان رابطه بین دو یا چند متغیر به صورت ریاضی است. در صورتی که رابطه متغیرها کامل و مثبت باشد ضریب همبستگی، یک است و چنانچه همبستگی بین متغیرها کامل و منفی باشد ضریب همبستگی، منفی یک خواهد شد. طرح بنیادی و اساسی پژوهش همبستگی بسیار ساده است. در این روش ها به جمع آوری نمره های دو (یا چند) متغیر برای آزمودنی های یکسان می پردازیم و سپس ضریب همبستگی را محاسبه می کنیم. به طور خلاصه ضریب همبستگی، را می توان برای بیان روابط بین دو متغیر A و B به کار برد. مزیت عمده روش همبستگی این است که به محقق اجازه می دهد که متغیرهای زیادی را اندازه گیری کند و همزمان، همبستگی درونی بین آنها را محاسبه نماید. امتیاز دیگر روش همبستگی در این است که می تواند درباره درجه همبستگی بین متغیرها مورد مطالعه، اطلاعات لازم را فراهم سازد و روش همبستگی یا درجه همبستگی را در کل دامنه یا محدوده معین مشخص کند.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۲-۸-۳ آزمون همبستگی
آزمون همبستگی به بررسی ارتباط بین دو یا چند متغیر می پردازد و ضریب آن را محاسبه می نماید. همبستگی بین متغیرها ممکن است مثبت یا منفی باشد. اگر تغییرات یک متغیر با تغییرات متغیر دیگر همراه باشد و افزایش یکی با افزایش دیگری یا بالعکس کاهش یکی با کاهش دیگری همراه شود، می گوییم که همبستگی بین آنها مثبت است و اگر افزایش یک متغیر با کاهش متغیر دیگر باشد، گفته می شود که همبستگی بین آنها منفی است و اگر بین دو متغیر رابطه ای وجود نداشته باشد، ضریب همبستگی صفر خواهد بود. همبستگی مثبت از صفر تا ۱+ نوسان می کند در حالی که، دامنه همبستگی منفی از ۱- تا صفر خواهد بود. برای محاسبه همبستگی بین متغیرها روش های مختلفی وجود دارد که با توجه به مقیاس اندازه گیری بایستی روش مناسب انتخاب شود. از آنجایی که اطلاعات مربوط به این تحقیق از نوع کمی و دارای مقیاس اندازه گیری نسبی است، برای محاسبه ضریب هم بستگی از آزمون همبستگی پیرسون استفاده می شود فرمول محاسبه ضریب هم بستگی پیرسون به شکل زیر است:
(۳-۳)
: ضریب همبستگی بین متغیرهای xو y
N: تعداد آزمودنی ها
:Sx انحراف استاندارد مقادیرx
Sy: انحراف استاندارد مقادیرy
: میانگین مقادیر متغیرx
: میانگین مقادیر متغیرy
۳-۸-۳ رگرسیون چندگانه
در رگرسیون خطی یک متغیره، معادله y= a+bx معرف خط رگرسیون جامعه بود، که ما آن را به وسیله y^=a+bx برآورد می کردیم. در رگرسیون خطی دو متغیره نیز معادله معرف صفحه رگرسیون جامعه است (در فضای سه بعدی به جای خط صفحه داریم) که می خواهیم آن را به وسیله ای برآورد کنیم. در اینجا دو متغیر مستقل _۱x و _۲x و و a و _۲b و _۱b به ترتیب برآورد کننده های a و _۱B و _۲B هستند (آذر، ۱۳۸۵، ۲۱۹).
با بهره گرفتن از رگرسیون چندگانه می توان میزان تأثیرات متغیرهای مستقل در متغیرهای وابسته سنجید. در این تحقیق برای آزمون فرضیات از آزمون رگرسیون چندگانه، و جدول ضرایب جزئی استفاده می شود.
۴-۸-۳ آزمون نرمال بودن (کولموگروف – اسمیرنوف)^[۱۰۷]
یکی از فرض های رگرسیون نرمال بودن داده هاست. برای آزمون نرمال بودن داده ها از آزمون کولموگروف – اسمیرنوف استفاده شده است. این آزمون روش ناپارامتری برای تعیین همگونی اطلاعات تجربی با توزیع های آماری منتخب (نرمال) است.
در این آزمون KSفرض صفری که آزمون خواهد شد، توزیع مشاهدات و توزیع مشخصی (یا پارامتری معینی) است که با حدس یا قرائن مختلف فکر کرده ایم توزیع مشاهدات با آن توزیع مشخص همخوانی دارد (آذر و مؤمنی، ۱۳۸۵، ۲۱۲).
۵-۸-۳ آزمون خود همبستگی (دوربین – واتسن)^[۱۰۸]
یکی دیگر از فرض های رگرسیون عدم خود همبستگی باقی مانده هاست. به عبارت دیگر مدلی مناسب است که باقی مانده های حاصل از آن به هم وابسته نبوده و یا به عبارتی تصادفی باشد. برای آزمون نرمال بودن داده ها از آزمون کولموگروف – اسمیرنوف استفاده شده است. برای این آزمون از آماره دوربین واتسن استفاده شده است.
کاربرد و تفسیر یک مدل رگرسیون چندگانه به صورت آشکاری به برآورد ضرایب رگرسیون بستگی دارد. تعدادی از استنباط هایی که اغلب به این ضرایب بستگی دارند عبارتند از:
۱- تشخیص اثرات نسبی متغیرهای مستقل
۲- پیش بینی
۳- انتخاب زیرمجموعه مناسبی از مدل
اگر رابطه خطی بین متغیرهای رگرسیونی (مستقل) وجود نداشته باشد گوییم متعامد هستند. در این حالت استنباط های فوق به سادگی انجام می شود. متأسفانه در بیشتر کارهای رگرسیونی متغیر مستقل، متعامد نیستند و این مشکل جدی به نظر می رسد. در چنین موقعیت هایی متغیرهای مستقل دارای رابطه خطی کامل هستند و استنباط های فوق می توانند گمراه کننده یا توأم با خطا باشد. وقتی وابستگی خطی نزدیک بین متغیرهای مستقل وجود داشته باشد، گوییم مسأله چند هم خطی اتفاق افتاده است.
یکی از معیارهایی که می توان با بهره گرفتن از آن این مسأله را بررسی نمود معیار VIF^[109] است که به صورت زیر تعریف می شود:
(۴-۳)
در این تعریف ضریب تعیین حاصل از رگرسیون زدن xj روی باقی مانده متغیرهای رگرسیونی است. این روش منسوب به مارکوارت (۱۹۷۰) است. VIF برای هر جمله در مدل اثر ترکیبی وابستگی ها بین متغیرهای مستقل روی واریانس آن جمله را اندازه می گیرد. یک یا چند VIFبزرگ نشان دهنده چند هم خطی است. تجربه نشان داده است که اگر VIF از ۵ یا ۱۰ بیشتر باشد، نشان دهنده برآورد ضعیف ضریب رگرسیونی مربوطه است، که علت آن چند هم خطی است.
فصل چهارم : تجزیه و تحلیل داده‌ها
۱-۴ مقدمه‏
پژوهشگر پس از این که روش تحقیق خود را مشخص کرد و با بهره گرفتن از ابزارهای مناسب، داده های مورد نیاز را برای آزمون فرضیه های خود جمع آوری کرد، اکنون نوبت آن است که با بهره گیری از تکنیک های آماری متناسب با روش تحقیق، نوع متغیرها،… سازگاری دارد، داده های جمع آوری شده را دسته بندی و تجزیه و تحلیل نماید و در نهایت فرضیه هایی را که تا این مرحله او را در تحقیق هدایت کرده اند، در بوته آزمون قرار دهد و تکلیف آنها را روشن کند و سرانجام بتواند راه حلی و پاسخی برای پرسش تحقیق بیابد. پیوند دادن موضوع تحقیق به رشته ای از اطلاعات موجود مستلزم اندیشه ای خلاق است، معمولاً موضوعی به ذهن محقق خطور می کند که یافتن منابع داده های موجود، برای بررسی آن مستلزم خلاقیت ذهنی محقق است، آرایش و تنظیم داده ها نیز مستلزم خلاقیت است. فرایند تجزیه و تحلیل داده ها، فرآیندی چند مرحله ای است که طی آن داده هایی که از طریق بکارگیری ابزارهای جمع آوری در جامعه (نمونه) آماری فراهم آمده اند؛ خلاصه، کدبندی و دسته بندی … و در نهایت پردازش می شوند تا زمینه برقراری انواع تحلیل ها و ارتباط ها بین این داده ها به منظور آزمون فرضیه ها فراهم آید (خاکی،۱۳۸۸،۳۰۵-۳۰۳).
تجزیه و تحلیل اطلاعات به عنوان مرحله ای علمی، از پایه های اساسی هر پژوهش علمی به شمار می رود، که به وسیله آن کلیه فعالیت های پژوهش تا رسیدن به نتیجه، کنترل و هدایت می شوند. در این فصل نیز به توصیف داده های پژوهشی و تجزیه و تحلیل هر یک از فرضیات خواهیم پرداخت. در فصل سوم روش تحقیق و نحوه آزمون فرضیات مطرح شد. در این فصل، ابتدا متغیرهای تحقیق به لحاظ آماری توصیف و بررسی می شوند. در ادامه، آزمون فرضیات تحقیق با توجه به الگوی علمی مطرح شده در فصل قبل و از طریق نرم افزار SPSS اجرا و نتایج حاصل ارائه می شود.
۲-۴ شاخص های توصیفی متغیرها
منظور شناخت بهتر ماهیت جامعه ای که در پژوهش مورد مطالعه قرار گرفته است و آشنایی بیشتر با متغیرهای پژوهش، قبل از تجزیه و تحلیل داده های آماری، لازم است این داده ها توصیف شود. همچنین توصیف آماری داده ها گامی در جهت تشخیص الگوی حاکم بر آنها و پایه ای برای تبیین روابط بین متغیرهایی است که در پژوهش به کار می رود (جمشیدی، ۱۳۸۱ ، ۲۵۴).
تحلیل توصیفی به بررسی شاخص های مرکزی و پراکندگی داده های تحقیق می پردازد به منظور تجزیه و تحلیل اطلاعات، ابتدا لازم است آمارهای توصیفی داده های تحت بررسی محاسبه شود. در جدول ۱-۴ شاخص های مرکزی و پراکندگی مربوط به متغیرهای تحقیق نشان داده شده است.
جدول (۱-۴) : آمار توصیفی متغیرهای تحقیق

شاخص ها
متغیرها

تعداد

حداقل

حداکثر

میانگین

انحراف معیار

شاخص عدم تقارن اطلاعاتی

۹۹۰