تشير الصلاحية إلى
نتائج دقيقة ودقيقة تم الحصول عليها من البيانات التي تم جمعها. من الناحية الفنية
، يمكن أن يؤدي المقياس إلى استنتاجات مناسبة وصحيحة يمكن استخلاصها من العينة القابلة
للتعميم على جميع السكان.
أربعة أنواع رئيسية:
1. الصلاحية الداخلية: عندما تكون العلاقة
بين المتغيرات سببية. يشير هذا النوع إلى العلاقة بين المتغيرات التابعة والمستقلة.
يرتبط بتصميم التجربة وهو ذو صلة فقط بالدراسات التي تحاول إنشاء علاقة سببية. على
سبيل المثال ، يمكن استخدامه للتخصيص العشوائي للعلاجات.
2. الصلاحية الخارجية: عندما تكون هناك علاقة
سببية بين السبب والنتيجة التي يمكن نقلها إلى الأشخاص والمعالجات والمتغيرات ومتغيرات
القياس المختلفة التي تختلف عن الأخرى.
3. صدق الاستنتاج الإحصائي: الاستنتاج الذي
تم التوصل إليه أو الاستدلال حول مدى العلاقة بين المتغيرين. على سبيل المثال ، يمكن
العثور عليها عندما نهدف إلى إيجاد قوة العلاقة بين أي متغيرين كانا تحت الملاحظة والتحليل.
إذا توصلنا إلى النتيجة الصحيحة ، فيقال إنها صلاحية الاستنتاج الإحصائي. هناك نوعان
من صحة الاستنتاج الإحصائي. وهم على النحو التالي:
أ. خطأ من النوع
الأول: خطأ من النوع الأول هو عندما نستنتج أن هناك علاقة بين متغيرين ونرفض فرضية
فارغة حقيقية عندما لا توجد علاقة بين المتغيرين في الواقع. هذا في الحقيقة خطير جدا
ب. اكتب خطأين: إذا
فشلنا في رفض فرضية صفرية خاطئة صحيحة تسمى خطأ النوع الثاني.
في صحة الاستنتاج
الإحصائي ، يتم استخدام طريقة تحليل القوة لاكتشاف العلاقة. تظهر العديد من المشاكل
أثناء التوصل إلى استنتاج إحصائي. على سبيل المثال ، إذا تم استخدام حجم عينة صغير
، فهناك احتمال ألا تكون النتيجة صحيحة. لتجنب ذلك ، يجب أن يكون حجم العينة كبيرًا.
كما أن الصلاحية الإحصائية مهددة بسبب انتهاك الافتراضات الإحصائية. قد لا تكون النتائج
دقيقة ، ومع ذلك ، إذا كانت القيم في التحليل متحيزة وتمت الموافقة على الاختبار الإحصائي
الخاطئ.
4. صلاحية الإنشاء: المدى الذي يمثل فيه القياس
فعليًا البنية التي يقيسها. على سبيل المثال ، في نمذجة المعادلة الهيكلية ، عندما
نرسم البنية ، فإننا نفترض أن عامل التحميل للهيكل أكبر من .7. لاستخلاص صلاحية البناء
، يتم استخدام ألفا كرونباخ. للأغراض الاستكشافية .60 مقبول ، ولأغراض تأكيدية .70
مقبول ، و .80 يعتبر جيدًا. إذا كان البناء يفي بالافتراض والتوقع أعلاه ، فسيكون البناء
مفيدًا في توقع العلاقة بين المتغيرات التابعة. يتم أيضًا استخدام التحقق المتقارب
/ المتباين والتحليل العامل لاختبار صلاحية الإنشاء.
العلاقة بين الموثوقية
والصلاحية: لا توجد طريقة تجعل الاختبار غير الموثوق به صحيحًا. مرة أخرى ، يجب أن
يكون أي اختبار صالح موثوقًا به. من خلال هذا البيان ، يمكننا استنتاج أن الصلاحية
تلعب دورًا مهمًا في التحليل لأنها تضمن استنتاج نتائج دقيقة.
التهديدات الشاملة:
1- تم جمع بيانات غير كافية للتوصل إلى نتيجة
صحيحة 2- تم
القياس باستخدام
عدد قليل جدًا من متغيرات القياس
3- وجود تباين كبير جدًا في البيانات أو القيم
المتطرفة في البيانات
4- الاختيار
الخاطئ للعينات
5- طريقة قياس غير دقيقة تم أخذها للتحليل
ما هو الانحدار الخطي؟
الانحدار الخطي هو
نوع أساسي وشائع الاستخدام من التحليل التنبئي. الفكرة العامة للانحدار هي فحص شيئين:
(1) هل تقوم مجموعة من متغيرات التنبؤ بعمل جيد في توقع متغير نتيجة (تابع)؟ (2) ما
هي المتغيرات على وجه الخصوص التي تعتبر تنبئًا مهمًا لمتغير النتيجة ، وبأي طريقة
- يشار إليها من خلال حجم وعلامة تقديرات بيتا - تؤثر على متغير النتيجة؟ تُستخدم تقديرات
الانحدار لشرح العلاقة بين متغير تابع واحد ومتغير مستقل واحد أو أكثر. يتم تحديد أبسط
شكل من معادلة الانحدار مع متغير تابع واحد ومتغير مستقل واحد بواسطة الصيغة y
= c + b * x
، حيث y = درجة المتغير التابع المقدرة ، c = ثابت ، b = معامل الانحدار ، و x = الدرجة على متغير مستقل.
سمية المتغيرات.
هناك العديد من الأسماء للمتغير التابع للانحدار. قد يسمى متغير النتيجة ، متغير المعيار
، متغير داخلي ، أو الانحدار. يمكن تسمية المتغيرات المستقلة باسم المتغيرات الخارجية
أو متغيرات التوقع أو المتغيرات.
ثلاثة استخدامات
رئيسية لتحليل الانحدار هي (1) تحديد قوة المتنبئين ، (2) التنبؤ بالتأثير ، و (3)
التنبؤ بالاتجاه.
أولاً ، يمكن استخدام
الانحدار لتحديد قوة تأثير المتغير (المتغيرات) المستقلة على المتغير التابع. الأسئلة
النموذجية هي ما هي قوة العلاقة بين الجرعة والتأثير ، والمبيعات والإنفاق على التسويق
، أو العمر والدخل.
ثانيًا ، يمكن استخدامه
للتنبؤ بتأثيرات التغييرات أو تأثيرها. أي أن تحليل الانحدار يساعدنا على فهم مدى تغير
المتغير التابع مع تغيير واحد أو أكثر من المتغيرات المستقلة. السؤال المعتاد هو ،
"ما مقدار دخل المبيعات الإضافي الذي أحصل عليه مقابل كل 1000 دولار إضافية يتم
إنفاقها على التسويق؟"
ثالثًا ، يتنبأ تحليل
الانحدار بالاتجاهات والقيم المستقبلية. يمكن استخدام تحليل الانحدار للحصول على تقديرات
النقاط. السؤال المعتاد هو ، "ماذا سيكون سعر الذهب في 6 أشهر؟"
أنواع الانحدار الخطي
· الانحدار
الخطي البسيط
· 1متغير تابع (فاصل زمني أو نسبة) ، متغير واحد مستقل
(فاصل أو نسبة أو ثنائي التفرع)
· الانحدار
الخطي المتعدد
· 1 متغير تابع (فاصل أو نسبة) ، 2+ متغيرات مستقلة
(فاصل زمني أو نسبة أو ثنائي التفرع)
· الانحدار
اللوجستي
· 1 متغير تابع (ثنائي التفرع) ، 2+ متغير (متغيرات)
مستقل (فاصل أو نسبة أو ثنائي التفرع)
· الانحدار
الترتيبي
· 1 متغير تابع (ترتيبي) ، 1+ متغير (متغيرات) مستقل
(اسمي أو ثنائي التفرع)
· الانحدار
متعدد الحدود
· 1 متغير تابع (اسمي) ، 1+ متغير (متغيرات) مستقل
(فاصل أو نسبة أو ثنائي التفرع)
· تحليل
مميز
· 1 متغير تابع (اسمي) ، 1+ متغير (متغيرات) مستقل
(الفترة أو النسبة)
عند اختيار النموذج
للتحليل ، فإن أحد الاعتبارات المهمة هو ملاءمة النموذج. ستؤدي إضافة متغيرات مستقلة
إلى نموذج الانحدار الخطي دائمًا إلى زيادة التباين الموضح للنموذج (المعبر عنه عادةً
بـ R²).
ومع ذلك ، يمكن أن يحدث التجاوز عن طريق إضافة العديد من المتغيرات إلى النموذج ، مما
يقلل من قابلية تعميم النموذج. تصف شفرة أوكام المشكلة بشكل جيد للغاية - فالنموذج
البسيط عادة ما يكون أفضل من النموذج الأكثر تعقيدًا. إحصائيًا ، إذا تضمن النموذج
عددًا كبيرًا من المتغيرات ، فستكون بعض المتغيرات ذات دلالة إحصائية بسبب الصدفة وحدها.
لطلب تحليل احصائي التواصل عبر الواتس اب اضغط هنا
ليست هناك تعليقات:
إرسال تعليق