تجزیه و تحلیل داده‌ها

آمارهای توصیفی

تجزیه و تحلیل داده‌ها:قبل از آنالیز داده ها باید قدم های مقدماتی مشخصی برداشته شود. یک محقق وقتی با حجمی از اطلاعات کمی گردآوری شده برای تحقیق روبه رو میشود ضروری است به سازماندهی و خلاصه کردن آنها به صورت معنی دار و قابل درک اقدام کند تا نکات پنهان داده ها آشکار شود و قبل از آنکه مستقیما به سراغ آزمون های آماری برود، ابتدا به بررسی اکتشافی داده ها می پردازد.

موضوع آمار توصیفی تنظیم و طبقه‌بندی داده‌ها، نمایش ترسیمی، و محاسبه مقادیری از قبیل نما، میانگین، میانه و … می‌باشد که حاکی از مشخصات یکایک اعضای جامعه مورد بحث است. پس روشهای آمار توصیفی به همین منظور استفاده می شود.به‌طور کلی از سه روش در آمار توصیفی برای خلاصه‌سازی داده‌ها استفاده می‌شود: استفاده از جداول، استفاده از نمودار و محاسبه مقادیری خاص که نشان‌دهنده خصوصیات مهمی از داده‌ها باشند.(تجزیه و تحلیل داده‌ها)

تجزیه و تحلیل داده‌ها

محاسبه شاخصهای مرکزی

در محاسبات آماری لازم است که ویژگیها و موقعیت کلی داده‌ها تعیین شود. برای این منظور شاخصهای مرکزی محاسبه می‌شوند. شاخصهای مرکزی در سه نوع نما (Mode) ، میانه (Median) و میانگین (Mean) هستند که هر یک کاربرد خاص خود را دارا می‌باشند. در تحقیقاتی که مقیاس اندازه گیری داده‌ها حداقل فاصله‌ است میانگین بهترین شاخص است. ولی در تحقیقاتی که مقیاس اندازه گیری داده‌ها رتبه‌ای یا اسمی‌ است، میانه یا نما مورد استفاده قرار می‌گیرند.(تجزیه و تحلیل داده‌ها)

محاسبه شاخصهای پراکندگی

شاخصهای پراکندگی برخلاف شاخصهای مرکزی هستند. آنها میزان پراکندگی یا تغییراتی را که در بین داده‌های یک توزیع (نتایج تحقیق) وجود دارد، نشان می‌دهند. دامنه تغییرات ، انحراف چارکی (Quartile Deviation) ، واریانس (Variance) و انحراف استاندارد (Standard Deviation) شاخصهایی هستند که به همین منظور در تحقیقات مورد استفاده قرار می‌گیرند.

معیار GoF

شاخص نکویی برازش(goodness of fit)، به عنوان یک معیار کلی از تناسب مدل برای مدل معادلات ساختاری حداقل مربعات جزئی توسعه یافته است. این شاخص، مجذور ضرب دو مقدار متوسط مقادیر اشتراکی و متوسط ضرایب تعیین است. با این حال، از آنجایی که شاخص نکویی برازش GoF نمی تواند به طور قابل اعتمادی مدل های معتبر را از نامعتبر تشخیص دهد و از آنجایی که کاربرد آن به تنظیمات مدل خاصی محدود می شود، محققان باید از استفاده از آن به عنوان معیار مناسب خودداری کنند.

GoF ممکن است برای تجزیه و تحلیل چند گروهی (PLS-MGA) مفید باشد. هنسلر و سارستد (۲۰۱۲) به تفصیل توضیح می دهند که شاخص (GoF) برای برازش مدل معادلات ساختاری حدالقل مربعات جزئی معیار مناسبی نیست و نباید از آن استفاده کرد. با این حال، هنسلر و سارستد (۲۰۱۲) همچنین نشان می دهند که GoF ممکن است برای تجزیه و تحلیل چند گروهی (PLS-MGA) مفید باشد. زمانی که محققان نتایج PLS-SEM گروه های داده مختلف را برای یک مدل مسیر PLS مقایسه می کنند.(تجزیه و تحلیل داده‌ها)

تجزیه و تحلیل داده‌ها