کاربردهای استفاده از همبستگی

ضریب همبستگی به عنوان یک مفهوم در علم آمار

پژوهش همبستگی چیست | دسته بندی پژوهش های همبستگی

در این نوع پژوهش همبستگی، هدف آن است که مشخص شود که آیا رابطه معنی داری بین دو یا چند متغییر عمدتا کمی(قابل سنجش) درانجام پایان نامه وجود دارد یا خیرواگر این رابطه وجود دارد«جهت» و «شدت» آن چقدر است.در این نوع پژوهش، تغییرات حاصل از دست کاری یک متغیر،برمتغیز دیگرمورد برسی قرارمیگیرد.

در این نوع مطالعه، هدف بررسی و توضیح ماهیت ارتباط بوده و رابطه علیتی بین آنها مورد توجه نیست.

در بسیاری از موارد مطالعات پژوهش همبستگی، مقدمه وتولید فرضیه را برای انجام مطالعات شبه تجربی و تجربی فراهم می سازد. از آنجاکه در این پژوهش مداخله ای حادث نمی شود، لذا کاربرد متغیر مستقل و وابسته در این نوع مطالعه، بی مورد است.

ضریب همبستگی

پژوهش های همبستگی شامل کلیه پژوهش هایی است که در آنها سعی می شود رابطه بین متغیرهای مختلف با استفاده از ضریب همبستگی، کشف یا تعیین شود. هدف از پژوهش همبستگی مطالعه حدود تغییرات یک یا چند متغیر با حدود تغییرات یک یا چند متغیر دیگر است.

ارتباط: ضریب همبستگی هم بیانگر احتمال وجود رابطه است و هم نشان دهنده جهت ارتباط.

همبستگی مثبت یا مستقیم

زمانی می گویند پژوهش همبستگی مثبت است که با افزایش میزان یک متغیر، میزان متغیر مرتبط افزایش یابد. در چنین شرایط رابطه متغیرها همسو و یا مستقیم است.

به عنوان مثال، بین رقم کیلووات ساعت برق مصرفی و مبلغ فیش برق همبستگی مثبت وجود دارد؛ یعنی با افزایش مصرف برق، هزینه افزایش و در صورت کاهش مصرف نیز کاهش می یابد و یا این که با افزایش سابقه کار، میزان حقوق کارکنان بیمارستان دولتی افزایش یافته و با پایین بودن سابقه انتظار داریم، دریافتی کارکنان پایین باشد؛ که همه این مثال ها نشان دهنده همبستگی مثبت است.

همبستگی منفی یا معکوس

زمانی این همبستگی رخ میدهد که با افزایش میزان یک متغیر، میزان متغیر مرتبط کاهش یابد و یا برعکس. در این همبستگی جهت تغییر متغیرها مخالف یا معکوس یکدیگر است.

به عنوان مثال مطالعات نشان میدهند با افزایش سابقه کار، میزان خطاهای کاری کارکنان کاهش و یا بعد از میان سالی با افزایش سن، بهره هوشی افراد کاهش می یابد.

دسته بندی پژوهش های همبستگی

الف)مطالعه همبستگی دومتغیری

ب) تحلیل رگرسیون

پ) تحلیل ماتریس همبستگی یا کوواریانس

در مطالعات همبستگی دو متغیری، هدف بررسی رابطه بین دو متغیر موجود در پژوهش است. در تحلیل رگرسیون، هدف پیش بینی تغییرات یک یا چند متغی وابسته (ملاک) با توجه به تغییرات متغیرهای مستقل (پیش بینی )است.

در بعضی از بررسی های همبستگی دو متغیری، متغیرهای موردبررسی از جدولی به نام ماتریس همبستگی یا کوواریانس استفاده میشود. در اینجا به شرح بیشتری از پژوهشهای همبستگی مزبور پرداخته می شود:

پژوهش همبستگی دو متغیری

در این گونه پژوهش ها، هدف تعیین میزان هماهنگی تغییرات متغیر است. برای این منظور برحسب مقیاس های اندازه گیری متغیرها، شاخص های مناسبی اختیار می شود.

در پژوهش های همبستگی دو متغیری که مقیاس سنجش آن نسبتی بوده و توزیع صفت نیز نرمال باشد، برای اندازه گیری متغیرها از آزمون پیرسون استفاده میشود.

تحلیل رگرسیون

در پژوهش هایی که از تحلیل رگرسیون استفاده می شود، هدف معمولا پیش بین یک یا چند متغیر ملاک از روی یک یا چند متغیر پیش بین است. چنانچه هدف پیش بینی یک متغیر ملاک از چند متغیر پیش بین باشد، از مدل رگرسیون چندگانها استفاده میشود.

در صورتی که پیش بینی همزمان چند متغير ملاک از متغیرهای پیش بین یا زیرمجموعه ای از آنها هدف باشد، از مدل رگرسیون چند متغیری استفاده میشود.

در پژوهش های رگرسیون چندگانه، هدف پیدا کردن متغیرهای پیش بین است که تغییرات متغير ملاک را چه به تنهایی و چه به صورت مشترک پیش بینی کند. ورود متغیرهای پیش بین در تحلیل رگرسیون به شیوه های گوناگون، به شرح زیر صورت گیرد.

-روش سلسله مراتبی

در روش همزمان، تمام متغیرهای پیش بین باهم تحلیل می شوند. در روش گام به گام اولین متغیر پیش بین بر اساس بالاترین ضریب همبستگی صفر مرتبه با متغير ملاک تحلیل می شود. در روش سلسله مراتبی، ترتیب ورود متغیرها به تحلیل بر اساس یک چارچوب نظری یا تجربی موردنظر پژوهشگر صورت می گیرد. به عبارت دیگر، پژوهشگر شخص درباره ورود متغیرها به تحلیل تصمیم گیری می کند. این تصمیم گیری که قبل از شروع تحليل اتخاذ می شود، میتواند بر اساس سه اصل عمده باشد.

سه اصل عمده برای تحلیل متغیرها

1. رابطه علت و معلول

٢. رابطه متغیرها در پژوهش های قبلی

٣. ساخت طرح پژوهش

تلفن مشاوره 09199631325 و 09353132500 می باشد (پایان نامه و مقاله)

ضریب همبستگی در بورس

در این مقاله سعی میکنیم ضمن بیان چیستی ضریب همبستگی در بورس ، به کاربردهای آن نیز بپردازیم. با مطالعه این مقاله قطعا دریچه‌ی تازه‌ای به روی شما گشوده میشود و با دید بهتری می‌توانید به بازار سهام نگاه کنید و فرصت‌های مناسب سرمایه‌گذاری را شناسایی کنید. این مقاله حاصل تجربه‌ی تیم آموزشی سهم شناس در بازار سرمایه‌ی ایران است و در هیچ کتاب یا کلاسی این مطالب را به شما آموزش نخواهند داد. با ما همراه باشید.

روابط بین نمادهای بورسی

بعضی از نکات کوچک در بازار بورس وجود دارد که مرز باریک بین حرفه‌ای‌ها و آماتورهای بورس را مشخص میکند. یکی از آن نکات دانستن روابط بین نمادهای بورسی است. بین نمادها و شرکت‌های بورسی روابط مختلفی وجود دارد و برخی از نمادها به دلایل مختلف روی یکدیگر اثر گذار هستند که یک سرمایه‌گذار یا معامله‌گر با دانستن این روابط میتواند زودتر از دیگران فرصت‌های خوبی را در بازار شناسایی کند.

روابط بین نمادهای بورسی بسیار گسترده هستند. روابط همگروهی یکی از معروف ترین روابط بورسی است. معمولا شرکت‌های همگروه که در یک صنعت خاص فعالیت میکنند، روی یکدیگر اثر گذار هستند و رفتار مشابهی دارند. روابط مادر فرزندی نیز یکی از روابط مهم بورسی است. در صورت تمایل برای آشنایی با این نوع رابطه مطلب کوتاهی را از لینک زیر مطالعه کنید.

نوع دیگری از روابط بورسی نیز وجود دارد که تنها بین هولدینگ‌ها و شرکت‌های سرمایه گذاری وجود دارد. برخی از شرکت‌های سرمایه گذاری به علت اینکه پرتفوی بورسی شبیه به یکدیگر دارند، رفتار و حرکات قیمتی مشابهی دارند.

مثالی برای روابط بین شرکت‌های سرمایه گذاری در بورس

برای مثال دو نماد تاصیکو و وسپه را در نظر بگیرید. اگر به پرتفوی بورسی این دو شرکت سرمایه گذاری توجه کنید متوجه شباهت‌های زیادی خواهید شد. در تصاویر زیر پرتفوی تاصیکو و وسپه را مشاهده می‌کنید.

پرتفوی بورسی وسپه

پرتفوی بورسی تاصیکو

همان طور که مشاهده می‌کنید در پرتفوی این دو نماد، شرکت‌های فولاد اصفهان (فولاد) و شرکت صنایع مس ایران (فملی) به چشم می‌خورد که مشترکا در هر دو وجود دارد. اما نکته مهم تر این است عمده سرمایه گذاری‌های این دو نماد بر روی صنایع فلزات اساسی و کانی‌های فلزی است و به طور کلی ماهیت پرتفوی بورسی انها به یکدیگر نزدیک است. همین امر سبب شده است که رفتار این دو سهم مانند هم باشد. برای این منظور بیایید نگاهی به نمودار یک ساله‌ی این دو نماد بیاندازیم.

نمودار سبز مربوط به وسپه و نمودار آبی رنگ مربوط به تاصیکو است.

همان طور که به صورت چشمی هم مشخص است، نمودارهای قیمتی مربوط به این دو نماد فراز و فرودهای مشابهی را تجربه کرده ‌است. این همان چیزی است که به همبستگی بین نمادهای بورسی معروف است و پارامتری که این همبستگی را به صورت کمی اندازه گیری میکند ضریب همبستگی نام داد که در ادامه‌ی این مقاله به آن خواهیم پرداخت. قبل از آن توی پرانتز به مطلب زیر توجه کنید.

پرتفوی بورسی شرکت‌ها را از کجا باید ببینیم؟

برای دوستانی که در خلال مطالعه این مقاله با این سوال روبرو هستند به این قسمت توجه کنند. به سایت کدال به آدرس codal.ir مراجعه کنید. در قسمت جستجو نام نماد را وارد کنید و دکمه جستجو را بزنید.

جستجوی نماد در کدال

در بین اطلاعیه‌ها به آخرین اطلاعیه‌ی گزارش فعالیت ماهیانه دوره 1 ماهه مراجعه کنید (تصویر زیر).

در بالای این گزارش می‌توانید وضعیت پرتفوی بورسی این شرکت‌ها را انتخاب کنید و پرتفوی بورسی آنها را مشاهده کنید (تصویر زیر).

آموزش گام به گام تحلیل بنیادی برای انتخاب سهم مناسب

برای دانلود کتاب آموزش گام به گام تحلیل بنیادی روی لینک زیر کلیک کنید.

آیا میخواهید در بورس به موفقیت برسید؟ آیا نمیدانید چگونه یک سهم را از منظر بنیادی تحلیل کنید؟ نبود منبع آموزشی مناسب در زمینه تحلیل بنیادی انگیزه ای شد تا در یک کتاب آموزشی به زبانی کاملا ساده و کاربردی، به کمک تصاویر گویا و آموزش گام به گام، روش انتخاب یک سهم را بر اساس نکات بنیادی آموزش داده ایم. قطعا این روش آموزشی را در هیچ کجا پیدا نخواهید کرد! این کتاب الکترونیکی را به تمام کسانی که می خواهند در بازار بورس به موفقیت مستمر برسند توصیه میکنیم .

دعوت میکنم به ادامه بحث اصلی توجه کنید.

چه نکاتی در همبستگی دو نماد وجود دارد؟

در مثال بالا دو نکته اصلی درباره همبستگی بین نمادها نهفته است که میتواند به تصمیم گیری بهتر به ما کند.

نکته اول: امکان ندارد که عمده پرتفوی بورسی یک شرکتی چندین روز مثبت باشد ولی خود آن سهم منفی باشد. اگر چنین شد، فرصت خوبی برای سرمایه گذاری ایجاد شده است و هر چقدر این اختلاف بیشتر شود سود بیشتری در انتظار خواهد بود. برای مثال اگر دیدید فملی چندین روز صف خرید است و وسپه در حال درجا زدن است، احتمالا وسپه گزینه خوبی برای خرید است چرا که درصدی از فملی برای وسپه است و از رشد آن متنفع خواهد شد. این مسئله تحت عنوان NAV سهم در تحلیل بنیادی مورد بررسی قرار می‌گیرد.

نکته دوم: در مثال بالا دیدیم که تاصیکو و وسپه به علت پرتفوی مشابه، رفتار قیمتی مشابهی دارند. این موضوع به یک سرمایه گذار حرفه ای کمک خواهد کرد که موقعیت‌های خوبی را شناسایی کند. برای مثال اگر در یک روز وسپه صف خرید بود و تاصیکو منفی، احتمالا می‌توانید تاصیکو را حداقل به دید کوتاه مدت خریداری کنید چرا که ضریب همبستگی بین این دو نماد بالاست.

در ادامه بیشتر به مفهوم ضریب همبستگی خواهیم پرداخت.

ضریب همبستگی چیست و چه کاربردی در بورس دارد؟

ضریب همبستگی یک مفهوم کلی در ریاضیات و علم آمار است و ربطی به بورس ندارد. در واقع یک ابزار آماری محسوب میشود که می‌تواند نوع و درجه رابطه دو متغییر کمی را مشخص کند. به بیان دیگر ضریب همبستگی بین دو متغییر (که میتواند نمودار قیمتی دو نماد بورسی باشد)، میتواند نوع (مستقیم و مثبت و یا معکوس و منفی) و شدت رابطه (میزان وابستگی) را مشخص کند. این ضریب بین 1 تا 1- است و در صورت عدم وجود رابطه بین دو متغییر، برابر صفر است.

ضریب همبستگی به عنوان یک مفهوم در علم آمار

حال میتوان ضریب همبستگی را برای چارت قیمتی (قیمت یک نماد به عنوان یک متغییر) نمادهای مختلف محاسبه کرد. شما می‌توانید برای مشاهده ضریب همبستگی بین نمادهای بورسی مختلف، ابتدا به سایت سهام یاب بخش توئیت مراجعه کنید (برای مشاهده اینجا کلیک کنید). سپس نام نماد مورد نظر خود را از قسمت مربوطه سرچ کنید و به بخش سهام نگر وارد شوید (تصویر زیر).

در پایین همان صفحه ابزاری وجود دارد که می‌توانید با جستجوی نما دیگری، ضریب همبستگی آن را با نمادی که سرچ کرده بودید مشاهده کنید.

ضریب همبستگی بین تاصیکو و وسپه بیش از 95 درصد است!

بعد از جستجو، ضریب همبستگی بین دو نماد به صورت درصدی بین 100 تا 100- برای شما نمایش داده می‌شود. همبستگی دو نماد هر چقدر بیشتر باشد نشان دهنده این است که رفتار مشابه بیشتری دارند و هر چقدر منفی‌تر باشد بیانگر این است که معکوس هم عمل میکنند. اگر هم نزدیک صفر باشد یعنی حرکات این دو نماد ربطی به هم ندارد. همان طور که در تصویر بالا می‌بینید ضریب همبستگی بین تاصیکو و وسپه بیش از 95 درصد است! این بدان معنی است که اگر در یک روز خوب بازار، دیدید نماد وسپه صف خرید است ولی تاصیکو منفی 3 درصد است، برای خرید تاصیکو فکر هم نکنید 🙂

نکته پایانی درباره ضریب همبستگی

توجه کنید این ترفند نیز مانند تمامی روش‌های خرید سهام قطعیتی را به همراه خود نمیاورد. ضریب همبستگی بر اساس گذشته محاسبه می‌شود، حال آنکه واقعیت در آینده است. بنابراین مدیریت ریسک و سرمایه فراموش نشود. از این دست روابط بورسی در بازار سرمایه کم نیست. شما باید با گذشت زمان از روابط پنهان بین نمادهای بورسی مطلع شوید و درک روشن‌تری نسبت به بازار پیدا کنید. این مسئله یکی از مواردی است که نمی‌توان زیاد آن را اموزش داد بلکه حاصل تجربه است، اما به هر حال ما در این مقاله سعی خودمان را کرده ایم. امیدواریم برای مخاطبان سهم شناس مفید واقع گردد.

آموزش گام به گام تابلوخوانی پیشرفته در بورس

برای دانلود کتاب آموزش گام به گام تابلوخوانی پیشرفته روی لینک زیر کلیک کنید.

تابلوخوانی در کنار تحلیل بنیادی و تکنیکال، بعد سوم بورس است. همه چیز در تابلوی معاملات سهم وجود دارد، اطلاعاتی که شاید در نگاه اول کسی متوجه آنها نشود اما با یادگیری تکنیک های تابلو خوانی و بازار خوانی می توانید به اطلاعات زیادی دست پیدا کنید و بر این اساس معاملات پر سودتری داشته باشید. در کتاب آموزش تابلو خوانی پیشرفته به مطالبی خواهیم پرداخت که در هیچ کلاس یا کتابی به شما آموزش نمی دهند. تکنیک هایی که حاصل سالها تجربه در بازار سرمایه است.

ضريب همبستگي چيست؟ انواع آن چيست؟

ضریب همبستگی (Correlation Coefficient) ابزاری آماری برای تعیین نوع و درجه رابطهٔ یک متغیر کمی با متغیر کمی دیگر است. ضریب همبستگی، یکی از معیارهای مورد استفاده در تعیین همبستگی دو متغیر است.

ضریب همبستگی شدت رابطه و همچنین نوع رابطه (مستقیم یا معکوس) را نشان می‌دهد. این ضریب بین ۱ تا ۱- است و در عدم وجود رابطه بین دو متغیر، برابر صفر است.

همبستگی بین دو متغیر تصادفی X و Y به صورت زیر تعریف می‌شود:

که در آن E عملگر امید ریاضی، cov به معنای کوواریانس، corr نماد معمول برای همبستگی (کورولیشن) پیرسون، و سیگما نماد انحراف معیار است.

امید ریاضی:

در نظریه احتمالات؛ امید ریاضی، میانگین، مقدار مورد انتظار یا ارزش مورد انتظار یک متغیر تصادفی گسسته برابر است با مجموع حاصل‌ضرب احتمال وقوع هر یک از حالات ممکن در مقدار آن حالت. در نتیجه میانگین برابر است با مقداری که بطور متوسط از یک فرایند تصادفی با بی‌نهایت تکرار انتظار می‌رود.

کواریانس یا هم‌وردایی (Covariance):

در نظریه احتمالات، اندازه تغییرات هماهنگ دو متغیر تصادفی است. (اگر دو متغیر یکی باشند کواریانس برابر واریانس خواهد شد). چنانکه دو متغیر تصادفی ناوابسته باشند کواریانس آنها صفر خواهد بود.

ضریب همبستگی پیرسون ( Pearson Correlation Coefficient):
روشی پارامتری است و برای داده‌هایی با توزیع نرمال یا تعداد داده‌های زیاد استفاده می‌شود.

ضریب همبستگی اسپیرمن (Spearman Correlation Coefficient):

در صورتی که تعداد داده‌ها کم و فرض نرمال بودن آنها معقول نباشد، از ضریب همبستگی اسپیرمن استفاده می‌شود. ضریب همبستگی‌ای که بر اساس رتبهٔ داده‌ها محاسبه می‌شود، توسط اسپیرمن محاسبه شده‌است.

انحراف معیار(Standard deviation):

نوعی سنجش پراکندگی برای یک توزیع احتمالی یا متغیر تصادفی است و نمایندهٔ پخش‌شدگی مقادیر آن حول مقدار میانگین است.

ضریب همبستگی پیرسون

ضریب همبستگی پیرسون که به نام های ضریب همبستگی گشتاوری ویا ضریب همبستگی مرتبه ی صفر نیز نامیده می شود ، توسط سرکارل پیرسون معرفی شده است. این ضریب به منظور تعیین میزان رابطه، نوع و جهت رابطه ی بین دو متغیر فاصله ای یا نسبی و یا یک متغیر فاصله ای و یک متغیر نسبی به کار برده می شود. چندین روش محاسباتی معادل می توان برای محاسبه ی این ضریب تعریف نمود.

الف) روش محاسبه با استفاده از اعداد خام :

ب) روش محاسبه از طریق نمره های استاندارد شده :

ضریب همبستگی پیرسون بین -1 و 1 تغییر می کند.اگر r=1 بیانگر رابطه ی مستقیم کامل بین دو متغیر است ، رایطه ی مستقیم یا مثبت به این معناست که اگر یکی از متغیرها افزایش (کاهش) یابد، دیگری نیز افزایش (کاهش) می یابد. مانند رابطه ی بین میزان ساعات مطالعه در روز و معدل محصلین.

r=-1 نیز وجود یک رابطه ی معکوس کامل بین دو متغیر را نشان می دهد. رابطه ی معکوس یا منفی نشان می دهد که اگر یک متغیر افزایش یابد متغیردیگر کاهش می یابد و بالعکس.

زمانی که ضریب همبستگی برابر صفر است نشان می دهد که بین دو متغیر رابطه ی خطی وجود ندارد.

1) صفر بودن ضریب همبستگی تنها عدم وجود رابطه ی خطی بین دو متغیر را نشان می دهد ولی نمی توان مستقل بودن دو متغیر را نیز نتیجه گرفت. هنگامی که ضریب همبستگی پیرسون بین دو متغیر صفر باشد، این متغیرها تنها در صورتی مستقل از یکدیگرند که توزیع متغیرها نرمال باشد.

2) همبستگی بین دو متغیر تنها نشان دهنده ی این است که افزایش یا کاهش یک متغیر چه تاثیری بر افزایش یا کاهش متغیر دیگر دارد ولی این همبستگی ضرورتا دال بر رابطه ی علّی بین متغیرها نمی باشد. به طور مثال اگر در یک تحقیق دو متغیر قد و تحصیلات همبستگی مثبت بالایی داشته باشندنمی توانیم نتیجه بگیریم که افراد قد بلندتر دارای تحصیلات بیشتری هستند. بنابراین باید بین مفاهیم همبستگی و رابطه ی علّت و معلولی تفاوت قائل شد. به بیان دیگر ممکن است دو متغیر همبستگی داشته باشند ولی لزومی ندارد که یکی از متغیرها علت و دیگری معلول باشد، علاوه براین عوامل متعدد دیگری نیز می توانند بر ضریب همبستگی اثرگذار باشند.

مثال : سنوات خدمت و میزان درآمد تعدادی کارمنددر دست است ، به کمک نرم افزار spss ضریب همبستگی پیرسون را محاسبه می کنیم.

فیلم آموزش بررسی ارتباط و همبستگی (Correlation) ژن ها با یکدیگر به زبان فارسی

در این بخش نحوه محاسبه ارتباط و همبستگی (Correlation) ژن ها با یکدیگر با استفاده از نرم افزار گرافپد پریسم به صورت کامل ارائه شده است نتایج این بررسی برای ترسیم شبکه های بیان ژنها کاربرد دارد.

بررسی ارتباط و همبستگی ژن ها

محاسبه ضریب همبستگی یا Correlation روش آماری برای تعیین نوع و درجهٔ رابطهٔ یک متغیر کمی با متغیر کمی دیگر مانند بیان ژنها با یکدیگر است. Correlation یکی از معیارهای مورد استفاده در تعیین همبستگی دو متغیر می باشد.

ضریب همبستگی شدت یک رابطه مانند ارتباط بیان ژن ها با یکدیگر و همچنین نوع رابطه (مستقیم یا معکوس) را نشان می‌دهد.

ضریب همبستگی یا Correlation بین ۱- و ۱ تغییر می‌کند. اگر میزان همبستگی برابر با 1 باشد بیانگر رابطهٔ مستقیم کامل بین دو متغیر باشد، رابطهٔ مستقیم یا مثبت به این معناست که اگر یکی از متغیرها افزایش (یا کاهش) یابد، دیگری نیز افزایش (یا کاهش) می‌یابد.

اگر میزان همبستگی برابر با 1- باشد بیانگر وجود یک رابطهٔ معکوس کامل بین دو متغیر می باشد. رابطهٔ معکوس یا منفی نشان می‌دهد که اگر یک متغیر افزایش یابد متغیر دیگر نیز کاهش می‌یابد و بالعکس.

زمانی که ضریب همبستگی برابر صفر است این نشان می‌دهد که بین دو متغیر رابطهٔ خطی وجود ندارد.

انواع ضریب همبستگی:

ضریب همبستگی پیرسون (Pearson Correlation)، روشی است برای داده‌هایی با توزیع نرمال یا تعداد داده‌های زیاد استفاده می‌شود.

ضریب همبستگی اسپیرمن ، در صورتی که تعداد داده‌ها کم و فرض نرمال بودن آنها معقول نباشد، از ضریب همبستگی اسپیرمن ( Spearman Correlation) استفاده می‌شود.

بخش دانلود:

این فیلم آموزشی شامل موارد زیر می باشد:

آموزش کار با نرم افزار graphpad prism

فیلم آموزش نحوه بررسی ارتباط و همبستگی (Correlation ) ژن ها با یکدیگر

فیلم آموزش نحوه محاسبه همبستگی پیرسون Pearson Correlation با نرم افزار گراف پد پریزم به زبان فارسی

فیلم آموزش نحوه محاسبه همبستگی اسپیرمن Spearman Correlation با نرم افزار گراف پد پریزم به زبان فارسی

روش آمار توصیفی Descriptive کاربردهای استفاده از همبستگی چیست؟

یکی از روش های آماری برای تجزیه و تحلیل داده های خام یک پژوهش می باشد که به محاسبه پارامترهای جامعه با استفاده از سرشماری تمامی عناصر جامعه می پردازد.

در آمار توصیفی از جدول آماری و نمودارهای آماری برای نشان داده نتایج و ویژگی های موجود در داده ها استفاده می شود.

• جداول آمار: از شاخص های آماری تشکیل شده و شامل دو شاخص پراکندگی و مرکزی می باشد..
• نمودار های آماری : دارای تنوع بوده و کاربرد آنها بستگی به نوع داده ها و اهداف محقق دارد.

توصیف داده ها در آمار توصیفی شامل مراحل زیر می باشد:

1. خلاصه کردن داده ها و توصیف الگوی کلی که می تواند در داخل جدول و یا بصورت نمودار نمایش داده شوند.
2. محاسبه شاخص های آماری
3. محاسبه شاخص های پراکندگی variability:

شاخص های پراکندگی میزان پراکنش هر متغیر در اطراف میانگین می باشد. این کاربردهای استفاده از همبستگی شاخص به ما نشان می دهد که میزان پراکندگی داده ها در اطراف نقطه تمرکز تا چه اندازه می باشد. از جمله مهم ترین این شاخص ها، انحراف استاندارد، واریانس، ضریت تغییرات و دامنه تغییرات می باشد. اصطلاحاتی که در آمار توصیفی بکار می رود شامل:

• دامنه تغییرات –(Range): فاصله میان بزرگترین و کوچکترین مقادیر در مجموعه دادها را اندازه گیری می کند. هر چه دامنه طولانی تر باشد، مجموعه داده ها گسترده تر است. دامنه نیز همانند میانگین تحت تأثیر داده های پرت قرار می گیرد و در چنین حالاتی یک معیار مناسب پراکندگی نیست. به علاوه، چون برای محاسبه دامنه فقط از دو اندازه بزرگترین مشاهده و کوچکترین مشاهده استفاده می شود معمولاً معیار رضایت بخشی برای پراکندگی به حساب نمی آید.
• وارﯾﺎﻧﺲ- (Variance): میانگین ﻣﺠﺬور ﺗﻔﺎوت( اﻧﺤﺮاف)ﻣﯿﺎن ﻫﺮ ﯾﮏ از ﻣﻘﺎدﯾﺮ داده ﻫﺎ ﺑﺎ ﻣﯿﺎﻧﮕﯿﻦ آﻧﻬﺎ ﻣﯽ ﺑﺎﺷﺪ.چون تفسیر واریانس دشوار است در گزارش ها و پژوهش ها از انحراف استاندارد به جای واریانس استفاده می شود.انحراف استاندارد تفسیر میزان پراکندگی را آسان تر قابل فهم تر می سازد.
• انحراف استاندارد (انحراف معیار) standard deviation: انحراف استاندارد مفیدترین ومتداول ترین شاخص پراکندگی است.مفیدبودن این شاخص به این دلیل است که با این شاخص می توان میزان پراکندگی هرتوزیع پیوسته رابرحسب واحد اندازه گیری نشان داد.این شاخص پایاترین ودقیق ترین شاخص پراکندگی است،که درمحاسبه ی آن ازکلیه ی اعداداستفاده می شود.واعمال ریاضی رامی توان درمورد آن انجام داد.این شاخص به منظورتعیین تغییرات یا پراکندگی توزیع نمره ها به کار برده می شود.ازاین شاخص می توان برای محاسبات آماری استفاده کرد.و به صورت گسترده ای درآماراستنباطی به کاربرده می شود.
• چارکها : چارکها نقاطی بر روی مقیاس اندازه گیری هستند که کلیه مشاهدات یا نمره ها را به چهار قسمت مساوی تقسیم می کند. انواع چارکها شامل : چارک اول (Q1)، چارک (Q2)، چارک (Q3).

محاسبه شاخص های مرکزی Measures of Central Tendency:

کمیت های مختلفی تعریف شده اند که بر حسب نیاز می توانند بصورت کمی، جامعه مورد مطالعه را معرفی نمایند. برخی از این کمیت ها محل تمرکز داده ها را نشان می دهند که تحت عنوان شاخص های مرکزی نامیده می شوند. با توجه به اینکه در محاسبات آماری بایستی ویژگی ها و موقعیت کلی داده ها مشخص شود، لازم است تا شاخص های مرکزی محاسبه گردد. از جمله مهم ترین این شاخص های مرکزی، نما، میانه و میانگین است که دارای کاربردهای خاصی هستند. زمانی یک شاخص مرکزی دارای ارزش است که ویژگی های زیر را داشته باشد:

1. در محاسبه شاخص مرکزی تمامی داده‌ها مورد استفاده قرار گیرند.
2. به سادگی قابل محاسبه باشند.
3. محاسبه آنها به فرم ریاضی امکان پذیر باشد.

• نما: عددی که در توزیع فراوانی، بیشترین فراوانی را داشته باشد، تحت عنوان نما نامیده می شود. نما از طریق مشاهده توزیع فراوانی و تعیین عددی که فراوانی بالایی دارد مشخص می شود. نما در موارد زیر مورد استفاده قرار میگیرد:

1. مقیاس اندازه گیری اسمی.
2. یافتن عددی که بیشترین تکرار را دارد.
3. یافتن سریع و جامع اطلاعاتی از گرایش های مرکزی

• میانه: نقطه تقارن بین توزیع نمره ها در بالا و پایین گفته می شود و در خصوص کاربردهای استفاده از همبستگی داده های رتبه ای و اسمی بکار می رود.
• میانگین : میانگین توصیف­ کننده مرکز توزیع فراوانی بوده و بعنوان شناخته ­شده ­ترین مقدار متوسطی است که مورد استفاده قرار می­ گیرد. این شاخص در تحقیقاتی که مقیاس اندازه گیری داده‌ها حداقل فاصله‌ است، استفاده می شود.

تشکیل جدول توزیع فراوانی:

هدف از ترسیم جداول توزیع فراوانی، سازمان دهی به داده ها بصورت طبقاتی همراه با فراوانی می باشد. در این جداول لازم است تا تعداد و حجم طبقات با یکسری فرمول هایی محاسبه شده و در نهایت جدول توزیع رسم شود. از عناوین مهم این جداول:

• فراوانی مطلق: به تعداد داده‌ها در هر طبقه فراوانی مطلق آن طبقه می‌گویند و آن را با fi نشان می‌دهند.
• فراوانی نسبی: در صورتی که فراوانی‌های مطلق را بر کل فراوانی‌ها تقسیم کنیم، فراوانی نسبی ri به دست می‌آید.
• فراوانی تجمعی: به مجموع فراوانی‌های مطلق طبقه‌های قبل و همان طبقه، فراوانی تجمعی آن طبقه می‌گویند و آن را با Fi نمایش می‌دهند.
• فراوانی تجمعی نسبی: می‌توان از تقسیم فراوانی های تجمعی بر تعداد داده‌ها، این فراوانی را به دست آورد. (Ri)

نمودارهای توزیع فراوانی:

• مهمترین انواع نمودار ها:
• نمودار هیستوگرام
• نمودار چند ضلعی
• نمودار میله‌ای
• منحنی فراوانی تجمعی (اوجایو)
• نمودار دایره‌ای یا کلوچه‌ای
• نمودار شاخه و برگ
• نمودار پراکنش

به ویژگی های مربوط به فردی از جامعه که مورد اندازه‌گیری قرار می‌گیرد، یک صفت متغیر یا به اختصار یک متغیر (Variable) گفته می شود. در نتیجه می تواند گفت که داده‌ها (Data) مقادیر اندازه‌گیری شده متغیرها بشمار می رود..

متغیرها و داده‌ها:

• متغیرهای کمّی: به متغیرهایی که قابل شمارش و اندازه گیری‌ باشند، متغییرهای کمی گفته می شود که خود شامل متغییرهای فاصله ای و متغییرهای نسبتی هستند. مثل تعداد دانش آمزان عینکی در یک کلاس
• متغیر کمی پیوسته: کمیتی است که می تواندمقدیر بین دو عدد را محاسبه نماید. مثل قد و یا وزن
• متغییر کمی گسسته:این نوع متغییر می تواند مجموعه شمارش پذیری از اعداد و یا زیر مجموعه ای از آن را شامل شود.
• متغیرهای کیفی: این متغیرها غیر قابل شمارش و اندازه گیری‌ هستند . نتیجه پذیرس آنها شامل :

1. متغیرهای کیف اسمی
2. متغیرهای کیفی رتبه ای

بعد از اینکه متغییرها را شناسایی نمودیم ، به سراغ اندازه گیری آن ها می رویم. با توجه به اینکه اندازه گیری متغییرها با یکدیگر متفاوت است، از این نظر به چهار دسته تقسیم می شوند :

نوع قیاس	ملاک
مقیاس اسمی	ویژگی‌های مشترک افراد یا رویدادها مبتنی
مقیاس ترتیبی	افراد یا اشیا از لحاظ صفت ویژه، رتبه‌بندی می‌کند
مقیاس فاصله ای	ترتیب اشیا و فاصله بین آنها کاربردهای استفاده از همبستگی را مشخص می‌سازد.
مقیاس نسبتی	دقیق‌ترین مقیاس اندازه‌گیری، نسبت‌ها در نقاط مختلف این نوع مقیاس، قابل مقایسه‌اند.

محاسبه همبستگی

به منظور تعیین نوع و رابطه یک متغیر از ضریب همبستگی با متغییر دیگر (Correlation Coefficient) استفاده می شود. محاسبه ضرایب همبستگی تا حدود زیادی متاثر از مقیاس اندازه گیری متغیر ها است. بسته به نوع متغیر ها ضریب همبستگی می­تواند یکی از حالت­های زیر را داشته باشد.

1. دو متغیر اسمیدو متغیر رتبه­ای
2. دو متغیر فاصله­ای- نسبی
3. متغیر اسمی و متغیر رتبه ای
4. متغیر اسمی و متغیر فاصله­ای – نسبی
5. متغیر رتبه­ای و متغیر فاصله­ای – نسبی

برای هر کدام از حالت­های بالا ضرایب همبستگی متفاوتی وجود دارند و محاسبه آنها در نرم افزار های spss ، lisrel و R امکان پذیراست.شما عزیزان می توانید انجام تحلیل آماری پروژه های مختلف خود،انجام پایان نامه ارشد و انجام پایان نامه دکتری،مقاله و …را از هر جای ایران به کارشناسان ما بسپارید تا در سریعترین زمان ممکن آن را تحویل شما دهند. در واقع بخش های مربوط به « روش تحقیق » و « فصول سوم تا پنجم پایان نامه ها » نیازمند بکارگیری نرم افزارهای آماری همچون SPSS و LISREL و AMOS و EVIEWS و STATA هستند که همکاران ما با داشتن دانش لازم قادرند آن را برای شما انجام دهند.

محاسبۀ همبستگی برای تحقیقات پارامتری

چنانچه دو متغیر در مقیاس های فاصله یا نسبی اندازه گیری شده باشند، می توان برای تعیین رابطه بین آنها از ضریب همبستگی گشتاوری پیرسون استفاده کرد.ولی اگر در تمام مفروضات ضریب همبستگی پیرسون صادق نباشد، نمی توان از آنها استفاده کرد و به جای آن می توان از روش های دیگری مانند ضریب همبستگی دو رشته ای، و یا ضریب تتراکوریک استفاده کرد.

محاسبۀ همبستگی برای تحقیقات ناپارامتری

در تحقیقاتی که در سطح مقیاس های اسمی و رتبه ای انجام می گیرد، باید از روش های دیگری برای محاسبۀ همبستگی بین دو متغیر استفاده کرد. برخی از این روش ها عبارتند از: ضریب همبستگی فی، ضریب کریمر ، ضریب کاپا و ضریب لامبادا جهت تحقیقات اسمی و ضریب همبستگی اسپیرمن، ضریب کندال و آماره گاما برای تحقیقات ترتیبی.

رگراسیون و پیش بینی

رگراسیون (Regression) روشی برای مطالعه سهم یک یا چند متغیر مستقل در پیش بینی متغیر وابسته است. از تحلیل رگراسیون هم در تحقیقات توصیفی (غیر آزمایشی) و هم در تحقیقات آزمایشی می‌توان استفاده کرد. در حقیقت تحلیل رگرسیونی فن و تکنیکی آماری برای بررسی و مدل سازی ارتباط بین متغیرها است. رگرسیون تقریباً در هر زمینه ای از جمله مهندسی، فیزیک، اقتصاد، مدیریت، علوم زیستی، بیولوژی و علوم اجتماعی برای برآورد و پیشبینی مورد نیاز است .می توان گفت تحلیل رگرسیونی، پرکاربردترین روش در بین تکنیک های آماری است. با توجه به نوع تحقیق و متغیرهای آن روش متنوعی برای تحلیل رگراسیون وجود دارد که برخی از آنها عبارتند از : رگراسیون خطی (با سه راهبرد همزمان ، گام به گام ، سلسله مراتبی) ، رگراسیون انحنایی ، رگراسیون لوجیستیک و تحلیل کواریانس.

تحلیل داده‌های کاربردهای استفاده از همبستگی ماتریس کواریانس

از جمله تحلیل‌های همبستگی ، تحلیل ماتریس کواریانس یا ماتریس همبستگی است. دو نوع از معروفترین این تحلیل‌ها عبارتند از : مدل تحلیل عاملی برای پی بردن به متغیرهای زیر بنایی یک پدیده در دو دسته اکتشافی و تاییدی و مدل معادلات ساختاری برای بررسی روابط علی بین متغیرها.