معلومة

طول الاستبيان لتحليل سلسلة طويلة

طول الاستبيان لتحليل سلسلة طويلة

لدي مجموعة بيانات أحاول فحصها لاستجابة الإهمال. أواجه مشكلة صغيرة في العثور على بحث حول الحد الأدنى للطول الذي يحتاجه الاستبيان من أجل إجراء تحليل طويل للسلسلة. هوانغ وآخرون. (2012) يقترح استخدام حد أقصى لعدد الأشخاص الذين يجيبون على نفس السؤال على قدم المساواة أو أكبر من نصف طول المقياس. يبدو أن هذا يمثل مشكلة بالنسبة للمقاييس الأقصر ، على سبيل المثال ، إذا أجاب شخص ما على الإجابة 3 بنفس الإجابة على مقياس مكون من 6 عناصر ، فسيتم تمييزها. خاصة إذا لم يكن هناك عناصر معكوسة في المقياس. يذكر Curran (2016) أن مقياس 20 عنصرًا قد يكون مشكلة لأنه قصير جدًا ، لكن الورقة التي يستشهدون بها لا تشرح هذا أو ما الذي سيحدد مقياسًا قصيرًا جدًا.

كنت أتساءل عما إذا كان لدى شخص ما بعض البصيرة حول هذا أو بعض الأوراق التي يجب أن أشير إليها. شكرا لقرائتك!


فيما يلي بعض المبادئ العامة التي يمكنني تطبيقها:

هل يحتوي المقياس على مزيج من العناصر ذات الصياغة الإيجابية والسلبية؟ إذا كان الأمر كذلك ، فستحتاج إلى عدد أقل من العناصر لتحديد الحالات الغريبة. إذا تمت صياغتها كلها بشكل إيجابي ، فمن الممكن أن يوافق شخص ما على سبيل المثال على عدد كبير إلى حد ما من العناصر.

هل يقيس تراكيب متعددة أم يقيس بُعدًا واحدًا؟ إذا كان يقيس أكثر من بُعد واحد (على سبيل المثال ، مثل اختبار الشخصية المكون من خمسة عوامل) ، فمن المتوقع أن ترى المزيد من التنوع في الردود.

من المبادئ الأولى ، قد يكون من المفيد النظر في ما إذا كان هناك أي سبب محتمل لتقديم مثل هذا التسلسل من الردود التي من شأنها أن تعكس إكمال الاستبيان الضميري.

قد ترغب أيضًا في التفكير في تصميم الاستبيان الخاص بك وهيكل الحوافز للنظر في الحوافز الموجودة للاستجابة بطريقة معينة. تجعل بعض تصميمات الاستطلاع هذا الأسلوب في الاستجابة أكثر كفاءة.

تتمثل الإستراتيجية العامة الأخرى في حساب مؤشر ورسم توزيع الحالات على هذا الفهرس. إذا رأيت كسرًا في الرسم البياني ، فقد يشير ذلك إلى أن عملية منفصلة (أي استجابة غير واعية) قد تسببت في البيانات الموجودة على الجانب الآخر من الفاصل. يمكن أن يكون هذا مفيدًا عند النظر إلى أشياء مثل أوقات إكمال الاستطلاع. في حالة توفير خيار استجابة واحد فقط لمجموعة من العناصر ، يمكنك الحصول على عدد من خيارات الاستجابة وجدولة والبحث لمعرفة ما إذا كانت الغالبية العظمى توفر جميع الردود. بدلاً من ذلك ، إذا كان يبدو وكأنه نوع استجابة شائع ، فمن غير المرجح أن تستنتج أنه يمثل مشكلة.

إليك طريقة واحدة للحصول على هذا في افتراضات Rالبياناتهي مجموعة البيانات الخاصة بك والعناصرهي أسماء عناصر متجه.

البيانات$ Unique_responses <- تطبيق جدول (البيانات [، العناصر] ، 1 ، طول الوظيفة (X) (فريد (X)) (البيانات $Unique_responses)

كيف تكتب استبيان عظيم

أي مجموعة من الأسئلة ، مهما كانت شخصية أو عامة الموضوع ، هي استبيان. سواء كان الاستبيان الخاص بك قائمًا بذاته أو جزءًا من استطلاع ، للحصول على نتائج رائعة ، تحتاج إلى طرح أسئلة رائعة. راجع دليلنا لكتابة أسئلة الاستبيان مثل المحترفين لمزيد من المعلومات حول اختيار أسئلة رائعة لاستبيانك.

أيضًا ، أثناء كتابة الاستبيان ، ضع في اعتبارك طوله. مع زيادة عدد الأسئلة ، غالبًا ما ينخفض ​​معدل الإكمال. في إحدى الدراسات ، وجدنا أن الاستبيانات التي تحتوي على 40 سؤالًا لديها معدل استجابة أقل بنسبة 10٪ تقريبًا من الاستبيانات التي تحتوي على 10 أسئلة. يميل الأشخاص أيضًا إلى قضاء حوالي 10 دقائق في ملء الاستبيان ، بغض النظر عن طوله. هذا يعني أنك إذا طرحت عددًا أقل من الأسئلة ، فمن المرجح أن يقضي المستجيبون وقتًا أطول في كل سؤال.


مواصفات المحتوى

  1. الإحساس والإدراك (5 & - 7٪)
    1. الفيزياء النفسية ، كشف الإشارة
    2. انتباه
    3. التنظيم الإدراكي
    4. رؤية
    5. الاختبار
    6. حاسة التذوق
    7. الشم
    8. الجسد
    9. الحواس الدهليزية والحركية
    10. النظريات والتطبيقات والقضايا
    1. الخلايا العصبية
    2. الهياكل والعمليات الحسية
    3. الهياكل والوظائف الحركية
    4. الهياكل والعمليات المركزية
    5. الدافع ، الإثارة ، العاطفة
    6. علم الأعصاب الإدراكي
    7. المُعدِّلات العصبية والأدوية
    8. العوامل الهرمونية
    9. المقارن وعلم السلوك
    10. دول الوعي
    11. النظريات والتطبيقات والقضايا
    1. التعلم (3 & - 5٪)
      1. تكييف كلاسيكي
      2. التكييف الآلي
      3. التعلم القائم على الملاحظة والنمذجة
      4. النظريات والتطبيقات والقضايا
      1. الوحدات (الصوتيات ، الأشكال ، العبارات)
      2. بناء الجملة
      3. المعنى
      4. إدراك الكلام ومعالجته
      5. عمليات القراءة
      6. التواصل اللفظي وغير اللفظي
      7. ثنائية اللغة
      8. النظريات والتطبيقات والقضايا
      1. الذاكرة العاملة
      2. ذاكرة طويلة المدى
      3. أنواع الذاكرة
      4. أنظمة وعمليات الذاكرة
      5. النظريات والتطبيقات والقضايا
      1. التمثيل (التصنيف ، الصور ، المخططات ، النصوص)
      2. حل المشاكل
      3. عمليات الحكم واتخاذ القرار
      4. التخطيط وما وراء المعرفة
      5. الذكاء
      6. النظريات والتطبيقات والقضايا
      1. الإدراك الاجتماعي ، والإدراك ، والعزو ، والمعتقدات
      2. المواقف والسلوك
      3. المقارنة الاجتماعية ، الذات
      4. العاطفة والتأثير والتحفيز
      5. المطابقة والتأثير والإقناع
      6. الجاذبية الشخصية والعلاقات الوثيقة
      7. العمليات الجماعية والمشتركة بين المجموعات
      8. التأثيرات الثقافية أو الجنسانية
      9. علم النفس التطوري ، الإيثار ، والعدوان
      10. النظريات والتطبيقات والقضايا
      1. تغذية طبيعية
      2. المادية والحركية
      3. الإدراك والإدراك
      4. لغة
      5. التعلم والذكاء
      6. الاجتماعية والشخصية
      7. المشاعر
      8. التنشئة الاجتماعية والأسرية والثقافية
      9. النظريات والتطبيقات والقضايا
      1. الشخصية (3 & - 5٪)
        1. نظريات
        2. بنية
        3. الشخصية والسلوك
        4. التطبيقات والقضايا
        1. الإجهاد ، الصراع ، التأقلم
        2. أنظمة التشخيص
        3. تقدير
        4. أسباب وتطور الاضطرابات
        5. العوامل العصبية
        6. علاج الاضطرابات
        7. علم الأوبئة
        8. الوقاية
        9. علم نفس الصحة
        10. القضايا الثقافية أو الجنسانية
        11. النظريات والتطبيقات والقضايا

        السادس. القياس / المنهجية / أخرى (15 & ndash19٪)

          1. عام (4 & - 6٪)
            1. تاريخ
            2. التنظيم الصناعي
            3. تعليمي
            1. القياسات النفسية ، اختبار البناء ، الموثوقية ، الصلاحية
            2. تصاميم البحث
            3. الإجراءات الإحصائية
            4. المنهج العلمي وتقويم الأدلة
            5. الأخلاق والقضايا القانونية
            6. تحليل وتفسير النتائج

            يتم توزيع الأسئلة التي تستند إليها النطاقات الفرعية في جميع أنحاء الاختبار ، ولا يتم وضعها جانبًا ويتم تصنيفها بشكل منفصل ، على الرغم من أن العديد من الأسئلة من منطقة محتوى واحدة قد تظهر بشكل متتالي.


            يُطلب من المستجيبين الإشارة إلى ما إذا كانوا قد مروا بـ 21 حدثًا معينًا في الحياة و 3 أحداث اختيارية خلال الـ 12 شهرًا الماضية. أكثر غموضًا (على سبيل المثال ، التغيير في الموارد المالية ، الانتقال). & # 160 يتضمن المقياس أيضًا حدثًا إيجابيًا واحدًا (النجاح في المدرسة أو العمل). & # 160 يتبع الأحداث الغامضة عنصر توضيح حيث يبلغ المستجيبون عن مشاعرهم حول الحدث باستخدام مقياس تقييم مكون من 6 نقاط (انظر تحجيم).

            يتم تقديم معظم العناصر بخيارات استجابة ثنائية التفرع (نعم / لا) و / أو قوائم مراجعة تتطلب من المشاركين الإشارة إلى ما إذا كان حدث ما قد وقع لأي فرد من عدة أفراد. & # 160 يتم تقديم مقياس التصنيف التالي مع السؤال التوضيحي الذي يلي العناصر التي تستفسر حول أحداث غامضة من حيث التكافؤ.

            كيف تقيم مشاعرك حول هذا الحدث؟

            1 = جيد جدًا ، 2 = جيد إلى حد ما ، 3 = جيد نوعًا ما ، 4 = سيئًا بعض الشيء ، 5 = سيئًا إلى حد ما ، 6 = سيء جدًا


            ملخص

            من المهم أن يعرف الباحث مفاهيم الأساليب الإحصائية الأساسية المستخدمة لإجراء دراسة بحثية. سيساعد هذا في إجراء دراسة جيدة التصميم تؤدي إلى نتائج صحيحة وموثوقة. قد يؤدي الاستخدام غير المناسب للتقنيات الإحصائية إلى استنتاجات خاطئة ، والتسبب في الأخطاء وتقويض أهمية المقال. قد تؤدي الإحصائيات السيئة إلى بحث سيئ ، وقد يؤدي البحث السيئ إلى ممارسة غير أخلاقية. ومن ثم ، فإن المعرفة الكافية بالإحصاءات والاستخدام المناسب للاختبارات الإحصائية أمران مهمان. إن المعرفة المناسبة حول الأساليب الإحصائية الأساسية ستقطع شوطًا طويلاً في تحسين تصميمات البحث وإنتاج أبحاث طبية عالية الجودة يمكن استخدامها لصياغة المبادئ التوجيهية القائمة على الأدلة.


            لمحة عن استبيان الحالة المزاجية (POMS)

            ثبت أن ممارسة الرياضة أو ممارسة الرياضة لها تأثير إيجابي على الحالة المزاجية. كيف يعرفون هذا؟ باستخدام أدوات مثل استبيان POMS، وهو اختبار نفسي معياري معتمد يستخدم في البحث لقياس الحالة المزاجية. تم تطوير أول استبيان موجز عن حالات الحالة المزاجية (POMS) في عام 1971 بواسطة دوغلاس إم ماكنير مع موريس لور وليو إف دروببلمان.

            هناك عدة إصدارات من الاستبيان. حاليًا ، الأكثر استخدامًا هو POMS 2 ، وهو متاح للبالغين الذين تتراوح أعمارهم بين 18 عامًا وأكبر (POMS 2-A) وآخر للمراهقين من سن 13 إلى 17 عامًا (POMS 2-Y). تتوفر كل من أدوات POMS 2 كإصدارات كاملة الطول (65 عنصرًا) وإصدارات قصيرة (35 عنصرًا). تحتوي الاستبيانات على سلسلة من الكلمات / العبارات الوصفية التي تصف مشاعر الناس. الموضوعات تقرير ذاتي عن كل مجال من هذه المجالات باستخدام مقياس ليكرت المكون من 5 نقاط.


            هل تحليل السلوك التطبيقي مهنة جيدة؟

            تتزايد الحاجة إلى خبرة ABA في جميع أنحاء البلاد مما يعني وجود فرص وظيفية وافرة في هذا المجال. وجد تقرير حديث من مجلس اعتماد محلل السلوك أن الطلب على الأفراد الحاصلين على شهادة BCBA أو BCBA-D قد زاد بنسبة 80٪. وبالمثل ، يمكن لمتخصصي ABA تحقيق رواتب مريحة أثناء مشاركتهم في عمل هادف. وفقًا لـ PayScale ، يكسب معالجو السلوك التطبيقي 60،900 دولارًا في المتوسط ​​سنويًا. يمكن لحاملي درجة ABA أيضًا تجربة رضا وظيفي قوي لأن حياتهم المهنية تساعد الأفراد الذين يستفيدون غالبًا من الدعم الإضافي.


            استنتاج

            كما هو الحال مع كل مهمة ، يعد الإعداد أمرًا أساسيًا عندما ننظر إلى تحليل البيانات السلوكية. الإجابة على أسئلة محددة بوضوح ليس بالأمر الصعب. تكمن الحيلة الأكبر في التعريف ومعرفة ما هو مهم في البيانات ، حتى قبل النظر إليها.

            طريقة التفكير هذه أمر مهم في جميع مراحل تصميم البحث ، من المبيعات إلى التنفيذ. عندما يقترب منك عميل محتمل بسؤال مثل "أريد أن أعرف ما يفعله الأشخاص عبر الإنترنت" ، يجب أن تكون هناك استجابة فورية لتحديد هذا السؤال بشكل أكبر ، لذا إذا كان بإمكانك تحديد طرق البحث الضرورية ، وأي الأشخاص يجب دعوتهم ، والمساعدة فريق البحث للتوصل إلى أسئلة بحثية يمكن تعريفها على أنها مفصلة حسب الضرورة.

            إذا كنت بحاجة إلى إرشادات لإجراء بحث أو إذا كنت ترغب في مناقشة كيفية التعامل مع مشروع ما ، فما عليك سوى الاتصال بـ Wakoopa. ونحن سعداء للمساعدة!


            الجامعيين

            الهدف العام لقسم علم النفس هو تزويد الطلاب بخلفية واسعة في مختلف مستويات التحليل والأساليب المنهجية المستخدمة في دراسة السلوك ، وخاصة السلوك البشري ، وإعداد الطلاب للدراسات العليا في عدد من المجالات. يمكن للطلاب الحصول على تدريب بحثي ، والخبرة في مجموعة متنوعة من الإعدادات المجتمعية ، واختيار الدورة التدريبية المخصصة لتلبية أهداف الدراسات العليا طويلة الأجل. يمكن لشهادة علم النفس ، جنبًا إلى جنب مع الدورات المختارة من التخصصات الأخرى ، إعداد الطلاب للمهن التي تتفاعل مع الأشخاص من جميع الأعمار والخلفيات في مجموعة واسعة من المجالات.

            يهدف المنهج الدراسي في علم النفس إلى تعزيز فهم المرء لعلم السلوك وللنفس والآخرين من حيث المفاهيم التي طورتها الدراسة. تمنح دورات البكالوريوس في علم النفس الطلاب فرصة لمعرفة ما أظهرته الأبحاث حول:

            • كيف يتم تحفيز السلوك
            • كيف يدرك الناس ويتعلمون ويفكرون
            • كيف يختلف الأفراد عن بعضهم البعض
            • كيف تتطور الشخصية من الطفولة إلى النضج ويتم التعبير عنها بالسلوك
            • كيف تؤثر العوامل الشخصية على العلاقات الإنسانية في المنزل وفي الوظيفة وفي المجتمع

            رشح د. شيلي شراير من قبل طلاب علم النفس لجائزة التفاحة الذهبية

            ألقت الدكتورة شيلي شرير محاضرتها & quotlast & quot في قاعة Rackham Auditorium في 4 أبريل 2013. جائزة Golden Apple هي واحدة من جوائز التدريس المرموقة بالجامعة وهي الجائزة الوحيدة التي اختارها الطلاب للتميز في التدريس. تم ترشيح الدكتورة شرير من قبل العديد من الطلاب المسجلين في دوراتها التمهيدية في علم النفس والتنمية الاجتماعية.


            فيما يلي مثال على تحليل نقدي قصير لقصيدة بعنوان & # x201CXL ، & # x201D كتبها A.E. Housman. طولها القصير مناسب لقصيدة قصيرة نسبيًا تتكون من مقطعين وثمانية أسطر. يمكن أن تساعدك قراءة هذا المثال من التحليل النقدي في تعلم أفضل تنسيق وأساليب مقنعة لتحليلاتك الخاصة.

            & # x201CA.E. ينعكس Housman باعتزاز على الماضي في قصيدته & # x2018A Shropshire Lad XL. & apos يستخدم لغة حسية وصورًا مثيرة للذكريات لإعطاء القصيدة إحساسًا رومانسيًا بالحنين إلى الماضي. يمكن أن تلقى هذه القصيدة صدى لدى القراء الذين يتوقون أيضًا إلى الماضي ، إذا تمكنوا من فهمه.

            & # x2018A Shropshire Lad XL & apos هي قصيدة قصيرة نسبيًا ، تحتوي على مقطعين فقط ، ومع ذلك ، سرعان ما أسس Housman إحساسًا بالشوق. يجذب قرائه من خلال طرح سؤال غني بالصور في المقطع الأول ، & # x2018 ما هي تلك التلال الزرقاء التي تم تذكرها / ما هي الأبراج ، وما هي المزارع؟ الإشارات إلى & # x2018lost content & apos ، والطرق السريعة السعيدة التي ذهبت إليها. & apos ؛ لغة حسية مثل & # x2018blows & apos و & # x2018shining & apos تعطي قصيدته لحظة تهدف إلى تعميق شعور القراء بالاتصال.

            ومع ذلك ، قد يكون من الصعب على القراء المعاصرين فهم هذه القصيدة التي نُشرت في أواخر القرن التاسع عشر وتقديرها. في حين أن عبارات مثل & # x2018an air الذي يقتل ، & apos التي تشير إلى لحن ، و # x2018yon far country & apos تحتوي على كلمات قصيرة ، إلا أنها قديمة وفقًا لمعايير اليوم و aposs. حتى لو تم فهمها ، فقد لا يكون لها صدى عميق لدى القارئ مثل الكلمات الأكثر حداثة. قد يكون من الصعب رؤية أي أدب تاريخي من خلال عدسة حديثة ، حيث لا يمكن للكتاب التاريخيين توقع المجتمع المعاصر. ومع ذلك ، فإن هذا لا يبطل العلاقة البعيدة التي قد تربط القراء المعاصرين بهذه القصيدة اليوم.

            & # x2018A Shropshire Lad XL & apos هي ذكريات رومانسية عن الحياة الريفية الشاعرية التي تمتع بها الشاعر عندما كان صبيًا. من المحتمل أن يكون موضوعها الحنين إلى الماضي صدى لدى الجمهور الحديث تمامًا كما كان الحال في الماضي ، لكن لغتها قد تكون عائقًا كبيرًا أمام التقدير الكامل لهذه القصيدة التاريخية. & # x201D


            طول الاستبيان لتحليل السلسلة الطويلة - علم النفس

            تصميم الاستبيان والمسوحات تصميم الاستبيان و
            أخذ العينات من الاستطلاعات

            موقع الولايات المتحدة الأمريكية

            تستهدف محتويات هذا الموقع الطلاب الذين يحتاجون إلى إجراء تحليلات إحصائية أساسية على البيانات المأخوذة من استطلاعات العينة ، لا سيما تلك الموجودة في علوم التسويق. من المتوقع أن يكون لدى الطلاب معرفة أساسية بالإحصاء ، مثل الإحصاء الوصفي ومفهوم اختبار الفرضيات.

            مقدمة

            الفكرة الرئيسية للاستدلال الإحصائي هي أخذ عينة عشوائية من السكان ثم استخدام المعلومات من العينة لعمل استنتاجات حول خصائص معينة للسكان مثل المتوسط ​​(قياس الاتجاه المركزي) والانحراف المعياري (قياس الانتشار) أو نسبة الوحدات السكانية التي لها خاصية معينة. أخذ العينات يوفر المال والوقت والجهد. بالإضافة إلى ذلك ، يمكن للعينة ، في بعض الحالات ، أن توفر قدرًا كبيرًا من المعلومات مثل الدراسة المقابلة التي من شأنها أن تحاول التحقيق في مجموعة كاملة من البيانات من عينة سكانية ، والتي غالبًا ما توفر معلومات أفضل من دراسة أقل حذراً تحاول النظر في كل شيء .

            يجب علينا دراسة سلوك متوسط ​​قيم العينة من مجموعات سكانية محددة مختلفة. نظرًا لأن العينة تفحص جزءًا فقط من السكان ، فلن يساوي متوسط ​​العينة تمامًا المتوسط ​​المقابل للسكان. وبالتالي ، فإن أحد الاعتبارات المهمة لأولئك الذين يخططون ويفسرون نتائج أخذ العينات ، هو الدرجة التي تتفق بها تقديرات العينة ، مثل متوسط ​​العينة ، مع خاصية السكان المقابلة.

            من الناحية العملية ، يتم أخذ عينة واحدة فقط (في بعض الحالات مثل "تحليل بيانات المسح" ، يتم استخدام "عينة تجريبية" صغيرة لاختبار آليات جمع البيانات والحصول على معلومات أولية لتخطيط مخطط أخذ العينات الرئيسي). ومع ذلك ، ولأغراض فهم الدرجة التي ستتفق عندها وسائل العينة مع المتوسط ​​السكاني المقابل ، من المفيد النظر في ما سيحدث إذا أجريت 10 أو 50 أو 100 دراسة منفصلة لأخذ العينات من نفس النوع. ما مدى اتساق النتائج عبر هذه الدراسات المختلفة؟ إذا استطعنا أن نرى أن النتائج من كل عينة ستكون متطابقة تقريبًا (وصحيحة تقريبًا!) ، فسنكون على ثقة في العينة الوحيدة التي سيتم استخدامها بالفعل. من ناحية أخرى ، فإن رؤية أن الإجابات من العينات المتكررة كانت متغيرة للغاية بالنسبة للدقة المطلوبة تشير إلى ضرورة استخدام خطة أخذ عينات مختلفة (ربما مع حجم عينة أكبر).

            يتم استخدام توزيع العينات لوصف توزيع النتائج التي يمكن للمرء أن يلاحظها من تكرار خطة أخذ عينات معينة.

            اعلم أن التقديرات المحسوبة من عينة ستكون مختلفة عن التقديرات التي سيتم حسابها من عينة أخرى.

            افهم أنه من المتوقع أن تختلف التقديرات عن خصائص السكان (المعلمات) التي نحاول تقديرها ، لكن خصائص توزيعات العينات تسمح لنا بتحديد كيفية اختلافها ، احتماليًا.

            افهم أن الإحصائيات المختلفة لها توزيعات مختلفة للعينات مع أشكال توزيع تعتمد على (أ) الإحصاء المحدد ، (ب) حجم العينة ، (ج) التوزيع الأصلي.

            فهم العلاقة بين حجم العينة وتوزيع تقديرات العينة.

            افهم أنه يمكن تقليل التباين في توزيع العينات عن طريق زيادة حجم العينة.

            انظر إلى أنه في العينات الكبيرة ، يمكن تقريب العديد من توزيعات العينات بالتوزيع الطبيعي.

            التباين والانحراف المعياري

            الانحرافات حول متوسط ​​السكان هي الأساس لمعظم الاختبارات الإحصائية التي سنتعلمها. نظرًا لأننا نقيس مدى انتشار مجموعة من الدرجات حول المتوسط ​​الذي نقوم بقياس التباين فيه. يمكننا حساب الانحرافات حول المتوسط ​​، والتعبير عنها في صورة تباين أو انحراف معياري. من المهم جدًا أن يكون لديك فهم راسخ لهذا المفهوم لأنه سيكون مفهومًا مركزيًا طوال الدورة التدريبية.

            يقيس كل من التباين والانحراف المعياري التباين داخل التوزيع.الانحراف المعياري هو رقم يشير إلى مدى انحراف كل من القيم الموجودة في التوزيع ، في المتوسط ​​، عن متوسط ​​(أو مركز) التوزيع. ضع في اعتبارك أن التباين يقيس نفس الشيء مثل الانحراف المعياري (تشتت الدرجات في التوزيع). ومع ذلك ، فإن التباين هو متوسط ​​الانحرافات التربيعية حول المتوسط. وبالتالي ، فإن التباين هو مربع الانحراف المعياري.

            من حيث جودة السلع / الخدمات ، من المهم معرفة أن الاختلاف العالي يعني انخفاض الجودة. قياس حجم التباين ومصدره هو عمل الإحصائي ، بينما تحديده هو عمل المهندس أو المدير. المنتجات والخدمات عالية الجودة لها تنوع منخفض.

            ما هي فترة الثقة؟

            في الممارسة العملية ، يتم استخدام فاصل الثقة للتعبير عن عدم اليقين في الكمية التي يتم تقديرها. هناك عدم يقين لأن الاستدلالات تستند إلى عينة عشوائية ذات حجم محدود من مجتمع أو عملية ذات أهمية. للحكم على الإجراء الإحصائي ، يمكننا أن نسأل ماذا سيحدث إذا كررنا نفس الدراسة ، مرارًا وتكرارًا ، للحصول على بيانات مختلفة (وبالتالي فترات ثقة مختلفة) في كل مرة.

            اعلم أن فاصل الثقة المحسوب من عينة واحدة سيكون مختلفًا عن فاصل الثقة المحسوب من عينة أخرى.

            فهم العلاقة بين حجم العينة وعرض فاصل الثقة.

            اعلم أنه في بعض الأحيان لا يحتوي فاصل الثقة المحسوب على متوسط ​​القيمة الحقيقية (أي أنه غير صحيح) وافهم كيف يرتبط معدل التغطية هذا بمستوى الثقة.

            تصميم الاستبيان وإدارة الاستطلاعات

            • المقابلات وجها لوجه
              المسوحات البريدية
            • الاستطلاعات الهاتفية
            • الملاحظة المباشرة.
            • إنترنت

            قيم مفقودة في موضوع حساس

            1. اشرح للمجيب أسباب طرح الأسئلة ،
            2. اجعل فئات الاستجابة واسعة قدر الإمكان.
            3. صِغ السؤال بأسلوب غير قضائي يتجنب ظهور اللوم ، أو ، إن أمكن ، يجعل السلوك المعني يبدو مقبولًا اجتماعيًا.
            4. تقديم الطلب باعتباره مسألة واقعية بقدر الإمكان.
            5. ضمان السرية أو عدم الكشف عن هويته
            6. تأكد من أن المستفتى يعلم أن المعلومات لن تستخدم بأي طريقة مهددة.
            7. شرح كيف سيتم التعامل مع المعلومات
            8. تجنب التصنيف المتقاطع الذي سيسمح بتحديد الردود بدقة.

            مصدر الأخطاء

            1. استخدام إطار غير ملائم.
            2. استبيان سيء التصميم.
            3. أخطاء التسجيل والقياس.
            4. مشاكل عدم الاستجابة.

            تقنيات أخذ العينات العامة

            من الطعام الذي تأكله إلى التلفزيون الذي تشاهده ، من الانتخابات السياسية إلى إجراءات مجلس المدرسة ، يتم تنظيم جزء كبير من حياتك من خلال نتائج استطلاعات الرأي. في عصر المعلومات اليوم وغدًا ، من المهم بشكل متزايد أن يتم فهم تصميم وتحليل عينة المسح من قبل الكثيرين لإنتاج بيانات جيدة لصنع القرار والتعرف على البيانات المشكوك فيها عند ظهورها. الموضوعات ذات الصلة هي: أخذ العينات العشوائية البسيطة ، أخذ العينات العشوائية الطبقية ، أخذ العينات العنقودية ، أخذ العينات المنتظم ، تقدير النسبة والانحدار ، تقدير حجم السكان ، أخذ عينات من تسلسل الوقت ، المساحة أو الحجم ، تصميم الاستبيان ، الأخطاء في الاستطلاعات.

            العينة هي مجموعة من الوحدات المختارة من مجموعة أكبر (السكان). من خلال دراسة العينة ، من المأمول استخلاص استنتاجات صحيحة حول المجموعة الأكبر.

            يتم اختيار عينة بشكل عام للدراسة لأن عدد السكان أكبر من أن يدرس بالكامل. يجب أن تكون العينة ممثلة لعامة السكان. وأفضل طريقة لتحقيق ذلك هي أخذ العينات العشوائية. أيضًا ، قبل جمع العينة ، من المهم أن يقوم الباحث بتعريف المجتمع بدقة وبشكل كامل ، بما في ذلك وصف الأعضاء المراد تضمينهم.

            أخذ العينات العشوائية: أخذ عينات عشوائية بحجم n من حجم مجتمع N. تقدير غير متحيز للتباين هو Var () = S 2 (1-n / N) / n ، حيث n / N هو جزء العينة. بالنسبة لجزء أخذ العينات الذي يقل عن 10٪ ، يكون عامل تصحيح المجتمع المحدود (N-n) / (N-1) تقريبًا 1.

            يقدر إجمالي T بواسطة N ، وتباينه هو N 2 Var ().

            بالنسبة لمتغيرات النوع 0 ، 1 (الثنائي) ، يكون التباين في النسبة المقدرة p هو:

            S 2 = p. (1-p). (1-n / N) / (n-1).

            بالنسبة للنسبة r = S x أنا / ص ذ أنا = / ، الاختلاف لـ r هو

            [(ن - ن) (ص 2 ق 2 x + ق 2 ذ -2 r Cov (x، y)] / [n (N-1). 2].

            اخذ العينات الطبقية: يمكن استخدام أخذ العينات الطبقي عندما يمكن تقسيم السكان إلى مجموعات فرعية أصغر ، كل منها متجانسة وفقًا للخاصية الخاصة محل الاهتمام.

            س = S W ر . بكسار ر ، أكثر من t = 1 ، 2 ، ..L (طبقات) ، و ر هو S X هو - هير .

            تباينها هو:

            جنوب غرب 2 ر /(ن رر ) ق 2 ر /[ن رر -1)]

            يقدر إجمالي السكان T بواسطة N. س ، تباينها هو

            S N 2 ررر ) ق 2 ر /[ن رر -1)].

            نظرًا لأن المسح يقيس عادةً العديد من السمات لكل فرد من السكان ، فمن المستحيل العثور على تخصيص مثالي في نفس الوقت لكل من هذه المتغيرات. لذلك ، في مثل هذه الحالة ، نستخدم الطريقة الشائعة للتخصيص والتي تستخدم نفس جزء العينة في كل طبقة. هذا التوزيع الأمثل العائد بالنظر إلى تباين الطبقات كلها متشابهة.

            تحديد أحجام العينة (ن) فيما يتعلق بالبيانات الثنائية: أصغر عدد صحيح أكبر من أو يساوي:

            [t 2 N p (1-p)] / [t 2 p (1-p) + a 2 (N-1)]

            مع N هو حجم العدد الإجمالي للحالات ، n هو حجم العينة ، والخطأ المتوقع ، و t هي القيمة المأخوذة من توزيع t المقابل لفاصل ثقة معين ، و p هو احتمال وقوع حدث.

            أخذ العينات المقطعية: دراسة مقطعية - مراقبة مجموعة محددة من السكان في نقطة واحدة في الوقت أو الفاصل الزمني. يتم تحديد التعرض والنتيجة في وقت واحد.

            أخذ عينات الحصص: أخذ عينات الحصص هو أخذ عينات التوافر ، ولكن مع وجود قيود على الحفاظ على التناسب حسب الطبقات. وبالتالي سيُطلب من القائم بإجراء المقابلة إجراء مقابلات مع العديد من المدخنين الذكور البيض ، والكثير من غير المدخنات من السود ، وما إلى ذلك ، لتحسين مستوى ممثلي العينة. أخذ عينات التباين الأقصى هو متغير لأخذ عينات الحصص ، حيث يحاول الباحث بشكل مقصود وغير عشوائي اختيار مجموعة من الحالات ، والتي تظهر اختلافات قصوى في المتغيرات ذات الأهمية. تشمل الاختلافات الأخرى أخذ عينات الحالة المتطرفة أو المنحرفة أو أخذ عينات الحالة النموذجية.

            ما هي الأداة الإحصائية؟ الأداة الإحصائية هي أي عملية تهدف إلى وصف ظاهرة باستخدام أي أداة أو جهاز ، ومع ذلك يمكن استخدام النتائج كأداة تحكم. من أمثلة الأدوات الإحصائية الاستبيانات وأخذ عينات المسوحات.

            ما هي تقنية أخذ العينات؟ أسلوب أخذ العينات هو أخذ عينة صغيرة نسبيًا خلال فترة زمنية قصيرة جدًا ، وعادة ما تكون النتيجة التي يتم الحصول عليها فورية. ومع ذلك ، فإن العينة السلبية هي تقنية يتم فيها استخدام جهاز أخذ العينات لفترة طويلة في ظل ظروف مماثلة. اعتمادًا على التحقيق الإحصائي المرغوب فيه ، قد يكون أخذ العينات السلبية بديلاً مفيدًا أو حتى أكثر ملاءمة من أخذ العينات. ومع ذلك ، يجب تطوير تقنية أخذ العينات السلبية واختبارها في الميدان.

            قراءة متعمقة:
            Thompson S.، Sampling، Wiley، 2002.

            ما هو هامش الخطأ

            التقدير هو العملية التي يتم من خلالها استخدام بيانات العينة للإشارة إلى قيمة كمية غير معروفة في المجتمع.

            يمكن التعبير عن نتائج التقدير كقيمة واحدة تُعرف بتقدير النقطة ، أو مجموعة من القيم ، يشار إليها باسم فاصل الثقة.

            عندما نستخدم تقدير النقاط ، نحسب هامش الخطأ المرتبط بتقدير النقطة. على سبيل المثال لتقدير نسبة السكان ، عن طريق نسبة العينة (P) ، يتم حساب هامش الأخطاء غالبًا على النحو التالي:

            1.96 [P (1-P) / ن] 1/2

            في الصحف والتقارير التلفزيونية حول تجمعات الرأي العام ، غالبًا ما يظهر هامش الخطأ بخط صغير أسفل الجدول أو الشاشة ، على التوالي. ومع ذلك ، فإن الإبلاغ عن مقدار الخطأ فقط ، ليس بالمعلومات الكافية بحد ذاته ، ما ينقص هو درجة الثقة في النتائج. الجزء الأكثر أهمية من المعلومات المفقودة هو حجم العينة n. أي ، كم عدد الأشخاص الذين شاركوا في الاستطلاع ، 100 أو 100000؟ الآن ، أنت تعرف جيدًا أنه كلما كان حجم العينة أكبر ، كانت النتيجة أكثر دقة ، أليس كذلك؟

            هامش الخطأ المبلغ عنه هو هامش "خطأ أخذ العينات". هناك العديد من أخطاء عدم أخذ العينات التي يمكن أن تؤثر بالفعل على دقة استطلاعات الرأي. هنا نتحدث عن خطأ في أخذ العينات. حقيقة أن المجموعات الفرعية لديها خطأ أكبر في أخذ العينات من أي شخص يجب أن تتضمن البيان التالي: "تشمل مصادر الخطأ الأخرى ، على سبيل المثال لا الحصر ، الأفراد الذين يرفضون المشاركة في المقابلة وعدم القدرة على الاتصال بالرقم المختار. يتم بذل كل جهد ممكن من أجل الحصول على استجابة وتقليل الخطأ ، ولكن على القارئ (أو المشاهد) أن يدرك أن بعض الأخطاء متأصلة في جميع الأبحاث ".

            إذا كان لديك سؤال بنعم / لا في أحد الاستطلاعات ، فربما تريد حساب نسبة P من نعم (أو لا). في إطار المسح العشوائي البسيط لأخذ العينات ، يكون تباين P هو P (1-P) / n ، متجاهلاً تصحيح السكان المحدود ، بالنسبة لـ n الكبيرة ، لنقل أكثر من 30. الآن فاصل الثقة 95٪ هو

            P - 1.96 [P (1-P) / n] 1/2، P + 1.96 [P (1-P) / n] 1/2.

            يمكن حساب الفاصل الزمني المتحفظ ، لأن P (1-P) تأخذ أقصى قيمة لها عندما P = 1/2. استبدل 1.96 بـ 2 ، ضع P = 1/2 ولديك فاصل ثقة تقريبي 95٪ 1 / n 1/2. يعمل هذا التقريب جيدًا طالما أن P ليست قريبة جدًا من 0 أو 1. يتيح لك هذا التقريب المفيد حساب فترات ثقة تقريبية 95٪.

            مراجع وقراءات أخرى:
            Casella G. و R. Berger ، الاستدلال الإحصائي ، Wadsworth Pub. شركة ، 2001.
            Kish L.، Survey Sampling، Wiley، 1995.
            Lehmann E.، and G. Casella، Theory of Point Estimation، Springer Verlag، New York، 1998.
            Levy P.، and S. Lemeshow، Sampling of Population: Methods and Applications، Wiley، 1999.

            تحديد حجم العينة

            تبرز مسألة حجم العينة التي يجب أخذها في وقت مبكر من التخطيط لأي مسح. هذا سؤال مهم يجب التعامل معه باستخفاف. إن أخذ عينة كبيرة مما هو مطلوب لتحقيق النتائج المرجوة هو إهدار للموارد بينما العينات الصغيرة جدًا غالبًا ما تؤدي إلى عدم استخدام عملي لاتخاذ قرار جيد. الهدف الرئيسي هو الحصول على كل من الدقة المرغوبة ومستوى الثقة المرغوب فيه بأقل تكلفة.

            العينة التجريبية: يجب أخذ عينة تجريبية أو أولية من السكان واستخدام الإحصائيات المحسوبة من هذه العينة في تحديد حجم العينة. يمكن حساب الملاحظات المستخدمة في العينة التجريبية كجزء من العينة النهائية ، بحيث يكون حجم العينة المحسوبة مطروحًا منه حجم العينة التجريبية هو عدد الملاحظات اللازمة لتلبية متطلبات حجم العينة الإجمالي.

            يسألني الناس أحيانًا ، ما هي نسبة السكان التي تحتاجها؟ أجبت ، "يتم تحديد الدقة غير ذات الصلة من خلال حجم العينة وحده" يجب تعديل هذه الإجابة إذا كانت العينة تمثل جزءًا كبيرًا من السكان.

            بالنسبة للعنصر الذي حصل على نقاط 0/1 مقابل لا / نعم ، يُعطى الانحراف المعياري لدرجات العنصر بواسطة SD = [p (1-p) / N] 1/2 حيث p هي النسبة التي تحصل على درجة 1 و N هو حجم العينة.

            يتم إعطاء الخطأ القياسي لتقدير SE (الانحراف المعياري لنطاق قيم p المحتملة بناءً على تقدير العينة التجريبية) بواسطة SE = SD / N ... وبالتالي ، تكون SE بحد أقصى عندما تكون p = 0.5. وبالتالي فإن السيناريو الأسوأ يحدث عندما يوافق 50٪ ويعارض 50٪.

            يمكن بعد ذلك التعبير عن حجم العينة ، N ، على أنه أكبر عدد صحيح أقل من أو يساوي 0.25 / SE 2

            وبالتالي ، لكي تكون SE 0.01 (أي 1٪) ، ستكون هناك حاجة إلى حجم عينة 2500 2٪ ، 625 3٪ ، 278 4٪ ، 156 ، 5٪ ، 100.

            لاحظ ، بالمناسبة ، أنه طالما أن العينة تمثل جزءًا صغيرًا من إجمالي السكان ، فإن الحجم الفعلي للسكان غير ذي صلة تمامًا لأغراض هذا الحساب.

            أحجام العينات فيما يتعلق بالبيانات الثنائية:

            ن = [t 2 N p (1-p)] / [t 2 p (1-p) + a 2 (N-1)]

            مع N هو حجم العدد الإجمالي للحالات ، n هو حجم العينة ، والخطأ المتوقع ، و t هي القيمة المأخوذة من توزيع t المقابل لفاصل ثقة معين ، و p هو احتمال وقوع حدث.

            بالنسبة لمجموعة محدودة من الحجم N ، فإن الخطأ القياسي لمتوسط ​​العينة للحجم n ، هو:

            s [(N -n) / (nN)]

            هناك العديد من الصيغ لحجم العينة المطلوب لاختبار T. أبسط واحد هو

            ن = 2 (Z أ + Z ب) 2 ثانية 2 / د 2

            التي تقلل من حجم العينة ، ولكنها معقولة بالنسبة لأحجام العينات الكبيرة. تستبدل الصيغة الأقل دقة قيم Z بقيم t ، وتتطلب التكرار ، لأن df لتوزيع t يعتمد على حجم العينة. تستخدم الصيغة الدقيقة توزيع t غير مركزي وتتطلب أيضًا التكرار.

            أبسط تقدير تقريبي هو استبدال القيمة Z الأولى في الصيغة أعلاه بالقيمة من إحصائية النطاق الطلابي المستخدمة لاشتقاق اختبار متابعة Tukey. إذا لم يكن لديك جداول مفصلة بشكل كافٍ عن النطاق الطلابي ، فيمكنك تقريب اختبار متابعة Tukey باستخدام تصحيح Bonferroni. أي ، قم بتغيير قيمة Z الأولى إلى Z. أ حيث k هو عدد المقارنات.

            لا يعتبر أي من هذين الحلين دقيقًا والحل الدقيق فوضوي بعض الشيء. ولكن من المحتمل أن يكون أي من النهجين أعلاه قريبًا بدرجة كافية ، خاصةً إذا كان حجم العينة الناتج أكبر من (على سبيل المثال) 30.

            قاعدة التوقف الأفضل للاختبارات الإحصائية التقليدية هي كما يلي:
            اختبر عددًا أدنى (محدد مسبقًا) من الموضوعات.
            توقف إذا كانت قيمة p تساوي أو أقل من .01 ، أو قيمة p تساوي أو أكبر من .36 وإلا ، قم بتشغيل المزيد من الموضوعات.

            من الواضح أن هناك خيارًا آخر يتمثل في التوقف إذا / عندما يصبح عدد الموضوعات أكبر من أن يكون التأثير ذا أهمية عملية. هذا الإجراء يحافظ على حوالي 0.05.

            قد نصنف نسبة الاحتمالية لأخذ عينات الحجم (PPS) ، والتقسيم الطبقي ، وتقدير النسبة (أو أي شكل آخر من أشكال التقدير بمساعدة النموذج) كأدوات تحمي المرء من نتائج عينة غير محظوظة للغاية. يقوم أول اثنان (أخذ عينات PPS والتقسيم الطبقي) بذلك عن طريق التلاعب بخطة أخذ العينات (مع أخذ عينات PPS من الناحية المفاهيمية حالة محدودة من التقسيم الطبقي). طرق التقدير بمساعدة النموذج مثل تقدير النسبة تخدم نفس الغرض من خلال إدخال المعلومات المساعدة في إجراء التقدير. تعتمد الأدوات المفضلة ، كما قال آخرون ، على التكاليف ، وتوافر المعلومات التي تسمح باستخدام هذه الأدوات ، والمكاسب المحتملة (لن يساعد أي من هذه الأدوات كثيرًا إذا كان متغير التقسيم الطبقي / PPS / النسبة غير مرتبط بشكل جيد مع متغير الاستجابة للفائدة).

            هناك أيضًا طرق إرشادية لتحديد حجم العينة. على سبيل المثال ، في سلوك الرعاية الصحية ومعايير أخذ عينات قياس العملية مصممة لـ 95٪ CI من 10 نقاط مئوية حول متوسط ​​عدد السكان 0.50 هناك قاعدة إرشادية: "إذا كان عدد الأفراد في المجموعة المستهدفة أقل من 50 في الشهر ، لا تستخدم الأنظمة إجراءات أخذ العينات ، ولكنها تحاول جمع البيانات من جميع الأفراد في المجموعة المستهدفة ".

            قراءات أخرى:
            غولدشتاين هـ. ، نماذج إحصائية متعددة المستويات ، مطبعة هالستيد ، 1995.
            كيش ر ، ج كالتون ، س.هيرينجا ، سي أومويرشيرتاي ، وجيه ليبكوفسكي ، أوراق مجمعة من ليزلي كيش ، وايلي ، 2002.
            Kish L.، Survey Sampling، Wiley، 1995.

            النسبة المئوية: التقدير والاختبار

            1. تجاهل القيمة المطالب بها في فرضية العدم ، في الوقت الحالي.
            2. أنشئ فاصل ثقة بنسبة 100 (1- أ)٪ بناءً على البيانات المتاحة.
            3. إذا لم يحتوي CI المُنشأ على القيمة المطالب بها ، فهناك أدلة كافية لرفض فرضية العدم. خلاف ذلك ، لا يوجد سبب لرفض فرضية العدم.

              حجم العينة بالدقة المطلقة المقبولة: يعرض ما يلي الطريقة المستخدمة على نطاق واسع لتحديد حجم العينة المطلوب لتقدير متوسط ​​أو نسبة السكان.

              لنفترض أننا نريد فترة تمتد d على جانبي المقدّر. يمكننا الكتابة

              د = الدقة المطلقة = (معامل الموثوقية) (الخطأ المعياري) = Z a / 2. (S / n 1/2)

              قد ترغب في استخدام التطبيق الصغير لتحديد حجم العينة للتحقق من حساباتك.

            نماذج إحصائية متعددة المستويات

            العديد من أنواع البيانات ، بما في ذلك بيانات الرصد التي تم جمعها في العلوم البشرية والبيولوجية ، لها هيكل هرمي أو متجمع. على سبيل المثال ، تتعامل الدراسات الحيوانية والإنسانية عن الميراث مع التسلسل الهرمي الطبيعي حيث يتم تجميع النسل داخل العائلات. يميل النسل من نفس الوالدين إلى أن يكونوا أكثر تشابهًا في خصائصهم الجسدية والعقلية من الأفراد الذين يتم اختيارهم عشوائيًا من السكان عمومًا.

            تقوم العديد من التجارب المصممة أيضًا بإنشاء تسلسل هرمي للبيانات ، على سبيل المثال التجارب السريرية التي أجريت في عدة مراكز أو مجموعات من الأفراد تم اختيارها عشوائيًا. النماذج متعددة المستويات معنية فقط بحقيقة مثل هذه التسلسلات الهرمية وليس مصدرها. نشير إلى التسلسل الهرمي على أنه يتكون من وحدات مجمعة على مستويات مختلفة. وبالتالي ، قد يكون النسل هو وحدات المستوى 1 في هيكل من مستويين حيث تكون وحدات المستوى 2 هي العائلات: قد يكون الطلاب وحدات المستوى 1 المجمعة داخل المدارس التي تمثل وحدات المستوى 2.

            إن وجود مثل هذه التسلسلات الهرمية للبيانات ليس عرضيًا ولا ينبغي تجاهله. يختلف الأفراد كما هو الحال مع الحيوانات الفردية وينعكس هذا التمايز الضروري في جميع أنواع النشاط الاجتماعي حيث يكون الأخير غالبًا نتيجة مباشرة للأول ، على سبيل المثال عندما يتم تجميع الطلاب الذين لديهم دوافع أو قدرات مماثلة في مدارس أو كليات انتقائية للغاية. في حالات أخرى ، قد تنشأ التجمعات لأسباب أقل ارتباطًا بخصائص الأفراد ، مثل تخصيص الأطفال الصغار للمدارس الابتدائية ، أو تخصيص المرضى لعيادات مختلفة. بمجرد إنشاء المجموعات ، حتى لو كان تأسيسها عشوائيًا بشكل فعال ، فإنها تميل إلى أن تصبح متمايزة ، وهذا التمايز يعني ضمناً أن المجموعة وأعضائها يؤثرون ويتأثرون بعضوية المجموعة. إن تجاهل هذه العلاقة يخاطر بالتغاضي عن أهمية تأثيرات المجموعة ، وقد يؤدي أيضًا إلى إبطال العديد من تقنيات التحليل الإحصائي التقليدية المستخدمة في دراسة علاقات البيانات.

            مثال بسيط سيظهر أهميته. زعمت دراسة معروفة ومؤثرة لأطفال المدارس الابتدائية (الابتدائية) أجريت في السبعينيات أن الأطفال الذين تعرضوا لما يسمى بالأساليب "الرسمية" في تعليم القراءة أظهروا تقدمًا أكبر من أولئك الذين لم يفعلوا ذلك. تم تحليل البيانات باستخدام تقنيات الانحدار المتعدد التقليدية ، والتي تعرفت فقط على الأطفال الأفراد كوحدات تحليل وتجاهلت مجموعاتهم داخل المعلمين وفي الفصول الدراسية. كانت النتائج ذات دلالة إحصائية.بعد ذلك ، تم إثبات أنه عندما أخذ التحليل في الحسبان بشكل صحيح تجميع الأطفال في فصول ، اختفت الاختلافات المهمة ولا يمكن إظهار اختلاف الأطفال الذين تم تعليمهم "بشكل رسمي" عن الآخرين.

            إعادة التحليل هذه هي أول مثال مهم للتحليل متعدد المستويات لبيانات العلوم الاجتماعية. في الأساس ، ما كان يحدث هنا هو أن الأطفال في أي فصل دراسي واحد ، لأنهم تعلموا معًا ، يميلون إلى أن يكونوا متشابهين في أدائهم. ونتيجة لذلك ، فإنهم يقدمون معلومات أقل مما كان سيحدث لو تم تدريس نفس العدد من الطلاب بشكل منفصل من قبل مدرسين مختلفين. بمعنى آخر ، يجب أن تكون الوحدة الأساسية لأغراض المقارنة هي المعلم وليس الطالب. يمكن النظر إلى وظيفة الطلاب على أنها تقدم ، لكل معلم ، تقديرًا لفعالية هذا المعلم. ستؤدي زيادة عدد الطلاب لكل معلم إلى زيادة دقة هذه التقديرات ولكن لا يغير عدد المعلمين الذين تتم مقارنتهم. بعد نقطة معينة ، فإن مجرد زيادة أعداد الطلاب بهذه الطريقة لا يؤدي إلى تحسين الأمور على الإطلاق. من ناحية أخرى ، فإن زيادة عدد المعلمين المراد مقارنتهم ، مع نفس العدد أو عدد أقل إلى حد ما من الطلاب لكل معلم ، يحسن بشكل كبير من دقة المقارنات.

            لقد أدرك الباحثون منذ فترة طويلة هذه القضية. في التعليم ، على سبيل المثال ، كان هناك الكثير من الجدل حول ما يسمى بمشكلة "وحدة التحليل" ، وهي المشكلة التي تم توضيحها للتو. قبل أن تصبح النمذجة متعددة المستويات مطورة جيدًا كأداة بحث ، كانت مشاكل تجاهل الهياكل الهرمية مفهومة جيدًا بشكل معقول ، ولكن كان من الصعب حلها لأن أدوات الأغراض العامة القوية لم تكن متوفرة. كانت البرامج ذات الأغراض الخاصة ، على سبيل المثال لتحليل البيانات الجينية ، متاحة لفترة أطول ولكن هذا كان مقصورًا على نماذج "مكونات التباين" ولم يكن مناسبًا للتعامل مع النماذج الخطية العامة. لقد أدرك عمال المسح عينة من هذه المسألة في شكل آخر. عند إجراء المسوح السكانية ، يعكس تصميم العينة عادةً الهيكل الهرمي للسكان ، من حيث الجغرافيا وعضوية الأسرة. وقد تم تطوير إجراءات مفصلة لمراعاة مثل هذه الهياكل عند إجراء التحليلات الإحصائية.

            قراءات أخرى:
            غولدشتاين هـ. نماذج إحصائية متعددة المستويات، مطبعة هالستيد ، نيويورك ، 1995.
            لونجفورد ن. نماذج معامل عشوائية، مطبعة كلارندون ، أكسفورد ، 1993.
            تغطي هذه الكتب مجموعة واسعة جدًا من التطبيقات والنظرية.

            إجراءات أخذ العينات المسوحات

            ملاحظة: البرامج التالية يشار إليها الطرق العملية لتصميم وتحليل المسوحات المعقدةLehtonen، and E. Pahkinen، Wiley، Chichester، 1995. راجع أيضًا L.Lyberg et al.، (Editors)، Survey Measurement and Process Quality، New York، Wiley، 1997.

            حزم البرامج الأخرى مثل Le Sphinx و CENVAR و CLUSTERS و Epi Info ونظام التقدير العام و Super CARP و Stata و SUDAAN و VPLX و WesVarPC و ORIRIS IV.

            قراءات أخرى:
            Bethel J. ، تخصيص العينات في المسوحات متعددة المتغيرات ، منهجية المسح, 15, 1989, 47-57.
            Valliant R. ، و J. Gentle ، تطبيق البرمجة الرياضية على مشكلة تخصيص عينة ، الإحصاء الحسابي وتحليل البيانات, 25, 1997, 337-360.

            ألفا كرونباخ (المعامل أ)

            ربما تكون أفضل طريقة لتصور ألفا كرونباخ هي التفكير في الأمر على أنه متوسط ​​كل مصداقية النصف المجزأة الممكنة لمجموعة من العناصر. الموثوقية النصفية المنقسمة هي ببساطة الموثوقية بين جزأين من الاختبار أو الأداة حيث يكون هذان الجزءان نصفي الجهاز الكلي. بشكل عام ، يجب زيادة مصداقية هذين النصفين (Spearman Brown Prophesy Formula) لتقدير موثوقية اختبار الطول الكامل بدلاً من الموثوقية بين اختبارات نصف الطول. إذا افترضنا ، لسهولة التفسير ، أن الاختبار يحتوي على عدد زوجي من العناصر (على سبيل المثال ، 10) ، فإن العناصر 1-5 مقابل 6-10 ستكون تقسيمًا واحدًا ، وستكون المساواة مقابل الاحتمالات أخرى ، وفي الواقع ، مع 10 عناصر تم اختيار 5 في كل مرة ، وهناك 10 مختارين 5 أو 252 نصفين مقسمين محتملين لهذا الاختبار. إذا قمنا بحساب كل من هذه المصداقات النصفية المتزايدة ، وحسبنا متوسطها جميعًا ، فسيكون هذا المتوسط ​​هو ألفا كرونباخ. نظرًا لأن بعض الانقسامات ستكون أفضل من غيرها من حيث إنشاء نصفين متوازيين بشكل وثيق ، ومن المحتمل أن تكون الموثوقية بين النصفين المتوازيين هي التقدير الأنسب لموثوقية الأداة ، غالبًا ما تُعتبر ألفا كرونباخ تقديرًا متحفظًا نسبيًا للتناسق الداخلي لـ اختبار.

            فيما يلي برنامج SAS لحساب معامل ألفا أو ألفا كرونباخ. لاحظ أنه خيار في إجراء PROC CORR. في SAS ، بالنسبة لمجموعة بيانات WORK المسماة ONE ، افترض أننا نريد الاتساق الداخلي أو معامل alpha أو Cronbach's alpha لـ x1-x10 ، الصيغة هي:

            هناك على الأقل ثلاثة محاذير مهمة يجب مراعاتها عند حساب معامل ألفا.

            ملاحظة 1: كيفية التعامل مع القيم "المفقودة". في اختبار الإنجاز ، يتم عادةً ترميز القيمة المفقودة أو القيمة التي لم يتم الوصول إليها على أنها 0 أو خطأ. إجراء CORR هو SAS لا يعامل المفقودين على أنه خطأ. ليس من الصعب كتابة الكود لفرض حدوث ذلك ، ولكن يجب علينا كتابة الكود. في المثال أعلاه يمكننا القيام بذلك على النحو التالي:

            ملاحظة 2: استخدام خيار NOMISS في إجراء CORR. هذا متعلق بالملاحظة 1 أعلاه. هناك طريقة أخرى للتعامل مع الملاحظات المفقودة وهي استخدام خيار NOMISS في إجراء CORR. بناء الجملة كما يلي:

            يتمثل تأثير ذلك في إزالة جميع العناصر X1-X10 من التحليل لأي سجل حيث يكون واحدًا على الأقل من هذه العناصر X1-X10 مفقودًا. من الواضح ، بالنسبة لاختبار الإنجاز ، خاصة بالنسبة للاختبارات السريعة ، حيث قد لا يُتوقع من معظم الفحوصات إكمال جميع العناصر ، ستكون هذه مشكلة. سيؤدي استخدام خيار NOMISS إلى قصر التحليل على المجموعة الفرعية من الفحوصات التي أكملت جميع العناصر ، وغالبًا ما لن يكون هذا هو المجتمع محل الاهتمام عند الرغبة في إنشاء تقدير موثوقية للتناسق الداخلي.

            قد يكون أحد الأساليب الشائعة لحل هذه المشكلة هو تحديد عدد من العناصر التي يجب محاولة تضمينها في السجل. تحتوي بعض مقاييس الحالة الصحية ، على سبيل المثال SF-36 ، على قواعد تسجيل تتطلب الإجابة على 50٪ على الأقل من العناصر للمقياس المراد تحديده. إذا تمت محاولة أقل من نصف العناصر ، فلن يتم تفسير المقياس. إذا تم اعتبار المقياس صالحًا ، وفقًا لتعريفهم ، فسيتم استبدال جميع القيم المفقودة على هذا المقياس بمتوسط ​​العناصر غير المفقودة على هذا المقياس. يتم تلخيص رمز SAS لتنفيذ خوارزمية التسجيل هذه أدناه على افتراض أن المقياس يحتوي على 10 عناصر.

            لاحظ أن استبدال جميع القيم المفقودة بمتوسط ​​القيم غير المفقودة في الحالات التي لا يكون فيها عدد القيم المفقودة أكبر من نصف العدد الإجمالي للعناصر سيؤدي إلى تضخم ألفا كرونباخ. تتمثل الطريقة الأفضل في إزالة سجلات الاعتبار حيث يتم إكمال أقل من 50٪ من السجلات وترك السجلات المتبقية سليمة ، مع بقاء القيم المفقودة فيها. وبعبارة أخرى ، لتنفيذ عبارة IF الأولى المذكورة أعلاه ، ولكن يجب حذفها شرط ELSE IF ثم تشغيل PROC CORR بدون خيار NOMISS. خلاصة القول: يجب النظر بعناية في خيار NOMISS في PROC CORR بشكل عام ، ومع خيارات ALPHA على وجه الخصوص.

            ملاحظة 3: التأكد من أن جميع العناصر في المجموعة مشفرة في نفس الاتجاه. على الرغم من أن الترميز 0/1 (خاطئ / صحيح) نادرًا ما يمثل مشكلة في هذا ، بالنسبة لمقاييس ليكرت أو غيرها من المقاييس التي تحتوي على أكثر من نقطتين على المقياس ، فليس من غير المألوف أن يظل المقياس ثابتًا (على سبيل المثال ، أوافق بشدة ، أوافق ، لا أوافق ، لا أوافق بشدة) ، ولكن من أجل صياغة الأسئلة لعكس التفسير المناسب للمقياس. على سبيل المثال،

            من الواضح أن السؤالين على نفس المقياس ، لكن معاني نهايتي النهايتين معاكستين.

            في SAS ، تتمثل طريقة ضبط هذه المشكلة في اختيار الاتجاه الذي نريد ترميز المقياس ، أي هل نريد أن يكون SA بيانًا إيجابيًا عن نظام الضمان الاجتماعي أم سلبيًا ، ثم عكس المقياس كانت هذه العناصر تعكس SA سلبًا (أو إيجابيًا) حول نظام الضمان الاجتماعي. في المثال أعلاه ، يعتبر SA لـ Q1 موقفًا سلبيًا بالنسبة إلى نظام الضمان الاجتماعي ، وبالتالي يجب تغيير الحجم العكسي إذا كان القرار هو القياس بحيث يشير SA إلى مواقف إيجابية.

            إذا كان ترميز مقياس ليكرت المكون من 4 نقاط هو SA-0 و A-1 و D-2 و SD-3 ، فسيتم عكس مقياس العنصر كما يلي:
            Q1 = 3-Q1 ، بهذه الطريقة يصبح 0 3-0 = 1 1 يصبح 3-1 = 2 2 يصبح 3-2 = 1 و 3 يصبح 3-3 = 0.

            إذا كان ترميز مقياس ليكرت المكون من 4 نقاط هو SA-1 و A-2 و D-3 و SD-4 ، فسيتم عكس مقياس العنصر كما يلي:
            Q1 = 5-Q1 ، بهذه الطريقة 1 يصبح 5-1 = 4 2 يصبح 5-2 = 3 3 يصبح 5-3 = 2 و 4 يصبح 5-4 = 1.

            من المثال السابق ، إذا كانت العناصر X1 و X3 و X5 و X7 و X9 بحاجة إلى تغيير مقياسها العكسي قبل حساب تقدير الاتساق الداخلي ، فإن كود SAS التالي سيؤدي المهمة ، بافتراض مقياس ليكرت المكون من 4 نقاط أعلاه بنتيجة 1-4.

            وتجدر الإشارة إلى أن بعض المخرجات من PROC CORR مع خيار ALPHA ، مثل ارتباط العنصر بالمجموع وتقدير الاتساق الداخلي للمقياس مع كل عنصر فردي وليس جزءًا من المقياس يوفر تشخيصات مفيدة للغاية يجب أن تنبيه الباحث إلى العناصر التي تعمل بشكل سيئ أو العناصر التي تم فقدها عند التفكير في القياس العكسي. عادةً ما يحتاج العنصر الذي يرتبط ارتباطًا سلبيًا بالمجموع إلى تغيير مقياسه أو تشكيله بشكل سيئ.

            قراءات أخرى:
            Feldt L. ، و R. Brennan ، الموثوقية ، في القياس التربوي، لين ر. (محرر) ، 105-146 ، 1989 ، شركة ماكميليان للنشر.

            الموثوقية Inter-Rater

            نادراً ما يتم حساب الموثوقية بين المقيمين بين المقابلات الاستقصائية لأن المحاورين المختلفين لا يعودون عادةً لطرح المستجيبين نفس الأسئلة ومجموعات المستجيبين الذين تمت مقابلتهم من قبل مختلف المحاورين لا يمكن مقارنتها دائمًا. خاصة في استطلاعات المقابلات الشخصية ، قد يتم تعيين المحاورين في مناطق مختلفة من مدينة أو منطقة تختلف اختلافًا كبيرًا من حيث التركيب. ومع ذلك ، يجب على مصممي الاستبيان أن يأخذوا في الاعتبار ما قد يؤدي إلى تباين عشوائي في أداء المحاورين قبل البدء في الدراسة القاحلة لتوحيد التدريب والإجراءات الميدانية لتقليل مصادر الاختلاف هذه قدر الإمكان.

            مراجع وقراءات أخرى:
            Aday L. ، تصميم وإجراء المسوحات الصحية: دليل شامل ، Jossey-Bass Publishers ، CA ، 1996.

            نظرية الاداة

            افترض أن عنصرين متطابقين ، أحدهما من البعد الذي يتم تقييمه ورفيقه ، الأهمية النسبية لذلك الموضوع ، يسمى "التكافؤ" ، يتم ضربهما بشكل عرضي ، ثم يتم إضافتهما عبر كل هذه الأزواج ، ثم مقسومة على عدد هذه الأزواج. يوفر هذا الإجراء درجة مرجحة ، مجموع العناصر المرجحة لكل منها بأهميتها النسبية. كلما ارتفع متوسط ​​الدرجة المرجحة ، زادت الأهمية العامة وتقييم الموضوع. لقد تم الإعجاب بهذه التقنية منذ أن تم النظر في مسألتين هنا ، مدى الرضا أو الاستعداد أو. . . شخص ما ، ومدى أهمية هذا الموضوع بالنسبة لهم. تم تطبيق هذا النهج على القضايا متعددة المتغيرات مثل العوامل التي تؤثر على مغادرة المنظمة ، والرضا الوظيفي ، والسلوك الإداري ، وما إلى ذلك.

            مراجع وقراءات أخرى:
            كورن ، جراوبارد ، تحليل المسوح الصحية ، وايلي ، 1999.

            أدوات مسح قياسات القيمة: مسح قيمة Rokeach

            لقد لاحظ علماء الأنثروبولوجيا تقليديًا سلوك أعضاء مجتمع معين واستدلوا من هذا السلوك على القيم السائدة أو الأساسية للمجتمع. ومع ذلك ، كان هناك تحول تدريجي في السنوات الأخيرة إلى قياس القيم مباشرة عن طريق البحث في استبيان المسح. يستخدم الباحثون أدوات جمع البيانات التي تسمى أدوات القيمة لسؤال الناس عن شعورهم تجاه المفاهيم الشخصية والاجتماعية الأساسية مثل الحرية والراحة والأمن القومي والسلام.

            لا يزال البحث في العلاقة بين قيم الناس وأفعالهم كمستهلكين في مهده. ومع ذلك ، فهو مجال من المقرر أن يحظى باهتمام متزايد ، لأنه يستفيد من بُعد واسع من السلوك البشري لا يمكن استكشافه بشكل فعال قبل توافر أدوات القيمة المعيارية.

            أداة قيمة شائعة تم استخدامها في دراسات سلوك المستهلك في استبيان قيمة Rokeach (RVS) . ينقسم مخزون القيمة المدار ذاتيًا إلى جزأين ، حيث يقيس كل جزء أنواعًا مختلفة ولكنها متكاملة من القيم الشخصية. يتكون الجزء الأول من ثمانية عشر عنصرًا من عناصر القيمة النهائية ، والتي تم تصميمها لقياس الأهمية النسبية لحالات الوجود النهائية (أي الأهداف الشخصية). يتكون الجزء الثاني من ثمانية عشر عنصرًا من عناصر القيمة الآلية ، والتي تقيس المقاربات الأساسية والتي قد يتخذها الفرد للوصول إلى قيم الحالة النهائية. هكذا، يتعامل النصف الأول من أداة القياس مع الغايات ، بينما يأخذ النصف الثاني في الاعتبار الوسائل .

            إذا لم تتم إعادة صياغة العناصر لتلائم تنسيق Likert بدلاً من ذلك ، يُطلب من المستجيبين الإشارة إلى درجة الأهمية الشخصية التي تحملها كل قيمة RVS ، من "غير مهم جدًا" إلى "مهم جدًا" ، ومن ثم يتم إعطاؤهم مقياس ليكرت القياسي التالي لكل قيمة RVS. تستخدم بعض التطبيقات ، على سبيل المثال ، مقياسًا مكونًا من 5 نقاط ثم تتميز بترتيب ترتيب لأعلى ثلاث قيم لـ RVS بعد أن تم تصنيف كل قائمة بالفعل ، لاستخدامها في تصحيح التراكم النهائي. من الواضح أنه في كثير من الحالات ، بشكل طفيف ، ولكن ليس بشكل كبير ، انخفاض موثوقية الاختبار - إعادة الاختبار بالنسبة لإجراء ليكرت مقابل إجراء ترتيب الترتيب.

            نظرًا لأن السبب الشائع لتفضيل استخدام RVS بتنسيق ليكرت هو القدرة على إجراء اختبارات إحصائية معيارية على البيانات ، فمن المفيد الإشارة إلى أن هناك حججًا جيدة لصالح استخدام الاختبارات الإحصائية المعيارية على بيانات RVS مع مقياس في تنسيقه الأصلي ، مرتبة ترتيب ، في ظل بعض الظروف.

            قراءات أخرى:
            Arsham H. ، تصميم الاستبيان وأخذ عينات المسوح ، SySurvey: أداة الاستبيان عبر الإنترنت, 2002.
            Braithwaite V. ، نموذج Beyond Rokeach للمساواة والحرية: قيم ثنائية الأبعاد في عالم أحادي البعد ، مجلة القضايا الاجتماعية , 50, 67-94, 1994.
            Boomsma A.، M. Van Duijn، and T. Snijders، (eds.)، Essays on Item Response Theory، Springer Verlag، 2000.
            Gibbins K. and I. Walker ، تفسيرات متعددة لمسح قيمة Rokeach ، مجلة علم النفس الاجتماعي, 133, 797-805, 1993.
            Sijtsma K.، and I. W. Molenaar ، مقدمة في نظرية الاستجابة للعناصر اللامعلمية ، Sage 2002. يوفر بديلاً لنظرية استجابة العنصر البارامترية ، وهي نظرية استجابة العنصر غير البارامترية (الترتيبية) ، مثل طريقة Mokken Scaling.

            خطر التصميم الخاطئ للمسح وتفسير النتائج

            • توخي الحذر الشديد في اختيار المعلومات التي تستند إليها حساباتهم.
            • لإجراء مثل هذه الاستقطاعات فقط التي تكون منطقية تمامًا.
            • من يقول هذا؟
            • لماذا قال ذلك؟
            • ما الذي يجنيه من قول ذلك؟
            • كيف يعرف؟
            • هل يمكن أن يكون يكذب؟
            • يجب أن تكون الأسئلة بسيطة
            • يجب أن تكون الأسئلة لا لبس فيها
            • أفضل أنواع الأسئلة هي تلك التي تسمح بتحديد إجابة مطبوعة مسبقًا
            • يجب أن يكون الاستبيان قصيرًا قدر الإمكان
            • يجب ألا تكون الأسئلة غير ذات صلة ولا تكون شخصية للغاية
            • لا ينبغي طرح الأسئلة الرائدة. "السؤال الرئيسي" هو السؤال الذي يقترح الإجابة ، على سبيل المثال السؤال - ألا توافق على أن جميع الأشخاص العقلاء يستخدمون صابون XYZ؟ يقترح الإجابة بـ "نعم"
            • يجب تصميم الاستبيان بحيث تقع الأسئلة في تسلسل منطقي. سيمكن هذا المستفتى من فهم الغرض منه ، ونتيجة لذلك يمكن تحسين جودة إجاباته.

            تم إطلاق هذا الموقع في 18/2/1994 م ، وتم مراجعة مواده الفكرية بشكل شامل على أساس سنوي. الإصدار الحالي هو الإصدار التاسع. يتم فحص جميع الروابط الخارجية مرة واحدة في الشهر.

            العودة إلى الصفحة الرئيسية للدكتور أرشام

            EOF: & # 211 1994-2015.


            مواصفات المحتوى

            1. الإحساس والإدراك (5 & - 7٪)
              1. الفيزياء النفسية ، كشف الإشارة
              2. انتباه
              3. التنظيم الإدراكي
              4. رؤية
              5. الاختبار
              6. حاسة التذوق
              7. الشم
              8. الجسد
              9. الحواس الدهليزية والحركية
              10. النظريات والتطبيقات والقضايا
              1. الخلايا العصبية
              2. الهياكل والعمليات الحسية
              3. الهياكل والوظائف الحركية
              4. الهياكل والعمليات المركزية
              5. الدافع ، الإثارة ، العاطفة
              6. علم الأعصاب الإدراكي
              7. المُعدِّلات العصبية والأدوية
              8. العوامل الهرمونية
              9. المقارن وعلم السلوك
              10. دول الوعي
              11. النظريات والتطبيقات والقضايا
              1. التعلم (3 & - 5٪)
                1. تكييف كلاسيكي
                2. التكييف الآلي
                3. التعلم القائم على الملاحظة والنمذجة
                4. النظريات والتطبيقات والقضايا
                1. الوحدات (الصوتيات ، الأشكال ، العبارات)
                2. بناء الجملة
                3. المعنى
                4. إدراك الكلام ومعالجته
                5. عمليات القراءة
                6. التواصل اللفظي وغير اللفظي
                7. ثنائية اللغة
                8. النظريات والتطبيقات والقضايا
                1. الذاكرة العاملة
                2. ذاكرة طويلة المدى
                3. أنواع الذاكرة
                4. أنظمة وعمليات الذاكرة
                5. النظريات والتطبيقات والقضايا
                1. التمثيل (التصنيف ، الصور ، المخططات ، النصوص)
                2. حل المشاكل
                3. عمليات الحكم واتخاذ القرار
                4. التخطيط وما وراء المعرفة
                5. الذكاء
                6. النظريات والتطبيقات والقضايا
                1. الإدراك الاجتماعي ، والإدراك ، والعزو ، والمعتقدات
                2. المواقف والسلوك
                3. المقارنة الاجتماعية ، الذات
                4. العاطفة والتأثير والتحفيز
                5. المطابقة والتأثير والإقناع
                6. الجاذبية الشخصية والعلاقات الوثيقة
                7. العمليات الجماعية والمشتركة بين المجموعات
                8. التأثيرات الثقافية أو الجنسانية
                9. علم النفس التطوري ، الإيثار ، والعدوان
                10. النظريات والتطبيقات والقضايا
                1. تغذية طبيعية
                2. المادية والحركية
                3. الإدراك والإدراك
                4. لغة
                5. التعلم والذكاء
                6. الاجتماعية والشخصية
                7. المشاعر
                8. التنشئة الاجتماعية والأسرية والثقافية
                9. النظريات والتطبيقات والقضايا
                1. الشخصية (3 & - 5٪)
                  1. نظريات
                  2. بنية
                  3. الشخصية والسلوك
                  4. التطبيقات والقضايا
                  1. الإجهاد ، الصراع ، التأقلم
                  2. أنظمة التشخيص
                  3. تقدير
                  4. أسباب وتطور الاضطرابات
                  5. العوامل العصبية
                  6. علاج الاضطرابات
                  7. علم الأوبئة
                  8. الوقاية
                  9. علم نفس الصحة
                  10. القضايا الثقافية أو الجنسانية
                  11. النظريات والتطبيقات والقضايا

                  السادس. القياس / المنهجية / أخرى (15 & ndash19٪)

                    1. عام (4 & - 6٪)
                      1. تاريخ
                      2. التنظيم الصناعي
                      3. تعليمي
                      1. القياسات النفسية ، اختبار البناء ، الموثوقية ، الصلاحية
                      2. تصاميم البحث
                      3. الإجراءات الإحصائية
                      4. المنهج العلمي وتقويم الأدلة
                      5. الأخلاق والقضايا القانونية
                      6. تحليل وتفسير النتائج

                      يتم توزيع الأسئلة التي تستند إليها النطاقات الفرعية في جميع أنحاء الاختبار ، ولا يتم وضعها جانبًا ويتم تصنيفها بشكل منفصل ، على الرغم من أن العديد من الأسئلة من منطقة محتوى واحدة قد تظهر بشكل متتالي.


                      كيف تكتب استبيان عظيم

                      أي مجموعة من الأسئلة ، مهما كانت شخصية أو عامة الموضوع ، هي استبيان.سواء كان الاستبيان الخاص بك قائمًا بذاته أو جزءًا من استطلاع ، للحصول على نتائج رائعة ، تحتاج إلى طرح أسئلة رائعة. راجع دليلنا لكتابة أسئلة الاستبيان مثل المحترفين لمزيد من المعلومات حول اختيار أسئلة رائعة لاستبيانك.

                      أيضًا ، أثناء كتابة الاستبيان ، ضع في اعتبارك طوله. مع زيادة عدد الأسئلة ، غالبًا ما ينخفض ​​معدل الإكمال. في إحدى الدراسات ، وجدنا أن الاستبيانات التي تحتوي على 40 سؤالًا لديها معدل استجابة أقل بنسبة 10٪ تقريبًا من الاستبيانات التي تحتوي على 10 أسئلة. يميل الأشخاص أيضًا إلى قضاء حوالي 10 دقائق في ملء الاستبيان ، بغض النظر عن طوله. هذا يعني أنك إذا طرحت عددًا أقل من الأسئلة ، فمن المرجح أن يقضي المستجيبون وقتًا أطول في كل سؤال.


                      يُطلب من المستجيبين الإشارة إلى ما إذا كانوا قد مروا بـ 21 حدثًا معينًا في الحياة و 3 أحداث اختيارية خلال الـ 12 شهرًا الماضية. أكثر غموضًا (على سبيل المثال ، التغيير في الموارد المالية ، الانتقال). & # 160 يتضمن المقياس أيضًا حدثًا إيجابيًا واحدًا (النجاح في المدرسة أو العمل). & # 160 يتبع الأحداث الغامضة عنصر توضيح حيث يبلغ المستجيبون عن مشاعرهم حول الحدث باستخدام مقياس تقييم مكون من 6 نقاط (انظر تحجيم).

                      يتم تقديم معظم العناصر بخيارات استجابة ثنائية التفرع (نعم / لا) و / أو قوائم مراجعة تتطلب من المشاركين الإشارة إلى ما إذا كان حدث ما قد وقع لأي فرد من عدة أفراد. & # 160 يتم تقديم مقياس التصنيف التالي مع السؤال التوضيحي الذي يلي العناصر التي تستفسر حول أحداث غامضة من حيث التكافؤ.

                      كيف تقيم مشاعرك حول هذا الحدث؟

                      1 = جيد جدًا ، 2 = جيد إلى حد ما ، 3 = جيد نوعًا ما ، 4 = سيئًا بعض الشيء ، 5 = سيئًا إلى حد ما ، 6 = سيء جدًا


                      هل تحليل السلوك التطبيقي مهنة جيدة؟

                      تتزايد الحاجة إلى خبرة ABA في جميع أنحاء البلاد مما يعني وجود فرص وظيفية وافرة في هذا المجال. وجد تقرير حديث من مجلس اعتماد محلل السلوك أن الطلب على الأفراد الحاصلين على شهادة BCBA أو BCBA-D قد زاد بنسبة 80٪. وبالمثل ، يمكن لمتخصصي ABA تحقيق رواتب مريحة أثناء مشاركتهم في عمل هادف. وفقًا لـ PayScale ، يكسب معالجو السلوك التطبيقي 60،900 دولارًا في المتوسط ​​سنويًا. يمكن لحاملي درجة ABA أيضًا تجربة رضا وظيفي قوي لأن حياتهم المهنية تساعد الأفراد الذين يستفيدون غالبًا من الدعم الإضافي.


                      لمحة عن استبيان الحالة المزاجية (POMS)

                      ثبت أن ممارسة الرياضة أو ممارسة الرياضة لها تأثير إيجابي على الحالة المزاجية. كيف يعرفون هذا؟ باستخدام أدوات مثل استبيان POMS، وهو اختبار نفسي معياري معتمد يستخدم في البحث لقياس الحالة المزاجية. تم تطوير أول استبيان موجز عن حالات الحالة المزاجية (POMS) في عام 1971 بواسطة دوغلاس إم ماكنير مع موريس لور وليو إف دروببلمان.

                      هناك عدة إصدارات من الاستبيان. حاليًا ، الأكثر استخدامًا هو POMS 2 ، وهو متاح للبالغين الذين تتراوح أعمارهم بين 18 عامًا وأكبر (POMS 2-A) وآخر للمراهقين من سن 13 إلى 17 عامًا (POMS 2-Y). تتوفر كل من أدوات POMS 2 كإصدارات كاملة الطول (65 عنصرًا) وإصدارات قصيرة (35 عنصرًا). تحتوي الاستبيانات على سلسلة من الكلمات / العبارات الوصفية التي تصف مشاعر الناس. الموضوعات تقرير ذاتي عن كل مجال من هذه المجالات باستخدام مقياس ليكرت المكون من 5 نقاط.


                      استنتاج

                      كما هو الحال مع كل مهمة ، يعد الإعداد أمرًا أساسيًا عندما ننظر إلى تحليل البيانات السلوكية. الإجابة على أسئلة محددة بوضوح ليس بالأمر الصعب. تكمن الحيلة الأكبر في التعريف ومعرفة ما هو مهم في البيانات ، حتى قبل النظر إليها.

                      طريقة التفكير هذه أمر مهم في جميع مراحل تصميم البحث ، من المبيعات إلى التنفيذ. عندما يقترب منك عميل محتمل بسؤال مثل "أريد أن أعرف ما يفعله الأشخاص عبر الإنترنت" ، يجب أن تكون هناك استجابة فورية لتحديد هذا السؤال بشكل أكبر ، لذا إذا كان بإمكانك تحديد طرق البحث الضرورية ، وأي الأشخاص يجب دعوتهم ، والمساعدة فريق البحث للتوصل إلى أسئلة بحثية يمكن تعريفها على أنها مفصلة حسب الضرورة.

                      إذا كنت بحاجة إلى إرشادات لإجراء بحث أو إذا كنت ترغب في مناقشة كيفية التعامل مع مشروع ما ، فما عليك سوى الاتصال بـ Wakoopa. ونحن سعداء للمساعدة!


                      الجامعيين

                      الهدف العام لقسم علم النفس هو تزويد الطلاب بخلفية واسعة في مختلف مستويات التحليل والأساليب المنهجية المستخدمة في دراسة السلوك ، وخاصة السلوك البشري ، وإعداد الطلاب للدراسات العليا في عدد من المجالات. يمكن للطلاب الحصول على تدريب بحثي ، والخبرة في مجموعة متنوعة من الإعدادات المجتمعية ، واختيار الدورة التدريبية المخصصة لتلبية أهداف الدراسات العليا طويلة الأجل. يمكن لشهادة علم النفس ، جنبًا إلى جنب مع الدورات المختارة من التخصصات الأخرى ، إعداد الطلاب للمهن التي تتفاعل مع الأشخاص من جميع الأعمار والخلفيات في مجموعة واسعة من المجالات.

                      يهدف المنهج الدراسي في علم النفس إلى تعزيز فهم المرء لعلم السلوك وللنفس والآخرين من حيث المفاهيم التي طورتها الدراسة. تمنح دورات البكالوريوس في علم النفس الطلاب فرصة لمعرفة ما أظهرته الأبحاث حول:

                      • كيف يتم تحفيز السلوك
                      • كيف يدرك الناس ويتعلمون ويفكرون
                      • كيف يختلف الأفراد عن بعضهم البعض
                      • كيف تتطور الشخصية من الطفولة إلى النضج ويتم التعبير عنها بالسلوك
                      • كيف تؤثر العوامل الشخصية على العلاقات الإنسانية في المنزل وفي الوظيفة وفي المجتمع

                      رشح د. شيلي شراير من قبل طلاب علم النفس لجائزة التفاحة الذهبية

                      ألقت الدكتورة شيلي شرير محاضرتها & quotlast & quot في قاعة Rackham Auditorium في 4 أبريل 2013. جائزة Golden Apple هي واحدة من جوائز التدريس المرموقة بالجامعة وهي الجائزة الوحيدة التي اختارها الطلاب للتميز في التدريس. تم ترشيح الدكتورة شرير من قبل العديد من الطلاب المسجلين في دوراتها التمهيدية في علم النفس والتنمية الاجتماعية.


                      فيما يلي مثال على تحليل نقدي قصير لقصيدة بعنوان & # x201CXL ، & # x201D كتبها A.E. Housman. طولها القصير مناسب لقصيدة قصيرة نسبيًا تتكون من مقطعين وثمانية أسطر. يمكن أن تساعدك قراءة هذا المثال من التحليل النقدي في تعلم أفضل تنسيق وأساليب مقنعة لتحليلاتك الخاصة.

                      & # x201CA.E. ينعكس Housman باعتزاز على الماضي في قصيدته & # x2018A Shropshire Lad XL. & apos يستخدم لغة حسية وصورًا مثيرة للذكريات لإعطاء القصيدة إحساسًا رومانسيًا بالحنين إلى الماضي. يمكن أن تلقى هذه القصيدة صدى لدى القراء الذين يتوقون أيضًا إلى الماضي ، إذا تمكنوا من فهمه.

                      & # x2018A Shropshire Lad XL & apos هي قصيدة قصيرة نسبيًا ، تحتوي على مقطعين فقط ، ومع ذلك ، سرعان ما أسس Housman إحساسًا بالشوق. يجذب قرائه من خلال طرح سؤال غني بالصور في المقطع الأول ، & # x2018 ما هي تلك التلال الزرقاء التي تم تذكرها / ما هي الأبراج ، وما هي المزارع؟ الإشارات إلى & # x2018lost content & apos ، والطرق السريعة السعيدة التي ذهبت إليها. & apos ؛ لغة حسية مثل & # x2018blows & apos و & # x2018shining & apos تعطي قصيدته لحظة تهدف إلى تعميق شعور القراء بالاتصال.

                      ومع ذلك ، قد يكون من الصعب على القراء المعاصرين فهم هذه القصيدة التي نُشرت في أواخر القرن التاسع عشر وتقديرها. في حين أن عبارات مثل & # x2018an air الذي يقتل ، & apos التي تشير إلى لحن ، و # x2018yon far country & apos تحتوي على كلمات قصيرة ، إلا أنها قديمة وفقًا لمعايير اليوم و aposs. حتى لو تم فهمها ، فقد لا يكون لها صدى عميق لدى القارئ مثل الكلمات الأكثر حداثة. قد يكون من الصعب رؤية أي أدب تاريخي من خلال عدسة حديثة ، حيث لا يمكن للكتاب التاريخيين توقع المجتمع المعاصر. ومع ذلك ، فإن هذا لا يبطل العلاقة البعيدة التي قد تربط القراء المعاصرين بهذه القصيدة اليوم.

                      & # x2018A Shropshire Lad XL & apos هي ذكريات رومانسية عن الحياة الريفية الشاعرية التي تمتع بها الشاعر عندما كان صبيًا. من المحتمل أن يكون موضوعها الحنين إلى الماضي صدى لدى الجمهور الحديث تمامًا كما كان الحال في الماضي ، لكن لغتها قد تكون عائقًا كبيرًا أمام التقدير الكامل لهذه القصيدة التاريخية. & # x201D


                      ملخص

                      من المهم أن يعرف الباحث مفاهيم الأساليب الإحصائية الأساسية المستخدمة لإجراء دراسة بحثية. سيساعد هذا في إجراء دراسة جيدة التصميم تؤدي إلى نتائج صحيحة وموثوقة. قد يؤدي الاستخدام غير المناسب للتقنيات الإحصائية إلى استنتاجات خاطئة ، والتسبب في الأخطاء وتقويض أهمية المقال. قد تؤدي الإحصائيات السيئة إلى بحث سيئ ، وقد يؤدي البحث السيئ إلى ممارسة غير أخلاقية. ومن ثم ، فإن المعرفة الكافية بالإحصاءات والاستخدام المناسب للاختبارات الإحصائية أمران مهمان. إن المعرفة المناسبة حول الأساليب الإحصائية الأساسية ستقطع شوطًا طويلاً في تحسين تصميمات البحث وإنتاج أبحاث طبية عالية الجودة يمكن استخدامها لصياغة المبادئ التوجيهية القائمة على الأدلة.


                      طول الاستبيان لتحليل السلسلة الطويلة - علم النفس

                      تصميم الاستبيان والمسوحات تصميم الاستبيان و
                      أخذ العينات من الاستطلاعات

                      موقع الولايات المتحدة الأمريكية

                      تستهدف محتويات هذا الموقع الطلاب الذين يحتاجون إلى إجراء تحليلات إحصائية أساسية على البيانات المأخوذة من استطلاعات العينة ، لا سيما تلك الموجودة في علوم التسويق. من المتوقع أن يكون لدى الطلاب معرفة أساسية بالإحصاء ، مثل الإحصاء الوصفي ومفهوم اختبار الفرضيات.

                      مقدمة

                      الفكرة الرئيسية للاستدلال الإحصائي هي أخذ عينة عشوائية من السكان ثم استخدام المعلومات من العينة لعمل استنتاجات حول خصائص معينة للسكان مثل المتوسط ​​(قياس الاتجاه المركزي) والانحراف المعياري (قياس الانتشار) أو نسبة الوحدات السكانية التي لها خاصية معينة. أخذ العينات يوفر المال والوقت والجهد. بالإضافة إلى ذلك ، يمكن للعينة ، في بعض الحالات ، أن توفر قدرًا كبيرًا من المعلومات مثل الدراسة المقابلة التي من شأنها أن تحاول التحقيق في مجموعة كاملة من البيانات من عينة سكانية ، والتي غالبًا ما توفر معلومات أفضل من دراسة أقل حذراً تحاول النظر في كل شيء .

                      يجب علينا دراسة سلوك متوسط ​​قيم العينة من مجموعات سكانية محددة مختلفة. نظرًا لأن العينة تفحص جزءًا فقط من السكان ، فلن يساوي متوسط ​​العينة تمامًا المتوسط ​​المقابل للسكان. وبالتالي ، فإن أحد الاعتبارات المهمة لأولئك الذين يخططون ويفسرون نتائج أخذ العينات ، هو الدرجة التي تتفق بها تقديرات العينة ، مثل متوسط ​​العينة ، مع خاصية السكان المقابلة.

                      من الناحية العملية ، يتم أخذ عينة واحدة فقط (في بعض الحالات مثل "تحليل بيانات المسح" ، يتم استخدام "عينة تجريبية" صغيرة لاختبار آليات جمع البيانات والحصول على معلومات أولية لتخطيط مخطط أخذ العينات الرئيسي). ومع ذلك ، ولأغراض فهم الدرجة التي ستتفق عندها وسائل العينة مع المتوسط ​​السكاني المقابل ، من المفيد النظر في ما سيحدث إذا أجريت 10 أو 50 أو 100 دراسة منفصلة لأخذ العينات من نفس النوع. ما مدى اتساق النتائج عبر هذه الدراسات المختلفة؟ إذا استطعنا أن نرى أن النتائج من كل عينة ستكون متطابقة تقريبًا (وصحيحة تقريبًا!) ، فسنكون على ثقة في العينة الوحيدة التي سيتم استخدامها بالفعل. من ناحية أخرى ، فإن رؤية أن الإجابات من العينات المتكررة كانت متغيرة للغاية بالنسبة للدقة المطلوبة تشير إلى ضرورة استخدام خطة أخذ عينات مختلفة (ربما مع حجم عينة أكبر).

                      يتم استخدام توزيع العينات لوصف توزيع النتائج التي يمكن للمرء أن يلاحظها من تكرار خطة أخذ عينات معينة.

                      اعلم أن التقديرات المحسوبة من عينة ستكون مختلفة عن التقديرات التي سيتم حسابها من عينة أخرى.

                      افهم أنه من المتوقع أن تختلف التقديرات عن خصائص السكان (المعلمات) التي نحاول تقديرها ، لكن خصائص توزيعات العينات تسمح لنا بتحديد كيفية اختلافها ، احتماليًا.

                      افهم أن الإحصائيات المختلفة لها توزيعات مختلفة للعينات مع أشكال توزيع تعتمد على (أ) الإحصاء المحدد ، (ب) حجم العينة ، (ج) التوزيع الأصلي.

                      فهم العلاقة بين حجم العينة وتوزيع تقديرات العينة.

                      افهم أنه يمكن تقليل التباين في توزيع العينات عن طريق زيادة حجم العينة.

                      انظر إلى أنه في العينات الكبيرة ، يمكن تقريب العديد من توزيعات العينات بالتوزيع الطبيعي.

                      التباين والانحراف المعياري

                      الانحرافات حول متوسط ​​السكان هي الأساس لمعظم الاختبارات الإحصائية التي سنتعلمها. نظرًا لأننا نقيس مدى انتشار مجموعة من الدرجات حول المتوسط ​​الذي نقوم بقياس التباين فيه. يمكننا حساب الانحرافات حول المتوسط ​​، والتعبير عنها في صورة تباين أو انحراف معياري. من المهم جدًا أن يكون لديك فهم راسخ لهذا المفهوم لأنه سيكون مفهومًا مركزيًا طوال الدورة التدريبية.

                      يقيس كل من التباين والانحراف المعياري التباين داخل التوزيع. الانحراف المعياري هو رقم يشير إلى مدى انحراف كل من القيم الموجودة في التوزيع ، في المتوسط ​​، عن متوسط ​​(أو مركز) التوزيع. ضع في اعتبارك أن التباين يقيس نفس الشيء مثل الانحراف المعياري (تشتت الدرجات في التوزيع). ومع ذلك ، فإن التباين هو متوسط ​​الانحرافات التربيعية حول المتوسط. وبالتالي ، فإن التباين هو مربع الانحراف المعياري.

                      من حيث جودة السلع / الخدمات ، من المهم معرفة أن الاختلاف العالي يعني انخفاض الجودة. قياس حجم التباين ومصدره هو عمل الإحصائي ، بينما تحديده هو عمل المهندس أو المدير. المنتجات والخدمات عالية الجودة لها تنوع منخفض.

                      ما هي فترة الثقة؟

                      في الممارسة العملية ، يتم استخدام فاصل الثقة للتعبير عن عدم اليقين في الكمية التي يتم تقديرها. هناك عدم يقين لأن الاستدلالات تستند إلى عينة عشوائية ذات حجم محدود من مجتمع أو عملية ذات أهمية. للحكم على الإجراء الإحصائي ، يمكننا أن نسأل ماذا سيحدث إذا كررنا نفس الدراسة ، مرارًا وتكرارًا ، للحصول على بيانات مختلفة (وبالتالي فترات ثقة مختلفة) في كل مرة.

                      اعلم أن فاصل الثقة المحسوب من عينة واحدة سيكون مختلفًا عن فاصل الثقة المحسوب من عينة أخرى.

                      فهم العلاقة بين حجم العينة وعرض فاصل الثقة.

                      اعلم أنه في بعض الأحيان لا يحتوي فاصل الثقة المحسوب على متوسط ​​القيمة الحقيقية (أي أنه غير صحيح) وافهم كيف يرتبط معدل التغطية هذا بمستوى الثقة.

                      تصميم الاستبيان وإدارة الاستطلاعات

                      • المقابلات وجها لوجه
                        المسوحات البريدية
                      • الاستطلاعات الهاتفية
                      • الملاحظة المباشرة.
                      • إنترنت

                      قيم مفقودة في موضوع حساس

                      1. اشرح للمجيب أسباب طرح الأسئلة ،
                      2. اجعل فئات الاستجابة واسعة قدر الإمكان.
                      3. صِغ السؤال بأسلوب غير قضائي يتجنب ظهور اللوم ، أو ، إن أمكن ، يجعل السلوك المعني يبدو مقبولًا اجتماعيًا.
                      4. تقديم الطلب باعتباره مسألة واقعية بقدر الإمكان.
                      5. ضمان السرية أو عدم الكشف عن هويته
                      6. تأكد من أن المستفتى يعلم أن المعلومات لن تستخدم بأي طريقة مهددة.
                      7. شرح كيف سيتم التعامل مع المعلومات
                      8. تجنب التصنيف المتقاطع الذي سيسمح بتحديد الردود بدقة.

                      مصدر الأخطاء

                      1. استخدام إطار غير ملائم.
                      2. استبيان سيء التصميم.
                      3. أخطاء التسجيل والقياس.
                      4. مشاكل عدم الاستجابة.

                      تقنيات أخذ العينات العامة

                      من الطعام الذي تأكله إلى التلفزيون الذي تشاهده ، من الانتخابات السياسية إلى إجراءات مجلس المدرسة ، يتم تنظيم جزء كبير من حياتك من خلال نتائج استطلاعات الرأي. في عصر المعلومات اليوم وغدًا ، من المهم بشكل متزايد أن يتم فهم تصميم وتحليل عينة المسح من قبل الكثيرين لإنتاج بيانات جيدة لصنع القرار والتعرف على البيانات المشكوك فيها عند ظهورها. الموضوعات ذات الصلة هي: أخذ العينات العشوائية البسيطة ، أخذ العينات العشوائية الطبقية ، أخذ العينات العنقودية ، أخذ العينات المنتظم ، تقدير النسبة والانحدار ، تقدير حجم السكان ، أخذ عينات من تسلسل الوقت ، المساحة أو الحجم ، تصميم الاستبيان ، الأخطاء في الاستطلاعات.

                      العينة هي مجموعة من الوحدات المختارة من مجموعة أكبر (السكان). من خلال دراسة العينة ، من المأمول استخلاص استنتاجات صحيحة حول المجموعة الأكبر.

                      يتم اختيار عينة بشكل عام للدراسة لأن عدد السكان أكبر من أن يدرس بالكامل. يجب أن تكون العينة ممثلة لعامة السكان. وأفضل طريقة لتحقيق ذلك هي أخذ العينات العشوائية. أيضًا ، قبل جمع العينة ، من المهم أن يقوم الباحث بتعريف المجتمع بدقة وبشكل كامل ، بما في ذلك وصف الأعضاء المراد تضمينهم.

                      أخذ العينات العشوائية: أخذ عينات عشوائية بحجم n من حجم مجتمع N. تقدير غير متحيز للتباين هو Var () = S 2 (1-n / N) / n ، حيث n / N هو جزء العينة. بالنسبة لجزء أخذ العينات الذي يقل عن 10٪ ، يكون عامل تصحيح المجتمع المحدود (N-n) / (N-1) تقريبًا 1.

                      يقدر إجمالي T بواسطة N ، وتباينه هو N 2 Var ().

                      بالنسبة لمتغيرات النوع 0 ، 1 (الثنائي) ، يكون التباين في النسبة المقدرة p هو:

                      S 2 = p. (1-p). (1-n / N) / (n-1).

                      بالنسبة للنسبة r = S x أنا / ص ذ أنا = / ، الاختلاف لـ r هو

                      [(ن - ن) (ص 2 ق 2 x + ق 2 ذ -2 r Cov (x، y)] / [n (N-1). 2].

                      اخذ العينات الطبقية: يمكن استخدام أخذ العينات الطبقي عندما يمكن تقسيم السكان إلى مجموعات فرعية أصغر ، كل منها متجانسة وفقًا للخاصية الخاصة محل الاهتمام.

                      س = S W ر . بكسار ر ، أكثر من t = 1 ، 2 ، ..L (طبقات) ، و ر هو S X هو - هير .

                      تباينها هو:

                      جنوب غرب 2 ر /(ن رر ) ق 2 ر /[ن رر -1)]

                      يقدر إجمالي السكان T بواسطة N. س ، تباينها هو

                      S N 2 ررر ) ق 2 ر /[ن رر -1)].

                      نظرًا لأن المسح يقيس عادةً العديد من السمات لكل فرد من السكان ، فمن المستحيل العثور على تخصيص مثالي في نفس الوقت لكل من هذه المتغيرات. لذلك ، في مثل هذه الحالة ، نستخدم الطريقة الشائعة للتخصيص والتي تستخدم نفس جزء العينة في كل طبقة. هذا التوزيع الأمثل العائد بالنظر إلى تباين الطبقات كلها متشابهة.

                      تحديد أحجام العينة (ن) فيما يتعلق بالبيانات الثنائية: أصغر عدد صحيح أكبر من أو يساوي:

                      [t 2 N p (1-p)] / [t 2 p (1-p) + a 2 (N-1)]

                      مع N هو حجم العدد الإجمالي للحالات ، n هو حجم العينة ، والخطأ المتوقع ، و t هي القيمة المأخوذة من توزيع t المقابل لفاصل ثقة معين ، و p هو احتمال وقوع حدث.

                      أخذ العينات المقطعية: دراسة مقطعية - مراقبة مجموعة محددة من السكان في نقطة واحدة في الوقت أو الفاصل الزمني. يتم تحديد التعرض والنتيجة في وقت واحد.

                      أخذ عينات الحصص: أخذ عينات الحصص هو أخذ عينات التوافر ، ولكن مع وجود قيود على الحفاظ على التناسب حسب الطبقات.وبالتالي سيُطلب من القائم بإجراء المقابلة إجراء مقابلات مع العديد من المدخنين الذكور البيض ، والكثير من غير المدخنات من السود ، وما إلى ذلك ، لتحسين مستوى ممثلي العينة. أخذ عينات التباين الأقصى هو متغير لأخذ عينات الحصص ، حيث يحاول الباحث بشكل مقصود وغير عشوائي اختيار مجموعة من الحالات ، والتي تظهر اختلافات قصوى في المتغيرات ذات الأهمية. تشمل الاختلافات الأخرى أخذ عينات الحالة المتطرفة أو المنحرفة أو أخذ عينات الحالة النموذجية.

                      ما هي الأداة الإحصائية؟ الأداة الإحصائية هي أي عملية تهدف إلى وصف ظاهرة باستخدام أي أداة أو جهاز ، ومع ذلك يمكن استخدام النتائج كأداة تحكم. من أمثلة الأدوات الإحصائية الاستبيانات وأخذ عينات المسوحات.

                      ما هي تقنية أخذ العينات؟ أسلوب أخذ العينات هو أخذ عينة صغيرة نسبيًا خلال فترة زمنية قصيرة جدًا ، وعادة ما تكون النتيجة التي يتم الحصول عليها فورية. ومع ذلك ، فإن العينة السلبية هي تقنية يتم فيها استخدام جهاز أخذ العينات لفترة طويلة في ظل ظروف مماثلة. اعتمادًا على التحقيق الإحصائي المرغوب فيه ، قد يكون أخذ العينات السلبية بديلاً مفيدًا أو حتى أكثر ملاءمة من أخذ العينات. ومع ذلك ، يجب تطوير تقنية أخذ العينات السلبية واختبارها في الميدان.

                      قراءة متعمقة:
                      Thompson S.، Sampling، Wiley، 2002.

                      ما هو هامش الخطأ

                      التقدير هو العملية التي يتم من خلالها استخدام بيانات العينة للإشارة إلى قيمة كمية غير معروفة في المجتمع.

                      يمكن التعبير عن نتائج التقدير كقيمة واحدة تُعرف بتقدير النقطة ، أو مجموعة من القيم ، يشار إليها باسم فاصل الثقة.

                      عندما نستخدم تقدير النقاط ، نحسب هامش الخطأ المرتبط بتقدير النقطة. على سبيل المثال لتقدير نسبة السكان ، عن طريق نسبة العينة (P) ، يتم حساب هامش الأخطاء غالبًا على النحو التالي:

                      1.96 [P (1-P) / ن] 1/2

                      في الصحف والتقارير التلفزيونية حول تجمعات الرأي العام ، غالبًا ما يظهر هامش الخطأ بخط صغير أسفل الجدول أو الشاشة ، على التوالي. ومع ذلك ، فإن الإبلاغ عن مقدار الخطأ فقط ، ليس بالمعلومات الكافية بحد ذاته ، ما ينقص هو درجة الثقة في النتائج. الجزء الأكثر أهمية من المعلومات المفقودة هو حجم العينة n. أي ، كم عدد الأشخاص الذين شاركوا في الاستطلاع ، 100 أو 100000؟ الآن ، أنت تعرف جيدًا أنه كلما كان حجم العينة أكبر ، كانت النتيجة أكثر دقة ، أليس كذلك؟

                      هامش الخطأ المبلغ عنه هو هامش "خطأ أخذ العينات". هناك العديد من أخطاء عدم أخذ العينات التي يمكن أن تؤثر بالفعل على دقة استطلاعات الرأي. هنا نتحدث عن خطأ في أخذ العينات. حقيقة أن المجموعات الفرعية لديها خطأ أكبر في أخذ العينات من أي شخص يجب أن تتضمن البيان التالي: "تشمل مصادر الخطأ الأخرى ، على سبيل المثال لا الحصر ، الأفراد الذين يرفضون المشاركة في المقابلة وعدم القدرة على الاتصال بالرقم المختار. يتم بذل كل جهد ممكن من أجل الحصول على استجابة وتقليل الخطأ ، ولكن على القارئ (أو المشاهد) أن يدرك أن بعض الأخطاء متأصلة في جميع الأبحاث ".

                      إذا كان لديك سؤال بنعم / لا في أحد الاستطلاعات ، فربما تريد حساب نسبة P من نعم (أو لا). في إطار المسح العشوائي البسيط لأخذ العينات ، يكون تباين P هو P (1-P) / n ، متجاهلاً تصحيح السكان المحدود ، بالنسبة لـ n الكبيرة ، لنقل أكثر من 30. الآن فاصل الثقة 95٪ هو

                      P - 1.96 [P (1-P) / n] 1/2، P + 1.96 [P (1-P) / n] 1/2.

                      يمكن حساب الفاصل الزمني المتحفظ ، لأن P (1-P) تأخذ أقصى قيمة لها عندما P = 1/2. استبدل 1.96 بـ 2 ، ضع P = 1/2 ولديك فاصل ثقة تقريبي 95٪ 1 / n 1/2. يعمل هذا التقريب جيدًا طالما أن P ليست قريبة جدًا من 0 أو 1. يتيح لك هذا التقريب المفيد حساب فترات ثقة تقريبية 95٪.

                      مراجع وقراءات أخرى:
                      Casella G. و R. Berger ، الاستدلال الإحصائي ، Wadsworth Pub. شركة ، 2001.
                      Kish L.، Survey Sampling، Wiley، 1995.
                      Lehmann E.، and G. Casella، Theory of Point Estimation، Springer Verlag، New York، 1998.
                      Levy P.، and S. Lemeshow، Sampling of Population: Methods and Applications، Wiley، 1999.

                      تحديد حجم العينة

                      تبرز مسألة حجم العينة التي يجب أخذها في وقت مبكر من التخطيط لأي مسح. هذا سؤال مهم يجب التعامل معه باستخفاف. إن أخذ عينة كبيرة مما هو مطلوب لتحقيق النتائج المرجوة هو إهدار للموارد بينما العينات الصغيرة جدًا غالبًا ما تؤدي إلى عدم استخدام عملي لاتخاذ قرار جيد. الهدف الرئيسي هو الحصول على كل من الدقة المرغوبة ومستوى الثقة المرغوب فيه بأقل تكلفة.

                      العينة التجريبية: يجب أخذ عينة تجريبية أو أولية من السكان واستخدام الإحصائيات المحسوبة من هذه العينة في تحديد حجم العينة. يمكن حساب الملاحظات المستخدمة في العينة التجريبية كجزء من العينة النهائية ، بحيث يكون حجم العينة المحسوبة مطروحًا منه حجم العينة التجريبية هو عدد الملاحظات اللازمة لتلبية متطلبات حجم العينة الإجمالي.

                      يسألني الناس أحيانًا ، ما هي نسبة السكان التي تحتاجها؟ أجبت ، "يتم تحديد الدقة غير ذات الصلة من خلال حجم العينة وحده" يجب تعديل هذه الإجابة إذا كانت العينة تمثل جزءًا كبيرًا من السكان.

                      بالنسبة للعنصر الذي حصل على نقاط 0/1 مقابل لا / نعم ، يُعطى الانحراف المعياري لدرجات العنصر بواسطة SD = [p (1-p) / N] 1/2 حيث p هي النسبة التي تحصل على درجة 1 و N هو حجم العينة.

                      يتم إعطاء الخطأ القياسي لتقدير SE (الانحراف المعياري لنطاق قيم p المحتملة بناءً على تقدير العينة التجريبية) بواسطة SE = SD / N ... وبالتالي ، تكون SE بحد أقصى عندما تكون p = 0.5. وبالتالي فإن السيناريو الأسوأ يحدث عندما يوافق 50٪ ويعارض 50٪.

                      يمكن بعد ذلك التعبير عن حجم العينة ، N ، على أنه أكبر عدد صحيح أقل من أو يساوي 0.25 / SE 2

                      وبالتالي ، لكي تكون SE 0.01 (أي 1٪) ، ستكون هناك حاجة إلى حجم عينة 2500 2٪ ، 625 3٪ ، 278 4٪ ، 156 ، 5٪ ، 100.

                      لاحظ ، بالمناسبة ، أنه طالما أن العينة تمثل جزءًا صغيرًا من إجمالي السكان ، فإن الحجم الفعلي للسكان غير ذي صلة تمامًا لأغراض هذا الحساب.

                      أحجام العينات فيما يتعلق بالبيانات الثنائية:

                      ن = [t 2 N p (1-p)] / [t 2 p (1-p) + a 2 (N-1)]

                      مع N هو حجم العدد الإجمالي للحالات ، n هو حجم العينة ، والخطأ المتوقع ، و t هي القيمة المأخوذة من توزيع t المقابل لفاصل ثقة معين ، و p هو احتمال وقوع حدث.

                      بالنسبة لمجموعة محدودة من الحجم N ، فإن الخطأ القياسي لمتوسط ​​العينة للحجم n ، هو:

                      s [(N -n) / (nN)]

                      هناك العديد من الصيغ لحجم العينة المطلوب لاختبار T. أبسط واحد هو

                      ن = 2 (Z أ + Z ب) 2 ثانية 2 / د 2

                      التي تقلل من حجم العينة ، ولكنها معقولة بالنسبة لأحجام العينات الكبيرة. تستبدل الصيغة الأقل دقة قيم Z بقيم t ، وتتطلب التكرار ، لأن df لتوزيع t يعتمد على حجم العينة. تستخدم الصيغة الدقيقة توزيع t غير مركزي وتتطلب أيضًا التكرار.

                      أبسط تقدير تقريبي هو استبدال القيمة Z الأولى في الصيغة أعلاه بالقيمة من إحصائية النطاق الطلابي المستخدمة لاشتقاق اختبار متابعة Tukey. إذا لم يكن لديك جداول مفصلة بشكل كافٍ عن النطاق الطلابي ، فيمكنك تقريب اختبار متابعة Tukey باستخدام تصحيح Bonferroni. أي ، قم بتغيير قيمة Z الأولى إلى Z. أ حيث k هو عدد المقارنات.

                      لا يعتبر أي من هذين الحلين دقيقًا والحل الدقيق فوضوي بعض الشيء. ولكن من المحتمل أن يكون أي من النهجين أعلاه قريبًا بدرجة كافية ، خاصةً إذا كان حجم العينة الناتج أكبر من (على سبيل المثال) 30.

                      قاعدة التوقف الأفضل للاختبارات الإحصائية التقليدية هي كما يلي:
                      اختبر عددًا أدنى (محدد مسبقًا) من الموضوعات.
                      توقف إذا كانت قيمة p تساوي أو أقل من .01 ، أو قيمة p تساوي أو أكبر من .36 وإلا ، قم بتشغيل المزيد من الموضوعات.

                      من الواضح أن هناك خيارًا آخر يتمثل في التوقف إذا / عندما يصبح عدد الموضوعات أكبر من أن يكون التأثير ذا أهمية عملية. هذا الإجراء يحافظ على حوالي 0.05.

                      قد نصنف نسبة الاحتمالية لأخذ عينات الحجم (PPS) ، والتقسيم الطبقي ، وتقدير النسبة (أو أي شكل آخر من أشكال التقدير بمساعدة النموذج) كأدوات تحمي المرء من نتائج عينة غير محظوظة للغاية. يقوم أول اثنان (أخذ عينات PPS والتقسيم الطبقي) بذلك عن طريق التلاعب بخطة أخذ العينات (مع أخذ عينات PPS من الناحية المفاهيمية حالة محدودة من التقسيم الطبقي). طرق التقدير بمساعدة النموذج مثل تقدير النسبة تخدم نفس الغرض من خلال إدخال المعلومات المساعدة في إجراء التقدير. تعتمد الأدوات المفضلة ، كما قال آخرون ، على التكاليف ، وتوافر المعلومات التي تسمح باستخدام هذه الأدوات ، والمكاسب المحتملة (لن يساعد أي من هذه الأدوات كثيرًا إذا كان متغير التقسيم الطبقي / PPS / النسبة غير مرتبط بشكل جيد مع متغير الاستجابة للفائدة).

                      هناك أيضًا طرق إرشادية لتحديد حجم العينة. على سبيل المثال ، في سلوك الرعاية الصحية ومعايير أخذ عينات قياس العملية مصممة لـ 95٪ CI من 10 نقاط مئوية حول متوسط ​​عدد السكان 0.50 هناك قاعدة إرشادية: "إذا كان عدد الأفراد في المجموعة المستهدفة أقل من 50 في الشهر ، لا تستخدم الأنظمة إجراءات أخذ العينات ، ولكنها تحاول جمع البيانات من جميع الأفراد في المجموعة المستهدفة ".

                      قراءات أخرى:
                      غولدشتاين هـ. ، نماذج إحصائية متعددة المستويات ، مطبعة هالستيد ، 1995.
                      كيش ر ، ج كالتون ، س.هيرينجا ، سي أومويرشيرتاي ، وجيه ليبكوفسكي ، أوراق مجمعة من ليزلي كيش ، وايلي ، 2002.
                      Kish L.، Survey Sampling، Wiley، 1995.

                      النسبة المئوية: التقدير والاختبار

                      1. تجاهل القيمة المطالب بها في فرضية العدم ، في الوقت الحالي.
                      2. أنشئ فاصل ثقة بنسبة 100 (1- أ)٪ بناءً على البيانات المتاحة.
                      3. إذا لم يحتوي CI المُنشأ على القيمة المطالب بها ، فهناك أدلة كافية لرفض فرضية العدم. خلاف ذلك ، لا يوجد سبب لرفض فرضية العدم.

                        حجم العينة بالدقة المطلقة المقبولة: يعرض ما يلي الطريقة المستخدمة على نطاق واسع لتحديد حجم العينة المطلوب لتقدير متوسط ​​أو نسبة السكان.

                        لنفترض أننا نريد فترة تمتد d على جانبي المقدّر. يمكننا الكتابة

                        د = الدقة المطلقة = (معامل الموثوقية) (الخطأ المعياري) = Z a / 2. (S / n 1/2)

                        قد ترغب في استخدام التطبيق الصغير لتحديد حجم العينة للتحقق من حساباتك.

                      نماذج إحصائية متعددة المستويات

                      العديد من أنواع البيانات ، بما في ذلك بيانات الرصد التي تم جمعها في العلوم البشرية والبيولوجية ، لها هيكل هرمي أو متجمع. على سبيل المثال ، تتعامل الدراسات الحيوانية والإنسانية عن الميراث مع التسلسل الهرمي الطبيعي حيث يتم تجميع النسل داخل العائلات. يميل النسل من نفس الوالدين إلى أن يكونوا أكثر تشابهًا في خصائصهم الجسدية والعقلية من الأفراد الذين يتم اختيارهم عشوائيًا من السكان عمومًا.

                      تقوم العديد من التجارب المصممة أيضًا بإنشاء تسلسل هرمي للبيانات ، على سبيل المثال التجارب السريرية التي أجريت في عدة مراكز أو مجموعات من الأفراد تم اختيارها عشوائيًا. النماذج متعددة المستويات معنية فقط بحقيقة مثل هذه التسلسلات الهرمية وليس مصدرها. نشير إلى التسلسل الهرمي على أنه يتكون من وحدات مجمعة على مستويات مختلفة. وبالتالي ، قد يكون النسل هو وحدات المستوى 1 في هيكل من مستويين حيث تكون وحدات المستوى 2 هي العائلات: قد يكون الطلاب وحدات المستوى 1 المجمعة داخل المدارس التي تمثل وحدات المستوى 2.

                      إن وجود مثل هذه التسلسلات الهرمية للبيانات ليس عرضيًا ولا ينبغي تجاهله. يختلف الأفراد كما هو الحال مع الحيوانات الفردية وينعكس هذا التمايز الضروري في جميع أنواع النشاط الاجتماعي حيث يكون الأخير غالبًا نتيجة مباشرة للأول ، على سبيل المثال عندما يتم تجميع الطلاب الذين لديهم دوافع أو قدرات مماثلة في مدارس أو كليات انتقائية للغاية. في حالات أخرى ، قد تنشأ التجمعات لأسباب أقل ارتباطًا بخصائص الأفراد ، مثل تخصيص الأطفال الصغار للمدارس الابتدائية ، أو تخصيص المرضى لعيادات مختلفة. بمجرد إنشاء المجموعات ، حتى لو كان تأسيسها عشوائيًا بشكل فعال ، فإنها تميل إلى أن تصبح متمايزة ، وهذا التمايز يعني ضمناً أن المجموعة وأعضائها يؤثرون ويتأثرون بعضوية المجموعة. إن تجاهل هذه العلاقة يخاطر بالتغاضي عن أهمية تأثيرات المجموعة ، وقد يؤدي أيضًا إلى إبطال العديد من تقنيات التحليل الإحصائي التقليدية المستخدمة في دراسة علاقات البيانات.

                      مثال بسيط سيظهر أهميته. زعمت دراسة معروفة ومؤثرة لأطفال المدارس الابتدائية (الابتدائية) أجريت في السبعينيات أن الأطفال الذين تعرضوا لما يسمى بالأساليب "الرسمية" في تعليم القراءة أظهروا تقدمًا أكبر من أولئك الذين لم يفعلوا ذلك. تم تحليل البيانات باستخدام تقنيات الانحدار المتعدد التقليدية ، والتي تعرفت فقط على الأطفال الأفراد كوحدات تحليل وتجاهلت مجموعاتهم داخل المعلمين وفي الفصول الدراسية. كانت النتائج ذات دلالة إحصائية. بعد ذلك ، تم إثبات أنه عندما أخذ التحليل في الحسبان بشكل صحيح تجميع الأطفال في فصول ، اختفت الاختلافات المهمة ولا يمكن إظهار اختلاف الأطفال الذين تم تعليمهم "بشكل رسمي" عن الآخرين.

                      إعادة التحليل هذه هي أول مثال مهم للتحليل متعدد المستويات لبيانات العلوم الاجتماعية. في الأساس ، ما كان يحدث هنا هو أن الأطفال في أي فصل دراسي واحد ، لأنهم تعلموا معًا ، يميلون إلى أن يكونوا متشابهين في أدائهم. ونتيجة لذلك ، فإنهم يقدمون معلومات أقل مما كان سيحدث لو تم تدريس نفس العدد من الطلاب بشكل منفصل من قبل مدرسين مختلفين. بمعنى آخر ، يجب أن تكون الوحدة الأساسية لأغراض المقارنة هي المعلم وليس الطالب. يمكن النظر إلى وظيفة الطلاب على أنها تقدم ، لكل معلم ، تقديرًا لفعالية هذا المعلم. ستؤدي زيادة عدد الطلاب لكل معلم إلى زيادة دقة هذه التقديرات ولكن لا يغير عدد المعلمين الذين تتم مقارنتهم. بعد نقطة معينة ، فإن مجرد زيادة أعداد الطلاب بهذه الطريقة لا يؤدي إلى تحسين الأمور على الإطلاق. من ناحية أخرى ، فإن زيادة عدد المعلمين المراد مقارنتهم ، مع نفس العدد أو عدد أقل إلى حد ما من الطلاب لكل معلم ، يحسن بشكل كبير من دقة المقارنات.

                      لقد أدرك الباحثون منذ فترة طويلة هذه القضية. في التعليم ، على سبيل المثال ، كان هناك الكثير من الجدل حول ما يسمى بمشكلة "وحدة التحليل" ، وهي المشكلة التي تم توضيحها للتو. قبل أن تصبح النمذجة متعددة المستويات مطورة جيدًا كأداة بحث ، كانت مشاكل تجاهل الهياكل الهرمية مفهومة جيدًا بشكل معقول ، ولكن كان من الصعب حلها لأن أدوات الأغراض العامة القوية لم تكن متوفرة. كانت البرامج ذات الأغراض الخاصة ، على سبيل المثال لتحليل البيانات الجينية ، متاحة لفترة أطول ولكن هذا كان مقصورًا على نماذج "مكونات التباين" ولم يكن مناسبًا للتعامل مع النماذج الخطية العامة. لقد أدرك عمال المسح عينة من هذه المسألة في شكل آخر. عند إجراء المسوح السكانية ، يعكس تصميم العينة عادةً الهيكل الهرمي للسكان ، من حيث الجغرافيا وعضوية الأسرة. وقد تم تطوير إجراءات مفصلة لمراعاة مثل هذه الهياكل عند إجراء التحليلات الإحصائية.

                      قراءات أخرى:
                      غولدشتاين هـ. نماذج إحصائية متعددة المستويات، مطبعة هالستيد ، نيويورك ، 1995.
                      لونجفورد ن. نماذج معامل عشوائية، مطبعة كلارندون ، أكسفورد ، 1993.
                      تغطي هذه الكتب مجموعة واسعة جدًا من التطبيقات والنظرية.

                      إجراءات أخذ العينات المسوحات

                      ملاحظة: البرامج التالية يشار إليها الطرق العملية لتصميم وتحليل المسوحات المعقدةLehtonen، and E. Pahkinen، Wiley، Chichester، 1995. راجع أيضًا L.Lyberg et al.، (Editors)، Survey Measurement and Process Quality، New York، Wiley، 1997.

                      حزم البرامج الأخرى مثل Le Sphinx و CENVAR و CLUSTERS و Epi Info ونظام التقدير العام و Super CARP و Stata و SUDAAN و VPLX و WesVarPC و ORIRIS IV.

                      قراءات أخرى:
                      Bethel J. ، تخصيص العينات في المسوحات متعددة المتغيرات ، منهجية المسح, 15, 1989, 47-57.
                      Valliant R. ، و J. Gentle ، تطبيق البرمجة الرياضية على مشكلة تخصيص عينة ، الإحصاء الحسابي وتحليل البيانات, 25, 1997, 337-360.

                      ألفا كرونباخ (المعامل أ)

                      ربما تكون أفضل طريقة لتصور ألفا كرونباخ هي التفكير في الأمر على أنه متوسط ​​كل مصداقية النصف المجزأة الممكنة لمجموعة من العناصر. الموثوقية النصفية المنقسمة هي ببساطة الموثوقية بين جزأين من الاختبار أو الأداة حيث يكون هذان الجزءان نصفي الجهاز الكلي. بشكل عام ، يجب زيادة مصداقية هذين النصفين (Spearman Brown Prophesy Formula) لتقدير موثوقية اختبار الطول الكامل بدلاً من الموثوقية بين اختبارات نصف الطول. إذا افترضنا ، لسهولة التفسير ، أن الاختبار يحتوي على عدد زوجي من العناصر (على سبيل المثال ، 10) ، فإن العناصر 1-5 مقابل 6-10 ستكون تقسيمًا واحدًا ، وستكون المساواة مقابل الاحتمالات أخرى ، وفي الواقع ، مع 10 عناصر تم اختيار 5 في كل مرة ، وهناك 10 مختارين 5 أو 252 نصفين مقسمين محتملين لهذا الاختبار. إذا قمنا بحساب كل من هذه المصداقات النصفية المتزايدة ، وحسبنا متوسطها جميعًا ، فسيكون هذا المتوسط ​​هو ألفا كرونباخ. نظرًا لأن بعض الانقسامات ستكون أفضل من غيرها من حيث إنشاء نصفين متوازيين بشكل وثيق ، ومن المحتمل أن تكون الموثوقية بين النصفين المتوازيين هي التقدير الأنسب لموثوقية الأداة ، غالبًا ما تُعتبر ألفا كرونباخ تقديرًا متحفظًا نسبيًا للتناسق الداخلي لـ اختبار.

                      فيما يلي برنامج SAS لحساب معامل ألفا أو ألفا كرونباخ. لاحظ أنه خيار في إجراء PROC CORR. في SAS ، بالنسبة لمجموعة بيانات WORK المسماة ONE ، افترض أننا نريد الاتساق الداخلي أو معامل alpha أو Cronbach's alpha لـ x1-x10 ، الصيغة هي:

                      هناك على الأقل ثلاثة محاذير مهمة يجب مراعاتها عند حساب معامل ألفا.

                      ملاحظة 1: كيفية التعامل مع القيم "المفقودة". في اختبار الإنجاز ، يتم عادةً ترميز القيمة المفقودة أو القيمة التي لم يتم الوصول إليها على أنها 0 أو خطأ. إجراء CORR هو SAS لا يعامل المفقودين على أنه خطأ. ليس من الصعب كتابة الكود لفرض حدوث ذلك ، ولكن يجب علينا كتابة الكود. في المثال أعلاه يمكننا القيام بذلك على النحو التالي:

                      ملاحظة 2: استخدام خيار NOMISS في إجراء CORR. هذا متعلق بالملاحظة 1 أعلاه. هناك طريقة أخرى للتعامل مع الملاحظات المفقودة وهي استخدام خيار NOMISS في إجراء CORR. بناء الجملة كما يلي:

                      يتمثل تأثير ذلك في إزالة جميع العناصر X1-X10 من التحليل لأي سجل حيث يكون واحدًا على الأقل من هذه العناصر X1-X10 مفقودًا. من الواضح ، بالنسبة لاختبار الإنجاز ، خاصة بالنسبة للاختبارات السريعة ، حيث قد لا يُتوقع من معظم الفحوصات إكمال جميع العناصر ، ستكون هذه مشكلة.سيؤدي استخدام خيار NOMISS إلى قصر التحليل على المجموعة الفرعية من الفحوصات التي أكملت جميع العناصر ، وغالبًا ما لن يكون هذا هو المجتمع محل الاهتمام عند الرغبة في إنشاء تقدير موثوقية للتناسق الداخلي.

                      قد يكون أحد الأساليب الشائعة لحل هذه المشكلة هو تحديد عدد من العناصر التي يجب محاولة تضمينها في السجل. تحتوي بعض مقاييس الحالة الصحية ، على سبيل المثال SF-36 ، على قواعد تسجيل تتطلب الإجابة على 50٪ على الأقل من العناصر للمقياس المراد تحديده. إذا تمت محاولة أقل من نصف العناصر ، فلن يتم تفسير المقياس. إذا تم اعتبار المقياس صالحًا ، وفقًا لتعريفهم ، فسيتم استبدال جميع القيم المفقودة على هذا المقياس بمتوسط ​​العناصر غير المفقودة على هذا المقياس. يتم تلخيص رمز SAS لتنفيذ خوارزمية التسجيل هذه أدناه على افتراض أن المقياس يحتوي على 10 عناصر.

                      لاحظ أن استبدال جميع القيم المفقودة بمتوسط ​​القيم غير المفقودة في الحالات التي لا يكون فيها عدد القيم المفقودة أكبر من نصف العدد الإجمالي للعناصر سيؤدي إلى تضخم ألفا كرونباخ. تتمثل الطريقة الأفضل في إزالة سجلات الاعتبار حيث يتم إكمال أقل من 50٪ من السجلات وترك السجلات المتبقية سليمة ، مع بقاء القيم المفقودة فيها. وبعبارة أخرى ، لتنفيذ عبارة IF الأولى المذكورة أعلاه ، ولكن يجب حذفها شرط ELSE IF ثم تشغيل PROC CORR بدون خيار NOMISS. خلاصة القول: يجب النظر بعناية في خيار NOMISS في PROC CORR بشكل عام ، ومع خيارات ALPHA على وجه الخصوص.

                      ملاحظة 3: التأكد من أن جميع العناصر في المجموعة مشفرة في نفس الاتجاه. على الرغم من أن الترميز 0/1 (خاطئ / صحيح) نادرًا ما يمثل مشكلة في هذا ، بالنسبة لمقاييس ليكرت أو غيرها من المقاييس التي تحتوي على أكثر من نقطتين على المقياس ، فليس من غير المألوف أن يظل المقياس ثابتًا (على سبيل المثال ، أوافق بشدة ، أوافق ، لا أوافق ، لا أوافق بشدة) ، ولكن من أجل صياغة الأسئلة لعكس التفسير المناسب للمقياس. على سبيل المثال،

                      من الواضح أن السؤالين على نفس المقياس ، لكن معاني نهايتي النهايتين معاكستين.

                      في SAS ، تتمثل طريقة ضبط هذه المشكلة في اختيار الاتجاه الذي نريد ترميز المقياس ، أي هل نريد أن يكون SA بيانًا إيجابيًا عن نظام الضمان الاجتماعي أم سلبيًا ، ثم عكس المقياس كانت هذه العناصر تعكس SA سلبًا (أو إيجابيًا) حول نظام الضمان الاجتماعي. في المثال أعلاه ، يعتبر SA لـ Q1 موقفًا سلبيًا بالنسبة إلى نظام الضمان الاجتماعي ، وبالتالي يجب تغيير الحجم العكسي إذا كان القرار هو القياس بحيث يشير SA إلى مواقف إيجابية.

                      إذا كان ترميز مقياس ليكرت المكون من 4 نقاط هو SA-0 و A-1 و D-2 و SD-3 ، فسيتم عكس مقياس العنصر كما يلي:
                      Q1 = 3-Q1 ، بهذه الطريقة يصبح 0 3-0 = 1 1 يصبح 3-1 = 2 2 يصبح 3-2 = 1 و 3 يصبح 3-3 = 0.

                      إذا كان ترميز مقياس ليكرت المكون من 4 نقاط هو SA-1 و A-2 و D-3 و SD-4 ، فسيتم عكس مقياس العنصر كما يلي:
                      Q1 = 5-Q1 ، بهذه الطريقة 1 يصبح 5-1 = 4 2 يصبح 5-2 = 3 3 يصبح 5-3 = 2 و 4 يصبح 5-4 = 1.

                      من المثال السابق ، إذا كانت العناصر X1 و X3 و X5 و X7 و X9 بحاجة إلى تغيير مقياسها العكسي قبل حساب تقدير الاتساق الداخلي ، فإن كود SAS التالي سيؤدي المهمة ، بافتراض مقياس ليكرت المكون من 4 نقاط أعلاه بنتيجة 1-4.

                      وتجدر الإشارة إلى أن بعض المخرجات من PROC CORR مع خيار ALPHA ، مثل ارتباط العنصر بالمجموع وتقدير الاتساق الداخلي للمقياس مع كل عنصر فردي وليس جزءًا من المقياس يوفر تشخيصات مفيدة للغاية يجب أن تنبيه الباحث إلى العناصر التي تعمل بشكل سيئ أو العناصر التي تم فقدها عند التفكير في القياس العكسي. عادةً ما يحتاج العنصر الذي يرتبط ارتباطًا سلبيًا بالمجموع إلى تغيير مقياسه أو تشكيله بشكل سيئ.

                      قراءات أخرى:
                      Feldt L. ، و R. Brennan ، الموثوقية ، في القياس التربوي، لين ر. (محرر) ، 105-146 ، 1989 ، شركة ماكميليان للنشر.

                      الموثوقية Inter-Rater

                      نادراً ما يتم حساب الموثوقية بين المقيمين بين المقابلات الاستقصائية لأن المحاورين المختلفين لا يعودون عادةً لطرح المستجيبين نفس الأسئلة ومجموعات المستجيبين الذين تمت مقابلتهم من قبل مختلف المحاورين لا يمكن مقارنتها دائمًا. خاصة في استطلاعات المقابلات الشخصية ، قد يتم تعيين المحاورين في مناطق مختلفة من مدينة أو منطقة تختلف اختلافًا كبيرًا من حيث التركيب. ومع ذلك ، يجب على مصممي الاستبيان أن يأخذوا في الاعتبار ما قد يؤدي إلى تباين عشوائي في أداء المحاورين قبل البدء في الدراسة القاحلة لتوحيد التدريب والإجراءات الميدانية لتقليل مصادر الاختلاف هذه قدر الإمكان.

                      مراجع وقراءات أخرى:
                      Aday L. ، تصميم وإجراء المسوحات الصحية: دليل شامل ، Jossey-Bass Publishers ، CA ، 1996.

                      نظرية الاداة

                      افترض أن عنصرين متطابقين ، أحدهما من البعد الذي يتم تقييمه ورفيقه ، الأهمية النسبية لذلك الموضوع ، يسمى "التكافؤ" ، يتم ضربهما بشكل عرضي ، ثم يتم إضافتهما عبر كل هذه الأزواج ، ثم مقسومة على عدد هذه الأزواج. يوفر هذا الإجراء درجة مرجحة ، مجموع العناصر المرجحة لكل منها بأهميتها النسبية. كلما ارتفع متوسط ​​الدرجة المرجحة ، زادت الأهمية العامة وتقييم الموضوع. لقد تم الإعجاب بهذه التقنية منذ أن تم النظر في مسألتين هنا ، مدى الرضا أو الاستعداد أو. . . شخص ما ، ومدى أهمية هذا الموضوع بالنسبة لهم. تم تطبيق هذا النهج على القضايا متعددة المتغيرات مثل العوامل التي تؤثر على مغادرة المنظمة ، والرضا الوظيفي ، والسلوك الإداري ، وما إلى ذلك.

                      مراجع وقراءات أخرى:
                      كورن ، جراوبارد ، تحليل المسوح الصحية ، وايلي ، 1999.

                      أدوات مسح قياسات القيمة: مسح قيمة Rokeach

                      لقد لاحظ علماء الأنثروبولوجيا تقليديًا سلوك أعضاء مجتمع معين واستدلوا من هذا السلوك على القيم السائدة أو الأساسية للمجتمع. ومع ذلك ، كان هناك تحول تدريجي في السنوات الأخيرة إلى قياس القيم مباشرة عن طريق البحث في استبيان المسح. يستخدم الباحثون أدوات جمع البيانات التي تسمى أدوات القيمة لسؤال الناس عن شعورهم تجاه المفاهيم الشخصية والاجتماعية الأساسية مثل الحرية والراحة والأمن القومي والسلام.

                      لا يزال البحث في العلاقة بين قيم الناس وأفعالهم كمستهلكين في مهده. ومع ذلك ، فهو مجال من المقرر أن يحظى باهتمام متزايد ، لأنه يستفيد من بُعد واسع من السلوك البشري لا يمكن استكشافه بشكل فعال قبل توافر أدوات القيمة المعيارية.

                      أداة قيمة شائعة تم استخدامها في دراسات سلوك المستهلك في استبيان قيمة Rokeach (RVS) . ينقسم مخزون القيمة المدار ذاتيًا إلى جزأين ، حيث يقيس كل جزء أنواعًا مختلفة ولكنها متكاملة من القيم الشخصية. يتكون الجزء الأول من ثمانية عشر عنصرًا من عناصر القيمة النهائية ، والتي تم تصميمها لقياس الأهمية النسبية لحالات الوجود النهائية (أي الأهداف الشخصية). يتكون الجزء الثاني من ثمانية عشر عنصرًا من عناصر القيمة الآلية ، والتي تقيس المقاربات الأساسية والتي قد يتخذها الفرد للوصول إلى قيم الحالة النهائية. هكذا، يتعامل النصف الأول من أداة القياس مع الغايات ، بينما يأخذ النصف الثاني في الاعتبار الوسائل .

                      إذا لم تتم إعادة صياغة العناصر لتلائم تنسيق Likert بدلاً من ذلك ، يُطلب من المستجيبين الإشارة إلى درجة الأهمية الشخصية التي تحملها كل قيمة RVS ، من "غير مهم جدًا" إلى "مهم جدًا" ، ومن ثم يتم إعطاؤهم مقياس ليكرت القياسي التالي لكل قيمة RVS. تستخدم بعض التطبيقات ، على سبيل المثال ، مقياسًا مكونًا من 5 نقاط ثم تتميز بترتيب ترتيب لأعلى ثلاث قيم لـ RVS بعد أن تم تصنيف كل قائمة بالفعل ، لاستخدامها في تصحيح التراكم النهائي. من الواضح أنه في كثير من الحالات ، بشكل طفيف ، ولكن ليس بشكل كبير ، انخفاض موثوقية الاختبار - إعادة الاختبار بالنسبة لإجراء ليكرت مقابل إجراء ترتيب الترتيب.

                      نظرًا لأن السبب الشائع لتفضيل استخدام RVS بتنسيق ليكرت هو القدرة على إجراء اختبارات إحصائية معيارية على البيانات ، فمن المفيد الإشارة إلى أن هناك حججًا جيدة لصالح استخدام الاختبارات الإحصائية المعيارية على بيانات RVS مع مقياس في تنسيقه الأصلي ، مرتبة ترتيب ، في ظل بعض الظروف.

                      قراءات أخرى:
                      Arsham H. ، تصميم الاستبيان وأخذ عينات المسوح ، SySurvey: أداة الاستبيان عبر الإنترنت, 2002.
                      Braithwaite V. ، نموذج Beyond Rokeach للمساواة والحرية: قيم ثنائية الأبعاد في عالم أحادي البعد ، مجلة القضايا الاجتماعية , 50, 67-94, 1994.
                      Boomsma A.، M. Van Duijn، and T. Snijders، (eds.)، Essays on Item Response Theory، Springer Verlag، 2000.
                      Gibbins K. and I. Walker ، تفسيرات متعددة لمسح قيمة Rokeach ، مجلة علم النفس الاجتماعي, 133, 797-805, 1993.
                      Sijtsma K.، and I. W. Molenaar ، مقدمة في نظرية الاستجابة للعناصر اللامعلمية ، Sage 2002. يوفر بديلاً لنظرية استجابة العنصر البارامترية ، وهي نظرية استجابة العنصر غير البارامترية (الترتيبية) ، مثل طريقة Mokken Scaling.

                      خطر التصميم الخاطئ للمسح وتفسير النتائج

                      • توخي الحذر الشديد في اختيار المعلومات التي تستند إليها حساباتهم.
                      • لإجراء مثل هذه الاستقطاعات فقط التي تكون منطقية تمامًا.
                      • من يقول هذا؟
                      • لماذا قال ذلك؟
                      • ما الذي يجنيه من قول ذلك؟
                      • كيف يعرف؟
                      • هل يمكن أن يكون يكذب؟
                      • يجب أن تكون الأسئلة بسيطة
                      • يجب أن تكون الأسئلة لا لبس فيها
                      • أفضل أنواع الأسئلة هي تلك التي تسمح بتحديد إجابة مطبوعة مسبقًا
                      • يجب أن يكون الاستبيان قصيرًا قدر الإمكان
                      • يجب ألا تكون الأسئلة غير ذات صلة ولا تكون شخصية للغاية
                      • لا ينبغي طرح الأسئلة الرائدة. "السؤال الرئيسي" هو السؤال الذي يقترح الإجابة ، على سبيل المثال السؤال - ألا توافق على أن جميع الأشخاص العقلاء يستخدمون صابون XYZ؟ يقترح الإجابة بـ "نعم"
                      • يجب تصميم الاستبيان بحيث تقع الأسئلة في تسلسل منطقي. سيمكن هذا المستفتى من فهم الغرض منه ، ونتيجة لذلك يمكن تحسين جودة إجاباته.

                      تم إطلاق هذا الموقع في 18/2/1994 م ، وتم مراجعة مواده الفكرية بشكل شامل على أساس سنوي. الإصدار الحالي هو الإصدار التاسع. يتم فحص جميع الروابط الخارجية مرة واحدة في الشهر.

                      العودة إلى الصفحة الرئيسية للدكتور أرشام

                      EOF: & # 211 1994-2015.


                      شاهد الفيديو: تحليل الاستبيان: اختبارات الصدق والثبات باستخدام SPSS الجزء الأول reliability u0026 validity analysis (شهر نوفمبر 2021).