۳-۸-۱-۱- آزمون کولموگوروف – اسمیرنوف (K-S)
این آزمون جهت بررسی ادعای مطرح شده در مورد توزیع داده های یک متغیرکمی مورد استفاده قرارمی گیرد (مومنی،۱۳۸۷،۱۸۸).
۳-۸-۱-۲- آزمون همبستگی
تحلیل همبستگی ابزاری آماری برای تعیین نوع و درجه رابطه یک متغیر کمی با متغیر کمی دیگر است. ضریب همبستگی یکی از معیارهای مورد استفاده در تعیین همبستگی دو متغیر میباشد. ضریب همبستگی شدت رابطه و همچنین نوع رابطه (مستقیم یا معکوس) را نشان میدهد. این ضریب بین ۱ تا ۱- است و در صورت عدم وجود رابطه بین دو متغیر برابر صفر می باشد.
۳-۸-۱-۲-۱- ضریب همبستگی پیرسون[۶۹]
این ضریب همبستگی، روشی پارامتری است که برای داده هایی با توزیع نرمال یا تعداد داده های زیاد استفاده می شود.
۳-۸-۱-۲-۲- مفهوم معنی داری در همبستگی
مفهوم معنی داری در همبستگی این است که آیا همبستگی به دست آمده بین دو متغیر را می توان شانسی دانست یا واقعا نشان می دهد بین دو متغیر همبستگی وجود دارد. این موضوع که نشان می دهد عدد بدست آمده معنی دار است یا نه از خود عدد به دست آمده با اهمیت تر است.
فرضیه های همبستگی به شرح زیر می باشد:
همبستگی معنی داری وجود ندارد
همبستگی معنی داری وجود دارد
۳-۸-۱-۳- آزمون دوربین- واتسن[۷۰]
یکی از مفروضاتی که در رگرسیون مد نظر قرار می گیرد، استقلال خطاها (تفاوت بین مقاریر واقعی و مقادیر پیش بینی شده توسط معادله رگرسیون) از یکدیگر است. در صورتی که فرضیه استقلال خطاها رد شود و خطاها با یکدیگر همبستگی داشته باشند امکان استفاده از رگرسیون وجود ندارد به منظور بررسی استقلال خطاها از یکدیگر از آزمون دوربین- واتسن استفاده می شود. چنانچه آماره دوربین- واتسن در بازه ۵/۱ تا ۵/۲ قرار گیرد H0 آزمون (عدم همبستگی بین خطاها) پذیرفته می شود و در غیر اینصورت H0 رد می شود یعنی همبستگی بین خطاها وجود دارد (مومنی، ۱۳۸۷، ۱۲۸).
۳-۸-۱-۴- آزمون هم خطی: (مومنی، ۱۳۸۷، ۱۳۹)
هم خطی وضعیتی است که نشان می دهد یک متغیر مستقل تابعی خطی از سایر متغیرهای مستقل است. اگر هم خطی در یک معادله رگرسیون بالا باشد، بدین معنی است که بین متغیرهای مستقل همبستگی بالایی وجود دارد و ممکن است با وجود بالا بودن R، مدل دارای اعتبار بالایی نباشد. به عبارت دیگر با وجود آن که مدل خوب به نظر می رسد ولی دارای متغیرهای مستقل معنی داری نمی باشد.
در نمودار (۴-۱)، x1 و x2 متغیرهای مستقل و y متغیر وابسته است. ناحیه ۱ در حالت (الف) مقدار واریانسی از متغیر y را نشان می دهد که توسط متغیر x1 توضیح داده شده است.همچنین ناحیه ۲ میزانی از واریانس y را که توسط x2 تبیین شده نشان می دهد. در این حالت x1 و x2 رابطه خطی با هم ندارند.
نمودار (۳-۱): مثال جهت آزمون هم خطی
| Y ۵ X2 ۴ ۳ X1 الف) عدم هم خطی بین x1 و x2 ب) وجود هم خطی بین x1 و x2 |
در حالت (ب) ناحیه ۳ و ۵ به ترتیب میزانی از واریانس y را نشان می دهد که توسط دو متغیر x1 و x2 توضیح داده می شود. بین x1 و x2 همبستگی وجود دارد به همین دلیل ناحیه مشترک بین آنها (ناحیه ۴) باعث میشود واریانس تبیین شده بیش از واریانسی باشد که واقعا توسط این دو متغیر تبیین می شود. به عبارت دیگر ناحیه ۴ دو بار در محاسبات منظور میشود و واریانس تبیین شده را بیش از واقع نشان میدهد. بنابراین در حالت الف بین x1 و x2 هم خطی وجود ندارد و اثرات این دو متغییر به خوبی تفکیک شده است ولی در حالت (ب) بین x1و x2 هم خطی وجود دارد و اثرات این دو متغیر به خوبی تفکیک نشده است.
۳-۹- خلاصه‌ی فصل
در این فصل به بحث روش تحقیق، جمع آوری و تحلیل اطلاعات پرداخته شده است. در ابتدای فصل مقدمه ای ارائه شده سپس فرضیه ها و روش تحقیق شامل جامعه ونمونه آماری تحقیق، قلمرو تحقیق و تعریف عملیاتی متغیرها و مدلهای مرتبط با آزمون ونحوه اندازه گیری آنها بیان شده است. در پایان روش و ابزارگردآوری اطلاعات و روش تجزیه و تحلیل اطلاعات توضیح داده شده است.
|
فصل چهارم
رئوس |
