همانطور که پیشتر بیان کردیم تمامی پروپوزال ها با هر عنوان و هدفی که نگارش شوند به دنبال یافتن مشکلات و ارائه راه حل برای مشکل هستند. پروپوزال های صنعتی به بررسی مشکلات درون سازمانی پرداخته و روندهای مرتبط با ارائه محصولات و موانع موجود در روابط مشتریان را مورد بررسی قرار می دهند. در همین راستا از پروپوزال های صنعتی از نظر کاربردی بودن و هزینه های مرتبط با آن اهمیت بالاتری پیدا میکنند. پروپوزال صنعتی علاوه بر موارد کلی که در تمامی پروپوزال ها یکسان است یکسری از ویژگی های خاص را در بر میگیرد که عبارتند از:
1. تبیین مشکل اصلی: یکی از ویژگی های پروپوزال صنعتی که پژوهشگر باید تمرکز زیادی بر روی آن داشته باشد، شناسایی و معرفی مشکل اصلی است. همانطور که بیان کردیم هدف اصلی از نگارش پروپوزال صنعتی شناسایی یک مشکل سازمانی در ارتباط با ارائه خدمات و مشتریان است که میتواند تاثیر زیادی در درآمد، سوددهی و بازدهی سازمانی داشته باشد. بنابراین مدیران و مخاطبان سازمان تمرکز زیادی بر مشکل شناسایی شده توسط پژوهشگر داشته و آن را به عنوان یکی از ویژگی های اصلی قلمداد می کنند.
2. منابع سازمانی: مدیران و مخاطبان پروپوزال صنعتی به دنبال این هستند که بدانند شما برای برطرف کردن یک مشکل در سازمان نیاز به چه مقدار بودجه و منابع دارید. این بخش از پروپوزال ممکن است در محیط دانشگاهی زیاد مورد توجه نبوده و بررسی نشود ولی یکی از بخش های بسیار مهم و حساس در پروپوزال صنعتی است. اینکه پژوهشگر چه مبالغی را به عنوان بودجه برای پیاده سازی و اجرای پروژه در نظر گرفته است نقش بسیار مهمی در تصمیم نهایی مدیران برای قبول یا رد پروپوزال خواهد داشت.
3. مدت اجرای پروژه یا زمانبندی: یکی دیگر از ویژگی های اساسی پروپوزال صنعتی، زمانبندی و مسائل مربوط به مدت اجرای پروژه است. مدیران و تصمیم گیران سازمانی نسبت به زمانبندی یک پروژه بسیار حساس بوده و در صورتی که خارج از محدودیت های مدنظرشان باشد ممکن است آن را رد کنند.
4. نحوه اجرای پروژه: پژوهشگران باید نسبت به تیم اجرایی و نحوه پیاده سازی پروژه بسیار حساس و دقیق عمل کنند. چرا که یکی از نقاط حساس و بعضا غیر قابل کنترل در پروژه، مشکل در عملکرد و کار افراد تیم است. هر گونه تغییر غیرمنتظره در ساختار و چیدمان تیم اجرایی ممکن است روند پروژه را با مشکلات جدی مواجه کند. بنابراین زمانی که پروپوزال صنعتی خودتان را مبتنی بر تیم اجرایی و چگونگی پیاده سازی پروژه تنظیم میکنید، حتما تغییرات و مشکلات احتمالی مرتبط با آن را در نظر بگیرید. مدیران و تصمیم گیران سازمانی نسبت به این موضوع حساسیت بالایی داشته و تمامی جزئیات لازم را در این مورد از شما درخواست خواهند کرد.
پیش پروپوزال صنعتی و تجاری - پروپوزال صنعتی - نگارش پروپوزال کارشناسی ارشد
- خانه /
- آموزش /
- آزمون های آماری /
- Uncategorised /
- ویژگی های پروپوزال صنعتی.
نشر نیوز
ویژگی های پروپوزال صنعتی.
- توضیحات
- بازدید: 31151
امتیاز کاربران
![ستاره فعال](/templates/cf_institut/images/system/rating_star.png)
![ستاره فعال](/templates/cf_institut/images/system/rating_star.png)
![ستاره فعال](/templates/cf_institut/images/system/rating_star.png)
![ستاره فعال](/templates/cf_institut/images/system/rating_star.png)
![ستاره فعال](/templates/cf_institut/images/system/rating_star.png)
تحلیل آماری
تحلیل آماری مهارتی ویژه است تحلیل آماری علاوه بر جنبه های کاربردی و ضرورت آن در فرآیند نگارش پایان نامه و یا رساله دکتری، برای بسیاری از کسب و کارها در خارج از محیط دانشگاه، یک مهارت اساسی محسوب می شود. بسیاری از کسب و کارها در جهان به این نتیجه رسیده اند که استفاده از استراتژی های مبتنی بر داده های آماری می تواند به تصمیم گیری و برنامه ریزی دقیق تر کمک کند. طرح کسب و کار (Business Plan)، طرح استراتژیک (Strategic Plan)، طرح تبلیغات (Marketing Plan) و سایر برنامه های درون سازمانی از جمله طرح هایی هستند که نیاز اساسی به تحقیقات بازار و تحلیل داده ها و یافته ها دارند. شرکت هایی که فرآیند تصمیم گیری آنها کاملا برنامه ریزی شده و مبتنی بر نیازهای مشتریان است به دنبال افرادی هستند که در تحلیل آماری مهارت و تسلط بالایی داشته باشند. چرا که به صورت مداوم نظرات مشتریان را به صورت داده های خام جمع آوری کرده و مورد تحلیل و بررسی قرار می دهند. علاوه بر اهمیت و کاربرد تحلیل های آماری به معرفی مهارت های مرتبط با آن نیز اشاره کنیم.
تحلیل آماری یا Statictical Analysis
فرآیندی است که با هدف ایجاد یک تصویر روشن و تفسیر دقیق ازمفهوم مستتر در داده های جمع آوری شده در تحقیق انجام می شود.
داده های گرد آوری شده در تحقیق ممکن است به واسطه طراحی پرسشنامه یا داده های کتابخانه ای بدست آمده باشد.
برای مثال داده های مربوط به نرخ تورم، نرخ بیکاری، اشتغال، توزیع درآمد و غیره از نوع داده های کتابخانه ای هستند که توسط نهادهای دولتی جمع آوری شده و در اختیار پژوهشگران و عموم جامعه قرار می گیرند که بعضا به این داده ها دسته دوم نیز می گویند.
اما داده های دست اول یا پرسشنامه ای اطلاعاتی هستند که توسط خود پژوهشگر مرتبط با یک تحقیق خاص از طریق مصاحبه یا پرسشنامه گردآوری می شوند.
آلفای کرونباخ یک ضریب آماری است که برای سنجش پایایی یک مجموعه از سوالات یا مقیاس ها استفاده می شود. پایایی به معنای این است که آیا یک مقیاس یا مجموعه سوالات، به طور مداوم و یکنواخت، نتایج مشابهی را در شرایط مختلف ارائه می دهد.
آلفای کرونباخ بر اساس همبستگی بین سوالات یک مجموعه مقیاس محاسبه می شود. هرچه همبستگی بین سوالات بیشتر باشد، آلفای کرونباخ نیز بیشتر می شود. به عبارت دیگر، هرچه سوالات یک مجموعه مقیاس بیشتر با یکدیگر مرتبط باشند، می توان انتظار داشت که نتایج این مقیاس نیز در شرایط مختلف، یکنواخت تر باشد.
- Analysis of Moment Structures(AMOS)
- Expert Choice
- Smart PLS
- Statistica
- LISREL
- Microfit
- Minitab
- Eview
- NCSS
- SPSS
- SAS
- R
در فرآیند تجزیه و تحلیل آماری، یکی از موضوعاتی که میتواند روند تحلیل دادهها را منحرف کرده نتایج و دستاوردهای تحقیق را دچار مشکل کند، وجود دادههای پِرت و خارج از محدوده (Outlier) هستند. یکی از اقدامات بسیار مهم در ارزیابی سلامت دادههای گردآوری شده، شناسایی دادههای پرت در تحقیق است. هر چقدر این دادههای خارج از محدوده در تحقیق بیشتر باشند، سلامت دادهها پایینتر و در نتیجه خروجیهای بدست آمده دچار نقصان خواهد بود.در این مطلب قصد داریم چند روش کاربردی برای شناسایی دادههای پِرت در روند تجزیه و تحلیل دادهها را آموزش داده تا بواسطه آن سلامت دادههای خود را پیش از تجزیه و تحلیل تضمین نمائید.
تجزیه و تحلیل دادهها یا همان تحلیل آماری در پایاننامه (Data Analysis) مهارتی است که برخی از دانشجویان به دلیل آنکه تسلط بالایی در آن ندارند، سعی میکنند با سپردن آن به دیگران و یا حتی حذف آن، از این مرحله عبور کنند. تجزیه و تحلیل دادهها یکی از مهمترین فرآیندها در نگارش پایان نامه محسوب می شود. تحلیل دادههای گردآوری شده در تحقیق که ممکن است کمّی یا کیفی باشند، توسط ابزارهای مختلفی انجام میگیرد و نتایج آن در قالب نمودار، جدول، تصویر و گراف منتشر میشوند. به خاطر داشته باشید که ابزارها و روشهای گردآوری و تحلیل دادهها در هر تحقیق و هر متد ممکن است کاملاً متفاوت و منحصر به فرد باشد. ولی بهطورکلی اصول مشخص و ثابتی برای تجزیه و تحلیل دادهها وجود دارد که سعی میکنیم در این مطلب بیشتر به آنها بپردازیم.در تحلیل آماری در پایان نامه یا رساله دکتری، سعی کنید فاکتورهای زیر را مورد توجه قرار داده و رعایت نمایید:
علم آمار به معنای مطالعه فرآیند گردآوری، تجزیه و تحلیل، تفسیر، ارائه و سازماندهی داده های خام است. با توجه به این موضوع، تعریف تحلیل آماری (statistical analysis) به معنای تولید نمودار ها و جداول آماری از داده های خام است به گونه ای که نتایج آن قابل فهم و استنتاج باشند. فرض کنید به عنوان یک پژوهشگر اقدام به توزیع پرسشنامه در مورد یک موضوع مشخص کرده اید و داده های خام بسیاری را در این حوزه جمع نموده اید. اما چطور می خواهید متوجه نظر مشارکت کنندگان و یا افراد پاسخ دهنده به تحقیق شوید؟ چگونه می خواهید دریابید که نتایج تحقیق چه بوده است؟ و یا چطور می خواهید از صحت و اعتبار تحقیقتان مطمئن شوید؟در همین راستا یکی از اساسی ترین و مهمترین ابزار تحلیل و بررسی صحت و دقت نتایج تحقیق، استفاده از تحلیل آماری (Statistical Analysis) است که به شما کمک می کند تا یافته های و نتایج شفافی از داده های خام بدست آورید. شروع فرآیند تحلیل آماری با مشخص کردن جامعه آماری و جامعه نمونه آغاز می شود.
چگونگی انتخاب نمونه در پژوهش و تحقیق - انواع مختلف پرسشنامه در پژوهش
1- تعریف علم آمار: علم آمار به مجموعه روش های علمی اطلاق می شود که برای جمع آوری اطلاعات اولیه، مرتب و خلاصه کردن، طبقه بندی و تجزیه و تحلیل اطلاعات اولیه و تفسیر آن ها به کار میرود.
2- تعریف جامعه آماری: هر جمع یا افرادی که لااقل دارای یک صفت مشترک باشد را جامعه آماری می گویند. هر یک از اشیاء یک جامعه آماری را یک فرد جامعه می نامیم. مجموع اشیاء یک جامعه را حجم جامعه می نامیم.
3- تعریف متغیر: صفاتی از هریک از افراد جامعه آماری که از یک فرد به فرد دیگر تغییر می کنند متغیر می باشند. متغیرها به دو دسته تقسیم می شوند.
دیتاست چیست؟
دیتاست یک مجموعه داده یا مدیریت مجموعهای از دادههاست. این مجموعه معمولاً در یک الگوی جدولی ارائه میشود. اجزای این جدول به صورت زیر میباشند:
• ستونهای جدول: هر ستون، یک متغیر خاص را توصیف میکند.
• ردیفهای جدول: هر ردیف، متناظر با یک عضو داده شده از مجموعه دادهها، طبق سؤال دادهشده است.
تعریفهای متفاوتی از دیتاست وجود دارد که ما تنها یک تعریف از آن را گفتیم. مجموعه دادهها، مقادیر هر متغیر را برای کمیتهای ناشناخته مانند قد، وزن، دما، حجم و غیره یک اندازهگیری واقعی یا آزمایشگاهی توصیف میکنند.
هر جزء از مقادیر این مجموعه بهعنوان یک دیتا یا داده شناخته میشوند. مجموعه دادهها شامل تمامی این دیتاها یا به عبارتی دیگر، شامل تمام ردیفهای این جدول میباشند.
در ادامه، تعریف مجموعه دادهها، انواع مختلف مجموعه دادهها و ویژگیهای آنها را با مثالهای حلشده بسیاری میآموزیم.
روش تحقیق کمی به فرآیندی گفته میشود که محقق طی آن اقدام به جمعآوری و تحلیل دادههای عددی و آنها را تفسیر نموده و نتایج لازم را از آنها بدست می آورد. نتایجی که از تحلیل دادههای عددی در روش تحقیق کمّی حاصل میشود، میتواند در یافتن الگوها، پیشبینی روندها، بررسی تأثیرات و مشخص کردن ارتباط بین اجزای مختلف تحقیق کاربرد داشته باشد. بهطورکلی تحقیقات کیفی روی دیگر سکه و نقطهی مقابل تحقیقات کمّی هستند که در آن از دادههای غیر عددی برای تجزیه و تحلیل استفاده میشود. از روش تحقیق کمّی در طیف وسیعی از مقالات، پایان نامهها، تحقیقات و در رشتههای مختلف علوم انسانی، مهندسی، پزشکی و غیره استفاده میشود.
تمامی تحقیقاتی که در قالب پایان نامه، مقاله، پروژه و هر نوع پژوهش علمی انجام میشود، در بخش روش تحقیق یکی از متدهای روش تحقیق کمّی یا کیفی را به کار میبرند.روش تحقیق کیفی بر روی رفتار انسان تمرکز داشته و سعی دارد نظرات و ایدههای مخاطبان و دادههای گردآوری شده از آنها را بدون دخل و تصرف و به همان صورتی که جمعآوری شدهاند، مورد تجزیه و تحلیل قرار دهد.در مقابل روش تحقیق کمّی به دنبال این است که بتواند ایدهها و نظرات افراد شرکت کننده در تحقیق را با استفاده از استراتژیهای مختلف، به صورت عددی درآورده و سپس اقدام به تحلیل آن کند.در مطالب گذشته به صورت خلاصه در مورد روش تحقیق کمی صحبت شد و در این مطلب قصد داریم روش تحقیق کیفی را توضیح دهیم. بهطورکلی شش روش اصلی برای انجام تحقیق به شیوهی کیفی وجود دارد که عبارتند از:
تحقیق کمّی در پایان نامه - باید ها و نباید های انتخاب موضوع تحقیق
دادهها و اطلاعات، از با ارزشترین منابع تحقیق برای پژوهشگران و همچنین در عرصههای دیگر برای مدیران و تصمیم گیرندگان سازمانی محسوب میشود. هر میزان اطلاعات دقیقتر و بیشتری در مورد یک پدیده وجود داشته باشد، مدیریت و برنامهریزی و ایجاد ایدههای جدید در خصوص آن موضوع بهتر صورت خواهد گرفت. زمانی که پژوهشگریک موضوع تحقیق انتخاب میکند، به دنبال این است که راهحلهای درست، قابل قبول و کاربردی را برای بهبود و نوآوری و حل مشکلات در آن زمینه ارائه نمایید و این کار ممکن نیست مگر با داشتن دادهها و اطلاعات درست و دقیق در مورد مشکلات موجود در حوزهی تحقیق.
متاآنالیز (Meta-analysis) یک روش آماری است که چندین مطالعه را ترکیب میکند و نتایج آنها را یکپارچه میکند. متاآنالیز حجم نمونه را افزایش میدهد و بهنوبه خود، قدرت مطالعه اثرات موردبررسی را با ترکیب مطالعات اولیه و ارائه تخمین دقیق از اثرات افزایش میدهد؛ بنابراین، متاآنالیز تخمین دقیقتری از اثر ارائه میدهد. متاآنالیز مبتنی بر قوانین ریاضی و آماری است؛ بنابراین نسبت به روشهای دیگر مانند ریویو روایی (Narrative)عینیتر است و کمتر تحت تأثیر نظرات شخصی نویسنده قرار میگیرد؛ بنابراین، استفاده از متاآنالیز بهطور ویژهای محبوب میشود. متاآنالیز زمانی میتواند ابزار قدرتمندی باشد که بهخوبی طراحی و اجرا شود. بااینحال، ممکن است همیشه بهترین ابزار نباشد و بحثبرانگیز است. متاآنالیز دارای چندین محدودیت است که میتواند منجر به نتایج گمراهکننده شود. علاوه بر این، ممکن است در برخی موارد مناسب نباشد. اگرچه متاآنالیز به دلیل محدودیتهایی که دارد موردانتقاد قرارگرفته است، اما راهحلهایی برای چنین مشکلاتی وجود دارد.[1]
برای هر تحقیق، نوعی نمونه و گونه ای از جامعه های آماری کاربرد داشته و مورد استفاده قرار میگیرد،
ولی برای دسته های مختلفی از آماره و جامعه نمونه با ویژگیهای یکسان، یا مشابه، برای رسیدن به اهداف مشترک میتوان از آزمونهای آماری مشابه استفقاده کرد،
لذا در گفتار فوق کاربرد آزمونهای آماری مختلف برای آماره های مختلف مطرح می گردد.
انواع آزمون های آماری
آزمون های T:
آزمون T برای بررسی معنی دار بودن یا نبودن تفاوت بین میانگین های دو گروه از نظر آماری مورد استفاده قرار می گیرد. چنانچه گروه ها همبسته باشند باید از آزمون T همبسته و در صورتی که گروه ها مستقل باشند باید از آزمون Tمستقل استفاده کرد.
آزمون Tهمبسته: این روش زمانی مورد استفاده قرار می گیرد که دو موضوع یا متغیر در مورد یک گروه موردبررسی قرار می گیرد.
نمونه: میزان تمایل به خشونت گروهی از دانش آموزان، قبل و بعد از اکران یک فیلم خشن.
آزمون Tمستقل: این آزمون زمانی مورد استفاده قرار می گیرد که بخواهیم میانگین بین دو گروه از افراد، که از همدیگر متفاوت هستند را مقایسه کنیم.
نمونه: مقایسه میانگین تفاوت در میزان گرایش زنان و مردان به دینداری.
روش نمونهگیری در تحقیق، معمولاً تأثیر زیادی در نتایج تحقیق خواهد داشت. بسیاری از محققان و نویسندگان بدون توجه به اهداف و ماهیت تحقیق، اقدام به انتخاب سادهترین و در دسترسترین نوع نمونهگیری؛ یعنی نوع تصادفی آن میکنند. برای اینکه بتوانید یک روش نمونهگیری مناسب تحقیق انتخاب کنید، بهتر است استراتژیهای زیر را مورد بررسی و ارزیابی قرار دهید:
آزمونهای آماری
ضریب گاما:
ضریب گاما شاخصی است که از طریق آن می توان با آگاهی از پاسخ هایی یک متغیر پاسخ ها و نتایج متغیر دیگر را پیشگویی کرد. گاما در واقع میزان کاهش خطا را که در نتیجه آگاهی از پاسخ افراد در متغیر مستقل رخ می دهد، مشخص می کند. به عبارت دیگر محقق با آگاهی از وضعیت پاسخ افراد به متغیر مستقل x با استفاد از گاما میزان کاهش خطا را در پیشگویی متغیر وابسته (y ) مورد آزمون قرار می دهد. مقادیر گاما بین 1 تا 1+ در نوسان است. از آنجا که ضریب گاما همواره روابط بین متغیر را خیلی قوی نشان می دهد بنابر این، این شاخص میل به بزرگ نشان دادن شدت ارتباط بین دو متغیر را دارد و به همین دلیل باید در بکارگیری این شاخص احتیاط کرد. از این روش زمانی استفاده می شود که مقیاس ها ترتیبی باشند .
آلفا کرونباخ
پایایی ابزار های سنجش در پژوهش های اجتماعی یکی از مهم ترین موضوعات روش شناختی است چرا که بدون آن نمی توان به نتایج مطالعات تجربی اعتماد کافی داشت. هماهنگی درونی بین آیتم ها و ضریب آلفای کرونباخ که بر پایه آن قرار دارد از عمومی ترین شیوه های بررسی پایایی ابزار های سنجش است . آلفای کرونباخ برای ابزارهای تک بعدی مناسب است و در صورت چند بعدی بودن ابزار باید برای هر بعد به نحو جداگانه به محاسبه این ضریب دست زد. این ضریب در علوم مختلف بویژه علوم انسانی و پزشکی برای سنجش پایایی ابزارهای مختلف سنجش نگرش و یا آزمون های آموزشی و سنجش دانش دارای کاربرد فراوان است . ویژگی های مختلف ضریب آلفای کرونباخ به لحاظ روش شناختی و هم چنین به لحاظ تکنیکی شامل موارد زیر است :
1- این ضریب بر پایه هماهنگی درونی گویه ها با یکدیگر قرار دارد .
2- این ضریب تابع دو متغیر "تعداد آیتم های ابزار" و "متوسط ضریب همبستگی بین آیتم ها" است .
3- در عمل، مقدار آن از حداقل منفی بی نهایت تا حداکثر 1+ تغییر می کند .
4- این فرمول کاربرد گسترده ای دارد و می توان از آن در سنجش پایایی آزمون های آماری شناختی دو گزینه ای تا مقیاس های سنجش نگرش چند گزینه ای بهره برد . در صورت برخورد کردن با یک ضریب منفی برای آلفای کرونباخ باید به موارد زیر توجه کرد :
1- اولین چیزی که باید چک شود این است که آیا در کد گذاری داده ها اشتباهی رخ داده است یا خیر؟
2- خطای نمونه گیری در نمونه های کم باعث ایجاد یک کوواریانس منفی در یک نمونه خاص شده است .
3- محقق در تهیه گویه هایی که پدیده یکسانی را اندازه گیری می کنند دچار اشتباه شده باشد و گویه های تعریف شده واقعا دارای کوواریانس منفی باشند و بنابراین مجموعه گویه ها تشکیل دهنده مقیاس منفردی که پدیده یکسانی را بسنجند، نیستند . دراستفاده از این ضریب باید به برخی نکات مهم توجه شود:پایین بودن ضریب را نباید دلیل کافی برای ناپایا بودن ابزار سنجش تلقی کرد.بالا بودن ضریب به معنای مناسب بودن ابزار طراحی شده به لحاظ نظری نبوده است.از آنجا که نه بالا بودن ضریب آلفا ضرورتا به معنای پایایی مطلوب و نه پایین بودن آن ضرورتا به معنای ضعف پایایی واقعی ابزار سنجش است، می توان گفت استفاده از تحلیل نظری و کیفی در کنار استفاده از تکنیک های کمی نظیر ضریب آلفای کرونباخ ضرورت دارد.
آزمون میانه :
آزمون میانه یکی دیگر از روش های غیر پارامتری است که برای مقایسه سه یا بیشتر از سه گروه مورد استفاده قرار می گیرد. اطلاعات مورد نیاز در این روش باید در سطح رتبه ای بوده و حتی الامکان داده ها هم رتبه نباشند زیرا اگر میانه مشترک بین گروه ها جزو نمرات تکراری باشد در این صورت تشخیص تفاوت گروه ها با مشکل مواجه می شود. روش میانه مقادیر گروه های مورد بررسی را با هم ادغام می کند و یک میانه مشترک بین آنها تعیین و سپس تعداد مواردی که در هر گروه به طور جداگانه دربالا و پایین میانه مشترک قرار دارد را به دست می آورد و پس از آن تفاوت بین گروه ها را مشخص می کند. در این روش ضرورتی ندارد گروه ها با هم برابر باشند .
نگارش پایان نامه - رساله دکتری
تحلیل مسیر:
تکنیک تحلیل مسیر از جمله تکنیکهای چند متغیره می باشد که علاوه بر بررسی اثرات مستقیم متغیرهای مستقل بر متغیر وابسته، اثرات غیر مستقیم این متغیرها را نیز مد نظر قرار می دهد و روابط بین متغیرها را مطابق با واقعیتهای موجود، در تحلیل وارد می کند. اهمیت و ارجحیت تحلیل مسیر در مقایسه با تحلیل همبستگی در این است که تحلیل مسیر امکان سنجش اثرات نسبی هر متغیر مقدم یا توضیحی بر متغیرهای بعدی یا وابسته را ابتدا از طریق مشخص کردن مفروضات مربوط به روابط علی و بعد از طریق تعیین اثرات غیرمستقیم متغیرهای مستقل یا توضیحی فراهم می کند . به قول مارش: آنچه در کار استنباط علی بین محقق و تجربه گرایی لگام گریخته حایل می شود همین مدلسازی است، زیرا محقق را به نظریه پردازی روشن و دقیق وا می دارد. مدل علی حاصل از تحقیق، در یک دیاگرام مسیر به نمایش درمی آید. دیاگرام مسیر برای بیان تصویری روابط بین متغیرهای مورد نظر در تحلیل مسیر بکار می رود .
ضریب کرامر :
این ضریب برای تعیین میزان شدت همبستگی بین دو متغیر اسمی مورد استفاده قرار می گیرد و آن را با علامت نمایش می دهند که مقدار آن همواره بین صفر و یک در نوسان است. این ضریب در مقایسه با سایر ضرایب انعطاف بیشتری دارد. بطوری که هم 2 و هم برای جداول مستطیلی به کار می رود × برای جداول توافقی بیشتر از 2 .
آزمون خی دو (کای اسکویر):
آزمون خی دو یکی از آزمون های غیر پارامتریک است که آن را با علامت نمایش می دهند. این آزمون توسط فیشر ارائه شده است تا به سنجش آماری معنی داری تفاوت بین فراوانیهای مشاهده شده و فراوانی های مورد انتظار بدست آمده از یک جامعه بپردازد. این آزمون نشان می دهد که آیا تفاوت موجود بین مقادیر فوق از نظر آماری معنی دار است یا این تفاوت عمدتا بر اساس شانس می باشد. در محاسبه خی دو فرض می شود که بین دو متغیر مورد بررسی (x و y ) ارتباط معنی داری وجود ندارد . 5باشد می توان قضاوت کرد که به / اما پس از محاسبه این آزمون از طریق نرم افزار چنانچه سطح معنی داری کوچکتر از 55 احتمال 55 درصد بین دو متغیر رابطه وجود دارد. در این صورت فرض صفر که بر عدم وجود رابطه تاکید می کند رد می شود. اما 5باشد در این صورت می توان ادعا کرد که به احتمال 55 درصد بین دو متغیر / اگر سطح معنی داری محاسبه شده کوچکتر از 51 رابطه وجود دارد .
فرمول خی دو به صورت زیر است :
در این معادله = شاخص خی دو = فراوانی مشاهده شده = فراونی مورد انتظار
شرایط استفاده از آزمون خی دو برای استفاده از آزموی خی شرایط زیر لازم است :
1- داده های مشاهده شده باید به صورت تصادفی گردآوری شده باشند .2- کلیه موارد موجود در نمونه باید مستقل از هم باشند .
3- حتی الامکان هیچ یک از خانه های جدول نباید کمتر از 15 باشد .
ضریب همسبتگی فی - طرح سوالات و فرضیات در پایان نامه
آزمون کوکران :
آزمون کوکران به عنوان یکی دیگر از روش های غیر پارامتریک، در واقع تعمیم یافته آزمون مک نمار است با این تفاوت که این روش برای مواردی که تعداد گروه ها یا تکرار، سه یا بیشتر از سه باشد به کار می رود. داده های این آزمون به صورت اسمی می باشند و وجود تفاوت بین نظرات افراد را مورد بررسی قرار می دهد .
آزمون مک نمار- نکات کلیدی در نگارش و تدوین پایان نامه
آزمون مک نمار :
آزمون مک نمار یکی از آزمون های مهم غیر پارامتریک است و اغلب در مواردی به کار برده می شود که داده ها به صورت اسمی و مربوط به دو نمونه مرتبط به هم یا همبسته باشند. این آزمون به ویژه در مواردی بکار گرفته می شود که بخواهیم نظرات قبلی و بعدی افراد را مورد مقایسه و بررسی قرار دهیم. ابتدا تعدادی از افراد را به عنوان نمونه انتخاب کرده سپس نظر آنها را جویا می شویم سپس مداخله مورد نظر را انجام می دهیم و مجددا نسبت به دریافت نظرات اقدام خواهیم کرد. در این جا فرض صفر بر این است که تفاوتی بین نظرات قبلی و بعدی وجود ندارد .
آزمون فریدمن :
آزمون فریدمن یکی دیگر از آزمون های غیر پارامتریک است. این آزمون در واقع معادل آزمون F است. اما در اینجا فرض توزیع نرمال و برابر بودن واریانس ضرورتی ندارد. این روش برای مقایسه سه گروه یا بییشتر که همبسته باشند به کار می رود. آزمون فریدمن درصدد است تا بداند آیا مجموع رتبه های هر موضوع با چیزی که مورد انتظار می باشد بسیار متفاوت است یا خیر. اگر تفاوت زیادی بین شرایط مورد مطالعه وجود نداشته باشد در این صورت مجموع رتبه ها کم وبیش مثل هم خواهند بود .
آزمون من ویتنی :
این آزمون برای مقایسه میانگین دو جامعه مستقل، زمانی که داده ها به صورت رتبه ای، یا ترتیبی باشند مورد استفاده قرار می گیرد. آزمون من ویتنی برای محاسبه تفاوت های موجود در بین دو گروه ، مقادیر مربوط به هر دو نمونه را به صورت یکجا و بدون توجه به اینکه هر مقدار به کدام گروه تعلق دارد رتبه بندی می کند. در موقع رتبه بندی چنانچه مقادیر تکراری وجود داشته باشد رتبه ی مربوط به آنها را با همدیگر جمع کرده و بر تعداد مقادیر مشترک تقسیم و رتبه مشترکی را برای همه آنها لحاظ می کنند .
آزمون Post Hoc :
پس از این که، این نتیجه حاصل شد که بردارهای میانگین گروه ها با هم برابر نیستند ممکن است محقق درصدد باشد تا مقایسه های دیگری را نیز در بین گروه ها انجام دهد. به عنوان مثال ممکن است فردی بخواهد بداند که آیا تفاوتی بین گروه ها در یک متغیر وابسته خاص یا متغیر ترکیبی وجود دارد یا خیر؟ برای این کار آماره مقایسه مقید شفه بین گروهها، دانکن و توکی براساس هر یک از متغیر های وابسته، از جمله مقایسه هایی است که انجام می گیرد. بجز این تکنیک ها، روش های دیگری نیز وجود دارند که یکی از آنها تحلیل گام به پیش (Step-down analysis ) می باشد . این روش با حذف اثرات سایر متغیرهای وابسته آماری F یک متغیره، برای یک متغیر وابسته محاسبه می کند .فرآیند محاسبه آن شباهت زیادی به روش گام به گام در رگرسیون دارد. اما در اینجا، این موضوع بررسی می شود که آیا یک متغیر وابسته خاص، به صورت یکسان در تفاوت بین گروه ها نقش ایفا می کند و این ارتباط با سایر متغیر ها ناهمبسته است یا خیر. این فرآیند از طریق مقایسه مقید هلمرت نیز امکانپذیر است. روش دیگر در این زمینه توابع تشخیصی، به ویژه اولین تابع تشخیصی است. این تکنیک مشخص می کند که کدامیک از متغیرها بهتر تفاوت بین گروه ها را نشان می دهد .تحلیل کوواریانس (ANCOVA ) تحلیل کوواریانس (ANCOVA ) و تحلیل کوواریانس چند متغیره (MANCOVA ):
در هر تحلیل واریانس یک متغیره (ANOVA ) متغیرهای مستقل کمی، می توانند به عنوان متغیرهای کمکی در تحلیل در نظر گرفته شوند. در این صورت اینگونه طرح ها، به عنوان طرح تحلیل کوواریانس نامیده می شود. تحلیل کوواریانس زمانی قابل استفاده است که در آن متغیر وابسته کمی و چند متغیر مستقل کمی و کیفی وجود داشته باشد. در این گونه طرح ها به متغیر مستقل کمی اصطلاح متغیر کمکی (Covariate ) و به متغیر مستقل کیفی اصطلاح عامل (Factor ) اطلاق می شود .متغیرهای کمکی پارامتری یا کمی نوعاً در طرح های تجربی و مطالعه پیمایشی به منظور حذف و از بین بردن اثرات خارجی برمتغیر وابسته و افزایش دقت اندازه گیری مورد استفاده قرار می گیرد. در این نوع بررسی ها روشی شبیه رگرسیون خطی برای رفع اختلاف در متغیر وابسته مرتبط با یک یا چند متغیر کمکی به کار گرفته می شود و سپس یک تحلیل واریانس (ANOVA ) بر روی متغیر وابسته تعدیل شده انجام می گیرد. یک متغیر کمکی موثر در تحلیل کوواریانس (ANCOVA ) متغیری است که همبستگی بالایی با متغیر وابسته داشته، اما همبستگی با متغیر مستقل نداشته باشد. در اینجا واریانس متغیر وابسته، پایه ای را برای خطا در تحلیل واریانس تشکیل می دهد. اگر متغیر کمکی وجود داشته باشد که با متغیر وابسته همبستگی داشته باشد، میتوان از طریق تحلیل رگرسیون بخشی از واریانس را تبیین کرد و تنها واریانس باقی مانده، در متغیر وابسته باقی می ماند .این واریانس باقیمانده، تنها خطی کمی را برای آماره F باقی می گذارد. استفاده از متغیر کوواریانس (ANCOVA ) شرایطی دارد کهمی توان آن را به شرح ذیل خلاصه کرد: 1 زمانی که یک یا چند متغیر خارجی مزاحم وجود دارد که در متغیر وابسته اثر می -گذارد. 2 این متغیر مزاحم قابل اندازه گیری در مقیاس فاصله ای یا نسبی باشد. 3 بین متغیر یا متغیرهای مزاحم و متغیرهای - -وابسته رابطه وجود داشته باشد. 4 کنترل تجربی متغیرهای مزاحم خارجی امکان پذیر نباشد. اگر در این شرایط قرار نباشد تعدیلی -که در متغیر وابسته از طریق کنترل عوامل مزاحم بدست می آید درنظر گرفته شود، نتیجه به دست آمده صحیح نخواهد بود زیرابرخی اثرات قابل استناد، از متغیر وابسته حذف خواهد شد .تحلیل چند متغیره تحلیل کواریانس چند متغیره (MANCOVA ) ،بسط یافته اصول تحلیل کوواریانس (ANCOVA ) به تحلیل چند متغیره است .
آزمون تحلیل واریانس(F) - نرم افزار R
آزمون ویلکاکسون :
در بسیاری از پژوهش هایی که نمونه ها به صورت جفت شده و همبسته اند، ممکن است محقق بخواهد تا هم جهت تغییر و هم میزان تغییر را مورد بررسی قرار دهد. برای این منظور آزمون ویلکاکسون آزمون مناسبی است. داده های مورد استفاده در این آزمون حداقل باید در سطح ترتیبی باشند. تست ویلکاکسون که آن را با علامت T نشان می دهند، بر این استدلال استوار است که اگر تفاوتی بین دو مجموعه از مقادیر وجود نداشته باشد، تقریبا به همان میزان که تفاوت + کوچک وجود دارد، تفاوت کوچک – نیز وجود خواهد داشت. همچنین حدودا به همان تعداد که تفاوت + بزرگ وجود داشته باشد به همان میزان نیز تفاوت بزرگ – وجود خواهد داشت. بنابر این مجموع رتبه ها برای تفاوت های + تقریبا برابر با مجموع رتبه ها برای تفاوت های خواهد بود. – اگر مجموع اختلاف + تفاوت زیادی با مجموع اختلاف داشته باشد می توان قضاوت کرد که تفاوت معنی داری بین دو مجموعه–مقادیر وجود دارد.
ضریب همسبتگی فی :
2× ضریب همسبتگی فی به منظور بررسی شدت همبستگی بین دو متغیر اسمی که به صورت دو وجهی و در قالب جدول توافقی 2 می باشد مورد استفاده قرار می گیرد. به همین دلیل در اینگونه موارد به جای استفاده از خی دو باید از ضریب همبستگی فی استفاده شود. تفاوت ضریب همبستگی فی با خی دو در این است که خی دو سطح معنی دار بودن همبستگی بین متغییر ها را تعیین می کند، در حالی که ضریب فی شدت همبستگی خی دو را نشان می دهد. ضریب همبستگی فی نیز مانند خی دو مورد تفسیر قرار می گیرد و مقدار آن نیز همواره بین صفر و یک در نوسان است .
آزمون کروسکال والیس :
این آزمون در واقع معادل تحلیل واریانس یک طرفه می باشد، اما برخلاف آن نیازی به نرمال بودن جامعه و یکسانی انحراف معیارها نیست. از سوی دیگر این آزمون یاد بودی از روش من ویتنی است که مقادیر نمونه ها را یکجا به صورت نزولی یا صعودی مرتب، و بعد رتبه بندی می کند. آزمون کروسکال والیس که آن را با H نشان می دهند زمانی مورد استفاده قرار می گیرد که تعداد نمونه ها بیش از دو گروه باشد .
تحلیل تشخیصی چندگانه :
تحلیل تشخیصی از جمله روشهای تفکیکی است که تلاش می کند تا با بهره گیری از برخی متغیر های مستقل، افراد گروه ها را که داده های آنها به صورت اسمی یا ترتیبی است به بهترین وجه از هم تفکیک کند و نهایتا متغیرها هایی که به طور مناسب گروه ها را از هم تفکیک می کنند مشخص کند .این روش شباهت ها و تفاوت هایی از نظر کاربرد و تحلیل داده ها با سایر روش های چند متغیره دارد. تحلیل تشخیصی زمانی به عنوان یک روش موثر مورد استفاده قرار می گیرد که محقق بخواهد تفاوت های موجود بین گروه ها را تشخیص دهد و یا اینکه درصدد باشد افراد یا واحد های مورد مطالعه را به گروه ها یا طبقات تقسیم کند . بنابر این روش تحلیل تشخیصی زمانی مفید می باشد که یک متغیر گروه بندی شده )کیفی( و چندین متغیر مستقل کمی وجود داشته باشد . در چنین مواردی تحلیل رگرسیون مناسب به نظر نمی رسد. زیرا در تحلیل رگرسیون متغیر وابسته باید به صورت کمی باشد. بنابراین تحلیل تشخیصی چندگانه زمانی روش مناسب به حساب می آید که در آن متغیر گروه بندی در دو یا چند گروه طبقه بندی شده باشد و محقق بخواهد ارتباط آن را با تعدادی متغیر مستقل که به صورت کمی هستند بررسی کند. به عنوان مثال اگر محقق بخواهد ارتباط انتخاب یک اولویت مانند الف و ب را در رابطه با درآمد، سن، تحصیلات و غیره بررسی کند باید از تحلیل تشخیصی چندگانه استفاده کند.در صورتی که تنها دو گروه مورد بررسی قرار گیرند به طور ساده از مفهوم تحلیل تشخیصی و چنانچه سه گروه یا بیشتر مورد مطالعه قرار گیرند از تحلیل تشخیصی چندگانه استفاده می شود. تحلیل تشخیصی ترکیب دو یا چند متغیر مستقل را که به بهترین وجه تفاوت بین گروه ها را تبیین می کند نشان می دهد. این موضوع از طریق حداکثر کردن واریانس بین گروه ها نسبت به واریانس درون گروه ها بر مبنای یک قاعده تصمیم گیری آماری انجام می گیرد که به صورت نسبت واریانس بین گروه ها به واریانس درون گروه هاست .
تحلیل واریانس (ANOVA ) :
تحلیل واریانس که به آن ANOVA یا F نیز می گویند، یکی از تکنیک های آماری موثر و پرکاربرد در تحقیقات اقتصادی،اجتماعی، علوم تربیتی، روانشناسی، مدیریت و حتی کشاورزی، بیولوژی و غیره است. زمانی که محقق بخواهد به بررسی تفاوت میانگین های بیش از دو جامعه بپردازد، بکارگیری آزمون هایی همچون T امکانپذیر نخواهد بود. برای این منظور در اینگونه تحقیقات از روش تحلیل واریانس یا آزمون F استفاده می گردد. تحلیل واریانس در واقع روشی برای آزمایش تفاوت بین گروه های مختلف داده ها یا نمونه هاست. این روش کل واریانس موجود در یک مجموعه از داده ها را به دو بخش تقسیم می کند. بخشی ازاین واریانس ممکن است به خاطر شانس و تصادف باشد و بخش دیگر ممکن است ناشی از دلایل یا عوامل خاصی باشد. از طرف دیگر واریانس موجود ممکن است ناشی از تفاوت بین گروه های مورد مطالعه و یا بخاطر تفاوت موجود در درون نمونه ها حادث شده باشد. بنابر این ANOVA به عنوان یک روش تحلیل، با بررسی مجموع این تفاوت ها به تبیین پدیده مورد نظر می پردازد. ازطریق این گونه تحلیل هاست که محقق می تواند بررسی کند که آیا بین درآمد گروه های مختلف شغلی تفاوت معنی داری وجوددارد یا نه؟ تحلیل واریانس یک طرفه : این آزمون زمانی مورد استفاده قرار می گیرد که بخواهیم میانگین سه گروه یا بیشتر را مورد مقایسه قرار دهیم. مثال: بررسی میزان رضایت از زندگی در بین اقوام مختلف ایران. تحلیل واریانس دو طرفه : اگر محقق بخواهد تنها یک متغیر (مانند درآمد) را انتخاب کند و بخواهد تفاوت بین طبقات یا گروه های مختلف را بررسی کند در این صورت از تحلیل واریانس یک طرفه استفاده می کند. اما اگر بخواهد اثر دو عامل را بر روی یک متغیر وابسته بررسی کند باید از تحلیل واریانس دوطرفه استفاده می شود. مثال: یک موسسه آموزشی میزان یادگیری فراگیران را بر اساس روش های مختلف آموزشی و حجم تکلیف تعیین شده برای فراگیران طبقه بندی می کند. سپس می خواهد بداند که آیا تفاوت در میزان یادگیری در روش آموزش کلاسی با آموزش انفرادی در حجم تکلیف کم به مراتب کمتر از حجم تکلیف زیاد است؟ تحلیل واریانس برای گروه های همبسته : این آزمون زمانی مورد استفاده قرار می گیرد که تنها یک گروه وجود دارد و چندین آزمون بر روی آنها اعمال می شود.
- مثال: بررسی مقایسه نمره دانش آموزان یک کلاس در 3 روش تدریس درس ریاضی
ضریب همبستگی چوپروف :
ضریب همبستگی چوپروف که آن را با T نمایش می دهند به منظور تعیین شدت وابستگی بین متغیرهای مورد مطالعه به کار گرفته می شود و مقدار آن همواره بین صفر و یک در نوسان می باشد. این آزمون زمانیکه هر دو متغیر اسمی باشند و یا یکی اسمی و دیگری ترتیبی باشد مورد استفاده قرار می گیرد اما نباید سطر و ستون با هم برابر باشند .
ضریب همبستگی فی-ضریب همبستگی پیرسون
ضریب همسبتگی پیرسون :
ضریب همبستگی پیرسون از روشهای پرکاربرد جهت تعیین میزان رابطه بین دو متغیر محسوب می گردیده و با علامت r نمایش داده می شود. این ضریب به منظور بررسی رابطه بین دو متغیر فاصله ای یا نسبی مورد استفاده قرار می گیرد و مقدار آن همواره بین 1 و 1+ در نوسان است. چنانچه مقدار به دست آمده مثبت باشد به معنای این است که تغییرات در هر دو متغییر بطور هم - جهت اتفاق می افتد. به عبارت دیگر با هر گونه افزایش در مقدار یک متغیر، مقدار متغیر دیگر نیز افزایش پیدا می کند و بر عکس. اما چنانچه مقدار r منفی باشد بیانگر این نکته است که دو متغیر در جهت عکس همدیگر حرکت می کنند. یعنی با افزایش یک متغیر، مقادیر متغیر دیگر کاهش می یابد و بر عکس. اگر مقدار به دست آمده برای ضریب همبستگی صفر باشد به معنای این است که هیچگونه رابطه ای بین دو متغیر وجود ندارد. اگر مقدار r دقیقا برابر + 1 باشد بیانگر همبستگی مثبت کامل و اگر برابر 1 باشد نشان دهنده همبستگی کامل منفی بین دو متغیر است .
آزمون کولموگروف سمیرنف :
در آزمون خی دو اگر فراوانی های مورد انتظار بیش از 25 درصد خانه های جدول، کمتر از 5 باشد در این صورت نمی توان از فرمول خی دو استفاده کرد. این مشکل معمولا زمانی پیش می آید که حجم نمونه کمتر از 55 باشد و یا خانه های جدول بیشتر باشد. در چنین حالتی می توان از تست کولموگروف سمیرنف استفاده کرد. اساس این آزمون مقایسه فراوانی تجمعی نسبی مشاهد شده با فراوانی تجمعی نسبی مورد انتظار است .
آزمون های T :
آزمون T به منظور دستیابی به اینکه آیا تفاوت بین میانگین های دو گروه از نظر آماری معنی دار هست یا نه مورد استفاده قرارمی گیرد. چنانچه گروه ها همبسته باشند باید از آزمون T همبسته و در صورتی که گروه ها مستقل باشند باید از آزمون T مستقلاستفاده کرد. آزمون T همبسته : این روش زمانی مورد استفاده قرار می گیرد که دو موضوع یا متغیر در مورد یک گروه موردبررسی قرار می گیرد. مانند نمونه: میزان تمایل به خشونت قبل و بعد از اکران فیلم خشن برای گروهی از دانش آموزان.
آزمون Tمستقل :
این آزمون زمانی مورد استفاده قرار می گیرد که بخواهیم میانگین بین دو گروه از افراد، که از همدیگر متفاوت هستند را مقایسه کنیم. مانند نمونه: مقایسه میانگین تفاوت در میزان گرایش به دینداری بین زنان و مردان.
مجموعه آزمون های آماری - تعاریف و آزمونهای آماری
ضریب همبستگی توافق پیرسون :
این ضریب که آن را با C نشان می دهند میزان همبستگی بین دو متغیر اسمی، که به صورت توافقی تنظیم شده اند را محاسبه می 2 باشد. هر چه مقدار این ضریب بزرگتر باشد × کند و این شاخص زمانی به کار می رود که خانه های جدول توافقی بیشتر از 2 درجه همبستگی متغیرها با هم بیشتر خواهد بود و افزایش مقدار این ضریب بستگی به تعداد طبقات آن دارد .
ضریب همبستگی رتبه ای کندال :
شاخص های کندال حالت تقارن دارد. به این معنا که متغیرها قرینه بوده و برای محقق مهم نیست که کدام یک از متغیرهای مورد مطالعه وابسته و کدامیک مستقل می باشد. این شاخص مشخص می کند که تا چه میزان افزایش یا کاهش در یک متغیر با افزایش یا کاهش در یک متغیر دیگر همراه است. مقدار ضریب کندال همواره بین 1 تا 1+ در نوسان می باشد.کندال به سه روش مختلف - محاسبه می گردد. زمانی که جدول به صورت دو بعدی باشد و تعداد آزمودنی یا N نیز بیشتر باشد از کندال تائو a استفاده می شود. کندال تائو b نیز زمانی مورد استفاده قرار می گیرد که تعداد خانه های سطر و ستون جدول دو بعدی با هم برابر باشند. اما آنچه تعداد ردیف ها و ستون ها با هم برابر نباشند و جدول به صورت مستطیل باشد باید از کندال تائو c استفاده شود. در این روش مقیاس ها باید ترتیبی باشند .
رگرسیون لجستیک :
در صورتی که متغیر وابسته از نوع اسمی دو وجهی باشد بجای استفاده از رگرسیون چندگانه باید از رگرسیون لوجستیک استفاده شود. در این روش بر اساس متغیر های مستقل مورد استفاده می توان احتمال هر یک از سطوح متغیر دو وجهی وابسته را محاسبه کرد .
ضریب همبستگی رتبه ای اسپیرمن
ضریب همبستگی اسپیرمن که در اوایل دهه 1555 توسط چارلز اسپرمن ابداع گردیده است زمانی مورد استفاده قرار میگیرد که داده ها به صورت رتبه ای متوالی نا پیوسته باشد و یا اینکه مقادیر اصلی به رتبه تبدیل شوند. در صورتی که داده ها با مقیاس فاصله ای یا نسبی اندازه گیری شده باشند می توان آنها را به رتبه ای تبدیل کرد و بعد ضریب همبستگی رتبه ای اسپیرمن را محاسبه نمود. برای این منظور رتبه 1 به بیشترین مقدار، رتبه 2 به مقدار بعدی و الی آخر داده شود . در این رتبه اگر در بین مقادیر اصلی دو یا چند مورد دارای مقادیر مساوی باشند، رتبه های مربوط به آن ها با همدیگر جمع شده و بر تعداد آنها تقسیم می گردد و میانگین به دست آمده به عنوان رتبه برای مقادیر فوق در نظر گرفته می شود. ضریب همبستگی اسپیرمن که آن را با P یا نشان می دهند همواره بین 1 و 1+ در نوسان است و از لحاظ سطح سنجش نیز ترتیبی و از نوع - متقارن می باشد. به همین دلیل برای محقق مهم نیست که کدام متغیر مستقل و کدام و ابسته است. چنانچه در داده های مربوط به متغیرها موارد هم رتبه زیاد وجود داشته باشد در این صورت بهتر است از روش کندال تائو استفاده کرد. اما اگر تعداد طبقات زیاد باشد و موارد هم رتبه نیز بسیار کم باشند و داده ها به صورت رتبه ای متوالی نا پیوسته باشد باید از ضریب همبستگی اسپیرمن استفاده کرد .