بیزینس پرو نیوز

کانکت نیوز

رضایت نیوز

بیانیه اعتبار
بیانیه اعتبار و جایگاه علمی مؤسسه ماد دانش‌پژوهان مؤسسه «ماد دانش‌پژوهان» با بیش از ۲۳ سال سابقه مستمر و حرفه‌ای در حوزه پژوهش‌های دانشگاهی، به‌عنوان یکی از مجموعه‌های معتبر و قابل اتکا در همراهی علمی دانشجویان تحصیلات تکمیلی در ایران و خارج از کشور... ادامه مطلب ..
پرسش از هوش مصنوعی در مورد ماد دانش پژوهان
مشورت با CHAT GPT  در مورد موسسه ماد دانش پژوهان سؤال بسیار خوبی پرسیدید 👍من باید منصفانه، حرفه‌ای و بدون اغراق یا تخریب پاسخ بدهم. جمع‌بندی حرفه‌ای درباره «مؤسسه ماد دانش‌پژوهان» (در حوزه پروپوزال، پایان‌نامه ارشد، رساله دکتری و مقاله) با توجه به... ادامه مطلب ..
رضایت دانشجو - کد 14334
کد 14334 - Arman Sarkissian ارمنستان : MSc International Relations : July 2023 نظر: Theoretical framework was extremely strong and coherent.thanks a lot ادامه مطلب ..
رضایت دانشجو 12921
 کد 12921- Zahra Karimi ایران – شیراز دکتری علوم تربیتی  آبان ۱۴۰۰ نظر: بازنویسی فصل دوم پایان‌نامه به‌قدری دقیق بود که اساتید داور کاملاً راضی بودند.خدا خیرتون بده  کاش همه کارشون رو درست انجام بدن جقدر سرمایه اجتماعی ایجاد میکنه  اعتماد اعتماد اعتماد واقعا من به... ادامه مطلب ..
رضایت دانشجو کد 11090
 کد 11090 -  Fatemeh Jalali ایران – کرج  ارشد حقوق بین‌الملل خرداد ۱۴۰۲ نظر: نگارش پایان‌نامه با رعایت کامل اصول آکادمیک و منابع معتبر انجام شد. کاملاً راضی هستم.به قول سعدی سعدیا مرد نکو نام نمیرد هرگز   در حق من نکویی فرمودید مرسی  ... ادامه مطلب ..
رضایت دانشجو کد 12978
کد 12978 -  Reza Norouzi ایران – تبریز ارشد مهندسی برق  اسفند ۱۴۰۱ نظر: مدلسازی متلب و تحلیل نتایج دقیقاً مطابق استاندارد ژورنال‌های بین‌المللی انجام شد.فکر نمیکردم به این خوبی  بشه آقا واقعا ممنونم ازتون خیلی خوب شد منم جبران کنم  یک روزی یه جایی ادامه مطلب ..
رضایت دانشجو کد 13254
کد 13254 - علی رضایی ایران – مشهد ارشد روانشناسی بالینی تیر ۱۴۰۲ نظر: تحلیل آماری SPSS و تفسیر نتایج بسیار دقیق انجام شد. واقعاً خیالم از بابت کیفیت علمی راحت بود.قلبا موگم دستتون درد نره به قول ما مشهدیها  اینجا دعاتون  مکنوم ادامه مطلب ..
رضایت دانشجو کد 13459
 Sara Mohammadiایران – اصفهان دکتری مدیریت بازرگانیشروع همکاری: مهر ۱۴۰۱نظر:همکاری با این مجموعه باعث شد مقاله من در ژورنال Q1 اسکوپوس پذیرفته شود. پاسخ به داوران کاملاً حرفه‌ای و دقیق بود.دوستون دارم واقعا و ممنونتونم مسیر زندگیم تغییر کرد ادامه مطلب ..
رضایت دانشجو کد 15465
محمدرضا احمدی ایران – تهران کارشناسی ارشد مهندسی عمران - سازه دانشگاه ....شروع همکاری: فروردین ۱۴۰۲نظر:از ابتدای نگارش پروپوزال تا دفاع پایان‌نامه، تیم کاملاً حرفه‌ای و متعهد همراه من بودند. دقت علمی و زمان‌بندی عالی باعث شد با نمره عالی فارغ‌التحصیل شوم. ادامه مطلب ..
کد 10591
Youssef maali استرالیا   MSc Mechanical Engineering : February 2022 نظر: Simulation results were accurate and well-documented. ادامه مطلب ..
کد 11830
Ali Akbar Rahimi  ایران – اهواز  دکتری مهندسی شیمی  دی ۱۴۰۰ نظر: همراهی تیم تا مرحله سابمیت مقاله ISI واقعاً ارزشمند بود.بعدشم کاور لتر خوب و پاسخ به کامنتها محشر بود فکر کردم ریچکتم ولی در کمال ناباوری البته با چند بار زحمت و پاسخ مقلم قبول و اکسپت شد باریکلا بهتون واقعا خیلی... ادامه مطلب ..
کد 12117
مهندسی برق – قدرت | تهران برای انجام پروپوزال و پایان‌نامه ارشد مهندسی برق (گرایش قدرت) با این مجموعه آشنا شدم. از همان ابتدا انتخاب موضوع دقیق، جدید و کاملاً متناسب با علایق پژوهشی من انجام شد. پروپوزال در اولین ارسال تأیید شد و در مرحله پایان‌نامه نیز تحلیل‌ها،... ادامه مطلب ..
کد 12236
Amir Hossein Ghasemi  ایران – قم دکتری فلسفه شروع همکاری: مهر ۱۳۹۹ نظر: تحلیل‌های فلسفی بسیار عمیق و دقیق بودند و ادبیات متن کاملاً دانشگاهی بود.من فکر نمیکردم بتونن اینطور بنویسن ولی سربلند شدم خداتون خیر بده  ادامه مطلب ..
کد 12877
ایلینوی – دکتری مدیریت فناوری  Emily Carter | ایالت: Illinois من دانشجوی دکتری مدیریت فناوری در ایالت ایلینوی هستم و برای توسعه چارچوب نظری و روش تحقیق رساله‌ام از این مجموعه کمک گرفتم. تیم پژوهشی توانست ادبیات میان‌رشته‌ای مدیریت و فناوری را به‌صورت منسجم در پروپوزال... ادامه مطلب ..
کد 12884
مهندسی مکانیک – طراحی کاربردی | تهران برای پایان‌نامه کارشناسی ارشد مهندسی مکانیک (طراحی کاربردی) از این مجموعه کمک گرفتم. از مرحله انتخاب موضوع تا نگارش پروپوزال و تکمیل پایان‌نامه، همه چیز کاملاً برنامه‌ریزی‌شده و منظم پیش رفت. اصلاحات استاد راهنما و داوران... ادامه مطلب ..
کد 13502
کالیفرنیا – دکتری مدیریت استراتژیک من دانشجوی دکتری مدیریت استراتژیک در یکی از دانشگاه‌های ایالت کالیفرنیا هستم و در مرحله تدوین پروپوزال رساله با این تیم همکاری داشتم. مسئله پژوهش به‌صورت کاملاً دقیق، مبتنی بر ادبیات روز و همسو با علایق استاد راهنما طراحی شد.... ادامه مطلب ..
کد 14520
 Parisa Amini  آلمان  PhD Education January 2021 نظر: The literature review was comprehensive and well-structured.من توی غربت واقعا یک پشتوانه عالی پیدا کردم و اون همین مجموعه بود ته دلم قرص شد واقعا بی نظیرن انگار توی آلمان خدمات گرفته باشمدقیق و منطقیین و خیلی درستند ادامه مطلب ..
کد 15385-شروع همکاری 30-10-1398 (ادامه دارد)
دانیال دکترای بیزینس از فرانسه تجربه من با این تیم، خیلی فراتر از یه همکاری ساده و خشکِ دانشجویی بود. راستش چیزی که همون اول خیالم رو راحت کرد، تسلط عجیبشون روی نقشه راه پژوهش بود؛ اینکه یکی باشه که دقیقاً بدونه چه چارچوب و روشی به دردت می‌خوره، انگار وسط مه غلیظ برات چراغ... ادامه مطلب ..
کد 15889
تگزاس – دکتری مدیریت کسب‌وکار (DBA) من دانشجوی دکتری مدیریت کسب‌وکار (DBA) در ایالت تگزاس هستم و از مرحله نهایی‌سازی موضوع تا تکمیل پروپوزال رساله با این تیم همکاری داشتم. موضوع پژوهش کاملاً کاربردی و مبتنی بر مسائل واقعی سازمان‌ها طراحی شد و همین موضوع نظر مثبت کمیته... ادامه مطلب ..
کد 16005
Noor Al-Hassan/  امارات/ / PhD Business Administration شروع همکاری May 2020 نظر: Professional academic writing with excellent reviewer response.very good  ادامه مطلب ..
کد 16443
مهندسی عمران – سازه | تهران به‌دلیل کمبود وقت و حساسیت بالای پایان‌نامه، انجام موضوع، پروپوزال و نگارش پایان‌نامه ارشد مهندسی عمران را به این تیم سپردم. انتخاب موضوع کاملاً مطابق آیین‌نامه دانشکده بود و پروپوزال بدون رفت‌وبرگشت تأیید شد. در زمان نگارش... ادامه مطلب ..
کد 16556
Anna Kowalska  لهستان  PhD Management : September 2020 نظر: The revision process for Scopus journal was handled perfectly.خیلی خوب هستند و ما را خیلی راضی فرمودند این انسانهای خوب و خیلی خوب  و موسسه خوبشان  ادامه مطلب ..
کد 17012
Maryam Ebrahimi  ایران – یزد  ارشد حسابداری شروع همکاری: مرداد ۱۴۰۲ نظر: تحلیل مالی و نگارش فصل چهارم بسیار دقیق و حرفه‌ای انجام شد.  به همین خاطر کل کلارمو دادم دوباره بررسی کردن و یک کار عالی شد سخت استادمو راضی کردم کار خودمه خیلی بهم شک کرد ولی با کمک و مشاور عالی که... ادامه مطلب ..
کد 17478
مهندسی صنایع – دانشگاه تهران من دانشجوی کارشناسی ارشد مهندسی صنایع از دانشگاه تهران هستم و از مرحله انتخاب موضوع تا نگارش کامل پروپوزال و پایان‌نامه با این مجموعه همکاری داشتم. موضوع کاملاً کاربردی و منطبق با نظر استاد راهنما انتخاب شد و پروپوزال بدون اصلاح اساسی تأیید... ادامه مطلب ..
کد 17655
نیویورک – دکتری مدیریت منابع انسانی من دانشجوی دکتری مدیریت منابع انسانی در ایالت نیویورک هستم و برای بازطراحی پروپوزال رساله‌ام از خدمات این مجموعه استفاده کردم. پروپوزال اولیه من چند بار از سوی کمیته رد شده بود، اما پس از بازنگری ساختار نظری، متغیرها و روش تحقیق، طرح... ادامه مطلب ..
کد 17761
مهندسی کامپیوتر – نرم‌افزار | تهران من دانشجوی ارشد مهندسی کامپیوتر از تهران هستم و از خدمات این مجموعه برای انتخاب موضوع، نگارش پروپوزال و پایان‌نامه استفاده کردم. موضوع پیشنهادی بسیار به‌روز و کاربردی بود و استاد راهنما کاملاً از آن استقبال کرد. پروپوزال سریع... ادامه مطلب ..
کد 17766
 Hassan El-Sayed مصر Master of Public Health : June 2022 نظر: Statistical analysis and interpretation were outstanding.من بدین وسیله از سیستم با انظباط و ارزشمند این موسسه کمال تشکر را میکنم و برایشان آرزوی توفیقات روز افزون میکنم  ادامه مطلب ..
کد 17836
نام و نام خانوادگی حقیقی رشته و مقطع تحصیلی دکترای زبان شرح درخواست شما(لطفا دقیق و واضح) پروژه تحقیقاتی زبان خارجی تیم مادپژوهان بسیار متعهد و مسئولیت پذیر هستند بسیار خوش قول و منعطف ، قدردان زحمات مجموعه هستم ادامه مطلب ..
کد 18000
Leyla Demir ترکیه PhD Sociology : October 2024 نظر: Very professional and ethical collaboration. Highly recommended.کارمو به زبان انگلیسی تحویل گرفتم واقعا خیلی خوب بود من زبانم عالیه ولی این موسسه درخشانن تخصص و پشتیبانی رو با هم دارند کمتر جایی هر دو با هم هست واقعا هم کاردرست انجام میدن و هم درست کارن  به قول خودشون... ادامه مطلب ..
کد 18201
Ahmad Al-Farsi / عمان / MSc Civil Engineering شروع همکاری/March 2022 نظر: Excellent academic support. My thesis was approved without any major revisions.من تو عمان سرگردون بودم جه کنم انگار از آسمون برام نازل شدید واقعا حرف ندارید و بیار عمیق و دقیق گوش میدید و مشورت میدیدو واقعا ادما رو از گمراهی در میارید صادقانه فکرشم نمیکردم... ادامه مطلب ..
کد 9012
Mohammad Rahman UK  MSc Computer Science  April 2023 نظر: Code validation and methodology explanation were very clear.من باورم نشد توی ایران چنین افرادی و اینجور عالی و گود کار کنن موندم چی بگمخوب انجام دادن خوب پشتیبان شدن و همچنین من میگم بهترینن واقعا به همه میگمشون  ادامه مطلب ..
کد17011
 Mahsa Rahmani /کانادا / PhD Psychology November 2019 نظر: Ethical considerations and methodology were handled very carefully.mamnoooooonam  ادامه مطلب ..
کد17077
Niloofar Hashemi  ایران – رشت  ارشد علوم اجتماعی  بهمن ۱۴۰۱ نظر: پرسشنامه‌سازی و تحلیل داده‌ها کاملاً علمی و قابل دفاع انجام شد. اضطرابم شد آرامش و دعای خیر براشون دستوون درد نکنه تو روزای سخت حمایتم کردین همه جوره چبران کنم ایشالاه ادامه مطلب ..
ماد دانش‌ پژوهان
با هدف ارائه خدمات علمی ممتاز و اخلاق پژوهش‌ محور، مسیر واقعی پیشرفت دانشجویان و پژوهشگران را هموار می‌ سازد. چشم‌ انداز ما تبدیل شدن به مرجع نخست خدمات پژوهشی در ایران و منطقه است. با تمرکز بر کیفیت، نوآوری و همکاری‌ های بین‌ المللی، تلاش می‌ کنیم استانداردهای... ادامه مطلب ..
نظر chat gpt
با توضیح بسیار مفصل و گسترده‌ای که دادید، نظر من کاملاً روشن و حرفه‌ای است و سعی می‌کنم بدون اغراق و تبلیغ، تحلیل کارشناسی دقیق بدهم: نظر نهایی من درباره اعتبار «ماد دانش‌پژوهان» با توجه به شواهد اگر حتی نیمی از آنچه  مستند شده است (و از قرائن قبلی گفتگو و... ادامه مطلب ..

اپلای نیوز

سابقه نیوز

پرپوز نیوز

نشر نیوز

تز نیوز

داک نیوز

روز نیوز پیپر

اکانت نیوز

یونی نیوز

ابات نیوز

سایتیشن نیوز

ریسرچ تولز نیوز

ادیت پیپر نیوز

دیتا بیس نیوز

ژورنال نیوز

پیپر نیوز

IMAGE راهنمای استخراج مقاله از پایان نامه(ارشد و دکتری)
استخراج مقاله قواعد استخراج مقاله استخراج مقاله و چاپ کتاب راهنمای فرار از تله های علمی نمونه مقاله های استخراج شده راهنمای نوشتن مقاله علمی: رویکردی گام به گام... ادامه مطلب ..

ترمینو نیوز

آپ نیوز

کاریکلوم نیوز

رفرنس نیوز

استا تست نیوز

اکستراکت نیوز

ابزارهای تحلیل آماری

  • 1- تعریف علم آمار: علم آمار به مجموعه روش‌های علمی اطلاق می‌شود که برای جمع آوری اطلاعات اولیه، مرتب و خلاصه کردن، طبقه بندی و تجزیه و تحلیل اطلاعات اولیه و تفسیر آن‌‌ها به کار می‌رود.

    2- تعریف جامعه آماری: هر مجم یا افرادی که لااقل دارای یک صفت مشترک باشد را جامعه آماری می‌گویند. هر یک از اشیاء یک جامعه آماری را یک فرد جامعه می‌نامیم. مجموع اشیاء یک جامعه را حجم جامعه می‌نامیم.

    3- تعریف متغیر: صفاتی از هریک از افراد جامعه آماری که از یک فرد به فرد دیگر تغییر می‌کنند متغیر می‌باشند. متغیرها به سه دسته تقسیم می‌شوند:

    STATISTICALANALYSIS 2،آزمونهای آماری،ماد دانش پژوهان

    3-1- متغیر اسمی: متغیرهای کیفی که قابل مقایسه با همدیگر نیستند، مانند رنگ چشم که مثلا مشکی یا میشی است و نمی‌توان گفت که مشکی از میشی بهتر است.

    3-2- متغیر ترتیبی: متغیرهای کیفی که شدت و ضعف را نشان می‌دهند یعنی ترتیب بین اعداد رعایت شده است.

    3-3- متغیرهای کمی: متغیرهایی هستند که قابل اندازه گیری یا شمارش و یا قابل مقایسه و سنجش هستند. این متغیرها نیز بر دو قسم هستند:

    3-3-1- متغیرهای کمی گسسته: متغیرهای قابل شمارش هستند که بین مقادیر قابل تصور از آن فاصله وجود داشته باشد. مانند تعداد افراد خانوار

    3-3-2- متغیرهای کمی پیوسته: متغیرهای کمی هستند که مقادیر خودشان را از اعداد حقیقی می‌گیرند یعنی فاصله ای بین هیچ یک از دو مقدار قابل تصور از متغیر وجود ندارد. مانند قد و وزن یا طول.

    4- بررسی آماری: بررسی‌ای است که موضوع مورد مطالعه را به یک جامعه مربوط می‌کند و در آن جامعه افراد را مورد مطالعه قرار می‌دهد. بررسی‌های آماری شامل سه مرحله است.

    1) مشاهده

    2) گروه بندی تهیه جداول و رسم نمودارها

    3) محاسبه شاخص‌ها، مشخص کننده‌ها و تجزیه و تحلیل آن‌ها

    5- آمارگیری: در مطالعات آماری که اطلاعات آماری را نتوان از ثبت جاری به دست آورد، از طریق آمارگیری استفاده می‌کنیم. مشاهدات به طور کلی خود بر دو نوع هستند:

    5-1- سراسری: کلیه افراد جامعه را مورد مطالعه قرار می‌دهیم و معمولا این نوع مشاهدات را سرشماری می‌نامیم و اصولا سرشماری خاص انسان است. ولی امروز در تمام زمینه‌ها به کار می‌رود.

    5-2- غير سراسری: مشاهداتی هستند که در تمام افراد جامعه مورد مطالعه قرار نمی‌گیرند و خود به چند دسته تقسیم می‌شوند:

    5-2-1- آمارگیری نمونه‌ای: در زیر چند روش نمونه گیری به طور فهرست وار اشاره می‌گردد.

    5-2-1-1- نمونه‌گیری تصادفی: یکی از دقیق‌ترین روش‌های آمارگیری است که افراد مورد مطالعه به طور تصادفی و بر طبق قانون احتمالات انتخاب می‌شوند. به طوری که این جامعه نمونه نماینده جامعه اصلی باشد. هر نمونه که با یک شانس معلوم انتخاب شده‌باشد نمونه تصادفی نامیده می‌شود. اگر روند انتخاب نمونه طوری باشد که شانس انتخاب برای هر نمونه ممکن (با حجم ثابت از همان جامعه) برابر باشد آن را نمونه تصادفی ساده می‌نامیم ولی اگر شانس انتخاب هر یک از اعضای نمونه برابر نباشد آن را نمونه تصادفی‌ای با احتمال متغیر می‌نامیم نمونه برداری تصادفی ساده‌ای را می‌توان به روش با جای گذاری و یا بدون جای گذاری انجام داد.

    5-2-1-2- نمونه‌گیری خوشه‌ای: یک نمونه گیری تصادفی ساده است که به جای یک فرد گروه‌هایی از افراد جامعه به عنوان واحد انتخابی در نظر گرفته می‌شوند و آن را می‌توان با جای گذاری و یا بدون جای گذاری اجرا کرد.

    5-2-1-3- نمونه‌گیری تصادفی طبقه‌ای: فرض کنید جامعه را به k طبقه متساوی الحجم تقسیم کنیم و بخواهیم از جامعه یک نمونه n تایی انتخاب کنیم. می‌توان از هر یک از طبقات یک نمونه به اندازه انتخاب کرد. حال اگر طبقه‌ها هم حجم نباشد، نسبت نمونه‌ متشابه نمی‌شود. یعنی متغیر می‌باشد. در این صورت آن را نمونه‌گیری تصادفی با احتمال متغیر می‌نامیم.

    5-2-2- آمارگیری با روش توده اصلی: در این روش تمام افراد جامعه را مورد مطالعه قرار نمی‌دهیم. بلکه جزئی از جامعه که سهم همه موضوع مورد مطالعه را در بردارند را مورد توجه قرار می‌دهیم.

    5-2-3- آمارگیری با روش یکه نگاری: در این روش به جای آن که تمام واحدهای یک جامعه را مطالعه کنیم و یا تعدادی را بر اساس روش‌های تصادفی انتخاب کنیم فقط یک واحد جامعه را مطالعه می‌کنیم و در آن واحد به جزئیات می‌پردازیم که البته در جای خود با ارزش است ولی از لحاظ تعمیم به کل جامعه بی ارزش می‌باشد.

    5-2-4- آمارگیری با روش مکاتبه: در این روش ما یک پرسش‌نامه تنظیم می‌کنیم و آن را برای افراد جامعه می‌فرستیم و جواب‌های رسیده را مطالعه می‌کنیم.

    STATISTICAL ANALYSIS  2،آزمونهای آماری،ماد دانش پژوهان

    6- آمار استنباطی و آمار توصیفی

    در یک پژوهش جهت بررسی و توصیف ویژگی‌های عمومی پاسخ‌دهندگان از روش‌های موجود در آمار توصیفی مانند جداول توزیع فراوانی، در صد فراوانی، درصد فراوانی تجمعی و میانگین استفاده می‌گردد. بنابراین هدف آمار توصیفی یا descriptive محاسبه پارامترهای جامعه با استفاده از سرشماری تمامی عناصر جامعه است.

    در آمار استنباطی یا inferential پژوهشگر با استفاده مقادیر نمونه آماره‌ها را محاسبه کرده و سپس با کمک تخمین و یا آزمون فرض آماری، آماره‌ها را به پارامترهای جامعه تعمیم می‌دهد. برای تجزیه و تحلیل داده‌ها و آزمون فرضیه‌های پژوهش از روش‌های آمار استنباطی استفاده می‌شود.

    پارامتر شاخص بدست آمده از جامعه آماری با استفاده از سرشماری است و شاخص بدست آمده از یک نمونه n تایی از جامعه آماره نامیده می‌شود. برای مثال میانگین جامعه یا µ یک پارامتر مهم جامعه است. چون میانگین جامعه همیشه در دسترس نیست به همین خاطر از میانگین نمونه که برآورد کننده پارامتر µ است در بسیاری موارد استفاده می‌شود.

    7- آزمون آماری و تخمین آماری

    در یک مقاله پژوهشی یا یک پایان نامه باید سوال پژوهش یا فرضیه پژوهش مطرح شود. اگر تحقیق از نوع سوالی و صرفا حاوی پرسش درباره پارامتر باشد، برای پاسخ به سوالات از تخمین آماری استفاده می‌شود و اگر حاوی فرضیه‌ها بوده و از مرحله سوال گذر کرده باشد، آزمون فرضیه‌ها و فنون آماری آن به کار می‌رود.

    هر نوع تخمین یا آزمون فرض آماری با تعیین صحیح آماره پژوهش شروع می‌شود. سپس باید توزیع آماره مشخص شود. براساس توزیع آماری آزمون با استفاده از داده‌های به دست آمده از نمونه محاسبه شده آماره آزمون محاسبه می‌شود. سپس مقدار بحرانی با توجه به سطح خطا و نوع توزیع از جداول مندرج در پیوست های کتاب آماری محاسبه می‌شود. در نهایت با مقایسه آماره محاسبه شده و مقدار بحرانی سوال یا فرضیه تحقیق بررسی و نتایج تحلیل می‌شود. در ادامه این بحث موشکافی می‌شود.

    STATISTICAL ANALYSIS  4،آزمونهای آماری،ماد دانش پژوهان

    8- آزمون های آماری پارامتریک و ناپارامتریک

    آمار پارامتریک مستلزم پیش فرض‌هایی در مورد جامعه‌ای که از آن نمونه‌گیری صورت گرفته می‌باشد. به عنوان مهم‌ترین پیش فرض در آمار پارامتریک فرض می‌شود که توزیع جامعه نرمال است اما آمار ناپارامتریک مستلزم هیچ گونه فرضی در مورد توزیع نیست. به همین خاطر بسیاری از تحقیقات علوم انسانی که با مقیاس‌های کیفی سنجیده شده و فاقد توزیع (Free of distribution ) هستند از شاخص‌های آماری ناپارامتریک استفاده می‌کنند.

    فنون آمار پارامتریک شدیداً تحت تاثیر مقیاس سنجش متغیرها و توزیع آماری جامعه است. اگر متغیرها از نوع اسمی و ترتیبی بوده حتما از روش‌های ناپارامتریک استفاده می‌شود. اگر متغیرها از نوع فاصله‌ای و نسبی باشند در صورتی که فرض شود توزیع آماری جامعه نرمال یا بهنجار است از روش‌های پارامتریک استفاده می‌شود در غیر این صورت از روش‌های ناپارامتریک استفاده می‌شود.

    STATISTICAL ANALYSIS  3،آزمونهای آماری،ماد دانش پژوهان

    8-1- خلاصه آزمون‌های پارامتریک

    آزمون t تک نمونه: برای آزمون فرض پیرامون میانگین یک جامعه استفاده می‌شود. در بیشتر پژوهش‌هایی که با مقیاس لیکرت انجام می‌شوند جهت بررسی فرضیه‌های پژوهش و تحلیل سوال‌های تخصصی مربوط به آن‌ها از این آزمون استفاده می‌شود.

    آزمون t وابسته: برای آزمون فرض پیرامون دو میانگین از یک جامعه استفاده می‌شود. برای مثال اختلاف میانگین رضایت کارکنان یک سازمان قبل و بعد از تغییر مدیریت یا زمانی که نمرات یک کلاس با پیش آزمون و پس آزمون سنجش می‌شود.

    آزمون t دو نمونه مستقل: جهت مقایسه میانگین دو جامعه استفاده می‌شود. در آزمون t برای دو نمونه مستقل فرض می‌شود واریانس دو جامعه برابر است. برای نمونه به منظور بررسی معنی دار بودن تفاوت میانگین نمره نظرات پاسخ دهندگان بر اساس جنسیت در خصوص هر یک از فرضیه‌های پژوهش استفاده می‌شود.

    آزمون t ولچ: این آزمون نیز مانند آزمون t دو نمونه جهت مقایسه میانگین دو جامعه استفاده می‌شود. در آزمون t ولچ فرض می‌شود واریانس دو جامعه برابر نیست. برای نمونه به منظور بررسی معنی‌دار بودن تفاوت میانگین نمره نظرات پاسخ دهندگان بر اساس جنسیت در خصوص هر یک از فرضیه‌های پژوهش استفاده می‌شود.

    آزمون t هتلینگ: برای مقایسه چند میانگین از دو جامعه استفاده می‌شود. یعنی دو جامعه براساس میانگین چندین صفت مقایسه شوند.

    تحلیل واریانس (ANOVA): از این آزمون به منظور بررسی اختلاف میانگین چند جامعه آماری استفاده می‌شود. برای نمونه جهت بررسی معنی دار بودن تفاوت میانگین نمره نظرات پاسخ دهندگان بر اساس سن یا تحصیلات در خصوص هر یک از فرضیه‌های پژوهش استفاده می‌شود.

    تحلیل واریانس چند عاملی (MANOVA): از این آزمون به منظور بررسی اختلاف چند میانگین از چند جامعه آماری استفاده می‌شود.

    تحلیل کوواریانس چند عاملی (MANCOVA): چنانچه در MANOVA بخواهیم اثر یک یا چند متغیر کمکی را حذف کنیم استفاده می‌شود.

    8-2- خلاصه آزمون‌های ناپارامتریک

    آزمون علامت تک نمونه: برای آزمون فرض پیرامون میانگین یک جامعه استفاده می‌شود.

    آزمون علامت زوجی: برای آزمون فرض پیرامون دو میانگین از یک جامعه استفاده می‌شود.

    ویلکاکسون: همان آزمون علامت زوجی است که در آن اختلاف نسبی تفاوت از میانگین لحاظ می‌شود.

    من-ویتنی: به آزمون U نیز موسوم است و جهت مقایسه میانگین دو جامعه استفاده می‌شود.

    کروسکال-والیس: از این آزمون به منظور بررسی اختلاف میانگین چند جامعه آماری استفاده می‌شود. به آزمون H نیز موسوم است و تعمیم آزمون U مان-ویتنی می‌باشد. آزمون کروسکال-والیس معادل روش پارامتریک آنالیز واریانس تک عاملی است.

    فریدمن: این آزمون معادل روش پارامتریک آنالیز واریانس دو عاملی است که در آن k تیمار به صورت تصادفی به n بلوک تخصیص داده شده‌اند.

    کولموگروف-اسمیرنف: نوعی آزمون نیکویی برازش برای مقایسه یک توزیع نظری با توزیع مشاهده شده است.

    آزمون تقارن توزیع: در این آزمون شکل توزیع مورد سوال قرار می‌گیرد. فرض به دلیل آن است که توزیع متقارن نیست.

    آزمون میانه: جهت مقایسه میانه دو جامعه استفاده می‌شود و برای k جامعه نیز قابل تعمیم است.

    مک نمار: برای بررسی مشاهدات زوجی درباره متغیرهای دو ارزشی استفاده می‌شود.

    آزمون Q کوکران: تعمیم آزمون مک نمار در k نمونه وابسته است.

    ضریب همبستگی اسپیرمن: برای محاسبه همبستگی دو مجموعه داده که به صورت ترتیبی قرار دارند استفاده می‌شود.

    آزمون میانه - معرفی نرم افزار Smart PLS - آزمون کروسکال والیس - آزمون Post Hoc - آزمون هایT(همبسته و مستقل)
    شماره تماس: 09102340118  ثبت سریع سفارش  Telegramwhats-app.png

  • 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.

    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.
    شماره تماس: 09102340118   ثبت سریع سفارش  Telegramwhats-app.png

    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.
    cronbach alpha

    آلفای کرونباخ یک ضریب تخمینی است و مقدار آن معمولاً بین 0 تا 1 است. مقدار آلفای کرونباخ 0 نشان می دهد که بین سوالات یک مجموعه مقیاس هیچ همبستگی وجود ندارد و بنابراین، آن مقیاس پایایی ندارد. مقدار آلفای کرونباخ 1 نشان می دهد که بین سوالات یک مجموعه مقیاس همبستگی کامل وجود دارد و بنابراین، آن مقیاس پایایی کامل دارد.

    معیارهای رایج برای ارزیابی پایایی یک مقیاس بر اساس آلفای کرونباخ عبارتند از:

    • آلفای کرونباخ کمتر از 0.6: پایایی ضعیف
    • آلفای کرونباخ بین 0.6 تا 0.7: پایایی متوسط
    • آلفای کرونباخ بین 0.7 تا 0.8: پایایی خوب
    • آلفای کرونباخ بیشتر از 0.8: پایایی عالی
      cronbachs alpha coefficient

    عواملی که می توانند بر مقدار آلفای کرونباخ تأثیر بگذارند عبارتند از:

    • تعداد سوالات یک مقیاس: هرچه تعداد سوالات یک مقیاس بیشتر باشد، آلفای کرونباخ نیز بیشتر می شود.
    • نحوه طراحی سوالات یک مقیاس: اگر سوالات یک مقیاس به طور مناسب طراحی نشده باشند، ممکن است آلفای کرونباخ را کاهش دهند.
    • تنوع پاسخ ها به سوالات یک مقیاس: اگر پاسخ های به سوالات یک مقیاس متنوع نباشند، ممکن است آلفای کرونباخ را کاهش دهند.

    کاربردهای آلفای کرونباخ

    آلفای کرونباخ در زمینه های مختلف، از جمله روانشناسی، علوم اجتماعی، آموزش و پزشکی، برای ارزیابی پایایی مجموعه های سوالات یا مقیاس ها استفاده می شود. به عنوان مثال، از آلفای کرونباخ می توان برای ارزیابی پایایی یک آزمون روانشناسی، یک پرسشنامه رضایت مشتری، یا یک مقیاس اندازه گیری سلامت استفاده کرد.
    whats cronbachs alpha spss2

    مثال

    فرض کنید یک پرسشنامه 5 سوالی برای سنجش میزان رضایت مشتری از یک شرکت طراحی شده است. هر سوال از این پرسشنامه یک مقیاس لیکرت 5 گزینه ای دارد. برای محاسبه آلفای کرونباخ این پرسشنامه، می توان از فرمول زیر استفاده کرد:

    α = 1 - (∑ (s^2 - m^2) / s^2)
    

    در این فرمول، s^2 نشان دهنده واریانس بین سوالات است و m^2 نشان دهنده واریانس میانگین سوالات است.

    اگر نتایج محاسبات نشان دهند که آلفای کرونباخ این پرسشنامه بیشتر از 0.7 است، می توان نتیجه گرفت که این پرسشنامه پایایی خوبی دارد و می تواند برای سنجش میزان رضایت مشتری از این شرکت استفاده شود.
    whats cronbachs alpha

    سایر روش های سنجش پایایی

    علاوه بر آلفای کرونباخ، روش های دیگری نیز برای سنجش پایایی مجموعه های سوالات یا مقیاس ها وجود دارد. از جمله این روش ها می توان به موارد زیر اشاره کرد:

    • ضریب پایایی بازآزمایی (Retest reliability coefficient)
    • ضریب پایایی موازی (Parallel reliability coefficient)
    • ضریب پایایی همسانی درونی (Internal consistency reliability coefficient) 

    انتخاب روش مناسب برای سنجش پایایی یک مجموعه سوالات یا مقیاس، به عوامل مختلفی از جمله نوع مقیاس، هدف از سنجش پایایی و محدودیت های زمانی و مالی بستگی دارد.

    برای دریافت مشاوره و خدمات سفارش نگارش پروپوزال و پایان نامه می توانید با موسسه ماد دانش پژوهان تماس حاصل فرمایید:

    شماره تماس: 09102340118   ثبت سریع سفارش  Telegramwhats-app.png

    پرسشنامه، روانشناسی، علوم اجتماعی، پزشکی - رشته های علوم انسانی - رشته های علوم پزشکی

  • 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.

    خلاصه مطالبی که در ادامه می‌خوانید به شرح زیر است:

    معنا و مفهوم دیتاست
    انواع دیتاست:

    • مجموعه داده‌های عددی
    • مجموعه داده‌های دومتغیره
    • مجموعه داده چند متغیره
    • مجموعه داده‌های طبقه‌بندی‌شده
    • مجموعه داده‌های همبستگی
    • میانگین، میانه، حالت و محدوده

    میانگین، میانه، حالت و محدوده داده‌ها
    ویژگی‌های دیتاست
    مثال‌های کاربردی
    سؤالات متداول
      

    معنای دیتاست

    دیتاست یک مجموعه مرتب از داده‌ها است. همان‌طور که می‌دانیم، مجموعه‌ای از اطلاعات به‌دست‌آمده از طریق مشاهدات، اندازه‌گیری‌ها، مطالعه یا تحلیل، داده نامیده می‌شود. این اطلاعات می‌تواند شامل اطلاعاتی مانند حقایق، اعداد، ارقام، نام‌ها یا حتی توصیفات پایه‌ای اشیا باشد. برای مطالعه ما، داده‌ها می‌توانند به شکل نمودار، نمودار یا جدول سازمان‌دهی شوند. دانشمندان از طریق داده‌کاوی به تجزیه‌وتحلیل داده‌های جمع‌آوری‌شده کمک می‌کنند.

    یک مجموعه داده مجموعه‌ای از اعداد یا مقادیر است که به یک موضوع خاص مربوط می‌شود. برای مثال، یک مجموعه داده، نمرات آزمون هر دانش‌آموز در یک کلاس خاص است. مجموعه داده‌ها می‌توانند به‌ صورت لیستی از اعداد صحیح به ترتیب تصادفی، جدول، یا با براکت های مجعد در اطراف آن‌ها نوشته شوند. مجموعه داده‌ها معمولاً برچسب‌گذاری می‌شوند تا شما بفهمید که داده‌ها چه چیزی را نشان می‌دهند، بااین‌حال، هنگامی‌که با مجموعه داده‌ها سروکار دارید، لزوماً نیازی نیست که بفهمید داده‌ها نشان‌دهنده چه چیزی هستند تا مشکل را حل کنید.

    انواع مجموعه داده‌ها

    در آمار، ما انواع مختلفی از مجموعه داده‌ها را برای انواع مختلف اطلاعات در دسترس داریم؛ که عبارت‌اند از:

    • مجموعه داده‌های عددی
    • مجموعه داده‌های دومتغیره
    • مجموعه داده‌های چندمتغیره
    • مجموعه داده‌های طبقه‌بندی‌شده
    • مجموعه داده‌های همبستگی

    اجازه دهید در مورد تمام این مجموعه داده‌ها با مثال بحث کنیم.

    مجموعه داده‌های عددی

    مجموعه داده‌های عددی یک مجموعه از داده‌هاست که در آن داده‌ها با اعداد بیان می‌شوند. داده‌های عددی گاهی داده‌های کمی نامیده می‌شوند. مجموعه تمام داده‌های کمی/داده‌های عددی را مجموعه داده‌های عددی می‌نامند. داده‌های عددی همیشه به شکل اعداد هستند، به‌طوری‌که می‌توانیم عملیات ریاضی را روی آن انجام دهیم.

    وزن و قد فرد
    شمارش RBC در یک گزارش پزشکی
    تعداد صفحات موجود در یک کتاب

    مجموعه داده‌های دو متغیره

    یک مجموعه داده که دو متغیر دارد، مجموعه داده دو متغیره نامیده می‌شود. مجموعه داده‌های دو متغیره معمولاً شامل دو نوع داده مرتبط است.

    مثال: یافتن درصد نمره و سن دانش آموزان در یک کلاس. امتیاز و سن را می‌توان به‌عنوان دو متغیر در نظر گرفت.

    فروش بستنی در مقابل دما در آن روز. در اینجا دو متغیر مورد استفاده بستنی و دما هستند.

    (توجه: درصورتی‌که تنها یک مجموعه داده داشته باشید مثلاً دما، آنگاه مجموعه داده تک متغیره نامیده می‌شود)

    مجموعه داده‌های چند متغیره

    یک مجموعه داده با چندین متغیر. هنگامی که مجموعه داده شامل سه یا بیش از سه نوع داده (متغیر) باشد، آنگاه مجموعه داده یک مجموعه داده چند متغیره نامیده می‌شود؛ به عبارت دیگر، مجموعه داده‌های چند متغیره شامل اندازه‌گیری‌های فردی است که به‌عنوان تابعی از سه یا بیش از سه متغیر به دست می‌آیند.

    مثال: اگر بخواهیم طول، عرض، ارتفاع، حجم یک جعبه مستطیلی را اندازه‌گیری کنیم، باید از متغیرهای متعددی برای تمایز بین آن موجودیت‌ها استفاده کنیم.

    مجموعه داده‌های طبقه‌بندی‌شده

    مجموعه داده‌های طبقه‌بندی‌شده نشان‌دهنده ویژگی‌های یک شخص یا یک شی است. مجموعه داده طبقه‌ای شامل یک متغیر طبقه‌بندی است که متغیر کیفی نیز نامیده می‌شود که می‌تواند دقیقاً دو مقدار داشته باشد. از این رو، آن را یک متغیر دوگانه می‌نامند. داده‌ها/متغیرهای دسته‌بندی با بیش از دو مقدار ممکن، متغیرهای چندجمله‌ای نامیده می‌شوند. متغیرهای کیفی/طبقه‌ای اغلب به‌عنوان متغیر چندجمله‌ای فرض می‌شوند، مگر اینکه طور دیگری مشخص‌شده باشد.

    مثال:

    جنسیت فرد (مرد یا زن)
    وضعیت ازدواج (متأهل / مجرد)

    مجموعه داده‌های همبستگی

    مجموعه مقادیری که رابطه‌ای را با یکدیگر نشان می‌دهند، مجموعه داده‌های همبستگی را نشان می‌دهند. در اینجا مشخص می‌شود که مقادیر به یکدیگر وابسته هستند.

    به‌طور کلی، همبستگی به عنوان یک رابطه آماری بین دو ماهیت / متغیر تعریف می‌شود. در برخی سناریوها، ممکن است مجبور شوید همبستگی بین چیزها را پیش‌بینی کنید. درک چگونگی کارکرد همبستگی ضروری است. همبستگی به سه نوع طبقه‌بندی می‌شود که عبارت‌اند از:

    - همبستگی مثبت - دو متغیر در یک جهت حرکت می‌کنند (هر دو بالا هستند یا هر دو یا پایین)

    - همبستگی منفی - دو متغیر در جهت مخالف حرکت می‌کنند. (یک متغیر بالا و متغیر دیگر پایین است و بالعکس)

    - همبستگی صفر یا صفر - هیچ رابطه‌ای بین دو متغیر وجود ندارد.

    مثال: یک فرد بلند قد سنگین‌تر از یک فرد کوتاه قد در نظر گرفته می‌شود؛ بنابراین در اینجا متغیرهای وزن و قد به یکدیگر وابسته هستند.

    میانگین، میانه، حالت و محدوده مجموعه داده‌ها

    میانگین، میانه و مد همراه با دامنه، موضوعات اصلی در آمار هستند؛ به عبارت دیگر، محاسبه میانگین، میانه و حالت مجموعه داده‌ها سه روش برای کار با آن‌ها هستند. با این حال، قبل از اینکه بتوانیم این سه معیار مجموعه داده را محاسبه کنیم، ابتدا باید مجموعه داده‌های خود را با بازنویسی آن‌ها به ترتیب صعودی از حداقل تا بیش‌ترین آماده کنیم.

    میانگین یک مجموعه داده میانگین تمام مشاهدات موجود در جدول است. این نسبت مجموع مشاهدات به تعداد کل عناصر موجود در مجموعه داده‌ها است. فرمول میانگین به‌صورت زیر است:

    میانگین= حجم مشاهدات / تعداد کل عناصر در مجموعه داده‌ها

    میانه یک مجموعه داده، مقدار میانه جمع‌آوری داده‌ها زمانی است که به ترتیب صعودی و نزولی مرتب‌شده باشند.

    مود یک مجموعه داده، متغیر یا عدد یا مقداری است که حداکثر چند بار در مجموعه تکرار می‌شود.

    محدوده یک مجموعه داده، تفاوت بین مقدار بیشینه و مقدار کمینه است.

    محدوده= حداکثر مقدار - حداقل مقدار

    ویژگی‌های مجموعه داده

    قبل از انجام هر تحلیل آماری, درک ماهیت داده‌ها ضروری است. ما می‌توانیم از تکنیک‌های مختلف تحلیل داده اکتشافی (EDA) استفاده کنیم که به شناسایی ویژگی‌های داده‌ها کمک می‌کند, به‌طوری‌که روش‌های آماری مناسب می‌توانند بر روی داده‌ها اعمال شوند. با کمک تکنیک های EDA می‌توانیم ویژگی‌های زیر را در مجموعه داده‌ها بررسی کنیم.

    - مرکز داده‌ها
    - Skewness of data
    - پخش در میان اعضای داده
    - حضور خارجی‌ها
    - همبستگی میان داده‌ها
    - نوع توزیع احتمال که داده‌ها از آن پیروی می‌کنند

    مثال مجموعه داده‌ها

    مثال ۱: میانگین، حالت، میانه و دامنه مجموعه داده‌های داده‌شده را پیدا کنید. { ۲، ۴، ۶، ۸، ۲، ۱۰، ۱۲}

    راه‌حل: با توجه به اینکه { ۲، ۴، ۶، ۸، ۲، ۱۰، ۱۲ } مجموعه‌ای از داده‌ها است.

    میانگین ۲+۴+۶+۸+۲+۱۰+۱۲/۷ = ۴۴/۷

    برای یافتن میانه ابتدا باید داده‌های داده شده را به ترتیب صعودی یا نزولی مرتب کنیم.

    بنابراین{ ۲، ۲، ۴، ۶، ۸، ۱۰، ۱۲ }

    بنابراین، میانه= ۶ مود= ۲ محدوده ۱۲-۲=۱۰

    مثال ۲: مود مجموعه داده‌های داده شده را پیدا کنید: ۲، ۳، ۳، ۴، ۶، ۷

    راه‌حل: مجموعه داده‌های داده شده: ۲، ۳، ۳، ۴، ۶، ۷

    می‌دانیم که مود مقدار تکرار شونده در مجموعه داده‌ها است.

    از مجموعه داده‌های داده شده، مشاهده می‌شود که داده "۳" دو بار تکرار می‌شود؛ بنابراین، مود برای مجموعه داده‌های داده شده ۳ است.

    سؤالات متداول در دیتابیس

    منظور از مجموعه داده چیست؟

    مجموعه یا مجموعه‌ای از داده‌ها و اطلاعات را مجموعه داده می‌نامند؛ به عبارت دیگر، مجموعه داده‌ها مجموعه مرتب اطلاعات و داده‌ها است.

    ویژگی‌های مختلف مورد استفاده برای اندازه‌گیری مجموعه داده‌ها چیست؟

    در آمار، ویژگی‌های مختلف مورد استفاده برای اندازه‌گیری مجموعه داده‌ها عبارت‌اند از میانگین، میانه، مود، دامنه و غیره.

    چگونه دامنه مجموعه داده‌های داده شده را محاسبه کنیم؟

    محدوده مجموعه داده‌های داده شده، تفاوت بین مقدار بیشینه و کمینه مجموعه داده‌ها است.

    انواع مختلف مجموعه داده‌ها چیست؟

    انواع مختلف مجموعه داده‌ها عبارت‌اند از:

    • مجموعه داده‌های عددی
    • مجموعه داده‌های دو متغیره
    • مجموعه داده‌های چند متغیره
    • مجموعه داده‌های طبقه‌بندی‌شده
    • مجموعه داده‌های همبستگی

    میانه مجموعه داده‌ها چیست؟

    میانه مقدار میانی مجموعه داده است که در آن داده‌ها به ترتیب صعودی مرتب می‌شوند.

    تفاوت بین داده، مجموعه داده و پایگاه داده چیست؟

    داده‌ها مشاهدات یا اندازه‌گیری‌هایی (پردازش نشده یا پردازش نشده) هستند که به صورت متن، اعداد یا چندرسانه‌ای نشان داده می‌شوند. یک مجموعه داده مجموعه‌ای ساختار یافته از داده‌ها است که به طور کلی با یک مجموعه کار منحصر به فرد در ارتباط است.

    پایگاه داده مجموعه‌ای سازمان یافته از داده‌های ذخیره شده به صورت مجموعه داده‌های چندگانه است. این مجموعه داده‌ها عموماً به صورت الکترونیکی از یک سیستم کامپیوتری ذخیره و در دسترس هستند که اجازه می‌دهد داده‌ها به‌راحتی قابل دسترسی، دستکاری و به روز رسانی باشند.

    این مقادیر ممکن است اعدادی مانند اعداد حقیقی یا اعداد صحیح باشند، برای مثال نشان‌دهنده قد یک شخص در سانتی‌متر باشند، اما ممکن است داده‌های اسمی نیز باشند (شامل مقادیر عددی نباشند)، برای مثال نشان‌دهنده قومیت یک شخص. به طور کلی، مقادیر ممکن است از هر یک از انواعی باشند که به عنوان سطحی از اندازه‌گیری توصیف می‌شوند. برای هر متغیر، مقادیر به طور معمول همگی از یک نوع هستند. با این حال، ممکن است مقادیر گم شده ای نیز وجود داشته باشد که باید به نحوی نشان داده شوند.

    در آمار، مجموعه داده‌ها معمولاً از مشاهدات واقعی به دست آمده از نمونه‌گیری یک جامعه آماری به دست می‌آیند و هر ردیف مربوط به مشاهدات یک عنصر از آن جامعه است. مجموعه داده‌ها ممکن است بیشتر توسط الگوریتم‌ها به منظور آزمایش انواع خاصی از نرم‌افزارها تولید شوند. برخی از نرم‌افزارهای تحلیل آماری مدرن مانند SPSS هنوز هم داده‌های خود را به شیوه مجموعه داده‌های کلاسیک ارائه می‌دهند. اگر داده‌ها گم شده یا مشکوک باشند، می‌توان از یک روش ایمن‌سازی برای تکمیل یک مجموعه داده استفاده کرد.

    چندین مجموعه داده کلاسیک به طور گسترده در منابع آماری مورد استفاده قرار گرفته‌اند:

    مجموعه داده‌های گل آیریس - مجموعه داده‌های چند متغیره معرفی‌شده توسط رونالد فیشر (۱۹۳۶).

    پایگاه داده MNIST - تصاویر ارقام دست‌نویس که معمولاً برای آزمایش الگوریتم‌های طبقه‌بندی، خوشه‌بندی و پردازش تصویر استفاده می‌شوند.

    تجزیه‌وتحلیل دسته‌ای داده‌ها - مجموعه داده‌های مورداستفاده در کتاب، مقدمه‌ای بر تجزیه‌وتحلیل دسته‌ای داده‌ها.

    آمار قوی - مجموعه داده‌های مورداستفاده در رگرسیون قوی و تشخیص دور از دسترس (روسسو و لروی، ۱۹۶۸). در دانشگاه کلن ارائه شد.

    سری‌های زمانی - داده‌های مورد استفاده در کتاب چاتفیلد، تجزیه و تحلیل سری‌های زمانی، به صورت آنلاین توسط StatLib ارائه می‌شوند.

    مقادیر افراطی - داده‌های مورد استفاده در این کتاب، مقدمه‌ای بر مدل‌سازی آماری مقادیر افراطی، تصویری از داده‌هایی است که توسط استوارت کولز، نویسنده کتاب، به‌صورت آنلاین ارائه شده است.

    تجزیه و تحلیل داده‌های بیزی - داده‌های مورد استفاده در این کتاب توسط اندرو گلمن، یکی از نویسندگان کتاب به صورت آنلاین ارائه شده است.

    داده‌های باگ بانتی در چندین مقاله در منابع یادگیری ماشین (داده کاوی) مورد استفاده قرار می‌گیرند.

    مجموعه داده‌های کوچک - کوارتت آنسکامب نشان‌دهنده اهمیت نمودار کردن داده‌ها برای جلوگیری از مغالطه‌های آماری است.

    درگاه‌های متعددی وجود دارند که به مجموعه داده‌ها دسترسی دارند:

    • داده‌کاوی در بریتانیا
    • داده‌کاوی در آمریکا
    • دنیای ما در داده‌ها
    • پنج و سی‌ وهشت
    • کار با داده‌ها
  • علم آمار به مجموعه روشهای علمی اطلاق می شود که برای جمع آوری اطلاعات اولیه، مرتب و خلاصه کردن، طبقه بندی وتجزیه و تحلیل اطلاعات اولیه و تفسیر آن‌ها به کار می‌رود.

    ابزار تحلیل آماری..

    ادامه مطلب

    ثبت سفارش

  • 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]

    داده‌های ترکیب‌شده از متاآنالیز ها معمولاً سودمندتر از نتایج ریویوهای روایی هستند. در یک متاآنالیز، تصمیمات شفاف هستند و تجزیه‌وتحلیل آماری معیاری عینی از شواهد کمی یکپارچه را به دست می‌دهد. سوگیری‌های ریویوهای روایی را می‌توان با انجام یک متاآنالیز محدود کرد یا بر آن غلبه کرد. رویکرد سیستماتیک و شفافیت در متاآنالیز به حل تعارضات و عدم قطعیت‌های بین مطالعات کمک می‌کند، درحالی‌که منجر به نتیجه‌گیری قابل‌توجهی می‌شود. هدف متاآنالیز گردآوری حجم زیادی از اطلاعات در مورد یک موضوع معین است.

    متاآنالیز روشی است که به‌طور گسترده در تمام زمینه‌های تحقیقات زیست پزشکی برای تفسیر کلی مطالعات متعدد و متنوع و گاه متناقض استفاده می‌شود. همچنین توسط جوامع آموخته در یک‌رشته پزشکی برای ایجاد توصیه‌هایی برای مراقبت و درمان بیماران بر اساس شواهد استفاده می‌شود. اولین متاآنالیزها به دهه 1970 برمی‌گردد و تعداد آن‌ها از آن زمان به بعد افزایش‌یافته است.[2]

    چرا متاآنالیز انجام دهیم؟

    متاآنالیز تلفیق و ترکیبی از مطالعات مختلفی است که در مورد یک موضوع خاص وجود دارد و امکان استحکام و شفاف‌سازی نتایج حاصل از مطالعات مختلف را فراهم می‌کند. به‌محض انجام چندین مطالعه که پاسخگویی به یک سؤال را به‌عنوان یک هدف اولیه یا ثانویه انجام داده‌اند، متاآنالیز امکان‌پذیر می‌شود. این‌یک روش ضروری برای سنتز مطالعات است و این امکان را فراهم می‌کند تا پاسخ دقیق و جهانی مطابق با تمام دانش روز ارائه شود. دامنه فقط محدود به مطالعات موجود است. اولین حوزه کاربرد، ارزیابی اثربخشی و عوارض جانبی درمان‌های دارویی است. متاآنالیز همچنین می‌تواند در زمینه‌های دیگر مانند اپیدمیولوژی، مدیریت درمانی، مراقبت به‌طورکلی، غربالگری یا تشخیص بسیار مفید باشد.

    در مورد مطالعات روی یک دارو، متاآنالیز می‌تواند به‌اندازه گیری اثربخشی و تحمل این دارو کمک کند. درواقع، گردآوری مطالعات بالینی مختلف که هرکدام شامل تعداد کمی از بیماران است، افزایش این تعداد را ممکن می‌سازد تا مشاهدات از نظر آماری معنی‌دار باشند. پس‌ازآن، متاآنالیز می‌تواند تأثیر یک درمان را برجسته کند، زمانی که کار آزمایی های کوچک لزوماً اجازه نمی‌دهد که نتیجه‌گیری شود. انجام یک کارآزمایی بالینی در مقیاس بزرگ در عمل بسیار دشوار است. متاآنالیز بر این مشکل غلبه می‌کند. همچنین می‌تواند به تصمیم‌گیری، زمانی که نتایج متناقض هستند، کمک کند. سمت ترکیبی آن نیز امکان جمع‌آوری داده‌ها را برای دستیابی به پاسخ دقیق به یک سؤال فراهم می‌کند. این امر به‌ویژه در زمینه‌های تحقیقاتی که داده‌ها در آن‌ها جمع می‌شود مفید است.[3]


    یک متاآنالیز چگونه انجام می‌شود؟

    در پزشکی برای انجام یک متاآنالیز، محقق موضوع موردنظر را تعریف می‌کند که می‌تواند درمانی باشد که باید آزمایش شود، یک نوع بیمار ارزیابی می‌شود، داده‌های اپیدمیولوژیک، مفاهیم مراقبت و غیره.

    مرحله دوم، تعریف معیارهای گنجاندن در متاآنالیز موردنظر است. سپس محقق به دنبال آزمایش‌ها و مطالعات مختلف، منتشرشده یا غیر منتشرشده در ادبیات پزشکی می‌گردد. این مطالب می‌تواند مقالات، پوسترها، ارتباطات کنفرانس‌های پزشکی، پایان‌نامه‌های دانشجویی، کارآزمایی های بالینی و غیره باشد. در صورتی انتخاب می‌شوند که معیارهای ورود در متاآنالیز را داشته باشند. ایده این است که تا حد امکان بسیاری از مطالعات را در متاآنالیز گرد هم بیاوریم تا بیشترین ارزش و قدرت ممکن را به آن بدهیم.

    سپس از تکنیک‌های تحلیل آماری استفاده می‌شود. تجزیه‌وتحلیل بر اساس زیر گروه‌ها (جنس، سن، سابقه پزشکی، نوع بیماری و غیره) قابل انجام است. به‌طورکلی، چندین محقق به‌منظور دادن وزن بیشتر به تجزیه‌وتحلیل، خوانش های خود را ارجاع متقابل می‌کنند.[1]


    مقایسه متاآنالیز و ریویو روایی

    داده‌های آنالیز شده از متاآنالیز معمولاً سودمندتر از نتایج ریویوهای روایی هستند، زیرا دومی دارای معایب متعددی است که می‌توان با متاآنالیز بر آن‌ها غلبه کرد. ریویوهای روایی بر اساس انتخاب ذهنی از انتشارات است؛ بنابراین، انتخاب مطالعه می‌تواند دلخواه باشد. در یک ریویو روایی، فقدان یک استراتژی جستجوی خاص، خطر شکست در شناسایی مطالعات مرتبط در یک موضوع خاص را افزایش می‌دهد. علاوه بر این، مطالعات انتخاب‌شده ممکن است به‌طور انتقادی ارزیابی نشوند، قدرت شواهد ممکن است وزن نداشته باشند و ممکن است هیچ تحلیل کمی روی داده‌ها انجام نشده باشد. در ریویوهای روایی، ممکن است مقایسه اثرات مطالعاتی که از معیارهای متفاوتی برای اندازه‌گیری یک نتیجه مشابه استفاده می‌کنند، دشوار باشد. نویسنده در یک ریویو روایی به‌طور کیفی با جمع‌بندی یافته‌های مطالعات دیگر و نتیجه‌گیری به یک سؤال می‌پردازد؛ بنابراین، ریویوهای روایی مستعد سوگیری و خطا هستند، زیرا بازبینان مختلف ممکن است نتایج متفاوتی از شواهد یکسان بگیرند؛ بنابراین، ریویوهای روایی باید نظراتی با سطح شواهد پایین در نظر گرفته شوند. ازاین‌رو، ترکیب‌های تحقیقاتی سیستماتیک شفاف‌تر و تکرارپذیرتر ممکن است در صورت وجود اختلاف‌نظر بین نتایج مطالعات، هرگونه عدم قطعیت را حل کند. متاآنالیز با به‌کارگیری یک رویکرد روش‌شناختی سوگیری را به حداقل می‌رساند. در متاآنالیز، تصمیمات شفاف هستند و تجزیه‌وتحلیل آماری به یک اندازه‌گیری عینی از شواهد کمی یکپارچه منجر می‌شود که سپس می‌تواند تکرار و تأیید شود. علاوه بر این، متاآنالیز نتایج مطالعات اولیه را به یک متریک مشترک به‌عنوان اندازه اثر تبدیل می‌کند، بنابراین معیارهای متفاوت از مطالعات اولیه را می‌توان با یکدیگر مقایسه کرد و نتیجه‌گیری‌هایی را به دست آورد که معنادارتر هستند. با انجام یک متاآنالیز، می‌توان سوگیری‌های ریویوهای روایتی را محدود یا بر آن غلبه کرد؛ بنابراین، متاآنالیز برای ارائه شواهد با بالاترین سطح دقت در نظر گرفته می‌شود.[4]


    نقاط قوت متاآنالیز

    متاآنالیز می‌تواند نتایج حاصل از مطالعات فردی را خلاصه و کمی کند. علاوه بر این، می‌تواند ناهمگونی بین نتایج مطالعات مختلف را روشن کند و تفاوت‌ها را در نتایج تحلیل کند. یک مطالعه فردی ممکن است شامل تعداد بسیار کمی از افراد در یک زیرگروه خاص باشد. بااین‌حال، داده‌های متا تحلیلی از چندین مطالعه فردی ممکن است تصویر واضح‌تری از زیرگروه ارائه دهد. متاآنالیز با افزایش حجم نمونه، قدرت آماری را افزایش می‌دهد و می‌تواند با ترکیب داده‌های مطالعات متعدد، اثرات کوچک اما ازنظر بالینی مهم را تعیین کند.

    دقت یافته‌های یک مطالعه تا حد زیادی به تعداد افراد بستگی دارد. ترکیب آماری داده‌های مطالعات فردی می‌تواند تخمین دقیق‌تری از اثرات اساسی نسبت به یک مطالعه ارائه دهد؛ بنابراین، متاآنالیز بر محدودیت حجم نمونه کوچک مطالعات فردی غلبه می‌کند، اثرات موردعلاقه را تشخیص می‌دهد و خطر نتایج منفی کاذب را کاهش می‌دهد. علاوه بر این، متاآنالیز می‌تواند اختلافات ناشی از مطالعات با نتایج متناقض را حل کند. علاوه بر این، ترکیب مطالعات اولیه با اندازه نمونه و جمعیت بیماران مختلف می‌تواند تعمیم‌پذیری نتایج مطالعات فردی را افزایش دهد. این اجازه می‌دهد تا نتایج متاآنالیز به جمعیت وسیع‌تری تعمیم داده شود. بررسی مناسب ناهمگونی بین مطالعات فردی امکان آزمایش فرضیه‌های جدیدی را فراهم می‌کند که در مطالعات قبلی ارائه نشده‌اند. همان‌طور که متاآنالیز دانش موجود را خلاصه می‌کند، ممکن است به شناسایی حوزه‌هایی که فاقد شواهد کافی هستند کمک کند و درنتیجه سؤالات پژوهشی جدیدی ایجاد کند. متاآنالیز بر مشکلات و سوگیری‌های ریویو روایت سنتی از طریق فرآیندی شفاف‌تر و ذهنی‌تر که شامل رویکرد روش‌شناختی سیستماتیک است، غلبه می‌کند.[5]


    نقاط ضعف متاآنالیز

    خلاصه کردن مقادیر زیادی از اطلاعات مختلف با استفاده از یک عدد واحد، جنبه بحث‌برانگیز متاآنالیز است، زیرا این واقعیت را نادیده می‌گیرد که اثرات درمان ممکن است از مطالعه‌ای به مطالعه دیگر متفاوت باشد. بااین‌حال، یک متاآنالیز نتایج را باوجود تفاوت در تحقیقات اولیه تعمیم می‌دهد و به‌سادگی یک اثر خلاصه را گزارش نمی‌کند. اگر ناهمگونی قابل‌توجهی وجود داشته باشد، آنگاه تمرکز باید از اثر خلاصه به خود ناهمگنی تغییر کند. متاآنالیز ابزارهای مختلفی را برای ارزیابی الگوی ناهمگونی و احتمالاً توضیح آن فراهم می‌کند.[6]


    • مخلوط کردن سیب و پرتقال

    دو انتقاد اصلی به متاآنالیز این است که انواع مختلف مطالعات ("مخلوط کردن سیب و پرتقال ") را ترکیب می‌کند و این که اثر خلاصه ممکن است تفاوت‌های مهم بین مطالعات را نادیده بگیرد. اگر مطالعات بیش‌ازحد ناهمگن هستند و قابل‌مقایسه نیستند، باید از متاآنالیز اجتناب شود، زیرا نتایج متاآنالیز ممکن است بی‌معنی باشد و اثرات واقعی ممکن است مبهم باشد. بااین‌حال، متاآنالیز ها، به دلیل ماهیت خود، به سؤالات گسترده‌تری نسبت به مطالعات فردی می‌پردازند؛ بنابراین، می‌توان گفت که یک متاآنالیز مشابه پرسیدن سؤالی در مورد میوه‌ها است که هم سیب و هم پرتقال می‌توانند اطلاعات ارزشمندی را برای آن به اشتراک بگذارند.[7]


    • ورودی اشتباه خروجی اشتباه

    عبارت «ورودی اشتباه خروجی اشتباه» به این معنی است که اگر یک متاآنالیز شامل مطالعات باکیفیت پایین باشد، نتایج آن مغرضانه و نادرست خواهد بود. متاآنالیز شامل مجموعه‌ای از معیارها برای تعیین اینکه کدام مطالعه باید تجزیه‌وتحلیل شود. ازاین‌رو، فرا تحلیل باید بر اساس معیارهای سختگیرانه تری در رابطه با کیفیت مطالعاتی که باید گنجانده شود، باشد. هنگامی‌که مطالعات موجود ناقص هستند، یک متاآنالیز ممکن است از تحلیل‌های حساسیت برای شناسایی تأثیر سوگیری‌های مطالعه استفاده کند.[7]


    • ناهمگونی

    در متاآنالیز، ناهمگونی به میزان عدم تشابه در نتایج مطالعات فردی اشاره دارد. فرض اصلی برای انجام متاآنالیز این است که مطالعات ازنظر جمعیت، مداخلات، کنترل‌ها و پیامدها همگن هستند. ارزیابی ناهمگونی بین مطالعات اولیه گام مهمی در انجام یک متاآنالیز است. اگر ناهمگونی قابل‌توجهی وجود داشته باشد، تمرکز تحلیل باید بر کاوش و درک منابع تنوع باشد. متاآنالیز وجود ناهمگونی را در میان مطالعات اولیه بررسی می‌کند و واریانس نتایج آن‌ها را تحلیل می‌کند. برای کشف منابع ناهمگونی از تحلیل‌های زیرگروهی و متارگرسیون استفاده می‌شود. بااین‌حال، اگر مقدار قابل‌توجهی ناهمگونی وجود داشته باشد، ممکن است ادغام داده‌ها در یک متاآنالیز مناسب نباشد.[8]


    • سوگیری مقالات

     مطالعاتی که اثرات مثبت را گزارش می‌کنند معمولاً بیشتر از آن‌هایی که منتشر نمی‌کنند منتشر می‌شوند و مطالعاتی که نتایج قابل‌توجهی را گزارش نمی‌کنند معمولاً منتشرنشده باقی می‌مانند. ازآنجایی‌که متاآنالیز فقط شامل مطالعات منتشرشده است، ممکن است میزان واقعی یک اثر را بیش‌ازحد برآورد کند. این نتیجه "سوگیری انتشار " نامیده می‌شود. برای کاهش تأثیر سوگیری انتشار بر فرا تحلیل، باید تلاش جدی برای شناسایی همه مطالعات مرتبط انجام شود، زیرا نتیجه فرا تحلیل به مطالعات گنجانده‌شده بستگی دارد. اگر مشکوک به وجود سوگیری انتشار باشد، گاهی اوقات می‌توان آن را با استفاده از نمودارهای قیف و آمارهای مربوطه، مانند آزمون رگرسیون خطی ایگر برای اندازه‌گیری عدم تقارن نمودار قیف یا روش «تریم و پر کردن» برای تنظیم تخمین‌های خلاصه سوگیری مشاهده‌شده تشخیص داد.[7]


    • همه متغیرها قابل‌مقایسه نیستند

    برخی از متغیرها معیار قابل‌مقایسه‌ای برای متاآنالیز ندارند؛ بنابراین، گاهی اوقات ممکن است نیاز به ساخت متغیرهای جدیدی باشد که مفاهیم قابل‌مقایسه‌ای را ارائه دهند یا تحلیل‌ها را به عناصر مشترک محدود کنند.


    متاآنالیز می‌تواند با آزمایش‌های تصادفی مخالف باشد

    دلیل اصلی اختلاف در متاآنالیز این است که بر اساس مطالعات ناهمگن و اغلب کوچک است. افراد در مطالعات فردی ممکن است با توجه به معیارهای تشخیصی، بیماری‌های همراه، شدت بیماری و منطقه جغرافیایی متفاوت باشند. در مقابل، در آزمایش‌هایتصادفی و کنترل‌شده بزرگ، جمعیت هدف محدودتر است. بااین‌حال، متاآنالیز که به‌درستی انجام شود ممکن است اطلاعات ارزشمند تکمیلی را ارائه دهد.[4]


    متاآنالیز نمی‌تواند بر ذهنیت غلبه کند

    متاآنالیز به‌جای عینیت، بر ذهنیت مشترک متکی است. هنگام تصمیم‌گیری در مورد اینکه چگونه مطالعات مشابه باید قبل از ترکیب آن‌ها مناسب باشد، اغلب مقدار مشخصی ذهنیت وجود دارد. هر شکلی از تحلیل، ازجمله ریویوهای روایی، نیاز به تصمیمات ذهنی خاصی دارد. بااین‌حال، چنین تصمیماتی همیشه به‌صراحت در یک متاآنالیز بیان می‌شود.


    • متاآنالیز فقط به اثرات اصلی می‌پردازد

    متاآنالیز به اثرات اصلی می‌پردازد و نتایج آن را می‌توان به جامعه هدف تعمیم داد. بااین‌حال، اثرات متقابل ممکن است با تحلیل تعدیل‌کننده نیز بررسی شود.

    فرآیند پنج مرحله‌ای

    در مورد بهترین روش برای متاآنالیز بحث وجود دارد، بااین‌حال پنج مرحله متداول در ادامه بیان‌شده است.

    مرحله 1: سؤال تحقیق

    یک سؤال تحقیق بالینی شناسایی‌شده و یک فرضیه پیشنهاد می‌شود. اهمیت احتمالی بالینی توضیح داده‌شده و طرح مطالعه و طرح تحلیلی توجیه می‌شود.

    مرحله 2: بررسی سیستماتیک

    یک مرور سیستماتیک (SR)به‌طور خاص برای رسیدگی به سؤال تحقیق طراحی‌شده و برای شناسایی همه مطالعاتی که هم مرتبط و هم باکیفیت کافی خوب در نظر گرفته می‌شوند، انجام می‌شود تا گنجاندن آن را تضمین کند. اغلب، تنها مطالعات منتشرشده در مجلات معتبر شناسایی می‌شوند، اما شناسایی داده‌های «منتشرنشده» برای جلوگیری از «سوگیری انتشار» یا حذف مطالعات با یافته‌های منفی مهم است. برای شواهد با بالاترین کیفیت سایر انواع مطالعات "تجربی " و "نیمه تجربی " درصورتی‌که معیارهای ورود/خروج تعریف‌شده را برآورده کنند، ممکن است شامل شوند.

    مرحله 3: استخراج داده‌ها

    پس از انتخاب مطالعات برای گنجاندن در متاآنالیز، داده‌ها یا نتایج خلاصه از هر مطالعه استخراج می‌شوند. علاوه بر این، اندازه نمونه و اندازه‌گیری تنوع داده‌ها برای هر دو گروه مداخله و کنترل موردنیاز است. بسته به مطالعه و سؤال تحقیق، معیارهای نتیجه می‌تواند شامل معیارهای عددی یا معیارهای طبقه‌بندی باشد. به‌عنوان‌مثال، تفاوت در نمرات یک پرسشنامه یا تفاوت در سطح اندازه‌گیری مانند فشارخون به‌عنوان یک میانگین عددی گزارش می‌شود. بااین‌حال، تفاوت در احتمال قرار گرفتن در یک دسته در مقابل دسته دیگر (به‌عنوان‌مثال، زایمان طبیعی در مقابل زایمان سزارین) معمولاً ازنظر اقدامات خطر مانند OR یا خطر نسبی (RR) گزارش می‌شود.

    مرحله 4: مطالعات استانداردسازی و وزن دهی

    با جمع‌آوری تمام داده‌های لازم، مرحله چهارم محاسبه شاخص‌های خلاصه مناسب از هر مطالعه برای تجزیه‌وتحلیل بیشتر است. این معیارها معمولاً اندازه اثر نامیده می‌شوند و نشان‌دهنده تفاوت میانگین نمرات بین گروه مداخله و کنترل است. به‌عنوان‌مثال، تفاوت در تغییر فشارخون بین شرکت‌کنندگان مطالعه که از داروی X استفاده می‌کردند در مقایسه با شرکت‌کنندگانی که از دارونما استفاده می‌کردند. ازآنجایی‌که واحدهای اندازه‌گیری معمولاً در مطالعات شامل متفاوت است، معمولاً برای ایجاد تخمین‌های قابل‌مقایسه از این اثر، باید «استاندارد» شوند. هنگامی‌که معیارهای نتیجه متفاوتی استفاده می‌شود، مانند زمانی که محققان از آزمون‌های مختلف استفاده می‌کنند، استانداردسازی ضروری است. استانداردسازی با در نظر گرفتن میانگین نمره برای هر مطالعه برای گروه مداخله، کسر میانگین برای گروه کنترل و تقسیم این نتیجه بر معیار متغیر در آن مجموعه داده به دست می‌آید.

    نتایج برخی از مطالعات نیاز به وزن بیشتری نسبت به سایرین دارند. تصور می‌شود که مطالعات بزرگ‌تر (همان‌طور که با اندازه‌های نمونه اندازه‌گیری می‌شوند) تخمین اندازه اثر دقیق‌تری را نسبت به مطالعات کوچک‌تر ایجاد می‌کنند. دوم، مطالعات با تنوع داده کمتر، به‌عنوان‌مثال، SD کوچک‌تر یاCI باریک‌تر اغلب به‌عنوان "کیفیت بهتر " در طراحی مطالعه در نظر گرفته می‌شوند. یک آمار وزنی که به دنبال ترکیب این دو عامل است که به‌عنوان واریانس معکوس شناخته می‌شود، معمولاً استفاده می‌شود.

    مرحله 5: برآورد نهایی اثر

    مرحله نهایی انتخاب و اعمال یک مدل مناسب برای مقایسه اندازه اثر در مطالعات مختلف است. رایج‌ترین مدل‌های مورداستفاده، مدل‌های جلوه‌های ثابت و جلوه‌های تصادفی هستند. مدل‌های اثرات ثابت بر این فرض استوارند که هر مطالعه یک اثر درمانی مشترک را ارزیابی می‌کند. این به این معنی است که فرض بر این است که اگر سطوح مختلف تنوع نمونه در مطالعات مختلف نبود، همه مطالعات اندازه اثر یکسانی را تخمین می‌زنند. در مقابل، مدل اثرات تصادفی «فرض می‌کند که اثرات درمانی واقعی در مطالعات فردی ممکن است با یکدیگر متفاوت باشد». اینکه آیا این منبع دوم تنوع احتمالاً مهم است یا نه اغلب در فرا تحلیل با آزمایش «ناهمگونی» ارزیابی می‌شود.[3]

     طرح جنگلی

    تخمین‌های نهایی از یک متاآنالیز اغلب به‌صورت گرافیکی در قالب «طرح جنگل» گزارش می‌شوند.

    در نمودار فرضی Forest Plot نشان داده‌شده در شکل زیر، برای هر مطالعه، یک خط افقی تخمین اندازه اثر استانداردشده (جعبه مستطیلی در مرکز هر خط) و 95٪CI برای نسبت ریسک استفاده‌شده را نشان می‌دهد. برای هر یک از مطالعات، دارویX خطر مرگ را کاهش داد (نسبت خطر کمتر از 1.0 است). بااین‌حال، مطالعه اول بزرگ‌تر از دو مطالعه دیگر بود (اندازه جعبه‌ها نشان‌دهنده وزن نسبی محاسبه‌شده توسط متاآنالیز است). شاید، به همین دلیل، تخمین‌ها برای دو مطالعه کوچک‌تر ازنظر آماری معنی‌دار نبودند (خطوط برخاسته از جعبه آن‌ها شامل مقدار 1 است). هنگامی‌که هر سه مطالعه در متاآنالیز ترکیب شدند، همان‌طور که توسط الماس‌نشان داده شد، تخمین دقیق‌تری از اثر دارو به دست می‌آوریم، جایی که الماس هم تخمین نسبت ریسک ترکیبی و هم حدود 95٪CI را نشان می‌دهد.[7] 

    Metaanalysis 1


    ارتباط با تمرین و تحقیق

    بسیاری از تفسیرهای پرستاری مبتنی بر شواهد دارای ریویو سیستماتیک و متاآنالیز اخیراً منتشرشده هستند زیرا نه‌تنها بینش یا قدرت جدیدی را به توصیه‌هایی در مورد مؤثرترین شیوه‌های مراقبت بهداشتی می‌آورند، بلکه همچنین مشخص می‌کنند که تحقیقات آینده باید به کجا انجام شود تا شکاف‌ها یا محدودیت‌های موجود در شواهد فعلی را پر کند. قدرت نتیجه‌گیری از متاآنالیز تا حد زیادی به کیفیت داده‌های موجود برای سنتز بستگی دارد. این نشان‌دهنده کیفیت مطالعات فردی و بررسی سیستماتیک است. متاآنالیز به‌طور جادویی مشکل مطالعات ضعیف یا طراحی ضعیف را حل نمی‌کند و پزشکان می‌توانند ناامید شوند و متوجه شوند که حتی زمانی که یک متاآنالیز انجام‌شده است، تنها چیزی که محققان می‌توانند به این نتیجه برسند این است که شواهد ضعیف هستند و عدم اطمینان در مورد آن وجود دارد. اثرات درمان و اینکه برای اطلاع‌رسانی بهتر به تحقیقات با کیفیت بالاتر نیاز است. این هنوز یک یافته مهم است و می‌تواند عملکرد ما را آگاه کند و ما را به چالش بکشد تا شکاف‌های شواهد را با تحقیقات باکیفیت بهتر در آینده پر کنیم.[5]


    خلاصه

    متاآنالیز یک تحلیل آماری است که نتایج مطالعات علمی متعدد را ترکیب می‌کند. متاآنالیز‌ها را می‌توان زمانی انجام داد که مطالعات علمی متعددی وجود داشته باشد که به یک سؤال پاسخ می‌دهند و هر مطالعه جداگانه اندازه‌گیری‌هایی را گزارش می‌کند که انتظار می‌رود درجاتی از خطا داشته باشد. سپس هدف استفاده از رویکردهای آماری برای استخراج تخمین تلفیقی نزدیک به حقیقت رایج ناشناخته بر اساس نحوه درک این خطا است. نتایج متاآنالیز معتبرترین منبع شواهد در ادبیات پزشکی مبتنی بر شواهد در نظر گرفته می‌شوند.

    متاآنالیز تخمین دقیق‌تری از اندازه اثر ارائه می‌دهد و قابلیت تعمیم نتایج مطالعات فردی را افزایش می‌دهد؛ بنابراین، ممکن است امکان حل تعارضات بین مطالعات را فراهم کند و زمانی که مطالعات فردی غیرقابل قطعیت هستند، نتایج قطعی به همراه داشته باشد. بااین‌حال، اخطارهای زیادی در کاربرد متاآنالیز وجود دارد. نتیجه‌گیری‌های به‌دست‌آمده از فرا تحلیل مستعد کیفیت روش‌شناختی مطالعات گنجانده‌شده و همچنین سوگیری انتشار و فرمول‌بندی معیارهای واجد شرایط بودن هستند. اگرچه ترکیب داده‌های حاصل از مطالعات مستقل با استفاده از روش‌های فرا تحلیلی می‌تواند دقت آماری را بهبود بخشد، اما نمی‌تواند به‌طورکلی از سوگیری جلوگیری کند. بااین‌حال، بسیاری از انتقادات متاآنالیز برای ریویوهای روایی نیز صادق است. اگرچه فرا تحلیل به دلیل محدودیت‌هایش موردانتقاد قرار می‌گیرد، اما راه‌حل‌هایی برای این مشکلات وجود دارد. یک رویکرد سیستماتیک و شفافیت در انجام متاآنالیز به حل تعارضات و عدم قطعیت‌های بین مطالعات و به دست آوردن نتیجه‌گیری‌های معنادار کمک می‌کند. استفاده و ارزش متاآنالیز احتمالاً در آینده بر اساس قدرت آن در آشکارسازی یافته‌های جدید افزایش می‌یابد.



    منابع

    [1]      L. V Hedges, “Meta-analysis,” J. Educ. Stat., vol. 17, no. 4, pp. 279–296, 1992.

    [2]      I. K. Crombie and H. T. Davies, “What is meta-analysis,” What is, vol. 1, no. 8, 2009.

    [3]      A. P. Field and R. Gillett, “How to do a meta‐analysis,” Br. J. Math. Stat. Psychol., vol. 63, no. 3, pp. 665–694, 2010.

    [4]      R. Rosenthal and M. R. DiMatteo, “Meta-analysis: Recent developments in quantitative methods for literature reviews,” Annu. Rev. Psychol., vol. 52, no. 1, pp. 59–82, 2001.

    [5]      M. Borenstein, L. V Hedges, J. P. T. Higgins, and H. R. Rothstein, Introduction to meta-analysis. John Wiley & Sons, 2021.

    [6]      R. A. Guzzo, S. E. Jackson, and R. A. Katzell, “Meta-analysis analysis,” Res. Organ. Behav., vol. 9, no. 1, pp. 407–442, 1987.

    [7]      M. Egger, G. D. Smith, and A. N. Phillips, “Meta-analysis: principles and procedures,” Bmj, vol. 315, no. 7121, pp. 1533–1537, 1997.

    [8]         M. Egger and G. D. Smith, “Meta-analysis: potentials and promise,” Bmj, vol. 315, no. 7119, pp. 1371–1374, 1997.