روش های نمونه گیری غیراحتمالی

به طور کلی انواع روش های نمونه گیری را می توان در دو بخش نمونه گیری احتمالی و غیراحتمالی جای داد. در نمونه گیری احتمالی هر یک از واحدهای جامعه می توانند با احتمالی مشخص در نمونه قرار گیرند. در حالیکه در نمونه گیری غیراحتمالی انتخاب نمونه براساس قوانین احتمالات صورت نمی گیرد و نمونه به مدد قضاوت انسانی حاصل می شود. بنابراین اشتباهات برآوردهای غیراحتمالی، اغلب غیرتصادفی و غیرقابل اندازه گیری است. در این روش ها هرقدر که حجم نمونه را بزرگ اختیار کنیم، نمونه ها اغلب نمی توانند معرف واقعی جامعه باشند. اما با این حال گاهی اوقات نمونه گیری غیراحتمالی بهترین روش نمونه گیری می باشد. مانند زمانی که امکان تهیه چارچوب نمونه گیری وجود نداشته باشد. 
یکی از مهم ترین کاربردهای نمونه گیری غیراحتمالی، استفاده در مطالعات مقدماتی پیمایش های بزرگ است. در چنین مواردی که هدف تعین واریانس صفت مورد اندازه گیری (برای تعین حجم نمونه و روش نمونه گیری) یا تست پایایی ابزار اندازه گیری و... می باشد، احتیاجی به روش های نمونه گیری احتمالی نیست. در ادامه برخی از روش های نمونه گیری غیراحتمالی مورد بررسی قرار می گیرد.

نمونه گیری قضاوتی یا تعمدی :

معمولا در نمونه گیری قضاوتی انتخاب سنجیده واحدها به طریقی صورت می گیرد که هریک معرف بخشی از جامعه مورد نظر باشند. به عنوان مثال فرض کنید قصد داریم به بررسی وضعیت نوجوانانی که از خانه فرار کرده اند بپردازیم و مصاحبه با چنین افرادی ضروری است. از آنجایی که تهیه لیستی از این افراد ممکن نیست، محقق سعی می کند به مکان هایی مانند پارک ها، ترمینال ها و... مراجعه کرده و به طور تعمدی افراد مورد نظر را در مکان های خاص شناسایی کند. این روش نمونه گیری با توجه به موضوع مورد بررسی مبتنی بر فهم نظری و تجربه پیشین محقق از جمعیت مورد مطالعه است.

نمونه گیری سهمیه ای :

در این روش جامعه آماری به چند طبقه تقسیم شده سپس به اختیار سهمی به هر طبقه اختصاص داده می شود و در ادامه نمونه هایی را که دسترسی به آن ها ساده تر استبه دلخواه انتخاب می کنند. البته ممکن است جامعه مورد مطالعه طبقه بندی نشود، در این حالت نیز آنقدر نمونه اختیار می شود تا حجم نمونه مورد نظر حاصل شود. برای مثال فرض کنید می خواهیم به بررسی رضایت شغلی کارکنان صنایع بزرگ استان تهران بپردازیم و قبل از مرحله اصلی گردآوری داده ها احتیاج به یک مطالعه مقدماتی برای سنجش واریانس صفت مورد نظر، روایی و پایایی پرسشنامه داریم و از طرفی براساس تحقیقات قبلی می دانیم رضایت شغلی کارکنان صنایع مختلف با یکدیگر تفاوت دارد. با فرض این که حجم نمونه مقدماتی 50 نفر در نظر گرفته شده باشد و با در نظر گرفتن نسبتی از کل کارکنان که در هر صنعت مشغول به کار هستند، سهمیه هر گروه را تعین می کنیم.

در نمونه گیری سهمیه ای غالبا آن دسته از ویژگی هایی که که در تحقیقات پیشین هم تشخیص داده شده اند مورد مطالعه قرار می گیرند به همین دلیل نمونه گیری سهمیه ای تا حد زیادی به تحقیقات پیشین و یافته های بدست آمده در میدان تحقیق وابسته است. مشکل دیگر این روش عدم توجه به برخی ویژگی های جمعیت مورد نظر است. اما در مجموع با توجه به مشابهت ساختار نمونه و جمعیت در نمونه گیری سهمیه ای، احتمال معرف بودن برآوردهای حاصل از آن بیش از برآوردهایی است که از نمونه گیری اتفاقی یا قضاوتی به دست می آید.

پیش آزمون

پس از تنظیم اولیه سوال های پرسشنامه، به منظور بررسی کیفیت پرسشنامه طراحی شده و بررسی روایی محتوایی آن، باید به ارزیابی و آزمون مقدماتی پرسشنامه پرداخت. این مرحله از تحقیقات معمولا کمتر مورد توجه قرار می گیرد و باعث می شود محقق پس از توزیع کامل پرسشنامه ها و در جریان تحقیق متوجه اشکال های متعدد در فرم تهیه شده شود. 
یکی از مزایای بررسی مقدماتی،کسب نظرات کارشناسان و صاحب نظران در مورد نحوه جمل بندی، محتوای سؤال ها و ارزیابی روایی محتوایی پرسشنامه و در صورت لزوم اصلاح آن می باشد. از دیگر مزایای ارزیابی مقدماتی، بررسی پایایی گزینه های تدوین شده و روایی پرسشنامه، تعین زمان مناسب برای پرکردن پرسشنامه، میزان علاقه و توجه پاسخگو به پرسشنامه، میزان پاسخ‎دهی به سؤال ها و...می باشد. 
همچنین به منظور برآورد تقریبی واریانس متغیر وابسته یا صفت بارز برای برآورد حجم نونه، از آزمون مقدماتی استفاده می شود. 
پیش آزمون پرسشنامه را می توان به دو مرحله تقسیم نمود: پیش آزمون غیررسمی و پیش آزمون رسمی. 

آزمون مربع کای یا خی دو

(آزمون مقایسه داده های مستقل رده ای)

به منظور بررسی ارتباط بین دو متغیر مستقل رده ای، چنانچه متغیرهای مورد نظر بیش از دو رده داشته باشند، داده های ان ها را در یک جدول r*c خلاصه می کینم. که در آن r تعداد رده های متغیر سطری و c تعداد رده های متغیر ستونی است.

فرض صفر مورد آزمون، استقلال متغیرهای سطری و ستونی و یا به عبارت دیگر یکسان بودن نسبت یکی از رده های متغیر سطری در رده های دیگر متغیر ستونی (یا برعکس) می باشد که آن را به صورت H_0: p_i1=p_i2=⋯=p_ic ربا یک رده معین i از متغیر سطری نشان می دهند. (i=1,2,…,r). در صورت بزرگ بودن حجم نمونه از آماره آزمون از توزیع مجانبی مربع کای پیروی می کند. آماره آزمون به صورت زیر تعریف می شود :

که در آن O_ij فراوانی مشاهده شده در خانه ij جدول و E_ij مقدار مورد انتظار خانه ij تحت فرض H_0 می باشد. یعنی :

معرفی آزمون کوکران

آزمون کوکران یک آزمون ناپارامتری است که به بررسی متغیرهای دومقداری در حالتیکه بیش از دو گروه در دست است، می پردازد. این آزمون تعمیم یافته ی آزمون مک نمار به حساب می آید. این آزمون زمانی مورد استفاده قرار می گیرد که تعداد گروه ها 3یا تکرارها3 یا بیش از 3 باشند. در این روش متغیر پاسخ یا وابسته به صورت مقادیر دوارزشی مانند «موافق یا مخالف»، «بلی یا خیر» و نظیراینها باشد و بتوان کدهای صفر و یک را برای آن ها در نظر گرفت. در این روش نمره دهی به وجود صفت مورد نظر موافق، موفقیت و... عدد یک و در صورت عدم برقراری صفت مورد نظر عدد صفر برای آن منظور می شود.

آزمون مک نمار

آزمون مک نمار یک آزمون ناپارامتری است که اغلب در مورد داده های اسمی دو مقوله ای یا دوپاسخی مربوط به دو نمونه ی مرتبط یا همبسته به کار می رود. این آزمون به ویژه در مواردی به کار می رود که می خواهیم نظرهای یا عملکردهای قبلی یا بعدی موردها (معمولا افراد) را با هم مقایسه کنیم. 
برای نمونه می توان به بررسی نظرات افراد در مورد مشارکت در انتخابات ریاست جمهوری پیش از سخنرانی در آن مورد و پس از سخنرانی، اشاره نمود. پس اجرای آزمون مک نمار مستلزم وجود دو مجموعه از داده های دو مقوله ای است. این داده ها می توانند به طور ذاتی دو مقوله ای باشند نظیر «بلی یا خیر» و یا به صورت طبقه ای، رتبه ای یا فاصله ای باشند که پژوهشگر آن ها را به صورت دو مقوله ای کدبندی می کند نظیر گرایش سیاسی که به صورت فاصله ای اندازه گیری شود، اما پژوهشگر آن ها را به صورت «مثبت یا منفی» مقوله بندی نماید. 
جدول زیر داده های مربوط به این آزمون را نمایش می دهد :

آزمون فریدمن

آزمون فریدمن یک آزمون ناپارامتری است که برای مقایسه سه یا بیش از سه گروه وابسته که حداقل در سطح رتبه ای اندازه گیری می شوند،مورد استفاده قرار می گیرد. این آزمون می تواند در مورد داده های پیوسته (فاصله ای یا نسبی) نیز به کاربرده شود، اما در هنگام محاسبه این داده ها نیز رتبه بندی آن ها مدنظر قرار می گیرد.
آزمون فریدمن معادل ناپارامتری آزمون F وابسته در تحلیل واریانس اندازه های تکراری است. در این حالت برای اجرای تحلیل واریانس داده های تکرار شده ضرورتی به وجود فرضیاتی مانند نرمال بودن توزیع، برابری واریانس ها و پیوسته بودن مقیاس وجود ندارد. بنابراین در تحلیل واریانس اندازه های تکراری چنانچه یک یا همه فرضیات ابتدایی مذکور رد شوند، از آزمون فریدمن استفاده می شود. 

فرضیه ی صفر در این آزمون بیان می کند که توزیع مشاهدات در سنجش های تکرارشده یکسان هستند. یا به عبارت دیگر میان توزیع های ایجاد شده در اثر سنجش های مکرر روی یک گروه و یا بین گروه های همتا در زمینه متغیر وابسته تفاوتی وجود ندارد. محاسبه ی آماره ی فریدمن که آن را با χ_r^2 نشان می دهند با استفاده از رابطه زیر امکان پذیر است به دو روش صورت می گیرد :

تحلیل واریانس چند متغیری MANOVA

برای مقایسه میانگین اثرات یک یا چند متغیر مستقل بر روی یک متغیر وابسته براساس طرح های آزمایشی مختلف، روش های آماری متعددی مانند آزمون t و آزمون تحلیل واریانس تک متغیری ANOVAبکار گرفته می شود.اما در حالتی که بیش از یک متغیر وابسته مدنظر قرار دارد، با توجه به وابستگی بین متغیرهای وابسته از روش های تحلیل چند متغیره استفاده می شود.

در طرح تحلیل واریانس چند متغیری دو یا چند متغیر وابسته پیوسته با یک یا چند متغیر مستقل مقوله ای ارزیابی می شوند. برای مثال مطالعه اثرات جنسیت(مرد، زن) روی رضایت شغلی کارگران و غیبت آنان از کار و یا بررسی اثرات نوع تدبیر درمانی (رفتاری-شناختی، روان کاوی، درمان فشرده) روی ارزیابی کارکرد کلی(پیامد بالینی) و رضایت مراجع از خدمات درمانی، از این قبیل می باشد. فرضیه صفر برای این آزمون در حالت کلی به صورت زیر است :H_0: μ_1=μ_2=⋯=μ_i

این فرضیه بیان می کند که میانگین همه گروه ها در جامعه برابر می باشد. 

آشنایی با سیستم های اطلاعات جغرافیایی GIS

مقدمه :

حدود نیم قرن است که سیستم های اطلاعات جغرافیایی (GIS) ظهور و گسترش یافته و در ایران نیز با دو دهه تأخیر در گروه های آموزشی دانشگاه ها و سازمان های مرتبط با علوم جغرافیایی مراحل توسعه شتابان خود را طی می نماید. سیستم های اطلاعات جغرافیایی که از جمع میان علوم جغرافیا و کامپیوتر حاصل شده است، ابتدا به عنوان یک تکنولوژی برتر در ثبت، تجزیه و تحلیل و نمایش اطلاعات جغرافیایی پا به عرصه علوم زمین شناسی نهاد و امروزه به عنوان یک علم میان رشته ای مطرح شده و مبانی و کاربردهای آن در سراسر جهان در حال تدوین و انتشار است. از گذشته های دور جغرافیدانان از نقشه به عنوان مهم ترین منبع کسب و ثبت اطلاعات و نمایش آن و حتی از برهم گذاری دستی نقشه ها برای تجزیه و تحلیل و به هنگام سازی داده ها استفاده می نموده اند. امروزه با به وجود آمدن کامپیوتر و نرم افزارهای متعدد موجود در این زمینه، این عملیات به کمک کامپیوتر انجام می شود البته به بهره گیری از کارشناسان خبره در این زمینه.

کاربرد مدل های کامل ساختاری در پژوهش

(نمایش رابطه ی رگرسیون چند متغیری با SEM)

همانطور که می دانید مدل رگرسیون خطی را می توان به شکل زیر بیان کرد : Y_i=α+βX_i+e_i
این معادله بیان می کند که مشاهده ی i ام در متغیرY تابعی است از : دو ثابت α و β که پارامترهای مدل هستند، مقدار مشاهده ی i ام در X و مقداری خطا که باe_i نمایش داده شده است. 
مدل معادله ی ساختاری نیز به گونه ی خلاصه بسط چند متغیری مدل رگرسیون خطی چند متغیری با یک متغیر وابسته (Y) به شکل مقابل است ،Y=I+BX+e . در این رابطه Y برداری شامل نمره های مشاهده شده در متغیر وابسته ، Xماتریس متغیرهای مستقل با توزیع پیوسته یا طبقه ای (کدگذاری مجازی)، Bبرداراوزان رگرسیون ، e معرف بردار بردار پس ماند ، خطا یا نمره های باقی مانده ی تبیین نشده به وسیله ی مدل رگرسیون وI برداری شامل مقادیر 0 و1 بوده و معرف عرض از مبدأ Y می باشد.

مقدمه ای بر تحلیل عاملی

تحلیل عاملی چیست؟

تحلیل عاملی نامی عمومی است برای برخی روشهای آماری چند متغیره که هدف اصلی آن خلاصه کردن داده ها می باشد. این روش به بررسی همبستگی درونی تعداد زیادی از متغیرها می پردازد و در نهایت آن ها را در قالب عامل های کلی محدودی دسته بندی و تبیین می کند. تحلیل عاملی روشی هم وابسته بوده که در آن کلیه متغیرها به طور همزمان مدنظر قرار می گیرند، به عبارت دیگر در این تکنیک که به دو نوع Q و R قابل تقسیم است، هریک از متغیرها به عنوان یک متغیر وابسته لحاظ می شوند.

بنیان های اولیه تحلیل عاملی

گالتون اولین کسی بود که پایه های اولیه تحلیل عاملی را بنا نهاد پس از او کارل پیرسون د راوایل قرن بیستم روشی برای تحلیل عاملی براساس یک فضای چندبعدی هندسی ارائه داد و در پی آن مک دونال این روش را در زمینه شناسایی جرایم و ارتباط آن با ویژگی های فیزیکی افراد مورد استفاده قرار داد.اسپیرمن نیز در سال 1904 به معرفی مدل های ریاضی این روش پرداخت. با این تلاش ها اصول و بنیان های تحلیل عاملی شکل گرفت و امروزه در سطح وسیع توسط شاخه های مختلف علوم نظیر روانشناسی، اقتصاد، جامعه شناسی، مدیریت، پزشکی و... مورد استفاده قرار می گیرد.

اهداف تحلیل عاملی

هدف اصلی تحلیل عاملی تلخیص تعداد زیادی از متغیرها در تعداد محدودی از عامل ها می باشد، بطوریکه کمترین میزان از دست رفتن اطلاعات را داشته باشیم. علاوه بر این تحلیل عاملی کاربردهای مختلفی در تحلیل داده ها دارد که مهمترین آن ها به شرح زیر است :

1. دستیابی به ابعادی که به صورت پنهانی در مجموعه وسیعی از متغیرها وجود دارد ولی به آسانی قابل مشاهده نمی باشند. این نوع تحلیل عاملی به تحلیل عاملی نوع R معروف است.

2. ابداع روشی برای ترکیب و تلخیص تعداد زیادی از افراد در گروه های مختلف در درون یک جامعه بزرگ. این روش به تحلیل عاملی نوع Q معروف است.

3. شناسایی متغیرهای مناسب از بین مجموعه ی وسیعی از متغیرها به منظور استفاده در تحلیل های بعدی رگرسیون چندگانه یا تحلیل تشخیصی.

4. ایجاد مجموعه کوچک و کاملا جدیدی از متغیرها که به طور کامل به جای متغیرهای اصلی در تحلیل های بعدی رگرسیون یا تحلیل تشخیصی مورد استفاده قرار گیرد.