نوشته‌ها

تحلیل عاملی

مقدمه

تحلیل عاملی نامی است عمومی برای برخی از روشهای چند متغیره که هدف اصلی آن خلاصه کردن داده هاست. این روش به بررسی همبستگی درونی تعداد زیادی از متغیرها می پردازد و در نهایت آنها را در قالب عاملهای عمومی محدودی دسته بندی کرده تبیین می کند. در این تکنیک تمام متغیرها به عنوان متغیر وابسته قرار می گیرد.

تحلیل عاملی روشی هم وابسته بوده که در آن کلیه متغیرها بطور همزمان مد نظر قرار می گیرد. در این تکنیک، هریک از متغیرها به عنوان یک متغیر وابسته لحاظ می گردد. قبل از پرداختن به این تکنیک آماری، لازم است برخی از مفاهیم کلیدی این روش معرفی گردند.

  • اشتراک[۱]: میزان واریانس مشترک بین یک متغیر با سایر متغیرهای بکار گرفته شده در تحلیل.
  • مقدار خاص[۲]:میزان وارایانس تبیین شده بوسیله هر عامل را بیان می کند. یکی از ضوابط پرکاربرد در تعیین تعداد عاملها ، مقدار ویژه است که آن را معیار راکد نیز می گویند در تحلیل عاملی مقدار ویژه برابر است۱ می باشد ولی ما می توا نیم در بسته آماری این مقدار زیاد کنیم . در تحلیل عاملی مولفه های اصلی ان است که مقدار ویژه آنان بیشتر از ۱ باشد ولی این مقدار کمتر از ۱ باشد به عنوان عاملهایی است که از نظر آماری معنی دار نیست و باید از تحلیل کنار گذاشته شود .
  • عامل[۳]:عبارتست ترکیب خطی متغیرهای اصلی،که نشان دهنده خلاصه شده از متغیرهای مشاهده شده است.
  • بار عاملی[۴]: همبستگی بین متغیرهای اصلی و عوامل. اگر مقادیر بار عاملی مجذور شوند،نشان می دهند که چند درصد از واریانس در یک متغیر توسط آن عامل تبیین می شود.
  • ماتریس عاملی[۵]: جدولی است که بارهای عاملی کلیه متغیرها را در هر عامل نشان می دهد.

چرخش عاملی[۶]: فرآیندی است برای تعدیل محور عامل به منظود دستیابی به عاملهای معنی دار وساده. یکی از مفاهیم مهم در تحلیل عاملی ‏‏‏‏ چرخش[۷] عاملهاست. که این مفهوم دقیقا به همان معنا دلالت دارد که در فرآیند چرخش عاملی ، محورهای مختصات عاملها به دور مبدا چرخش داده است تا اینکه موقعبیت جدیدی را بدست بیاورد ما در اینجا دونوع چرخش داریم :

۱- چرخش متعامد[۸]

۲- متمایل[۹]

چرخش متعامد: عاملها مستقل از یکدیگر هستند.

متمایل: عاملها بایکدیگر همبستگی دارند. (کلانتری،۱۳۸۷: ۲۸۳)

تصمیم گیری در تحلیل عاملی

هدف اصلی تحلیل عاملی تلخیص تعداد زیادی از متغیرها در تعداد محدودی از عاملها می باشد، بطوریکه در این فرایند کمترین میزان گم شدن اطلاعات وجود داشته باشد. با توجه به هدف تحلیل عاملی محقق سوالاتی از خود می پرسد چه نوع متغیرهای باید در تحلیل به کار گرفته شود . در پاسخ به این سوال باید گفت که هر متغیری مرتبط با مسئله تحقیق را می توان در تحلیل به کار گرفت.

         معنی داری ماتریس همبستگی

یکی از روشهای انتخاب متغیرهای مناسب برای تحلیل عاملی استفاده از ماتریس همبستگی است که اساس روش تحلیل عاملی برای انتخاب متغیرها به عاملهای متفاوت استفاده از همبستگی بین متغیرها اما از نوع غیر علی استوار است. البته آمارهای دیگری وجود دارد که محقق از طریق انها نیز قادر به تعیین و تشخیص مناسب بودن داده ها برای تحلیل عاملی می باشد از جمله این روشها آزمون  KMO[10] می باشد که مقدار آن همواره بین ۰و۱ می باشد و در صورتی که این مقدار کمتر از ۵۰/. باشد داده ها برای تحلیل عاملی مناسب نخواهد بود و اگر مقدار آن بین ۵۰/. تا۶۹/. درصد باشد می توان با احتیاط بیشتر می توان به تحلیل عاملی پرداخت. اما در صورتی که این مقدار بیشتر از ۷۰/.درصد باشد همبستگی موجود میان داده ها برای تحلیل داده ها مناسب خواهد بود.(دواس،۱۳۷۶: ۲۵۶)

و از سوی دیگر برای اطمینان از داده ها  برای تحلیل عاملی مبنی بر اینکه ماتریس همبستگی که پایه تحلیل عامل قرار می گیرد در جامعه برابر صفر است یا خیر باید از آزمون بارتلت[۱۱] استفاده کنیم . این آزمون معناداری تحلیل عاملی داده ها را می سنجد و اگر این مقدار کمتر از۰۵/. باشد داده ها با جامعه مورد معنی دار است.

         حجم نمونه

در رابطه با حجم نمونه نیز باید تاکید کرد که تعداد حجم نمونه نباید کمتر از ۵۰ مورد باشد و ترجیحا حجم نمونه را به بیش از ۱۰۰ مورد افزایش داد. به عنوان قاعده کلی تعداد نمونه باید حدود چهار یا پنج برابر تعداد متغیرهای مورد استفاده باشد. که در این تحقیق حجم نمونه ۵۰ مورد می باشد.(سرمد و دیگران،۱۳۸۵: ۲۵۸)

         انتخاب نوع ماتریس همبستگی

بعد از اطمینان داشتن به داده ها برای تحلیل عاملی، اولین تصمیم در بکارگیری تحلیل عاملی، محاسبه ماتریس همبستگی است. برای اینکار باید مشخص شود که آیا هدف،محاسبه همبستگی بین متغیرهاست یا بین پاسخگویان. اگر هدف تحقیق تلخیص متغیرها باشد در این صورت از همبستگی بین متغیرهامحاسبه شود که این روش یکی از تکنیک های عمومی و پرکاربرد در مطالعات می باشد که به تحلیل عاملی نوع R معرو ف است. اما تحلیل عاملی ممکن است برای ماتریس همبستگی بین پاسخگویان نیز بکار گرفته شود این نوع تحلیل را تحلیل نوع Q  می نامند . این نوع تحلیل عاملی شاید بدلیل مشکل بودن کمتر مورد استفاده قرار گیرد و بجای آن از روشهای نظیر تحلیل خوشه ای یا گروهبندی سلسله مراتبی برای طبقه بندی پاسخگویان یا موارد استفاده می شود.(کلانتری،۱۳۸۷: ۲۸۷) که در این تحقیق با توجه به هدف اصلی تحقیق، ماتریس همبستگی از نوع R  استفاده گردیده است.

         انتخاب مدل عاملی

 در تحلیل عاملی مدلهای مختلفی وجود دارد که از میان آنها دو روش تحلیل مولفه های اصلی و تحلیل عاملی مشترک از پر کاربرد ترین این روشهاست. انتخاب هریک از مدلها به هدف محقق بستگی دارد.مدل تحلیل مولفه های اصلی زمانی مورد استفاده قرار می گیرد که هدف محقق تلخیص متغیرها و دستیابی به تعداد محدودی عامل برای اهداف پیش بینی شده باشد و در مقابل تحلیل عاملی مشترک زمانی بکار می رود که هدف شناسایی عاملها یا ابعادی باشد که به سادگی قابل شناسایی نیستند(کلانتری،۱۳۸۰: ۱۵۲).

         روش استخراج عامل ها

علاوه بر انتخاب مدل تحلیل، محقق باید مشخص کند که عاملها چگونه باید استخراج شوند. برای استخراج عاملها دو روش وجود دارد. عاملهای متعامد و عاملهلای متمایل. در روش متعامد، عاملها به شیوه انتخاب می گردند که محورهای عاملی در حالت ۹۰ درجه قرار می گیرند و این بدین معناست که هر عامل، مستقل از سایر عاملها می باشد. بنابراین،همبستگی بین عاملها، بطورقراردادی صفر تعیین می گردد. مدل عاملی متمایل پیچیده تر از مدل عاملی متعامد می باشد. در واقع در این روش فرآیند تحلیلی کاملا رضایت بخش بدست نمی آید. در این روش عاملهای استخراج شده دارای همبستگی می باشند.انتخاب اینکه چرخش عاملها بر اساس متعامد و یا متمایل باشدباید بر اساس نیازهای محقق و مسئله تحقیق وجود دارد انجام گیرد.

         انتخاب نهایی عامل ها

زمانیکه در خصوص ماتریس همبستگی، مدل عاملی و روش استخراج، تصمیم مناسب اتخاذ گردید، زمینه برای استخراج عاملهای اولیه چرخش نیافته فراهم می گردد. با بررسی ماتریس چرخش نیافته محقق می تواند به جستجوی روشهای تلخیص داده ها و تعیین عاملهای استخراجی بپردازد، اما تعیین نهایی تعداد عاملها پس از دستیابی به ماتریس عاملی چرخش یافته امکان پذیر می باشد.

 

فرمول کوکران و جدول مورگان برای تعیین حجم نمونه

برای تعیین حجم نمونه در تحقیقات از روشهای مختلفی استفاده می شود. دو روش متداول برای این کار استفاده از فرمول شارل کوکران و جدول مورگان است.

۱ -روش شارل کوکران

به منظور تعیین حجم نمونه ساده ترین روش استفاده از فرمول کوکران می باشد.

در فرمول کوکران:

N=z2pq/e2

n= حجم نمونه
N = حجم جمعیت آماری (حجم جمعیت شهر, استان,و…)
t  یا z = در صد خطای معیار ضریب اطمینان قابل قبول
p = نسبتی از جمعیت فاقد صفت معین (مثلا جمعیت مردان)
q=1-p  نسبتی از جمعیت فاقد صفت معین (مثلا جمعیت زنان)
e= درجه اطمینان یا دقت احتمالی مطلوب
طبق فرمول بالا اگر بخواهیم حجم نمونه را با شکاف جمعیتی ۵/۰ (یعنی نیمی از جمعیت حایز صفتی معین باشند . نیمی دیگر فاقد آن هستند.
معمولا p و q را ۰٫۵ در نظر می گیریم. مقدار z معمولا ۱٫۹۶  است. d می تواند  ۰٫۰۱  یا  ۰٫۰۵  باشد.
در برخی از تحقیقات برای تصحیح حجم نمونه از فرمول تصحیح کوکران نیز در ادامه فرمول اصلی   استفاده می شود.

 

  1. روش جدول مورگان:

زمانی که نه از واریانس جامعه و نه از احتمال موفقیت یا عدم موفقیت متغیر اطلاع  دارید و نمی توان از فرمولهای آماری برای براورد حجم نمونه استفاده کرد از جدول مورگان استفاده می کنیم. این جدول حداکثر تعداد نمونه را می دهد.

S:حجم نمونه، N:حجم جامعه

N

S N S N S N S N S
۱۰ ۱۰ ۱۰۰ ۸۰ ۲۸۰ ۱۶۲ ۸۰۰ ۲۶۰ ۲۸۰۰ ۳۳۸
۱۵ ۱۴ ۱۱۰ ۸۶ ۲۹۰ ۱۶۵ ۸۵۰ ۲۶۵ ۳۰۰۰ ۳۴۱
۲۰ ۱۹ ۱۲۰ ۹۲ ۳۰۰ ۱۶۹ ۹۰۰ ۲۶۹ ۳۵۰۰ ۳۴۶
۲۵ ۲۴ ۱۳۰ ۹۷ ۳۲۰ ۱۷۵ ۹۵۰ ۲۷۴ ۴۰۰۰ ۳۵۱
۳۰ ۲۸ ۱۴۰ ۱۰۳ ۳۴۰ ۱۸۱ ۱۰۰۰ ۲۷۸ ۴۵۰۰ ۳۵۱
۳۵ ۳۲ ۱۵۰ ۱۰۸ ۳۶۰ ۱۸۶ ۱۱۰۰ ۲۸۵ ۵۰۰۰ ۳۵۷
۴۰ ۳۶ ۱۶۰ ۱۱۳ ۳۸۰ ۱۸۱ ۱۲۰۰ ۲۹۱ ۶۰۰۰ ۳۶۱
۴۵ ۴۰ ۱۸۰ ۱۱۸ ۴۰۰ ۱۹۶ ۱۳۰۰ ۲۹۷ ۷۰۰۰ ۳۶۴
۵۰ ۴۴ ۱۹۰ ۱۲۳ ۴۲۰ ۲۰۱ ۱۴۰۰ ۳۰۲ ۸۰۰۰ ۳۶۷
۵۵ ۴۸ ۲۰۰ ۱۲۷ ۴۴۰ ۲۰۵ ۱۵۰۰ ۳۰۶ ۹۰۰۰ ۳۶۸
۶۰ ۵۲ ۲۱۰ ۱۳۲ ۴۶۰ ۲۱۰ ۱۶۰۰ ۳۱۰ ۱۰۰۰۰ ۳۷۳
۶۵ ۵۶ ۲۲۰ ۱۳۶ ۴۸۰ ۲۱۴ ۱۷۰۰ ۳۱۳ ۱۵۰۰۰ ۳۷۵
۷۰ ۵۹ ۲۳۰ ۱۴۰ ۵۰۰ ۲۱۷ ۱۸۰۰ ۳۱۷ ۲۰۰۰۰ ۳۷۷
۷۵ ۶۳ ۲۴۰ ۱۴۴ ۵۵۰ ۲۲۵ ۱۹۰۰ ۳۲۰ ۳۰۰۰۰ ۳۷۹
۸۰ ۶۶ ۲۵۰ ۱۴۸ ۶۰۰ ۲۳۴ ۲۰۰۰ ۳۲۲ ۴۰۰۰۰ ۳۸۰
۸۵ ۷۰ ۲۶۰ ۱۵۲ ۶۵۰ ۲۴۲ ۲۲۰۰ ۳۲۷ ۵۰۰۰۰ ۳۸۱
۹۰ ۷۳ ۲۷۰ ۱۵۵ ۷۰۰ ۲۴۸ ۲۴۰۰ ۳۳۱ ۷۵۰۰۰ ۳۸۲
۹۵ ۷۶ ۲۷۰ ۱۵۹ ۷۵۰ ۲۵۶ ۲۶۰۰ ۳۳۵ ۱۰۰۰۰۰

۳۸۴

http://www.iranresearches.ir

 

جدول انتخاب آزمون آماری

به کمک جدول زیر براحتی می توانید یکی از ۲۴ آزمون مورد نظر خود را انتخاب کنید:

هدف

داده کمی و دارای توزیع نرمال داده رتبه ای و یا داده کمی غیر نرمال داده های کیفی اسمی
Categorical
توصیف یک گروه آزمون میانگین و انحراف معیار آزمون میانه آزمون نسبت
مقایسه یک گروه با یک مقدار فرضی آزمون یک نمونه ای آزمون ویلکاکسون آزمون خی – دو یا آزمون دو جمله ای
مقابسه دو گروه مستقل آزمون برای نمونه های مستقل آزمون من – ویتنی آزمون دقیق فیشر ( آزمون خی دو برای نمونه های بزرگ)
مقایسه دو گروه وابسته آزمون زوجی آزمون کروسکال آزمون مک – نار
مقایسه سه گروه یا بیشتر (مستقل) آزمون آنالیز واریانس یک راهه آزمون والیس آزمون خی – دو
مقایسه سه گروه یا بیشتر (وابسته) آزمون آنالیز واریانس با اندازه های مکرر آزمون فریدمن آزمون کوکران
اندازه همبستگی بین دو متغیر آزمون ضریب همبستگی پیرسون آزمون ضریب همبستگی اسپرمن مون ضریب توافق
پیش بینی یک متغیر بر اساس یک یا چند متغیر آزمون رگرسیون ساده یا غیر خطی آزمون رگرسیون نا پارامتریک آزمون رگرسیون لجستیک

در رویکردی دیگر بر مبنای تعداد متغیر، تعداد گروه و نرمال بودن جامعه نیز می توان به الگوریتم آزمون آماری مورد نظر دست یافت:

 

یک متغیر:

انتخاب آزمون آماری برای یک متغیر یک متغیر در یک گروه یک متغیر در دو گروه یک متغیر در سه گروه یا بیشتر
متغیر نرمالمتغیر غیر نرمال آزمون میانگین و انحراف معیار آزمون تی آزمون آنالیز واریانس ANOVA
آزمون نسبت (دو جمله ای) آزمون خی -دو آزمون ناپارامتریک

دو متغیر

انتخاب آزمون آماری برای دو متغیر هر دو متغیر پیوسته هستند یک متغیر پیوسته و دیگری گسسته است هر دو متغیر مقوله ای هستند
آزمون همبستگی آزمون آنالیز واریانس ANOVA آزمون خی – دو

سه متغیر و بیشتر:

انتخاب آزمون آماری برای سه متغیر و بیشتر یک گروه دو گروه و بیشتر
آنالیز کواریانس تحلیل ممیزی
آنالیز واریانس با اندازه های مکرر آنالیز واریانس چند متغیره

تحلیل عاملی و رگرسیون چند گانه

انواع آزمون های آماری در آمار استنباطی

قابل ذکر است قبل از ورود به الگوریتم انتخاب آزمون آماری بهتر است به سوالات زیر پاسخ دهیم:

۱- آیا اختلافی بین میانگین (نسبت) یک ویژگی در دو یا چند گروه وجود دارد؟

۲- آیا دو متغیر ارتباط دارند؟

۳- چگونه می توان یک متغیر را با استفاده از متغیر های دیگر پیش بینی کرد؟

۴- چه چیزی می توان با استفاده از نمونه در مورد جامعه گفت؟

پس از انتخاب آزمون آماری مناسب حال می توان با هر یک از آزمون ها به صورت تخصصی برخورد کرد:

آزمون کی دو (خی دو یا مربع کای) 

این آزمون از نوع ناپارامتری است و برای ارزیابی همقوارگی متغیرهای اسمی به کار می‌رود. این آزمون تنها راه حل موجود برای آزمون همقوارگی در مورد متغیرهای مقیاس اسمی با بیش از دو مقوله است، بنابراین کاربرد خیلی زیادتری نسبت به آزمونهای دیگر دارد. این آزمون نسبت به حجم نمونه حساس است.

آزمون  z   آزمون خطای استاندارد میانگین

این آزمون برای ارزیابی میزان همقوارگی یا یکسان بودن و یکسان نبودن (Goodness of fit) میانگین نمونه ای و میانگین جامعه به کار می رود. این آزمون مواقعی به کار می رود که می خواهیم بدانیم آیا میانگین برآورد شده نمونه ای با میانگین جامعه جور می آید یا نه.  اگر این تفاوت کم باشد، این تفاوت معلول تغییر پذیری نمونه ای شناخته می شود، ولی اگر زیاد باشد نتیجه گرفته می شود که برآورد نمونه ای با پارامتر جامعه یکسان (همقواره) نیست.  این آزمون پارامتری است یعنی استفاده از آن مشروط به آن است که دو پارامتر جامعه که میانگین و انحراف معیار معلوم باشند. همچنین برای آزمون متغیرهای پیوسته (مقیاس فاصله ای) کاربرد دارد. تعداد نمونه بزرگتر  و یا مساوی ۳۰  باشد و نیز توزیع متغیر در جامعه نرمال باشد.

آزمون استیودنت t

این آزمون برای ارزیابی میزان همقوارگی یا یکسان بودن و نبودن میانگین نمونه ای با میانگین جامعه در حالتی به کار می رود که انحراف معیار جامعه مجهول باشد. چون توزیع t  در مورد نمونه های کوچک (کمتر از ۳۰) با استفاده از درجات آزادی تعدیل می‌شود، می‌توان از این آزمون برای نمونه های بسیار کوچک استفاده نمود. همچنین این آزمون مواقعی که خطای استاندارد جامعه نامعلوم و خطای استاندارد نمونه معلوم باشد، کاربرد دارد.

برای به کاربردن این آزمون، متغیر مورد مطالعه باید در مقیاس فاصله ای باشد، شکل توزیع آن نرمال و تعداد نمونه کمتر از ۳۰ باشد.

آزمون t در حالتهای زیر کاربرد دارد:

– مقایسه یک عدد فرضی با میانگین جامعه نمونه

– مقایسه میانگین دو جامعه

– مقایسه یک نسبت فرضی با یک نسبتی که از نمونه بدست آمده

– مقایسه دو نسبت از دو جامعه

آزمون F

این آزمون تعمیم یافته آزمون t است و برای ارزیابی یکسان بودن یا یکسان نبودن دو جامعه و یا چند جامعه به کار برده می‌شود. در این آزمون واریانس کل جامعه به عوامل اولیه آن تجزیه می‌شود. به همین دلیل به آن آزمون آنالیز واریانس (ANOVA) نیز می‌گویند.

وقتی بخواهیم بجای دو جامعه، همقوارگی چند جامعه را تواما با هم مقایسه نماییم از این آزمون استفاده می‌شود، چون مقایسه میانگین های چند جامعه با آزمون t  بسیار مشکل است.  مقایسه میانگین ها و همقوارگی چند جامعه بوسیله این آزمون (F   یا ANOVA) راحت تر از آزمون t  امکان پذیر است.

آزمون کوکران 

آزمون کوکران تعمیم یافته آزمون مک نمار است. این آزمون برای مقایسه بیش از دو گروه که وابسته باشند و مقیاس آنها اسمی یا رتبه ای باشند به کار می‌رود و همچون آزمون مک نمار، جوابها باید دوتایی باشند.

برای آزمون تغییرات یک نمونه در زمان ها و یا موقعیت های مختلف (مثل آراء رای دهندگان قبل از انتخابات در زمانهای مختلف) به کار می‌رود. مقیاس می‌تواند اسمی یا رتبه ای باشد. به جای چند سوال می‌توان یک سوال را در موقعیت های مختلف ارزیابی نمود. همه افراد باید به همه سوالات پاسخ گفته باشند. چون پاسخ ها دو جوابی است، در بعضی از انواع تحقیقات ممکن است اطلاعات بدست آمده از دست برود و بهتر است از رتبه بندی استفاده کرد که در این صورت «آزمون ویلکاکسون» بهتر جوابگو خواهد بود.

در صورت کوچک بودن نمونه ها آزمون کوکران مناسب نیست و بهتر است از «آزمون فرید من» استفاده شود.

آزمون فریدمن 

این آزمون برای مقایسه چند گروه از نظر میانگین رتبه های آنهاست و معلوم می‌کند که آیا این گروه ها می‌توانند از یک جامعه باشند یا نه؟

مقیاس در این آزمون باید حداقل رتبه ای باشد. این آزمون متناظر غیر پارامتری آزمون F است و معمولا در مقیاس های رتبه ای به جای F به کار می‌رود و جانشین آن می‌شود (چون در F باید همگنی واریانس ها وجود داشته باشد که در مقیاسهای رتبه ای کمتر رعایت می‌شود).

آزمون فریدمن برای تجریه واریانس دو طرفه (برای داده های غیر پارامتری) از طریق رتبه بندی به کار می‌رود و نیز برای مقایسه میانگین رتبه بندی گروه های مختلف. تعداد افراد در نمونه ها باید یکسان باشند که این از معایب این آزمون است. نمونه ها باید همگی جور شده باشند.

آزمون کالماگورف- اسمیرانف 

این آزمون از نوع ناپارامتری است و برای ارزیابی همقوارگی متغیرهای رتبه ای در دو نمونه (مستقل و یا غیر مستقل) و یا همقوارگی توزیع یک نمونه با توزیعی که برای جامعه فرض شده است، به کار می‌رود (اسمیرانف یک نمونه ای). این آزمون در مواردی به کار می‌رود که متغیرها رتبه ای باشند و توزیع متغیر رتبه ای را در جامعه بتوان مشخص نمود. این آزمون از طریق مقایسه توزیع فراوانی های نسبی مشاهده شده در نمونه  با توزیع فراوانی های نسبی جامعه  انجام می‌گیرد. این آزمون ناپارامتری است و بدون توزیع است اما باید توزیع متغیر در جامعه برای هر یک از رتبه های مقیاس رتبه ای در جامعه بطور نسبی در نظر گرفته شود که آنرا نسبت مورد انتظار می نامند.

آزمون کالماگورف- اسمیرانف دو نمونه ای Two- Sample Kalmogorov- Smiranov Test

این آزمون در مواقعی به کار می‌رود که دو نمونه داشته باشیم (با شرایط مربوط به این آزمون که قبلا گفته شد) و بخواهیم همقوارگی بین آن دو نمونه را با هم مقایسه کنیم.

آزمون کروسکال- والیس

این آزمون متناظر غیر پارامتری آزمون F  است و همچون آزمون F ، موقعی به کار برده می‌شود که تعداد گروه ها بیش از ۲ باشد. مقیاس اندازه گیری در کروسکال والیس حداقل باید ترتیبی باشد.

این آزمون برای مقایسه میانگین های بیش از ۲ نمونه رتبه ای (و یا فاصله ای) بکار می‌رود. فرضیات در این آزمون بدون جهت است یعنی فقط تفاوت را نشان می‌دهد و جهت بزرگتر یا کوچکتر بودن گروه ها را از نظر میانگین هایشان نشان نمی دهد. کارایی این آزمون ۹۵ درصد آزمون F است.

آزمون مک نمار

این آزمون از آزمونهای ناپارامتری است که برای ارزیابی همانندی دو نمونه وابسته بر حسب  متغیر دو جوابی استفاده می‌شود. متغیرها می‌توانند دارای مقیاس های اسمی و یا رتبه ای باشند. این آزمون در طرح های ماقبل و مابعد می‌تواند مورد استفاده قرار گیرد (یک نمونه در دو موقعیت مختلف). این آزمون مخصوصا برای سنجش میزان تاثیر عملکرد تدابیر به کار می‌رود.

ویژگی ها: اگر متغیرها اسمی باشند، این آزمون بی بدیل است اما اگر رتبه ای باشد می‌توان از آزمون t نیز استفاده کرد (در صورت وجود شرایط آزمون t) ، و یا آزمون ویلکاکسون استفاده نمود. از عیوب این آزمون این است که جهت و اندازه تغییرات را محاسبه نمی‌کند و فقط وجود تغییرات را در نمونه ها در نظر می‌گیرد.

آزمون میانه

این آزمون همتای ناپارامتری آزمون های t – Z – F  است و وقتی دو یا چند گروه از میان دو یا چند جامعه مستقل با توزیع های یکسان انتخاب شده اند به کار برده می‌شود. در این آزمون مقیاس اندازه گیری ترتیبی است و بین داده ها نباید همرتبه وجود داشته باشد. این آزمون، هم برای گروه های مستقل و هم وابسته کاربرد دارد و لزومی ندارد که حتما حجم گروه های نمونه با یکدیگر برابر باشند.

آزمون تک نمونه ای دورها 

این آزمون مواقعی به کار می‌رود که توالی مقادیر متغیرها را بخواهیم آزمون نماییم که آیا تصادفی بوده و یا نه. در واقع آزمون کی دو و یا آزمون های دیگر که در آنها توالی متغیرها بی اهمیت است، در این آزمون مهم و اصل انگاشته می‌شود. به عبارت دیگر، برای اینکه بتوانیم در یک نمونه که در آن رویدادهای مختلف از طرف فرد و یا واحد آماری رخ داده است، آزمون نماییم که آیا این رویدادها تصادفی است یا نه، به کار برده می‌شود. هیچ آزمون دیگری همچون این آزمون نمی تواند توالی را مورد نظر قرار دهد. بنابراین برای این منظور منحصر به فرد می‌باشد.

آزمون علامت

این آزمون از انواع آزمونهای غیر پارامتری است و هنگامی به کار برده می‌شود که نمونه های جفت، مورد نظر باشد (مثل زن و شوهر و یا خانه های فرد و زوج و . . . ). زیرا در این آزمون یافته‌ها به صورت جفت جفت بررسی می‌شوند و اندازه مقادیر در آن بی اثر است و فقط علامت مثبت و منفی و یا در واقع جهت پاسخ ها و یا بیشتر و کمتر بودن پاسخ های جفت‌های گروه مورد تحقیق (نمونه آماری) در نظر گرفته می‌شود.

هنگامی که ارزشیابی متغیر مورد مطالعه با روشهای عادی قابل اندازه گیری نباشد و قضاوت در مورد نمونه های آماری (که به صورت جفت ها هستند) فقط با علامت بیشتر (+) و کمتر (-) مورد نظر باشد ، از این آزمون می‌توان استفاده کرد. شکل توزیع می‌تواند نرمال و یا غیر نرمال باشد و یا از یک جامعه و یا دو جامعه باشند (مستقل و یا وابسته). توزیع باید پیوسته باشد. این آزمون فقط تفاوت های زوجها را مورد بررسی قرار می‌دهد و در صورت مساوی بودن نظرات هر زوج (مشابه بودن) آنها را از آزمون حذف می‌کند. چون مقادیر در این آزمون نقشی ندارند، شدت و ضعف و اندازه بیشتر یا کمتر بودن نظرات پاسخگویان (جفت ها) در این آزمون بی اثر است و در واقع نقص این آزمون حساب می‌شود.

آزمون تی هتلینگ (T)

آزمون T هتلینگ تعمیم یافته t استیودنت است. در آزمون t یک نمونه ای، میانگین یک صفت از یک نمونه، با یک عدد فرضی که میانگین آن صفت از جامعه فرض می‌شد، مورد مقایسه قرار می‌گرفت، اما در T  هتلینگ K متغیر (صفت) از آن جامعه (نمونه های جامعه) با k  عدد فرضی، مورد مقایسه قرار می‌گیرند. در واقع این آزمون از نوع آزمونهای چند متغیره است که همقوارگی (Goodness of fit) را بین صفت های مختلف از جامعه بدست می‌دهد. در T  هتلینگ دو نمونه ای نیز همچون T استیودنت دو نمونه ای، مقایسه دو نمونه است اما در این آزمون K صفت از یک جامعه (نمونه) با K صفت از جامعه دیگر (نمونه دیگر) مورد مقایسه قرار می‌گیرد.

آزمون مان وایتنی U  

هر گاه دو نمونه مستقل از جامعه ای مفروض باشد و متغیرهای آنها به صورت ترتیبی باشند، از این آزمون استفاده می‌شود. این آزمون مشابه t استیودنت با دو نمونه مستقل است و آزمون ناپارامتری آن محسوب می‌شود.

منبع: http://isigroup.ir/tag


هرگاه شرایط استفاده از آزمونهای پارامتری در متغیرها موجود نباشد، یعنی متغیرها پیوسته و نرمال نباشند از این آزمون استفاده می‌شود. دو نمونه باید مستقل بوده و هر دو کوچکتر از ۱۰ مورد باشند. در صورت بزرگتر بودن از ۱۰ مورد باید از آماره های ‌‌Z  استفاده کرد (در محاسبات کامپیوتری، تبدیل به Z  به طور خودکار انجام می‌شود). در این آزمون شکل توزیع، پیش فرضی ندارد یعنی می‌تواند نرمال و یا غیر نرمال باشد.

آزمون ویلکاکسون  

این آزمون از آزمونهای ناپارامتری است که برای ارزیابی همانندی دو نمونه وابسته با مقیاس رتبه ای به کار می‌رود. همچون آزمون مک نمار، این آزمون نیز مناسب طرح های ماقبل و مابعد است (یک نمونه در دو موقعیت مختلف)، و یا دو نمونه که از یک جامعه باشند. این آزمون اندازه تفاوت میان رتبه ها را در نظر می‌گیرد بنابراین متغیرها می‌توانند دارای جوابهای متفاوت و یا فاصله ای باشند. این آزمون متناظر با آزمون t دو نمونه ای وابسته است و در صورت وجود نداشتن شرایط آزمون t جانشین خوبی برای آن است. نمونه های به کار برده شده در این آزمون باید نسبت به سایر صفت هایشان جور شده (جفت شده) باشند.

آزمون لوین Levene

آزمون لوین همگنی واریانس ها را در نمونه های متفاوت بررسی می نماید. به عبارتی فرض تساوی متغیر وابسته را برای گروه هائی که توسط عامل رسته ای تعیین شده اند، آزمون می کند و نسبت به اکثر آزمونها کمتر به فرض نرمال بودن وابسته بوده و در واقع به انحراف نرمال مقاوم است.

این آزمون در نظر می گیرد که واریانس جمعیت آماری در نمونه های مختلف برابر است. فرض صفر همگن بودن واریانس ها می باشد یعنی واریانس جمعیت ها با هم برابر است و اگر مقدار P-VALUE در اماره لون کمتر از ۰٫۰۵ باشد تفاوت بدست آمده در واریانس نمونه بعید است که بر اساس روش نمونه گیری تصادفی رخ داده باشد. بنابراین فرض صفر که برابری واریانس ها می باشد رد می شود و به این نتیجه می رسیم که که بین واریانس ها در نمونه تفاوت وجود دارد.

 منبع: http://isigroup.ir

کدام آزمون آماری برای تحقیق ما مناسب است؟

شاخه های مختلف علوم برای تجزیه و تحلیل داده ها از روش های مختلفی مانند روش های ذیل استفاده می نمایند:

الف) روش تحلیل محتوا

ب) روش تحلیل آماری

ج) روش تحلیل ریاضی

د) روش اقتصاد سنجی

ه) روش ارزشیابی اقتصادی

و) …

تمرکز این نوشتار بر روش های تجزیه و تحلیل سیستمهای اقتصادی اجتماعی و بویژه روش های تحلیل آماری می باشد.

آمار علم طبقه بندی اطلاعات، علم تصمیم گیری های علمی و منطقی، علم برنامه ریزی های دقیق و علم توصیف و بیان آن چیزی است که از مشاهدات می توان فهمید.

هدف ما آموزش درس آمار نیست زیرا اینگونه مطالب تخصصی را میتوان در مراجع مختلف یافت، هدف اصلی ما ارائه یک روش دستیابی سریع به بهترین روش آماری می باشد.

یکی از مشکلات عمومی در تحقبقات میدانی انتخاب روش تحلیل آماری مناسب و یا به عبارتی انتخاب آزمون آماری مناسب برای بررسی سوالات یا فرضیات تحقیق می باشد.

در آزمون های آماری هدف تعیین این موضوع است که آیا داده های نمونه شواهد کافی برای رد یک حدس یا فرضیه را دارند یا خیر؟

انتخاب نادرست آزمون آماری موجب خدشه دار شدن نتایج تحقیق می شود.

دکتر غلامرضا جندقی استاد یار دانشگاه تهران در مقاله ای کاربرد انواع آزمون های آماری را با توجه به نوع داده ها و وبژگی های نمونه آماری و نوع تحلیل نشان داده است که در این بخش به نکات کلیدی آن اشاره می شود:

قبل از انتخاب یک آزمون آماری بایستی به سوالات زیر پاسخ داد:

۱- چه تعداد متغیر مورد بررسی قرار می گیرد؟

۲- چند گروه مفایسه می شوند؟

۳- آیا توزیع ویژگی مورد بررسی در جامعه نرمال است؟

۴- آیا گروه های مورد بررسی مستقل هستند؟

۵- سوال یا فرضیه تحقیق چیست؟

۶- آیا داده ها پیوسته، رتبه ای و یا مقوله ای Categorical هستند؟

قبل از ادامه این مبحث لازم است مفهوم چند واژه آماری را یاد آور شوم که زیاد وقت گیر نیست.

۱- جامعه آماری: به مجموعه کاملی از افراد یا اشیاء یا اجزاء که حداقل در یک صفت مورد علاقه مشترک باشند ،گفته می شود.

۲- نمونه آماری: نمونه بخشی از یک جامعة آماری تحت بررسی است که با روشی که از پیش تعیین شده است انتخاب می‌شود، به قسمی که می‌توان از این بخش، استنباطهایی دربارة کل جامعه بدست آورد.

۳- پارامتر و آماره: پارامتر یک ویژگی جامعه است در حالی که آماره یک ویژگی نمونه است. برای مثال میانگین جامعه یک پارامتر است. حال اگر از جامعه نمونه‌گیری کنیم و میانگین نمونه را بدست آوریم، این میانگین یک آماره است.

۴- برآورد و آزمون فرض: برآوردیابی و آزمون فرض دو روشی هستند که برای استنباط درمورد پارامترهای مجهول دو جمعیت به کار می روند.

۵- متغیر: ویژگی یا خاصیت یک فرد، شئ و یا موقعیت است که شامل یک سری از مقادیر با دسته بندیهای متناسب است. قد، وزن، گروه خونی و جنس نمونه هایی از متغیر هستند. انواع متغیر می تواند کمی و کیفی باشد.

۶- داده های کمی مانند قد، وزن یا سن درجه بندی می شوند و به همین دلیل قابل اندازه گیری می باشند. داده های کمی نیز خود به دو دسته دیگر تقسیم می شوند:

الف: داده های فاصله ای (Interval data)

ب: داده های نسبتی (Ratio data)

۷- داده های فاصله ای: به عنوان مثال داده هایی که متغیر IQ (ضریب هوشی) را در پنج نفر توصیف می کنند عبارتند از: ۸۰، ۱۱۰، ۷۵، ۹۷ و ۱۱۷، چون این داده ها عدد هستند پس داده های ما کمی اند اما می دانیم که  IQ نمی تواند صفر باشد و صفر در اینجا فقط مبنایی است تا سایر مقادیر  IQ در فاصله ای منظم از صفر و یکدیگر قرار گیرند پس این داده ها فاصله ای اند.

۸- داده های نسبتی: داده های نسبتی داده هایی هستند که با عدد نوشته می شوند اما صفر آنها واقعی است. اکثریت داده های کمی این گونه اند و حقیقتاً دارای صفر هستند. به عنوان مثال داده هایی که متغیر طول پاره خط بر حسب سانتی متر را توصیف می کنند عبارتند از: ۲۰، ۱۵، ۳۵، ۸ و ۲۳، چون این داده ها عدد هستند پس داده های ما کمی اند و چون صفر در اینجا واقعاً وجود دارد این داده نسبتی تلقی می شوند.

۹- داده های کیفی مانند جنس، گروه خونی یا ملیت فقط دارای نوع هستند و قابل بیان با استفاده از واحد خاصی نیستند. داده های کیفی خود به دو دسته دیگر تقسیم می شوند:

الف: داده های اسمی  (Nominal data)

ب: داده های رتبه ای  (Ordinal data)

۱۰- داده های رتبه ای Ordinal: مانند کیفیت درسی یک دانش آموز (ضعیف، متوسط و قوی) و یا رتبه بندی هتل ها ( یک ستاره، دو ستاره و …)

۱۱- داده های اسمی (nominal ) که مربوط به متغیر یا خواص کیفی مانند جنس یا گروه خونی است و بیانگر عضویت در یک گروها category  خاص می باشد. (داده مقوله ای)

۱۲- متغیر تصادفی گسسته و پیوسته: به عنوان مثال تعداد تصادفات جاده‌ای در روز یک متغیر تصادفی گسسته است ولی انتخاب یک نقطه‌ به تصادف روی دایره‌ای به مرکز مبدأ مختصات و شعاع ۳ یک متغیر تصادفی پیوسته است.

۱۳- گروه: یک متغیر می تواند به لحاظ بررسی یک ویژگی خاص در یک گروه و یا دو و یا بیشتر مورد بررسی قرار گیرد. نکته ۱: دو گروه می تواند وابسته و یا مستقل باشد. دو گروه وابسته است اگر ویژگی یک مجموعه افراد قبل و بعد از وقوع یک عامل سنجیده شود. مثلا میزان رضایت شغلی کارکنان قبل و بعد از پرداخت پاداش و همچنین اگر در مطالعات تجربی افراد از نظر برخی ویژگی ها در یک گروه با گروه دیگر همسان شود.

۱۴- جامعه نرمال: جامعه ای است که از توزیع نرمال تبعیت می کند.

۱۵- توزیع نرمال: یکی از مهمترین توزیع ها در نظریه احتمال است. و کاربردهای بسیاری در علوم دارد.

فرمول این توزیع بر حسب دو پارامتر امید ریاضی و واریانس بیان می شود. منحنی رفتار این تابع تا حد زیادی شبیه به زنگ های کلیسا می باشد. این منحنی دارای خواص بسیار جالبی است برای مثال نسبت به محور عمودی متقارن می باشد، نیمی از مساحت زیر منحنی بالای مقدار متوسط و نیمه دیگر در پایین مقدار متوسط قرار دارد و اینکه هرچه از طرفین به مرکز مختصات نزدیک می شویم احتمال وقوع بیشتر می شود.

سطح زیر منحنی نرمال برای مقادیر متفاوت مقدار میانگین و واریانس فراگیری این رفتار آنقدر زیاد است که دانشمندان اغلب برای مدل کردن متغیرهای تصادفی که با رفتار آنها آشنایی ندارند، از این تابع استفاده می کنند. به عنوان  مثال در یک امتحان درسی نمرات دانش آموزان اغلب اطراف میانگین بیشتر می باشد و هر چه به سمت نمرات بالا یا پایین پیش برویم تعداد افرادی که این نمرات را گرفته اند کمتر می شود. این رفتار را بسهولت می توان با یک توزیع نرمال مدل کرد.

اگر یک توزیع نرمال باشد مطابق قضیه چی بی شف ۲۶٫۶۸ % مشاهدات در فاصله میانگین، مثبت و منفی یک انحراف معیار قرار دارد. و  ۴۴٫۹۵ % مشاهدات در فاصله میانگین، مثبت و منفی دو انحراف معیار قرار دارد. و ۷۳٫۹۹ % مشاهدات در فاصله میانگین، مثبت و منفی سه انحراف معیار قرار دارد.

نکته ۱: واضح است که داده های رتبه ای دارای توزیع نرمال نمی باشند.

نکته ۲: وقتی داده ها کمی هستند و تعداد نمونه نیز کم است تشخیص نرمال بودن داده ها توسط آزمون کولموگروف – اسمیرنف مشکل خواهد شد.

 ۱۶- آزمون پارامتریک: آزمون های پارامتریک، آزمون های هستند که توان آماری بالا و قدرت پرداختن به داده  های جمع آوری شده در طرح  های پیچیده را دارند. در این آزمون ها داده ها توزیع نرمال دارند. (مانند آزمون تی).

۱۷- آزمون های غیرپارامتری: آزمون هائی می باشند که داده ها توزیع غیر نرمال داشته و در مقایسه با آزمون های پارامتری از توان تشخیصی کمتری برخوردارند.  (مانند آزمون من – ویتنی و آزمون کروسکال و والیس)

نکته۳: اگر جامعه نرمال باشد از آزمون های پارامتریک و چنانچه غیر نرمال باشد از آزمون های غیر پارامتری استفاده می نمائیم.

نکته ۴: اگر نمونه بزرگ باشد، طبق قضیه حد مرکزی جتی اگر جامعه نرمال نباشد می توان از آزمون های پارامتریک استفاده نمود.

مفاهیم اساسی در آمار: علوم انسانی

آمار در دو شاخه آمار توصیفی و احتمالات و آمار استنباطی بحث و بررسی می شود. احتمالات و تئوریهای احتمال اساسا از دایره بحث ما خارج است. همچنین آمار توصیفی مانند فراوانی، میانگین، واریانس و … نیز مفروض در نظر گرفته شده اند.

۱- آمار استنباطی و آمار توصیفی

در یک پژوهش جهت بررسی و توصیف ویژگیهای عمومی پاسخ دهندگان از روش های 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 آماره ها را محاسبه کرده و سپس با کمک تخمین و یا آزمون فرض آماری، آماره ها را به پارامترهای جامعه تعمیم می دهد.برای تجزیه و تحلیل داده ها و آزمون فرضیه های پژوهش از روش های آمار استنباطی استفاده می شود.

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

۲- 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 می شود و اگر حاوی فرضیه ها بوده و از مرحله سوال گذر کرده باشد، آزمون فرضیه ها و فنون آماری آن به کار می رود.

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

۳- آزمون های آماری پارامتریک و ناپارامتریک

آمار پارامتریک مستلزم پیش فرضهائی در مورد جامعه ای که از آن نمونه گیری صورت گرفته می باشد. به عنوان مهمترین پیش فرض در آمار پارامترک فرض می شود که توزیع جامعه نرمال است اما آمار ناپارامتریک مستلزم هیچگونه فرضی در مورد توزیع نیست. به همین خاطر بسیاری از تحقیقات علوم انسانی که با مقیاس های کیفی سنجیده شده و فاقد توزیع (Free of distribution) هستند از شاخصهای آمارا ناپارامتریک استفاده می کنند.

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 می شود. اگر متغیرها از نوع فاصله ای و نسبی باشند در صورتیکه فرض شود توزیع آماری جامعه نرمال یا بهنجار است از روشهای پارامتریک استفاده می شود در غیراینصورت از روشهای ناپارامتریک استفاده می شود.

۳- خلاصه آزمونهای پارامتریک

آزمون t تک نمونه : برای آزمون فرض پیرامون میانگین یک جامعه استفاده می شود. در بیشتر پژوهش هائی که با مقیاس لیکرت انجام می شوند جهت بررسی فرضیه های پژوهش و تحلیل سوالات تخصصی مربوط به آنها از این آزمون استفاده می شود.

آزمون t وابسته : برای آزمون فرض پیرامون دو میانگین از یک جامعه استفاده می شود. 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 می شود.

آزمون t دو نمونه مستقل: جهت مقایسه میانگین دو جامعه استفاده می شود. در آزمون t برای دو نمونه مستقل فرض می شود 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 فرضیه های پژوهش استفاده میشود.

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

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

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

تحلیل واریانس چندعاملی (MANOVA): از این آزمون به منظور بررسی اختلاف چند میانگین از چند جامعه آماری استفاده می شود.

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

۵-  خلاصه آزمونهای ناپارامتریک

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

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

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

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

کروسکال-والیس: از این آزمون به منظور بررسی اختلاف میانگین چند جامعه آماری استفاده می شود. به آزمون H نیز موسوم است و تعمیم آزمون U مان-ویتنی می باشد. 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 شده اند.

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

آزمون تقارن توزیع : در این آزمون شکل توزیع مورد سوال قرار می گیرد. فرض بدیل آن است که توزیع متقارن نیست.

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

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

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 می شود.

منبع: http://spss-amar.vcp.ir

تفسیر و استفاده از نتایج تحقیق علمی

وقتی محققی طراحی را اجرا کرد و نتایج آن را هم به دست آورد وظیفه اش ارائه نتیجه منطقی قابل قبول از آن داده ها است. برای تفسیر دقیق داده های تحقیقی یک روان شناس صنعتی / سازمانی باید به شیوه های جمع آوری داده های خود و تحلیل آماری کاملا مسلط بوده از مشکلات بالقوه تحقیقی و نقاط قوت و محدودیت های شیوه های به کار گرفته شده مطلع باشد. در تفسیر نتایج توجه به محدودیت یافته های به دست آمده مساله بسیار مهمی است. یکی از عوامل کاملا اساسی اعتبار برونی نتایج تحقیق است. به این معنا که آیا نتایج به دست آمده در یک محیط به سایر محیط های کار قابل تعمیم است یا نه. به عبارت دیگر، یافته های حاصله با چه کیفیت درباره سایر کارگران، مشاغل و یا محیط های کار صادق است و آیا می تواند در این موارد هم پیاده شود ؟

برای مثال، فرض کنید نتایج تحقیق در الگوهای کنش متقابل کارگران در یک اداره ارزیابی بیمه رابطه معنی دار مثبتی را بین میزان ارتباط نظارت کننده – نظارت شونده و بهره وری کارگران نشان می دهد. یعنی هر چه نظارت کنندگان و نظارت شوندگان تعامل بیشتری داشته باشند کار بیشتری انجام می پذیرد. آیا این نتایج را می توان به محیط های کار دیگری تعمیم داد؟ شاید آری، شاید نه. این نتایج ممکن است فقط درباره این کارگران صادق بوده و به خصوصیت های ویژه آنها مربوط باشد. شرکت کنندگان ممکن است از آن کارگرانی باشند که برای انجام وظیفه به مقدار زیادی نظارت احتیاج دارند. گروه های دیگر کارگران ممکن است نسبت به کنش متقابل با نظارت کنندگان دیدی منفی داشته و عدم رضایت آنها ممکن است به محدودیت در بهره وری منجر گردد. متناو با، نتیجه ممکن است نسبت به نوع مشاغلی که کارگران انجام می دهند دارای کیفیت ویژه باشد. از آنجایی که ارزیابی های بیمه باید مورد تایید نظارت کنندگان قرار گیرد، در نتیجه نظارت شونده برای تکمیل کار خود باید با نظارت کننده تعامل داشته باشد. به همین علت، افزایش تماس نظارت کننده – نظارت شونده ممکن است علامت کارآمدی محسوب گردد. در حالی که برای کارگران مونتاژ کار کنش متقابل نظارت کننده- نظارت شونده ممکن است ویرانگر بوده بهره وری را کاهش دهد یا در میزان تولید تاثیر کمتری داشته باشد. برای درک اینکه آیا نتایج تحقیق درباره    محیط های کار متفاوت قابل تعمیم است یا نه، نتایج را باید با گروه های متفاوت کارگران در محیط های متفاوت تکرار کرد. در نهایت، تحقیقات بیشتر ممکن است به متغیرهای تعدیل کننده ای دست یابد که مشخص کند کجا و در چه زمانی تماس نظارت کننده – نظارت شونده می تواند در بهره وری کار سودمند باشد. اعتبار برونی برای تحقیقی که تحت شرایط کاملا کنترل شده اجرا گردیده است، مانند تحقیقات آزمایشی که در آن شرایط محیط تحقیق ممکن است به شرایط عملی کار زیاد شبیه نباشد، بخصوص اهمیت ویژه دارد. یک راه حل این مساله ترکیب نقه قوت تحقیق آزمایشی، یعنی شرایط کاملا کنترل شده، با نقطه قوت شرایط عملی کار، یعنی اجرای تحقیق آزمایشی در محیط واقعی کار   می باشد.

تا اینجا ما تنها درباره یک هدف تحقیق در روان شناسی صنعتی / سازمانی بحث خود را ادامه داده ایم که عبارتست از : هدف علمی اجرای تحقیق برای درک کامل تر رفتار شغلی. همانطور که به خاطر دارید، بیان کردیم که روان شناسی صنعتی / سازمانی دو هدف دارد. هدف علمی، هدف علمی که بر مبنای هر کدام از این دو هدف دانش جدیدی فراهم می شود که در خدمت بهبود شرایط کار و نتیجه حاصله از آن قرار می گیرد. در حالی که بعضی از تحقیقات در روان شناسی صنعتی / سازمانی تنها برای افزایش دانش بنیادی درباره رفتار شغلی انجام  می پذیرد و بعضی از کارشناسان صنعتی / سازمانی (و همچنین مدیران معتقد) از راهبردهایی برای تاثیر گذاشتن در رفتار کاری استفاده می کنند که به گمانه زنی و کشف و شهود متکی هستند و نه شواهد نیرومند تحقیقی. اما این دو جنبه علمی و عملی روان شناسی صنعتی / سازمانی با هم عمل می کنند. کاربست های مورد استفاده کارشناسان صنعتی / سازمانی برای بهبود رفتار شغلی باید روی زیربنای محکم تحقیقی بنا شود تا موثر واقع گردد. از طریق تحقیق نیرومند و آزمودن فرضیه ها و نظریه ها، کاربست ها بهتر شکوفا می شوند. علاوه بر آن تاثیر کاربست ها به طور قطع از طریق سنجش ها و تحقیقات بیشتر بهتر می تواند نشان داده شود.


منبع مطلب: زمینه روان شناسی صنعتی و سازمانی

رونالد ریجو، داود حسین زاده (مترجم)، زهرا لبادی (مترجم)، پرویز صالحی (مترجم)

 

,

شیوه تحقیق در روان شناسی صنعتی و سازمانی

 اهداف روان شناسی صنعتی / سازمانی عبارتند از توصیف، توضیح، پیش بینی و بالاخره تغییر رفتار شغلی. شیوه های تحقیقی ابزار بسیار پراهمیتی برای روان شناسان صنعتی/ سازمانی به این علت که شیوه های منظمی برای تحقیق و تغییر رفتار شغلی فراهم می کنند. عینیت، موضوع اساسی و همیشگی شیوه علوم اجتماعی است که برای مطالعه رفتار شغلی مورد استفاده قرار می گیرد. اولین مرحله در اجرای تحقیق صورت بندی مساله و موردی معین است. دومین مرحله تدوین فرضیه ها است، که به سادگی احکامی هستند درباره روابط احتمالی بین متغیرها. از طریق مشاهدات منظم رفتاری و اطلاعات حاصله از این روش است که محقق ممکن است مجموعه ای از فرضیات را به صورت یک نظریه یا مدل کلی تر به وجود آورد، که شیوه های بازنمایی روابط پیچیده بین تعدادی از متغیرها می باشد که با رفتار عملی شغلی ارتباط دارند. مرحله سوم در اجرای تحقیق انتخاب یک طرح مشخص تحقیقی برای جمع آوری داده های لازم می باشد. (و این مرحله چهارم است).

مرحله جمع آوری داده ها شامل نمونه گیری است، که شیوه ای است که به وسیله آن مشارکت کنندگان در تحقیق انتخاب می شوند. مرحله آخر در این فرآیند تحلیل داده های تحقیقی و تفسیر نتایج تحقیق می باشد. روان شناسان صنعتی / سازمانی از دو شیوه اصلی طرح تحقیقی استفاده  می کنند. در شیوه آزمایشی، محقق در یک متغیر، که متغیر مستقل نامیده می شود، دخل و تصرف کرده تاثیر آن را روی متغیر وابسته اندازه گیری می کند. در یک طرح آزمایشی چنین تصور می شود که هر نوع تغییر در متغیر وابسته در نتیجه دخل و تصرف در متغیر مستقل ایجاد شده است. از نظر نوعی، شیوه آزمایشی با گروه آزمایشی و گروه کنترل سر و کار دارد. گروه آزمایشی در معرض دخل و تصرف متغیر مستقل قرار می گیرد، در حالی که گروه کنترل بدون اینکه در معرض آزمایش قرار داشته باشد تنها برای مقایسه به کار می رود.

متغیرهایی که مورد توجه اصلی محقق نیستند، اما ممکن است در نتیجه تحقیق تاثیر بگذارند، به متغیرهای فرعی معروف هستند. در شیوه آزمایشی محقق کوشش متغیرهای فرعی را از طریق انتخاب تصادفی شرکت کنندگان در تحقیق و گروه های کنترل، به منظور تضمین این که تاثیر متغیرهای فرعی به صورت مساوی در بین گروه ها توزیع شود کنترل کند. مزیت شیوه آزمایشی در کنترل فوق العاده محقق بر محیط آزمایش نهفته است که به او امکان می دهد که روابط علت و معلولی را دقیقا تعیین کند. نقطه ضعف این شیوه در اینجاست که شرایط کنترل شده، ممکن است تصنعی بوده تعمیم آن در محیط کار عملی و غیر قابل کنترل امکان پذیر نباشد. شیوه دیگر تحقیق یعنی شیوه همبستگی (که گاهی شیوه مشاهده ای نامیده می شود) به روابط بین متغیرهای اندازه گیری شده به همان ترتیبی که طبیعتا رخ می دهند، بدون دخالت پژوهشگر و بدون اعمال کنترل های دقیق آزمایشی توجه دارد. مزیت این شیوه در امکان اجرای سهل و آسان آن در محیط عملی کار می باشد با وصف این شیوه همبستگی روابط علت و معلولی را مشخص نمی کند. تحلیل فلسفی شیوه ای است که در آن نتایج تعدادی از تحقیقات انجام گرفته با هم ترکیب شده، برای یک نتیجه گیری خلاصه یا فشرده مورد تجزیه و تحلیل قرار می گیرد.

تحلیل فلسفی ممکن است برای تعیین این مساله باشد که آیا نتایج تحقیقات گوناگون حاصله درباره یک یا چند عامل تفاوت معنی داری با همدیگر دارند یا نه. مطالعه موردی یک بررسی توصیفی متداول می باشد که در آن عمل کنترل و تکرار مشاهدات آنچنان که در روش شناسی آزمایشگاهی و همبستگی اعمال می شود وجود ندارد. مطالعه موردی می تواند اطلاعات پراهمیتی را در تحقیق به دست آورد اما در آن آزمودن فرضیه وجود ندارد. یک بخش پراهمیت فرآیند تحقیق اندازه گیری متغیرها می باشد. واژه عملیاتی کردن به فرآیند تعریف کردن متغیرها اشاره دارد آن چنان که بتوان آنها را برای رسیدن به اهداف تحقیقی اندازه گیری کرد. محققان روان شناسی صنعتی / سازمانی از شیوه های گوناگون انداه گیری استفاده می کنند. محقق می تواند متغیرها را از طریق مشاهده مزاحم یا غیر مزاحم رفتار اندازه گیری کند. در مشاهده مزاحم محقق برای مشارکت کنندگان در تحقیق شناخته شده است و دیده می شود، آنها می دانند که تحت نظر و مطالعه هستند. مشاهده غیر مزاحم شامل مشاهده رفتار شرکت کنندگان در تحقیق است بدون اینکه خود آنها از این مساله خبر داشته باشند. یک راهبرد دیگر تحقیق شیوه های خودسنجی است، که درباره رفتار شرکت کنندگان در تحقیق، منتهی از زبان خود آنها، به جمع آوری اطلاعات می پردازد. یکی از شیوه های بسیار متداول خودسنجی روش زمینه یابی است.

در زمان تفسیر نتایج تحقیق باید به اعتبار برونی یافته های حاصله توجه شود. اعتبار برونی این است که آیا یافته های حاصله در دیگر محیط های همانند قابل تعمیم است یا نه. مساله مهم مورد توجه روان شناسان صنعتی / سازمانی روابط درونی علم و عمل در روان شناسی صنعتی / سازمانی می باشد.


منبع مطلب: زمینه روان شناسی صنعتی و سازمانی

رونالد ریجو، داود حسین زاده (مترجم)، زهرا لبادی (مترجم)، پرویز صالحی (مترجم)
, ,

سنجش نتایج در تحقیقات روان شناسی صنعتی

در تحقیقات روان شناسی صنعتی / سازمانی تعداد بی شماری متغیرهای مستقل بالقوه وجود دارد. روان شناسان صنعتی / سازمانی بررسی   کرده اند که چگونه خصوصیت های کارگران مانند منش، نگرش و آموزش آنها در رفتار شغلی تاثیر می گذارد. در محیط فیزیکی و اجتماعی کار عواملی وجود دارد که با دخل و تصرف در آنها می توان تاثیر هر یک را در عملکرد و رضایت شغلی اندازه گیری کرد. سایر متغیرها، مانند مقدار و تواتر پاداش، شیوه های نظارت، برنامه کار و برنامه های انگیزشی هم می توانند به عنوان متغیرهای مستقل، در تحقیقات مربوط به رفتار شغلی مورد استفاده قرار گیرند. علاوه بر بالا در تحقیقات روان شناسی صنعتی / سازمانی متغیرهای وابسته فراوان دیگری نیز وجود دارد. بنابراین مقدار فراوانی از تحقیقات مربوط به روان شناسی صنعتی / سازمانی روی متغیرهای وابسته مانند بهره وری، کیفیت کار، جابجایی کارمندی، غیبت از کار کارمندی و رضایت شغلی تاکید دارند. این متغیرهای اصلی به نتایج کار وابسته هستند – که اغلب در سازمان های کاری به نام «سنجش نتایج نهایی» تعبیر می شوند. از همه معمول تر اینکه تغییرات حاصله در این متغیرهای پر اهمیت در سود و زیان شرکت های بازرگانی بازتاب می یابد. از این متغیرهای مهم وابسته دو متغیر اول، یعنی بهره وری و کیفیت کار، معمولا از نظر تئوریکی با هم پیوند دارند، به این علت که اهداف یک شرکت قاعدتا باید تولید هر چه بیشتر کالا باشد، با این اطمینان که باید کالای تولیدی از کیفیت بالایی هم برخوردار باشد.

با این وصف، اگرچه این متغیرها با هم پیوند دارند اما به صورت نوعی، هر کدام از آنها در یک شرکت بازرگانی از هم جدا می باشند. در واقع در بسیاری از مجتمع های تولیدی در بخش مربوط به میزان تولید و بخش کنترل کیفی از هم مجزا می باشند. ظاهرا ممکن است چنین به نظر آید که اندازه گیری متغیری مانند بهره وری نسبتا آسان و دقیق است. این مساله ممکن است زمانی درست باشد که موضوع تولید اشیاء و کالاهای معینی مانند تعداد همبرگرهای فروخته شده یا تعداد کتاب های چاپ شده باشد. بنابراین برای شرکت هایی که با تولید بیشتر انتزاعی، مانند خدمات، اطلاعات، یا اندیشه سروکار دارند. اندازه گیری بهره وری نه آسان است و نه دقیق. اندازه گیری دقیق کیفیت اغلب مشکل تر می باشد (هافمن، ناتان و هولدن، ۱۹۹۱). برای مثال در یک فروشگاه بزرگ، بهره وری ممکن است به وسیله پول حاصله از فروش اندازه گیری شود که سنجشی کاملا منطقی و ساده می باشد. با وصف این، کیفیت عملکرد فروشندگان ممکن است با عواملی مانند رفتار دوستانه، احترام به مشتری و سرعت انجام خدمت سروکار داشته باشد که معمولا اندازه گیری آنها کار سختی است. در مثال های بالا، بهره وری یک نویسنده ممکن است با تعداد کتاب و مقاله هایی که نوشته است سنجیده شود (یک سنجش ساده و مستقیم)، در حالی که سنجش کیفیت نوشته ها کار بسیار سختی است. بنابراین تعریف کیفیت به صورت یک تعریف عملیاتی معمولا کار مشکلی است. متغیرهایی مانند غیبت کارمندی، جابجایی کارگر، و رضایت شغلی با وجود روشن و مشخص بودن، از دیدگاه تئوریکی با یکدیگر پیوند دارند. (وروم، ۱۹۶۴). مایو معتقد بود که بین رضایت شغلی و بهره وری رابطه بسیار محکمی وجود دارد. اما این مساله همیشه صادق نیست، معمولا کارگر راضی کارگر دارای بهره وری بالا نیست.

به همین علت ممکن است بین رضایت شغلی و تمایل به حضور در محل کار و تغییر ندادن شغل رابطه وجود داشته باشد. به خصوص، تصور چنین است که رضایت شغلی بیشتر به غیبت از کار کمتر و جابجایی کمتر منجر می گردد. با وصف این، عقیده پذیرفته شده قدیمی درباره ارتباط درونی رضایت شغلی، غیبت از کار و جابجایی کارگر، در اصل به علت مشکلات اندازه گیری دقیق غیبت از کار و جابجایی کارگر زیر سوال رفته است (هولمن بک و ویلیامز ۱۹۸۶، پورتر و استیرز ۱۹۷۳، تارنو ۱۹۹۳). بعضی از انواع غیبت از کار و جابجایی مانند بیماری سخت یا تغییر شغل در اثر اجبار انتقال همسر، به مقتضای شرایط، ورای کنترل کارمند بوده و اجتناب ناپذیر می باشد. این نوع از غیبت و جابجایی به نظر می رسد احتمالا با رضایت شغلی هیچ ربطی ندارد، در حالی که غیبت از کار اداری- یعنی فرار از کار بدون مرخصی – ممکن است در اثر رضایت شغلی پایین باشد. بهر تقدیر، ارتباط درونی بین رضایت شغلی، غیبت از کار و جابجایی کارمندی مساله مهمی است. اگر بین رضایت کارمند و نوع غیبت از کار و جابجایی کارمند واقعا رابطه منفی وجود داشته باشد (با هم ارتباط منفی دارند، چرا که رضایت بیشتر با غیبت کمتر و جابجایی کمتر پیوند دارد)، آنوقت برای شرکت هایی که می خواهند رضایت کارگران را جلب کنند مساله مهم خواهد بود. کارگران راضی ممکن است با احتمال کمتری به صورت ارادی از کار غیبت کنند یا به دنبال کار در جای دیگری برآیند. نرخ غیبت از کار و جابجایی کارگری کمتر می تواند به معنای اندوخته بسیار برجسته برای یک شرک به حساب آید.

جابجایی و غیبت از کار را به سادگی می توان اندازه گرفت، اما سنجش رضایت کارگران از دقت کمتری برخوردار است، چرا که باید به عناصر بسیار متعدد و گسترده موجود در محیط کار توجه شود. اگرچه به این متغیرهای اصلی، به طور معمول به مثابه متغیرهای وابسته توجه می شود اما این توجه به آن معنا نیست که نمی توان از آنها به عنوان متغیر مستقل استفاده کرد. برای مثال، ممکن است کارگران را به صورت کارگران « بیشتر خاص » با کمترین میزان غیبت، و کارگران « بیشتر غایب » با غیبت عادی طبقه بندی کنیم. در آن صورت باید بررسی کنیم که آیا بین سطوح عملکرد کارگران بیشتر حاضر و بیشتر غایب و نگرش آنها درباره کار متفاوت وجود دارد یا نه. بنابراین متغیرهای خاصی مانند بهره وری، غیبت از کار، و جابجایی کارگری متغیرهای وابسته به نتایج نهایی را معرفی که به حساب سود و زیان شرکت گذاشته می شود، در حالی که رضایت شغلی برای خود کارمند به نظر می رسد یک متغیر وابسته به نتایج نهایی در بیشتر موارد به عنوان متغیرهای وابسته در نظر گرفته می شوند.

 


منبع مطلب: زمینه روان شناسی صنعتی و سازمانی

رونالد ریجو، داود حسین زاده (مترجم)، زهرا لبادی (مترجم)، پرویز صالحی (مترجم)
,

چگونه می شود در زندگی از شیوه های تحقیق استفاده کرد.

چگونه می شود در زندگی از شیوه های تحقیق استفاده کرد.

در حالی که اطلاعات کامل درباره روش های تحقیق در علوم اجتماعی برای روان شناس صنعتی / سازمانی امر بسیار مهمی است، این اطلاعات چگونه ممکن است در زندگی یک کارگر یا کارمند معمولی صادق باشد؟ شاید بیشترین ارزش روش های تحقیق در علوم اجتماعی این است که اصول عام اتخاذ یک دیدگاه عینی (بدون اشتباه)، احتیاط در تفسیرهای علت و معلولی، و تفسیرهای زیربنائی در مشاهدات تکراری می تواند به عنوان رهنمودهای کاملا مفید در تصمیم گیری در موارد زیربنائی و مهم مربوط به کار آن هم بر مبنای گمان و تصور، تجارب قبلی، و  سلیقه های شخصی با مساله همان طور روبرو بشوید که یک دانشمند روبرو می شود.

اشتباهات خود را با یک قدم فاصله ارزیابی کنید، سعی کنید برای روشن کردن مساله اطلاعات عینی به دست آورید، و بر مبنای این اطلاعات تصمیم بگیرید. برای مثال، دانشجویی درباره ی یک کار نیمه وقت، که برای او و افرادی که در یک فروشگاه بزرگ در بخش خدمات کار می کردند، نگرانی تولید کرده بود با من مشورت کرد. مشکل همه آنها این بود که مدیر به نظر می رسید همیشه برنامه کاری را چنان تنظیم می کند که همه را ناراضی کند.  بعضی از کارمندان در « بهترین» زمان ها کار می کردند در حالی که بقیه مدام گلایه داشتند که باید در بدترین شیفت های فروشگاه کار کنند. دانشجوی من اعتقاد داشت که برای حل مشکل یک راه حل کاملا مناسب وجود دارد و آن اینکه همه کارکنان مناسب ترین شیفت کاری و گزینه های بعدی مناسب خود را به مدیر ارائه دهند و او هم ساعات کار را چنان تنظیم کند که همه راضی باشند. من پیشنهاد کردم به جای اینکه تصور کند به راه حل عملی مناسبی دست یافته است، بهتر است به مساله از دیدگاه یک موضوع تحقیقی نگاه کند.

 اول این که به اهمیت و دامنه گسترده مساله توجه کند. بر مبنای توصیه من او یک پژوهش زمینه یابی سریع و اولیه انجام داده و طی پرسشنامه ای از همه کارکنان فروشگاه درباره رضایت از برنامه کاری فعلی خود سوال کرد. نتیجه ی به دست آمده نشان داد که اکثریت کارکنان در برنامه کاری خود به راستی با مشکل روبرو می باشند. در مرحله دوم دانشجوی من با مدیر دیدار کرد که ببیند آیا او با پیشنهادهای مربوط به تغییر موافقت خواهد کرد یا نه که موافقت کرد. به جای تاکید تنها روی راه حل ارائه شده خود، دانشجوی مورد نظر بعدا به دنبال راه حل هایی برای حل مشکلات همه کارکنان هم بود. وقتی که راهبرد جدیدی بالاخره برگزیده شد (کارکنان راه حل دانشجوی مورد نظر را از جنبه های مختلف بررسی کردند) به عنوان یک طرح پیش تحقیقاتی، با ارزیابی دقیق تاثیرات این طرح در نگرش کارکنان و مشکلات مربوط به تعارض برنامه کار آزمایش شد. با ادامه روش منظم علمی مبتنی بر داده ها، کارکنان توانستند وضعیت خود را بهبود بخشند. یک زمینه ی قابل اعتماد در روش شناسی تحقیقی می تواند به ارزشیابی شیوه های یک کار جدید یا راهبردهای مدیریتی نیز کمک کند. وقتی که درباره بعضی از راهبردهای انقلابی برای افزایش کارایی و یا عملکرد تولید مطلبی می شنوید همان کاری را بکنید که یک دانشمند علوم اجتماعی خوب می کند : مستقیما به منابع اولیه رجوع کنید. بررسی کنید که چه شواهد تحقیقی (اگر اصلا وجود دارد) از شیوه مورد نظر پشتیبانی می کند، بعد آن منابع را با دید انتقادی دقیقا بخوانید. دقت کنید که آیا نقطه ضعف های جدید، نقطه ضعف هایی که شما را به تردید می اندازد، در شیوه های بررسی موضوع وجود دارد یا نه.


منبع مطلب: زمینه روان شناسی صنعتی و سازمانی

رونالد ریجو، داود حسین زاده (مترجم)، زهرا لبادی (مترجم)، پرویز صالحی (مترجم)