azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276

معمولاً در تحقیقات به دلایل مختلف با حجم زیادی متغیرها روبرو هستیم. برای تحلیل دقیق‌تر داده‌ها و رسیدن به نتایج علمی‌تر و در عین حال عملیاتی‌تر، پژوهشگران به دنبال کاهش حجم متغیرها و تشکیل ساختار جدیدی برای آنها می‌باشند و بدین منظور از روش تحلیل عاملی استفاده می‌کنند. تحلیل عاملی سعی در شناسایی متغیرهای اساس یا عامل‌ها (Factor) به منظور تبیین الگوی همبستگی بین متغیرهای مشاهده شده دارد. تحلیل عاملی نقش بسیار مهمی در شناسایی متغیرهای مکنون(Latent) یا همان عامل‌ها از طریق متغیرهای مشاهده شده دارد.

عامل، متغیر جدیدی است که از طریق ترکیب خطی مقادیر اصلی متغیرهای مشاهده شده  برآورد می‌شود. تحلیل عاملی دارای کاربردهای متعددی است که عبارتند از:

• کاهش داده‌ها (Data Reduction)
• شناسایی ساختار (Structure Detection)
• سنجش اعتبار(روایی) پرسشنامه یا یک مقیاس

تحلیل عاملی بر دو نوع است: تحلیل عامل اکتشافی (Exploratory Factor Analysis) و تحلیل عاملی تأییدی (Conformity Factor Analysis). در تحلیل عاملی اکتشافی پژوهشگر درصدد کشف ساختار زیربنایی مجموعه نسبتاً بزرگی از متغیرها است و پیش فرض اولیه پژوهشگر، آن است که هر متغیری ممکن است با هر عاملی ارتباط داشته باشد. به عبارت دیگر پژوهشگر در این روش، هیچ تئوری اولیه ندارد. در تحلیل عاملی تأییدی پیش فرض اساسی پژوهشگر آن است که هر عاملی با زیر مجموعه خاصی از متغیرها ارتباط دارد. حداقل شرط لازم برای تحلیل عاملی تأییدی این است که پژوهشگر در مورد تعداد عامل‌های مدل، قبل از انجام تحلیل، پیش فرض معینی داشته باشد، ولی در عین حال پژوهشگر می‌تواند انتظارات خود مبنی بر روابط بین متغیرها و عامل‌ها را نیز در تحلیل وارد نماید.

———————————————————————————————

چنانچه در تحلیل خود نیازمند این آزمون هستید می تواند با تکمیل فرم زیر اطلاعات خود را برای کارشناسان پایگاه ارسال نمایید  تا پس از بررسی به شما اطلاع داده شود.

برای  کسب اطلاعات بیشتر تماس بگیرید

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276

روش حداقل مربعات جزئی (PartialLeastSquare) به عنوان یک جایگزین برای روش های OLS رگرسیون،  Canonical‌ رگرسیون و مدل سازی معادلات ساختاری (SEM) در پژوهش هایی که متغیرهای مستقل و وابسته وجود دارد، بکار گرفته می شود. روش PLS در اغلب اوقات، معادلات ساختاری مبتنی بر مولفه (Component-Based  SEM) نامیده می شود در حالی که روش معادلات ساختاری مبتنی بر کواریانس است(Covariance-Based  SEM).

این روش زمانی استفاده می شود که می خواهیم تاثیرات چندین متغیر مستقل را بر یک یا چند متغیر وابسته بررسی کنیم اما پیش فرض های انجام رگرسیون یا معادلات ساختاری بر قرار نیست و یا اینکه در پژوهش به مشکلات زیر مواجه شویم:

•   چندین متغیر وابسته داشته باشیم.
•   تعداد متغیرهای مستقل زیاد باشد و شناسایی متغیرهای تاثیر گذار مشکل باشد.
•   در متغیرهای مستقل هم خطی وجود داشته باشد(Multicollinearity)
•   حجم نمونه کم باشد.
•   در رگرسیون توزیع فروانی متغیرها نرمال نباشد و یا در روش معادلات ساختاری نرمال بودن چند متغیره برقرار نباشد.

روش حداقل مربعات جزئی می تواند تاثیرات متغیرهای مستقل را بر متغیر وابسته بصورت یک مدل رگرسیونی یا مدل ساختاری برازش کند. چنانچه هدف پژوهشگر پیش بینی یا مدل سازی اکتشافی باشد استفاده از روش PLS توصیه می شود. روش مدل سازی معادلات ساختاری(SEM) برای مقاصد تایید مدل کاربرد دارد و برای براورد پارامترهای مدل نیازمند حجم نمونه زیاد و برقرار بودن پیش فرض نرمال بودن چند متغیره است اما روش PLS چون برای مقاصد اکتشافی کاربرد دارد به هیچ گونه پیش فرضی احتیاج ندارد . در برخی از منابع ذکر شده است روش PLS با حداقل ۳۰ نمونه نیز قابل انجام است و نتایج در مقابل داده های مفقود شده(Missing value) پایدار است.

از لحاظ تکنیکی فرق روش PLS با سایر روش های رگرسیونی است این است که به جای در نظر گرفتن متغیرهای مستقل، از طریق تکنیک تحلیل مولفه های اصلی(PCA) متغیرهای مستقل در چند عامل کلی تر قرار می گیرند به گونه ای که این عامل ها بیشترین تغییرات متغیر(های) وابسته را تبیین کنند.

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276

یکی از گام های مهم در اولویت بندی به روش AHP و TOPSIS جمع آوری نظرات خبرگان است. در روش AHP می بایست ابتدا سلسله مراتبی از اهداف، معیارها و گزینه‌ها تشکیل گردد. به عبارت دیگر برای رتبه بندی گزینه ها می بایست شاخص های مشترکی برای همه گزینه ها در نظر گرفته شود بعد در ادامه هر جفت از گزینه ها نسبت به هریک از معیارها بر اساس طیف ساعتی مقایسه شود. معیارها نیز به همین ترتیب دو به دو با توجه به هدف تحقیق با همدیگر مقایسه می شوند. یکی از مشکلاتی که بسیاری از پژوهشگران با آن موجه هستند طراحی پرسشنامه استاندارد AHP است. در این پرسشنامه بهتر است که مقایسات به جای اینکه ماتریسی آورده شود بصورت سطری با یکدیگر مقایسه شوند چون در حالت اول پاسخگو در مقایسه و عدد دهی به آنها ممکن است دچار اشتباه شود اما در روش دوم با چنین مشکلی مواجه نیستیم. مشکل بعدی در محاسبه کردن تعداد کامل مقایسه های زوجی است یعنی اینکه تمامی گزینه ها دو به دو نسبت به هر یک از معیارها مقایسه و نیز همه معیارها دو به دونسبت به هدف پژوهش با یکدیگر مقایسه شوند. ندانستن تعداد کامل مقایسه های زوجی منجر می شود تا پرسشنامه ها بصورت ناقص طراحی گردد و نتوان در روش AHP از آنها استفاده نمود.

پس از اینکه تحلیل به روش AHP انجام گرفت وزن هر کدام از معیارها مشخص می شود. چنانچه بخواهیم از روش تاپسیس جهت اولویت بندی گزینه ها استفاده کنیم می بایست علاوه بر وزن معیارها، پرسشنامه ای جهت جمع آوری داده های ماتریس تصمیم گیری طراحی گردد. در نهایت وزن معیار ها، داده های ماتریس تصمیم گیری وارد نرم افزار Topsis Solver 2012می شوند و گزینه ها مطابق روش تاپسیس اولویت بندی می شوند.

کارشناسان با تجربه پایگاه تخصصی تحلیل آماری و داده پردازی آمادگی دارند پرسشنامه استاندارد AHP و تاپسیس را برای پژوهش گران طراحی نمایند. در صورت نیاز به طراحی پرسشنامه‌ی استاندارد AHP ،  تاپسیس و ویکور می توانید از طریق فرم سفارش زیر درخواست خود را ارسال نمایید

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276

ویکور یک روش MADM توافقی است که توسط آپریکوویچ و زنگ توسعه یافته است. این روش می تواند یک مقدار بیشینه مطلوبیت گروهی برای اکثریت و یک کمینه تاثر انفرادی برای مخالفت را فراهم نماید. روش ویکور مانند تکنیک تاپسیس است یعنی برای رتبه بندی کردن گزینه ها بر اساس معیارهای مختلف( معمولا متضاد و با واحد اندازه گیری متفاوت) استفاده می شود. این روش جهت دست یابی به یک یا چند راهکار سازشی برای یک مساله با معیارهای متضاد کاربرد دارد بطوری که قادر است تصمیم گیرنده را برای دست یابی به یک تصمیم نهایی یاری دهد. در اینجا راهکار سازشی نزدیک ترین جواب موجه به ایده آل است که یک توافق متقابل بین مطلوبیت گروهی و میزان مخالف های انفرادی بوجود می اورد.

روش ویکور یک ابزار مفید جهت تصمیم گیری چند معیاره به حساب می آید به خصوص در مواقعی که تصمیم گیرندگان به علت وجود شاخص های متناقض به راحتی نمی توانند ترجیحات خود را در مسئله تصمیم گیری ابراز کنند. راهکار سازشی بدست امده در روش ویکور مورد توافق تصمیم گیرندگان خواهد بود زیر این راهکار مطلوبیت گروهی را حداکثر(توسط شاخص Si) و تاثرات فردی را حداقل(توسط شاخص Ri) می سازد.

رتبه بندی به روش ویکور (VIKOR), انجام روش ویکور VIKOR,  ویکور VIKOR یک روش MADM توافقی است, مقایسه ویکور VIKOR و تاپسیس TOPSISروش ویکور vikor, روش های جدید تصمیم گیری چند معیاره, روش سازشی در تصمیم گیری, روش مصالحه, روش تاپسیس, روش های جبرانی در تصمیم گیری

مراحل روش، در یک مسأله تصمیم گیری چندمعیاره، با n معیار و m راهکار به شرح ذیل است:

۱- تشکیل ماتریس تصمیم

۲- تعیین بردار وزن معیارها(به کمک یکی از روش های تصمیم گیری مانند AHP ، نظر خبرگان و  …)

۳- تعیین نقطه ایده آل مثبت و ایده آل منفی

۴- محاسبه مقدار سودمندی(Si) و مقدار تأسف (Ri) برای هر راهکار

۵- محاسبه شاخص ویکور(Qi) برای هر راهکار

۶- مرتب کردن راهکارها بر اساس مقادیر Si،  Ri و Qi

7- پیشنهاد راهکار سازشی با توجه به دو شرط:

         ۱) مزیت قابل قبول: به این معناست راهکار سازشی می بایست با راهکار بعدی خود تفاوت قابل ملاحظه ای داشته باشد.

         ۲) ثبات قابل قبول در تصمیم گیری: به این معناست که راهکار سازشی انتخاب شده باید حداکثر مطلوبیت گروهی و حداقل تاثر فردی را داشته باشد.

در صورتی که شرایط بالا برای راهکار سازشی بر قرار نباشد به جای یک راهکار یک مجموعه راهکار سازشی ارائه می شود.

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276

در علم تصمیم‌گیری که در آن انتخاب یک راهکار از بین راهکارهای موجود و یا اولویت‌بندی راهکارها مطرح است،‌ چند سالی است که روشهای تصمیم گیری با شاخص‌های چند گانه «MADM» جای خود را باز کرده‌اند. از این میان روش تحلیل سلسله مراتبی (AHP) بیش از سایر روشها در علم مدیریت مورد استفاده قرار گرفته است. فرایند تحلیل سلسله مراتبی یکی از معروفترین فنون تصمیم گیری چند معیاره است که اولین بار توسط توماس ال. ساعتی عراقی الاصل در دهه ۱۹۷۰ ابداع گردید. فرایند تحلیل سلسله مراتبی منعکس کننده رفتار طبیعی و تفکر انسانی است. این تکنیک، مسائل پیچیده را بر اساس آثار متقابل آنها مورد بررسی قرار می‌دهد و آنها را به شکلی ساده تبدیل کرده و به حل آن می‌پردازد.

فرایند تحلیل سلسله مراتبی در هنگامی که عمل تصمیم گیری با چند گزینه و معیار تصمیم گیری روبروست می‌تواند استفاده گردد. معیارهای مطرح شده می‌تواند کمی و کیفی باشند. اساس این روش تصمیم گیری بر مقایسات زوجی نهفته است. تصمیم گیرنده با فراهم ساختن درخت سلسله مراتب تصمیم گیری کار تحلیل را شروع می کند. در سطح صفر هدف تصمیم گیری قرار می گیرد و در سطح اول شاخص ها(معیارها) و در سطح دوم نیز گزینه ها جهت اولویت بندی قرار دارند که ممکن است با توجه به نوع مساله تعداد سطوح معیارهای اصلی و فرعی بیشتر باشد.

پس از اینکه معیارهای اصلی و فرعی مشخص شدند و درخت سلسله مراتب تصمیم گیری ترسیم شد، بین شاخص ها مقایسات زوجی انجام می دهیم. در مرحله بعدبرای هر شاخص بین گزینه ها، مقایسه زوجی انجام می گیرد. سپس از الگوریتم زیر پیروی می کنیم:

الف) به هنجار کردن ماتریس مقایسات زوجی

ب) به دست آوردن میانگین حسابی هر سطر ماتریس به هنجار شده‌ی مقایسات زوجی(که به آن وزن نسبی گفته می شود)

ج) ضرب وزن های نسبی شاخص ها در میانگین حسابی گزینه ها

د) محاسبه نرخ نا سازگاری و اصلاح مقایسات زوجی

د) رتبه بندی کردن گزینه ها

برای یادگیری بیشتر می توانید فایل های آموزشی را که توسط پایگاه تخصصی تحلیل آماری گرداوری شده است، دانلود کنید.

تکنیک تاپسیس (Topsis) یا اولویت بندی بر اساس شباهت به راه حل ایده آل، که نخستین بار بوسیله ونگ و یون در سال ۱۹۸۱ معرفی شد، یکی از روش های تصمیم گیری چند معیاره مانند AHP است. از این تکنیک می توان برای رتبه بندی و مقایسه گزینه های مختلف و انتخاب بهترین گزینه و تعیین فواصل بین گزینه ها و گروه بندی آنها استفاده نمود. azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
صابری

از جمله مزیت های این روش آن است که معیارها یا شاخص های به کار رفته برای مقایسه می توانند دارای واحدهای سنجش متفاوتی بوده و طبیعت منفی و مثبت داشته باشند. به عبارات دیگر می توان از شاخص های منفی و مثبت به شکل ترکیبی در این تکنیک استفاده نمود. 
بر اساس این روش، بهترین گزینه یا راه حل، نزدیک ترین راه حل به راه حل یا گزینه ایده آل و دورترین از راه حل غیر ایده آل است. راه حل ایده آل، راه حلی است که بیشترین سود و کمترین هزینه را داشته باشد، در حالی که راه حل غیر ایده آل، راه حلی است که بالاترین هزینه و کمترین سود را داشته باشد. به طور خلاصه، راه حل ایده آل از مجموع مقادیر حداکثر هر یک از معیارها به دست می آید، در حالی که راه حل غیر ایده آل از مجموع پایین ترین مقادیر هر یک از معیار ها حاصل می گردد.

آموزش روش تاپسیس | انجام روش تاپسیس TOPSIS|انجام تاپسیس|انجام رتبه بندی با روش تاپسیس | TOPSIS|MCDM| تصمیم گیری چند معیاره| رتبه بندی گزینه ها|رتبه بندی معیارهاتاپسیس, آموزش تاپسیس, دانلود آموزش تاپسیس, روش تاپسیس, اولویت بندی به روش تاپسیس رتبه بندی به روش تاپسیس, topsis, learning topsis, topsis method, topsis tutorial,topsis help
فرآیند تاپسیس شامل مراحل زیر است:

گام ۱) ایجاد یک ماتریس تصمیم گیری برای رتبه بندی. شامل m گزینه و n معیار. 

گام ۲) نرمال نمودن ماتریس تصمیم گیری است.

گام ۳) تعیین راه حل ایده آل مثبت و راه حل ایده آل منفی

گام ۴) بدست آوردن میزان فاصله هر گزینه تا ایده آل‌های مثبت و منفی

گام ۵) تعیین ضریب نزدیکی برای هر یک از گزینه ها

گام ۶) رتبه بندی گزینه ها بر اساس ضریب نزدیکی

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
صابری

در ادبیات موضوع یکی از مشهورترین روش‌های شناخته شده که به طور گسترده برای حل مسائل تصمیم گیری چند معیاره استفاده می‌شود روش AHP فازی است. از این روش در تحقیقات و مقالات زیادی جهت رتبه بندی و انتخاب گزینه‌ها مورد استفاده قرار گرفته‌اند برای نمونه در تحقیقی با عنوان «استفاده از AHP فازی برای انتخاب پرسنل» از این تکنیک استفاده شده است (Gungor, et al.,2009).

یکی دیگر از این مدل‌ها، تاپسیس فازی است که برای اولین بار توسط چن و هونگ در سال ۱۹۹۲ ابداع شد (Chen, et al., 1992). در این مدل وزن‌ها و ماتریس تصمیم گیری به صورت اعداد فازی تعریف می‌شوند و همانند تاپسیس کلاسیک بر اساس فاصله از ایده آل مثبت و منفی رتبه‌بندی می‌کند. در تحقیقات بسیاری چون (Ertu rul & Karaka, 2007) و (Kelemenis & Askounis, 2010) از این روش بهره گرفته شده است.

در تحقیقات مختلف، روش ادغامی AHP و TOPSIS به این صورت است که ابتدا وزن معیارها و زیر معیارها به کمک روش AHP محاسبه می‌شود و از این وزن‌ها در روش تاپسیس به منظور رتبه بندی گزینه‌ها بهره گیری می‌شود در تحقیقاتی چون (Se me, et al., 2009)، (Gumus, 2009)، (Ertu rul & Karaka o lu, 2009) از این روش استفاده نموده‌اند. اکثر مدل‌های تاپسیس فازی، ساختار سلسله مراتبی موجود در مسائل چند معیاره (مزیت اصلی AHP) را در نظر نمی‌گیرند.

پس از جمع آوری معیارهای اصلی و فرعی و تشکیل ساختار سلسله مراتبی از معیارها، از روش تاپسیس توسعه یافته شده که در (Kahraman, et al., 2008) و (Wang, et al., 2009)، تاپسیس سلسله مراتبی در محیط فازی نامیده شده‌اند، برای رتبه بندی گزینه ها استفاده می شود. مراحل انجام روش تاپسس سلسله مراتبی به صورت می باشد:

گام یک)تعیین وزن معیارها و زیر معیارها: در این مرحله بعد از تعیین معیارهای اصلی و زیر معیارهای ، وزن آن‌ها تعیین می گردد.

گام دو)تعیین اهمیت نسبی فازی هر گزینه نسبت به هر زیر معیار

گام سوم) از آنجایی که زیر معیارهای مختلف ممکن است دارای ارزش‌های متفاوتی (مثبت یا منفی) باشند بنابراین لازم است قبل از به‌کارگیری آن‌ها بی مقیاس شوند به عبارت دیگر زیر معیارهای مثبت با بالاترین مقدار باید بیشترین رتبه و معیارهای منفی با بیشترین مقدار باید کم‌ترین رتبه را به خود اختصاص دهند.

 به منظور بی مقیاس سازی فازی اهمیت نسبی زیر معیارهای  با ارزش مثبت از رابطه زیر استفاده می‌شود.

گام چهارم)بهنجار سازی وزن معیارها و زیر معیارها: برای بهنجار سازی معیارهای اصلی و زیر معیارها به ترتیب از رابطه های زیر استفاده می‌شود.

گام پنجم) محاسبه اهمیت کلی فازی گزینه‌ها نسبت به معیارهای اصلی

 گام ششم) محاسبه اهمیت نهایی گزینه‌ها

گام هفتم)محاسبه راهکار ایده آل مثبت و منفی

گام هشتم) محاسبه فاصله مثبت و منفی

گام نهم) محاسبه ضریب نزدیکی و رتبه بندی گزینه ها

 azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
صابری

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
0

در ادبیات موضوع یکی از مشهورترین روش‌های شناخته شده که به طور گسترده برای حل مسائل تصمیم گیری چند معیاره استفاده می‌شود روش AHP فازی است. از این روش در تحقیقات و مقالات زیادی جهت رتبه بندی و انتخاب گزینه‌ها مورد استفاده قرار گرفته‌اند برای نمونه در تحقیقی با عنوان «استفاده از AHP فازی برای انتخاب پرسنل» از این تکنیک استفاده شده است (Gungor, et al.,2009).

یکی دیگر از این مدل‌ها، تاپسیس فازی است که برای اولین بار توسط چن و هونگ در سال ۱۹۹۲ ابداع شد (Chen, et al., 1992). در این مدل وزن‌ها و ماتریس تصمیم گیری به صورت اعداد فازی تعریف می‌شوند و همانند تاپسیس کلاسیک بر اساس فاصله از ایده آل مثبت و منفی رتبه‌بندی می‌کند. در تحقیقات بسیاری چون (Ertu rul & Karaka, 2007) و (Kelemenis & Askounis, 2010) از این روش بهره گرفته شده است.

در تحقیقات مختلف، روش ادغامی AHP و TOPSIS به این صورت است که ابتدا وزن معیارها و زیر معیارها به کمک روش AHP محاسبه می‌شود و از این وزن‌ها در روش تاپسیس به منظور رتبه بندی گزینه‌ها بهره گیری می‌شود در تحقیقاتی چون (Se me, et al., 2009)، (Gumus, 2009)، (Ertu rul & Karaka o lu, 2009) از این روش استفاده نموده‌اند. اکثر مدل‌های تاپسیس فازی، ساختار سلسله مراتبی موجود در مسائل چند معیاره (مزیت اصلی AHP) را در نظر نمی‌گیرند.

پس از جمع آوری معیارهای اصلی و فرعی و تشکیل ساختار سلسله مراتبی از معیارها، از روش تاپسیس توسعه یافته شده که در (Kahraman, et al., 2008) و (Wang, et al., 2009)، تاپسیس سلسله مراتبی در محیط فازی نامیده شده‌اند، برای رتبه بندی گزینه ها استفاده می شود. مراحل انجام روش تاپسس سلسله مراتبی به صورت می باشد:

گام یک)تعیین وزن معیارها و زیر معیارها: در این مرحله بعد از تعیین معیارهای اصلی و زیر معیارهای ، وزن آن‌ها تعیین می گردد.

گام دو)تعیین اهمیت نسبی فازی هر گزینه نسبت به هر زیر معیار

گام سوم) از آنجایی که زیر معیارهای مختلف ممکن است دارای ارزش‌های متفاوتی (مثبت یا منفی) باشند بنابراین لازم است قبل از به‌کارگیری آن‌ها بی مقیاس شوند به عبارت دیگر زیر معیارهای مثبت با بالاترین مقدار باید بیشترین رتبه و معیارهای منفی با بیشترین مقدار باید کم‌ترین رتبه را به خود اختصاص دهند.

 به منظور بی مقیاس سازی فازی اهمیت نسبی زیر معیارهای  با ارزش مثبت از رابطه زیر استفاده می‌شود.

گام چهارم)بهنجار سازی وزن معیارها و زیر معیارها: برای بهنجار سازی معیارهای اصلی و زیر معیارها به ترتیب از رابطه های زیر استفاده می‌شود.

گام پنجم) محاسبه اهمیت کلی فازی گزینه‌ها نسبت به معیارهای اصلی

 گام ششم) محاسبه اهمیت نهایی گزینه‌ها

گام هفتم)محاسبه راهکار ایده آل مثبت و منفی

گام هشتم) محاسبه فاصله مثبت و منفی

 azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
0

گام نهم) محاسبه ضریب نزدیکی و رتبه بندی گزینه ها

روش تصمیم گیری چند معیاره، تکنیک‌های مختلفی دارد که در این میان روش تحلیل سلسله مراتبی (AHP) و تاپسیس(Topsis)  از شهرت و محبوبیت بیشتری نسبت به سایر تکنیک های دیگر برخوردارهستند. علت کاربرد بیشتر این تکنیک ها، سهولت تحلیل، دقت بالا و هستند جواب سؤالات زیر را بدانند:

·          کدام روش برای پژوهشم قابلیت کاربرد در بسیاری از موضوعات است. اما پژوهشگران معمولاً در انتخاب روش مناسب تصمیم گیری چند معیاره دچار تردید می‌شوند و علاقه‌مند مناسب تر است؟azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
0

·          کدام روش دقیق تر است؟

·          کدام روش به حجم نمونه کمتری نیاز دارد؟

·         و …

در ادامه سعی می‌شود به تمامی سؤالات و ابهامات پژوهشگران پاسخ داده شود. روش AHP تکنیکی است که برای حل مسائل تصمیم گیری چند معیاره با ساختار سلسله مراتبی استفاده می‌شود. برای انجام روش AHP لازم است ابتدا معیارها و گزینه‌های خود را به صورت ساختاری سلسله مراتبی مشخص کنید یعنی مشخص کنید برای رتبه‌بندی گزینه‌های خود چه معیارها و زیر معیارهایی را در نظر گرفته اید. سپس پرسشنامه مقایسه زوجی شامل کلیه معیارها، زیر معیارها و گزینه‌ها را طراحی کنید. در پرسشنامه مقایسه زوجی ترکیب دو تایی همه معیارها و گزینه‌ها می بایست در نظر گرفته شود(البته با توجه به ساختار سلسله مراتبی مسئله!) بنابراین اگر تعداد معیارها و گزینه‌ها زیاد باشد باعث می‌شود که تعداد مقایسات زوجی نیز افزایش پیدا کند که این امر باعث طولانی شدن پرسشنامه می‌شود و پاسخ‌دهندگان ممکن است در مقایسات دچار اشتباه شوند و یا اینکه به علت کم حوصلگی مقایسات را با دقت پر نکنند و نرخ ناسازگاری افزایش یابد. بنابراین تعداد معیارها و گزینه‌ها باید به حدی باشد که تعداد مقایسات زوجی داخل پرسشنامه  در حد معقول و منطقی به دست آید. نکته بعدی این است که روش AHP، روشی منطبق بر نظر خبرگان است یعنی اینکه پرسشنامه مقایسه زوجی را باید در اختیار خبرگان و کارشناسانی قرار دهید که بر همه معیارها و گزینه‌های مسئله اشراف و تسلط داشته باشند. در برخی مواقع ممکن است در جامعه اماری مورد نظر بیشتر از ۳ یا ۵ نفر خبره وجود نداشته باشد که از این بابت نیز هیج مشکلی وجود ندارد و نتایج به دست آمده نیز کاملاً علمی و قابل اکتفا است چون پرسشنامه‌ها را خبرگان تکمیل کرده‌اند و نیاز به داشتن حجم بالای نمونه نیست. بنابراین شرایط مناسب استفاده از روش AHP در زیر ذکر شده است:

·         تعداد معیارها، زیر معیارها و گزینه‌ها در حد معقول باشد (زیاد نباشد).

·         موضوع مسئله تخصصی باشد و نیازمند نظر خبرگان باشید.

·         می‌خواهید وزن و رتبه معیارها را به دست آوردید.

·         می‌خواهید وزن و رتبه گزینه‌ها را به دست آورید.

·         در حالت خاص ممکن است مسئله شما معیار نداشته باشد و شما می‌خواهید وزن و رتبه تعدادی گزینه یا سوال را به دست آوردید.

روش تاپسیس نیز از محبوبیت زیادی در مسائل تصمیم گیری چند معیاره برخوردار است. برای انجام روش تاپسیس باید هم وزن معیارها وجود داشته باشد و هم داده‌های ماتریس تصمیم گیری را در اختیار داشته باشید. برای به دست آوردن وزن معیارها می‌توان از نظر کارشناسان استفاده کرد و یا از روش AHP وزن معیارها را محاسبه کنیم. داده‌های ماتریس تصمیم گیری اگر واقعی و کمی باشند مثل میزان سود، هزینه، قیمت ، وزن و … داشتن یک ماتریس تصمیم گیری برای تحلیل روش تاپسیس کفایت می‌کند اما اگر معیارها کیفی باشند و نتوانیم مقدار واقعی هر گزینه نسبت به هر معیار را به دست آوریم بهتر است از پرسشنامه تاپسیس استفاده کنیم. در این پرسشنامه میزان امتیاز هر گزینه نسبت به هر معیار به صورت طیف لیکرت یا هر طیف قراردادی دیگری به دست می‌آید با توجه به اینکه داده‌های ماتریس تصمیم گیری قضاوتی هستند بهتر است تعداد بیشتری پرسشنامه تاپسیس در جامعه آماری مورد نظر توزیع کنیم و از ادغام نظرات کلیه پاسخ‌دهندگان ماتریس تصمیم گیری نهایی را استخراج کنیم تا در مورد معیارهای کیفی و قضاوتی به یک اجماع دست پیدا کنیم. تعداد معیارها و گزینه‌ها در روش تاپسیس محدودیتی ندارد و متناسب با مسئله خود می‌توانید تعداد زیادی را اختیار کنید. در روش تاپسیس حتماً باید معیار و گزینه وجود داشته باشد در صورتی که فقط یکی وجود داشته باشد روش تاپسیس قابل انجام نخواهد بود.

بنابراین به طور کلی در روش تاپسیس:

·         با تعداد معیارها و گزینه‌های کم یا زیاد قابل انجام است.

·         با داشتن معیارهای های مثبت و منفی قابل انجام است.

·         با داشتن معیارهای کیفی و کمی قابل انجام است.

·         در روش تاپسیس رتبه‌بندی گزینه‌ها به دست می‌آید.

·         در روش تاپسیس وزن معیارها به دست نمی‌آید باید از سایر روش‌ها دیگر به دست آورید.

·         باید معیارها و گزینه‌ها حتماً وجود داشته باشد.


azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
0

·         پرسشنامه‌های تاپسیس را می‌توان به تعداد زیاد در جامعه آماری توزیع کرد.

·         اگر داده‌های واقعی برای ماتریس تصمیم گیری وجود داشته باشد استفاده از روش تاپسیس خیلی مناسب است.

امروزه اهمیت ارزیابی عملکرد و آگاهی از میزان کارائی و بررسی و سنجش آن جهت بهبود عملکرد و نهایتاً حفظ و ادامه حیات سازمان با توجه به شرائط متغیر محیطی، پیچیدگی تکنولوژی، کمبود منابع، رقابت شدید، تنوع خدمات و سرعت بالای تبادل اطلاعات و ارتباطات ضرورتی اجتناب‌ناپذیر است. علی‌رغم ضرورت و اهمیت ارزیابی عملکرد و محاسبه کارائی، برنولاک مدیر مؤسسه بهره‌وری کانادا مدعی است که «بیشتر مدیران معانی واقعی بهره‌وری و کارایی را نمی‌دانند و مطلع نیستند که این مفاهیم تا چه حد برای سازمان آن‌ها حیاتی است. همچنین آن‌ها نمی‌دانند که چقدر می‌توانند بهره‌وری و کارایی خود را بهبود داده، چگونه آن‌ها را مورد سنجش قرار داده، تجزیه و تحلیل کنند و یا چه عواملی بر آن‌ها تأثیرگذارند.»

روش تحلیل پوششی داده‌ها (DEA) یکی از روش‌های ناپارامتریک است. بحث تحلیل پوششی داده‌ها با تز دکتری «ادوارد روز» تحت راهنمایی «کوپر و چارنز» شروع شد که پیشرفت تحصیلی دانش‌آموزان مدارس آمریکا را در سال ۱۹۷۸ مورد ارزیابی قرار داده بودند. نتایج این مطالعه منجر به چاپ اولین مقاله درباره معرفی عمومی DEA در سال ۱۹۷۸ گردید. آن‌ها در مقاله مذکور که به CCR معروف گردیده، برای تعمیم روش دو ورودی و یک خروجی آقای فارل از بهینه‌سازی به روش برنامه‌ریزی ریاضی استفاده نمودند تا بتوانند کارائی سیستم‌هایی با ورودی‌های چندگانه و خروجی‌های چندگانه را اندازه‌گیری کنند. طبق تعریف ارائه شده از سوی آقایان چارنز، کوپر و رودز DEA عبارتست از «یک مدل برنامه‌ریزی ریاضی که برای داده‌های مشاهده شده نسبت‌های فرین مانند تابع تولید یا مرز کارائی را به صورت تجربی تخمین می‌زند». در سپتامبر ۱۹۸۴ آقایان بنکر و چارنز و کوپر در مقاله‌ای تحت عنوان:

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
0“Some Models for Estimating Technical and Scale Inefficiencies in DEA”

مفاهیم و مدل‌های DEA را با مفاهیم جدیدی توسعه دادند که حاصل آن نیز مدل BCC است. این مدل برای اندازه‌گیری و تعیین کارائی واحدها و همچنین جهت اصلاح ورودی‌ها و خروجی‌ها برای بالا بردن اندازه‌ی کارائی و با در نظر گرفتن بازده به مقیاس متغیر مورد استفاده قرار می‌گیرد. در سال ۱۹۸۵ چارنز و همکارانش «مدل جمعی» را به عنوان یکی دیگر از مدل‌های اساسی در DEA مطرح ساختند.

همچنین چارنز و همکارانش در همین سال به منظور ثبت تغییرات کارائی در طول زمان تکنیکی را تحت عنوان «تحلیل پنجره‌ای» مطرح کردند. تکنیک دیگری نیز برای اولین بار توسط فیر و همکاران در سال ۱۹۸۹ و ۱۹۹۴ با استفاده از مدل DEA شعاعی ورودی و خروجی‌گرا برای محاسبه شاخص مالمکوئیست به کار بردند. اگرچه مدل شعاعی پیشنهاد شده دارای کمبودهایی مانند فقدان متغیرهای کمکی می‌باشد، برای غلبه بر این کمبودها شاخص مالمکوئیست با استفاده از مدل‌های غیر شعاعی همانند SBM می‌توان محاسبه کرد. در سال ۱۹۸۸ «بیسنت» و در سال ۱۹۹۱ «چانگ و گوه»تحقیقاتی روی داده‌های حقیقی انجام دادند. در سال‌های ۱۹۹۳ و ۱۹۹۴ «علی و سیفورد» اقدام به اصلاح مدل CCR کردند.

از زمان اولین مطالعه توسط چارنز، کوپر و رودز تاکنون بیش از هزاران مقاله در زمینه ادبیات تحلیل پوششی داده‌ها منتشر شده است. چنین رشد سریعی خود دلیل بر کاربردی بودن و قدرت بالای روش‌های DEA می‌باشد. هم اکنون DEA در بسیاری از مراکز تحقیقاتی که در نقاط مختلف جهان قرار دارند، منشأ ایده‌ها و پیشرفت‌های جدید شده است، به طوری که محققان زیادی به این نکته رسیده‌اند که DEA یک روش عالی برای مدل‌سازی فرآیندهای عملیاتی است و ماهیت تجربی و نداشتن مفروضات دست و پاگیر سبب استفاده وسیع آن در تخمین کارائی برای بخش‌های غیرانتفاعی، خصوصی و حتی دولتی شده است.

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com

- ارزیابی در طی زمان

رویکرد تحلیل پوششی داده‌ها در شرایط ثابت به کار برده می‌شود، به این معنی که اثر تغییرات زمان را نادیده می‌گیرد. این امر می‌تواند به نظر گمراه‌کننده باشد، زیرا تغییر شرایط در طی زمان می‌تواند به سمت استفاده بیشتر از منابع برای تولید نتایج مطلوب گرایش داشته باشد. در واقع در DEA مدل‌های ناپارامتریکی برای سنجش کارایی در طی زمان وجود دارد. از جمله این مدل‌ها می‌توان تکنیک تحلیل پنجره را نام برد.انجام تحلیل پنجره(Window Analysis) ارزیابی کارایی طی زمان, dea

2- تحلیل پنجره

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
0

روش تحلیل پنجره متحرک عمل می­کند و برای یافتن روندهای عملکرد یک واحد در طول زمان مفید می­باشد. با هر واحد در یک دوره متفاوت، مانند یک واحد مستقل رفتار می­شود. در این صورت، عملکرد یک واحد در یک دوره خاص در مقابل عملکرد خود آن واحد در سایر دوره­ها، علاوه بر عملکرد سایر واحدها مورد ارزیابی قرار می­گیرد. این وضعیت باعث افزایش تعداد دوره­های مورد بررسی در تحلیل می­شود که در هنگام مطالعه نمونه­هایی در اندازه کوچک مفید می­باشد. تغییر عرض پنجره، یعنی تعداد دوره­های زمانی، نشان­دهنده تأمین طیفی از تحلیل­های هم­زمان، که تنها شامل مشاهدات یک دوره زمانی به تحلیل­های مقطعی که شامل مشاهداتی از تمام دوره­های مورد مطالعه است، می­باشد.

یک تحلیل پنجره­ای “واقعی” با یک عرض پنجره جایی میان یک و همه دوره­های مورد مطالعه افقی (ارزیابی یک واحد در طول زمان)، می­تواند به عنوان مورد خاصی از یک تحلیل متوالی مشاهده شود. با این وجود در تحلیل متوالی فرض می­شود آنچه در گذشته عملی بوده است، عملی باقی خواهد ماند و بنابراین تمام مشاهدات قبلی را شامل می­شود. اما مسئله فوق در مورد تحلیل پنجره­ای که فقط مشاهداتی را در نظر می­گیرد که در محدوده تعداد خاصی از دوره­های زمانی (یعنی یک پنجره) بوده و به واسطه آن تعداد مشاهدات در هر تحلیل ثابت باقی می­ماند، صادق نمی­باشد. با پنجره تعریف شده، مشاهدات در آن پنچره در یک رفتار بین زمانی انگاشته می­شود و بنابراین به عنوان یک تحلیل بین زمانی مقطعی مورد تحلیل قرار می­گیرد. قابل ذکر است از آنجایی که تمامی واحدها در یک پنچره نسبت به همدیگر اندازه­گیری می­شوند، این روش به طور ضمنی فرض می­کند که هیچ تغییر تکنیکی در هر کدام از پنجره­ها وجود ندارد. این مطلب یک مسئله کلی در تحلیل پنجره DEA است، حتی این مسئله زمانی حادتر است که تحلیل پنجره DEA همراه با روش شاخص مالمکوئیست که جهت تخمین تغییرات تکنیکی مورد استفاده قرار می­گیرد، به کار گرفته می­شود. با کاهش عرض پنجره این مشکل کاهش می­یابد و جهت اعتبار بخشیدن به تحلیل پنجره­ای، عرض پنجره باید طوری انتخاب شود که چشم­پوشی از تغییرات تکنیکی منطقی باشد.

با امکان­پذیر ساختن ترکیب مشاهدات در سری­های زمانی و مقطعی تا حدودی مشکل ناکافی بودن مشاهدات را در ارزیابی­های زمانی برطرف می­کند. این تکنیک بر اساس میانگین

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
0

به کمک تحلیل پوششی داده ها می توان کارایی واحدهای مختلف را ارزیابی نمود. برخی از واحدهای تصمیم گیرنده از چندین بخش یا مرحله تشکیل شده اند که یک شبکه از زیرفرآیندها را ایجاد می کنند. برای ارزیابی کارایی این نوع از واحدها از روش های تحلیل پوششی داده های شبکه ای استفاده می شود. در مدل شبکه ای، خروجی بعضی از واحد ها، ورودی واحد های دیگر است بنابراین در این حالت نمی توان از مدل های قدیمی تحلیل پوششی داده ها برای سنجش کارایی نسبی واحد تصمیم گیرنده استفاده کرد. در تصویر فوق تفاوت بین مدل های قبلی و مدل شبکه ای به خوبی نمایش داده شده است.

از خروجی های تحلیل شبکه ای موارد زیر حاصل می شود:

·         محاسبه کارایی هر واحد در هر بخش

·         محاسبه کارایی کل هر واحد

·         محاسبه حداقل، حداکثر و میانگین کل کارایی در هر بخش

·         محاسبه مقدار بهینه ورودی و خروجی های واسطه ای برای واحد های ناکارا

·         محاسبه مقدار بهینه ورودی و خروجی های آزاد برای واحد های ناکارا

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com

این آزمون را می توان به عنوان تعمیم آزمون مک نمار در نظر گرفت. در آزمون کوکران به جای دو وضعیت، k وضعیت یه متغیر دو ارزشی مورد بررسی قرار می دهد.

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com

آزمون مک نمار برای آن دسته از داده های زوجی به کار می رود که متغیر مربوط به آنها، دو ارزشی باشد، به عبارت دیگر، این آزمون برای متغیرهای کیفی دو ارزشی زوجی به کار می رود.

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276

این آزمون (که گاهی آزمون نسبت نامیده می شود) زمانی به کار می رود که می خواهیم نسبت خاصی را در جامعه بررسی کنیم. همچنین از این آزمون برای تشخیص تاثیر یا عدم تاثیر یک متغیر در پدیده ای معین استفاده می شود.

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276

 آزمون فریدمن مشابه (طرح اندازه گیری‌های مکرر یک نمونه ای ) یا (تحلیل واریانس دو عامله طبقه بندی) می‌باشد. این آزمون زمانی کاربرد پیدا می‌کند که شما بخواهید نظرات یک گروه را در چند زمینه مورد بررسی قرار دهید و بر اساس نظرات افراد این گروه، اولویت هر کدام از موارد را بر اساس رتبه بندی معنی دار(یا گرایشات معنادار افراد به هر کدام از متغیرها ) مشخص نمایید. به عبارت دیگر فریدمن این فرضیه صفر را می‌آزماید که K  متغیر همبسته از یک جامعه مشابه می‌آیند. برای هر موقعیت k متغیر از ۱ تا k  طبقه بندی می‌شود.

شرایط استفاده از آزمون فریدمن:

۱ .یک گروه نمونه

 ۲ .یک متغیر رتبه ای یا فاصله ای یا نسبی با توزیع غیر طبیعی داده‌ها 

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com

زمانی از این آزمون استفاده می‌شود که از یک جامعه آماری؛ تنها یک گروه به عنوان نمونه انتخاب و سپس این گروه را از لحاظ یک یا چند متغیر وابسته ؛قبل و پس از ارائه متغیر مستقل مورد بررسی قرار دهیم.(به عبارت دیگر تغیرات قبل و پس از ارائه  متغیر مستقل را با هم مقایسه کنیم) 

نکته:  آزمون ویلکاکسون اطلاعات هر دوی علامت تفاوت‌ها و بزرگی اختلافات میان جفت‌ها را در نظر می‌گیرد. در واقع این آزمون روشی برای بررسی تفاوت بین رتبه های علامت گذاری شده جفت‌های هم طراز است؛ و برای بررسی اختلاف بین دو دسته اعداد همبسته که از یک گروه آزمودنی اندازه گیری شده و قابل رتبه بندی هستند؛ طرح ریزی شده است.

شرایط استفاده از آزمون ویلکاکسون:

 ۱٫یک گروه نمونه

.۲ . متغیر رتبه ای یا فاصله ای یا نسبی با توزیع غیر طبیعی داده‌ها.

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com

در آنالیز واریانس یک عامله  در صورت  رد فرض صفر (یعنی تفاوت معناداراست )ما می توانیم برای تشخیص تفاوت درون گروهها از آزمونهای تعقیبی (Post Hoc ) استفاده کنیم.در واقع ببینیم این تفاوت در بین کدام یک از گروها وجود دارد.

سپس یک نوع آزمون تعقیبی به عنوان مثال LSD  یا Tukey  یا Duncan و…….را انتخاب می  کنیم . انتخاب نوع آزمون بر توان  ازمون بستگی دارد . قبل از ادامه روند آزمون تجانس واریانس ها را با آزمون لیون محاسبه می کنیم . اگر تجانس واریانس وجود azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
0نداشت به هیچ عنوان از آزمون ها ی تعقیبی استفاده نمی کنیم .

این آزمون شکل گسترده آزمون یومان  ویتنی و نوع مشابه غیر پارامتریکی آنالیز واریانس یک عامله است. به عبارت دیگر جهت تحلیل واریانس یک طرفه رتبه ای ،مدنظر می باشد و تفاوتهای موجود در محل توزیع را تعیین می کند.

مفروضه های آزمون کروسکال والیس:

·        توزیع یکسان جامعه

·        انتخاب تصادفی نمونه از جامعه

·        گروهها با نمونه های مستقل ازهم باشند.  

نکته: آزمون H کروکسال والیس نیازمند این است که نمونه های مورد آزمایش از لحاظ شکل،مشابه باشند.

شرایط استفاده از آزمون H کروکسال والیس:

1. بیش از دو گروه را در یک متغییر که رتبه ای ، فاصله ای یا نسبی داشته باشیم–
2.  توزیع داده ها غیر طبیعی باشد.

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
0  این آزمون معادل آزمون ANOVAاست.

 این آزمون ،روش غیر پارامتری برای تعیین اختلاف نمره های یک یا چند متغیر در دو گروه مستقل است؛ به عبارت دیگر عمومی ترین آزمون برای تعیین تفاوت بین توزیع ها ی دو نمونه مستقل است. زمانی از این آزمون استفاده می شود که نتوان مفروضه های آزمون پارامتریک t را مراعات کرد؛ مفروضه های آزمون t شامل موارد زیر است:

·       گروهها مستقل باشد و نمونه ها به طور تصادفی انتخاب شده باشد.

·       توزیعazsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276 هر گروه طبیعی باشد.

آزمون کولموگروف – اسمیرنوف (kolmogorove- smirnov test):

 این آزمون از ساده ترین و مناسبترین آزمونهای ناپارامتری برای تجزیه و تحلیل داده های اسمی در یک گروه است. به عبارت دیگر کاربرد آن در مقایسه و آزمون میزان توافق بین توزیع تجمعی (توزیع تراکمی) اعداد مشاهده شده با یک توزیع نظری می باشد.به عبارت دیگر این یک آزمون نیکویی برازش(میزان انطباق) می باشد که امتحان می کندآیا مشاهدات می تواند بطور معقولانه از توزیع معینی نشاًت بگیرد. زمانی از این آزمون استفاده می کنیم که ببینیم توزیع داده ها طبیعی است یا طبیعی نیست

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276

یکی از مشهورترین آزمون‌های آمار غیر پارامتریک، آزمون خی دو یا کای اسکوار می‌باشد که در تحلیل‌های آماری، بسیار از آن استفاده می‌شود. فرایند آزمون با دسته بندی یک متغیر در تعدادی طبقات،به محاسبه آماره کای اسکوار می‌پردازد.

کاربردها:

در نیکویی برازش(میزان انطباق) فراوانی‌های مشاهده شده با فراوانی‌های مورد انتظار 

در آزمون استقلال متغیرها

در آزمون همگونی متغیرها

مفروضات خی دوazsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276

1. متغیرهای اسمی مطلق منظم یا نا منظم بکار رود.
2. مقیاس طبقه بندی داده‌ها باید اسمی یا ترتیبی باشد.
3. انتخاب تصادفی نمونه‌ها با اندازه مناسب(فراوانی‌های مورد انتظار کمتر از ۵ تا در هر طبقه سبب کاهش پایایی آزمون می‌گردد) یکی از نکات ضروری است.

آزمون میانگین یک جامعه

در این آزمون فرضیه مطح شده در مورد مانگین یک جامعه در سطح خطای α مورد بررسی قرار می گیرد. این آزمون برای متغیرهای کمی به کار می رود و در مواردی برای تشخیص تاثیر یا عدم تاثیر متغیر(ها) در وضعیت مورد بررسی استفاده می شود. اگر میانگین هر متغیر از حد معینی بیشتر بود، آن متغیر در پدیده مورد نظر موثر تلقی می شود.

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276

آزمون مقایسه میانگین دو جامعه

اگر فرضیه مطرح شده به مقایسه میانگین دو جامعه (گروه) بپردازد برای بررسی درستی یا نادرستی آن باید از آزمون مقایسه میانگین دو جامعه استفاده کرد. برای آزمون مقایسه میانگین دو جامعه، لازم است ابتدا بررسی شود آیا واریانس دو جامعه برابرند یا خیر. به عبارت دیگر آزمون تساوی واریانس ها مقدم بر آزمون تساوی میانگین ها است.

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276

آزمون مقایسه زوجی

از این آزمون معمولا برای تحقیقات تجربی و نشان دادن تاثیر یک نوع مداخله (Intervention) استفاده می شود. برای مثال اگر محقق بخواهد اثر بخشی یک دوره آموزشی را بررسی کند می بایست داده های قبل و بعد از دوره را گرداوری کرده و سپس با استفاده از این آزمون به بررسی تاثیر دوره آموزشی بپردازد.

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276

ندازه های تکراری، عبارتند از اندازه های یک متغیر مشخص، برای هر مورد، در چند وضعیت مختلف، طرحی که به بررسی این اندازه‌ها می‌پردازد به « طرح اندازه های تکراری » معروف است. این طرح حالت تعمیم یافته آزمون مقایسه زوجی است، با این تفاوت که در آزمون مقایسه زوجی یک گروه در دو وضعیت مقایسه می‌شود ولی در طرح اندازه های تکراری یک گروه در دو یا چند وضعیت مقایسه می‌شوند. برای مثال مقایسه میانگین فروش شرکتی طی چهار سال اخیر، مقایسه نظر افراد در سه مقطع زمانی متفاوت یا مقایسه روش‌های مختلف محاسبه بازده سهام.

مزیت عمده طرح اندازه های تکراری توانایی آن در کنترل واریانس نامربوط بین آزمودنی‌هاست. مزیت دیگر این است که در این طرح، نسبت به آزمون‌های دیگر، موارد کمتری لازم است.azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

در هنگام محاسبه همبستگی آثار سایر متغیرها حذف نمی شود و این آثار ممکن است بر رابطه دو متغیر تاثیر بگذارد. همبستگی جزیی، همبستگی میان دو متغیر را با حذف اثرات سایر متغیرها محاسبه می کند.

———————————————————————————————

چنانچه در تحلیل خود نیازمند این آزمون هستید می تواند با تکمیل فرم زیر اطلاعات خود را برای کارشناسان پایگاه ارسال نمایید  تا پس از بررسی به شما اطلاع داده شود.

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276

تحلیل همبستگی ابزاری برای تعیین نوع و درجه رابطه یک متغیر کمی با متغیر کمی دیگر است. ضریب همبستگی یکی از معیارهای مورد استفاده در تعیین همبستگی دو متغیر می باشد. ضریب همبستگی شدت رابطه و همچنین نوع رابطه (مستقیم یا معکوس) را نشان می دهد. این ضریب بین ۱ تا ۱- است و در صورت عدم وجود رابطه بین دو متغیر برابر صفر می باشد. از دو ضریب همبستگی پیرسون(pearson correlation coefficient) و اسپیرمن (spearman correlation coefficient)جهت تحلیل همبستگی استفاده می

تحلیل واریانس یک عامله (One Way Anova)

برای مقایسه میانگین دو یا چند جامعه (یعنی تاثیر یک متغیر مستقل گروه بندی بر یک متغیر کمی وابسته) از این آزمون استفاده می شود.

نکته: در این آزمون نیز باید متغیر وابسته کمی و متغیر مستقل گروه بندی (Factor) دارای سطوح محدودی باشد.azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276

در تحلیل واریانس فرضیه های تحقیق ممکن است به دو صورت درآیند،که عبارتند از :

 ۱٫ وجود تفاوت معنی دار بین گروههای متغیر :آیا میانگین های متغیر وابسته در گروههای ایجاد شده بوسیله متغیر فاکتور تغیر می کنند یا برابر هستند.

۲٫  وجود رابطه علت و معلولی در بین متغیرها: اگر میانگینهای متغیر وابسته در گروههای  ایجاد شده بوسیله متغیر فاکتور با هم برابر نباشند به این معناست که متغیر مستقل  بر مقادیر متغیر وابسته در گروهها ی متغیر فاکتور تاثیر دارد.اگر چنین باشد این دو متغیر (مستقل و وابسته)می توانند رابطه علت ومعلولی داشته باشند.در تحلیل واریانس،متغیر وابسته کمی است و عامل ها  که متغیرهای کیفی هستند. عامل نیزمی تواند بین آزمودنیها ( Between groups) یا درون آزمودنیها (within groups) باشد.

درآنالیز واریانس برای محاسبه تفاوت بین گروه ها از آزمون های تعقیبی استفاده می کنیم.

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276

تحلیل واریانس چند عامله (Multi Way Anova)

در قسمت فوق تحلیل واریانس یک عامله مطرح شد یعنی تفاوت بین میانگین جوامع مختلف فقط بر حسب یک متغیر مستقل(Factor) بیان می شود. در صورتی که بخواهیم تفاوت بین میانگین جوامع را بر حسب دو یا چند متغیر مستقل بیان کنیم، به عبارتی بخواهیم اثر دو یا چند عامل را همزمان روی متغیر وابسته بررسی کنیم، لازم است از تحلیل واریانس چند عامله استفاده شود.

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

ن