در حال بارگذاری ویدیو ...

تعریف متغیر اسمی / دکتر فرشاد نجفی اسدالهی

farshad najafi assadollahi
farshad najafi assadollahi

برای تحقیق در روش های کمی ابتدا باید تمام متغیرهایی که در جامعه آماری به صورت کیفی وجود دارند را در قالب کمی و عدد تبدیل کنیم. از این رو از مقیاس های اندازه گیری جهت شناسایی انواع اطلاعات به علم آمار و نیز نرم افزارهای آماری استفاده می کنیم. اولین مقیاس اندازه گیری که در این ویدئو توضیح داده شده است مقیاس اسمی است که صرفا اطلاعات را طبقه بندی کرده و برای این طبقه بندی به هر سطحی از متغییر یک عدد اختصاص می دهد. برای مثال اگر به متغیر جنسیت که در دو سطح زن و مرد طبقه بندی می شود در یک پرسش نامه عدد 1 برای شناسایی زنان و عدد 2 برای شناسایی مردان اختصاص داده شود و در پرسش نامه دیگری عدد 1 را به مردان و عدد 2 را به زنان اختصاص دهند در ارزش و کیفیت زنان و مردان هیچ تغییری ایجاد نشده و این اعداد صرفا اطلاعات متغییر جنسیت را طبقه بندی می کنند. از این رو باید هنگام ورود اطلاعات به نرم افزار دقت شود تا مقیاس درست اندازه گیری تشخیص داده شده و در نرم افزار تعریف شود. در این ویدئو نحوه بررسی وجود داده missing و داده پرت و چگونگی بر طرف کردن و اصلاح آن توضیح داده شده است.

برای مطالب بیشتر به سایت دکتر فرشاد نجفی اسدالهی مراجعه فرمایید
https://farshadnajafi.com/

نظرات

نماد کانال
نظری برای نمایش وجود ندارد.

توضیحات

تعریف متغیر اسمی / دکتر فرشاد نجفی اسدالهی

۰ لایک
۰ نظر

برای تحقیق در روش های کمی ابتدا باید تمام متغیرهایی که در جامعه آماری به صورت کیفی وجود دارند را در قالب کمی و عدد تبدیل کنیم. از این رو از مقیاس های اندازه گیری جهت شناسایی انواع اطلاعات به علم آمار و نیز نرم افزارهای آماری استفاده می کنیم. اولین مقیاس اندازه گیری که در این ویدئو توضیح داده شده است مقیاس اسمی است که صرفا اطلاعات را طبقه بندی کرده و برای این طبقه بندی به هر سطحی از متغییر یک عدد اختصاص می دهد. برای مثال اگر به متغیر جنسیت که در دو سطح زن و مرد طبقه بندی می شود در یک پرسش نامه عدد 1 برای شناسایی زنان و عدد 2 برای شناسایی مردان اختصاص داده شود و در پرسش نامه دیگری عدد 1 را به مردان و عدد 2 را به زنان اختصاص دهند در ارزش و کیفیت زنان و مردان هیچ تغییری ایجاد نشده و این اعداد صرفا اطلاعات متغییر جنسیت را طبقه بندی می کنند. از این رو باید هنگام ورود اطلاعات به نرم افزار دقت شود تا مقیاس درست اندازه گیری تشخیص داده شده و در نرم افزار تعریف شود. در این ویدئو نحوه بررسی وجود داده missing و داده پرت و چگونگی بر طرف کردن و اصلاح آن توضیح داده شده است.

برای مطالب بیشتر به سایت دکتر فرشاد نجفی اسدالهی مراجعه فرمایید
https://farshadnajafi.com/

آموزش