ما هي خدمة التحليل الاحصائي؟
استخدم التحليل الإحصائي لتنظيم بياناتك واتخاذ قرارات أفضل لعملك. التحليل الإحصائي هو عملية جمع وتحليل البيانات لتحديد الأنماط والاتجاهات من أجل عملية صنع القرار.
هناك نوعان رئيسيان من التحليل الإحصائي: الإحصائيات الوصفية تشرح وتصور البيانات التي لديك ، بينما تقوم الإحصائيات الاستنتاجية باستقراء البيانات التي لديك على عدد أكبر من مجتمع الدراسة.
يمكن أن يساعد التحليل الإحصائي الشركات على خفض التكاليف وتحسين كفاءة مكان العمل ، من بين مزايا أخرى. تعتمد العديد من الشركات على التحليل الإحصائي لتنظيم المعلومات التي تم جمعها والتنبؤ بالاتجاهات المستقبلية بناءً على تلك البيانات. (خدمة التحليل الاحصائي)
في حين أن المؤسسات لديها الكثير من الخيارات حول ما يجب فعله ببياناتها الضخمة ، فإن التحليل الإحصائي هو وسيلة لفحص تلك البيانات ككل ، وكذلك تقسيمها إلى عينات فردية. التحليل الإحصائي هو حجر الزاوية في ذكاء الأعمال الناجحة. لقد قمنا بتجميع الكتاب التمهيدي التالي لشرح التحليل الإحصائي وكيف يمكن أن يساعد عملك على النمو ، بالإضافة إلى بعض أدوات التحليل الإحصائي الأكثر شيوعًا التي يمكنك استخدامها للبدء.
ما هو التحليل الإحصائي؟
التحليل الإحصائي ، أو الإحصاء ، هو عملية جمع البيانات وتحليلها لتحديد الأنماط والاتجاهات ، وإزالة التحيز وإعلام صنع القرار. إنه جانب من جوانب ذكاء الأعمال يتضمن جمع وفحص بيانات الأعمال والإبلاغ عن الاتجاهات. (خدمة التحليل الاحصائي)
هناك عدة طرق يمكن للشركات من خلالها استخدام التحليل الإحصائي لصالحها ، بما في ذلك تحديد خطوط الإنتاج الأفضل أداءً ، وتحديد موظفي المبيعات ذوي الأداء الضعيف ، والتعرف على كيفية اختلاف أداء المبيعات بين مناطق مختلفة من الدولة.
يمكن أن تساعد أدوات التحليل الإحصائي في النمذجة التنبؤية. بدلاً من إظهار تنبؤات الاتجاه البسيطة التي يمكن أن تتأثر بعدد من العوامل الخارجية ، تسمح أدوات التحليل الإحصائي للشركات بالحفر بشكل أعمق لرؤية معلومات إضافية.
ما هي أنواع التحليل الإحصائي؟
هناك نوعان رئيسيان من التحليل الإحصائي: الوصفي والاستنتاجي ، والمعروف أيضًا باسم النمذجة.
الإحصاء الوصفي
الإحصاء الوصفي هو ما تستخدمه المنظمات لتلخيص بياناتها. يشتمل هذا النوع عادةً على مخططات موجزة ورسوم بيانية وجداول تصور البيانات لفهم أسهل ، بدلاً من الاعتماد على البيانات الأولية غير المنظمة. (خدمة التحليل الاحصائي)
من بين بعض البيانات المفيدة التي تأتي من الإحصاء الوصفي ، الوضع والوسيط والمتوسط ، بالإضافة إلى النطاق والتباين والانحراف المعياري. ومع ذلك ، لا يُقصد من الإحصاء الوصفي استخلاص النتائج.
الإحصاء الاستدلالي
توفر الإحصائيات الاستدلالية طريقة لأخذ البيانات من عينة تمثيلية واستخدامها لرسم حقائق أكبر. يسمح للمؤسسات بالاستقراء خارج مجموعة البيانات ، والذهاب إلى أبعد من الإحصاء الوصفي. (خدمة التحليل الاحصائي)
يعتمد الاستدلال الإحصائي بشكل كبير على إيجاد عينة تمثيلية قدر الإمكان يمكن من خلالها استخلاص استنتاجات حول عدد أكبر من مجتمع الدراسة.
نظرًا لأنه سيكون هناك دائمًا عدم يقين بشأن الاستقراء من مجموعة محدودة من البيانات إلى مجموعة سكانية أوسع ، يعتمد الاستدلال الإحصائي على تقدير عدم اليقين في التنبؤات. (خدمة التحليل الاحصائي)
استنتاجات الاستدلال الإحصائي هي اقتراح إحصائي. تتضمن بعض الأشكال الشائعة للاقتراح الإحصائي ما يلي.
- التقديرات: التقدير هو قيمة معينة تقترب على أفضل وجه من بعض معلمات الاهتمام.
- فاصل الثقة: الفاصل الزمني الذي تم إنشاؤه باستخدام مجموعة بيانات مأخوذة من المجتمع بحيث تحتوي هذه الفواصل الزمنية ، في ظل أخذ العينات المتكرر لمجموعات البيانات هذه ، على قيمة المعلمة الحقيقية مع الاحتمال عند مستوى الثقة المحدد باعتباره فاصل الثقة. بمعنى آخر ، فاصل الثقة هو مقياس لمدى جودة توقع النموذج للبيانات التي تم تسجيلها بالفعل.
- فترات موثوقة: مجموعة من القيم التي تحتوي ، على سبيل المثال ، 95٪ من الاعتقاد اللاحق يشار إليها على أنها فترة موثوقة. إنها طريقة لتوحيد فترات الثقة. عندما تقرأ عن دراسة بثقة 95٪ ، فإنهم يشيرون إلى فترة زمنية موثوقة.
ما هي فوائد التحليل الإحصائي؟
هل يستحق الأمر حقًا الاستثمار في البيانات الضخمة والتحليل الإحصائي؟ أفضل طريقة للإجابة على هذا السؤال هي استكشاف الفوائد. (خدمة التحليل الاحصائي)
بشكل عام ، يمكن للإحصاءات أن تساعد أصحاب الأعمال في تحديد الاتجاهات التي قد تفلت من الملاحظة بدون هذه الأساليب. كما يضفي التحليل الموضوعية على عملية صنع القرار. مع وجود إحصاءات جيدة ، فإن قرارات الحدس ليست ضرورية.
فيما يلي بعض الفوائد التجارية المحددة لاستخدام التحليل الإحصائي.
- خفض تكاليف التشغيل.
يمكن أن يساعد التحليل الإحصائي الشركات على تحليل بياناتها وتكاليفها بدقة أكبر ، بالإضافة إلى التعرف على اتجاهات الإنفاق. بعد تحديد هذه المعلومات بدقة ، يمكن للشركات استقراء رؤى حول التكاليف المستقبلية المحتملة أو تقنيات توفير التكاليف للحد من الإنفاق وتقليل الهدر. (خدمة التحليل الاحصائي)
لنفترض أنك تستأجر آلة بيع في الردهة الخاصة بك للعملاء والموظفين للاستمتاع بالمشروبات والوجبات الخفيفة ، لكنك لست متأكدًا مما إذا كانت تستخدم بشكل كافٍ لتبرير النفقات. يمكن أن يساعدك التحليل الإحصائي في تحديد عدد مرات الشراء ومقدار الأموال التي يتم جلبها مقابل تكلفة الجهاز وسعر الاحتفاظ به في المخزن.
قد تجد أن الجهاز لا يستخدم كثيرًا وهي تكلفة يمكنك خفضها من ميزانيتك دون التأثير سلبًا على عملياتك. (خدمة التحليل الاحصائي)
- قم بإجراء تحليل للسوق.
يمكن أن يساعد التحليل الإحصائي أيضًا الشركات في إجراء تحليل دقيق للسوق. يمكن أن تُظهر البيانات مكان حدوث معظم المبيعات ، وأين يكون للمبيعات أكبر قيمة وما هو التسويق المرتبط بهذه المبيعات. يسمح بتحسين الكفاءة في كل جانب من جوانب المبيعات والتسويق. (خدمة التحليل الاحصائي)
فكر في صاحب عمل لديه مقهى ناجح يتطلع إلى فتح موقع ثان. يمكن للشركة إجراء تحليل للسوق للتوصل إلى تقديرات لمقدار حركة المرور على الأقدام في حي معين ، ومقدار الدخل المتاح الذي قد يمتلكه سكان المنطقة ، والأذواق التي قد يمتلكها المستفيدون المحتملون. ترسم هذه المعلومات صورة واضحة عن جدوى الموقع المحتمل ، مما يسمح لصاحب العمل باتخاذ قرار مستنير.
- زيادة كفاءة مكان العمل.
يمكن للتحليل الإحصائي تحسين كفاءة العمل. على سبيل المثال ، نعلم أن توفير الأدوات المناسبة يمكن أن يحقق أفضل عمل للموظفين. يمكن أن يساعد التحليل الإحصائي أصحاب العمل في التدقيق في فعالية كل أداة للتركيز على أولئك الذين يقودون أفضل أداء. (خدمة التحليل الاحصائي)
يمكن لقادة الأعمال أيضًا استخدام التحليل الإحصائي لتحديد المتغيرات التي قد تساعد أو تضر بكفاءة مكان العمل ، مثل ما إذا كان زملاء العمل يتناولون الغداء معًا أم لا أو يشاركون في أحداث شبكة الموظفين .
من الأمثلة المفيدة بشكل خاص لاستخدام التحليل الإحصائي لتحليل كفاءة مكان العمل قياس ناتج الموظف بعد اعتماد أداة أو ممارسة جديدة. على سبيل المثال ، يمكن للشركة معرفة ما إذا كان اعتماد المحاكاة الافتراضية في مكان العمل يزيد من كفاءة العمال.
- تحسين عملية صنع القرار.
التحليل الإحصائي هو العمود الفقري لذكاء الأعمال واتخاذ القرارات المستنيرة. توفر الإحصائيات الوصفية المقترنة باختبار A / B رؤية واضحة للخيارات التي يتردد صداها مع العملاء أو العملاء المتوقعين. هذا مهم بشكل خاص للشركات التي تسعى إلى زيادة عروضها أو قوائم العملاء ، وكذلك للشركات التي ليس لديها استقرار ثابت من العملاء. (خدمة التحليل الاحصائي)
يجب اتخاذ كل قرار تجاري رئيسي فقط بعد اختبار الفكرة ومراجعة البيانات. إعادة تصميم الموقع هو أحد الأمثلة على ذلك. بدلاً من إطلاق موقع جديد تمامًا ، يجب على الشركة أولاً إطلاق تصميم جديد محتمل لاختيار الزائرين في اختبار A / B. يمكن للمؤسسة استخدام هذه العملية لجمع معلومات ثاقبة مثل مدة زيارات الموقع ، والنقرات المحتملة ، وما إذا كانت المبيعات قد زادت أو انخفضت مع التصميم الجديد. بعد ذلك ، يمكنهم استخدام التحليل الإحصائي لمقارنة هذه القيم بالموقع القديم ومعرفة ما إذا كان ينبغي إعادة التصميم بالكامل أو تعديلها أو إلغاؤها تمامًا.
ما هو برنامج التحليل الإحصائي؟
نظرًا لأن ليس كل شخص عبقريًا رياضيًا يمكنه بسهولة حساب الإحصائيات المطلوبة على أكوام البيانات التي تحصل عليها الشركة ، فإن معظم المؤسسات تستخدم شكلاً من أشكال برامج التحليل الإحصائي. يمكن لهذا البرنامج تقديم التحليل المحدد الذي تحتاجه المؤسسة لتحسين أعمالها. (خدمة التحليل الاحصائي)
مثل هذا البرنامج قادر على إنشاء المخططات والرسوم البيانية بسرعة وسهولة عند إجراء إحصائيات وصفية بينما يقوم في نفس الوقت بتشغيل الحسابات الأكثر تعقيدًا المطلوبة عند إجراء الإحصائيات الاستدلالية.
تشمل خدمات برمجيات التحليل الإحصائي الأكثر شيوعًا SPSS و SAS و Revolution Analytics ‘R و Minitab و Stata و Tableau من IBM ، والتي أصبحت الآن جزءًا من Salesforce. يمكنك معرفة المزيد عن البائع الأخير في مراجعتنا لـ Salesforce CRM . (خدمة التحليل الاحصائي)
خصائص البرامج
أهم ميزتين للبرامج الإحصائية هما التحليل والعرض. تتضمن ميزات التحليل أدوات إحصائية تقوم بالرفع الثقيل عندما يتعلق الأمر بالحسابات. تشمل الوظائف التحليلية النموذجية النمذجة القياسية وفترات الثقة وحسابات الاحتمالات. إنها توفر القيمة الأساسية للبرامج الإحصائية وهي السبب الرئيسي للاستثمار في مثل هذه الأنظمة في المقام الأول. على الرغم من ذلك ، لا ينبغي أن تكون الميزات التحليلية مصدر قلقك الأساسي عند التسوق لبرامج التحليل الإحصائي.
يمكن القول أن العرض أكثر أهمية. هذا هو ما يملأ المخططات والرسوم البيانية. يسمح بإعداد التقارير في الوقت الفعلي وجميع الميزات المرئية التي تجعل النتائج الإحصائية متاحة. يجب أن يكون العرض الإحصائي دائمًا أحد الاعتبارات الرئيسية عند اختيار برامج التحليل الإحصائي.
ما هي أهمية التحليل الإحصائي وذكاء الأعمال؟
يعتبر ذكاء الأعمال ، الذي يعتبر التحليل الإحصائي جزءًا منه فقط ، أمرًا بالغ الأهمية لتحقيق الاستدامة. لا يمكن لصاحب العمل الذي لا يقوم بتقييم مؤسسته بشكل منتظم أن يعالج المشاكل بشكل مناسب أو يكرر النجاح أو التخطيط للمستقبل.
يجب على الشركات إجراء تقييمات ذاتية بانتظام لفهم المنظمة بشكل أفضل. بالإضافة إلى التحليل الإحصائي ، نوصي بإجراء تحليل باريتو لتحسين الكفاءة واتخاذ القرار. (خدمة التحليل الاحصائي)
دليل المبتدئين للتحليل الإحصائي | 5 خطوات وأمثلة
يعني التحليل الإحصائي التحقيق في الاتجاهات والأنماط والعلاقات باستخدام البيانات الكمية . إنها أداة بحث مهمة يستخدمها العلماء والحكومات والشركات والمنظمات الأخرى.
لاستخلاص استنتاجات صحيحة ، يتطلب التحليل الإحصائي تخطيطًا دقيقًا منذ بداية عملية البحث . تحتاج إلى تحديد فرضياتك واتخاذ قرارات بشأن تصميم البحث وحجم العينة وإجراءات أخذ العينات. (خدمة التحليل الاحصائي)
بعد جمع البيانات من عينتك ، يمكنك تنظيم البيانات وتلخيصها باستخدام الإحصائيات الوصفية . بعد ذلك ، يمكنك استخدام الإحصائيات الاستدلالية لاختبار الفرضيات رسميًا وإجراء تقديرات حول مجتمع الدراسة. أخيرًا ، يمكنك تفسير نتائجك وتعميمها.
هذه المقالة مقدمة عملية للتحليل الإحصائي للطلاب والباحثين. سنرشدك خلال الخطوات باستخدام مثالين بحثيين. يبحث الأول في علاقة السبب والنتيجة المحتملة ، بينما يبحث الثاني في العلاقة المحتملة بين المتغيرات.
مثال: سؤال البحث السببي
هل يمكن أن يحسن التأمل أداء الامتحان لدى المراهقين؟
مثال: سؤال البحث الترابطي
هل توجد علاقة بين دخل الوالدين ومتوسط الدرجات الكلية (GPA)؟
الخطوة 1: اكتب فرضياتك وخطط لتصميم بحثك
لجمع بيانات صحيحة للتحليل الإحصائي ، تحتاج أولاً إلى تحديد فرضياتك وتخطيط تصميم البحث الخاص بك.
كتابة الفرضيات الإحصائية
غالبًا ما يكون الهدف من البحث هو التحقيق في العلاقة بين المتغيرات داخل مجموعة سكانية . تبدأ بالتنبؤ ، وتستخدم التحليل الإحصائي لاختبار هذا التوقع.
الفرضية الإحصائية هي طريقة رسمية لكتابة تنبؤ حول مجموعة سكانية. يتم إعادة صياغة كل توقع بحثي إلى فرضيات لاغية وبديلة يمكن اختبارها باستخدام بيانات العينة.
بينما تتنبأ الفرضية الصفرية دائمًا بعدم وجود تأثير أو عدم وجود علاقة بين المتغيرات ، فإن الفرضية البديلة تنص على تنبؤ بحثك عن تأثير أو علاقة. (خدمة التحليل الاحصائي)
مثال: فرضيات إحصائية لاختبار تأثير
- فرضية لاغية: لن يكون لممارسة التأمل لمدة 5 دقائق أي تأثير على درجات اختبار الرياضيات لدى المراهقين.
- الفرضية البديلة: سيؤدي تمرين التأمل لمدة 5 دقائق إلى تحسين درجات اختبار الرياضيات لدى المراهقين.
مثال: فرضيات إحصائية لاختبار الارتباط
- فرضية لاغية: لا علاقة بين دخل الوالدين والمعدل التراكمي في طلاب الجامعات.
- الفرضية البديلة: دخل الوالدين والمعدل التراكمي مرتبطان إيجابياً في طلاب الجامعات.
التخطيط لتصميم البحث الخاص بك
تصميم البحث هو استراتيجيتك العامة لجمع البيانات وتحليلها. يحدد الاختبارات الإحصائية التي يمكنك استخدامها لاختبار فرضيتك لاحقًا. (خدمة التحليل الاحصائي)
أولاً ، قرر ما إذا كان بحثك سيستخدم تصميمًا وصفيًا أو ارتباطًا أو تجريبيًا. التجارب تؤثر بشكل مباشر على المتغيرات ، في حين أن الدراسات الوصفية والارتباطية تقيس المتغيرات فقط.
- في التصميم التجريبي ، يمكنك تقييم علاقة السبب والنتيجة (على سبيل المثال ، تأثير التأمل على درجات الاختبار) باستخدام الاختبارات الإحصائية للمقارنة أو الانحدار. (خدمة التحليل الاحصائي)
- في التصميم الترابطي ، يمكنك استكشاف العلاقات بين المتغيرات (على سبيل المثال ، دخل الوالدين والمعدل التراكمي) دون أي افتراض للسببية باستخدام معاملات الارتباط واختبارات الأهمية.
- في التصميم الوصفي ، يمكنك دراسة خصائص مجتمع الدراسة أو الظاهرة (على سبيل المثال ، انتشار القلق لدى طلاب الجامعات الأمريكية) باستخدام الاختبارات الإحصائية لاستخلاص استنتاجات من عينة البيانات.
يهتم تصميم البحث الخاص بك أيضًا بما إذا كنت ستقارن المشاركين على مستوى المجموعة أو المستوى الفردي ، أو كلاهما.
- في التصميم بين المواضيع ، تقارن النتائج على مستوى المجموعة للمشاركين الذين تعرضوا لعلاجات مختلفة (على سبيل المثال ، أولئك الذين أجروا تمرينًا للتأمل مقابل أولئك الذين لم يفعلوا). (خدمة التحليل الاحصائي)
- في التصميم الداخلي للموضوعات ، تقارن المقاييس المتكررة من المشاركين الذين شاركوا في جميع علاجات الدراسة (على سبيل المثال ، الدرجات من قبل وبعد أداء تمرين التأمل).
- في تصميم مختلط (عاملي) ، يتم تغيير أحد المتغيرات بين الموضوعات ويتم تغيير آخر داخل الموضوعات (على سبيل المثال ، نتائج الاختبار القبلي والبعدي من المشاركين الذين أجروا أو لم يمارسوا تمرين التأمل).
مثال: تصميم البحث التجريبي
أنت تصمم تجربة داخل الموضوعات لدراسة ما إذا كان تمرين التأمل لمدة 5 دقائق يمكن أن يحسن نتائج اختبار الرياضيات. تأخذ دراستك إجراءات متكررة من مجموعة واحدة من المشاركين. (خدمة التحليل الاحصائي)
أولاً ، ستحصل على درجات الاختبار الأساسية من المشاركين. بعد ذلك ، سيخضع المشاركون لتمرين تأمل مدته 5 دقائق. أخيرًا ، ستسجل درجات المشاركين من اختبار الرياضيات الثاني.
في هذه التجربة ، المتغير المستقل هو تمرين التأمل لمدة 5 دقائق ، والمتغير التابع هو درجة اختبار الرياضيات من قبل التدخل وبعده. (خدمة التحليل الاحصائي)
مثال: تصميم البحث الترابطي
في دراسة ارتباطية ، تختبر ما إذا كانت هناك علاقة بين دخل الوالدين والمعدل التراكمي في طلاب الجامعات المتخرجين. لجمع بياناتك ، ستطلب من المشاركين ملء استبيان وتقديم تقرير ذاتي عن دخل آبائهم ومعدلهم التراكمي.
لا توجد متغيرات تابعة أو مستقلة في هذه الدراسة ، لأنك تريد فقط قياس المتغيرات دون التأثير عليها بأي شكل من الأشكال.
قياس المتغيرات
عند التخطيط لتصميم بحث ، يجب عليك تفعيل متغيراتك وتحديد كيفية قياسها بالضبط.
بالنسبة للتحليل الإحصائي ، من المهم مراعاة مستوى قياس المتغيرات الخاصة بك ، والتي تخبرك بنوع البيانات التي تحتوي عليها:
- البيانات الفئوية تمثل التجمعات. قد تكون هذه اسمية (على سبيل المثال ، الجنس) أو ترتيبية (على سبيل المثال ، مستوى القدرة اللغوية). (خدمة التحليل الاحصائي)
- البيانات الكمية تمثل المبالغ. قد تكون هذه على مقياس فاصل (مثل درجة الاختبار) أو مقياس نسبة (مثل العمر).
يمكن قياس العديد من المتغيرات بمستويات مختلفة من الدقة. على سبيل المثال ، يمكن أن تكون بيانات العمر كمية (8 سنوات) أو فئوية (صغيرة). إذا تم ترميز المتغير رقميًا (على سبيل المثال ، مستوى الاتفاق من 1-5) ، فهذا لا يعني تلقائيًا أنه كمي بدلاً من فئوي.
تحديد مستوى القياس مهم لاختيار الإحصائيات المناسبة واختبارات الفرضيات. على سبيل المثال ، يمكنك حساب متوسط الدرجة باستخدام البيانات الكمية ، ولكن ليس باستخدام البيانات الفئوية.
في دراسة بحثية ، جنبًا إلى جنب مع مقاييس المتغيرات التي تهمك ، ستجمع غالبًا بيانات عن خصائص المشارك ذات الصلة.
الخطوة 2: جمع البيانات من عينة
في معظم الحالات ، يكون جمع البيانات من كل فرد من مجتمع الدراسة الذين تهتم بدراستهم أمرًا صعبًا للغاية أو مكلفًا للغاية . بدلاً من ذلك ، ستقوم بجمع البيانات من عينة. (خدمة التحليل الاحصائي)
يسمح لك التحليل الإحصائي بتطبيق نتائجك خارج عينتك طالما أنك تستخدم إجراءات أخذ العينات المناسبة . يجب أن تستهدف عينة تمثل مجتمع الدراسة.
أخذ العينات للتحليل الإحصائي
هناك طريقتان رئيسيتان لاختيار عينة.
- أخذ العينات الاحتمالية: يتمتع كل فرد من مجتمع الدراسة بفرصة اختياره للدراسة من خلال الاختيار العشوائي.
- أخذ العينات غير الاحتمالية: من المرجح أن يتم اختيار بعض الأفراد للدراسة أكثر من غيرهم بسبب معايير مثل الراحة أو الاختيار الذاتي الطوعي. (خدمة التحليل الاحصائي)
من الناحية النظرية ، للحصول على نتائج قابلة للتعميم بشكل كبير ، يجب عليك استخدام طريقة أخذ العينات الاحتمالية. يقلل الاختيار العشوائي من تحيز العينة ويضمن أن البيانات من عينتك هي في الواقع نموذجية للسكان. يمكن استخدام الاختبارات البارامترية لعمل استنتاجات إحصائية قوية عندما يتم جمع البيانات باستخدام أخذ العينات الاحتمالية.
لكن من الناحية العملية ، نادرًا ما يكون من الممكن جمع العينة المثالية. بينما من المرجح أن تكون العينات غير الاحتمالية متحيزة ، إلا أنه من الأسهل تجنيد وجمع البيانات منها. تعتبر الاختبارات غير المعلمية أكثر ملاءمة للعينات غير الاحتمالية ، ولكنها تؤدي إلى استنتاجات أضعف حول مجتمع الدراسة. (خدمة التحليل الاحصائي)
إذا كنت تريد استخدام الاختبارات البارامترية للعينات غير الاحتمالية ، فعليك إثبات الحالة التالية:
- عينتك تمثل مجتمع الدراسة الذين تعمم عليهم نتائجك.
- عينتك تفتقر إلى التحيز المنهجي.
ضع في اعتبارك أن الصلاحية الخارجية تعني أنه يمكنك فقط تعميم استنتاجاتك على الآخرين الذين يشاركونك خصائص عينتك. على سبيل المثال ، النتائج من العينات الغربية والمتعلمة والصناعية والغنية والديمقراطية (على سبيل المثال ، طلاب الجامعات في الولايات المتحدة) لا تنطبق تلقائيًا على جميع مجتمع الدراسة.
إذا قمت بتطبيق الاختبارات البارامترية على البيانات المأخوذة من العينات غير الاحتمالية ، فتأكد من توضيح حدود مدى تعميم نتائجك في قسم المناقشة . (خدمة التحليل الاحصائي)
إنشاء إجراء أخذ العينات المناسب
بناءً على الموارد المتاحة لبحثك ، قرر كيفية تجنيد المشاركين.
- هل سيكون لديك موارد للإعلان عن دراستك على نطاق واسع ، بما في ذلك خارج محيط جامعتك؟
- هل ستكون لديك الوسائل لتجنيد عينة متنوعة تمثل عددًا كبيرًا من مجتمع الدراسة؟
- هل لديك الوقت للاتصال والمتابعة مع أعضاء المجموعات التي يصعب الوصول إليها؟
مثال: أخذ العينات (تجربة)
مجتمع الدراسة الذين تهتم بهم هم طلاب المدارس الثانوية في مدينتك. يمكنك الاتصال بثلاث مدارس خاصة وسبع مدارس عامة في مناطق مختلفة من المدينة لمعرفة ما إذا كان بإمكانك إدارة تجربتك للطلاب في الصف الحادي عشر.
يتم اختيار المشاركين الخاصة بك من قبل مدارسهم. على الرغم من أنك تستخدم عينة غير احتمالية ، إلا أنك تهدف إلى عينة متنوعة وتمثيلية. (خدمة التحليل الاحصائي)
مثال: أخذ العينات (دراسة ارتباطية)
مجتمع الدراسة الذين تهتم بهم هم طلاب الجامعات الذكور في الولايات المتحدة. باستخدام إعلانات وسائل التواصل الاجتماعي ، يمكنك تجنيد طلاب جامعيين ذكور في السنة الأولى من مجموعة سكانية فرعية أصغر: سبع جامعات في منطقة بوسطن. (خدمة التحليل الاحصائي)
يتطوع المشاركون في الاستطلاع ، مما يجعل هذه العينة غير احتمالية.
احسب حجم العينة الكافي
قبل تجنيد المشاركين ، حدد حجم عينتك إما من خلال النظر في دراسات أخرى في مجالك أو باستخدام الإحصائيات. قد تكون العينة الصغيرة جدًا غير ممثلة للعينة ، في حين أن العينة الكبيرة جدًا ستكون أكثر تكلفة من اللازم.
هناك العديد من حاسبات حجم العينة على الإنترنت. يتم استخدام صيغ مختلفة اعتمادًا على ما إذا كان لديك مجموعات فرعية أو مدى صرامة دراستك (على سبيل المثال ، في البحث السريري). كقاعدة عامة ، من الضروري وجود 30 وحدة على الأقل أو أكثر لكل مجموعة فرعية. (خدمة التحليل الاحصائي)
لاستخدام هذه الآلات الحاسبة ، يجب أن تفهم وتدخل المكونات الأساسية التالية:
- مستوى الأهمية (ألفا): خطر رفض فرضية صفرية حقيقية تكون على استعداد لاتخاذها ، وعادة ما يتم تحديدها بنسبة 5٪.
- القوة الإحصائية : احتمالية اكتشاف دراستك تأثيرًا بحجم معين إذا كان هناك تأثير ، عادةً 80٪ أو أعلى.
- حجم التأثير المتوقع : مؤشر قياسي لمدى حجم النتيجة المتوقعة لدراستك ، وعادةً ما يعتمد على دراسات أخر%D