آزمون های ناپارامتریک آمار ناپارامتریک که در خلال جنگ جهانی دوم شکل گرفت در برابر آمار پارامتریک قرار می گیرد. 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. خلاصه آزمونهای ناپارامتریک آزمون کروسکال- والیس: آزمون کروسکال- والیس یک آزمون غیر پارامتری و از سری آزمون های آنالیز واریانس محسوب می شود كه برای مق

آزمون آماری موضوع آزمون آماری زمانی مطرح می شود که محقق در صدد کشف، تبین و کنترل پدیده ها باشند. بنابراین، زمانی که قصد داریم صرفا به توصیف داده ها بپردازیم، موضوع آزمون آماری اعراب ندارد و هیچ گاه نمی توانیم از آزمون های آماری استفاده کنیم. آزمون های آماری این احتمال را بیان می کنند که آیا نتایج تحقیق در اثر شانس بوده است یا خیر. تمامی این آزمون های آماری به یک مقدار P-value یا مقدار احتمال ختم می شوند که این مقدار P اساس پذیرش معنی داری آماری نتایج می باشد. بدین صورت که زمانی به احتمال ÷ایین شانسی بودن نتایج پی می بریم که مقدار P از مقدار مورد توافق چامعه علمی یعنی ۰/۵ کوچک تر باشد. تنها در صورتی که مقدار P به دست آمده از ۰/۵ کوچک تر باشد، می توانیم به ارائه یک تفسیر علمی از نتایج مبادرت نماییم. پس، زمانی که مقدار P از ۰/۵ بزرگتر باشد، آن گاه باید گفت که نتایج در اثر شانس حاصل شده اند و لذا نمی توان تفسیر علمی از نتایج ارائه داد. آزمون های آماری، بر اساس ملاک هایی مانند مقیاس داده ها، توزیع داده ها و..، به دو دسته کلی آزمون های آماری پارامتری و آزمون های آماری ناپارامتری تقسیم م

تحلیل عاملی (Factor Analysis) معمولاً در تحقیقات به دلایل مختلف با حجم زیادی از متغیرها رو به رو هستیم. برای تحلیل دقیقتر دادهها از روش تحلیل عاملی یا Factor Analysis جهت پی بردن به متغیرهای زیر بنایی یک پدیده یا تلخیص مجموعه ای از دادهها استفاده میشود. دادههای اولیه برای تحلیل عاملی، ماتریس همبستگی بین متغیرها است. تحلیل عاملی، متغیرهای وابسته از قبل تعیین شده ای ندارد. تحلیل عاملی دارای کاربردهای متعددی است که عبارتند از: کاهش دادهها (Data Reduction) شناسایی ساختار ( Structure Detection) سنجش اعتبار (روایی) پرسشنامه با یک مقیاس موارد استفاده تحلیل عاملی را به دو دسته کلی میتوان تقسیم کرد: مقاصد اکتشافی و مقاصد تاییدی. اگر شما هیچ حدسی از ساختار روابط میان گویه ها نداشته باشید از تحلیل عاملی اکتشافی استفاده می شود. اما اگر گویه ها را براساس ابعاد شناسائی کرده باشید باید از تحلیل عاملی تائیدی استفاده کنید. - تحلیل عاملی اکتشافی (EFA) در تحلیل اکتشافی یا Exploratory factor analysis پژوهشگر به دنبال بررسی دادههای تجربی به منظور کشف و شناسایی شاخصها و نیز روابط بین آنهاست. در ا

برآورد مصـرف روزانـه بنزیـن توسـطخانوارهـای شهـر تهـران چکیــــده در این طرح ما برای برآورد مصرف بنزین روزانه خانوارهای شهر تهران، اقدام به نمونه گیری دو مرحله ای کرده ایم . در مرحلۀ اوّل کل شهر تهران را بدون توجه به حدود مناطق با عنایت به اینکه تعداد خانوار را به عنوان متغیر اندازه در نظر گرفته ایم ، چنان خوشه بندی کرده ایم که دارای خوشه هایی ، با تعداد خانوار برابر باشند . پس از این کار از بین این خوشه ها، n خوشه بصورت تصادفی ساده بدون جایگذاری انتخاب و در مرحلۀ دوّم هم در داخل این n خوشه منتخب ، از نمونه گیری با احتمال متغیر (با در نظر گرفتن تعداد خانوار بلوکها به عنوان متغیر اندازه) استفاده کرده و ni بلوک را از خوشه iام منتخب در مرحلۀ اوّل انتخاب کرده ایم. سپس با توجه به اینکه حجم پرسشنامه کم می باشد، این بلوکهای منتخب را سرشماری نموده ایم .هدف کلیهدف برآورد کل مصرف روزانه بنزین توسط خانوار های شهر تهران است .جامعۀ آماریکل خانوارهایی که در شهر تهران زندگی می کنند، جامعۀ آماری ما را تشکیل می دهد .واحد آماریواحد آماری ما در این طرح یک خانوار ساکن شهر تهران می باشد.توجه : شرکتها و م