تحلیل کار کرد ممیز
تحلیل کار کرد ممیز مانند رگرسیون لجستیک کاربردهای زیادی دارد. با این تفاوت که جزء آزمون های پارامتری است. هنگامی که بخواهید از روی مجموعه ای از متغیر ها ( که متغیر های مستقل یا پیش بینی نامیده می شوند ) عضویت در گروه های جداگانه ( که متغیر وابسته نامیده می شود ) را پیش بینی کنید تحلیل کارکرد ممیز بسیار مفید است مثلاً ممکن است بخواهید بررسی کنید نمرات مختلف آزمون MMPI با چه دقتی می توانند تشخیص بیماری روانی را پیش بینی کنند و یا این که آیا می توان راهی پیدا کرد تا داده های جمعیت شناختی را با نمرات پرسشنامه های نگرش شغلی و سازمانی ترکیب کرد تا ترک شغل را پیش بینی نمود .
[html_block id=”4551″]
این سوال ها شبیه به سؤال هایی هستند که گروه ها را با هم مقایسه می کنند از این نظر که نمونه را به دو یا چند گروه جداگانه تقسیم می کنند تا متغییر وابسته ساخته شود
( مثلا اختلال شخصيت ضد اجتماعی در برابر گروه کنترل یا کسانی که سازمان را ترک کرده اند در برابر کسانی که در سازمان مانده اند ) . هم چنین . همچنین به سؤال های رگرسیون نیز شبیه اند از این نظر که بررسی می کنند آیا می توان با استفاده از ترکیب متغیر ها ، گروه ها را از هم جدا کرد . تحلیل کارکرد ممیز در این موقعیت ها مفید است به شرط این که مفروضه های آن رعایت شوند (جدول ۹-۲ را ببینید). در غیر این صورت، رگرسیون لوجستیک می تواند جایگزین مناسب تری باشد .
تحلیل کارکرد ممیز، پیش بین ها (متغیرهای مستقل) را بررسی می کند و معادله ای می سازد که به هر پیش بین وزن می دهد تا احتمال درست بودن طبقه بندی افراد در گروه های مختلف (متغیر وابسته) را بیشینه کند. مانند رگرسیون، نسخه های مختلفی از تحلیل کارکرد ممیز وجود دارند. از نظر ریاضی، تحلیل کارکرد ممیز با تحلیل واریانس چند متغیری رابطه نزدیکی دارد. نکته مهمی که باید در نظر داشته باشید این است که آیا می خواهید برخی متغیرها را قبل از متغیرهای دیگر آزمون کنید ( تحلیل کارکرد ممیز سلسله مراتبی ) یا می خواهید متغیرها را از نظر آماری مرتب کنید ( تحلیل کارکرد ممیز نزولی یا تحلیل کار کرد ممیز مستقیم ] استاندارد [ تاباچنیک و فیدل، ۲۰۰۱) .
شما می توانید برای دریافت مشاوره از کارشناسان مجموعه در فرم زیر سفارش ثبت کنید تا همکاران ما در اولین فرصت با شما تماس بگیرند :
