آموزش-نرم-افزار-های-آماری/آموزش-amos - مطالب

آزمون تک عاملی هارمن برای سوگیری روش رایج
هنگامی که از پرسشنامههای خودگزارشی برای جمعآوری دادهها به طور همزمان از همان شرکت کنندگان استفاده میشود، واریانس روش رایج(common method variance) میتواند مشکل ساز باشد. اگر پاسخ دهندگان تمایل به ارائه پاسخهای ثابت به سؤالات نظرسنجی که در غیر این صورت مرتبط نیستند، میتوانند همبستگیهای نادرستی ایجاد کنند (چانگ و همکاران، 2010). براي آزمون سوگيري روش رايج(common method bias) از آزمون تک عاملی هارمن(Harman’s single factor test ) در SPSS به صورت زير استفاده مي شود.به عبارت ديگر تنها هدف این آموزش این است که به شما بیاموزد چگونه سوگیری روش رایج را با استفاده از آزمون تک عاملی هارمن برای مطالعه خود ارزیابی کنید، به خصوص زمانی که از یک ابزار اندازه گیری برای جمع آوری داده ها برای متغیرهای وابسته و مستقل استفاده می شود.
ادامه مطلب

کاربردهای داده های بزرگ در رسانه های اجتماعی
رسانههای اجتماعی ابزار قدرتمندی هستند که انواع مرزها را برای ارتباط افراد و نزدیکتر کردن آنها به یکدیگر طی کرده است. با پایه گذاری اینترنت که موتور رسانه های اجتماعی را تقویت می کند، کاربران اینترنتی به پروانه های اجتماعی برای برقراری ارتباط و ارتباط تبدیل شده اند. برخلاف زمانهای مرسوم که مردم مجبور بودند کبوترهای خود را آزاد کنند تا پیامی برای عاشقان خود بفرستند، عصر معاصر از شما میخواهد پیامی را ارسال کنید که در یک لحظه تحویل داده میشود.پیوندهای ناگسستنی که زنجیره اینترنت را تشکیل می دهند به قدری قدرتمند هستند که قبل از اینکه کسی بخواهد پیامی را که به تازگی فرستاده است لغو ارسال کند، شخص دیگر قبلاً یک اعلان دریافت می کند.
ادامه مطلب
کاربردهای داده های بزرگ در بخش خرده فروشی
کاربردهای داده های بزرگ در بخش خرده فروشی
کلان داده چیست؟
در تجزیه و تحلیل داده ها، مطالعه الگوهای بین داده ها و پیش بینی پدیده های آینده برای عملکرد بهتر بسیار مهم است. علم داده فقط تجزیه و تحلیل داده ها و حجم وسیعی از اطلاعات نیست، بلکه در مورد کاوش در میان چنین الگوهای اطلاعاتی به منظور یافتن اطلاعات روشنگری برای استفاده در آینده است.
ادامه مطلب

پاك سازي داده
طبق مطالعات قبلی، "کمترین لذت بخش" شغل دانشمندان داده، پاکسازی داده ها بود که حدود 60 درصد از زمان آنها را می گرفت. دانشمندان داده حتی چند سال بعد همچنان بخش قابل توجهی از ساعات کاری خود را به ابتکارات پاکسازی داده ها اختصاص می دهند. علیرغم این واقعیت که یک نظرسنجی انجام شده در سال 2020 نشان داد که دانشمندان داده اکنون تنها حدود 45٪ از زمان خود را به کارهای آماده سازی داده ها مانند پاکسازی داده ها اختصاص می دهند، این هنوز نشان می دهد که پاکسازی داده ها به زمان و تلاش زیادی از دانشمندان داده نیاز دارد.
اکثر مردم موافق هستند که کیفیت بینش و تجزیه و تحلیل شما در هنگام استفاده از داده ها به طور مستقیم با کیفیت داده هایی که استفاده می کنید مرتبط است. در اصل، تحلیل تولید شده از داده های بد نیز بد است. اگر میخواهید در شرکت خود فرهنگی ایجاد کنید که حول محور استفاده از دادههای با کیفیت بالا برای تصمیمگیری باشد، یکی از مهمترین گامهای اولیه، پاکسازی دادهها است که بهعنوان پاکسازی دادهها و پاکسازی دادهها نیز شناخته میشود.
صبح بخیر میهمان گرامی
ثبت نام
- امروز: 0
- دیروز: 0
- مجموع کاربران: 21488
- جدیدترین کاربر: nafiseh_hz
آمار بازدید
- بازدید امروز : 947
- بازدید دیروز : 2137
- بازدید کلی : 20577685
بیشترین تعداد آنلاین
- میهمان: 1919
- اعضاء: 0
- مجموع: 1919
وضعیت آنلاین ها
- میهمان: 39
- اعضاء: 0
- مجموع: 39
اعضای آنلاین