مزایای استفاده از ضریب هم بستگی


ضریب همبستگی

محاسبه ضرایب همبستگی - در این متن با ضریب همبستگی و خصوصیات آن آشنا شده و شیوه محاسبه آن را فرا خواهید گرفت. به این ترتیب براساس مثال‌هایی با این شاخص بیشتر آشنا می‌شوید.

بسته به هدفی که دارید و جامعه‌ی آماری که مد نظر شماست، شیوه‌های متعددی برای محاسبه‌ی ضریب همبستگی یا Correlation Coefficient وجود دارد.

این مقاله به تعریف همبستگی ازنظر آماری و آزمون فرضیه مربوط به آن می‌پردازد. سپس با یک مثال در نرم‌افزار R کاربرد این مفهوم را در تصمیم‌گیری نشان می‌دهد.

آموزش همبستگی Correlation - همبستگی Correlation یک رابطه آماری بین دو متغیر تصادفی یا دو دسته داده است که لزوما به معنای ارتباط علی و معلولی آنها نیست و می‌تواند دوسویه باشد.

آمار همبستگی و سرمایه گذاری - ضریب همبستگی یک معیار آماری از قدرت رابطه بین حرکات نسبی دو متغیر است. از این ضریب در بورس، برای مقایسه سهام و یا شاخص های مختلف بسیار استفاده می شود. در این مقاله به صورت کاربردی و همراه با مثال این ضریب را برای شما تشریح کرده ایم.

مثالی برای روابط بین شرکت‌های سرمایه گذاری در بورس - در این مقاله سعی میکنیم ضمن بیان چیستی ضریب همبستگی در بورس ، به کاربردهای آن نیز بپردازیم. با مطالعه این مقاله قطعا دریچه‌ی تازه‌ای به روی شما گشوده میشود.

نمایه مقالات علمی پژوهشی کشور و امکان دانلود رایگان متن کامل مقالات در تارگاه مرکز اطلاعات علمی جهاد دانشگاهی

تحلیلی بر عوامل موثر در قابت‌پذیری اقتصادی مقاصد گردشگری روستایی، مطالعه موردی: روستاهای هدف گردشگری استان کهگیلویه و بویراحمد

1 دانش آموخته کارشناسی ارشد جغرافیا و مزایای استفاده از ضریب هم بستگی برنامه‌ریزی روستایی، گروه جغرافیا، دانشکده علوم اجتماعی، دانشگاه زنجان، زنجان، ایران.

2 دانشیارگروه جغرافیا و برنامه‌ریزی روستایی، گروه جغرافیا، دانشکده علوم اجتماعی، دانشگاه زنجان، زنجان، ایران.

چکیده

مناطق روستایی با توجه به ارایه ترکیبی از جاذبه‌­های گردشگری طبیعی و فرهنگی ناشی از ویژگی­‌های جغرافیایی و شیوه­‌های زندگی به عنوان مقاصد گردشگری ارزان برای گذران اوقات فراغت و تفریح شناخته می­‌شود. توسعه گردشگری روستایی از دیدگاه بیشتر محققان به عنوان ابزاری بازآفرینی و احیای مجدد اقتصادی- اجتماعی مناطق روستایی برای نیل به توسعه پایدار مطرح است. افزایش تعداد گردشگران ورودی به مناطق روستایی، به بروز نیازها و تقاضاهای جدید در مناطق گردشگرپذیر روستایی منجر شده است که ارایه مزایای رقابتی نقش مهمی در وفاداری گردشگران، رضایت و حمایت مجدد از مقاصد می­شود. تحقیق حاضر با هدف نقش حمل ونقل در رقابت­پذیری اقتصادی مقاصد گردشگری روستایی می­باشد. تحقیق حاضر از نوع کاربردی بوده و ماهیت آن توصیفی- تحلیلی مبتنی بر گردآوری داده‌­ها با استفاده از روش­های میدانی (مشاهده و تکمیل پرسشنامه) است. بدین منظور در سطح تحلیل روستا، با توجه دارای سکنه بودن 9 روستا مزایای استفاده از ضریب هم بستگی از روش تمام­شماری استفاده شده است. در سطح تحلیل خانوار از 1312 مورد، با استفاده از فرمول کوکران تعداد 297 خانوار به عنوان نمونه انتخاب شده و پرسشنامه با استفاده از روش نمونه‌­گیری سیستماتیک تکمیل شده است. برای تجزیه و تحلیل داده‌­ها از آزمون­‌های آماری از قبیل t تک نمونه­ای، تحلیل خوشه­‌ای، همبستگی پیرسون و کروسکال والیس استفاده شده است. نتایج نشان داد که از بین سه شاخص رقابت‌­پذیری مورد مطالعه (جاذبه­‌های مقصد، خدمات پایه و زمینه­‌های گردشگری)، شاخص جاذبه­‌های گردشگری با میانگین عددی 98/3 بیشترین تأثیر را دارد. همچنین، با توجه به میزان ضریب همبستگی 837/0 بین شاخص­های رقابت‌­پذیری گردشگری و توسعه اقتصاد روستاهای هدف گردشگری رابطه همبستگی معناداری در سطح 99 درصد وجود دارد. علاوه بر این، نتیجه آزمون کروسکال والیس نشان داد که تفاوت معناداری در بین روستاهای هدف در شاخص­های رقابت­‌پذیری و توسعه اقتصادی وجود دارد که نقش عوامل جغرافیایی از قبیل اقلیم، ناهمواری­‌ها و تنوع جاذبه‌­های گردشگری در این تفاوت قابل توجه است

کلیدواژه‌ها

  • رقابت پذیری گردشگری
  • اقتصاد روستایی
  • استان کهگیلویه و بویراحمد

20.1001.1.27173747.1401.3.8.5.2

عنوان مقاله [English]

An Analysis of Factors Affecting the Economic Sustainability of Rural Tourism Destinations, Case Study: Tourism Target Villages of Kohgiluyeh and Boyer-Ahmad Provinces

نویسندگان [English]

  • Sakineh Azarakhsh 1
  • Jamshid Einali 2

1 Master's degree in Geography and Rural Planning, Department of Geography, Faculty of Social Sciences, University of Zanjan , Zanjan, Iran.

2 Associate Professor, Department of Geography and Rural Planning, Department of Geography, Faculty of Social Sciences, University of Zanjan, Zanjan, Iran.

چکیده [English]

Rural areas are known as cheap tourist destinations for leisure and recreation due to the combination of natural and cultural tourist attractions resulting from geographical features and lifestyles. Rural tourism development is considered by most researchers as a tool for regeneration and socio-economic revitalization of rural areas to achieve sustainable development. Increasing the number of incoming tourists to rural areas has led to new needs and demands in rural tourist areas, which provide competitive advantages, play an important role in tourist loyalty, satisfaction and re-support of destinations. The present study aims to investigate the role of transportation in the economic competitiveness of rural tourism destinations. The present study is of applied type and its nature is descriptive-analytical based on data collection using field methods (observation and completion of a questionnaire. At the household analysis level, out of 1312 cases, 297 households were selected as a sample using the Cochran's formula and the questionnaire was completed using systematic sampling method. To analyze the data, statistical tests such as t Single sample, cluster analysis, Pearson correlation and Kruskal-Wallis were used. The results showed that among the three competitiveness indices studied (destination attractions, basic services and tourism areas), the tourist attraction index with the average Numerical 3.98 has the greatest effect. Also, according to the correlation coefficient of 0.837, there is a significant correlation between tourism competitiveness indicators and economic development of tourism target villages at the level of 99 %.In addition, the result of Kruskal test Wallis showed a significant difference between the target villages in terms of competitiveness and economic development There is a significant role for geographical factors such as climate, roughness and diversity of tourist attractions in this difference.

An Analysis of Factors Affecting the Economic Sustainability of Rural Tourism Destinations, Case Study: Tourism Target Villages of Kohgiluyeh and Boyer-Ahmad Provinces

آمار توصیفی چیست؟

گاهی در انجام تحقیق یا انجام پایان نامه هدف بررسی شناخت کلی و نحوه توزیع کمیت هایی در یک جامعه آماری است. در این حالت آمار توصیفی کارائی زیادی در خلاصه سازی اطلاعات و توصیف آن دارد. بد نیست ابتدا به بحث در این مورد بپردازیم که آمار توصیفی چیست ؟

در سالهای نه چندان دور، کانون توجه اصلی آمار، همانا خلاصه کردن یا توصیف داده های عددی بوده است. این عرصه، که امروزه فقط یکی از بخش‌های رشته آمار نوین است، آمار توصیفی Descriptive statisticsنامیده می‌شود.در واقع اگر بخواهیم تعریف ساده ای بیان کنیم میتوان گفت: به مجموعه روش‌هایی که برای سازماندهی و خلاصه کردن و توصیف اطلاعات به کار می‌رود،آمار توصیفی گفته میشود.

نرم افزار Spss

نرم افزار Spss به گونه ای طراحی شده است که می تواند طیف وسیعی از تحلیل های آماری را به سادگی و به سرعت انجام دهد.(جهت یادگیری با این نرم افزارلطفا مقاله آموزش تحلیل آماری باSpss را مطالعه نمایید. ). قبل از آنالیز داده ها باید قدم های مقدماتی مشخصی برداشته شود. یک محقق وقتی با حجمی از اطلاعات کمی گرد آوری شده برای تحقیق روبه رو میشود.ضروری است به سازماندهی و خلاصه کردن آنها به صورت معنی دار و قابل درک اقدام کند تا نکات پنهان داده ها آشکار شود و قبل از آنکه مستقیما به سراغ ازمون های آماری برود، ابتدا به بررسی اکتشافی داده ها می پردازد.توصیه میشود قبل از این که سراغ آزمون های آماری بروید مقاله انتخاب صحیح آزمون های آماری را مطالعه فرمایید.

در آمار توصیفی از دو ابزار برای ترسیم یا گزارش ویژگی های موجود در داده ها استفاده می شود.

  1. جداول آمار: متشکل از شاخص های آماری است.
  • شاخص های پراکندگی
  • شاخص های مرکزی
  1. نمودار های آماری : انواع مختلفی دارد و بنا به نوع داده ها و اهداف محقق مورد استفاده قرار میگیرد.

مراحل اساسی توصیف داده ها عبارت است از:

  • خلاصه کردن داده ها و توصیف الگوی کلی

الف) فشرده کردن داده ها در قالب جدول های آماری

ب) نمایش آن ها به وسیله ی نمودار

محاسبه شاخص های پراکندگیvariability:

شاخص های پراکندگی میزان پراکندگی مقادیر هر متغیر را در اطراف میانگین نشان می دهند.به وسیله این شاخص ها، می خواهیم بدانیم تا چه اندازه داده ها در اطراف نقطه تمرکز پراکنده اند.که مهمترین شاخص های پراکندگی عبارتند از:انحراف استاندارد، واریانس، ضریت تغییرات و دامنه تغییرات اشاره کرد.

دامنه تغییرات (Range):

فاصله میان بزرگترین و کوچکترین مقادیر در مجموعه دادها را اندازه گیری می کند. هر چه دامنه طولانی تر باشد، مجموعه داده ها گسترده تر است. دامنه نیز همانند میانگین تحت تأثیر داده های پرت قرار می گیرد و در چنین حالاتی یک معیار مناسب پراکندگی نیست. به علاوه، چون برای محاسبه دامنه فقط از دو اندازه بزرگترین مشاهده و کوچکترین مشاهده استفاده می شود معمولاً معیار رضایت بخشی برای پراکندگی به حساب نمی آید.

وارﯾﺎﻧﺲ- (Variance):

میانگین ﻣﺠﺬور ﺗﻔﺎوت( اﻧﺤﺮاف)ﻣﯿﺎن مزایای استفاده از ضریب هم بستگی ﻫﺮ ﯾﮏ از ﻣﻘﺎدﯾﺮ داده ﻫﺎ ﺑﺎ ﻣﯿﺎﻧﮕﯿﻦ آﻧﻬﺎ ﻣﯽ ﺑﺎﺷﺪ.چون تفسیر واریانس دشوار است در گزارش ها و پژوهش ها از انحراف استاندارد به جای واریانس استفاده می شود.انحراف استاندارد تفسیر میزان پراکندگی را آسان تر قابل فهم تر می مزایای استفاده از ضریب هم بستگی سازد.

انحراف استاندارد(انحراف معیار)standard deviation:

انحراف استاندارد مفیدترین ومتداول ترین شاخص پراکندگی است.مفیدبودن این شاخص به این دلیل است که با این شاخص می توان میزان پراکندگی هرتوزیع پیوسته رابرحسب واحد اندازه گیری نشان داد.این شاخص پایاترین ودقیق ترین شاخص پراکندگی است،که درمحاسبه ی آن ازکلیه ی اعداداستفاده می شود.واعمال ریاضی رامی توان درمورد آن انجام داد.این شاخص به منظورتعیین تغییرات یا پراکندگی توزیع نمره ها به کار برده می شود.ازاین شاخص می توان برای محاسبات آماری استفاده کرد.و به صورت گسترده ای درآماراستنباطی به کاربرده می شود.

چارکها

چارکها نقاطی بر روی مقیاس اندازه گیری هستند که کلیه مشاهدات یا نمره ها را به چهار قسمت مساوی تقسیم می کند

انواع چارکها

محاسبه شاخص های مرکزی Measures of Central Tendency:

کمیت هایی وجود دارند که می توانند به‌صورت کمی جامعه را معرفی نمایند بعضی از آنها محل تمرکز داده‌ها را معرفی می کنند که به آنها شاخص های مرکزی می گویند.همانطور که می دانید در محاسبات آماری لازم است که ویژگیها و موقعیت کلی داده‌ها تعیین شود. برای این منظور شاخصهای مرکزی محاسبه می‌شوند. مهم ترین شاخص های مرکزی عبارتند از : مد، میانه و میانگین که هر یک کاربرد خاص خود را دارا می‌باشند. یک شاخص مرکزی وقتی با ارزش است که دارای خواص زیر باشد:

-در محاسبه آن از تمام داده‌ها استفاده شود.

-دارای خصوصیات ساده قابل محاسبه باشد.

-به فرم ریاضی قابل محاسبه باشد.

عبارت از عددی یا نمره ای که در توزیع فراوانی دارای بیشترین فراوانی است و از طریق مشاهده توزیع فراوانی و تعیین عددی که دارای بیشترین فراوانی است تعیین می شود.

موارد استفاده نما

۱- وقتی که مقیاس اندازه گیری اسمی است.

۲- پژوهشگر علاقمند است عددی را که بیشتر تکرار شده است پیدا کند.

۳- پژوهشگر علاقمند است اطلاعاتی کلی و سریع درباره گرایشهای مرکزی بدست آورد.

میانه:

میانه نقطه ای است که نیمی از توزیع نمره ها در بالای آن و نیم دیگر در پایین آن قرار دارد . در تحقیقاتی که مقیاس اندازه گیری داده‌ها رتبه‌ای یا اسمی‌ است، میانه یا نما مورد استفاده قرار می‌گیرند.

میانگین :

میانگین شناخته ­شده ­ترین و وسیع­ ترین مقدار متوسطی است که مورد استفاده قرار می­ گیرد و توصیف­ کننده مرکز توزیع فراوانی می ­باشد. در تحقیقاتی که مقیاس اندازه گیری داده‌ها حداقل فاصله‌ای است میانگین بهترین شاخص است.

تشکیل جدول توزیع فراوانی:

توزیع فراوانی عبارت است از سازمان دادن داده‌ها یا مشاهدات به صورت طبقات همراه با فراوانی هر طبقه. برای تشکیل یک جدول توزیع فراوانی باید دامنه تغییرات ، تعداد طبقات و حجم طبقات توسط فرمولهای مربوطه محاسبه شده و سپس اقدام به نوشتن جدول توزیع شود.

عناصر دیگر جدول توزیع فراوانی:

  • فراوانی مطلق: به تعداد داده‌ها در هر طبقه فراوانی مطلق آن طبقه می‌گویند و آن را با fi نشان می‌دهند.
  • فراوانی نسبی: در صورتی که فراوانی‌های مطلق را بر کل فراوانی‌ها تقسیم کنیم، فراوانی نسبی ri به دست می‌آید.
  • فراوانی تجمعی: به مجموع فراوانی‌های مطلق طبقه‌های قبل و همان طبقه، فراوانی تجمعی آن طبقه می‌گویند و آن را با Fi نمایش می‌دهند.
  • فراوانی تجمعی نسبی: می‌توان از تقسیم فراوانی های تجمعی بر تعداد داده‌ها، این فراوانی را به دست آورد. (Ri)

تهیه ﺟﺪول ﺗﻮزﻳﻊ ﻓﺮاواﻧﯽ و ﺗﺮﺳﯿﻢ :

این جداول و نمودارها ابزار مفیدی برای تنظیم و نمایش اطلاعات هستند(البته محقق قبل از تهیه جداول باید تعیین کند که ایا توزیع روش مناسبی برای توصیف اطلاعات و برقراری ارتباط هست یا نه).

مهمترین انواع نمودار ها:

  • نمودار هیستوگرام
  • نمودار چند ضلعی
  • نمودار میله‌ای
  • منحنی فراوانی تجمعی (اوجایو)
  • نمودار دایره‌ای یا کلوچه‌ای
  • نمودار شاخه و برگ
  • نمودار پراکنش

هر ویژگی مربوط به یک عضو جامعه را که عملاً مورد پرسش یا اندازه‌گیری قرار می‌گیرد، یک صفت متغیر یا به اختصار یک متغیر (Variable) می‌گویند. بنابراین داده‌ها (Data) مقادیر اندازه‌گیری شده متغیرها هستند.

متغیرها و داده‌ها:

  • متغیرهای کمّی: متغیرهایی هستند که قابل شمارش و اندازه گیری‌اند و حاصل سنجش آنها یک مقدار کمّی است.شامل:
  1. کمی پیوسته: کمیتی که بتواند بین دو مقدار خود تمامی اعداد حقیقی ممکن را بگیرد.
  2. کمی گسسته: کمیتی که مقادیر آن شامل مجموعه شمارش پذیری از اعداد و یا زیر مجموعه ای از آن را اختیار کند
  • متغیرهای کیفی: متغیرهایی هستند که غیر قابل شمارش و اندازه گیری‌اند و حاصل سنجش آنها یک حالت و وضعیت است. شامل :

پس از شناسایی متغیرها باید به سراغ اندازه گیری آن ها برویم. در حقیقت زمانی که متغیرهای تحقیق، شناسایی شدند، مشخص می‌گردد که اندازه‌گیری همه آن ها (مقیاس اندازه‌گیری) به یک صورت ممکن نیست. از نظر میزان دقت اندازه گیری مقیاس ها به چهار دسته تقسیم می شوند.

مقیاس اسمی:

افراد همانند از نظر صفت ویژه، در یک دسته قرار می‌گیرند. ملاک طبقه‌بندی در این نوع مقیاس، بر ویژگی‌های مشترک افراد یا رویدادها مبتنی است.

مقیاس ترتیبی:

مقیاسی است که افراد یا اشیا را از لحاظ صفت ویژه، رتبه‌بندی می‌کند. بین گروهها از نظر متغیر مورد نظر برتری وجود دارد

مقیاس فاصله ای:

این نوع مقیاس نه تنها ترتیب اشیا را نمایان می‌کند، بلکه فاصله بین آنها را نیز مشخص می‌سازد.

مقیاس نسبتی:

دقیق‌ترین مقیاس اندازه‌گیری است. این مقیاس، دارای صفر حقیقی می‌باشد؛ یعنی نقطه ای در مقیاس که نمایان‌گر فقدان کامل ویژگی مورد اندازه‌گیری است. نسبت‌ها در نقاط مختلف این نوع مقیاس، قابل مقایسه‌اند.

محاسبه همبستگی

ضریب همبستگی (Correlation Coefficient) ابزاری آماری برای تعیین نوع و درجه رابطهٔ یک متغیر کمی با متغیر کمی دیگر است. ضریب همبستگی، یکی از معیارهای مورد استفاده در تعیین همبستگی دو متغیر است.محاسبه ضرایب همبستگی تا حدود زیادی متاثر از مقیاس اندازه گیری متغیر ها است.

با توجه به نوع متغیر ها ضریب همبستگی می­تواند یکی از حالت­های زیر را داشته باشد.

۱- دو متغیر اسمی

۲- دو متغیر رتبه­ای

۳- دو متغیر فاصله­ای- نسبی

۴- متغیر اسمی و متغیر رتبه ای

۵- متغیر اسمی و متغیر فاصله­ای – نسبی

۶- متغیر رتبه­ای و متغیر فاصله­ای – نسبی

برای هر کدام از حالت­های بالا ضرایب همبستگی متفاوتی وجود دارند و محاسبه آنها در نرم افزار های spss ، lisrel و R امکان پذیراست.شما عزیزان می توانید انجام تحلیل آماری پروژه های مختلف خود،انجام پایان نامه ارشد و انجام پایان نامه دکتری،مقاله و …را از هر جای ایران به کارشناسان ما بسپارید تا در سریعترین زمان ممکن آن را تحویل شما دهند. در واقع بخش های مربوط به « روش تحقیق » و « فصول سوم تا پنجم پایان نامه ها » نیازمند بکارگیری نرم افزارهای آماری همچون SPSS و LISREL و AMOS و EVIEWS و STATA هستند که همکاران ما با داشتن دانش لازم قادرند آن را برای شما انجام دهند.

محاسبۀ همبستگی برای تحقیقات پارامتری

چنانچه دو متغیر در مقیاس های فاصله یا نسبی اندازه گیری شده باشند، می توان برای تعیین رابطه بین آنها از ضریب همبستگی گشتاوری پیرسون استفاده کرد.ولی اگر در تمام مفروضات ضریب همبستگی پیرسون صادق نباشد، نمی توان از آنها استفاده کرد و به جای آن می توان از روش های دیگری مانند ضریب همبستگی دو رشته ای، و یا ضریب تتراکوریک استفاده کرد.

محاسبۀ همبستگی برای تحقیقات ناپارامتری

در تحقیقاتی که در سطح مقیاس های اسمی و رتبه ای انجام می گیرد، باید از روش های دیگری برای محاسبۀ همبستگی بین دو متغیر استفاده کرد. برخی از این روش ها عبارتند از: ضریب همبستگی فی، ضریب کریمر ، ضریب کاپا و ضریب لامبادا جهت تحقیقات اسمی و ضریب همبستگی اسپیرمن، ضریب کندال و آماره گاما برای تحقیقات ترتیبی.

رگراسیون و پیش بینی

رگراسیون (Regression) روشی برای مطالعه سهم یک یا چند متغیر مستقل در پیش بینی متغیر وابسته است. از تحلیل رگراسیون هم در تحقیقات توصیفی (غیر آزمایشی) و هم در تحقیقات آزمایشی می‌توان استفاده کرد. در حقیقت تحلیل رگرسیونی فن و تکنیکی آماری برای بررسی و مدل سازی ارتباط بین متغیرها است. رگرسیون تقریباً در هر زمینه ای از جمله مهندسی، فیزیک، اقتصاد، مدیریت، علوم زیستی، بیولوژی و علوم اجتماعی برای برآورد و پیشبینی مورد نیاز است .می توان گفت تحلیل رگرسیونی، پرکاربردترین روش در بین تکنیک های آماری است.

با توجه به نوع تحقیق و متغیرهای آن روش متنوعی برای تحلیل رگراسیون وجود دارد که برخی از آنها عبارتند از : رگراسیون خطی (با سه راهبرد همزمان ، گام به گام ، سلسله مراتبی) ، رگراسیون انحنایی ، رگراسیون لوجیستیک و تحلیل کواریانس.

تحلیل داده‌های ماتریس کواریانس

از جمله تحلیل‌های همبستگی ، تحلیل ماتریس کواریانس یا ماتریس همبستگی است. دو نوع از معروفترین این تحلیل‌ها عبارتند از : مدل تحلیل عاملی برای پی بردن به متغیرهای زیر بنایی یک پدیده در دو دسته اکتشافی و تاییدی و مدل معادلات ساختاری برای بررسی روابط علی بین متغیرها.

الو تز برندی متفاوت در خدمات پایان نامه و مشاوره پروپوزال با همکاری اساتید برجسته ایران

فدرال رزرو نرخ بهره را تا چه زمانی بالا نگه می‌دارد؟

فدرال رزرو نرخ بهره را تا چه زمانی بالا نگه می‌دارد؟

چپاول پالایشگاه کرمانشاه؛ افکار عمومی منتظر ابطال مجوز واگذاری

برج‌ حال باغ را گرفته، آقایان نوشدارو بعد از مرگ سهراب افاقه نمی کند!

برج‌ حال باغ را گرفته، آقایان نوشدارو بعد از مرگ سهراب افاقه نمی کند!

با بهترین ماینرهای بیت کوین آشنا شوید

با بهترین ماینرهای بیت کوین آشنا شوید

کدام کشورها بزرگترین مصرف کننده زغال سنگ در جهان هستند؟

کدام کشورها بزرگترین مصرف کننده زغال سنگ در جهان هستند؟

با انقلاب تکنولوژیکی آینده آشنا شوید

با انقلاب تکنولوژیکی آینده آشنا شوید

بایدنومیکس اکثریت را از دموکرات ها می‌گیرد؟

بایدنومیکس اکثریت را از دموکرات ها می‌گیرد؟

شیب افزایش قیمت مسکن؛ بیش‌تر از سال گذشته، کم تر از ابتدای امسال

شیب افزایش قیمت مسکن؛ بیش‌تر از سال گذشته، کم تر از ابتدای امسال

تولید انرژی با سلول های فتوولتائیک خورشیدی

زوار اربعین، جدیدترین قربانیان قیمت گذاری دستوری و بی توجهی به پلتفرم ها!

  • پرتال شرکت‌ها
  • اعداد روز اقتصاد ایران
  • کارآفرینی

گزارش نیمه اول معاملات امروز؛

جهش ۲۵ هزار واحدی شاخص کل / بورس در پاییز بهار شد

در اولین روز هفته سوم آبان، بورس یکی از درخشان ترین روزها خود را سپری می‌کند. تا نیمه معاملات،‌شاخص کل بیش از ۲۴ هزار واحد افزایش داشته است؛ هم وزن هم در همان جهت در حال حرکت است.

رشد بازار رمزارزها ادامه دارد؛

جهش ۴ درصدی قیمت بیت کوین

در حال حاضر بازار رمزارزها شاهد رشد بوده و اکنون بیت کوین در کانال ۲۱ هزار دلاری قرار دارد.

گزارش میدانی اقتصاد آنلاین از بازار مسکن؛

آپارتمان های منطقه ۳ تهران چند؟

در گزارش زیر به بررسی قیمت و مشخصات آپارتمان‌های منطقه ۳ تهران خواهیم‌ پرداخت.

با افزایش نرخ بهره در آمریکا؛

خودرو ارزان می شود ولی مصرف کننده پول بیش‌تری می‌دهد!

در نتیجه افزایش عرضه و کاهش تقاضا به دلیل شرایط بد اقتصادی ممکن است قیمت خودروهای صفر کیلومتر در ماه‌های آتی کاهشی شود. اما با اتخاذ سیاست های افزایش نرخ بهره خریداران نباید انتظار کاهش اقساط خرید خودرو را داشته باشند.

بر اساس اعلام مرکز آمار؛

روغن مایع رکورددار افزایش قیمت سالانه، در مهرماه ۲.۴ درصد ارزان شد

بر اساس گزارش مرکز آمار، قیمت روغن مایع در مهر ماه ۲۸۹.۱ درصد نسبت به سال قبل افزایش یافته است.

اکونومیست بررسی کرد؛

دمکرات‌ها و بزرگترین سیاست صنعتی دهه های اخیر/ ماهیت مدل اقتصاد آمریکایی در خطر بایدنومیکس!

بایدن قصد دارد از سیاست صنعتی برای ایجاد شغل، کاهش انتشار گازهای گلخانه‌ای و تقویت تولید استفاده کند. برای دستیابی به این اهداف، قوانین به دنبال مهندسی مجدد مدل رشد آمریکا از طریق نقش مهم دولت در هدایت سرمایه‌گذاری در داخل و مدیریت تجاری خارج از…

در پی افزایش حجم ورود استیبل‌ کوین ها به صرافی‌ها؛

صعود بیت کوین قریب الوقوع است؟

حجم ورود استیبل‌کوین‌ها به مبادلات در صرافی‌ها رکورد جدید زده است. از این رو در این مقاله به بررسی این سوال می‌پردازیم که آیا صعود بیت‌کوین قریب الوقوع است؟

گزارش میدانی اقتصاد آنلاین از بازار مسکن؛

آپارتمان های ۵۰ متری جنوب تهران چند؟

در گزارش زیر به بررسی قیمت و مشخصات آپارتمان‌های ۵۰ متری جنوب تهران خواهیم‌ پرداخت.

همبستگی معکوس

همبستگی معکوس ، که به آن همبستگی منفی نیز گفته می شود ، رابطه ای برعکس بین دو متغیر است به طوری که وقتی مقدار یک متغیر زیاد باشد ، احتمالاً مقدار متغیر دیگر کم است. به عنوان مثال ، با متغیرهای A و B ، همانطور که A دارای مقدار زیادی است ، B دارای مقدار کم و به عنوان A دارای مقدار کم ، B دارای مقدار زیادی است. در اصطلاحات آماری ، یک همبستگی معکوس اغلب با ضریب همبستگی "r" با مقدار بین -1 و 0 نشان داده می شود ، با r = -1 که نشان دهنده همبستگی معکوس کامل است.

غذاهای کلیدی

  • همبستگی معکوس (یا منفی) زمانی است که دو متغیر در یک مجموعه داده به هم مرتبط باشند به طوری که وقتی یکی بالا باشد دیگری کم است.
  • حتی اگر دو متغیر ممکن است همبستگی منفی شدیدی داشته باشند ، اما این لزوماً به این معنی نیست که رفتار یکی از آنها تأثیر علیتی بر دیگری دارد.
  • رابطه بین دو متغیر می تواند با گذشت زمان تغییر کند و همچنین ممکن است دارای دوره های همبستگی مثبت باشد.

نمودار همبستگی معکوس

برای بررسی همبستگی می توان دو مجموعه از نقاط داده را بر روی یک نمودار x و y رسم کرد. این نمودار پراکندگی نامیده می شود ، و نشان دهنده روشی بصری برای بررسی همبستگی مثبت یا منفی است. نمودار زیر همبستگی قوی معکوس بین دو مجموعه نقطه داده رسم شده بر روی نمودار را نشان می دهد.

نمونه ای از محاسبه همبستگی معکوس

همبستگی را می توان بین متغیرهای موجود در یک مجموعه داده محاسبه کرد تا به یک نتیجه عددی برسید ، که متداول ترین آنها به نام پیرسون شناخته می شود ر. چه زمانی ر کمتر از 0 است ، این نشان دهنده همبستگی مزایای استفاده از ضریب هم بستگی معکوس است. در اینجا یک مثال محاسبه محاسبه ای پیرسون آورده شده است ر، با نتیجه ای که همبستگی معکوس بین دو متغیر را نشان می دهد.

فرض کنید یک تحلیلگر نیاز به محاسبه درجه همبستگی بین X و Y در مجموعه داده های زیر با هفت مشاهده در مورد دو متغیر دارد:

  • X: 55 ، 37 ، 100 ، 40 ، 23 ، 66 ، 88
  • Y: 91 ، 60 ، 70 ، 83 ، 75 ، 76 ، 30

سه مرحله در یافتن ارتباط وجود دارد. ابتدا تمام مقادیر X را برای یافتن SUM (X) جمع کنید ، تمام مقادیر Y را برای یافتن SUM (Y) جمع کرده و هر مقدار X را با مقدار Y مربوطه ضرب کرده و جمع کنید تا SUM (X، Y) پیدا کنید:

SUM (X) = 55 + 37 + 100 + 40 + 23 + 66 + 88 = 409

SUM (Y) = 91 + 60 + 70 + 83 + 75 + 76 + 30 = 485

SUM (X، Y) = (55 × 91) + (37 × 60) +… + (88 × 30) = 26،926

مرحله بعدی این است که هر مقدار X را بگیرید ، آنرا مربع کنید و همه این مقادیر را جمع کنید تا SUM (x) پیدا شود 2 ) برای مقادیر Y نیز باید همین کار را انجام داد:

SUM (X2) = (552) + (372) + (1002) +… + (882) = 28،623

SUM (Y2) = (912) + (602) + (702) +… + (302) = 35،971

با توجه به اینکه هفت مشاهده وجود دارد ، n، فرمول زیر را می توان برای یافتن ضریب همبستگی استفاده کرد ، ر:

r = [(n × SUM (X2) −SUM (X) 2] × [n × SUM (Y2) −SUM (Y) 2)] [n × (SUM (X، Y) - (SUM (X ) × (SUM (Y))]]

در این مثال ، همبستگی این است:

  • r = ((7 × 28،623−4092) × (7 × 35،971−4852)) (7 × 26،926 − (409 × 485))
  • r = 23884 9 9،883
  • r = .40.42

این دو مجموعه داده همبستگی -0.42 دارند که این همبستگی معکوس نامیده می شود زیرا عدد منفی است.

همبستگی معکوس به شما چه می گوید؟

همبستگی معکوس به شما می گوید که وقتی یک متغیر زیاد است ، متغیر دیگر کم است. تجزیه و تحلیل همبستگی می تواند اطلاعات مفیدی در مورد رابطه بین دو متغیر ، مانند چگونگی حرکت بازارهای سهام و اوراق قرضه در جهت مخالف ، را نشان دهد.

ضریب همبستگی غالباً به صورت پیش بینی شده برای برآورد معیارهایی مانند مزایای کاهش خطر تنوع پرتفوی و سایر داده های مهم استفاده می شود. اگر بازده دارایی های مختلف با هم ارتباط منفی داشته باشند ، در صورت قرار گرفتن در همان نمونه کارها ، می توانند یکدیگر را متعادل کنند.

در بازارهای مالی ، مثال مشهوری از همبستگی معکوس احتمالاً همان رابطه بین دلار آمریکا و طلا است. با کاهش ارزش دلار آمریکا در برابر ارزهای اصلی ، به طور کلی قیمت دلار طلا افزایش می یابد و با افزایش ارزش دلار آمریکا ، طلا کاهش قیمت می یابد.

محدودیت های استفاده از همبستگی معکوس

با توجه به همبستگی منفی دو نکته باید در خاطر داشته باشید. اولاً ، وجود همبستگی منفی یا همبستگی مثبت برای آن موضوع ، لزوماً به معنی رابطه علی نیست. حتی اگر دو متغیر همبستگی معکوس بسیار قوی داشته باشند ، این نتیجه به خودی خود رابطه علت و معلولی را بین این مزایای استفاده از ضریب هم بستگی دو نشان نمی دهد.

دوم ، هنگام پرداختن به داده های سری زمانی ، مانند بیشتر داده های مالی ، رابطه بین دو متغیر ثابت نیست و می تواند با گذشت زمان تغییر کند. این بدان معنی است که متغیرها ممکن است در برخی دوره ها یک همبستگی معکوس و در برخی دیگر همبستگی مثبت داشته باشند. به همین دلیل ، استفاده از نتایج تجزیه و تحلیل همبستگی برای برون ریزی نتیجه گیری مشابه به داده های آینده ، درجه بالایی از خطر را به همراه دارد.



اشتراک گذاری

دیدگاه شما

اولین دیدگاه را شما ارسال نمایید.