تحليل الارتباطات ثنائية المتغير يحسب إجراء تحليل الارتباطات ثنائية المتغير Bivariate Correlations الارتباطات الزوجية لمجموعة من المتغيرات ويعرض النتائج في مصفوفة. يفيد هذا الإجراء في تحديد قوة واتجاه الارتباط بين متغيرين مقياسين scale أو متغيرين ترتيبيين ordinal. مثال دراسة الارتباط بين مبيعات السيارات وكفاءة الوقود من أجل زيادة المبيعات، يرغب مهندسو تصميم السيارات في تركيز انتباههم […]
حساب التأثيرات العشوائية باستخدام النموذج الخطي العام أحادي المتغير في التحليلات السابقة، بحثت سلسلة متاجر البقالة العلاقة بين سلوك تسوق العملاء والمبلغ الذي يتم إنفاقه. ومع ذلك، هناك الكثير من الاختلافات من متجر إلى متجر والتي تقلل من قدرتك على تقدير آثار هذه السلوكيات. من خلال إضافة موقع المتجر كتأثير عشوائي random effect، يمكنك تقليل
تحليل التباين المشترك باستخدام النموذج الخطي العام أحادي المتغير يريد أنصار برنامج الأعمال الحكومية معرفة ما إذا كان البرنامج يساعد الناس في الحصول على وظائف أفضل، مع التحكم في رواتبهم قبل الالتحاق بالبرنامج. تمت متابعة عينة من المشاركين المحتملين في البرنامج، تم اختيار بعضهم عشوائيًا للتسجيل في البرنامج، بينما لم يتم اختيار البعض الآخر. في
استخدام النموذج الخطي العام أحادي المتغير لإجراء تحليل التباين الثنائي قامت سلسلة متاجر بقالة بمسح مجموعة من العملاء فيما يتعلق بعاداتهم الشرائية. بالنظر إلى نتائج الاستطلاع ومقدار ما أنفقه كل عميل في الشهر السابق، يريد المتجر معرفة ما إذا كان تكرار التسوق للعملاء مرتبطًا بالمبلغ الذي ينفقونه في الشهر، مع التحكم في جنس العميل. من
النموذج الخطي العام أحادي المتغير يسمح لك إجراء النموذج الخطي العام أحادي المتغير GLM Univariate (اختصار General Linear Model) بنمذجة قيمة متغير مقياس تابع dependent scale variable بناءً على علاقته بالتنبؤات الفئوية والقياسية. إجراء النموذج الخطي العام أحادي المتغير يعتمد إجراء GLM أحادي المتغير على إجراء النموذج الخطي العام، حيث يفترض أن العوامل والمتغيرات المشتركة
المقارنات المتعددة بين المتوسطات تعد التباينات Contrasts طريقة فعالة وقوية لمقارنة المجموعات التي تريد مقارنتها بشكل محدد ودقيق، باستخدام أي أوزان للتباين التي تحتاجها. ومع ذلك، هناك أوقات لا يوجد فيها أو لا تحتاج إلى مثل هذه المقارنات المحددة. يسمح لك إجراء تحليل التباين أحادي الاتجاه One-Way ANOVA بمقارنة كل متوسط مجموعة من المجموعات مع
اختبار التباين بين المتوسطات بشكل عام، تثبت إحصائيات F أنه يوجد أو لا يوجد فرق بين متوسطات المجموعة، ويشير المخطط إلى المكان الذي قد يكمن الاختلاف فيه. كما يوضح هذا القسم، يمكنك استخدام إجراء تحليل التباين أحادي الاتجاه One-Way ANOVA من أجل اختبار التباين بين المتوسطات وتحديد كيفية اختلاف تلك المتوسطات بالضبط واختبار تلك المواصفات.
إجراء تحليل التباين أحادي الاتجاه استجابة لطلبات العملاء، تقوم شركة إلكترونيات بتطوير مشغل أقراص DVD جديد. باستخدام نموذج أولي، قام فريق التسويق بجمع بيانات مجموعة التركيز. سوف يتم تطبيق إجراء تحليل التباين أحادي الاتجاه One-Way ANOVA لاكتشاف ما إذا كان المستهلكون من مختلف الأعمار قد صنفوا التصميم بشكل مختلف. يستخدم هذا المثال الملف dvdplayer.sav. راجع
اختبار مساواة التباين الجماعي تتمثل الخطوة الأولى المهمة في تحليل التباين الأحادي في إثبات صحة الافتراضات. أحد افتراضات ANOVA هو أن تباينات المجموعات متكافئة. يوضح المثال التالي كيفية إجراء هذا الاختبار. يرغب مدير المبيعات في تحديد العدد الأمثل لأيام التدريب على المنتج اللازمة للموظفين الجدد. لديه درجات أداء لثلاث مجموعات: الموظفون الذين حصلوا على تدريب
اختبار ت للعينات المستقلة يختبر إجراء اختبار ت للعينات المستقلة Independent-Samples T Test أهمية الاختلاف بين متوسطي العينة. كما يتم عرض: تحديد المجموعات في اختبار ت للعينات المستقلة عادة، يتم إصلاح المجموعات في اختبار t من عينتين باستخدام التصميم، ومتغير التجميع له قيمة واحدة لكل مجموعة. ومع ذلك، هناك أوقات يمكن فيها إجراء التخصيص لإحدى