د کټګوري معلوماتو تحلیل څنګه وکړو
کټګوري معلومات د معلوماتو یو له خورا عام ډولونو څخه دی چې په څیړنه، سوداګرۍ، بازار موندنې، روغتیا، تعلیم، او حتی د پیرودونکو د رضایت سروې کې ورسره مخ کیږي. د شمیرو معلوماتو (د مثال په توګه، عمر، قد، عاید) برعکس، کوم چې د اوسط یا معیاري انحراف په کارولو سره محاسبه کیدی شي، کټګوري معلومات لیبلونه یا ګروپونه لري لکه "نارینه/ښځینه،" "موافق/موافق،" "الف/ب/ج،" یا "مطمین/بې طرفه/نارضایت." د خپل کټګوري طبیعت له امله، تحلیلي تخنیکونه ځانګړي طریقو ته اړتیا لري. دا مقاله د کټګوري معلوماتو په مؤثره توګه تحلیل لپاره عملي ګامونه او عام میتودونه بحث کوي.
۱. د کټګوري معلوماتو ډولونو پوهیدل
د تحلیل کولو دمخه، لومړی پوه شئ چې تاسو کوم ډول کټګوري معلومات لرئ. عموما، دوه ډوله شتون لري:
۱) نومیالی
کټګورۍ هیڅ ترتیب نلري. مثالونه: جنس، د خوښې رنګ، د محصول برانډ، د استوګنې سیمه.
۲) عادي
کټګورۍ یو ترتیب یا کچه لري. مثالونه: د رضایت کچه (نارضایت - عادلانه - مطمین)، د زده کړې کچه (د لیسې - لیسانس سند - ماسټرۍ سند)، د لیکرټ کچه (په کلکه مخالف - په کلکه موافق).
دا توپیر مهم دی ځکه چې دا د تحلیل مناسب تخنیکونه اغیزمن کوي. عادي معلومات د هغې د ترتیب په پام کې نیولو سره تحلیل کیدی شي ، پداسې حال کې چې نومول شوي معلومات نشي کولی.
۲. د معلوماتو چمتو کول: کوډونه، لیبلونه، او د معلوماتو پاکوالی
ښه تحلیل تل د منظم معلوماتو سره پیل کیږي. د چمتووالي وړاندیز شوي ګامونه:
- د کټګورۍ لیکلو معیاري کول: د مثال په توګه "نارینه" او "هلک" باید سره یوځای شي ترڅو دوی مختلف کټګورۍ ونه ګڼل شي.
- ورک شوي ارزښتونه اداره کړئ: پریکړه وکړئ چې ایا حذف کړئ، تور ولګوئ، یا جلا کټګوري جوړه کړئ لکه "ځواب نه دی ورکړی".
- که اړتیا وي کوډ جوړ کړئ: د مثال په توګه، موافق = 4، بې طرفه = 3، موافق = 2. د نومي ارزښتونو لپاره، عددي کوډ یوازې یو لیبل دی، نه ریاضيکي ارزښت.
– د هغو کټګوریو لپاره وګورئ چې ډیرې نادرې دي: د ډیرو ټیټو فریکونسیو سره کټګورۍ کولی شي د تحلیل سره مداخله وکړي؛ ځینې وختونه دوی باید یوځای شي ترڅو ډیرې باثباته پایلې ترلاسه کړي.
۳. تشریحي تحلیل: فریکونسي او تناسب
د کټګوري معلوماتو لپاره ترټولو اساسي او خورا مهمه لاره محاسبه کول دي:
– فریکونسی: په هره کټګورۍ کې د ځواب ویونکو / مشاهدو شمیر.
- تناسب یا سلنه: فریکونسي د ټول معلوماتو لخوا ویشل شوې.
یوه ساده بیلګه: د ۲۰۰ ځواب ورکوونکو څخه، ۱۲۰ "مطمین" وو، ۵۰ "بې طرفه" وو، او ۳۰ "مطمین" وو. د مطمئن ځواب ورکوونکو سلنه ۶۰٪ ده.
تشریحي تحلیل د کټګوریو د ویش لومړنۍ کتنه وړاندې کوي. ډیری وختونه، مهمې موندنې دلته پیژندل کیږي: غالب کټګورۍ، د ډلو ترمنځ په جوړښت کې توپیرونه، یا د "عجیب" کټګوریو شتون د دوی د کوچني یا لوی شمیر له امله.
۴. د کټګوري معلوماتو لپاره مناسب لید
لیدلوری لوستونکو سره مرسته کوي چې په چټکۍ سره نمونې پوه شي. عام چارټونه:
- بار چارټ (د بار ډیاګرام): د نومینل او آرډینل لپاره خورا مناسب.
- سټک شوي بار چارټ (سټک شوي بارونه): د ډیری ګروپونو په اوږدو کې د کټګورۍ جوړښت پرتله کولو لپاره ښه دی، د بیلګې په توګه د هرې څانګې رضایت.
– پای چارټ: کارول کیدی شي، مګر لږ اغیزمن وي که چیرې ډیری کټګورۍ یا کوچني توپیرونه شتون ولري.
- موزیک پلاټ: د دوو کټګوري متغیرونو ترمنځ د اړیکو لیدلو لپاره ګټور.
- د پارټو چارټ: یو بار چارټ چې له لوړې څخه تر ټیټې فریکونسۍ پورې ترتیب لري، ډیری وختونه د ستونزې لومړیتوب تحلیل لپاره کارول کیږي.
لارښوونه: د عادي معلوماتو لپاره، کټګورۍ د کچې له مخې ترتیب کړئ (د مثال په توګه، د "قوي موافق نه" څخه "قوي موافق" ته)، نه د الفبا له مخې.
۵. د کراسسټاب جوړول
که تاسو غواړئ د دوو کټګوري متغیرونو ترمنځ اړیکه وګورئ، نو د کراس ټیب څخه کار واخلئ. د مثال په توګه، د "جنس" او "محصول غوره توب" یا "سیمه" او "پیرود حالت" ترمنځ اړیکه.
کراسسټابولیشن یو جدول تولیدوي چې ښیي چې د کتګوریو په ځانګړي ترکیب کې څومره مشاهدې شتون لري. تاسو کولی شئ اضافه کړئ:
- د هر قطار سلنه: په هر قطار کې د ستنو کټګوریو ویش باندې تمرکز کوي.
- د هر ستون سلنه: په هر ستون کې د قطار کټګوریو ویش باندې تمرکز کوي.
- د ټولټال سلنه: د هرې حجرې ونډه په ټولټال کې.
کراس ټیبونه اکثرا د تشریحي او احصایوي ازموینو ترمنځ د "پل" په توګه کار کوي.
۶. د خپلواکۍ لپاره د چای مربع ازموینه
د دې لپاره چې معلومه شي چې دوه کټګوري متغیرونه سره تړاو لري یا خپلواک، تر ټولو عام ازموینه د خپلواکۍ د چی-مربع (χ²) ازموینه ده. فرضیه دا ده:
– H0: هیڅ اړیکه نشته (خپلواک)
– H1: یوه اړیکه شتون لري (خپلواکه نه ده)
که چیرې د p- ارزښت د اهمیت کچه (د مثال په توګه 0,05) وي، نو د دوو متغیرونو ترمنځ د اړیکو شواهد شتون لري.
ځینې مهمې یادونې:
- د چای مربع ازموینه کافي اندازه معلوماتو ته اړتیا لري، په ځانګړې توګه په تمه شوي فریکونسۍ کې. که چیرې ډیر حجرې وي چې د ټیټ تمه شوي شمیر سره وي، د ازموینې پایلې ممکن باطلې وي.
– که نمونه کوچنۍ وي، د فشر دقیق ازموینه (په ځانګړې توګه د 2×2 جدول) په پام کې ونیسئ.
۷. د اړیکو د ځواک اندازه کول: د کرامر V او Phi
د چای مربع ازموینه ښیي چې ایا اړیکه شتون لري، مګر دا تاسو ته نه وايي چې اړیکه څومره قوي ده. د دې هدف لپاره، د اغیز اندازه کارول کیږي:
– فای (φ): د ۲×۲ میز لپاره.
– کرامر V: د 2×2 څخه لویو میزونو لپاره.
د کرامر V ارزښتونه له 0-1 پورې دي:
- صفر ته نږدې کېدل: کمزورې اړیکه
- نږدې ۱: قوي اړیکه
په راپور کې، د بشپړ تفسیر لپاره د p-ارزښت او د اغیز اندازه ذکر کړئ.
۸. د عادي معلوماتو تحلیل: د رتبې اړیکه او د رجحان ازموینه
که ستاسو کټګوري معلومات منظم وي، تاسو کولی شئ داسې طریقه وکاروئ چې ترتیب په پام کې ونیسي، د مثال په توګه:
- د سپیرمین رتبې اړیکه (د دوو عادي متغیرونو یا عادي متغیرونو په مقابل کې چې نورمال ندي)
- د کینډال ټاو (د سپیرمین بدیل، ډیری وختونه د کوچنیو نمونو لپاره مستحکم)
- د احتمالي جدول کې د رجحان ازموینه، ترڅو وګورئ چې ایا د زیاتوالي / کمولو یو ثابت نمونه شتون لري.
د مثال په توګه: ایا د زده کړې کچه (د لیسې – لیسانس – ماسټرۍ – دوکتورا) د موافقې کچې (۱–۵) سره په زیاتیدونکي ډول تړاو لري؟
۹. د وړاندوینې ماډل: لوژستیکي ریګریشن
که ستاسو هدف یوازې د اړیکو لیدل نه وي، بلکې د نورو متغیرونو پر بنسټ د کټګوریو وړاندوینه کول وي، نو ریګریشن وکاروئ:
- بائنري لوژستیکي ریګریشن: د دوه کټګوریو محصول لپاره (د مثال په توګه "پیرود" د "نه اخلئ").
- څو نومي لوژستیکي ریګریشن: د ترتیب پرته د دوو څخه زیاتو کټګوریو محصولاتو لپاره (د مثال په توګه "پیکج A/B/C").
- عادي لوژستیکي ریګریشن: د ترتیب شوي کټګورۍ محصولاتو لپاره (د مثال په توګه اطمینان ۱-۵).
د لوژستیکي ریګریشن ګټه: تاسو کولی شئ په یو وخت کې څو وړاندوینې کونکي داخل کړئ (عمر، موقعیت، د بازار موندنې چینل) او د توپیر تناسب پر بنسټ تفسیر ترلاسه کړئ، د مثال په توګه "د پیرودلو چانس په ګروپ X کې 1,8 ځله زیاتیږي".
۱۰. د پایلو تفسیر او د پایلو لیکل
د معلوماتو ښه کټګوري تحلیل په شمېرو پورې محدود نه دی، بلکې په روښانه توګه د څیړنې پوښتنې ته ځواب ورکوي. کله چې پایله لیکئ:
– د اصلي ویش بیان کړئ (د مثال په توګه "۶۰٪ ځواب ورکوونکي راضي دي").
– که چیرې د تړاو ازموینه وي، د p- ارزښت او د اغیز اندازه راپور کړئ (د مثال په توګه، د کرامر V).
– عملي اهمیت تشریح کړئ: ایا توپیرونه د پالیسۍ، بازار موندنې ستراتیژۍ، یا سازماني پریکړو لپاره مهم دي.
- که معلومات مشاهداتي وي، د علتي ادعاوو څخه ډډه وکړئ. اړیکه تل د علت معنی نه لري.
تړل
د کټګوري معلوماتو تحلیل لپاره د معلوماتو ډولونو (نوم لیکنه او ترتیب) پوهیدل، د فریکونسیو روښانه توضیحات، مناسب لید، کراس ټابولیشنونه، او احصایوي ازموینې لکه د چی مربع او د اغیزو اندازې لکه کرامر V ته اړتیا ده. د وړاندوینې موخو لپاره، لوژستیک ریګریشن یو خورا پیاوړی وسیله ده. د دې ګامونو سره، تاسو کولی شئ لیبل شوي معلومات د پریکړې کولو لپاره په احصایوي لحاظ معتبر او ګټور بصیرتونو بدل کړئ.
که تاسو وغواړئ، زه کولی شم ستاسو د ډیټاسیټ یا قضیې پراساس د نمونې تحلیل (د مثال په توګه د ایکسل، SPSS، R، یا پایتون کارول) په جوړولو کې ستاسو سره مرسته وکړم.
