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 وي (د مثال په توګه، 0,05)، نو د دوو متغیرونو ترمنځ د اړیکو شواهد شتون لري. ځینې مهم یادښتونه: - د چای مربع ازموینه کافي اندازه معلوماتو ته اړتیا لري، په ځانګړې توګه په تمه شوي فریکونسۍ کې. که چیرې د ټیټ تمه شوي شمیر سره ډیر حجرې شتون ولري، د ازموینې پایلې ممکن باطلې وي. - که نمونه کوچنۍ وي، د فشر دقیق ازموینه په پام کې ونیسئ (په ځانګړې توګه د 2x2 جدولونو لپاره). 7. د اړیکې ځواک اندازه کول: د کرامر V او فای د چای مربع ازموینه ښیي چې ایا اړیکه شتون لري، مګر تاسو ته نه وايي چې دا څومره قوي ده. د دې هدف لپاره، د اغیزې اندازې کارول کیږي: - فای (φ): د 2x2 جدولونو لپاره. - د کرامر V: د 2x2 څخه لویو جدولونو لپاره. د کرامر V له 0-1 څخه: - نږدې 0: ضعیف اړیکه - نږدې 1: قوي اړیکه په راپور کې، د بشپړ تفسیر لپاره د p ارزښت او اغیزې اندازه ذکر کړئ. ۸. د عادي معلوماتو تحلیل: د رتبې ارتباط او د رجحان ازموینې که ستاسو کټګوري معلومات منظم وي، تاسو کولی شئ هغه طریقې وکاروئ چې ترتیب په پام کې ونیسي، د بیلګې په توګه: - د سپیرمین رتبې ارتباط (د دوو عادي متغیرونو لپاره یا د عادي په مقابل کې غیر عادي عددي) - د کینډال ټاو (د سپیرمین بدیل، ډیری وختونه د کوچنیو نمونو لپاره مستحکم) - د احتمالي جدولونو کې د رجحان ازموینې، ترڅو وګورئ چې ایا یو ثابت زیاتیدونکی / کمیدونکی نمونه شتون لري. د مثال په توګه: ایا د زده کړې کچه (د لیسې - لیسانس - ماسټر - دوکتورا) د موافقې کچې (۱-۵) سره په زیاتیدونکي نمونه کې تړاو لري؟ ۹. وړاندوینې ماډلونه: لوژستیکي ریګریشن که ستاسو هدف یوازې د اړیکو لیدل نه وي، مګر د نورو متغیرونو پراساس کټګوریو وړاندوینه کول وي، ریګریشن وکاروئ:
- د دوه کټګوریو محصول لپاره (د مثال په توګه، "خرید" د "نه اخلئ"). - څو اړخیز لوژستیکي راجستر: د دوه څخه زیاتو غیر منظم کټګوریو سره د محصول لپاره (د مثال په توګه، "پیکج A/B/C"). - عادي لوژستیکي راجستر: د ترتیب شوي کټګوریو محصول لپاره (د مثال په توګه، اطمینان 1-5). د لوژستیکي راجستر ګټه: تاسو کولی شئ په یوځل کې ډیری وړاندوینې کونکي شامل کړئ (عمر، موقعیت، د بازار موندنې چینل) او د توپیر تناسب پر بنسټ تفسیر ترلاسه کړئ، د مثال په توګه، "د پیرود احتمال په ګروپ X کې 1,8 ځله زیات شوی." 10. د پایلو تفسیر او د پایلو لیکلو ښه کټګوریو تحلیل د شمیرو هاخوا ځي، مګر په روښانه توګه د څیړنې پوښتنې ته ځواب ورکوي. کله چې پایلې ولیکئ: - اصلي ویش بیان کړئ (د مثال په توګه، "60٪ ځواب ویونکي مطمئن دي"). - که چیرې د اړیکې ازموینه وي، د p- ارزښت او د اغیز اندازه راپور کړئ (د مثال په توګه، د کرامر V). - عملي اهمیت تشریح کړئ: ایا توپیر د پالیسۍ، بازار موندنې ستراتیژۍ، یا سازماني پریکړو لپاره مهم دی. - که چیرې معلومات مشاهداتي وي نو د علت ادعاوو څخه ډډه وکړئ. ټولنه تل د علت معنی نه لري. د کټګوري معلوماتو تحلیل د معلوماتو ډولونو (نوم لیکنه د ترتیب په مقابل کې)، د فریکونسۍ روښانه توضیحات، مناسب لید، کراس ټیبلیشن، او احصایوي ازموینې لکه د چی مربع او د اغیزو اندازې لکه کرامر V پوهیدلو ته اړتیا لري. د وړاندوینې موخو لپاره، لوژستیک ریګریشن یو خورا پیاوړی وسیله ده. د دې ګامونو سره، تاسو کولی شئ لیبل شوي معلومات په احصایوي ډول سم بصیرتونو ته واړوئ چې د پریکړې کولو لپاره ګټور دي. که تاسو غواړئ، زه کولی شم ستاسو د ډیټاسیټ یا قضیې مطالعې پراساس د نمونې تحلیل (د مثال په توګه، د ایکسل، SPSS، R، یا پایتون کارول) په جوړولو کې مرسته وکړم.