تحلیل تشخیصی Discriminant Analysis با استفاده از spss
توابع تحلیل تشخیصی که جزو گروه (GLM) یا همان مدل های خطی عمومی لحاظ می گردند، در واقع همانند تابع رگرسیون لجستیک نوعی ترکیب وزنی هستند که به منظور پیش بینی عضویت یک فرد یا موضوع مورد بررسی در یکی از چند گروه ممکن بکار می روند. با این تفاوت که در تحلیل تشخیصی متغیر مستقل حتماً باید دارای مقیاس فاصله ای یا نسبتی بوده و در آن نمی توان متغیرهای دارای مقیاس ترتیبی یا اسمی را وارد نمود. متغییر وابسته نیز مانند رگرسیون لجستیک می تواند اسمی یا ترتیبی باشد. همچنین تفاوت این تحلیل با تحلیل واریانس چند متغیره در این است که در تحلیل واریانس این متغیر وابسته است که حالت کمی داشته و متغیر(های) مستقل حالت کیفی یا مقوله ای دارند.
پیشنهاد می گردد که حجم نمونه مورد استفاده در تحلیل تشخیص حداقل 20 برابر تعداد متغیرهای مستقل باشد.
معادله تحلیل تشخیصی را می توان همانند معادله رگرسیون چند متغیره بصورت زیر نوشت:
Yi = a + b1X1 + b2X2 + . . . + bnXn
در ادامه با ذکر یک مثال به نحوه محاسبه و تفسیر نتایج با استفاده از این تحلیل می پردازیم.
1- مسئله مورد بررسی:
یک شرکت بزرگ حمل و نقل هوایی کارکنان خود در سه طبقه شغلی طبقه بندی نموده است که عبارتند از ؛ 1) مهمانداران، 2) مکانیکان و 3) توزیع کنندگان. مدیر منابع انسانی شرکت می خواهد بداند که آیا هر یک از این گروه ها دارای ویژگی های شخصیتی متفاوتی هستند؟ برای این منظور یک تست روانشناسی که شامل سه بخش علاقه به فعالیت در فضای باز، جامعه پذیری (یا معاشرت) و محافظه کاری است را اعمال می نماید و در نهایت می خواهد بداند که آیا سه فاکتور می توانند این سه گروه از کارکنان را از هم تفکیک نمایند.
جهت مشاهده کل مطلب در قسمت مطالب مفید به آشنایی با آزمون های آماری مراجعه نمایید
زندگی با همه وسعت خویش ... محفل ساکت غم خوردن نیست.