تحلیل تشخیصی

نظریه آغازین مربوط به آنالیز تشخیصی به دهه ۱۹۳۰ و آثار آماردان انگلیسی کارل پیرسون و دیگران در زمینه فواصل گروه ها و یا ضرایب تشابه نژادی بر می گردد.به طور خاص این تکنیک اولین بار توسط فیشر در سال ۱۹۳۶ ابداع شد و بر پایه روش شناسی مورد استفاده در رگرسیون خطی چندمتغیره یعنی جبر ماتریس ها، جهت حل معادلات خطی، توسعه یافت. روش شناسان دانشگاه هاروارد، در دهه های ۵۰ و ۶۰ علاقه ی بسیاری به این روش برای مطالعه در حوزه آموزش و پرورش و روان شناسی نشان دادند. نرم افزارهای مختلفی جهت اجرای آنالیز تشخیصی ابداع شده که SPSS یکی از آن ها می باشد.

آنالیز تشخیصی راهکاری است برای آن که متغیرها را در قالب گروه های مجزا از هم تفکیک کنیم، به صورتی که هر گروه در عین اینکه با گروه دیگر شباهت و همبستگی دارد، از انسجام لازم نیز برخوردار باشد.در واقع آنالیز تشخیصی، تشخیص معادله ای است که با داشتن مشخصات هر فرد از جامعه، می توان با قرار دادن این مشخصات در آن معادله، پیش بینی کرد که وی به کدام گروه تعلق دارد. به عبارتی منظور از آنالیز تشخیصی، گروه بندی داده ها به گروه های متجانس است، به گونه ای که مشاهدات هر گروه با دیگری شبیه باشند و مشاهدات گروه های مختلف نسبت به یکدیگر کمترین شباهت را داشته باشند. لازم است گفته شود که در آنالیز تشخیصی باید از هر یک از گروه های مورد نظر نمونه های مناسبی در اختیار داشت تا بتوان با استفاده از نمونه های شناخته شده تابع تشخیص را معلوم کرد.

در واقع آنالیز تشخیصی بر اساس مشخصه های مختلف برای گروه بندی مشاهدات به یکی از چندین گروه معلوم به کار می رود. مثلا وقتی بخواهیم کارگران را بر حسب مهارت به سه گروه متخصص، ماهر و نیمه ماهر تقسیم کنیم، باید آن ها را بر اساس مشخصه هایی که نمره داده شده است مورد اندازه گیری قرار دهیم. بدیهی است که این مجموعه اطلاعات و مشخصه ها باید بر در مورد نمونه های مناسبی از کارگران در گروه های فوق موجود باشند.

مهمترین کاربردهای انالیز تشخیصی به شرح زیر است:

  1. بررسی تفاوت های بین گروهی
  2. تعیین مناسب ترین روش تفاوت گذاری بین گروه ها
  3. تشخیص و حذف متغیرهایی که در ایجاد تمایز بین گروه ها نقشی ندارند.
  4. طبقه بندی افراد مورد مطالعه در گروه های تعیین شده.
  5. آزمون میزان درستی طبقه بندی مشاهده شده با طبقه بندی پیش بینی شده.

تحلیل تشخیصی را می توان برای تعیین طبقه بندی مواردی به کار برد که بر اساس امتیاز یک یا چند متغیر کمی هر مورد، در یک گروه خاص قرار می گیرند. مثلا یک شرکت بیمه ای مشتری هایش را بر اساس اطلاعلات آن ها به دو گروه تقسیم می کند.گروه اول کسانی که طی شش سال تصادف کرده اند و گروه دوم کسانی که طی شش سال تصادف نکرده اند.

در کل این تحلیل یک یا چند قانون را برای طبقه بندی موارد بر اساس ترکیبات خطی از متغیرهای کمی وضع می کند. با بررسی ترکیب توابع می توان دیدگاهی برای متغیرها فراهم کرد که در تشخیص گروه ها از یکدیگر تاثیر بیشتری داشته باشند.

3 دیدگاه

  1. سلام

    با تشکر از مطالب خوبی که میگذارید…

    موفق باشید…

  2. با سلام
    چرا ازتحلیل رگرسیون خطی نرم افزار r مطالبی ندارید؟
    خواهش میکنم مطلب بزارید.احتیاج دارم

    • معین یوسف نژاد

      با سلام.
      به زودی آموزش نرم افزار R رو به صورت کامل در سایت قرار خواهیم داد

دیدگاهی بنویسید