المقدمة:

لقد تغير متوسط ​​الأعمال بشكل جذري خلال العقد الماضي.

سواء كانت المعدات المستخدمة في المكاتب أو البرامج المستخدمة للتواصل، فإن القليل جداً من الأشياء تبدو كما كانت من قبل.

شيء آخر مختلف تماماً هو مقدار البيانات التي لدينا في متناول أيدينا. ما كان نادراً في يوم من الأيام هو الآن كمية هائلة من البيانات على ما يبدو. ولكن، سيكون الأمر مربكاً فقط إذا كنت لا تعرف كيفية تحليل بيانات عملك للعثور على معنى حقيقي وثاقب.

إذن، كيف تنتقل من النقطة أ، مع وجود كمية هائلة من البيانات، إلى النقطة ب، لتكون قادراً على تفسير تلك البيانات بدقة؟ يعود الأمر كله إلى استخدام الأساليب الصحيحة للتحليل الإحصائي، وهي الطريقة التي نعالج بها ونجمع عينات من البيانات للكشف عن الأنماط والاتجاهات.

بالنسبة لهذا التحليل، هناك خمسة للاختيار من بينها: المتوسط ​​والانحراف المعياري والانحدار واختبار الفرضيات وتحديد حجم العينة.

 خمس طرق لإجراء التحليل الإحصائي: 

ليس هناك من ينكر أن العالم أصبح مهووساً بالبيانات الضخمة، بغض النظر عما إذا كنت عالم بيانات أم لا. لهذا السبب، عليك أن تعرف من أين تبدأ. هذه الطرق الخمس أساسية، لكنها فعالة، في الوصول إلى استنتاجات دقيقة تعتمد على البيانات.

• المتوسط الحسابي:

الطريقة الأولى المستخدمة لإجراء التحليل الإحصائي هي الطريقة المتوسطة، والتي يشار إليها بشكل أكثر شيوعاً بالمتوسط. عندما تبحث لحساب المتوسط، فإنك تضيف قائمة من الأرقام ثم تقسم هذا الرقم على العناصر الموجودة في القائمة.

عند استخدام هذه الطريقة، فإنها تسمح بتحديد الاتجاه العام لمجموعة البيانات، فضلاً عن القدرة على الحصول على عرض سريع ومختصر للبيانات. يستفيد مستخدمو هذه الطريقة أيضاً من الحساب المبسط والسريع.

يأتي المتوسط ​​الإحصائي بالنقطة المركزية للبيانات التي تتم معالجتها. تتم الإشارة إلى النتيجة على أنها متوسط ​​البيانات المقدمة في الحياة الواقعية. عادة ما يستخدم الناس الوسيلة فيما يتعلق بالبحث والأكاديميين والرياضة. فكر في عدد المرات التي تتم فيها مناقشة معدل ضرب اللاعب في لعبة البيسبول؛ هذا معنيهم.

كيف تجد الوسيلة:

للعثور على متوسط ​​بياناتك، عليك أولاً جمع الأرقام معاً، ثم قسمة المجموع على عدد الأرقام الموجودة ضمن مجموعة البيانات أو القائمة.

كمثال، لإيجاد متوسط ​​6 و18 و24، عليك أولاً جمعهم معاً.

6 + 18 + 24 = 48 ثم اقسم على عدد الأرقام في القائمة (3) أرقام أي 48/3 = 16

فالمتوسط ​​هو 16

الجانب السلبي:

عندما يكون استخدام الوسيلة أمراً رائعاً، لا يوصى به كطريقة تحليل إحصائي قائمة بذاتها. هذا لأن القيام بذلك يمكن أن يفسد الجهود الكاملة وراء الحساب، حيث إنه مرتبط أيضاً بالوضع (القيمة التي تحدث غالباً) والوسيط (الوسط) في بعض مجموعات البيانات.

عندما تتعامل مع عدد كبير من نقاط البيانات مع إما عدد كبير من القيم المتطرفة (نقطة بيانات تختلف اختلافاً كبيراً عن غيرها) أو توزيع غير دقيق للبيانات، فإن المتوسط ​​لا يعطي النتائج الأكثر دقة في التحليلات الإحصائية لـ قرار محدد.

• الانحراف المعياري:

الانحراف المعياري هو أسلوب التحليل الإحصائي الذي يقيس انتشار البيانات حول المتوسط.

عندما تتعامل مع انحراف معياري مرتفع، فهذا يشير إلى البيانات المنتشرة على نطاق واسع من المتوسط. وبالمثل، يوضح الانحراف المنخفض أن معظم البيانات تتماشى مع المتوسط ​​ويمكن أيضاً تسميتها بالقيمة المتوقعة للمجموعة.

يستخدم الانحراف المعياري بشكل أساسي عندما تحتاج إلى تحديد تشتت نقاط البيانات (سواء كانت مجمعة أم لا).

لنفترض أنك مسوق أجرت مؤخراً استبياناً للعملاء. بمجرد حصولك على نتائج الاستطلاع، فأنت مهتم بقياس موثوقية الإجابات من أجل التنبؤ بما إذا كان لدى مجموعة أكبر من العملاء نفس الإجابات. إذا حدث انحراف معياري منخفض، فسيظهر أنه يمكن توقع الإجابات على مجموعة أكبر من العملاء.

كيفية إيجاد الانحراف المعياري:

الصيغة لحساب الانحراف المعياري هي: σ 2 = Σ س – μ) 2 / ن)

في هذه الصيغة: رمز الانحراف المعياري هوσ،Σ  تعني مجموع البيانات، تشير x إلى قيمة مجموعة البيانات،  μ تعني متوسط ​​البيانات،  σ2 تعني التباين، يشير n إلى عدد نقاط البيانات في المجتمع.

للعثور على الانحراف المعياري:

• أوجد متوسط ​​الأرقام ضمن مجموعة البيانات، لكل رقم ضمن مجموعة البيانات.

• اطرح المتوسط ​​وربّع النتيجة، وهو هذا الجزء من الصيغة (x – μ) 2).

• أوجد متوسط ​​هذه الفروق التربيعية

• خذ الجذر التربيعي للإجابة النهائية

إذا استخدمت نفس الأرقام الثلاثة في مثالنا المتوسط ​​، 6 و18 و24، فإن الانحراف المعياري أو σ سيكون 7.48

الجانب السلبي:

في ملاحظة مماثلة للجانب السلبي لاستخدام المتوسط، يمكن أن يكون الانحراف المعياري مضللاً عند استخدامه كأسلوب وحيد في تحليلك الإحصائي.

على سبيل المثال، إذا كانت البيانات التي تعمل بها تحتوي على عدد كبير جداً من القيم المتطرفة أو نمط غريب مثل منحنى غير عادي، فلن يوفر الانحراف المعياري المعلومات اللازمة لاتخاذ قرار مستنير.

• الانحدار:

عندما يتعلق الأمر بالإحصاءات، فإن الانحدار هو العلاقة بين متغير تابع (البيانات التي تريد قياسها) ومتغير مستقل (البيانات المستخدمة للتنبؤ بالمتغير التابع).

يمكن تفسيره أيضاً من خلال كيفية تأثير أحد المتغيرات على آخر، أو التغييرات في متغير تؤدي إلى تغييرات في آخر، وهي السبب والنتيجة أساساً. إنه يعني أن النتيجة تعتمد على متغير واحد أو أكثر.

يشير الخط المستخدم في الرسوم البيانية لتحليل الانحدار إلى ما إذا كانت العلاقات بين المتغيرات قوية أم ضعيفة، بالإضافة إلى إظهار الاتجاهات على مدى فترة زمنية محددة.

تُستخدم هذه الدراسات في التحليل الإحصائي لعمل تنبؤات وتوقعات للاتجاهات. على سبيل المثال يمكنك استخدام الانحدار للتنبؤ بكيفية بيع منتج أو خدمة معينة لعملائك.

صيغة الانحدار:

صيغة الانحدار المستخدمة لمعرفة كيف يمكن أن تبدو البيانات في المستقبل هي:

ص = أ + ب (س)

في هذه الصيغة: يشير أ إلى تقاطع ب، قيمة ب عندما أ = صفر

أ هو المتغير التابع، ب هو المتغير المستقل، يشير ب إلى المنحدر، أو الارتفاع على المدى.

الجانب السلبي:

تتمثل إحدى عيوب استخدام الانحدار كجزء من تحليلك الإحصائي في أن الانحدار ليس مميزاً للغاية، مما يعني أنه على الرغم من أهمية القيم المتطرفة في مخطط مبعثر (أو رسم بياني لتحليل الانحدار)، فإن أسباب هذه القيم متطرفة. يمكن أن يكون هذا السبب أي شيء من خطأ في التحليل إلى البيانات التي يتم تحجيمها بشكل غير مناسب.

يمكن أن تمثل نقطة البيانات التي تم تمييزها على أنها خارجية أشياء كثيرة، مثل المنتج الأكثر مبيعاً. يحثك خط الانحدار على تجاهل هذه القيم المتطرفة ورؤية الاتجاهات في البيانات فقط.

• اختبار الفرضيات:

في التحليل الإحصائي، يعد اختبار الفرضيات المعروف أيضاً باسم “اختبار T”، مفتاحاً لاختبار مجموعتي المتغيرات العشوائية ضمن مجموعة البيانات.

تدور هذه الطريقة حول اختبار ما إذا كانت حجة أو استنتاج معين صحيحاً لمجموعة البيانات. يسمح بمقارنة البيانات مع الفرضيات والافتراضات المختلفة. يمكن أن يساعد أيضاً في التنبؤ بكيفية تأثير القرارات المتخذة على الأعمال.

في الإحصاء، يحدد اختبار الفرضية بعض الكمية وفقاً لافتراض معين. تفسر نتيجة الاختبار ما إذا كان الافتراض صحيحاً أو ما إذا كان الافتراض قد انتهك. يشار إلى هذا الافتراض باسم الفرضية الصفرية أو فرضية العدم، أي فرضية أخرى من شأنها أن تنتهك فرضية العدم تسمى الفرضية الأولى.

عند إجراء اختبار فرضية، تكون نتائج الاختبار مهمة للإحصاءات إذا كانت النتائج دليلاً على أنه لا يمكن أن يحدث من خلال حدث عشوائي أو صدفة.

على سبيل المثال، قد تفترض أنه كلما استغرق تطوير المنتج وقتاً أطول، زاد نجاحه، مما يؤدي إلى زيادة المبيعات عن أي وقت مضى. قبل تنفيذ ساعات عمل أطول لتطوير منتج ما، يضمن اختبار الفرضيات وجود اتصال فعلي بين الاثنين.

صيغة اختبار الفرضيات:

يجب تفسير نتائج اختبار الفرضية الإحصائية لتقديم مطالبة محددة، والتي يشار إليها بالقيمة P، لنفترض أن ما تريد تحديده لديه فرصة بنسبة 50٪ في أن يكون صحيحاً.

صيغة اختبار الفرضية هذا هي: H0: P = 0.5

الجانب السلبي:

يمكن أن يكون اختبار الفرضيات في بعض الأحيان غائماً ومشوهاً بسبب الأخطاء الشائعة، مثل تأثير الدواء الوهمي. يحدث هذا عندما يتوقع المحللون الإحصائيون الذين يجرون الاختبار نتيجة معينة بشكل خاطئ ثم يرون هذه النتيجة، بغض النظر عن الظروف.

هناك أيضاً احتمال انحراف تأثير هوثورن، والمعروف باسم تأثير المراقب. يحدث هذا عندما يقوم المشاركون الذين تم تحليلهم بتحريف النتائج لأنهم يعرفون أنهم قيد الدراسة.

• تحديد حجم العينة:

عندما يتعلق الأمر بتحليل البيانات من أجل التحليل الإحصائي، في بعض الأحيان تكون مجموعة البيانات كبيرة جداً، مما يجعل من الصعب جمع بيانات دقيقة لكل عنصر من عناصر مجموعة البيانات. عندما يكون هذا هو الحال، فإن معظمهم يسلك طريق تحليل حجم العينة، أو حجم أصغر، من البيانات، وهو ما يسمى تحديد حجم العينة.

للقيام بذلك بشكل صحيح، ستحتاج إلى تحديد الحجم المناسب للعينة لتكون دقيقة. إذا كان حجم العينة صغيراً جداً، فلن تحصل على نتائج صحيحة في نهاية التحليل.

للوصول إلى هذا الاستنتاج، ستستخدم إحدى طرق أخذ عينات البيانات العديدة. يمكنك القيام بذلك عن طريق إرسال استبيان إلى عملائك، ثم استخدام طريقة أخذ العينات العشوائية البسيطة لاختيار بيانات العميل المراد تحليلها عشوائياً.

من ناحية أخرى، يمكن أن يؤدي حجم العينة الكبير جداً إلى إهدار الوقت والمال. لتحديد حجم العينة، يمكنك فحص جوانب مثل التكلفة أو الوقت أو ملاءمة جمع البيانات.

إيجاد حجم العينة:

على عكس طرق التحليل الإحصائي الأربعة الأخرى، لا توجد صيغة واحدة صارمة وسريعة لاستخدامها للعثور على حجم العينة.

ومع ذلك، هناك بعض النصائح العامة التي يجب مراعاتها عند تحديد حجم العينة:

1. عند التفكير في حجم عينة أصغر، قم بإجراء تعداد.

2. استخدم حجم عينة من دراسة مشابهة لدراستك. لهذا، قد ترغب في النظر في إلقاء نظرة على قواعد البيانات الأكاديمية للبحث عن دراسة مماثلة.

3. إذا كنت تجري دراسة عامة، فقد يكون هناك جدول موجود بالفعل يمكنك استخدامه لصالحك.

4. استخدم حاسبة حجم العينة.

لا يعني عدم وجود صيغة محددة أنك لن تتمكن من العثور على صيغة تعمل. هناك الكثير الذي يمكنك استخدامه، ويعتمد ذلك على ما تعرفه أو لا تعرفه عن العينة المقصودة. بعض الأشياء التي قد تفكر في استخدامها هي صيغة Slovin وصيغة Cochran

الجانب السلبي:

أثناء قيامك بتحليل متغير جديد وغير مجرب من البيانات ضمن هذه الطريقة، ستحتاج إلى الاعتماد على افتراضات معينة. قد يؤدي القيام بذلك إلى افتراض غير دقيق تماماً. إذا حدث هذا الخطأ أثناء طريقة التحليل الإحصائي هذه، فقد يؤثر سلباً على بقية تحليل البيانات.

تسمى هذه الأخطاء أخطاء أخذ العينات ويتم قياسها من خلال فاصل الثقة. على سبيل المثال، إذا ذكرت أن نتائجك عند مستوى ثقة 90٪، فهذا يعني أنك إذا أجريت نفس التحليل مراراً وتكراراً، فإن 90٪ من الوقت ستكون نتائجك هي نفسها.

ملاحظة ختامية:

بغض النظر عن طريقة التحليل الإحصائي التي تختارها، تأكد من تدوين ملاحظة خاصة لكل جانب سلبي محتمل، بالإضافة إلى صيغتها الفريدة.

بالطبع، لا يوجد معيار ذهبي أو طريقة صحيحة أو خاطئة للاستخدام. سيعتمد ذلك على نوع البيانات التي جمعتها، بالإضافة إلى الأفكار التي تتطلع إلى الحصول عليها كنتيجة نهائية.

 فيديو: الأسلوب الاحصائي المناسب لبحثك 

مع تحيات: المنارة للاستشارات لمساعدة الباحثين وطلبة الدراسات العليا - أنموذج البحث العلمي