نرم افزار اکسل یکی از نرم افزارهای پرکاربرد آمار است که در ادارات بوفور از آن استفاده می شود و در صورتی که می خواهید عملا با داده ها کار کنید پیشنهاد می کنم حتما این نرم افزار را یاد بگیرید یک آموزش کوتاه از آن را در لینک "آموزش کوتاه اکسل" دانلود کنید.

آموزشی از sas را هم در لینک "آموزش تحلیل عاملی در sas" می توانید بیابید.

 تذکر:متاسفانه به دلیل ناکارآمدی فیلترینگ دولت محترمه لینک های بالا فیلتر شده اند می توانید برای دانلود و رد شدن از فیلتر از برنامه ای با "این لینک" استفاده کنید.

1.     راهنماي تحليل عاملي

 نوشته: پل كلاين

 ترجمه: دكتر سيد جلال صدرالسادات و اصغر مينايي

2.     مقدمه اي بر تحليل عاملي و شيوه بكارگيري آن

  تاليف: جي-ان كيم و چارلزو . مولر 

 ترجمه: دكتر صادق بختياري – دكتر هوشنگ طالبي

3.     تحليل داده هاي چند متغيري در پژوهش رفتاري

 نوشته دكتر حيدر علي هومن

۴.     مقاله تحلیلی از ساختار صنعت در استان اصفهان

 نوشته دکتر صادق بختیاری, محسن ایروانی

 نیرالسادات دانشور حسینی

۵.     فرازي بر SPSS 14

  مترجمين: دكتر سيد علي رضا افشاني

 مهندس مرتضي نوريان

 زينب حسيني رامشه

۶. کاربرد نرم افزار SAS در تجزیه های آماری

تالیف: افشین سلطانی

همونطور که میبینید این وبلاگ حدود ۳ سال هست که آپدیت نشده بود اما با اینکه حدود ۳ سال از فارغ التحصیلیم میگذره دیدم دوستان لطف دارن و نظر میدن یکی از مطالبی که سوال ازش زیاد هست تحلیل عاملی هست و از اونجا که پایان نامه ام بوده طی سلسله مطالبی تحلیل عاملی رو بیشتر شرح میدم و منابعی ازش معرفی میکنم انشاا... مفید فایده واقع بشه.

دوستان قدیمی اگه کسی این مطلب رو می خونه از خودش خبر بده برام جالبه بدونم چیکار میکنید آدرس ایمیل من:mahdi.fanoodi@gmail.com

دوربین های فیلم برداری:

حتما تا به حال تبلیغ نوعی از دوربین های هندی کم را دیدهاید که مزیت آن ها این است که لرزش دست فیلم بردار را حذف می کند . آیا می تونید تصور کنید که این از کاربردهای منطق فازی است. در واقع در اینجا منطق فازی فر آیند مکانیکی فیلم برداری را کنترل میکنه و تشخیص می ده که حرکت ناشی از لرزش دست فیلم برداه یا حرکت شیئ.

دستگاه تنظیم سرعت اتومبیل:

هیچ میدونین غیر از پدال ترمز اتومبیل میشه بوسیله منطق فازی حرکت اتومبیل را مدیریت کرد ؟بله منطق فازی سرعت وسیله نقلیه با کاهش و افزایش شتاب و همچنین کنترل سوخت و کنترل ترمز سرعت اتومبیل بر روی مقدار ثابتی حفظ میکند.

دیگ بخار کشتی:

در اینجا منطق فازی میزان دما و فشار و محتویات شیمیایی را کنترل کرده و آنها را در سطح قابل اعتمادی قرار میدهد.

دستگاه تهویه مطبوع:

در اینجا دستگاه طوری تنظیم شده تا به تدریج دمای اتاق به دمای مورد نظر شما برسه.

ماشین لباسشویی:

چرخه شستشو با امتحان کردن اندازه لباسها و مقدار پودر ٬ماشین را بهینه میکنه.

احتمال فازی

در پرداختن به این موضوع، این فرض را در نظر می‌گیرم که دوستان به تعاریف ابتدایی در نظریه احتمالات همانند امید ریاضی، احتمال یک پیشامد، تابع چگالی احتمال و ... آشنایی لازم را دارند.

بحث خود را با یک نگاه شهودی به احتمال فازی آغاز می‌کنم:

در نظریه احتمال غیرفازی، برای بدست آوردن احتمال رخدادن یک پیشامد -همان (P(A -آزمایشی تصادفی انجام می‌دهیم که عبارتست از: یک انتخاب تصادفی از یک فضای نمونه...
اما در نظریه احتمال فازی این انتخاب تصادفی از فضای نمونه‌ای انجام می‌شود که شامل عناصر و اعضایی است که هرکدام با درجه‌ای مخصوص ، متعلق به این فضا هستند.

(مثلاً در پرتاب یک تاس پیشامدهای ۱ و ۲ و .. و ۶ بطور یکسان و قطعی عضو فضای نمونه ما هستند و یا مثلاً پیشامدهای ۷ و ۸ و ... بطور قطعی و یکسان عضو فضای ما نیستند.
اما در یک فضای نمونه‌ای فازی این ۱ و ۲ و ... و ۶ بطور یکسان و همگون در فضای ما حضور ندارند بلکه با یک درجه عضویتی متعلق به این فضا هستند.
مثلاً ۱ با درجه عضویت ۱ بطور کامل متعلق به این فضاست و ۲ با درجه عضویت ۳/۱ و ۳ با درجه عضویت ۲/۱ و مثلاً ۷ با درجه عضویت ۰ اصلاً تعلقی به این فضا ندارد و الی آخر...)

بنابراین در احتمال فازی، تعبیر زیبایی برای (P(A بدست می‌آید که عبارتست از انتظار ما از اینکه آن عضوی که به تصادف انتخاب شده است تا چه حد دارای ویژگی آن فضای نمونه‌ای است. (به بیان فازی، درجه عضویتش در آن مجموعه چند است؟)

اگر در وهله اول بخواهم به بیان شباهت ها و اشتراکات نظریه فازی و نظریه احتمال بپردازم باید بگویم که : «هم نظریه فازی و هم نظریه احتمال، برای بررسی پدیده‌هایی به کار می‌روند که شامل عدم قطعیت و نبود اطمینان در مورد جواب است.»

اما... عدم قطعیتی که در نظریه احتمال رخ می‌دهد، ناشی از عدم قطیعت آماری است و به پیشامدهای تصادفی ارتباط پیدا می‌کند.

مثلاً فکر کنید که اولین نفری هستید که می‌خواهید آزمایش پرتاب سکه را انجام بدهید. برای شما بدیهی است که نتیجه کار یا شیر است یا خط و با انجام آزمایش به دفعات بسیار زیاد، متوجه می‌شوید که احتمال هر دو طرف یکسان و ۵۰٪ است.
(اگر بخواهیم دقیق‌تر صحبت کنم باید بگویم که بعد از انجام آزمایش در دفعات بسیار زیاد، به عدد ۲/۱ نزدیک می‌شویم! و در ضمن این آزمایش مربوط به یک پخش خاص است و قطعا خودتان می‌توانید در پخش پواسون یا پخش گاما و ... موارد را مشابهاً پیش‌بینی کنید)

و اما... عدم قطعیتی که در نظریه مجموعه‌های فازی رخ می‌دهد، ناشی از عدم قطعیت در قضاوت‌های انسانی است.

یعنی اینجا دیگر برای ما بدیهی نیست که جواب نهایی ما شیر است یا خط و جواب ما به جای تغییر بین دو مقدار ۰ و ۱ (مثلاً شیر یا خط) در یک بازه به گستردگی [۱و۰] تغییر می‌کند و می‌تواند تمام مقادیر موجود در این بازه بسته را بگیرد.

مثلاً:

یک تپه شن را در نظر بگیرید. به آن یک «کپه شن» می‌گوییم. یک دانه از آن را برمی‌داریم و در گوشه‌ای می‌گذاریم. به آن یک دانه هیچ‌کس «کپه شن» نمی‌گوید... سپس دانه دیگری برمی‌داریم و کنار قبلی می‌گذاریم. باز هم این دو دانه را کسی «کپه شن» خطاب نمی‌کند... این کار را ادامه می دهیم...
وقتی کار تمام می‌شود اگر به حاصل کار نگاه کنیم کپه شن قبلی از بین رفته و در طرف دیگر یک «کپه شن» پدید آمده است اما هیچ‌کس نمی‌تواند بگوید که با برداشتن کدام دانه و قرار دادن آن در محل جدید، کپه شن قبلی از رسمیت افتاد و کپه شن جدید به رسمیت شناخته شد و نام «کپه» به آن اطلاق شد!!

نظریه مجموعه‌های فازی به دلیل تقریب بسیار خوبی که از پدیده‌های طبیعی اطراف ما ارائه می‌کند روزبروز کاربردهای وسیع‌تری می‌یابد...
وقتی پرفسور لطفی عسگرزاده این نظریه را در آمریکا ارائه کرد ماه‌ها طول کشید تا طرفداران نظریه فازی دولت را متقاعد به استفاده از آن کردند، در حالیکه در همان زمان ژاپنی‌ها با بکارگیری این نظریه در صنعت، درآمد بسیار عظیمی را از صادرات محصولات فازی خود بدست آوردند.
بقول یکی از اساتید، ژاپنی‌ها اگرچه ممکنست خلاقیت بالایی در ابداع نظریات جدید نداشته باشند اما سیمیولاتورهای خوبی هستند و فوری یک نظریه را به کاربرد آن نزدیک می‌کنند و از آن بهره و منفعت مادی می‌برند...
یکی از دوستان کارشناسی ارشد مهندسی صنایع دانشگاه شریف می‌گفتند: الان از بچه‌های مهندس ایرانی که برای ادامه تحصیل به خارج می‌روند تقریباً این انتظار دارد همه‌گیر می‌شود که در زمینه نظریه فازی تحقیق کنند و یا لااقل از نظریه فازی چیزی بدانند (بدلیل ارائه این نظریه توسط یک ایرانی)

در مورد تابع عضويت و درجه عضویت

من برای آنکه با خيال آسوده‌تری بتوانم مطالب فازی را دنبال کنم، تصميم گرفتم تا بطور تقريباً جامع به اين مفاهیم اوليه بپردازم تا همه در مورد آنها دیدگاه مشترک و يکسان داشته باشيم. سپس «احتمال فازی» را دنبال خواهیم کرد...

الف) از نگاه تابع مشخصه :

وقتی ما با یک مجموعه معمولی سر و کار داریم مثلاً مجموعه‌ی { A={1,2,3,4,5 (که زير مجموعه‌ای از اعداد طبيعی است) برای این مجموعه می‌توانیم یک تابع X به اسم تابع نشانگر یا تابع مشخصه (charactristic function) در نظر بگیریم که به اینصورت تعریف می شود:

اگر a عضو A باشد                    آنگاه     X(a) =1
اگر a عضو A نباشد                    آنگاه     0X(a) =

این تابع عدد دلخواه a را می‌گیرد. حالا اگر این عدد عضو مجموعه‌ی A بود به آن عدد ۱ را نسبت می‌دهد و اگر عضو مجموعه A نبود، عدد ۰ را... مثلاً برای مجموعه‌ی A که در بالا ذکر کردیم:

X(9)=0                         ولی                      X(2)=1

بدیهی است که یک مجموعه را می‌شود با کمک تابع مشخه‌اش کاملاً معلوم کرد. یعنی اگر من به شما بگویم که مجموعه‌ای دارم که تابع نشانگر آن برای اعداد ۱ و ۶ و ۹ و ۱۳ برابر ۱ است و برای سایر اعداد برابر ۰ است، شما سریعاً متوجه می‌شوید که منظور من مجموعه‌ای است با اعضای ۱ و ۶ و ۹ و ۱۳  بصورت روبرو :‌                 {A={1,6,9,13

حالا تفاوتی که یک مجموعه فازی با مجموعه معمولی دارد اینست که به جای اینکه تابع نشانگر ما اعدادی را که می‌گیرد فقط به دو عدد صفر و یک نسبت دهد، آنها را به تمام اعداد حقیقی‌ای که در بازه [۱و۰] قرار دارند می‌تواند نسبت دهد.

مثلاً می‌تواند یک عضو دلخواه را به ¾ نسبت دهد یا به ½ یا به ⅜ و غیره... یعنی دیگر اینجا محدود به دو عدد ۰ و ۱ نیستیم. بلکه دستمان بازتر شده و می‌توانیم آن عدد دلخواه را به هریک از اعداد حقیقی که از ۰ تا ۱ هستند نسبت دهیم.
در این حالت مجموعه A را یک مجموعه فازی می‌نامند.

ب) از نگاه ویژگی‌های مجموعه

از سال اول دبیرستان برای مجموعه‌های معمولی خواندیم که مجموعه گردآیه‌ای از اشیاء مشخص و متمایز است که همه دارای یک صفت معین هستند. در واقع بدلیل آنکه همه‌ی آن اشیاء دارای آن خاصیت و صفت بوده‌اند آنها را در آن مجموعه قرار داده‌ایم. و در ضمن برای هر شی دلخواه هم می‌توانیم با قطعیت بگوییم که آیا به مجموعه ما تعلق دارد یا خیر؟ (یعنی بررسی می‌کنیم که آیا آن صفت مشترک در اعضای مجموعه که به خاطر آن این اعضا گردهم آمده‌اند را دارد یا نه؟ اگر داشت که در مجموعه هست و اگر نه که نیست. )

مثلاً مجموعه E مجموعه اعداد زوج باشد. برای هر عدد می‌شود بررسی کرد که آیا زوج است یا خیر و بعد با قطعیت گفت که پس آیا در E می‌تواند باشد یا نه؟

اما در مجموعه فازی صفت مورد نظر ما که اعضای مجموعه را گرد هم می‌آورد دیگر مثل قبل، حالت مشخص و معین ندارد. بلکه یک واژه توصیفی است. مثلاً «کوچک بودن»، «بزرگ بودن»، «سرد بودن» و ... این واژه‌ها : 
اولاً :‌ نزد همه دارای تعریف مشخص نیست. مثلاً اگر به یک نفر بگویم عدد زوج می‌تواند بفهمد که عدد ۳ زوج نیست. اما اگر بگوییم «بزرگ‌تر بودن» برایش واضح نیست و از ما می‌پرسد: نسبت به چی بزرگ‌تر است؟
ثانیاً: اگر در بین یکسری از اشیائی که در اختیار داریم مثلاً بخواهیم صفت سرد بودن را در نظر بگیریم. هرچه آن شی دلخواه سردتر باشد عدد بزرگتری (از مجموعه ۰ تا ۱) را به آن نسبت می‌دهیم و هرچه گرمتر باشد، عدد کوچکتری را...

این عدد نسبت داده شده را درجه عضویت آن شی در آن مجموعه می‌نامند. پس یعنی هرچه یک شی درجه عضویتش به ۱ نزدیک‌تر باشد سردتر است و هرچه درجه عضویتش به ۰ نزدیک‌تر باشد گرمتر است.
تابعی که هر عضو را به درج عضویتش می‌برد و در واقع به هر عضو، وابسته به میزان دارا بودن آن صفت مورد نظر، درجه‌ای (عددی از ۰ تا ۱) را نسبت می‌دهد تابع عضویت نام دارد. معمولاً تابع عضويت را با حرف μ نشان می‌دهند. مثلاً به اين صورت:    5/0 = (۳)μ

يک مثال مهم:

مثلاً مجموعه مرجع را به اينصورت در نظر بگيريد: {5و4و3و2و1M={ و فرض کنید که زیر مجموعه‌ای مانند B از M را با صفت «بزرگ بودن» می‌خواهیم تشکیل بدهیم.

همانطور که قبلاً گفتیم می‌شود یک مجموعه را با تابع مشخصه‌اش کاملاً معلوم کرد. اینجا هم می‌توانیم از «درجه عضویت» کمک بگیریم و اعضای مجموعه B را با کمک میزان عضویت هر یک از اعداد ۱ و ۲ و ۳ و ۴ و ۵ در این مجموعه مشخص کنیم. (یعنی معلوم کنیم که هر عدد تا چه اندازه دارای صفت بزرگ بودن بوده و تا چه حد متعلق به B خواهد بود)

برای اینکار می‌شود درجه عضویت هر عضو را بصورت زیر تعریف کرد:

۰ = (۱)μ
25/0 = (۲)μ
5/0 = (۳)μ
75/0 = (۴)μ
۱ = (۵)μ

ذکر این نکته ضروریست که در مورد درجه‌های عضویت گفته شده، این اعداد منحصر به فرد نبوده و بر حسب نوع کاربردی که در نظر داریم تعریف می‌شود (که بحث‌اش مفصل است!) اما مثلاً اینجا می‌توانستیم به عدد ۲ درجه 3/0 و به عدد ۳ درجه 4/0 و ... را نسبت دهیم.
ضمناً این اعداد نشان می‌دهند که در مجموعه یاد شده، عدد ۵ دارای بیشترین مقدار بزرگی بوده و عدد ۱ دارای کمترین مقدار بزرگی است.

اکنون تابع عضویت ضابطه‌ای است که هر عضو را به درجه‌اش نسبت می‌دهد. یعنی به جای آنکه برای تک‌تک اعضا بیاییم درجه عضویت را مشخص کنیم، یک ضابطه‌ای را بنویسیم که هر عضو با قرار گرفتن در آن به درجه عضویتش نسبت داده شود. برای مثال بالا ضابطه این تابع اینگونه است:

μ = ( x - 1 ) / 4

نحوه مشخص کردن یک مجموعه فازی:

از آنجایی که اعضای یک مجموعه فازی، همه با یک نسبت عضو این مجموعه نیستند لازمست تا در هنگام مشخص کردن این مجموعه، به درجه عضویت اعضا نیز توجه شود. بنابراین یک مجموعه فازی را بدین صورت مشخص می‌کنند:

B = { ( x , μ(x) ) ;  x  M }

یعنی بصورت زوج مرتب‌هایی که مولفه اول آن عضو مربوطه و مولفه دوم آن درجه عضویت آن عضو می‌باشد.

به عنوان مثال مجموعه B چنین خواهد بود:

B = { ( 1 , 0 )  ,  ( 2 , 0.25 )  ,  ( 3 ,  0.5 )  ,  ( 4 , 0.75 )  ,  ( 5 , 1 ) }

به نقل از ریاضیات زیباست

چرخش عامل ها

چرخاندن عامل ها، بارهاي عاملي و به همين ترتيب معناي آن ها را تغيير مي دهد، اما راه حل هاي مختلف تحليل عاملي از لحاظ رياضي در مقدار واريانسي كه در هر متغير و بنابراين در كل ماتريس تبيين مي كنند معادل هستند. بعلاوه، عامل هاي چرخش يافته، همبستگي هاي اوليه را دقيق تر از راه حل چرخش نيافته بازپديد مي آورد.

با وجود اين آشكار است كه عامل هاي چرخش يافته ممكن است هر وضعيتي را در فضاي عاملي اشغال كنند و از اين رو، عملا بي نهايت راه حل وجود دارد. از آنجا كه اين راه حل ها از لحاظ رياضي معادل هستند، هيچ دليل رياضي جهت رجحان يكي بر ديگري وجود ندارد و دقيقا به اين دليل است كه نبايد نتايج حاصل از اولين تلخيص را، با هر روشي كه باشد، به عنوان راه حل نهايي تلقي كرد. از اين رو، لازم است كه چگونگي انتخاب يك راه حل از ميان آرايه اي از چرخشهاي ممكن مورد بحث قرار گيرد.

چرخش هاي نموداري. در واقع هنگامي كه تحليل عاملي به تازگي باب شده بود، عامل ها به صورت نموداري چرخش داده مي شدند. اما زماني كه عوامل زيادي در دست است، انجام اين كار فرآيندي خسته كننده و طولاني است. به همين دليل، براي چرخش عامل ها روش هاي تحليل رياضي به وجود آمده و در اين روش ها، محاسبات به وسيله رايانه انجام مي گيرد.

چرخش هاي متعامد. در چرخش هاي متعامد عوامل طوري چرخانده مي شوند كه نسبت به هم هميشه يك زاويه قائمه داشته باشند. اين بدان معنا است كه عامل ها ناهمبسته هستند(cos 90=0). همانطور كه كتل (1978) استدلال كرده، در جستجوي عامل هايي كه براي فهم پديده هاي رواني، ابعاد اساسي هستند، بعيد است كه عامل ها ناهمبسته باشند. براي مثال در شخصيت كه تبيين كننده هاي محيطي-ژنتيكي بر آن موثرند، يافتن عامل هاي متعامد بسيار عجيب خواهد بود.

چرخش ها متمايل. در چرخش هاي متمايل، محورهاي عاملي مي توانند هر وضعيتي را در فضاي عاملي داشته باشند و علت نامگذاري اين چرخش ها نيز همين مساله است. كسينوس زاويه بين محورهاي عاملي نشان دهنده همبستگي بين آن ها است. چرخش متمايل عامل ها، در مقايسه با چرخش متعامد كه محدوديت ناشي از متعامد بودن وجود دارد، آزادي بيشتري در انتخاب وضعيت عامل ها در فضاي عاملي وجود دارد.

روش هاي استخراج عامل ها

هدف اساسي مرحله استخراج در تحليل عامل اكتشافي مشخص ساختن حداقل تعداد عوامل مشتركي است كه به طور رضايت بخش همبستگي بين متغيرهاي مورد مشاهده را به وجود مي آورند. اگر خطاهاي اندازه گيري و نمونه گيري وجود نداشته باشند و مفروضه عليت عاملي براي داده ها مناسب باشد، تناظر واقعي بين حداقل تعداد عوامل مشترك در ماتريس همبستگي مورد نظر و ترتيب ماتريس همبستگي اصلاح شده وجود خواهد داشت. (اصلاح ماتريس همبستگي مستلزم وارد كردن اشتراكات در قطر اصلي است) يعني، بدون خطاي نمونه گيري و تناسب واقعي بين الگوي عاملي و داده ها مي توان اشتراكات (مقادير واقعي نه برآوردها) را به دست آورد. همچنين نمي توان تعداد عوامل مشترك را از طريق بررسي ترتيب ماتريس همبستگي اصلاح شده به دست آورد. با اين وجود، در هنگام وجود داشتن خطاهاي نمونه گيري "نظريه ترتيب" را نمي توان بر آن متكي ساخت. پس، هدف يافتن ملاكي است كه بتوان با آن تعداد عوامل مشترك را با وجود اين گونه خطاهاي نمونه گيري ارزيابي كرد. ملاك نهايي براي تعيين كمينه تعداد عوامل مشترك به اين صورت فرض مي شود كه عوامل مشترك مي توانند همبستگي هاي مشاهده شده را توليد نمايند. بنابراين، هدف ممكن است به عنوان حل يك مساله آماري دوباره بيان شود كه شامل يافتن ملاكي است كه چه موقع تصميم بگيريم استخراج عوامل مشترك را متوقف سازيم. با پيروي از منطق استاندارد آماري، اين كار مستلزم تعيين تفاوت بين همبستگي هاي توليد شده و همبستگي هاي مشاهده شده است، كه مي توان آن را به تغيير پذيري نمونه گيري نسبت داد.

ما با توصيف راهبرد بنيادي كه براي تعدادي از روش هاي استخراج مشترك شروع مي كنيم. اين راهبردها فرض مي كند كه براي باز آفريني همبستگي هاي مشاهده شده حداقل تعدادي عامل مشترك ضرورت دارد. بدين معنا، كه در غياب هر گونه آگاهي و شناخت، با مدل يك عاملي مشترك آغاز مي كنيم. اين فرضيه از طريق به كارگيري برخي ملاك ها براي تعيين تفاوت ناچيز بين مدل مفروض و داده ها ارزيابي مي شود. اگر چنين نباشد، يك مدل با يك عاملي مشترك بيشتر برآورد مي شود و ملاك دوباره به كار گرفته مي شود. اين كار ادامه مي يابد تا هنگامي كه تفاوت به خطاي نمونه گيري قابل نسبت دادن باشد. بايستي خاطر نشان كرد كه محاسبه واقعي الگوريتم ها ممكن نيست، به طور دقيق اين نوع ارزيابي متوالي را برآورده سازد، ليكن اصل استخراج نخستين K عامل اغلب كوواريانس هاي مشاهده شده باقيمانده معتبر را تبيين مي كند.

هر چند اين راهبرد بنيادين خطي و مستقيم است، كاربرد آن مي تواند اشكال بيشماري داشته باشد چون ملاك هاي بسياري براي بيشينه سازي تناسب (يا به حداقل رسانيدن تفاوت) وجود دارد. دو نوع راه حل اصلي وجود دارد كه مدل هاي عامل مشترك به طور يقين از آن ها پيروي مي نمايند. ما آن ها را اين چنين توصيف مي كنيم:

1- روش درست نمايي بيشينه (لاولي و ماكس ول، 1971، يوريسكوگ، 1967، يوريسكوگ ولاولي، 1968) كه متغيرهاي آن عامل يابي متعارف است (راو،1955) و روش هاي مبتني بر بيشينه سازي دترمينال ها در يك ماتريس همبستگي تفكيكي مازاد است (بروني، 1968)

2- روش كمترين مجذورات است كه متغيرهاي عامل يابي محور اصلي و اشتراكات چرخش آزمايشي (تامسون، 1934) و مازاد كمينه ها را شامل مي شود (به هارمن، 1976، نگاه كنيد)

3- افزون بر اين، سه نوع اصلي ديگر روش هاي استخراج عبارتند از: (1) عامل يابي آلفا (كيزرو گافري، 1965)، (2) تحليل وارونه (گاتمن، 1953، هريس، 1962)، و (3) تحليل مولفه اصلي (هتلينگ، 1933).

تحليل عاملي را نيز بر حسب نمونه يا جامعه بودن آزمودني ها و متغيرها به دو دسته ي توصيفي و استنباطي تقسيم مي كنند.

جدول زير انواع تكنيك هاي استخراج عامل ها را بر حسب اكتشافي – تاييدي و توصيفي – استنباطي نشان مي دهد.

* Linear Structural Relationships

جنگ عظیمی بین دو کشور درگرفته بود . ماهها از شروع جنگ می گذشت و جنگ کماکان ادامه داشت. سربازان دو طرف خسته شده بودند . فرمانده یکی از دو کشوربا طرحی اساسی قصد حمله بزرگی را به دشمن داشت و آن طرح با چنان دقت و درایتی ریخته شده بود که فرمانده به پیروزی نیروهایش اطمینان کامل داشت ولی سربازان خسته و دودل بودند. فرمانده سربازان خود را جمع کرد و راجع به نقشه حمله خود توضیحاتی به آنها داد. سپس سکه ای از جیب خود درآورد و گفت: سکه را بالا می اندازم , اگر شیر آمد پیروز می شویم و اگر خط آمد شکست می خوریم. سپس سکه را به بالا پرتاب کرد . سربازان با دقت , حرکت و چرخش سکه را در هوا دنبال کردند تا به زمین رسید . " شیر" آمده بود . فریاد شادی سربازان به هوا برخاست . فردای آنروز با نیروئی فوق العاده به دشمن حمله کردند و پیروز شدند. پس از پایان نبرد , معاون فرمانده نزد او آمد و گفت: " قربان , آیا شما واقعا می خواستید سرنوشت کشورمان را به یک سکه واگذار کنید ؟" فرمانده لبخندی زد و گفت : " بله"

و سکه را به او نشان داد.هر دو طرف سکه شیر بود.

هر جا که هستید موفق باشید،

امروز چند خبر جدید براتون دارم. اولی در مورد تعویض رئیس مرکز آمار ایران و بعدی آمارگیری نیروی کار

رئیس مرکز آمار ایران تغییر کرد

فرهاد رهبر رئیس سازمان مدیریت و برنامه ریزی، محمد مدد را جانشین حمیدرضا نواب پور در مرکز آمار ایران کرد.

محمد مدد که به ریاست مرکز آمار ایران منصوب شده دارای دکترای مدیریت است  و پیش از این نیز رئیس سازمان نقشه برداری بوده است. طرح نیروی کار برای اولین بار در کشور اجرایی شد مدیرکل دفتر آمارهای اجتماعی- اقتصادی خانوار مرکز آمار ایران خبر داد: مرکز آمار ایران با هدف دستیابی به شاخص های فصلی و سالیانه طرح نیروی کار را برای اولین بار در کشور اجرایی کرد. طه نوراللهی در گفت و گو با خبرگزاری مهر توضیح داد: مرکز آمار ایران از سال ۸۴ طرح نیروی کار را با هدف دستیابی به شاخص های فصلی و سالانه نیروی کار اجرایی کرد. وی در این خصوص گفت: بر اساس این طرح تغییرات شاخص‌های فصلی و سالانه نیروی کار براساس نیاز برنامه ریزان تهیه می شود. به گفته نوراللهی با این اقدام امکان مقایسه‌های بین‌المللی با تفاوت‌هایی در همه ابعاد اعم از موضوعی، فنی و اجرایی امکان پذیر است و به این ترتیب طرح مذکور با طرح آمارگیری از ویژگی‌های اشتغال و بیکاری خانوار جایگزین شده است. وی توضیحات بیشتری در خصوص این طرح ارائه نداد. در گذشته‌، همواره گزارش کارشناسان بانک مرکزی و مرکز آمار ایران در خصوص رقم بیکاری در کشور مختلف بوده است که با اجرایی شدن طرح جدید آمارگیری از ماه های آینده این مشکل نیز برطرف می شود. مدیرکل دفتر آمارهای اجتماعی- اقتصادی خانوار مرکز آمار ایران تصریح کرد: براساس اطلاعات جمع‌آوری شده از طرح آمارگیری از ویژگی‌های اشتغال و بیکاری خانوار- پاییز 1383، نرخ بیکاری 3/10 درصد بوده است.

 به نقل از تلکس اینترنتی مهر

سلام

سال نو رو به همه تبریک میگم، البته ببخشید که دیر تبریک گفتم، بقول معروف هر روزتان نوروز ، نوروزتان پیروز. امیدوارم سالی بهتر از پارسال داشته باشید به قول دکتر صادقی به آرزوهای شدنی تون برسید.

 بعد از مدتی که توی وب چرخ می زدم، وبلاگ های قدیمی و جدید رو دیدم . به امید اینکه مطالب جدیدی رو ببینم شروع به خوندن کردم، ولی چشمتون روز بد نبینه ، دیدم اینها که مطالبی هست که از توی وبلاگ خودم کپی شده یا هم از وبلاگ دیگر دوستان. باید بدونید که وبلاگ نویسی زمانی ارزش داره که مطلب نو و جدیدی ارایه بدید. و زمانی که وبلاگی تبدیل به دستگاه فتوکپی بشود ارزشش رو از دست می دهد و خوانندگان هم به اون وبلاگ اعتماد نمی کنند. کپی زمانی خوبه که شما با جستجو در وب مطالبی رو پیدا کنید که برای دیگران پیدا کردنش مشکل باشه و در سایت های پرت خاک می خوره. به امید روزی که در هر وبلاگ چند مطلب Original بشه پیدا کرد. من هم اگر وقت کنم در آینده در مورد نحوه جستجو در صفحات وب بیشتر توضیح میدم.

معرفی سایت مرکز آمار ژاپن

سایت مرکز آمار ژاپن یکی از توسعه یافته ترین سایت های مراکز آمار کشورهای دنیا است. این سایت مرکز مناسبی برای تحقیق و پژوهش در هر رشته ای که با داده ها و اطلاعات سر و کار داشته باشند می باشد. همچنین الگوی مناسبی برای سیستم آماری ایران است. این سایت آمار و اطلاعات را به طور طبقه بندی شده و قابل فهم ارائه می دهد.

در سایت مرکز آمار ژاپن هر داده و اطلاعاتی را در مورد این کشور می توانید پیدا کنید. از سرشماری ها گرفته تا آمارهای مربوط به خانه و زمین و آمارهای مختلف در زمینه کار و انرژی، و همچنین خبرهای جدید مربوط به آن مرکز در سایت مرکز آمار ژاپن وجود دارد.

در این سایت آمار های جدید کشور ژاپن در سه دسته طبقه بندی شده است و در قالب اکسل به خوانندگان ارایه شده است:

سالنامه آماری ژاپن

ماهنامه آماری ژاپن

کتاب جیبی آماری ژاپن

1. ۱. در قسمت Statistics این سایت آمارهای مختلف کشور ژاپن را می بینیم ازجمله: سرشماری جمعیت ، نیروی کار ، قیمت خرده فروشی در مناطق مختلف ژاپن ، شاخص قیمت مصرف کننده یا  Consumer Price Index ، بررسی قیمت ها در سطح ملی ، خانه و زمین ، درآمد و هزینه خانواده ، اقتصاد خانواده ، درآمد و هزینه خانواده در سطح ملی ، فعالیت ها در زمان کار و استراحت ، شبکه آماری، نقشه های آماری ژاپن ، سالنامه آماری ژاپن ، ماهنامه آماری ژاپن ، کتاب جیبی آماری ژاپن و آمارهای تاریخی ژاپن. جالب اینجاست که تمام این آمارها در قالب اکسل و کامل وجود دارد ، که اگر نگاهی به سایت مرکز آمار ایران بیاندازیم ، این آمارها بصورت خلاصه وجود دارند و یا اصلا وجود ندارند و تنها آدرسی برای خرید کتاب آنها تعبیه شده است.
1. ۲. در بخش Latest indicators یا جدیدترین شاخصها برخی شاخصهای اقتصادی را می خوانیم از قبیل: Consumer Price Index یا شاخص قیمت مصرف کننده که مربوط به دو ماه قبل می باشد در صورتی که در سایت بانک مرکزی ایران آمار مربوط به 6 ماه قبل وجود دارد، علاوه بر این درصد بیکاری و  هزینه زندگی یا  Living expenditure را می خوانیم.
3. ۳. در بخش سیستم آماری یا  Statistical System می خوانیم : سیستم آماری ژاپن، راهنمای آمار رسمی ژاپن، طبقه بندی استانداردهای اماری.
5. ۴. بخش Information یا اطلاعات : این بخش شامل توضیحاتی در مورد مرکز آمار ژاپن و فعالیت های بین المللی و همچنین خبرنامه این مرکز است.
7. ۵. بخش پنجم What's New نام دارد که مطالب به روز و جدید چهار بخش دیگر در این قسمت جمع شده اند.

اين نرم‌افزارها محصول شرکت Mathsoft بوده و محيطي شبيه نرم‌افزار S-PLUS ديگر محصول اين شرکت دارد.
قابليت‌هاي آن عبارتند از:
• انجام آمار توصيفي
• محاسبه ضريب همبستگي
• انجام آناليز واريانس
• انجام رگرسيون خطي و غيرخطي
• قابليت رسم نمودارهاي تک متغيره، دوبعدي و سه‌بعدي متنوع و با امکانات ويرايشي فراواني
• ايجاد، فراخواني و ويرايش داده‌ها يا انتقال داده‌ها با استفاده از خاصيت Drag&Drop از نرم‌افزار Excel يا ساير نرم‌افزارهاي صفحه‌گسترده
اين نرم‏افزار هر چند که از لحاظ رسم نمودار قوي مي‌باشد ولي از لحاظ بحث‌هاي آماري و کيفيتي ضعيف‌تر از دو نرم‏افزار Minitab و Statistica مي‏باشد.

PHSTAT ماژولي است که به صورت Add-ins روي نرم‏افزار Excel نصب مي‏شود و به مباحث آماري و کنترل کيفيت مي‌پردازد.
قابليت‌هاي آن عبارتند از:
• توليد داده‌هاي تصادفي
• رسم نمودارهاي جعبه‌اي، شاخه و برگ
• محاسبه توزيع‌هاي احتمال
• محاسبه فواصل اطمينان براي ميانگين
• تعيين اندازه نمونه براي انجام تست ميانگين و نسبيت
• انجام آزمون فرضيه‌هاي مختلف
• انجام آزمون رتبه‌اي ويلکاکسون، کاي اسکور، کروسکال واليس
• رسم نمودارهاي P و R و
• انجام رگرسيون خطي ساده، چند متغيره و ...
مزيت اصلي اين نرم‏افزار شايد اين باشد که همراه Excel بوده و مباحث آماري را تا حد لازم حمايت مي‏کند و براي کساني که با نرم افزارهاي آماري کار نکرده‌اند و در عوض روي نرم‏افزار Excel تبحر لازم را دارند مي‌تواند مفيد باشد.

اين نرم‌افزار يکي از نرم‌افزارهاي تخصصي آمار مي‌باشد و بيشتر به بحث‌هاي آماري در حيطهء علوم اجتماعي، روانشناسي و علوم رفتاري و ... مي پردازد.
قابليت‌هاي آن به‌شرح زير است:
• تهيه خلاصه‌هاي آماري مانند گراف‌ها، جداول‌، آماره‌ها و ...
• انواع توابع رياضي مانند قدر مطلق، تابع علامت، لگاريتم، توابع مثلثاتي و ...
• تهيه انواع جداول سفارشي مانند جداول فراواني، فراواني تجمعي، درصد فراواني و ...
• انواع توزيع‌هاي آماري شامل توزيع‌هاي گسسته و پيوسته
• تهيه انواع طرح‌هاي آماري
• انجام آناليز واريانس يکطرفه، دوطرفه، چندطرفه و آناليز کوواريانس
• تکنيک‌هاي تجزيه و تحليل سري‌هاي زماني
• ايجاد داده‌هاي تصادفي و پيوسته
• محاسبه انواع آماره‌هاي توصيفي
• انواع آزمون‌هاي مرتبط با مقايسه ميانگين بين دو يا چند جامعه مستقل و وابسته
• قابليت مبادله اطلاعات با نرم‌افزارهاي ديگر
• برازش انواع مختلف رگرسيون
اين نرم‌افزار در بحث کنترل کيفيت نسبت به نرم‌افزارهاي Minitab و Statistica ضعيف بوده ولي در بحث آمار با آنها برابري مي‌کند.

اين نرم‌افزار زيرمجموعه شرکت SPSS مي‌باشد. قابليت‌هاي آن به‌شرح زير است:
• ترسيم نمودارهاي با توابع سفارشي و دلخواه
• ترسيم نمودارهاي متنوع با امکانات ويرايشي فوق‌العاده زياد
• قاليت ايجاد کاربرگ Excel به‌طور مستقيم در داخل خود نرم‌افزار و استفاده از قابليت‌هاي نرم افزار Excel
• انجام آزمون فرض‌هاي t و t جفت‌شده
• انجام رگرسيون خطي و رگرسيون‌هاي غيرخطي فوق‌العاده متنوع (شايد بتوان گفت يکي از نرم افزارهاي قدر در امر انجام تحليل رگرسيوني باشد.)
• انجام آماره‌هاي توصيفي
اين نرم‌افزار صرفاً يک نرم‌افزار آماري است و نيز بعضي از قابليت‌هاي آماري آن نسبت به نرم‌افزارهاي ديگر قوي است از جمله محاسبه تحليل رگرسيوني.

در زیر شرحی کوتاه از زندگی پاسکال را می خوانید. ضمنا برای اینکه دوباره کاری نشود برای خواندن شرح حال دیگر دانشمندان علم آماراینجا را کلیک کنید.

پاسکال
بلز پاسکال در ۱۶۲۳ در ایالت فرانسوی اوورنی متولد شد و خیلی زود توانایی شگفت‌انگیزی در ریاضیات از خود نشان داد.داستانهای چندی از دستاوردهای دوران جوانی او را خواهرش ژیلبرتا که بعدها خانم پریه شد نقل کرده است.به علت ضعف جسمی ، پسر را در خانه نگه داشتند تا از تحلیل بنیه‌اش جلوگیری کنند.پدر بر آن شد که تحصیلات فرزندش در بدو امر به مطالعه زبان محدود شود و شامل ریاضیات نباشد.حذف ریاضیات از مطالعات او کنجکاوی پسر را برانگیخت و وی از معلم سرخانه خود درباره ماهیت هندسه استفسار کرد.معلمش به او گفت که هندسه ، مطالعه اشکال دقیق و خواص اجزای مختلف آنهاست.توصیف معلمش از هندسه و دستور پدرش در نهی آن باعث تهییج او شده از وقت بازی‌اش دست کشید و پنهانی ، در عرض چند هفته پیش خود بسیاری از خواص اشکال هندسی و به ویژه این حقیقت را که مجموع زوایای مثلث یک نیم صفحه است را کشف کرد.پاسکال در هجده یا نوزده سالگی اولین ماشین حساب را اختراع کرد و اختراع آن بدان لحاظ بود که پدرش را در ممیزی حسابهای دولتی در روئن یاری نماید.
فعالیتهای اعجاب‌آور پاسکال در سال ۱۶۵۰ ناگهان قطع شد.در این سال پاسکال که از ضعف جسمانی در رنج بود تصمیم گرفت از تحقیقات خود در ریاضیات و علم دست بردارد و خود را وقف تأملات مذهبی نماید ، ولی سال بعد به مدت کوتاهی به عالم ریاضیات بازگشت.در این دوران مقاله مثلث حسابی خود را نوشت ، آزمایشات متعددی درباره فشار مایعات به عمل آورد و مکاتبه به فرما وی را در پی‌ریزی شالوده‌های نظریه ریاضی احتمالات یاری کرد ، اما در اواخر سال ۱۶۵۴ آنچه را که وی به دیده یک ندای باطنی شدید مبنی بر ناخشنودی خداوند از تجدید فعالیتهایش بدان می‌نگریست دریافت کرد.این ندای غیبی زمانی به او رسید که اسبهای رم کرده کالسکه حامل وی با دیواره پلی در نویی تصادم کردند و خود او فقط به دلیل پاره شدن معجزه‌آسای تسمه‌ها نجات یافت.

نام نرم‌افزار: Statistica

از جمله نرم‌افزارهاي تخصصي آماري و کنترل کيفيت بوده که محصول شرکت Statsoft به آدرس اينترنتي WWW.Statsoft.com مي‌باشد. اين نرم‌افزار نسخه‌هاي گوناگوني دارد از جمله
4, 4.5, 5, 5.5 ودر حال حاضر نيز آخرين نسخه آن 6 مي‌باشد. و ناگفته نماند که آخرين نسخه کامل Statistica که تمام ماژول‌هاي آن به‌طور رايگان قابل نصب و کار کردن است نسخه 4.5 است و نسخه‌هاي بالاتر بعضي از ماژول‌ها را ندارند. و بايد جداگانه خريداري و نصب شوند.
قابليت‌ها:
• از جمله قابليت‌هاي خوب اين نرم‌افزار تقسيم‌بندي مباحث علمي و نرم‌افزاري تحت عنوان ماژول‌هاي مربوطه مي‌باشد.
• قابليت سفارشي‌شدن، خودکار عمل کردن و توسعه‌يافتن
• قابليت انجام آماره‌هاي توصيفي، ضريب همبستگي، محاسبه احتمالات و ...
• قابليت رسم و ارائه بيش از صدها نوع نمايش گرافيکي با اتصال پويا بين نمودارها و داده‌ها (يعني اتصالي که با تغيير داده‌ها نمودارها تغيير مي‌کند.)
• قابليت برازش انواع توزيع‌ها به داده‌هاي عددي.
• قابليت انجام آناليز واريانس و کوواريانس يک‌طرفه و چند طرفه
• انواع رگرسيون خصوصاً انجام رگرسيون با هزاران متغير
• قابليت انجام آناليز داده‌هاي ناپارامتري
• قابليت رسم نمودارهاي کنترل کيفيت و تحليل آنها و نيز ويرايش اين نمودارها
• قابليت تجزيه و تحليل سري‌هاي زماني و طراحي و تحليل آزمايشات
قابليت حل مسائل از طريق شبکه‌هاي عصبي و همچنين وجود يک سيستم خبره پيشنهاد کننده آسان و در دسترس

از جمله نرم‌افزارهاي تخصصي مباحث آماري و کنترل کيفيت بوده که محصول شرکت Minitab به ادرس اينترنتي WWW.Minitab.com مي‌باشد.
ودر نسخه‌هاي مختلف تحت Dos و Windows موجود مي‌باشد که در حال حاضر آخرين نسخه آن 13.32مي‌باشد.
قابليت‌ها:
7. احتمالات و توزيع‌هاي گسسته و پيوسته
8. شبيه‌سازي داده‌هاي تصادفي بر پايه توزيع‌هاي مختلف
9. آمار توصيفي
10. روش‌هاي گرافيکي جهت تشريح داده‌ها
11. تخمين‌هاي نقطه‌اي و فاصله اي و برآورد اماره‌هاي مربوطه
12. آناليز واريانس و تجزيه و تحليل مقادير باقيمانده و بررسي اثرپذيري حاصله از عوامل مختلف بر نمونه‌هاي جمع‌آوري شده
13. ابزارهاي تجزيه و تحليل سيستم‌هاي اندازه‌گيري
14. آزمون‌هاي ناپارامتري حول جوامع با پارامترها و توزيع نامشخص
15. پيش‌بيني و پيش‌گيري بر پايه رگرسيون خطي و سري‌هاي زماني
16. ابزارهاي کنترل کيفيت آماري شامل نمودار پارتو، نمودار علت و معلول، نمودار دنباله، نمودار چند متغير، نمودار متقارن و نمودارهاي کنترل
17. ابزارهاي طراحي و تحليل طرح‌هاي آزمايشي
18. ابزار تعيين اندازه نمونه و قدرت آزمون
19. ابزارهاي آناليز بقا و قابليت اطمينان
20. آناليزهاي چند متغيره
علاوه بر موارد ياد شده در بالا که مربوط به مباحث علمي نرم‌افزار بود از ديگر قابليت‌هاي نرم‌افزاري Minitab مي‌توان به موارد زير اشاره کرد:
• ارتباط با ديگر نرم‌افزارها مخصوصا نرم‌افزارهاي بانک اطلاعاتي (ODBC)
• اعمال توابع محاسباتي و رياضي و نيز امکان کارکردن با داده‌ها از جمله رتبه‌بندي، مرتب‌کردن فيلتر کردن داده‌ها، ادغام کردن کاربرگ‌ها و ....
• راهنمايي تحت عنوان Stat Guide (راهنماي آماري) که مباحث آماري کليه بحث‌هاي موجود در اين نسخه را به صورت Online در اختيار کاربر قرار مي‌دهد.
• و از ديگر قابليتهاي اين نسخه تعريف فايلي تحت عنوان پروژه مي‌باشد که چندين کاربرگ، نمودار، تحليل‌هاي آماري جدا و قالب‌بندي شده را در يک فايل پروژه ذخيره مي‌کند و با Project Manager کار مديريت آنها را دنبال مي‌کند.
نرم‌افزار Minitab در مقايسه با نرم‌افزارهاي مشابه از نظر توانايي نرم‌افزاري در حد معمول و متعادل است ولي از انجايي که کار با نرم‌افزار و ورود اطلاعات و مديريت انها نسبتا ساده است به عنوان يک نرم‌افزار کاربر پسند به‌شمار مي‌رود و در صنعت استفاده از آن به وفور مشاهده مي‌گردد.

اگر هم نظری ، پیشنهادی ، انتقادی ، سوالی ، جوابی یا هر چی دارید میتونید بگید ، من هم خوشحال می شم.