تحقيق ترجمه فصلي از کتاب روش هاي تحقيق در روانشناسي
متشکل از 23 صفحه ، در قالب word قابل ويرايش و اماده پرينت
بخشی از محتوا ::
2.3.27 : برآورد کردن ارزش عامل
کارکردن در مورد ارزش ها از اين جهت که شاخص هايي براي مجموع (زيگما) ، در تعدادي از راه ها مي تواند انجام داده شود . استفاده کردن از بيشترين احتمال (ML) خيلي رايج است ، مجذور کمترين وزن (ULS) مجذورهاي کمترين کليت و مجذورهاي کمترين وزن ها (WLS) اينها مواردي هستند که براي زمان شروع انجام خواهند شد . هر کدام از اين مدل ها (الگوريتم ها ) عملکرد متناسبي را توليد مي کنند . هر کدام از معادله ها يک ارزش کلي هستند براي نشان دادن زگماهاي مختلف از اشکال و اريانس .
نگه داشتن انجام کار و رويه برآورد کننده آن هيچ وقت نمي تواند ارزش عملکرد متناسب را کاهش دهد .
راه اين کار و دلايل انتخاب يک مدل از مدل هاي بيشمار ديگر مافوق فرصت اين فصل است (ببينيد يولمان 1996 ، برنامه کتابهاي راهنما). اما اينها يک واحدي از خطر پنهاني رايج در همه الگوريتم ها هستند . اولين خطر اينکهدانستن پيدا کردن (تمايل داشتن) به بيشترين موضع . در اينجا برنامه انجام شده يک ارزش براي تناسب عملکرد است که کوچک ساخته نمي شود t نمي تواند کوچک شود ) به وسيله ساخته شدن کمترين تعديل به شاخص هاي برآورد کننده . هر چند شروع کردن تحقيق براي کمترين تناسب عملکرد ارزشمند تر است اما اين بايد واقعاً وجود داشته باشد ، يافتن تناسب بهتري مطابق با شاخص ها گفتن اينکه اين يک اتفاق آسان نيست طبقه دعاهاي اين فکر طولاني (1903) ممکن نيست که يک مشکل رايج تمريني باشد .
نوع دوم مشکل پارامترهاي برآورد کننده مربوط به پارامترهاي احمقانه است . برخي اوقات ، خوب يک اندازه بودن مي تواند به دست آمده باشد اما ارزش هاي يک پارامتر مسي را توليد نکنيد . براي نمونه بدست آوردن متغير هاي منفي يا رتبه ها يا ارتباط هاي ارزشي کاملي بيشتر از 1 امکان پذير است و هر فکري مثل اين ترکيبات در مورد آنها بي معني است . اگر اين اتفاقات براي شما مدل خاصي باشد به همين سادگي امکان دارد غلط باشد و يا ممکن است برخي متغيرهاي شما فرضيات را تائيد نکند و اين مهم است زماني که از يافتن الگوريتم هاي برآورد کننده استفاده مي شود) . اين همچنين مي تواند زماني اتفاق افتد که حجم نمونه خيلي کوچک است و يا مجانب باشد (در نمونه بزرگ ). فرضياتي که شکل مي دهند الگوريتم هاي برآورد کننده را ممکن است توجيح کننده نباشند .
علت اصلي ديگر از برآورد کننده هاي احمقانه داده هاي اشتباه هستند . محققان مرجعي براي ارتباط استفاده شده (ياکوداريانس) قرار مي دهند که قالبهايي کلي (تعميم شده ) هستند با جفت کردن دو وجه حذف شده از ارزش هاي علمي ، اين اشتباه بيشترين علت نوشته شده براي هر ارتباطي است .
متشکل از 23 صفحه ، در قالب word قابل ويرايش و اماده پرينت
بخشی از محتوا ::
2.3.27 : برآورد کردن ارزش عامل
کارکردن در مورد ارزش ها از اين جهت که شاخص هايي براي مجموع (زيگما) ، در تعدادي از راه ها مي تواند انجام داده شود . استفاده کردن از بيشترين احتمال (ML) خيلي رايج است ، مجذور کمترين وزن (ULS) مجذورهاي کمترين کليت و مجذورهاي کمترين وزن ها (WLS) اينها مواردي هستند که براي زمان شروع انجام خواهند شد . هر کدام از اين مدل ها (الگوريتم ها ) عملکرد متناسبي را توليد مي کنند . هر کدام از معادله ها يک ارزش کلي هستند براي نشان دادن زگماهاي مختلف از اشکال و اريانس .
نگه داشتن انجام کار و رويه برآورد کننده آن هيچ وقت نمي تواند ارزش عملکرد متناسب را کاهش دهد .
راه اين کار و دلايل انتخاب يک مدل از مدل هاي بيشمار ديگر مافوق فرصت اين فصل است (ببينيد يولمان 1996 ، برنامه کتابهاي راهنما). اما اينها يک واحدي از خطر پنهاني رايج در همه الگوريتم ها هستند . اولين خطر اينکهدانستن پيدا کردن (تمايل داشتن) به بيشترين موضع . در اينجا برنامه انجام شده يک ارزش براي تناسب عملکرد است که کوچک ساخته نمي شود t نمي تواند کوچک شود ) به وسيله ساخته شدن کمترين تعديل به شاخص هاي برآورد کننده . هر چند شروع کردن تحقيق براي کمترين تناسب عملکرد ارزشمند تر است اما اين بايد واقعاً وجود داشته باشد ، يافتن تناسب بهتري مطابق با شاخص ها گفتن اينکه اين يک اتفاق آسان نيست طبقه دعاهاي اين فکر طولاني (1903) ممکن نيست که يک مشکل رايج تمريني باشد .
نوع دوم مشکل پارامترهاي برآورد کننده مربوط به پارامترهاي احمقانه است . برخي اوقات ، خوب يک اندازه بودن مي تواند به دست آمده باشد اما ارزش هاي يک پارامتر مسي را توليد نکنيد . براي نمونه بدست آوردن متغير هاي منفي يا رتبه ها يا ارتباط هاي ارزشي کاملي بيشتر از 1 امکان پذير است و هر فکري مثل اين ترکيبات در مورد آنها بي معني است . اگر اين اتفاقات براي شما مدل خاصي باشد به همين سادگي امکان دارد غلط باشد و يا ممکن است برخي متغيرهاي شما فرضيات را تائيد نکند و اين مهم است زماني که از يافتن الگوريتم هاي برآورد کننده استفاده مي شود) . اين همچنين مي تواند زماني اتفاق افتد که حجم نمونه خيلي کوچک است و يا مجانب باشد (در نمونه بزرگ ). فرضياتي که شکل مي دهند الگوريتم هاي برآورد کننده را ممکن است توجيح کننده نباشند .
علت اصلي ديگر از برآورد کننده هاي احمقانه داده هاي اشتباه هستند . محققان مرجعي براي ارتباط استفاده شده (ياکوداريانس) قرار مي دهند که قالبهايي کلي (تعميم شده ) هستند با جفت کردن دو وجه حذف شده از ارزش هاي علمي ، اين اشتباه بيشترين علت نوشته شده براي هر ارتباطي است .
تحقيق ترجمه فصلي از کتاب روش هاي تحقيق در روانشناسي
متشکل از 23 صفحه ، در قالب word قابل ويرايش و اماده پرينت
متشکل از 23 صفحه ، در قالب word قابل ويرايش و اماده پرينت