အဆင့်မြင့်စစ်တမ်းများလိုင်း-ရင်ဆိုင်ခြင်းအစီရင်ခံစာများအဘို့အသုတေသနနည်းလမ်းများ
မည်သည့်သုတေသန၌ရှိသကဲ့သို့, ကနဦးခြေလှမ်းစစ်တမ်းဖြေဆိုဖို့ဒီဇိုင်းပြုလုပ်မေးခွန်းများကိုဖော်ထုတ်နေသည်။
သုတေသနရည်ရွယ်ချက် (ကစစ်တမ်းအဘို့အရှားပါး), ကြိုတင်ခန့်မှန်းချက်ရှင်းလင်းသို့မဟုတ်ဖော်ပြရန်လျှင်စျေးကွက်ဆုံးဖြတ်ရန်ရမည်ဖြစ်သည်။ ရည်ရွယ်ချက်များနှစ်ခုစလုံးအမျိုးအစားများအရေးကြီးသောဘာတွေလဲဆိုရငျကော
အခက်အခဲ: ပျမ်းမျှ
အချိန်လိုအပ်ပါသည်: တစ်ခုမှာအပတ်
ဤတွင်ကိုဘယ်လိုဖွင့်:
ဒါဟာအားလုံးဆက်ဆံရေးအကြောင်းဖွင့်
မှီခိုနှင့်လွတ်လပ်သော variable တွေကိုတစ်ကျယ်ပြန့်ခင်းကျင်း key ကိုယာဉ်မောင်းခွဲခြမ်းစိတ်ဖြာမှတဆင့်လေ့လာခဲ့နိုင်ပြီး, ပုံမှန်အားဖြင့်, ခွဲခြမ်းစိတ်ဖြာခြင်းတဦးတည်းသို့မဟုတ်ထိုထက်ပိုမှီခို variable တွေကိုနှင့်မျိုးစုံလွတ်လပ်သော variable တွေကိုဦးတည်နေပါတယ်။ ဒါဟာသုတေသနများ၏အာရုံစူးစိုက်သောမှီခို variable ကိုအပေါ်လွတ်လပ်သော variable ကို၏စာရင်းအင်းသိသာထင်ရှားသောသက်ရောက်မှုဖြစ်ပါတယ်။ တဖကျတှငျ client ကိုစိတ်ဝင်စား (စျေးကွက်ဝေစုကဲ့သို့) မဟာဗျူဟာမြောက်ဝိသေသရှိသေး၏။ အခြားတွင်, စွမ်းဆောင်ရည်ညွှန်းကိန်းဒါမှမဟုတ်တချို့လမ်းအတွက်မဟာဗျူဟာဝိသေသနှင့်ဆက်စပ်သောခံရဖို့ယုံကြည်သည်ဖြစ်ကြောင်းဖော်ပြရန် attribute တွေအစုတခုရှိပါတယ်။
Key ကိုယာဉ်မောင်းအားသုံးသပ်ခြင်း "ဘာကြောင့်လဲ" ဖွဆေိုနိုငျ
ရွေးကောက်တော်မူခြင်းနှင့်ခွဲခြမ်းစိတ်ဖြာနည်းကိုသော့ခယာဉ်မောင်းခွဲခြမ်းစိတ်ဖြာရွေးချယ်သက်ဆိုင်ရာ variable တွေကိုအကြီးအကျယ်သုတေသနရည်မှန်းချက်တစ်ခု function ကိုနေသောခေါင်းစဉ်: ရှင်းပြချက်, ခန့်မှန်း, ဖော်ပြချက်။
ရှင်းပြချက်ပန်းတိုင်ဖြစ်တယ်ဆိုရင်, ရွေးချယ်ထားသောလွတ်လပ်သော variable တွေကိုပုမှီခို variable ကိုလေ့လာအပြောင်းအလဲသြဇာလွှမ်းမိုးယုံကြည်နေကြသည်။ အဆိုပါလွတ်လပ်သော variable တွေကိုလည်း, Actions ဖြစ်သင့်သည်။ ဥပမာအားဖြင့်, ဖောက်သည်ဝန်ဆောင်မှု (အမှီခို variable ကို) ဖြင့်ခြုံငုံကျေနပ်မှုဖွယ်ရှိအချိန်ပြန်၏ရိုးရှင်းငံ့လင့်နှင့်မူဝါဒ (အားလုံးလွတ်လပ်သော variable တွေကိုနှင့်ပြောင်းလဲပစ်ရန်တုံ့ပြန်မှု, ဒါမှမဟုတ် action ကို) ပြန်အမ်းဖို့ related ဖြစ်ပါတယ်။
Key ကိုယာဉ်မောင်းအားသုံးသပ်ခြင်း "ဘာပါလျှင်?" အဖြေနိုင်သလား
ခန့်မှန်းသုတေသနရည်မှန်းချက်ဖြစ်တယ်ဆိုရင်, လွတ်လပ်သော variable တွေကိုတစ်ခုရလဒ်ကိုခန့်မှန်းဘို့ဂတိတော်ကိုပြသသောအလွန်ရှာဖွေကြသည်။ ဒီဥပမာထဲမှာ, လွတ်လပ်သော variable တွေကိုဆုံးဖြတ်နိုင်သောဖြစ်ဖို့မလိုပါ။ ကြိုတင်ခန့်မှန်းချက်သုတေသနအတွက်ရည်မှန်းချက်မှီခို variable ကိုပြောင်းလဲပစ်ရန်မဟုတ်ပေမယ်ကအကြောင်းတစ်ခုခုကြိုတင်ခန့်မှန်းရန်။ ဥပမာ, သော့ကိုဒရိုင်ဘာခွဲခြမ်းစိတ်ဖြာတစ်ဦးဆေးလိပ်သောက်ကြိုတင်ကာကွယ်ရေးအစီအစဉ်တွင်ပါဝင်ဆောင်ရွက်ပြီးနောက် recidivism ကြိုတင်ခန့်မှန်းဖို့ဒီဇိုင်းစေခြင်းငှါ, ဒါပေမယ့်သုတေသီလည်းသူတို့ရဲ့ဆေးလိပ်သောက်ချုပ်ရာအစီအစဉ်၏အောင်မြင်မှုနှုန်းမှာတိုးတက်လာဖို့ယုံကြည်သည်လွတ်လပ်သော variable တွေကိုတစ်ဦးကွဲပြားခြားနားသော set ကိုဆနျးစစျနိုငျတယျ။
Key ကိုယာဉ်မောင်းအားသုံးသပ်ခြင်းစစ်တမ်း Friendly Is
ကျေနပ်မှု, သဘောတူညီချက်, ဒါမှမဟုတ်စွမ်းဆောင်ရည် Rating: အမှတ်တံဆိပ်ကိုမကြာခဏသုံးအမျိုးအစားများထဲမှထဲသို့ကျ attributes ။ အကြေးခွံများတစ်ဦးကအမျိုးမျိုးစံချိန်စစ်တမ်းဖြေဆိုသူ ratings သို့မဟုတ်ဤအမျိုးအစားအတွက် attribute တွေ၏အဆင့်သတ်မှတ်ချက်ဖို့အသုံးပြုနိုင်ပါသည်။ အသုံးအများဆုံး rating စကေးအလွယ်တကူစိတ်ကျေနပ်မှုနှင့်သဘောတူညီချက်ထုတ်ပြန်ချက်များမှလျှောက်ထားသော Likert ဖြစ်ပါသည်။ စစ်တမ်းဖြေဆိုသူအများအပြားအမှတ်တံဆိပ်ကိုဖြတ်ပြီးတဲ့ကုန်ပစ္စည်းသို့မဟုတ်ဝန်ဆောင်မှုသို့မဟုတ် attribute တွေအများအပြား attribute တွေဘယ်လောက်ရှိသလဲတဲ့အခါသူတို့က "ဟုတ်ကဲ့," 1/0 coded ထွက်ပေါ်လာတဲ့ဒေတာနှင့်အတူတစ်သေတ္တာစစ်ဆေးနိုင်ပါသည်။ ဤသည် binary data တွေကိုအလွယ်တကူစာရင်းအင်းခွဲခြမ်းစိတ်ဖြာ၏ရည်ရွယ်ချက်များပြောင်းလဲနေသည်။
ကွဲပြားခြားနားသောစျေးကွက်အပိုင်းများအဘို့ကွဲပြားခြားနားသော Key ကိုယာဉ်မောင်း
Market က segment သုတေသနကွဲပြားခြားနားသောသော့ခယာဉ်မောင်းကွဲပြားခြားနားသောစျေးကွက်များတွင်အရေးကြီးသောဖြစ်, အချို့ key ကိုယာဉ်မောင်းအားလုံးဈေးကွက်အစိတ်အပိုင်းများကိုဖြတ်ပြီးအရေးကြီးသောဖြစ်မည်အကြောင်းဖော်ပြသည်။ တစ်ဦး attribute ကိုစစ်တမ်းတစ်ခုအတွက်တစ်ခါသာဟုမေးနိုင်ပါသည်, သို့သော်ထွက်ပေါ်လာတဲ့ဒေတာ discrete စားသုံးသူအုပ်စုများရောင်ပြန်ဟပ်ကြောင်းကွဲပြားခြားနားသော "ဖြတ်တောက်မှု" သို့မဟုတ် tranches သို့ filtered နိုင်ပါတယ်ကတည်းက Key ကိုယာဉ်မောင်းခွဲခြမ်းစိတ်ဖြာစစ်တမ်းဒီဇိုင်းကိုရိုးရှင်းနိုင်ပါတယ်။ ဥပမာအားဖြင့်, ဖြတ်တောက်မှုအသက်အပိုင်းအခြား, အသက်, လိင်, လူမှုစီးပွားရေးအခြေအနေ, ဝင်ငွေ, ဒါမှမဟုတ်ကျောင်းနေပညာရေးဆိုင်ရာအဆင့်ဆင့်ကိုထင်ဟပ်နိုင်ပါ။
Key ကိုယာဉ်မောင်းအားသုံးသပ်ခြင်းအမျိုးအစားတန်ဖိုးများနှင့်အတူသုံးနိုငျ
ခွဲခြမ်းစိတ်ဖြာနည်းစနစ်တစ်ခုအမျိုးမျိုးအဓိကကားမောင်းသူခွဲခြမ်းစိတ်ဖြာလုပ်ဆောင်ဖို့အသုံးပြုနိုင်ပါသည်။ တချို့ကမှီခို variable တွေကို, အမျိုးအစားများမှာခဲ့သည်ဆို၏မဟုတ်, ဒါကြောင့် linear ဆုတ်ယုတ်ခြင်းဖြင့်ခွဲခြမ်းစိတ်ဖြာမရပါ။ အဲဒီအစား, linear ခွဲခြားဆက်ဆံမှုခွဲခြမ်းစိတ်ဖြာ သို့မဟုတ် Logistic ဆုတ်ယုတ်အသုံးပြုကြသည်။ အမျိုးအစား variable တွေကိုကြိုတင်ခန့်မှန်းချက်များနှင့်ရှင်းပြချက်နှစ်ဦးစလုံးရည်ရွယ်ချက်များနှင့်အတူစစ်တမ်းများများတွင်အသုံးပြုနိုင်ပါသည်။ ဖောက်သည်ကျေနပ်မှုသို့မဟုတ်သစ္စာရှိမှုစစ်တမ်းများမကြာခဏဥပမာ, (တက်ကြွစွာ / Non-တက်ကြွ) ကိုဖောက်သည်ဆက်ဆံရေးအခြေအနေကိုညွှန်ပြကြောင်းအမျိုးအစားတန်ဖိုးများကို employ ။
Linear - စဉ်းစားကြည့်ပါရန်တစ်ခုမှာနောက်ထပ်အရာ
တစ်ဦးက key ကိုယာဉ်မောင်းတစ်ဦးတပ်မက်လိုချင်သောရလဒ်ကိုသို့မဟုတ်မဟာဗျူဟာမြောက်ဝိသေသတစ်ခုကစာရင်းအင်းသိသိသာသာဆကျဆံရေးတစ်ခု attribute ကဖြစ်ပါတယ်။ အဆိုပါလွတ်လပ်သော variable ကိုကမှီခို variable ကိုအတူတစ်ဖြောင့်လိုင်းဆက်ဆံရေးမျိုးရှိပါတယ်လျှင် linear ဖြစ်စဉ်းစားသည်။ ဥပမာတစ်ခုစျေးနှုန်း elasticity ပါလိမ့်မယ် - ထုတ်ကုန်အပြောင်းအလဲ၏စျေးနှုန်းအဖြစ်ရောင်းအားပမာဏ၏တစ်ဦး linear ပုံစံသည်ဤအပြောင်းအလဲများကိုတုံ့ပြန်ကိုတွေ့ရှိနိုင်ပါသည်။ ကြိုတင်ခန့်မှန်းချက်တရားဝင်မှု၏အလွန်မြင့်မားသောအဆင့်လိုအပ်ပါသည်မဟုတ်လျှင်တစ်ဦးကောင်းမွန်စွာဒီဇိုင်းလေ့လာမှုအတွက် linear data တွေကိုမျှမျှတတပိုပြီးအဆင့်မြင့်တဲ့နည်းပညာတွေနှုနျးရန်မလိုဘဲ, Non-linear data တွေကိုကိုယ်စားပြုနိုင်ပါတယ်။
Key ကိုယာဉ်မောင်းအားသုံးသပ်ခြင်းများအတွက် software ကိုအသုံးပြုခြင်း
အတော်များများကဆော့ဖျဝဲ packages များသော့ခယာဉ်မောင်းခွဲခြမ်းစိတ်ဖြာများအတွက်လိုအပ်သည့်စာရင်းအင်းလုပ်ငန်းစဉ်များထုတ်သယ်ဆောင်ရန်ဒီဇိုင်းရေးဆွဲနေကြပါတယ်။ Quirk ရဲ့မဂ္ဂဇင်း software ကိုပြန်လည်သုံးသပ်ခြင်းထုတ်ဝေသည်။
ဤနေရာတွင်စာရင်းနှစ်ခုအတွက် Microsoft Excel ကိုထိုကဲ့သို့သော SPSS အဖြစ်ပြည့်စုံပလက်ဖောင်းမှ-ins Add အဖြစ်လုပ်ကိုင်ဖို့ဒီဇိုင်းအခြေခံအကျဆုံး applications များအနေဖြင့်မရရှိနိုင်ရွေးချယ်စရာများ၏အကွာအဝေး span ။
ALLSTAT တစ်ဦးစျေးသိပ်မကြီးတဲ့ data တွေကိုခွဲခြမ်းစိတ်ဖြာနှင့် Microsoft Excel ကိုများအတွက်စာရင်းအင်းဖြေရှင်းချက်ဖြစ်ပါသည်။
SPSS စံဖြစ်တယ်, ဒါကြောင့်အများအပြားတည်းဖြတ်မူများကိုခံထားပါတယ် - IBM က SSPS တိုက်ရိုက်စျေးကွက် module ကိုစျေးကွက်သုတေသီများများအတွက်အထူးသဖြင့်အလုပ်လုပ်တဲ့ဖြစ်ဟန်တဦးတည်းသော။
Key ကိုယာဉ်မောင်းအားသုံးသပ်ခြင်း၏အကျိုးကျေးဇူးများ
သော့ခယာဉ်မောင်းခွဲခြမ်းစိတ်ဖြာအကျိုးရှိစွာနှင့်အရွယ်မှာသောကြောင့်, ဒါကြောင့်စစ်တမ်းကိုဒီဇိုင်းနှင့်ခွဲခြမ်းစိတ်ဖြာများ၏ဘတ်ဂျက်နှင့်သယံဇာတနယ်နိမိတ်ကိုဆက်လက်ထိန်းသိမ်းထားဖို့ကူညီပေးသည်။ တည်ဆဲအမှတ်တံဆိပ် drivers တွေကို - ပြောနှစ်စဉ်စစ်တမ်းတစ်ခုယူတဲ့သူဖောက်သည်အကျွမ်းတဝင်ဖြစ်ကြောင်း - လက်ရှိစစ်တမ်းမူဘောင်အတွင်းသုံးနိုင်တယ်; သော့ခယာဉ်မောင်းခွဲခြမ်းစိတ်ဖြာ employ ကြောင်းစစ်တမ်းများကြာကြာသို့မဟုတ်ထိုထက်ပိုရှုပ်ထွေးလုပ်ခံရဖို့မလိုအပ်ပါဘူး။ client-facing မေးခွန်း key ကိုယာဉ်မောင်းခွဲခြမ်းစိတ်ဖြာထားရှိရန်သိသိသာသာပြောင်းလဲသွားစရာမလိုပါ။ သော့ခယာဉ်မောင်းခွဲခြမ်းစိတ်ဖြာတစ်ခုကိုတစ်ဦးကပုံပြင်နားလည်နိုင်သည်နှင့်တင်ဆက်မှုများအတွက်အချက်အလက်များ၏တစ်ဦးအမြင်အာရုံ display ကိုမှကိုယ်နှိုက်ကချေးငှားသည်။
အညွှန်း
Quirk ရဲ့ Market ကသုတေသနကိုပြန်လည်ဆန်းစစ်ခြင်းစျေးကွက်သုတေသနခေါင်းစဉ်တစ်ခုကျယ်ပြန့်-range ကိုအပေါ်ဆောင်းပါးများကိုထုတ်ဝေသည်။ ဒေတာသုံးစွဲမှုနှင့်သုတေသနနည်းပညာနှင့် Trends အပေါ်မိမိတို့၏စီးရီးစစ်တမ်းသုတေသန၏အခွံမာသီးများနှင့်သော့ခလောက်စိတ်ဝင်စားသုတေသီများများအတွက်အထူးအသုံးဝငျပါသညျ။
သတင်းရင်းမြစ်
- Quirk ရဲ့အပိုဒ် # 20010104 - (ဝိန်း Fort ဝါရှင်တန်, PA ဆိုပြီးအတွက်တုံ့ပြန်မှုစင်တာ) Rajan Sambandam အားဖြင့်သုံးသပ်ခြင်းနည်းလမ်းများ၏စစ်တမ်း
- Quirk ရဲ့အပိုဒ် # 20010297 - Multivariate Solutions ၏ Micheal Lieberman (နယူးယောက်ခြင်းဖြင့်> Key ကိုယာဉ်မောင်းအားသုံးသပ်ခြင်း