نحوه محاسبه همبستگی در بازار

این مقاله با هدف آموزش و معرفی دیتای آن‌چین و تحلیل آن‌چین دیتا نوشته شده است و قصد سیگنال‌دهی یا رد دیگر روش‌ها را ندارد.

مارجین یا مارژین چیست؟

در این مطلب سعی بر این است که موضوع مارژین و یا مارجین از زوایای سوالات ذیل مورد بحث قرار گیرد.

[su_box title=”مارجین یا مارژین” box_color=”#64e82d” title_color=”#2c2626″]

1-مارژین یا مارجین چیست؟

2-مارجین و مارک آپ چگونه محاسبه می گردد؟

3- رابطه مارجین و زنده مانده محصول، چگونه است؟

4- مارجین در طول عمر محصول چگونه تعریف می شود؟

5-رابطه بین مارجین و پروموشن چیست؟

6- رابطه بین مارژین و سودآور بودن محصول چگونه تعریف می شود ؟

7- دامنه قیمت گذاری و مارجین تا کجاست؟

8-چه اجزایی در تعیین مارژین یک محصول می توانند اثر گذار باشد؟

9- یک مثال از پیچیدگی تعیین مارجین محصول [/su_box]

1-تعریف مارژین یا مارجین چیست

اصطلاح رایج در بازار که امروز به عنوان سود و یا حاشیه سود مطرح می شود .(+) از تفاوت بین قیمت خرید و فروش حاصل می شود و برای هر مشتری میتواند متفاوت تعریف شود. هدف از تعیین مارژین تعیین جذابیت خرید برای مشتری است، که منافع حاصل از خرید و عرضه این محصول را بیان میکند.

2-تفاوت مارژین و مارک آپ

مارک آپ نسبت حاشیه سود محصول به قیمت خرید تعریف می شود.

مارجین نسبت حاشیه سود محصول به قمیت مصرف کننده تعریف می شود.

مارجین در واقع حاشیه سود برای مشتری است.

نحوه محاسبه آن، “تفاوت بین قیمت خرید و فروش محصول است.” یکی از راههای سود آوری محصول چگونگی تعریف و تعیین میزان مارجین محصول است.

بین مارجین، میزان فروش محصول، میزان سود آوری، ضریب همبستگی وجود دارد.(+)

حاشیه سود گاهی به عنوان یک مکمل و کاتالیزوری جهت فروش محصول عمل می نماید.

در صنعت پخش مارژین یا مارجین با در نظر گرفتن” نوع محصول، سبد ارائه محصول، کشش بازار، قدرت برند، میزان جذابیت محصولی تعیین می شود.”

راههای تعیین مارجین یا مارژین میتواند از روش های ذیل صورت گیرد.

1-بنچ مارک از رقبا

2-قیمت تمام شده محصول بعلاوه سود مد نظر

3-ترکیبی از دو روش فوق

4-کانال مشتری و نماینده فروش

محاسبه مارژین و مارک آپ با نرم افزار (+)

3- رابطه مارژین و زنده مانده محصول چگونه است؟

یکی از دلایل اصلی زنده مانده محصول در بازار میزان مارژینی است، که برای آن تعیین می شود، شرکتها از مارژین برای اهداف و مقاصد مختلف استفاده میکنند که در طول عمر محصول میتواند متفاوت باشد.

مثلا گاهی برای معرفی محصول، گاهی برای رقابت با سایر رقبا، گاهی برای افزایش تنوع سبد عرضه مارژین یک محصول متفاوت نحوه محاسبه همبستگی در بازار تعریف میشود و هدف اصلی هم ایجاد جذابیت برای خریدار است.

هر چقدر محصول، جز محصولات بادوام و کند فروش باشد، رابطه مارژین و خرید معنا دارتر میشود.( رابطه جذابیت سود حاصل از خرید کبریت و سود حاصل از خرید یخچال).

برخی از شرکت ها به دلیل اشتباه در محاسبه قیمت تمام شده محصول و در نظر نگرفتن برخی از جنبه هایی که مستقیم به میزان مارجین محصول ربط دارند، باعث ضرر و زیان به شرکت شده است.

در نهایت به دلیل عدم تحمل میزان زیان وارده به شرکت، تولید محصول متوقف و از چرخه عرضه خارج و به حذف محصول از بازار منجر می گردد و به اصطلاح بازار ” جوان مرگ” می گردد.

4- مارژین در طول عمر محصول چگونه تعریف می شود؟

مارژین کالا در تمام فرایند طول عمر کالا شامل، مرحله معرفی، رشد، بلوغ و مرگ می تواند متفاوت تعریف گردد. قاعدتا در مراحل اولیه محصول دارای مارژین بهتر و بیشتری برای خریدار خواهد بود و در مراحل بعدی (بلوغ و مرگ) مارژین به نسبت عرف صنعت متعادل تر می گردد.

هنر تعیین مارژین کالا بسیار مهم می باشد و بسیار ساده انگارانه است که تصور کنیم با یک محاسبه سرانگشتی و قیمت رقبا میتوان به یک قیمت رقابتی از محصول رسید.

مثلا در همین فروشگاههای زنجیره ای رفاه، اتکا، هاپیراستار، جامبو، کوروش اگر به قیمتها نگاهی بیندازیم، متوجه میشویم که چرا برخی از محصولات در بعضی از فروشگاه ها به راحتی فروش می رود و همان محصول در فروشگاه رقیب به سختی به فروش میرود .

تعیین مارژین محصول برای هر کانال در بازار معمولا جداگانه تعریف می شود و این بستگی نوع کانال عرضه و اهمیت حضور در آن کانال و میزیان و نوع خرید کالا برای شرکت عرضه کننده دارد.

مثلا محصولات تک نفره در کترینگ ها بخصوص هواپیمایی کشور در اکثر مواقع نه تنها سودی برای شرکت عرضه کننده ندارد،، بلکه در بهترین حالت سود در نقطه سر به سر محاسبه می گردد، زیرا حضور در این نوع کانال های فروش، نوعی از دیده شدن در بین معرض بزرگان جامعه است.

5-رابطه بین مارژین و پروموشن چیست؟

مارژین یا مارجین یا حاشیه سود به عنوان نمادی از ارزش افزوده برای مشتری تلقی میگردد.

پروموشن معمولا در قالب یک تخفیف محصولی، که به صورت ریالی،تعدادی، تناژی تعریف می گرد.

با توجه به سیاست های شرکت عرضه کننده می تواند به صورت مقطعی، و یا در پروسه های زمانی خاصی، به عنوان کاتالیزو فروش مورد استفاده قرارگیرد. برای هر کانال فروش می تواند متفاوت باشد، اما هزینه پرموشن را به عنوان اضافه مارژین می توان در نظر گرفت.

6- رابطه بین مارژین و سودآور بودن محصول چیست؟

به دلیل تنوع سیاست شرکت ها در خصوص نوع نگاه به مارژین نمی توان به قطعیت گفت، که هر محصولی که سود آورتر باشد، قاعدتا باید مارژین بالاتری هم داشته باشد.

زیرا سود آوری محصول تابعی از میزان فروش می باشد ، یعنی هر چه محصول بیشتری فروخته شود، برای سازمان سود آورتر است، اما در زمانی که محصول از مقبولیت بالای در فروش برخوردار است. مارژین را به عرف صنعت بسیار نزدیک می کنند.

شرکت ها میتوانند، زمانی که محصول در شرایط رکود و یا معرفی و طفولیت خود است به جهت شدت بخشیدن به فروش محصول و عرضه بیشتر آن با افزایش مارژین مقبولیت کالایی ایجاد نمایند.

7- دامنه قیمت گذاری و مارجین چیست؟

قمیت گذاری و مارجین رابطه تنگاتنگی با هم دارند، در صورت افزایش مارجین محصول قاعدتا قیمت نهایی محصول نیز افزایش پیدا می کند، اما این افزایش تا سطحی قابل تعریف است، که کشش بازار و تقاضای مشتری تعیین کند.

هر چه مارجین بالاتری برای محصول خود در نظر بگیرم ریسک کم شدن خرید به دلیل افزایش قیمت نهایی محصول وجود دارد، و بر عکس هر چه مارجین را کمتر از عرف صنعت بگیرم باز هم به دلیل ارزش افزوده کم برای کانال های واسط و توزیع خرید محصول کمتر می گردد و به تبع عرضه آن هم کم می شود.

مثال عرضه آب معدنی به دلیل داشتن وزن زیاد و سود کم در میان شرکت های پخش خیلی جذاب نیست و بیشتر برای تکمیل نمودن سبد عرضه استفاده می گردد.

8-چه اجزای در تعیین مارژین یک محصول می توانند اثر گذار باشد؟

اجزای زیادی در تعیین نوع مارژین دخیل هستند، که به برخی از مهمترین موارد و اجزا ء اشاره نمود :

[su_box title=”عوامل تاثیر گذار در تعیین مارجین یا مارژین” box_color=”#e82dca” title_color=”#2c2626″]

2- تنوع سبد عرضه.

3-نوع و تعداد کانال های عرضه.

4-بسته بندی محصول (کوچک – بزرگ -متوسط).

5- طبقه محصول(کند فروش- تند فروش).

6- قدرت برند(رهبر- پبرو – حاشیه).

7-تعداد رقبا(زیاد- متوسط- کم).

8- نوع بازار (جدید،فعلی،اشباع،خالی) [/su_box]

مهمترین مقوله اثر گذار مارژین محصول را می توان قدرت برند ذکر کرد، به طور مثال شرکت های که دارای برند قوی تری نسبت به سایر رقبا در بازار هستند، مشتریان و خریداران از حاشیه چانه زنی کمتری در خصوص تعیین میزان مارجین کالا برخوردار هستند، به تبع آن محصولات می تواند داری مارجین پایین تری نسبت به رقبای سوم و چهارم خود در بازار باشد.

عناصر پیچیده و تاثیر گذار بر میزان مارژین محصول به عنوان یک ابزار مشوق کننده و ترغیب کننده خرید محصول:

با یک مثال این موضوع را میتوان بیشتر توضیح داد، یک شرکت تولید فراورده های لبنی آلفا تصمیم می گیرد، دوغ جدید خود را به بازار ارائه کند، متغیر های وابسته در جذابیت و مقبولیت این محصول، شامل بسته بندی، خواص ارگانولپتیگی (طعم و مزه)قدرت برند، ساختار توزیع، سبد محصولات و مارژین و…می باشد.

شرکت الفا تصمیم می گیرد با استفاده از روش بنچ مارک، از رقیب اصلی خود به تعیین حاشیه سود محصول بپردازد. در نهایت این شرکت تصمیم می گیرد که مارژین محصول را 20 درصد بیشتر، نسبت به محصول رقیب روانه بازار مصرف نماید.

در نگاه اول به نظر می آید جذابیت محصول ارائه شده مورد قبول بازار واقع گردیده، میزان فروش محصول افزایش پیدا میکند و شرکت احساس می کند با این روش توانسته محصول را مورد مقبول بازار نماید.

بعد از مدتی که شرکت رقیب اصلی متوجه کاهش سهم بازار این محصول می شود، با استفاده از قدرت برند، یا سبد محصولات و یا قدرت شبکه توزیع ، دست به مقابله به مثل می زند به شبکه عرضه خود فشار می آورد و خرید سبد نحوه محاسبه همبستگی در بازار محصول را منوط به خرید این محصول اصلی می نماید.

این تکنیک باعث می شود برخی از مشتریان که محصول شرکت آلفا را خریده اند با وجود مارژین بالا از خرید بعدی انصراف داده و ترجیح خود را به همکاری با شرکت بعدی تغییر دهند، زیرا شرکت رهبر بازار توانسته با افزایش جذابیت خرید اعتباری میزان مقبولیت کالای مشابه رقیب را به شدت کم نماید.

مشتریان بعد از مدتی از خرید محصول جدید شرکت آلفا خوداری می نمایند، شرکت آلفا مجبور است، این بار با حربه ارائه پروموشن به ازای خرید محصول وارد بازی رقابت وسهم گیری شود .

همین چرخه طور دیگری شکل می گیرد و باعث ارائه امتیازات بیشتر از طرف هر دو رقیب در بازار می شود، تا جایی که گام بعدی به منظور ایجاد رضایت بیشتر مشتریان، گارانتی نمودن صدردصد محصول بدون چانه زنی است، با این حال فروش محصول جدید همچنان از فروش پایین و ضایعات بالا برخوردار است.

شاید به نظر اگر در همان ابتدا شرکت برای کسب سهم بیشتر در کوتاه مدت وارد جنگ رقابتی نمی شد، این محصول میتوانست با استفاده از ویژگی های خود محصول در نیش مارکت ها بازار خوبی را به دست آورد.

به نظر میرسد به علت مقبولیت نداشتن محصول در بازار ، شرکت در هر مرحله مجبور شده است مارجین محصول را با پروموشن افزایش دهد و در نهایت نه تنها سودی حاصل شرکت نشده، بلکه زیانی نیز محتمل شرکت می نماید.

لذا توصیه مشود که در بحث تعیین مارجین حتما شرایط حاکم بر صنعت و بازار و شرایط رقابتی شرکت و شناخت اجزاء تاثیر گذار بر مارجین محصول به دقت بررسی شود تا در برآورد کشش و تقاضای مشتری دچار خطا نشویم.

درست تر این است که هزینه پروموشن و هزینه ضایعات که مستقیم به محصول ربط دارد، را جز هزینه های حاشیه سود محصول در نظر بگیرم و بعد ببینیم آیا این محصول آنقدر ارزشمند است که با این ترکیب حاشیه سود وارد بازار شود؟

[su_note note_color=”#f7ff66″]9-مثال عملیاتی از محاسبه ترکیبی مارژین[/su_note]

نام محصول دوغ بطری

میزان حاشیه سود : از قیمت خرید تا مصرف کننده 20 درصد

میزان هزینه پرموشن:(به ازای هر ۵ عدد یک عدد ) معادل 20 درصد ) بسته ۶ تایی(۵+۱)

میزان هزینه: برگشت محصول 6 درصد

هزینه های توزیع : مارجین برای کانال های واسط و نمایندگان توزیع کننده 20 درصد

هزینه کل و تعیین مارژین : شامل 66 درصد از قیمت تمام شده محصول می باشد.(۲۰+۲۰+۲۰+۶)

لازم به توضیح است که مشتری در یک بسته که شامل ۶ عدد دوغ است، یک عدد را به عنوان اشانتیون خرید دریافت می کند و اگر عدد یک را تقسیم بر عدد ۵ نمایم به عدد ۲۰ درصد میرسیم. یعنی از قیمت خرید مغازه دار ۲۰ درصد جایزه خرید دریافت کرده است.

سوال مهم در پایان بحث مارژین یا مارجین و یا حاشیه سود محصول این است که کدام روش تعیین مارجین می تواند در این مقطع باعث رشد محصول در بازار شود؟

آیا ترکیب مارژین محصول برای همه کانال های عرضه یکسان تعریف شود؟

آیا میزان برآورد فروش اولیه محصول می تواند، هزینه های ناشی از قیمت تمام شده را پوشش دهد؟

و سوالاتی بیشتری که به تعیین درست تر از مارژین محصول و کالا در ذهن ما شکل بگیرد؟

ایستا کردن در تحلیل سری های زمانی

نکته ای که باید بدانیم این است که فقط در صورتی می توان سری زمانی را راحت تحلیل و پیش بینی کرد، که به صورت ایستا (Stationary) در آمده باشد. ما برای نتیجه گرفتن از الگوریتم سری های زمانی باید اول قادر باشیم آن را ایستا کنیم. (پی نوشت: مقصود ما از تحلیل زمانی معمولا دستیابی به اهدافی از قبیل توصیف، تشریح، پیش بینی، کنترل و یا تطویل سری زمانی کوتاه مدت به بلند مدت (data generation) می باشد.)

منظور از یک سری زمانی ایستا:

یکی از خصوصیات اصلی و مهم در سری زمان، ایستایی است. سری زمانی که خاصیت ایستایی داشته باشد را می توان تجزیه و تحلیل کرد. بسیاری از تبدیلات مانند میانگین متحرک (Moving Average)، در سری زمانی به منظور ایستا کردن آن به کار می روند.

در صورتی یک سری زمانی ایستا تلقی می شود که خصوصیات آماری آن مانند میانگین و واریانس در طول زمان ثابت باشد. از طرفی ماتریس کوواریانس برای سری زمانی باید مستقل از زمان باشد. معمولا، ارزش سهام در بازار بورس، یک پدیده ایستا نیست زیرا می توان روند افزایشی یا کاهشی را به خوبی در آن مشاهده کرد. همچنین تغییرات نسبت به میانگین هر روز می تواند متفاوت باشد.

در واقع، سری زمانی ایستا دنباله ای از مقادیر وابسته به زمان است که میانگین و واریانس آن به زمان وابسته نباشند. به طور کلی می توان این طور توضیح داد که در یک سری زمانی ایستا، قوانین حاکم بر تغییرات مقدار ها، وابسته به زمان نیست.

در صورتی که به نمودار های زیر دقت کنید قادر به مشاهده تفاوت واضح در میان سری زمانی ایستا و ناایستا خواهید بود:

پیشگامان بی نهایت مطالعه مقاله الگوریتم رگرسیون خطی را به شما عزیزان پیشنهاد می کند.

تشخیص ایستا بودن

تشخیص ایستا بودن یا نبودن یک سری زمانی:

یکی از معروف ترین و پرکاربرد ترین روش های بررسی ایستایی، انجام آزمون Dickey-Fuller است. به کمک این آزمون آماری می توان ایستایی یک سری زمانی را مورد بررسی قرار داد. اگر به زبان آزمون فرض آماری در مورد این آماره صحبت کنیم، می توان گفت که فرض صفر در این آزمون ناایستا بودن سری زمانی است.

در نتیجه اگر با توجه به مقدار p-Value یا همان مقدار احتمال، فرض صفر رد شود، رای به ایستا بودن سری زمانی خواهیم داد. با مد نظر قرار دادن مقدار احتمال (p) می توان در مورد ایستایی سری زمانی تصمیم گرفت.

اگر p کوچکتر از احتمال خطای نوع اول باشد، فرض صفر رد شده و رای به ایستایی سری زمانی خواهیم داد. در غیر این صورت دلیلی برای وجود ایستایی سری زمانی وجود ندارد. اطلاع دارید که به طور معمول مقدار خطای نوع اول را برابر با 0.05‌ یا 5% در نظر می گیرند.

به نمودار بالا به دقت نگاه کنید. در اینجا از نحوه محاسبه شاخص Dickey-Fuller صرف نظر کرده ایم زیرا در بیشتر نرم افزار های تحلیل سری زمانی محاسبات مربوط به آن قابل انجام است. از طرفی تفسیری که از آن به دست می آید، مهم است تا قادر باشیم ایستایی سری زمانی را به سادگی نحوه محاسبه همبستگی در بازار تشخیص دهیم.

برای ایستا کردن یک سری زمانی چه باید کرد؟

برای ایستا کردن یک سری زمانی باید عواملی که باعث خارج شدن سری زمانی از حالت ایستایی هستند، حذف شوند. به این ترتیب باید مولفه های شناسایی شده در سری زمانی را حذف کنیم. به این کار «هموار سازی» (Smoothing) یا «صافی» (Filtering) می گویند.

روش های مختلفی برای هموار سازی سری زمانی وجود دارد. عملگر های میانگین متحرک، هموار سازی نمایی ساده، روش های تفاضل گیری و… به حذف مولفه های سری زمانی کمک می کنند.

عملگر میانگین متحرک:

در روش عملگر میانگین متحرک با توجه به درجه انتخابی برای میانگین گیری مثلا k، هر مقدار از سری زمانی را با میانگین k-1 مقدار قبلی و خودش جایگزین می کند. این کار به حذف روند و تشکیل الگوی ساده برای سری زمانی کمک بسیاری می کند. میانگین متحرک یک روش هموار سازی داده ها است. البته این عملگر، مولفه روند را برای سری زمانی اندازه گیری و برآورد می کند تا در هنگام پیش بینی از آن استفاده شود.

با یک مثال این روش را توضیح می دهیم:

در نظر بگیرید یک سری زمانی برای ۱۰ زمان مختلف ثبت شده است. اگر درجه هموار سازی میانگین متحرک را برابر با ۳ در نظر بگیریم، باید نحوه محاسبه همبستگی در بازار میانگین مقدار جاری و دو مقدار قبلی (مجموعه سه مقدار) را به دست آوریم و جایگزین مقدار جاری کنیم.

همان طور که پیداست برای دو مقدار اول در سری زمانی، این کار امکان پذیر نیست زیرا نمی توان سه مقدار برای محاسبه میانگین در نظر گرفت. در نتیجه این گونه هموار سازی به کاهش مجموعه داده منجر می شود. هر چه درجه همواره سازی را بزرگ تر انتخاب کنید، هموار سازی زودتر انجام خواهد شد ولی در عوض ممکن است درصد خطای پیش بینی را افزایش دهد.

در همچین حالتی برای آنکه سری زمانی، خاصیت ایستایی پیدا کند و روند را از آن حذف کنیم، کافی است مقدار های سری زمانی را از میانگین متحرک کم کنیم، سری زمانی جدید بدون روند خواهد بود. یعنی در صورتی که Y(t) سری زمانی و m(t) میانگین متحرک در همان زمان باشد، سری زمانی ایستا را به سادگی به این صورت می توان به دست آورد:

X(t) = Y(t) – m(t)

پیشگامان بی نهایت مطالعه مقاله الگوریتم داده کاوی را به شما عزیزان پیشنهاد می کند.

نمودار سری زمانی

به نمودار های بالا دقت کنید. در عکس اول نمودار سری زمانی به همراه مقدار های حاصل از عملگر های میانگین متحرک مرتبه ۳ و ۵ دیده می شود. همچنین در آن سری زمانی ناایستا به رنگ آبی و سری های زمانی ایستای حاصل از عملگر میانگین متحرک مرتبه ۳ و ۵ به رنگ های بنفش و سبز نمایش داده شده اند.

نکته: در سری های زمانی ایستای تولید شده،‌ مولفه روند وجود ندارد.

روش های مدلسازی سری های زمانی:

به طور کلی به منظور مدل سازی سری زمانی روش های مختلفی با توجه به ساختار داده های سری، وجود دارد که سه مورد از معروف ترین و پرکاربرد ترین آنها عبارتند از:

میانگین متحرک (Moving Average):

یکی از ساده ترین مدل های سری زمانی، میانگین متحرک است. در نحوه محاسبه همبستگی در بازار این مدل، مقدار پیش بینی برای زمان بعدی به صورت میانگین مقدار های قبلی خواهد بود. به همین دلیل مدل را به صورت میانگین متحرک نامیده اند. اگر مدل، ایستا باشد، در بسیاری از مواقع مدل میانگین متحرک قابل استفاده و البته از دقت مناسبی نیز برخوردار خواهد بود.

در غیر این صورت به کمک میانگین متحرک می توان روند یک سری زمانی را تشخیص داد. با تعریف یک «پنجره» (Window) از شیوه میانگین متحرک برای هموار سازی سری زمانی و تعیین نقاط تغییر روند می توان استفاده کرد. البته منظور از پنجره در سری زمانی، بازه ای از سری زمانی است که به منظور تحلیل دقیق تر رفتار سری به کار گرفته می شود.

هموار سازی نمایی (Exponential Smoothing):

هموار سازی نمایی نیز از همان منطق هموار سازی میانگین متحرک پیروی می کند. به این ترتیب می توان این روش را به صورت میانگین وزنی برای داده های سری زمانی در نظر گرفت که به داده های دورتر وزن کمتری در محاسبه میانگین می دهد.

کاهش وزن مقدار های گذشته دور در حقیقت از اهمیتشان در محاسبه و پیش بینی مقادیر مربوط به آینده می کاهد و داده های مربوط به حال حاضر تاثیر بیشتری خواهند داشت.

در صورتی که سری زمانی دارای روند باشند، استفاده از روش هموار سازی نمایی مضاعف نتایج بهتری را ارائه خواهد داد. به نظر می رسد که می توان هموار سازی نمایی مضاعف را به صورت دو بار استفاده از هموار سازی نمایی ساده در نظر گرفت. با اضافه شدن فاکتور یا عامل هموار سازی فصلی، می توان برای سری های زمانی فصلی نیز مدلی ارائه داد.

مدل ترکیبی (SARIMA):

مدل SARIMA (Seasonal Autoregressive Integrated Moving Average Model) را می توانیم ترکیبی از یک مدل پیچیده و ساده بدانیم که می تواند برای سری های زمانی ناایستا و با تغییرات فصلی به کار گرفته شود. در حالت پیچیده اولیه، مدل «خود همبسته» (Autoregressive -AR) با مرتبه p استفاده می شود. این مدل در حقیقت اجرای رگرسیون است که متغیر مستقل و وابسته هر دو داده های سری زمانی را تشکیل می دهند.

به این ترتیب مقدار حال حاضر سری زمانی وابسته به مقادیر گذشته در نظر گرفته می شود. این کار بر اساس مقدار تاخیر یا Lag برابر با p صورت می گیرد. به این معنی که مقدار حاصل حاضر با استفاده از یک رگرسیون خطی بر اساس p مقدار قبلی انجام می شود.

تعیین کردن مقدار مناسب برای پارامتر p توسط تابع و ضریب همبستگی جزئی تعیین می شود. همانطور که در نمودار زیر می بینید با در نظر گرفتن درجه ۴ برای تاخیر ها، میزان تابع خود همبستگی به صفر می رسد بنابراین می توان پارامتر p را برابر با ۴ در نظر گرفت.

به منظور کسب اطلاعات بیشتر، مطالعه مقاله رویکرد رگرسیون و مدلسازی را به شما عزیزان پیشنهاد می نماییم.

آن‌چین دیتا چیست؟ آموزش تحلیل بازار رمزارزها به کمک دیتای آنچین

در کنار شیوه‌های رایج تحلیل فاندامنتال و تکنیکال، شیوه‌ی دیگری نیز برای تحلیل بازار رمزارزها وجود دارد که به آن آن‌چین دیتا (Onchain) می‌گویند. این شیوه به کمک تحلیل داده‌های مربوط به شبکه بلاکچین بیت‌کوین انجام می‌شود. اما متاسفانه در حال حاضر اطلاعات کمی در مورد آن‌چین دیتا وجود دارد که علت آن نو و تازه بودن این حوزه است. اما آن‌چین دیتا چیست؟

آن‌چین دیتا چیست؟

آن‌چِین دیتا یا تحلیل درون زنجیره‌ای که از آن با عنوان آنالیز بلاکچین هم نام می‌برند یک تکنولوژی نوظهور در تحلیل رمزارزها و مخصوصا بیت کوین است. اما چرا بیت کوین در این مورد ویژه‌تر است؟ زیرا بیت کوین قدمت بیشتر و حجم داده‌های بزرگتری درون شبکه‌ی خود دارد. در حالی که دیگر رمزارزها هنوز به آن میزان داده ندارند که بتوانند خوراکی برای شاخص‌های مختلف اندازه‌گیری و تحلیل فراهم کنند.

در حالت عادی ویژگی پایه‌ای و بنیادین هر بازار یا کسب‌وکار را بررسی می‌کنیم تا بتوانیم آن را تحلیل کنیم و یا در مورد سرمایه‌گذاری در آن تصمیم بگیریم. این روش در هر بازار مالی سنتی کاربرد دارد و پاسخ می‌دهد. در حالی که دیتای آن‌چین موضوعی کاملا جدید و صرفا مختص رمزارزهاست. ما در دیتا آن‌چین یک چارچوب برای تجزیه و تحلیل اصول بیت کوین با عمقی بسیار بیشتر در مقایسه با شیوه‌های تحلیل دارایی‌های سنتی داریم. اما این عمق چطور تعریف می‌شود؟

چرا تحلیل آن‌چین دیتا دید عمیق‌تری از بازار رمزارزها به ما می‌دهد؟

شیوه‌ی رایج تحلیل تکنیکال مدعی است که همه چیز به قیمت وابسته است و با استفاده از روش‌های شناخته شده تحلیل نمودارها، می‌توان روند حرکتی هر سرمایه در بازار را شناسایی و پیش‌بینی کرد. اما همانطور که تجربه نشان می‌دهد این روش در بعضی موارد نارسا و ناقص است. ذات بدیع و نو رمزارزها سبب شده که ما با رفتارهای متفاوتی در جریان قیمتی مواجه باشیم که فهم و تحلیل آن‌ها احتیاج به دید عمیق‌تری دارد. این دید به کمک دیتای آن‌چین به دست می‌آید و به ما کمک می‌کند که نواقص روش‌های تکنیکال را تا حدی پوشش بدهیم.

تحلیل آن‌چین نگاهی عمیق از چرخه‌های بازار رمزارزی به ما می‌دهد. همچنین این داده‌ها کمتر تحت تاثیر جو است و از هیاهو به دور می‌ماند. همچنین آن‌چین دیتا امکان بررسی رفتار سرمایه‌گذاران، ماینرها و هولدرهای بلندمدت را فراهم می‌کند و امکان تجزیه و تحلیل و ردیابی معاملات و وجوه را به ما می‌دهد.

به زبان ساده آن‌چین دیتا شامل بررسی اطلاعات ذخیره شده در شبکه بلاکچین است. این اطلاعات ذخیره شده در شبکه، به عنوان مثال در بلاکچین بیت کوین شامل جزئیات بلاک و داده‌های معاملاتی و… است و در بلاکچین اتریوم شامل اطلاعات قراردادهای هوشمند می‌شود.

تحلیل آن‌چین دیتا چطور کار می‌کند و چرا مهم است؟

دیتای آن‌چین روش جدیدی است که بسیار وابسته به تکنولوژی بلاک چین و سیستم دموکراتیک بلاک چین است.

اقتصاد یکی از مباحث اساسی زندگی بشر است. این اقتصاد طی قرن اخیر به دلیل فسادهای سیستماتیک دچار بیماری شده است که عامل اصلی این فساد بحث تمرکز است: تمرکز ثروت و اطلاعات در دست دولت‌ها یا گروه‌های خاص بدون اینکه امکان دسترسی به آن‌ها برای همگان به شکل برابر فراهم باشد. این موضوع باعث ایجاد رانت‌های اطلاعاتی می‌شود و در نهایت مسبب انتقال سرمایه به گروهی خاص، و فقیرتر شدن گروه بزرگتری می‌شود. دیتای آن‌چین راهی است برای اینکه دسترسی به اطلاعات برای همه آزاد و برابر باشد و رانت اطلاعاتی از بین برود. دیتای آن‌چین در واقع به کمک اطلاعات انباشته شده در شبکه شفاف بیت کوین، دسترسی به داده‌ها را برای همه برابر و ساده می‌کند.

از سوی دیگر تمرکز دیتای آن‌چین بر روی داده‌های کلان است، حجم زیاد تراکنش‌ها و آدرس‌ها در طول سال‌ها فعالیت شبکه بلاکچین و کاربران و خریداران سرمایه‌گذاران بیت‌کوین در سراسر جهان. در واقع تحلیل آن‌چین یک روش برای بررسی کردن بازار در زمینه داده‌های کلان و اقتصاد کلان است. از همین روست که تحلیل آن‌چین حضوری لازم و ضروری دارد و می‌تواند مکمل خوبی برای تحلیل تکنیکال باشد. شما نمی‌توانید پاسخ خیلی از مسائل را از طریق تحلیل تکنیکال به دست آورید چرا که تحلیل تکنیکی نگاهی به داده‌های کلان ندارد. تحلیل و فهم مباحثی مثل تورم، مقبولیت بیت‌کوین در سطح جهان و… عملا به کمک تحلیل تکنیکال ممکن نیست.

در واقع تحلیل آن‌چین دیتا هم به بازار نگاه می‌کند هم به مسائلی در فرای بازار و همین موضوع سبب می‌شود که دید ما را نسبت به بازار عمق ببخشد. همین موضوع بیانگر اهمیت تحلیل آن‌چین است.

مخاطب آنچین دیتا کیست؟

تمام کسانی که بخواهند وارد این بازار بشوند به این دیتا احتیاج دارند. دیتای آن‌چین به نوعی نمایانگر وجوهی از اقتصاد کلان است که فهم آن برای هر فعال اقتصادی و مالی لازم است.

آن‌چین دیتا را می‌توان به هرمی تشبیه کرد که سه لایه اصلی دارد. تمام این لایه‌ها می‌توانند برای فهم بهتر بازار رمزارزها مفید باشند اما اگر بخواهیم دقیق‌تر نگاه کنیم هر لایه می‌تواند برای گروهی کاربردی‌تر باشد.

لایه اول که به سلامت شبکه اشاره دارد، برای همه کاربردی و لازم است. لایه دوم که روی رفتار خریداران و فروشندگان تمرکز دارد برای هولدرها، سرمایه‌گذارها و خریداران بسیار ضروری است. لایه سوم نیز که به ارزیابی ارزش می‌پردازد برای مدیران سرمایه و مسئولان هولدینگ‌های اقتصادی بسیار مفید است.

دیتای آن‌چین از چه اجزایی تشکیل شده است؟ معرفی هرم سه لایه دیتای آن‌چین

هرم سه لایه دیتای آن‌چین یک تشبیه برای فهم بهتر و صورتبندی این اطلاعات است. لایه اول سلامت شبکه نام دارد. لایه دوم روی رفتار خریداران و فروشندگان متمرکز است و لایه سوم به ارزیابی ارزش می‌پردازد.

لایه اول هرم دیتای آن‌چین: سلامت شبکه

لایه اول نقشی زیرساختی دارد و ساختار لایه‌های بعدی را مشخص می‌کند. چرا که دیگر لایه‌ها شاخص‌های خود را براساس دیتای این لایه می‌سازند. داده‌های موجود در این لایه کاملا خام و اولیه هستند و قابل دستکاری نیستند.

اجزای لایه اول شامل امنیت (نرخ هش و نرخ استخراج)، یکپارچگی پولی (موجودی در گردش و نرخ صدور – مقدار بیت کوینی که روزانه از طریق ماینرها وارد شبکه می‌شود.)، کاربردها (آدرس‌های فعال و حجم تراکنش‌ها) و شفافیت شبکه بیت کوین می‌شود. در ادامه هرکدام را بررسی می‌کنیم.

یکپارچگی پولی

پروتکل بیت کوین با دادن این توانایی به تحلیلگران و سرمایه‌گذاران برای ردیابی وجوه می‌تواند میزان عرضه و استخراج روزانه بیت کوین را تضمین کند. از زمان خلق بیت کوین، سیاست‌های پولی بیت کوین از قبل تعیین شده و در پروتکل بیت کوین کدگذاری شده است و کاملا قابل پیش‌بینی و رصد کردن است. ما می‌دانیم تا سال‌ها بعد چه میزان بیت کوین خواهیم داشت و این میزان کاملا قابل بررسی و پیش‌بینی است.

امنیت

موضوع امنیت به کمک نرخ هش و نرخ استخراج سنجیده می‌شود. امنیت بیت کوین توسط استخراجگران (ماینرها) تعیین می‌شود. آنها مطمئن می‌شوند همه معاملات تایید شوند و غیرقابل برگشت باشند. نرخ هش میزان قدرت پردازشی را که ماینرها برای تامین امنیت شبکه بیت کوین برای مقابله با حملات استفاده می‌کنند اندازه‌گیری می‌کند. هرچه هش ریت بالاتر باشد، امنیت شبکه بالاتر است. و هرچه امنیت بالاتر باشد سرمایه‌گذاران علاقه‌مندترند که به بازار ورود کنند.

کاربردها

تعداد آدرس‌های فعال نشان‌دهنده‌ی میزان پذیرش کاربر از طرف شبکه بیت کوین است. حجم معاملات نیز نشان‌دهنده‌ی میزان فعالیت اقتصادی در شبکه بیت کوین است که در دسترس همگان قرار دارد.

در شبکه بیت کوین هیچ پروکسی مستقیمی برای شناسایی تعداد کاربران وجود ندارد. ولی می‌توانیم بفهمیم چه تعداد آدرس فعال وجود دارد. تعداد آدرس‌های فعال با افزایش قیمت همبستگی دارد. از سوی دیگر تعداد آدرس‌های فعال به ما نشان می‌دهند که در هر آدرس چه مقدار بیت کوین وجود دارد. به کمک این اطلاعات ما می‌توانیم بفهمیم که به عنوان مثال تعداد آدرس‌هایی که بیشتر از 1000 بیت کوین دارند در حال افزایش است یا کاهش.

حجم تراکنش‌ها همچنین به ما بینشی از سرعت سالانه بیت کوین (آهنگ مبادلات و جابجایی بیت کوین) می‌دهد. به عنوان مثال این داده‌‌ها به ما نشان می‌دهند طی سال‌های گذشته این سرعت کاهش یافته است. کاهش سرعت به ما نشان می‌دهد که سرمایه‌گذاران بیت کوین علاقه‌مندند که بیت کوین بخرند و نگه دارند. و به اصطلاح سرمایه‌گذاری بلندمدت داشته باشند. این شاخص در دیتای آن‌چین به ما نشان می‌دهد که بیت کوین در حال تبدیل شدن به یک دارایی بسیار ارزشمند است و صرفا نمی‌توان به عنوان یک نوع ارز با کاربرد واسطه در معاملات به آن نگاه کرد.

لایه دوم هرم دیتای آن‌چین: رفتار خریداران و فروشندگان

این مورد را با یک مثال شرح می‌دهیم. بیایید به یک بازار سرمایه مثل مسکن نگاهی داشته باشیم. ما در بازار مسکن تعدادی بنگاه و واسطه داریم که بیشترین تعداد فعالین این حوزه هستند. از سوی دیگر بعضی از بازیگران این حوزه در سطح بزرگتری کار می‌کنند. کسانی که در حجم وسیع دست به ساخت و ساز می‌زنند یا گروهی که روی زمین در مدت زمانی بزرگتر سرمایه‌گذاری می‌کنند.

درواقع در این بازار بازیگران بزرگتری هستند که روی خریداران و فعالین در بنگاه‌‌ها و واسطه‌ها تاثیرگذارند و اگر بازیگران کوچکتر در خلاف جهت بازیگران بزرگ حرکت کنند مسلما ضرر خواهند کرد. در شبکه بیت کوین هم ما حالت مشابهی داریم. جدا از تریدرهای خرد و صرافی‌ها، در این بازار نیز بازیگران و سرمایه‌گذاران کلانی وجود دارند که معمولا خبری از آنها در معاملات روزانه نیست، اما بسیار بر بازار تاثیرگذارند. لایه دوم با استفاده از شاخص‌هایی از داده‌های آن‌چین به تحلیل فعالیت این دسته کمک می‌کند.

اطلاعاتی که از شاخص‌های دسته اول به دست می‌آید در این لایه کاربرد دارند. این شاخص‌ها کمک می‌کنند دید عمیق‌تری نسبت به برنامه‌های بلندمدت بازیگران بزرگ داشته باشیم.

لایه سوم هرم دیتای آن‌چین: ارزیابی ارزش

به مثال خودمان برگردیم. در بازار مسکن فروشندگان مصالح بر اساس حباب قیمت و تورم دست به توزیع محصولاتشان در بازار می‌زنند. بعضی اوقات براساس این حباب صبر استراتژیک می‌کنند و محصولاتشان را در انبار نگه می‌دارند از توزیع وسیع امتناع می‌کنند. در بازار رمزارزها نیز ماینرهای بزرگ رفتار مشابهی دارند. ماینرها در زمانی که قیمت مبادلاتی بیت کوین برابر یا کمتر از قیمت واقعی آن است دست به فروش گسترده‌ی دارایی‌هایشان در بازار نمی‌زنند. پی بردن به این فاصله قیمتی به کمک دیتا آن‌چین محقق می‌شود. دیتای آن‌چین به ما کمک می‌کند ارزش واقعی را تخمین بزنیم و سپس پی ببریم که قیمت بازار در حباب منفی قرار دارد یا حباب مثبت.

در بازارهای دیگر مثل بازار طلا، محاسبه کردن قیمت واقعی تقریبا غیرممکن است. چون اکثر اطلاعات در دست دولت‌ها و قدرتمندان است و دسترسی به آن‌ها ممکن نیست. اما در بلاکچین بیت کوین و به کمک دیتای آن‌چین شما می‌توانید هر ده دقیقه با تحلیل شکل گرفتن بلاک‌های جدید میزان حباب را محاسبه کنید. این یعنی می‌توانید رفتار بازیگران بزرگ را شناسایی و دنبال کنید. شاخص MVRV در تحلیل آن‌چین در واقع نشان‌دهنده حباب قیمتی در بازار رمزارزهاست. می‌توانیم اینطور جمع‌بندی کنیم که شاخص‌های مرتبط با این لایه از هرم آن‌چین دیتا به شما کمک می‌کند رفتار بازیگران بزرگ را شناسایی کنید و فهم عمیق‌تری از جریان بازار به دست بیاورید.

چه کسانی به تحلیل آن‌چین انتقاد دارند؟

منتقدان به دیتای آن‌چین شامل چند دسته می‌شوند. یکی از مهم‌ترین این گروه‌ها تکنیکالیست‌ها هستند. آنها مدعی‌اند همه چیز در قیمت خلاصه می‌شود در حالی که فعالیت در بازارهای مالی همیشه ثابت کرده است که در فعالیت‌های مالی وقتی دو تایید داشته باشیم، حرکت مطمئن‌تری خواهیم داشت. دیتای آن‌چین در واقع منبع مناسبی است برای تکنیکالیست‌ها که در کنار تاییدی که از تحلیل‌های تکنیکال خود می‌گیرند تایید دومی نیز داشته باشند. همچنین به وضوح مشخص است که تحلیل تکنیکال در بررسی نقش داده‌های کلان و فرای بازار نا‌توان است و احتیاج به داده‌های مکمل دارد.

گروه دیگر منتقدین کسانی هستند که در مورد حاکمیت مالی حساسند و طرفدار حفظ حریم خصوصی هستند. آن‌ها مدعی‌اند که تحلیل آن‌چین حفظ حریم خصوصی کاربران شبکه را زیر سوال می‌برد. طرفداران تحلیل آن‌چین معتقدند که شفافیت موجود در شبکه بیت کوین کمک می‌کند ما درک بهتری از فناوری بلاکچین داشته باشیم. حتی می‌توان مدعی شد که دیتای آن‌چین در نهایت موجب کاهش شکاف بین حاکمیت (دولت‌ها) و رمزارزها می‌شود و در نهایت موجب هدایت کاربران بیشتری به سمت سرمایه‌های رمزارزی می‌شود.

نظر شما درمورد دیتای آن‌چین چیست؟ لطفا نظرات و سوالات خود را در قسمت کامنت‌ها با ما در میان بگذارید.

این مقاله با هدف آموزش و معرفی دیتای آن‌چین و تحلیل آن‌چین دیتا نوشته شده است و قصد سیگنال‌دهی یا رد دیگر روش‌ها را ندارد.

اختصاصی/معامله بر روی دلار با استفاده از شاخص قیمت مصرف کننده (CPI)

بازار ارزهای خارجی یکی از بالاترین حجم های معاملاتی در دنیا را به خود اختصاص داده است و روزانه در آن تریلیون ها دلار معامله میشود. برای اینکه بتوانید در این بازار یک معامله گر موفق باشید، آشنایی با فاکتور های پشت عرضه و تقاضا هر ارز ضروری است. بانک های مرکزی تقاضای پول در کل دنیا را کنترل می کنند. معامله گران زمانی میتوانند موفق تر باشند که کاملا توانایی فهم تاثیر تصمیمات سیاسی گرفته شده توسط بانک های مرکزی برای ارزها را درک کنند.

معامله بر روی دلار با استفاده از شاخص قیمت نحوه محاسبه همبستگی در بازار مصرف کننده (CPI)

بازار ارزهای خارجی یکی از بالاترین حجم های معاملاتی در دنیا را به خود اختصاص داده است و روزانه در آن تریلیون ها دلار معامله میشود.

برای اینکه بتوانید در این بازار یک معامله گر موفق باشید، آشنایی با فاکتور های پشت عرضه و تقاضا هر ارز ضروری است. بانک های مرکزی تقاضای پول در کل دنیا را کنترل می کنند. معامله گران زمانی میتوانند موفق تر باشند که کاملا توانایی فهم تاثیر تصمیمات سیاسی گرفته شده توسط بانک های مرکزی برای ارزها را درک کنند.

بانک مرکزی هر کشوری دو عملکرد اصلی دارد - اول کنترل تورم و سپس کنترل نواسانات در ارزش ارزی.

بانک های مرکزی از CPI به عنوان اندیکاتوری برای اندازه گیری تورم استفاده میکنند. شاخص قیمت مصرف کننده یا همان CPI یکی از مهمترین اندیکاتورهای اقتصادی است که تاثیر اصلی را بر روی معاملات ارزی در بازار دارد. ارز هر کشور به صورت مستقیم با سیاست بانک مرکزی همان کشور در خصوص تصمیم برای نرخ بهره و پس از آن به صورت غیر مستقیم با تصمیمات نرخ بهره بانک مرکزی سایر کشورها تحت تاثیر قرار میگیرد.

به معامله گران بازارهای ارزی توصیه میشود که نرخ CPI کشورهایی که بیشترین معاملات با آن ها صورت میگیرد را کنترل و پیگیری کنند. نرخ بهره ارزهایی نظیر دلار، یورو، ین ژاپن و دلار استرالیا. در زیر اطلاعات جامعی در این خصوص برای شما توضیح داده ایم.

CPI چیست؟

شاخص قیمت مصرف کننده یکی از مهمترین اندیکاتورهای اقتصادی در زمان تعیین ارزش ارزی می باشد. این شاخص میانگین تغییر در قیمت کالا و خدمات را در یک برهه زمانی مشخص تعیین میکند. این قیمت ها همانی هستند که مصرف کنندگان با آن کالای خاصی از یک سبک از محصولات و خدمات میخرد.

CPI معمولا به صورت ماهانه، فصلی یا سالانه محاسبه میشود اما ممکن است در بازه زمانی کوتاهتر نیز محاسبه گردد.

هزینه شاخص زنده. CPI اطلاعاتی در خصوص سطح تورم مصرف کننده، که یکی از بزرگترین نگرانی های بانک های مرکزی است، ارائه میدهد و کمک میکند تا داده هایی در خصوص مخارج کلی مصرف کننده فراهم آید.

زمانی که قیمت محصولات و خدمات بالا میرود اوضاع اقتصادی به تورم تبدیل میشود. سپس CPI با افزایش نرخ قیمت تمایل به افزایش می یابد و از اینرو اقتصاد ضعیف میگردد. از طرف دیگر، CPI پایین تر به کاهش تورم کلی و اقتصاد قوی می انجامد.

سبد کالا استفاده شده برای محاسبه CPI در بیشتر ملل بیش از ۲۰۰ قلم دارد. این اقلام به هشت گروه اصلی به شرح زیر تقسیم بندی میشود:

مهمترین استفاده ها در شاخص قیمت مصرف کننده به شرح ذیل می باشد:

CPI یک اندیکاتور مهم اقتصادی است: از آن برای تعیین تورم استفاده میشود و اساسا برای سیاست های مالی و اقتصادی دولت مفید است.

ضریب تعیین تورم سایر آمارهای اقتصاد: داده های CPI در حمایت از مصرف سایر سری های بازرگانی برای استخراج ارزش دلار بدون تورم. مثال هایی از سری های اقتصادی دیگر شامل درآمد و حقوق، خرده فروشی، درآمد ملی و حساب محصول می شود.

تعیین ارزش دلار: CPI به محاسبه پرداخت های درآمدی، مزایای بازنشستگی و ساختار مالیات درآمد کمک میکند. CPI مانع از این میشود که این مولفه های اقتصادی از تورم تاثیر بپذیرند. از اینرو اداره کار به این CPI مراجعه کرده و تعدیل های معتبرتری در این فاکتورهای اقتصادی ایجاد میکند. از اینرو، هرگونه ارزش گذاری دلار ناشی از تورم باعث آسیب دیدن به مزایا و خدماتی که به شهروندان آمریکایی داده میشود، نخواهد شد.

محاسبه شاخص قیمت مصرف کننده:

آمارهای اداره کار آمریکا،‌ تحت نظر دپارتمان کار، CPI آمریکا را تهیه میکنند. دپارتمان کار CPI سی روزه را محاسبه کرده و این شاخص را اواسط ماه منتشر مینمایند. اداره کار آمریکا این داده ها را از نظرسنجی مخارج مصرف کننده(CE) که عمدتا وزن سوابق مصرفی را نشان میدهد جمع آوری میکند.

شاخص قیمت مصرف کنندع (CPI) برای یک کالای خاص به شرح زیر محاسبه میشود:

CPI=(هزینه سبد بازار در یک سال مشخص / هزینه سبد بازار در یک سال مبنا)×۱۰۰

انواع CPI

۱- گروه مصرف کنندگان شهری: این گروه ۹۳ درصد از جمعیت کلی شهری را در آمریکا تشکیل میدهند. شاخص قیمت مصرف کننده برای تمام مصرف کنندگان شهری (CPI-U)، مخارج مصرغی تمام ساکنین شهری را محاسبه میکند. افرادی که در این گروه جای میگیرند،‌متخصصان، افرادی با مشاغل خویش فرمایی،‌ بازنشستگان، بیکاران و افرادی که زی خط فقر هستند در گروه CPI-U جای میگیرند.

۲- گروه حقوق بگیران شهری: این گروه ۲۹ درصد از کل جمعیت آمریکا را تشکیل میدهند. CPI حقوق بگیران شهری و کارکنان دفتری (CPI-W) درآمد حقوق بگیران دفتری و غیر دفتری را تشکیل میدهد. این گروه تنها شامل آندسته از خانوارهایی میشود که یک سوم از درآمد ماهانه خود را از حقوق و کارهای دفتری بدست می آورند. در این گروه حداقل یک نفر از اعضای خانوار به صورت مداوم و به صورت هفتگی ۳۷ ساعت کار ثابت دارد. CPI-W هزینه امنیت اجتماعی این دسته از حقوق بگیران را محاسبه میکند.

CPI شامل خانوارهای روستایی، خانوارهای کشاورز، پرسنل دفاع، محکومین و عقب افتادگان ذهنی نمیشود.

اهمیت شاخص قیمت مصرف کننده:

CPI یکی از شاخص های اقتصادی مهم برای تمام ناظران بازار به شمار میرود. این شاخص به تهیه اطلاعات درباره قیمت های مصرف کننده ارائه میدهد. علاوه بر آن،‌ بازار بر مبنای این شاخص میتواند در خصوص احتمالاتی که ممکن است در بازارهای مالی روی دهد، هشدارها و آگاهی هایی بدهد.

یکم، CPI هزنیه مخارج پیش بینی نشده مصرف کنندگان را اندازه گیری میکند. CPI تغییرات در قیمت و داده های مربوط به وزن مبتنی بر هزینه را ضبط میکند. این وزن های مبتنی بر مخارج به هر خدمت یا کالایی مرتنبط میشود. از این رو این وزن ها تغییرات قیمت که بر روی کل شاخص تاثیر میگذارد را بررسی میکند.

دوم، شاخص GDP CPI گسترده تر است. این شاخص شامل هزینه هایی که مصرف کنندگان و همچنین دولتمردان، همکاران تجاری و خارجی ها میشود.

سوم، مخارج مصرفی فردی (PCE) تمرکز بیشتری دارد. شاخص PCE تنها بر روی هزینه های مصرفی فردی نظیر CPI، که میانگین قدرت خرید خانوار را اندازه گیری میکند، تمرکز میکند.

چهارم، CPI از فرمول Laspeyres پیروی میکند ور حالیکه PCE از معادله Fisher-Ideal استفاده میکند. شاخص GDP CPI برعکس CPI که به عنوان شاخص مستقلی محاسبه می شود، بستگی به شاخص PCE نیز دارد.

CPI به عنوان عامل اصلی سیاست نرخ بهره به شمار می آید:

بیایید نگاهی به سناریو زیر بیندازیم:

وقتی تورم افزایش می یابد این به معنی است که قیمت کالاها و خدمات در حال افزایش است، و خرید این کالاها برای مصرف کنندگان گران تر میشود. در آمریکا، فدرال رزرو از طریق افزایش نرخ بهره اقدام به کاهش تورم می نماید. هرچقدر نرخ بهره بیشتر شود کار برای کسب و کارها سخت تر میشود و این منجر به کاهش رشد اقتصاد و کاهش تورم میگردد.

در مواردی که تورم پایین است، قیمت کالاها و خدمات کاهش نرخ دارند. از اینرو بانک مرکزی نرخ بهره مرکزی را برای فعال کردن فعالیت های اقتصادی کاهش میدهد. هنگامی که بانک وام با نرخ بهره پایین میدهد خرید اجناس و راه اندازی کسب و کار آسان تر میشود . وقتی فعالیت های اقتصادی گسترش می یابد، تورم افزایش می یابد.

بین CPI و نرخ بهره رابطه معکوس وجود دارد:

بانک های مرکزی در زمان تورم بالا تمایل به کاهش نرخ بهره و در زمان تورم پایین تمایل به افزایش آن دارند. از اینرو، وقتی کاهش نرخ بهره روی می دهد، CPI افزایش می یابد و و وقتی نرخ بهره افزایش می یابد با کاهش CPI روبرو هستیم.

تاثیر CPI بر روی شاخص دلار آمریکا:

برخی از بروکرهای حرفه ای بازار جهانی Tickmill فرصت معامله با ۶۲ ارز که شامل ارزهای ماژور و مینور و اکسوتیک را فراهم می آورند. اگرچه در بین تمام ارزها، شاخص دلار آمریکا همیشه جز اصلی ها به شمار می آيد.

شاخص دلار آمریکا، دلار را در برابر شش ارز اصلی رقیب محاسبه میکند. از این بین، یورو تقریبا نیمی از وزنی کلی را به خود اختصاص میدهد. وقتی شاخص دلار آمریکا تحت فشار قرار میگیرد تاثیر آن بر روی دیگر ارزهای مرتبط نیز تاثیر میگذارد. از منظر تئوری، ارتباط CPI و شاخص دلار آمریکا مستقیم است. اگر CPI افزایش یابد، دلار آمریکا نیز رشد میکند.

افزایش شاخص هزینه مصرف کننده به معنی گران شدن کالاها می باشد. فدرال رزرو مشکلات تورمی را با افزایش نرخ بهره حل میکند. نرخ بهره بالاتر برای بانک ها این فرصت را فراهم می آورد تا بتوانند وام های بیشتری بدهند، و به موسسات مالی دیگر این امکان را میدهد بتوانند وارد پوزیشن های خرید دارایی های مشترک آمریکا شوند. تاثیر کلی آن منجر به افزایش تقاضا برای دلار آمریکا و بالا رفتن ارزش آن در برابر ارزهای دیگر می باشد.

بگذارید برویم سر اصل مطلب. شاخص دلار آمریکا یک محاسبه میانگین ژئومتریک در برابر شش رقیب اصلی ارزی آن می باشد. این شاخص برای حفظ ارزش میانگین وزن معاملات خارجی ارزهای دیگر در برابر دلار ایجاد شده است. حریف های اصلی در برابر دلار یورو، ین ژاپن، پوند بریتانیا، دلار کانادا، کرون سوئد و فرانک سوییس هستند. این ها ممکن است تنها شش کشوری به نظر برسند که برای ارزیابی نرخ دلار مورد استفاده قرار میگیرند اما در واقع اعداد حقیقی بسیار متفاوت می باشد.

وزن این ارزها به شرح زیر می باشد:

یورو به تنهایی ۱۹ عضو از کنسرتیوم کشورهایی که از ارز یورو استفاده میکنند را در بر میگیرد. در نتیجه، به انضمام پنج رقیب دیگر، رویهم رفت ۲۴ کشور در فرمول محاسبه دلار قرار میگیرند. در کنار این ۲۴ کشور، بیشتر کشورهای دنیا از نزدیک نوسانات دلار آمریکا را پیگیری میکنند. از اینرو، دلار تبدیل به شاخص مهمی در جایگاه جهانی خود و موقعیت فعلی اقتصاد جهانی شده است.

اوراق آتی آمرکا در ICE فرمول شاخص دلار آمریکا را گرد‌آوری و تنظیم میکند.

این فرمول بدین شرح است:

USDX = 50.14348112× EURUSD-0.567 × USDJPY0.136× GBPUSD-0.119× USDCAD0.091× USDSEK0.042× USDCHF0.036

همبستگی معکوس بین CPIو شاخص دلار آمریکا:

یقینا از نظر تئوری رابطه مستقیمی بین CPI و دلار آمریکا وجود دارد. اگرچه، در زندگی حقیقی همه چیز مبرهن تر است. نمودار زیر شاخص دلار آمریکا و همبستگی معکوس آن با CPI را در برخی از بازه های زمانی مشخص نشان میدهد.

تاثیر بر بیزینس جهانی:

اقصادهای جهانی بیشتر از هر زمانی به هم پیوسته هستند. فدرال رزرو آمریکا یکی از قدرتمندترین بانک های مرکزی دنیا سایت و تصمیمات سیاسی آن بر روی اقتصاد جهانی تاثیر گذار است. قوی و یا ضعیف شدن دلار آمریکا تاثیرات اساسی و مستقیمی بر روی کسب و کارهای جهانی دارد.

هرگونه افزایش در نرخ بهره موجب افزایش ارزش دلار و تقاضا در آن و همچنین تغییر و انحراف در نوسانات سایر ارزها میشود. این یعنی اگر اقتصاد کشورها ضعیف تر باشد، تقاضا برای سایر ارزها در این کشورها در برابر دلار کاسته میشود. این یعنی بخاطر نوسانات و تغییر در سطح دلار آمریکا، واردات،‌ صادرات و سایر مبادلار میان مرزی در این اقتصادهای محلی مستقیما تحت تاثیر قرار میگیرند و این همان چیزی است که معامله گران بازار فارکس بر روی آن سرمایه گذاری میکنند - تغییر در ارزش ارزی. از اینرو یک معامله گر باید همیشه در خصوص شاخص دلار آمریکا و تاثیر آن بر روی کسب و کار جهانی اطلاع داشته باشد.

نتیجه گیری:

معامله گران بازار جهانی به دنبال آمار نحوه محاسبه همبستگی در بازار CPI هستند. یکی از دقیق ترین آن ها Core CPI یا همان CPI هسته است که در آن اجناس مصرفی با نوسان زیاد در نظر گرفته نمیشود اما این تنها آماری نیست که باید به آن توجه داشته باشید. بانک مرکزی آمریکا با مدیریت جرومی پاول رییس فدرال رزرو قصد رساندن نرخ تورح به 0/2صد را دارد.

معامله گران در ارتباط با Core CPI به شاخص و آمار نرخ بیکاری در طول یک دوره نیز توجه دارند. هر دوی این آمارها از منظر رشد اقتصادی کلی بسیار حائز اهمیت هستند بنابراین، در نظر گرفتن هر دوی آن ها در کنار هم از موارد کلیدی میباشد.

مطالعات جمعیتی

وبلاگی در زمینه جمعیت شناسی، آمار، روشهای تحقیق و دیگر زمینه های مرتبط (09108349508 - 09023452476)

ضرایب همبستگی و آزمونهای معناداری

تهیه شده توسط: حسین ضرغامی

منبع: وبلاگ علوم اجتماعی http://yosoufbakhshan.blogfa.com/post-19.aspx

اگر تحقیق شما از نوع تحلیلی باشد یعنی تحلیل دو متغیری و چند متغیری ، ) رابطه ای ، تفاوتی ) متغیرهای تحقیق شما باید به این شکل باشد.

دو متغیر ترتیبی

دو متغیر فاصله ای

یک متغیر اسمی و دیگری ترتیبی

یک متغیر اسمی و دیگری فاصله ای

یک متغیر ترتیبی و دیگری فاصله ای

در ادامه به صورت کامل با آدرس مسیرها در نرم افزار SPSS و تفسیر خروجی ها شما را راهنمایی خواهیم کرد.

کل این آزمون ها از سه حالت خارج نیستند

رابطه ای : یا برای تشخیص پیوستگی و همبستگی رابطه بین متغیرهاست(مانند پیرسون)

تفاوتی : یا برای تعیین معنی داری تفاوت میانگین بین متغیرها(مانند تحلیل واریانس و تی ستودنت)،

سومین حالت یا برای پیش بینی تغییرات و تبیینات یک متغیر براساس متغیر دیگر(مانند رگرسیون).

1-1- اسمی ( Nominal Scale ): ساده ترین کار، طبقه بندی است. وقتی ما متغیری را به دو یا چند بخش، تقسیم می کنیم مانند جنسیت به زن و مرد یا دین به اسلام و مسیحیت و یهودیت و غیره و این تقسیم بندی ما بیانگر اولویت دادن و رتبه دادن یکی بر دیگری نیست و صفر عددی هم ندارد و فاصله ای بین این بخش ها مدنظر نیست که برابر باشند یا دارای تفاوت خاصی باشند به آن مقیاس اسمی می گوییم. ملاک طبقه بندی ویژگی های مشترک افراد یا رویدادهاست. در تمام پرسشنامه هایی که این سوالات به این شکل هست، در مقیاس اسمی (حالا دو حالته یا چندحالته) قرار می گیرند:

وقتی وارد نرم افزار می شویم و به این بخش ها، کد می دهیم مثلاً زن کد1، مرد کد2، این کد 1و 2 دادن فقط قرارداد است و برای برقراری ارتباط با نرم افزار و تفهیم آن است و اصلاً بحث این نیست که 1 بهتر است یا 2 بیشتر است یا 1 و 2 را جمع و سپس تقسیم بر تعداد کنیم و غیره. می توان بجای این کد قراردادی 1 و 2 مثلاً برای زن کد هزار و برای مرد کد صفر بگذارید. از عدد برای اسم گذاری استفاده می کنیم مانند اعدادی که بر پیراهن بازیکنان ورزشی نوشته می شود. پیش شماره یا کد تلفن شهرها، پلاک منزل یا اتومبیل.

وقتی تحقیق شما یک متغیری باشد (که اغلب اینطوری نیست مگر برای تمرین و کار کلاسی) و بخواهید مثلاً متغیر جنسیت را مورد بررسی قرار دهید دیگر نیازی به آمار استنباطی نیست و فقط آمار توصیفی کافیست.

دقت و ظرافتی که برای استفاده ازین مقیاس لازم است بکار ببریم این است که اولاً بخش ها یا مقوله هایی که می گذاریم باید فراگیر (مجمل) باشند یعنی مقوله ها بتوانند تمامی صفات و یا اشیائی که مدنظر است را شامل شوند. مثلا برای وضعیت تاهل بهتر است مطلقه نیز گذاشته شود تا کسی که نه مجرد است و نه متاهل را شامل شود. دوم این که این مقوله هایی که تعیین می کنیم مانعه الجمع باشند یعنی هیچ موردی به بیش از یک طبقه یا مقوله تعلق نگیرد. به عبارت دیگر طبقه ها باید ناسازگار باشند. مثلاً وقتی می پرسید دین شما چیست؟ اسلام مسیحیت تسنن زردشتی و غیره. این مشکل وجود دارد کسی که سنّی است می تواند هم اسلام را علامت بزند و هم تسنن را.

ضعیف ترین سطح اندازه گیری است و تنها نشان دهنده تمایز بین صفات است و هیچ ترتیبی بین طبقات مبنی بر اهمیت یا اولویت از پایین به بالا یا بالعکس وجود ندارد.

از چهار مقیاس یا سطح طبقه بندی متغیرها دو سطح اسمی و ترتیبی برای متغیرهای مطلق(متغیرهایی که دارای ویژگی مجملی و مانعه الجمعی اند مانند شغل، مذهب، جنس، آراء انتخاباتی، ملیت) بکار می روند و دو مقیاس فاصله ای و نسبتی برای متغیرهای عددی.

آمارهای قابل استفاده و محاسبه در سطح اسمی عبارت اند از فراوانی، نما، لامبدا، tb گودمن و کروسکال. تحلیل جدولی

(علیزاده، 1384: 9 و کیانی، 1385: 49 و رمضان زاده، 1387: 24 و دلاور، 1383: 10 و گودرزی، 1388: 25 و قاضی طباطبایی، 1374: 7 و بیکر، 1389: 150 و رفیع پور، 1383: 192-195 و سرمد و همکاران، 1382: 46 و دواس، 1383: 134و ساروخانی، 1383: 341)

1-2- مقیاس ترتیبی ( Ordinal scale ) درین مقیاس، سوالمان یا همان متغیرمان را به دویا چند بخش تقسیم می کنیم.

اعداد منسوب به رده ها و مقوله ها، امکان تنظیم داده ها را با تعیین اولویت ها و ترتیب ها فراهم می کنند. مثلاً وقتی از شما بپرسند کسانی که تمایل دارید با آنها کار کنیدرا به ترتیب اولویت نام ببرید، جواب شما امکان اندازه گیری محبوبیت افراد بر پایه مقیاس ترتیبی را به شما می دهد. یا این موارد:

1نفر فعالیت بسیار زیاد؛ 7 نفر فعالیت متوسط؛ 2 نفر فعالیت کم به دست آمده است. این یک مقیاس ترتیبی است.

میزان پایبندی به دین. در مقیاس اسمی تنها می دانستیم که فردی مسلمان است یا مسیحی ولی در مقیاس ترتیبی علاوه بر این می دانیم که آن فرد دیندار چقدر دینمدار یا دین گریز است. یعنی هم وجود صفت را می سنجیم و هم شدت نسبی آن را.

طبقه اجتماعی؟ بالای بالا، بالای متوسط، بالای پایین؛ متوسط بالا، متوسط متوسط، متوسط پایین؛ پایین بالا، پایین متوسط، پایین پایین.

یکی از شاخص های ازخودبیگانگی سیاسی، احساس بی قدرتی است وقتی در پرسشنامه سوال بیاید «مردمانی چون من بر تصمیمات دولت تاثیر زیادی دارند» و پاسخگو از میان کاملا مخالفم تا کاملا موافقم یکی را انتخاب کند به ترتیب زیر نمره به پاسخ او تعلق می گیرد:

سوالی که در راستای تائید فرضیه باشد یعنی هم جهت باشد در آن گزینه ای که این تائید را می رساند بیشترین نمره را می گیرد مثلاً در مثال فوق وقتی فرد می گوید کاملا مخالفم که مردمانی چون من تاثیر ندارند یعنی دارد می گوید که از خودبیگانه سیاسی است و در راستای تائید فرضیه ماست. اگر پنجاه سوال داشته باشیم که در همه آنها کاملا مخالفم نمره 5 بگیرد پس امتیاز 250 یعنی کاملا از خودبیگانه سیاسی و اگر فردی با همه آن سوالات کاملا موافق باشد حداکثر امتیاز او 50 خواهد بود یعنی کمترین میزان ازخودبیگانگی سیاسی.

درین مقیاس بین طبقات مراتب قابل قبولی وجود دارد اما باز کمّی کردن دقیق میزان تفاوت بین طبقات امکان پذیر نیست. طبقات را می توان برحسب شدت موافقت و مخالفت یا نگرش فرد رتبه بندی کرد. لذا هر متغیری که بتوان آن را طبقه بندی کرد اما نتوان تفاوت بین طبقه ها را دقیقا به صورت عددی کمّی بیان کرد، این متغیر در مقیاس ترتیبی است.

درین مقیاس به تعداد افراد رتبه وجود دارد و می توان بین طبقه ها کمتر و بیشتر قائل شد. اما این کمتر و بیشتری نسبی است و دقیق نیست.

در اندازه گیری رتبه ای روابط غیرانعکاسی، نامتقارن و انتقالی هستند یعنی اگر متغیری مانند محافظه کاری در سطح رتبه ای اندازه گیری شده باشد می توان استنباط کرد که اگر فرد الف بیش از فرد ب محافظه کار است و فرد ب بیشتر از فرد پ محافظه کار است پس منطقا باید الف بیشتر از پ محافظه کار باشد.

اعداد تخصیص یافته به اندازه های مختلف یک اندازه گیری رتبه ای فقط نشان دهنده رتبه هستند و نه چیز دیگر. به عبارت دیگر اعداد نشان دهنده فواصل مشخص بین دو گزینه نیستند. بعنوان مثال ده گروه کودک را که بر اساس میزان تعاون آنها، از بالاترین درجه همکاری تا پایین ترین درجه رتبه بندی شده اند در نظر بگیرید. در این رتبه بندی نمی توان پنداشت که درجه همکاری بین گروه اول و دوم همانند یا برابر درجه همکاری بین گروه های نهم و دهم است چون فواصل نسبی اندو دقیقا برابر نیستند. همچنین نمی توان استدلال کرد که درجه تعاون و همکاری آزمودنی های گروه اول ده برابر درجه تعاون وهمکاری گروه دهم است.

رایج ترین شکل متغیرهای ترتیبی، گویه ها یا سنجه های نگرشی اند که روی طیفی از کاملا موافق یا خیلی زیاد تا کاملا مخالف یا خیلی کم قرار می گیرد.

به نوشته رفیع پور (1383) امکان محاسبات ریاضی و آماری در مقیاس ترتیبی وجود ندارد و آنچه به این وسیله سنجیده می شود از دقت کافی برخوردار نیست. اما به نوشته بیکر (1389) به نقل از بورگاتا و بورنستد این مقیاس های نگرشی ترتیبی غالباً با آنها به مثابه متغیرهای پیوسته عمل می کنند. مثلاً ممکن است متوسط نمره پاسخگویان3/2 بیاید یا مانند مورد شاخص رضایت شغلی رشته ای از گویه ها باهم جمع می شوند و سپس متوسط نمرات و اندازه های تغییر نمرات محاسبه می شود. بدین ترتیب با متغیری با مقیاس سنجش ترتیبی عملا مانند یک مقیاس فاصله ای عمل می شود و آنها معتقدند که بهتر است متغیرهای ترتیبی را متغیرهای فاصله ای ناکامل به شمار آوریم تا سطح جداگانه ای از سنجش. به نوشته قاضی طباطبایی (1374) عملیات ریاضی و آماری که رتبه مقادیر صفت را تغییر ندهد، قابل قبول است. گودرزی (1388) نیز می نویسد که درین سطح نمی توانیم عملیات ریاضی چهارگانه انجام دهیم و متاسفانه متغیرهای اجتماعی وروانی عموماً در سطح سنجش ترتیبی قرار دارند و اندازه گیری آنها درین سطح صورت می گیرد و به ندرت ازین سطح تجاوز می کند. بنابراین اینجا اولین اختلاف پیش می آید که بالاخره به مثابه ترتیبی یا فاصله ای از کدام آزمون آماری استفاده کنیم؟

پاسخ: بوگاردوس حداکثر یک مقیاس ترتیبی است. طیف لیکرت از سطح یک مقیاس ترتیبی تجاوز نمی کند و نمی توان آن را هنوز در سطح مقیاس های فاصله ای دانست. ضریب همبستگی بین لیکرت و تورستن r=/92 به دست آمده است که بیانگر شباهت دقت و نتیجه هر دو طیف است. طیف گاتمن نیز مانند طیف های دیگر از سطح ترتیبی تجاوز نمی کند و نمی توان ادعا کرد فواصل بین نمرات یکسان می باشد. تنها مقایسه زوجی یا تورستن، درمقیاس فاصله ای قرار دارد. بنابراین دقیق تر آن است که از آزمون های مربوط به مقیاس رتبه ای استفاده شود. این آزمون ها بستگی به متغیر دیگری که با این متغیر مقایسه یا همبسته می شود نیز دارد که بعدا اشاره خواهد شد.

رایج ترین آماره های مناسب برای سنجش مقیاس ترتیبی عبارت اند از تعیین فراوانی و نما و میانه، محاسبه درصدها، ضریب همبستگی اسپرمن، میدان تغییرات، گاما، tb و tc کندال.

در این مقیاس، مقوله طبقه بندی می شود (مانند اسمی)، ترتیب طبقات و اولویت آنها مشخص می گردد (مانند ترتیبی) و فاصله بین طبقات هم به صورت عددی ثابت و مشخص، دقیقاً معلوم می گردد. مانند نمرات دانش آموزان در یک امتحان.

این موارد مثال هایی از مقیاس فاصله ای هستد: درآمد، قد (اگر به صورت عددی بیان شود نه بصورت کوتاه تر و بلندتر)، زمان، میزان مصرف آب و برق، سن(اگر حسب سال سنجیده شود چون اگر به صورت جوان، میانسال و کهنسال باشد ترتیبی لحاظ می شود)، وزن، دماسنج. سال تولد دو نفر، میزان تحصیلات رسمی، نمرات آزمون استعداد تحصیلی( SAT ) که بین 200 تا 800 است، IQ (بهره هوشی)، تعداد فرزندان .

درین مقیاس صفر مطلق و واقعی( true zero point ) (به معنای هیچ)وجود ندارد و صفر انتخابی یک صفر قراردادی است. مثلا اگر دانش آموزی از یک آزمون بهره هوشی نمره صفر گرفت به این معنا نیست که او اصولاً هیچ هوشی ندارد.

محاسبه نما، میانه، انحراف معیار، ضریب همبستگی اسپرمن و ضریب همبستگی گشتاوری پیرسون از عملیات های مجاز آماری اند.

نمرات خام آزمون ها را برای حصول اطمینان از داشتن خواص فاصله ای، می توان به نمرات استاندارد تبدیل کرد.

چون اغلب تحقیقات علوم انسانی و اجتماعی از این سه نوع تجاوز نمی کنند و تنها تفاوت مقیاس نسبی با فاصله ای در صفر مطلق است از تشریح آن صرفنظر می کنم و می رویم سراغ آزمون های متناسب با این مقیاس ها. این توضیح از آن جهت لازم بود که ما تا مقیاس ها را تشخیص ندهیم نمیتوانیم آزمون مناسب را بکار گیریم.

(علیزاده، 1384: 9 و کیانی، 1385: 49 و رمضان زاده، 1387: 24 و دلاور، 1383: 10 و گودرزی، 1388: 25 و قاضی طباطبایی، 1374: 7 و بیکر، 1389: 150 و رفیع پور، 1383: 192-195 و سرمد و همکاران، 1382: 46 و دواس، 1383: 134و ساروخانی، 1383: 341)

چنانکه دواس (1383) اشاره می کند شکل پرسش و طبقات پاسخ بر کار شما تاثیر می گذارد. شما باید اول تشخیص بدهید که سوال شما در کدام نوع مقیاس های فوق است که توضیح دادیم. مثلا اگر بپرسید از چه نوع کاری برخوردارید و برایش گزینه هیچ، پاره وقت، تمام وقت بگذارید متغیر ترتیبی است. اگر بپرسیم چند ساعت در هفته کار می کنیدو برایش گزینه 1- 10؛ 11- 20؛ 21- 30 و . بگذارید، متغیر ترتیبی است. اگر بپرسیم چند ساعت در هفته کار می کنید و خودش بصورت باز جواب دهد، متغیری فاصله ای است.

سپس بدانید که سطوح بالای سنجش هم اطلاعات بیشتری فراهم می آورد و هم دامنه روش های تحلیل گسترده تر می گردد اما اغلب اندازه گیری در سطوح پایین تر عاقلانه تر است و می توان سطح سنجش فاصله ای را به پایین تر از خود مثلا به ترتیبی تغییر داد. اما سرمد و همکارانش(1382) معتقدند که مرجح است که داده ها در بالاترین سطح مقیاس گرداوری شود زیرا تحلیل داده های آماری به مقیاسی بستگی دارد که داده ها با آن گرداوری شده اند. این دومین اختلاف نظر. حال باید چه کرد؟

از همان ابتدای طراحی سوالات پرسشنامه یا ابزار گرداوری اطلاعات و داده هایتان سعی کنید بالاترین مقیاس(مثلا فاصله ای) که دقیق تر از پایین ترهاست را درنظر بگیرید. سپس به طور روشن و واضح مشخص کنید که سوال شما در کدام مقیاس است.در غیر اینصورت باید با متخصص این کار و تحلیل گر روش شناسی وآمار مشورت کنید. علاوه بر این باید بدانید که نوع تحقیق شما چیست؟ اغلب تحقیقات دو متغیره و نحوه محاسبه همبستگی در بازار چند متغیره اند. مثلا یک طرف متغیرهای مستقل یا پیش بین و در طرف دیگر متغیر وابسته یا ملاک قرار دارد. برای انتخاب آزمون مناسب تشخیص مقیاس هر دو نوع متغیر لازم است. مثلا ترتیبی- ترتیبی اند یا ترتیبی- فاصله ای یا اسمی- ترتیبی و غیره.

نوع مسکن و وضعیت تاهل، غالبا اسمی اند. وضعیت اشتغال اگر بپرسیم که شغل شما چیست و هر کسی به صورت باز جواب دهد اسمی چند حالته خواهد بود. اگر شغلش را بپرسیم و برایش چند گزینه مثلا برحسب مقبولیت و منزلت در جامعه بگذاریم، ترتیبی خواهد بود مثلا گزینه ها را بگذاریم: کارکنان تخصصی و فنی؛ مدیران و مقامات و مالکین؛ کارمندان ادارات و فروشگاه ها؛ کارگران و. اما اگر از شاخص های وجهه شغلی یا شاخص اجتماعی- اقتصادی استفاده شود متغیر وضع شغلی در سطح فاصله ای خواهد بود. یکی از دلایل عدم اتفاق نظر اساتید و دانشجویان در بکارگیری آزمون های آماری مشخص، همین انعطاف و تغییر در نحوه سنجش و اندازه گیری متغیرهاست.

اگر دو متغیر اسمی باشند

مثلا یک طرف سن (جوان، میانسال، کهنسال) و طرف دیگر مهاجرت (رضایت به مهاجرت، عدم مهاجرت) برای تحلیل رابطه اشان از جدول توافقی استفاده می کنیم به شرطی که متغیر مورد بررسی مقولاتش کمتر از8 باشد.

بعد ازین سه مرحله باکسی باز می شود که در آن متغیر مستقل را به Columns و متغیر وابسته را به بخش Rows می بریم و OK .

اما پرکاربردتر از این برای دو متغیر اسمی، آزمون کی دو ( Chi-square test ) است. مانند رابطه بین دو متغیر جنسیت و رشته تحصیلی.

بعد ازین سه مرحله باکسی باز می شود که در آن متغیر مستقل را به Columns و متغیر وابسته را به بخش Rows می بریم.

قبل از Ok ، گزینه Statistics را می زنیم و در باکسی که باز می شود Chi-square را کلیک می کنیم و سپس ادامه و سپس گزینه Cells را کلیک کرده و بر روی گزینه های Expected ون Observed (فراوانی های مشاهده شده و مورد انتظار) تیک می زنیم. بعد ادامه و OK .

در جدول محاسبه شده، به مورد Asymp.Sig نگاه می کنیم که اگر مقدار عددی آن از 05/ کمتر باشد پی می بریم که با احتمال 95درصد رابطه بین دو متغیر معنی دار است.

شاخص های دیگری هم برای این کار هستند که مبتنی بر کی دو اند مانند ضریب همبستگی کرایمر، توافق پیرسون، فی، چوپوروف.

شاخص هایی هم که مبتنی بر کاهش نسبی خطا ( PRE ) هستند عبارت اند از ضریب همبستگی لامبدا، یول، گودمن و کروسکال، ضریب عدم اطمینان.

مسیر بیشتر این شاخص های مقیاس اسمی همان مسیر کی دو است که باید هر کدام راکه نیاز بود تیک بزنید. تفسیر اغلب آنهاهم باز به همان شکل است. این شاخصها تنها قدرت رابطه را نشان می دهند و بیانگر جهت نیستند. در اغلب آنها صفر نشان گر عدم ارتباط و 1 نشان گر رابطه کامل است و بین صفر تا3/ ضعیف و 3/ تا 6/ متوسط واز 6/ تا یک رابطه قوی می باشد.

ضریب یول شدت همبستگی بین دو متغیر اسمی دو مقوله ای را می سنجد. مانند جنسیت(زن- مرد) با تحصیلات (باسواد- بی سواد)