کاربردهای استفاده از همبستگی

همانگونه که مشاهده می‌کنید ماتریس همبستگی برای این دو متغیر ارایه شده است. با توجه به شکل فوق، میزان r همبستگی بین دو متغیر امید و خوش‌بینی برابر با ۰/۷۵ به دست آمده که این مقدار با توجه سطح آماری معنادار نیز می‌باشد (۰/۰۰۱=p). از آن جهت بالای عدد ۰/۷۵ دو ستاره آمده است که این مقدار در سطح آماری ۰/۰۱ معنادار شده است. اگر در سطح ۰/۰۵ معنادار می‌شد فقط یک ستاره بالای آن نمایان می‌گردید (p-Value در تحلیل آماری چه اطلاعاتی به شما می دهد؟). برای گزارش جدول فوق در پایان نامه یا مقاله جدول زیر را پیشنهاد می‌کنیم:

نحوه انجام تحلیل همبستگی پیرسون در spss

یکی دیگر از تحلیل‌های آماری بسیار مهم نرم افزار spss تحلیل همبستگی پیرسون می‌باشد. تحلیل همبستگی پیرسون جهت بررسی ارتباط دو متغیر با مقیاس فاصله‌ای استفاده می‌شود و در علوم انسانی و پزشکی کاربرد بسیار زیادی دارد. تحلیل همبستگی پیرسون را می‌توان پیشامد برخی تحلیل‌های دیگر مانند تحلیل رگرسیون محسوب نمود زیرا قبل از انجام تحلیل رگرسیون معمولاً ماتریس همبستگی بین متغیرها محاسبه می‌شود تا مشخص گردد آیا بین متغیرها اصلاً رابطه‌ای وجود دارد یا خیر. بعد از مشخص شدن رابطه بین متغیرهاست که انجام تحلیل رگرسیون برای پیش‌بینی معنی پیدا می‌کند. در زیر قصد آن داریم تا به صورت کامل و مرحله به مرحله نحوه انجام تحلیل همبستگی پیرسون در spss را ذکر کنیم.

کار را با ذکر مثالی شروع می‌کنیم: محققی قصد دارد به بررسی رابطه همبستگی دو متغیر امیدواری و خوش بینی بر روی یک نمونه‌ای بپردازد.

مرحله اول: بعد از جمع‌آوری داده‌ها و وارد کردن آنها به نرم افزار spps کار تحلیل داده را اینگونه شروع کنید؛ به نرم افزار spss رفته و دستور زیرا اجرا کنید:

با اجرای دستور فوق پنجره‌ای به شکل زیر باز می‌شود. این پنجره دارای دو کادر می‌باشد که کادر سمت چپ را شمار ۱ و کادر سمت راست (Variable) را کادر شماره ۲ نامگذاری می‌کنیم.

نحوه انجام تحلیل همبستگی پیرسون در spss

مرحله دوم: متغیرهای مورد نظر خود را از کادر ۱ وارد کادر ۲ نمایید. اگر سوالات دو پرسشنامه را وارد نموده‌اید و نمی‌دانید چگونه نمره کل هریک از پرسشنامه‌ها را در spss چگونه محاسبه نمایید به یکی دیگر از آموزشهای ما که در این لینک آمده مراجعه نمایید. بعد از محاسبه نمره کل دو پرسشنامه صرفا نمرات کل را وارد کادر نمایید و در پایان از قسمت پایین کادر ۱ و ۲ آزمون پیرسون (Pearson) را انتخاب نمایید. سایر گزینه‌ها آزمون کندال و اسپیرمن هستند که آزمون‌‎های جداگانه‌ای می‌باشند و به تحلیل پیرسون ربطی ندارند. بعد از انجام عملیات فوق نهایتاً می‌بایست پنجره‌ای به شکل زیر پدید آید:

نحوه انجام تحلیل همبستگی پیرسون در spss

بعد از پدیدار شدن این پنجره، دکمه OK را فشار دهید تا این تحلیل انجام شود. بعد از انجام این کار خروجی‌ها به شکل زیر ظاهر می‌شوند:

همانگونه که مشاهده می‌کنید ماتریس همبستگی برای این دو متغیر ارایه شده است. با توجه به شکل فوق، میزان r همبستگی بین دو متغیر امید و خوش‌بینی برابر با ۰/۷۵ به دست آمده که این مقدار با توجه سطح آماری معنادار نیز می‌باشد (۰/۰۰۱=p). از آن جهت بالای عدد ۰/۷۵ دو ستاره آمده است که این مقدار در سطح آماری ۰/۰۱ معنادار شده است. اگر در سطح ۰/۰۵ معنادار می‌شد فقط یک ستاره بالای آن نمایان می‌گردید (p-Value در تحلیل آماری چه اطلاعاتی به شما می دهد؟). برای گزارش جدول فوق در پایان نامه یا مقاله جدول زیر را پیشنهاد می‌کنیم:

اجرای آزمون همبستگی پیرسون در SPSS

احتمالا، گسترده­ ترین کاربرد شاخص آماری همبستگی دو متغیری، ضریب همبستگی گشتاوری پیرسون است که به ­طور معمول همبستگی پیرسون نامیده می­شود. علامت اختصاری آن r است. ضریب پیرسون نشان می­ دهد که تا چه اندازه بین متغیرهای کمّی رابطه خطی وجود دارد(میزر، گامست و گارینو،152:1391).

کاربرد اصلیِ ضریب پیرسون زمانی است که متغیرها از نوع پارامتری باشند؛ بدین معنا که توزیع نرمال داشته باشند و در سطح فاصله­ ای/نسبی باشند. البته زمانی که متغیرها از نوع شبه فاصله ­ای باشند (یعنی هر متغیر ترکیبی از چند متغیر ترتیبی باشد که اصطلاحا به آن مقیاس های تراکمی می­گویند)، برخی از پژوهش­گران از ضریب پیرسون استفاده می­کنند. برخی از نویسندگان استفاده از ضریب پیرسون برای یک متغیر دو ارزشی و یک متغیر فاصله­ ای/نسبی را هم مجاز شمرده ­اند. تفسیر همبستگی پیرسون زمانی که یکی از متغیرها دوارزشی (فقط شامل دو سطح) اما متغیر دیگر کمّی است نیز می­تواند منطقی باشد(میزر، گامست و گارینو،164:1391).

تفسیر شدّت رابطه در همبستگی پیرسون
بعد از تعیین معنی­ داری و جهت رابطه، باید شدّت رابطه ارزیابی شود. برای تفسیر شدّت رابطه دومتغیر، تقسیم ­بندی­ های گوناگونی ارائه شده­ است. تقسیم ­بندی زیر یکی­ از آن­ هاست.

شیوه تفسیر شدت رابطه در همبستگی پیرسون

شدّت رابطه	تفسیر
8/. تا 1	رابطه بسیار قوی
6/. تا 8/.	رابطه قوی
4/. تا 6/.	رابطه متوسط
2/. تا 4/.	رابطه کم (یا ضعیف)
صفر تا 2/.	فقدان رابطه یا رابطه ناچیز

(منبع: میلر، 299:1380)

مثال

در این بخش به بررسی همبستگی بین دو متغیر بهره هوشی و معدل مقطع کارشناسی می ­پردازیم. انتظار داریم که دو متغیر با یکدیگر همبسته باشند، به نحوی که با افزایش بهره هوشی، معدل افزایش بیابد. به عبارت دیگر انتظار داریم افرادی که بهره هوشی بالاتری دارند، معدل بالاتری هم داشته باشند. هر دو متغیر کمّی بوده و در سطح سنجش فاصله ­ای/­نسبی قرار دارند. با توجه به این که هردو متغیر در سطح سنجش فاصله­ ای/نسبی هستند از ­همبستگی ­پیرسون استفاده می­کنیم. از پیش ­فرض ­های آزمون همبستگی پیرسون نرمال بودن توزیع متغیر در جمعیّت آماری است، در این مثال فرض می­ کنیم که این پیش­فرض برقرار است و توزیع داده­ ها نرمال است

اجـ ـرا

مسیر زیر را دنبال می­کنیم:

Analyze—>Correlate—>Bivariate

نتـ ـایج

در جدول بعد، نتایج آزمون همبستگی پیرسون بین دو متغیر بهره هوشی و معدل کارشناسی نشان داده­ شده ­است. نخست به سطح معنی ­داری به دست آمده نگاه می­کنیم. سطح معنی ­داری به دست آمده برابر با 600/. به دست آمده است که بسیار بیشتر از مقدار مفروض 05/.است. در نتیجه بین دو متغیر بهره هوشی و معدل مقطع ­کارشناسی پاسخگویان رابطه معنی داری وجود ندارد. با توجه به این که بین دو متغیر همبستگی وجود ندارد، شدّت و جهت رابطه مورد بررسی قرار نمی­ گیرد.

Correlations
بهره هوشی	معدل کارشناسی
بهره هوشی	Pearson Correlation	1	-.053
	Sig. (2-tailed)	.600
	N	100	100
معدل کارشناسی	Pearson Correlation همبستگی پیرسون	-.053	1
	Sig. (2-tailed)	.600
	N	100	100

گـ ـزارش:
در گزارش نتایج می­ نویسیم:
از آزمون همبستگی ­پیرسون جهت آزمون رابطه دو متغیر بهره هوشی و معدل مقطع کارشناسی استفاده شد. بین میزان بهره هوشی و معدل مقطع کارشناسی همبستگی معنی­ دار مشاهده نشد (600/. = P و 100= n و 053/.- = r ). در نتیجه از جنبه آماری دو متغیر بهره هوشی و معدل کارشناسی با یکدیگر رابطه ندارند.

***
(فرض می کنیم رابطه به دست آمده معنی ­دار باشد و سطح معنی­ داری به دست آمده برابر با 004/. شده است و ضریب پیرسون برابر با 45/. به دست آمده است. در این صورت به این صورت گزارش می­ دهیم:

آزمون همبستگی پیرسون نشان داد که بین میزان بهره هوشی و معدل مقطع کارشناسی همبستگی وجود دارد (004/. = P و 100= n و 45/. = r ). جهت رابطه بین بهره هوشی و معدل کارشناسی مثبت است. شدت همبستگی به­ دست آمده در حد متوسط است. واریانس توضیح داده شده 20.3% است. نتایج نشان می­ دهد دانشجویانی که بهره هوشی بالاتری دارند، معدل کارشناسی بالاتری هم کسب کرده­ اند.

چندنکته:
ضریب همبستگی پیرسون را با r نشان می­ دهند.
واریانس توضیح داده ­شده همان 2 r است که از به توان­ دو رساندن ضریب همبستگی پیرسون ( r ) به دست می ­آید و نشان­ دهنده واریانس مشترک دو متغیر است.
بهتر است نمودار پراکندگی دو متغیر بهره ­هوشی و معدل در گزارش ذکر شود (قبل از نتایج آزمون همبستگی پیرسون).

تحقیق همبستگی: ویژگی ها ، انواع و مثال ها

منتحقیقات همبستگی این نوعی تحقیق غیر تجربی است که در آن محققان دو متغیر را اندازه گیری می کنند کاربردهای استفاده از همبستگی و بین آنها رابطه آماری برقرار می کنند (همبستگی) ، بدون نیاز به درج متغیرهای خارجی برای رسیدن به نتیجه گیری مربوط. به عنوان مثال ، رابطه بین زمان صرف شده برای مطالعه یک موضوع و نمرات کسب شده قابل بررسی است.

دو دلیل اساسی وجود دارد که محققان به این روابط آماری بین متغیرها علاقه مند هستند و انگیزه انجام تحقیقات همبستگی را دارند.

دلیل اول این است که آنها اعتقاد ندارند که رابطه بین این متغیرها اتفاقی است ، به این معنا که یک محقق از یک نظرسنجی استفاده می کند که استفاده از آن برای گروهی از افراد قبلاً مشخص شده است.

دلیل دوم اینکه این نوع تحقیق به جای آزمایش انجام می شود ، به دلیل رابطه آماری علی بین متغیرها است ، به این ترتیب ، محققان نمی توانند متغیرها را به طور مستقل دستکاری کنند ، زیرا این کار غیرممکن ، غیر عملی و غیراخلاقی

سه نوع تحقیق همبستگی وجود دارد (مشاهده طبیعی ، نظر سنجی و پرسشنامه ، تجزیه و تحلیل اطلاعات). به طور مشابه ، همبستگی بین متغیرها می تواند مثبت (متناسب مستقیم) یا منفی (متناسب متناسب) باشد. نشان دادن روشی که یک متغیر می تواند بر دیگری تأثیر بگذارد.

معمولاً اعتقاد بر این است که تحقیقات همبستگی باید شامل دو متغیر کمی ، مانند امتیازات ، نتایج تعداد وقایع تکرار شده در یک بازه زمانی باشد.

با این حال ، مهمترین ویژگی تحقیق همبستگی این است که دو متغیر تحت درمان اندازه گیری می شوند (بدون اینکه دستکاری شوند) و نتایج بدون در نظر گرفتن نوع متغیر (کمی یا طبقه ای) درست هستند.

همچنین ممکن است علاقه مند باشید که از تحقیق میدانی مطلع شوید: این چیست ، ویژگی ها و مراحل چیست.

خصوصیات و تعریف

اصطلاح همبستگی به عنوان رابطه بین دو متغیر تعریف شده است. هدف اصلی استفاده از همبستگی در تحقیقات این است که بفهمیم کدام متغیرها به یکدیگر متصل هستند. به این ترتیب ، از نظر علمی یک واقعه خاص به عنوان یک متغیر قابل درک است.

تحقیقات همبستگی متشکل از جستجوی متغیرهای مختلفی است که با یکدیگر تعامل دارند ، به این ترتیب وقتی اثبات تغییر در یکی از آنها ، می توان فرض کرد که تغییر در دیگری که مستقیماً به آن مربوط است چگونه خواهد بود.

این روند محقق را ملزم به استفاده از متغیرهایی می کند که قادر به کنترل آنها نیست. به این ترتیب ممکن است یک محقق علاقه مند به مطالعه یک متغیر A و رابطه و تأثیر آن بر یک متغیر B باشد.

به عنوان مثال ، یک محقق می تواند نوع ترجیحی بستنی را با توجه به سن مطالعه کند و اولویت مصرف کنندگان را براساس سن آنها تشخیص دهد. جهان پر از رویدادهای همبسته است ، جایی که اگر متغیر A تحت تأثیر قرار گیرد ، احتمال زیادی وجود دارد که متغیر B نیز تحت تأثیر قرار گیرد.

در تحقیقات همبستگی دو نوع مختلف وجود دارد ، یکی مثبت و دیگری منفی. همبستگی های مثبت به این معنی است که متغیر A افزایش می یابد و به تبع آن متغیر B. از طرف دیگر ، وقتی صحبت از همبستگی های منفی می شود ، وقتی متغیر S افزایش می یابد ، متغیر B کاهش می یابد.

تحقیقات همبستگی بر اساس آزمونهای آماری متعددی انجام شده است که ضرایب همبستگی بین متغیرها را نشان می دهد. این ضرایب عددی نشان داده می شوند تا قدرت و جهت یک رابطه را نشان دهند.

انواع

در فرآیند تحقیق همبستگی ، محقق همیشه فرصت انتخاب متغیرهایی را که می خواهد مطالعه کند ، ندارد. وقتی این اتفاق می افتد ، گفته می شود که یک تحقیق نیمه آزمایشی در حال انجام است.

سه نوع تحقیق همبستگی وجود دارد که در آن متغیرها ممکن است کنترل شوند یا نباشند. این بستگی به نوع رویکرد شما در مورد یک موضوع مشخص و نحوه انجام تحقیقات دارد.

1- مشاهده طبیعی

اولین مورد از سه نوع تحقیق همبستگی مشاهده طبیعی است. به این ترتیب ، محقق متغیرهای موجود در یک محیط طبیعی را مشاهده و ثبت می کند ، بدون اینکه در روند آنها تداخلی ایجاد کند.

نمونه آن می تواند کلاس باشد. محقق می تواند نتایج و نمرات نهایی کسب شده توسط دانشجویان را در رابطه با میزان غیبت آنها تجزیه و تحلیل کند.

این نوع تحقیقات همبستگی می تواند زمانبر باشد و همیشه امکان کنترل متغیرها را ندارد.

2- نظر سنجی و پرسشنامه

نوع دیگری از تحقیقات همبستگی زمانی اتفاق می افتد که نظر سنجی ها و پرسشنامه هایی که از آنها اطلاعات جمع آوری می شود ، انجام شود. در این نوع تحقیق ، باید یک نمونه تصادفی یا گروهی از شرکت کنندگان انتخاب شود

به عنوان مثال ، هنگامی که شما با موفقیت یک نظرسنجی درباره یک محصول جدید را در یک مرکز خرید تکمیل می کنید ، در یک نظرسنجی تحقیقاتی برای اهداف همبستگی شرکت می کنید. از این نوع نظرسنجی برای پیش بینی موفقیت یا عدم موفقیت یک محصول استفاده می شود.

استفاده از نظرسنجی ها در تحقیقات همبستگی اغلب مطلوب است ، اما اگر شرکت کنندگان در این مورد صادق نباشند ، می توانند نتایج نهایی تحقیق را از بسیاری جهات تغییر دهند.

3- تجزیه و تحلیل اطلاعات

آخرین نوع تحقیق همبستگی که می تواند انجام شود ، تجزیه و تحلیل داده هایی است که قبلا توسط سایر محققان جمع آوری شده است. به عنوان مثال ، می توان از پرونده دادگاه یک شهر برای پیش بینی تأثیر آمار جرم بر اقتصاد محلی استفاده کرد.

پرونده های پرس و جو اغلب به عنوان ابزار مرجع بصورت رایگان در دسترس هستند. با این حال ، برای ایجاد یک رابطه همبستگی معنی دار ، معمولاً دستیابی به اطلاعات زیادی ضروری است.

در این نوع تحقیق ، محققان هیچ كنترلی بر نوع اطلاعات ثبت شده ندارند.

مثال ها

کامیون بستنی

یک روش خوب برای توضیح چگونگی کار تحقیق همبستگی این است که به یک گاری بستنی فکر کنیم. به این ترتیب ، فرد می تواند صدای خاص یک کامیون بستنی را تشخیص دهد ، زیرا می تواند آن را از دور درک کند.

وقتی صدای کامیون بلندتر می شود ، فرد می تواند نزدیک بودن کامیون را تشخیص دهد.

به این ترتیب متغیر A صدای کامیون و متغیر B مسافتی است که کامیون در آن قرار دارد. در این مثال ، همبستگی مثبت است ، زیرا هرچه صدای کامیون افزایش یابد ، فاصله آن نیز نزدیکتر خواهد بود.

اگر صدای مختلف کامیون داشته باشیم ، یک فرد می تواند همه آنها را تشخیص داده و آنها را به متغیرهای مختلف مرتبط کند.

شناسایی اوتیسم در کودکان

در این تحقیق ، از یک گروه مطالعه با آزمایشی که برای شناسایی تفاوت بین گروههای مختلف جمعیت طراحی شده بود ، استفاده شد تا مشخص شود که آیا بین متغیرهای تحلیل شده همبستگی وجود دارد یا خیر.

از 66 شرکت کننده نمونه ای گرفته شد که همه آنها کودک 12 ماهه بودند. در این شرکت کنندگان ، 35 کودک خواهر و برادر بزرگتر با تشخیص بالینی اوتیسم داشتند. 31 کودک باقیمانده خواهر و برادر داشتند که هیچ درجه ای از اوتیسم نداشتند.

از همه شرکت کنندگان خواسته شد که برای انجام یک کار خاص شیئی را دستکاری کنند و بنابراین قادر به شناسایی نوعی رفتار طبیعی و غیر عادی هستند.

در سن 24 یا 36 ماهگی همان گروه از کودکان دوباره مورد تجزیه و تحلیل قرار گرفت تا مشخص شود آیا تمایل به اوتیسم وجود دارد یا اینکه آنها از نظر رشد و نمو دچار هستند.

نتایج نشان داد که 9 کودک از نوزادانی که خواهر و برادر اوتیستیک دارند نیز دارای درجاتی از اوتیسم هستند. یک سری از همبستگی ها برای این کودکان محاسبه شد ، از جمله نتایج آنها در آزمایش دستکاری اولیه و آزمون بعدی.

می توان نشان داد که چگونه دستکاری غیر عادی یک کودک توسط کودک 12 ماهه با تشخیص بعدی اوتیسم ارتباط مثبت دارد. به طور مشابه ، با رشد طبیعی یا موضعی کودک ارتباط منفی داشت.

نژادپرستی در زنان آمریکایی آفریقایی تبار

در این تحقیق ، سه سوال اولیه در مورد تجربیاتی که ممکن است زنان آمریکایی آفریقایی تبار در گذشته داشته باشند ، مطرح شد.

این س questionsالات در مورد نسبت هایی که این زنان نوعی نژادپرستی را تجربه کرده اند پرس و جو می کرد.

بنابراین رابطه این تجربیات با شرایط روانی احتمالی زنان و توانایی این زنان در کاهش تأثیر نژادپرستی در شرایط روانی آنها زیر سال می رود.

این نمونه شامل 314 زن آمریکایی آفریقایی تبار بود که به یک نظر سنجی مکتوب پاسخ دادند که برای اندازه گیری تجربه خود از نژادپرستی ، شرایط بالقوه روانشناختی ناشی از این پدیده و انتخاب رفتارها برای مقابله با شرایط تبعیض طراحی شده است.

نتایج حاکی از بروز انواع نژادپرستی (توهین توسط همکاران ، چشم پوشی از فروشندگان در فروشگاه های بزرگ ، جوک های نژادپرستانه و غیره) بود.

این اشکال مختلف نژادپرستی توسط بیش از 70٪ از شرکت کنندگان گزارش شده است. مشخص شد نژادپرستی یک تجربه مشترک در میان زنان آمریکایی آفریقایی تبار است.

ضرایب همبستگی رابطه مثبت و معناداری بین نژادپرستی گزارش شده و وقایع و مشکلات روانی احتمالی این زنان نشان داد. این نتیجه گیری شامل مکانیسم های مقابله با نژادپرستی است که توسط آنها استفاده شده است.

نتایج دیگر نشان داد که مدلهای مختلفی که زنان آمریکایی آفریقایی تبار برای مقابله با این حوادث استفاده کرده اند بطور منظم با موفقیت نسبی استفاده می شوند.

به این ترتیب ، بسیاری از زنان در تلاش برای کاهش تأثیر روانشناختی آن ، یک تجربه منفی را به تجربه ای بدتر تبدیل کرده اند (گودوین و گودوین ، 2017).

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 کاربردهای استفاده از همبستگی 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 کاربردهای استفاده از همبستگی مشورت کنید. علاوه بر این باید بدانید که نوع تحقیق شما چیست؟ اغلب تحقیقات دو متغیره و 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)

محاسبه ضریب همبستگی پیرسون در متلب به همراه مثال (pearson in matlab)

ضریب همبستگی پیرسون ، یکی از معیار های شباهت می باشد که به بررسی میزان شباهت بین دو آیتم یا بردار می پردازد. در ادامه به نحوه محاسبه ضریب همبستگی پیروسون در متلب می پردازیم.

فرض کنید که میخواهیم معیار پیرسون بین دو بردار زیر را محاسبه کنیم:

برای محاسبه ضریب همبستگی پیروسون در متلب میتوانیم از دستور corr به صورت زیر استفاده کنیم:

به این ترتیب میزان شباهت دو بردار a و b بر اساس معیار پیرسون محاسبه میشود و در x قرار میگیرد.

در مباحث آماری، ضریب همبستگی پیرسون یا ضریب همبستگی حاصل‌ضرب-گشتاور پیرسون ، میزان همبستگی خطی بین دو متغیر تصادفی را می‌سنجد.

مقدار این ضریب بین ۱- تا ۱ تغییر می‌کند که:

• «۱» به معنای همبستگی مثبت کامل،
• «۰» به معنی نبود همبستگی،
• و «۱-» به معنی همبستگی منفی کامل است.

این ضریب که کاربرد فراوانی در آمار دارد، توسط کارل پیرسون بر اساس ایدهٔ اولیهٔ فرانسیس گالتون تدوین شد.

ضریب همبستگی پیرسون بین دو متغیر تصادفی برابر با کوواریانس آنها تقسیم بر انحراف معیار آنها تعریف می‌شود.

برای آشنایی بیشتر با ضریب پیرسون در ویکیپدیا مراجعه کنید.

محاسبه ضریب همبستگی پیرسون در سیستم توصیه گر در متلب

یکی از کاربردهای مهم ضریب همبستگی پیرسون در سیستم های توصیه گر می باشد. در سیستم های توصیه گر فیلتر مشارکتی ، برای محاسبه میزان شباهت دو کاربر از معیار پیرسون استفاده میشود.

برای آشنایی با سیستم های توصیه گر ، حتما مقاله “سیستم توصیه گر یا Recommender System ” را مطالعه کنید.

نکته ای که وجود دارد این است که اگر شما میخواهید از ضریب همبستگی Pearson در سیستم های توصیه گر استفاده کنید ، باید بردار ورودی به دستور corr را اصلاح کنید و آیتم های مشترک بین دو کاربر را فقط در نظر بگیرید.

بعنوان مثال با فرض اینکه دو بردار a و b ای که در بالا تعریف کردیم امتیازات دو کاربر به آیتم های موجود باشد ، اگر شما برای محاسبه معیار شباهت پیروسون در متلب دستور زیر را وارد کنید اشتباه کرده اید:

همبستگی بین جفت ارزها در فارکس | بررسی کامل

قبل از اینکه وارد جزئیات همبستگی بین جفت ارزها شویم، باید بگوییم که دلار آمریکا و طلا رابطه خیلی خوبی با هم ندارند. معمولاً، وقتی ارزش دلار افزایش می‌یابد، طلا کاهش می‌یابد و برعکس.

همبستگی ین جفت ارزها چیست؟

منطق قدیمی این است که در زمان ناآرامی اقتصادی، سرمایه گذاران تمایل به فروش دلار آمریکا و خرید طلا دارند.

بر خلاف دارایی‌های دیگر، طلا ارزش ذاتی خود را حفظ می‌کند. امروزه، رابطه معکوس بین دلار آمریکا و طلا هنوز هم باقی مانده است. این یک نمونه از همبستگی بین جفت ارزها است که به دلیل جذابیت پناهگاه امن طلا، هر زمان که مشکل اقتصادی در آمریکا یا سراسر جهان وجود دارد، سرمایه گذاران اغلب به سراغ طلا می‌روند.

برعکس این هم اتفاق می افتد زمانی که نشانه‌هایی از رشد وجود سرمایه گذاران به سراغ دلار می‌روند. نگاهی به این نمودار عالی بیندازید:

در حال حاضر، استرالیا سومین تولید کننده طلا در جهان است و هر سال حدود ۵ میلیارد دلار طلا تولید می‌کند؟ از لحاظ تاریخی، AUD/ USD همبستگی عظیم ۸۰٪ را با قیمت طلا دارد!

فرانک سوئیس نیز دارای ارتباط قوی با طلاست. وقتی قیمت طلا کاهش می‌یابد USD/CHF معمولاً صعود می‌کند. در مقابل، وقتی قیمت طلا بالا می‌رود این جفت ارز کاهش می‌یابد. بر خلاف دلار استرالیا، دلیل اینکه فرانک سوئیس به همراه طلا حرکت می‌کند این است که بیش از ۲۵٪ از پول سوئیس توسط ذخایر طلا پشتیبانی می‌شود.

ارتباط بین طلا و ارزهای اصلی تنها یکی از موضوعات بسیاری است که بررسی خواهیم کرد.

در خصوص طلای سیاه بیشتر بدانید

هم بستگی بین جفت ارزها برای نفت هم به همین شکل عمل می‌کند. همانطور که می دانید، به نفت خام اغلب «طلای سیاه» می گویند. نفت ماده مخدری است که در رگ‌های اقتصاد جهانی جریان دارد زیرا منبع اصلی انرژی است.

کانادا، یکی از تولیدکنندگان بزرگ نفت در جهان، حدود ۲ میلیون بشکه نفت در روز به آمریکا صادر می‌کند، یعنی بزرگ‌ترین تأمین کننده نفت آمریکا است این بدان معنی است که کانادا فروشنده اصلی طلای سیاه به آمریکا است!

به دلیل حجم بالا، تقاضا زیادی برای دلار کانادا ایجاد می‌کند.

USD / CAD می‌تواند نحوه واکنش مصرف کنندگان آمریکا به تغییر قیمت نفت را تا حد زیادی تحت تأثیر قرار دهد. اگر تقاضای آمریکا افزایش یابد، تولید کنندگان نیاز به سفارش نفت بیشتری دارند تا به تقاضا پاسخ دهند. این می‌تواند منجر به افزایش قیمت نفت شود که ممکن است به کاهش USD/ CAD منجر شود.

اگر تقاضای آمریکا کاهش یابد، تولید کنندگان ممکن است تصمیم به کاهش واردات بگیرند زیرا نیاز به تولید کالای بیشتر ندارند. تقاضای نفت ممکن است کاهش یابد که می‌تواند تقاضا برای CAD را کاهش دهد. بعضی از کارگزاران فارکس به شما اجازه می‌دهند تا طلا، نفت و دیگر کالاها را معامله کنید.

آنجا به آسانی می‌توانید نمودارهایشان را با استفاده از نرم افزارشان ببینید. همچنین می‌توانید در http://www.timingcharts.com و http://www.kitco.com قیمت طلا را رصد کنید.

همبستگی بین جفت ارزها

وقتی به طور همزمان چند جفت ارز را در حساب خود معامله می‌کنید، همیشه مطمئن شوید که از میزان ریسک خود را تحت کنترل دارید.

ممکن است فکر کنید که با معامله در جفتهای مختلف، ریسک خود را پخش می‌کنید اما بسیاری از جفت ارزها تمایل به حرکت در یک جهت دارند.

اجازه دهید مثالی شامل دو جفت بسیار همبسته در دوره یک هفته‌ای را بررسی کنیم. GBP / USD و EUR / USD:

بر اساس جدول و با ضریب همبستگی ۰. ۹۴، بدیهی است که همبستگی بالایی در این جفت ارز خاص وجود دارد. EUR/USD تمایل شدیدی دارد که در کنار GBP / USD باشد و همپای او حرکت کند!

تصویر کلی را دیدید. نکته این است که این دو جفت دست در دست هم آواز می‌خوانند و با هم جست و خیز می‌کنند. برای اثبات اینکه اعداد دروغ نمی‌گویند، نمودار ۴ ساعته شان را در زیر می‌بینید. دقت کنید که هر دوی آنها در یک جهت (پایین) حرکت می‌کنند.

با بازگشت به موضوع ریسک، می‌توانیم ببینیم که باز کردن موقعیت در هر دو جفت ارز EUR/ USD و GBP /USD مثل دو برابر کردن یک موقعیت است. برای مثال، خرید 1 لات EUR / USD و ۱ لات GBP / USD در واقع معادل خرید ۲ لات EUR/USD است، چون هر دو در یک جهت حرکت می‌کنند. به عبارت دیگر، دارید ریسک خود را افزایش می‌دهید. اگر EUR/ USD و GBP / USD را خرید کنید، دو بار شانس اشتباه کردن ندارید! فقط یک شانس دارید چرا که اگر EUR / USD سقوط کند و شما استاپ بخورید، GBP/USD هم به احتمال زیاد سقوط خواهد کرد و استاپ شما را هم خواهد زد (یا برعکس)!

EUR/ USD و GBP / USD دارای مقادیر حرکتی مختلفند و همبستگی بالای آنها بدین معنا نیست که همیشه در یک محدوده دقیق حرکت می‌کنند. نوسانات در جفت ارزها بی ثبات است. EUR / USD می‌تواند ۲۰۰ پیپ افزایش یابد، در حالی که GBP/USD فقط ۱۹۰ پیپ بالا می‌رود. اگر این اتفاق بیفتد، زیان از معامله GBP / USD (چون فروخته‌اید)، تقریباً تمام سود از معامله EUR/USD را می‌بلعد.

حالا تصور کنید که EUR / USD جفت ارزی بود که ۱۹۰ پیپ حرکت کرد و GBP/USD حرکت بزرگتر ۲۰۰ پیپ را داشت. قطعاً ضرر می‌کردید؟ فروختن یک جفت ارز و خریدن جفت ارز دیگری که همبستگی بالا دارند بسیار خطرناک است.

غیر از اینکه کارمزد را دو بار پرداخت می‌کنید، سود خود را به حداقل می‌رسانید زیرا یک جفت ارز سود جفت ارز دیگر را می‌بلعد. و حتی بدتر از آن، در پایان می‌توانید با توجه به ارزش پیپ‌ها و نوسانات ارزها، ضرر کنید. بیایید نگاهی به مثال دیگری بیندازیم. این بار با EUR/ USD و USD/ CHF. در حالی که شاهد همبستگی مثبت قوی با GBP/ USD بودیم، EUR / USD دارای همبستگی بسیار منفی با USD/CHF است. اگر به همبستگی یک هفته‌ای آنها نگاه کنید، دارای ضریب همبستگی کامل -1 است. منفی‌تر از این نمی‌شود! آن‌ها چشم دیدن یکدیگر را ندارند!

EUR / USD و USD / CHF مثل کارد و پنیرند، این دو جفت کاملاً در جهت مخالف حرکت می‌کنند. نمودارها را بررسی کنید:

موقعیت‌های مخالف، در دو جفت همبسته منفی، می‌تواند شبیه به گرفتن یک موقعیت در دو جفت همبسته بسیار مثبت باشد. خرید EUR / USD و فروش USD / CHF عین دو برابر کردن یک موقعیت است. برای مثال، اگر به خرید آلات EUR/USD و فروش ۱ لات USD / CHF بپردازید، در واقع دارید ۲ لات EUR/ USD می‌خرید، چرا که اگر EUR/USD بالا رود، آنگاه USD / CHF پایین می‌رود، و از هر دو جفت سود کسب می‌کنید.

دانستن اینکه با این کار، ریسک خود را در حساب معاملاتی‌تان افزایش داده‌اید، مهم است. با بازگشت به مثال فروختن EUR / USD و خریدن USD/ CHF، اگر EUR / USD مثل سنگ سقوط کند، به احتمال زیاد هر دو معامله شما متوقف می‌شود و در نتیجه در هر دو ضرر می‌کنید. با تصمیم برای خرید EUR/ USD یا فروش USD /CHF، به جای انجام دادن هر دو می‌توانید زیان خود را به حداقل برسانید.

از سوی دیگر، خرید یا فروش) هر دوی EUR/ USD و USD /CHF به طور همزمان معمولاً ناکارا خواهد بود زیرا در واقع دارید هر معامله را لغو می‌کنید. از آنجا که دو جفت در جهت مخالف حرکت می‌کنند، یک طرف سود می‌کند، اما طرف دیگر ضرر می‌کند. بنابراین در نهایت کمی سود می‌کنید زیرا یک جفت ارز سود جفت دیگر را می‌بلعد.

اوراق قرضه

ورق قرضه «سند» صادر شده توسط یک نهاد در زمانی است که نیاز به قرض گرفتن پول دارد. این نهادها، مانند دولتها، شهرداری‌ها یا شرکت‌های چند ملیتی، نیاز به منابع مالی زیاد برای کار دارند بنابراین اغلب نیاز به قرض گرفتن از بانکها یا اشخاصی مثل شما دارند. هنگامی که مالک اوراق قرضه دولتی هستید، در واقع، دولت پول از شما قرض گرفته است.

شاید فکر می‌کنید که «این عین داشتن سهام است؟» یک تفاوت عمده این است که اوراق قرضه معمولاً مدت زمان تعریف شده تا سررسید دارد که مالک پولی را که قرض داده، موسوم به اصل پول، را در تاریخ از پیش تعیین شده باز پس می‌گیرد.

همچنین، هنگامی که سرمایه گذار اوراق قرضه را از شرکتی خریداری می‌کند، با نرخ بازده مشخصی، موسوم به بازده اوراق قرضه، در فواصل زمانی خاص پول می‌گیرد. به این پرداخت‌های بهره دورهای معمولاً اقساط سود گفته می‌شود.

بازده اوراق قرضه اشاره به نرخ بازده یا بهره پرداخت شده به دارنده اوراق قرضه دارد در حالی که قیمت اوراق قرضه مقدار پولی است که دارندگان اوراق قرضه برای آن پرداخت می‌کنند. در حال حاضر، قیمت اوراق قرضه و بازده اوراق قرضه دارای رابطه معکوس هستند.

هنگامی که قیمت اوراق قرضه زیاد می‌شود، بازده اوراق قرضه سقوط می‌کند و برعکس. تصویر ساده زیر به شما کمک می‌کند این را به یاد داشته باشید:

اما این چه ربطی به بازار ارز دارد؟!

همیشه به یاد داشته باشید که روابط درون بازار، حاکم بر حرکت قیمت ارز است. در این مورد، بازده اوراق قرضه در واقع شاخص بسیار خوبی از قدرت بازار سهام است. به طور خاص، بازدهی اوراق قرضه آمریکا ارزیابی عملکرد از بازار سهام آمریکا است، در نتیجه بازتاب تقاضا برای دلار آمریکا است.

بیایید نگاهی به یک سناریو بیندازیم: تقاضا برای اوراق قرضه معمولاً زمانی افزایش می‌یابد که سرمایه گذاران نگران امنیت سرمایه گذاری سهام خود هستند. این نگرانی ایمنی موجب افزایش قیمت اوراق قرضه می‌شود و، به موجب رابطه معکوسشان، بازده اوراق قرضه پایین می‌آید.

هر چه سرمایه گذاران بیشتری از سهام و دیگر سرمایه گذاری‌های پر ریسک دوری کنند، افزایش تقاضا برای ابزار کم ریسک تر مانند اوراق قرضه آمریکا و دلار امن آمریکا، قیمت‌های خود را بالاتر می‌برند.

یکی دیگر از دلایل برای آگاهی از بازده اوراق قرضه دولتی این است که به عنوان شاخصی از جهت کلی نرخهای بهره و انتظارات در کشور عمل می‌کنند. برای مثال، در آمریکا روی یادداشت ۱۰ ساله خزانه داری تمرکز کنید. بازده صعودی همانا افزایش دلار است. بازده نزولی همانا سقوط دلار است.

مهم است که قوانین اساسی در مورد دلیل افزایش یا کاهش اوراق قرضه را بدانید. پس از درک اینکه چگونه افزایش بازدهی اوراق قرضه معمولاً موجب افزایش ارزش پول یک کشور می‌شود، احتمالاً می‌خواهید کاربرد آن را در بازار فارکس بدانید.

به یاد بیاورید که یکی از اهداف ما در معاملات ارز جفت کردن ارز قوی با ارز ضعیف است. برای این کار ابتدا نیاز به مقایسه اقتصادهای آنها است. چگونه می‌توانیم از بازدهی اوراق قرضه آنها برای انجام این کار استفاده می‌کنیم؟

کارمزد اوراق قرضه

کارمزد نشان دهنده تفاوت بین بازده اوراق قرضه دو کشور است. این تفاوتها منجر به معامله انتقالی می‌شود که در درس قبلی بحث شد. با رصد کارمزد اوراق قرضه و انتظارات برای تغییرات نرخ بهره، می‌فهمید جفت ارزها به کدام سو می‌روند. به مثال زیر توجه کنید:

وقتی فاصله کارمزد اوراق قرضه بین دو کشور افزایش می‌یابد، ارز کشور با بازده اوراق قرضه بالاتر در مقابل ارز کشور با بازده اوراق قرضه پایین‌تر افزایش می‌یابد. می‌توانید این پدیده را با نگاه کردن به نمودار اقدام قیمت AUD/ USD و کارمزد اوراق قرضه بین اوراق قرضه دولتی ۱۰ ساله آمریکا و استرالیا از ژانویه ۲۰۰۰ تا ژانویه ۲۰۱۲ ببینید.

توجه داشته باشید که وقتی کارمزد اوراق قرضه از 0.50٪ به 1.00٪ از ۲۰۰۲ تا ۲۰۰۴ افزایش یافت، AUD/USD حدود ۵۰٪ افزایش یافت از 0.5000 تا 0.7000.

همین امر در سال ۲۰۰۷ اتفاق افتاد، وقتی اختلاف اوراق قرضه از ۱۰۰۰ به 2.50٪ افزایش یافت، AUD / USD از 0.7000 به بالای 0.9000 افزایش یافت. این یعنی ۲۰۰۰ پیپ! با رکود اقتصادی سال ۲۰۰۸ که تمامی بانکهای مرکزی بزرگ جهان کاهش نرخ بهره خود را آغاز کردند، AUD/USD از 0.9000 به 0.7000 سقوط کرد.

پس چه اتفاقی در اینجا افتاده است؟

یکی از عواملی که احتمالاً در اینجا مؤثر است این است که معامله گران از معاملات انتقالی استفاده می‌کنند. هنگامی که کارمزدهای اوراق قرضه‌ها بین اوراق قرضه استرالیا و خزانه آمریکا در حال افزایش بود، معامله گران موقعیتهای AUD / USD بلند خود را جمع آوری کردند.

این کار برای استفاده از معامله انتقالی صورت گرفت! با این حال، وقتی بانک مرکزی استرالیا شروع به کاهش نرخ‌های بهره کرد و کارمزدهای اوراق قرضه شروع به تنگ شدن کردند، معامله گران با آزاد کردن موقعیت‌های بلند AUD / USD خود واکنش نشان دادند زیرا دیگر سودآور نبودند.

بررسی بازارهای اوراق قرضه، اوراق بهادار با درآمد ثابت در فارکس

تاکنون متوجه شدیم که چگونه تفاوت در نرخ بازده می‌تواند شاخصی برای حرکت قیمت ارز باشد. با افزایش اختلاف کارمزد اوراق قرضه و نرخ بهره بین دو کشور، ارز با بازده اوراق قرضه یا نرخ بهره بالاتر معمولاً در برابر دیگری افزایش می‌یابد.

بسیار شبیه به اوراق قرضه، اوراق بهادار با درآمد ثابت همانا سرمایه گذاری‌هایی‌اند که پرداخت ثابت در فواصل زمانی منظم ارائه می‌کنند. اقتصادهایی که بازده بالاتر در اوراق بهادار با درآمد ثابت خود ارائه می‌کنند باید سرمایه گذاری بیشتری را جذب کنند.

این امر ارز محلی‌شان را جذاب‌تر از ارزهای اقتصادهای دیگری می‌کند که بازده پایین‌تر در بازار درآمد ثابت خود ارائه می‌کنند. برای مثال، اجازه دهید gilts و Euribors را در نظر بگیریم (داریم در مورد اوراق قرضه انگلستان و اوراق بهادار اروپا صحبت می‌کنیم!).

اگر Euribors نرخ بازده پایین‌تر در مقایسه با gilts ارائه کنند، سرمایه گذاران از قرار دادن پول خود در بازار درآمد ثابت منطقه یورو دلسرد می‌شوند و ترجیح می‌دهند پول خود را در دارایی‌های با بازده بالاتر قرار دهند.

به همین دلیل، EUR می‌تواند در مقابل ارزهای دیگر، به ویژه GBP تضعیف شود. در اینجا باز هم می‌توانید همبستگی بین جفت ارزها را مشاهده کنید. این پدیده تقریباً با هر بازار درآمد ثابت و با هر ارزی اعمال می‌شود.

می‌توانید بازده در اوراق بهادار با درآمد ثابت برزیل را با بازار درآمد ثابت روسیه مقایسه کنید و از تفاوت‌ها، برای پیش بینی رفتار واقعی روبل استفاده کنید. یا می‌توانید بازده در آمد ثابت اوراق بهادار ایرلند را با کره مقایسه کنید.

اگر می‌خواهید از همبستگی بین جفت ارزها بیشتر بدانید و درباره اوراق قرضه دولتی و شرکتی اطلاعات کسب کنید می‌توان در این سایت آنها را مشاهده کنید:

همچنین می‌توانید از وب سایت دولتی یک کشور خاص برای پیدا کردن بازده اوراق قرضه فعلی استفاده کنید. آن‌ها بسیار دقیق هستند. بخاطر دولتی بودن اطلاعات می‌توانید به آنها اعتماد کنید.

در واقع، بسیاری از کشورها اوراق قرضه را ارائه می‌دهند اما بهتر است به کشورهای دارای ارزهای اصلی را انتخاب کنید.

برخی از اوراق قرضه محبوب از سراسر جهان و اسم مستعارشان چنین است:

برخی کشورها نیز اوراق قرضه با شرایط سررسید مختلف ارائه می‌کنند بنابراین مطمئن شوید که اوراق قرضه با مدت سررسید مشابه را مقایسه می‌کنید (مانند gilts ۵ ساله با Euribors ۵ ساله)، در غیر این صورت تحلیل شما نادرست خواهد بود.