နယ်ပယ်ကန့်သတ်ချက်ဆိုတာဘာလဲ။

ကိန်းရှင်နှစ်ခုကြား ဆက်စပ်မှုကို တိုင်းတာရန် ကျွန်ုပ်တို့သည် ကိန်းဂဏန်းစာရင်းဇယားများတွင် မကြာခဏ ရှာဖွေလေ့ရှိသည်။ ၎င်းက အောက်ပါတို့ကို နားလည်ရန် ကူညီပေးသည်-

• ကိန်းရှင်နှစ်ခုကြား ဆက်ဆံရေး၏ ဦးတည်ချက် ။ ကိန်းရှင်တစ်ခု တိုးလာသည်နှင့်အမျှ အခြားကိန်းရှင်သည် အတိုး သို့မဟုတ် လျော့တတ်သည်။
• ကိန်းရှင်နှစ်ခုကြား ဆက်ဆံရေး၏ ခွန်အား ။ ကိန်းရှင်နှစ်ခု၏တန်ဖိုးသည်မည်မျှပြောင်းလဲသနည်း။

ကံမကောင်းစွာဖြင့်၊ variable နှစ်ခုကြား ဆက်စပ်မှုကို တိုင်းတာရာတွင် ဖြစ်ပေါ်လာနိုင်သည့် ပြဿနာကို range restriction ဟုခေါ်သည်။ ကိန်းရှင်များထဲမှ တစ်ခုအတွက် တိုင်းတာထားသော တန်ဖိုးများ၏ အကွာအဝေးကို အကြောင်းတစ်ခုခုကြောင့် ကန့်သတ်လိုက်သောအခါ ၎င်းသည် ဖြစ်ပေါ်သည်။

ဥပမာအားဖြင့်၊ သက်ဆိုင်ရာကျောင်းရှိ ကျောင်းသားများ၏ စာသင်ချိန် နှင့် စာမေးပွဲရမှတ်များကြား ဆက်စပ်မှုကို တိုင်းတာလိုသည်ဆိုပါစို့။

ကျောင်းရှိ ကျောင်းသား 1,000 အားလုံးအတွက် ဤကိန်းရှင်နှစ်ခု၏ ဒေတာကို စုဆောင်းပါက၊ လေ့လာချိန်နာရီ နှင့် စာမေးပွဲရမှတ်များကြား ဆက်စပ်မှုမှာ 0.73 ဖြစ်ကြောင်း တွေ့ရှိနိုင်ပါသည်။

ဤဆက်စပ်ဆက်နွယ်မှုသည် အလွန်မြင့်မားပြီး ကိန်းရှင်နှစ်ခုကြားတွင် ခိုင်မာသော အပြုသဘောဆောင်သောဆက်ဆံရေးကို ညွှန်ပြသည်။ ကျောင်းသားတွေ စာများများလေ့လာလာတာနဲ့အမျှ စာမေးပွဲတွေမှာ ပိုကောင်းလာတတ်ပါတယ်။

သို့သော်လည်း ဂုဏ်ထူးတန်းသင်တန်းများတွင် ကျောင်းသားများ၏ အချက်အလက်များကိုသာ စုဆောင်းသည်ဟု ယူဆကြပါစို့။ ဤကျောင်းသားအားလုံးသည် အနည်းဆုံး 6 နာရီကြာ လေ့လာဖူးသူများ ဖြစ်နိုင်သည်။

ထို့ကြောင့်၊ ဤကျောင်းသားများအတွက် လေ့လာခဲ့သော နာရီများ နှင့် စာမေးပွဲရမှတ်များကြား ဆက်စပ်မှုကို တွက်ချက်ပါက၊ လေ့လာထားသော အမျိုးမျိုးသော နာရီ များအတွက် ကျဉ်းမြောင်းသော အကွာအဝေးကို အသုံးပြုပါမည်။

နာရီများသည် 6 ထက်ကြီးသောအကွာအဝေးအတွက် scatterplot ကို ချဲ့ကြည့်မည်ဆိုလျှင်၊ ဤအရာသည် ဇာတ်လမ်းပုံသဏ္ဌာန်ဖြစ်သည်-

ဤဂရပ်ပေါ်ရှိ variable နှစ်ခုကြား အပြန်အလှန်ဆက်စပ်မှုသည် 0.37 ဖြစ်လာသည်၊ ၎င်းသည် 0.73 ထက် သိသိသာသာနိမ့်သည်။

ထို့ကြောင့် ဂုဏ်ထူးတန်းသင်တန်းများတွင် သင်ကြားခဲ့သည့် နာရီများ နှင့် စာမေးပွဲရမှတ်များဆိုင်ရာ အချက်အလက်များကိုသာ စုဆောင်းပါက၊ နာရီနှင့် စာမေးပွဲရမှတ်များအကြား ဆက်စပ်မှု အားနည်းနေသည်ဟု ကျွန်ုပ်တို့ ယူဆနိုင်ပါသည်။

သို့သော်လည်း၊ ကျွန်ုပ်တို့သည် ကိန်းရှင်များထဲမှ တစ်ခုအတွက် ကန့်သတ်ထားသော အပိုင်းအခြားကို အသုံးပြုထားသောကြောင့် ဤရလဒ်သည် လွဲမှားနိုင်မည်ဖြစ်သည်။

ကန့်သတ်အကွာအဝေး၏ လက်တွေ့ကမ္ဘာ ဥပမာများ

ကန့်သတ်ဘောင်တစ်ခု၏ ပြဿနာသည် မတူညီသော သုတေသနလေ့လာမှုများစွာတွင် လက်တွေ့တွင် ဖြစ်ပေါ်လာနိုင်သည်။ ဤသည်မှာ ဥပမာအချို့ဖြစ်သည်။

1. စွမ်းဆောင်ရည်မြင့် အားကစားသမားများကို လေ့လာခြင်း ။ သုတေသီများသည် အချို့သော လေ့ကျင့်ရေးအစီအစဉ်တစ်ခုသည် အချို့သော စံအစီအစဉ်တစ်ခုထက် ကြွက်သားထုထည် ပိုမိုထုတ်လုပ်နိုင်မှုရှိမရှိ လေ့လာရန် စိတ်ဝင်စားပေမည်။

သုတေသီများသည် လက်ရွေးစင်အားကစားသမားများ၏ အချက်အလက်များကိုသာ စုဆောင်းပါက၊ အဆိုပါ အားကစားသမားအားလုံးတွင် ကြွက်သားထု မြင့်မားနေပြီဖြစ်သည်။ ထို့ကြောင့် လေ့ကျင့်ရေးပရိုဂရမ်နှင့် ကြွက်သားထုထည်ကြား ဆက်စပ်မှုကို တွက်ချက်ရန် ကျဉ်းမြောင်းသော တန်ဖိုးများ ရှိလိမ့်မည်။

2. မြင့်မားသောအောင်မြင်သောကျောင်းသားများ၏လေ့လာမှု။ သုတေသီများသည် အချို့သောကျူရှင်အစီအစဉ်တစ်ခုသည် အတန်းများပေါ်တွင် အပြုသဘောဆောင်သောအကျိုးသက်ရောက်မှုရှိမရှိ လေ့လာလိုပေမည်။ သဘာဝအားဖြင့်၊ ကျောင်းသားများသည် ၎င်းတို့၏ အဆင့်များကို မြှင့်တင်ရန်နှင့် ကျူရှင်အစီအစဉ်တွင် ပါဝင်ရန် စိတ်အားထက်သန်သော ကျောင်းသားများ ဖြစ်နေပြီဖြစ်သည်။

ထို့ကြောင့် ဤကျောင်းသားများ၏ အဆင့်များတွင် တိုးတက်ရန် နေရာများစွာ မရှိပါ။ သုတေသီများသည် ကျူရှင်အစီအစဉ်တွင် အသုံးပြုသည့် နာရီများနှင့် ရလဒ်များ တိုးမြင့်လာမှုကြား ဆက်စပ်မှုကို တွက်ချက်သောအခါ၊ အတန်းမြှင့်တင်ရန် အခန်းကို ကန့်သတ်ထားသောကြောင့် စစ်မှန်သော ဆက်စပ်မှုကို လျှော့တွက်နိုင်ပါသည်။

ကန့်သတ်ဘောင်များကို မည်ကဲ့သို့ တွက်ချက်ရမည်နည်း။

ကန့်သတ်ဘောင်များအတွက် ရေပန်းစားသောနည်းလမ်းကို စိတ်ပိုင်းဆိုင်ရာပညာရှင် Robert L. Thorndike မှ ဖန်တီးထားသော ဖော်မြူလာ Thorndike Case 2 ဟုခေါ်သည်။

ဤဖော်မြူလာသည် ကိန်းရှင်နှစ်ခုကြားရှိ စစ်မှန်သောဆက်စပ်ဆက်နွယ်မှုကို ခန့်မှန်းပေးကာ အောက်ပါတွက်ချက်မှုကို အသုံးပြုသည်-

ဆက်စပ်မှုအမှန် = √(1-(SD ² _{y ကန့်သတ်ထားသည်} -SD ² _{y ကန့်သတ်မထား} )) * (1-r ² _{ကန့်သတ်ထားသည်} )

ရွှေ-

• SD ² _{ကန့်သတ်ထားသော y} − တုံ့ပြန်မှုကိန်းရှင် y တွင် ရရှိနိုင်သောဒေတာ၏ နှစ်ထပ်ကိန်းစံသွေဖည်မှု။
• _{ကန့်သတ်မထားသော} SD ² y- လူဦးရေအတွက် တုံ့ပြန်မှုကိန်းရှင်၏ လူသိများသော နှစ်ထပ်စံသွေဖည်မှု။
• r ² _{ကန့်သတ်ထားသည်} – ရရှိနိုင်သော ကန့်သတ်ဒေတာအပေါ် လေးထောင့်ပုံ ဆက်စပ်မှု။

ကိန်းရှင်များထဲမှ တစ်ခုသည် ကန့်သတ်အကွာအဝေးကို ကြုံတွေ့ရသောအခါတွင် ကိန်းရှင်နှစ်ခုကြားရှိ စစ်မှန်သောဆက်စပ်ဆက်နွယ်မှုကို ဘက်မလိုက်ဘဲ ခန့်မှန်းချက်ထုတ်ရာတွင် ဤဖော်မြူလာက ထိရောက်ကြောင်း ပြသထားသည်။

ဤဖော်မြူလာကိုအသုံးပြုရန်၊ တုံ့ပြန်မှုကိန်းရှင်အတွက် စစ်မှန်သောလူဦးရေစံသွေဖည်မှု ခန့်မှန်းချက်တစ်ခုရှိရမည်ကို သတိပြုပါ။