اصول کاربردی ضریب همبستگی

اصول کاربردی ضریب همبستگی

راهنمای دوره پرایس اکشن

این دوره همواره در حال بروزرسانی است.

با شرکت در دوره آموزش تحلیل پرایس اکشن (Price Action) بصورت دائمی و رایگان به نسخه بروز شده دوره دسترسی خواهید داشت.

پرایس اکشن (Price Action) چیست؟

چرخه های معامله گری (Market Cycles) چیست؟

ساختار بازار (Market Structure) چیست؟

اصول ساختار بازار و تحلیل آن

مقایسه نیروهای حرکت در روند بازار

تحلیل اولیه بازار براساس مسافت و عمق

فرآیند تحلیل اولیه بازار بر اساس تحلیل کندل به کندل

تشریح پنج فرصت معاملاتی بر اساس تحلیل پرایس اکشن

نحوه تعیین حد ضرر (Stop-Loss) در پرایس اکشن

اطلاعات تماس:

دفتر مرکزی: تهران، فاز 4 اندیشه، خیابان توحید شمالی، مجتمع تجاری-اداری ارغوان، طبقه دوم اداری، واحد 158

تلفن تماس: 02128426280

درباره شرکت پیشرو آساک:

شرکت فن آوران اطلاعات و ارتباطات پیشرو آساک (مسئولیت محدود) به شماره ثبت 4327، به عنوان شرکت خلاق معاونت علمی و فناوری ریاست جمهوری در زمینه فناوری های مالی (فین تک) و همچنین سرمایه گذاری در بازارهای مالی داخلی و خارجی به صورت کاملا تخصصی و حرفه ای به ارائه محصولات، مشاوره ها و دوره های آموزشی می پردازد.

روایی و پایایی چیست و چگونه تعیین می شود؟ (راهنمای کامل)

حین نوشتن فصل سوم پایان نامه حتما به بخشی برخواهید خورد که باید ابزار گردآوری اطلاعات را از نظر پایایی و روایی بسنجید.

می­ دانید که از ابزار مختلفی، که متداول ترین آن پرسشنامه است، برای گردآوری داده­ های فصل روش تحقیق استفاده می­ شود. اما این ابزار تا زمانی که دو ویژگی مهم پایایی و روایی را نداشته باشند قابل اعتماد نیستند و نمی ­توان به نتایج آن­ها اطمینان کرد.

بنابراین لازم است ابتدا با این مفاهیم آشنا شوید و بعد بدانید ابزاری که برای گردآوری داده­ ها انتخاب کرده­ اید را چطور از نظر این دو ویژگی بسنجید.

روایی به چه معناست؟

ابزاری که برای جمع آوری داده­ ها مورد استفاده قرار می ­گیرند، در مرحله اول باید از روایی یا اعتبار (Validity) برخوردار باشند و در مرحله دوم باید پایایی یا اعتماد داشته باشند.

روایی بدین معناست که روش یا ابزار به کار رفته تا چه حد می ­تواند خصوصیت مورد نظر را درست اندازه گیری کند.

مقصود از روایی این است که ابزاری که برای اندازه گیری مورد نظر انتخاب شده است ویژگی و خصوصیتی که ابزار برای آن طراحی شده است را دارد یا خیر. به عبارت دیگر مفهوم روایی، به این سوال پاسخ می­ دهد که ابزار اندازه گیری تا چه حد خصیصه مورد نظر را می­ سنجد.

با یک مثال این موضوع را بیشتر توضیح می­ دهیم.

فرض کنید از ابزار پرسشنامه برای ارزیابی «تعهد سازمانی کارکنان» استفاده می­ کنید ولی پرسش­ های آن طوری طراحی شده ­اند که به نظر می­ رسد «رضایت شغلی کارکنان» در حال ارزیابی است.

نتایج به دست آمده از این پرسش نامه روایی ندارد چرا که خصیصه ­ی مور نظر که در اینجا «تعهد سازمانی» بوده ارزیابی نشده است.

بنابراین وقتی گفته می ­شود ابزار گردآوری داده ­ها باید روایی داشته باشند بدین معناست که چه پرسشنامه تهیه می­ کنید چه می­ خواهید مصاحبه کنید یا ارزیابی خود را با مشاهده حضوری انجام دهید باید چیزی که سنجیده می­ شود مرتبط با هدفی باشد که پیش گرفته اید در غیر این صورت نتیجه نهایی از ارزش خاصی برخوردار نخواهد بود.

روش­ های تعیین روایی یا اعتبار

روش اعتبار صوری

ساده ­ترین روش برای بررسی روایی ابزار اندازه ­گیری این است که آیا ابزار در ظاهر به درستی متغیر مورد مطالعه را مورد سنجش قرار می­ دهد یا خیر.

هرچند به طور کلی نمی ­توان فقط اعتبار صوری را برای نتیجه گیری معتبر دانست چرا که شکل ظاهری ابزار صحت و اعتبار نتیجه گیری نهایی را مشخص نمی ­کند بلکه این روش مشخص می­ کند آیا ابزار انتخاب شده مناسب با هدف پژوهش است یا خیر.

مثلا در روایی صوری، ساختار ابزار از نگاه گروه هدف بررسی می­ شود و به این سوالات پاسخ داده می­ شود: آیا ابزار طراحی شده به صورت ظاهری با هدف مطالعه مرتبط است؟ آیا افرادی که قرار است به ابزار پاسخ دهند، با عبارات و جمله بندی ابزار موافق هستند؟ آیا برداشت افراد غیر متخصص (گروه هدف) همان برداشتی است که مورد نظر محقق است؟

روایی محتوی

معمولا وقتی یک ابزار از نگاه روایی محتوی بررسی می ­شود، انتظار می­رود پاسخ چنین سوالاتی داده شود: آیا ابزار طراحی شده همه جوانب مهم و اصلی مفهوم مورد اندازه گیری را در بر دارد؟ آیا سازه ­های این ابزار، همان چیزی را که باید بررسی می­کند؟

روش اعتبار ملاکی

این روش، کارآمدی یک ابزار اندازه گیری را در پیش بینی رفتار آزمودنی در موقعیت­ های خاص می­ سنجد.

در روش اعتبار ملاکی، عملکرد فرد در آزمون با یک ملاک مقایسه می­ شود. این ملاک­ ها با هم متفاوتد و شامل چهار نوع مختلف می­ شوند:

اعتبار پیش بین

این اعتبار از بررسی رابطه ­ی نمره­ های آزمودنی که برخی ویژگی­ ها را می­ سنجد و آنچه ادعای پیش بینی آن را دارد به دست می­ آید.

اعتبار همزمان

ملاک پژوهش در اعتبار همزمان این است که آیا دو یا چند گروه از افرادی که در پژوهش مورد نظر مورد ارزیابی و سنجش قرار گرفته ­اند بر اساس شیوه­ های پیش بینی شده متفاوت هستند یا خیر.

روایی همگرا

میزان ارتباط و همبستگی میان سوال مربوط به یک حیطه با همان حیطه را در بر می ­گیرد.

اعتبار همگرا همچنین میزان ارتباط نمرات در یک ابزار سنجش را با نمرات در ابزارهای دیگری که همان اصول کاربردی ضریب همبستگی سازه یا سازه ­های مشابه را دارند اندازه گیری می ­کند. اگر همبستگی بین نمرات آزمون­ هایی که سازه واحدی را اندازه می ­گیرند بالا باشد، آزمون دارای اعتبار همگرا است.

اعتبار تمایز

این روش روایی به همبستگی ضعیف بین سوالات مربوط به یک حیطه با دیگر حیطه ­ها دلالت دارد.

اینطور می ­توان گفت که ضریب همبستگی یک سوال با حیطه­ های دیگر باید کمتر از ضریب همبستگی آن سوال با حیطه­ های مربوط به خودش باشد.

در واقع با استفاده از یک ابزار باید بتوان میان سازه مورد اندازه گیری و دیگر سازه ­های نامرتبط تمایز قائل شد. بنابراین اگر همبستگی بین آزمون­ هایی که سازه­ های متفاوتی را اندازه گیری می­ کنند پایین باشد، آزمون درای اعتبار تشخیصی یا تمایزی است.

پایایی به چه معناست؟

وقتی گفته می­ شود ابزار گردآوری داده ­ها باید ویژگی پایایی یا (Reliability) را داشته باشند بدین معناست که اگر در چند زمان مختلف در یک جمعیت از آن استفاده کنیم در نتیجه به دست آمده اختلاف چندانی مشاهده نمی کنیم.

بسیار مهم است که بدانیم ابزار اندازه گیری در شرایط یکسان تا چه اندازه نتایج یکسانی به ما می­ دهند. برای اندازه گیری پایایی از شاخصی به نام ضریب پایایی استفاده می­ شود.

دامنه ضریب پایایی از صفر تا +1 است به این معنا که اگر ضریب صفر باشد عدم پایایی و اگر این ضریب یک باشد پایایی کامل را نشان می­ دهد. هرچند اصول کاربردی ضریب همبستگی پایایی کامل به ندرت دیده می­ شود و اغلب در صورت مشاهده، به نتایج حاصل شک می­ کنند.

روش های سنجش پایایی

روش باز آزمایی (Test-Retest)

در این روش برای سنجش پایایی، سوالات آزمون در دو نوبت و تحت شرایط مشابه به یک گروه واحد داده می­ شود و نمرات حاصل با هم مقایسه می­ شوند.

در نهایت ضریب همبستگی بین نمرات حاصل از اجرای دو آزمون برآورده شده تا چگونگی شباهت امتیازات مشخص شود و بعنوان ضریب پایایی به کار رود. روش آزمون- باز آزمون فرض می­ کند که متغیرها یا مفاهیم مورد اندازه گیری و همچنین خصوصیات آزمون شوندگان در طول دوره تغییر نخواهند کرد.

روش موازی یا آزمون های همتا (Equivalence)

در این روش، دو فرم جداگانه در مورد یک موضوع به یک گروه مشابه داده می­ شود که هر فرم شامل تعدادی از سوالات آزمون است.

به عبارتی، دو آزمون معادل در مورد یک مفهوم یا متغیر به خصوص تهیه شده و در فاصله کوتاهی به یک گروه واحد داده می­ شود. ضریب همبستگی بین نمرات حاصل از این دو فرم برابر با پایایی فرم­ های متعادل است.

روش تصنیف یا دونیمه کردن آزمون (Split-half)

در این روش یک آزمون به دو نیمه تقسیم شده و رابطه همبستگی بین دو نیمه آزمون سنجیده می ­شود.

این آزمون معمولا برای متغیرهای دو حالتی که کد صفر به پاسخ­ های غلط و کد یک به پاسخ ­های صحیح داده می ­شود به کار می ­رود. در این روش، محتوا و سختی سوالات باید با هم مشابه باشند و از آنجا که تعداد سوالات ابزار به دو قسمت تقسیم شده است می­ بایست روش ضریب همبستگی به کار رود.

روش کودر-ریچاردسون (Kuder-Richardson)

این روش شامل دو آزمون است که آزمون­ های همگنی ( ثبات بین سوالات) هستند که نسبت پاسخ­ های صحیح به غلط را در هر سوال یا آزمون مد نظر قرار می ­دهند و برای آزمون ­هایی که پاسخ آن­ ها به شکل صحیح یا غلط بیان می­ شود مفید است.

روش آلفای کرونباخ (Cronbach Alpha)

کرونباخ در سال 1951 در دانشگاه استنفورد روش آماری ضریب آلفا را برای حل مشکل تعیین پایایی آزمون اصول کاربردی ضریب همبستگی ­های چند سوالی ابداع کرد.

روش پایایی آلفای کرونباخ معمول­ ترین ضریب پایایی ثبات داخلی است که در بیشتر مطالعات از آن استفاده می ­شود و معرف میزان تناسب گروهی از آیتم ­هایی است که یک سازه را می ­سنجند.

این روش یکی از روش ­های سنجش پایایی است که فقط به انجام یک بار آزمون نیاز دارد تا برآوردی از پایایی آزمون را فراهم کند. در کل، ضریب پایایی آلفای کرونباخ زمانی مفید است که سوالات به صورت صحیح-غلط طرح نشده باشند و جهت سنجش ثبات درونی سوالات به کار می ­رود.

تعیین پایایی با نرم افزار SPSS

نرم افزار spss از جمله نرم­ افزارهای تحلیل آماری است که برای تعیین پایایی با یکی از روش ­های فوق (اغلب روش آلفای کرونباخ) مورد استفاده قرار می ­گیرد.

ابتدا باید داده ­های پرسشنامه را وارد کنید و سپس از منوی Analyze گزینه ­ی Scall را انتخاب کنید.

سپس گزینه Reliability Analysis را انتخاب کنید که اصول کاربردی ضریب همبستگی با انتخاب آن یک پنجره با عنوان Reliability Analysis باز می ­شود.

متغیرها را از پنجره اول به پنجره دوم (items) انتقال دهید. در قسمت Model روش سنجی پایایی مورد نظرتان را (مثلا آلفای کرونباخ یا دو نیمه کردن و روش­های دیگر) را انتخاب کنید سپس روی OK کلیک کرده و نتایج ضریب پایایی پرسشنامه را در خروجی مشاهده کنید.

جمع بندی

روایی و پایایی سنجش­ ها، معیارهای ضروری برای تعیین دقت و صحت یک آزمون هستند.

پایایی با خطای تصادفی در ارتباط است و روایی با خطای منظم، بنابراین هر چقدر که تعداد حجم نمونه بالا رود می­ تواند بر کاهش خطای تصادفی تاثیر گذاشته و پایایی ابزار افزایش یابد که این مساله بر دقت اندازه گیری موثر است.

لذا برای محققین و پژوهشگران بسیار مهم است که نتایج و آماری که ارائه می ­دهند در نتیجه­ ی استفاده از سنجش­ های پایا و قابل اعتماد بدست آید تا نتیجه بدست آمده ارزش و اعتبار بیشتری داشته باشد.

اصول کاربردی ضریب همبستگی

در این مقاله به این می‌پردازم که چگونه می‌توانید یک کد در R را به‌صورت خودکار در سیستم‌عامل ویندوز (Windows) اجرا کنید. در این مثال ساده هدف من آن است کدی ایجاد کنم که هر پنج دقیقه یک‌بار به مدت ۱۵ دقیقه یک عدد تصادفی از توزیع نرمال تولید و به همراه زمان تولید عدد […]

مروری بر تبدیل Box-Cox و کاربردهای آن

بسیاری از تحلیل‌های آماری و پاره‌ای از الگوریتم‌های یادگیری ماشین مبتنی بر این فرض است که نمونه از جامعه‌ای با توزیع نرمال (Normal Distribution) به دست آمده و ساختار خطا جمعی است (Additive Error Structure). جمعی بودن ساختار خطا به این معنی است که خطا تنها به مقدار واقعی اضافه می‌شود و خودش وابسته به […]

تابع توزیع احتمال (Probability Distribution Function)

تابع توزیع احتمال نشان‌دهنده احتمال هر یک از مقادیر متغیر تصادفی (برای متغیرهای گسسته) یا احتمال قرار گرفتن متغیر تصادفی در یک بازه مشخص (برای اصول کاربردی ضریب همبستگی متغیرهای پیوسته) است. در این مقاله سعی دارم به زبان ساده مفهوم تابع توزیع احتمال و تابع توزیع احتمال تجمعی را توضیح دهم. تصور کنید به‌صورت تصادفی ۱۰۰ فرد […]

مروری بر مفاهیم نمونه‌گیری

ارسطو می‌گوید از نشانه‌های یک ذهن اصول کاربردی ضریب همبستگی آموزش‌دیده آن است که با درجه‌ای از تقریب که در تناسب با ماهیت موضوع است، راضی می‌شود و به دنبال دقت کامل نیست. اگر شما با دقت ۱۰۰ درصد بخواهید بفهمید که چه درصدی از آجرهای تولیدشده یک کوره آجرپزی، خراب هستند باید همه آن‌ها را آزمایش کنید. […]

بررسی نرمال بودن داده‌ها

می‌توان گفت توزیع نرمال (Normal Distribution) یکی از پرکاربردترین توزیع‌های احتمالی در آمار و یادگیری ماشین است. علاوه بر این توزیع نرمال در توصیف خروجی بسیاری از فرآیندهای تصادفی در دنیای واقعی هم بسیار مفید است. در این مقاله بحث می‌کنم چگونه تشخیص دهید یک نمونه داده از جمعیتی با توزیع نرمال آمده است و […]

شاخص‌های شکل در آمار

در آمار شاخص‌های شکل (Shape Measures) بازتاب‌دهنده طرح کلی توزیع داده‌ها است. شاخص‌های شکل به‌ویژه برای متغیرهای پیوسته بکار می‌رود. دو شاخص مهم شکل، چولگی (Skewness) و کشیدگی (Kurtosis) هستند. چولگی چولگی میزان متقارن بودن توزیع را می‌سنجد. یک توزیع متقارن مانند توزیع نرمال (Normal Distribution) دارای چولگی صفر است. توزیعی که یک […]

نمودار چندک-چندک (Q-Q Plot) چیست و چه کاربردی دارد؟

نمودار چندک-چندک (Quantile-Quantile Plot) یک ابزار توصیفی است که کمک می‌کند بفهمیم یک مجموعه داده از یک توزیع احتمالی مشخص مانند توزیع نرمال (Normal Distribution) یا نمایی (Exponential Distribution) پیروی می‌کند یا خیر. برای مثال فرض نرمال بودن داده‌ها در بسیاری از آزمون‌های آماری وجود دارد. بنابراین قبل از انجام چنین آزمون‌های آماری نیاز است […]

تحلیل داده‌ها در جدول متقاطع و آزمون کای-دو

فرض کنید در یک تحقیق مطالعه بازار علاقه‌مند هستیم بدانیم آیا مشتریان هنگام خرید محصولات مواد غذایی به اطلاعات برچسب سلامت (شکل-۱) روی بسته‌بندی توجه می‌کنند یا خیر. ممکن است یک فرضیه محقق در چنین تحقیقی این باشد که جنسیت روی توجه به اطلاعات برچسب سلامت هنگام خرید اثرگذار است؛ احتمالاً زنان هنگام خرید […]

چندک (Quantile) در R و پایتون چگونه محاسبه می‌گردد؟

به زبان ساده چندک (Quantile) یعنی وقتی شما داده‌ها را به بخش‌هایی مساوی تقسیم کنید، برش‌هایی از داده که این قسمت‌های مساوی را از هم جدا می‌کند چندک نامیده می‌شود. یکی از معروف‌ترین چندک‌ها میانه (Median) است. میانه یک شاخص مرکزی است. اگر داده‌ها به ترتیب از کوچک‌تر به بزرگ‌تر مرتب شوند، نیمی از آن‌ها […]

آموزش زبان R برای علوم داده: رسم نمودار

یکی از قابلیت‌های برجسته زبان R این است که امکانات متنوعی را برای نمایش داده‌ها داراست. در این مقاله من به روش‌های پایه‌ای برای رسم نمودار اشاره می‌کنم که در دنیای کسب‌وکار بیشتر استفاده می‌شوند. در این مقاله صرفاً به توابع داخلی R برای نمایش داده می‌پردازم. خواننده باید بداند برای رسم نمودارهای پیشرفته‌تر بسته‌هایی […]

آموزش زبان R برای علوم داده: توابع

بیشتر کارهایی که در زبان R انجام می‌دهیم، توسط توابع صورت می‌گیرد. تاکنون من از توابعی که به‌صورت پیش‌فرض در R تعریف‌شده‌اند، استفاده کردم. ولی این امکان وجود دارد که شما توابع موردنظرتان را ایجاد کنید. نوشتن توابع آغاز راهی است که شما را از استفاده‌کننده صرف از R به توسعه‌دهنده تبدیل می‌کند. توابع معمولاً […]

آموزش زبان R برای علوم داده: عبارات شرطی و حلقه‌ها

ساختارهای کنترلی (Control Structures) در زبان R به شما اجازه می‌دهد تا نحوه اجرای عبارات نوشته‌شده را پایش کنید. به‌این‌ترتیب با قرار دادن عبارات منطقی، بسته به این‌که ورودی‌ها چگونه باشد، دستورات متفاوتی اجرا می‌شود. ساختارهای کنترلی عمده در زبان R به شرح زیر است: دستور if و else: بررسی یک شرط و عمل بر […]

آموزش زبان R برای علوم داده: خواندن و نوشتن داده‌ها

در این مقاله من عمدتاً به روش‌های مختلف برای خواندن و نوشتن داده‌ها در زبان R می‌پردازم. علاوه بر این در مورد نحوه شناسایی مقادیر گمشده (Missing Values) و همچنین نصب بسته (Package) از کتابخانه R بحث می‌کنم. رویکرد من در آموزش زبان برنامه‌نویسی R بیشتر مبتنی بر استفاده از مثال است تا خواننده با […]

رمزنگاری چیست؟ مقدمه‌ای بر مفاهیم رمزنگاری

امروزه رمزنگاری (Cryptography) در قلب ارتباطات مبتنی بر اینترنت، تجارت الکترونیک (E-commerce)، پرداخت‌های بانکی و محصولات مبتنی بر فن‌آوری زنجیره بلوک (Blockchain) مانند بیت‌کوین (Bitcoin) قرار دارد. به همین دلیل مدیران لازم دارند تا برای فهم دقیق این فن‌آوری‌ها با مفاهیم اولیه رمزنگاری آشنا باشند. در این مقاله من به‌ مرور تاریخچه رمزنگاری و اصول […]

آموزش زبان R برای علوم داده: مباحث مقدماتی

در این مقاله به موضوعات مقدماتی شامل نحوه تخصیص یک متغیر، کار با بردارها، ماتریس‌ها و قالب‌های داده و همچنین توابع پایه‌ای و پرکاربرد ریاضی و آماری می‌پردازم. رویکرد من در آموزش زبان برنامه‌نویسی R بیشتر مبتنی بر استفاده از مثال است تا خواننده با اجرای کدها بتواند این زبان را یاد بگیرد. اگر R […]

آشنایی با زبان R

R (به فارسی “آر” تلفظ می‌شود) یک زبان برنامه‌نویسی و محیط نرم‌افزاری رایگان است که برای محاسبات آماری و نمایش گرافیکی داده‌ها استفاده می‌شود. کسانی که در حوزه داده‌کاوی (Data Mining)، ماشین‌های یادگیرنده (Machine Learning) و روش‌های تحلیلی کسب‌وکار (Business Analytics) فعال هستند از این نرم‌افزار برای تحلیل‌ داده بهره می‌برند. هرچه می‌گذارد، R بیشتر به […]

شاخص‌های پراکندگی در آمار

اگرچه میانگین و سایر شاخص‌های مرکزی کمک می‌کنند تا مرکز داده‌ها را در جامعه یا نمونه آماری تشخیص دهیم، تنها اکتفا کردن به این شاخص‌ها می‌تواند تصویر نادرستی از مسئله پیش روی ما بگذارد. در بسیاری موارد فهمیدن این‌که داده‌ها چگونه حول میانگین پراکنده شده‌اند اهمیت پیدا می‌کند. اگر می‌خواهید بدانید در چه زمانی […]

شاخص‌های مرکزی در آمار

در این مقاله توضیح می‌دهم که اگر بخواهیم داده‌های موجود در جامعه آماری و یا نمونه را تنها با یک عدد نشان دهیم از چه شاخص‌هایی می‌توانیم استفاده کنیم. هدف استفاده از چنین شاخص‌هایی این است که اطلاعاتی را که در مجموعه داده‌ها وجود دارد در یک مقدار عددی خلاصه کند. شاخص‌هایی مانند میانگین (Mean)، […]

چرا درک واریانس اهمیت دارد؟

نیکولو ماکیاولی (Niccolò Machiavelli) سیاستمدار و فیلسوف ایتالیایی دوران رنسانس در کتاب خود شهریار (The Prince) خطاب به شاهزادگان (مدیران دوران رنسانس) توصیه می‌کند وقتی مشکلی در مملکتتان رخ می‌دهد، بخصوص آن‌هایی که ممکن است شما را به‌شدت وحشت‌زده کند، بلافاصله واکنش نشان ندهید، بهترین سیاست این است که در تصمیم‌گیری خود تأخیر بیندازید. […]

ضریب همبستگی چیست و چه کاربردی دارد؟

در دنیای کسب‌وکار پیش می‌آید که تصمیم‌گیر به رابطه بین دو متغیر علاقه‌مند است. در آمار، از کوواریانس (Covariance) و همبستگی (Correlation) برای کمّی کردن رابطه بین متغیرها بهره می‌برند. در این مقاله به تعاریف ریاضی این مفاهیم می‌پردازم. علاوه بر اصول کاربردی ضریب همبستگی این با یک مثال در حوزه مدیریت کیفیت و اجرای آن در زبان […]

ارائه مدلی جهت تخمین بارندگی سالانه در استان کرمان

پیش‌ دید میزان بارش، موفقیت در کشت دیم و مدیریت بهتر مراتع را تا حد زیادی تضمین اصول کاربردی ضریب همبستگی می‌کند. در این تحقیق با تجزیه و تحلیل آمار بارندگی روزانه ایستگاه‏های مختلف هواشناسی استان کرمان که دارای آمار بارندگی روزانه طولانی مدت (حداقل 28 ساله ) بودند، مشاهده گردید که فاصلة زمانی وقوع 5/47 میلی‌متر باران تجمعی از ابتدای پاییز (t_47.5 ، حسب روز) با میزان بارندگی سالانه (P_a ، حسب mm) رابطه‌ای معنی‌دار دارد. همچنین جهت بالا بردن ضریب همبستگی رابطه فوق‌الذکر از مشخصات ایستگاه‏ها شامل میانگین دراز مدت بارندگی سالانه (P_ma ، حسب mm) ، ارتفاع از سطح دریا و طول وعرض جغرافیایی استفاده شد که تأثیر معنی داری در رابطه‌ای که متغیرهای مستقل آن میانگین دراز مدت بارندگی سالانه و t_47.5 بود ایجاد نکرد. در نهایت عوامل مستقل مربوط به دمای اصول کاربردی ضریب همبستگی سطح آب خلیج فارس در رابطه آزمون شدند. در این بررسی مجموع دمای سه ماهه سطح آب خلیج فارس در پاییز (T_au ‌ ، حسب درجه سانتی‌گراد ) تأثیری هر چند کم ، در افزایش ضریب همبستگی رابطه نهایی گذاشت . بدین ترتیب رابطه‌ای بین T_au ‌ و t_47.5 و P_ma و مقدار بارندگی سالانه به دست آمد. علامت ضریب T_auوt_47.5 در این رابطه منـفی می‌باشد . آزمون مدل‏های ساده ارائه شده در ایستگاه بافت سلطانی نشان داد که هر دو مدل روند سال‏های زراعی کم آب و پرآب را به‏خوبی دنبال می‌کند و میزان خطا در مدل ساده دوم کمتر از خطای مدل اول است .

کلیدواژه‌ها

عنوان مقاله [English]

A Model for Prediction of Annual Precipitation in Kerman Province

نویسندگان [English]

• Sh Karimi-Googhari 1
• A. R Sepaskhah 2

Prediction of annual precipitation usually guarantees success in dry-farming and promises a better pasture management. In this research, the long-term observed daily precipitation for 28 different stations in Kerman province was analyzed. Starting from the first day of autumn, a good linear relationship is obtained between the days with 47.5 mm precipitation (t_47.5, day), and the amount of annual precipitation (p_a, mm). Furthermore, to increase the correlation coefficient of this relation-ship, long-term mean annual precipitation (P_ma, mm), elevation, longitude, and latitude for each station were also used in the multiple regression analysis. The results showed that none of these factors (i.e., elevation, longitude and latitude) could improve the correlation coefficient. The independent variables were P_ma and t_47.. As another independent variable, temper-ature of the water in Persian-Gulf (south of region) in the water-air frontage were added. The three–month cumulative surface temperatures in autumn (T_au, ºC), improved the correlation coefficient of the multiple regression. These final equations were used to predict the annual rainfall in Baft-soltanee station. The results showed that the both simple models could predict wet and dry years sufficiently well but the error of estimation in the second model was lower.

کلیدواژه‌ها [English]

• prediction
• Annual rainfall
• sea surface temperature
• Recurrance Interval

مراجع

شافعی، فرخ و علیرضا سپاسخواه. 1374. «مدلی ساده جهت پیش‌بینی بارندگی سالانه در استان فارس»، سمینار منتشر نشدهکارشناسی ارشد، دانشکده کشاورزی دانشگاه شیراز، بخش آبیاری.

قاسمی ، محمد مهدی و علیرضا سپاسخواه . 1383. «پیش‌بینی بارندگی سالانه استان خوزستان از روی زمان وقوع رگبارهای پاییزه» . مجله علوم و فنون کشاورزی و منابع طبیعی، شماره اول صفحه 9-1 .

Huda, A. K. S. (1994). "Management strategies to minimize climatic risk to wheat production in low rainfall areas of southern Australia". Agriculture and Forest Meteorology, 59, pp. 125-147.

Khalfaui, J. L. B. (1991). "Determination of potential lengths of the crop growing period in semi-arid regions of Senegal", Agriculture and Forest Meteorology, 55, pp. 251-263.

Nazemosadat, M. J., Cordery, I. and Eslamian, S. (1995). "The impact of Persian Gulf sea surface temperature on Iranian rainfall". Proceeding of The Regional Conference on Water Resource Management, Isfahan, I.R. Iran.

Newman, J. C. (1963). "Water spreading and marginal arable areas". Journal of Soil conservation, New Southwales, 19, pp. 49-58.

Rees, D. J., Samiullah, Rehman, F., Kidd, C.H.R., Keatinge, J. D. H. and Raza, S. H. (1990). "Precipitation and temperature rgimes in upland Balochestan: Their influence on rain-fed crop production". Agric. For. Meteorol. 52: pp. 381-396.

Sepaskhah, A. R. and Taghvaee, A. R. (2006). "A simple model for prediction of annual precipitation in the southern and western provinces of Iran". Iran Agriculture Research, 23(2).

Sivakomar, M. V. K. (1988). "Predicting rainy season potential from the onset of rains in the southern Sahelian and Sudanian climatic zones of west Africa". Agriculture and Forest Meteorology, 42, pp. 295-305.

Stewart, J. I. (1988). "Response Farming in Rainfed Agriculture". WHARF Foundation Press. Davis California.

اصول کاربردی ضریب همبستگی

. كليه مطالب كتاب به زبان بسيار ساده‌اي بيان شده و براي هر مورد نيز مثال‌هاي مناسبي ارائه شده است. اين كتاب در چهارده فصل تنظیم شده است که شامل خصوصیات باران، تبخیرتعرق، روش‌های اندازه‌گیری دبی جریان، بافت، سطح ویژه و منحنی دانه‌بندی خاک، منحنی مشخصه آب خاک، روابط اساسی آب و خاک، تنش‌های رطوبتی و شوری، نفوذ و رواناب، هیدروگراف، زهکشی، انتقال آب، مقایسه آماری مدل‌ها، پهنه‌بندی‌های مکانی در GIS و پرسش‌نامه‌های آماری مي‌باشد. از این‌رو کتاب حاضر برای دروس آبیاری عمومی، فیزیک خاک، زهکشی، هیدرولوژی و مکانیک سیالات رشته مهندسی آبیاری و دروس هیدرولوژی، زهکشی و GIS رشته‌ مهندسي عمران و همچنین برای دانشجویان مقاطع کارشناسی ارشد و دکتری جهت انجام مقایسه‌های آماری مفید می‌باشد