ಅಂಕಿಅಂಶಗಳ ಸಂಶೋಧನೆಯ ಮೊದಲ ಹಂತದ ಫಲಿತಾಂಶ - ಅಂಕಿಅಂಶಗಳ ವೀಕ್ಷಣೆ - ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಜನಸಂಖ್ಯೆಯ ಪ್ರತಿಯೊಂದು ಘಟಕವನ್ನು ನಿರೂಪಿಸುವ ಮಾಹಿತಿಯಾಗಿದೆ. ಆದಾಗ್ಯೂ, ವೈಯಕ್ತಿಕ ಸಂಗತಿಗಳ ಸಂಪೂರ್ಣ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಅಧ್ಯಯನ ಮಾಡಲಾದ ವಿದ್ಯಮಾನಗಳ ಡೈನಾಮಿಕ್ಸ್‌ನಲ್ಲಿ ಮಾದರಿಗಳು ಮತ್ತು ಪ್ರವೃತ್ತಿಗಳನ್ನು ಪ್ರತಿಬಿಂಬಿಸುವ ಸಾಮರ್ಥ್ಯವು ಸೀಮಿತವಾಗಿದೆ. ಅಂತಹ ಡೇಟಾವನ್ನು ಅಂಕಿಅಂಶಗಳ ಸಾರಾಂಶಗಳ ಪರಿಣಾಮವಾಗಿ ಮಾತ್ರ ಪಡೆಯಲಾಗುತ್ತದೆ. ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವೀಕ್ಷಣೆಯ ಸಮಯದಲ್ಲಿ ಪಡೆದ ಅಂಕಿಅಂಶಗಳ ದತ್ತಾಂಶದ ವ್ಯವಸ್ಥೆ, ವ್ಯವಸ್ಥಿತಗೊಳಿಸುವಿಕೆ ಮತ್ತು ಸಾಮಾನ್ಯೀಕರಣವು ಸಾರಾಂಶವಾಗಿದೆ. ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಸ್ತುಗಳ ಸರಿಯಾದ ಸಂಸ್ಕರಣೆ ಮಾತ್ರ ಸಾಮಾಜಿಕ-ಆರ್ಥಿಕ ವಿದ್ಯಮಾನಗಳ ಸಾರವನ್ನು ಗುರುತಿಸಲು ಸಾಧ್ಯವಾಗಿಸುತ್ತದೆ, ವಿಶಿಷ್ಟ ಲಕ್ಷಣಗಳು ಮತ್ತು ವೈಯಕ್ತಿಕ ಪ್ರಕಾರಗಳ ಅಗತ್ಯ ವೈಶಿಷ್ಟ್ಯಗಳು ಮತ್ತು ಅವುಗಳ ಅಭಿವೃದ್ಧಿಯಲ್ಲಿ ಮಾದರಿಗಳು ಮತ್ತು ಪ್ರವೃತ್ತಿಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವುದು. ಸರಳ ಮತ್ತು ಗುಂಪು ವರದಿಗಳು ಅಥವಾ ಕಿರಿದಾದ ಮತ್ತು ವಿಶಾಲ ಅರ್ಥದಲ್ಲಿ ವರದಿಗಳಿವೆ. ಸರಳ ಸಾರಾಂಶವು ಗುಂಪುಗಳು ಮತ್ತು ಉಪಗುಂಪುಗಳಲ್ಲಿನ ಒಟ್ಟಾರೆ ಫಲಿತಾಂಶಗಳ ಲೆಕ್ಕಾಚಾರ ಮತ್ತು ಕೋಷ್ಟಕಗಳಲ್ಲಿ ಈ ವಸ್ತುವಿನ ಪ್ರಸ್ತುತಿಯಾಗಿದೆ. ಅಂಕಿಅಂಶಗಳ ದತ್ತಾಂಶದ ಸರಳ ಸಾರಾಂಶದ ಪರಿಣಾಮವಾಗಿ, ಉದ್ಯಮಗಳ ಸಂಖ್ಯೆ, ಒಟ್ಟು ಸಿಬ್ಬಂದಿಗಳ ಸಂಖ್ಯೆ ಮತ್ತು ವಿತ್ತೀಯ ಪರಿಭಾಷೆಯಲ್ಲಿ ಉತ್ಪತ್ತಿಯಾಗುವ ಉತ್ಪನ್ನಗಳ ಪರಿಮಾಣವನ್ನು ನಿರ್ಧರಿಸಲು ಸಾಧ್ಯವಿದೆ. ಈ ಒಟ್ಟಾರೆ ಫಲಿತಾಂಶಗಳು ಪ್ರಾಥಮಿಕವಾಗಿ ಮಾಹಿತಿ ಉದ್ದೇಶಗಳಿಗಾಗಿ. ಅವರು ಸಂಪೂರ್ಣ ಮೌಲ್ಯಗಳ ರೂಪದಲ್ಲಿ ಜನಸಂಖ್ಯೆಯ ಸಾಮಾನ್ಯ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಒದಗಿಸುತ್ತಾರೆ.
ಗುಂಪು ಸಾರಾಂಶ, ಅಥವಾ ವಿಶಾಲ ಅರ್ಥದಲ್ಲಿ ಸಾರಾಂಶ, ಪ್ರಾಥಮಿಕ ಅಂಕಿಅಂಶಗಳ ದತ್ತಾಂಶದ ಬಹುಪಕ್ಷೀಯ ಪ್ರಕ್ರಿಯೆಯ ಸಂಕೀರ್ಣ ಪ್ರಕ್ರಿಯೆಯಾಗಿದೆ, ಅಂದರೆ. ವೀಕ್ಷಣೆಯ ಪರಿಣಾಮವಾಗಿ ಪಡೆದ ಡೇಟಾ. ಇದು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಡೇಟಾವನ್ನು ಗುಂಪು ಮಾಡುವುದು, ಗುಂಪುಗಳನ್ನು ನಿರೂಪಿಸಲು ಸೂಚಕಗಳ ವ್ಯವಸ್ಥೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು, ಗುಂಪು ಮತ್ತು ಒಟ್ಟಾರೆ ಫಲಿತಾಂಶಗಳನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು ಮತ್ತು ಸಾಮಾನ್ಯೀಕರಿಸುವ ಸೂಚಕಗಳನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಸಂಶೋಧನೆಯ ಎರಡನೇ ಹಂತವಾಗಿ ಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ಸಾರಾಂಶದ ಕಾರ್ಯವು ಮಾಹಿತಿ, ಉಲ್ಲೇಖ ಮತ್ತು ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಸಾಮಾನ್ಯ ಸೂಚಕಗಳನ್ನು ಪಡೆಯುವುದು. ಸಾಮೂಹಿಕ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಡೇಟಾದ ಸಾರಾಂಶವನ್ನು ಪೂರ್ವ-ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಪ್ರೋಗ್ರಾಂ ಮತ್ತು ಯೋಜನೆಯ ಪ್ರಕಾರ ಕೈಗೊಳ್ಳಲಾಗುತ್ತದೆ. ಕಾರ್ಯಕ್ರಮದ ಅಭಿವೃದ್ಧಿ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ, ಸಾರಾಂಶದ ವಿಷಯ ಮತ್ತು ಮುನ್ಸೂಚನೆಯನ್ನು ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ. ವಿಷಯವು ಅಧ್ಯಯನದ ವಸ್ತುವಾಗಿದೆ, ಗುಂಪುಗಳು ಮತ್ತು ಉಪಗುಂಪುಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ. ಮುನ್ಸೂಚನೆ - ಸಾರಾಂಶದ ವಿಷಯವನ್ನು ನಿರೂಪಿಸುವ ಸೂಚಕಗಳು. ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಅಧ್ಯಯನದ ಉದ್ದೇಶಗಳಿಂದ ಸಾರಾಂಶ ಕಾರ್ಯಕ್ರಮವನ್ನು ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ.
ಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ಸಾರಾಂಶವನ್ನು ಪೂರ್ವ-ಡ್ರಾ ಯೋಜನೆಯ ಪ್ರಕಾರ ಕೈಗೊಳ್ಳಲಾಗುತ್ತದೆ. ಸಾರಾಂಶಗಳ ವಿಷಯದಲ್ಲಿ, ಮಾಹಿತಿಯನ್ನು ಸಂಕ್ಷೇಪಿಸುವ ಕೆಲಸವನ್ನು ಹೇಗೆ ನಿರ್ವಹಿಸುವುದು ಎಂಬುದರ ಕುರಿತು ಪ್ರಶ್ನೆಗಳನ್ನು ತಿಳಿಸಲಾಗುತ್ತದೆ - ಹಸ್ತಚಾಲಿತವಾಗಿ ಅಥವಾ ಯಾಂತ್ರಿಕವಾಗಿ ಮತ್ತು ವೈಯಕ್ತಿಕ ಸಂಕಲನ ಕಾರ್ಯಾಚರಣೆಗಳ ಅನುಕ್ರಮದ ಬಗ್ಗೆ. ಪ್ರತಿ ಹಂತವನ್ನು ಪೂರ್ಣಗೊಳಿಸುವ ಗಡುವನ್ನು ಮತ್ತು ಒಟ್ಟಾರೆಯಾಗಿ ಸಾರಾಂಶವನ್ನು ಸ್ಥಾಪಿಸಲಾಗಿದೆ, ಜೊತೆಗೆ ಸಾರಾಂಶದ ಫಲಿತಾಂಶಗಳನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುವ ವಿಧಾನಗಳು. ಇವುಗಳು ವಿತರಣಾ ಸರಣಿಗಳು, ಅಂಕಿಅಂಶಗಳ ಕೋಷ್ಟಕಗಳು ಮತ್ತು ಅಂಕಿಅಂಶಗಳ ಗ್ರಾಫ್ಗಳಾಗಿರಬಹುದು.
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಸಂಶೋಧನೆಯ ಮುಖ್ಯ ಹಂತಗಳು
ಅಂಕಿಅಂಶಗಳ ಪ್ರಮುಖ ವಿಧಾನವನ್ನು ಪರಿಗಣಿಸೋಣ - ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವೀಕ್ಷಣೆ.
ಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ವಿಧಾನದ ವಿವಿಧ ವಿಧಾನಗಳು ಮತ್ತು ತಂತ್ರಗಳನ್ನು ಬಳಸುವುದು
ಏನು ಅಧ್ಯಯನ ಮಾಡಲಾಗುತ್ತಿದೆ ಎಂಬುದರ ಕುರಿತು ಸಮಗ್ರ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹ ಮಾಹಿತಿಯ ಲಭ್ಯತೆಯನ್ನು ಊಹಿಸುತ್ತದೆ
ವಸ್ತು. ಸಾಮೂಹಿಕ ಸಾಮಾಜಿಕ ವಿದ್ಯಮಾನಗಳ ಅಧ್ಯಯನವು ಸಂಗ್ರಹಣೆಯ ಹಂತಗಳನ್ನು ಒಳಗೊಂಡಿದೆ
ಅಂಕಿಅಂಶಗಳ ಮಾಹಿತಿ ಮತ್ತು ಅದರ ಪ್ರಾಥಮಿಕ ಪ್ರಕ್ರಿಯೆ, ಮಾಹಿತಿ ಮತ್ತು ಗುಂಪು
ವೀಕ್ಷಣೆಯ ಫಲಿತಾಂಶಗಳು ಕೆಲವು ಸಮುಚ್ಚಯಗಳು, ಸಾಮಾನ್ಯೀಕರಣ ಮತ್ತು ವಿಶ್ಲೇಷಣೆ
ವಸ್ತುಗಳನ್ನು ಪಡೆದರು.
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಸಂಶೋಧನೆಯ ಮೊದಲ ಹಂತದಲ್ಲಿ, ಪ್ರಾಥಮಿಕ
ಅಂಕಿಅಂಶಗಳ ಡೇಟಾ, ಅಥವಾ ಕಚ್ಚಾ ಅಂಕಿಅಂಶಗಳ ಮಾಹಿತಿ
ಭವಿಷ್ಯದ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಕಟ್ಟಡದ ಅಡಿಪಾಯವಾಗಿದೆ. ಆದ್ದರಿಂದ ಕಟ್ಟಡವು
ಅದರ ಅಡಿಪಾಯ ಬಲವಾದ, ಧ್ವನಿ ಮತ್ತು ಉತ್ತಮ ಗುಣಮಟ್ಟದ ಇರಬೇಕು. ಸಂಗ್ರಹಿಸುವಾಗ
ಪ್ರಾಥಮಿಕ ಅಂಕಿಅಂಶಗಳ ಡೇಟಾದಲ್ಲಿ ದೋಷವಿದೆ ಅಥವಾ ವಸ್ತುವು ಹೊರಹೊಮ್ಮಿದೆ
ಕಳಪೆ ಗುಣಮಟ್ಟದ, ಇದು ಎರಡರ ನಿಖರತೆ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹತೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ
ಸೈದ್ಧಾಂತಿಕ ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ತೀರ್ಮಾನಗಳು. ಆದ್ದರಿಂದ, ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ
ಆರಂಭಿಕ ಹಂತದಿಂದ ಅಂತಿಮ ಹಂತದವರೆಗೆ ವೀಕ್ಷಣೆ - ಅಂತಿಮವನ್ನು ಪಡೆಯುವುದು
ವಸ್ತುಗಳು - ಎಚ್ಚರಿಕೆಯಿಂದ ಯೋಚಿಸಬೇಕು ಮತ್ತು ಸ್ಪಷ್ಟವಾಗಿ ಆಯೋಜಿಸಬೇಕು.
ಅಂಕಿಅಂಶಗಳ ಅವಲೋಕನವು ಸಾಮಾನ್ಯೀಕರಣಕ್ಕೆ ಮೂಲ ವಸ್ತುವನ್ನು ಒದಗಿಸುತ್ತದೆ, ಪ್ರಾರಂಭ
ಸಾರಾಂಶವು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಅದರ ಪ್ರತಿಯೊಂದರ ಬಗ್ಗೆ ಅಂಕಿಅಂಶಗಳ ವೀಕ್ಷಣೆಯ ಸಮಯದಲ್ಲಿ ವೇಳೆ
ಘಟಕವು ಅನೇಕ ಅಂಶಗಳಿಂದ ಅದನ್ನು ನಿರೂಪಿಸುವ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯುತ್ತದೆ, ನಂತರ ಡೇಟಾ
ವರದಿಗಳು ಸಂಪೂರ್ಣ ಅಂಕಿಅಂಶಗಳ ಜನಸಂಖ್ಯೆ ಮತ್ತು ಅದರ ಪ್ರತ್ಯೇಕ ಭಾಗಗಳನ್ನು ನಿರೂಪಿಸುತ್ತವೆ.
ಈ ಹಂತದಲ್ಲಿ, ಸಂಪೂರ್ಣತೆಯನ್ನು ವ್ಯತ್ಯಾಸಗಳ ಪ್ರಕಾರ ವಿಂಗಡಿಸಲಾಗಿದೆ ಮತ್ತು ಅದರ ಪ್ರಕಾರ ಒಂದುಗೂಡಿಸಲಾಗುತ್ತದೆ
ಹೋಲಿಕೆಯ ಚಿಹ್ನೆಗಳು, ಒಟ್ಟು ಸೂಚಕಗಳನ್ನು ಗುಂಪುಗಳಿಗೆ ಮತ್ತು ಒಳಗೆ ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ
ಸಾಮಾನ್ಯವಾಗಿ. ಗುಂಪು ಮಾಡುವ ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು, ಅಧ್ಯಯನ ಮಾಡಲಾದ ವಿದ್ಯಮಾನಗಳನ್ನು ಪ್ರಮುಖವಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ
ಅಗತ್ಯ ಗುಣಲಕ್ಷಣಗಳ ಪ್ರಕಾರ ವಿಧಗಳು, ವಿಶಿಷ್ಟ ಗುಂಪುಗಳು ಮತ್ತು ಉಪಗುಂಪುಗಳು. ಬಳಸಿಕೊಂಡು
ಗುಂಪುಗಳು ಗಮನಾರ್ಹ ವಿಷಯಗಳಲ್ಲಿ ಗುಣಾತ್ಮಕವಾಗಿ ಏಕರೂಪದಿಂದ ಸೀಮಿತವಾಗಿವೆ
ಸಂಪೂರ್ಣತೆ, ಇದು ವ್ಯಾಖ್ಯಾನ ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್‌ಗೆ ಪೂರ್ವಾಪೇಕ್ಷಿತವಾಗಿದೆ
ಸಾಮಾನ್ಯೀಕರಿಸುವ ಸೂಚಕಗಳು.
ಸಾಮಾನ್ಯೀಕರಿಸುವ ಸೂಚಕಗಳನ್ನು ಬಳಸಿಕೊಂಡು ವಿಶ್ಲೇಷಣೆಯ ಅಂತಿಮ ಹಂತದಲ್ಲಿ
ಸಾಪೇಕ್ಷ ಮತ್ತು ಸರಾಸರಿ ಮೌಲ್ಯಗಳನ್ನು ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ ಮತ್ತು ಸಾರಾಂಶ ಮೌಲ್ಯಮಾಪನವನ್ನು ನೀಡಲಾಗುತ್ತದೆ
ಚಿಹ್ನೆಗಳ ವ್ಯತ್ಯಾಸಗಳು, ವಿದ್ಯಮಾನಗಳ ಡೈನಾಮಿಕ್ಸ್ ಅನ್ನು ನಿರೂಪಿಸಲಾಗಿದೆ, ಸೂಚ್ಯಂಕಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ,
ಬ್ಯಾಲೆನ್ಸ್ ಶೀಟ್ ನಿರ್ಮಾಣಗಳು, ಜನಸಂದಣಿಯನ್ನು ನಿರೂಪಿಸುವ ಸೂಚಕಗಳನ್ನು ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ
ಗುಣಲಕ್ಷಣಗಳಲ್ಲಿನ ಬದಲಾವಣೆಗಳಲ್ಲಿನ ಸಂಪರ್ಕಗಳು. ಅತ್ಯಂತ ತರ್ಕಬದ್ಧ ಮತ್ತು ದೃಶ್ಯ ಉದ್ದೇಶಕ್ಕಾಗಿ
ಡಿಜಿಟಲ್ ವಸ್ತುಗಳ ಪ್ರಸ್ತುತಿಯನ್ನು ಕೋಷ್ಟಕಗಳು ಮತ್ತು ಗ್ರಾಫ್ಗಳ ರೂಪದಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗುತ್ತದೆ.
3. ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವೀಕ್ಷಣೆ: ಪರಿಕಲ್ಪನೆ, ಮೂಲ ರೂಪಗಳು.
ಇದು ಡೇಟಾ ಸಂಗ್ರಹಣೆಯಲ್ಲಿ ವೈಜ್ಞಾನಿಕ ಮತ್ತು ಸಾಂಸ್ಥಿಕ ಕೆಲಸವಾಗಿದೆ. ರೂಪಗಳು: stat. 1) ವರದಿ, ಬೆಕ್ಕು. ಸಾಕ್ಷ್ಯಚಿತ್ರ ಲೆಕ್ಕಪತ್ರವನ್ನು ಆಧರಿಸಿದೆ. 1998 ರಿಂದ, ಫೆಡರಲ್ ರಾಜ್ಯ ಮೇಲ್ವಿಚಾರಣೆಯ 4 ಏಕೀಕೃತ ರೂಪಗಳನ್ನು ಪರಿಚಯಿಸಲಾಗಿದೆ: FP-1 (ಉದ್ಯಮಗಳ ಉತ್ಪಾದನೆ), FP-2 (ಹೂಡಿಕೆ), FP-3 (ಸಂಸ್ಥೆಗಳ ಆರ್ಥಿಕ ಸ್ಥಿತಿ), FP-4 (ಸಂಖ್ಯೆ - ಕಾರ್ಮಿಕರ ಸಂಖ್ಯೆ, ಕಾರ್ಮಿಕ), 2) ವಿಶೇಷವಾಗಿ ಸಂಘಟಿತ ವೀಕ್ಷಣೆ (ಜನಗಣತಿ), 3) ರಿಜಿಸ್ಟರ್ - ಇದು ಘಟಕಗಳ ಒಂದು ಸೆಟ್, ಪ್ರತಿ ಯೂನಿಟ್ ವೀಕ್ಷಣೆಯ cat.har-t: US ನ ನೋಂದಣಿಗಳು- ಸಂಶೋಧನೆ, ಉತ್ಪಾದನೆ, ನಿರ್ಮಾಣ ಮತ್ತು ಗುತ್ತಿಗೆ ಸಂಸ್ಥೆಗಳು, ಚಿಲ್ಲರೆ ಮತ್ತು ಸಗಟು ವ್ಯಾಪಾರ. ವೀಕ್ಷಣೆಯ ವಿಧಗಳು: 1) ನಿರಂತರ, ನಿರಂತರವಲ್ಲದ (ಆಯ್ದ, ಮುಖ್ಯ ರಚನೆಯ ವಿಧಾನದ ಆಧಾರದ ಮೇಲೆ ಅರ್ಹತೆ, ಮೊನೊಗ್ರಾಫ್). ವೀಕ್ಷಣೆ ಪ್ರಸ್ತುತ, ಆವರ್ತಕ, ಒಂದು ಬಾರಿ ಆಗಿರಬಹುದು. ವೀಕ್ಷಣೆಯ ವಿಧಾನಗಳು: ನೇರ, ಸಾಕ್ಷ್ಯಚಿತ್ರ, ಸಮೀಕ್ಷೆ (ಯಾತ್ರೆ, ಪ್ರಶ್ನಾವಳಿ, ವೈಯಕ್ತಿಕ ನೋಟ, ಪತ್ರವ್ಯವಹಾರ). ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಅವಲೋಕನಗಳನ್ನು ಯೋಜನೆಯ ಪ್ರಕಾರ ಕೈಗೊಳ್ಳಲಾಗುತ್ತದೆ, ಇದರಲ್ಲಿ ಇವು ಸೇರಿವೆ: ಪ್ರೋಗ್ರಾಂ ಮತ್ತು ಕ್ರಮಶಾಸ್ತ್ರೀಯ ಸಮಸ್ಯೆಗಳು (ಗುರಿಗಳು, ಉದ್ದೇಶಗಳು), ಸಾಂಸ್ಥಿಕ ಸಮಸ್ಯೆಗಳು (ಸಮಯ, ಸ್ಥಳ). ನಡೆಸಿದ ಅವಲೋಕನಗಳ ಪರಿಣಾಮವಾಗಿ, ದೋಷಗಳು ಉದ್ಭವಿಸುತ್ತವೆ, ಇದು ಅವಲೋಕನಗಳ ನಿಖರತೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ, ಆದ್ದರಿಂದ ಡೇಟಾ ನಿಯಂತ್ರಣವನ್ನು ಕೈಗೊಳ್ಳಲಾಗುತ್ತದೆ (ತಾರ್ಕಿಕ ಮತ್ತು ಎಣಿಕೆ). ಡೇಟಾದ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಪರಿಶೀಲಿಸುವ ಪರಿಣಾಮವಾಗಿ, ಕೆಳಗಿನ ವೀಕ್ಷಣೆ ದೋಷಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸಲಾಗುತ್ತದೆ: ಯಾದೃಚ್ಛಿಕ. ದೋಷಗಳು (ನೋಂದಣಿ ದೋಷಗಳು), ಉದ್ದೇಶಪೂರ್ವಕ ದೋಷಗಳು, ಉದ್ದೇಶಪೂರ್ವಕ ದೋಷಗಳು. (ವ್ಯವಸ್ಥಿತ ಮತ್ತು ವ್ಯವಸ್ಥಿತವಲ್ಲದ), ಪ್ರಾತಿನಿಧ್ಯದ ದೋಷಗಳು (ಪ್ರಾತಿನಿಧಿಕತೆ).
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವೀಕ್ಷಣೆಯ ಕಾರ್ಯಕ್ರಮ ಮತ್ತು ಕ್ರಮಶಾಸ್ತ್ರೀಯ ಸಮಸ್ಯೆಗಳು.
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವೀಕ್ಷಣೆಯ ಕಾರ್ಯಕ್ರಮ ಮತ್ತು ಕ್ರಮಶಾಸ್ತ್ರೀಯ ಸಮಸ್ಯೆಗಳು
ಪ್ರತಿಯೊಂದು ವೀಕ್ಷಣೆಯನ್ನು ನಿರ್ದಿಷ್ಟ ಉದ್ದೇಶಕ್ಕಾಗಿ ನಡೆಸಲಾಗುತ್ತದೆ. ಅದನ್ನು ನಡೆಸುವಾಗ, ಪರೀಕ್ಷೆಗೆ ಒಳಪಟ್ಟಿರುವುದನ್ನು ಸ್ಥಾಪಿಸುವುದು ಅವಶ್ಯಕ. ಕೆಳಗಿನ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಬೇಕಾಗಿದೆ:
ವೀಕ್ಷಣಾ ವಸ್ತು - ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸಬೇಕಾದ ವಸ್ತುಗಳು ಮತ್ತು ವಿದ್ಯಮಾನಗಳ ಒಂದು ಸೆಟ್. ವಸ್ತುವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವಾಗ, ಅದರ ಮುಖ್ಯ ವಿಶಿಷ್ಟ ಲಕ್ಷಣಗಳನ್ನು (ಚಿಹ್ನೆಗಳು) ಸೂಚಿಸಲಾಗುತ್ತದೆ. ಸಾಮೂಹಿಕ ವೀಕ್ಷಣೆಯ ಪ್ರತಿಯೊಂದು ವಸ್ತುವು ಪ್ರತ್ಯೇಕ ಘಟಕಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ, ಆದ್ದರಿಂದ ವೀಕ್ಷಣೆಯ ಘಟಕವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಒಟ್ಟು ಅಂಶದ ಯಾವ ಅಂಶದ ಪ್ರಶ್ನೆಯನ್ನು ಪರಿಹರಿಸುವುದು ಅವಶ್ಯಕ.
ವೀಕ್ಷಣೆಯ ಘಟಕ - ಇದು ವಸ್ತುವಿನ ಒಂದು ಅಂಶವಾಗಿದೆ, ಇದು ನೋಂದಣಿಗೆ ಒಳಪಟ್ಟಿರುವ ಗುಣಲಕ್ಷಣಗಳ ವಾಹಕವಾಗಿದೆ ಮತ್ತು ಖಾತೆಯ ಆಧಾರವಾಗಿದೆ.
ಜನಗಣತಿ - ಇವು ವೀಕ್ಷಣೆಯ ವಸ್ತುವಿಗೆ ಕೆಲವು ಪರಿಮಾಣಾತ್ಮಕ ನಿರ್ಬಂಧಗಳಾಗಿವೆ.
ಸಹಿ ಮಾಡಿ - ಇದು ಅಧ್ಯಯನ ಮಾಡಲಾದ ಜನಸಂಖ್ಯೆಯ ಘಟಕಗಳಲ್ಲಿ ಅಂತರ್ಗತವಾಗಿರುವ ಕೆಲವು ವೈಶಿಷ್ಟ್ಯಗಳು ಮತ್ತು ಗುಣಲಕ್ಷಣಗಳನ್ನು ನಿರೂಪಿಸುವ ಆಸ್ತಿಯಾಗಿದೆ.
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವೀಕ್ಷಣೆಯ ಸಾಂಸ್ಥಿಕ ಸಮಸ್ಯೆಗಳು.
ವೀಕ್ಷಣಾ ಕಾರ್ಯಕ್ರಮವನ್ನು ಪ್ರಾಥಮಿಕ ಡೇಟಾವನ್ನು ನಮೂದಿಸಿದ ರೂಪಗಳ ರೂಪದಲ್ಲಿ (ಪ್ರಶ್ನಾವಳಿಗಳು, ರೂಪಗಳು) ರಚಿಸಲಾಗಿದೆ. ಫಾರ್ಮ್‌ಗಳಿಗೆ ಅಗತ್ಯವಾದ ಸೇರ್ಪಡೆ ಪ್ರಶ್ನೆಗಳ ಅರ್ಥವನ್ನು ವಿವರಿಸುವ ಸೂಚನೆಗಳಾಗಿವೆ.
ಕಾರ್ಯಕ್ರಮದ ಸಾಂಸ್ಥಿಕ ಸಮಸ್ಯೆಗಳು ಸೇರಿವೆ:
ವೀಕ್ಷಣಾ ಅವಧಿ;
ಅವಲೋಕನದ ನಿರ್ಣಾಯಕ ಕ್ಷಣ;
ಪೂರ್ವಸಿದ್ಧತಾ ಕೆಲಸ;
ದಾಖಲಾದ ಮಾಹಿತಿಯು ಸಂಬಂಧಿಸಿದ ವೀಕ್ಷಣಾ ಅವಧಿ. ವಸ್ತುನಿಷ್ಠ ವೀಕ್ಷಣೆ ಸಮಯ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಇದು ಇರಬಹುದು ಒಂದು ನಿರ್ದಿಷ್ಟ ಅವಧಿ (ದಿನ, ದಶಕ, ತಿಂಗಳು) ಅಥವಾ ಒಂದು ನಿರ್ದಿಷ್ಟ ಕ್ಷಣ. ದಾಖಲಾದ ಮಾಹಿತಿಯು ಸಂಬಂಧಿಸಿದ ಕ್ಷಣವನ್ನು ಅವಲೋಕನದ ನಿರ್ಣಾಯಕ ಕ್ಷಣ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.
ಉದಾಹರಣೆಗೆ, 94 ರ ಸೂಕ್ಷ್ಮ ಜನಗಣತಿಯ ನಿರ್ಣಾಯಕ ಕ್ಷಣ. ಫೆಬ್ರವರಿ 13-14 ರ ರಾತ್ರಿ 0.00 ಗಂಟೆಯಾಗಿತ್ತು. ವೀಕ್ಷಣೆಯ ನಿರ್ಣಾಯಕ ಕ್ಷಣವನ್ನು ಸ್ಥಾಪಿಸುವ ಮೂಲಕ, ಛಾಯಾಗ್ರಹಣದ ನಿಖರತೆಯೊಂದಿಗೆ ವ್ಯವಹಾರಗಳ ನಿಜವಾದ ಸ್ಥಿತಿಯನ್ನು ನಿರ್ಧರಿಸಲು ಸಾಧ್ಯವಿದೆ.
ಪೂರ್ವಸಿದ್ಧತಾ ಕೆಲಸವು ದಾಖಲೆಗಳೊಂದಿಗೆ ಕಣ್ಗಾವಲು ಒದಗಿಸುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ, ಜೊತೆಗೆ ವರದಿ ಮಾಡುವ ಘಟಕಗಳು, ರೂಪಗಳು ಮತ್ತು ಸೂಚನೆಗಳ ಪಟ್ಟಿಯನ್ನು ಕಂಪೈಲ್ ಮಾಡುವುದು.
ವೀಕ್ಷಣೆಯ ಸಮಯದಲ್ಲಿ ಅಥವಾ ಅದರ ಫಲಿತಾಂಶಗಳ ಆಧಾರದ ಮೇಲೆ ದಾಖಲೆಗಳನ್ನು ಭರ್ತಿ ಮಾಡಲಾಗುತ್ತದೆ.
ಪೂರ್ವಸಿದ್ಧತಾ ಕೆಲಸದ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಒಂದು ಪ್ರಮುಖ ಸ್ಥಳವೆಂದರೆ ಸಿಬ್ಬಂದಿಗಳ ಆಯ್ಕೆ ಮತ್ತು ತರಬೇತಿ, ಹಾಗೆಯೇ ವೀಕ್ಷಣೆಯಲ್ಲಿ ಭಾಗವಹಿಸುವವರ ಬ್ರೀಫಿಂಗ್.
ಯಾವುದೇ ಅಂಕಿಅಂಶಗಳ ಅಧ್ಯಯನವು ಕೆಲಸದ ಮೂರು ಪರಸ್ಪರ ಸಂಬಂಧದ ಹಂತಗಳನ್ನು ಆಧರಿಸಿದೆ:
1) ಅಂಕಿಅಂಶಗಳ ವೀಕ್ಷಣೆ;
2) ವೀಕ್ಷಣಾ ಡೇಟಾದ ಸಾರಾಂಶ ಮತ್ತು ಗುಂಪು;
3) ಸಾರಾಂಶ ಫಲಿತಾಂಶಗಳ ವೈಜ್ಞಾನಿಕ ಪ್ರಕ್ರಿಯೆ ಮತ್ತು ವಿಶ್ಲೇಷಣೆ. ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಅಧ್ಯಯನದ ಪ್ರತಿ ನಂತರದ ಹಂತವನ್ನು ಹಿಂದಿನ (ಹಿಂದಿನ) ಹಂತಗಳ ಕೆಲಸವನ್ನು ಕೈಗೊಳ್ಳಲಾಗಿದೆ ಎಂದು ಒದಗಿಸಬಹುದು.
ಅಂಕಿಅಂಶಗಳ ಅವಲೋಕನವು ಅಂಕಿಅಂಶಗಳ ಸಂಶೋಧನೆಯ ಮೊದಲ ಹಂತವಾಗಿದೆ.
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಅವಲೋಕನ- ಇದು ಒಂದು ನಿರ್ದಿಷ್ಟ ಸಾಮಾಜಿಕ ಮತ್ತು ನಿರ್ದಿಷ್ಟವಾಗಿ, ಆರ್ಥಿಕ ವಿದ್ಯಮಾನಗಳು ಅಥವಾ ಪ್ರಕ್ರಿಯೆಗಳ ಬಗ್ಗೆ ವ್ಯವಸ್ಥಿತ, ವೈಜ್ಞಾನಿಕವಾಗಿ ಸಂಘಟಿತ ಮಾಹಿತಿಯ ಸಂಗ್ರಹವಾಗಿದೆ.
ಅಂಕಿಅಂಶಗಳ ಅವಲೋಕನಗಳು ಬಹಳ ವೈವಿಧ್ಯಮಯವಾಗಿವೆ ಮತ್ತು ಅಧ್ಯಯನ ಮಾಡಲಾದ ವಿದ್ಯಮಾನಗಳ ಸ್ವರೂಪ, ಸಂಘಟನೆಯ ರೂಪ, ವೀಕ್ಷಣೆಯ ಸಮಯ ಮತ್ತು ಅಧ್ಯಯನ ಮಾಡಲಾದ ವಿದ್ಯಮಾನಗಳ ವ್ಯಾಪ್ತಿಯ ಸಂಪೂರ್ಣತೆಯಲ್ಲಿ ಭಿನ್ನವಾಗಿರುತ್ತವೆ. ಈ ನಿಟ್ಟಿನಲ್ಲಿ ನಡೆಸಲಾಯಿತು ವೈಯಕ್ತಿಕ ಗುಣಲಕ್ಷಣಗಳ ಪ್ರಕಾರ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಅವಲೋಕನಗಳ ವರ್ಗೀಕರಣ .
1. ಸಂಸ್ಥೆಯ ರೂಪದ ಪ್ರಕಾರಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಅವಲೋಕನಗಳನ್ನು ವರದಿ ಮಾಡುವಿಕೆ ಮತ್ತು ವಿಶೇಷವಾಗಿ ಸಂಘಟಿತ ಅಂಕಿಅಂಶಗಳ ಅವಲೋಕನಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ.
ವರದಿ ಮಾಡಲಾಗುತ್ತಿದೆ- ಇದು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಅವಲೋಕನದ ಮುಖ್ಯ ಸಾಂಸ್ಥಿಕ ರೂಪವಾಗಿದೆ, ಇದು ಉದ್ಯಮಗಳು, ಸಂಸ್ಥೆಗಳು ಮತ್ತು ಸಂಸ್ಥೆಗಳಿಂದ ತಮ್ಮ ಚಟುವಟಿಕೆಗಳ ವಿವಿಧ ಅಂಶಗಳ ಬಗ್ಗೆ ವರದಿಗಳು ಎಂಬ ವಿಶೇಷ ರೂಪಗಳಲ್ಲಿ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸಲು ಕುದಿಯುತ್ತದೆ. ವರದಿ ಮಾಡುವುದು ಕಡ್ಡಾಯವಾಗಿದೆ. ವರದಿಯನ್ನು ಸಿದ್ಧಪಡಿಸಿದ ಅವಧಿಯ ಅವಧಿಯನ್ನು ಅವಲಂಬಿಸಿ ಮೂಲ ಮತ್ತು ಪ್ರಸ್ತುತ ಎಂದು ವಿಂಗಡಿಸಲಾಗಿದೆ.
ಮೂಲ ವರದಿ ಮಾಡುವಿಕೆಎಂದೂ ಕರೆಯುತ್ತಾರೆ ವಾರ್ಷಿಕಮತ್ತು ಎಂಟರ್‌ಪ್ರೈಸ್ ಚಟುವಟಿಕೆಗಳ ಎಲ್ಲಾ ಅಂಶಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ವ್ಯಾಪಕ ಶ್ರೇಣಿಯ ಸೂಚಕಗಳನ್ನು ಒಳಗೊಂಡಿದೆ.
ಪ್ರಸ್ತುತ ವರದಿ ಮಾಡುವಿಕೆವಿಭಿನ್ನ ಅವಧಿಯ ಅವಧಿಗಳಿಗೆ ವರ್ಷದುದ್ದಕ್ಕೂ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗುತ್ತದೆ.
ಆದಾಗ್ಯೂ, ವರದಿಯಿಂದ ಪಡೆಯಲು ಮೂಲಭೂತವಾಗಿ ಅಸಾಧ್ಯವಾದ ಡೇಟಾ ಮತ್ತು ಅದರಲ್ಲಿ ಸೇರಿಸಲು ಸೂಕ್ತವಲ್ಲದ ಡೇಟಾ ಇವೆ. ಈ ಎರಡು ರೀತಿಯ ಡೇಟಾವನ್ನು ಪಡೆಯಲು ವಿಶೇಷವಾಗಿ ಸಂಘಟಿತವಾದ ಅಂಕಿಅಂಶಗಳ ಅವಲೋಕನಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ - ವಿವಿಧ ರೀತಿಯ ಸಮೀಕ್ಷೆಗಳು ಮತ್ತು ಜನಗಣತಿಗಳು.
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಸಮೀಕ್ಷೆಗಳು- ಇವು ವಿಶೇಷವಾಗಿ ಸಂಘಟಿತವಾದ ಅವಲೋಕನಗಳಾಗಿವೆ, ಇದರಲ್ಲಿ ಅಧ್ಯಯನ ಮಾಡಿದ ವಿದ್ಯಮಾನಗಳ ಗುಂಪನ್ನು ಒಂದು ನಿರ್ದಿಷ್ಟ ಅವಧಿಯಲ್ಲಿ ಗಮನಿಸಲಾಗುತ್ತದೆ.
ಜನಗಣತಿ- ಇದು ವಿಶೇಷವಾಗಿ ಸಂಘಟಿತವಾದ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಅವಲೋಕನದ ಒಂದು ರೂಪವಾಗಿದೆ, ಇದರಲ್ಲಿ ಅಧ್ಯಯನ ಮಾಡಿದ ವಿದ್ಯಮಾನಗಳ ಗುಂಪನ್ನು ಕೆಲವು ದಿನಾಂಕದಂದು (ಕೆಲವು ಕ್ಷಣದಲ್ಲಿ) ಗಮನಿಸಲಾಗುತ್ತದೆ.
2. ಸಮಯವನ್ನು ಆಧರಿಸಿದೆಎಲ್ಲಾ ಅಂಕಿಅಂಶಗಳ ಅವಲೋಕನಗಳನ್ನು ನಿರಂತರ ಮತ್ತು ನಿರಂತರ ಎಂದು ವಿಂಗಡಿಸಲಾಗಿದೆ.
ನಿರಂತರ (ಪ್ರಸ್ತುತ) ಅಂಕಿಅಂಶಗಳ ವೀಕ್ಷಣೆ- ಇದು ಕಾಲಾನಂತರದಲ್ಲಿ ನಿರಂತರವಾಗಿ ನಡೆಸಲ್ಪಡುವ ಒಂದು ವೀಕ್ಷಣೆಯಾಗಿದೆ. ಈ ರೀತಿಯ ವೀಕ್ಷಣೆಯೊಂದಿಗೆ, ವೈಯಕ್ತಿಕ ವಿದ್ಯಮಾನಗಳು, ಸಂಗತಿಗಳು ಮತ್ತು ಘಟನೆಗಳು ಸಂಭವಿಸಿದಂತೆ ದಾಖಲಿಸಲಾಗುತ್ತದೆ.
ಮಧ್ಯಂತರ ಅಂಕಿಅಂಶಗಳ ವೀಕ್ಷಣೆ- ಇದು ಗಮನಿಸಿದ ವಿದ್ಯಮಾನಗಳು, ಸಂಗತಿಗಳು, ಘಟನೆಗಳು ನಿರಂತರವಾಗಿ ಅಲ್ಲ, ಆದರೆ ಸಮಾನ ಅಥವಾ ಅಸಮಾನ ಅವಧಿಯ ಅವಧಿಗಳ ಮೂಲಕ ದಾಖಲಾಗುವ ಒಂದು ಅವಲೋಕನವಾಗಿದೆ. ನಿರಂತರ ಮೇಲ್ವಿಚಾರಣೆಯಲ್ಲಿ ಎರಡು ವಿಧಗಳಿವೆ - ಆವರ್ತಕ ಮತ್ತು ಒಂದು ಬಾರಿ. ಆವರ್ತಕನಿರಂತರ ವೀಕ್ಷಣೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ, ಇದನ್ನು ಸಮಾನ ಅವಧಿಯ ಅವಧಿಗಳಲ್ಲಿ ನಡೆಸಲಾಗುತ್ತದೆ. ಒಂದು ಬಾರಿಅಸಮಾನ ಅವಧಿಯ ಅಥವಾ ಒಂದು-ಬಾರಿ ಸ್ವಭಾವದ ಅವಧಿಯ ಅವಧಿಯಲ್ಲಿ ನಡೆಸಲಾದ ವೀಕ್ಷಣೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.
3. ಅಧ್ಯಯನ ಮಾಡಿದ ದ್ರವ್ಯರಾಶಿಯ ಸಂಪೂರ್ಣ ವ್ಯಾಪ್ತಿಯ ಆಧಾರದ ಮೇಲೆವಿದ್ಯಮಾನಗಳು, ಸಂಗತಿಗಳು, ಘಟನೆಗಳು, ಅಂಕಿಅಂಶಗಳ ಅವಲೋಕನಗಳನ್ನು ನಿರಂತರ ಮತ್ತು ನಿರಂತರವಲ್ಲದ ಅಥವಾ ಭಾಗಶಃ ಎಂದು ವಿಂಗಡಿಸಲಾಗಿದೆ.
ನಿರಂತರ ವೀಕ್ಷಣೆಅಧ್ಯಯನದ ಅಡಿಯಲ್ಲಿ ಜನಸಂಖ್ಯೆಯನ್ನು ರೂಪಿಸುವ ವಿದ್ಯಮಾನಗಳು, ಸಂಗತಿಗಳು, ಘಟನೆಗಳು, ವಿನಾಯಿತಿ ಇಲ್ಲದೆ ಎಲ್ಲವನ್ನೂ ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ.
ಭಾಗಶಃ ವೀಕ್ಷಣೆಅಧ್ಯಯನದ ಅಡಿಯಲ್ಲಿ ಜನಸಂಖ್ಯೆಯನ್ನು ರೂಪಿಸುವ ವಿದ್ಯಮಾನಗಳು, ಸಂಗತಿಗಳು, ಘಟನೆಗಳ ಒಂದು ನಿರ್ದಿಷ್ಟ ಭಾಗವನ್ನು ಮಾತ್ರ ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ.
ವಸ್ತುಗಳು ಮತ್ತು ವಿದ್ಯಮಾನಗಳ ಪರಿಮಾಣಾತ್ಮಕ ಅಂಶಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುವ ಪರಿಕಲ್ಪನೆಯು ಬಹಳ ಹಿಂದೆಯೇ ರೂಪುಗೊಂಡಿತು, ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ಮಾಹಿತಿಯೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವಲ್ಲಿ ಮೂಲಭೂತ ಕೌಶಲ್ಯಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಕ್ಷಣದಿಂದ. ಆದಾಗ್ಯೂ, ನಮ್ಮ ಕಾಲಕ್ಕೆ ಬಂದಿರುವ "ಅಂಕಿಅಂಶಗಳು" ಎಂಬ ಪದವನ್ನು ಲ್ಯಾಟಿನ್ ಭಾಷೆಯಿಂದ ಬಹಳ ನಂತರ ಎರವಲು ಪಡೆಯಲಾಗಿದೆ ಮತ್ತು "ಸ್ಥಿತಿ" ಎಂಬ ಪದದಿಂದ ಬಂದಿದೆ, ಇದರರ್ಥ "ಒಂದು ನಿರ್ದಿಷ್ಟ ಸ್ಥಿತಿ". "ಸ್ಥಿತಿ" ಅನ್ನು "ರಾಜಕೀಯ ರಾಜ್ಯ" ಎಂಬ ಅರ್ಥದಲ್ಲಿಯೂ ಬಳಸಲಾಯಿತು ಮತ್ತು ಬಹುತೇಕ ಎಲ್ಲಾ ಯುರೋಪಿಯನ್ ಭಾಷೆಗಳಲ್ಲಿ ಈ ಶಬ್ದಾರ್ಥದ ಅರ್ಥದಲ್ಲಿ ನಿಗದಿಪಡಿಸಲಾಗಿದೆ: ಇಂಗ್ಲಿಷ್ "ರಾಜ್ಯ", ಜರ್ಮನ್ "ಸ್ಟಾಟ್", ಇಟಾಲಿಯನ್ "ಸ್ಟಾಟೊ" ಮತ್ತು ಅದರ ವ್ಯುತ್ಪನ್ನ " statista” - ರಾಜ್ಯದ ಪರಿಣಿತ.
"ಅಂಕಿಅಂಶಗಳು" ಎಂಬ ಪದವು 18 ನೇ ಶತಮಾನದಲ್ಲಿ ವ್ಯಾಪಕ ಬಳಕೆಯನ್ನು ಪಡೆಯಿತು ಮತ್ತು ಇದನ್ನು "ರಾಜ್ಯ ವಿಜ್ಞಾನ" ಎಂದು ಅರ್ಥೈಸಲು ಬಳಸಲಾಯಿತು. ಅಂಕಿಅಂಶಗಳು ಸಾಮಾಜಿಕ ಜೀವನದ ವಿದ್ಯಮಾನಗಳು ಮತ್ತು ಪ್ರಕ್ರಿಯೆಗಳ ಬಗ್ಗೆ ಸಾರ್ವಜನಿಕ ಬಳಕೆಗೆ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುವ, ಸಂಸ್ಕರಿಸುವ, ವಿಶ್ಲೇಷಿಸುವ ಮತ್ತು ಒದಗಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿರುವ ಪ್ರಾಯೋಗಿಕ ಚಟುವಟಿಕೆಯ ಒಂದು ಶಾಖೆಯಾಗಿದೆ.
ವಿಶ್ಲೇಷಣೆಯು ವಸ್ತುವಿನ ಪ್ರತ್ಯೇಕ ಅಂಶಗಳು ಮತ್ತು ಘಟಕಗಳನ್ನು ಪರಿಗಣಿಸಿ ಅದರ ವೈಜ್ಞಾನಿಕ ಅಧ್ಯಯನದ ವಿಧಾನವಾಗಿದೆ.
ಆರ್ಥಿಕ-ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಶ್ಲೇಷಣೆಯು ಅಧ್ಯಯನದ ಅಡಿಯಲ್ಲಿ ವಿದ್ಯಮಾನಗಳು ಮತ್ತು ಪ್ರಕ್ರಿಯೆಗಳ ಸಾಕಷ್ಟು ಪ್ರತಿಫಲನವನ್ನು ನಿಯಂತ್ರಿಸುವ ಸಲುವಾಗಿ ಸಾಂಪ್ರದಾಯಿಕ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಮತ್ತು ಗಣಿತಶಾಸ್ತ್ರದ-ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಧಾನಗಳ ವ್ಯಾಪಕ ಬಳಕೆಯ ಆಧಾರದ ಮೇಲೆ ಒಂದು ವಿಧಾನದ ಅಭಿವೃದ್ಧಿಯಾಗಿದೆ.
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಸಂಶೋಧನೆಯ ಹಂತಗಳು. ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಸಂಶೋಧನೆಯು ಮೂರು ಹಂತಗಳಲ್ಲಿ ನಡೆಯುತ್ತದೆ:
- 1) ಅಂಕಿಅಂಶಗಳ ವೀಕ್ಷಣೆ;
- 2) ಪಡೆದ ಡೇಟಾದ ಸಾರಾಂಶ;
- 3) ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಶ್ಲೇಷಣೆ.
ಮೊದಲ ಹಂತದಲ್ಲಿ, ಸಾಮೂಹಿಕ ವೀಕ್ಷಣೆ ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು ಪ್ರಾಥಮಿಕ ಅಂಕಿಅಂಶಗಳ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ.
ಅಂಕಿಅಂಶಗಳ ಸಂಶೋಧನೆಯ ಎರಡನೇ ಹಂತದಲ್ಲಿ, ಸಂಗ್ರಹಿಸಿದ ಡೇಟಾವು ಪ್ರಾಥಮಿಕ ಸಂಸ್ಕರಣೆ, ಸಾರಾಂಶ ಮತ್ತು ಗುಂಪುಗಾರಿಕೆಗೆ ಒಳಗಾಗುತ್ತದೆ. ಗುಂಪು ಮಾಡುವ ವಿಧಾನವು ಏಕರೂಪದ ಜನಸಂಖ್ಯೆಯನ್ನು ಗುರುತಿಸಲು ಮತ್ತು ಅವುಗಳನ್ನು ಗುಂಪುಗಳು ಮತ್ತು ಉಪಗುಂಪುಗಳಾಗಿ ವಿಂಗಡಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ. ಒಟ್ಟಾರೆಯಾಗಿ ಜನಸಂಖ್ಯೆ ಮತ್ತು ಅದರ ಪ್ರತ್ಯೇಕ ಗುಂಪುಗಳು ಮತ್ತು ಉಪಗುಂಪುಗಳಿಗೆ ಫಲಿತಾಂಶಗಳನ್ನು ಪಡೆಯುವುದು ಸಾರಾಂಶವಾಗಿದೆ.
ಗುಂಪು ಮತ್ತು ಸಾರಾಂಶ ಫಲಿತಾಂಶಗಳನ್ನು ಅಂಕಿಅಂಶಗಳ ಕೋಷ್ಟಕಗಳ ರೂಪದಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗುತ್ತದೆ. ಈ ಹಂತದ ಮುಖ್ಯ ವಿಷಯವೆಂದರೆ ಪ್ರತಿ ವೀಕ್ಷಣಾ ಘಟಕದ ಗುಣಲಕ್ಷಣಗಳಿಂದ ಒಟ್ಟಾರೆಯಾಗಿ ಅಥವಾ ಅದರ ಗುಂಪುಗಳ ಜನಸಂಖ್ಯೆಯ ಸಾರಾಂಶ ಗುಣಲಕ್ಷಣಗಳಿಗೆ ಪರಿವರ್ತನೆಯಾಗಿದೆ.
ಮೂರನೇ ಹಂತದಲ್ಲಿ, ಪಡೆದ ಸಾರಾಂಶ ಡೇಟಾವನ್ನು ಸಾಮಾನ್ಯೀಕರಿಸುವ ಸೂಚಕಗಳ ವಿಧಾನದಿಂದ ವಿಶ್ಲೇಷಿಸಲಾಗುತ್ತದೆ (ಸಂಪೂರ್ಣ, ಸಾಪೇಕ್ಷ ಮತ್ತು ಸರಾಸರಿ ಮೌಲ್ಯಗಳು, ವ್ಯತ್ಯಾಸ ಸೂಚಕಗಳು, ಸೂಚ್ಯಂಕ ವ್ಯವಸ್ಥೆಗಳು, ಗಣಿತದ ಅಂಕಿಅಂಶಗಳ ವಿಧಾನಗಳು, ಕೋಷ್ಟಕ ವಿಧಾನ, ಚಿತ್ರಾತ್ಮಕ ವಿಧಾನ, ಇತ್ಯಾದಿ).
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಶ್ಲೇಷಣೆಯ ಮೂಲಗಳು:
- 1) ಸತ್ಯಗಳ ಅನುಮೋದನೆ ಮತ್ತು ಅವುಗಳ ಮೌಲ್ಯಮಾಪನದ ಸ್ಥಾಪನೆ;
- 2) ವಿದ್ಯಮಾನದ ವಿಶಿಷ್ಟ ಲಕ್ಷಣಗಳು ಮತ್ತು ಕಾರಣಗಳನ್ನು ಗುರುತಿಸುವುದು;
- 3) ಹೋಲಿಕೆಗೆ ಆಧಾರವಾಗಿ ತೆಗೆದುಕೊಳ್ಳಲಾದ ಪ್ರಮಾಣಿತ, ಯೋಜಿತ ಮತ್ತು ಇತರ ವಿದ್ಯಮಾನಗಳೊಂದಿಗೆ ವಿದ್ಯಮಾನದ ಹೋಲಿಕೆ;
- 4) ತೀರ್ಮಾನಗಳು, ಮುನ್ಸೂಚನೆಗಳು, ಊಹೆಗಳು ಮತ್ತು ಊಹೆಗಳ ಸೂತ್ರೀಕರಣ;
- 5) ಮುಂದಿಟ್ಟ ಊಹೆಗಳ ಅಂಕಿಅಂಶಗಳ ಪರೀಕ್ಷೆ (ಊಹೆಗಳು).
ಅಂಕಿಅಂಶಗಳ ದತ್ತಾಂಶದ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಸಾಮಾನ್ಯೀಕರಣವು ಅಂಕಿಅಂಶಗಳ ಸಂಶೋಧನೆಯ ಅಂತಿಮ ಹಂತವಾಗಿದೆ, ಇದರ ಅಂತಿಮ ಗುರಿಯು ಸಾಮಾಜಿಕ-ಆರ್ಥಿಕ ವಿದ್ಯಮಾನಗಳು ಮತ್ತು ಪ್ರಕ್ರಿಯೆಗಳ ಪ್ರವೃತ್ತಿಗಳು ಮತ್ತು ಮಾದರಿಗಳ ಬಗ್ಗೆ ಸೈದ್ಧಾಂತಿಕ ತೀರ್ಮಾನಗಳು ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ತೀರ್ಮಾನಗಳನ್ನು ಪಡೆಯುವುದು. ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಶ್ಲೇಷಣೆಯ ಉದ್ದೇಶಗಳು: ಅಧ್ಯಯನ ಮಾಡಲಾದ ವಿದ್ಯಮಾನಗಳು ಮತ್ತು ಪ್ರಕ್ರಿಯೆಗಳ ನಿರ್ದಿಷ್ಟತೆ ಮತ್ತು ಗುಣಲಕ್ಷಣಗಳನ್ನು ನಿರ್ಧರಿಸುವುದು ಮತ್ತು ನಿರ್ಣಯಿಸುವುದು, ಅವುಗಳ ರಚನೆ, ಸಂಬಂಧಗಳು ಮತ್ತು ಅವುಗಳ ಅಭಿವೃದ್ಧಿಯ ಮಾದರಿಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುವುದು.
ದತ್ತಾಂಶದ ಅಂಕಿಅಂಶಗಳ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಅಧ್ಯಯನದ ಅಡಿಯಲ್ಲಿ ವಿದ್ಯಮಾನಗಳ ಸಾರ ಮತ್ತು ಅನುಗುಣವಾದ ಪರಿಮಾಣಾತ್ಮಕ ಸಾಧನಗಳು, ಅವುಗಳ ರಚನೆ, ಸಂಪರ್ಕಗಳು ಮತ್ತು ಡೈನಾಮಿಕ್ಸ್ ಅಧ್ಯಯನದ ಸೈದ್ಧಾಂತಿಕ, ಗುಣಾತ್ಮಕ ವಿಶ್ಲೇಷಣೆಯೊಂದಿಗೆ ಬೇರ್ಪಡಿಸಲಾಗದ ಸಂಪರ್ಕದಲ್ಲಿ ನಡೆಸಲಾಗುತ್ತದೆ.
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಶ್ಲೇಷಣೆಯು ರಚನೆಯ ವಿಶಿಷ್ಟ ಲಕ್ಷಣಗಳು, ವಿದ್ಯಮಾನಗಳ ಸಂಬಂಧಗಳು, ಪ್ರವೃತ್ತಿಗಳು, ಸಾಮಾಜಿಕ-ಆರ್ಥಿಕ ವಿದ್ಯಮಾನಗಳ ಅಭಿವೃದ್ಧಿಯ ಮಾದರಿಗಳ ಅಧ್ಯಯನವಾಗಿದೆ, ಇದಕ್ಕಾಗಿ ನಿರ್ದಿಷ್ಟ ಆರ್ಥಿಕ-ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಮತ್ತು ಗಣಿತ-ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಧಾನಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಅಂಕಿಅಂಶಗಳ ವಿಶ್ಲೇಷಣೆಯು ಪಡೆದ ಫಲಿತಾಂಶಗಳ ವ್ಯಾಖ್ಯಾನದೊಂದಿಗೆ ಮುಕ್ತಾಯಗೊಳ್ಳುತ್ತದೆ.
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ, ಚಿಹ್ನೆಗಳನ್ನು ಪರಸ್ಪರ ಪ್ರಭಾವದ ಸ್ವರೂಪಕ್ಕೆ ಅನುಗುಣವಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ:
- 1. ಫಲಿತಾಂಶದ ಲಕ್ಷಣ - ಈ ಅಧ್ಯಯನದಲ್ಲಿ ವಿಶ್ಲೇಷಿಸಲಾದ ಲಕ್ಷಣ. ಜನಸಂಖ್ಯೆಯ ಪ್ರತ್ಯೇಕ ಅಂಶಗಳಲ್ಲಿ ಅಂತಹ ವೈಶಿಷ್ಟ್ಯದ ವೈಯಕ್ತಿಕ ಆಯಾಮಗಳು ಒಂದು ಅಥವಾ ಹೆಚ್ಚಿನ ಇತರ ವೈಶಿಷ್ಟ್ಯಗಳಿಂದ ಪ್ರಭಾವಿತವಾಗಿರುತ್ತದೆ. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಫಲಿತಾಂಶ-ಗುಣಲಕ್ಷಣವನ್ನು ಇತರ ಅಂಶಗಳ ಪರಸ್ಪರ ಕ್ರಿಯೆಯ ಪರಿಣಾಮವಾಗಿ ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ;
- 2. ಚಿಹ್ನೆ-ಅಂಶ - ಅಧ್ಯಯನದ ಅಡಿಯಲ್ಲಿ ಗುಣಲಕ್ಷಣದ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರುವ ಚಿಹ್ನೆ (ಚಿಹ್ನೆ-ಫಲಿತಾಂಶ). ಇದಲ್ಲದೆ, ಅಂಶ-ಗುಣಲಕ್ಷಣ ಮತ್ತು ಫಲಿತಾಂಶ-ಗುಣಲಕ್ಷಣದ ನಡುವಿನ ಸಂಬಂಧವನ್ನು ಪರಿಮಾಣಾತ್ಮಕವಾಗಿ ನಿರ್ಧರಿಸಬಹುದು. ಅಂಕಿಅಂಶಗಳಲ್ಲಿ ಈ ಪದದ ಸಮಾನಾರ್ಥಕ ಪದಗಳು "ಫ್ಯಾಕ್ಟರ್ ಗುಣಲಕ್ಷಣ", "ಫ್ಯಾಕ್ಟರ್". ಅಂಶ-ಗುಣಲಕ್ಷಣ ಮತ್ತು ತೂಕ-ಗುಣಲಕ್ಷಣದ ಪರಿಕಲ್ಪನೆಗಳ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಕಂಡುಹಿಡಿಯುವುದು ಅವಶ್ಯಕ. ತೂಕದ ವೈಶಿಷ್ಟ್ಯವು ಲೆಕ್ಕಾಚಾರದಲ್ಲಿ ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಬೇಕಾದ ವೈಶಿಷ್ಟ್ಯವಾಗಿದೆ. ಆದರೆ ತೂಕದ ಲಕ್ಷಣವು ಅಧ್ಯಯನ ಮಾಡುವ ಲಕ್ಷಣದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವುದಿಲ್ಲ. ಒಂದು ಅಂಶದ ಗುಣಲಕ್ಷಣವನ್ನು ತೂಕದ ಗುಣಲಕ್ಷಣವೆಂದು ಪರಿಗಣಿಸಬಹುದು, ಅಂದರೆ, ಲೆಕ್ಕಾಚಾರದಲ್ಲಿ ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಲಾಗುತ್ತದೆ, ಆದರೆ ಪ್ರತಿ ತೂಕದ ಗುಣಲಕ್ಷಣವು ಅಂಶದ ಗುಣಲಕ್ಷಣವಲ್ಲ. ಉದಾಹರಣೆಗೆ, ವಿದ್ಯಾರ್ಥಿಗಳ ಗುಂಪಿನಲ್ಲಿ ಅಧ್ಯಯನ ಮಾಡುವಾಗ ಪರೀಕ್ಷೆಗೆ ತಯಾರಾಗುವ ಸಮಯ ಮತ್ತು ಪರೀಕ್ಷೆಯಲ್ಲಿ ಪಡೆದ ಅಂಕಗಳ ನಡುವಿನ ಸಂಬಂಧ, ಮೂರನೇ ಗುಣಲಕ್ಷಣವನ್ನು ಸಹ ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಬೇಕು: “ನಿರ್ದಿಷ್ಟ ಅಂಕಗಳಿಗೆ ಪ್ರಮಾಣೀಕರಿಸಿದ ಜನರ ಸಂಖ್ಯೆ ." ಕೊನೆಯ ವೈಶಿಷ್ಟ್ಯವು ಫಲಿತಾಂಶದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವುದಿಲ್ಲ, ಆದಾಗ್ಯೂ, ಇದನ್ನು ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಲೆಕ್ಕಾಚಾರದಲ್ಲಿ ಸೇರಿಸಲಾಗುತ್ತದೆ. ಈ ರೀತಿಯ ಗುಣಲಕ್ಷಣವನ್ನು ತೂಕದ ಗುಣಲಕ್ಷಣ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ ಮತ್ತು ಅಂಶದ ಗುಣಲಕ್ಷಣವಲ್ಲ.
ವಿಶ್ಲೇಷಣೆಯನ್ನು ಪ್ರಾರಂಭಿಸುವ ಮೊದಲು, ಅದರ ವಿಶ್ವಾಸಾರ್ಹತೆ ಮತ್ತು ನಿಖರತೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಷರತ್ತುಗಳನ್ನು ಪೂರೈಸಲಾಗಿದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸುವುದು ಅವಶ್ಯಕ:
- - ಪ್ರಾಥಮಿಕ ಡಿಜಿಟಲ್ ಡೇಟಾದ ವಿಶ್ವಾಸಾರ್ಹತೆ;
- - ಅಧ್ಯಯನ ಮಾಡಲಾದ ಜನಸಂಖ್ಯೆಯ ವ್ಯಾಪ್ತಿಯ ಸಂಪೂರ್ಣತೆ;
- - ಸೂಚಕಗಳ ಹೋಲಿಕೆ (ಲೆಕ್ಕಪರಿಶೋಧಕ ಘಟಕಗಳು, ಪ್ರದೇಶ, ಲೆಕ್ಕಾಚಾರದ ವಿಧಾನದಿಂದ).
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಶ್ಲೇಷಣೆಯ ಮುಖ್ಯ ಪರಿಕಲ್ಪನೆಗಳು:
- 1. ಕಲ್ಪನೆ;
- 2. ನಿರ್ಣಾಯಕ ಕಾರ್ಯ ಮತ್ತು ನಿರ್ಣಾಯಕ ನಿಯಮ;
- 3. ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯಿಂದ ಮಾದರಿ;
- 4. ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯ ಗುಣಲಕ್ಷಣಗಳ ಮೌಲ್ಯಮಾಪನ;
- 5. ವಿಶ್ವಾಸಾರ್ಹ ಮಧ್ಯಂತರ;
- 6. ಪ್ರವೃತ್ತಿ;
- 7. ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಸಂಬಂಧ.
ವಿಶ್ಲೇಷಣೆಯು ಅಂಕಿಅಂಶಗಳ ಸಂಶೋಧನೆಯ ಅಂತಿಮ ಹಂತವಾಗಿದೆ, ಅಧ್ಯಯನ ಮಾಡಲಾದ ವಿದ್ಯಮಾನದ ಸಂಬಂಧಗಳು ಮತ್ತು ಮಾದರಿಗಳನ್ನು ಗುರುತಿಸುವುದು, ತೀರ್ಮಾನಗಳು ಮತ್ತು ಪ್ರಸ್ತಾಪಗಳನ್ನು ರೂಪಿಸುವುದು ಇದರ ಸಾರವಾಗಿದೆ.
2.1 ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಅಧ್ಯಯನ ವಿನ್ಯಾಸ
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ದತ್ತಾಂಶ ವಿಶ್ಲೇಷಣೆ ವ್ಯವಸ್ಥೆಗಳು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಸಂಶೋಧನೆಗೆ ಆಧುನಿಕ, ಪರಿಣಾಮಕಾರಿ ಸಾಧನವಾಗಿದೆ. ವಿಶೇಷ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಶ್ಲೇಷಣಾ ವ್ಯವಸ್ಥೆಗಳು, ಹಾಗೆಯೇ ಸಾರ್ವತ್ರಿಕ ಸಾಧನಗಳು - ಎಕ್ಸೆಲ್, ಮ್ಯಾಟ್ಲಾಬ್, ಮ್ಯಾಥ್‌ಕಾಡ್, ಇತ್ಯಾದಿ, ಅಂಕಿಅಂಶಗಳ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಸಾಕಷ್ಟು ಅವಕಾಶಗಳನ್ನು ಹೊಂದಿವೆ.
ಆದರೆ ಅತ್ಯಾಧುನಿಕ ಸಾಧನವು ಸಹ ಸಂಶೋಧಕರನ್ನು ಬದಲಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ, ಅವರು ಅಧ್ಯಯನದ ಉದ್ದೇಶವನ್ನು ರೂಪಿಸಬೇಕು, ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಬೇಕು, ವಿಧಾನಗಳು, ವಿಧಾನಗಳು, ಮಾದರಿಗಳು ಮತ್ತು ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಮತ್ತು ವಿಶ್ಲೇಷಿಸಲು ಸಾಧನಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಬೇಕು ಮತ್ತು ಪಡೆದ ಫಲಿತಾಂಶಗಳನ್ನು ಅರ್ಥೈಸಿಕೊಳ್ಳಬೇಕು.
ಚಿತ್ರ 2.1 ಅಂಕಿಅಂಶಗಳ ಅಧ್ಯಯನದ ರೇಖಾಚಿತ್ರವನ್ನು ತೋರಿಸುತ್ತದೆ.
ಚಿತ್ರ 2.1 - ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಸಂಶೋಧನೆಯ ಸ್ಕೀಮ್ಯಾಟಿಕ್ ರೇಖಾಚಿತ್ರ
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಸಂಶೋಧನೆಯ ಆರಂಭಿಕ ಹಂತವು ಸಮಸ್ಯೆಯ ಸೂತ್ರೀಕರಣವಾಗಿದೆ. ಅದನ್ನು ನಿರ್ಧರಿಸುವಾಗ, ಅಧ್ಯಯನದ ಉದ್ದೇಶವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಲಾಗುತ್ತದೆ, ಯಾವ ಮಾಹಿತಿಯ ಅಗತ್ಯವಿದೆ ಮತ್ತು ನಿರ್ಧಾರವನ್ನು ತೆಗೆದುಕೊಳ್ಳುವಾಗ ಅದನ್ನು ಹೇಗೆ ಬಳಸಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ.
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಅಧ್ಯಯನವು ಪೂರ್ವಸಿದ್ಧತಾ ಹಂತದಿಂದ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ. ಪೂರ್ವಸಿದ್ಧತಾ ಹಂತದಲ್ಲಿ, ವಿಶ್ಲೇಷಕರು ಅಧ್ಯಯನ ಮಾಡುತ್ತಾರೆ ತಾಂತ್ರಿಕ ಕಾರ್ಯ- ಅಧ್ಯಯನದ ಗ್ರಾಹಕರು ರಚಿಸಿದ ದಾಖಲೆ. ಉಲ್ಲೇಖದ ನಿಯಮಗಳು ಸಂಶೋಧನೆಯ ಉದ್ದೇಶಗಳನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಹೇಳಬೇಕು:
ಸಂಶೋಧನೆಯ ವಸ್ತುವನ್ನು ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ;
ಅಧ್ಯಯನದ ಸಮಯದಲ್ಲಿ ದೃಢೀಕರಿಸಬೇಕಾದ ಅಥವಾ ನಿರಾಕರಿಸಬೇಕಾದ ಊಹೆಗಳು ಮತ್ತು ಊಹೆಗಳನ್ನು ಪಟ್ಟಿಮಾಡಲಾಗಿದೆ;
ಸಂಶೋಧನಾ ಫಲಿತಾಂಶಗಳನ್ನು ಹೇಗೆ ಬಳಸಲಾಗುವುದು ಎಂಬುದನ್ನು ವಿವರಿಸುತ್ತದೆ;
ಅಧ್ಯಯನವನ್ನು ಕೈಗೊಳ್ಳಬೇಕಾದ ಸಮಯದ ಚೌಕಟ್ಟು ಮತ್ತು ಅಧ್ಯಯನಕ್ಕಾಗಿ ಬಜೆಟ್.
ತಾಂತ್ರಿಕ ವಿಶೇಷಣಗಳ ಆಧಾರದ ಮೇಲೆ, ಇದನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ವರದಿ ರಚನೆ- ಅದು, ಯಾವುದೇ ರೂಪದಲ್ಲಿಅಧ್ಯಯನದ ಫಲಿತಾಂಶಗಳನ್ನು ಪ್ರಸ್ತುತಪಡಿಸಬೇಕು, ಹಾಗೆಯೇ ಅಂಕಿಅಂಶಗಳ ವೀಕ್ಷಣೆ ಕಾರ್ಯಕ್ರಮ. ಕಾರ್ಯಕ್ರಮವು ವೀಕ್ಷಣಾ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ದಾಖಲಿಸಬೇಕಾದ ಚಿಹ್ನೆಗಳ ಪಟ್ಟಿಯಾಗಿದೆ (ಅಥವಾ ಪ್ರತಿ ಸಮೀಕ್ಷೆಯ ವೀಕ್ಷಣಾ ಘಟಕಕ್ಕೆ ವಿಶ್ವಾಸಾರ್ಹ ಉತ್ತರಗಳನ್ನು ಪಡೆಯಬೇಕಾದ ಪ್ರಶ್ನೆಗಳು). ಕಾರ್ಯಕ್ರಮದ ವಿಷಯವನ್ನು ಗಮನಿಸಿದ ವಸ್ತುವಿನ ಗುಣಲಕ್ಷಣಗಳು ಮತ್ತು ಅಧ್ಯಯನದ ಉದ್ದೇಶಗಳು, ಹಾಗೆಯೇ ಸಂಗ್ರಹಿಸಿದ ಮಾಹಿತಿಯ ಹೆಚ್ಚಿನ ಪ್ರಕ್ರಿಯೆಗಾಗಿ ವಿಶ್ಲೇಷಕರು ಆಯ್ಕೆ ಮಾಡಿದ ವಿಧಾನಗಳಿಂದ ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ.
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಸಂಶೋಧನೆಯ ಮುಖ್ಯ ಹಂತವು ಅಗತ್ಯ ಮಾಹಿತಿಯ ಸಂಗ್ರಹ ಮತ್ತು ಅವುಗಳ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಒಳಗೊಂಡಿದೆ.
ಸಂಶೋಧನೆಯ ಅಂತಿಮ ಹಂತವು ವಿಶ್ಲೇಷಣಾತ್ಮಕ ವರದಿಯನ್ನು ರಚಿಸುವುದು ಮತ್ತು ಅದನ್ನು ಗ್ರಾಹಕರಿಗೆ ಸಲ್ಲಿಸುವುದು.
ಅಂಜೂರದಲ್ಲಿ. ಚಿತ್ರ 2.2 ಅಂಕಿಅಂಶಗಳ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯ ರೇಖಾಚಿತ್ರವನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುತ್ತದೆ.
Fig.2.2 - ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಶ್ಲೇಷಣೆಯ ಮುಖ್ಯ ಹಂತಗಳು
2.2 ಅಂಕಿಅಂಶಗಳ ಮಾಹಿತಿಯ ಸಂಗ್ರಹ
ವಸ್ತುಗಳನ್ನು ಸಂಗ್ರಹಿಸುವುದು ಅಧ್ಯಯನದ ತಾಂತ್ರಿಕ ವಿಶೇಷಣಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವುದು, ಅಗತ್ಯ ಮಾಹಿತಿಯ ಮೂಲಗಳನ್ನು ಗುರುತಿಸುವುದು ಮತ್ತು (ಅಗತ್ಯವಿದ್ದರೆ) ಪ್ರಶ್ನಾವಳಿಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು. ಮಾಹಿತಿಯ ಮೂಲಗಳನ್ನು ಸಂಶೋಧಿಸುವಾಗ, ಅಗತ್ಯವಿರುವ ಎಲ್ಲಾ ಡೇಟಾವನ್ನು ವಿಂಗಡಿಸಲಾಗಿದೆ ಪ್ರಾಥಮಿಕ(ಲಭ್ಯವಿಲ್ಲದ ಡೇಟಾ ಮತ್ತು ಈ ಅಧ್ಯಯನಕ್ಕಾಗಿ ನೇರವಾಗಿ ಸಂಗ್ರಹಿಸಬೇಕು) ಮತ್ತು ದ್ವಿತೀಯ(ಹಿಂದೆ ಇತರ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ).
ಸೆಕೆಂಡರಿ ಡೇಟಾ ಸಂಗ್ರಹಣೆಯನ್ನು ಸಾಮಾನ್ಯವಾಗಿ "ಮೇಜು" ಅಥವಾ "ಲೈಬ್ರರಿ" ಸಂಶೋಧನೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.
ಪ್ರಾಥಮಿಕ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುವ ಉದಾಹರಣೆಗಳು: ಅಂಗಡಿ ಸಂದರ್ಶಕರನ್ನು ಗಮನಿಸುವುದು, ಆಸ್ಪತ್ರೆಯ ರೋಗಿಗಳನ್ನು ಸಮೀಕ್ಷೆ ಮಾಡುವುದು, ಸಭೆಯಲ್ಲಿ ಸಮಸ್ಯೆಯನ್ನು ಚರ್ಚಿಸುವುದು.
ದ್ವಿತೀಯ ಡೇಟಾವನ್ನು ಆಂತರಿಕ ಮತ್ತು ಬಾಹ್ಯವಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ.
ಆಂತರಿಕ ದ್ವಿತೀಯ ಡೇಟಾ ಮೂಲಗಳ ಉದಾಹರಣೆಗಳು:
ಸಂಸ್ಥೆಯ ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆ (ಅಕೌಂಟಿಂಗ್ ಉಪವ್ಯವಸ್ಥೆ, ಮಾರಾಟ ನಿರ್ವಹಣಾ ಉಪವ್ಯವಸ್ಥೆ, CRM (CRM ಸಿಸ್ಟಮ್, ಗ್ರಾಹಕ ಸಂಬಂಧ ನಿರ್ವಹಣೆಗೆ ಚಿಕ್ಕದಾಗಿದೆ) - ಗ್ರಾಹಕರೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸಲು ತಂತ್ರಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಸಂಸ್ಥೆಗಳಿಗೆ ಅಪ್ಲಿಕೇಶನ್ ಸಾಫ್ಟ್‌ವೇರ್ ಮತ್ತು ಇತರರು);
ಹಿಂದಿನ ಅಧ್ಯಯನಗಳು;
ನೌಕರರಿಂದ ಲಿಖಿತ ವರದಿಗಳು.
ಬಾಹ್ಯ ದ್ವಿತೀಯ ಡೇಟಾ ಮೂಲಗಳ ಉದಾಹರಣೆಗಳು:
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಸಂಸ್ಥೆಗಳು ಮತ್ತು ಇತರ ಸರ್ಕಾರಿ ಏಜೆನ್ಸಿಗಳಿಂದ ವರದಿಗಳು;
ಮಾರ್ಕೆಟಿಂಗ್ ಏಜೆನ್ಸಿಗಳು, ವೃತ್ತಿಪರ ಸಂಘಗಳು, ಇತ್ಯಾದಿಗಳಿಂದ ವರದಿಗಳು;
ಎಲೆಕ್ಟ್ರಾನಿಕ್ ಡೇಟಾಬೇಸ್ಗಳು (ವಿಳಾಸ ಡೈರೆಕ್ಟರಿಗಳು, ಜಿಐಎಸ್, ಇತ್ಯಾದಿ);
ಗ್ರಂಥಾಲಯಗಳು;
ಸಮೂಹ ಮಾಧ್ಯಮ.
ದತ್ತಾಂಶ ಸಂಗ್ರಹದ ಹಂತದಲ್ಲಿ ಮುಖ್ಯವಾದ ಫಲಿತಾಂಶಗಳು:
ಯೋಜಿತ ಮಾದರಿ ಗಾತ್ರ;
ಮಾದರಿ ರಚನೆ (ಕೋಟಾಗಳ ಉಪಸ್ಥಿತಿ ಮತ್ತು ಗಾತ್ರ);
ಅಂಕಿಅಂಶಗಳ ವೀಕ್ಷಣೆಯ ಪ್ರಕಾರ (ಡೇಟಾ ಸಂಗ್ರಹಣೆ, ಸಮೀಕ್ಷೆ, ಪ್ರಶ್ನಾವಳಿ, ಮಾಪನ, ಪ್ರಯೋಗ, ಪರೀಕ್ಷೆ, ಇತ್ಯಾದಿ);
ಸಮೀಕ್ಷೆಯ ನಿಯತಾಂಕಗಳ ಬಗ್ಗೆ ಮಾಹಿತಿ (ಉದಾಹರಣೆಗೆ, ಪ್ರಶ್ನಾವಳಿಗಳ ಸುಳ್ಳು ಸಾಧ್ಯತೆ);
ಸಂಸ್ಕರಣೆಗಾಗಿ ಆಯ್ಕೆ ಮಾಡಲಾದ ಪ್ರೋಗ್ರಾಂನ ಡೇಟಾಬೇಸ್ನಲ್ಲಿ ವೇರಿಯಬಲ್ಗಳನ್ನು ಎನ್ಕೋಡಿಂಗ್ ಮಾಡುವ ಯೋಜನೆ;
ಡೇಟಾ ಪರಿವರ್ತನೆ ಯೋಜನೆ;
ಬಳಸಿದ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಕಾರ್ಯವಿಧಾನಗಳ ಯೋಜನೆ ರೇಖಾಚಿತ್ರ.
ಇದೇ ಹಂತವು ಸಮೀಕ್ಷೆಯ ಕಾರ್ಯವಿಧಾನವನ್ನು ಒಳಗೊಂಡಿದೆ. ಸಹಜವಾಗಿ, ಪ್ರಾಥಮಿಕ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯಲು ಮಾತ್ರ ಪ್ರಶ್ನಾವಳಿಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ.
ಸ್ವೀಕರಿಸಿದ ಡೇಟಾವನ್ನು ಸಂಪಾದಿಸಬೇಕು ಮತ್ತು ಅದಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಸಿದ್ಧಪಡಿಸಬೇಕು. ಪ್ರತಿ ಪ್ರಶ್ನಾವಳಿ ಅಥವಾ ವೀಕ್ಷಣಾ ಫಾರ್ಮ್ ಅನ್ನು ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಅಗತ್ಯವಿದ್ದರೆ, ಸರಿಹೊಂದಿಸಲಾಗುತ್ತದೆ. ಪ್ರತಿಯೊಂದು ಉತ್ತರಕ್ಕೂ ಸಂಖ್ಯಾ ಅಥವಾ ಅಕ್ಷರದ ಸಂಕೇತಗಳನ್ನು ನಿಗದಿಪಡಿಸಲಾಗಿದೆ - ಮಾಹಿತಿಯನ್ನು ಎನ್ಕೋಡ್ ಮಾಡಲಾಗಿದೆ. ಡೇಟಾ ತಯಾರಿಕೆಯಲ್ಲಿ ಸಂಪಾದನೆ, ಲಿಪ್ಯಂತರ ಮತ್ತು ಡೇಟಾವನ್ನು ಪರಿಶೀಲಿಸುವುದು, ಕೋಡಿಂಗ್ ಮತ್ತು ಅಗತ್ಯ ರೂಪಾಂತರಗಳು ಸೇರಿವೆ.
2.3 ಮಾದರಿ ಗುಣಲಕ್ಷಣಗಳ ನಿರ್ಣಯ
ನಿಯಮದಂತೆ, ಅಂಕಿಅಂಶಗಳ ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಅಂಕಿಅಂಶಗಳ ವೀಕ್ಷಣೆಯ ಪರಿಣಾಮವಾಗಿ ಸಂಗ್ರಹಿಸಿದ ಡೇಟಾವು ಮಾದರಿ ಜನಸಂಖ್ಯೆಯಾಗಿದೆ. ಅಂಕಿಅಂಶಗಳ ಸಂಶೋಧನೆಯ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಡೇಟಾ ರೂಪಾಂತರದ ಅನುಕ್ರಮವನ್ನು ಈ ಕೆಳಗಿನಂತೆ ಕ್ರಮಬದ್ಧವಾಗಿ ಪ್ರತಿನಿಧಿಸಬಹುದು (ಚಿತ್ರ 2.3)
ಚಿತ್ರ 2.3 ಅಂಕಿಅಂಶಗಳ ಡೇಟಾ ಪರಿವರ್ತನೆ ಯೋಜನೆ
ಮಾದರಿಯನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ, ಮಾದರಿಯಿಂದ ಪ್ರತಿನಿಧಿಸುವ ಜನಸಂಖ್ಯೆಯ ಬಗ್ಗೆ ತೀರ್ಮಾನಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು.
ಸಾಮಾನ್ಯ ಮಾದರಿ ನಿಯತಾಂಕಗಳ ಅಂತಿಮ ನಿರ್ಣಯಎಲ್ಲಾ ಪ್ರಶ್ನಾವಳಿಗಳನ್ನು ಸಂಗ್ರಹಿಸಿದ ನಂತರ ತಯಾರಿಸಲಾಗುತ್ತದೆ. ಇದು ಒಳಗೊಂಡಿದೆ:
ಪ್ರತಿಕ್ರಿಯಿಸುವವರ ನಿಜವಾದ ಸಂಖ್ಯೆಯನ್ನು ನಿರ್ಧರಿಸುವುದು,
ಮಾದರಿ ರಚನೆಯ ನಿರ್ಣಯ,
ಸಮೀಕ್ಷೆ ಸ್ಥಳದ ಮೂಲಕ ವಿತರಣೆ,
ಮಾದರಿಯ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಶ್ವಾಸಾರ್ಹತೆಗೆ ವಿಶ್ವಾಸಾರ್ಹ ಮಟ್ಟವನ್ನು ಸ್ಥಾಪಿಸುವುದು,
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ದೋಷದ ಲೆಕ್ಕಾಚಾರ ಮತ್ತು ಮಾದರಿಯ ಪ್ರಾತಿನಿಧ್ಯದ ನಿರ್ಣಯ.
ನೈಜ ಪ್ರಮಾಣಪ್ರತಿಕ್ರಿಯಿಸುವವರು ಯೋಜಿತಕ್ಕಿಂತ ಹೆಚ್ಚು ಅಥವಾ ಕಡಿಮೆ ಇರಬಹುದು. ಮೊದಲ ಆಯ್ಕೆಯು ವಿಶ್ಲೇಷಣೆಗೆ ಉತ್ತಮವಾಗಿದೆ, ಆದರೆ ಸಂಶೋಧನೆಯ ಗ್ರಾಹಕರಿಗೆ ಅನನುಕೂಲವಾಗಿದೆ. ಎರಡನೆಯದು ಸಂಶೋಧನೆಯ ಗುಣಮಟ್ಟದ ಮೇಲೆ ಋಣಾತ್ಮಕ ಪರಿಣಾಮ ಬೀರಬಹುದು ಮತ್ತು ಆದ್ದರಿಂದ, ವಿಶ್ಲೇಷಕರು ಅಥವಾ ಗ್ರಾಹಕರಿಗೆ ಲಾಭದಾಯಕವಲ್ಲ.
ಮಾದರಿ ರಚನೆಯಾದೃಚ್ಛಿಕ ಅಥವಾ ಯಾದೃಚ್ಛಿಕವಲ್ಲದಿರಬಹುದು (ಹಿಂದೆ ತಿಳಿದಿರುವ ಮಾನದಂಡದ ಆಧಾರದ ಮೇಲೆ ಪ್ರತಿಕ್ರಿಯಿಸಿದವರನ್ನು ಆಯ್ಕೆಮಾಡಲಾಗಿದೆ, ಉದಾಹರಣೆಗೆ, ಕೋಟಾ ವಿಧಾನದಿಂದ). ಯಾದೃಚ್ಛಿಕ ಮಾದರಿಗಳು ಆದ್ಯತೆಯ ಪ್ರತಿನಿಧಿಗಳಾಗಿವೆ. ಯಾದೃಚ್ಛಿಕವಲ್ಲದ ಮಾದರಿಗಳು ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಜನಸಂಖ್ಯೆಯನ್ನು ಪ್ರತಿನಿಧಿಸುವುದಿಲ್ಲ ಆದರೆ ಸಂಶೋಧನೆಗೆ ಪ್ರಮುಖ ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸುತ್ತವೆ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಅವಶ್ಯಕತೆಗಳನ್ನು ಪೂರೈಸದ ಪ್ರತಿಸ್ಪಂದಕರನ್ನು ಫಿಲ್ಟರ್ ಮಾಡಲು ನಿರ್ದಿಷ್ಟವಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಪ್ರಶ್ನಾವಳಿಯ ಫಿಲ್ಟರಿಂಗ್ ಪ್ರಶ್ನೆಗಳನ್ನು ಸಹ ನೀವು ಎಚ್ಚರಿಕೆಯಿಂದ ಪರಿಗಣಿಸಬೇಕು.
ಫಾರ್ ಮೌಲ್ಯಮಾಪನದ ನಿಖರತೆಯನ್ನು ನಿರ್ಧರಿಸುವುದುಮೊದಲನೆಯದಾಗಿ, ವಿಶ್ವಾಸಾರ್ಹ ಮಟ್ಟವನ್ನು (95% ಅಥವಾ 99%) ಹೊಂದಿಸುವುದು ಅವಶ್ಯಕ. ನಂತರ ಗರಿಷ್ಠ ಅಂಕಿಅಂಶ ದೋಷಮಾದರಿಯನ್ನು ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ
ಅಥವಾ 
,
ಎಲ್ಲಿ 
- ಮಾದರಿ ಅಳತೆ, 
- ಅಧ್ಯಯನದ ಅಡಿಯಲ್ಲಿ ಈವೆಂಟ್ ಸಂಭವಿಸುವ ಸಂಭವನೀಯತೆ (ಪ್ರತಿವಾದಿಯನ್ನು ಮಾದರಿಯಲ್ಲಿ ಸೇರಿಸಲಾಗಿದೆ), 
- ವಿರುದ್ಧ ಘಟನೆಯ ಸಂಭವನೀಯತೆ (ಪ್ರತಿವಾದಿಯನ್ನು ಮಾದರಿಯಲ್ಲಿ ಸೇರಿಸಲಾಗಿಲ್ಲ), 
- ವಿಶ್ವಾಸಾರ್ಹ ಗುಣಾಂಕ, 
- ಗುಣಲಕ್ಷಣದ ವ್ಯತ್ಯಾಸ.
ವಿಶ್ವಾಸಾರ್ಹ ಸಂಭವನೀಯತೆ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹ ಗುಣಾಂಕಗಳ ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸುವ ಮೌಲ್ಯಗಳನ್ನು ಕೋಷ್ಟಕ 2.4 ತೋರಿಸುತ್ತದೆ.
ಕೋಷ್ಟಕ 2.4
2.5 ಕಂಪ್ಯೂಟರ್‌ನಲ್ಲಿ ಡೇಟಾ ಸಂಸ್ಕರಣೆ
ಕಂಪ್ಯೂಟರ್ ಬಳಸಿ ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸುವುದು ಹಲವಾರು ಅಗತ್ಯ ಹಂತಗಳನ್ನು ನಿರ್ವಹಿಸುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.
1. ಮೂಲ ಡೇಟಾದ ರಚನೆಯ ನಿರ್ಣಯ.
2. ಅದರ ರಚನೆ ಮತ್ತು ಪ್ರೋಗ್ರಾಂ ಅವಶ್ಯಕತೆಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ಕಂಪ್ಯೂಟರ್ಗೆ ಡೇಟಾವನ್ನು ನಮೂದಿಸುವುದು. ಡೇಟಾವನ್ನು ಸಂಪಾದಿಸುವುದು ಮತ್ತು ಪರಿವರ್ತಿಸುವುದು.
3. ಅಧ್ಯಯನದ ಉದ್ದೇಶಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ಡೇಟಾ ಸಂಸ್ಕರಣಾ ವಿಧಾನವನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸುವುದು.
4. ಡೇಟಾ ಸಂಸ್ಕರಣೆಯ ಫಲಿತಾಂಶವನ್ನು ಪಡೆಯುವುದು. ಅದನ್ನು ಸಂಪಾದಿಸಿ ಮತ್ತು ಅಗತ್ಯವಿರುವ ರೂಪದಲ್ಲಿ ಉಳಿಸಿ.
5. ಸಂಸ್ಕರಣೆಯ ಫಲಿತಾಂಶದ ವ್ಯಾಖ್ಯಾನ.
ಯಾವುದೇ ಕಂಪ್ಯೂಟರ್ ಪ್ರೋಗ್ರಾಂ ಹಂತಗಳನ್ನು 1 (ಪೂರ್ವಸಿದ್ಧತೆ) ಮತ್ತು 5 (ಅಂತಿಮ) ನಿರ್ವಹಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ - ಸಂಶೋಧಕರು ಅವುಗಳನ್ನು ಸ್ವತಃ ಮಾಡುತ್ತಾರೆ. ಪ್ರೋಗ್ರಾಂ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಸಂಶೋಧಕರು 2-4 ಹಂತಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತಾರೆ, ಆದರೆ ಡೇಟಾವನ್ನು ಸಂಪಾದಿಸಲು ಮತ್ತು ಪರಿವರ್ತಿಸಲು ಅಗತ್ಯವಾದ ಕಾರ್ಯವಿಧಾನಗಳು, ಡೇಟಾ ಸಂಸ್ಕರಣೆಯ ವಿಧಾನಗಳು ಮತ್ತು ಸಂಸ್ಕರಣಾ ಫಲಿತಾಂಶಗಳನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುವ ಸ್ವರೂಪವನ್ನು ಸಂಶೋಧಕರು ನಿರ್ಧರಿಸುತ್ತಾರೆ. ಕಂಪ್ಯೂಟರ್ನ ಸಹಾಯ (ಹಂತಗಳು 2-4) ಅಂತಿಮವಾಗಿ ಸಂಖ್ಯೆಗಳ ದೀರ್ಘ ಸರಣಿಯಿಂದ ಹೆಚ್ಚು ಸಾಂದ್ರವಾದ ಒಂದಕ್ಕೆ ಚಲಿಸುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಕಂಪ್ಯೂಟರ್ನ "ಇನ್ಪುಟ್" ನಲ್ಲಿ, ಸಂಶೋಧಕರು ಆರಂಭಿಕ ಡೇಟಾದ ಒಂದು ಶ್ರೇಣಿಯನ್ನು ಸಲ್ಲಿಸುತ್ತಾರೆ, ಅದು ಗ್ರಹಿಕೆಗೆ ಪ್ರವೇಶಿಸಲಾಗುವುದಿಲ್ಲ, ಆದರೆ ಕಂಪ್ಯೂಟರ್ ಪ್ರಕ್ರಿಯೆಗೆ ಸೂಕ್ತವಾಗಿದೆ (ಹಂತ 2). ನಂತರ ಸಂಶೋಧಕರು ಕಾರ್ಯ ಮತ್ತು ಡೇಟಾ ರಚನೆಗೆ (ಹಂತ 3) ಅನುಗುಣವಾಗಿ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಪ್ರೋಗ್ರಾಂಗೆ ಆದೇಶವನ್ನು ನೀಡುತ್ತಾರೆ. "ಔಟ್‌ಪುಟ್" ನಲ್ಲಿ, ಅವನು ಸಂಸ್ಕರಣೆಯ ಫಲಿತಾಂಶವನ್ನು ಪಡೆಯುತ್ತಾನೆ (ಹಂತ 4) - ಡೇಟಾದ ಒಂದು ಶ್ರೇಣಿ, ಕೇವಲ ಚಿಕ್ಕದಾಗಿದೆ, ಗ್ರಹಿಕೆಗೆ ಮತ್ತು ಅರ್ಥಪೂರ್ಣ ವ್ಯಾಖ್ಯಾನಕ್ಕೆ ಪ್ರವೇಶಿಸಬಹುದು. ಅದೇ ಸಮಯದಲ್ಲಿ, ಡೇಟಾದ ಸಮಗ್ರ ವಿಶ್ಲೇಷಣೆಗೆ ಸಾಮಾನ್ಯವಾಗಿ ವಿವಿಧ ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಪುನರಾವರ್ತಿತ ಪ್ರಕ್ರಿಯೆಯ ಅಗತ್ಯವಿರುತ್ತದೆ.
2.6 ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ ತಂತ್ರವನ್ನು ಆಯ್ಕೆಮಾಡುವುದು
ಸಂಗ್ರಹಿಸಿದ ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸುವ ತಂತ್ರದ ಆಯ್ಕೆಯು ಅಧ್ಯಯನದ ಅಡಿಯಲ್ಲಿ ವಿಷಯ ಪ್ರದೇಶದ ಸೈದ್ಧಾಂತಿಕ ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ಅಂಶಗಳ ಜ್ಞಾನವನ್ನು ಆಧರಿಸಿದೆ, ಮಾಹಿತಿಯ ನಿಶ್ಚಿತಗಳು ಮತ್ತು ತಿಳಿದಿರುವ ಗುಣಲಕ್ಷಣಗಳು, ನಿರ್ದಿಷ್ಟ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಧಾನಗಳ ಗುಣಲಕ್ಷಣಗಳು, ಹಾಗೆಯೇ ಅನುಭವ ಮತ್ತು ವೀಕ್ಷಣೆಗಳು ಸಂಶೋಧಕ.
ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯು ಅಧ್ಯಯನದ ಅಂತಿಮ ಗುರಿಯಲ್ಲ ಎಂದು ನೆನಪಿನಲ್ಲಿಡಬೇಕು. ನಿರ್ದಿಷ್ಟ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ಮತ್ತು ಸಾಕಷ್ಟು ನಿರ್ವಹಣಾ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡುವ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯುವುದು ಇದರ ಗುರಿಯಾಗಿದೆ. ವಿಶ್ಲೇಷಣೆಯ ತಂತ್ರದ ಆಯ್ಕೆಯು ಪ್ರಕ್ರಿಯೆಯ ಹಿಂದಿನ ಹಂತಗಳ ಫಲಿತಾಂಶಗಳ ಪರೀಕ್ಷೆಯೊಂದಿಗೆ ಪ್ರಾರಂಭವಾಗಬೇಕು: ಸಮಸ್ಯೆಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದು ಮತ್ತು ಸಂಶೋಧನಾ ಯೋಜನೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು. ಸಂಶೋಧನಾ ಯೋಜನೆಯ ಒಂದು ಅಂಶವಾಗಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾದ ಪ್ರಾಥಮಿಕ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ ಯೋಜನೆಯನ್ನು "ಡ್ರಾಫ್ಟ್" ಆಗಿ ಬಳಸಲಾಗುತ್ತದೆ. ನಂತರ, ಸಂಶೋಧನಾ ಪ್ರಕ್ರಿಯೆಯ ನಂತರದ ಹಂತಗಳಲ್ಲಿ ಹೆಚ್ಚುವರಿ ಮಾಹಿತಿ ಲಭ್ಯವಾಗುವಂತೆ, ಕೆಲವು ಬದಲಾವಣೆಗಳನ್ನು ಮಾಡಬೇಕಾಗಬಹುದು.
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಧಾನಗಳನ್ನು ಒಂದು- ಮತ್ತು ಮಲ್ಟಿವೇರಿಯೇಟ್ ಆಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ. ಮಾದರಿಯ ಎಲ್ಲಾ ಅಂಶಗಳನ್ನು ಒಂದು ಸೂಚಕದಿಂದ ನಿರ್ಣಯಿಸಿದಾಗ ಅಥವಾ ಪ್ರತಿ ಅಂಶಕ್ಕೆ ಈ ಹಲವಾರು ಸೂಚಕಗಳು ಇದ್ದಲ್ಲಿ ಏಕರೂಪದ ವಿಧಾನಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ, ಆದರೆ ಪ್ರತಿ ವೇರಿಯಬಲ್ ಅನ್ನು ಎಲ್ಲಾ ಇತರರಿಂದ ಪ್ರತ್ಯೇಕವಾಗಿ ವಿಶ್ಲೇಷಿಸಲಾಗುತ್ತದೆ.
ಪ್ರತಿ ಮಾದರಿ ಅಂಶವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಎರಡು ಅಥವಾ ಹೆಚ್ಚಿನ ಕ್ರಮಗಳನ್ನು ಬಳಸಿದಾಗ ಮತ್ತು ಈ ಅಸ್ಥಿರಗಳನ್ನು ಏಕಕಾಲದಲ್ಲಿ ವಿಶ್ಲೇಷಿಸಿದಾಗ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಗೆ ಮಲ್ಟಿವೇರಿಯೇಟ್ ತಂತ್ರಗಳು ಅತ್ಯುತ್ತಮವಾಗಿವೆ. ವಿದ್ಯಮಾನಗಳ ನಡುವಿನ ಅವಲಂಬನೆಯನ್ನು ನಿರ್ಧರಿಸಲು ಇಂತಹ ವಿಧಾನಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ.
ಮಲ್ಟಿವೇರಿಯೇಟ್ ವಿಧಾನಗಳು ಏಕರೂಪದ ವಿಧಾನಗಳಿಂದ ಭಿನ್ನವಾಗಿರುತ್ತವೆ, ಪ್ರಾಥಮಿಕವಾಗಿ ಅವುಗಳನ್ನು ಬಳಸಿದಾಗ, ವಿದ್ಯಮಾನಗಳ ಮಟ್ಟಗಳು (ಸರಾಸರಿಗಳು) ಮತ್ತು ವಿತರಣೆಗಳು (ವ್ಯತ್ಯಾಸಗಳು) ನಿಂದ ಗಮನವು ಬದಲಾಗುತ್ತದೆ ಮತ್ತು ಈ ವಿದ್ಯಮಾನಗಳ ನಡುವಿನ ಸಂಬಂಧದ ಮಟ್ಟವನ್ನು (ಪರಸ್ಪರ ಸಂಬಂಧ ಅಥವಾ ಸಹವರ್ತಿತ್ವ) ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ.
ವಿಶ್ಲೇಷಣೆ ಮಾಡಲಾದ ಡೇಟಾವು ಮೆಟ್ರಿಕ್ ಅಥವಾ ನಾನ್-ಮೆಟ್ರಿಕ್ ಎಂಬುದನ್ನು ಆಧರಿಸಿ ಏಕರೂಪದ ವಿಧಾನಗಳನ್ನು ವರ್ಗೀಕರಿಸಬಹುದು (ಚಿತ್ರ 3). ಮೆಟ್ರಿಕ್ ಡೇಟಾವನ್ನು ಮಧ್ಯಂತರ ಪ್ರಮಾಣದಲ್ಲಿ ಅಥವಾ ಸಂಬಂಧಿತ ಪ್ರಮಾಣದಲ್ಲಿ ಅಳೆಯಲಾಗುತ್ತದೆ. ನಾನ್ಮೆಟ್ರಿಕ್ ಡೇಟಾವನ್ನು ನಾಮಮಾತ್ರ ಅಥವಾ ಆರ್ಡಿನಲ್ ಪ್ರಮಾಣದಲ್ಲಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲಾಗುತ್ತದೆ
ಹೆಚ್ಚುವರಿಯಾಗಿ, ಈ ವಿಧಾನಗಳನ್ನು ಅಧ್ಯಯನದಲ್ಲಿ ಎಷ್ಟು ಮಾದರಿಗಳನ್ನು-ಒಂದು, ಎರಡು ಅಥವಾ ಹೆಚ್ಚಿನದನ್ನು ವಿಶ್ಲೇಷಿಸಲಾಗಿದೆ ಎಂಬುದರ ಆಧಾರದ ಮೇಲೆ ವರ್ಗಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ.
ಒಂದು ಆಯಾಮದ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಧಾನಗಳ ವರ್ಗೀಕರಣವನ್ನು ಅಂಜೂರ 2.4 ರಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗಿದೆ.
ಅಕ್ಕಿ. 2.4 ವಿಶ್ಲೇಷಿಸಿದ ಡೇಟಾವನ್ನು ಅವಲಂಬಿಸಿ ಏಕರೂಪದ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಧಾನಗಳ ವರ್ಗೀಕರಣ
ನಿರ್ದಿಷ್ಟ ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಡೇಟಾವನ್ನು ಹೇಗೆ ನಿರ್ವಹಿಸಲಾಗುತ್ತದೆ ಎಂಬುದರ ಮೂಲಕ ಮಾದರಿಗಳ ಸಂಖ್ಯೆಯನ್ನು ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ, ಡೇಟಾವನ್ನು ಹೇಗೆ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ ಎಂಬುದರ ಮೂಲಕ ಅಲ್ಲ. ಉದಾಹರಣೆಗೆ, ಗಂಡು ಮತ್ತು ಹೆಣ್ಣುಗಳ ಮೇಲಿನ ಡೇಟಾವನ್ನು ಒಂದೇ ಮಾದರಿಯಲ್ಲಿ ಪಡೆಯಬಹುದು, ಆದರೆ ವಿಶ್ಲೇಷಣೆಯು ಲಿಂಗ ವ್ಯತ್ಯಾಸಗಳ ಆಧಾರದ ಮೇಲೆ ಗ್ರಹಿಕೆಯಲ್ಲಿನ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಗುರುತಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿದ್ದರೆ, ಸಂಶೋಧಕರು ಎರಡು ವಿಭಿನ್ನ ಮಾದರಿಗಳೊಂದಿಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸಬೇಕಾಗುತ್ತದೆ. ಮಾದರಿಗಳು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಪರಸ್ಪರ ಸಂಬಂಧ ಹೊಂದಿಲ್ಲದಿದ್ದರೆ ಸ್ವತಂತ್ರವೆಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ. ಒಂದು ಮಾದರಿಯಲ್ಲಿ ತೆಗೆದುಕೊಂಡ ಅಳತೆಗಳು ಇನ್ನೊಂದರಲ್ಲಿ ಅಸ್ಥಿರ ಮೌಲ್ಯಗಳ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವುದಿಲ್ಲ. ವಿಶ್ಲೇಷಣೆಗಾಗಿ, ಹೆಣ್ಣು ಮತ್ತು ಪುರುಷರಿಂದ ಸಂಗ್ರಹಿಸಿದಂತಹ ಪ್ರತಿಸ್ಪಂದಕರ ವಿವಿಧ ಗುಂಪುಗಳಿಂದ ಡೇಟಾವನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಸ್ವತಂತ್ರ ಮಾದರಿಗಳಾಗಿ ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ.
ಮತ್ತೊಂದೆಡೆ, ಎರಡು ಮಾದರಿಗಳ ಡೇಟಾವು ಪ್ರತಿಕ್ರಿಯಿಸುವವರ ಒಂದೇ ಗುಂಪನ್ನು ಉಲ್ಲೇಖಿಸಿದರೆ, ಮಾದರಿಗಳನ್ನು ಜೋಡಿಯಾಗಿ - ಅವಲಂಬಿತವೆಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ.
ಮೆಟ್ರಿಕ್ ಡೇಟಾದ ಒಂದೇ ಒಂದು ಮಾದರಿ ಇದ್ದರೆ, z-ಪರೀಕ್ಷೆ ಮತ್ತು t-ಪರೀಕ್ಷೆಯನ್ನು ಬಳಸಬಹುದು. ಎರಡು ಅಥವಾ ಹೆಚ್ಚು ಸ್ವತಂತ್ರ ಮಾದರಿಗಳು ಇದ್ದರೆ, ಮೊದಲ ಸಂದರ್ಭದಲ್ಲಿ ನೀವು ಎರಡು ಮಾದರಿಗಳಿಗೆ z- ಮತ್ತು t-ಪರೀಕ್ಷೆಯನ್ನು ಬಳಸಬಹುದು, ಎರಡನೆಯದರಲ್ಲಿ - ವ್ಯತ್ಯಾಸದ ಏಕಮುಖ ವಿಶ್ಲೇಷಣೆಯ ವಿಧಾನ. ಎರಡು ಸಂಬಂಧಿತ ಮಾದರಿಗಳಿಗೆ, ಜೋಡಿಯಾಗಿರುವ ಟಿ-ಪರೀಕ್ಷೆಯನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ನಾವು ಒಂದೇ ಮಾದರಿಯಿಂದ ಮೆಟ್ರಿಕ್ ಅಲ್ಲದ ಡೇಟಾವನ್ನು ಕುರಿತು ಮಾತನಾಡುತ್ತಿದ್ದರೆ, ಸಂಶೋಧಕರು ಆವರ್ತನ ವಿತರಣಾ ಪರೀಕ್ಷೆಗಳು, ಚಿ-ಸ್ಕ್ವೇರ್, ಕೊಲ್ಮೊಗೊರೊವ್-ಸ್ಮಿರ್ನೋವ್ (ಕೆ ~ ಎಸ್) ಪರೀಕ್ಷೆ, ಸರಣಿ ಪರೀಕ್ಷೆ ಮತ್ತು ದ್ವಿಪದ ಪರೀಕ್ಷೆಯನ್ನು ಬಳಸಬಹುದು. ಮೆಟ್ರಿಕ್ ಅಲ್ಲದ ಡೇಟಾದೊಂದಿಗೆ ಎರಡು ಸ್ವತಂತ್ರ ಮಾದರಿಗಳಿಗಾಗಿ, ನೀವು ಈ ಕೆಳಗಿನ ವಿಶ್ಲೇಷಣೆಯ ವಿಧಾನಗಳನ್ನು ಆಶ್ರಯಿಸಬಹುದು: ಚಿ-ಸ್ಕ್ವೇರ್, ಮನ್-ವಿಟ್ನಿ, ಮೀಡಿಯನ್ಸ್, ಕೆ-ಎಸ್, ವ್ಯತ್ಯಾಸದ ಏಕಮುಖ ವಿಶ್ಲೇಷಣೆ ಕ್ರುಸ್ಕಲ್-ವಾಲಿಸ್ (ANOVA). ಇದಕ್ಕೆ ವ್ಯತಿರಿಕ್ತವಾಗಿ, ಎರಡು ಅಥವಾ ಹೆಚ್ಚಿನ ಸಂಬಂಧಿತ ಮಾದರಿಗಳಿದ್ದರೆ, ಚಿಹ್ನೆ, ಮ್ಯಾಕ್‌ನೆಮರ್ ಮತ್ತು ವಿಲ್ಕಾಕ್ಸನ್ ಪರೀಕ್ಷೆಗಳನ್ನು ಬಳಸಬೇಕು.
ಮಲ್ಟಿವೇರಿಯೇಟ್ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಧಾನಗಳು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಮಾದರಿಗಳನ್ನು ಗುರುತಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿವೆ: ಅಸ್ಥಿರಗಳ ಪರಸ್ಪರ ಅವಲಂಬನೆ, ಸಂಬಂಧ ಅಥವಾ ಘಟನೆಗಳ ಅನುಕ್ರಮ, ಅಂತರ-ವಸ್ತು ಹೋಲಿಕೆ.
ಸಾಕಷ್ಟು ಸಾಂಪ್ರದಾಯಿಕವಾಗಿ, ನಾವು ಐದು ಗುಣಮಟ್ಟದ ಮಾದರಿಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಬಹುದು, ಅದರ ಅಧ್ಯಯನವು ಗಮನಾರ್ಹ ಆಸಕ್ತಿಯನ್ನು ಹೊಂದಿದೆ: ಸಂಘ, ಅನುಕ್ರಮ, ವರ್ಗೀಕರಣ, ಕ್ಲಸ್ಟರಿಂಗ್ ಮತ್ತು ಮುನ್ಸೂಚನೆ
ಹಲವಾರು ಘಟನೆಗಳು ಒಂದಕ್ಕೊಂದು ಸಂಬಂಧಿಸಿದ್ದಾಗ ಸಂಘವು ಸಂಭವಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಸೂಪರ್ಮಾರ್ಕೆಟ್ನಲ್ಲಿ ನಡೆಸಿದ ಅಧ್ಯಯನವು ಕಾರ್ನ್ ಚಿಪ್ಸ್ ಅನ್ನು ಖರೀದಿಸುವವರಲ್ಲಿ 65% ರಷ್ಟು ಕೋಕಾ-ಕೋಲಾವನ್ನು ಸಹ ಖರೀದಿಸುತ್ತದೆ ಎಂದು ತೋರಿಸಬಹುದು ಮತ್ತು ಅಂತಹ ಸೆಟ್ಗೆ ರಿಯಾಯಿತಿ ಇದ್ದರೆ, ಅವರು 85% ಪ್ರಕರಣಗಳಲ್ಲಿ ಕೋಕ್ ಅನ್ನು ಖರೀದಿಸುತ್ತಾರೆ. ಅಂತಹ ಸಂಘದ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಹೊಂದಿರುವ, ಒದಗಿಸಿದ ರಿಯಾಯಿತಿ ಎಷ್ಟು ಪರಿಣಾಮಕಾರಿ ಎಂದು ನಿರ್ವಾಹಕರು ನಿರ್ಣಯಿಸುವುದು ಸುಲಭ.
ಸಮಯಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಘಟನೆಗಳ ಸರಪಳಿ ಇದ್ದರೆ, ನಾವು ಅನುಕ್ರಮದ ಬಗ್ಗೆ ಮಾತನಾಡುತ್ತೇವೆ. ಉದಾಹರಣೆಗೆ, ಮನೆಯನ್ನು ಖರೀದಿಸಿದ ನಂತರ, 45% ಪ್ರಕರಣಗಳಲ್ಲಿ, ಒಂದು ತಿಂಗಳೊಳಗೆ ಹೊಸ ಅಡಿಗೆ ಸ್ಟೌವ್ ಅನ್ನು ಖರೀದಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಎರಡು ವಾರಗಳಲ್ಲಿ, 60% ಹೊಸ ನಿವಾಸಿಗಳು ರೆಫ್ರಿಜಿರೇಟರ್ ಅನ್ನು ಪಡೆದುಕೊಳ್ಳುತ್ತಾರೆ.
ವರ್ಗೀಕರಣದ ಸಹಾಯದಿಂದ, ನಿರ್ದಿಷ್ಟ ವಸ್ತುವು ಸೇರಿರುವ ಗುಂಪನ್ನು ನಿರೂಪಿಸುವ ಚಿಹ್ನೆಗಳನ್ನು ಗುರುತಿಸಲಾಗುತ್ತದೆ. ಈಗಾಗಲೇ ವರ್ಗೀಕರಿಸಲಾದ ವಸ್ತುಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ ಮತ್ತು ಕೆಲವು ನಿಯಮಗಳನ್ನು ರೂಪಿಸುವ ಮೂಲಕ ಇದನ್ನು ಮಾಡಲಾಗುತ್ತದೆ.
ಗುಂಪುಗಳು ಸ್ವತಃ ಪೂರ್ವನಿರ್ಧರಿತವಾಗಿಲ್ಲದ ವರ್ಗೀಕರಣದಿಂದ ಕ್ಲಸ್ಟರಿಂಗ್ ಭಿನ್ನವಾಗಿದೆ. ಕ್ಲಸ್ಟರಿಂಗ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು, ಡೇಟಾದ ವಿವಿಧ ಏಕರೂಪದ ಗುಂಪುಗಳನ್ನು ಗುರುತಿಸಲಾಗುತ್ತದೆ.
ಎಲ್ಲಾ ರೀತಿಯ ಮುನ್ಸೂಚನೆ ವ್ಯವಸ್ಥೆಗಳಿಗೆ ಆಧಾರವು ಸಮಯ ಸರಣಿಯ ರೂಪದಲ್ಲಿ ಸಂಗ್ರಹವಾಗಿರುವ ಐತಿಹಾಸಿಕ ಮಾಹಿತಿಯಾಗಿದೆ. ಗುರಿ ಸೂಚಕಗಳ ನಡವಳಿಕೆಯ ಡೈನಾಮಿಕ್ಸ್ ಅನ್ನು ಸಮರ್ಪಕವಾಗಿ ಪ್ರತಿಬಿಂಬಿಸುವ ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ಸಾಧ್ಯವಾದರೆ, ಅವರ ಸಹಾಯದಿಂದ ಭವಿಷ್ಯದಲ್ಲಿ ಸಿಸ್ಟಮ್ನ ನಡವಳಿಕೆಯನ್ನು ಊಹಿಸಲು ಸಾಧ್ಯವಿದೆ.
ಮಲ್ಟಿವೇರಿಯೇಟ್ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಧಾನಗಳನ್ನು ಸಂಬಂಧ ವಿಶ್ಲೇಷಣೆ ವಿಧಾನಗಳು ಮತ್ತು ವರ್ಗೀಕರಣ ವಿಶ್ಲೇಷಣೆ (Fig. 2.5) ಎಂದು ವಿಂಗಡಿಸಬಹುದು.
ಚಿತ್ರ 2.5 - ಮಲ್ಟಿವೇರಿಯೇಟ್ ಸ್ಟ್ಯಾಟಿಸ್ಟಿಕಲ್ ವಿಧಾನಗಳ ವರ್ಗೀಕರಣ