مقایسه شبکه های عصبی و رگرسیون در پیش بینی رضامندی زناشویی بر مبنای ویژگیهای شخصیتی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده علوم انسانی
- نویسنده روح الله عباسی
- استاد راهنما سیدکاظم رسولزاده طباطبایی احسان اله کبیر
- سال انتشار 1388
چکیده
هدف از پی ریزی این پژوهش، مقایسه توانایی مدل شبکه عصبی و رگرسیون در پیش بینی رضامندی زناشویی بر اساس ویژگیهای شخصیتی بوده است. همچنین در این تحقیق به بررسی مهم ترین عوامل شخصیتی موثر در رضامندی زناشویی پرداخته می شود. جامعه آماری شامل کلیه ساکنین خوابگاههای متاهلین دانشگاههای استان تهران است. به روش نمونه گیری تصادفی (چند مرحله ای) از میان دانشجویان 4 دانشگاه، تعداد 600 نفر (300 زوج) به عنوان گروه نمونه انتخاب شدند. ابزارهای اندازه گیری عبارتند از پرسشنامه 5 عاملی شخصیت neo-ffi و پرسشنامه رضایت زناشویی انریچ و پرسشنامه اطلاعات فردی. برای تجزیه و تحلیل داده ها از رگرسیون چندگانه، آزمون غیر پارامتریک مک نمار ، منحنی roc ، آزمون معناداری ضریب همبستگی پیرسون، آزمونt مستقل، تحلیل واریانس یکراهه و آزمون تعقیبی توکی hsd استفاده شده است. نتایج نشان داد که چهار عامل «مسئولیت پذیری مرد»، «مسئولیت پذیری زن»، «روان آزرده گرایی مرد» و «سازگاری مرد» می توانند 2/29% واریانس رضایت زناشویی مردان را بطور معناداری تبیین کنند (03/0 >p) و ویژگیهای شخصیتی«مسئولیت پذیری زن»، «روان آزرده گرایی زن» و «روان آزرده گرایی مرد» می توانند 27% از تغییرات رضایت زناشویی زنان را بطور معناداری تبیین نمایند (002/0 > p). همچنین یافته حاکی از آن است که شبکه عصبی(mlp) بطور معناداری موفقتر از رگرسیون چندگانه می تواند رضایت زناشویی مردان/زنان را پیش بینی نماید( 05/0 p < ). علاوه بر یافته های فوق، در این تحقیق به بررسی نقش عوامل فردی- اجتماعی بر رضامندی زناشویی نیز پرداخته شده است. در مجموع، در صورت طراحی مدل پویای شبکه عصبی با قابلیت پیش بینی رضامندی زناشویی، کمک شایانی به بهبود و ارتقاء کیفیت مشاوره های خانواده در کشور خواهد شد.
منابع مشابه
پیشبینی رضامندی زناشویی برمبنای ویژگیهای شخصیتی: مقایسه مدل شبکه عصبی مصنوعی و روش رگرسیون
مقدمه: ضرور ی است که با بررسی دقیق مدلهای پیشبینیکننده جدید و دارای قابلیتهای مضاعف، ضمن مقایسه با روشهای آماری متداول و یافتن نقاط قوت و ضعف هر یک از آنها، بتوان در پژوهشهای آتی مدلی که محققان را به بهترین پیشبینی رهنمون سازد، پیشنهاد نمود. هدف از پیریزی این پژوهش، مقایسه توانایی مدل شبکه عصبی و رگرسیون در پیشبینی رضامندی زناشویی براساس ویژگیهای شخصیتی بود. روش: ا ی ن پژوهش...
متن کاملمقایسه شبکه عصبی و رگرسیون در پیش بینی شادمانی بر مبنای جنسیت ویژگی های شخصیتی، عزت نفس و سک مقابله
هدف پژوهش مقایسه دو مدل شبکه عصبی و رگرسیون برای پیش بینی شادکامی برمبنای ویژگی های شخصیت، عزت نفس و سبک های مقابله بوده است نتایج نشان داد شبکه عصبی موفق تر از رگرسیون عمل مب کمد
کارایی شبکه های عصبی، رگرسیون لجستیک و تحلیل تمایزی در پیش بینی نکول
مدل های آماری مختلفی برای پیش بینی و طبقه بندی در علوم وجود دارد. روش های آماری و اقتصادسنجی نظیر رگرسیون، تحلیل تمایزی، سری های زمانی، رده بندی و دیگر روش ها، بر اساس متغیرها و اطلاعات موجود برای پیش بینی و طبقه بندی یک موضوع خاص به کار می روند. مدل های آماری متأثر از مفروضات و محدودیت های زیادی هستند، بدین لحاظ اخیرا شبکه های عصبی به عنوان شیوه ی نوین پیش بینی به دلیل عدم نیاز به ...
متن کاملمقایسه دقت پیش بینی شبکه های عصبی مصنوعی و رگرسیون لجستیک دو متغیره در تشخیص همزمان بیماری فشارخون و دیابت
Background : Diabetes and hypertension are from important non-communicable diseases in the world and their prevalence are very important for health authorities. The objective of this study was to compare the predictive precision of joint logistic regression (LR) and artificial neutral network (ANN) in concurrent diagnosis of diabetes and hypertension. Methods : This cross-sectional study wa...
متن کاملمقایسه عملکرد شبکه های عصبی مصنوعی و شبکه های عصبی موجکی در پیش بینی درصد شکستگی جو در کمباین برداشت
در این تحقیق، نحوه عملکرد شبکه های عصبی موجکی با شبکه های عصبی مصنوعی در پیش بینی درصد شکستگی دانه های جو در کمباین مقایسه شد. شبکههای مزبور به صورت تابعی از درجه حرارت هوا، سرعت کوبنده، سرعت پیشروی کمباین، فاصله کوبنده و ضدکوبنده در جلو و عقب واحد کوبنده و درصد رطوبت جو آموزش داده شد. شبکه عصبی موجکی (RASP1) با دقت 2/90 درصد در پیش بینی شکستگی دانه جو به عنوان یک جایگزین مناسب برای شبکههای...
متن کاملواکاوی کارایی روش های مبتنی بر شبکه های عصبی مصنوعی و رگرسیون خطی چندمتغیره در پیش بینی کشند
پیشبینی تغییرات کشند، بهدلیل اهمیتی که در برنامهریزیهای ناوگان دریایی و نظامی، حمل و نقل و کشتیرانی، طراحی بنادر و سایر مسایل مرتبط با امور دریا دارد؛ از دیرباز مورد توجه بوده است. هدف این مطالعه بررسی عملکرد مدلهای شبکههای عصبی پیشخور با 3 الگوریتم یادگیری کاهش شیب، شیب مزدوج و لونبرگ-مارکوارد در پیشبینی ساعتی تغییرات کشند است. بهعلاوه در تحقیق حاضر، نتایج حاصل از مدل رگرسیون خطی چندم...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده علوم انسانی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023