0
0
logo

آشنایی با نرم افزار SPSS

کارگاه SPSS

۱۳۹۶/۰۴/۲۳

توسط : حسام بذرافکن

123 بازدید

کاربردها و توانمندیهای SPSS

Spss یک نرم کاربردی و شناخته شده در علوم انسانی است، از این نرم افزار ویرایش های مختلفی ارائه شده است. با این حال تقریبا تمامی تحلیل های آماری را می توان به طور کامل با همه این ویرایش ها انجام داد. نرم افزار Spss قابلیت انجام تحلیل انواع آزمونها و تحلیل داده های آماری را داشته و یادگیری و آموزش آن برای دانشوران علوم انسانی بسیار با اهمیت و ضروری است. در این دوره  آموزشی از نرم افزار ویرایش ۱۸ استفاده می شود.

کل سر فصل دوره

 


درس اول

در این درس بطور کلی و سریع با فضای عمومی و بخش های اصلی نرم افزار SPSS آشنا می شوید.

این درس را به دقت ملاحظه نمایید.

توجه داشته باشید درس ها بسیار ساده و کاربردی برای شما تشریح می شود.

با دنبال کردن همه درس ها می توانید به راحتی تحلیل های آماری خود را انجام دهید.

  • توضیحات (راهنمای فیلم آموزشی):
  • معرفی فضای کلی نرم افزار و بخش های مختلف آن: بخش های ۵ گانه فضای اصلی نرم افزار
  1. بالای صفحه: عنوان فایل داده ها (نام فایل شما مطابق با نامی که داده ها را ذخیره کرده اید نام گذاری می شود.)
  2. ردیف دوم: منوها (منوها در واقع کلید های اصلی و ورودی به انجام تحلیل ها و کار با داده ها هستند.)
  3. ردیف سوم: کلیدهای میانبر (این کلید ها از منو ها گرفته شده و کار را برای کاربر آسان می کند. در برخی موارد خاص این میانبرها مورد استفاده قرار می گیرند.)میانبرهای کاربردی: اضافه کردن متغیر  یا   آزمودنی- نمایش لیبل ها- خلاصه عملیات
  4. ردیف چهارم: نمایش محتویات خانه (در این کادر، زمانی که بر روی یکی از خانه های جدول کلیلک کنید محتویات داخل هر خانه را نمایش می دهد. این کادر زمانی کاربرد دارد که در خانه های جدول داده هایی طولانی قرار داشته باشد که در فضای اندک جدول قابل مشاهده نباشد.)
  5. ستون ها و جدول ورود داده ها شامل ستون ها برای متغیرها و ردیف ها برای آزمودنی ها

دریافت فایل درس اول (رایگان)


 

 

درس دوم: معرفی منوهای کاربردی (پرکاربرد ترین موارد استفاده از منوهای نرم افزار)

در این درس با منوهای اصلی و کاربردی نرم افزار SPSS آشنا می شوید.

هر منو دارای زیر منوهایی است که در مراحل تحلیل و کار با نرم افزار به این موارد نیاز خواهید داشت. در این درس نگاهی اجمالی و صرفا جهت معرفی منو ها خواهیم داشت.

برای توضیحات بیشتر به راهنمای فیلم مراجعه نمایید.

توضیحات (راهنمای فیلم آموزشی):

درس دوم: معرفی منوهای کاربردی (پرکاربرد ترین موارد استفاده از منوهای نرم افزار)

  • منوی فایلFile: ذخیره سازی فایلsave، پرینت گرفتن فایل Print، باز کردن فایل داده open باز کردن یک صفحه جدید New
  • منوی Edit ویرایش داده ها: هرگاه نیاز به copy کردن و یا بریدن cut و چسباندن متن paste داشتید پس از انتخاب موارد و داده هایی که مقصد کپی کردن یا cut کردن و آن ها را دارید می توانید از این منو هم استفاده کنید.
  • منوی View (نمایش دادن): چک کردن کدهای اسمی – انتخاب Font- فرمان grid Lines

انتخاب Font: اگر تمایل داشته باشید در نوع و اندازه فونت بکار رفته در نوشتن داده ها متغیری ایجاد کنید می توانید از فرمان Font/view استفاده کنید تا کادر مخصوص به تغییر Font (Font size) (Font style) (Font) باز شود. پس از انتخاب نوع فونت سبک و اندازه font، دکمه ok را کلیک کنید تا Font شما تغییر کند. (البته شدیدا پیشنهاد می شود Font اولیه SPSS را تغییر ندهید و زیاد به تغییر فونت نپردازید)

فرمان Grid Lines: برداشتن خطوط جدول داده های SPSS: با استفاده از فرمان Grid Lines و برداشتن تیک √ کنار آن می توانید خطوط جدول داده ها SPSS را حذف کنید و با گذاشتن دوباره تیک این خطوط را بازگردانید.

  • منوی Data: سورت کردن و مرتب کردن داده ها و متغیرها cases sort- جداسازی متغیرهای طبقه ای split file وزن دادن به داده ها  Wight cases   { آموزش  در درس های بعدی}
  • منوی Transform: محاسبات ریاضی compute(ماشین حساب SPSS)– کدگذاری مجددRecode –تعریف داده های از دست رفته Replace missing value
  • منوی Analysis: (به معنای تجزیه و تحلیل کردن) این منوی بسیار مهم و پر کاربرد است. در واقع اکثر عملیات از طریق این منو انجام می شود. عملیات مربوط به آمارهای توصیفی- آزمونهای مختلف، همبستگی ها و… data، spilt file تفکیک متغیرها. (با کاربرد این نوها در درس های بعدی آشنا می شوید)

دریافت فایل درس دوم (رایگان)


 

 

درس سوم : نحوه تعریف متغیرها و ورود داده ها

شروع کار با نرم افزار SPSS

در نظر داشته باشید که پیش از کار با SPSS و وارد کردن داده ها ابتدا باید بدانیم چه نوع کاری می خواهیم انجام دهیم به عبارتی دیگر باید بدانیم قصد انجام چه نوع آزمون و عملیاتی را داریم، چون روش وارد کردن داده ها، بسته به نوع آزمون متفاوت خواهد بود، که به تدریج و در درس های بعدی به این روش ها اشاره خواهد شد، پس تا زمانی که نمی دانیم چه آزمونی باید انتخاب کنیم بهتر است هیچ داده ای وارد نشود!!!

ابتدا بیایید متغیرهایی را برای نرم افزار تعریف کنیم:

دانلود نمونه فایل SPSS  تمرین (فایل داده ها)

توضیحات (راهنمای فیلم آموزشی):
درس سوم : نحوه تعریف متغیرها و ورود داده ها

    • در نظر داشته باشید که پیش از کار با SPSS و وارد کردن داده ها ابتدا باید بدانیم چه نوع کاری می خواهیم انجام دهیم به عبارتی دیگر باید بدانیم قصد انجام چه نوع آزمون و عملیاتی را داریم، چون روش وارد کردن داده ها، بسته به نوع آزمون متفاوت خواهد بود، که به تدریج و در درس های بعدی به این روش ها اشاره خواهد شد، پس تا زمانی که نمی دانیم چه آزمونی باید انتخاب کنیم بهتر است هیچ داده ای وارد نشود!!!
    • پس از آن می باید متغیرهای خود را تعریف کنیم. یعنی برای نرم افزار SPSS مشخص کنیم که چند سوال داریم، چه متغیرهایی مورد نظر است، و چه نوع داده هایی را می خواهیم وارد کنیم.

    منظور از متغیر چیست؟ کافی است بدانیم، برای SPSS سن، جنس، مقطع تحصیلی، وضعیت تاهل، رشته تحصیلی و سایر مواردی که در آزمون و پرسشنامه از مخاطب سوال می شود به عنوان متغیر در نظر گرفته می شود.

    همچنین تک تک سوالات یک پرسشنامه، در SPSS متغیرهای ما هستند که معمولا با علامت q1 (سوال شماره ۱) q2 (سوال شماره ۲ و) و… مشخص می شود.

    تعریف متغیرها:

    برای معرفی متغیرها روی زبانه Variable View در پایین صفحه کلیک کنید.

    کار اول نام گذاری است: در نامگذاری باید به ۳ مورد توجه کرد.

    • Name یا نام متغیر (مثلا جنسیت، سن و… و یا q1 یا q2 برای سوالات) برای نام گذاری متغیر خود باید توجه کنید که طول نام حداکثر ۸ کاراکتر باشد. نام ها تکراری نباشند، کاراکتر اول هر نام باید از حروف الفبا باشند از اعداد شروع نشوند کاراکترهای دوم به بعد می تواند عدد باشد. حرف آخر نمی­تواند نقطه باشد. اسامی فاصله و کاما نمی گیرد.

    در برخی از ویرایش های نرم افزار می توان از حروف فارسی هم استفاده کرد ولی بهتر است این کار را نکنید چون برخی از پنجره ها با حروف فارسی سازگاری ندارند، پیشنهاد می شود کلیه اسامی لاتین و یا مخفف لاتین باشد.

    • VALUE: کدگذاری متغیرها: یکی از مراحل مهم در نام گذاری متغیرها، کدگذاری آنها و همچنین انتخاب نوع مقیاس (متغیرهای فاصله ای و نسبی نیاز به کدگذاری ندارند.) در آن متغیر است. از طریق زبانه value می­توانید بر اساس نوع مقیاس خود ارزش های هر طبقه را برای متغیر تعریف کنید. متغیرهای اسمی و متغیرهای ترتیبی نیاز به کدگذاری دارند زیرا که SPSS اعداد را می خواند و نه اسم ها را. مثال: فرض کنید متغیر جنسیت را برای آزمودنی در نظر گرفته اید و قصد دارید کد ۱ را برای زن ها و کد ۲ را برای مردها مشخص کنید. برای اینکار باید از این گزینه استفاده کرد.

    بطور مثال برای کدگذاری جنسیت زن، ابتدا عدد (۱) را در کادر Valus وارد کنید و در کادر Lable به فارسی یا انگلیسی عنوان زن را تایپ کنید سپس روی دکمه Add کلیک کنید و بعد از آن برای مردها عدد (۲) را به همین ترتیب وارد کرده و در پایان Ok نمایید. از این پس عدد (۱) در ستون متغیر (جنسیت) نمایانگر جنسیت زن و عدد (۲) نمایانگر جنسیت مرد خواهد بود.

    برای داده های ترتیبی هم می توان به این شکل عمل نمود مثلا در انتخاب دوره های تحقیقی لیسانس، فوق لیسانس و دکتری به ترتیب عدد (۱) و (۲) و (۳) را مشخص کرد.

    • MEASURE: انتخاب نوع مقیاس متغیر ((اسمی (naminal)- ترتیبی (Ordinal)- فاصله ای و نسبی (Scale)))

    انتخاب مقیاس:

    داده های فاصله ای نسبی نیاز به کدگذاری ندارند زیرا ارزش عددی آن ها مشخص است و به صورت داده هایی کمی می باشند، متغیرهای اسمی که متغیرهایی کیفی هستند نیاز به کدگذاری دارند تا به صورت کمیت هایی قابل شناسایی برای نرم افزار SPSS تبدیل شوند.که در بالا توضیح داده شد.

    داده های فاصله ای و یا نسبی مانند سن افراد، وزن افراد همگی جز مقیاس Scale هستند.

    متغیرهایی مانند جنسیت، وضعیت تاهل، رشته ی تحصیلی، نوع علاقه مندی و متغیرهایی این چنین همگی اسمی هستند و نیاز به کدگذاری دارند. (Namiral) سوالات یک پرسشنامه متغیرهایی هستند که آن ها ordinal می خوانیم. اگر مقیاس هایی باارزش های مختلف باشند مانند مقیاس لیکرت، ترتیبی هستند، به طور مثال برای مقیاس لیکرت ۱- کاملا موافق ۲- موافق و….


    ورود داده ها: Data View

    برای ورود داده ها، بر روی زبانه Data View در گوشه سمت راست کلیک می کنیم همانطور که در شکل می بینید، جدولی نمایان می شود که ستون آن متغیرها را نشان می دهند و ردیف ها شماره پرسشنامه یا شماره افراد را نشان می دهد.

    توجه کنید که اگر، قبل از نام گذاری متغیرها شروع به ورود داده ها کنید به محض اینکه اولین عدد را در یک ستون وارد کردید، SPSS نامی پیش فرض به شکل VAR00001، VAR00002 و… را در بالای آن ستون می نویسد که در واقع نام آن متغیر است، که خود SPSS نام گذاری کرده است. بنابراین برای نام گذاری آن متغیر به زبانه Variable View بازگردید و متغیر خود را نام گذاری و تعریف کنید و پس از آن شروع به ورود داده ها براساس اطلاعات پرسشنامه های خود به دست آورید کنید.

    نحوه ورود داده ها خانه به خانه: برای ورود داده ها پس از تعریف متغیرها با استفاده از کلیدهای جهت دار صفحه کیبورد می توانید داده هارو یکی یکی وارد کنید.

    پاک کردن یه ستون یا ردیف: برای حذف و پاک کردن یک ستون یا یه ردیف از کلید Delete در صفحه کیبورد خود استفاده کنید. بدین شکل که بر بالای ستون و بر روی نام متغیر و یا شماره آزمودنی در هر ردیف که تمایل دارید که آنرا حذف نمایید، کلیک کنید و سپس Delete نمایید. برای پاک کردن هر خانه به طور مجزا نیز بر روی خانه مورد نظر رفته و از این دکمه استفاده کنید.

 

 

درس چهارم: تمرین ورود داده ها

تمرین مربوط به شروع کار با نرم افزار SPSS

قبل از ورود اطلاعات:

۱- اگر نوع متغیرهای تحت مطالعه را نمی دانید اقدام به ورود اطلاعات نکنید.

۲- اگر نحوه تجزیه و تحلیل را نمی دانید اقدام به ورود اطلاعات نکنید.

۳- قبل از ورود اطلاعات روش تجزیه و تحلیل طرح پژوهشی را تعیین کنید.

دانلود نمونه فایل تمرین

توضیحات (راهنمای فیلم آموزشی): ذخیره کردن فایل و بازخوانی فایل داده 

برای اینکه بتوانید برای فایل خود یک عنوان نام انتخاب کنید و به اصطلاح فایل خود را نام گذاری کنید، لازم است از طریق منوی فایل (File) در بالای صفحه، گزینه  Save as را انتخاب کنید و پس از باز شدن کادر مربوط به آن در قسمت مربوط به Name یک نام برای پروژه یا فایل خود به دلخواه تایپ کنید.

توجه داشته باشید که این موضوع بسیار مهم است که حتما در مراحل انجام کار فایل خود را ذخیره کنید. چرا که زمان استفاده از این نرم افزار شما اطلاعات را می بایست تک تک وارد کنید که این کار بسیار زمان بر است بنابراین برای جلوگیری از حذف ناگهانی داده ها به علل مختلف مانند قطع برق یا بسته شدن ویندوز حتما پس از ورود داده ها  در چند مرحله فایل خود را ذخیره کنید.


 

 

درس پنجم: عملیات آمار توصیفی (محاسبه میانگین، واریانس، فراوانی ها و …)

عملیات آماری توصیفی

  • محاسبه فراوانی ها جدول و نمودار فراوانی
  • محاسبه شاخص ها توصیفی مرکزی و پراکندگی

درس پنجم: عملیات آمار توصیفی (محاسبه میانگین، واریانس، فراوانی ها و …)

آمار توصیفی: آمار توصیفی در پی توصیف طبقه بندی، خلاصه کردن و سازماندهی اطلاعات است. بوسیله آمار توصیفی پژوهشگر ابتدا داده های جمع آوری شده را با تهیه و تنظیم جدول توزیع فراوانی ها خلاصه می کند و سپس به کمک نمودار آن را نمایش می دهد و سرانجام با شاخص های آماری (شاخص های مرکزی و شاخص های پراکندگی) توصیفی آنها را خلاصه می کند.

شاخصهای مرکزی، شاخص هایی است که مجموعه ای از اطلاعات و اعداد را در یک عدد که نماینده  آن مجموعه اعداد است خلاصه می کند. مانند میانگین، میانه و نما. این شاخص تاکید بر توصیف میزان تراکم اندازه ها در توزیع و میزان گرایش آن ها به مرکز توزیع (داده های وسط) دارند.

اما شاخص های مرکزی به تنهایی برای توصیف اطلاعات کافی نیست!! چرا که میزان پراکندگی اعداد یا تغییر نمره ها در کل توزیع حائز اهمیت است.

شاخص های پراکندگی؛ شاخص هایی است که گستردگی و وسعت داده ها را تصیف می کند مثلا دامنه تغییرات (تفاضل بزرگترین داده با کوچکترین داده)، انحراف چارکی Q ، واریانس ۲S، انحراف استاندارد S ، انحراف متوسط MD

محاسبه شاخص های مرکزی و پراکندگی

برای بدست آوردن داده های توصیفی می توانید مسیر زیر را دنبال کنید:

Analysis/Descriptive statistics/Frequencies

پس از انتخاب متغیر یا (متغیرهای) مورد نظر خود در پنجره Frequencies بر روی دکمه Statistics کلیک کنید:

در این پنجره می تواند انتخاب گزینه های مورد نظر از میان شاخص های توصیفی را انتخاب کنید: مجموع کل/ مد/ میانه /میانگین/ اریب /کشیدگی دامنه /واریانس /انحراف معیار /انحراف معیار میانگین؛ سپس روی دکمه Continue کلیک کرده، و سپس (ok) نمایید.

توجه داشته باشید که برای رسم شدن جداول فراوانی، در همین مسیر و پنجره باز شده؛ می بایست تیک گزینه Display frequency tables فعال باشد.

پس از انجام این مراحل جدول فراوانی داده های شما نمایان خواهد شد که در آن مقدار فراوانی (Frequency) فراوانی مطلق، درصد فراوانی (Percent) فراوانی نسبی و فراوانی تجمعی (Cumulative Percent) مشخص گردیده است.

 

رسم نمودار فراوانی ها:

برای رسم نمودار فراوانی ها در همین مسیر می بایست پس از انتخاب متغیر یا متغیرهای مورد نظر خود، بر روی دکمه Chart کلیک کنید.

در این کادر ۳ نوع نمودار هست اسمی (میله ای ستونی) Bar charts دایره ای Pie Charts هیستوگرام histograms

نکته: برای دو نمودار Bar و Pie می توانید از دو حالت استفاده از مقدار عددی فراوانی ها Frequencies و یا درصد فراوانی ها Percentage استفاده کنید.

* رسم نمودار طبیعی بر روی نمودار: برای نمودار هیستوگرام فقط با کلیک کردن گزینهwith normal curve

* به تعداد متغیرها می توانید جدول فراوانی رسم کنید و نمودار فراوانی رسم کنید.

نکته: برای محاسبه ی شاخص های آمارهای توصیفی از مسیر دومی نیز می توانید استفاده کنید.

Descriptive Analysis/Descriptive statistics/

 

 

 

درس ششم: دستورهای بسیار کاربردی SPSS

  • دستور سورت کردن sort
  • دستور جداکردن طبقات split
  • محاسبات ریاضی compute

آنچه در درس ششم می آموزید:

  • یافتن متغیر یا آزمودنی از بین داده ها
  • دستور سورت کردن sort
  • دستور جداکردن طبقات split
  • محاسبات ریاضی compute

 

 

درس هفتم: عملیات آمار استنباطی (نحوه محاسبه ضریب همبستگی ساده)

عملیات آماری استنباطی

  • جدول توافقی و همبستگی کمی
  • سایر ضرایب همبستگی

جدول توافقی و همبستگی

همبستگی بیان رابطه و بررسی رابطه میان متغیرهاست. (مثلا اینکه چرا رابطه ای میان قد و سن وجود دارد آیا با افزایش سن، قد افراد هم افزایش می یابد. به بررسی چنین روابطی روابط همبستگی گویند. که اگر متغیرها با هم رابطه ای داشته باشند می گوییم با هم همبسته هستند یعنی با افزایش سن بر افزایش قد تاثیر دارد. در تحقیقات همبستگی متغیر مستقل را متغیر پیش بینی کننده و متغیر وابسته را متغیر پیش بینی شونده می نامند. (یا ملاک).

همبستگی از نظر ریاضی میان ۱+ تا ۱-، تعریف می شود ۱+ یعنی همبستگی زیاد و هم جهت و ۰ یعنی همبستگی وجود ندارد، ۱- یعنی همبستگی زیاد ولی خلاف جهت هم، اگر ضریب همبستگی از ۷۰% بیشتر باشد می گوییم رابط خطی و قوی است. اگر قصد تعیین رابط بین دو متغیر را داشته باشیم همبستگی تک متغیری است و اگر رابطه چند متغیر با یک متغیر دیگر باشد همبستگی چند متغیری و اگر چند متغیر با چند متغیر دیگر، همبستگی کانونی نام دارد. برای تعیین ضریب همبستگی که میان (۱+ تا ۱-) قرار دارد از آزمون های متفاوتی که بستگی به نوع متغیرها از نظر مقیاس و تدلومتر دارد استفاده می شود.

معروف ترین ضرایب همبستگی:

* ضریب همبستگی پیرسون است که فقط در آمار پارامتریک در صورتی که هر دو متغیر حداقل فاصله ای باشد (یعنی یا فاصله ای باشند یا نسبی باشند) مثل (رابطه هوش و پیشرفت تحصیلی) rxy

* ضریب همبستگی اسپرمن (rs) هنگامی استفاده می شود که داده ها رتبه ای باشند مانند (رابطه رتبه کلاس

۳ نفر اول دانشجویان با رتبه کلاسی همان افراد در دوره دبیرستان) * حداقل یک متغیر می تواند رتبه ای باشد.

پیش از انتخاب آزمون همبستگی باید مشخص کنیم که داده ها از چه نوعی هستند (اسمی، ترتیبی یا فاصله ای).

* ضریب همبستگی دیگر ضریب کندال (Kendall) است که می تواند جانشین ضریب اسپرمن شود (و این در صورتی است که مقدار افراد نمونه کمتر از ۱۰ باشد) و داده ها حداقل رتبه باشند (رتبه فاصله و یا نسبی)

 ضریب فی Phi برای داده های اسمی دو ارزش واقعی مثل (رابط جنسیت با برون گرایی و درون گرایی)

ضریب متراکردیک برای داده های اسمی دو ارزش ساختگی، هم دو رشته ای زمانی که یک متغیر پیوسته باشد و دیگری اسمی دو ارزش ساختگی باشد. هم در سه نقطه ای یک متغیر پیوسته باشد و دیگری دو ارزشی واقعی باشد.

* ضریب C توافقی و V کرامر: برای داده های اسمی که حداقل یکی از آن ها چند ارزشی باشد (مدرک تحصیلی و رشته ی تحصیلی) (لیسانس، فوق لیسانس، دکتری، علوم انسانی، علوم تجربی، ریاضی)

ضریب لاندا (لامبدا) Lambda: برای داده های اسمی یا کیفی (نامتقارن) استفاده می شود.

ضریب گوان-کروسکال: داده های اسمی چند ارزشی با رابطه نامتقارن (یعنی ارگر جای متغیر اول با هم عوض شود ضریب همبستگی تغییر می کند).

ضریب چوپروف: ضریب همبستگی دو متغیری برای داده های اسمی چند ارزشی است.

گاما: Gamma: برای داده های ترتیبی که در آن داده های هم رتبه زیاد است.

سامرز: Somers فرهم دو متغیری داده های رتبه ای با رابطه نامتقارن

نکته: اگر شرایط برای محاسبه ضریب پیرسون فراهم باشد ولی تعداد افراد نمونه کمتر از ۳۰ نفر باشد مستقل از ضریب اسپرمن استفاده کنید.

راهنما انتخاب آزمون:

اگر هر دو کمی از  پیرسون؛ همچنین هر دو رتبه: اسپرمن کندال – یکی رتبه: اسپرمن کندال – هر دو اسمی لاندا فی اکرام (کمی اسمی/ اتا) (کمی اسمی لاندا) مستقل، (رتبه ای اسمی/ تتا)

نحوه ورود اطلاعات برای محاسبه ی همبستگی در دو ستون دو متغیر یا چند

در جدولی که پس از طی مراحل برای بدست آوردن ضریب همبستگی انجام شد. در ستون ها ۲ قسمت هست Value که ضریب همبستگی را نشان می دهد و Sig که معنادار بودن ضریب را مشخص می کند. Value که ضریب همبستگی است و نشان می دهد که ضریب (در فاصله ۱+ تا ۱-) در کجا قرار دارد. مثلا در جدول بالا ضریب □ است که به این معناست که جهت همبستگی مثبت و شدت آن تقریباً بالاست چون بیشتر از ۷۰% است (بیشتر تحقیق شود) Cramer چیست؟

Sig یا سطح معناداری به این معناست که آیا یافته های پژوهش دارای اعتبار است و آنچه بدست آمده ناشی از شانس یا تصادف نیست؟!

از این رو امکان دارد ۲ متغیر با هم همبسته باشند ولی از لحاظ آماری معنادار نباشند. زمانی یک آزمون معنادار می شود که سطح معناداری از ۰۵/۰ کمتر باشد و بیشتر از آن شود.

هنگامی که سطح معناداری به عنوان مثال ۰۰۵/۰ باشد و می گوییم تفاوت با احتمال ۰۵/۰ (۰۵/۰≥P) معنی دار است، یعنی با ۹۵ درصد اطمینان و رابطه بین آن متغیرها واقعی است و درست است و فقط ۵ درصد احتمال دارد که تفاوت بین آنها ناشی از شانس یا تصادف باشد. بنابراین علاوه بر قابل قبول بودن شدت همبستگی معنادار بودن آن نیز حائز اهمیت است اگر دو متغیر با یکدیگر همبسته باشند ولی سطح معناداری قابل قبول (کمتر از ۰۵/۰) را نداشته باشند. آن آزمون قابلیت تعمیم بر جامعه آماری را ندارد و دارای اعتبار کافی نیست.

در سایر بخش ها Sig (Significut) به همین معناست و باید همیشه کمتر از ۰۵/۰ باشد تا آزمون معنادار تلقی شود.

سایر ضرایب همبستگی

طریق محاسبه ضریب همبستگی پرسون- اسپرمن – کندال

Analysis/corraleat/By variable

متغیرهایی که تمایل داریم همبستگی میان آنها را بدست آوریم خانه Variables در سمت راست وارد می کنیم ∆ و ضریب مورد نظر را که در پایین آن قرار دارد از میان ۳ ضرایب انتخاب می کنیم و Ok می کنیم.

Pearson□Kendall□Spearman□

جدول روبرو ظاهر می شود (پیرسون) جدولی شبیه جدول روبرو ظاهر می شود. در جدول متغیرها بصورت ۲ به ۲ با یکدیگر مقایسه می شوند.

 

درس هشتم: عملیات آماری استنباطی  (محاسبه آزمون های مقایسه  T-Test)

  • آزمون t تک نمونه ای
  • آزمون t گروه های مستقل
  • آزمون t گروه های وابسته
  • پس از انجام مراحل فرضیه سازی و تعیین فرض خلاف و فرض صفر، وقت آن است که داده هایی را که بدست آورده ایم (از طریق پرسشنامه و یا روشهای آماری دیگر)، در یک آزمون مناسب بسنجیم.در مبحث قبلی در مورد همبستگی گفتیم که همبستگی در واقع آزمونی است که ارتباط بین دو متغیر یا بیشتر را با یکدیگر بررسی می کند و در پایان مشخص می کند که آیا آن متغیرها ارتباطی با هم دارند یا خیر، همبستگی ها ارتباط بین متغیرها را در یک گروه بررسی می کنند، اما آزمونهایی که در این جا از آن ها سخن خواهیم گفت، شاخص هایی مانند، میانگین نسبت پراکندگی ها، میانه ها و نما را در یک گروه نمونه و نسبت به جامعه، و یا در دو یا چند گروه بررسی می کند. و مشخص می کند آیا فرضیه هایی که ارائه می شود درست است مثلا اینکه دانشجویان پسر در حل مسائل ریاضی تواناتر از دانشجویان دختر هستند و یا دانشجویان دختر در دروسی که نیاز به حافظه سپاری دارد تواناتر هستند، یا مثلا دانشجویانی که وضعیت اقتصادی بالاتر دارند، باهوش تر هستند. پیش از انتخاب آزمون باید به چند نکته توجه کرد (پس از مطمئن شدن از عدم همبستگی) در سرتاسر تجزیه و تحلیل آزمون هدف آزمون فرض است.

 

 

درس نهم: عملیات تکمیلی ورود اطلاعات به پرسشنامه

۱- نحوه ورود اطلاعات از پرسشنامه به نرم افزار spss

۲- missing تعریف داده های از دست رفته و خالی

۳- تغییر دادن کدها ی مربوط به داده ها و سوالات پرسشنامه (سوالات معکوس)

۴- نحوه محاسبه پایایی آزمون ( آلفای کرونباخ )

 

درس دهم: تحلیل واریانس یک راهه، دو راهه و تحلیل واریانس مکرر

  1. تحلیل واریانس یک راهه
  2. تحلیل واریانس دو راهه
  3. تحلیل واریانس مکرر

 

درس یازدهم: نحوه محاسبه رگرسیون خطی  Linear Regression

۱-رگرسیون خطی ساده

۲- رگرسیون همزمان یا enter

۳- رگرسیون گام به گام یا stepwise

 

درس دوازدهم: تحلیل آزمون خی دو یا کای اسکوئر

آزمون های اسمی (مقایسه فراوانی ها)

۱- خی دو یک بعد (خی دو تک بعدی)

۲- خی دو چند بعدی

 

برچسب‌ها

حسام بذرافکن

تاریخ عضویت : ۰۲ ارد ۱۳۹۸

راه آسان‌تری برای ارتباط با کاربران‌مان پیدا کرده‌ایم :) عضویت در کانال

چنانچه دیدگاهی توهین آمیز باشد و متوجه اشخاص مدیر، نویسندگان و سایر کاربران باشد تایید نخواهد شد.

چنانچه دیدگاه شما جنبه ی تبلیغاتی داشته باشد تایید نخواهد شد.

چنانچه از لینک سایر وبسایت ها و یا وبسایت خود در دیدگاه استفاده کرده باشید تایید نخواهد شد.

چنانچه در دیدگاه خود از شماره تماس، ایمیل و آیدی تلگرام استفاده کرده باشید تایید نخواهد شد.

چنانچه دیدگاهی بی ارتباط با موضوع آموزش مطرح شود تایید نخواهد شد.

نظرات کاربران برای ارسال نظر لطفا ابتدا وارد شوید