spss

آزمون استقلال کای دو در اس پی اس اس chi-square spss

آزمون استقلال کای دو در اس پی اس اس  chi-square spss

آزمون کای دو(chi-square) آزمون استقلال spss

آزمون استقلال کای دو که گاهی خی دو هم نامیده می شود جهت تعیین رابطه بین متغیرهای کیفی یا اسمی به کار می رود . در آزمون استقلال کای دو باید حداقل یکی از دو متغیر کیفی بوده و متغیر دیگر می تواند کمی طبقه بندی شده یا ترتیبی باشد فرض کنید دو متغیر کیفی ( اسمی ) داریم که هریک از این دو متغیر به چند دسته ( رده ) تقسیم می شوند و می خواهیم بدانیم آیا بین این دو متغیر رابطه معناداری وجود دارد یا خیر؟ . آزمون استقلال کای دو ( خی دو )فراوانی های مشاهده شده (F0) را با فراوانی های مورد انتظار (F1) مقایسه می کند .( البته این فراوانی ها بر اساس استقلال دو متغیر محاسبه می شوند .) و آماره پیرسون ( آماره آزمون استقلال کای دو ) طبق رابطه زیر تعریف و محاسبه می شود :

                                                                                                                                                                  

 جمع فراوانی سطر iام ، و  جمع فراوانی سطر j ام و n تعداد کل مشاهدات در سطر و ستون هاست . اگر بین دو متغیر گسسته رابطه ای وجود نداشته باشد ، در واقع آن دو متغیر مستقل از هم بوده و ضریب همبستگی بین آن دو متغیر برابر با صفر است . اما در صورت وجود رابطه بین دو متغیر مقدار ضریب همبستگی مخالف صفر خواهد بود .

در آزمون استقلال کای دو اگر بخواهیم فرضیه ی عدم وجود ارتباط بین دو متغیر را بیازماییم فرضیه ها به صورت زیر تعریف می شوند :

اگر فرض  پذیرفته شود به معنای عدم وجود رابطه بین دو متغیر است و برعکس .

پایایی و روایی با استفاده از آلفای کرونباخ spss

پژوهشکده مجازی آمار - پایایی و روایی با استفاده از آلفای کرونباخ spss

بررسی روایی و پایایی با استفاده از الفای کرونباخ در spss

داده ای جمع آوری شده و نتیجه یک پژوهش به شرطی معتبرند ابزرا جمع آوری داده های موردنظر از اعتبار ( روایی ) و پایایی ( قابل تکرار بودن ) برخوردار باشند . اما روایی و پایایی چیست ؟جهت روشن شدن اهمیت موضوع به شرح کوتاهی از روایی و پایایی می پردازیم :

روایی (Validity ) : روش یا ابزار اندازه گیری و جمع آوری داده مورد استفاده تا چه حد توانایی درست اندازه گیری کردن خصوصیت موردنظر را دارد ؟ آیا دقیقا خصوصیت مدنظر ما سنجیده می شود ؟

پایایی (Reliability) : پایایی دقت سنجش را مد نظر قرار می دهد و به این موضوع می پردازد که ابزار اندازه گیری مورد نظر در صورت تکرار شدن تا چه حد منجر به نتایج یکسان می شود . در واقع به این سوال پاسخ می دهد که آیا پرسشنامه یا بازار اندازه گیری مورد نظر در موراد پژوهشی مشابه هم می توانند مفید واقع شوند یا خیر ؟

از آنچه گفته شد نتیجه می گیریم که استفاده از یک ابزار اندازه گیری جهت یک پژوهش زمانی تایید می شود که ان پرسشنامه ( ابزار جمع آوری داده و اطلاعات ) از روایی و پایایی مناسب برخوردار باشد . اما چگونه می توان پایایی را تشخیص داد؟ جهت تشخیص پایایی از شاخصی بنام "ضریب پایایی " استفاده می شود . که این ضریب مقداریست بین 0 و 1 ، که هرچه این مقدار به عدد 1 نزدیکتر باشد مطلوبتر است . چندین روش مختلف برای محاسبه پایایی وجود دارد :

روش بازآزمایی ، روش تصنیف ، روش کودر- ریچاردسون و روش آلفای کرونباخ .

در این مقاله به شرح روش آلفای کرونباخ که از دیگر روش ها مرسوم تر است  می پردازیم

کروسکال والیس Kruskal Wallis ) spss )

پژوهشکده مجازی آمار - کروسکال والیس Kruskal Wallis H spss

کروسکال والیس  ( Kruskal Wallis )

گاهی قصد مقایسه میانگین های یک صفت کیفی در چندین جامعه ( بیش از دو جامعه ) غیرنرمال را داریم . به عنوان مثال می خواهیم تاثیر مهارت مربیان بر رتبه پایان دوره کارورزی مهارت آموزان فنی و حرفه ای را در سه گروه با سه مربی متفاوت را مقایسه کنیم . برای این منظور میانگین رتبه پایان دوره سه گروه از کارورزان که بین 1 تا 5 می باشد را با هم مقایسه می کنیم . در آزمون ناپارامتری کروسکال والیس چند نمونه مستقل از هم فرض صفر ( فرض اولیه ) این است که هیچ اختلافی بین میانگین رتبه گروه های مورد آزمایش وجود ندارد و فرض مقابل این است که بین میانگین رتبه حداقل دو گروه اختلاف معنی داری وجود دارد .

 

در حالتی که  فرض صفر ( ) پذیرفته شود ، می پذیریم که بین میانگین رتبه های گروه ها اختلافی وجود ندارد و تحلیل به پایان می رسد . کروسکال والیس درواقع معادل آنالیز واریانس یک طرفه در حالت ناپارامتری است .

آنالیز واریانس دو عاملی ( آنالیز واریانس دو طرفه ) Two Way Anova Spss

آنالیز واریانس دو عاملی ( آنالیز واریانس دو طرفه )    Two Way Anova Spss

آنالیز واریانس دو عاملی ( آنالیز واریانس دو طرفه )    Two Way Anova  in Spss

گاهی نیاز داریم اثر دو عامل ( دو فاکتور ) را روی یک متغیر وابسته تعیین کرده و اندازه بگیریم . از آنجایی که دو عامل موثر بر متغیر وابسته داریم ، چنین طرحی ، طرح دوعاملی نامیده می شود .

Spss Paired samples Ttest آزمون تی زوجی در اس پی اس اس

پژوهشکده مجازی آمار -  Spss Paired samples Ttest آزمون تی زوجی در اس پی اس اس

آزمون t  زوجی با استفاده از نرم افزار spss

هدف از اجرای آزمون تی زوجی :

آزمون t زوجی برای آزمودن فرضیه ی برابری میانگین یک نمونه ()  در دو حالت قبل و بعد از یک آزمایش که دارای توزیع نرمال است به کار می رود .

پیش نیازهای آزمون تی زوجی :

  • داده های عددی باشند .

  • داد ه ها ( نمونه یا جامعه مورد نظر ) از توزیع نرمال پیروی کنند .
  • واریانس نمونه ( جامعه ) ثابت اما نامعلوم است و می بایست با استفاده از نمونه محاسبه یا برآورد شود .

فرض ها و آماره ی آزمون :

فرضیه آزمون در تی زوجی به صورت زیر مطرح می شود :

 

 

آماره آزمون تی زوجی

اگر اختلاف زوج ها را di  بنامیم ، آزمون t  زوجی بر مبنای متغیر  di  تبدیل به آزمون t  تک نمونه ای خواهد شد . di  به صورت زیر محاسبه می شود :

 : مقدار صفت ( متغیر تصادفی ) در حالت اول از نمونه i ام

: مقدار صفت ( متغیر تصادفی ) در حالت دوم از نمونه i ام

=

 

       

 

شرح آزمون :

اگر بخواهیم هر عضو نمونه را در دو حالت بیازماییم ( اندازه دو صفت در هر فرد نمونه را بدست آوریم ) ، می گوییم یک نونه زوجی ( جفت ) داریم . داده های این آزمون دارای دو متغیر هستند که یک متغیر مربوط به حالت اول ( اندازه صفت اول ) از یک نمونه و متغیر دیگر مربوط به حالت دوم ( اندازه صفت دوم ) از همان نمونه است . برای آزمودن داده ها در اینگونه نمونه ها از آزمونt  زوجی استفاده می کنیم ( نام دیگر این آزمون ، پیش آزمون پس آزمون است . ) اگر اختلاف زوج ها را di  بنامیم ، آزمون t  زوجی بر مبنای متغیر  di  تبدیل به آزمون t  تک نمونه ای خواهد شد . di  به صورت زیر محاسبه می شود :

 : مقدار صفت ( متغیر تصادفی ) در حالت اول از نمونه i ام

: مقدار صفت ( متغیر تصادفی ) در حالت دوم از نمونه i ام

=

آماره این آزمون متکی به متغیر  می باشد . یک متغیر تصادفی است که با فرض نرمال بودن توزیع داده ها و نامعلوم بودن واریانس داده ها دارای توزیع t  می باشد .

آزمون ویلکاکسون - wilcoxon spss

پژوهشکده مجازی آمار - آزمون ویلکاکسون اس پی اس اس wilcoxon spss

آزمون ویلکاکسون

هدف آزمون :

مقایسه دو نمونه ( دو پارامتر ) وابسته غیرنرمال

شرح آزمون :

گاهی دو پارامتر کیفی یا دو نمونه وابسته غیرنرمال داریم و قصد مقایسه میانگین های این دو با هم را داریم و با توجه به اینکه نمونه ها ( داده ها ) غیرنرمال و کیفی هستند نمی توانیم از آزمون تی وابسته ( تی زوجی ) استفاده کنیم در این مواقع از آزمون  ویلکاکسون ا آزمونی ناپارامتریک و معادلی آزمون تی زوجی در حالت پارامتریک می باشد استفاده می کنیم .

 

فرض آزمون :

میانگین نمونه در حالت قبل برابر با میانگین نمونه در حالت بعد از .... است . و فرض مقابل خلاف این ادعا را دارد  بنابراین فرضیه ها به صورت زیر تعریف می شوند :

 

 

 با یک مثال اجرای آزمون ویلکاکسون در نرم افزار  SPSS را شرح می دهیم :

تشخیص توزیع نرمال با استفاده از نمودار Q - Q در نرم افزار SPSS

پژوهشکده مجازی آمار - نمودار q - q

تشخیص تابع توزیع با استفاده از نمودار Q-Q

قبلا در مقاله آزمون کولموگروف اسمیرونوف در مورد  تشخیص تبعیت  داده ها ( متغیرها ) از یک توزیع خاص مثلا نرمال (توزیع نمایی ، توزیع پواسن و .... ) مفصلا توضیح دادیم که چگونه با با استفاده از آزمون کولموگروف اسمیرونوف می توانیم فرض پیروی داده ها از یک توزیع خاص را بسنجیم . در این مقاله به شما می آموزیم که چگونه با استفاده از نمودار Q-Q توزیع داده های نمونه ای که در اختیار دارید را تشخیص دهید .

تولید داده های تصادفی در spss

پژوهشکده مجازی آمار - تولید داده های تصادفی در spss

تولید داده های تصادفی در  spss

می دانیم که در صورتی می توان نتایج به دست آمده از یک نمونه را به جامعه نسبت داد که نمونه مورد نظر نمونه کاملاً تصادفی باشد یعنی تمام اعضای نمونه از روی شانس و تصادف انتخاب شده باشند ، بنابراین اصل تصادفی بودن داده ها در بسیاری از آزمون های آماری شرط پیشفرض می باشد . گاهی نمونه ای در دسترس نداریم و نیاز داریم تا از توزیعی خاص ( مثلا  توزیع نرمال ) داده های تصادفی  یا در واقع یک نمونه تصادفی ایجاد کنیم .

ضریب همبستگی اسپیرمن در spss

پژوهشکده مجازی آمار - ضریب همبستگی اسپیرمن در spps

ضریب همبستگی اسپیرمن (  spearman) در spss

ضریب همبستگی اسپیرمن ، مانند دیگر ضرایب همبستگی میزان ارتباط بین دو متغیر را نشان می دهد . هنگامی که می خواهیم میزان ارتباط خطی دو متغیر رتبه ای  را بدانیم از ضریب همبستگی اسپیرمن استفاده می کنیم . مانند دیگر ضرایب همبستگی ، ضریب همبستگی اسپیرمن نیز مقدار یست  بین 0 و 1 که هرچه مقدار آن به عدد 1 نزدیکتر باشد میزان همبستگی بین متغیرها ببشتر و قوی تر است . علامت مثبت ضریب همبستگی بیانگر رابطه مستقیم دو متغیر و علامت منفی ضریب همبستگی بیانگر ارتباط معکوس دو متغیر است . در آزمون همبستگی اسپیرمن فرضیه ها به صورت زیر مطرح هستند :

 

 

آزمون کولموگروف - اسمیرونوف ( K-S ) در SPSS

پژوهشکده مجازی آمار - کلموگروف اسمیرونوف در spss

آزمون کلموگروف اسمیرونوف (K-S) آزمونی جهت تطابق توزیع برای داده های کمی است . زمانی که نمونه‌ای از اندازه های کمی داریم و می‌خواهیم تعیین کنیم که آیا این نمونه از جامعه‌ای با توزیعی خاص مثلاً نرمال  ، پواسون  ، نمایی یا یکنواخت به دست آمده است یا خیر از آزمون کلموگروف اسمیرونوف استفاده می کنیم  . زمانی که پژوهشگر به نرمال بودن نمونه مورد بررسی اش اطمینان ندارد می بایست نرمال بودن نمونه اش را بیازماید بنابراین می توان گفت یکی از پرکاربردترین آزمون ها برای نمونه های کوچک آزمون نرمال بودن آن است . برای این هدف از آزمون کلموگروف اسمیرنوف استفاده می شود  . در نرم افزار spss از این آزمون برای تطابق ۴ توزیع نرمال ، پواسون ، نمایی و یکنواخت می توان استفاده کرد .

صفحه‌ها