پرسش اساسی: چگونه می توان با نرم افزار SPSS مدل های میانجی گر را در پژوهش های طولی بررسی کرد. بسیاری از پژوهشگران بر این عقیده اند در صورتی که مدل های میانجی گر در پژوهش های طولی بررسی شوند، گام مهمی به سوی تبیین های علمی برداشته می شود.

متغیر میانجی در پژوهش های طولی با مثال

پرسش اساسی: چگونه می توان با نرم افزار SPSS مدل های میانجی گر را در پژوهش های طولی بررسی کرد.

بسیاری از پژوهشگران بر این عقیده اند در صورتی که مدل های میانجی گر در پژوهش های طولی بررسی شوند، گام مهمی به سوی تبیین های علمی برداشته می شود.

اینک مثالی ساده از بررسی روابط علی میان دو متغیر عزت نفس و پیشرفت تحصیلی ارائه می گردد که فرض می شود نمره ی یکی از این متغیرها در دو نوبت زمانی به دست آمده است.

برای این که این پژوهش بدون ابهام و دقت بررسی شود، باید از پژوهشگر پرسید که به نظر شما متغیر عزت نفس علت پیشرفت تحصیلی است یا بالعکس.

فرض کنید پژوهشگر فرضی اصرار دارد که متغیر عزت نفس علت پیشرفت تحصیلی است.

حال چگونه می توان در یک پژوهش طولی این فرضیه را که عزت نفس علت پیشرفت تحصیلی است را آزمود این موضوع در این مثال پژوهشی بررسی می شود.

 

مثال پژوهشی:

بررسی رابطه ی علی عزت نفس بر پیشرفت تحصیلی در یک پژوهش طولی.

 

فرضیه ی پژوهشگر:

عزت نفس به شکل مثبت بر پیشرفت تحصیلی اثر می گذارد.

این پژوهش باید در دو مرحله و با فاصله ی زمانی معینی از یکدیگر انجام شود.

در مرحله ی نخست پژوهش، معدل ترم اول و عزت نفس آزمودنی ها را ارزیابی کرده و به دست می آوریم .

بعد از گذشت یک سال، معدل ترم سوم آزمودنی ها را مجدداً به دست می آوریم.

این پژوهش طولی به نمره ی عزت نفس و معدل آزمودنی ها در مرحله ی اول و نمره ی معدل در مرحله ی دوم پژوهش نیاز دارد.

لازم به ذکر است که اگر برای پژوهشگر مفروض بود که پیشرفت تحصیلی علت عزت نفس است، در این صورت عزت نفس آزمودنی ها باید در دو مرحله ی پژوهش به دست آید.

برای تحلیل این طرح طولی مراحل زیر را دنبال کنید.

برای بررسی رابطه ی علی میان عزت نفس با پیشرفت تحصیلی باید از سربرگ Analyzeو رگرسیون خطی (انشعاب regression) استفاده شود.

پیشرفت تحصیلی مرحله ی دوم پژوهشش را در جعبه ی :Dependent قرار اده و پیشرفت تحصیلی مرحله ی نخست پژوهش را در جعبه ی :Independents قرار دهید و بر گزینه یNext کلیک کنید.

سپس متغیر عزت نفس را به جعبه ی Independent(s) منتقل کنید و برای اجرای فرمان بر گزینه ی Ok کلیک کنید.

اگر شریب رگرسیون متغیر عزت نفس، پس از آن که پیشرفت تحصیلی مرحله ی اول از آن زدوده شد، معنی دار گردد، رابطه ی علی میان متغیر عزت نفس با پیشرفت تحصیلی تأیید می شود.

اینک یک مثال عددی فرضی ارائه و نتایج آن در خروجی نمایش داده می شود.


متغیر میانجی در پژوهش های طولی با مثال

 

نتایج پژوهش طولی در خروجی 5 نمایش داده شده است.

همان گونه که این تحلیل نشان می دهد، ورود پیشرفت تحصیلی مرحله ی اول پژوهش برای پیش بینی پیشرفت تحصیلی مرحله ی دوم پژوهش در معادله ی رگرسیون حدود 0.760 از واریانس معدل مرحله ی دوم را به خود اختصاص داده است.

در مرحله ی دوم، افزودن عزت نفس به معادله، تنها 0.037 بر واریانس پیش بینی شده ی متغیر وابسته افزوده است.

این موضوع نشان می دهد که پیشرفت تحصیلی مرحله یدوم با پیشرفت تحصیلی مرحله ی اول به طور معنی داری در ارتباط است و علاوه بر آن، عزت نفس می تواند سهم اختصاصی معنی داری از واریانس پیشرفت تحصیلی مرحله ی دوم را پس از معدل مرحله ی اول پیش بینی کند.

سطح معنی داری ضریب رگرسیون مربوط به عزت نفس (0.299=β) برابر با 0.089P> است که با توجه به یک آزمون دو دامنه، غیر معنی دار است.

اما، با توجه به این که فرضیه ی پژوهشگر یک سویه (تأثیر عزت نفس بر معدل) تنظیم شده بود می توان گفت که ارتباط عزت نفس با معدل ترم سوم پس از یک کنترل معدل ترم اول در سطح 0.0455P< تأیید می شود.

بنابراین فرضیه ی پژوهش دال بر تأثیر عزت نفس بر پیشرفت تحصیلی رد نمی شود.

بدین لحاظ با توجه به این اصل فلسفی که علت مقدم بر معلوم است، در این پژوهش طولی نیز انتظار می رود که اگر عزت نفس علت معدل است، باید در ورای اثر معدل اولیه، اثر خود را نشان دهد.

با توجه به نتایج این پژوهش می توان گفت که هر چند معدل مرحله ی دوم آزمودنی ها قویاً با معدل مرحله ی اول آن ها مرتبط است.

اما، با این وجود نقش عزت نفس نیز از اهمیت برخوردار است.

متغیر کاهنده(Suppressor Variable) در تعریف متغیر میانجی گر گفته شد که این متغیر رابطه ی میان متغیر مستقل و وابسته را تبیین می کند.

همچنین، بر این نکته تأکید شد که اگر متغیری میانجی گر کامل باشد، رابطه ی میان متغیر مستقل و وابسته را در حد صفر کاهش می دهد و یا آن را از معنی داری می اندازد.

بر عکس آن، متغیر کاهنده متغیری است که وقتی اثر آن از رابطه ی میان متغیر مستقل و وابسته زدوده می شود، همبستگی ضعیف اولیه میان متغیر x و y به طرز معنی داری افزایش می یابد.

غالباً کنترل یک متغیر رابطه ی x و y را افزایش می دهد که اولاً ارتباط میان x و y ضعیف باشد و ثانیاً متغیر واسط با یکی از متغیرهای مستقل و ابسته دارای همبستگی منفی و با دیگری رابطه ی مثبت داشته باشد.

به این مثال توجه کنید:

فرض کنید پژوهشگری به دنبال بررسی ارتباط میان طول دوره ی نقاهت بیماری و میزان حمایت خانواده از بیماران است.

بعد از جمع آوری و تحلیل داده ها، پژوهشگر با یک ارتباط ضعیف و غیر معنی دار میان این دو متغیر مواجه می شود.

آیا می توان متغیری را فرض کرد که با یکی از این دو متغیر رابطه ی مثبت و با دگری رابطه ی منفی داشته باشد؟

به نظر می رشد سن بیمار با این قاعده همساز است.

به بیان دیگر، هر چه بیماران بالغ تر باشند، حمایت کمتری از خانواده دریافت می کنند ولی طول دوره ی نقاهت آن ها بیشتر از خردسالان است.

بنابراین، سن افراد با طول دوره ی نقاهت رابطه ی مثبت و با حمایت دریافتی از خانواده رابطه ی منفی دارد. در نهایت، اگر سن آزمودنی ها از روی متغیر مستقل و وابسته زدوده شود، همبستگی میان طول دوره ی نقاهت و حمایت دریافتی از خانواده به طرز چشمیری افزایش پیدا می کند.

اگر رابطه ی میان x و y برابر با 0.03 و ارتباط میان متغیر z ( متغیر کاهنده) با x برابر با 0.52 و با متغیر y برابر با 0.49- باشد و سپس متغیر z از روی رابطه ی x و y زدوده شود، ارتباط میان x و y از 03/0 به 39/0 افزایش پیدا می کند.

با فرمول زیر همبستگی تفکیکی میان طول دوره ی نقاهت و حمایت خانوادگی با کنترل سن به دست می آید.


متغیر میانجی در پژوهش های طولی با مثال

 

در مثال مذکور ، سن آزمودنی ها یک متغیر کاهنده است که حضور آن در بطن دو متغیر، باعث کاهش رابطه ی میان x و y می شود.

در ادامه مثالی دیگر از متیر کاهنده ارائه می شود. از تعدادی داور زن درخواست می شود تا در خصوص زیبایی تعدادی آزمودنی مرد داوری کنند.

در این پژوهش، پژوهشگر قصد دارد رابطه ی میان ادراک زیبایی و وزن مردان را بررسی کند.

نتیجه ی پژوهش یک ارتباط ضعیف و بی معنی میان ادراک زیبایی و وزن افراد را نشان می دهد، اما هنگامی که شاخص چربی آزمودنی ها که با وزن رابطه ی مثبت و با ادراک رابطه ی منفی دارد کنترل می شود ارتباط میان ادراک زیبایی و وزن افراد تا حد 40/0 بالا رفته و از لحاظ آماری معنی دار می شود؛ به عبارت ساده تر، مردان سنگین وزنی که بافت چربیث کمتری دارند، زیباتر ارزیابی می شوند.

نتایج حاصل از یک مثال عددی ساختگی را درباره ی متغیر کاهنده در خروجی 6 ملاحظه کنید.


متغیر میانجی در پژوهش های طولی با مثال

 

همان گونه که در نخستین جدول خروجی 6 ملاحظه می شود، همبستگی ساده میان وزن (weight) و زیبایی (Beutifulness) غیر معنی دار و ارتباط وزن با چربی مثبت و ارتباط زیبایی با چربی منفی است.

در دومین جدول از همین خروجی، هنگامی که متغیر بافت چربی از روی وزن و زیبایی کنترل می شود، ارتباط غیر معنی دار میان متغیر مستقل و وابسته از 018/0 به (549/0=r) تغییر می کند.

مفهوم متغیر کاهنده از اهمیت ویژه ای برخوردار است.

این مسئله به پژوهشگر کمک می کند تا در صورت رد فرضیه ی پژوهش، رد خصوص حضور متغیر کاهنده مشکوک شود و به سادگی از فرضیه ی معقول خود چشم پوشی نکند.

هر چند که به ندرت کنترل یک متغیر باعث افزایش رابطه ی میان x و y می شود، ولی با این حال، پژوهشگر باید برای مواجه با این حالت نادر اماده باشد.

برای دریافت متن کامل این مقاله آموزشی بسته آموزش تحلیل آماری با spss را تهیه کنید:

شما با این بسته می توانید تحلیل آماری با spss و amos را کامل و آسان بیاموزید

و قطعا قادر می شوید کارهای آماری را حودتان انجام دهید

چگونه؟

بسته آموزشی تجزیه تحلیل آماری با SPSS و AMOS

از صفر تا صد آموزش  spss

آموزش مباحث اساسی AMOS

آموزش به زبان ساده ، موضوعی و گام به گام همراه با تصویر

33 پکیج (1378 صفحه تصویری)+ به همراه همه مقالات آموزشی این سایت درباره spss

لطفا و خواهشا برای سوال های آماری و رفع اشکال تماس نگیرید

هر آنچه لازم باشد در این بسته آموزشی آمده است.

 


انتخاب جدیدترین موضوعات پایان نامه روانشناسی، مشاوره و علوم تربیتی و انجام تخصصی پروپوزال(دانلود نمونه کار پروپوزال)::

شماره تماس: 09011853901
جهت ارسال سریع پیام در پیام رسان های زیر نام هر یک را لمس کنید.