تحلیل آماری با استفاده از spss

تحلیل آماری با استفاده از spss در رشته های علوم تربیتی و روانشناسی در تخصص ماست.همه شما به خوبی آگاهید که ، با رشد علوم و تحقیقات مختلف لازم است بر پایه خواندن مقالات متعدد شکل بگیرد.مقالات کوتاهی که در پایین می بینید مباحث اساسی روانشناسی است ، برای انتخاب موضوع آن را با دقت مطالعه کنید.


مشاوره و انجام پروپوزال، پايان نامه ، پروژه و تحلیل آماری با spss:
مشاور: علی محمدی
شماره تماس: 09011853901
ايميل: این آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید

  • روش ایجاد نمودار پراکندگی :

    1_در منوی بالای صفحه روی graphs سپس روی legacy dialogs کلیک کنید .

  • در نرم افزار spss متغیری به نام DCommunicayion و با «برچسب» (lable)، Disconnected Communication ایجاد کرده و داده های فوق را در آن تایپ کنید، شکل 28-2.

  • جهت انجام نخستین مرحله ی تحلیل طرح سالمون، هیچ نیازی به ورود داده های پیش آزمون گروه ها در محیط SPSS وجود ندارد. با این حال، اگر داده های پیش آزمون نیز وارد SPSS شوند، مقدمتا در تحلیل مشارکتی ندارند. در شکل 6 نحوه ی آرایش داده های طرح چهار گروهی سالمون در محیط SPSS نمایش داده می شود.

  • پیرامون طرح چهار گروهی سالمون، اظهار نظرهای گوناگونی در پیشینه ی طرح های پژوهشی به چشم می خورد. کمپل و استانلی (1963) طرح چهار گروهی سالمون را مطرح کردند.

  • سه طرح آزمایشی محض در روش تحقیق وجود دارد که همگی به طرز مطلوبی عمده ترین منابع تهدیدکننده ی اعتبار درونی را کنترل می کنند.

  • در این طرح، همانند طرح گروه های ایستا، پژوهشگر دخالتی در سازمان دهی گروه آزمایش و گواه ندارد و تنها تفاوت این طرح با طرح ایستا، در اندازه گیری متغیر وابسته در پیش آزمون است.

  • آزمون t-test گروه های وابسته جهت مقایسه ی میانگین پیش آزمون و پس آزمون نمره های آزمودنی ها در یک طرح یک گروهی پیش آزمون پس آزمون مناسب است.

  • قبل از آنکه در مورد گزینه های قسمت boxplots کادر گفتگوی کلید Plots توضیح دهیم، شکل یک نمودار جعبه ای را به طور کلی شرح میدهیم.

  • تحلیل تشخیص پیچیده تری را در نظر بگیرید که برای سه گروه به کار برده می شود. سه گروه از دارندگان فرضی رایانه را در زیر نشان داده است. آن هایی که رایانه خریده اند (own=1)، آن هایی که رایانه ندارند(own=2) و آن هایی که رایانه اجاره کرده اند (own=3).

  • 1- به این جدول نگاه کنید تا ببینید چطور هر تابعی به صورت موثری گروه ها را جدا می کند. تابع 1 به صورت بالایی با مقادیر D همبستگی دارد و از لحاظ آماری معنادار است.

  • در نمودارهای «چندک- چندک» (Q-Q plot) چندک های یک توزیع احتمال خاص در برابر چندک های نمونه رسم می شود. با استفاده از این نمودار می توان توزیع دو مجموعه را با هم مقایسه کرد و همچنین تعبیر کرد که یک مجموعه داده از توزیع خاصی پیروی می کند یا نه.

  • در ادامه، برخی از ویژگی های نمودار جعبه ای ذکر می شود.  همانطور که قبلا گفته شد، خود مستطیل نشان دهندۀ بخشی از توزیع بین صدک 25 و 75 است، یعنی چارک های پایین و بالا که اصطلاحا به آن ها «لولا» (hinge) گفته می شود.

  • برای ارائه دید کلی موثر از آماره های توصیفی یک مجموعه از داده ها، وسیله ها و نمودار های متنوعی را می توان به کار برد. یکی از این وسیله ها به «نمودار جعبه ای» یا « نمودار جعبه ای - چند خطی» مرسوم است.

  • یک جایگزین مناسب برای نمودار میله ای، نموداری به نام Error bar (میله ای خطا) است که در آن میانگین مقادیر هر طبقه با یک نقطه و «واریانس» آن توسط یک خط عمودی نشان داده می شود که از داخل نقطه می گذرد.

  • طرح های آزمایشی به چهار دسته ی کلی قابل تقسیم بندی هستند: 1- طرح های پیش آزمایشی؛ 2- طرح های آزمایشی واقعی؛ 3- طرح های شبه آزمایشی و 4- طرح های آزمایشی آماری.

  • به میزانی که بتوان نتایج یک پژوهش آزمایشی را به موقعیت های دیگر تعمیم داد، آن پژوهش از اعتبار بیرونی برخوردار است. ممکن است یک پژوهش به دلیل اعمال کنترل شدید متغیرهای مزاحم، از اعتبار درونی بالایی برخوردار شود ولی در تعمیم نتایج به محیط طبیعی ضعیف باشد.

  • طرح های آزمایشی و روش های تحلیل آن ها موضوعات علمی گسترده و دامنه داری هستند که به پیشرفت دانش کمک شایانی نموده اند. پژوهش های آزمایشی، کارآمدترین شیوه ی تبیین روابط علت و معلولی میان متغیرها در حوزه ی علوم انسانی به حساب می آید.

  • زیربنای مفهوم ریاضی رگرسیون لجستیک همان لگاریتم طبیعی یا نسبت شانس است که به آن لجیت (Logit) گفته می شد.

  • تحلیل خوشه ای یک روش چند متغیری است که هدف آن طبقه بندی یک نمونه از آزمودنی ها یا اشیاء بر اساس مجموعه ای از متغیرها است که نتیجه ی آن تشکیل گروه هایی با اعضاء مشابه است.

  • تحلیل تمایزات که به آن تحلیل تمیز یا تحلیل ممیز نیز گفته می شود، یک روش شناخته شده و مشهور است که از آن برای کاهش ابعاد و طبقه بندی استفاده می شود. تحلیل تمیز به عنوان یک فن آماری قوی در موقعیت هایی که متغیر وابسته (ملاک) از نوع طبقه ای و متغیرهای مستقل از نوع کمی هستند، قابل کاربرد است. هدف اساسی تحلیلی تمیز پیش بینی عضویت گروهی در طبقات متغیر وابسته از روی مجموعه ای از متغیرهای مستقل است.