تحلیل داده های آماری

تحلیل داده های آماری و ارائه انواع خدمات پژوهشی ، با هزینه مناسب در کمترین زمان پذیرفته می شود.دانشجویان عزیز آگاه هستند که نوشتن یک پژوهش آکادمیک ، با رشد علوم و تحقیقات مختلف به علم کافی نیازمند است.مقالات کوتاهی که در پایین می بینید مهم ترین مطالب روانشناسی است ، برای انتخاب موضوع خواندن این مقالات مفید است.


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

  • وقتی به دلایلی نتوانیم داده ها را به صورت «کمی» مشخص کنیم، مثلا در مورد منابع انرژی که به رده های زغال، گاز طبیعی، نفت خام و غیره تقسیم می شود، باز هم نمایش نموداری گویاتر و نمایان تر از جدول است. توزیع مقدار کل روی رده ها، اغلب به صورت «نمودار دایره ای» نشان داده می شود.

  • 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.

  • یک نمایش «ساقه و برگ» (stem and leaf) اطلاعاتی راجع به الگوی مشاهدات در یک آرایه از داده ها فراهم نموده و به کشف تمرکز یا خوشه ای بودن مقادیر خاص داده ها کمک می کند. نام نمایش از راهی که ساخته می شود می آید. دو مثال زیر روش ساختن نمایش« ساقه و برگ» را نشان می دهد:

  • در تحلیلی واریانس با اندازه های تکراری، امکان مداخله ی چندین عامل درون آزمودنی در تحلیل وجود دارد. به طور مثال، آزمایشی را تصور کنید که در آن اثر دو عامل درون ازمودنی بر رویعملکرد تحصیلی یک گروه از دانش آموزان انجام شده است.

  • طرح های پیش آزمون- پس آزمون- پیگیری را می توان با دو تحلیل کوواریانس جداگانه آزمون کرد. در این، روش دو تحلیل کوواریانس جداگانه اجرا می شود که در هر نوبت نمره های پس آزمون و پیگیری به طور جداگانه به عنوان متغیر وابسته و متغیر پیش آزمون در هر دو نوبت به عنوان متغیر کوواریته وارد تحلیل می شود.

  • در تحلیل واریانس با اندازه های تکراری بر روی نمره های تفاضل، سه متغیر تفاضل بدین شرح محاسبه شود: نخستین متغیر از تفاضل نمره ی پس آزمون از پیش آزمون به دست می آید. این نمره ی حاصله که به آن نمره ی مازاد گفته می شود، مستقیما به اثر مداخله ی آزمایشی مربوط است.

  • 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.

  • 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.

  • 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.

  • 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.

  • مقیاس های دارای ماده های زیاد (مقیاس های بلند) در مدل یابی معادلات ساختاری تولید اشکال می کند؛ به ویژه اگر قرار باشد که تمام ماده ها به عنوان نشانگرهای سازه های مکنون در مدل مشارکت نمایند برآورد پارامترهای متعدد در مدل با توجه به حجم نمونه، باعث کاهش توان برآورد پارامترهای دقیق مدل می شود و در نتیجه باعث رد مدلهای مناسب می گردد.

  • مراحل تحلیل مدل یابی معادلات ساختاری در زیر تشریح می شود:

    - داده های پژوهش را در محیط SPSS باز کنید و سپس از سربرگ Analyze گزینه ی AMOS-16 را انتخاب کنید.

    در محیط AMOS از سربرگ Diagram گزینه ی Indicator Variable Draw را انتخاب کنید تا موشواره فعال شود.

  • برای آزمودن فرضیه های پژوهش، از تحلیل مسیر با مدل های برگشتی استفاده می شود. برای تحلیل فرضیه های فوق به کمک نرم افزار AMOS ، مراحل اجرایی را که در ادامه آمده است، دنبال کنید. - ابتدا داده های پژوهش را در محیط SPPS باز کنید و سپس از سربرگ Analyze در نرم افزار مذکور، AMOS باز شود.

  • تحلیل رگرسیون در چندین مورد با تحلیل مسیر متفاوت است. نخست آن که تحلیل مسیر از لحاظ روش شناختی جامع و از لحاظ تحلیل داده ها یک روش فوق العاده انعطاف پذیر است. روش شناختی تحلیل مسیر جهت بررسی حجم عظیمی از پدیده های روانی – اجتماعی مناسب است.

  • تحلیل مسیر گسترش مدل های رگرسیونی است که یک ماتریس همبستگی را در مقایسه با مدل های مفروض علی که پژوهشگر تنظیم می کند، می آزماید. همچنین، تحلیل مسیر به عنوان مدل یابی علی شناخته می شود که به آزمودن شبکه ای از روابط میان متغیرهای اندازه گیری شده توجه دارد.