تحلیل آماری با spss

روش های آماری برای بررسی روابط متغیرها:

در این بخش نگاهی به چند روش موجود در spss برای بررسی روابط بین متغیرها خواهیم داشت .

پژوهشگران در فعالیت های علمی یا فنی خود تلاش می کنند که با انتخاب یک متدلوژی خاص مسئله ای را حل و کاری انجام دهند و بعد از انجام کار ، گزارش آن را به صورت مکتوب بنویسند. هر یک از این دو مرحله ؛انجام یک امر پژوهشی و مکتوب کردن نتایج آن نیاز به ابزار ها و تجهیزات خاص خود را دارد .

در این طرح، یک گروه آزمودنی انتخاب می شود و پیش از اعمال هر گونه مداخله ای، از لحاظ متغیر وابسته ارزیابی می شود.

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.

غالبا مطالعه یک توزیع کیفی توسط نمایش آن مفید است. این نمایش معمولا به صورت نمودار میله ای است.

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.

برای تحلیل داده های این پژوهش (مثالی که در ادامه می آید) و آزمودن فرضیه های آن، چندین روش به شرح زیر وجود دارد.

1- تحلیل واریانس با اندازه های تکراری بر روی نمره های اصلی

2- تحلیل واریانس با اندازه های تکراری بر روی نمره های تفاضل

3- تحلیل واریانس چند متغیری بر روی نمره های تفاضل

در بسیاری از پژوهش های آزمایشی، پژوهشگران به بررسی ماندگاری اثر مداخله ی ازمایشی در طی زمان می پردازند.

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.

تحلیل واریانس دو راهه بر طرح های پیش ازمون- پس آزمون با گروه گواه، مستلزم ورود داده ها در محیط SPSS به روشی متفاوت است. در شکل 3و4 روش ورود داده ها در محیط SPSS برای تجزیه و تحلیل کوواریانس و تحلیل واریانس دو راهه نمایش داده شده است.

در این طرح سه مرحله قابل ذکر است: 1- اجرای پیش آزمون (اندازه گیری متغیر وابسته) پس از انتخاب و گمارش تصادفی آزمودنی ها به گروه آزمایش و گواه؛ 2- اعمال مداخله ای آزمایشی بر گروه آزمایش و 3- اجرای پس آزمون (اندازه گیری متغیر وابسته).

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.