تحلیل آماری با استفاده از spss

هر آنچه که برای آموزش کامل  spss و تحلیل آماری می خواهید اینجاست! با قیمتی واقعا مناسب.

این بسته آموزشی شامل سی و سه پکیج و 1400 صفحه است و به صورت موضوعی طبقه بندی شده 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.

تحلیل عوامل تأییدی این امکان را به پژوهشگر می دهد تا فرضیه ی ارتباط میان متغیرهای مشاهده شده را با ساختارهای مکنون زیربنایی آن ها بیازماید. اساسی ترین مفهوم در تحلیل عوامل تأییدی، موضوع متغیر مکنون است که در ادامه به آن و نیز به آزمون برازندگی پرداخته می شود.

اینک یک مثال پژوهشی درباره ی تحلیل عوامل اکتشافی مطرح می شود جزییات آن با توجه به خروجی های SPSS تشریح می شود.

تحلیل عوامل اکتشافی را می توان به عنوان شیوه ای ساده و منظم که به دسته بندی مقیاس ها و متغیرهایی که از لحاظ درونی با هم همبسته هستند، تعریف کرد.

برای بررسی ارتباط میان متغیرهای اسمی چهار نوع ضریب همبستگی تحت عناوین ضریب همبستگی پیوستگی (Contingencycoefficicent) ضریب فی و V کرامر (Phi and Cramer's V)، لمبدا (Lambda) و ضریب غیر قطعی (Uncertainy coefficient) در نرم افزار SPSS وجود دارد که در ادامه به اختصار توضیح داده می شوند.

پس از انتقال سه متغیر دو حالتی در جعبه ی Test Variables: و علامت دار نمودن گزینه Cochran's Q، بر گزینه ی ok از شکل 10 کلیک کنید تا فرمان آزمون کوکران اجرا شود.

آزمون مذکور را باید بر روی یک ردیف (case) در محیط SPSS وارد کرد. در نهایت، یک ماتریس از داده ها با 50 متغیر و ده مورد (داوران) در محیط SPSS تشکیل می شود. نتایج حاصل از این پژوهش فرضی در خروجی 14 ارائه شده است.

در این مقاله، سه آزمون فریدمن، کندال (W) و کوکران بررسی می شوند. این آزمون ها توزیع های چندین متغیر وابسته را ارزیابی می کنند.

در موقعیت هایی که قرار است دو گروه مستقل (مانند دختر/ پسر، گروه آزمایشی/ گروه گواه و...) از لحاظ یک متغیر وابسته که در حد رتبه ای اندازه گیری شده است مورد مقایسه قرار گیرند، آزمون یومان ویتنی بهترین گزینه است.

هنگامی که پاسخ یا فراوانی یک گروه آزمودنی را در سطوح گوناگون دو متغیر تنظیم می کنیم، برای تجزیه و تحلیل آن از آزمون مجذور کای دو متغیری یا آزمون خی دو دو متغیره در spss استفاده می شود.

اگر پاسخ یا ماهیت یک گروه یا یک جامعه از افراد را با توجه به یک صفا معین به طبقات گوناگون طبقه بندی کنیم، درچنین شرایطی، برای آزمودن نسبت یا فراوانی افراد درون آن طبقات از آزمون مجذور کای تک متغیری یا خی دو تک متغیره در spss استفاده می شود.

زیربنای ضریب همبستگی رتبه ای دو رشته ای مشابه ضریب همبستگی کندال است و هنگامی به کار می رود که یکی از متغیرها دو سطحی و دیگری بر روی یک مقیاس رتبه ای ناپیوسته اندازه گیری شده باشد.

مهم ترین وجه تمایز آزمون های پارامتریک و غیرپارامتریک، در نوع داده ها و پیش فرض های زیر بنایی آن ها است؛ به بیان ساده می توان گفت از آزمون های پارامتریک استفاده می شود که سنجش متغیرهای دخیل در پژوهش دست کم در حد فاصله ای و توزیع نمره های متغیرها نسبتا بهنجار باشد.

اگر جهت و شدت رابطه ی میان متغیر مستقل و وابسته در سطوح گوناگون یک متغیر سوم، به طور قابل ملاحظه ای تغییر کند، به آن متغیر سوم متغیر تعدیل گر گفته می شود. بدین لحاظ، تعدیل گر در یک چهارچوب تحلیل همبستگی به عنوان یک متغیر سوم تلقی می شود که همبستگی مرتبه ی صفر میان x و y را به طور معنی داری تغییر می دهد.

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.

هدف از تحلیل لگاریتم خطی Loglinear Analysis (تحلیل لگاریتم خطی) این است که بتوانید مدلی را بسازید که فراوانی های خانه های جداول توافقی را با حداقل تعداد جملات مدل برآورد کند.

برای مطالعه توصیفی داده های چند متغیرۀ «گسسته» (Discrete) از جداول چند بعدی که به «جداول توافقی» (contingency) موسوم است استفاده می کنیم. با استفاده از جداول توافقی می توانیم مقادیر مربوط به «معیارهای فراوانی نسبی»، «فراوانی تجمعی»، «کای اسکور»، «فراوانی مقادیر گم شده» (Mising Values)، «فراوانی در خانه های جدول» و... را به دست آوریم.

مربع های «بودن» (W.J.Youden) ، طرح های مربع لاتین «ناکامل» هستند به طوری که تعداد ستون های آن ها با تعداد سطرها و تیمارهایشان برابر نیست.

تاکنون برخی از طرح های «متعادل« را بررسی کردیم، اما بهتر است بدانید که برخی ممکن است طرح های آماری از نوع Non- Orthogonal (نابرابر)، Unbalanced (نامتعادل) و یا Incomplete block (بلوک ناقص) باشند.