تحلیل آماری پایان نامه با spss

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.

برای بررسی ارتباط میان متغیرها، ضرایب همبستگی گوناگونی با توجه به نوع مقیاس دخیل در سنجش آن متغیرها وجود دارد که در این بخش تلاش می شود این ضرایب همبستگی در یک سری از موضوع های پژوهشی توضیح داده شوند. ضریب همبستگی پیرسون، ضریب همبستگی اسپیرمن، ضریب همبستگی تاو کندال ، ضریب همبستگی d سامرز .

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.

آزمون هایی که در این مقاله مطرح می شوند، به مقایسه ی توزیع دو متغیر وابسته توجه دارند. کاربرد شایسته ی یکی از این چهار نوع آزمون (ویلکاکسون)، علامت، مک نمار و همگن بودن حاشیه ای)، به نوع داد ها بستگی دارد. غالباً آزمون های این بخش در پژوهش های آزمایشی که متغیر وابسته پیش و پس از مداخله ی آزمایشی سنجیده می شود و یا آن دسته از پژوهش هایی که گذشت زمان به عنوان مداخله ی آزمایشی است و همچنین پژوهش های غیر آزمایشی

آزمون کروسکال- والیس و جونک هیر- ترپسترو توضیح داده می شوند. هر چند آزمون میانه همتای غیرپارامتریک آزمون t تست گروهای مستقل است، اما برای مقایسه ی رتبه های چندین گروه مستقل نیز استفاده می شود. در این آزمون، ابتدا رتبه های گروه ها صرف نظر از وضعیت گروهی آن ها به صورت صعودی یا نزولی مرتب می شوند و سپس میانه ی آن ها محاسبه می شود.

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.

در آزمون کای اسکور، توزیع فراوانی های مشاهده شده با یک توزیع نظری مقایسه می شود و هنگامی این آزمون کاربرد مطلوبی دارد که فراوانی ها در طبقات اسمی که دارای هیچ ترتیب معینی نیستند، جمع آوری شده باشند. اما اگر فراوانی های مشاهده شده در یک نظم منطقی مرتب شوند، کاربرد آزمون کالمو گروف اسمیرونف برای ردیابی تفاوت فراوانی ها در طبقات مرتب شده از قابلیت آماری بهتری نسبت به آزمون کای اسکور برخوردار 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.

هنگامی آزمون دو جمله ای به کار برده می شود که متغیر طبقه ای پژوهش دارای دو ارزش (قبول/مردود، بیمار/سالم و...) باشد. اگرمتغیر طبقه ای دارای بیش از دو ارزش باشد و قصد داشته باشیم فراوانی های بالاتر از یک طبقه ی حاص را با فراوانی های پایین تر از آن طبقه ی خاص مقایسه کنیم، به کار بردن آزمون دو جمله ای امکان پذیر است.

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.

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.

در سیستم نرم افزاری SPSS جداول توافقی را با استفاده از دستور Crosstabs… تحلیل می کنیم. برای این منظور: 1- متغیر حاوی فراوانی ها را به SPSS معرفی کنید.

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.