تحلیل داده های آماری

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.

از مقایسات (contrast) چند گانه ای نظیر «توکی»، «دانکن»، «دانت»، «شِفِه» و... زمانی استفاده می شود که فقط مقایسۀ سادۀ کلیه ترکیبات دوگانۀ ممکن، مورد نظر باشد.

بسیاری از آزمایش ها شامل مطالعۀ اثرهای دو یا بیشتر از دو عامل اند. به طور کلی برای این نوع آزمایش ها، طرح های عاملی کاراترین هستند. منظور از یک طرح عاملی آن است که در هر امتحان کامل، تمام ترکیب های ممکن سطوح عامل ها بررسی شوند.

در محیط نرم افزاری SPSS به «طرح بلوک تصادفی» (Random block design)، اصطلاحا «اثرهای بین موردی» (between- subjects effects) گفته می شود.

از انجا که از هر دو گروه، چند مشاهده مورد مطالعه قرار می گیرد، یا به عبارت دیگر، مقایسۀ گروه هادر چند تکرار صورت می گیرد و اثر تکرار بر اثر گروه اضافه می شود،

با کمک جدول دانکن، مقادیر r_a (p,f) برای دامنه های معنی دار محاسبه می شود که p= 1,2,3,…,a سطح معنی دار بودن و f درجّۀ آزادی خطا است:

انواع مختلفی از «طرح» (design) ها وجود دارند که از اصل «بلوک بندی» استفاده می کنند. مثلا فرض کنید فردی اثرهای پنج فرمول بندی مختلف یک ترکیب قابل انفجار در ساخت دینامیت را با مشاهدۀ نیروی انفجار مطالعه می کند.

یک مربع لاتین p×p را در نظر گرفته و روی آن یک مربع لاتین p×p ی دیگری که «گروه ها» و یا به عبارتی دقیق تر «تیمار» (treatment) ها با حروف یونانی مشخص شده باشند استوار می کنیم. اگر این دو مربع وقتی بر هم استوار می شوند این خاصیت را داشته باشند که هر حرف یونانی یک بار و تنها یک بار با حرف لاتین ظاهر شود، در این صورت می گویی دو مربع لاتین متعامدند و طرح حاصل را طرح مربع یونانی – لاتین و یا گریکو – لاتین می گوییم. طرح

زمانی پیش می آید که می خواهید به جای داده های خام، (که در SPSS وارد می کنید)، از ماتریس همبستگی (R)، به عنوان تحلیل عاملی استفاده کنید. متأسفانه از طریق پنجره های معمولی نمی توانید این کار را انجام دهید. و برای این کار باید از پنجرۀ spss syntax Editor استفاده نمایید. در اینجا شم باید از دو مرحله استفاده کنید:

برای تحلیل های آماری، از محیط گرافیکی spss استفاده می شود ولی بهتر است به خاطر داشته باشید این محیط گرافیکی تا قبل از دسترسی به سیستم عامل ویندوز قابل دسترسی و استفاده نبود و بنابراین کاربران spss مجبور بودند در محیط DOS برنامه های خود را دستی تایپ کنند. البته نباید از مزایای این روش به راحتی چشم پوشی کرد چون شما می توانید مستقیماً با spss ارتباط برقرار کنید. برای استفاده از این امکان:  در پنجره syntax دستورات

روش کلی استفاده از دستور؛ بصورت زیر است:  دستور... Analyze > Dimension Reducsion > Factor را اجرا کنید.  در پنجره Factor Analysis (تحلیل عاملی) همۀ متغیرهای مورد نظر را از سمت چپ پنجره به ناحیۀ مستطیلی Variables (متغیرها) منتقل کنید.

فرض کنید، تعداد n_1 چیز از نوع x و تعداد n_2 چیز از نوع y داشته باشیم. این چیزها را به تصادف روی خط می چینیم، یا به عبارتی دیگر یک جایگشت از آنها تشکیل می دهیم. مثلاً برای=5 n_1 و=7 n_2 جایگشت زیر را در نظر می گیریم:

از این آزمون برای نشان دادن یک سری اتفاقات یا آزمایش ها استفاده می شود که در آن فرض می شود:  n امتحان دو به دو مستقل هستند.  احتمال هر امتحان برای اینکه برآمد در رده 1 باشد p است، که در آن p برای همۀ n امتحان یکی است.

آزمون « کولموگروف – اسمیرنوف» به افتخار دو آماردان روسی به نامهای A.N. Kolmogrov و N.V. Smirnov به این نام خوانده شده و روش ناپارامتری ساده ای برای تعیین همگونی اطلاعات تجربی با توزیع های آماری منتخب است. بنابراین، آزمون « کولموگروف – اسمیرنوف»، که از این به بعد آنرا با KS نشان می دهیم، روش دیگری علاوه بر روش «کای اِسکوِر» (Chi Square)، (x^2) ، برای همگونی یک توزیع فراوانی نظری برای اطلاعات تجربی است.

اگر بخواهیم در مورد نمونه های گرفته شده از k جامعه قضاوت کنیم از «آزمون H » که گاهی آنرا آزمون «کراسکال – والیس» (Krukal - Wallis) می نامند استفاده می کنیم. این آزمون در حقیقت تعمیم آزمون U برای مقایسۀ K جامعه است.

به عبارت دیگر، در این آزمون فرض برابر بودن میانگین های K جامعه را آزمون می کنیم.

در مدل های Bias (اُریب) دار، بیاید بتوانیم به نحوی با کمک «تبدیلات» (transformation) اریبی را از بین ببریم.

در بخش های دیگر گفتیم که فرض اساسی این بود که میانگین ها و نمونه های هر گروه مستقل از یکدیگر هستند.

از جمع بندی مبنای آزمون فرض می توان برای همۀ آزمون فرض های آماری، مراحل چهارگانه زیر را تدوین کرد.

 نحوه گرد آوری داده های آماری پایان نامه روانشناسی و دقت در آن در چگونگی تحلیل آن با نرم افزار spss و در نهایت نتیجه گیری پایان نامه نقش دارد.