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.

 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.

دومین متغیر از تفاضل نمره ی پیگیری از پیش آزمون به دست می آید که به اثر زمان ربط دارد.

و سومین متغیر از تفاضل نمره ی پیگیری از پس آزمون به دست می آید که روند تغییرات متغیر وابسته را در طی زمان بررسی می کند.

پس از آن که این سه متغیر محاسبه شدند، ادامه ی روند کار دقیقا همانند تحلیل واریانس با اندازه های تکراری بر روی نمره های اصلی است.

اگر تعامل گروه با سطوح متغیرها (سه متغیر تفاضل) معنی دار شود، می توانند با t-test های جداگانه، اثر مداخله، زمان و تغییرات در طی زمان را میان گروه آزمایش و گواه آزمون کنید.

تحلیل واریانس چند متغیری بر روی نمره های تفاضل در تحلیل واریانس چند متغیری، گروه ها از لحاظ ترکیب خطی متغیرهای وابسته (سه متغیر تفاضل) آزمون می شوند.

اگر F چند متغیری و ترجیحا در آزمون ویلکس لمبدا معنی دار شود، نشان دهنده ی آن است که گروه ها دست کم از لحاظ یکی از متغیرها اختلاف معنی دار دارند.

پس از تحلیل چند متغیری، SPSS نتایج حاصل از تحلیل واریانس های مجزا را برای تک تک متغیرهای تفاضل ارائه می کند.

با توجه به این که در تحلیل واریانس چند متغیری ترکیب خطی متغیرها در معادله ی رگرسیون بررسی می شود، ورود تنها دو متغیر تفاضل (پس آزمون از پیش آزمون و پیگیری از پیش آزمون) کفایت می کند.

به عبارت دیگر، اضافه نمودن متغیر سوم (تفاضل پیگیری از پس آزمون) تفاوتی در F چند متغیری ایجاد نمی کند.

نکته ی مهم:

اگر اثر مداخله ی آزمایشی (تفاضل پس آزمون از پیش آزمون) در سطح 05/0>P معنی دار شود، در صورتی که اثر بهبود در طی زمان ماندگار نباشد، تفاضل پیگیری از پیش آزمون معنی دار نخواهد شد.

در چنین شرایطی، ترکیب خطی این دو متغیر در تحلیل واریانس چند متغیری ممکن است معنی دار نشود.

آیا هنگامی که نتیجه ی تحلیل چند متغیری معنی دار نمی شود، می توان نتایج حاصل از تحلیل واریانس جداگانه را بر متغیرهای تفاضل مورد اعتنا قرار داد؟

قاعده ی کلی این است که اگر تحلیل چند متغیری معنی دار نشود، نمی توان از F های جداگانه ای متغیرهای وابسته برای آزمودن فرضیه های پژوهش استفاده کرد.

اما در پژوهش های تجربی، اگر ابتدا اثر مداخله ی آزمایشی معنی دار شود و پس از دخالت دادن اثر زمان، یعنی وارد کردن تفاضل پیگیری از پیش آزمون در تحلیل، نتیجه ی تحلیل چند متغیری بی معنی گردد، چه می توان گفت؟

به عبارت ساده تر، در پژوهش های تجربی مواردی پیش می آید که تفاضل پیش آزمون و پس آزمون (اثر آزمایشی) با آزمون t-test معنی دار می شود، اما به دلیل زایل شدن اثر مداخله ی ازمایشی در طی زمان، تفاضل پیگیری از پیش آزمون معنی دار نمی شود.

در چنین شرایطی اگر از تحلیل چند متغیری برای آزمودن همزمان دو متغیر تفاضل استفاده شود، احتمال بی معنی شدن F چندگانه وجود دارد.

بنابراین، باید از کاربرد تحلیل واریانس چند متغیری بر روی داده هایی که از همبستگی بالایی با یکدیگر برخوردارند، پرهیز کرد.

هر چند توافق گسترده ای نسبت به کاربرد تحلیل واریانس چند متغیری بر روی نمره های اصلی از طرح های پیش آزمون- پس آزمون- پیگیری وجود ندارد، اما تحلیل واریانس چند متغیری به وفور در مقایسه ی همزمان نمره های افزوده (متغیرهایی که از تفاضل پیش آزمون، پس آزمون، و پیگیری حاصل می شوند) به کار برده می شود.

به هر حال، چون همبستگی میان نمره های تفاضل، کمتر از همبستگی بین متغیرهای اصلی است، به کارگیری تحلیل واریانس چند متغیری بر روی نمره های تفاضل به ندرت با مشکل مواجه می شود.

نتایج یک تحلیل واریانس چند متغیری، برآمده از داده های فرضی، در خروجی 8 ارائه شده است.


تحلیل واریانس با اندازه های تکراری بر روی نمره های تفاضل

 

همان گونه که در خروجی 8 مشاهده می شود، F چند متغیری برابر با 459/2 و در سطح 124/0

P از لحاظ آماری معنی دار است. دومین متغیر یعنی تفاضل پیگیری از پیش آزمون با مقدار 255/0=F از لحاظ آماری معنی دار نیست.

در چنین شرایطی، منطقا می توان فرضیه ی مربوط به موثر بودن اثر آزمایش را پذیرفت هر چند که تحلیل چند متغیری خلاف آن را نشان می دهد.

اصولا در پژوهش های پیش آزمون- پیگیری، دو نوع مداخله ی آزمایشی (اعمال آزمایشی و طول زمان) به کار گرفته می شود.

بدین لحاظ، کاربرد دو تحلیل جداگانه، ارتباط چندانی با خطای نوع اول و نادیده گرفتن آلفای اسمی ندارد.

برای دریافت متن کامل این مقاله آموزشی بسته آموزش تحلیل آماری با spss را تهیه کنید:

شما با این بسته می توانید تحلیل آماری با spss و amos را کامل و آسان بیاموزید

و قطعا قادر می شوید کارهای آماری را حودتان انجام دهید

چگونه؟

بسته آموزشی تجزیه تحلیل آماری با SPSS و AMOS

از صفر تا صد آموزش  spss

آموزش مباحث اساسی AMOS

آموزش به زبان ساده ، موضوعی و گام به گام همراه با تصویر

33 پکیج (1378 صفحه تصویری)+ به همراه همه مقالات آموزشی این سایت درباره spss

لطفا و خواهشا برای سوال های آماری و رفع اشکال تماس نگیرید

هر آنچه لازم باشد در این بسته آموزشی آمده است.

 


انتخاب جدیدترین موضوعات پایان نامه روانشناسی، مشاوره و علوم تربیتی و انجام تخصصی پروپوزال(دانلود نمونه کار پروپوزال)::

شماره تماس: 09011853901
جهت ارسال سریع پیام در پیام رسان های زیر نام هر یک را لمس کنید.