روش های آماری برای بررسی روابط متغیرها:
در این بخش نگاهی به چند روش موجود در spss برای بررسی روابط بین متغیرها خواهیم داشت .
در این بخش تمرکز ما بر تشخیص و توصیف روابط بین متغییرها است .
همه روش هایی که در اینجا مطرح شده اند مبتنی بر همبستگی هستند .
روش های همبستگی اغلب توسط محققانی به کار می رود که طرح تحقیقی غیر آزمایش دارند.
بر خلاف طرح های ازمایشی ، متغیرها به طور مشخص دست کاری یا کنترل نمی شوند .
بلکه متغیرها به همان شکل طبیعی خود توصیف می شوند.
این روش ها را میتوان در موارد زیر به کار برد.
بررسی رابطه بین جفت متغیر ها ( همبستگی ) :
پیش بینی نمره های یک متغیر با توجه به نمره هلی متغیر دیگر ( رگسیون دو متغیره) .
پیش بینی نمره های یک متغیر وابسته با توجه به نمره های چند متغیر مستقل (رگسیون چند متغیره) .
شناسایی ساختار بنیادی گروهی از متغیر های مرتبط (تحلیل عامل) .
این خانواده روش هابرای آزمون مدل ها و نظریه ها، پیش بینی پیامدها و ارزیابی پایابی و روایی مقیاس ها به کار می روند.
روش های مطرح شده :
در spss طیفی از روش ها برای بررسی روابط وجود دارد.
انواع این روش ها بر اساس نوع سوال تحقیق و نوع داده های جمع آوری شده قابل استفاده هستند.
با این حال ، در مقاله حاضر فقط متداول ترین روش ها ی مورد استفاده مطرح شده اند.
همبستگی هنگامی به کار می رود که بخواهید نیرومندی و جهت رابطه بین دو متغیر معمولا پیوسته را توصیف کنید .
همچنین وقتی یکی از متغیر ها دو مقوله ای است (یعنی فقط دو مقدار دارد، مثل جنس ، زن/مرد) می توان از این روش استفاده کرد.
آمار به دست امده همبستگی گشتاوری پیرسون (r ) است.
معناداری اماری r نیز ارائه شده است.
همبستگی جزئی زمانی استفاده میشود که بخواهید رابطه بین دو متغیر را همزمان با کنترل اماری یک منغیر سوم بررسی کنید .
این روش در صورتی مفید است که احتمال بدهید رابطه بین دو متغیر مورد نظر شما به واسته متغیر سوم تحت تاثیر قرار گیرد.
همبستگی جزئی به لحاظ اماری تاثیر متغیر سوم را از بین می برد و تصویر واضح تری از رابطه واقعی بین دو متغیر شما ارائه می دهد.
رگرسیون چند متغیره امکان پیش بینی یک وابسته پیوسته را با توجه به گروهی از متغیرهای مستقل فراهم می کند .
از این روش می توان برای آزمون نیرومندی پیش بینی مجموعه ای از متغیرها و ارزیابی سهم نسبی هر متغیر استفاده کرد.
رگرسیون لجستیک هنگامی که متغیر وابسته شما طبقه ای باشد ، به جای رگرسیون چند متغیره به کار می رود.
از این روش می توان برای آزمون نیرومندی پیش بینی مجموعه ای از متغیر ها و ارزیابی سهم نسبی هر متغیر استفاده کرد .
تحلیل عامل هنگامی به کار میرود که تعداد زیادی متغیر مرتبط داشته باشد (برای نمونه ، ایتم هایی که یک مقیاس را می سازند) و بخواهید ساختار بنیادی این مجموعه متغیرها را بررسی کنید.
این روش در کاهش تعدادی متغیر مرتبط به مولفه ها یا ابعاد کوچک تر و قابل مدیریت سودمند است.
قبلا چند مورد از اصول پایه همبستگی را مرور خواهم کرد که در همه روش های مطرح شده در بخش چهارم مشترک هستند.
قبل از انکه روش های ارائه شده در این بخش را به کار ببرید، باید این مطالب مرور شوند.
