انتخاب نمونه در روش پژوهش تجربی

انتخاب نمونه در روش پژوهش تجربی

معمولا در پژوهش های تجربی از نمونه هایی استفاده می شود که نسب به مداخله های آزمایشی حساس باشند. به طور مثال، اگر قرار است موثر بودن مداخله ی شناخت درمانی را در کاهش...

چرخش عامل ها در تحلیل عاملی Factor Rotation

چرخش عامل ها در تحلیل عاملی Factor Rotation

تمامی محموله های بدست آمده از محموله های اولیه، با یک تبدیل متعامد، توانایی یکسان برای تولید دوباره ماتریس کواریانس (یا همبستگی) دارند. از جبر ماتریس ها می دانیم که یک تبدیل متعامد به...

تفاوت آزمون های ناپارامتریک و پارامتریک در spss

تفاوت آزمون های ناپارامتریک و پارامتریک در spss

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...

داده های از دست رفته در spss

داده های از دست رفته در spss

داده های از دست رفته: وفتی مشغول تحقیق ، به ویژه بر روی انسان ها هستید ، به ندرت ممکن است داده های کاملی از هر نفر به دست بیاورید .

مقایسات مستقل یا contrast در spss

مقایسات مستقل یا contrast در spss

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.

نمودار خطی در تحلیل آماری پایان نامه با spss

نمودار خطی در تحلیل آماری پایان نامه با spss

نمودار خطی در تحلیل آماری پایان نامه با spss به شما امکان می دهد میانگین نمره های یک متغیر پیوسته را در کنار مقادیر مختلف یک متغیر طبقه ای را بررسی کنید.

مثال برای نمودار ساقه و برگ stem and leaf در spss

مثال برای نمودار ساقه و برگ stem and leaf در spss

در نرم افزار spss متغیری به نام DCommunicayion و با «برچسب» (lable)، Disconnected Communication ایجاد کرده و داده های فوق را در آن تایپ کنید، شکل 28-2.

آموزش آزمون جدول توافقی در spss

آموزش آزمون جدول توافقی در spss

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...

نحوه کشیدن و رسم نمودار دایره ای در spss

نحوه کشیدن و رسم نمودار دایره ای در spss

وقتی به دلایلی نتوانیم داده ها را به صورت «کمی» مشخص کنیم، مثلا در مورد منابع انرژی که به رده های زغال، گاز طبیعی، نفت خام و غیره تقسیم می شود، باز هم نمایش...

نکاتی درباره ضرایب همبستگی در spss

نکاتی درباره ضرایب همبستگی در spss

ضرایب همبستگی (مثل همبستگی گشتاوری پیرسون ) خلاصه ای از جهت و نیرومندی رابطه خطی دو متغیر را فراهم می کنند.

آزمون اثرهای بین موردی در spss

آزمون اثرهای بین موردی در spss

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

رسم نمودار ساقه و برگ stem and leaf در spss

رسم نمودار ساقه و برگ stem and leaf در spss

یک نمایش «ساقه و برگ» (stem and leaf) اطلاعاتی راجع به الگوی مشاهدات در یک آرایه از داده ها فراهم نموده و به کشف تمرکز یا خوشه ای بودن مقادیر خاص داده ها کمک...

موسیقی درمانی برای کودکان اوتیسم با مثال (مطلب روانشناسی با منبع)

موسیقی درمانی برای کودکان اوتیسم با مثال (مطلب روانشناسی با منبع)

 تونی ویگرام علاوه بر تدریس در دانشگاه آلبورگ دانمارک، در انگلستان به حرفه موسیقی درمانی مشغول است. او در این کشور با کودکان مبتلا...

اهداف موسیقی درمانی در روانشناسی

اهداف موسیقی درمانی در روانشناسی

از جمله اهداف موسیقی درمانی اثرات هیجانی آن است.

فنون موسیقی درمانی در روانشناسی

فنون موسیقی درمانی در روانشناسی

 یادگیری نحوه نواختن ابزار موسیقی، تمرینی عالی در زمینه موسیقی است تا از این طریق توانایی های حرکتی و مکانیکی را در افراد سست...

موسیقی درمانی در پزشکی (مطلب با ذکر منبع)

موسیقی درمانی در پزشکی (مطلب با ذکر منبع)

موسیقی از راه گوش وارد بدن می شود و استخوانها مثل چنگال در حال ارتعاش، از خود آهنگ تولید می کنند.

مدل ها و روش های موسیقی درمانی در روانشناسی

مدل ها و روش های موسیقی درمانی در روانشناسی

تاکنون روش های موسیقی درمانی به صورت منظم و طبقه بندی شده ارائه نشده اند. این روشها شامل موارد زیر می شوند:

تکنیک های استفاده از موسیقی درمانی در روانشناسی

تکنیک های استفاده از موسیقی درمانی در روانشناسی

 ۱. استفاده از سکوت اگر قطعه ای موسیقی را بشناسیم، زمانی که قطع می شود، متوجه می شویم.

تاریخچه موسیقی درمانی در روانشناسی

تاریخچه موسیقی درمانی در روانشناسی

تاریخچه موسیقی درمانی در جایگاه حرفه ای مراقبتی و درمانی چیست؟ ایده کاربرد موسیقی برای شفابخشی که روی سلامتی و رفتار تأثیر می گذارد،...

موسیقی درمانی نوزادان در روانشناسی

موسیقی درمانی نوزادان در روانشناسی

 نتایج موثر موسیقی درمانی باعث شدند ایمان بسیاری از متخصصان، مانند دکتر فرد شوارتز ، به موسیقی و ارزش های آن در نوزدان تقویت...

اهمیت قصه گویی در رشد اخلاقی کودکان

اهمیت قصه گویی در رشد اخلاقی کودکان

 برخی اندیشمندان قصه گویی را شیوه ای طبیعی برای ساختن جهان میدانند.

روانشناسی قصه گویی و داستان کودک

روانشناسی قصه گویی و داستان کودک

روش های قصه درمانی برای درک رفتار انسان طی سالهای اخیر در حوزه های مختلف روانشناسی فراگیر شده است.

تاثیر قصه ها بر ذهن کودکان

تاثیر قصه ها بر ذهن کودکان

 اکثر مادر کودکی های خود روزهایی را به یاد می آوریم که بزرگترها برای سرگرم کردن و یا کوتاه نمودن شب های بلند زمستان...

اثر داستان و قصه گویی بر مغز کودکان

اثر داستان و قصه گویی بر مغز کودکان

 بسیاری از روانشناسان معتقدند گفتن قصه در تکامل مغز نوزادان نقش مهمی را ایفا می کند و می توان آن را به دوره دوم...

اختلال استرس پس ازسانحه و ملاک های آن

اختلال استرس پس ازسانحه و ملاک های آن

هنگامی که پس از تجربه یک رویداد آسیب زا، علائم استرس به مدت بیش از یک ماه ادامه پیدا می کند، ممکن است فرد...

مدل فراشناختی اختلال استرس پس از سانحه

مدل فراشناختی اختلال استرس پس از سانحه

 قبل از توصیف مدل فراشناختی اختلال استرس پس از سانحه، بررسی ماهیت در جاماندگی، پایش تهدید و رفتارهای خودتنظیمی غیرانطباقی تشکیل دهنده سندرم شناختی...

نوع ساده ای از پیوند بین متغیر های X و Y ، زوج های مقادیر یا به طور نموداری؛ نقاطی که در اطراف یک خط مستقیم پراکنده اند، را تولید می کند.

وجود کمی پراکندگی حول یک خط نشانه ای از یک پیوند قوی است، و وجود پراکندگی زیاد، نمایشی از یک پیوند ضعیف است.

معیار عددی حاصل از این رابطه، ضریب همبستگی نمونه ای یا بعضی اوقات، «ضریب همبستگی گشتاور حاصل ضرب پیرسُن» نامیده شده و ضریب همبستگی نمونه ای r به صورت زیر تعریف می شود:

 

که معمولا آن را با ρ نشان می دهند. در حالت کلی می توانیم ضریب همبستگی نمونه ای r را به عنوان برآوردکننده ای از ضریب همبستگی جامعه، یعنی ρ در نظر بگیریم.

چون r مشابه نمونه ای همبستگی جامعه، یعنی ρ است، خواص ρ را نیز شامل می شود: مقدار r می تواند مقادیر +1 تا-1 را اختیار کند.

مقدار r =1 وقتی رخ می دهد که نقاط داده ها به طور کامل روی یک خط مستقیم با شیب مثبت قرار بگیرند.

مقدار r = -1 بیانگر یک رابطۀ خطی کامل است که در آن خط دارای شیب منفی است.

مقداری ازr که نزدیک اعداد -1 و1 قرار بگیرد متناظر با خوشه ای فشرده از نقاط داده ها در اطراف یک خط مستقیم است که یک رابطۀ خطی قوی را تشکیل می دهند.

هر چه مقدار خوشه ای شدن در اطراف یک خط مستقیم کمتر باشد، rمقادیر کوچکتری را گرفته و r=0 به عنوان عدم رابطۀ خطی تعبیر می شود.

در شکل 2-5 تناظر بین اندازۀ خطی بدون رابطه، و مقدارr نشان داده شده است.

علاوه بر این، ضریب همبستگی نمونه را می توان در برازش خط مستقیم به داده ها با کوچکترین توان دوم به نوعی تفسیر کرد.

 

در مبحث رگرسیون، نسبت تغییر پذیری در مقادیر Y، که قابل بیان با یک رابطه خطی است دقیقاr2 است.

بنابراین با r = 0.9 ، 81%از تغییرپذیری مقادیر Y به وسیله یک رابطه خطی بیان می شود.

با r = 0.5 فقط 25%از تغییر پذیری بیان می شود. در این مقطع یادآوری نکتۀ مهمی ضرورت دارد.

ضریب همبستگی نمونه ای، r، قدرت رابطۀ خطی را اندازه می گیرد.

ممکن است حالتی وجود داشته باشد که X و Y به طور قوی مربوط بوده ولی رابطه منحنی الخط باشد.

بعضی اوقات ممکن است منحنی طوری باشد که r به صفر نزدیک شود، که این موضوع به طور صحیح نمایشگر عدم رابطۀ خطی است ولی بدین معنی نیست که هیچ گونه رابطه ای وجود ندارد.

خوشبختانه رسم نمودار پراکندگی و توجه به داده ا موجب اجتناب از این دام اخیر می شود.

چنین وضعیتی در شکل 3-5 تشریح شده است. وقتی الگوی کلی به شکل موز باشد، شکل 4-5 (الف)، همبستگی نمونه ای r معمولا مناسبترین معیار برای بیان میزان رابطۀ مناسب نیست.

در برخورد با خوشه های جدا از هم، شکل 4-5 (ب)، در قدم اول باید علت اساسی تعیین شود و سپس برای هر خوشه به طور مجزا عمل کرد.

 

همبستگی و علیت :

از نظر تاریخی، اغلب به طور شتابزده به نتایج توجه نشده ای پرداخته اند که این نتایج به وسیلۀ درک نادرست یک همبستگی مشاهده شده برای یک رابطۀ علّی و معلولی بوده است.

ضریب بالای همبستگی نمونه ایف لزوما معنای رابطۀ علیتی بین دو متغیر را نمی دهد.

مثالی که اغلب نقل شده است مربوط به همبستگی مثبت زیاد بین تعداد لک لک های دیده شده و تعداد تولد در یک شهر اروپایی است.

خوشبختانه امروزه هیچ فردی از این گواه نتیجه نمی گیرد که این لک لک ها هستند که نوزادان را می آورند و یا حتی بدتر، این کشتن لک لک هاست که رشد جمعیت را کنترل می کند.

این مشاهده که دو متغیر به طور همزمان و در یک جهت تعیین می کنند، به معنی وجود یک رابطۀ مستقیم بین آنها نیست.

اگر تعداد آدم کش های ماهانه، x، و تعداد جلسات مذهبی ماهانه، y، را برای شهرهای متعدد با جمعیت خیلی متفاوت ثبت کنیم، داده ها احتمالا یک همبستگی زیاد را نشان خواهند داد.

علیرغم این واقعیت که x و y ممکن است نامربوط یا حتی به طور منفی به یکدیگر مربوط باشند، این، نوسان یک متغیر سوم (یعنی، جمعیت شهر) است که موجب می شود x و y در یک جمعیت تغییر کنند.

به سومین متغیر، که در این مثال، واقعا علت همبستگی مشاهده شدۀ بین جنایات و جلسات مذهبی است، به عنوان «متغیر پنهانی» را اطلاق می کنند.

همبستگی غلطی را که این متغیر تولید می کند همبستگی جعلی می نامند.

وقتی ضریب همبستگی را به عنوان معیاری برای رابطه به کار می بریم ، باید مراقب باشیم تا حد امکان تاثیر یک متغیر پنهانی بر هر یک از متغیرهای تحت بررسی اجتناب کنیم.

 

نحوۀ محاسبۀ ضریب همبستگی پیرسون:

دستور Analyze > correlate > bivariate… را اجرا کنید. 

در پنجرۀ bivariate correlations (همبستگی های دو متغیره) نام هر دو متغیر را انتخاب کرده و آن ها را به ناحیۀ مستطیلی variables (متغیرها) منتقل کنید. 

برای دیدن میانگین ها و انحراف معیار در خروجی، روی دکمۀ optionsکلیک کرده و گزینه means and standard deviations را انتخاب کنید.

اکنون روی دکمۀ continue (ادامۀ) کلیک کنید. 

مطمئن باشید که در ناحیۀ correlation coefficients (ضرایب همبستگی) گزینۀ نوع Pearson (پیرسُن) انتخاب شده باشد. 

نوع یک یا دو طرفه بودن آزمون را در ناحیۀ test of significance (آزمون معنی داری) تعیین کنید.

 

نکات :

در صورت انتخاب، گزینۀ Flag significant correlations (ضرایب معنی داری مشخص شوند) باعث می شود که همبستگی ها در سطح آزمون 5% با یک ستاره و در سطح آزمون 1% با دو ستاره در خروجی نشان داده شود. 

برای بررسی correlation Matrix (ماتریس همبستگی) در رگرسیون های چندگانه، جهت آگاهی از وجود روابط Multi collinearity (هم چند خطی بودن)، بهتر است جدول Descriptivestatistics(آماره های توصیفی) استفاده شود.

در این جدول predictor (پیش بینی کننده) هایی که در آن ها میزان همبستگی، یعنی R از عدد 0.9 بیشتر باشد، (R > 0.9)نشان دهندۀ ارتباط شدید بین متغیرها است.

 

مثال:

برای داده های مثال 1 ضریب همبستگی پیرسن را حساب کنید.

پاسخ:

1- داده ها را در محیط نرم افزاری SPSS وارد کنید.

2- دستور Analyze > correlate > bivariate… را اجرا کنید.

3- در پنجرۀ Bivariate correlations (همبستگی های دو متغیره) متغیرهای X و Y از سمت چپ پنجرۀ را با پایین نگه داشتن کلید ctrl از صفحه کلید انتخاب و سپس با کلیک چپ روی دکمۀ آن را به ناحیۀ راست منتقل کنید، شکل 5-5.

4- رو ی دکمۀ options… (گزینه ها) کلیک کنید تا پنجرۀ bivariate correlations: options باز شود.

5- در پنجرۀ bivariate correlations: options گزینۀ means and standard deviations را انتخاب کنید تا «میانگین مشاهدات» و « انحراف معیارها» در خروجی نشان داده شود، شکل 6-5.

6- ابتدا روی دکمۀ continue و سپس روی دکمۀ ok کلیک کنید، خروجی 2-5.

 

تحلیل خروجی :

در این خروجی، جدولی از آمار توصیفی و همبستگی ها نشان داده شده است.

همانطور که در جدول correlation دیده می شود، مقدارr برابر0.412 و P – Value = sig. (2- tailed) برابر با 0.006 است بنابراین، می توانیم نتیجه بگیریم که:

P-Value = 0.006 <α = 0.01 پس، «ضریب همبستگی» در سطح آزمون 0.01=α معنی دار است.

معیارهای همبستگی مبتنی بر رتبه ها رتبه ها برای تعیین درجۀ پیوند بین دو متغیر تصادفی نیز به کار روند.

این دو متغیر می توانند در اجرای یک آزمون روان شناسی، توانایی در ریاضیات و داشتن استعداد موسیقی یا نمرات سلطه جویی پسرهای اول و دوم خانواده ها باشند.

اگر به خاطر داشته باشید ضریب همبستگی گشتاور حاصل ضرب پیرسن، یعنی r را به عنوان معیاری از پیوند بین X وY معرفی کردیم.

R که به صورت یک آمارۀ توصیفی به کار می رود مقدار عددی برای میزان وابستگی خطی بین X وY را فراهم می آورد.

اما، توزیع نمونه ای داده شده برای r، فقط تحت فرض کاملا محدود کنندۀ نرمال بودن توزیع توام X وY بر قرار است.

روش های همبستگی رتبه ای بر این محدودیت فائق می شوند و نیز صفت کیفی قوی تری از اندازه گیری رابطه های معینی که خطی نیستند نشان می دهند.

ساختار مشاهدات اگر n زوج (X_1,Y_1),(X_2,Y_2),…,(X_n,Y_n) مستقل بوده و تمام زوج ها دارای توزیع دو متغیرۀ پیوسته یکسان باشند، در این صورت X1,X2,…,Xnبین خودشان و Y1,Y2,…,Yn نیز بین خودشان رتبه بندی می شوند، جدول 2-5.

 

معیاری از همبستگی به وسیلۀ «چارلز اسپیرمن» (Charles Spearman) تعریف شده است که به همبستگی «کارل پیرسن» (karl Pearson)شباهت زیادی دارد، با این تفاوت که اسپیرمن به جای مشاهدات، رتبه های آن ها را قرار می دهد.

همبستگی رتبه ای اسپیرمن، rsp با رابطۀ زیر تعریف می شود:

 

که با نام Spearman's rho (رو اسپیرمن) نیز شناخته می شود.

این همبستگی رتبه ای سهمی از خواص r را دارد طوری که1 -1≤r_sp≤ و مقادیر نزدیک +1 نمایشگر گرایش زوج شدن با مقادیر بزرگترX یا مقادیر بزرگتر Y است.

با وجود این، همبستگی رتبه ای با معناتر است زیرا تعبیر آن به خطی بودن رابطه نیاز ندارد.


 

Go to top
زوم تک
دوشنبه 3 مهر 1396.
امروز