در محیط spss هفت روش، جهت طبقه بندی، وجود داشته و ما فقط روش Discriminant را بررسی می کنیم:

روش Twostep Cluster … (خوشه ای – دو مرحله ای)

روش K-Means Cluster … (خوشه ای – k میانگین)

روش Hierarchical Cluster … (خوشه ای – سلسله مراتبی)

روش Cluster Silhouetts (طرحهای خوشه ای)

روش Tree … (ساختار درختی)

روش Nearest Neighbour … (نزدیکترین همسایه)

روش ... Discriminant(ممیزی)

 

تحلیل ممیزی:

روشی که در این تحلیل استفاده می شود مشابه روش به کار رفته در «رگرسیون چندگانه» (Multiple Regression) است به این معنی که در آن اثر حاصل از اضافه و کم شدن یک متغیر مستقل توسط آزمون آماری کنترل می شود و نتایج آن، ملاک وارد شدن آن متغیر مستقل در تحلیل نهایی است.

هر گاه تعداد متغیرهایی که در آن از این آزمون استفاده می شود شامل دو متغیر باشد، فقط یک تابع ممیزی وجود خواهد داشت.

اما وقتی بیشتر از دو گروه وجود دارد، توابع متعددی می تواند وجود داشته باشد.

برای «ورود» (Enter) یا «حذف» (Remove) متغیرها به تحلیل، از آماره های مختلفی استفاده می شود که یکی از مشهورترین آنها Wilk's Lambda (لاندای ویلکس) است.

معنی داری یک متغیر جهت اضافه و یا حذف شدن؛ از طریق آزمون F تعیین می شود.

در هر مرحله از افزودن متغیر به تحلیل، متغیر با بزرگترین F وارد می شود (Enter).

این روند تکرار می شود تا زمانیکه متغیر دیگری وجود نباشد که مقدار F آن بزرگتر از یک مقدار حداقل باشد.

هر متغیری که قبلاً وارد شده است و نقشی در وارد کردن صحیح متغیرها در تحلیل ندارد، از صحنه خارج می شود.

بعد از تکمیل اضافه و حذف شدن متغیر جدولی ارائه می شود که در آن لیستی از متغیرهایی که در هر مرحله اضافه و یا کم شده اند نشان داده می شود.

فرض های به کار رفته در تحلیل ممیزی: استفاده از «تحلیل ممیزی» چند فرض محدود کننده دارد.

برای مثال، فرض می شود داده ها به صورت «نرمال چند متغیره» (Multivariate Normal) هستند.

اگر نمونه هاکوچک نباشند، این روند نسبت به چولگی مقاوم است یعنی تغییری در توزیع نرمال های چند متغیره اعمال نشده، اما مشکل وجود مقادیر «دور افتاده» (Outliers) حادتر است.

نکات در آزمون Box (باکس) فرض بر تساوی ماترس های کواریانس است.

وقتی حجم نمونه ها با هم برابر باشد می توان این آزمون را نادیده گرفت.

چنانچه حجم نمونه ها یکی نباشد باید این آزمون را بررسی کرد.

در این آزمون اگر مقدار Sig. < 0.001 باشد، به نتایج حاصل از تحلیل نباید مطمئن بود.

از MANOVA (تحلیل واریانس چند متغیره) برای آزمون اختلاف بین متغیرهای وابستۀ گروه ها استفاده می شود.

نتایج MANOVA در جدول Multivariate Tests (آزمون های چند متغیره) نمایش داده شده و شامل چهار آزمون: 

آزمون Trace Pillai's (اثر پیلای) 

آزمون Wilk's Lambda (لاندای ویلکس)

 آزمون Trace Hotelling's (اثر هُتلینگ) 

آزمون Roy's Largest Root (بزرگترین ریشۀ روی) است.

توصیۀ ما این است که از آزمون Pillai's Trace استفاده کنید.

در اینجا اگر مقدار Sig. < 0.001 باشد، بدون توجه به وابسته بودن متغیرها، گروهها اختلاف معنی داری باهم دارند.

می توان از ANOVA ها برای تحلیل MANOVA استفاده کرد.

نتایج حاصل از این تحلیل در جدول Tests Between- Subject Effects (آزمون اثرهای بین موردی) نشان داده می شود.

همچنین این ANOVA ها را می توان با کنتراست ها محاسبه کرد.

پیشنهاد می شود از «تحلیل ممیزی» (Discriminant Analysis) استفاده کنید.

مثال 1: دو گروه را در یک شهر در نظر بگیرید، یکی π_1 صاحبان ماشین چمن زنی و دیگری π_2 آنهایی که ماشین چمن زنی ندارند.

برای تعیین میانگین فروش مورد انتظار یک رشته فروش انبوه، یک تولید کنندۀ ماشین علف چینی علاقمند است خانواده ها را بصورت: X_1= دارای ماشین و فاقد ماشین بر مبنای درآمد X_2=زمین قطعه حجم رده بندی کند، نمونه تصادفی مرکب از 5= n_1صاحب فعلی و 5= n_2 نفر که صاحب فعلی ماشین نیستند، در جدول 2-11 نشان داده شده است.

نحوۀ رده بندی این دو جمله و «تحلیل ممیزی» مربوطه را برسی کنید.

آموزش تحلیل تشخیصی یا ممیزی در spss با مثال

پاسخ: عدد 1 را برای π_1 (آنهایی که ماشین چمن زنی دارند) عدد 2 را برای π_2 (آنهایی که ماشین چمن زنی ندارند) در نظر بگیرید:

1- داده ها را به spss معرفی کنید، شکل 1-10.

2- دستورClassify > Discriminant… Analyze > را اجرا کنید.

3- در پنجرۀ Analyze Discriminant(تحلیل ممیزی) متغیر Group را به ناحیۀ Grouping Valiable (متغیر گروبندی) منتقل کرده و با کلیک دکمۀ Define Range (تعریف دامنه)، مقادیر Minimum و Maximum را به اعداد 1و 2 تنظیم و با کلیک دکمۀ Continue (ادامه) پنجره را ببندید، شکل 2-10.

آموزش تحلیل تشخیصی یا ممیزی در spss با مثال

آموزش تحلیل تشخیصی یا ممیزی در spss با مثال

 

4- متغیرهای [Belong1] Belong1و[Belong2] Belong2 را به independents (متغیرهای مستقل) منتقل کرده و گزینۀ Use Stepwise method (استفاده از روش گام به گام) را انتخاب کنید، شکل 3-10.

5- برای دیدن تحلیل واریانس در نتیجۀ حاصله و یا به عبارتی، در خروجی، روی دکمۀ Statistics (آمار) کلیک و در ناحیۀ Descriptives (توصیفی) گزینۀ Univariate ANOAS را انتخاب کنید، شکل 4-10.

6- با کلیک دکمۀ Method… (روش)، روش و ناحیۀ بحرانی، به کار رفته را بررسی کنید، شکل 5-10.

آموزش تحلیل تشخیصی یا ممیزی در spss با مثال

آموزش تحلیل تشخیصی یا ممیزی در spss با مثال

خروجی حاصل از اجرای تحلیل ممیزی :

در سمت چپ پنجرۀ Output (خروجی) لیستی از محاسبات اجرا شده نشان داده می شود، که در ادامه به بررسی این جداول می پردازیم، خروجی 1-10.

 

اطلاعات مربوط به داده ها و تعداد متغیرها در هر طبقه از گروه بندی :

در خروجی2-10، اطلاعات مربوط به تعداد متغیرها که در تحلیل مورد استفاده قرار می گیرند نشان داده است.

همانطور که در این جدول می بینید، هیچ یک از متغیرها دارای مقادیر « گم شده»Missing )) نیستند.

اطلاعات مربوط به گروه :

جدول Statistics Group (آمار گروه) تعداد موارد را برای هر متغیر مستقل هر سطح از گروه بندی نشان می دهد.

از آنجایی که در این تحلیل همۀ متغیرهای گروههای مختلف یکسان است، بصورت خروجی 3-10 نشان داده شده اند.

آموزش تحلیل تشخیصی یا ممیزی در spss با مثال

آموزش تحلیل تشخیصی یا ممیزی در spss با مثال

 

آماره ها : اگر به یاد داشته باشید، قبلاً گزینۀ انتخابی Univariate ANOVAs را در پنجرۀ Statistics Discriminant انتخاب کردید.

نتیجۀ حاصل از این گزینه در خروجی 4-10 نشان داده شده است.

این جدول نشان می دهد که آیا تفاوت معنی داری بین آنهایی که صاحب ماشین چمن زنی هستند و آنهایی که صاحب ماشین چمن زنی نیستند وجود دارد یا نه؟

همانطور که در ستون Sig. (معنی داری) که مخفف Significance (معنی داری) است نشان داده شده است، همۀ این تفاوت ها معنی دار است.

آموزش تحلیل تشخیصی یا ممیزی در spss با مثال

 

جدول خلاصه : ناحیۀ Stepwise Statistics با یک جدول خلاصه می شود، خروجی 5-10.

این جدول، ترتیب وارد و یا خارج شدن متغیر به مدل را نشان می دهد (در این جدول متغیری خارج نشده است).

علاوه بر این، در این جدول، مقادیر «لاندای ویلکس» و آزمون دقیق F (فیشر) نیز ارائه شده است.

به مقادیر هر یک از پارامترهای F to Enter و F to Remove که در پانویس های b و c ارائه شده است توجه کنید.

وارد و خارج کردن گام به گام متغیرها : جدول بعدی یعنی Variables in the Analysis (متغیرهای بکار رفته در تحلیل) متغیرهای تحلیل را نشان می دهد، خروجی 6-10.

آموزش تحلیل تشخیصی یا ممیزی در spss با مثال

 

در این جدول، ستون Tolerance (تُلرانس)، مقادیر تلرانس متغیر انتخاب نشده را نشان می دهد که مقدار عددی آن برابر است با: Tolerance = 1- 〖(چندگانه ضریب همبستگی )〗^2 و سایر متغیرها، متغیرهایی هستند که تاکنون وارد شده اند.

اگر مقدار این متغیر (تلرانس) خیلی کوچک باشد، به این مفهوم است که آن متغیر چیز زیادی برای ارائه به تحلیل ندارد.

ستون F to Remove معنی داری کاهش ایجاد شده در قدرت تشخیص را بعد از خارج شدن متغیر مربوطه آزمون می کند.

اما از آنجایی که هیچ کدام از نسبت های F کمتر از مقدار معیار 2.71 نیستند (قبلاً در پانویس c، از جدول 〖Variables Entered /Removed〗^(a,b,c,d) ، مقدار عددی پارامتر F to Remove عدد 2.71 نشان داده شده است)، هیچ یک از متغیرهای وارد شده، بعداً خارج نشده اند.

جدول Variables Not in the Analysis (متغیرهایی که در تحلیل حضور ندارد)، متغیرهایی که از ابتدا تا انتها در تحلیل حضور ندارند را نشان می دهد، خروجی 7-10.

آموزش تحلیل تشخیصی یا ممیزی در spss با مثال

 

جدول بعدی، جدول «لاندای ویلکس» است که مشابه خروجی 5-10 بوده و به همین دلیل از ذکر دوباره خودداری شده است.

خلاصه ای از توابع کانونی ممیزی :

خروجی 8-10، «درصد واریانس» (% of Variance) را نشان می دهد که توسط هر یک از توابع ممیزی برآورد می شود و نشان می دهد که چه تعداد از آنها معنی دار است.

با توجه به ستون Sig. از جدول Wilk's Lambda می بینیم که تابع به شدت «معنی دار» است.

آموزش تحلیل تشخیصی یا ممیزی در spss با مثال

 

ضرایب استاندارد شده و همبستگی درون گروهی با توابع ممیزی :

در ادامه دو جدول ارائه می شود. جدول اول Standardized Canonical Discriminant Function Coefficients (تابع ضرایب ممیزی کانونی استاندارد شده) و جدول دوم، Structure Matrix (ماتریس ساختار) است.

جدول Structure Matrix، جدولی از همبستگی های درون گروهی ترکیبی بین «متغیرها» و «توابع کانونی» به نام Pooled within groups Correlations بوده و جدول Functions at Group Centroids میانگین درون گروهی هر یک از سطوح «متغیروابسته» را نشان می دهد، خروجی 9-10.

آموزش تحلیل تشخیصی یا ممیزی در spss با مثال

نکات : 

پس از اجرای MANOVA ، برای بررسی متغیرهای وابسته در بین گروه ها می توانید از DFA (تحلیل تابع ممیزی)، Analysis Discriminant Function، استفاده کنید. 

برای اینکه بدانید چه تعداد متغیر وابسته برای توصیف داده ها کافیست از جدول Wilk's Lambda استفاده کنید.

در اینجا اگر sig در اینصورت ترکیب متغیرهای وابسته برای توصیف گروه ها معنی دار است. 

پس از کسب اطمینان از معنی دار بودن «ترکیب متغیرهای وابسته» یا «واریت» ها، از جدول standardized Canonical Discriminant Function Coefficients برای یافتن تعداد متغیرهای مستقل استفاده کنید.

متغیر شامل عدد بالا متغیر محسوب شده و متغیرهای با ضرایب «مثبت» و «منفی»، «واریت» ها را به طرق متضاد توزیع می کنند.

برای یافتن تعداد گروه های توضیح داده شده توسط «واریت» ، جدول Functions at Group Centroids را ببینید.

آموزش تحلیل تشخیصی یا ممیزی در spss با مثال

 

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.