آموزش spss به زبان ساده

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 نموداری گویاتر و نمایان تر از جدول است. توزیع مقدار کل روی رده ها، اغلب به صورت «نمودار دایره ای» نشان داده می شود.

غالبا مطالعه یک توزیع کیفی توسط نمایش آن مفید است. این نمایش معمولا به صورت نمودار میله ای است.

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.

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 می کند. نام نمایش از راهی که ساخته می شود می آید. دو مثال زیر روش ساختن نمایش« ساقه و برگ» را نشان می دهد:

طرح های پیش آزمون- پس آزمون- پیگیری را می توان با دو تحلیل کوواریانس جداگانه آزمون کرد. در این، روش دو تحلیل کوواریانس جداگانه اجرا می شود که در هر نوبت نمره های پس آزمون و پیگیری به طور جداگانه به عنوان متغیر وابسته و متغیر پیش آزمون در هر دو نوبت به عنوان متغیر کوواریته وارد تحلیل می شود.

پیرامون طرح چهار گروهی سالمون، اظهار نظرهای گوناگونی در پیشینه ی طرح های پژوهشی به چشم می خورد. کمپل و استانلی (1963) طرح چهار گروهی سالمون را مطرح کردند.

تحلیل واریانس دو راهه بر طرح های پیش ازمون- پس آزمون با گروه گواه، مستلزم ورود داده ها در محیط SPSS به روشی متفاوت است. در شکل 3و4 روش ورود داده ها در محیط SPSS برای تجزیه و تحلیل کوواریانس و تحلیل واریانس دو راهه نمایش داده شده است.

قبل از آنکه در مورد گزینه های قسمت boxplots کادر گفتگوی کلید Plots توضیح دهیم، شکل یک نمودار جعبه ای را به طور کلی شرح میدهیم.

1- به این جدول نگاه کنید تا ببینید چطور هر تابعی به صورت موثری گروه ها را جدا می کند. تابع 1 به صورت بالایی با مقادیر D همبستگی دارد و از لحاظ آماری معنادار است.

نرم افزار spss ابزاری به نام chart Editor (ویرایشگر نمودار) دارد که با آن می توانید نمودار حاصل از «خروجی» (output) را ویرایش کنید.

نمایش نموداری ساده ای که در مطالعۀ بستگی بین دو متغیر کمی مفید است، «نمودار پراکندگی» (scatter plot) می باشد. در یک نمودار پراکندگی، برای هر عنصر مجموعۀ داده ها یک نمودار دوبعدی رسم می شود

برای ارائه دید کلی موثر از آماره های توصیفی یک مجموعه از داده ها، وسیله ها و نمودار های متنوعی را می توان به کار برد. یکی از این وسیله ها به «نمودار جعبه ای» یا « نمودار جعبه ای - چند خطی» مرسوم است.

یک جایگزین مناسب برای نمودار میله ای، نموداری به نام Error bar (میله ای خطا) است که در آن میانگین مقادیر هر طبقه با یک نقطه و «واریانس» آن توسط یک خط عمودی نشان داده می شود که از داخل نقطه می گذرد.

براساس آنچه گفتیم، نتیجه می گیریم که H0 را باید پذیرفت مگر آنکه دلیل محکمی بر رد آن وجود داشته باشد.

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

ماهیتP – Value :

در یک آزمون آماری، P- Value(P- مقدار) معرف مقدار احتمالی است که میزان سازگاری داده های نمونه با نتیجۀ H0 را اندازه می گیرد.

چنانچه بخواهید نزدیک بودن توزیع «داده ها» (data)به یک توزیع «نرمال»(normal) را بررسی کنید، استفاده از نمودار های از نوع Histogram (هیستوگرام) مفید است.

آزمون فرض آماری میانگین یک جامعه : اگر فرضیه ای در خصوص میانگین یک جامعه آماری طراحی شود، با استفاده از مراحل آزمون فرض آماری می توان صحت یا سقم فرضیه را در سطح معنی داری α تعیین کرد.

آزمون کلموگروف – اسمیرنوف :

1- داده ها را در پنجره Data Editor وارد کنید.

2- دستور Analyze > Descriptive statistics > Explore… را اجرا کنید، شکل 8-4.

تحلیل «ممیزی و رده بندی» (Classification and Discrimination) تکنیک های چند متغیره هستند که به جدا کردن مجموعه های متمایز اشیاء (یا مشاهدات) و با تخصیص دادن اشیاء (مشاهدات) جدید به دسته های تعریف شدۀ قبلی بستگی دارد: