مثال پژوهشی: بررسی رابطه ی ساده و چندگانه ی جنسیت، قومیت، افسردگی و عزت نفس با خشنودی شغلی کارکنان.

فرضیه های ساده پژوهش:

متغیرهای پیش بین با خشنودی شغلی رابطه دارد.

فرضیه چندگانه:

متغیرهای جنسیت، قومیت، افسردگی و عزت نفس با خشنودی شغلی رابطه ی چندگانه دارد.

در این مثال پژوهشی، متغیر جنسیت و قومیت به ترتیب متغیرهای اسمی دو سطحی و سه سطحی لحاظ شده اند و متغیر افسردگی و عزت نفس فاصله ای تلقی می شوند.

فرض کنید یک پژوهشگر 300 آزمودنی را از یک شرکت صنعتی به شکل کاملاً تصادفی انتخاب می کند و با توزیع پررسش نامه میان آن ها، اطلاعات مربوط به جنسیت، قومیت، افسردگی و عزت نفس و خشنودی شغل آن ها را جمع آوری می کند.

جهت ورود داده ها در محیط SPSS به کارمندان مرد کد (1) و به کارمندان زن کد (2)، به کارمندان ترک زبان ( صرف نظر از جنسیت او) کد (1)، کارمندان فارس زان کد (2) و به کارمندان عرب زبان کد (3) اختصاص می دهد.

آرایش داده های این مثال پژوهشی در شکل 4 نمایش داده شده است.

 

همان گونه که در شکل 4 ملاحظه می شود، متغیر قومیت (Ethnicity) شامل 6 نفر ترک، 6 نفر فارس و نفر عرب هستند.

تغییری که باید داده شود، این است که دو متغیر کد گذاری با ارزش عددی 0 و1 در کنار متغیر قومیت ایجاد شود.

اگر چهار قومیت در پژوهش شرکت می داشت، می باید 3 متغیر کد گذاری 0 و 1 ایجاد شود؛ به عبارت دیگر، K-1 بردار کد گذاری (K تعداد سطوح متغیر اسمی است) باید ساخته شود.

برای ساخت نخستین متغیر کدگذاری، باید به کارمندان ترک کد 1 و به مابقی آزمودنی ها کد 0 داده شود.

در دومین متغیر کدگذاری، باید به کارمندان ترک کد 0، به کارمندان فارس کد و به کازمندان عرب هم کد 0 داده شود.

در شکل 5 بردارهای کدگذاری نمایش داده شده اند.

 

همان گونه که در شکل 5 مشاهده می شود، در کنار متغیر قومیت دو متغیر با نام های Column1 وColumn2 ایجاد شده است.

اینک برای تحلیل رگرسیون می توانیم جهت آزمودن نقش قومیت در خشنودی شغلی، از این بردارهای کدگذاری (1و0) استفاده کنیم.

توجه داشته باشید که این دو بردار مربوط به یک متغیر هستند، بنابراین، تنها روش معقول بررسی بردارهای کدگذاری، استفاده از ورود همزمان دو بردار در جعبه ی Independent(s): و استفاده از گزینه ی Next است. ( به کادر ارتباطی تحلیل رگرسیون خطی در شکل 2 از همین فصل رجوع شود).

هنگامی که یک متغیر اسمی با بیش از دو سطح در تحلیل وجود دارد، نمی توان از شیوه ی گام به گام یا شیوه های دیگر (به جزEnter) استفاده کرد.

نکته ی مهم :

در تحلیل رگرسیون، دیگر نیازی به ورود متغیر قومیت (Ethnicity) نیست، چون بردارهای ایجاد شده اتمام اثر قومیت را منعکس می کنند.

در این مثال پژوهشی که داده های آن فرضی می باشند، پس از ورود دو بردار Column1 وColumn2 به جعبه ی متغیر مستقل و استفاده از گزینه ی Next، متغیر جنسیت، افسردگی و عزت نفس وارد می شوند.

نتایج اجمالی این تحلیل را در خروجی 10 مشاهده کنید. همان گونه که در خروجی 10 ملاحظه می شود، بردارهای Column1 و Column2 در حدود 417/0 از واریانس خشنودی شغلی را تبیین می کنند.

بنابراین، اثر قومیت در سطح 017/0>P از لحاظ آماری معنی دار است. به دلیل این که تحلیل بر روی یک نمونه فرضی و اندک اجرا شده است، بررسی ضرایب رگرسیون اطلاعات دقیقی متبادر نمی کند.

بدین لحاظ این ضرایب در خروجی 10 ارائه نشده است.

 

پرسش مهم: چگونه می توان از میان این چهار متغیر ( جنسیت، قومیت، افسردگی و عزت نفس) قوی ترین متغیرهای پیش بین را انتخاب کرد؟

پیش تر گفته شد که روش گام به گام بهترین شیوه ی انتخاب قوی ترین متغیرها در پیش بینی واریانس متغیر ملاک است.

از طرف دیگر، می دانیم وقتی بردارهای کدگذاری برای یک متغیر اسمی چند مقوله ای در تحلیل وجود دارد، نمی توان از شیوه ی گام به گام استفاده کرد.

پس چاره چیست؟

باید هر یک از چهارمتغیر پیش بین را یک بار در آخر ( چهارمین متغیر وارد شده به معادله ی رگرسیون) وارد معادله ی رگرسیون و ان متغیرهایی که در آخر وارد می شوند و اثر آن ها (ضریب Beta) یا مقدار تغییر در مجذور همبستگی چندگانه ی آن ها بیشتر و معنی دار است، به عنوان قوی ترین متغیرها انتخاب کنیم.

به بیان ساده تر، باید چهار بار ( در این مثال) تحلیل رگرسیون را تکرار کنیم و هربار یکی از متغیرهای پیش بین را در آخر وارد معادله نماییم.

غالباً متغیرهایی که در آخر وارد معادله می شوند و اثر آن ها معنی دار می شود، رتبه ی ورود آن ها به معادله هر چه که باشد، ضریب آن ها معنی دار خواهد شد.

توجه داشته باشید که ابتدای این گزاره از واژه ی غالباً استفاده شد.

این بدین علت است که در مواردی که میان متغیرها تعامل یا رابطه ی غیر خطی وجود داشته باشد و یا بخش اختصاصی (ضریب Beta) یک متغیر نسبت به همبستگی ساده آن با متغیر ملاک برتر باشد، یک متغیر ضعیف در مرتبه ی اول ورود ممکن است به یک متغیر معنی دار در مرتبه ی ورود آخر تبدیل شود.

در مباحث بعدی در این خصوص مطالب بیشتری مطرح خواهد شد.


 

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.