هنگامی آزمون دو جمله ای به کار برده می شود که متغیر طبقه ای پژوهش دارای دو ارزش (قبول/مردود، بیمار/سالم و...) باشد. اگرمتغیر طبقه ای دارای بیش از دو ارزش باشد و قصد داشته باشیم فراوانی های بالاتر از یک طبقه ی حاص را با فراوانی های پایین تر از آن طبقه ی خاص مقایسه کنیم، به کار بردن آزمون دو جمله ای امکان پذیر است.
آموزش آزمون ناپارامتری دو جمله ای در spss
به عنوان مثال، فرض کنید میزان رضایت یک نمونه ی تصادفی ازمردم یک شهر را در رابطه با ارائه ی خدمات شهرداری بر روی یک طبف 5 درجه ای از کاملا راضی هستم تا کاملا ناراضی هستم، ارزیابی کنیم.
در این مثال پژوهشی، پاسخ آزمودنی ها در 5 طبقه ی کاملا راضی، متوسط، اندکی ناراضی و کاملا ناراضی تقسیم می شود.
اگر آزمون مجذور کای تک بعدی به کار برده شود، یک معنی داری کلی درباره 5 طبقه ارائه می شود، اما اگر بخواهیم افراد راضی و ناراضی یا به عبارت دیگر افراد با رضایت متوسط و بالاتر را با افراد پایین تر از متوسط مقایسه کنیم، می توانیم آزمون دو جمله ای را به کار ببریم.
در یک مثال پژوهشی، به مقایسه ی فراوانی زنان و مردان دیابتی بر روی نمونه ی 300 نفری مثال پیشین قبلی پرداخته می شود.
در این مثال، وضعیت جنسیتی 300 آزمودنی به دو طبقه ی زن و مرد تقسیم می شود و فراوانی این دو طبقه با یکدیگر مقایسه می شود.
متفاوت بودن فراوانی این دو طبقه، نشان دهنده ی اهمیت جنسیت در بروز بیماری دیابت خواهد بود.
مثال پژوهشی، به مقایسه ی فراوانی زنان و مردان دیابتی بر روی نمونه ی 300 نفری مثال پیشین قبلی پرداخته می شود.
در این مثال، وضعیت جنسیتی 300 آزمودنی به دو طبقه ی زن و مرد تقسیم می شود و فراوانی این دو طبقه با یکدیگر مقایسه می شود.
متفاوت بودن فراوانی این دو طبقه، نشان دهنده ی اهمیت جنسیت در بروز بیماری دیابت خواهد بود.
مثال پژوهشی:
بررسی مقایسه ای فراوانی زنان و مردان مبتلا به دیابت.
فرضیه ی پژوهشگر:
فراوانی زنان دیابتی در جامعه بیشتر از مردان دیابتی است.
فرایند اجرایی آزمون دو جمله ای بدین قرار است.
- از سربرگ Analyze گزینه ی Nonparamertric test و از انشعاب آن گزینه ی Bionimial را انتخاب کنید.
- متغیر دو ارزشی (در این مثال جنسیت) را از جعبه ی سمت چپ به جعبه ی سمت راست منتقل کرده و برای اجرای فرمان، بر گزینه ok کلیک کنید.
در شکل 2 کادر ارتباطی آزمون دو جمله ای Binomail Test اراده شده است.
همان گونه که در خروجی 2 ملاحظه می شود، نسبت های 56/0 و 44/0 متناظر با فراوانی های مشاهده شده در سطح 043/0 >P با نسبت 5/0، یعنی فراوانی قابل انتظار برابر، از لحاظ آماری معنی دار است.
چون فرضیه ی پژوهش یک سویه تنظیم شده است، بنابراین، خطای اسمی آلفا باید بر عدد2 تقسیم شود تا سطح معنی داری لازم با آزمون یک سویه حاصل شود.
با تقسیم 043/0 بر عدد2، سطح آلفای یک سویه یعنی 021/0 >P به دست می آید؛ به عبارت ساده تر، فراوانی زنان دیابتی با احتمال قابل قبول آماری از مردان دیابتی بیشتر است.
نکته مهم:
دقیقا همانند آزمون مجذور کای تک بعدی، اگر پژوهشگر نسبت قابل انتظار دیگری برای نرخ دیابت در زنان و مردان در نظر داشته باشد، می تواند نسبت 50/0 را در جعبه ی Test proportion از کادر ارتباطی آزمون دو جمله ای در شکل 2 تغییر دهد تا نسبت های مشاهده شده با نسبت قابل انتظار تعیین شده توسط پژوهشگر، آزمون شود.
البته نسبت تغییر یافته با نسبت فراوانی نخستین طبقه مقایسه می شود.
در ضمن، در صورتی که پژوهشگر بخواهد فراوانی بالا و پایین تر از یک حد خاص، مثلا فراوانی افراد با رضایت متوسط به بالا را با فراوانی افراد با رضایت پایین تر از متوسط، مقایسه کند، باید عدد مربوط به حد متوسط را در جعبه ی Cut point از کادر ارتباطی آزمون دو جمله ای (شکل 2) وارد کند.
