روش ایجاد نمودار پراکندگی :
1_در منوی بالای صفحه روی graphs سپس روی legacy dialogs کلیک کنید .
2_روی simple scatter و سپس define کلیک کنید .
3_روی اولین متغیر کلیک کرده و آن را به جعبه y-axis انتقال دهید (این به صورت عمودی اجرا خواهد شد . ) طبق عرف متغیر وابسته معمولا روی محور y قرار می گیرد (مثلtotal perceived strwss 4-روی دومین متغیر کلیک کرده و شن را به جعبه x-axis منتقل کنید (این در عرض صفحه اجرا خواهد شد ) .
طبق عرف متغیر وابسته معمولا متغیر مستقل است 0 مثلا total pcoiss 5-در جعبه lable cases by می توانند متغیر id را قرار دهید تا نقاط پرت قابل شناسایی باشند .
6 – روی continue و سپس ok (یا روی paste برای ذخیره در syntax wditor ) کلیک کنید .
دستور ایجاد شده از این روش به صورت زیر است :
تفسیر خروجی نمودار پراکندگی :
نمودار پراکندگی را می توان برای بررسی چند چنبه توزیع این دو متغیر به کار برد .
گام اول :
بررسی پرت ها پرت ها را در نمودار پراکندگی جستجو کنید یعنی نقاطی که بیرون از توده خیلی بالا یا خیلی پایین ، یا دور از تراکم اصلی نقاط هستند .
پرت های انتهایی ارزش بررسی را دارند :
آیا توده ها به طور صحیح وارد شده اند؟
آیا ممکن است این مقادیر خطا باشند ؟
پرت ها می توانند تاثیر زیادی بر تحلیل ها داشته باشند .
بنابراین بهتر است آن ها را بررسی کنید .
یرخی متون اماری توصیه می کنند پرت های انتهایی رااز مجموعه داده ها حذف کنید .
برخی دیگر پیشنهاد می کنند آن ها را دوباره کد گذاری کنید تا مقدار کمتری به آن اختصاص داده شود (ر. ک. بسته آموزش spss) .
اگر یک داده پرت را شناسایی کرده اید و می خواهید شماره id آن فرد را پیدا کنید می توانید از ایکون chart editor data label mode استفاده کنید .
روی نمودار دوباره کلیک کنید تا پنچره chart editor فعال شود .
روی ایکونی که شبیه به خال هدف است کلیک کنید ( یا از منوی eiements گزینه datalabei mode را انتخاب کنید ) .
و نشان گر موس را به نقطه ای که می خواهید شناسایی کنید در روی نمودار منتقل کنید.
یک بار روی آن کلیک کنید تا شماره آن ظاهر شود این شماره id است اگر در گام پنجم دستورالعمل id را انتخاب کرده باشید فدر غیر این صورت شماره مورد نمایش داده خواهد شد برای خاموش کردن شماره گذاری ، یک بار دیگر روی آن ایکون کلیک کنید .
گام دوم :
بررسی توزیع نقاط داده ها توزیع نقاط داده ها چند مسئله را به شما می گوید:
آیا نقاط داده ها در سراسر نمودار پخش شده اند ؟
این نشان دهنده همبستگی خیلی پایین است .
ایا همه نقاط به خوبی در شکل یک سیگار نازک قرار گرفته اند ؟
این نشان دهنده همبستگی خیلی قوی است آیا می توانید خط مستقیمی در میان تراکم اصلی نقاط رسم کنید، یا اینکه خط منحنی بیشتر با این نقاط تناسب دارد؟ اگر خط منحنی به دست می اید (که نشان دهنده رابطه منحنی است ) ، نباید از همبستگی پیرسون استفاده کرد .
همبستگی پیرسون برای رابطه خطی به کار می رود .
توده نقاط به چه شکلی است ؟
آیا به طور یکنواخت از یک طرف به طرف دیگر امتداد یافته است ؟
یا اینکه به شکل نازک شروع شده و بعد ضخیم تر می شود ؟
اگر به این صورت است ، داده های شما از مفروضه همگنی پراکنش تخطی می کنند .
گام سوم :
تعیین جهت رابطه بین متغیر ها نمودار پراکندگی می تواند به شما بگوید که رابطه بین دو متغیر مثبت یا منفی است .
اگر خطی در میان نقاط رسم شود چه جهتی را نشان خواهد داد از چپ به راست رو به بالا یا رو به پایین؟
جهت رو به بالا نشان دهنده رابطه مثبت است ، نمره های بالا در x مربوط به نمره های بالا در y . هستند خط رو به پایین نشان دهنده همبستگی منفی است ، نمرات پایین در x مرتبط با نمرات بالا در y هستند .
در این مثال ، ظاهرا همبستگی منفی با نیرومندی متوسط داریم .
وقتی توزیع نمره ها را در نمودار پراکندگی بررسی کردید و مشخص شد که رابطه بین متغیر ها تقریبا خطی است و نمره ها به طور یکنواخت به شکل سیگار پخش شده اند ، می توانید محاسبه ضرایب همبستگی اسپیرمن یا پیرسون را انجام دهید .
قبل از شروع روش بعد edite را از منو انتخاب کرده options را باز کنید و مطمئن شوید که در جعبه no scientific notations for small numbers in tabbies تیک خورده باشد .
