282463_20130626083850710wzmj1l5ha3

Report
‫شاخص هاي توصيفي ) ‪(Descriptive‬‬
‫در این پنجره فهرستی از متغیرها در سمت چپ مشاهده می شود (در این پنجره فقط متغیرهای کمی را مشاهده میکنید) که با انتخاب‬
‫یک یا چند متغیر و انتقال آن به سمت راست و انتخاب گزینه ‪ Options‬میتوان برای هریک از آنها به طور همزمان شاخصهای‬
‫توصیفی را محاسبه كرد‪.‬‬
‫با کلیک بر روی ‪ Options‬پنجره ‪ Descriptive Options‬باز میشود‪.‬‬
‫شاخص هاي توصيفي ) ‪(Descriptive‬‬
‫‪ -1‬در این پنجره با انتخاب دو گزینه ‪ Mean‬و ‪ Sum‬می توانید میانگین و مجموع داده‬
‫ها را بدست آورید‪.‬‬
‫‪ -2‬از قسمت ‪ Dispersion‬میتوانید با تیک زدن گزینههای مناسب انحراف استاندارد‪،‬‬
‫واریانس‪ ،‬دامنه تغییرات‪ ،‬مینیمم‪ ،‬ماگزیمم و انحراف معیار و میانگین داده ها را به ترتیب‬
‫محاسبه کنید‪.‬‬
‫‪ -3‬در بخش ‪ Distribution‬قادر به محاسبه ضریب چولگی و ضریب کشیدگی توزیع‬
‫داده ها خواهید بود‪.‬‬
‫‪ -4‬در قسمت ‪ Display Order‬میتوانید خروجیها را با ترتیبهای داده شده ببینید‪.‬‬
‫‪ -5‬با کلیک بر روی ‪ continue‬و ‪ ok‬میتوانید حاصل عملیات را در خروجی مشاهده‬
‫کنید‪.‬‬
‫نمودارهاي آماري‬
‫•‬
‫‪ SPSS‬نمودارهای متعددی برحسب نوع متغیر ها‪ ،‬در دو دسته کلی در‬
‫اختیار شما میگذارد‪.‬‬
‫‪ -1‬نمودارهای ‪( Interactive‬اثر متقابل) که حداقل در آن دو متغیر شرکت‬
‫دارند و برای نمایش اثرات متقابل متغیر ها از این نمودارها استفاده‬
‫میکنیم‪.‬‬
‫‪ -2‬نمودارهای توصیفی ساده که برای نمایش شکل توزیع فراوانی از آنها‬
‫استفاده میکنیم‪.‬‬
‫•‬
‫اگر میخواهید یک نمودار ساده برای داده ها رسم کنید از منوی اصلی‬
‫گزینه ‪ Graphs‬و گزينه ‪ Legacy Dialogs‬را انتخاب و سپس‬
‫نمودار دلخواه را انتخاب کنید‪.‬‬
‫نمودارهاي ستوني‬
‫• نمودار ستونی (‪ -)Bar charts‬این نمودار‬
‫برای متغیرهای پیوسته که طیف وسیعی از‬
‫مقادیر را در بر می گیرند مناسب نیست ولی در‬
‫بسیاری موارد که متغیرها دارای سطوح کمتری‬
‫هستند بکار میرود‪.‬‬
‫• اگر میخواهید یک نمودار ستونی ساده برای‬
‫متغیر دلخواه ترسیم کنید‪ .‬ابتدا از منوی اصلی‬
‫گزینه ‪ Graphs‬را انتخاب کنید و گزینه‬
‫‪ Bar‬را کلیک کنید تا كادر محاوره ‪Bar‬‬
‫‪ Chart‬باز شود‪.‬‬
‫نمودار ستوني‬
‫(‪ -)Bar Chart‬ابتدا یکی از سه نوع متفاوت از نمودار ستونی ارائه‬
‫شده را انتخاب کنید‪:‬‬
‫‪ :Simple -1‬یک نمودار ساده برای نمایش وضعیت یک متغیر ارائه میدهد‪.‬‬
‫‪ :Clustered -2‬یک نمودار برای نمایش وضعیت دو متغیر به صورت خوشه ای‬
‫ارائه می کند‪ .‬در این نمودار باید یک متغیر کیفی به پنجره ‪ Category Axis‬و‬
‫یک متغیر کیفی دیگر به پنجره ‪ Define Clusters By:‬منتقل کنید‪.‬‬
‫‪ :Stacked -3‬نموداری برای وضعیت دو متغیر و در امتداد همدیگر به صورت‬
‫پشته ای نمایش میدهد‪ .‬در این نمودار نیز باید یک متغیر کیفی به پنجره‬
‫‪ Category Axis‬و یک متغیر کیفی دیگر به پنجره ‪Define Clusters‬‬
‫‪ By:‬منتقل کنید‪.‬‬
‫با انتخاب گزینه ‪ Define‬به پنجره آن بروید‪.‬‬
‫نمودار ستوني‬
‫• در هر یک از نمودارهای ستونی به طور پیش فرض گزینه ‪N of Case‬‬
‫که تعداد نمونه را به عنوان فراوانی ستونها در نظر میگیرد‪ ،‬انتخاب شده‬
‫است‪.‬‬
‫• اگر میخواهید ستونها‪ ،‬فراوانی درصدی باشند‪،‬‬
‫گزینه ‪ % of case‬را انتخاب کنید‪.‬‬
‫• اگر میخواهید ستونها‪ ،‬فراوانی تجمعی باشند‬
‫گزینه ‪ cum.n of case‬را انتخاب کنید‪.‬‬
‫• اگر میخواهید ستونها‪ ،‬فراوانی تجمعی نسبی باشند‬
‫گزینه ‪ cum.% of case‬را انتخاب کنید‪.‬‬
‫• اگر میخواهید ستونها‪ ،‬میانگین متغیر دیگری باشند‬
‫گزینه ‪ other summary function‬را انتخاب و در‬
‫پنجره آن متغیر مورد نظرتان را وارد کنید‪.‬‬
‫• اگر به جای میانگین متغیر دیگر‪ ،‬میخواهید آماره دیگری (مانند میانه و‬
‫واریانس و ‪ )...‬انتخاب کنید‬
‫گزینه‪ change statistics...‬را فشار دهید و در پنجره آن یک گزینه‬
‫را انتخاب کنید‪.‬‬
‫نمودار خطي‬
‫نمودار خطی ( ‪ -)line chart‬این نمودار به سه شکل زیر وجود دارد‪:‬‬
‫‪ -1‬نمودار ساده (‪.)simple‬‬
‫‪ -2‬چند گانه (‪ )multiple‬که برای نمایش توزیع دو متغیر نسبت به هم استفاده می‬
‫شود‪.‬‬
‫‪ -3‬تکه خطی (‪ )drop - line‬که کمینه و بیشینه دو متغیر نسبت به هم را نمایش‬
‫میدهد‪.‬‬
‫ابتدا در بخش ‪ Data in chart Are‬محور نمودار را انتخاب نمایید‪.‬‬
‫با انتخاب گزینه ‪ Define‬مانند قبل متغیر مورد نظر وگزينه هاي مناسب را انتخاب‬
‫كنيد تا یک نمودار خطی رسم شود‪.‬‬
‫نمودار سطحي‬
‫(‪ -)area chart‬مانند نمودار خطی است که بجای خطوط‬
‫نواحی مربوط به متغیر نمایش داده می شود‪.‬‬
‫از منوی اصلی گزینه ‪ Graphs‬را انتخاب کنید و گزینه ‪ Area‬را کلیک‬
‫کنید تا پنجره ‪ Area Chart‬باز شود‪.‬‬
‫در این پنجره اگر گزینه ‪ Simple‬را انتخاب کنید میتوانید برای یک متغیر‬
‫نمودار سطحی رسم کنید‪.‬‬
‫اگر گزینه ‪ Stacked‬را انتخاب کنید میتوانید برای دو متغیر و به صورت‬
‫پشته ای این نمودار را رسم کنید‪.‬‬
‫با انتخاب گزینه ‪ Define‬و انتخاب متغیر مورد نظر میتوانید نمودار سطحی‬
‫رسم کنید‪.‬‬
‫نمودار دايره اي‬
‫(‪chart‬‬
‫‪ -)pie‬از این نمودار برای نمایش وضعیت‬
‫متغیرهای کیفی استفاده میکنیم هر چند در مواردی برای متغیرهای‬
‫دیگر نیز استفاده میشود‪.‬‬
‫از منوی اصلی گزینه‬
‫کنید تا پنجره‬
‫‪Graphs‬‬
‫‪Pie Chart‬‬
‫را انتخاب کنید و گزینه ‪ Pie‬را کلیک‬
‫(شكل سمت راست) باز شود‪ .‬كافي است‬
‫كليد ‪ Define‬را كليك كنيد تا كادر محاوره سمت چپ باز شود‪.‬‬
‫در اين كادر محاوره متغیر مورد نظر را به كادر‬
‫‪Defin Slices By:‬‬
‫ببريد و گزينه مناسب را انتخاب كنيد‪ .‬در ادامه كليد ‪ OK‬را انتخاب‬
‫كنيد تا نمودار‬
‫دايره اي رسم شود‪.‬‬
‫نمودار جعبه اي‬
‫(‪ – )Box plot‬این نمودار برای نمایش وضعیت‬
‫متغیرهای کمی بسیار مناسب است زیرا در رسم آن از آماره های‬
‫میانه‪ ،‬چارکها و مقادیر کمینه و بیشينه یک متغیر استفاده می شود‪.‬‬
‫این نمودار به صورت ساده (‪ )simple‬برای نمایش وضعیت یک‬
‫متغیر و به صورت خوشه ای (‪ )clustered‬برای مقایسه وضعیت‬
‫دو متغیر در برابر هم استفاده میشود‪.‬‬
‫از منوی اصلی گزینه ‪ Graphs‬را انتخاب کنید و گزینه ‪Box‬‬
‫‪ plot‬را کلیک کنید تا پنجره مربوط به آن باز شود‪.‬‬
‫نمودار جعبه اي‬
‫در این پنجره با انتخاب گزینه ‪ Simple‬میتوانید یک نمودار‬
‫جعبه ای برای یک متغیر رسم کنید‪.‬‬
‫اگر گزینه ‪ Clustered‬را انتخاب کنید میتوانید یک نمودار‬
‫به صورت خوشهای برای دو یا چند متغیر رسم کنید‪.‬‬
‫بر روی گزینه ‪ Define‬کلیک کنید و سپس با انتخاب‬
‫متغیرهای مناسب یک نمودار جعبه ای رسم کنید‪.‬‬
‫نمودار مستطيلي‬
‫• نمودار مستطیلی (‪ - )Histogram‬از این‬
‫نمودار برای نمایش توزیع متغیرهای کمی‬
‫استفاده کنید و در نظر داشته باشید که برای‬
‫متغیرهای پیوسته که طیف وسیعی از مقادیر را‬
‫در بر میگیرند مناسب نیست‪.‬‬
‫• از منوی اصلی گزینه ‪ Graphs‬را انتخاب‬
‫کنید و گزینه ‪ Histogram‬را کلیک کنید تا‬
‫پنجره مربوطه باز شود‪.‬‬
‫نمودار مستطيلي‬
‫متغیر مورد نظر به راست پنجره منتقل كنيد از‬
‫گزينه‬
‫‪ Display Normal Curve‬براي‬
‫مقايسه توزيع نمودار داده ها با توزيع نرمال‬
‫استفاده كنيد‪.‬‬
‫سپس بر روی ‪ OK‬كليك كنيد تا نمودار‬
‫مستطیلی مورد نظرتان رسم کنید‪.‬‬
‫نمودارهاي ساقه و برگ‬
‫‪ -Stem & leaf‬این نمودار نحوه توزیع‬
‫دادهها را به خوبی وصف میكند به این صورت كه شامل تعدادی‬
‫ساقه و تعدادی برگ است‪.‬‬
‫در پایین نمودار اندازه ساقه و تعداد مورد در هر برگ آمده است‪.‬‬
‫به عنوان مثال چون اندازه ساقه ‪ 10‬است‪ ،‬در عدد ‪ 23‬ساقه آن‬
‫‪ 2‬و برگ آن ‪ 3‬در نظر گرفتهشده است و همینطور چون هر برگ‬
‫شامل ‪2‬مورد است فراوانیها دو برابر تعداد برگها است‪.‬‬
‫بنابراین این نمودار ساقه و برگ اطالعات دقیقتری راجع به‬
‫مقادیر یك متغیر را معلوم میكند‪.‬‬
‫برای اینکه ساقه و برگ را به مقادیر حقیقی تبدیل کنیم باید‬
‫مقدار ساقه را در پهنای ساقه ضرب کنیم و سپس با برگ آن جمع‬
‫کنیم‪.‬‬
‫عناوين مطالب‬
‫• روند ‪Explore‬‬
‫• تمرين از روند ‪Explore‬‬
‫• جدول گردان (‪)Pivot Table‬‬
‫• جداول توافقي و روند ‪Cross Tab‬‬
‫• تمرين از روند ‪Cross Tab‬‬
‫• تغيير در داده ها (‪(Recode‬‬
‫• تمرين مربوط به تغيير در داده ها‬
‫• ساختن رديف براي فايل دادهها‬
‫روند ‪Explore‬‬
‫يكي از امكانات مفيد براي توصيف اطالعات و آنالیز اكتشافي دادهها‪ ،‬روند ‪ Explore‬است‬
‫كه داراي امكانات فراواني است‪.‬‬
‫در روند ‪ Explore‬مي توانيد برای خالصه کردن و توصیف مشاهدات از نمودارهای مناسب بهره گیري نماييد‪.‬‬
‫جدولهای خالصه شدهای از اطالعات مربوط به نمونه ها و زیر گروههایی از نمونه ها را بدست آورید‪.‬‬
‫در میان اطالعات‪ ،‬نمونههاي غیرعادی را که مقادیر آنها از سایر نمونهها بیشتر یا کمتر هستند‪ ،‬کاوش كنيد‪.‬‬
‫شاخصهای آماری مناسب را در گروهها محاسبه كرده و فاصله اطمينان براي ميانگین به دست آوريد ‪.‬‬
‫ميتوانيد نمودار ساقه و برگ و هیستوگرام را برای نمایش توزیع فراوانی در بین گروهها رسم كنيد‪.‬‬
‫نمودار مفید جعبه ای را برای مقایسه شاخصهای میانه‪ ،‬چارک اول و سوم بین گروهها بکار گیرید‪.‬‬
‫می توانید از نمودار ‪ Q-Q‬برای بررس ي نرمال بودن مقادير متغیر وابسته در هر گروه استفاده کنید‪.‬‬
‫روند ‪Explore‬‬
‫• در روند ‪ Explore‬مقادیر یک صفت کمی را در سطوح یک متغیر کیفی و‬
‫با استفاده از نمودار یا شاخصهای توصیفی مقایسه کرد‪.‬‬
‫• همچنین میتوان از این روند برای مقایسه گروهها نیز استفاده کرد‪.‬‬
‫• در این روند متغیر كمی (‪ )Scale‬را به عنوان متغیر وابسته و متغیر كیفی‬
‫(‪ )Nominal , Ordinal‬را به عنوان متغیرمستقل در نظر ميگیريم‪.‬‬
‫• می توانید از نمودار ‪ Q-Q‬برای آزمون نرمال بودن متغیر وابسته در هر‬
‫گروه استفاده کنید‪.‬‬
‫• از منو اصلی گزینه ‪ ،Analyzed‬گزینه ‪ descriptive statistics‬و سپس‬
‫‪ explore‬را انتخاب كنيد‪.‬‬
‫اگر می خواهید در بین داده ها‪ ،‬اطالعات بیشتری از نمونه ها‬
‫را جستجو کنید و موشکافانه تر به جزئیات داده ها نگاه‬
‫کنید‪ .‬دستور ‪ Explore‬را به عنوان یک دستور جامع آنالیز‬
‫اکتشافی داده ها به کار بگیرید‪.‬‬
‫روند ‪Explore‬‬
‫‪ -1‬به پنجره ‪ dependent list‬یك متغیر كمی مانند سن‪ /‬تعداد فرزند و ‪ ...‬و به پنجره ‪ factor list‬یك متغیر كيفي‬
‫مثل جنس‪ /‬گروه خون و‪ ...‬منتقل كنید‪.‬‬
‫‪ -2‬اگر میخواهید فقط شاخص ها را محاسبه كنید‪ ،‬در پایین و سمت چپ پنجره‪ ،‬گزینه ‪ Statistics‬و اگر میخواهید‬
‫فقط نمودار داده ها را مشاهده كنید گزینه ‪ plots‬و اگر میخواهید از هر دو مورد استفاده كنید گزینه ‪ Both‬را‬
‫عالمت دار کنید‪.‬‬
‫‪1‬‬
‫‪2‬‬
‫روند ‪Explore‬‬
‫•‬
‫روی گزینه ‪ statistics‬كلیك کنید تا كادر محاوره آن )‪ (explore: statistics‬باز شود‪ .‬در اين كادر محاوره میتوانید هر یک از‬
‫گزینه های زیر را انتخاب کنید‪:‬‬
‫•‬
‫بطور پیش فرض گزینه ‪ descriptive‬عالمت دار شده است كه منجر به محاسبه شاخص های توصیفی و همچنین یك فاصله‬
‫اطمینان ‪ %95‬برای میانگین خواهد شد‪.‬‬
‫•‬
‫گزینه ‪ ،M-estimator‬منجربه محاسبه آمارهای ميشود كه به هر داده بسته به فاصله آن از میانگین‪ ،‬وزن میدهد‪.‬‬
‫•‬
‫گزینه ‪ Out line‬پنج مورد از بزرگترین و کوچکترین مقادیر متغیر وابسته را نمایش میدهد‪.‬‬
‫•‬
‫گزینه‬
‫‪percentiles‬‬
‫صدكهای ضروري ‪5‬و‪10‬و‪25‬و ‪ 50‬و‪ 75‬و ‪90‬و ‪ 95‬را محاسبه میكند‪.‬‬
‫توضيح اينكه فاصلهي اطمينان مذكور‪ ،‬فاصلهاي است كه‬
‫با اطمينان ‪ 95‬درصد‪ ،‬ميانگین جامعه را در بر ميگیرد‪.‬‬
‫روند ‪Explore‬‬
‫•‬
‫اگر گزینه ‪ plots‬را انتخاب کنید پنجره مربوط به ‪( explore: plots‬مانند‬
‫‪2‬‬
‫‪1‬‬
‫شكل) باز شده و در آن میتوانید نمودارهای زیر را رسم كنید‪.‬‬
‫‪ -1‬نمودار جعبه ای با گزینه های ‪:‬‬
‫الف‪ -‬سطوح متغیر فاکتور با هم‬
‫ب‪ -‬سطوح متغیر وابسته با هم‬
‫ج‪ -‬هیچکدام‪.‬‬
‫‪3‬‬
‫‪4‬‬
‫‪ -2‬نمودار های توصیفی با دو گزینه‪:‬‬
‫الف‪ -‬رسم نمودار ساقه و برگ‬
‫ب‪ -‬رسم هیستوگرام فراوانی‬
‫‪ -3‬اگر گزینه ‪ Normality plots with tests‬را عالمتدار کنید‪ .‬آزمون نرمال بودن توزیع را مي توانيد با استفاده از نمودار ‪Q-‬‬
‫‪ Q‬انجام دهيد‪.‬‬
‫‪ -4‬گزینه ‪ Spread vs. level with levene test‬مربوط به آزمون لون براي يكسان بودن واریانس ها در سطوح هر یك از‬
‫متغیرهای فاکتور است‪.‬‬
‫روند ‪Explore‬‬
‫تمرين‬
‫از مجموعه داده های ‪ SPSS‬فایل دادهي استخدامی (‪ )Employee‬را معرفی میکنیم‪ .‬در این فایل اطالعاتی ‪ 474‬نمونه‬
‫از بین شاغلین انتخاب شده و از هر نمونه ‪ 10‬متغیر اندازه گیری شده است‪ .‬تعدادی از متغیرهای این فایل داده در جدول زير‬
‫آورده شده است‪.‬‬
‫نام متغير‬
‫توضیح‬
‫ماهیت‬
‫‪gender‬‬
‫‪educ‬‬
‫‪jobcat‬‬
‫‪salary‬‬
‫‪jobtime‬‬
‫جنسیت (مرد ‪ -‬زن)‬
‫تحصیالت (برحسب سال)‬
‫گروه شغلی (اداری‪ -‬نگهبانی‪ -‬مدیریت)‬
‫حقوق فعلی‬
‫سابقه کار فعلی‬
‫‪Nominal‬‬
‫‪Nominal‬‬
‫‪Scale‬‬
‫‪Scale‬‬
‫‪Scale‬‬
‫فایل دادههای ‪ Employee‬را از مسیر زیر باز کنید و برای مقایسه حقوق شاغلین (‪ )Salary‬در هر گروه شغلی (‪،)Jabcat‬‬
‫شاخصهای توصیفی را به دست آورده نمودار مناسب رسم كنيد‪.‬‬
‫‪C:\Program Files\SPSSInc\PASWStatistics18\Samples\English‬‬
‫روند ‪Explore‬‬
‫‪ -1‬در کادر محاوره ‪ Explore‬متغیر حقوق (‪ )Salary‬را به کادر متغیرهای وابسته )‪ )Dependent list‬منتقل کنید‪.‬‬
‫‪ -2‬متغیر طبقه شغلی (‪ )jabcat‬را به کادر متغیرهای مستقل ( ‪ )Independent list‬منتقل کنید‪.‬‬
‫‪ -3‬از کلید ‪ Statistics‬به کادر محاوره آن منتقل شوید‪.‬‬
‫‪1‬‬
‫‪3‬‬
‫‪2‬‬
‫روند ‪Explore‬‬
‫‪ -1‬در این کادر محاوره گزینه ‪ Descriptive‬از قبل عالمتدار شده تا بعض ي از آماره های توصیفی‬
‫مهم به همراه یک فاصله اطمینان ‪ %95‬برای میانگین حقوق کارمندان در هر گروه شغلی محاسبه‬
‫شود‪.‬‬
‫‪ -2‬گزینه ‪ Outliers‬را انتخاب کنید تا بیشترین و کمترین حقوق بگیران در هر طبقه شغلی مشخص‬
‫شوند‪.‬‬
‫‪ -3‬گزینه ‪ Precentiles‬را انتخاب کنید تا چندکهای حقوق کارمندان در هر گروه معلوم شود‪.‬‬
‫کلید ‪ continue‬را كليك كنيد تا به كادر محاوره اصلي برگرديد‪...‬‬
‫براي رسم نمودار دلخواه‪ ،‬گزينه …‪ Plots‬را كليك كنيد تا به كادر محاوره ‪ Explore: Plots‬وارد‬
‫شويد‬
‫دو گزينه ‪ Stem-and-Leaf‬و ‪ Histogram‬را به منظور رسم نمودار ساقه و برگ و هيستوگرام‬
‫انتخاب كنيد‪.‬‬
‫کلیدهاي ‪ continue‬و ‪ ok‬را کلیک کنید و نتایج را در خروجی مشاهده نماييد‪.‬‬
‫مشاهده نتايج‬
‫جدول گردان )‪(pivot table‬‬
‫• اگر یك جدول دو طرفه در هر یك از روند های ‪ Explore‬یا ‪ cross tab‬برای مقایسه سطوح متغیرها در خروجي ‪SPSS‬‬
‫ایجاد كردهاید‪ ،‬میتوانید به سادگی جای سطر ها و ستون ها را عوض كنید و معانی مختلفی از جدول استنباط نمایید‪ .‬برای این كار‬
‫روی جدول دو بار كلیك نمایید تا ويراشگر جدول (شكل باال) را مشاهده كنيد‪.‬‬
‫آيكون جدول گردان‬
‫• اينك روی آيكون جدول گردان كلیك كنيد تا كادر محاوره ‪pivoting‬‬
‫‪ Trays‬باز شود‪ .‬در مكان سطر و ستون این پنجره یك یا چند مربع كوچك‬
‫به رنگ سبز وقرمز مشاهده می كنید كه اگر آنها را جا به جا كنید‪ ،‬جدول‬
‫خروجي تغییر خواهند كرد‪ .‬با مشاهده آنها میتوانید برای سهولت استفاده‬
‫از اطالعات جدول‪ ،‬بهترین حالت را به دلخواه انتخاب نمایید‪.‬‬
‫روند ‪Crosse tab‬‬
‫‪ ‬جدولي را كه در آن داده هاي آماري در ‪ k‬سطر و ‪ L‬ستون قرار‬
‫دارند‪ ،‬يك جدول توافقي است‪.‬‬
‫‪ ‬در این جدول میتوان تعداد‬
‫‪k l‬‬
‫ترکیب مختلف از مقادیر را‬
‫مشاهده كرد‪.‬‬
‫‪ ‬در چنین جدولي ميتوان تأثیر یک متغیر کیفی (اسمی يا ترتیبی) را‬
‫برروی یک متغیر کیفی دیگر بررس ی كرد‪.‬‬
‫• در ‪ ،SPSS‬برای ساختن یك جدول فراوانی دوطرفه كه به جدول توافقي معروف است‪ ،‬راههای زیادی وجود دارد‪ .‬يكي از اين راهها‬
‫استفاده از دستور ‪ Cross Tab‬است‪.‬‬
‫• میتوانید از منوی اصلی گزینه ‪ Analyze‬و سپس‪ Descriptive Statistics‬را انتخاب كرده و سپس از دستور ‪Crosse‬‬
‫‪ Tab‬به كادر محاوره آن وارد شويد‪.‬‬
‫روند ‪Crosse tab‬‬
‫‪ -1‬در کادر محاوره ‪ Cross tab‬یک متغیر کیفی به کادر‬
‫مربوط به سطر )‪ Row(s‬و یک متغیر کیفی دیگر را‬
‫به کادر مربوط به ستون )‪ Culomn(s‬منتقل کنید‪.‬‬
‫توجه داشته باشید كه متغیرهای انتخابی شما باید از نوع‬
‫رتبهاي باشند و یا اگر متغیر كمي پیوسته هستند آنها را‬
‫به دستههای كوچكتر طبقه بندی كنید‪.‬‬
‫‪ -2‬اگر میخواهید ضرایب همبستگی و مقادیر كایاسكور را‬
‫محاسبه كنید‪ ،‬گزینه های مربوط به آنها را در پنجره‬
‫‪ Statistics‬انتخاب كنید‪.‬‬
‫‪2‬‬
‫‪1‬‬
‫روند ‪Crosse tab‬‬
‫‪1‬‬
‫‪ -1‬در جدول دوطرفهای كه توسط دستور ‪ Cross Tab‬بدست میآید‪،‬‬
‫میتوانید ضریب همبستگی (‪ )Correlation‬يا آماره كایاسكور‬
‫(‪ )Chi-square‬را محاسبه نمایید‪.‬‬
‫‪3‬‬
‫‪2‬‬
‫‪ -2‬براي همبستگي متغیرهاي اسمي از ضرايبي كه در كادر ‪ Nominal‬آمده‬
‫است استفاده كنيد‪.‬‬
‫‪4‬‬
‫‪ -3‬براي همبستگي متغیرهاي ترتيبي از ضرايبي كه در كادر ‪ Ordinal‬آمده‬
‫است استفاده كنيد‪.‬‬
‫‪ -4‬اگر يك متغیر اسمي و ديگري فاصلهاي است‪ ،‬از ضريب اتا (‪)Eta‬‬
‫استفاده كنيد‪.‬‬
‫موضوع همبستگي را در فصول آينده به تفصيل بررس ي‬
‫ميكنيم‪.‬‬
‫روند ‪Crosse tab‬‬
‫تمرين‬
‫برای انجام اين تمرین‪ ،‬داده های ‪ U.S. General Social Survey 1991‬را از پوشه ‪ Sample‬به آدرس زیر بازکنید‪.‬‬
‫‪C:\Program Files\SPSSInc\PASWStatistics18\Samples\English‬‬
‫در این فایل‪ ،‬متغیرهای متفاوتی وجود دارند که تعدادی از آنها را در زیر معرفی می کنیم‪.‬‬
‫از این به بعد این فایل داده را با نام مختصر ‪ 1991‬بکار میبریم‪.‬‬
‫این داده ها مربوط به یک مطالعه‬
‫اجتماعی است كه بر روی ‪1517‬‬
‫نفر از جمعیت ‪ 18‬سال به باال در‬
‫سال ‪ 1991‬در ایاالت متحده امریکا‬
‫انجام شده است‪.‬‬
‫نام متغیر‬
‫توضیح‬
‫نوع‬
‫‪Sex‬‬
‫جنسیت(مرد ‪ -‬زن)‬
‫‪Nominal‬‬
‫‪Race‬‬
‫نژاد(سیاه – سفید – سایر نژادها)‬
‫‪Nominal‬‬
‫‪Region‬‬
‫منطقه محل سکونت (شمال شرقی – شمال غربی ‪ -‬غرب)‬
‫‪Nominal‬‬
‫‪Life‬‬
‫زندگی را چگونه می بینید (هیجان انگیز – معمولی – خسته کننده)‬
‫‪Ordinal‬‬
‫‪Sibs‬‬
‫تعداد خواهر و برادر‬
‫‪Scale‬‬
‫‪Childs‬‬
‫تعداد فرزند‬
‫‪Scale‬‬
‫‪Age‬‬
‫سن‬
‫‪Scale‬‬
‫‪Educe‬‬
‫تحصیالت (برحسب سال)‬
‫‪Scale‬‬
‫روند ‪Crosse tab‬‬
‫فایل داده های‪ 1991‬را باز کنید و روند ‪ Crosstab‬را از فرمان زیر‬
‫فراخوانی کنید‪:‬‬
‫‪Analyze/Descriptive Statistics/Cross Tab‬‬
‫سپس مراحل زیر را دنبال کنید ‪:‬‬
‫‪ -1‬در کادر محاوره ‪ Crosstab‬متغیر جنسیت را به کارد سطرها‬
‫)‪ Row(s‬و متغیر ‪ Life‬را به کادر مربوط به ستونها )‪، column(s‬‬
‫وارد کنید‪.‬‬
‫‪ -2‬برای رسم نمودار ستونی خوشهای این دو متغیر‪ ،‬گزینه‬
‫‪ Display Clustered Bar Charts‬را عالمت دار کنید‪.‬‬
‫گزینه ‪ Cells‬را انتخاب کنید تا به كادر محاوره آن منتقل شويد‪...‬‬
‫روند ‪Crosse tab‬‬
‫‪ -1‬در کادر محاوره باز شده در قسمت ‪ Counts‬گزينه‬
‫‪Observed‬‬
‫عالمتدار شده است‪ ،‬آن را تغيیر‬
‫ندهيد‪.‬‬
‫‪ -2‬در بخش ‪ Percentages‬گزینه ‪ Row‬را عالمت‬
‫دار کنید‪.‬‬
‫‪ -3‬در پايان كليد ‪ Continue‬و ‪ Ok‬را به ترتيب كليك‬
‫كنيد و نتايج را در خروجي ‪ SPSS‬مشاهده كنيد‪.‬‬
‫مشاهده نتايج‪1‬‬
‫تغیير در داده ها )‪(Recode‬‬
‫•‬
‫گاهي اوقات میخواهیم دادههای پیوسته را به چند طبقه دسته‬
‫بندی كنیم (منظور تشكيل جدول توزيع فراواني است) میتوانید‬
‫از دستور‪ Recode‬استفاده كنید‪.‬‬
‫•‬
‫ابتدا از منوی اصلی به گزینه ‪ Transform‬برويد‪ .‬دو گزینه‬
‫پیش رو خواهيد داشت‪:‬‬
‫…‪1- Recode into Same Variables‬‬
‫‪.1‬مقادیر تغییر یافته به متغیر جدید منتقل شوند‪.‬‬
‫…‪2-Recode into Different Variables‬‬
‫‪.2‬مقادیر تغییر یافته در همان متغیر ثبت شوند‪.‬‬
‫گزينه دوم‪ ،‬گزينه مناسب است‪ .‬آن را انتخاب كنيد تا به كادر‬
‫محاوره مربوطه منتقل شويد‪.‬‬
‫‪1‬‬
‫‪2‬‬
‫تغیير در داده ها )‪(Recode‬‬
‫ابتدا متغیری را كه میخواهید تغییر دهید به كادر خالي سمت راست منتقل كنید‪ .‬پس از انتقال‪ ،‬جلوی نام متغیر عالمت سوال خواهد‬
‫داشت كه باید در كادر سمت راست(‪ ، )1‬یك نام وارد كنید و كلید ‪ Change‬را بزنید(‪ )2‬تا نام وارد شده‪ ،‬به جای عالمت سوال قرار‬
‫گیرد‪ .‬سپس گزینه ‪ Old and New Values‬را انتخاب كنيد (‪ )3‬تا كادر محاوره مربوط به آن باز شود‪ .‬در این كادر محاوره چند‬
‫امکان وجود دارد‪:‬‬
‫‪1‬‬
‫‪2‬‬
‫‪3‬‬
‫تغیير در داده ها )‪(Recode‬‬
‫‪ -1‬اگر قصد تغییر یک یا چند مقدار از یک متغیر را دارید گزینه ‪ Value‬را انتخاب کنید که نحوه استفاده از آن به صورت زیر است‪:‬‬
‫•‬
‫مقدار متغیری را كه میخواهید تغییر دهید در قسمت ‪ Old Value‬و مقدار جدید آن را در قسمت ‪ New Value‬وارد كنید‪.‬‬
‫سپس كلید ‪ Add‬را بفشارید تا تغییرات به پنجره پایین منتقل شود‪ .‬به همین منوال همه مقادیری كه میخواهید تغییر دهید را‬
‫اضافه کنید‪.‬‬
‫‪ -2‬براي تغيیر مقادیر گمشده از گزینه‪:‬‬
‫‪1‬‬
‫‪ System missing‬استفاده كنید‪.‬‬
‫و براي نگهداشتن يك كپي از مقادير قديم‬
‫از گزينه زير استفاده كنيد‪:‬‬
‫)‪Copy Old Value(s‬‬
‫‪2‬‬
‫تغیير در داده ها )‪(Recode‬‬
‫‪ .3‬اگر مقادير متغیر پیوستهاي را میخواهید تغییر دهيد‪ ،‬گزینه ‪ Range‬را انتخاب كنيد و حدود تغییرات را به شکل دو‬
‫مقدار ابتدایی و انتهایی وارد كنید‪.‬‬
‫‪ .4‬در گزینه ‪ Range Lowest‬مقادیر كمتر از یك مقدار را وارد كنید‪.‬‬
‫‪ .5‬در گزینه ‪ Range Highest‬مقادیر بیشتر از یك مقدار را وارد كنید‪.‬‬
‫•‬
‫گر تغییرات را اعمال كردهاید و میخواهید برای باقیمانده‬
‫مقادیر‪ ،‬مقدار جدیدی در نظر بگیرید‪ ،‬گزینه‬
‫‪All Other‬‬
‫‪ Values‬را عالمت دار كنید و برای آن مقداری تعيین نمایید‪.‬‬
‫•‬
‫در پایان با انتخاب ‪ Ok‬تغییرات خواسته شده اعمال می‬
‫شود و یک متغیر جدید به فهرست متغیر ها اضافه میگردد‪.‬‬
‫‪3‬‬
‫‪4‬‬
‫‪5‬‬
‫تغیير در داده ها )‪(Recode‬‬
‫در مجموعهي داده هاي ‪ ،1991‬با بررس ی متغیر سن‪ ،‬در خواهید یافت که کمترین سن ‪ 18‬و بیشترین سن‬
‫تمرين‬
‫‪ 89‬سال ثبت شده است‪ .‬میخواهیم این متغیر را به ‪ 7‬سطح به صورت زير طبقه بندي كنيم و جدول‬
‫توزيع فراواني را كامل نماييم‪.‬‬
‫از نوار منو گزینه ‪ Transform‬و سپس گزینه‬
‫‪ Recode into Different Variable‬را انتخاب کنید تا پنجره‬
‫‪ Recode‬باز شود‪...‬‬
‫فراواني طبقه‬
‫محدوده طبقه‬
‫؟‬
‫؟‬
‫؟‬
‫؟‬
‫؟‬
‫؟‬
‫؟‬
‫‪18 – 30‬‬
‫‪30 – 42‬‬
‫‪42 – 54‬‬
‫‪54 – 66‬‬
‫‪66 – 78‬‬
‫‪78 – 80‬‬
‫‪80 - 92‬‬
‫تغیير در داده ها )‪(Recode‬‬
‫‪ -1‬متغیر سن را به سمت راست منتقل کنید و در كادر ‪ ،Name‬نام ‪ RAge‬را برای متغییر جدیدی که‬
‫میخواهید مقادیر تغییر یافته در آن ثبت شود‪ ،‬تعیین کنید و گزینه ‪ Change‬را کلیک کنید‪.‬‬
‫‪ -2‬برای اعمال تغییرات گزینه ‪ Old and New values‬را انتخاب کنید تا به كادر محاوره ديگري وارد‬
‫شويد‪...‬‬
‫‪1‬‬
‫‪2‬‬
‫تغیير در داده ها )‪(Recode‬‬
‫‪ -1‬در کادر محاوره باز شده‪ ،‬گزینه ‪ Range‬را انتخاب کنید و در اين قسمت اولین فاصله را وارد كنيد‪.‬‬
‫‪ -2‬با وارد کردن اولین فاصله (يعني ‪ 18‬تا ‪ ،)30‬در قسمت ‪ Value‬نیز مقدار ‪ 1‬را وارد کنید و دکمه ‪ Add‬را نیز به عنوان‬
‫تایید‪ ،‬کلیک نماييد تا تغییرات به کادر ‪ Old New:‬اضافه شود‪.‬‬
‫برای بقیه فاصله ها به همین صورت ادامه دهید‪.‬‬
‫‪ -3‬در پايان كليد ‪ Continue‬و ‪ Ok‬را‬
‫به ترتيب كليك كنيد‬
‫‪2‬‬
‫‪1‬‬
‫به شکل مقابل توجه کنید‪ ،‬فاصله آخرين طبقه‬
‫(‪ )80–92‬وارد شده و مقدار ‪ 7‬براي اين فاصله در‬
‫نظر گرفته شده است‪ ،‬فقط كافي است كليد ‪Add‬‬
‫فشار داده شود تا طبقه هفتم به فهرست تغيیرات‬
‫اضافه شود‪.‬‬
‫‪3‬‬
‫تغیير در داده ها )‪(Recode‬‬
‫نتيجه اين تغيیرات اضافه شدن متغیري به نام ‪ RAge‬به انتهاي فهرست متغیرها است‪.‬‬
‫اگر از روند ‪ Frequencies‬براي اين متغیر جدول توزيع فراواني به دست آوريد‪ ،‬به صورت زير است‪.‬‬
‫توجه‪ :‬حدود طبقات را بعدا خودمان به اين جدول اضافه كرده ايم‪.‬‬
‫‪ Rage‬جدول توزيع فراواني براي متغیر دسته بندي شده سن در فايل داده هاي ‪1991‬‬
‫‪Cumulative‬‬
‫‪Percent‬‬
‫فراواني تجمعي درصدي‬
‫‪Valid Percent‬‬
‫فراواني درصدي معتبر‬
‫‪Percent‬‬
‫فراواني درصدي‬
‫‪Frequency‬‬
‫فراواني مطلق‬
‫حدود طبقات‬
‫شماره طبقه‬
‫‪22.5‬‬
‫‪52.2‬‬
‫‪69.6‬‬
‫‪82.6‬‬
‫‪95.4‬‬
‫‪96.6‬‬
‫‪100‬‬
‫‪22.5‬‬
‫‪19.8‬‬
‫‪17.4‬‬
‫‪12.9‬‬
‫‪12.8‬‬
‫‪1.2‬‬
‫‪3.4‬‬
‫‪22.4‬‬
‫‪29.7‬‬
‫‪17.3‬‬
‫‪12.9‬‬
‫‪12.8‬‬
‫‪1.2‬‬
‫‪3.4‬‬
‫‪340‬‬
‫‪451‬‬
‫‪263‬‬
‫‪196‬‬
‫‪194‬‬
‫‪18‬‬
‫‪52‬‬
‫‪18 - 30‬‬
‫‪30 - 42‬‬
‫‪42 - 54‬‬
‫‪54 - 66‬‬
‫‪66 - 78‬‬
‫‪78 - 80‬‬
‫‪80 - 92‬‬
‫‪1‬‬
‫‪2‬‬
‫‪3‬‬
‫‪4‬‬
‫‪5‬‬
‫‪6‬‬
‫‪7‬‬
‫‪100‬‬
‫‪99.8‬‬
‫‪1514‬‬
‫‪Total‬‬
‫‪0.2.‬‬
‫‪3‬‬
‫‪System‬‬
‫‪100‬‬
‫‪1517‬‬
‫‪Total‬‬
‫‪Valid‬‬
‫‪Missing‬‬
‫ساختن ردیف‬
‫معموال در یك مجموعه داده‪ ،‬داشتن یك ستون كه ردیف هر مورد را نمایش دهد‪ ،‬الزامی به نظر مي رسد‪ .‬برای ساختن چنین ستونی‬
‫باید از دستور ‪ Compute‬استفاده كرد‪.‬‬
‫ازنوار منو گزینه ‪ Transform‬را انتخاب كنید و سپس گزینه ‪ compute‬را كليك كنید تا پنجره آن باز شده در مستطیل‬
‫‪ target variable‬یك اسم دلخواه وارد كنید‪ .‬سپس در مستطیل ‪Numeric‬‬
‫‪ Expression‬عبارت ‪ $Casenum‬را تايپ كرده و‬
‫سپس ‪ OK‬را بزنید‪.‬‬
‫اینك یك ستون از شماره ‪ 1‬تا تعداد نمونه هایی كه دارید در‬
‫فهرست متغیرها اضافه شده است‪.‬‬
‫توجه كنید كه نمی توان برای فایل داده خالی‪ ،‬شماره ردیف‬
‫ایجاد كرد‪.‬‬
‫فصل هفتم‬
‫• آزمون پارامتري‬
‫اهداف درس‬
‫از دانشجويان انتظار می رود پس از پايان اين برنامه با مفاهيم زير آشنا شوند ‪:‬‬
‫• آزمون پارامتري و شرايط استفاده از آن‬
‫•‬
‫انواع آزمونهاي پارامتري و چگونگي تشخيص استفاده از آنها‬
‫• انواع آزمون ‪t‬‬
‫•‬
‫آزمون لون‬
‫•‬
‫تشخيص برابري واريانسها‬
‫•‬
‫تحليل واريانس‬
‫• تشخيص سطح معنيداري‬
‫• ضريب همبستگي پيرسون‬
‫آزمون پارامتري‬
‫براي استفاده از اين آزمونها شرايطي الزم است‪:‬‬
‫‪ .1‬دادهها داراي توزيع نرمال باشند‪.‬‬
‫‪ .2‬دادهها داراي مقياس فاصله اي يا نسبي باشند‪.‬‬
‫‪ .3‬نمونهها واريانس مساوي داشته باشند‪.‬‬
‫آزمونهاي ‪t‬‬
‫آزمون ‪ t‬به منظور تعيین تفاوت معناداري بین دو ميانگین به كار‬
‫ميرود‪.‬اين آزمون يك آزمون پارامتري است‪.‬‬
‫سه نوع آزمون ‪ t‬وجود دارد‪:‬‬
‫‪ t .1‬يك نمونهاي‬
‫‪ t .2‬دو گروه مستقل‬
‫‪ t .3‬زوجي يا دو گروه وابسته‬
‫آزمون ‪ t‬يك نمونهاي‬
‫اين آزمون به اين سؤال پاسخ ميدهد كه ميانگین مشاهده‬
‫شده در مقايسه با مقدار واقعي تفاوت معناداري دارد يا‬
‫خیر‪ .‬اين آزمون ساده ترين آزمون ‪ t‬ميباشد‪.‬‬
‫جهت انجام آزمون ‪ t‬تك نمونهاي ‪:‬‬
‫از منوي ‪ Analyze‬گزينه ‪ Compare Means‬را انتخاب وكليك‬
‫دستور‪ One– Sampl T Test...‬راكليك واجراكنيد‬
‫كنيد‪.‬‬
‫آزمون ‪ t‬يك نمونهاي‬
‫ادامه بحث‬
‫پنجره ‪ One– Sampl T Test‬ديده‬
‫ميشود‪.‬‬
‫متغیر مورد نظر را از ليست متغیرهاي كادر‬
‫سمت چپ به كادر سمت راست ( ‪Test‬‬
‫‪ )Variables‬منتقل كنيد‪.‬‬
‫روي گزينه ‪ OK‬كليك كنيد‪ .‬خروجي ديده ميشود‪.‬‬
‫با توجه به سطح معني داري ‪ sig‬درمورد آزمون قضاوت کنيد‪.‬‬
‫آزمون ‪ t‬دو گروه مستقل‬
‫اين نوع آزمون را آزمون غیر وابسته نیز ميخوانند‪ .‬در اين نوع‬
‫آزمون تفاوت بین ميانگينهاي دو جامعه آماري مستقل‪ ،‬مورد‬
‫آزمون قرار ميگیرد‪.‬‬
‫دو نمونه تصادفي از دو جامعه را با هم مقايسه ميكنيم تا تفاوت يا عدم تفاوت‬
‫ميانگينهاي آنها را معین كنيم‪.‬‬
‫جهت اجراي آزمون ‪ t‬مستقل ‪:‬‬
‫‪ .1‬روي منوي ‪ Analyze‬كليك كنيد‪.‬‬
‫‪ .2‬روي گزينه ‪ Compare Means‬كليك كنيد‪.‬‬
‫‪ .3‬مطابق شكل روي دستور ‪Independent‬‬
‫‪ Samples T tests‬كليك كنيد‬
‫آزمون ‪ t‬دو گروه مستقل‬
‫ادامه بحث‬
‫‪ .4‬كادر گفتگوي‬
‫‪Independent‬‬
‫‪– Sample T‬‬
‫‪Test‬مشاهده‬
‫ميشود‪.‬‬
‫ادامه بحث‬
‫فهرستي از متغیرها در كادر ديده‬
‫ميشود‪ .‬روي متغیر وابسته كليك‬
‫كنيد و آن را درون كادر مقابل با‬
‫نام ‪ Test Variable‬منتقل‬
‫كنيد‬
‫ادامه بحث‬
‫‪ .5‬روي متغیر مستقل كليك‬
‫كنيد و آن را به كادر‬
‫‪Grouping‬‬
‫‪ Variable‬منتقل‬
‫نمائيد‪.‬‬
‫ادامه بحث‬
‫به عنوان مثال جنسيت به عنوان متغیر مستقل در نظر گرفته شد‪.‬‬
‫ادامه بحث‬
‫روي دكمه ‪Define Groups‬‬
‫كليك كنيد‪ .‬مطابق شكل كادر ديده‬
‫ميشود‪ ،‬اين كادر مشخص ميكند‬
‫كه كدام دو گروه در حال مقايسه‬
‫شدن هستند‪.‬‬
‫ادامه بحث‬
‫در مثال موجود متغیر مستقل‬
‫جنسيت ميباشد كه الزم است‬
‫كدهاي ‪1‬و‪ 2‬را به درون‬
‫كادرهاي مشخص وارد كنيد‪.‬‬
‫‪ . 5‬روي گزينه ‪ OK‬كليك كنيد‪ .‬خروجي آزمون ‪ t‬مشاهده ميشود‪.‬‬
‫‪ .6‬روي دكمه ‪ Continue‬كليك كنيد‪ .‬همانگونه كه در شكل ميبينيد‬
‫مقادير درون پرانتز وارد شده است‬
‫براي بررس ي برابري واريانسهاي دو گروه ‪ ،‬به مقدار ‪ Sig‬آزمون‬
‫لون توجه ميشود اگر مقدار ‪ Sig‬آزمون لون كمتر از ‪05/0‬‬
‫باشد‪ ،‬واريانسهاي دو جامعه برابر نيستند‪ .‬دراين حالت بايد‬
‫از آمارههاي مربوط به واريانسهاي نابرابر استفاده كرد‬
‫آزمون‪ t‬زوجي‬
‫به اين آزمون‪ t ،‬همبسته يا وابسته نیز ميگويند‪ .‬براي تشخيص‬
‫تفاوت ميانگین دو گروه وابسته‪ ،‬ازاين آزمون استفاده و‬
‫انجام ميشود‪.‬‬
‫ادامه بحث‬
‫‪-1‬از منوي ‪ Analyze‬گزينه ‪ Compare Means‬را‬
‫انتخاب وكليك كنيد‬
‫آزمون ‪ t‬زوجي‬
‫‪ .2‬روي ‪ Paired Samples T test‬كليك كنيد‪ ،‬پنجره‬
‫زيرديده ميشود‪:‬‬
‫ادامه بحث‬
‫‪ .3‬دو متغیر موردنظر را به طور هم زمان انتخاب و به كادر‬
‫‪ Paired Variables‬منتقل كنيد‪.‬‬
‫‪ .4‬روي دكمه ‪ OK‬كليك كنيد‪ .‬خروجي ديده ميشود‬
‫تحليل واريانس‬
‫مجذور انحراف اعداد از ميانگین را واريانس ميگويند‪ .‬مقدار واريانس نشان دهنده‬
‫پراكندگي دادهها از ميانگین است‪.‬‬
‫هر چه واريانس بزرگتر باشد‪ ،‬انحراف اعداد از ميانگین بيشتر است و هر چه‬
‫كوچكتر باشد‪ ،‬انحراف اعداد از ميانگین كمتر است‬
‫يكي از روشهاي آماري جهت سنجش تفاوت معنيداري بین ميانگینهاي دو يا چند‬
‫نمونه‪ ،‬تحليل واريانس ميباشد‪.‬‬
‫تفاوت تحليل واريانس با آزمون ‪t‬‬
‫تفاوت تحليل واريانس با آزمون ‪ t‬دراين است كه آزمون ‪ t‬براي‬
‫مقايسه دو ميانگین كاربرد دارد‪ .‬اگر هدف تحقيق مقايسه‬
‫چند ميانگین باشد‪ ،‬تحليل واريانس كاربرددارد‪.‬‬
‫تحليل واريانس يك طرفه ‪One - Way‬‬
‫روش آماري كه طي آن تاثیر يك متغیر مستقل روي متغیر وابسته بررس ي ميشود‪،‬‬
‫تحليل واريانس يك طرفه گفته ميشود‪.‬‬
‫براي محاسبه آنالیز واريانس يكطرفه ‪:‬‬
‫‪ .1‬از منوي ‪ ،Analyze‬گزينه ‪ Compare means‬را كليك كنيد‪.‬‬
‫‪ .2‬مطابق اساليد بعد‪ ،‬گزينه ‪ One - Way AN0VA‬را انتخاب كنيد‪.‬‬
‫آناليز واريانس يكطرفه‬
‫با اجراي گزينه ‪One -‬‬
‫‪،Way ANOVA‬‬
‫پنجره مقابل ديده ميشود‪:‬‬
‫ادامه بحث‬
‫‪ .4‬متغیرهاي مورد نظر را از ليست سمت چپ‬
‫به كادر سمت راست ‪Dependent‬‬
‫‪ List‬منتقل كنيد‪ .‬روي دكمه‬
‫‪ Contintue‬و سپس ‪ OK‬كليك كنيد‪.‬‬
‫خروجي ديده ميشود‬
‫ادامه بحث‬
‫‪ .5‬روي گزينه ‪ Options‬كليك‬
‫كنيد‪ .‬شكل مقابل ديده‬
‫ميشود‪ -:‬روي دكمه‬
‫‪ Contintue‬و سپس ‪OK‬‬
‫كليك كنيد ‪ .‬خروجي ديده مي‬
‫شود ‪.‬‬
‫آناليز واريانس دو طرفه‬
‫)‪)Tow - Way Analysis of Variance‬‬
‫درتحليل واريانس دو طرفه‪ ،‬متغیر مستقل تغيیرات متغیر‬
‫وابسته را تبيین ميكند‪.‬‬
‫هنگاميكه دو متغیر مستقل با مقياس اسمييا رتبهاي‪ ،‬متغیر‬
‫وابسته را تبيین نمايند‪ ،‬از آنالیز واريانس دو طرفهجهت‬
‫محاسبه روابط متغیرها‪ ،‬استفاده ميشود‪.‬‬
‫ادامه بحث‬
‫‪ -1‬از منوي ‪ ،Analyze‬گزينه‬
‫‪General Linear Model‬‬
‫كليك كنيد‪.‬‬
‫‪ .2‬مطابق شكل گزينه ‪Univariate‬‬
‫انتخاب كنيد ‪:‬‬
‫آناليز واريانس دو طرفه‬
‫‪ .4‬مطابق شكل متغیر وابسته را به‬
‫كادر ‪Dependent‬‬
‫‪ Variable‬منتقل كنيد و‬
‫متغیرهاي مستقل را به كادر‬
‫بعدي منتقل نماييد‪.‬‬
‫ادامه بحث‬
‫‪ .5‬روي گزينه مدل ‪Model‬‬
‫كليك كنيد شكل مقابل‬
‫ديده مي شود‪:‬‬
‫ادامه بحث‬
‫‪ .6‬روي گزينه ‪full‬‬
‫‪ factorial‬كليك كنيد و‬
‫دكمه ‪ continue‬را‬
‫فشار دهد‪.‬‬
‫ادامه بحث‬
‫‪ .7‬روي گزينه ‪ plots‬كليك كنيد شكل‬
‫مقابل ديده مي شود‪ .‬متغیرهاي‬
‫مورد نظر را به كادرهاي مقابل‬
‫منتقل كنيد و گزينه ‪ Add‬را كليك‬
‫كنيد‪.‬‬
‫دكمه ‪ continue‬را فشاردهد‪.‬‬
‫ادامه بحث‬
‫‪ .8‬روي گزينه ‪options‬‬
‫كليك كنيد شكل مقابل‬
‫ديده مي شود ‪.‬‬
‫ادامه بحث‬
‫روي گزينه ‪ Residual plot‬كليك كنيد و دكمه‬
‫‪ continue‬را فشار دهد‪ ،‬خروجي ديده مي شود‪.‬‬
‫ضريب همبستگي پيرسون‬
‫جهت محاسبه ضريب همبستگي پیرسون مراحل زير را دنبال‬
‫كنيد‪:‬‬
‫‪ .1‬از منوي ‪ ،Analyze‬گزينه ‪ Correlate‬را انتخاب و‬
‫كليك نمائيد‪.‬‬
‫‪ .2‬مطابق شكل‪ ،‬دستور ‪ Bivariate‬را كليك كنيد‪:‬‬
‫ضريب همبستگي پيرسون‬
‫ادامه بحث‬
‫‪ .3‬بعد از اجراي دستور‬
‫‪ Bivariate‬پنجره مقابل‬
‫مشاهده ميشود‪:‬‬
‫ادامه بحث‬
‫‪ .4‬متغیرهاي مورد نظر را به كادر‬
‫‪ Variable‬منتقل كنيد‪.‬‬
‫‪ .5‬روي گزينه ‪ Pearson‬كليك‬
‫كنيد‪.‬‬
‫ادامه بحث‬
‫‪ .6‬روي دكمه ‪Options‬‬
‫كليك كنيد‪.‬شکل مقابل‬
‫ديده مي شود‪:‬‬
‫ادامه بحث‬
‫‪ .7‬گزينههاي زير مجموعه‬
‫‪ Statistics‬را عالمت دار‬
‫كنيد‪(.‬مطابق شكل)‬
‫‪ .8‬دكمه ‪ Continue‬را كليك كنيد‪.‬‬
‫‪ .9‬دكمه ‪ OK‬را كليك كنيد‪.‬‬
‫خروجي مشاهده ميشود‪.‬‬
‫آزمون ‪Z‬‬
‫آزمونهاي ‪t‬‬
‫◄ مهمترين‬
‫آزمونهاي‬
‫پارامتري‬
‫عبارتند از‪:‬‬
‫آنالیز واريانس‬
‫‪ t‬يك نمونههاي‬
‫‪ t‬مستقل‬
‫‪ t‬وابسته‬
‫يكطرفه‬
‫دوطرفه‬
‫ضريب همبستگي پیرسون‬
‫فصل هشتم‬
‫• آزمونهاي ناپارامتري‬
‫اهداف درس‬
‫از دانشجويان انتظار می رود پس از پايان اين برنامه با مفاهيم زير آشنا شوند ‪:‬‬
‫•‬
‫•‬
‫•‬
‫•‬
‫•‬
‫•‬
‫•‬
‫•‬
‫آزمونهاي ناپارامتري و شرايط استفاده از آنها‬
‫آزمون ناپارامتري معادل آزمون ‪ t‬مستقل‬
‫آزمون ناپارامتري معادل آزمون ‪ t‬زوج‬
‫آزمونهاي ناپارامتري معادل تحليل واريانس‬
‫آزمون ‪X2‬‬
‫آزمون فريدمن و کوکران‬
‫شرايط آزمون مك نمار‬
‫استفاده از ضريب همبستگي اسپیرمن‬
‫آزمونهاي ناپارامتري‬
‫آزمونهايي كه براي دادههايي كه داراي توزيع مشخص نيستند‪،‬‬
‫مورد استفاده قرار ميگیرد‪ ،‬آزمونهاي ناپارامتري ناميده‬
‫ميشود‪ .‬اين آزمونها در شرايطي كه دادهها ترتيبي يا اسمي‬
‫باشند‪ ،‬مورداستفاده قرار ميگیرند‪.‬‬
‫آزمون ‪ U‬من ويتني ‪Mann -Whitney U Test‬‬
‫يك آزمون ناپارامتريك جهت متغیرهايي با مقياس اسمي‪ -‬رتبهاي‬
‫ميباشد‪.‬‬
‫آزمون من ويتني معادل آزمون پارامتريك ‪ t‬دو گروه مستقل‬
‫ميباشد‪ .‬كاربرد اين آزمون هنگامياست كه قرار است دو‬
‫گروه را بر حسب رتبه افراد با هم مقايسه كنند‪.‬‬
‫ادامه بحث‬
‫فرض كنيد محققي ميخواهد در يك جامعه‪ ،‬تحصيالت را بر‬
‫حسب جنسيت مورد بررس ي و مقايسه قرار دهد‪ ،‬استفاده از‬
‫آزمون من ـ ويتني در صورتي كه متغیر تحصيالت داراي‬
‫مقوالت زياد باشد‪ ،‬امكان پذير ميباشد‪.‬‬
‫مراحل زيررا جهت آزمون ‪ U‬اجرا كنيد‪:‬‬
‫‪ .1‬از منوي ‪ Analyze‬گزينه ‪NonParametric Test‬‬
‫را كليك كنيد‪.‬‬
‫‪ .2‬مطابق شكل گزينه ‪ 2 independent Sample‬را‬
‫انتخاب كنيد‪.‬‬
‫آزمون ‪ U‬من ويتني‬
‫ادامه بحث‬
‫‪ .3‬پس ازانتخاب و اجراي ‪2‬‬
‫‪independent Sample‬‬
‫پنجره مقابل ديده ميشود ‪.‬‬
‫‪.4‬گزينه‪ Mann Whitney U‬را‬
‫عالمتدار كنيد‪.‬‬
‫ادامه بحث‬
‫‪ .5‬روي گزينه ‪Define‬‬
‫‪ Groups‬كليك كنيد‪ ،‬كادر‬
‫مقابل ديده ميشود‪ :‬كدهاي‬
‫گروه ‪ 1‬و ‪ 2‬را مقابل كادرهاي‬
‫هر كدام تايپ كنيد‪.‬‬
‫آزمون ‪ U‬من ويتني‬
‫در اينجا متغیر جنسيت با توجه به كدگذاري اوليه داراي دو كد‬
‫‪ 1‬و ‪ 2‬براي آقايان و خانمها ميباشد‪.‬‬
‫‪ .7‬دكمه ‪ Continue‬و سپس ‪ OK‬را كليك كنيد‪ .‬خروجي زير‬
‫ديده ميشود‪.‬‬
‫آزمون ويلكاكسون ‪Wilcoxon Test‬‬
‫ويلكاكسون‪ ،‬آزمون ناپارامتريك جهت متغیرهايي با مقياس‬
‫رتبهاي ميباشد‪ .‬از طريق اين آزمون‪ ،‬امكان مقايسه قبل و‬
‫بعد يك وضعيت تحت تاثیر يك متغیر امكان پذير است‪.‬‬
‫آزمون ويلكاكسون‪ ،‬معادل آزمون پارامتريك ‪ t‬زوجي ميباشد‪.‬‬
‫ادامه بحث‬
‫فرض كنيد محققي ميخواهد تاثیر استفاده از وسايل كمك‬
‫آموزش ي و سمعي ـ بصري را روي نتيجه آزمون دانشجويان‬
‫بررس ي كند‪ .‬ابتدا از دانشجويان آزمون به عمل ميآيد‪،‬‬
‫سپس از وسايل كمك آموزش ي استفاده ميشود و مجددا‬
‫آزمون برگزارميگردد‪.‬‬
‫براي اجراي ويلكاكسون ‪:‬‬
‫‪ .1‬از منوي ‪ ،Analyze‬گزينه‬
‫‪Nonparametrice Test‬‬
‫را كليك كنيد‪.‬‬
‫‪2 - Related Sample .2‬را‬
‫انتخاب كنيد‪:‬‬
‫ادامه بحث‬
‫‪ .3‬با اجراي گزينه ‪ ،2‬كادر ديده ميشود‪:‬‬
‫‪ . 4‬متغیرهاي مورد نظر را به صورت جفتي به كادر‬
‫‪ Test Pairs List‬منتقل كنيد‪ .‬انتقال به‬
‫صورت تك متغیري امكان پذير نميباشد‪.‬‬
‫‪ .5‬گزينه ‪Wilcoxon‬را كليك كنيد‪.‬‬
‫‪ .6‬دكمه ‪OK‬را كليك كنيد‪ .‬خروجي ديده ميشود‪.‬‬
‫آزمون كروسكال واليس‬
‫هنگاميكه دادهها در مقياس رتبهاي باشند‪ ،‬جهت مقايسه‬
‫وضعيت يك متغیر در چند گروه‪ ،‬از اين آزمون استفاده‬
‫ميشود‪.‬‬
‫آزمون كروسكال واليس ‪,‬معادل تحليل واريانس يك طرفه در‬
‫آزمونهاي پارامتريك است‪.‬‬
‫ادامه بحث‬
‫براي اجراي آزمون ‪:‬‬
‫‪ .1‬از منوي ‪ ،Analyze‬گزينه‬
‫‪NonParametrice Test‬‬
‫را انتخاب و كليك كنيد‪.‬‬
‫‪ .2‬گزينه ‪K Independent‬‬
‫‪ Samples‬راانتخاب كنيد‪:‬‬
‫ادامه بحث‬
‫‪ .3‬پس از اجراي گزينه ‪ K Independent Samples‬پنجره مقابل ديده ميشود‪:‬‬
‫ادامه بحث‬
‫‪ .4‬متغیرهاي مورد نظر را از كادر‬
‫سمت چپ به كادرهاي ‪test‬‬
‫‪ Variable‬و ‪Grouping‬‬
‫‪ Variable‬منتقل كنيد‪.‬‬
‫‪ .5‬گزينه ‪ Kruskal- Wallish‬را‬
‫مارکدار كنيد‪.‬‬
‫ادامه بحث‬
‫‪ .6‬روي گزينه ‪ Define Range‬كليك كنيد‪ .‬كادرمقابل ديده ميشود‪ .‬مقابل گزينه‬
‫حداقل و حداكثر‪ ،‬كدهاي مورد استفاده را تايپ كنيد‪.‬‬
‫آزمون كاي دو‬
‫هنگاميكه دادههايي با مقياس اسميوجود دارد‪ ،‬يكي از معمول‬
‫ترين آزمونها‪ ،‬آزمون ميباشد‪.‬‬
‫ادامه بحث‬
‫براي اجراي اين آزمون ‪:‬‬
‫‪ .1‬از منوي ‪ ،Analyze‬گزينه‪ Descriptive Statistics‬را انتخاب و كليك كنيد‪.‬‬
‫ادامه بحث‬
‫‪ .‬دستور ‪ Crosstab‬را انتخاب و كليك كنيد‪ .‬با اجراي اين دستور شكل ديده ميشود‪:‬‬
‫‪ .3‬متغیرهاي مورد نظر را به كادرهاي ‪ Row‬و ‪( Column‬سطر و ستون) منتقل كنيد‪.‬‬
‫ادامه بحث‬
‫‪ .4‬روي گزينه ‪ Statistics‬كليك كنيد‪ .‬پنجره مقابل ديده ميشود‪:‬‬
‫‪ .5‬روي گزينه ‪ Chi - Square‬كليك كنيد‪.‬‬
‫ادامه بحث‬
‫‪ .6‬گزينه ‪ Continue‬و سپس ‪ OK‬را انتخاب و كليك كنيد‪.‬‬
‫خروجي ديده ميشود‪.‬‬
‫آزمون ‪ X2‬از آزمونهاي ناپارامتري به شمار ميآيد‪ ،‬يعني به علت‬
‫عدم جهتگیري نميتواند مشخص كند وضعيت كدام‬
‫جنسيت بهتر است‪ ،‬صرفا متفاوت بودن وضعيت با توجه به‬
‫نوع متغیر مشخص ميشود‪.‬‬
‫كاربرد آزمون ‪ X2‬اين است كه مشخص ميكند آيا رابطه بین‬
‫دو متغیر كيفي تصادفي است يا واقعي‪.‬‬
‫آزمون فريدمن‬
‫هنگامي كه قرار است متغیرهايي با مقياس رتبهاي در ‪ k‬گروه‬
‫وابسته آزمون شوند‪ ،‬جهت بررس ي تفاوت در گروه هاي‬
‫وابسته از اين آزمون استفاده ميشود‪.‬‬
‫ادامه بحث‬
‫جهت استفاده از اين آزمون ‪:‬‬
‫‪ .1‬از منوي ‪ Analyze‬گزينه ‪NonParametric Test‬‬
‫را انتخاب و كليك كنيد‪.‬‬
‫‪ .2‬گزينه ‪ K Ralated Sample‬را كليك كنيد‪.‬‬
‫آزمون فريدمن‬
‫ادامه بحث‬
‫‪ .3‬پس از اجراي گزينه ‪ ،K Ralated Samples‬كادر زير ديده ميشود‪:‬‬
‫‪ .4‬متغیرهاي مورد نظر را از كادر سمت چپ به كادر سمت راست ‪Test‬‬
‫‪ Variable‬منتقل كنيد‪.‬‬
‫‪Friedman‬‬
‫‪ .5‬گزينه ‪ Friedman‬را عالمت دار كنيد‪.‬‬
‫‪ .6‬دكمه ‪ OK‬را كليك كنيد‪ .‬خروجي مشاهده ميشود‪.‬‬
‫آزمون كوكران‬
‫اگر متغیرهاي مورد بررس ي داراي مقياس اسميباشند‪ ،‬جهت‬
‫آزمون تفاوت بین ‪ k‬گروه وابسته ميتوان از آزمون كوكران‬
‫استفاده كرد‬
‫ادامه بحث‬
‫‪ .1‬از منوي ‪ Analyze‬گزينه ‪ Nonparametric Test‬را انتخاب و كليك كنيد‪.‬‬
‫‪.2‬گزينه ‪ K Related Samples‬را اجرا كنيد‪ .‬پنجره مشاهده ميشود‪:‬‬
‫ادامه بحث‬
‫‪ .3‬متغیرهاي مورد نظر را از كادر سمت چپ به كادر ‪ Test Variable‬منتقل كنيد‪.‬‬
‫‪ .4‬گزينه ‪ Cochran s Q‬را عالمتدار كنيد‪.‬‬
‫توجه داشته باشيد براي استفاده‬
‫از آزمون كوكران متغیر مورد نظر‬
‫بايستي دو بعدي باشد‪.‬‬
‫ادامه بحث‬
‫‪ .5‬دكمه ‪ OK‬را كليك كنيد‪ .‬خروجي مشاهده ميشود‪.‬‬
‫آزمون مك نمار ‪Mc.Nemar Test‬‬
‫آزمون مك نمار جهت مقايسه دو وضعيت كاربرد دارد‪.‬‬
‫شرط استفاده از اين آزمون آن است كه متغیر بايستي كيفي باشد و دو مقوله داشته‬
‫باشد‪.‬اگر متغیر دو مقولهاي نباشد‪ ،‬پيغام خطا ديده ميشود‪.‬‬
‫‪ .1‬از منوي ‪ ،Analyze‬گزينه ‪ Nonparametric Test‬را كليك كنيد‪.‬‬
‫‪ .2‬گزينه ‪ 2-Related Samples...‬را اجرا كنيد‪ .‬پنجره اسالید بعد ديده ميشود‪:‬‬
Mc.Nemar Test ‫آزمون مك نمار‬
‫ادامه بحث‬
‫‪ .3‬جفت متغیر مورد نظر را به كادر ‪ Test Pair List‬منتقل كنيد‪.‬‬
‫‪ .4‬گزينه ‪ McNemar‬را كليك كنيد‪.‬‬
‫‪ .5‬دكمه ‪ OK‬را كليك كنيد‪.‬‬
‫خروجي ديده ميشود‪.‬‬
‫ضريب همبستگي اسپيرمن‬
‫براي محاسبه همبستگي بین دو متغیر بر حسب رتبه ها در اين‬
‫دو متغیر‪ ،‬بهجاي استفاده از ضريب همبستگي پیرسون از‬
‫ضريب همبستگي اسپیرمن استفاده ميشود‪.‬‬
‫ادامه بحث‬
‫‪ .1‬از منوي ‪ Analyze‬گزينه ‪ Correlate‬را انتخاب وكليك كنيد‪.‬‬
‫‪ .2‬دستور ‪ Bivariate‬را اجرا كنيد‪.‬کادر مقابل ديده ميشود‪.‬‬
‫ضريب همبستگي اسپيرمن‬
‫‪ .3‬متغیرهاي مورد نظر را به كادر ‪ Variables‬منتقل كنيد‪.‬‬
‫‪ .4‬گزينه ‪ Spearman‬را عالمت دار كنيد ‪.‬‬
‫‪.5‬دكمه ‪ OK‬را كليك نمائيد‪ .‬خروجي مشاهده ميشود‬
‫◄مهمترين آزمونهاي‬
‫ناپارامتري عبارتند از‪:‬‬
‫من ويتني(معادل ‪ t‬مستقل)‬
‫ويلكاكسون (معادل ‪ t‬زوج)‬
‫كروسكال ـ واليس‬
‫(معادل تحليل واريانس يكطرفه)‬
‫كاي دو‬
‫مك نمار‬
‫فريدمن‬
‫كوكران‬

similar documents