Upload
others
View
10
Download
0
Embed Size (px)
Citation preview
spssکارگاه آموزشی نرم افزار
98بهار نژادمنصوره روشن 1
98بهار منصوره روشن نژاد
آشنایی با مدرس
o مشهددانشجوی دکترای آمار دانشگاه فردوسی: منصوره روشن نژادoهمکار آماری در شرکت آمار پژوهان پویاoعالقه مند به تحلیل آماری داده ها
oارتباط از طریق پست الکترونیک:[email protected]
2
98بهار منصوره روشن نژاد
سرفصل دوره
آشنایی با نرم افزار•آمار توصیفی، شاخص های مرکزی، پراکندگی، نمودار•انواع فرضیه، آزمون های پارامتری و ناپارامتری، خطاهای آزمون های•
آماریبررسی نرمال بودن توزیع داده ها، به کمک شاخص ها و آزمون•(، آنالیز واریانس یک طرفهtآزمون های )آزمون های مقایسه ای •anovaو tآزمون های ناپارامتری معادل آزمون های •
3
98بهار منصوره روشن نژاد
: منابع
• Performing Data Analysis Using IBM SPSS
• Lawrence S. Meyers, Glenn C. Gamst, A. J. Guarino
• ISBN: 978-1-118-35701-9• Aug 2013• 736 pages
4
یپیمایشدر تحقیقات SPSSراهنمای جامع کاربرد •دکتر کرم حبیب پور، دکتر رضا صفری شالی•لویه، تهران-متفکران:انتشارات•
98بهار منصوره روشن نژاد
•Spssچیستآشنایی با رابط کاربری نرم افزار•قواعد نام گذاری متغیرها•یریمعرفی انواع متغیر و مقیاس های اندازه گ•تعریف متغیرها •پرسشنامهورود داده های یک نحوه •
عناوين مطالب
5
98بهار منصوره روشن نژاد
Spssچیست؟•SPSS مخفف عبارتStatistical Package for the Social Sciences
.باشدبه معنای بسته ی آماری برای علوم اجتماعی میماری در های آدر ابتدا این نرم افزار بیشتر با هدف کاربرد و استفاده از آمار و روش•
در ی علوم اجتماعی نوشته شده بود اما امروزه از این نرم افزار برای تحلیل آمار.گرددها استفاده می تمامی رشته
رکاربردترین های آماری به پاین نرم افزار به دلیل سادگی و پوشش نسبتا کامل روش•.نرم افزار تحلیل آماری در کشور ما تبدیل شده است
6
98بهار منصوره روشن نژاد
spssشروع به کار با
7
98بهار منصوره روشن نژاد
نمای اولیه نرم افزار
8
98بهار منصوره روشن نژاد
spssپنجره های کار با
Data Editor-پنجره ویرایشگر داده•
Variable View-پنجره نمای متغیرها•
Output-پنجره خروجی•
9
98بهار منصوره روشن نژاد
نوار وضعیت •Spss ام خود را در کادری در پایین صفحه به نوضعیت جاریهمواره
رنامه به ، توجه کنید، زمانی بمـی رساندنوار وضعیت بـه اطـالع شـما در SPSS Processor is readyخوبی کار خواهد کرد کـه عبـارت
نوشته شده باشد کادر ایـن
10
98بهار منصوره روشن نژاد
Data Editor-پنجره ویرایشگر داده
11
، ویرایش و تعریف داده هاورود:کارایی
ندازه گیری هایی هستند که توسط محقق امتغیرها و ویژگی نشان دهنده ستون ها •
....شده اند، مانند جنسیت، سن، میزان رضایت، نمره و
ویان که هستند، مثال در تحقیقی از دانشج( موردها)مشاهدات نشان دهنده سطرها•
رفته ویژگی هایی همچون نمره، معدل، جنسیت ، سن از آنها مورد پرسش قرار گ
.است، هر سطر نشان دهنده ویژگی های یک دانشجو است
.سلول ها شامل مقدار هر متغیر برای هر مشاهده می باشند•
ظاهر« .»، اگر مقداری برای یک مورد وارد نشود، عالمت متغیرهای عددیدر •
در نظر گرفته می شود و از ( System Missing)میشود و به عنوان داده گمشده
.محاسبات کنار گذاشته می شود
98بهار منصوره روشن نژاد
دکمه تعويض صفحه ـیتوانیـد از بـا اسـتفاده از ایـن قابلیت که در پایین سمت چپ صفحه می باشد، م•
و بالعكس بروید Variable viewبـه صـفحه Data viewصـفحه
12
98بهار منصوره روشن نژاد
Variable View-پنجره نمای متغیرها
نین امكان را تعریف کرد، همچمتغیرها و مشخصات آنها در این برگه می توان •
رگه هر حذف یا اضافه کردن متغیرها نیز در نظر گرفته می شود، در این ب
.ردیف نشان دهنده یک متغیر و مشخصات آن می باشد
13
Name (حرف64حداکثر -بدون فاصله و عالئم غیر مجاز)متغیر نام
Type ....(متنی، تاریخی و -عددی) نوع متغیر
Width (عددی و متنی)طول محتویات متغیر
Decimal (در صورت عددی بودن)تعداد ارقام اعشار
Label (همه گونه حروف و عالئم مجاز است) برچسب
Value کدگذاری مقادیر یک متغیر
Missing تعیین مقادیر گمشده
Column اندازه طول نمایش ستون
Align ..(.چپ چین، راست و)تراز قرار گرفتن مقادیر در ستون
Measure نوع مقیاس اندازه گیری متغیر
Role نقش متغیر
98بهار منصوره روشن نژاد
:قواعد نام گذاری متغیرها
.برای نام متغیر اختصاص دهیدکاراکتر 64مجاز هستید تا -1هاینام متغیر می تواند شامل حروف کوچک یا بزرگ، عدد یا یكی از کاراکتر-2. باشد $و _و . و #و@.(فقط در بین نام متغیر ها استفاده کنید$و _و . و #باید از کاراکتر های : توجه) .در نام یک متغیر خود داری کنیدفاصلهاز گذاشتن -3.در ابتدای نام یک متغیر اجتناب کنید$و #از گذاشتن کاراکتر های -4.شود شروع @نام متغیر میتواند با -5.تمام شود_یا .با کاراکتر های نبایدنام متغیر -6.نام متغیر نمیتواند تكراری باشد-7نام متغیر نباید یكی از کلمات کلیدی مانند-8
NOT, OR, TO, WITHALL, AND, BY, EQ, GE, GT, LE, LT, NE که ،spss به عنوان عبارت.محاسباتی از آنها استفاده می کند، باشد
14
98بهار منصوره روشن نژاد
وارد کردن متغیر ها
را New Data ،SPSSانتخاب و پس از انتخاب گزینه را fileابتدا از منوی اصلی گزینه
برای ثبت Variable Viewسپس از برگه . برای ورود داده ها و متغیر ها آماده کنید
. مشخصات متغیر ها استفاده نمایید
15
Name-یر روی سلول زیر نام متغنام دو بار کلیک کنید و سپس.مورد نظرتان را وارد کنید
98بهار منصوره روشن نژاد
تعیین نوع متغیر-هاوارد کردن متغیر •Type-خاکسترینقطهسهمتغیرنوعرویبرکلیکبا
رویاگرکهمیشوددادهنمایشآنسلولرویرنگ
Variableپنجرهکنیدکلیکآن Typeبهوشدهباز
عددینوعازمتغیرنوعفرضپیشصورت
(Numeric)استشدهانتخاب.
•Widthو- Decimalsوصحیحاعدادتعداد
یاشافزایوآنهارویکلیکبامیتوانیدرااعشار
.دهیدتغییردلخواهبهآنکاهش
راStringگزینهنیستعددینوعازمتغیراگر•
لمثاینهاازغیرچیزیاگرو.کنیددارعالمت
رایكیدمیتوانیاست،...وپولیاعلمینمادتاریخ،
کنیدانتخاب
16
Type نوع متغیر
Numeric (مقادیر عددی برای متغیرهای کمی و کیفی)عددی
Comma (جداکننده کاما)عددی با جداکننده سه رقم
Dot (جداکننده نقطه)عددی با جداکننده سه رقم
Scientific notation (برای اعداد بزرگ)نماد علمی -عددی
Date تاریخ
Dollar ارزهای رایج-ارزیعدد
Custom currency با نماد سفارشیارزهای-عدد ارزی
String متن
Restricted Numeric مقادیر نامنفی-طول مشخصبا-عدد صحیح
98بهار منصوره روشن نژاد
نام متغیربرچسب تعريف -ها وارد کردن متغیر
•label-تعاریفازرمتغیبهترشناختبرایمیتوانیدچسب،برانتخابباوعالئمانتخابدرمحدودیتبدونکاراکتر120تاوکنیداستفادهمناسب.کنیدواردحروف
هاییخروجخواناییدرلکناست،اختیاریمتغیرنامبرچسبتعریف•.دارداهمیتبسیارافزارنرم
17
98بهار منصوره روشن نژاد
برچسب مقاديرتعريف -ها وارد کردن متغیر
•value labels-الزمشدهبندیگروهیاوکیفیهایمتغیرمورددرهاییچسببربارامتغیرمختلفهایحالتوهاگروهکهاست
اکستریخنقطهسهمشخصه،اینرویبرکلیکازپس.کنیدمشخصازحالتهریاوگروههربهمیتوانآنرویکلیکباکهشدهظاهر.دادنسبتعددیککیفیمتغیر
18
98بهار منصوره روشن نژاد
ودکردن مقادير مفقمشخص -وارد کردن متغیر ها•Missing-نشدهبتثیادلیلیهربهکههستندمقادیریمفقودمقادیر
کردهناعامتآنبهپاسخازدهندهپاسخیاواندشدهثبتاشتباهیااند،ازریکهبرایهادادهثبتهنگاممی تواندکاربرحالتیچنیندر.است
.گیردنظردرراکاراکترییاعددحالت هاایننقطههسمشخصه،اینزیرسلولرویبرکلیکازپسکاراینبرای•
valueبهمربوطپنجرهآنرویکلیکباکهشدهظاهرخاکستریMissingزاغیرمقادیریشدهگمهایدادهبرایمی توانوشدهظاهر
.گرفتنظردرمتغیرمقادیرنمیادهاستفمحاسباتدرمقادیراینمفقود،مقادیرکردنمشخصبا•
شدهگذاشتهکنارمقادیراینمتغیر،یکمیانگینمحاسبهدرمثالشوند،.شودمیمحاسبهمقادیرسایراساسبرمیانگینو
19
98بهار منصوره روشن نژاد
گزينه های نمايش داده ها
Columns–کاراکترعدادتنمایشتغییربرایدیگریروشگزینهاینازاستفاده
.استمتغیریکهای
Align–صفحهایسلولهدرهادادهنویسیوسطونویسیچپنویسی،راستبرای
.شودمیاستفادهمشخصهاینازها،دادهویرایشگر
20
98بهار منصوره روشن نژاد
Measure-هاداده مقیاس
اسمی(Nominal : )تأهـل،(زن/مـرد)مانند جنسـیت. وجود و عدم وجود صفتی را شامل می شود
(A /B /AB /O)، گروه خونی (بیوه/مطلقه/متأهل/مجرد)
رتبه ای(Ordinal ) :االکـماننـد مرغوبیـت. می توان به آنهـا از نظـر کـوچكی و بزرگـی رتبـه داد
/...(فوق لیسانس/دکتری)، مقاطع تحصیلی (نامرغوب/متوسط/عالی)
21
ــله ای ــبی ( Interval)فاص ــوان ( : Ratio)و نس می ت
جـ ماننـد در. ت ها را انـدازه گرفـتاختالف بین کمیّ
این داده ها معموالً از ... و ، حجمسن،وزن،قد،حرارت
بـه آنهـا اندازه گیری به دست می آیند و به همین دلیل
ــدازگیری ــا پیوســته ( Scale)داده هــای ان ــهی ــز گفت نی
.می شود
98بهار منصوره روشن نژاد
هاوارد کردن متغیر
Measure–آنیریاندازه گمقیاستعیینمتغیریکهایمشخصهمهمترینازمقیاسکهاستگزینهسهدارایمشخصهاین.شودمیتعیینقسمتایندرکهاست.کندمیمعلومرامتغیرهرگیریاندازه
1-Nominalرا برای مقیاس اسمی2-Ordinal را برای مقیاس ترتیبی3-Scale بكار ببرید( فاصله ای یا نسبتی)را برای مقیاس عددی .
22
98بهار منصوره روشن نژاد
Roleمشخصه -هاوارد کردن متغیر
. می شودموردنظر را در روشهای آمار تحلیلی مشخصنقش متغیر توسط این مشخصه :نقـش یـک متغیـر میتواند به صورت زیر تعیین شود
-Inputاده قرار میگیردبرای متغیرهایی مانند پیشگو، مستقل یا توضیحی مورد استف.-Target متغیرهای وابسته مدل استفاده میرشود برای
Both برای متغیرهایی که هم نقشInput و هم نقشOutputرا در مدل میگیرند.Noneبرای متغیرهایی که نقش خاصی در مدل آماری ندارند.
Partition ا بـه نمونـه رداده هـای متغیرهایی مورد استفاده قرار میگیرد کـه برای، آزمودنی و اعتبار سنجی، تقسیم میکندآموزشیهـایمجموعـه
Split ـت نقش هماهنگ کننده بین نرم افزارهای تحکه برای متغیرهایی استSPSSرا دارنـد.
استفاده کرد Split fileاین متغیر را هیچگاه نمیتوان در دستور
23
98بهار منصوره روشن نژاد
ورود داده ها
SPSSبهراهادادهمیتوانیدروشچندینبه.کنیدمنتقل
.اهدادهویرایشنواردرهادادهکردنتایپ-1واردوسلولهربررویکردنکلیکبا-2
.سلولهاداخلدرهادادهکردنفایلدرچسباندنودیگرمكانازکردنکپی-3
.موجودهایدادهد از دیگر نرم افزارها ماننفراخوانی داده ها . 4
....اکسل و
24
ثبتگنجایشspss-نكتهدوبهمربوطاطالعات.داردرانمونهمیلیارد
هربرایمی توانیدهمچنینهزاردهحدوددرنمونه.بگیریدنظردرمتغیر
Dataبعد از تعریف تمامی متغیرهای الزم بـا کلیـک روی عبـارت viewد بـه محـیط وارد کـردن داده هـا برگشته و داده ها را وارد کنی
98بهار منصوره روشن نژاد
تمرينورود داده های يک پرسشنامه
.کنیمرا می خواهیم وارد پرسشنامه پژوهشی داده های •.تعریف کنیدspssابتدا برای متغیرهای مورد نیاز را در •.را وارد کنید2و 1شماره سپس داده های پرسشنامه •
25
98بهار منصوره روشن نژاد
از فایل اکسلداده ها فراخوانی•فراوانیجدول توزیع •انتخاب موارد•توصیفیآمار •مناسب داده هانمودارهای •شاخص های مرکزی•شاخص های پراکندگی•
عناوين مطالب
26
98بهار منصوره روشن نژاد
فراخوانی داده ها از اکسل
مسیر زیر را دنبال کنید•
27
98بهار منصوره روشن نژاد
:جدول توزيع فراوانی
28
یفیکمتغیرسطوحازیکهربرایشدهمشاهدهمقادیرفراوانیمحاسبهوبندیدسته
AnalyzeDescriptive Statistics
Frequencies …
98بهار منصوره روشن نژاد
جدول فراوانی
29
.تعداد مشاهدات طبقه در کل داده ها را نشان می دهد: فراوانی ی به از تقسیم فراوانی هر طبقه بر کل داده های مورد بررس :(percent)درصد
.نیز ضرب می شود100دست می آید که در یان به پاسخگواز تقسیم فراوانی هر طبقه بر کل :(valid percent)درصد معتبر .نیز ضرب می شود100به دست می آید که در آن سوال
از جمع درصدهای معتبر هر طبقه با ( : Cumulative Percent)درصد تجمعی .طبقات قبل آن به دست می آید
98بهار منصوره روشن نژاد
select cases-انتخاب موارد
ن یـک دانشـجویاجنسـیت، سال ورود، معدلفرض کنید داده های مربوط به •هسـتند، 1396تا 1394سال های دانشجویان ورودی . دانشكده در اختیار است
1395ی وروددر بخشی از تحلیل الزم است تحلیـل هـایی بـرای دانشـجویان نیاز به بررسـی 1395پسر ورودی ارائه شود و در بخشی دیگر برای دانشجویان
. می باشداب شود و سـپس بنابراین نیاز است که افراد با ویژگی های ذکر شده ابتدا انتخ•
.تحلیل مورد نظر انجام شودفراخوانی کنید spssفایل داده ها را که در فرمت اکسل ذخیره شده است در •
.و در ادامه مسیر زیر را طی نمایید
• Data----> Select Cases
30
98بهار منصوره روشن نژاد
select cases-انتخاب موارد
.در پنجره باز شده، شرط انتخاب موارد را وارد نمایید1395انتخاب دانشجویان ورودی ( الف
1395انتخاب دانشجویان پسر ورودی ( ب
کـه در از این پس، هر عملیاتی در نرم افزار انجام شود، تنها بـر روی داده هـایی.شرط فوق صدق می کنند، می باشد
31
98بهار منصوره روشن نژاد
select cases-انتخاب موارد
فعـال اسـت بـرای selectجدول توزیع فراوانی جنسیت را یک بار در حالتی که .فعال نیستselectدانشجویان به دست آورید و یک بار در حالتی که
•Analyze --->Descriptive Statistics --->Frequencies
جدول فراوانی متغیر جنسیت را به سمت راست منتقل کنید و در حالی که تیک.بزنیدokانتخاب شده است،
32
98بهار منصوره روشن نژاد
ی کیفی توصیف داده ها
.ندهستپرتوانبسیارمفاهیمانتقالدرنمودارها:آمارینمودارهای•نتریمتداولایدایرهوایمیلهنمودارهایکیفی،هایدادهبرای•
.هستندBar)ایمیلهنمودار(الف• Chart)فراوانیجداولایجادمسیرهماندر
Pie)ایدایرهنمودار(ب• Chart)فراوانیجداولایجادمسیرهماندر
33
98بهار منصوره روشن نژاد
تمرين
که در مسیر نصب نرم افزار قرار دارد را باز Demo.savهای داده از فایل •:کنید
C:\Program Files\IBM\SPSS\Statistics\25\Samples\English\demo.sav
های متغیرهای جنسیت و تحصیالت، جداول فراوانی به همراه نموداربرای .مناسب رسم کنید
34
98بهار منصوره روشن نژاد
ی کمّی توصیف داده ها
فراوانیتوزیعجدول•
متغیرهایردهاساسبرفراوانیجدولتعریف:گسسته-•
یفراوانجدولتعریفسپسوردهچندبههادادهبندیدستهابتدا:پیوسته-•
نمودارها•
.نمودار میله ای مناسب ترین است: گسسته-•
(Histogram)نمودار هیستوگرام : پیوسته-•
شاخص های مرکزی و شاخص های پراکندگی: معیارهای تلخیص •
35
98بهار منصوره روشن نژاد
ی کمّی توصیف داده ها
(در مسیر ایجاد جداول فراوانی)(: Histogram)نمودار هیستوگرام •
ا کم اما می توان ب. تعیین می شودبه صورت خودکار SPSSرده ها در تعداد ار پـس از بـرای ایـن کـ. یا زیاد کردن تعداد رده ها هیستوگرام را تغییر داد
مـودار، در محـیط ویرایشـگر ندو بار کلیـک نمـوده ترسیم نمودار، روی آن ــمت ــاه در قس ــوده و آنگ ــک نم ــتونهای آن کلی ــه س ــدداً روی مجموع مج
Properties در زبانهBinning با انتخاب گزینـهCustom در بخـشX-Axis.وارد می کنیمInterval withمقدار مورد نظر را در جعبه
36
98بهار منصوره روشن نژاد
شاخص های مرکزی
37
98بهار منصوره روشن نژاد
مد: شاخص های مرکزی
.داده ای که بیشترین فراوانی را در داده ها دارد.نیستبه مقادیر پرت حساس
شاخص مرکزی مناسب مقیاس اسمی
38
98بهار منصوره روشن نژاد
میانه: شاخص های مرکزی
.تقسیم می کنددو قسمت یک شاخص عددی که داده ها را به•عنوان مرتب کنید و داده وسط را بهاز کوچک به بزرگ داده ها را به ترتیب •
.میانه در نظر بگیرید.تاسمیانگین دو عدد وسطی باشد، میانه برابر با زوجاگر تعداد داده ها •قابل استفاده برای توزیع های متقارن و نا متقارن•.تنها به مقادیر داده های وسطی بستگی دارد•(برخالف میانگین)نیست حساسبه مقادیر پرت •.شودمی برابرمیانه و میانگین در توزیع متقارن •(Scale)فاصله ای و نسبتی ترتیبی و شاخص مرکزی مناسب مقیاس •
39
98بهار منصوره روشن نژاد
میانگین: شاخص های مرکزی
.آماره ای که داده ها را خالصه می کند•میانگین حسابی داده ها•همه مشاهدات را به حساب می آورد•استنسبت به نقاط پرت حساس •
(Scale)فاصله ای و نسبتی مرکزی مناسب مقیاس شاخص •
40
98بهار منصوره روشن نژاد
مثال
41
98بهار منصوره روشن نژاد
مثال
42
98بهار منصوره روشن نژاد
شاخص های مرکزی در توزيع متقارن و نامتقارن
43
98بهار منصوره روشن نژاد
چندک ها :شاخص های مرکزی :(Quantiles)هاچندک-4•
هاصدکو(Declies)هادهک،(Quartiles)هاچارکشامل•
(Percentiles)
اویمسقسمتتعدادبهراشدهمرتبهایدادهکههستندهاییاندازه•
.کنندمیتقسیمشدهاشاره
(Q3)سومچارکو(Q2)دومچارک،(Q1)اولچارک:مثالطوربه•
آنهازیردرشدهمرتبهایدادهازدرصد75و25،50ترتیببهکهنقاطی
Q2).گیردمیقرار = Median)بههاصدکوهادهکمورددریاو
مساویقسمت100و10بهراشدهمرتبهایدادهکههاییاندازهترتیب،
.کنندمیتقسیم
44
98بهار منصوره روشن نژاد
هاچارک :شاخص های مرکزی
45
98بهار منصوره روشن نژاد
چارک ها:شاخص های مرکزی
46
98بهار منصوره روشن نژاد
محاسبه چارک اول
47
98بهار منصوره روشن نژاد
دامنه تغییرات: پراکندگی شاخص های
48
Max-min: (Range)تغییراتدامن •
ساده ترین شاخص پراکندگی•حساس به داده های پرت•
98بهار منصوره روشن نژاد
میان چارکیدامنه : شاخص های پراکندگی
– Q3(: Interquartile Range)دامنه میان چارکی • Q1
49
98بهار منصوره روشن نژاد
محاسبه چارک و دامنه میان چارکی
50
98بهار منصوره روشن نژاد
واريانس: شاخص های پراکندگی طمیانگین توان دوم انحراف از متوس: (Variance)واریانس•میزان –جذر واریانس: (Standard Deviation)انحراف معیار•
پراکنش مشاهدات حول میانگین
51
98بهار منصوره روشن نژاد
های مرکزیشاخص •پراکندگیشاخص های •شاخص های توزیع•نمودارهای مناسب داده ها•
عناوين مطالب
52
98بهار منصوره روشن نژاد
چولگی: توزيع شاخص های
53
98بهار منصوره روشن نژاد
باتوجه به چولگیتشخیص میانگین، میانه و مد
54
98بهار منصوره روشن نژاد
کشیدگی: شاخص های توزيع
55
98بهار منصوره روشن نژاد
ی مرکزیشاخص ها -داده هاتوصیف :شاملمرکزیشاخص های
مشاهداتتعدادبهمشاهداتمجموع:(Mean)(حسابی)میانگین-1
.دهستنآنازبیشترنیمیوآنازکمترمشاهداتازنیمیکهنقطه ای:(Median)میانه-2
فراوانیبیشترینبامشاهده ای:(Mode)نما-3
Meanاگر:نكته Median Modeدهشپراکندهمرکزحولمتقارنصورتبههادادهتقریباو
بهگرایش(Mean)میانگین.هستند(Skewness)«چوله»اصطالحاً هادادهصورتاینغیردر.اند
.استترمناسبتمرکزشاخصعنوانبهمیانهازاستفادهودارددورافتادهمقادیر
56
Mode
Mean
Median
راست چوله
Sk > 0
Mode
Median
Mean
چپ چوله
Sk < 0
98بهار منصوره روشن نژاد
ی پراکندگیشاخص ها -توصیف داده ها ونگی برای شناخت دقیق تر توزیع داده ها، عالوه بر معیارهای تمرکز، اطالع از چگ•
. پراکنش داده ها حول این معیارهای تمرکز نیز ضروری است
57
:شاملپراکندگیشاخص های
Max-min:(Range)تغییراتدامن -1
Interquartile)چارکیمیاندامنه-2 Range):Q3 – Q1
متوسطازانحرافدومتوانمیانگین:(Variance)واریانس-3
Standard)معیارانحراف-4 Deviation):نمیانگیحولمشاهداتپراکنشمیزان–واریانسجذر
میانگینبهمعیارانحرافتقسیمحاصل:(CV)تغییراتضریب-5
توزیع پخKurtosis < 0
توزیع نرمالKurtosis = 0
هتوزیع کشیدKurtosis > 0
98بهار منصوره روشن نژاد
شاخص ها محاسبه-داده هاتوصیف
Descriptive Procedure: شیوه اول•
58
98بهار منصوره روشن نژاد
شاخص ها محاسبه-توصیف داده ها
Frequencies:دومشیوه• Procedure
59
98بهار منصوره روشن نژاد
توصیف داده ها شاخص ها محاسبه
Explore:سومشیوه• Procedure
60
98بهار منصوره روشن نژاد
ی کمیداده هاتوصیف Exploreشیوهنمودارها از
(Stem & Leaf)نمودار ساق و برگ •
(Stem)دسته بندی مشاهدات در طبقات مختلف به عنوان ساقه •
ه عنوان ب( مقدار متناسب با آن طبقه)درج مشاهدات هر طبقه روبروی شاخه
(Leaf)برگ
(سیمیمزیت نسبت به هیستوگرام به علت دسترسی به مقادیر درون هر طبقه در نمودار تر)
61
98بهار منصوره روشن نژاد
Stem & Leafنمودار ساق و برگ
62
98بهار منصوره روشن نژاد
ی کمیداده هاتوصیف Exploreشیوهنمودارها از
63
98بهار منصوره روشن نژاد
(Box Plot)نمودار جعبه ای
64
98بهار منصوره روشن نژاد
(Box Plot)نمودار جعبه ای ••گویا و مفیدترسیم موقعیت مجموعه داده ها به شكلی بسیار واضح ونه مشاهداتترسیم با استفاده از نقاط کرانی، چارکهای اول و سوم و میا
65
Q1 Q2 Q3
میانه نزدیک وسط باشد، فرض تقارن توزیع داده ها قوی تر می شودهر چه.
است وسط، مبین میانه ی متمایل به سمت چپ وسط، مبین توزیع چوله به راست و میانه متمایل به سمت ر.توزیع چوله به چپ است
اندازه برابر خطوط متصل به مستطیل، نشان دهنده تقارن در توزیع خواهد بود.
هر یک میزان پراکندگی دو مجموعه داده را با مقایسه طول مستطیل های مربوط به نمودار جعبه ای.تخمین زد
شوندنمایش داده می داده های دور افتاده در نمودار جعبه ای در دو سمت دم های نمودار.
(Box Plot)نمودار جعبه ای
98بهار منصوره روشن نژاد 66
(Box Plot)نمودار جعبه ای
98بهار منصوره روشن نژاد
آزمون فرضیات•نرمالیتیآزمون •دو نمونه مستقل tآزمون •(ویتنی-من)دو نمونه مستقل tمعادل ناپارامتری •زوجیtآزمون •(عالمت، ویلكاکسون)زوجیtمعادل ناپارامتری •
عناوين مطالب
67
98بهار منصوره روشن نژاد 68
آزمون فرضیات
:هدف از آزمون فرض آماری
وصیتی با توجه به اطالعات به دست آمده از نمونه، حدسی که راجع به خصاز جامعه می زنیم، تایید یا رد می شود
این حدس معموال شامل ادعایی در مورد مقدار پارامتر یک جامعه است
98بهار منصوره روشن نژاد 69
یک نمونه ازآزمون فرضیات
یکسان است97میانگین امید به زندگی در دانشجویان پسر و دختر دانشگاه فردوسی ورودی سال
نیستیکسان 97میانگین امید به زندگی در دانشجویان پسر و دختر دانشگاه فردوسی ورودی سال
98بهار منصوره روشن نژاد 70
تصمیم گیری در مورد فرضیات
ا بتوان میانگین نمونه چه قدر تفاوت داشته باشد تد؟گفت تفاوت بین میانگین دو جامعه وجود دار
98بهار منصوره روشن نژاد 71
چه قدر معنادار است؟
𝐻0: 𝜇 = 15𝐻0: 𝜇 > 15
، مانند زیر، نحوه 15در آزمون فرضیه مقایسه میانگین یک جامعه با عدد تصمیم گیری در مورد فرضیه صفر چگونه است؟
ه شرط روش کار این است که فرض صفر را به نفع فرض یک رد کنیم بآنکه از یک آزمون آماری مقداری به دست آوریم که احتمال وقوع آن
ار کوچک که مقدار با توجه به فرض صفر برابر یا کمتر از یک احتمال بسی.نشان داده می شود، باشدαبا
98بهار منصوره روشن نژاد 72
خطاهای آماری
98بهار منصوره روشن نژاد 73
ثابت فرض کردن مقدار خطای نوع اول در فرضیات
𝛼 = 0.05
α = 0.01
98بهار منصوره روشن نژاد
محاسبه معیاری بر اساس نمونه
74
𝑋 1 − 15
𝑆𝑛
98بهار منصوره روشن نژاد 75
چیست؟ P-valueمعناداری آماری يا
𝐻0: 𝜇 = 15𝐻0: 𝜇 > 15
98بهار منصوره روشن نژاد 76
تصمیم گیری بر اساس پی مقدار
98بهار منصوره روشن نژاد 77
مقايسه پی مقدار با خطای نوع اول و تصمیم گیری
p-valueتصمیم گیری
0.03رد فرضیه صفر
0.42پذیرش فرضیه صفر
0.21پذیرش فرضیه صفر
0.145پذیرش فرضیه صفر
0.021رد فرضیه صفر
0.053پذیرش فرضیه صفر
0.042رد فرضیه صفر
98بهار منصوره روشن نژاد
بررسی نرمال بودن توزيع داده ها
به ای و هیستوگرام، ساقه و برگ و جععالوه بر روش هایی مانند بررسی نمودار •
ال بودن ، می توان به کمک آزمون نرمبررسی شاخص های چولگی و کشیدگی
.داده ها را بررسی نمود
:آزمون های بررسی توزیع نرمال•
سی این آزمون، با فرض استخراج داده ها از یک توزیع نرمال، اقدام به برردر •
اده ها از استخراج د»به عبارت دیگر، فرض صفر . نرمال بودن مشاهدات می کند
.خالف آنمقابل، است و فرض « توزیع نرمال
.قابل انجام استspssاسمیرنوف و شاپیرو ویلک در -دو آزمون کلموگروف•
78
98بهار منصوره روشن نژاد
آزمون آماری
:در تمام آزمون های آماری دو فرضیه وجود دارد•
بول بوده و که معموال فرضیه ای است که تاکنون مورد ق: فرضیه صفر •
.تساوی را در بردارد
.فرضیه ای که معموال ادعا شده است: فرضیه مقابل و•
ار معمول یكی از مالک های تصمیم گیری آزمون فرضیات که بسی•
.است significantیا p-valueاست، استفاده از
79
98بهار منصوره روشن نژاد
(اسمیرنوف-کلموگروفو شاپیرو ويلک )های آزمون
بررسی نرمال بودن مشاهدات آزمون •
Analyze
Descriptive Statistics
Explore
plotفرضیات مورد آزمون•
H0 : توزیع داده ها نرمال استH1: نیستتوزیع داده ها نرمال
80
98بهار منصوره روشن نژاد
:بررسی برابری میانگین دو جامعه
اوت از هم؟ هدف این است که آیا دو جامعه با هم یكسان هستند یا متف•.عه استبنا بر این اولین شرط الزم برای بررسی، استقالل دو جام
لب مهم و اساسی که در هنگام استفاده از این آزمون، اغشرط های •
:مورد توجه قرار نمی گیرد
.از هم هستندمستقلمشاهدات دو جامعه -1•
.هستندنرمالمشاهدات در هر جامعه دارای یک توزیع -2•
ابری دانشجو که به تصادف انتخاب شده اند، می توان در مورد بر100آیا براساس قد : مثال•
قد دانشجویان پسر و دختر در کل جامعه تصمیم گرفت؟
81
98بهار منصوره روشن نژاد
:بررسی برابری میانگین دو جامعه
؟SPSSمحیط نحوه ورود داده ها در •
(گـروه)کـد طبقـه ستون مربوط به ( 1)، شامل دو ستونداده ها باید در •
یک از ر مقادیر متغیر مورد برسی برای هستون مربوط به ( 2)مشاهدات و
.باشد( پاسخها)مشاهدات
د، متغیـر به عنوان مثال، اگر دو جامعه، مربوط به گروه مردان و زنان باش•
. خواهد بود( نشان دهنده گروه مردان و زنان)2و 1اول شامل کدهای
.میزان رضایت شغلی فردو متغیر دوم شامل
82
98بهار منصوره روشن نژاد
:بررسی برابری میانگین دو جامعهاعتبـاری را پژوهشگری در نظر دارد، اثر نوع تبلیغات بر میزان خرید با کارت هـای: 1مثال
، تبلیغـات بررسی کند، به این منظور، دو گروه از افراد را در نظر گرفته و بـرای گـروه اول
سه ماه آینده را استاندارد و برای گروه دوم تبلیغات با کاهش نرخ بهره کارت اعتباری برای
فایـل . )نـدمیفرستد و میزان خرید افراد با کارت اعتباری را در یک دوره زمانی ثبت می ک
(داده ها را از مسیر زیر بازکنید
C:\Program Files\IBM\
SPSS\Statistics\25\Samples\English\creditpromo.sav
H0 : µ1 = 2
H1: µ1 ≠ 2
83
98بهار منصوره روشن نژاد
جامعهبررسی برابری میانگین دو
84
وجـه بـه اگر فرض نرمال بودن هر یک از دو جامعه را بپـذیریم، آنگـاه بـا ت
برای نمونه های tمستقل بودن مشاهدات دو جامعه، می توانیم از آزمون
:مستقل، جهت بررسی فرضیه مورد نظر استفاده کنیم
AnalyzeCompare Mean
Independent-Samples T-test …: tقبل از استفاده از آزمون
از هم هستند؟ مستقلآیا جوامع -1هستند؟نرمالآیا مشاهدات در هر جامعه دارای یک توزیع -2معلوم است؟واریانس دو جامعه آیا -3؟ذیرفتفرض برابری آنها را پمعلوم نیست، آیا می توان واریانس دو جامعه اگر -4
98بهار منصوره روشن نژاد
خروجی آزمون مقايسه میانگین دو نمونه مستقل
های واریانسدر خروجی نرم افزار در جدول نتایج، آزمون فرض برابری •
ذیرفته چنانچه این فرض پ. دو جامعه نیز به صورت خودکار انجام می شود
که نتایج آن در سطر دوم همان جدول –tنشود، از آزمون تعدیل شده
.استفاده می کنیم–درج شده است
85
با فرض برابری واریانس ها
با فرض نابرابری واریانس های دو گروه
98بهار منصوره روشن نژاد
فرضیات آزمون ها
ت آن به آزمون لون به بررسی برابری واریانس ها می پردازد و فرضیا•:صورت زیر است
برابری واریانس دو گروه: فرض صفر•نابرابری واریانس دو گروه: فرض مقابل•
:دو نمونه مستقل به صورت زیر استtآزمون فرضیات •گروهمیانگین دو برابری : فرض صفر•گروهمیانگین دو نابرابری : فرض مقابل•
86
𝐻0: 𝜎1
2 = 𝜎22
𝐻1: 𝜎12 ≠ 𝜎2
2
𝐻0: 𝜇1 = 𝜇2𝐻1: 𝜇1 ≠ 𝜇2
98بهار منصوره روشن نژاد
آزمون های ناپارامتری
ا هـر مانند نرمال بـودن توزیـع داده هـا، یـپیش فرضی هایی که آزمون •
امتری آزمون هـای ناپـار، نمی شوندقائلپذیره دیگری را در مورد جامعه
.می نامند
از این آزمون ها در مواردی که پیش فرض های آزمون هـای پـارامتری •
.برقرار نیست، استفاده می شود
در ی نسبت به آزمون هـای پـارامتری دارنـد وتوان کمتراین آزمون ها •
از مواردی که مجاز به انجام آزمـون هـای پـارامتری باشـیم، بهتـر اسـت
.آزمون های پارامتری استفاده کرد
87
98بهار منصوره روشن نژاد
معادل ناپارامتری آزمون دو نمونه مستقل
ز نـوع نپـذیریم و یـا مقیـاس متغیـر افرض نرمال بودن مشاهدات در دو جامعه را اگر •
–مـن ارامتری با توجه به مستقل بودن جوامع، بایـد از آزمـون ناپـترتیبی باشد، آنگاه
:برای بررسی فرضیه مورد نظر استفاده کنیم( Mann-Whitney U)ویتنی
: مفروضات•دو جامعه دارای توزیع فراوانی پیوسته؛-1–از یكدیگر؛ مشاهدات مستقل -2–حداقل رتبه ایمقیاس اندازه گیری -3–
Analyze
Nonparametric Test
Legacy Dialogs
2 Independent Samples …
88
98بهار منصوره روشن نژاد
ويتنی-منآزمون
مون و مقایسه زمانی که بخواهیم دو جامعه مستقل را به شیوه ناپارامتری آز•.ویتنی استفاده می کنیم -از آزمون من, کنیم
89
آقایان و ببینیم که آیا میزان عالق می خواهیم در یک بررسی مثال
دین منظور خانمها به برنامه سرگرمی تلویزیون یكسان است یا خیر؟ ب
افراد به داده های زیر را از طریق پرسشنامه و دادن رتبه به میزان عالق
:این برنامه بدست آمده است
5443543454خانم ها2312353432آقایان
98بهار منصوره روشن نژاد
نحوه ورود داده ها
90
98بهار منصوره روشن نژاد
ويتنی-مسیر آزمون من
:کنیدآزمون من ویتنی دنبال مسیر زیر را برای •
Analyze
Nonparametric Test
Legacy Dialogs
2 Independent Samples …
91
98بهار منصوره روشن نژاد
کـادرمكالمهTwo Independent Samples Tests
ـــر • ـــادر متغی ـــن ک ــه در ای ــزان عالق ـــه می Testرا در جعب
Variable وارد و در جعبهGrouping Values متغیر جنسیت را
.وارد نمایید
92
98بهار منصوره روشن نژاد
خروجی آزمون من ويتنی معرفی جداول
رتبه ها و در جدول اول به تفكیک هر گروه، تعداد، میانگین•.مجموع رتبه ها آورده شده است
p_valueدر جدول دوم آماره آزمون به چند روش و •.آورده شده است
93
98بهار منصوره روشن نژاد
آزمونتفسیر
-pاگر همان گونه که می دانیم در این روش قاعده به این صورت است که
.رد می شودαباشد، فرضیه صفر را در سطح معنی داری αمقدار کمتر از
یدهد که بنابراین در مثال مورد بررسی فرضیه صفر رد می شود و نشان م
.ی وجود داردتفاوت معنی داری بین عالقه خانم ها و آقایان به برنامه سرگرم
94
قه بیشتری با توجه به جدول میانگین رتبه مشخص می شود که خانم ها عال.دارند
98بهار منصوره روشن نژاد
زوجیبررسی دو گروه داده های
ری در هدف این است که آیا در اثر مداخله انجام شده، تغیی•میانگین داده ها اتفاق افتاده است یا نه؟
مون، مهم و اساسی که در هنگام استفاده از این آزشرط های •
:اغلب مورد توجه قرار نمی گیرد
مع اوری جزوجی و تحت شرایط تقریباً یكسان مشاهدات باید -1•
.شوند
.هستندتوزیع نرمال مشاهدات دارای یک -2•
95
98بهار منصوره روشن نژاد
بررسی برابری میانگین داده های زوجی
SPSSمحیط ورود داده ها در •
ستون مربـوط بـه مقـادیر پاسـخ در مرحلـه پـیش ( 1)داده ها باید در دو ستون، شامل •اهدات ستون مربوط به مقادیر پاسخ در مرحله پس آزمون برای همان مش( 2)آزمون؛ و
.باشد
چیست؟فرض صفر و فرض مقابل •
بـرای هـر اگر تفاضل مقادیر مربوط به پس آزمون را از مقادیر مربوط به پیش آزمـون•با عدد صـفر، نشـان ( D)فرد، محاسبه نماییم، آنگاه اختالف معنی دار این مقدار جدید
: بنا بر این. دهنده تغییر در مشاهدات در اثر مداخله خواهد بود
96
𝐻0: 𝜇𝐷 = 0𝐻1: 𝜇𝐷 ≠ 0
98بهار منصوره روشن نژاد
:تمرينارزیابی قرار مـی پزشكی در پی تحقیق اثر یک رژیم غذایی بر بیماران قلبی را مورد: مثال
یـرد و دهد، او قبل از شروع رژیم وزن و سطح تری گلیسرید خون بیماران را اندازه مـی گ
(دفایل داده ها را از مسیر زیر بازکنی. )ماه از رژیم نیز این کار را می کند6بعد از
C:\Program Files\IBM\
SPSS\Statistics\25\Samples\English\dietstudy.sav
97
98بهار منصوره روشن نژاد
tآزمون های زوجیمقايسه میانگین داده
ه بـه زوجـی را بپذیریم، آنگاه بـا توجـ( با مقیاس کمی)مشاهداتاگر فرض نرمال بودن -1
:برای بررسی فرضیه مورد نظر استفاده کنیمtبودن مشاهدات، می توانیم از آزمون
Analyze
Compare Mean
Paired-Sample T-test …
98
98بهار منصوره روشن نژاد
ا توجـه فرض نرمال بودن مشاهدات در دو جامعه را نپذیریم، آنگاه باگر •
مـون عالمـت یـا آزبه مستقل بودن جوامع، بایـد از آزمـون ناپـارامتری
ظـر جهـت بررسـی فرضـیه مـورد نزوجـی برای مشاهدات ویلكاکسون
:استفاده کنیم
: مفروضات•
هر زوج مشاهده تحت ( 2)مشاهدات در دو نمونه زوجی باشد؛ ( 1)•
مقیاس اندازه گیری حداقل رتبه ای ( 3)شرایط یكسان انتخاب شوند؛
.باشد
99
98بهار منصوره روشن نژاد
آزمون عالمت
ر مورد مطالعـه آزمون عالمت را هنگامی به کار می بریم که ارزشیابی متغی•
. دبا روش های عادی یا روش های اعمال شده قابل انـدازه گیـری نباشـ
برتـر یـا بنابرین، در این آزمون، ارزشیابی یک روش تجربی بـه صـورت
ای در ایـن آزمـون، بـه جـ. پیشرفت کم تر مورد قضاوت قرار می گیـرد
.استفاده می شود( -و)+عالمت مثبت و منفی مقادیر عادی از
. به همین خاطر، آن را آزمون عالمت می نامند
100
98بهار منصوره روشن نژاد
های ويلكاکسون، عالمتآزمون مثال
آموز ورزشكار را در دو اندازه دانش 20وزن می خواهیم •ارامتری با استفاده از آزمون های ناپگیری با فاصله یک ماهه
.مقایسه کنیمداده ها را وارد نرم افزار کنید •
101
وزن بعدوزن قبلفرد شماره140352665936862449495635964445748508495295548
106058116761126861134544146460154845164844175555186463196560206661
98بهار منصوره روشن نژاد
:مسیر زیر را برای آزمون ویكاکسون و عالمت دنبال کنید•
Analyze
Nonparametric Test
2 Related Samples …
102
98بهار منصوره روشن نژاد
مكالمهکادر Two Related-Samples Tests
. باز می شود Two Related-Samples Testsکادر مكالمه ای • test Pairsدو متغیر مربوط به وزن قبل و بعد را در جعبـه این کادر در •
. کنیدوارد
.بزنیدokنوع آزمون را انتخاب کنید و •
103
98بهار منصوره روشن نژاد
ويلكاکسونآزمون معرفی جداول خروجی
و بعد نتایج نشان دهنده تفاوت معنی دار وزن قبل•.دانش آموزان ورزشكار است
104
98بهار منصوره روشن نژاد
عالمتآزمون معرفی جداول خروجی
و بعد نتایج نشان دهنده تفاوت معنی دار وزن قبل•.دانش آموزان ورزشكار است
105
98بهار منصوره روشن نژاد
مروری بر آزمون های مقایسه ای•آنالیز واریانس یک طرفه•آزمون های تعقیبی•والیس-آزمون کروسكال•
عناوين مطالب
106
98بهار منصوره روشن نژاد
فـرض کنـیم ، ( میک)در صورتی که نتوانیم متغیر مورد نظر را یک متغیر پیوسته •
یجه فرض خواهد بود، در نتمقیاس اندازه گیری آن بصورت رتبه ای و یا اسمی
ن معنی که فقـط بدی. امكان پذیر نیستآنكه این متغیر دارای توزیع نرمال است
ای اسـتفاده از آزمـون هـ. مجاز به استفاده از آزمـون هـای ناپـارامتری هسـتیم
ری ناپارامتری نسبت به آزمون هـای پـارامتری دارای پـیش شـرط هـای کمتـ
.هستند
بتی را به مقیاس درهر شرایط می توانیم مقیاس اندازه گیری فاصله ای و نس: نكته•متغیرهـای در نتیجه می توانیم بـرای تمـامی. های رتبه ای و اسمی تقلیل دهیم
.کمی از آزمون های ناپارامتری استفاده نماییمن کمتـری آزمونهای ناپارامتری از تـوادر مقایسه با آزمون های پارامتری، : نكته•
. برخوردار هستند
های ناپارامتریآزمون يادآوری
107
98بهار منصوره روشن نژاد
مقايسه ایدسته بندی آزمون های آماری
108
آزمون های
آماری
پارامتریک
زوج شده
Paired
گروه2
Paired
T-test
2بیشتر از
گروه
Repeated
Measure
مستقل
Independent
گروه2
Independent T-
test
2بیشتر از
گروه
ANOVA
(One Way)
غیر پارامتریک
زوج شده
Paired
گروه2
Wilcoxon
sign
گروه2بیش از
Friedman
test
مستقل
Unpaired
گروه2
Mann Whitney U
test
گروه2بیش از
Kruskal
Wallis test
98بهار منصوره روشن نژاد
تقل به کمک ، در واقع تعمیم مقایسه میانگین دو گروه مسآنالیز واریانس•.وداست که اکنون در بیش از دو گروه مقایسه انجام می شtآزمون
در سطوح در واقع به کمک این آزمون به مقایسه میانگین متغیر کمی•متغیر کیفی سته و کمی متغیر وابمتغیر . مربوط به متغیر کیفی می پردازیم
چند حالته می باشد که یک متغیرمستقلبه متغیر . متغیر مستقل می باشد.نیز می گویندفاکتور یا عامل
Fه ی آزمون آنالیز واریانس وجود تفاوت معنی دار بین گروه ها بوسیلدر •.انجام می گیرد
کالس یا بیشتر 3، مقایسه نمرات مربوط به یک درس در ساده ترین مثال•(تر استکالس که در سه سطح یا بیش: نمره، متغیر مستقل کیفی: متغیر وابسته کمی.) است
مقايسه میانگین در بیش از دو گروه مستقلطرفهآنالیز واريانس يک
One-Way ANOVA
109
98بهار منصوره روشن نژاد
اد درون یک افر: از هر جامعه نمونه های تصادفی مستقل گرفته شده باشد•ایـن . باشندته گروه یا در گروه های مختلف نباید با یكدیگر رابطه ای داش
خـاب پیش فرض معموال به نوع ماهیـت داده هـا بـر میگـردد و نحـوه انتالس در نمون، مثال در مقایسه نمرات بین هر کالس، افـراد درون یـک کـ
.کالس های دیگر نیستنداین فرض را : دوابسته برای هر گروه بصورت نرمال توزیع شده باشمتغیر •
.مورد بررسی قرار دادK-Sمی توان با استفاده از آزمون را می توان این فرض: واریانس متغیر وابسته برای همه گروهها برابر باشد•
.بررسی کردLeveneبا استفاده از آزمون چندان عمل اگر تعداد مشاهدات در هر یک از گروه ها برابر باشند، فرض برابری واریانسدر •
سبت به عدم اگر حجم گروه ها برابر باشد، در اصطالح می گویند آنالیز واریانس ن. مهم نیست.استrobustبرابری واریانس ها
هفرض های الزم در آنالیز واريانس يكطرف
110
98بهار منصوره روشن نژاد
واریانس اعتماد نداشتن فرض استقالل به هیچ وجه نمی توان به نتایج آنالیزصورت در •.کرد و نمی توان راه حل ساده ای را برای آن ارائه کرد
ی تـوان بـا اگر فرضهای نرمال بودن و برابری واریانس ها برقرار نباشد، م•رفتن از داده ها انجام یک تبدیل ریاضی مانند جذر گرفتن و یا لگاریتم گ
نیـز بـه توزیع مقادیر را به نرمال نزدیک تر کرد و واریانس گـروه هـا راهـای در غیر این صورت الزم اسـت از آزمـون. یكدیگر نزدیک تر نمود.ناپارامتری استفاده کرد
ی آزمـون هـااز ، مـی تـوان فرض برابری واریانس ها برقرار نباشـداگر •موجود Optionکه در گزینه ( Welchو یا Brown-Forsythe)جایگزین
.می باشند، استفاده نمود
راهكار های مناسب در صورت عدم برقراری های آنالیز واريانسپیش فرض
111
98بهار منصوره روشن نژاد
از فایل های نمونه نرم افزار را باز salesperformance.savداده های قسیم کرده کنید، مدیر فروش فروشگاهی، کارمندان فروش را به سه گروه ت
در نظر گرفته است، 3تا 1روز آموزش برای گروه های 3و 2، 1و به ترتیب کند، آیا اکنون عالقه مند است عملكرد فروش را در این سه گروه مقایسه
دارد؟عملكرد افراد در تعداد روزهای متفاوت آموزشی، اختالف معناداریمنوی مربوط بصورت زیر•
Analyze
Compare mean
One-Way ANOVA....
One-Way ANOVAمثال
112
98بهار منصوره روشن نژاد
Anovaکار با پنجره های
113
خواهیم را که می( عملکرد فروش)ابتدا متغیر کمی
میانگین های آن را مقایسه کنیم را به کادر
Dependent Listغیر متسپس . منتقل می نماییم
منتقل Factorکادر را به داخل ( گروه فروش)عامل
.می کنیم
داریدآماره های توصیفی همچنین اگر نیاز به
کنار چهار گوش )Optionدرگزینه
Descriptive )فرضبرای آزمون . تیک می زنیم
ار گوش کننیزچهار برقراری برابری واریانس ها
Homogeneity of Variance تیک می زنیمرا.
98بهار منصوره روشن نژاد
Anovaخروجی جدول
114
توصیفیجدول : اولین جدول•
رضیه به کمک آزمون لون، ف)بررسی همگنی واریانس: دومین جدول•
(یه صفرعدم برقراری فرض: برابری واریانس در گروه ها، فرضیه مقابل : صفر
سبب پذیرش برابری واریانس در( خطای نوع اول)0.05کمتر از sig: نتیجه •
.گروه ها است
واریانسجدول آنالیز : جدول سوم•
رد فروش در برابری میانگین عملك)سبب رد فرضیه صفر 0.05کمتر از sig: نتیجه•
(گروه های با سابقه متفاوت است
98بهار منصوره روشن نژاد
ین هـا رد فرض برابری میـانگدر خروجی آنالیز واریانس وقتی •یه متفاوت باشد ، ممكن است که فقط میانگین یگ گروه با بقشد
الف بـا هـم اخـتگـروه هـا و یا ممكن است میانگین در تمامی ی اینكـه ایـن برای بررسی بیشتر داده ها و شناسای. داشته باشند
نـه اختالف از کجا ناشی می شود از آزمون هـایی کـه در گزیPost Hocا پـس موجود می باشند و به آزمون های تعقیبی و ی
.آزمون معروف هستند استفاده می کنیمبی هستیم در صورتی مجاز به استفاده از آزمون های تعقی: نكته•
.شده باشدآنالیز واریانس معنی دار که آزمون اولیه
Post Hocآزمون های
98بهار منصوره روشن نژاد
وجود دارند که با توجه به SPSSتعداد زیادی از آزمون های تعقیبی در
روشی است تفاوت آنها در. هدفی که دارید می توانید از آنها استفاده کنید
.که برای تعدیل سطح معنی داری مشاهده شده بكار می برند
Post Hocآزمون های
98بهار منصوره روشن نژاد
Post Hocآزمون های پیش فرض برابری واريانس هابا
ته بودن واریانس متغیر وابسبرابر (leven)زمانی که نتایج آزمون لون •زیر را تأیید کند، از آزمون های تعقیبی( تجانس واریانس گروه ها)
:استفاده می شود
117
98بهار منصوره روشن نژاد
Post Hocآزمون های با پیش فرض برابری واريانس ها
most)خیلی ساده گیر LSDآزمون . یا حداقل تفاوت معنی دار LSDآزمون . 1
liberal) طای یعنی توان باالیی دارد و احتمال زیادی دارد که مرتكب خ)است
.کننداغلب مولفان در استفاده از این آزمون احتیاط می (. نوع یک شود
به این آزمون همچنین )آزمون بونفرونی .(Bonferoni)آزمون بونفرونی . 2
. سخت گیر است (moderately)متوسطیطور ه )شودآزمون دان نیز گفته می
.داردتفاوت ها است که با افزایش تعداد مقایسه ها تمایل بزرگتر نشان دادنروشی
ی بونفرون-گاهی اوقات نیز سیداک)آزمون سیداک .(Sidak)آزمون سیداک . 3
آزمون این آزمون یک. گیر تر از آزمون بونفرونی استسخت ( گفته می شود
.است( نه ساده گیر است و نه سخت گیر)تعقیبی میانه روی
118
98بهار منصوره روشن نژاد
ار مـی شفه برای مقایسه دو به دو میانگین ها به کآزمون .(scheffe)آزمون شفه . 4
یعنی تـوان آزمـون پـایین و )است (most conservative)گیررود و خیلی سخت
هـدف آزمون شفه در زمانی که(. اول دارداحتمال کمی در ارتكاب به خطای نوع
رد تـرین آزمـون پر کاربسنجش فرضیات نظری نامعلوم باشد که نیاز به دقت است،
بودخواهدتعقیبی
میانـه آزمـون ایـن .SNK (student-neuman-keuls)آزمون نیومن کـولز یـا . 5را دارد و از طرف برخـی مولفـان Iروی است اما تمایل به متورم شدن خطای نوع
.شودتوصیه نمی 6.REGWF وREGWQ دو این آزمون ها از طریق مولفانی که از آزمون نیومنهر
کولز استفاده می کنند، پیشنهاد می شود
119
Post Hocآزمون های با پیش فرض برابری واريانس ها
98بهار منصوره روشن نژاد
آزمون مقدار این HSD (honestly significant difference)یا (Tukey)آزمون توکی . 7
ه طور این آزمون ب. خطای کلی برای مجموعه مقایسه های دو به دو را کنترل می کند
.شوداز طرف اغلب مولفان توصیه می متوسطی سخت گیر است و
GT2 (Hochbergs-آزمون هاکبرگز. 8 GT2). آزمون هاکبرگز-GT2 شبیه آزمـون تـوکی
روه ها است، اما به صورت ویژه برای آزمایش هایی طراحی شده است که اندازه نمونه در گ
.باشدنا برابر
GT2-گابریل نسخه ی ساده گیرتـر آزمـون هـاکبرگزآزمون (Gabriel)آزمون گابریل . 9
.باشدمی
b (Tukey-توکیآزمون . 10 s-b). رونی بـونف. این آزمون حالت بیابینی از آزمون تـوکی
.خیلی توصیه نمی شوداز آنده ااستفمی باشد که
120
Post Hocآزمون های با پیش فرض برابری واريانس ها
98بهار منصوره روشن نژاد
ی آزمون دانكن برای مقایسه های دو به دو به کار م (Duncan )آزمون دانكن . 11
این آزمون (. می باشد REGWQو SNK،REGWFآزمون دانكن شبیه آزمون )رود
نه با به طور متوسطی ساده گیر است اما خطای نوع یک را در قالب آزمایش، و
.تعدیل در مقایسه ها، کنترل می کند
آزمون به پژوهشگر این اجازه را این ( .(Waller-Duncanدانكن -آزمون والر. 12
.دهدمی دهد تا نسبت خطای نوع یک بر خطای نوع دو را در مقایسه ها دخالت
د زمانی که در پژوهش یک گروه کنترل وجود دار .(Dunnett)دانت آزمون . 13
رای های آزمایشی با گروه کنترل است، از آزمون دانت بو هدف مقایسه گروه
.استفاده می شودمقایسه دو به دو میانگین گروه ها با گروه کنترل
121
Post Hocآزمون های با پیش فرض برابری واريانس ها
98بهار منصوره روشن نژاد
Post Hocآزمون های فرض برابری واريانس هاپیش بدون
ته بودن واریانس متغیر وابسبرابر (leven)زمانی که نتایج آزمون لون •ستفاده ، از آزمون های تعقیبی زیر اردکندرا ( تجانس واریانس گروه ها)
:می شود
122
98بهار منصوره روشن نژاد
Post Hocآزمون های پیش فرض برابری واريانس هابدون
از این آزمون برای مقایسه های دو به دو T2 (Tambane's-T2)آزمون تامبن1..استفاده می شود و آزمون سخت گیری است
T3-(Dunnettدانتآزمون 2. s T3) دانتآزمون وC-(Dunnett s C). این.هستندهای میانه روی ها، آزمون آزمون
.ساده گیری استاین آزمون (Games-H0well)هول -آزمون گیمز3.
123
98بهار منصوره روشن نژاد
پیش فرض ه مثال هنگامی ک)اگر داده ها برای آنالیز واریانس مناسب نباشند •باید از آزمون ،(نرمال بودن برقرار نیست یا داده ها در مقیاس رتبه ای
ع نرمال ناپارامتری که پیش شرطی در مورد همگنی واریانس ها و یا توزی.الزم ندارند استفاده نماییم
.می باشدلیس وا-آزمون کروسكالآنالیز واریانس یكطرفه معادل ناپارامتری •Analyze
Nonparametric Test
Legacy Dialogs
k Independent Samples
Kruskal-Wallisآزمون
98بهار منصوره روشن نژاد 125