‫راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار‬

‫‪SPSS‬‬
‫ﺑﺎ ﺗﺎﻛﻴﺪ ﺑﺮ روش ﺗﺤﻘﻴﻖ و آﻣﺎر‬
‫ﺑﺮاﺳﺎس ﺳﺮﻓﺼﻞﻫﺎي ﻣﺼﻮب آﻣﻮزش ﻋﺎﻟﻲ‬
‫ﻫﻤﺮاه ﺑﺎ ﻧﻤﻮﻧﻪ ﺗﻔﺎﺳﻴﺮ ﻣﺘﻌﺪد از آزﻣﻮنﻫﺎي آﻣﺎري‬

‫‪1389‬‬
 ‫راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار‬

‫‪SPSS‬‬
‫ﺑﺎ ﺗﺎﻛﻴﺪ ﺑﺮ روش ﺗﺤﻘﻴﻖ و آﻣﺎر‬
‫ﺑﺮاﺳﺎس ﺳﺮﻓﺼﻞﻫﺎي ﻣﺼﻮب آﻣﻮزش ﻋﺎﻟﻲ‬
‫ﻫﻤﺮاه ﺑﺎ ﻧﻤﻮﻧﻪ ﺗﻔﺎﺳﻴﺮ ﻣﺘﻌﺪد از آزﻣﻮنﻫﺎي آﻣﺎري‬

‫ﻧﻮﻳﺴﻨﺪه‪:‬‬

‫ﻣﺠﻴﺪ ﺣﻴـــﺪري ﭼـــﺮوده‬

‫ﺑﺎ ﻫﻤﻜﺎري‬

‫ﺳﻴﻤﻴﻦ ﻓـﺮوغ زاده‬

‫‪1389‬‬
 ‫‪ :‬ﺣﻴﺪري ﭼﺮودده ﻣﺠﻴﺪ‪1345 ،‬‬ ‫ﺳﺮﺷﻨﺎﺳﻪ‬
‫‪ :‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪ spss‬ﺑﺎ ﺗﺎﻛﻴﺪ ﺑﺮ روشﺗﺤﻘﻴﻖ و آﻣﺎر‬
‫ﺑﺮاﺳﺎس ﺳﺮﻓﺼﻞﻫﺎي ﻣﺼﻮب آﻣﻮزش ﻋﺎﻟﻲ‪ /...‬ﻣﺠﻴﺪ ﺣﻴﺪري ﺑﺎ‬ ‫ﻋﻨﻮان و ﻧﺎم ﭘﺪﻳﺪآور‬
‫ﻫﻤﻜﺎري ﺳﻴﻤﻴﻦ ﻓﺮوغزاده‬
‫‪ :‬ﺗﻬﺮان‪ :‬اﻧﺘﺸﺎرات ﺟﺎﻣﻌﻪﺷﻨﺎﺳﺎن‪.1389 ،‬‬ ‫ﻣﺸﺨﺼﺎت ﻧﺸﺮ‬
‫‪ 224 :‬ص‪.‬‬ ‫ﻣﺸﺨﺼﺎت ﻇﺎﻫﺮي‬
‫‪978 -600-5999 -25 -9 :‬‬ ‫ﺷﺎﺑﻚ‬
‫وﺿﻌﻴﺖ ﻓﻬﺮﺳﺖ‪-‬‬
‫‪ :‬ﻓﻴﭙﺎ‬
‫ﻧﻮﻳﺴﻲ‬
‫اس‪ .‬ﭘﻲ‪ .‬اس‪ .‬ﺗﺤﺖ وﻳﻨﺪوز‬ ‫ﻣﻮﺿﻮع‬
‫‪ :‬ﻋﻠﻮم اﺟﺘﻤﺎﻋﻲ‪ -‬ﺗﺤﻘﻴﻖ – روش ﺷﻨﺎﺳﻲ‬ ‫ﻣﻮﺿﻮع‬
‫‪ :‬ﻋﻠﻮم اﺟﺘﻤﺎﻋﻲ‪ -‬روشﻫﺎي آﻣﺎري‪ -‬ﺑﺮﻧﺎﻣﻪﻛﺎﻣﭙﻴﻮﺗﺮي‬ ‫ﻣﻮﺿﻮع‬
‫ﻓﺮوغزاده‪ -‬ﺳﻴﻤﻴﻦ‬ ‫ﺷﻨﺎﺳﻪ اﻓﺰوده‬
‫‪2 1389 :‬ر ‪9‬ح‪HA32 /‬‬ ‫ردهﺑﻨﺪي ﻛﻨﮕﺮه‬
‫‪519/507855369 :‬‬ ‫ردهﺑﻨﺪي دﻳﻮﻳﻲ‬
‫‪2152984 :‬‬ ‫ﺷﻤﺎرهﻛﺘﺎﺑﺸﻨﺎﺳﻲ ﻣﻠﻲ‬

‫ﺟﺎﻣﻌﻪﺷﻨﺎﺳﺎن‬
‫ﻓﺮوﺷﮕﺎه و ﻧﻤﺎﻳﺸﮕﺎه ﻣﺮﻛﺰي‪ :‬ﺗﻬﺮان‪ ،‬ﺧﻴﺎﺑﺎن اﻧﻘﻼب‪ ،‬روﺑﺮوي درب اﺻﻠﻲ داﻧﺸﮕﺎه ﺗﻬﺮان‪،‬‬
‫ﭘﺎﺳﺎژ ﻓﺮوزﻧﺪه‪ ،‬ﻫﻤﻜﻒ‪ ،‬پ ‪ ،333‬ﻓﺮوﺷﮕﺎه ﺟﺎﻣﻌﻪﺷﻨﺎﺳﺎن‪ ،‬ﺗﻠﻔﻦ‪66000051 :‬‬
‫‪WWW.JAMEESHENASAN.COM / Email: info@jameeshenasan.com‬‬
‫راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮم اﻓﺰار ‪ spss‬ﺑﺎ ﺗﺎﻛﻴﺪ ﺑﺮ روش ﺗﺤﻘﻴﻖ و آﻣﺎر‬
‫ﻣﺠﻴﺪ ﺣﻴﺪري ﭼﺮوده‬
‫ﺳﻴﻤﻴﻦ ﻓﺮوغزاده‬

‫‪ Ć‬ﺗﻌﺪاد‪ 1000 :‬ﻧﺴﺨﻪ‬ ‫‪ Ć‬ﭼﺎپ اول ‪ 1389‬ﺗﻬﺮان‬

‫‪ Ć‬ﻟﻴﺘﻮﮔﺮاﻓﻲ و ﭼﺎپ‪ :‬ﻃﻴﻒﻧﮕﺎر‬ ‫‪ Ć‬ﻗﻴﻤﺖ‪ :‬ﺗﻮﻣﺎن‬
‫‪ISBN:978-600-5999-25-9‬‬ ‫ﺷﺎﺑﻚ‪978-600 -5999 -25-9 :‬‬
‫‪Printed in Iran‬‬ ‫ﻫﻤﻪ ﺣﻘﻮق ﭼﺎپ و ﻧﺸﺮ ﺑﺮاي ﻧﺎﺷﺮ ﻣﺤﻔﻮظ اﺳﺖ‪.‬‬
 ‫ﻓﻬﺮﺳﺖ ﻣﻄﺎﻟﺐ‬

‫ﺑﺨﺶ اول‪ :‬ﻣﻘﺪﻣﺎت‬

‫درس اول‪ :‬ﻣﻌﺮﻓﻲ و راهاﻧﺪازي ﺑﺮﻧﺎﻣﻪ ‪spss‬‬

‫‪ -1‬ﻣﻘﺪﻣﻪ ‪22.................................................................................................................................................‬‬
‫‪-2‬راهاﻧﺪازي ﺑﺮﻧﺎﻣﻪ ‪22..................................................................................................................... SPSS‬‬
‫‪-3‬ﻛﺎرﺑﺮﮔﻬﺎ ‪23..............................................................................................................................................‬‬
‫‪-4‬ﺗﻌﺮﻳﻒ ﻣﺘﻐﻴﺮﻫﺎ ‪24....................................................................................................................................‬‬
‫‪ -5‬ﻧﺎم ﻣﺘﻐﻴﺮ)‪  24..........................................................................................................  :(NAME‬‬
‫ﻧﻮع ﻣﺘﻐﻴﺮ )‪  25.......................................................................................................... : (TYPE‬‬
‫ﺗﻌﺪاد ارﻗﺎم ﺻﺤﻴﺢ )‪26.........................................................................................  :(WIDTH‬‬
‫ﺗﻌﺪاد ارﻗﺎم اﻋﺸﺎر ﻣﺘﻐﻴﺮ )‪26........................................................................... :(DECIMALS‬‬
‫ﺑﺮﭼﺴﺐ ﻣﺘﻐﻴﺮﻫﺎ)‪26................................................................................................ (LABLE‬‬
‫ﺑﺮﭼﺴﺐ ﻣﻘﺎدﻳﺮ)‪27........................................................................................... (VALUES‬‬
‫ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﻣﺘﻐﻴﺮ)‪28................................................................................ :(MISSING‬‬
‫اﻧﺪازه ي ﺳﺘﻮن ﻧﻤﺎﻳﺶ ﻣﺘﻐﻴﺮ)‪29.................................................................... (COLUMNS: ‬‬
‫ﭼﮕﻮﻧﮕﻲ ﻧﻤﺎﻳﺶ ﻣﻘﺎدﻳﺮ درﻫﺮ ﺧﺎﻧﻪ)‪29.................................................................. :(ALIGN‬‬
‫ﻣﻘﻴﺎس اﻧﺪازه ﮔﻴﺮي ﻣﺘﻐﻴﺮ)‪30...........................................................................  (MEASURE‬‬
‫‪ -5‬آﺷﻨﺎﻳﻲ ﺑﺎ ﺳﺎﺧﺘﺎر ﻓﺎﻳﻞ داده ‪30...............................................................................................................‬‬
‫‪ -6‬ﻧﺤﻮه ﺿﺒﻂ و ﻓﺮاﺧﻮاﻧﻲ ﻓﺎﻳﻞ دادهﻫﺎ‪32..................................................................................................‬‬
‫درس دوم‪ :‬ﻛﺪﮔﺬاري‬

‫‪ -1‬ﻣﻘﺪﻣﻪ ‪38.................................................................................................................................................‬‬
‫‪ -2‬ﻧﺤﻮهي ﻛﺪﮔﺬاري ‪38..............................................................................................................................‬‬
‫ﻛﺪﮔﺬاري ﺳﻮاﻻت ﺑﺴﺘﻪ ﭘﺎﺳﺦ ‪  39...........................................................................................‬‬
‫ﻛﺪﮔﺬاري ﺳﻮاﻻت ﺑﺎز ﭘﺎﺳﺦ ‪  40...............................................................................................‬‬
‫ﻛﺪﮔﺬاري ﺳﻮاﻻت ﺑﺎزﭘﺎﺳﺦ ﺑﺮ اﺳﺎس روﻳﻜﺮد ﺗﺌﻮرﻳﻚ ‪  40......................................................‬‬
‫ﻛﺪﮔﺬاري ﺳﻮاﻻت ﺑﺎزﭘﺎﺳﺦ ﺑﺮ اﺳﺎس روﻳﻜﺮد ﺗﺠﺮﺑﻲ ‪41........................................................‬‬
 ‫ﻛﺪﮔﺬاري ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ‪42...................................................... (MISSING VALUES) ‬‬
‫ﻛﺪﮔﺬاري ﺳﻮاﻻت ﺑﻲ ﭘﺎﺳﺦ ﻳﺎ ﭘﺎﺳﺨﻬﺎي ﻣﺒﻬﻢ ‪  42.................................................................‬‬
‫ﻛﺪﮔﺬاري ﭘﺎﺳﺦ ﻫﺎي ﺑﻲ ﻧﻈﺮ ﻳﺎ ﻧﻤﻲ داﻧﻢ‪47...........................................................................‬‬
‫درس ﺳﻮم‪ :‬وﻳﺮاﻳﺶ دادهﻫﺎ‬

‫‪-1‬ﻣﻘﺪﻣﻪ ‪52...................................................................................................................................................‬‬
‫‪-2‬اﺻﻮل وﻳﺮاﻳﺶ داده ﻫﺎ ‪52........................................................................................................................‬‬
‫آﻳﺎ ﻣﻘﺎدﻳﺮ ﻏﻴﺮ ﻣﻌﺘﺒﺮ در ﺟﺪول ﺧﺮوﺟﻲ وﺟﻮد دارد؟ ‪52...........................................................‬‬
‫آﻳﺎ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ )‪( MISSING VALUE‬ﺗﻌﺮﻳﻒ ﺷﺪه اﺳﺖ؟ ‪  54........................................‬‬
‫آﻳﺎ ﺑﺮﭼﺴﺐ ﻫﺎ )ﺑﺮﭼﺴﺐ ﻣﺘﻐﻴﺮﻫﺎ‪،‬ﺑﺮﭼﺴﺐ ﻣﻘﺎدﻳﺮ ﻣﻌﺘﺒﺮ و ﻧﻴﺰ ﺑﺮﭼﺴﺐ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ(‬
‫ﺑﻪ ﺻﻮرت ﺻﺤﻴﺢ ﺗﻌﺮﻳﻒ ﺷﺪه اﺳﺖ؟ ‪55...........................................................................................‬‬
‫آﻳﺎ ﻧﺤﻮه ﻛﺪ ﮔﺬاري داده ﻫﺎ ﺻﺤﻴﺢ اﺳﺖ؟ ‪56...........................................................................‬‬

‫درس ﭼﻬﺎرم‪ :‬ﻛﺪﮔﺬاري ﻣﺠﺪد و دﺳﺘﻪ ﺑﻨﺪي دادهﻫﺎ‬

‫‪ -1‬ﻣﻘﺪﻣﻪ ‪60.................................................................................................................................................‬‬
‫‪ -2‬ﺣﺎﻟﺖﻫﺎي ﻣﺨﺘﻠﻒ دﺳﺘﻮر ‪60.................................................................................................................‬‬
‫‪-3‬ﻛﺎرﺑﺮدﻫﺎي دﺳﺘﻮر ‪60...............................................................................................................................‬‬
‫اﺳﺘﻔﺎده از دﺳﺘﻮر ‪ RECODE‬ﺑﺮاي اﺻﻼح ﻳﺎ ﺗﻐﻴﻴﺮ ﻧﺤﻮه ي ﻛﺪ ﮔﺬاري ‪  62...............................‬‬
‫اﺳﺘﻔﺎده از دﺳﺘﻮر ‪ RECODE‬ﺑﺮاي ﻃﺒﻘﻪ ﺑﻨﺪي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ﻳﺎ ﻛﻴﻔﻲ ‪62................................‬‬

‫درس ﭘﻨﺠﻢ‪ :‬ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ‬

‫‪ -1‬ﻣﻘﺪﻣﻪ ‪70.................................................................................................................................................‬‬
‫‪ -2‬ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ از ﺣﻴﺚ ﻫﻤﺴﺎزي دروﻧﻲ ﺑﻪ روش آﻟﻔﺎي ﻛﺮاﻧﺒﺎخ ‪70....................................................‬‬
‫درس ﺷﺸﻢ‪ :‬ﺷﺎﺧﺺ ﺳﺎزي‬

‫‪ -1‬ﻣﻘﺪﻣﻪ ‪82.................................................................................................................................................‬‬
‫‪-2‬ﺷﺎﺧﺺ و ﺷﺎﺧﺺ ﺳﺎزي ‪82..................................................................................................................‬‬
‫‪-3‬روش ﺷﺎﺧﺺ ﺳﺎزي از ﻣﺘﻐﻴﺮﻫﺎي ﻧﺎﻫﻢ داﻣﻨﻪ ‪84...................................................................................‬‬
‫‪-4‬ﺷﺎﺧﺺ ﺳﺎزي ﺑﺎ اﺳﺘﻔﺎده از دﺳﺘﻮر‪86......................................................................... COMPUTE‬‬
 ‫ﺑﺨﺶ دوم‪ :‬ﺗﻮﺻﻴﻒ ﻧﺘﺎﻳﺞ ﺑﻪ ﻛﻤﻚ روشﻫﺎي آﻣﺎر ﺗﻮﺻﻴﻔﻲ‬

‫درس ﻫﻔﺘﻢ‪ :‬ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮي ﻧﺘﺎﻳﺞ‬

‫‪-1‬ﻣﻘﺪ‪‬ﻣﻪ ‪95...................................................................................................................................................‬‬
‫‪-2‬ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮي ‪98..........................................................................................................................‬‬
‫ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ ‪  99.....................................................................................................‬‬
‫ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ ‪101......................................................................................................‬‬
‫درس ﻫﺸﺘﻢ‪ :‬ﺗﻮﺻﻴﻒ دو ﻣﺘﻐﻴﺮي ﻧﺘﺎﻳﺞ‬

‫‪-1‬ﻣﻘﺪﻣﻪ ‪110...................................................................................................................................................‬‬
‫‪-2‬ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ ﺑﺮ ﺣﺴﺐ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ ‪110..........................................................................‬‬
‫‪-3‬ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ ﺑﺮ ﺣﺴﺐ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ ‪113..........................................................................‬‬

‫ﺑﺨﺶ ﺳﻮم‪ :‬آﻣﺎر اﺳﺘﻨﺒﺎﻃﻲ‪ -‬رواﺑﻂ ﻫﻤﺒﺴﺘﮕﻲ و ﻋﻠﻲ‬

‫‪ -1‬ﻣﻘﺪﻣﻪ ‪118.................................................................................................................................................‬‬
‫درس ﻧﻬﻢ‪ :‬راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ و ﻋﻠّﻲ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ‬

‫‪ -1‬ﻣﻘﺪﻣﻪ ‪122.................................................................................................................................................‬‬
‫‪ -2‬آزﻣﻮن و ﺿﺮﻳﺐ ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻋﻠّﻲ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ ‪123.........................................‬‬
‫آزﻣﻮن ﻛﻲ دو و ﺿﺮﻳﺐ ﺗﺎﺛﻴﺮ ﻻﻣﺪا ‪  123......................................................................................‬‬
‫‪ -3‬آزﻣﻮن و ﺿﺮﻳﺐ ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ ‪130................................‬‬
‫آزﻣﻮن ﻛﻲ دو و ﺿﺮاﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﻓﻲ و وي ﻛﺮاﻣﺮ ‪130............................................................‬‬
‫درس دﻫﻢ‪ :‬راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ و ﻋﻠّﻲ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي‬

‫‪ -1‬ﻣﻘﺪﻣﻪ ‪136.................................................................................................................................................‬‬
‫‪ -2‬ﺿﺮاﻳﺐ ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻋﻠّﻲ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي ‪137.....................................................‬‬
‫ﺿﺮﻳﺐ ﺗﺎﺛﻴﺮ ‪ D‬ﺳﺎﻣﺮز ‪  137.........................................................................................................‬‬
‫‪ -3‬ﺿﺮاﻳﺐ ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي ‪140............................................‬‬
‫ﺿﺮاﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﺗﺎي ﺑﻲ و ﺗﺎي ﺳﻲ ﻛﻨﺪال ‪140.......................................................................‬‬
 ‫درس ﻳﺎزدﻫﻢ‪ :‬راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ‬

‫‪ -1‬ﻣﻘﺪﻣﻪ ‪146..................................................................................................................................................‬‬
‫‪ -2‬آزﻣﻮن ﻓﺮض ﻏﻴﺮﻧﺮﻣﺎل ﺑﻮدن ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ‪146....................................................................................‬‬
‫‪ -3‬ﺿﺮاﻳﺐ ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ‪148...............................................‬‬
‫ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﭘﻴﺮﺳﻮن ‪  148.................................................................................................‬‬
‫ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﺗﻔﻜﻴﻜﻲ ‪  150..................................................................................................‬‬
‫ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ اﺳﭙﻴﺮﻣﻦ ‪153.................................................................................................‬‬

‫ﺑﺨﺶ ﭼﻬﺎرم‪ :‬ﻣﻘﺎﻳﺴﻪﻫﺎ‬

‫درس دوازدﻫﻢ‪ :‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦﻫﺎ‬

‫‪ -1‬ﻣﻘﺪﻣﻪ ‪160.................................................................................................................................................‬‬
‫‪ -2‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﻳﻚ ﻣﺘﻐﻴ‪‬ﺮ ﻛﻤ‪‬ﻲ در دو ﮔﺮوه ‪162....................................................................................‬‬
‫آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻨﻬﺎ ﺑﺮاي ﻧﻤﻮﻧﻪ ﻫﺎي ﻣﺴﺘﻘﻞ ‪  162..................................................................‬‬
‫‪ -3‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ دو ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ در ﻳﻚ ﮔﺮوه ‪166....................................................................................‬‬
‫آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻨﻬﺎ ﺑﺮاي ﻧﻤﻮﻧﻪ ﻫﺎي ﻫﻤﺒﺴﺘﻪ ‪  166.................................................................‬‬
‫‪ -4‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ ﺑﺎ ﻳﻚ ﻣﻘﺪار ﺛﺎﺑﺖ ‪169..........................................................................‬‬
‫آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻨﻬﺎ ﺑﺮاي ﻳﻚ ﻧﻤﻮﻧﻪ ‪169...............................................................................‬‬

‫درس ﺳﻴﺰدﻫﻢ‪ :‬ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚﻃﺮﻓﻪ‬

‫‪ -1‬ﻣﻘﺪﻣﻪ ‪174.................................................................................................................................................‬‬
‫‪ -1‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻤﻲ در ﺑﻴﺶ از دو ﮔﺮوه ‪174.......................................................................‬‬
‫آزﻣﻮن ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚ ﻃﺮﻓﻪ ‪174........................................................................................‬‬

‫درس ﭼﻬﺎردﻫﻢ‪ :‬ﻣﻘﺎﻳﺴﻪ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي‬

‫‪ -1‬ﻣﻘﺪﻣﻪ ‪186.................................................................................................................................................‬‬
‫‪-2‬ﻣﻘﺎﻳﺴﻪ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ رﺗﺒﻪ اي ﻳﺎ ﻛﻤ‪‬ﻲ ﻏﻴﺮ ﻧﺮﻣﺎل در دو ﮔﺮوه ‪186.......................................................‬‬
‫آزﻣﻮن ﻳﻮ ﻣﺎن وﻳﺘﻨﻲ ‪  186............................................................................................................‬‬
‫‪ -3‬ﻣﻘﺎﻳﺴﻪ دو ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ رﺗﺒﻪ اي ﻳﺎ ﻛﻤ‪‬ﻲ ﻏﻴﺮ ﻧﺮﻣﺎل ﺑﺎ ﻳﻜﺪﻳﮕﺮ‪188...........................................................‬‬
‫آزﻣﻮن وﻳﻠﻜﺎﻛﺴﻮن ‪  188.............................................................................................................‬‬
‫‪-4‬ﻣﻘﺎﻳﺴﻪ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ رﺗﺒﻪ اي ﻳﺎ ﻛﻤ‪‬ﻲ ﻏﻴﺮ ﻧﺮﻣﺎل در ﺑﻴﺶ از دو ﮔﺮوه ‪190..........................................‬‬
‫آزﻣﻮن ﻛﺮاﺳﻜﺎل واﻟﻴﺲ ‪  190.......................................................................................................‬‬
‫‪ -5‬ﻣﻘﺎﻳﺴﻪ ﭼﻨﺪ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ رﺗﺒﻪ اي ﻳﺎ ﻛﻤ‪‬ﻲ ﻏﻴﺮ ﻧﺮﻣﺎل در ﻳﻚ ﮔﺮوه ‪191...................................................‬‬
‫آزﻣﻮن ﻓﺮﻳﺪﻣﻦ ‪191....................................................................................................................‬‬

‫درس ﭘﺎﻧﺰدﻫﻢ‪ :‬رﮔﺮﺳﻴﻮن ﭼﻨﺪﮔﺎﻧﻪ ﺧﻄﻲ‬

‫‪ -1‬ﻣﻘﺪﻣﻪ ‪198.................................................................................................................................................‬‬
‫‪-2‬رﮔﺮﺳﻴﻮن ﭼﻨﺪﮔﺎﻧﻪ ﺧﻄﻲ ‪199....................................................................................................................‬‬
 ‫ﻓﻬﺮﺳﺖ اﺷﻜﺎل‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (1‬ﭼﮕﻮﻧﮕﻲ راه اﻧﺪازي ﺑﺮﻧﺎﻣﻪ ‪22........................................................................... SPSS‬‬

‫ﺷﻜﻞ ﺷﻤﺎره)‪ (2‬ﻣﻌﺮﻓﻲ ﺑﺮﻧﺎﻣﻪ ‪ ) SPSS‬ﻛﺎرﺑﺮگ دادهﻫﺎ ‪23...................................... (DATA VIEW‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (3‬ﻣﻌﺮﻓﻲ ﺑﺮﻧﺎﻣﻪ ‪ SPSS‬ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ)‪24....................... (VARIABLE VIEW‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (4‬ﺗﺼﻮﻳﺮ ﭘﻨﺠﺮه ‪25................................................................................................ TYPE‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (5‬ﺗﻌﺮﻳﻒ ﺑﺮﭼﺴﺐ ﻣﺘﻐﻴﺮﻫﺎ )‪27................................................................( LABLE‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (6‬ﺗﻌﺮﻳﻒ ﺑﺮﭼﺴﺐ ﻣﻘﺎدﻳﺮ )‪27............................................................... (VALUES‬‬
‫ﺷﻜﻞ ﺷﻤﺎره)‪ (7‬ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ در ﭘﻨﺠﺮه ‪28.............................. MISSING VALUE‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (8‬اﻧﺪازﻫﺎي ﺳﺘﻮن و ﭼﮕﻮﻧﮕﻲ ﻧﻤﺎﻳﺶ ﻣﻘﺎدﻳﺮ در ﻛﺎرﺑﺮگ دادﻫﻬﺎ ‪29...............................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (9‬ﻓﺎﻳﻞ داده ﻫﺎي ‪ WORLD95‬در ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ ) ‪30 ( VARIABLE VIEW‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (9‬ﻓﺎﻳﻞ داده ﻫﺎي ‪ WORLD 95‬در ﻛﺎرﺑﺮگ داده ﻫﺎ )‪31............ ( DATA VIEW‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (10‬ﭼﮕﻮﻧﮕﻲ ﺿﺒﻂ ﻓﺎﻳﻞ داده ﻫﺎ ‪32..............................................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (11‬ﭼﮕﻮﻧﮕﻲ ﻓﺮاﺧﻮاﻧﻲ ﻓﺎﻳﻞ داده ﻫﺎ ‪33........................................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (12‬زﻳﺮدﺳﺘﻮرﻫﺎي ﻣﺨﺘﻠﻒ ﻣﻨﻮي ﻓﺎﻳﻞ و ﻛﺎرﺑﺮدﻫﺎي آﻧﻬﺎ ‪34.........................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (13‬اﻧﻮاع واﻛﻨﺶ ﭘﺎﺳﺨﮕﻮ ﻳﺎن ﺑﻪ ﻳﻚ ﺳﻮال ﭘﺮﺳﺸﻨﺎﻣﻪ ‪42..................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (14‬ﻧﺤﻮه ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﺑﻪ ﺻﻮرت ﺳﻪ ﻛﺪ ﻣﺘﻤﺎﻳﺰ در ﺳﺘﻮن ‪MISSING‬‬
‫‪43 .......................................................................................................... VALUE‬‬
‫ﺷﻜﻞ ﺷﻤﺎره)‪ (15‬ﻧﺤﻮه ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ درﻗﺎﻟﺐ ﻳﻚ ﺑﺎزه ﺑﻪ ﻋـﻼوه ﻳـﻚ ﻛﺪﻣﺸـﺨﺺ در‬
‫ﺳﺘﻮن ‪44.................................................................................................... MISSING VALUE‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (16‬ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﺗﻌﺮﻳﻒ ﺷﺪه ﻣﺘﻐﻴﺮ"ﻣﺪت اﺷﺘﻐﺎل" ‪44...........................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (17‬ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﻣﺘﻐﻴﺮ"ﻣﺪت اﺷﺘﻐﺎل" ‪45...................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (18‬اﺟﺮاي دﺳﺘﻮر‪ FREQUENCIES‬از ﻛﻠﻴﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻣﻮﺟﻮد در ﻓﺎﻳﻞ دادهﻫﺎ ‪52....‬‬
‫ﺷﻜﻞ ﺷﻤﺎره)‪ (19‬ﺷﻴﻮه ي ﺟﺴﺘﺠﻮي ﻣﻘﺎدﻳﺮ ﻧﺎﻣﻌﺘﺒﺮ در ﻓﺎﻳﻞ داده ﻫﺎ ‪53....................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (20‬ﮔﺰﻳﻨﻪ ﻫﺎي ﻣﻮﺟﻮد در دﺳﺘﻮر ‪60............................................................ RECODE‬‬
‫ﺷـﻜﻞ ﺷـﻤﺎره)‪ (21‬ﺷـﻴﻮهي اﺟـﺮاي دﺳـﺘﻮر ‪ RECODE‬درﺣﺎﻟـﺖ ‪SAM VARIABLE‬‬
‫‪61............................................................................................................................ RECODE INTO‬‬
‫ﺷــﻜﻞ ﺷــﻤﺎره )‪ (22‬ﺷــﻴﻮه ي اﺟــﺮاي دﺳــﺘﻮر ‪ RECODE‬درﺣﺎﻟــﺖ ‪DIFFERENT‬‬
‫‪61...............................................................................................RECODE INTO VARIABEL‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (23‬ﭘﻨﺠﺮه ‪ OLD AND NEW VALUES‬در دﺳﺘﻮر ‪62................. RECODE‬‬
 ‫ﺷﻜﻞ ﺷﻤﺎره)‪ (24‬ﭼﮕﻮﻧﮕﻲ ﻃﺒﻘﻪ ﺑﻨﺪي ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ ﻳﺎ ﻛﻴﻔﻲ ﺑﺎ اﺟﺮاي دﺳﺘﻮر ‪ RECODE‬درﮔﺰﻳﻨـﻪ‬
‫‪63.................................................................................................... OLD AND NEW VALUES‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (25‬ﻓﺎﻳﻞ داده ﻫﺎي ﻣﻘﻴﺎس"روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶ آﻣﻮزان" ‪71..........................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (26‬ﺷﻴﻮه ي اﺟﺮاي دﺳـﺘﻮر ‪ RELIABILIATY‬ﺑـﺮاي ﺳـﻨﺠﺶ ﭘﺎﻳـﺎﻳﻲ ﻣﻘﻴـﺎس‬
‫ﻣﺮﺣﻠﻪ ‪72................................................................................................................................................... 1‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (27‬ﺷﻴﻮه اﺟﺮاي دﺳﺘﻮر ‪ RELIABILIATY‬ﺑﺮاي ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ ﻣﻘﻴﺎس‪.‬ﻣﺮﺣﻠـﻪ‬
‫‪72............................................................................................................................................................... 2‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (28‬ﺗﺠﺰﻳﻪ ﻣﺘﻐﻴﺮ ﻃﻲِ ﺗﻌﺮﻳﻒ ﻋﻤﻠﻴﺎﺗﻲ و ﺷﺎﺧﺺ ﺳﺎزي ‪82...............................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (29‬ﺷﻴﻮه اﺳﺘﺎﻧﺪارد ﺳﺎزي ﻣﺘﻐﻴﺮ)ﺗﻬﻴﻪ ﻧﻤﺮه ‪84............................................................... (Z‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (30‬ﻧﻤﺮه اﺳﺘﺎﻧﺪارد ‪ Z‬در ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ) ‪85..................... ( VARIABLE VIEW‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (31‬ﻧﻤﺮه اﺳﺘﺎﻧﺪارد ‪ Z‬در ﻛﺎرﺑﺮگ داده ﻫﺎ) ‪85................................... ( DATA VIEW‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (32‬ﺷﻴﻮه اﺟﺮاي دﺳﺘﻮر ‪ COMPUTE‬ﺑﺮاي ﺷﺎﺧﺺ ﺳﺎزي)ﻣﺮﺣﻠﻪ‪86................... (1‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (33‬ﺷﻴﻮه اﺟﺮاي دﺳﺘﻮر‪ COMPUTE‬ﺑﺮاي ﺳﺎﺧﺘﻦ ﺷﺎﺧﺺ)ﻣﺮﺣﻠﻪ ‪87.................. (2‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (34‬ﺷﺎﺧﺺ ﺟﺪﻳﺪ ﺳﺎﺧﺘﻪ ﺷﺪه در ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ) ‪88... ( VARIABLE VIEW‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (35‬ﺷﺎﺧﺺ ﺟﺪﻳﺪ ﺳﺎﺧﺘﻪ ﺷﺪه در ﻛﺎرﺑﺮگ داده ﻫﺎ ) ‪88................ ( DATA VIEW‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (36‬ﻧﺤﻮه ﺳﺎﺧﺘﻦ ﺷﺎﺧﺺ از ﻣﺘﻐﻴﺮﻫﺎي ﻧﺎﻫﻤﻮزن ‪90..........................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (37‬اﺷﻜﺎل ﻣﺨﺘﻠﻒ ﺗﺤﻠﻴﻞ داده ﻫﺎ در ﮔﺰارش ﻫﺎي ﭘﮋوﻫﺸﻲ ‪97.......................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (38‬دﻳﺎﮔﺮام اﻧﺘﺨﺎب روش ﻣﻨﺎﺳﺐ ﺑﺮاي ﺗﻮﺻﻴﻒ ﻧﺘﺎﻳﺞ ‪98.................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (39‬ﺷﻴﻮه ي اﺟﺮاي دﺳﺘﻮر ‪ FREQUENCIES‬ﺑﺮاي ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ ‪99.....‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (40‬اﻧﺘﺨﺎب ﻧﻤﻮدار ﻣﻨﺎﺳﺐ ﺑﺮاي ﻧﻤﺎﻳﺶ ﻣﺘﻐﻴﺮ ‪100...............................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (41‬ﻧﻤﻮدار ﻣﻴﻠﻪ اي ﺗﻮزﻳﻊ رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ داﻧﺶ آﻣﻮزان ‪101................................................‬‬
‫ﺷــﻜﻞ ﺷــﻤﺎره ) ‪ ( 42‬ﺷــﻴﻮه اﺟــﺮاي دﺳــﺘﻮر ‪ DESCRIPTIVES‬ﺑــﺮاي ﺗﻮﺻــﻴﻒ‬
‫ﻣﺘﻐﻴﺮﻫﺎي ﻛ ﻤ ‪‬ﻲ ‪102 ..................................................................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره)‪ (43‬ﺷﻴﻮه اﻧﺘﺨﺎب ﺷﺎﺧﺺ ﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﺘﻐﻴﺮ ‪102.............................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره)‪ (44‬ﺷﻴﻴﻮه اﻧﺘﺨﺎب ﺷﺎﺧﺺ ﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﺘﻐﻴﺮ روﺣﻴـﻪ ﻫﻤﻜـﺎري داﻧـﺶ‬
‫آﻣﻮزان در ﭘﻨﺠﺮه ‪104....................................................................................................... STATISTICS‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (45‬ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶ آﻣﻮزان ‪106..........................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (46‬اﺟﺮاي دﺳﺘﻮر ‪ CROSSTABS‬ﺑﺮاي ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ‪ -‬ﻛﻴﻔﻲ ‪110..............‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (47‬اﺳﺘﻔﺎده از ﭘﻨﺠﺮه ‪ CELLS‬ﺑﺮاي ﻧﻤﺎﻳﺶ اﻋﺪاد در ﺟﺪول ﺧﺮوﺟﻲ ‪111......................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (48‬اﺟﺮاي دﺳﺘﻮر ‪ MEANS‬ﺑﺮاي ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ ﺑﺮﺣﺴﺐ ﻣﺘﻐﻴﺮﻛﻴﻔﻲ ‪113.....‬‬
 ‫ﺷﻜﻞ ﺷﻤﺎره)‪ (49‬اﺳﺘﻔﺎده از ﭘﻨﺠﺮه ‪ OPTION‬ﺑﺮاي اﺳﺘﻔﺎده ازﺷﺎﺧﺺ ﻫﺎي آﻣﺎري ﻣﻨﺎﺳـﺐ ﺑـﺮاي‬
‫ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ ‪113..................................................................................................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (50‬ﻧﺤﻮه ﺗﺼﻤﻴﻢ ﮔﻴﺮي در ﺑﺎره روش آﻣﺎري آزﻣﻮن ﻓﺮﺿـﻴﺎت داراي ﻣﺘﻐﻴﺮﻫـﺎي‬
‫ﺳﻄﺢ اﺳﻤﻲ ‪123.............................................................................................................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (51‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﻛﻲ دو )ﻣﺮﺣﻠﻪ‪124...................................................................... (1‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (52‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﻛﻲ دو )ﻣﺮﺣﻠﻪ‪125...................................................................... (2‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (53‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﻛﻲ دو )ﻣﺮﺣﻠﻪ ‪126.................................................................... (3‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (54‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﻛﻲ دو ‪130.......................................................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (55‬راﻫﻨﻤﺎي اﻧﺘﺨﺎب آزﻣﻮن ﺑﺮاي راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ ‪137...............................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (56‬اﻧﺘﺨﺎب آزﻣﻮﻧﻬﺎ و ﺿﺮاﻳﺐ ﻣﻨﺎﺳﺐ ‪138...........................................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (57‬اﻧﺘﺨﺎب آزﻣﻮﻧﻬﺎ و ﺿﺮاﻳﺐ ﻣﻨﺎﺳﺐ ‪141...........................................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (58‬راﻫﻨﻤﺎي اﻧﺘﺨﺎب آزﻣﻮن ﻣﻨﺎﺳﺐ ﺑﺮاي راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ‪146...................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (59‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﻛﻮﻟﻤﻮﮔﺮوف اﺳﻤﻴﺮﻧﻒ ‪147............................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (60‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﭘﻴﺮﺳﻮن ‪149.....................................................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره)‪ (61‬ﺷﻴﻮه اﺟﺮاي ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﺗﻔﻜﻴﻜﻲ)ﻣﺮﺣﻠﻪ‪151................................................... (1‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (62‬ﺷﻴﻮه اﺟﺮاي ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﺗﻔﻜﻴﻜﻲ )ﻣﺮﺣﻠﻪ ‪151............................................... (2‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (63‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن اﺳﭙﻴﺮﻣﻦ ‪153.....................................................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (64‬راﻫﻨﻤﺎي اﻧﺘﺨﺎب آزﻣﻮﻧﻬﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﮔﺮوهﻫﺎ ‪161.............................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (65‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﺮاي ﻧﻤﻮﻧﻪﻫﺎي ﻣﺴﺘﻘﻞ )‪162... (T-TEST‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (66‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﺮاي ﻧﻤﻮﻧـﻪﻫـﺎي ﻫﻤﺒﺴـﺘﻪ )‪PAIRED-‬‬
‫‪166.......................................................................................................................................... (SAMPLE‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (67‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦ ﻫﺎ ﺑـﺎ ﻳـﻚ ﻣﻘـﺪار ﺛﺎﺑـﺖ )‪ONE-‬‬
‫‪169....................................................................................................................................... (SAMPLE‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (68‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚ ﻃﺮﻓﻪ)ﻣﺮﺣﻠﻪ ‪175..................................... (1‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (69‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚ ﻃﺮﻓﻪ )ﻣﺮﺣﻠﻪ ‪175..................................... (2‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (70‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚ ﻃﺮﻓﻪ )ﻣﺮﺣﻠﻪ ‪176..................................... (3‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (71‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﻳﻮﻣﺎن وﻳﺘﻨﻲ ‪187..............................................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (72‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن وﻳﻠﻜﺎﻛﺴﻮن ‪188...............................................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (73‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﻛﺮاﺳﻜﺎل واﻟﻴﺲ ‪190........................................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (74‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﻓﺮﻳﺪﻣﻦ‪192......................................................................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ ( 75‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن رﮔﺮﺳﻴﻮن ﭼﻨﺪ ﮔﺎﻧﻪ ﺧﻄﻲ)ﻣﺮﺣﻠﻪ ‪199.................................... (1‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (76‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن رﮔﺮﺳﻴﻮن ﭼﻨﺪ ﮔﺎﻧﻪ ﺧﻄﻲ)ﻣﺮﺣﻠﻪ ‪200.................................... (2‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (77‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن رﮔﺮﺳﻴﻮن ﭼﻨﺪ ﮔﺎﻧﻪ ﺧﻄﻲ)ﻣﺮﺣﻠﻪ ‪201..................................... (3‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (78‬ﻧﻤﻮدار ﻫﻴﺴﺘﻮﮔﺮام ﺑﺎﻗﻴﻤﺎﻧﺪه ﻫﺎي اﺳﺘﺎﻧﺪارد ﺷﺪه رﮔﺮﺳﻴﻮن ‪207.....................................‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (79‬ﻧﻤﻮدار اﺣﺘﻤﺎل ﻧﺮﻣﺎل ﺑﻮدن ﺑﺎﻗﻴﻤﺎﻧﺪه ﻫﺎي اﺳﺘﺎﻧﺪارد ﺷﺪه رﮔﺮﺳﻴﻮن ‪207.......................‬‬
 ‫ﻓﻬﺮﺳﺖ ﺟﺪاول‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(1‬ﻳﻚ ﻧﻤﻮﻧﻪ از ﺗﻌﺮﻳﻒ ﺻﺤﻴﺢ ﻣﺘﻐﻴﺮ ‪45..........................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(2‬ﻳﻚ ﻧﻤﻮﻧﻪ از ﺗﻌﺮﻳﻒ اﺷﺘﺒﺎه ﻣﺘﻐﻴﺮ ‪46.............................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(3‬ﻳﻚ ﻧﻤﻮﻧﻪ اﺷﺘﺒﺎه در ﺗﻌﺮﻳﻒ ﻣﺘﻐﻴﺮ ‪47............................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(4‬ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ ﻣﺘﻐﻴﺮ "ﻧﻮع ﻣﺪرﺳﻪ"در ﺣﺎﻟﺖ وﺟﻮد ﻣﻘﺎدﻳﺮ ﻏﻴﺮ ﻣﻌﺘﺒـﺮ در ﺳـﺘﻮن‬
‫دادهﻫﺎي اﻳﻦ ﻣﺘﻐﻴﺮ ‪53....................................................................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(5‬ﻧﻤﻮﻧﻪ داراي ﻣﻘﺪار ﻧﺎﻣﻌﺘﺒﺮ در ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ‪54..........................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(6‬ﻧﻤﻮﻧﻪ ﺑﺪون ﻣﻘﺪار ﻧﺎﻣﻌﺘﺒﺮ در ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ‪55..........................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(7‬ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ ﻣﺘﻐﻴﺮ "ﻣﻘﻄﻊ ﺗﺤﺼﻴﻠﻲ"در ﺣﺎﻟﺖ ﻧﺎدرﺳﺖ ‪56......................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(8‬ﻧﻤﻮﻧﻪ اﺷﺘﺒﺎه در ﻧﺤﻮه ﻛﺪﮔﺬاري ‪57...............................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(9‬ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ ﻛﻴﻔﻲ"درﺻﺪ ﺑﺎﺳﻮادان ﺟﻬﺎن در ﺳﺎل ‪65................................. "1995‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(10‬ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ ﻛﻤ‪‬ﻲ"درﺻﺪ ﺑﺎﺳﻮادان ﺟﻬﺎن در ﺳﺎل ‪66............................... "1995‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(11‬ﺧﻼﺻﻪ ﭘﺮدازش اﻃﻼﻋﺎت ‪73.....................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(12‬ﻣﻴﺰان آﻟﻔﺎي ﻛﺮاﻧﺒﺎخ درﻣﻘﻴﺎس"روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶ آﻣﻮزان" ‪73...........................‬‬
‫ﺟﺪول ﺷـﻤﺎره )‪ :(13‬ﺗﻮﺻـﻴﻒ ﻣﻴـﺎﻧﮕﻴﻦ و اﻧﺤـﺮاف ﻣﻌﻴﺎرﮔﻮﻳـﻪ ﻫـﺎي ﻣﻘﻴـﺎس"روﺣﻴـﻪ ﻫﻤﻜـﺎري‬
‫داﻧﺶآﻣﻮزان" ‪74...........................................................................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(14‬ﻣﻘﺎدﻳﺮ آﻣﺎره ﻫﺎي ﻣﻘﻴﺎس"روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶ آﻣﻮزان" ‪75...................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(15‬ﻣﻘﺎدﻳﺮ آﻣﺎره ﻫﺎي ﻣﻘﻴﺎس"روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶ آﻣﻮزان" ‪76...................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(16‬ﺗﻮﺻﻴﻒ ﺷﺎﺧﺺ" ﻣﻴﺰان ﺗﻮﺳﻌﻪ ﻳﺎﻓﺘﮕﻲ "‪85............................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(17‬ﺧﻼﺻﻪ ﭘﺮدازش اﻃﻼﻋﺎت ‪88.....................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(18‬ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ"روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶ آﻣﻮزان" ‪89............................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(19‬ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ داﻧﺶ آﻣﻮزان ‪100.........................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(20‬ﺗﻮﺻﻴﻒ ﺷﺎﺧﺺ ﻫﺎي آﻣﺎري"روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶ آﻣﻮزان" ‪103...........................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(21‬ﺗﻮﺻﻴﻒ ﺷﺎﺧﺺ ﻫﺎي آﻣﺎري"روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶ آﻣﻮزان" ‪105...........................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(22‬ارزﻳﺎﺑﻲ داﻧﺶ آﻣﻮزان از ﻛﻴﻔﻴﺖ ﻏﺬاي ﻣﺪرﺳﻪ ﺑﺮﺣﺴﺐ ﺟﻨﺴﻴﺖ‪112.........................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(23‬ﺗﻮﺻﻴﻒ ﻛﻴﻔﻴﺖ ﻏﺬاي ﻣﺪرﺳﻪ ﺑﺮ ﺣﺴﺐ ﺟﻨﺴﻴﺖ داﻧﺶ آﻣﻮزان ‪112..........................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(24‬وﺿﻌﻴﺖ روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶ آﻣﻮزان ﺑﺮ ﺣﺴﺐ ﺟﻨﺴﻴﺖ ‪114.................................‬‬
‫ﺟﺪول ﺷﻤﺎره ) ‪ :(25‬روش ﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي آزﻣﻮن ﻓﺮﺿﻴﺎت ﻳﺎ ﺳﻮاﻻت ﺗﺤﻘﻴﻖ ‪119...................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(26‬روﺷﻬﺎي آﻣﺎري ﻣﻨﺎﺳـﺐ ﺑـﺮاي آزﻣـﻮن ﻓﺮﺿـﻴﺎت ﻳـﺎ ﺳـﻮاﻻت ﺗﺤﻘﻴـﻖ داراي‬
‫ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ ‪122.......................................................................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(27‬ﺧﻼﺻﻪ ﭘﺮدازش اﻃﻼﻋﺎت ‪126.....................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(28‬ﺟﺪول ﺗﻮاﻓﻘﻲ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ و ﺟﻨﺴﻴﺖ ‪127...........................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(29‬ﺗﻌﻴﻴﻦ ﺳﻄﺢ ﻣﻌﻨﺎداري ﻣﺘﻐﻴﺮﻫﺎي ﻣﻮرد ﺳﻨﺠﺶ ‪128.....................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(30‬ﺗﻌﻴﻴﻦ ﺷﺪت ﺗﺎﺛﻴﺮﺟﻨﺴﻴﺖ ﺑﺮﺗﺮﺟﻴﺤﺎت ﺷﻐﻠﻲ ‪129......................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(31‬ﺟﺪول ﺗﻮاﻓﻘﻲ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ و رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ ‪131...............................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(32‬ﺗﻌﻴﻴﻦ ﺳﻄﺢ ﻣﻌﻨﺎداري ﻣﺘﻐﻴﺮﻫﺎي ﻣﻮرد ﺳﻨﺠﺶ ‪131.....................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(33‬ﺗﻌﻴﻴﻦ ﺟﻬﺖ و ﺷﺪت ﺗﺎﺛﻴﺮ ﺟﻨﺴﻴﺖ ﺑﺮ ﺗﺮﺟﻴﺤﺎت ﺷﻐﻠﻲ ‪132.....................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(34‬روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي آزﻣـﻮن ﻓﺮﺿـﻴﺎت ﻳـﺎ سواﻻت ﺗﺤﻘﻴـﻖ داراي‬
‫ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي ‪136.....................................................................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره)‪ :( 35‬ﺧﻼﺻﻪ ﭘﺮدازش اﻃﻼﻋﺎت ‪138.....................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره)‪ :(36‬ﺟﺪول ﺗﻮاﻓﻘﻲ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي ﺧـﺎﻧﻮاده و ﺗﻘﻴـﺪ ﺑـﻪ روزه داري‬
‫داﻧﺶ آﻣﻮزان ‪139............................................................................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(37‬ﺗﻌﻴﻴﻦ ﺳﻄﺢ ﻣﻌﻨﺎداري‪ ،‬ﺷﺪت و ﺟﻬﺖ ﺗﺎﺛﻴﺮ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي ﺑﺮ ﺗﻘﻴﺪ ﺑـﻪ روزه‬
‫داري داﻧﺶ آﻣﻮزان‪140...................................................................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(38‬ﺧﻼﺻﻪ ﭘﺮدازش اﻃﻼﻋﺎت ‪142.....................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(39‬ﺟﺪول ﺗﻮاﻓﻘﻲ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ ﺗﺼﻮﻳﺮ ﻣﺬﻫﺒﻲ از ﺧﻮد و ﺗﻘﻴﺪ ﺑﻪ روزه داري داﻧﺶ‬
‫آﻣﻮزان ‪142......................................................................................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(40‬ﺗﻌﻴﻴﻦ ﺳﻄﺢ ﻣﻌﻨﺎداري و ﺷﺪت و ﺟﻬﺘﺒﻴﻦ ﻣﺘﺘﻐﻴﺮﻫﺎي ﻣﻮرد ﺳﻨﺠﺶ ‪143....................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(41‬ﺑﺮرﺳﻲ وﺿﻌﻴﺖ ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮ ﻫﺎي"درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ و ﻧﺮخ ﺑﺎروري" ‪147...............‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(42‬ﻧﺘﺎﻳﺞ ﺳﻨﺠﺶ ﻫﻤﺒﺴﺘﮕﻲ ﻣﺘﻐﻴﺮﻫﺎي ﻧﺮخ رﺷﺪ ﺟﻤﻌﻴﺖ و درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ ‪152 ........‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(43‬ﻫﻤﺒﺴﺘﮕﻲ ﺗﻔﻜﻴﻜـﻲ"ﻧـﺮخ ﻣـﺮگ و ﻣﻴﺮﻛﻮدﻛـﺎن"و" درﺻـﺪ ﺷـﻬﺮ ﻧﺸـﻴﻨﻲ"ﺑـﺎ‬
‫ﻛﻨﺘﺮل"درﺻﺪ ﺑﺎﺳﻮادان" ‪152 ..........................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪:(44‬ﻧﺘﺎﻳﺞ ﺳﻨﺠﺶ ﻫﻤﺒﺴﺘﮕﻲ ﻣﺘﻐﻴﺮﻫﺎي"درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ" و" ﻧﺮخ ﺑﺎروري" ‪154...........‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(45‬ﺣﺎﻟﺘﻬﺎي ﻣﺨﺘﻠﻒ ﻣﻘﺎﻳﺴﻪ در ﻓﺮﺿﻴﻪ ﻫـﺎ ﻳـﺎ ﺳـﻮاﻻت ﺗﺤﻘﻴـﻖ ازﺣﻴـﺚ ﺳـﻄﻮح‬
‫ﺳﻨﺠﺶ ﻣﺘﻐﻴﺮﻫﺎ ‪160 ....................................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(46‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ ﮔﺮاﻳﺶ ﺑﻪ ﻣﻮﺳﻴﻘﻲ در ﺑﻴﻦ زﻧﺎن و ﻣﺮدان ‪163 .........‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(47‬آزﻣﻮن ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ ﮔﺮاﻳﺶ ﺑﻪ ﻣﻮﺳﻴﻘﻲ در ﺑﻴﻦ زﻧﺎن و ﻣﺮدان‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(48‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق ﻓﻌﻠﻲ در ﺑﻴﻦ زﻧﺎن و ﻣﺮدان ‪164 ..................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(49‬آزﻣﻮن ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق ﻓﻌﻠﻲ در ﺑﻴﻦ زﻧﺎن و ﻣﺮدان ‪165 ..........................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(50‬ﻣﻘﺎﻳﺴﻪ وﺿﻌﻴﺖ آﻣﺎرهﻫﺎي دوﻣﺘﻐﻴﺮ"ﺣﻘﻮق ﻓﻌﻠﻲ"و"ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام" ‪167 .....‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(51‬وﺿﻌﻴﺖ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ ﺣﻘﻮق ﻓﻌﻠﻲ و ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام ‪168 ......................‬‬
 ‫ﺟﺪول ﺷﻤﺎره )‪ :(52‬ﻧﺘﻴﺠﻪ آزﻣﻮن ﻣﻌﻨﻲ داري ﺑﺮاﺑﺮ ي ﻣﻴﺎﻧﮕﻴﻦ ﻫﺎ ﺑﺮاي دو ﻣﺘﻐﻴـﺮ)ﺣﻘـﻮق ﻓﻌﻠـﻲ و‬
‫ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام( ‪168 ..............................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(53‬ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮ اﻣﻴﺪ ﺑﻪ زﻧﺪﮔﻲ ﻣﺮدان ‪170 ...................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(54‬ﻧﺘﻴﺠﻪ آزﻣﻮن ﻣﻌﻨﻲ داري ﺑﺮاﺑﺮ ي ﻣﻴﺎﻧﮕﻴﻦ ﻫﺎ ﺑﺎ ﻳﻚ ﻣﻘﺪار ﺛﺎﺑﺖ ‪170..........................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(55‬وﻳﮋﮔﻲ اﻧﻮاع آزﻣﻮﻧﻬﺎي ﺗﻌﻘﻴﺒﻲ ‪177...............................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(56‬ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮ"ﺣﻘﻮق ﻓﻌﻠﻲ ﻛﺎرﻛﻨﺎن در ﻃﺒﻘﺎت ﺷﻐﻠﻲ ﻣﺨﺘﻠﻒ"‪178.........................‬‬
‫ﺟﺪول ﺷـﻤﺎره )‪ :(57‬آزﻣـﻮن ﻣﻘﺎﻳﺴـﻪ وارﻳـﺎﻧﺲ ﺣﻘـﻮق ﻛﺎرﻣﻨـﺪان در ردهﻫـﺎي ﺷـﻐﻠﻲ ﺳـﻪ ﮔﺎﻧـﻪ‬
‫)دﻓﺘﺮي‪،‬ﻧﮕﻬﺒﺎن‪،‬ﻣﺪﻳﺮ( ‪178..............................................................................................................................‬‬
‫ﺟــﺪول ﺷــﻤﺎره )‪ :(58‬آزﻣــﻮن ﻣﻘﺎﻳﺴــﻪ ﻣﻴــﺎﻧﮕﻴﻦ ﺣﻘــﻮق ﻛﺎرﻣﻨــﺪان در ردهﻫــﺎي ﺷــﻐﻠﻲ ﺳــﻪ‬
‫ﮔﺎﻧﻪ)دﻓﺘﺮي‪،‬ﻧﮕﻬﺒﺎن‪،‬ﻣﺪﻳﺮ( ‪179.......................................................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(59‬آزﻣﻮن ﺗﻌﻘﻴﺒﻲ ﺗﻮﻛﻲ ﺑﺮاي ﺑﺮرﺳﻲ ﺗﻔﺎوﺗﻬﺎي زوﺟﻲ ﻃﺒﻘﺎت ﺳﻪ ﮔﺎﻧﻪ ﺷﻐﻠﻲ ‪180.........‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(60‬دﺳﺘﻪ ﺑﻨﺪي ﮔﺮوه ﻫﺎي ﻣﻮرد ﻣﻘﺎﻳﺴﻪ ﺑﺮ اﺳﺎس آزﻣﻮن ﺗﻮﻛﻲ ‪180.................................‬‬
‫ﺟﺪول ﺷﻤﺎره)‪ :(61‬آزﻣﻮﻧﻬﺎي ﻣﺮﺑﻮط ﺑﻪ ﻣﻘﺎﻳﺴﻪ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪ اي از ﺣﻴﺚ ﻫﺪف ﺗﺤﻘﻴﻖ ‪186..................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(62‬ﻧﺘﺎﻳﺞ آزﻣﻮن ﻳﻮ ﻣﺎن وﻳﺘﻨﻲ در ﺑﺎره ﻣﻘﺎﻳﺴﻪ رﺿﺎﻳﺖ ﻣﺸﺘﺮﻳﺎن ﺑﻪ ﺗﻔﻜﻴﻚ ﺟﻨﺲ‪187 ...‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(63‬ﻧﺘﺎﻳﺞ آزﻣﻮن وﻳﻠﻜﺎﻛﺴﻮن در زﻣﻴﻨﻪ ﻣﻘﺎﻳﺴﻪ ﮔﺮاﻳﺶ ﺟﻮاﻧﺎن ﺑﻪ ﻣﻮﺳﻴﻘﻲ ﻛﻼﺳـﻴﻚ‬
‫و رپ ‪189.......................................................................................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(64‬ﻧﺘﺎﻳﺞ آزﻣﻮن ﻛﺮاﺳﻜﺎل‪-‬واﻟﻴﺲ در زﻣﻴﻨﻪ ﻣﻘﺎﻳﺴﻪ ارزﻳﺎﺑﻲ ﮔﺮوه ﻫﺎي ﺳﻨﻲ ﻣﺨﺘﻠﻒ‬
‫از ﻣﻮﺳﻴﻘﻲ ﻛﻼﺳﻴﻚ ‪190 ...............................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(65‬ﻧﺘﺎﻳﺞ آزﻣﻮن ﻓﺮﻳﺪﻣﻦ در زﻣﻴﻨﻪ ﻣﻘﺎﻳﺴﻪ رﺿﺎﻳﺖ ﻣﺸﺘﺮﻳﺎن از ﻗﻴﻤﺖ و ﺗﻨﻮع ﻛﺎﻻ و‬
‫ﺧﺪﻣﺎت ﻳﻚ ﻓﺮوﺷﮕﺎه ‪192 .............................................................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(66‬ﻣﻌﺮﻓﻲ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ و واﺑﺴﺘﻪ و روش ﺑﻜﺎرﮔﺮﻓﺘﻪ ﺷﺪه در اﻧﺠﺎم رﮔﺮﺳﻴﻮن ‪201‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(67‬ﺿﺮاﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ و ﺗﻌﻴﻴﻦ در ﮔﺎﻣﻬﺎي ﻣﺨﺘﻠﻒ‪202 ......................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(68‬ﻧﺘﺎﻳﺞ آزﻣﻮن ﻣﻌﻨﺎداري رﮔﺮﺳﻴﻮن در ﮔﺎم ﻫﺎي ﻣﺨﺘﻠﻒ ‪203 ..............................‬‬
‫ﺟﺪول ﺷﻤﺎره)‪ :(69‬ﻣﺘﻐﻴﺮﻫﺎي وارد ﺷﺪه در ﻣﻌﺎدﻟﻪ رﮔﺮﺳﻴﻮن و ﺿﺮاﻳﺐ ﺗﺎﺛﻴﺮ آﻧﻬﺎ در ﮔﺎﻣﻬﺎي ﻣﺨﺘﻠﻒ‪204‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(70‬ﻣﺘﻐﻴﺮﻫﺎي ﺧﺎرج ﺷﺪه از ﻣﻌﺎدﻟﻪ رﮔﺮﺳﻴﻮن ‪205.............................................................‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(71‬آﻣﺎرهﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﺑﺎﻗﻴﻤﺎﻧﺪهﻫﺎ ‪206..............................................................................‬‬
 ‫ﻣﻘﺪﻣﻪ‬
‫اﻣﺮوزه از ﭘﮋوﻫﺶ ﺑـﻪ ﻋﻨـﻮان ﻛﻠﻴـﺪ ﺗﻮﺳـﻌﻪ در ﻛﺸـﻮر ﻳـﺎد ﻣـﻲﺷـﻮد و ﮔـﺮاﻳﺶ ﺑـﻪ آن در‬
‫ﻋﺮﺻﻪﻫﺎي ﻣﺨﺘﻠﻒ‪ ،‬ﺑﻪ وﻳـﮋه در ﻗﻠﻤـﺮو ﻣﺴـﺎﺋﻞ ﻓﺮﻫﻨﮕـﻲ و اﺟﺘﻤـﺎﻋﻲ روﻧـﺪي ﺻـﻌﻮدي دارد‪.‬‬
‫ﭘﮋوﻫﺸﮕﺮان اﻳﻦ ﺣﻮزه ﺑﻪ ﺧﻮﺑﻲ ﺑﻪ اﻳﻦ ﻧﻜﺘﻪ واﻗﻒ اﻧﺪ ﻛﻪ اﻧﺠﺎم ﺗﺤﻘﻴﻘﺎت ﻛﻤ‪‬ﻲ در اﻛﺜـﺮ ﻣـﻮارد‬
‫ﺑﺪون اﺳﺘﻔﺎده از ﻧﺮماﻓﺰارﻫﺎي ﺗﺨﺼﺼﻲ اﻣﻜـﺎن ﭘـﺬﻳﺮ ﻧﻴﺴـﺖ‪ .‬ﻳﻜـﻲ از ﻣﻬﻤﺘـﺮﻳﻦ ﻧـﺮماﻓﺰارﻫـﺎي‬
‫ﺗﺨﺼﺼﻲ ﻛﻪ ﻋﻤﺪﺗﺎ در ﺗﺤﻘﻴﻘﺎت ﻛﻤ‪‬ﻲ از آن اﺳﺘﻔﺎده ﻣﻲﺷﻮد‪ ،‬ﻧﺮماﻓﺰار‪ SPSS 1‬اﺳﺖ‪.2‬‬
‫ﺗﺎ ﻛﻨﻮن ﻛﺘﺎبﻫﺎي ﻣﺘﻌﺪدي در ارﺗﺒﺎط ﺑﺎ ﻧﺤﻮه اﺳﺘﻔﺎده از ﻧﺮماﻓﺰار ‪ SPSS‬ﻧﻮﺷﺘﻪ ﺷﺪه اﺳﺖ‪.‬‬
‫وﺟﻪ ﺗﻤﺎﻳﺰ اﺻﻠﻲ و ﺑﺴﻴﺎر ﻣﻬﻢ ﻛﺘﺎب ﺣﺎﺿﺮ ﺑﺎ اﻛﺜﺮﻳﺖ ﻗﺮﻳﺐ ﺑﻪ اﺗﻔﺎق ﻛﺘﺎبﻫﺎي ﻳـﺎد ﺷـﺪه‪ ،‬در‬
‫ﻣﺤﻮرﻳﺖ آﻣﻮزﺷﻲ و ﭘﮋوﻫﺸﻲ ﻛﺘﺎب ﺣﺎﺿﺮ و ﺗﻠﻔﻴﻖ روش ﺗﺤﻘﻴﻖ‪ ،‬آﻣـﺎر و ‪ SPSS‬ﺑـﺎ ﻳﻜـﺪﻳﮕﺮ‬
‫اﺳﺖ‪ .‬ﻧﻮﻳﺴﻨﺪﮔﺎن اﻳﻦ ﻛﺘﺎب ﺑﺎ ﺗﺠﺮﺑﻪ ﺣﺎﺻﻞ از ﺳﺎلﻫﺎ ﺗﺪرﻳﺲ ‪ SPSS‬و ﺗﺠﺰﻳﻪوﺗﺤﻠﻴﻞ ﺗﻌـﺪاد‬
‫زﻳﺎدي ﺗﺤﻘﻴﻖ و ﭘﺎﻳﺎنﻧﺎﻣﻪ‪ ،‬ﺳﻌﻲ ﻛﺮده اﻧـﺪ از ﻃﺮﻳـﻖ اراﺋـﻪي ﻣﺜـﺎلﻫـﺎي ﻣﺘﻌـﺪد در ﺑﺨـﺶﻫـﺎي‬
‫ﻣﺨﺘﻠﻒ‪ ،‬ﻧﻤﻮﻧﻪﻫﺎي ﻣﺘﻨﻮﻋﻲ از ﺗﻔﺴﻴﺮﻫﺎي آﻣﺎري را ﺑﻪ ﺧﻮاﻧﻨﺪﮔﺎن اراﺋﻪ دﻫﻨﺪ‪.‬‬
‫اﺳﺘﻔﺎده از اﻳﻦ ﻧﺮماﻓﺰار ﻧﻴﺎزﻣﻨﺪ ﺗﺴﻠﻂ ﻧﺴﺒﻲ در ﺑﺮﺧﻲ زﻣﻴﻨﻪﻫﺎﺳﺖ ﻛﻪ از آن ﺟﻤﻠﻪ ﻣﻲﺗﻮان ﺑﻪ‬
‫ﻣﻬﺎرت در اﭘﺮاﺗﻮري ﺳﻴﺴﺘﻢ ﻋﺎﻣﻞ وﻳﻨﺪوز‪ ،‬آﺷﻨﺎﻳﻲ ﻛﺎﻓﻲ ﺑﺎ روشﻫﺎي آﻣﺎري در ﻋﻠﻮم اﻧﺴـﺎﻧﻲ و‬
‫اﺟﺘﻤﺎﻋﻲ و ﻧﻴﺰ ﺗﻮاﻧﻤﻨﺪي در روش ﺗﺤﻘﻴﻖ در اﻳﻦ ﻋﻠﻮم اﺳﺖ‪ .‬ﺑﺎ اﻳﻦﺣﺎل ﻛﺘﺎب ﺣﺎﺿﺮ ﺑﻪ ﺳﺒﻜﻲ‬
‫ﻧﻮﺷﺘﻪ ﺷﺪه اﺳﺖ ﻛﻪ ﺗﺎ ﺣﺪ‪‬ي ﺧﻼء داﻧﺸﻲ و ﻣﻬﺎرﺗﻲ داﻧﺸﺠﻮﻳﺎن در ﺑﺮﺧﻲ از زﻣﻴﻨﻪﻫﺎي ﻓـﻮق را‬
‫ﻣﻲﺗﻮاﻧﺪ ﺟﺒﺮان ﻛﻨﺪ‪.‬‬
‫اﻳﻦ ﻛﺘﺎب ﺷﺎﻣﻞ ﭼﻬﺎر ﺑﺨﺶ اﺳﺖ‪.‬ﺑﺨﺶ اول ﻋﻼوه ﺑﺮ ﻣﻌﺮﻓﻲ اﻳﻦ ﻧـﺮماﻓـﺰار و آﺷـﻨﺎﻳﻲ ﺑـﺎ‬
‫ﺳﺎﺧﺘﺎر ﻓﺎﻳﻞ دادهﻫﺎ و ﻛﺪﮔﺬاري‪ ،‬ﺑﻪ ﺳﻪ ﻓﺮآﻳﻨﺪ ﻣﻬﻢ وﻳﺮاﻳﺶ‪ ،‬دﺳﺘﻪﺑﻨﺪي و ﺷﺎﺧﺺ ﺳﺎزي داده‪-‬‬
‫ﻫﺎ ﭘﺮداﺧﺘﻪ اﺳﺖ‪.‬رﻛﻦ اﺻﻠﻲ ﺑﺨﺶ دوم ﻛﺘﺎب ‪ ،‬ﺑﻴﺎن روشﻫﺎي آﻣﺎر ﺗﻮﺻﻴﻔﻲ ﺑﻪ ﻛﻤﻚ ﻧﺮماﻓـﺰار‬
‫‪ SPSS‬و ﺗﻔﺴﻴﺮ ﺧﺮوﺟﻲﻫﺎي آن اﺳﺖ و ﺑﺨﺶ ﺳﻮم و ﭼﻬﺎرم ﻛﺘﺎب ﺑﻪ ﻧﺤﻮهي اﺳﺘﻔﺎده از اﻳﻦ‬
‫ﻧﺮماﻓﺰار در روشﻫﺎي آﻣﺎر اﺳﺘﻨﺒﺎﻃﻲ و ﺗﻔﺴﻴﺮ ﺧﺮوﺟﻲﻫـﺎي آن اﺧﺘﺼـﺎص دارد‪ .‬ﻻزم ﺑـﻪ ذﻛـﺮ‬
‫اﺳﺖ ﻛﻪ ﺗﺼﺎوﻳﺮ اﻳﻦ ﻛﺘﺎب اﮔﺮ ﭼﻪ ﺑﺮاﺳﺎس ﻧﺴﺨﻪي ﻫﻔﺪه ﻧﺮماﻓﺰار ‪ SPSS‬ﺗﻨﻈﻴﻢ ﺷـﺪه اﺳـﺖ‬

‫‪1- Statistical Package for Social Sciences‬‬

‫‪ -2‬ﻻزم ﺑﻪ ذﻛﺮ اﺳﺖ ﻛﻪ ﻛﺎرﺑﺮد ﻛﺎﻣﭙﻴﻮﺗﺮ در ﭘﮋوﻫﺶ ﻣﻨﺤﺼﺮ ﺑﻪ ‪ spss‬ﻧﻴﺴﺖ‪ .‬ﭼﻪ ﻧﺮم اﻓﺰارﻫﺎي ﻣﻬﻢ دﻳﮕـﺮي ﻧﻴـﺰ‬
‫وﺟﻮد دارد ﻛﻪ ﻣﺘﻨﺎﺳﺐ ﺑﺎ ﻧﻮع ﻧﻴﺎزﻫﺎ ﻣﻲﺗـﻮان از آن اﺳـﺘﻔﺎده ﻧﻤـﻮد‪ .‬ﻧﻈﻴـﺮ ﻧـﺮماﻓـﺰار‪ NCCS‬ﺑـﺮاي ﻧﻤﻮﻧـﻪﮔﻴـﺮي‪،‬‬
‫‪ LISREL‬ﺑﺮاي ارزﻳﺎﺑﻲ ﻣﻌﺎدﻻت ﺳﺎﺧﺘﺎري ‪ SAS, MINITAB‬و ‪ R‬ﺑﺮاي اﻧﺠﺎم ﺗﺠﺰﻳﻪوﺗﺤﻠﻴﻞﻫﺎي آﻣﺎري‪.‬‬
‫وﻟﻲ ﺑﺮاي ﺧﻮاﻧﻨﺪﮔﺎﻧﻲ ﻧﻴﺰ ﻛﻪ از ﻧﺴﺨﻪﻫﺎي ﻗﺒﻠﻲ اﻳﻦ ﻧﺮم اﻓﺰار )ﻧﺴﺨﻪ ده و ﺑﻌـﺪ از آن( اﺳـﺘﻔﺎده‬
‫ﻣﻲﻛﻨﻨﺪ‪ ،‬ﻣﻲﺗﻮاﻧﺪ ﻣﻔﻴﺪ ﺑﺎﺷﺪ‪.‬‬
‫در ﭘﺎﻳﺎن ﺑﺮﺧﻮد ﻻزم ﻣﻲداﻧﻴﻢ ﻛﻪ از ﺧﺎﻧﻢﻫﺎ ﻣﺮﻳﻢ ﻓﺮداﻧﻴﺎن‪ ،‬ﻧﺪا رﺿﻮيزاده و ﻣـﺮﻳﻢ اﺳـﻜﺎﻓﻲ‬
‫ﻛﻪ زﺣﻤﺖ ﺑﺎزﺧﻮاﻧﻲ ﻣﺘﻦ را ﺑﺮ ﻋﻬﺪه داﺷﺘﻨﺪ و ﺑﺎ ﭘﻴﺸﻨﻬﺎدﻫﺎي ارزﺷﻤﻨﺪ ﺧﻮد ﺑﻪ ﻏﻨﺎي اﻳﻦ ﻛﺘﺎب‬
‫اﻓﺰودﻧﺪ‪ ،‬ﺻﻤﻴﻤﺎﻧﻪ ﺗﺸﻜﺮ و ﻗﺪرداﻧﻲ ﻛﻨﻴﻢ‪.‬‬

‫ﺣﻴﺪري ﭼﺮوده‪-1‬‬
‫‪2‬‬
‫ﻓﺮوغزاده‬
‫ﺗﺎﺑﺴﺘﺎن ‪1389‬‬

‫‪ -1‬ﻣﺠﻴﺪ ﺣﻴﺪري ﭼﺮوده ﭘﺰوﻫﺸﮕﺮ ﮔﺮوه ﻋﻠﻮم اﺟﺘﻤﺎﻋﻲ ﺟﻬﺎدداﻧﺸﮕﺎﻫﻲ ﻣﺸﻬﺪ و ﻣﺪرس داﻧﺸﮕﺎهﻫـﺎي ﭘﻴـﺎم‬
‫ﻧﻮر و آزاد اﺳﻼﻣﻲ واﺣﺪ ﻣﺸﻬﺪ اﺳﺖ‪.‬‬
‫‪ -2‬ﺳﻴﻤﻴﻦ ﻓﺮوغزاده ﻋﻀﻮ ﻫﻴﺎت ﻋﻠﻤﻲ ﮔﺮوه ﻋﻠﻮم اﺟﺘﻤﺎﻋﻲ ﺟﻬﺎد داﻧﺸﮕﺎﻫﻲ ﻣﺸﻬﺪ و ﻣﺪرس داﻧﺸـﮕﺎهﻫـﺎي‬
‫ﭘﻴﺎم ﻧﻮر و اﻣﺎم ﺣﺴﻴﻦ ﻣﺸﻬﺪ اﺳﺖ‬
‫ﺑﺨﺶ اول‬

‫ﻣﻘﺪﻣﺎت‬
 ‫درس اول‬

‫ﻣﻌﺮﻓﻲ ﺑﺮﻧﺎﻣﻪ ‪SPSS‬‬

‫در اﻳﻦ درس اﻧﺘﻈﺎر ﻣﻲرود داﻧﺸﺠﻮ‬

‫‪ -1‬ﻧﺤﻮهي راهاﻧﺪازي ﺑﺮﻧﺎﻣﻪ ‪ spss‬را ﺑﺪاﻧﺪ‪.‬‬
‫‪ -2‬ﻛﺎرﺑﺮگ دادهﻫﺎ را ﺑﺸﻨﺎﺳﺪ و ﻣﺸﺨﺼﺎت آن را ﺑﺪاﻧﺪ‪.‬‬
‫‪ -3‬ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ را ﺑﺸﻨﺎﺳﺪ و وﻳﮋﮔﻲﻫﺎي دهﮔﺎﻧﻪ ﻫﺮ ﻣﺘﻐﻴﺮ را ﺑﺪاﻧﺪ‪.‬‬
‫‪ -4‬ﺑﺘﻮاﻧﺪ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻳﻚ ﭘﺮﺳﺸﻨﺎﻣﻪ را ﺑﻄﻮر ﻛﺎﻣﻞ در ﺑﺮﻧﺎﻣﻪ ‪ spss‬ﺗﻌﺮﻳﻒ ﻛﻨﺪ‪.‬‬
‫‪ -5‬ﻧﺤﻮه ﻓﺮاﺧﻮاﻧﻲ و ﺿﺒﻂ ﻓﺎﻳﻞﻫﺎي ‪ spss‬را ﺑﺪاﻧﺪ‪.‬‬
 ‫‪  22‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -1‬ﻣﻘﺪﻣﻪ‬
‫اﻳﻦ ﻧﺮماﻓﺰار ﺑﻪ ﮔﻮﻧﻪاي ﻃﺮاﺣﻲ ﺷﺪه اﺳﺖ ﻛﻪ ﻣﺘﺨﺼﺼﻴﻦ رﺷﺘﻪﻫﺎي ﻣﺨﺘﻠﻒ ﻣﻲﺗﻮاﻧﻨﺪ از آن‬
‫اﺳﺘﻔﺎده ﻛﻨﻨﺪ‪ .‬ﮔﺴﺘﺮدﮔﻲ و ﭘﻴﭽﻴﺪﮔﻲ آن‪ ،‬ﺑﻪ اﻧﺪازهاي اﺳﺖ ﻛﻪ ﻛﻤﺘﺮ ﻛﺴﻲ ﻣﻲﺗﻮاﻧﺪ ادﻋﺎي ﺗﺴـﻠﻂ‬
‫ﺑﺮ ﺗﻤﺎﻣﻲ اﺑﻌﺎد و ﺟﻮاﻧﺐ آن را داﺷﺘﻪ ﺑﺎﺷـﺪ‪ .‬در اﻳـﻦ درس ﺑـﺮاي ﭘﻴﺸـﮕﻴﺮي از ﺗـﺄﺛﻴﺮات ﻣﻨﻔـﻲ‬
‫ﭘﻴﭽﻴﺪﮔﻲ و ﮔﺴﺘﺮدﮔﻲ ﻓﻮق ﺑﺮ ذﻫﻦ و اﻧﺪﻳﺸﻪ داﻧﺸﺠﻮي ﻣﺒﺘﺪي‪ ،‬ﺑﻪ ﻣﻌﺮﻓﻲ ﻣﺨﺘﺼﺮ و ﻣﻔﻴـﺪ اﻳـﻦ‬
‫ﺑﺮﻧﺎﻣﻪ و ﻛﺎرﺑﺮگﻫﺎي آن ﭘﺮداﺧﺘﻪ و ﺑﺎ ﺳﺎﺧﺘﺎر ﻓﺎﻳﻞ داده در اﻳﻦ ﻧﺮماﻓﺰار آﺷﻨﺎ ﻣﻲ ﺷﻮﻳﺪ‪.‬‬
‫‪2‬‬
‫‪ -2‬راهاﻧﺪازي‪ 1‬ﺑﺮﻧﺎﻣﻪ ‪SPSS‬‬
‫آﺳﺎنﺗﺮﻳﻦ روش ﺑﺮاي راهاﻧﺪازي ‪ SPSS‬ﺗﺤﺖ وﻳﻨﺪوز‪ ،‬ﻛﻠﻴـﻚ ﺑـﺮ روي دﻛﻤـﻪي ‪ Start‬و‬
‫ﺟﺴﺘﺠﻮ در ﺑﺮﻧﺎﻣﻪﻫﺎي زﻳﺮﺷﺎﺧﻪي ‪ All Programs‬اﺳﺖ‪ .‬ﺑﺮاي ﺷﺮوع ﻛﺎر‪ ،‬ﻫﻤﺎﻧﻨﺪ ﺷﻜﻞ زﻳـﺮ‬
‫روي ﺑﺮﻧﺎﻣﻪ ‪ 3SPSS for Windows‬در ﭘﻮﺷﻪ ‪ SPSS‬ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (1‬ﭼﮕﻮﻧﮕﻲ راه اﻧﺪازي ﺑﺮﻧﺎﻣﻪ ‪spss‬‬

‫آﻳﻜﻮن ﺑﺮﻧﺎﻣﻪ در ﻧﺴﺨﻪ ﺷﺎﻧﺰده‬

‫آﻳﻜﻮن ﺑﺮﻧﺎﻣﻪ در ﻧﺴﺨﻪ ﻫﻔﺪه‬

‫‪ -1‬ﺑﺮﺧﻲ از اﺷﻜﺎﻻت راﻳﺠﻲ ﻛﻪ در ﻫﻨﮕﺎم ﻧﺼﺐ ﺑﺮﻧﺎﻣﻪ ‪ SPSS‬ﻳﺎ ﺑﻌﺪ از ﻧﺼﺐ آن ﭘﻴﺶ ﻣﻲآﻳﺪ در ﺿﻤﻴﻤﻪ ﺷﻤﺎره‬
‫ﻳﻚ ﺗﻮﺿﻴﺢ داده ﺷﺪه اﺳﺖ‪ .‬ﺗﻮﺻﻴﻪ ﻣﻲﺷﻮد اﺑﺘﺪا آن را ﺑﺨﻮاﻧﻴﺪ‪.‬‬
‫‪ -2‬دﺳﺘﻮراﺗﻲ ﻛﻪ در اداﻣﻪ ﺑﺮاي راهاﻧﺪازي ‪ SPSS‬ذﻛﺮ ﻣﻲﺷﻮد ﺑﺮاي ﺳﻴﺴﺘﻢ ﻋﺎﻣﻞ ‪ Windows‬ﺑﻜﺎر ﻣﻲرود‪ .‬اﮔﺮ‬
‫‪ SPSS‬را در ﺳﻴﺴﺘﻢ دﻳﮕﺮي راهاﻧﺪازي ﻛﻨﻴﺪ‪ ،‬دﺳﺘﻮرات ﻣﻤﻜﻦ اﺳﺖ ﻣﺘﻔﺎوت ﺑﺎﺷﻨﺪ‪.‬‬
‫‪ -3‬ﻋﻨﻮان ﺑﺮﻧﺎﻣﻪ و ﭘﻮﺷﻪي ‪ SPSS‬در ﻧﺴﺨﻪﻫﺎي ﻣﺨﺘﻠﻒ آن اﻧﺪﻛﻲ ﺑﺎ ﻫﻢ ﺗﻔﺎوت دارد ﻛﻪ ﺑﺎ ﻗﺪري ﺗﺄﻣ‪‬ﻞ ﺑﻪ راﺣﺘﻲ‬
‫ﻗﺎﺑﻞ ﺷﻨﺎﺳﺎﻳﻲ اﺳﺖ‪.‬‬
‫ﻣﻌﺮﻓﻲ و راهاﻧﺪازي ﺑﺮﻧﺎﻣﻪ ‪23  SPSS‬‬

‫‪ -3‬ﻛﺎرﺑﺮگﻫﺎ‬
‫ﺑﺎ اﺟﺮاي ﺑﺮﻧﺎﻣﻪ ‪ SPSS‬ﺑﺎ ﺷﻜﻞ )‪ (2‬ﻣﻮاﺟﻪ ﻣﻲﺷﻮﻳﺪ‪ .‬ﻫﻤـﺎﻧﻄﻮر ﻛـﻪ ﻣﻼﺣﻈـﻪ ﻣـﻲﺷـﻮد در‬
‫ﮔﻮﺷﻪي ﺳﻤﺖ ﭼﭗ و ﭘﺎﻳﻴﻦ ﺻﻔﺤﻪي اوﻟﻴﻪي ‪ ، SPSS‬دو ﻛﺎرﺑﺮگ وﺟﻮد دارد ﻛﻪ ﻋﺒﺎرت اﺳﺖ‬
‫از‪ :‬ﻛﺎرﺑﺮگ دادهﻫﺎ )‪ (Data View‬و ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ )‪ .(Variable view‬ﺑﺎ ﻛﻠﻴﻚ ﺑـﺮ روي‬
‫ﻋﻨﻮان ﻫﺮ ﻳﻚ از اﻳﻦ دو ﻛﺎرﺑﺮگ ﻣﻲﺗﻮاﻧﻴﺪ آﻧﻬﺎ را ﻓﻌﺎل ﻛﺮده و ﺑﻴﻦ آﻧﻬﺎ رﻓﺖ و ﺑﺮﮔﺸﺖ داﺷـﺘﻪ‬
‫ﺑﺎﺷﻴﺪ‪ .‬روﺷﻦ ﺑﻮدن ﻋﻨﻮان ﻫﺮ ﻛﺎرﺑﺮگ‪ ،‬ﻧﺸﺎﻧﻪ ﻓﻌﺎل ﺑﻮدن آن اﺳﺖ‪.‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (2‬ﻣﻌﺮﻓﻲ ﺑﺮﻧﺎﻣﻪ ‪) spss‬ﻛﺎرﺑﺮگ دادهﻫﺎ ‪(Data View‬‬

‫ﻫﺮ ﺳﻄﺮ ﺑﻴﺎﻧﮕﺮ ﻳﻚ ﻣﻮرد )‪ (case‬اﺳﺖ‬ ‫ﻫﺮ ﺳﺘﻮن ﺑﻴﺎﻧﮕﺮ ﻳﻚ ﻣﺘﻐﻴﺮاﺳﺖ‬

‫ﺧﺎﻧﻪ‬

‫ﻛﺎرﺑﺮگ داده ﻫﺎ ﻛﻪ ﻓﻌﺎل اﺳﺖ‬

‫ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ ﻛﻪ ﻏﻴﺮ ﻓﻌﺎل اﺳﺖ‬

‫ﻛﺎرﺑﺮگ دادهﻫﺎ )‪ ،(Data View‬ﻣﺠﻤﻮﻋﻪاي از ردﻳﻒﻫﺎ و ﺳﺘﻮنﻫﺎ اﺳﺖ ﻛﻪ در ﻫﺮ ردﻳﻒ‬

‫آن‪ ،‬ﻳﻚ ﻣـﻮرد )‪ (Case‬و در ﻫـﺮ ﺳـﺘﻮن آن‪ ،‬ﻳـﻚ ﻣﺘﻐﻴـﺮ)‪ (Variable‬وﺟـﻮد دارد‪Case.‬ﻫـﺎ‬
‫واﺣﺪﻫﺎﻳﻲ ﻫﺴﺘﻨﺪ ﻛﻪ ﺗﺤﻘﻴﻖ در ﺑﺎره ي آﻧﻬﺎ اﻧﺠﺎم ﻣﻲﺷﻮد و ﻣﺘﻐﻴﺮﻫﺎي ﺗﺤﻘﻴﻖ ﺑﻪ آﻧﻬﺎ ﻧﺴﺒﺖ داده‬
‫ﻣﻲﺷﻮد‪ .‬ﺑﺪﻳﻬﻲ اﺳﺖ ﻛﻪ ﻳﻚ ‪ case‬اﻟﺰاﻣﺎً ﻳﻚ ﺷﺨﺺ ﻧﻴﺴﺖ‪ .‬ﻣﺜﻼً اﮔـﺮ روي ﻛﺘـﺎبﻫـﺎ ﻣﻄﺎﻟﻌـﻪ‬
‫ﻣﻲﻛﻨﻴﺪ‪ ،‬ﻫﺮ ﻣﻮرد ﻳﺎ ‪ case‬ﻛﻪ در ردﻳﻒﻫﺎي ﭘﻨﺠﺮه ﻛﺎرﺑﺮگ دادهﻫﺎ ﻗﺮار ﻣـﻲﮔﻴـﺮد‪ ،‬ﻳـﻚ ﻛﺘـﺎب‬
‫اﺳﺖ‪ .‬اﮔﺮ ﺑﺮ روي ﻗﻴﻤﺖ ﻓﺮشﻫﺎ ﻣﻄﺎﻟﻌﻪ ﻣﻲﻛﻨﻴﺪ‪ ،‬ﻫﺮ ﻓﺮش ﻳﻚ ﻣﻮرد ﺑﻪ ﺣﺴﺎب ﻣﻲآﻳﺪ‪ .‬ﺑﻨﺎﺑﺮاﻳﻦ‬
‫ﻣﻮرد‪ ،‬واﺣﺪي اﺳﺖ ﻛﻪ اﻧﺪازهﮔﻴﺮيﻫﺎ ﺑﺮ روي آن اﻧﺠﺎم ﻣﻲﺷﻮد‪ .‬ﻻزم ﺑﻪ ذﻛـﺮ اﺳـﺖ ﻛـﻪ ﻣﺤـﻞ‬
‫ﺗﻼﻗﻲ ﺳﺘﻮن و ردﻳﻒ‪ ،‬ﺧﺎﻧﻪ ﻧﺎﻣﻴﺪه ﻣﻲﺷﻮد‪.‬‬
 ‫‪  24‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺷﻜﻞ زﻳﺮ ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ )‪(Variable view‬را ﻧﺸﺎن ﻣﻲدﻫﺪ‪ .‬در اﻳﻦ ﻛﺎرﺑﺮگ‪ ،‬ﺳﻄﺮﻫﺎ‬
‫ﺑﻴﺎﻧﮕﺮ ﻣﺘﻐﻴﺮﻫﺎ و ﺳﺘﻮنﻫﺎ ﻧﺸﺎﻧﮕﺮ وﻳﮋﮔﻲﻫﺎي ﻣﺘﻐﻴﺮ)ﻣﺜﻞ ﻧﺎم ﻣﺘﻐﻴﺮ‪ ،‬ﻧﻮع ﻣﺘﻐﻴﺮ‪ ،‬ﺑﺮﭼﺴﺐ ﻣﺘﻐﻴﺮ‬
‫و‪ (...‬اﺳﺖ‪.‬‬
‫ﺑﺮاي ﺗﻌﺮﻳﻒ و ﺷﻨﺎﺳﺎﻧﺪن ﻳﻚ ﻣﺘﻐﻴﺮ ﺑﻪ ﻧﺮماﻓﺰار ‪ ،SPSS‬ﺑﺎﻳﺪ ده وﻳﮋﮔﻲ را در اﻳﻦ ﻛﺎرﺑﺮگ‬
‫ﺑﺮاي ﻫﺮ ﻣﺘﻐﻴﺮ ﺗﻌﺮﻳﻒ ﻛﺮد ﻛﻪ در اداﻣﻪ ﺑﻪ ﺗﺸﺮﻳﺢ آﻧﻬﺎ ﻣﻲﭘﺮدازﻳﻢ‪.‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (3‬ﻣﻌﺮﻓﻲ ﺑﺮﻧﺎﻣﻪ ‪ spss‬ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ )‪(Variable view‬‬

‫ﻫﺮ ﺳﺘﻮن ﺑﻴﺎﻧﮕﺮ ﻳﻚ وﻳﮋﮔﻲ از ﻫﺮ ﻣﺘﻐﻴﺮاﺳﺖ‬

‫ﻫﺮ ﺳﻄﺮ ﺑﻴﺎﻧﮕﺮ ﻳﻚ ﻣﺘﻐﻴﺮ اﺳﺖ‬

‫ﻛﺎرﺑﺮگ دادهﻫﺎ ﻛﻪ ﻏﻴﺮ ﻓﻌﺎل اﺳﺖ‬ ‫ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ ﻛﻪ ﻓﻌﺎل اﺳﺖ‬

‫‪ -4‬ﺗﻌﺮﻳﻒ ﻣﺘﻐﻴﺮﻫﺎ‬
‫ﺗﻌﺮﻳﻒ ﻣﺘﻐﻴﺮﻫﺎ ﻛﺎري اﺳﺖ ﻛﻪ ﺑﺎﻳﺪ در ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ اﻧﺠﺎم ﺷﻮد‪ .‬ﺑﺮاي ﺗﻌﺮﻳﻒ ﻛﺎﻣﻞ ﻳـﻚ‬
‫ﻣﺘﻐﻴﺮ ﺑﺎﻳﺪ وﻳﮋﮔﻲﻫﺎي آن را ﺑﻪ ﺷﺮح زﻳﺮ ﻣﺸﺨﺺ ﻧﻤﺎﻳﻴﺪ‪.‬‬
‫‪ ‬ﻧﺎم ﻣﺘﻐﻴﺮ)‪:(Name‬‬
‫در اﻳﻦ ﮔﺰﻳﻨﻪ ﺑﺎﻳﺪ ﻧﺎم ﻣﺘﻐﻴﺮﻫﺎي ﺗﺤﻘﻴﻖ ﺧﻮد را ﺑﻨﻮﻳﺴﻴﺪ‪ .‬ﺗﻮﺻﻴﻪ ﻣﻲﺷﻮد‪:‬‬
‫‪ ‬ﻧﺎم ﻣﺘﻐﻴﺮ ﻣﺨﺘﺼﺮ و ﻣﺘﻨﺎﺳﺐ ﺑﺎ ﺷﻤﺎره ﺳﺆال ﻣﺘﻨﺎﻇﺮ در ﭘﺮﺳﺸﻨﺎﻣﻪ ﺑﺎﺷﺪ‪ .‬ﻣﺜﻼً ﺳﺆال‪4‬‬
‫ﭘﺮﺳﺸﻨﺎﻣﻪ ﺑﻬﺘﺮ اﺳﺖ ﻧﺎم ‪ X4‬ﺗﻌﺮﻳﻒ ﺷﻮد و ﭼﻨﺎﻧﭽﻪ ﺳﺆال ‪ 5‬ﭘﺮﺳﺸﻨﺎﻣﻪ ﺧﻮد ﺷﺎﻣﻞ دو ﺳﺆال‬
‫ﻓﺮﻋﻲ ﺑﺎﺷﺪ‪ ،‬ﺑﻬﺘﺮ اﺳﺖ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺮﺑﻮﻃﻪ ﺑﻪ ﻧﺎمﻫﺎي‪ X5.1‬و ‪ X5.2‬ﺗﻌﺮﻳﻒ ﺷﻮد‪ .‬ﺗﻨﺎﻇﺮ ﻧﺎم‬
‫ﻣﺘﻐﻴﺮ ﺑﺎ ﺷﻤﺎره ﺳﺆال ﭘﺮﺳﺸﻨﺎﻣﻪ ﻣﻮﺟﺐ ﺗﺴﻬﻴﻞ و ﺗﺴﺮﻳﻊ در ﻓﺮآﻳﻨﺪ ورود‪ ،‬ﺧﻮاﻧﺪن و وﻳﺮاﻳﺶ‬
‫دادهﻫﺎ ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬
‫ﻣﻌﺮﻓﻲ و راهاﻧﺪازي ﺑﺮﻧﺎﻣﻪ ‪25  SPSS‬‬

‫‪ ‬از ﻓﺎرﺳﻲﻧﻮﻳﺴﻲ ﻧﺎم ﻣﺘﻐﻴﺮﻫﺎ ﺧﻮدداري ﺷﻮد‪ .‬ﭼﻮن ﻓﺎرﺳﻲ ﻧﻮﻳﺴﻲ ﻧﺎم ﻣﺘﻐﻴﺮ‪ ،‬ﻋﻤﻠﻴﺎت‬
‫اﺳﺘﻔﺎده از دﺳﺘﻮرﻧﻮﻳﺴﻲ ﺑﻪ ﺷﻴﻮه دﺳﺘﻲ در ﻓﺎﻳﻞ‪ Syntax 1‬را ﺑﺎ دﺷﻮاري ﻣﻮاﺟﻪ ﻣﻲﺳﺎزد‪.‬‬
‫‪ ‬ﻳﻚ ﻣﺘﻐﻴﺮ ﺑﻪ ﻋﻨﻮان ﺷﻤﺎره ردﻳﻒ ﭘﺮﺳﺸﻨﺎﻣﻪ ﻳﺎ ﺳﻨﺪ در اﺑﺘﺪاي ﻫﺮ ﻓﺎﻳﻞ ﺑﻨﻮﻳﺴﻴﺪ و ﺑﻪ‬
‫ﺷﻤﺎره ردﻳﻒ ﺧﻮد ﻧﺮماﻓﺰار اﻛﺘﻔﺎ ﻧﻜﻨﻴﺪ‪ .‬ﻣﺰﻳﺖ ﻣﺘﻐﻴﺮ ﺷﻤﺎره ردﻳﻒ اﻳﻦ اﺳﺖ ﻛﻪ ﺷﻤﺎ ﺑﻮﺳﻴﻠﻪ آن‬
‫ﻣﻲﺗﻮاﻧﻴﺪ دادهﻫﺎ را ﺑﻪ ﺷﻜﻞﻫﺎي ﻣﺨﺘﻠﻒ ﻣﺮﺗﺐ ﻛﻨﻴﺪ‪ .‬در ﺣﺎﻟﻴﻜﻪ ﺑﺎ ﺷﻤﺎره ردﻳﻒ ﭘﻴﺶﻓﺮض‬
‫ﻧﺮماﻓﺰار ‪ ،‬ﭼﻨﻴﻦ ﻛﺎري ﻋﻤﻠﻲ ﻧﻴﺴﺖ‪.‬‬
‫‪ ‬ﻧﻮع ﻣﺘﻐﻴﺮ )‪:(Type‬‬
‫در اﻳﻦ ﻗﺴﻤﺖ ﺑﺎﻳﺪ ﻧﻮع ﻣﺘﻐﻴﺮ را ﺑﺮاي ﻧﺮماﻓـﺰار ﻣﺸـﺨﺺ ﻛﻨﻴـﺪ‪ ،‬ﺑـﺮاي اﻳـﻦ ﻣﻨﻈـﻮر روي‬
‫دوﻣﻴﻦ ﺳﺘﻮن ﺟﺪول )‪ (type‬ﻛﻠﻴﻚ ﻛﻨﻴﺪ ﺗﺎ ﭘﻨﺠﺮهاي ﺑﻪ ﺷﻜﻞ زﻳﺮ ﻇﺎﻫﺮ ﮔﺮدد‪:‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (4‬ﺗﺼﻮﻳﺮ ﭘﻨﺠﺮه ‪type‬‬

‫در اﻳﻦ ﭘﻨﺠﺮه ﺷﻤﺎ ﻣﻲﺗﻮاﻧﻴﺪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺳﻄﺢ ﺳﻨﺠﺶ ﻣﺘﻐﻴﺮ در ﭘﺮﺳﺸﻨﺎﻣﻪ ﻳﻜﻲ از ﮔﺰﻳﻨـﻪﻫـﺎ‬
‫را اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪ .‬ﻣﻬﻤﺘﺮﻳﻦ اﻧﻮاع ﻣﺘﻐﻴﺮﻫﺎ ﻋﺒﺎرت اﻧﺪ از‪:‬‬

‫‪ :Numeric ‬اﻳﻦ ﮔﺰﻳﻨﻪ ﺑﺮاي دادهﻫﺎي ﻛﻤ‪‬ﻲ ﺑﻜﺎر ﻣﻲرود‪ .‬در اﻳﻦ ﮔﺰﻳﻨﻪ ﻣﻲﺗﻮاﻧﻴﺪ ﺗﻌﺪاد‬
‫ارﻗﺎم ﺻﺤﻴﺢ و اﻋﺸﺎر ﻣﺘﻐﻴﺮ ﺧﻮد را اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪ .‬ﭘﻴﺸﻨﻬﺎد ﻣﻲﺷﻮد از اﻳﻦ ﭘﻴﺶﻓﺮض ﺑﺮاي‬
‫ﻫﻤﻪي ﻣﺘﻐﻴﺮﻫﺎ اﺳﺘﻔﺎده ﺷﻮد‪.2‬‬

‫‪ Syntax -1‬ﭘﻨﺠﺮهاي ﺑﺮاي ﻧﻮﺷﺘﻦ ﻳﺎ ﺿﺒﻂ دﺳﺘﻮرات آﻣﺎري در ﻧﺮماﻓﺰار ‪ spss‬اﺳﺖ‪.‬‬

‫‪ -2‬اﻳﻦ ﺗﻮﺻﻴﻪ ﺑﻴﺸﺘﺮ ﺑﻪ اﻳﻦ دﻟﻴﻞ اﺳﺖ ﻛﻪ ﻧﺤﻮهي ﻛﺪﮔﺬاري اﻛﺜﺮﻳﺖ ﻗﺮﻳﺐ ﺑﻪ اﺗﻔﺎق ﻣﺘﻐﻴﺮﻫﺎ‪ ،‬در ﻏﺎﻟﺐ ﺗﺤﻘﻴﻘـﺎت‬
‫ﺑﻪ ﺻﻮرت ﻋﺪدي اﺳﺖ‪ .‬ﺑﺎ اﻳﻦ ﺣﺎل ﻣﻲﺗﻮان ﺑﺴﺘﻪ ﺑﻪ ﻧﻮع ﻣﺘﻐﻴﺮﻫﺎ از ﺳﺎﻳﺮ ﭘﻴﺶﻓﺮضﻫﺎ ﻧﻴﺰ اﺳﺘﻔﺎده ﻧﻤﻮد‪.‬‬
 ‫‪  26‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ :String ‬اﻳﻦ ﮔﺰﻳﻨﻪ ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎﻳﻲ اﻧﺘﺨﺎب ﻣﻲﺷﻮد ﻛﻪ اﻃﻼﻋﺎت آﻧﻬﺎ ﻏﻴﺮﻋﺪدي اﺳﺖ‬
‫)ﻳﻌﻨﻲ ﻗﺮار اﺳﺖ ﺑﻪ ﺟﺎي ﻋﺪد‪ ،‬ﺣﺮوف وارد ﻣﻲﺷﻮد(‪.‬ﺑﺮاي ﻣﺜﺎل اﮔﺮ ﺑﺮاي ورود اﻃﻼﻋﺎت‬
‫ﻣﺮﺑﻮط ﺑﻪ ﺟﻨﺴﻴﺖ اﻓﺮاد ﻧﻤﻮﻧﻪ‪ ،‬ﺑﻪ ﺟﺎي ﻛﺪﻫﺎي ‪ 1‬و ‪ 2‬از ‪ f‬و ‪ m‬اﺳﺘﻔﺎده ﻛﻨﻴﻢ‪ ،‬ﺑﺎﻳﺪ ﻧﻮع ﻣﺘﻐﻴﺮ‬
‫ﺧﻮد را ﺣﺮﻓﻲ )‪ (String‬اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪.‬‬
‫‪ :Dollar ‬اﻳﻦ ﮔﺰﻳﻨﻪ ﺑﺮاي آن دﺳﺘﻪ از دادهﻫﺎي ﻛﻤ‪‬ﻲ ﺑﻪ ﻛﺎر ﻣﻲرود ﻛﻪ واﺣﺪ اﻧﺪازهﮔﻴﺮي‬
‫آﻧﻬﺎ‪ ،‬دﻻر اﺳﺖ‪ .‬ﻣﺜﻼً در اﻳﻦ ﺣﺎﻟﺖ ﺑﺮاي ﻧﺮماﻓﺰار ﻣﺸﺨﺺ ﻣﻲﺷﻮد ﻛﻪ واﺣﺪ اﻧﺪازهﮔﻴﺮي ﻣﺘﻐﻴﺮ‬
‫ﻣﻮردﻧﻈﺮ‪ ،‬دﻻر اﺳﺖ و ﺣﺪاﻛﺜﺮ ‪ 6‬رﻗﻢ ﺻﺤﻴﺢ و ﺗﺎ ‪ 2‬رﻗﻢ اﻋﺸﺎر ﺧﻮاﻫﺪ داﺷﺖ‪.‬‬
‫‪ :Date ‬اﻳﻦ ﮔﺰﻳﻨﻪ ﺑﺮاي آن دﺳﺘﻪ از دادهﻫﺎي ﻛﻤ‪‬ﻲ ﺑﻪ ﻛﺎر ﻣﻲ رود ﻛﻪ ﺣﺎوي ﺗﺎرﻳﺦ )ﺳﺎل‪،‬‬
‫ﻣﺎه و روز( ﺑﺎﺷﻨﺪ و ﺑﺴﺘﻪ ﺑﻪ ﻧﻮع اﻃﻼﻋﺎت ﻣﻲﺗﻮاﻧﺪ اﻧﻮاع ﻣﺨﺘﻠﻔﻲ ﻧﻴﺰ داﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬
‫‪ ‬ﺗﻌﺪاد ارﻗﺎم ﺻﺤﻴﺢ )‪:(Width‬‬
‫در اﻳﻦ ﻗﺴﻤﺖ ﻣﻲﺗﻮاﻧﻴﺪ ﺗﻌﺪاد رﻗﻢﻫﺎي ﺻﺤﻴﺢ ﻣﺘﻐﻴـﺮ ﺧـﻮد را ﺑـﺎ ﻛﻠﻴـﻚ ﻛـﺮدن روي آن‬
‫اﻓﺰاﻳﺶ و ﻳﺎ ﻛﺎﻫﺶ دﻫﻴﺪ‪.‬‬
‫‪ ‬ﺗﻌﺪاد ارﻗﺎم اﻋﺸﺎر ﻣﺘﻐﻴﺮ )‪:(Decimals‬‬
‫ﺑﺎ ﻛﻠﻴﻚ ﻛﺮدن در اﻳﻦ ﻗﺴﻤﺖ ﻣﻲﺗﻮاﻧﻴﺪ ﺗﻌﺪاد ارﻗﺎم اﻋﺸﺎر را ﺑﺮاي ﻣﺘﻐﻴﺮ ﻣﻮردﻧﻈﺮ اﻓﺰاﻳﺶ و‬
‫ﻳﺎ ﻛﺎﻫﺶ دﻫﻴﺪ‪ .‬ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ ﺗﻌﺪاد ارﻗﺎم ﺻﺤﻴﺢ ﻫﻤﻴﺸﻪ ﺑﺎﻳﺪ ﺑﻴﺸﺘﺮ از ﺗﻌﺪاد ارﻗﺎم‬
‫اﻋﺸﺎري ﺑﺎﺷﺪ‪.‬‬
‫‪ ‬ﺑﺮﭼﺴﺐ ﻣﺘﻐﻴﺮﻫﺎ )‪(Label‬‬
‫ﺑﺮﭼﺴﺐ‪ ،‬ﻳﻚ ﻛﺪ ﺷﻨﺎﺳﺎﻳﻲ اﺳﺖ ﻛﻪ از آن ﻃﺮﻳﻖ ﻣﻲﺗﻮاﻧﻴﺪ ﻋﻨﻮان ﻣﺘﻐﻴﺮ را ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ‪ .‬ﻣﺜﻼً‬
‫ﻣﻲﺗﻮاﻧﻴﺪ ﻋﻨﻮان ﺟﻨﺴﻴﺖ ﻳﺎ ‪ sex‬را ﺑﺮاي ﻣﺘﻐﻴﺮ‪ x1‬ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ‪ .‬ﺑﺮاي اﻳﻦ ﻣﻨﻈﻮر‪ ،‬ﺑﺎ ﻛﻠﻴﻚ ﻛﺮدن‬
‫ﺑﺮ روي آن‪ ،‬ﺧﺎﻧﻪ آﻣﺎده ﻧﻮﺷﺘﻦ ﻣﻲﺷﻮد و ﻣﻲﺗﻮاﻧﻴﺪ ﺑﺮﭼﺴﺐ را ﺑﻨﻮﻳﺴﻴﺪ‪ .‬ﺗﻮﺻﻴﻪ ﻣﻲﺷﻮد ﺑﺮاي‬
‫ﻣﻘﺎﺻﺪ آﻣﻮزﺷﻲ ﺑﺮﭼﺴﺐ ﻣﺘﻐﻴﺮﻫﺎ ﺑﻪ ﺻﻮرت ﻓﻴﻨﮕﻠﻴﺶ‪ 1‬ﺗﻌﺮﻳﻒ ﺷﻮد‪ .‬ﭼﻮن ﺗﺠﺮﺑﻪي آﻣﻮزﺷﻲ‬
‫ﭼﻨﺪ ﺳﺎﻟﻪ ﻧﺸﺎن داده اﺳﺖ ﻛﻪ ﻓﺎرﺳﻲ ﻧﻮﻳﺴﻲ ﺑﺮﭼﺴﺐﻫﺎ در ﺟﺮﻳﺎن ﻧﻘﻞ و اﻧﺘﻘﺎل دادهﻫﺎ ﺑﻴﻦ‬
‫ﻛﺎﻣﭙﻴﻮﺗﺮﻫﺎي ﻣﺨﺘﻠﻒ‪ ،‬ﻋﻤﻼ دﺷﻮاري ﻫﺎي زﻳﺎدي اﻳﺠﺎد ﻣﻲﻛﻨﺪ‪.‬‬

‫‪ -1‬ﻣﺜﻼً ﺑﻪ ﺟﺎي ﺟﻨﺴﻴﺖ‪ ،‬ﺑﻨﻮﻳﺴﻴﺪ‪jensiat :‬‬

‫ﻣﻌﺮﻓﻲ و راهاﻧﺪازي ﺑﺮﻧﺎﻣﻪ ‪27  SPSS‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (5‬ﺗﻌﺮﻳﻒ ﺑﺮﭼﺴﺐ ﻣﺘﻐﻴﺮﻫﺎ )‪(Lable‬‬

‫ﻣﺤﻞ ﻧﻮﺷﺘﻦ ﺑﺮﭼﺴﺐ ﻣﺘﻐﻴﺮ‬

‫‪ ‬ﺑﺮ ﭼﺴﺐ ﻣﻘﺎدﻳﺮ)‪:(Values‬‬

‫در اﻳﻦ ﮔﺰﻳﻨﻪ ﺑﺎﻳﺪ ﺑﻪ ﻣﻌﺮﻓﻲ ﻣﻘﻮﻟﻪﻫﺎ ﻳﺎ ﻣﻘﺎدﻳﺮ ﻫﺮ ﻣﺘﻐﻴﺮ )ﺑﻮﻳﮋه ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ( اﻗﺪام ﻛﻨﻴﺪ‪،‬‬
‫ﭼﻨﺎﻧﭽﻪ روي ﮔﻮﺷﻪي ﺳﻤﺖ راﺳﺖ اﻳﻦ ﮔﺰﻳﻨﻪ ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪ ،‬ﭘﻨﺠﺮهي زﻳﺮ ﻇﺎﻫﺮ ﺧﻮاﻫﺪ ﺷﺪ‪:‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (6‬ﺗﻌﺮﻳﻒ ﺑﺮﭼﺴﺐ ﻣﻘﺎدﻳﺮ )‪(Values‬‬

‫ﻣﺤﻞ ﻧﻮﺷﺘﻦ ﻛﺪ ﻳﺎ ﻣﻘﺪار‬

‫ﻣﺤﻞ ﻧﻮﺷﺘﻦ ﺑﺮﭼﺴﺐ‬

‫در اﻳﻦ ﭘﻨﺠﺮه ﻣﻲﺗﻮاﻧﻴﺪ ﻣﻘﻮﻟﻪﻫﺎي ﻫﺮ ﻣﺘﻐﻴﺮ را ﻣﻌﺮﻓﻲ ﻛﻨﻴﺪ‪ .‬ﻣﺜﻼً اﮔﺮ ﺑﺨﻮاﻫﻴﺪ ﺑﺮاي ﻣﺘﻐﻴﺮ‬
‫ﺟﻨﺲ ﻛﺪ ‪ 1‬را ﺑﻪ دﺧﺘﺮان و ﻛﺪ ‪ 2‬را ﺑﻪ ﭘﺴﺮان ﻧﺴﺒﺖ ﺑﺪﻫﻴﺪ‪ .‬ﺑﺮاي اﻳﻦ ﻣﻨﻈﻮر ﻣﺮاﺣﻞ ذﻳﻞ را‬
‫ﺑﺎﻳﺪ ﺑﻪ ﺗﺮﺗﻴﺐ اﻧﺠﺎم دﻫﻴﺪ‪.‬‬
‫‪ -‬در ﻓﻀﺎي ﺧﺎﻟﻲ ‪ Value‬ﻛﺪ ‪ 1‬را وارد ﻛﻨﻴﺪ و ﭘﺲ از آن در ﻓﻀﺎي ﺧﺎﻟﻲ ﮔﺰﻳﻨﻪ ‪Value‬‬
‫‪ ،Label‬ﻛﻠﻤﻪ دﺧﺘﺮ ﻳﺎ ﻓﻴﻨﮕﻠﻴﺶ آن را )‪ (Dokhtar‬وارد ﻛﻨﻴﺪ‪ .‬ﺳﭙﺲ ﮔﺰﻳﻨﻪ ‪ Add‬را ﻛﻠﻴﻚ‬
‫ﻛﻨﻴﺪ‪ .‬در اﻳﻦ ﺣﺎﻟﺖ در ﻣﺴﺘﻄﻴﻞ ﭘﺎﻳﻴﻦ ﻋﺒﺎرت »دﺧﺘﺮ = ‪ «1‬اﺿﺎﻓﻪ ﻣﻲﺷﻮد‪.‬‬
‫‪ -‬ﺳﭙﺲ در ﻓﻀﺎي ﺧﺎﻟﻲ ‪ Value‬ﻛﺪ ‪ 2‬را وارد ﻛﻨﻴﺪ و در ﻗﺴﻤﺖ ‪ ،value label‬ﻋﺒﺎرت‬
‫ﭘﺴﺮ ﻳﺎ ﻓﻴﻨﮕﻠﻴﺶ آن را )‪ (pesar‬وارد ﻛﻨﻴﺪ و روي ‪ add‬ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪.‬‬
 ‫‪  28‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﮔﺰﻳﻨﻪي ‪ Remove‬ﺑﺮاي ﭘﺎك ﻛﺮدن و ‪ Change‬ﺑﺮاي ﺗﻐﻴﻴﺮ دادن ﺑﺮﭼﺴﺐﻫﺎي ﻣﺮﺑﻮط ﺑﻪ‬
‫ﻣﻘﻮﻟﻪﻫﺎي ﻳﻚ ﻣﺘﻐﻴﺮ اﺳﺖ‪.1‬‬
‫‪ ‬ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﻣﺘﻐﻴﺮ)‪:(Missing‬‬
‫ﮔﺎﻫﻲ اوﻗﺎت ﭘﺎﺳﺨﮕﻮﻳﺎن ﺑﻪ ﺑﺮﺧﻲ ﭘﺮﺳﺶﻫﺎ ﺟﻮاب ﻧﻤﻲدﻫﻨﺪ ﻳﺎ ﺟﻮاب ﺑﻲرﺑﻂ ﻣﻲدﻫﻨﺪ‪.‬‬
‫ﻣﻘﺎدﻳﺮ ﻣﺮﺑﻮط ﺑﻪ اﻳﻦ دﺳﺘﻪ از ﭘﺮﺳﺶﻫﺎ را اﺻﻄﻼﺣﺎً ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﻣﻲﻧﺎﻣﻨﺪ‪ .‬در اﻳﻦ ﮔﺰﻳﻨﻪ‬
‫اﻣﻜﺎن ﻣﻌﺮﻓﻲ اﻳﻦ دﺳﺘﻪ از ﻣﻘﺎدﻳﺮ ﻓﺮاﻫﻢ ﺷﺪه اﺳﺖ‪ .‬ﺑﺎ ﻛﻠﻴﻚ روي ﮔﺰﻳﻨﻪ ي‪Missing Value‬‬
‫ﺷﻜﻞ زﻳﺮ ﻇﺎﻫﺮ ﻣﻲﺷﻮد‪ .‬ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﭼﻬﺎر ﮔﺰﻳﻨﻪ وﺟﻮد دارد‪:‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (7‬ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ در ﭘﻨﺠﺮه ‪Missing Value‬‬

‫اﮔﺮ ﻣﺘﻐﻴﺮ ﻣﻮرد ﺳﻨﺠﺶ ﻣﻘﺎدﻳﺮ‬

‫ﻧﺎﻣﺸﺨﺺ ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ‬

‫ﻣﺤﻞ ﻧﻮﺷﺘﻦ ﺳﻪ ﻛﺪ ﻣﺘﻤﺎﻳﺰ‬

‫ﺑﺮاي ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ‬

‫ﻣﺤﻞ ﻧﻮﺷﺘﻦ ﻛﺪ ﺑﺮاي‬

‫داﻣﻨﻪاي از ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ‬

‫ﻣﺤﻞ ﻧﻮﺷﺘﻦ ﻳﻚ ﻛﺪ ﺑﻪ‬

‫ﺻﻮرت ﻣﺠﺰا‬

‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ در ﺷﻜﻞ ﺷﻤﺎره )‪ (7‬ﻣﺸﺎﻫﺪه ﻣﻲﻛﻨﻴﺪ‪ ،‬ﺑﺎ اﻧﺘﺨﺎب ﮔﺰﻳﻨﻪي ‪Discrete Missing‬‬
‫‪ values‬ﻣﻲﺗﻮاﻧﻴﺪ ﺳﻪ ﻛﺪ را ﺑﺮاي ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ‪ .2‬ﻣﺜﻼً‪:‬‬
‫‪ -‬ﻛﺪ ‪ 0.1‬ﺑﺮاي ﺑﻲ ﺟﻮابﻫﺎ‬
‫‪ -‬ﻛﺪ ‪ 0.2‬ﺑﺮاي ﭘﺎﺳﺦﻫﺎي ﺑﻲرﺑﻂ و ﻣﺒﻬﻢ‬
‫‪3‬‬
‫‪ -‬ﻛﺪ ‪ 0.3‬ﺑﺮاي آن دﺳﺘﻪ از ﺳﺆاﻻﺗﻲ اﺳﺖ ﻛﻪ ﺷﺎﻣﻞ ﺣﺎل ﭘﺎﺳﺨﮕﻮ ﻧﻤﻲﺷﻮد‬

‫‪ -1‬ﺗﻮﺿﻴﺤﺎت ﺗﻔﺼﻴﻠﻲ ﻧﺤﻮه ﻛﺪﮔﺬاري دادهﻫﺎ‪ ،‬در درس ﭼﻬﺎرم " ﻛﺪﮔﺬاري دادهﻫﺎ و دﺳﺘﻪﺑﻨﺪي" آﻣﺪه اﺳﺖ‪.‬‬
‫‪ -2‬ﻧﺤﻮه ﻛﺪﮔﺬاري دادهﻫﺎ ﺑﻪ ﺗﻔﺼﻴﻞ در درس ﺑﻌﺪي ﺗﻮﺿﺒﺢ داده ﺷﺪه اﺳﺖ‪.‬‬
‫‪ -3‬دﻗﺖ ﻛﻨﻴﺪ ﺑﺮاي ﺗﻌﺮﻳﻒ ﻣﻘﺪاري ﻛﻪ داراي ﻣﻤﻴﺰ اﺳﺖ‪ ،‬از ﻧﻘﻄﻪ )‪ (.‬ﺑﻪ ﺟﺎي )‪ (/‬اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪ .‬ﭼﻮن ﻧﺮماﻓﺰار ﻋﻼﻣﺖ‬
‫)‪ (/‬را ﻧﻤﻲﺧﻮاﻧﺪ و آن را ﺑﻪ ﻋﻨﻮان ﺧﻄﺎ در ﻧﻈﺮ ﻣﻲﮔﻴﺮد‪.‬‬
 ‫ﻣﻌﺮﻓﻲ و راهاﻧﺪازي ﺑﺮﻧﺎﻣﻪ ‪29  SPSS‬‬

‫ﻳﺎ در ﺻﻮرت ﻟﺰوم ﻣﻲﺗﻮاﻧﻴﺪ ﺑﺎ اﻧﺘﺨﺎب ﮔﺰﻳﻨﻪي… ‪ Range plus one‬داﻣﻨﻪاي از ﻛﺪﻫﺎ‬
‫را ﺑﺮاي ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ‪ .‬ﻣﺜﻼً از ‪ 0.1‬ﺗﺎ ‪ 0.5‬را ﺑﻪ ﻋﻼوهي ﻛﺪ ‪ 0.99‬ﺑﺎ اﻧﺘﺨﺎب‬
‫ﮔﺰﻳﻨﻪ ‪ Discrete value‬ﺑﻪ ﻋﻨﻮان ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ‪.1‬‬
‫‪ ‬اﻧﺪازهي ﺳﺘﻮن ﻧﻤﺎﻳﺶ ﻣﺘﻐﻴﺮ )‪:(Columns‬‬
‫اﻳﻦ ﮔﺰﻳﻨﻪ ﻋﺮض ﺳﺘﻮنﻫﺎ را ﺑﺮاي ﻧﻤﺎﻳﺶ ﻣﺘﻐﻴﺮ ﻣﺸﺨﺺ ﻣﻲﻛﻨﺪ‪ .‬ﺑﺎ ﻛﻠﻴﻚ ﻛﺮدن ﺑﺮ روي آن‬
‫ﻣﻲﺗﻮاﻧﻴﺪ ﺟﺎي ﺑﻴﺸﺘﺮ ﻳﺎ ﻛﻤﺘﺮي ﺑﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻣﻮردﻧﻈﺮ اﺧﺘﺼﺎص دﻫﻴﺪ‪ .‬ﻣﺜﻼً ﺑﺮاي ﻧﻤﺎﻳﺶ ﻣﺘﻐﻴﺮ‬
‫ﺟﻨﺴﻴﺖ ﻳﻚ ﻳﺎ دو ﺳﺘﻮن ﻛﻔﺎﻳﺖ ﻣﻲﻛﻨﺪ و ﻧﻴﺎزي ﺑﻪ اﺧﺘﺼﺎص ﺳﺘﻮنﻫﺎي ﺑﻴﺸﺘﺮ ﻧﻴﺴﺖ‪.‬‬
‫‪ ‬ﭼﻴﺪﻣﺎن ﻣﻘﺎدﻳﺮ در ﻫﺮ ﺧﺎﻧﻪ )‪:(Align‬‬
‫اﻳﻦ ﺳﺘﻮن ﭼﻴﺪﻣﺎن ﻣﻘﺎدﻳﺮ را در ﻫﺮ ﺳﺘﻮن ﻣﺸﺨﺺ ﻣﻲﻛﻨﺪ‪ .‬اﻧﺘﺨﺎب ﮔﺰﻳﻨﻪﻫﺎي ‪،Left‬‬
‫‪ Right‬و ‪ Center‬ﺑﺎﻋﺚ ﻣﻲﺷﻮد اﻋﺪاد ﺑﻪ ﺗﺮﺗﻴﺐ در ﺳﻤﺖ ﭼﭗ‪ ،‬راﺳﺖ و وﺳﻂ ﺧﺎﻧﻪ ﻗﺮار‬
‫ﮔﻴﺮد‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (8‬اﻧﺪازهي ﺳﺘﻮن و ﭼﮕﻮﻧﮕﻲ ﻧﻤﺎﻳﺶ ﻣﻘﺎدﻳﺮ در ﻛﺎرﺑﺮگ دادهﻫﺎ‬

‫ﻣﺜﻼً در ﺷﻜﻞ ﻓﻮقاﻧﺪازه ﻣﺘﻐﻴﺮﻫﺎي ‪ lifeexpf ,religion ,urban‬ﺑﻪ ﺗﺮﺗﻴﺐ ‪ 12 ،5‬و ‪8‬‬
‫اﺳﺖ و ﻣﺘﻐﻴﺮﻫﺎي ‪ urban‬و ‪ lifeexpf‬ﺑﻪ ﺻﻮرت ﭼﭗﭼﻴﻦ و ‪ religion‬در ﺣﺎﻟﺖ‬
‫راﺳﺖﭼﻴﻦ ﺗﻨﻈﻴﻢ ﺷﺪه اﺳﺖ‪.‬‬

‫‪ -1‬ﺗﻮﺿﻴﺤﺎت ﻣﺮﺑﻮط ﺑﻪ اﻧﻮاع دادهﻫﺎي ﻧﺎﻣﺸﺨﺺ و ﻧﺤﻮه ﺑﺮﺧﻮرد ﻣﺤﻘﻖ ﺑﺎ آﻧﻬﺎ ﺑﻪ ﺗﻔﺼﻴﻞ در ﻓﺼﻮل ﺑﻌﺪي ﻛﺘﺎب‬
‫آﻣﺪه اﺳﺖ‬
 ‫‪  30‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ ‬ﻣﻘﻴﺎس اﻧﺪازهﮔﻴﺮي ﻣﺘﻐﻴﺮ)‪:(Measure‬‬

‫در اﻳﻦ ﮔﺰﻳﻨﻪ‪ ،‬ﻣﻘﻴﺎس اﻧﺪازهﮔﻴﺮي ﻣﺘﻐﻴﺮ ﻣﺸﺨﺺ ﻣﻲﺷﻮد‪ .‬ﺑﻪ اﻳﻦ ﺗﺮﺗﻴﺐ ﻛﻪ ‪Nominal‬‬
‫ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﺑﺎ ﻣﻘﻴﺎس اﺳﻤﻲ‪ Ordinal ،‬ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﺑﺎ ﻣﻘﻴﺎس رﺗﺒﻪاي و ‪ Scale‬ﺑﺮاي‬
‫ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﺑﺎ ﻣﻘﻴﺎس ﻧﺴﺒﻲ‪ /‬ﻓﺎﺻﻠﻪاي ﺑﻜﺎر ﺑﺮده ﻣﻲﺷﻮد‪.‬‬
‫ﺑﻪ اﻳﻦ ﺗﺮﺗﻴﺐ‪ ،‬ﭘﺲ از ﺗﻌﺮﻳﻒ اﻳﻦ ده وﻳﮋﮔﻲ ﺑﺮاي ﻣﺘﻐﻴﺮ ﻧﺨﺴﺖ‪ ،‬ﻣﻲﺗﻮاﻧﻴﺪ در ردﻳﻒ دوم ﺑﻪ‬
‫ﻣﻌﺮﻓﻲ ﻣﺘﻐﻴﺮ ﺑﻌﺪي ﺧﻮد ﺑﭙﺮدازﻳﺪ‪ .‬ﭘﺲ از ﻣﻌﺮﻓﻲ ﻫﻤﻪ ﻣﺘﻐﻴﺮﻫﺎ در ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ )‪Variable‬‬
‫‪ ،(view‬ﺑﺮ روي ﻛﺎرﺑﺮگ دادهﻫﺎ )‪ (Data View‬ﻛﻠﻴﻚ ﻛﻨﻴﺪ و ﭼﻨﺎﻧﻜﻪ ﺧﻮاﻫﻴﺪ دﻳﺪ‪ ،‬ﻣﺘﻐﻴﺮﻫﺎﻳﻲ‬
‫را ﻛﻪ در ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ ﺗﻌﺮﻳﻒ ﻛﺮدهاﻳﺪ‪ ،‬در اﻳﻦ ﻛﺎرﺑﺮگ ﺑﻪ ﺻﻮرت ﻳﻚ ﺳﺘﻮن ﺳﺎﺧﺘﻪ ﺷﺪه‬
‫اﺳﺖ‪ .‬در اﻳﻦ ﺣﺎﻟﺖ ﻧﺮماﻓﺰار آﻣﺎده ورود اﻃﻼﻋﺎت اﺳﺖ و ﻣﻲﺗﻮاﻧﻴﺪ ﻫﻤﻪي اﻃﻼﻋﺎت )ﻛﺪﻫﺎ(‬
‫ﻣﺮﺑﻮط ﺑﻪ ﻫﺮ ﻣﺘﻐﻴﺮ را در ﺧﺎﻧﻪﻫﺎ وارد ﻛﻨﻴﺪ‪.‬‬
‫‪ -5‬آﺷﻨﺎﻳﻲ ﺑﺎ ﺳﺎﺧﺘﺎر ﻓﺎﻳﻞ داده‬
‫ﺑـﺎ ﺗﻜﻤﻴـﻞ ﻛـﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫـﺎ )‪ (Variable view‬و ورود اﻃﻼﻋـﺎت در ﻛـﺎرﺑﺮگ دادهﻫـﺎ‬
‫)‪ ،(View Data‬ﻓﺎﻳﻞ دادهﻫﺎ آﻣﺎده ﻣﻲﺷﻮد‪ .‬در اﻳﻨﺠﺎ ﺑﺮاي آﺷﻨﺎﻳﻲ ﺑﻴﺸﺘﺮ ﺑﺎ ﺳﺎﺧﺘﺎر ﻓﺎﻳﻞ دادهﻫﺎ‪،‬‬
‫ﻳﻚ ﻧﻤﻮﻧﻪ از اﻳﻦ ﻗﺒﻴﻞ ﻓﺎﻳﻞﻫﺎ ﻣﻌﺮﻓﻲ ﻣﻲﺷﻮد‪.‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (9‬ﻓﺎﻳﻞ دادهﻫﺎي ‪ world95‬در ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ )‪(Variable view‬‬

‫ﻣﻌﺮﻓﻲ و راهاﻧﺪازي ﺑﺮﻧﺎﻣﻪ ‪31  SPSS‬‬

‫ﻋﻨﻮان ﻓﺎﻳﻞ دادهي ﻓﻮق‪ world 95.sav ،‬اﺳﺖ ﻛﻪ ﺟﺰء ﻧﻤﻮﻧﻪ ﻓﺎﻳﻞﻫﺎي ﻣﻮﺟﻮد در‬
‫ﭘﻮﺷﻪ ‪ spss‬اﺳﺖ ﻛﻪ در ﻫﻨﮕﺎم ﻧﺼﺐ اﻳﻦ ﻧﺮماﻓﺰار ﺑﺮ روي ﺳﻴﺴﺘﻢ رﻳﺨﺘﻪ ﻣﻲﺷﻮد‪.1‬‬
‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ در ﺷﻜﻞ ﺷﻤﺎره ‪ 9‬ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد‪ ،‬در اﻳﻦ ﻓﺎﻳﻞ ‪ 15‬ﻣﺘﻐﻴﺮ ﻧﺸﺎن داده ﺷﺪه‬
‫اﺳﺖ‪ ،‬اوﻟﻴﻦ آن ﺑﻪ ﻧﺎم ‪ country‬و از ﻧﻮع ‪ string‬اﺳﺖ ﻛﻪ ﺑﺎ ﺣﺪاﻛﺜﺮ ﮔﻨﺠﺎﻳﺶ ‪ 36‬ﺣﺮف‪،‬‬
‫ﺑﺪون ﺑﺮﭼﺴﺐ ﻣﺘﻐﻴﺮ و ﻣﻘﺪار و ﺑﺪون ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ و ﺑﺎ اﻣﻜﺎن ﻫﺸﺖ ﺣﺮف ﺑﺮاي‬
‫ﻧﻤﺎﻳﺶ در ﻛﺎرﺑﺮگ دادهﻫﺎ‪ ،‬ﺑﻪ ﺻﻮرت ﭼﭗ ﭼﻴﻦ و در ﺳﻄﺢ اﺳﻤﻲ)‪ (Nominal‬ﺗﻌﺮﻳﻒ ﺷﺪه‬
‫اﺳﺖ‪ .‬ﻳﺎ ﻣﺘﻐﻴﺮ ردﻳﻒ ﭼﻬﺎرم )‪ (Urban‬ﻛﻪ از ﻧﻮع ﻛﻤ‪‬ﻲ اﺳﺖ‪ ،‬ﺑﺎ ﺣﺪاﻛﺜﺮ ﮔﻨﺠﺎﻳﺶ ‪ 5‬رﻗﻢ‪ ،‬ﻛﻪ‬
‫ﻓﺎﻗﺪ رﻗﻢ اﻋﺸﺎري اﺳﺖ‪ ،‬ﺑﺮﭼﺴﺐ اﻳﻦ ﻣﺘﻐﻴﺮ درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ )‪ (People Living Cities‬و‬
‫ﻓﺎﻗﺪ ﺑﺮﭼﺴﺐ ﻣﻘﺎدﻳﺮ اﺳﺖ‪ ،‬ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ اﻳﻦ ﻣﺘﻐﻴﺮ ﺗﻌﺮﻳﻒ ﻧﺸﺪه‪ ،‬اﻣﺎ اﻣﻜﺎن ﻧﻤﺎﻳﺶ در ﻗﺎﻟﺐ‬
‫‪ 8‬رﻗﻢ را داﺷﺘﻪ اﺳﺖ و ﺑﻪ ﺻﻮرت راﺳﺖ ﭼﻴﻦ ﻧﻮﺷﺘﻪ ﺷﺪه و ﺳﻄﺢ ﺳﻨﺠﺶ آن ﻧﺴﺒﻲ )‪(Scale‬‬
‫اﺳﺖ‪ .‬ﺣﺎل ﺑﺎ ﻛﻠﻴﻚ ﺑﺮ روي ﻛﺎرﺑﺮگ دادهﻫﺎ‪ ،‬ﺑﺎ ﺗﺼﻮﻳﺮي ﻫﻤﺎﻧﻨﺪ ﺷﻜﻞ ﺷﻤﺎره ‪ 9‬ﻣﻮاﺟﻪ ﺧﻮاﻫﻴﺪ‬
‫ﺷﺪ‪.‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (9‬ﻓﺎﻳﻞ دادهﻫﺎي ‪ world 95‬در ﻛﺎرﺑﺮگ دادهﻫﺎ )‪(Data View‬‬

‫ﻋﻨﻮان ﻓﺎﻳﻞ‬

‫‪ -1‬ﻧﻤﻮﻧﻪﻫﺎي ﻣﺘﻌﺪدي از ﻓﺎﻳﻞﻫﺎي داده‪ ،‬ﻫﻨﮕﺎم ﻧﺼﺐ ﻧﺮماﻓﺰار ‪ spss‬ﺑﻪ ﻃﻮر ﺧﻮدﻛﺎر در ﭘﻮﺷـﻪي ﻣﺮﺑـﻮط ﺑـﻪ اﻳـﻦ‬
‫ﻧﺮماﻓﺰار ﻳﺎ زﻳﺮﭘﻮﺷﻪي‪) samples‬در ﻧﺴﺨﻪﻫﺎي ﺷﺎﻧﺰده و ﻫﻔﺪه( رﻳﺨﺘﻪ ﻣﻲ ﺷـﻮد و در ﻫـﺮ زﻣـﺎﻧﻲ ﻗﺎﺑـﻞ اﺳـﺘﻔﺎده‬
‫اﺳﺖ‪.‬‬
 ‫‪  32‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﺳﺘﻮنﻫﺎي اﻳﻦ ﻛﺎرﺑﺮگ‪ ،‬ﻫﻤﺎن ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﻫﺴﺘﻨﺪ ﻛﻪ ﻗﺒﻼً در‬
‫ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ )‪ (Variable view‬ﺗﻌﺮﻳﻒ ﺷﺪهاﻧﺪ‪ .‬ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﺳﺘﻮن اول‪ ،‬دادهﻫﺎي‬
‫ﻣﺮﺑﻮط ﺑﻪ اوﻟﻴﻦ ﻣﺘﻐﻴﺮ)‪ (Country‬را ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﺑﻪ ﺻﻮرت ﺣﺮﻓﻲ )‪ (string‬وارد ﺷﺪه‬
‫اﺳﺖ و ﻣﺘﻐﻴﺮ ﭼﻬﺎرم )‪ (Urban‬ﻫﻢ ﺑﻪ ﺻﻮرت ﻛﻤ‪‬ﻲ وارد ﺷﺪه اﺳﺖ‪.‬‬
‫‪ -6‬ﻧﺤﻮه ﺿﺒﻂ و ﻓﺮاﺧﻮاﻧﻲ ﻓﺎﻳﻞ دادهﻫﺎ‬
‫ﭘﺲ از اﻳﻨﻜﻪ ﻫﻤﻪي ﭘﺎﺳﺦﻫﺎي ﭘﺎﺳﺨﮕﻮﻳﺎن وارد ﻧﺮماﻓﺰار ﺷﺪ‪ ،‬ﺗﻬﻴﻪ ﻓﺎﻳﻞ دادهﻫﺎ ﺑﻪ اﺗﻤﺎم‬
‫ﻣﻲرﺳﺪ و ﻓﺎﻳﻞ دادهﻫﺎ ﺑﺎﻳﺪ ﺑﻪ ﻧﺎﻣﻲ ﻛﻪ ﻣﺘﻨﺎﺳﺐ ﺑﺎ ﻣﻮﺿﻮع ﺗﺤﻘﻴﻖ ﺑﺎﺷﺪ‪ ،‬ﺿﺒﻂ ﺷﻮد‪ .‬ﺑﺮاي اﻳﻦ‬
‫ﻛﺎر ﻫﻤﺎنﮔﻮﻧﻪ ﻛﻪ در ﺗﺼﻮﻳﺮ زﻳﺮ ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪ ،‬ﺑﺎﻳﺪ ﮔﺰﻳﻨﻪي ‪ save as‬را از ﻣﻨﻮي ﻓﺎﻳﻞ‬
‫اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪ .‬ﺗﻮﺻﻴﻪ ﻣﻲ ﺷﻮد ﻓﺎﻳﻞ داده ي ﻫﺮ ﺗﺤﻘﻴﻘﻲ را در ﭘﻮﺷﻪي ﻣﺨﺼﻮص ﺑﻪ ﺧﻮدش ﻗﺮار‬
‫دﻫﻴﺪ ﺗﺎ ﭘﻴﺪا ﻛﺮدن آﻧﻬﺎ از ﻣﻴﺎن اﻧﺒﻮﻫﻲ از ﻓﺎﻳﻞﻫﺎي داده ﻛﻪ ﺑﻪ ﻣﺮور زﻣﺎن ﺑﺎ آﻧﻬﺎ ﺳﺮوﻛﺎر ﭘﻴﺪا‬
‫ﻣﻲﻛﻨﻴﺪ‪ ،‬آﺳﺎن ﺑﺎﺷﺪ‪ .‬ﺿﻤﻨﺎً از ﻓﺎرﺳﻲﻧﻮﻳﺴﻲ ﻧﺎم ﻓﺎﻳﻞ داده و ﻧﻴﺰ ﭘﻮﺷﻪ ﺧﻮدداري ﻛﻨﻴﺪ‪ ،‬ﭼﻮن در‬
‫ﺑﺮﺧﻲ ﺳﻴﺴﺘﻢﻫﺎي ﻋﺎﻣﻞ‪ ،‬اﺟﺮاي اﻳﻦ دﺳﺘﻪ از ﻓﺎﻳﻞﻫﺎ ﺑﺎ دﺷﻮاري ﻣﻮاﺟﻪ ﻣﻲﺷﻮد‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (10‬ﭼﮕﻮﻧﮕﻲ ﺿﺒﻂ ﻓﺎﻳﻞ دادهﻫﺎ‬

‫‪.3‬ﺑﺎ ﻛﻠﻴﻚ ﺑﺮ روي اﻳﻦ ﻗﺴﻤﺖ آدرس ﻣﺤﻠﻲ را ﻛﻪ ﻓﺎﻳﻞ داده‬

‫ﻗﺮار اﺳﺖ در آﻧﺠﺎ ﺿﺒﻂ ﺷﻮد ﺗﻌﻴﻴﻦ ﻛﻨﻴﺪ‪.‬‬

‫‪2‬‬
‫‪1‬‬

‫‪ .6‬ﺑﺎ ﻛﻠﻴﻚ ﺑﺮ روي اﻳﻦ ﻗﺴﻤﺖ ﻣﻲ ﺗﻮاﻧﻴﻢ ﻣﺘﻐﻴﺮ ﻳﺎ ﻣﺘﻐﻴﺮﻫـﺎي‬

‫ﺧﺎﺻﻲ را ﺑﺮاي ﺿﺒﻂ‪ ،‬اﻧﺘﺨﺎب ﻛﻨﻴﺪ‬

‫‪.4‬ﻧﺎم ﻓﺎﻳﻞ را در اﻳـﻦ‬

‫ﻗﺴﻤﺖ ﻣﻲ ﻧﻮﻳﺴﻴﺪ‬ ‫‪.5‬ﻧﻮع ﻓﺎﻳﻞ را از اﻳﻦ ﻗﺴﻤﺖ ﻣﺸﺨﺺ ﻣﻲ ﺳﺎزﻳﺪ‬
‫ﻣﻌﺮﻓﻲ و راهاﻧﺪازي ﺑﺮﻧﺎﻣﻪ ‪33  SPSS‬‬

‫ﭼﻨﺎﻧﭽﻪ ﻗﺼﺪ اﺳﺘﻔﺎده از ﻓﺎﻳﻞ دادهﻫﺎ را در ﻣﺤﻴﻂﻫﺎي دﻳﮕﺮي ﻧﻈﻴﺮ ‪ Excel‬داﺷﺘﻪ ﺑﺎﺷﻴﺪ‪،‬‬
‫ﻣﻲﺗﻮاﻧﻴﺪ ﻧﻮع ﻓﺎﻳﻞ ﺧﻮد را ﺑﺎ ﻛﻠﻴﻚ ﺑﺮ روي ﻗﺴﻤﺖ ﻣﻮرد اﺷﺎره در ﺗﺼﻮﻳﺮ‪ ،‬ﻣﺘﻨﺎﺳﺐ ﺑﺎ ﻧﺮماﻓﺰار‬
‫اﻛﺴﻞ ﻛﻪ ﺑﺎ ﭘﺴﻮﻧﺪ ‪ xls‬ﺿﺒﻂ ﻣﻲﺷﻮﻧﺪ اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪.1‬‬
‫ﻻزم ﺑﻪ ذﻛﺮ اﺳﺖ ﻛﻪ ﭘﺲ از ﺿﺒﻂ ﻓﺎﻳﻞ داده و ﺧﺮوج از ﺑﺮﻧﺎﻣﻪ ‪ ،spss‬ﭼﻨﺎﻧﭽﻪ ﻣﺠﺪداً اﻳﻦ‬
‫ﺑﺮﻧﺎﻣﻪ را اﺟﺮا ﻛﻨﻴﺪ‪ ،‬ﺑﻪ ﺻﻮرت ﭘﻴﺶﻓﺮض ﭼﻨﺪ ﻣﻮرد از آﺧﺮﻳﻦ ﻓﺎﻳﻞﻫﺎي داده ﻳﺎ ﺧﺮوﺟﻲ ﻳﺎ‬
‫دﺳﺘﻮرات را ﻛﻪ در اﻳﻦ ﻧﺮماﻓﺰار ﺑﺮ روي آﻧﻬﺎ ﻛﺎر ﺷﺪه اﺳﺖ‪ ،‬در ﻳﻚ ﭘﻨﺠﺮه ﺑﻪ ﻛﺎرﺑﺮ ﻧﺸﺎن داده‬
‫ﻣﻲﺷﻮد و در اﻳﻦ ﺣﺎﻟﺖ دﻳﮕﺮ ﻧﻴﺎزي ﺑﻪ ﺟﺴﺘﺠﻮي آﺧﺮﻳﻦ ﻓﺎﻳﻞﻫﺎ در ﻛﺎﻣﭙﻴﻮﺗﺮ ﻧﻴﺴﺖ ﺑﻪ ﺷﻜﻞ‬
‫زﻳﺮ ﺗﻮﺟﻪ ﻛﻨﻴﺪ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (11‬ﭼﮕﻮﻧﮕﻲ ﻓﺮاﺧﻮاﻧﻲ ﻓﺎﻳﻞ دادهﻫﺎ‬
‫ﻣﻲﺗﻮاﻧﻴﺪ آﺧﺮﻳﻦ ﻓﺎﻳﻠﻬﺎي دادهﻫﺎ را ﻛﻪ ﺑﺎ آﻧﻬﺎ‬
‫ﻛﺎر ﻛﺮدهاﻳﺪ ﻣﺸﺎﻫﺪه و اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪.‬‬

‫ﻣﻲﺗﻮاﻧﻴﺪ آﺧﺮﻳﻦ ﻓﺎﻳﻠﻬﺎي ﺧﺮوﺟﻲ ﻳﺎ دﺳﺘﻮرات را‬

‫ﻛﻪ ﺑﺎ آﻧﻬﺎ ﻛﺎر ﻛﺮدهاﻳﺪ‪ ،‬ﻣﺸﺎﻫﺪه و اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪.‬‬

‫ﻣﻲﺗﻮاﻧﻴﺪ ﺑﺎ اﺳﺘﻔﺎده از‪ cancel‬ﻓﺮاﺧﻮان‬

‫ﻓﺎﻳﻞﻫﺎي ﻗﺒﻠﻲ را ﻟﻐﻮ ﻧﻤﻮده و ﻣﺴﺘﻘﻴﻤﺎً‬
‫ﺑﻪ ﺻﻔﺤﻪ ﻛﺎرﺑﺮگ دادهﻫﺎ ﻳﺎ ﻣﺘﻐﻴﺮﻫﺎ‬

‫ﺿﻤﻨﺎً ﻋﻨﺎوﻳﻦ آﺧﺮﻳﻦ ﻓﺎﻳﻞﻫﺎﻳﻲ دادهاي ﻛﻪ ﻛﺎرﺑﺮ از آن اﺳﺘﻔﺎده ﻛﺮده اﺳﺖ در ﻣﻨﻮي ﻓﺎﻳﻞ در‬
‫زﻳﺮ دﺳﺘﻮر ‪ Recently Used Data‬وﺟﻮد دارد‪ .‬ﻋﻼوه ﺑﺮ آن آﺧﺮﻳﻦ ﻓﺎﻳﻞﻫﺎي ﺧﺮوﺟﻲ ﻳﺎ‬
‫ﻓﺮاﻣﻴﻦ ﻫﻢ در زﻳﺮ دﺳﺘﻮر ‪ Recently Used Files‬ﻣﺸﺨﺺ اﺳﺖ‪.‬‬

‫‪ -1‬ﮔﺎﻫﻲ اوﻗﺎت از ﺷﻤﺎ ﺧﻮاﺳﺘﻪ ﻣﻲﺷﻮد دادهﻫﺎﻳﺘﺎن را ﺑﻪ ﮔﻮﻧﻪاي ﺿﺒﻂ ﻛﻨﻴﺪ ﻛﻪ ﺗﻮﺳﻂ ﻧﺮماﻓﺰارﻫـﺎي دﻳﮕـﺮ ﻧﻈﻴـﺮ‬
‫اﻛﺴﻞ ﻳﺎ اﻛﺴﺲ ﻳﺎ ﺳﺎﻳﺮ وﻳﺮاﻳﺶﻫﺎي ﺑﺮﻧﺎﻣﻪ ‪ spss‬ﻗﺎﺑﻞ ﺧﻮاﻧﺪن ﺑﺎﺷﺪ‪ .‬در ﭼﻨـﻴﻦ ﺷـﺮاﻳﻄﻲ ﻻزم اﺳـﺖ ﺷـﻤﺎ ﻓﺎﻳـﻞ‬
‫دادهﻫﺎﻳﺘﺎن را ﺑﺎ ﻓﺮﻣﺘﻲ ﻣﺘﻨﺎﺳﺐ ﺑﺎ ﻧﺮماﻓﺰار ﻣﻮرد ﻧﻈﺮ ﺿﺒﻂ ﻛﻨﻴﺪ‪ .‬ﻻزم ﺑـﻪ ذﻛـﺮ اﺳـﺖ ﻛـﻪ ﺑﺮﻧﺎﻣـﻪ ‪ spss‬ﻣـﻲﺗﻮاﻧـﺪ‬
‫ﻓﺎﻳﻞﻫﺎي دادهاي ﻛﻪ ﺗﻮﺳﻂ ﻧﺮم اﻓﺰارﻫﺎي ﻣﺬﻛﻮر ﻧﻮﺷﺘﻪ ﺷﺪه اﺳﺖ را ﻧﻴﺰ ﺑﺨﻮاﻧﺪ‪.‬‬
 ‫‪  34‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (12‬زﻳﺮ دﺳﺘﻮرﻫﺎي ﻣﺨﺘﻠﻒ ﻣﻨﻮي ﻓﺎﻳﻞ و ﻛﺎرﺑﺮدﻫﺎي آﻧﻬﺎ‬

‫زﻳﺮ دﺳﺘﻮر ﻓﺮاﺧﻮاﻧﻲ ﻓﺎﻳﻞ داده ﻳﺎ ﺣﺮوﺟﻲ ﻳﺎ ﻓﺮﻣﺎن‬

‫زﻳﺮ دﺳﺘﻮر ﺿﺒﻂ ﻛﺮدن ﻓﺎﻳﻞ داده ﻳﺎ ﺣﺮوﺟﻲ ﻳﺎ ﻓﺮﻣﺎن‬

‫زﻳﺮ دﺳﺘﻮر ﻓﺮاﺧﻮاﻧﻲ آﺧﺮﻳﻦ ﻓﺎﻳﻞﻫﺎي داده‬

‫زﻳﺮ دﺳﺘﻮر ﻓﺮاﺧﻮاﻧﻲ آﺧﺮﻳﻦ ﻓﺎﻳﻞﻫﺎي ﺧﺮوﺟﻲ ﻳﺎ ﻓﺮاﻣﻴﻦ‬

‫ﻣﻌﺮﻓﻲ و راهاﻧﺪازي ﺑﺮﻧﺎﻣﻪ ‪35  SPSS‬‬

‫ﺗﻤﺮﻳﻨﺎت درس اول‬

‫ﺗﻤﺮﻳﻦ‪ :1‬ﻓﺎﻳﻞ‪ Survey Sample‬را از ﭘﻮﺷﻪ ‪ SPSS‬ﻓﺮاﺧﻮاﻧﻲ ﻛﻨﻴﺪ و ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻛﺎرﺑﺮگ‬
‫ﻣﺘﻐﻴﺮﻫﺎي اﻳﻦ ﻓﺎﻳﻞ‪ ،‬ﺑﻪ ﺳﺆاﻻت زﻳﺮ ﭘﺎﺳﺦ دﻫﻴﺪ‪.‬‬
‫اﻟﻒ‪ -‬وﻳﮋﮔﻲﻫﺎي دهﮔﺎﻧﻪ ﻣﺘﻐﻴﺮﻫﺎي ‪ Marital, Age, Edu‬را ﺗﻮﺿﻴﺢ دﻫﻴﺪ‪.‬‬
‫ب‪ -‬در ﻣﺘﻐﻴﺮ ‪ Race‬ﻛﺪﻫﺎي ‪ 2‬و ‪ 3‬ﭼﻪ ﻣﻔﻬﻮﻣﻲ دارﻧﺪ؟‬
‫ج‪ -‬ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﻣﺘﻐﻴﺮ ‪ income‬ﭼﮕﻮﻧﻪ ﺗﻌﺮﻳﻒ ﺷﺪه اﻧﺪ؟‬
‫د‪ -‬در ﻣﺘﻐﻴﺮ ‪، Race‬ﻧﮋادﻫﺎي ﺳﻔﻴﺪ و ﺳﻴﺎه ﭼﻪ ﻛﺪي دارﻧﺪ؟‬
‫د‪ -‬ﻧﻮع‪ ،‬ﺑﺮﭼﺴﺐ‪ ،‬ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ و ﺳﻄﺢ ﺳﻨﺠﺶ ﻣﺘﻐﻴﺮ ردﻳﻒ ﻧﻬﻢ )‪ (born‬را ﻣﺸﺨﺺ‬
‫ﻛﻨﻴﺪ‪.‬‬

‫ﺗﻤﺮﻳﻦ‪ :2‬ﺑﺮﻧﺎﻣﻪ ‪ spss‬را اﺟﺮا ﻛﻨﻴﺪ و در ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ ﻋﻤﻠﻴﺎت زﻳﺮ را اﻧﺠﺎم دﻫﻴﺪ‪:‬‬
‫اﻟﻒ‪ -‬ﻣﺘﻐﻴﺮ ‪ v1‬را ﺑﺎ ﺑﺮﭼﺴﺐ دﻳﻦ ﺑﻪ ﺻﻮرت ﺣﺮﻓﻲ و در ﺳﻄﺢ اﺳﻤﻲ ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ‪.‬‬
‫ب‪ -‬ﻣﺘﻐﻴﺮ ‪ v2‬را ﺑﻪ ﺻﻮرت ﻋﺪدي‪ ،‬ﺑﺎ ﮔﻨﺠﺎﻳﺶ ‪ 3‬ﺳﺘﻮن‪ ،‬ﺑﺮﭼﺴﺐ ﮔﺮوه ﺳﻨﻲ و ﺑﺮﭼﺴﺐ‬
‫ﻣﻘﺎدﻳﺮ ‪) 1‬زﻳﺮ ‪ 30‬ﺳﺎل( و ‪) 2‬ﺑﺎﻻي ‪ 30‬ﺳﺎل(‪ ،‬در ﺳﻄﺢ رﺗﺒﻪاي و ﺑﻪ ﺻﻮرت وﺳﻂ ﭼﻴﻦ و ﺑﺎ‬
‫اﻣﻜﺎن ﻧﻤﺎﻳﺶ ‪ 10‬ﺳﺘﻮن ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ‪.‬‬
‫ج‪ -‬ﻣﺘﻐﻴﺮ ‪ v3‬را ﺑﺎ ﺑﺮﭼﺴﺐ وزن‪ ،‬ﮔﻨﺠﺎﻳﺶ ‪ 5‬رﻗﻢ و ‪ 3‬رﻗﻢ اﻋﺸﺎر‪ ،‬راﺳﺖ ﭼﻴﻦ و در ﺳﻄﺢ‬
‫ﻧﺴﺒﻲ ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ‪.‬‬
‫د‪ -‬ﺑﻪ ﻛﺎرﺑﺮگ دادهﻫﺎ ﺑﺮوﻳﺪ و داده ﻫﺎي ﻣﺮﺑﻮط ﺑﻪ اﻓﺮاد زﻳﺮ را وارد ﻛﻨﻴﺪ‪:‬‬
‫د‪ -1-‬در ﺳﻄﺮ ﺷﻤﺎره ﻳﻚ‪ :‬ﻣﺴﻠﻤﺎنِ )‪ 27 (Muslim‬ﺳﺎﻟﻪ اي ﻛﻪ ‪ 71.756‬ﮔﺮم وزن‬
‫دارد‪.‬‬
‫د‪ -2-‬در ﺳﻄﺮ ﺷﻤﺎره دو‪ :‬ﻏﻴﺮﻣﺴﻠﻤﺎن)‪ 33 (Unmuslim‬ﺳﺎﻟﻪ اي ﻛﻪ ‪ 64‬ﻛﻴﻠﻮﮔﺮم‬
‫وزن دارد‪.‬‬
‫د‪ -3-‬در ﺳﻄﺮ ﺷﻤﺎره ﺳﻪ‪ :‬ﻣﺴﻠﻤﺎن ‪ 55‬ﺳﺎﻟﻪ اي ﻛﻪ ‪ 51.351‬ﮔﺮم وزن دارد‪.‬‬
‫ه‪ -‬در ﭘﻨﺠﺮهي ﻛﺎرﺑﺮگ دادهﻫﺎ‪ ،‬از ﻣﻨﻮي ‪ View‬ﮔﺰﻳﻨﻪ ‪ Value Label‬را اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪.‬‬
‫اﻳﻦ ﻛﺎر را ﭼﻨﺪ ﺑﺎر اﻧﺠﺎم دﻫﻴﺪ‪ .‬ﺑﺎ اﻳﻨﻜﺎر ﭼﻪ ﺗﻐﻴﻴﺮي در ﻧﻤﺎﻳﺶ دادهﻫﺎ ﭘﻴﺶ ﻣﻲآﻳﺪ؟ ﭼﺮا در‬
‫ﺳﺘﻮن ﻣﺮﺑﻮط ﺑﻪ ﻣﺘﻐﻴﺮ وزن )‪ (v3‬ﻫﻴﭻ ﺗﻐﻴﻴﺮي اﻳﺠﺎد ﻧﻤﻲﺷﻮد؟‬
‫و‪ -‬از ﻣﻨﻮي ﻓﺎﻳﻞ ﮔﺰﻳﻨﻪي ‪ save as‬را اﻧﺘﺨﺎب ﻛﺮده و ﻓﺎﻳﻞ دادهي ﻓﻮق را ﺑﻪ ﻧﺎم ‪data_2‬‬
‫ﺿﺒﻂ ﻧﻤﺎﻳﻴﺪ‪.‬‬
 ‫‪  36‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺗﻤﺮﻳﻦ ‪ :3‬ﻋﻤﻠﻜﺮد ﻫﺮ ﻳﻚ از ﻛﻠﻴﺪﻫﺎي ﻣﻴﺎﻧﺒﺮ ﺷﻜﻞ زﻳﺮ را ﺗﻮﺿﻴﺢ دﻫﻴﺪ‪.‬‬

‫ﺗﻤﺮﻳﻦ ‪ :4‬ﭼﮕﻮﻧﻪ ﻣﻲﺗﻮاﻧﻴﻢ اﻃﻼﻋﺎت ﻣﺮﺑﻮط ﺑﻪ ﻳﻚ ﻳﺎ ﭼﻨﺪ واﺣﺪ ﻧﻤﻮﻧﻪ‪ ،‬ﻳﺎ ﻣﺸﺨﺼﺎت‬
‫ﻣﺮﺑﻮط ﺑﻪ ﺗﻌﺪادي از ﻣﺘﻐﻴﺮﻫﺎ را ﭘﺎك‪ ،‬ﻳﺎ ﻛﭙﻲ ﻛﻨﻴﻢ؟‬
 ‫درس دوم‬
‫ﻛﺪﮔﺬاري‬

‫در ﭘﺎﻳﺎن اﻳﻦ درس اﻧﺘﻈﺎر ﻣﻲرود داﻧﺸﺠﻮ‬

‫‪ -1‬ﻣﻔﻬﻮم ﻛﺪﮔﺬاري را ﺑﺪاﻧﺪ و ﻛﺎرﻛﺮدﻫﺎي ﻛﺪ را ﺗﺠﺰﻳﻪوﺗﺤﻠﻴﻞ ﻛﻨﺪ‪.‬‬
‫‪ -2‬ﺑﺘﻮاﻧﺪ ﺳﺆاﻻت ﺑﺴﺘﻪ ﭘﺎﺳﺦ ﺗﻚ ﭘﺎﺳﺨﻲ و ﭼﻨﺪ ﭘﺎﺳﺨﻲ را ﻛﺪﮔﺬاري ﻛﻨﺪ‪.‬‬
‫‪ -3‬ﺑﺘﻮاﻧﺪ ﺳﺆاﻻت ﺑﺎزﭘﺎﺳﺦ را ﺑﺮاﺳﺎس دو روﻳﻜﺮد ﺗﺠﺮﺑﻲ و ﺗﺌﻮرﻳﻚ ﻛﺪﮔﺬاري ﻛﻨﺪ‪.‬‬
‫‪ -4‬اﻧﻮاع ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ را ﺑﺸﻨﺎﺳﺪ و ﻧﺤﻮه ﻛﺪﮔﺬاري آﻧﻬﺎ را ﺑﺪاﻧﺪ‪.‬‬
‫‪ -5‬ﺗﺄﺛﻴﺮ ﻣﻌﺮﻓﻲ ﻳﺎ ﻋﺪم ﻣﻌﺮﻓﻲ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ را ﺑﺮ ﻧﺘﺎﻳﺞ ﺗﺤﻘﻴﻖ ﺗﻮﺿﻴﺢ دﻫﺪ‪.‬‬
‫‪ -6‬ﻧﺤﻮهي ﻛﺪﮔﺬاري ﭘﺎﺳﺦﻫﺎي ﺑﻲﻧﻈﺮ ﻳﺎ ﻧﻤﻲداﻧﻢ را ﺑﺪاﻧﺪ‪.‬‬
 ‫‪  38‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -1‬ﻣﻘﺪﻣﻪ‬
‫ﻛﺪﮔﺬاري ﻛﻪ ﺑﻪ ﻣﻌﻨﺎي ﻧﺴﺒﺖ دادن ﻛﺪﻫﺎي ﻋﺪدي ﻳﺎ ﺣﺮﻓﻲ ﺑﻪ ﭘﺎﺳﺦﻫﺎي ﻣﻨﺪرج در ﻓﺮم‬
‫ﮔﺮدآوري اﻃﻼﻋﺎت )اﻋﻢ از ﭘﺮﺳﺸﻨﺎﻣﻪ‪ ،‬ﻣﺼﺎﺣﺒﻪﻧﺎﻣﻪ و‪ (..‬اﺳﺖ‪ ،‬ﻳﻜﻲ از ﻣﺮاﺣﻞ اﺟﺘﻨﺎب ﻧﺎﭘﺬﻳﺮ‬
‫ﭘﮋوﻫﺶﻫﺎي ﻋﻠﻤﻲ ﺑﻮﻳﮋه در ﺣﻮزهي ﺗﺤﻘﻴﻘﺎت اﺟﺘﻤﺎﻋﻲ و ﻓﺮﻫﻨﮕﻲ اﺳﺖ‪ .‬اﻧﺠﺎم ﻋﻤﻠﻴﺎت‬
‫ﻛﺪﮔﺬاري ﺷﺮط ﻻزم ورود دادهﻫﺎ ﺑﻪ ﻧﺮماﻓﺰار ‪ spss‬اﺳﺖ‪.‬‬
‫‪ -2‬ﻧﺤﻮهي ﻛﺪﮔﺬاري‬
‫ﻋﻤﻠﻴﺎت ﻛﺪﮔﺬاري ﺑﺮاي ﻣﻌﺮﻓﻲ ﻣﻘﻮﻟﻪ ﻫﺎي ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ ﺑﻪ ﻛﺎر ﻣﻲ رود‪ .‬واﺿﺢ اﺳﺖ ﻛﻪ در‬
‫ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ﻛﻪ ﭘﺎﺳﺦﻫﺎ از ﻧﻮع ﻋﺪد و رﻗﻢ اﺳﺖ‪ ،‬دﻳﮕﺮ ﻧﻴﺎزي ﺑﻪ ﻛﺪﮔﺬاري ﻧﻴﺴﺖ‪ .1‬ﺑﺮاي‬
‫ﻣﺜﺎل ﭘﺎﺳﺦ اﻓﺮاد ﺑﻪ ﺳﺆال "ﺳﻦ ﺷﻤﺎ ﭼﻘﺪر اﺳﺖ؟" ﻳﺎ "ﭼﻨﺪ ﻓﺮزﻧﺪ دارﻳﺪ؟" ﻛﻪ ﻏﺎﻟﺒﺎً ﺑﻪ ﺻﻮرت‬
‫ﻋﺪد اﺳﺖ‪ ،‬ﺑﻪ ﻛﺪﮔﺬاري ﻧﻴﺎزي ﻧﺪارد‪ ،‬اﻣ‪‬ﺎ در ﻣﻮرد ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﻣﺜﻞ "ﺟﻨﺴﻴﺖ" ﻳﺎ " ﻧﻮع ﺷﻐﻞ" ﻛﻪ‬
‫داراي ﭘﺎﺳﺦﻫﺎي ﻛﻴﻔﻲ ﻫﺴﺘﻨﺪ‪ ،‬ﺑﺮاي ورود ﺑﻪ ﻧﺮماﻓﺰار ‪ spss‬ﻧﻴﺎز ﺑﻪ ﻛﺪﮔﺬاري دارﻧﺪ ﻣﺜﻼً ﺑﻪ‬
‫ﺻﻔﺖ ﻣﺮد ﻛﺪ ‪ 1‬و ﺑﻪ ﺻﻔﺖ زن ﻛﺪ ‪ ، 2‬و ﻳﺎ در ﻣﻮرد ﻣﺘﻐﻴﺮ ﺷﻐﻞ‪ ،‬ﺑﻪ ﻛﺎرﮔﺮ ﻛﺪ ‪ ،1‬ﻛﺸﺎورز ﻛﺪ‬
‫‪ ،2‬ﻛﺎرﻣﻨﺪ ﻛﺪ ‪ 3‬و‪ ....‬ﻧﺴﺒﺖ ﻣﻲ دﻫﻴﻢ‪.‬‬
‫ﻛﺪﮔﺬاري در ﻓﺮاﻳﻨﺪ ﺗﺤﻘﻴﻖ ﻛﺎرﻛﺮدﻫﺎي ﻣﺨﺘﻠﻔﻲ دارد‪ .‬ﻛﻤﺘﺮﻳﻦ ﻛﺎرﻛﺮد ﻛﺪﻫﺎ اﻳﻦ اﺳﺖ ﻛﻪ‬
‫ﺑﻴﺎﻧﮕﺮ ﺗﻤﺎﻳﺰ ﻫﺴﺘﻨﺪ‪ .‬ﺑﻪ ﻋﺒﺎرت دﻳﮕﺮ از ﻧﺤﻮهي ﻛﺪﮔﺬاري ﻣﺸﺎﻏﻞ ﻣﻲﻓﻬﻤﻴﻢ ﻛﻪ ﺷﻐﻞ ﻣﺮﺑﻮط ﺑﻪ‬
‫ﻛﺪ ‪ 1‬ﺑﺎ ﺷﻐﻞ ﻣﺮﺑﻮط ﺑﻪ ﻛﺪ ‪ 2‬ﺗﻔﺎوت دارد‪ .‬اﻳﻦ ﻛﺎرﻛﺮد ﻣﻨﺤﺼﺮ ﺑﻪ ﻛﺪﮔﺬاري ﻣﺘﻐﻴﺮﻫﺎﻳﻲ اﺳﺖ ﻛﻪ‬
‫ﺳﻄﺢ ﺳﻨﺠﺶ آﻧﻬﺎ اﺳﻤﻲ‪ 2‬اﺳﺖ‪ .‬ﮔﻔﺘﻨﻲ اﺳﺖ ﻛﻪ ﻛﺪﻫﺎ ﻋﻼوه ﺑﺮ ﺗﻤﺎﻳﺰ ﻣﻲ ﺗﻮاﻧﻨﺪ ﻛﺎرﻛﺮد‬
‫رﺗﺒﻪﺑﻨﺪي ﻧﻴﺰ داﺷﺘﻪ ﺑﺎﺷﻨﺪ‪ .‬ﻣﺜﻼً ﻣﺘﻐﻴﺮ ﺗﺤﺼﻴﻼت را ﺑﺎ ﺻﻔﺎت و ﻛﺪﻫﺎي ﺑﻲﺳﻮاد )ﻛﺪ ‪،(1‬‬
‫اﺑﺘﺪاﻳﻲ)ﻛﺪ ‪ ،(2‬راﻫﻨﻤﺎﻳﻲ )ﻛﺪ ‪ ،(3‬ﻣﺘﻮﺳﻄﻪ )ﻛﺪ ‪ (4‬و داﻧﺸﮕﺎﻫﻲ )ﻛﺪ ‪ (5‬در ﻧﻈﺮ ﺑﮕﻴﺮﻳﺪ‪ .‬در اﻳﻨﺠﺎ‬
‫ﻛﺪﻫﺎي ‪ 4‬و ‪ 5‬ﻧﻪ ﺗﻨﻬﺎ ﺑﻪ ﺗﺤﺼﻴﻼت ﻣﺘﻔﺎوﺗﻲ ﻣﺮﺑﻮط ﻣﻲﺷﻮﻧﺪ )ﻛﺎرﻛﺮد ﺗﻤﺎﻳﺰﺑﺨﺸﻲ(‪ ،‬ﺑﻠﻜﻪ ﻋﻼوه‬
‫ﺑﺮآن ﮔﻮﻳﺎي اﻳﻦ واﻗﻌﻴﺖ ﻧﻴﺰ ﻫﺴﺘﻨﺪ ﻛﻪ ﺗﺤﺼﻴﻼت ﻣﺘﻨﺎﻇﺮ ﺑﺎ ﻛﺪ ‪ 5‬ﺑﻴﺸﺘﺮ از ﺗﺤﺼﻴﻼت ﻣﺘﻨﺎﻇﺮ ﺑﺎ‬
‫ﻛﺪ ‪ 4‬اﺳﺖ )ﻛﺎرﻛﺮد رﺗﺒﻪﺑﻨﺪي(‪ .‬اﻳﻦ ﻛﺎرﻛﺮد ﻫﻢ ﻣﻨﺤﺼﺮ ﺑﻪ ﻣﺘﻐﻴﺮﻫﺎﻳﻲ اﺳﺖ ﻛﻪ در ﺳﻄﺢ‬
‫رﺗﺒﻪاي‪ 3‬ﻫﺴﺘﻨﺪ‪.‬‬

‫‪ -1‬ﮔﻔﺘﻨﻲ اﺳﺖ ﻛﻪ ﻣﺘﻐﻴﺮﻫﺎي داراي ﺳﻄﻮح ﺳﻨﺠﺶ اﺳﻤﻲ و رﺗﺒﻪاي در دﺳﺘﻪي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ ﺑﻮده و ﺳﻄﻮح‬
‫ﺳﻨﺠﺶ ﻓﺎﺻﻠﻪاي وﻧﺴﺒﻲ از ﺟﻤﻠﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ﻣﺤﺴﻮب ﻣﻲﺷﻮﻧﺪ‬
‫‪2 - Nominal‬‬
‫‪3- Ordinal‬‬
‫درس دوم – ﻛﺪﮔﺬاري ‪  39 ‬‬

‫ﻗﺎﻋﺪه ﻛﻠّﻲ در ﻛﺪﮔﺬاري ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ اﻳﻦ اﺳﺖ ﻛﻪ ﺑﺮاي ﻫﺮ ﭘﺎﺳﺦ ﻳﻚ ﻛﺪ در ﻧﻈﺮ‬
‫ﺑﮕﻴﺮﻳﺪ‪ .‬ﺑﺎ ﻧﻮﺷﺘﻦ ﻛﺪﻫﺎي ﻣﺘﻨﺎﻇﺮ ﺑﺎ ﻫﺮ ﭘﺎﺳﺦ ﺑﺮ روي ﻓﺮم ﮔﺮدآوري اﻃﻼﻋﺎت )اﻋﻢ از ﭘﺮﺳﺸﻨﺎﻣﻪ‬
‫ﻳﺎ ﻣﺼﺎﺣﺒﻪ ﻧﺎﻣﻪ ﻳﺎ ﻣﺸﺎﻫﺪه ﻧﺎﻣﻪ ﻳﺎ‪ ،( ...‬ﻛﺪﻧﺎﻣﻪ ﺳﺎﺧﺘﻪ ﻣﻲﺷﻮد‪ .‬ﻛﺪﻧﺎﻣﻪ در ﺣﻘﻴﻘﺖ راﻫﻨﻤﺎي‬
‫ﻛﺪﮔﺬاري اﺳﺖ‪ .‬ﺑﺪﻳﻬﻲ اﺳﺖ ﻛﻪ ﻳﻚ ﻛﺪﻧﺎﻣﻪي ﺷﻔﺎف ﻣﻲﺗﻮاﻧﺪ ﻋﻤﻠﻴﺎت ﻛﺪﮔﺬاري را ﺗﺴﺮﻳﻊ و‬
‫ﻳﻜﺪﺳﺖ ﻛﻨﺪ و در ﻋﻴﻦ ﺣﺎل ﺑﺮ دﻗﺖ ﻧﺘﺎﻳﺞ ﺑﻴﺎﻓﺰاﻳﺪ‪.‬‬
‫از آﻧﺠﺎ ﻛﻪ ﻧﺤﻮه ﻛﺪﮔﺬاري ﺳﺆاﻻت ﺑﺎز و ﺑﺴﺘﻪ ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﻣﺘﻔﺎوت اﺳﺖ اﺑﺘﺪا ﻛﺪﮔﺬاري‬
‫ﺳﺆاﻻت ﺑﺴﺘﻪ ﭘﺎﺳﺦ را ﺗﺸﺮﻳﺢ ﻣﻲ ﻛﻨﻴﻢ‪ ،‬ﺳﭙﺲ ﺑﻪ ﻛﺪﮔﺬاري ﺳﺆاﻻت ﺑﺎز ﭘﺎﺳﺦ ﻣﻲ ﭘﺮدازﻳﻢ‪.‬‬
‫‪ ‬ﻛﺪﮔﺬاري ﺳﺆاﻻت ﺑﺴﺘﻪ ﭘﺎﺳﺦ‬
‫ﺳﺆاﻻت ﺑﺴﺘﻪ ﭘﺎﺳﺦ ﺑﻪ ﺳﺆاﻻﺗﻲ اﻃﻼق ﻣﻲﺷﻮد ﻛﻪ ﭘﺎﺳﺨﮕﻮ ﺑﺎﻳﺪ از ﻣﻴﺎن ﮔﺰﻳﻨﻪﻫﺎي‬
‫ﭘﻴﺸﻨﻬﺎدي ﻣﺤﻘﻖ‪ ،‬ﮔﺰﻳﻨﻪ ﻳﺎ ﮔﺰﻳﻨﻪﻫﺎي ﻣﻮردﻧﻈﺮ ﺧﻮد را ﺑﻪ ﻋﻨﻮان ﭘﺎﺳﺦ اﻧﺘﺨﺎب ﻛﻨﺪ و ﻣﻌﻤﻮﻻً‬
‫ﺣﻖ اﻇﻬﺎر ﻧﻈﺮي در ﺧﺎرج از ﭼﺎرﭼﻮب ﭘﻴﺸﻨﻬﺎدي ﻣﺤﻘﻖ ﻧﺪارد‪ .‬اﻳﻦ دﺳﺘﻪ از ﺳﺆاﻻت را‬
‫ﻣﻲﺗﻮان ﺑﻪ دو دﺳﺘﻪي ﻓﺮﻋﻲ ﺗﻘﺴﻴﻢ ﻛﺮد ‪:‬‬
‫اﻟﻒ(ﺳﺆاﻻت ﺑﺴﺘﻪاي ﻛﻪ ﭘﺎﺳﺨﮕﻮ ﻓﻘﻂ ﺣﻖ اﻧﺘﺨﺎب ﻳﻚ ﮔﺰﻳﻨﻪ را دارد‪ .‬ﻣﺜﻼً‪:‬‬
‫وﺿﻌﻴﺖ ﺗﺄﻫﻞ ﺷﻤﺎ ﭼﮕﻮﻧﻪ اﺳﺖ؟ ‪ ‬ﻣﺠﺮد ‪ ‬ﻣﺘﺄﻫﻞ ‪ ‬ﻣﻄﻠّﻘﻪ ‪ ‬ﺑﻴﻮه ‪ ‬ﺟﺪا ﺷﺪه‬

‫در اﻳﻦ ﻧﻮع ﺳﺆاﻻت ﻣﻲﺗﻮان از ﻛﺪﻫﺎي ‪) 1‬ﺑﺮاي ﻣﺠﺮد(‪) 2 ،‬ﺑﺮاي ﻣﺘﺄﻫﻞ(‪) 3 ،‬ﺑﺮاي ﻣﻄﻠﻘﻪ(‪،‬‬
‫‪) 4‬ﺑﺮاي ﺑﻴﻮه(‪) 5 ،‬ﺑﺮاي ﺟﺪا ﺷﺪه( اﺳﺘﻔﺎده ﻛﺮد‪ .‬ﻃﺒﻴﻌﻲ اﺳﺖ ﻛﻪ در اﻳﻦ ﻗﺒﻴﻞ ﻛﺪﮔﺬاري‪ ،‬ﺗﻌﺪاد‬
‫ﻛﺪﻫﺎ ﺗﺎﺑﻌﻲ از ﺗﻌﺪاد ﮔﺰﻳﻨﻪﻫﺎ اﺳﺖ‪ .‬ﻣﺜﻼً اﮔﺮ ﻓﺮدي در ﭘﺎﺳﺦ ﺑﻪ اﻳﻦ ﺳﺆال ﮔﺰﻳﻨﻪي ﻣﻄﻠّﻘﻪ را‬
‫ﻋﻼﻣﺖ ﺑﺰﻧﺪ‪ ،‬ﻛﺪ ‪ 3‬ﺑﻪ او ﺗﻌﻠﻖ ﻣﻲﮔﻴﺮد‪.‬‬
‫ب( ﺳﺆاﻻت ﺑﺴﺘﻪاي ﻛﻪ ﭘﺎﺳﺨﮕﻮ ﺣﻖ اﻧﺘﺨﺎب ﺑﻴﺶ از ﻳﻚ ﭘﺎﺳﺦ را دارد‪ .‬ﻣﺜﻼً‪:‬‬
‫اوﻗﺎت ﻓﺮاﻏﺖ ﺧﻮد را ﭼﮕﻮﻧﻪ ﻣﻲﮔﺬراﻧﻴﺪ؟‬
‫‪ ‬ورزش ‪ ‬ﻣﻬﻤﺎﻧﻲ ‪ ‬اﺳﺘﺮاﺣﺖ ‪ ‬ﻣﻄﺎﻟﻌﻪ ‪ ‬ﺧﻴﺎﺑﺎﻧﮕﺮدي ‪ ‬ﺗﻔﺮﻳﺢ ‪ ‬ﺳﺎﻳﺮ‬

‫در اﻳﻦ ﻧﻮع ﺳﺆاﻻت ﺑﻬﺘﺮ اﺳﺖ از ﻛﺪﮔﺬاري ﺻﻔﺮ و ﻳﻚ اﺳﺘﻔﺎده ﺷﻮد‪ .‬ﺑﺪﻳﻦ ﻣﻌﻨﻲ ﻛﻪ‬
‫ﭘﺎﺳﺨﮕﻮﻳﺎﻧﻲ ﻛﻪ در ﻣﻘﺎﺑﻞ ﻫﺮ ﻳﻚ از ﮔﺰﻳﻨﻪﻫﺎ ﻋﻼﻣﺖ زده اﻧﺪ‪ ،‬ﻛﺪ ‪ 1‬و ﺑﻪ آﻧﻬﺎ ﻛﻪ ﻋﻼﻣﺖ‬
‫ﻧﺰدهاﻧﺪ‪ ،‬ﻛﺪ ﺻﻔﺮ ﻧﺴﺒﺖ داده ﻣﻲﺷﻮد‪.‬‬
‫ﺗﻔﺎوت اﻳﻦ ﺳﺒﻚ ﻛﺪﮔﺬاري ﺑﺎ ﻛﺪﮔﺬاري ﺳﺆاﻻت ﺑﺴﺘﻪ ﭘﺎﺳﺦ ﻧﻮع اﻟﻒ‪ ،‬اﻳﻦ اﺳﺖ ﻛﻪ ﻣﺤﻘﻖ‬
‫ﺑﻪ ﺗﻌﺪاد ﮔﺰﻳﻨﻪﻫﺎ )ﻣﺜﻼً ورزش‪ ،‬ﻣﻬﻤﺎﻧﻲ‪ ،‬اﺳﺘﺮاﺣﺖ‪ ،‬ﻣﻄﺎﻟﻌﻪ و‪ (..‬ﻣﺘﻐﻴﺮ در ﭘﻴﺶرو ﺧﻮاﻫﺪ داﺷﺖ‪.‬‬
‫ﺑﻪ اﻳﻦ ﻣﻌﻨﻲ ﻛﻪ ﺑﺎﻳﺪ ﻫﺮ ﻳﻚ از اﻳﻦ ﮔﺰﻳﻨﻪﻫﺎ را ﻫﻤﺎﻧﻨﺪ ﻳﻚ ﻣﺘﻐﻴﺮ ﺗﻠﻘﻲ ﻛﻨﺪ‪.‬‬
 ‫‪  40‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ ‬ﻛﺪﮔﺬاري ﺳﺆاﻻت ﺑﺎزﭘﺎﺳﺦ‬

‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻗﺒﻼ ذﻛﺮ ﺷﺪ‪ ،‬ﺳﺆاﻻت ﺑﺎزﭘﺎﺳﺦ‪ ،‬ﺳﺆاﻻﺗﻲ ﻫﺴﺘﻨﺪ ﻛﻪ ﭘﺎﺳﺨﮕﻮ در آﻧﻬﺎ ﻣﺤﺪود‬
‫ﺑﻪ اﻧﺘﺨﺎب ﮔﺰﻳﻨﻪ ﺧﺎﺻﻲ ﻧﻴﺴﺖ‪ ،‬ﺑﻠﻜﻪ ﻣﻲﺗﻮاﻧﺪ ﻧﻈﺮ ﺧﻮد را ﺑﺮ ﺣﺴﺐ ﻋﻼﻳﻖ و اﻃﻼﻋﺎت ﺧﻮد‬
‫ﺑﻪ ﺗﻔﺼﻴﻞ ﻳﺎ ﺑﻪ اﺧﺘﺼﺎر در اﺧﺘﻴﺎر ﭘﺮﺳﺸﮕﺮ ﻗﺮار دﻫﺪ‪ ،‬ﺧﻮاه در ﻗﺎﻟﺐ ﻣﺼﺎﺣﺒﻪ و ﺑﻪ ﺻﻮرت‬
‫ﺷﻔﺎﻫﻲ ﺑﺎﺷﺪ و ﻳﺎ ﺑﻪ ﺻﻮرت ﭘﺮﺳﺸﻨﺎﻣﻪ ﻛﺘﺒﻲ‪ .‬ﺑﻪ ﺳﺆاﻻت زﻳﺮ دﻗﺖ ﻛﻨﻴﺪ‪:‬‬
‫‪ .1‬ﻟﻄﻔﺎً ﻋﻨﻮان ﺷﻐﻞ ﺧﻮد را ﺑﻨﻮﻳﺴﻴﺪ‪.‬‬
‫‪ .2‬ﭼﻪ ﻣﺪت اﺳﺖ ﻛﻪ در اﻳﻦ ﻣﺤﻠﻪ ﺳﻜﻮﻧﺖ دارﻳﺪ؟‬
‫‪ .3‬ﻧﺎم آﺧﺮﻳﻦ ﻛﺘﺎب ﻏﻴﺮدرﺳﻲ ﻛﻪ ﺧﻮاﻧﺪهاﻳﺪ ﭼﻪ ﺑﻮد؟‬
‫‪ .4‬ﺑﻪ ﻧﻈﺮ ﺷﻤﺎ ﭼﺮا ﺑﺮﺧﻲ از ﻣﺮدم ﺑﻪ ﻣﻘﺮرات راﻫﻨﻤﺎﻳﻲ و راﻧﻨﺪﮔﻲ ﻣﺨﺼﻮص ﻋﺎﺑﺮ ﭘﻴﺎده‬
‫ﺗﻮﺟﻪ ﻧﻤﻲﻛﻨﻨﺪ؟‬
‫ﺑﺮاي ﻛﺪﮔﺬاري ﭘﺎﺳﺦ اﻳﻦ دﺳﺘﻪ از ﺳﺆاﻻت دو روﻳﻜﺮد وﺟﻮد دارد‪ :‬روﻳﻜﺮد ﺗﺌﻮرﻳﻚ و‬
‫روﻳﻜﺮد ﺗﺠﺮﺑﻲ‪.‬‬
‫‪ ‬ﻛﺪﮔﺬاري ﺳﺆاﻻت ﺑﺎزﭘﺎﺳﺦ ﺑﺮاﺳﺎس روﻳﻜﺮد ﺗﺌﻮرﻳﻚ‬
‫ﻃﺒﻖ اﻳﻦ روﻳﻜﺮد‪ ،‬ﺑﺎﻳﺪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﺒﺎﻧﻲ ﻧﻈﺮي ﺗﺤﻘﻴﻖ‪ ،‬اﻗﺪام ﺑﻪ ﺗﻬﻴﻪ ﻛﺪﻧﺎﻣﻪ ﺑﺮاي اﻳﻦ دﺳﺘﻪ‬
‫از ﺳﺆاﻻت ﻛﻨﻴﺪ‪ .‬ﺑﺮاي ﻣﺜﺎل اﮔﺮ ﻗﺼﺪ ﺗﺤﻘﻴﻖ در ﺑﺎره ﻣﻴﺰان رﻋﺎﻳﺖ ﺑﻬﺪاﺷﺖ ﺗﻮﺳﻂ ﺷﻬﺮوﻧﺪان را‬
‫داﺷﺘﻪ ﺑﺎﺷﻴﺪ و ﭘﻴﺶﻓﺮضﺗﺎن اﻳﻦ ﺑﺎﺷﺪ ﻛﻪ ﻧﻮع ﺷﻐﻞ اﻓﺮاد در ﻣﻴﺰان رﻋﺎﻳﺖ ﺑﻬﺪاﺷﺖ ﻣﻮﺛﺮ اﺳﺖ‬
‫و ﺑﺎ اﺗﻜﺎ ﺑﻪ ﻣﺒﺎﻧﻲ ﻧﻈﺮي و اﻳﻦ ﻣﻨﻄﻖ ﻛﻪ اﻓﺮادي ﻛﻪ در ﺣﻴﻄﻪ ﺑﻬﺪاﺷﺖ و درﻣﺎن ﺷﺎﻏﻞ ﻫﺴﺘﻨﺪ‪ ،‬در‬
‫ﻣﻘﺎﻳﺴﻪ ﺑﺎ اﻓﺮادي ﻛﻪ ﻣﺸﺎﻏﻞ آﻣﻮزﺷﻲ دارﻧﺪ‪ ،‬ﺑﻪ ﻣﻴﺰان ﺑﻴﺸﺘﺮي ﺑﻪ ﻣﻘﺮرات ﺑﻬﺪاﺷﺘﻲ ﭘﺎﻳﺒﻨﺪي دارﻧﺪ‬
‫و ﺷﺎﻏﻠﻴﻦ در ﺑﺨﺶﻫﺎي آﻣﻮزﺷﻲ در ﻣﻘﺎﻳﺴﻪ ﺑﺎ اﻓﺮادي ﻛﻪ داراي ﻣﺸﺎﻏﻞ ﻓﻨﻲ ﻫﺴﺘﻨﺪ‪ ،‬ﺗﻘﻴﺪ‬
‫ﺑﻴﺸﺘﺮي ﺑﻪ ﻣﻘﺮرات ﺑﻬﺪاﺷﺖ دارﻧﺪ‪ ،‬ﺑﺮاي ﻛﺪﮔﺬاري ﭘﺎﺳﺦﻫﺎي اﻳﻦ ﺳﺆال ﺑﺎﻳﺪ ﺑﻪ ﺷﻜﻞ زﻳﺮ‬
‫ﻋﻤﻞ ﺷﻮد‪:‬‬
‫‪ .1‬ﻣﺸﺎﻏﻞ ﺑﻬﺪاﺷﺘﻲ و درﻣﺎﻧﻲ )ﻧﻈﻴﺮ ﭘﺰﺷﻚ‪ ،‬ﭘﺮﺳﺘﺎر‪ ،‬ﻣﺎﻣﺎ‪ ،‬ﺗﺰرﻳﻘﺎﺗﻲ‪ ،‬ﻛﺎرﺷﻨﺎس آزﻣﺎﻳﺸﮕﺎه‬
‫ﻃﺒﻲ و‪ = ( ....‬ﻛﺪ ‪1‬‬
‫‪ .2‬ﻣﺸﺎﻏﻞ آﻣﻮزﺷﻲ )ﻧﻈﻴﺮ ﻣﻌﻠﻢ‪ ،‬اﺳﺘﺎد داﻧﺸﮕﺎه‪ ،‬ﻣﺪرس ﺧﻮﺷﻨﻮﻳﺴﻲ‪ ،‬ﻣﺪﻳﺮ ﻳﺎ ﻣﻌﺎون ﻣﺮاﻛﺰ‬
‫آﻣﻮزﺷﻲ و‪ = ( ....‬ﻛﺪ ‪2‬‬
‫‪ .3‬ﻣﺸﺎﻏﻞ ﻓﻨﻲ )ﻧﻈﻴﺮ ﻣﻜﺎﻧﻴﻚ‪ ،‬ﺟﻮﺷﻜﺎر‪ ،‬ﺑﻨّﺎ و‪ = ( ...‬ﻛﺪ‪3‬‬
‫از ﺳﻮي دﻳﮕﺮ ﻣﻤﻜﻦ اﺳﺖ در ﺗﺤﻘﻴﻘﻲ ﻗﺼﺪ ﻣﻄﺎﻟﻌﻪي ﻣﺸﺎرﻛﺖ ﺳﻴﺎﺳﻲ را داﺷﺘﻪ ﺑﺎﺷﻴﺪ‪ ،‬در‬
‫اﻳﻨﺠﺎ ﺑﺎﻳﺪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﺒﺎﻧﻲ ﻧﻈﺮي ﺗﺤﻘﻴﻖ ﺧﻮد‪ ،‬ﻣﺸﺎﻏﻞ ﻓﻮق را ﺑﻪ دو دﺳﺘﻪي دوﻟﺘﻲ و ﻏﻴﺮدوﻟﺘﻲ‬
‫ﺗﻘﺴﻴﻢ و ﻛﺪﮔﺬاري ﻛﻨﻴﺪ‪.‬‬
‫درس دوم – ﻛﺪﮔﺬاري ‪  41 ‬‬

‫‪ .1‬ﻣﺸﺎﻏﻞ دوﻟﺘﻲ )ﻣﻌﻠﻢ‪ ،‬اﺳﺘﺎد داﻧﺸﮕﺎه‪ ،‬ﭘﺰﺷﻚ و‪ = ( ..‬ﻛﺪ‪1‬‬

‫‪ .2‬ﻣﺸﺎﻏﻞ ﻏﻴﺮ دوﻟﺘﻲ )ﻣﻜﺎﻧﻴﻚ‪ ،‬ﺟﻮﺷﻜﺎر‪ ،‬ﺑﻨّﺎ و‪ = (...‬ﻛﺪ‪2‬‬
‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد اﻳﻦ ﻧﻮع ﻛﺪﮔﺬاري ﺻﺒﻐﻪي ﻗﻴﺎﺳﻲ)ﻛﻞ ﺑﻪ ﺟﺰء( دارد و‬
‫ﭘﺎﺳﺦﻫﺎ ﺑﺪون ﺗﻮﺟﻪ ﺑﻪ ﻣﺼﺎدﻳﻖ‪ ،‬دﺳﺘﻪﺑﻨﺪي و ﻛﺪﮔﺬاري ﻣﻲﺷﻮد‪.‬‬
‫ﺷﺎﻳﺪ ﺳﺆال ﺷﻮد اﮔﺮ ﭼﻨﻴﻦ دﺳﺘﻪ ﺑﻨﺪي ﺗﺌﻮرﻳﻜﻲ وﺟﻮد دارد ﭼﺮا از ﻫﻤﺎن اﺑﺘﺪا اﻗﺪام ﺑﻪ‬
‫ﻃﺮاﺣﻲ ﻳﻚ ﺳﺆال ﺑﺴﺘﻪ ﭘﺎﺳﺦ ﺑﺎ ﻫﻤﺎن ﻣﻘﻮﻻت ﺗﺌﻮرﻳﻚ ﻧﻤﻲﺷﻮد‪ .‬در ﭘﺎﺳﺦ ﺑﺎﻳﺪ ﮔﻔﺖ‪ ،‬ﻃﺮاﺣﻲ‬
‫ﺳﺆاﻻت ﺑﺎزﭘﺎﺳﺦ اﻳﻦ ﻣﺰﻳﺖ ﺑﺰرگ را دارد ﻛﻪ ﻣﺤﻘﻖ ﻣﻲﺗﻮاﻧﺪ ﺑﻪ اﺷﻜﺎل ﻣﺨﺘﻠﻔﻲ ﻛﻪ ﺑﺮﺧﻲ از‬
‫آﻧﻬﺎ ﻣﻤﻜﻦ اﺳﺖ ﭘﺲ از ﮔﺮدآوري اﻃﻼﻋﺎت ﺑﻪ ذﻫﻦ ﺑﺮﺳﺪ‪ ،‬ﭘﺎﺳﺦﻫﺎ را دﺳﺘﻪﺑﻨﺪي ﻛﻨﺪ‪ .‬از ﺳﻮي‬
‫دﻳﮕﺮ ﺑﺴﺘﻪ ﭘﺎﺳﺦ ﻛﺮدن ﭼﻨﻴﻦ ﺳﺆاﻻﺗﻲ ﺑﺪﻳﻦ ﻣﻌﻨﺎﺳﺖ ﻛﻪ ﺧﻮد ﭘﺎﺳﺨﮕﻮ ﺗﻮاﻧﺎﻳﻲ ﺗﺸﺨﻴﺺ‪،‬‬
‫دﺳﺘﻪﺑﻨﺪي و ﺗﺨﺼﻴﺺ ﺷﻐﻞ ﺧﻮد را ﺑﻪ ﻳﻜﻲ از ﻣﻘﻮﻻت ﺗﺌﻮرﻳﻚ دارد ﻛﻪ اﻳﻦ ﻛﺎر ﺑﻪ ﺧﻮدي‬
‫ﺧﻮد از دﻗﺖ ﻧﺘﺎﻳﺞ ﺗﺤﻘﻴﻖ ﻣﻲﻛﺎﻫﺪ‪ .‬ﺑﺮاي ﻣﺜﺎل ﻓﺮدي ﻛﻪ ﻣﺮﺑﻲ ﺑﻬﺪاﺷﺖ ﻳﻚ آﻣﻮزﺷﮕﺎه اﺳﺖ‪ ،‬در‬
‫ﺗﺸﺨﻴﺺ اﻳﻦ ﻣﻮﺿﻮع ﻛﻪ ﺷﻐﻠﺶ در ﻃﺒﻘﻪي آﻣﻮزﺷﻲ ﻗﺮار ﻣﻲﮔﻴﺮد ﻳﺎ ﻃﺒﻘﻪي ﺑﻬﺪاﺷﺘﻲ و درﻣﺎﻧﻲ‬
‫دﭼﺎر ﺳﺮدرﮔﻤﻲ ﺧﻮاﻫﺪ ﺷﺪ‪ .‬ﻟﺬا ﺑﻬﺘﺮ اﺳﺖ ﻛﻪ ﺧﻮد ﻣﺤﻘﻖ ﻋﻤﻠﻴﺎت دﺳﺘﻪﺑﻨﺪي و ﻛﺪﮔﺬاري‬
‫ﻣﺸﺎﻏﻞ را اﻧﺠﺎم دﻫﺪ‪.‬‬
‫‪ ‬ﻛﺪﮔﺬاري ﺳﺆاﻻت ﺑﺎزﭘﺎﺳﺦ ﺑﺮاﺳﺎس روﻳﻜﺮد ﺗﺠﺮﺑﻲ‬
‫در روﻳﻜﺮد ﺗﺠﺮﺑﻲ ﺑﺎﻳﺪ اﺑﺘﺪا ﺑﺎ ﻣﻄﺎﻟﻌﻪي ﺗﻌﺪاد ﻗﺎﺑﻞﺗﻮﺟﻬﻲ‪ 1‬از ﻓﺮمﻫﺎي ﮔﺮدآوري اﻃﻼﻋﺎت‪،‬‬
‫ﻛﻠﻴﻪ ﭘﺎﺳﺦﻫﺎي ﭘﺎﺳﺨﮕﻮﻳﺎن را ﺑﺮ روي ﺑﺮﮔﻪاي ﻳﺎدداﺷﺖ ﻛﻨﻴﺪ‪ ،‬ﺳﭙﺲ ﺑﺎ ﺑﺮرﺳﻲ وﺟﻮه ﺗﺸﺎﺑﻪ و‬
‫ﺗﻤﺎﻳﺰ آﻧﻬﺎ‪ ،‬اﻗﺪام ﺑﻪ دﺳﺘﻪﺑﻨﺪي ﻛﻨﻴﺪ‪ .‬ﻣﺜﻼً ﻣﻤﻜﻦ اﺳﺖ ﭘﺎﺳﺦﻫﺎي ﺗﻌﺪادي از ﭘﺎﺳﺨﮕﻮﻳﺎن ﺑﻪ اﻳﻦ‬
‫ﺳﺆال ﻛﻪ "ﻧﺎم آﺧﺮﻳﻦ ﻛﺘﺎب ﻏﻴﺮدرﺳﻲ ﻛﻪ ﺧﻮاﻧﺪهاﻳﺪ ﭼﻪ ﺑﻮد؟" ﺷﺎﻣﻞ ﻣﻮارد زﻳﺮ ﺑﺎﺷﺪ‪:‬‬
‫دﻧﻴﺎي ﺳﻮﻓﻲ‪ ،‬اﻧﺴﺎن در ﺟﺴﺘﺠﻮي ﻣﻌﻨﻲ‪ ،‬ﺟﻨﺲ ﺿﻌﻴﻒ‪ ،‬اوﻟﻴﻦ و آﺧﺮﻳﻦ رﻫﺎﻳﻲ‪ ،‬ﺑﺎدﺑﺎدك‬
‫ﺑﺎز‪ ،‬در آﻏﻮش ﻧﻮر‪ ،‬وﺿﻌﻴﺖ آﺧﺮ‪ ،‬ﺗﺤﻠﻴﻠﻲ از ﻣﻨﺎﺳﻚ ﺣﺞ‪ ،‬ﺳﻴﺎﺣﺖ ﻏﺮب‪ ،‬ﺳﻮپ ﺟﻮﺟﻪ ﺑﺮاي‬
‫روح‪ ،‬ﻟﻄﻴﻔﻪﻫﺎي اﻧﮕﻠﻴﺴﻲ‪ ،‬ﺗﺠﺴﻢ ﺧﻼق‪ ،‬ﻣﺠﻤﻮﻋﻪ اﺷﻌﺎر ﺗﺎرﻫﺎﻳﻲ‪ ،‬ﻗﻮرﺑﺎﻏﻪ را ﺑﺨﻮر‪ ،‬روي ﻣﺎه‬
‫ﺧﺪاوﻧﺪ را ﺑﺒﻮس‪ ،‬ﻣﻄﺎﻟﻌﻪ ﺑﺎ ﺗﻤﺮﻛﺰ‪ ،‬راه ﺗﺤﻮل‪ ،‬اﻳﻨﺘﺮﻧﺖ را آﺳﺎن ﻳﺎد ﺑﮕﻴﺮﻳﺪ‪ ،‬دردﻫﺎي ﻛﻤﺮ و‬
‫ﭘﺸﺖ‪ ،‬ﺧﻮاص ﻣﻴﻮهﻫﺎ‪ ،‬ﻃﺎﻟﻊﺑﻴﻨﻲ ﻫﻨﺪي‪ ،‬ﺧﻮدآﻣﻮز ‪ ،spss‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﺗﻮﺳﻌﻪ و‪...‬‬

‫‪ -1‬ﭘﻴﺸﻨﻬﺎد ﻣﺸﺨﺺ ﻧﮕﺎرﻧﺪه ﺑﺮرﺳﻲ ﺣﺪود ده درﺻﺪ ﭘﺎﺳﺦﻫﺎ اﺳﺖ ﻛﻪ ﺑﻪ ﺻﻮرت ﺗﺼـﺎدﻓﻲ اﻧﺘﺨـﺎب ﺷـﺪه ﺑﺎﺷـﺪ‪،‬‬
‫ﻣﺸﺮوط ﺑﺮ اﻳﻨﻜﻪ از ﺗﻌﺪاد ‪ 30‬ﻣﻮرد ﻛﻤﺘﺮ ﻧﺒﺎﺷﺪ‪ .‬اﻟﺒﺘﻪ ﺣﺪ ﺑﺎﻻﻳﻲ ﺑﺮاي ﺗﻌﺪاد ﻣﻮرد ﺑﺮرﺳﻲ وﺟﻮد ﻧﺪارد‪ .‬واﻗﻌﻴﺖ اﻳﻦ‬
‫اﺳﺖ ﻛﻪ ﻫﺮ ﭼﻪ ﺗﻌﺪاد ﭘﺮﺳﺸﻨﺎﻣﻪﻫﺎي ﻣﻮرد ﺑﺮرﺳﻲ در اﻳﻦ ﻣﺮﺣﻠﻪ ﺑﻴﺸﺘﺮ ﺑﺎﺷﺪ‪ ،‬دﻗﺖ ﻛﺪﻧﺎﻣﻪ ﺑﻴﺸﺘﺮ ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬
 ‫‪  42‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺣﺎل ﺑﺎ ﺷﻨﺎﺳﺎﻳﻲ وﺟﻮه ﺗﺸﺎﺑﻪ و ﺗﻤﺎﻳﺰ ﻛﺘﺎبﻫﺎ‪ ،‬ﺑﺎﻳﺪ ﻳﻚ دﺳﺘﻪﺑﻨﺪي اراﺋﻪ دﻫﻴﺪ‪.‬‬
‫ﻣﺜﻼً‪ :‬ﻛﺘﺎبﻫﺎي رﻣﺎن = ﻛﺪ‪ ،1‬ﻛﺘﺎﺑﻬﺎي ﻣﺬﻫﺒﻲ = ﻛﺪ‪ ،2‬ﻛﺘﺎبﻫﺎي رواﻧﺸﻨﺎﺳﻲ= ﻛﺪ‪،3‬‬
‫ﻛﺘﺎبﻫﺎي آﻣﻮزﺷﻲ= ﻛﺪ‪ 4‬و‪...‬‬
‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد اﻳﻦ روﻳﻜﺮد داراي ﺻﺒﻐﻪ اﺳﺘﻘﺮاﻳﻲ )ﺟﺰء ﺑﻪ ﻛﻞ( ﺑﻮده و ﻓﺎﻗﺪ‬
‫ﻃﺮح و ﻧﻘﺸﻪ ﻗﺒﻠﻲ ﺑﺮاي دﺳﺘﻪﺑﻨﺪي ﭘﺎﺳﺦﻫﺎ اﺳﺖ‪.‬‬
‫‪ ‬ﻛﺪﮔﺬاري ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ )‪(Missing Values‬‬
‫در ﻏﺎﻟﺐ ﻣﻮارد‪ ،‬اﻛﺜﺮﻳﺖ ﻗﺎﺑﻞﺗﻮﺟﻬﻲ از ﭘﺎﺳﺨﮕﻮﻳﺎن ﺑﻪ ﺳﺆاﻻت ﻣﺤﻘﻖ ﭘﺎﺳﺦ ﻣﻲدﻫﻨﺪ‪ ،‬اﻣﺎ‬
‫ﻣﻌﻤﻮﻻً در ﻫﺮ ﺗﺤﻘﻴﻘﻲ ﺣﺎﻟﺖﻫﺎي دﻳﮕﺮي ﻧﻴﺰ ﺑﻮﺟﻮد ﻣﻲآﻳﺪ‪ .‬ﭼﻨﻴﻦ ﻣﻮاردي اﮔﺮ ﭼﻪ ﺣﻜﻢ ﻣﻮارد‬
‫ﺧﺎص را دارﻧﺪ‪ ،‬اﻣ‪‬ﺎ در ﻫﺮ ﺻﻮرت‪ ،‬ﺑﺮاي ورود ﺑﻪ ﻧﺮماﻓﺰار ‪ spss‬ﻧﻴﺎز ﺑﻪ ﻛﺪﮔﺬاري دارﻧﺪ ﻛﻪ‬
‫ذﻳﻼ ﺑﻪ آن ﻣﻲﭘﺮدازﻳﻢ‪.‬‬
‫‪ ‬ﻛﺪﮔﺬاري ﺳﺆاﻻت ﺑﻲﭘﺎﺳﺦ ﻳﺎ ﭘﺎﺳﺦﻫﺎي ﻣﺒﻬﻢ‬
‫ﺗﺠﺮﺑﻪ ﻧﺸﺎن داده اﺳﺖ ﻛﻪ ﻫﻤﻴﺸﻪ ﻓﺮاﻳﻨﺪ ﺗﺤﻘﻴﻖ ﺑﻪ ﺻﻮرت اﻳﺪهآل ﭘﻴﺶ ﻧﻤﻲرود و ﻫﻤﻪ‬
‫ﭘﺎﺳﺨﮕﻮﻳﺎن ﺑﻪ ﺗﻤﺎﻣﻲ ﺳﺆاﻻت ﭘﺎﺳﺦ ﻧﻤﻲدﻫﻨﺪ‪ .‬ﺑﺴﻴﺎر ﭘﻴﺶ ﻣﻲآﻳﺪ ﻛﻪ در ﺗﺤﻘﻴﻘﺎت ﻣﺨﺘﻠﻒ ﺑﺎ‬
‫ﭘﺎﺳﺦﻫﺎي ﺑﻲرﺑﻂ ﻳﺎ ﺳﺆاﻻت ﺑﻲﺟﻮاب ﻣﺘﻌﺪدي ﻣﻮاﺟﻪ ﻣﻲﺷﻮﻳﻢ‪ .‬در اﻳﻨﺠﺎ ﻣﻲﺧﻮاﻫﻴﻢ ﻧﺤﻮهي‬
‫ﻛﺪﮔﺬاري اﻳﻦ ﻧﻮع ﺳﺆاﻻت را ﻣﺸﺨﺺ ﻛﻨﻴﻢ‪ .‬در ﻣﺠﻤﻮع ﻣﻲﺗﻮان واﻛﻨﺶ ﭘﺎﺳﺨﮕﻮﻳﺎن را در‬
‫ﻣﻮاﺟﻬﻪ ﺑﺎ ﻳﻚ ﺳﺆال ﺑﻪ ﺻﻮرت زﻳﺮ دﺳﺘﻪﺑﻨﺪي ﻛﺮد‪:‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (13‬اﻧﻮاع واﻛﻨﺶ ﭘﺎﺳﺨﮕﻮ ﻳﺎن ﺑﻪ ﻳﻚ ﺳﺆال ﭘﺮﺳﺸﻨﺎﻣﻪ‬
‫ﭘﺎﺳﺦ ﻣﺮﺗﺒﻂ و ﻗﺎﺑﻞ ﻓﻬﻢ ﻣﻲدﻫﻨﺪ‬ ‫ﭘﺎﺳﺦ ﻣﻲدﻫﻨﺪ‬
‫ﭘﺎﺳﺦ ﺑﻲرﺑﻂ ﻳﺎ ﻣﺒﻬﻢ ﻣﻲدﻫﻨﺪ= ‪)0.1‬ﻳﻚ دﻫﻢ(‬

‫ﺧﻄﺎي ﭼﺸﻢ ﭘﺎﺳﺨﮕﻮ و ﻧﺪﻳﺪن ﺳﺆال = ‪) 0.3‬ﺳﻪ دﻫﻢ(‬ ‫ﺳﺆال‬

‫ﻋﺪم ﺗﻤﺎﻳﻞ ﺑﻪ ﭘﺎﺳﺦ دادن = ‪) 0.3‬ﺳﻪ دﻫﻢ(‬ ‫ﭘﺎﺳﺦ ﻧﻤﻲدﻫﻨﺪ‬
‫ﺷﺎﻣﻞ ﺣﺎل ﭘﺎﺳﺨﮕﻮ ﻧﻤﻲﺷﻮد = ‪) 0.2‬دو دﻫﻢ(‬

‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ در اﻳﻦ دﺳﺘﻪﺑﻨﺪي ﻣﺸﺨﺺ اﺳﺖ‪ ،‬ﭘﺎﺳﺨﮕﻮﻳﺎن ﻳﺎ ﺑﻪ ﺳﺆاﻻت ﻣﺎ ﭘﺎﺳﺦ ﻣﻲدﻫﻨﺪ‬

‫ﻳﺎ ﻧﻤﻲدﻫﻨﺪ‪ .‬ﻫﺮ ﻳﻚ از اﻳﻦ دو واﻛﻨﺶ را ﻧﻴﺰ ﻣﻲﺗﻮان ﺑﻪ دﺳﺘﻪﻫﺎي ﺟﺪﻳﺪي ﺗﻘﺴﻴﻢ ﻛﺮد‪ .‬آﻧﻬﺎ ﻛﻪ‬
‫ﭘﺎﺳﺦ ﻣﻲدﻫﻨﺪ ﻣﻤﻜﻦ اﺳﺖ ﭘﺎﺳﺨﺸﺎن ﺑﻪ ﺳﺆال ﻣﺮﺑﻮط ﺑﻲرﺑﻂ و ﻣﺒﻬﻢ ﺑﺎﺷﺪ‪ .‬ﺑﺮاي ﻣﺜﺎل ﻛﺴﻲ ﻛﻪ‬
‫در ﭘﺎﺳﺦ ﺑﻪ ﺳﺆال وﺿﻌﻴﺖ ﺗﺄﻫﻞ ﻣﻲﻧﻮﻳﺴﺪ »ﻋﺮوس رﻓﺘﻪ ﮔﻞ ﺑﭽﻴﻨﻪ!« اﮔﺮﭼﻪ ﺑﻪ ﺳﺆال ﻣﺮﺑﻮﻃﻪ‬
‫ﭘﺎﺳﺦ داده اﺳﺖ اﻣ‪‬ﺎ ﭘﺎﺳﺦ وي رﺑﻄﻲ ﺑﻪ ﺟﻮابﻫﺎي ﻣﻮرد اﻧﺘﻈﺎر ﻣﺤﻘﻖ ﻧﺪارد‪ .‬ﻟﺬا ﻫﻤﺎﻧﻄﻮر ﻛﻪ‬
‫درس دوم – ﻛﺪﮔﺬاري ‪  43 ‬‬

‫ﺑﺮاي ﭘﺎﺳﺦﻫﺎي ﻣﻮرد اﻧﺘﻈﺎر‪ ،‬ﻛﺪﻫﺎي ﻣﺸﺨﺼﻲ در ﻛﺪﻧﺎﻣﻪ ﻣﻨﻈﻮر ﻣﻲﻛﻨﻴﻢ‪ ،‬ﺑﺮاي ﭘﺎﺳﺦﻫﺎي ﺑﻲرﺑﻂ‬
‫ﻫﻢ ﺑﺎﻳﺪ ﻛﺪﻫﺎي ﻣﺸﺨﺼﻲ ﺗﻌﻴﻴﻦ ﻛﻨﻴﻢ‪ .‬ﻣﺸﺮوط ﺑﺮ اﻳﻨﻜﻪ ﻛﺪﻫﺎي ﻣﺰﺑﻮر‪ ،‬از ﻛﺪﻫﺎي ﻣﺮﺑﻮط ﺑﻪ‬
‫ﭘﺎﺳﺦﻫﺎي ﻣﻮرد اﻧﺘﻈﺎر ﻣﺘﻔﺎوت ﺑﺎﺷﺪ‪ .‬ﻣﺜﻼً ﻧﮕﺎرﻧﺪه ﭘﻴﺸﻨﻬﺎد ﻣﻲﻛﻨﺪ از آﻧﺠﺎ ﻛﻪ ﻛﺪﮔﺬاري ﺑﺴﻴﺎري‬
‫از ﺳﺆاﻻت ﻛﻴﻔﻲ از ﺻﻔﺮ ﻳﺎ ﻳﻚ ﺷﺮوع ﻣﻲﺷﻮد و ﻋﻤﻮﻣﺎً ﺑﻪ ﺻﻮرت ﮔﺴﺴﺘﻪ اﺳﺖ‪ ،‬ﻛﺪ ‪) 0.1‬ﻳﻚ‬
‫دﻫﻢ( را ﺑﺮاي ﭘﺎﺳﺦﻫﺎي ﺑﻲرﺑﻂ در ﻧﻈﺮ ﮔﺮﻓﺖ‪.‬‬
‫از ﺳﻮي دﻳﮕﺮ ﺳﺆاﻻت ﺑﻲﭘﺎﺳﺦ را ﻧﻴﺰ ﻣﻲﺗﻮان ﺑﻪ ﺳﻪ دﺳﺘﻪ ﺗﻘﺴﻴﻢ ﻧﻤﻮد‪ .‬ﺑﺮﺧﻲ از ﺳﺆاﻻت‬
‫ﺑﻲﭘﺎﺳﺦ ﺑﺎﻗﻲ ﻣﻲﻣﺎﻧﻨﺪ ﭼﻮن ﭘﺎﺳﺨﮕﻮ آﻧﻬﺎ را ﻧﺪﻳﺪه اﺳﺖ ﻳﺎ ﻣﻤﻜﻦ اﺳﺖ ﻧﺨﻮاﺳﺘﻪ ﺑﺎﺷﺪ ﺑﻪ آﻧﻬﺎ‬
‫ﺟﻮاب ﺑﺪﻫﺪ‪ ،‬ﺑﺮﺧﻲ دﻳﮕﺮ ﻧﻴﺰ ﺑﻪ اﻳﻦ دﻟﻴﻞ ﺑﻲﭘﺎﺳﺦ اﺳﺖ ﻛﻪ ﺷﺎﻣﻞ ﺣﺎل ﭘﺎﺳﺨﮕﻮ ﻧﻤﻲﺷﻮﻧﺪ‪ .‬ﻣﺜﻼً‬
‫ﭘﺎﺳﺨﮕﻮﻳﺎن ﻣﺠﺮّد‪ ،‬ﺳﺆال ﻣﺮﺑﻮط ﺑﻪ ﺗﻌﺪاد ﻓﺮزﻧﺪان را ﺑﺎﻳﺪ ﺑﻲﭘﺎﺳﺦ ﺑﮕﺬارﻧﺪ‪ ،‬ﭼﻮن ﺷﺎﻣﻞ ﺣﺎل‬
‫آﻧﻬﺎ ﻧﻤﻲﺷﻮد‪ .‬ﻧﮕﺎرﻧﺪه ﭘﻴﺸﻨﻬﺎد ﻣﻲﻛﻨﺪ ﺑﺮاي اﻳﻦ وﺿﻌﻴﺖ ﻛﺪ ‪) 0.2‬دو دﻫﻢ( در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﻮد‬
‫و ﺑﺮاي وﺿﻌﻴﺘﻲ ﻛﻪ ﭘﺎﺳﺨﮕﻮ ﺑﻪ دﻻﻳﻞ ﻣﺨﺘﻠﻒ )ﻋﻤﺪ ﻳﺎ ﻓﺮاﻣﻮﺷﻲ ﻳﺎ ﮔﻨﮓ ﺑﻮدن ﺳﺆال و‪ (...‬ﺑﻪ‬
‫ﺳﺆال ﺟﻮاب ﻧﻤﻲدﻫﺪ ﻛﺪ ‪ 0.3‬در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﻮد‪ .‬ﺑﺮاي ﻣﻌﺮﻓﻲ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﺑﺎﻳﺪ ﺑﻪ‬
‫ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ )‪ (variable view‬ﻣﺮاﺟﻌﻪ ﻛﺮده و روي ‪ Missing Value‬ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪ .‬در‬
‫اﻳﻦ ﭘﻨﺠﺮه ﺑﻪ ﺷﻴﻮهﻫﺎي ﻣﺨﺘﻠﻔﻲ ﻣﻲ ﺗﻮان ﻛﺪ ﭘﺎﺳﺦﻫﺎي ﺑﻲ رﺑﻂ و ﻣﺒﻬﻢ را ﻣﻌﺮﻓﻲ ﻛﺮد‪ .‬ﺑﻪ ﻣﺜﺎلﻫﺎ‬
‫و ﺷﻜﻞﻫﺎي ﺑﻌﺪ ﺗﻮﺟﻪ ﻛﻨﻴﺪ‪.‬‬
‫ﻣﺜﻼً اﮔﺮ ﺳﺆاﻟﻲ درﺑﺎره درآﻣﺪ از اﻓﺮاد ﭘﺮﺳﻴﺪه ﺷﻮد‪ ،‬ﺑﺮاي ﻛﺴﺎﻧﻲ ﻛﻪ ﺑﻪ اﻳﻦ ﺳﺆال ﭘﺎﺳﺦﻫﺎي‬
‫ﺑﻲرﺑﻂ ﻳﺎ ﻣﺒﻬﻤﻲ ﻧﻈﻴﺮ »ﺧﻴﻠﻲ ﻛﻢ« ﻳﺎ »ﺑﻪ ﻗﺪر ﺑﺨﻮر ﻧﻤﻴﺮ« ﺑﺪﻫﻨﺪ ﺑﺎﻳﺪ ﻛﺪ ‪ 0.1‬و ﺑﻪ ﻛﺴﺎﻧﻲ ﻧﻈﻴﺮ‬
‫ﺧﺎﻧﻪ دارﻫﺎ‪ ،‬ﺑﻴﻜﺎران و ﺳﺎﻳﺮﻳﻦ ﻛﻪ اﻳﻦ ﺳﺆال ﺷﺎﻣﻞ ﺣﺎل آﻧﻬﺎ ﻧﻤﻲ ﺷﻮد ﻛﺪ ‪ 0.2‬و ﺑﻪ ﻛﺴﺎﻧﻲ ﻛﻪ‬
‫ﺷﺎﻏﻞ ﻫﺴﺘﻨﺪ ﺑﻪ دﻻﻳﻞ ﻣﺨﺘﻠﻔﻲ ﺑﻪ اﻳﻦ ﺳﺆال ﺟﻮاب ﻧﻤﻲدﻫﻨﺪ‪ ،‬ﻛﺪ ‪ 0.3‬داده ﻣﻲﺷﻮد‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (14‬ﻧﺤﻮه ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﺑﻪ ﺻﻮرت ﺳﻪ ﻛﺪ ﻣﺘﻤﺎﻳﺰ در ﺳﺘﻮن ‪Missing Value‬‬

‫درج ﺳﻪ ﻛﺪ ﻣﺘﻤﺎﻳﺰ‬

‫اﮔﺮ ﺗﻌﺪاد ﻛﺪﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﺑﻴﺸﺘﺮ از ﺳﻪ ﻣﻮرد ﺑﺎﺷﺪ‪ ،‬ﻣﻲﺗﻮان آﻧﻬﺎ را ﺑﻪ‬
‫ﺻﻮرت ﻳﻚ ﺑﺎزه ﺗﻌﺮﻳﻒ ﻛﺮد‪ .‬در ﭼﻨﻴﻦ ﻣﻮاردي ‪ spss‬ﺣﺘﻲ اﻣﻜﺎن اﺿﺎﻓﻪ ﻧﻤﻮدن ﻳﻚ ﻛﺪ‬
‫ﻧﺎﻣﺸﺨﺺ دﻳﮕﺮ ﻋﻼوه ﺑﺮ داﻣﻨﻪ ﻣﻮرد ﻧﻈﺮ را در اﺧﺘﻴﺎر ﻣﺤﻘﻖ ﻗﺮار ﻣﻲدﻫﺪ‪ .‬ﺑﺮاي ﻣﺜﺎل در ﺳﺆال‬
‫ﻣﺮﺑﻮط ﻣﻴﺰان درآﻣﺪ‪ ،‬اﮔﺮ ﻣﺤﻘﻖ ﺑﺨﻮاﻫﺪ ﻛﺪ ‪ 0.1‬را ﺑﻪ ﭘﺎﺳﺦﻫﺎي ﺑﻲرﺑﻂ ﻳﺎ ﻣﺒﻬﻤﻲ ﻧﻈﻴﺮ »ﺧﻴﻠﻲ‬
‫ﻛﻢ« ﻳﺎ »ﺑﻪ ﻗﺪر ﺑﺨﻮر ﻧﻤﻴﺮ«‪ ،‬و ﻛﺪ ‪ 0.2‬را ﺑﻪ ﺑﻴﻜﺎر‪ ،‬ﻛﺪ ‪ 0.3‬را ﺑﻪ ﺧﺎﻧﻪدار‪ ،‬ﻛﺪ ‪ 0.4‬را ﺑﻪ‬
 ‫‪  44‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺑﺎزﻧﺸﺴﺘﻪ و ﻛﺪ ‪ 0.5‬را ﺑﻪ از ﻛﺎر اﻓﺘﺎدهﻫﺎ و ﺳﺮاﻧﺠﺎم ﻛﺪ ‪ 0.9‬را ﺑﻪ ﺑﻲﭘﺎﺳﺦﻫﺎ اﺧﺘﺼﺎص ﺑﺪﻫﺪ در‬
‫ﺑﺨﺶ ‪ Missing Value‬ﺑﺎﻳﺪ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ را ﺑﻪ ﺷﻜﻞ زﻳﺮ ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (15‬ﻧﺤﻮه ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ در ﻗﺎﻟﺐ ﻳﻚ ﺑﺎزه ﺑﻪ ﻋﻼوه ﻳﻚ ﻛﺪ ﻣﺸﺨﺺ در ﺳﺘﻮن‬
‫‪Missing Value‬‬

‫درج ﻛﺪﻫﺎي ﻣﺘﻤﺎﻳﺰ‬

‫ﺣﺪ ﭘﺎﻳﻴﻦ ﺑﺎزه‬ ‫ﺣﺪ ﺑﺎﻻي ﺑﺎزه‬

‫درج ﻳﻚ ﻛﺪ ﻣﺘﻤﺎﻳﺰ‬

‫اﻟﺒﺘﻪ ﻫﻤﻮاره ﺑﺎﻳﺪ ﺑﻪ ﻳﺎد داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ ﻣﻌﺮﻓﻲ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ در ﺳﺘﻮن ‪Missing‬‬
‫‪ Value‬اﮔﺮ ﭼﻪ اﻣﺮي ﺑﺴﻴﺎر ﺿﺮوري اﺳﺖ‪ ،‬اﻣﺎ ﺑﻬﺘﺮ اﺳﺖ ﺑﺮﭼﺴﺐ ﻫﺮ ﻳﻚ از ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ‬
‫را ﻫﻤﺰﻣﺎن ﺑﺎ ﺗﻌﺮﻳﻒ ﺳﺎﻳﺮ ﻣﻘﺎدﻳﺮ در ﺳﺘﻮن ‪ Value lables‬ﻫﻢ ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ‪ .‬ﺑﻪ ﺳﺘﻮنﻫﺎي‬
‫‪ Values‬و ‪ Missing‬در ﺗﺼﻮﻳﺮ ﭘﺎﻳﻴﻦ دﻗﺖ ﻛﻨﻴﺪ‪ .‬ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد اﻳﻦ ﻛﺎر در‬
‫ﻣﻮرد ﻣﺘﻐﻴﺮ "ﻣﺪت اﺷﺘﻐﺎل" اﻧﺠﺎم ﺷﺪه اﺳﺖ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (16‬ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﺗﻌﺮﻳﻒ ﺷﺪه ﻣﺘﻐﻴﺮ "ﻣﺪت اﺷﺘﻐﺎل"‬
‫درس دوم – ﻛﺪﮔﺬاري ‪  45 ‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (17‬ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﻣﺘﻐﻴﺮ "ﻣﺪت اﺷﺘﻐﺎل"‬

‫ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ‬

‫ﺧﺮوﺟﻲ اﻳﻦ ﻣﺘﻐﻴﺮ در ﻗﺎﻟﺐ ﺟﺪول ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ ﺑﻪ ﺻﻮرت زﻳﺮ اﺳﺖ‪:‬‬
‫ﺟﺪول ﺷﻤﺎره )‪(1‬ﻳﻚ ﻧﻤﻮﻧﻪ از ﺗﻌﺮﻳﻒ ﺻﺤﻴﺢ ﻣﺘﻐﻴﺮ‬

‫ﻣﺪت اﺷﺘﻐﺎل در ﺷﺒﺎﻧﻪ روز‬

‫‪Valid‬‬ ‫‪Cumulative‬‬
‫‪Frequency‬‬ ‫‪Percent‬‬ ‫‪Percent‬‬ ‫‪Percent‬‬
‫‪Valid‬‬ ‫ﻛﻤﺘﺮ از‪6‬‬ ‫‪27‬‬ ‫‪2.2‬‬ ‫‪7.0‬‬ ‫‪7.0‬‬

‫‪6‬ﺗﺎ ‪ 8‬ﺳﺎﻋﺖ‬ ‫‪78‬‬ ‫‪6.5‬‬ ‫‪20.2‬‬ ‫‪27.1‬‬

‫‪8‬ﺗﺎ ‪ 10‬ﺳﺎﻋﺖ‬ ‫‪159‬‬ ‫‪13.2‬‬ ‫‪41.1‬‬ ‫‪68.2‬‬

‫‪10‬ﺗﺎ ‪ 12‬ﺳﺎﻋﺖ‬ ‫‪78‬‬ ‫‪6.5‬‬ ‫‪20.2‬‬ ‫‪88.4‬‬

‫ﺳﺎﻳﺮ‬ ‫‪45‬‬ ‫‪3.7‬‬ ‫‪11.6‬‬ ‫‪100.0‬‬

‫‪Total‬‬ ‫‪387‬‬ ‫‪32.0‬‬ ‫‪100.0‬‬
‫‪Missi‬‬ ‫ﺑﻲ رﺑﻂ‬ ‫‪1‬‬ ‫‪.1‬‬
‫‪ng‬‬
‫ﻏﻴﺮﺷﺎﻏﻞ‬ ‫‪785‬‬ ‫‪64.9‬‬
‫ﺑﻲ ﺟﻮاب‬ ‫‪36‬‬ ‫‪3.0‬‬
‫‪Total‬‬ ‫‪822‬‬ ‫‪68.0‬‬
‫‪Total‬‬ ‫‪1209‬‬ ‫‪100.0‬‬

‫ﺣﺎل اﮔﺮ ﻣﺤﻘﻘﻲ ﻓﻘﻂ ﺑﻪ ﺗﻌﺮﻳﻒ ﺑﺮﭼﺴﺐ ﻣﻘﺎدﻳﺮ اﻛﺘﻔﺎ ﻛﻨﺪ و ﺑﻪ ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ در‬
‫ﺳﺘﻮن ‪ Missing Value‬ﺗﻮﺟﻬﻲ ﻧﻜﻨﺪ‪ ،‬ﺑﺎ ﺧﺮوﺟﻲ زﻳﺮ ﻣﻮاﺟﻪ ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬
 ‫‪  46‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (2‬ﻳﻚ ﻧﻤﻮﻧﻪ از ﺗﻌﺮﻳﻒ اﺷﺘﺒﺎه ﻣﺘﻐﻴﺮ‬

‫ﻣﺪت اﺷﺘﻐﺎل در ﺷﺒﺎﻧﻪ روز‬

‫‪Frequency‬‬ ‫‪Percent‬‬ ‫‪Valid Percent‬‬ ‫‪Cumulative Percent‬‬

‫‪Valid‬‬ ‫ﺑﻲ رﺑﻂ‬ ‫‪1‬‬ ‫‪.1‬‬ ‫‪.1‬‬ ‫‪.1‬‬

‫ﻏﻴﺮﺷﺎﻏﻞ‬ ‫‪785‬‬ ‫‪64.9‬‬ ‫‪64.9‬‬ ‫‪65.0‬‬

‫ﺑﻲ ﺟﻮاب‬ ‫‪36‬‬ ‫‪3.0‬‬ ‫‪3.0‬‬ ‫‪68.0‬‬

‫ﻛﻤﺘﺮ از‪6‬‬ ‫‪27‬‬ ‫‪2.2‬‬ ‫‪2.2‬‬ ‫‪70.2‬‬

‫‪6‬ﺗﺎ ‪ 8‬ﺳﺎﻋﺖ‬ ‫‪78‬‬ ‫‪6.5‬‬ ‫‪6.5‬‬ ‫‪76.7‬‬

‫‪8‬ﺗﺎ ‪ 10‬ﺳﺎﻋﺖ‬ ‫‪159‬‬ ‫‪13.2‬‬ ‫‪13.2‬‬ ‫‪89.8‬‬

‫‪10‬ﺗﺎ ‪ 12‬ﺳﺎﻋﺖ‬ ‫‪78‬‬ ‫‪6.5‬‬ ‫‪6.5‬‬ ‫‪96.3‬‬

‫ﺳﺎﻳﺮ‬ ‫‪45‬‬ ‫‪3.7‬‬ ‫‪3.7‬‬ ‫‪100.0‬‬

‫‪Total‬‬ ‫‪1209‬‬ ‫‪100.0‬‬ ‫‪100.0‬‬

‫ﺗﻔﺎوت ﻣﻬﻢ ﺟﺪول ﺷﻤﺎره )‪ (2‬ﺑﺎ ﺟﺪول ﺷﻤﺎره )‪ (1‬آن اﺳﺖ ﻛﻪ ﻋﻤﻠﻴﺎت درﺻﺪﮔﻴﺮي در‬
‫ﺟﺪول ﺷﻤﺎره ‪ 2‬ﺑﺪون ﺗﻮﺟﻪ ﺑﻪ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ اﻧﺠﺎم ﺷﺪه اﺳﺖ‪ .‬ﺣﺎل آﻧﻜﻪ در ﺟﺪول ﺷﻤﺎره‬
‫)‪ (1‬ﻋﻤﻠﻴﺎت درﺻﺪ ﮔﻴﺮي ﻳﻜﺒﺎر ﺑﺎ اﺣﺘﺴﺎب ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ)‪ (percent‬و ﻳﻜﺒﺎر ﺑﺪون‬
‫‪1‬‬
‫اﺣﺘﺴﺎب آﻧﻬﺎ )‪ (valid percent‬اﻧﺠﺎم ﺷﺪه اﺳﺖ‪.‬‬
‫ﻋﻼوه ﺑﺮ آﻧﭽﻪ ﮔﻔﺘﻪ ﺷﺪ ﺑﺎﻳﺪ ﺑﻪ ﺑﺮﭼﺴﺐ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﻧﻴﺰ ﺗﻮﺟﻪ داﺷﺖ‪ .‬در ﺟﺪول‬
‫ﺷﻤﺎره )‪ (3‬ﻋﻠﻴﺮﻏﻢ اﻳﻨﻜﻪ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ در ﻗﺴﻤﺖ ‪ Missing Value‬ﺗﻌﺮﻳﻒ ﺷﺪه و در‬
‫ﻧﺘﻴﺠﻪ در ﻋﻤﻠﻴﺎت درﺻﺪﮔﻴﺮي دﺧﺎﻟﺖ داده ﺷﺪه اﺳﺖ‪ ،‬اﻣﺎ ﺧﻮاﻧﻨﺪه اﻳﻦ ﺟﺪاول ﺑﻪ ﻋﻠﺖ ﺗﻌﺮﻳﻒ‬
‫ﻧﺸﺪن ﺑﺮﭼﺴﺐﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ در ﺳﺘﻮن ‪ ،Value lable‬ﻣﻔﻬﻮم ﻣﻘﺎدﻳﺮ ‪0.1,‬‬
‫‪ 0.2, 0.3‬را ﻣﺘﻮﺟﻪ ﻧﺨﻮاﻫﺪ ﺷﺪ‪.‬‬

‫‪ -1‬ﺳﺘﻮنﻫﺎي ‪ percent‬و ‪ valid percent‬را در ﺟﺪاول ﺷﻤﺎره ‪ 2‬و ‪ 3‬ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﺪ‪.‬‬
‫درس دوم – ﻛﺪﮔﺬاري ‪  47 ‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (3‬ﻳﻚ ﻧﻤﻮﻧﻪ اﺷﺘﺒﺎه در ﺗﻌﺮﻳﻒ ﻣﺘﻐﻴﺮ‬

‫ﻣﺪت اﺷﺘﻐﺎل در ﺷﺒﺎﻧﻪ روز‬

‫‪Valid‬‬ ‫‪Cumulative‬‬
‫‪Frequency‬‬ ‫‪Percent‬‬
‫‪Percent‬‬ ‫‪Percent‬‬
‫‪Valid‬‬ ‫ﻛﻤﺘﺮ از‪6‬‬ ‫‪27‬‬ ‫‪2.2‬‬ ‫‪7.0‬‬ ‫‪7.0‬‬

‫‪6‬ﺗﺎ ‪ 8‬ﺳﺎﻋﺖ‬ ‫‪78‬‬ ‫‪6.5‬‬ ‫‪20.2‬‬ ‫‪27.1‬‬

‫‪8‬ﺗﺎ ‪ 10‬ﺳﺎﻋﺖ‬ ‫‪159‬‬ ‫‪13.2‬‬ ‫‪41.1‬‬ ‫‪68.2‬‬

‫‪10‬ﺗﺎ ‪ 12‬ﺳﺎﻋﺖ‬ ‫‪78‬‬ ‫‪6.5‬‬ ‫‪20.2‬‬ ‫‪88.4‬‬

‫ﺳﺎﻳﺮ‬ ‫‪45‬‬ ‫‪3.7‬‬ ‫‪11.6‬‬ ‫‪100.0‬‬

‫‪Total‬‬ ‫‪387‬‬ ‫‪32.0‬‬ ‫‪100.0‬‬
‫‪Missing‬‬ ‫‪0.1‬‬ ‫‪1‬‬ ‫‪.1‬‬
‫‪0.2‬‬ ‫‪785‬‬ ‫‪64.9‬‬
‫‪0.3‬‬ ‫‪36‬‬ ‫‪3.0‬‬
‫‪Total‬‬ ‫‪822‬‬ ‫‪68.0‬‬
‫‪Total‬‬ ‫‪1209‬‬ ‫‪100.0‬‬

‫‪ ‬ﻛﺪﮔﺬاري ﭘﺎﺳﺦﻫﺎي ﺑﻲﻧﻈﺮ ﻳﺎ ﻧﻤﻲداﻧﻢ‬

‫از آﻧﺠﺎ ﻛﻪ ﻣﻤﻜﻦ اﺳﺖ ﺑﺮﺧﻲ ﭘﺎﺳﺨﮕﻮﻳﺎن در زﻣﻴﻨﻪي ﺳﺆاﻻت ﻣﺎ ﻧﻈﺮ ﻳﺎ اﻃﻼﻋﻲ ﻧﺪاﺷﺘﻪ‬
‫ﺑﺎﺷﻨﺪ‪ ،‬ﻻزم اﺳﺖ ﺑﺮاي واﻛﻨﺶ آﻧﺎن ﻧﻴﺰ ﻛﺪ ﺧﺎﺻﻲ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ و ﻛﺪ ﻣﺰﺑﻮر ﺑﻪ ﻫﻨﮕﺎم ﺗﻌﺮﻳﻒ‬
‫ﻣﺘﻐﻴﺮﻫﺎ در ﻓﺎﻳﻞ دادهﻫﺎ ﺑﻪ ﻋﻨﻮان ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ)‪ (Missing Value‬ﺗﻌﺮﻳﻒ ﺷﻮد‪ .‬در ﻏﻴﺮ‬
‫اﻳﻨﺼﻮرت ﻛﺪ ﻣﺮﺑﻮط ﺑﻪ ﭘﺎﺳﺦ ﺑﻲ ﻧﻈﺮ‪ ،‬ﺑﺴﺘﻪ ﺑﻪ ﻣﻘﺪار ﻋﺪدي آن ﺗﻔﺴﻴﺮﻫﺎي ﮔﻤﺮاه ﻛﻨﻨﺪهاي‬
‫ﻣﻲﺗﻮاﻧﺪ ﺑﻪ دﻧﺒﺎل داﺷﺘﻪ ﺑﺎﺷﺪ‪ .‬ﺑﺮاي ﻣﺜﺎل ﭼﻨﺎﻧﭽﻪ ﻣﻘﺎدﻳﺮ ﻣﺘﻐﻴﺮ ﻣﻮردﻧﻈﺮ از ﻧﻮع رﺗﺒﻪاي )ﺧﻴﻠﻲ‬
‫ﻣﺨﺎﻟﻒ=‪ ،1‬ﻣﺨﺎﻟﻒ=‪ ،2‬ﺑﻴﻨﺎﺑﻴﻦ=‪ ،3‬ﻣﻮاﻓﻖ=‪ ،4‬ﺧﻴﻠﻲ ﻣﻮاﻓﻖ=‪ (5‬ﺑﺎﺷﺪ و ﻣﺤﻘﻖ ﺑﺮاي ﭘﺎﺳﺦ ﺑﻲﻧﻈﺮ‪،‬‬
‫ﻛﺪ ﺻﻔﺮ را در ﻧﻈﺮ ﺑﮕﻴﺮد و اﻳﻦ در ﺣﺎﻟﻲ ﺑﺎﺷﺪ ﻛﻪ در ﺑﺨﺶ ‪ Missing Value‬آن را ﻣﻌﺮﻓﻲ‬
‫ﻧﻜﻨﺪ‪ ،‬ﻛﺪ ﺻﻔﺮ در ﻣﺤﺎﺳﺒﺎت آﻣﺎري ﺑﻪ ﻋﻨﻮان ﻳﻚ ﻣﻘﺪار واﻗﻌﻲ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﻣﻲﺷﻮد و ﻣﻌﻨﺎﻳﻲ‬
‫ﻧﻈﻴﺮ ﻣﺨﺎﻟﻒ ﺗﺮ از ﺧﻴﻠﻲ ﻣﺨﺎﻟﻒ را در ﻧﻈﺮ ﺧﻮاﻫﺪ داﺷﺖ‪ .‬ﺑﻨﺎﺑﺮ اﻳﻦ ﻛﺪﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﭘﺎﺳﺦﻫﺎي‬
‫ﻧﻤﻲداﻧﻢ و ﻧﻈﺮي ﻧﺪارم را ﺑﺎﻳﺪ در ﻛﻨﺎر ﻛﺪﻫﺎي دﻳﮕﺮ در ﺑﺨﺶ ‪ Missing Value‬ﺗﻌﺮﻳﻒ ﻛﺮد‪.‬‬
‫ﻣﺜﻼً ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﮔﻔﺘﻪ ﺷﺪ‪ ،‬ﻣﻲﺗﻮان ﺑﺮاي اﻳﻦ دﺳﺘﻪ از ﭘﺎﺳﺦﻫﺎ ﻛﺪ ‪ 0.3‬را در ﻧﻈﺮ ﮔﺮﻓﺖ‪.‬‬
 ‫‪  48‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫در ﭘﺎﻳﺎن اﻳﻦ ﻣﺒﺤﺚ ذﻛﺮ ﭼﻨﺪ ﻧﻜﺘﻪي ﻣﻬﻢ ﺿﺮوري اﺳﺖ‪:‬‬
‫‪ .1‬ﺑﺮاي ﺳﻬﻮﻟﺖ ﻛﺎر در ورود اﻃﻼﻋﺎت‪ ،‬ﺑﻬﺘﺮ اﺳﺖ ﻛﺪﻫﺎ را زﻳﺮ ﻫﻢ و در ﺣﺎﺷﻴﻪي ﺳﻤﺖ‬
‫راﺳﺖ ﭘﺮﺳﺸﻨﺎﻣﻪ ﺑﻪ ﺻﻮرت ﺳﺘﻮﻧﻲ ﺑﻨﻮﻳﺴﻴﺪ )اﻳﻦ ﻣﻮرد را ﺣﺘﻲ ﺑﻪ ﻫﻨﮕﺎم ﺳﺎﺧﺖ ﭘﺮﺳﺸﻨﺎﻣﻪ‬
‫ﻣﻲﺗﻮاﻧﻴﻢ ﺑﻪ ﻳﺎد داﺷﺘﻪ ﺑﺎﺷﻴﻢ و از ﻗﺒﻞ ﺟﺎﻳﻲ را ﺑﺮاي آن در ﻧﻈﺮ ﺑﮕﻴﺮﻳﻢ(‪.‬‬
‫‪ .2‬از ﻫﺮﮔﻮﻧﻪ ادﻏﺎم ﻳﺎ دﺳﺘﻪﺑﻨﺪي دادهﻫﺎ )ﺑﻪ ﺷﻴﻮهي دﺳﺘﻲ( ﻗﺒﻞ از ورود ﺑﻪ ﻧﺮماﻓﺰار ‪spss‬‬
‫ﺧﻮدداري ﻛﻨﻴﺪ‪ .‬ﻣﺜﻼً اﮔﺮ از ﭘﺎﺳﺨﮕﻮ ﺳﻦ او را در ﻗﺎﻟﺐ ﺳﺆال ﺑﺎز ﭘﺮﺳﻴﺪهاﻳﺪ و او ﻳﻚ ﻋﺪد را ﺑﻪ‬
‫ﻋﻨﻮان ﺳﻦ‪ ،‬ﭘﺎﺳﺦ داده اﺳﺖ‪ ،‬ﺑﻬﺘﺮ اﺳﺖ از ادﻏﺎم ﺳﻦ در دﺳﺘﻪﻫﺎي ﭘﻨﺞ ﻳﺎ ده ﺳﺎل ﺧﻮدداري‬
‫ﻧﻤﻮده و ﻋﻴﻦ ﭘﺎﺳﺦ او را ﺑﻪ ﻋﻨﻮان ﻛﺪ‪ ،‬وارد ﻛﺎﻣﭙﻴﻮﺗﺮ ﻛﻨﻴﺪ‪ .‬ﭼﻮن ﺑﺎ اﻳﻦ ﻛﺎر ﺳﻄﺢ ﺳﻨﺠﺶ ﻣﺘﻐﻴﺮ‬
‫ﻫﺎ ﺗﻘﻠﻴﻞ ﻣﻲﻳﺎﺑﺪ و اﻣﻜﺎن اﺳﺘﻔﺎده ﻣﺤﻘﻖ از ﺑﺴﻴﺎري از آزﻣﻮنﻫﺎي ﭘﻴﺸﺮﻓﺘﻪ آﻣﺎري ﺳﻠﺐ ﻣﻲﺷﻮد‪.‬‬
‫‪ .3‬از ﻫﺮﮔﻮﻧﻪ ﺗﺮﻛﻴﺐ ﭘﺎﺳﺦﻫﺎ ﻗﺒﻞ از ورود دادهﻫﺎ ﺑﻪ ﻧﺮماﻓﺰار‪ spss‬ﺧﻮدداري ﻛﻨﻴﺪ‪ .‬ﻣﺜﻼً اﮔﺮ‬
‫‪ 20‬ﮔﻮﻳﻪ ﺑﺮاي ﺳﻨﺠﺶ رﺿﺎﻳﺖ ﺷﻐﻠﻲ ﻃﺮاﺣﻲ ﺷﺪه اﺳﺖ‪ ،‬ﺑﻬﺘﺮ اﺳﺖ ﺑﻪ ﺟﺎي آﻧﻜﻪ ﻣﺠﻤﻮع‬
‫ﻧﻤﺮات ﭘﺎﺳﺨﮕﻮﻳﺎن را در ﻛﻞ ﻣﻘﻴﺎس ﻣﺤﺎﺳﺒﻪ و وارد ﻧﺮم اﻓﺰار ﻛﻨﻴﺪ‪ ،‬اﺑﺘﺪا ﺗﻤﺎﻣﻲ ﮔﻮﻳﻪﻫﺎ را‬
‫ﻛﺪﮔﺬاري و وارد ﻧﺮماﻓﺰار ﻛﺮده‪ ،‬ﺳﭙﺲ از ﻃﺮﻳﻖ دﺳﺘﻮرﻫﺎي ﻣﻨﺎﺳﺐ‪ ،‬ﺷﺎﺧﺺ ﻣﺠﻤﻮع ﻧﻤﺮات‬
‫ﻣﺤﺎﺳﺒﻪ ﻛﻨﻴﺪ‪ .‬ﻣﺰﻳﺖ ﻣﻬﻢ اﻳﻦ ﻛﺎر‪ ،‬اﻣﻜﺎن ﻣﺤﺎﺳﺒﻪ ي ﺷﺎﺧﺺ ﭘﺎﻳﺎﻳﻲ و ﺷﻨﺎﺳﺎﻳﻲ ﮔﻮﻳﻪﻫﺎي‬
‫ﻧﺎﻣﻨﺎﺳﺐ در ﻓﺮآﻳﻨﺪ ﺗﺤﻘﻴﻖ اﺳﺖ‪.1‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻮﺿﻴﺤﺎﺗﻲ ﻛﻪ از اﺑﺘﺪاي اﻳﻦ ﻛﺘﺎب آﻣﺪ‪ ،‬اﻳﻦ ﻣﻮﺿﻮع روﺷﻦ ﺷﺪه اﺳﺖ ﻛﻪ ﭘﺲ‬
‫از ﺟﻤﻊآوري اﻃﻼﻋﺎت‪ ،‬ﺑﺎ ﺗﻌﺪادي ﻓﺮمﻫﺎي ﺗﻜﻤﻴﻞ ﺷﺪه ﮔﺮدآوري اﻃﻼﻋﺎت )اﻋﻢ از ﭘﺮﺳﺸﻨﺎﻣﻪ‪،‬‬
‫ﻣﺼﺎﺣﺒﻪﻧﺎﻣﻪ‪ ،‬ﻓﺮم اﺳﺘﺨﺮاج از اﻃﻼﻋﺎت و‪ (...‬روﺑﺮو ﻣﻲﺷﻮﻳﺪ و اوﻟﻴﻦ ﮔﺎم ﺑﺮاي اﺳﺘﺨﺮاج‬
‫اﻃﻼﻋﺎت و ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ آن‪ ،‬ﻛﺪﮔﺬاري ﻫﻤﻪ ي ﭘﺎﺳﺦﻫﺎ اﺳﺖ و ﺑﻌﺪ از آن‪ ،‬ﺗﻌﺮﻳﻒ ﻛﺪﻫﺎ‬
‫ﺑﺮاي ﻧﺮماﻓﺰار و در ﻧﻬﺎﻳﺖ ورود ﭘﺎﺳﺦﻫﺎي ﭘﺎﺳﺨﮕﻮﻳﺎن ﺑﻪ ﻧﺮماﻓﺰار ‪ spss‬اﺳﺖ ﻛﻪ ﺗﻮﺿﻴﺤﺎت‬
‫ﻣﺮﺑﻮط ﺑﻪ آن ﺑﻪ ﺗﻔﺼﻴﻞ در ﺻﻔﺤﺎت ﭘﻴﺸﻴﻦ آﻣﺪ‪ .‬ﺑﺮاي آﺷﻨﺎﻳﻲ ﺑﻴﺸﺘﺮ ﺑﻪ ﭘﺮﺳﺸﻨﺎﻣﻪ ﻛﺪﮔﺬاري‬
‫ﺷﺪهي زﻳﺮ ﺗﻮﺟﻪ ﻛﻨﻴﺪ‪ .‬اﻳﻦ ﭘﺮﺳﺸﻨﺎﻣﻪ ﺑﺮاي ﺳﻨﺠﺶ "ﻣﻴﺰان اﺳﺘﻔﺎده ي داﻧﺶآﻣﻮزان از ﻣﻮاد‬
‫ﺧﻮراﻛﻲ ﻣﻮﺟﻮد در ﻓﺮوﺷﮕﺎه ﻣﺪرﺳﻪ" ﺗﻬﻴﻪ ﺷﺪه اﺳﺖ‪.‬‬

‫‪ -1‬در اﻳﻦ ﺧﺼﻮص در درس "ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ" ﺗﻮﺿﻴﺤﺎﺗﻲ اراﺋﻪ ﻣﻲﺷﻮد‪.‬‬

‫درس دوم – ﻛﺪﮔﺬاري ‪  49 ‬‬

‫ﻧﻤﻮﻧﻪاي از ﭘﺎﺳﺦﻫﺎي ﻛﺪﮔﺬاري ﺷﺪه ﭘﺮﺳﺸﻨﺎﻣﻪ "ﻣﻴﺰان اﺳﺘﻔﺎده داﻧﺶآﻣﻮزان از ﻣﻮاد ﺧﻮراﻛﻲ ﻣﻮﺟﻮد در‬
‫ﻓﺮوﺷﮕﺎه ﻣﺪرﺳﻪ"‬

‫ﺳﻼم دوﺳﺖ ﻋﺰﻳﺰ‬

‫ﭘﺮﺳﺸﻨﺎﻣﻪاي ﻛﻪ ﭘﻴﺶ روي ﺷﻤﺎﺳﺖ در ﻣﻮرد ﺑﻮﻓﻪ ﻳﺎ ﻫﻤﺎن ﻓﺮوﺷﮕﺎﻫﻲ اﺳﺖ ﻛﻪ در ﻣﺪرﺳﻪ ﺷﻤﺎ وﺟﻮد دارد‪ .‬ﺳﺆاﻻﺗﻲ‬
‫در ﻣﻮرد اﻳﻨﻜﻪ ﭼﻪ ﻣﻲﺧﺮﻳﺪ؟ ﭼﻪ ﭼﻴﺰي ﺑﻴﺸﺘﺮ ﻣﻲﺧﺮﻳﺪ و از اﻳﻦ ﻗﺒﻴﻞ ﺳﺆاﻻت اﺳﺖ‪ .‬ﺑﺮاي آﮔﺎﻫﻲ از ﺧﻮراﻛﻲﻫﺎﻳﻲ‬
‫ﻛﻪ داﻧﺶآﻣﻮزان از ﺑﻮﻓﻪ ﻣﺪرﺳﻪ ﻣﻲﺧﺮﻧﺪ‪ ،‬ﺷﻤﺎ ﺑﻪ ﺻﻮرت ﺗﺼﺎدﻓﻲ اﻧﺘﺨﺎب ﺷﺪﻳﺪ‪ .‬اﻳﻦ ﭘﺮﺳﺸﻨﺎﻣﻪ ﻋﻼوه ﺑﺮ ﺷﻤﺎ ﺑﻪ‬
‫داﻧﺶآﻣﻮزان دﻳﮕﺮ ﻫﻢ داده ﻣﻲﺷﻮد‪ .‬ﻧﻴﺎزي ﻧﻴﺴﺖ ﻛﻪ اﺳﻢ و ﻓﺎﻣﻴﻞ ﺧﻮدﺗﺎن را ﺑﻨﻮﻳﺴﻴﺪ‪ ،‬از اﻳﻨﻜﻪ وﻗﺖ ﺧﻮد را ﺑﺮاي‬
‫ﭘﺮﻛﺮدن اﻳﻦ ﭘﺮﺳﺸﻨﺎﻣﻪ ﻣﻲﮔﺬارﻳﺪ و ﺑﺎ دﻗﺖ ﺑﻪ ﺳﺆاﻻت ﻣﺎﺟﻮاب ﻣﻲدﻫﻴﺪ‪.‬‬
‫ﻣﺘﺸﻜﺮﻳﻢ‬

‫‪.1‬ﺷﻤﺎ ﻣﻌﻤﻮﻻً ﺧﻮراﻛﻲﻫﺎي را ﻛﻪ در ﻣﺪرﺳﻪ ﻣﻲﺧﻮرﻳﺪ‪ ،‬ﭼﻄﻮر ﺗﻬﻴﻪ ﻣﻲﻛﻨﻴﺪ؟‬

‫‪  2‬از ﻓﺮوﺷﮕﺎه )ﺑﻮﻓﻪ( داﺧﻞ ﻣﺪرﺳﻪ ﻣﻲﺧﺮم‬ ‫‪  1‬از ﺧﺎﻧﻪ ﻣﻲ آورم‬
‫‪  4‬از ﻓﺮوﺷﮕﺎهﻫﺎي ﺑﻴﺮون از ﻣﺪرﺳﻪ ﻣﻲﺧﺮم‬ ‫‪ 3‬ﻫﻢ از ﺧﺎﻧﻪ ﻣﻲآورم و ﻫﻢ از ﻓﺮوﺷﮕﺎه ﻣﺪرﺳﻪ ﻣﻲﺧﺮم‬ ‫‪3‬‬
‫‪ 5‬از راه دﻳﮕﺮ )ﻟﻄﻔﺎً ﺑﻨﻮﻳﺴﻴﺪ( ‪---------------------------‬‬
‫‪ .2‬روزاﻧﻪ در ﻣﺪرﺳﻪ ﭼﻨﺪ ﺑﺎر ﺧﻮراﻛﻲ ﻣﻲﺧﻮرﻳﺪ؟‬
‫‪  7‬ﺑﻴﺸﺘﺮ از ‪ 6‬ﺑﺎر‬ ‫‪ 6 6‬ﺑﺎر‬ ‫‪ 5 5‬ﺑﺎر‬ ‫‪ 33‬ﺑﺎر ‪ 4  4‬ﺑﺎر‬ ‫‪ 2 2‬ﺑﺎر‬ ‫‪ 1 1‬ﺑﺎر‬ ‫‪ 0‬اﺻﻼً ﻧﻤﻲﺧﻮرم‬ ‫‪3‬‬
‫‪ .3‬روزاﻧﻪ ﺣﺪوداً ﭼﻨﺪ ﺑﺎر از ﺑﻮﻓﻪ ﻣﺪرﺳﻪ ﺧﻮراﻛﻲ ﻣﻲﺧﺮﻳﺪ؟‬
‫‪ 5 5‬ﺑﺎر ‪ 6 6‬ﺑﺎر ‪  7‬ﺑﻴﺸﺘﺮ از ‪ 6‬ﺑﺎر‬ ‫‪ 4  4‬ﺑﺎر‬ ‫‪ 2 2‬ﺑﺎر ‪ 33‬ﺑﺎر‬ ‫‪ 1 1‬ﺑﺎر‬ ‫‪ 0‬اﺻﻼً ﻧﻤﻲﺧﻮرم‬
‫‪ .4‬ﺑﻪ ﺧﺎﻃﺮ دارﻳﺪ آﺧﺮﻳﻦ ﺑﺎر ﺑﺎﺑﺖ ﺧﺮﻳﺪ از ﺑﻮﻓﻪ ﻣﺪرﺳﻪ ﺗﺎن ﭼﻘﺪر ﺧﺮج ﻛﺮدﻳﺪ؟ )ﻟﻄﻔﺎً ﺑﻪ ﺗﻮﻣﺎن ﺑﻨﻮﻳﺴﻴﺪ( ﻓﻜﺮ ﻛﻨﻢ ‪ 200‬ﺗﻮﻣﺎن‬
‫‪1‬‬
‫‪ .5‬ﻧﻈﺮﺗﺎن در ﻣﻮرد ﻓﺮوﺷﮕﺎه ﻣﻮاد ﺧﻮراﻛﻲ ﻣﻮﺟﻮد در ﻣﺪرﺳﻪﺗﺎن ﭼﻴﺴﺖ؟‬

‫ﺧﻴﻠﻲ ﺑﺪ‬ ‫ﺑﺪ‬ ‫در ﺣﺪ ﻣﺘﻮﺳﻂ‬ ‫ﺧﻮب‬ ‫ﺧﻴﻠﻲ ﺧﻮب‬

‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪0‬‬ ‫‪0‬‬
‫وﺿﻌﻴﺖ ﺗﻤﻴﺰي و ﺑﻬﺪاﺷﺘﻲ ﺑﻮدن ﺑﻮﻓﻪ‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬

‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬

‫از ﻧﻈﺮ ﺗﻨﻮع ﻣﻮاد ﺧﻮراﻛﻲ‬ ‫‪5‬‬

‫ﺳﺎﻋﺖ ﺑﺎز ﺑﻮدن ﺑﻮﻓﻪ‬

‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪3‬‬
‫ﻗﻴﻤﺖ ﻣﻮاد ﺧﻮراﻛﻲ‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬
‫‪3‬‬
‫ﻛﻴﻔﻴﺖ ﻣﻮاد ﺧﻮراﻛﻲ‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬
‫‪4‬‬
‫‪ .6‬ﻟﻄﻔﺎً ﺟﺪول زﻳﺮرا ﺑﺎ ﻋﻼﻣﺖ زدن‪ ،‬ﻛﺎﻣﻞ ﻛﻨﻴﺪ‬

‫‪2‬راﻫﻨﻤﺎﻳﻲ ‪ 3‬دﺑﻴﺮﺳﺘﺎن‬ ‫‪1‬اﺑﺘﺪاﻳﻲ‬ ‫در ﭼﻪ ﻣﻘﻄﻊ ﺗﺤﺼﻴﻠﻲ ﻣﺸﻐﻮل ﺗﺤﺼﻴﻞ ﻫﺴﺘﻴﺪ؟‬

‫‪4‬‬

‫‪  3‬ﺷﻴﺮوان‬ ‫‪ 2‬اﺳﻔﺮاﻳﻦ‬ ‫‪1‬ﺑﺠﻨﻮرد‬ ‫ﺷﻬﺮ ﻣﺤﻞ ﺳﻜﻮﻧﺖ ﺷﻤﺎ ﻛﺪام اﺳﺖ؟‬ ‫‪1‬‬

‫‪ 2‬ﭘﺴﺮاﻧﻪ‬ ‫‪1‬دﺧﺘﺮاﻧﻪ‬ ‫ﻧﻮع ﻣﺪرﺳﻪ‬

‫‪1‬‬

‫‪1‬‬
 ‫‪  50‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺗﻤﺮﻳﻦ درس دوم‬

‫‪ -1‬ﭘﺎﺳﺦﻫﺎي ﻣﻨﺪرج در ﭘﺮﺳﺸﻨﺎﻣﻪ زﻳﺮ را ﻛـﻪ ﻣﺮﺑـﻮط ﺑـﻪ اﻧﺠـﺎم ﺗﺤﻘﻴﻘـﻲ در ﺧﺼـﻮص‬
‫ورزشﻫﺎي ﻫﻤﮕﺎﻧﻲ اﺳﺖ‪ ،‬ﻛﺪﮔﺬاري ﻛﻨﻴﺪ‪:‬‬
‫‪ .1‬آﻳﺎ در ﭘﺎركﻫﺎ و ﺑﻮﺳﺘﺎنﻫﺎي ﻧﺰدﻳﻚ ﻣﺤﻞ ﺳﻜﻮﻧﺖ ﻳﺎ ورزش ﺷﻤﺎ‪ ،‬وﺳﺎﻳﻞ ورزﺷﻲ از ﻃﺮف ﺷﻬﺮداري‬
‫ﻧﺼﺐ ﺷﺪه اﺳﺖ؟‬
‫‪ ‬ﺧﻴﺮ‬ ‫‪ ‬ﺑﻠﻲ‬
‫‪ .1.1‬اﮔﺮ ﺑﻠﻲ‪ ،‬از ﭼﻨﺪ ﻣﻮرد از وﺳﺎﻳﻞ ﻣﺰﺑﻮر اﺳﺘﻔﺎده ﻣﻲﻛﻨﻴﺪ؟‬
‫‪‬ﺑﻴﺸﺘﺮ‬ ‫‪‬ﭼﻬﺎر‬ ‫‪ ‬ﺳﻪ‬ ‫‪‬دو‬ ‫‪‬ﻳﻚ‬ ‫‪‬ﻫﻴﭻ‬
‫‪ .2‬ﺷﻤﺎ ﻣﻌﻤﻮﻻً ﺑﻪ ﺗﻨﻬﺎﻳﻲ ورزش ﻣﻲﻛﻨﻴﺪ ﻳﺎ ﻫﻤﺮاه ﺑﺎ دوﺳﺘﺎن و آﺷﻨﺎﻳﺎن؟‬
‫‪ ‬ﻫﻤﺮاه ﺑﺎ ﺟﻤﻌﻲ ﻛﻪ ﻟﺰوﻣﺎ آﺷﻨﺎ ﻧﻴﺴﺘﻨﺪ‬ ‫‪ ‬ﻫﻤﺮاه ﺑﺎ دوﺳﺘﺎن‬ ‫‪‬ﺑﻪ ﺗﻨﻬﺎﻳﻲ‬
‫‪ ‬ﺳﺎﻳﺮ‬ ‫‪ ‬ﻫﻤﺮاه ﺑﺎ اﻋﻀﺎي ﺧﺎﻧﻮاده‬
‫‪ .3‬اﻧﮕﻴﺰه اﺻﻠﻲ ﺷﻤﺎ از ورزش ﻛﺮدن ﭼﻴﺴﺖ؟‬
‫‪ ‬ﺗﺄﻣﻴﻦ ﺳﻼﻣﺖ روان )روﺣﻴﻪ ﺷﺎدي و ﻧﺸﺎط(‬ ‫‪‬ﺣﻔﻆ ﺗﻨﺎﺳﺐ اﻧﺪام‬
‫‪‬ﮔﺬران اوﻗﺎت ﻓﺮاﻏﺖ‬ ‫‪ ‬درﻣﺎن ﺑﻴﻤﺎري‬
‫‪ ‬ﺷﺎﻏﻞ‬ ‫‪ ‬ﺑﻴﻜﺎر‬ ‫‪ ‬ﺧﺎﻧﻪ دار‬ ‫‪ .4‬وﺿﻌﻴﺖ اﺷﺘﻐﺎل ﺷﻤﺎ‪:‬‬
‫‪ -4.1‬در ﺻﻮرت اﺷﺘﻐﺎل ﻧﻮع ﺷﻐﻞ دﻗﻴﻘﺎً ﻧﻮﺷﺘﻪ ﺷﻮد‪ :‬ﺳﮓ دو زدن از ﻛﻠﻪ ﺳﺤﺮ‬
‫‪ .5‬ﺟﻤﻌﺎً در ﻃﻮل ﻳﻚ ﺷﺒﺎﻧﻪ روز ﭼﻨﺪ ﺳﺎﻋﺖ ﻣﺸﻐﻮل ﻛﺎر ﻫﺴﺘﻴﺪ؟‬
‫‪ ‬ﺑﻴﺸﺘﺮ‬ ‫‪ 10‬ﺗﺎ ‪ 12‬ﺳﺎﻋﺖ‬ ‫‪8‬ﺗﺎ‪10‬ﺳﺎﻋﺖ‬ ‫‪6‬ﺗﺎ‪ 8‬ﺳﺎﻋﺖ‬ ‫‪‬ﻛﻤﺘﺮ از ‪6‬‬
‫‪ .6‬ﻛﺎرﺗﺎن از ﺳﺎﻋﺖ ﭼﻨﺪ ﺷﺮوع ﻣﻲ ﺷﻮد و ﺳﺎﻋﺖ ﭼﻨﺪ ﺗﻤﺎم ﻣﻲﺷﻮد؟‬
‫ﺳﺎﻋﺖ ﺗﻘﺮﻳﺒﻲ ﭘﺎﻳﺎن‪ :‬ﺗﺎ ﺗﺎرﻳﻚ ﺷﺪن ﻫﻮا‬ ‫ﺳﺎﻋﺖ ﺗﻘﺮﻳﺒﻲ ﺷﺮوع‪ 5 :‬ﺻﺒﺢ‬
‫‪ .7‬در ﺷﻐﻞ ﺷﻤﺎ ﺗﺎ ﭼﻪ اﻧﺪازه ﺗﺤﺮك ﺑﺪﻧﻲ وﺟﻮد دارد؟‬
‫‪‬ﺧﻴﻠﻲ زﻳﺎد‬ ‫‪‬زﻳﺎد‬ ‫‪‬ﻣﺘﻮﺳﻂ‬ ‫‪‬ﻛﻢ‬ ‫‪‬ﺑﺴﻴﺎر ﻛﻢ‬ ‫‪‬ﻫﻴﭻ‬
‫‪ .8‬در ﻣﻨﺰﻟﺘﺎن ﻛﺪاﻣﻴﻚ از اﻣﻜﺎﻧﺎت و وﺳﺎﻳﻞ ورزﺷﻲ زﻳﺮ را دارﻳﺪ؟‬
‫‪‬اﺳﻜﻲ ﻓﻀﺎﻳﻲ‬ ‫‪‬دوﭼﺮﺧﻪ ﺛﺎﺑﺖ‬ ‫‪ ‬ﺗﺮدﻣﻴﻞ)دوي ﺛﺎﺑﺖ(‬
‫‪ ‬ﺳﺎﻳﺮ )ﻧﺎم ﺑﺒﺮﻳﺪ ﻃﻨﺎب(‬ ‫‪ ‬آﺑﻜﻴﻨﮓ ﭘﺮو )دراز ﻧﺸﺴﺖ(‬

‫‪ -2‬ﺑﺮﻧﺎﻣﻪ ‪ spss‬را اﺟﺮا ﻛﺮده و ﻣﺘﻐﻴﺮﻫﺎي ﻓﻮق را در ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ ﺑﻪ ﺻﻮرت ﻛﺎﻣﻞ‬
‫ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ‪.‬‬

‫‪ -3‬ﺳﺆاﻻت ﺗﻤﺮﻳﻦ ‪ 1‬را در ﻗﺎﻟﺐ ﻳﻚ ﻣﺼﺎﺣﺒﻪ ﺑﺎ ﺗﻌﺪادي از اﻓﺮاد ﻛﻪ در ﭘﺎركﻫﺎ و ﻓﻀﺎﻫﺎي‬

‫ﺳﺒﺰ ﺑﻪ ورزش ﻣﻲﭘﺮدازﻧﺪ ﻣﻄﺮح و ﭘﺎﺳﺦﻫﺎي آﻧﺎن را ﻛﺪﮔﺬاري ﻧﻤﻮده و در ﻓﺎﻳﻠﻲ ﺑﻪ ﻧﺎم‬
‫‪ varzesh‬ﺿﺒﻂ ﻛﻨﻴﺪ‪.‬‬
 ‫درس ﺳﻮم‬
‫وﻳﺮاﻳﺶ دادهﻫﺎ‬

‫در ﭘﺎﻳﺎن اﻳﻦ درس اﻧﺘﻈﺎر ﻣﻲرود داﻧﺸﺠﻮ‬

‫‪ -1‬ﻧﺤﻮهي وﻳﺮاﻳﺶ دادهﻫﺎ و ﺿﺮورت آن را ﺑﺪاﻧﺪ‪.‬‬
‫‪ -2‬ﺑﺘﻮاﻧﺪ ﺟﺪول ﻓﺮاواﻧﻲ از ﻣﺘﻐﻴﺮﻫﺎ ﺗﻬﻴﻪ ﻛﻨﺪ‪.‬‬
‫‪ -3‬ﺑﺎ ﺳﺎﺧﺘﺎر ﺟﺪاول ﻓﺮاواﻧﻲ آﺷﻨﺎ ﺷﻮد‪.‬‬
‫‪ -4‬ﺑﺘﻮاﻧﺪ ﺧﻄﺎﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ورود دادهﻫﺎ را ﺷﻨﺎﺳﺎﻳﻲ و ﺑﺮﻃﺮف ﻛﻨﺪ‪.‬‬
‫‪ -5‬ﺑﺘﻮاﻧﺪ ﺧﻄﺎﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﺗﻌﺮﻳﻒ ﻣﺘﻐﻴﺮﻫﺎ را ﺷﻨﺎﺳﺎﻳﻲ و ﺑﺮﻃﺮف ﻛﻨﺪ‪.‬‬
 ‫‪  52‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -1‬ﻣﻘﺪﻣﻪ‬
‫اﻃﻼﻋﺎﺗﻲ ﻛﻪ وارد ﺳﻴﺴﺘﻢ ﺷﺪهاﻧﺪ‪ ،‬ﻏﺎﻟﺒﺎً ﺗﻮأم ﺑﺎ ﺧﻄﺎﻫﺎﻳﻲ ﻫﺴﺘﻨﺪ ﻛﻪ از اﻋﺘﺒﺎر ﻧﺘﺎﻳﺞ ﭘﮋوﻫﺶ‬
‫ﻣﻲﻛﺎﻫﻨﺪ‪ .‬ﻟﺬا ﺑﺎﻳﺪ ﻛﻮﺷﻴﺪ ﺗﺎ ﺟﺎﻳﻲ ﻛﻪ اﻣﻜﺎن دارد ﻣﻴﺰان ﺧﻄﺎﻫﺎ را ﺗﻘﻠﻴﻞ داد‪ .‬در اﻳﻦ ﻣﺮﺣﻠﻪ ﺑﺎﻳﺪ‬
‫ﻣﻄﻤﺌﻦ ﺷﻮﻳﺪ ﻛﻪ ﻛﺪﻫﺎي وارد ﺷﺪه ﺑﻪ ﻧﺮماﻓﺰار ‪ ،spss‬دﻗﻴﻘﺎً ﻫﻤﺎن ﻛﺪﻫﺎﻳﻲ ﺑﺎﺷﺪ ﻛﻪ در ﻣﺮﺣﻠﻪ‬
‫ﻛﺪﮔﺬاري ﺑﺮاي ﺑﺮﻧﺎﻣﻪ ﺗﻌﺮﻳﻒ ﻛﺮدهاﻳﺪ‪.‬‬
‫ﺑﻪ اﻳﻦ ﻣﻨﻈﻮر ﺑﺎﻳﺪ دﺳﺘﻮر زﻳﺮ را ﺑﺮاي ﺗﻤﺎﻣﻲ ﻣﺘﻐﻴﺮﻫﺎي ﻣﻮﺟﻮد در ﻓﺎﻳﻞ دادهﻫﺎ اﺟﺮا ﻛﺮده و‬
‫ﺑﻪ ﻧﻘﺪ و ﺑﺮرﺳﻲ ﺟﺪاول ﻓﺮاواﻧﻲ ﻣﺮﺑﻮط ﺑﻪ ﻫﺮ ﻳﻚ از ﻣﺘﻐﻴﺮﻫﺎ ﺑﭙﺮدازﻳﺪ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (18‬اﺟﺮاي دﺳﺘﻮر ‪ frequencies‬از ﻛﻠﻴﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻣﻮﺟﻮد در ﻓﺎﻳﻞ دادهﻫﺎ‬

‫‪1‬‬
‫‪2‬‬ ‫‪3‬‬

‫‪.4‬ﺗﻤﺎﻣﻲ ﻣﺘﻐﻴﺮﻫﺎ را از ﻛﺎدر ﺳﻤﺖ ﭼﭗ ﺑﻪ راﺳﺖ ﻣﻨﺘﻘﻞ و آﻧﮕﺎه ﺑﺮ روي ‪ Ok‬ﻛﻠﻴﻚ ﻣﻲ ﻛﻨﻴﻢ‬

‫‪ -2‬اﺻﻮل وﻳﺮاﻳﺶ دادهﻫﺎ‬

‫ﺟﺪاول ﻓﺮاواﻧﻲ ﻣﺘﻐﻴﺮﻫﺎ ﻛﻪ ﺣﺎﺻﻞ اﺟﺮاي دﺳﺘﻮر ﻓﻮق اﺳﺖ‪ ،‬ﺑﺎﻳﺪ از ﺣﻴﺚ ﻣﻮارد زﻳﺮ‬
‫ﺑﺮرﺳﻲ ﺷﻮد‪.‬‬
‫‪ ‬آﻳﺎ ﻣﻘﺎدﻳﺮ ﻏﻴﺮﻣﻌﺘﺒﺮ در ﺟﺪول ﺧﺮوﺟﻲ وﺟﻮد دارد؟‬
‫ﻣﻘﺎدﻳﺮ ﻏﻴﺮ ﻣﻌﺘﺒﺮ ﺑﻪ ﻣﻘﺎدﻳﺮي اﻃﻼق ﻣﻲﺷﻮد ﻛﻪ ﻏﻴﺮ از ﻛﺪﻫﺎ ﻳﺎ داﻣﻨﻪ ي اﻋﺪادي ﺑﺎﺷﺪ ﻛﻪ‬
‫ﻣﺤﻘﻖ ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎ ﺗﻌﺮﻳﻒ ﻛﺮده اﺳﺖ‪ .‬ﺑﺮاي ﻣﺜﺎل اﮔﺮ ﻣﺤﻘﻖ ﺑﺮاي ﻣﺘﻐﻴﺮ ﻧﻮع ﻣﺪرﺳﻪ ﻛﺪ )‪ (1‬را‬
‫ﺑﺮاي ﭘﺴﺮاﻧﻪ و ﻛﺪ )‪ (2‬را ﺑﺮاي دﺧﺘﺮاﻧﻪ ﺗﻌﺮﻳﻒ ﻛﺮده ﺑﺎﺷﺪ‪ ،‬وﺟﻮد ﻛﺪﻫﺎي دﻳﮕﺮي ﻏﻴﺮ از اﻳﻦ دو‬
‫ﻛﺪ )ﻧﻈﻴﺮ ‪ 3‬ﻳﺎ ‪ 22‬و‪ ،(..‬ﻳﻚ ﻣﻘﺪار ﻏﻴﺮ ﻣﻌﺘﺒﺮ اﺳﺖ‪.‬‬
‫درس ﺳﻮم ـ وﻳﺮاﻳﺶ دادهﻫﺎ ‪53‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (4‬ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ ﻣﺘﻐﻴﺮ "ﻧﻮع ﻣﺪرﺳﻪ" در ﺣﺎﻟﺖ وﺟﻮد ﻣﻘﺎدﻳﺮ ﻏﻴﺮ ﻣﻌﺘﺒﺮ در ﺳﺘﻮن‬
‫دادهﻫﺎي اﻳﻦ ﻣﺘﻐﻴﺮ‬
‫ﻧﻮع ﻣﺪرﺳﻪ‬

‫‪Cumulative‬‬
‫‪Frequency‬‬ ‫‪Percent‬‬ ‫‪Valid Percent‬‬ ‫‪Percent‬‬
‫‪Valid‬‬ ‫دﺧﺘﺮ‬ ‫‪120‬‬ ‫‪50.0‬‬ ‫‪50.0‬‬ ‫‪50.0‬‬
‫ﭘﺴﺮ‬ ‫‪117‬‬ ‫‪48.8‬‬ ‫‪48.8‬‬ ‫‪98.8‬‬
‫در اﻳﻨﺠﺎ ﻋﺪد ‪ 3‬ﻳـﻚ‬
‫‪3.00‬‬ ‫‪3‬‬ ‫‪1.3‬‬ ‫‪1.3‬‬ ‫‪100.0‬‬
‫ﻣﻘــﺪار ﻏﻴــﺮ ﻣﻌﺘﺒــﺮ‬ ‫‪Total‬‬ ‫‪240‬‬ ‫‪100.0‬‬ ‫‪100.0‬‬
‫اﺳﺖ‬

‫ﺑﺮاي ﺗﺼﺤﻴﺢ اﻳﻦ ﺧﻄﺎ در ﻋﻨﻮان ﺳﺘﻮن ﻣﺮﺑﻮط ﺑﻪ ﻣﺘﻐﻴﺮ ﻧﻮع ﻣﺪرﺳﻪ‪ ،‬ﺑﺎﻳﺪ ﺑﻪ ﻛﺎرﺑﺮگ دادهﻫﺎ‬
‫رﻓﺘﻪ‪ ،‬در ﺳﺘﻮن ﻣﺮﺑﻮط ﺑﻪ اﻳﻦ ﻣﺘﻐﻴﺮ ﻳﻚ ﺑﺎر ﻛﻠﻴﻚ ﻛﻨﻴﺪ ﺗﺎ ﺳﺘﻮن ﻣﺰﺑﻮر اﻧﺘﺨﺎب ﺷﻮد‪ 1‬و ﻳﺎ‬
‫ﻣﻲﺗﻮان از ﻃﺮﻳﻖ دﺳﺘﻮر ذﻳﻞ ﺑﺎ ﻛﺎدري ﻫﻤﺎﻧﻨﺪ زﻳﺮ ﻣﻮاﺟﻪ ﺷﺪ‪.‬‬
‫در ﻛﺎدر ﺧﺎﻟﻲ ﻛﻪ ﺑﺎ اﻳﻦ ﻛﺎر ﺑﺎز ﻣﻲﺷﻮد‪ ،‬ﻣﻘﺪار ﻧﺎﻣﻌﺘﺒﺮ )‪ (3‬را وارد و ﻛﻠﻴﺪ ‪ Ok‬را ﺑﺰﻧﻴﺪ ﺗﺎ‬
‫ﻧﺮماﻓﺰار ﺑﻪ ﻃﻮر ﺧﻮدﻛﺎر ﻣﻘﺪار ﺧﻄﺎي ﻣﻮرد درﺧﻮاﺳﺖ را ﭘﻴﺪا ﻛﻨﺪ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (19‬ﺷﻴﻮهي ﺟﺴﺘﺠﻮي ﻣﻘﺎدﻳﺮ ﻧﺎﻣﻌﺘﺒﺮ در ﻓﺎﻳﻞ دادهﻫﺎ‬
‫‪ .3‬ﻣﻘﺪار ﻧﺎﻣﻌﺘﺒﺮ را در اﻳﻦ ﻗﺴﻤﺖ وارد ﻛﺮده و ﺑـﺮ روي‬
‫‪ Find Next‬ﻛﻠﻴﻚ ﻣﻲ ﻛﻨﻴﻢ‬
‫ﻋﻼﻣﺖ دورﺑﻴﻦ‬
‫‪1‬‬

‫‪. 2‬ﺑــﺎ اﺳــﺘﻔﺎده از دﺳــﺘﻮري ‪ Find‬ﻳــﺎ ﻛﻠﻴــﺪ ﺗﺮﻛﻴﺒــﻲ‬

‫‪ Ctrl+F‬اﻳﻦ ﭘﻨﺠﺮه آﺷﻜﺎر ﻣﻲ ﺷﻮد‪.‬‬
‫‪2‬‬

‫ﭘﺲ از ﻳﺎﻓﺘﻦ ﻣﻘﺪار ﻧﺎﻣﻌﺘﺒﺮ‪ ،‬ﺷﻤﺎرهي ﭘﺮﺳﺸﻨﺎﻣﻪي ﻣﺘﻨﺎﻇﺮ ﺑﺎ آن ﻣﻮرد را )ﻛﻪ ﻣﻌﻤﻮﻻً ﺑﻪ ﻋﻨﻮان‬
‫ﻳﻜﻲ از ﻣﺘﻐﻴﺮﻫﺎ در ﻓﺎﻳﻞ ﻣﻌﺮﻓﻲ ﻣﻲ ﺷﻮد( ﺷﻨﺎﺳﺎﻳﻲ و ﭘﺮﺳﺸﻨﺎﻣﻪ ﻣﻮرد ﻧﻈﺮ را ﭘﻴﺪا ﻛﺮده و ﻣﻘﺪار‬
‫واﻗﻌﻲ ﻛﺪ را ﻣﻌﻠﻮم ﻛﻨﻴﺪ و در ﻛﺎرﺑﺮگ دادهﻫﺎ ﻛﺪ ﺻﺤﻴﺢ را ﺑﻪ ﺟﺎي ﻛﺪ ﻧﺎﻣﻌﺘﺒﺮ وارد ﻛﻨﻴﺪ‪.‬‬

‫‪ -1‬ﺑﻪ ﺟﺎي ﻛﻠﻴﻚ ﻛﺮدن ﺑﺮ روي ‪ find‬از ﻣﻨﻮي ‪ Edit‬ﻣﻲﺗﻮان روي ﻛﻠﻴﺪ ﻣﻴﺎﻧﺒﺮ ﻋﻼﻣﺖ دورﺑﻴﻦ ﻛﻠﻴـﻚ ﻛـﺮد ﻳـﺎ‬
‫ﻫﻤﺰﻣﺎن ﻛﻠﻴﺪﻫﺎي ‪ cntrl + f‬را ﻓﺸﺎر داد‪ .‬ﺷﻤﺎ ﻣﻲﺗﻮاﻧﻴﺪ ﺑﺎ ﻛﻤﻲ دﻗﺖ ﻛﻠﻴﺪﻫﺎي ﻣﻴﺎﻧﺒﺮ ﺑـﻪ ﺗﻌـﺪادي از دﺳـﺘﻮرﻫﺎي‬
‫اﻳﻦ ﺑﺮﻧﺎﻣﻪ را ﻣﻘﺎﺑﻞ ﻫﺮ دﺳﺘﻮر در ﻣﻨﻮﻫﺎي ﻣﺨﺘﻠﻒ ﭘﻴﺪا ﻛﻨﻴﺪ‪.‬‬
 ‫‪  54‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺑﺪﻳﻬﻲ اﺳﺖ ﻛﻪ اﻳﻦ ﻋﻤﻠﻴﺎت را ﺑﺎﻳﺪ ﺑﺮاي ﺗﻤﺎﻣﻲ ﻣﻮارد ﺧﻄﺎي ﻣﻮﺟﻮد در ﻓﺎﻳﻞ دادهﻫﺎ و در ﻣﻮرد‬
‫ﺗﻤﺎم ﻣﺘﻐﻴﺮﻫﺎ اداﻣﻪ داد‪.‬‬
‫‪ ‬آﻳﺎ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ )‪ (missing value‬ﺗﻌﺮﻳﻒ ﺷﺪه اﺳﺖ؟‬
‫ﻣﻤﻜﻦ اﺳﺖ در ﻳﻚ ﻳﺎ ﭼﻨﺪ ﻣﻮرد از ﻣﺘﻐﻴﺮﻫﺎ‪ ،‬ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ را در ﺑﺨﺶ ‪Missing‬‬
‫‪ Value‬ﻣﻌﺮﻓﻲ ﻧﻜﺮده ﺑﺎﺷﻴﺪ‪ .‬ﺑﻪ ﻧﺘﺎﻳﺞ ﻣﻨﺪرج در ﺟﺪول زﻳﺮ دﻗﺖ ﻛﻨﻴﺪ‪:‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (5‬ﻧﻤﻮﻧﻪ داراي ﻣﻘﺪار ﻧﺎﻣﻌﺘﺒﺮ در ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ‬

‫در اﻳﻦ ﺟﺪول ﺑﻲ ﺟﻮاﺑﻬﺎ‪ ،‬ﺑﻪ ﻋﻨﻮان ﭘﺎﺳـﺦ ﻣﻌﺘﺒـﺮ‬ ‫ﺟﺪول ﻓﺮاواﻧﻲ ﺑﻲ اﻋﺘﻤﺎدي‬
‫)‪ (valid‬درﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪه اﻧﺪ‪ ،‬ﻛﻪ اﺷﺘﺒﺎه اﺳﺖ‪.‬‬

‫‪Cumulative‬‬
‫‪Frequency‬‬ ‫‪Percent‬‬ ‫‪Valid Percent‬‬ ‫‪Percent‬‬
‫‪Valid‬‬ ‫ﺑﻴﺠﻮاب‬ ‫‪7‬‬ ‫‪.6‬‬ ‫‪.6‬‬ ‫‪.6‬‬

‫ﻛﺎﻣﻼ واﻗﻌﻴﺖ دارد‬ ‫‪319‬‬ ‫‪26.3‬‬ ‫‪26.3‬‬ ‫‪26.8‬‬

‫واﻗﻌﻴﺖ دارد‬ ‫‪357‬‬ ‫‪29.4‬‬ ‫‪29.4‬‬ ‫‪56.2‬‬

‫ﻛﻤﻲ واﻗﻌﻴﺖ دارد‬ ‫‪411‬‬ ‫‪33.8‬‬ ‫‪33.8‬‬ ‫‪90.0‬‬

‫واﻗﻌﻴﺖ ﻧﺪارد‬ ‫‪75‬‬ ‫‪6.2‬‬ ‫‪6.2‬‬ ‫‪96.2‬‬

‫اﺻﻼً واﻗﻌﻴﺖ ﻧﺪارد‬ ‫‪46‬‬ ‫‪3.8‬‬ ‫‪3.8‬‬ ‫‪100.0‬‬

‫‪Total‬‬ ‫‪1215‬‬ ‫‪100.0‬‬ ‫‪100.0‬‬

‫ﻧﺘﺎﻳﺞ ﺟﺪول ﻓﻮق ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﻧﺮماﻓﺰار ‪ SPSS‬ﻣﻘﺎدﻳﺮي را ﻛﻪ ﺑﺎ ﺑﺮﭼﺴﺐ ﺑﻲﺟﻮاب‬

‫ﺗﻌﺮﻳﻒ ﺷﺪه اﺳﺖ ﺑﻪ ﻋﻨﻮان ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ )‪ (Missing Value‬ﻧﻤﻲﺷﻨﺎﺳﺪ و آن را ﺑﻪ‬
‫ﻋﻨﻮان ﭘﺎﺳﺦ ﻣﻌﺘﺒﺮ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ اﺳﺖ‪ .‬ﺑﺮاي رﻓﻊ اﻳﻦ ﻣﺸﻜﻞ ﻣﺤﻘﻖ ﺑﺎﻳﺪ ﺑﻪ ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ رﻓﺘﻪ‬
‫و در ﺳﺘﻮن ‪ Missing Value‬ﻣﺮﺑﻮط ﺑﻪ آن ﻣﺘﻐﻴﺮ‪ ،‬ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ را ﺗﻌﺮﻳﻒ ﻛﻨﺪ و‬
‫‪1‬‬
‫اﺻﻼًﺣﺎت ﻻزم را اﻋﻤﺎل ﻧﻤﺎﻳﺪ‪.‬‬

‫‪ percent‬از ﻛﻞ ﭘﺎﺳﺨﮕﻮﻳﺎن اﺳﺖ ﻛﻪ ﻳﻚ درﺻﺪ ﮔﻴﺮي ﻧﺎﺧـﺎﻟﺺ‬ ‫‪ -1‬ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ درﺻﺪ ﮔﻴﺮي ﺳﺘﻮن‬
‫اﺳﺖ اﻣﺎ درﺻﺪ ﮔﻴﺮي در ﺳـﺘﻮن ‪ valid percent‬ﻓﻘـﻂ از ﻣﻴـﺎن ﻛﻠﻴـﻪ ﭘﺎﺳـﺨﮕﻮﻳﺎ ﻧـﻲ اﺳـﺖ ﻛـﻪ ﭘﺎﺳـﺦ ﻣﻌﺘﺒـﺮ‬
‫)ﻏﻴﺮ‪ ( missing‬ﺑﻪ ﺳﻮال دادهاﻧﺪ‪ .‬ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲ ﺷﻮد در اﻳﻦ ﺟﺪول )ﺷﻤﺎره ‪ (5‬ﺑﻪ دﻟﻴﻞ ﻋـﺪم ﺗﻌﺮﻳـﻒ‬
‫ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸـﺨﺺ در ﺳـﺘﻮن ‪ Missing Value‬ﻣﻘـﺎدﻳﺮ ﻣﻨـﺪرج در اﻳـﻦ دو ﺳـﺘﻮن )ﻳﻌﻨـﻲ ‪percent , valid‬‬
‫‪ (percent‬ﻳﻜﺴﺎن اﺳﺖ ﻛﻪ ﻧﺎدرﺳﺖ ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫درس ﺳﻮم ـ وﻳﺮاﻳﺶ دادهﻫﺎ ‪55‬‬

‫ﺑﺎ ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ در ﺳﺘﻮن ‪ ،Missing Value‬ﺑﺎ ﺟﺪوﻟﻲ ﻫﻤﺎﻧﻨﺪ ﺟﺪول ﺷﻤﺎره‬
‫‪ 6‬ﻣﻮاﺟﻪ ﻣﻲﺷﻮﻳﺪ‪.‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (6‬ﻧﻤﻮﻧﻪ ﺑﺪون ﻣﻘﺪار ﻧﺎﻣﻌﺘﺒﺮ در ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ‬

‫ﺟﺪول ﻓﺮاواﻧﻲ ﺑﻲ اﻋﺘﻤﺎدي‬

‫‪Valid‬‬ ‫‪Cumulative‬‬
‫‪Frequency‬‬ ‫‪Percent‬‬ ‫‪Percent‬‬ ‫‪Percent‬‬
‫‪Valid‬‬ ‫ﻛﺎﻣﻼ واﻗﻌﻴﺖ دارد‬ ‫‪319‬‬ ‫‪26.3‬‬ ‫‪26.4‬‬ ‫‪26.4‬‬

‫واﻗﻌﻴﺖ دارد‬ ‫‪357‬‬ ‫‪29.4‬‬ ‫‪29.6‬‬ ‫‪56.0‬‬

‫ﻛﻤﻲ واﻗﻌﻴﺖ دارد‬ ‫‪411‬‬ ‫‪33.8‬‬ ‫‪34.0‬‬ ‫‪90.0‬‬

‫واﻗﻌﻴﺖ ﻧﺪارد‬ ‫‪75‬‬ ‫‪6.2‬‬ ‫‪6.2‬‬ ‫‪96.2‬‬

‫اﺻﻼً واﻗﻌﻴﺖ ﻧﺪارد‬ ‫‪46‬‬ ‫‪3.8‬‬ ‫‪3.8‬‬ ‫‪100.0‬‬

‫‪Total‬‬ ‫‪1208‬‬ ‫‪99.4‬‬ ‫‪100.0‬‬

‫‪Missing‬‬ ‫ﺑﻴﺠﻮاب‬ ‫‪7‬‬ ‫‪.6‬‬
‫‪Total‬‬ ‫‪1215‬‬ ‫‪100.0‬‬

‫دراﻳﻦ ﺟﺪول ﺑﻲ ﺟﻮاﺑﻬﺎ‪ ،‬ﺑﻪ ﻋﻨﻮان ‪Missing Value‬‬

‫ﺗﻌﺮﻳﻒ ﺷﺪه اﺳﺖ ﻛﻪ ﺻﺤﻴﺢ اﺳﺖ‬

‫‪ ‬آﻳﺎ ﺑﺮﭼﺴﺐﻫﺎ )ﺑﺮﭼﺴﺐ ﻣﺘﻐﻴﺮﻫﺎ‪ ،‬ﺑﺮﭼﺴﺐ ﻣﻘﺎدﻳﺮ ﻣﻌﺘﺒﺮ و ﻧﻴﺰ ﺑﺮﭼﺴﺐ ﻣﻘﺎدﻳﺮ‬
‫ﻧﺎﻣﺸﺨﺺ( ﺑﻪ ﺻﻮرت ﺻﺤﻴﺢ ﺗﻌﺮﻳﻒ ﺷﺪه اﺳﺖ؟‬
‫ﮔﺎﻫﻲ اﺗﻔﺎق ﻣﻲاﻓﺘﺪ ﻛﻪ ﻣﺤﻘﻖ ﺗﻌﺮﻳﻒ ﺑﻌﻀﻲ ﺑﺮﭼﺴﺐﻫﺎ را ﻓﺮاﻣﻮش ﻣﻲﻛﻨﺪ ﻳﺎ در ﺗﻌﺮﻳﻒ‬
‫آﻧﻬﺎ ﻣﺮﺗﻜﺐ اﺷﺘﺒﺎﻫﺎت اﻣﻼﻳﻲ ﻳﺎ اﻧﺸﺎﻳﻲ ﻣﻲﺷﻮد‪ .‬ﺑﺎ دﻗﺖ در ﺟﺪاول ﻓﺮاواﻧﻲ ﻣﻲﺗﻮاﻧﻴﻢ اﻳﻦ ﻧﻮع‬
‫از ﺧﻄﺎﻫﺎ را ﻧﻴﺰ ﺷﻨﺎﺳﺎﻳﻲ ﻛﺮده و ﺑﻪ ﻛﺎرﺑﺮگ دادهﻫﺎ رﻓﺘﻪ‪ ،‬در ﺳﺘﻮنﻫﺎي ﻣﺮﺑﻮط‪ ،‬ﺧﻄﺎﻫﺎي ﻣﻮرد‬
‫ﻧﻈﺮ را ﭘﻴﺪا ﻛﺮده و ﺗﺼﺤﻴﺢ ﻛﻨﻴﺪ‪ .‬ﺑﻪ ﺟﺪول زﻳﺮ دﻗﺖ ﻛﻨﻴﺪ‪:‬‬
 ‫‪  56‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (7‬ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ ﻣﺘﻐﻴﺮ "ﻣﻘﻄﻊ ﺗﺤﺼﻴﻠﻲ" در ﺣﺎﻟﺖ ﻧﺎدرﺳﺖ‬

‫ﻣﻘﻄﻊ ﺗﺤﺼﻠﻲ‬

‫‪Valid‬‬ ‫‪Cumulative‬‬
‫‪Frequency‬‬ ‫‪Percent‬‬ ‫‪Percent‬‬ ‫‪Percent‬‬
‫‪Valid‬‬ ‫راﻫﻨﻤﺎﻳﻲ‬ ‫‪549‬‬ ‫‪45.2‬‬ ‫‪45.4‬‬ ‫‪45.4‬‬

‫‪2.00‬‬ ‫‪660‬‬ ‫‪54.3‬‬ ‫‪54.6‬‬ ‫‪100.0‬‬

‫‪Total‬‬ ‫‪1209‬‬ ‫‪99.5‬‬ ‫‪100.0‬‬
‫‪Missing‬‬ ‫‪.30‬‬ ‫‪6‬‬ ‫‪.5‬‬
‫‪Total‬‬ ‫‪1215‬‬ ‫‪100.0‬‬

‫در ﺟﺪول ﻓﻮق ﺳﻪ ﻣﻮرد از ﺧﻄﺎﻫﺎي ﺑﺮﭼﺴﺐ ﻣﺸﺎﻫﺪه ﻣﻲﺷﻮد ﻛﻪ ﻋﺒﺎرﺗﻨﺪ از‪:‬‬
‫‪ -1‬در اﻣﻼي ﺑﺮﭼﺴﺐ ﻣﺘﻐﻴﺮ اﺷﺘﺒﺎه ﺷﺪه اﺳﺖ و ﻛﻠﻤﻪ ﺗﺤﺼﻴﻠﻲ ﺑﻪ ﺻﻮرت "ﺗﺤﺼﻠﻲ"‬
‫ﻧﻮﺷﺘﻪ ﺷﺪه اﺳﺖ‪.‬‬
‫‪ -2‬ﺑﺮﭼﺴﺐ ﻣﻘﺎدﻳﺮ ﺑﻪ ﻃﻮر ﻛﺎﻣﻞ ﺗﻌﺮﻳﻒ ﻧﺸﺪه اﺳﺖ و ﺑﻪ ﺟﺎي آن ﻳﻜﻲ از ﺑﺮﭼﺴﺐﻫﺎ )‪(2‬‬
‫آﻣﺪه اﺳﺖ‪.‬‬
‫‪ -3‬اﮔﺮﭼﻪ ﻣﻘﺪار ﻧﺎﻣﺸﺨﺺ )‪ (Missing Value‬ﺑﺮاي اﻳﻦ ﻣﺘﻐﻴﺮ در ﻓﺎﻳﻞ دادهﻫﺎ ﺗﻌﺮﻳﻒ‬
‫ﺷﺪه اﺳﺖ‪ ،‬اﻣﺎ ﺑﺮﭼﺴﺐ ﻣﺮﺑﻮط ﺑﻪ ﻣﻘﺪار ﻧﺎﻣﺸﺨﺺ )‪ (0.3‬ﺗﻌﺮﻳﻒ ﻧﺸﺪه اﺳﺖ‪.‬‬
‫ﻣﺤﻘﻖ ﺑﺎﻳﺪ ﺑﺎ ﻣﺮاﺟﻌﻪ ﺑﻪ ﭘﺮﺳﺸﻨﺎﻣﻪ و ﻛﺪﻧﺎﻣﻪ‪ ،‬ﺑﺮﭼﺴﺐﻫﺎي ﺻﺤﻴﺢ را ﺷﻨﺎﺳﺎﻳﻲ ﻛﺮده و در‬
‫ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ اﺻﻼًﺣﺎت ﻻزم را اﻋﻤﺎل ﻛﻨﺪ‪.‬‬
‫‪ ‬آﻳﺎ ﻧﺤﻮه ﻛﺪﮔﺬاري دادهﻫﺎ ﺻﺤﻴﺢ اﺳﺖ؟‬
‫ﮔﺎﻫﻲ ﻣﻤﻜﻦ اﺳﺖ ﻣﻮاردي ﭘﻴﺶ آﻳﺪ ﻛﻪ ﻣﺤﻘﻖ در ﻧﺤﻮه ﻛﺪﮔﺬاري ﻣﺘﻐﻴﺮﻫﺎ ﻣﺮﺗﻜﺐ اﺷﺘﺒﺎه‬
‫ﺷﻮد‪ .‬ﺑﺮاي ﻣﺜﺎل ﺑﻪ ﺟﺪول زﻳﺮ دﻗﺖ ﻛﻨﻴﺪ‪:‬‬
‫درس ﺳﻮم ـ وﻳﺮاﻳﺶ دادهﻫﺎ ‪57‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (8‬ﻧﻤﻮﻧﻪ اﺷﺘﺒﺎه در ﻧﺤﻮه ﻛﺪﮔﺬاري‬

‫ﻣﻦ ﺑﻪ دﻳﮕﺮان اﻋﺘﻤﺎد دارم‬

‫‪Valid‬‬ ‫‪Cumulative‬‬
‫‪Frequency‬‬ ‫‪Percent‬‬ ‫‪Percent‬‬ ‫‪Percent‬‬
‫‪Valid‬‬ ‫‪ 1‬ﻛﺎﻣﻼ واﻗﻌﻴﺖ دارد‬ ‫‪319‬‬ ‫‪26.3‬‬ ‫‪26.4‬‬ ‫‪26.4‬‬

‫‪ 2‬واﻗﻌﻴﺖ دارد‬ ‫‪357‬‬ ‫‪29.4‬‬ ‫‪29.6‬‬ ‫‪56.0‬‬

‫‪ 3‬ﻛﻤﻲ واﻗﻌﻴﺖ دارد‬ ‫‪411‬‬ ‫‪33.8‬‬ ‫‪34.0‬‬ ‫‪90.0‬‬

‫‪ 4‬واﻗﻌﻴﺖ ﻧﺪارد‬ ‫‪75‬‬ ‫‪6.2‬‬ ‫‪6.2‬‬ ‫‪96.2‬‬

‫‪ 5‬اﺻﻼً واﻗﻌﻴﺖ ﻧﺪارد‬ ‫‪46‬‬ ‫‪3.8‬‬ ‫‪3.8‬‬ ‫‪100.0‬‬

‫‪Total‬‬ ‫‪1208‬‬ ‫‪99.4‬‬ ‫‪100.0‬‬

‫‪Missing‬‬ ‫ﺑﻲ ﺟﻮاب‬ ‫‪7‬‬ ‫‪.6‬‬
‫‪Total‬‬ ‫‪1215‬‬ ‫‪100.0‬‬

‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد‪ ،‬ﭘﺎﺳﺦ ﻣﻮاﻓﻖ ﺑﻪ ﮔﻮﻳﻪ "ﻣﻦ ﺑﻪ دﻳﮕﺮان اﻋﺘﻤﺎد دارم" ﻛﻪ ﻣﻀﻤﻮن‬
‫ﻣﺜﺒﺘﻲ دارد ﻋﻠﻲاﻟﻘﺎﻋﺪه ﺑﺎﻳﺪ ﻧﻤﺮه ﺑﺎﻻﺗﺮي ﺑﮕﻴﺮد‪ ،‬اﻣﺎ ﻣﺤﻘﻖ در ﻫﻨﮕﺎم ﻛﺪﮔﺬاري و ﺑﻪ ﺗﺒﻊ آن‬
‫ورود دادهﻫﺎ ﺑﻪ ﻧﺮماﻓﺰار ‪ ،SPSS‬ﺑﻪ ﭘﺎﺳﺦ "ﻛﺎﻣﻼً واﻗﻌﻴﺖ دارد" ﻛﻤﺘﺮﻳﻦ ﻧﻤﺮه )‪ (1‬و ﺑﻪ ﭘﺎﺳﺦ‬
‫"اﺻﻼً واﻗﻌﻴﺖ ﻧﺪارد"‪ ،‬ﺑﺎﻻﺗﺮﻳﻦ ﻧﻤﺮه )‪ (5‬را داده اﺳﺖ‪.‬‬
‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻲداﻧﻴﻢ ﺗﺼﺤﻴﺢ ﻳﻜﺎﻳﻚ ﭘﺮﺳﺸﻨﺎﻣﻪﻫﺎي وارد ﺷﺪه در ﻛﺎرﺑﺮگ دادهﻫﺎ ﺑﻪ وﻳﮋه‬
‫اﮔﺮ ﺗﻌﺪاد آﻧﻬﺎ زﻳﺎد ﺑﺎﺷﺪ‪ ،‬در ﻋﻤﻞ ﻛﺎر دﺷﻮاري اﺳﺖ‪ .‬ﺑﺮاي ﺣﻞ اﻳﻦ ﻣﺸﻜﻞ ﻣﻲﺗﻮان از دﺳﺘﻮر‬
‫‪ Recode‬از ﻣﻨﻮي ‪ Transform‬اﺳﺘﻔﺎده ﻛﺮد‪ .‬از اﻳﻦ دﺳﺘﻮر ﻣﻲﺗﻮان ﺑﺮاي ﺗﻐﻴﻴﺮ ﻧﺤﻮهي‬
‫ﻛﺪﮔﺬاري و ﻧﻴﺰ دﺳﺘﻪﺑﻨﺪي دادهﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ اﺳﺘﻔﺎده ﻛﺮد ﻛﻪ ﻣﺒﺎﺣﺚ آن ﺑﻪ‬
‫ﺗﻔﺼﻴﻞ در درس ﺑﻌﺪ ﺗﻮﺿﻴﺢ داده ﻣﻲﺷﻮد‪.‬‬
 ‫‪  58‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺗﻤﺮﻳﻦ درس ﺳﻮم‬

‫ﺗﻤﺮﻳﻦ ‪ -1‬در ﺗﺼﻮﻳﺮ زﻳﺮ در ﻣﺘﻐﻴﺮ ﺳﻄﺮ ﺷﻤﺎره ‪ ،2‬اﻟﻒ‪ -‬ﭼﻨﺪ ﺧﻄﺎ وﺟﻮد دارد؟ ب‪ -‬ﻧﻮع‬
‫ﺧﻄﺎ ﻳﺎ ﺧﻄﺎﻫﺎ را ﺑﻨﻮﻳﺴﻴﺪ‪.‬‬

‫ﺗﻤﺮﻳﻦ ‪ -2‬ﺧﻄﺎﻫﺎي ﻣﻨﺪرج در ﺟﺪول زﻳﺮ را ﺷﻨﺎﺳﺎﻳﻲ ﻛﻨﻴﺪ‪.‬‬

‫رﺷﻪ ﺗﺤﺼﻴﻠﻲ‬

‫‪Valid‬‬ ‫‪Cumulative‬‬
‫‪Frequency‬‬ ‫‪Percent‬‬ ‫‪Percent‬‬ ‫‪Percent‬‬
‫‪Valid‬‬ ‫ﻓﺎﻗﺪ رﺷﺘﻪ‬ ‫‪549‬‬ ‫‪45.2‬‬ ‫‪45.2‬‬ ‫‪45.2‬‬

‫اﻧﺴﺎﻧﻲ‬ ‫‪223‬‬ ‫‪18.4‬‬ ‫‪18.4‬‬ ‫‪63.5‬‬

‫‪2.00‬‬ ‫‪242‬‬ ‫‪19.9‬‬ ‫‪19.9‬‬ ‫‪83.5‬‬

‫رﻳﺎﺿﻲ‬ ‫‪122‬‬ ‫‪10.0‬‬ ‫‪10.0‬‬ ‫‪93.5‬‬

‫ﻓﻨﻲ و ﺣﺮﻓﻪاي‬ ‫‪41‬‬ ‫‪3.4‬‬ ‫‪3.4‬‬ ‫‪96.9‬‬

‫ﻛﺎر و داﻧﺶ‬ ‫‪38‬‬ ‫‪3.1‬‬ ‫‪3.1‬‬ ‫‪100.0‬‬

‫‪Total‬‬ ‫‪1215‬‬ ‫‪100.0‬‬ ‫‪100.0‬‬

‫ﺗﻤﺮﻳﻦ ‪ -3‬ﺧﻄﺎﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻓﺎﻳﻞ دادهﻫﺎي ورزش )ﺗﻤﺮﻳﻦ‪ 3‬از ﻓﺼﻞ ‪ (2‬را ﺷﻨﺎﺳﺎﻳﻲ و‬
‫ﺗﺼﺤﻴﺢ ﻛﻨﻴﺪ‪.‬‬

‫ﺗﻤﺮﻳﻦ ‪ -4‬ﺳﻌﻲ ﻛﻨﻴﺪ دادهﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﺗﺤﻘﻴﻖ ﻳﻜﻲ از ﻫﻤﻜﻼﺳﺎن ﻳﺎ اﺳﺎﺗﻴﺪﺗﺎن را ﺗﻬﻴﻪ و‬
‫ﺧﻄﺎﻫﺎي آﻧﻬﺎ را ﺷﻨﺎﺳﺎﻳﻲ ﻛﻨﻴﺪ‪.‬‬
 ‫درس ﭼﻬﺎرم‬

‫ﻛﺪﮔﺬاري ﻣﺠﺪد و دﺳﺘﻪﺑﻨﺪي‬

‫در ﭘﺎﻳﺎن اﻳﻦ درس اﻧﺘﻈﺎر ﻣﻲرود داﻧﺸﺠﻮ‬

‫‪ -1‬اﻫﻤﻴﺖ و ﺿﺮورت ﻛﺪﮔﺬاري ﻣﺠﺪد و دﻻﻳﻞ اﺳﺘﻔﺎده از آن را ﺑﺪاﻧﺪ‪.‬‬
‫‪ -2‬ﻛﺪﮔﺬاري ﻣﺠﺪد ﺑﻪ دو روش ﺟﺎﻳﮕﺰﻳﻨﻲ و ﺳـﺎﺧﺘﻦ ﻣﺘﻐﻴـﺮ ﺟﺪﻳـﺪ را ﺑﺪاﻧـﺪ و ﻣﺰﻳـﺖ‬
‫روش دوم ﺑﺮ اول را ﺗﺸﺨﻴﺺ دﻫﺪ‪.‬‬
‫‪ -3‬ﺑﺘﻮاﻧﺪ از دﺳﺘﻮر ‪ Recode‬ﺑﺮاي اﺻﻼح ﻳﺎ ﺗﻐﻴﻴﺮ ﻧﺤﻮه ﻛﺪﮔﺬاري ﻣﺘﻐﻴﺮﻫﺎ اﺳﺘﻔﺎده ﻛﻨﺪ‪.‬‬
‫‪ -4‬ﺑﺘﻮاﻧﺪ از دﺳﺘﻮر ‪ Recode‬ﺑﺮاي دﺳﺘﻪﺑﻨﺪي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ اﺳﺘﻔﺎده ﻛﻨﺪ‪.‬‬
‫‪ -5‬اﺻﻮل و ﻣﺮاﺣﻞ دﺳﺘﻪﺑﻨﺪي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ﺑﻪ ﻛﻴﻔﻲ را ﺑﺸﻨﺎﺳﺪ و ﺑﺎ رﻋﺎﻳﺖ آﻧﻬﺎ ﺑﺘﻮاﻧـﺪ‬
‫ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ را ﺑﺎ اﺳﺘﻔﺎده از دﺳﺘﻮر ‪ Recode‬دﺳﺘﻪﺑﻨﺪي ﻛﻨﺪ‪.‬‬
 ‫‪  60‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -1‬ﻣﻘﺪﻣﻪ‬
‫ﻛﺪﻫﺎﻳﻲ ﻛﻪ در ﻣﺮﺣﻠﻪ ﻛﺪﮔﺬاري ﺑﻪ ﭘﺎﺳﺦﻫﺎ ﻧﺴﺒﺖ داده ﻣﻲﺷﻮد‪ ،‬ﻃﻲ ﻣﺮﺣﻠﻪ ﺗﺠﺰﻳﻪوﺗﺤﻠﻴﻞ‬
‫دادهﻫﺎ‪ ،‬ﻣﻤﻜﻦ اﺳﺖ ﺑﺎرﻫﺎ ﻧﻴﺎز ﺑﻪ ادﻏﺎم‪ ،‬ﺗﻐﻴﻴﺮ ﻳﺎ دﺳﺘﻪﺑﻨﺪي داﺷﺘﻪ ﺑﺎﺷﻨﺪ‪ .‬ﺑﺮاي اﻳﻦ ﻛﺎر ﺑﺎﻳﺪ از‬
‫دﺳﺘﻮر ‪ Recode‬اﺳﺘﻔﺎده ﻛﺮد‪.‬‬
‫‪ -2‬ﺣﺎﻟﺖﻫﺎي ﻣﺨﺘﻠﻒ دﺳﺘﻮر ‪Recode‬‬
‫ﻣﺤﻘﻖ در ﻫﻨﮕﺎم اﻧﺘﺨﺎب دﺳﺘﻮر ‪ Recode‬ﺑﺎ دو ﮔﺰﻳﻨﻪ ﻣﻮاﺟﻪ ﻣﻲﺷﻮد‪:‬‬
‫‪ ‬ﺟﺎﻳﮕﺰﻳﻨﻲ ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ ﺑﻪ ﺟﺎي ﻗﺒﻠﻲ)‪(Recode into same Variable‬‬
‫‪ ‬ﺳﺎﺧﺘﻦ ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ ﺿﻤﻦ ﺣﻔﻆ ﻣﺘﻐﻴﺮ ﻗﺒﻠﻲ)‪(Recode into different Variable‬‬
‫از آﻧﺠﺎ ﻛﻪ در ﺣﺎﻟﺖ ‪ ،Recode into same Variable‬ﻣﺘﻐﻴﺮ اﺻﻠﻲ ﻛﻪ ﻣﺒﻨﺎي دﺳﺘﻪﺑﻨﺪي‬
‫اﺳﺖ ﺣﺬف ﺷﺪه و ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪي ﺟﺎﻳﮕﺰﻳﻦ آن ﻣﻲﮔﺮدد‪ ،‬ﺗﻮﺻﻴﻪ ﻣﻲﺷﻮد در ﻫﻨﮕﺎم اﺳﺘﻔﺎده از‬
‫دﺳﺘﻮر ‪ recode‬از ﮔﺰﻳﻨﻪ ‪ Recode into different Variable‬اﺳﺘﻔﺎده ﺷﻮد‪ .‬اﻳﻦ ﻛﺎر‬
‫ﻣﻮﺟﺐ ﻣﻲﺷﻮد ﻣﺘﻐﻴﺮ اﺻﻠﻲ ﺑﻪ ﺻﻮرت ﺧﺎم و دﺳﺘﻪﺑﻨﺪي ﻧﺸﺪه ﺑﺎﻗﻲﺑﻤﺎﻧﺪ و در ﻛﻨﺎر آن ﻣﺘﻐﻴﺮ‬
‫ﺟﺪﻳﺪ ﻧﻴﺰ اﻳﺠﺎد ﺷﻮد‪ .‬ﺑﻪ ﺗﺼﻮﻳﺮ زﻳﺮ ﻛﻪ دو ﮔﺰﻳﻨﻪ ﻣﺨﺘﻠﻒ دﺳﺘﻮر ‪ Recode‬را ﻧﺸﺎن ﻣﻲدﻫﺪ‪،‬‬
‫دﻗﺖ ﻛﻨﻴﺪ‪:‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (20‬ﮔﺰﻳﻨﻪﻫﺎي ﻣﻮﺟﻮد در دﺳﺘﻮر ‪Recode‬‬

‫ﺑــﺎ اﻳــﻦ دﺳــﺘﻮر ﻣﺘﻐﻴــﺮ ﺟﺪﻳــﺪ‬

‫ﺟﺎﻳﮕﺰﻳﻦ ﻣﺘﻐﻴﺮ ﻗﺒﻠﻲ ﻣﻲ ﺷﻮد‬

‫ﺑﺎ اﻳﻦ دﺳﺘﻮر ﻣﺘﻐﻴﺮ ﺟﺪﻳـﺪ در‬

‫ﻛﻨﺎر ﻣﺘﻐﻴﺮ ﻗﺒﻠﻲ ﺣﻔﻆ ﻣﻲ ﺷﻮد‬

‫ﺑﺎ اﺟﺮاي ﺣﺎﻟﺖ اول )‪ (Recode into same Variable‬ﺑﺎ ﭘﻨﺠﺮهي زﻳﺮ ﻣﻮاﺟﻪ‬
‫ﻣﻲﺷﻮﻳﺪ‪ .‬ﻛﺎﻓﻲ اﺳﺖ ﻣﺘﻐﻴﺮي را ﻛﻪ ﺑﺎﻳﺪ دﺳﺘﻪﺑﻨﺪي ﺷﻮد ﺑﻪ ﻛﺎدر ﺳﻤﺖ ﭼﭗ ﻣﻨﺘﻘﻞ ﻛﺮده و آﻧﮕﺎه‬
‫ﺑﺎ ﻛﻠﻴﻚ ﺑﺮ روي ‪ ،Old and New Values‬ﻣﻘﺎدﻳﺮ ﻗﺪﻳﻢ و ﺟﺪﻳﺪ را ﺑﻪ ﻧﺮماﻓﺰار ﻣﻌﺮﻓﻲ ﻛﻨﻴﺪ‪.‬‬
‫درس ﭼﻬﺎرم – ﻛﺪﮔﺬاري ﻣﺠﺪد و دﺳﺘﻪﺑﻨﺪي ‪61 ‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (21‬ﺷﻴﻮهي اﺟﺮاي دﺳﺘﻮر ‪ Recode‬در ﺣﺎﻟﺖ ‪Recode into same variable‬‬

‫ﺑﺎ اﺟﺮاي ﺣﺎﻟﺖ دوم )‪ (Recode into different Variable‬ﭘﻨﺠﺮهي زﻳﺮ ﺑﻪ ﻧﻤﺎﻳﺶ در‬
‫ﻣﻲآﻳﺪ‪ .‬در اﻳﻦ وﺿﻌﻴﺖ اﺑﺘﺪا ﻣﺘﻐﻴﺮ ﻣﺮﺑﻮﻃﻪ را ﺑﻪ ﻛﺎدر ﺳﻤﺖ راﺳﺖ ﻣﻨﺘﻘﻞ و ﺑﻌﺪ از ﻧﻮﺷﺘﻦ ﻧﺎم و‬
‫ﺑﺮﭼﺴﺐ ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ‪ ،‬روي ‪ change‬ﻛﻠﻴﻚ ﻛﻨﻴﺪ و ﺑﻌﺪ از آن ﺑﺎ ﻛﻠﻴﻚ ﺑﺮ روي ‪Old and‬‬
‫‪ New Values‬ﻣﻘﺎدﻳﺮ ﻗﺪﻳﻢ و ﺟﺪﻳﺪ را ﺑﻪ ﻧﺮماﻓﺰار ﻣﻌﺮﻓﻲ ﻛﻨﻴﺪ‪.‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (22‬ﺷﻴﻮهي اﺟﺮاي دﺳﺘﻮر ‪ Recode‬در ﺣﺎﻟﺖ ‪Recode into Different variabel‬‬

‫ﭘﺲ از اﻧﺘﻘﺎل ﻣﺘﻐﻴﺮ ﻣﺮﺑﻮﻃﻪ از ﻛﺎدرﺳـﻤﺖ‬

‫ﭼﭗ ﺑﻪ راﺳﺖ‪ ،‬در اﻳﻨﺠﺎ ﻧـﺎم ﻣﺘﻐﻴﺮ‪،‬ﺳـﭙﺲ‬
‫ﺑﺮﭼﺴـــﺐ ﻣﺮﺑـــﻮط را ﻧﻮﺷـــﺘﻪ و ﺑـــﺮ‬
‫روي ‪ change‬ﻛﻠﻴﻚ ﻣﻲ ﻛﻨﻴﻢ‪.‬‬
 ‫‪  62‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪-3‬ﻛﺎرﺑﺮدﻫﺎي دﺳﺘﻮر ‪Recode‬‬

‫‪ ‬اﺳﺘﻔﺎده از دﺳﺘﻮر ‪ Recode‬ﺑﺮاي اﺻﻼح ﻳﺎ ﺗﻐﻴﻴﺮ ﻧﺤﻮهي ﻛﺪ ﮔﺬاري‬
‫در ﭘﻨﺠﺮه ‪ Old and New Values‬ﻣﻲﺗﻮان ﺑﻪ اﺷﻜﺎل ﻣﺨﺘﻠﻔﻲ ﻋﻤﻞ ﻛﺮد ﻛﻪ ﺑﺴﺘﮕﻲ ﺑﻪ‬
‫ﻃﺮح و ﻧﻘﺸﻪ ﻣﺤﻘﻖ ﺑﺮاي دﺳﺘﻮر ‪ Recode‬دارد‪ .‬ﺑﻪ ﻋﺒﺎرت دﻳﮕﺮ ﭼﻨﺎﻧﭽﻪ ﻗﺼﺪ ﺗﻐﻴﻴﺮ ﻧﺤﻮهي‬
‫ﻛﺪﮔﺬاري ﻳﻚ ﻣﺘﻐﻴﺮ را داﺷﺘﻪ ﺑﺎﺷﻴﺪ‪ ،‬ﻣﺜﻼً ﺑﺨﻮاﻫﻴﺪ ﻛﺪﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﮔﻮﻳﻪي »ﺑﻮد و ﻧﺒﻮد ﻣﻦ در‬
‫اﻳﻦ ﻛﻼس ﻫﻴﭻ ﻓﺮﻗﻲ ﺑﺮاﻳﻢ ﻧﻤﻲﻛﻨﺪ« را ﻛﻪ ﻗﺒﻼً ﺑﻪ اﻳﻦ ﺷﻴﻮه ﻛﺪﮔﺬاري ﺷﺪه اﺳﺖ‪ :‬ﺧﻴﻠﻲ ﻣﻮاﻓﻖ‬
‫)‪ ،(1‬ﻣﻮاﻓﻖ )‪ ،(2‬ﺑﻴﻨﺎﺑﻴﻦ )‪ ،(3‬ﻣﺨﺎﻟﻒ )‪ ،(4‬ﺧﻴﻠﻲ ﻣﺨﺎﻟﻒ )‪ ،(5‬ﺑﻪ اﻳﻦ ﺷﻜﻞ ﺗﻐﻴﻴﺮ ﺑﺪﻫﻴﺪ‪ :‬ﺧﻴﻠﻲ‬
‫ﻣﻮاﻓﻖ )‪ ،(5‬ﻣﻮاﻓﻖ )‪ ،(4‬ﺑﻴﻨﺎﺑﻴﻦ )‪ ،(3‬ﻣﺨﺎﻟﻒ )‪ ،(2‬ﺧﻴﻠﻲ ﻣﺨﺎﻟﻒ )‪ .(1‬ﺑﺎ ﻛﻠﻴﻚ ﺑﺮ روي ‪Old‬‬
‫‪ and New Values‬ﺑﺎﻳﺪ ﺑﻪ ﺷﻜﻞ زﻳﺮ ﻋﻤﻞ ﻛﻨﻴﺪ‪.‬‬

‫ﺷﻜﻞ ﺷﻤﺎره)‪ (23‬ﭘﻨﺠﺮه ‪ Old and New Values‬در دﺳﺘﻮر ‪Recode‬‬

‫‪.1‬ﻣﻘﺎدﻳﺮ ﻣﺮﺑﻮط ﺑﻪ ﻣﺘﻐﻴﺮ اﺻﻠﻲ را‬

‫در اﻳﻦ ﻗﺴﻤﺖ وارد ﻛﻨﻴﺪ‪.‬‬

‫‪.2‬ﻣﻘﺎدﻳﺮ ﻣﺮﺑﻮط ﺑﻪ ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ را در‬

‫اﻳﻦ ﻗﺴﻤﺖ وارد ﻛﺮده‪،‬ﺳﭙﺲ ﺑﺮ روي‬
‫‪ Add‬ﻛﻠﻴﻚ ﻛﻨﻴﺪ‬

‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲ ﺷﻮد‪،‬ﺑﺎ اﻧﺠﺎم اﻳﻦ دﺳﺘﻮر‪،‬در اﻳﻦ ﻛﺎدرﻣﺸﺨﺺ ﻣﻲ ﺷﻮد‬

‫ﻛﻪ ﻣﻘﺎدﻳﺮ ﻣﺘﻐﻴﺮ اﺻﻠﻲ ﺑﻪ ﭼﻪ ﻣﻘﺎدﻳﺮ ﺟﺪﻳﺪي ﻗﺮار اﺳﺖ ﺗﺒﺪﻳﻞ ﺷﻮﻧﺪ‬

‫ﺑﺎ ﻛﻠﻴﻚ ﺑﺮ روي ‪ Continue‬و ﺳﭙﺲ ‪ Ok‬دﺳﺘﻮر ‪ Recode‬اﺟﺮا ﻣﻲ ﺷﻮد‪ .‬ﭘﺲ از اﺟﺮاي‬
‫اﻳﻦ دﺳﺘﻮر ﻣﻲﺗﻮاﻧﻴﺪ ﺑﺎ ﺗﻬﻴﻪ ي ﻳﻚ ﺟﺪول ﻓﺮاواﻧﻲ از ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ و ﻣﻘﺎﻳﺴﻪي آن ﺑﺎ ﺟﺪول‬
‫ﻓﺮاواﻧﻲ ﻣﺘﻐﻴﺮ ﻗﺒﻠﻲ از ﭼﮕﻮﻧﮕﻲ اﻧﺠﺎم ﻋﻤﻠﻴﺎت ‪ Recode‬اﻃﻤﻴﻨﺎن ﺣﺎﺻﻞ ﻛﻨﻴﺪ‪.‬‬
‫‪ ‬اﺳﺘﻔﺎده از دﺳﺘﻮر ‪ Recode‬ﺑﺮاي ﻃﺒﻘﻪﺑﻨﺪي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ﻳﺎ ﻛﻴﻔﻲ‬
‫در ﻣﻮاردي ﻛﻪ ﺑﺨﻮاﻫﻴﺪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ ﻳﺎ ﻛﻤ‪‬ﻲ را دﺳﺘﻪﺑﻨﺪي ﻛﻨﻴﺪ‪ ،‬دﺳﺘﻮر‪ Recode‬ﻗﺎﺑﻞ‬
‫اﺳﺘﻔﺎده ﻣﻲﺷﻮد‪ .‬ﺑﺮاي ﻣﺜﺎل ﻣﻤﻜﻦ اﺳﺖ ﺑﺨﻮاﻫﻴﺪ ﻣﺸﺎﻏﻠﻲ را ﻛﻪ ﻛﺪﻫﺎي ﻣﺨﺘﻠﻔﻲ دارﻧﺪ‪ ،‬ﺑﻪ دو‬
‫دﺳﺘﻪي ﻣﺸﺎﻏﻞ دوﻟﺘﻲ و ﻏﻴﺮدوﻟﺘﻲ‪ ،‬ﻳﺎ ﺑﻪ ﺳﻪ دﺳﺘﻪي ﻣﺸﺎﻏﻞ ﭘﺎﻳﻴﻦ‪ ،‬ﻣﺘﻮﺳﻂ و ﺑﺎﻻ ادﻏﺎم ﻛﻨﻴﺪ‪.‬‬
‫درس ﭼﻬﺎرم – ﻛﺪﮔﺬاري ﻣﺠﺪد و دﺳﺘﻪﺑﻨﺪي ‪63 ‬‬

‫ﻋﻼوه ﺑﺮ اﻳﻦ‪ ،‬ﻣﻤﻜﻦ اﺳﺖ ﭘﺲ از ورود دادهﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ﻗﺼﺪ دﺳﺘﻪﺑﻨﺪي آﻧﻬﺎ‬
‫را در دو ﻳﺎ ﭼﻨﺪ ﻃﺒﻘﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ‪ .‬ﺑﺮاي ﻣﺜﺎل ﺑﺨﻮاﻫﻴﺪ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ "ﺳﻦ" را در ﺳﻪ دﺳﺘﻪ‬
‫)ﺟﻮان‪ ،‬ﻣﻴﺎﻧﺴﺎل‪ ،‬ﻣﺴﻦ( ﻳﺎ ﭘﻨﺞ دﺳﺘﻪ )ﺧﻴﻠﻲ ﺑﺎﻻ‪ ،‬ﺑﺎﻻ‪ ،‬ﻣﺘﻮﺳﻂ‪ ،‬ﭘﺎﻳﻴﻦ‪ ،‬ﺧﻴﻠﻲ ﭘﺎﻳﻴﻦ(‪ ،‬ﻃﺒﻘﻪﺑﻨﺪي‬
‫ﻛﻨﻴﺪ‪ ،‬در اﻳﻦ ﺣﺎﻟﺖ ﺑﺎﻳﺪ ﺑﺎ ﻛﻠﻴﻚ ﺑﺮ روي ‪ Old and New Values‬ﺑﻪ ﺷﻜﻞ زﻳﺮ ﻋﻤﻞ ﻛﻨﻴﺪ‪:‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (24‬ﭼﮕﻮﻧﮕﻲ ﻃﺒﻘﻪﺑﻨﺪي ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ ﻳﺎ ﻛﻴﻔﻲ ﺑﺎ اﺟﺮاي دﺳﺘﻮر ‪ Recode‬در ﮔﺰﻳﻨﻪ ‪Old and‬‬
‫‪New Values‬‬
‫ﺑﺮاي ادﻏﺎم دﺳﺘﻪ اي از ﻣﻘـﺎدﻳﺮ‬ ‫ﺑﺮاي ﺗﺒﺪﻳﻞ ﻳﺎ ﻛﭙﻲ ﻛﺮدن‬
‫ﺑﺎ ﺣﺪود ﻣﺸﺨﺺ درﻳﻚ دﺳﺘﻪ‬ ‫ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ‬

‫ﺑﺮاي ادﻏﺎم دﺳﺘﻪ اي از‬

‫ﻣﻘﺎدﻳﺮ ﻛﻪ ﭘﺎﻳﻴﻦ ﺗﺮ از‬
‫ﻳﻚ ﺣﺪ ﻣﺸﺨﺺ ﻗﺮار‬
‫دارﻧﺪ در ﻳﻚ دﺳﺘﻪ‬

‫ﺑﺮاي ادﻏﺎم دﺳﺘﻪ اي از‬

‫ﻣﻘﺎدﻳﺮ ﻛﻪ ﺑﺎﻻﺗﺮ ﺗﺮ از ﻳﻚ‬
‫ﺣﺪ ﻣﺸﺨﺺ ﻗﺮار دارﻧﺪ‬ ‫ﺑﺮاي ادﻏﺎم ﺑﺎﻗﻴﻤﺎﻧﺪه ﻣﻘﺎدﻳﺮ در‬
‫در ﻳﻚ دﺳﺘﻪ‬ ‫ﻳﻚ دﺳﺘﻪ‬ ‫ﺑﺮاي ادﻏﺎم ﻣﺘﻐﻴﺮﻫﺎ در ﻗﺎﻟﺐ ﻳﻚ ﻣﺘﻐﻴﺮ ﺣﺮﻓﻲ )ﻏﻴﺮ ﻋﺪدي(‬

‫ﺑﻪ اﻳﻦ ﺗﺮﺗﻴﺐ ﺑﺎ ﻛﻠﻴﻚ ﺑﺮ روي ‪ Continue‬و ‪، Ok‬دﺳﺘﻮر ‪ Recode‬اﺟﺮا ﻣﻲ ﺷﻮد‪ .‬ﻻزم‬
‫اﺳﺖ ﭘﺲ از اﺟﺮاي اﻳﻦ دﺳﺘﻮر‪ ،‬ﺑﺎ ﺗﻬﻴﻪ ﻳﻚ ﺟﺪول ﻓﺮاواﻧﻲ از ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ و ﻣﻘﺎﻳﺴﻪ آن ﺑﺎ‬
‫ﺟﺪول ﻓﺮاواﻧﻲ ﻣﺘﻐﻴﺮ ﻗﺒﻠﻲ از ﭼﮕﻮﻧﮕﻲ اﻧﺠﺎم ﻋﻤﻠﻴﺎت ‪ Recode‬اﻃﻤﻴﻨﺎن ﭘﻴﺪا ﻛﻨﺪ‪.‬‬
‫ﻣﺮاﺣﻞ دﺳﺘﻪﺑﻨﺪي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ﺑﻪ ﻛﻴﻔﻲ را ﻣﻲﺗﻮان ﺑﻪ ﺷﻜﻞ زﻳﺮ ﺑﻴﺎن ﻛﺮد‪:‬‬
‫‪ -1‬اﺑﺘﺪا ﻳﻚ ﺟﺪول ﻓﺮاواﻧﻲ از ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ ﺗﻬﻴﻪ و ﻛﻤﺘﺮﻳﻦ و ﺑﻴﺸﺘﺮﻳﻦ ﻣﻘﺪار آن را ﺷﻨﺎﺳﺎﻳﻲ‬
‫ﻛﻨﻴﺪ‪.‬‬
‫‪ -2‬ﺑﺎ ﺗﻔﺎﺿﻞ ﻛﻤﺘﺮﻳﻦ ﻣﻘﺪار از ﺑﻴﺸﺘﺮﻳﻦ ﻣﻘﺪار‪ ،‬داﻣﻨﻪي ﺗﻐﻴﻴﺮات را ﻣﺤﺎﺳﺒﻪ ﻛﻨﻴﺪ‪.‬‬
‫‪ -3‬داﻣﻨﻪي ﺗﻐﻴﻴﺮات را ﺑﺮ ﺗﻌﺪاد ﻃﺒﻘﺎت )ﺗﻮﺻﻴﻪ ﻣﻲﺷﻮد ﻛﻤﺘﺮ از ‪ 3‬ﻳﺎ ﺑﻴﺸﺘﺮ از ‪ 10‬ﻧﺒﺎﺷﺪ(‪،‬‬
‫ﺗﻘﺴﻴﻢ ﻛﻨﻴﺪ ﺗﺎ ﻓﺎﺻﻠﻪي ﻃﺒﻘﺎت ﺑﻪ دﺳﺖ آﻳﺪ‪.‬‬
‫‪ -4‬ﻓﺎﺻﻠﻪي ﻃﺒﻘﺎت را ﺑﻪ ﻛﻤﺘﺮﻳﻦ ﻣﻘﺪار اﺿﺎﻓﻪ ﻛﻨﻴﺪ ﺗﺎ ﺣﺪود ﺑﺎﻻ و ﭘﺎﻳﻴﻦ ﻃﺒﻘﻪ ي اول‬
‫ﺑﺪﺳﺖ آﻳﺪ‪.‬‬
‫‪ -5‬ﻓﺎﺻﻠﻪي ﻃﺒﻘﺎت را ﺑﻪ ﺣﺪ ﺑﺎﻻي ﻃﺒﻘﻪي اول اﺿﺎﻓﻪ ﻧﻤﺎﻳﻴﺪ ﺗﺎ ﺣﺪود ﻃﺒﻘﺎت دوم ﺑﺪﺳﺖ‬
‫آﻳﺪ‪.‬‬
‫‪ -6‬اﻳﻦ ﻛﺎر را ﺗﺎ ﻣﺤﺎﺳﺒﻪي ﺣﺪود آﺧﺮﻳﻦ ﻃﺒﻘﻪ اداﻣﻪ دﻫﻴﺪ و ﺣﺪود ﻫﺮ ﻃﺒﻘﻪ را ﺑﺮ روي‬
‫ﺑﺮﮔﻪاي ﻳﺎدداﺷﺖ ﻛﻨﻴﺪ‪.‬‬
 ‫‪  64‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -7‬دﺳﺘﻮر ‪ Recode‬را در ﺣﺎﻟﺖ ‪ Recode into different Variable‬اﺟﺮا ﻛﻨﻴﺪ‪.‬‬

‫‪ -8‬ﻧﺎم و ﺑﺮﭼﺴﺐ ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ را وارد و ﺑﺮ روي ﻋﺒﺎرت ‪ change‬ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪.‬‬
‫‪ -9‬ﺣﺪود ﻃﺒﻘﺎت را در ﻛﺎدرﻫﺎي ﻣﺮﺑﻮط در ﭘﻨﺠﺮهي ‪ Old and New Values‬وارد‬
‫ﻛﻨﻴﺪ‪.‬‬
‫‪ -10‬ﺑﺮاي ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ )‪ (System or User Missing Value‬از دﺳﺘﻮر ﻛﭙﻲ‬
‫ﻣﻨﺪرج در ﭘﻨﺠﺮهي‪ Old and New Values‬اﺳﺘﻔﺎده ﻧﻤﺎﻳﻴﺪ‪.‬‬
‫‪ -11‬ﺑﺮﭼﺴﺐ ﻣﻘﺎدﻳﺮ ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ را در ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ ﺑﻨﻮﻳﺴﻴﺪ‪.‬‬
‫‪ -12‬از ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ ﺟﺪول ﻓﺮاواﻧﻲ ﺗﻬﻴﻪ و ﺑﺎ ﺟﺪول ﻓﺮاواﻧﻲ ﻗﺒﻠﻲ ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﺪ ﺗﺎ از ﺻﺤ‪‬ﺖ‬
‫دﺳﺘﻪﺑﻨﺪي ﻣﻄﻤﺌﻦ ﺷﻮﻳﺪ‪.‬‬
‫‪ -13‬اﮔﺮ ﻓﺮاواﻧﻲ ﻧﺴﺒﻲ ﻳﺎ درﺻﺪي در ﺑﺮﺧﻲ ﻃﺒﻘﺎت ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ ﻛﻤﺘﺮ از ‪ 5‬درﺻﺪ ﺑﺎﺷﺪ‪،‬‬
‫ﺑﻬﺘﺮ اﺳﺖ ﻧﺴﺒﺖ ﺑﻪ ادﻏﺎم اﻳﻦ دﺳﺘﻪﻫﺎ در ﺳﺎﻳﺮ دﺳﺘﻪﻫﺎ ﻳﺎ ﺗﻐﻴﻴﺮ ﺷﻴﻮهي دﺳﺘﻪﺑﻨﺪي از ﺣﺎﻟﺖ‬
‫آﻣﺎري ﺑﻪ ﺣﺎﻟﺖ ﺗﺌﻮرﻳﻚ ﺗﺼﻤﻴﻢﮔﻴﺮي ﻛﻨﻴﺪ‪.‬‬

‫در ارﺗﺒﺎط ﺑﺎ ﻣﺮﺣﻠﻪي ﺷﻤﺎرهي دوازده‪ ،‬ﻳﺎدآوري ﻣﻲﺷﻮد ﻛﻪ دﺳﺘﻪﺑﻨﺪي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ در‬
‫ﻗﺎﻟﺐ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ ﻣﻲﺗﻮاﻧﺪ ﺑﺮاﺳﺎس دو روﻳﻜﺮد ﺻﻮرت ﮔﻴﺮد‪ .‬در روﻳﻜﺮد آﻣﺎري‪ ،‬ﻛﺎﻓﻲ‬
‫اﺳﺖ داﻣﻨﻪي ﺗﻐﻴﻴﺮات ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ )‪ ،(R=MAX-MIN‬ﻣﺤﺎﺳﺒﻪ و ﺑﺮ ﺗﻌﺪاد دﺳﺘﻪﻫﺎي ﻣﻮردﻧﻈﺮ‬
‫ﺗﻘﺴﻴﻢ ﺷﻮد ﺗﺎ ﻓﺎﺻﻠﻪي ﻫﺮ دﺳﺘﻪ ﻣﺸﺨﺺ ﺷﻮد‪ .‬اﻳﻦ روﻳﻜﺮد ﻛﻪ ﺗﺼﻤﻴﻢﮔﻴﺮي ﺑﺮاﺳﺎس آن اﻣﺮي‬
‫راﻳﺞ اﺳﺖ ﮔﺎﻫﻲ ﻣﻮﺟﺐ ﻣﻲﺷﻮد ﻫﻤﮕﻨﻲ درون دﺳﺘﻪﻫﺎ ﻧﺎدﻳﺪه ﮔﺮﻓﺘﻪ ﺷﻮد‪ .‬اﻣﺎ روﻳﻜﺮد دوم‬
‫ﺻﺒﻐﻪي ﺗﺌﻮرﻳﻚ دارد‪ .‬ﺑﺪﻳﻦ ﻣﻌﻨﻲ ﻛﻪ در دﺳﺘﻪﺑﻨﺪي دادهﻫﺎ‪ ،‬ﺷﺒﺎﻫﺖ ﻳﺎ ﻧﺰدﻳﻜﻲ اﻋﻀﺎي درون ﻫﺮ‬
‫دﺳﺘﻪ و ﻧﻴﺰ ﺗﻤﺎﻳﺰ و ﻓﺎﺻﻠﻪي ﺑﻴﻦ دﺳﺘﻪﻫﺎ در درﺟﻪي اول اﻫﻤﻴﺖ ﻗﺮار دارد و ﻣﺤﻘﻖ ﺗﻌﻬﺪي‬
‫ﻧﺴﺒﺖ ﺑﻪ رﻋﺎﻳﺖ ﻓﺎﺻﻠﻪي ﺑﺮاﺑﺮ ﺑﻴﻦ دﺳﺘﻪﻫﺎ را ﻧﺪارد‪ .‬در اﻳﻨﺠﺎ ﺑﺮاي ﺷﻔﺎﻓﻴﺖ ﺑﻴﺸﺘﺮ ﻣﻄﺎﻟﺐ‪،‬‬
‫ﻫﻤﻪي ﻣﺮاﺣﻞ ﻓﻮق ﺑﺎ ﻳﻚ ﻣﺜﺎل ﺗﻮﺿﻴﺢ داده ﻣﻲﺷﻮد‬
‫ﻓﺮض ﻛﻨﻴﺪ ﻣﺤﻘﻘﻲ ﻗﺼﺪ دارد "درﺻﺪ ﺑﺎﺳﻮادان ﺟﻬﺎن را در ﺳﺎل ‪ "1995‬در ﺗﺤﻘﻴﻖ ﺧﻮد‬
‫ﮔﺰارش دﻫﺪ‪ .‬از آﻧﺠﺎ ﻛﻪ اﻳﻦ ﻣﺘﻐﻴﺮ از ﻧﻮع ﻛﻤ‪‬ﻲ اﺳﺖ و ﻓﻘﻂ ﺑﺎ ﺗﻬﻴﻪي ﺟﺪول ﻓﺮاواﻧﻲ از آن )ﻛﻪ‬
‫ﻣﻌﻤﻮﻻً داراي ﺟﺪاول ﻓﺮاواﻧﻲ ﺑﻠﻨﺪي ﻧﻴﺰ ﻫﺴﺖ(‪ ،‬ﻧﻤﻲﺗﻮان ﺑﻪ ﺧﻮﺑﻲ آن را ﺗﻮﺻﻴﻒ ﻛﺮد‪ ،‬در اﻳﻦ‬
‫ﺣﺎﻟﺖ ﻋﻼوه ﺑﺮ اﺳﺘﻔﺎده از ﺷﺎﺧﺺﻫﺎي آﻣﺎري ﻣﺨﺘﻠﻒ‪ ، 1‬ﺑﺎﻳﺪ اﻳﻦ ﻣﺘﻐﻴﺮ را )درﺻﺪ ﺑﺎﺳﻮادان‬
‫ﺟﻬﺎن را در ﺳﺎل ‪ (1995‬ﺑﻪ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ ﺗﺒﺪﻳﻞ ﻛﺮد ﺗﺎ ﺑﺮاي ﺧﻮاﻧﻨﺪه ﻗﺎﺑﻞ ﻓﻬﻢﺗﺮ ﺑﺎﺷﺪ‪ .‬ﺑﺮاي‬
‫اﻳﻦ ﻛﺎر ﺑﻪ ﺗﺮﺗﻴﺐ ﻣﺮاﺣﻞ زﻳﺮ ﺑﺎﻳﺪ اﻧﺠﺎم ﺷﻮد‪.‬‬
‫‪ .1‬اﺑﺘﺪا ﺑﺎﻳﺪ ﺑﺎ اﺟﺮاي دﺳﺘﻮر‪ ، Frequencies‬ﻳﻚ ﺟﺪول ﻓﺮاواﻧﻲ از اﻳﻦ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ـﻲ ﺗﻬﻴـﻪ‬
‫ﻛﺮد‪.‬‬

‫‪ -1‬در درس ﻫﻔﺘﻢ "ﺗﻮﺻﻴﻒ ﻧﺘﺎﻳﺞ" ﭼﮕﻮﻧﮕﻲ ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ آﻣﺪه اﺳﺖ‪.‬‬
‫درس ﭼﻬﺎرم – ﻛﺪﮔﺬاري ﻣﺠﺪد و دﺳﺘﻪﺑﻨﺪي ‪65 ‬‬

‫‪100-18 = 82‬‬ ‫‪ .2‬داﻣﻨﻪي ﺗﻐﻴﻴﺮات را ﻣﺤﺎﺳﺒﻪ ﻛﺮد‬

‫‪82 ÷ 3 = 27.3‬‬ ‫‪ .3‬ﻓﺎﺻﻠﻪي ﻃﺒﻘﺎت را ﺑﺪﺳﺖ آورد‬
‫‪ .4‬ﻓﺎﺻﻠﻪ ﻃﺒﻘﺎت را ﺑﻪ ﻛﻤﺘﺮﻳﻦ ﻣﻘﺪار اﺿﺎﻓﻪ ﻛﺮده ﺗﺎ ﺣﺪود ﺑﺎﻻ و ﭘـﺎﻳﻴﻦ ﻃﺒﻘـﻪ اول ﺑﺪﺳـﺖ‬
‫آﻳﺪ‬
‫‪18 + 27.3= 45.3‬‬
‫‪ .5‬ﻓﺎﺻﻠﻪ ﻃﺒﻘﺎت را ﺑﻪ ﺣﺪ ﺑﺎﻻي ﻃﺒﻘﻪ اول اﺿﺎﻓﻪ ﻛﺮده ﺗﺎ ﺣﺪود ﻃﺒﻘﻪ دوم ﺑﺪﺳﺖ آﻳﺪ‬
‫‪45.3 +27.3= 72.6‬‬
‫‪ .6‬ﻓﺎﺻﻠﻪ ﻃﺒﻘﺎت را ﺑﻪ ﺣﺪ ﺑﺎﻻي ﻃﺒﻘﻪ دوم اﺿﺎﻓﻪ ﻛﺮده ﺗﺎ ﺣﺪود ﻃﺒﻘﻪ ﺳﻮم ﺑﺪﺳﺖ آﻳﺪ‬
‫‪72.6+ 27.3= 100‬‬
‫‪ .7‬ﺑﺎ اﺟﺮاي دﺳﺘﻮر ‪ Recode‬و ﮔﺰﻳﻨﻪ ‪ ،Recode into different Variable‬ﻳﻚ ﻣﺘﻐﻴﺮ‬
‫‪1‬‬
‫ﻛﻴﻔﻲ از "درﺻﺪ ﺑﺎﺳﻮادان ﺟﻬﺎن در ﺳﺎل ‪ "1955‬ﺑﺮاي ﻧﺮماﻓﺰار ‪ spss‬ﺗﻌﺮﻳﻒ ﻛﺮد‪.‬‬
‫‪ .8‬در ﺳﺘﻮن ‪ ،value labels‬ﻣﻘﻮﻟﻪﻫﺎي ﻣﺘﻐﻴﺮ ﺳﺎﺧﺘﻪ ﺷﺪه )ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ( را ﺑﺮاي ﻧﺮماﻓﺰار‬
‫‪ spss‬ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ‪.‬‬
‫‪ .9‬ﺑﺎ اﺟﺮاي دﺳﺘﻮر ‪ ،Frequencies‬ﻳﻚ ﺟﺪول ﻓﺮاواﻧﻲ از ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ ﺗﻬﻴﻪ ﻛﺮده و ﻣﻘﺪار‬
‫ﻛﻞ و ﻫﻤﭽﻨﻴﻦ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ را ﺑﺎ ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ ﻫﻤﺎن ﻣﺘﻐﻴﺮ در ﺣﺎﻟﺖ ﻛﻤ‪‬ﻲ ﻣﻘﺎﻳﺴﻪ‬
‫ﻣﻲﻛﻨﻴﻢ‪ .‬اﻧﺠﺎم اﻳﻦ ﻣﻘﺎﻳﺴﻪ ﺑﺎﻋﺚ ﻣﻲﺷﻮد ﺗﺎ در ﺻﻮرﺗﻴﻜﻪ در دﺳﺘﻪﺑﻨﺪي دﭼﺎر ﺧﻄﺎﻳﻲ ﺷﺪهاﻳﻢ‪،‬‬
‫ﻣﺮاﺣﻞ ﻗﺒﻞ را ﻣﺠﺪداً ﺑﺎزﺑﻴﻨﻲ ﻛﻨﻴﻢ‪.‬‬
‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد‪ ،‬ﺧﺮوﺟﻲ زﻳﺮ ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ ﻣﺘﻐﻴﺮ ﻛﻴﻔـﻲ "درﺻـﺪ ﺑﺎﺳـﻮادان‬
‫ﺟﻬﺎن در ﺳﺎل ‪ "1995‬اﺳﺖ ﻛﻪ در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﺧﺮوﺟﻲ ﺻﻔﺤﻪي ﺑﻌﺪ )ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ اﻳـﻦ ﻣﺘﻐﻴـﺮ‬
‫در ﺣﺎﻟﺖ ﻛﻤ‪‬ﻲ(‪ ،‬ﺑﺴﻴﺎر ﮔﻮﻳﺎﺗﺮ اﺳﺖ‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (9‬ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ ﻛﻴﻔﻲ "درﺻﺪ ﺑﺎﺳﻮادان ﺟﻬﺎن در ﺳﺎل ‪"1995‬‬
‫ﺑﺎ ﺳﻮادان‬

‫‪Cumulative‬‬
‫‪Frequency‬‬ ‫‪Percent‬‬ ‫‪Valid Percent‬‬ ‫‪Percent‬‬
‫‪Valid‬‬ ‫ﮐﻢ‬ ‫‪14‬‬ ‫‪12.8‬‬ ‫‪13.1‬‬ ‫‪13.1‬‬
‫ﻣﺘﻮﺳﻂ‬ ‫‪22‬‬ ‫‪20.2‬‬ ‫‪20.6‬‬ ‫‪33.6‬‬
‫زﻳﺎد‬ ‫‪71‬‬ ‫‪65.1‬‬ ‫‪66.4‬‬ ‫‪100.0‬‬
‫‪Total‬‬ ‫‪107‬‬ ‫‪98.2‬‬ ‫‪100.0‬‬
‫‪Missing‬‬ ‫‪System‬‬ ‫‪2‬‬ ‫‪1.8‬‬
‫‪Total‬‬ ‫‪109‬‬ ‫‪100.0‬‬

‫‪ -1‬ﺗﻮﺿﻴﺤﺎت ﻣﺮﺑﻮط ﺑﻪ اﺟﺮاي اﻳﻦ دﺳﺘﻮر ﺑﻪ ﺗﻔﺼﻴﻞ در درس ﭼﻬﺎرم "ﻛﺪﮔﺬاري ﻣﺠﺪد و دﺳﺘﻪﺑﻨﺪي دادهﻫﺎ"‬
‫اراﺋﻪ ﺷﺪه اﺳﺖ‪.‬‬
 ‫‪  66‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (10‬ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ ﻛﻤ‪‬ﻲ"درﺻﺪ ﺑﺎﺳﻮادان ﺟﻬﺎن در ﺳﺎل ‪"1995‬‬

‫درﺻﺪ ﺑﺎﺳﻮادان‬

‫‪Cumulative‬‬
‫‪Frequency‬‬ ‫‪Percent‬‬ ‫‪Valid Percent‬‬ ‫‪Percent‬‬
‫‪Valid‬‬ ‫‪18‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪.9‬‬
‫‪24‬‬ ‫‪2‬‬ ‫‪1.8‬‬ ‫‪1.9‬‬ ‫‪2.8‬‬
‫‪27‬‬ ‫‪2‬‬ ‫‪1.8‬‬ ‫‪1.9‬‬ ‫‪4.7‬‬
‫‪29‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪5.6‬‬
‫‪35‬‬ ‫‪3‬‬ ‫‪2.8‬‬ ‫‪2.8‬‬ ‫‪8.4‬‬
‫ﻛﻤﺘﺮﻳﻦ‬
‫‪38‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪9.3‬‬
‫ﻣﻘﺪار‬ ‫‪40‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪10.3‬‬
‫‪46‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪11.2‬‬
‫‪48‬‬ ‫‪2‬‬ ‫‪1.8‬‬ ‫‪1.9‬‬ ‫‪13.1‬‬
‫‪50‬‬ ‫‪3‬‬ ‫‪2.8‬‬ ‫‪2.8‬‬ ‫‪15.9‬‬
‫‪51‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪16.8‬‬
‫‪52‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪17.8‬‬
‫‪53‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪18.7‬‬
‫‪54‬‬ ‫‪2‬‬ ‫‪1.8‬‬ ‫‪1.9‬‬ ‫‪20.6‬‬
‫‪55‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪21.5‬‬
‫‪57‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪22.4‬‬
‫‪60‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪23.4‬‬
‫‪61‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪24.3‬‬
‫‪62‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪25.2‬‬
‫‪64‬‬ ‫‪2‬‬ ‫‪1.8‬‬ ‫‪1.9‬‬ ‫‪27.1‬‬
‫‪68‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪28.0‬‬
‫‪69‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪29.0‬‬
‫‪72‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪29.9‬‬
‫‪73‬‬ ‫‪4‬‬ ‫‪3.7‬‬ ‫‪3.7‬‬ ‫‪33.6‬‬
‫‪76‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪34.6‬‬
‫‪77‬‬ ‫‪3‬‬ ‫‪2.8‬‬ ‫‪2.8‬‬ ‫‪37.4‬‬
‫‪78‬‬ ‫‪3‬‬ ‫‪2.8‬‬ ‫‪2.8‬‬ ‫‪40.2‬‬
‫‪80‬‬ ‫‪2‬‬ ‫‪1.8‬‬ ‫‪1.9‬‬ ‫‪42.1‬‬
‫‪81‬‬ ‫‪2‬‬ ‫‪1.8‬‬ ‫‪1.9‬‬ ‫‪43.9‬‬
‫‪83‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪44.9‬‬
‫‪85‬‬ ‫‪2‬‬ ‫‪1.8‬‬ ‫‪1.9‬‬ ‫‪46.7‬‬
‫‪86‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪47.7‬‬
‫‪87‬‬ ‫‪2‬‬ ‫‪1.8‬‬ ‫‪1.9‬‬ ‫‪49.5‬‬
‫‪88‬‬ ‫‪5‬‬ ‫‪4.6‬‬ ‫‪4.7‬‬ ‫‪54.2‬‬
‫‪90‬‬ ‫‪2‬‬ ‫‪1.8‬‬ ‫‪1.9‬‬ ‫‪56.1‬‬
‫‪91‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪57.0‬‬
‫‪92‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪57.9‬‬
‫‪93‬‬ ‫‪5‬‬ ‫‪4.6‬‬ ‫‪4.7‬‬ ‫‪62.6‬‬
‫‪94‬‬ ‫‪1‬‬ ‫‪.9‬‬ ‫‪.9‬‬ ‫‪63.6‬‬
‫ﺑﻴﺸﺘﺮﻳﻦ‬
‫‪95‬‬ ‫‪2‬‬ ‫‪1.8‬‬ ‫‪1.9‬‬ ‫‪65.4‬‬
‫ﻣﻘﺪار‬ ‫‪96‬‬ ‫‪3‬‬ ‫‪2.8‬‬ ‫‪2.8‬‬ ‫‪68.2‬‬
‫‪97‬‬ ‫‪6‬‬ ‫‪5.5‬‬ ‫‪5.6‬‬ ‫‪73.8‬‬
‫‪98‬‬ ‫‪3‬‬ ‫‪2.8‬‬ ‫‪2.8‬‬ ‫‪76.6‬‬
‫‪99‬‬ ‫‪22‬‬ ‫‪20.2‬‬ ‫‪20.6‬‬ ‫‪97.2‬‬
‫‪100‬‬ ‫‪3‬‬ ‫‪2.8‬‬ ‫‪2.8‬‬ ‫‪100.0‬‬
‫‪Total‬‬ ‫‪107‬‬ ‫‪98.2‬‬ ‫‪100.0‬‬
‫‪Missing‬‬ ‫‪System‬‬ ‫‪2‬‬ ‫‪1.8‬‬
‫‪Total‬‬ ‫‪109‬‬ ‫‪100.0‬‬
‫درس ﭼﻬﺎرم – ﻛﺪﮔﺬاري ﻣﺠﺪد و دﺳﺘﻪﺑﻨﺪي ‪67 ‬‬

‫ﺗﻤﺮﻳﻦ درس ﭼﻬﺎرم‬

‫ﺗﻤﺮﻳﻦ ‪ :1‬ﭘﻴﺎم زﻳﺮ در ﻣﻮرد ﭼﻪ ﺧﻄﺎﻳﻲ ﺻﺎدر ﺷﺪه اﺳﺖ؟‬

‫ﺗﻤﺮﻳﻦ ‪ :2‬ﭼﺮا در ﻋﻤﻠﻴﺎت زﻳﺮ ﻋﻠﻴﺮﻏﻢ اﻳﻨﻜﻪ ﻣﺤﻘﻖ ﻧﺎم و ﺑﺮ ﭼﺴﺐ ﻣﺘﻐﻴﺮ و ﻧﻴﺰ داﻣﻨﻪي‬
‫دﺳﺘﻪﻫﺎ را در ﭘﻨﺠﺮهي ‪ Old and New Values‬ﺗﻌﺮﻳﻒ ﻛﺮده اﺳﺖ‪ ،‬ﻛﻠﻴﺪ ‪ Ok‬ﻓﻌﺎل ﻧﻴﺴﺖ؟‬

‫ﺗﻤﺮﻳﻦ ‪ :3‬ﺟﺪول زﻳﺮ ﺑﻴﺎﻧﮕﺮ ﭼﻪ اﺷﻜﺎﻻﺗﻲ در ﻧﺤﻮهي دﺳﺘﻪﺑﻨﺪي دادهﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻣﺘﻐﻴﺮ‬
‫روﺣﻴﻪي ﻫﻤﻜﺎري اﺳﺖ؟‬
 ‫‪  68‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺷﺎﺧﺺ ﻛﻴﻔﻲ روﺣﻴﻪ ﻫﻤﻜﺎري‬

‫‪Frequen‬‬ ‫‪Percen‬‬ ‫‪Valid‬‬ ‫‪Cumulative‬‬

‫‪cy‬‬ ‫‪t‬‬ ‫‪Percent‬‬ ‫‪Percent‬‬
‫‪Valid‬‬ ‫‪1.00‬‬ ‫‪5‬‬ ‫‪.4‬‬ ‫‪.5‬‬ ‫‪.5‬‬
‫‪2.00‬‬ ‫‪102‬‬ ‫‪8.4‬‬ ‫‪11.1‬‬ ‫‪11.6‬‬
‫‪3.00‬‬ ‫‪814‬‬ ‫‪67.0‬‬ ‫‪88.4‬‬ ‫‪100.0‬‬
‫‪Total‬‬ ‫‪921‬‬ ‫‪75.8‬‬ ‫‪100.0‬‬
‫‪Missi Syste‬‬ ‫‪294‬‬ ‫‪24.2‬‬
‫‪ng m‬‬
‫‪Total‬‬ ‫‪1215‬‬ ‫‪100.0‬‬

‫ﺗﻤﺮﻳﻦ ‪ :4‬ﻓﺎﻳﻞ ‪ world95‬را ﺑﺎز ﻛﻨﻴﺪ و ﻛﺸﻮرﻫﺎ را از ﺣﻴﺚ ﺟﻤﻌﻴﺖ )‪ (Population‬در‬

‫ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪي ﺑﻪ ﻧﺎم ‪ R_pop‬ﺑﻪ ﭘﻨﺞ دﺳﺘﻪ از ﺑﺴﻴﺎر ﻛﻢ ﺟﻤﻌﻴﺖ ﺗﺎ ﺑﺴﻴﺎر ﭘﺮﺟﻤﻌﻴﺖ دﺳﺘﻪﺑﻨﺪي‬
‫ﻛﻨﻴﺪ )دﺳﺘﻪﺑﻨﺪي ﻣﻮرد اﺷﺎره را ﻫﻢ ﺑﻪ ﺻﻮرت آﻣﺎري و ﻫﻢ ﺑﻪ ﺻﻮرت ﺗﺌﻮرﻳﻚ اﻧﺠﺎم دﻫﻴﺪ و ﺑﺎ‬
‫ﻳﻜﺪﻳﮕﺮ ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﺪ(‪.‬‬

‫ﺗﻤﺮﻳﻦ ‪ :5‬در ﻫﻤﺎن ﻓﺎﻳﻞ ﻛﺸﻮرﻫﺎ را از ﻟﺤﺎظ درﺻﺪ ﺑﺎﺳﻮادان )‪ (Litracy‬ﺑﻪ ﭘﻨﺞ دﺳﺘﻪي‬
‫ﺑﺴﻴﺎر زﻳﺎد ﺗﺎ ﺑﺴﻴﺎر ﻛﻢ ﺗﻘﺴﻴﻢ ﻛﻨﻴﺪ‪.‬‬

‫ﺗﻤﺮﻳﻦ ‪ :6‬در ﻫﻤﺎن ﻓﺎﻳﻞ ﻛﺸﻮرﻫﺎ را از ﺣﻴﺚ دﻳﻦ )‪ (Religion‬ﺑﺎ اﺳﺘﻔﺎده از دﺳﺘﻮر‬
‫‪ Recode‬ﺑﻪ دو دﺳﺘﻪي ﻣﺴﻠﻤﺎن )‪ (1‬و ﻏﻴﺮ ﻣﺴﻠﻤﺎن )‪ (2‬ﺗﻘﺴﻴﻢ ﻛﻨﻴﺪ‪.‬‬

‫ﺗﻤﺮﻳﻦ ‪ :7‬در ﻫﻤﺎن ﻓﺎﻳﻞ درﺻﺪ ﺑﺎﺳﻮادان را در ﺳﻪ دﺳﺘﻪ ﻛﻢ‪ ،‬ﻣﺘﻮﺳﻂ و زﻳﺎد ﻓﻘﻂ در‬
‫ﻛﺸﻮرﻫﺎي ﻣﺴﻠﻤﺎن دﺳﺘﻪﺑﻨﺪي ﻛﻨﻴﺪ‪.‬‬
 ‫درس ﭘﻨﺠﻢ‬
‫ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳـﻲ‬

‫در ﭘﺎﻳﺎن اﻳﻦ درس اﻧﺘﻈﺎر ﻣﻲرود داﻧﺸﺠﻮ‬

‫‪ -1‬ﺑﺎ ﻣﻔﺎﻫﻴﻢ ﻣﻌﺮف و ﻣﻘﻴﺎس آﺷﻨﺎ ﺷﻮد‪.‬‬
‫‪ -2‬ﻣﻔﻬﻮم ﭘﺎﻳﺎﻳﻲ را ﺑﺪاﻧﺪ و ﺑﺎ ﺳﻨﺠﺶ ﺛﺒﺎت و ﻫﻤﺴﺎزي دروﻧﻲ ﻣﻘﻴﺎس آﺷﻨﺎ ﺷﻮد‪.‬‬
‫‪ -3‬ﺑﺘﻮاﻧﺪ ﺑﺮاي ﺳﻨﺠﺶ ﻫﻤﺴﺎزي دروﻧﻲ از آﻟﻔﺎي ﻛﺮاﻧﺒﺎخ اﺳﺘﻔﺎده ﻛﻨﺪ‪.‬‬
‫‪ -4‬ﺗﻔﺴﻴﺮ ﺧﺮوﺟﻲ آﻟﻔﺎي ﻛﺮاﻧﺒﺎخ را ﺑﺪاﻧﺪ و ﻣﻌﺮفﻫﺎﻳﻲ ﻣﻨﺎﺳﺐ را از ﻧﺎﻣﻨﺎﺳﺐ ﺗﻤﻴﺰ دﻫﺪ‪.‬‬
‫‪ -5‬ﻋﻮاﻣﻠﻲ را ﻛﻪ ﻣﻮﺟﺐ ﻛﺎﻫﺶ ﻣﻘﺪار آﻟﻔﺎي ﻛﺮاﻧﺒﺎخ ﻣﻲﺷـﻮد ﺑﺸﻨﺎﺳـﺪ و ﺑﺘﻮاﻧـﺪ آﻧﻬـﺎ را‬
‫ﺑﺮﻃﺮف ﻛﻨﺪ‪.‬‬
 ‫‪  70‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -1‬ﻣﻘﺪﻣﻪ‬
‫ﭘﺎﻳﺎﻳﻲ‪ 1‬ﻳﺎ دﻗﺖ ﻳﻜﻲ از ﻣﺒﺎﺣﺚ ﻛﻠﻴﺪي در اﻧﺪازهﮔﻴﺮي ﻣﻔﺎﻫﻴﻢ اﺳﺖ‪ .‬ﻣﻔﺎﻫﻴﻤﻲ را ﻛﻪ در‬
‫ﭘﮋوﻫﺶﻫﺎي ﻋﻠﻤﻲ ﻣﻮرد ﺳﻨﺠﺶ ﻗﺮار ﻣﻲﮔﻴﺮﻧﺪ از ﺣﻴﺚ ﺳﺎدﮔﻲ ﻳﺎ ﭘﻴﭽﻴﺪﮔﻲ اﺑﺰار ﺳﻨﺠﺶ‬
‫ﻣﻲﺗﻮان ﺑﻪ دو دﺳﺘﻪ ﺗﻘﺴﻴﻢ ﻛﺮد‪.‬‬
‫اﻟﻒ‪ -‬ﻣﻔﺎﻫﻴﻤﻲ ﻛﻪ ﺑﺎ ﻳﻚ ﺳﺆاﻻت ﻳﺎ ﻣﻌﺮف ﺳﻨﺠﻴﺪه ﻣﻲﺷﻮﻧﺪ‪ .‬ﺑﻪ ﻋﺒﺎرت دﻗﻴﻖﺗﺮ ﻣﻔﺎﻫﻴﻤﻲ‬
‫ﻛﻪ ﺗﻨﻬﺎ ﻳﻚ ﻣﻌﺮّف دارﻧﺪ‪ .‬ﻣﺜﻞ ﺳﻦ‪ ،‬ﺗﺤﺼﻴﻼت‪ ،‬ﺟﻨﺴﻴﺖ‪ .‬ﻳﻜﻲ از روشﻫﺎي ﺳﺎدهي اﻧﺪازهﮔﻴﺮي‬
‫ﭘﺎﻳﺎﻳﻲ ﺑﺮاي ﺳﻨﺠﺶ اﻳﻦ دﺳﺘﻪ از ﻣﻔﺎﻫﻴﻢ "آزﻣﻮن ﻣﺠﺪد" اﺳﺖ‪ .‬ﺑﻪ ﻋﺒﺎرت دﻳﮕﺮ ﺑﺎ ﺗﻜﺮار‬
‫اﻧﺪازهﮔﻴﺮي ﻣﻲﺗﻮان ﺑﻪ دﻗﺖ اﺑﺰار ﻃﺮاﺣﻲ ﺷﺪه ﺑﺮاي ﺳﻨﺠﺶ اﻳﻦ ﻣﻔﺎﻫﻴﻢ ﭘﻲ ﺑﺮد‪.‬‬
‫ب‪ -‬ﻣﻔﺎﻫﻴﻤﻲ ﻛﻪ ﺑﺎ دو ﺳﺆاﻻت )ﻣﻌﺮف( ﻳﺎ ﺑﻴﺸﺘﺮ ﺳﻨﺠﻴﺪه ﻣﻲﺷﻮﻧﺪ ﻧﻈﻴﺮ ﭘﺎﻳﮕﺎه اﺟﺘﻤﺎﻋﻲ‪-‬‬
‫اﻗﺘﺼﺎدي‪ ،‬اﻓﺴﺮدﮔﻲ‪ ،‬رﺿﺎﻳﺖ ﺷﻐﻠﻲ‪ .‬ﺑﻪ اﻳﻦ ﻣﺠﻤﻮﻋﻪ ﺳﺆاﻻﺗﺎت ﻣﺮﺑﻮط ﺑﻪ ﻳﻚ ﻣﻔﻬﻮم واﺣﺪ‪،‬‬
‫اﺻﻄﻼﺣﺎً ﻣﻘﻴﺎس ﮔﻔﺘﻪ ﻣﻲﺷﻮد‪ .‬ﻣﺜﻼً ﻣﻘﻴﺎس رﺿﺎﻳﺖ ﺷﻐﻠﻲ ﺑﻪ ﻣﺠﻤﻮﻋﻪاي از ﺳﺆاﻻﺗﺎت اﻃﻼق‬
‫ﻣﻲﺷﻮد ﻛﻪ ﻧﺎﻇﺮ ﺑﻪ ﺳﻨﺠﺶ ﻣﻔﻬﻮم "رﺿﺎﻳﺖ ﺷﻐﻠﻲ" اﺳﺖ‪ .‬ﻳﻜﻲ از روشﻫﺎي راﻳﺞ ﺑﺮاي‬
‫ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ اﻳﻦ ﺑﺨﺶ از ﻣﻔﺎﻫﻴﻢ‪ ،‬آﻟﻔﺎي ﻛﺮاﻧﺒﺎخ اﺳﺖ‪ .‬آﻟﻔﺎي ﻛﺮاﻧﺒﺎخ ﻣﻌﻴﺎري را در اﺧﺘﻴﺎر‬
‫ﻣﺤﻘﻖ ﻣﻲﮔﺬارد ﻛﻪ ﺑﺮاﺳﺎس آن ﻣﻲﺗﻮان ﻫﻤﺴﺎزي دروﻧﻲ ﻣﻘﻴﺎس را ﺷﻨﺎﺳﺎﻳﻲ ﻛﺮد‪.‬‬
‫‪ -2‬ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ از ﺣﻴﺚ ﻫﻤﺴﺎزي دروﻧﻲ ﺑﻪ روش آﻟﻔﺎي ﻛﺮاﻧﺒﺎخ‬
‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻗﺒﻼً اﺷﺎره ﺷﺪ ﺑﺎ اﺳﺘﻔﺎده از آزﻣﻮن آﻟﻔﺎي ﻛﺮاﻧﺒﺎخ ﻣﻲﺗﻮان ﺑﺎ ﺟﺰﺋﻴﺎت ﺑﻴﺸﺘﺮي در‬
‫ﻣﻮرد دﻗّﺖ ﻳﻚ ﻣﻘﻴﺎس و ﻧﻴﺰ ﻳﻜﺎﻳﻚ ﮔﻮﻳﻪﻫﺎﻳﻲ ﻛﻪ ﻗﺮار اﺳﺖ ﻳﻚ ﻣﻔﻬﻮم را ﺑﺴﻨﺠﺪ‪ ،‬ﻗﻀﺎوت‬
‫ﻛﺮد‪ .‬ﺑﻪ ﻣﺜﺎل زﻳﺮ دﻗﺖ ﻛﻨﻴﺪ‪:‬‬
‫ﻣﺤﻘﻘﻲ ﻗﺼﺪ دارد "روﺣﻴﻪي ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان" را در ﻳﻚ ﻣﺪرﺳﻪ اﻧﺪازهﮔﻴﺮي ﻛﻨﺪ‪.‬‬
‫ﺑﺮاي اﻳﻦ ﻛﺎر ﻣﻘﻴﺎﺳﻲ ﻣﺮﻛّﺐ از ‪ 15‬ﮔﻮﻳﻪ ﺑﻪ ﺷﺮح ﺟﺪول ﺑﻌﺪ ﻃﺮاﺣﻲ ﻛﺮده اﺳﺖ‪ .‬او ﭘﺲ از‬
‫ﺳﻨﺠﺶرواﻳﻲ‪ 2‬ﻣﻘﻴﺎس از ﻃﺮﻳﻖ ﺗﻮاﻓﻖ داوران‪ ،‬ﻣﻘﻴﺎس ﻓﻮق را در ﻳﻚ آزﻣﻮن ﻣﻘﺪﻣﺎﺗﻲ در اﺧﺘﻴﺎر‬
‫ﺗﻌﺪادي از داﻧﺶآﻣﻮزان )ﺣﺪاﻗﻞ ‪ 30‬اﻟﻲ ‪ 50‬ﻧﻔﺮ( ﻣﻲﮔﺬارد و از آﻧﻬﺎ ﻣﻲﺧﻮاﻫﺪ ﻧﻈﺮ ﺧﻮد را در‬
‫ﻣﺤﻞ ﻣﻨﺎﺳﺐ ﻋﻼﻣﺖ ﺑﺰﻧﻨﺪ‪.‬‬

‫‪ -1‬ﺑﺮاي آﺷﻨﺎﻳﻲ ﺑﺎ ﻣﻔﻬﻮم ﭘﺎﻳﺎﻳﻲ )‪ (reliability‬رواﻳﻲ و روشﻫﺎي ﺳﻨﺠﺶ آﻧﻬﺎ ﺑﻪ ﻛﺘﺎبﻫﺎي روشﻫﺎي ﺳﻨﺠﺶ‬
‫رواﻳﻲ و ﭘﺎﻳﺎﻳﻲ در ﺗﺤﻘﻴﻘﺎت ﻓﺮﻫﻨﮕﻲ و اﺟﺘﻤﺎﻋﻲ )ﺣﻴﺪري ﭼﺮوده‪ (1389 ،‬و ﻛﺘـﺎب ﺳـﻨﺠﺶرواﻳـﻲ و ﭘﺎﻳـﺎﻳﻲ اﺛـﺮ‬
‫ﻛﺎرﻣﻴﻨﺰ و زﻟﺮ‪ ،‬ﺗﺮﺟﻤﻪ ) ﻓﺮوغزاده و اﺳﻜﺎﻓﻲ‪ (1386 ،‬ﻣﺮاﺟﻌﻪ ﻛﻨﻴﺪ‪.‬‬

‫‪2-validity‬‬
‫درس ﭘﻨﺠﻢ ـ ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ ‪71 ‬‬

‫ﻣﻘﻴﺎس ﺳﻨﺠﺶ"روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان"‬

‫ﻋﺒﺎرات ﺟﺪول زﻳﺮ ﻧﻈﺮات ﺑﺮﺧﻲ از داﻧﺶآﻣﻮزان را در زﻣﻴﻨﻪ رﻗﺎﺑﺖ و ﻫﻤﻜﺎري ﻧﺸﺎن ﻣﻲدﻫﺪ‪ .‬ﻣﺎ در اﻳﻨﺠﺎ ﻣﻲﺧﻮاﻫﻴﻢ ﺑﺪاﻧﻴﻢ‬
‫ﺷﻤﺎ ﭼﻪ ﻧﻈﺮي دارﻳﺪ‪ .‬ﻟﻄﻔﺎً آﻧﻬﺎ را ﺑﻪ دﻗﺖ ﺑﺨﻮاﻧﻴﺪ و ﺑﻌﺪ ﻗﻀﺎوت ﺧﻮدﺗﺎن را ﺑﺎ ﮔﺬاﺷﺘﻦ ﻋﻼﻣﺖ ﺿﺮﺑﺪر در ﻣﺤﻞ‬
‫ﻣﻨﺎﺳﺐ ﻣﺸﺨﺺ ﻧﻤﺎﻳﻴﺪ‬
‫اﺻﻼً‬ ‫واﻗﻌﻴﺖ‬ ‫ﻛﻤﻲ‬ ‫واﻗﻌﻴﺖ‬ ‫ﻛﺎﻣﻼً واﻗﻌﻴﺖ‬ ‫ﻗﻀﺎوﺗﻬﺎ‬ ‫ردﻳﻒ‬
‫واﻗﻌﻴﺖ ﻧﺪارد‬ ‫ﻧﺪارد‬ ‫واﻗﻌﻴﺖ دارد‬ ‫دارد‬ ‫دارد‬
‫ﻣﻦ ﺑﻪ ﺧﻴﻠﻲﻫﺎ اﻋﺘﻤﺎد ﻧﻤﻲﻛﻨﻢ‬ ‫‪1‬‬
‫ﺑﺮاي ﻣﻮﻓﻖ ﺷﺪن‪ ،‬ﻣﻲﺗﻮان ﺣﻖ دﻳﮕﺮان را زﻳﺮ ﭘﺎ ﮔﺬاﺷﺖ‬ ‫‪2‬‬
‫ﻛﺎرﮔﺮوﻫﻲ ﻣﻬﻤﺘﺮ از ﺑﺮﻧﺪه ﺷﺪن اﺳﺖ‬ ‫‪3‬‬

‫ﻣﻲﺧﻮاﻫﻢ ﻣﻮﻓﻖ ﺷﻮم‪ ،‬ﺣﺘﻲ اﮔﺮ ﺑﻪ ﻗﻴﻤﺖ از دﺳﺖ دادن‬ ‫‪4‬‬

‫دﻳﮕﺮي ﺑﺎﺷﺪ‪.‬‬
‫ﻣﻦ ﻫﺮ ﻛﺎري را ﻛﻪ ﺑﺮ ﻋﻬﺪهام ﺑﺎﺷﺪ ﻃﻮري اﻧﺠﺎم‬ ‫‪5‬‬
‫ﻣﻲدﻫﻢ ﻛﻪ اﻧﮕﺎر زﻧﺪﮔﻲام ﺑﻪ آن واﺑﺴﺘﻪ اﺳﺖ‬
‫ﺑﺎزﻧﺪهﻫﺎ ﻫﻤﻴﺸﻪ ﭘﺎﻳﻴﻦﺗﺮ از دﻳﮕﺮان ﻫﺴﺘﻨﺪ‬ ‫‪6‬‬
‫ﻛﺎر ﮔﺮوﻫﻲ از ﺳﺮﻋﺖ ﻣﻦ در ﻛﺎرﻫﺎ ﻛﻢ ﻣﻲﻛﻨﺪ‬ ‫‪7‬‬
‫ﺑﺎﻳﺪ ﺑﺎ ﻫﻤﻪ ﺑﻪ ﺗﻔﺎﻫﻢ ﺑﺮﺳﻢ‬ ‫‪8‬‬
‫ﻣﻦ ﺑﺮاي ﺑﺮﻧﺪه ﺷﺪن و ﭘﻴﺮوز ﺷﺪن ﺑﻪ ﻫﺮ ﻛﺎري دﺳﺖ‬ ‫‪9‬‬
‫ﻣﻲزﻧﻢ‬
‫ﻣﻬﻤﺘﺮﻳﻦ ﻛﺎر در ﺑﺎزي ﺑﺮﻧﺪه ﺷﺪن اﺳﺖ‬ ‫‪10‬‬
‫دوﺳﺖ دارم ﺑﻪ دﻳﮕﺮان ﻛﻤﻚ ﻛﻨﻢ‬ ‫‪11‬‬
‫دوﺳﺖ دارم ﻫﻤﻪ ﺑﭽﻪﻫﺎي ﻛﻼس در اﻣﺘﺤﺎن ﻗﺒﻮل ﺑﺸﻮﻧﺪ‬ ‫‪12‬‬
‫دوﺳﺖ ﻧﺪارم ﺑﺮاي رﺳﻴﺪن ﺑﻪ ﻫﺪف دﻳﮕﺮان را ﺗﺤﺖ ﻓﺸﺎر‬ ‫‪13‬‬
‫ﻗﺮار دﻫﻢ‬
‫ﺿﺮر دﻳﮕﺮان ‪ ،‬ﻧﻔﻊ ﻣﻦ اﺳﺖ‬ ‫‪14‬‬
‫ﻫﺮ اﻧﺪازه ﺑﻴﺸﺘﺮ ﺑﺮﻧﺪه ﻣﻲﺷﻮم‪ ،‬اﺣﺴﺎس ﻗﺪرت ﺑﻴﺸﺘﺮي‬ ‫‪15‬‬
‫ﻣﻲﻛﻨﻢ‪.‬‬

‫ﺣﺎل ﻣﺤﻘﻖ ﭘﺲ از ﮔﺮدآوري ﻫﻤﻪ ي اﻃﻼﻋﺎت‪،‬ﻛﺪﮔﺬاري ﭘﺎﺳﺦﻫﺎ و ﻫﻤﭽﻨﻴﻦ ﺗﻌﺮﻳﻒ ﻓﺎﻳﻞ‬

‫ﻣﺘﻐﻴﺮﻫﺎ و ورود دادهﻫﺎ ﺑﻪ ﻧﺮماﻓﺰار ‪ ،SPSS‬ﺑﺎ ﭼﻨﻴﻦ ﻓﺎﻳﻠﻲ رو ﺑﺮو ﻣﻲﺷﻮد‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره ) ‪ (25‬ﻓﺎﻳﻞ داده ﻫﺎي ﻣﻘﻴﺎس"روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶ آﻣﻮزان"‬

‫ﺣﺎل ﺑﺮاي ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ ﻣﻘﻴﺎس"روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان" ﺑﻪ ﺷﻴﻮهي آﻟﻔﺎي‬

‫ﻛﺮاﻧﺒﺎخ ﺑﻪ ﺗﺮﺗﻴﺐ ﻣﺮاﺣﻞ زﻳﺮ ﺑﺎﻳﺪ اﺟﺮا ﺷﻮد‪.‬‬
 ‫‪  72‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (26‬ﺷﻴﻮهي اﺟﺮاي دﺳﺘﻮر ‪ Reliability‬ﺑﺮاي ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ ﻣﻘﻴﺎس‪.‬ﻣﺮﺣﻠﻪ ‪1‬‬

‫‪1‬‬

‫‪2‬‬ ‫‪3‬‬

‫ﺳﭙﺲ ﻋﻤﻠﻴﺎت را ﻃﺒﻖ ﺷﻜﻞ زﻳﺮ اداﻣﻪ ﻣﻲدﻫﺪ‪:‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (27‬ﺷﻴﻮه اﺟﺮاي دﺳﺘﻮر ‪ Reliability‬ﺑﺮاي ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ ﻣﻘﻴﺎس‪.‬ﻣﺮﺣﻠﻪ ‪2‬‬

‫‪ .6‬ﺑﺎ ﻛﻠﻴﻚ ﺑﺮ روي ‪ Statitics‬ﺷﺎﺧﺼﻬﺎي‬

‫ﻣﺮﻛﺰي و ﭘﺮاﻛﻨﺪﮔﻲ ﻣﺮﺑﻮط ﺑﻪ ﮔﻮﻳﻪﻫﺎ‪،‬‬
‫ﻣﻘﻴﺎس و ﻧﻴﺰ ﻣﻘﻴﺎس در ﺻﻮرت ﺣﺬف ﮔﻮﻳﻪ‬
‫را ﻓﻌﺎل و ﺳﭙﺲ ﺑﺮ روي ‪ Continue‬ﻛﻠﻴﻚ‬
‫ﻣﻲﻛﻨﻴﻢ‬

‫‪.4‬اﺑﺘﺪا ﻳﻜﺎﻳﻚ ﺳﺆاﻻﺗﺎت )‪ (Item‬ﻣﻘﻴﺎس‬

‫را ﺑﻪ ﻛﺎدر ﺳﻤﺖ راﺳﺖ ﻣﻨﺘﻘﻞ ﻣﻲﻛﻨﻴﻢ‬

‫‪ .5‬در ﻧﻬﺎﻳﺖ ﺑﺎ ﻛﻠﻴﻚ ﺑﺮ روي‬

‫‪Reliability‬‬ ‫دﺳﺘﻮر‬ ‫‪Ok‬‬
‫‪ Analysis‬را اﺟﺮا ﻣﻲﻛﻨﻴﻢ‪.‬‬

‫ﺑﺎ اﺟﺮاي اﻳﻦ دﺳﺘﻮر‪ ،‬در ﻓﺎﻳﻞ ﺧﺮوﺟﻲ ‪ spss‬ﺷﺎﻫﺪ ﭘﻨﺞ ﺟﺪول ﺑﻪ ﺷﺮح ذﻳﻞ ﺧﻮاﻫﻴﺪ ﺑﻮد‪.1‬‬

‫‪ -1‬ﻳﺎد آوري ﻣﻲﺷﻮد ﻛﻪ داﻣﻨﻪي ﺷﺎﺧﺺ آﻟﻔﺎ در ﺷﺮاﻳﻂ ﻋﺎدي ﺑﻴﻦ ﺻﻔﺮ ﺗﺎ ﻳﻚ اﺳﺖ و ﻣﻘﺪار آن ﻫﺮ ﭼﻪ ﻗﺪر ﺑﻪ‬
‫ﻳﻚ ﻧﺰدﻳﻜﺘﺮ ﺑﺎﺷﺪ‪ ،‬ﺑﻬﺘﺮ اﺳﺖ و ﻧﺸﺎﻧﻪي ﭘﺎﻳﺎﻳﻲ ﺑﺎﻻي ﻣﻘﻴﺎس اﺳﺖ‪.‬‬
‫درس ﭘﻨﺠﻢ ـ ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ ‪73 ‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ :(11‬ﺧﻼﺻﻪ ﭘﺮدازش اﻃﻼﻋﺎت‬

‫ﻧﻤﻮﻧﻪ اي ﻛﻪ در ﺗﺤﻠﻴﻞ ﭘﺎﻳﺎﻳﻲ ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ‬

‫‪Case Processing Summary‬‬

‫‪N‬‬ ‫‪%‬‬
‫ﻧﻤﻮﻧﻪ اي ﻛﻪ در ﺗﺤﻠﻴﻞ‬
‫‪Cases‬‬ ‫‪Valid‬‬ ‫‪110‬‬
‫‪91.3‬‬
‫ﭘﺎﻳﺎﻳﻲ از آﻧﻬﺎ ﺻﺮﻓﻨﻈﺮ ﺷﺪه‬ ‫‪9‬‬
‫)‪Excluded(a‬‬ ‫‪106‬‬ ‫‪8.7‬‬
‫ﻛﻞ ﻧﻤﻮﻧﻪ ﻣﻮرد‬ ‫‪Total‬‬ ‫‪121‬‬
‫‪100.0‬‬
‫‪5‬‬
‫‪a Listwise deletion based on all variables in the procedure.‬‬

‫اﻳﻦ ﺟﺪول وﺿﻌﻴﺖ ﻧﻤﻮﻧﻪي ﻣﻮرد ﺑﺮرﺳﻲ را از ﺣﻴﺚ ﭘﺎﺳﺦ ﺑﻪ ﻣﺠﻤﻮﻋﻪ ﮔﻮﻳﻪﻫﺎي ﻣﻘﻴﺎس‬
‫"روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶ آﻣﻮزان" ﻧﺸﺎن ﻣﻲدﻫﺪ‪.‬ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد از ﻣﺠﻤﻮع‬
‫‪1215‬‬
‫ﻋﻀﻮ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ ﻛﻪ اﻧﺘﻈﺎر ﻣﻲرﻓﺖ ﺑﻪ ﻫﻤﻪي ﮔﻮﻳﻪﻫﺎي ﻃﺮح ﺷﺪه ﺑﺮاي اﻳﻦ ﻣﻘﻴﺎس‬
‫ﭘﺎﺳﺦ دﻫﻨﺪ‪ 91/3،‬درﺻﺪ )‪ 1109‬ﻧﻔﺮ( ﺑﻪ ﺗﻤﺎم ﮔﻮﻳﻪﻫﺎ ﭘﺎﺳﺦ دادهاﻧﺪ و‪ 8/7‬درﺻﺪ )‪ 106‬ﻧﻔﺮ(‬
‫ﺣﺪاﻗﻞ ﺑﻪ ﻳﻚ ﮔﻮﻳﻪ ﭘﺎﺳﺦ ﻧﺪادهاﻧﺪ و ﺑﻪ ﻫﻤﻴﻦ دﻟﻴﻞ از ﻓﺮآﻳﻨﺪ ﺗﺤﻠﻴﻞ ﭘﺎﻳﺎﻳﻲ ﺧﺎرج ﺷﺪهاﻧﺪ‬
‫ﺟﺪول ﺷﻤﺎره )‪ :(12‬ﻣﻴﺰان آﻟﻔﺎي ﻛﺮاﻧﺒﺎخ درﻣﻘﻴﺎس "روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان"‬

‫‪Reliability Statistics‬‬
‫‪N of‬‬
‫‪Cronbach's Alpha‬‬ ‫‪Items‬‬
‫‪0.618‬‬ ‫‪15‬‬

‫اﻳﻦ ﺟﺪول ﻣﻴﺰان آﻟﻔﺎي ﻛﺮاﻧﺒﺎخ ﺑﺪﺳﺖ آﻣﺪه از ﻣﻘﻴﺎس "روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان" را‬
‫ﻧﺸﺎن ﻣﻲدﻫﺪ‪ .‬ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﺸﺎﻫﺪه ﻣﻲﺷﻮد در ﺻﻮرﺗﻴﻜﻪ ﺗﻤﺎم ﮔﻮﻳﻪﻫﺎ در ﻣﻘﻴﺎس ﺣﻀﻮر داﺷﺘﻪ‬
‫ﺑﺎﺷﻨﺪ‪ ،‬ﻣﻴﺰان ﭘﺎﻳﺎﻳﻲ ﻣﻘﻴﺎس "روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان" ﺑﺮاﺳﺎس آﻟﻔﺎي ﻛﺮاﻧﺒﺎخ ‪ 0/618‬اﺳﺖ‬
‫ﻛﻪ ﺑﻴﺎﻧﮕﺮ ﭘﺎﻳﺎﻳﻲ ﻧﺴﺒﺘﺎً ﺑﺎﻻي اﻳﻦ ﻣﻘﻴﺎس اﺳﺖ‪.‬‬
 ‫‪  74‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ :(13‬ﺗﻮﺻﻴﻒ ﻣﻴﺎﻧﮕﻴﻦ و اﻧﺤﺮاف ﻣﻌﻴﺎرﮔﻮﻳﻪ ﻫﺎي ﻣﻘﻴﺎس"روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶ آﻣﻮزان"‬

‫‪Item Statistics‬‬
‫ﮔﻮﻳﻪﻫﺎ‬ ‫‪Mean‬‬ ‫‪Std. Deviation‬‬ ‫‪N‬‬
‫‪ .1‬ﻣﻦ ﺑﻪ ﺧﻴﻠﻲﻫﺎ اﻋﺘﻤﺎد ﻧﻤﻲﻛﻨﻢ‪.‬‬ ‫‪2.3003‬‬ ‫‪1.04372‬‬ ‫‪1109‬‬
‫‪ .2‬ﺑﺮاي ﻣﻮﻓﻖ ﺷﺪن‪ ،‬ﻣﻲﺗﻮان ﺣﻖ دﻳﮕﺮان را زﻳﺮ ﭘﺎ ﮔﺬاﺷﺖ‪.‬‬ ‫‪4.3616‬‬ ‫‪.99457‬‬ ‫‪1109‬‬
‫‪ .3‬ﻛﺎرﮔﺮوﻫﻲ ﻣﻬﻤﺘﺮ از ﺑﺮﻧﺪه ﺷﺪن اﺳﺖ‪.‬‬ ‫‪3.7773‬‬ ‫‪1.20692‬‬ ‫‪1109‬‬
‫‪ .4‬ﻣﻲﺧﻮاﻫﻢ ﻣﻮﻓﻖ ﺷﻮم‪ ،‬ﺣﺘﻲ اﮔﺮ ﺑﻪ ﻗﻴﻤﺖ از دﺳﺖ دادن دﻳﮕﺮي ﺑﺎﺷﺪ‪.‬‬ ‫‪4.0884‬‬ ‫‪1.23624‬‬ ‫‪1109‬‬
‫‪ .5‬ﻣﻦ ﻫﺮ ﻛﺎري را ﻛﻪ ﺑﺮ ﻋﻬﺪهام ﺑﺎﺷﺪ ﻃﻮري اﻧﺠﺎم ﻣﻲدﻫﻢ ﻛﻪ اﻧﮕﺎر زﻧـﺪﮔﻲام ﺑـﻪ آن واﺑﺴـﺘﻪ‬
‫‪2.1118‬‬ ‫‪1.01972‬‬ ‫‪1109‬‬
‫اﺳﺖ‪.‬‬
‫‪ .6‬ﺑﺎزﻧﺪهﻫﺎ ﻫﻤﻴﺸﻪ ﭘﺎﻳﻴﻦﺗﺮ از دﻳﮕﺮان ﻫﺴﺘﻨﺪ‬ ‫‪3.6853‬‬ ‫‪1.30646‬‬ ‫‪1109‬‬
‫‪ .7‬ﻛﺎر ﮔﺮوﻫﻲ از ﺳﺮﻋﺖ ﻣﻦ در ﻛﺎرﻫﺎ ﻛﻢ ﻣﻲﻛﻨﺪ‪.‬‬ ‫‪3.5600‬‬ ‫‪1.21708‬‬ ‫‪1109‬‬
‫‪.8‬ﺑﺎﻳﺪ ﺑﺎ ﻫﻤﻪ ﺑﻪ ﺗﻔﺎﻫﻢ ﺑﺮﺳﻢ‪.‬‬ ‫‪3.7944‬‬ ‫‪1.13650‬‬ ‫‪1109‬‬
‫‪.9‬ﻣﻦ ﺑﺮاي ﺑﺮﻧﺪه ﺷﺪن و ﭘﻴﺮوز ﺷﺪن ﺑﻪ ﻫﺮ ﻛﺎري دﺳﺖ ﻣﻲزﻧﻢ‪.‬‬ ‫‪3.4617‬‬ ‫‪1.39028‬‬ ‫‪1109‬‬
‫‪.10‬ﻣﻬﻤﺘﺮﻳﻦ ﻛﺎر در ﺑﺎزي ﺑﺮﻧﺪه ﺷﺪن اﺳﺖ‪.‬‬ ‫‪3.0388‬‬ ‫‪1.33183‬‬ ‫‪1109‬‬
‫‪.11‬دوﺳﺖ دارم ﺑﻪ دﻳﮕﺮان ﻛﻤﻚ ﻛﻨﻢ‪.‬‬ ‫‪4.6213‬‬ ‫‪.67239‬‬ ‫‪1109‬‬
‫‪.12‬دوﺳﺖ دارم ﻫﻤﻪ ﺑﭽﻪﻫﺎي ﻛﻼس در اﻣﺘﺤﺎن ﻗﺒﻮل ﺑﺸﻮﻧﺪ‪.‬‬ ‫‪4.6312‬‬ ‫‪.75055‬‬ ‫‪1109‬‬
‫‪.13‬دوﺳﺖ ﻧﺪارم ﺑﺮاي رﺳﻴﺪن ﺑﻪ ﻫﺪف دﻳﮕﺮان را ﺗﺤﺖ ﻓﺸﺎر ﻗﺮار دﻫﻢ‪.‬‬ ‫‪3.7764‬‬ ‫‪1.32952‬‬ ‫‪1109‬‬
‫‪.14‬ﺿﺮر دﻳﮕﺮان ‪ ،‬ﻧﻔﻊ ﻣﻦ اﺳﺖ‪.‬‬ ‫‪4.4581‬‬ ‫‪.94109‬‬ ‫‪1109‬‬
‫‪ .15‬ﻫﺮ اﻧﺪازه ﺑﻴﺸﺘﺮ ﺑﺮﻧﺪه ﻣﻲﺷﻮم‪ ،‬اﺣﺴﺎس ﻗﺪرت ﺑﻴﺸﺘﺮي ﻣﻲﻛﻨﻢ‪.‬‬ ‫‪2.4148‬‬ ‫‪1.34460‬‬ ‫‪1109‬‬

‫اﻳﻦ ﺟﺪول وﺿﻌﻴﺖ ﻣﻴﺎﻧﮕﻴﻦ و اﻧﺤﺮاف ﻣﻌﻴﺎر ﻫﺮﮔﻮﻳﻪ را ﺑﻪ ﺗﻔﻜﻴﻚ ﻧﺸﺎن ﻣﻲدﻫﺪ‪ .‬ﻫﻤﺎﻧﻄﻮر‬
‫ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﻣﻴﺎﻧﮕﻴﻦ درﻣﻮرد ﺑﻴﺸﺘﺮ ﮔﻮﻳﻪﻫﺎ ﺣﻮل ﻋﺪد ‪ 3‬و‪ 4‬اﺳﺖ و ﺗﻨﻬﺎ ﻣﻴﺎﻧﮕﻴﻦ ﺳﻪ‬
‫ﮔﻮﻳﻪ ‪ 5 ،1‬و ‪ 15‬از ﺳﺎﻳﺮ ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﻣﺘﻔﺎوت اﺳﺖ‪ .‬ﺑﻪ ﻋﺒﺎرﺗﻲ دﻳﮕﺮ ﺑﻪ ﻏﻴﺮ از اﻳﻦ ﺳﻪ ﮔﻮﻳﻪ‪ ،‬ﺳﺎﻳﺮ‬
‫ﮔﻮﻳﻪﻫﺎي ﻣﻘﻴﺎس ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﻫﻢ وزن ﻫﺴﺘﻨﺪ‪ .‬ﺷﺎﺧﺺﻫﺎي ﭘﺮاﻛﻨﺪﮔﻲ )اﻧﺤﺮاف ﻣﻌﻴﺎر ﻳﺎ‬
‫وارﻳﺎﻧﺲ( ﺑﻴﺎﻧﮕﺮ ﻗﺪرت ﺗﻤﻴﺰ ﮔﻮﻳﻪﻫﺎ ﻫﺴﺘﻨﺪ‪ .‬ﻫﺮﭼﻪ ﻗﺪر ﻓﺎﺻﻠﻪي ﻧﻤﺮات ﭘﺎﺳﺨﮕﻮﻳﺎن در ﻳﻚ‬
‫ﮔﻮﻳﻪ از ﻣﻴﺎﻧﮕﻴﻦ آن ﮔﻮﻳﻪ ﺑﻴﺸﺘﺮ ﺑﺎﺷﺪ‪ ،‬ﺑﻴﺎﻧﮕﺮ ﺗﻮاﻧﺎﻳﻲ آن ﮔﻮﻳﻪ در ﺗﻤﺎﻳﺰ ﺑﺨﺸﻲ ﺑﻴﻦ ﭘﺎﺳﺨﮕﻮﻳﺎن‬
‫اﺳﺖ‪ .‬اﻟﺒﺘﻪ ﮔﻔﺘﻨﻲ اﺳﺖ ﻛﻪ ﺑﺎﻻ ﺑﻮدن اﻧﺤﺮاف ﻣﻌﻴﺎر ﮔﻮﻳﻪ ﺑﺎ ﺗﻨﻬﺎﻳﻲ ﻛﺎﻓﻲ ﻧﻴﺴﺖ‪ .‬ﺑﻠﻜﻪ از ﻳﻜﺴﻮ‬
‫ﮔﻮﻳﻪﻫﺎ ﺑﺎﻳﺪ ﺑﺎ ﻫﻤﺪﻳﮕﺮ ﻫﻤﺎﻫﻨﮓ ﺑﺎﺷﻨﺪ )ﻫﻤﺴﺎزي دروﻧﻲ( و از ﺳﻮي دﻳﮕﺮ ﭘﺮاﻛﻨﺪﮔﻲ ﻳﺎ ﻫﻤﺎن‬
‫ﻗﺪرت ﺗﻤﻴﺰ ﺷﺎﺧﺺ ﻛﻠﻲ ﻛﻪ از ﺗﺮﻛﻴﺐ ﮔﻮﻳﻪﻫﺎي ﻣﻘﻴﺎس ﺑﻪ دﺳﺖ ﻣﻲآﻳﺪ را اﻓﺰاﻳﺶ ﺑﺪﻫﻨﺪ‪ .‬ﺑﻪ‬
‫ﻧﺘﺎﻳﺞ ﻣﻨﺪرج در ﺟﺪاول زﻳﺮ دﻗﺖ ﻛﻨﻴﺪ‪.‬‬
‫درس ﭘﻨﺠﻢ ـ ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ ‪75 ‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ :(14‬ﻣﻘﺎدﻳﺮ آﻣﺎرهﻫﺎي ﻣﻘﻴﺎس "روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان"‬

‫ﻣﻴﺎﻧﮕﻴﻦ ﻣﻘﻴﺎس در‬ ‫وارﻳﺎﻧﺲ ﻣﻘﻴﺎس در‬ ‫ﻫﻤﺒﺴﺘﮕﻲ ﻫﺮ‬ ‫آﻟﻔﺎي ﻛﻞ ﻣﻘﻴﺎس در‬
‫ﺻﻮرت ﺣﺬف ﮔﻮﻳﻪ‬ ‫ﺻﻮرت ﺣﺬف ﮔﻮﻳﻪ‬ ‫ﮔﻮﻳﻪ ﺑﺎ ﻣﻘﻴﺎس‬ ‫ﺻﻮرت ﺣﺬف ﻫﺮ ﮔﻮﻳﻪ‬

‫‪Item-Total Statistics‬‬
‫ﺳﺘﻮن ) ‪( 1‬‬ ‫ﺳﺘﻮن )‪( 2‬‬ ‫ﺳﺘﻮن )‪( 3‬‬ ‫ﺳﺘﻮن ) ‪( 4‬‬ ‫ﺳﺘﻮن ) ‪( 5‬‬

‫‪Scale Mean‬‬ ‫‪Cronbach‬‬

‫‪if‬‬ ‫‪Scale‬‬ ‫‪Corrected‬‬ ‫‪'s Alpha‬‬
‫ﮔــﻮﻳﻪﻫﺎ‬ ‫‪Item‬‬ ‫‪Variance if‬‬ ‫‪Item-Total‬‬ ‫‪if Item‬‬
‫‪Deleted‬‬ ‫‪Item Deleted‬‬ ‫‪Correlation‬‬ ‫‪Deleted‬‬
‫‪ .1‬ﻣﻦ ﺑﻪ ﺧﻴﻠﻲﻫﺎ اﻋﺘﻤﺎد ﻧﻤﻲﻛﻨﻢ‪.‬‬ ‫‪51.7809‬‬ ‫‪44.904‬‬ ‫‪.052‬‬ ‫‪.629‬‬
‫‪ .2‬ﺑﺮاي ﻣﻮﻓﻖ ﺷﺪن‪ ،‬ﻣﻲﺗﻮان ﺣـﻖ دﻳﮕـﺮان را زﻳـﺮ ﭘـﺎ‬
‫‪49.7196‬‬ ‫‪40.402‬‬ ‫‪.422‬‬ ‫‪.576‬‬
‫ﮔﺬاﺷﺖ‪.‬‬
‫‪ .3‬ﻛﺎرﮔﺮوﻫﻲ ﻣﻬﻤﺘﺮ از ﺑﺮﻧﺪه ﺷﺪن اﺳﺖ‪.‬‬ ‫‪50.3039‬‬ ‫‪41.053‬‬ ‫‪.272‬‬ ‫‪.597‬‬
‫‪ .4‬ﻣﻲﺧﻮاﻫﻢ ﻣﻮﻓﻖ ﺷﻮم‪ ،‬ﺣﺘﻲ اﮔﺮ ﺑﻪ ﻗﻴﻤـﺖ از دﺳـﺖ‬
‫‪49.9928‬‬ ‫‪39.325‬‬ ‫‪.378‬‬ ‫‪.577‬‬
‫دادن دﻳﮕﺮي ﺑﺎﺷﺪ‪.‬‬
‫‪ .5‬ﻣﻦ ﻫﺮ ﻛﺎري را ﻛﻪ ﺑﺮ ﻋﻬﺪهام ﺑﺎﺷﺪ ﻃﻮري اﻧﺠﺎم ﻣﻲ‪-‬‬
‫‪51.9693‬‬ ‫‪46.885‬‬ ‫‪-.086‬‬ ‫‪.647‬‬
‫دﻫﻢ ﻛﻪ اﻧﮕﺎر زﻧﺪﮔﻲام ﺑﻪ آن واﺑﺴﺘﻪ اﺳﺖ‪.‬‬
‫‪ .6‬ﺑﺎزﻧﺪهﻫﺎ ﻫﻤﻴﺸﻪ ﭘﺎﻳﻴﻦ ﺗﺮ از دﻳﮕﺮان ﻫﺴﺘﻨﺪ‬ ‫‪50.3959‬‬ ‫‪40.577‬‬ ‫‪.267‬‬ ‫‪.598‬‬
‫‪ .7‬ﻛﺎر ﮔﺮوﻫﻲ از ﺳﺮﻋﺖ ﻣﻦ در ﻛﺎرﻫﺎ ﻛﻢ ﻣﻲﻛﻨﺪ‪.‬‬ ‫‪50.5212‬‬ ‫‪40.347‬‬ ‫‪.316‬‬ ‫‪.589‬‬
‫‪ .8‬ﺑﺎﻳﺪ ﺑﺎ ﻫﻤﻪ ﺑﻪ ﺗﻔﺎﻫﻢ ﺑﺮﺳﻢ‪.‬‬ ‫‪50.2867‬‬ ‫‪44.084‬‬ ‫‪.089‬‬ ‫‪.626‬‬
‫‪ .9‬ﻣﻦ ﺑﺮاي ﺑﺮﻧﺪه ﺷﺪن و ﭘﻴﺮوز ﺷﺪن ﺑﻪ ﻫﺮ ﻛﺎري دﺳﺖ‬
‫‪50.6195‬‬ ‫‪39.368‬‬ ‫‪.311‬‬ ‫‪.589‬‬
‫ﻣﻲزﻧﻢ‪.‬‬
‫‪ .10‬ﻣﻬﻤﺘﺮﻳﻦ ﻛﺎر در ﺑﺎزي ﺑﺮﻧﺪه ﺷﺪن اﺳﺖ‪.‬‬ ‫‪51.0424‬‬ ‫‪39.622‬‬ ‫‪.318‬‬ ‫‪.588‬‬
‫‪ .11‬دوﺳﺖ دارم ﺑﻪ دﻳﮕﺮان ﻛﻤﻚ ﻛﻨﻢ‪.‬‬ ‫‪49.4599‬‬ ‫‪43.330‬‬ ‫‪.332‬‬ ‫‪.597‬‬
‫‪ .12‬دوﺳﺖ دارم ﻫﻤﻪ ﺑﭽﻪﻫﺎي ﻛﻼس در اﻣﺘﺤـﺎن ﻗﺒـﻮل‬
‫‪49.4500‬‬ ‫‪43.342‬‬ ‫‪.285‬‬ ‫‪.600‬‬
‫ﺑﺸﻮﻧﺪ‪.‬‬
‫‪ .13‬دوﺳﺖ ﻧﺪارم ﺑﺮاي رﺳﻴﺪن ﺑﻪ ﻫﺪف دﻳﮕﺮان را ﺗﺤﺖ‬
‫‪50.3048‬‬ ‫‪42.171‬‬ ‫‪.161‬‬ ‫‪.617‬‬
‫ﻓﺸﺎر ﻗﺮار دﻫﻢ‪.‬‬
‫‪ .14‬ﺿﺮر دﻳﮕﺮان ‪ ،‬ﻧﻔﻊ ﻣﻦ اﺳﺖ‪.‬‬ ‫‪49.6231‬‬ ‫‪41.564‬‬ ‫‪.352‬‬ ‫‪.588‬‬
‫‪ .15‬ﻫﺮ اﻧﺪازه ﺑﻴﺸﺘﺮ ﺑﺮﻧﺪه ﻣـﻲﺷـﻮم‪ ،‬اﺣﺴـﺎس ﻗـﺪرت‬
‫‪51.6664‬‬ ‫‪40.165‬‬ ‫‪.279‬‬ ‫‪.595‬‬
‫ﺑﻴﺸﺘﺮي ﻣﻲﻛﻨﻢ‪.‬‬
 ‫‪  76‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ :(15‬ﻣﻘﺎدﻳﺮ آﻣﺎرهﻫﺎي ﻣﻘﻴﺎس "روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان"‬

‫‪Scale Statistics‬‬
‫‪Std.‬‬
‫‪Mean‬‬ ‫‪Variance‬‬ ‫‪Deviation‬‬ ‫‪N of Items‬‬
‫‪54.0812‬‬ ‫‪46.721‬‬ ‫‪6.83526‬‬ ‫‪15‬‬

‫ﻣﻴﺎﻧﮕﻴﻦ ﻛﻞ ﻣﻘﻴﺎس‬ ‫وارﻳﺎﻧﺲ ﻛﻞ ﻣﻘﻴﺎس‬ ‫اﻧﺤﺮاف ﻣﻌﻴﺎر ﻛﻞ ﻣﻘﻴﺎس‬ ‫ﺗﻌﺪاد ﻛﻞ ﮔﻮﻳﻪ ﻫﺎي ﻣﻘﻴﺎس‬

‫ﺟﺪول ﺷﻤﺎره ‪ 15‬ﻣﻴﺎﻧﮕﻴﻦ‪ ،‬وارﻳﺎﻧﺲ و اﻧﺤﺮاف ﻣﻌﻴﺎر ﻧﻤﺮهي ﻛﻞ ﻣﻘﻴﺎس را ﻧﺸﺎن ﻣﻲدﻫﺪ‪.‬‬
‫ﻧﻤﺮهي ﻛﻞ ﻣﻘﻴﺎس از ﻃﺮﻳﻖ ﻣﺠﻤﻮع ﻧﻤﺮات ﻫﺮ ﭘﺎﺳﺨﮕﻮ ﺑﻪ ﻫﻤﻪي ﮔﻮﻳﻪﻫﺎي ﻣﻘﻴﺎس ﻣﺤﺎﺳﺒﻪ‬
‫ﻣﻲﺷﻮد‪ .‬ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﭼﻮن اﻳﻦ ﻣﻘﻴﺎس از ‪ 15‬ﮔﻮﻳﻪ ﺗﺸﻜﻴﻞ ﺷﺪه اﺳﺖ و ﻧﻤﺮهي ﻫﺮ ﮔﻮﻳﻪ در‬
‫داﻣﻨﻪاي ﺑﻴﻦ ‪ 1‬ﺗﺎ ‪ 5‬ﻗﺮار دارد‪ ،‬ﻣﻲﺗﻮان ﻧﺘﻴﺠﻪ ﮔﺮﻓﺖ ﻧﻤﺮهي ﻫﺮ ﭘﺎﺳﺨﮕﻮ ﺑﻴﻦ ‪ 15‬ﺗﺎ ‪ 75‬ﻗﺮار‬
‫‪1‬‬
‫ﺧﻮاﻫﺪ ﮔﺮﻓﺖ‪ .‬از اﻳﻦرو ﻃﺒﻴﻌﻲ اﺳﺖ ﻛﻪ ﻣﻴﺎﻧﮕﻴﻦ ﻣﻘﻴﺎس ﻧﻴﺰ در ﻫﻤﻴﻦ داﻣﻨﻪ ﻗﺮار ﮔﻴﺮد‪.‬‬
‫ﺣﺎل اﮔﺮ ﻧﺘﺎﻳﺞ ﺟﺪول ‪ 14‬و ‪ 15‬را ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﻢ درﻣﻲﻳﺎﺑﻴﻢ ﻛﻪ ﺑﺎ ﺣﺬف ﮔﻮﻳﻪﻫﺎي‬
‫‪ 5 ،1‬و ‪ 15‬در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﺳﺎﻳﺮ ﮔﻮﻳﻪﻫﺎ‪ ،‬ﻣﻴﺎﻧﮕﻴﻦ ﻣﻘﻴﺎس ﺑﻪ ﻣﻴﺰان ﻛﻤﺘﺮي ﺗﺤﺖ ﺗﺄﺛﻴﺮ ﻗﺮار ﻣﻲﮔﻴﺮد‬
‫)ﺳﺘﻮن ‪ 2‬از ﺟﺪول ‪.(14‬‬
‫ﺗﺄﻣ‪‬ﻞ در ﺳﺘﻮن وارﻳﺎﻧﺲ ﻣﻘﻴﺎس در ﺻﻮرت ﺣﺬف ﮔﻮﻳﻪ )ﺳﺘﻮن ‪ 3‬از ﺟﺪول ‪ ،(14‬ﻧﺸﺎن‬
‫ﻣﻲدﻫﺪ ﺗﻤﺎﻣﻲ ﮔﻮﻳﻪﻫﺎ در ﺻﻮرت ﺣﺬف‪ ،‬وارﻳﺎﻧﺲ را از ﺣﺎﻟﺖ ﻓﻌﻠﻲ )‪ ( 46/721‬ﻛﺎﻫﺶ‬
‫ﻣﻲدﻫﻨﺪ‪ ،‬ﺑﺎ ﺣﺬف ﮔﻮﻳﻪ ‪ ،5‬وارﻳﺎﻧﺲ ﻣﻘﻴﺎس اﻓﺰاﻳﺶ ﻣﻲﻳﺎﺑﺪ ﻛﻪ ﺧﻮد ﻧﺸﺎﻧﻪ دﻗﻴﻖ ﻧﺒﻮدن اﻳﻦ ﮔﻮﻳﻪ‬
‫اﺳﺖ‪.‬‬
‫ﻧﮕﺎﻫﻲ ﺑﻪ ﻧﺘﺎﻳﺞ ﺳﺘﻮن ﻫﻤﺒﺴﺘﮕﻲ ﻫﺮ ﻳﻚ از ﮔﻮﻳﻪﻫﺎ ﺑﺎ ﻛﻞ ﻣﻘﻴﺎس ﺑﻴﺎﻧﮕﺮ اﻳﻦ واﻗﻌﻴﺖ اﺳﺖ‬
‫ﻛﻪ ﺑﻪ اﺳﺘﺜﻨﺎي ﮔﻮﻳﻪﻫﺎي ‪ ،1،5،15‬ﻧﻤﺮهي ﭘﺎﺳﺨﮕﻮﻳﺎن در ﻫﺮ ﻳﻚ از ﮔﻮﻳﻪﻫﺎ ﺑﺎ ﻧﻤﺮه ﻛﻞ ﻣﻘﻴﺎس‬

‫‪ -1‬ﺑﻪ اﻳﻦ دﻟﻴﻞ ﻛﻪ ﭘﺎﺳﺨﮕﻮ ﻧﻈﺮ ﺧﻮد را ﺑﺮ روي ﻳﻚ ﻃﻴﻒ ﭘﻨﺞ ﻗﺴﻤﺘﻲ از ﻛﺎﻣﻼً واﻗﻌﻴـﺖ دارد ﺗـﺎ اﺻـﻼً واﻗﻌﻴـﺖ‬
‫ﻧﺪارد ﻋﻼﻣﺖ ﻣﻲزﻧﺪ‪ .‬اﮔﺮ ﭘﺎﺳﺨﮕﻮﻳﻲ از ﻫﺮ ﮔﻮﻳﻪ ﻛﻤﺘﺮﻳﻦ ﻧﻤﺮه را ﺑﮕﻴﺮد‪ ،‬ﺣﺪاﻗﻞ ﻧﻤـﺮه او ‪ 15‬ﺧﻮاﻫـﺪ ﺷـﺪ و اﮔـﺮ‬
‫ﭘﺎﺳﺨﮕﻮﻳﻲ از ﻫﺮ ﮔﻮﻳﻪاي ﺑﻴﺸﺘﺮﻳﻦ ﻧﻤﺮه را ﺑﮕﻴﺮد‪ ،‬ﺣﺪاﻛﺜﺮ ﻧﻤﺮه وي ‪ 75‬ﺧﻮاﻫﺪ ﺷﺪ‪ .‬ﭼـﻮن ‪ 15‬ﮔﻮﻳـﻪ دارﻳـﻢ و ﺑـﻪ‬
‫ﻋﺒﺎرﺗﻲ دﻳﮕﺮ‪) 15 * 1= 15 :‬ﺣﺪاﻗﻞ ﻧﻤﺮه( و ‪) 15 * 5 = 75‬ﺣﺪاﻛﺜﺮ ﻧﻤﺮه(‪.‬‬
‫درس ﭘﻨﺠﻢ ـ ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ ‪77 ‬‬

‫ﻫﻤﺒﺴﺘﮕﻲ ﻗﺎﺑﻞ ﻗﺒﻮﻟﻲ دارد ﻛﻪ ﻧﺸﺎﻧﮕﺮ ﻫﻤﺴﺎزي دروﻧﻲ اﻛﺜﺮ ﮔﻮﻳﻪﻫﺎي ﺗﺸﻜﻴﻞدﻫﻨﺪهي ﻣﻘﻴﺎس‬
‫اﺳﺖ‪ .‬اﻣﺎ ﻫﻤﺒﺴﺘﮕﻲ ﮔﻮﻳﻪي ‪ 5‬ﺑﺎ ﺳﺎﻳﺮ ﻧﻤﺮه ﻛﻞ ﻣﻘﻴﺎس ﻣﻨﻔﻲ اﺳﺖ ﻛﻪ ﻧﺸﺎندﻫﻨﺪهي ﻧﺎﻫﻤﺴﺎزي‬
‫ﺷﺪﻳﺪ اﻳﻦ ﮔﻮﻳﻪ ﺑﺎ ﺳﺎﻳﺮ ﮔﻮﻳﻪﻫﺎي ﻣﻘﻴﺎس اﺳﺖ‪.‬‬
‫ﺷﺎﻳﺪ ﺳﺆاﻻت ﺷﻮد ﻣﻼك اﺻﻠﻲ ﺑﺮاي ﺗﺸﺨﻴﺺ ﺗﻨﺎﺳﺐ ﻳﺎ ﻋﺪم ﺗﻨﺎﺳﺐ ﻳﻚ ﮔﻮﻳﻪ ﭼﻴﺴﺖ؟‬
‫ﭘﺎﺳﺦ اﻳﻦ ﺳﺆاﻻت را ﺑﺎﻳﺪ در ﺳﺘﻮن ‪ 5‬ﺟﺪول ‪ 4‬ﺟﺴﺘﺠﻮ ﻛﺮد‪ .‬اﻳﻦ ﺳﺘﻮن ﻣﻴﺰان آﻟﻔﺎي ﻛﻞ ﻣﻘﻴﺎس‬
‫را در ﺻﻮرت ﺣﺬف ﻫﺮ ﮔﻮﻳﻪ ﻧﺸﺎن ﻣﻲدﻫﺪ‪ .‬ﻣﻘﺪار آﻟﻔﺎي ﻛﻞ ﻣﻘﻴﺎس "روﺣﻴﻪ ﻫﻤﻜﺎري‬
‫داﻧﺶآﻣﻮزان" ﻃﺒﻖ ﺟﺪول ﺧﺮوﺟﻲ ﺷﻤﺎره )‪ (12‬ﻣﻌﺎدل ﺑﺎ ‪ .0.618‬ﺑﻮد‪ .‬ﻫﻤﺎﻧﻄﻮر ﻛﻪ در ﺳﺘﻮن ‪5‬‬
‫ﺟﺪول )‪ (14‬ﻣﺸﺎﻫﺪه ﻣﻲﺷﻮد ﺑﺎ ﺣﺬف ﮔﻮﻳﻪﻫﺎي ‪ 1 ،5‬و ‪ ، 8‬ﻣﻘﺪار آﻟﻔﺎي ﻛﻞ ﻣﻘﻴﺎس اﻓﺰاﻳﺶ‬
‫ﻣﻲﻳﺎﺑﺪ‪ .‬در ﺣﺎﻟﻴﻜﻪ ﺣﺬف ﺳﺎﻳﺮ ﮔﻮﻳﻪﻫﺎ‪ ،‬ﻣﻘﺪار آﻟﻔﺎي ﻛﻞ ﻣﻘﻴﺎس را ﻛﺎﻫﺶ ﻣﻲدﻫﺪ‪ .‬ﭘﻴﺸﻨﻬﺎد‬
‫ﻣﻲﺷﻮد از ﻣﻴﺎن ﮔﻮﻳﻪﻫﺎﻳﻲ ﻛﻪ ﺣﺬفﺷﺎن آﻟﻔﺎي ﻛﻞ ﻣﻘﻴﺎس را اﻓﺰاﻳﺶ ﻣﻲدﻫﺪ‪ ،‬ﺗﻨﻬﺎ ﻧﺴﺒﺖ ﺑﻪ‬
‫ﺣﺬف ﮔﻮﻳﻪاي اﻗﺪام ﻛﻨﻴﻢ ﻛﻪ‪:‬‬
‫اﻟﻒ( ﺣﺬف آن‪ ،‬ﻣﻘﺪار آﻟﻔﺎي ﻛﻞ را ﺑﻴﺸﺘﺮ از ﺣﺬف ﮔﻮﻳﻪﻫﺎي دﻳﮕﺮ اﻓﺰاﻳﺶ ﻣﻲدﻫﺪ )در‬
‫اﻳﻨﺠﺎ ﮔﻮﻳﻪ ‪.(5‬‬
‫ب ( ﻣﻴﺰان اﻓﺰاﻳﺶ ﻣﺰﺑﻮر ﻻاﻗﻞ ‪ 3‬درﺻﺪ ﺑﺎﺷﺪ )در اﻳﻨﺠﺎ ﮔﻮﻳﻪ ‪.(5‬‬
‫در ﺻﻮرﺗﻴﻜﻪ ﻃﺒﻖ اﺳﺘﻨﺒﺎط ﻣﺤﻘﻖ‪ ،‬ﺗﻌﺪاد ﮔﻮﻳﻪﻫﺎﻳﻲ ﻛﻪ ﻗﺮار اﺳﺖ ﺣﺬف ﺷﻮد زﻳﺎد ﺑﺎﺷﺪ‪،‬‬
‫رواﻳﻲ ﻣﺤﺘﻮاي ﻣﻘﻴﺎس ﻛﺎﻫﺶ ﻣﻲﻳﺎﺑﺪ‪ .‬ﻃﺒﻴﻌﻲ اﺳﺖ ﻛﻪ در ﭼﻨﻴﻦ در ﻣﻮاﻗﻌﻲ‪ ،‬ﻣﺤﻘﻖ ﻣﻮﻇﻒ‬
‫اﺳﺖ ﻣﻘﻴﺎس ﺟﺪﻳﺪي ﻃﺮاﺣﻲ ﻛﻨﺪ و ﻣﺠﺪداً ﺑﻪ ﺳﻨﺠﺶ رواﻳﻲ و ﭘﺎﻳﺎﻳﻲ آن ﺑﭙﺮدازد‪.‬‬
‫ﻧﻜﺘﻪ‪ :‬ﮔﺎﻫﻲ اوﻗﺎت ﭘﻴﺶ ﻣﻲآﻳﺪ ﻛﻪ در ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ از ﻃﺮﻳﻖ آﻟﻔﺎي ﻛﺮاﻧﺒﺎخ‪ ،‬ﻣﻘﺪار آﻟﻔﺎي‬
‫ﻛﻞ ﻣﻨﻔﻲ ﻣﻲﺷﻮد‪ .‬ﺑﻪ ﻧﻈﺮ ﻣﻲرﺳﺪ ﺑﺮاي ﺣﻞ ﻣﺸﻜﻞ ﺑﻬﺘﺮ اﺳﺖ ﻣﻮارد زﻳﺮ را وارﺳﻲ ﻛﻨﻴﺪ‪:‬‬
‫‪ .1‬ﻣﻤﻜﻦ اﺳﺖ ﻣﻘﺎدﻳﺮ ﭘﺮت و دوراﻓﺘﺎده در ﻣﺘﻐﻴﺮﻫﺎ وﺟﻮد داﺷﺘﻪ ﺑﺎﺷﺪ ﻛﻪ ﮔﺎﻫﻲ ﺑﻪ ﺧﺎﻃﺮ‬
‫اﺷﺘﺒﺎه در ورود دادهﻫﺎ اﺳﺖ‪ .‬ﻣﺜﻼً ﻣﻤﻜﻦ اﺳﺖ ﻛﺪﮔﺬار ﺑﻪ ﺟﺎي ﻛﺪ ‪ ،2‬ﻣﻘﺪار ‪ 22‬را وارد ﻛﺮده‬
‫ﺑﺎﺷﺪ‪ .‬ﻟﺬا ﺑﺮاي ﺷﻨﺎﺳﺎﻳﻲ ﭼﻨﻴﻦ ﻣﻮاردي ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ در درس ﭘﻴﺶ ﮔﻔﺘﻪ ﺷﺪ‪ ،‬اﺑﺘﺪا ﺑﺎﻳﺪ از‬
‫ﺗﻤﺎﻣﻲ ﻣﺘﻐﻴﺮﻫﺎ ﺟﺪول ﻓﺮاواﻧﻲ ﺗﻬﻴﻪ و ﻣﻮارد ﺧﻄﺎ را ﭘﻴﺪا و ﺗﺼﺤﻴﺢ ﻛﺮد‪.‬‬
‫‪ .2‬ﻣﻤﻜﻦ اﺳﺖ ﻣﻘﺎدﻳﺮﻧﺎﻣﺸﺨﺺ)‪ (Missing value‬ﺗﻌﺮﻳﻒ ﻧﺸﺪه ﺑﺎﺷﺪ‪ .‬ﮔﺎﻫﻲ ﭘﻴﺶ‬
‫ﻣﻲآﻳﺪ داﻧﺸﺠﻮﻳﺎن ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ در ﺳﺘﻮن ﺑﺮﭼﺴﺐﻫﺎ )‪ (Value‬را ﺣﻤﻞ ﺑﺮ ﺗﻌﺮﻳﻒ‬
‫‪ Missing value‬ﻣﻲﻛﻨﻨﺪ ﻛﻪ اﺷﺘﺒﺎه اﺳﺖ‪ .‬ﺑﺮاي اﻳﻦ ﻣﻬﻢ ﺑﺎﻳﺪ ﺳﺘﻮن ‪Missing value‬‬
‫ﻣﺮﺑﻮط ﺑﻪ ﺗﻤﺎﻣﻲ ﮔﻮﻳﻪﻫﺎ را وارﺳﻲ و ﻣﻮارد ﺧﻄﺎ را ﺗﺼﺤﻴﺢ ﻛﺮد‪.‬‬
 ‫‪  78‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ .3‬ﻣﻤﻜﻦ اﺳﺖ در ﻧﺤﻮهي ﻛﺪﮔﺬاري ﮔﻮﻳﻪﻫﺎي ﻣﺜﺒﺖ ﻳﺎ ﻣﻨﻔﻲ )ﻣﺨﺼﻮﺻﺎً در ﻣﻘﻴﺎس ﻟﻴﻜﺮت‬
‫‪1‬‬
‫ﻛﻪ ﺑﺎﻳﺪ از ﻃﺮﻳﻖ وارﺳﻲ‬ ‫و ﻣﻘﻴﺎسﻫﺎي ﻣﺸﺎﺑﻪ( اﺷﺘﺒﺎﻫﻲ ﺻﻮرت ﮔﺮﻓﺘﻪ ﺑﺎﺷﺪ ‪.‬‬
‫ﭘﺮﺳﺸﻨﺎﻣﻪﻫﺎي ﻛﺪﮔﺬاري ﺷﺪه آن را اﺻﻼح ﻛﺮد‪.‬‬
‫‪ .4‬اﮔﺮ ﺑﺎ وﺟﻮد ﺑﺮرﺳﻲ ﺗﻤﺎﻣﻲ ﻣﻮارد ﻓﻮق‪ ،‬ﻣﻘﺪار آﻟﻔﺎ ﻫﻤﭽﻨﺎن ﻣﻨﻔﻲ ﻳﺎ ﺿﻌﻴﻒ ﺑﺎﺷﺪ‪ ،‬ﻧﺘﺎﻳﺞ‬
‫ﺑﺪﺳﺖ آﻣﺪه ﺑﻴﺎﻧﮕﺮ ﻫﻤﺴﺎزي دروﻧﻲ ﺑﺴﻴﺎر ﺿﻌﻴﻒ ﻣﻘﻴﺎس و در ﻧﺘﻴﺠﻪ ﻧﺎﻣﻨﺎﺳﺐ ﺑﻮدن ﻣﻴﺰان‬
‫ﭘﺎﻳﺎﻳﻲ آن اﺳﺖ‪ .‬در ﭼﻨﻴﻦ ﺷﺮاﻳﻄﻲ ﻻزم اﺳﺖ ﺑﻪ ﻃﺮاﺣﻲ ﻣﺠﺪد ﻣﻘﻴﺎس و ﺳﻨﺠﺶ دوﺑﺎرهي‬
‫رواﻳﻲ و ﭘﺎﻳﺎﻳﻲ آن ﭘﺮداﺧﺖ‪.‬‬

‫‪ -1‬ﻧﺤﻮه ﮔﺪﮔﺬاري ﮔﻮﻳﻪﻫﺎﻳﻲ ﻛﻪ داراي ﻣﻀﺎﻣﻴﻦ ﻣﺜﺒﺖ ﻳﺎ ﻣﻨﻔﻲ ﻫﺴﺘﻨﺪ‪ ،‬ﺑﺎﻳﺪ ﻃﻮري ﺑﺎﺷﺪ ﻛﻪ ﻣﻨﻄﻘﺎ ﻫﻤﺒﺴﺘﮕﻲ ﻣﺜﺒﺖ‬
‫ﺑﺎﻫﻢ داﺷﺘﻪ ﺑﺎﺷﻨﺪ‪.‬‬
‫درس ﭘﻨﺠﻢ ـ ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ ‪79 ‬‬

‫ﺗﻤﺮﻳﻦ درس ﭘﻨﺠﻢ‬

‫ﺗﻤﺮﻳﻦ ‪ -1‬ﻧﺘﺎﻳﺞ زﻳﺮ ﻣﺮﺑﻮط ﺑﻪ ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ ﻣﻘﻴﺎس" ﻧﮕﺮش ﻧﺴﺒﺖ ﺑﻪ ﭘﻮﺷﺶ ﻣﺪارس‬
‫دﺧﺘﺮاﻧﻪ" اﺳﺖ‪ .‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﺘﺎﻳﺞ ﻣﻨﺪرج در ﺟﺪاول ﺑﻪ ﺳﺆاﻻت ﺑﻌﺪ ﭘﺎﺳﺦ دﻫﻴﺪ‪.‬‬
‫‪Case Processing Summary‬‬
‫‪N‬‬ ‫‪%‬‬
‫‪Cases‬‬ ‫‪Valid‬‬ ‫‪586‬‬ ‫‪94.7‬‬
‫‪Excludeda‬‬ ‫‪33‬‬ ‫‪5.3‬‬
‫‪Total‬‬ ‫‪619‬‬ ‫‪100.0‬‬
‫‪a. Listwise deletion based on all variables in the‬‬
‫‪procedure.‬‬
‫‪Reliability Statistics‬‬
‫‪Cronbach's‬‬
‫‪Alpha‬‬ ‫‪N of Items‬‬
‫‪.722‬‬ ‫‪6‬‬
‫‪Item Statistics‬‬
‫‪Mean‬‬ ‫‪Std. Deviation‬‬ ‫‪N‬‬
‫ﻳﻜﻨﻮاﺧﺘﻲ ﭘﻮﺷﺶ ﻣﺪرﺳﻪ‬ ‫‪2.3140‬‬ ‫‪1.43356‬‬ ‫‪586‬‬
‫ﺷﺎدي ﭘﻮﺷﺶ ﻣﺪرﺳﻪ‬ ‫‪2.7765‬‬ ‫‪1.42128‬‬ ‫‪586‬‬
‫ﻣﺘﺎﻧﺖ ﭘﻮﺷﺶ ﻣﺪرﺳﻪ‬ ‫‪3.9283‬‬ ‫‪1.21598‬‬ ‫‪586‬‬
‫دﺳﺖ و ﭘﺎﮔﻴﺮ ﺑﻮدن ﭘﻮﺷﺶ ﻣﺪرﺳﻪ‬ ‫‪3.2235‬‬ ‫‪1.54240‬‬ ‫‪586‬‬
‫ﺳﺨﺘﻲ ﭘﻮﺷﺶ ﻣﺪرﺳﻪ‬ ‫‪3.2628‬‬ ‫‪1.51884‬‬ ‫‪586‬‬
‫زﻳﺒﺎﻳﻲ ﭘﻮﺷﺶ ﻣﺪرﺳﻪ‬ ‫‪3.0887‬‬ ‫‪1.44494‬‬ ‫‪586‬‬
‫‪Item-Total Statistics‬‬
‫‪Scale Mean if‬‬ ‫‪Scale Variance if‬‬ ‫‪Corrected Item-‬‬ ‫‪Cronbach's‬‬
‫‪Item Deleted‬‬ ‫‪Item Deleted‬‬ ‫‪Total Correlation‬‬ ‫‪Alpha if Item Deleted‬‬
‫ﻳﻜﻨﻮاﺧﺘﻲ ﭘﻮﺷﺶ ﻣﺪرﺳﻪ‬ ‫‪16.2799‬‬ ‫‪24.923‬‬ ‫‪.276‬‬ ‫‪.735‬‬
‫ﺷﺎدي ﭘﻮﺷﺶ ﻣﺪرﺳﻪ‬ ‫‪15.8174‬‬ ‫‪21.418‬‬ ‫‪.569‬‬ ‫‪.648‬‬
‫ﻣﺘﺎﻧﺖ ﭘﻮﺷﺶ ﻣﺪرﺳﻪ‬ ‫‪14.6655‬‬ ‫‪27.119‬‬ ‫‪.184‬‬ ‫‪.750‬‬
‫دﺳﺖ و ﭘﺎﮔﻴﺮ ﺑﻮدن ﭘﻮﺷﺶ ﻣﺪرﺳﻪ‬ ‫‪15.3703‬‬ ‫‪21.639‬‬ ‫‪.481‬‬ ‫‪.675‬‬
‫ﺳﺨﺘﻲ ﭘﻮﺷﺶ ﻣﺪرﺳﻪ‬ ‫‪15.3311‬‬ ‫‪20.198‬‬ ‫‪.617‬‬ ‫‪.630‬‬
‫زﻳﺒﺎﻳﻲ ﭘﻮﺷﺶ ﻣﺪرﺳﻪ‬ ‫‪15.5051‬‬ ‫‪20.732‬‬ ‫‪.616‬‬ ‫‪.633‬‬

‫‪Scale Statistics‬‬
‫‪Mean‬‬ ‫‪Variance‬‬ ‫‪Std. Deviation‬‬ ‫‪N of Items‬‬
‫‪18.5939‬‬ ‫‪30.925‬‬ ‫‪5.56106‬‬ ‫‪6‬‬

‫اﻟﻒ‪ -‬ﺣﺠﻢ ﻛﻞ ﻧﻤﻮﻧﻪي ﻣﻮرد ﺑﺮرﺳﻲ ﭼﻨﺪ ﻧﻔﺮ ﺑﻮده اﺳﺖ و در ﻋﻤﻞ ﭼﻨﺪ در ﺻﺪ از‬
‫ﭘﺎﺳﺨﮕﻮﻳﺎن از ﻓﺮآﻳﻨﺪ ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ ﺣﺬف ﺷﺪهاﻧﺪ؟‬
 ‫‪  80‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ب‪ -‬ﻣﻘﺪار ﻛﻞ ﭘﺎﻳﺎﻳﻲ ﻣﻘﻴﺎس در ﭼﻘﺪر اﺳﺖ؟‬

‫ج‪ -‬ﻛﺪام ﮔﻮﻳﻪﻫﺎ ﻧﺎﻫﻢ وزن ﻫﺴﺘﻨﺪ؟‬
‫د‪ -‬ﻛﺪام ﮔﻮﻳﻪﻫﺎ در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﺑﻘﻴﻪ ﻗﺪرت ﺗﻤﻴﺰ ﻛﻤﺘﺮي دارﻧﺪ؟‬
‫ه‪ -‬ﻣﻴﺎﻧﮕﻴﻦ ﻛﻞ ﻣﻘﻴﺎس ﭼﻘﺪر اﺳﺖ؟‬
‫و‪ -‬ﻛﻤﺘﺮﻳﻦ و ﺑﻴﺸﺘﺮﻳﻦ ﻧﻤﺮهي ﻣﻘﻴﺎس ﺑﻪ ﻟﺤﺎظ ﻧﻈﺮي ﭼﻨﺪ ﻣﻲﺗﻮاﻧﺴﺖ ﺑﺎﺷﺪ؟‬
‫ز‪ -‬ﺑﺎ ﺣﺬف ﻛﺪام ﮔﻮﻳﻪﻫﺎ ﻗﺪرت ﺗﻤﻴﺰ ﻣﻘﻴﺎس اﻓﺰاﻳﺶ ﻣﻲﻳﺎﺑﺪ؟‬
‫ح‪ -‬ﻛﺪام ﮔﻮﻳﻪﻫﺎ ﻫﻤﺴﺎزي دروﻧﻲ ﻛﻤﺘﺮي ﺑﺎ ﻧﻤﺮهي ﻛﻞ ﻣﻘﻴﺎس دارﻧﺪ؟‬
‫ط‪ -‬ﺑﺎ ﺣﺬف ﻛﺪام ﮔﻮﻳﻪﻫﺎ ﻣﻘﺪار آﻟﻔﺎي ﻛﻞ ﻣﻘﻴﺎس اﻓﺰاﻳﺶ ﻣﻲﻳﺎﺑﺪ؟‬
‫ي‪ -‬ﺑﺮاي ﺳﺎﺧﺘﻦ ﺷﺎﺧﺺ ﻧﮕﺮش ﻧﺴﺒﺖ ﺑﻪ ﭘﻮﺷﺶ ﻣﺪرﺳﻪ ﺑﺎﻳﺪ از ﻛﺪام ﮔﻮﻳﻪﻫﺎ اﺳﺘﻔﺎده‬
‫ﻛﺮد؟‬

‫ﺗﻤﺮﻳﻦ ‪ -2‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺎﻳﻞ ‪ GSS93 SUBSET VALUE‬ﭘﺎﻳـﺎﻳﻲ ﻣﻘﻴـﺎس ﮔـﺮاﻳﺶ ﺑـﻪ‬
‫ﻣﻮﺳﻴﻘﻲ )ﻣﺘﻐﻴﺮﻫﺎي ردﻳﻒ ‪ (bigband) 51‬ﺗﺎ ‪ (hvymetal ) 61‬را ﺑـﻪ روش آﻟﻔـﺎي ﻛﺮاﻧﺒـﺎخ‬
‫ﻣﺤﺎﺳﺒﻪ و ﺗﻔﺴﻴﺮ ﻛﻨﻴﺪ‪.‬‬

‫ﺗﻤﺮﻳﻦ‪ -3‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺎﻳـﻞ ‪ satisf.sav‬ﭘﺎﻳـﺎﻳﻲ ﻣﻘﻴـﺎس رﺿـﺎﻳﺖ ﻣﺸـﺘﺮي را ﺑـﺎ اﺳـﺘﻔﺎده‬
‫ﻣﺘﻐﻴﺮﻫﺎي ردﻳﻒ ‪ (price )13‬ﺗﺎ ‪ (overall ) 18‬ﺑﻪ روش آﻟﻔﺎي ﻛﺮاﻧﺒﺎخ ﻣﺤﺎﺳﺒﻪ و ﺗﻔﺴﻴﺮ ﻛﻨﻴﺪ‪.‬‬

‫ﺗﻤﺮﻳﻦ‪ -4‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺎﻳﻞ دادهﻫﺎي ‪ world95‬ﭘﺎﻳﺎﻳﻲ ﻣﻘﻴـﺎس ﺳـﻄﺢ ﺑﻬﺪاﺷـﺖ ﻛﺸـﻮرﻫﺎي‬
‫ﺟﻬﺎن را ﺑﺎ اﺳﺘﻔﺎده از ﻣﺘﻐﻴﺮﻫﺎي اﻣﻴﺪ ﺑﻪ زﻧﺪﮔﻲ ﻣﺮدان و زﻧﺎن و ﻣﺮگ و ﻣﻴـﺮ ﻛﻮدﻛـﺎن و درﺻـﺪ‬
‫ﻣﺒﺘﻼﻳﺎن ﺑﻪ اﻳﺪز ﺑﻪ روش آﻟﻔﺎي ﻛﺮاﻧﺒﺎخ ﻣﺤﺎﺳﺒﻪ ﻛﻨﻴﺪ‪.‬‬
 ‫درس ﺷﺸﻢ‬
‫ﺷﺎﺧﺺﺳﺎزي‬

‫در ﭘﺎﻳﺎن اﻳﻦ درس اﻧﺘﻈﺎر ﻣﻲرود داﻧﺸﺠﻮ‬

‫‪ -1‬ﻣﻔﻬﻮم ﺷﺎﺧﺺ و ﻣﺮاﺣﻞﺷﺎﺧﺺ ﺳﺎزي را ﺑﺪاﻧﺪ‪.‬‬
‫‪ -2‬ﺑﺎ اﺳﺘﻔﺎده از دﺳﺘﻮر ‪ Compute‬ﺑﺘﻮاﻧﺪ ﺷﺎﺧﺺ ﺑﺴﺎزد‪.‬‬
‫‪ -3‬در ﻫﻨﮕﺎم ﺷﺎﺧﺺﺳﺎزي ﺑﺘﻮاﻧﺪ از ﻋﻤﻠﮕﺮﻫﺎ اﺳﺘﻔﺎده ﻛﻨﺪ‪.‬‬
‫‪ -4‬در ﻫﻨﮕﺎم ﺷﺎﺧﺺﺳﺎزي ﺑﻪ ﻣﺎﻫﻴﺖ و ﺳﻄﻮح ﺳﻨﺠﺶ ﻣﺘﻐﻴﺮﻫﺎ ﺗﻮﺟﻪ ﻛﻨﺪ‪.‬‬
‫‪ -5‬ﺑﺘﻮاﻧﺪ از ﻣﺘﻐﻴﺮﻫﺎي ﻧﺎﻫﻤﻮزن و ﻧﺎﻫﻢداﻣﻨﻪ ﺷﺎﺧﺺ ﺗﻬﻴﻪ ﻛﻨﺪ‪.‬‬
‫‪ -6‬ﻣﻔﻬﻮم ﻧﻤﺮه اﺳﺘﺎﻧﺪارد و ﻃﺮز ﺳﺎﺧﺘﻦ آﻧﻬﺎ را ﺑﺪاﻧﺪ‪.‬‬
‫‪ -7‬ﺑﺘﻮاﻧﺪ از ﻧﻤﺮات اﺳﺘﺎﻧﺪارد در ﺳﺎﺧﺘﻦ ﺷﺎﺧﺺ اﺳﺘﻔﺎده ﻛﻨﺪ‪.‬‬
‫‪ -8‬ﺑﺘﻮاﻧﺪ ﺻﺤﺖ و ﺳﻘﻢ ﻓﺮآﻳﻨﺪ ﺷﺎﺧﺺﺳﺎزي را ﺑﺮرﺳﻲ ﻛﻨﺪ‪.‬‬
 ‫‪  82‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -1‬ﻣﻘﺪﻣﻪ‬
‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ در درس ﻗﺒﻞ اﺷﺎره ﺷﺪ‪ ،‬ﺑﺴﻴﺎري از ﻣﻔﺎﻫﻴﻢ ﻋﻠﻮم اﻧﺴﺎﻧﻲ ﺑﻪ ﺳﺎدﮔﻲ ﻗﺪ‪ ،‬وزن‪،‬‬
‫ﺳﻦ‪ ،‬ﺟﻨﺴﻴﺖ ﻧﻴﺴﺘﻨﺪ ﻛﻪ ﺗﻨﻬﺎ ﺑﺎ ﻳﻚ ﺳﺆال ﺳﻨﺠﻴﺪه ﺷﻮﻧﺪ‪ ،‬ﺑﻠﻜﻪ ﭘﻴﭽﻴﺪﮔﻲ ﺑﺴﻴﺎري از آﻧﻬﺎ ﺑﻪ‬
‫اﻧﺪازهاي اﺳﺖ ﻛﻪ ﺑﺎﻳﺪ آﻧﻬﺎ را ﺑﺎ ﺑﻴﺶ از ﻳﻚ ﺳﺆال ﺳﻨﺠﻴﺪ‪ .‬ﻣﺤﻘﻘﺎن ﻣﻮﻇﻒ ﻫﺴﺘﻨﺪ ﺑﻌﺪ از‬
‫ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ و ﻛﺴﺐ اﻃﻤﻴﻨﺎن از دﻗﺖ ﻣﻘﻴﺎس و ﮔﻮﻳﻪﻫﺎي ﺗﺸﻜﻴﻞدﻫﻨﺪهي آن‪ ،‬ﮔﻮﻳﻪﻫﺎ را ﺑﺎ‬
‫ﻳﻜﺪﻳﮕﺮ ﺗﺮﻛﻴﺐ ﻛﺮده و ﺷﺎﺧﺺ‪ 1‬ﺑﺴﺎزﻧﺪ اﻳﻦ ﻓﺮاﻳﻨﺪ ﺗﺮﻛﻴﺐ ﮔﻮﻳﻪﻫﺎ را اﺻﻄﻼﺣﺎً ﺷﺎﺧﺺﺳﺎزي‬
‫ﻣﻲﻧﺎﻣﻨﺪ‪.‬‬
‫ﺑﺮاي ﻣﺜﺎل اﮔﺮ ﻣﺤﻘﻘﻲ ﻧﻤﺮات ﭘﺎﺳﺨﮕﻮﻳﺎن را در ﻣﻮرد ﻫﺮ ﻳﻚ از ﮔﻮﻳﻪﻫﺎي ﻣﻘﻴﺎس "روﺣﻴﻪ‬
‫ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان "ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﺟﻤﻊ ﻛﻨﺪ و ﻧﻤﺮهاي ﺑﺎ ﻋﻨﻮان ﻣﻴﺰان روﺣﻴﻪ ﻫﻤﻜﺎري ﺑﺴﺎزد‪،‬‬
‫ﻋﻤﻠﻲ را ﻛﻪ اﻧﺠﺎم داده اﺳﺖ‪ ،‬ﺷﺎﺧﺺﺳﺎزي ﻣﻲ ﻧﺎﻣﻴﻢ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (28‬ﺗﺠﺰﻳﻪ ﻣﺘﻐﻴﺮ ﻃﻲِ ﺗﻌﺮﻳﻒ ﻋﻤﻠﻴﺎﺗﻲ و ﺷﺎﺧﺺﺳﺎزي‬

‫ﺷﺎﺧﺺ ﻛﻤﻲ‬ ‫ﻣﻔﻬﻮم ذﻫﻨﻲ‬

‫روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان‬ ‫ﮔﻮﻳﻪﻫﺎ‬ ‫روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶ آﻣﻮزان‬

‫ﻫﻤﭽﻨﻴﻦ اﮔﺮ ﻗﺮار ﺑﺎﺷﺪ ﻣﻔﻬﻮم ﭘﺎﻳﮕﺎه اﺟﺘﻤﺎﻋﻲ ﺑﺎ ﻣﻌﺮفﻫﺎي ﺗﻌﺪاد ﺳﺎلﻫﺎي ﺗﺤﺼﻴﻞ‪،‬‬
‫ﻣﻴﺰان درآﻣﺪ ﻣﺎﻫﺎﻧﻪ‪ ،‬ﻧﻮع ﺷﻐﻞ و ﻫﻤﭽﻨﻴﻦ ﻋﻀﻮﻳﺖ در ﺗﺸﻜﻠﻬﺎي ﺳﻴﺎﺳﻲ‪ -‬اﺟﺘﻤﺎﻋﻲ ﺳﻨﺠﻴﺪه‬
‫ﺷﻮد‪ ،‬ﮔﻮﻳﻲ ﻣﻔﻬﻮم ﭘﺎﻳﮕﺎه ﺗﺠﺰﻳﻪ ﺷﺪه اﺳﺖ‪ .‬در ﻧﻬﺎﻳﺖ ﺑﺎﻳﺪ ﺑﺮ ﻣﺒﻨﺎي ﻗﺎﻋﺪهاي ﻣﻌﺮفﻫﺎي ﺗﻬﻴﻪ‬
‫ﺷﺪه را ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﺗﺮﻛﻴﺐ ﻛﺮد‪ .‬ﺣﺎﺻﻞ اﻳﻦ ﻓﺮآﻳﻨﺪ را ﺷﺎﺧﺺ ﻣﻲﻧﺎﻣﻨﺪ‪.‬‬
‫‪ -2‬ﺷﺎﺧﺺ‪ 2‬و ﺷﺎﺧﺺﺳﺎزي‬
‫ﺑﺎﻳﺪ ﺑﻪ ﺧﺎﻃﺮ داﺷﺘﻪ ﺑﺎﺷﻴﻢ ﻛﻪ ﺷﺎﺧﺺﺳﺎزي ﻳﻚ ﺗﺮﻛﻴﺐ ﻛﺮدن ﺳﺎده ﻳﺎ ﻓﻲاﻟﺒﺪاﻫﻪ ﻧﻴﺴﺖ‬
‫ﺑﻠﻜﻪ ﻃﺒﻖ ﻣﻨﻄﻖ ﺧﺎﺻﻲ اﻧﺠﺎم ﻣﻲ ﺷﻮد و ﻧﻴﺎز ﺑﻪ ﭘﺸﺘﻮاﻧﻪي ﻧﻈﺮي دارد‪ .‬ﻣﺜﻼً ﻧﺒﺎﻳﺪ ﺗﺼﻮر ﻛﺮد ﻛﻪ‬

‫‪1 - Index‬‬
‫‪ -2‬ﺷﺎﺧﺺ را ﻧﺒﺎﻳﺪ ﻣﺘﺮادف ﻣﻌﺮّف )‪ (Indicator‬ﺗﻠﻘﻲ ﻛﺮد‪ .‬ﺷﺎﺧﺺ از ﺗﺮﻛﻴﺐ ﻣﻌﺮّفﻫـﺎ ﺗﻬﻴـﻪ ﻣـﻲﺷـﻮد‪ .‬ﺑـﺮاي‬
‫اﻃﻼع ﺑﻴﺸﺘﺮ در اﻳﻦ زﻣﻴﻨﻪ ﺑﻪ ﻛﺘﺎب روشﻫﺎي ﺳﻨﺠﺶ رواﻳﻲ و ﭘﺎﻳﺎﻳﻲ )ﺣﻴﺪري ﭼﺮوده‪ (1389 ،‬ﻣﺮاﺟﻌﻪ ﻛﻨﻴﺪ‪.‬‬
‫درس ﺷﺸﻢ – ﺷﺎﺧﺺ ‪83 ‬‬

‫ﺷﺎﺧﺺ ﻫﻤﻴﺸﻪ از ﻣﻴﺎﻧﮕﻴﻦ ﻧﻤﺮات ﺳﺎﺧﺘﻪ ﻣﻲﺷﻮد‪ ،‬ﭼﻨﺎﻧﭽﻪ ﺑﺨﻮاﻫﻴﺪ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي ﺧﺎﻧﻮاده‬
‫را از ﻃﺮﻳﻖ درآﻣﺪ اﻋﻀﺎي ﺷﺎﻏﻞ در ﺧﺎﻧﻮاده ﺑﺴﻨﺠﻴﺪ‪ ،‬ﺑﺎﻳﺪ ﺑﻪ ﺟﺎي ﻣﻴﺎﻧﮕﻴﻦِ درآﻣﺪ اﻋﻀﺎي‬
‫ﺧﺎﻧﻮاده‪ ،‬ﻣﺠﻤﻮع درآﻣﺪ‪ ‬اﻋﻀﺎي ﺷﺎﻏﻞ ﺧﺎﻧﻮاده را ﻣﺤﺎﺳﺒﻪ ﻛﻨﺪ‪ .‬ﻳﺎ اﮔﺮ ﺑﺨﻮاﻫﻴﺪ ﺗﺎﺛﻴﺮ ﻣﻴﺰان ﺳﻮاد‬
‫زن و ﺷﻮﻫﺮ را ﺑﺮ ﻧﺎﺳﺎزﮔﺎري ﺑﻴﻦ آﻧﻬﺎ ﺑﺴﻨﺠﺪ‪ ،‬ﺑﺎﻳﺪ ﺑﻪ ﺟﺎي ﺳﺎﺧﺘﻦ ﺷﺎﺧﺼﻲ ﺑﺎ ﻋﻨﻮان ﻣﻴﺎﻧﮕﻴﻦِ‬
‫ﺗﺤﺼﻴﻼت زوﺟﻴﻦ‪ ،‬ﺷﺎﺧﺼﻲ ﺗﺤﺖ ﻋﻨﻮان ﻓﺎﺻﻠﻪي ﺗﺤﺼﻴﻼت زوﺟﻴﻦ ﺗﻬﻴﻪ ﻛﻨﻴﺪ‪ .‬از آﻧﺠﺎ ﻛﻪ‬
‫ﺷﺎﺧﺺﺳﺎزي ﻳﻜﻲ از ﻣﺮاﺣﻞ ﺑﺴﻴﺎر ﺣﺴﺎس در ﺗﺤﻘﻴﻖ اﺳﺖ‪ ،‬از اﻳﻦ رو ﺿﺮوري اﺳﺖ ﻛﻪ ﻗﺒﻞ‬
‫از ﺷﺎﺧﺺﺳﺎزي ﺑﻪ ﻣﻮارد زﻳﺮ ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ‪.‬‬
‫‪ ‬ﻣﺎﻫﻴﺖ ﻣﺘﻐﻴﺮﻫﺎ‪ :‬ﻳﻜﻲ از ﻧﻜﺎت ﻣﻬﻢ در اﺑﺘﺪاي ﺷﺎﺧﺺﺳﺎزي‪ ،‬ﺑﺮرﺳﻲ ﻣﺎﻫﻴﺖ ﻣﺘﻐﻴﺮﻫﺎﻳﻲ‬
‫اﺳﺖ ﻛﻪ ﻗﺮار اﺳﺖ ﻃﻲ ﻓﺮآﻳﻨﺪ ﺷﺎﺧﺺﺳﺎزي ﺑﺎ ﻫﻢ ﺗﺮﻛﻴﺐ ﺷﻮﻧﺪ‪ .‬در اﻳﻦ ﻣﺮﺣﻠﻪ ﺑﺎﻳﺪ اﻃﻤﻴﻨﺎن‬
‫ﻳﺎﻓﺖ ﻛﻪ ﻣﺘﻐﻴﺮﻫﺎ ﺑﻪ ﻟﺤﺎظ ﻧﻈﺮي و ﻣﺤﺘﻮاﻳﻲ ﻗﺎﺑﻠﻴﺖ ﺗﺮﻛﻴﺐ دارﻧﺪ ﺗﺎ ﺳﺮاﻧﺠﺎم ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪي ﻛﻪ‬
‫در ﻓﺮآﻳﻨﺪ ﺷﺎﺧﺺﺳﺎزي ﺳﺎﺧﺘﻪ ﻣﻲﺷﻮد‪ ،‬ﻣﻮﺟﻪ ﺑﺎﺷﺪ‪.‬‬
‫ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﻣﻲﺗﻮان از ﻣﺘﻐﻴﺮﻫﺎي "اﻣﻴﺪ ﺑﻪ زﻧﺪﮔﻲ زﻧﺎن و ﻣﺮدان در ﺟﻬﺎن"‪ ،‬ﻣﺮگوﻣﻴﺮ‬
‫ﻛﻮدﻛﺎن در ﺟﻬﺎن" و " ﻧﺴﺒﺖ ﻣﺒﺘﻼﻳﺎن ﺑﻪ اﻳﺪز در ﺟﻬﺎن"‪ ،‬ﺷﺎﺧﺼﻲ ﺑﻪ ﻋﻨﻮان "ﺳﻄﺢ ﺑﻬﺪاﺷﺖ‬
‫ﻛﺸﻮرﻫﺎ " ﺳﺎﺧﺖ‪ .‬ﻫﻤﺎنﻃﻮر ﻛﻪ ﻣﻲﺑﻴﻨﻴﺪ ﻣﺘﻐﻴﺮ ﻧﺨﺴﺖ‪ ،‬ﻣﺎﻫﻴﺘﺎً ﻣﺜﺒﺖ اﺳﺖ و ﺑﺎﻻ ﺑﻮدن آﻧﻬﺎ‬
‫ﻧﺸﺎﻧﻪي وﺿﻌﻴﺖ ﻣﻨﺎﺳﺐ ﺳﻄﺢ ﺑﻬﺪاﺷﺖ اﺳﺖ‪ ،‬اﻣﺎ در ﻣﺘﻐﻴﺮﻫﺎي دوم و ﺳﻮم‪ ،‬ﭘﺎﻳﻴﻦ ﺑﻮدن‬
‫ﻣﻴﺰانﻫﺎي ﻣﺮگوﻣﻴﺮ ﻛﻮدﻛﺎن و اﺑﺘﻼ ﺑﻪ اﻳﺪز‪ ،‬ﻣﻄﻠﻮب ﺑﻮده و ﻧﺸﺎﻧﻪ وﺿﻌﻴﺖ ﻣﻨﺎﺳﺐ ﺳﻄﺢ‬
‫ﺑﻬﺪاﺷﺖ اﺳﺖ‪ .‬ﻟﺬا ﺑﺎﻳﺪ ﺑﺮاي ﺗﺮﻛﻴﺐ اﻳﻦ ﺳﻪ ﻣﺘﻐﻴﺮ و ﺳﺎﺧﺘﻦ ﺷﺎﺧﺺ "ﺳﻄﺢ ﺑﻬﺪاﺷﺖ‬
‫ﻛﺸﻮرﻫﺎ" آﻧﻬﺎ را ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﻫﻤﺎﻫﻨﮓ و ﻫﻢ ﺟﻬﺖ ﻛﺮد‪.‬‬
‫‪ ‬ﺳﻄﺢ ﺳﻨﺠﺶ‪ :‬ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﻛﻪ ﻗﺮار اﺳﺖ از ﺗﺮﻛﻴﺐ آﻧﻬﺎ ﻳﻚ ﺷﺎﺧﺺ واﺣﺪ ﺗﻬﻴﻪ ﺷﻮد‪،‬‬
‫ﺑﺎﻳﺪ ﺳﻄﻮح ﺳﻨﺠﺶ ﻳﻜﺴﺎﻧﻲ ﻫﻢ داﺷﺘﻪ ﺑﺎﺷﻨﺪ‪ .‬ﻳﻌﻨﻲ ﻧﻤﻲﺗﻮان ﻳﻚ ﻣﺘﻐﻴﺮ ﺳﻄﺢ اﺳﻤﻲ را ﺑﺎ ﻳﻚ‬
‫ﻣﺘﻐﻴﺮ رﺗﺒﻪاي و ﻳﻚ ﻣﺘﻐﻴﺮ ﻓﺎﺻﻠﻪاي ﺗﺮﻛﻴﺐ ﻛﺮد‪ .‬ﻣﺜﻼً ﺑﺮاي ﺳﺎﺧﺘﻦ ﭘﺎﻳﮕﺎه اﺟﺘﻤﺎﻋﻲ اﻗﺘﺼﺎدي‬
‫داﻧﺸﺠﻮﻳﺎن‪ ،‬ﻣﻴﺰان ﭘﻮل ﺗﻮﺟﻴﺒﻲ روزاﻧﻪي آﻧﺎن را ﺑﻪ ﻋﻨﻮان ﻳﻚ ﻣﺘﻐﻴﺮ ﻓﺎﺻﻠﻪاي‪ ،‬ﺑﺎ ﻧﻮع وﺳﻴﻠﻪي‬
‫ﻧﻘﻠﻴﻪ ﻣﻮرد اﺳﺘﻔﺎدهي آﻧﻬﺎ در ﺳﻄﺢ ﺷﻬﺮ )ﺷﺨﺼﻲ‪ ،‬ﺗﺎﻛﺴﻲ‪ ،‬اﺗﻮﺑﻮس و ‪ ( ...‬و داﻧﺸﮕﺎه ﻣﺤﻞ‬
‫ﺗﺤﺼﻴﻞﺷﺎن )دوﻟﺘﻲ‪ ،‬آزاد‪ ،‬ﭘﻴﺎم ﻧﻮر و ﻋﻠﻤﻲ ﻛﺎرﺑﺮدي(‪ ،‬ﻧﻤﻲﺗﻮان ﺑﻪ ﺳﺎدﮔﻲ ﺑﺎ ﻫﻢ ﺗﺮﻛﻴﺐ ﻧﻤﻮد و‬
‫ادﻋﺎ ﻛﺮد ﻛﻪ ﭘﺎﻳﮕﺎه اﺟﺘﻤﺎﻋﻲ اﻗﺘﺼﺎدي داﻧﺸﺠﻮﻳﺎن ﺳﺎﺧﺘﻪ ﺷﺪه اﺳﺖ‪ .‬ﺑﻪ ﻋﺒﺎرت دﻳﮕﺮ ﻣﺤﻘﻖ ﻗﺒﻞ‬
‫از ﺳﺎﺧﺘﻦ ﺷﺎﺧﺺ و ﺣﺘﻲ ﺑﻪ ﻫﻨﮕﺎم ﻃﺮاﺣﻲ ﺳﺆاﻻت ﺑﺮاي ﺳﻨﺠﺶ ﻳﻚ ﻣﻔﻬﻮم‪ ،‬ﺑﺎﻳﺪ ﺑﺮ ﻧﺤﻮه‬
‫ﺷﺎﺧﺺﺳﺎزي ﻣﻔﻬﻮم ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬
‫‪ ‬داﻣﻨﻪ ﺗﻐﻴﻴﺮات‪ :‬ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﻛﻪ ﻗﺼﺪ دارﻳﺪ ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﺗﺮﻛﻴﺐ ﻛﻨﻴﺪ ﺑﺎﻳﺪ داﻣﻨﻪي ﺗﻐﻴﻴﺮات‬
‫ﻳﻜﺴﺎﻧﻲ داﺷﺘﻪ ﺑﺎﺷﻨﺪ‪ .‬ﺑﺮاي ﻣﺜﺎل ﺑﺮاي ﺳﺎﺧﺘﻦ ﺷﺎﺧﺺ ﺗﻮاﻧﺎﻳﻲ ﻋﻠﻤﻲ داﻧﺸﺠﻮﻳﺎن ﻧﻤﻲﺗﻮان‬
‫ﻧﻤﺮات ﻣﺮﺑﻮط ﺑﻪ درس زﺑﺎن را ﻛﻪ ﺑﻪ ﺻﻮرت درﺻﺪي اﻧﺪازهﮔﻴﺮي ﺷﺪه اﺳﺖ ﺑﺎ ﻧﻤﺮهي آﻣﺎر ﻛﻪ‬
‫از ﺻﻔﺮ ﺗﺎ ﺑﻴﺴﺖ اﺳﺖ و ﻧﻤﺮه ‪ SPSS‬ﻛﻪ از ﺻﻔﺮ ﺗﺎ ده اﺳﺖ‪ ،‬ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﺗﺮﻛﻴﺐ ﻛﺮد‪ ،‬ﻳﺎ ﺑﺮاي‬
‫ﺳﺎﺧﺘﻦ ﺷﺎﺧﺺ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي ﻧﻤﻲﺗﻮان درآﻣﺪ را ﻛﻪ داراي داﻣﻨﻪاي از ﺻﺪ ﻫﺰار ﺗﺎ دو‬
 ‫‪  84‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﻣﻴﻠﻴﻮن ﺗﻮﻣﺎن اﺳﺖ ﺑﺎ ﺑﻬﺮهﻣﻨﺪي از اﻣﻜﺎﻧﺎت زﻧﺪﮔﻲ ﻛﻪ در داﻣﻨﻪاي ﺑﻴﻦ ﺻﻔﺮ ﺗﺎ ‪ 15‬ﻗﺮار دارد‪ ،‬ﺑﺎ‬
‫ﻫﻢ ﺗﺮﻛﻴﺐ ﻛﺮد‪ .‬در ﭼﻨﻴﻦ ﻣﻮاردي ﺑﺎﻳﺪ ﺑﺎ ﺗﻘﻠﻴﻞ ﺳﻄﺢ ﺳﻨﺠﺶ‪) 1‬از ﻃﺮﻳﻖ دﺳﺘﻮر )‪((Recode‬‬
‫ﻣﺘﻐﻴﺮﻫﺎ ﻳﺎ در ﺻﻮرت اﻣﻜﺎن ﺑﺎ ﺳﺎﺧﺘﻦ ﻧﻤﺮات اﺳﺘﺎﻧﺪارد ‪ 2Z‬ﻳﺎ ‪ ،3T‬ﻣﺘﻐﻴﺮﻫﺎ را ﻫﻢ ﺳﻄﺢ ﻛﺮده‪،‬‬
‫ﺳﭙﺲ ﺑﺎ ﻫﻢ ﺗﺮﻛﻴﺐ ﻛﺮد‪.‬‬
‫‪ -3‬روش ﺷﺎﺧﺺﺳﺎزي از ﻣﺘﻐﻴﺮﻫﺎي ﻧﺎﻫﻢ داﻣﻨﻪ‬
‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ اﺷﺎره ﮔﺮدﻳﺪ‪ ،‬اﮔﺮ ﻋﻨﺎﺻﺮ ﺗﺸﻜﻴﻞدﻫﻨﺪهي ﺷﺎﺧﺺ ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﻫﻢ داﻣﻨﻪ ﻧﺒﺎﺷﻨﺪ‪،‬‬
‫ﺑﻬﺘﺮ اﺳﺖ ﺑﺮاي ﻫﺮ ﻳﻚ از ﻣﺘﻐﻴﺮﻫﺎي ﺗﺸﻜﻴﻞدﻫﻨﺪهي ﺷﺎﺧﺺ‪ ،‬ﻳﻚ ﻧﻤﺮه اﺳﺘﺎﻧﺪارد )‪ (Z‬ﺗﻬﻴﻪ‬
‫ﻛﻨﻴﺪ‪ ،‬ﺳﭙﺲ ﺑﺮاي ﺷﺎﺧﺺﺳﺎزي ﺑﺎ اﺳﺘﻔﺎده از ﻣﺘﻐﻴﺮﻫﺎي اﺳﺘﺎﻧﺪارد ﺷﺪه‪ ،‬اﻗﺪام ﻻزم را اﻧﺠﺎم‬
‫دﻫﻴﺪ‪ .‬ﺑﺮاي اﻳﻦ ﻛﺎر ﺑﺎﻳﺪ ﻣﻄﺎﺑﻖ ﺗﺼﻮﻳﺮ زﻳﺮ ﻋﻤﻞ ﻛﻨﻴﺪ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (29‬ﺷﻴﻮه اﺳﺘﺎﻧﺪارد ﺳﺎزي ﻣﺘﻐﻴﺮ)ﺗﻬﻴﻪ ﻧﻤﺮه ‪(Z‬‬

‫‪1‬‬ ‫‪2‬‬
‫‪3‬‬

‫‪.4‬ﻣﺘﻐﻴﺮﻫﺎﻳﻲ را ﻛﻪ ﻣﻲ ﺧﻮاﻫﻴﺪ از آﻧﻬﺎ ﻧﻤﺮه‪ z‬ﺗﻬﻴﻪ ﻛﻨﻴﺪ ﺑﻪ‬

‫ﻛﺎدر ﺳﻤﺖ راﺳﺖ ﻣﻨﺘﻘﻞ ﻣﻲ ﻛﻨﻴﺪ‪.‬‬

‫‪.4‬ﺑﺎ ﻋﻼﻣﺖ زدن اﻳﻦ ﻗﺴﻤﺖ ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎي ﻣﻨﺘﻘﻞ ﺷﺪه در ﻛـﺎدر روﺑـﺮو‬
‫ﻧﻤﺮه اﺳﺘﺎﻧﺪارد ﺗﻬﻴﻪ ﻣﻲ ﺷﻮد‬

‫‪ -1‬اﻳﻦ روش ﺑﻪ دﻟﻴﻞ اﻳﻨﻜﻪ ﻗﺪرت ﺗﻤﻴﺰ ﻣﺘﻐﻴﺮﻫﺎ را ﻛﺎﻫﺶ ﻣﻲدﻫﺪ در ﺷﺮاﻳﻄﻲ ﻛﻪ اﻣﻜﺎن ﺳﺎﺧﺘﻦ ﻣﺘﻐﻴﺮﻫﺎي‬
‫اﺳﺘﺎﻧﺪارد )‪ (Z‬وﺟﻮد دارد‪ ،‬ﺗﻮﺻﻴﻪ ﻧﻤﻲﺷﻮد‪ .‬ﺑﺎ اﺳﺘﺎﻧﺪارد ﺳﺎزي اﻛﺜﺮﻳﺖ ﻗﺮﻳﺐ ﺑﻪ اﺗﻔﺎق اﻋﻀﺎي ﻧﻤﻮﻧﻪي در داﻣﻨﻪ‬
‫ﺧﺎﺻﻲ )ﻣﺜﻼً در ﻧﻤﺮه ‪ z‬ﺑﻴﻦ ‪ -3‬و ‪ (+3‬ﻗﺮار ﻣﻲﮔﻴﺮﻧﺪ‪ .‬ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ اﺳﺘﺎﻧﺪارد ﺳﺎزي‪ ،‬وﺿﻌﻴﺖ "ﺗﻮزﻳﻊ"‬
‫ﻣﺘﻐﻴﺮ را ﺗﻐﻴﻴﺮ ﻧﻤﻲدﻫﺪ )ﻧﺮﻣﺎل ﻧﻤﻲﻛﻨﺪ(‬
‫‪xi  x‬‬
‫‪2- z ‬‬
‫‪s‬‬
‫‪3- T  10 z  50‬‬
‫درس ﺷﺸﻢ – ﺷﺎﺧﺺ ‪85 ‬‬

‫اﮔﺮ ﻣﺤﻘﻘﻲ ﺑﺨﻮاﻫﺪ از ﺗﺮﻛﻴﺐ ﺳﻪ ﻣﺘﻐﻴﺮ "درﺻﺪ ﺑﺎﺳﻮادان زن"‪" ،‬ﻧﺮخ ﺑﺎروري" و "اﻣﻴﺪ ﺑﻪ‬
‫زﻧﺪﮔﻲ زﻧﺎن"‪ ،‬ﺷﺎﺧﺺ "ﻣﻴﺰان ﺗﻮﺳﻌﻪ ﻳﺎﻓﺘﮕﻲ وﺿﻌﻴﺖ زﻧﺎن" را ﺑﺴﺎزد‪ .‬ﭼﻮن اﻳﻦ ﻣﺘﻐﻴﺮﻫﺎ ﺑﺎ‬
‫ﻳﻜﺪﻳﮕﺮ ﻫﻢ داﻣﻨﻪ ﻧﻴﺴﺘﻨﺪ‪ ،‬ﺑﺎﻳﺪ از اﻳﻦ ﺳﻪ ﻣﺘﻐﻴﺮ‪ ،‬ﻧﻤﺮهي اﺳﺘﺎﻧﺪارد ‪ Z‬ﺗﻬﻴﻪ ﻛﻨﺪ ﻛﻪ ﭼﮕﻮﻧﮕﻲ‬
‫ﺗﻬﻴﻪي آنﻫﺎ در ﺗﺼﻮﻳﺮ ﻗﺒﻞ ﻧﺸﺎن داده ﺷﺪ‪.‬‬
‫ﻫﻤﺎنﮔﻮﻧﻪ ﻛﻪ در ﺗﺼﺎوﻳﺮ زﻳﺮ ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪ ،‬ﺑﺎ اﺟﺮاي اﻳﻦ دﺳﺘﻮر در آﺧﺮﻳﻦ ردﻳﻒ‬
‫ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ )‪ (variable view‬و ﻫﻤﭽﻨﻴﻦ در آﺧﺮﻳﻦ ﺳﺘﻮن ﻛﺎرﺑﺮگ دادهﻫﺎ ) ‪Data‬‬
‫‪ ، (view‬ﻣﺘﻐﻴﺮﻫﺎي اﺳﺘﺎﻧﺪارد ﺷﺪه ﺑﺎ ﻋﻼﻣﺖ ‪ Z‬ﺑﻪ ﻣﺠﻤﻮﻋﻪ ﻣﺘﻐﻴﺮﻫﺎ اﺿﺎﻓﻪ ﺷﺪه اﺳﺖ‪.‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (30‬ﻧﻤﺮه اﺳﺘﺎﻧﺪارد ‪ Z‬در ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ )‪(variable view‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (31‬ﻧﻤﺮه اﺳﺘﺎﻧﺪارد ‪ Z‬در ﻛﺎرﺑﺮگ دادهﻫﺎ )‪(Data view‬‬

‫ﻫﻤﭽﻨﻴﻦ ﺑﺎ اﺟﺮاي اﻳﻦ دﺳﺘﻮر‪ ،‬اﻳﻦ ﺧﺮوﺟﻲ زﻳﺮ اراﺋﻪ ﺧﻮاﻫﺪ ﺷﺪ ﻛﻪ آﻣﺎرهﻫﺎي ﺗﻮﺻﻴﻔﻲ ﻫﺮ‬
‫ﻳﻚ از ﻣﺘﻐﻴﺮﻫﺎي ﺗﺸﻜﻴﻞدﻫﻨﺪهي ﺷﺎﺧﺺ "ﻣﻴﺰان ﺗﻮﺳﻌﻪ ﻳﺎﻓﺘﮕﻲ" را ﻧﺸﺎن ﻣﻲدﻫﺪ‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪(16‬ﺗﻮﺻﻴﻒ ﺷﺎﺧﺺ"ﻣﻴﺰان ﺗﻮﺳﻌﻪ ﻳﺎﻓﺘﮕﻲ"‬
‫‪Descriptive Statistics‬‬

‫‪N‬‬ ‫‪Minimum‬‬ ‫‪Maximum‬‬ ‫‪Mean‬‬ ‫‪Std. Deviation‬‬

‫درﺻﺪ ﺑﺎﺳﻮادان‬ ‫‪107‬‬ ‫‪18‬‬ ‫‪100‬‬ ‫‪78.34‬‬ ‫‪22.883‬‬
‫اﻣﻴﺪ ﺑﻪ زﻧﺪﮔﻲ زﻧﺎن‬ ‫‪109‬‬ ‫‪43‬‬ ‫‪82‬‬ ‫‪70.16‬‬ ‫‪10.572‬‬
‫ﻧﺮخ ﺑﺎروري‬ ‫‪107‬‬ ‫‪1.3‬‬ ‫‪8.2‬‬ ‫‪3.563‬‬ ‫‪1.9025‬‬
‫)‪Valid N (listwise‬‬ ‫‪105‬‬

‫ﺑﺮاي ﺳﺎﺧﺘﻦ ﺷﺎﺧﺺ از ﻣﺘﻐﻴﺮﻫﺎي ﻧﺎﻫﻢداﻣﻨﻪ ﺑﻪ اداﻣﻪ درس ﺗﻮﺟﻪ ﻛﻨﻴﺪ‪.‬‬

 ‫‪  86‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -4‬ﺷﺎﺧﺺﺳﺎزي ﺑﺎ اﺳﺘﻔﺎده از دﺳﺘﻮر ‪Compute‬‬

‫راﻳﺞﺗﺮﻳﻦ اﺑﺰار ﺑﺮاي ﺷﺎﺧﺺﺳﺎزي در ‪ SPSS‬اﺳﺘﻔﺎده از دﺳﺘﻮر ‪ Compute‬از ﻃﺮﻳﻖ‬
‫ﻣﻨﻮي ‪ Transform‬اﺳﺖ‪ .‬ﻣﺜﺎل درس ﻗﺒﻞ را ﺑﺨﺎﻃﺮ ﺑﻴﺎورﻳﺪ ﻛﻪ ﻣﺤﻘﻘﻲ ﺑﻪ ﻣﻨﻈﻮر ﺳﻨﺠﺶ‬
‫روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان‪ ،‬ﻣﻘﻴﺎﺳﻲ ﻣﺮﻛّﺐ از ‪ 15‬ﮔﻮﻳﻪ را ﻃﺮاﺣﻲ ﻛﺮد‪ .‬از آﻧﺠﺎ ﮔﻮﻳﻪي‬
‫ﺷﻤﺎرهي ‪ ،5‬در ﻓﺮآﻳﻨﺪ ﺳﻨﺠﺶ ﭘﺎﻳﺎﻳﻲ ﻧﺎﻣﻨﺎﺳﺐ ﺗﺸﺨﻴﺺ داده ﺷﺪ‪ ،‬ﻟﺬا ﺑﺮاي ﺳﺎﺧﺘﻦ ﺷﺎﺧﺺ‬
‫ﻛﻤ‪‬ﻲ روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان‪ ،‬ﺑﺎﻳﺪ ﺗﻤﺎﻣﻲ ﮔﻮﻳﻪﻫﺎ ﺑﻪ ﻏﻴﺮ از ﮔﻮﻳﻪ ‪ 5‬را ﻣﺪ ﻧﻈﺮ داﺷﺖ ﺑﺎﺷﺪ‬
‫و ﺑﺮاي ﺗﻬﻴﻪي ﺷﺎﺧﺺ‪ ،‬آﻧﻬﺎ را ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﺗﺮﻛﻴﺐ ﻛﻨﺪ‪.‬‬
‫ﺑﺮاي اﺟﺮاي اﻳﻦ دﺳﺘﻮر ﺑﺎﻳﺪ ﺑﻪ ﺗﺮﺗﻴﺐ ﻣﻨﺪرج در ﺗﺼﻮﻳﺮ ﻋﻤﻞ ﺷﻮد‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (32‬ﺷﻴﻮه اﺟﺮاي دﺳﺘﻮر ‪ Compute‬ﺑﺮاي ﺷﺎﺧﺺﺳﺎزي )ﻣﺮﺣﻠﻪ‪(1‬‬

‫‪ .4‬ﻣﺘﻐﻴﺮﻫﺎي ﺗﺸﻜﻴﻞ دﻫﻨﺪه ﺷﺎﺧﺺ را اﻳﻦ ﻛﺎدر ﻣﻨﺘﻘﻞ ﻣـﻲ‬

‫ﻛﻨﻴﻢ‪.‬‬

‫‪1‬‬
‫‪2‬‬
‫‪ .3‬ﻧﺎم ﺷﺎﺧﺺ را در اﻳﻦ ﻗﺴﻤﺖ ﻣﻲ ﻧﻮﻳﺴﻴﻢ‬

‫‪.5‬ﺑﺮاي ﺷﺎﺧﺺ ﺳﺎزي ﻣﻲ ﺗﻮاﻧﻴﻢ ﻣﺘﻨﺎﺳﺐ ﺑﺎ ﻫﺪف ﺧﻮد‪ ،‬از ﻋﻤﻠﮕﺮﻫﺎي ﻣﻴﺎﻧﮕﻴﻦ‪،‬‬
‫ﻣﻴﺎﻧﻪ‪ ،‬اﻧﺤﺮاف ﻣﻌﻴﺎر‪ ،‬ﻣﺠﻤﻮع‪ ،‬وارﻳﺎﻧﺲ ﻳﺎ ‪ ...‬اﺳﺘﻔﺎده ﻛﻨﻴﻢ‪ .‬اﻳﻦ ﻋﻤﻠﮕﺮﻫﺎ را ﭘﺲ از‬
‫ﻛﻠﻴﻚ روي ﻓﻠﺶ ﺳﻤﺖ ﭼﭗ ﺑﻪ ﻛﺎدر ‪ Numeric Expression‬ﻣﻨﺘﻘﻞ ﻣﻲ ﻛﻨﻴﻢ‬

‫در ﺷﺎﺧﺺﺳﺎزي ﺑﻪ ﺷﻴﻮهي اﺑﺘﺪاﻳﻲ ﺑﺴﻴﺎري از اﻓﺮاد ﻋﻨﻮان ﻣﺘﻐﻴﺮﻫﺎ را در ﻛﺎدر‬

‫‪ Numeric Expression‬ﻧﻮﺷﺘﻪ و ﺑﻪ ﺗﻨﺎﺳﺐ ﻗﺎﻋﺪهي ﺷﺎﺧﺺﺳﺎزي‪ ،‬ﻋﻤﻠﻴﺎت ﺟﺒﺮي ﻣﺮﺑﻮط‬
‫را در آن ﺟﺎ ﻣﻲ ﻧﻮﻳﺴﻨﺪ‪ .‬ﻣﺜﻼً ﺑﺮاي ﻣﻴﺎﻧﮕﻴﻦ ﮔﺮﻓﺘﻦ از ﭘﻨﺞ ﻣﺘﻐﻴﺮ ‪ q1‬ﺗﺎ ‪ q5‬ﺑﻪ اﻳﻦ ﺷﻜﻞ ﻋﻤﻞ‬
‫ﻣﻲﻛﻨﻨﺪ‪(q1+q2+q3+q4+q5/ 5) :‬‬
‫اﻣﺎ در اﻳﻦ ﺷﻜﻞ از ﺷﺎﺧﺺﺳﺎزي‪ ،‬ﻧﻤﺮهي ﺷﺎﺧﺺ ﺗﻨﻬﺎ ﺑﺮاي آن دﺳﺘﻪ از اﻋﻀﺎي ﻧﻤﻮﻧﻪ‬
‫ﻣﺤﺎﺳﺒﻪ ﻣﻲﺷﻮد ﻛﻪ ﺑﻪ ﺗﻤﺎم ﺳﺆاﻻت ﻣﺮﺑﻮط ﺑﻪ ﻣﺘﻐﻴﺮﻫﺎي ‪ q1‬ﺗﺎ ‪ q5‬ﭘﺎﺳﺦ داده ﺑﺎﺷﻨﺪ‪ ،‬ﻟﺬا آن‬
‫دﺳﺘﻪ از ﭘﺎﺳﺨﮕﻮﻳﺎﻧﻲ ﻛﻪ ﺑﻪ ﻳﻚ ﻳﺎ ﭼﻨﺪ ﻣﻮرد از ﺳﺆاﻻت ﻣﺮﺑﻮﻃﻪ ﭘﺎﺳﺦ ﻧﺪادهاﻧﺪ از ﻓﺮآﻳﻨﺪ‬
‫ﺷﺎﺧﺺﺳﺎزي ﺣﺬف ﻣﻲﺷﻮﻧﺪ و در ﻧﺘﻴﺠﻪ ﺑﺮاي اﻳﻦ دﺳﺘﻪ از ﭘﺎﺳﺨﮕﻮﻳﺎن ﺑﻪ ﺟﺎي ﻧﻤﺮه ﺷﺎﺧﺺ‪،‬‬
‫در ﻓﺎﻳﻞ دادهﻫﺎ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ )‪ (system missing‬ﻣﻨﻈﻮر ﻣﻲﺷﻮد‪.‬‬
‫درس ﺷﺸﻢ – ﺷﺎﺧﺺ ‪87 ‬‬

‫اﻣﺎ ﺑﺎ اﺳﺘﻔﺎده از ﻛﺎدرﻫﺎي ‪ Function Group‬و ‪Functions and Special‬‬

‫‪ Variables‬ﻣﻲﺗﻮان اﻳﻦ ﻣﺸﻜﻞ را ﺣﻞ ﻛﺮد‪ .‬ﺑﻪ اﻳﻦ ﺗﺮﺗﻴﺐ ﻛﻪ اﮔﺮ ﭘﺎﺳﺨﮕﻮﻳﻲ ﺑﻪ ‪ 3‬ﺳﺆال از ‪5‬‬
‫ﺳﺆال ﭘﺎﺳﺦ داده ﺑﺎﺷﺪ‪ ،‬ﺑﺮاي ﻣﺤﺎﺳﺒﻪي ﻣﻴﺎﻧﮕﻴﻦ‪ ،‬ﺟﻤﻊ ﻧﻤﺮات او ﺗﻘﺴﻴﻢ ﺑﺮ ‪ 3‬ﻣﻲﺷﻮد و اﮔﺮ‬
‫ﻛﺴﻲ ﻓﻘﻂ ﺑﻪ دو ﺳﺆال ﺟﻮاب داده ﺑﺎﺷﺪ‪ ،‬ﻣﺠﻤﻮع ﻧﻤﺮات او ﺑﺮ ﻋﺪد ‪ 2‬ﺗﻘﺴﻴﻢ ﺧﻮاﻫﺪ ﺷﺪ‪ .‬ﺑﻪ اﻳﻦ‬
‫ﺗﺮﺗﻴﺐ ﻫﻤﻪي اﻓﺮاد ﻧﻤﻮﻧﻪ‪ ،‬ﻧﻤﺮهاي در ﺷﺎﺧﺺ ﺧﻮاﻫﻨﺪ داﺷﺖ ﻣﮕﺮ ﻛﺴﺎﻧﻲ ﻛﻪ ﺑﻪ ﻫﻴﭻ ﺳﺆاﻟﻲ‬
‫ﺟﻮاب ﻧﺪاده ﺑﺎﺷﻨﺪ‪.‬‬
‫در ﻣﺜﺎل ﻣﺮﺑﻮط ﺑﻪ ﻣﻘﻴﺎس "روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان"‪ ،‬ﭼﻨﺎﻧﭽﻪ ﻣﺤﻘﻖ ﺑﺨﻮاﻫﺪ اﻳﻦ‬
‫ﺷﺎﺧﺺ را از ﻃﺮﻳﻖ ﻣﻴﺎﻧﮕﻴﻦ ﮔﻮﻳﻪﻫﺎي ﻣﻘﻴﺎس ﻣﺤﺎﺳﺒﻪ ﻛﻨﺪ‪ ،‬ﻃﺒﻖ راﻫﻨﻤﺎي زﻳﺮ ﺑﺎﻳﺪ ﻋﻤﻞ ﻛﻨﺪ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (33‬ﺷﻴﻮه اﺟﺮاي دﺳﺘﻮر‪ Compute‬ﺑﺮاي ﺳﺎﺧﺘﻦ ﺷﺎﺧﺺ )ﻣﺮﺣﻠﻪ ‪(2‬‬

‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲ ﺷﻮد‪ ،‬ﮔﻮﻳﻪ ﺷﻤﺎره ‪ 5‬از ﻓﺮآﻳﻨﺪ ﺷﺎﺧﺺ ﺳﺎزي ﺣﺬف ﺷﺪه اﺳﺖ‬

‫اﺟﺰاي ﺷﺎﺧﺺ را ﺑﻪ اﻳﻦ ﻛﺎدر ﻣﻨﺘﻘﻞ ﻛﺮده و در داﺧﻞ ﭘﺮاﻧﺘﺰ وارد‬

‫ﻛﻨﻴﺪ و دﻗﺖ ﻛﻨﻴﺪ ﻛﻪ وﻳﺮﮔﻮل ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎ ﻓﺮاﻣﻮش ﻧﺸﻮد‪.‬‬

‫ﺳﭙﺲ ﺑﺎ ﻛﻠﻴﻚ ﺑﺮ روي ‪ Ok‬ﺷﺎﺧﺺ ﻣﺰﺑﻮر ﺑﻪ ﻋﻨﻮان ﻳﻚ ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ در آﺧﺮﻳﻦ ﺳﺘﻮن‬
‫ﻛﺎرﺑﺮگ دادهﻫﺎ و ﻧﻴﺰ در آﺧﺮﻳﻦ‬
‫ﺳﻄﺮ ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ ﻧﻈﻴﺮ ﺷﻜﻠﻲ ﻛﻪ در ﺗﺼﻮﻳﺮ زﻳﺮ ﻣﻲﺑﻴﻨﻴﺪ‪ ،‬اﺿﺎﻓﻪ ﺧﻮاﻫﺪ ﺷﺪ‪ .‬ﺑﻪ‬
‫ﺗﺼﺎوﻳﺮ ﺑﻌﺪ دﻗﺖ ﻛﻨﻴﺪ‪.‬‬
 ‫‪  88‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (34‬ﺷﺎﺧﺺ ﺟﺪﻳﺪ ﺳﺎﺧﺘﻪ ﺷﺪه در ﻛﺎرﺑﺮگ ﻣﺘﻐﻴﺮﻫﺎ )‪(variable view‬‬

‫ﺷﺎﺧﺺ ﺳﺎﺧﺘﻪ ﺷﺪه‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (35‬ﺷﺎﺧﺺ ﺟﺪﻳﺪ ﺳﺎﺧﺘﻪ ﺷﺪه در ﻛﺎرﺑﺮگ دادهﻫﺎ )‪(Data view‬‬

‫ﺷﺎﺧﺺ ﺳﺎﺧﺘﻪ ﺷﺪه‬

‫ﺳﭙﺲ ﺑﺮاي اﻃﻤﻴﻨﺎن از ﺻﺤﺖ و ﺳﻘﻢ ﺷﺎﺧﺺ ﺗﻬﻴﻪ ﺷﺪه‪ ،‬ﻳﻚ ﺟﺪول ﻓﺮاواﻧﻲ از آن ﺗﻬﻴﻪ‬
‫ﻛﺮده و ﻣﻘﺎدﻳﺮ ﻣﺤﺎﺳﺒﻪ ﺷﺪه را ﺑﺎﻳﺪ ﺑﺮرﺳﻲ ﻛﺮد ﺗﺎ ﺧﻄﺎﻳﻲ در آن وﺟﻮد ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬
‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد اوﻟﻴﻦ ﺧﺮوﺟﻲ ﻧﺸﺎن ﻣﻲدﻫﺪ ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ "روﺣﻴﻪ‬
‫ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان" ﺑﺮاي ﺗﻤﺎﻣﻲ اﻋﻀﺎي ﻧﻤﻮﻧﻪ ﻣﺤﺎﺳﺒﻪ ﺷﺪه اﺳﺖ‪ .‬ﺣﺎل آﻧﻜﻪ ﻃﺒﻖ اوﻟﻴﻦ‬
‫ﺧﺮوﺟﻲ آﻟﻔﺎي ﻛﺮاﻧﺒﺎخ در درس ﻗﺒﻞ ﺗﻨﻬﺎ ﺑﺮاي ‪ 1109‬ﻧﻔﺮ از ﭘﺎﺳﺨﮕﻮﻳﺎﻧﻲ ﻛﻪ ﺑﻪ ﺗﻤﺎﻣﻲ ﺳﺆاﻻت‬
‫ﭘﺎﺳﺦ داده ﺑﻮدﻧﺪ‪ ،‬ﻣﺤﺎﺳﺒﻪ ﺷﺪه ﺑﻮد‪ .‬ﺗﻔﺎوت ﻣﺰﺑﻮر‪ ،‬ﺣﺎﺻﻞ اﺳﺘﻔﺎده از ﻋﻤﻠﮕﺮﻫﺎي ﻣﺤﺎﺳﺒﺎﺗﻲ ﻛﺎدر‬
‫‪ Function Group‬اﺳﺖ ﻛﻪ ﺗﻮﺿﻴﺤﺎت آن در ﺻﻔﺤﺎت ﭘﻴﺸﻴﻦ آﻣﺪ‪ .‬ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﮔﻔﺘﻪ ﺷﺪ‬
‫اﺳﺘﻔﺎده از اﻳﻦ ﻋﻤﻠﮕﺮﻫﺎي ﻣﺤﺎﺳﺒﺎﺗﻲ ﺑﺎﻋﺚ ﻣﻲ ﺷﻮد ﺣﺘﻲ اﮔﺮ ﭘﺎﺳﺨﮕﻮﻳﻲ ﻓﻘﻂ ﺑﻪ ﻳﻚ ﺳﺆال‬
‫ﺟﻮاب داده ﺑﺎﺷﺪ‪ ،‬ﻧﻤﺮهي ﺷﺎﺧﺺ ﺑﺮاي او ﻣﺤﺎﺳﺒﻪ ﺷﻮد‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (17‬ﺧﻼﺻﻪ ﭘﺮدازش اﻃﻼﻋﺎت‬
‫‪Hamkari_Statistics R‬‬
‫‪N‬‬ ‫‪Valid‬‬ ‫‪1215‬‬
‫‪Missin‬‬
‫‪0‬‬
‫‪g‬‬
‫درس ﺷﺸﻢ – ﺷﺎﺧﺺ ‪89 ‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (18‬ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ "روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان"‬

‫‪Frequenc‬‬ ‫‪Perce‬‬
‫‪y‬‬ ‫‪nt‬‬ ‫‪Valid Percent‬‬ ‫‪Cumulative Percent‬‬
‫‪Va‬‬ ‫‪1‬‬
‫‪lid‬‬ ‫‪.20‬‬ ‫‪1‬‬ ‫‪.1‬‬ ‫‪.1‬‬ ‫‪.1‬‬
‫‪1‬‬
‫‪.67‬‬ ‫‪1‬‬ ‫‪.1‬‬ ‫‪.1‬‬ ‫‪.2‬‬
‫‪1‬‬
‫‪.73‬‬ ‫‪2‬‬ ‫‪.2‬‬ ‫‪.2‬‬ ‫‪.3‬‬
‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪4‬‬
‫‪.60‬‬ ‫‪5‬‬ ‫‪.4‬‬ ‫‪.4‬‬ ‫‪99.6‬‬
‫‪4‬‬
‫‪.71‬‬ ‫‪1‬‬ ‫‪.1‬‬ ‫‪.1‬‬ ‫‪99.7‬‬
‫‪4‬‬
‫‪.73‬‬ ‫‪4‬‬ ‫‪.3‬‬ ‫‪.3‬‬ ‫‪100.0‬‬
‫‪T‬‬
‫‪otal‬‬ ‫‪1215‬‬ ‫‪100.0‬‬ ‫‪100.0‬‬

‫ﺗﻮﺻﻴﻪ ﻣﻲﺷﻮد ﺑﺮاي اﻃﻤﻴﻨﺎن ﺑﻴﺸﺘﺮ‪ ،‬ﻧﻤﺮهي ﺷﺎﺧﺺ را ﺑﺮاي دو ﻳﺎ ﺳﻪ ﻧﻔﺮ از اﻋﻀﺎي ﻧﻤﻮﻧﻪ‬
‫ﺑﻪ ﺷﻴﻮهي دﺳﺘﻲ ﻣﺤﺎﺳﺒﻪ و ﺑﺎ ﻧﻤﺮات ﻣﺤﺎﺳﺒﻪ ﺷﺪه ﺗﻮﺳﻂ ﻧﺮماﻓﺰار در ﺳﺘﻮن آﺧﺮ ﭘﻨﺠﺮهي‬
‫ﻛﺎرﺑﺮگ دادهﻫﺎ ﺑﺮاي ﻫﻤﺎن اﻓﺮاد ﻧﻴﺰ ﻣﻘﺎﻳﺴﻪ ﻛﺮد‪.‬‬
‫‪1‬‬
‫ﻻزم ﺑﻪ ذﻛﺮ اﺳﺖ ﻛﻪ ﭼﻨﺎﻧﭽﻪ اﺟﺰاي ﺷﺎﺧﺺ ﻫﻢوزن ﻧﺒﺎﺷﻨﺪ ﻣﻲﺗﻮان ﺑﻪ ﻣﺘﻐﻴﺮﻫﺎي‬
‫ﻣﻮردﻧﻈﺮي ﻛﻪ در داﺧﻞ ﻛﺎدر ‪ Numeric Expression‬وارد ﺷﺪهاﻧﺪ‪ ،‬ﺿﺮﻳﺐ ﻣﻨﺎﺳﺐ داد‪ .2‬ﺑﻪ‬
‫ﻋﻨﻮان ﻣﺜﺎل ﻣﺤﻘﻘﻲ را در ﻧﻈﺮ ﺑﮕﻴﺮﻳﺪ ﻛﻪ ﻗﺼﺪ دارد از ﺗﺮﻛﻴﺐ ﻧﻤﺮات آﻣﺎر )‪ ،(X1‬روش ﺗﺤﻘﻴﻖ‬
‫ﻧﻈﺮي )‪ (X2‬و روش ﺗﺤﻘﻴﻖ ﻋﻤﻠﻲ )‪ ،(X3‬ﺷﺎﺧﺼﻲ ﺑﺎ ﻋﻨﻮان ﻣﻬﺎرت ﭘﮋوﻫﺶ ﺑﺴﺎزد اﻣﺎ ﺑﻪ‬
‫دﻻﻳﻞ ﺗﺌﻮرﻳﻚ ﻳﺎ ﺑﻨﺎﺑﻪ ﺻﻼﺣﺪﻳﺪ اﺳﺘﺎد ﻧﺎﻇﺮ ﺗﺤﻘﻴﻖ ﺑﺎﻳﺪ ﺑﺮاي ﻧﻤﺮه درسﻫﺎي روش ﺗﺤﻘﻴﻖ‬
‫ﻋﻤﻠﻲ ﺿﺮﻳﺐ ‪ ،3‬روش ﺗﺤﻘﻴﻖ ﻧﻈﺮي ﺿﺮﻳﺐ ‪ 2‬ﻗﺎﺋﻞ ﺷﺪه و آﻧﮕﺎه ﺷﺎﺧﺺ ﻣﻬﺎرت ﭘﮋوﻫﺶ را‬
‫از ﻃﺮﻳﻖ ﻣﺤﺎﺳﺒﻪ ﻣﻴﺎﻧﮕﻴﻦ ﻧﻤﺮات وزن داده ﺷﺪه دروس ﻣﻮرد اﺷﺎره ﺗﻬﻴﻪ ﻛﻨﺪ‪ .‬ﺷﻜﻞ زﻳﺮ ﺑﻴﺎﻧﮕﺮ‬
‫ﻫﻤﻴﻦ ﻣﺤﺎﺳﺒﺎت اﺳﺖ‪.‬‬

‫‪ -1‬ﻧﺎﻫﻢوزن ﺑﻮدن ﻧﺎﻇﺮ ﺑﻪ ﺷﺮاﻳﻄﻲ اﺳﺖ ﻛﻪ ﺑﺮﺧﻲ اﺟﺰاي ﺷﺎﺧﺺ اﻫﻤﻴﺖ ﺑﻴﺸﺘﺮي از ﺳﺎﻳﺮ اﺟﺰا داﺷﺘﻪ ﺑﺎﺷﻨﺪ‪ .‬ﻣﺜﻼً‬
‫ﻣﻤﻜﻦ اﺳﺖ دﻻﻳﻞ ﻣﺘﻘﺎﻋﺪ ﻛﻨﻨﺪهاي وﺟﻮد داﺷﺘﻪ ﺑﺎﺷﺪ ﻛﻪ در ﺳﺎﺧﺘﻦ ﺷﺎﺧﺺ رﺿﺎﻳﺖ ﺷﻐﻠﻲ‪ ،‬رﺿﺎﻳﺖ از ارﺗﻘـﺎء ﻳـﺎ‬
‫درآﻣﺪ اﻫﻤﻴﺖ ﺑﻴﺸﺘﺮي در ﻣﻘﺎﻳﺴﻪ ﺑﺎ رﺿﺎﻳﺖ از ﻫﻤﻜﺎران ﻳﺎ ﺷﺮح وﻇﺎﻳﻒ داﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬
‫‪ -2‬ﺑﺮاي ﺿﺮﻳﺐ دادن ﺑﺎﻳﺪ ﻣﺘﻐﻴﺮ ﻣﻮردﻧﻈﺮ را داﺧﻞ ﭘﺮاﻧﺘﺰ ﮔﺬاﺷﺘﻪ و ﺑﻴﻦ ﺿـﺮﻳﺐ و ﻧـﺎم ﻣﺘﻐﻴـﺮ ﻣـﻮردﻧﻈﺮ ﻋﻼﻣـﺖ‬
‫ﺿﺮب ﻳﺎ ﻫﻤﺎن ﺳﺘﺎره را ﻗﺮار داد‪.‬‬
 ‫‪  90‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (36‬ﻧﺤﻮه ﺳﺎﺧﺘﻦ ﺷﺎﺧﺺ از ﻣﺘﻐﻴﺮﻫﺎي ﻧﺎﻫﻤﻮزن‬

‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد‪ ،‬ﺿﺮاﻳﺐ ﻣﺘﻐﻴﺮﻫﺎي ‪ 2‬و ‪ 3‬اﻋﻤﺎل ﺷﺪه اﺳﺖ‪.‬‬

‫ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﻣﻴﺎﻧﮕﻴﻦ‪ ،‬ﻣﺠﻤﻮع ﻧﻤﺮات ﺗﻘﺴﻴﻢ ﺑﺮ ﻣﺠﻤﻮع وزنﻫﺎ ﺷﺪه اﺳﺖ‪.‬‬

‫در ﭘﺎﻳﺎن اﻳﻦ ﻣﺒﺤﺚ ﻣﺮاﺣﻞ ﻣﺨﺘﻠﻒ ﻋﻤﻠﻴﺎت ﺷﺎﺧﺺﺳﺎزي را ﻓﻬﺮﺳﺖ وار ﻣﺮور ﻣﻲﻛﻨﻴﻢ‪:‬‬
‫‪ -1‬اﺑﺘﺪا از ﺗﻤﺎﻣﻲ ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﻛﻪ ﻗﺮار اﺳﺖ ﺷﺎﺧﺺ از آﻧﻬﺎ ﺗﻬﻴﻪ ﺷﻮد‪ ،‬ﺟﺪول ﻓﺮاواﻧﻲ ﺗﻬﻴﻪ‬
‫ﻛﻨﻴﺪ ﺗﺎ ﻣﺘﻐﻴﺮﻫﺎ از ﺣﻴﺚ ﻣﺎﻫﻴﺖ‪ ،‬ﻫﻢداﻣﻨﻪ ﺑﻮدن و ﺳﻄﺢ ﺳﻨﺠﺶ آﻧﻬﺎ وارﺳﻲﺷﻮد‪.‬‬
‫‪ -2‬ﺳﭙﺲ ﭘﺎﻳﺎﻳﻲ اﺟﺰاي ﻣﺰﺑﻮر را از ﻃﺮﻳﻖ آﻟﻔﺎي ﻛﺮاﻧﺒﺎخ ﻣﺤﺎﺳﺒﻪ ﻛﺮده و ﻣﺘﻐﻴﺮﻫﺎي ﻣﻨﺎﺳﺐ‬
‫را ﺷﻨﺎﺳﺎﻳﻲ ﻛﻨﻴﺪ‪.‬‬
‫‪ -3‬ﻗﺎﻋﺪهي ﺗﺮﻛﻴﺐ ﻣﺘﻐﻴﺮﻫﺎ را ﻣﻌﻴ‪‬ﻦ ﻛﻨﻴﺪ و از ﻋﻤﻠﮕﺮﻫﺎي ﻣﻨﺎﺳﺐ آﻣﺎري اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪.‬‬
‫‪ -4‬ﺑﺮاﺳﺎس ﻗﺎﻋﺪهي ﺗﺮﻛﻴﺐ و ﺑﺎ اﺳﺘﻔﺎده از دﺳﺘﻮر ‪ Compute‬ﺷﺎﺧﺺ ﻣﺮﺑﻮﻃﻪ را ﺗﻬﻴﻪ‬
‫ﻛﻨﻴﺪ‪.‬‬
‫‪ -5‬از ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ‪ ،‬ﺟﺪول ﻓﺮاواﻧﻲ ﮔﺮﻓﺘﻪ و ﻣﻘﺎدﻳﺮ ﺑﺪﺳﺖ آﻣﺪه را وارﺳﻲ ﻛﻨﻴﺪ‪.‬‬
‫‪ -6‬ﺑﺮاي دو ﻳﺎ ﭼﻨﺪ ﻧﻔﺮ از اﻋﻀﺎي ﻧﻤﻮﻧﻪ ﻧﻤﺮهي ﺷﺎﺧﺺ را ﺑﻪ ﺷﻴﻮهي دﺳﺘﻲ ﻣﺤﺎﺳﺒﻪ ﺳﭙﺲ‬
‫ﺑﺎ ﻧﻤﺮهي ﺑﺪﺳﺖ آﻣﺪه از ﻃﺮﻳﻖ ﻧﺮماﻓﺰار ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﺪ‪.‬‬
‫درس ﺷﺸﻢ – ﺷﺎﺧﺺ ‪91 ‬‬

‫ﺗﻤﺮﻳﻦ درس ﺷﺸﻢ‬

‫ﺗﻤﺮﻳﻦ ‪ -1‬در ﺗﺤﻘﻴﻘﻲ ﻛﻪ در ﺑﺎرهي ﻣﺼﺮف ﻛﺎﻻﻫﺎي ﻓﺮﻫﻨﮕﻲ اﺳﺖ‪ ،‬ﻣﺤﻘﻖ ﻣﻲﺧﻮاﻫﺪ‬
‫ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ ﻣﻄﺎﻟﻌﻪ را از ﻃﺮﻳﻖ ﺗﺮﻛﻴﺐ ﺳﻪ ﻣﻌﺮّف "ﻣﺪت ﻣﻄﺎﻟﻌﻪ روزﻧﺎﻣﻪ"‪" ،‬ﻣﺪت ﻣﻄﺎﻟﻌﻪ‬
‫ﻣﺠﻠﻪ" و "ﻣﺪت ﻣﻄﺎﻟﻌﻪ ﻛﺘﺎب" ﺗﻬﻴﻪ ﻛﻨﺪ‪ .‬ﺷﻤﺎ ﭼﻪ ﺷﻴﻮهي ﺗﺮﻛﻴﺒﻲ ﺑﺮاي اﻳﻦ ﺳﻪ ﻣﺘﻐﻴﺮ ﭘﻴﺸﻨﻬﺎد‬
‫ﻣﻲﻛﻨﻴﺪ؟ ﺑﻪ ﻋﺒﺎرت دﻗﻴﻖﺗﺮ از ﻋﻤﻠﮕﺮﻫﺎي ﻛﺎدر ‪Functions and Special Variables‬‬
‫ﻛﺪاﻣﻴﻚ را ﭘﻴﺸﻨﻬﺎد ﻣﻲﻛﻨﻴﺪ؟ ﭼﺮا؟‬

‫ﺗﻤﺮﻳﻦ ‪ -2‬در ﺗﺤﻘﻴﻘﻲ در ﺑﺎرهي ﻧﮕﺮش ﺳﻴﺎﺳﻲ داﻧﺸﺠﻮﻳﺎن‪ ،‬ﻣﺤﻘﻖ ﻣﻲﺧﻮاﻫﺪ ﺑﺮاي اﻧﺴﺠﺎم‬
‫ﺑﻴﻦ ﻣﻮاﺿﻊ ﺳﻴﺎﺳﻲ ﺳﻪﮔﺎﻧﻪي داﻧﺸﺠﻮﻳﺎن ﻧﺴﺒﺖ ﺑﻪ ﻗﻮهﻫﺎي ﻣﺠﺮﻳﻪ‪ ،‬ﻣﻘﻨﻨﻪ و ﻗﻀﺎﺋﻴﻪ )ﺑﻪ ﻋﻨﻮان‬
‫ﺳﻪ ﻣﺘﻐﻴﺮ ﺟﺪاﮔﺎﻧﻪ(‪ ،‬ﺷﺎﺧﺺ ﺗﻬﻴﻪ ﻛﻨﺪ‪ .‬ﺷﻤﺎ ﺑﺮاي اﻳﻦ ﻛﺎر ﻛﺪاﻣﻴﻚ از ﻋﻤﻠﮕﺮﻫﺎي ﻛﺎدر‬
‫‪ Functions and Special Variables‬را ﭘﻴﺸﻨﻬﺎد ﻣﻲﻛﻨﻴﺪ؟ ﭼﺮا؟‬

‫ﺗﻤﺮﻳﻦ ‪ -3‬ﭘﻴﺎمﻫﺎي زﻳﺮ در ﭘﺎﺳﺦ ﺑﻪ ﭼﻪ ﺧﻄﺎﻳﻲ ﺻﺎدر ﺷﺪه اﻧﺪ؟‬

‫اﻟﻒ‪-‬‬

‫ب‪-‬‬
 ‫‪  92‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺗﻤﺮﻳﻦ ‪ -4‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺎﻳﻞ ‪ GSS93 SUBSET VALUE‬ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ "ﻣﺘﻮﺳﻂ‬

‫ﮔﺮاﻳﺶ ﺑﻪ ﻣﻮﺳﻴﻘﻲ" را از ﻣﺘﻐﻴﺮﻫﺎي‪bigband, bluegrass, country, blues, musicals,‬‬
‫‪ classicl, folk, jazz, opera, rap, hvymetal‬در ﺑﻴﻦ ﭘﺎﺳﺨﮕﻮﻳﺎن ﺑﺴﺎزﻳﺪ و ﺷﺎﺧﺺ‬
‫ﻣﺰﺑﻮر را ﺑﻪ ﺻﻮرت ﻳﻚ ﺷﺎﺧﺺ ﻛﻴﻔﻲ ﺟﺪﻳﺪ در ﻗﺎﻟﺐ ‪ 3‬ﻃﺒﻘﻪ‪ ،‬دﺳﺘﻪﺑﻨﺪي ﻛﻨﻴﺪ‪.‬‬

‫ﺗﻤﺮﻳﻦ ‪ -5‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺎﻳﻞ ‪ survey_sample.sav‬ﺷﺎﺧﺺ "ﺑﺎﻻﺗﺮﻳﻦ ﺳﻄﺢ ﺳﻮاد در‬

‫ﺧﺎﻧﻮاده" را از ﻃﺮﻳﻖ ﻣﺘﻐﻴﺮﻫﺎي ‪ Educ, paeduc, maeduc, speduc‬ﺑﺴﺎزﻳﺪ‪.‬‬

‫ﺗﻤﺮﻳﻦ ‪ -6‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺎﻳﻞ ‪ satisf.sav‬ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ و ﻛﻴﻔﻲ )در ﭘﻨﺞ ﻃﺒﻘﻪ(‪ ،‬ﻫﻤﮕﻨﻲ )ﻳﺎ‬
‫ﻳﻜﺪﺳﺖ ﺑﻮدن( و رﺿﺎﻳﺖ ﻣﺸﺘﺮي را از ﻃﺮﻳﻖ ﻣﺘﻐﻴﺮﻫﺎي ‪price, numitems, org,‬‬
‫‪ services, quality, overall‬ﺑﺴﺎزﻳﺪ‪.‬‬

‫ﺗﻤﺮﻳﻦ ‪ -7‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺎﻳﻞ دادهﻫﺎي ‪ world95‬ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ "ﺳﻄﺢ ﺑﻬﺪاﺷﺖ ﻛﺸﻮرﻫﺎي‬
‫ﺟﻬﺎن" را از ﻃﺮﻳﻖ ﻣﺘﻐﻴﺮﻫﺎي" اﻣﻴﺪ ﺑﻪ زﻧﺪﮔﻲ ﻣﺮدان و زﻧﺎن" و " ﻣﺮگوﻣﻴﺮ ﻛﻮدﻛﺎن" و "درﺻﺪ‬
‫ﻣﺒﺘﻼﻳﺎن ﺑﻪ اﻳﺪز" ﺑﺴﺎزﻳﺪ‪.‬‬
 ‫ﺑﺨﺶ دوم‬

‫ﺗﻮﺻﻴﻒ ﻧﺘﺎﻳﺞ‬
‫ﺑﻪ ﻛﻤﻚ روشﻫﺎي آﻣﺎر ﺗﻮﺻﻴﻔﻲ‬
 ‫درس ﻫﻔﺘﻢ‬
‫ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮي ﻧﺘﺎﻳﺞ‬

‫در ﭘﺎﻳﺎن اﻳﻦ درس اﻧﺘﻈﺎر ﻣﻲ رود داﻧﺸﺠﻮ‬

‫‪ -1‬ﺑﺘﻮاﻧﺪ اﻫﻤﻴﺖ و ﺿﺮورت ﺗﻬﻴﻪ ﭘﻴﺶﻧﻮﻳﺲ ﻓﻬﺮﺳﺖ ﻣﻄﺎﻟﺐ ﻳﺎﻓﺘﻪﻫﺎي ﺗﺤﻘﻴﻖ را ﺑﺪاﻧﺪ‪.‬‬
‫‪ -2‬ﻧﺤﻮه ﺗﻬﻴﻪ ﺟﺪول ﻓﺮاواﻧﻲ ﻳﻚ ﻣﺘﻐﻴﺮي را ﺑﺪاﻧﺪ و ﺑﺘﻮاﻧﺪ آن را ﺗﻔﺴﻴﺮ ﻛﻨﺪ‪.‬‬
‫‪ -3‬ﻧﻤﻮدارﻫﺎي ﻳﻚ ﻣﺘﻐﻴﺮي داﻳﺮهاي‪ ،‬ﻣﻴﻠﻪاي و ﻣﺴﺘﻄﻴﻠﻲ را ﺗﻬﻴﻪ ﻛﻨﺪ‪.‬‬
‫‪ -4‬ﺑﺘﻮاﻧﺪ ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎ و ﺷﺎﺧﺺﻫﺎي ﻛﻤ‪‬ﻲ ﺗﺤﻘﻴﻖ ﺧﻮد‪ ،‬آﻣﺎرهﻫﺎي ﻣﺮﻛـﺰي‪ ،‬ﭘﺮاﻛﻨـﺪﮔﻲ‪،‬‬
‫وﺿﻌﻲ‪ ،‬ﭼﻮﻟﮕﻲ و ﻛﺸﻴﺪﮔﻲ را ﺗﻬﻴﻪ و ﺗﻔﺴﻴﺮ ﻛﻨﺪ‪.‬‬
 ‫‪  96‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -1‬ﻣﻘﺪ‪‬ﻣﻪ‬
‫ﭘﺲ از ورود و وﻳﺮاﻳﺶ دادهﻫﺎ و ﻧﻴﺰ ﺗﻬﻴﻪ ﺷﺎﺧﺺﻫﺎي ﻛﻤ‪‬ﻲ و ﻛﻴﻔﻲ‪ ،‬ﻧﻮﺑﺖ ﺑﻪ‬
‫ﺗﺠﺰﻳﻪوﺗﺤﻠﻴﻞ دادهﻫﺎ‪ ،‬ﻣﻲرﺳﺪ‪ .‬در اﻳﻦ ﻣﺮﺣﻠﻪ ﻣﺤﻘﻖ ﺑﺎﻳﺪ ﺑﺮاﺳﺎس ﺳﺆاﻻت و ﻓﺮﺿﻴﺎت ﺗﺤﻘﻴﻖ و‬
‫ﻫﻤﭽﻨﻴﻦ ﺑﺎ اﺳﺘﻔﺎده از ﻗﺪرت ﺧﻼﻗﻴﺖ ﺧﻮد ﺑﻪ ﺗﺠﺰﻳﻪوﺗﺤﻠﻴﻞ اﻃﻼﻋﺎت ﺑﭙﺮدازد‪ .‬ﻳﻜﻲ از‬
‫ﺷﺎﻳﻊﺗﺮﻳﻦ اﺷﺘﺒﺎﻫﺎت داﻧﺸﺠﻮﻳﺎن و ﻣﺤﻘﻘﺎن ﻣﺒﺘﺪي آن اﺳﺖ ﻛﻪ ﭘﺲ از ورود دادهﻫﺎ‪ ،‬ﻏﺎﻟﺒﺎً‬
‫ﻓﻲاﻟﺒﺪاﻫﻪ و ﺑﺪون ﻫﻴﭻ ﻃﺮح و ﻧﻘﺸﻪاي‪ ،‬از ﻣﺘﻐﻴﺮﻫﺎي ﻣﺨﺘﻠﻔﻲ ﻛﻪ در ﻓﺎﻳﻞ دادهﻫﺎ وﺟﻮد دارد‪،‬‬
‫ﺧﺮوﺟﻲ ﮔﺮﻓﺘﻪ و ﺷﺮوع ﺑﻪ ﮔﺰارشﻧﻮﻳﺴﻲ ﻣﻲﻛﻨﻨﺪ‪ .‬اﻣﺎ اﻳﻦ روﻳﻜﺮد ﻧﺴﺒﺖ ﺑﻪ ﺗﺠﺰﻳﻪوﺗﺤﻠﻴﻞ‬
‫اﻃﻼﻋﺎت ﻣﻮﺟﺐ اﺗﻼف زﻣﺎن و ﻧﻴﺰ ﺑﻲﻧﻈﻤﻲ و ﮔﺎﻫﻲ دوﺑﺎره ﻛﺎري ﻣﻲﺷﻮد‪.‬‬
‫از اﻳﻦ رو ﺗﻮﺻﻴﻪ ﻣﻲﺷﻮد ﻛﻪ ﻗﺒﻞ از ﻫﺮ ﮔﻮﻧﻪ ﺗﺤﻠﻴﻞ آﻣﺎري‪ ،‬اﺑﺘﺪا ﭘﻴﺶﻧﻮﻳﺲ ﻓﻬﺮﺳﺘﻲ از‬
‫ﻣﻄﺎﻟﺐ ﻣﺮﺑﻮط ﺑﻪ ﻓﺼﻞ ﻳﺎﻓﺘﻪﻫﺎي ﺗﺤﻘﻴﻖ را آﻣﺎده ﻛﻨﻴﺪ و روشﻫﺎي آﻣﺎري ﻻزم و ﻧﻴﺰ ﻧﻮع‬
‫ﻧﻤﻮدارﻫﺎي ﻣﻮرد ﻧﻴﺎز را ﻧﻴﺰ ﺑﺎ ذﻛﺮ ﺟﺰﺋﻴﺎت ﻣﻬﻢ آن در ﻣﻘﺎﺑﻞ ﻫﺮ ﻳﻚ از ﺑﻨﺪﻫﺎي ﻓﻬﺮﺳﺖ‬
‫ﺑﻨﻮﻳﺴﺪ‪ .‬ﺳﭙﺲ ﺑﻬﺘﺮ اﺳﺖ ﻓﻬﺮﺳﺖ ﻣﺰﺑﻮر را در اﺧﺘﻴﺎر اﺳﺘﺎد ﻧﺎﻇﺮ ﻳﺎ راﻫﻨﻤﺎ و ﻧﻴﺰ اﻓﺮاد‬
‫ﺻﺎﺣﺐﻧﻈﺮ ﻗﺮار داده ﺗﺎ ﻧﺴﺒﺖ ﺑﻪ ﻣﺤﺘﻮا و ﻧﻴﺰ ﺗﺮﺗﻴﺐ و ﻧﺤﻮهي ﺗﻨﻈﻴﻢ آن ﻗﻀﺎوت ﻛﻨﻨﺪ‪ .‬ﺳﺮاﻧﺠﺎم‬
‫ﭘﺲ از ﻧﻬﺎﻳﻲ ﺷﺪن ﻓﻬﺮﺳﺖ‪ ،‬اﻗﺪام ﺑﻪ ﮔﺮﻓﺘﻦ ﺧﺮوﺟﻲﻫﺎي ﻣﻮردﻧﻴﺎز از ﻃﺮﻳﻖ ﻧﺮماﻓﺰار ‪SPSS‬‬
‫ﻛﻨﻴﺪ‪ .‬ﺑﺎ اﻧﺠﺎم اﻳﻦ ﻣﻬﻢ‪ ،‬از ﭘﺮاﻛﻨﺪﮔﻲ و ﺳﺮﮔﺮداﻧﻲ ذﻫﻨﻲ ﻧﺠﺎت ﻳﺎﻓﺘﻪ و ﺑﻪ ﻧﻈﻤﻲ ﻣﻨﻄﻘﻲ در‬
‫ﺗﻮﺻﻴﻒ ﻧﺘﺎﻳﺞ ﺧﻮاﻫﺪ رﺳﻴﺪ‪.‬‬
‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻲداﻧﻴﺪ ﺳﺎﺧﺘﺎر ﻳﺎﻓﺘﻪﻫﺎي اﻏﻠﺐ ﺗﺤﻘﻴﻘﺎت ﻓﺮﻫﻨﮕﻲ و اﺟﺘﻤﺎﻋﻲ داراي دو ﺑﺨﺶ‬
‫ﻋﻤﺪه اﺳﺖ ‪:‬‬
‫‪ -1‬ﺗﻮﺻﻴﻒ ﻧﺘﺎﻳﺞ ‪ -2‬ﺗﺤﻠﻴﻞ ﻧﺘﺎﻳﺞ‬
‫در ﺑﺨﺶ ﺗﻮﺻﻴﻒ ﻋﻤﻮﻣﺎً ﺑﻪ ﺗﻨﻈﻴﻢ ﺟﺪاول ﻓﺮاواﻧﻲ ﻳﻚ ﻳﺎ دو ﻣﺘﻐﻴﺮي ﻣﺮﺑﻮط ﺑﻪ وﻳﮋﮔﻲﻫﺎي‬
‫ﺟﻤﻌﻴﺖ ﺷﻨﺎﺧﺘﻲ ﻧﻤﻮﻧﻪ ﻳﺎ ﻣﺘﻐﻴﺮﻫﺎي اﺻﻠﻲ ﺗﺤﻘﻴﻖ و ﺗﻔﺴﻴﺮ ﺷﺎﺧﺺﻫﺎي ﻣﺮﻛﺰي و ﭘﺮاﻛﻨﺪﮔﻲ‬
‫ﭘﺮداﺧﺘﻪ ﻣﻲﺷﻮد و ﺑﺨﺶ ﺗﺤﻠﻴﻞ ﻧﺘﺎﻳﺞ‪ ،‬ﺑﻪ ﺑﺮرﺳﻲ رواﺑﻂ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎ و ﭘﺎﺳﺨﮕﻮﻳﻲ ﺑﻪ ﺳﺆاﻻت و‬
‫آزﻣﻮن ﻓﺮﺿﻴﺎت اﺧﺘﺼﺎص دارد‪.‬‬
‫ﺟﺪول زﻳﺮ ﻳﻜﻲ از اﻧﻮاع ﭘﻴﺶﻧﻮﻳﺲﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻳﺎﻓﺘﻪﻫﺎي ﺗﺤﻘﻴﻖ اﺳﺖ‪ .‬ﺗﻬﻴﻪ ﭼﻨﻴﻦ‬
‫ﻓﻬﺮﺳﺘﻲ اﮔﺮ ﭼﻪ ﺧﻴﻠﻲ وﻗﺖ ﮔﻴﺮ اﺳﺖ‪ ،‬اﻣﺎ ﺗﺠﺮﺑﻪ ﻧﺸﺎن داده اﺳﺖ ﻛﻪ وﺟﻮد ﭼﻨﻴﻦ ﭼﺎرﭼﻮﺑﻲ‬
‫ﻣﻮﺟﺐ ﺗﺴﺮﻳﻊ در ﮔﺰارش ﻧﻮﻳﺴﻲ ﻧﻬﺎﻳﻲ و ﺗﺠﺰﻳﻪوﺗﺤﻠﻴﻞ دادهﻫﺎ ﻣﻲﺷﻮد‪ .‬ﺑﺪﻳﻬﻲ اﺳﺖ ﺷﺮط‬
‫ﻻزم ﺑﺮاي ﺗﻬﻴﻪي ﭼﻨﻴﻦ ﻓﻬﺮﺳﺘﻲ‪ ،‬ﺗﺴﻠﻂ ﻧﺴﺒﻲ ﺑﻪ آﻣﺎر ﺗﻮﺻﻴﻔﻲ و اﺳﺘﻨﺒﺎﻃﻲ ﻳﺎ ﺑﻬﺮهﮔﻴﺮي از‬
‫ﻣﺸﺎورهي ﻣﺘﺨﺼﺼﺎن آﻣﺎري اﺳﺖ ﻛﻪ داراي ﺗﺠﺮﺑﻪ ﭘﮋوﻫﺶ ﻧﻴﺰ ﺑﺎﺷﻨﺪ‪.‬‬
‫درس ﻫﻔﺘﻢ – ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮي ﻧﺘﺎﻳﺞ ‪97 ‬‬

‫ﭘﻴﺶﻧﻮﻳﺲ ﺗﻬﻴﻪ ﺷﺪه از ﻓﻬﺮﺳﺖ ﻳﺎﻓﺘﻪﻫﺎي ﺗﺤﻘﻴﻖ‬

‫اﻟﻒ‪ -‬ﺳﻴﻤﺎي ﺟﻤﻌﻴﺖ ﺷﻨﺎﺧﺘﻲ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ‬

‫ﺟﺪول ﻓﺮاواﻧﻲ ‪ +‬ﻧﻤﻮدار داﻳﺮهاي‬
‫ﺟﺪول ﻓﺮاواﻧﻲ ‪ +‬ﻧﻤﻮدار ﻣﻴﻠﻪاي‬
‫ﺟﺪول ﻓﺮاواﻧﻲ دو ﺑﻌﺪي‬
‫ﺟﺪول ﻓﺮاواﻧﻲ ‪ +‬ﻧﻤﻮدار ﻣﻴﻠﻪاي‬
‫ﺟﺪول ﻓﺮاواﻧﻲ دو ﺑﻌﺪي‬
‫ﺟﺪول ﻓﺮاواﻧﻲ ‪ +‬ﻧﻤﻮدار ﻣﻴﻠﻪاي‬
‫ﺟﺪول ﻓﺮاواﻧﻲ ‪ +‬ﻧﻤﻮدار ﻣﻴﻠﻪاي‬
‫آﻣﺎرهﻫﺎي ﻣﺮﻛﺰي و ﭘﺮاﻛﻨﺪﮔﻲ‪ +‬ﻧﻤﻮدار‬
‫آﻣﺎرهﻫﺎي ﻣﺮﻛﺰي و ﭘﺮاﻛﻨﺪﮔﻲ ‪ +‬ﻧﻤﻮدار‬ ‫ب‪ -2-‬ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ اﻧﺴﺠﺎم درون ﮔﺮوﻫﻲ داﻧﺶآﻣﻮزان‬
‫آﻣﺎرهﻫﺎي ﻣﺮﻛﺰي و ﭘﺮاﻛﻨﺪﮔﻲ ‪ +‬ﻧﻤﻮدار ﻫﻴﺴﺘﻮﮔﺮام‪+‬‬
‫آﻣﺎرهﻫﺎي ﻣﺮﻛﺰي و ﭘﺮاﻛﻨﺪﮔﻲ ‪ +‬ﻧﻤﻮدار ﻫﻴﺴﺘﻮﮔﺮام و‬
‫آزﻣﻮن ﻧﺮﻣﺎل ﺑﻮدن‪ T-Test ،‬ﻳﺎ ﻳﻮﻣﺎن وﻳﺘﻨﻲ‪+‬‬
‫آزﻣﻮن ﻧﺮﻣﺎل ﺑﻮدن‪ Anova ،‬ﻳﺎ ﻛﺮاﺳﻜﺎل‬ ‫ج‪ -2-‬راﺑﻄﻪ رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ ﺑﺎ رﻏﺒﺖ ﺑﻪ ﺗﺤﺼﻴﻞ داﻧﺶآﻣﻮزان‬
‫آزﻣﻮن ﻧﺮﻣﺎل ﺑﻮدن‪ ،‬ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ اﺳﭙﻴﺮﻣﻦ ﻳﺎ‬
‫اﻟﻒ‪ -1-‬ﺟﻨﺴﻴﺖ‬
‫اﻟﻒ‪ -2-‬رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ‬
‫اﻟﻒ‪ -1-2-‬ﺟﻨﺴﻴﺖ ﺑﻪ ﺗﻔﻜﻴﻚ رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ‬
‫اﻟﻒ‪ -3-‬ﻧﻮع ﻣﺪرﺳﻪ‬
‫اﻟﻒ‪ -1-3-‬ﺟﻨﺴﻴﺖ ﺑﻪ ﺗﻔﻜﻴﻚ ﻧﻮع ﻣﺪرﺳﻪ‬
‫اﻟﻒ‪ -4-‬ﺗﺤﺼﻴﻼت واﻟﺪﻳﻦ‬
‫اﻟﻒ‪ -5-‬ﻧﻮع ﺷﻐﻞ واﻟﺪﻳﻦ‬
‫ب‪ -‬ﺗﻮﺻﻴﻒ ﻧﺘﺎﻳﺞ ﺗﺤﻘﻴﻖ‬
‫ب‪ -1-‬ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان‬
‫ﻫﻴﺴﺘﻮﮔﺮام‪ +‬ﺟﺪول ﻓﺮاواﻧﻲ از ﺷﺎﺧﺺ ﻛﻴﻔﻲ‬
‫ﻫﻴﺴﺘﻮﮔﺮام‪ +‬ﺟﺪول ﻓﺮاواﻧﻲ از ﺷﺎﺧﺺ ﻛﻴﻔﻲ‬
‫ب‪ -3-‬ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ اﻓﺴﺮدﮔﻲ داﻧﺶآﻣﻮزان‬
‫ﺟﺪول ﻓﺮاواﻧﻲ از ﺷﺎﺧﺺ ﻛﻴﻔﻲ‬
‫ب‪ -4-‬ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ رﻏﺒﺖ ﺑﻪ ﺗﺤﺼﻴﻞ‬
‫ﺟﺪول ﻓﺮاواﻧﻲ از ﺷﺎﺧﺺ ﻛﻴﻔﻲ‬
‫ج‪ -‬ﺗﺤﻠﻴﻞ ﻧﺘﺎﻳﺞ ﺗﺤﻘﻴﻖ‬
‫ج‪ -1-‬راﺑﻄﻪ ﺟﻨﺴﻴﺖ ﺑﺎ روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان‬
‫ﻧﻤﻮدار ﻧﻤﻮدار ﻣﻴﻠﻪاي ﻣﻘﺎﻳﺴﻪاي‬
‫واﻟﻴﺲ‪ +‬ﻧﻤﻮدار ﻣﻴﻠﻪ اي ﻣﻘﺎﻳﺴﻪاي‬
‫ج‪ -3 -‬ﺗﺄﺛﻴﺮ ﺳﻮاد ﻣﺎدر ﺑﺮ اﻓﺴﺮدﮔﻲ داﻧﺶآﻣﻮزان‬
‫ﭘﻴﺮﺳﻮن‪ +‬ﻧﻤﻮدار ﭘﺮاﻛﻨﺶ‬

‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﺑﺮﺧﻲ از ﺑﻨﺪﻫﺎي ﻓﻬﺮﺳﺖ ﻓﻮق ﻣﺮﺑﻮط ﺑﻪ ﺗﻮﺻﻴﻒ و ﺑﺮﺧﻲ‬
‫دﻳﮕﺮ ﻣﺮﺑﻮط ﺑﻪ ﺗﺤﻠﻴﻞ اﺳﺖ‪ .‬دﻗﺖ در ﺑﻨﺪﻫﺎي ﺗﻮﺻﻴﻒ ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﺗﻮﺻﻴﻒ ﻣﻲﺗﻮاﻧﺪ ﻳﻚ‬
‫ﻣﺘﻐﻴﺮه و ﻳﺎ دو ﻣﺘﻐﻴﺮه ﺑﺎﺷﺪ اﻣﺎ ﺗﺤﻠﻴﻞ ﻧﺘﺎﻳﺞ‪ ،‬اﻣﺮي اﺳﺖ ﻛﻪ ﻏﺎﻟﺒﺎً دو ﻣﺘﻐﻴﺮه اﺳﺖ و ﻧﻴﺎز ﺑﻪ آزﻣﻮن‬
‫ﻓﺮﺿﻴﻪ ﻳﺎ ﭘﺎﺳﺨﮕﻮﻳﻲ ﺑﻪ ﺳﺆاﻻت دارد‪ .‬ﻧﻤﻮدار زﻳﺮ ﺗﻘﺴﻴﻢﺑﻨﺪي ﻓﻮق را از ﺗﺤﻠﻴﻞ دادهﻫﺎ ﺑﻪ‬
‫اﺧﺘﺼﺎر ﻧﺸﺎن ﻣﻲدﻫﺪ‪.‬‬
 ‫‪  98‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (37‬اﺷﻜﺎل ﻣﺨﺘﻠﻒ ﺗﺤﻠﻴﻞ دادهﻫﺎ در ﮔﺰارشﻫﺎي ﭘﮋوﻫﺸﻲ‬

‫ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ‬ ‫ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮي‬

‫ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ‬

‫ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ‪ -‬ﻛﻴﻔﻲ‬ ‫ﺗﻮﺻﻴﻒ‬

‫ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ‪ -‬ﻛﻴﻔﻲ‬ ‫ﺗﻮﺻﻴﻒ دو ﻣﺘﻐﻴﺮي‬
‫‪1‬‬
‫ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ‪-‬ﻛﻤ‪‬ﻲ‬

‫ﺗﺤﻠﻴﻞ دادهﻫﺎ‬
‫ﺗﺤﻠﻴﻞ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ ‪ -‬ﻛﻴﻔﻲ‬ ‫ﺗﺤﻠﻴﻞ دو ﻣﺘﻐﻴﺮه‬
‫ﺗﺤﻠﻴﻞ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤﻲ ‪ -‬ﻛﻴﻔﻲ‬ ‫ﺗﺤﻠﻴﻞ‬
‫ﺗﺤﻠﻴﻞ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ‪ -‬ﻛﻤ‪‬ﻲ‬ ‫ﺗﺤﻠﻴﻞ ﭼﻨﺪ ﻣﺘﻐﻴﺮه‬

‫در اﻳﻨﺠﺎ ﺑﺮاي اراﺋﻪ ﻳﻚ ﺗﺼﻮﻳﺮ ﻛﻠﻲ از روشﻫﺎي آﻣﺎري ﻣﺘﻨﺎﺳﺐ ﺑﺎ ﻣﺘﻐﻴﺮﻫﺎ و ﻧﻴﺰ دﺳﺘﻮرات‬
‫ﻣﺘﻨﺎﻇﺮ ﺑﺎ آﻧﻬﺎ در ﻧﺮماﻓﺰار ‪ spss‬از ﻳﻚ دﻳﺎﮔﺮام اﺳﺘﻔﺎده ﻣﻲﺷﻮد‪ .‬ﭘﺎﻳﻪ اﺻﻠﻲ ﺗﺼﻤﻴﻢﮔﻴﺮي در‬
‫اﻧﺘﺨﺎب ﻣﺴﻴﺮ ﺻﺤﻴﺢ آﺷﻨﺎﻳﻲ ﺑﺎ ﺳﻄﻮح ﺳﻨﺠﺶ و ﻫﺪف ﻣﺤﻘﻖ اﺳﺖ‪.‬‬

‫‪ -1‬اﻳﻦ ﺷﻜﻞ از ﺗﻮﺻﻴﻒ ﺑﻪ دﻟﻴﻞ آﻧﻜﻪ ﻛﻤﺘﺮ راﻳﺞ اﺳﺖ‪ ،‬در ﻛﺘﺎب ﺣﺎﺿﺮ ﻣﻮرد ﺑﺤﺚ ﻗﺮار ﻧﻤﻲﮔﻴﺮد‪.‬‬
‫درس ﻫﻔﺘﻢ – ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮي ﻧﺘﺎﻳﺞ ‪99 ‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (38‬دﻳﺎﮔﺮام اﻧﺘﺨﺎب روش ﻣﻨﺎﺳﺐ ﺑﺮاي ﺗﻮﺻﻴﻒ ﻧﺘﺎﻳﺞ‬

‫ﺗﺒﻴﻴﻦ‬
‫ﻗﺼﺪ ﺗﺒﻴﻴﻦ دارﻳﺪ ﻳﺎ ﺗﻮﺻﻴﻒ؟‬
‫ﺑﺮو ﺑﻪ دﻳﺎﮔﺮام درسﻫﺎي ‪ 9‬ﺗﺎ ‪12‬‬
‫ﺗﺒﻴﻴﻦ‬
‫ﺗﻮﺻﻴﻒ‬

‫ﺳﺆال ﺷﻤﺎ ﭼﻨﺪ ﻣﺘﻐﻴﺮي اﺳﺖ؟‬

‫ﻳﻚ ﻣﺘﻐﻴﺮي‬
‫‪Frequency+ Bar or‬‬ ‫ﺳﻄﺢ ﺳﻨﺠﺶ ﻣﺘﻐﻴﺮ؟‬
‫درس ‪Pie Chart 7‬‬
‫اﺳﻤﻲ ﻳﺎ رﺗﺒﻪاي‬

‫‪Descriptve Statistics +‬‬

‫ﻓﺎﺻﻠﻪاي ﺑﺎ ﻧﺴﺒﻲ‬
‫درس‪Histogram 7‬‬

‫ﺳﻄﺢ ﺳﻨﺠﺶ ﻣﺘﻐﻴﺮ؟‬

‫درس‪Crosstabs 8‬‬
‫اﺳﻤﻲ ﻳﺎ ﺗﺮﺗﻴﺒﻲ ﺑﺮ ﺣﺴﺐ اﺳﻤﻲ ﻳﺎ ﺗﺮﺗﻴﺒﻲ‬

‫ﻓﺎﺻﻠﻪاي ﻳﺎ ﻧﺴﺒﻲ ﺑﺮ ﺣﺴﺐ اﺳﻤﻲ ﻳﺎ ﺗﺮﺗﻴﺒﻲ‬

‫درس ‪Means 8‬‬

‫‪ -2‬ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮي‬
‫از آﻧﺠﺎ ﻛﻪ ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ﺑﺎ ﻛﻴﻔﻲ ﺗﻔﺎوت دارد در اﻳﻦ ﻗﺴﻤﺖ ﺑﻪ ﺗﻮﺿﻴﺢ ﻫﺮ ﻳﻚ‬
‫از اﻳﻦ دو ﻧﻮع ﺗﻮﺻﻴﻒ‪ ،‬ﺑﻪ ﻃﻮر ﺟﺪاﮔﺎﻧﻪ ﻣﻲﭘﺮدازﻳﻢ‪.‬‬
 ‫‪  100‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ ‬ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ‬

‫ﻫﺮﮔﺎه ﺑﺨﻮاﻫﻴﺪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ )در ﺳﻄﺢ ﺳﻨﺠﺶ اﺳﻤﻲ ﻳﺎ رﺗﺒﻪاي( را ﺗﻮﺻﻴﻒ ﻛﻨﻴﺪ ﻳﺎ ﺑﻪ‬
‫ﻋﺒﺎرت دﻳﮕﺮ در ﺻﺪد ﭘﺎﺳﺦ دادن ﺑﻪ ﺳﺆاﻟﻲ ﻧﻈﻴﺮ اﻳﻦ ﺑﺎﺷﻴﺪ ﻛﻪ" ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ ﻣﻄﻠﻖ‪ ،‬درﺻﺪي‬
‫ﻳﺎ ﺗﺠﻤﻌﻲ ﻣﺘﻐﻴﺮ ‪ x‬ﭼﮕﻮﻧﻪ اﺳﺖ؟"‪ ،‬ﺑﺎﻳﺪ ﻃﺒﻖ ﺷﻜﻞ زﻳﺮ ﻋﻤﻞ ﻛﻨﻴﺪ‪.‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (39‬ﺷﻴﻮهي اﺟﺮاي دﺳﺘﻮر ‪ frequencies‬ﺑﺮاي ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ‬

‫‪ .3‬ﺑﺮ روي دﺳﺘﻮر‪ Frequencies‬ﻛﻠﻴﻚ ﻛﻨﻴﺪ‬

‫‪1‬‬

‫‪2‬‬ ‫اﺳﺘﻔﺎده از اﻳﻦ ﮔﺰﻳﻨﻪ ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ ﺗﻮﺻﻴﻪ ﻧﻤﻲﺷﻮد‬

‫ﺑﺎ ﻛﻠﻴﻚ روي اﻳﻦ ﻗﺴﻤﺖ‪،‬‬

‫ﭘﻨﺠﺮه ﺑﻌﺪ ﻧﺸﺎن داده ﻣﻲﺷﻮد‬

‫‪ .4‬ﻣﺘﻐﻴﺮ ﻳﺎ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ ﻣﻮردﻧﻈﺮ را از ﻛﺎدر ﺳﻤﺖ ﭼﭗ ﺑﻪ ﺳﻤﺖ‬

‫راﺳﺖ ﻣﻨﺘﻘﻞ ﻛﻨﻴﺪ‪.‬‬

‫ﺑﺎ ﻛﻠﻴﻚ ﺑﺮ روي ‪ ،Charts‬ﭘﻨﺠﺮهي زﻳﺮ ﺑﺎز ﻣﻲ ﺷﻮد ﻛﻪ در آن ﺑﺎﻳﺪ ﻧﻮع ﻧﻤﻮدار ﻣﻮردﻧﻴﺎز را‬
‫از ﺑﻴﻦ اﻧﻮاع ﺳﻪﮔﺎﻧﻪ ﻣﻴﻠﻪاي‪ ،‬داﻳﺮهاي‪ ،‬ﻳﺎ ﻫﻴﺴﺘﻮﮔﺮام )ﺑﺎ ﻳﺎ ﺑﺪون ﺧﻂ ﻧﺮﻣﺎل( و ﻧﻴﺰ ﻧﻮع ﻓﺮاواﻧﻲ‬
‫ﻣﻮرد اﺳﺘﻔﺎده )ﻣﻄﻠﻖ ﻳﺎ درﺻﺪي( را ﺗﻌﻴﻴﻦ ﻛﺮد‪ .‬ﻳﺎدآوري ﻣﻲﺷﻮد ﻛﻪ از ﻧﻤﻮدارﻫﺎي ﻣﻴﻠﻪاي و‬
‫داﻳﺮهاي ﺻﺮﻓﺎً ﺑﺮاي ﻧﻤﺎﻳﺶ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ اﺳﺘﻔﺎده ﻣﻲﺷﻮد‪ .‬ﻫﻤﭽﻨﻴﻦ ﺗﻮﺻﻴﻪ ﻣﻲﺷﻮد ﺑﻪ دﻟﻴﻞ‬
‫ﺳﺮﻋﺖ ﺑﺎﻻي اﻧﺘﻘﺎل ﭘﻴﺎم ﺑﻪ ﺧﻮاﻧﻨﺪه‪ ،‬ﺑﻪ ﺟﺎي اﺳﺘﻔﺎده از ﻓﺮاواﻧﻲ ﻣﻄﻠﻖ از درﺻﺪ اﺳﺘﻔﺎده ﺷﻮد‪.‬‬
‫درس ﻫﻔﺘﻢ – ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮي ﻧﺘﺎﻳﺞ ‪101 ‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (40‬اﻧﺘﺨﺎب ﻧﻤﻮدار ﻣﻨﺎﺳﺐ ﺑﺮاي ﻧﻤﺎﻳﺶ ﻣﺘﻐﻴﺮ‬

‫‪ .1‬ﺑﺎ ﻛﻠﻴﻚ ﺑﺮ روي ﻧﻤﻮدار ﻣﻮرد‬

‫ﻧﻈﺮ‪ ،‬آن را اﻧﺘﺨﺎب ﻛﻨﻴﺪ‬

‫‪.2‬در ﺻﻮرت اﻧﺘﺨﺎب ﻫﻴﺴﺘﻮﮔﺮام‬

‫ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ﮔﺰﻳﻨﻪ ﻣﻨﺤﻨﻲ‬
‫ﻧﺮﻣﺎل ﻓﻌﺎل ﻣﻲﺷﻮد‬

‫‪ -3‬ﺑﺎﻳﺪ ﻣﺸﺨﺺ ﻛﻨﻴﺪ ﻛﻪ ﻓﺮاواﻧﻴﻬﺎ ﺑﺮ اﺳﺎس درﺻﺪ ﻧﻤﺎﻳﺶ داده‬

‫ﺷﻮد ﻳﺎ ﻓﺮاواﻧﻲ ﻣﻄﻠﻖ‬

‫اﮔﺮ ﻣﺤﻘﻘﻲ ﺑﺨﻮاﻫﺪ ﺑﺪاﻧﺪ "ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ در ﺑﻴﻦ داﻧﺶآﻣﻮزان ﭼﮕﻮﻧﻪ‬
‫اﺳﺖ؟" در ﺻﻮرت اﺟﺮاي دﺳﺘﻮر ‪ frequencies‬ﺑﺎ ﺧﺮوﺟﻲﻫﺎي زﻳﺮ ﻣﻮاﺟﻪ ﺧﻮاﻫﺪ ﺷﺪ‪:‬‬
‫ﺟﺪول ﺷﻤﺎره)‪ (19‬ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ داﻧﺶآﻣﻮزان‬

‫‪Cumulative‬‬
‫‪Frequency‬‬ ‫‪Percent‬‬ ‫‪Valid Percent‬‬ ‫‪Percent‬‬
‫‪Valid‬‬ ‫اﻧﺴﺎﻧﻲ‬ ‫‪223‬‬ ‫‪18.4‬‬ ‫‪33.5‬‬ ‫‪33.5‬‬

‫ﺗﺠﺮﺑﻲ‬ ‫‪242‬‬ ‫‪19.9‬‬ ‫‪36.3‬‬ ‫‪69.8‬‬

‫رﻳﺎﺿﻲ‬ ‫‪122‬‬ ‫‪10.0‬‬ ‫‪18.3‬‬ ‫‪88.1‬‬

‫ﻓﻨﻲ وﺣﺮﻓﻪاي‬ ‫‪41‬‬ ‫‪3.4‬‬ ‫‪6.2‬‬ ‫‪94.3‬‬

‫ﻛﺎر و داﻧﺶ‬ ‫‪38‬‬ ‫‪3.1‬‬ ‫‪5.7‬‬ ‫‪100.0‬‬

‫‪Total‬‬ ‫‪666‬‬ ‫‪54.8‬‬ ‫‪100.0‬‬

‫‪Missing‬‬ ‫ﻓﺎﻗﺪ رﺷﺘﻪ‬ ‫‪549‬‬ ‫‪45.2‬‬
‫‪Total‬‬ ‫‪1215‬‬ ‫‪100.0‬‬

‫ﺟﺪول ﻓﻮق ﻧﺸﺎن ﻣﻲدﻫﺪ از ﻣﺠﻤﻮع ‪ 1215‬ﻧﻔﺮ داﻧﺶآﻣﻮز دﺑﻴﺮﺳﺘﺎﻧﻲ ﻣﻮرد ﺑﺮرﺳﻲ‪ ،‬ﺑﻴﺸﺘﺮﻳﻦ‬
‫درﺻﺪ )‪ 19/9‬درﺻﺪ( در رﺷﺘﻪ ﺗﺠﺮﺑﻲ و ﻛﻤﺘﺮﻳﻦ درﺻﺪ )‪ 3/1‬درﺻﺪ( در ﺷﺎﺧﻪ ﻛﺎرداﻧﺶ‬
 ‫‪  102‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﻣﺸﻐﻮل ﺗﺤﺼﻴﻞ ﻫﺴﺘﻨﺪ‪ ،‬ﻻزم ﺑﻪ ذﻛﺮ اﺳﺖ ﻛﻪ ‪ 45/2‬درﺻﺪ از اﻋﻀﺎي ﻧﻤﻮﻧﻪ ﺑﻪ ﻋﻠﺖ اﺷﺘﻐﺎل ﺑﻪ‬
‫ﺗﺤﺼﻴﻞ در ﭘﺎﻳﻪي اول دﺑﻴﺮﺳﺘﺎن‪ ،‬در ﻣﻮﻗﻌﻴﺖ اﻧﺘﺨﺎب رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ ﺧﺎﺻﻲ ﻗﺮار ﻧﮕﺮﻓﺘﻪاﻧﺪ‪.‬‬
‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﺳﺘﻮن "درﺻﺪ ﻣﻌﺘﺒﺮ" )‪ (Valid Percent‬ﻧﺎﻇﺮ ﺑﻪ ﻫﻤﻴﻦ واﻗﻌﻴﺖ‬
‫اﺳﺖ‪ .‬در اﻳﻦ ﺳﺘﻮن ﻣﺒﻨﺎي درﺻﺪﮔﻴﺮي‪ ،‬داﻧﺶآﻣﻮزان داراي رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ اﺳﺖ‪ .‬ﻣﺜﻼً‬
‫داﻧﺶآﻣﻮزان رﺷﺘﻪي ﺗﺠﺮﺑﻲ اﮔﺮ ﭼﻪ ‪ 19/9‬درﺻﺪ ﻛﻞ ﻧﻤﻮﻧﻪ را ﺑﻪ ﺧﻮد اﺧﺘﺼﺎص دادهاﻧﺪ اﻣ‪‬ﺎ در‬
‫ﺑﻴﻦ داﻧﺶآﻣﻮزاﻧﻲ ﻛﻪ اﻧﺘﺨﺎب رﺷﺘﻪ ﻧﻤﻮدهاﻧﺪ‪ ،‬درﺻﺪﺷﺎن ﺑﺎﻟﻎ ﺑﺮ ‪ 36/3‬درﺻﺪ اﺳﺖ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (41‬ﻧﻤﻮدار ﻣﻴﻠﻪاي ﺗﻮزﻳﻊ رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ داﻧﺶآﻣﻮزان‬

‫‪ ‬ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ‬

‫اﮔﺮ ﺑﺨﻮاﻫﻴﺪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ )در ﺳﻄﺢ ﺳﻨﺠﺶ ﻓﺎﺻﻠﻪاي ﻳﺎ ﻧﺴﺒﻲ( را ﺗﻮﺻﻴﻒ ﻛﻨﻴﺪ ﻳﺎ ﺑﻪ‬
‫ﻋﺒﺎرت دﻳﮕﺮ درﺻﺪد ﭘﺎﺳﺦ دادن ﺑﻪ ﺳﺆاﻟﻲ ﻧﻈﻴﺮ اﻳﻦ ﺑﺎﺷﺪ ﻛﻪ "ﻣﻴﺰانِ ﻣﺘﻐﻴﺮ ‪ x‬ﭼﮕﻮﻧﻪ اﺳﺖ؟"‬
‫ﺑﺎﻳﺪ ﺑﻪ ﺷﺮح ﺗﺼﻮﻳﺮ زﻳﺮ ﻋﻤﻞ ﻛﻨﻴﺪ و ﺑﻪ ﻛﻤﻚ ﺷﺎﺧﺺﻫﺎي ﻣﺮﻛﺰي‪ ،‬ﭘﺮاﻛﻨﺪﮔﻲ‪ ،‬ﻛﺸﻴﺪﮔﻲ و‬
‫ﭼﻮﻟﮕﻲ‪ ،‬ﻣﺘﻐﻴﺮ ﻳﺎ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ﻣﻮرد ﻧﻈﺮ را از زواﻳﺎي ﻣﺨﺘﻠﻒ‪ ،‬ﺗﻮﺻﻴﻒ ﻛﻨﻴﺪ‪.1‬‬

‫‪ -1‬ﻫﻤﺎنﮔﻮﻧﻪ ﻛﻪ در ﺑﺨﺶ ﺷﺎﺧﺺﺳﺎزي ﻧﻴﺰ اﺷﺎره ﺷﺪ در ﺑﺴـﻴﺎري از ﻣـﻮارد ﻧﻤـﻲﺗـﻮان ﻣﺘﻐﻴﺮﻫـﺎي ﻛﻤ‪‬ـﻲ و ﻳـﺎ‬
‫ﺷﺎﺧﺺﻫﺎ را از ﻃﺮﻳﻖ ﺟﺪاول ﻓﺮاواﻧﻲ ﻣﻄﻠﻖ و درﺻﺪي ﺗﻮﺻﻴﻒ ﻛﺮد ﭼﺮا ﻛﻪ ﺗﻌﺪد و ﺗﻨﻮع ﺑﺴﻴﺎر زﻳﺎد ﻣﻘـﺎدﻳﺮ اﻳـﻦ‬
‫ﻣﺘﻐﻴﺮﻫﺎ ﺑﻪ اﻧﺪازهاي اﺳﺖ ﻛﻪ ﻣﻨﺠﺮ ﺑﻪ ﺗﺸﻜﻴﻞ ﺟﺪاول ﻃﻮﻻﻧﻲ ﺑﺎ درﺻﺪﻫﺎي ﭘﺮاﻛﻨﺪه ﺧﻮاﻫﺪ ﺷﺪ‪ .‬ﺑﺮاي ﻳـﺎدآوري ﺑـﻪ‬
‫درس ﭼﻬﺎرم "ﻛﺪﮔﺬاري ﻣﺠﺪد و دﺳﺘﻪﺑﻨﺪي" و ﻣﺜﺎﻟﻬﺎي اراﺋﻪ ﺷﺪه در اﻳﻦ درس در ﻣﻮرد ﺗﺒـﺪﻳﻞ ﻣﺘﻐﻴـﺮ ﻛﻤ‪‬ـﻲ ﺑـﻪ‬
‫ﻛﻴﻔﻲ ﻣﺮاﺟﻌﻪ ﻛﻨﻴﺪ‪.‬‬
‫درس ﻫﻔﺘﻢ – ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮي ﻧﺘﺎﻳﺞ ‪103 ‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (42‬ﺷﻴﻮه اﺟﺮاي دﺳﺘﻮر ‪ Descriptives‬ﺑﺮاي ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ‬

‫‪1‬‬

‫‪2‬‬
‫‪3‬‬

‫‪. 5‬ﺑﺎ ﻛﻠﻴـﻚ ﺑـﺮ روي ‪ Option‬ﺷـﺎﺧﺺﻫـﺎي‬

‫آﻣﺎري ﻣﻮردﻧﻴﺎز را اﻧﺘﺨﺎب ﻣﻲﻛﻨﻴﻢ‪.‬‬

‫‪ .4‬ﻣﺘﻐﻴﺮ ﻳﺎ ﻣﺘﻐﻴﺮﻫـﺎي ﻛﻤ‪‬ـﻲ ﻣـﻮردﻧﻈﺮ را از‬

‫ﻛﺎدر ﺳﻤﺖ ﭼﭗ ﺑﻪ راﺳﺖ ﻣﻨﺘﻘﻞ ﻣﻲﻛﻨﻴﻢ‪.‬‬

‫ﺑﺎ ﻛﻠﻴﻚ روي ‪ Option‬ﭘﻨﺠﺮه زﻳﺮ ﺑﺎز ﻣﻲﺷﻮد و اﻣﻜﺎﻧﺎت زﻳﺮ در دﺳﺘﺮس ﻣﺤﻘﻖ ﻗﺮار‬
‫ﻣﻲﮔﻴﺮد ‪:‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (43‬ﺷﻴﻮه اﻧﺘﺨﺎب ﺷﺎﺧﺺﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﺘﻐﻴﺮ‬

‫‪ -1‬ﺷﺎﺧﺺ ﻣﻴﺎﻧﮕﻴﻦ و ﻣﺠﻤﻮع‬

‫‪ -2‬ﺷﺎﺧﺺﻫﺎي اﻧﺤﺮاف ﻣﻌﻴﺎر‬

‫وارﻳﺎﻧﺲ‪ ،‬داﻣﻨﻪ ﺗﻐﻴﻴﺮات‪،‬‬
‫ﻛﻤﺘﺮﻳﻦ ﻣﻘﺪار‪ ،‬ﺑﻴﺸﺘﺮﻳﻦ ﻣﻘﺪار‪،‬‬
‫ﺧﻄﺎيﻣﻴﺎﻧﮕﻴﻦ‬

‫‪ -3‬ﺷﺎﺧﺺ ﻛﺸﻴﺪﮔﻲ و ﭼﻮﻟﮕﻲ‬

‫‪ -4‬ﺑــﺮاي ﻣﺮﺗــﺐ ﺳــﺎﺧﺘﻦ اﻟﻔﺒــﺎﻳﻲ‪،‬‬

‫ﺻﻌﻮدي ﻳﺎ ﻧﺮوﻟﻲ )ﺑﺮ ﺣﺴﺐ ﻣﻴﺎﻧﮕﻴﻦ(‬
‫دو ﻳﺎ ﭼﻨﺪ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ‬

‫اﮔﺮ ﺑﺨﻮاﻫﻴﺪ ﺑﻪ اﻳﻦ ﺳﺆال ﭘﺎﺳﺦ دﻫﻴﺪ ﻛﻪ "وﺿﻌﻴﺖ روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان در‬
‫ﻧﻤﻮﻧﻪي ﻣﻮرد ﺑﺮرﺳﻲ ﭼﮕﻮﻧﻪ اﺳﺖ؟" از آﻧﺠﺎ ﻛﻪ ﻣﺘﻐﻴﺮ "روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان" ﺑﺮاﺳﺎس‬
 ‫‪  104‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺗﻮﺿﻴﺤﺎت ﻗﺒﻠﻲ ﻳﻚ ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ اﺳﺖ‪ ،‬ﺑﺎ اﺟﺮاي دﺳﺘﻮر ﻓﻮق‪ ،‬ﺑﺎ ﺧﺮوﺟﻲ زﻳﺮ روﺑﺮو ﺧﻮاﻫﻴﺪ‬
‫ﺷﺪ‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (20‬ﺗﻮﺻﻴﻒ ﺷﺎﺧﺺﻫﺎي آﻣﺎري "روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان"‬

‫‪Statistic‬‬ ‫‪Std. Error‬‬

‫روﺣﻴﻪ ﻫﻤﻜﺎري‬ ‫‪N‬‬ ‫‪1215‬‬
‫‪Minimum‬‬ ‫‪1.21‬‬
‫‪Maximum‬‬ ‫‪5.00‬‬
‫‪Mean‬‬ ‫‪3.7117‬‬ ‫‪.01407‬‬
‫‪Std.‬‬ ‫‪.49027‬‬
‫‪Deviation‬‬
‫‪Skewness‬‬ ‫‪-.644‬‬ ‫‪.070‬‬
‫‪Kurtosis‬‬ ‫‪1.272‬‬ ‫‪.140‬‬
‫)‪Valid N (listwise‬‬ ‫‪N‬‬ ‫‪1215‬‬

‫ﺟﺪول ﻓﻮق ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪي ﻣﻮرد ﺑﺮرﺳﻲ ﺑﺮاي ﺳﻨﺠﺶ روﺣﻴﻪ ﻫﻤﻜﺎري‬
‫‪ 1215‬ﻧﻔﺮ از داﻧﺶآﻣﻮزان ﺑﻮده اﺳﺖ‪ .‬ﻧﺘﺎﻳﺞ ﻣﺮﺑﻮط ﺑﻪ ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ روﺣﻴﻪ ﻫﻤﻜﺎري ﻧﺸﺎن‬
‫ﻣﻲدﻫﺪ ﻛﻪ ﻛﻤﺘﺮﻳﻦ ﻣﻴﺰان اﻳﻦ ﻣﺘﻐﻴﺮ ‪ 1/21‬و ﺑﻴﺸﺘﺮﻳﻦ ﻣﻘﺪار آن ‪ 5‬اﺳﺖ‪ .‬آﻣﺎرهي ﻣﻴﺎﻧﮕﻴﻦ ﻧﻴﺰ‬
‫ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﻣﺘﻮﺳﻂ روﺣﻴﻪ ﻫﻤﻜﺎري در ﺑﻴﻦ ﻧﻤﻮﻧﻪي ﻣﻮرد ﺑﺮرﺳﻲ ‪) 3/71‬ﻣﺘﻮﺳﻂ رو ﺑﻪ‬
‫ﺑﺎﻻ( اﺳﺖ‪ .‬اﻧﺤﺮاف ﻣﻌﻴﺎر ﻧﻴﺰ ﺑﻴﺎﻧﮕﺮ آن اﺳﺖ ﻛﻪ ﻣﺘﻮﺳﻂ ﭘﺮاﻛﻨﺪﮔﻲ روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان‬
‫از ﻣﻴﺎﻧﮕﻴﻦ ‪ 0/49‬اﺳﺖ‪ .‬ﺿﺮﻳﺐ ﭼﻮﻟﮕﻲ‪ 1‬ﺑﺪﺳﺖ آﻣﺪه ﻣﻨﻔﻲ و ﺷﺪﻳﺪ )‪ (-0/64‬اﺳﺖ ﻛﻪ اﻳﻦ اﻣﺮ‬
‫ﺑﻴﺎﻧﮕﺮ اﻳﻦ واﻗﻌﻴﺖ اﺳﺖ ﻛﻪ روﺣﻴﻪ ﻫﻤﻜﺎري اﻛﺜﺮﻳﺖ اﻋﻀﺎي ﻧﻤﻮﻧﻪ ﺑﺎﻻﺗﺮ از ﻣﻴﺎﻧﮕﻴﻦ ﻳﺎد ﺷﺪه‬
‫اﺳﺖ‪ .‬ﺿﺮﻳﺐ ﻛﺸﻴﺪﮔﻲ ﻧﻴﺰ ﻣﺜﺒﺖ و ﺷﺪﻳﺪ )‪ (1/27‬اﺳﺖ ﻛﻪ ﻧﺸﺎن ﻣﻲدﻫﺪ ﺷﺒﺎﻫﺖ ﻧﻤﻮﻧﻪي ﻣﻮرد‬
‫ﺑﺮرﺳﻲ از ﻟﺤﺎظ روﺣﻴﻪ ﻫﻤﻜﺎري ﺑﻴﺸﺘﺮ از ﺣﺪ‪ ‬ﻧﺮﻣﺎل اﺳﺖ‪.‬‬
‫اﻟﺒﺘﻪ ﺑﺎ اﺳﺘﻔﺎده از دﺳﺘﻮر ‪ Frequencies‬از ﻃﺮﻳﻖ ‪Analyze  Descriptive‬‬
‫‪ Statistics‬و ﻛﻠﻴﻚ ﺑﺮ روي ‪ Statistics‬ﻣﻲﺗﻮان ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ﻋﻼوه ﺑﺮ ﺷﺎﺧﺺﻫﺎي‬
‫ﻣﺮﻛﺰي‪ ،‬ﭘﺮاﻛﻨﺪﮔﻲ‪ ،‬ﭼﻮﻟﮕﻲ و ﻛﺸﻴﺪﮔﻲ ﻛﻪ در ﭘﻨﺠﺮه ‪ option‬در دﺳﺘﺮس ﻛﺎرﺑﺮ ﻗﺮار دارد‪،‬‬

‫‪ -1‬ﻗﺪر ﻣﻄﻠﻖ ﺷﺎﺧﺺ ﭼﻮﻟﮕﻲ و ﻛﺸﻴﺪﮔﻲ ﺑﺮاﺳﺎس ﺣﺪ ﻧﺼﺎبﻫﺎي زﻳﺮ ﺑﻪ ﺳﻪ دﺳﺘﻪ ﺗﻘﺴﻴﻢ ﺷـﺪه اﺳـﺖ‪ :‬ﻛﻤﺘـﺮ از‬
‫‪ 0.1‬ﺿﻌﻴﻒ‪ ،‬ﺑﻴﻦ ‪ 0.1‬ﺗﺎ ‪ 0.5‬ﻣﺘﻮﺳﻂ و ﺑﻴﺸﺘﺮ از ‪ 0.5‬ﺷﺪﻳﺪ‪.‬‬
 ‫درس ﻫﻔﺘﻢ – ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮي ﻧﺘﺎﻳﺞ ‪105 ‬‬

‫ﺷﺎﺧﺺﻫﺎي وﺿﻌﻲ ﻧﻈﻴﺮ ﭼﺎركﻫﺎ‪ ،‬دﻫﻚﻫﺎ‪ ،‬ﺻﺪكﻫﺎ و ﻧﻘﺎط ﻣﻘﻄﻊ را ﻧﻴﺰ ﻣﺤﺎﺳﺒﻪ ﻛﺮد‪.1‬‬
‫ﺗﺼﻮﻳﺮ زﻳﺮ اﻣﻜﺎﻧﺎت ﭘﻨﺠﺮهي ‪ Statistics‬را در دﺳﺘﻮر ‪ Frequencies‬ﻧﺸﺎن ﻣﻲدﻫﺪ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (44‬ﺷﻴﻮه اﻧﺘﺨﺎب ﺷﺎﺧﺺﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﺘﻐﻴﺮ روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان در‬
‫ﭘﻨﺠﺮه ‪Statistics‬‬

‫‪ .3‬ﺷﺎﺧﺺ ﻛﺸﻴﺪﮔﻲ و‬ ‫‪ .1‬ﺷﺎﺧﺺ ﻣﻴـﺎﻧﮕﻴﻦ‪،‬‬

‫ﭼﻮﻟﮕﻲ‬ ‫ﻣﻴﺎﻧﻪ‪ ،‬ﻧﻤﺎ و ﻣﺠﻤﻮع‬
‫‪ .2‬ﺷﺎﺧﺼﻬﺎي ﭼﺎرﻛﻬﺎ‪ ،‬ﻧﻘﺎط ﻣﻘﻄﻊ و ﺻﺪكﻫﺎ )ﻛﻪ ﺧﻮد‬
‫ﺷﺎﻣﻞ دﻫﻜﻬﺎ ﻫﻢ ﻫﺴﺖ(‬

‫‪ .4‬ﺷﺎﺧﺺﻫﺎي اﻧﺤﺮاف ﻣﻌﻴﺎر‪ ،‬وارﻳﺎﻧﺲ‪ ،‬داﻣﻨﻪ ﺗﻐﻴﻴﺮات‪،‬‬

‫ﻛﻤﺘﺮﻳﻦ ﻣﻘﺪار‪ ،‬ﺑﻴﺸﺘﺮﻳﻦ ﻣﻘﺪار‪ ،‬ﺧﻄﺎي ﻣﻴﺎﻧﮕﻴﻦ‬

‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد در اﻳﻦ دﺳﺘﻮر اﻣﻜﺎن ﻣﺮﺗﺐ ﻛﺮدن اﻟﻔﺒﺎﻳﻲ‪ ،‬ﻧﺰوﻟﻲ ﻳﺎ ﺻﻌﻮدي‬
‫ﻣﺘﻐﻴﺮﻫﺎ وﺟﻮد ﻧﺪارد‪.‬‬
‫ﭘﺲ از اﻧﺠﺎم دﺳﺘﻮرات ﻓﻮق‪ ،‬ﺟﺪول ﺷﺎﺧﺺﻫﺎي آﻣﺎري و ﻧﻴﺰ ﻧﻤﻮدار ﻣﺴﺘﻄﻴﻠﻲ ﻣﺮﺑﻮط ﺑﻪ‬
‫ﻣﺘﻐﻴﺮ "روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان" ﻧﻴﺰ در ﮔﺰارش ﭘﮋوﻫﺸﻲ آورده ﻣﻲﺷﻮد‪. 2‬‬

‫‪ -1‬در ﺻﻮرت اﺳﺘﻔﺎده از اﻳﻦ دﺳﺘﻮر ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ‪ ،‬ﻣﺤﻘﻖ ﻣﻲ ﺗﻮاﻧﺪ ﺑﻪ ﺟـﺎي آوردن ﺟـﺪاول ﻋـﺮﻳﺾ و ﻃﻮﻳـﻞ‬
‫ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ﻛﻪ ﻋﻤﻼ ﻫﻴﭻ ﭼﻴﺰي را ﺑﻪ ﺧﻮاﻧﻨﺪه ﻣﻨﺘﻘﻞ ﻧﻤﻲﻛﻨﺪ‪ ،‬از ﻧﻤﻮدار ﻣﺴﺘﻄﻴﻠﻲ در ﻛﻨﺎر ﺟﺪول ﺷﺎﺧﺼﻬﺎي آﻣﺎري‬
‫اﺳﺘﻔﺎده ﻛﻨﺪ‪ .‬ﺑﺮاي ﻳﺎدآوري ﺑﻪ درس ﭼﻬﺎرم " ﻛﺪﮔﺬاري ﻣﺠﺪد و دﺳﺘﻪﺑﻨﺪي" و ﻣﺒﺤﺚ ﺗﺒﺪﻳﻞ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ﺑـﻪ ﻛﻴﻔـﻲ‬
‫ﻣﺮاﺟﻌﻪ ﺷﻮد‪.‬‬
‫‪ -2‬ﻻزم ﺑﻪ ذﻛﺮ اﺳﺖ ﻛﻪ ﺟﺪول ﻓﺮاواﻧﻲ ﺑﻪ دﻟﻴﻞ ﻃﻮﻻﻧﻲ ﺑﻮدن ﺣﺬف ﺷﺪه اﺳﺖ‬
 ‫‪  106‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (21‬ﺗﻮﺻﻴﻒ ﺷﺎﺧﺺﻫﺎي آﻣﺎري"روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان"‬

‫‪N‬‬ ‫‪Valid‬‬ ‫‪1215‬‬

‫‪Missing‬‬ ‫‪0‬‬
‫‪Mean‬‬ ‫‪3.7117‬‬
‫‪Std. Error of Mean‬‬ ‫‪.01407‬‬
‫‪Median‬‬ ‫‪3.7857‬‬
‫‪Std. Deviation‬‬ ‫‪.49027‬‬
‫‪Variance‬‬ ‫‪.240‬‬
‫‪Skewness‬‬ ‫‪-.644‬‬
‫‪Std. Error of Skewness‬‬ ‫‪.070‬‬
‫‪Kurtosis‬‬ ‫‪1.272‬‬
‫‪Std. Error of Kurtosis‬‬ ‫‪.140‬‬
‫‪Range‬‬ ‫‪3.79‬‬
‫‪Minimum‬‬ ‫‪1.21‬‬
‫‪Maximum‬‬ ‫‪5.00‬‬
‫‪Percentiles‬‬ ‫‪10‬‬ ‫‪3.0714‬‬
‫‪25‬‬ ‫‪3.4286‬‬
‫‪30‬‬ ‫‪3.5000‬‬
‫‪50‬‬ ‫‪3.7857‬‬
‫‪60‬‬ ‫‪3.8571‬‬
‫‪75‬‬ ‫‪4.0000‬‬
‫‪80‬‬ ‫‪4.0769‬‬

‫در اﻳﻨﺠﺎ ﻧﻴﺰ ﺗﻔﺴﻴﺮ ﻫﻤﺎﻧﻨﺪ ﺗﻔﺴﻴﺮي اﺳﺖ ﻛﻪ در ﺻﻔﺤﺎت ﭘﻴﺸـﻴﻦ آﻣـﺪ ﺑـﺮاي ﻣﺜـﺎل ﺻـﺪك‬
‫)‪ (Percentiles‬دﻫﻢ ﻧﺸﺎن ﻣﻲدﻫﺪ ده درﺻﺪ داﻧـﺶآﻣـﻮزان ﻣـﻮرد ﺑﺮرﺳـﻲ از ﻟﺤـﺎظ روﺣﻴـﻪ‬
‫ﻫﻤﻜﺎري‪ ،‬ﻧﻤﺮهاي ﻛﻤﺘﺮ ﻳﺎ ﻣﺴﺎوي ‪ 3/07‬و ‪ 90‬درﺻﺪ ﺑﻴﺸﺘﺮ ﻳﺎ ﻣﺴﺎوي ﺑﺎ آن ﮔﺮﻓﺘـﻪاﻧـﺪ‪ .‬ﻧﻤـﻮدار‬
‫زﻳﺮ ﻫﻢ ﻣﺆﻳﺪ ﻧﺘﺎﻳﺞ ﻣﻨﺪرج در ﺟﺪول ﻓﻮق اﺳﺖ‪.‬‬
‫درس ﻫﻔﺘﻢ – ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮي ﻧﺘﺎﻳﺞ ‪107 ‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (45‬ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان‬

 ‫‪  108‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺗﻤﺮﻳﻦ درس ﻫﻔﺘﻢ‬

‫ﺑﺮاﺳﺎس دادهﻫﺎي ﻓﺎﻳﻞ ‪ world95‬ﺗﻤﺮﻳﻨﺎت زﻳﺮ را اﻧﺠﺎم دﻫﻴﺪ‪.‬‬

‫ﺗﻤﺮﻳﻦ‪ -1‬درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ )‪ (Urban‬در ﺟﻬﺎن را ﺑﺮاﺳﺎس ﺷﺎﺧﺺﻫﺎي ﻣﺮﻛﺰي ﺗﻮﺻﻴﻒ و ﺑﻪ‬
‫ﺳﺆاﻻت زﻳﺮ ﭘﺎﺳﺦ دﻫﻴﺪ‪:‬‬
‫‪ -1‬ﻣﺘﻮﺳﻂ درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ در ﺟﻬﺎن ﭼﻘﺪر اﺳﺖ؟‬
‫‪ -2‬ﺑﺎﻻﺗﺮﻳﻦ و ﭘﺎﻳﻴﻦﺗﺮﻳﻦ درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ در ﺟﻬﺎن ﭼﻘﺪر اﺳﺖ و ﻣﺘﻌﻠﻖ ﺑﻪ ﻛﺪام‬
‫ﻛﺸﻮرﻫﺎﺳﺖ؟‬
‫‪ -3‬ﻣﻴﺎﻧﻪ درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ در ﺟﻬﺎن ﭼﻘﺪر اﺳﺖ؟ ﺗﻔﺴﻴﺮ آن را ﺑﻨﻮﻳﺴﻴﺪ‪.‬‬
‫‪ -4‬ﻧﻘﻄﻪ ﻫﻔﺘﺎد درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ ﺟﻬﺎن ﭼﻨﺪ اﺳﺖ؟ ﺗﻔﺴﻴﺮ آن را ﺑﻨﻮﻳﺴﻴﺪ‪.‬‬

‫ﺗﻤﺮﻳﻦ‪ -2‬در ارﺗﺒﺎط ﺑﺎ درﺻﺪ ﺑﺎﺳﻮادان )‪ (Literacy‬ﺑﻪ ﺳﺆاﻻت زﻳﺮ ﭘﺎﺳﺦ دﻫﻴﺪ‪.‬‬
‫‪ -1‬ﭘﺮاﻛﻨﺪﮔﻲ درﺻﺪ ﺑﺎﺳﻮادان را ﺑﺮاﺳﺎس ﺷﺎﺧﺺﻫﺎي وارﻳﺎﻧﺲ‪ ،‬اﻧﺤﺮاف ﻣﻌﻴﺎر و داﻣﻨﻪ‬
‫ﺗﻐﻴﻴﺮات ﺗﻔﺴﻴﺮ ﻛﻨﻴﺪ‪.‬‬
‫‪ -2‬ﺧﻄﺎي ﻣﻴﺎﻧﮕﻴﻦ درﺻﺪ ﺑﺎﺳﻮادان ﭼﻘﺪر اﺳﺖ؟‬
‫‪ -3‬ﻣﻘﺪار ﭼﻮﻟﮕﻲ و ﻛﺸﻴﺪﮔﻲ درﺻﺪ ﺑﺎﺳﻮادان در ﭼﻪ ﺣﺪي اﺳﺖ؟ ﺗﻮﺻﻴﻒ ﻛﻨﻴﺪ‪.‬‬
‫‪ -4‬ﺑﻪ ﻧﻈﺮ ﺷﻤﺎ در اﻛﺜﺮﻳﺖ ﻛﺸﻮرﻫﺎ‪ ،‬درﺻﺪ ﺑﺎﺳﻮادان ﺑﻴﺸﺘﺮ از ﻣﻴﺎﻧﮕﻴﻦ اﺳﺖ ﻳﺎ ﻛﻤﺘﺮ از آن؟‬
‫دﻻﻳﻞ ﺧﻮد را ﺑﻨﻮﻳﺴﻴﺪ‪.‬‬

‫ﺗﻤﺮﻳﻦ‪ -3‬وﺿﻌﻴﺖ دﻳﻦ )‪ (Religion‬ﻛﺸﻮرﻫﺎي ﺟﻬﺎن را ﺗﻮﺻﻴﻒ و ﺑﻪ ﺳﺆاﻻت زﻳﺮ ﭘﺎﺳﺦ‬

‫دﻫﻴﺪ‪.‬‬
‫‪ -1‬ﺗﻌﺪاد ﻛﺸﻮرﻫﺎي ﻣﺴﻠﻤﺎن ﭼﻨﺪ ﻣﻮرد اﺳﺖ؟‬
‫‪ -2‬درﺻﺪ ﻛﺸﻮرﻫﺎي ارﺗﺪﻛﺲ ﭼﻘﺪر اﺳﺖ؟‬
‫‪ -3‬دﻳﻦ ﻏﺎﻟﺐ در ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ ﻛﺪام اﺳﺖ؟‬
‫‪ -4‬درﺻﺪ ﻛﺸﻮرﻫﺎي ﻏﻴﺮﻣﺴﻠﻤﺎن ﭼﻘﺪر اﺳﺖ؟‬
 ‫درس ﻫﺸﺘﻢ‬
‫ﺗﻮﺻﻴﻒ دو ﻣﺘﻐﻴﺮي ﻧﺘﺎﻳﺞ‬

‫در ﭘﺎﻳﺎن اﻳﻦ درس اﻧﺘﻈﺎر ﻣﻲرود داﻧﺸﺠﻮ‬

‫‪ -1‬ﻧﺤﻮه ﺗﻬﻴﻪ ﺟﺪول ﻓﺮاواﻧﻲ ﺑﺮاي دو ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ را ﺑﺪاﻧﺪ و ﺑﺘﻮاﻧﺪ آن را ﺗﻔﺴﻴﺮ ﻛﻨﺪ‪.‬‬
‫‪ -2‬اﻫﻤﻴﺖ درﺻﺪﮔﻴﺮي ﺳﺘﻮﻧﻲ‪ ،‬ﺳﻄﺮي ﻳـﺎ ﻛـﻞ را ﺗﺸـﺨﻴﺺ ﺑﺪﻫـﺪ و از آﻧﻬـﺎ در ﻣـﻮارد‬
‫ﻣﻨﺎﺳﺐ اﺳﺘﻔﺎده ﻛﻨﺪ‪.‬‬
‫‪ -3‬ﺑﺘﻮاﻧﺪ آﻣﺎرهﻫﺎي ﻣﺮﻛﺰي‪ ،‬ﭘﺮاﻛﻨﺪﮔﻲ‪ ،‬وﺿﻌﻲ‪ ،‬ﭼﻮﻟﮕﻲ و ﻛﺸﻴﺪﮔﻲ ﻣﺮﺑﻮط ﺑﻪ ﻣﺘﻐﻴﺮﻫﺎ ﻳـﺎ‬
‫ﺷﺎﺧﺺﻫﺎي ﻛﻤ‪‬ﻲ را ﺑﺮﺣﺴﺐ ﻃﺒﻘﺎت ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ‪ ،‬ﺗﻬﻴﻪ و ﺗﻔﺴﻴﺮ ﻛﻨﺪ‪.‬‬
 ‫‪  110‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -1‬ﻣﻘﺪﻣﻪ‬
‫ﻃﺒﻴﻌﻲ اﺳﺖ ﻛﻪ در اراﺋﻪ ﻧﺘﺎﻳﺞ ﮔﺰارش ﭘﮋوﻫﺸﻲ‪ ،‬ﻋﻼوه ﺑﺮ ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮي‪ ،‬ﺑﻪ ﺗﻮﺻﻴﻒ‬
‫دو ﻣﺘﻐﻴﺮي ﻫﻢ ﻧﻴﺎز ﭘﻴﺪا ﻣﻲﻛﻨﻴﺪ‪ .‬وﻗﺘﻲ ﻗﺼﺪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻳﻚ ﻣﺘﻐﻴﺮ را ﺑﺮ ﺣﺴﺐ ﻣﺘﻐﻴﺮ دﻳﮕﺮي‬
‫ﺗﻮﺻﻴﻒ ﻛﻨﻴﺪ‪ ،‬در اﻳﻦ ﺣﺎﻟﺖ ﻣﻲﮔﻮﻳﻴﻢ ﺗﻮﺻﻴﻒ از ﻧﻮع دو ﻣﺘﻐﻴﺮي اﺳﺖ‪ .‬ﺗﻮﺻﻴﻒ دو ﻣﺘﻐﻴﺮه‬
‫ﺑﺮﺣﺴﺐ ﺳﻄﺢ ﺳﻨﺠﺶ ﻣﺘﻐﻴﺮﻫﺎ ﺑﻪ ﺳﻪ دﺳﺘﻪ ﺗﻘﺴﻴﻢ ﻣﻲﺷﻮد‪:‬‬
‫‪ ‬ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ ﺑﺮﺣﺴﺐ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ‪ :‬ﻣﺎﻧﻨﺪ ﻛﺴﻲ ﻛﻪ ﺑﺨﻮاﻫﺪ درﺻﺪ ﻣﺸﺎﻏﻞ‬
‫ﻣﺨﺘﻠﻒ را ﺑﺮ ﺣﺴﺐ ﺟﻨﺴﻴﺖ اﻋﻀﺎي ﻧﻤﻮﻧﻪ ﺗﻮﺻﻴﻒ ﻛﻨﺪ‬
‫‪ ‬ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ ﺑﺮﺣﺴﺐ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ‪ :‬ﻣﺎﻧﻨﺪ ﻓﺮدي ﻛﻪ ﺑﺨﻮاﻫﺪ ﺳﻦ اﻋﻀﺎي ﻧﻤﻮﻧﻪ را‬
‫ﺑﻪ ﺗﻔﻜﻴﻚ وﺿﻌﻴﺖ ﺗﺄﻫﻞ ﻧﺸﺎن دﻫﺪ‪.‬‬
‫‪ ‬ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ ﺑﺮﺣﺴﺐ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ‪ :‬ﻣﺎﻧﻨﺪ ﻛﺴﻲ ﻛﻪ ﺑﺨﻮاﻫﺪ درآﻣﺪ اﻋﻀﺎي ﻧﻤﻮﻧﻪ‬
‫را ﺑﺮ ﺣﺴﺐ ﺳﺎﺑﻘﻪي ﺧﺪﻣﺖ آﻧﻬﺎ ﻧﺸﺎن دﻫﺪ‪.‬‬
‫از آﻧﺠﺎ ﻛﻪ ﺷﻜﻞ ﺳﻮم ﻛﻤﺘﺮ راﻳﺞ اﺳﺖ و ﻓﻘﻂ ﺑﺎ ﻧﻤﻮدار ﭘﺮاﻛﻨﺶ اﻧﺠﺎم ﻣﻲﺷﻮد‪ ،‬از ﺣﻴﻄﻪي‬
‫دروس ﻣﺒﺎﻧﻲ ‪ spss‬ﺧﺎرج ﻣﻲﺷﻮد ﻟﺬا در اﻳﻨﺠﺎ ﺑﻪ اراﺋﻪي ﻣﺒﺎﺣﺚ ﻣﺮﺑﻮط ﺑﻪ دو ﻧﻮع اول‬
‫ﻣﻲﭘﺮدازﻳﻢ‪.‬‬
‫‪ -2‬ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ ﺑﺮ ﺣﺴﺐ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ‬
‫ﺑﺮاي ﺗﺤﻘﻖ ﭼﻨﻴﻦ ﻫﺪﻓﻲ ﻣﻲﺗﻮان از دﺳﺘﻮرﻫﺎي ﻣﺨﺘﻠﻔﻲ در ﻧﺮماﻓﺰار ‪ spss‬اﺳﺘﻔﺎده ﻛﺮد اﻣﺎ‬
‫در اﻳﻨﺠﺎ دﺳﺘﻮر ‪ Crosstabs‬ﺑﻪ ﺳﺒﺐ ﺳﻬﻮﻟﺖ و ﻓﺮاواﻧﻲ ﻛﺎرﺑﺮد آن ﭘﻴﺸﻨﻬﺎد ﻣﻲﺷﻮد‪ .‬ﺑﻪ اﻳﻦ‬
‫ﻣﻨﻈﻮر ﺑﺎﻳﺪ ﻣﻄﺎﺑﻖ ﺗﺼﻮﻳﺮ زﻳﺮ ﻋﻤﻞ ﻛﺮد‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (46‬اﺟﺮاي دﺳﺘﻮر ‪ crosstabs‬ﺑﺮاي ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ‪ -‬ﻛﻴﻔﻲ‬

‫‪1‬‬
‫‪2‬‬ ‫‪7‬‬
‫‪3‬‬
‫‪ .4‬ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ اﺻﻠﻲ را ﺑﻪ ﺳﻄﺮﻫﺎ ﻣﻨﺘﻘﻞ‬
‫ﻣﻲﻛﻨﻴﻢ‬

‫‪ .5‬ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ ﻛﻪ ﻗﺮار اﺳﺖ ﻣﺒﻨﺎي‬

‫دﺳﺘﻪﺑﻨﺪي و ﺗﻮﺻﻴﻒ ﺑﺎﺷﺪ ﺑﻪ ﺳﺘﻮنﻫﺎ‬ ‫‪ .6‬در ﺻﻮرت ﻟﺰوم ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ ﺳـﻮم را در اﻳـﻦ‬
‫ﻣﻨﺘﻘﻞ ﻣﻲﻛﻨﻴﻢ‪. 2‬‬ ‫ﻗﺴﻤﺖ وارد ﻣﻲﻛﻨﻴﻢ‪.1‬‬
‫درس ﻫﺸﺘﻢ – ﺗﻮﺻﻴﻒ دو ﻣﺘﻐﻴﺮي ﻧﺘﺎﻳﺞ ‪111 ‬‬

‫‪ 1‬در اﻳﻦ ﺣﺎﻟﺖ ﺟﺪاول دو ﺑﻌﺪي ﻛﻪ ﺑﺮاﺳﺎس ﻣﺘﻐﻴﺮﻫﺎي ﺳﻄﺮ و ﺳﺘﻮن ﻓﻮقاﻟﺬﻛﺮ ﺗﻬﻴﻪ ﻣﻲﺷﻮﻧﺪ ﺑﻪ ﺗﻔﻜﻴـﻚ‬
‫ﻃﺒﻘﺎت ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ ﺳﻮم ﺗﻬﻴﻪ ﻣﻲﺷﻮﻧﺪ‪.‬‬
‫‪ 2‬ﺑﺮاي ﻧﻤﻮﻧﻪ در ﻣﺜﺎلﻫﺎي اراﺋﻪ ﺷﺪه در اﻳﻦ ﺻﻔﺤﻪ ﺑﺮاي ﻫﺮ ﻳﻚ از دﺳﺘﻪﻫﺎي ﺗﻮﺻﻴﻒ‪ ،‬ﺑﻪ ﺗﺮﺗﻴﺐ ﻣﺘﻐﻴﺮﻫﺎي‬
‫ﺟﻨﺴﻴﺖ‪ ،‬وﺿﻌﻴﺖ ﺗﺄﻫﻞ‪ ،‬ﺳﺎﺑﻘﻪ ﺧﺪﻣﺖ‪ ،‬ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﻣﺒﻨﺎﻳﻲ ﺑﺮاي دﺳﺘﻪﺑﻨﺪي و ﺗﻮﺻﻴﻒ ﻫﺴﺘﻨﺪ‪.‬‬
‫ﺑﺎ ﻛﻠﻴﻚ ﺑﺮ روي ‪ Cells‬ﺑﺎ ﭘﻨﺠﺮه زﻳﺮ روﺑﺮو ﻣﻲﺷﻮﻳﺪ‪ .‬ﺑﺮاي ﺗﻮﺻﻴﻒ ﻧﺘﺎﻳﺞ ﻓﻘـﻂ ﺑـﺎ ﺑﺨـﺶ‬
‫درﺻﺪﻫﺎ )‪ (Percentage‬ﺳﺮوﻛﺎر دارﻳﺪ‪ .‬از اﻳﻦ ﺑﺨـﺶ ﻣﺘﻨﺎﺳـﺐ ﺑـﺎ ﻫـﺪف ﺗﻮﺻـﻴﻔﻲ‪ ،‬درﺻـﺪ‬
‫ﺳﻄﺮي ﻳﺎ ﺳﺘﻮﻧﻲ ﻳﺎ ﻛﻞ را ﺑﺎﻳﺪ اﻧﺘﺨﺎب ﻛﺮد‪ .‬ﭘﻴﺸﻨﻬﺎد ﻣﻲﺷﻮد اﮔﺮ ﻣﺘﻐﻴﺮ اﺻﻠﻲ در ﺳـﺘﻮن ﺑﺎﺷـﺪ‪،‬‬
‫ﺑﻬﺘﺮ اﺳﺖ درﺻﺪ ﺳﺘﻮﻧﻲ اﻧﺘﺨﺎب ﺷﻮد‪ .‬ﻃﺒﻴﻌﻲ اﺳﺖ ﻛﻪ اﮔﺮ درﺻﺪﻫﺎ ﺳﺘﻮﻧﻲ ﺑﺎﺷﻨﺪ‪ ،‬ﺗﻔﺴـﻴﺮ ﺑﺎﻳـﺪ‬
‫ﺑﻪ ﺻﻮرت ﺳﻄﺮي اﻧﺠﺎم ﺷﻮد‪ .‬ﻫﻤﭽﻨﻴﻦ ﭘﻴﺸﻨﻬﺎد دﻳﮕﺮ آن اﺳﺖ ﻛـﻪ ﻣﺘﻐﻴـﺮي را در ﺳـﺘﻮن ﻗـﺮار‬
‫دﻫﻴﺪ ﻛﻪ داراي ﻣﻘﻮﻻت ﻛﻤﺘﺮي ﺑﺎﺷﺪ ﺗﺎ در ﺧﺮوﺟﻲ‪ ،‬ﺟﺪول ﻛﻮﭼﻚ و ﺷﻜﻴﻞﺗﺮ داﺷﺘﻪ ﺑﺎﺷﻴﺪ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (47‬اﺳﺘﻔﺎده از ﭘﻨﺠﺮه ‪ Cells‬ﺑﺮاي ﻧﻤﺎﻳﺶ اﻋﺪاد در ﺟﺪول ﺧﺮوﺟﻲ‬

‫ﻓﺮاواﻧﻲ ﻣﻄﻠﻖ و ﻣﻮرد اﻧﺘﻈﺎر‬

‫درﺻﺪ ﻫﺎي ﺳﻄﺮي‪ ،‬ﺳﺘﻮﻧﻲ و ﻛﻞ‬

‫اﮔﺮ ﺑﺨﻮاﻫﻴﺪ "ﻛﻴﻔﻴﺖ ﻏﺬاي ﻣﺪرﺳﻪ را از دﻳﺪﮔﺎه داﻧﺶآﻣﻮزان دﺧﺘﺮ و ﭘﺲ" را ﺗﻮﺻﻴﻒ‬
‫ﻛﻨﻴﺪ‪ ،‬ﺑﺮاي اﻳﻦ ﻣﻨﻈﻮر ﻣﺘﻐﻴﺮ ﺟﻨﺴﻴﺖ را ﻛﻪ ﻣﺒﻨﺎي درﺻﺪﮔﻴﺮي اﺳﺖ ﺑﻪ ﺳﺘﻮنﻫﺎ و ﻣﺘﻐﻴﺮ ﻛﻴﻔﻴﺖ‬
‫ﻏﺬا را ﻛﻪ ﻫﺪف ﺗﻮﺻﻴﻒ آن اﺳﺖ‪ ،‬در ﺳﻄﺮﻫﺎ ﻗﺮار دﻫﻴﺪ و در ﺑﺨﺶ درﺻﺪﻫﺎ‪ ،‬درﺻﺪ ﺳﺘﻮﻧﻲ را‬
‫اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪ .‬در اﻳﻦ ﺣﺎﻟﺖ ﺑﺎ اﺟﺮاي دﺳﺘﻮر ﻓﻮق ﺑﺎ ﺟﺪاول زﻳﺮ روﺑﺮو ﻣﻲﺷﻮﻳﺪ‪.‬‬
 ‫‪  112‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (22‬ارزﻳﺎﺑﻲ داﻧﺶآﻣﻮزان از ﻛﻴﻔﻴﺖ ﻏﺬاي ﻣﺪرﺳﻪ ﺑﺮﺣﺴﺐ ﺟﻨﺴﻴﺖ‬

‫‪ Case Processing Summary‬ﺑﺪون ﭘﺎﺳﺦﻫﺎ‬ ‫ﻛﻞ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ‬

‫ﭘﺎﺳﺨﮕﻮﻳﺎن‬ ‫‪Cases‬‬
‫‪Valid‬‬ ‫‪Missing‬‬ ‫‪Total‬‬
‫‪N‬‬ ‫‪Percent‬‬ ‫‪N‬‬ ‫‪Percent‬‬ ‫‪N‬‬ ‫‪Percent‬‬
‫آﻴﻔﻴﺖ ﻏﺬا * ﺟﻨﺲ‬ ‫‪607‬‬ ‫‪50.0%‬‬ ‫‪608‬‬ ‫‪50.0%‬‬ ‫‪1215‬‬ ‫‪100.0%‬‬

‫ﺟﺪول ﻓﻮق ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ در ﺗﻮﺻﻴﻒ ﻛﻴﻔﻴﺖ ﻏﺬا ﺑﺮ ﺣﺴﺐ ﺟﻨﺴﻴﺖ‪ ،‬ﺗﻨﻬﺎ ‪ 50‬درﺻﺪ از‬
‫داﻧﺶآﻣﻮزان )‪ 607‬ﻧﻔﺮ( ﻣﻮرد ﺗﺠﺰﻳﻪوﺗﺤﻠﻴﻞ ﻗﺮار ﮔﺮﻓﺘﻪاﻧﺪ و ﭘﻨﺠﺎه درﺻﺪ ﺑﺎﻗﻲﻣﺎﻧﺪه ﺑﻪ دﻟﻴﻞ‬
‫ﺑﻲﭘﺎﺳﺦ ﮔﺬاﺷﺘﻦ ﺳﺆال ﺟﻨﺴﻴﺖ ﻳﺎ ﻛﻴﻔﻴﺖ ﻏﺬا و ﻳﺎ ﻫﺮدو‪ ،‬از ﺗﺠﺰﻳﻪوﺗﺤﻠﻴﻞ ﺧﺎرج ﺷﺪهاﻧﺪ و ﻳﺎ‬
‫ﺑﻪ دﻻﻳﻞ دﻳﮕﺮي ﺳﺆال ﻛﻴﻔﻴﺖ ﻏﺬا از آﻧﻬﺎ ﭘﺮﺳﻴﺪه ﻧﺸﺪه اﺳﺖ )ﻣﺜﻼً در ﻣﺪارﺳﻲ ﻛﻪ ﺑﻪ‬
‫داﻧﺶآﻣﻮزان ﻧﺎﻫﺎر ﻧﻤﻲدﻫﻨﺪ‪ ،‬اﻳﻦ ﺳﺆال ﭘﺮﺳﻴﺪه ﻧﺸﺪه اﺳﺖ(‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (23‬ﺗﻮﺻﻴﻒ ﻛﻴﻔﻴﺖ ﻏﺬاي ﻣﺪرﺳﻪ ﺑﺮ ﺣﺴﺐ ﺟﻨﺴﻴﺖ داﻧﺶآﻣﻮزان‬

‫‪ Crosstabulation‬آﻴﻔﻴﺖ ﻏﺬا * ﺟﻨﺲ‬

‫ﺟﻨﺲ‬
‫دﺧﺘﺮاﻧﻪ‬ ‫ﭘﺴﺮاﻧﻪ‬ ‫‪Total‬‬
‫آﻴﻔﻴﺖ‬ ‫ﺑﺴﻴﺎر ﻧﺎﻣﻨﺎﺳﺐ‬ ‫‪Count‬‬ ‫‪25‬‬ ‫‪46‬‬ ‫‪71‬‬
‫ﻏﺬا‬ ‫‪% within‬‬ ‫ﺟﻨﺲ‬ ‫‪8.7%‬‬ ‫‪14.4%‬‬ ‫‪11.7%‬‬
‫ﻧﺎﻣﻨﺎﺳﺐ‬ ‫‪Count‬‬ ‫‪51‬‬ ‫‪58‬‬ ‫‪109‬‬
‫‪% within‬‬ ‫ﺟﻨﺲ‬ ‫‪17.8%‬‬ ‫‪18.1%‬‬ ‫‪18.0%‬‬
‫ﺑﻴﻨﺎﺑﻴﻦ‬ ‫‪Count‬‬ ‫‪78‬‬ ‫‪78‬‬ ‫‪156‬‬
‫‪% within‬‬ ‫ﺟﻨﺲ‬ ‫‪27.2%‬‬ ‫‪24.4%‬‬ ‫‪25.7%‬‬
‫ﻣﻨﺎﺳﺐ‬ ‫‪Count‬‬ ‫‪106‬‬ ‫‪105‬‬ ‫‪211‬‬
‫‪% within‬‬ ‫ﺟﻨﺲ‬ ‫‪36.9%‬‬ ‫‪32.8%‬‬ ‫‪34.8%‬‬
‫ﺑﺴﻴﺎر ﻣﻨﺎﺳﺐ‬ ‫‪Count‬‬ ‫‪27‬‬ ‫‪33‬‬ ‫‪60‬‬
‫‪% within‬‬ ‫ﺟﻨﺲ‬ ‫‪9.4%‬‬ ‫‪10.3%‬‬ ‫‪9.9%‬‬
‫‪Total‬‬ ‫‪Count‬‬ ‫‪287‬‬ ‫‪320‬‬ ‫‪607‬‬
‫‪% within‬‬ ‫ﺟﻨﺲ‬ ‫‪100.0%‬‬ ‫‪100.0%‬‬ ‫‪100.0%‬‬

‫اﻳﻦ ﺟﺪول ارزﻳﺎﺑﻲ داﻧﺶآﻣﻮزان دﺧﺘﺮ و ﭘﺴﺮ را از ﻛﻴﻔﻴﺖ ﻏﺬاي ﻣﺪرﺳﻪ ﻧﺸﺎن ﻣﻲدﻫﺪ‪.‬‬
‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﺷﻮد‪ ،‬اﻛﺜﺮﻳﺖ داﻧﺶآﻣﻮزان )‪ 34/8‬درﺻﺪ(‪ ،‬ﻛﻴﻔﻴﺖ ﻏﺬاي ﻣﺪرﺳﻪ را‬
‫ﻣﻨﺎﺳﺐ ارزﻳﺎﺑﻲ ﻛﺮدهاﻧﺪ ﻛﻪ در اﻳﻦ ﻣﻴﺎن ﻧﺴﺒﺖ داﻧﺶآﻣﻮزان دﺧﺘﺮ )‪ 36/9‬درﺻﺪ( اﻧﺪﻛﻲ ﺑﻴﺸﺘﺮ از‬
‫درس ﻫﺸﺘﻢ – ﺗﻮﺻﻴﻒ دو ﻣﺘﻐﻴﺮي ﻧﺘﺎﻳﺞ ‪113 ‬‬

‫ﭘﺴﺮﻫﺎ )‪ 32/8‬درﺻﺪ( اﺳﺖ‪ .‬از ﺳﻮي دﻳﮕﺮ ‪ 11/7‬درﺻﺪ ﻛﻴﻔﻴﺖ ﻏﺬا را ﻧﺎﻣﻨﺎﺳﺐ ارزﻳﺎﺑﻲ‬
‫ﻛﺮدهاﻧﺪ ﻛﻪ در ﻣﻴﺎن آﻧﻬﺎ ﻧﺴﺒﺖ ﭘﺴﺮان )‪ (14/4‬اﻧﺪﻛﻲ ﺑﻴﺸﺘﺮ از دﺧﺘﺮان )‪ (8/7‬اﺳﺖ‪.‬‬
‫‪ -3‬ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ ﺑﺮ ﺣﺴﺐ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ‬
‫ﺑﺮاي اﻳﻦ ﻣﻨﻈﻮر ﻧﻴﺰ راهﺣﻞﻫﺎي ﻣﺨﺘﻠﻔﻲ در ﻧﺮماﻓﺰار ‪ spss‬وﺟﻮد دارد ﻛﻪ ﭘﻴﺸﻨﻬﺎد ﻣﻲﺷﻮد‬
‫از دﺳﺘﻮر ‪ Means‬در ﻣﻨﻮي ‪ Compare Means‬اﺳﺘﻔﺎده ﺷﻮد‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (48‬اﺟﺮاي دﺳﺘﻮر ‪ Means‬ﺑﺮاي ﺗﻮﺻﻴﻒ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ ﺑﺮﺣﺴﺐ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ‬

‫‪1‬‬ ‫‪3‬‬
‫‪6‬‬
‫‪2‬‬

‫‪ .4‬ﻣﺘﻐﻴﺮ ﻳﺎ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ را‬ ‫ﺑﺮ‬ ‫ﻛﻠﻴﻚ‬ ‫ﺑﺎ‬

‫ﺑﻪ اﻳﻦ ﻗﺴﻤﺖ ﻣﻨﺘﻘﻞ ﻛﻨﻴﺪ‬ ‫‪Next‬‬ ‫روي‬
‫ﻣﻲﺗﻮاﻧﻴﻢ‬
‫‪ .5‬ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ را ﺑﻪ اﻳﻦ ﻗﺴﻤﺖ‬ ‫ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ‬
‫ﻣﻨﺘﻘﻞ ﻛﻨﻴﺪ‬ ‫دﻳﮕﺮي را ﻧﻴﺰ‬
‫‪1‬‬
‫وارد ﻛﻨﻴﻢ‬

‫‪ -1‬در اﻳﻦ ﺣﺎﻟﺖ ﻧﺘﺎﻳﺞ ﺑﻪ ﺗﻔﻜﻴﻚ ﻃﺒﻘﺎت ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ اراﺋﻪ ﻣﻲﺷﻮد‪.‬‬
‫ﺑﺎ ﻛﻠﻴﻚ ﺑﺮ روي ‪ Option‬ﭘﻨﺠﺮهي زﻳﺮ ﺑﺎز ﻣﻲﺷﻮد و ﻣﻲﺗﻮان ﺷﺎﺧﺺﻫﺎي ﻣﺮﻛﺰي ﻳﺎ‬
‫ﭘﺮاﻛﻨﺪﮔﻲ را ﺑﺮاي ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ‪ ،‬در اﻳﻦ ﻗﺴﻤﺖ اﻧﺘﺨﺎب ﻛﺮد‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (49‬اﺳﺘﻔﺎده از ﭘﻨﺠﺮه ‪ option‬ﺑﺮاي اﻧﺘﺨﺎب ﺷﺎﺧﺺﻫﺎي آﻣﺎري‬

‫در اﻳﻨﺠﺎ اﻧﻮاع ﺷﺎﺧﺺ ﻫﺎي آﻣﺎري‬

‫وﺟﻮد دارد ﻛﻪ ﻣﻲ ﺗﻮان ﺑﺮ ﺣﺴﺐ ﻧﻴﺎز‬
‫ﺑﻪ ﻛﺎدر ﺳﻤﺖ راﺳﺖ ﻣﻨﺘﻘﻞ ﻛﺮد‪.‬‬
 ‫‪  114‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺑﺮاي ﻣﺜﺎل ﻣﺤﻘﻘﻲ ﻣﻲﺧﻮاﻫﺪ ﺑﺪاﻧﺪ "ﻣﻴﺰان روﺣﻴﻪ ﻫﻤﻜﺎري در ﺑﻴﻦ داﻧﺶآﻣﻮزان دﺧﺘﺮ و‬
‫ﭘﺴﺮ ﭼﻘﺪر اﺳﺖ؟" او ﺑﺎ اﺟﺮاي دﺳﺘﻮر ﻓﻮق‪ ،‬ﺑﺎ ﺧﺮوﺟﻲ زﻳﺮ ﻣﻮاﺟﻪ ﻣﻲﺷﻮد‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (24‬وﺿﻌﻴﺖ روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان ﺑﺮ ﺣﺴﺐ ﺟﻨﺴﻴﺖ‬

‫‪Std.‬‬
‫ﺟﻨﺲ‬ ‫‪N‬‬ ‫‪Minimum‬‬ ‫‪Maximum‬‬ ‫‪Mean‬‬ ‫‪Deviation‬‬ ‫‪Skewness‬‬ ‫‪Kurtosis‬‬
‫دﺧﺘﺮ‬ ‫‪580‬‬ ‫‪1.67‬‬ ‫‪4.60‬‬ ‫‪3.6307‬‬ ‫‪.41940‬‬ ‫‪-.572‬‬ ‫‪.872‬‬
‫ﭘﺴﺮ‬ ‫‪635‬‬ ‫‪1.20‬‬ ‫‪4.73‬‬ ‫‪3.5832‬‬ ‫‪.48845‬‬ ‫‪-.649‬‬ ‫‪1.293‬‬
‫‪Total‬‬ ‫‪121‬‬
‫‪1.20‬‬ ‫‪4.73‬‬ ‫‪3.6059‬‬ ‫‪.45722‬‬ ‫‪-.646‬‬ ‫‪1.267‬‬
‫‪5‬‬

‫ﻧﺘﺎﻳﺞ ﺑﺪﺳﺖ آﻣﺪه ﺑﻴﺎﻧﮕﺮ آن اﺳﺖ ﻛﻪ‪:‬‬

‫‪ -1‬ﻛﻞ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ )‪ 1215‬داﻧﺶآﻣﻮز( وارد ﺗﺤﻠﻴﻞ ﺷﺪهاﻧﺪ‪ .‬ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ‬
‫ﻣﻲﺷﻮد از اﻳﻦ ﺗﻌﺪاد ‪ 580‬ﻧﻔﺮ دﺧﺘﺮ و ‪ 635‬ﻧﻔﺮ را داﻧﺶآﻣﻮزان ﭘﺴﺮ ﺗﺸﻜﻴﻞ ﻣﻲدﻫﻨﺪ‪.‬‬
‫‪ -2‬ﺣﺪاﻗﻞ روﺣﻴﻪ ﻫﻤﻜﺎري در ﺑﻴﻦ داﻧﺶ آﻣﻮزاندﺧﺘﺮ )‪ (1/67‬و ﺣﺪاﻛﺜﺮ )‪ (4/60‬اﺳﺖ‪ .‬در‬
‫ﻣﻮرد ﭘﺴﺮﻫﺎ ﻧﻴﺰ ﺣﺪاﻗﻞ روﺣﻴﻪ ﻫﻤﻜﺎري ‪ 1/20‬ﺑﻮده و ﺣﺪاﻛﺜﺮ آن ‪ 4/73‬اﺳﺖ‪.‬‬
‫‪ -3‬ﻣﻴﺎﻧﮕﻴﻦ ﺣﺎﺻﻞ ﻧﺸﺎن ﻣﻲدﻫﺪ اﮔﺮﭼﻪ روﺣﻴﻪ ﻫﻤﻜﺎري در ﺑﻴﻦ داﻧﺶآﻣﻮزان دﺧﺘﺮ و ﭘﺴﺮ‬
‫در ﺣﺪ ﻣﺘﻮﺳﻄﻲ اﺳﺖ‪ .‬اﻣﺎ اﻳﻦ روﺣﻴﻪ در ﺑﻴﻦ داﻧﺶآﻣﻮزان دﺧﺘﺮ )‪ (3/63‬ﻧﺴﺒﺖ ﺑﻪ ﭘﺴﺮﻫﺎ‬
‫)‪(3/58‬ﻛﻤﻲ ﺑﻴﺸﺘﺮ اﺳﺖ‪.‬‬
‫‪ -4‬ﺷﺎﺧﺺ اﻧﺤﺮاف ﻣﻌﻴﺎر ﻧﻴﺰ ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ روﺣﻴﻪ ﻫﻤﻜﺎري داﻧﺶآﻣﻮزان دﺧﺘﺮ ﺑﻪ ﻃﻮر‬
‫ﻣﺘﻮﺳﻂ ‪ 0/41‬در ﺣﻮل ﻣﻴﺎﻧﮕﻴﻦ ﻗﺮار دارد در ﺣﺎﻟﻴﻜﻪ در ﻣﻮرد ﭘﺴﺮﻫﺎ ﻛﻤﻲ ﺑﻴﺸﺘﺮ )‪ (0/48‬اﺳﺖ‬
‫‪ -5‬ﺿﺮﻳﺐ ﭼﻮﻟﮕﻲ ﺑﺪﺳﺖ آﻣﺪه در ﻣﻮرد ﻫﺮ دو ﮔﺮوه داﻧﺶآﻣﻮزان دﺧﺘﺮ )‪ (-0/57‬و ﭘﺴﺮ‬
‫)‪ (-0/64‬ﻣﻨﻔﻲ و ﺷﺪﻳﺪ اﺳﺖ‪ .‬اﻳﻦ وﺿﻌﻴﺖ ﺑﻴﺎﻧﮕﺮ اﻳﻦ واﻗﻌﻴﺖ اﺳﺖ ﻛﻪ اﻛﺜﺮﻳﺖ داﻧﺶآﻣﻮزان‬
‫دﺧﺘﺮ و ﭘﺴﺮ روﺣﻴﻪ ﻫﻤﻜﺎري ﺑﺎﻻﺗﺮ از ﻣﻴﺎﻧﮕﻴﻦ ﻓﻮقاﻟﺬﻛﺮ دارﻧﺪ‪.‬‬
‫‪ -6‬ﺿﺮﻳﺐ ﻛﺸﻴﺪﮔﻲ ﻧﻴﺰ در ﻣﻮرد ﻫﺮ دو ﮔﺮوه ﻣﺜﺒﺖ و ﺷﺪﻳﺪ اﺳﺖ ﺑﺪﻳﻦ ﻣﻌﻨﻲ ﻛﻪ اﮔﺮ ﭼﻪ‬
‫ﭘﺮاﻛﻨﺪﮔﻲ ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ روﺣﻴﻪ ﻫﻤﻜﺎري در ﻫﺮ دو ﮔﺮوه ﺑﻴﺸﺘﺮ از ﺣﺪ ﻧﺮﻣﺎل اﺳﺖ‪ ،1‬اﻣﺎ ﻣﻴﺰان‬
‫اﻳﻦ ﭘﺮاﻛﻨﺪﮔﻲ در ﺑﻴﻦ ﭘﺴﺮان )‪ (1/29‬ﺑﻴﺸﺘﺮ از دﺧﺘﺮان )‪ (0/87‬اﺳﺖ‪.‬‬

‫‪ -1‬ﻣﻘﺎدﻳﺮ ﺑﺎﻻي ﻛﺸﻴﺪﮔﻲ ﻧﺸﺎﻧﻪ ﭘﺮاﻛﻨﺪﮔﻲ ﻛﻤﺘﺮ ﻳﺎ ﺷﺒﺎﻫﺖ ﺑﻴﺸﺘﺮ ﺑﻴﻦ اﻋﻀﺎي ﻧﻤﻮﻧﻪ اﺳﺖ‪.‬‬
‫درس ﻫﺸﺘﻢ – ﺗﻮﺻﻴﻒ دو ﻣﺘﻐﻴﺮي ﻧﺘﺎﻳﺞ ‪115 ‬‬

‫ﺗﻤﺮﻳﻦ درس ﻫﺸﺘﻢ‬

‫ﺑﺮاﺳﺎس ﻓﺎﻳﻞ )‪ (GSS93 SUBSET VALUE‬ﺗﻤﺮﻳﻨﺎت زﻳﺮ را اﻧﺠﺎم دﻫﻴﺪ‪.‬‬

‫ﺗﻤﺮﻳﻦ ‪ -1‬ﮔﺮاﻳﺶ اﻋﻀﺎي ﻧﻤﻮﻧﻪ ﺑﻪ ﻣﻮﺳﻴﻘﻲ ﻛﻼﺳﻴﻚ ﺑﻪ ﺗﻔﻜﻴﻚ ﺟﻨﺴﻴﺖ در ﭼﻪ ﺣﺪ‪‬ي‬

‫اﺳﺖ؟‬

‫ﺗﻤﺮﻳﻦ‪ -2‬وﺿﻌﻴﺖ ﺳﻮاد )‪ (Educ‬و درآﻣﺪ ﻛﻞ ﺧﺎﻧﻮاده )‪ (Income‬را در ﻧﮋادﻫﺎي ﻣﺨﺘﻠﻒ‬

‫)‪ (Race‬ﺗﻮﺻﻴﻒ ﻛﻨﻴﺪ‪.‬‬

‫ﺗﻤﺮﻳﻦ‪ -3‬ﭼﻨﺪ درﺻﺪ ﻣﺮدان ﺑﺎ اﺷﺘﻐﺎل زﻧﺎن در ﺧﺎرج از ﺧﺎﻧﻪ )‪ (fework‬ﻣﻮاﻓﻖ ﻫﺴﺘﻨﺪ؟‬
‫ﻧﺴﺒﺖ زﻧﺎن ﻣﺨﺎﻟﻒ ﺑﺎ اﻳﻦ ﻣﻮﺿﻮع ﭼﻘﺪر اﺳﺖ؟‬

‫ﺗﻤﺮﻳﻦ ‪ -4‬ﻣﻴﺰان ﻣﻮاﻓﻘﺖ ﺑﺎ آﻣﻮزش ﻣﺴﺎﺋﻞ ﺟﻨﺴﻲ )‪ (sexeduc‬را ﺑﺮ ﺣﺴﺐ وﺿﻌﻴﺖ ﺗﺄﻫﻞ‬
‫ﺗﻮﺻﻴﻒ ﻛﻨﻴﺪ‪ .‬ﭼﻨﺪ درﺻﺪ زﻧﺎن ﻣﻄﻠﻘﻪ ﺑﺎ اﻳﻦ ﻣﻮﺿﻮع ﻣﻮاﻓﻖ ﻫﺴﺘﻨﺪ؟ ﻧﺴﺒﺖ ﻣﺮدان ﻣﺠﺮدي ﻛﻪ‬
‫ﺑﺎ اﻳﻦ ﻣﻮﺿﻮع ﻣﺨﺎﻟﻒ ﻫﺴﺘﻨﺪ‪ ،‬در ﭼﻪ ﺣﺪي اﺳﺖ؟‬

‫ﺗﻤﺮﻳﻦ ‪ -5‬ﺳﻄﺢ ﺳﻮاد )‪ (degree‬در ﺑﻴﻦ ﭘﺎﻳﮕﺎهﻫﺎي ﻣﺨﺘﻠﻒ اﺟﺘﻤﺎﻋﻲ‪ -‬اﻗﺘﺼﺎدي )‪ (sei‬در‬
‫ﭼﻪ ﺣﺪي اﺳﺖ؟‬
 ‫‪ ‬‬

‫ﺑﺨﺶ ﺳﻮم‬

‫آﻣﺎر اﺳﺘﻨﺒﺎﻃﻲ‬
‫رواﺑﻂ ﻫﻤﺒﺴﺘﮕﻲ و ﻋﻠّﻲ‬
‫در ﭘﺎﻳﺎن اﻳﻦ درس اﻧﺘﻈﺎر ﻣﻲرود داﻧﺸﺠﻮ‬
‫‪ -1‬ﺑﺘﻮاﻧﺪ ﺗﻔﺎوت ﺳﺆاﻻت و ﻓﺮﺿﻴﺎت را ﺑﺮاﺳﺎس ﺳﻄﺢ ﺳﻨﺠﺶ ﻣﺘﻐﻴﺮﻫﺎ و ﻫـﺪف ﻣﺤﻘـﻖ‬
‫ﺗﺸﺨﻴﺺ دﻫﺪ‪.‬‬
‫‪ -2‬روشﻫــﺎي آﻣــﺎري ﻣﺘﻨﺎﺳــﺐ ﺑــﺎ ﺳــﺆاﻻت و ﻓﺮﺿــﻴﺎت ﺗﺤﻘﻴــﻖ را ﺷﻨﺎﺳــﺎﻳﻲ ﻛﻨــﺪ‪.‬‬
 ‫‪  118‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬
‫‪ ‬‬
‫‪ -1‬ﻣﻘﺪ‪‬ﻣﻪ‬
‫از آﻧﺠﺎ ﻛﻪ ﻫﺪف اﻏﻠﺐ ﺗﺤﻘﻴﻘﺎﺗﻲ ﻛﻪ ﺑﻪ ﺷﻴﻮه ﻧﻤﻮﻧﻪﮔﻴﺮي اﻧﺠﺎم ﻣﻲﺷﻮﻧﺪ اﺳﺘﻨﺒﺎط‬
‫وﻳﮋﮔﻲﻫﺎي ﺟﺎﻣﻌﻪ آﻣﺎري و ﺗﻌﻤﻴﻢ ﻧﺘﺎﻳﺞ از ﻧﻤﻮﻧﻪ ﺑﻪ آن ﻣﻲﺑﺎﺷﺪ‪ ،‬ﻣﺤﻘﻖ ﻧﻴﺎز ﺑﻪ اﺳﺘﻔﺎده از آﻣﺎر‬
‫اﺳﺘﻨﺒﺎﻃﻲ دارد‪ .‬آﻣﺎر اﺳﺘﻨﺒﺎﻃﻲ ﻣﺠﻤﻮﻋﻪاي از روشﻫﺎي آﻣﺎري اﺳﺖ ﻛﻪ ﻣﺤﻘﻖ ﺑﻪ ﻛﻤﻚ آﻧﻬﺎ‬
‫ﻣﻲﺗﻮاﻧﺪ ﺑﻪ ﺳﺆاﻻت ﻳﺎ ﻓﺮﺿﻴﺎت ﻣﺮﺑﻮط ﺑﻪ ﺟﺎﻣﻌﻪ آﻣﺎري‪ ،‬از ﻃﺮﻳﻖ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ ﭘﺎﺳﺦ‬
‫ﻣﻲدﻫﺪ‪.‬‬
‫اﻧﺘﺨﺎب ﻳﻚ روش از ﻣﺠﻤﻮﻋﻪ روشﻫﺎي آﻣﺎر اﺳﺘﻨﺒﺎﻃﻲ‪ ،‬ﺑﻪ دو ﻣﻌﻴﺎر اﺻﻠﻲ ﺑﺴﺘﮕﻲ دارد‪.‬‬
‫‪ -1‬ﺳﻄﺢ ﺳﻨﺠﺶ ﻣﺘﻐﻴﺮﻫﺎي ﻣﻨﺪرج در ﺳﺆاﻻت ﻳﺎ ﻓﺮﺿﻴﺎت‬
‫‪ -2‬ﻫﺪف ﻣﺤﻘﻖ از ﺑﻴﺎن ﺳﺆال ﻳﺎ ﻓﺮﺿﻴﻪ‬
‫ﺗﻨﻬﺎ ﭘﺲ از ﺷﻨﺎﺳﺎﻳﻲ اﻳﻦ دو ﻣﻼك ﻋﻤﺪه اﺳﺖ ﻛﻪ ﻣﻲﺗﻮان روش آﻣﺎري ﻣﻨﺎﺳﺒﻲ را ﺑﺮاي‬
‫ﭘﺎﺳﺦ ﺑﻪ ﺳﺆاﻻت ﻳﺎ آزﻣﻮن ﻓﺮﺿﻴﺎت ﺗﺤﻘﻴﻖ اﻧﺘﺨﺎب ﻛﺮد‪.‬‬
‫در ارﺗﺒﺎط ﺑﺎ ﻣﻌﻴﺎر ﻧﺨﺴﺖ ﻻزم ﺑﻪ ذﻛﺮ اﺳﺖ ﻛﻪ ﻣﺘﻐﻴﺮﻫﺎ از ﺣﻴﺚ ﺳﻄﺢ ﺳﻨﺠﺶ ﺑﻪ ﭼﻬﺎر‬
‫دﺳﺘﻪ اﺳﻤﻲ‪ ،‬رﺗﺒﻪاي‪ ،‬ﻓﺎﺻﻠﻪاي و ﻧﺴﺒﻲ ﺗﺒﺪﻳﻞ ﻣﻲﺷﻮﻧﺪ ﻛﻪ دو ﻣﻮرد اول )اﺳﻤﻲ و رﺗﺒﻪاي( در‬
‫ﺷﻤﺎر ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ ﻗﺮار ﻣﻲﮔﻴﺮﻧﺪ و دو ﻣﻮرد آﺧﺮ )ﻓﺎﺻﻠﻪاي و ﻧﺴﺒﻲ( ﺟﺰء ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ‬
‫ﻣﺤﺴﻮب ﻣﻲﺷﻮﻧﺪ‪ .‬ﺗﺠﺮﺑﻪ ﻧﺸﺎن داده اﺳﺖ ﻛﻪ روشﻫﺎي آﻣﺎري ﻣﺮﺑﻮط ﺑﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ‬
‫ﻼ ﻳﻜﺴﺎن ﻫﺴﺘﻨﺪ‪.‬‬
‫)ﻓﺎﺻﻠﻪاي ﻳﺎ ﻧﺴﺒﻲ( ﻋﻤ ً‬
‫در ارﺗﺒﺎط ﺑﺎ ﻣﻌﻴﺎر دوم ﻧﻴﺰ ﻻزم اﺳﺖ ﺑﺪاﻧﻴﺪ ﻛﻪ ﻣﺤﻘﻖ ﻣﻌﻤﻮﻻً در ﻓﺮﺿﻴﺎﺗﻲ ﻛﻪ ﻃﺮاﺣﻲ‬
‫ﻣﻲﻛﻨﺪ در ﺟﺴﺘﺠﻮي ﻛﺸﻒ ﻧﻮﻋﻲ راﺑﻄﻪ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎﺳﺖ‪ .‬اﻳﻦ راﺑﻄﻪ ﻣﻲﺗﻮاﻧﺪ ﻳﻜﻲ از ﺣﺎﻟﺖﻫﺎي‬
‫ﻫﻤﺒﺴﺘﮕﻲ‪ ،‬ﻋﻠّﻲ و ﻳﺎ ﺗﻔﺎوت ﺑﺎﺷﺪ‪ .‬ﺑﻪ ﻓﺮﺿﻴﻪﻫﺎي زﻳﺮ ﻛﻪ در ﺑﺮ ﮔﻴﺮﻧﺪه اﻳﻦ ﺳﻪ ﺣﺎﻟﺖ اﺳﺖ‪،‬‬
‫دﻗﺖ ﻛﻨﻴﺪ‪.‬‬
‫‪ .1‬ﻣﻴﺎﻧﮕﻴﻦ ﻧﻤﺮه درس آﻣﺎر در ﺑﻴﻦ دﺧﺘﺮان ﺑﻴﺸﺘﺮ از ﭘﺴﺮان اﺳﺖ )در اﻳﻨﺠـﺎ راﺑﻄـﻪ از ﻧـﻮع‬
‫ﺗﻔﺎوت اﺳﺖ(‪.‬‬
‫‪ .2‬ﻧﻮع ﺷﻐﻞ ﺑﺮ ﻣﻴﺰان ﭘﺲاﻧﺪاز ﺗﺄﺛﻴﺮ ﻣﻲﮔﺬارد )در اﻳﻨﺠﺎ راﺑﻄﻪ از ﻧﻮع ﺗﺄﺛﻴﺮ اﺳﺖ(‪.‬‬
‫‪ .3‬ﺑﻴﻦ ﻣﺪرك ﺗﺤﺼﻴﻠﻲ و رﺿﺎﻳﺖ از ﺷﻐﻞ ﻫﻤﺒﺴﺘﮕﻲ وﺟﻮد دارد )در اﻳﻨﺠﺎ راﺑﻄـﻪ از ﻧـﻮع‬
‫ﻫﻤﺒﺴﺘﮕﻲ اﺳﺖ(‪.‬‬
‫ﺟﺪول زﻳﺮ روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ را ﺑﺮاي ﭘﺎﺳﺨﮕﻮﻳﻲ ﺑﻪ ﺳﺆاﻻت ﻳﺎ ﻓﺮﺿﻴﺎت ﺗﺤﻘﻴﻖ ﺑﺎ‬
‫ﺗﻮﺟﻪ ﺑﻪ دو ﻣﻌﻴﺎر ﻓﻮق‪ ،‬ﺑﻪ ﺻﻮرت ﻓﺸﺮده ﻧﺸﺎن ﻣﻲدﻫﺪ‪.‬‬
‫درس ﻧﻬﻢ – روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ ‪  119 ‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (25‬روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي آزﻣﻮن ﻓﺮﺿﻴﺎت ﻳﺎ ﺳﺆاﻻت ﺗﺤﻘﻴﻖ‬
‫ﻫـﺪف ﻣﺤـﻘﻖ‬

‫ﺳﻨﺠﺶ راﺑﻄﻪ از ﻧﻮع ﺗﻔﺎوت‬ ‫ﺳﻨﺠﺶ راﺑﻄﻪ از‬ ‫ﺳﻨﺠﺶ راﺑﻄﻪ از ﻧﻮع ﻫﻤﺒﺴﺘﮕﻲ‬
‫ﻧﻮع ﻋﻠّﻲ‬
‫‪ -1‬ﺑﺮاي ﮔﺮوه ﻫﺎي ﻫﻤﺒﺴﺘﻪ‪:‬‬
‫اﻟﻒ‪ -‬ﺿﺮﻳﺐ ﻛﺎﭘﺎ ب‪ -‬ﺿﺮﻳﺐ ﻣﻚ ﻧﻤﺎر‬ ‫ﻛﻲ دو ‪ +‬ﺿﺮﻳﺐ‬ ‫ﻛﻲ دو‪ +‬ﺿﺮاﻳﺐ ﻓﻲ و وي ﻛﺮاﻣﺮ‬ ‫اﺳﻤﻲ‪-‬اﺳﻤﻲ‬
‫‪ -2‬ﺑﺮاي ﮔﺮوهﻫﺎي ﻣﺴﺘﻘﻞ‪ :‬ﺿﺮﻳﺐ رﻳﺴﻚ‬ ‫ﻻﻣﺪا‬

‫‪ H -1‬ﻛﺮاﺳﻜﺎل واﻟﻴﺲ ﺑﺮاي ﮔﺮوهﻫﺎي ﻣﺴﺘﻘﻞ‬ ‫‪ -1‬ﺗﺎي ﺑﻲ ﻛﻨﺪال )ﺑﺮاي ﺟﺪاول ﻣﺮﺑﻊ(‬
‫‪ -2‬آزﻣــــﻮن ﻓﺮﻳــــﺪﻣﻦ )ﺑــــﺮاي ﮔــــﺮوهﻫــــﺎي‬ ‫‪d‬ﺳﺎﻣﺮز‬ ‫‪ -2‬ﺗﺎي ﺳﻲ ﻛﻨﺪال )ﺑﺮاي ﺟﺪاول‬ ‫رﺗﺒـــــــﻪاي –‬
‫ﻫﻤﺒﺴﺘﻪ(‬ ‫ﻣﺴﺘﻄﻴﻞ(‬ ‫رﺗﺒﻪاي‬
‫‪ -3‬ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ اﺳﭙﻴﺮﻣﻦ‬
‫‪-1‬در ﮔﺮوهﻫﺎي ﻫﻤﺒﺴﺘﻪ‬ ‫‪ -1‬ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﭘﻴﺮﺳﻮن)اﮔﺮ‬
‫اﻟﻒ‪ -‬ﺑﺮاي ﻣﻘﺎﻳﺴﻪ دو ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ از ‪T-Test‬‬ ‫ﺗﻮزﻳﻊ ﻫﺮ دو ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ ﻧﺮﻣﺎل ﺑﺎﺷﺪ(‪.‬‬
‫‪Paired‬‬ ‫‪ -2‬ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ اﺳﭙﻴﺮﻣﻦ )اﮔﺮ‬
‫ب‪ -‬ﺑﺮاي ﺑﻴﺶ از دو ﻣﺘﻐﻴﺮ ﻛﻤﻲ ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ‬ ‫رﮔﺮﺳﻴﻮنِ‬ ‫ﺗﻮزﻳﻊِ ﻻاﻗﻞ ﻳﻜﻲ از ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ‬ ‫ﻛﻤ‪‬ﻲ‪ - 2‬ﻛﻤ‪‬ﻲ‬
‫ﭼﻨﺪ ﻣﺘﻐﻴﺮي )‪(MANOVA‬‬ ‫ﭼﻨﺪﮔﺎﻧﻪ‬ ‫ﻏﻴﺮ ﻧﺮﻣﺎل ﺑﺎﺷﺪ(‪.‬‬

‫ﺳﻄﺢ ﺳﻨﺠﺶ ﻣﺘﻐﻴﺮﻫﺎ‬

‫‪ -2‬در ﮔﺮوهﻫﺎي ﻣﺴﺘﻘﻞ )اﺑﺘﺪا ﻳﻜﻲ از ﻣﺘﻐﻴﺮﻫﺎي‬
‫ﻛﻤ‪‬ﻲ را ﮔﺮوهﺑﻨﺪي ﻣﻲ ﻛﻨﻴﻢ و ﺳﭙﺲ(‪:‬‬
‫اﻟﻒ‪ T-Test -‬ﺑﺮاي دو ﮔﺮوه ﻣﺴﺘﻘﻞ‬
‫ب‪ -‬ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﺑﺮاي ﭼﻨﺪ ﮔﺮوه ﻣﺴﺘﻘﻞ‬

‫‪1‬‬
‫‪ U -1‬ﻣﺎن وﻳﺘﻨﻲ ﺑﺮاي دو ﮔﺮوه ﻣﺴﺘﻘﻞ‬
‫‪H -2‬ﻛﺮاﺳﻜﺎل واﻟﻴﺲ ﺑﺮاي ﭼﻨﺪ ﮔﺮوه ﻣﺴﺘﻘﻞ‬ ‫ﻛــــــــــﻲ دو‪+‬‬ ‫ﻛﻲ دو‪ +‬وي ﻛﺮاﻣﺮ‬ ‫اﺳـــﻤﻲ‪ -‬رﺗﺒـــﻪ‬
‫ﺿﺮﻳﺐ ﻻﻣﺪا‬ ‫اي‬
‫در ﺻﻮرت ﻧﺮﻣﺎل ﺑﻮدن ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ‪:3‬‬
‫‪ T-Test -1‬ﺑﺮاي دو ﮔﺮوه ﻣﺴﺘﻘﻞ‬ ‫ﻣﺠـــــــــــﺬور‬ ‫ﺿﺮﻳﺐ اﺗﺎ‬ ‫اﺳﻤﻲ – ﻛﻤ‪‬ﻲ‬
‫‪ -2‬ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﺑﺮاي ﭼﻨﺪ ﮔﺮوه ﻣﺴﺘﻘﻞ‬ ‫ﺿﺮﻳﺐ اﺗﺎ‬

‫در ﺻﻮرت ﻧﺮﻣﺎل ﺑﻮدن ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ‪:‬‬

‫‪ T-Test -1‬ﺑﺮاي دو ﮔﺮوه ﻣﺴﺘﻘﻞ‬ ‫ﻣﺠـــــــــــﺬور‬ ‫ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ اﺳﭙﻴﺮﻣﻦ‬ ‫رﺗﺒـــــــﻪاي ‪-‬‬
‫‪ -2‬ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﺑﺮاي ﭼﻨﺪ ﮔﺮوه ﻣﺴﺘﻘﻞ‬ ‫ﺿﺮﻳﺐ اﺗﺎ‬ ‫ﻛﻤ‪‬ﻲ‬

‫‪ -1‬از آﻧﺠﺎ ﻛﻪ ﺳﺆاﻻت و ﻓﺮﺿﻴﺎت ﻏﺎﻟﺒﺎً دو ﻣﺘﻐﻴﺮي ﻫﺴﺘﻨﺪ‪ ،‬ﻏﺎﻟﺒﺎً ﺗﺮﻛﻴﺒﺎت ﻣﺨﺘﻠﻔﻲ از ﺣﻴﺚ ﺳﻄﻮح ﺳﻨﺠﺶ ﭘﺪﻳـﺪ‬
‫ﻣﻲآﻳﺪ‪.‬‬
‫‪ -2‬ﭼﻮن روشﻫﺎي آﻣﺎري ﻣﺮﺑﻮط ﺑﻪ ﺳﻄﻮح ﻓﺎﺻﻠﻪاي و ﻧﺴﺒﻲ ﻋﻤﺪﺗﺎً ﻳﻜﺴـﺎن ﻫﺴـﺘﻨﺪ‪ ،‬ﺑـﻪ ﺟـﺎي ﺳـﻄﺢ ﺳـﻨﺠﺶ‬
‫ﻓﺎﺻﻠﻪاي و ﻧﺴﺒﻲ‪ ،‬ﻣﺴﺎﻣﺤﺘﺎً از اﺻﻄﻼح ﻛﻤ‪‬ﻲ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪.‬‬
‫‪ -3‬اﮔﺮ ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ‪ ،‬ﻧﺮﻣﺎل ﻧﺒﺎﺷﺪ‪ ،‬ﺑﺎﻳﺪ از ‪U‬ﻣﺎن وﻳﺘﻨﻲ )ﺑﺮاي ﻣﻘﺎﻳﺴﻪ در دو ﮔﺮوه( و ﻧﻴﺰ ‪ H‬ﻛﺮاﺳﻜﺎل واﻟـﻴﺲ‬
‫)ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﺑﻴﺶ از دو ﮔﺮوه( اﺳﺘﻔﺎده ﻛﺮد‪.‬‬
 ‫‪  120‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺗﻤﺮﻳﻦ درس ﻣﻘﺪﻣﺎت رواﺑﻂ ﻫﻤﺒﺴﺘﮕﻲ و ﻋﻠّﻲ‬

‫ﺑﺮاي آزﻣﻮن ﻫﺮ ﻳﻚ از ﻓﺮﺿﻴﺎت زﻳﺮ ﻛﺪام روش آﻣﺎري ﻣﻨﺎﺳﺐ اﺳﺖ؟ دﻻﻳﻞ ﺧﻮد را‬
‫ﺗﻮﺿﻴﺢ دﻫﻴﺪ‪.‬‬

‫اﻟﻒ‪ -‬ﻣﺪت ورزش زﻧﺎن و ﻣﺮدان ﺗﻔﺎوت ﻣﻌﻨﺎداري ﺑﺎ ﻳﻜﺪﻳﮕﺮ دارد‪.‬‬

‫ب‪ -‬ﻣﺪت زﻣﺎﻧﻲ ﻛﻪ ﺷﻬﺮوﻧﺪان ﺑﻪ ورزش ﭘﻴﺎدهروي اﺧﺘﺼﺎص ﻣﻲدﻫﻨﺪ ﺑﻪ ﻃﺮز ﻣﻌﻨﺎداري‬
‫ﺑﻴﺸﺘﺮ از ﻣﺪت زﻣﺎﻧﻲ اﺳﺖ ﻛﻪ ﺑﻪ ﻓﻮﺗﺒﺎل اﺧﺘﺼﺎص ﻣﻲدﻫﻨﺪ‪.‬‬
‫ج‪ -‬ﻧﻮع ﺷﻐﻞ ﺷﻬﺮوﻧﺪان ﺑﺮ ﻣﺪت ﻣﺸﺎرﻛﺖ آﻧﺎن در ورزش ﻫﻤﮕﺎﻧﻲ ﺗﺄﺛﻴﺮ ﻣﻲﮔﺬارد‪.‬‬
‫د‪ -‬ﻧﻮع ﺷﻐﻞ ﺷﻬﺮوﻧﺪان ﺑﺮ ﻧﻮع ورزش ﻫﻤﮕﺎﻧﻲ ﻣﻮرد ﻋﻼﻗﻪ آﻧﺎن ﺗﺄﺛﻴﺮ ﻣﻲﮔﺬارد‪.‬‬
‫ﻫـ ‪ -‬ﺑﻴﻦ ﻋﻼﻗﻪ ﺷﻬﺮوﻧﺪان ﺑﻪ ورزش ﻫﻤﮕﺎﻧﻲ و رﺿﺎﻳﺖ آﻧﺎن از زﻧﺪﮔﻲ ﻫﻤﺒﺴﺘﮕﻲ ﻣﻌﻨﺎداري‬
‫وﺟﻮد دارد‪.‬‬
‫و‪ -‬ﻫﺮ ﭼﻘﺪر ﭘﺎﻳﺒﻨﺪي ﺷﻬﺮوﻧﺪان ﺑﻪ ﻋﺒﺎدات ﺑﻴﺸﺘﺮ ﺑﺎﺷﺪ‪ ،‬ﻋﻼﻗﻪ آﻧﺎن ﺑﻪ ورزش ﻫﻤﮕﺎﻧﻲ‬
‫ﺑﻴﺸﺘﺮ ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬
‫ز‪ -‬ﺳﻦ و ﺗﺤﺼﻴﻼت ﺷﻬﺮوﻧﺪان ﺑﺮ ﻣﺪت ﻣﺸﺎرﻛﺖ آﻧﺎن در ورزش ﻫﻤﮕﺎﻧﻲ ﺗﺄﺛﻴﺮ ﻣﻲﮔﺬارد‪.‬‬
‫ح‪ -‬ﻋﻼﻗﻪ ﺑﻪ ورزش در ﺑﻴﻦ ﺷﻬﺮوﻧﺪان زن و ﻣﺮد ﺗﻔﺎوت ﻣﻌﻨﺎداري ﺑﺎ ﻳﻜﺪﻳﮕﺮ دارد‪.‬‬
‫ط‪ -‬رﺿﺎﻳﺖ از زﻧﺪﮔﻲ در ﺑﻴﻦ ورزﺷﻜﺎران رﺷﺘﻪ ﻫﺎي ﻣﺨﺘﻠﻒ ﺗﻔﺎوت ﻣﻌﻨﺎداري ﺑﺎ ﻳﻜﺪﻳﮕﺮ‬
‫دارد‪.‬‬
 ‫‪ ‬‬

‫درس ﻧﻬﻢ‬
‫روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي‬
‫ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ‬

‫در ﭘﺎﻳﺎن اﻳﻦ درس اﻧﺘﻈﺎر ﻣﻲرود داﻧﺸﺠﻮ‬

‫‪ -1‬ﺑﺘﻮاﻧﺪ ﻣﻮارد ﻛﺎرﺑﺮد آزﻣﻮن ﻛﻲ دو را ﺷﻨﺎﺳﺎﻳﻲ ﻛﻨﺪ و ﻣﻔﺮوﺿﺎت آن را ﺑﺪاﻧﺪ‪.‬‬
‫‪ -2‬ﺗﻮاﻧﺎﻳﻲ ﺗﻔﺴﻴﺮ ﺟﺪاول دو ﻣﺘﻐﻴﺮي را داﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬
‫‪ -3‬ﺑﺘﻮاﻧﺪ ﻧﺘﺎﻳﺞ آزﻣﻮن ﻛﻲ دو را ﺗﻔﺴﻴﺮ ﻛﻨﺪ‪.‬‬
‫‪ -4‬ﺑﺘﻮاﻧﺪ ﻣﻮارد ﻛﺎرﺑﺮد ﺿﺮاﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ و ﻋﻠﻲ ﻣﺘﻨﺎﺳﺐ ﺑﺎ ﻣﺘﻐﻴﺮﻫـﺎي ﻛﻴﻔـﻲ اﺳـﻤﻲ را‬
‫ﺷﻨﺎﺳﺎﻳﻲ ﻛﻨﺪ‪.‬‬
‫‪ -5‬ﺑﺘﻮاﻧﺪ ﺷﺪت ﺿﺮاﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ و ﻋﻠّﻲ را ﺗﻔﺴﻴﺮ ﻛﻨﺪ‪.‬‬
 ‫‪  122‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -1‬ﻣﻘﺪ‪‬ﻣﻪ‬
‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ در ﻣﻘﺪﻣﻪ اﻳﻦ ﺑﺨﺶ ذﻛﺮ ﺷﺪ‪ ،‬رواﺑﻂ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ را ﻣﻲﺗﻮان در ﺳﻪ‬
‫ﻗﺎﻟﺐ ﻫﻤﺒﺴﺘﮕﻲ‪ ،‬ﻋﻠّﻲ و ﺗﻔﺎوت ﺗﻨﻈﻴﻢ ﻛﺮد‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (26‬روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي آزﻣﻮن ﻓﺮﺿﻴﺎت ﻳﺎ ﺳﺆاﻻت ﺗﺤﻘﻴﻖ داراي‬
‫ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ‬
‫ﺳﻨﺠﺶ راﺑﻄﻪ از ﻧﻮع ﺗﻔﺎوت‬ ‫ﺳﻨﺠﺶ راﺑﻄﻪ از‬ ‫ﺳﻨﺠﺶ راﺑﻄﻪ از ﻧﻮع‬
‫ﻧﻮع ﻋﻠّﻲ‬ ‫ﻫﻤﺒﺴﺘﮕﻲ‬
‫‪ -1‬ﺑﺮاي ﮔﺮوهﻫﺎي ﻫﻤﺒﺴﺘﻪ‪:‬‬
‫اﻟﻒ‪ -‬ﺿﺮﻳﺐ ﻛﺎﭘﺎ‬ ‫ﻛﻲ دو ‪ +‬ﺿﺮﻳﺐ‬ ‫ﻛﻲ دو‪ +‬ﺿﺮاﻳﺐ ﻓﻲ‬ ‫اﺳﻤﻲ ‪ -‬اﺳﻤﻲ‬
‫ب‪ -‬ﺿﺮﻳﺐ ﻣﻚ ﻧﻤﺎر‬ ‫ﻻﻣﺒﺪا‬ ‫و وي ﻛﺮاﻣﺮ‬
‫‪ -2‬ﺑﺮاي ﮔﺮوهﻫﺎي ﻣﺴﺘﻘﻞ‪:‬‬
‫ﺿﺮﻳﺐ رﻳﺴﻚ‬

‫‪ -1‬ﻧﺴﺒﺖ ﻣﻮاﻓﻘﻴﻦ ﻛﺎﻧﺪﻳﺪاي‬ ‫رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ‬ ‫ﺑﻴﻦ وﺿﻌﻴﺖ اﺷﺘﻐﺎل‬

‫اﻟﻒ ﻗﺒﻞ و ﺑﻌﺪ از ﺳﺨﻨﺮاﻧﻲ او‬ ‫داﻧﺶآﻣﻮزان ﺑﺮ‬ ‫و ﺗﺄﻫﻞ ﺟﻮاﻧﺎن‬
‫ﺗﻔﺎوت ﻣﻌﻨﺎداري ﭘﻴﺪا ﺧﻮاﻫﺪ‬ ‫ﺗﺮﺟﻴﺤﺎت ﺷﻐﻠﻲ‬ ‫ﻫﻤﺒﺴﺘﮕﻲ ﻣﻌﻨﺎداري‬
‫ﻛﺮد‪.‬‬ ‫آﻧﺎن ﺗﺄﺛﻴﺮ ﻣﻲﮔﺬارد‪.‬‬ ‫وﺟﻮد دارد‪.‬‬ ‫ﻣﺜﺎل‬
‫‪ -2‬ﻧﺴﺒﺖ ﻃﺮﻓﺪاران ﻛﺎﻧﺪﻳﺪاي‬
‫اﻟﻒ ﺑﻴﻦ زﻧﺎن و ﻣﺮدان ﺗﻔﺎوت‬
‫ﻣﻌﻨﺎداري ﺑﺎ ﻳﻜﺪﻳﮕﺮ دارد‪.‬‬

‫دﻳﺎﮔﺮام ﺑﻌﺪ ﺗﺼﻮﻳﺮ روﺷﻨﻲ را از ﻧﺤﻮه ﺗﺼﻤﻴﻢﮔﻴﺮي در ﻫﻨﮕﺎم آزﻣﻮن ﻓﺮﺿﻴﺎﺗﻲ ﻛﻪ‬
‫ﻣﺘﻐﻴﺮﻫﺎﻳﺸﺎن در ﺳﻄﺢ اﺳﻤﻲ ﻗﺮار دارد‪ ،‬در اﺧﺘﻴﺎر ﻣﻲﮔﺬارد‪.‬‬
‫درس ﻧﻬﻢ – روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ ‪  123 ‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (50‬ﻧﺤﻮه ﺗﺼﻤﻴﻢﮔﻴﺮي درﺑﺎره روش آﻣﺎري آزﻣﻮن ﻓﺮﺿﻴﺎت داراي ﻣﺘﻐﻴﺮﻫﺎي ﺳﻄﺢ اﺳﻤﻲ‬

‫ﻫﻤﺒﺴﺘﮕﻲ‬ ‫ﭼﻪ راﺑﻄﻪاي را ﻣﻲﺧﻮاﻫﻴﺪ‬

‫ﺿﺮﻳﺐ ﻓﻲ و ويﻛﺮاﻣﺮ ‪Crosstabs +‬‬
‫آزﻣﻮن ﻛﻨﻴﺪ؟‬

‫راﺑﻄﻪ ﻋﻠّﻲ‬
‫ﺿﺮﻳﺐ ﻻﻣﺪا ‪Crosstabs +‬‬

‫آﻳﺎ ﮔﺮوهﻫﺎي ﻣﻮرد ﻣﻘﺎﻳﺴﻪ ﻣﺴﺘﻘﻞ ﻫﺴﺘﻨﺪ؟‬ ‫ﺗﻔﺎوت‬

‫ﺿﺮﻳﺐ رﻳﺴﻚ ‪Crosstabs +‬‬ ‫ﺑﻠﻪ‬ ‫ﺧﻴﺮ‬

‫ﺿﺮﻳﺐ ﻛﺎﭘﺎ و ‪Crosstabs +‬‬

‫ﺿﺮﻳﺐ ﻣﻚ ﻧﻤﺎر‬

‫اﻣﺎ ﻧﻈﺮ ﺑﻪ ﻛﺎرﺑﺮد وﺳﻴﻊ رواﺑﻂ ﻫﻤﺒﺴﺘﮕﻲ و ﻋﻠّﻲ در ﭘﮋوﻫﺶﻫﺎي ﻓﺮﻫﻨﮕﻲ و اﺟﺘﻤﺎﻋﻲ‪،‬‬
‫رواﺑﻂ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ را ﺗﻨﻬﺎ ﺑﻪ دو دﺳﺘﻪ ﻫﻤﺒﺴﺘﮕﻲ و ﻋﻠّﻲ ﻣﺤﺪود ﺳﺎﺧﺘﻪ و ﻣﺒﺤﺚ‬
‫ﺗﻔﺎوتﻫﺎ را ﺑﻪ ﻛﺘﺎبﻫﺎي ﻣﺮﺗﺒﻂ‪ 1‬ارﺟﺎع ﻣﻲدﻫﻴﻢ‪.‬‬

‫‪ -2‬آزﻣﻮن و ﺿﺮﻳﺐ ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻋﻠّﻲ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ‬
‫‪ ‬آزﻣﻮن ﻛﻲ دو و ﺿﺮﻳﺐ ﺗﺄﺛﻴﺮ ﻻﻣﺪا‬
‫ﻓﺮض ﻛﻨﻴﺪ ﻣﺤﻘﻘﻲ در ﻧﻈﺮ دارد اﻳﻦ ﻓﺮﺿﻴﻪ را ﻣﻮرد ﺳﻨﺠﺶ ﻗﺮار دﻫﺪ ﻛﻪ‪:‬‬

‫‪ -1‬ﺑﺮاي ﻣﻄﺎﻟﻌﻪ ﺑﻴﺸﺘﺮ در اﻳﻦ زﻣﻴﻨﻪ ﺑﻪ ﻛﺘﺎبﻫﺎي ﻧﮕﻬﺒﺎن )‪ ،(1382‬ﺣﺴﻴﻨﻲ )‪ (1382‬و ﺣﺒﻴﺐﭘﻮر و ﺻـﻔﺮي )‪(1388‬‬
‫ﻣﺮاﺟﻌﻪ ﻛﻨﻴﺪ‪.‬‬
 ‫‪  124‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫"ﺟﻨﺴﻴﺖ ﺑﺮ ﻧﻮع ﺗﺮﺟﻴﺤﺎت ﺷﻐﻠﻲ داﻧﺶآﻣﻮزان ﺗﺄﺛﻴﺮ ﻣﻲﮔﺬارد‪ ".1‬او ﺑﺎﻳﺪ ﺑﻪ دﻻﻳﻞ زﻳﺮ از‬
‫آزﻣﻮن ﻛﻲ دو‪ 2‬و ﺿﺮﻳﺐ ﻻﻣﺪا اﺳﺘﻔﺎده ﻛﻨﺪ‪.‬‬
‫اﻟﻒ( ﺳﻄﺢ ﺳﻨﺠﺶ‪ :‬در اﻳﻦ ﻓﺮﺿﻴﻪ دو ﻣﺘﻐﻴﺮ "ﺟﻨﺴﻴﺖ" و "ﻧﻮع ﺗﺮﺟﻴﺤﺎت ﺷﻐﻠﻲ" وﺟﻮد‬
‫دارد ﻛﻪ ﻫﺮ دو در ﺳﻄﺢ ﺳﻨﺠﺶ اﺳﻤﻲ ﻫﺴﺘﻨﺪ‪.‬‬
‫ب( ﻫﺪف ﻣﺤﻘﻖ‪ :‬در اﻳﻦ ﻓﺮﺿﻴﻪ ﻣﺤﻘﻖ ﻗﺼﺪ ﺳﻨﺠﺶ ﺗﺄﺛﻴﺮ ﻳﻚ ﻣﺘﻐﻴﺮ ﺑﺮ ﻣﺘﻐﻴﺮ دﻳﮕﺮ را دارد‪.‬‬
‫ﻟﺬا راﺑﻄﻪ ﻣﻮردﻧﻈﺮ از ﻧﻮع ﻋﻠّﻲ اﺳﺖ‪.‬‬
‫در ﭼﻨﻴﻦ ﺷﺮاﻳﻄﻲ ﺑﺎﻳﺪ دﺳﺘﻮر ‪ Crosstabs‬را از ﻣﻨﻮي ‪ Analyze‬اﺟﺮا ﻛﺮد‪.‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (51‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﻛﻲ دو )ﻣﺮﺣﻠﻪ‪(1‬‬

‫‪ .4‬ﻣﺘﻐﻴﺮ اﺻﻠﻲ )واﺑﺴﺘﻪ(را ﺑﻪ ﺳﻄﺮ ﻣﻨﺘﻘﻞ ﻛﻨﻴﺪ‪.‬‬

‫‪1‬‬
‫‪2‬‬
‫‪3‬‬
‫‪6‬‬
‫‪.5‬ﻣﺘﻐﻴﺮي را ﻛـﻪ ﻣﺒﻨـﺎي درﺻـﺪﮔﻴﺮي اﺳـﺖ ﺑـﻪ ﺳـﺘﻮن ﻣﻨﺘﻘـﻞ‬
‫ﻣﻲﺷﻮد‪.‬‬

‫‪ -1‬و ﻳﺎ ﻗﺼﺪ داﺷﺘﻪ ﺑﺎﺷﺪ ﺑﻪ اﻳﻦ ﺳﺆال »آﻳﺎ ﺟﻨﺴﻴﺖ ﺑﺮ ﺗﺮﺟﻴﺤﺎت ﺷﻐﻠﻲ داﻧﺶ آﻣﻮزان ﺗـﺄﺛﻴﺮ ﻣـﻲ ﮔـﺬارد؟« ﭘﺎﺳـﺦ‬
‫دﻫﺪ‪.‬‬
‫‪ -2‬ﻣﻔﺮوﺿﺎت آزﻣﻮن ﻛﻲ دو‪ :‬اﺳﺘﻔﺎده از آزﻣﻮن ﻛﻲ دو ﺗﺤﺖ ﺗﺄﺛﻴﺮ ﻣﺤﺪودﻳﺖﻫﺎي ﺧﺎﺻﻲ اﺳﺖ‪ .‬اﻳﻦ ﻓﺮﻣﻮل ﻛﻠﻲ را‬
‫ﻓﻘﻂ در ﻣﻮاردي ﻣﻲﺗﻮان اﺳﺘﻔﺎده ﻛﺮد ﻛﻪ ﺳﻪ ﺷﺮط زﻳﺮ ﺗﺤﻘﻖ ﻳﺎﺑﺪ‪:‬‬
‫‪ -‬ﻳﻜﻲ از ﻣﺘﻐﻴﺮﻫﺎ ﺑﻴﺶ از دو ﻣﻘﻮﻟﻪ داﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬
‫‪ -‬ﻛﻤﺘﺮ از ‪ 20‬درﺻﺪ ﺧﺎﻧﻪﻫﺎ‪ ،‬ﻓﺮاواﻧﻲ ﻣﻮرد اﻧﺘﻈﺎر ﻛﻤﺘﺮ از ‪ 5‬داﺷﺘﻪ ﺑﺎﺷﻨﺪ‬
‫‪ -‬ﻫﻴﭻ ﺧﺎﻧﻪاي ﻓﺮاواﻧﻲ ﻣﻮرد اﻧﺘﻈﺎر ﻛﻤﺘﺮ از ‪ 1‬ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ‪) .‬ﻛﺮاﻣﺮ‪ (79 :1386 ،‬در ﻏﻴﺮ اﻳﻨﺼﻮرت ﺑﺎﻳﺪ از ﺗﺼـﺤﻴﺢ‬
‫ﻳﺘﺲ ﻳﺎ آزﻣﻮن دﻗﻴﻖ ﻓﻴﺸﺮ )‪) (Fisher Exact Test‬ﺑﺮاي ﺟﺪاول ‪2‬در‪ (2‬اﺳﺘﻔﺎده ﻛﺮد‪.‬‬
‫درس ﻧﻬﻢ – روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ ‪  125 ‬‬

‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ در ﺷﻜﻞ ﺑﺎﻻ ﻣﺸﺎﻫﺪه ﻣﻲﺷﻮد‪ ،‬ﭘﺲ از اﻧﺘﻘـﺎل ﻣﺘﻐﻴﺮﻫـﺎي اﺳـﻤﻲ ﺑـﻪ ﺳـﻄﺮﻫﺎ و‬
‫ﺳﺘﻮنﻫﺎي ﻣﺮﺑﻮﻃﻪ‪ 1‬ﺑﺎ ﻛﻠﻴﻠﻚ ﺑﺮ روي ﮔﺰﻳﻨﻪ ‪ ،Statistics‬ﺑﺎ ﺗﺼﻮﻳﺮ زﻳﺮ ﻣﻮاﺟﻪ ﻣﻲﺷﻮﻳﻢ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (52‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﻛﻲ دو )ﻣﺮﺣﻠﻪ‪(2‬‬

‫ﺿﺮاﻳﺐ ﺳﻨﺠﺶ ﺷﺪت راﺑﻄﻪ‬

‫ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ‪:‬‬
‫‪ -1‬ﺿﺮﻳﺐ ﻓﻲ و وي ﻛﺮاﻣﺮ‬
‫)ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ ﻫﻤﺒﺴﺘﮕﻲ(‬
‫‪ -2‬ﺿﺮﻳﺐ ﻻﻣﺪا )ﻣﻨﺎﺳﺐ ﺑﺮاي‬
‫ﺳﻨﺠﺶ راﺑﻄﻪ ﻋﻠﻲ(‬

‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﭼﻮن ﻫﺪف ﻣﺤﻘﻖ ﺳﻨﺠﺶ راﺑﻄﻪ ﻋﻠّﻲ اﺳﺖ‪ ،‬ﻋﻼوه ﺑﺮ اﻧﺘﺨﺎب‬
‫آزﻣﻮن ﻛﻲ دو‪ ،‬از ﻣﻴﺎن ﺿﺮاﻳﺐ ﻣﺨﺘﻠﻒ ﺗﺼﻮﻳﺮ ﻓﻮق‪ ،‬ﻓﻘﻂ ﺿﺮﻳﺐ ﻻﻣﺪا اﻧﺘﺨﺎب ﺷﺪه اﺳﺖ‪.‬‬
‫ﺑﺪﻳﻬﻲ اﺳﺖ اﮔﺮ ﻓﺮﺿﻴﻪ از ﻧﻮع ﻫﻤﺒﺴﺘﮕﻲ ﻣﻲﺑﻮد‪ ،‬ﺑﺎﻳﺪ ﺑﻪ ﺟﺎي ﻻﻣﺒﺪا‪ ،‬ﺿﺮاﻳﺐ ﻓﻲ و وي ﻛﺮاﻣﺮ‬
‫اﻧﺘﺨﺎب‬
‫ﻣﻲﺷﺪ‪.2‬‬
‫در ﻣﺮﺣﻠﻪ ﺑﻌﺪ ﭘﺲ از اﻧﺘﺨﺎب ﺿﺮﻳﺐ ﻣﻨﺎﺳﺐ ﺑﺮ روي ‪ Continue‬ﻛﻠﻴـﻚ و ﮔﺰﻳﻨـﻪ ‪Cells‬‬
‫را اﻧﺘﺨﺎب ﻛﺮد و ﺑﻌﺪ از آن‪ ،‬ﺑﻪ ﺷﺮح ﺗﺼﻮﻳﺮ زﻳﺮ ﻋﻤﻞ ﻣﻲﺷﻮد‪.‬‬

‫‪ -1‬ﭘﻴﺸﻨﻬﺎد ﻣﻲﺷﻮد در رواﺑﻂ ﻫﻤﺒﺴﺘﮕﻲ‪ ،‬ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ ﻛﻢ ﻣﻘﻮﻟﻪ و در رواﺑﻂ ﻋﻠّﻲ‪ ،‬ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ در ﻗﺴﻤﺖ‬
‫ﺳﺘﻮن ﻗﺮار داده ﺷﻮد‪.‬‬
‫‪ -2‬ﺿﺮﻳﺐ ﻓﻲ ﻣﺨﺼﻮص ﺟﺪاول ‪ 2‬در‪ 2‬اﺳﺖ اﻣﺎ وي ﻛﺮاﻣﺮ ﻣﺤﺪودﻳﺖ ﻧﺪارد‪.‬‬
 ‫‪  126‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (53‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﻛﻲ دو )ﻣﺮﺣﻠﻪ ‪(3‬‬

‫ﻓﺮاواﻧﻲ ﻫﺎي ﻣﺸﺎﻫﺪه ﺷﺪه و ﻣﻮرد اﻧﺘﻈﺎر‬

‫درﺻﺪﻫﺎي ﺳﻄﺮي و ﺳﺘﻮﻧﻲ و ﻛﻞ‬

‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﺸﺎﻫﺪه ﻣﻲﺷﻮد‪ ،‬در ﻣﺮﺣﻠﻪ اول آزﻣﻮن ﻛﻲ دو‪ ،‬ﻣﺘﻐﻴﺮ ﺟﻨﺴﻴﺖ ﺑﻪ ﺳﺘﻮن ﻣﻨﺘﻘﻞ‬
‫ﺷﺪ ﺗﺎ ﺗﺮﺟﻴﺤﺎت ﺷﻐﻠﻲ ﺑﺮﺣﺴﺐ ﺟﻨﺴﻴﺖ ﺗﻮﺻﻴﻒ ﺷﻮد‪ ،‬ﺑﻪ ﻫﻤﻴﻦ دﻟﻴﻞ در اﻳﻨﺠﺎ ﻓﻘﻂ درﺻﺪ‬
‫ﺳﺘﻮﻧﻲ‪ 1‬را ﺑﺎﻳﺪ اﻧﺘﺨﺎب ﻧﻤﻮد‪ ،‬ﺳﭙﺲ ﮔﺰﻳﻨﻪ ‪ Continue‬را ﻛﻠﻴﻚ ﻛﺮد‪ .‬ﺣﺎل ﺑﻪ ﺗﻔﺴﻴﺮ‬
‫ﺧﺮوﺟﻲﻫﺎي اﻳﻦ دﺳﺘﻮر ﺗﻮﺟﻪ ﻛﻨﻴﺪ‪.‬‬
‫ﺟﺪول ﺷﻤﺎره) ‪(27‬ﺧﻼﺻﻪ ﭘﺮدازش اﻃﻼﻋﺎت‬

‫‪Case‬‬ ‫‪Processing‬‬
‫ﺗﺤﻠﻴﻞ‬ ‫‪Summary‬ﺧﺎرج ﺷﺪه از‬
‫ﻧﻤﻮﻧﻪ‬ ‫ﻛﻞ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ‬
‫ﻧﻤﻮﻧﻪ ﻣﻮرد ﺗﺤﻠﻴﻞ‬
‫‪Cases‬‬
‫‪Valid‬‬ ‫‪Missing‬‬ ‫‪Total‬‬
‫‪N‬‬ ‫‪Percent N‬‬ ‫‪Percent‬‬ ‫‪N‬‬ ‫‪Percent‬‬
‫ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ * ﺟﻨﺴﻴﺖ‬ ‫‪1442‬‬ ‫‪95.8%‬‬ ‫‪64‬‬ ‫‪4.2%‬‬ ‫‪1506 100.0%‬‬

‫اﻳﻦ ﺟﺪول ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ از ﻣﺠﻤﻮع ‪ 1506‬ﻧﻔﺮ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ ‪ 95/8‬درﺻﺪ )‪1442‬‬
‫ﻧﻔﺮ( ﺑﻪ ﺳﺆاﻻت ﻣﺮﺑﻮط ﺑﻪ ﺟﻨﺴﻴﺖ و ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ ﭘﺎﺳﺦ داده و در ﻣﺤﺎﺳﺒﺎت آزﻣﻮن ﻛﻲ دو‬
‫ﻣﻮرد ﺗﺠﺰﻳﻪوﺗﺤﻠﻴﻞ ﻗﺮار ﮔﺮﻓﺘﻪاﻧﺪ‪ .‬ﺗﻨﻬﺎ ‪ 4/2‬درﺻﺪ )‪ 64‬ﻧﻔﺮ( ﻫﺴﺘﻨﺪ ﻛﻪ ﺣﺪاﻗﻞ ﺑﻪ ﻳﻜﻲ از اﻳﻦ‬
‫ﺳﺆاﻻت ﭘﺎﺳﺨﻲ ﻧﺪادهاﻧﺪ و از ﺗﺤﻠﻴﻞ ﺣﺎﺿﺮ ﺧﺎرج ﺷﺪهاﻧﺪ‪.‬‬

‫‪ -1‬در ارﺗﺒﺎط ﺑﺎ ﻧﺤﻮه درﺻﺪﮔﻴﺮي ﭘﻴﺸﻨﻬﺎد ﻣﻲ ﺷﻮد در رواﺑﻂ ﻋﻠّﻲ از درﺻﺪﮔﻴﺮي ﺑﺮاﺳﺎس ﻣﺘﻐﻴﺮ ﻣﺴـﺘﻘﻞ اﺳـﺘﻔﺎده‬
‫ﺷﻮد اﻣﺎ در رواﺑﻂ ﻫﻤﺒﺴﺘﮕﻲ ﻣﻲﺷﻮد ﺑﺮاﺳﺎس ﻳﻜﻲ از دو ﻣﺘﻐﻴﺮ ﻳﺎ ﻫﺮ دو و ﻳﺎ درﺻﺪﮔﻴﺮي ﻛﻞ ﻋﻤﻞ ﻛﺮد‪.‬‬
‫درس ﻧﻬﻢ – روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ ‪  127 ‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (28‬ﺟﺪول ﺗﻮاﻓﻘﻲ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ و ﺟﻨﺴﻴﺖ‬

‫ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ * ﺟﻨﺴﻴﺖ ‪Crosstabulation‬‬

‫ﺟﻨﺴﻴﺖ‬

‫ﭘﺴﺮ‬ ‫دﺧﺘﺮ‬ ‫‪Total‬‬

‫ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ‬ ‫ﻓﻨﻲ‬ ‫‪Count‬‬ ‫‪221‬‬ ‫‪112‬‬ ‫‪333‬‬
‫‪% within‬‬ ‫‪30.9%‬‬ ‫‪15.4%‬‬ ‫‪23.1%‬‬
‫ﺟﻨﺴﻴﺖ‬

‫ﻋﻠﻤﻲ‬ ‫‪Count‬‬ ‫‪188‬‬ ‫‪199‬‬ ‫‪387‬‬

‫‪% within‬‬ ‫‪26.3%‬‬ ‫‪27.4%‬‬ ‫‪26.8%‬‬
‫ﺟﻨﺴﻴﺖ‬

‫ﻫﻨﺮي‬ ‫‪Count‬‬ ‫‪99‬‬ ‫‪215‬‬ ‫‪314‬‬

‫‪% within‬‬ ‫‪13.8%‬‬ ‫‪29.6%‬‬ ‫‪21.8%‬‬
‫ﺟﻨﺴﻴﺖ‬

‫آﻣﻮزﺷﻲ‬ ‫‪Count‬‬ ‫‪80‬‬ ‫‪145‬‬ ‫‪225‬‬

‫‪% within‬‬ ‫‪11.2%‬‬ ‫‪19.9%‬‬ ‫‪15.6%‬‬
‫ﺟﻨﺴﻴﺖ‬

‫ﻣﺪﻳﺮﻳﺘﻲ‬ ‫‪Count‬‬ ‫‪77‬‬ ‫‪26‬‬ ‫‪103‬‬

‫‪% within‬‬ ‫‪10.8%‬‬ ‫‪3.6%‬‬ ‫‪7.1%‬‬
‫ﺟﻨﺴﻴﺖ‬

‫دﻓﺘﺮي‬ ‫‪Count‬‬ ‫‪50‬‬ ‫‪30‬‬ ‫‪80‬‬

‫‪% within‬‬ ‫‪7.0%‬‬ ‫‪4.1%‬‬ ‫‪5.5%‬‬
‫ﺟﻨﺴﻴﺖ‬
‫‪Total‬‬ ‫‪Count‬‬ ‫‪715‬‬ ‫‪727‬‬ ‫‪1442‬‬
‫‪% within‬‬ ‫‪100.0%‬‬ ‫‪100.0%‬‬ ‫‪100.0%‬‬
‫ﺟﻨﺴﻴﺖ‬

‫ﻣﻘﺎﻳﺴﻪ دﺧﺘﺮان و ﭘﺴﺮان از ﻟﺤﺎظ ﻋﻼﻳﻖ ﺷﻐﻠﻲ ﺑﻴﺎﻧﮕﺮ ﺗﻔﺎوتﻫﺎي ﻗﺎﺑﻞ ﺗـﻮﺟﻬﻲ اﺳـﺖ‪ .‬ﺑـﻪ‬
‫ﮔﻮﻧﻪاي ﻛﻪ اوﻟﻮﻳﺖ اول ﺗﺎ ﭼﻬﺎرم ﺗﺮﺟﻴﺤﺎت ﺷﻐﻠﻲ دﺧﺘﺮان ﺑـﻪ ﺗﺮﺗﻴـﺐ ﻣﺸـﺎﻏﻞ ﻫﻨـﺮي )‪29/6‬‬
‫درﺻﺪ(‪ ،‬ﻣﺸﺎﻏﻞ ﻋﻠﻤﻲ )‪ 27/4‬درﺻﺪ( ﻣﺸﺎﻏﻞ آﻣﻮزﺷـﻲ )‪ 19/9‬درﺻـﺪ( و ﻣﺸـﺎﻏﻞ ﻓﻨـﻲ )‪15/4‬‬
‫درﺻﺪ( ﻣﻲﺑﺎﺷﺪ در ﺣﺎﻟﻴﻜﻪ ﺗﺮﺟﻴﺤﺎت ﺷﻐﻠﻲ ﭘﺴﺮان ﺗﻘﺮﻳﺒﺎً ﻋﻜـﺲ ﺗﺮﺟﻴﺤـﺎت ﺷـﻐﻠﻲ دﺧﺘـﺮان‬
‫اﺳﺖ ﺑﺪﻳﻦ ﻣﻌﻨﻲ ﻛﻪ آﻧﻬﺎ در اوﻟﻮﻳﺖ ﻧﺨﺴﺖ ﻣﺸﺎﻏﻞ ﻓﻨﻲ )‪ 30/9‬درﺻﺪ( ﺳـﭙﺲ ﻣﺸـﺎﻏﻞ ﻋﻠﻤـﻲ‬
‫)‪ 26/3‬درﺻﺪ( و در ﻣﺮﺣﻠﻪ ﺳﻮم ﻣﺸﺎﻏﻞ ﻫﻨﺮي )‪ 13/8‬درﺻﺪ( را ﺗﺮﺟﻴﺢ ﻣﻲدﻫﻨﺪ‪ .‬ﻫﻤﺎﻧﻄﻮر ﻛـﻪ‬
 ‫‪  128‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد وﺟﻪ ﺷﺒﺎﻫﺖ ﺗﺮﺟﻴﺤﺎت ﺷﻐﻠﻲ دﺧﺘﺮان و ﭘﺴﺮان در ﻋﺪم ﺗﺮﺟﻴﺢ ﻣﺸﺎﻏﻞ دﻓﺘﺮي‬
‫و ﻣﺪﻳﺮﻳﺘﻲ ﺑﺮ ﺳﺎﻳﺮ ﻣﺸﺎﻏﻞ اﺳﺖ‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (29‬ﺗﻌﻴﻴﻦ ﺳﻄﺢ ﻣﻌﻨﺎداري‪ 1‬ﻣﺘﻐﻴﺮﻫﺎي ﻣﻮرد ﺳﻨﺠﺶ‬

‫درﺟﻪ آزادي‬ ‫ﻣﻴـــــﺰان‬

‫‪Chi-Square Tests‬ﻣﻘﺪار ﻛﻲ دو‬
‫‪Asymp. Sig. (2-‬‬
‫‪Value‬‬ ‫‪df‬‬ ‫)‪sided‬‬
‫‪Pearson Chi-Square‬‬ ‫‪127.784a‬‬ ‫‪5‬‬ ‫‪.000‬‬
‫‪Likelihood Ratio‬‬ ‫‪130.946‬‬ ‫‪5‬‬ ‫‪.000‬‬
‫‪Linear-by-Linear Association‬‬ ‫‪4.303‬‬ ‫‪1‬‬ ‫‪.038‬‬
‫‪N of Valid Cases‬‬ ‫‪1442‬‬
‫‪a. 0 cells (.0%) have expected count less than 5. The minimum expected‬‬
‫‪count is 39.67.‬‬

‫اﻳﻦ ﺟﺪول ﻧﺘﻴﺠﻪ آزﻣﻮن ﻛﻲ دو را ﻧﺸﺎن ﻣﻲدﻫﺪ ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ‬
‫ﻣﻴﺰان ﺧﻄﺎ )‪ (sig=0.000‬ﻣﻲﺗﻮان ﺑﺎ ‪ 0/95‬اﻃﻤﻴﻨﺎن‪ ،‬ادﻋﺎ ﻛﺮد ﻛﻪ ﺑﻴﻦ ﺟﻨﺴﻴﺖ و ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ‬
‫راﺑﻄﻪ ﻣﻌﻨﺎداري وﺟﻮد دارد )‪(Pearson Chi-Square=127.784, df=5, Sig.= .000‬‬
‫از ﻧﺘﺎﻳﺞ ﺟﺪول ﻓﻮق ﻧﺒﺎﻳﺪ ﻓﻮراً ﭼﻨﻴﻦ اﺳﺘﻨﺒﺎط ﺷﻮد ﻛﻪ ﻟﺰوﻣﺎ ﺗﺄﺛﻴﺮ ﺟﻨﺴﻴﺖ ﺑﺮ ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ‬
‫اﺳﺖ ﻛﻪ ﻣﻌﻨﺎدار ﺷﺪه اﺳﺖ‪ ،‬زﻳﺮا ﻣﻤﻜﻦ اﺳﺖ ﺣﺎﻟﺖﻫﺎي دﻳﮕﺮ راﺑﻄﻪ ﺑﻴﻦ اﻳﻦ دو ﻣﺘﻐﻴﺮ )ﻣﺜﻞ‬
‫ﺗﺄﺛﻴﺮ ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ ﺑﺮ ﺟﻨﺴﻴﺖ ﻳﺎ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ اﻳﻦ دو ﻣﺘﻐﻴﺮ( ﻣﻌﻨﺎدار ﺷﺪه ﺑﺎﺷﺪ‪ .2‬ﻟﺬا ﻣﺤﻘﻖ‬
‫ﺑﺎﻳﺪ ﺑﻪ ﺳﺎﻳﺮ ﻧﺘﺎﻳﺞ ﻣﺮﺑﻮﻃﻪ ﻧﻴﺰ ﺗﻮﺟﻪ ﻛﻨﺪ و در ﻳﻚ ﺟﻤﻊﺑﻨﺪي ﻛﻠﻲ ﻧﺴﺒﺖ ﺑﺎ ﺗﺄﻳﻴﺪ ﻳﺎ رد ﻓﺮﺿﻴﻪ‬
‫ﺧﻮد اﻗﺪام ﻛﻨﺪ‪.‬‬
‫از ﺳﻮي دﻳﮕﺮ ﺑﺎﻳﺪ ﺗﻮﺟﻪ داﺷﺖ ﻛﻪ ﻣﻨﻈﻮر از ﻣﻌﻨﺎداري ﻳﻚ راﺑﻄﻪ )ﺧﻮاه ﻫﻤﺒﺴﺘﮕﻲ‪ ،‬ﺧﻮاه‬
‫ﻋﻠّﻲ و ﺧﻮاه ﺗﻔﺎوت( آن اﺳﺖ ﻛﻪ ﻧﺘﺎﻳﺞ ﺣﺎﺻﻠﻪ از ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ‪ ،‬ﺑﻪ ﺟﺎﻣﻌﻪ آﻣﺎري ﻗﺎﺑﻞ‬
‫ﺗﻌﻤﻴﻢ اﺳﺖ‪ .‬ﻟﺬا ﻣﻌﻨﺎدار ﺑﻮدن رواﺑﻂ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ‪ ،‬ﻣﺘﺮادف ﺑﺎ ﻗﻮي ﻳﺎ ﺿﻌﻴﻒ ﺑﻮدن راﺑﻄﻪ ﺑﻴﻦ‬
‫آﻧﻬﺎ ﻧﻴﺴﺖ‪ .‬ﺑﻠﻜﻪ ﺑﺮاي اﻳﻦ ﻣﻨﻈﻮر ﺑﺎﻳﺪ ﺿﺮاﻳﺐ ﻣﺮﺑﻮط ﺑﻪ ﻫﺮ راﺑﻄﻪ را ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار داد‪ .‬ﻟﺬا‬
‫ﭼﻨﺎﻧﭽﻪ ﻧﺘﻴﺠﻪ آزﻣﻮن ﻛﻲ دوي ﻣﺮﺑﻮط ﺑﻪ ﻫﻤﺒﺴﺘﮕﻲ دو ﻣﺘﻐﻴﺮ اﺳﻤﻲ‪ -،‬ﻫﻤﺎﻧﻨﺪ ﻣﺜﺎل ﻓﻮق‪-‬‬

‫‪ -1‬ﺣﺪاﻛﺜﺮ ﺧﻄﺎي ﻣﺠﺎز در ﺗﺤﻘﻴﻘﺎت ﻋﻠﻮم اﻧﺴﺎﻧﻲ ‪ 5‬درﺻﺪ اﺳﺖ ﻛﻪ ﺑﺎ ﻧﻤﺎد ‪ Sig‬در ﺧﺮوﺟﻲﻫﺎي اﻳـﻦ ﻧـﺮماﻓـﺰار‬
‫ﻧﺸﺎن داده ﻣﻲﺷﻮد‪.‬‬
‫‪ -2‬ﻧﺮماﻓﺰار ‪ spss‬ﺣﺎﻟﺖﻫﺎي ﺳﻪﮔﺎﻧﻪ راﺑﻄﻪ را )اﻋﻢ از ﺗﺄﺛﻴﺮ ﻋﻠّﻲ ‪ ،‬ﻫﻤﺒﺴﺘﮕﻲ‪ ،‬ﺗﻔﺎوت( در ﻧﻈﺮ ﻣﻲﮔﻴﺮد‪ .‬اﻳﻦ وﻇﻴﻔﻪ‬
‫ﻣﺤﻘﻖ اﺳﺖ ﻛﻪ ﺑﺎﻳﺪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺮﺿﻴﻪ ﻳﺎ ﺳﺆال ﺗﺤﻘﻴﻖ ﺧﻮد ﻳﻜﻲ از آﻧﻬﺎ را ﻣﻼك ﺗﻔﺴﻴﺮ ﻗﺮار دﻫﺪ‪.‬‬
‫درس ﻧﻬﻢ – روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ ‪  129 ‬‬

‫ﻣﻌﻨﺎدار ﺷﺪ‪ ،‬ﺑﺮاي ﺗﻌﻴﻴﻦ ﺷﺪت ﻣﻴﺰان دو ﻣﺘﻐﻴﺮ‪ ،‬ﺑﺎﻳﺪ ﺧﺮوﺟﻲﻫﺎي ذﻳﻞ ﻧﻴﺰ ﺗﻔﺴﻴﺮ ﺷﻮد‪ .‬ﺑﺪﻳﻬﻲ‬
‫اﺳﺖ ﻛﻪ در ﺻﻮرت ﻣﻌﻨﺎدار ﻧﺒﻮدن راﺑﻄﻪ‪ ،‬ﻧﻴﺎزي ﺑﻪ ﺗﻔﺴﻴﺮ ﺟﺪول ذﻳﻞ ﻧﻴﺴﺖ‪.‬‬
‫ﺟﺪول ﺷﻤﺎره)‪ (30‬ﺗﻌﻴﻴﻦ ﺷﺪت‪ 1‬ﺗﺄﺛﻴﺮ ﺟﻨﺴﻴﺖ ﺑﺮ ﺗﺮﺟﻴﺤﺎت ﺷﻐﻠﻲ‬

‫ﻣﻘﺪار ﺧﻄﺎي اﺳﺘﺎﻧﺪارد‬ ‫ﻣﻘﺪار آﻣﺎره ‪t‬‬ ‫ﻣﻴﺰان ﺧﻄﺎ‬

‫اﻳﻨﺠﺎ ﺷﺪت راﺑﻄﻪ ﻋﻠّﻲ را در‬ ‫‪Directional Measures‬‬

‫وﺿﻌﻴﺖ ﻫﺎي ﻣﺨﺘﻠﻒ ﻧﺸﺎن ﻣﻲ‬ ‫‪Asymp. Std. Approx.‬‬ ‫‪Approx.‬‬

‫‪Value‬‬ ‫‪Errora‬‬ ‫‪Tb‬‬ ‫‪Sig.‬‬
‫‪Nominal by Lambda‬‬ ‫‪Symmetric‬‬ ‫‪.129‬‬ ‫‪.022‬‬ ‫‪5.483‬‬ ‫‪.000‬‬
‫‪Nominal‬‬
‫ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ ‪Dependent‬‬ ‫‪.046‬‬ ‫‪.027‬‬ ‫‪1.710‬‬ ‫‪.087‬‬

‫ﺟﻨﺴﻴﺖ ‪Dependent‬‬ ‫‪.252‬‬ ‫‪.027‬‬ ‫‪8.102‬‬ ‫‪.000‬‬

‫ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ ‪Goodman and Dependent‬‬ ‫‪.020‬‬ ‫‪.004‬‬ ‫‪.000c‬‬

‫‪Kruskal tau‬‬
‫ﺟﻨﺴﻴﺖ ‪Dependent‬‬ ‫‪.089‬‬ ‫‪.015‬‬ ‫‪.000c‬‬

‫‪a. Not assuming the null hypothesis.‬‬

‫‪b. Using the asymptotic standard error assuming the null hypothesis.‬‬
‫‪c. Based on chi-square approximation‬‬

‫اﻳﻦ ﺟﺪول ﻧﺘﺎﻳﺞ ﺿﺮﻳﺐ ﻻﻣﺪاي ﻣﺮﺑﻮط ﺑﻪ راﺑﻄﻪ ﺟﻨﺴﻴﺖ و ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ را در ﺳﻪ ﺣﺎﻟﺖ‬
‫ﻧﺸﺎن ﻣﻲدﻫﺪ‪:‬‬
‫اﻟﻒ‪ -‬ﺣﺎﻟﺘﻲ ﻛﻪ ﻫﻤﺒﺴﺘﮕﻲ اﻳﻦ دو ﻣﺘﻐﻴﺮ ﻣﺪ‪ ‬ﻧﻈﺮ ﺑﺎﺷﺪ )‪(Lambda Symmetric‬‬
‫ب‪ -‬ﺣﺎﻟﺘﻲ ﻛﻪ ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ‪ ،‬ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ ﺑﺎﺷﺪ‬
‫ج‪ -‬ﺣﺎﻟﺘﻲ ﻛﻪ ﺟﻨﺴﻴﺖ‪ ،‬ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ ﺑﺎﺷﺪ‪.‬‬
‫ﻧﺘﺎﻳﺞ ﺿﺮﻳﺐ ﻻﻣﺪا در ﺣﺎﻟﺖ )ب( ﺗﺄﺛﻴﺮ ﺟﻨﺴﻴﺖ را ﺑﺮ ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ داﻧﺶآﻣﻮزان ﻧﺸﺎن‬
‫ﻣﻲدﻫﺪ‪ .‬ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﺷﺪت ﺗﺄﺛﻴﺮ ﺟﻨﺴﻴﺖ ﺑﺮ ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ ﺑﺴﻴﺎر ﺿﻌﻴﻒ ﺑﻮده‬
‫و در ﻋﻴﻦ ﺣﺎل ﻣﻌﻨﺎدار ﻧﻴﺴﺖ )‪ .(Lambda=0.046, Sig=0.087‬ﻟﺬا ﻓﺮﺿﻴﻪ ﻣﺤﻘﻖ دال ﺑﺮ‬
‫ﺗﺄﺛﻴﺮ ﺟﻨﺴﻴﺖ ﺑﺮ ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ رد ﻣﻲﺷﻮد ﺑﻪ ﻋﺒﺎرﺗﻲ دﻗﻴﻖﺗﺮ ﻧﺘﺎﻳﺞ ﺟﺪول ﻗﺒﻞ در زﻣﻴﻨﻪ ﺗﻔﺎوت‬
‫ﺗﺮﺟﻴﺤﺎت ﺷﻐﻠﻲ دﺧﺘﺮان و ﭘﺴﺮان ﻗﺎﺑﻠﻴﺖ ﺗﻌﻤﻴﻢ ﺑﻪ ﺟﺎﻣﻌﻪ آﻣﺎري را ﻧﺪارد‪.2‬‬

‫‪ -1‬ﺷﺪت راﺑﻄﻪ ﺑﺮاﺳﺎس ﻗﺪر ﻣﻄﻠﻖ ﺿﺮاﻳﺐ ﺑﻪ ﺷﻜﻞ زﻳﺮ دﺳﺘﻪﺑﻨﺪي و ﺗﻔﺴﻴﺮ ﻣﻲﺷﻮد‪ 0 :‬ﺗﺎ ‪ 0.2‬ﺧﻴﻠﻲ ﺿﻌﻴﻒ‪0.2 ،‬‬
‫ﺗﺎ ‪ 0.4‬ﺿﻌﻴﻒ‪ 0.4 ،‬ﺗﺎ ‪ 0.6‬ﻣﺘﻮﺳﻂ‪ 0.6 ،‬ﺗﺎ ‪ 0.8‬ﻗﻮي و ‪ 0.8‬ﺗﺎ ‪ 1‬ﺑﺴﻴﺎر ﻗﻮي‪.‬‬
‫‪ -2‬ﺧﻄﺎي ﻣﺠﺎز در آزﻣﻮن ﻓﺮﺿﻴﺎت ﺣﺪاﻛﺜﺮ ‪ 5‬درﺻﺪ اﺳﺖ‪.‬‬
‫‪ -1‬ﺷﺎﻳﺪ در اﻳﻨﺠﺎ اﻳﻦ ﺳﺆال ﭘﻴﺶ ﺑﻴﺎﻳﺪ اﮔﺮ ﺗﺄﺛﻴﺮ ﺟﻨﺴﻴﺖ ﺑﺮ ﻋﻼﻳﻖ ﺷﻐﻠﻲ در اﻳﻦ ﺟﺪول ﻣﻌﻨﺎدار ﻧﻴﺴﺖ ﭘـﺲ ﭼـﺮا‬
‫در ﺟﺪول ﻗﺒﻠﻲ‪ ،‬آزﻣﻮن ﻛﻲ دو ﺣﺎﻛﻲ از وﺟﻮد راﺑﻄﻪ ﻣﻌﻨﺎداري ﺑﻴﻦ ﺟﻨﺴﻴﺖ و ﻋﻼﻳﻖ ﺷﻐﻠﻲ ﺑﻮد‪ .‬در ﭘﺎﺳﺦ ﺑﺎﻳـﺪ ﺑـﻪ‬
‫ﻣﻴﺰان ﺧﻄﺎي ﻫﻤﺒﺴﺘﮕﻲ اﻳﻦ دو ﻣﺘﻐﻴﺮ و ﻧﻴﺰ ﺗﺄﺛﻴﺮ ﻋﻼﻳﻖ ﺷﻐﻠﻲ ﺑﺮ ﺟﻨﺴﻴﺖ اﺷﺎره ﻛﺮد ﻛﻪ ﻫﺮ دو ﻣﻌﻨﺎدار ﻫﺴـﺘﻨﺪ‪ .‬ﺑـﻪ‬
 ‫‪  130‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﻻزم ﺑﻪ ذﻛﺮ اﺳﺖ ﻛﻪ در ﺟﺪول ﻓﻮق ﻋﻼوه ﺑﺮ ﺿﺮﻳﺐ ﻻﻣﺪا‪ ،‬ﺿﺮﻳﺐ ﮔﻮدﻣﻦ ﻛﺮاﺳﻜﺎل ﻧﻴﺰ ﺑﺮ‬
‫ﺣﺴﺐ اﻳﻨﻜﻪ ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ ﻳﺎ ﺟﻨﺴﻴﺖ ﺑﺎﺷﺪ‪ ،‬در ﺧﺮوﺟﻲ وﺟﻮد دارد‪.‬‬

‫‪ -3‬آزﻣﻮن و ﺿﺮﻳﺐ ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ‬
‫‪ ‬آزﻣﻮن ﻛﻲ دو و ﺿﺮاﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﻓﻲ و وي ﻛﺮاﻣﺮ‬
‫ﺣﺎل اﮔﺮ ﻣﺤﻘﻘﻲ ﺑﺨﻮاﻫﺪ اﻳﻦ ﻓﺮﺿﻴﻪ را ﺑﺴﻨﺠﺪ ﻛﻪ "ﺑﻴﻦ ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ و رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ‬
‫داﻧﺶآﻣﻮزان ﻫﻤﺒﺴﺘﮕﻲ وﺟﻮد دارد‪ ،‬ﺑﺎﻳﺪ ﺑﻪ دﻻﻳﻞ زﻳﺮ از آزﻣﻮن ﻛﻲ دو و ﺿﺮﻳﺐ ﻓﻲ و وي‬
‫ﻛﺮاﻣﺮ اﺳﺘﻔﺎده ﻛﻨﺪ‪.‬‬
‫اﻟﻒ( ﺳﻄﺢ ﺳﻨﺠﺶ‪ :‬در اﻳﻦ ﻓﺮﺿﻴﻪ دو ﻣﺘﻐﻴﺮ ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ و رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ ﻫﺮ دو ﺳﻄﺢ‬
‫ﺳﻨﺠﺶ اﺳﻤﻲ ﻫﺴﺘﻨﺪ‪.‬‬
‫ب( ﻫﺪف ﻣﺤﻘﻖ‪ :‬در اﻳﻦ ﻓﺮﺿﻴﻪ ﻣﺤﻘﻖ ﻗﺼﺪ ﺳﻨﺠﺶ راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ ﺗﺮﺟﻴﺢ‬
‫ﺷﻐﻠﻲ و رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ را دارد‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (54‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﻛﻲ دو‬

‫ﻋﺒﺎرﺗﻲ دﻳﮕﺮ ﻣﻌﻨﺎداري ﻛﻲ دو در ﺟﺪول ﻗﺒﻞ ﻧﺎﻇﺮ ﺑﻪ ﻫﻤﻴﻦ دو ﺣﺎﻟﺖ ﺑﻮد ﻧﻪ ﺣﺎﻟﺘﻲ ﻛﻪ ﻣﺤﻘﻖ در ﻓﺮﺿـﻴﻪ ﺧـﻮدش‬
‫ﻗﺼﺪ ﺑﺮرﺳﻲ آن را داﺷﺖ‪.‬‬
‫درس ﻧﻬﻢ – روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ ‪  131 ‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (31‬ﺟﺪول ﺗﻮاﻓﻘﻲ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ و رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ‬

‫ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ * رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ ‪Crosstabulation‬‬

‫‪% within‬رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ‬
‫رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ‬
‫رﻳﺎﺿﻲ‬ ‫ﺗﺠﺮﺑﻲ‬ ‫اﻧﺴﺎﻧﻲ‬ ‫ﻛﺎر و داﻧﺶ‬ ‫ﻓﻨﻲ و ﺣﺮﻓﻪاي‬ ‫‪Total‬‬
‫ﺗﺮﺟﻴﺢ‬ ‫ﻓﻨﻲ‬ ‫‪37.8%‬‬ ‫‪11.9%‬‬ ‫‪15.7%‬‬ ‫‪40.0%‬‬ ‫‪50.0%‬‬ ‫‪24.1%‬‬
‫ﺷﻐﻠﻲ‬ ‫ﻋﻠﻤﻲ‬ ‫‪26.8%‬‬ ‫‪48.6%‬‬ ‫‪8.3%‬‬ ‫‪17.1%‬‬ ‫‪16.7%‬‬ ‫‪28.2%‬‬
‫ﻫﻨﺮي‬ ‫‪12.4%‬‬ ‫‪22.6%‬‬ ‫‪25.5%‬‬ ‫‪20.0%‬‬ ‫‪16.7%‬‬ ‫‪19.4%‬‬
‫آﻣﻮزﺷﻲ‬ ‫‪10.7%‬‬ ‫‪8.2%‬‬ ‫‪30.4%‬‬ ‫‪11.4%‬‬ ‫‪15.0%‬‬
‫ﻣﺪﻳﺮﻳﺘﻲ‬ ‫‪5.5%‬‬ ‫‪4.1%‬‬ ‫‪12.7%‬‬ ‫‪5.7%‬‬ ‫‪6.9%‬‬
‫دﻓﺘﺮي‬ ‫‪6.9%‬‬ ‫‪4.5%‬‬ ‫‪7.4%‬‬ ‫‪5.7%‬‬ ‫‪16.7%‬‬ ‫‪6.3%‬‬
‫‪Total‬‬ ‫‪100.0% 100.0% 100.0% 100.0%‬‬ ‫‪100.0%‬‬ ‫‪100.0%‬‬

‫ﻣﻘﺎﻳﺴﻪ ﺗﺮﺟﻴﺤﺎت ﺷﻐﻠﻲ داﻧﺶآﻣﻮزان در رﺷﺘﻪﻫﺎي ﺗﺤﺼﻴﻠﻲ ﻣﺨﺘﻠﻒ ﺑﻴـﺎﻧﮕﺮ ﺗﻔـﺎوت ﻗﺎﺑـﻞ‬
‫ﺗﻮﺟﻬﻲ اﺳﺖ‪ .‬ﺑﺪﻳﻦ ﻣﻌﻨﺎ ﻛﻪ ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ اﻛﺜﺮﻳـﺖ ﻗﺎﺑـﻞﺗـﻮﺟﻬﻲ از داﻧـﺶآﻣـﻮزان رﺷـﺘﻪﻫـﺎي‬
‫ﻓﻨﻲﺣﺮﻓﻪاي و ﻛﺎر و داﻧﺶ در ﺣﻮزه ﻓﻨﻲ ﻗﺮار دارد اﻣﺎ ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ داﻧﺶآﻣﻮزان رﺷﺘﻪ اﻧﺴـﺎﻧﻲ‬
‫در دو ﺣﻮزه آﻣﻮزﺷﻲ و ﻫﻨﺮي ﺑﻴﺸﺘﺮ اﺳﺖ‪ .‬از ﺳﻮي دﻳﮕﺮ ﻏﺎﻟـﺐ داﻧـﺶآﻣـﻮزان رﺷـﺘﻪ ﺗﺠﺮﺑـﻲ‬
‫ﮔﺮاﻳﺶ ﺑﻪ ﺳﻤﺖ ﻣﺸﺎﻏﻞ ﻋﻠﻤﻲ دارﻧﺪ اﻣﺎ در رﺷﺘﻪ رﻳﺎﺿـﻲ‪ ،‬ﺣـﻮزهﻫـﺎي اﺻـﻠﻲ ﻋﻼﻳـﻖ ﺷـﻐﻠﻲ‬
‫داﻧﺶآﻣﻮزان ﻓﻨﻲ و ﻋﻠﻤﻲ اﺳﺖ‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (32‬ﺗﻌﻴﻴﻦ ﺳﻄﺢ ﻣﻌﻨﺎداري ﻣﺘﻐﻴﺮﻫﺎي ﻣﻮرد ﺳﻨﺠﺶ‬

‫‪Chi-Square Tests‬‬
‫‪Value‬‬ ‫‪df‬‬ ‫)‪Asymp. Sig. (2-sided‬‬
‫‪Pearson Chi-Square‬‬ ‫‪188.991a‬‬ ‫‪20‬‬ ‫‪.000‬‬
‫‪Likelihood Ratio‬‬ ‫‪188.845‬‬ ‫‪20‬‬ ‫‪.000‬‬
‫‪Linear-by-Linear Association 27.207‬‬ ‫‪1‬‬ ‫‪.000‬‬
‫‪N of Valid Cases‬‬ ‫‪779‬‬
‫‪a. 8 cells (26.7%) have expected count less than 5. The minimum expected‬‬
‫‪count is .38.‬‬

‫اﻳﻦ ﺟﺪول ﻧﺘﻴﺠﻪ آزﻣﻮن ﻛﻲ دو را ﻧﺸﺎن ﻣﻲدﻫﺪ‪ .‬ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ‬
‫ﻣﻴﺰان ﺧﻄﺎ ‪ (sig= 0/000‬ﻣﻲﺗﻮان ﺑﺎ ‪ 0/95‬اﻃﻤﻴﻨﺎن‪ ،‬ادﻋﺎ ﻛﺮد ﻛﻪ ﺑﻴﻦ ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ و رﺷﺘﻪ‬
 ‫‪  132‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺗﺤﺼﻴﻠﻲ راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ ﻣﻌﻨﺎداري وﺟﻮد دارد‪ sig = 0/000) .‬و‪pearson chi- 188/991‬‬
‫=‪(square‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (33‬ﺗﻌﻴﻴﻦ ﺟﻬﺖ و ﺷﺪت ﺗﺄﺛﻴﺮ ﺟﻨﺴﻴﺖ ﺑﺮ ﺗﺮﺟﻴﺤﺎت ﺷﻐﻠﻲ‬

‫‪Symmetric Measures‬‬
‫‪Approx.‬‬
‫‪Value‬‬ ‫‪Sig.‬‬
‫‪Nominal by‬‬ ‫‪Phi‬‬ ‫‪.493‬‬ ‫‪.000‬‬
‫‪Nominal‬‬ ‫‪Cramer’s V‬‬ ‫‪.246‬‬ ‫‪.000‬‬
‫‪N of Valid Cases‬‬ ‫‪779‬‬

‫اﻳﻦ ﺟﺪول ﺿﺮاﻳﺐ ﻓﻲ و وي ﻛﺮاﻣﺮ را در ﻣﻮرد ﺷﺪت راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ‬
‫ﺗﺮﺟﻴﺢ ﺷﻐﻠﻲ و رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ ﻧﺸﺎن ﻣﻲدﻫﺪ‪ .‬ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﺷﺪت ﻫﻤﺒﺴﺘﮕﻲ در‬
‫‪1‬‬
‫ﺣﺪ ﺿﻌﻴﻒ اﻣﺎ ﻣﻌﻨﺎدار اﺳﺖ )‪.(cramers V= 0/246‬‬

‫‪ -1‬ﺿﺮﻳﺐ ﻓﻲ ﺑﺮاي ﺟﺪاول ‪ 2‬در ‪ 2‬و ﺿﺮﻳﺐ وي ﻛﺮاﻣﺮ ﺑﺮاي ﻛﻠﻴﻪ ﺟﺪاول )ﺧﻮاه ‪ 2‬در ‪ 2‬و ﺧﻮاه ﺑﺰرﮔﺘﺮ( اﺳﺘﻔﺎده‬
‫ﻣﻲﺷﻮد‪ .‬ﻟﺬا ﺑﺮاي ﺳﺎدﮔﻲ اﻧﺠﺎم ﻛﺎر ﺑﻬﺘﺮ اﺳﺖ ﻫﻤﻮاره ﺑﻪ ﺗﻔﺴﻴﺮ وي ﻛﺮاﻣﺮ ﺑﭙﺮدازﻳﺪ‪.‬‬
  133  ‫درس ﻧﻬﻢ – روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ‬

‫ﺗﻤﺮﻳﻨﺎت درس ﻧﻬﻢ‬

‫ ﺑﺮاﺳﺎس ﻧﺘﺎﻳﺞ ﻣﻨﺪرج در ﺟﺪاول زﻳﺮ ﻛﻪ راﺑﻄﻪ ﺑﻴﻦ وﺿـﻌﻴﺖ ﺗﺄﻫـﻞ و اﻧﺠـﺎم ورزش را‬-1
.‫ ﺑﻪ ﺳﺆاﻻت ﺑﻌﺪ ﭘﺎﺳﺦ دﻫﻴﺪ‬،‫ﻧﺸﺎن ﻣﻲدﻫﻨﺪ‬

Crosstabulation ‫ورزش * وﺿﻌﻴﺖ ﺗﺄﻫﻞ‬

‫وﺿﻌﻴﺖ ﺗﺄﻫﻞ‬
‫ﻣﺠﺮد‬ ‫ﻣﺘﺄﻫﻞ‬ Total
‫ورزش‬ ‫ ﺧﻴﺮ‬Count 201 399 600
‫ وﺿﻌﻴﺖ ﺗﺄﻫﻞ‬% within 41.6% 68.6% 56.3%
‫ ﺑﻠﻪ‬Count 282 183 465
‫ وﺿﻌﻴﺖ ﺗﺄﻫﻞ‬% within 58.4% 31.4% 43.7%
Total Count 483 582 1065
‫ وﺿﻌﻴﺖ ﺗﺄﻫﻞ‬% within 100.0% 100.0 100.0%
%

Chi-Square Tests
Asymp. Sig. Exact Sig. Exact Sig.
Value df (2-sided) (2-sided) (1-sided)
Pearson Chi-Square 77.888a 1 .000
Continuity Correctionb 76.796 1 .000
Likelihood Ratio 78.604 1 .000
Fisher’s Exact Test .000 .000
Linear-by-Linear
77.815 1 .000
Association
N of Valid Cases 1065
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is
210.89.
b. Computed only for a 2x2 table
 ‫‪  134‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪Directional Measures‬‬
‫‪Asymp. Approx.‬‬ ‫‪Approx.‬‬
‫‪Value Std. Errora‬‬ ‫‪Tb‬‬ ‫‪Sig.‬‬
‫‪Nominal by Lambda‬‬ ‫‪Symmetric‬‬ ‫‪.190‬‬ ‫‪.038‬‬ ‫‪4.676‬‬ ‫‪.000‬‬
‫‪Nominal‬‬
‫ورزش ‪Dependent‬‬ ‫‪.174‬‬ ‫‪.043‬‬ ‫‪3.709‬‬ ‫‪.000‬‬
‫وﺿﻌﻴﺖ ﺗﺄﻫﻞ‪Dependent‬‬ ‫‪.205‬‬ ‫‪.040‬‬ ‫‪4.637‬‬ ‫‪.000‬‬
‫‪Goodman and‬‬ ‫ورزش ‪Dependent‬‬ ‫‪.073‬‬ ‫‪.016‬‬ ‫‪.000c‬‬
‫‪Kruskal tau‬‬
‫وﺿﻌﻴﺖ ﺗﺄﻫﻞ‪Dependent‬‬ ‫‪.073‬‬ ‫‪.016‬‬ ‫‪.000c‬‬
‫‪a. Not assuming the null hypothesis.‬‬
‫‪b. Using the asymptotic standard error assuming the null hypothesis.‬‬
‫‪c. Based on chi-square approximation‬‬

‫اﻟﻒ‪ -‬ﭼﻨﺪ درﺻﺪ از ﻛﻞ ﻧﻤﻮﻧﻪ ورزش ﻣﻲﻛﻨﻨﺪ؟ ﻧﺴﺒﺖ ورزﺷﻜﺎران ﻣﺠﺮد ﺑﻴﺸـﺘﺮ اﺳـﺖ ﻳـﺎ‬
‫ورزﺷﻜﺎران ﻣﺘﺄﻫﻞ؟ ﭼﻘﺪر؟‬

‫ب‪ -‬آﻳﺎ راﺑﻄﻪ ﺑﻴﻦ وﺿﻌﻴﺖ ﺗﺄﻫﻞ و اﻧﺠﺎم ورزش ﻣﻌﻨﺎدار اﺳﺖ؟ ﺷﺪت راﺑﻄﻪ ﻣﺰﺑـﻮر ﭼﻘـﺪر‬
‫اﺳﺖ؟‬
‫‪ -2‬ﺑﻪ ﺗﻮﺟﻪ ﺑﻪ ﻓﺎﻳﻞ ‪ satisfy.sav‬آﻳﺎ ﺟﻨﺴﻴﺖ )‪ (gender‬ﻣﺸﺘﺮي ﺑﺮ ﺷﻴﻮه‬
‫ﭘﺮداﺧﺖ )‪ (payment‬ﺗﺄﺛﻴﺮ ﻣﻌﻨﺎداري دارد؟‬
‫ﻧﺘﺎﻳﺞ ﻣﺮﺑﻮﻃﻪ را ﺗﻔﺴﻴﺮ ﻛﻨﻴﺪ‬

‫‪ -3‬ﺑﻪ ﺗﻮﺟﻪ ﺑﻪ ﻓﺎﻳﻞ ‪ satisfy.sav‬آﻳﺎ ﺑﻴﻦ ﺷﻴﻮه ﭘﺮداﺧﺖ )‪ (payment‬و اﻧﮕﻴﺰه ﺧﺮﻳﺪ‬
‫)‪ (reason1‬ﻫﻤﺒﺴﺘﮕﻲ وﺟﻮد دارد؟‬
‫ﻧﺘﺎﻳﺞ ﻣﺮﺑﻮﻃﻪ را ﺗﻔﺴﻴﺮ ﻛﻨﻴﺪ‬
 ‫درس دﻫﻢ‬
‫روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي‬
‫ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي‬

‫در ﭘﺎﻳﺎن اﻳﻦ درس اﻧﺘﻈﺎر ﻣﻲرود داﻧﺸﺠﻮ‬

‫‪ -1‬ﺑﺘﻮاﻧﺪ ﻣﻮارد ﻛﺎرﺑﺮد ﺿﺮاﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ و ﻋﻠّﻲ رﺗﺒﻪاي را ﺷﻨﺎﺳﺎﻳﻲ ﻛﻨﺪ‪.‬‬
‫‪ -2‬ﺗﻮاﻧﺎﻳﻲ ﺗﻔﺴﻴﺮ ﺟﺪاول دو ﻣﺘﻐﻴﺮي رﺗﺒﻪاي را داﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬
‫‪ -3‬ﺑﺘﻮاﻧﺪ ﺟﻬﺖ و ﺷﺪت ﺿﺮاﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ و ﻋﻠﻲ رﺗﺒﻪاي را ﺗﻔﺴﻴﺮ ﻛﻨﺪ‪.‬‬
 ‫‪  136‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -1‬ﻣﻘﺪﻣﻪ‬
‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ در ﻣﻘﺪﻣﻪ اﻳﻦ ﺑﺨﺶ ﺗﻮﺿﻴﺢ داده ﺷﺪ‪ ،‬ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي ﺑﺮاﺳﺎس ﻫﺪﻓﻲ ﻛﻪ‬
‫ﻣﺤﻘﻖ از ﻃﺮاﺣﻲ ﻓﺮﺿﻴﻪ ﻳﺎ ﺳﺆال دارد‪ ،‬ﻣﻲﺗﻮاﻧﻨﺪ در ﺳﻪ وﺿﻌﻴﺖ ﻣﺘﻔﺎوت ﻗﺮار ﺑﮕﻴﺮﻧﺪ‪ .‬ﺟﺪول‬
‫زﻳﺮ وﺿﻌﻴﺖﻫﺎي ﻣﺬﻛﻮر را ﻫﻤﺮاه ﺑﺎ ﺿﺮاﻳﺐ ﻳﺎ آزﻣﻮنﻫﺎي ﻣﻨﺎﺳﺐ و ﻣﺜﺎلﻫﺎي ﻣﺮﺗﺒﻂ ﻧﺸﺎن‬
‫ﻣﻲدﻫﺪ‪.1‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (34‬روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي آزﻣﻮن ﻓﺮﺿﻴﺎت ﻳﺎ ﺳﺆاﻻت ﺗﺤﻘﻴﻖ داراي‬
‫ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي‬
‫آزﻣﻮنﻫﺎي ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ‬ ‫ﺿﺮاﻳﺐ ﻣﻨﺎﺳﺐ ﺑﺮاي‬ ‫ﺿﺮاﻳﺐ ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ‬ ‫ﺳﻄﺢ ﺳﻨﺠﺶ‬
‫ﻣﻌﻨﺎداري ﺗﻔﺎوت‬ ‫ﺳﻨﺠﺶ ﺷﺪت راﺑﻄﻪ‬ ‫ﺷﺪت ﻫﻤﺒﺴﺘﮕﻲ‬
‫ﻋﻠّﻲ‬
‫‪ H -2‬ﻛﺮاﺳﻜﺎل واﻟﻴﺲ ﺑﺮاي ﮔﺮوهﻫﺎي‬ ‫‪ -2‬ﺗﺎي ﺑﻲ ﻛﻨﺪال )ﺑﺮاي‬
‫ﻣﺴﺘﻘﻞ‬ ‫‪ d‬ﺳﺎﻣﺮز‬ ‫ﺟﺪاول ﻣﺮﺑﻊ(‬ ‫رﺗﺒﻪاي–رﺗﺒﻪاي‬
‫‪ -2‬آزﻣﻮن ﻓﺮﻳﺪﻣﻦ )ﺑﺮاي ﮔﺮوهﻫﺎي‬ ‫‪-2‬ﺗﺎي ﺳﻲ ﻛﻨﺪال )ﺑﺮاي‬
‫ﻫﻤﺒﺴﺘﻪ(‬ ‫ﺟﺪاول ﻣﺴﺘﻄﻴﻞ(‬
‫‪ -3‬ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ اﺳﭙﻴﺮﻣﻦ‬
‫‪-1‬رﻏﺒﺖ ﺑﻪ ﺗﺤﺼﻴﻞ رﺷﺘﻪﻫﺎي ﻣﺨﺘﻠﻒ‬ ‫ﺗﺤﺼﻴﻼت اﻓﺮاد ﺗﺄﺛﻴﺮ‬ ‫ﺑﻴﻦ رﺿﺎﻳﺖ از ﺷﻐﻞ و رﺿﺎﻳﺖ‬
‫ﺗﺤﺼﻴﻠﻲ ﺗﻔﺎوت ﻣﻌﻨﺎداري ﺑﺎ ﻳﻜﺪﻳﮕﺮ‬ ‫ﻣﺴﺘﻘﻴﻢ ﺑﺮ ﻧﻴﺎز آﻧﺎن ﺑﻪ‬ ‫از زﻧﺪﮔﻲ ﻫﻤﺒﺴﺘﮕﻲ ﻣﺴﺘﻘﻴﻢ و‬
‫دارد‪.‬‬ ‫ﭘﻴﺸﺮﻓﺖ ﻣﻲﮔﺬارد‪.‬‬ ‫ﻣﻌﻨﺎداري وﺟﻮد دارد‪.‬‬ ‫ﻣﺜﺎل‬
‫‪ -2‬ﺑﻴﻦ رﺿﺎﻳﺖ اﻓﺮاد از ارﺗﻘﺎء‪ ،‬درآﻣﺪ و‬
‫ﻫﻤﻜﺎران ﺗﻔﺎوت ﻣﻌﻨﺎداري وﺟﻮد دارد‪.‬‬

‫ﺑﺮاي ﺗﺼﻤﻴﻢﮔﻴﺮي در زﻣﻴﻨﻪ آزﻣﻮن ﻓﺮﺿﻴﺎﺗﻲ ﻛﻪ ﻫﺮ دو ﻣﺘﻐﻴﺮ آﻧﻬﺎ در ﺳﻄﺢ رﺗﺒﻪاي ﻗﺮار دارد‬
‫ﻣﻲﺗﻮان ﻃﺒﻖ ﺷﻜﻞ زﻳﺮ ﻋﻤﻞ ﻛﺮد‪:‬‬

‫‪ -1‬ﻻزم ﺑﻪ ذﻛﺮ اﺳﺖ ﻛﻪ اﮔﺮ ﭼﻪ ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ اﺳﭙﻴﺮﻣﻦ ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي اﺳﺖ اﻣﺎ از اﻳﻦ ﺿﺮﻳﺐ وﻗﺘﻲ‬
‫اﺳﺘﻔﺎده ﻣﻲﺷﻮد ﻛﻪ ﺗﻨﻮع رﺗﺒﻪﻫﺎ در ﻣﺘﻐﻴﺮﻫﺎي ﻣﻮرد ﺑﺮرﺳﻲ ﺑﺎﻻ و ﺗﻜﺮار آن ﭘﺎﻳﻴﻦ ﺑﺎﺷﺪ‪ .‬ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ اﺳﭙﻴﺮﻣﻦ‬
‫ﺑﻪ دﻟﻴﻞ ﺷﺒﺎﻫﺖ ﺳﺎﺧﺘﺎري در ﺧﺮوﺟﻲ و ﺗﻔﺴﻴﺮ‪ ،‬ﻫﻤﺮاه ﺑﺎ ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﭘﻴﺮﺳﻮن در درس ﺑﻌﺪ ﺗﻮﺿﻴﺢ داده‬
‫ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬
‫درس دﻫﻢ – روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي ‪137 ‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (55‬راﻫﻨﻤﺎي اﻧﺘﺨﺎب آزﻣﻮن ﺑﺮاي راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ‬

‫‪Crosstabs+ tau b Kendal‬‬ ‫ﻫﻤﺒﺴﺘﮕﻲ‬

‫ﭼﻪ راﺑﻄﻪاي را ﻣـﻲﺧﻮاﻫﻴـﺪ‬
‫ﺑﺮاي ﺟﺪاول ﻣﺮﺑﻊ‬
‫ﺑﺮرﺳﻲ ﻛﻨﻴﺪ؟‬

‫‪Crosstabs+ tau c Kendal‬‬ ‫ﻋﻠّﻲ‬

‫ﺑﺮاي ﺟﺪاول ﻣﺴﺘﻄﻴﻞ‬
‫‪Crosstabs+ Sammer’s d‬‬ ‫ﺗﻔﺎوت‬
‫‪Non parametric tests‬‬
‫‪Rho Spearman‬‬
‫ﺑﺮاي دادهﻫﺎي ﻏﻴﺮﺟﺪوﻟﻲ‬
‫‪Non parametric tests‬‬
‫‪Fridman’s Test‬‬

‫‪ -2‬ﺿﺮاﻳﺐ ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻋﻠّﻲ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي‬

‫‪ ‬ﺿﺮﻳﺐ ﺗﺄﺛﻴﺮ ‪ d‬ﺳﺎﻣﺮز‬
‫اﮔﺮ ﻗﺼﺪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ اﻳﻦ ﻓﺮﺿﻴﻪ را ﺑﻪ ﻣﺤﻚ آزﻣﻮن ﺑﮕﺬارﻳﺪ ﻛﻪ "وﺿﻌﻴﺖ اﻗﺘﺼﺎدي‬
‫ﺧﺎﻧﻮاده ﺑﺮ ﺗﻘﻴﺪ ﺑﻪ روزهداري داﻧﺶآﻣﻮزان ﺗﺄﺛﻴﺮ دارد "ﺑﻪ دﻻﻳﻞ زﻳﺮ ﺑﺎﻳﺪ از آزﻣﻮن ‪ d‬ﺳﺎﻣﺮز‬
‫اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪.‬‬
‫اﻟﻒ( ﺳﻄﺢ ﺳﻨﺠﺶ‪ :‬در اﻳﻦ ﻓﺮﺿﻴﻪ دو ﻣﺘﻐﻴﺮ "وﺿﻌﻴﺖ اﻗﺘﺼﺎدي" و "ﺗﻘﻴﺪ ﺑﻪ روزهداري"‬
‫وﺟﻮد دارد ﻛﻪ ﻫﺮ دو در ﺳﻄﺢ ﺳﻨﺠﺶ رﺗﺒﻪاي ﻫﺴﺘﻨﺪ‪.‬‬
‫ب( ﻫﺪف ﻣﺤﻘﻖ‪ :‬در اﻳﻦ ﻓﺮﺿﻴﻪ‪ ،‬ﻳﻚ ﻣﺘﻐﻴﺮ ﺑﺮ ﻣﺘﻐﻴﺮ دﻳﮕﺮ ﺗﺄﺛﻴﺮ دارد‪ .‬ﻟﺬا راﺑﻄﻪ از ﻧﻮع ﻋﻠّﻲ‬
‫اﺳﺖ‪.‬‬
‫ﺑﺮاي اﻳﻦ ﻣﻨﻈﻮر ﻫﻤﺎﻧﻨﺪ ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ در درس ﻗﺒﻞ‪ ،‬دﺳﺘﻮر ‪ Crosstabs‬را از ﻣﻨﻮي‬
‫‪ Analyze‬اﻧﺘﺨﺎب ﻛﺮده و ﭘﺲ از اﻧﺘﻘﺎل ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ ﺑﻪ ﺳﻄﺮﻫﺎ و ﺳﺘﻮنﻫﺎي ﻣﺮﺑﻮﻃﻪ ﺑﺮ‬
‫روي ‪ Statistics‬ﻛﻠﻴﻚ ﻛﺮده و ﺑﻪ ﺷﺮح ﺗﺼﻮﻳﺮ زﻳﺮ ﻋﻤﻞ ﻛﻨﻴﺪ‪.‬‬
 ‫‪  138‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺷﻜﻞ ﺷﻤﺎره ) ‪ (56‬اﻧﺘﺨﺎب آزﻣﻮنﻫﺎ و ﺿﺮاﻳﺐ ﻣﻨﺎﺳﺐ‬

‫ﺿــﺮﻳﺐ ‪ d‬ﺳـــﺎﻣﺮز را ﺑـــﺮاي‬

‫آزﻣﻮن ﻓﺮﺿﻴﻪ و ﺑﺮرﺳﻲ ﺷـﺪت‬
‫راﺑﻄﻪ اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪.‬‬

‫ﭼﻨﺎﻧﭽﻪ ﺑﺨﻮاﻫﻴﺪ ﺑﻪ ﺑﺮرﺳﻲ راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي ﺑﭙﺮدازﻳﺪ‪ ،‬ﺑﺎﻳﺪ ﺑﻪ ﺟﺎي ‪d‬‬
‫ﺳﺎﻣﺮز‪ ،‬ﺗﺎيﺑﻲ‪ 1‬ﻳﺎ ﺗﺎيﺳﻲ‪ 2‬ﻛﻨﺪال را اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪ .‬ﻧﺘﺎﻳﺞ آزﻣﻮن ﻓﻮق‪ ،‬در ﺟﺪاول ﺑﻌﺪ ﻣﻨﻌﻜﺲ‬
‫ﺷﺪه اﺳﺖ‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (35‬ﺧﻼﺻﻪ ﭘﺮدازش اﻃﻼﻋﺎت‬

‫ﻧﻤﻮﻧﻪ ﻣﻮرد ﺗﺤﻠﻴﻞ‬

‫ﻧﻤﻮﻧﻪ ﺧﺎرج ﺷﺪه از ﺗﺤﻠﻴﻞ‬ ‫ﻛﻞ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ‬

‫‪Cases‬‬
‫‪Valid‬‬ ‫‪Missing‬‬ ‫‪Total‬‬
‫‪N‬‬ ‫‪Percent‬‬ ‫‪N‬‬ ‫‪Percent‬‬ ‫‪N‬‬ ‫‪Percent‬‬
‫ﺗﻘﻴﺪ ﺑﻪ روزه داري‬
‫*ﺷﺎﺧﺺ ﻛﻴﻔﻲ‬ ‫‪1206‬‬ ‫‪99.3%‬‬ ‫‪9‬‬ ‫‪.7%‬‬ ‫‪1215‬‬ ‫‪100.0%‬‬
‫وﺿﻌﻴﺖ اﻗﺘﺼﺎدي‬

‫‪ -1‬ﺑﺮاي ﺟﺪاول ﻣﺮﺑﻊ )ﺟﺪاوﻟﻲ ﻛﻪ ﺗﻌﺪاد ﺳﻄﺮ و ﺳﺘﻮنﻫﺎي آن ﺑﺎ ﻫﻢ ﺑﺮاﺑﺮﻧﺪ(‪.‬‬

‫‪ -2‬ﺑﺮاي ﺟﺪاول ﻣﺴﺘﻄﻴﻞ )ﺟﺪاوﻟﻲ ﻛﻪ ﺗﻌﺪاد ﺳﻄﺮ و ﺳﺘﻮنﻫﺎي آن ﺑﺎ ﻫﻢ ﺑﺮاﺑﺮ ﻧﻴﺴﺘﻨﺪ(‪.‬‬
‫درس دﻫﻢ – روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي ‪139 ‬‬

‫اﻳﻦ ﺟﺪول ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ از ﻣﺠﻤﻮع ‪ 1215‬داﻧﺶآﻣﻮز در ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ‪99/3 ،‬‬
‫درﺻﺪ )‪ 1206‬ﻧﻔﺮ( ﺑﻪ ﺳﺆاﻻت ﻣﺮﺑﻮط ﺑﻪ ﺗﻘﻴﺪ ﺑﻪ روزهداري و وﺿﻌﻴﺖ اﻗﺘﺼﺎدي ﭘﺎﺳﺦ داده و‬
‫ﻣﻮرد ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ﻗﺮار ﮔﺮﻓﺘﻪاﻧﺪ و ﺗﻨﻬﺎ در ﺣﺪود ‪ 0/7‬درﺻﺪ )‪ 9‬ﻧﻔﺮ( از ﻛﻞ ﻧﻤﻮﻧﻪ ﻣﻮرد‬
‫ﺑﺮرﺳﻲ ﺑﻪ دﻟﻴﻞ ﻋﺪم ﭘﺎﺳﺨﮕﻮﻳﻲ ﺑﻪ ﺣﺪاﻗﻞ ﻳﻜﻲ از ﺳﺆاﻻت‪ ،‬از ﺗﺤﻠﻴﻞ ﺣﺎﺿﺮ ﺧﺎرج ﺷﺪهاﻧﺪ‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (36‬ﺟﺪول ﺗﻮاﻓﻘﻲ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي ﺧﺎﻧﻮاده و ﺗﻘﻴﺪ ﺑﻪ روزهداري داﻧﺶ‪-‬‬
‫آﻣﻮزان‬

‫‪ Crosstabulation‬ﺗﻘﻴﺪ ﺑﻪ روزﻩ داري * ﺷﺎﺧﺺ ﮐﻴﻔﻲ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي‬

‫ﺷﺎﺧﺺ ﮐﻴﻔﻲ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي‬

‫ﭘﺎﻳﻴﻦ‬ ‫ﻣﺘﻮﺳﻂ‬ ‫ﺑﺎﻻ‬ ‫‪Total‬‬
‫ﺗﻘﻴﺪ ﺑﻪ‬ ‫هﻴﭻ‬ ‫‪Count‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬
‫روزﻩ‬ ‫ﺷﺎﺧﺺ ‪% within‬‬
‫داري‬ ‫‪.4%‬‬ ‫‪.0%‬‬ ‫‪.7%‬‬ ‫‪.3%‬‬
‫ﮐﻴﻔﻲ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي‬
‫آﻤﺘﺮ از دﻩ روز‬ ‫‪Count‬‬ ‫‪28‬‬ ‫‪31‬‬ ‫‪40‬‬ ‫‪99‬‬
‫ﺷﺎﺧﺺ ‪% within‬‬
‫‪5.6%‬‬ ‫‪7.6%‬‬ ‫‪13.5%‬‬ ‫‪8.2%‬‬
‫ﮐﻴﻔﻲ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي‬
‫از ‪ ١٠‬ﺗﺎ ‪ ١۴‬روز‬ ‫‪Count‬‬ ‫‪12‬‬ ‫‪12‬‬ ‫‪20‬‬ ‫‪44‬‬
‫ﺷﺎﺧﺺ ‪% within‬‬
‫‪2.4%‬‬ ‫‪2.9%‬‬ ‫‪6.8%‬‬ ‫‪3.6%‬‬
‫ﮐﻴﻔﻲ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي‬
‫از ‪ ١۵‬ﺗﺎ ‪ ١٩‬روز‬ ‫‪Count‬‬ ‫‪19‬‬ ‫‪22‬‬ ‫‪19‬‬ ‫‪60‬‬
‫ﺷﺎﺧﺺ ‪% within‬‬
‫‪3.8%‬‬ ‫‪5.4%‬‬ ‫‪6.4%‬‬ ‫‪5.0%‬‬
‫ﮐﻴﻔﻲ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي‬
‫از ‪ ٢٠‬ﺗﺎ ‪ ٢۴‬روز‬ ‫‪Count‬‬ ‫‪72‬‬ ‫‪87‬‬ ‫‪60‬‬ ‫‪219‬‬
‫ﺷﺎﺧﺺ ‪% within‬‬
‫‪14.3%‬‬ ‫‪21.3%‬‬ ‫‪20.3%‬‬ ‫‪18.2%‬‬
‫ﮐﻴﻔﻲ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي‬
‫ﺑﻴﺸﺘﺮ از ‪ ٢۵‬روز‬ ‫‪Count‬‬ ‫‪369‬‬ ‫‪256‬‬ ‫‪155‬‬ ‫‪780‬‬
‫ﺷﺎﺧﺺ ‪% within‬‬
‫‪73.5%‬‬ ‫‪62.7%‬‬ ‫‪52.4%‬‬ ‫‪64.7%‬‬
‫ﮐﻴﻔﻲ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي‬
‫‪Total‬‬ ‫‪Count‬‬ ‫‪502‬‬ ‫‪408‬‬ ‫‪296‬‬ ‫‪1206‬‬
‫ﺷﺎﺧﺺ ‪% within‬‬
‫‪100.0%‬‬ ‫‪100.0%‬‬ ‫‪100.0%‬‬ ‫‪100.0%‬‬
‫ﮐﻴﻔﻲ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي‬

‫ﻫﻤﺎﻧﮕﻮﻧﻪ در ﺟﺪول ﻣﺸﺎﻫﺪه ﻣﻲﺷﻮد از ﻛﻞ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ‪ ،‬اﻛﺜﺮﻳﺖ داﻧﺶآﻣﻮزان‬

‫)‪ 64/7‬درﺻﺪ( اﻇﻬﺎر داﺷﺘﻪاﻧﺪ ﻛﻪ ﺑﻴﺸﺘﺮ از ‪ 25‬روز در ﻣﺎه رﻣﻀﺎن روزه ﻣﻲﮔﻴﺮﻧﺪ ﻛﻪ اﻳﻦ ﺧﻮد‬
‫ﻧﺸﺎن از ﺗﻘﻴﺪ ﺑﺎﻻي آﻧﻬﺎ ﺑﻪ روزهداري اﺳﺖ‪ .‬اﻣﺎ ﻣﻘﺎﻳﺴﻪ ﻧﺘﺎﻳﺞ ﺑﺪﺳﺖ آﻣﺪه ﺑﻴﺎﻧﮕﺮ آن اﺳﺖ ﻛﻪ اﻳﻦ‬
‫ﻧﺴﺒﺖ در ﻃﺒﻘﺎت ﭘﺎﻳﻴﻦ )‪ 73/5‬درﺻﺪ( ﺑﻴﺸﺘﺮ از ﻃﺒﻘﺎت ﺑﺎﻻي اﻗﺘﺼﺎدي )‪ 52/4‬درﺻﺪ( اﺳﺖ‪ ،‬از‬
‫ﺳﻮي دﻳﮕﺮ ﻧﺘﺎﻳﺞ ﻧﺸﺎن ﻣﻲدﻫﺪ ﺗﻨﻬﺎ ‪ 8/2‬درﺻﺪ از اﻋﻀﺎي ﻧﻤﻮﻧﻪ ﺗﻘﻴﺪ ﺿﻌﻴﻒ )ﻛﻤﺘﺮ از ده روز(‬
‫ﺑﻪ روزه دارﻧﺪ‪ .‬ﺑﺎ اﻳﻨﺤﺎل ﻣﻘﺎﻳﺴﻪ اﻳﻦ ﻧﺴﺒﺖ در وﺿﻌﻴﺖﻫﺎي ﻣﺨﺘﻠﻒ اﻗﺘﺼﺎدي ﻧﺸﺎن ﻣﻲدﻫﺪ‬
‫ﺗﻘﻴﺪ ﺿﻌﻴﻒ در ﻃﺒﻘﺎت اﻗﺘﺼﺎدي ﺑﺎﻻ )‪ 13/5‬درﺻﺪ( ﺑﻴﺸﺘﺮ از ﻃﺒﻘﺎت ﭘﺎﻳﻴﻦ اﻗﺘﺼﺎدي )‪5/6‬‬
‫درﺻﺪ( اﺳﺖ‪.‬‬
 ‫‪  140‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (37‬ﺗﻌﻴﻴﻦ ﺳﻄﺢ ﻣﻌﻨﺎداري‪ ،‬ﺷﺪت و ﺟﻬﺖ ﺗﺄﺛﻴﺮ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي ﺑﺮ ﺗﻘﻴﺪ ﺑﻪ‬
‫روزهداري داﻧﺶآﻣﻮزان‬

‫ﺧﻄــــﺎي اﺳــــﺘﺎﻧﺪارد‬ ‫ﻣﻘﺪار آﻣﺎره ‪t‬‬ ‫ﻣﻴﺰان ﺧﻈﺎ‬

‫‪Directional Measures‬‬
‫ﺟﻬــــﺖ و ﺷــــﺪت‬ ‫‪Asymp.‬‬
‫‪a‬‬ ‫‪b‬‬
‫‪Value‬‬ ‫‪Std. Error‬‬ ‫‪Approx. T‬‬ ‫‪Approx. Sig.‬‬
‫‪Ordinal by Ordinal‬‬ ‫‪Somers' d‬‬ ‫‪Symmetric‬‬ ‫‪-.165‬‬ ‫‪.026‬‬ ‫‪-6.343‬‬ ‫‪.000‬‬
‫‪ Dependent‬ﺗﻘﻴﺪ ﺑﻪ روزﻩ داري‬ ‫‪-.150‬‬ ‫‪.024‬‬ ‫‪-6.343‬‬ ‫‪.000‬‬
‫ﺷﺎﺧﺺ ﮐﻴﻔﻲ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي‬
‫‪-.182‬‬ ‫‪.028‬‬ ‫‪-6.343‬‬ ‫‪.000‬‬
‫‪Dependent‬‬
‫‪a. Not assuming the null hypothesis.‬‬
‫‪b. Using the asymptotic standard error assuming the null hypothesis.‬‬

‫ﺟﺪول ﻓﻮق ﻧﺘﺎﻳﺞ ﻣﺮﺑﻮط ﺑﻪ راﺑﻄﻪ ﺗﻘﻴﺪ ﺑﻪ روزه داري داﻧﺶآﻣﻮزان و وﺿﻌﻴﺖ اﻗﺘﺼﺎدي آﻧﻬﺎ‬
‫را در ﺳﻪ ﺣﺎﻟﺖ ﻧﺸﺎن ﻣﻲدﻫﺪ‪:‬‬
‫اﻟﻒ‪ -‬ﺣﺎﻟﺘﻲ ﻛﻪ ﻫﻤﺒﺴﺘﮕﻲ اﻳﻦ دو ﻣﺘﻐﻴﺮ ﻣﺪ‪‬ﻧﻈﺮ ﺑﺎﺷﺪ‪(Somers'd Symmetric) .‬‬
‫ب‪ -‬ﺣﺎﻟﺘﻲ ﻛﻪ ﺗﻘﻴﺪ ﺑﻪ روزهداري‪ ،‬ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ ﺑﺎﺷﺪ‪.‬‬
‫ج‪ -‬ﺣﺎﻟﺘﻲ ﻛﻪ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي‪ ،‬ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ ﺑﺎﺷﺪ‪.‬‬
‫ﻧﺘﺎﻳﺞ آزﻣﻮن ‪ d‬ﺳﺎﻣﺮز در ارﺗﺒﺎط ﺑﺎ ﻓﺮﺿﻴﻪ )ب(‪ ،‬ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﻣﻲﺗﻮان ﺑﺎ ﺑﻴﺶ از ﺑﺎ ‪99‬‬
‫درﺻﺪ اﻃﻤﻴﻨﺎن ادﻋﺎ ﻧﻤﻮد وﺿﻌﻴﺖ اﻗﺘﺼﺎدي ﺧﺎﻧﻮاده ﺗﺄﺛﻴﺮ ﺿﻌﻴﻒ‪ ‬ﻣﻌﻜﻮس و اﻣﺎ ﻣﻌﻨﺎداري ﺑﺮ‬
‫ﺗﻘﻴﺪ ﺑﻪ روزهداري ﻣﻲﮔﺬارد‪ (Somers' d= -0.15, Sig=0.000).‬ﺑﻪ اﻳﻦ ﻣﻌﻨﻲ ﻛﻪ ﺑﺎ ﺑﻬﺒﻮد‬
‫وﺿﻌﻴﺖ اﻗﺘﺼﺎدي ﺧﺎﻧﻮاده‪ ،‬ﺗﻘﻴﺪ داﻧﺶآﻣﻮزان ﺑﻪ روزهداري ﺗﺎ ﺣﺪي ﻛﻢ ﻣﻲﺷﻮد و ﺑﺮﻋﻜﺲ ﺑﺎ‬
‫اﻓﺖ وﺿﻌﻴﺖ اﻗﺘﺼﺎدي ﺗﻘﻴ‪‬ﺪ داﻧﺶآﻣﻮزان ﺑﻪ روزه ﮔﺮﻓﺘﻦ‪ ،‬ﻧﺴﺒﺘﺎً ﺑﻴﺸﺘﺮ ﻣﻲﺷﻮد‪.‬‬

‫‪ -3‬ﺿﺮاﻳﺐ ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي‬

‫‪ ‬ﺿﺮاﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﺗﺎيﺑﻲ و ﺗﺎيﺳﻲ ﻛﻨﺪال‬
‫ﭼﻨﺎﻧﭽﻪ ﺑﺨﻮاﻫﻴﺪ اﻳﻦ ﻓﺮﺿـﻴﻪ را ﺑـﻪ ﻣﺤـﻚ آزﻣـﻮن ﺑﮕﺬارﻳـﺪ ﻛـﻪ "ﺑـﻴﻦ ﺗﺼـﻮﻳﺮ ﻣـﺬﻫﺒﻲ‬
‫داﻧﺶآﻣﻮزان از ﺧﻮد و ﺗﻘﻴﺪ ﺑﻪ روزهداري آﻧﻬﺎ ﻫﻤﺒﺴﺘﮕﻲ وﺟـﻮد دارد "ﺑـﻪ دﻻﻳـﻞ زﻳـﺮ ﺑﺎﻳـﺪ از‬
‫آزﻣﻮن ﺗﺎيﺑﻲ ﻛﻨﺪال ﻳﺎ ﺗﺎيﺳﻲ ﻛﻨﺪال اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪.‬‬
‫اﻟﻒ( ﺳﻄﺢ ﺳﻨﺠﺶ‪ :‬در اﻳـﻦ ﻓﺮﺿـﻴﻪ دو ﻣﺘﻐﻴـﺮ "ﺗﺼـﻮﻳﺮ ﻣـﺬﻫﺒﻲ از ﺧـﻮد" و "ﺗﻘﻴـﺪ ﺑـﻪ‬
‫روزهداري" وﺟﻮد دارد ﻛﻪ ﻫﺮ دو داراي ﺳﻄﺢ ﺳﻨﺠﺶ رﺗﺒﻪاي ﻫﺴﺘﻨﺪ‪.‬‬
‫درس دﻫﻢ – روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي ‪141 ‬‬

‫اﻟﻒ( ﺳﻄﺢ ﺳﻨﺠﺶ‪ :‬در اﻳـﻦ ﻓﺮﺿـﻴﻪ دو ﻣﺘﻐﻴـﺮ "ﺗﺼـﻮﻳﺮ ﻣـﺬﻫﺒﻲ از ﺧـﻮد" و "ﺗﻘﻴـﺪ ﺑـﻪ‬
‫روزهداري" وﺟﻮد دارد ﻛﻪ ﻫﺮ دو داراي ﺳﻄﺢ ﺳﻨﺠﺶ رﺗﺒﻪاي ﻫﺴﺘﻨﺪ‪.‬‬
‫ب( ﻫﺪف ﻣﺤﻘﻖ‪ :‬در اﻳﻦ ﻓﺮﺿﻴﻪ ﺑﻴﻦ اﻳﻦ دو ﻣﺘﻐﻴﺮ ﺗﺄﺛﻴﺮ و ﺗﺎﺛّﺮ ﻣﺘﻘﺎﺑﻞ )ﻫﻤﺒﺴـﺘﮕﻲ( وﺟـﻮد‬
‫دارد‪.‬‬
‫ﺑﺮاي اﻳﻦ ﻣﻨﻈﻮر ﻧﻴﺰ ﻫﻤﺎﻧﻨﺪ ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ در درس ﻗﺒﻞ‪ ،‬دﺳﺘﻮر ‪ Crosstabs‬را از ﻣﻨﻮي‬
‫‪ Analyze‬اﻧﺘﺨﺎب ﻛﺮده‪ ،‬ﭘﺲ از اﻧﺘﻘﺎل ﻣﺘﻐﻴﺮﻫﺎي اﺳﻤﻲ ﺑﻪ ﺳﻄﺮﻫﺎ و ﺳﺘﻮنﻫﺎي ﻣﺮﺑﻮﻃﻪ ﺑﺮ‬
‫روي ‪ Statistics‬ﻛﻠﻴﻚ ﻛﺮده و ﺑﻪ ﺷﺮح ﺗﺼﻮﻳﺮ زﻳﺮ ﻋﻤﻞ ﻛﻨﻴﺪ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (57‬اﻧﺘﺨﺎب آزﻣﻮنﻫﺎ و ﺿﺮاﻳﺐ ﻣﻨﺎﺳﺐ‬

‫ﺑﺮاي ﺳﻨﺠﺶ ﻫﻤﺒﺴﺘﮕﻲ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪ‬

‫اي‪ ،‬ﺿــﺮﻳﺐ ﺗــﺎي ﺑــﻲ ﻛﻨــﺪال را ﺑــﺮاي‬
‫ﺟﺪاول ﻣﺮﺑﻊ اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪.‬‬

‫از آﻧﺠﺎ ﻛﻪ ﺳﻄﺮ و ﺳﺘﻮن ﺟﺪول ﺗﻮاﻓﻘﻲ اﻳـﻦ دو ﻣﺘﻐﻴـﺮ ﺑـﺎ ﻳﻜـﺪﻳﮕﺮ ﺑﺮاﺑـﺮ اﺳـﺖ )‪ 6‬در‪،(6‬‬
‫ﺿﺮﻳﺐ ﺗﺎيﺑﻲ ﻛﻨﺪال را از ﻣﻴﺎن ﺿﺮاﻳﺐ رﺗﺒﻪاي اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪ .1‬ﺑﺎ اﺟـﺮاي اﻳـﻦ آزﻣـﻮن ﺟـﺪاول‬
‫ﺧﺮوﺟﻲ زﻳﺮ ﻣﺸﺎﻫﺪه ﻣﻲﺷﻮد‪.‬‬

‫‪ -1‬در ﺻﻮرﺗﻴﻜﻪ ﺷﻜﻞ ﺟﺪول ﺗﻮاﻓﻘﻲ ﺑﻪ ﺻﻮرت ﻣﺴﺘﻄﻴﻞ ﺑﺎﺷﺪ‪ ،‬در اﻳﻦ ﺣﺎﻟﺖ ﺑﺎﻳﺪ از آزﻣﻮن ﺗﺎيﺳﻲ ﻛﻨﺪال اﺳﺘﻔﺎده‬
‫ﻛﺮد‪.‬‬
 ‫‪  142‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره)‪ (38‬ﺧﻼﺻﻪ ﭘﺮدازش اﻃﻼﻋﺎت‬

‫‪Case Processing Summary‬‬
‫ﻧﻤﻮﻧﻪ ﻣﻮرد ﺗﺤﻠﻴﻞ‬
‫‪ Cases‬ﻧﻤﻮﻧﻪ ﺧﺎرج ﺷﺪه از ﺗﺤﻠﻴﻞ‬ ‫ﻛﻞ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ‬
‫‪Valid‬‬ ‫‪Missing‬‬ ‫‪Total‬‬
‫‪N‬‬ ‫‪Percent‬‬ ‫‪N‬‬ ‫‪Percent‬‬ ‫‪N‬‬ ‫‪Percent‬‬
‫* ﺗﻘﻴﺪ ﺑﻪ روزﻩ داري‬
‫‪1204‬‬ ‫‪99.1%‬‬ ‫‪11‬‬ ‫‪.9%‬‬ ‫‪1215‬‬ ‫‪100.0%‬‬
‫ﺗﺼﻮﻳﺮ ﻣﺬهﺒﻲ از ﺧﻮد‬

‫اﻳﻦ ﺟﺪول ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ از ﻣﺠﻤﻮع ‪ 1215‬داﻧﺶآﻣﻮز در ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ‪99/1،‬‬

‫درﺻﺪ )‪ 1204‬ﻧﻔﺮ( ﺑﻪ ﺳﺆاﻻت ﻣﺮﺑﻮط ﺑﻪ ﺗﻘﻴﺪ ﺑﻪ روزهداري و ﺗﺼﻮﻳﺮ ﻣﺬﻫﺒﻲ از ﺧﻮد‪ ،‬ﭘﺎﺳﺦ‬
‫دادهاﻧﺪ و وارد اﻳﻦ آزﻣﻮن ﺷﺪهاﻧﺪ‪ .‬ﺗﻨﻬﺎ در ﺣﺪود ‪ 9‬درﺻﺪ )‪ 11‬ﻧﻔﺮ( از ﻛﻞ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ‬
‫از ﺗﺤﻠﻴﻞ ﺣﺎﺿﺮ ﺧﺎرج ﺷﺪهاﻧﺪ‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (39‬ﺟﺪول ﺗﻮاﻓﻘﻲ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ ﺗﺼﻮﻳﺮ ﻣﺬﻫﺒﻲ از ﺧﻮد و ﺗﻘﻴﺪ ﺑﻪ روزهداري‬
‫داﻧﺶآﻣﻮزان‬

‫‪ Crosstabulation‬ﺗﻘﻴﺪ ﺑﻪ روزﻩ داري * ﺗﺼﻮﻳﺮ ﻣﺬهﺒﻲ از ﺧﻮد‬

‫ﺗﺼﻮﻳﺮ ﻣﺬهﺒﻲ از ﺧﻮد‬

‫هﻴﭻ‬ ‫ﺧﻴﻠﻲ آﻢ‬ ‫آﻢ‬ ‫ﻣﺘﻮﺳﻂ‬ ‫زﻳﺎد‬ ‫ﺧﻴﻠﻲ زﻳﺎد‬ ‫‪Total‬‬
‫ﺗﻘﻴﺪ ﺑﻪ‬ ‫هﻴﭻ‬ ‫‪Count‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪4‬‬
‫روزﻩ‬ ‫‪ 10.0%‬ﺮ ﻣﺬهﺒﻲ از ﺧﻮد ‪% within‬‬ ‫‪.0%‬‬ ‫‪.0%‬‬ ‫‪.2%‬‬ ‫‪.3%‬‬ ‫‪.0%‬‬ ‫‪.3%‬‬
‫داري‬ ‫‪ Count‬آﻤﺘﺮ از دﻩ روز‬ ‫‪9‬‬ ‫‪9‬‬ ‫‪9‬‬ ‫‪41‬‬ ‫‪21‬‬ ‫‪9‬‬ ‫‪98‬‬
‫‪ 45.0%‬ﺮ ﻣﺬهﺒﻲ از ﺧﻮد ‪% within‬‬ ‫‪23.1%‬‬ ‫‪10.3%‬‬ ‫‪6.8%‬‬ ‫‪6.5%‬‬ ‫‪6.8%‬‬ ‫‪8.1%‬‬
‫‪ ١٠ Count‬ﺗﺎ ‪ ١۴‬روز‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪6‬‬ ‫‪21‬‬ ‫‪8‬‬ ‫‪6‬‬ ‫‪44‬‬
‫‪ 5.0%‬ﺮ ﻣﺬهﺒﻲ از ﺧﻮد ‪% within‬‬ ‫‪5.1%‬‬ ‫‪6.9%‬‬ ‫‪3.5%‬‬ ‫‪2.5%‬‬ ‫‪4.5%‬‬ ‫‪3.7%‬‬
‫‪ ١۵ Count‬ﺗﺎ ‪ ١٩‬روز‬ ‫‪0‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪26‬‬ ‫‪19‬‬ ‫‪2‬‬ ‫‪60‬‬
‫ﺮ ﻣﺬهﺒﻲ از ﺧﻮد ‪% within‬‬ ‫‪.0%‬‬ ‫‪15.4%‬‬ ‫‪8.0%‬‬ ‫‪4.3%‬‬ ‫‪5.8%‬‬ ‫‪1.5%‬‬ ‫‪5.0%‬‬
‫‪ ٢٠ Count‬ﺗﺎ ‪ ٢۴‬روز‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪19‬‬ ‫‪122‬‬ ‫‪51‬‬ ‫‪20‬‬ ‫‪219‬‬
‫‪ 15.0%‬ﺮ ﻣﺬهﺒﻲ از ﺧﻮد ‪% within‬‬ ‫‪10.3%‬‬ ‫‪21.8%‬‬ ‫‪20.3%‬‬ ‫‪15.7%‬‬ ‫‪15.2%‬‬ ‫‪18.2%‬‬
‫‪ Count‬ﺸﺘﺮ از ‪ ٢۵‬روز‬ ‫‪5‬‬ ‫‪18‬‬ ‫‪46‬‬ ‫‪390‬‬ ‫‪225‬‬ ‫‪95‬‬ ‫‪779‬‬
‫‪ 25.0%‬ﺮ ﻣﺬهﺒﻲ از ﺧﻮد ‪% within‬‬ ‫‪46.2%‬‬ ‫‪52.9%‬‬ ‫‪64.9%‬‬ ‫‪69.2%‬‬ ‫‪72.0%‬‬ ‫‪64.7%‬‬
‫‪Total‬‬ ‫‪Count‬‬ ‫‪20‬‬ ‫‪39‬‬ ‫‪87‬‬ ‫‪601‬‬ ‫‪325‬‬ ‫‪132‬‬ ‫‪1204‬‬
‫‪ 100.0%‬ﺮ ﻣﺬهﺒﻲ از ﺧﻮد ‪% within‬‬ ‫‪100.0%‬‬ ‫‪100.0% 100.0%‬‬ ‫‪100.0%‬‬ ‫‪100.0%‬‬ ‫‪100.0%‬‬

‫ﻧﺘﺎﻳﺞ ﻣﻨﺪرج در ﺟﺪول ﻓﻮق ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ اﻛﺜﺮﻳﺖ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ )‪ 64/7‬درﺻﺪ(‬
‫اﻇﻬﺎر داﺷﺘﻪاﻧﺪ ﺑﻴﺶ از ‪ 25‬روز از ﻣﺎه رﻣﻀﺎن را ﻣﻘﻴﺪ ﺑﻪ روزه ﮔﺮﻓﺘﻦ ﻫﺴﺘﻨﺪ‪ ،‬اﻣﺎ اﻳﻦ ﻧﺴﺒﺖ ﺑﺎ‬
‫ﺑﻬﺒﻮد ﺗﺼﻮﻳﺮ ﻣﺬﻫﺒﻲ از ﺧﻮد‪ ،‬از ‪ 25‬درﺻﺪ ﺑﻪ ‪ 72‬درﺻﺪ ارﺗﻘﺎ ﻣﻲﻳﺎﺑﺪ )ﺑﻪ ﺟﻬﺖ ﻓﻠﺶ در‬
‫ﻗﺴﻤﺖ ﭘﺎﻳﻴﻦ ﺟﺪول ﺗﻮﺟﻪ ﻛﻨﻴﺪ(‪ .‬در ﻣﻘﺎﺑﻞ اﮔﺮ ﭼﻪ ﺣﺪوداً ‪ 8‬درﺻﺪ از اﻋﻀﺎي ﻧﻤﻮﻧﻪ ﺗﻘﻴﺪ‬
‫ﺿﻌﻴﻒ )ﻛﻤﺘﺮ از ده روز( ﺑﻪ روزه دارﻧﺪ اﻣﺎ اﻳﻦ ﻧﺴﺒﺖ ﺑﺎ ﻣﻨﻔﻲ ﺷﺪن ﺗﺼﻮﻳﺮ ﺧﻮد‪ ،‬از ‪ 6/8‬ﺑﻪ ‪45‬‬
‫درﺻﺪ اﻓﺰاﻳﺶ ﻣﻲﻳﺎﺑﺪ )ﺑﻪ ﺟﻬﺖ ﻓﻠﺶ در ﻗﺴﻤﺖ ﺑﺎﻻي ﺟﺪول ﺗﻮﺟﻪ ﻛﻨﻴﺪ(‪.‬‬
‫درس دﻫﻢ – روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي ‪143 ‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (40‬ﺗﻌﻴﻴﻦ ﺳﻄﺢ ﻣﻌﻨﺎداري و ﺷﺪت و ﺟﻬﺘﺒﻴﻦ ﻣﺘﺘﻐﻴﺮﻫﺎي ﻣﻮرد ﺳﻨﺠﺶ‬

‫‪Symmetric Measures‬‬
‫ﺧﻄــــﺎي اﺳــــﺘﺎﻧﺪارد‬ ‫ﻣﻘﺪار آﻣـﺎره‬ ‫ﻣﻴﺰان ﺧﻈﺎ‬
‫‪Asymp.‬‬
‫ﺟﻬــــﺖ و ﺷــــﺪت‬ ‫‪a‬‬ ‫‪b‬‬
‫‪Value‬‬ ‫‪Std. Error‬‬ ‫‪Approx. T‬‬ ‫‪Approx. Sig.‬‬
‫‪Ordinal by Ordinal‬‬ ‫‪Kendall's tau-b‬‬ ‫‪.121‬‬ ‫‪.026‬‬ ‫‪4.551‬‬ ‫‪.000‬‬
‫‪N of Valid Cases‬‬ ‫‪1204‬‬
‫‪a. Not assuming the null hypothesis.‬‬
‫‪b. Using the asymptotic standard error assuming the null hypothesis.‬‬

‫ﻫﻤﺎنﮔﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﺑﺎ ﺑﻴﺶ از ‪ 99‬درﺻﺪ اﻃﻤﻴﻨﺎن ﻣﻲﺗﻮان ادﻋﺎ ﻧﻤﻮد ﻛﻪ ﺑﻴﻦ‬
‫ﺗﺼﻮﻳﺮ ﻣﺬﻫﺒﻲ ازﺧﻮد و ﺗﻘﻴﺪ ﺑﻪ روزهداري داﻧﺶآﻣﻮزان ﻫﻤﺒﺴﺘﮕﻲ ﺿﻌﻴﻒ اﻣﺎ ﻣﺜﺒﺖ و ﻣﻌﻨﻲ‬
‫داري وﺟﻮد دارد )‪.(Kendall's tau-b= 0.121, Sig= 0.000‬‬
 ‫‪  144‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺗﻤﺮﻳﻦ درس دﻫﻢ‬

‫‪ -1‬آﻳﺎ ﻧﺘﺎﻳﺞ ﻣﻨﺪرج در ﺟﺪاول زﻳﺮ اﻳﻦ ﻓﺮﺿﻴﻪ را ﻛﻪ »راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ ﻣﺴﺘﻘﻴﻢ و ﻣﻌﻨﺎداري ﺑﻴﻦ‬
‫ﻣﺪت ﻓﺮاﻏﺖ و ﻣﻴﺰان ﺗﻤﺎﺷﺎي ﺗﻠﻮﻳﺰﻳﻮن وﺟﻮد دارد« را ﺗﺄﻳﻴﺪ ﻣﻲ ﻛﻨﺪ؟ ﻧﺘﺎﻳﺞ ﺣﺎﺻـﻠﻪ را ﺗﻔﺴـﻴﺮ‬
‫ﻛﻨﻴﺪ‪.‬‬

‫ﻣﺪت ﻓﺮاﻏﺖ‬

‫ﻛﻤﺘﺮ از ﻳﻚ‬ ‫از ﻳﻚ ﺗﺎ دو‬ ‫دو ﺗﺎ ﺳﻪ‬ ‫ﺳﻪ ﺗﺎ ﭼﻬﺎر‬ ‫ﺑﻴﺸﺘﺮ از ﭼﻬﺎر‬
‫ﻫﻴﭻ‬ ‫ﺳﺎﻋﺖ‬ ‫ﺳﺎﻋﺖ‬ ‫ﺳﺎﻋﺖ‬ ‫ﺳﺎﻋﺖ‬ ‫ﺳﺎﻋﺖ‬ ‫‪Total‬‬
‫ﻣﻴﺰان‬ ‫ﻫﻴﭻ‬ ‫‪7.1%‬‬ ‫‪19.4%‬‬ ‫‪14.5%‬‬ ‫‪6.1%‬‬ ‫‪9.5%‬‬ ‫‪10.9%‬‬ ‫‪11.1%‬‬
‫ﺗﻤﺎﺷﺎي‬
‫ﻛﻤﺘﺮازﺳﻲ دﻗﻴﻘﻪ ﺗﻠﻮﻳﺰﻳﻮن‬ ‫‪14.3%‬‬ ‫‪11.1%‬‬ ‫‪5.8%‬‬ ‫‪13.6%‬‬ ‫‪5.4%‬‬ ‫‪3.3%‬‬ ‫‪7.4%‬‬
‫‪30‬ﺗﺎ ‪ 60‬دﻗﻴﻘﻪ‬ ‫‪14.3%‬‬ ‫‪27.8%‬‬ ‫‪30.4%‬‬ ‫‪13.6%‬‬ ‫‪12.2%‬‬ ‫‪7.6%‬‬ ‫‪16.5%‬‬
‫‪1‬ﺗﺎ ‪ 2‬ﺳﺎﻋﺖ‬ ‫‪42.9%‬‬ ‫‪36.1%‬‬ ‫‪27.5%‬‬ ‫‪36.4%‬‬ ‫‪28.4%‬‬ ‫‪19.6%‬‬ ‫‪28.8%‬‬
‫‪2‬ﺗﺎ ‪ 3‬ﺳﺎﻋﺖ‬ ‫‪14.3%‬‬ ‫‪2.8%‬‬ ‫‪15.9%‬‬ ‫‪24.2%‬‬ ‫‪29.7%‬‬ ‫‪31.5%‬‬ ‫‪23.1%‬‬
‫ﺑﻴﺸﺘﺮ‬ ‫‪7.1%‬‬ ‫‪2.8%‬‬ ‫‪5.8%‬‬ ‫‪6.1%‬‬ ‫‪14.9%‬‬ ‫‪27.2%‬‬ ‫‪13.1%‬‬
‫‪Total‬‬ ‫‪100.0‬‬
‫‪100.0%‬‬ ‫‪100.0%‬‬ ‫‪100.0%‬‬ ‫‪100.0%‬‬ ‫‪100.0%‬‬ ‫‪100.0%‬‬
‫‪%‬‬

‫‪Symmetric Measures‬‬

‫‪Asymp. Std. Approx Approx.‬‬

‫‪Value‬‬ ‫‪Errora‬‬ ‫‪. Tb‬‬ ‫‪Sig.‬‬
‫‪Ordinal by Ordinal‬‬ ‫‪Kendall's tau-b‬‬ ‫‪.266‬‬ ‫‪.024‬‬ ‫‪11.193‬‬ ‫‪.000‬‬

‫‪Kendall's tau-c‬‬ ‫‪.255‬‬ ‫‪.023‬‬ ‫‪11.193‬‬ ‫‪.000‬‬

‫‪N of Valid Cases‬‬ ‫‪1053‬‬
‫‪a. Not assuming the null hypothesis.‬‬
‫‪b. Using the asymptotic standard error assuming the null hypothesis.‬‬

‫‪ -2‬ﺑﺮاﺳﺎس دادهﻫﺎي ﻓﺎﻳﻞ ‪ satisf.sav‬ﻓﺮﺿﻴﺎت زﻳﺮ را آزﻣﻮن و ﻧﺘﺎﻳﺞ ﺣﺎﺻﻠﻪ را ﺗﻔﺴﻴﺮ ﻛﻨﻴﺪ‪.‬‬
‫اﻟﻒ‪ -‬ﺑﻴﻦ رﺿﺎﻳﺖ از ﻗﻴﻤـﺖ )‪ (price‬و رﺿـﺎﻳﺖ از ﻛﻴﻔﻴـﺖ ﻛـﺎﻻ )‪ (quality‬ﻫﻤﺒﺴـﺘﮕﻲ‬
‫ﻣﺴﺘﻘﻴﻢ و ﻣﻌﻨﺎداري وﺟﻮد دارد‪.‬‬
‫ب‪ -‬ﺳﻦ )‪ (agecat‬اﻓـﺮاد ﺗـﺄﺛﻴﺮ ﻣﺴـﺘﻘﻴﻢ ﺑـﺮ رﺿـﺎﻳﺖ آﻧـﺎن از ﻛﻴﻔﻴـﺖ ﻛـﺎﻻ )‪(quality‬‬
‫ﻣﻲﮔﺬارد‪.‬‬
 ‫درس ﻳﺎزدﻫﻢ‬
‫روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي‬
‫ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ‬

‫در ﭘﺎﻳﺎن اﻳﻦ درس اﻧﺘﻈﺎر ﻣﻲرود داﻧﺸﺠﻮ‬

‫‪ -1‬ﻣﻮارد ﻛﺎرﺑﺮد آزﻣﻮن ﻓﺮض ﻏﻴﺮﻧﺮﻣﺎل ﺑﻮدن را ﺑﺪاﻧﺪ‪.‬‬
‫‪ -2‬ﺗﻮاﻧﺎﻳﻲ آزﻣﻮن ﻓﺮض ﻏﻴﺮﻧﺮﻣﺎل ﺑﻮدن و ﺗﻔﺴﻴﺮ ﻧﺘﺎﻳﺞ آن را داﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬
‫‪ -3‬ﻣﻮارد ﻛﺎرﺑﺮد ﺿﺮاﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﭘﻴﺮﺳﻮن و اﺳﭙﻴﺮﻣﻦ را ﺑﺪاﻧﺪ‪.‬‬
‫‪ -4‬ﺗﻮاﻧﺎﻳﻲ ﺗﻔﺴﻴﺮ ﺟﻬﺖ و ﺷﺪت ﺿﺮاﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﭘﻴﺮﺳﻮن و اﺳﭙﻴﺮﻣﻦ را داﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬
‫‪ -5‬ﻣﻮارد ﻛﺎرﺑﺮد ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﺗﻔﻜﻴﻜﻲ را ﺑﺪاﻧﺪ و ﻗﺎدر ﺑﻪ ﻣﺤﺎﺳﺒﻪ آن ﺑﺎﺷﺪ‪.‬‬
‫‪ -6‬ﺑﺘﻮاﻧﺪ ﻧﺘﺎﻳﺞ ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﺗﻔﻜﻴﻜﻲ را ﺗﻔﺴﻴﺮ ﻛﻨﺪ‪.‬‬
 ‫‪  146‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -1‬ﻣﻘﺪﻣﻪ‬
‫در آزﻣﻮن راﺑﻄﻪ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ )ﻓﺎﺻﻠﻪاي ﻳﺎ ﻧﺴﺒﻲ(‪ ،‬ﻣﺤﻘﻖ ﻋﻼوه ﺑﺮ در ﻧﻈﺮ داﺷﺘﻦ دو‬
‫ﻣﻼك اﺻﻠﻲ )ﺳﻄﺢ ﺳﻨﺠﺶ و ﻫﺪف از ﺳﻨﺠﺶ(‪ ،‬ﺑﺎﻳﺪ ﺷﻜﻞ ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ را از ﺣﻴﺚ‬
‫ﻧﺮﻣﺎل ﺑﻮدن ﺑﺮرﺳﻲ ﻛﻨﺪ‪.‬در ﻧﺮماﻓﺰار ‪ spss‬روش راﻳﺞ ﺑﺮاي ﺑﺮرﺳﻲ ﻧﺮﻣﺎل ﺑﻮدن ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮﻫﺎي‬
‫ﻛﻤ‪‬ﻲ اﺳﺘﻔﺎده از آزﻣﻮن ﻛﻮﻟﻤﻮﮔﺮوف اﺳﻤﻴﺮﻧﻒ‪ 1‬اﺳﺖ‪ .‬اﻳﻦ آزﻣﻮن ﻫﻢ از ﻃﺮﻳﻖ ﻣﻨﻮي آزﻣﻮنﻫﺎي‬
‫ﻧﺎﭘﺎراﻣﺘﺮﻳﻚ‪ 2‬و ﻫﻢ از ﻃﺮﻳﻖ ﻣﻨﻮي ‪ Explore‬ﻗﺎﺑﻞ اﺟﺮاﺳﺖ‪.‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (58‬راﻫﻨﻤﺎي اﻧﺘﺨﺎب آزﻣﻮن ﻣﻨﺎﺳﺐ ﺑﺮاي راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ‬

‫ﺑﻠﻲ‬
‫‪Correlation\ Pearson coeficient‬‬ ‫آﻳﺎ ﺷﻜﻞ ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮﻫﺎ ﻧﺮﻣﺎل اﺳﺖ؟‬

‫ﺧﻴﺮ‬

‫‪Correlation\ Spearman’s Rho‬‬

‫‪ -2‬آزﻣﻮن ﻓﺮض ﻧﺮﻣﺎل ﺑﻮدن ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ‬

‫اﮔﺮ ﺑﺨﻮاﻫﻴﺪ اﻳﻦ ﻓﺮﺿﻴﻪ را ﻣﻮرد ﺳﻨﺠﺶ ﻗﺮار دﻫﻴﺪ ﻛﻪ "ﺑﻴﻦ ﻧﺮخ ﺑﺎروري و درﺻﺪ‬
‫ﺷﻬﺮﻧﺸﻴﻨﻲ راﺑﻄﻪ ﻣﻌﻜﻮس وﺟﻮد دارد‪ ".‬از آﻧﺠﺎ ﻛﻪ ﻫﺮ دو ﻣﺘﻐﻴﺮ ﻣﺰﺑﻮر از ﻧﻮع ﻛﻤ‪‬ﻲ ﻫﺴﺘﻨﺪ‪ ،‬اﺑﺘﺪا‬
‫ﺑﺎﻳﺪ وﺿﻌﻴﺖ ﻧﺮﻣﺎل ﺑﻮدن ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮﻫﺎ‪ ،‬ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار ﮔﻴﺮد‪ .‬ﺑﺮاي اﻳﻦ ﻣﻨﻈﻮر ﺑﺎﻳﺪ آزﻣﻮن‬
‫ﻛﻮﻟﻤﻮﮔﺮوف اﺳﻤﻴﺮﻧﻒ را از ﻣﻨﻮي آزﻣﻮﻧﻬﺎي ﻧﺎﭘﺎراﻣﺘﺮﻳﻚ ﺑﻪ ﺷﺮح ﺗﺼﻮﻳﺮ ذﻳﻞ اﺟﺮا ﻛﻨﻴﺪ‪.‬‬

‫‪1- Kolmogorov-Smirnov Test‬‬

‫‪2- Nonparametric tests‬‬
‫درس ﻳﺎزدﻫﻢ – روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤﻲ ‪147 ‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (59‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﻛﻮﻟﻤﻮﮔﺮوف اﺳﻤﻴﺮﻧﻒ‬

‫‪1‬‬

‫‪2‬‬
‫‪3‬‬
‫‪ -4‬ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ را ﺑﻪ اﻳﻦ‬
‫ﻗﺴﻤﺖ ﻣﻨﺘﻘﻞ ﻛﻨﻴﺪ‬

‫‪ -5‬ﻧﻮع آزﻣﻮن را ﻛﻪ ﻧﺮﻣﺎل‬

‫ﺑﻮدن اﺳﺖ اﻧﺘﺨﺎب ﻛﻨﻴﺪ‬

‫ﺑﺎ اﺟﺮاي اﻳﻦ دﺳﺘﻮر ﺑﺎ ﺧﺮوﺟﻲ ذﻳﻞ ﻣﻮاﺟﻪ ﻣﻲﺷﻮﻳﺪ‪.‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (41‬ﺑﺮرﺳﻲ وﺿﻌﻴﺖ ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮﻫﺎي"درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ و ﻧﺮخ ﺑﺎروري"‬

‫‪One-Sample Kolmogorov-Smirnov Test‬‬

‫‪Fertility: average‬‬ ‫‪People living in‬‬
‫‪number of kids‬‬ ‫)‪cities (%‬‬
‫‪N‬‬ ‫‪107‬‬ ‫‪108‬‬
‫‪Normal‬‬ ‫‪Mean‬‬ ‫‪3.563‬‬ ‫‪56.53‬‬
‫‪Parametersa,,b‬‬ ‫‪Std. Deviation‬‬ ‫‪1.9025‬‬ ‫‪24.203‬‬
‫‪Most Extreme‬‬ ‫‪Absolute‬‬ ‫‪.161‬‬ ‫‪.090‬‬
‫‪Differences‬‬ ‫‪Positive‬‬ ‫‪.161‬‬ ‫‪.063‬‬
‫‪Negative‬‬ ‫‪-.118‬‬ ‫‪-.090‬‬
‫‪Kolmogorov-Smirnov Z‬‬ ‫‪1.662‬‬ ‫‪.932‬‬
‫)‪Asymp. Sig. (2-tailed‬‬ ‫‪.008‬‬ ‫‪.350‬‬
‫‪a. Test distribution is Normal.‬‬
‫‪b. Calculated from data.‬‬
 ‫‪  148‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﺧﻄﺎي ﻣﺮﺑﻮط ﺑﻪ ﻣﺘﻐﻴﺮ درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ ﺑﻴﺸﺘﺮ از ﭘﻨﺞ ﺻﺪم‬
‫اﺳﺖ )‪ ، (sig=0.350‬ﻟﺬا ﻓﺮض ﺻﻔﺮ )ﻓﺮض ﻧﺮﻣﺎل ﺑﻮدن ﺗﻮزﻳﻊ( رد ﻧﻤﻲﺷﻮد‪ .‬ﺑﻪ ﻋﺒﺎرﺗﻲ دﻳﮕﺮ‬
‫ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮ درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ داراي ﺣﺎﻟﺖ ﻧﺮﻣﺎل اﺳﺖ‪ .‬اﻣﺎ ﺗﻐﻴﺮ ﻧﺮخ ﺑﺎروري از ﺧﻄﺎي ﻛﻤﺘﺮ از‬
‫ﭘﻨﺞ ﺻﺪم )‪ (sig=0.008‬ﺑﺮﺧﻮردار ﺑﻮده و ﺑﻴﺎﻧﮕﺮ اﻳﻦ واﻗﻌﻴﺖ اﺳﺖ ﻛﻪ ﺗﻮزﻳﻊ اﻳﻦ ﻣﺘﻐﻴﺮ داراي‬
‫ﺣﺎﻟﺖ ﻧﺮﻣﺎل ﻧﻴﺴﺖ ﺑﻪ ﻋﺒﺎرﺗﻲ دﻳﮕﺮ ﻓﺮض ﺻﻔﺮ )ﻓﺮض ﻧﺮﻣﺎل ﺑﻮدن ﺗﻮزﻳﻊ( در ﻣﻮرد اﻳﻦ ﻣﺘﻐﻴﺮ‬
‫رد ﻣﻲﺷﻮد‪.‬‬

‫در ﻣﺜﺎل ﻓﻮق‪ ،‬از آﻧﺠﺎ ﻛﻪ ﻻاﻗﻞ ﻳﻜﻲ از دو ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ ﻣﻮرد ﺑﺮرﺳﻲ داراي ﺗﻮزﻳﻊ ﻏﻴﺮﻧﺮﻣـﺎل‬
‫)ﻣﺘﻐﻴﺮ ﻧﺮخ ﺑﺎروري( اﺳﺖ‪ ،‬ﻟﺬا ﺑﺮاي ﺳﻨﺠﺶ ﻫﻤﺒﺴـﺘﮕﻲ اﻳـﻦ دو ﻣﺘﻐﻴـﺮ از ﺿـﺮﻳﺐ ﻫﻤﺒﺴـﺘﮕﻲ‬
‫اﺳﭙﻴﺮﻣﻦ اﺳﺘﻔﺎده ﻣﻲﺷﻮد‪.‬‬

‫‪ -3‬ﺿﺮاﻳﺐ ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ‬

‫‪ ‬ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﭘﻴﺮﺳﻮن‬
‫اﮔﺮ ﺑﺨﻮاﻫﻴﺪ اﻳﻦ ﻓﺮﺿﻴﻪ را ﻣﻮرد ﺳﻨﺠﺶ ﻗﺮار دﻫﻴﺪ ﻛﻪ‪" :‬ﺑﻴﻦ ﻧﺮخ رﺷﺪ ﺟﻤﻌﻴـﺖ و درﺻـﺪ‬
‫ﺷﻬﺮﻧﺸﻴﻨﻲ ﻫﻤﺒﺴﺘﮕﻲ وﺟﻮد دارد‪ ،".‬ﺑﺎﻳﺪ ﺑﻪ دﻻﻳﻞ زﻳﺮ از ﺿﺮﻳﺐ ﻫﻤﺒﺴـﺘﮕﻲ ﭘﻴﺮﺳـﻮن‪ 1‬اﺳـﺘﻔﺎده‬
‫ﻛﻨﻴﺪ‪.‬‬
‫‪ ‬ﺳﻄﺢ ﺳﻨﺠﺶ‪ :‬در اﻳﻦ ﻓﺮﺿﻴﻪ دو ﻣﺘﻐﻴﺮ "ﻧـﺮخ رﺷـﺪ ﺟﻤﻌﻴـﺖ" و "درﺻـﺪ ﺷﻬﺮﻧﺸـﻴﻨﻲ"‬
‫وﺟﻮد دارد ﻛﻪ ﻫﺮ دو داراي ﺳﻄﺢ ﺳﻨﺠﺶ ﻓﺎﺻﻠﻪاي )ﻛﻤ‪‬ﻲ( ﻫﺴﺘﻨﺪ‪.‬‬
‫‪ ‬ﻫﺪف ﻣﺤﻘﻖ‪ :‬ﻣﺤﻘﻖ ﻓﺮض ﻣﻲﻛﻨﺪ ﻛﻪ ﺑﻴﻦ اﻳﻦ دو ﻣﺘﻐﻴﺮ ﺗﺄﺛﻴﺮ و ﺗﺄﺛﻴﺮ ﻣﺘﻘﺎﺑﻞ )ﻫﻤﺒﺴـﺘﮕﻲ(‬
‫وﺟﻮد دارد‪.‬‬
‫‪ ‬ﺷﻜﻞ ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮ‪ :‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﺘﻴﺠﻪ ﺑﺪﺳﺖ آﻣـﺪه از آزﻣـﻮن ﻛﻮﻟﻤـﻮ ﮔـﺮوف اﺳـﻤﻴﺮﻧﻒ‬
‫ﺷﻜﻞ ﺗﻮزﻳﻊ ﻫﺮ دو ﻣﺘﻐﻴﺮ ﻧﺮﻣﺎل اﺳﺖ‪.‬‬
‫ﺑﺮاي اﻧﺠﺎم اﻳﻦ آزﻣﻮن ﺑﺎﻳﺪ ﺑﻪ ﺷﺮح ﺗﺼﻮﻳﺮ زﻳﺮ ﻋﻤﻞ ﺷﻮد‪.‬‬

‫‪ -1‬ﻣﻔﺮوﺿﺎت آزﻣﻮن ﭘﻴﺮﺳﻮن ﻋﺒﺎرﺗﺴﺖ از‪ :‬اﻟﻒ( ﻣﺘﻐﻴﺮﻫﺎي ﻣﻮرد ﻣﺤﺎﺳﺒﻪ از ﻧﻮع ﻛﻤ‪‬ﻲ )ﻓﺎﺻﻠﻪاي ﻳﺎ ﻧﺴﺒﻲ( ﺑﺎﺷﻨﺪ‪،.‬‬
‫ب( ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ﺣﺎﻟﺖ ﻧﺮﻣﺎل داﺷﺘﻪ ﺑﺎﺷﺪ‪ .‬ج(راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ از ﻧﻮع ﺧﻄّﻲ ﺑﺎﺷﺪ‬
‫درس ﻳﺎزدﻫﻢ – روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤﻲ ‪149 ‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (60‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﭘﻴﺮﺳﻮن‬

‫‪.‬‬

‫‪1‬‬

‫‪2‬‬ ‫‪3‬‬

‫‪ -4‬ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ را ﺑﻪ اﻳﻦ‬

‫ﻗﺴﻤﺖ ﻣﻨﺘﻘﻞ ﻛﻨﻴﺪ‬

‫‪ -5‬ﺿــــﺮﻳﺐ ﻫﻤﺒﺴــــﺘﮕﻲ‬
‫ﭘﻴﺮﺳﻮن را اﻧﺘﺨﺎب ﻛﻨﻴﺪ‬

‫‪ -6‬ﭼﻮن ﻓﺮﺿﻴﻪ ﻏﻴﺮ ﺟﻬﺖ دار اﺳﺖ‪،‬‬

‫ﺣﺎﻟﺖ دوﻃﺮﻓﻪ را اﻧﺘﺨﺎب ﻛﻨﻴﺪ‬

‫ﺟﺪول ﺷﻤﺎره )‪ (42‬ﻧﺘﺎﻳﺞ ﺳﻨﺠﺶ ﻫﻤﺒﺴﺘﮕﻲ ﻣﺘﻐﻴﺮﻫﺎي ﻧﺮخ رﺷﺪ ﺟﻤﻌﻴﺖ و درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ‬

‫‪Correlations‬‬
‫‪People living Population increase‬‬
‫)‪in cities (%‬‬ ‫)‪(% per year‬‬
‫‪People living in cities (%) Pearson Correlation 1‬‬ ‫**‪-.375‬‬
‫)‪Sig. (1-tailed‬‬ ‫‪.000‬‬
‫‪N‬‬ ‫‪108‬‬ ‫‪108‬‬
‫‪Population increase (%‬‬ ‫**‪Pearson Correlation -.375‬‬ ‫‪1‬‬
‫)‪per year‬‬ ‫)‪Sig. (1-tailed‬‬ ‫‪.000‬‬
‫‪N‬‬ ‫‪108‬‬ ‫‪109‬‬
‫‪**. Correlation is significant at the 0.01 level (1-tailed).‬‬
 ‫‪  150‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﻧﺘﺎﻳﺞ ﺣﺎﺻﻞ از ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﭘﻴﺮﺳﻮن ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﺑﻴﻦ درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ و ﻧﺮخ‬
‫رﺷﺪ ﺟﻤﻌﻴﺖ در ﻛﺸﻮرﻫﺎي ﺟﻬﺎن ﻫﻤﺒﺴﺘﮕﻲ ﻣﻌﻜﻮس و ﻣﻌﻨﺎداري وﺟﻮد دارد ) ‪Pearson‬‬
‫‪ (Correlation=-375,Sig=000‬ﺑﻪ اﻳﻦ ﻣﻌﻨﻲ ﻛﻪ ﺑﺎ اﻓﺰاﻳﺶ ﻧﺮخ رﺷﺪ ﺟﻤﻌﻴﺖ در‬
‫ﻛﺸﻮرﻫﺎي ﺟﻬﺎن‪ ،‬درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ ﺗﺎ ﺣﺪي ﭘﺎﻳﻴﻦ ﻣﻲآﻳﺪ و از آن ﻃﺮف‪ ،‬ﺑﺎ اﻓﺰاﻳﺶ درﺻﺪ‬
‫ﺷﻬﺮﻧﺸﻴﻨﻲ در ﻛﺸﻮرﻫﺎي ﺟﻬﺎن‪ ،‬ﻧﺮخ رﺷﺪ ﺟﻤﻌﻴﺖ ﺗﺎ ﺣﺪي ﭘﺎﻳﻴﻦ ﻣﻲآﻳﺪ‪.‬‬

‫‪ ‬ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﺗﻔﻜﻴﻜﻲ‬

‫در ﺻﻮرﺗﻴﻜﻪ ﺑﺨﻮاﻫﻴﺪ ﺿﻤﻦ ﻛﻨﺘﺮل ﻳﻚ ﻣﺘﻐﻴ‪‬ﺮ ﻛﻤ‪‬ﻲ‪ ،‬راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ‬
‫دﻳﮕﺮ را اﻧﺪازهﮔﻴﺮي ﻛﻨﻴﺪ‪ ،‬در اﻳﻦ ﺣﺎﻟﺖ ﺑﺎﻳﺪ از ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﺗﻔﻜﻴﻜﻲ اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪.‬‬
‫ﻣﺜﻼً اﮔﺮ ﺑﻪ راﺑﻄﻪ ﻣﻌﻜﻮس و ﻣﻌﻨﺎدار ﺑﺪﺳﺖ آﻣﺪه ﺑﻴﻦ ﻧﺮخ ﻣﺮگوﻣﻴﺮ ﻛﻮدﻛﺎن و درﺻﺪ‬
‫ﺷﻬﺮﻧﺸﻴﻨﻲ در ﻛﺸﻮرﻫﺎي ﺟﻬﺎن ﺗﺮدﻳﺪ ﻛﺮدﻳﺪ‪ ،‬ﺑﺪﻳﻦ ﻣﻌﻨﺎ ﻛﻪ ﻫﻤﺒﺴﺘﮕﻲ اﻳﻦ دو ﻣﺘﻐﻴﺮ را ﻧﺎﺷﻲ از‬
‫ﻣﺘﻐﻴﺮ ﺳﻮﻣﻲ )درﺻﺪ ﺑﺎﺳﻮادان ﻛﺸﻮرﻫﺎ( ﺑﺪاﻧﻴﺪ‪ ،‬ﺑﺎﻳﺪ ﺑﺮاي رﻓﻊ اﻳﻦ ﺗﺮدﻳﺪ‪ ،‬ﺗﺄﺛﻴﺮ اﻳﻦ ﻣﺘﻐﻴﺮ ﺳﻮم‬
‫)درﺻﺪ ﺑﺎﺳﻮادان ﻛﺸﻮرﻫﺎ( را ﻛﻨﺘﺮل ﻛﻨﻴﺪ و ﺑﻌﺪ از آن ﺑﻪ ﺳﻨﺠﺶ راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ واﻗﻌﻲ ﺑﻴﻦ‬
‫ﻧﺮخ ﻣﺮگوﻣﻴﺮ ﻛﻮدﻛﺎن و درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ ﺑﭙﺮدازﻳﺪ‪.‬‬

‫درﺻﺪ ﺑﺎﺳﻮادان‬

‫درﺻﺪ ﺷﻬﺮ ﻧﺸﻴﻨﻲ‬ ‫ﻧﺮخ ﻣﺮگوﻣﻴﺮ ﻛﻮدﻛﺎن‬

‫ﺑﺮاي اﻳﻦ ﻣﻨﻈﻮر ﺑﺎﻳﺪ دﺳﺘﻮر ‪ Partial Correlation‬را از ﻣﻨﻮي ‪ Analyze‬ﺑﻪ ﺷﺮح‬
‫ﺗﺼﻮﻳﺮ زﻳﺮ اﺟﺮا ﻛﻨﺪ‪.‬‬
‫درس ﻳﺎزدﻫﻢ – روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤﻲ ‪151 ‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (61‬ﺷﻴﻮه اﺟﺮاي ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﺗﻔﻜﻴﻜﻲ )ﻣﺮﺣﻠﻪ‪(1‬‬

‫‪1‬‬
‫‪6‬‬

‫‪2‬‬
‫‪3‬‬
‫‪ -4‬ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ را ﺑـﻪ اﻳـﻦ‬
‫ﻗﺴﻤﺖ ﻣﻨﺘﻘﻞ ﻛﻨﻴﺪ‬

‫‪ -5‬ﻣﺘﻐﻴﺮ ﻳـﺎ ﻣﺘﻐﻴﺮﻫـﺎي ﻛﻤ‪‬ـﻲ‬

‫ﻛﻨﺘﺮﻟﻲ را ﺑﻪ اﻳﻦ ﻗﺴﻤﺖ ﻣﻨﺘﻘﻞ‬
‫ﻛﻨﻴﺪ‪.‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (62‬ﺷﻴﻮه اﺟﺮاي ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﺗﻔﻜﻴﻜﻲ )ﻣﺮﺣﻠﻪ ‪(2‬‬

‫اﻧﺘﺨﺎب اﻳﻦ ﮔﺰﻳﻨﻪ‬

‫ﭘﻴﺸﻨﻬﺎد ﻣﻲﺷﻮد ﺑﺮاي ﺗﻔﺴﻴﺮ دﻗﻴﻖﺗﺮ ﻧﺘﺎﻳﺞ ﺑﺮ روي ﮔﺰﻳﻨﻪ ‪ Option‬ﻛﻠﻴﻚ ﻛﺮده و ﻫﻤﺒﺴﺘﮕﻲ‬
‫ﻣﺮﺗﺒﻪ ﺻﻔﺮ‪ 1‬اﻳﻦ دو ﻣﺘﻐﻴﺮ را ﻧﻴﺰ اﻧﺘﺨﺎب ﻛﻨﻴﺪ ﺗﺎ ﻧﺘﺎﻳﺞ ﻫﻤﺒﺴﺘﮕﻲ دو ﻣﺘﻐﻴﺮ را در ﺣﺎﻟﺖ ﺑﺪون‬
‫ﻛﻨﺘﺮل ﻧﻴﺰ در ﺧﺮوﺟﻲﻫﺎ ﻧﺸﺎن دﻫﺪ‪ .‬در اﻳﻦ ﺣﺎﻟﺖ ﻣﻲﺗﻮان از ﻃﺮﻳﻖ ﻣﻘﺎﻳﺴﻪ ﻧﺘﺎﻳﺞ‪ ،‬ﺑﻪ اﺛﺮ ﻛﻨﺘﺮﻟﻲ‬
‫ﻣﺘﻐﻴﺮ ﻳﺎ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ )ﻗﺒﻞ و ﺑﻌﺪ از ﻛﻨﺘﺮل( ﺑﻴﺸﺘﺮ ﭘﻲ ﺑﺮد‪.‬‬

‫‪1- Zero order correlation‬‬

 ‫‪  152‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (43‬ﻫﻤﺒﺴﺘﮕﻲ ﺗﻔﻜﻴﻜﻲ "ﻧﺮخ ﻣﺮگوﻣﻴﺮ ﻛﻮدﻛﺎن" و " درﺻﺪ ﺷﻬﺮ‬
‫ﻧﺸﻴﻨﻲ" ﺑﺎ ﻛﻨﺘﺮل "درﺻﺪ ﺑﺎﺳﻮادان‬

‫‪Correlations‬‬

‫ﺿــﺮاﻳﺐ ﻫﻤﺒﺴــﺘﮕﻲ ﭘﻴﺮﺳــﻮن در‬

‫ﻣﺮﺗﺒﻪ ﺻﻔﺮ )ﻛﻨﺘﺮل ﻧﺸﺪه(‬ ‫‪Infant mortality‬‬ ‫‪People‬‬
‫‪People living in‬‬ ‫‪(deaths per 1000‬‬ ‫‪who read‬‬
‫‪Control Variables‬‬ ‫)‪cities (%‬‬ ‫)‪live births‬‬ ‫)‪(%‬‬

‫‪-none-a‬‬ ‫‪People‬‬ ‫‪Correlation‬‬ ‫‪1.000‬‬ ‫‪-.733‬‬ ‫‪.650‬‬

‫‪living in‬‬
‫)‪cities (%‬‬ ‫‪Significance‬‬
‫‪.‬‬ ‫‪.000‬‬ ‫‪.000‬‬
‫)‪(2-tailed‬‬
‫‪df‬‬ ‫‪0‬‬ ‫‪105‬‬ ‫‪105‬‬

‫‪Infant‬‬ ‫‪Correlation‬‬ ‫‪-.733‬‬ ‫‪1.000‬‬ ‫‪-.900‬‬

‫‪mortality‬‬
‫‪(deaths per‬‬ ‫‪Significance‬‬
‫‪.000‬‬ ‫‪.‬‬ ‫‪.000‬‬
‫‪1000 live‬‬ ‫)‪(2-tailed‬‬
‫)‪births‬‬ ‫‪df‬‬ ‫‪105‬‬ ‫‪0‬‬ ‫‪105‬‬
‫‪People who Correlation‬‬ ‫‪.650‬‬ ‫‪-.900‬‬ ‫‪1.000‬‬
‫)‪read (%‬‬
‫‪Significance (2-‬‬
‫‪.000‬‬ ‫‪.000‬‬ ‫‪.‬‬
‫)‪tailed‬‬
‫ﻣﺘﻐﻴﺮ ﻛﻨﺘﺮل‬
‫‪df‬‬ ‫‪105‬‬ ‫‪105‬‬ ‫‪0‬‬

‫‪People‬‬ ‫‪People‬‬ ‫‪Correlation‬‬ ‫‪1.000‬‬ ‫‪-.449‬‬

‫‪who read‬‬ ‫‪living in‬‬ ‫ﺿـــﺮﻳﺐ ﻣﺒﺴـــﺘﮕﻲ‬
‫)‪(%‬‬ ‫)‪cities (%‬‬ ‫‪Significance (2-‬‬
‫‪.‬‬ ‫‪.000‬‬ ‫ﭘﻴﺮﺳـــﻮن ﺗﻔﻜﻴﻜـــﻲ‬
‫)‪tailed‬‬
‫‪df‬‬ ‫‪0‬‬ ‫‪104‬‬ ‫)ﻛﻨﺘﺮل ﺷﺪه(‬
‫‪Infant‬‬ ‫‪Correlation‬‬ ‫‪-.449‬‬ ‫‪1.000‬‬
‫‪mortality‬‬
‫‪Significance (2-‬‬
‫‪(deaths per‬‬ ‫‪.000‬‬ ‫‪.‬‬
‫)‪tailed‬‬
‫‪1000 live‬‬
‫)‪births‬‬ ‫‪df‬‬ ‫‪104‬‬ ‫‪0‬‬

‫‪a. Cells contain zero-order (Pearson) correlations.‬‬

‫ﻧﺘﺎﻳﺞ ﺣﺎﺻﻠﻪ ﺑﻴﺎﻧﮕﺮ آن اﺳﺖ ﻛﻪ ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ و ﻧﺮخ ﻣﺮگوﻣﻴﺮ‬
‫ﻛﻮدﻛﺎن در ﻣﺮﺗﺒﻪ ﺻﻔﺮ )ﺑﺪون ﻛﻨﺘﺮل ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ( ﻣﻌﻜﻮس و ﻗﻮي )‪ (-0/733‬ﺑﻮد‪ ،‬اﻣﺎ ﭘﺲ از‬
‫ﻛﻨﺘﺮل ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ درﺻﺪ ﺑﺎﺳﻮادان ﺑﻪ )‪ (-0/449‬ﺗﻘﻠﻴﻞ ﭘﻴﺪا ﻣﻲﻛﻨﺪ ﺑﻪ ﻋﺒﺎرﺗﻲ دﻳﮕﺮ ﺑﺎ ﻛﻨﺘﺮل اﻳﻦ‬
‫ﻣﺘﻐﻴﺮ ﺳﻮم )درﺻﺪ ﺑﺎﺳﻮادان(‪ ،‬ﺷﺪت ﻫﻤﺒﺴﺘﮕﻲ دو ﻣﺘﻐﻴﺮ ﻣﺰﺑﻮر ﺑﻪ اﻧﺪازه ﻗﺎﺑﻞ ﺗﻮﺟ‪‬ﻬﻲ ﻛﺎﻫﺶ‬
‫ﭘﻴﺪا ﻛﺮده اﺳﺖ‪ .‬ﺑﺎ اﻳﻦ ﺣﺎل راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ و ﻧﺮخ ﻣﺮگوﻣﻴﺮ ﻛﻮدﻛﺎن‬
‫ﻫﻤﭽﻨﺎن ﻣﻨﻔﻲ و ﻣﻌﻨﺎدار اﺳﺖ‪.‬‬
 ‫درس ﻳﺎزدﻫﻢ – روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤﻲ ‪153 ‬‬

‫‪ ‬ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ اﺳﭙﻴﺮﻣﻦ‬

‫ﻣﺠﺪداً ﺑﻪ ﻓﺮﺿﻴﻪاي ﻛﻪ ﻃﻲ آن ﺑﻪ ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﻌﻜﻮس ﺑﻴﻦ ﻧﺮخ ﺑﺎروري و درﺻﺪ‬
‫ﺷﻬﺮﻧﺸﻴﻨﻲ ﭘﺮداﺧﺘﻴﻢ‪ ،1‬ﺑﺮﻣﻲﮔﺮدﻳﻢ‪ .‬در اﻳﻨﺠﺎ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ اﻳﻦ دو ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ‬
‫ﺑﻪ دﻻﻳﻞ زﻳﺮ ﺑﺎﻳﺪ از ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ اﺳﭙﻴﺮﻣﻦ اﺳﺘﻔﺎده ﺷﻮد‪.‬‬
‫‪ -‬ﺳﻄﺢ ﺳﻨﺠﺶ‪ :‬در اﻳﻦ ﻓﺮﺿﻴﻪ دو ﻣﺘﻐﻴﺮ "ﻧﺮخ ﺑﺎروري" و "درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ" وﺟﻮد‬
‫دارد ﻛﻪ ﻳﻜﻲ از آن دو )ﻧﺮخ ﺑﺎروري(‪ ،‬ﻋﻠﻴﺮﻏﻢ ﻛﻤ‪‬ﻲ ﺑﻮدن‪ ،‬از ﺗﻮزﻳﻊ ﻏﻴﺮﻧﺮﻣﺎل ﺑﺮﺧﻮردار ﻫﺴﺘﻨﺪ‬
‫و ﺑﻪ ﻫﻤﻴﻦ دﻟﻴﻞ ﻧﻤﻲﺗﻮان ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﭘﻴﺮﺳﻮن را ﺑﺮاي ﺳﻨﺠﺶ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ آﻧﻬﺎ ﺑﻪ ﻛﺎر‬
‫ﺑﺮد‪ .‬ﻟﺬا ﺑﺎﻳﺪ از ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ اﺳﭙﻴﺮﻣﻦ اﺳﺘﻔﺎده ﻛﺮد‪.‬‬
‫‪ -‬ﻫﺪف ﻣﺤﻘﻖ‪ :‬ﺑﻴﻦ اﻳﻦ دو ﻣﺘﻐﻴﺮ ﺗﺄﺛﻴﺮ و ﺗﺄﺛّﺮ ﻣﺘﻘﺎﺑﻞ )ﻫﻤﺒﺴﺘﮕﻲ( وﺟﻮد دارد‪.‬‬
‫ﺑﺮاي اﻳﻦ ﻣﻨﻈﻮر ﺑﺎﻳﺪ‪ ،‬دﺳﺘﻮر‪ correlate‬را از ﻣﻨﻮي ‪ Analyze‬اﻧﺘﺨﺎب ﻛﺮده و ﺑﻪ ﺷﺮح‬
‫ﺗﺼﻮﻳﺮ زﻳﺮ ﻋﻤﻞ ﻛﻨﻴﺪ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (63‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن اﺳﭙﻴﺮﻣﻦ‬

‫‪1‬‬
‫‪ -4‬ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ را ﺑﻪ اﻳﻦ‬
‫ﻗﺴﻤﺖ ﻣﻨﺘﻘﻞ ﻛﻨﻴﺪ‬
‫‪2‬‬ ‫‪3‬‬
‫‪ -5‬ﺿــــﺮﻳﺐ ﻫﻤﺒﺴــــﺘﮕﻲ‬
‫اﺳﭙﻴﺮﻣﻦ را اﻧﺘﺨﺎب ﻛﻨﻴﺪ‬

‫‪ -6‬ﭼـــﻮن ﻓﺮﺿـــﻴﻪ ﺟﻬـــﺖ دار ﺑـــﻮد ﺣﺎﻟـــﺖ‬

‫ﻳﻚﻃﺮﻓﻪ را ﺑﺮاي آزﻣﻮن اﻧﺘﺨﺎب ﻛﻨﻴﺪ‬

‫ﻧﺘﺎﻳﺞ ﺣﺎﺻﻠﻪ ﺑﻪ ﺷﺮح ﺟﺪول ﺑﻌﺪ ﻣﻲﺑﺎﺷﺪ‪ .‬ﻻزم ﺑﻪ ذﻛﺮ اﺳﺖ ﻛﻪ در ﺗﻔﺴﻴﺮ ﻧﺘﺎﻳﺞ ﺿﺮاﻳﺐ‬
‫ﻫﻤﺒﺴﺘﮕﻲ ﭘﻴﺮﺳﻮن و اﺳﭙﻴﺮﻣﻦ ﻋﻼوه ﺑﺮ ﺷﺪت و ﻣﻌﻨﺎداري ﻛﻪ در ﺿﺮاﻳﺐ ﻓﻲ و وي ﻛﺮاﻣﺮ ﺑﻪ‬
‫آﻧﻬﺎ اﺷﺎره ﺷﺪ‪ ،‬ﺑﻪ ﺟﻬﺖ ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ )ﻣﺴﺘﻘﻴﻢ ﻳﺎ ﻣﻌﻜﻮس ﺑﻮدن راﺑﻄﻪ( ﻫﻢ ﺑﺎﻳﺪ ﺗﻮﺟﻪ ﻛﺮد‪.‬‬

‫‪ -1‬ﻓﺮﺿﻴﻪ ﻣﺤﻘﻖ‪ ،‬ﺟﻬﺖدار )ﻣﻌﻜﻮس( و ﺑﻨﺎﺑﺮ اﻳﻦ ﻳﻚﻃﺮﻓﻪ اﺳﺖ‪ .‬در ﻣﻮاردي ﻛﻪ ﺟﻬﺖ ﻣﺴﺘﻘﻴﻢ ﻳﺎ ﻣﻌﻜﻮس راﺑﻄﻪ‬
‫ﻫﻤﺒﺴﺘﮕﻲ ﻳﺎ ﻋﻠّﻲ ﻣﺸﺨﺺ ﻧﺒﺎﺷﺪ‪ ،‬ﻓﺮﺿﻴﻪ از ﻧﻮع ﻏﻴﺮﺟﻬﺖدار و دوﻃﺮﻓﻪ اﺳﺖ‪.‬‬
 ‫‪  154‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (44‬ﻧﺘﺎﻳﺞ ﺳﻨﺠﺶ ﻫﻤﺒﺴﺘﮕﻲ ﻣﺘﻐﻴﺮﻫﺎي "درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ" و "ﻧﺮخ ﺑﺎروري"‬

‫‪Correlations‬‬
‫‪Fertility:‬‬
‫‪People living in‬‬ ‫‪average number of‬‬
‫)‪cities (%‬‬ ‫‪kids‬‬
‫‪Spearman's‬‬ ‫‪People living in‬‬ ‫‪Correlation Coefficient‬‬ ‫‪1.000‬‬ ‫**‪-.570‬‬
‫‪rho‬‬ ‫)‪cities (%‬‬
‫)‪Sig. (1-tailed‬‬ ‫‪.‬‬ ‫‪.000‬‬
‫‪N‬‬ ‫‪108‬‬ ‫‪106‬‬
‫‪Fertility: average Correlation Coefficient‬‬ ‫**‪-.570‬‬ ‫‪1.000‬‬
‫‪number of kids‬‬
‫‪Sig. (1-tailed)1‬‬ ‫‪.000‬‬ ‫‪.‬‬

‫‪N‬‬ ‫‪106‬‬ ‫‪107‬‬

‫‪**. Correlation is significant at the 0.01 level (1-tailed).‬‬

‫ﻧﺘﺎﻳﺞ ﺣﺎﺻﻞ از آزﻣﻮن ﻫﻤﺒﺴﺘﮕﻲ اﺳﭙﻴﺮﻣﻦ ﺑﻴﻦ درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ و ﻧﺮخ ﺑﺎروري ﻧﺸﺎن‬
‫ﻣﻲدﻫﺪ ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ اﻳﻦ دو ﻣﺘﻐﻴﺮ ﻣﻌﻜﻮس و ﻣﻌﻨﺎدار اﻣﺎ در ﺣﺪ ﻣﺘﻮﺳﻂ اﺳﺖ‬
‫)‪ .(Spearman's rho=-.570, Sig=.000‬ﺑﺪﻳﻦ ﻣﻌﻨﺎ ﻛﻪ ﺑﺎ اﻓﺰاﻳﺶ درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ در‬
‫ﻼ‪ 1‬ﺑﺎ اﻓﺰاﻳﺶ ﻧﺮخ ﺑﺎروري در‬
‫ﻛﺸﻮرﻫﺎي ﺟﻬﺎن‪ ،‬ﻧﺮخ ﺑﺎروري ﺗﺎ ﺣﺪي ﭘﺎﻳﻴﻦ ﻣﻲآﻳﺪ و ﻣﺘﻘﺎﺑ ً‬
‫ﻛﺸﻮرﻫﺎي ﺟﻬﺎن‪ ،‬درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ ﺗﺎ ﺣﺪ‪‬ي ﭘﺎﻳﻴﻦ ﻣﻲآﻳﺪ‪.‬‬

‫‪ -1‬ﭼﻮن راﺑﻄﻪ از ﻧﻮع ﻫﻤﺒﺴﺘﮕﻲ اﺳﺖ ﺑﻪ ﻫﻤﻴﻦ دﻟﻴﻞ ﺑﺎﻳﺪ ﺗﻔﺴﻴﺮ ﺣﺎﻟﺖ دو ﺳﻮﻳﻪ داﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬
‫درس ﻳﺎزدﻫﻢ – روشﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﻨﺠﺶ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤﻲ ‪155 ‬‬

‫ﺗﻤﺮﻳﻨﺎت درس ﻳﺎزدﻫﻢ‬

‫‪ -1‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﺘﺎﺑﺞ ﻣﻨﺪرج در ﺟﺪول ﺑﻪ ﺳﻮاﻻت ﺑﻌﺪ ﭘﺎﺳﺦ دﻫﻴﺪ‪.‬‬

‫‪Correlations‬‬
‫وﺿﻌﻴﺖ درآﻣﺪ‬
‫‪Control Variables‬‬ ‫ﻣﺪت ﻓﺮاﻏﺖ‬ ‫ﻣﺪت ورزش‬ ‫ﺧﺎﻧﻮاده‬
‫ﻣﺪت ﻓﺮاﻏﺖ ‪-none-a‬‬ ‫‪Correlation‬‬ ‫‪1.000‬‬ ‫‪.254‬‬ ‫‪.292‬‬
‫)‪Significance (2-tailed‬‬ ‫‪.‬‬ ‫‪.000‬‬ ‫‪.000‬‬
‫‪df‬‬ ‫‪0‬‬ ‫‪1144‬‬ ‫‪1144‬‬
‫ﻣﺪت ورزش‬ ‫‪Correlation‬‬ ‫‪.254‬‬ ‫‪1.000‬‬ ‫‪.070‬‬
‫)‪Significance (2-tailed‬‬ ‫‪.000‬‬ ‫‪.‬‬ ‫‪.018‬‬
‫‪df‬‬ ‫‪1144‬‬ ‫‪0‬‬ ‫‪1144‬‬
‫وﺿﻌﻴﺖ‬ ‫‪Correlation‬‬ ‫‪.292‬‬ ‫‪.070‬‬ ‫‪1.000‬‬
‫)‪ Significance (2-tailed‬درآﻣﺪ ﺧﺎﻧﻮاده‬ ‫‪.000‬‬ ‫‪.018‬‬ ‫‪.‬‬
‫‪df‬‬ ‫‪1144‬‬ ‫‪1144‬‬ ‫‪0‬‬
‫ﻣﺪت ﻓﺮاﻏﺖ وﺿﻌﻴﺖ‬ ‫‪Correlation‬‬ ‫‪1.000‬‬ ‫‪.245‬‬
‫درآﻣﺪ‬ ‫)‪Significance (2-tailed‬‬ ‫‪.‬‬ ‫‪.000‬‬
‫ﺧﺎﻧﻮاده‬ ‫‪df‬‬ ‫‪0‬‬ ‫‪1143‬‬
‫ﻣﺪت ورزش‬ ‫‪Correlation‬‬ ‫‪.245‬‬ ‫‪1.000‬‬
‫)‪Significance (2-tailed‬‬ ‫‪.000‬‬ ‫‪.‬‬
‫‪df‬‬ ‫‪1143‬‬ ‫‪0‬‬
‫)‪a. Cells contain zero-order (Pearson‬‬
‫‪correlations.‬‬
‫اﻟﻒ‪ -‬ﻧﺘﺎﻳﺞ ﻣﺮﺑﻮط ﺑﻪ ﻫﻤﺒﺴﺘﮕﻲ ﻣﺪت ﻓﺮاﻏﺖ و ﻣﺪت ﭘﺮداﺧﺘﻦ ﺑﻪ ورزش را ﺗﻔﺴﻴﺮ ﻛﻨﻴﺪ‪.‬‬
‫ب‪ -‬ﭼﻪ ﺗﻔﺎوﺗﻲ در راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ اﻳﻦ دو ﻣﺘﻐﻴﺮ در زﻣﺎن ﻗﺒـﻞ و ﺑﻌـﺪ از ﻛﻨﺘـﺮل وﺿـﻌﻴﺖ‬
‫درآﻣﺪ اﻳﺠﺎد ﻣﻲﺷﻮد؟‬
‫‪ -2‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺎﻳﻞ ‪Employee data‬‬
‫اﻟﻒ‪ -‬ﻫﻤﺒﺴﺘﮕﻲ ﺣﻘﻮق اوﻟﻴﻪ و ﻓﻌﻠﻲ را ﻣﺤﺎﺳﺒﻪ و ﻧﺘﺎﻳﺞ ﻣﺮﺑﻮط را ﺗﻔﺴﻴﺮ ﻛﻨﻴﺪ‪.‬‬
‫ب‪ -‬ﭼﻪ ﺗﻔﺎوﺗﻲ در راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ اﻳﻦ دو ﻣﺘﻐﻴﺮ در زﻣﺎن ﻗﺒﻞ و ﺑﻌﺪ از ﻛﻨﺘـﺮل ﺗﺤﺼـﻴﻼت‬
‫ﻣﻲﺷﻮد؟‬
 ‫ﺑﺨﺶ ﭼﻬﺎرم‬

‫آﻣﺎر اﺳﺘﻨﺒﺎﻃﻲ‬
‫ﻣﻘﺎﻳﺴﻪﻫﺎ‬
 ‫درس دوازدﻫﻢ‬
‫آزﻣﻮنﻫﺎي ﻣﻨﺎﺳﺐ ﺑﺮاي‬
‫ﻣﻘﺎﻳﺴﻪ ﮔﺮوهﻫﺎ‬

‫در ﭘﺎﻳﺎن اﻳﻦ درس اﻧﺘﻈﺎر ﻣﻲرود داﻧﺸﺠﻮ‬

‫‪ -1‬ﺑﺎ وﺿﻌﻴﺖﻫﺎي ﻣﺨﺘﻠﻔﻲ ﻛﻪ در ﻣﻘﺎﻳﺴﻪ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي ﺳﻄﻮح ﻣﺨﺘﻠﻒ ﺳـﻨﺠﺶ اﻳﺠـﺎد‬
‫ﻣﻲﺷﻮد آﺷﻨﺎ ﺷﺪه و ﺗﻔﺎوتﻫﺎي آﻧﻬﺎ را ﺗﻮﺿﻴﺢ دﻫﺪ‪.‬‬
‫‪ -2‬وﺿﻌﻴﺖﻫﺎي ﺳﻪﮔﺎﻧﻪي آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ را ﺷﻨﺎﺳﺎﻳﻲ و ﻛﺎرﺑﺮد آﻧﻬﺎ را ﺑﺪاﻧﺪ‪.‬‬
‫‪ -3‬ﺑﺘﻮاﻧﺪ ﻓﺮﺿﻴﺎت ﻣﺘﻨﺎﺳﺐ ﺑﺎ آزﻣﻮنﻫﺎي ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫـﺎ را آزﻣـﻮن و ﺧﺮوﺟـﻲﻫـﺎي‬
‫ﻣﺮﺑﻮﻃﻪ را ﺗﻔﺴﻴﺮ ﻛﻨﺪ‪.‬‬
 ‫‪  160‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -1‬ﻣﻘﺪﻣﻪ‬
‫ﻣﻤﻜﻦ اﺳﺖ در اﻧﺠﺎم ﺗﺤﻘﻴﻖ‪ ،‬ﻋﻼوه ﺑﺮ ﺑﺮرﺳﻲ راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ و ﻳﺎ ﻋﻠّﻲ ﻣﻮﺟﻮد در‬
‫ﻓﺮﺿﻴﻪﻫﺎ و ﻳﺎ ﺳﺆاﻻت ﺗﺤﻘﻴﻖ‪ ،‬ﻗﺼﺪ ﻣﻘﺎﻳﺴﻪ ﻧﻴﺰ داﺷﺘﻪ ﺑﺎﺷﻴﺪ‪ .‬اﮔﺮ ﻣﺘﻐﻴﺮﻫﺎ را ﺑﻪ ﻟﺤﺎظ ﺳﻄﺢ‬
‫ﺳﻨﺠﺶ در دو دﺳﺘﻪ ﻛﻴﻔﻲ )اﺳﻤﻲ و رﺗﺒﻪاي( و ﻛﻤ‪‬ﻲ )ﻓﺎﺻﻠﻪاي و ﻧﺴﺒﻲ( ﻗﺮار دﻫﻴﻢ‪ ،‬ﺑﻪ ﻟﺤﺎظ‬
‫‪1‬‬
‫ﻧﻈﺮي ﻣﻲﺗﻮان ‪ 6‬ﺣﺎﻟﺖ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ در ﻧﻈﺮ ﮔﺮﻓﺖ‪.‬ﺑﻪ ﺟﺪول زﻳﺮ دﻗﺖ ﻛﻨﻴﺪ‪.‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (45‬ﺣﺎﻟﺖﻫﺎي ﻣﺨﺘﻠﻒ ﻣﻘﺎﻳﺴﻪ در ﻓﺮﺿﻴﻪﻫﺎ ﻳﺎ ﺳﺆاﻻت ﺗﺤﻘﻴﻖ ازﺣﻴﺚ ﺳﻄﻮح‬
‫ﺳﻨﺠﺶ ﻣﺘﻐﻴﺮﻫﺎ‬
‫ﻛﻤ‪‬ﻲ‬ ‫رﺗﺒﻪاي‬ ‫اﺳﻤﻲ‬
‫‪ -‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﻧﻤﺮات درس‬ ‫‪ -‬ﻣﻘﺎﻳﺴﻪ رﺿﺎﻳﺖ از ﺗﺤﺼﻴﻞ در ﺑﻴﻦ‬ ‫‪ -‬ﻣﻘﺎﻳﺴﻪ ﻧﺴﺒﺖ ﻣﺸﺎﻏﻞ ﻣﺨﺘﻠـﻒ‬
‫زﺑﺎن ﺑﻴﻦ داﻧﺸﺠﻮﻳﺎن دﺧﺘﺮ و‬ ‫داﻧﺸﺠﻮﻳﺎن دﺧﺘﺮ و ﭘﺴﺮ‬ ‫در دو ﻳﺎ ﭼﻨﺪ ﮔﺮوه ﻗﻮﻣﻲ‬ ‫اﺳﻤﻲ‬
‫ﭘﺴﺮ‬ ‫‪ -‬ﻣﻘﺎﻳﺴﻪ رﺿﺎﻳﺖ از ﺗﺤﺼﻴﻞ در ﺑﻴﻦ‬ ‫‪ -‬ﻣﻘﺎﻳﺴﻪ ﻧﺴﺒﺖ ﺑﻴﻜﺎران در دو ﻳﺎ‬
‫‪ -‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﻧﻤﺮات درس‬ ‫داﻧﺸﺠﻮﻳﺎن ﻋﻠﻮم اﻧﺴﺎﻧﻲ‪ ،‬ﻋﻠﻮم ﭘﺎﻳﻪ و‬ ‫ﭼﻨﺪ ﮔﺮوه ﻗﻮﻣﻲ‬
‫زﺑﺎن ﺑﻴﻦ داﻧﺸﺠﻮﻳﺎن ﻋﻠﻮم‬ ‫ﻓﻨﻲ‪-‬ﻣﻬﻨﺪﺳﻲ‬
‫اﻧﺴﺎﻧﻲ‪ ،‬ﻋﻠﻮم ﭘﺎﻳﻪ و ﻓﻨﻲ‪-‬‬
‫ﻣﻬﻨﺪﺳﻲ‬
‫‪ -‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﻧﻤﺮات درس‬ ‫‪ -‬ﻣﻘﺎﻳﺴﻪ رﺿﺎﻳﺖ از ﺷﻐﻞ و رﺿﺎﻳﺖ‬ ‫رﺗﺒﻪاي‬
‫زﺑﺎن ﺑﺮ ﺣﺴﺐ ﻧﮕﺮش)ﻣﻨﻔﻲ‪،‬‬ ‫از زﻧﺪﮔﻲ در ﺑﻴﻦ زﻧﺎن ﻛﺎرﻣﻨﺪ‬
‫ﺧﻨﺜﻲ و ﻣﺜﺒﺖ( ﻧﺴﺒﺖ ﺑﻪ اﺳﺘﺎد‬
‫‪ -‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﻧﻤﺮات ﭘﻴﺶ‬
‫آزﻣﻮن و ﭘﺲ آزﻣﻮن درس زﺑﺎن‬
‫در ﺑﻴﻦ داﻧﺸﺠﻮﻳﺎن‬ ‫ﻛﻤ‪‬ﻲ‬
‫‪ -‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﻧﻤﺮات زﺑﺎن‪،‬‬
‫آﻣﺎر و روش ﺗﺤﻘﻴﻖ در ﺑﻴﻦ‬
‫داﻧﺸﺠﻮﻳﺎن‬
‫‪ -‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﻧﻤﺮات زﺑﺎن‬
‫‪2‬‬
‫ﺑﺎ ﻳﻚ ﻋﺪد ﻓﺮﺿﻲ )ﻣﺜﻼ ‪(17‬‬

‫‪ -1‬در اﻳﻨﺠﺎ ﺑﻪ ﻟﺤﺎظ ﺳﺮﻓﺼﻞﻫﺎي درس آﻣﺎر در دوره ﻛﺎرﺷﻨﺎﺳﻲ‪ ،‬ﺗﻨﻬﺎ ﺑﻪ ﺑﺮﺧﻲ از ﻣﻘﺎﻳﺴﻪ ﻫﺎي ﺟـﺪول ﻓـﻮق ﻣـﻲ‬
‫ﭘﺮدازﻳﻢ‪.‬‬
‫‪ -2‬در اﻳﻦ ﺣﺎﻟﺖ ﻛﻪ ﻫﻤﺎن آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﻪ ﺻﻮرت ﻳﻚ ﮔﺮوﻫﻲ ﺑﺮاي آن ﻣﻨﺎﺳﺐ اﺳـﺖ‪ .‬ﻣﻘـﺪار ﻋـﺪد‬
‫ﺛﺎﺑﺖ ﻣﻲﺗﻮاﻧﺪ ﺑﺮاﺳﺎس ﺗﺤﻘﻴﻘﺎت ﭘﻴﺸﻴﻦ ﻳﺎ ﻣﻴﺎﻧﮕﻴﻦ ﺟﺎﻣﻌﻪ ﺁﻣﺎري و ﻳﺎ ﻳﻚ ﺗﺌﻮري ﺧﺎص ﺗﻌﻴﻴﻦ ﺷﻮد‪.‬‬
‫درس دوازدﻫﻢ – آزﻣﻮنﻫﺎي ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﮔﺮوهﻫﺎ ‪161 ‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (64‬راﻫﻨﻤﺎي اﻧﺘﺨﺎب آزﻣﻮنﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﮔﺮوهﻫﺎ‬

‫ﻣﺘﻐﻴﺮ ﻣﻮرد ﻣﻘﺎﻳﺴﻪ در ﭼﻪ ﺳﻄﺤﻲ ﻗﺮار دارد؟‬

‫‪Independent Sample‬‬ ‫ﺑﻠﻲ‬
‫درس ‪T-Test 12‬‬

‫ﻓﺎﺻﻠﻪاي ﻳﺎ ﻧﺴﺒﻲ‬
‫آﻳﺎ ﮔﺮوهﻫﺎ ﻣﺴﺘﻘﻞ ﻫﺴﺘﻨﺪ؟‬ ‫ﭼﻨﺪ ﮔﺮوه ﻗﺮار اﺳـﺖ ﺑـﺎ‬
‫‪ 2‬ﮔﺮوه‬
‫ﻫﻢ ﻣﻘﺎﻳﺴﻪ ﺷﻮد؟‬

‫‪Paired Sample‬‬
‫درس ‪T-Test 12‬‬ ‫ﺧﻴﺮ‬
‫ﺑﻠﻲ‬

‫ﺑﻴﺶ از ‪ 2‬ﮔﺮوه‬ ‫آﻳﺎ ﺗﻮزﻳﻊ آن ﻧﺮﻣﺎل اﺳﺖ؟‬

‫‪Anova‬‬ ‫درس ‪13‬‬ ‫ﺑﻠﻲ‬ ‫آﻳﺎ ﮔﺮوهﻫﺎ ﻣﺴﺘﻘﻞ ﻫﺴﺘﻨﺪ؟‬

‫رﺗﺒﻪاي‬
‫در اﻳﻦ ﻛﺘﺎب ‪Manova‬‬ ‫ﺧﻴﺮ‬
‫ﻣﻄﺮح ﻧﻤﻲ ﺷﻮد‬ ‫ﺧﻴﺮ‬

‫‪Mann Witney U Test‬‬ ‫آﻳﺎ ﮔﺮوهﻫﺎ‬

‫درس ‪14‬‬
‫ﺑﻠﻲ‬ ‫‪n‬‬
‫ﻣﺴﺘﻘﻞ ﻫﺴﺘﻨﺪ؟‬
‫‪ 2‬ﮔﺮوه‬ ‫ﭼﻨﺪ ﮔﺮوه ﻗﺮار اﺳﺖ‬
‫ﺑﺎ ﻫﻢ ﻣﻘﺎﻳﺴﻪ ﺷﻮد؟‬
‫‪Willkocson Test‬‬
‫درس ‪14‬‬ ‫ﺧﻴﺮ‬

‫آﻳﺎ ﮔﺮوهﻫﺎ ﻣﺴﺘﻘﻞ‬ ‫ﺑﻴﺶ از ‪ 2‬ﮔﺮوه‬

‫‪Kruskal Walis Test‬‬ ‫ﺑﻠﻲ‬ ‫ﻫﺴﺘﻨﺪ؟‬
‫درس ‪14‬‬

‫‪Fridman Test‬‬
‫درس ‪14‬‬ ‫ﺧﻴﺮ‬
 ‫‪  162‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -2‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﻳﻚ ﻣﺘﻐﻴ‪‬ﺮ ﻛﻤ‪‬ﻲ در دو ﮔﺮوه‬

‫‪ ‬آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﺮاي ﻧﻤﻮﻧﻪﻫﺎي ﻣﺴﺘﻘﻞ‬
‫‪1‬‬
‫اﮔﺮ ﺑﺨﻮاﻫﻴﺪ ﻣﻴﺎﻧﮕﻴﻦ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ را در دو ﮔﺮوه ﺟﺪاﮔﺎﻧﻪ ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﺪ‪ ،‬ﺑﺎﻳﺪ از آزﻣﻮن‬
‫‪3‬‬
‫"ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦ ﻫﺎ ﺑﺮاي ﻧﻤﻮﻧﻪ ﻫﺎي ﻣﺴﺘﻘﻞ"‪ 2‬اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪.‬‬

‫ﺷﻜﻞ ﺷﻤﺎره ) ‪ ( 65‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﺮاي ﻧﻤﻮﻧﻪﻫﺎي ﻣﺴﺘﻘﻞ )‪(T-test‬‬

‫‪ -4‬ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ را ﺑﻪ اﻳﻦ‬

‫ﻗﺴﻤﺖ ﻣﻨﺘﻘﻞ ﻛﻨﻴﺪ‬

‫‪1‬‬ ‫‪ -5‬ﻛﺪﻫﺎي دو ﮔﺮوه‬

‫ﻣﻮرد ﻣﻘﺎﻳﺴﻪ را در‬
‫‪2‬‬
‫داﺧﻞ اﻳﻦ دو ﻛﺎدر‬
‫‪3‬‬

‫‪ -1‬در اﻳﻨﺠﺎ ﻻزم اﺳﺖ درﺑﺎره ﻣﻔﻬﻮم ﮔﺮوهﻫﺎي ﻣﺴﺘﻘﻞ و ﻫﻤﺒﺴﺘﻪ ﺗﻮﺿﻴﺢ ﻣﺨﺘﺼﺮي ﺑﺪﻫﻴﻢ‪ .‬ﻫﺮﮔﺎه اﻋﻀﺎﻳﻲ ﻛﻪ ﻗﺮار‬
‫اﺳﺖ ﻣﻴﺎﻧﮕﻴﻦ ﻧﻤﺮاﺗﺸﺎن ﻣﻮرد ﻣﻘﺎﻳﺴﻪ ﻗﺮار ﮔﻴﺮد در ﮔﺮوه ﻫﺎي ﻣﺠﺰاﻳﻲ )ﻣﺜﻼً زن و ﻣﺮد ﻳﺎ ﻣﺸﺎﻏﻞ ﻣﺨﺘﻠﻒ( ﻋﻀﻮﻳﺖ‬
‫داﺷﺘﻪ ﺑﺎﺷﻨﺪ‪ ،‬اﺻﻄﻼﺣﺎً ﮔﺮوهﻫﺎي ﻣﺴﺘﻘﻞ ﻧﺎﻣﻴﺪه ﻣﻲﺷﻮد‪ .‬اﻣﺎ ﻣﻮاردي ﻧﻴﺰ ﻫﺴﺖ ﻛﻪ ﻣﻴﺎﻧﮕﻴﻦ ﻧﻤﺮات ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻪ در‬
‫دو ﻧﻮﺑﺖ در ﻳﻚ ﮔﺮوه اﻧﺪازهﮔﻴﺮي ﺷﺪه اﺳﺖ ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﻣﻘﺎﻳﺴﻪ ﻣﻲ ﺷﻮد ﻣﺜﻼً ﻣﻴﺎﻧﮕﻴﻦ ﻧﻤﺮات درس زﺑﺎن ﻣﻴﺎن ﺗﺮم‬
‫و ﭘﺎﻳﺎن ﺗﺮم ﻳﻚ ﮔﺮوه از داﻧﺸﺠﻮﻳﺎن‪ .‬در اﻳﻨﺠﺎ اﺻﻄﻼﺣﺎً ﺑﺎ ﮔﺮوه ﻫﺎي ﻫﻤﺒﺴﺘﻪ ﻣﻮاﺟﻬﻴﻢ‪ .‬ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ‬
‫ﻣﻲﺷﻮد در ﮔﺮوه ﻫﺎي ﻣﺴﺘﻘﻞ ﻫﺮ ﻓﺮد ﻋﻀﻮ ﻧﻤﻮﻧﻪ‪ ،‬ﻳﻚ ﻧﻤﺮه ﻣﺠﺰا دارد اﻣﺎ در ﮔﺮوهﻫﺎي ﻫﻤﺒﺴﺘﻪ ﻫﺮ ﻳﻚ از اﻋﻀﺎي‬
‫ﻧﻤﻮﻧﻪ دو ﻧﻤﺮه ﻣﺠﺰا دارد‪.‬‬
‫‪2. Independent Samples Test‬‬
‫‪. -3‬ﻣﻔﺮوﺿﺎت آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﺮاي ﻧﻤﻮﻧﻪﻫﺎي ﻣﺴﺘﻘﻞ ﻋﺒﺎرﺗﺴﺖ از ‪:‬‬
‫‪ .1‬ﺣﺠﻢ ﻧﻤﻮﻧﻪ در دو ﮔﺮوه ﺣﺘﻲاﻻﻣﻜﺎن ﺑﺮاﺑﺮ ﺑﺎﺷﺪ‪.‬‬
‫‪ .2‬در ﻃﺮحﻫﺎي آزﻣﺎﻳﺸﻲ اﻧﺘﺴﺎب اﻋﻀﺎ ﺑﻪ ﮔﺮوهﻫﺎ ﺑﻪ ﺻﻮرت ﺗﺼﺎدﻓﻲ ﺑﺎﺷﺪ‪.‬‬
‫‪ .3‬ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ در دو ﮔﺮوه ﺑﺎﻳﺪ ﻧﺮﻣﺎل ﺑﺎﺷﺪ‪ .‬ﻣﺨﺼﻮﺻﺎً وﻗﺘﻲ ﺣﺠﻢ ﻧﻤﻮﻧﻪ در ﮔﺮوهﻫﺎ ﻛﻤﺘﺮ از ‪ 15‬ﺑﺎﺷﺪ‪ .‬اﻟﺒﺘﻪ‬
‫ﺑﺮاي ﻧﻤﻮﻧﻪﻫﺎي ﺑﻴﺸﺘﺮ از ‪ 40‬ﺗﺎ ﺣﺪ‪‬ي از اﻳﻦ ﻣﻌﻴﺎر اﻏﻤﺎض ﻣﻲﺷﻮد‪.‬‬
‫‪ .4‬وارﻳﺎﻧﺲ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ در دو ﮔﺮوه ﺑﺎﻳﺪ ﻫﻢاﻧﺪازه ﺑﺎﺷﺪ‪ .‬آزﻣﻮن ﻟﻮِن در ﻧﺮماﻓﺰار ‪ spss‬ﺑﻪ ﻫﻤﻴﻦ ﻣﻨﻈﻮر اﻋﻤﺎل‬
‫ﻣﻲﺷﻮد‪ .‬ﻻزم ﺑﻪ ذﻛﺮ اﺳﺖ ﻛﻪ اﮔﺮ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻧﺎﺑﺮاﺑﺮ و وارﻳﺎﻧﺲ درون ﮔﺮوﻫﻲ ﻣﺘﻔﺎوت ﺑﺎﺷﺪ ﻧﺘﺎﻳﺞ ﻗﺎﺑﻞ‬
‫اﻋﺘﻤﺎد ﻧﺨﻮاﻫﺪ ﺑﻮد‪.‬‬
‫‪ .5‬ﻧﻤﻮﻧﻪﻫﺎي دو ﮔﺮوه ﺑﺎﻳﺪ ﻣﺴﺘﻘﻞ از ﻳﻜﺪﻳﮕﺮ ﺑﺎﺷﻨﺪ ﺑﻪ ﻋﺒﺎرﺗﻲ دﻗﻴﻘﺘﺮ ﻧﻤﺮات اﻓﺮاد در ﻳﻚ ﮔﺮوه ﻣﺘﺄﺛﺮ از ﻧﻤﺮات‬
‫اﻋﻀﺎي ﮔﺮوه دﻳﮕﺮ ﻧﺒﺎﺷﺪ‪.‬‬
‫‪ .6‬در ﺻﻮرﺗﻲ ﻛﻪ دادهﻫﺎ ﻓﺎﻗﺪ ﻣﻔﺮوﺿﺎت ﻓﻮق ﺑﺎﺷﻨﺪ ﺑﺎﻳﺪ از آزﻣﻮن ﻏﻴﺮﭘﺎراﻣﺘﺮﻳﻚ ‪U‬ﻣﺎن وﻳﺘﻨﻲ اﺳﺘﻔﺎده ﻧﻤﻮد‪.‬‬
‫درس دوازدﻫﻢ – آزﻣﻮنﻫﺎي ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﮔﺮوهﻫﺎ ‪163 ‬‬

‫ﻣﺜﻼً ﻣﺤﻘﻘﻲ را در ﻧﻈﺮ ﺑﮕﻴﺮﻳﺪ ﻛﻪ ﻣﻲﺧﻮاﻫﺪ ﺑﻪ آزﻣﻮن اﻳﻦ ﻓﺮﺿﻴﻪ ﺑﭙﺮدازد ﻛﻪ "ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ‬
‫ﮔﺮاﻳﺶ ﺑﻪ ﻣﻮﺳﻴﻘﻲ‪ 1‬در ﺑﻴﻦ زﻧﺎن ﻣﻴﺎﻧﮕﻴﻦ ﭘﺎﻳﻴﻦﺗﺮي در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﻣﺮدان دارد"‪ .‬ﺑﻪ اﻳﻦ ﺗﺮﺗﻴﺐ در‬
‫اوﻟﻴﻦ ﮔﺎم ﭘﺲ از اﻃﻤﻴﻨﺎن از ﻧﺮﻣﺎل ﺑﻮدن ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮ ﮔﺮاﻳﺶ ﺑﻪ ﻣﻮﺳﻴﻘﻲ‪ ،2‬ﺑﺎ اﺟﺮاي دﺳﺘﻮر ﻓﻮق‬
‫ﺑﺎ ﺧﺮوﺟﻲ ذﻳﻞ روﺑﺮو ﻣﻲﺷﻮد‪.‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (46‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ ﮔﺮاﻳﺶ ﺑﻪ ﻣﻮﺳﻴﻘﻲ در ﺑﻴﻦ زﻧﺎن و ﻣﺮدان‬

‫‪Group Statistics‬‬

‫‪Std. Error‬‬
‫ﺟﻨﺴﻴﺖ‬ ‫‪N‬‬ ‫‪Mean‬‬ ‫‪Std. Deviation‬‬ ‫‪Mean‬‬
‫‪MUSIC‬‬ ‫ﻣﺮدان‬ ‫‪636‬‬ ‫‪2.9429‬‬ ‫‪.55038‬‬ ‫‪.02182‬‬
‫زﻧﺎن‬ ‫‪851‬‬ ‫‪2.9052‬‬ ‫‪.56209‬‬ ‫‪.01927‬‬

‫اﻳﻦ ﺟﺪول ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ ﻣﺮﻛﺐ از ‪ 851‬ﻧﻔﺮ زن و ‪ 636‬ﻧﻔﺮ ﻣﺮد ﺑﻮده‬
‫اﺳﺖ‪ .‬ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد در اﻳﻨﺠﺎ ﻣﻴﺎﻧﮕﻴﻦ ﮔﺮاﻳﺶ ﺑﻪ ﻣﻮﺳﻴﻘﻲ در ﺑﻴﻦ زﻧﺎن اﻧﺪﻛﻲ‬
‫)ﺣﺪود ‪ (0/04‬از ﻣﺮدان ﻛﻤﺘﺮ اﺳﺖ )ﻣﻴﺎﻧﮕﻴﻦ ‪ 2/90‬در ﺑﺮاﺑﺮ ‪ .(2/94‬ﺷﺎﺧﺺ اﻧﺤﺮاف ﻣﻌﻴﺎر ﻧﻴﺰ‬
‫ﺣﺎﻛﻲ از آن اﺳﺖ ﻛﻪ ﭘﺮاﻛﻨﺪﮔﻲ ﮔﺮاﻳﺶ ﺑﻪ ﻣﻮﺳﻴﻘﻲ در دو ﮔﺮوه ﺗﻘﺮﻳﺒﺎ ﺷﺒﻴﻪ ﻫﻢ اﺳﺖ )اﻧﺤﺮاف‬
‫ﻣﻌﻴﺎر ‪ 0/56‬در ﺑﺮاﺑﺮ ‪ .(0/55‬ﻣﻘﺎﻳﺴﻪ ﺧﻄﺎي ﻣﻴﺎﻧﮕﻴﻦ ﻧﻴﺰ ﺣﺎﻛﻲ از آن اﺳﺖ ﻛﻪ ﻣﻘﺪار اﻳﻦ ﺷﺎﺧﺺ‬
‫در ﺑﻴﻦ زﻧﺎن اﻧﺪﻛﻲ ﻛﻤﺘﺮ از ﻣﺮدان اﺳﺖ )‪ 0/019‬در ﺑﺮاﺑﺮ ‪.(0/021‬‬

‫ﻧﺘﺎﻳﺞ ﻓﻮق ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ در ﺳﻄﺢ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ ﺑﻮد‪ .‬اﻣﺎ ﺑﺮاي ﭘﺎﺳﺦ ﺑﻪ اﻳﻦ‬
‫ﺳﺆال ﻛﻪ آﻳﺎ ﺗﻔﺎوﺗﻬﺎي ﻣﻮﺟﻮد ﺑﻴﻦ دو ﮔﺮوه زﻧﺎن و ﻣﺮدان از ﺣﻴﺚ ﻣﻴﺎﻧﮕﻴﻦ و اﻧﺤﺮاف ﻣﻌﻴﺎر‬
‫ﻣﺸﺎﻫﺪه ﺷﺪه‪ ،‬ﻗﺎﺑﻠﻴﺖ ﺗﻌﻤﻴﻢ ﺑﻪ ﺟﺎﻣﻌﻪ آﻣﺎري را دارد ﻳﺎ ﺧﻴﺮ‪ ،‬ﺑﺎﻳﺪ ﺑﻪ ﻧﺘﺎﻳﺞ آزﻣﻮن ﻣﻌﻨﺎداري‬
‫ﺗﻮﺟﻪ ﻛﺮده و آﻧﻬﺎ را ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﺪ‪.‬‬

‫‪ -1‬ﮔﺮاﻳﺶ ﺑﻪ ﻣﻮﺳﻴﻘﻲ از ﺗﺮﻛﻴﺐ ﮔﻮﻳﻪﻫﺎي ﻣﺘﻌﺪدي ﻃﺮاﺣﻲ ﺷﺪه اﺳﺖ‪ ،‬ﻟﺬا ﻣﻲﺗﻮان آن را در ﺷﻤﺎر ﻣﺘﻐﻴ‪‬ﺮﻫﺎي ﻛﻤ‪‬ﻲ‬
‫ﻣﺤﺴﻮب ﻧﻤﻮد‪.‬‬
‫‪ -2‬ﺷﺮح ﻣﺮاﺣﻞ ﻣﺮﺑﻮط ﺑﻪ آزﻣﻮن ﻧﺮﻣﺎل ﺑﻮدن ﺗﻮزﻳﻊ در درس دﻫﻢ آﻣﺪه اﺳﺖ‪ .‬ﻻزم ﺑـﻪ ذﻛـﺮ اﺳـﺖ ﻛـﻪ در ﭼﻨـﻴﻦ‬
‫ﻣﻮاﻗﻌﻲ اﮔﺮ ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ ﻧﺮﻣﺎل ﻧﺒﺎﺷﺪ‪ ،‬ﺑﺎﻳﺪ از آزﻣﻮن ﻧﺎﭘﺎراﻣﺘﺮﻳﻚ ‪U‬ﻣﺎن وﻳﺘﻨﻲ اﺳﺘﻔﺎده ﻛﻨـﻴﻢ‪ .‬اﻳـﻦ آزﻣـﻮن در‬
‫درس ﺳﻴﺰدﻫﻢ ﺗﻮﺿﻴﺢ داده ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬
 ‫‪  164‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (47‬آزﻣﻮن ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﺷﺎﺧﺺ ﻛﻤ‪‬ﻲ ﮔﺮاﻳﺶ ﺑﻪ ﻣﻮﺳﻴﻘﻲ در ﺑﻴﻦ زﻧﺎن و ﻣﺮدان‬

‫آزﻣــﻮن ﺑﺮاﺑــﺮي وارﻳــﺎﻧﺲﻫــﺎي‬ ‫آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻨﻬﺎي‬

‫ﮔﺮوه )زﻧﺎن وﻣﺮدان(‬ ‫‪Independent Samples Test‬‬
‫دو ﮔﺮوه )زﻧﺎن و ﻣﺮدان(‬
‫‪Levene's Test for‬‬
‫‪Equality of Variances‬‬ ‫‪t-test for Equality of Means‬‬
‫‪95% Confidence‬‬
‫‪Interval of the‬‬
‫‪Mean‬‬ ‫‪Std. Error‬‬ ‫‪Difference‬‬
‫‪F‬‬ ‫‪Sig.‬‬ ‫‪t‬‬ ‫‪df‬‬ ‫‪Sig. (2-tailed) Difference Difference‬‬ ‫‪Lower‬‬ ‫‪Upper‬‬
‫‪MUSIC Equal variances‬‬
‫‪.043‬‬ ‫‪.835‬‬ ‫‪1.289‬‬ ‫‪1485‬‬ ‫‪.198‬‬ ‫‪.0376‬‬ ‫‪.02920‬‬ ‫‪-.01963‬‬ ‫‪.09493‬‬
‫‪assumed‬‬
‫‪Equal variances‬‬
‫‪1.293 1383.006‬‬ ‫‪.196‬‬ ‫‪.0376‬‬ ‫‪.02911‬‬ ‫‪-.01946‬‬ ‫‪.09476‬‬
‫‪not assumed‬‬

‫ﻧﺘﺎﻳﺞ آزﻣﻮن ﻟﻮن )‪ (Leven's test‬ﺣﺎﻛﻲ از آن اﺳﺖ ﻛﻪ ﺗﻔﺎوت ﻧﺎﭼﻴﺰي ﻛﻪ در ﭘﺮاﻛﻨـﺪﮔﻲ‬

‫ﮔﺮاﻳﺶ ﺑﻪ ﻣﻮﺳﻴﻘﻲ در ﺑﻴﻦ زﻧﺎن و ﻣﺮدان دﻳﺪه ﺷﺪ‪ ،‬ﻗﺎﺑﻠﻴﺖ ﺗﻌﻤـﻴﻢ ﺑـﻪ ﺟﺎﻣﻌـﻪ آﻣـﺎري را ﻧـﺪارد‬
‫)‪ .(F=0.43, Sig=0.83‬ﺑﻨﺎﺑﺮاﻳﻦ ﭼﻮن ﻓﺮض ﺑﺮاﺑﺮي وارﻳﺎﻧﺲ رد ﻧﺸﺪه اﺳﺖ‪ ،‬ﺑﺮاي ﻗﻀـﺎوت‬
‫در ﻣﻮرد ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﻪ آﻣﺎره ‪ T‬در ﺳﻄﺮ اول ﻣﺮاﺟﻌﻪ ﻣﻲ ﻛﻨـﻴﻢ‪ .1‬ﻫﻤـﺎﻧﻄﻮر ﻛـﻪ ﻣﻼﺣﻈـﻪ‬
‫ﻣﻲﺷﻮد در اﻳﻨﺠﺎ ﻧﻴﺰ ﻧﺘﺎﻳﺞ آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﻴﺎﻧﮕﺮ اﻳﻦ واﻗﻌﻴﺖ اﺳﺖ ﻛﻪ ﺗﻔـﺎوت اﻧـﺪﻛﻲ‬
‫ﻛﻪ ﺑﻴﻦ ﻣﻴﺎﻧﮕﻴﻦ ﮔﺮاﻳﺶ ﺑﻪ ﻣﻮﺳﻴﻘﻲ زﻧﺎن و ﻣﺮدان در ﺳﻄﺢ ﻧﻤﻮﻧﻪ ﻣﺸﺎﻫﺪه ﺷﺪ‪ ،‬ﻗﺎﺑﻠﻴﺖ ﺗﻌﻤﻴﻢ ﺑـﻪ‬
‫ﺟﺎﻣﻌﻪ آﻣﺎري را ﻧﺪارد )‪ .(T=1.289. df=1485, Sig=0.19‬ﻟﺬا ﻣﻲﺗﻮان ادﻋﺎ ﻛﺮد ﻛﻪ زﻧـﺎن‬
‫و ﻣﺮدان در ﺟﺎﻣﻌﻪ آﻣﺎري‪ ،‬داراي ﮔﺮاﻳﺶﻫﺎي ﻣﺸﺎﺑﻪ ﺑﻪ ﻣﻮﺳﻴﻘﻲ ﻫﺴﺘﻨﺪ‪.‬‬

‫در ﻣﺜﺎل دوم ﻣﺤﻘﻘﻲ را در ﻧﻈﺮ ﺑﮕﻴﺮﻳﺪ ﻛﻪ ﻗﺼﺪ آزﻣﻮن اﻳﻦ ﻓﺮﺿﻴﻪ را دارد "ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘـﻮق‬
‫ﻓﻌﻠﻲ زﻧﺎن از ﻣﺮدان ﭘﺎﻳﻴﻦ ﺗﺮ اﺳﺖ" ﺑﻪ اﻳﻦ ﺗﺮﺗﻴﺐ در اوﻟﻴﻦ ﮔﺎم ﭘﺲ از اﻃﻤﻴﻨﺎن از ﻧﺮﻣـﺎل ﺑـﻮدن‬
‫ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮ ﺣﻘﻮق‪ ،‬ﺑﺎ اﺟﺮاي دﺳﺘﻮر ﻓﻮق ﺑﺎ ﺧﺮوﺟﻲ ذﻳﻞ روﺑﺮو ﻣﻲ ﺷﻮﻳﺪ‪.‬‬

‫‪ -1‬ﻫﻤﺎﻧﻄﻮر ﻛﻪ در ﺟﺪول ﺷﻤﺎره )‪ (47‬ﻣﺸﺎﻫﺪه ﻣﻲﺷـﻮد‪ ،‬دو ﺳـﻄﺮ ﻣﺠـﺰا ﺑـﺮاي ﺗﻔﺴـﻴﺮ ﻧﺘـﺎﻳﺞ آزﻣـﻮن ﺑﺮاﺑـﺮي‬
‫ﻣﻴﺎﻧﮕﻴﻦﻫﺎ وﺟﻮد دارد‪ ،‬ﺳﻄﺮ اول در ﺻﻮرﺗﻲ ﻛﻪ ﺗﻔﺎوت وارﻳﺎﻧﺲﻫﺎ ﻣﻌﻨﺎدار ﻧﺒﺎﺷﺪ‪ ،‬ﻣﻮرد اﺳﺘﻨﺎد ﻗـﺮار ﮔﻴـﺮد و ﺳـﻄﺮ‬
‫دوم در ﺻﻮرت ﻣﻌﻨﺎدار ﺑﻮدن ﺗﻔﺎوت وارﻳﺎﻧﺲﻫﺎ‪.‬‬
‫درس دوازدﻫﻢ – آزﻣﻮنﻫﺎي ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﮔﺮوهﻫﺎ ‪165 ‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (48‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق ﻓﻌﻠﻲ در ﺑﻴﻦ زﻧﺎن و ﻣﺮدان‬

‫‪Group Statistics‬‬
‫ﺟﻨﺴﻴﺖ‬ ‫‪N‬‬ ‫‪Mean‬‬ ‫‪Std. Deviation Std. Error Mean‬‬
‫‪Current‬‬ ‫زﻧﺎن‬ ‫‪216 $26,031.92‬‬ ‫‪$7,558.021‬‬ ‫‪$514.258‬‬
‫‪Salary‬‬
‫ﻣﺮدان‬ ‫‪258 $41,441.78 $19,499.214‬‬ ‫‪$1,213.968‬‬

‫اﻳﻦ ﺟﺪول ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ ﻣﺮﻛﺐ از ‪ 216‬ﻧﻔﺮ زن و‪ 258‬ﻧﻔﺮ ﻣﺮد ﺑﻮده‬
‫اﺳﺖ‪ .‬ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد در اﻳﻨﺠﺎ ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق در ﺑﻴﻦ زﻧﺎن در ﺣﺪود ‪ 15‬دﻻر از‬
‫ﻣﺮدان ﻛﻤﺘﺮ اﺳﺖ‪.‬‬
‫)ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق ‪ 26,031.92‬در ﺑﺮاﺑﺮ ‪ .(41,441.78‬ﺷﺎﺧﺺ اﻧﺤﺮاف ﻣﻌﻴﺎر ﻧﻴﺰ ﺣﺎﻛﻲ از‬
‫آن اﺳﺖ ﻛﻪ ﭘﺮاﻛﻨﺪﮔﻲ ﻣﻴﺰان ﺣﻘﻮق در ﺑﻴﻦ زﻧﺎن و ﻣﺮدان ﺑﺎﻳﻜﺪﻳﮕﺮ ﻣﺘﻔﺎوت اﺳﺖ )اﻧﺤﺮاف‬
‫ﻣﻌﻴﺎر ‪ 7,558‬در ﺑﺮاﺑﺮ‪ .(19,499‬ﻣﻘﺎﻳﺴﻪ ﺧﻄﺎي ﻣﻴﺎﻧﮕﻴﻦ ﻧﻴﺰ ﺣﺎﻛﻲ از آن اﺳﺖ ﻛﻪ ﻣﻘﺪار اﻳﻦ‬
‫ﺷﺎﺧﺺ در ﺑﻴﻦ زﻧﺎن ﺑﺴﻴﺎر ﻛﻤﺘﺮ از ﻣﺮدان اﺳﺖ ) ‪ 514.258‬در ﺑﺮاﺑﺮ ‪.(1,213.968‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (49‬آزﻣﻮن ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق ﻓﻌﻠﻲ در ﺑﻴﻦ زﻧﺎن و ﻣﺮدان‬

‫‪Independent Samples Test‬‬

‫‪Levene's Test for‬‬

‫‪Equality of‬‬
‫‪Variances‬‬ ‫‪t-test for Equality of Means‬‬

‫‪95% Confidence Interval‬‬

‫‪of the Difference‬‬

‫‪Sig. (2-‬‬ ‫‪Mean‬‬ ‫‪Std. Error‬‬

‫‪F‬‬ ‫‪Sig.‬‬ ‫‪t‬‬ ‫‪df‬‬ ‫)‪tailed‬‬ ‫‪Difference‬‬ ‫‪Difference‬‬ ‫‪Lower‬‬ ‫‪Upper‬‬
‫‪CurrentSalary Equal 119.669‬‬ ‫‪.000‬‬ ‫‪-10.945‬‬ ‫‪472‬‬ ‫‪.000‬‬ ‫‪$-15,409.8‬‬ ‫‪$1,407.9‬‬ ‫‪$-18,176.4‬‬ ‫‪$-12,643.3‬‬
‫‪variances assumed‬‬

‫‪Equal variances not‬‬ ‫‪-11.688‬‬ ‫‪344.262‬‬ ‫‪.000‬‬ ‫‪$-15,409.8‬‬ ‫‪$1,318.4‬‬ ‫‪$-18,002.9‬‬ ‫‪$-12,816.7‬‬
‫‪assumed‬‬

‫ﻧﺘﺎﻳﺞ آزﻣﻮن ﻟﻮن )‪ (Leven's test‬ﺣﺎﻛﻲ از آن اﺳﺖ ﻛـﻪ ﺗﻔـﺎوتﻫـﺎي ﻣﺸـﺎﻫﺪه ﺷـﺪه در‬
‫ﺧﺼــﻮص ﭘﺮاﻛﻨــﺪﮔﻲ ﺣﻘــﻮق زﻧــﺎن و ﻣــﺮدان‪ ،‬ﻗﺎﺑــﻞ ﺗﻌﻤــﻴﻢ ﺑــﻪ ﺟﺎﻣﻌــﻪ آﻣــﺎري ﻧﻴــﺰ‬
‫ﻫﺴﺖ)‪ .(F=119.669, Sig=.000‬ﺑﻨﺎﺑﺮاﻳﻦ ﭼﻮن دو ﮔـﺮوه زﻧـﺎن و ﻣـﺮدان از ﺣﻴـﺚ ﻣﻴـﺰان‬
‫ﺣﻘﻮق داراي وارﻳﺎﻧﺲﻫﺎي ﻣﺘﻔﺎوﺗﻲ ﻫﺴﺘﻨﺪ )ﻣﻌﻨﺎدار ﺑﻮدن ﺗﻔﺎوت وارﻳﺎﻧﺲﻫﺎ(‪ ،‬ﺑﺮاي ﻗﻀﺎوت در‬
‫ﻣﻮرد ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﻪ آﻣﺎره ‪ T‬در ﺳﻄﺮ دوم ﻣﺮاﺟﻌﻪ ﻣﻲﻛﻨﻴﻢ‪ .‬ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷـﻮد‬
‫ﻧﺘﺎﻳﺞ آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﻧﻴﺰ ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ اﺧﺘﻼف ﻣﺸﺎﻫﺪه ﺷـﺪه در ﻣﻴـﺎﻧﮕﻴﻦ ﺣﻘـﻮق‬
 ‫‪  166‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫زﻧــﺎن و ﻣــﺮدان‪ ،‬ﻗﺎﺑــﻞ ﺗﻌﻤــﻴﻢ ﺑــﻪ ﺟﺎﻣﻌــﻪ آﻣــﺎري را دارد ‪(T=-11.688. df=344.262,‬‬
‫)‪.Sig=.000‬‬
‫‪ -3‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ دو ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ در ﻳﻚ ﮔﺮوه‬
‫‪ ‬آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﺮاي ﻧﻤﻮﻧﻪﻫﺎي ﻫﻤﺒﺴﺘﻪ‬
‫اﮔﺮ ﺑﺨﻮاﻫﻴﺪ ﻣﻴﺎﻧﮕﻴﻦ دو ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ را در ﻳﻚ ﮔﺮوه واﺣﺪ ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﻣﻘﺎﻳﺴـﻪ ﻛﻨﻴـﺪ‪ ،‬ﺑـﺮاي‬
‫‪2‬‬
‫اﻳﻦ ﻛﺎر ﺑﺎﻳﺪاز آزﻣﻮن "ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻨﻬﺎ ﺑﺮاي ﻧﻤﻮﻧﻪ ﻫﺎي ﻫﻤﺒﺴﺘﻪ‪ "1‬اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (66‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﺮاي ﻧﻤﻮﻧﻪﻫﺎي ﻫﻤﺒﺴﺘﻪ )‪(paired-sample‬‬

‫‪1‬‬
‫‪2‬‬

‫‪3‬‬ ‫‪ -4‬ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ را ﺑﻪ اﻳﻦ‬

‫ﻗﺴﻤﺖ ﻣﻨﺘﻘﻞ ﻛﻨﻴﺪ‬

‫‪1-Paired sample T-Test‬‬

‫‪ -2‬ﻣﻔﺮوﺿﺎت آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦ ﻫﺎ ﺑﺮاي ﻧﻤﻮﻧﻪﻫﺎي ﻫﻤﺒﺴﺘﻪ ﻋﺒﺎرﺗﺴﺖ از‪:‬‬
‫‪ -‬ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﻛﻪ ﻣﻮرد ﻣﻘﺎﻳﺴﻪ ﻗﺮار ﻣﻲﮔﻴﺮد ﺑﺎﻳﺪ از ﻧﻮع ﻛﻤ‪‬ﻲ ﺑﺎﺷﺪ‪.‬‬
‫‪ -‬وزﻳﻊ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ﺑﺎﻳﺪ ﻧﺮﻣﺎل ﺑﺎﺷﺪ‪ .‬ﻣﺨﺼﻮﺻﺎً وﻗﺘﻲ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻛﻤﺘﺮ از ‪ 15‬ﺑﺎﺷﺪ‪ .‬اﻟﺒﺘﻪ ﺑﺮاي ﻧﻤﻮﻧﻪﻫﺎي‬
‫ﺑﻴﺸﺘﺮ از ‪ 40‬ﺗﺎ ﺣﺪ‪‬ي از اﻳﻦ ﻣﻌﻴﺎر اﻏﻤﺎض ﻣﻲﺷﻮد‪.‬‬
‫‪ -‬وارﻳﺎﻧﺲ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ﺑﺎﻳﺪ ﻫﻢاﻧﺪازه ﺑﺎﺷﺪ‪.‬‬
‫‪ -‬در ﺻﻮرﺗﻲ ﻛﻪ دادهﻫﺎ ﻓﺎﻗﺪ ﻣﻔﺮوﺿﺎت ﻓﻮق ﺑﺎﺷﻨﺪ ﺑﺎﻳﺪ از آزﻣﻮن ﻏﻴﺮﭘﺎراﻣﺘﺮﻳﻚ وﻳﻠﻜﺎﻛﺴﻮن اﺳﺘﻔﺎده ﻧﻤﻮد‪.‬‬
‫درس دوازدﻫﻢ – آزﻣﻮنﻫﺎي ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﮔﺮوهﻫﺎ ‪167 ‬‬

‫اﮔﺮ ﺑﺨﻮاﻫﻴﺪ اﻳﻦ ﻓﺮﺿﻴﻪ را آزﻣﻮن ﻛﻨﻴﺪ ﻛﻪ "ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق ﺑـﺪو اﺳـﺘﺨﺪام ﻛﺎرﻣﻨـﺪان ﻳـﻚ‬
‫ﺷﺮﻛﺖ از ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق ﻓﻌﻠﻲ آﻧﻬﺎ ﭘﺎﻳﻴﻦ ﺗﺮ اﺳـﺖ‪ "1‬ﭘـﺲ از اﻃﻤﻴﻨـﺎن از رﻋﺎﻳـﺖ ﻣﻔﺮوﺿـﺎت‬
‫دراوﻟﻴﻦ ﮔﺎم‪ ،‬ﺑﺎ اﺟﺮاي دﺳﺘﻮر ﻓﻮق ﺑﺎ ﺧﺮوﺟﻲ ذﻳﻞ روﺑﺮو ﻣﻲﺷﻮﻳﺪ‪.‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (50‬ﻣﻘﺎﻳﺴﻪ وﺿﻌﻴﺖ آﻣﺎرهﻫﺎي دو ﻣﺘﻐﻴﺮ "ﺣﻘﻮق ﻓﻌﻠﻲ" و "ﺣﻘﻮق ﺑﺪو‬
‫اﺳﺘﺨﺪام"‬

‫‪Paired Samples Statistics‬‬

‫‪Std. Error‬‬
‫‪Mean‬‬ ‫‪N‬‬ ‫‪Std. Deviation‬‬ ‫‪Mean‬‬
‫‪Pair‬‬ ‫ﺣﻘﻮق ﻓﻌﻠﻲ‬ ‫‪$34,419.57‬‬ ‫‪474‬‬ ‫‪$17,075.661‬‬ ‫‪$784.311‬‬
‫‪1‬‬ ‫ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام‬ ‫‪$17,016.09‬‬ ‫‪474‬‬ ‫‪$7,870.638‬‬ ‫‪$361.510‬‬

‫اﻳﻦ ﺟﺪول ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﺗﺤﻘﻴﻖ ﺑﺮ روي ‪ 474‬ﻧﻔﺮ از ﻛﺎرﻣﻨﺪان ﺷﺮﻛﺖ اﻧﺠﺎم ﺷﺪه اﺳﺖ‪.‬‬
‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق ﻓﻌﻠﻲ اﻳﻦ ﻛﺎرﻣﻨﺪان )‪ 34/419‬دﻻر( در ﻣﻘﺎﻳﺴﻪ ﺑﺎ‬
‫ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق آﻧﻬﺎ در زﻣﺎن ﺑﺪو اﺳﺘﺨﺪام )‪17,016‬دﻻر(‪ ،‬اﻓﺰاﻳﺶ ﻳﺎﻓﺘﻪ اﺳﺖ‪ .‬اﻧﺤﺮاف ﻣﻌﻴﺎر‬
‫ﻧﻴﺰ ﻧﺸﺎن ﻣﻲدﻫﺪﻛﻪ ﭘﺮاﻛﻨﺪﮔﻲ ﺣﻘﻮق ﻓﻌﻠﻲ ﻛﺎرﻣﻨﺪان ﺣﻮل ﻣﻴﺎﻧﮕﻴﻦ ‪ 17 , 075‬دﻻر اﺳﺖ اﻣﺎ‬
‫اﻳﻦ ﺷﺎﺧﺺ در ﻣﻮرد ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام )‪7 , 870‬دﻻر( ﻣﻲﺑﺎﺷﺪ‪ .‬ﻟﺬا ﻣﻲﺗﻮان اﻳﻦﮔﻮﻧﻪ‬
‫اﺳﺘﻨﺒﺎط ﻛﺮد ﻛﻪ ﺣﻘﻮق ﻓﻌﻠﻲ ﻛﺎرﻣﻨﺪان در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﺣﻘﻮق آﻧﻬﺎ در زﻣﺎن ﺑﺪو اﺳﺘﺨﺪام‪ ،‬ﺷﺒﺎﻫﺖ‬
‫ﺑﻴﺸﺘﺮي ﺑﺎ ﻳﻜﺪﻳﮕﺮ )ﻳﺎ ﭘﺮاﻛﻨﺪﮔﻲ ﻛﻤﺘﺮي از ﻳﻜﺪﻳﮕﺮ( دارد‪ .‬ﺷﺎﺧﺺ اﺷﺘﺒﺎه اﺳﺘﺎﻧﺪارد ﻧﻴﺰ ﺣﺎﻛﻲ‬
‫از اﻳﻦ اﺳﺖ ﻛﻪ ﺧﻄﺎي ﺑﺮآورد ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق ﻓﻌﻠﻲ ﺑﻴﺶ از دو ﺑﺮاﺑﺮ ﺧﻄﺎي ﺑﺮآورد ﺣﻘﻮق ﺑﺪو‬
‫اﺳﺘﺨﺪام اﺳﺖ‪.2‬‬

‫‪ -1‬ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد در اﻳﻨﺠﺎ ﺑﺎ ﻳﻚ ﮔﺮوه ﻣﻮاﺟﻪ ﻫﺴﺘﻴﻢ ﻛﻪ ﻗﺮار اﺳﺖ ﻣﻘﺎدﻳﺮ دو ﻣﺘﻐﻴﺮ )ﺣﻘﻮق ﻓﻌﻠﻲ و‬
‫ﺣﻘﻮق اوﻟﻴﻪ( آﻧﻬﺎ ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﻣﻘﺎﻳﺴﻪ ﺷﻮد‪.‬‬
‫‪ -2‬اﮔﺮ از راﺑﻄﻪ ‪ x  t . s e x‬اﺳﺘﻔﺎده ﻛﻨﻴﻢ ﻣﻲﺗﻮان ﺑﺎ ‪ 95‬درﺻﺪ اﻃﻤﻴﻨﺎن ادﻋﺎ ﻛﺮد ﻣﺘﻮﺳﻂ ﺣﻘﻮق ﻓﻌﻠﻲ‬
‫ﺟﺎﻣﻌﻪ آﻣﺎري ﺑﻴﻦ‪ 32882‬و ‪ 35956‬دﻻر ﻗﺮار دارد‪ .‬اﻣﺎ ﺣﺪود اﻃﻤﻴﻨﺎن ﺑﺮاي ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام ﺟﺎﻣﻌﻪ آﻣﺎري‬
‫‪16307‬و ‪ 17724‬دﻻر ﻣﻲ ﺑﺎﺷﺪ‪.‬‬
 ‫‪  168‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره)‪ (51‬وﺿﻌﻴﺖ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ ﺣﻘﻮق ﻓﻌﻠﻲ و ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام‬

‫ﺷﺪت و ﺟﻬﺖ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ‬

‫‪Paired Samples Correlations‬‬

‫‪N‬‬ ‫‪Correlation‬‬ ‫‪Sig.‬‬

‫‪Pair 1‬‬ ‫ﺣﻘﻮق ﻓﻌﻠﻲ & ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام‬ ‫‪474‬‬ ‫‪.880‬‬ ‫‪.000‬‬

‫ﻧﺘﺎﻳﺞ ﺣﺎﺻﻞ از ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﺑﻴﻦ ﺣﻘﻮق ﻓﻌﻠﻲ و ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام‬
‫ﻛﺎرﻛﻨــﺎن اﻳــﻦ ﺷــﺮﻛﺖ‪ ،‬ﻫﻤﺒﺴــﺘﮕﻲ ﻣﺜﺒــﺖ و ﻗــﻮي و ﻫﻤﭽﻨــﻴﻦ ﻣﻌﻨــﺎداري وﺟــﻮد دارد‪.‬‬
‫)‪ (Correlation=.880،Sig=.000‬ﺑﻪ ﻋﺒﺎرﺗﻲ دﻳﮕﺮ آن دﺳﺘﻪ از ﻛﺎرﻣﻨﺪاﻧﻲ ﻛﻪ ﺣﻘﻮﻗﺸـﺎن در‬
‫ﺑﺪو اﺳﺘﺨﺪام ﺑﺎﻻ ﺑﻮده اﺳﺖ‪ ،‬ﺣﻘﻮق ﻓﻌﻠﻲﺷﺎن ﻧﻴﺰ ﺑﻪ ﻣﻴﺰان زﻳﺎدي ﺑﺎﻻﺳﺖ و ﻛﺴﺎﻧﻲ ﻛﻪ در ﺑـﺪو‬
‫اﺳﺘﺨﺪام ﺣﻘﻮق ﭘﺎﻳﻴﻨﻲ داﺷﺘﻪاﻧﺪ‪،‬ﺣﻘﻮق ﻓﻌﻠﻲ ﭘﺎﻳﻴﻨﻲ دارﻧﺪ‪.‬‬
‫ﺣﺎل ﻣﻲﺧﻮاﻫﻴﻢ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺧﺮوﺟﻲ ﺑﻌﺪ‪ ،‬ﻣﺸﺨﺺ ﻛﻨﻴﻢ آﻳﺎ ﺗﻔﺎوتﻫﺎي ﻣﺸﺎﻫﺪه ﺷﺪه ﺑﻴﻦ ﺣﻘﻮق‬
‫ﻓﻌﻠﻲ و ﺑﺪو اﺳﺘﺨﺪام ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺎﺑﻠﻴﺖ ﺗﻌﻤﻴﻢ ﺑﻪ ﺟﺎﻣﻌﻪ آﻣﺎري را دارد ﻳﺎ ﺧﻴﺮ‪.‬‬

‫ﺟﺪول ﺷﻤﺎره)‪ (52‬ﻧﺘﻴﺠﻪ آزﻣﻮن ﻣﻌﻨﻲداري ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﺮاي دو ﻣﺘﻐﻴﺮ‬

‫)ﺣﻘﻮق ﻓﻌﻠﻲ و ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام(‬

‫ﺗﻔﺎوت زوﺟﻬﺎ )ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام و ﺣﻘﻮق ﻓﻌﻠﻲ‬

‫‪Paired Samples Test‬‬
‫(‬
‫‪Paired Differences‬‬
‫‪95% Confidence Interval‬‬
‫‪Std.‬‬ ‫‪Std. Error‬‬ ‫‪of the Difference‬‬ ‫‪Sig.‬‬
‫‪Mean‬‬ ‫‪Deviation‬‬ ‫‪Mean‬‬ ‫‪Lower‬‬ ‫‪Upper‬‬ ‫‪t‬‬ ‫‪df‬‬ ‫)‪(2-tailed‬‬
‫‪Pair 1‬‬ ‫‪$17,403.48 $10,814.620 $496.732 $16,427.41 $18,379.56 35.036‬ﻮق ﻓﻌﻠﻲ ‪ -‬ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام‬ ‫‪473‬‬ ‫‪.000‬‬

‫ﺟﺪول ﻓﻮق ﻧﺸﺎن ﻣﻲدﻫﺪ ﻣﺘﻮﺳﻂ ﺗﻔﺎﺿﻞ ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام و ﻓﻌﻠﻲ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ‬
‫‪ 17403‬دﻻر و ﺧﻄﺎي آن ‪ 496‬دﻻر اﺳﺖ‪ .‬ﺷﺎﺧﺺ اﻧﺤﺮاف ﻣﻌﻴﺎر ﺑﻴﺎﻧﮕﺮ اﻳﻦ واﻗﻌﻴﺖ اﺳﺖ ﻛﻪ‬
‫ﭘﺮاﻛﻨﺪﮔﻲ ﺗﻔﺎﺿﻞ ﺣﻘﻮق ﻓﻌﻠﻲ و ﺑﺪو اﺳﺘﺨﺪام ‪ 10814‬دﻻر ﻣﻲﺑﺎﺷﺪﺣﺪود اﻃﻤﻴﻨﺎن ﺑﺪﺳﺖ آﻣﺪه‬
‫ﻧﻴﺰ ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﺑﺎ ‪ 95‬درﺻﺪ اﻃﻤﻴﻨﺎن ﻣﻲﺗﻮان ادﻋﺎ ﻧﻤﻮد ﻛﻪ ﺗﻔﺎوت ﺣﻘﻮق ﻓﻌﻠﻲ و ﺣﻘﻮق‬
‫ﺑﺪو اﺳﺘﺨﺪام ﺟﺎﻣﻌﻪ آﻣﺎري ﺑﻴﻦ ‪ 16427‬ﺗﺎ ‪ 18379‬دﻻر اﺳﺖ‪ .‬ﻣﻘﺪار ﺧﻄﺎي ﻣﺤﺎﺳﺒﻪ ﺷﺪه ﻧﺸﺎن‬
‫درس دوازدﻫﻢ – آزﻣﻮنﻫﺎي ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﮔﺮوهﻫﺎ ‪169 ‬‬

‫ﻣﻲدﻫﺪ ﻛﻪ ﺗﻔﺎوت ﻣﺸﺎﻫﺪه ﺷﺪه ﺑﻴﻦ ﺣﻘﻮق ﻓﻌﻠﻲ و ﺑﺪو اﺳﺘﺨﺪام ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ‪ ،‬ﻗﺎﺑﻠﻴﺖ‬
‫ﺗﻌﻤﻴﻢ ﺑﻪ ﺟﺎﻣﻌﻪ آﻣﺎري را دارد‪.‬‬

‫‪ -4‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ ﺑﺎ ﻳﻚ ﻣﻘﺪار ﺛﺎﺑﺖ‬

‫‪ ‬آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﺮاي ﻳﻚ ﻧﻤﻮﻧﻪ‬
‫اﮔﺮ ﻗﺼﺪﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ را ﺑﺎ ﻳﻚ ﻣﻘﺪار ﺛﺎﺑﺖ داﺷﺘﻪ ﺑﺎﺷﻴﺪ‪ ،‬در اﻳﻦ ﺻـﻮرت‬
‫‪2‬‬
‫ﺑﺎﻳﺪ ازآزﻣﻮن "ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻨﻬﺎ ﺑﺮاي ﻳﻚ ﻧﻤﻮﻧﻪ‪ "1‬اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪.‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (67‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﺎ ﻳﻚ ﻣﻘﺪار ﺛﺎﺑﺖ )‪(one-sample‬‬

‫‪1‬‬
‫‪2‬‬
‫‪3‬‬
‫‪ -4‬ﻣﺘﻐﻴﺮﻛﻤ‪‬ﻲ را‬
‫ﺑﻪ اﻳﻦ ﻗﺴﻤﺖ‬
‫ﻣﻨﺘﻘﻞ ﻛﻨﻴﺪ‬

‫ﻣﺜﻼً اﮔﺮ ﻗﺮار ﺑﺎﺷﺪ اﻳﻦ ﻓﺮﺿﻴﻪ را آزﻣﻮن ﻛﻨﻴﺪ ﻛﻪ "اﻣﻴﺪ ﺑﻪ زﻧﺪﮔﻲ ﻣﺮدان در ﻛﻞ ﻛﺸﻮرﻫﺎي‬
‫ﺟﻬﺎن‪ ،‬ﺑﻪ ﻃﺮز ﻣﻌﻨﺎداري ﻛﻤﺘﺮ از‪ 70‬ﺳﺎل اﺳﺖ"‪ ،‬در اوﻟﻴﻦ ﮔﺎم ﭘﺲ از اﻃﻤﻴﻨﺎن از رﻋﺎﻳﺖ‬
‫ﻣﻔﺮوﺿﺎت‪ ،‬ﺑﺎ اﺟﺮاي دﺳﺘﻮر ﻓﻮق ﺑﺎ ﺧﺮوﺟﻲ ذﻳﻞ روﺑﺮو ﻣﻲﺷﻮﻳﺪ‪.‬‬

‫‪1- One sample T-Test‬‬

‫‪ -2‬ﻣﻔﺮوﺿﺎت آزﻣﻮن ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﺮاي ﻳﻚ ﮔﺮوه واﺣﺪ ﻋﺒﺎرﺗﺴﺖ از‪:‬‬
‫‪ -‬ﻣﺘﻐﻴﺮي ﻛﻪ ﻣﻮرد ﻣﻘﺎﻳﺴﻪ ﻗﺮار ﻣﻲﮔﻴﺮد ﺑﺎﻳﺪ از ﻧﻮع ﻛﻤ‪‬ﻲ ﺑﺎﺷﺪ‪.‬‬
‫‪ -‬ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ ﺑﺎﻳﺪ ﻧﺮﻣﺎل ﺑﺎﺷﺪ‪ .‬ﻣﺨﺼﻮﺻﺎًٌ وﻗﺘﻲ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻛﻤﺘﺮ از ‪ 15‬ﺑﺎﺷﺪ‪ .‬اﻟﺒﺘﻪ ﺑﺮاي ﻧﻤﻮﻧﻪﻫﺎي ﺑﻴﺸﺘﺮ از‬
‫‪ 40‬ﺗﺎ ﺣﺪ‪‬ي اﻳﻦ ﻣﻌﻴﺎر ﻗﺎﺑﻞ ﭼﺸﻢﭘﻮﺷﻲ اﺳﺖ‪.‬‬
 ‫‪  170‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (53‬ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮ اﻣﻴﺪ ﺑﻪ زﻧﺪﮔﻲ ﻣﺮدان‬

‫‪One-Sample Statistics‬‬

‫‪Std. Error‬‬
‫‪N‬‬ ‫‪Mean‬‬ ‫‪Std. Deviation‬‬ ‫‪Mean‬‬
‫اﻣﻴﺪ ﺑﻪ زﻧﺪﮔﻲ ﻣﺮدان‬ ‫‪109‬‬ ‫‪64.92‬‬ ‫‪9.273‬‬ ‫‪.888‬‬

‫ﺟﺪول ﻓﻮق ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ اﻳﻦ ﻣﻄﺎﻟﻌﻪ ﺑﺮ روي ‪ 109‬ﻛﺸﻮر ﺟﻬﺎن اﻧﺠﺎم ﺷﺪه اﺳﺖ‪.‬‬
‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﻣﺘﻮﺳﻂ اﻣﻴﺪ ﺑﻪ زﻧﺪﮔﻲ ﻣﺮدان در اﻳﻦ ﻛﺸﻮرﻫﺎ ‪ 64‬ﺳﺎل اﺳﺖ‪.‬‬
‫ﺷﺎﺧﺺ اﻧﺤﺮاف ﻣﻌﻴﺎر ﻧﻴﺰ ﺑﻴﺎﻧﮕﺮ آن اﺳﺖ ﻛﻪ ﻣﺘﻮﺳﻂ ﻓﺎﺻﻠﻪ اﻣﻴﺪ ﺑﻪ زﻧﺪﮔﻲ ﻣﺮدان از ﻣﻴﺎﻧﮕﻴﻦ در‬
‫ﺣﺪود ‪ 9‬ﺳﺎل اﺳﺖ ﺣﺎل ﺑﺮاي ﺗﻌﻤﻴﻢ ﻧﺘﺎﻳﺞ ﺑﺪﺳﺖ آﻣﺪه از ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ )‪ 109‬ﻛﺸﻮر‬
‫ﺟﻬﺎن(‪ ،‬ﺑﻪ ﺟﺎﻣﻌﻪ آﻣﺎري )ﻛﻞ ﻛﺸﻮرﻫﺎي ﺟﻬﺎن( ﺑﻪ ﺧﺮوﺟﻲ ذﻳﻞ ﺗﻮﺟﻪ ﻛﻨﻴﺪ‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (54‬ﻧﺘﻴﺠﻪ آزﻣﻮن ﻣﻌﻨﻲداري ﺑﺮاﺑﺮ ي ﻣﻴﺎﻧﮕﻲﻫﺎ ﺑﺎ ﻳﻚ ﻣﻘﺪار ﺛﺎﺑﺖ‬

‫‪One-Sample Test‬‬

‫‪Test Value = 70‬‬

‫‪95% Confidence‬‬
‫‪Interval of the‬‬
‫‪Mean‬‬ ‫‪Difference‬‬
‫‪t‬‬ ‫‪df‬‬ ‫)‪Sig. (2-tailed‬‬ ‫‪Difference‬‬ ‫‪Lower‬‬ ‫‪Upper‬‬
‫اﻣﻴﺪ ﺑﻪ زﻧﺪﮔﻲ ﻣﺮدان‬ ‫‪-5.723‬‬ ‫‪108‬‬ ‫‪.000‬‬ ‫‪-5.08‬‬ ‫‪-6.84‬‬ ‫‪-3.32‬‬

‫اﻳﻦ ﺟﺪول ﻧﺘﺎﻳﺞ ﺣﺎﺻﻞ از آزﻣﻮن " ﺑﺮاﺑﺮي ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﺮاي ﻳﻚ ﻧﻤﻮﻧﻪ" را ﮔﺰارش ﻣﻲدﻫﺪ‪.‬‬
‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﻣﻘﺪار ﺧﻄﺎي ﻣﺤﺎﺳﺒﻪ ﺷﺪه ﺑﻴﺎﻧﮕﺮ آن اﺳﺖ ﻛﻪ ﻓﺮﺿـﻴﻪ ﻣﺤﻘـﻖ رد‬
‫ﻧﻤﻲﺷﻮد‪ .‬ﺑﻪ اﻳﻦ ﻣﻌﻨﻲ ﻛﻪ اﻣﻴﺪ ﺑﻪ زﻧﺪﮔﻲ ﻣﺮدان در در ﺟﺎﻣﻌﻪ آﻣﺎري ﺑﻪ ﻃﺮز ﻣﻌﻨـﺎداري ﻛﻤﺘـﺮ از‬
‫‪ 70‬ﺳﺎل اﺳﺖ‪ .‬ﺑﻪ ﮔﻮﻧﻪاي ﻛﻪ ﺑﺎ ‪ 95‬درﺻﺪ اﻃﻤﻴﻨﺎن ﻣﻲﺗﻮان ادﻋﺎ ﻧﻤﻮد ﻛﻪ اﻣﻴﺪ ﺑﻪ زﻧـﺪﮔﻲ ﻣـﺮدان‬
‫در ﻛﺸﻮرﻫﺎي ﺟﻬﺎن ﺑﻴﻦ ‪ 3/3‬ﺗﺎ ‪ 6/8‬ﺳﺎل از ‪ 70‬ﻛﻤﺘﺮ اﺳﺖ‪.‬‬
171  ‫درس دوازدﻫﻢ – آزﻣﻮنﻫﺎي ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﮔﺮوهﻫﺎ‬

‫ﺗﻤﺮﻳﻨﺎت درس دوازدﻫﻢ‬

‫ آﻳﺎ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﺘﺎﻳﺞ ﻣﻨﺪرج در ﺟﺪول زﻳﺮ ﻣﻲﺗﻮان ادﻋﺎ ﻧﻤﻮد ﺗﻔﺎوت ﻣﻌﻨﺎداري ﺑﻴﻦ ﻣﺪت‬-1
.‫ورزش در ﺑﻴﻦ زﻧﺎن و ﻣﺮدان وﺟﻮد دارد؟ ﻧﺘﺎﻳﺞ را ﺗﻔﺴﻴﺮ ﻛﻨﻴﺪ‬

Group Statistics
‫ﺟﻨﺴﻴﺖ‬ N Mean Std. Deviation Std. Error Mean
‫ﻣﺪت ورزش‬ ‫زن‬ 612 156.6961 239.00920 9.66137
‫ﻣﺮد‬ 585 253.4769 351.42426 14.52960

Independent Samples Test

Levene's
Test for
Equality of
Variances t-test for Equality of Means
95% Confidence Interval
of the Difference
Mean
Sig. (2- Differenc Std. Error
F Sig. t df tailed) e Difference Lower Upper

‫ﻣﺪت‬ Equal
variances
‫ورزش‬ assumed 4.29 .000 -5.59 1195 .00 -96.78 17.30 -130.73 -62.83

Equal
variances not -5.54 1.0E3 .00 -96.78 17.44 -131.01 -62.54
assumed

‫ آﻳﺎ ﺑﺮاﺳﺎس ﻧﺘﺎﻳﺞ ﺟﺪول زﻳﺮ ﺗﻔﺎوت ﻣﻌﻨﺎداري ﺑﻴﻦ ﻣﺪت ﭘﺮداﺧﺘﻦ ﺑﻪ ﻓﻮﺗﺒﺎل و ﭘﻴﺎدهروي‬-2
‫وﺟﻮد دارد؟‬

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean
Pair 1 ‫ﭘﻴﺎده روي‬ 60.4318 1188 128.24252 3.72069
‫ﻓﻮﺗﺒﺎل‬ 31.3005 1188 114.17416 3.31253
 ‫‪  172‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪Paired Samples Correlations‬‬

‫‪N‬‬ ‫‪Correlation‬‬ ‫‪Sig.‬‬
‫‪Pair 1‬‬ ‫ﭘﻴﺎده روي&ﻓﻮﺗﺒﺎل‬ ‫‪1188‬‬ ‫‪-.090‬‬ ‫‪.002‬‬

‫‪Paired Samples Test‬‬

‫‪Paired Differences‬‬

‫‪95% Confidence‬‬
‫‪Interval of the‬‬
‫‪Difference‬‬
‫‪Std.‬‬ ‫‪Std. Error‬‬ ‫‪Sig. (2-‬‬
‫‪Mean‬‬ ‫‪Deviation‬‬ ‫‪Mean‬‬ ‫‪Lower‬‬ ‫‪Upper‬‬ ‫‪t‬‬ ‫‪df‬‬ ‫)‪tailed‬‬
‫ﭘﻴﺎده روي ‪ -‬ﻓﻮﺗﺒﺎل ‪Pair 1‬‬
‫‪29.13131 179.17463‬‬ ‫‪5.19838‬‬ ‫‪18.93227 39.33036 5.604 1187‬‬ ‫‪.000‬‬

‫‪ -3‬ﺑﺮاﺳﺎس دادهﻫﺎي ﻓﺎﻳﻞ ‪ Employee data.sav‬آﻳﺎ ﺗﻔﺎوت ﻣﻌﻨﺎداري ﺑﻴﻦ ﺣﻘـﻮق ﺑـﺪو‬
‫اﺳﺘﺨﺪام )‪ (salbegin‬ﻛﺎرﻛﻨﺎن زن و ﻣﺮد وﺟﻮد دارد؟‬
‫‪ -4‬ﺑﺮاﺳﺎس دادهﻫﺎي ﻓﺎﻳﻞ ‪ World95.sav‬آﻳﺎ ﺑﻴﻦ اﻣﻴﺪ ﺑﻪ زﻧﺪﮔﻲ زﻧﺎن ﻛﺸﻮرﻫﺎي ﻣﺨﺘﻠﻒ‬
‫ﺟﻬﺎن ﺑﺎ اﻣﻴﺪ ﺑﻪ زﻧﺪﮔﻲ ﻣﺮدان ﻫﻤﺎن ﻛﺸﻮرﻫﺎ ﺗﻔﺎوت ﻣﻌﻨﺎداري وﺟﻮد دارد؟‬
‫‪ -5‬ﺑﺮاﺳــﺎس دادهﻫــﺎي ﻓﺎﻳــﻞ ‪ Employee data.sav‬آﻳــﺎ ﺣﻘــﻮق ﺑــﺪو اﺳــﺘﺨﺪام‬
‫)‪ (salbegin‬ﻛﺎرﻛﻨﺎن ﺑﻄﺮز ﻣﻌﻨﺎداري ﺑﺎ ‪ 30.000‬دﻻر ﺗﻔﺎوت دارد؟‬
 ‫‪ ‬‬

‫درس ﺳﻴﺰدﻫﻢ‬
‫ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚﻃﺮﻓﻪ‬

‫در اﻳﻦ درس اﻧﺘﻈﺎر ﻣﻲرود داﻧﺸﺠﻮ‬

‫‪ -1‬ﻣﻮارد ﻛﺎرﺑﺮد ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚﻃﺮﻓﻪ را ﺑﺪاﻧﺪ‪.‬‬
‫‪ -2‬ﺑﺘﻮاﻧﺪ ﻓﺮﺿﻴﺎت ﻣﺘﻨﺎﺳﺐ ﺑﺎ ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ را آزﻣﻮن ﻛﻨﺪ‪.‬‬
‫‪ -3‬ﺑﺘﻮاﻧﺪ ﻣﻮارد اﺳﺘﻔﺎده از آزﻣﻮنﻫﺎي ﺗﻌﻘﻴﺒﻲ را ﺗﺸﺨﻴﺺ دﻫﺪ‪.‬‬
‫‪ -4‬ﺑﺘﻮاﻧﺪ ﻧﺘﺎﻳﺞ ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚﻃﺮﻓﻪ را ﺗﻔﺴﻴﺮ ﻛﻨﺪ‪.‬‬
 ‫‪ 174‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪  SPSS‬‬

‫‪ -1‬ﻣﻘﺪﻣﻪ‬
‫‪1‬‬
‫اﮔﺮ ﺑﺨﻮاﻫﻴﺪ ﻣﻴﺎﻧﮕﻴﻦ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ را در ﺑﻴﺶ از دو ﮔﺮوه ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﺪ‪ ،‬ﺑﺎﻳﺪ از آزﻣﻮن‬
‫ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚﻃﺮﻓﻪ‪ 2‬اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪ .3‬ﮔﺮوهﻫﺎ در اﻳﻨﺠﺎ ﻫﻤﺎن ﻃﺒﻘﺎت ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ ﻫﺴﺘﻨﺪ‪.‬ﺑﻪ‬
‫ﻋﻨﻮان ﻣﺜﺎل ﺑﺮاي ﻣﻘﺎﻳﺴﻪ درآﻣﺪ ﮔﺮوهﻫﺎي ﻣﺨﺘﻠﻒ ﺷﻐﻠﻲ ﺑﺎﻳﺪ از آزﻣﻮن ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ‬
‫ﻳﻚﻃﺮﻓﻪ اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪.‬‬

‫‪ -2‬ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ در ﺑﻴﺶ از دو ﮔﺮوه‬

‫آزﻣﻮن ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚﻃﺮﻓﻪ‬
‫‪.‬اﻳﻦ آزﻣﻮن اﮔﺮﭼﻪ ﺑﻪ ﻣﻘﺎﻳﺴﻪ وارﻳﺎﻧﺲ ﺑﻴﻦ ﮔﺮوﻫﻲ و درون ﮔﺮوﻫﻲ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ در دو ﻳﺎ‬
‫ﭼﻨﺪ ﮔﺮوه ﻣﻲﭘﺮدازد‪ ،‬اﻣﺎ وارﻳﺎﻧﺲ ﺑﻴﻦ ﮔﺮوﻫﻲ در اﻳﻦ آزﻣﻮن ﺑﺮاﺳﺎس ﺗﻔﺎوت ﻣﻴﺎﻧﮕﻴﻦﻫﺎي ﻫﺮ‬
‫ﮔﺮوه از ﻣﻴﺎﻧﮕﻴﻦ ﻛﻞ ﻣﺤﺎﺳﺒﻪ ﻣﻲﺷﻮد‪ .‬ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ ﺗﻨﻬﺎ ﺑﺮرﺳﻲ وﺟﻮد ﻳﺎ ﻋﺪم ﺗﻔﺎوت‬
‫ﻣﻌﻨﺎدار در اﻳﻦ آزﻣﻮن ﻛﺎﻓﻲ ﻧﻴﺴﺖ‪ ،‬ﺑﻠﻜﻪ ﻻزم اﺳﺖ از ﻃﺮﻳﻖ اﻧﺠﺎم آزﻣﻮﻧﻬﺎي ﺗﻌﻘﻴﺒﻲ اﻳﻦ ﻣﻮرد‬
‫ﺑﺮرﺳﻲ ﺷﻮد ﻛﻪ ﻛﺪاﻣﻴﻚ از ﮔﺮوه ﻫﺎي ﻣﻮرد ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﺗﻔﺎوت دارﻧﺪ‪.‬‬

‫‪ -1‬اﻳﻦ آزﻣﻮن ﻣﻌﻤﻮﻻً ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ ﻛﻪ ﺑﻴﺶ از دو ﻣﻘﻮﻟﻪ دارﻧﺪ اﺳﺘﻔﺎده ﻣﻲﺷﻮد اﻣﺎ ﻣﻨﻄﻘﺎ و ﺑﻪ ﻟﺤﺎظ آﻣﺎري‬
‫اﺳﺘﻔﺎده از آن ﺑﺮاي ﻣﻘﺎﻳﺴﻪ دو ﮔﺮوه اﻳﺮادي ﻧﺪارد‪ .‬از اﻳﻦ آزﻣﻮن ﺑﻪ ﻋﻨﻮان آزﻣﻮن ‪ F‬ﻧﻴﺰ ﻳﺎد ﺷﺪه اﺳﺖ‪.‬‬
‫‪2- one-way ANOVA‬‬
‫‪ -3‬ﻣﻔﺮوﺿﺎت آزﻣﻮن ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻋﺒﺎرﺗﺴﺖ از‪:‬‬
‫‪ .1‬ﻣﺘﻐﻴﺮي ﻛﻪ در ﮔﺮوهﻫﺎ ﻣﻮرد ﻣﻘﺎﻳﺴﻪ ﻗﺮار ﻣﻲﮔﻴﺮد ﺑﺎﻳﺪ از ﻧﻮع ﻛﻤ‪‬ﻲ ﺑﺎﺷﺪ‪.‬‬
‫‪ .2‬ﺣﺠﻢ ﻧﻤﻮﻧﻪ در ﮔﺮوهﻫﺎ ﺣﺘﻲاﻻﻣﻜﺎن ﺑﺮاﺑﺮ ﺑﺎﺷﺪ‪.‬‬
‫‪ .3‬در ﻃﺮحﻫﺎي آزﻣﺎﻳﺸﻲ اﻧﺘﺴﺎب اﻋﻀﺎ ﺑﻪ ﮔﺮوهﻫﺎ ﺑﻪ ﺻﻮرت ﺗﺼﺎدﻓﻲ ﺑﺎﺷﺪ‪.‬‬
‫ﺗﻮزﻳﻊ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ در ﮔﺮوه ﺑﺎﻳﺪ ﻧﺮﻣﺎل ﺑﺎﺷﺪ‪ .‬اﻟﺒﺘﻪ ﺑﺮاي ﻧﻤﻮﻧﻪﻫﺎي ﺑﺰرگ ﺗﺎ ﺣﺪ‪‬ي اﻳﻦ ﻣﻌﻴﺎر ﻗﺎﺑﻞ‬
‫ﭼﺸﻢﭘﻮﺷﻲ اﺳﺖ‪ .‬ﻻزم ﺑﻪ ذﻛﺮ اﺳﺖ ﻛﻪ اﮔﺮ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻧﺎﺑﺮاﺑﺮ و وارﻳﺎﻧﺲ درون ﮔﺮوﻫﻲ ﻣﺘﻔﺎوت ﺑﺎﺷﺪ ﻧﺘﺎﻳﺞ‬
‫ﻗﺎﺑﻞ اﻋﺘﻤﺎد ﻧﺨﻮاﻫﺪ ﺑﻮد‪.‬‬
‫‪ .4‬وارﻳﺎﻧﺲ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ در ﮔﺮوهﻫﺎ ﺑﺎﻳﺪ ﻫﻢاﻧﺪازه ﺑﺎﺷﺪ‪ .‬آزﻣﻮن ﻟﻮِن در ﻧﺮماﻓﺰار ‪ spss‬ﺑﻪ ﻫﻤﻴﻦ ﻣﻨﻈﻮر اﻋﻤﺎل‬
‫ﻣﻲﺷﻮد‪.‬‬
‫‪ .5‬ﻧﻤﻮﻧﻪﻫﺎي ﮔﺮوهﻫﺎ ﺑﺎﻳﺪ ﻣﺴﺘﻘﻞ از ﻳﻜﺪﻳﮕﺮ ﺑﺎﺷﻨﺪ ﺑﻪ ﻋﺒﺎرﺗﻲ دﻗﻴﻖﺗﺮ ﻧﻤﺮات اﻓﺮاد در ﻳﻚ ﮔﺮوه ﻣﺘﺎﺛﺮ از ﻧﻤﺮات‬
‫اﻋﻀﺎي ﮔﺮوه دﻳﮕﺮ ﻧﺒﺎﺷﺪ‪.‬‬
‫‪ .6‬در ﺻﻮرﺗﻲ ﻛﻪ دادهﻫﺎ ﻓﺎﻗﺪ ﻣﻔﺮوﺿﺎت ﻓﻮق ﺑﺎﺷﻨﺪ ﺑﺎﻳﺪ از آزﻣﻮن ﻏﻴﺮﭘﺎراﻣﺘﺮﻳﻚ ‪ H‬ﻛﺮاﺳﻜﺎل واﻟﻴﺲ اﺳـﺘﻔﺎده‬
‫ﻧﻤﻮد‪.‬‬
‫درس ﺳﻴﺰدﻫﻢ – ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚ ﻃﺮﻓﻪ ‪  175 ‬‬

‫ﺑﺮاي اﻧﺠﺎم اﻳﻦ آزﻣﻮن ﺑﺎﻳﺪ ﺑﻪ ﺷﺮح ﺗﺼﻮﻳﺮ ذﻳﻞ ﻋﻤﻞ ﺷﻮد‪.‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (68‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚﻃﺮﻓﻪ )ﻣﺮﺣﻠﻪ ‪(1‬‬

‫‪1‬‬

‫‪2‬‬ ‫‪7‬‬

‫‪6‬‬
‫‪3‬‬

‫‪ -4‬ﻣﺘﻐﻴﺮﻛﻤ‪‬ﻲ را ﺑﻪ اﻳﻦ‬ ‫‪ -5‬ﻣﺘﻐﻴﺮﻛﻴﻔﻲ را ﺑﻪ اﻳﻦ‬

‫ﻗﺴﻤﺖ ﻣﻨﺘﻘﻞ ﻛﻨﻴﻢ‬ ‫ﻗﺴﻤﺖ ﻣﻨﺘﻘﻞ ﻛﻨﻴﺪ‬

‫ﺳﭙﺲ ﺑﺎ اﻧﺘﺨﺎب ﮔﺰﻳﻨﻪ ‪ option‬ﺑﻪ ﺷﺮح ﺗﺼﻮﻳﺮ زﻳﺮ ﻋﻤﻞ ﻛﻨﻴﺪ‪ .‬ﺑﺎ اﻧﺘﺨﺎب ﮔﺰﻳﻨﻪ‬
‫‪ Descriptive‬ﺷﺎﺧﺺﻫﺎي ﻣﺮﻛﺰي و ﭘﺮاﻛﻨﺪﮔﻲ ﻣﺘﻐﻴﺮ ﻛﻤ‪‬ﻲ در ﻫﺮ ﻳﻚ از ﻃﺒﻘﺎت ﻣﺤﺎﺳﺒﻪ‬
‫ﻣﻲﺷﻮد و ﮔﺰﻳﻨﻪ ‪ Homogeneity of variance test‬ﻫﻢ ﻧﺘﺎﻳﺞ ﻣﺮﺑﻮط ﺑﻪ ﭘﻴﺶﻓﺮض ﺑﺮاﺑﺮي‬
‫وارﻳﺎﻧﺲ درون ﮔﺮوﻫﻲ را در اﺧﺘﻴﺎر ﻗﺮار ﻣﻲدﻫﺪ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (69‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚ ﻃﺮﻓﻪ )ﻣﺮﺣﻠﻪ ‪(2‬‬

‫آﻣﺎره ﻫﺎي ﻣﺮﻛﺰي و ﭘﺮاﻛﻨﺪﮔﻲ ﻣﺘﻐﻴﺮ‬

‫ﻛﻤ‪‬ﻲ را ﺑﺮﺣﺴﺐ ﻧﻴﺎز اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪.‬‬

‫اﺟﺮاي دﺳﺘﻮر ﺗﺎ اﻳﻦ ﻣﺮﺣﻠﻪ‪ ،‬ﺻﺮﻓﺎً ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ آﻳﺎ ﻣﻴﺎﻧﮕﻴﻦ ﻣﺘﻐﻴﺮ ﻣﻮرد ﻧﻈﺮ در‬
‫ﮔﺮوهﻫﺎي ﻣﻮرد ﺳﻨﺠﺶ ﺗﻔﺎوﺗﻲ دارد ﻳﺎ ﺧﻴﺮ‪ ،‬ﺣﺎل در ﺻﻮرﺗﻲ ﻛﻪ ﻧﺘﻴﺠﻪ آزﻣﻮن ﻣﻌﻨﻲدار ﺑﺎﺷﺪ‬
 ‫‪ 176‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪  SPSS‬‬

‫)ﻗﺎﺑﻞ ﺗﻌﻤﻴﻢ ﺑﻪ ﺟﺎﻣﻌﻪ آﻣﺎري( و اﮔﺮ ﺑﺨﻮاﻫﻴﻢ درﻳﺎﺑﻴﻢ ﻛﻪ ﺗﻔﺎوتﻫﺎي ﻣﻌﻨﺎدار ﻣﺮﺑﻮط ﺑﻪ ﻛﺪاﻣﻴﻚ‬
‫از ﮔﺮوهﻫﺎﺳﺖ‪ ،‬ﺑﺎﻳﺪ از آزﻣﻮنﻫﺎي ﺗﻌﻘﻴﺒﻲ ﻛﻪ در ﺗﺼﻮﻳﺮ آﻣﺪه اﺳﺖ‪ ،‬اﺳﺘﻔﺎده ﻛﺮد‪.‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (70‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚﻃﺮﻓﻪ )ﻣﺮﺣﻠﻪ ‪(3‬‬

‫آزﻣﻮن ﺗﻮﻛﻲ را اﻧﺘﺨﺎب ﻛﻨﻴﺪ‬

‫آزﻣﻮنﻫﺎي ﺗﻌﻘﻴﺒﻲ ﻓﻮق را ﻣﻲﺗﻮان ﺑﺮاﺳﺎس ﻫﺪف آﻣﺎري ﺑﻪ ﺳﻪ دﺳﺘﻪ ﺗﻘﺴﻴﻢ ﻧﻤﻮد‪:‬‬
‫دﺳﺘﻪ ﻧﺨﺴﺖ ﺷﺎﻣﻞ آزﻣﻮنﻫﺎﻳﻲ اﺳﺖ ﻛﻪ ﻫﺪﻓﺸﺎن ﻣﻘﺎﻳﺴﻪ دو ﺑﻪ دوي ﻣﻴﺎﻧﮕﻴﻦ ﺗﻤﺎﻣﻲ‬
‫ﮔﺮوهﻫﺎﺳﺖ‪ .‬دﺳﺘﻪ دوم ﺷﺎﻣﻞ آزﻣﻮنﻫﺎﻳﻲ اﺳﺖ ﻛﻪ ﮔﺮوهﻫﺎي ﻣﻮرد ﺑﺮرﺳﻲ را از ﺣﻴﺚ ﻣﺘﻐﻴﺮﻫﺎي‬
‫ﻛﻤﻲ ﻣﻮرد ﻣﻘﺎﻳﺴﻪ‪ ،‬ﺑﻪ زﻳﺮﻣﺠﻤﻮﻋﻪﻫﺎي ﻫﻤﮕﻦ ﺗﻘﺴﻴﻢ ﻣﻲﻛﻨﻨﺪ‪ .‬ﻣﻼك ﻫﻤﮕﻨﻲ در اﻳﻦ ﺑﺨﺶ از‬
‫آزﻣﻮنﻫﺎ آن اﺳﺖ ﻛﻪ ﺑﻴﻦ ﮔﺮوهﻫﺎي ﻳﻚ زﻳﺮ ﻣﺠﻤﻮﻋﻪ ﺗﻔﺎوت ﻣﻌﻨﺎداري وﺟﻮد ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬
‫دﺳﺘﻪ ﺳﻮم ﻧﻴﺰ آزﻣﻮنﻫﺎﻳﻲ اﺳﺖ ﻛﻪ ﻫﺮ دو ﻛﺎر ﻓﻮق را اﻧﺠﺎم ﻣﻲدﻫﻨﺪ‪ .‬ﻳﻌﻨﻲ ﻫﻢ ﺑﻪ ﻣﻘﺎﻳﺴﻪ دو ﺑﻪ‬
‫دوي ﮔﺮوهﻫﺎ ﻣﻲﭘﺮدازﻧﺪ و ﻫﻢ آﻧﻬﺎ را ﺑﻪ زﻳﺮﻣﺠﻤﻮﻋﻪﻫﺎي ﻫﻤﮕﻦ ﺗﻘﺴﻴﻢ ﻣﻲﻛﻨﻨﺪ‪ .‬ﻻزم ﺑﻪ ذﻛﺮ‬
‫اﺳﺖ ﻛﻪ ﭘﻴﺶﻓﺮض ﻣﻬﻢ ﺗﻤﺎﻣﻲ آزﻣﻮنﻫﺎي ﺗﻌﻘﻴﺒﻲ‪ ،‬ﺑﺮاﺑﺮي وارﻳﺎﻧﺲﻫﺎي درون ﮔﺮوﻫﻲِ‬
‫ﮔﺮوهﻫﺎي ﻣﻮرد ﻣﻘﺎﻳﺴﻪ اﺳﺖ‪.‬‬
‫درس ﺳﻴﺰدﻫﻢ – ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚ ﻃﺮﻓﻪ ‪  177 ‬‬

‫ﺟﺪول زﻳﺮ دﺳﺘﻪﺑﻨﺪي ﻓﻮق را ﻫﻤﺮاه ﺑﺎ ﺑﺮﺧﻲ وﻳﮋﮔﻲﻫﺎي اﻳﻦ آزﻣﻮنﻫﺎ ﻧﺸﺎن ﻣﻲدﻫﺪ‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (55‬وﻳﮋﮔﻲ اﻧﻮاع آزﻣﻮنﻫﺎي ﺗﻌﻘﻴﺒﻲ‬
‫ﻣﺤﺪودﻳﺖ‬ ‫ﻫﺪف آﻣﺎري‬ ‫آزﻣﻮن ﺗﻌﻘﻴﺒﻲ‬

‫ﺗﻌﺪاد ﮔﺮوهﻫﺎ ﺑﻴﺸﺘﺮ از ‪ 3‬ﻧﺒﺎﺷﺪ‪.‬‬ ‫ﻣﻘﺎﻳﺴﻪ دو ﺑﻪ دو ﮔﺮوهﻫﺎ‬ ‫‪LSD‬‬

‫ﻧﺪارد‬ ‫ﻣﻘﺎﻳﺴﻪ دو ﺑﻪ دو ﮔﺮوهﻫﺎ‬ ‫‪SIDAK‬‬
‫ﺗﻮان اﻳﻦ آزﻣﻮن در ﺗﻤﺎﻳﺰ ﮔﺮوهﻫﺎ ﻛﻢ‬ ‫ﻣﻘﺎﻳﺴﻪ دو ﺑﻪ دو ﮔﺮوهﻫﺎ‬ ‫‪BONFERRONI‬‬
‫ﻧﺪارد‬ ‫ﺷﻨﺎﺳﺎﻳﻲ زﻳﺮﻣﺠﻤﻮﻋﻪﻫﺎي ﻫﻤﮕﻦ‬ ‫‪R-E-G-W Q‬‬
‫ﻧﺪارد‬ ‫ﺷﻨﺎﺳﺎﻳﻲ زﻳﺮﻣﺠﻤﻮﻋﻪﻫﺎي ﻫﻤﮕﻦ‬ ‫‪SNK‬‬
‫ﻧﺪارد‬ ‫ﺷﻨﺎﺳﺎﻳﻲ زﻳﺮﻣﺠﻤﻮﻋﻪﻫﺎي ﻫﻤﮕﻦ‬ ‫‪BTUKEY‬‬
‫ﻧﺪارد‬ ‫ﺷﻨﺎﺳﺎﻳﻲ زﻳﺮﻣﺠﻤﻮﻋﻪﻫﺎي ﻫﻤﮕﻦ‬ ‫‪DUNCAN‬‬
‫ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﮔﺮوهﻫﺎ ﺑﺎﻳﺪ ﺑﺮاﺑﺮ ﺑﺎﺷﺪ‬ ‫ﺷﻨﺎﺳﺎﻳﻲ زﻳﺮﻣﺠﻤﻮﻋﻪﻫﺎي ﻫﻤﮕﻦ‬ ‫‪WALLER‬‬
‫ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاﺑﺮ و ﺗﻮان ﺗﻤﺎﻳﺰ ﻛﻢ‬ ‫ﻣﻘﺎﻳﺴﻪ دو ﺑﻪ دو و ﺷﻨﺎﺳﺎﻳﻲ زﻳﺮ ﻣﺠﻤﻮﻋﻪﻫﺎي ﻫﻤﮕﻦ‬ ‫‪TUKEY‬‬
‫ﻧﺪارد‬ ‫ﻣﻘﺎﻳﺴﻪ دو ﺑﻪ دو و ﺷﻨﺎﺳﺎﻳﻲ زﻳﺮ ﻣﺠﻤﻮﻋﻪﻫﺎي ﻫﻤﮕﻦ‬ ‫‪SCHEFFE‬‬
‫ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻧﺎﺑﺮاﺑﺮ ﺑﺎﺷﺪ‪.‬‬ ‫ﻣﻘﺎﻳﺴﻪ دو ﺑﻪ دو و ﺷﻨﺎﺳﺎﻳﻲ زﻳﺮ ﻣﺠﻤﻮﻋﻪﻫﺎي ﻫﻤﮕﻦ‬ ‫‪GT2‬‬
‫ﻧﺪارد‬ ‫ﻣﻘﺎﻳﺴﻪ دو ﺑﻪ دو و ﺷﻨﺎﺳﺎﻳﻲ زﻳﺮ ﻣﺠﻤﻮﻋﻪﻫﺎي ﻫﻤﮕﻦ‬ ‫‪GABRIEL‬‬

‫اﮔﺮ ﻗﺼﺪ دارﻳﺪ ﺑﻪ اﻳﻦ ﺳﺆال ﭘﺎﺳﺦ دﻫﺪ ﻛﻪ "آﻳﺎ ﺣﻘﻮق ﻓﻌﻠﻲ ﻛﺎرﻛﻨﺎن ﻃﺒﻘﺎت ﻣﺨﺘﻠﻒ ﺷﻐﻠﻲ‬
‫)ﻛﺎدر دﻓﺘﺮي‪،‬ﻧﮕﻬﺒﺎﻧﺎن و ﻣﺪﻳﺮان(ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﺗﻔﺎوت ﻣﻌﻨﺎداري دارد؟"‪ ،‬ﺑـﺎ اﺟـﺮاي دﺳـﺘﻮر ‪One-‬‬
‫‪ way Anova‬ﺑﺎ ﺧﺮوﺟﻲ ﻫﺎي ذﻳﻞ روﺑﺮو ﻣﻲ ﺷﻮﻳﺪ‪.‬‬
 ‫‪ 178‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪  SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (56‬ﺗﻮﺻﻴﻒ ﻣﺘﻐﻴﺮ"ﺣﻘﻮق ﻓﻌﻠﻲ ﻛﺎرﻛﻨﺎن در ﻃﺒﻘﺎت ﺷﻐﻠﻲ ﻣﺨﺘﻠﻒ"‬

‫‪Descriptives‬‬

‫‪95% Confidence Interval‬‬

‫‪for Mean‬‬
‫‪Lower‬‬ ‫‪Upper‬‬
‫‪N‬‬ ‫‪Mean‬‬ ‫‪Std. Deviation‬‬ ‫‪Std. Error‬‬ ‫‪Bound‬‬ ‫‪Bound‬‬ ‫‪Minimum Maximum‬‬
‫دﻓﺘﺮي‬ ‫‪363‬‬ ‫‪$27,838.54‬‬ ‫‪$7,567.995‬‬ ‫‪$397.217‬‬ ‫‪$27,057.40 $28,619.68‬‬ ‫‪$15,750‬‬ ‫‪$80,000‬‬

‫ﻧﮕﻬﺒﺎن‬ ‫‪27‬‬ ‫‪$30,938.89‬‬ ‫‪$2,114.616‬‬ ‫‪$406.958‬‬ ‫‪$30,102.37 $31,775.40‬‬ ‫‪$24,300‬‬ ‫‪$35,250‬‬

‫ﻣﺪﻳﺮ‬ ‫‪84‬‬ ‫‪$63,977.80‬‬ ‫‪$18,244.776‬‬ ‫‪$1,990.668‬‬ ‫‪$60,018.44 $67,937.16‬‬ ‫‪$34,410‬‬ ‫‪$135,000‬‬

‫‪Total‬‬ ‫‪474‬‬ ‫‪$34,419.57‬‬ ‫‪$17,075.661‬‬ ‫‪$784.311‬‬ ‫‪$32,878.40 $35,960.73‬‬ ‫‪$15,750‬‬ ‫‪$135,000‬‬

‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق ﻛﺎرﻣﻨﺪان در ﻃﺒﻘﺎت ﻣﺨﺘﻠﻒ ﺷﻐﻠﻲ ﺑﺎﻳﻜﺪﻳﮕﺮ‬
‫ﻣﺘﻔﺎوت اﺳﺖ‪ .‬ﺑﻪ ﻃﻮرﻳﻜﻪ ﺑﺎﻻﺗﺮﻳﻦ ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق ﻣﺮﺑﻮط ﺑﻪ ﻣﺪﻳﺮان ﺑﻮده )‪ 63,977‬دﻻر( و‬
‫ﻛﺎرﻣﻨﺪان دﻓﺘﺮي ﻧﻴﺰ ﭘﺎﻳﻴﻦﺗﺮﻳﻦ ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق را دارا ﻫﺴﺘﻨﺪ )‪ 27,838‬دﻻر(‪ .‬ﺷﺎﺧﺺ اﻧﺤﺮاف‬
‫ﻣﻌﻴﺎر ﻧﻴﺰ ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﺣﻘﻮق ﻓﻌﻠﻲ ﻣﺪﻳﺮان ﺑﻪ ﻃﻮر ﻣﺘﻮﺳﻂ ‪ 18‬دﻻر از ﻣﻴﺎﻧﮕﻴﻦ ﻓﺎﺻﻠﻪ دارد‪،‬‬
‫در ﺣﺎﻟﻴﻜﻪ در رده ﻛﺎرﻛﻨﺎن دﻓﺘﺮي اﻳﻦ ﻣﻴﺰان ﺑﺴﻴﺎر ﻛﻤﺘﺮ )‪ 7‬دﻻر( اﺳﺖ‪ .‬ﺣﺪاﻗﻞ و ﺣﺪاﻛﺜﺮ‬
‫ﺣﻘﻮق اﻳﻦ ﻛﺎرﻣﻨﺪان ﻧﻴﺰ ﻣﻮﻳﺪ ﻧﺘﺎﻳﺞ ﻓﻮق اﺳﺖ‪ .‬ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﻛﻪ ﺣﺪاﻗﻞ ﺣﻘﻮق در ﺑﻴﻦ‬
‫ﻛﺎرﻣﻨﺪان دﻓﺘﺮي ‪ 15‬دﻻر و ﺣﺪاﻛﺜﺮ ‪ 80‬دﻻر اﺳﺖ‪ .‬در ﺣﺎﻟﻴﻜﻪ در ﻣﻮرد ﻛﺎرﻣﻨﺪان رده ﻣﺪﻳﺮﻳﺘﻲ‬
‫ﺣﺪاﻗﻞ ﺣﻘﻮق ‪ 34‬دﻻر و ﺣﺪاﻛﺜﺮ آن ‪ 135‬دﻻر اﺳﺖ‪.‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (57‬آزﻣﻮن ﻣﻘﺎﻳﺴﻪ وارﻳﺎﻧﺲ ﺣﻘﻮق ﻛﺎرﻣﻨﺪان در ردهﻫﺎي ﺷﻐﻠﻲ ﺳﻪﮔﺎﻧﻪ‬
‫)دﻓﺘﺮي‪ ،‬ﻧﮕﻬﺒﺎن‪ ،‬ﻣﺪﻳﺮ(‬
‫آزﻣﻮن ﺑﺮاﺑﺮي وارﻳﺎﻧﺲ ﺣﻘﻮق ﺳﻪ‬
‫ﻃﺒﻘﻪ ﺷﻐﻠﻲ)دﻓﺘﺮي‪،‬ﻧﮕﻬﺒﺎن‪،‬ﻣﺪﻳﺮ(‬
‫‪Test of Homogeneity of Variances‬‬
‫‪Current Salary‬‬
‫‪Levene Statistic‬‬ ‫‪df1‬‬ ‫‪df2‬‬ ‫‪Sig.‬‬
‫‪59.733‬‬ ‫‪2‬‬ ‫‪471‬‬ ‫‪.000‬‬
‫درس ﺳﻴﺰدﻫﻢ – ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚ ﻃﺮﻓﻪ ‪  179 ‬‬

‫ﻧﺘﺎﻳﺞ آزﻣﻮن ﻟﻮن )‪ (Leven's test‬ﺣﺎﻛﻲ از آن اﺳﺖ ﻛﻪ وارﻳﺎﻧﺲ درون ﮔﺮوﻫﻲ ﻃﺒﻘﺎت‬
‫ﺷﻐﻠﻲ ﺳﻪﮔﺎﻧﻪ ﺗﻔﺎوت ﻣﻌﻨﺎداري ﺑﺎ ﻳﻜﺪﻳﮕﺮ دارد ‪(Levene Statistic =59.733,‬‬
‫)‪ .Sig=.000‬ﻟﺬا اﺳﺘﻔﺎده از آزﻣﻮن ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻣﺠﺎز ﻧﻴﺴﺖ و ﺑﺎﻳﺪ از آزﻣﻮنﻫﺎي‬
‫ﻧﺎﭘﺎراﻣﺘﺮﻳﻚ ﻣﺮﺗﺒﻂ )ﻧﻈﻴﺮ ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ رﺗﺒﻪاي ﻛﺮاﺳﻜﺎل واﻟﻴﺲ‪ (1‬اﺳﺘﻔﺎده ﺷﻮد‪ .‬ﺑﺎ اﻳﻦﺣﺎل‬
‫ﻧﻈﺮ ﺑﻪ آﻣﻮزﺷﻲ ﺑﻮدن اﻳﻦ ﻣﻄﺎﻟﺐ‪ ،‬ﺑﺎ اﻧﺪﻛﻲ ﻣﺴﺎﻣﺤﻪ‪ ،‬ﺑﻘﻴﻪ ﻧﺘﺎﻳﺞ را ﺗﻔﺴﻴﺮ ﻣﻲﻛﻨﻴﻢ‪.‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (58‬آزﻣﻮن ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق ﻛﺎرﻣﻨﺪان در ردهﻫﺎي ﺷﻐﻠﻲ ﺳﻪﮔﺎﻧﻪ‬
‫)دﻓﺘﺮي‪ ،‬ﻧﮕﻬﺒﺎن‪ ،‬ﻣﺪﻳﺮ(‬

‫‪ANOVA‬‬

‫‪Current Salary‬‬

‫‪Sum of Squares‬‬ ‫‪df‬‬ ‫‪Mean Square‬‬ ‫‪F‬‬ ‫‪Sig.‬‬

‫‪Between Groups‬‬ ‫‪8.944E10‬‬ ‫‪2‬‬ ‫‪4.472E10‬‬ ‫‪434.481‬‬ ‫‪.000‬‬
‫‪Within Groups‬‬ ‫‪4.848E10‬‬ ‫‪471‬‬ ‫‪1.029E8‬‬

‫‪Total‬‬ ‫‪1.379E11‬‬ ‫‪473‬‬

‫ﻧﺘﺎﻳﺞ ﻣﻨﺪرج در ﺟﺪول ﻓﻮق ﻧﺸﺎن ﻣﻲدﻫﺪ ﺗﻔﺎوتﻫﺎي ﻣﺸﺎﻫﺪه ﺷﺪه در ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق‬
‫ﻛﺎرﻣﻨﺪان ﻃﺒﻘﺎت ﺷﻐﻠﻲ ﻣﺨﺘﻠﻒ )ﻣﺪﻳﺮ‪ ،‬ﻧﮕﻬﺒﺎن‪ ،‬دﻓﺘﺮي( ﻗﺎﺑﻞ ﺗﻌﻤﻴﻢ ﺑﻪ ﺟﺎﻣﻌﻪ آﻣﺎري اﺳﺖ‪(F‬‬
‫)‪.=434.481, Sig=.000‬‬
‫ﺣﺎل در اﻳﻨﺠﺎ ﺑﺮاي ﺗﺸﺨﻴﺺ اﻳﻦ اﻣﺮ ﻛﻪ ﺗﻔﺎوت ﺑﻴﻦ ﻛﺪام ﻳـﻚ از ﻃﺒﻘـﺎت ﺷـﻐﻠﻲ )دﻓﺘـﺮي‪،‬‬
‫ﻧﮕﻬﺒﺎن‪ ،‬ﻣﺪﻳﺮ( ﺑﻪ ﻟﺤﺎظ آﻣﺎري ﻣﻌﻨﺎدار اﺳﺖ‪ ،‬ﺑﻪ ﻧﺘﻴﺠﻪ ﺣﺎﺻﻞ از آزﻣﻮن ﺗﻌﻘﻴﺒﻲ ﺗﻮﻛﻲ ﻣﻲﭘﺮدازﻳﻢ‪.‬‬

‫‪ -1‬اﻳﻦ آزﻣﻮن در درس ﺑﻌﺪي آﻣﺪه اﺳﺖ‪.‬‬

 ‫‪ 180‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪  SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (59‬آزﻣﻮن ﺗﻌﻘﻴﺒﻲ ﺗﻮﻛﻲ ﺑﺮاي ﺑﺮرﺳﻲ ﺗﻔﺎوتﻫﺎي زوﺟﻲ ﻃﺒﻘﺎت ﺳﻪﮔﺎﻧﻪ ﺷﻐﻠﻲ‬

‫‪Multiple Comparisons‬‬
‫‪Current Salary‬‬
‫‪Tukey HSD‬‬
‫)‪(I‬‬ ‫‪95% Confidence Interval‬‬
‫‪Employme‬‬
‫‪nt‬‬ ‫‪(J)Employment‬‬ ‫‪Mean‬‬
‫‪Category‬‬ ‫‪Category‬‬ ‫)‪Difference (I-J‬‬ ‫‪Std. Error‬‬ ‫‪Sig.‬‬ ‫‪Lower Bound‬‬ ‫‪Upper Bound‬‬
‫‪Clerica‬‬ ‫دﻓﺘﺮي ‪Custodial‬‬ ‫‪$-3,100.349‬‬ ‫‪$2,023.760‬‬ ‫‪.277‬‬ ‫‪$-7,858.50‬‬ ‫‪$1,657.80‬‬
‫‪l‬‬
‫‪Manager‬‬ ‫*‪$-36,139.258‬‬ ‫‪$1,228.352‬‬ ‫‪.000‬‬ ‫‪$-39,027.29‬‬ ‫‪$-33,251.22‬‬
‫‪Custodial‬‬ ‫ﻧﮕﻬﺒﺎن ‪Clerical‬‬ ‫‪$3,100.349‬‬ ‫‪$2,023.760‬‬ ‫‪.277‬‬ ‫‪$-1,657.80‬‬ ‫‪$7,858.50‬‬
‫*‬
‫‪Manager‬‬ ‫‪$-33,038.909‬‬ ‫‪$2,244.409‬‬ ‫‪.000‬‬ ‫‪$-38,315.84‬‬ ‫‪$-27,761.98‬‬
‫‪Manager‬‬ ‫ﻣﺪﻳﺮ ‪Clerical‬‬ ‫*‪$36,139.258‬‬ ‫‪$1,228.352‬‬ ‫‪.000‬‬ ‫‪$33,251.22‬‬ ‫‪$39,027.29‬‬
‫*‬
‫‪Custodial‬‬ ‫‪$33,038.909‬‬ ‫‪$2,244.409‬‬ ‫‪.000‬‬ ‫‪$27,761.98‬‬ ‫‪$38,315.84‬‬
‫‪*. The mean difference is significant at the 0.05 level.‬‬

‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﺗﻔﺎوت ﻣﻮﺟﻮد در ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق ﺳﻪ رده ﺷﻐﻠﻲ )دﻓﺘﺮي‪،‬‬
‫ﻧﮕﻬﺒﺎن‪ ،‬ﻣﺪﻳﺮ( ﺑﻪ ﺻﻮرت دو ﺑﻪ دو ﻣﻮرد ﻣﻘﺎﻳﺴﻪ ﻗﺮار ﮔﺮﻓﺘﻪ ﺷﺪه اﺳﺖ ﺗﺎ ﺑﺪﻳﻦ وﺳﻴﻠﻪ ﺗﻔﺎوتﻫﺎ‬
‫را ﺑﻪ ﺻﻮرت ﺧﺎص ﺷﻨﺎﺳﺎﻳﻲ ﻛﻨﺪ‪ .‬ﻧﺘﺎﻳﺞ ﺑﺪﺳﺖ آﻣﺪه ﺑﻴﺎﻧﮕﺮ آن اﺳﺖ ﻛﻪ ﺗﻔﺎوت ﻣﻮﺟﻮد در‬
‫ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق‪ ،‬ﺑﻴﻦ ﻛﺎرﻣﻨﺪان رده ﻣﺪﻳﺮﻳﺖ ﺑﺎ ﻛﺎرﻣﻨﺪان دﻓﺘﺮي و ﻧﮕﻬﺒﺎن اﺳﺖ‪ .‬ﺑﻪ ﻃﻮرﻳﻜﻪ‬
‫ﺗﻔﺎوت ﻣﻴﺎﻧﮕﻴﻦ ﺣﻘﻮق ﻣﺪﻳﺮان ﺑﺎ ﻛﺎرﻛﻨﺎن دﻓﺘﺮي در ﺣﺪود ‪ 36‬دﻻر و ﺑﺎ ﻧﮕﻬﺒﺎﻧﺎن در ﺣﺪود ‪33‬‬
‫دﻻر اﺳﺖ )‪. (Sig=.000‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (60‬دﺳﺘﻪﺑﻨﺪي ﮔﺮوهﻫﺎي ﻣﻮرد ﻣﻘﺎﻳﺴﻪ ﺑﺮاﺳﺎس آزﻣﻮن ﺗﻮﻛﻲ‬
‫‪Current Salary‬‬
‫‪Tukey HSDa,,b‬‬

‫‪Employment‬‬ ‫‪Subset for alpha = 0.05‬‬

‫‪Category‬‬ ‫‪N‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪Clerical‬‬ ‫‪363 $27,838.54‬‬
‫‪Custodial‬‬ ‫‪27‬‬ ‫‪$30,938.89‬‬
‫‪Manager‬‬ ‫‪84‬‬ ‫‪$63,977.80‬‬
‫‪Sig.‬‬ ‫‪.227‬‬ ‫‪1.000‬‬
‫‪Means for groups in homogeneous subsets are‬‬
‫‪displayed.‬‬
‫‪a. Uses Harmonic Mean Sample Size = 58.031.‬‬
‫درس ﺳﻴﺰدﻫﻢ – ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚ ﻃﺮﻓﻪ ‪  181 ‬‬

‫‪Current Salary‬‬
‫‪Tukey HSDa,,b‬‬

‫‪Employment‬‬ ‫‪Subset for alpha = 0.05‬‬

‫‪Category‬‬ ‫‪N‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪Clerical‬‬ ‫‪363 $27,838.54‬‬
‫‪Custodial‬‬ ‫‪27‬‬ ‫‪$30,938.89‬‬
‫‪Manager‬‬ ‫‪84‬‬ ‫‪$63,977.80‬‬
‫‪Sig.‬‬ ‫‪.227‬‬ ‫‪1.000‬‬
‫‪Means for groups in homogeneous subsets are‬‬
‫‪displayed.‬‬
‫‪a. Uses Harmonic Mean Sample Size = 58.031.‬‬
‫‪b. The group sizes are unequal. The harmonic mean of‬‬
‫‪the group sizes is used. Type I error levels are not‬‬
‫‪guaranteed.‬‬

‫اﻳﻦ ﺧﺮوﺟﻲ ﻛﻪ اداﻣﻪ آزﻣﻮن ﺗﻌﻘﻴﺒﻲ ﺗﻮﻛﻲ اﺳﺖ ﺑﻴﺎﻧﮕﺮ آن اﺳﺖ ﻛﻪ ﮔﺮوهﻫﺎي ﺳﻪﮔﺎﻧﻪ ﻣﻮرد‬
‫ﺑﺮرﺳﻲ از ﺣﻴﺚ درآﻣﺪ ﻓﻌﻠﻲ‪ ،‬دو دﺳﺘﻪ ﻣﺘﻤﺎﻳﺰ را ﺗﺸﻜﻴﻞ ﻣﻲدﻫﻨﺪ‪ .‬دﺳﺘﻪ ﻧﺨﺴﺖ ﻛﻪ ﺷﺎﻣﻞ‬
‫ﻛﺎرﻣﻨﺪان دﻓﺘﺮي و ﻧﮕﻬﺒﺎﻧﺎن اﺳﺖ از ﻟﺤﺎظ درآﻣﺪ ﻓﻌﻠﻲ ﺗﻔﺎوت ﻣﻌﻨﺎداري ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﻧﺪارﻧﺪ و‬
‫ﻳﻚ ﻃﺒﻘﻪ واﺣﺪ را ﺗﺸﻜﻴﻞ ﻣﻲدﻫﻨﺪ و ﺗﻨﻬﺎ ﻣﺪﻳﺮان ﻫﺴﺘﻨﺪ ﻛﻪ در ﻳﻚ ﻃﺒﻘﻪ ﺟﺪاﮔﺎﻧﻪ ﻗﺮار‬
‫ﻣﻲﮔﻴﺮﻧﺪ‪.‬‬
 ‫‪ 182‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪  SPSS‬‬

‫ﺗﻤﺮﻳﻦ درس ﺳﻴﺰدﻫﻢ‬

‫‪ -1‬ﺟﺪاول زﻳﺮ ﻧﺘﺎﻳﺞ ﻣﺮﺑﻮط ﺑﻪ ﻣﻘﺎﻳﺴﻪ ﻣﺪت ورزش )ﺑﺮ ﺣﺴﺐ دﻗﻴﻘﻪ در ﻫﻔﺘـﻪ( در ﻣﻨـﺎﻃﻖ‬
‫ﻣﺨﺘﻠﻒ ﺷﻬﺮ ﺗﻬﺮان را ﻧﺸﺎن ﻣﻲدﻫﺪ‪ .‬ﺑﺮاﺳﺎس ﻣﺤﺘﻮاي ﺟﺪاول ﺑﻪ ﺳﺆاﻻت زﻳﺮ ﭘﺎﺳﺦ دﻫﻴﺪ‪.‬‬
‫اﻟﻒ‪ -‬ﻣﺘﻮﺳﻂ ﻣﺪت ورزش در ﻛﺪام ﻣﻨﻄﻘﻪ ﺑﻴﺸﺘﺮ اﺳﺖ؟ ﺑـﺎ ﺗﻮﺟـﻪ ﺑـﻪ ﻣﻴـﺎﻧﮕﻴﻦ و اﻧﺤـﺮاف‬
‫ﻣﻌﻴﺎر ﺗﻮﺻﻴﻒ ﻛﻨﻴﺪ‪.‬‬
‫ب‪ -‬ﻣﺘﻮﺳﻂ ﻣﺪت ورزش در ﻛﺪام ﻣﻨﻄﻘﻪ ﻛﻤﺘﺮ اﺳﺖ؟ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻴﺎﻧﮕﻴﻦ و اﻧﺤﺮاف ﻣﻌﻴـﺎر‬
‫ﺗﻮﺻﻴﻒ ﻛﻨﻴﺪ‪.‬‬
‫ج‪ -‬آﻳﺎ ﺗﻔﺎوتﻫﺎي ﻣﺸﺎﻫﺪه ﺷﺪه ﻗﺎﺑﻠﻴﺖ ﺗﻌﻤﻴﻢ ﺑﻪ ﺟﺎﻣﻌﻪ آﻣﺎري را دارد؟‬
‫د‪ -‬آﻳﺎ وارﻳﺎﻧﺲ درون ﮔﺮوﻫﻲ ﻣﻨﺎﻃﻖ ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﺑﺮاﺑﺮ اﺳﺖ؟‬
‫ه‪ -‬آﻳﺎ ﺑﺮاﺳﺎس ﻧﺘﺎﻳﺞ آزﻣﻮنﻫﺎي ﺗﻌﻘﻴﺒﻲ‪ ،‬ﻣﻨﺎﻃﻖ ﭘﻨﺞﮔﺎﻧﻪ ﻗﺎﺑﻞ ﺗﻘﻠﻴﻞ ﺑﻪ دﺳﺘﻪﻫﺎي ﻛﻤﺘﺮي ﻧﻴـﺰ‬
‫ﻫﺴﺖ؟‬

‫‪Descriptives‬‬
‫ﻣﺪت ورزش‬

‫‪95% Confidence‬‬
‫‪Interval for Mean‬‬
‫‪Std.‬‬ ‫‪Lower‬‬ ‫‪Upper‬‬
‫‪N‬‬ ‫‪Mean‬‬ ‫‪Deviation‬‬ ‫‪Std. Error‬‬ ‫‪Bound‬‬ ‫‪Bound‬‬ ‫‪Minimum‬‬ ‫‪Maximum‬‬
‫ﺷﻤﺎل‬ ‫‪240‬‬ ‫‪225.0250‬‬ ‫‪267.21821‬‬ ‫‪17.24886‬‬ ‫‪191.0458‬‬ ‫‪259.0042‬‬ ‫‪.00‬‬ ‫‪1050.00‬‬
‫ﺷﺮق‬ ‫‪171‬‬ ‫‪160.9474‬‬ ‫‪291.15881‬‬ ‫‪22.26547‬‬ ‫‪116.9950‬‬ ‫‪204.8998‬‬ ‫‪.00‬‬ ‫‪1680.00‬‬
‫ﻏﺮب‬ ‫‪126‬‬ ‫‪218.6667‬‬ ‫‪307.18404‬‬ ‫‪27.36613‬‬ ‫‪164.5057‬‬ ‫‪272.8276‬‬ ‫‪.00‬‬ ‫‪1770.00‬‬
‫ﻣﺮﻛﺰ‬ ‫‪312‬‬ ‫‪185.7212‬‬ ‫‪223.21353‬‬ ‫‪12.63698‬‬ ‫‪160.8564‬‬ ‫‪210.5859‬‬ ‫‪.00‬‬ ‫‪960.00‬‬
‫‪ 357‬ﺟﻨﻮب‬ ‫‪216.1261‬‬ ‫‪377.85684‬‬ ‫‪19.99830‬‬ ‫‪176.7964‬‬ ‫‪255.4557‬‬ ‫‪.00‬‬ ‫‪2280.00‬‬
‫‪Total 1206 202.4726‬‬ ‫‪302.41117‬‬ ‫‪8.70812‬‬ ‫‪185.3879‬‬ ‫‪219.5574‬‬ ‫‪.00‬‬ ‫‪2280.00‬‬

‫‪Test of Homogeneity of Variances‬‬

‫ﻣﺪت ورزش‬

‫‪Levene Statistic‬‬ ‫‪df1‬‬ ‫‪df2‬‬ ‫‪Sig.‬‬

‫‪3.936‬‬ ‫‪4‬‬ ‫‪1201‬‬ ‫‪.004‬‬

‫‪ANOVA‬‬
‫ﻣﺪت ورزش‬

‫‪Sum of Squares‬‬ ‫‪df‬‬ ‫‪Mean Square‬‬ ‫‪F‬‬ ‫‪Sig.‬‬

‫‪Between Groups‬‬ ‫‪604074.153‬‬ ‫‪4‬‬ ‫‪151018.538‬‬ ‫‪1.655‬‬ ‫‪.158‬‬
‫‪Within Groups‬‬ ‫‪1.096E8‬‬ ‫‪1201‬‬ ‫‪91254.125‬‬
‫‪Total‬‬ ‫‪1.102E8‬‬ ‫‪1205‬‬
‫درس ﺳﻴﺰدﻫﻢ – ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚ ﻃﺮﻓﻪ ‪  183 ‬‬

‫‪Multiple Comparisons‬‬
‫ﻣﺪت ورزش‬
‫‪Tukey HSD‬‬
‫‪95% Confidence Interval‬‬
‫)‪(I‬ﻣﻨﺎﻃﻖ ﺷﻬﺮي‬ ‫)‪(J‬ﻣﻨﺎﻃﻖ ﺷﻬﺮي‬ ‫)‪Mean Difference (I-J‬‬ ‫‪Std. Error‬‬ ‫‪Sig.‬‬ ‫‪Lower Bound‬‬ ‫‪Upper Bound‬‬
‫ﺷﻤﺎل‬ ‫ﺷﺮق‬ ‫‪64.07763‬‬ ‫‪30.23037‬‬ ‫‪.212‬‬ ‫‪-18.5095‬‬ ‫‪146.6647‬‬

‫ﻏﺮب‬ ‫‪6.35833‬‬ ‫‪33.23349‬‬ ‫‪1.000‬‬ ‫‪-84.4331‬‬ ‫‪97.1497‬‬

‫ﻣﺮﻛﺰ‬ ‫‪39.30385‬‬ ‫‪25.93659‬‬ ‫‪.553‬‬ ‫‪-31.5530‬‬ ‫‪110.1607‬‬

‫ﺟﻨﻮب‬ ‫‪8.89895‬‬ ‫‪25.21585‬‬ ‫‪.997‬‬ ‫‪-59.9889‬‬ ‫‪77.7868‬‬

‫ﺷﺮق‬ ‫ﺷﻤﺎل‬ ‫‪-64.07763‬‬ ‫‪30.23037‬‬ ‫‪.212‬‬ ‫‪-146.6647‬‬ ‫‪18.5095‬‬
‫ﻏﺮب‬ ‫‪-57.71930‬‬ ‫‪35.46673‬‬ ‫‪.480‬‬ ‫‪-154.6118‬‬ ‫‪39.1732‬‬
‫ﻣﺮﻛﺰ‬ ‫‪-24.77379‬‬ ‫‪28.74250‬‬ ‫‪.911‬‬ ‫‪-103.2961‬‬ ‫‪53.7486‬‬
‫ﺟﻨﻮب‬ ‫‪-55.17868‬‬ ‫‪28.09384‬‬ ‫‪.284‬‬ ‫‪-131.9289‬‬ ‫‪21.5716‬‬
‫ﻏﺮب‬ ‫ﺷﻤﺎل‬ ‫‪-6.35833‬‬ ‫‪33.23349‬‬ ‫‪1.000‬‬ ‫‪-97.1497‬‬ ‫‪84.4331‬‬
‫ﺷﺮق‬ ‫‪57.71930‬‬ ‫‪35.46673‬‬ ‫‪.480‬‬ ‫‪-39.1732‬‬ ‫‪154.6118‬‬
‫ﻣﺮﻛﺰ‬ ‫‪32.94551‬‬ ‫‪31.88605‬‬ ‫‪.840‬‬ ‫‪-54.1648‬‬ ‫‪120.0558‬‬
‫ﺟﻨﻮب‬ ‫‪2.54062‬‬ ‫‪31.30260‬‬ ‫‪1.000‬‬ ‫‪-82.9757‬‬ ‫‪88.0570‬‬
‫ﻣﺮﻛﺰ‬ ‫ﺷﻤﺎل‬ ‫‪-39.30385‬‬ ‫‪25.93659‬‬ ‫‪.553‬‬ ‫‪-110.1607‬‬ ‫‪31.5530‬‬
‫ﺷﺮق‬ ‫‪24.77379‬‬ ‫‪28.74250‬‬ ‫‪.911‬‬ ‫‪-53.7486‬‬ ‫‪103.2961‬‬
‫ﻏﺮب‬ ‫‪-32.94551‬‬ ‫‪31.88605‬‬ ‫‪.840‬‬ ‫‪-120.0558‬‬ ‫‪54.1648‬‬
‫ﺟﻨﻮب‬ ‫‪-30.40490‬‬ ‫‪23.41143‬‬ ‫‪.692‬‬ ‫‪-94.3632‬‬ ‫‪33.5534‬‬
‫ﺟﻨﻮب‬ ‫ﺷﻤﺎل‬ ‫‪-8.89895‬‬ ‫‪25.21585‬‬ ‫‪.997‬‬ ‫‪-77.7868‬‬ ‫‪59.9889‬‬
‫ﺷﺮق‬ ‫‪55.17868‬‬ ‫‪28.09384‬‬ ‫‪.284‬‬ ‫‪-21.5716‬‬ ‫‪131.9289‬‬
‫ﻏﺮب‬ ‫‪-2.54062‬‬ ‫‪31.30260‬‬ ‫‪1.000‬‬ ‫‪-88.0570‬‬ ‫‪82.9757‬‬
‫ﻣﺮﻛﺰ‬ ‫‪30.40490‬‬ ‫‪23.41143‬‬ ‫‪.692‬‬ ‫‪-33.5534‬‬ ‫‪94.3632‬‬

‫ﻣﺪت ورزش‬
‫‪Tukey HSD‬‬
‫‪Subset for alpha = 0.05‬‬
‫ﻣﻨﺎﻃﻖ ﺷﻬﺮي‬ ‫‪N‬‬ ‫‪1‬‬
‫ﺷﺮق‬ ‫‪171‬‬ ‫‪160.9474‬‬
‫ﻣﺮﻛﺰ‬ ‫‪312‬‬ ‫‪185.7212‬‬
‫ﺟﻨﻮب‬ ‫‪357‬‬ ‫‪216.1261‬‬
‫ﻏﺮب‬ ‫‪126‬‬ ‫‪218.6667‬‬
‫ﺷﻤﺎل‬ ‫‪240‬‬ ‫‪225.0250‬‬
‫‪Sig.‬‬ ‫‪.193‬‬
 ‫‪ 184‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪  SPSS‬‬

‫‪Multiple Comparisons‬‬
‫ﻣﺪت ورزش‬
‫‪Tukey HSD‬‬
‫‪95% Confidence Interval‬‬
‫)‪(I‬ﻣﻨﺎﻃﻖ ﺷﻬﺮي‬ ‫)‪(J‬ﻣﻨﺎﻃﻖ ﺷﻬﺮي‬ ‫)‪Mean Difference (I-J‬‬ ‫‪Std. Error‬‬ ‫‪Sig.‬‬ ‫‪Lower Bound‬‬ ‫‪Upper Bound‬‬
‫ﺷﻤﺎل‬ ‫ﺷﺮق‬ ‫‪64.07763‬‬ ‫‪30.23037‬‬ ‫‪.212‬‬ ‫‪-18.5095‬‬ ‫‪146.6647‬‬

‫ﻏﺮب‬ ‫‪6.35833‬‬ ‫‪33.23349‬‬ ‫‪1.000‬‬ ‫‪-84.4331‬‬ ‫‪97.1497‬‬

‫ﻣﺮﻛﺰ‬ ‫‪39.30385‬‬ ‫‪25.93659‬‬ ‫‪.553‬‬ ‫‪-31.5530‬‬ ‫‪110.1607‬‬

‫ﺟﻨﻮب‬ ‫‪8.89895‬‬ ‫‪25.21585‬‬ ‫‪.997‬‬ ‫‪-59.9889‬‬ ‫‪77.7868‬‬

‫ﺷﺮق‬ ‫ﺷﻤﺎل‬ ‫‪-64.07763‬‬ ‫‪30.23037‬‬ ‫‪.212‬‬ ‫‪-146.6647‬‬ ‫‪18.5095‬‬
‫ﻏﺮب‬ ‫‪-57.71930‬‬ ‫‪35.46673‬‬ ‫‪.480‬‬ ‫‪-154.6118‬‬ ‫‪39.1732‬‬
‫ﻣﺮﻛﺰ‬ ‫‪-24.77379‬‬ ‫‪28.74250‬‬ ‫‪.911‬‬ ‫‪-103.2961‬‬ ‫‪53.7486‬‬
‫ﺟﻨﻮب‬ ‫‪-55.17868‬‬ ‫‪28.09384‬‬ ‫‪.284‬‬ ‫‪-131.9289‬‬ ‫‪21.5716‬‬
‫ﻏﺮب‬ ‫ﺷﻤﺎل‬ ‫‪-6.35833‬‬ ‫‪33.23349‬‬ ‫‪1.000‬‬ ‫‪-97.1497‬‬ ‫‪84.4331‬‬
‫ﺷﺮق‬ ‫‪57.71930‬‬ ‫‪35.46673‬‬ ‫‪.480‬‬ ‫‪-39.1732‬‬ ‫‪154.6118‬‬
‫ﻣﺮﻛﺰ‬ ‫‪32.94551‬‬ ‫‪31.88605‬‬ ‫‪.840‬‬ ‫‪-54.1648‬‬ ‫‪120.0558‬‬
‫ﺟﻨﻮب‬ ‫‪2.54062‬‬ ‫‪31.30260‬‬ ‫‪1.000‬‬ ‫‪-82.9757‬‬ ‫‪88.0570‬‬
‫ﻣﺮﻛﺰ‬ ‫ﺷﻤﺎل‬ ‫‪-39.30385‬‬ ‫‪25.93659‬‬ ‫‪.553‬‬ ‫‪-110.1607‬‬ ‫‪31.5530‬‬
‫ﺷﺮق‬ ‫‪24.77379‬‬ ‫‪28.74250‬‬ ‫‪.911‬‬ ‫‪-53.7486‬‬ ‫‪103.2961‬‬
‫ﻏﺮب‬ ‫‪-32.94551‬‬ ‫‪31.88605‬‬ ‫‪.840‬‬ ‫‪-120.0558‬‬ ‫‪54.1648‬‬
‫ﺟﻨﻮب‬ ‫‪-30.40490‬‬ ‫‪23.41143‬‬ ‫‪.692‬‬ ‫‪-94.3632‬‬ ‫‪33.5534‬‬
‫ﺟﻨﻮب‬ ‫ﺷﻤﺎل‬ ‫‪-8.89895‬‬ ‫‪25.21585‬‬ ‫‪.997‬‬ ‫‪-77.7868‬‬ ‫‪59.9889‬‬
‫ﺷﺮق‬ ‫‪55.17868‬‬ ‫‪28.09384‬‬ ‫‪.284‬‬ ‫‪-21.5716‬‬ ‫‪131.9289‬‬
‫ﻏﺮب‬ ‫‪-2.54062‬‬ ‫‪31.30260‬‬ ‫‪1.000‬‬ ‫‪-88.0570‬‬ ‫‪82.9757‬‬

‫‪Means for groups in homogeneous subsets are displayed.‬‬

‫‪ -2‬ﺑﺮاﺳﺎس دادهﻫﺎي ﻓﺎﻳﻞ ‪ world95.sav‬آﻳـﺎ ﺗﻔـﺎوت ﻣﻌﻨـﺎداري ﺑـﻴﻦ درﺻـﺪ ﺑﺎﺳـﻮادي‬

‫)‪ (literacy‬ﻛﺸﻮرﻫﺎي ﺧﺎورﻣﻴﺎﻧﻪ‪ ،‬آﻓﺮﻳﻘﺎ و آﻣﺮﻳﻜﺎي ﻻﺗﻴﻦ )ﻣﺘﻐﻴﺮ ﻣﻨﻄﻘـﻪ اﻗﺘﺼـﺎدي ‪(Region‬‬
‫وﺟﻮد دارد؟‬

‫‪ -3‬ﺑﺮاﺳﺎس دادهﻫﺎي ﻓﺎﻳﻞ ‪ world95.sav‬آﻳﺎ ﺗﻔﺎوت ﻣﻌﻨﺎداري ﺑﻴﻦ درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ‬

‫ﻛﺸﻮرﻫﺎي ﻣﺘﻌﻠﻖ ﺑﻪ ﻣﻨﺎﻃﻖ آب و ﻫﻮاﻳﻲ ﻣﺨﺘﻠﻒ )ﻣﺘﻐﻴﺮ ‪ (Climate‬وﺟﻮد دارد؟‬
 ‫درس ﭼﻬﺎردﻫﻢ‬
‫آزﻣﻮنﻫﺎي ﻣﻨﺎﺳﺐ ﺑﺮاي‬
‫ﻣﻘﺎﻳﺴﻪ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪ اي‬

‫در ﭘﺎﻳﺎن اﻳﻦ درس اﻧﺘﻈﺎر ﻣﻲرود داﻧﺸﺠﻮ‬

‫‪ -1‬ﺑﺎ وﺿﻌﻴﺖﻫﺎي ﻣﺨﺘﻠﻒ ﻣﻘﺎﻳﺴﻪ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي آﺷﻨﺎ ﺑﺎﺷﺪ‪.‬‬
‫‪ -2‬ﻛﺎرﺑﺮد آزﻣﻮن ﻳﻮﻣﺎن وﻳﺘﻨﻲ و ﻛﺮاﺳﻜﺎل واﻟﻴﺲ را ﺑﺪاﻧﺪ‪.‬‬
‫‪ -3‬ﻛﺎرﺑﺮد آزﻣﻮن ﻓﺮﻳﺪﻣﻦ و وﻳﻠﻜﺎﻛﺴﻮن را ﺑﺪاﻧﺪ‪.‬‬
‫‪ -4‬ﺗﻮاﻧﺎﻳﻲ آزﻣﻮن ﻓﺮﺿﻴﺎت ﻣﺘﻨﺎﺳﺐ ﺑﺎ ﻳﻮﻣﺎن وﻳﺘﻨﻲ ﻳﺎ ﻛﺮاﺳﻜﺎل واﻟﻴﺲ را داﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬
‫‪ -5‬ﺗﻮاﻧﺎﻳﻲ آزﻣﻮن ﻓﺮﺿﻴﺎت ﻣﺘﻨﺎﺳﺐ ﺑﺎ ﻓﺮﻳﺪﻣﻦ و وﻳﻠﻜﺎﻛﺴﻮن را داﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬
‫‪ -6‬ﺑﺘﻮاﻧﺪ ﻧﺘﺎﻳﺞ ﻫﺮ ﻳﻚ از آزﻣﻮنﻫﺎي ﻓﻮق را ﺗﻔﺴﻴﺮ ﻛﻨﺪ‪.‬‬
 ‫‪  186‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -1‬ﻣﻘﺪﻣﻪ‬
‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ در درسﻫﺎي ﮔﺬﺷﺘﻪ اﺷﺎره ﺷﺪ‪ ،‬اﮔﺮ در اﻧﺠﺎم ﻳﻚ ﺗﺤﻘﻴﻖ‪ ،‬ﻗﺼﺪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ‬
‫ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ )از ﻧﻮع رﺗﺒﻪاي( و ﻳﺎ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ ﻏﻴﺮﻧﺮﻣﺎل را ﺑﻪ ﺷﻴﻮهﻫﺎي ﻣﺨﺘﻠﻔﻲ ﻣﻮرد‬
‫ﻣﻘﺎﻳﺴﻪ ﻗﺮار دﻫﻴﺪ‪ ،‬ﺑﺎﻳﺪ از ﻣﺠﻤﻮﻋﻪ آزﻣﻮنﻫﺎي ﻣﺮﺗﺒﻂ ﺑﺎ ﻣﻘﺎﻳﺴﻪ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي ﺑﺮﺣﺴﺐ ﻧﻴﺎز‬
‫اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪ .‬اﻳﻦ آزﻣﻮنﻫﺎ ﻋﺒﺎرﺗﺴﺖ از‪:‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (61‬آزﻣﻮنﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻣﻘﺎﻳﺴﻪ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي از ﺣﻴﺚ ﻫﺪف ﺗﺤﻘﻴﻖ‬
‫ﻣﺜﺎل‬ ‫ﻫﺪف ﺗﺤﻘﻴﻖ‬ ‫ﻧﺎم آزﻣﻮن‬ ‫ردﻳﻒ‬
‫آﻳﺎ رﺿﺎﻳﺖ ﻣﺸﺘﺮﻳﺎن )زﻧﺎن و ﻣﺮدان( از‬ ‫‪1‬‬
‫ﻣﻘﺎﻳﺴﻪ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ رﺗﺒﻪاي ﻳﺎ‬
‫ﻛﻴﻔﻴﺖ ﺧﺪﻣﺎت اراﺋﻪ ﺷﺪه ﺗﻮﺳﻂ ﺑﺎﻧﻚ‬ ‫‪U‬ﻣﺎن وﻳﺘﻨﻲ‬
‫ﻛﻤ‪‬ﻲ ﻏﻴﺮﻧﺮﻣﺎل در دو ﮔﺮوه‬
‫ﻣﺘﻔﺎوت اﺳﺖ؟‬
‫آﻳﺎ ﮔﺮاﻳﺶ ﺟﻮاﻧﺎن ﺑﻪ ﻣﻮﺳﻴﻘﻲ ﻛﻼﺳﻴﻚ و‬ ‫ﻣﻘﺎﻳﺴﻪ دو ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ رﺗﺒﻪاي ﻳﺎ‬ ‫‪2‬‬
‫وﻳﻠﻜﺎﻛﺴﻮن‬
‫رپ ﺑﺎﻳﻜﺪﻳﮕﺮ ﻣﺘﻔﺎوت اﺳﺖ؟‬ ‫ﻛﻤ‪‬ﻲ ﻏﻴﺮﻧﺮﻣﺎل ﺑﺎ ﻳﻜﺪﻳﮕﺮ‬
‫ﻣﻘﺎﻳﺴﻪ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ رﺗﺒﻪاي ﻳﺎ‬ ‫‪3‬‬
‫آﻳﺎ ارزﻳﺎﺑﻲ اﻓﺮاد ﮔﺮوهﻫﺎي ﺳﻨﻲ ﻣﺨﺘﻠﻒ از‬ ‫ﻛﺮاﺳﻜﺎل‬
‫ﻛﻤ‪‬ﻲ ﻏﻴﺮﻧﺮﻣﺎل در ﺑﻴﺶ از دو‬
‫ﻣﻮﺳﻴﻘﻲ ﻛﻼﺳﻴﻚ ﻣﺘﻔﺎوت اﺳﺖ؟‬ ‫واﻟﻴﺲ‬
‫ﮔﺮوه‬
‫آﻳﺎ رﺿﺎﻳﺖ ﻣﺸﺘﺮﻳﺎن از ﻗﻴﻤﺖ ﻛﺎﻻ و ﺗﻨﻮع‬ ‫‪4‬‬
‫ﻣﻘﺎﻳﺴﻪ ﭼﻨﺪ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ رﺗﺒﻪاي‬
‫ﻣﺤﺼﻮﻻت و ﺧﺪﻣﺎت ﻣﻮﺟﻮد در ﻓﺮوﺷﮕﺎه‬ ‫ﻓﺮﻳﺪﻣﻦ‬
‫ﻳﺎ ﻛﻤ‪‬ﻲ ﻏﻴﺮﻧﺮﻣﺎل در ﻳﻚ ﮔﺮوه‬
‫ﻣﻮاد ﻏﺬاﻳﻲ ﻣﺘﻔﺎوت اﺳﺖ؟‬

‫ﺑﻪ اﻳﻦ ﺗﺮﺗﻴﺐ ﺑﺎﻳﺪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺮﺿﻴﻪ ﺗﺤﻘﻴﻖ‪ ،‬از ﻣﻮارد ﭼﻬﺎرﮔﺎﻧﻪ ﻓﻮق اﺳﺘﻔﺎده ﻛﺮد‪ .‬در اﻳﻨﺠﺎ‬
‫ﺑﻪ ﺗﻔﻜﻴﻚ ﻫﺮ ﻳﻚ از ﻣﺜﺎلﻫﺎي ﻓﻮق ﻣﻮرد آزﻣﻮن ﻗﺮار ﮔﺮﻓﺘﻪ و ﺗﻮﺿﻴﺤﺎت ﻻزم در ﭘﻲ ﻣﻲآﻳﺪ‪.‬‬

‫‪ -2‬ﻣﻘﺎﻳﺴﻪ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ رﺗﺒﻪاي ﻳﺎ ﻛﻤ‪‬ﻲ ﻏﻴﺮﻧﺮﻣﺎل در دو ﮔﺮوه‬

‫‪ ‬آزﻣﻮن ﻳﻮﻣﺎن وﻳﺘﻨﻲ‬
‫اﮔﺮ ﺑﺨﻮاﻫﻴﺪ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ رﺗﺒﻪاي ﻳﺎ ﻛﻤ‪‬ﻲ ﻏﻴﺮﻧﺮﻣﺎل را در دو ﮔﺮوه ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﺪ‪ ،‬ﺑﺎﻳﺪ از‬
‫آزﻣﻮن ﻳﻮﻣﺎن وﻳﺘﻨﻲ اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪ .‬در اﻳﻦ آزﻣﻮن اﻓﺮاد ﺑﺮ ﺣﺴﺐ ﻧﻤﺮهاي ﻛﻪ در ﻣﺘﻐﻴﺮ رﺗﺒﻪاي‬
‫دارﻧﺪ ﺑﻪ ﺷﻴﻮه ﺻﻌﻮدي ﻣﺮﺗﺐ ﻣﻲﺷﻮﻧﺪ‪ ،‬ﺳﭙﺲ آﻧﻬﺎ را ﺟﺪا ﺳﺎﺧﺘﻪ و ﻣﺘﻮﺳﻂ رﺗﺒﻪﻫﺎي دو ﮔﺮوه‬
‫از ﻟﺤﺎظ ﻣﺘﻐﻴﺮ ﻣﻮرد ﺑﺮرﺳﻲ ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﻣﻘﺎﻳﺴﻪ ﻣﻲﺷﻮد‪ .‬ﺑﺮاي اﻧﺠﺎم اﻳﻦ آزﻣﻮن ﺑﺎﻳﺪ ﺑﻪ ﺷﺮح‬
‫ﺗﺼﻮﻳﺮ ذﻳﻞ ﻋﻤﻞ ﺷﻮد‪.‬‬
‫درس ﭼﻬﺎردﻫﻢ – روﺷﻬﺎي ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي ‪187 ‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (71‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﻳﻮﻣﺎن وﻳﺘﻨﻲ‬

‫‪1‬‬
‫‪3‬‬

‫‪2‬‬

‫‪ -4‬ﻣﺘﻐﻴﺮ را ﺑﻪ اﻳﻦ ﻗﺴﻤﺖ‬

‫ﻣﻨﺘﻘﻞ ﻛﻨﻴﺪ‬
‫‪-5‬‬

‫ﻣﺜﻼً اﮔﺮ ﺑﺨﻮاﻫﻴﺪ اﻳﻦ ﻓﺮﺿﻴﻪ را آزﻣﻮن ﻛﻨﻴﺪ ﻛﻪ "آﻳﺎ رﺿـﺎﻳﺖ ﻣﺸـﺘﺮﻳﺎن )زﻧـﺎن و ﻣـﺮدان( از‬
‫ﻛﻴﻔﻴﺖ ﺧﺪﻣﺎت اراﺋﻪ ﺷﺪه ﺗﻮﺳﻂ ﺑﺎﻧﻚ ﻣﺘﻔﺎوت اﺳﺖ؟" ﺑﺎ اﻧﺠﺎم اﻳﻦ آزﻣﻮن ﺑـﻪ ﺷـﻴﻮه ﻓـﻮق‪ ،‬ﺑـﺎ‬
‫ﺟﺪاول ﺧﺮوﺟﻲ زﻳﺮ ﻣﻮاﺟﻪ ﺧﻮاﻫﻴﺪ ﺷﺪ‪.‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (62‬ﻧﺘﺎﻳﺞ آزﻣﻮن ﻳﻮﻣﺎن وﻳﺘﻨﻲ درﺑﺎره ﻣﻘﺎﻳﺴﻪ رﺿﺎﻳﺖ ﻣﺸﺘﺮﻳﺎن ﺑﻪ ﺗﻔﻜﻴﻚ ﺟﻨﺲ‬

‫‪Ranks‬‬ ‫ﻣﻴﺎﻧﮕﻴﻦ رﺗﺒﻪﻫﺎي دو ﮔﺮوه‬

‫ﺟﻨﺴﻴﺖ‬ ‫‪N‬‬ ‫‪Mean Rank‬‬ ‫‪Sum of Ranks‬‬

‫رﺿﺎﻳﺖ‬ ‫ﻣﺮدان‬ ‫‪209‬‬ ‫‪295.84‬‬ ‫‪61831.50‬‬
‫زﻧﺎن‬ ‫‪373‬‬ ‫‪289.07‬‬ ‫‪107821.50‬‬
‫‪Total‬‬ ‫‪582‬‬

‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد از ﻛﻞ ﻧﻤﻮﻧﻪ ‪ 582‬ﻧﻔﺮي‪ 373 ،‬ﻧﻔﺮ را زﻧﺎن و ‪ 209‬ﻧﻔﺮ را ﻣﺮدان‬
‫ﺗﺸﻜﻴﻞ ﻣﻲدﻫﻨﺪ‪ .‬ﻣﻘﺎﻳﺴﻪ ﻣﺘﻮﺳﻂ رﺗﺒﻪﻫﺎي زﻧﺎن و ﻣﺮدان ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ رﺿﺎﻳﺖ ﻣﺮدان‬
‫)‪ (Mean Rank =295/84‬از زﻧﺎن )‪ (Mean Rank = 289/07‬ﺑﻴﺸﺘﺮ اﺳﺖ‪.‬‬
 ‫‪  188‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪Test Statistics‬‬ ‫‪a‬‬

‫‪REZAYAT‬‬
‫‪Mann-Whitney U‬‬ ‫‪38070.500‬‬
‫‪Wilcoxon W‬‬ ‫‪107821.5‬‬
‫‪Z‬‬ ‫‪-.467‬‬
‫)‪Asymp. Sig. (2-tailed‬‬ ‫‪.640‬‬
‫ﺟﻨﺴﻴﺖ ‪a. Grouping Variable:‬‬

‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻴﺰان ﺧﻄﺎي ﺑﺪﺳﺖ آﻣﺪه )‪ (z = -0/467، sig = 0/640‬ﻣﻲﺗﻮان اﺳـﺘﻨﺒﺎط ﻛـﺮد‬
‫ﻛﻪ ﻣﺸﺘﺮﻳﺎن )اﻋﻢ از زن وﻣﺮد( از ﺧﺪﻣﺎت اراﺋﻪ ﺷﺪه ﺗﻮﺳـﻂ ﺑﺎﻧـﻚ رﺿـﺎﻳﺖ ﻳﻜﺴـﺎﻧﻲ دارﻧـﺪ و‬
‫ﺗﻔﺎوت ﻣﺤﺴﻮﺳﻲ ﺑﻴﻦ آﻧﻬﺎ دﻳﺪه ﻧﻤﻲﺷﻮد‪.‬‬

‫‪ -3‬ﻣﻘﺎﻳﺴﻪ دو ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ رﺗﺒﻪاي ﻳﺎ ﻛﻤ‪‬ﻲ ﻏﻴﺮﻧﺮﻣﺎل ﺑﺎ ﻳﻜﺪﻳﮕﺮ‬

‫‪ ‬آزﻣﻮن وﻳﻠﻜﺎﻛﺴﻮن‬
‫اﮔﺮ ﻗﺼﺪ ﻣﻘﺎﻳﺴﻪ دو ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ رﺗﺒﻪاي ﻳﺎ ﻛﻤ‪‬ﻲ ﻏﻴﺮﻧﺮﻣﺎل را ﺑﺎ ﻳﻜﺪﻳﮕﺮ داﺷﺘﻪ ﺑﺎﺷﻴﺪ‪ ،‬ﺑﺎﻳﺪ از‬
‫آزﻣﻮن وﻳﻠﻜﺎﻛﺴﻮن اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪ .‬ﺑﺮاي اﻧﺠﺎم اﻳﻦ آزﻣﻮن ﺑﺎﻳﺪ ﺑﻪ ﺷﺮح ﺗﺼﻮﻳﺮ ذﻳﻞ ﻋﻤﻞ ﺷﻮد‪.‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ ( 72‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن وﻳﻠﻜﺎﻛﺴﻮن‬

‫‪1‬‬
‫ﻫﺮ دو ﻣﺘﻐﻴﺮ را ﺑﻪ ﻛـﺎدر‬
‫ﻓﻮق ﻣﻨﺘﻘﻞ ﻛﻨﻴﺪ‪.‬‬

‫‪2‬‬ ‫‪3‬‬
‫درس ﭼﻬﺎردﻫﻢ – روﺷﻬﺎي ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي ‪189 ‬‬

‫در ﺻﻮرﺗﻴﻜﻪ ﻗﺼﺪ ﺳﻨﺠﺶ اﻳﻦ ﺳﺆال را داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ " آﻳﺎ ﮔﺮاﻳﺶ ﺟﻮاﻧـﺎن ﺑـﻪ ﻣﻮﺳـﻴﻘﻲ‬
‫ﻛﻼﺳﻴﻚ و رپ ﺑﺎﻳﻜﺪﻳﮕﺮ ﻣﺘﻔﺎوت اﺳﺖ‪1‬؟" ﺑﺎ اﻧﺠﺎم اﻳﻦ آزﻣﻮن ﺟﺪاول ﺧﺮوﺟﻲ زﻳﺮ را ﻣﺸﺎﻫﺪه‬
‫ﺧﻮاﻫﻴﺪ ﻛﺮد‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (63‬ﻧﺘﺎﻳﺞ آزﻣﻮن وﻳﻠﻜﺎﻛﺴﻮن در زﻣﻴﻨﻪ ﻣﻘﺎﻳﺴﻪ ﮔﺮاﻳﺶ ﺟﻮاﻧﺎن ﺑﻪ ﻣﻮﺳﻴﻘﻲ ﻛﻼﺳﻴﻚ و رپ‬

‫‪Ranks‬‬

‫‪N‬‬ ‫‪Mean Rank‬‬ ‫‪Sum of Ranks‬‬

‫رپ ‪ -‬ﮐﻼﺳﻴﮏ‬ ‫‪Negative Ranks‬‬ ‫‪164 a‬‬ ‫‪405.06‬‬ ‫‪66430.50‬‬
‫‪Positive Ranks‬‬ ‫‪926 b‬‬ ‫‪570.37‬‬ ‫‪528164.50‬‬
‫‪Ties‬‬ ‫‪293 c‬‬
‫‪Total‬‬ ‫‪1383‬‬
‫‪a. Rap Music < Classical Music‬‬
‫‪b. Rap Music > Classical Music‬‬ ‫ﺗﻌﻴﻴﻦ ﺟﻬﺖ ﮔﺮاﻳﺶ ﺟﻮاﻧﺎن ﺑﻪ دو ﻧـﻮع ﻣﻮﺳـﻴﻘﻲ رپ و‬
‫‪c. Rap Music = Classical Music‬‬ ‫ﻛﻼﺳﻴﻚ‬

‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد از ‪ 1383‬ﻧﻔـﺮ ﻧﻤﻮﻧـﻪ ﻣـﻮرد ﺑﺮرﺳـﻲ‪ 164 ،‬ﻧﻔـﺮ ﺑـﻪ ﻣﻮﺳـﻴﻘﻲ‬
‫ﻛﻼﺳﻴﻚ ﺑﻴﺸﺘﺮ از ﻣﻮﺳﻴﻘﻲ رپ ﮔﺮاﻳﺶ دارﻧﺪ ﻫﻤﭽﻨﻴﻦ ﺑﺎﻟﻎ ﺑﺮ ‪ 926‬ﻧﻔﺮﮔﺮاﻳﺶﺷﺎن ﺑـﻪ ﻣﻮﺳـﻴﻘﻲ‬
‫رپ ﺑﻴﺸﺘﺮ از ﻛﻼﺳﻴﻚ اﺳﺖ‪ .‬ﺿﻤﻨﺎً از ﻛﻞ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ ‪ 293‬ﻧﻔﺮ ﻧﻴﺰ ﻫﺴـﺘﻨﺪ ﻛـﻪ ﮔـﺮاﻳﺶ‬
‫آﻧﻬﺎ ﺑﻪ ﻫﺮ دو ﻧﻮع ﻣﻮﺳﻴﻘﻲ )رپ وﻛﻼﺳﻴﻚ( ﻣﺴﺎوي اﺳﺖ‪.‬‬

‫‪Test Statistics‬‬ ‫‪b‬‬

‫رپ ‪ -‬ﮐﻼﺳﻴﮏ‬
‫‪Z‬‬ ‫‪-22.447a‬‬
‫)‪Asymp. Sig. (2-tailed‬‬ ‫‪.000‬‬
‫‪a. Based on negative ranks.‬‬
‫‪b. Wilcoxon Signed Ranks Test‬‬

‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻴﺰان ﺧﻄﺎي ﺑﺪﺳﺖ آﻣﺪه )‪، sig = 0/000‬‬
‫‪ (z=-22/447‬ﻣﻲﺗﻮان ادﻋﺎ ﻛﺮد ﻛﻪ در ﺳﻄﺢ ﺟﺎﻣﻌﻪ آﻣﺎري ﻧﻴﺰ ﺑﺎ اﻃﻤﻴﻨﺎن ﺑﻴﺶ از ‪ 99‬درﺻﺪ‬
‫ﺟﻮاﻧﺎن ﮔﺮاﻳﺶﻫﺎي ﻣﺘﻔﺎوﺗﻲ ﻧﺴﺒﺖ ﺑﻪ ﻣﻮﺳﻴﻘﻲ ﻛﻼﺳﻴﻚ و رپ دارﻧﺪ‪.‬‬

‫‪ -1‬ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد در اﻳﻨﺠﺎ رﺗﺒﻪﻫﺎي اﻓﺮاد ﻳﻚ ﮔﺮوه در دو ﻣﺘﻐﻴﺮ ﻣﻘﺎﻳﺴﻪ ﻣﻲﺷﻮد‪ .‬ﺑـﻪ ﻋﺒـﺎرﺗﻲ دﻳﮕـﺮ‬
‫ﻫﺮ ﻓﺮد داراي دو رﺗﺒﻪ اﺳﺖ‪ :‬رﺗﺒﻪ در ﻣﻮﺳﻴﻘﻲ رپ‪ ،‬رﺗﺒﻪ در ﻣﻮﺳﻴﻘﻲ ﻛﻼﺳﻴﻚ‪.‬‬
 ‫‪  190‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -4‬ﻣﻘﺎﻳﺴﻪ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ رﺗﺒﻪاي ﻳﺎ ﻛﻤ‪‬ﻲ ﻏﻴﺮﻧﺮﻣﺎل در ﺑﻴﺶ از دو ﮔﺮوه‬

‫‪ ‬آزﻣﻮن ﻛﺮاﺳﻜﺎل واﻟﻴﺲ‬
‫اﮔﺮ ﺑﻪ ﻳﺎد ﺑﻴﺎورﻳﺪ در درسﻫﺎي ﻗﺒﻞ ﮔﻔﺘﻪ ﺷﺪ ﻛﻪ اﮔﺮ ﻣﺤﻘﻘﻲ ﺑﺨﻮاﻫﺪ ﻣﻴﺎﻧﮕﻴﻦ ﻳﻚ ﻣﺘﻐﻴﺮ‬
‫ﻛﻤ‪‬ﻲ را در ﺑﻴﺶ از دو ﮔﺮوه ﻣﻘﺎﻳﺴﻪ ﻛﻨﺪ ﺑﺎﻳﺪ از آزﻣﻮن ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ ﻳﻚ ﻃﺮﻓﻪ اﺳﺘﻔﺎده ﻛﻨﺪ‪،‬‬
‫ﺣﺎل اﮔﺮ اﻳﻦ ﻣﺘﻐﻴﺮ رﺗﺒﻪاي ﻳﺎ ﻛﻤ‪‬ﻲ ﻏﻴﺮﻧﺮﻣﺎل ﺑﺎﺷﺪ و ﺑﺨﻮاﻫﺪ آن را در ﺑﻴﺶ از دو ﮔﺮوه ﻣﻮرد‬
‫ﻣﻘﺎﻳﺴﻪ ﻗﺮار دﻫﺪ‪ ،‬ﺑﺎﻳﺪ از ﺗﺤﻠﻴﻞ وارﻳﺎﻧﺲ رﺗﺒﻪاي ﻛﻪ ﻋﻨﻮان آﻣﺎري آن آزﻣﻮن ﻛﺮاﺳﻜﺎل واﻟﻴﺲ‬
‫اﺳﺖ اﺳﺘﻔﺎده ﺷﻮد‪ .‬ﺑﺮاي اﻧﺠﺎم اﻳﻦ آزﻣﻮن ﺑﺎﻳﺪ ﺑﻪ ﺷﺮح ﺗﺼﻮﻳﺮ ذﻳﻞ ﻋﻤﻞ ﺷﻮد‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ ( 73‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﻛﺮاﺳﻜﺎل واﻟﻴﺲ‬

‫ﻣﺘﻐﻴﺮ رﺗﺒﻪاي ﻣﻮرد ﻣﻘﺎﻳﺴـﻪ را‬

‫ﺑﻪ اﻳﻦ ﻗﺴﻤﺖ ﻣﻨﺘﻘﻞ ﻛﻨﻴﺪ‬

‫‪1‬‬

‫ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ را ﺑﻪ اﻳﻦ ﻗﺴﻤﺖ ﻣﻨﺘﻘﻞ و‬

‫داﻣﻨﻪ ﮔﺮوهﻫﺎي ﻣﻮرد ﻣﻘﺎﻳﺴﻪ را ﺗﻌﻴﻴﻦ‬
‫ﻛﻨﻴﺪ‪.‬‬

‫‪2‬‬ ‫‪3‬‬

‫اﮔﺮ ﻗﺼﺪ ﭘﺎﺳﺦ ﺑﻪ اﻳﻦ ﺳﺆال را داﺷﺘﻪ ﺑﺎﺷـﻴﺪﻛﻪ "آﻳـﺎ ارزﻳـﺎﺑﻲ ﻣـﺮدم در ﺳـﻨﻴﻦ ﻣﺨﺘﻠـﻒ از‬
‫ﻣﻮﺳﻴﻘﻲ ﻛﻼﺳﻴﻚ ﻣﺘﻔﺎوت اﺳﺖ؟ ﺑﺎ اﻧﺠﺎم اﻳﻦ آزﻣﻮن‪ ،‬ﺟﺪاول ﺧﺮوﺟﻲ زﻳﺮ ﻣﺸﺎﻫﺪه ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (64‬ﻧﺘﺎﻳﺞ آزﻣﻮن ﻛﺮاﺳﻜﺎل‪ -‬واﻟﻴﺲ در زﻣﻴﻨﻪ ﻣﻘﺎﻳﺴﻪ ارزﻳﺎﺑﻲ ﮔﺮوهﻫﺎي ﺳﻨﻲ‬
‫ﻣﺨﺘﻠﻒ از ﻣﻮﺳﻴﻘﻲ ﻛﻼﺳﻴﻚ‬
‫‪Ranks‬‬

‫ﮔﺮوهﻬﺎي ﺳﻨﻲ‬ ‫‪N‬‬ ‫‪Mean Rank‬‬

‫ﻣﻮﺳﻴﻘﻲ ﮐﻼﺳﻴﮏ‬ ‫‪18-29‬‬ ‫‪267‬‬ ‫‪766.39‬‬
‫‪30-39‬‬ ‫‪334‬‬ ‫‪728.39‬‬
‫‪40-49‬‬ ‫‪295‬‬ ‫‪684.35‬‬
‫‪50+‬‬ ‫‪529‬‬ ‫‪692.32‬‬
‫‪Total‬‬ ‫‪1425‬‬
‫درس ﭼﻬﺎردﻫﻢ – روﺷﻬﺎي ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي ‪191 ‬‬

‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ در ﺟﺪول ﻓﻮق ﻣﺸﺎﻫﺪه ﻣﻲﺷﻮد در ﺑﻴﻦ ﻃﺒﻘﺎت ﺳﻨﻲ ﻣﺨﺘﻠﻒ‪ ،‬ﮔﺮوه ﺳﻨﻲ ‪18‬‬
‫ﺗﺎ ‪ 29‬ﺳﺎل‪ ،‬ارزﻳﺎﺑﻲ ﻣﺜﺒﺖﺗﺮي از ﻣﻮﺳﻴﻘﻲ ﻛﻼﺳﻴﻚ دارﻧﺪ )‪(Mean Rank = 766/39‬‬
‫ﻣﻨﻔﻲﺗﺮﻳﻦ ارزﻳﺎﺑﻲ ﻧﻴﺰ ﺑﻪ ﮔﺮوه ﺳﻨﻲ ‪ 40‬ﺗﺎ ‪ 49‬ﺳﺎل ﺗﻌﻠﻖ دارد‪(Mean Rank = 684/35) .‬‬
‫‪Test Statistics‬‬ ‫‪a,b‬‬

‫ﻣﻮﺳﻴﻘﻲ ﮐﻼﺳﻴﮏ‬
‫‪Chi-Square‬‬ ‫‪8.197‬‬
‫‪df‬‬ ‫‪3‬‬
‫‪Asymp. Sig.‬‬ ‫‪.042‬‬
‫‪a. Kruskal Wallis Test‬‬
‫‪b. Grouping Variable: Age Categories‬‬

‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻴﺰان ﺧﻄﺎي ﺑﺪﺳﺖ آﻣﺪه ﻣﻲﺗﻮان ﺑﺎ ‪ 95‬درﺻﺪ‬
‫اﻃﻤﻴﻨﺎن ادﻋﺎ ﻛﺮد ﻛﻪ ﻫﻤﺎﻧﻨﺪ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ‪ ،‬اﻋﻀﺎي ﺟﺎﻣﻌﻪ آﻣﺎري ﻧﻴﺰ در ﺳﻨﻴﻦ ﻣﺨﺘﻠﻒ‬
‫ارزﻳﺎﺑﻲﻫﺎي ﻣﺘﻔﺎوﺗﻲ از ﻣﻮﺳﻴﻘﻲ ﻛﻼﺳﻴﻚ دارﻧﺪ‪(chi-square = 8.197, sig=0.042) .‬‬

‫‪ -5‬ﻣﻘﺎﻳﺴﻪ ﭼﻨﺪ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ رﺗﺒﻪاي ﻳﺎ ﻛﻤ‪‬ﻲ ﻏﻴﺮﻧﺮﻣﺎل در ﻳﻚ ﮔﺮوه‬

‫‪ ‬آزﻣﻮن ﻓﺮﻳﺪﻣﻦ‬
‫اﮔﺮ ﻗﺼﺪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﭼﻨﺪﻳﻦ ﻣﺘﻐﻴﺮﻛﻴﻔﻲ رﺗﺒﻪاي ﻳﺎ ﻛﻤ‪‬ﻲ ﻏﻴﺮﻧﺮﻣﺎل را ﻫﻤﺰﻣﺎن در ﻳﻚ ﮔﺮوه‬
‫ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﺪ‪ ،‬ﺑﺎﻳﺪاز آزﻣﻮن ﻓﺮﻳﺪﻣﻦ اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪ .‬در اﻳﻦ آزﻣﻮن ﻣﺘﻐﻴﺮﻫﺎ ﺑﺮاي ﻫﺮ ﻓﺮد از ﺣﻴﺚ‬
‫ﻧﻤﺮه‪ ،‬رﺗﺒﻪﺑﻨﺪي ﻣﻲﺷﻮﻧﺪ‪ .‬ﺳﭙﺲ ﻣﻴﺎﻧﮕﻴﻦ رﺗﺒﻪﻫﺎي ﻫﺮ ﻣﺘﻐﻴﺮ ﻣﺤﺎﺳﺒﻪ ﺷﺪه و ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﻣﻘﺎﻳﺴﻪ‬
‫ﻣﻲﺷﻮد‪ .‬ﺑﺮاي اﻧﺠﺎم اﻳﻦ آزﻣﻮن ﺑﺎﻳﺪ ﺑﻪ ﺷﺮح ﺗﺼﻮﻳﺮ ذﻳﻞ ﻋﻤﻞ ﺷﻮد‪.‬‬
 ‫‪  192‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (74‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن ﻓﺮﻳﺪﻣﻦ‬

‫‪1‬‬

‫ﻣﺘﻐﻴﺮﻫﺎي ﻣﻮرد ﻧﻈﺮ را ﺑﻪ اﻳـﻦ‬

‫ﻗﺴﻤﺖ ﻣﻨﺘﻘﻞ ﻛﻨﻴﺪ‪.‬‬

‫‪2‬‬
‫‪3‬‬

‫اﮔﺮ ﻗﺼﺪ ﭘﺎﺳﺦ ﺑﻪ اﻳﻦ ﺳﺆال را داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ "آﻳﺎ رﺿﺎﻳﺖ ﻣﺸﺘﺮﻳﺎن از ﻗﻴﻤﺖ ﻛﺎﻻ و ﺗﻨﻮع‬
‫ﻣﺤﺼﻮﻻت و ﺧﺪﻣﺎت ﻣﻮﺟﻮد در ﻓﺮوﺷﮕﺎه ﻣﻮاد ﻏﺬاﻳﻲ ﻣﺘﻔﺎوت اﺳﺖ؟" ﺑﺎ اﻧﺠﺎم اﻳﻦ آزﻣﻮن‬
‫ﺟﺪاول ﺧﺮوﺟﻲ زﻳﺮﻣﺸﺎﻫﺪه ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (65‬ﻧﺘﺎﻳﺞ آزﻣﻮن ﻓﺮﻳﺪﻣﻦ در زﻣﻴﻨﻪ ﻣﻘﺎﻳﺴﻪ رﺿﺎﻳﺖ ﻣﺸﺘﺮﻳﺎن از ﻗﻴﻤﺖ و ﺗﻨﻮع‬
‫ﻛﺎﻻ و ﺧﺪﻣﺎت ﻳﻚ ﻓﺮوﺷﮕﺎه‬
‫‪Descriptive Statistics‬‬

‫‪N‬‬ ‫‪Mean‬‬ ‫‪Std. Deviation Minimum‬‬ ‫‪Maximum‬‬

‫رﺿﺎﻳﺖ از ﻗﻴﻤﺖ ﮐﺎﻻ‬ ‫‪582‬‬ ‫‪3.08‬‬ ‫‪1.261‬‬ ‫‪1‬‬ ‫‪5‬‬
‫ﺿﺎﻳﺖ از ﺗﻨﻮع ﻣﺤﺼﻮﻻت‬ ‫‪582‬‬ ‫‪3.08‬‬ ‫‪1.274‬‬ ‫‪1‬‬ ‫‪5‬‬
‫رﺿﺎﻳﺖ از ﺧﺪﻣﺎت‬ ‫‪582‬‬ ‫‪3.09‬‬ ‫‪1.341‬‬ ‫‪1‬‬ ‫‪5‬‬

‫اﻳﻦ ﺟﺪول ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ ‪ 582‬ﻧﻔﺮ ﺑﻮده اﺳﺖ‪ .‬ﺑﺎ ﺗﻮﺟـﻪ ﺑـﻪ ﻣﻴـﺎﻧﮕﻴﻦ‬
‫ﺑﺪﺳﺖ آﻣﺪه‪ ،‬ﻣﻲﺗﻮان اﺳﺘﻨﺒﺎط ﻛﺮد ﻛﻪ رﺿﺎﻳﺖ ﻣﺸﺘﺮﻳﺎن از ﻗﻴﻤﺖ وﺗﻨﻮع ﻣﺤﺼﻮﻻت و ﻫﻤﭽﻨـﻴﻦ‬
‫ﺧﺪﻣﺎت ﻓﺮوﺷﮕﺎه ﺗﻘﺮﻳﺒﺎً ﻣﺸﺎﺑﻪ اﺳﺖ و از اﻳﻦ ﺣﻴﺚ ﺗﻔﺎوتﻫﺎي ﺑﺴـﻴﺎر اﻧـﺪﻛﻲ در ﻧﻤﻮﻧـﻪ ﻣـﻮرد‬
‫ﺑﺮرﺳﻲ ﻣﺸﺎﻫﺪه ﻣﻲﺷﻮد‪.‬‬
‫درس ﭼﻬﺎردﻫﻢ – روﺷﻬﺎي ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي ‪193 ‬‬

‫‪Ranks‬‬

‫‪Mean Rank‬‬
‫رﺿﺎﻳﺖ از ﻗﻴﻤﺖ ﮐﺎﻻ‬ ‫‪2.01‬‬
‫رﺿﺎﻳﺖ از ﺗﻨﻮع ﻣﺤﺼﻮﻻت‬ ‫‪2.00‬‬
‫رﺿﺎﻳﺖ از ﺧﺪﻣﺎت‬ ‫‪1.99‬‬

‫اﻳﻦ ﺟﺪول ﻣﻴﺎﻧﮕﻴﻦ رﺗﺒﻪﻫﺎي رﺿﺎﻳﺖ ﻣﺸﺘﺮﻳﺎن را از ﻗﻴﻤﺖ ﻛﺎﻻ‪ ،‬ﺗﻨﻮع ﻣﺤﺼﻮﻻت و ﺧﺪﻣﺎت‬
‫ﻓﺮوﺷﮕﺎه ﻧﺸﺎن ﻣﻲدﻫﺪ‪.‬ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد رﺿﺎﻳﺖ ﻣﺸﺘﺮﻳﺎن ﻣﻮرد ﺑﺮرﺳـﻲ از ﻗﻴﻤـﺖ‬
‫ﻛﺎﻻ در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﺧﺪﻣﺎت و ﺗﻨﻮع ﻣﺤﺼﻮﻻت ﺑﻴﺸﺘﺮ اﺳﺖ‪.‬‬

‫‪Test Statistics‬‬ ‫‪a‬‬

‫‪N‬‬ ‫‪582‬‬
‫‪Chi-Square‬‬ ‫‪.063‬‬
‫‪df‬‬ ‫‪2‬‬
‫‪Asymp. Sig.‬‬ ‫‪.969‬‬
‫‪a.‬‬ ‫‪Friedman Test‬‬

‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻴﺰان ﺧﻄﺎي ﺑﺪﺳﺖ آﻣﺪه )‪ (chi-square = 0/063 ، sig= 0/969‬ﻣﻲﺗﻮان‬
‫ادﻋﺎ ﻛﺮد ﺗﻔﺎوت ﻣﺸﺎﻫﺪه ﺷﺪه در رﺿﺎﻳﺖ ﻣﺸﺘﺮﻳﺎن از ﻗﻴﻤﺖ ﻛﺎﻻ‪ ،‬ﺗﻨﻮع ﻣﺤﺼﻮﻻت و ﻫﻤﭽﻨﻴﻦ‬
‫ﺧﺪﻣﺎت اراﺋﻪ ﺷﺪه در ﻓﺮوﺷﮕﺎه ﻧﺎﭼﻴﺰ ﺑﻮده و ﻗﺎﺑﻠﻴﺖ ﺗﻌﻤﻴﻢ ﺑﻪ ﺟﺎﻣﻌﻪ آﻣﺎري را ﻧﺪارد‪.‬‬
 ‫‪  194‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺗﻤﺮﻳﻦ درس ﭼﻬﺎردﻫﻢ‬

‫‪ -1‬در ﻳﻚ ﺗﺤﻘﻴﻖ ﭘﻴﻤﺎﻳﺸﻲ ﻧﻴﺎزﻫﺎي ورزﺷﻲ ﺷﻬﺮوﻧﺪان در ﭘﻨﺞ ﺣﻴﻄﻪ ﺑﻪ ﺷﺮح ﺟـﺪول زﻳـﺮ‬
‫ﺳﻨﺠﻴﺪه ﺷﺪه اﺳﺖ‪ .‬آﻳﺎ ﺑﻴﻦ اﺑﻌﺎد ﭘﻨﺞﮔﺎﻧﻪ ﻧﻴﺎز ﺑﺮاﺳﺎس ﺟﺪاول زﻳﺮ ﺗﻔﺎوت ﻣﻌﻨﺎداري وﺟﻮد دارد؟‬
‫ﻧﺘﺎﻳﺞ ﻣﺮﺑﻮﻃﻪ را ﺗﻔﺴﻴﺮ ﻛﻨﻴﺪ‪.‬‬

‫‪Descriptive Statistics‬‬
‫‪N‬‬ ‫‪Mean‬‬ ‫‪Std. Deviation Minimum Maximum‬‬
‫ﺑﻌﺪ ﻓﻀﺎﻫﺎي ورزﺷﻲ‬ ‫‪1197‬‬ ‫‪2.3017‬‬ ‫‪.68629‬‬ ‫‪1.00‬‬ ‫‪4.00‬‬
‫ﺑﻌﺪ ﺗﺠﻬﻴﺰات ورزﺷﻲ‬ ‫‪1197‬‬ ‫‪2.2470‬‬ ‫‪.60181‬‬ ‫‪1.00‬‬ ‫‪4.00‬‬
‫ﺑﻌﺪ ﻓﺮﻫﻨﮕﻲ اﺟﺘﻤﺎﻋﻲ‬ ‫‪1197‬‬ ‫‪2.1891‬‬ ‫‪.67184‬‬ ‫‪1.00‬‬ ‫‪4.00‬‬
‫ﺑﻌﺪ ﺑﻬﺪاﺷﺖ و ﺳﻼﻣﺖ‬ ‫‪1197‬‬ ‫‪2.2238‬‬ ‫‪.72897‬‬ ‫‪1.00‬‬ ‫‪4.00‬‬
‫ﺑﻌﺪ اﻗﺘﺼﺎد ورزش‬ ‫‪1197‬‬ ‫‪2.6124‬‬ ‫‪1.06354‬‬ ‫‪1.00‬‬ ‫‪4.00‬‬

‫‪Friedman Test‬‬
‫‪Ranks‬‬
‫‪Mean Rank‬‬
‫ﺑﻌﺪ ﻓﻀﺎﻫﺎي ورزﺷﻲ‬ ‫‪2.96‬‬
‫ﺑﻌﺪ ﺗﺠﻬﻴﺰات ورزﺷﻲ‬ ‫‪2.91‬‬
‫ﺑﻌﺪ ﻓﺮﻫﻨﮕﻲ اﺟﺘﻤﺎﻋﻲ‬ ‫‪2.88‬‬
‫ﺑﻌﺪ ﺑﻬﺪاﺷﺖ وﺳﻼﻣﺖ‬ ‫‪2.82‬‬
‫ﺑﻌﺪ اﻗﺘﺼﺎد ورزش‬ ‫‪3.42‬‬

‫‪Test Statisticsa‬‬
‫‪N‬‬ ‫‪1197‬‬
‫‪Chi-Square‬‬ ‫‪115.493‬‬
‫‪df‬‬ ‫‪4‬‬
‫‪Asymp. Sig.‬‬ ‫‪.000‬‬
‫‪a. Friedman Test‬‬

‫‪ -2‬آﻳﺎ ﻧﺘﺎﻳﺞ ﻣﻨﺪرج در ﺟﺪاول زﻳﺮ ﺗﻔﺎوت ﻣﻌﻨﺎداري را ﺑﻴﻦ ﻣﻴﺰان ﺗﻤﺎﺷﺎي ﺗﻠﻮﻳﺰﻳﻮن در ﺑﻴﻦ‬
‫ﺷﻬﺮوﻧﺪان زن و ﻣﺮد ﻧﺸﺎن ﻣﻲدﻫﺪ؟ ﻧﺘﺎﻳﺞ ﺣﺎﺻﻠﻪ را ﺗﻔﺴﻴﺮ ﻛﻨﻴﺪ‪.‬‬
‫درس ﭼﻬﺎردﻫﻢ – روﺷﻬﺎي ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﻣﺘﻐﻴﺮﻫﺎي رﺗﺒﻪاي ‪195 ‬‬

‫‪Ranks‬‬
‫ﺟﻨﺴﻴﺖ‬ ‫‪N‬‬ ‫‪Mean Rank‬‬ ‫‪Sum of Ranks‬‬
‫ﻣﻴﺰان ﺗﻤﺎﺷﺎي ﺗﻠﻮﻳﺰﻳﻮن‬ ‫زن‬ ‫‪612‬‬ ‫‪641.90‬‬ ‫‪392845.50‬‬
‫ﻣﺮد‬ ‫‪582‬‬ ‫‪550.81‬‬ ‫‪320569.50‬‬
‫‪Total‬‬ ‫‪1194‬‬

‫‪Test Statisticsa‬‬
‫ﻣﻴﺰان ﺗﻤﺎﺷﺎي‬
‫‪Mann-Whitney U‬‬ ‫‪150916.500‬‬
‫‪Wilcoxon W‬‬ ‫‪320569.500‬‬
‫‪Z‬‬ ‫‪-4.664‬‬
‫‪Asymp. Sig. (2-‬‬
‫)‪tailed‬‬ ‫‪.000‬‬

‫‪a. Grouping Variable:‬ﺟﻨﺴﻴﺖ‬

‫‪ -3‬آﻳﺎ ﻧﺘﺎﻳﺞ ﻣﻨﺪرج در ﺟﺪاول زﻳﺮ ﺗﻔﺎوت ﻣﻌﻨﺎداري را ﺑﻴﻦ ﻣﻴـﺰان ﺗﺤـﺮك ﺑـﺪﻧﻲ ﺷـﺎﻏﻠﻴﻦ‬
‫ﻣﻨﺎﻃﻖ ﻣﺨﺘﻠﻒ ﺷﻬﺮ ﻧﺸﺎن ﻣﻲدﻫﺪ؟ ﻧﺘﺎﻳﺞ ﺣﺎﺻﻠﻪ را ﺗﻔﺴﻴﺮ ﻛﻨﻴﺪ‪.‬‬

‫‪Ranks‬‬
‫ﻣﻨﺎﻃﻖ ﺷﻬﺮي‬ ‫‪N‬‬ ‫‪Mean Rank‬‬
‫ﻣﻴﺰان ﺗﺤﺮك ﺑﺪﻧﻲ درﺷﻐﻞ‬ ‫ﺷﻤﺎل‬ ‫‪78‬‬ ‫‪222.15‬‬
‫ﺷﺮق‬ ‫‪60‬‬ ‫‪221.52‬‬
‫ﻏﺮب‬ ‫‪48‬‬ ‫‪141.12‬‬
‫ﻣﺮﻛﺰ‬ ‫‪102‬‬ ‫‪161.49‬‬
‫ﺟﻨﻮب‬ ‫‪96‬‬ ‫‪208.91‬‬
‫‪Total‬‬ ‫‪384‬‬
 ‫‪  196‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪Test Statisticsa,b‬‬
‫ﻣﻴﺰان ﺗﺤﺮك ﺑﺪﻧﻲ درﺷﻐﻞ‬
‫‪Chi-Square‬‬ ‫‪31.485‬‬
‫‪df‬‬ ‫‪4‬‬
‫‪Asymp. Sig.‬‬ ‫‪.000‬‬
‫‪a. Kruskal Wallis Test‬‬
‫‪ b. Grouping Variable:‬ﻣﻨﺎﻃﻖ ﺷﻬﺮي‬

‫‪ -4‬ﺑﺮاﺳﺎس دادهﻫﺎي ﻓﺎﻳﻞ ‪، GSS subset.sav‬‬

‫اﻟﻒ‪ -‬آﻳﺎ ﺑﻴﻦ ﺗﺤﺼﻴﻼت ﭘﺪر )‪ (padeg‬ﺑﺮﺣﺴﺐ ﻧﮋاد )‪ (Race‬ﺗﻔـﺎوت ﻣﻌﻨـﺎداري وﺟـﻮد‬
‫دارد؟‬
‫ب‪ -‬آﻳﺎ ﺑﻴﻦ ﺗﺤﺼﻴﻼت )‪ (Educ‬زﻧﺎن و ﻣﺮدان‪ ،‬ﺗﻔﺎوت ﻣﻌﻨﺎداري وﺟﻮد دارد؟‬
‫ج‪ -‬آﻳﺎ ﺑـﻴﻦ ﺗﺤﺼـﻴﻼت ﭘـﺪران )‪ (padeg‬و ﻣـﺎدران )‪ (madeg‬اﻋﻀـﺎي ﻧﻤﻮﻧـﻪ ﺗﻔـﺎوت‬
‫ﻣﻌﻨﺎداري وﺟﻮد دارد؟‬
 ‫درس ﭘﺎﻧﺰدﻫﻢ‬
‫آزﻣﻮن ﻣﻨﺎﺳﺐ ﺑﺮاي‬
‫ﺗﻌﻴﻴﻦ ﺟﻬﺖ و ﺷﺪت ﺗﺄﺛﻴﺮ ﻣﺘﻐﻴﺮ ﻣﺴﺘﻘﻞ ﺑﺮ واﺑﺴﺘﻪ‬

‫در ﭘﺎﻳﺎن اﻳﻦ درس اﻧﺘﻈﺎر ﻣﻲرود داﻧﺸﺠﻮ‬

‫‪ -1‬ﻣﻮارد ﻛﺎرﺑﺮد رﮔﺮﺳﻴﻮن ﭼﻨﺪﮔﺎﻧﻪ را ﺷﻨﺎﺳﺎﻳﻲ و ﻣﻔﺮوﺿﺎت آن را ﺑﺪاﻧﺪ‪.‬‬
‫‪ -2‬ﺑﺘﻮاﻧﺪ ﻧﺘﺎﻳﺞ ﻣﺮﺑﻮط ﺑﻪ ﻣﻌﻨﺎداري رﮔﺮﺳﻴﻮن ﭼﻨﺪﮔﺎﻧﻪ را ﺗﻔﺴﻴﺮ ﻛﻨﺪ‪.‬‬
‫‪ -3‬ﺑﺘﻮاﻧﺪ ﺟﻬﺖ و ﺷﺪت ﺿﺮاﻳﺐ ﺗﺄﺛﻴﺮ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ را ﺗﻔﺴﻴﺮ ﻛﻨﺪ‪.‬‬
‫‪ -4‬ﺑﺘﻮاﻧﺪ ﺷﺪت ﺗﺄﺛﻴﺮ ﻣﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ را ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﻣﻘﺎﻳﺴﻪ ﻛﻨﺪ‪.‬‬
‫‪ -5‬ﺗﻮاﻧﺎﻳﻲ ﺑﺮرﺳﻲ ﻣﻔﺮوﺿﺎت رﮔﺮﺳﻴﻮن ﭼﻨﺪﮔﺎﻧﻪ را داﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬
 ‫‪  198‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫‪ -1‬ﻣﻘﺪﻣﻪ‬
‫اﮔﺮ در ﺟﺮﻳﺎن ﺗﺤﻘﻴﻘﻲ ﺑﺨﻮاﻫﻴﺪ ﺟﻬﺖ و ﺷﺪت ﺗﺄﺛﻴﺮ ﻳﻚ ﻳﺎ ﭼﻨﺪ ﻣﺘﻐﻴﺮ ﻣﺴﺘﻘﻞ را ﺑﺮ ﻳﻚ ﻳﺎ‬
‫ﭼﻨﺪ ﻣﺘﻐﻴﺮ ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ ﺑﺮرﺳﻲ ﻛﻨﻴﺪ و ﻧﻬﺎﻳﺘﺎً ﺑﻪ ﻣﻌﺎدﻟﻪاي ﺑﺮاي ﭘﻴﺶﺑﻴﻨﻲ ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ ﺑﺮﺳﻴﺪ‪،‬‬
‫ﺑﺎﻳﺪ از آزﻣﻮن رﮔﺮﺳﻴﻮن اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪ .‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻌﺪاد ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ‪ ،‬رﮔﺮﺳﻴﻮن اﻧﻮاع ﻣﺨﺘﻠﻔﻲ‬
‫ﭘﻴﺪا ﻣﻲﻛﻨﺪ ﻛﻪ در اﻳﻨﺠﺎ ﺑﻪ اﺧﺘﺼﺎر ﻣﻌﺮﻓﻲ ﻣﻲﺷﻮد‪.‬‬
‫‪ -‬اﮔﺮ ﺗﻌﺪاد ﻣﺘﻐﻴﺮﻫﺎي واﺑﺴﺘﻪ در ﻓﺮﺿﻴﻪ ﺑﻴﺶ از ﻳﻚ ﻣﻮرد ﺑﺎﺷﺪ‪ ،‬ﺑﺎﻳﺪ از رﮔﺮﺳﻴﻮن ﭼﻨﺪ‬
‫ﻣﺘﻐﻴﺮي‪ 1‬اﺳﺘﻔﺎده ﻛﺮد‪.‬‬
‫‪2‬‬
‫‪ -‬اﮔﺮ ﺗﻌﺪاد ﻣﺘﻐﻴﺮﻫﺎي واﺑﺴﺘﻪ در ﻓﺮﺿﻴﻪ ﺗﻨﻬﺎ ﻳﻚ ﻣﻮرد ﺑﺎﺷﺪ‪ ،‬ﺑﺎﻳﺪ از رﮔﺮﺳﻴﻮن ﭼﻨﺪﮔﺎﻧﻪ‬
‫اﺳﺘﻔﺎده ﻛﺮد‪.‬‬
‫رﮔﺮﺳﻴﻮن ﭼﻨﺪﮔﺎﻧﻪ ﻧﻴﺰ ﺑﺮاﺳﺎس ﺳﻄﺢ ﺳﻨﺠﺶ ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ‪ ،‬ﺑﻪ اﻧﻮاع ﻣﺘﻌﺪدي ﺗﻘﺴﻴﻢ ﻣﻲﺷﻮد‬
‫ﻛﻪ ﻋﺒﺎرﺗﻨﺪ از‪:‬‬
‫اﻟﻒ‪ -‬رﮔﺮﺳﻴﻮن ﺧﻄﻲ‪ 3‬و ﻏﻴﺮﺧﻄﻲ‪) 4‬وﻳﮋه ﻣﺘﻐﻴﺮﻫﺎي واﺑﺴﺘﻪاي ﻛﻪ در ﺳﻄﺢ ﺳﻨﺠﺶ‬
‫‪5‬‬
‫ﻓﺎﺻﻠﻪاي ﻳﺎ ﻧﺴﺒﻲ ﻫﺴﺘﻨﺪ(‬
‫ب‪ -‬رﮔﺮﺳﻴﻮن ﻟﺠﺴﺘﻴﻚ‪) 6‬وﻳﮋه ﻣﺘﻐﻴﺮﻫﺎي واﺑﺴﺘﻪاي ﻛﻪ اﺳﻤﻲ دو ﻣﻘﻮﻟﻪاي ﻫﺴﺘﻨﺪ(‪.‬‬
‫ج‪ -‬رﮔﺮﺳﻴﻮن اﺳﻤﻲ ﭼﻨﺪ ﻣﻘﻮﻟﻪاي‪) 7‬وﻳﮋه ﻣﺘﻐﻴﺮﻫﺎي واﺑﺴﺘﻪاي ﻛﻪ اﺳﻤﻲ ﭼﻨﺪ ﻣﻘﻮﻟﻪاي‬
‫ﻫﺴﺘﻨﺪ(‪.‬‬
‫د‪ -‬رﮔﺮﺳﻴﻮن رﺗﺒﻪاي‪) 8‬وﻳﮋه ﻣﺘﻐﻴﺮﻫﺎي واﺑﺴﺘﻪ اي ﻛﻪ ﺳﻄﺢ ﺳﻨﺠﺶ رﺗﺒﻪاي دارﻧﺪ(‪.‬‬
‫در اﻳﻦ ﺑﺨﺶ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻫﺪاف ﺗﻌﻴﻴﻦ ﺷﺪه ﻛﺘﺎب‪ ،‬ﺻﺮﻓﺎً رﮔﺮﺳﻴﻮن ﭼﻨﺪﮔﺎﻧﻪ ﺧﻄﻲ ﺗﻮﺿﻴﺢ‬
‫داده ﻣﻲﺷﻮد‪.9‬‬

‫‪1-Multivariate Regression‬‬
‫‪2 -Multiple Regression‬‬
‫‪3 -Linear‬‬
‫‪4 -Nonlinear‬‬
‫‪ -5‬اﮔﺮ ﭼﻪ اﻳﻦ آزﻣﻮن ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤ‪‬ﻲ )ﻓﺎﺻﻠﻪاي و ﻧﺴﺒﻲ ( اﺳﺖ‪ ،‬اﻣﺎ ﻣﻲﺗﻮان ﺑﺎ دو وﺟﻬﻲ ﻧﻤﻮدن ﻣﺘﻐﻴﺮﻫـﺎي‬
‫ﻛﻴﻔﻲ )اﺳﻤﻲ و رﺗﺒﻪاي( و ﻳﺎ ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﻛﻪ ﺧﻮد ﻛﻴﻔﻲ و دو وﺟﻬﻲ ﻫﺴﺘﻨﺪ )ﻣﺜﻞ ﺟﻨﺴﻴﺖ(‪ ،‬از اﻳـﻦ آزﻣـﻮن اﺳـﺘﻔﺎده‬
‫ﻛﺮد‪.‬‬
‫‪6 -Logistic‬‬
‫‪7 -Multinomial‬‬
‫‪8 -Ordinal‬‬
‫‪ -1‬ﻣﻔﺮوﺿﺎت رﮔﺮﺳﻴﻮن ﭼﻨﺪﮔﺎﻧﻪ ﺧﻄﻲ ﻋﺒﺎرﺗﺴﺖ از‪:‬‬
‫درس ﭘﺎﻧﺰدﻫﻢ – آزﻣﻮن ﻣﻨﺎﺳﺐ ﺑﺮاي ﺗﻌﻴﻴﻦ ﺟﻬﺖ و ﺷﺪت ﺗﺄﺛﻴﺮ ﻣﺘﻐﻴﺮ ﻣﺴﺘﻘﻞ ﺑﺮ واﺑﺴﺘﻪ ‪199 ‬‬

‫‪ -2‬رﮔﺮﺳﻴﻮن ﭼﻨﺪﮔﺎﻧﻪ ﺧﻄﻲ‬

‫اﮔﺮ ﺑﺨﻮاﻫﻴﺪ ﺑﻪ اﻳﻦ ﺳﺆال ﭘﺎﺳﺦ دﻫﻴﺪ ﻛﻪ "ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام‪ ،‬ﺗﺠﺮﺑﻴﺎت ﻗﺒﻠﻲ و ﺳﻄﺢ‬
‫ﺗﺤﺼﻴﻼت ﺗﺎ ﭼﻪ اﻧﺪازه ﺑﺮ ﻣﻴﺰان ﺣﻘﻮق ﻓﻌﻠﻲ ﻛﺎرﻣﻨﺪان ﺗﺄﺛﻴﺮ دارد؟"‪ ،‬ﺑﻪ دﻻﻳﻠﻲ ﻛﻪ ﭘﻴﺶ از اﻳﻦ‬
‫ﮔﻔﺘﻪ ﺷﺪ‪ ،‬ﺑﺎﻳﺪ از رﮔﺮﺳﻴﻮن ﭼﻨﺪﮔﺎﻧﻪ ﺧﻄﻲ ﺑﻪ ﺷﻴﻮه زﻳﺮ اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪.‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ ( 75‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن رﮔﺮﺳﻴﻮن ﭼﻨﺪﮔﺎﻧﻪ ﺧﻄﻲ)ﻣﺮﺣﻠﻪ ‪(1‬‬

‫‪3‬‬
‫‪1‬‬
‫‪ -4‬ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ ﻛﻤ‪‬ﻲ را‬
‫در اﻳﻦ ﻗﺴﻤﺖ وارد ﻛﻨﻴﺪ‬

‫‪2‬‬

‫‪-5‬ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ ﻛﻤ‪‬ﻲ ﻳﺎ‬

‫‪-5‬روش ﻣﻮرد ﻧﻈﺮ را در‬
‫ﻛﻴﻔﻲ دو ﻣﻘﻮﻟﻪ اي را در اﻳﻦ‬
‫اﻳﻦ ﻗﺴﻤﺖ وارد ﻛﻨﻴﺪ‬
‫ﻗﺴﻤﺖ وارد ﻛﻨﻴﺪ‬

‫ﺑﺮاي اﻧﺠﺎم رﮔﺮﺳﻴﻮن ﭼﻨﺪﮔﺎﻧﻪ ﺧﻄﻲ‪ ،‬روشﻫﺎي ﻣﺨﺘﻠﻔﻲ ﺑﺮاي ورود ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ ﺑﻪ‬
‫ﻣﻌﺎدﻟﻪ وﺟﻮد دارد ﻛﻪ از آن ﺟﻤﻠﻪ ﻣﻲﺗﻮان ﺑﻪ روشﻫﺎي ﺟﺒﺮي‪ ،1‬ﮔﺎمﺑﻪﮔﺎم‪ ،2‬ﭘﻴﺶروﻧﺪه‪،3‬‬

‫‪ -‬ﻣﺘﻐﻴﺮ ﻳﺎ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ ﺑﺎ ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ راﺑﻄﻪ ﺧﻄﻲ داﺷﺘﻪ ﺑﺎﺷﻨﺪ‪.‬‬

‫‪ -‬وارﻳﺎﻧﺲ ﻋﺒﺎرت ﺧﻄﺎ در ﺗﻤﺎم ﻣﻮارد ﺛﺎﺑﺖ ﺑﺎﺷﺪ‪.‬‬
‫‪ -‬ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ ﻣﻘﺎدﻳﺮ ﺑﺎﻗﻲﻣﺎﻧﺪه ﺑﺎﻳﺪ از ﺷﻜﻞ ﻧﺮﻣﺎل ﺑﺮﺧﻮردار ﺑﺎﺷﺪ‪.‬‬
‫‪ -‬ﺑﺎﻗﻲﻣﺎﻧﺪهﻫﺎ ﻧﺒﺎﻳﺪ واﺑﺴﺘﻪ ﺑﻪ ﻫﻢ ﺑﺎﺷﻨﺪ‬
‫‪ -‬ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ راﺑﻄﻪ ﻫﻢﺧﻄﻲ وﺟﻮد ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬

‫‪1 -Enter‬‬
‫‪2 - Stepwise‬‬
‫‪3 - Forward‬‬
 ‫‪  200‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﭘﺲروﻧﺪه‪ 1‬اﺷﺎره ﻛﺮد‪ .‬در روش ﺟﺒﺮي ﺗﻤﺎﻣﻲ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ وارد ﻣﻌﺎدﻟﻪ ﻣﻲﺷﻮد‪ .‬در روش‬
‫ﮔﺎمﺑﻪﮔﺎم در ﻫﺮ ﻣﺮﺣﻠﻪ ﻳﻜﻲ از ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ )ﺑﺮ ﺣﺴﺐ ﺷﺪت ﺗﺄﺛﻴﺮ ﺧﺎﻟﺺ و ﻧﻴﺰ ﻣﻌﻨﺎداري(‬
‫وارد ﻣﻌﺎدﻟﻪ ﻣﻲﺷﻮد‪ .‬اﻳﻦ ﻛﺎر ﺗﺎ ورود آﺧﺮﻳﻦ ﻣﺘﻐﻴﺮي ﻛﻪ ﺗﺄﺛﻴﺮ ﻣﻌﻨﺎدار ﺑﺮ ﺿﺮﻳﺐ ﺗﻌﻴﻴﻦ داﺷﺘﻪ‬
‫ﺑﺎﺷﺪ اداﻣﻪ ﻣﻲﻳﺎﺑﺪ‪ .‬در روش ﭘﻴﺶروﻧﺪه ﻧﻴﺰ ﻫﻤﺎﻧﻨﺪ روش ﮔﺎمﺑﻪﮔﺎم ﻣﻼك ورود ﻣﺘﻐﻴﺮ ﻣﺴﺘﻘﻞ ﺑﻪ‬
‫ﻣﻌﺎدﻟﻪ‪ ،‬داﺷﺘﻦ ﺑﻴﺸﺘﺮ ﺗﺄﺛﻴﺮ ﻣﻌﻨﺎدار اﺳﺖ‪ .‬ﺑﺎ اﻳﻦ ﺗﻔﺎوت ﻛﻪ در روش ﮔﺎمﺑﻪﮔﺎم اﺛﺮات ﺧﺎﻟﺺ‬
‫ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ ﭘﺲ از ورود ﺑﻪ ﻣﻌﺎدﻟﻪ ﻣﺠﺪداً ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار ﻣﻲﮔﻴﺮد اﻣﺎ در روش‬
‫ﭘﻴﺸﺮوﻧﺪه اﻳﻦ ﻛﺎر ﺻﻮرت ﻧﻤﻲﮔﻴﺮد‪ .‬اﻣﺎ ﻣﺒﻨﺎي ورود ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ در روش ﺣﺬف‬
‫ﭘﺲروﻧﺪه ﭼﻨﺎن اﺳﺖ ﻛﻪ اﺑﺘﺪا ﺗﻤﺎﻣﻲ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ وارد ﻣﻌﺎدﻟﻪ ﻣﻲﺷﻮﻧﺪ‪ ،‬ﺳﭙﺲ اﺛﺮات‬
‫ﺧﺎﻟﺺ ﻳﺎ ﺗﻮاﻣﺎن ﺗﻤﺎﻣﻲ آﻧﻬﺎ ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار ﻣﻲﮔﻴﺮد‪ .‬آﻧﮕﺎه ﻣﺘﻐﻴﺮي ﻛﻪ ﺣﺬف آن ﻛﻤﺘﺮﻳﻦ‬
‫ﻛﺎﻫﺶ ﻏﻴﺮﻣﻌﻨﺎدار را در ﺿﺮﻳﺐ ﺗﻌﻴﻴﻦ داﺷﺘﻪ ﺑﺎﺷﺪ‪ ،‬از ﻣﻌﺎدﻟﻪ ﺣﺬف ﻣﻲﺷﻮد‪ .‬اﻳﻦ ﻛﺎر ﺗﺎ ﺣﺬف‬
‫آﺧﺮﻳﻦ ﻣﺘﻐﻴﺮ ﺿﻌﻴﻒ اداﻣﻪ ﻣﻲﻳﺎﺑﺪ‪ .‬ﺑﺮاي ﺑﺮرﺳﻲ ﻣﻔﺮوﺿﺎت رﮔﺮﺳﻴﻮن در زﻣﻴﻨﻪ ﺗﻮزﻳﻊ‬
‫ﺑﺎﻗﻲﻣﺎﻧﺪهﻫﺎ‪ ،‬ﺑﺎﻳﺪ دو ﮔﺰﻳﻨﻪ زﻳﺮ را ﻫﻤﺎﻧﻨﺪ ﺗﺼﻮﻳﺮ زﻳﺮ ﻓﻌﺎل ﻛﻨﻴﺪ‪.‬‬
‫ﺷﻜﻞ ﺷﻤﺎره )‪ (76‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن رﮔﺮﺳﻴﻮن ﭼﻨﺪﮔﺎﻧﻪ ﺧﻄﻲ )ﻣﺮﺣﻠﻪ ‪(2‬‬

‫از ﻣﺘﻐﻴﺮﻫــﺎي اﺳــﺘﺎﻧﺪارد ﺷــﺪهي ﺑــﺎﻗﻲﻣﺎﻧــﺪه و‬

‫ﭘﻴﺶﺑﻴﻨﻲ ﺷﺪه‪ ،‬ﻧﻤﻮدار ﭘﺮاﻛﻨﺶ ﺗﻬﻴﻪ ﻛﻨﻴـﺪ‪ .‬ﻧﺒـﻮد‬
‫ﻫﻤﺒﺴﺘﮕﻲ در اﻳﻦ ﻧﻤﻮدار ﻧﺸـﺎﻧﻪ رﻋﺎﻳـﺖ ﭘـﻴﺶ‪-‬‬
‫ﻓﺮض ﺧﻄﻲ ﺑﻮدن ﻣﺪل اﺳﺖ‪.‬‬

‫اﻳﻦ دو ﮔﺰﻳﻨﻪ را ﺑﺮاي ﺑﺮرﺳﻲ ﻣﻔﺮوﺿﺎت ﻣﺮﺑﻮط‬

‫ﺑﻪ ﺗﻮزﻳﻊ ﺑﺎﻗﻲﻣﺎﻧﺪهﻫﺎ ي رﮔﺮﺳﻴﻮن اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪.‬‬

‫ﺑﻌﺪ از آن آﻣﺎره دورﺑﻴﻦ واﺗﺴﻮن را ﺑﺮاي ﺑﺮرﺳﻲ ﭘﻴﺶﻓﺮض اﺳﺘﻘﻼل ﺑـﺎﻗﻲﻣﺎﻧـﺪهﻫـﺎ ﻣﻄـﺎﺑﻖ‬
‫ﺗﺼﻮﻳﺮ زﻳﺮ اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪.‬‬

‫‪1 - Backward‬‬
‫درس ﭘﺎﻧﺰدﻫﻢ – آزﻣﻮن ﻣﻨﺎﺳﺐ ﺑﺮاي ﺗﻌﻴﻴﻦ ﺟﻬﺖ و ﺷﺪت ﺗﺄﺛﻴﺮ ﻣﺘﻐﻴﺮ ﻣﺴﺘﻘﻞ ﺑﺮ واﺑﺴﺘﻪ ‪201 ‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (77‬ﺷﻴﻮه اﺟﺮاي آزﻣﻮن رﮔﺮﺳﻴﻮن ﭼﻨﺪﮔﺎﻧﻪ ﺧﻄﻲ )ﻣﺮﺣﻠﻪ ‪(3‬‬

‫آﻣﺎره دورﺑﻴﻦ واﺗﺴﻮن را‬

‫ﺑﺮاي ﺑﺮرﺳﻲ ﭘﻴﺸﻔﺮض‬
‫اﺳﺘﻘﻼل ﺑﺎﻗﻴﻤﺎﻧﺪه ﻫﺎ‬

‫ﺟﺪول ﺷﻤﺎره )‪ (66‬ﻣﻌﺮﻓﻲ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ و واﺑﺴﺘﻪ و روش ﺑﻜﺎرﮔﺮﻓﺘﻪ ﺷﺪه در اﻧﺠﺎم رﮔﺮﺳﻴﻮن‬

‫‪Variables Entered/Removeda‬‬
‫‪Variables‬‬
‫‪Model‬‬ ‫‪Variables Entered‬‬ ‫‪Removed‬‬ ‫‪Method‬‬
‫‪1‬‬ ‫=< ‪Stepwise (Criteria: Probability-of-F-to-enter‬‬
‫‪Beginning Salary‬‬ ‫‪.‬‬ ‫‪.050, Probability-of-F-to-remove >= .100).‬‬
‫‪2‬‬ ‫‪Previous Experience‬‬ ‫=< ‪Stepwise (Criteria: Probability-of-F-to-enter‬‬
‫)‪(months‬‬ ‫‪.‬‬ ‫‪.050, Probability-of-F-to-remove >= .100).‬‬
‫‪3‬‬ ‫‪Educational Level‬‬ ‫=< ‪Stepwise (Criteria: Probability-of-F-to-enter‬‬
‫)‪(years‬‬ ‫‪.‬‬ ‫‪.050, Probability-of-F-to-remove >= .100).‬‬
‫‪a. Dependent Variable: Current Salary‬‬

‫ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد اﻳﻦ ﺟﺪول ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ وارد ﺷﺪه ﺑﻪ ﻣﺪل رﮔﺮﺳﻴﻮن را‬
‫در ﻣﺮاﺣﻞ ﻣﺨﺘﻠﻒ ﻧﺸﺎن ﻣﻲدﻫﺪ‪ .‬ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ‪" ،‬ﺣﻘﻮق ﻓﻌﻠﻲ" اﺳﺖ و ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ ﺑﻪ‬
‫ﺗﺮﺗﻴﺐ ورود ﺑﻪ ﻣﻌﺎدﻟﻪ ﻋﺒﺎرﺗﻨﺪاز‪" :‬ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام"‪" ،‬ﺗﺠﺮﺑﻴﺎت ﻗﺒﻠﻲ"‪" ،‬ﺳﻄﺢ‬
‫ﺗﺤﺼﻴﻼت"‪ .‬ﺳﺘﻮن ﭼﻬﺎرم روش اﻧﺠﺎم رﮔﺮﺳﻴﻮن را ﺑﻪ ﺷﻴﻮه ﮔﺎمﺑﻪﮔﺎم )‪ (Stepwise‬ﻣﻌﺮﻓﻲ‬
‫ﻣﻲﻛﻨﺪ‪. 1‬‬

‫‪ -1‬در اﻳﻦ روش ﻛﻠﻴﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ ﺑﻴﺮون از ﻣﻌﺎدﻟﻪ ﻗﺮار دارﻧﺪ و ﻫﺮ ﻳﻚ ﻛﻪ ﺗﺄﺛﻴﺮ ﺑﻴﺸﺘﺮ و ﻣﻌﻨـﺎدارﺗﺮي داﺷـﺘﻪ‬
‫ﺑﺎﺷﻨﺪ‪ ،‬وارد ﻣﻌﺎدﻟﻪ ﻣﻲﺷﻮد‪.‬‬
 ‫‪  202‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (67‬ﺿﺮاﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ و ﺗﻌﻴﻴﻦ در ﮔﺎمﻫﺎي ﻣﺨﺘﻠﻒ‬

‫ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ‬ ‫ﺿﺮﻳﺐ ﺗﻌﻴﻴﻦ‬ ‫ﺿﺮﻳﺐ ﺗﻌﻴﻴﻦ ﺗﺼﺤﻴﺢ ﺷﺪه‬ ‫ﺧﻄﺎي ﺑﺮآورد‬ ‫آﻣــــﺎره دورﺑــــﻴﻦ ‪-‬‬
‫‪d‬‬
‫‪Model Summary‬‬
‫‪Model‬‬ ‫‪R‬‬ ‫‪R Square‬‬ ‫‪Adjusted R Square Std. Error of the Estimate‬‬ ‫‪Durbin-Watson‬‬
‫‪a‬‬
‫‪1‬‬ ‫‪.880‬‬ ‫‪.775‬‬ ‫‪.774‬‬ ‫‪$8,115.356‬‬
‫‪2‬‬ ‫‪.891b‬‬ ‫‪.793‬‬ ‫‪.793‬‬ ‫‪$7,776.652‬‬
‫‪3‬‬ ‫‪.895c‬‬ ‫‪.802‬‬ ‫‪.800‬‬ ‫‪$7,631.917‬‬ ‫‪1.832‬‬
‫‪a. Predictors: (Constant), Beginning Salary‬‬
‫)‪b. Predictors: (Constant), Beginning Salary, Previous Experience (months‬‬
‫‪c. Predictors: (Constant), Beginning Salary, Previous Experience (months), Educational Level‬‬
‫)‪(years‬‬

‫ﻣﻘﺎﻳﺴﻪ ﮔﺎمﺑﻪﮔﺎم ﻧﺘﺎﻳﺞ ﺟﺪول ﻓﻮق ﻧﺸﺎن ﻣﻲدﻫﺪ ﻋﻤﻠﻴﺎت رﮔﺮﺳﻴﻮن ﺗﺎ ﺳﻪ ﻣﺮﺣﻠﻪ اﻧﺠﺎم‬
‫ﺷﺪه اﺳﺖ و ﻣﻴﺰان ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﭼﻨﺪﮔﺎﻧﻪ و ﺿﺮﻳﺐ ﺗﻌﻴﻴﻦ در ﻫﺮ ﻣﺮﺣﻠﻪ ﻧﺴﺒﺖ ﺑﻪ ﻣﺮﺣﻠﻪ‬
‫ﻗﺒﻞ اﻓﺰاﻳﺶ ﻣﻌﻨﺎداري داﺷﺘﻪ و ﺧﻄﺎي ﺑﺮآورد در ﻣﺮاﺣﻞ ﭘﺎﻳﺎﻧﻲ در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﻣﺮﺣﻠﻪ اول ﻛﺎﻫﺶ‬
‫ﻣﻌﻨﺎدار داﺷﺘﻪ اﺳﺖ‪ .‬ﺑﺮرﺳﻲ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﻫﺮ ﺳﻪ ﻣﺘﻐﻴﺮ ﻣﻮرد ﺑﺮرﺳﻲ‬
‫)ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام‪ ،‬ﺗﺠﺮﺑﻴﺎت ﻗﺒﻠﻲ و ﺳﻄﺢ ﺗﺤﺼﻴﻼت( ﻧﻘﺶ ﺗﻌﻴﻴﻦﻛﻨﻨﺪهاي در ﺗﺒﻴﻴﻦ ﻣﺘﻐﻴﺮ‬
‫واﺑﺴﺘﻪ )ﺣﻘﻮق ﻓﻌﻠﻲ( دارﻧﺪ‪ .‬ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد اﻳﻦ ﺳﻪ ﻣﺘﻐﻴﺮ ﺑﻪ ﻣﻴﺰان ) ‪( = 0/89‬‬
‫‪r‬ﺑﺎ ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ ﻫﻤﺒﺴﺘﮕﻲ دارﻧﺪ‪ .‬ﺿﺮﻳﺐ ﺗﻌﻴﻴﻦ )‪ (R square‬ﺣﺎﺻﻠﻪ‪ ،‬ﻧﻴﺰ ﺑﻴﺎﻧﮕﺮ آن اﺳﺖ ﻛﻪ‬
‫‪ 80‬درﺻﺪ از ﺗﻐﻴﻴﺮات ﻣﻮﺟﻮد در ﺣﻘﻮق ﻓﻌﻠﻲ ﻛﺎرﻣﻨﺪان‪ ،‬ﺗﺎﺑﻊ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ ﻣﺰﺑﻮر اﺳﺖ‪.‬‬
‫از آﻧﺠﺎ ﻛﻪ ﻣﻘﺪار آﻣﺎره دورﺑﻴﻦ‪ -‬واﺗﺴﻮن ﺑﻪ ‪ 2‬ﻧﺰدﻳﻚ اﺳﺖ ﻣﻲﺗﻮان اﻃﻤﻴﻨﺎن داﺷﺖ ﻛﻪ‬
‫ﭘﻴﺶﻓﺮض اﺳﺘﻘﻼل ﺑﺎﻗﻲﻣﺎﻧﺪهﻫﺎ ﻧﻴﺰ در ﺗﺤﻠﻴﻞ رﮔﺮﺳﻴﻮﻧﻲ ﺣﺎﺿﺮ رﻋﺎﻳﺖ ﺷﺪه اﺳﺖ‪.‬‬
‫درس ﭘﺎﻧﺰدﻫﻢ – آزﻣﻮن ﻣﻨﺎﺳﺐ ﺑﺮاي ﺗﻌﻴﻴﻦ ﺟﻬﺖ و ﺷﺪت ﺗﺄﺛﻴﺮ ﻣﺘﻐﻴﺮ ﻣﺴﺘﻘﻞ ﺑﺮ واﺑﺴﺘﻪ ‪203 ‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (68‬ﻧﺘﺎﻳﺞ آزﻣﻮن ﻣﻌﻨﺎداري رﮔﺮﺳﻴﻮن در ﮔﺎمﻫﺎي ﻣﺨﺘﻠﻒ‬

‫ﻣﺠﻤــــــــــﻮع‬ ‫درﺟﻪ آزادي‬ ‫ﻣﻴـــــــــﺎﻧﮕﻴﻦ‬

‫‪ANOVAd‬‬
‫‪Model‬‬ ‫‪Sum of Squares df‬‬ ‫‪Mean Square‬‬ ‫‪F‬‬ ‫‪Sig.‬‬
‫‪1‬‬ ‫‪Regression‬‬ ‫‪1.068E11‬‬ ‫‪1‬‬ ‫‪1.068E11‬‬ ‫‪1622.118‬‬ ‫‪.000a‬‬
‫‪Residual‬‬ ‫‪3.109E10‬‬ ‫‪472 6.586E7‬‬
‫‪Total‬‬ ‫‪1.379E11‬‬ ‫‪473‬‬
‫‪2‬‬ ‫‪Regression‬‬ ‫‪1.094E11‬‬ ‫‪2 5.472E10‬‬ ‫‪904.752 .000b‬‬
‫‪Residual‬‬ ‫‪2.848E10‬‬ ‫‪471 6.048E7‬‬
‫‪Total‬‬ ‫‪1.379E11‬‬ ‫‪473‬‬
‫‪3‬‬ ‫‪Regression‬‬ ‫‪1.105E11‬‬ ‫‪3 3.685E10‬‬ ‫‪632.607 .000c‬‬
‫‪Residual‬‬ ‫‪2.738E10‬‬ ‫‪470 5.825E7‬‬
‫‪Total‬‬ ‫‪1.379E11‬‬ ‫‪473‬‬
‫‪a. Predictors: (Constant), Beginning Salary‬‬
‫‪b. Predictors: (Constant), Beginning Salary, Previous Experience‬‬
‫)‪(months‬‬
‫‪c. Predictors: (Constant), Beginning Salary, Previous Experience (months),‬‬
‫)‪Educational Level (years‬‬
‫‪d. Dependent Variable: Current Salary‬‬

‫ﺟﺪول ﻓﻮق ﺑﻪ ﺑﺮرﺳﻲ ﻣﻌﻨﺎداري ﻣﺪل رﮔﺮﺳﻴﻮﻧﻲ ﺑﻪ ﺗﻔﻜﻴﻚ ﻣﺮاﺣﻞ ﺳﻪﮔﺎﻧﻪ ﭘﺮداﺧﺘﻪ اﺳﺖ‪.‬‬
‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﻧﺴﺒﺖ ﻣﻴﺎﻧﮕﻴﻦ ﻣﺠﺬورات‪ ‬رﮔﺮﺳﻴﻮن ﺑﺮ ﺑﺎﻗﻲﻣﺎﻧﺪه‪ ،‬در ﻫﺮ ﺳﻪ‬
‫ﻣﺮﺣﻠﻪ ﺑﻪ ﻃﺮز ﻗﺎﺑﻞﺗﻮﺟﻬﻲ ﺑﺎﻻﺳﺖ )‪ .(F=632.607, sig=0.000‬ﻧﮕﺎﻫﻲ ﺑﻪ ﺳﻄﺢ ﻣﻌﻨﺎداري‬
‫ﻣﺪلﻫﺎ ﻧﻴﺰ ﺣﺎﻛﻲ از اﻳﻦ واﻗﻌﻴﺖ اﺳﺖ ﻛﻪ ﻣﺪلﻫﺎي رﮔﺮﺳﻴﻮﻧﻲ ﺑﻪ دﺳﺖ آﻣﺪه در ﻫﺮ ﺳﻪ ﻣﺮﺣﻠﻪ‬
‫ﺑﻪ ﻃﺮز ﻣﻌﻨﺎداري ﻗﺎﺑﻠﻴﺖ ﭘﻴﺶﺑﻴﻨﻲ ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ را دارد‪.‬‬
 ‫‪  204‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره)‪ (69‬ﻣﺘﻐﻴﺮﻫﺎي وارد ﺷﺪه در ﻣﻌﺎدﻟﻪ رﮔﺮﺳﻴﻮن و ﺿﺮاﻳﺐ ﺗﺄﺛﻴﺮ آﻧﻬﺎ در ﮔﺎمﻫﺎي‬
‫ﻣﺨﺘﻠﻒ‬
‫ﺿﺮﻳﺐ ﺗﺄﺛﻴﺮ اﺳﺘﺎﻧﺪارد‬
‫ﻣﻘﺪار ﺛﺎﺑﺖ‬ ‫ﺿﺮﻳﺐ ﺗﺄﺛﻴﺮ اﺳﺘﺎﻧﺪارد ﻧﺸﺪه‬ ‫ﺧﻄﺎي ﺿﺮﻳﺐ ﺗﺄﺛﻴﺮ اﺳﺘﺎﻧﺪارد‬
‫‪a‬‬
‫‪Coefficients‬‬
‫‪Unstandardized‬‬ ‫‪Standardized‬‬
‫‪Coefficients‬‬ ‫‪Coefficients‬‬
‫‪Model‬‬ ‫‪B‬‬ ‫‪Std. Error‬‬ ‫‪Beta‬‬ ‫‪t‬‬ ‫‪Sig.‬‬
‫‪1‬‬ ‫)‪(Constant‬‬ ‫‪1928.206‬‬ ‫‪888.680‬‬ ‫‪2.170‬‬ ‫‪.031‬‬
‫‪Beginning Salary‬‬ ‫‪1.909‬‬ ‫‪.047‬‬ ‫‪.880‬‬ ‫‪40.276‬‬ ‫‪.000‬‬
‫‪2‬‬ ‫)‪(Constant‬‬ ‫‪3850.718‬‬ ‫‪900.633‬‬ ‫‪4.276‬‬ ‫‪.000‬‬
‫‪Beginning Salary‬‬ ‫‪1.923‬‬ ‫‪.045‬‬ ‫‪.886‬‬ ‫‪42.283‬‬ ‫‪.000‬‬
‫‪Previous Experience‬‬
‫‪-22.445‬‬ ‫‪3.422‬‬ ‫‪-.137‬‬ ‫‪-6.558‬‬ ‫‪.000‬‬
‫)‪(months‬‬
‫)‪3 (Constant‬‬ ‫‪-3661.517‬‬ ‫‪1935.490‬‬ ‫‪-1.892‬‬ ‫‪.059‬‬
‫‪Beginning Salary‬‬ ‫‪1.749‬‬ ‫‪.060‬‬ ‫‪.806‬‬ ‫‪29.198‬‬ ‫‪.000‬‬
‫‪Previous Experience‬‬
‫‪-16.730‬‬ ‫‪3.605‬‬ ‫‪-.102‬‬ ‫‪-4.641‬‬ ‫‪.000‬‬
‫)‪(months‬‬
‫‪Educational Level‬‬
‫‪735.956‬‬ ‫‪168.689‬‬ ‫‪.124‬‬ ‫‪4.363‬‬ ‫‪.000‬‬
‫)‪(years‬‬
‫‪a. Dependent Variable: Current Salary‬‬

‫ﻧﺘﺎﻳﺞ ﻣﻨﺪرج در ﺟﺪول ﺑﺎﻻ ﺷﺪت و ﺟﻬﺖ ﺗـﺄﺛﻴﺮ ﻣﺘﻐﻴﺮﻫـﺎي ﻣﺴـﺘﻘﻞ را ﺑـﺮ واﺑﺴـﺘﻪ ﻧﺸـﺎن‬
‫ﻣﻲدﻫﺪ‪ .‬ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﻛﻠﻴﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ )ﺣﻘﻮق ﺑﺪو اﺳـﺘﺨﺪام‪ ،‬ﺗﺠﺮﺑﻴـﺎت‬
‫ﻗﺒﻠﻲ و ﺳﻄﺢ ﺗﺤﺼﻴﻼت( در ﻣﺮﺣﻠﻪ ﻧﻬﺎﻳﻲ )ﮔﺎم ﺳﻮم(‪ ،‬وارد ﻣﻌﺎدﻟﻪ رﮔﺮﺳﻴﻮن ﺷـﺪهاﻧـﺪ‪ .‬ﻣﻌﺎدﻟـﻪ‬
‫رﮔﺮﺳﻴﻮن ﺑﺮاي ﭘﻴﺶﺑﻴﻨﻲ ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ‪ ،‬ﺑﺮاﺳﺎس ﺿﺮاﻳﺐ اﺳﺘﺎﻧﺪارد ﻧﺸﺪه ﺑﻪ ﺷﺮح زﻳﺮ اﺳﺖ‪:‬‬
‫’‬
‫‪Y = -3661.517 +1.749 (Beginning Salary) – 16.73 (Previous Experience‬‬
‫))‪(months)) + 735.956 (Educational Level (years‬‬
‫ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﻣﻲﺗﻮان ﭘﻴﺶ ﺑﻴﻨﻲ ﻛﺮد ﻛﻪ اﮔﺮ ﻓﺮدي ﺣﻘـﻮق ﺑـﺪو اﺳـﺘﺨﺪاﻣﺶ ‪ 12000‬دﻻر‬
‫ﺑﺎﺷﺪ و ﺳﺎﺑﻘﻪ ﺷﻐﻠﻲ ‪ 36‬ﻣﺎﻫﻪ داﺷﺘﻪ ﺑﺎﺷﺪ و داراي ﺗﺤﺼﻴﻼﺗﻲ در ﺣﺪ ﻟﻴﺴﺎﻧﺲ )‪ 16‬ﺳﺎل ﺗﺤﺼﻴﻞ‬
‫ﻣﻮﻓﻘﻴﺖآﻣﻴﺰ( ﺑﺎﺷﺪ‪ ،‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻌﺎدﻟﻪ ﻓﻮق درآﻣﺪ ﻓﻌﻠـﻲ او ﺑـﺎﻟﻎ ﺑـﺮ ‪ 29704.059‬دﻻر ﺧﻮاﻫـﺪ‬
‫ﺷﺪ‪:‬‬
‫’‬
‫‪Y = -3661.517 +1.749 (12000) – 16.73 (36) + 735.956 (16)= 29704.059‬‬
‫درس ﭘﺎﻧﺰدﻫﻢ – آزﻣﻮن ﻣﻨﺎﺳﺐ ﺑﺮاي ﺗﻌﻴﻴﻦ ﺟﻬﺖ و ﺷﺪت ﺗﺄﺛﻴﺮ ﻣﺘﻐﻴﺮ ﻣﺴﺘﻘﻞ ﺑﺮ واﺑﺴﺘﻪ ‪205 ‬‬

‫ﻣﻌﺎدﻟﻪ رﮔﺮﺳﻴﻮن را ﺑﺮ ﺣﺴﺐ ﺿﺮاﻳﺐ اﺳﺘﺎﻧﺪارد ﺷﺪه ﺑﺘﺎ ‪ ‬ﻧﻴﺰ ﻣـﻲﺗـﻮان ﻧﻮﺷـﺖ‪ ،‬ﺑـﺎ اﻳـﻦ‬
‫ﺗﻔﺎوت ﻛﻪ ﺑﺮاي ﭘﻴﺶﺑﻴﻨﻲ ﻧﻤﺮه اﺳﺘﺎﻧﺪارد ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ‪ ،‬ﺑﺎﻳﺪ ﻧﻤﺮه اﺳﺘﺎﻧﺪارد ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ را‬
‫در اﻳﻦ ﻣﻌﺎدﻟﻪ ﻗﺮار داد‪.‬‬
‫‪zY’= 0.806 (Z Beginning Salary) – 0.102 (Z Previous Experience (months)) +‬‬
‫))‪ 0.124 (Z Educational Level (years‬ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻼﺣﻈﻪ ﻣـﻲﺷـﻮد ﻣﻘـﺪار ﺛﺎﺑـﺖ در ﻣﻌﺎدﻟـﻪ‬
‫رﮔﺮﺳﻴﻮن اﺳﺘﺎﻧﺪارد ﺻﻔﺮ اﺳﺖ‪ .‬ﻋﻼوه ﺑﺮ اﻳﻦ ﺿﺮاﻳﺐ اﺳﺘﺎﻧﺪارد ﺷﺪه ‪ ‬اﻣﻜﺎن دﻳﮕـﺮي ﻧﻴـﺰ در‬
‫اﺧﺘﻴﺎر ﻣﺤﻘﻖ ﻗﺮار ﻣﻲدﻫﺪ و آن ﻗﺎﺑﻠﻴﺖ ﻣﻘﺎﻳﺴﻪ ﺷﺪت ﺗﺄﺛﻴﺮ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ اﺳﺖ‪ .‬ﻫﻤﺎﻧﻄﻮر ﻛﻪ‬
‫ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام ﺑﻴﺸﺘﺮﻳﻦ ﺗﺄﺛﻴﺮ و ﺳﺎﺑﻘﻪ ﺧﺪﻣﺖ ﺑﻪ ﻣﺎه ﻛﻤﺘﺮﻳﻦ ﺗـﺄﺛﻴﺮ را ﺑـﺮ‬
‫ﺣﻘﻮق ﻓﻌﻠﻲ اﻓﺮاد ﻣﻲﮔﺬارد‪ .‬ﺑﺮرﺳﻲ ﺟﻬﺖ ﺗﺄﺛﻴﺮ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛـﻪ ﺑـﺎ ﺣﻘـﻮق‬
‫ﻓﻌﻠﻲ اﻓﺮاد‪ ،‬در ﺑﻴﻦ ﻛﺴﺎﻧﻲ ﻛﻪ ﺣﻘﻮق ﺑﺪو اﺳﺘﺨﺪام()‪  =0.806‬ﺷﺎن ﺑﻴﺸـﺘﺮ ﺑـﻮده و از ﺳـﻄﺢ‬
‫ﺗﺤﺼــﻴﻼت()‪  =0.124‬ﺑــﺎﻻﺗﺮي ﺑﺮﺧﻮردارﻧــﺪ ﺑﻴﺸــﺘﺮ اﺳــﺖ و در ﻣﻘﺎﺑــﻞ ﺳــﺎﺑﻘﻪ ﺧــﺪﻣﺖ(‬
‫)‪  =0.102‬ﺗﺄﺛﻴﺮ ﻣﻌﻜﻮس ﺑﺮ درآﻣﺪ ﻓﻌﻠﻲ اﻓﺮاد دارد‪.‬‬
‫ﺟﺪول ﺷﻤﺎره )‪ (70‬ﻣﺘﻐﻴﺮﻫﺎي ﺧﺎرج ﺷﺪه از ﻣﻌﺎدﻟﻪ رﮔﺮﺳﻴﻮن‬

‫‪Excluded Variablesc‬‬
‫‪Collinearity‬‬
‫‪Partial‬‬ ‫‪Statistics‬‬
‫‪Model‬‬ ‫‪Beta In‬‬ ‫‪t‬‬ ‫‪Sig. Correlation‬‬ ‫‪Tolerance‬‬
‫‪1 Previous Experience‬‬
‫‪-.137a‬‬ ‫‪-6.558 .000‬‬ ‫‪-.289‬‬ ‫‪.998‬‬
‫)‪(months‬‬
‫‪Educational Level (years) .172a‬‬ ‫‪6.356 .000‬‬ ‫‪.281‬‬ ‫‪.599‬‬
‫‪b‬‬
‫‪2 Educational Level (years) .124‬‬ ‫‪4.363 .000‬‬ ‫‪.197‬‬ ‫‪.520‬‬
‫‪a. Predictors in the Model: (Constant), Beginning‬‬
‫‪Salary‬‬
‫‪b. Predictors in the Model: (Constant), Beginning Salary, Previous‬‬
‫)‪Experience (months‬‬
‫‪c. Dependent Variable: Current Salary‬‬

‫ﺟﺪول ﻓﻮق ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ ﺧﺎرج از ﻣﻌﺎدﻟﻪ رﮔﺮﺳﻴﻮن را ﺑﻪ ﺗﻔﻜﻴﻚ ﮔﺎمﻫﺎي ﻣﺨﺘﻠﻒ‬
‫ﻧﺸﺎن ﻣﻲدﻫﺪ‪ .‬ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﺷﻮد در ﻣﺮﺣﻠﻪ اول دو ﻣﺘﻐﻴﺮ )ﺗﺠﺮﺑﻴﺎت ﻗﺒﻠﻲ و ﺳﻄﺢ‬
‫ﺗﺤﺼﻴﻼت( و در ﻣﺮﺣﻠﻪ دوم ﻳﻚ ﻣﺘﻐﻴﺮ )ﺳﻄﺢ ﺗﺤﺼﻴﻼت( در ﺧﺎرج از ﻣﻌﺎدﻟﻪ ﻗﺮار دارﻧﺪ‬
‫)ﻣﺘﻐﻴﺮ ﺗﺠﺮﺑﻴﺎت ﻗﺒﻠﻲ در ﮔﺎم دوم وارد ﻣﻌﺎدﻟﻪ ﺷﺪه اﺳﺖ( اﻣﺎ در ﻣﺮﺣﻠﻪ ﺳﻮم ﻫﻴﭻ ﻣﺘﻐﻴﺮي‬
‫ﻧﻴﺴﺖ ﻛﻪ ﺧﺎرج از ﻣﻌﺎدﻟﻪ ﺑﺎﻗﻲﻣﺎﻧﺪه ﺑﺎﺷﺪ‪.‬‬
 ‫‪  206‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﺟﺪول ﺷﻤﺎره )‪ (71‬آﻣﺎرهﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﺑﺎﻗﻴﻤﺎﻧﺪهﻫﺎ‬

‫‪Residuals Statisticsa‬‬
‫‪Minimum‬‬ ‫‪Maximum‬‬ ‫‪Mean‬‬ ‫‪Std. Deviation‬‬ ‫‪N‬‬
‫‪Predicted Value‬‬ ‫‪$12,382.90 $146,851.62 $34,419.57 $15,287.298‬‬ ‫‪474‬‬
‫‪Residual‬‬ ‫‪$-28,852.994 $48,701.199 $-2.151E-13 $7,607.676‬‬ ‫‪474‬‬
‫‪Std. Predicted‬‬
‫‪-1.442‬‬ ‫‪7.355‬‬ ‫‪.000‬‬ ‫‪1.000‬‬ ‫‪474‬‬
‫‪Value‬‬
‫‪Std. Residual‬‬ ‫‪-3.781‬‬ ‫‪6.381‬‬ ‫‪.000‬‬ ‫‪.997‬‬ ‫‪474‬‬

‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﻲداﻧﻴﻢ ﻳﻚ ﻣﺪل رﮔﺮﺳﻴﻮﻧﻲ ﻗﻮي‪ ،‬ﻣﺪﻟﻲ اﺳﺖ ﻛﻪ ﺑﺘﻮاﻧﺪ ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ را ﺑﻄﻮر‬
‫دﻗﻴﻖ ﭘﻴﺶﺑﻴﻨﻲ ﻛﻨﺪ‪ .‬ﻣﺜﻼً در دادهﻫﺎي ﻣﻮرد ﺑﺮرﺳﻲ‪ ،‬اﮔﺮ ﺑﺘﻮاﻧﻴﻢ درآﻣﺪ ﻓﻌﻠﻲ اﻓﺮاد را ﻫﻤﺎﻧﻄﻮر ﻛﻪ‬
‫واﻗﻌﺎً ﻫﺴﺖ‪ ،‬ﭘﻴﺶﺑﻴﻨﻲ ﻛﻨﻴﻢ‪ ،‬ﻣﺪل دﻗﻴﻘﻲ ﻓﺮاﻫﻢ ﺷﺪه اﺳﺖ‪ .‬در ﻣﺜﺎل ﻓﻌﻠﻲ ﭼﻨﺎﻧﭽﻪ ﻣﺪل‬
‫رﮔﺮﺳﻴﻮﻧﻲ ﺣﺎﺻﻠﻪ را ﺑﺮ روي دادهﻫﺎي ﻣﻮرد ﺑﺮرﺳﻲ اﻋﻤﺎل و ﻣﻘﺎدﻳﺮ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ را در‬
‫ﻣﻌﺎدﻟﻪ رﮔﺮﺳﻴﻮن ﻗﺮار دﻫﻴﻢ‪ ،‬اﻧﺘﻈﺎر ﻣﻲرود ﻣﻘﺎدﻳﺮ ﭘﻴﺶﺑﻴﻨﻲ ﺷﺪه ﺑﻪ ﻣﻘﺎدﻳﺮ واﻗﻌﻲ ﺑﺴﻴﺎر ﻧﺰدﻳﻚ‬
‫ﺑﺎﺷﺪ و ﺗﻔﺎﺿﻞ آﻧﻬﺎ ﻛﻪ اﺻﻄﻼﺣﺎً ﺑﺎﻗﻲﻣﺎﻧﺪه ﻧﺎﻣﻴﺪه ﻣﻲﺷﻮد‪ ،‬ﺧﻴﻠﻲ ﻛﻮﭼﻚ ﺑﺎﺷﻨﺪ‪ .‬در ﻳﻚ ﻣﺪل‬
‫رﮔﺮﺳﻴﻮﻧﻲ دﻗﻴﻖ ﺑﺎﻗﻲﻣﺎﻧﺪهﻫﺎ ﺑﺴﻴﺎر ﻛﻮﭼﻚ ﺧﻮاﻫﻨﺪ ﺑﻮد‪ .‬ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﺸﺎﻫﺪه ﻣﻲﺷﻮد ﻛﻤﺘﺮﻳﻦ‬
‫ﻣﻘﺪار ﭘﻴﺶﺑﻴﻨﻲ ﺷﺪه درآﻣﺪ ‪ 12382.9‬دﻻر اﺳﺖ ﻛﻪ ‪ 28852.99‬از ﻣﻘﺪار واﻗﻌﻲ ﺑﻴﺸﺘﺮ اﺳﺖ و‬
‫ﺑﺰرﮔﺘﺮﻳﻦ ﻣﻘﺪار ﭘﻴﺶﺑﻴﻨﻲ ﺷﺪه ‪ 15287.29‬اﺳﺖ ﻛﻪ ‪ 48701.19‬ﻛﻤﺘﺮ از ﻣﻘﺪار واﻗﻌﻲ اﺳﺖ‪ .‬در‬
‫ﺟﺪول ﺷﺎﺧﺺﻫﺎي آﻣﺎري ﻣﺮﺑﻮط ﺑﻪ ﻣﻘﺎدﻳﺮ ﭘﻴﺶﺑﻴﻨﻲ ﺷﺪه و ﺑﺎﻗﻲﻣﺎﻧﺪه اﺳﺘﺎﻧﺪارد ﻧﻴﺰ آﻣﺪه اﺳﺖ‪.‬‬

‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ در اﺑﺘﺪاي ﻣﺒﺤﺚ رﮔﺮﺳﻴﻮن آﻣﺪ ﻳﻜﻲ از ﻣﻔﺮوﺿﺎت اﺳﺘﻔﺎده از رﮔﺮﺳﻴﻮن‪،‬‬

‫ﻧﺮﻣﺎل ﺑﻮدن ﺗﻮزﻳﻊ ﺑﺎﻗﻲﻣﺎﻧﺪهﻫﺎﺳﺖ‪ .‬ﻧﻤﻮدارﻫﺎي زﻳﺮ ﻧﺸﺎن ﻣﻲدﻫﻨﺪ ﺷﻜﻞ ﺗﻮزﻳﻊ ﺑﺎﻗﻴﻤﺎﻧﺪهﻫﺎي‬
‫اﺳﺘﺎﻧﺪارد ﺷﺪه رﮔﺮﺳﻴﻮن داراي ﺣﺎﻟﺖ ﻧﺮﻣﺎل ﺑﻮده و ﺑﻴﻦ آﻧﻬﺎ و ﺑﺎﻗﻲﻣﺎﻧﺪهﻫﺎي اﺳﺘﺎﻧﺪارد ﻣﻮرد‬
‫اﻧﺘﻈﺎر ﻫﻤﺒﺴﺘﮕﻲ ﺑﺎﻻﻳﻲ وﺟﻮد دارد )ﺗﻮزﻳﻊ ﻧﻘﺎط ﺑﺮ روي ﻗﻄﺮ ﻧﻤﻮدار ﺑﻌﺪي‪ ،‬ﻣﻮﻳ‪‬ﺪ ﻫﻤﻴﻦ‬
‫واﻗﻌﻴﺖ اﺳﺖ(‪.‬‬
‫درس ﭘﺎﻧﺰدﻫﻢ – آزﻣﻮن ﻣﻨﺎﺳﺐ ﺑﺮاي ﺗﻌﻴﻴﻦ ﺟﻬﺖ و ﺷﺪت ﺗﺄﺛﻴﺮ ﻣﺘﻐﻴﺮ ﻣﺴﺘﻘﻞ ﺑﺮ واﺑﺴﺘﻪ ‪207 ‬‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (78‬ﻧﻤﻮدار ﻫﻴﺴﺘﻮﮔﺮام ﺑﺎﻗﻲﻣﺎﻧﺪهﻫﺎي اﺳﺘﺎﻧﺪارد ﺷﺪه رﮔﺮﺳﻴﻮن‬

‫ﺷﻜﻞ ﺷﻤﺎره )‪ (79‬ﻧﻤﻮدار اﺣﺘﻤﺎل ﻧﺮﻣﺎل ﺑﻮدن ﺑﺎﻗﻲﻣﺎﻧﺪهﻫﺎي اﺳﺘﺎﻧﺪارد ﺷﺪه رﮔﺮﺳﻴﻮن‬
 SPSS ‫ راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار‬ 208

‫ﺗﻤﺮﻳﻦ درس ﭘﺎﻧﺰدﻫﻢ‬

،‫ ﺟﺪاول زﻳﺮ ﻧﺘﺎﻳﺞ رﮔﺮﺳﻴﻮن ﻣﺮگوﻣﻴﺮ ﻛﻮدﻛﺎن را ﺑﺮ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ درﺻﺪ ﺷﻬﺮﻧﺸﻴﻨﻲ‬-1
‫ ﺑـﺎ دﻗـﺖ در ﻧﺘـﺎﻳﺞ ﺑـﻪ ﺳـﺆاﻻت‬.‫درﺻﺪ ﺑﺎﺳﻮادان و ﻣﻴﺰان ﻛﺎﻟﺮي ﻣﺼﺮﻓﻲ روزاﻧﻪ ﻧﺸﺎن ﻣﻲدﻫـﺪ‬
.‫ﻣﺮﺑﻮﻃﻪ ﭘﺎﺳﺦ دﻫﻴﺪ‬

Model Summaryd
Model Adjusted R Std. Error of the
R R Square Square Estimate
a
1 .920 .846 .843 15.3293
2 .941b .886 .883 13.2606
3 .946c .894 .890 12.8525
a. Predictors: (Constant), People who read (%)
b. Predictors: (Constant), People who read (%), Daily calorie intake
c. Predictors: (Constant), People who read (%), Daily calorie intake,
People living in cities (%)
d. Dependent Variable: Infant mortality (deaths per 1000 live births)

‫ ﺿﺮاﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ و ﺗﻌﻴﻴﻦ از ﮔﺎم اول ﺗﺎ ﺳﻮم ﭼﻪ ﺗﻐﻴﻴﺮي ﻛﺮدهاﻧﺪ و ﭼﺮا؟‬-‫اﻟﻒ‬

‫ ﺧﻄﺎي ﺑﺮآورد از ﮔﺎم اول ﺗﺎ ﺳﻮم ﭼﻪ ﺗﻐﻴﻴﺮي ﻛﺮده اﺳﺖ و ﭼﺮا؟‬-‫ب‬

ANOVAd
Model Sum of Squares Df Mean Square F Sig.
1 Regression 92648.098 1 92648.098 394.267 .000a
Residual 16919.152 72 234.988
Total 109567.250 73
2 Regression 97082.367 2 48541.184 276.048 .000b
Residual 12484.883 71 175.843
Total 109567.250 73
3 Regression 98004.162 3 32668.054 197.764 .000c
Residual 11563.088 70 165.187
Total 109567.250 73
a. Predictors: (Constant), People who read (%)
b. Predictors: (Constant), People who read (%), Daily calorie intake
c. Predictors: (Constant), People who read (%), Daily calorie intake,
People living in cities (%)
d. Dependent Variable: Infant mortality (deaths per 1000 live births)

‫ آﻳﺎ ﻧﺘﺎﻳﺞ رﮔﺮﺳﻴﻮن در ﮔﺎمﻫﺎي ﻣﺨﺘﻠﻒ ﻗﺎﺑﻠﻴﺖ ﺗﻌﻤﻴﻢ ﺑﻪ ﺟﺎﻣﻌﻪ آﻣﺎري را دارد؟‬-‫ج‬
‫ ﻣﻴﺎﻧﮕﻴﻦ ﻣﺠﺬورات ﺑﺎﻗﻲﻣﺎﻧﺪه در ﮔﺎمﻫﺎي ﻣﺨﺘﻠﻒ ﭼﻪ ﺗﻐﻴﻴﺮي ﻛﺮده اﺳﺖ؟‬-‫د‬
‫درس ﭘﺎﻧﺰدﻫﻢ – آزﻣﻮن ﻣﻨﺎﺳﺐ ﺑﺮاي ﺗﻌﻴﻴﻦ ﺟﻬﺖ و ﺷﺪت ﺗﺄﺛﻴﺮ ﻣﺘﻐﻴﺮ ﻣﺴﺘﻘﻞ ﺑﺮ واﺑﺴﺘﻪ ‪209 ‬‬

‫‪Coefficientsa‬‬
‫‪Model‬‬ ‫‪Standardize‬‬
‫‪Unstandardized‬‬ ‫‪d‬‬
‫‪Coefficients‬‬ ‫‪Coefficients‬‬
‫‪B‬‬ ‫‪Std. Error‬‬ ‫‪Beta‬‬ ‫‪t‬‬ ‫‪Sig.‬‬
‫)‪1 (Constant‬‬ ‫‪163.791‬‬ ‫‪6.120‬‬ ‫‪26.762‬‬ ‫‪.000‬‬
‫)‪People who read (%‬‬ ‫‪-1.540‬‬ ‫‪.078‬‬ ‫‪-.920‬‬ ‫‪-19.856‬‬ ‫‪.000‬‬
‫)‪2 (Constant‬‬ ‫‪192.042‬‬ ‫‪7.725‬‬ ‫‪24.859‬‬ ‫‪.000‬‬
‫)‪People who read (%‬‬ ‫‪-1.227‬‬ ‫‪.092‬‬ ‫‪-.732‬‬ ‫‪-13.373‬‬ ‫‪.000‬‬
‫‪Daily calorie intake‬‬ ‫‪-.019‬‬ ‫‪.004‬‬ ‫‪-.275‬‬ ‫‪-5.022‬‬ ‫‪.000‬‬
‫)‪3 (Constant‬‬ ‫‪185.781‬‬ ‫‪7.943‬‬ ‫‪23.390‬‬ ‫‪.000‬‬
‫)‪People who read (%‬‬ ‫‪-1.140‬‬ ‫‪.096‬‬ ‫‪-.681‬‬ ‫‪-11.861‬‬ ‫‪.000‬‬
‫‪Daily calorie intake‬‬ ‫‪-.015‬‬ ‫‪.004‬‬ ‫‪-.215‬‬ ‫‪-3.653‬‬ ‫‪.000‬‬
‫‪People living in‬‬ ‫‪-.212‬‬ ‫‪.090‬‬ ‫‪-.137‬‬ ‫‪-2.362‬‬ ‫‪.021‬‬
‫)‪cities (%‬‬
‫)‪a. Dependent Variable: Infant mortality (deaths per 1000 live births‬‬

‫ﻫـ‪ -‬ﻣﻌﺎدﻟﻪ رﮔﺮﺳﻴﻮﻧﻲ ﺑﺮاي ﭘﻴﺶﺑﻴﻨﻲ ﻧﺮخ ﻣﺮگوﻣﻴﺮ ﻛﻮدﻛﺎن را ﺑﺮاﺳﺎس ﻧﺘﺎﻳﺞ ﺟﺪول ﻓﻮق ﺑﻨﻮﻳﺴﻴﺪ‪.‬‬
‫و‪ -‬ﻣﻘﺪار ﻋﺮض از ﻣﺒﺪأ )ﻣﻘﺪار ﺛﺎﺑﺖ( ﭼﻨﺪ ﺷﺪه اﺳﺖ؟‬
‫ز‪ -‬ﻛﺪام ﻣﺘﻐﻴﺮ ﺑﻴﺸﺘﺮﻳﻦ ﺗﺄﺛﻴﺮ را ﺑﺮ ﻧﺮخ ﻣﺮگوﻣﻴﺮ ﻛﻮدﻛﺎن ﮔﺬاﺷﺘﻪ اﺳﺖ ﻛﺪام اﺳﺖ؟ ﺟﻬـﺖ‬
‫ﺗﺄﺛﻴﺮ اﻳﻦ ﻣﺘﻐﻴﺮ ﭼﮕﻮﻧﻪ اﺳﺖ؟‬
‫ح‪ -‬ﺑﻪ ازاي ﻳﻚ واﺣﺪ اﻓﺰاﻳﺶ ﻣﺼﺮف ﻛﺎﻟﺮي روزاﻧﻪ در ﻛﺸﻮرﻫﺎ‪ ،‬ﻧﺮخ ﻣـﺮگوﻣﻴـﺮ ﻛﻮدﻛـﺎن‬
‫ﭼﻪ ﺗﻐﻴﻴﺮي ﻣﻲﻛﻨﺪ و ﭼﻘﺪر؟‬
‫ط‪ -‬ﺗﻮزﻳﻊ ﺑﺎﻗﻲﻣﺎﻧﺪهﻫﺎي رﮔﺮﺳﻴﻮﻧﻲ ﭼﻪ ﺣﺎﻟﺘﻲ دارد؟‬

‫‪ -2‬ﺑﺮاﺳﺎس ﻓﺎﻳﻞ ‪ ،Word95‬رﮔﺮﺳﻴﻮن رﺷﺪ ﺟﻤﻌﻴﺖ را ﺑﺮ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ درﺻﺪ‬

‫ﺷﻬﺮﻧﺸﻴﻨﻲ‪ ،‬درﺻﺪ ﺑﺎﺳﻮادان و ﻣﻴﺰان ﻛﺎﻟﺮي ﻣﺼﺮﻓﻲ روزاﻧﻪ ﻣﺤﺎﺳﺒﻪ و ﺗﻔﺴﻴﺮ ﻧﻤﺎﻳﻴﺪ‪.‬‬
‫ﺿﻤﻴﻤﻪ ﺷﻤﺎره‪211  1‬‬

‫ﺿﻤﻴﻤﻪ ﺷﻤﺎره ‪1‬‬

‫ﺑﺮﺧﻲ ﻧﻜﺎت ﻻزم در ﻫﻨﮕﺎم ﻧﺼﺐ ﺑﺮﻧﺎﻣﻪ ‪SPSS‬‬
‫‪ -1‬ﻫﻤﻴﺸﻪ ﻗﺒﻞ از ﻧﺼﺐ ﺑﺮﻧﺎﻣﻪ‪ ،‬راﻫﻨﻤﺎي ﻧﺼﺐ ﻧﺮماﻓﺰار را ﻛﻪ ﻣﻌﻤﻮﻻً در ﻗﺎﻟﺐ ﻳﻚ ﻓﺎﻳﻞ‬
‫ﻣﺘﻨﻲ در ﻟﻮح ﻓﺸﺮده ﻧﺮماﻓﺰار وﺟﻮد دارد ﺑﻪ دﻗﺖ ﺑﺨﻮاﻧﻴﺪ‪ .‬در اﻳﻦ ﻓﺎﻳﻞ ﭘﻴﺶ ﻧﻴﺎزﻫﺎي‬
‫ﺳﺨﺖاﻓﺰاري ﻳﺎ ﻧﺮماﻓﺰاري ﺑﺮﻧﺎﻣﻪ و ﻫﻤﭽﻨﻴﻦ ﻣﺮاﺣﻞ ﻧﺼﺐ آن ﻧﻮﺷﺘﻪ ﺷﺪه اﺳﺖ‪.‬‬
‫‪ -2‬در ﻫﻨﮕﺎم ﻧﺼﺐ ﻫﻤﻴﺸﻪ ﺑﻪ ﺷﻤﺎره ﺳﺮﻳﺎل اﻳﻦ ﻧﺮماﻓﺰار ﻛﻪ ﻣﻌﻤـﻮﻻً در ﻗﺎﻟـﺐ ﻳـﻚ ﻓﺎﻳـﻞ‬
‫ﻣﺘﻨﻲ در ﻟﻮح ﻓﺸﺮده آن وﺟﻮد دارد‪ ،‬ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ و آن را ﺑﻄﻮر دﻗﻴﻖ وارد ﻛﻨﻴﺪ‪.‬‬
‫‪ -3‬در ﺑﺮﺧﻲ ﻧﺴﺨﻪﻫﺎي اﻳﻦ ﻧﺮماﻓﺰار‪ ،‬ﺑﻌﺪ از ﻋﻤﻠﻴﺎت ﻧﺼﺐ ﺑﺎﻳﺪ ﻓﺎﻳﻞﻫﺎي ‪ Crack‬را در‬
‫ﻟﻮح ﻓﺸﺮده اﻳﻦ ﺑﺮﻧﺎﻣﻪ ﺗﻌﺒﻴﻪ ﺷﺪه اﺳﺖ‪ ،‬ﻛﭙﻲ و در در ﭘﻮﺷﻪي اﻳﻦ ﺑﺮﻧﺎﻣﻪ در ﺳﻴﺴﺘﻢ ﺧﻮدﺗﺎن‬
‫اﻟﺼﺎق )‪ (Paste‬ﻛﻨﻴﺪ‪ .‬اﮔﺮ در ﻫﻨﮕﺎم اﻟﺼﺎق ﺑﺎ ﺳﺆاﻟﻲ ﺑﺎ ﻣﻀﻤﻮن ﺑﺎزﻧﻮﻳﺴﻲ )‪(Overwrite‬‬
‫ﻣﻮاﺟﻪ ﺷﺪﻳﺪ‪ ،‬ﺑﺮ روي ﺑﻠﻲ ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪.‬‬
‫‪ -4‬در ﺑﺮﺧﻲ ﻧﺴﺨﻪﻫﺎ‪ ،‬ﻓﺎﻳﻠﻲ ﻛﻪ در ﭘﻮﺷﻪ ‪ Crack‬ﻗﺮار دارد ﻳﻚ ﻓﺎﻳﻞ اﺟﺮاﻳﻲ ﺑﻪ ﻧﺎم‬
‫‪ Patch.exe‬اﺳﺖ ﻛﻪ ﺑﻌﺪ از ﻛﭙﻲ و اﻟﺼﺎق در ﭘﻮﺷﻪ ‪ ،SPSS‬ﺑﺎﻳﺪ آن را اﺟﺮا ﻛﻨﻴﺪ‪ .‬اﻳﻦ اﺟﺮا در‬
‫ﺻﻮرﺗﻲ درﺳﺖ اﺳﺖ ﻛﻪ ﭘﻴﺎم دالّ ﺑﺮ ﻣﻮﻓﻘﻴﺖ اﺟﺮا‪ ،‬ﻧﻤﺎﻳﺶ داده ﺷﻮد‪.‬‬
‫‪ -5‬ﺑﻪ ﺧﺎﻃﺮ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ ﭼﻨﺎﻧﭽﻪ ﻋﻤﻠﻴﺎت ‪ Crack‬ﻳﺎ ‪ Patch‬را اﻧﺠﺎم ﻧﺪﻫﻴﺪ‪ ،‬ﺑﺮﻧﺎﻣﻪ‬
‫‪ spss‬اﺟﺎزه ﺿﺒﻂ دادهﻫﺎ و اﻧﺠﺎم ﻋﻤﻠﻴﺎت آﻣﺎري را ﺑﻪ ﺷﻤﺎ ﻧﺨﻮاﻫﺪ داد‪ .‬ﺑﻪ ﻋﺒﺎرﺗﻲ دﻳﮕﺮ اﮔﺮ ﭼﻪ‬
‫ﺑﺮﻧﺎﻣﻪ ﺑﺎز ﻣﻲﺷﻮد و ﺷﻤﺎ ﺣﺘﻲ ﻣﻲﺗﻮاﻧﻴﺪ دادهﻫﺎﻳﺘﺎن را در آن وارد ﻛﻨﻴﺪ‪ ،‬اﻣﺎ ﻧﻪ ﺗﻨﻬﺎ ﻧﻤﻲﺗﻮاﻧﻴﺪ‬
‫ﻫﻴﭽﮕﻮﻧﻪ ﻋﻤﻠﻴﺎت آﻣﺎري ﺑﺮ روي دادهﻫﺎﻳﺘﺎن اﻧﺠﺎم دﻫﻴﺪ‪ ،‬ﺑﻠﻜﻪ ﺣﺘﻲ ﻧﻤﻲﺗﻮاﻧﻴﺪ دادهﻫﺎي وارد‬
‫ﺷﺪه را در ﺟﺎﻳﻲ ﺿﺒﻂ ﻛﻨﻴﺪ‪.‬‬
‫‪ -6‬ﮔﺎﻫﻲ اوﻗﺎت اﻳﻦ ﻧﺮماﻓﺰار ﭘﻴﺎم اﺧﻄﺎري ﺑﻪ ﺷﻤﺎ ﻣﻲدﻫﺪ ﺑﺎ اﻳﻦ ﻣﻀﻤﻮن ﻛﻪ ﺑﺮاي‬
‫ﺟﻠﻮﮔﻴﺮي از ﻣﻨﻘﻀﻲ ﺷﺪن ﺗﺎرﻳﺦ اﺳﺘﻔﺎده از اﻳﻦ ﻧﺮماﻓﺰار‪ ،‬ﻓﺎﻳﻞ ‪ Expoff.bat‬را اﺟﺮا ﻛﻨﻴﺪ‪.‬‬
‫ﺗﻮﺻﻴﻪ ﻣﻲﺷﻮد در ﺻﻮرت ﻣﻮاﺟﻬﻪ اﻳﻦ ﻛﺎر را اﻧﺠﺎم دﻫﻴﺪ‪.‬‬
‫‪ -7‬ﻳﻜﻲ از ﻣﺸﻜﻼت ﻛﺎر ﺑﺎ اﻳﻦ ﻧﺮماﻓﺰار‪ ،‬اﻣﻜﺎن ﺗﺎﻳﭗ ﻓﺎرﺳﻲ ﺑﺮﭼﺴﺐ ﻣﺘﻐﻴﺮﻫﺎ و ﻣﻘﺎدﻳﺮ و‬
‫ﻧﻤﺎﻳﺶ آﻧﻬﺎ در ﺑﺨﺶ ﺧﺮوﺟﻲﻫﺎﺳﺖ‪ .‬ﺑﺮاي ﺣﻞ اﻳﻦ ﻣﺸﻜﻞ ﺗﻮﺻﻴﻪ ﻣﻲﺷﻮد ﻧﺴﺨﻪﻫﺎي ‪ 16‬ﺑﻪ‬
‫ﺑﻌﺪ اﻳﻦ ﻧﺮماﻓﺰار را ﻧﺼﺐ ﻛﻨﻴﺪ‪ .‬ﺑﺮاي ﻓﺎرﺳﻲ ﻛﺮدن اﻳﻦ ﻧﺴﺨﻪﻫﺎ ﻛﺎﻓﻲ اﺳﺖ ﻛﻪ ﺑﺮﻧﺎﻣﻪ را اﺟﺮا‬
‫ﻛﻨﻴﺪ )ﺑﻲ آﻧﻜﻪ ﻫﻴﭻ ﻓﺎﻳﻞ دادهاي ﺑﺎز ﺑﺎﺷﺪ(‪ ،‬ﺳﭙﺲ ﻗﺴﻤﺖ ‪ Unicode‬را از ﻻﻳﻪ ‪ General‬از‬
‫ﻣﻨﻮي ‪ Edit\Option‬ﻓﻌﺎل ﻛﻨﻴﺪ‪ .‬ﺑﺎ اﻳﻨﻜﺎر ﻣﺸﻜﻞ ﻧﻮﺷﺘﻦ و ﻧﻤﺎﻳﺶ ﺑﺮﭼﺴﺐﻫﺎي ﻓﺎرﺳﻲ در‬
‫ﻓﺎﻳﻞﻫﺎي داده و ﺧﺮوﺟﻲ ﺑﺮﻃﺮف ﻣﻲﺷﻮد‪.‬‬
 ‫‪  212‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫در ﻏﻴﺮ اﻳﻨﺼﻮرت ﻫﻨﮕﺎم ﻧﻮﺷﺘﻦ ﺑﺮﭼﺴﺐ ﻓﺎرﺳﻲ ﺑﺎ ﺧﻄﺎي زﻳﺮ ﻣﻮاﺟﻪ ﻣﻲﺷﻮﻳﺪ‪.‬‬

‫‪ -8‬ﮔﺎﻫﻲ اوﻗﺎت ﻧﺴﺨﻪ ﻫﺎي ﺟﺪﻳﺪ اﻳﻦ ﻧﺮم اﻓﺰار ﺑﺮﭼﺴﺐﻫﺎي ﻓﺎرﺳﻲ دادهﻫﺎﻳﻲ را ﻛﻪ در‬
‫ﻧﺴﺦ ﻗﺒﻠﻲ وارد ﺷﺪه اﺳﺖ ﺑﻪ ﺷﻜﻞ ﺧﻮاﻧﺎ ﻧﻤﺎﻳﺶ ﻧﻤﻲ دﻫﻨﺪ‪ .‬ﺑﺮاي اﻳﻦ ﻣﻨﻈﻮر ﺑﺎﻳﺪ از ﻣﻨﻮي‬
‫ﻛﻨﺘﺮل ﭘﻨﻞ دﺳﺘﻮر ‪ Region and Language.‬را اﺟﺮا و ﺳﭙﺲ ﺑﺮ روي ‪Administrative‬‬
‫ﻛﻠﻴﻚ ﻛﺮده و ‪ Language for non-Unicode programs‬را ﺑﻪ ﻓﺎرﺳﻲ ﺗﻐﻴﻴﺮ دﻫﻴﺪ‪.‬‬
‫‪ -9‬ﺗﺄﻛﻴﺪ ﻣﻲﺷﻮد ﻧﺎم ﻓﺎﻳﻞﻫﺎ ﻳﺎ ﭘﻮﺷﻪﻫﺎي ﻣﺮﺑﻮط ﺑﻪ دادهﻫﺎﻳﺘﺎن را ﺑﻪ زﺑﺎن ﻓﺎرﺳﻲ ﻧﻨﻮﻳﺴﻴﺪ‪.‬‬
‫ﻧﻤﻲﺷﻮﻧﺪ‪.‬‬ ‫اﺟﺮا‬ ‫ﻓﺎﻳﻞﻫﺎ‬ ‫از‬ ‫دﺳﺘﻪ‬ ‫اﻳﻦ‬ ‫ﻧﺴﺨﻪﻫﺎ‬ ‫ﺑﺮﺧﻲ‬ ‫در‬ ‫ﭼﻮن‬
‫ﺿﻤﻴﻤﻪ ﺷﻤﺎره‪213  2‬‬

‫ﺿﻤﻴﻤﻪ ﺷﻤﺎره ‪ :2‬ﺑﺮﺧﻲ ﻣﻨﺎﺑﻊ ﺑﺮاي ﻣﻄﺎﻟﻌﻪ ﺑﻴﺸﺘﺮ‬

‫ﻣﻨﺎﺑﻊ ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﻄﺎﻟﻌﻪ ﺑﻴﺸﺘﺮ‬ ‫ﻣﺒﺤﺚ‬ ‫ردﻳﻒ‬

‫‪ .1‬ﻧﺎﻳﺒﻲ‪ ،‬ﻫﻮﺷﻨﮓ‪ ،1389 ،‬آﻣﺎر ﺗﻮﺻـﻴﻔﻲ ﺑـﺮاي ﻋﻠـﻮم اﺟﺘﻤـﺎﻋﻲ‪،‬‬
‫ﺗﻬﺮان‪ ،‬اﻧﺘﺸﺎرات ﺳﻤﺖ‪.‬‬
‫آﻣﺎر ﺗﻮﺻﻴﻔﻲ‬ ‫‪1‬‬
‫‪ .2‬ﺳﺎﻋﻲ‪ ،‬ﻋﻠﻲ‪ ،1381 ،‬ﺗﺤﻠﻴﻞ آﻣﺎري در ﻋﻠﻮم اﺟﺘﻤـﺎﻋﻲ ﺑـﺎ ﻧـﺮم‪-‬‬
‫اﻓﺰار ‪ ،Spss for windows‬ﺗﻬﺮان‪ ،‬اﻧﺘﺸﺎرات ﻛﻴﺎن ﻣﻬﺮ‬
‫‪ .3‬ﺣﻴــﺪري ﭼــﺮوده‪ ،‬ﻣﺠﻴــﺪ‪ ،1389 .‬راﻫﻨﻤــﺎي ﺳــﻨﺠﺶ رواﻳــﻲ و‬
‫ﭘﺎﻳﺎﻳﻲ در ﭘﮋوﻫﺶﻫﺎي ﻓﺮﻫﻨﮕﻲ و اﺟﺘﻤﺎﻋﻲ‪ ،‬ﻣﺸـﻬﺪ‪ ،‬اﻧﺘﺸـﺎرات‬
‫ﺟﻬﺎد داﻧﺸﮕﺎﻫﻲ ﻣﺸﻬﺪ‪.‬‬
‫رواﻳﻲ و ﭘﺎﻳﺎﻳﻲ‬ ‫‪2‬‬
‫‪ .4‬ﻛﺎرﻣﻴﻨﺰ‪ ،‬ادوارد‪.‬ﺟﻲ و رﻳﭽﺎرد آ‪.‬زﻟﺮ‪ ،1386 ،‬ﺳـﻨﺠﺶ رواﻳـﻲ و‬
‫ﭘﺎﻳﺎﻳﻲ‪ ،‬ﺗﺮﺟﻤـﻪ ﺳـﻴﻤﻴﻦ ﻓـﺮوغزاده و ﻣـﺮﻳﻢ اﺳـﻜﺎﻓﻲ‪ ،‬ﻣﺸـﻬﺪ‪،‬‬
‫اﻧﺘﺸﺎرات ﺟﻬﺎد داﻧﺸﮕﺎﻫﻲ ﻣﺸﻬﺪ‪.‬‬
‫‪ .5‬ﻧﮕﻬﺒــﺎن‪ ،‬ﻋﻠﻴﺮﺿــﺎ‪ ،1382 ،‬راﻫﻨﻤــﺎي روش ﺗﺤﻘﻴــﻖ ﺑــﻪ ﻛﻤــﻚ‬
‫آزﻣﻮن ﻛﻲ دو‬
‫ﭘﺮﺳﺸﻨﺎﻣﻪ‪ ،‬ﺗﻬﺮان ﻧﺸﺮ ﺟﻬﺎد داﻧﺸﮕﺎﻫﻲ‪.‬‬
‫و ﺿﺮاﻳﺐ‬
‫‪ .6‬ﺣﺴﻴﻨﻲ‪ ،‬ﺳﻴﺪ ﻳﻌﻘﻮب‪ ،1382،‬آﻣﺎر ﻧﺎﭘﺎراﻣﺘﺮﻳﻚ – روش ﺗﺤﻘﻴﻖ‬ ‫‪3‬‬
‫ﻣﺮﺑﻮط ﺑﻪ‬
‫و ﻧﺮماﻓﺰار آﻣـﺎري ‪ ،SPSS 10.0‬ﺗﻬـﺮان‪ ،‬اﻧﺘﺸـﺎرات داﻧﺸـﮕﺎه‬
‫ﺟﺪاول ﺗﻮاﻓﻘﻲ‬
‫ﻋﻼﻣﻪ ﻃﺒﺎﻃﺒﺎﻳﻲ‪.‬‬
‫‪ .7‬ﻧﺼﻴﺮي‪ ،‬رﺳﻮل‪ ،‬آﻣﻮزش ﮔـﺎمﺑـﻪﮔـﺎم ‪ ،SPSS13‬ﺗﻬـﺮان‪ ،‬ﻧﺸـﺮ‬
‫ﮔﺴﺘﺮ‪.‬‬
‫‪ .8‬زرﮔﺮ‪ ،‬ﻣﺤﻤﻮد‪ ،1384 ،‬راﻫﻨﻤﺎي ﺟﺎﻣﻊ ‪ ، SPSS13‬ﺗﻬﺮان‪ ،‬ﻧﺸﺮ‬ ‫آزﻣﻮنﻫﺎي‬
‫ﺑﻬﻴﻨﻪ‪.‬‬ ‫ﺑﺮاﺑﺮي‬
‫‪ .9‬ﺣﺒﻴﺐﭘﻮر‪ ،‬ﻛﺮم و رﺿﺎ ﺻﻔﺮي‪ ،1388 ،‬ﺻﻔﺮي ﺷﺎﻟﻲ‪ ،‬راﻫﻨﻤـﺎي‬ ‫ﻣﻴﺎﻧﮕﻴﻦﻫﺎ و‬ ‫‪4‬‬
‫ﺟﺎﻣﻊ ﻛﺎرﺑﺮد ‪ SPSS‬در ﺗﺤﻘﻴﻘﺎت ﭘﻴﻤﺎﻳﺸﻲ‪ .‬ﺗﻬﺮان‪ ،‬ﻧﺸﺮ ﻟﻮﭘﻪ‪.‬‬ ‫ﺗﺤﻠﻴﻞ‬
‫ﻛﺮاﻣــﺮ‪ ،‬داﻧﻜــﻦ‪ ،1386 ،‬درآﻣــﺪي ﺑــﻪ ﻛــﺎرﺑﺮد آﻣــﺎر در‬ ‫‪.10‬‬ ‫وارﻳﺎﻧﺲ‬
‫ﺗﺤﻘﻴﻘﺎت اﺟﺘﻤﺎﻋﻲ‪ ،‬ﺗﺮﺟﻤﻪ ﻳﺤﻴﻲ ﻋﻠـﻲ ﺑﺎﺑـﺎﻳﻲ و اﻣﻴـﺮ ﻣﻠﻜـﻲ‪،‬‬
‫ﺗﻬﺮان‪ ،‬اﻧﺘﺸﺎرات داﻧﺸﮕﺎه ﺗﻬﺮان‪.‬‬
‫‪ .11‬ﺑﺎﺑﺎﻳﻲ‪ ،‬ﻋﻠـﻲ‪ ،1377 ،‬رﮔﺮﺳـﻴﻮن ﭼﻨـﺪ ﻣﺘﻐﻴـﺮه در ﻧـﺮماﻓـﺰار‬ ‫رﮔﺮﺳﻴﻮن‬ ‫‪5‬‬
 ‫‪  214‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫آﻣﺎري ‪ ،SPSS‬ﺗﻬﺮان‪ ،‬ﻧﺸﺮ ﺟﻬﺎد داﻧﺸﮕﺎﻫﻲ‪.‬‬ ‫ﺧﻄﻲ ﭼﻨﺪﮔﺎﻧﻪ‬

‫‪ .12‬اﻓﺸﺎﻧﻲ‪ ،‬ﺳـﻴﺪ ﻋﻠﻴﺮﺿـﺎ‪ ،‬ﻣﺮﺗﻀـﻲ ﻧﻮرﻳـﺎن و زﻳﻨـﺐ ﺣﺴـﻴﻨﻲ‬
‫راﻣﺸﻪ‪ ،1384 ،‬ﻓﺮازي ﺑﺮ ‪ ،SPSS14‬ﺗﻬﺮان‪ ،‬ﻧﺸﺮ ﺑﻴﺸﻪ‪.‬‬
‫‪ .13‬ﻓﺘﻮﺣﻲ‪ ،‬اﻛﺒﺮ و ﻋﻠﻴﺮﺿﺎ اﺻﻐﺮي‪ ،1382 ،‬آﻧﺎﻟﻴﺰ آﻣﺎري دادهﻫـﺎ‬
‫در ‪ ،SPSS11‬ﺗﻬﺮان‪ ،‬ﻧﺸﺮ ﻛﺎﻧﻮن‪.‬‬
‫‪ .14‬ﺣﺒﻴــﺐﭘــﻮر‪ ،‬ﻛــﺮم و رﺿــﺎ ﺻــﻔﺮي‪ ،1388 ،‬ﺻــﻔﺮي ﺷــﺎﻟﻲ‪،‬‬
‫راﻫﻨﻤﺎي ﺟﺎﻣﻊ ﻛﺎرﺑﺮد ‪ SPSS‬در ﺗﺤﻘﻴﻘﺎت ﭘﻴﻤﺎﻳﺸﻲ‪ .‬ﺗﻬـﺮان‪،‬‬
‫ﻧﺸﺮ ﻟﻮﭘﻪ‪.‬‬
 ‫ﻣﻨﺎﺑﻊ و ﻣ‪Ĥ‬ﺧﺬ‬

‫اﻓﺸﺎﻧﻲ‪ ،‬ﺳﻴﺪﻋﻠﻴﺮﺿﺎ‪ ،‬ﻣﺮﺗﻀﻲ ﻧﻮرﻳﺎن و زﻳﻨﺐ ﺣﺴﻴﻨﻲ راﻣﺸﻪ‪ ،1384 ،‬ﻓﺮازي ﺑﺮ ‪،SPSS14‬‬
‫ﺗﻬﺮان‪ ،‬ﻧﺸﺮ ﺑﻴﺸﻪ‪.‬‬
‫ﺑﺎﺑﺎﻳﻲ‪ ،‬ﻋﻠﻲ‪ ،1377 ،‬رﮔﺮﺳﻴﻮن ﭼﻨﺪ ﻣﺘﻐﻴﺮه در ﻧﺮماﻓﺰار آﻣﺎري ‪ ،SPSS‬ﺗﻬﺮان‪ ،‬ﻧﺸﺮ ﺟﻬﺎد‬
‫داﻧﺸﮕﺎﻫﻲ‪.‬‬
‫ﺣﺒﻴﺐﭘﻮر‪ ،‬ﻛﺮم و رﺿﺎ ﺻﻔﺮي‪ ،1388 ،‬ﺻﻔﺮي ﺷﺎﻟﻲ‪ ،‬راﻫﻨﻤﺎي ﺟﺎﻣﻊ ﻛﺎرﺑﺮد ‪ SPSS‬در‬
‫ﺗﺤﻘﻴﻘﺎت ﭘﻴﻤﺎﻳﺸﻲ‪ .‬ﺗﻬﺮان‪ ،‬ﻧﺸﺮ ﻟﻮﭘﻪ‪.‬‬
‫ﺣﺴﻴﻨﻲ‪ ،‬ﺳﻴﺪ ﻳﻌﻘﻮب‪ ،1382،‬آﻣﺎر ﻧﺎﭘﺎراﻣﺘﺮﻳﻚ – روش ﺗﺤﻘﻴﻖ و ﻧﺮماﻓﺰار آﻣﺎري ‪SPSS‬‬
‫‪ ،10.0‬ﺗﻬﺮان‪ ،‬اﻧﺘﺸﺎرات داﻧﺸﮕﺎه ﻋﻼﻣﻪ ﻃﺒﺎﻃﺒﺎﻳﻲ‪.‬‬
‫ﺣﻴﺪري ﭼﺮوده‪ ،‬ﻣﺠﻴﺪ‪ ،1383 .‬ﺑﺮرﺳﻲ ﻋﻤﻠﻜﺮد ﺧﻮاﺑﮕﺎهﻫﺎي ﻣﺪارس ﺷﺒﺎﻧﻪروزي‪ ،‬ﻣﺸﻬﺪ‪،‬‬
‫ﺳﺎزﻣﺎن ﻣﺪﻳﺮﻳﺖ و ﺑﺮﻧﺎﻣﻪرﻳﺰي اﺳﺘﺎن ﺧﺮاﺳﺎن رﺿﻮي‪.‬‬
‫ﺣﻴﺪري ﭼﺮوده‪ ،‬ﻣﺠﻴﺪ‪ ،1384 .‬ﺑﺮرﺳﻲ ﺗﻄﺒﻴﻘﻲ آﮔﺎﻫﻲﻫﺎ‪ ،‬ﻧﮕﺮشﻫﺎ و رﻓﺘﺎرﻫﺎي داﻧﺶآﻣﻮزان‬
‫ﻣﺪارس دارا و ﻓﺎﻗﺪ ﻣﺮﺑﻲ ﺑﻬﺪاﺷﺖ در زﻣﻴﻨﻪ ﺑﻬﺪاﺷﺖ‪ ،‬ﻣﺸﻬﺪ‪ ،‬ﺟﻬﺎد داﻧﺸﮕﺎﻫﻲ ﻣﺸﻬﺪ‪.‬‬
‫ﺣﻴﺪري ﭼﺮوده‪ ،‬ﻣﺠﻴﺪ‪ 1388 .‬ﻧﻴﺎزﺳﻨﺠﻲ ﺷﻬﺮوﻧﺪان ﺗﻬﺮاﻧﻲ در زﻣﻴﻨﻪ ورزشﻫﺎي ﻫﻤﮕﺎﻧﻲ‪،‬‬
‫ﺗﻬﺮان‪ ،‬دﻓﺘﺮ ﻣﻄﺎﻟﻌﺎت اﺟﺘﻤﺎﻋﻲ و ﻓﺮﻫﻨﮕﻲ ﺷﻬﺮداري ﺗﻬﺮان‪.‬‬
‫ﺣﻴﺪري ﭼﺮوده‪ ،‬ﻣﺠﻴﺪ‪ ،1389 .‬راﻫﻨﻤﺎي ﺳﻨﺠﺶرواﻳﻲ و ﭘﺎﻳﺎﻳﻲ در ﭘﮋوﻫﺶﻫﺎي ﻓﺮﻫﻨﮕﻲ و‬
‫اﺟﺘﻤﺎﻋﻲ‪ ،‬ﻣﺸﻬﺪ‪ ،‬اﻧﺘﺸﺎرات ﺟﻬﺎد داﻧﺸﮕﺎﻫﻲ ﻣﺸﻬﺪ‪.‬‬
‫زرﮔﺮ‪ ،‬ﻣﺤﻤﻮد‪ ،1384 ،‬راﻫﻨﻤﺎي ﺟﺎﻣﻊ ‪ ، SPSS13‬ﺗﻬﺮان‪ ،‬ﻧﺸﺮ ﺑﻬﻴﻨﻪ‪.‬‬
‫ﺳﺎﻋﻲ‪ ،‬ﻋﻠﻲ‪ ،1381 ،‬ﺗﺤﻠﻴﻞ آﻣﺎري در ﻋﻠﻮم اﺟﺘﻤﺎﻋﻲ ﺑﺎ ﻧﺮماﻓﺰار ‪،Spss for windows‬‬
‫ﺗﻬﺮان‪ ،‬اﻧﺘﺸﺎرات ﻛﻴﺎن ﻣﻬﺮ‬
‫ﻓﺘﻮﺣﻲ‪ ،‬اﻛﺒﺮ و ﻋﻠﻴﺮﺿﺎ اﺻﻐﺮي‪ ،1382 ،‬آﻧﺎﻟﻴﺰ آﻣﺎري دادهﻫﺎ در ‪ ،SPSS11‬ﺗﻬﺮان‪ ،‬ﻧﺸﺮ‬
‫ﻛﺎﻧﻮن‪.‬‬
‫ﻓﺮوغ زاده‪ ،‬ﺳﻴﻤﻴﻦ‪ ،1385 ،‬ﺑﺮرﺳﻲ ﻣﻴﺰان اﺳﺘﻔﺎده داﻧﺶآﻣﻮزان از ﻣﻮاد ﺧﻮراﻛﻲ ﻣﻮﺟﻮد در‬
‫ﻓﺮوﺷﮕﺎهﻫﺎي ﻣﺪارس و راﻫﻜﺎرﻫﺎﻳﻲ ﺑﺮاي اﺳﺘﻔﺎده از ﻣﻮاد ﺧﻮراﻛﻲ ﻣﻔﻴﺪ و ﺳﺎﻟﻢ‪ ،‬ﺳﺎزﻣﺎن‬
‫آﻣﻮزش و ﭘﺮورش اﺳﺘﺎن ﺧﺮاﺳﺎن ﺷﻤﺎﻟﻲ‪.‬‬
‫ﻛﺎرﻣﻴﻨﺰ‪ ،‬ادوارد‪.‬ﺟﻲ و رﻳﭽﺎرد آ‪.‬زﻟﺮ‪ ،1386 ،‬ﺳﻨﺠﺶ رواﻳﻲ و ﭘﺎﻳﺎﻳﻲ‪ ،‬ﺗﺮﺟﻤﻪ ﺳﻴﻤﻴﻦ‬
‫ﻓﺮوغزاده و ﻣﺮﻳﻢ اﺳﻜﺎﻓﻲ‪ ،‬ﻣﺸﻬﺪ‪ ،‬اﻧﺘﺸﺎرات ﺟﻬﺎد داﻧﺸﮕﺎﻫﻲ ﻣﺸﻬﺪ‬
 ‫‪  216‬راﻫﻨﻤﺎي ﻛﺎرﺑﺮدي ﻧﺮماﻓﺰار ‪SPSS‬‬

‫ﻛﺮاﻣﺮ‪ ،‬داﻧﻜﻦ‪ ،1386 ،‬درآﻣﺪي ﺑﻪ ﻛﺎرﺑﺮد آﻣﺎر در ﺗﺤﻘﻴﻘﺎت اﺟﺘﻤﺎﻋﻲ‪ ،‬ﺗﺮﺟﻤﻪ ﻳﺤﻴﻲ‬
‫ﻋﻠﻲﺑﺎﺑﺎﻳﻲ و اﻣﻴﺮ ﻣﻠﻜﻲ‪ ،‬ﺗﻬﺮان‪ ،‬اﻧﺘﺸﺎرات داﻧﺸﮕﺎه ﺗﻬﺮان‪.‬‬
‫ﻧﺎﻳﺒﻲ‪ ،‬ﻫﻮﺷﻨﮓ‪ ،1389 ،‬آﻣﺎر ﺗﻮﺻﻴﻔﻲ ﺑﺮاي ﻋﻠﻮم اﺟﺘﻤﺎﻋﻲ‪ ،‬ﺗﻬﺮان‪ ،‬اﻧﺘﺸﺎرات ﺳﻤﺖ‪.‬‬
‫ﻧﺼﻴﺮي‪ ،‬رﺳﻮل‪ ،‬آﻣﻮزش ﮔﺎمﺑﻪﮔﺎم ‪ ،SPSS13‬ﺗﻬﺮان‪ ،‬ﻧﺸﺮ ﮔﺴﺘﺮ‪.‬‬
‫ﻧﮕﻬﺒﺎن‪ ،‬ﻋﻠﻴﺮﺿﺎ‪ ،(1382) .‬راﻫﻨﻤﺎي روش ﺗﺤﻘﻴﻖ ﺑﻪ ﻛﻤﻚ ﭘﺮﺳﺸﻨﺎﻣﻪ –‪ ،spss11‬ﺗﻬﺮان‪،‬‬
‫ﻧﺸﺮ ﺟﻬﺎد داﻧﺸﮕﺎﻫﻲ ﺗﻬﺮان‬
 ‫ﺗﺎزهﻫﺎي اﻧﺘﺸﺎرات ﺟﺎﻣﻌﻪﺷﻨﺎﺳﺎن‬

‫‪ -1‬ﻧﻈﺮﻳﻪﺳﺎزي در ﻋﻠﻮم اﺟﺘﻤﺎﻋﻲ‪ ،‬ﺷﻮﻣﻴﻜﺮ و ﻫﻤﻜﺎران‪ ،‬ﻣﺤﻤﺪ ﻋﺒﺪاﻟﻠﻬﻲ ‪ ‬‬

‫‪ -2‬ﻧﻈﺮﻳﺎت ﺟﺪﻳﺪ ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ و ورزش‪ ،‬ﻣﺤﻤﺪرﺿﺎ ﻣﻬﺮآﺋﻴﻦ ‪ ‬‬
‫‪ -3‬ﻣﺎﻫﻴﺖ و اﻧﻮاع ﻧﻈﺮﻳﻪﻫﺎي ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ )ﺟﻠﺪ‪ ،(1‬دان ﻣﺎرﺗﻴﻨﺪال‪ ،‬ﺣﻤﻴﺪ ﻋﺒﺪاﻟﻠﻬﻴﺎن ‪ ‬‬
‫‪ -4‬زﻧﺎن در ﻋﺮﺻﻪ ﻋﻤﻮﻣﻲ)ﭘﮋوﻫﺶ ﺑﺮﺗﺮ ﺳﺎل(‪ ،‬ﻣﺤﻤﺪ ﻋﺒﺪاﻟﻠﻬﻲ ‪ ‬‬
‫‪ -5‬ﻛﺎرﺑﺮد ﻧﻈﺮﻳﻪﻫﺎي ارﺗﺒﺎﻃﺎت‪ ،‬ﺳﻮن وﻳﻨﺪال و ﻫﻤﻜﺎران‪ ،‬ﻋﻠﻴﺮﺿﺎ دﻫﻘﺎن ‪ ‬‬
‫‪ -6‬ﭘﮋوﻫﺶ‪ ،‬ﭘﮋوﻫﺸﮕﺮي و ﭘﮋوﻫﺸﻨﺎﻣﻪﻧﻮﻳﺴﻲ )‪ 2‬ﺟﻠﺪ(‪ ،‬ﺧﻠﻴﻞ ﻣﻴﺮزاﻳﻲ ‪ ‬‬
‫‪ -7‬ﻣﻘﺪﻣﻪاي ﺑﺮ ﻣﺪلﺳﺎزي ﻣﻌﺎدﻟﻪ ﺳﺎﺧﺘﺎري ﺑﺎ ﻛﺎرﺑﺮد ﻧﺮماﻓﺰارﻫﺎي‪) Lisrel ،spss ،EQS‬ﺑﺎ ‪ (Cd‬ﺷﻮﻣﺎﺧﺮ و ﻟﻮﻣﻜﺲ‪ ،‬وﺣﻴﺪ ﻗﺎﺳﻤﻲ ‪ ‬‬
‫‪ -8‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﺻﻠﺢ‪ ،‬ﮔﺎﺳﺘﻮن ﺑﻮﺗﻮل‪ ،‬ﻫﻮﺷﻨﮓ ﻓﺮﺧﺠﺴﺘﻪ ‪ ‬‬
‫‪ -9‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﺟﻨﮓ‪ ،‬ﻛﺎﭘﻠﻮ و وﻧﺴﻦ‪ ،‬ﻫﻮﺷﻨﮓ ﻓﺮﺧﺠﺴﺘﻪ ‪ ‬‬
‫‪ -10‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ روزﻧﺎﻣﻪﻧﮕﺎري‪ ،‬ﺑﺮاﻳﺎن ﻣﻚﻧﻴﺮ‪ ،‬ﻋﻠﻲاﺻﻐﺮ ﻛﻴﺎ ـ ﻣﺤﻤﺪ رﺳﻮﻟﻲ ‪ ‬‬
‫‪ -11‬اﻧﺪﻳﺸﻪ اﺟﺘﻤﺎﻋﻲ و ﺳﻴﺎﺳﻲ ﺳﺒﺰ‪ ،‬اﻧﺪرو داﺑﺴﻮن‪ ،‬ﻣﺤﺴﻦ ﺛﻼﺛﻲ ‪ ‬‬
‫‪ -12‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﻧﻈﻢ اﺟﺘﻤﺎﻋﻲ‪ ،‬ﭘﻴﺘﺮ ورﺳﻠﻲ‪ ،‬ﺳﻌﻴﺪ ﻣﻌﻴﺪﻓﺮ ‪ ‬‬
‫‪ -13‬ﻓﺮﻫﻨﮓ واژﮔﺎن ﻋﻠﻮم اﺟﺘﻤﺎﻋﻲ‪ ،‬ﺷﻴﻮا ﺷﻜﺎري‪ /‬وﺟﻴﻬﻪ ﻣﻌﺼﻮم ‪ ‬‬
‫‪ -14‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ورزش )وﻧﺪاﻟﻴﺴﻢ و اوﺑﺎﺷﻴﮕﺮي در ورزش ﻓﻮﺗﺒﺎل(‪ ،‬وﺣﻴﺪ ﻗﺎﺳﻤﻲ‪ ،‬وﺣﻴﺪ ذواﻻﻛﺘﺎف‪ ،‬ﻋﻠﻲ ﻧﻮرﻋﻠﻲوﻧﺪ ‪ ‬‬
‫‪ -15‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﺟﻨﺴﻴﺖ‪ ،‬ﺧﺪﻳﺠﻪ ﺳﻔﻴﺮي‪ ،‬ﺳﺎرا اﻳﻤﺎﻧﻴﺎن ‪ ‬‬
‫‪ -16‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﻣﺼﺮف )ﺗﻮرﻳﺴﻢ و ﺧﺮﻳﺪ(‪ ،‬ﻋﻠﻲاﺻﻐﺮ ﺳﻌﻴﺪي ـ ﻣﺤﻤﺪﺣﺴﻴﻦ آﺑﺎدي ‪ ‬‬
‫‪ -17‬ﻣﺒﺎﻧﻲ ﺗﻮﺳﻌﻪ ﭘﺎﻳﺪار ﺷﻬﺮي‪ ،‬ﻣﻬﺮداد ﻧﻮاﺑﺨﺶ ـ اﺳﺤﻖ ارﺟﻤﻨﺪ ﺳﻴﺎﻫﭙﻮش ‪ ‬‬
‫‪ -18‬ﻧﻔﻮذ اﺟﺘﻤﺎﻋﻲ‪ ،‬ﻛﺎﻇﻢ ﺳﺎم دﻟﻴﺮي ‪ ‬‬
‫‪ -19‬ﻛﺎرﺑﺮد آﻣﺎر در ﻋﻠﻮم اﺟﺘﻤﺎﻋﻲ ﺑﺎ اﺳﺘﻔﺎده از ﻧﺮماﻓﺰار ‪ spss‬و ﻧﺤﻮه ﺗﻔﺴﻴﺮ ﺧﺮوﺟﻲﻫﺎ‪ ،‬ﺳﻌﻴﺪ ﮔﻮدرزي ‪ ‬‬
‫‪ -20‬ﺳﻴﺎﺳﺖ اﺟﺘﻤﺎﻋﻲ و ﺗﻮﺳﻌﻪ‪ ،‬آﻧﺘﻮﻧﻲ ﺣﺎل ـ ﺟﻴﻤﺰ ﻣﻴﺠﻠﻲ‪ ،‬ﻣﻬﺪي اﺑﺮاﻫﻴﻤﻲ ـ ﻋﻠﻴﺮﺿﺎ ﺻﺎدﻗﻲ ‪ ‬‬
‫‪ -21‬درك اﻳﺮاﻧﻴﺎن از ﻋﺪاﻟﺖ‪ ،‬دارﻳﻮش ﻳﻌﻘﻮﺑﻲ ‪ ‬‬
‫‪ -22‬درآﻣﺪي ﺑﺮ ﻓﺮﻫﻨﮓﻫﺎي ﺳﺎﻳﺒﺮ‪ ،‬دﻳﻮﻳﺪ ﺑﻞ‪ ،‬ﻣﺴﻌﻮد ﻛﻮﺛﺮي ـ ﺣﺴﻴﻦ ﺣﺴﻨﻲ ‪ ‬‬
‫‪ -23‬راﻫﻨﻤﺎي ﺑﻴﻦاﻟﻤﻠﻠﻲ ﺑﺮآورد ﭘﻴﺎﻣﺪﻫﺎي اﺟﺘﻤﺎﻋﻲ‪ ،‬ﻓﺮﻧﻚ وﻧﻜﻠﻲ ـ ﻫﻨﻚ ﺑﻜﺮ‪ ،‬ﻫﺎدي ﺟﻠﻴﻠﻲ ‪ ‬‬
‫‪ -24‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﻛﺸﻮرﻫﺎي اﺳﻼﻣﻲ‪ ،‬ﻏﻼﻣﻌﺒﺎس ﺗﻮﺳﻠﻲ و ﺑﻘﻴﻪ ﻧﻮﻳﺴﻨﺪﮔﺎن ‪ ‬‬
‫‪ -25‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﻋﻠﻢ‪ ،‬ﻣﺤﻤﺪ ﺗﻮﻛﻞ ‪ ‬‬
‫‪ -26‬ﻣﺪلﺳﺎزي ﻣﻌﺎدﻟﻪ ﺳﺎﺧﺘﺎري ﺑﺎ ﻛﺎرﺑﺮد ﻧﺮماﻓﺰار ‪) Amos Graphics‬ﺑﺎ ‪ ،(Cd‬وﺣﻴﺪ ﻗﺎﺳﻤﻲ ‪ ‬‬
‫‪ -27‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﻛﻴﻔﻴﺖ زﻧﺪﮔﻲ‪ ،‬ﻣﺮﺿﻴﻪ ﻣﺨﺘﺎري ـ ﺟﻮاد ﻧﻈﺮي ‪ ‬‬
‫‪ -28‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﺳﻴﺎﺳﻲ ﻛﻼن‪ ،‬ﻣﺤﻤﺪرﺿﺎ ﻃﺎﻟﺒﺎن ‪ ‬‬
‫‪ -29‬ﻃﺮح و ﭘﺎﻳﺎنﻧﺎﻣﻪ ﻧﻮﻳﺴﻲ‪ ،‬ﺧﻠﻴﻞ ﻣﻴﺮزاﻳﻲ ‪ ‬‬
‫‪ -30‬ﻓﺮا روش‪) ،‬ﺑﻨﻴﺎنﻫﺎي ﻓﻠﺴﻔﻲ و ﻋﻤﻠﻲ ﺗﺤﻘﻴﻖ ﺗﺮﻛﻴﺒﻲ در ﻋﻠﻮم اﺟﺘﻤﺎﻋﻲ و رﻓﺘﺎري( اﺣﻤﺪ ﻣﺤﻤﺪﭘﻮر ‪ ‬‬
‫‪ -31‬روش در روش )درﺑﺎره ﺳﺎﺧﺖ ﻣﻌﺮﻓﺖ در ﻋﻠﻮم اﻧﺴﺎﻧﻲ(‪ ،‬اﺣﻤﺪ ﻣﺤﻤﺪﭘﻮر ‪ ‬‬
‫‪ -32‬ﺿﺪ روش ﺟﻠﺪ ‪) 1‬ﻣﻨﻄﻖ و ﻃﺮح در روشﺷﻨﺎﺳﻲ ﻛﻴﻔﻲ(‪ ،‬اﺣﻤﺪ ﻣﺤﻤﺪﭘﻮر ‪ ‬‬
‫‪ -33‬اﻟﮕﻮﻫﺎ و ﻓﺮاﻳﻨﺪﻫﺎ‪ ،‬راﺑﺮت ال‪.‬ﺑﻲ‪ ،‬رﺣﻴﻢ ﻓﺮخﻧﻴﺎ ‪ ‬‬
‫‪ -34‬اﻓﻜﺎر ﻋﻤﻮﻣﻲ در اﻳﺮان‪ ،‬ﻣﺮﻛﺰ اﻓﻜﺎرﺳﻨﺠﻲ داﻧﺸﺠﻮﻳﺎن اﻳﺮان )ﻧﺸﺮ ﻣﺸﺘﺮك اﻳﺴﭙﺎ و ﺟﺎﻣﻌﻪﺷﻨﺎﺳﺎن( ‪ ‬‬
‫‪ -35‬درآﻣﺪي ﺑﺮ روشﻫﺎي ﻛﻤﻲ و ﻛﻴﻔﻲ ﺗﺤﻘﻴﻖ در ﻋﻠﻮم اﺟﺘﻤﺎﻋﻲ‪ ،‬اﺣﻤﺪ ﺳﻌﻴﺪي و‪) ...‬ﻧﺸﺮ ﻣﺸﺘﺮك اﻳﺴﭙﺎ و ﺟﺎﻣﻌﻪﺷﻨﺎﺳﺎن( ‪ ‬‬
‫‪ -36‬ﻧﻈﺮﻳﻪﻫﺎي ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ‪ ،‬ﻋﺒﺎس ﻣﺤﻤﺪي اﺻﻞ ‪ ‬‬
‫‪ -37‬ﻓﺮﻫﻨﮓ و رﻓﺘﺎر اﺟﺘﻤﺎﻋﻲ‪ ،‬ﻫﺮي س‪ .‬ﺗﺮي ﻳﺎﻧﺪﻳﺲ‪ ،‬ﻧﺼﺮت ﻓﺘﻲ ‪ ‬‬
 ‫‪ Spectrum -38‬ﺳﻴﺴﺘﻢ ﻣﺪلﺳﺎزي ﺳﻴﺎﺳﺖﮔﺬاري‪ ،‬ﺟﺎن اﺳﺘﻮور و‪ ،...‬ﺣﺎﺗﻢ ﺣﺴﻴﻨﻲ ‪ ‬‬
‫‪ -39‬زﻧﺪﮔﻲ و اﻧﺪﻳﺸﻪي ﺑﺰرﮔﺎن اﻧﺴﺎنﺷﻨﺎﺳﻲ‪ ،‬ﺟﺮي‪ .‬دي‪ .‬ﻣﻮر‪ ،‬ﻫﺎﺷﻢ آﻗﺎ ﺑﻴﮓﭘﻮري ـ ﺟﻌﻔﺮ اﺣﻤﺪي ‪ ‬‬
‫‪ -40‬ﻧﻈﺮﻳﻪ اﺟﺘﻤﺎﻋﻲ و ﺳﻴﺎﺳﺖ ﻫﻮﻳﺖ‪ ،‬ﻛﺮﻳﭻ ﻛﺎﻟﻬﻮن‪ ،‬ﻗﻠﻲﭘﻮر ـ ﻣﺤﻤﺪزاده ‪ ‬‬
‫‪ -41‬زﻧﺎﻧﻲ ﻛﻪ ﻣﺮد ﻣﻲﺷﻮﻧﺪ‪ ،‬آﻧﺘﻮﻧﻴﺎ ﻳﻮﻧﮓ‪ ،‬ﻣﻨﻴﮋه ﻣﻘﺼﻮدي ـ ﻣﺤﻤﺪ ﻓﺘﻮرهﭼﻲ ‪ ‬‬
‫‪ -42‬ﻣﻘﺪﻣﻪاي ﺑﺮ ﺳﻴﺎﺳﺘﮕﺬاري اﺟﺘﻤﺎﻋﻲ‪ ،‬ﻛﻦ ﺑﻠﻴﻚ ﻣﻮر‪ ،‬ﻋﻠﻲاﺻﻐﺮ ﺳﻌﻴﺪي ـ ﺳﻌﻴﺪ ﺻﺎدﻗﻲ ﺟﻘّﻪ ‪ ‬‬
‫‪ -43‬ﺳﻴﺎﺳﺖ اﺟﺘﻤﺎﻋﻲ )ﻧﻈﺮﻳﻪﻫﺎي ﻛﻼﺳﻴﻚ‪ ،‬ﻣﺪرن‪ ،‬ﭘﺴﺖﻣﺪرن و ﻣﻄﺎﻟﻌﺎت ﻣﻘﺎﻳﺴﻪاي( ﻓﺮﻳﺪ ﻫﻤﺘﻲ ‪ ‬‬
‫‪ -44‬ﺳﻨﺠﺶ ﻣﻔﺎﻫﻴﻢ در ﭘﻴﻤﺎﻳﺶﻫﺎي اﺟﺘﻤﺎﻋﻲ‪ ،‬ﻓﺮدﻳﻦ ﻋﻠﻴﺨﻮاه ‪ ‬‬
‫‪ -45‬واژهﻧﺎﻣﻪ ارﺗﺒﺎﻃﺎت و رﺳﺎﻧﻪﻫﺎ‪ ،‬ﺣﺴﻴﻦ ﺣﺴﻨﻲ ـ ﺟﻌﻔﺮ اﺣﻤﺪي ‪ ‬‬
‫‪ -46‬ﻛﻤﻴﺖ و ﻛﻴﻔﻴﺖ در ﺗﺤﻘﻴﻘﺎت اﺟﺘﻤﺎﻋﻲ‪ ،‬آﻟﻦ ﺑﺮاﻳﻤﻦ‪ ،‬ﻫﺎﺷﻢ آﻗﺎ ﺑﻴﮓﭘﻮري ‪ ‬‬
‫‪ -47‬ﻧﺨﺴﺘﻴﻦﻫﺎي ﺗﺎرﻳﺦ روزﻧﺎﻣﻪﻧﮕﺎري اﻳﺮان‪ ،‬راﻣﻴﻦ رﺳﻮل اُف ‪ ‬‬
‫‪ -48‬ﻣﺠﻤﻮﻋﻪ ﻣﻘﺎﻻت ﻫﻤﺎﻳﺶ ﻣﻠﻲ ﺧﻮدﻛﺸﻲ )ﻋﻠﻞ‪ ،‬ﭘﻴﺎﻣﺪﻫﺎ و راﻫﻜﺎرﻫﺎ(‪ ،‬دﻓﺘﺮ ﺗﺤﻘﻴﻘﺎت ﻛﺎرﺑﺮدي ﻓﺮﻣﺎﻧﺪﻫﻲ اﻧﺘﻈﺎﻣﻲ اﺳﺘﺎن اﻳﻼم‪  .‬‬
‫‪ -49‬ارزﻳﺎﺑﻲ ﺗﺄﺛﻴﺮات اﺟﺘﻤﺎﻋﻲ‪ ،‬ﻣﺤﻤﺪ ﻓﺎﺿﻞ ‪ ‬‬
‫‪ -50‬اﻧﺴﺎنﺷﻨﺎﺳﻲ ﻓﻠﺴﻔﻲ‪ ،‬رﺣﻴﻢ ﻓﺮخﻧﻴﺎ ـ ﻋﻠﻴﺮﺿﺎ ﻏﻔﺎري ‪ ‬‬
‫‪ -51‬ﻓﺮاﺗﺤﻠﻴﻞ در ﭘﮋوﻫﺶﻫﺎي اﺟﺘﻤﺎﻋﻲ و رﻓﺘﺎري‪ ،‬ﻣﺤﻤﻮد ﻗﺎﺿﻲﻃﺒﺎﻃﺒﺎﻳﻲ ـ اﺑﻮﻋﻠﻲ ودادﻫﻴﺮ ‪ ‬‬
‫‪ -52‬ﺷﻴﻮهي ﻋﻤﻠﻲ ﻣﻘﺎﻟﻪﻧﻮﻳﺴﻲ‪ ،‬ﺧﻠﻴﻞ ﻣﻴﺮزاﻳﻲ ‪ ‬‬
‫‪ -53‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ روﺳﺘﺎﻳﻲ‪ ،‬ﺣﺴﻴﻦ ﺑﻬﺮوان ‪ ‬‬
‫‪ -54‬ارﺗﺒﺎﻃﺎت ﻛﺎﻣﭙﻴﻮﺗﺮي )اﻳﻨﺘﺮﻧﺖ و ﺟﺎﻣﻌﻪ(‪ ،‬آﻟﻴﺲ ﺗﻮﻣﻴﻚ و ﻫﻤﻜﺎران‪ ،‬ﺳﺮوﻧﺎز ﺗﺮﺑﺘﻲ ‪ ‬‬
‫‪ -55‬ﮔﻨﺞ راﻳﮕﺎن )درآﻣﺪي ﺑﺮ ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ اﻳﺮان اﻣﺮوز(‪ ،‬ﻋﺒﺎس ﻣﺤﻤﺪي اﺻﻞ ‪ ‬‬
‫‪ -56‬روش ارزﻳﺎﺑﻲ ﻣﺸﺎرﻛﺘﻲ روﺳﺘﺎﻳﻲ‪ ،‬ﭼﻤﺒﺮز و ﻫﻤﻜﺎران‪ ،‬ﻣﻨﻴﮋه ﻣﻘﺼﻮدي ‪ ‬‬
‫‪ -57‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﺟﻮاﻧﺎن )ﺳﺒﻚﻫﺎي زﻧﺪﮔﻲ ﺟﻮاﻧﺎن در دﻧﻴﺎي ﻣﺘﻐﻴﺮ( اﺳﺘﻴﻮن ﻣﺎﻳﻠﺰ‪ ،‬ﻣﻴﻨﺎ ﻗﺮﻳﺐ ـ ﻧﻌﻴﻤﻪ ﺟﻮان ‪ ‬‬
‫‪ -58‬اﺳﺘﺮاﺗﮋيﻫﺎي ﭘﮋوﻫﺶ اﺟﺘﻤﺎﻋﻲ‪ ،‬ﻧﻮرﻣﻦ ﺑﻠﻴﻜﻲ‪ ،‬ﺟﻌﻔﺮ اﺣﻤﺪي و آﻗﺎ ﺑﻴﮓ ﭘﻮري ‪ ‬‬
‫‪ -59‬اﺻﻮل آﻣﺎر ﻣﻘﺪﻣﺎﺗﻲ در ﻋﻠﻮم رﻓﺘﺎري‪ ،‬ﺑﺎ ﺗﺄﻛﻴﺪ ﺑﺮ ‪ spss‬ﻓﺎروق اﻣﻴﻦ ﻣﻈﻔﺮي ـ ﺧﻮرﺷﻴﺪ ﭘﺎداش اﺻﻞ ‪ ‬‬
‫‪ -60‬اﺻﻮل آﻣﺎر ﭘﻴﺸﺮﻓﺘﻪ در ﻋﻠﻮم رﻓﺘﺎري ﺑﺎ ﺗﺄﻛﻴﺪ ﺑﺮ ‪ spss‬ﻓﺎروق اﻣﻴﻦ ﻣﻈﻔﺮي ـ ﺧﻮرﺷﻴﺪ ﭘﺎداش اﺻﻞ ‪ ‬‬
‫‪ -61‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﺣﻘﻮق‪ ،‬اﺳﺤﻖ ارﺟﻤﻨﺪ ﺳﻴﺎﻫﭙﻮش ‪ ‬‬
‫‪ -62‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﺗﻜﻨﻮﻟﻮژي‪ ،‬ﻣﺤﻤﺪ ﺗﻮﻛﻞ ‪ ‬‬
‫‪ -63‬رواﺑﻂ ﻋﻤﻮﻣﻲ اﻟﻜﺘﺮوﻧﻴﻜﻲ‪ ،‬رﺣﻤﺎن ﺳﻌﻴﺪي‪ ،‬ﻋﻠﻲ اﺻﻐﺮ ﻛﻴﺎ ‪ ‬‬
‫‪ -64‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ رواﺑﻂ ﺑﻴﻦ ﻧﺴﻠﻲ‪ ،‬ﺗﻘﻲ آزاد ارﻣﻜﻲ ‪ ‬‬
‫‪ -65‬آﻣﻮزش ‪ spss /16‬و ﻧﺤﻮه ﺗﻔﺴﻴﺮ ﺧﺮوﺟﻲﻫﺎ‪ ،‬ﺳﻌﻴﺪ ﮔﻮدرزي ‪ ‬‬
‫‪ -66‬ﺷﺎﻫﺪ ﺗﻦ )ﺧﺸﻮﻧﺖ ﺑﻨﻴﺎدﻳﻦ ﻋﻠﻴﻪ زﻧﺎن ﺟﻨﻮب آﺳﻴﺎﻳﻲ ﺳﺎﻛﻦ اﻳﺎﻻت ﻣﺘﺤﺪه( ﺷﻤﻴﺘﺎ‪ ،‬داس داﺳﮕﻮﻳﺘﺎ‪ ،‬ﺑﻨﻔﺸﻪ ﺟﻮادي اﻟﻴﺎدراﻧﻲ ‪ ‬‬
‫‪ -67‬ﺗﺼﻤﻴﻤﺎت اﺧﻼﻗﻲ در روﻳﻪ ﻣﺪدﻛﺎري اﺟﺘﻤﺎﻋﻲ ‪ ،‬راﻟﻔﺎ دوﻟﮕﻮف‪ ،‬ﻓﺮاﻧﻚ م ‪.‬ﻟﻮﻧﺒﺮگ‪ ،‬دوﻧﺎ ﻫﺎرﻳﻨﮕﺘﻮن‪ ،‬ﻓﻀﻪ ﻧﻮﭘﻮر ‪ ‬‬
‫‪ -68‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﻣﺴﺎﺋﻞ اﺟﺘﻤﺎﻋﻲ در اﻳﺮان‪ ،‬ﺟﻮاد اﻓﺸﺎر ﻛﻬﻦ ‪ ‬‬
‫‪ -69‬ﺗﺠﺎرت ﺧﺎرﺟﻲ اﻳﺮان )در ﻋﻬﺪ ﻗﺎﺟﺎر و ﭘﻬﻠﻮي(‪ ،‬ﻣﻴﺜﻢ ﻣﻮﺳﺎﻳﻲ ‪ ‬‬
‫‪ -70‬دﻳﻦ‪ ،‬ﺗﻮﺳﻌﻪ و ﻓﺮﻫﻨﮓ‪ ،‬ﻣﻴﺜﻢ ﻣﻮﺳﺎﻳﻲ ‪ ‬‬
‫‪ -71‬ﺗﻜﻨﻴﻚﻫﺎي ﺧﺎص ﺗﺤﻘﻴﻖ‪ ،‬ذﺑﻴﺢاﷲ ﺻﺪﻓﻲ ـ ﺳﻜﻴﻨﻪ ﺑﺎﺑﺎﻳﻲ ‪ ‬‬
‫‪ -72‬ﭼﻨﺪرﺳﺎﻧﻪايﻫﺎ‪ ،‬آن ﻛﺮﻧﻲ ﻓﺮاﻧﺴﻴﺲ‪ ،‬ﻋﻠﻲ اﺻﻐﺮ ﻛﻴﺎ ‪ ‬‬
‫‪ -73‬ﺳﻴﺴﺘﻢﻫﺎي اﺳﺘﻨﺒﺎط ﻓﺎزي در ﭘﮋوﻫﺶﻫﺎي اﺟﺘﻤﺎﻋﻲ‪،‬وﺣﻴﺪ ﻗﺎﺳﻤﻲ ‪ ‬‬
‫‪ -74‬ﻣﺠﻠﻪ ﻣﻄﺎﻟﻌﺎت اﺟﺘﻤﺎﻋﻲ اﻳﺮان )دوره ﺳﻮم‪ ،‬ﺷﻤﺎره ‪ ،2‬ﺗﺎﺑﺴﺘﺎن ‪ 1388‬وﻳﮋهﻧﺎﻣﻪ ﺷﻬﺮ و ﺷﻬﺮوﻧﺪي(‪ ،‬اﻧﺠﻤﻦ ﺟﺎﻣﻌﻪﺷﻨﺎﺳﺎن ‪ ‬‬
‫‪ -75‬ﻣﺠﻠﻪ ﻣﻄﺎﻟﻌﺎت اﺟﺘﻤﺎﻋﻲ اﻳﺮان )دوره ﺳﻮم‪ ،‬ﺷﻤﺎره ‪ ،3‬ﭘﺎﻳﻴﺰ ‪ 1388‬وﻳﮋه ﺧﺮاﺳﺎن رﺿﻮي(‪ ،‬اﻧﺠﻤﻦ ﺟﺎﻣﻌﻪﺷﻨﺎﺳﺎن ‪ ‬‬
‫‪ -76‬ﻣﺠﻠﻪ ﻣﻄﺎﻟﻌﺎت اﺟﺘﻤﺎﻋﻲ اﻳﺮان )دوره ﺳﻮم‪ ،‬ﺷﻤﺎره ‪ ،4‬زﻣﺴﺘﺎن ‪ 1388‬وﻳﮋهﻧﺎﻣﻪ روشﺷﻨﺎﺳﻲ(‪ ،‬اﻧﺠﻤﻦ ﺟﺎﻣﻌﻪﺷﻨﺎﺳﺎن ‪ ‬‬
 ‫ﻓﻬﺮﺳﺖ ﻛﺘﺎبﻫﺎي در دﺳﺖ اﻧﺘﺸﺎر‬

‫‪ -1‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ و ﺟﺎﻣﻌﻪ اﻳﺮاﻧﻲ‪ ،‬ﺗﻘﻲ آزاد ارﻣﻜﻲ ‪ ‬‬

‫‪ -2‬ﻧﻈﺎم اﺟﺘﻤﺎﻋﻲ‪ ،‬ﺗﺎﻟﻜﺖ ﭘﺎرﺳﻨﺰ‪ ،‬ﻧﺎدر ﺳﺎﻻرزاده اﻣﻴﺮي ‪ ‬‬
‫‪ -3‬ﻣﺪرنﮔﺮاﻳﻲ و ﺳﺮﻣﺎﻳﻪ اﺟﺘﻤﺎﻋﻲ ﺧﺎﻧﻮاده‪ ،‬ﻋﺎﻟﻴﻪ ﺷﻜﺮﺑﻴﮕﻲ ‪ ‬‬
‫‪ -4‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﻛﺎر )دﻧﻴﺎي ﺷﮕﻔﺖاﻧﮕﻴﺰ ﻛﺎر در ﻣﺪرﻧﻴﺘﻪ ﺑﺎزاﻧﺪﻳﺸﺎﻧﻪ(‪ ،‬اوﻟﺮﻳﺶ ﺑﻚ‪ ،‬ﺳﻌﻴﺪ ﺻﺎدﻗﻲ ـ آﻳﺖ ﻧﺒﺎﺗﻲ ﺣﺼﺎرﻟﻮ ‪ ‬‬
‫‪ -5‬ﻣﺸﺎوره ﺑﺎ زﻧﺎن ﻣﻌﺘﺎد‪ ،‬ﻣﻮﻧﻴﻚ ﻛﻮﻫﻦ‪ ،‬ﻓﺮﻳﺪه ﻫﻤﺘﻲ ‪ ‬‬
‫‪ -6‬دﻣﻮﻛﺮاﺳﻲ و ﺳﻨﺖﻫﺎي ﻣﺪﻧﻲ‪ ،‬روﺑﺮت ﭘﺎﺗﻨﺎم‪ ،‬ﻣﺤﻤﺪﺗﻘﻲ دﻟﻔﺮوز ‪ ‬‬
‫‪ -7‬ﺧﺸﻮﻧﺖ ﺧﺎﻧﮕﻲ‪ ،‬آزاده ﻣﻮﻣﻨﻲ ‪ ‬‬
‫‪ -8‬ﻃﺮح ﭼﮕﻮﻧﮕﻲ وﺣﺪت ﻣﻠﻞ‪ ،‬اﺳﺮاﻓﻴﻞ رﺣﻴﻤﻲ ﻣﻮﻗﺮ ‪ ‬‬
‫‪ -9‬ﺗﺄﺛﻴﺮات زﻧﺪان ﺑﺮ زﻧﺪاﻧﻲ‪ ،‬ﻋﺒﺎس ﻋﺒﺪي ‪ ‬‬
‫‪ -10‬ﻛﺎرﺑﺮد ﺗﺤﻠﻴﻞ ﮔﻔﺘﻤﺎن در ﺗﺤﻘﻴﻘﺎت اﺟﺘﻤﺎﻋﻲ‪ ،‬ﺣﺴﻴﻦﻋﻠﻲ ﻗﺠﺮي ـ ﺟﻮاد ﻧﻈﺮي ‪ ‬‬
‫‪ -11‬ﭘﺎرﺳﻨﺰ و ﺷﻜﻞﮔﻴﺮي ﺟﺎﻣﻌﻪ اﻣﺮوز‪ ،‬ﻋﺒﺎس ﻣﺤﺴﻨﻲاﺻﻞ ‪ ‬‬
‫‪ -12‬ﻋﻠﻢ و ﺗﻜﻨﻴﻚ ﺑﻪ ﻣﺜﺎﺑﻪ اﻳﺪﺋﻮﻟﻮژي در ﺑﺎب ﻣﻨﻄﻖ ﻋﻠﻮم اﺟﺘﻤﺎﻋﻲ‪ ،‬ﻏﻼﻣﺮﺿﺎ ﺧﺪﻳﻮي ‪ ‬‬
‫‪ -13‬ﻫﺠﺮت ﻃﺒﻘﻪ ﺧﻼق ﻳﺎ ﻓﺮار ﻣﻐﺰﻫﺎ از آﻣﺮﻳﻜﺎ‪ ،‬رﻳﭽﺎرد ﻓﻠﻮرﻳﺪا‪ ،‬اﺑﺮاﻫﻴﻢ اﻧﺼﺎري ـ ﻣﺤﻤﺪاﺳﻤﺎﻋﻴﻞ اﻧﺼﺎري ‪ ‬‬
‫‪ -14‬ﺷﻬﺮﻫﺎ و ﻃﺒﻘﻪ ﺧﻼق‪ ،‬رﻳﭽﺎرد ﻓﻠﻮرﻳﺪا‪ ،‬اﺑﺮاﻫﻴﻢ اﻧﺼﺎري ـ ﻣﺤﻤﺪاﺳﻤﺎﻋﻴﻞ اﻧﺼﺎري ‪ ‬‬
‫‪ -15‬دﻣﻮﻛﺮاﺳﻲ‪ ،‬ﭼﺎرﻟﺰ ﺗﻴﻠﻲ‪ ،‬ﻳﻌﻘﻮب اﺣﻤﺪي ‪ ‬‬
‫‪ -16‬ﺗﺤﻠﻴﻞ ﻧﺴﻠﻲ‪ ،‬اﻓﺴﺎﻧﻪ ﻛﻤﺎﻟﻲ ‪ ‬‬
‫‪ -17‬ﺗﺠﺎوز ﺟﻨﺴﻲ در آﻣﺮﻳﻜﺎ‪ ،‬ﺳﺎﺳﺎن ودﻳﻌﻪ ‪ ‬‬
‫‪ -18‬در ﺟﺴﺘﺠﻮي ﻧﻈﺮﻳﻪﻫﺎي ﻋﺎﻟﻤﺎن ﻣﺴﻠﻤﺎن‪ ،‬ﻣﺤﻤﺪ ﺛﻘﻔﻲ ‪ ‬‬
‫‪ -19‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﺳﺎزﻣﺎنﻫﺎ و ﻓﺮﻫﻨﮓ ﺳﻴﺎﺳﻲ‪ ،‬ﻣﻬﺮداد ﻧﻮاﺑﺨﺶ ـ ﺣﺴﻴﻦ ﺷﺮﻳﻌﺖ ‪ ‬‬
‫‪ -20‬ﻓﺮﻫﻨﮓ ﺟﺎﻣﻊ ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ و ﻋﻠﻮم اﻧﺴﺎﻧﻲ‪ ،‬ﻛﺮاﻣﺖ اﷲ راﺳﺦ ‪ ‬‬
‫‪ -21‬ﺳﻴﺎﺳﺖ‪ ،‬ﻃﺮحﻫﺎ و ﺑﺮﻧﺎﻣﻪﻫﺎي ﺑﻬﺪاﺷﺖ روان‪ ،‬ﻓﺮدﻳﻦ ﻋﻠﻴﭙﻮر ‪ ‬‬
‫‪ -22‬ﻣﻔﺎﺧﺮ ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ اﻳﺮان ـ ‪) 1‬ﻏﻼﻣﻌﺒﺎس ﺗﻮﺳﻠﻲ(‪ ،‬ﺑﻪ ﻛﻮﺷﺶ ﻣﺤﻤﺪﺑﺎﻗﺮ ﺗﺎجاﻟﺪﻳﻦ ‪ ‬‬
‫‪ -23‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ رواﺑﻂ ﻋﻤﻮﻣﻲ در اﻳﺮان‪ ،‬ﻋﺒﺎس ﻣﺤﻤﺪياﺻﻞ ‪ ‬‬
‫‪ -24‬ﺑﺮداﺷﺖﻫﺎﻳﻲ از ﻧﻈﺮﻳﻪ ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﻣﻌﺎﺻﺮ‪ ،‬آﻧﺘﻮﻧﻲ اﻟﻴﻮت‪ ،‬ﻓﺮﻫﻨﮓ ارﺷﺎد ‪ ‬‬
‫‪ -25‬ﺻﻨﻌﺖ ﻓﺮﻫﻨﮕﻲ‪ ،‬ﺗﺌﻮدور آدرﻧﻮ‪ ،‬ﺳﻤﻴﻪ رﻧﺠﺒﺮ ‪ ‬‬
‫‪ -26‬ﻫﺎﺑﺮﻣﺎس ﺑﻪ رواﻳﺖ ﻓﻤﻨﻴﺴﺖﻫﺎ‪ ،‬ﺳﻌﻴﺪ اﺳﻼﻣﻲ‪،‬ﺷﻴﻮا ﺷﻜﺎري ‪ ‬‬
‫‪ -27‬ﺟﻨﺴﻴﺖ و ﺗﻀﺎد ﻧﻘﺶﻫﺎي زﻧﺎﺷﻮﻳﻲ‪ ،‬زﻫﺮا زارع ‪ ‬‬
‫‪ -28‬ﺗﺤﻠﻴﻞ ﺷﺒﻜﻪﻫﺎي اﺟﺘﻤﺎﻋﻲ ﺑﻪ ﻫﻤﺮاه آﻣﻮزش ﻧﺮم اﻓﺰار ‪ ، USINET‬اﺑﻮاﻟﻔﻀﻞ رﻣﻀﺎﻧﻲ‪ ،‬ﻋﻠﻲ ﻣﻴﺮزاﻣﺤﻤﺪي ‪ ‬‬
‫‪ -29‬راﻫﻨﻤﺎي ﮔﺎم ﺑﻪ ﮔﺎم اﺳﺘﻔﺎده از ﻧﺮماﻓﺰار ‪ MAXqda2‬در ﺗﺤﻘﻴﻖ ﻛﻴﻔﻲ‪ ،‬اﺑﻮاﻟﻔﻀﻞ رﻣﻀﺎﻧﻲ ‪ ‬‬
‫‪ -30‬ﻣﻮازﻳﻦ ﺑﻴﻦاﻟﻤﻠﻠﻲ ﺣﻘـﻮق زﻧـﺎن )ﻛﻨﻮاﻧﺴـﻴﻮنﻫـﺎ‪ ،‬ﻣﻴﺜـﺎقﻫـﺎ‪ ،‬ﻗﻄﻌﻨﺎﻣـﻪﻫـﺎ ‪ ،‬ﭘﺮوﺗﻜـﻞﻫـﺎ‪ ،‬اﻋﻼﻣﻴـﻪﻫـﺎ‪ ،‬ﺑﻴﺎﻧﻴـﻪﻫـﺎ‪ ،‬ﺗﻮﺻـﻴﻪﻧﺎﻣـﻪﻫـﺎ‪،‬‬
‫ﻣﻘﺎوﻟﻪﻧﺎﻣﻪﻫﺎ‪)، ...‬ﺟﻠﺪ اول( ﺷﻬﻴﻨﺪﺧﺖ ﻣﻮﻻوردي ‪ ‬‬
‫‪ -31‬ﻣﻮازﻳﻦ ﺑﻴﻦاﻟﻤﻠﻠﻲ ﺣﻘﻮق زﻧﺎن )اﺳﻨﺎد ﻣﺼﻮب ﻛﻨﻔﺮاﻧﺲﻫﺎي ﺟﻬﺎﻧﻲ و اﺟﻼسﻫﺎي وﻳﮋه( ﺟﻠﺪ دوم‪ ،‬ﺷﻬﻴﻨﺪﺧﺖ ﻣﻮﻻوردي ‪ ‬‬
‫‪ -32‬درآﻣﺪي ﺑﺮ ﺷﺒﻜﻪﻫﺎي اﺟﺘﻤﺎﻋﻲ‪ ،‬ﻳﻴﺮوﺋﻦ ﺑﺮوﮔﻤﻦ‪ ،‬ﺧﻠﻴﻞ ﻣﻴﺮزاﻳﻲ‬
 ‫‪ -33‬ﻧﻈﺮﻳﻪﭘﺮدازي در ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ )ﻓﻘﺮ ﻧﻈﺮﻳﻪﭘﺮدازي در اﻳﺮان( ﻣﺮﻳﻢ رﺣﻴﻤﻲ ﺳﺠﺎﺳﻲ ‪ ‬‬
‫‪ -34‬ﻫﻮﻳﺖ اﻧﺴﺎﻧﻲ ﺗﻮﺳﻌﻪ‪ ،‬ﻣﺮﺗﻀﻲ ﻧﻈﺮي ‪ ‬‬
‫‪ -35‬ﻣﺴﺎﻟﻪ روش در ﻣﻄﺎﻟﻌﺎت ﻓﺮﻫﻨﮕﻲ‪ ،‬ﺣﻤﻴﺪ ﻋﺒﺪاﻟﻠﻬﻴﺎن‪ ،‬ﻋﻠﻲ ﺣﺎﺟﻲ ﻣﺤﻤﺪي‪ ،‬ﻋﻠﻲ ﺻﺒﺎﻏﻲ ‪ ‬‬
‫‪ -36‬ﻧﻈﺮﻳﻪ ﺟﺎﻣﻌﻪﺷﻨﺎﺧﺘﻲ ﻣﻌﺎﺻﺮ و رﻳﺸﻪﻫﺎي ﻛﻼﺳﻴﻚ آن‪ ،‬ﺟﺮج رﻳﺘﺰر‪ ،‬ﺧﻠﻴﻞ ﻣﻴﺮزاﻳﻲ‪ ،‬ﻋﻠﻲ ﺑﻘﺎﻳﻲ ‪ ‬‬
‫‪ -37‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﻛﺎﭘﻮﭼﻴﻨﻮ‪ ،‬ﻣﻬﺮداد ﻧﺎﻇﺮي‪ ،‬اﻳﻤﺎن ﻫﻨﺮﭘﻮر ‪ ‬‬
‫‪ -38‬روش ﺗﺤﻘﻴﻖ ﻛﻴﻔﻲ در ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ‪ ،‬دﻳﻮﻳﺪ ﺳﻴﻠﻮرﻣﻦ‪ ،‬ﻣﺤﺴﻦ ﺛﻼﺛﻲ ‪ ‬‬
‫‪ -39‬ﭼﮕﻮﻧﻪ ﻣﺴﺎﺋﻞ اﺟﺘﻤﺎﻋﻲ را ﺣﻞ ﻛﻨﻴﻢ‪ ،‬ﺟﻴﻤﺰ ﻛﺮون‪ ،‬ﻣﻬﺮداد ﻧﻮاﺑﺨﺶ‪ ،‬ﻓﺎﻃﻤﻪ ﻛﺮﻣﻲ‬
‫‪ -40‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﺟﻨﮓ ‪ ،‬ﻋﻠﻴﺮﺿﺎ ﺷﺎﻳﺎن ﻣﻬﺮ ‪ ‬‬
‫‪ -41‬داﻳﺮة اﻟﻤﻌﺎرف ﺧﺎﻧﻮاده ﻧﻈﺮﻳﻪﻫﺎ و ﭘﮋوﻫﺶﻫﺎي ﺧﺎﻧﻮاده‪ ،‬ﻟﻴﻨﮕﺴﺘﻮن‪ ،‬ﻋﺎﻟﻴﻪ ﺷﻜﺮﺑﻴﮕﻲ‪ ،‬ﺷﻬﻼ ﻗﻬﺮﻣﺎﻧﻲ ‪ ‬‬
‫‪ -42‬روش ﺗﺤﻘﻴﻖ در اﻧﺴﺎنﺷﻨﺎﺳﻲ‪ ،‬دﻳﻮﻳﺪﺋﻲﻫﺎﻧﺘﺮ‪،‬ﻣﺎرﻳﺎن ﺑﻲﻓﻮﻟﻲ‪ ،‬ﻋﻠﻴﺮﺿﺎ ﻗﺒﺎدي‪ ،‬ﻓﺎﻃﻤﻪ دﻳﻬﻴﻤﻲ‪ ،‬ﻣﺮﻳﻢ زﻳﻨﻲ ‪ ‬‬
‫‪ -43‬ﺗﻌﺎون در ﺟﺎﻣﻌﻪ ﺟﺪﻳﺪ‪ ،‬ﻣﺎرك ون دو‪ ،‬ﺗﺎم‪ .‬ار‪ .‬ﺗﺎﻳﻠﺮ‪ ،‬آﻧﺪره ﺑﻴﻠﺰ‪ ،‬ﺳﻌﻴﺪ وﺻﺎﻟﻲ ‪ ‬‬
‫‪ -44‬ﻧﻈﺮﻳﻪ ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﻣﺪرن‪ ،‬ﺟﻮرج رﻳﺘﺰر‪ ،‬داﮔﻼس ﺟِﻲ‪ .‬ﮔﻮدﻣﻦ‪، ،‬ﻋﺒﺎس ﻟﻄﻔﻲزاده‪  ،‬‬
‫‪ -45‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﻣﻌﺎﺻﺮ ﺷﻬﺮي‪ ،‬اﺑﺮاﻫﻴﻢ اﻧﺼﺎري ‪ ‬‬
‫‪ -46‬ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ ﺳﻠﻄﻪ‪ ،‬ﻣﻬﺮان ﺻﻮﻟﺘﻲ ‪ ‬‬
‫‪ -47‬اﺑﻦ ﺧﻠﺪون ﻧﺨﺴﺘﻴﻦ ﺟﺎﻣﻌﻪﺷﻨﺎس ﻣﺴﻠﻤﺎن‪ ،‬ﻣﺤﻤﺪﺛﻘﻔﻲ ‪ ‬‬
‫‪ -48‬ﺗﺤﻠﻴﻞ ﻋﺎﻣﻠﻲ ﺗﺎﻳﻴﺪي ﺑﺎ اﺳﺘﻔﺎده از ﻧﺮماﻓﺰارﻫﺎي‪ LISREL,AMOS,MPLUS‬ﺟﺮﻣﻲ‪.‬ﺟﻲ‪ .‬آﻟﺒﺮﻳﮕﺖ‪ ،‬ﺣﺴﻴﻦ ﺻﻔﺮي ‪ ‬‬
‫‪ -49‬ﻣﻘﺪﻣﻪاي ﺑﺮ ﺟﺎﻣﻌﻪﺷﻨﺎﺳﻲ اﻧﻮاع دﻳﻨﺪاري‪ ،‬ﺳﻴﺪ ﻣﺤﻤﺪ ﻣﻴﺮﺳﻨﺪﺳﻲ ‪ ‬‬
‫‪ ‬‬