‫جزوه آموزشی‬

‫آموزشی نرم افزار آماری ‪SPSS‬‬

‫نویسنده‪ :‬ابراهیم فتحی‬

‫‪1396‬‬
 ‫فهرست‬

‫فصل اول‪ :‬کلیات ‪41 -------------------------------------------------------------------------‬‬

‫مقدمه‪41 -------------------------------------------------------------------------------‬‬

‫مفاهیم کلیدی در آمار‪41 --------------------------------------------------------------------‬‬

‫جامعه آماری‪41 ------------------------------------------------------------------------‬‬

‫نمونه‪41 -----------------------------------------------------------------------------‬‬

‫چرا نمونه گیری ‪41 ---------------------------------------------------------------------‬‬

‫آماره ‪41 -----------------------------------------------------------------------------‬‬

‫پارامتر ‪41 ----------------------------------------------------------------------------‬‬

‫نمره استاندارد‪41 -----------------------------------------------------------------------‬‬

‫آمار ناپارامتریك ‪41 ---------------------------------------------------------------------‬‬

‫مفهوم فرضیه ‪41 -----------------------------------------------------------------------‬‬

‫فرضیههای رابطه ای ‪41 ----------------------------------------------------------------‬‬

‫فرضیه علّی ‪02 ----------------------------------------------------------------------‬‬
‫فرضیه تفاوتی ‪ /‬مقایسه ای ‪04 ------------------------------------------------------------‬‬

‫فرضیه آماری ‪02 -----------------------------------------------------------------------‬‬

‫فرضیه صفر ‪02 ----------------------------------------------------------------------‬‬

‫فرضیه یك یا بدیل ‪02 -----------------------------------------------------------------‬‬

‫خطاهای نوع اول و دوم ‪01 ----------------------------------------------------------------‬‬

‫آزمون آماری‪01 ------------------------------------------------------------------------‬‬

‫انواع آزمونهای آماری ‪01 -----------------------------------------------------------------‬‬

‫آزمونهای آماری پارامتری ‪01 ------------------------------------------------------------‬‬

‫آزمونهای آماری ناپارامتری ‪02 -----------------------------------------------------------‬‬

‫درجه آزادی ‪02 ------------------------------------------------------------------------‬‬

‫سطح معناداری ‪01 ----------------------------------------------------------------------‬‬

‫توزیع داده ها ‪01 -----------------------------------------------------------------------‬‬

 ‫‪5‬‬ ‫فهرست ‪‬‬

‫توزیع نرمال‪ /‬طبیعی‪01 -----------------------------------------------------------------‬‬

‫توزیع استاندارد‪01 --------------------------------------------------------------------‬‬

‫فرضیه مخالف‪22 -----------------------------------------------------------------------‬‬

‫توان ‪22 -----------------------------------------------------------------------------‬‬

‫آمارههای توصیفی ‪24 ----------------------------------------------------------------------‬‬

‫اندازههای گرایش مرکزی ‪24 ---------------------------------------------------------------‬‬

‫نما ‪20 ----------------------------------------------------------------------------‬‬

‫میانه ‪21 ---------------------------------------------------------------------------‬‬
‫میانگین ‪21 -------------------------------------------------------------------------‬‬

‫اندازههای پراکندگی‪22 -------------------------------------------------------------------‬‬

‫دامنه تغییرات ‪22 ---------------------------------------------------------------------‬‬

‫انحراف چارکی‪21 --------------------------------------------------------------------‬‬
‫واریانس ‪21 ------------------------------------------------------------------------‬‬
‫انحراف معیار ‪12 ---------------------------------------------------------------------‬‬

‫انواع مقیاسها یا متغیرها از لحاظ سطوح سنجش ‪14 -------------------------------------------------‬‬

‫انواع متغیر بر اساس نقش آن در فرآیند تحقیق ‪12 ---------------------------------------------------‬‬

‫متغیر مستقل‪12 ------------------------------------------------------------------------‬‬

‫متغیر وابسته ‪11 ------------------------------------------------------------------------‬‬

‫متغیر تعدیل کننده ‪11 --------------------------------------------------------------------‬‬

‫متغیر کنترل ‪11 ------------------------------------------------------------------------‬‬

‫متغیرهای مداخله گر ‪11 ------------------------------------------------------------------‬‬

‫مراحل تحلیل آزمونهای آماری ‪11 -------------------------------------------------------------‬‬

‫فصل دوم‪ :‬نرم افزار ‪11 ------------------------------------------------------------------ SPSS‬‬

‫درس اول ‪11 ----------------------------------------------------------------------------‬‬

‫مقدمه‪ :‬آشنایی با نرم افزارهای آماری‪11 ----------------------------------------------------------‬‬

‫نرم افزار ‪11 --------------------------------------------------------------------- SPSS‬‬

‫نرم افزار ‪12 ----------------------------------------------------------------------SAS‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪6‬‬

‫نرم افزار ‪12 ---------------------------------------------------------------- MATLAB‬‬

‫نرم افزار ‪14 -------------------------------------------------------------------Minitab‬‬

‫نرم افزار ‪14 ------------------------------------------------------------------------ R‬‬

‫آشنایی با نرم افزار ‪10 -----------------------------------------------------------------SPSS‬‬

‫نوارهای ‪10 --------------------------------------------------------------------- SPSS‬‬

‫نوار اول و نوار آبی رنگ ‪10 -------------------------------------------------------------‬‬

‫نوار دوم ‪10 ------------------------------------------------------------------------‬‬
‫نوار ابزار نشان ها ‪10 ------------------------------------------------------------------‬‬

‫معرفی صفحات ‪12 ---------------------------------------------------------------- SPSS‬‬

‫پنجره ‪12 ----------------------------------------------------------------Data editor‬‬

‫‪11 -----------------------------------------------------------------Variable View‬‬

‫جزئیات هر یك از آیکونهای صفحه نمایش و ویرایش متغیرها ‪11 ---------------------------------‬‬

‫‪12 -------------------------------------------------------------------- Data View‬‬

‫پنجره ‪12 --------------------------------------------------------------------output‬‬
‫پنجره ‪11 ------------------------------------------------------------------- Syntax‬‬

‫درس دوم‪11 ----------------------------------------------------------------------------‬‬

‫منوی فایل ‪11 -------------------------------------------------------------------------‬‬

‫منوی ویرایش‪12 -----------------------------------------------------------------------‬‬

‫منوی نمایش‪14 ------------------------------------------------------------------------‬‬

‫منوی داده‪10 --------------------------------------------------------------------------‬‬

‫تعریف خواص متغیرها ‪12 --------------------------------------------------------------‬‬

‫مرتب سازی موارد ‪11 -----------------------------------------------------------------‬‬
‫مرتب سازی متغیرها ‪12 ----------------------------------------------------------------‬‬
‫ادغام پرونده ها‪11 --------------------------------------------------------------------‬‬
‫تجزیه فایل ‪22 ----------------------------------------------------------------------‬‬
‫انتخاب بخشی از موارد ‪21 --------------------------------------------------------------‬‬
‫وزن دهی‪22 ------------------------------------------------------------------------‬‬

‫منوی تبدیل (تغییر) ‪21 -------------------------------------------------------------------‬‬

 ‫‪7‬‬ ‫فهرست ‪‬‬

‫محاسبه کردن‪21 ---------------------------------------------------------------------‬‬

‫کدگذاری مجدد ‪12 -------------------------------------------------------------------‬‬

‫تغییر دادههای فاصله ای به ترتیبی ‪12 -----------------------------------------------------‬‬

‫تغییر نمره گذاری متغیرهای موجود ‪11 ----------------------------------------------------‬‬

‫معکوس کردن نمرات ‪11 -------------------------------------------------------------‬‬

‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪11 ----------------------------------------------------‬‬

‫منوی تجزیه و تحلیل ‪11 --------------------------------------------------------------------‬‬

‫منوی گزارش ها ‪11 ---------------------------------------------------------------------‬‬

‫منوی آمار توصیفی ‪12 -------------------------------------------------------------------‬‬

‫آموزش منوی ‪12 --------------------------------------------------------- Frequencies‬‬

‫مراحل اجرای منوی ‪12 --------------------------------------------------- Frequencies‬‬

‫باکس ‪14 -------------------------------------------------------------Frequencies‬‬

‫چندک ها‪10 ------------------------------------------------------------------------‬‬

‫چارک ها ‪12 ---------------------------------------------------------------------‬‬

‫نما یا مد ‪12 ------------------------------------------------------------------------‬‬

‫میانه ‪11 ---------------------------------------------------------------------------‬‬
‫میانگین یا میانگین حسابی ‪11 ------------------------------------------------------------‬‬
‫دامنه تغییرات ‪11 ---------------------------------------------------------------------‬‬
‫واریانس ‪11 ------------------------------------------------------------------------‬‬
‫انحراف استاندارد ‪11 ------------------------------------------------------------------‬‬
‫چولگی ‪11 -------------------------------------------------------------------------‬‬
‫کشیدگی ‪11 ------------------------------------------------------------------------‬‬
‫نمودار‪12 --------------------------------------------------------------------------‬‬

‫خروجی ‪11 --------------------------------------------------------------- Frequencies‬‬

‫توصیف خروجی ‪ SPSS‬اجرای دستور ‪11 -------------------------------------------Statistics‬‬

‫توصیف خروجی ‪ SPSS‬اجرای دستور ‪420 --------------------------------------------- chart‬‬
‫توصیف خروجی ارجای ‪422 ----------------------------------------------------- Format‬‬
‫خروجی ‪ Style‬و ‪421 --------------------------------------------------------bootstrap‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪8‬‬

‫آموزش منوی توصیف ‪421 ----------------------------------------------------------------‬‬

‫خروجی منوی توصیف ‪421 -------------------------------------------------------------‬‬

‫آموزش منوی کاوش ‪421 -----------------------------------------------------------------‬‬

‫انجام تحلیلهای دو متغیره متقاطع‪421 -----------------------------------------------------------‬‬

‫آزمونهای اسمی – اسمی (آزمون ‪ 𝜒2‬استقالل) ‪421 -----------------------------------------------‬‬

‫شرایط آزمون ‪421 -----------------------------------------------------------------𝜒2‬‬

‫مراحل انجام آزمون ‪442 -------------------------------------------------------------𝜒2‬‬

‫تشخیص و شناسایی متغیرها از لحاظ سطح سنجش ‪442 ----------------------------------------‬‬

‫شناسایی آزمون مربوطه ‪442 -----------------------------------------------------------‬‬

‫تدوین فرضیهها (فرضیه ‪ 𝐻0‬اچ صفر و ‪ 𝐻1‬اچ یك)‪442 ---------------------------------------‬‬

‫اجرای آزمون ‪442 ---------------------------------------------------------------𝜒2‬‬

‫توجه به شرایط آزمون ‪444 ---------------------------------------------------------𝜒2‬‬

‫رد یا تأیید فرضیه اچ صفر بر اساس سطح معناداری ‪444 ----------------------------------------‬‬

‫بیان مقدار تفاوت در صورت تأیید فرضیه ‪444 ------------------------------------------- 𝐻1‬‬

‫تفسیر فرضیه بر اساس چارچوب نظری و مفهومی ‪440 -----------------------------------------‬‬

‫مثال نگرش دانشجویان به رسانه ملی ‪440 ----------------------------------------------------‬‬

‫مرحله ‪ :4‬تشخیص متغیرها‪440 ---------------------------------------------------------‬‬

‫مرحله ‪ :0‬تشخیص آزمون مربوطه ‪440 ----------------------------------------------------‬‬

‫مرحله ‪ :2‬تدوین فرضیه ‪440 -----------------------------------------------------------‬‬

‫اجرای آزمون ‪440 ---------------------------------------------------------------𝜒2‬‬

‫شرایط آزمون ‪442 ---------------------------------------------------------------𝜒2‬‬

‫رد و تأیید فرضیه ها ‪441 -------------------------------------------------------------‬‬

‫بیان مقدار تفاوت نگرش دانشجویان پسر و دختر‪441 ------------------------------------------‬‬

‫تفسیر آزمون خی دو‪441 -------------------------------------------------------------‬‬

‫آزمونهای ترتیبی ـ ترتیبی ‪441 -----------------------------------------------------------‬‬

‫ضریب گاما‪442 -------------------------------------------------------------------‬‬

 ‫‪9‬‬ ‫فهرست ‪‬‬

‫ضریب دی سامرز‪442 ---------------------------------------------------------------‬‬

‫ضریب تاوی – بی کندال‪441 ----------------------------------------------------------‬‬

‫ضریب تاوی – سی کندال ‪441 ---------------------------------------------------------‬‬

‫مراحل انجام آزمون ترتیبی‪441 ---------------------------------------------------------‬‬

‫تشخیص و شناسایی متغیرها از لحاظ سطح سنجش‪441 --------------------------------------‬‬

‫شناسایی آزمون مربوطه‪402 ---------------------------------------------------------‬‬

‫تدوین فرضیه ها ‪402 -------------------------------------------------------------‬‬

‫اجرای آزمون ترتیبی‪402 -----------------------------------------------------------‬‬

‫توجه به شرایط آزمون‪402 ------------------------------------------------------------‬‬

‫رد یا تأیید فرضیه ‪404 ---------------------------------------------------------------‬‬

‫بیان مقدار رابطه در صورت تأیید فرضیه ‪402 -------------------------------------------- 𝐻1‬‬

‫تفسیر فرضیه بر اساس چارچوب نظری و مفهومی ‪402 -----------------------------------------‬‬

‫آزمون اسمی – فاصله ای ‪401 ------------------------------------------------------------‬‬

‫مراحل انجام آزمون ‪401 -----------------------------------------------------------𝜂2‬‬

‫تشخیص و شناسایی متغیرها از لحاظ سطح سنجش‪401 --------------------------------------‬‬

‫شناسایی آزمون مربوطه‪401 ---------------------------------------------------------‬‬

‫تدوین فرضیه ها ‪401 -------------------------------------------------------------‬‬

‫اجرای آزمون ‪401 -------------------------------------------------------------𝜂2‬‬

‫رد یا تأیید فرضیه‪401 -------------------------------------------------------------‬‬

‫بیان مقدار تفاوت‪422 -------------------------------------------------------------‬‬

‫فصل چهارم‪ :‬مقایسه میانگین ها ‪424 --------------------------------------------------------------‬‬

‫مقدمه‪420 ------------------------------------------------------------------------------‬‬

‫خالصه آزمونهای پارامتریك‪422 --------------------------------------------------------------‬‬

‫آزمون ‪ t‬تك نمونه‪422 -------------------------------------------------------------------‬‬

‫آزمون ‪ t‬وابسته ‪422 ---------------------------------------------------------------------‬‬

‫آزمون ‪ t‬ولج‪422 -----------------------------------------------------------------------‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪01‬‬

‫آزمون ‪ t‬هتلینگ ‪421 --------------------------------------------------------------------‬‬

‫تحلیل واریانس‪421 ---------------------------------------------------------------------‬‬

‫تحلیل واریانس چند عاملی ‪421 -------------------------------------------------------------‬‬

‫آزمونهای پارامتری برای یك گروه‪421 ----------------------------------------------------------‬‬

‫آزمون ‪ T‬تك نمونه ای‪ /‬تك گروهی‪421 -------------------------------------------------------‬‬

‫مراحل انجام آزمون ‪( 𝑇1‬تی تك نمونه ای) ‪421 -----------------------------------------------‬‬

‫تشخیص و شناسایی متغیره از لحاظ سطح سنجش‪421 -----------------------------------------‬‬

‫شناسایی آزمون مربوطه ‪421 -----------------------------------------------------------‬‬

‫تدوین فرضیه ها‪421 ----------------------------------------------------------------‬‬

‫اجرای آزمون ‪421 ---------------------------------------------------------------𝑇1‬‬

‫توجه به شرایط آزمون ‪421 ---------------------------------------------------------𝑇1‬‬

‫رد یا تأیید فرضیه ‪422 ---------------------------------------------------------------‬‬

‫بیان مقدار تفاوت در صورت تأیید فرضیه ‪422 ------------------------------------------- 𝐻1‬‬

‫تفسیر فرضیه بر اساس چارچوب نظری و مفهومی ‪422 -----------------------------------------‬‬

‫آزمونهای پارامتری برای دو گروه ‪422 --------------------------------------------------------‬‬

‫آزمون ‪ T‬دو نمونه مستقل‪421 --------------------------------------------------------------‬‬

‫پیش فرض ها‪421 --------------------------------------------------------------------‬‬

‫مراحل انجام آزمون ‪ T‬دو نمونه مستقل‪421 ---------------------------------------------------‬‬

‫شناسایی متغیرهای مستقل و وابسته ‪421 ---------------------------------------------------‬‬

‫شناسایی آزمون ‪421 ----------------------------------------------------------------‬‬

‫تدوین فرضیه‪421 ------------------------------------------------------------------‬‬

‫اجرای آزمون‪421 ------------------------------------------------------------------‬‬

‫شرایط آزمون‪412 ------------------------------------------------------------------‬‬

‫رد یا تأیید فرضیه ‪412 ---------------------------------------------------------------‬‬

‫تفسیر داده ها‪414 ------------------------------------------------------------------‬‬

‫آزمون ‪ T‬با دو نمونه جفتی‪ /‬همبسته‪414 -------------------------------------------------------‬‬

 ‫‪00‬‬ ‫فهرست ‪‬‬

‫پیش فرض ها‪410 --------------------------------------------------------------------‬‬

‫مراحل اجرای آزمون تی وابسته‪410 --------------------------------------------------------‬‬

‫شناسایی متغیرها‪410 ----------------------------------------------------------------‬‬

‫آزمون مربوطه ‪410 -----------------------------------------------------------------‬‬

‫تدوین فرضیه ها‪410 ----------------------------------------------------------------‬‬

‫اجرای آزمون‪410 ------------------------------------------------------------------‬‬

‫توجه به شرایط آزمون‪412 ------------------------------------------------------------‬‬

‫رد یا تأیید فرضیه ‪412 ---------------------------------------------------------------‬‬

‫بیان مقدار تفاوت ‪411 ---------------------------------------------------------------‬‬

‫تفسیر‪411 -----------------------------------------------------------------------‬‬

‫تحلیل واریانس یك راهه (آزمون ‪411 -------------------------------------------------------)F‬‬

‫مفهوم تجزیه و تحلیل واریانس ‪411 --------------------------------------------------------‬‬

‫مقایسههای طرح ریزی شده یا پیشین ‪414 ----------------------------------------------------‬‬
‫اجرای آزمون ‪ ،F‬تحلیل واریانس یك طرفه یا آنووا‪411 -------------------------------------------‬‬

‫شناسایی متغیرهای مستقل و وابسته ‪411 ---------------------------------------------------‬‬

‫شناسایی آزمون ‪411 ----------------------------------------------------------------‬‬

‫تدوین فرضیه‪411 ------------------------------------------------------------------‬‬

‫اجرای آزمون‪411 ------------------------------------------------------------------‬‬

‫شرایط آزمون‪411 ------------------------------------------------------------------‬‬

‫رد یا تأیید فرضیه ‪414 ---------------------------------------------------------------‬‬

‫بیان مقدار تفاوت ‪414 ---------------------------------------------------------------‬‬

‫تفسیر داده ها‪414 ------------------------------------------------------------------‬‬

‫انواع آزمونهای مقایسههای چندگانه تعقیبی بعد از معنی دار بودن تفاوت میانگینها با آزمون ‪410 -------------F‬‬

‫حداقل تفاوت معنی دار فیشر ‪412 -------------------------------------------------------‬‬

‫شفه ‪412 ------------------------------------------------------------------------‬‬

‫توکی ‪411 -----------------------------------------------------------------------‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪01‬‬

‫نحوه اجرا ‪411 --------------------------------------------------------------------‬‬

‫فصل پنجم‪ :‬آزمونهای ناپارامتریك ‪411 ------------------------------------------------------------‬‬

‫مقدمه‪422 ------------------------------------------------------------------------------‬‬

‫آزمونهای ناپارامتری برای یك گروه ‪424 ------------------------------------------------------‬‬

‫آزمون دو جمله ای‪ /‬نسبت ‪420 -------------------------------------------------------------‬‬

‫پیش فرض ها‪420 --------------------------------------------------------------------‬‬

‫نحوه اجرا ‪421 ----------------------------------------------------------------------‬‬

‫آزمون تك نمونه ای دورها ‪421 -------------------------------------------------------------‬‬

‫نحوه اجرا ‪421 ----------------------------------------------------------------------‬‬

‫آزمون ‪ 𝜒2‬یك بعدی‪ ،‬تك متغیره‪ /‬نکویی برازش ‪422 ----------------------------------------------‬‬

‫پیش فرض ها‪421 --------------------------------------------------------------------‬‬

‫مالحظات مهم در تفسیر نتایج آزمون ‪ 𝜒2‬تك متغیره ‪421 -----------------------------------------‬‬
‫نحوه اجرا ‪421 ----------------------------------------------------------------------‬‬

‫آزمون کولموگروف ـ اسمیرنوف تك نمونه ای‪414 ------------------------------------------------‬‬

‫نحوه اجرا ‪410 ----------------------------------------------------------------------‬‬

‫آزمونهای ناپارامتری برای دو گروه مستقل‪411 -----------------------------------------------------‬‬

‫آزمون یومن ‪ -‬ویتنی ‪411 -----------------------------------------------------------------‬‬

‫پیش فرض ها‪411 --------------------------------------------------------------------‬‬

‫نحوه اجرا ‪411 ----------------------------------------------------------------------‬‬

‫آزمون کولموگروف – اسمیرنف دو نمونه ای‪412 -------------------------------------------------‬‬

‫نحوه اجرا ‪412 ----------------------------------------------------------------------‬‬

‫آزمون کروسکال والیس ‪411 ---------------------------------------------------------------‬‬

‫نحوه اجرا ‪411 ----------------------------------------------------------------------‬‬

‫فصل ششم‪ :‬رگرسیون خطی‪414 -----------------------------------------------------------------‬‬

‫مقدمه‪410 ------------------------------------------------------------------------------‬‬

‫مراحل انجام رگرسیون ساده‪410 -------------------------------------------------------------- :‬‬

‫روشهای رگرسیونی ‪411 -------------------------------------------------------------------‬‬

 ‫‪01‬‬ ‫فهرست ‪‬‬

‫پیش فرضهای استفاده از آزمون رگرسیون‪411 -----------------------------------------------------‬‬

‫روشهای رگرسیونی ‪411 -------------------------------------------------------------------‬‬

‫روش همزمان‪411 ----------------------------------------------------------------------‬‬

‫روش گام به گام ‪412 --------------------------------------------------------------------‬‬

‫روش حذف‪412 -----------------------------------------------------------------------‬‬

‫روش پس رونده ‪411 --------------------------------------------------------------------‬‬

‫روش پیش رونده ‪411 -------------------------------------------------------------------‬‬

‫رگرسیون خطی ساده‪ /‬دو متغیره ‪411 ------------------------------------------------------------‬‬

‫مراحل اجرای رگرسیون ‪411 -----------------------------------------------------------------‬‬

‫شناسایی متغیرها ‪411 --------------------------------------------------------------------‬‬

‫شناسایی آزمون‪411 ---------------------------------------------------------------------‬‬

‫تدوین فرضیه ها ‪022 --------------------------------------------------------------------‬‬

‫اجرای آزمون ‪022 ----------------------------------------------------------------------‬‬

‫توجه به شرایط آزمون ‪022 ----------------------------------------------------------------‬‬

‫رد یا تأیید فرضیه ها ‪024 -----------------------------------------------------------------‬‬

‫بیان مقدار تفاوت‪022 --------------------------------------------------------------------‬‬

‫تفسیر ‪022 ---------------------------------------------------------------------------‬‬

‫فصل اول‪ :‬کلیات‬
 ‫‪05‬‬ ‫فصل اول‪ :‬کلیات ‪‬‬

‫مقدمه‬

‫معموال فصل چهارم روش پیمایش به بخش آمار و تجزیه و تحلیل دادهها اختصاص دارد‪ .‬آمار توصیفی یك‬

‫از دو بخش مهم ارزیابی و تحلیل دادهها به ویژه در مورد سواالت زمینهای وجمعیت شناسی ابزارهای جمع آوری‬

‫اطالعات در این روش است‪ .‬آمار در دو بخش کلی «سازماندهی وخالصه کردن» و «استنباط» در باره مجموعه‬

‫ای از دادههاست‪ .‬درحقیقت آمار یك نوع ابزاری است که هدفش توصیف کردن است وعالوه بر آن‪ ،‬از عدد به‬

‫عنوان وسیلهای برای بیان و توصیف استفاده مینماید‪.‬‬

‫علم آمار با روشهای مورد استفاده در جمع آوری‪ ،‬ارائه‪ ،‬تجزیه و تحلیل و تفسیردادهها سروکار دارد‪ .‬هر نوع‬

‫عمل کردن روی دادهها که پیش بینیها یا استنباطهایی درباره گروه بزرگتری از دادهها منجر شود‪ .‬آمار استنباطی‬

‫و مجموعه روشها و قوانینی که نتایج را ساده تر کند آمار توصیفی شمرده میشود‪.‬‬

‫مفاهیم کلیدی در آمار‬

‫جامعه آماری‬

‫جامعه آماری همان جمعیت آماری است‪ .‬جامعه آماری عبارتاند از مجموعه اشیا یا نمودهایی که یك یا چند‬

‫صفت مشترک داشته و در حول همان صفت مشترک در نظر گرفته میشوند و آن را با نماد ‪ N‬نشان میدهند‪.‬مقصد‬

‫تمامی آزمون فرضیهها بر اساس آمارهها و ویژگیهای نمونه آماری‪ ،‬جامعه آماری است که هدف تحقیق تعمیم‬

‫نتایج نمونه به جامعه آماری است‪.‬‬

‫طبقه بندی جامعه بر اساس تعمیم که دارای سه نوع است‪:‬‬

‫الف) جامعه مورد نظر‪ :‬جامعه ای است متشکل از همه اعضای واقعی یا فرضی که عالقهمند هستیم یافتههای‬

‫پژوهش را به آنها تعمیم دهیم‪ .‬که به آن جامعهی هدف نیز میگویند‪.‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪06‬‬

‫ب) جامعه مورد مطالعه‪ :‬جامعهای است که با استفاده از یك قید از جامعه مورد نظر به دست میآید و در‬

‫عمل زیر پوشش بررسی قرار میگیرد‪ .‬این نوع‪ ،‬برای مواردی است که نمیتوانیم نتایج را به همه افراد جامعه‬

‫تعمیم دهیم‪ .‬به این جامعه‪ ،‬جامعهی مورد بررسی نیز میگویند‪.‬‬

‫ج) مطالعه را میتوان با همهی اعضاء و یا بخشی از اعضای جامعه مورد نظر یا جامعه مورد مطالعه به عمل‬

‫آورد‪ .‬بخشی از اعضاء را یا به طریق در دسترس و یا به روش نمونه گیری علمی میتوان انتخاب کرد‪.‬‬

‫در اکثر تحقیقات دسترسی به کل جامعه امکان پذیر نمیباشد‪ .‬محقق باالجبار از نمونههایی صحیح و علمی‬

‫از جامعه آماری نمونه گیری میکند‪.‬‬

‫اگر یك مجموعه داده همه مشاهدات ممکن یك پدیده خاص را شامل شود‪ ،‬آن را یك جامعه می نامیم‪ .‬اگر‬

‫یك مجموعه داده فقط یك بخش از جامعه را شامل شود‪ ،‬آن را نمونه می نامیم‪.‬‬

‫آمار در اوایل عمر خود به توصیف و تلخیص دادههای جامعه میپرداخت‪ .‬از طریق سرشماری همه عناصر‬

‫جامعه مورد بحث و نیاز آماری بدست میآمد‪ .‬هدف در این نوع آمار محاسبه پارامتر جامعه است‪ .‬سپس با افزایش‬

‫جامعهها و بزرگتر شدن جامعه آماری تمام شماری خود را به نمونه گیری سپرد‪.‬‬

‫‪1‬‬
‫نمونه‬

‫منظور از نمونه (‪ )sample‬انتخاب تعدادی از افراد‪ ،‬حوادث و اشیاء از یك جامعه تعریف شده به عنوان نماینده‬

‫آن جامعه است‪ .‬اساسا پس از انتخاب موضوع تحقیق و بیان مسئله‪ ،‬یکی از تصمیمات مهمی که در پیش روی‬

‫هر پژوهشگری قرار دارد انتخاب نمونه است؛ نمونه ای که باید نماینده جامعهای باشد که پژوهشگر قصد تعمیم‬

‫یافتههای تحقیق خود به آن جامعه را دارد‪.‬‬

‫‪4‬‬
‫‪. Sample‬‬
 ‫‪07‬‬ ‫فصل اول‪ :‬کلیات ‪‬‬

‫اولین قدم در نمونه گیری‪ ،‬تعریف دقیق جامعه مورد نظر است و هدف نوعی انتخاب نمونه است که تمام‬

‫افراد جامعه جهت انتخاب شدن شانس برابر داشته باشند‪ .‬داشتن نمونه و نمونهگیری یکی از مهمترین بخشهای‬

‫علم آمار است‪ .‬یك نمونه باید طوری انتخاب شود که تنوع و اندازه الزم را داشته باشد تا نتایج قابل اعتماد وقابل‬

‫تعمیم باشند‪.‬‬

‫برای گرداوری دادههای مورد نظر در هر زمینهای دو راه وجود دارد‪ :‬یا راه گردآوری دادهها از طریق کلیه افراد‬

‫(که به آن سرشماری میگویند) و یا از طریق نمونهگیری (انتخاب نمونهای از افراد جامعه و جمع آوری دادههای‬

‫مورد نظر از طریق آنها)‪ .‬در عین حال باید در نظر داشت که بین جامعه آماری با نمونه آماری تحقیق تفاوت‬

‫وجود دارد‪ .‬همان طور که اشاره شد‪ ،‬جامعه آماری به مجموعه افراد‪ ،‬عناصر و سوژههایی گفته میشود که حداقل‬

‫یك صفت یا ویژگی مشترک دارند؛ اما نمونه آماری تحقیق گروهی از اعضای جامعه آماری هستند که اطالعات‬

‫مورد نیاز پژوهش را میتوان از طریق آنها به دست آورد‪ .‬رابطه نمونه و جمعیت از جهاتی همان حکایت مشت‬

‫نمونه خروار است‪ .‬به بیان دیگر‪ ،‬نمونه در علم آمار باید معرف جمعیت مورد تحقیق باشد‪.‬‬

‫نمونهای از جامعه آماری‪ ،‬مجموعه اندازههایی است که عمال در جریان یك تحقیق گردآوری میشود‪ .‬نمونه‬

‫بخشی از جامعه تحت بررسی است که با روشی که از پیش تعیین شده است انتخاب میشود‪ .‬به قسمی که میتوان‬

‫از این بخش‪ ،‬استنباطهایی درباره کل جامعه بدست آورد‪ .‬هر گونه صفتی درباره جامعه را میتوان کم و بیش از‬

‫طریق نمونه برآورد کرد‪ .‬فرآیند انتخاب نمونه و استخراج نتایج و استنباطهای حاصل را بررسی نمونهای مینامند‪.‬‬

‫در این نوع آمار‪ ،‬محقق به کمك نمونه آمارهها را محاسبه و سپس به کمك تخمین آماری و یا آزمون فرض‬

‫آماری‪ ،‬نتایج آمارهها به جامعه تعمیم داده میشود‪.‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪08‬‬

‫چرا نمونه گیری‬

‫اگر بخواهیم با آزمایش طول عمر تمام المپهای تولیدی شرکت آلفا را به دست آوریم باید تمام المپها را‬

‫روشن کنیم تا بسوزد که این کار غیر معقول است‪ ( .‬تمام محصوالت شرکت از بین میرود)‬

‫بنابراین در شرایطی نمیتوان کل جامعه آماری را مورد بررسی قرار داد که مهمترین این شرایط و محدودیتها‬

‫به صورت کمبود وقت‪ ،‬هزینه بر بودن و غیر ممکن و غیر معقول بودن است‪.‬‬

‫آماره‬

‫در آمار به عددی گویند که یك توزیع نمونه برداری را خالصهسازی یا توصیف میکند‪ .‬برای توصیف ویژگی‬

‫نمونه مانند میانگین واریانس بکار میرورد‪.‬‬

‫پارامتر‬

‫برای توصیف ویژگیهای جامعه به کار میرود مانند میانگین جامعه‬

‫نمره استاندارد‬

‫آزمون آماری‪ :‬قانون یا دستوری است که طبق آن بر اساس مشاهدات انجام شده تصمیم به رد یا پذیرش‬

‫فرضیه گرفته میشود‪.‬‬

‫آمار ناپارامتريك‬

‫فرض اساسی در آمار استنباطی برخوردار بودن توزیع نرمال است‪ .‬در حالیکه این فرض در آمار ناپارامتریك‬

‫ضرورتی ندارد‪.‬‬
 ‫‪09‬‬ ‫فصل اول‪ :‬کلیات ‪‬‬

‫‪2‬‬
‫مفهوم فرضیه‬

‫فرضیه حدس و گمان بخردانه است‪ .‬یك فرض آزمون پذیری است که به دلیل صادق بودن در مورد برخی‬

‫از واقعیات‪ ،‬برای هدایت بررسی و تحقیق به طور موقت پذیرفته میشود‪ .‬هر تحقیق مبتنی بر یك سری فرضیههایی‬

‫در خصوص روابط احتمالی بین پدیدهها و متغیرهای تحقیق بوده و هر محقق بنا به منابع متعدد‪ ،‬پاسخهایی در‬

‫رابطه با کیفیت ارتباط متغیرها با یکدیگر ارائه میدهد‪ .‬این پاسخ ها‪ ،‬که در واقع همان فرضیههای تحقیق میباشند‪،‬‬

‫گزارههایی هستند در مورد پارامتر جامعه‪ ،‬به گونه ای که آزمون آنها به وسیله آمار نمونه ای امکان پذیر باشد‪.‬‬

‫البته در تکمیل این تعریف سنتی از فرضیه‪ ،‬باید گفت که فرضیه صرفاً از رابطه بین متغیرها نمیگوید‪ ،‬بلکه‬

‫فرضیه عالوه بر بیان رابطه بین دو متغیر‪ ،‬پیرامون تأثیر یکی بر دیگری و نیز مقایسه یك متغیر در بین یك یا چند‬

‫گروه نیز تنطیم میشود‪ .‬بر این اساس‪ ،‬در تحقیق با سه دسته فرضیه رابطه ای‪ ،‬تفاوتی و ع ّلی مواجه هستیم که‬

‫مختصات هر یك در ادامه توضیح داده شده است‪.‬‬

‫تمامی فرضیههای علمی از سه ویژگی مشترک برخوردارند‪ )4 :‬گمانهای بخردانه ای درباره پدیدههای مورد‬

‫عالقه اند‪ )0 .‬میتوان آنها را به صورت «اگر ـ آنگاه» بیان کرد‪ )2 .‬صحت یا سقم آنها را میتوان از طریق مشاهده‬

‫یا آزمایش تعیین کرد‪.‬رتی ندارد‪.‬‬

‫‪3‬‬
‫فرضیههای رابطه ای‬

‫فرضیه رابطه ای همواره در رابطه یا دو متغیر به کار رفته و به فرضیه ای اطالق میشود که کیفیت ارتباط بین‬

‫این دو متغیر را مطرح میکند‪ .‬در این نوع فرضیه‪ ،‬محقق قصد دارد که صرفاً درجه و جهت رابطه متغیرهای مورد‬

‫مطالعه را کشف کند و نه رابطه علت و معلولی بین آنها را‪ .‬فرضیههای تحقیقات مربوط به حوزه اقتصادی و‬

‫‪0‬‬
‫‪. Hypothesis‬‬
‫‪2‬‬
‫‪. Relational Hypothesis‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪11‬‬

‫اجتماعی عموماً از این نوع هستند‪ .‬فرضیه رابطه ای را برحسب جهت فرضیه (مثبت و مستقیم یا منفی و معکوس)‬

‫میتوان به دو صورت جهت دار و فاقد جهت مطرح کرد‪ .‬بدین صورت که‪:‬‬

‫‪4‬ـ فرضیه رابطه ای جهت دار (یك دامنه)‪ :‬فرضیه ای است که در آن‪ ،‬محقق جهت رابطه بین دو متغیر را یا‬

‫به صورت مثبت و مستقیم و یا به صورت منفی و معکوس بیان میکند‪.‬‬

‫برای مثال‪ :‬بین تحصیالت و اعتماد اجتماعی رابطه مثبت و مستقیم وجود دارد‪( .‬رابطه مثبت و مستقیم)‬

‫برای مثال‪ :‬بین فردگرایی و اعتماد اجتماعی رابطه منفی و معکوس وجود دارد‪( .‬رابطه منفی و معکوس)‬

‫‪ 0‬ـ فرضیه رابطه ای فاقد جهت (دو دامنه)‪ :‬فرضیه ای است که محقق تنها به بیان وجود رابطه بین دو متغیر‬

‫اکتفا کرده و اشاره به جهت مثبت و مستقیم و یا منفی و معکوس آن نمیکند‪.‬‬

‫مثال‪ :‬بین تحصیالت و اعتماد اجتماعی رابطه وجود دارد‪.‬‬

‫مثال‪ :‬بین فردگرایی و اعتماد اجتماعی رابطه وجود دارد‪.‬‬

‫‪4‬‬
‫فرضیه علّی‬

‫هدف فرضیه های علّی‪ ،‬کشف و تعیین رابطه علت و معلولی بین دو یا چند متغیر است‪ .‬در اینجا‪ ،‬هدف‬

‫پژوهشگر صرفاً تعیین ارتباط و همبستگی دو یا چند متغیر نیست‪ ،‬بلکه میخواهد عمیق تر و ریشه ای تر با آن‬

‫برخو رد کرد و بگوید که متغیری علت به جود آمدن متغیر دیگر است‪ .‬سه مثال یزر‪ ،‬در واقع یك مثال از فرضیه‬

‫علّی اند که به سه حالت مختلف بیان شده اند‪ .‬در این مثال ها‪ ،‬پشتکار به عنوان متغیر مستقل (تأثیرگذار) و‬

‫پیشرفت تحصیلی به عنوان متغیر وابسته (تأثیرپذیر) قلمداد میگردد‪:‬‬

‫مثال‪ :‬پشتکار دانشجویان علت پیشرفت تحصیلی آنان است‪.‬‬

‫‪1‬‬
‫‪. Causal Hypothesis‬‬
 ‫‪10‬‬ ‫فصل اول‪ :‬کلیات ‪‬‬

‫مثال‪ :‬پشتکار دانشجویان بر پیشرفت تحصیلی آن مؤثر است‪.‬‬

‫مثال‪ :‬پشتکار دانشجویان یکی از عوامل پیشرفت تحصیلی آنان است‪.‬‬

‫در آزمون فرضیههای علّی‪ ،‬با توجه به نوع مقیاس داده ها‪ ،‬از آزمونهای تحلیل رگرسیون (دو متغیره یا چند‬

‫متغیره)‪ ،‬رگرسیون لجستیك‪ ،‬رگرسیون ترتیبی‪ ،‬تحلیل مسیر و مدل سازی معادالت ساختاری استفاده میشود‪.‬‬

‫نکته‪ :‬گاهی اوقات یك فرضیه تحقیقی را میتوانیم به صورتهای رابطه ای (همبستگی یا علّی) و تفاوتی بیان‬

‫کنیم و طبیعی است که با بیان یك فرضیه به هر کدام از این حالت ها‪ ،‬نوع آزمونی هم که برای آن استفاده خواهیم‬

‫کرد‪ ،‬متفاوت است‪ .‬مثال زیر نشان میدهد که چگونه میتوانیم فرضیه را به سه صورت بیان کنیم‪:‬‬

‫فرضیه رابطه ای‪ :‬بین پشتکار دانشجویان و پیشرفت تحصیلی آنان رابطه وجود دارد‪.‬‬

‫فرضیه علّی‪ :‬پشتکار دانشجویان بر پیشرفت تحصیلی آنان مؤثر است‪.‬‬

‫فرضیه تفاوتی‪ :‬میزان پیشرفت تحصیلی در بین دانشجویان با پشتکار مختلف متفاوت است‪.‬‬

‫‪5‬‬
‫فرضیه تفاوتی ‪ /‬مقايسه ای‬

‫در طرح فرضیه تفاوتی‪ ،‬به دنبال بررسی و مقایسه تفاوت اثر دو یا چند متغیر یا گروه بر یك یا چند متغیر‬

‫دیگر هستیم‪ .‬در این حالت‪ ،‬فرضیه به صورتی بیان میشود که تفاوتها حدس زده میشوند و مقایسه ای انجام‬

‫میگیرد‪ .‬به بیانی‪ ،‬در فرضیه تفاوتی‪ ،‬همیشه درصدد مقایسه میانگین (آزمونهای پارامتری) و یا میانه (آزمونهای‬

‫ناپارامتری) متغیرها در بین گروهها هستیم‪ .‬فرضیه تفاوتی‪ ،‬هم در رابطه با یك متغیر و هم در رابطه با دو متغیر و‬

‫بیشتر به کار میرود‪:‬‬

‫‪1‬‬
‫‪. Differential Hypothesis‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪11‬‬

‫الف) گاه هدف از این فرضیه‪ ،‬مقایسه میانگین یك متغیر با مقدار آزمون (‪ )Test Value‬میباشد‪ .‬این نوع‬

‫فرضیه‪ ،‬به آزمون تفاوت یك مقدار یا توزیع مشاهده شده با یك مقدار یا توزیع مفروض (نظری) میپردازند‪.‬‬

‫مثال‪ :‬میزان اعتماد اجتماعی در شهر تهران پایین میباشد‪.‬‬

‫مثال‪ :‬احساس هویت ملی در بین شهروندان تهرانی قوی میباشد‪.‬‬

‫در هر دو مثال باال‪ ،‬تنها یك متغیر (اعتماد اجتماعی در مثال اول و جنسیت در مقال دوم) وجود دارد‪ .‬آزمون‬

‫پارامتری ‪ T‬تك نمونه ای‪ ،‬و آزمونهای ناپارامتری کای اسکوئر تك متغیره یا تك سؤالی و دو جمله ای‪،‬‬

‫آزمونهایی هستند که در نرم افزار آماری ‪ SPSS‬جهت آزمون این قبیل فرضیههای تفاوتی تعریف شده اند‪.‬‬

‫ب) گاهی نیز‪ ،‬هدف از طرح فرضیه تفاوتی‪ ،‬مقایسه میانگین یا میانه یك متغیر در بین دو گروه و بیشتر‪ ،‬و یا‬

‫مقایسه میانگین یا میانه یك متغیر در دو زمان قبل و بعد میباشد‪.‬‬

‫مثال‪ :‬میزان اعتماد اجتماعی‪ ،‬در شهر کرج باالتر از شهر تهران میباشد‪.‬‬

‫مثال‪ :‬میانگین ضربان قلب بیماران مبتال به تنگی نفس در دو زمان قبل و بعد از مصرف داروی ‪ X‬با هم متفاوت‬

‫است‪.‬‬

‫فرضیه تفاوتی نیز‪ ،‬همانند فرضیه رابطه ای‪ ،‬برحسب جهت فرضیه (یك دامنه و دودامنه) به دو صورت یك‬

‫دامنه و دو دامنه مطرح میشوند‪ .‬بدین صورت که‪:‬‬

‫‪4‬ـ فرضیه تفاوتی جهت دار (یك دامنه)‪ :‬فرضیه ای است که در آن‪ ،‬محقق جهت تفاوت را بیان میکند‪.‬‬

‫مثال‪ :‬میزان اعتماد اجتماعی در بین مردان بیشتر از زنان میباشد‪.‬‬

‫‪0‬ـ فرضیه تفاوتی فاقد جهت (دودامنه)‪ :‬فرضیه ای است که محقق تنها به بیان تفاوت متغیر در بین گروهها‬

‫اکتفا کرده و اشاره به جهت تفاوت آن نمیکند‪.‬‬

‫مثال‪ :‬میزان اعتماد اجتماعی در بین مردان و زنان متفاوت است‪.‬‬

 ‫‪11‬‬ ‫فصل اول‪ :‬کلیات ‪‬‬

‫‪6‬‬
‫فرضیه آماری‬

‫فرضیه آماری جمله یا عبارتی است که پیرامون ویژگیهای جامعه بیان میشود و امکان دارد درست نباشد‪،‬‬

‫ولی محقق صرفاً به خاطر برقرار کردن یك شرایط قابل ازمایش‪ ،‬آن را مطرح میکند‪ .‬به عبارتی‪ ،‬فرضیه آماری‬

‫یك بیان کمی درباره پارامتر جامعه است که با استفاده از نمادهای آماری نوشته میشود و نقش آن‪ ،‬هدایت‬

‫پژوهشگر در انتخاب آزمون آماری است‪ .‬فرضیه آماری مبنای انتخاب روشهای آماری بوده و محقق روشهای‬

‫آماری الزم را با استفاده از فرضیه آماری انتخاب میکند‪ .‬فرضیه آماری خود به دو صورت تقسیم میشود‪:‬‬

‫‪7‬‬
‫فرضیه صفر‬

‫فرض صفر که با عالمت ‪ 𝐻0‬نشان داده میشود‪ ،‬فرضی است که محقق مایل به رد کردن آن میباشد‪ .‬بنابراین‪،‬‬

‫فرض صفر بیان گر عدم ارتباط بین متغیرها‪ ،‬عدم تفاوت یك متغیر در بین یك یا چند گروه‪ ،‬و عدم تأثیر یك‬

‫متغیر بر متغیر دیگر میباشد که به صورت پارامتر صورت بندی شده و مبنای ریاضی آن‪ ،‬برهان خلف است‪ .‬در‬

‫تحقیق‪ ،‬بیان فرض صفر ضروری نیست و چنانچه فرضیه به صورت جهت دار بیان شود‪ ،‬درک آن آسان تر است‪.‬‬

‫فرض صفر با نماد زیر نمایش داده میشود‪:‬‬

‫‪𝐻0 : 𝜇1 − 𝜇2 = 0‬‬
‫‪8‬‬
‫فرضیه يك يا بديل‬

‫این فرضیه یا عالمت ‪ 𝐻1‬یا 𝐴𝐻 نشان داده میشود‪ .‬فرض یك غالب ًا منطبق با فرضیه پژوهشی است‪ .‬به بیان‬

‫دیگر‪ ،‬این فرضیه بیان کننده انتظار پژوهشگر درباره نتایج پژوهش است‪ .‬این فرضیه بیانی است که پژوهشگر‬

‫‪1‬‬
‫‪. Statistical Hypothesis‬‬
‫‪2‬‬
‫‪. Null Hypothesis‬‬
‫‪1‬‬
‫‪. Alternative Hypothesis‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪12‬‬

‫آرزو میکند درباره آن پژوهش کند و به صورت پارامتر صورت بندی میشود‪ .‬فرض یك با نماد زیر نمایش داده‬

‫میشود‪:‬‬

‫‪𝐻1 = 𝐻𝐴 ∶ 𝜇1 − 𝜇2 ≠ 0‬‬

‫خطاهای نوع اول و دوم‬

‫حتی در بهترین تحقیقات‪ ،‬همیشه این احتمال وجود دارد که محقق در خصوص رابطه بین دو متغیر دچار‬

‫اشتباه و خطا شود‪ .‬در چنین حالتی‪ ،‬احتمال دو نوع خطا از محقق میرود‪:‬‬

‫‪4‬ـ خطای نوع اول‪ :‬این نوع خطا زمانی اتفاق میافتد که محقق وجود رابطه بین دو متغیر را میپذیرد‪ ،‬در‬

‫حالی که در واقع چنین رابطه ای وجود ندارد‪ .‬خطای نوع اول‪ ،‬خطایی است که در آن‪ ،‬محقق باید فرض صفر را‬

‫بپذید و فرض تحقیق را رد کند‪ ،‬اما خالف این امر اتفاق میافتد‪ .‬یعنی محقق باید فرض صفر را بپذیرد و فرض‬

‫تحقیق را رد کند‪ ،‬اما خالف این امر اتفاق میافتد‪ .‬یعنی محقق‪ ،‬به اشتباه فرض صفر را رد کرده و فرض تحقیق‬

‫را میپذیرد‪ .‬احتمال ارتکاب خطای نوع اول را آلفا یا خطای تولید کننده مینامند که نماد آماری آن (𝛼) میباشد‪.‬‬

‫به خطای نوع اول (𝛼)‪ ،‬سطح معنی داری نیز گفته میشود که کوچك ترین مقدار آن معمو ًال با ‪ 2/21‬مشخص‬

‫میشود‪ .‬همچنین‪ ،‬به احتمال رد ‪ 𝐻0‬به درستی‪ ،‬توان آزمون میگویند که برابر است با 𝛽 ‪.1 −‬‬

‫مقدار (𝛼) یا احتمال خطای نوع اول در دست پژوهشگر است و پس از جمع آوری دادهها و انجام آزمون از‬

‫پیش مشخص میشود‪ .‬یعنی خود پژوهشگر سطح آلفای مورد ظنر خود را از پیش برابر با ‪ 2/21‬یا ‪ 2/24‬تعیین‬

‫میکند‪.‬‬

‫‪0‬ـ خطای نوع دوم‪ :‬خطای نوع دوم زمانی اتفاق میافتد که محقق عدم رابطه بین دو متغیر را میپذیرد‪ ،‬در‬

‫حالی که در واقع چنین رابطه ای وجود دارد‪ .‬طخای نوع دوم‪ ،‬خطایی است که در آن‪ ،‬محقق باید فرض صفر را‬

‫رد کند و فرضه تحقیق را بپذیرد‪ ،‬اما خالف این امر اتفاق میافتد‪ .‬یعنی محقق‪ ،‬به اشتباه فرض صفر را پذیرفته و‬
 ‫‪15‬‬ ‫فصل اول‪ :‬کلیات ‪‬‬

‫فرض تحقیق را رد میکند‪ .‬احتمال ارتکاب خطای نوع دوم را بتا یا خطای مصرف کننده مینامند که نماد آماری‬

‫آن (𝛽) میباشد‪.‬‬

‫جدول زیر خالصه ای از نتایج احتمالی برای هر نوع آزمون فرض را نشان میدهد‪:‬‬

‫‪ 𝐻0‬اشتباه است‬ ‫‪ 𝐻0‬صحیح است‬ ‫واقعیت‬

‫تصمیم گیری‬

‫تصمیم صحیح‬ ‫خطای نوع اول‬

‫رد ‪𝐻0‬‬
‫احتمال = 𝛽 ‪1 −‬‬ ‫احتمال = 𝛼‬

‫خطای نوع دوم‬ ‫تصمیم صحیح‬

‫قبول ‪𝐻0‬‬
‫احتمال = 𝛽‬ ‫احتمال = 𝛼 ‪1 −‬‬

‫آزمون آماری‬

‫موضوع آزمون آماری زمانی مطرح میشود که محقق درصدد کشف‪ ،‬تبیین و کنترل پدیدهها باشد‪ .‬بنابراین‪،‬‬

‫زمانی که قصد داریم صرفاً به توصیف دادهها بپردازیم‪ ،‬موضوع آزمون آماری اعراب ندارد و هیچ گاه نمیتوانیم‬

‫از آزمونهای آماری استفاده کنیم‪ .‬آزمونهای آماری این احتمال را بیان میکنند که آیا نتایج تحقیق در اثر شانس‬

‫بوده است یا خیر‪ .‬تمامی این آزمونهای آماری به یك مقدار ‪( P‬مقدار احتمال) ختم میشوند که این مقدار‪ ،‬اساس‬

‫پذیرش معنی داری آماری نتایج میباشد‪ .‬بدین صورت که زمانی به احتمال پایین شانسی بودن نتایج پی میبریم‬

‫که مقدار ‪ P‬از مقدار مورد توافق جامعه عملی یعنی ‪ 2/21‬کوچك تر باشد‪ .‬تنها در صورت که مقدار ‪ P‬به دست‬

‫آمده از ‪ 2/21‬کوچك تر باشد‪ ،‬می توانیم به ارائه یه تفسیر علمی از نتایج مبادرت نماییم‪ .‬پس‪ ،‬زمانی که مقدار ‪P‬‬

‫از ‪ 2/21‬بزرگتر باشد‪ ،‬آنگاه باید گفت که نتایج در اثر شانس حاصل شده اند و لذا نمیتوان تفسیر علمی از نتایج‬

‫ارائه داد‪.‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪16‬‬

‫بنابراین به طور خالصه باید گفت که سطح معناداری در اجرای آزمونهای آماری نشان از سه مفهوم است‪:‬‬

‫‪ -4‬مقدار ‪ P‬کوچکتر از ‪ 2/21‬نشان میدهد که شانس و تصادف تنها در مورد کمتر از ‪ 1‬نفر از هر ‪ 422‬نفر‬
‫پاسخگو اتفاق افتاده است‪.‬‬
‫‪ -0‬موقعی که یك حادثه یا واقعه در اثر شانس اتفاق نیفتاده باشد‪ ،‬آنگاه میگوییم که وقوع این حداثه از لحاظ‬
‫آماری معنادار است‪.‬‬

‫انواع آزمونهای آماری‬

‫آزمونهای آماری‪ ،‬براساس مالکهایی مانند مقیاس داده ها‪ ،‬توزیع دادهها و‪ ،...‬به دو دسته کلی آزمونهای‬

‫آماری پارامتری و آزمونهای آماری ناپارامتری تقسیم میشوند که هر یك شرایط کاربرد خاص خود را دارند‪.‬‬

‫شناخت نوع آزمون آماری برای فرضیه تحقیق‪ ،‬از فاکتورهای مههمی است که به محققین در دست یابی به نتایج‬

‫متقن کمك میکند‪ .‬به دلیل اهمیتی که شناخت ویژگیها و مختصات انواع آزمونهای آماری و پارامتری در آزمون‬

‫فرضیههای تحقیق دارد‪ ،‬به شرح مختصات هر یك پرداخته میشود‪:‬‬

‫‪9‬‬
‫آزمونهای آماری پارامتری‬

‫آزمونهای آماری پارامتری را میتوان مؤثرترین نوع آزمونها دانست‪ .‬برای استفاده از آزمونهای پارامتری‪،‬‬

‫پیش فرضهایی الزم است که باید در اجرا رعایت کنیم‪ .‬این پیش فرضها به چگونگی توزیع نمرات داده و نوع‬

‫مقیاس مورد استفاده بستگی دارد‪:‬‬

‫‪ -4‬هر یك از موارد مشاهده شده مستقل از هم هستند‪ .‬یعنی انتخاب یك مورد‪ ،‬به انتخاب هیچ مورد دیگری‬
‫وابسته نیست‪.‬‬
‫‪ -0‬واریانس نمونهها برابر یا تقریباً برابر است‪ .‬این مطلب‪ ،‬زمانی که حجم نمونه کم است‪ ،‬از همیت خاصی‬
‫برخوردار است‪.‬‬

‫‪1‬‬
‫‪. Parametric Tests‬‬
 ‫‪17‬‬ ‫فصل اول‪ :‬کلیات ‪‬‬

‫‪ -2‬دادهها در سطح سنجش فاصله ای و نسبی میباشند (یعنی کمی هستند)‪.‬‬

‫‪ -1‬توزیع دادهها در جامعه‪ ،‬نرمال (بهنجار) و یا نزدیك به نرمال است‪.‬‬
‫‪ -1‬تمامی آزمونهای آماری پارامتری‪ ،‬میانگین یك یا چند متغیر را در یك گروه یا بیشتر مقایسه میکنند‪.‬‬
‫‪10‬‬
‫آزمونهای آماری ناپارامتری‬

‫برای استفاده از آزمونهای ناپارامتری‪ ،‬رعایت پیش فرضهای زیر در خصوص توزیع نمره دادهها و نوع‬

‫مقیاس مورد استفاده الزم است‪:‬‬

‫‪ -4‬نرمال بودن (بهنجار بودن) توزیع جامعه ای که نمونه از آن انتخاب شده‪ ،‬معلوم نمیباشد‪.‬‬
‫‪ -0‬دادهها در سطح سنجش اسمی و ترتیبی میباشند (یعنی کیفی هستند)‪.‬‬
‫‪ -2‬تمامی آزمونهای آماری ناپارامتری‪ ،‬میانه یك یا چند متغیر را در یك گروه یا بیشتر مقایسه میکنند‪.‬‬
‫‪11‬‬
‫درجه آزادی‬

‫یکی از مهمترین مفاهیمی که بارها آن را در نتایج مشاهده میکنیم و احتما ًال هم گاهی سؤالی در خصوص‬

‫معنی و کاربرد آن برای ما پیش میآید‪ ،‬مفهوم درجه آزادی است‪ .‬درجه آزادی‪ ،‬که آن را با نمادهای آماری ‪d.f.‬‬

‫یا ‪ v‬نمایش میدهند‪ ،‬عبارت است از تعداد فراوانیهایی که اجازه دارند تغییر کنند‪ .‬به تعبیری‪ ،‬تعداد مشاهدات‬

‫منهای تعداد موانع‪ .‬البته درجه آزادی ماهیتاً بسیار فنی است و تأثیری بر تحقیق نمیگذارد‪ .‬معموالً نیز‪ ،‬محققین‬

‫در هنگام نگارش گزارش به خصوص آزمونهای کای اسکوئر‪ ،T ،‬همبستگی و تحلیل واریانس یك طرفه و دو‬

‫طرفه‪ ،‬به درجه آزادی و مقدار آن اشاره میکنند‪.‬‬

‫‪42‬‬
‫‪Non-Parametric Tests‬‬
‫‪44‬‬
‫‪. Degree of Freedom = d.f.‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪18‬‬

‫‪12‬‬
‫سطح معناداری‬

‫موقعی که فرضیه ای را تنظیم میکنیم‪ ،‬باید با استفاده از آزمونهای آماری مناسب‪ ،‬صحت یا سقم آن را در‬

‫سطح خطای معین تعیین کنیم‪ .‬سطح معناداری‪ ،‬که در نرم افزار ‪ SPSS‬به اختصار با (‪ )Sig.‬نشان داده میشود‪،‬‬

‫میزان خطایی است که در رد فرض صفر ( ‪ )𝐻0‬مرتکب میشویم‪ .‬سطح معناداری در علم آمار به ‪P _ value‬‬

‫(مقدار احتمال) معروف است که معمو ًال نیز در هنگام نگارش گزارش تحقیق‪ ،‬از همین عالمت ‪ P‬استفاده میکنیم‪.‬‬

‫در تفسیر هر آزمونی‪ ،‬اعم از پارامتری و ناپارامتری‪ ،‬هر چه مقدار ‪ Sig.‬کوچکتر باشد‪ ،‬رد فرض صفر ساده تر‬

‫است‪ .‬به طور کلی میتوان گفت‪:‬‬

‫رد فرض ‪ 𝐻0‬و پذیرش فرض ‪𝑠𝑖𝑔. (𝑃) < 𝛼(0⁄05) ⟹ 𝐻1‬‬

‫پذیرش فرض ‪ 𝐻0‬و رد فرض ‪𝑠𝑖𝑔. (𝑃) > 𝛼(0⁄05) ⟹ 𝐻1‬‬

‫توزيع داده ها‬

‫آگاهی از چگونگی توزیع هر متغیرف در تعیین اینکه هنگام مطالعه روابط از کدام متغیرها و برای تحلیل‬

‫دادهها از کدام روش استفاده میشود‪ ،‬کمك میکند‪ .‬بنابراین‪ ،‬از جمله اولین اقداماتی که معموالً در ارتباط با یك‬

‫مجموعه از دادهها می شود‪ ،‬نگاهی به دامنه مقادیر هر متغیر است‪ .‬برای این کار‪ ،‬از جدول توزیع فراوانی استفاده‬

‫میکنیم‪ .‬شکل توزیع دادههای هر متغیر‪ ،‬از الگوی فراوانیهای طبقات مختلف آن متغیر نشأت میگیرد‪ .‬برای‬

‫توصیف شکل توزیع‪ ،‬از عناوینی مانند توزیع نرمال یا طبیعی‪ ،‬توزیع استاندارد‪ ،‬توزیع متقارن و توزیع نامتقارن‬

‫استفاده میشود که مفهوم و مختصات هر یك بدین شرح است‪:‬‬

‫‪40‬‬
‫‪. Level of Significance‬‬
 ‫‪19‬‬ ‫فصل اول‪ :‬کلیات ‪‬‬

‫‪13‬‬
‫توزيع نرمال‪ /‬طبیعی‬

‫مفهوم توزیع نرمال در مورد دادههای پارامتری صدق میکند (نه دادههای ناپارامتری)‪ .‬در توزیع نرمال‪ ،‬فرض‬

‫بر این است که داده ها از جامعه ای با توزیع گاوس انتخاب شده اند‪ .‬آزمون نرمال بودن‪ ،‬با ایجاد یك نمودار‬

‫احتمال نرمال بودن‪ ،‬به آزمون این فرض میپردازد که آیا مشاهدات تحقیق از توزیع نرمال تبعیت میکنند یا خیر‪.‬‬

‫برخی از روشهای آماری همچون ‪ Z‬و ‪ T‬بر این فرض اند که نمونهها از یك توزیع نرمال تبعیت میکنند‪ .‬از‬

‫همین روی‪ ،‬برای آزمون نرمال بودن مشاهدات‪ ،‬می توان از دو آزمون اخیر استفاده کرد‪ ،‬که شرح آنها در ادامه‬

‫خواهد آمد‪.‬‬

‫‪14‬‬
‫توزيع استاندارد‬

‫استاندارد کردن‪ ،‬روشی برای تبدیل دادههای خام و استنباط معنای جدید از آنها است که به ما کمك میکند‬

‫تا از آمار توصیفی به آمار استنباطی پیش رویم‪ .‬تبدیل‪ ،‬به معنای انجام یك سری عملیات ریاضی است که روی‬

‫یك متغیر اجرا می شود تا متغیر جدیدی به دست آید‪ .‬یك نمونه بسیار متداول تبدیل‪ ،‬استاندارد سازی است که‬

‫در آن نمره خام را به نمره استاندارد (نمره ‪ )Z‬تبدیل میکنیم‪ .‬نمرههای استاندارد‪ ،‬وضعیت افراد یا نمرهها را نسبت‬

‫به میانگین تعیین میکنند‪ .‬به عبارتی‪ ،‬این نمرهها نشان میدهند که یك نمره در باال یا پایین میانگین‪ ،‬در چه محلی‬

‫واقع شده است‪ .‬نمرههای استاندارد با مقیاس فاصله ای به کار برده میشوند‪ ،‬اما این شاخص نیز به منظور تعیین‬

‫موقعیت فرد در دورن گروه به کار برده میشود‪ .‬به طور خالصه نمرههای استاندارد از ویژگیهای زیر برخوردارند‪:‬‬

‫‪ -4‬واحد اندازه گیری نمرههای استاندارد (‪ ،)Z‬انحراف استاندارد است‪.‬‬

‫‪ -0‬نمرههای باالی میانگین دارای ‪ Z‬مثبت و نمرههای پایین میانگین دارای ‪ Z‬منفی هستند‪.‬‬
‫‪ -2‬میانگین نمرههای استاندارد برابر صفر و انحراف استاندارد آن برابر یك است‪.‬‬

‫‪42‬‬
‫‪. Normal Distribution‬‬
‫‪41‬‬
‫‪. Standardized Distribution‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪11‬‬

‫‪ -1‬شکل توزیع نمرههای استاندارد همانند شکل توزیع نمرههای اصلی و خام (‪ )X‬است‪.‬‬
‫‪ -1‬مقیاس توزیع نمرههای استاندارد فاصله ای است‪.‬‬
‫‪ -1‬فرض صفر که با عالمت ‪ 𝐻0‬نشان داده میشود‪ ،‬فرضی است که محقق مایل به رد کردن آن میباشد‪.‬‬

‫بنابراین‪ ،‬فرض صفر بیان گر عدم ارتباط بین متغیرها‪ ،‬عدم تفاوت یك متغیر در بین یك یا چند گروه‪ ،‬و‬

‫عدم تأثیر یك متغیر بر متغیر دیگر میباشد که به صورت پارامتر صورت بندی شده و مبنای ریاضی آن‪،‬‬

‫برهان خلف است‪ .‬در تحقیق‪ ،‬بیان فرض صفر ضروری نیست و چنانچه فرضیه به صورت جهت دار بیان‬

‫شود‪ ،‬درک آن آسان تر است‪ .‬فرض صفر با نماد زیر نمایش داده میشود‪:‬‬

‫‪𝐻0 : 𝜇1 − 𝜇2 = 0‬‬
‫فرض صفر که با عالمت ‪ H_0‬نشان داده میشود‪ ،‬فرضی است که محقق مایل به رد کردن آن میباشد‪ .‬بنابراین‪،‬‬

‫فرض صفر بیان گر عدم ارتباط بین متغیرها‪ ،‬عدم تفاوت یك متغیر در بین یك یا چند گروه‪ ،‬و عدم تأثیر یك‬

‫متغیر بر متغیر دیگر میباشد که به صورت پارامتر صورت بندی شده و مبنای ریاضی آن‪ ،‬برهان خلف است‪ .‬در‬

‫تحقیق‪ ،‬بیان فرض صفر ضروری نیست و چنانچه فرضیه به صورت جهت دار بیان شود‪ ،‬درک آن آسان تر است‪.‬‬

‫فرض صفر با نماد زیر نمایش داده میشود‪:‬‬

‫‪𝐻0 : 𝜇1 − 𝜇2 = 0‬‬

‫فرضیه مخالف‬

‫وضعیتی را مشخص میکند که فرضیه صفر صحیح نباشد‪.‬‬

‫توان‬

‫اصطالح آماری است که برای توصیف توانایی رد فرضیه صفر وقتی که غلط است به کار میرود‪ .‬احتمالی‬

‫است که بین صفر تا ‪ 4‬تغییر می کند‪ .‬توان به حجم نمونه‪ ،‬واریانس‪ ،‬و سطح معنیداری بستگی دارد‪.‬‬
 ‫‪10‬‬ ‫فصل اول‪ :‬کلیات ‪‬‬

‫متغیر‪ :‬متغیر یك لفظ یا یك کلمه است که بیش از دو یا چند ارزش یا عدد به آن اختصاص داده میشود‪ .‬به‬

‫عبارت دیگر متغیر به ویژگیهایی اطالق میشود که میتوان آنها را مشاهده یا اندازهگیری کرد‪ .‬و دو یا چند‬

‫ارزش یا عدد را جایگزین آنها نمود‪ .‬عدد یا ارزش نسبت داده به متغیر‪ ،‬نشاندهنده تغییر از یك فرد به فرد دیگر‬

‫یا از یك حالت به حالت دیگر است‪ .‬میز یك لفظ است نه متغیر‪ ،‬اما وزن میز یك متغیر است‪.‬‬

‫مفهوم میز به تنهایی بر وجود ارزشهای چندگانه داللت نمیکند و برای مثال‪ ،‬به همین دلیل این مفهوم‬

‫مشخص نمیسازد که چه ویژگی یا ویژگیهایی از آن مورد نظر است‪ .‬برای مثال‪ ،‬کدامیك از ویژگیهای رنگ‪،‬‬

‫وزن یا ارتفاع میز مورد مشاهده یا اندازهگیری قرار گرفته است‪ .‬کرلینجر (‪ )4111‬معتقد است متغیر یك نماد است‬

‫که میتوان عدد یا ارزش را جایگزین آن کرد‪ .‬به عنوان مثال‪ X ،‬یك متغیر است‪ ،‬و در حقیقت نمادی است که‬

‫میتوان عدد یا ارزش را جانشین آن قرار داد‪.‬‬

‫گاهی اوقات ویژگیهایی که در یك پژوهش اندازهگیری میشوند‪ ،‬ممکن است در پژوهش دیگر ثابت‬

‫نگهداشته شوند‪ .‬متغیر در مقابل ثابت قرار دارد‪ .‬ثابت به ویژگیهایی اطالق میشود که دارای ارزش مساوی و‬

‫یکسان است و میزان آن در همه افراد یا اشیاء یا حوادث به یك اندازه است‪ .‬به عنوان مثال‪ ،‬اگر در یك پژوهش‬

‫دانشجویان بیست ساله مشارکت داشته باشند‪« ،‬سن» ثابت است‪.‬‬

‫آمارههای توصیفی‬

‫اندازههای گرايش مرکزی‬

‫شاخصهای مرکزی به مقدار یا عددی که به بهترین شکل ویژگی گروه را به عنوان یك کل نشان میدهد‬

‫اشاره میکنند ‪ .‬مترادف شاخص مرکزی نمره ی متوسط یا معدل (‪)average‬است‪ .‬بنابراین شاخصهای مرکزی‬

‫یا گرایش به مرکز شاخصهایی هستندکه با استفاده ازآنها مجموعهای ازدادهها در یك مقدار یا عدد که نمایندهی‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪11‬‬

‫آن مجموعه است خالصه میشود ‪ .‬نما ومیانه و میانگین(‪ )mean,median,mode‬سه شاخص مرکزی هستند که‬

‫درزیر به آنها اشاره میکنیم ‪.‬‬

‫‪15‬‬
‫نما‬

‫مقداری از دادههاست که بیشترین فراوانی را دارد‪ .‬نما ساده ترین شاخص گرایش مرکزی است‪ ،‬نما عددی‬

‫است که دارای بیشترین فراوانی است‪،‬یا عددی که بیشتر از اعداد دیگر تکرار شده است‪ .‬نماازطریق مشاهده ی‬

‫توزیع فراوانی وتعیین عددی که دارای بیشترین فراوانی است تعیین میگردد‪.‬عددی که دارای بیشترین فراوانی‬

‫است‪ ،‬غالباًنزدیك مرکزتوزیع فراوانی قراردارد‪.‬درچنین شرایطی نمایك شاخص مرکزی است‪.‬امانماهمیشه‬

‫درمرکزتوزیع فراوانی قرارندارد‪.‬به همین دلیل نمیتوان به عنوان یك شاخص مرکزی به آن اطمینان داشت‪.‬درواقع‬

‫نما درمیان شاخصهای گرایش به مرکز‪،‬شاخصی بی ثبات است‪.‬به توزیع فراوانی که فقط یك نمادارد‪،‬یك نمایی‬

‫و به توزیعی که دونمادارد‪ ،‬توزیع دونمایی میگویند وبه توزیع بیش ازدونما‪ ،‬توزیع چند نمایی گفته میشود‪.‬‬

‫ویژگی ها‪:‬‬

‫نما در بین شاخصهای مرکزی دارای کمترین مفروضه است‪.‬نمادرمقایسه باسایرشاخصهای مرکزی به‬

‫سهولت محاسبه میشود‪،‬نمااطالعاتی کلی درباره ی فراوان ترین ارزش یاعددبه پژوهشگرمی دهد‪.‬این شاخص‬

‫درباره ی گرایش مرکزی توزیع نمرهها اطالعی به مانمی دهد‪،‬به علت عدم ثبات واعتبارنما‪،‬به ندرت ازآن به‬

‫عنوان یك شاخص گرایش مرکزی استفاده میشود‪.‬ازآنجاکه نمارا نمیتوان بصورت ریاضی دستکاری کرد‪،‬به‬

‫همین دلیل ازنظرمحاسبات آماری مورداستفاده محدودی دارد‪.‬‬

‫خالصه ی ویژگیهای نما عبارتند از‪:‬‬

‫‪41‬‬
‫‪. Mod‬‬
 ‫‪11‬‬ ‫فصل اول‪ :‬کلیات ‪‬‬

‫‪ .4‬نما یك شاخص اسمی است‪.‬‬

‫‪ .0‬عددی است که دارای بیشترین فراوانی است‪.‬‬

‫‪ .2‬غالباًدروسط توزیع نمره هاقراردارد‪.‬‬

‫‪ .1‬دربعضی ازتوزیع هابیش ازیکی وجوددارد‪.‬‬

‫‪ .1‬اعمال ریاضی رانمی توان باآن انجام داد‪.‬‬

‫‪ .1‬دارای پایداری یاثبات خیلی کمی است‪.‬‬

‫‪ .2‬برآوردخیلی ضعیفی ازپارامترجامعه است‪.‬‬

‫‪ .1‬به ندرت به کاربرده میشود‪.‬‬

‫کاربرد‪:‬‬

‫پژوهشگران معموالًهنگامی ازنمااستفاده میکنندکه مایل باشندبینشی کلی درباره ی شاخص مرکزی به دست‬

‫آورند‪.‬ازنماهنگامی استفاده میکنندکه مقیاس اندازه گیری اسمی باشد‪ ،‬برآورد سریعی از ارزش مرکزی نیازباشد‪،‬‬

‫یك برآوردتقریبی ازارزشهای مرکزی کفایت کند‪ ،‬وقصدتعیین متداول ترین نمره راداشته باشیم‪.‬وخالصه اینکه‬

‫کاربردنماعبارت استاز‪:‬‬

‫‪ .4‬وقتی که مقیاس اندازه گیری اسمی باشد‪.‬‬

‫‪ .0‬وقتی که پژوهشگرعالقمندباشدعددی که بیشترتکرارشده است پیداکند‪.‬‬

‫‪ .2‬وقتی که پژوهشگرعالقمنداست اطالعات کلی وسریع درباره ی گرایشهای مرکزی به دست آورد‪.‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪12‬‬

‫‪16‬‬
‫میانه‬

‫مقداری از متغیر است که نیمی از مقادیر کوچکتر از آن و نیم دیگر بزرگتر از آن هستند‪ .‬میانه نقطه ی وسط‬

‫یك توزیع فراوانی است‪.‬هنگامی که نمرات توزیع فراوانیبه ترتیب ازباالترین به پایین ترین نمره مرتب شود‪،‬نصف‬

‫نمرات باالی میانه ونصف نمرات پایین میانه قرارمی گیرد‪.‬بنابراین‪،‬میانه نقطه ‪12‬درصداست‪.‬یعنی عددی است که‬

‫توزیع نمره هارابه دوقسمت مساوی تقسیم میکند‪.‬‬

‫ویژگی ها‪:‬‬

‫اندازه یا حجم واخدهای اندازه گیری درمیانه تأثیرندارد‪.‬درمحاسبه ی میانه‪،‬مقداربزرگترین عددتوزیع که‬

‫درباالترین وضعیت قراردارد‪،‬درمقدارمیانه تأثیری ندارد‪.‬این ویژگی یکی ازمزایای میانه است‪.‬ازدیگرویژگیهای‬

‫میانه میتوان به مواردذیل اشاره نمود‪:‬‬

‫‪ .4‬یك شاخص ترتیبی است‪.‬‬

‫‪ .0‬مقدارآن بوسیله ی عددی که دروسط توزیع قرارداردتعیین میشود‪.‬‬

‫‪ .2‬تحت تأثیرارزش عددی کلیه ی نمره هاقارندارد‪.‬‬

‫‪ .1‬به قالب نمرههای توزیع نزدیك است‪.‬‬

‫‪ .1‬درمحاسبه سی آن ازعملیات ریاضی کمتری استفاده میشود‪.‬‬

‫‪ .1‬ثبات آن ازمیانگین کمترولی ازنمابیشتراست‪.‬‬

‫‪ .2‬بامقیاسهای ترتیبی‪،‬فاصله ای ونسبی به کاربرده میشود‪.‬‬

‫کاربرد‪:‬‬

‫‪41‬‬
‫‪. Median‬‬
 ‫‪15‬‬ ‫فصل اول‪ :‬کلیات ‪‬‬

‫ازمیانه هنگامی استفاده میکنندکه وقت کافی برای محاسبه ی میانگین وجودندارد‪،‬توزیع نمره دارای کجی‬

‫باشد‪،‬فاصله ی نمرهها ازمرکزتوزیع اهمیت نداشته باشدوتوزیع موردمطالعه کامل نباشد‪.‬همچنین چون میانه‬

‫براساس نمرههای رتبه بندی شده به دست میآید‪،‬بنابراین مورداستفاده آن زمانی است که مقیاس اندازه گیری‬

‫میتوان بامقیاسهای فاصله ای ونسبی نیزبه کاربردامامقیاسهای مذکور درمحاسبه ی‬ ‫رتبه ای باشد‪.‬میانه را‬

‫میانه به کاربرده نمیشوند‪.‬درمجموع میتوان گفت موارداستفاده آن عبارتنداز‪:‬‬

‫‪ .4‬وقتی که پژوهشگرعالقمندباشدیافته هارابصورت ترتیبی تفسیرکند‪.‬‬

‫‪ .0‬وقتی که به عددی که دروسط توزیع قرارداردنیازباشد‪.‬‬

‫‪ .2‬وقتی که محقق به تعیین تأثیرهمه ی نمره هایااعداددراندازه گیری عالقمندباشد‪.‬‬

‫‪ .1‬هنگامی که درتوزیع نمره ها‪،‬اعدادخیلی بزرگ یاخیلی کوچك وجودداشته باشد‪.‬‬

‫هدف‪:‬‬

‫هدف ازمیانه عدم تأثیر نمرههای فوق العاده بزرگ یاکوچك درمحاسبه ی شاخص مرکزی است‪.‬‬

‫‪17‬‬
‫میانگین‬

‫مشهورترین و معتبرترین شاخص گرایش مرکزی ‪ ،‬میانگین است ‪ .‬میانگین معدل حسابی گروهی از نمرات‬

‫است که از طایق جمع کردن تمام نمرات و تقصیم حاصل جمع بر تعداد کل نمرات به دست میآید ‪ .‬میانگین‬

‫پایاترین و دقیق ترین شاخص مرکزی محسوب میشود ‪.‬‬

‫ویژگی ها‪:‬‬

‫‪42‬‬
‫‪. Mean‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪16‬‬

‫از ویژگیهای عمده میاگین این است که این شاخص نسبت به تك تك اعداد توزیع فراوانی حساس است ‪.‬‬

‫اما این فریت در برخی از شرایط یکی از نقاط صنف میانگینمحسوب میشود ‪ .‬چناچه پژوهشگری عالقمند باشد‬

‫تا نمرات خیلی بزرگ یا کوچك برشاخص مرکزی تاثیر داشته باشد ‪ ،‬میانگین شاخص مناسبی است در غیر این‬

‫صورت میانه یا نما شاخص مناسبی خواهد بود ‪.‬‬

‫یکی دیگر از ویژگیهای میانگین این است که میانگین ‪ ،‬نقطه ای از توزیع نمرات است که همیشه مجموع‬

‫مجذور در انحراف نمرات از میانگین کوچکتر یا مساوی بامجموع مجذور در انحراف نمرات از در عددی دیگر‬

‫است و خالصه اینکه‪:‬‬

‫‪ .4‬یك شاخص فاصله ای است‪.‬‬

‫‪ .0‬در محاسبه ی آن از عملیات ریاضی بشری استفاده میشود‪.‬‬

‫‪ .2‬نمره ازخیلی بزرگ وکوچك در آن تاثیر دارد‪.‬‬

‫‪ .1‬مجموع انحراف از میانگین همیشه صفر است‪.‬‬

‫‪ .1‬با ثبات ترین شاخص فزونی است‪.‬‬

‫‪ .1‬بهترین برآورد از میانگین جامعه است‪.‬‬

‫‪ .2‬با مقیاسهای فاصله ای و نسبی به کار برده میشود ‪.‬‬

‫کاربرد‬

‫چون میانگین به استفاده کنندههای خود اجازه انجام عملیات ریاضی را میدهد ‪ ،‬به همین دلیل مورد استفاده‬

‫زیادی در آمار استنباطی دارد ‪ .‬در غالب روشهای آماراستنباطی از میانگین بشر از شاخصهای دیگر استفاده‬

‫میشود و بطور خالصه میتوان گفت‪:‬‬

‫‪ .4‬وقتی که پژوهشگر عالقمند باشد داده در این صورت فاصلهای تفسیر کند‪.‬‬
 ‫‪17‬‬ ‫فصل اول‪ :‬کلیات ‪‬‬

‫‪ .0‬وقتی که پژوهشگر عالقمند باشد که ارزش عددی همه ی نمرات درمحاسبه دخالت داشته باشد‪.‬‬

‫‪ .2‬وقتی سوال پژوژهشی به صورت کمکی باشد‪.‬‬

‫‪ .1‬وقتی که از میانگین برای محاسبات دیگری استفاده شود ‪.‬‬

‫هدف‪:‬‬

‫مشارکت ارزش یا مقار هر یك از شاهدها یا اعداد در شاخص مرکزی ‪.‬‬

‫اندازههای پراکندگی‬

‫شاخصهای پراکندگی میزان پراکندگی یا تفسیرنمرهها را درمجموعه ای ازنمرات نشان میدهند‪.‬دامنه ی‬

‫تغییرات‪،‬انحراف چارکی‪،‬واریانس وانحراف استانداردیا انحراف معیارچهارشاخص پراکندگی هستند‪.‬درزیربه‬

‫آنهااشاره میکنیم‪:‬‬

‫دامنه تغییرات‬

‫ساده ترین شاخص پراکندگی یاتغییر‪،‬دامنه ی تغییرات است‪،‬دامنه ی تغییرات دریك توزیع فراوانی عبارتست‬

‫ازتفاضل بزرگترین وکوچکترین نمره‪،‬درواقع به آسانی باکم کردن پایین ترین نمره‪،‬ازباالترین نمره‪،‬دامنه ی تغییرات‬

‫محاسبه میشود‪.‬‬

‫ویژگی ها‬

‫دامنه ی تغییرات فقط پراکندگی بین بزرگترین وکوچکترین نمره هاراتعیین میکند‪،‬این شاخص خیلی سریع‬

‫وبه سهولت محاسبه میشود‪،‬اماچون درمحاسبه ی آن فقط ازدوعدد(بزرگترین وکوچکترین)استفاده میشودقادربه‬

‫توصیف توزیع نمرهها به صورت حقیقی نیست‪.‬دامنه ی تغییرات منعکس کننده پراکندگی بین دونمره خیلی بزرگ‬

‫وکوچك نیست‪.‬دامنه ی تغییرات یك شاخص پایدارپراکندگی نیست‪،‬زیرا مقدارآن باتغییریك نمره (بزرگترین‬

‫وکوچکترین)تغییرمی کند‪.‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪18‬‬

‫کاربرد‬

‫استفاده ازدامنه ی تغییرات مستلزم داشتن مقیاس فاصله ای است‪.‬هنگامی که اختالفهای بین نمرهها دارای‬

‫تغییرمنطقی باشند‪،‬فقطباداشتن مقیاس فاصله ای میتوان ازکوچکترین وبزرگترین عددوتفاضل بین آنهاصحبت‬

‫کرد‪.‬درشرایطی که مقیاس اندازه گیری اسمی یاترتیبی باشد‪،‬دامنه ی تغییرات شاخص مناسبی نیست‪.‬‬

‫هدف‬

‫تعیین پراکندگی بین بزرگترین وکوچك ترین نمره هاست‪.‬‬

‫انحراف چارکی‬

‫صدکها ‪ :‬مقادیری از متغیر هستند که درصد نمونهها را نشان میدهند‪ .‬برای مثال میتوانید مقداری را پیدا‬

‫کنید که ‪ 01%‬نمونهها در زیر آن قرار گیرند‪.‬‬

‫چارکها ‪ :‬چارکها نقاطی بر روی مقیاس اندازه گیری هستند که کلیه مشاهدات یا نمرهها را به چهار قسمت‬

‫مساوی تقسیم میکند‪.‬‬

‫انواع چارکها‬

‫چارک اول (‪ )4Q‬نقطه ای در روی مقیاس اندازه گیری است که پایین ترین ‪ 01،‬درصد نمرهها را جدا میکند‬

‫چارک (‪ )0Q‬نقطه ای است که توزیع را به دو قسمت مساوی تقسیم میکند ‪.‬‬

‫چارک (‪ )2Q‬نقطه ای است که سه قسمت مساوی نمرهها در زیر آن و بقیه در باالی آن واقع شده اند ‪.‬‬

‫دامنه تغییر بین چارکها‬

‫فاصله بین چارک اول و سوم دامنه تغییر بین چارکها نامیده میشود‪ .‬برای محاسبه آن الزم است ‪4Q‬و‪2Q‬‬

‫محاسبه و سپس تفاضل بین آنها را بدست آورد ‪( .‬دامنه تغییرچارک =‪)4-Q2Q‬‬

‫انحراف چارکی‬
 ‫‪19‬‬ ‫فصل اول‪ :‬کلیات ‪‬‬

‫انحراف چارکی عبارت است از نصف فاصله بین چارکهای اول و سوم (محاسبه میانه یا چارک دوم اعداد)‬

‫دامنه تغییرات ‪ :‬سادهترین شاخص پراکندگی است که اختالف بین بزرگترین و کوچكترین مقدار دادهها را‬

‫نشان میدهد‪.‬‬

‫این شاخص پایاترازدامنه ی تغییرات است ومساوی است بانصف تفاضل بین چارک سوم واول‪.‬‬

‫ویژگی ها‬

‫محاسبه انحراف چارکی خیلی بیشترازمحاسبه ی دامنه ی تغییرات به دقت نیازدارد‪،‬اما نتیجه ی آندارای ثبات‬

‫بیشتری است‪.‬انحراف چارکی خیلی کم تحت تأثیر اختالفهای تصادفی بین نمونههای انتخاب شده قرارمی‬

‫گیرد‪.‬انحراف چارکی مانندمیانه تحت تأثیرنمرههای خیلی بزرگ یاخیلی کوچك قرارنمی گیرد‪.‬‬

‫کاربرد‬

‫انحراف چارکی درشرایطی استفاده میشودکه تأثیرنمرههای خیلی بزرگ یاخیلی کوچك‬

‫موردنظرنباشد‪.‬شرایطی که درآن انحراف چارکی مورداستفاده قرارمی گیرد‪ ،‬همانندشرایط استفاده ازمیانه‬

‫است‪.‬ازانحراف چارکی زمانی استفاده میشودکه مقیاس اندازه گیری حداقل فاصله ای باشد‪.‬‬

‫هدف‬

‫نشان ددان میزان پراکندگی دراطراف مرکز توزیع نمره هاست‪.‬‬

‫واريانس‬

‫واریانس یك شاخص پراکندگی است که ازطریق محاسبه ی انحراف نمرهها ازمیانگین محاسبه میشود‪.‬زیرابا‬

‫مجذورکردن انحراف نمرهها ازمیانگین یامجموع مجذورانحراف نمرهها ازمیانگین تقسیم برتعدا دنمره ها‪.‬‬

‫پرکاربردترین شاخص پراکندگی است‪ .‬هر چه ارزش واریانس بیشتر باشد‪ ،‬مقادیر بیشتر پراکنده هستند‪ .‬اگر‬

‫واریانس صفر باشد تمامی نمونهها دارای مقدار واحدی هستند‪.‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪21‬‬

‫ویژگی ها‪ ،‬کاربرد‬

‫واریانس مورداستفاده فراوانی درآماراستنباطی دارد‪.‬ولی استفاده آن درآمارتوصیفی محدوداست‪،‬زیرا با‬

‫مجذورکردن انحراف نمرهها ازمیانگین‪،‬واحدواریانس یاواحداندازه گیری تغییرپیداخواهدکرد‪.‬‬

‫انحراف معیار‬

‫به پراکندگی مشاهدات در یك نمونه اشاره دارد‪ .‬مشکل اختالف واحداندازه گیری با واحدواریانس را میتوان‬

‫باجذرگرفتن ازواریانس حل کرد‪.‬این عمل موجب میشودکه واحدشاخص محاسبه شده باواحداندازه گیری به‬

‫کاربرده شده یکسان شود‪،‬ویکی ازشاخصهای معتبرآماری به نام انحراف استانداردبه دست آید‪.‬بنابراین انحراف‬

‫معیاررا میتوان جذر یا ریشه ی دوم میانگین مجذورانحراف نمرهها نامید‪.‬به عبارت دیگرجذرواریانس‪،‬انحراف‬

‫استانداردنامیده میشود‪.‬‬

‫ویژگی ها‬

‫انحراف استانداردمفیدترین ومتداول ترین شاخص پراکندگی است‪.‬مفیدبودن این شاخص به این دلیل است‬

‫که بااین شاخص میتوان میزان پراکندگی هرتوزیع پیوسته رابرحسب واحداندازه گیری نشان داد‪.‬این شاخص‬

‫پایاترین ودقیق ترین شاخص پراکندگی است‪،‬که درمحاسبه ی آن ازکلیه ی اعداداستفاده میشود‪.‬واعمال ریاضی‬

‫رامی توان درموردآن انجام داد‪.‬‬

‫کاربرد‬

‫انحراف استانداردشاخصی است که به منظورتعیین تغییرات یا پراکندگی توزیع نمرهها به کاربرده‬

‫میشود‪.‬استفاده ازانحراف استانداردمستلزم این است که مقیاس اندازه گیری به کاربرده شده‪،‬حداقل فاصله ای‬

‫باشد‪.‬ازاین شاخص میتوان برای محاسبات آماری استفاده کرد‪.‬این شاخص به صورت گسترده ای درآماراستنباطی‬

‫به کاربرده میشود‪.‬‬

 ‫‪20‬‬ ‫فصل اول‪ :‬کلیات ‪‬‬

‫انواع مقیاسها يا متغیرها از لحاظ سطوح سنجش‬

‫سطح سنجش متغیرها به طبقات متغیر با یکدیگر مربوط است‪ .‬متغیرها از لحاظ سطوح سنجش به چهار دسته‬

‫اسمی ترتیبی ‪ ،‬فاصلهای یا نسبتی تقسیم میشود‪.‬‬

‫‪ . 4‬متغیر اسمی‪ :‬در این نوع متغیرها طبقات مجزا بوده و هرکدام از دیگری مستقل میباشد؛ بطوری که میتوان‬

‫بین طبقات آن تمایز قائل شد‪ .‬امّا نمیتوان طبقات آن را رتبهبندی کرد‪ .‬طبقات طوری تنظیم میشود که احتمال‬

‫قرار گرفتن یك عضو در طبقه دیگر صفر میگردد‪ .‬ضعیفترین سطح اندازهگریی مقیاس اسمی است‪ .‬در این‬

‫سطح اعداد یا نشانهها برای طبقه بندی اشیا یا مشاهدات به کار میروند‪ .‬اطالعات با مقیاس اسمی را نمیتوان به‬

‫صورت معنیداری از کم به زیاد ردیف نمود‪ .‬مثل جنسیت که از طبقه مذکر و مونث تشکیل شدهاست یا محل‬

‫تولد یا تأهل که همه از نمونههای متغیر اسمی هستند‪.‬‬

‫‪ . 0‬متغیر ترتیبی‪ :‬در این نوع متغیرها عالوه بر طبقه بندی‪ ،‬رتبهبندی طبقات نیز امکانپذیر است و بین طبقات‬

‫آن درجه بندی مفهوم دار وجود دارد‪ .‬با این وجود‪ ،‬نمیتوان فاصله بین طبقات مساوی فرض کرد و کمی کردن‬

‫میزان تفاوت طبقات امکانپذیر نیست‪ .‬مثالً سن که به طبقات نوزاد‪ ،‬خرد سال‪ ،‬کودک‪ ،‬نوجوان‪ ،‬جوان‪ ،‬میان سال‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪21‬‬

‫و پیر تقسیمبندی میشود امّا دقیقا نمیتوان میزان فاصله نوزاد و کودک را تعیین کرد بلکه این فاصله در طبقات‬

‫دیگر مختلف و متفاوت است‪ .‬بطور خالصه هر نوع سؤالی که جواب آن کمی و عددی نباشد ولی به نوعی در‬

‫آن درجهبندی به کار رود ‪ ،‬متغیرترتیبی خواهد بود ‪.‬‬

‫‪ . 2‬متغیر فاصلهای ‪ :‬در این متغیر چینش طبقات جنبه طبیعی دارند و میتوان تفاوت طبقات آن را دقیقا کمی‬

‫و عددی کرد مثل نمره افراد یك کالس یا سن (البته اگر بر حسب سال سنجیده شود) امّا اگر بر حسب مراحل‬

‫مختلف زندگی شامل‪ :‬جوان ‪ ،‬میانسال و کهنسال سنجیده شود ترتیبی خواهند بود یا نمره دانشجویان و صفر در‬

‫این متغیر قرار دادی است‪.‬‬

‫‪ .1‬متغیر نسبتی‪ :‬با الترین و دقیق ترین سطح سنجش است که در آن عالوه بر تعیین سطوح و مقادیر یك‬

‫متغیر و فاصله بین مقادیر آن‪ ،‬نسبتها نیز بر اساس صفر حقیقی یا مطلق تعیین میگردند‪ .‬هر چیزی که با‬

‫مقیاسهای دقیق فیزیکی نظیر وزن‪ ،‬قد‪ ،‬نیرو‪ ،‬میزان پول و درآمد و غیره انجام میگیرند نیز از این نوعند‪.‬‬

‫نکتهها‪:‬‬

‫‪ .4‬هر چه سطح سنجش به فاصلهای و نسبتی نزدیك باشد دامنه روشهای تحلیل‪ ،‬گستردهتر خواهد بود‪.‬‬

‫‪ .0‬برای متغیرهای فاصلهای و نسبتی‪ ،‬باید از تکنیكهای مناسب و دقیقتری در تحلیل استفاده شود‪.‬‬

‫‪ .2‬سطح سنجش متغیرهای فاصلهای و نسبتی را میتوان به سطح ترتیبی یا اسمی تقلیل داد ولی متغیرهایی‬

‫را که در سطوح پایینتر اندازهگیری میشوند نمیتوان به سطوح باالتر سنجش تبدیل کرد‪ .‬تنها از طریق‬

‫طیفها مقادیر ترتیبی پس از جمع نمودن به تقریبا فاصلهای تبدیل میشود‪.‬‬

‫بطور کلی توصیه میشود تا حدّ امکان پدیدهها در حد متغیرهای فاصلهای اندازه گیری شود‪ .‬در عین حال باید‬

‫توجّه داشت که مالحظات مربوط به پایایی‪ ،‬در مواقعی محقق را ترغیب میکند که از متغیرهای ترتیبی استفاده‬

‫کند‪ .‬زیرا اوالً پرسشهایی که مستلزم دقت و جزئیات زیادی اند ممکن است غیر قابل اعتماد باشند ‪.‬‬
 ‫‪21‬‬ ‫فصل اول‪ :‬کلیات ‪‬‬

‫ثانیاً برای جمعآوری اطالعات از پاسخگویان‪ ،‬غالباً اطالعات دقیق و مفصل ارایه نمیگردد ‪.‬‬

‫ثالثاً در مواقعی پاسخگویان از ارایه اطالعات دقیق اکراه دارند ولی میتوانند اطالعات کلی تری را در اختیار‬

‫محقق قرار دهند همانند گروه سنی یا طبقه درآمدی ‪.‬‬

‫انواع متغیر بر اساس نقش آن در فرآيند تحقیق‬

‫متغیر مستقل‬

‫یك صفت و ویژگی از محیط فیزیکی یا اجتماعی است که بعد از انتخاب‪ ،‬دخالت یا دست کاری شدن توسط‬

‫محقق‪ ،‬مقادیری را می پذیرد تا تأثیرش بر روی متغیر دیگر (متغیر وابسته) مشاهده شود‪ .‬یا صفتی است که محقق‬

‫آن را دستکاری و کم زیاد مینماید‪ .‬برای مثال‪ ،‬محقق می خواهد اثر دو نوع روش تدریس (الف) و (ب) را روی‬

‫عملکرد دانشجویان بررسی کند‪ .‬در این پژوهش نوع روش تدریس‪ ،‬متغیر مستقل در نظر گرفته شده تا تأثیرش‬

‫بر عملکرد یادپیری دانشجویان (متغیر وابسته) مورد مطالعه قرار میگیرد‪.‬‬

‫در مطالعات همبستگی‪ ،‬به جای متغیر مستقل از اصطالح«متغیر پیش بین » و به جای متغیر وابسته از «متغیر‬

‫مالک» استفاده میشود‪ .‬برخی نویسندگان معتقدند اصطالح متغیر مستقل و وابسته (تابع) ویژهی تحقیقاتی است‬

‫که در آنها هدف‪ ،‬تبیین رابطه علت و معلولی میان متغیرها است‪ .‬در بعضی از مسائل پژوهشی‪ ،‬متغیرهای مورد‬

‫مطالعه به صورتی تعریف شدهاند که نمی توان متغیر مستقل را از متغیر وابسته به طور کامل متمایز کرد‪ .‬برای‬

‫مثال در بررسی رابطهی رضایت مشتری و وفاداری آنان‪ ،‬تمایز متغیر مستقل و وابسته از یکدیگر مشخص نیست‪.‬‬

‫در این گونه تحقیقات‪ ،‬هدف پژوهشگر برقراری رابطهی هم زمانی میان متغیرها است‪ .‬باید توجه داشت که تعداد‬

‫و ماهیت متغیر مستقل به مسئلهی تحقیق بستگی دارد‪.‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪22‬‬

‫متغیر وابسته‬

‫متغیری است که تغییرات آن تحت تأثیر متغیر مستقل قرارمیگیرد‪ .‬متغیر مورد بررسی را متغیر وابسته گویند‪.‬‬

‫متغیر وابسته آن است که مورد پیش بینی قرار می گیرد‪ ،‬در حالی که متغیر مستقل متغیری است که از روی آن‬

‫پیش بینی میشود‪ .‬به زبان ریاضی‪ ،‬متغیر وابسته ‪ Y‬معلول فرضی است که همراه با تغییرات یا پراش متغیر ‪X‬تغییر‬

‫می کند‪ .‬متغیر ‪Y‬دست کاری نمیشود‪ ،‬بلکه از لحاظ تغییراتی که در آن به عنوان نتیجه احتمالی تغییرات مربوط‬

‫به متغیر مستقل حاصل می شود مورد مشاهده قرار می گیرد‪ .‬در پیش بینی از ‪ X‬به ‪ Y‬میتوان هر مقدار دلخواه‬

‫‪ X‬را اختیار کرد‪ ،‬در حالی که تغییر متغیر‪ Y‬که مورد پیش بینی واقع می شود به مقداری از‪ X‬یا‪X‬ها بستگی دارد‬

‫که قبالً انتخاب شده است‪ .‬متغیر وابسته‪ ،‬شرط‪ ،‬وضعیت یا کیفیتی است که تالش می شود آن را تبیین کرد‪.‬‬

‫برای مثال‪ ،‬در بررسی تأثیر شیوه های تشویق بر خواندن روزنامه دانش آموزان‪ ،‬میزان خواندن به عنوان متغیر‬

‫وابسته در نظر گرفته شده است تا اثر تشویق برآن اندازهگیری شود‪ .‬انتخاب یك متغیر به عنوان متغیر وابسته‬

‫(تابع) به هدف پژوهش بستگی دارد‪ .‬پس از تعریف دقیق و روشن متغیر وابسته‪ ،‬باید ابزاری که امکان اندازه‬

‫گیری آن را فراهم می سازد نیز شناسایی نمود‪.‬‬

‫متغیر تعديل کننده‬

‫متغیر کمی یا کیفی است که جهت یا میزان رابطه ی میان متغیرهای مستقل و وابسته را تحت تأثیر قرار می‬

‫دهد‪ .‬گاهی این متغیر یك متغیر مستقل ثانوی است که بر جهت یا میزان ارتباط متغیر مستقل و وابسته تأثیر می‬

‫گذارد‪ .‬برای مثال در بررسی تأثیر شیوه های مختلف تشویق بر خواندن روزنامه دانشجویان دختر و پسر‪ ،‬محقق‬

‫می خواهد نقش متغیر جنسیت را نیز در تشویق و یادگیری مورد مطالعه قرار دهد‪ .‬بنابراین در این تحقیق جنسیت‬

‫متغیر تعدیل کننده محسوب میشود‪ .‬نکته مهم این است که متغیر تعدیل کننده قابلیت بررسی و یا کنترل دارد‪.‬‬
 ‫‪25‬‬ ‫فصل اول‪ :‬کلیات ‪‬‬

‫متغیر کنترل‬

‫در یك تحقیق نمیتوان تمام متغیرها را به طور هم زمان مورد مطالعه قرار داد‪ .‬بنابراین محقق اثر برخی از‬

‫متغیرها را کنترل نموده‪ ،‬آنها را خنثی میکند‪ .‬این نوع متغیرها‪ ،‬متغیر کنترل نامیده میشوند‪ .‬برای مثال این سؤال‬

‫پژوهشی که«چه رابطه ای میان پیشرفت تحصیلی و عزت نفس دانشجویان پسر سال دوم (ترم چهارم) وجود‬

‫دارد؟ » مورد نظر قرار می گیرد‪ .‬در این سؤال‪ ،‬اثر پایه تحصیلی و جنسیت بر پیشرفت تحصیلی وعزت نفس‪،‬‬

‫کنترل می شود‪ .‬کنترل متغیرها از دو طریق ممکن میباشد‪ :‬الف‪-‬کنترل های تحقیقی‪ ،‬ب‪ -‬کنترل های آماری‪.‬‬

‫متغیرهای مداخله گر‬

‫متغیری است که محقق برای استنتاج از نحوهی تأثیرمتغیر مستقل بر متغیر تابع مورد نظر قرار میدهد‪ ،‬ولی‬

‫تأثیر آن را نه میتوان کنترل کرد و نه به طور مستقیم و مستقل از سایر متغیرها‪ ،‬مشاهده کرد‪ .‬متغیر مداخلهگر‬

‫معموالً بر اعتبار درونی و اعتبار بیرونی تحقیق اثر نمیگذارد‪ .‬برای مثال در یك طرح تحقیق که هدف آن بررسی‬

‫تأثیر روش آموزش روش تحقیق در مقایسه با سخنرانی‪ ،‬برای آموزش روش تحقیق است‪ ،‬متغیر مستقل نوع‬

‫روش آموزش و متغیر وابسته پیشرفت یادگیری روش تحقیق دانشجویان است‪ .‬ازآنجا که« یادگیری »متغیری است‬

‫که تأثیرمتغیر مستقل بر متغیر وابسته را تحت تأثیر قرار میدهد و مشاهده آن به طور مستقیم امکان پذیر نمی‬

‫باشد‪ ،‬متغیر مداخله گر نامیده میشود‪ .‬بدون شك نقش متغیرهای مداخلهگر‪ ،‬در تفسیر نتایج مدنظر قرار میگیرد‪.‬‬

‫مراحل تحلیل آزمونهای آماری‬

‫آنالیز آزمونهای آماری شامل مراحل زیر است‪:‬‬

‫‪ .4‬شناسایی و تشخیص نوع متغیرهای مستقل و وابسته از لحاظ سطح سنجش‬

‫‪ .0‬تعیین آزمون آماری مربوطه طبق جدول‬

‫فاصلهای یا نسبتی‬ ‫ترتیبی‬ ‫اسمی‬ ‫متغیر مستقل‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪26‬‬

‫متغیر وابسته‬
‫آزمون کای دو‬ ‫آزمون کای دو‬
‫اسمی‬
‫ووابستگانش‬ ‫ووابستگانش‬
‫گاما‪ ،‬دی سامرز‪ ،‬تا بی کندال و تاسی‬ ‫آزمون کای دو‬
‫ترتیبی‬
‫کندال‬ ‫ووابستگانش‬
‫چند شقی‬ ‫دوشقی‬ ‫چند شقی‬ ‫دوشقی‬
‫آزمون اف و‬
‫ضریب همبستگی پیرسون‬ ‫آزمون تی و انواع آن‬ ‫آزمون تی و انواع آن‬
‫تعقیبی آن‬ ‫آزمون اف و تعقیبی آن‬ ‫فاصلهای یا نسبتی‬
‫و رگرسیون‬ ‫درصوت نبود شرایط‬ ‫درصوت نبود شرایط‬
‫کروسکال‬ ‫کروسکال والیس‬
‫مان ویتنی و مک نمار‬ ‫مان ویتنی و مک نمار‬
‫والیس‬

‫‪ .2‬تدوین فرضیههای تحقیق‬

‫‪ .1‬انجام آزمون به صورت دستی یا از طریق ‪spss‬‬

‫‪ .1‬توجه به شرایط آزمونها‬

‫‪ .1‬رد یا تأیید فرضیهها (فرضیه ‪ 𝐻2‬یا فرضیه ‪)𝐻4‬‬

‫‪ .2‬بیان مقدار تفاوت یا مقدار رابطه در صورت تأیید فرضیه تحقیق ( ‪)𝐻4‬‬
‫‪SPSS‬‬ ‫فصل دوم‪ :‬نرم افزار‬
 ‫‪29‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫درس اول‬

‫ورود اطالعات به برنامه ‪SPSS‬‬

‫معرفی نرم افزارهای آماری و تفاوت آنها ‪spss‬‬

‫معرفی نصب برنامه ‪ spss‬و اجرای آن‬

‫معرفی صفحات ‪spss‬‬

‫ـ صفحه ‪ :variable view‬صفحه مربوط به تعریف متغیرهااست‬

‫ـ صفحه ‪ : Data view‬صفحه مربوط به ورود اطالعات است‬

‫ـ صفحه ‪ :Syntax‬صفحه مربوط به ذخیره دستورهای آماری است‬

‫ـ صفحه ‪ :Out put‬صفحه مربوط به نشان دادن خروجی دادهها و آزمونهای آماری است‬

‫تعریف متغیرها وساختن فایل برای ورود اطالعات‬

‫مقدمه‪ :‬آشنايی با نرم افزارهای آماری‬

‫امروزه پژوهشهای کمی برای تجزیه و تحلیل اطالعات از جهت توصیف‪ ،‬تبیین‪ ،‬بیان روابط و مدلها نیاز‬

‫مبرم به نرمافزارهای دارد که به شرح ذیل به معرفی و تفاوتهای آنها پرداخته میشود‪.‬‬

‫نرم افزار ‪SPSS‬‬

‫نرم افزاری ‪ Spss‬یك نرم افزار تخصصی مربوط به علم آمار دارای شهرت جهانی میباشد‪ .‬با این نرم افزار‬

‫می توان روشها و آزمونهای آماری را با دقت و سرعت انجام داد‪ .‬ابتدا این نرم افزار به عنوان «بسته آماری‬

‫برای علوم اجتماعی» ساخته شد‪ .‬در حال حاضر از این نرم افزار برای تجزیه‪ ،‬تحلیل و آنالیز آماری مشاهدات و‬

‫پرسشنامهها و آزمایشات در تمامی رشتهها استفاده می گردد‪ .‬پیش نیاز کاربرد این نرم افزار دانش آماری مربوط‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪51‬‬

‫به آمارههای توصیفی و استنباطی است‪ .‬به طور خالصه برای استفاده بهینه از این نرم افزارداشتن دانش علم آمار‬

‫و همچنین مهارت بکارگیری ‪ spss‬ضروریست‪ .‬به طور کلی تحلیلهایی که با این نرم افزار می توان انجام داد‬

‫شامل دو بخش عمده می باشد‪ -4 :‬توصیف مشاهدات‪ -0 ،‬استنباط آماری با استفاده از مشاهدات‪.‬‬

‫نرم افزار ‪SAS‬‬

‫یك نرم افزار پر قدرت آماری است‪ .‬این نرم افزار آماری بیشتر روشهای رایج آماری را پوشش میدهد و‬

‫کاربر می تواند فرمانهای خاصی را که متناسب با نیازهایش باشد انتخاب نموده و به کار گیرد‪ .‬این نرم افزار‬

‫مختص دانش آموختگان علم آمار میباشد‪ .‬سایر رشتهها نمی توانند به راحتی از این نرم افزار استفاده نمایند‪.‬‬

‫گزینهها و زیر گزینه های متعددی در ‪ SAS‬وجود دارد که کاربر را قادر می سازد تا تجزیه و تحلیلهای‬

‫آماری را در سطوح مختلفی از نظر پیچیدگی و جزئیات انجام دهد‪.‬‬

‫مهمترین مزایای این نرم افزار امکان برنامه نویسی برای تحلیلهای پیشرفته آماری و علی الخصوص برنامه‬

‫نویسی جهت تحلیلهای ماتریسی است‪ .‬ولی ‪ Sas‬در برخی زمینهها از جمله در زمینه گرافیکی از سایر نرم‬

‫افزارها ضعیف تر است‪.‬‬

‫نرم افزار ‪MATLAB‬‬

‫از ترکیب دو واژه‪( Matrix‬ماتریس) و ‪( Laboratory‬آزمایشگاه) ساخته شده وبه «محیط محاسبات رقمی» و‬

‫«برنامهنویسی» مربوطهاست‪ .‬رویکرد این نرم افزار ماتریس محور میباشد‪ .‬حتی اعداد منفرد نیز در ماتریس در‬

‫نظر گرفته میشوند‪ .‬در متلب کار کردن با ماتریسها بسیار ساده است‪ .‬در حقیقت تمام دادهها در متلب به شکل‬

‫یك ماتریس ذخیره میشوند‪ .‬حتی یك تصویر به شکل یك ماتریس سه بعدی ذخیره میگردد که بُعد اول و دوم‬
 ‫‪50‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫آن برای تعیین مختصات نقاط و بُعد سوم آن برای تعیین رنگ نقاط استفاده میشود‪ .‬فایلهای صوتی نیز در متلب‬

‫به شکل ماتریسهای تك ستون (بردارهای ستونی) ذخیره میشوند‪.‬‬

‫‪ MATLAB‬دارای طیف کاربردی گسترده¬ای است‪ ،‬از جمله میتوان به سیگنال و پردازش تصویر‪ ،‬ارتباطات‪،‬‬

‫تست و اندازه گیری‪ ،‬مدل سازی مالی و تجزیه و تحلیل‪ ،‬و زیست شناسی محاسباتی اشاره نمود‪.‬‬

‫نرم افزار ‪Minitab‬‬

‫نرم افزار ‪( Minitab‬مینی تب) یکی از نرم افزارهای مطرح آماری میباشد که در برخی زمینه های علم آمار‬

‫‪،‬از جمله کاربرد آمار در صنعت و در اقتصاد از قابلیت های خاصی برخوردار میباشد‪ .‬تحلیل های سری زمانی‬

‫با گستردگی و دقت بیشتری در این نرم افزار ارائه شده است‪.‬‬

‫مبحث کنترل کیفیت آماری (‪ )SPC‬که رشته آمار را به صنعت و مقوله کنترل کیفیت پیوند میدهد نیز از جمله‬

‫موضوعات آماری است که به تفضیل در این نرم افزار به آن پرداخته شده است‪ .‬همچنین طرحهای عاملی و آنالیز‬

‫واریانس (‪ )ANOVA‬به طور کامل مد نظر قرار گرفته است‪.‬‬

‫نرم افزار ‪R‬‬

‫یك نرم افزار جامع به همراه امکانات ویژه برای تحلیل آماری اطالعات و داده هاست‪.‬‬

‫‪ R‬دارای خصوصیاتی از قبیل «یك عملگر برای حساب آرایهها در ماتریس ها»‪« ،‬یك مجموعه بزرگ‪ ،‬منسجم‬

‫و جامع ابزار های واسطه برای آنالیز داده ها»‪« ،‬امکانات گرافیکی برای آنالیز داده ها»‪« ،‬یك برنامه آسان و با زبان‬

‫برنامه نویسی مناسب» و «یك نرم افزار آماری برای تعامل آنالیز داده ها» است‪.‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪51‬‬

‫آشنايی با نرم افزار ‪SPSS‬‬

‫برنامه نویسان نرم افزارهای کامپیوتر نرم افزار ‪ SPSS‬را برای علوم اجتماعی ساختهاند‪ .‬نای(‪ ، )Nie‬هول‬

‫(‪ )Hull‬و بنت (‪ )Bent‬با تخصصهای متفاوت این نرم افزار را بر پایه استفاده در عملیات آماری طراحی نمودند‬

‫تا دادههای خام را به اطالعات پردازش شده و مناسب برای تصمیمگیری تبدیل نمایند‪ .‬در سال ‪ 4112‬این نرم‬

‫افزار اولین بار به طور گسترده وارد بازار تحقیقات اجتماعی جهان شد‪.‬این نرم افزار اکثر نیازهای متخصصان علوم‬

‫اجتماعی را از لحاظ آماری برآورده میکند‪.‬‬

‫نوارهای ‪SPSS‬‬

‫نوار اول و نوار آبی رنگ‬

‫در این نوار اسم فایل جاری و مشخصات آن نشان داده میشود‪.‬‬

‫نوار دوم‬

‫مهمترین نوار نرم افزار ‪ spss‬میباشد و اکثردستورات مربوط به نرم افزار همانند فایل وملحقات آن‪ ،‬ویرایش‪،‬‬

‫مسائل داده ها‪ ،‬تجزیه و تحلیل‪ ،‬رسم نمودار و غیره در گزینههای این نوار قرار دارند‪.‬‬

‫نوار ابزار نشان ها‬

‫ابزارهایی که بیشتر مورد استفاده قرار میگیرند در این نوار قرار دارند‪ .‬کاربرد هر کدام از ابزارها را با نگهداشتن‬

‫موس روی آنها دیده میشود‪.‬‬

 ‫‪51‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫این نوار اسم فایل جاری و‬ ‫مهمترین نوار نرم افزار ‪spss‬‬ ‫این نوار دستورات را به‬

‫داده‬ ‫نشان‬ ‫آن‬ ‫مشخصات‬ ‫میباشد و دستورات مربوط به نرم‬ ‫صورت عالئم نشان میدهد‬

‫معرفی صفحات ‪SPSS‬‬

‫‪ SPSS‬دارای ‪ 1‬صفحه میباشد‪.‬‬

‫پنجره ‪Data editor‬‬

‫پنجره ویرایشگر دادهها در نرم افزار ‪ spss‬دارای پنجرههای «نمایش و ویرایش متغیرها (‪ »)variable view‬و‬

‫«وارد کردن دادهها و انجام ویرایش بر روی دادههای متغیر (‪ »)Data view‬است‪.‬‬

‫صفحه تعریف‪ ،‬نمایش و ویرایش متغیرها اولین مرحلهای است که محقق در نرم افزار ‪ spss‬شروع به فعالیت‬

‫میکند‪ .‬قبل از وارد کردن دادهها باید متغیرها بر اساس شرایط و پیش فرضهای نرم افزار به صورت روشن در‬

‫این صفحه تعریف شود‪.‬‬

‫‪ data editor‬اصلیترین پنجره نرمافزار ‪ spss‬میباشد‪.‬آن برای فعال کردن سایر بخشهای عملیاتی الزم است‪.‬‬

‫هر بار ورود به نرمافزار ابتدا پنجره ‪ data editor‬مشاهده میشود که خالی از داده میباشد و هرگونه ویرایشی بر‬

‫روی دادههای فایل جاری نیز در این پنجره قابل اجرا است‪ .‬همیشه بر روی صفحهنمایش (بهصورت گسترده یا‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪52‬‬

‫کوچكشده) فعال است و در هرلحظه امکان دسترسی به آن وجود دارد‪ .‬عالوه برآن در پایین پنجره ‪data editor‬‬

‫دو صفحه ‪ data view‬و ‪ variable view‬وجود دارد‪ .‬در این پنجره دادهها بهصورت پیشفرض با پسوند(‪)sav.‬‬

‫ذخیره میشوند‪.‬‬

‫‪Variable View‬‬
‫فهرستی از اطالعات متغیرها نمایش میدهد که هر سطر نشاندهندهی متغیر است‪ ،‬همچنین نام متغیر‪ ،‬لیبل‬

‫متغیر‪ ،‬لیبل مقدار‪ ،‬عرض چاپ‪ ،‬نوع اندازهگیری و دیگر ویژگیها را نمایش میدهد‪ .‬این پنجره برای تعریف‬

‫کردن نوار صفحه تعریف متغیرها است‬

 ‫‪55‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫جزئیات هر يك از آيکونهای صفحه نمايش و ويرايش متغیرها‬

‫در این ستون عرض متغیر تعیین‬

‫در این ستون برچسب نام متغیر‬

‫در این ستون نوع بی پاسخی متغیر تعیین‬

‫در این ستون نام اختصاری متغیر نوشته‬

‫در این ستون نوع متغیر از لحاظ عددی و حروفی‬

‫در این ستون تعدا د کاراکتر ممیز متغیر تعیین‬

‫در این ستون تغیر تعیین‬

‫در این ستون نوع سطح سنجش متغیر تعیین‬
‫در این ستون تعدا بعد از ممیز متغیر تعیین‬

‫در این ستون اعداد مقولههای متغیر تعیین‬

‫در این ستون نوع چینش متغیر تعیین میشود‬

‫تعیین‬

‫‪ :Name‬در این بخش همانند برش صفحه «تعریف‪ ،‬نمایش و ویرایش متغیرها» نام متغیرها به صورت ترجمه‬

‫التین مغیرها یا به صورت فینگلش یا به صورت ‪ , …, qn2, q0, q4q‬تعریف میشود‪.‬‬

‫نکته‪ :‬اگر نامی برای متغیرها تعریف نشود‪ ،‬نرم افزار به صورت اتوماتیك نامی برای آنها به صورت ‪22224var‬‬

‫‪ 22221, var22220,var 22222,var‬تا ‪ n2222var‬تعریف میکند‪.‬منتهی بهتر است برای متغیرها نام تعریف شود‬

‫عالوه برآن در انتخاب اسامی متغیرها دقت الزم است‪.‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪56‬‬

‫‪ :Type‬در این قسمت نوع متغیرها به صورت عدد‪ ،‬تاریخ‪ ،‬زمان‪ ،‬پول‪ ،‬نماد علمی و رشته مشخص میشود‪.‬‬

‫پنجره ‪ variable Type‬به شکل زیر میباشد‪ .‬پس کلیك در سلول ‪ type‬سه نقطه داخل سلول فعال میشود‬

‫با کلیك بر روی این سه نقطه پنجره ‪ variable type‬باز میشود‬

‫پنجره ‪ variable type‬دارای ‪ 1‬نوع تعریف متغیر است‪:‬‬

‫‪( Numeric‬عددی)‪ :‬به مقادیر عددی اختصاص دارد‪ .‬اگر این گزینه انتخاب شود در قسمت ‪ width‬تعداد ارقام‬

‫صحیح و در قسمت ‪ decimal‬تعداد اعداد اعشار ورود و نشان داده میشود ‪.‬‬

‫‪( Comma‬ویرگول)‪ :‬این گزینه هم به مقادیر عددی اختصاص دارد و در آن هر عدد سه رقم‪ ،‬سه رقم از سمت‬

‫راست با یك ویرگول از هم جدا میشود‪ .‬نکته‪ :‬اگر مقدار اعشار (‪ )decimal‬در نظر گرفته شده بیشتر از صفر‬

‫باشد این گزینه مانند ‪ numeric‬عمل میکند‪.‬‬

 ‫‪57‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫‪ (Dot‬نقطه)‪ :‬این گزینه نیز مانند ویرگول (‪ )comma‬است و فقط به جای ویرگول از نقطه برای جدا کردن‬

‫اعداد استفاده میکند‪ .‬نکته‪ :‬اگر مقدار اعشار (‪ )decimal‬در نظر گرفته شده بیشتر از صفر باشد این گزینه مانند‬

‫‪ numeric‬عمل میکند‪.‬‬

‫‪ ( Scientific notation‬نماد علمی)‪ :‬اگر این گزینه را انتخاب شود اعداد با نماد علمی نمایش داده میشوند؛‬

‫مثال عدد‪ 112222‬که به صورت ‪ 1E+1.1‬نمایش داده میشود‪.‬‬

‫‪ ( Data‬تاریخ)‪ :‬برای متغیرهایی مربوط به تاریخ استفاده میشود‪.‬‬

‫‪( Dollar‬دالر)‪ :‬برای متغیرهایی مربوط به مبالغی بر حسب دالر استفاده میشود‬

‫‪( Custom currency‬دلخواه)‪ :‬برای متغیرهایی حاوی مبالغی بر حسب یك واحد پولی غیر دالر است‪ .‬نکته‪:‬‬

‫تنها عملی که دو گزینه فوق انجام میدهند این است که هر عدد سه رقم‪ ،‬سه رقم از سمت راست با یك ویرگول‬

‫از هم جدا میشود‪ .‬و تنها تفاوت آنها در استفاده نماد دالر در گزینه ‪ dollar‬است‪.‬‬

‫‪( String‬رشته ای)‪ :‬برای متغیرهایی بکار میرود که پاسخهای آن حروف یا کلمه باشد‪.‬‬

‫‪Data View‬‬
‫صفحه ای است که دادهها در آن ورود و نشان داده میشود‪ .‬قبل از واردکردن دادهها ابتدا باید متغیرها را‬

‫تعریف کرد‪ .‬برای این نوع فعالیت از پنجرهی ‪ Variable View‬استفاده میشود‪ .‬پنجرهی ‪ Variable View‬از‬

‫یازده ستون تشکیلشده که توضحیات آنها گذشت‪.‬‬

‫پنجره ‪output‬‬

‫نتایج حاصل از محاسبات و انواع نمودارهای تولید شده توسط برنامه در قالب این پنجره ارائه می شود ‪ .‬از‬

‫این پنجره برای نمایش اخطارهای احتمالی نیز استفاده می شود‪ .‬پنجره خروجی که از نوع متن است‪ .‬اولین پنجره‬

‫از این نوع با شماره ‪ 4‬مشخص میشود و در صورت ایجاد پنجرههای خروجی دیگر به ترتیب شماره ‪….2 .0‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪58‬‬

‫برای آنها بکار میرود‪ .‬در این پنجره کاربر قادر خواهد بود کلیه خروجیهای حاصل از پردازش بر روی دادهها‬

‫را که میتوانند متن‪ ،‬نمودار‪ ،‬جدول و … باشد را مشاهده نماید‪ .‬عالوه برآن در این پنجره امکان ویرایش‬

‫خروجیها وجود دارد‪ .‬مثالً کاربر قادر خواهد بود که اعداد دورن جداول‪ ،‬عناوین نمودارها و … را ویرایش‬

‫نماید‪ .‬در این پنجره دادهها بهصورت پیشفرض با پسوند(‪ )spv.‬ذخیره میشوند‪.‬‬

‫پنجره ‪Syntax‬‬

‫این پنجره که از نوع متن است برای آمادهسازی اجرای فرمانها در زیر برنامهنویسی ‪ SPSS‬طرحریزیشده‬

‫است‪ .‬در این پنجره میتوان امکانات ویرایشی را نیز بهراحتی به کاربرد‪ .‬همچنین نشانههایی برای اجرا و الحاق‬

‫فرمانها تعبیهشده است‪ .‬هر نوع اجرای دستور که قابلیت اجرا از طریق منوهای نرمافزار را داشته باشد‪ ،‬با زبان‬

‫دستوری ‪ Syntax‬نیز قابلاجراست‪ .‬با استفاده از ‪ Syntax‬میتوانید جزئیات استفاده شده در یك دستور را ذخیره‬

‫کرده و بهدفعات از آن استفاده نمود‪ .‬برنامههایی که به زبان ‪ SPSS‬در محیط ‪ syntax‬نوشته میشود با پسوند‬

‫(‪ )*.SPS‬ذخیره میشوند‪.‬‬

‫درس دوم‬

‫معرفی منوهای (آیکونهای) صفحه ‪Data view‬‬

‫در نوار ابزار ‪ spss‬دوازده عنوان منو وجود دارد‪ .‬به ترتیب به شرح آنها پرداخته میشود‬

‫( ‪file, edit, view, data, transforme, analyze,direct marketing, graghs, utilities, add-ones, window,‬‬

‫‪)help‬‬
 ‫‪59‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫مهمترین نوار نرم افزار ‪ spss‬میباشد و دستورات مربوط به نرم افزار‬

‫‪18‬‬
‫منوی فايل‬

‫منوی فایل نخستین منویی است که در مجموعه منوهای نرم افزار ‪ SPSS‬قرار دارد‪ .‬این آیکون دارای دستورهای‬

‫زیادی میباشد تنها ‪ 1‬دستور برای بکار اندازی ‪ spss‬الزم است‪:‬‬

‫‪ New‬و ‪Open‬‬

‫ایجاد فایل جدید (‪ )New‬و باز کردن فایل موجود (‪ )Open‬هر دو برای بازکردن صفحات دادههای‬

‫خام(‪ ،)Data‬دستورات(‪ ،)syntax‬خروجی(‪ )output‬و صفحه ویژوال بیسیك(‪ )script‬میباشد‪.‬‬

‫‪Open database‬‬
‫برای بازکردن(‪ ،)New query‬ویرایش کردن(‪ )edit query‬و ران کردن (‪ )Run query‬از نرم افزار ‪access‬‬

‫بکار میرود‪.‬‬

‫‪Save‬‬
‫این دستور برای ذخیره کردن در اولین انجام عملیات است‬

‫‪Save as‬‬
‫این دستوران برای ذخیره کردن مجدد بکار میرود‪.‬‬

‫‪Print‬‬
‫برای پرنت وچاپ کردن کلیه دستورات نرم افزار ‪ spss‬کاربرد دارد‪.‬‬

‫‪41‬‬
‫‪. File Menu‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪61‬‬

‫‪19‬‬
‫منوی ويرايش‬

‫برای کپی کردن داده ها‪ ،‬جابجایی در همان رده و یا از یك پرونده به پرونده دیگر‪ ،‬میتوان از فرمانهای منوی‬

‫‪ Edit‬استفاده کرد‪ .‬عالوه بر این‪ ،‬از فرمانهای این منو برای جستجوی داده با متن و اضافه کردن یك متغیر یا‬

‫پاسخگوی جدید استفاده میشود‪ .‬همچنین‪ ،‬با استفاده از فرمان ‪ Option‬میتوان تنظیمات اولیه را در ‪ SPSS‬تغییر‬

‫داد‪ .‬به طور کلی‪ ،‬در این منو‪ ،‬امکان انجام انواع ویرایش اطالعات مانند پاک کردن (‪ ،)Clear‬حذف کردن (‪،)Delete‬‬

‫کپی کردن (‪ ،)Copy‬بریدن (‪ )Cut‬و چسباندن (‪ )Paste‬موجود است‪.‬‬

‫‪( copy‬کپی کردن دادهها)‬

‫‪41‬‬
‫‪. Edit Menu‬‬
 ‫‪60‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫برای کپی کردن یك یا چند متغیر یا دادهها نشانگر ماوس را روی آن و یا چند سلول قرارداده و آنها را انتخاب‬

‫کنید و فرمان ‪ Copy‬از منوی ‪ Edit‬یا از کلید راست ماوس فرمان ‪ Copy‬را اجرا کنید‪.‬‬

‫‪( Paste‬الصاق دادهها)‬

‫‪ -‬نشانگر ماوس را به مکانی که میخواهید داهها را در آنجا کپی شوند‪ .‬تغییر مکان دهید و فرمان ‪ Paste‬را از‬

‫منوی ‪ Edit‬اجرا کنید یا از دکمه سمت راست ماموس فرمان ‪ paste‬را اجرا کنید‪.‬‬

‫‪( Clear‬حذف یك سطر)‬

‫نشانگر ماوس را روی شماره سطر درست چپ صفحه کاربرگ قرار داده و آنرا انتخاب کنید‪.‬‬

‫فرمان ‪ Clear‬از منوی ‪ Edit‬را اجرا کنید یا از کلید راست ماوس فرمان ‪ Clear‬را اجرا کنید‪.‬‬

‫‪20‬‬
‫منوی نمايش‬

‫از این منو برای آرایش پنجره‪ ،‬نمایش با پنهان سازی میله ابزار‪ ،‬خط وضعیت (‪ ،)Status Bar‬خطوط زمینه در‬

‫صفحه کاربرگ (‪ ،)Gridlines‬تغییر قلمها (‪ )Fonts‬و نشان دادن برچسب متغیرها به جای مقادیر ()‪،Value labels‬‬

‫‪ SPSS‬استفاده میشود‪.‬‬

‫‪02‬‬
‫‪. View Menu‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪61‬‬

‫‪21‬‬
‫منوی داده‬

‫شناخت متغیرها و انواع آنها مهم ترین عنصر تحلیل میباشند‪ .‬منوی ‪ Data‬دارای فرمانهایی برای کار با‬

‫متغیرهاست ‪ .‬این منو دارای فرمانهایی برای تعریف خواص متغیرها(‪ )Define variable properties‬مرتب سازی‬

‫موارد (‪ ،)Sort cases‬مرتب سازی متغیرها (‪)sort variables‬ا‪ ،‬دغام پروندهها یا فایلهای مختلف در چند درایو‬

‫یا کامپیوتر (‪ ، )Merge Files‬تجزیه فایل (‪ ،)Split File‬انتخاب بخشی از موارد (‪ )Select Cases‬و وزن دهی‬

‫(‪ )Weight Cases‬میباشند‪.‬‬

‫‪04‬‬
‫‪. Data Menu‬‬
 ‫‪61‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫‪22‬‬
‫تعريف خواص متغیرها‬

‫برای انجام یك پروژه آماری به کمك نرم افزار ‪ spss‬ابتدا باید متغیرها در صفحه ‪ variable view‬تعریف و‬

‫سپس دادهها را وارد کرد‪ .‬گاهی برخی محقیقن دادهها را در نرم افزارهای دیگر مانند‪ DE‬و ‪ Exel‬و‪ ...‬وارد‬

‫میکنند و سپس از طریق ‪ spss‬فراخوان میشود‪ .‬در این صورت بهتر است مشخصات متغیرهای دادهها در‪spss‬‬

‫برای تجزیه و تحلیل آماری تعریف شود‪ ،‬هدف از نگارش این متن کمك به پژوهشگران آماری برای تجزیه و‬

‫تحلیل آماری مناسبی توسط نرم افزار ‪ spss‬میباشد‪ .‬ورود داده در ‪ spss‬به دو صورت امکان پذیر است یا مستقیما‬

‫در نرم افزار ‪ spss‬وارد میشود یا اینکه ابتدا در یك صفحه گسترده مثل ‪ DE‬و ‪ exel‬وارد میگردد سپس دادهها‬

‫در نرم افزار ‪ spss‬فراخوان میشود‪ ،‬بعد از وارد کردن دادهها میتوان از منوی ‪ ،Data‬گزینهی ‪Define Variable‬‬

‫‪( ...Properties‬تعریف ویژگیهای متغیر) مشخصات مربوط به متغیرها رو مشاهده یا آنها را تغییر داد‪.‬‬

‫از مستطیل سمت چپ متغیرهای مورد نظر رو انتخاب کرده با کلیك بر روی ► آنها رو به کادر ‪Variables‬‬

‫‪ to Scan‬منتقل کرد‪.‬‬

‫گاهی در یك پروژه آماری برخی متغیرهای محدودی برای تجزیه وتحلیل در نرم افزار ‪ spss‬الزم است‪ .‬برای‬

‫مشاهده مشخصات محدودهای از متغیرها میتوان از دو کادر انتهایی استفاده کرد‪ .‬کار اسکن از ابتدای دادهها تا‬

‫شماره سطری که در کادر اول (‪ )Limit number of cases scanned to‬وارد میشود انجام میگیرد‪ .‬در کادر دوم‬

‫(‪ )Limit number of values displayed to‬عدد مربوط به تعداد دادههایی که قرار است مشخصاتش مشاهده‬

‫گردد وارد میشود‪ .‬بعد از انتخاب متغیرها با کلیك بر روی ‪ Continue‬در پنجره ی ‪Define Variable Properties‬‬

‫میتوان مشخصات متغیرها را مشاهده کرد‪.‬‬

‫‪00‬‬
‫‪. Defice Variable Properties‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪62‬‬

‫می توان در پایین کادر ‪ Scanned Variable List‬لیست باکس ‪ ،Define Variable Properties‬متغیرهای‬

‫انتخاب شده را مشاهده کرد عالوه برآن با کلیك بر روی هر یك از متغیرها میتوان مشخصات مربوط به آن متغیر‬

‫در کادر ‪ Value Label grid‬مشاهده کرد‪.‬‬

‫در یك پروژه آماری که توسط نرم افزار ‪ spss‬انجام میگیرد بهتر است که برچسب متغیر و مقیاس آن تعیین‬

‫شود‪ .‬برتعریف چسب متغیر را میتوان از قسمت ‪ Label‬و مقیاس آن از قسمت ‪ Measurement Level‬استفاده‬

‫کرد‪ .‬با انتخاب گزینه ‪ ، Suggest‬نرم افزار ‪ spss‬مقیاسی پیشنهاد میکند منهی دقت شود‪ .‬برای تعیین و تغییر نوع‬

‫متغیر‪ ،‬پهنای متغیر و تعداد ارقام اعشار متغیر از قسمت ‪ type‬اقدام میشود‪ .‬دادههایی که دارای برچسب نیستند‬

‫در قسمت ‪ Unlabeled values‬نمایش داده میشوند‪ .‬برای ایجاد برچسب جدید برای دادهی مورد نظر یا ویرایش‬

‫برچسبهای قبلی از ستون ‪ Label‬در قسمت ‪ Value Label grid‬اقدام میگردد‪ .‬برای تعریف برچسب مقادیر‬

‫(‪ )Value Labels‬جدید برای متغیر از دکمه ‪ Attributes‬استفاده میشود‪ .‬در این قسمت برای هر نام متغیر یك‬

‫برچسب دلخواه مشخص میشود‪ .‬گاهی در جمع آوری دادهها به هر علتی بی پاسخی به وجود میآید‪ .‬در‬

‫اصطالح آماری به آنها دادههای گم شده گفته میشود‪ ،‬این مقادیر گم شده و بی معنا را میتوان ‪ spss‬با کدهای‬
 ‫‪65‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫مشخص کرد‪ ،‬حداکثر سه مقدار گم شده را میتوان در ستون ‪ missing‬تعریف کرد‪ spss ،‬برای تجزیه و تحلیل‬

‫دادهها مقادیر ‪ missing‬را در نظر نمیگیرد‪.‬‬

‫برای سهولت و سرعت کار در ‪ spss‬در صورت امکان میتوان مشخصات یك متغیر را در متغیر دیگر کپی‬

‫کرد برای اینکار از قسمت ‪ Copy Properties‬استفاده میگردد‬

‫در قسمت ‪ Unlabeled Values‬گزینه ‪ Automatic Labels‬وجود دارد‪ ،‬با استفاده از این گزینه ‪ spss‬به صورت‬

‫اتوماتیك یك برچسب برای هر متغیر تعریف میکند که معموالً ‪ spss‬مقدار متغیر را به عنوان متغیر بر میگزیند‪.‬‬

‫در انتها با انتخاب ‪ ok‬میتوان تغییرات ایجاد شده را تایید کرد و برای انجام تغییرات دوباره از گزینه ‪Reset‬‬

‫استفاده میشود‪.‬‬

‫‪23‬‬
‫مرتب سازی موارد‬

‫براساس مقوله متغیرها به دو حالت نزولی و صعودی فایل دادهها را مرتب مینماید‪.‬‬

‫گاهی محقق درصدد است تا دادهها را براساس یك یا چند متغیر به گونه ای صعودی یا نزولی مرتب کند تا‬

‫بتواند به راحتی از آن برای تحلیل استفاده کند‪ .‬مرتب کردن دادهها به دو صورت انجام میگیرد‪:‬‬

‫مرتب کردن دادهها به صورت صعودی (‪ :)Ascending‬در این روش‪ ،‬مقادیر متغیر یا متغیرهای انتخاب‬

‫شده به صورت صعودی (از کوچکترین کد تا بزرگترین کد) مرتب میشود‪.‬‬

‫مرتب کردن دادهها به صورت نزولی (‪ :)Descending‬در این روش‪ ،‬مقادیر متغیر یا متغیرهای انتخاب‬

‫شده به صورت نزولی (از بزرگ ترین کد تا کوچك ترین کد) مرتب میشوند‪.‬‬

‫نحوه اجرا‬

‫‪02‬‬
‫‪. Sort Cases‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪66‬‬

‫دستور ‪ Data -> Sort Cases‬را اجرا میکنیم‪.‬‬

‫متغیر یا متغیرهای مورد نظر برای مرتب کردن را وارد کادر ‪ Sort by‬کرده و از قسمت ‪ ،Sort Order‬یکی از‬

‫حالتهای ‪( Ascending‬صعودی) یا ‪( Descending‬نزولی) را بنا به هدف مان انتخاب میکنیم‪ .‬دکمه ‪ Ok‬را‬

‫کلیك میکنیم‪.‬‬

‫نکته‪ :‬موضوع مهمی که در مورد اجرای دستور ‪ Sort Cases‬میتوان گفت این است که در هنگام اجرای این‬

‫دستور‪ ،‬همواره پاسخگویانی که دارای مقدار نامعلوم و گشمده باشند‪ ،‬این مقدار نامعلوم به عنوان کوچك ترین‬

‫مقدار در بین دادهها تلقی میشود‪.‬‬

 ‫‪67‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫‪24‬‬
‫مرتب سازی متغیرها‬

‫براساس حروف اول متغیرها به دو حالت نزولی و صعودی متغیرهای دادهها را مرتب مینماید‪.‬تا بتواند به‬

‫راحتی از آن برای تحلیل استفاده کند‪ .‬مرتب کردن دادهها به دو صورت انجام میگیرد‪:‬‬

‫مرتب کردن دادهها به صورت صعودی (‪ :)Ascending‬در این روش‪ ،‬مقادیر متغیر یا متغیرهای انتخاب‬

‫شده به صورت صعودی (از کوچکترین کد تا بزرگترین کد) مرتب میشود‪.‬‬

‫مرتب کردن دادهها به صورت نزولی (‪ :)Descending‬در این روش‪ ،‬مقادیر متغیر یا متغیرهای انتخاب‬

‫شده به صورت نزولی (از بزرگ ترین کد تا کوچك ترین کد) مرتب میشوند‪.‬‬

‫نحوه اجرا‬

‫دستور ‪ Data -> Sort Cases‬را اجرا میکنیم‪.‬‬

‫‪01‬‬
‫‪. Sort Variables‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪68‬‬

‫متغیر یا متغیرهای مورد نظر برای مرتب کردن را وارد کادر ‪ Sort by‬کرده و از قسمت ‪ ،Sort Order‬یکی از‬

‫حالتهای ‪( Ascending‬صعودی) یا ‪( Descending‬نزولی) را بنا به هدف مان انتخاب میکنیم‪.‬‬

‫دکمه ‪ Ok‬را کلیك میکنیم‪.‬‬

‫نکته‪ :‬موضوع مهمی که در مورد اجرای دستور ‪ Sort Cases‬میتوان گفت این است که در هنگام اجرای این‬

‫دستور‪ ،‬همواره پاسخگویانی که دارای مقدار نامعلوم و گشمده باشند‪ ،‬این مقدار نامعلوم به عنوان کوچك ترین‬

‫مقدار در بین دادهها تلقی میشود‪.‬‬

 ‫‪69‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫‪25‬‬
‫ادغام پرونده ها‬

‫دادههای دو فایل براساس کیسها و متغیرها با رعایت شرایطی ادغام میشوند‪ .‬شرط ادغام به صورت کیس‬

‫باید نام متغیرها و کدهای متغیرها کامال یکسان باشد‪ .‬و در اداغام متغیر نباید نام متغیرها یکسان باشد‪.‬‬

‫معموالً در تحقیقات اقتصادی و اجتماعی‪ ،‬محقق با حجم باالیی از دادهها سروکار دارد که از طریق تکمیل‬

‫پرسشنامه با تعداد زیادی از پاسخگویان مثالً ‪ 4222‬نفر به دست آمده است‪ .‬سرشماریهای مختلفی که از سوی‬

‫سازمانها و نهادهای مختلف دولتی در سطح کشور اجرا میشوند‪ ،‬مانند سرشماری عمومی نفوس و مسکن‪،‬‬

‫آمارگیری از شرکتهای تعاونی‪ ،‬سرشماری از محصوالت کشاورزی‪ ،‬تمامی تحقیقات ملی و‪ ...‬از جمله این‬

‫موارند که حجم نمونه و به عبارتی تعداد پاسخگویان در آنها بسیار زیاد میباشد‪.‬‬

‫از طرفی‪ ،‬به دلیل حجم باالی پاسخگویان در این گونه تحقیقات‪ ،‬معموالً محقق کار ورود داده به نرم افزار‬

‫‪ SPSS‬را به چندین نفر میسپارد‪ .‬طبیعی است که بعد از اتمام مرحله ورود داده به نرم افزار‪ ،‬از آنجا که چند نفر‬

‫اطالعات پرسشنامهها را وارد نرم افزار میکنند‪ ،‬محقق با چندین فایل به تناسب تعداد این افراد مواجه است‪ .‬اما‬

‫در هنگام پردازش و تحلیل داده‪ ،‬محقق باید تمامی این فایلهای مجزا را در قالب یك فایل منسجم ادغام کند‪.‬‬

‫برای این کارف دستوری به نام ‪ Merge File‬در نرم افزار ‪ SPSS‬تعبیه شده که محقق میتواند از طریق آن‪ ،‬تمامی‬

‫فایلهای مجزا را در یك فایل ادغام کند‪.‬‬

‫حالتهای ‪Merge File‬‬

‫‪ :Add Cases‬زمانی که بخواهیم پاسخگویان (موارد) چند فایل را با هم ادغام کنیم‪.‬‬

‫‪ :Add Variables‬زمانی که بخواهیم متغیرهای (سؤاالت) چند فایل را با هم ادغام کنیم‪.‬‬

‫‪01‬‬
‫‪. Merge Files‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪71‬‬

‫نحوه اجرا‬

‫‪ -4‬ابتدا فایل اصلی مان را که قصد داریم دادههای فایل دوم به آن اضافه شود‪ ،‬باز میکنیم‪.‬‬

‫‪ -0‬دستور ‪ …Data->Merge Files-> Add Cases‬را اجرا میکنیم‪.‬‬

‫‪ -2‬در پنجره ای که باز میشود‪ ،‬گزینه ‪ Browse‬را انتخاب میکنیم‪.‬‬

 ‫‪70‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫‪ -1‬فایل دوم را از درایو مورد نظر انتخاب میکنیم و دکمه ‪ Open‬را کلیك میکنیم‪.‬‬

‫‪ -1‬با اجرای دستور قبلی‪ ،‬پنجره جدیدی باز میشود که در آن‪ ،‬محل فایل مورد نظر در کادر به صورت نشان‬

‫داده میشود‪ .‬سپس‪ ،‬دکمه‬

‫‪ Continue‬را کلیك میکنیم‪.‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪71‬‬

‫‪ -1‬در پنجره ای که باز میشود‪ ،‬در سمت راست متغیرهای مشترک در هر دو فایل‪ ،‬و در سمت چپ متغیرهای‬

‫متفاوت در فایل دوم نسبت به فایل اول نشان داده میشود‪.‬‬

‫‪ -2‬دکمه ‪ OK‬را کلیك میکنیم که در نهایت‪ ،‬شاهد اضافه شدن پاسخگویان فایل دوم به انتهای فایل اولی خواهیم‬

‫بود‪.‬‬
 ‫‪71‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫‪26‬‬
‫تجزيه فايل‬

‫خروجی دادهها به تفکیك مقولهها (کدها) یك متغیر برای تجزیه و تحلیل تفکیکی ارائه میشود‪.‬‬

‫پیش فرض ها‬

‫‪ -4‬حداکثر میتوانیم تا ‪ 1‬متغیر گروه بندی شده را انتخاب کنیم‪.‬‬

‫‪ -0‬پاسخگویان باید براساس مقادیر (ارزشها یا کدها) متغیرهای گروه بندی شده و به همان ترتیبی که در‬

‫پنجره دادهها آمده اند‪ ،‬سورت شوند‪ .‬اگر داده مان سورت شده است‪ ،‬گزینه ‪ File is already sorted‬را‬

‫انتخاب میکنیم (حالت پیش گزیده ‪ ،SPSS‬همین حالت میباشد)‪ .‬اما اگر داده مان سورت شده نیست‪،‬‬

‫گزینه ‪ Sort the file by grouping variables‬را انتخاب میکنیم‪.‬‬

‫حالتهای مختلف ‪Split File‬‬

‫‪ :Analyze all cases, do not create group -4‬در این روش‪ ،‬نتایج و خروجی فایل تجزیه نمیشود و‬

‫تحلیل دادهها به صورت کلی برای تمامی مقولههای متغیرها انجام میگیرد‪ .‬درصورت انجام دستور ‪Split‬‬

‫‪ File‬پس از اتمام روش ‪ ،Split File‬برای اینکه نرم افزاربه صورت اولیه دادهها برگردد‪ ،‬باید گزینه‬

‫‪ Analyze all cases, do not create group‬انتخاب شود‪.‬‬

‫‪ :Compare groups -0‬در این روش‪ ،‬معمو ًال نیز همین روش انتخاب میشود‪ ،‬تحلیل دادهها به تفکیك کدها‬

‫یا ارزشهای متغیر یا متغیرهای انتخاب شده انجام میگیرد‪.‬‬

‫‪ :Organize output by groups -2‬در این روش نیز‪ ،‬مانند روش دوم‪ ،‬تحلیل دادهها به تفکیك طبقات متغیر‬

‫یا متغیرهای انتخاب شده انجام میگیرد‪ .‬منتهی فرق این دو در این است که خروجی روش دوم‪ ،‬به‬

‫‪01‬‬
‫‪. Split File‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪72‬‬

‫صورت یکجا و مشخص در یك جدول نشان داده میشود‪ .‬اما در این روش‪ ،‬خروجی هر یك از گروه‬

‫ها‪ ،‬در جدول جداگانه آورده میشود‪.‬‬

‫نحوه اجرا‬

‫‪ -4‬دستور ‪ ، Split File‬به صورت ‪ Data / Split File‬اجرا میشود‪.‬‬

‫‪ -0‬گزینه ‪ Compare groups‬در سمت راست را فعال کرده و سپس متغیر یا متغیرهای مبنا برای تجزیه فایل‬

‫وارد کادر ‪ Groups Based on‬در سمت راست میشود و دکمه ‪ Ok‬را کلیك میکنیم‪.‬‬
 ‫‪75‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫‪27‬‬
‫انتخاب بخشی از موارد‬

‫برخی موارد برای تجزیه و تحلیل موارد خاصی از یك متغیر برای تجزیه و تحلیل نیاز باشد از این منوی‬

‫استفاده میشود‪.‬‬

‫نحوه اجرا‬

‫‪ -4‬دستور ‪ Data->Select Cases‬را اجرا میکنیم‪.‬‬

‫‪ -0‬پنجره ‪ If condition is satisfied‬را فعال میکنیم‪.‬‬

‫‪02‬‬
‫‪. Select Cases‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪76‬‬

‫‪ -2‬دکمه ‪ …If‬فعال شده و بر روی آن کلیك میکنیم‪ .‬پس از آن‪ ،‬پنجره جدیدی با عنوان ‪Select Cases:‬‬

‫‪ If‬باز میشود‪ .‬در این پنجره‪ ،‬متغیر مورد نظر برای شرط گذاشتن را از سمت چپ به راست آورده و‬

‫سپس کد مورد نظر را روبروی آن متغیر وارد میکنیم و سپس دکمه ‪ Continue‬را کلیك میکنیم‪.‬‬

‫‪ -1‬دکمه ‪ Ok‬در کادر اصلی دستور ‪ Select Cases‬را کلیك میکنیم‪.‬‬

‫با انجام مراحل باال‪ ،‬در پنجره دادهها (‪ ،)Data View‬متغیر جدیدی با اسم “‪ ”$_filter‬باز میشود که بیانگر‬

‫وضعیت فیلتر است‪ .‬این متغیر با دو کد ‪ 4‬و ‪ 2‬تعریف شده است‪ :‬کد ‪ 4‬برای پاسخگویان انتخاب شده و کد ‪2‬‬

‫برای پاسخگویان فیلتر شده‪.‬‬

‫معموالً دستور ‪ Select Cases‬را زمانی اجرا میکنیم که در برخی زمانهای تحلیل‪ ،‬به خصوص هنگام اجرای‬

‫پاره ای آزمون ها‪ ،‬قصد داریم تحلیل دادهها را تنها برای گروههای خاصی از پاسخگویان انجام دهیم‪ .‬بنابراین‪،‬‬

‫طبیعتاً بعد از اجرای این دستور و شروع دستورهای بعدی‪ ،‬باید دستور ‪ Select Cases‬را غیرفعال میکنیم‪ .‬تا‬

‫زمانی که دستور ‪ Select Cases‬را غیرفعال نکنیم‪ ،‬تمامی تحلیلهای بعدی ما با رعایت دستور مورد نظر انجام‬

‫خواهد شد‪ .‬برای اینکه به حالت اول دادههای مان (قبل از فیلتر شدن) برگردیم‪ ،‬میتوانیم دو کار را انجام دهیم‪:‬‬
 ‫‪77‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫‪ )4‬متغیر فیلتر شده (با نام ‪ )$_filter‬در انتهای فایل داده را انتخاب کرده‪ ،‬وارد منوی ‪ Edit‬میشویم و با دستور‬

‫‪ ،Clear‬و یا از طریق دکمه ‪ Delete‬در صفحه کلید‪ ،‬این متغیر را حذف میکنیم‪ )0 .‬وارد منوی ‪ Data‬و دستور‬

‫‪ Select Cases‬میشویم و گزینه ‪ All Cases‬را انتخاب میکنیم‪.‬‬

‫‪28‬‬
‫وزن دهی‬

‫گاهی برای تجزیه تحلیل دادهها نیاز به وزن دهی متغیر الزم میشود‪ .‬علی الخصوص دادههای خام در دسترس‬

‫نباشد و انجام آزمون نیاز باشد‪.‬‬

‫نحوه اجرا‬

‫‪ -4‬دستور ‪ …Data -> Weight Cases‬را اجرا میکنیم‪.‬‬

‫‪01‬‬
‫‪. Weight Cases‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪78‬‬

‫‪ -0‬در پنجره ای که باز میشود‪ ،‬ابتدا کادر سمت راست‪ ،‬دکمه ‪ Weight Cases by‬را فعال کرده و سپس‬

‫متغیری که قرار است به عنوان وزن انتخاب شود در کادر مربوطه قرار میگیرد‪ ،‬از کادر سمت چپ‬

‫انتخاب و وارد کادر ‪ Frequency Variable‬در سمت راست میکنیم‪ .‬دکمه ‪ Ok‬را کلیك میکنیم‪.‬‬

‫قبل از اجرای دستور ‪ ،Weight Cases‬در قسمت پایین پنجره این دستور‪ ،‬حالت ‪Current Status: Do not‬‬

‫‪ weight cases‬آمده‪ ،‬که با اجرای دستور‪ ،‬این حالت به ‪ Current Status: weight case by Gender‬تغییر خواهد‬

‫یافت‪ .‬همچنین‪ ،‬با اجرای دستور‪ ،‬در نوار ابزار پایین سمت راست در صفحه ‪ ،Data View‬حالت فعال بودن‬

‫دستور به شکل ‪ Weight On‬نشان داده میشود که با غیر فعال کردن دستور‪ ،‬این حالت نیز حذف خواهد شد‪.‬‬

‫برای اینکه به حالت اول دادهها برگشت داده شود (یعنی زمان قبل از وزن دادن) برگردیم‪ ،‬باید وارد منوی ‪Data‬‬

‫و دستور ‪ Weight Cases‬شویم و سپس گزینه ‪ Do not weight cases‬را انتخاب کنیم‪.‬‬

‫‪29‬‬
‫منوی تبديل (تغییر)‬

‫از فرمانهای منوی ‪ Transform‬برای محاسبه مقادیر جدید و با ترکیب چند متغیر و ساختن شاخص‬

‫(‪ ،)Compute‬شمارش مقادیر خاصی از پاسخگویان (‪ ،)Count‬کدگذاری مجدد دادهها (‪ )Recode‬و‪ ...‬استفاده‬

‫میشود‪ .‬الزم به ذکر است در تحقیقات اجتماعی ساختن شاخص از ضروریات است‪ .‬از این رو‪ ،‬میتوان از دستور‬

‫ال طیف لیکرت) استفاده کرد‪.‬‬

‫‪ Compute‬برای جمع کردن گویهها (مث ً‬

‫‪01‬‬
‫‪. Transform Menu‬‬
 ‫‪79‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫‪30‬‬
‫محاسبه کردن‬

‫دستور ‪ Compute‬از پرکاربردترین دستورها در ‪ SPSS‬میباشد‪ .‬این دستور‪ ،‬از دستورهای اصالحی در ‪SPSS‬‬

‫میباشد که از طریق آن میتوان مقادیر یك متغیر را براساس مقادیر متغیر یا متغیرهای دیگر به دست آورد‪ .‬به‬

‫طور خالصه‪ ،‬در موارد زیر میتوان از دستور ‪ Compute‬استفاده کرد‪:‬‬

‫‪ .4‬محاسبه مقادیر متغیرهای عددی‬

‫‪ .0‬ساخت متغیرهای جدید از طریق متغیر یا متغیرهای موجود‪ :‬ساخت شاخص و مقیاس که کاربرد فراوانی‬

‫در انواع رشتههای علوم اجتماعی و انسانی و علوم تربیتی دارند‪ ،‬از این دست کاربردها میباشد‪ .‬به عنوان‬

‫مثال‪ ،‬ساخت شاخص پایگاه اقتصادی و اجتماعی از ترکیب سه متغیر شغل‪ ،‬درآمد و تحصیالت‪.‬‬

‫‪ .2‬جایگزین کردن مقادیر متغیرهای موجود با مقادیر جدید‪.‬‬

‫‪22‬‬
‫‪. Compute‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪81‬‬

‫‪ .1‬محاسبه انواع عملیات ریاضی شامل ضرب‪ ،‬جمع‪ ،‬تفریق‪ ،‬تقسیم و‪...‬‬

‫نکات الزم ومهم در اجرای دستور ‪Compute‬‬

‫‪ .4‬مهمترین مسئله در اجرای دستور ‪ ،Compute‬این است که هنگام جمع کردن متغیرها (ترکیب متغیرها یا‬

‫گویهها) به جای بعاله از ویرگول استفاده شود‪.‬‬

‫‪ .0‬در هنگام جمع بستن سه متغیر یا گویه برای محاسبه یك شاخص‪ ،‬باید تمامی این سه متغیر باهمدیگر‬

‫وجه اشتراک داشته باشند و چنانچه این اشتراکات وجود نداشت‪ ،‬به یکسان سازی آنها براساس سه معیار‬

‫مقیاس‪ ،‬جهت و تعداد گزینه (مقوله) اقدام شود‪:‬‬

‫الف) مقیاس متغیرها (ترتیبی‪ ،‬فاصله ای و نسبی)‬

‫ب) جهت طیف متغیرها‪ ،‬یعنی مثبت یا منفی بودن (از ‪ 4‬تا ‪ 1‬یا از ‪ 1‬تا ‪)4‬‬

‫ج) تعداد مقوالت طیف متغیرها (‪ 2 ،1 ،2‬و‪ ...‬تایی)‬

‫نحوه اجرا‬

‫‪ -4‬دستور ‪ …Transform-> Compute Variable‬را اجرا میکنیم‪.‬‬

 ‫‪80‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫‪ -0‬متغیرهای مورد نظر را با دوبار کلیك چپ وارد کادر ‪ Numeric Expression‬در سمت راست کرده و‬

‫عالمت ‪ .‬را نیز بین هر یك از آنها اضافه میکنیم‪ .‬نام متغیر را در کادر ‪ Target Vaiable‬در سمت چپ‬

‫باالی پنجره تایپ میکنیم‪ .‬سپس دکمه ‪ Ok‬را کلیك میکنیم‪.‬‬

‫نکته‪ :‬در قسمت ‪ compute‬کارهای مختلفی میتوان انجام داد میتوان نمرات استاندارد یك متغیر را محاسبه‬

‫کرد‪ ،‬میتوان از یك متغیر لگاریتم گرفت‪ ،‬تابع توزیع تجمعی را محاسبه کرد یا حتی محاسبات خیلی پیچیده‬

‫انجام داد‪.‬‬

‫نرم افزار ‪ SPSS‬بر خالف اکسل‪ ،‬فرمولهای محاسبه دادهها را نگه نمیدارد و به طور خودکار آنها را بروز‬

‫رسانی (تجدید) نمیکند به عنوان مثال اگر ما متغیری را که در محاسبه متغیر جدید استفاده کرده ایم تغیر دهیم‪،‬‬

‫متغیر جدید تغییر نخواهد کرد‪.‬‬

‫همانگونه که در کادر گفتگوی ‪ compute variable‬مشاهده میشود ما باید نام متغیر جدید ( که میتواند یکی‬

‫از متغیرهای موجود در صفحه دادهها نیز باشد) را در قسمت متغیر هدف (‪ )target variable‬وارد کنیم و تابعی‬

‫که قصد محاسبه ی آن را داریم با استفاده از فرمولها یا عملگرهای موجود در کادر گفتگو یا تایپ آنها‪ ،‬وارد‬

‫قسمت ‪ numeric Experssion‬کنیم و در پایان بر کلید ‪ ok‬کلیك کنیم‪ .‬متغیر جدید محاسبه و در آخر صفحه‬

‫دادهها قرار میگیرد‪.‬‬

‫شمارش ارزشها (کدهای یکسان چند متغیر)‬

‫دستور ‪ Count‬زمانی استفاده میشود که بخواهیم بدانیم هر کدام از پاسخگویان چند بار به یك کد یا ارزش‬

‫خاص پاسخ داده اند‪ .‬به عبارتی‪ ،‬این دستور دفعات وقوع یك کد یا ارزش خاص در میان پاسخگویان را نشان‬

‫میدهد‪ .‬دستور ‪ Count‬تنها برای متغیرهایی قابل اجراست که مقیاس آنها در سطح اسمی یا ترتیبی باشد‪ .‬بنابراین‪،‬‬

‫در مورد متغیرهای با مقیاس فاصله ای یا نسبی نمیتوان از این دستور استفاده کرد‪.‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪81‬‬

‫نحوه اجرا‬

‫‪ -4‬دستور ‪ …Transform-> Count Values within Cases‬را اجرا میکنیم‪.‬‬

‫‪ -0‬کد متغیرهایی را که قصد شمارش کدهای خاصی از آنها را داریم وارد کادر ‪Numeric Variables‬‬

‫میکنیم‪ .‬سپس در قسمت ‪ Target Variable‬و ‪ ،Target Label‬نام و برچسب متغیر جدید (متغیر هدف)‬

‫را تایپ میکنیم‪.‬‬

‫‪ -2‬سپس متغیرها را به کادر ‪ Variable‬انتقال و روی دکمه ‪ Define Values‬فعال مشده کلیك میکنیم‪ ،‬پنجره‬

‫جدید باز میشود که باید در این پنجره‪ ،‬کدی که قصد شمارش آن را داریم وارد کرده و سپس دکمه‬

‫‪ Add‬را کلیك کنیم‪.‬‬

 ‫‪81‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫‪ -1‬با کلیك بر روی دکمه ‪ …If‬در پنجره اصلی دستور ‪ ،Count‬میتوانیم دستور کدگذاری مجدد را تنها‬

‫برای زیرجمعیتهای خاصی اجرا کنیم‪.‬‬

‫‪ -1‬دکمه ‪ Ok‬را کلیك میکنیم‪.‬‬

‫‪31‬‬
‫کدگذاری مجدد‬

‫دستور ‪ recode‬یا کدگذاری مجدد یکی از دستورات پرکاربرد در ‪ SPSS‬محسوب میشود و کاربردهای‬

‫زیادی برای کاربران دارد‪ .‬در برخی موارد کاربران قبل از انجام تحلیل آماری باید دادههای خود را با این دستور‬

‫اصالح کرده و گاهی اوقات نوع نمرهگذاری را در آن تغییر دهید‪.‬‬

‫این دستور در سه مورد کاربرد بسیاری دارد که در اینجا به آنها اشاره میگردد‪:‬‬

‫تغییر دادههای فاصله ای به ترتیبی‬

‫برای مثال فرض کنید شما سن تعدادی از افراد را در ‪ SPSS‬وارد کرده اید و برای مثال اعداد ‪ 12 ،01 ،01‬و‬

‫… برای سن وارد کردهاید‪ .‬حاال میخواهید که سن افراد را به چند طبقه برای مثال از ‪ 02‬تا ‪ 22‬و از ‪ 22‬تا ‪12‬‬

‫تقسیم نمایید‪ .‬در این حالت از این منو برای کدگذاری مجدد استفاده میشود‪.‬‬

‫‪24‬‬
‫‪. Recode‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪82‬‬

‫نکته مهم‪ :‬سعی کنید تا آنجا که ممکن است دادههای خود را به شکل فاصلهای گردآوری و در ‪ SPSS‬وارد‬

‫نمایید‪ .‬چون دادههای فاصلهای قابل تبدیل به دادههای ترتیبی هستند ولی برعکس آن امکانپذیر نیست‪.‬‬

‫تغییر نمره گذاری متغیرهای موجود‬

‫برای مثال فرض کنید شما پرسشنامهای دارید که سه گزینه دارد‪ .‬حاال میخواهید برای گزینه ‪ 4‬نمره ‪ ،12‬گزینه‬

‫‪ 0‬نمره ‪ 21‬و گزینه ‪ 2‬نمره ‪ 422‬را وارد کنید‪ .‬در این صورت از این گزینه استفاده میکنیم‪.‬‬

‫معکوس کردن نمرات‬

‫در برخی پرسشنامهها تعدادی از سواالت به صورت وارونه نمرهگذاری میشوند (در طیف لیکرت)‪ .‬مثال تمام‬

‫سواالت از ‪ 4‬تا ‪ 1‬نمرهگذاری میشوند اما سه سوال از ‪ 1‬تا ‪ 4‬نمرهگذاری میشوند‪ .‬در این صورت از این گزینه‬

‫برای معکوس کردن نمرات استفاده میکنید‪.‬‬

‫از دستور‪ Recode‬به عنوان یك دستور اصالحی و آمایشی قبل از انجام آزمونهای آماری استفاده میشود‪.‬‬

‫حالتهای مختلف ‪ Recode‬به این صورت است‪:‬‬

‫‪ -4‬کدگذاری مجدد بر روی متغیر موجود (‪)Recode into Same Variables‬‬

‫‪ -0‬کدگذاری مجدد بر روی متغیر جدید (‪)Recode into Different Variables‬‬

‫نحوه اجرا‬

‫‪ -4‬دستور ‪ …Transform-> Recode into Different Variables‬را اجرا میکنیم‪.‬‬

 ‫‪85‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫‪ -0‬متغیر یا متغیرهایی را که قصد کدگذاری مجدد آنها را داریم‪ ،‬وارد کادر ‪Numeric Variable-> Output‬‬

‫‪ Variable‬در سمت راست میکنیم‪ .‬نام متغیر جدید مان را در کادر ‪ Name‬تایپ میکنیم‪ .‬سپس دکمه‬

‫‪ Change‬را کلیك میکنیم تا این تغییر نام در کادر ‪ Numeric Variable-> Output Variable‬ظاهر شود‪.‬‬

‫‪ -2‬در پنجره کدها یا مقادیر جدید و قدیم (‪ )Old and New Values‬مطابق شکل تغییرات را اعمال می¬‬

‫کنیم‪ .‬این پنجره برای آسانی آموزش به دو بخش تقسیم شده است‪.‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪86‬‬

‫در پنجره مقادیر جدید و قدیم برحسب دامنه نمراتی که تعیین کردهایم کدهای تغییر یافته هر طبقه را وارد‬

‫میکنیم‪:‬‬

‫‪ 2‬تا ‪ = 42‬کد ‪( 2‬نمره د)‬

‫‪ 42‬تا ‪ = 42/11‬کد ‪( 4‬نمره ج)‬

‫‪ 41‬تا ‪ = 41/11‬کد ‪( 0‬نمره ب)‬

‫‪ 42‬تا ‪ = 02‬کد ‪( 2‬نمره الف)‬

‫به عنوان مثال برای طبقه آخر یا کد ‪( 2‬و در کادر کدهای قدیم یا ‪ )Old Value‬به ترتیب زیر عمل میکنیم‬

‫‪ -1‬دکمه ‪ …Old and New Values‬را کلیك میکنیم‪ .‬در پنجره جدید‪ ،‬در کادر چپ‪ ،‬کد قدیم ( ‪Old‬‬

‫‪ )Value‬و در کادر راست نیز کد جدید (‪ )New Value‬را وارد و سپس دکمه ‪ Add‬را به ترتیب طبقات‬

‫جدید میزنیم و همین طور تا آخر ادامه میدهیم چنانچه کد قدیم یك عدد گسسته بود‪ ،‬در این صورت‬

‫گزینه ‪ Value‬در کادر باال سمت چپ انتخاب میکنیم‪ .‬اما اگر کد قدیم ما حالت طیف داشت‪ ،‬در آن‬

‫صورت گزینه ‪ Range‬در کادر میانی سمت چپ را انتخاب میکنیم‪ .‬در نهایت‪ ،‬دکمه ‪ Continue‬را کلیك‬

‫میکنیم‪.‬‬

‫دکمه ‪ Ok‬را کلیك میکنیم‪.‬‬

 ‫‪87‬‬ ‫فصل دوم‪ :‬نرم افزار ‪ SPSS‬‬

‫جدول مقایسه روشهای کدگذاری مجدد‬

‫در این روش متغیر جدیدی ساخته نمیشود و تغییرات روی همان متغیر قبلی انجام میشود‪ .‬در‬
‫روش کدگذاری مجدد روی متغیر موجود‬
‫نتیجه در این روش دادههای اولیه از بین رفته و کدهای جدید‪ ،‬جایگزین کدهای قبلی میشود و‬
‫‪Recode into Same Variables‬‬
‫دادههای جدید تشکیل میشود‪.‬‬

‫ستونی جدید و متغیری جدید در پنجره دادهها تشکیل میشود‪ .‬در این روش هم متغیر اولیه باقی‬
‫جدید‬ ‫متغیر‬ ‫ساخت‬ ‫با‬ ‫کدگذاری‬ ‫روش‬
‫مانده و هم متغیری جدید در برنامه تشکیل میشود‪ .‬به جهت حفظ دادههای اولیه‪ ،‬توصیه میگردد‬
‫‪Recode into Different Variables‬‬
‫که همواره از این روش استفاده کنیم‪.‬‬
‫فصل سوم‪ :‬تجزيه و تحلیل با‬

‫آمارههای توصیفی‬
 ‫‪89‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫‪32‬‬
‫منوی تجزيه و تحلیل‬

‫این منو برای گرفتن تمامی آمارهای توصیفی و استنباطی (اعم از پارامتری و ناپارامتری) به کار میرود‪ .‬در‬

‫واقع‪ ،‬کاربرد این منو‪ ،‬بعد از ورود‪ ،‬آمایش‪ ،‬اصالح دادهها و به طور کل زمانی است که تحلیل گر قصد دارد تا به‬

‫پردازش و تحلیل دادهها بر اساس سؤاالت‪ ،‬اهداف و فرضیههای تحقیق بپردازد‪ .‬بنابراین‪ ،‬در اینجا باید گفت که‬

‫منوهای قبل و بعد از ‪ Analyze‬هیچ گونه کار تحلیل آماری بر روی دادهها انجام نمیدهند‪ .‬منوی ‪analyze‬‬

‫پرکاربردترین منو در ‪ spss‬برای انجام تجزیه و تحلیل آماری است‪ .‬به طور مختصر و دستورات الزم برای رشته‬

‫علوم ارتباطات شرح داده میشود‪.‬‬

‫مهمترین عناوینی که درون منوی ‪ Analyze‬وجود دارد عبارتند از‪:‬‬

‫‪Reports DescriptiveStatistics, Tables, Compare Means, correlate, Regression, Demenion‬‬

‫‪Reduction, scale, Nonparametric Tests, Multipel Response.‬‬
‫‪33‬‬
‫منوی گزارش ها‬

‫منوی ‪ Reports‬دارای ‪ 1‬گزینه ‪Report Summaries in ،Case Summaries ،OLAP Cubes ،codebook‬‬

‫و‪ Report Summaries in Columns‬است‪ .‬امکاناتی برای محاسبه آمارههای توصیفی گوناگون برای‬ ‫‪Rows‬‬

‫متغیرها در اختیار محقق قرار میدهد‪ .‬خروجیهایی از آمارههای خاصی و خالصه از شرح حال متغیرها را ارائه‬

‫میدهند‪ .‬در گزارشات پژوهشی چندان قابل استفاده نیست جهت اطالع محقق میباشد‪ .‬به همین دلیل استفاده از‬

‫آنها توصیه نمیشود‪.‬‬

‫‪20‬‬
‫‪. Analyze Menu‬‬
‫‪22‬‬
‫‪. Report Menu‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪91‬‬

‫‪34‬‬
‫منوی آمار توصیفی‬

‫زیرمنوی ‪ Descriptive Statistics‬شامل گزینههای ‪Frequencies , Descriptives , Explore ,Crosstabs‬‬

‫‪ ,Ratio‬است ‪ .‬اغلب پژوهشها نیاز به استفاده از تمامی این گزینهها دارند توصیه میشود در یادگیری آنها بیشتر‬

‫دقت شود‪.‬‬

‫آموزش منوی ‪Frequencies‬‬

‫برای به دست آوردن جدول فراوانی از منوی ‪ Frequencies‬استفاده میشود‪.‬‬

‫مراحل اجرای منوی ‪Frequencies‬‬

‫اولین مرحله در تجزیه و تحلیل دادهها ارائه جداول یك بعدی است‪ .‬جداول یك بعدی برای همه متغیرهای‬

‫اسمی‪ ،‬ترتیبی و فاصلهای قابل اجرا وترسیم است‪ .‬منتهی برای متغیرهای فاصلهای و نسبی به خصوص تعداد‬

‫مقولهها گسترده باشد چندان تحلیل مناسب ارائه نمیدهد‪ ،‬در اینگونه موارد باید از آمارههای توصیفی کمك‬

‫گرفت‪( .‬درشکل زیر به طورتفصیلی اجرای منوی ‪ Frequencies‬ارائه شده است)‬

‫‪21‬‬
‫‪. Descriptive statistics Menu‬‬
 ‫‪90‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫باکس ‪Frequencies‬‬

‫‪4‬ـ مستطیل لیست متغیرها‪:‬‬

‫محل نشان دادن متغیرها همراه با سطح سنجش متغیرها ست‪.‬‬

‫‪0‬ـ محل متغیرهای مورد برسی‪:)variable(s‬‬

‫در این مرحله پژوهشگر متغیر مورد نظر را برای تجزیه و تحلیل انتخاب و سپس روی فلش کلیك میکند تا‬

‫متغیر برای تجزیه و تحلیل به محل خود انتقال یابد‪.‬‬

‫‪2‬ـ بخش آماره‪ : statistics‬شامل چهار موضوع اساسی مجموعه درصدها ‪ ،Percentiles‬آمارههای گرایش‬

‫مرکزی‪ ،Central Tendency‬پراکندگی ‪ Dispersion‬و توزیع ‪ Distribution‬است‪.‬‬

‫‪4‬ـ مجموعه درصدها ‪ : Percentiles‬شامل چارکها‪ ،‬دهكها و درصدهای مورد نیاز میباشد‪.‬‬

‫‪0‬ـ آمارههای گرایش مرکزی‪ : Central Tendency‬شامل سه آماره میانگین‪ ،‬میانه‪ ،‬مد و مجموع میباشد‪.‬‬

‫‪2‬ـ پراکندگی ‪ :Dispersion‬شامل واریانس‪ ،‬انحراف معیار‪ ،‬دامنه تغییرات‪ ،‬منیمم‪ ،‬ماکسیمم وخطای‬

‫استاندار میانگین‬

‫‪1‬ـ توزیع ‪ : Distribution‬شامل چولگی و کشیدگی میباشد‪.‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪91‬‬

‫‪Percentiles‬‬ ‫‪Central Tendency‬‬

‫‪Quartiles‬‬ ‫درصد چارکها‬ ‫‪mean‬‬ ‫میانگین‬
‫‪Qut point for 10 / per point‬‬ ‫درصد دهكها‬ ‫‪median‬‬ ‫میانه‬
‫)‪Percentile(s‬‬ ‫درصد مورد نیاز‬ ‫‪mode‬‬ ‫مد یا نما‬
‫‪sum‬‬ ‫مجموع‬
‫‪Dispersion‬‬ ‫‪Distribution‬‬
‫‪Std deviation‬‬ ‫انحراف معیار‬ ‫چولگی ‪Skewness‬‬
‫‪Variance‬‬ ‫واریانس‬ ‫‪Kurtosis‬‬ ‫کشیدگی‬
‫‪Range‬‬ ‫دامنه تغییرات‬
‫‪minimum‬‬ ‫منیمم‬
‫‪Maximum‬‬ ‫ماکسیمم‬
‫‪S.E mean‬‬ ‫استاندارد میانگین‬ ‫خطای‬

‫‪35‬‬
‫چندک ها‬

‫مقادیری از مشاهدات هستند که دامنه تغییرات را به فاصلههای چندکی مورد نیاز تقسیم میکنند‪ ،‬به طوری که‬

‫فراوانیها در هر یك از این فواصل‪ ،‬درصد معینی از فراوانی کل را تشکیل میدهند‪ .‬بنابراین‪ ،‬اگر دامنه تغییرات‬

‫‪21‬‬
‫‪. Quantiles‬‬
 ‫‪91‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫را به چهار قسمت مساوی تقسیم کنیم‪ ،‬به چارکها (‪ ،)Quartiles‬اگر به ده قسمت مساوی تقسیم کنیم‪ ،‬به دهكها‬

‫(‪ ،)Deciles‬و اگر به صد قسمت مساوی تقسیم کنیم‪ ،‬به صدکها (‪ )Percentiles‬دست پیدا میکنیم‪.‬‬

‫‪36‬‬
‫چارک ها‬

‫چارکها نقاطی بر روی مقیاس اندازه گیری هستند که کلیه مشاهدات و نمرهها را به چهار قسمت مساوی )‬

‫برابر با میانه بوده و از طریق تفاضل چارک اول از چارک سوم به دست میآید‪ .‬در واقع‪ ،‬میانه‪ ،‬چارک دوم ) نقطه‬

‫ای است که ‪ 21‬درصد نمرات (معادم سه چهارم) در پایین یا مساوی آن واقع شده اند‪ .‬هر چه مقدار انحراف‬

‫چارکی بیشتر باشد‪ ،‬پراکندگی نمرات از میانه بیشتر است‪.‬‬

‫همانند شاخصهای گرایش مرکزی‪ ،‬شاخصهای پراکندگی برای توصیف و خالصه کردن توزیع نمرات‬

‫استفاده میشود‪ .‬شاخصهای پراکندگی‪ ،‬چگونگی کسترش و پراکندگی مقادیر یك توزیع را نشان میدهند‪.‬‬

‫شاخصهای پراکندگی اطالعات ارزشمندی در مورد توزیع نمرات به ما میدهند‪.‬‬

‫‪37‬‬
‫نما يا مد‬

‫نما‪ ،‬که آن را با عالمت ‪ MO‬نمایش میدهند‪ ،‬عبارت است از طبقه‪ ،‬وضعیت و یا عددی که با توجه به متغیر‬

‫مورد نظر‪ ،‬بیش ترین پاسخگویان (پاسخ ها) را به خود اختصاص داده است‪ .‬این شاخص برای تمامی متغیرهای‬

‫اسمی‪ ،‬ترتیبی‪ ،‬فاصله ای و نسبی استفاده میشود‪.‬‬

‫‪21‬‬
‫‪. Quartiles‬‬
‫‪22‬‬
‫‪. Mode‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪92‬‬

‫‪38‬‬
‫میانه‬

‫میانه‪ ،‬که آن را با عالمت ‪ Md‬نشان میدهند‪ ،‬عبارت است از طبقه‪ ،‬وضعیت و یا عددی که پاسخگویان را با‬

‫توجه به متغیر مورد نظر‪ ،‬به دو گروه مساوی تقسیم میکند و تقریباً نیمی از دادهها از آن کمتر و نیمی دیگر از آن‬

‫بیشتر هستند‪.‬‬

‫‪39‬‬
‫میانگین يا میانگین حسابی‬

‫نشان میدهند‪ ،‬به عنوان اصلی ترین شاخص گرایش به مرکز محسوب میشود که عبارت میباشد از متوسط‬

‫نمرات پاسخگویان در متغیر مورد نظر‪ .‬یعنی مجموع نمرات یا مقادیر تقسیم بر تعداد آن‪.‬‬

‫نکات‪:‬‬

‫نشان میدهند‪.‬‬

‫ـ شاخص میانگین عموماً برای متغیرهای با مقیاس فاصله ای و نسبی به کار میرود‪ .‬البته گاهی در تحقیقات‬

‫اقتصادی و اجتماعی نیز از این شاخص برای مقایسه توزیع نمرات در بین چندین سؤال یا گویه ودر نتیجه توضیح‬

‫بهتر نتایج فراوانی و درصدی در بین این سؤاالت و گویهها استفاده میشود‪.‬‬

‫ـ در هنگام محاسبه میانگین‪ ،‬در صورتی که دادههای پرت در میان مجموع دادهها باشد‪ ،‬باید دادههای پرت را‬

‫حذف و یا معادل با باالترین و یا کمترین عدد قرار دهیم‪ .‬برای مثال‪ ،‬اگر در یك جامعه طیف درآمدی بین ‪422‬‬

‫تا ‪ 222‬هزار تومان باشد‪ ،‬اگر چند نفری دارای درآمد باالی ‪ 222‬هزار تومان باشند‪ ،‬میتوانیم با استفاده از دستور‬

‫‪ Recode‬اعداد فوق را به حداکثر دادهها تبدیل کرده و یا اینکه حذف میکنیم‪.‬‬

‫‪21‬‬
‫‪. Median‬‬
‫‪21‬‬
‫‪. Mean or Arithmetic Mean‬‬
 ‫‪95‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫‪40‬‬
‫دامنه تغییرات‬

‫دامنه تغییرات ساده ترین شاخص پراکندگی است و فقط به تفاضل بین بیشترین و کمترین نمرات در توزیع‬

‫اشاره دارد‪ .‬علی رغم سادگی محاسبه دامنه تغییرات‪ ،‬این شاخص فقط برای دادههای فاصله ای و نسبی مناسب‬

‫است‪ .‬در عمل تفاضل مورد استفده برای به دست آوردن دامنه تغییرات‪ ،‬فرض میشود ه مقادیر نمرات در یك‬

‫توزیع معنی دار هستند‪ .‬این نکته فقط در مورد دادههای سطح فاصله ای و نسبی صدق میکند‪.‬‬

‫‪41‬‬
‫واريانس‬

‫واریانس به میزان تفاوت و پراکندگی پاسخگویان از مقادیر میانگین اشاره دارد‪ .‬به عبارتی واریانس یك‬

‫شاخص پراکندگی است که از طریق محاسبه انحراف نمرهها از میانگین محاسبه میشود و عبارت است از میانگین‬

‫انحراف از نمرهها از میانگین یا مجموعه مجذورات انحراف نمرهها از میانگین تقسیم بر تعداد نمره ها‪ .‬واریانس‬

‫نشان میدهند‪.‬‬

‫‪42‬‬
‫انحراف استاندارد‬

‫انحراف استاندارد نیز‪ ،‬همانند واریانس به پراکنش پاسخگویان در اطراف میانگین راجع است‪ .‬انحراف استاندارد‬

‫که جذر واریانس میباشد شاخصی است که متوسط پراکندگی نمرات از میانگین را نشان میدهد و لذا اغلب‬

‫همراه با میانگین گزارش میشود‪ .‬تفسیر مقدار انحراف استاندارد بدین صورت است که هر چه مقدار انحراف‬

‫استاندارد بیشتر باشد‪ ،‬پراکندگی نمرات از میانگین هم بیشتر است‪ .‬یعنی گروه مورد مطالعه از لحاظ ویژگی مورد‬

‫سنجش نامتجانس تر است و برعکس‪ ،‬مقدار کوچك انحراف استاندارد بیان گر تجانس بیشتر گروه از لحاظ‬

‫ویژگی مورد سنجش است‪.‬‬

‫‪12‬‬
‫‪. Range‬‬
‫‪14‬‬
‫‪. Variance‬‬
‫‪10‬‬
‫‪. Standard Deviation = SD‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪96‬‬

‫‪43‬‬
‫چولگی‬

‫شاخص چولگی که به شاخص انحراف از قرینگی نیز معروف است‪ ،‬میزان تقارن یك توزیع را اندازه گیری‬

‫میکند‪ .‬ضریب چولگی بین ‪ -2‬و ‪ +2‬تغییر میکند و در عمل به ندرت به حد خود نزدیك میشود‪ .‬چولگی‬

‫میتواند به سه شکل مثبت‪ ،‬منفی و صفر اتفاق بیفتد‪:‬‬

‫چولگی مثبت‪ :‬نشان گر آن است که توزیع دادهها و منحنی آن به گونه ای مثبت به صورت چوله در آمده‬

‫است یعنی نمرات افراد حول و حوش مقادیر پایین متغیر متمرکزند‪.‬‬

‫چولگی منفی‪ :‬نشان میدهد که توزیع دادهها و منحنی آن به گونه ای منفی به صورت چوله در آمده‬

‫است‪ .‬یعنی نمرات افراد حول و حوش مقادیر باالی متغیر متمرکزند‪.‬‬

‫چولگی صفر‪ :‬نشان دهنده آن است که توزیع دادهها متقارن است‪.‬‬

‫در کل هر چه مقدار چولگی بزرگتر (معموالً بزرگتر از یك) باشدف در آن صورت نتیجه میگیریم که تویزع‬

‫دادهها تفاوت فاحشی با توزیع متقارن دارد‪.‬‬

‫‪44‬‬
‫کشیدگی‬

‫کشیدگی نمایانگر میزان تفاوت توزیع پاسخگویان از توزیع نرمال میباشند‪ .‬این آماره نشان میدهد که آیا‬

‫مقادیر توزیع پاسخگویان بزرگتر از میانگین است یا کوچکتر از آن‪ .‬شاخص کشیدگی یکی از آمارههای مناسب‬

‫برای مقایسه پراکندگی توزیع جامعه با توزیع نرمال است‪ .‬توزیع دادهها با توجه به مقدار کشیدگی میتواند به سه‬

‫شکل باشد‪:‬‬

‫‪12‬‬
‫‪. Skewness‬‬
‫‪11‬‬
‫‪. Kurtosis‬‬
 ‫‪97‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫کشیدگی مثبت‪ :‬نشانگر آن است که توزیع دادهها از توزیع نرمال بلندتر است‪ .‬در چنین حالتی‪ ،‬توزیع‬

‫دادهها حول میانگین متمرکز شده و از پراکندگی کمتری برخوردار است‪.‬‬

‫کشیدگی منفی‪ :‬نشان میدهد که توزیع دادهها از توزیع نرمال کوتاهتر است‪ .‬در چنین حالتی‪ ،‬توزیع‬

‫دادهها در اطراف میانگین پخش شده و از پراکندگی زیادی برخوردار است‪.‬‬

‫کشیدگی صفر‪ :‬نشان دهنده آن است که توزیع دادهها متقارن است‪ .‬یعنی مقدرا کشیدگی دادهها با مقدار‬

‫کشیدگی توزیع نرمال کامالً مساوی است‪.‬‬

‫در کل هر چه مقدار کشیدگی بزرگتر (معموالً بزرگتر از یك) باشد‪ ،‬در آن صورت نتیجه میگیریم که توزیع‬

‫دادهها تفاوت فاحشی با توزیع نرمال دارد‪.‬‬

‫نکات‪:‬‬

‫منحنی توزیع نرمال‪ ،‬بهترین نمایش برای انواع شاخصهای گرایش به مرکز و گرایش به پراکندگی‬

‫میباشد‪ .‬منحنی نرمال‪ ،‬میزان تفاوت توزیع پاسخگویان از توزیع نرمال را نشان میدهد که نقطه اوج آن‪ ،‬مقدار‬

‫میانگین است‪.‬‬

‫از آنجا که بسیاری از آزمونهای آماری بر این فرض اند که دادهها هب صورت نرمال توزیع شده اند‪،‬‬

‫بنابراین چك کردن توزیع دادهها از طریق مقادیر چولگی و کشیدگی ایده خوبی است‪ .‬همچنین‪ ،‬در صورتی که‬

‫دادهها به صورت نرمال توزیع نشده اند‪ ،‬میتوان از تغییرات الزم و یا آزمونهای ناپارامتری متناسب استفاده کرد‪.‬‬

‫‪45‬‬
‫نمودار‬

‫شامل نمودارمیلهای‪ ،‬دایرهای و هیستوگرام میباشد‪.‬‬

‫‪11‬‬
‫‪. Chart‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪98‬‬

‫فرمت ‪ :Format‬شامل مرتب کردن «صعودی(‪ )Ascending Values‬و نزولی »(‪» )Descending Values‬‬

‫دادهها براساس کدهای متغیر و مرتب کردن دادهها به صورت «صعودی(‪ )Ascending Counts‬و نزولی‬

‫»(‪ » )Descending Counts‬براساس فراوانی کدهای متغیر میباشد‪.‬‬

‫خروجی ‪Frequencies‬‬

‫جدول فراوانی چهار نوع کاربرد در ‪ spss‬دارد به شرح ذیل توضیح داده میشود‪.‬‬
 ‫‪99‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫توصیف خروجی ‪ SPSS‬اجرای دستور ‪Statistics‬‬

‫‪Analysis ⇒ Descriptive Statistics ⇒ Frequencies ⇒ Statistics‬‬

‫‪4‬ـ ‪ : samplings‬این آماره نشان میدهد از مجموع پاسخگویان ‪ 211‬نفر‪ 1 ،‬نفر سن خود را به هر دلیلی بیان‬

‫نکرده اند‪.‬‬

‫‪0‬ـ ‪ : Central tendency‬حاصل اجرای این گزینه انجام سه آماره گرایش مرکزی است‪ .‬میانگین سنی نشان‬

‫میدهد‪ ،‬پاسخگویان ‪ 21‬سال و شش ماه (‪ 14‬درصد یك سال)سن دارد‪ .‬میانه سنی نشان میدهد ‪ 12‬درصد‬

‫جمعیت نمونه ‪ 22‬سال و هشت ماه دارند‪ .‬همچنین براساس نما‪ ،‬اکثر پاسخگویان ‪ 00‬ساله بودندهاند‪ .‬با توجه به‬

‫تعریف جوانی جمعیت‪ ،‬شاخصهای گرایش مرکزی نشان میدهد جمعیت مورد بررسی جوان هستند‪.‬‬

‫‪2‬ـ ‪ : dispersion‬این آمارهها (انحراف استاندارد‪ ،‬واریانس‪ ،‬دامنه تغییرات‪ ،‬منیمم‪ ،‬ماسیمم و انحراف متوسط‬

‫میانگین) نشان میدهد توزیع نمونه یکنواخت نبوده و خیلی پراکنده هستند‪.‬‬

‫‪1‬ـ ‪ : distribution‬مقدار آمارههای کشیدگی و چولگی کمتر از قدر مطلق عدد‪ 0‬میباشند‪ .‬این مقدار نشان‬

‫میدهد دادهها از توزیع تقریبا نرمال برخوردار هستند‪.‬‬

‫آمارههای گرایش مرکزی‪ ،‬پراکندگی و توزیع جدول فراوانی‬ ‫جدول شماره‬

‫خروجی دستور ⇒ ‪Analysis ⇒ Descriptive Statistics ⇒ Frequencies‬‬

‫‪Statistics‬‬
‫‪749‬‬ ‫کل نمونه‬ ‫‪Valid‬‬
‫‪sampling‬‬

‫‪9‬‬ ‫تعداد بی پاسخ‬ ‫‪Missing‬‬

‫‪34.51‬‬ ‫میانگین‬ ‫‪Mean‬‬

‫‪tendency‬‬

‫‪30.72‬‬ ‫میانه‬ ‫‪Median‬‬

‫‪Central‬‬

‫‪22‬‬ ‫مد یا نما‬ ‫‪Mode‬‬

‫‪25845‬‬ ‫مجموع‬ ‫‪Sum‬‬

‫‪13.101‬‬ ‫انحراف معیار‬ ‫‪Std. Deviation‬‬

‫‪dispersion‬‬

‫‪171.64‬‬ ‫واریانس‬ ‫‪Variance‬‬

‫‪62‬‬ ‫دامنه تغییرات‬ ‫‪Range‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪011‬‬

‫‪12‬‬ ‫منیمم‬ ‫‪Minimum‬‬

‫‪74‬‬ ‫ماکسیمم‬ ‫‪Maximum‬‬

‫‪.479‬‬ ‫خطای استاندارد میانگین‬ ‫‪Std. Error of Mean‬‬

‫‪.779‬‬ ‫چولگی‬ ‫‪Skewness‬‬

‫‪.089‬‬ ‫خطای استاندارد چولگی‬ ‫‪Std. Error of Skewness‬‬

‫‪distribution‬‬
‫‪-.146‬‬ ‫کشیدگی‬ ‫‪Kurtosis‬‬
‫خطای استاندارد‬
‫‪.178‬‬ ‫‪Std. Error of Kurtosis‬‬
‫کشیدگی‬

‫جدول شماره درصدهای چارکها‪ ،‬دهكها‪ ،‬درصد مورد عالقه پژوهشگر جدول فراوانی‬
‫خروجی دستور ‪Analysis ⇒ Descriptive Statistics ⇒ Frequencies ⇒ statistics ⇒ percentile values‬‬

‫نوع درصد حروفی‬ ‫مقدار درصد‬ ‫نوع درصدهای عددی‬

‫دهك اول‬ ‫‪20.16‬‬ ‫‪10‬‬
‫درصد مورد عالقه پژوهشگر‬ ‫‪22.09‬‬ ‫‪17‬‬
‫دهك دوم و بیستك اول‬ ‫‪22.77‬‬ ‫‪20‬‬
‫چارک اول‬ ‫‪24.30‬‬ ‫‪25‬‬
‫دهك سوم‬ ‫‪25.65‬‬ ‫‪30‬‬
‫دهك چهارم و بیستك دوم‬ ‫‪27.85‬‬ ‫‪40‬‬
‫و چارک دوم‬ ‫دهك پنجم‬ ‫‪30.72‬‬ ‫‪50‬‬
‫دهك ششم و بیستك سوم‬ ‫‪35.42‬‬ ‫‪60‬‬
‫دهك هفتم‬ ‫‪40.61‬‬ ‫‪70‬‬
‫چارک سوم‬ ‫‪43.23‬‬ ‫‪75‬‬
‫و بیستك چهارم‬ ‫دهك هشتم‬ ‫‪45.91‬‬ ‫‪80‬‬
‫دهك نهم‬ ‫‪53.16‬‬ ‫‪90‬‬

‫‪Analysis ⟹ Descriptive Statistics ⟹ Frequencies‬‬ ‫دستور خروجی‬

‫‪Valid‬‬
‫‪Percent‬‬ ‫‪Frequen‬‬
‫‪Cumulative Percent‬‬ ‫‪Percent‬‬ ‫نام متغیر (سن)‬
‫درصد‬ ‫‪cy‬‬
‫درصد تجمعی‬ ‫درصد فراونی‬
‫فراوانی‬ ‫فراوانی‬
‫معتبر‬
‫‪.6‬‬ ‫‪.6‬‬ ‫‪.6‬‬ ‫‪5‬‬ ‫‪15‬‬
 ‫‪010‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫‪1.7‬‬ ‫‪1.1‬‬ ‫‪1.1‬‬ ‫‪8‬‬ ‫‪16‬‬

‫‪3.7‬‬ ‫‪2.0‬‬ ‫‪2.0‬‬ ‫‪15‬‬ ‫‪17‬‬
‫‪5.3‬‬ ‫‪1.6‬‬ ‫‪1.6‬‬ ‫‪12‬‬ ‫‪18‬‬
‫‪7.3‬‬ ‫‪2.0‬‬ ‫‪2.0‬‬ ‫‪15‬‬ ‫‪19‬‬
‫‪11.6‬‬ ‫‪4.3‬‬ ‫‪4.2‬‬ ‫‪32‬‬ ‫‪20‬‬
‫‪14.0‬‬ ‫‪2.4‬‬ ‫‪2.4‬‬ ‫‪18‬‬ ‫‪21‬‬
‫‪19.2‬‬ ‫‪5.2‬‬ ‫‪5.1‬‬ ‫‪39‬‬ ‫‪22‬‬
‫‪22.8‬‬ ‫‪3.6‬‬ ‫‪3.6‬‬ ‫‪27‬‬ ‫‪23‬‬
‫‪25.2‬‬ ‫‪2.4‬‬ ‫‪2.4‬‬ ‫‪18‬‬ ‫‪24‬‬
‫‪29.2‬‬ ‫‪4.0‬‬ ‫‪4.0‬‬ ‫‪30‬‬ ‫‪25‬‬
‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪98.1‬‬ ‫‪.3‬‬ ‫‪.3‬‬ ‫‪2‬‬ ‫‪66‬‬
‫‪98.5‬‬ ‫‪.4‬‬ ‫‪.4‬‬ ‫‪3‬‬ ‫‪67‬‬
‫‪98.9‬‬ ‫‪.4‬‬ ‫‪.4‬‬ ‫‪3‬‬ ‫‪68‬‬
‫‪99.1‬‬ ‫‪.1‬‬ ‫‪.1‬‬ ‫‪1‬‬ ‫‪69‬‬
‫‪99.5‬‬ ‫‪.4‬‬ ‫‪.4‬‬ ‫‪3‬‬ ‫‪70‬‬
‫‪99.6‬‬ ‫‪.1‬‬ ‫‪.1‬‬ ‫‪1‬‬ ‫‪71‬‬
‫‪99.9‬‬ ‫‪.3‬‬ ‫‪.3‬‬ ‫‪2‬‬ ‫‪72‬‬
‫‪100.0‬‬ ‫‪.1‬‬ ‫‪.1‬‬ ‫‪1‬‬ ‫‪74‬‬
‫‪Total‬‬
‫‪-‬‬ ‫‪100.0‬‬ ‫‪98.8‬‬ ‫‪749‬‬ ‫کل پاسخگویان‬
‫‪System‬‬
‫‪-‬‬ ‫‪-‬‬ ‫‪1.2‬‬ ‫‪9‬‬ ‫بی پاسخ‬
‫‪Total‬‬
‫‪-‬‬ ‫‪-‬‬ ‫‪100.0‬‬ ‫‪758‬‬ ‫کل نمونه‬
‫سن‪( :‬توصیف سن پاسخگویان براساس جدول)‬

‫در مجموع سن ‪44/1‬درصد پاسخگویان کمتر از ‪02‬سال‪42/1 ،‬درصد ‪ 02‬تا ‪01‬سال‪02/4 ،‬درصد ‪ 01‬تا ‪01‬سال‪،‬‬

‫‪02/2‬درصد ‪ 22‬تا ‪21‬سال‪41/4 ،‬درصد ‪ 12‬تا ‪11‬سال و ‪41/1‬درصد بیشتر از ‪12‬سال بوده است‪ .‬ضمن اینکه‬

‫‪4/4‬درصد پاسخگویان (‪ 1‬نفر) سن خود را اظهار نکردهاند‪ .‬میانگین سنی پاسخگویان ‪ 21/14‬بوده است‪ .‬همچنین‬

‫کمترین سن ثبت شده پاسخگویان ‪41‬سال و بیشترین آن ‪ 21‬سال بوده است(جدول ‪.)0‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪011‬‬

‫جدول ‪ .0‬توزیع پاسخگویان برحسب سن (سال)‬

‫درصدمعتبر‬ ‫درصد‬ ‫فراوانی‬ ‫سن (سال)‬

‫‪44/1‬‬ ‫‪44/1‬‬ ‫‪12‬‬ ‫کمتر از ‪02‬سال‬

‫‪42/1‬‬ ‫‪42/1‬‬ ‫‪420‬‬ ‫‪02-01‬سال‬

‫‪02/2‬‬ ‫‪02/4‬‬ ‫‪410‬‬ ‫‪01-01‬سال‬

‫‪02/1‬‬ ‫‪02/2‬‬ ‫‪411‬‬ ‫‪22-21‬سال‬

‫‪41/2‬‬ ‫‪41/4‬‬ ‫‪422‬‬ ‫‪12-11‬سال‬

‫‪41/1‬‬ ‫‪41/1‬‬ ‫‪442‬‬ ‫بیشتر از ‪12‬سال‬

‫‪-‬‬ ‫‪4/4‬‬ ‫‪1‬‬ ‫بیپاسخ‬

‫‪422‬‬ ‫‪422‬‬ ‫‪211‬‬ ‫جمع‬

‫توصیف خروجی ‪ SPSS‬اجرای دستور ‪chart‬‬

‫‪Analysis ⟹ Descriptive Statistics ⟹ Frequencies ⟹ chart‬‬

‫سن‪( :‬توصیف سن پاسخگویان براساس نمودار)‬

‫در مجموع سن ‪44/1‬درصد پاسخگویان کمتر از ‪02‬سال‪42/1 ،‬درصد ‪ 02‬تا ‪01‬سال‪02/2 ،‬درصد ‪ 01‬تا ‪01‬سال‪،‬‬

‫‪02/2‬درصد ‪ 22‬تا ‪21‬سال‪41/2 ،‬درصد ‪ 12‬تا ‪11‬سال و ‪41/1‬درصد بیشتر از ‪12‬سال بوده است‪ .‬ضمن اینکه‬

‫‪4/4‬درصد پاسخگویان (‪ 1‬نفر) سن خود را اظهار نکردهاند‪ .‬میانگین سنی پاسخگویان ‪ 21/14‬بوده است‪ .‬همچنین‬

‫کمترین سن ثبت شده پاسخگویان ‪41‬سال و بیشترین آن ‪ 21‬سال بوده است (نمودار)‪.‬‬
‫‪011‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫توصیف خروجی ارجای ‪Format‬‬

‫‪Analysis ⟹ Descriptive Statistics ⟹ Frequencies ⟹ format‬‬

‫در جدول زیر چهار نوع مرتب شدن جدول فراوانی دادههای متغیر نشان داده شده است‪.‬‬

‫‪4‬ـ این جدول براساس ارزشهای متغیر به صورت صعودی مرتب شده است‬

‫‪0‬ـ این جدول براساس ارزشهای متغیر به صورت نزولی مرتب شده است‬

‫‪2‬ـ این جدول براساس فراوانی دادهها به صورت صعودی مرتب شده است‬

‫‪1‬ـ ین جدول براساس فراوانی دادهها به صورت صعودی مرتب شده است‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪012‬‬

‫خروجی ‪ Style‬و ‪bootstrap‬‬

‫این دو خروجی برای یاد گیری ضرورت ندارد‪.‬‬

‫‪46‬‬
‫آموزش منوی توصیف‬

‫همانطوریکه در شکل زیر نشان داده شده است‪ .‬منوی ‪ Descriptives‬تنها شامل برخی آمارههای توصیفی‬

‫میباشد‪ .‬به عنوان مثال چارکها‪ ،‬میانه و نما را ندارد‪ .‬توصیفهای مربوط به منوی ‪ Descriptives‬همان توصیف‬

‫و تشریح ‪ Frequencies‬است‪ ،‬با این تفاوت اگر چندین متغیر همزمان وارد منوی ‪ Descriptives‬شود نرم افزار‬

‫‪11‬‬
‫‪. Descriptivees Menu‬‬
 ‫‪015‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫براساس لیست واردشده یا براساس نام متغیر‪ ،‬یا براساس مقدار میانگین متغیرها به صورت صعودی یا نزولی‬

‫خروجی ‪ Descriptives‬را مرتب نموده ونشان میدهد‪.‬‬

‫با توجه به اینکه منوی ‪ Frequencies‬کامل بررسی شد نیازی به بررسی منوی ‪ Descriptives‬نیست‪ .‬فقط‬

‫مراحل اجرا به صورت شکل و خطی نشان داده شده است‪.‬‬

‫‪Analysis ⟹ Descriptive Statistics ⟹ Descriptives ⟹ Opt𝑖ons‬‬

‫خروجی منوی توصیف‬

‫خروجی ‪ Descriptives‬شامل تعدادنمونه‪ ،‬دامنه تغیرات‪ ،‬منیمم فراوانیها‪ ،‬ماکسیمم فراوانیها‪ ،‬مجموع‪،‬‬

‫میانگین‪ ،‬انحراف معیار‪ ،‬واریانس‪ ،‬چولگی و کشیدگی است‪ .‬توصیف این آمارهها همانند آمارههای ‪Frequencies‬‬

‫است‪ .‬و درشکل زیر به چهارصورت نحوه ارائه آمارهها و مقدار آنها نشان داده شده است‪.‬‬

‫توجه‪:‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪016‬‬

‫مهمترین کارکرد ‪ Descriptives‬استاندارد کردن دادههای خام در صورت لزوم است‪ .‬تمامی کارکردهای منوی‬

‫‪ Descriptives‬در منوی ‪ Frequencies‬وجود دارد‪ ،‬تنها استاندارد کردن را منوی‪ Frequencies‬ندارد‪.‬‬

‫مراحل اجرا‪:‬‬

‫‪Analysis ⟹ Descriptive Statistics ⟹ Descriptives ⟹ Opt𝑖ons‬‬

‫‪47‬‬
‫آموزش منوی کاوش‬

‫این منو در ‪ spss‬به طورکامل متغیر را از لحاظ نرمال بودن و آزمونهای مربوط به نرمال بودن انجام میدهد‪.‬‬

‫عالوه برآن آمارهای توصیفی‪ ،‬چارکها‪ ،‬درصده‪ ،‬برآورد میانگین‪ ،‬نمودار هیستوگرام‪ ،‬نمودار ساق وبرگ همراه با‬

‫سطوح متغیر مسقل و وابسته‪ ،‬انواع تستهای نرمال و بیان ‪ 1‬حداقل و ‪ 1‬حداکثر متغیر انجام میدهد‪.‬‬

‫‪12‬‬
‫‪. Ecplore Menu‬‬
 ‫‪017‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫بسیاری از شاخصهای آماری تحت تاثیر مقادیر پرت قرار میگیرند لذا قبل از استفاده از شاخصهای مختلف‬

‫آماری ابتدا باید دادهها از لحاظ مقادیر انتهایی بررسی شود‪ Explore .‬در هر گروه لیستی از پنج مقدار بزرگ و‬

‫پنچ مقدار کوچك را ارائه میکند‪ .‬همیشه باید مقادیر مشکوک چك شود تا اطمینان حاصل شودکه ناشی از خطا‬

‫در کد بندی و ورود دادهها نباشد و اگر اشتباهی صورت گرفته باشد آن در ویرایشگر دادهها اصالح شود‪ .‬پس از‬

‫آن اگر دادههای انتهایی پرت تشخیص شد باید از شاخصهایی که تحت تاثیر دادههای پرت قرار نمیگیرند‬

‫استفاده شود‪.‬‬

‫نکته‪:‬‬

‫قرار گرفتن یك مقدار در جدول مقادیر پرت به معنی آن نیست که مقدار آن واقعا پرت است و تنها نشان‬

‫میدهد که آن یکی از ‪ 1‬مقدار بزرگ یا کوچك است و این پژوهشگر هست که تصمیم میگیرد که آن مقدار‬

‫پرت است یا نیست‪.‬‬

‫مراحل انجام ‪Explore‬‬

‫به دو صورت نشان داده شده است‬

‫‪Analysis ⟹ Descriptive Statistics ⟹ Explore‬‬ ‫‪4‬ـ به صورت تدوین مراحل‬

‫‪0‬ـ به صورت شکل زیر‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪018‬‬

‫انجام تحلیلهای دو متغیره متقاطع‬

‫جدول متقاطع رابطه میان دو یا چند متغیر را نشان میدهد و اندازه جدول با توجه به تعداد طبقات متغیرها‬

‫تعین میشود‪ .‬سلولهای جدول یك ترکیب منحصر به فرد از مقادیر متغیرها ارایه میکند‪.‬‬

‫‪48‬‬
‫آزمونهای اسمی – اسمی (آزمون ‪ 𝜒 2‬استقالل)‬

‫‪ 𝜒 2‬این عالمت کای اسکوئر‪ ،‬کای دو‪ ،‬خی دو و مربع خای خوانده میشود‪ .‬توان آزمون ‪ 𝜒 2‬باال است که به‬

‫وسیله آن میتوان تفاوت معنی داری بین دو متغیر را سنجید‪ .‬آزمون کای اسکوئر معموالً برای بیان تفاوت به کار‬

‫می رود که هر دو متغیر ناپارامتریك باشند ‪ .‬بین مقدار کای اسکوئر و سطح معنی داری رابطه مستقیمی وجود‬

‫دارد‪ .‬یعنی هر چه مقدار کای اسکوئر بزرگتر باشد‪ ،‬احتمال وجود تفاوت بین دو متغیر بیشتر است و برعکس‪،‬‬

‫مقدار کوچك کای اسکوئر (معموالً) به معنای تفاوت ضعیف و یا عدم تفاوت بین دو متغیر است‪ .‬به طور کلی‪،‬‬

‫‪11‬‬
‫‪. Independet 𝜒 2‬‬
 ‫‪019‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫کای اسکوئر فقط به تشخیص این امر کمك میکند که آیا متغیرها مستقل از یکدیگرند و یا با هم تفاوت دارند‪.‬‬

‫اما هیچ گاه چگونگی و قوت تفاوت را توضیح نمیدهد‪ .‬بنابراین‪ ،‬پس از محاسبه کای اسکوئر‪ ،‬در صورت وجود‬

‫تفاوت بین متغیرها‪ ،‬برای بیان مقدار تفاوت از آزمونهای وابسته به کایاسکوئر مانند ‪ v‬کرامر‪ ،‬فی و ضریب‬

‫توافقی پیرسون استفاده میشود‪.‬‬

‫مبنای آزمون ‪ ،𝜒 2‬تفاضل فراوانیهای مشاهده شده با فراوانیهای مورد انتظار است‪ .‬به عبارت دیگر تفاضل‬

‫فراوانیهای مشاهده شده و فراوانی های مورد انتظار معنی دار است ‪ .‬به عبارتی‪ ،‬در این آزمون‪ ،‬با استفاده از‬

‫تفاوت بین این دو فراوانی‪ ،‬به وجود یا عدم وجود تفاوت بین دو متغیر پی برده میشود‪.‬‬

‫شرايط آزمون ‪𝜒 2‬‬

‫‪ -4‬دادهها به صورت تصادفی توزیع و مستقل از یکدیگر باشند‪.‬‬

‫‪ -0‬آزمون ‪ 𝜒 2‬بدون توزیع است و دادههای آن از فرض توزیع نرمال پیروی نمیکنند‪.‬‬
‫‪ -2‬آزمون ‪ 𝜒 2‬هیچ پیش فرضی در خصوص سطح سنجش متغیرها ندارد و برای هر نوع متغیری اعم از اسمی‪،‬‬
‫ترتیبی و فاصله ای قابل استفاده میباشد‪ .‬البته این نکته قابل ذکراست که اختصاص به متغیرهای اسمی –‬
‫اسمی دارد‬
‫‪ -1‬از یك سو فراوانیهای مورد انتظار خانهها (سلولهای جدول) نباید کمتر از یك و از سوی دیگر نباید‬
‫بیش از ‪ 02‬درصد فراوانیهای مورد انتظار کمتر از‪ 1‬باشد‪ .‬در صورت مشاهده چنین حالتهای‪ ،‬از ادغام‬
‫سطرها و ستونها (به شرط داشتن شرایط ادغام) استفاده میشود‪ .‬درصورتی که از طریق ادغام سطرهاو‬
‫ستونها شرایط فراهم نشد از آزمون جایگزین بنام آزمون درست نمایی )‪ (Likelihood ratio‬استفاده‬
‫میشود‪.‬‬
‫فرمول آزمون درست نمایی‪Likelihood Ratio‬‬

‫یا ‪R  2 nij log nij  log eij ‬‬

‫‪fo‬‬ ‫‪R‬‬ ‫‪C‬‬ ‫‪R‬‬ ‫‪C‬‬ ‫‪nij‬‬
‫‪LR  2 f o ln‬‬ ‫یا‬ ‫‪R  2 nij log‬‬
‫‪fe‬‬ ‫‪i 1‬‬ ‫‪j‬‬ ‫‪i 1‬‬ ‫‪j‬‬ ‫‪eij‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪001‬‬

‫‪ -1‬این آزمون نسبت به حجم نمونه حساس است‪ .‬یعنی برای نمونههای کمتر از ‪ 22‬نامناسسب است‪ .‬باید به‬
‫جای آن‪ ،‬از آزمون کولموگروف ـ اسمیرنف دو نمونه ای استفاده کرد‪ .‬استفاده از این آزمون برای نمونه‬
‫کمتر از ‪ ،22‬باعث خطای نوع دوم میشود‪.‬‬
‫‪ -1‬طبیعی است که اگر ابعاد جدول ‪ 2 × 2‬و بنابراین درجه آزادی آن برابر با ‪ 4‬باشد‪ ،‬روش ادغام طبقات‬
‫متغیرها در هم امکان پذیر نمیباشد‪ .‬از این رو‪ ،‬در چنین حالتی باید از آزمون بدیل ‪ ،𝜒 2‬یعنی آزمون دقیق‬
‫فیشر و تصحیحی به نام تحصیح یتس استفاده شود‪.‬‬

‫مراحل انجام آزمون ‪𝜒 2‬‬

‫تشخیص و شناسايی متغیرها از لحاظ سطح سنجش‬

‫شناسايی آزمون مربوطه‬

‫تدوين فرضیهها (فرضیه ‪ 𝐻0‬اچ صفر و ‪ 𝐻1‬اچ يك)‬

‫اجرای آزمون ‪𝜒 2‬‬

‫‪Analysis ⟹ Descriptive Statistics ⟹ crosstabs‬‬

 ‫‪000‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫توجه به شرايط آزمون ‪𝜒 2‬‬

‫رد يا تأيید فرضیه اچ صفر بر اساس سطح معناداری‬

‫پس از اینکه شرایط آزمون فراهم شد براساس سطح معنی داری (‪ (sig‬فرضیههای تحقیق رد یا پذیرفته میشود‪.‬‬

‫معیار رد یا تأیید فرضیه مقدار ‪ sig‬است‪ .‬اگر ‪ sig‬هر آزمون پنج و کمتر از پنج صدا باشد فرضیه ‪ H0‬رد و ‪H1‬‬

‫تأیید میشود‪.‬‬

‫بیان مقدار تفاوت در صورت تأيید فرضیه ‪𝐻1‬‬

‫بیان مقدار تفاوت از دو طریق امکان پذیر است‪ .‬از طریق درصدها براساس متغیر مستقل و از طریق آزمونهای‬

‫وی کرامر (برای جداول مربعی شکل)‪ ،‬آزمون فی (برای جداول ‪ )0*0‬و ضریب توافق پیرسون (برای جداول‬

‫مربعی شکل غیر ‪ ) 0*0‬میتوان مقدار تفاوت در آزمون خی دو بیان کرد‪.‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪001‬‬

‫تفسیر فرضیه بر اساس چارچوب نظری و مفهومی‬

‫هر پژوهش دارای یك چارچوب نظری یا مفهومی است‪ .‬فرضیههای از چارچوب نظری‪ ،‬پیشینههای تحقیق‬

‫و براساس مشاهدات محقق تدوین شده است باید برهمان اساس توصیف و تبین شود‪.‬‬

‫مثال نگرش دانشجويان به رسانه ملی‬

‫در یك پژوهش نگرش دانشجویان دانشگاههای تهران به رسانه ملی در دست بررسی است‪.‬‬

‫مرحله ‪ :1‬تشخیص متغیرها‬

‫(وابسته ‪ :‬نگرش در سه بعد ‪ = -4‬نگرش منفی‪ =2 ،‬نگرش خنثی و‪ =+4‬نگرش مثبت این متغیر از لحاظ سطح‬

‫سنجش ترتیبی است‪ .‬متغیرمستقل‪ :‬جنسیت در دو مقوله ‪ =4‬مرد و ‪ =0‬زن‪ ،‬این متغیر از لحاظ سطح سنجش اسمی‬

‫است)‬

‫مرحله ‪ :2‬تشخیص آزمون مربوطه‬

‫با توجه به اینکه یکی از متغیرها اسمی و دیگری ترتیبی است آزمون مناسب آن خی دو میباشد‪.‬‬

‫مرحله ‪ :3‬تدوين فرضیه‬

‫فرضیه ‪ :H0‬به نظر میرسد نگرش دانشجویان دانشگاههای تهران در بین دختران و پسران دانشجو تفاوت‬

‫ندارد‪.‬‬

‫فرضیه ‪ :H1‬به نظر میرسد نگرش دانشجویان دانشگاههای تهران در بین دختران و پسران دانشجو تفاوت دارد‪.‬‬

‫اجرای آزمون ‪𝜒 2‬‬

‫در این بخش ابتدا براساس مسیر زیر جدول متقاطع (‪ (crosstabs‬باز کرده ومتغیر گرایش در جایگاه متغیر‬

‫وابسته و سپس متغیر جنسیت را در جایگاه متغیر مستقل (ستون) قرار داده میشود‪ .‬با توجه به اینکه یکی از‬

‫متغیرها ترتیبی و دیگری اسمی است آزمون خیدو را جهت انجام آزمون و ویکرامر را برای بیان مقدار انتخاب‬
 ‫‪001‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫(روی مستطیل کنار آنها) چك مارک قرار داده میشود‪ .‬و سپس روی دکمه ‪ continue‬کلیك و بالفاصه روی‬

‫دکمه ‪ OK‬کلیك کرده و آزمون انجام میشود جهت بررسی به صفحه ‪ Output‬مراجعه میشود‪.‬‬

‫‪Analysis ⟹ Descriptive Statistics ⟹ crosstabs‬‬

‫شرايط آزمون ‪𝜒 2‬‬

‫پس از انجام آزمون ابتدا در پایان جدول ‪ 𝜒 2‬مربوط به متغیر «گرایش دانشجویان به رسانه ملی» و «جنسیت‬

‫دانشجویان» طبق جدول زیر مورد بررسی قرار داده میشود‪.‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪002‬‬

‫رد و تأيید فرضیه ها‬

‫برای رد و تأیید فرضیه از ‪ sig‬که در آخرین ستون جدول ‪ crosstabs‬آزمون خی دو قرار دارد‪ .‬اکنون مقدار‬

‫سطح معنی داری (‪ (sig=0/012‬دوازه هزارم میباشد‪ .‬از مقدار پنج صدم کمتر است‪ .‬پس فرضیه ‪ H0‬رد و فرضیه‬

‫‪ H1‬پذیرفته میشود ‪ .‬به عبارت دیگر نگرش دانشجویان پسر و دختر در باره رسانه ملی یکسان نمیباشد‪.‬‬

‫بیان مقدار تفاوت نگرش دانشجويان پسر و دختر‬

‫پس از رد فرضیه ‪ H0‬و تأیید فرضیه ‪ H1‬نوبت به بیان مقدار تفاوت میرسد‪ .‬از طریق درصدهای متغیر مستقل‬

‫(درصد ستونی) و از طریق آزمونهای ‪ V‬کرامر (برای جداول مستطیلی شکل)‪ ،‬فی (برای جداول ‪ )0*0‬و ضریب‬

‫توافق پیرسون (برای جداول مربعی شکل غیر ‪ )0*0‬مقدار تفاوت بیان میگردد‪.‬‬

‫طبق درصد ستونی جدول زیر‪ ،‬مردان حدود ‪ 0/1‬درصد بیش از زنان به رسانه ملی نگرش منفی دارند‪ .‬این‬

‫مقدار براساس جدول وی کرامر ‪ 1/1‬درصد میباشد‪.‬‬

‫‪005‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫این چهار جدول خروجی ‪ spss‬به جدول زیر در ورد تبدیل میکنیم‬

‫توزيع فراوانی و درصد متغیر نگرش به رسانه ملی برحسب جنس‬ ‫جدول شماره‬
‫جنس‬
‫کل‬ ‫مرد‬ ‫زن‬
‫نگرش به رسانه ملی‬
‫‪186‬‬ ‫‪95‬‬ ‫‪91‬‬ ‫فراوانی مشاهده شده‬
‫‪186‬‬ ‫‪90/9‬‬ ‫‪95/1‬‬ ‫فراوانی مورد انتظار‬ ‫منفی‬
‫‪27/7‬‬ ‫‪29‬‬ ‫‪26/5‬‬ ‫درصد‬
‫‪445‬‬ ‫‪211‬‬ ‫‪234‬‬ ‫فراوانی مشاهده شده‬
‫‪445‬‬ ‫‪217/5‬‬ ‫‪227/5‬‬ ‫فراوانی مورد انتظار‬ ‫خنثی‬
‫‪66/3‬‬ ‫‪64/3‬‬ ‫‪68/2‬‬ ‫درصد‬
‫‪40‬‬ ‫‪22‬‬ ‫‪18‬‬ ‫فراوانی مشاهده شده‬
‫‪40‬‬ ‫‪19/6‬‬ ‫‪20/4‬‬ ‫فراوانی مورد انتظار‬ ‫مثبت‬
‫‪6‬‬ ‫‪6/7‬‬ ‫‪5/2‬‬ ‫درصد‬
‫‪671‬‬ ‫‪328‬‬ ‫‪343‬‬ ‫فراوانی مشاهده شده‬
‫‪671‬‬ ‫‪328‬‬ ‫‪343‬‬ ‫فراوانی مورد انتظار‬ ‫کل‬
‫‪100‬‬ ‫‪100‬‬ ‫‪100‬‬ ‫درصد‬
‫‪V=0/045‬‬ ‫‪Sig=0/012‬‬ ‫‪DF=2‬‬ ‫‪𝜒 2 =9/340.a‬‬ ‫آزمون آماری‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪006‬‬

‫‪.a 0 cells (0.0%) have expected count less than 5. The minimum‬‬
‫‪expected count is 19.55‬‬
‫نبايد بیش از ‪ 20‬درصد فراوانیهای مورد انتظار خانههای جدول کمتر از پنج و‬ ‫شرايط آزمون‬

‫هیچکدام از فراوانیهای مورد انتظار کمتر از يك نباشد‬

‫تفسیر آزمون خی دو‬

‫دادههای جدول نشان میدهد نگرش منفی مردان به رسانه ملی بیش از زنان میباشد‪ .‬از یك سو معموالً زنان‬

‫در بیان نظر خود بیش از مردان محافظه کار هستند و از سوی دیگر زنان بیش از مردان به شرایط اجتماعی موجود‬

‫قانع میباشند‪ .‬زنان اهداف اجتماعی شرایط موجود و وسیله رسیدن به آن موضوع را بیش از مردان قبول دارند و‬

‫به عبارت دیگر زنان همنوا تر از مردان میباشند‪ .‬شاید این مقدار تفاوت به همین دالیل باشد‪.‬‬

‫آزمونهای ترتیبی ـ ترتیبی‬

‫بخش آزمونهای ترتیبی شامل ‪ 1‬آزمون میباشند و تنها برای متغیرهایی به کار میرود که در سطح سنجش‬

‫ترتیبی ـ ترتیبی و یا ترتیبی ـ فاصله ای باشند‪ .‬متغیرهای ترتیبی دارای توزیع نامتقارن هستند‪ .‬مقدار و جهت‬

‫رابطه آنها بین ‪ -4‬و ‪ +4‬تغییر میکنند‪ .‬هر چه مقدار یك آزمون به ‪ -4‬یا ‪ +4‬نزدیك تر باشند‪ ،‬آن رابطه نیرومندتر‬

‫است‪ .‬هر چه آن مقدار به صفر نزدیك تر باشند‪ ،‬رابطه ضعیف تر است‪ .‬همچنین‪ ،‬برای این قبیل متغیرها‪ ،‬رابطه‬

‫بین متغیرها ممکن است مثبت و منفی باشد‪ .‬رابطه مثبت رابطه ای است که در آن تغییر در مقدار متغیرها در یك‬

‫جهت است‪ ،‬یعنی یا هر دو افزایش و یا هر دو کاهش مییابند‪ .‬رابطه منفی‪ ،‬رابطه ای است که در آن یك متغیر‬

‫افزایش مییابد در حالی که متغیر دیگر کاهش مییابد‪ .‬رابطه غیر خطی نیز رابطه ای است که در آن جهت تغییر‬

‫در یك متغیر‪ ،‬با جهت تغییر در متغیر دیگر هماهنگ نیست‪ .‬در این بخش انواع آزمونهای آماری ترتیبی _ ترتیبی‬

‫اضالح شود ‪.‬‬

 ‫‪007‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫‪49‬‬
‫ضريب گاما‬

‫ضریب گاما (𝛾) که اغلب با نام ضریب گامای گودمن و کروسکال نیز نامیده میشود‪ ،‬یکی از اندازههای تقلیل‬

‫تناسب خطاست که بر مبنای اختالف بین تعداد جفتهای هماهنگ و جفتهای ناهماهنگ محاسبه میشود‪ .‬این‬

‫ضریب برای مواردی به کار میرود که حداق هر دو متغیر در سطح سنجش ترتیبی باشند‪.‬‬

‫𝑑𝑁 ‪𝑁𝑠 −‬‬

‫=𝛾‬
‫𝑑𝑁 ‪𝑁𝑠 +‬‬
‫که در آن‪:‬‬

‫𝑠𝑁 عبارت است از تعداد جفتهایی که جهت تغییرات ربتههای ‪ x‬و ‪ y‬آنها هماهنگ و یکسان است‪ .‬یعنی‬

‫اگر رتبه ‪ x‬افزایش ویا کاهش یابد‪ ،‬رتبه ‪ y‬نیز در همان جهت تغییر میکند‪ .‬در این صورت‪ ،‬تعداد جفتهای‬

‫هماهنگ بیشتر از تعداد جفتهای ناهماهنگ است و میگوئیم بین دو متغیر رابطه مثبت وجود دارد‪.‬‬

‫𝑑𝑁 عبارت است از تعداد جفتهایی که جهت تغییرات رتبههای ‪ x‬و ‪ y‬آنها ناهماهنگ و مخالف هم است‪.‬‬

‫یعنی اگر رتبه ‪ x‬افزایش و یا کاهش یابد‪ ،‬رتبه ‪ y‬در جهت خالف آن تغییر میکند‪ .‬در این صورت‪ ،‬تعداد جفتهای‬

‫ناهماهنگ بیشتر از تعداد جفتهای هماهنگ است و میگوئیم بین دو متغیر رابطه منفی وجود دارد‪.‬‬

‫توجه‪:‬‬

‫زمانی که تعداد طبقات متغیرها نسبتاً کم است‪ ،‬ضریب گاما از همه شاخصهای ترتیبی بهتر است‪.‬‬

‫‪50‬‬
‫ضريب دی سامرز‬

‫دی سامرز همانند گاما برای بیان رابطه متغیر وابسته و متغیر مستقل به کار میرود‪ .‬دی سامرز از تقسیم‬

‫تفاضل جفتهای موافق و مخالف بر حاصل مجموع جفت مواقق‪ ،‬جفت مخالف و مقدار جفت متغیر وابسته به‬

‫‪11‬‬
‫‪. Gamma Coefficient‬‬
‫‪12‬‬
‫‪. Somers’ d Coefficient‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪008‬‬

‫دست میآید‪ .‬و به همین دلیل همیشه مقدار آن کمتر از گاما است‪ .‬به عبارت دیگر تمایل به کمتر نشان دادن رابطه‬

‫بین متغیر مسقل و وابسته را دارد‪ ..‬وقتی که مقدار ‪ y‬را از روی مقدار ‪ x‬پیش بینی میکنی‪ ،‬دی سامرز پیوندهای‬

‫موجود در متغیر وابسته را در نظر میگیرد‪ .‬این مسأله باعث کاهش مقدار دی سامرز‪ ،‬در مقایسه با گاما‪ ،‬میشود‪.‬‬

‫𝑦‪𝑑𝑦⁄𝑥 + 𝑑𝑥⁄‬‬
‫=𝑑‬
‫‪2‬‬
‫که در آن‪:‬‬

‫𝑑𝑁 ‪𝑁𝑠 −‬‬

‫= 𝑥‪𝑑𝑦⁄‬‬
‫𝑦𝑇 ‪𝑁𝑠 + 𝑁𝑑 +‬‬
‫𝑑𝑁 ‪𝑁𝑠 −‬‬
‫= 𝑦‪𝑑𝑥⁄‬‬
‫𝑥𝑇 ‪𝑁𝑠 + 𝑁𝑑 +‬‬
‫𝑥𝑇 عبارت است از زوجهایی که رتبه ‪ x‬آنها برابر باشد‪ .‬یعنی مولفههای اول زوجها با هم یکسان باشند‪.‬‬

‫𝑦𝑇 عبارت است از زوجهایی که رتبه ‪ y‬آنها برابر باشد‪ .‬یعنی مولفههای دوم زوجها با هم یکسان باشند‪.‬‬

‫توجه‪:‬‬

‫دی سامرز در مقایسه با گاما‪ ،‬دقیق تر نشان میدهد که تا چه حد متغیر مستقل باعث کاهش خطا در پیش بینی‬

‫متغیر وابسته میشود‪.‬‬

‫‪51‬‬
‫ضريب تاوی – بی کندال‬

‫موقعی که سطح سنجش متغیرها ترتیبی ـ ترتیبی و جدول به شکل مربع باشد‪ ،‬از ضریب همبستگی تاوی ـ‬

‫بی کندال استفاده میشود‪ .‬تابی کندال از تقسیم تفاضل جفتهای موافق و مخالف بر حاصل ریشه دوم حاصل‬

‫ضرب (مجموع جفت مواقق‪ ،‬جفت مخالف و مقدار جفت متغیر وابسته در مجموع جفت مواقق‪ ،‬جفت مخالف‬

‫‪14‬‬
‫‪. Kendalls’ tau-b Coefficient‬‬
 ‫‪009‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫و مستقل) به دست میآید‪ .‬و به همین دلیل همیشه مقدار آن نزدیك دی سامرز سیمتریك است‪ .‬به عبارت دیگر‬

‫تمایل به کمتر نشان دادن رابطه بین متغیر مسقل و وابسته را دارد‪..‬‬

‫‪52‬‬
‫ضريب تاوی – سی کندال‬

‫تاوی ـ سی کندال به تاوی ـ سی استورات و تاوی ـ سی کندال ـ استورات نیز معروف است‪ .‬موارد کاربرد‬

‫این آزمون نیز همانند تاوی ـ بی کندال است‪ ،‬منتهی با این تفاوت که این ضریب مربوط به جداول مستطیل شکل‬

‫میباشد‪.‬‬

‫𝑑𝑁 ‪𝑁𝑠 −‬‬

‫= 𝑐𝜏‬ ‫‪2‬‬
‫𝑚‪𝑁 (𝑚 − 1)⁄2‬‬
‫توجه‪:‬‬

‫از آنجا که تاوی کندال روابط بین دو متغیر را از هر دو جهت در نظر میگیرد‪ ،‬به ویژه زمانی مناسب است‬

‫که ما متغیر مستقل و وابسته شناخته شده ای نداشته باشیم و فقط بخواهیم تعیین کنیم دو متغیر با هم رابطه دارند‬

‫یا نه‪ .‬با در نظر گرفتن تمام پیوندها‪ ،‬یك تاوی مثبت به ما امکان میدهد تا به درستی نتیجه گیری کنیم که با‬

‫افزایش مقدار ‪ ،x‬مقدار ‪ y‬نیز افزایش مییابد‪ .‬این دقیقاً همان چیزی است که باید در صورت وجود یك رابطه‬

‫مثبت نتیجه گیری کنیم‪ .‬بنابراین‪ ،‬ضریب تاوی کندال عموماً مفیدتر از ضریب گاما و دی سامرز است‪.‬‬

‫مراحل انجام آزمون ترتیبی‬

‫تشخیص و شناسايی متغیرها از لحاظ سطح سنجش‬

‫متغیر وابسته «نگرش به رسانه ملی دانشجویان» ترتیبی و «تحصیالت دانشجویان (کارشناسی‪ ،‬کارشناسی ارشد‬

‫و دکتری) » ترتیبی میباشد هر دو ترتیبی است‪.‬‬

‫‪10‬‬
‫‪. Kendalls’ tau – c Coefficient‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪011‬‬

‫شناسايی آزمون مربوطه‬

‫یکی از آزمون آزمونهای ترتیبی گاما‪ ،‬دی سامرز و تابی کندال قابل استفاده است‪.‬‬

‫تدوين فرضیه ها‬

‫فرضیه ‪ :H2‬به نظر میرسد بین نگرش دانشجویان دانشگاههای تهران و پایه تحصیلی آنان رابطه وجود ندارد‪.‬‬

‫فرضیه ‪ :H4‬به نظر میرسد بین نگرش دانشجویان دانشگاههای تهران و پایه تحصیلی آنان رابطه وجود دارد‪.‬‬

‫اجرای آزمون ترتیبی‬

‫‪Analysis ⟹ Descriptive Statistics ⟹ crosstabs‬‬

‫توجه به شرايط آزمون‬

‫در آزمون های ترتیبی شرط اساسی ترتیبی بودن متغیر مستقل و وابسته از لحاظ سطح سنجش و هم جهت‬

‫بودن کدهای سطوح دو متغیر وابسته و مستقل است‪.‬‬

 ‫‪010‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫رد يا تأيید فرضیه‬

‫پس از اینکه شرایط آزمون فراهم شد براساس سطح معنی داری (‪ (sig‬فرضیههای تحقیق رد یا پذیرفته میشود‪.‬‬

‫معیار رد یا تأیید فرضیه مقدار ‪ sig‬است‪ .‬اگر ‪ sig‬هر آزمون پنج و کمتر از پنج صدا باشد فرضیه ‪ H0‬رد و ‪ H1‬تأیید‬

‫میشود‪.‬‬

‫پس از انجام آزمون درصفحه خروجی نرم افزار ‪ spss‬سه جدول ارائه میشود‬

‫‪4‬ـ جدول اول مربوط به خالصه دادههای آماری از لحاظ تعداد و درصد معتبر (کسانی که به هر دو متغیر‬

‫پاسخ داده) میباشد‪ .‬ضمن آنکه دو ستون از مجموع ستونهای جدول زیر به تعداد و درصد بی پاسخها و دو‬

‫ستون آخر جدول به فراوانی و درصد کل مربوط میشود‪.‬‬

‫‪ Case Processing Summary‬خالصه متغیرهای در حال پردازش‬

‫‪ ‬موارد مورد بررسی ‪Cases‬‬

‫‪Valid‬معتبر‬ ‫‪Missing‬بی پاسخ ها‬ ‫‪ Total‬کل‬

‫‪Percen‬‬ ‫‪Percen‬‬
‫‪N‬‬ ‫‪Percen‬‬ ‫‪N‬‬ ‫‪N‬‬
‫‪t‬‬ ‫‪t‬‬
‫تعداد‬ ‫‪ t‬درصد‬ ‫تعداد‬ ‫تعداد‬
‫درصد‬ ‫درصد‬

‫نگرش به رسانه ملی و‬ ‫‪100.0‬‬

‫‪669‬‬ ‫‪88.3%‬‬ ‫‪89‬‬ ‫‪11.7%‬‬ ‫‪758‬‬
‫سن دانشجويان‬ ‫‪%‬‬

‫‪0‬ـ در جدول زیر فراوانی متقاطع هر دو متغیر بعالوه فراوانی حاشیه کل سطر و ستون به صورت جداگانه‬

‫آورده شده است‪ .‬که به صورت متقاطع رابطه دو متغیر را نشان میدهد‬

‫جدول بندی متقاطع متغیر سن و نگرش به رسانه ملی دانشجويان دانشگاههای تهران‬

‫‪re.negresh * reedu Cross tabulation‬‬

‫فراوانیها ی دومتغیر مستقل و وابسته‬ ‫‪Count‬‬

‫متغیر مستقل ‪ :‬سن ‪reedu‬‬ ‫فراوانی‬

‫فوق‬ ‫کل‬
‫لیسانس‬ ‫دکتری‬
‫لیسانس‬ ‫‪Total‬‬
‫منفی‬ ‫‪107‬‬ ‫‪75‬‬ ‫‪4‬‬ ‫‪186‬‬
‫‪re.negresh‬‬
‫خنث‬
‫متغیر وابسته نگرش به‬ ‫‪253‬‬ ‫‪182‬‬ ‫‪9‬‬ ‫‪444‬‬
‫ی‬
‫دانشگاههای تهران‬
‫مثبت‬ ‫‪25‬‬ ‫‪14‬‬ ‫‪0‬‬ ‫‪39‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪011‬‬

‫فراوانی کل ‪Total‬‬ ‫‪385‬‬ ‫‪271‬‬ ‫‪13‬‬ ‫‪669‬‬

‫‪2‬ـ جدول زیر آزمون آماری دی سامرز در سه حالت نشان میدهد‪ .‬در حالت اول مقدار متقارن دو متغیر را‬

‫نشان میدهد یعنی متوسط 𝑋‪ T‬و 𝑌‪ T‬به مجموع مخرج 𝑠𝑁 و 𝑑𝑁 اضافه کرده و تفاضل 𝑠𝑁 و 𝑑𝑁 به حاصل‬

‫مجموع متوسط 𝑋‪ T‬و 𝑌‪ T‬و 𝑠𝑁 و 𝑑𝑁 تقسیم میشود‬

‫‪Ns  Nd‬‬
‫‪ ، D yx ‬اگر اکس وابسته باشد‬ ‫فرمول ضریب همبستگی ‪ D‬سامرز‪( :‬اگر اگرگ وابسته باشد‬
‫‪Ns  Nd  Ty‬‬

‫‪Ns  Nd‬‬
‫‪ Dxy ‬و اگر متقارن باشد یعنی متغیر مستقل و وابسته قابل تشخیص نباشد از فرمول زیر استفاده‬
‫‪Ns  Nd  Tx‬‬

‫‪Ns  Nd‬‬
‫‪D‬‬ ‫میشود‬
‫‪TY‬‬
‫‪Ns  Nd  T‬‬ ‫‪X‬‬

‫‪2‬‬

‫‪Directional Measures‬معیارهای جهت دار (آزمونهای دارای جهت)‬

‫‪Asymp. Std.‬‬ ‫‪Approx.‬‬ ‫‪Approx.‬‬

‫‪Value‬‬
‫‪Errora‬‬ ‫‪Tb‬‬ ‫‪Sig.‬‬
‫مقدار يا‬
‫خطای استاندارد‬ ‫مقدار‬ ‫سطح معنی‬
‫ارزش‬
‫خطا‬ ‫تقريبی‬ ‫داری تقريبی‬

‫‪Symmetric‬‬ ‫‪.037‬‬
‫‪-.214‬‬ ‫‪-.366‬‬ ‫‪.044‬‬
‫متقارن‬

‫‪re.negresh‬‬
‫‪Ordinal by Ordinal‬‬ ‫‪Dependent‬‬
‫‪-.213‬‬ ‫‪.036‬‬ ‫‪-.366‬‬ ‫‪.044‬‬
‫‪Somers' d‬‬ ‫متغیر نگرش‬
‫آزمون دی سامرز برای متغیرهای‬ ‫وابسته فرض شود‬
‫ترتیبی‬ ‫‪reedu‬‬
‫‪Dependent‬‬
‫‪-.214‬‬ ‫‪.038‬‬ ‫‪-.366‬‬ ‫‪.044‬‬
‫متغیر تحصیالت‬
‫وابسته فرض شود‬
‫‪a. Not assuming‬‬ ‫‪the44‬‬
‫هزارم‬ ‫برابر‪null‬‬
‫‪hypothesis‬‬ ‫فرض‬
‫‪ sig‬هرسه آزمون‬ ‫فرضیه صفر‬
‫مقدار‬ ‫چون‬
‫‪.‬نشود‬ ‫است و کمتر از ‪ 5‬صدم میباشد پس فرضیه اچ صفر‬
‫‪b. Using the asymptotic standard error assuming the null hypothesis‬‬ ‫رد و اچ يك پذيرفته میشود‬
‫با استفاده از خطای استاندارد کرانههای باال و پايین و فرض فرضیه صفر‬
 ‫‪011‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫‪Symmetric Measures‬‬
‫‪Asymp.‬‬ ‫‪Approx.‬‬
‫‪Value‬‬
‫‪a‬‬ ‫‪b‬‬
‫‪Std. Error‬‬ ‫‪Approx. T‬‬ ‫‪Sig.‬‬
‫مقدار يا‬
‫خطای‬ ‫مقدار تقريبی‬ ‫سطح معنی‬
‫ارزش‬
‫استاندارد خطا‬ ‫داری تقريبی‬

‫‪Kendall's tau-b‬‬ ‫‪.037‬‬

‫‪-.214‬‬ ‫‪-.366‬‬ ‫‪.044‬‬
‫تابی کندال برای مربعی‬

‫‪Ordinal by‬‬ ‫‪Kendall's tau-c‬‬

‫‪-.210‬‬ ‫‪.027‬‬ ‫‪-.366‬‬ ‫‪.054‬‬
‫‪Ordinal‬‬ ‫تاسی کندال برای مستطیلی‬

‫‪Gamma‬‬
‫‪-.228‬‬ ‫‪.076‬‬ ‫‪-.366‬‬ ‫‪.034‬‬
‫گاما‬

‫‪ N of Valid Cases‬تعداد مورد بررسی‬ ‫‪669‬‬

‫چون مقدار ‪ sig‬هرسه آزمون برابر ‪ 44‬هزارم‬

‫است و کمتر از ‪ 5‬صدم میباشد پس فرضیه اچ صفر‬
‫رد و اچ يك پذيرفته میشود‬

‫بیان مقدار رابطه در صورت تأيید فرضیه ‪𝐻1‬‬

‫مقدار ارزش آزمونهای ترتیبی نشان میدهد حدود ‪ 04/1‬درصد‪ ،‬یا برخی ‪ 04/2‬درصد و برخی دیگر مثل‬

‫گامان نشان میدهددر‪ 00/1‬درصد موارد رابطه نگرش دانشجویان دانشگاههای تهران با تحصیالت آنان رابطه دارد‪.‬‬

‫و عالمت منفی نشان میدهد این رابطه معکوس است یعنی هرچه تحصیالت دانشجویان افزایش پیدا میکند‬

‫دیدگاهشان به رسانه ملی کاهش پیدا میکند‪.‬‬

‫تفسیر فرضیه بر اساس چارچوب نظری و مفهومی‬

‫دادههای جدول نشان میدهد با افزایش سن میزان نگرش مردم به رسانه ملی کاهش مییابد‪ .‬این آماره نشان‬

‫میدهدبرنامههای تلویزیون جوان محور و جوان پسند شده است‪ .‬با توجه به افزایش سن رو به پیری مردم ایران‬

‫‪ ،‬اگر به برنامه آنها توجه نشود مشکالت عدیده به بار خواهند آورد‪.‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪012‬‬

‫‪53‬‬
‫آزمون اسمی – فاصله ای‬

‫شاخص پیوند ترکیبی اسمی و فاصله‪ ،‬تنها شامل یك شاخص به نام اتا میباشد و زمانی به کار میرود که‬

‫یکی از متغیرها در سطح سنجش اسمی (دو وجهی‪ /‬چند وجهی) و دیگری در سطح سنجش فاصله ای باشد‪.‬‬

‫هنگامی که یك متغیر دارای مقیاس اسمی و رتبه ای (مثل جنس‪ ،‬نژاد‪ ،‬میزان رضایت و ‪ )...‬و متغیر دیگر‬

‫مقیاس فاصله ای یا نسبی داشته باشد مثل (درآمد‪ ،‬معدل‪ ،‬اندازه‪ ،‬قد و ‪ )...‬می باید شاخصی انتخاب شود که بتوان‬

‫از روی یك متغیر‪ ،‬متغیر دیگر را پیش بینی نمود‪ .‬از جمله شاخصها در این وضعیت شاخص «نسبت همبستگی»‬

‫است که با نماد ‪ 54 η2‬نشان داده می شود‪ .‬برای فهم بهتر این ضریب‪ ،‬فرضیه تحقیقی زیر را در نظر آورید‪« :‬بین‬

‫جنس و میزان معدل دانشجویان تفاوت وجود دارد‪».‬‬

‫در این فرضیه‪ ،‬جنس یك متغیر کیفی با مقیاس اسمی است و میزان معدل متغیری کمی با مقیاس‬

‫فاصله ای(نسبی)‪ .‬برای توضیح این شاخص باید گفت که این شاخص بر دو مفهوم کلی بنیان گذارده شده است‪،‬‬

‫نخست آن که با فرض ندانستن جنس افراد ممکن است چه میزان خطا در پیش بینی معدل آنها رخ دهد ( ‪ )𝑒1‬و‬

‫دوم آن که با فرض دانستن جنسیت‪ ،‬به چه میزان خطای مرحله قبل ( ‪ )𝑒1‬کاهش خواهد یافت‪ .‬چنان چه ارتباطی‬

‫بین این دو متغیر وجود داشته باشد می بایست تعداد خطاهای مرحله اول ( ‪ )𝑒1‬کاهش یافته باشد‪ .‬میزان این‬

‫ضریب از رابطه زیر به دست می آید‪:‬‬

‫‪𝑒1 − e2‬‬
‫=‪η‬‬
‫‪e1‬‬

‫برخالف متغیرهای اسمی‪ ،‬که در پیش بینی آنها درست و غلط وجود دارد‪ ،‬در پیش بینی متغیرهای کمی‬

‫(معدل) درست و غلط مطرح نمی شود‪ .‬چنان چه معدل واقعی افراد ‪ 41‬باشد‪ ،‬معدل ‪ 41‬و ‪ 42‬هر دو اشتباه می‬

‫‪12‬‬
‫‪. Nominal by Interval‬‬
‫‪11‬ـ مجذور اتا‬
 ‫‪015‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫باشند ولی پیش بینی معدل ‪ 41‬نزدیك به واقعتر می باشد‪ ،‬به بیان دیگر هرچه |̅‪ |xi − x‬کوچك تر باشد میزان‬

‫خطای کمتری رخ داده است‪.‬‬

‫در آمار به جای |̅‪ |xi − x‬معمو ًال از مجذور خطاها استفاده می شود ) ‪ ،((xi − x̅)2‬پس می توان گفت که‬

‫اگر از متغیر جنس در مثال فوق هیچ اطالعی وجود نداشته باشد مجموع مجذور خطاها برابر است با‪:‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬

‫‪∑(xi − x̅)2 = ∑(xi − x̂)2 + ∑(x̂ − x̅)2‬‬

‫‪i=1‬‬ ‫‪i=1‬‬ ‫‪i=1‬‬

‫در این فرمول ‪ xi‬مقدار واقعی متغیر معدل‪ x̂ ،‬مقادیر پیش بینی شده متغیر و ̅‪ x‬میانگین آن متغیر است‪ .‬پس‬

‫می توان گفت که کل مجذور خطا برابر است با‪:‬‬

‫میزان تغییر خطا ‪ +‬میزان تغییر پیش بینی شده = کل مجذور خطا‬

‫به جدول زیر در خصوص معدل دانشجویان دختر و پسر توجه نمایید‪.‬‬

‫دانشجویان‬
‫معدل‬ ‫دانشجویان پسر‬ ‫معدل‬
‫دختر‬

‫‪4‬‬ ‫‪41‬‬ ‫‪41‬‬ ‫‪42‬‬

‫‪0‬‬ ‫‪40‬‬ ‫‪42‬‬ ‫‪44‬‬

‫‪2‬‬ ‫‪41‬‬ ‫‪41‬‬ ‫‪40‬‬

‫‪1‬‬ ‫‪42‬‬ ‫‪41‬‬ ‫‪42‬‬

‫‪1‬‬ ‫‪41‬‬ ‫‪02‬‬ ‫‪42‬‬

‫‪1‬‬ ‫‪41‬‬ ‫‪04‬‬ ‫‪41‬‬

‫‪2‬‬ ‫‪42.1‬‬ ‫‪00‬‬ ‫‪44‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪016‬‬

‫‪1‬‬ ‫‪41‬‬ ‫‪02‬‬ ‫‪44.1‬‬

‫‪1‬‬ ‫‪44‬‬ ‫‪01‬‬ ‫‪40‬‬

‫‪42‬‬ ‫‪41‬‬ ‫‪01‬‬ ‫‪41‬‬

‫‪44‬‬ ‫‪41.1‬‬ ‫‪01‬‬ ‫‪41‬‬

‫‪40‬‬ ‫‪42‬‬ ‫‪02‬‬ ‫‪41‬‬

‫‪42‬‬ ‫‪41‬‬ ‫‪01‬‬ ‫‪42‬‬

‫‪41‬‬ ‫‪40.1‬‬

‫‪41‬‬ ‫‪41‬‬

‫میانگین‬ ‫‪41.2‬‬ ‫میانگین‬ ‫‪40.1‬‬

‫در این مثال مقادیر ( ‪ )𝑒1‬و ( ‪ )𝑒2‬از رابطه زیر به دست می آید‪:‬‬

‫‪28‬‬

‫‪𝑒1 = ∑(𝑥𝑖 − 𝑥̅𝑡 )2‬‬

‫‪𝑖=1‬‬
‫‪15‬‬ ‫‪28‬‬

‫‪𝑒2 = ∑(xi − x̅w )2 + ∑ (xi − x̅m )2‬‬

‫‪i=1‬‬ ‫‪i=16‬‬

‫𝑡̅𝑥 ‪𝑒1 − 𝑒2 = 𝑛1 (𝑥̅𝑤 −‬‬ ‫‪)2‬‬ ‫‪+ 𝑛2 (𝑥̅𝑚 − 𝑥̅𝑡 )2‬‬

‫‪𝑛 = 28‬‬ ‫𝑛‪ :‬حجم کل نمونه‬

 ‫‪017‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫‪ :𝑛1‬تعداد نمونه گروه اول (خانم‬

‫‪𝑛1 = 15‬‬
‫ها)‬
‫‪𝑛2 = 13‬‬ ‫‪ 𝑛2‬تعداد نمونه گروه اول (آقایان)‬
‫‪𝑥̅t = 14‬‬ ‫‪ :𝑥̅t‬میانگین نمره کلیه افراد‬
‫‪𝑥̅𝑚 = 12.5‬‬ ‫‪ : 𝑥̅m‬میانگین نمره آقایان‬
‫‪𝑥̅𝑤 = 15.3‬‬ ‫‪ : 𝑥̅w‬میانگین نمره خانمها‬
‫‪ :𝑒1‬کل خطاها در حالت‬
‫‪𝑒1 = 164‬‬
‫اول‬
‫‪ :𝑒2‬کل خطاها در حالت‬
‫‪𝑒2 = 109.4‬‬
‫دوم‬
‫هم چنان که مشاهده می شود کل مجذور خطاها‪ ،‬بدون درنظر گرفتن جنس افراد ‪ 411‬است‪ .‬ولی با فرض‬

‫لحاظ کردن جنس‪ ،‬میزان خطای پیش بینی به ‪ 421.1‬تغییر می یابد‪ .‬حال می توان مجذور اتا ( ‪ )η2‬را از رابطه زیر‬

‫به دست آورد‪:‬‬

‫‪𝑒1 − e2 164 − 109.4‬‬

‫= ‪η2‬‬ ‫=‬ ‫‪= 33.29%‬‬
‫‪e1‬‬ ‫‪164‬‬
‫عدد ‪ 22.01‬درصد برای محقق به این معنا است که با فرض لحاظ کردن جنس در پیش بینی معدل افراد‪،‬‬

‫‪ 22.01‬درصد از اشتباهات پیش بینی کاهش یافته است‪ ،‬به عبارت دیگر خطای پیش بینی معدل افراد با درنظر‬

‫گرفتن جنس آن ها‪ 22.01 ،‬درصد کمتر از خطای پیش بینی بدون لحاظ کردن جنس است‪.‬‬

‫ولی از آن جا که این نسبت بر حسب مجذور انحرافات به دست آمده است‪ ،‬برای تصویر چهرهای واقعی تر‪،‬‬

‫از این نسبت جذر گرفته می شود تا مبنای واقعی تری را برای همبسته بودن دو متغیر نشان دهد‪.‬‬

‫‪η = √η2 = √0.3329 = 57.7%‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪018‬‬

‫موقعی که جدول شاخص پیوند اتا در خروجی ‪ SPSS‬ظاهر میشود‪ ،‬دو مقدار اتا را به ما نشان میدهد‪ ،‬مقدار‬

‫اتای اولی‪ ،‬متغیر ردیف را به عنوان متغیر فاصله ای و مقدار اتای دومی‪ ،‬متغیر ستون را به عنوان متغیر اسمی در‬

‫نظر می گیرد‪ .‬بنابراین‪ ،‬طبیعی است که چون همواره متغیر فاصله ای (به عنوان متغیر وابسته) در ردیف قرار‬

‫میگیرد‪ ،‬از این رو باید مقدار اتای اولی را برای تفسیر گزارش کنیم‪.‬‬

‫مراحل انجام آزمون ‪𝜂 2‬‬

‫یکی از راه های صحیح انجام آزمون انجام اقدام به تدوین مراحل است‪ .‬مراحل انجام آزمون اتا به شرح زیر‬

‫است‪.‬‬

‫تشخیص و شناسايی متغیرها از لحاظ سطح سنجش‬

‫متغیر معدل دانشجویان به عنوان متغیر وابسته درحد فاصلهای و متغیر جنس به عنوان متغیر مستقل در حد‬

‫اسمی است‪.‬‬

‫شناسايی آزمون مربوطه‬

‫برای شرایط بند ‪ 0‬می توان از دو آزمون تی دو نمونه مستقل و از اتا استفاده کرد‪ .‬در صورتی که منظور از‬

‫آزمون برای کاهش خطا باشد میتوان از آزمون اتا استفاده کرد‪.‬‬

‫تدوين فرضیه ها‬

‫‪ :H0‬به نظر میرسد بین میزان خطای کل نمره دانشجویان ومجموع میزان نمره زنان ومردان رابطه وجود ندارد‪.‬‬

‫‪ :H1‬به نظر میرسد بین میزان خطای کل نمره دانشجویان ومجموع میزان نمره زنان ومردان رابطه وجود ندارد‪.‬‬

‫اجرای آزمون ‪𝜂2‬‬

‫𝐴𝑇𝐸 ⟹ ‪Analysis ⟹ Descriptive Statistics ⟹ crosstabs‬‬

 ‫‪019‬‬ ‫فصل سوم‪ :‬تجزیه و تحلیل با آمارههای توصیفی ‪‬‬

‫رد يا تأيید فرضیه‬

‫جهت بررسی ضریب شدت استفاده میشود‪ .‬معموالً باالی ‪ 2/2‬معنی دار است‪ .‬ضریب اتا نشان میدهد حدود‬

‫‪ 12/2‬درصد موارد میانگین زنان بیشر از مردان است‪.‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪011‬‬

‫بیان مقدار تفاوت‬

‫‪ 12/2‬درصد موارد میانگین نمرات پسران و دختران متفات است ومیانگین دختران بیشتر از پسران است‪.‬‬
‫فصل چهارم‪ :‬مقايسه‬

‫میانگینها‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪011‬‬

‫مقدمه‬

‫فرضیههای تفاوت میانگینها فرضیههایی هستند که به تفاوت مقدار میانگین یا میانه در بین یك یا چند گروه‬

‫میپردازند‪ .‬هنگام تحلیل دادهها در نرم افزار ‪ ،SPSS‬برای آن دسته از فرضیههای تفاوت میانگینها که تفاوت‬

‫مقدار میانگین در یك یا چند گروه را مطرح میکنند‪ ،‬از آمار و به عبارتی آزمونهای پارامتری استفاده میشود‪.‬‬

‫آزمونهای پارامتری ‪ T‬و ‪ F‬را میتوان برای این گونه فرضیهها به کار برد‪ .‬اما برای آن قبیل فرضیههای تفاوتی که‬

‫تفاوت مقدار رتبهها در یك یا چند گروه را مد نظر دارند‪ ،‬از آمار و آزمونهای ناپارامتری استفاده میشود‪.‬‬

‫آزمونهایی همچون دوجمله ای مك نمار‪ ،‬یومن ـ ویتنی‪ ،‬کروسکال والیس‪ ،‬ویل کاکسون و‪ ...‬از این قبیل آزمونها‬

‫به شمار میروند‪.‬‬

‫آزمونهای آماری پارامتری برای دادههای که در حد فاصله ای و نسبی‪ ،‬و آزمونهای ناپارامتری برای دادههای‬

‫که در حد اسمی‪ ،‬ترتیبی و دادههای فاصله و نسبتی غیر توزیع نرمال کاربرد دارند‪ .‬در آزمون فرضیههای میانگینها‪،‬‬

‫زمانی از آزمونهای پارامتری استفاده میشود که اوالً واریانس نمونهها برابر یا تقریباً برابر باشد‪ .‬ثانیاً‪ ،‬دادهها در‬

‫سطح سنجش فاصله ای و نسبی باشند‪ .‬ثالثاً‪ ،‬توزیع دادهها در جامعه‪ ،‬نرمال و یا نزدیك به نرمال باشد‪.‬‬

‫آمار پارامتریك مستلزم پیش فرضهائی در مورد جامعه ای که از آن نمونه گیری صورت گرفته باشد‪ .‬به عنوان‬

‫مهمترین پیش فرض در آمار پارامترک فرض میشود که توزیع جامعه نرمال است اما آمار ناپارامتریك مستلزم‬

‫هیچگونه فرضی در مورد توزیع نیست‪ .‬به همین خاطر بسیاری از تحقیقات علوم انسانی که با مقیاسهای کیفی‬

‫سنجیده شده و فاقد توزیع (‪ )Free of distribution‬هستند از شاخصهای آماری ناپارامتریك استفاده میکنند‪.‬‬

‫فنون آمار پارامتریك شدید ًا تحت تاثیر مقیاس سنجش متغیرها و توزیع آماری جامعه است‪ .‬اگر متغیرها از‬

‫نوع اسمی و ترتیبی بوده حتما از آزمونهای ناپارامتریك استفاده میشود‪ .‬اگر متغیرها از نوع فاصلهای و نسبی‬
 ‫‪011‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫باشند در صورتیکه فرض شود توزیع آماری جامعه نرمال یا بهنجار است از آزمونهای پارامتریك استفاده میشود‬

‫در غیراین صورت از آزمونهای ناپارامتریك استفاده میشود‪.‬‬

‫خالصه آزمونهای پارامتريك‬

‫آزمون ‪ t‬تك نمونه‬

‫برای آزمون فرض پیرامون میانگین یك جامعه استفاده میشود‪ .‬در بیشتر پژوهش هائی که با مقیاس لیکرت‬

‫انجام میشوند جهت بررسی فرضیههای پژوهش و تحلیل سواالت تخصصی مربوط به آنها از این آزمون استفاده‬

‫میشود‪.‬‬

‫آزمون ‪ t‬وابسته‬

‫برای آزمون فرض پیرامون دو میانگین از یك جامعه استفاده میشود‪ .‬برای مثال اختالف میانگین رضایت‬

‫کارکنان یك سازمان قبل و بعد از تغییر مدیریت یا زمانی که نمرات یك کالس با پیش آزمون و پس آزمون‬

‫سنجش میشود‪.‬‬

‫آزمون ‪ t‬دو نمونه مستقل‪ :‬جهت مقایسه میانگین دو جامعه استفاده میشود‪ .‬در آزمون ‪ t‬برای دو نمونه مستقل‬

‫فرض میشود واریانس دو جامعه برابر است‪ .‬برای نمونه به منظور بررسی معنی دار بودن تفاوت میانگین نمره‬

‫نظرات پاسخ دهندگان بر اساس جنسیت در خصوص هر یك از فرضیههای پژوهش استفاده میشود‪.‬‬

‫آزمون ‪ t‬ولج‬

‫این آزمون نیز مانند آزمون ‪ t‬دو نمونه جهت مقایسه میانگین دو جامعه استفاده میشود‪ .‬در آزمون ‪ t‬ولچ فرض‬

‫میشود واریانس دو جامعه برابر نیست‪ .‬برای نمونه به منظور بررسی معنی دار بودن تفاوت میانگین نمره نظرات‬

‫پاسخ دهندگان بر اساس جنسیت در خصوص هر یك از فرضیههای پژوهش استفاده میشود‪.‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪012‬‬

‫آزمون ‪ t‬هتلینگ‬

‫برای مقایسه چند میانگین از دو جامعه استفاده میشود‪ .‬یعنی دو جامعه براساس میانگین چندین صفت مقایسه‬

‫شوند‪.‬‬

‫‪55‬‬
‫تحلیل واريانس‬

‫از این آزمون به منظور بررسی اختالف میانگین چند جامعه آماری استفاده میشود‪ .‬برای نمونه جهت بررسی‬

‫معنی دار بودن تفاوت میانگین نمره نظرات پاسخ دهندگان بر اساس سن یا تحصیالت در خصوص هر یك از‬

‫فرضیههای پژوهش استفاده میشود‪.‬‬

‫‪56‬‬
‫تحلیل واريانس چند عاملی‬

‫از این آزمون به منظور بررسی اختالف چند میانگین از چند جامعه آماری استفاده میشود‪.‬‬

‫آزمونهای پارامتری برای يك گروه‬

‫آزمونهای آماری پارامتری برای یك گروه (تك نمونهای) زمانی به کار میروند که محقق قصد دارد میانگین‬

‫یك جامعه را با یك میانگین مفروض و از پیش تعیین شده مقایسه کند‪ .‬این میانگین مفروض میتواند یك مقدار‬

‫معمول یا رایج‪ ،‬یك مقدار استاندارد و یا یك مقدار مورد انتظار باشد‪ .‬آزمونهای پارامتری که برای آزمون‬

‫فرضیههای تفاوتی در مورد یك گروه به کار میروند‪ ،‬شامل آزمون ‪ T‬تك نمونهای (‪)One-Sample T Test‬است‪.‬‬

‫‪11‬‬
‫‪. ANOVA‬‬
‫‪11‬‬
‫‪. MANOVA‬‬
 ‫‪015‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫‪57‬‬
‫آزمون ‪ T‬تك نمونه ای‪ /‬تك گروهی‬

‫آزمون ‪ T‬تك نمونه ای زمانی مورد استفاده قرار میگیرد که میانگین یك نمونه به دست آمده از یك جامعه‬

‫با یك مقدار از همان جنس‪ ،‬حالت معمول و رایج‪ ،‬استاندارد و یا حتی یك عدد فرضی و مورد انتظار مقایسه‬

‫شود‪.‬‬

‫پیش فرض ها‬

‫‪ -4‬مقیاس متغیر مورد نظر (وابسته) باید کمی و در سطح سنجش فاصله ای و نسبی باشد‪.‬‬
‫‪ -0‬توزیع دادههای متغیر وابسته باید به صورت نرمال باشد‪ .‬چنانچه این توزیع نرمال نباشد‪ ،‬باید از معادلهای‬
‫ناپارامتری آن‪ ،‬یعنی آزمون دوجمله ای‪ /‬نسبت (‪ )Binominal‬استفاده شود‪.‬‬
‫‪ -2‬داشتن مقدار مفروض و از قبل تعیین شده‪ .‬زیرا مقدار تعین شده ونوع آن تعیین کننده انجام آزمون و‬
‫تفسیر درست نتایج آن در راستای فرضیه تحقیق است‪.‬‬

‫مراحل انجام آزمون ‪( 𝑇1‬تی تك نمونه ای)‬

‫تشخیص و شناسايی متغیره از لحاظ سطح سنجش‬

‫متغیر نگرش (درسطح فاصلهای از طریق طیف لیکرت محاسبه شده)‬

‫متغیر مستقل یا مقدار از قبل تعیین شده ‪ 12‬بوده است‬

‫شناسايی آزمون مربوطه‬

‫آزمون ‪ T‬تی تك نمونهای‬

‫تدوين فرضیه ها‬

‫‪ : H0‬به نظر میرسد میانگین نمره نگرش دانشجویان به رسانه ملی برابر ‪ 12‬است‪.‬‬

‫‪ : H1‬به نظر میرسد میانگین نمره نگرش دانشجویان به رسانه ملی برابر ‪ 12‬نیست‪.‬‬

‫‪12‬‬
‫‪. One Sample T-Test‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪016‬‬

‫اجرای آزمون ‪𝑇1‬‬

‫‪Analysis ⟹ Descriptive Statistics ⟹ compare mean ⟹ One sample T test‬‬

‫توجه به شرايط آزمون ‪𝑇1‬‬

‫توزیع متغیر وابسته باید نرمال باشد‪ .‬به عبارت دیگر قدر مطلق مقدار چولگی و کشیدگی متغیر وابسته بیشتر‬

‫از ‪ 4/11‬نباشد‪.‬‬
 ‫‪017‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫رد يا تأيید فرضیه‬

‫مقدار سطح معنی داری جدول برابر ‪ (Sig=0/000)( 2/222‬میباشد و نشان میدهد فرضیه ‪ H1‬تأیید و ‪H0‬‬

‫رد میشود‪.‬‬

‫بیان مقدار تفاوت در صورت تأيید فرضیه ‪𝐻1‬‬

‫میانگین نگرش دانشجویان به رسانه ملی ‪ 04‬و مورد انتظار ‪ 12‬نمره بودهاست‪ .‬تفاوت این دو نمره برابر ‪41‬‬

‫میباشد یعنی میانگین نگرش دانشجویان ‪ 41‬نمره کمتر از از مورد انتظار است‪.‬‬

‫تفسیر فرضیه بر اساس چارچوب نظری و مفهومی‬

‫برنامههای رسانه ملی نتوانسته دانشجویان را جذب کند و برنامهها جوان پسند و علمی نبوده است‪.‬‬

‫آزمونهای پارامتری برای دو گروه‬

‫تنها آزمون پارامتری که برای آزمون فرضیههای تفاوتی در رابطه با دو گروه یا نمونه مورد استفاده قرار میگیرد‪،‬‬

‫آزمون ‪ T‬دونمونه ای میباشد‪ .‬آزمون ‪ T‬با دو نمونه دارای دو حالت (مستقل و همبسته) میباشد که هر دو‪ ،‬از‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪018‬‬

‫پرکاربردترین آزمونهای آماری پارامتری در تحقیقات علوم تربیتی‪ ،‬روانشناسی‪ ،‬مدیریت‪ ،‬علوم طبیعی و علوم‬

‫زیستی میباشند‪.‬‬

‫‪ -4‬آزمون ‪ T‬با دو نمونه مستقل (‪)Independent-Samples T Test‬‬

‫‪ -0‬آزمون ‪ T‬با دو نمونه جفتی یا همبسته (‪)Paired-Sample T Test‬‬
‫در زیر به تفکیك به شرح هر دو حالت پرداخته میشود‪:‬‬

‫‪58‬‬
‫آزمون ‪ T‬دو نمونه مستقل‬

‫این آزمون‪ ،‬میانگین دو گروه مستقل از پاسخگویان را با یکدیگر مقایسه میکند‪ .‬از این آزمون برای محاسبه‬

‫فاصله اطمینان و یا آزمون فرضیه تفاوت میانگین دو جامعه آماری به کار میرود‪ .‬به عبارتی‪ ،‬در این آزمون‪،‬‬

‫میانگینهای به دست آمده از نمونههای تصادفی مورد قضاوت قرار میگیرد‪ .‬بدین معنی که از دو جامعه مختلف‪،‬‬

‫نمونههایی اعم از این که تعداد نمونه مساوی یا غیر مساوی باشند‪ ،‬به طور تصادفی انتخاب کرده و میانگینهای‬

‫آن دو جامعه با هم مقایسه میشوند‪.‬‬

‫این روش بر پایه توزیع نرمال ‪ T‬بوده و برای نمونههای کوچك نیز‪ ،‬زمانی بهترین کاربرد را دارد که دادهها از‬

‫توزیع تقریبا برخوردار باشند‪ .‬در صورتی که دادهها نرمال توزیع نشده باشند‪ ،‬از آزمون «‪ »U‬مان ویتنی معادل‬

‫ناپارامتری آزمون تی دو نمونه مستقل استفاده میشود‪ .‬ضمن آن که شرط دیگر این آزمون‪ ،‬استقالل نمونهها از‬

‫همدیگر است‪ .‬اما چنانچه این نمونهها از یکدیگر مستقل نباشند و یا به عبارتی به هم وابسته باشند‪ ،‬در آن صورت‬

‫از آزمون ‪ T‬با دو نمونه وابسته یا جفتی استفاده میشود‪.‬‬

‫پیش فرض ها‬

‫‪ -4‬متغیر وابسته از لحاظ سطح سنجش فاصله ای‪ /‬نسبی باشد‪.‬‬

‫‪11‬‬
‫‪. Independent Samples T-Test‬‬
 ‫‪019‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫‪ -0‬متغیر مستقل دوشقی (دوجهی) باشد‪.‬‬

‫‪ -2‬مقادیر دو متغیر (نمونه) مستقل باشند‪.‬‬
‫‪ -1‬توزیع دادههای متغیر وابسته به صورت نرمال باشد‪ .‬در غیراین صورت از معادل ناپارامتری آن‪ ،‬یعنی «‪»U‬‬
‫مان ویتنی (‪ )U Mann-Whitney‬استفاده شود‪.‬‬

‫مراحل انجام آزمون ‪ T‬دو نمونه مستقل‬

‫شناسايی متغیرهای مستقل و وابسته‬

‫متغیر نگرش دانشجویان به رسانه ملی در حد فاصله است‪ .‬از طریق طیف لیکرت بررسی شده است‪ .‬متغیر‬

‫جنس متغیر اسمی دوشقی است‪.‬‬

‫شناسايی آزمون‬

‫با توجه به اینکه متغیر وابسته فاصلهای و متغیر مستقل اسمی دو شقی است آزمون مربوطه آن‪ ،‬آزمون تی دو‬

‫نمونه مستقل میباشد‪.‬‬

‫تدوين فرضیه‬

‫‪ :H0‬به نظر میرسد میانگین نگرش دانشجویان به رسانه ملی در بین پسران و دختران یکسان است‪.‬‬

‫‪ :H1‬به نظر میرسد میانگین نگرش دانشجویان به رسانه ملی در بین پسران و دختران تفاوت دارد‪.‬‬

‫اجرای آزمون‬

‫‪Analysis ⟹ Descriptive Statistics ⟹ compare mean ⟹ Independed sample T test‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪021‬‬

‫شرايط آزمون‬

‫رد يا تأيید فرضیه‬

‫پس از اجرای آزمون تی دو نمونه مستقل در صفحه خروجی ‪ spss‬دو جدول ارائه میشود‪ .‬سطح معنی داری‬

‫جدول زیر برابر ‪ 11‬هزارم (‪ )sig=0/045‬کمتر از ‪ 1‬درصد میباشد‪ .‬پس فرض ‪ H0‬رد و ‪ H1‬تأیید میشود‪.‬‬

‫بیان مقدار تفاوت‬

 ‫‪020‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫براساس سطح معنی داری ‪ 2/211‬فرضیه اچ صفر رد شده است‪ .‬نگرش دانشجویان دختر و پسر به طور‬

‫میانگین حدود ‪ 2/02‬نمره میباشد‪.‬‬

‫تفسیر داده ها‬

‫دادهها نشان میدهد خانمها بیش از آقایان برنامههای سازمان صدا وسیما را میپذیرند‪ .‬برنامههای صدا وسیما‬

‫بیشتر عالق خانمها توجه میکند‪ .‬شاید دلیل این امر خانه دار بودن اکثر خانمها باشند ‪ .‬در این خصوص خانمها‬

‫بیش آیان اوقات فراغت دارند‪.‬‬

‫‪59‬‬
‫آزمون ‪ T‬با دو نمونه جفتی‪ /‬همبسته‬

‫آزمون ‪ T‬با نمونههای جفتی معمو ًال در تحقیقات آزمایشی‪ ،‬تحقیقات وابسته (مثل بررسی پایایی تحقیق از‬

‫طریق دو نیمه سازی‪ ،‬همسان سازی و ‪ )...‬و تجربی به کار میرود‪ .‬آزمون ‪ t‬نمونههای زوجی (وابسته) ( دو‬

‫نمونه همبسته) اعضای نمونه در دو مقطع از زمان مورد بررسی قرار میگیرند‪ .‬در این آزمون تفاوت میانگینهای‬

‫صفت ارزیابی میشود‪ .‬در آزمون ‪ t‬با نمونههای جفتی‪ ،‬هر فرد دو بار در دو وضعیت مختلف (معموال قبل و‬

‫بعد) مورد مشاهده قرار میگیرد‪ .‬یا دو فرد باهمدیگر یك نسبت و ارتباط (مثل دو قلوها‪ ،‬زن و شوهر) و هر دو‬

‫درخصوص یك موضوع مورد پرسش قرار گیرد‪ .‬به عنوان مثال میزان کاهش درد پس از مصرف مسکن یا میزان‬

‫رشد گیاه پس از مصرف آهن و یا میزان کاهش ضربان قلب پس از مصرف نوعی دارو در بیماران مبتال به تنگی‬

‫نفس و ‪ ....‬یا درآمد زن و شوهر‪ ،‬هوش دوقلوها و ‪...‬‬

‫در آزمون ‪ T‬با نمونه های جفتی‪ ،‬هر فرد‪ ،‬حیوان یا شیء دوبار در دو وضعیت متفاوت (معمو ًال قبل و بعد)‬

‫مورد مشاهده قرار می گیرد‪ .‬به عنوان مثال‪ ،‬میزان کاهش درد پس از مصرف مسکن‪ .‬فرض صفر در طرح چنین‬

‫‪11‬‬
‫‪. Paired Samples T- Test‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪021‬‬

‫دادههایی این است که اختالفی بین مقادیر میانگین در دو نمونه جفت از جامعه (قبل و بعد) وجود ندارد و فرض‬

‫خالف این است که بین دو مقدار میانگین مشاهده شده در زمانهای قبل و بعد از یك فرایند‪ ،‬اختالف وجود‬

‫دارد‪ .‬آزمون فرض برابر دو میانگین وابسته به شکل زیر مطرح میشود‪:‬‬

‫‪𝐻0 : 𝜇1 = 𝜇2 → 𝜇1 − 𝜇2 = 0 ⇒ 𝐻0 : 𝜇𝑑 = 0‬‬
‫‪𝐻0 : 𝜇1 ≠ 𝜇2 → 𝜇1 − 𝜇2 ≠ 0 ⇒ 𝐻0 : 𝜇𝑑 ≠ 0‬‬

‫پیش فرض ها‬

‫‪ -4‬مقیاس هر دو متغیر باید کمی و در سطح فاصله ای و نسبی باشد‪.‬‬

‫‪ -0‬مقادیر دو متغیر باید جفت (وابسته) و از یك جامعه باشند‪.‬‬
‫‪ -2‬توزیع دادهها باید به صورت نرمال باشد‪ .‬چنانچه این توزیع نرمال نباشد‪ ،‬باید از معادل ناپارامتری آن‪،‬‬
‫یعنی ویل کاکسون (‪ )Wilcoxon‬استفاده شود‪.‬‬

‫مراحل اجرای آزمون تی وابسته‬

‫شناسايی متغیرها‬

‫هردو متغیر در سطح فاصلهای است‪ .‬عالوه برآن متغیر اول نمرات دانشجویان قبل شرکت در کالس آمار بوده‬

‫و متغیر دوم نمرات همان دانشجویان در درس روش پس از گذراندن آمار بوده است‪.‬‬

‫آزمون مربوطه‬

‫با توجه به بند یك آزمون مربوطه‪ ،‬آزمون تی دو نمونه وابسته است‪.‬‬

‫تدوين فرضیه ها‬

‫‪ :H0‬به نظر میرسد میانگین نمرات دانشجویان قبل و بعداز شرکت در کالس یك سان است‬

‫‪ :H1‬به نظر میرسد میانگین نمرات دانشجویان قبل و بعداز شرکت در کالس یك سان نیست‪.‬‬

‫اجرای آزمون‬

‫دستور اجرای آزمون تی دو نمونه وابسته‬

 ‫‪021‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫‪Analysis ⟹ Descriptive Statistics ⟹ compare mean ⟹ paired sample T test‬‬

‫توجه به شرايط آزمون‬

‫چون هر دو متغیر فاصله و وابسته هستند از آزمون تی وابسته استفاده میشود با توجه به اینکه هر متغیر توزیع‬

‫هر دو متغبر نرمال است‪ .‬دارای شرایط میباشد‪.‬‬

‫رد يا تأيید فرضیه‬

‫با توجه به سطح معنی داری (‪ )Sig=0/000‬که کمتر از پنج صدم میباشد فرض اچ صفر رد و اچ یك پذیرفته‬

‫میشود‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪022‬‬

‫بیان مقدار تفاوت‬

‫تفاضل میانگین دو نمره قبل و بعد آمار حدود ‪ 4/12‬نمره میباشد‪ .‬این مقدار معنی دار نشان میدهد پس از‬

‫برگزاری کالس آمار به طور متوسط نمره دانشجویان ‪ 4/12‬نمره افزایش یافته است‪.‬‬

‫تفسیر‬

‫دادههای جدول نشان می دهد کالس آمار بی تأثیر نبوده است‪ .‬در شکل گیری علم آمار دانشجویان اثر داشته‬

‫است‪.‬‬

‫‪60‬‬
‫تحلیل واريانس يك راهه (آزمون ‪)F‬‬

‫برای شروع بحث «آزمون تحلیل واریانس یك راهه» چند نکته الزم است به طور اختصار بیان شود‪:‬‬

‫‪4‬ـ همان طوری که در بحث آزمون‪ t‬دو نمونه مستقل بیان شد‪ .‬در هرمرحله با آزمون‪ t‬میتوان دو میانگین را‬

‫با هم مقایسه کرد‪ .‬اگر قرار باشد یك متغیر وابسته فاصله و یك متغیر مستقل دوشفی مورد بررسی قرار گیرد‬

‫بهترین آزمون‪ t‬دونمونه مستقل است‪ .‬حال اگر چند شقی باشد میتوان به تعداد )‪ (n*(n-1)/2‬میانگینها را مقایسه‬

‫کرد‪ .‬آیا استفاده از آزمون ‪ t‬بدین ترتیب که چند مقایسه و چند آزمون ‪ t‬اجرا شود‪ ،‬امکان پذیر است؟ یعنی بار‬

‫اول‪ ،‬میانگین گروه اول با میانگین گروه دوم‪ ،‬بار دوم‪ ،‬میانگین گروه اول با میانگین گروه سوم و بار سوم‪ ،‬میانگین‬

‫گروه دوم با میانگین گروه سوم مقایسه شود‪ .‬همانطوریکه مالحظه میگردد برای مقایسه سه گروه‪ ،‬سه آزمون ‪t‬‬

‫انجام خواهد شد‪ .‬این امر موجب افزایش حجم کار شد‪.‬‬

‫‪0‬ـ عالوه بر اافزایش حجم کار با آزمونهای ‪ t‬موجب افزایش احتمال خطای نوع اول خواهد شد‪ .‬فرض کنید‬

‫سطح معنی دار بودن را برای هر یك از این آزمونها ‪ a = 2/21‬در نظر گرفته شود بنابراین احتمال این که فرض‬

‫‪12‬‬
‫‪. One way ANOVA‬‬
 ‫‪025‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫صفر ( نبودن تفاوت بین دو میانگین ) را رد کنیم ‪ 1‬درصد و احتمال رد نکردن آن ‪ 11‬درصد خواهد بود‪ .‬بنابراین‬

‫احتمال رد نکردن فرض صفر در سه آزمون‪ (0/95^3=0/857) ،t‬حدودا برابر ‪ 2/11‬خواهد شد‪ .‬به عبارت دیگر‬

‫برای محاسبه احتمال رد کردن‪ ،‬مقدار احتمال ‪ 2/11‬به تعداد آزمونهای ‪ t‬به توان رسانده شود‪ .‬در نتیجه احتمال‬

‫رد کردن حداقل یك فرض صفر ( عدم تفاوت معنیدار ) برابر با ‪( 4- a‬آلفا‪ )4 -‬یعنی ‪) 4 – 11/2 ( = 2/41‬‬

‫خواهد شد‪ .‬بر این اساس است که احتمال ارتکاب خطای نوع اول با افزایش تعداد میانگینها و زیاد شدن‬

‫آزمونهای ‪ t‬افزایش مییابد به طوری که در این جا که سه آزمون‪ t‬وجود دارد سطح معنی دار ‪ 2/21‬به ‪2/41‬‬

‫میرسد‪ .‬حال اگر به جای مقایسه سه میانگین از سه جامعه مستقل‪ ،‬هدف پژوهشگر مقایسه چهار میانگین باشد‪،‬‬

‫چهار مقایسه زوجی خواهد داشت و بدین ترتیب باید شش آزمون ‪ t‬محاسبه شود که در این صورت‪ ،‬احتمال‬

‫این که فرض صفر رد نشود برابر (‪2/21 )0/59^1 =2/21‬خواهد شد و احتمال رد کردن فرض برابر با ‪/01‬‬

‫(‪ ) 4 –0/47( = 2/01‬به دست خواهد آمد در واقع در این جا با اضافه شدن میانگینها یا جامعههای مورد مقایسه‬

‫و به کارگیری آزمونهای ‪ t‬بیشتر برای آزمون تفاوت معنی دار بین چندین میانگین‪ ،‬احتمال ارتکاب خطای نوع‬

‫اول بیشتر میشود‪ ،‬به طوری که به کارگیری شش آزمون ‪ t‬برای مقایسه چهار میانگین‪ ،‬احتمال ارتکاب خطای‬

‫نوع اول را به ‪2/01‬می رساند‪.‬‬

‫بدین ترتیب به علت زیاد شدن حجم کار و افزایش احتمال ارتکاب خطای نوع اول‪ ،‬برای آزمون معنیداری‬

‫تفاوت بین چند میانگین‪ ،‬الزم است از روش دیگری استفاده شود‪ .‬یکی از معروف ترین روشهای آماری که در‬

‫این گونه مسائل پژوهشی کاربرد فراوان دارد روش تحلیل واریانس یا ‪ ANOVA‬مخفف اصطالح ‪Analysis OF‬‬

‫‪ Variance‬است‪ .‬روش تجزیه و تحلیل واریانس در سال ‪ 4102‬توسط فیشر توسعه یافت‪.‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪026‬‬

‫مفهوم تجزيه و تحلیل واريانس‬

‫تحلیل واریانس روشی است که بر اساس آن کل تغییرات یا پراکندگی موجود در مجموعهای از دادهها به‬

‫مولفههای گوناگون تقسیم میشوند‪ .‬برای هر یك از این مولفهها منبعی از پراکندگی وجود دارد‪ .‬در این روش‬

‫واریانس کل یا تغییرات کل به دو منبع یا دو مولفه واریانس بین گروهها که نشان دهنده تفاوتهای بین گروهها‬

‫است و منبع یا مولفه واریانس درون گروهها که واریانس خطا نیز نامیده میشود‪ .‬فرض میشود که ناشی از عوامل‬

‫شانس یا تصادفی است‪ ،‬تقسیم میشود‪.‬‬

‫به عنوان مثال اگر مقایسه سه روش تدریس ‪ B ،A‬و ‪ C‬برای پیشرفت تحصیلی دانشجویان در درس آمار مورد‬

‫بررسی قرار گیرد‪ ،‬پس از اجرای این سه روش تدریس متفاوت‪ ،‬در سه نمونه از دانشجویان سه میانگین پیشرفت‬

‫تحصیلی در سه نمونه ( برای مثال سه میانگین ‪ 41 ،42‬و ‪ ) 41/1‬به دست میآید‪ .‬حال سوال پژوهشگر آن است‬

‫که تفاوت بین این سه میانگین چگونه تفاوتی است؟ آیا ناشی از پراکندگی و تغییر بین خود افراد در درون‬

‫گروههاست و یا نه این تفاوت به عوامل فردی‪ ،‬خطا و شانس مربوط نمیشود بلکه مربوط به تفاوت بین گروهها‬

‫است که میتواند بیانگر تفاوت نوع روشهای تدریس متفاوت در این سه گروه باشد‪ .‬به عبارت دیگر اگر واریانس‬

‫یا پراکندگی کل را با ‪ Vt‬و واریانس یا پراکندگی بین گروهها را با ‪ Vb‬و واریانس یا پراکندگی درون گروهها و‬

‫خطا را با ‪ Vw‬نشان دادهشود فرمول ریاضی زیر به دست میآید‪:‬‬

‫این فرمول بیانگر آن است که ما میتوانیم واریانس یا تغییرات کلی _‪ 4V‬که در نمرههای کل افراد وجود دارد را‬

‫به دو قسمت واریانس یا تغییرات بین گروهها ‪ V_b‬و واریانس یا تغییرات درون گروهی خطا ‪ V_e‬تجزیه کنیم‪.‬‬

‫پس اگر واریانس بین گروهها یا تغییرات بین گروهها بیشتر باشد‪ ،‬انتظار میرود که واریانس درون گروهها یا‬

‫تغییرات درون گروهها که ناشی از تفاوتهای غیر واقعی یا تصادفی و ناشی از خطا است کمتر شود‪.‬‬
 ‫‪027‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫برای فهم مفهوم تجزیه و تحیلیل واریانس به این مثال توجه کنید‪ :‬اگر در مقایسه ای سه گروه با سه میانگین‪،‬‬

‫واریانس که یا پراکندگی کل یا تغییرات کل مشاهده شده در نمرات ‪ V_t‬برابر ‪ 42‬و واریانس بین گروهها که‬

‫همان پراکندگی یا تغییرات بین گروهها ‪ V_b‬است ‪ 2‬باشد‪ ،‬بنابراین واریانس درون گروهها و یا واریانس خطا که‬

‫بود‪.‬‬ ‫خواهد‬ ‫‪2‬‬ ‫است‬ ‫‪V_w‬‬ ‫گروهها‬ ‫درون‬ ‫تغییرات‬ ‫یا‬ ‫پراکندگی‬ ‫همان‬

‫سپس‬ ‫برای محاسبه واریانس انحراف هر نمره از میانگین محاسبه شده و مجذور میشود‪.‬‬

‫مجموع مجذورات انحرافات از میانگین همه نمرهها به دست میآید‪.‬‬

‫برای محاسبه واریانس متغییر در جامعه‪ ،‬مجموع مجذورات انحرافات از میانگین به تعداد افراد جامعه و برای‬

‫برآورد واریانس متغییر در جامعه از روی نمونه‪ ،‬بر ‪ n – 4‬تقسیم میشود‪.‬‬

‫را نتیجه گرفت‪.‬‬ ‫رابطه‬ ‫با توجه به آنچه که گفته شد میتوان از رابطه‬

‫همان طور که در فرمول باال مالحظه میکنید هر چه که ‪ SS_w‬یعنی مجموع مجذورات انحراف از میانگین درون‬

‫گروهی که بیانگر واریانس یا تغییرات ناشی از خطا و تفاوتهای فردی است بیشتر باشد‪ SS_b ،‬یعنی مجموع‬

‫مجذورات انحراف از میانگین بین گروهها که بیانگیر واریانس یا تغییرات ناشی از تفاوت بین گروهها است کمتر‬

‫میشود‪.‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪028‬‬

‫برای روشن شدن این رابطه در مثال مقایسه سه روش تدریس مجموع مجذورات انحراف از میانگین‪SS_t ،‬‬

‫یعنی همان واریانس یا پراکندگی یا تغییرات کل نمرات در درس آمار ‪ 422‬و مجموع مجذورات انحرافات از‬

‫میانگین بین گروهها ‪ SS_b‬یعنی همان واریانس یا پراکندگی یا تغییرات بین گروهی برابر ‪ 21‬در نظر میگیریم در‬

‫نتیجه مجموع مجذورات انحرافات از میانگین درون گروهها ‪ SS_w‬یعنی همان واریانس یا پراکندگی یا تغییرات‬

‫بود‪.‬‬ ‫خواهد‬ ‫‪01‬‬ ‫فردی‬ ‫تفاوتهای‬ ‫و‬ ‫خطا‬ ‫از‬ ‫ناشی‬ ‫گروهی‬ ‫درون‬

‫حال اگر پراکندگی بین گروهی ‪ 22‬بود‪ ،‬پراکندگی درون گروه که بیانگر تغییرات یا پراکندگی ناشی از خطا و‬

‫عوامل تصادفی است‪ ،‬زیاد تر میشد‪:‬‬

‫با توجه به رابطه باال هر چه تفاوت بین گروهها زیادتر باشد‪ ،‬میتوان گفت که تاثیر متغییر مستقل بیشتر بوده‬

‫است‪ .‬در مثال ذکر شده نمره درس آمار‪ ،‬متغییر وابسته و سه روش تدریس که در سه گروه به طور جداگانه‬

‫استفاده شدند‪ ،‬متغییر مستقل فرض شده اند‪ .‬بنابراین زمانی که تغییرات بین گروهها نسبت به تفاوت درون گروهها‬

‫سهم زیاد تری را در کل تغییرات به خود اختصاص داده باشد‪ ،‬بیانگر تاثیر بیشتر متغییر مستقل در متغییر وابسته‬

‫است‪.‬‬

‫همان طوری که شما مالحظه کردید‪ ،‬مجموع مجذورات انحرافات از میانگین بین گروهی در نمرات که ناشی‬

‫از تفاوتهای بین گروهها بوده است‪ .‬برای این که پژوهشگر بتواند تصمیم بگیرد که آیا این تاثیر‪ ،‬تاثیر معنی داری‬

‫بوده است یا نه‪ ،‬از مشخصه آماری ‪ F‬استفاده میکند‪ .‬به عبارت دیگر مشخصه آماری ‪ F‬نسبت واریانس بین گروه‬

‫به واریانس درون گروهها را نشان میدهد‪ .‬هر چقدر این نسبت بیشتر باشد‪ ،‬واریانس بین گروهی در مقایسه با‬
 ‫‪029‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫واریانس درون گروهی بیشتر خواهد بود و در نتیجه میانگین بین گروهها تفاوت بیشتری خواهد داشت‪ .‬این‬

‫نسبت معموالً به صورت زیر نوشته میشود‪:‬‬

‫میانگین مجذورات انحرافات از میانگین بین گروهی واریانس بین گروهی برآورد شده‪:‬‬

‫میانگین مجذورات انحرافات از میانگین درون گروهی واریانس درون گروهی برآورد شده‪:‬‬

‫هدف از بیان رابطه بین واریانس بین گروهی‪ ،‬واریانس درون گروهی و نسبت ‪ ،F‬توضیح مفهوم تجزیه و تحلیل‬

‫واریانس است‪.‬‬

‫روش تجزیه و تحلیل واریانس انواع مختلفی دارد که ساده ترین نوع آن تجزیه و تحلیل واریانس یك طرفه‬

‫است که در ادامه در این قسمت چگونگی محاسبه آن را در مراحل مختلف با ذکر مثال توضیح داده میشود‪.‬‬

‫گامهای شش گانه مربوط ه استفاده از آزمون معنی دار ‪ F‬برای مقایسه چند میانگین از چند جامعه مستقل‬

‫برای محاسبه آزمون تجزیه و تحلیل واریانس یك راهه همانند سایر آزمونها باید گامهای شش گانه طی شود‪.‬‬

‫لذا در این جا قبل از ذکر مثال به طور مختصر این مراحل ذکر میشود سپس همراه با مثال توضیح داده میشوند‪.‬‬

‫گام اول‪ :‬فرض صفر و فرض خالف نوشته شود‪ .‬در تحلیل واریانس یك راهه فرض صفر مطرح میکند که‬

‫همه میانگینهای جامعههای مستقل با هم مساوی هستند فرض صفر به این شکل نوشته میشود‪:‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪051‬‬

‫فرض خالف مطرح میکند که میانگینهای جامعهها با هم تفاوت معنی دار دارند‪.‬‬

‫است‪.‬‬ ‫رابطه‬ ‫از‬ ‫استفاده‬ ‫با‬ ‫شده‬ ‫مشاهده‬ ‫‪F‬‬ ‫نسبت‬ ‫محاسبه‬ ‫دوم‪:‬‬ ‫گام‬

‫گام سوم‪ :‬محاسبه درجه آزادی‪.‬‬

‫گام چهارم‪ :‬تعیین سطح معنیداری که در این سطح فرض صفر آزمون میشود‪.‬‬

‫گام پنجم‪ :‬پیدا کردن ‪ F‬بحرانی جدول با توجه به محل تالقی درجه آزادی صورت و درجه آزادی مخرج در‬

‫سطح معنی داری مورد نظر‪.‬‬

‫گام ششم‪ :‬تصمیم گیری در مورد تایید یا رد فرض صفر اگر ‪ F‬محاسبه شده از ‪ F‬بحرانی جدول زیاد تر یا‬

‫مساوی آن باشد‪ ،‬تصمیم به رد فرض صفر گرفته میشود‪.‬‬

‫مفروضههای تحلیل واریانس‬

‫برای استفاده از تحلیل واریانس و توزیع ‪ F‬برای آزمون فرض مربوط به مقایسه بیش از دو میانگین باید‬

‫مفروضههای زیر برقرار باشد‪:‬‬

‫‪4‬ـ نمونهها به صورت تصادفی و مستقل از یکدیگر انتخاب شده باشند‪ .‬اگر برای نمایش گروههای نمونه از‬

‫حروف ‪ C ،B ،A‬و … استفاده کنیم در این صورت ‪ n_a‬معرف تعداد آزمودنیهایی است که در گروه نمونه ‪A‬‬
 ‫‪050‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫قرار دارند و ‪ n_B‬معرف تعداد آزمودنیهایی است که در گروه نمونه ‪ B‬قرار دارند و البته لزومی ندارد که‬

‫گروههای نمونه حجم برابر داشته باشد‪ ،‬تنها شرط الزم این است که همه مشاهدهها هم داخل گروه و هم برای‬

‫تمام گروههای نمونه‪ ،‬مستقل از یکدیگر باشند‪ ،‬مقصود آن است که انتخاب یك آزمودنی یا مشاهده معین از یك‬

‫جامعه تاثیری در شانس انتخاب هیچ آزمودنی دیگر چه داخل آن جامعه و چه داخل یك جامعه دیگر نداشته‬

‫باشد‪ .‬همچنین نمره هر فرد مستقل ازنمره افراد دیگر باشد‪ .‬اگر غیر از این باشد یعنی نمونهها تصادفی یا مستقل‬

‫از هم نباشند نمیتوان از آزمون تحلیل واریانس استفاده کرد‪.‬‬

‫‪0‬ـ متغییر وابسته (مورد مطالعه) از لحاظ توزیع نرمال باشد‪.‬‬

‫‪2‬ـ واریانسها یا تغییر پذیری نمرهها در جامعههایی که نمونهها از آنها انتخاب میشود مساوی باشند‪ .‬برای‬

‫رعایت این مفروضه باید واریانس هر یك از گروههای مورد مقایسه محاسبه شود و سپس تفاوت بین بزرگ ترین‬

‫واریانس و کوچك ترین به دست آید و اگر این تفاوت چشمگیر نباشد از تحلیل واریانس یك راهه استفاده گردد‪.‬‬

‫‪1‬ـ متغییروابسته در سطح سنجش فاصله ای یا نسبتی باشند‪.‬‬

‫مقايسههای طرح ريزی شده يا پیشین‬

‫در تکنیك مقایسههای طرح ریزی شده یا قبل از تجربه پژوهشگر به جای طرح ریزی برای تعیین این مطلب‬

‫که آیا اثرهای آزمایشی یا تاثیر متغییر مستقل به طور کلی وجود دارد یا نه‪ .‬در ابتدای کار قبل از تحلیل دادهها‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪051‬‬

‫پرسشهای خاصی را که مایل است در ارتباط با مقایسه میانگینها بر اساس نظریهها و تئوریهای موجود جواب‬

‫دهد مطرح میکند‪.‬‬

‫به عنوان مثال پژوهشگری بر اساس نظریهها و پژوهشهای قبلی به این نتیجه رسیده است که مدت زمان‬

‫مطالعه بامیزان یادگیری دانشجویان رابطه دارد‪ .‬این پژوهشگر با توجه به یافتهها و تئوریهای قبلی فرضیه خود‬

‫را به این شکل تدوین میکند‪ .‬زمان مطالعه بیشتر از ‪ 11‬دقیقه و کمتر از ‪ 11‬دقیقه میزان خطای زیادتری را در‬

‫یادگیری ایجاد میکند‪ .‬در پژوهش وی ‪ 1‬گروه دانشجو با میزان مطالعه متفاوت گروه اول ‪ 42‬دقیقه‪ ،‬گروه دوم‬

‫‪ 02‬دقیقه‪ ،‬گروه سوم ‪ 11‬دقیقه و گروه چهارم ‪ 21‬دقیقه وجود دارند‪ .‬در این پـژوهش گروه سوم باید با گروه اول‬

‫و دوم و چهارم مقایسه شوند‪ .‬برای مقایسه میانگینهای این ‪ 1‬گروه از مقایسههای طرح ریزی شده یا پیشین‬

‫استفاده میشود‪.‬‬

‫مقایسههای پس از تجربه یا پسین‬

‫تکنیك مقایسههای پس از تجربه تنها در موقعیتهایی به کار میرود که در آنها تحلیل واریانس اولیه و آزمون‬

‫‪ F‬معنا دار بودن کلی را نشان داده باشد‪ .‬در مقایسههای پس از تجربه میتوان هر زوج از میانگینها و هر ترکیبی‬

‫از آنها را به صورت یك مقایسه مورد آزمایش قرار داد‪ .‬هرچند در بیشتر موارد پژوهشگر ممکن است عالقمند‬

‫به مقایسه دو به دو میانگینها باشد اما این روشها را میتوان برای آزمون هر نوع مقایسه به کار برد‪ .‬برای آزمون‬

‫معنا دار بودن مقایسههای پس از تجربه روشهای زیادی از جمله روش کمترین تفاوت معنا دار ‪ ،LSD‬آزمون ‪t‬‬

‫دارد‪.‬‬ ‫وجود‬ ‫شفه‬ ‫و‬ ‫توکی‬ ‫‪،‬‬ ‫کولز‬ ‫نیومن‪-‬‬ ‫‪،‬‬ ‫دانت‬

‫از مفید ترین روشهای چند مقایسه ای‪ ،‬دو روشی است که توکی و شفه ارائه داده اند که روش ‪ T‬و روش ‪S‬‬

‫خواند میشوند‪ .‬در این جا چگونگی محاسبه و کاربرد این دو روش به طور مختصر توضیح داده میشود‪.‬‬

‫‪4‬ـ روش ‪ T‬یا توکی‬

 ‫‪051‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫اگر فرض صفر یعنی تساوی بین میانگینها توسط یك تحلیل واریانس در سطح ‪ a‬رد شود برای آزمون تفاوت‬

‫دو به دو میانگین از آزمون توکی میتوان استفاده کرد‪ .‬در روش توکی تعداد مقایسههای دو به دو میانگینها از‬

‫به دست میآید‪ .‬مثال اگر ‪ 2‬میانگین را بخواهیم دو به دو مقایسه کنیم‪ ،‬تعداد مقایسهها به صورت‬ ‫رابطه‬

‫زیر محاسبه خواهد شد‪:‬‬

‫در این جا چگونگی انجام آزمون توکی گروه ‪ 4‬با گروه ‪ ،0‬گروه ‪ 4‬با گروه ‪ 2‬و گروه ‪ 0‬با گروه ‪ 2‬طی ‪ 1‬مرحله‬

‫توضیح داده میشود‪ .‬قبل از توضیح این مراحل باید برای انجام این آزمون سه مقدار داشته باشیم که این سه مقدار‬

‫به صورت زیر به دست میآید‪:‬‬

‫تفاضل میانگین سه گروه به صورت دو به دو به دست میآید‪.‬‬

‫مقدار بحرانی ‪ q‬که از جدول توزیع استخراج میشود‪ .‬مقدار ‪ q‬عبارت است از صدکهایی که با توجه به سطح‬

‫معنیداری‪ ،‬تعداد گروههای مورد مقایسه و درجه آزادی مخرج درون گروهی که از رابطه ‪ N-K‬حاصل میشود‪،‬‬

‫تعیین میگردد‪ .‬برای مثال اگر سه گروه داشته باشیم که تعداد هر گروه ‪ 42‬نفر باشند و بخواهیم تفاوت معنی دار‬

‫را در سطح ‪ a =0/05‬تعیین کنیم با مراجعه به جدول مقدار بحرانی ‪ q‬را استخراج میکنیم که عبارت است از ‪:‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪052‬‬

‫همان طوری که در جدول مشاهده میشود صدک ‪ 411‬م در ستونی که باالی آن ‪ 2‬یعنی تعداد گروه نوشته شده‬

‫است و ردیف آن ‪ 01‬میباشد به دلیل این که ردیف ‪ 02‬در جدول وجود ندارد و باید به درجه آزادی کوچك تر‬

‫توجه شود‪ q .‬بحرانی‪ 2/212،‬میباشد‪.‬‬

‫خطای معیار آماره که با این فرمول محاسبه میشود‪:‬‬

‫به عنوان مثال اگر در پژوهشی که با استفاده از تجزیه و تحلیل واریانس مورد تحلیل قرار گرفته است میانگین‬

‫مجموع مجذورات درون گروهی ‪ 2‬و تعداد هر گروه ‪ 42‬باشد خطای معیار آماره عبارت است از‪:‬‬

‫چهار مرحله محاسبه آزمون توکی عبارت است از‪:‬‬

‫مرحله ‪ -4‬مقایسههای زوجی مشخص شود یا همان تعیین آماره‪ .‬به عنوان مثال اگر یادگیری سه گروه دانشجو‬

‫با هم مقایسه شوند خواهیم داشت‪:‬‬

 ‫‪055‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫تقسیم میشود بنابراین خواهیم داشت‪:‬‬ ‫مرحله ‪ -0‬تمام مقایسههای زوجی به خطای معیار آماره‬

‫مرحله ‪ -2‬مقدار بحرانی ‪ q‬مربوط به این آزمون با استفاده از جدول با توجه به درجه سطح معنیداری ‪،a‬‬

‫تعداد گروه و درجه آزادی درون گروهی تعیین میشود‪ .‬بنابراین خواهیم داشت‪:‬‬

‫مرحله ‪ -1‬جواب مرحله ‪ 0‬یعنی تقسیم آماره بر خطای معیار آماره با جواب مرحله ‪ 2‬یعنی مقدار بحرانی ‪ q‬که‬

‫از جدول استخراج شده است‪ ،‬مقایسه میشود‪ .‬اگر جواب به دست آمده از مقدار ‪ q‬بیشتر باشد نتیجه گرفته‬

‫میشود که دو میانگین دارای اختالف معنیدار بودهاند و اگر جواب به دست آمده از مقدار ‪ q‬کمتر باشد میتوان‬

‫نتیجه گرفت که تفاوت معنی داری بین دو میانگین وجود ندارد‪.‬‬

‫برای درک بهتر کاربرد آزمون توکی‪ ،‬چگونگی محاسبه این آزمون در مثال پژوهشی مقایسه سه روش تدریس‬

‫در موفقیت دانشجویان نشان داده میشود‪:‬‬

‫همان طوری که به خاطر دارید در این مثال میزان یادگیری سه گروه ‪ 1‬نفره با سه روش تدریس ‪ B ،A‬و‬

‫‪C‬محاسبه شد و سه میانگین برای سه گروه به دست آمد که عبارت بودند از‪:‬‬

‫در این مثال نتیجه تحلیل واریانس یك ‪ F‬معنی دار بود همچنین‪:‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪056‬‬

‫حال با استفاده از ‪ 1‬مرحله ارائه شده آزمون توکی مقایسههای دو به دو میانگینها را در این مثال پژوهشی انجام‬

‫میدهیم‪:‬‬

‫مرحله ‪ -4‬مشخص کردن تفاوت بین میانگینها یا مقایسههای دو به دو‪ ،‬در این جا میانگینهای سه گروه با‬

‫سه روش تدریس به صورت دو به دو با هم مقایسه میشوند‪:‬‬

‫تقسیم میشود‪.‬‬ ‫مرحله ‪ -0‬تمام مقایسههای زوجی به خطای معیار آماره‬

‫مرحله ‪ -2‬استخراج مقدار ‪ q‬که مبنای مقایسه میباشد از جدول توزیع ارائه شده است‪ .‬جدول مزبور نشان‬

‫عبارت‬ ‫میدهدکه مقدار ‪ q‬برای دادهها با ‪ a=2/21‬و ‪ k=2‬و ‪ N-k=0‬برابر‪ 2/22‬است‬

‫است از صدک ‪11‬ام ‪2/22‬‬

 ‫‪057‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫مرحله ‪ -1‬اگر قدر مطلق تفاوت میانگینها که بر خطای معیار آماره تقسیم شدهاند از مقدار بحرانی ‪ q‬تجاوز‬

‫کند آن تفاوت معنیدار است‪ .‬در این جا همان طوری که آماره ‪ 2/2‬و همچنین مقایسه زوجی میانگین گروه دوم‬

‫و سوم بعد از تقسیم بر خطای معیار آماره ‪ 2/2‬بوده است که هر دو از مقدار بحرانی ‪ 2/22q‬کمتر بودند پس‬

‫تفاوت این میانگینها تفاوت معنیداری نبوده است‪ .‬در حالی که قدر مطلق تفاوت میانگین گروه اول با سوم که‬

‫بر خطای معیار آماره تقسیم شده است ‪ 1/1‬میباشد که از مقدار بحرانی ‪ q‬با ‪ = k 2 ،a =2/21‬و ‪ df_w=12‬بیشتر‬

‫بوده است‪ .‬بنابراین نتیجه گرفته میشود که میانگین گروه اول با و گروه سوم دارای تفاوت معنیدار هستند‪.‬‬

‫‪0‬ـ روش شفه یا ‪S‬‬

‫روش چند مقایسه ای شفه را میتوان هم در مواردی به کار برد که از روش توکی ‪ T‬استفاده میشود و هم در‬

‫مواردی که روش توکی قابل استفاده نیست‪.‬‬

‫به عبارت دیگر در روش شفه عالوه بر این که میتوان مقایسه دو به دو بین میانگینها انجام داد مثل‬

‫مقایسههای دیگری هم قابل محاسبه است که به آنها مقابله گفته میشود به عنوان مثال اگر ‪ 1‬میانگین از میزان‬

‫یادگیری ‪ 1‬گروه دانشجویان دانشگاه را داشته باشیم عالوه بر مقایسه دو به دوی این میانیگینها میتوانیم‬

‫مقابلههای ترکیب دیگری نیز با استفاده از آزمون شفه انجام دهیم‪ .‬برای مثال‪ ،‬مقایسه معدل میانگین ناحیه ‪ 0 ،4‬و‬

‫‪ 2‬با معدل میانگین ناحیه ‪ 1‬و ‪:1‬‬

‫میانگین گروه‪ + 2‬میانگین گروه‪ + 0‬گروه‪4‬میانگین‬ ‫میانگین گروه‪ + 1‬میانگین گروه‪1‬‬

‫‪−‬‬
‫‪2‬‬ ‫‪0‬‬

‫برای انجام چنین مقابله ای الزم است به میانگینها وزن یا ضریب داده شود‪ .‬هر یك از میانگینها یك ضریب‬

‫‪4‬‬
‫بوده و گروه‬ ‫و وزن میگیرند به طوری که جمع این ضریبها صفر شود‪ .‬ضریب میانگینهای گروه ‪ 4‬تا ‪،2‬‬
‫‪2‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪058‬‬

‫‪4‬‬
‫بوده است‪ .‬با رعایت عالمتهای ضرایب جمع ضرایب صفر خواهد شد‪ .‬عالوه بر این که روش شفه‬ ‫‪ 1‬تا ‪،1‬‬
‫‪0‬‬

‫برای هر نوع مقایسه یا مقابله یا ترکیبهای مختلف از میانگینها قابل استفاده است‪ ،‬از این روش در پژوهشهایی‬

‫که تعداد افراد آنها در گروهها نابرابر میباشد میتوان استفاده کرد‪.‬‬

‫از ویژگیهای دیگر آزمون شفه عدم حساسیت آن نسبت به نقض فرضهای نرمال بودن و همگونی‬

‫واریانسها میباشد‪.‬‬

‫اجرای آزمون ‪ ،F‬تحلیل واريانس يك طرفه يا آنووا‬

‫شناسايی متغیرهای مستقل و وابسته‬

‫متغیر نگرش دانشجویان به رسانه ملی در حد فاصله است‪ .‬از طریق طیف لیکرت بررسی شده است‪ .‬متغیر‬

‫تحصیالت که به صورت ترتیبی (دانشجویان لیسانس‪ ،‬فوق لیسانس و دکتری) سه شقی است‪.‬‬

‫شناسايی آزمون‬

‫با توجه به اینکه متغیر وابسته فاصلهای و متغیر مستقل ترتیبی سه شقی است آزمون مربوطه آن‪ ،‬آزمون ‪ F‬یا‬

‫همان تحلیل واریانس میباشد‪.‬‬

‫تدوين فرضیه‬

‫‪ :H0‬به نظر میرسد میانگین نگرش دانشجویان به رسانه ملی در بین دانشجویان کارشناسی‪ ،‬کارشناسی ارشد‬

‫و دکتری یکسان است‪.‬‬

‫‪ :H1‬به نظر می رسد میانگین نگرش دانشجویان به رسانه ملی حداقل در بین یکی از سطوح تحصیالت‬

‫دانشجویان کارشناسی‪ ،‬کارشناسی ارشد و دکتری با دیگری تفاوت دارد‪.‬‬

 ‫‪059‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫اجرای آزمون‬

‫‪Analysis ⟹ Descriptive Statistics ⟹ compare mean ⟹ one way Anova‬‬

‫شرايط آزمون‬

‫برای استفاده از تحلیل واریانس و توزیع ‪ F‬برای آزمون فرض مربوط به مقایسه بیش از دو میانگین باید‬

‫مفروضههای زیر برقرار باشد‪:‬‬

‫‪4‬ـ نمونهها به صورت تصادفی و مستقل از یکدیگر انتخاب شده باشند‪( .‬محقق در جمع آوری دادهها رعایت‬

‫میکند)‬

‫‪0‬ـ متغییر وابسته از لحاظ توزیع نرمال باشد‪( .‬مقدار کشیدگی و چولگی کمتر از ‪ 4/11‬باشد)‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪061‬‬

‫مقدار کشیدگی و چولگی کمتر از ‪ 4/11‬نشان میدهد توزیع متغیر وابسته (میزان نگرش دانشجویان به رسانه‬

‫ملی) نرمال است‪ .‬شرایط انجام آزمون تحلیل واریانس از نظر توزیع نرمال برقرار است‪.‬‬

‫‪2‬ـ واریانسها یا تغییر پذیری نمرهها در جامعههایی که نمونهها از آنها انتخاب میشود مساوی باشند‪.‬‬
 ‫‪060‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫‪1‬ـ متغییروابسته در سطح سنجش فاصله ای یا نسبتی باشند‪.‬‬

‫رد يا تأيید فرضیه‬

‫پس از اجرای آزمون تحلیل واریانس در صفحه خروجی ‪ spss‬دو جدول ارائه میشود‪ .‬سطح معنی داری‬

‫جدول زیر برابر ‪ 11‬هزارم (‪ )sig=0/045‬کمتر از ‪ 1‬درصد میباشد‪ .‬پس فرض ‪ H0‬رد و ‪ H1‬تأیید میشود‪.‬‬

‫بیان مقدار تفاوت‬

‫براساس سطح معنی داری ‪ 2/211‬فرضیه اچ صفر رد شده است‪ .‬نگرش دانشجویان دختر و پسر به طور‬

‫میانگین حدود ‪ 2/02‬نمره میباشد‪.‬‬

‫تفسیر داده ها‬

‫دادهها نشان میدهد خانمها بیش از آقایان برنامههای سازمان صدا وسیما را میپذیرند‪ .‬در برنامههای صدا‬

‫وسیما بیشتر به عالق خانمها توجه شده است‪ .‬شاید دلیل این امر خانه دار بودن اکثر خانمها باشند‪ .‬چون خانمها‬

‫بیش آقایان اوقات فراغت دارند‪.‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪061‬‬

‫یکی از مهمترین اهدافی که هر تحقیق به دنبال آن است و فرضیههایی را هم در راستای آن تنظیم میکند‪،‬‬

‫مقایسه تغییرات یك یا چند متغیر وابسته در بین یك یا چند گروه (در قالب یك یا چند متغیر مستقل) است‪ .‬این‬

‫موضوع به خصوص در رشتههای علوم تربیتی‪ ،‬روانشناسی‪ ،‬مدیریت و همچنین رشتههای علوم طبیعی و فیزیکی‬

‫بارز است که در این قبیل رشته ها‪ ،‬اغلب متغیرها به صورت کمی و با مقیاسهای فاصله ای و نسبی مورد سنجش‬

‫قرار میگیرند‪ .‬مجموعه این آزمونها در علم آمار و دستورهای تعریف شده در نرم افزار ‪ ،SPSS‬با عنوان تحلیهای‬

‫واریانس معروف اند‪ .‬آزمونهای تحلیل واریانس شامل چهار آزمون مهم میباشند که جدول زیر ویژگیهای هر‬

‫یك را نشان داده و در ادمه به ماهیت و نحوه استفاده از مورد اول اشاره میشود‪.‬‬

‫تعداد و چند شقی‬ ‫متغیر مستقل‬

‫دو و بیشتر‬ ‫یك‬ ‫متغیر وابسته‬
‫‪Univariate Analysis of Variance‬‬ ‫‪One-Way Analysis of‬‬ ‫یك‬
‫‪UNANOVA=UNIANCOVA‬‬ ‫‪Variance=ANOVA‬‬
‫دو‬ ‫تعداد‬ ‫مستقل‬
‫‪Multivariate Analysis of Variance‬‬ ‫‪-‬‬
‫‪MANOVA=MANCOVA‬‬ ‫و بیشتر‬
‫‪-‬‬ ‫‪-‬‬ ‫یك‬ ‫تعداد‬

‫‪Repeated Measures Analysis of‬‬

‫دو‬ ‫وابسته‬
‫‪-‬‬
‫‪Variance‬‬ ‫)‪(GHMRM‬‬ ‫و بیشتر‬
‫انواع آزمونهای مقايسههای چندگانه تعقیبی‪ 61‬بعد از معنی دار بودن تفاوت میانگینها با آزمون ‪F‬‬

‫تحلیل واریانس نشان میدهد که آیا نمونهها متعلق به جامعه هستند یا خیر‪ .‬در صورتی که فرض صفر رد‬

‫شود‪ ،‬معلوم نیست که کدام یك از نمونه ها در کدام جامعه قرار دارند‪ .‬به عبارت دیگر‪ ،‬معنی دار شدن نسبت ‪F‬‬

‫به ما نمیگوید که اختالف بین کدام جفت از میانگینها معنی دار است‪ .‬بلکه با آماره ‪ ،F‬تنها میتوانیم پی ببریم‬

‫که اختالف بین میانگین گروهها معنی دار است‪.‬‬

‫‪14‬‬
‫‪. Post Hoc‬‬
 ‫‪061‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫در هنگام تحلیل واریانس و به عبارتی آزمون تفاوت میانگینها در بین سه گروه و بیشتر‪ ،‬عالوه بر آزمون‬

‫معنی داری این تفاوت میانگین ها‪ ،‬الزم است که به کیفیت این تفاوت نیز پی ببریم‪ .‬چرا که آشنایی با کیفیت این‬

‫تفاوت‪ ،‬نقش مهمی در آزمون فرضیه و تفسیر نتایج آن و همچنین در جمع بندی و ارائه راه کارها برای گزارش‬

‫دارد‪ .‬در نرم افزار ‪ ،SPSS‬هجده نوع آزمون مقایسه چندگانه تعریف شده که به کمك آنها میتوانیم چگونگی‬

‫تفاوت میانگین نمره گروهها از همدیگر را تشخیص دهیم‪ .‬هدف این آزمون ها‪ ،‬بررسی تفاوت دو به دو میانگیها‬

‫یا ترکیب خطی از آنها است‪.‬‬

‫مهمترین آزمونهای مقایسه چندگانه با فرض برابر واریانس ها‬

‫‪62‬‬
‫حداقل تفاوت معنی دار فیشر‬

‫این آزمون یکی از قدیمی ترین و قوی ترین آزمونها برای مقایسه پس از تجربه است‪ .‬در صورتی که تعداد‬

‫میانگینها از سه تا بیشتر نباشد‪ ،‬بهتر است از این آزمون استفاده شود‪ .‬اما اگر میانگینهای مورد مقایسه بیش از‬

‫سه مورد باشد‪ ،‬بهتر است سایر آزمونها مورد استفاده قرار گیرد‪ .‬این آزمون که به مقایسه ترکیب جفتی میپردازد‪،‬‬

‫معادل آزمونهای ‪ T‬با دو نمونه مستقل است که به صورت جداگانه بین تمامی جفتهای گروهها انجام میشود‪.‬‬

‫اما مزیت این آزمون این است که سعی نمیکند تا سطح معنی داری مشاهده شده و به عبارتی نرخ خطای نوع‬

‫اول را برای انجام ترکیبهای چندگانه تعدیل کند‪.‬‬

‫‪63‬‬
‫شفه‬

‫اگر قصد مقایسه میانگین گروههای با حجم نابرابر را داریم‪ ،‬روش شفه مناسب ترین آزمون است‪ .‬اما اشکال‬

‫عمده این روش‪ ،‬محتاطانه یا محافظه کارانه بودن آن است‪ .‬بدین معنی که چون آزمون شفه تمامی ترکیبهای‬

‫‪10‬‬
‫‪. LSD‬‬
‫‪12‬‬
‫‪. Scheffe‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪062‬‬

‫خطی احتمالی میانگی گروهها را آزمون میکند‪ ،‬بنابراین‪ ،‬در این آزمون صرفاً ترکیبهای جفتی آزمون نمیشوند‪.‬‬

‫در نتیجه آزمون شفه نسبت به سایر آزمونها محافظه کارتر است‪ .‬به همین خاطر‪ ،‬برای این که تفاوت بین‬

‫میانگینها معنی دار باشد‪ ،‬نیازمند میزان باالیی از این تفاوت هستیم‪.‬‬

‫‪64‬‬
‫توکی‬

‫این آزمون که به آزمونهای کمترین تفاوت راستین توکی و ای‪ .‬توکی نیز معروف است‪ ،‬از آماره طیف‬

‫استودنت شده برای تمامی مقایسههای جفتی بین گروهها استفاده کرده و نرخ خطای تجربی را با نرخ خطای‬

‫حاصل از جمع آوری برای تمامی مقایسههای جفتی هماهنگ میکند‪ .‬پیشنهاد میشود زمانی که قصد دارید تعداد‬

‫زیادی جفت میانگین را آزمون کنید‪ ،‬از آزمون توکی استفاده کنید‪ .‬از این آزمون امکان مقایسه فقط یك جفت‬

‫میانگین وجود دارد و این برآورد در شرایطی که حجم نمونهها مساوی باشد‪ ،‬مناسب تر است‪.‬‬

‫نحوه اجرا‬

‫‪ -4‬دستور …‪ Analyze->Compare Means->One-Way ANOVA‬را اجرا میکنیم‪.‬‬

‫‪11‬‬
‫‪. Tukey‬‬
 ‫‪065‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫‪ -0‬در پنجره ای که باز میشود‪ ،‬متغیر وابسته را وارد کادر ‪ Dependent List‬و متغیر مستقل یا عالم را که‬
‫مربوط به کدهای گروه بندی است‪ ،‬وارد کادر ‪ Factor‬میکنیم‪.‬‬

‫‪ -2‬دکمه …‪ Post Hoc‬را کلیك کرده و در پنجره ای که باز میشود‪ ،‬نوع آزمون مقایسه چندگانه را برحسب‬
‫اختیار انتخاب میکنیم‪.‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪066‬‬

‫‪ -1‬روی دکمه ‪ Option‬کلیك کرده و در پنجره ای که باز میشود‪ ،‬گزینههای ‪Homogeneity of variance‬‬

‫‪ test‬و ‪ Means Plot‬را انتخاب میکنیم‪ .‬سپس‪ ،‬دکمه ‪ Continue‬را کلیك میکنیم‪.‬‬

‫‪ -1‬روی دکمه ‪ Ok‬در پنجره اصلی دستور ‪ One-Way ANOVA‬کلیك میکنیم‪.‬‬

‫پس از اجرای دستور‪ ،‬نتایج آزمون ‪ F‬به صورت جداول و نمودار در خروجی ‪ SPSS‬ظاهر میشوند که برای‬

‫نتیجه گیری بهتر از آنها‪ ،‬باید مراحل زیر را رعایت کرد‪:‬‬

‫مرحله اول‪ :‬بیان معنی داری یا عدم معنی داری تفاوت بین میانگین ها‬

‫برای اولین مرحله تفسیر‪ ،‬باید به نتیجه سطح معنی داری (‪ )Sig.‬آزمون ‪ F‬در جدول آزمون فیشر نگاه میکنیم‪.‬‬

‫برای تفسیر نتیجه آزمون تحلیل واریانس مبنی بر معنی داری با عدم معنی داری تفاوت میانگین متغیر مورد بررسی‬

‫در بین گروه ها‪ ،‬باید بر ساسا معنی داری مقدار آزمون ‪ F‬عمل کنیم‪ .‬یعنی موقعی که سطح معنی داری آمزون ‪F‬‬
 ‫‪067‬‬ ‫فصل چهارم‪ :‬مقایسه میانگینها ‪‬‬

‫کوچکتر از ‪ 2/21‬باشد‪ ،‬در آن صورت فرض تفاوت میانگین گروهها تأیید و در مقابل فرض یکسانی آماری آنها‬

‫رد میشود‪ .‬بدین معنی که دست کم یکی از گروه ها‪ ،‬از نظر میانگین نمره مورد نظر با بقیه فرق دارد‪.‬‬

‫مرحله دوم‪ :‬بیان معنی داری یا عدم معنی داری تفاوت بین میانگینهای گروههای جفتی (انجام مقایسه‬

‫چندگانه)‬

‫مرحله دوم تفسیر نتایج آزمون ‪ ،F‬که در جدولی تحت عنوان ‪ Multiple Comparisons‬آمده‪ ،‬در ارائه گزارش‬

‫تحقیق توسط محققان اختیاری است‪ .‬طبق نتایج ستون پنجم این جدول‪ ،‬سطح معنی داری کوچکتر از ‪ 2/21‬روبه‬

‫روی هر جفت از گروهها نشان میدهد که تفاوت میانگین نمره موفقیت در بین دو گروه مورد نظر معنی دار‬

‫است‪ .‬اما چنانچه این سطح معنی داری از ‪ 2/21‬بزرگتر باشد‪ ،‬تفاوت میانگین بین دو گروه مورد نظر معنی دار‬

‫نمیباشد‪.‬‬

‫مرحله سوم‪ :‬بیان کیفیت تفاوت بین میانگین نمره در بین گروه ها‬
‫فصل پنجم‪ :‬آزمونهای‬

‫ناپارامتريك‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪071‬‬

‫مقدمه‬

‫برای آزمون فرضیههای تفاوتی‪ ،‬زمانی از آزمونهای ناپارامتری استفاده میشود که او ًال دادهها در سطح سنجش‬

‫اسمی و ترتیبی باشند‪ .‬ثانیاً‪ ،‬توزیع دادهها در جامعه‪ ،‬نرمال و یا نزدیك به نرمال نباشد‪ .‬تعداد آزمونهای ناپارامتری‬

‫جهت آزمون فرضیههای تفاوتی بسیار است‪ .‬در ادامه به مهم ترین این آزمونها اشاره میشود‪.‬‬

‫مقیاس داده‬
‫نوع آزمون مناسب‬ ‫وضعیت گروه ها‬ ‫تعداد گروه ها‬
‫ها‬

‫دو جمله ای‬ ‫‪-‬‬

‫عالمت‬ ‫یك گروه‬

‫وابسته‬
‫مك نمار‬ ‫اسمی‬

‫سه گروه و‬
‫کوکران‬ ‫وابسته‬
‫بیشتر‬

‫‪ 𝜒 2‬یك بعدی‪ /‬تك متغیره‬ ‫‪-‬‬

‫تك نمونه ای دورها‬ ‫‪-‬‬

‫یك گروه‬
‫کولموگروف ـ اسمیرنوف تك‬ ‫ترتیبی‬
‫‪-‬‬
‫نمونه ای‬

‫یومن ـ ویتنی‬ ‫مستقل‬ ‫دو گروه‬

 ‫‪070‬‬ ‫فصل پنجم‪ :‬آزمونهای ناپارامتریک ‪‬‬

‫کولموگروف ـ اسمیرنوف دو نمونه‬

‫ای‬

‫دورهای والد ـ ولفوویتز‬

‫موزش برای واکنشهای حاد‬

‫ویل کاکسون‬ ‫وابسته‬

‫کروسکال والیس‬
‫مستقل‬
‫میانه‬ ‫سه گروه و‬

‫فریدمن‬ ‫همبسته‬ ‫بیشتر‬

‫رتبههای دبلیو کندال‬ ‫وابسته‬

‫آزمونهای ناپارامتری برای يك گروه‬

‫آزمونهای آمرای ناپارامتری برای یك گروه‪ ،‬شامل آزمونهایی است که با استفاده از آنها قصد داریم توزیع‬

‫مشاهده شده در یك جامعه را با توزیع نظری آن مقایسه کنیم‪ .‬به عبارتی‪ ،‬هدف این آزمون ها‪ ،‬مقایسه مقدار‬

‫مشاهده شده میانه در یك جامعه با مقدار نظری آن است‪ .‬این آزمونها شامل چهار آزمون زیر میباشند‪:‬‬

‫‪ -4‬آزمون دو جمله ای یا نسبت (‪)Binomial Test‬‬

‫‪ -0‬آزمون تك نمونه ای دورها (‪)One Sample Runs Test‬‬
‫‪ -2‬آزمون ‪ 𝜒 2‬یك بعدی‪ ،‬تك متغیر یا نکوئی برازش (‪)Chi-Square Test‬‬
‫‪ -1‬آمون کولموگروف ـ اسمیرنوف تك نمونه ای (‪)One-Sample Kolomogorov-Smirnov Test‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪071‬‬

‫‪65‬‬
‫آزمون دو جمله ای‪ /‬نسبت‬

‫در برخی از فرضیه ها‪ ،‬با متغیرهایی سروکار داریم که دووجهی هستند‪ .‬یعنی دو مقله یا طبقه دارند و درصددیم‬

‫تا نسبت این مقوله ها و طبقات را با همدیگر و با توجه به یك نسبت فرضی مقایسه کنیم‪ .‬سنجش نسبت افراد‬

‫شرکت کننده در انتخابات و نسبت افرادی که در انتخابات شرکت نمیکنند‪ ،‬مقایسه نسبت فوق به تولد نوزدان‬

‫تازه متولد شده در بیمارستان‪ ،‬مقایسه نسبت افراد عضور و غیر عضو سازمانهای غیردولتی و‪ ...‬نمونههایی از‬

‫مواردی هستند که میتوان برای آزمون این فرضیهها از طریق ‪ ،SPSS‬از آزمون ناپارامتری دوجمله ای استفاده‬

‫کرد‪ .‬آزمون دو جمله ای مشخص میکند که آیا نسبت مشاهده شده با نسبت مفروض فرق دارد یا خیر یکسان‬

‫است؟ بنابراین در این آزمون با دو نسبت مواجه ایم‪:‬‬

‫‪ -4‬نسبت مشاهده شده‪ :‬نسبتی از پاسخگویان را که در هر طبقه مشاهده شده است‪ ،‬نشان میدهد‪.‬‬
‫‪ -0‬نسبت مفروض‪ :‬نستبی از پاسخگویان را که فرض بر احتمال وجود آنها در هر طبقه میباشد‪ ،‬نشان میدهد‪.‬‬

‫پیش فرض ها‬

‫‪ -4‬توزیع دووجهی‪ :‬متغیر مورد آزمون حتماً باید دووجهی یا دوارزشی باشد‪ ،‬طوری که دوارزش باشد‪ ،‬طوری‬
‫که دوارزش آن برای تمامی پاسخگویان‪ ،‬به طور متقابل جامع و مانع باشند‪ .‬یعنی هم این که هر پاسخگویی‬
‫در یکی از طبقات قرار بگیرد و هم اینکه هیچ پاسخگویی در هر دو طبقه وجود نداشته باشد‪.‬‬
‫‪ -0‬توزیع داده ها‪ :‬آزمون دوجمله ای یك آزمون ناپارامتری است که به مانند تمامی آزمونهای این دسته‪ ،‬فاقد‬
‫فرض توزیع نرمال میباشد‪.‬‬
‫‪ -2‬نمونه گیری تصادفی‪ :‬در آزمون دوجمله ای‪ ،‬مانند تمامی آزمونهای معنی داری‪ ،‬فرض بر این است که‬
‫نمونهها به صورت تصادفی انتخاب شده اند‪.‬‬

‫‪11‬‬
‫‪. Binomial Test‬‬
 ‫‪071‬‬ ‫فصل پنجم‪ :‬آزمونهای ناپارامتریک ‪‬‬

‫نکته‪ :‬از آنجا که آزمون دوجمله ای‪ ،‬نسبت مشاهده شده را با یك نسبت مفروض مقایسه میکند‪ ،‬بنابراین الزم‬

‫است که این نسبت مفروض را بدانیم‪ .‬نسبت مفروض‪ ،‬در واقع همان نسبتی از پاسخگویان میباشد که با توجه‬

‫به فرضیه تحقیق‪ ،‬فرض شده این نسبت باید در میان پاسخگویان وجود داشته باشد تا فرضیه ما تأیید شود و در‬

‫صورت عدم وقوع چنین نسبتی از نمونه در نسبت مشاهده شده‪ ،‬فرضیه رد میشود‪ .‬البته گاهی محققان این نسبت‬

‫را با فرض این که هیچ گونه ارجحیتی برای نسبتهای مشاهده شده و مفروض وجود ندارد‪ ،‬به صورت برابر و‬

‫معادل ‪ 2/12‬در نظر میگیرد‪ .‬یعنی فرضیه خود را به صورت تفاوتی مطرح کرده و برتری هیچ نسبتی را در فرضیه‬

‫مشخص نمیکنند‪ .‬ولی چنانچه بنا داریم‪ ،‬نسبت مفروض را مشخص کنیم‪ ،‬حداقل نسبت مفروض را برابر ‪2/12‬‬

‫در نظر بگیریم‪ .‬با این کار‪ ،‬فرض میکنیم که نسبت ‪ 2/12‬از نمونه تحقیق در طبقه مورد نظرمان قرار گرفته اند و‬

‫در مقابل ‪ 2/12‬از آنها در طبقه دیگر‪.‬‬

‫آنگاه نسبت مفروض را در کادر مربوطه نوشته و آزمون مورد نظر را اجرا میکنیم‪ .‬پس از اجرای این آزمون‪،‬‬

‫مقدار معنی داری کوچکتر از ‪ 2/21‬نشان میدهد که توزیع مشاهده شده با توزیع مفروض متفاوت است و‬

‫برعکس‪ ،‬مقدار معنی داری بزرگتر از ‪ 2/21‬نشان میدهد که توزیع مشاهده شده تفاوتی با توزیع مفروض ندارد‬

‫و توزیع آنها برابر است‪.‬‬

‫در هنگام تفسیر نتایج این آزمون عالوه بر مشاهده معنی داری تفاوت در سطح کوچکتر از ‪ 2/21‬یا ‪2/24‬‬ ‫‪‬‬
‫باید تعیین کنیم که آیا تفاوت نسبتها (نسبت مشاهده شده با نسبت مفروض) در راستای فرضیه تحقیق است یا‬

‫خیر؟ یعنی آیا نسبت مفروض بزرگتر از نسبت مشاهده شده است یا نه‪ ،‬کوچکتر از آن؟ مقایسه نسبت مشاهده‬

‫شده با نسبت مفروض‪ ،‬این مهم را امکان پذیر میکند‪ .‬در اینجا دو حالت وجود دارد‪ .‬البته این دو حالت بستگی‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪072‬‬

‫به نوع فرضیه و پاسخی که برای سؤال تحقیق انتخاب میکنیم‪ ،‬دارد‪ .‬اگر فرض کنیم که فرضیه ما به صورت منفی‬

‫و در راستای ارزشهای پایین تر مطرح شده باشد و نه به صورت مثبت‪ .‬دو حالت مورد نظر بدین قرار میباشند‪:‬‬

‫‪ )4‬چنا نچه نسبت مشاهده شده از نسبت مفروض بزرگتر بود‪ ،‬در آن صورت نتیجه میگیریم که فرض ‪𝐻1‬‬

‫تأیید و در مقابل فرض ‪ 𝐻0‬رد میشود‪.‬‬

‫‪ )0‬چنانچه نسبت مشاهده شده از نسبت مفروض کوچکتر بود‪ ،‬در آن صورت نتیجه میگیریم که فرض ‪𝐻1‬‬

‫رد و در مقابل فرض ‪ 𝐻0‬تأیید میشود‪.‬‬

‫در تفسیر نتایج این آزمون باید دقت کرد که‪ :‬اوالً‪ ،‬تفاوت وجود دارد یا خیر؟ و ثانیاً‪ ،‬این تفاوت در‬ ‫‪‬‬
‫راستای فرض هست یا خالف آن؟‬

‫نحوه اجرا‬

‫‪ -4‬دستور …‪ Analyze-> Nonparametric Test -> Legacy Dialogs-> Binomial‬را اجرا میکنیم‪.‬‬

‫‪ -0‬متغیر مورد آزمون را وارد کادر ‪ Test Variable List‬در سمت راست میکنیم‪ .‬در کادر ‪،Test Proportion‬‬
‫نسبت آزمون را تایپ میکنیم‪.‬‬
 ‫‪075‬‬ ‫فصل پنجم‪ :‬آزمونهای ناپارامتریک ‪‬‬

‫‪ -2‬دکمه ‪ Ok‬را کلیك میکنیم‪.‬‬

‫‪66‬‬
‫آزمون تك نمونه ای دورها‬

‫آزمون تك نمونه ای دورها از جمله آزمونهای ناپارامتری است و زمانی به کار میرود که بخواهیم توالی دو‬

‫مقدار از یك متغیر را آزمون کنیم که آیا این توالی تصادفی است یا نه‪ .‬در این آزمون‪ ،‬یك دور‪ ،‬یك توالی از‬

‫مشاهدات مشابه می باشد‪ .‬بنابراین‪ ،‬هر چه تعداد دورهای یك نمونه بسیار زیاد یا بسیار کم باشد‪ ،‬توالی دورها‬

‫تصادفی نخواهد بود‪.‬‬

‫در واقع‪ ،‬ضعف آزمون ‪ 𝜒 2‬و یا آزمونهای دیگر که در آنها توالی متغیرها بی اهمیت است‪ ،‬در این آزمون همه‬

‫و اصل انگاشته میشود‪ .‬آزمون دورها تنها آزمونی است که میتواند توالی دورها را نشان داده و هیچ آزمون‬

‫دیگری همچون این آزمون نمیتواند توالی را مورد نظر قرار دهد‪ .‬بنابراین‪ ،‬آزمون دورها برای این منظور منحصر‬

‫به فرد میباشد‪.‬‬

‫نحوه اجرا‬

‫‪ -4‬دستور …‪ Analyze-> Nonparametric Tests-> Legacy Dialogs-> Runs‬را اجرا میکنیم‪.‬‬

‫‪11‬‬
‫‪. One-Sample Runs Test‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪076‬‬

‫‪ -0‬متغیر مربوطه را وارد کادر ‪ Test Variable List‬در سمت راست میکنیم‪ .‬در قسمت پایین پنجره سمت‬
‫چپ‪ ،‬در کادر ‪ ،Cut Point‬حالت ‪ Median‬را غیرفعال و حالت ‪ Mean‬را انتخاب میکنیم‪.‬‬

‫‪ -2‬بر روی دکمه …‪ Options‬کلیك و سپس گزینه ‪ Descriptive‬را انتخاب میکنیم‪.‬‬

 ‫‪077‬‬ ‫فصل پنجم‪ :‬آزمونهای ناپارامتریک ‪‬‬

‫‪ -1‬دکمه ‪ Ok‬را کلیك میکنیم‪.‬‬

‫‪67‬‬
‫آزمون ‪ 𝜒 2‬يك بعدی‪ ،‬تك متغیره‪ /‬نکويی برازش‬

‫آزمون ‪ 𝜒 2‬تك متغیره‪ ،‬که همراه با آزمون کولموگروف اسمیرنف تك نمونه ای به آزمون نکویی برازش‬

‫معروف است‪ ،‬از پرکابردترین آزمونها در تحقیقات رشتههای علوم تربیتی و مدیریت میباشد‪ .‬این آزمون برای‬

‫فرضیههایی به کار میرود که در آن محقق از یك مغیر ترتیبی برای تنظیم فرضیه استفاده کرده است‪ .‬این‬

‫آزمون‪،‬اولین آزمون ناپارامتری در نرم افزار آماری ‪ ،SPSS‬آزمون کای اسکوئر تك متغیره یا تك سؤالی است‪.‬‬

‫هدف اصلی این آزمون‪ ،‬مقایسه فراوانی مشاهده شده با فراوانیهای مورد انتظار‪ ،‬به ویژه از طریق مقادیر و‬

‫فراوانیهای باقیمانده است‪ .‬به عبارتی‪ ،‬آزمون کای اسکوئر از طریق مقایسه این دو فراوانی (مشاهده شده و مورد‬

‫انتظار) با یکدیگر‪ ،‬به آزمون فرضیه تحقیق میپردازد‪.‬‬

‫‪ ‬برای استفاده از آزمون ‪ 𝜒 2‬تك متغیره‪ ،‬باید فراوانیهای مورد انتظار از قبل مشخص شده باشد‪ ،‬که معمو ًال‬

‫نیز برای انجام این کار‪ ،‬توزیع فراوانیهای مشاهده شده را با یك توزیع نظری (مثالً توزیع نرمال) مقایسه میکنیم‪.‬‬

‫البته گاهی هم میتوانیم فراوانیهای مورد انظار تمامی طبقات را به صورت دستی مشخص‪ ،‬و در هنگام اجرای‬

‫دستور وارد کنیم‪ .‬تفاوت این دو فراوانی‪ ،‬نشان از تفاوت بین اینها در متغیر مورد مطالعه دارد‪.‬‬

‫‪12‬‬
‫‪. Chi Square‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪078‬‬

‫آزمون کای اسکوئر تك متغیر دو معادل دارد‪:‬‬

‫‪ )4‬آزمون پارامتری ‪ T‬تك نمونه ای (‪ )One-Sample T Test‬که برای فرضیههای تفاوتی با متغیرهای در سطح‬
‫سنجش فاصله ای‪/‬نسبی به کار میرود‪.‬‬
‫‪ )0‬آزمون ناپارامتری دوجمله ای (‪ )Binomial Test‬که برای فرضیههای تفاوتی با متغیرهای در سطح سنجش‬
‫اسمی دو وجهی به کار میرود‪.‬‬

‫پیش فرض ها‬

‫‪ -4‬مقیاس دادهها باید در سطح ترتیبی باشد‪.‬‬

‫‪ -0‬اجرای این آزمون نیازی به نرمال بودن توزیع دادهها ندارد‪.‬‬
‫‪ -2‬دادهها از یك نمونه تصادفی انتخاب شده اند‪.‬‬
‫‪ -1‬فراوانیهای مورد انتظار تمامی طبقات باید حداقل برابر با عدد (‪ )4‬باشد‪.‬‬
‫‪ -1‬بیش از ‪ 02‬درصد فراوانیهای مورد انتظار خانههای جدول نباید کوچکتر از عدد ‪ 1‬باشد‪.‬‬

‫مالحظات مهم در تفسیر نتايج آزمون ‪ 𝜒 2‬تك متغیره‬

‫در نتیجه گیری از آزمون ‪ ،𝜒 2‬هر گاه مقدار آزمون در سطح خطای کوچکتر از ‪ 2/21‬معنی باشد‪ ،‬نتیجه میگیریم‬

‫که توزیع مشاهده شده و مورد انتظار متغیر متفاوت است‪.‬‬

‫در تفسیر این آزمون‪ ،‬باید مراحل زیر را رعایت کرد‪:‬‬

‫‪ -4‬بیان معنی داری یاعدم معنی داری تفاوت بین دو توزیع مشاهده شده و مورد انتظار متغیر مورد نظر از‬
‫روی معنی داری مقدار کای اسکوئر آمده در جدول مربوطه (جدول دوم)‪.‬‬
‫‪ -0‬بیان رد یا اثبات فرض ‪ 𝐻1‬و ‪ 𝐻0‬از یك طرف با توجه به نحوه تفاوت بین فراوانیهای مشاهده شده با‬
‫فراوانی های مورد انتظار‪ ،‬و از طرف دیگر با توجه به هت تفاوت این دو فراوانی ها‪ .‬در انجام این کار‪،‬‬
‫استفاده از مقادیر باقیمانده میتواند کمك زیادی نماید‪.‬‬
 ‫‪079‬‬ ‫فصل پنجم‪ :‬آزمونهای ناپارامتریک ‪‬‬

‫درجه آزادی در این آزمون‪ ،‬برابر است با تعداد مقادیر مورد انتظار که میتوانند قبل از اینکه سایر مقادیر به‬

‫طور کامل تعیین شوند‪ ،‬متفاوت باشند‪ .‬به عبارتی‪ ،‬در این آزمون‪ ،‬مقدار درجه آزادی برابر است با تعداد ردیفها‬

‫(در واقع‪ ،‬تعداد طبقات و مقوله ها) منهای یك‪.‬‬

‫‪ = 𝑑𝑓 = 𝑘 − 1‬درجه آزادی‬

‫نحوه اجرا‬

‫‪ -4‬دستور …‪ Analyze->Nonparametric Test->Legacy Dialog->Chi-Square‬را اجرا میکنیم‪.‬‬

‫‪ -0‬در پنجره ای که باز می شود‪ ،‬متغیر مورد نظر را از کادر سمت چپ انتخاب و با دو بار کلیك وارد کادر‬
‫سمت راست میکنیم‪ .‬گزینه ‪ All categories equal‬به صورت پیش گزیده فعال است‪( .‬حتی میتوانیم‬
‫به طور انتخابی با فعال کردن گزینه ‪ ،Value‬فراوانی مورد انتظار تمامی طبقات را تعریف کنیم)‪ .‬همچنین‬
‫میتوانیم از قسمت ‪ ،Options‬گزینههای ‪ Descriptive‬و ‪ Quartiles‬را از قسمت ‪ Statistics‬و نحوه‬
‫برخورد با مقادیر گشمده را از قسمت ‪ Missing Values‬انتخاب کنیم‪.‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪081‬‬

‫‪ -2‬دکمه ‪ Ok‬را کلیك میکنیم‪.‬‬

‫‪ ‬در نرم افزار ‪ SPSS‬در قسمت ‪ ،Expected Values‬میتوانیم فراوانیهای مورد انتظار را به دو صورت‬

‫تعریف کنیم‪:‬‬

‫‪ -4‬حالت برابر‪ :‬در این حالت خود نرم افزار فراوانیهای هر طبقه را برابر در نظر میگیرد (در قسمت ‪All‬‬

‫‪ .)categories equal‬در این روش‪ ،‬فراوانیهای مورد انتظار برای هر طبقه‪ ،‬از تقسیم تعداد کل فراوانیها‬
‫(‪ )N‬بر تعداد طبقات متغیر به دست میآید‪.‬‬
‫‪ -0‬حالت نابرابر‪ :‬در این حالت‪ ،‬خودمان براساس یك مبنای نظری میتوانیم فراوانیهای مورد انتظار هر طبقه‬
‫را به صورت دستی و نابرابر تعریف کنیم (در قسمت ‪ .)Values‬یعنی فراوانیهای آنها بیشتر و یا کمتر از‬
‫بقیه باشد‪ ،‬مشخص میکنیم‪.‬‬
‫با اجرای دستور باال‪ ،‬شاهد نتایج دستور کای اسکوئر تك متغیره به صورت زیر خواهیم بود که برای تفسیر‬

‫نتایج آزمون کای اسکوئر‪ ،‬باید بدین شیوه عمل کرد‪:‬‬

‫‪ -4‬چون در اجرای آزمون‪ ،‬فراوانیهای مورد انتظار تمامی دستهها را برابر فرض کرده ایم‪ ،‬بنابراین در اینجا‬
‫نیز‪ SPSS ،‬آنها را برای تمامی طبقات برابر آورده است‪ .‬این فراوانی مورد انتظار‪ ،‬از تقسیم تعداد کل‬
‫فراوانی (‪ )N‬بر تعداد طبقات به دست میآید‪.‬‬
 ‫‪080‬‬ ‫فصل پنجم‪ :‬آزمونهای ناپارامتریک ‪‬‬

‫‪ -0‬با توجه به مقدار کای اسکوئر تفاوت معنی دار بین فراوانیهای مشاهده شده و فراوانیهای مورد انتظار‬
‫براساس سطح معنی داری کوچك تر از ‪ ،2/24‬تفاوت بین این دو نسبت از لحاظ آماری معنی دار میباشد‪.‬‬
‫اما این تفاوت نشان بر تأیید و یا رد فرضهای ‪ 𝐻0‬یا ‪ 𝐻1‬نمیباشد‪.‬‬
‫‪ -2‬از آنجا که فرضیه تحقیق بر پایه میزان‬
‫‪68‬‬
‫آزمون کولموگروف ـ اسمیرنوف تك نمونه ای‬

‫می دانیم که فرمول ‪ 𝜒 2‬تك متغیره وقتی صدق است که فراوانیهای مورد انتظار بیش از ‪ 02‬درصد خانههای‬

‫جدول کمتر از ‪ 1‬نباشد‪ .‬بنابراین‪ ،‬وقتی که فراوانیهای مورد انتظار بیش از ‪ 02‬درصد خانهها کمتر از ‪ 1‬باشد‪،‬‬

‫دیگر فرمول ‪ 𝜒 2‬صادق نیست‪ .‬این مسئله اغلب در صورتی اتفاق میافتد که حداقل حجم نمونه کوچکتر از ‪12‬‬

‫باشد‪ .‬به سخن دیگر‪ ،‬موقعی که حجم نمونه کوچکتر از ‪ 12‬باشد‪ ،‬امکان این که فراوانیهای مورد انتظار بیش از‬

‫‪ 02‬درصد خانههای جدول کمتر از ‪ 12‬باشد‪ ،‬امکان اینکه فراوانیهای مورد انتظار بیش از ‪ 02‬درصد خانههای‬

‫جدول کمتر از ‪ 1‬باشد‪ ،‬وجود دارد‪ .‬در چنین حالتی‪ ،‬به جای آزمون ‪ ،𝜒 2‬از آزمون تك نمونه ای کولموگروف ـ‬

‫اسمیرنوف استفاده میشود‪ .‬از طرفی‪ ،‬به همین دلیل است که از این آزمون به عنوان آزمونی برای نکوئی برازش‬

‫نیز استفاده میشود‪ .‬در واقع‪ ،‬دو آزمون کولموگروف ـ اسمیرنف تك نمونه ای و ‪ 𝜒 2‬تك متغیره‪ ،‬آزمونهایی‬

‫هستند که از آنها به عنوان آزمونهای نکوئی برازش یاد میشود‪.‬‬

‫آزمون کولموگروف ـ اسمیرنوف تك نمونه ای به مقایسه تابع توزیع تجمعی مشاهده شده با تابع توزیع‬

‫تجمعی نظری (مورد انتظار) در یك متغیر ترتیبی میپردازد‪ .‬به عبارتی‪ ،‬در این آزمون‪ ،‬توزیع یك صفت در یك‬

‫نمونه با توزیعی که برای آن جامعه مفروض است‪ ،‬مقایسه میشود‪ .‬این آزمون ناپارامتری و بدون توزیع است‪ .‬اما‬

‫‪11‬‬
‫‪, One Sample Kolmogorov Smirnov Test‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪081‬‬

‫باید توزیع متغیر در جامعه برای هر یك از رتبههای مقیاس رتبه ای در جامعه به طور نسبی در نظر گرفته شود‬

‫که آن را نسبت مورد انتظار مینامند‪.‬‬

‫‪ =𝐻0‬توزیع رتبه بندی در نمونه هم قواره یا یکسان است‪.‬‬

‫‪ =𝐻1‬توزیع رتبه بندی در نمونه هم قواره یا یکسان نیست‪.‬‬

‫در تفسیر نتایج آزمون‪ ،‬چنانچه مقدار معنی داری از ‪ 2/21‬بیشتر باشد‪ ،‬در آن صورت توزیع مشاهده شده با‬

‫توزیع نظری یکسان است و تفاوتی بین این دو وجود ندارد‪ .‬یعنی توزیع به دست آمده به توزیع نرمال نزدیکتر‬

‫است‪ .‬اما چنانچه مقدار معنی داری از ‪ 2/21‬کوچکتر باشد‪ ،‬آنگاه توزیع مشاهده شده با توزیع نظری متفاوت‬

‫است‪ .‬یعنی توزیع فوق یك توزیع نرمال نبوده و در نتیجه برای تحلیل بیشتر آن‪ ،‬باید از آزمونهای ناپارامتری‬

‫مناسب استفاده کنیم‪.‬‬

‫نحوه اجرا‬

‫‪ -4‬دستور …‪ Analyze -> Nonparametric Tests -> 1-Sample K-S‬را اجرا میکنیم‪.‬‬
 ‫‪081‬‬ ‫فصل پنجم‪ :‬آزمونهای ناپارامتریک ‪‬‬

‫‪ -0‬متغیر مورد نظر را وارد کادر ‪ Test Variable List‬در سمت راست کرده و سپس در قسمت پایین پنجره‬
‫سمت چپ‪ ،‬در کادر ‪ ،Test Distribution‬حالت ‪ Normal‬را انتخاب میکنیم‪.‬‬

‫‪ -2‬بر روی دکمه …‪ Option‬کلیك و سپس گزینه ‪ Descriptive‬را انتخاب میکنیم‪.‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪082‬‬

‫‪ -1‬دکمه ‪ Ok‬را کلیك میکنیم‪.‬‬

‫با اجرای آزمون کولموگروف ـ اسمیرنوف نتایج زیر را در قسمت خروجی خواهیم داشت که برای نتیجه‬

‫گیری از این نتایج باید به مالحظات زیر توجه کنیم‪.‬‬

‫آزمونهای ناپارامتری برای دو گروه مستقل‬

‫برای آزمون فرضیههای تفاوتی ناپارامتری‪ ،‬میتوانیم از چهار آزمون زیر استفاده کنیم‪:‬‬

‫‪ -4‬آزمون یومن ـ ویتنی (‪)Mann-Whitney U Test‬‬

‫‪ -0‬آزمون کولموگروف ـ اسمیرنف دو نمونه (‪)Two-Sample K.S. Test‬‬
‫‪69‬‬
‫آزمون يومن ‪ -‬ويتنی‬

‫هرگه دو نمونه مستقل از جامعه ای مفروض باشد و متغیرهای آنها به صورت ترتیبی باشند‪ ،‬آزمون یومن ـ‬

‫ویتنی استفاده میشود‪ .‬این آزمون مشابه ‪ T‬استیودنت با دو نمونه مستقل است و معادل ناپارامتری آن محسوب‬

‫میشود‪ .‬در این آزمون فرض نمیشود که توزیع دو جامعه نرمال است‪ .‬دو نمونه مستقل از جامعههایی با توزیع‬

‫مشابه و احتماالً متفاوت از حیث میانه انتخاب میشود‪.‬‬

‫چگونگی انجام آزمون بدین شکل است که ابتدا مقادیر موجود را به صورت یك جا و بدون توجه به جامعه‬

‫ای که مقادیر به آن تعلق دارند‪ ،‬رتبه بندی میکنیم‪ .‬یعنی نمونهها را روی هم ریخته و به آنها رتبه میدهیم‪ .‬سپس‬

‫‪11‬‬
‫‪. Mann-Whitney U Test‬‬
 ‫‪085‬‬ ‫فصل پنجم‪ :‬آزمونهای ناپارامتریک ‪‬‬

‫مجموع رتبه هی اختصاص یافته به هر یك از دو جامعه (گروه) را به طور جداگانه به دست میآوریم‪ .‬معمو ًال‬

‫گروه کوچکتر (جامعه ای که حجم آن کمتر است) را با اندیس یك و گروه بزرگتر را با اندیس ‪ 0‬نشان میدهیم‪.‬‬

‫بنابراین مجموع رتبههای گروه کوچکتر را با ‪ 𝑅1‬و مجموع رتبههای گره بزرگتر را با ‪ 𝑅2‬نشان میدهیم‪ .‬البته‬

‫معموالً تنها محاسبه ‪ 𝑅1‬الزامی بوده و نیازی به محاسبه ‪ 𝑅2‬نمیباشد‪.‬‬

‫پیش فرض ها‬

‫‪ -4‬هرگاه شرایط استفاده از آزمونهای پارامتری ‪ T‬با دو نمونه مستقل در متغیرها موجود نباشد‪ ،‬یعنی متغیرها‬
‫پیوسته و نرمال نباشند‪ ،‬از این آزمون استفاده میکنیم‪.‬‬
‫‪ -0‬دو نمونه باید مستقل و حجم هر دو کوچکتر از ‪ 02‬مورد باشد‪.‬‬
‫‪ -2‬در صورتی که حجم نمونهها بزرگتر از ‪ 02‬مورد باشد‪ ،‬توزیع نمونهها به توزیع نرمال نزدیك میشود‪.‬‬
‫بنابراین‪ ،‬برای تفسیر آن‪ ،‬باید ابتدا دادهها را طبق فرمول ‪ U‬و یا ‪ ،Z‬به توزیع نرمال تبدیل کنیم و سپس‬
‫مانند آزمون نرمال تفسیر کنیم‪ ،‬یعنی با ‪ 1‬درصد خطا و با عدد ‪.4/11‬‬
‫‪ ‬تفسیر نتیجه آزمون یومن ـ ویتنی برخالف آزمونهای دیگر است‪ .‬بدین معنی که در این آزمون‪ ،‬اگر مقدار‬

‫آماره محاسبه شده کوچکتر از جدول باشد‪ ،‬فرض ‪ 𝐻1‬مورد قبول است‪ .‬یعنی هر چه مقدار ‪ W‬کوچکتر باشد‪،‬‬

‫گواه قوی تری برای رد فرض ‪ 𝐻0‬است‪ .‬در حالی که در آزمونهای دیگر‪ ،‬اگر مقدار آماره محاسبه شده بزرگتر‬

‫از مقدار آماره جدول باشد‪ ،‬فرض ‪ 𝐻1‬مورد قبول و فرض ‪ 𝐻0‬رد است‪.‬‬

‫نحوه اجرا‬

‫‪ -4‬دستور …‪ Analyze -> Nonparametric T Test -> 2 Independent Samples‬را اجرا میکنیم‪.‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪086‬‬

‫‪ -0‬متغیر مورد نظر را وارد کادر ‪ Test Variable List‬و متغیر گروه بندی را وارد کادر ‪Grouping Variable‬‬

‫میکنیم‪ .‬در کادر ‪ ،Test Type‬آزمون ‪ Mann-Whitney U‬را انتخاب میکنیم‪( .‬البته این آزمون به صورت‬
‫پیش گزیده توسط نرم افزار انتخاب شده است)‬
 ‫‪087‬‬ ‫فصل پنجم‪ :‬آزمونهای ناپارامتریک ‪‬‬

‫‪ -2‬روی دکمه …‪ Define Groups‬کلیك میکنیم‪ .‬در پنجره ای که باز میشود‪ ،‬روبروی ‪ Group1‬عدد ‪ 4‬و‬
‫روبروی ‪ Group2‬عدد ‪ 0‬را تایپ میکنیم‪ .‬سپس دکمه ‪ Continue‬را کلیك میکنیم‪.‬‬

‫‪ -1‬در پنجره اصلی‪ ،‬بر روی دکمه ‪ Ok‬کلیك میکنیم‪.‬‬

‫اجرای آزمون یومن ـ ویتنی براساس دستور فوق‪ ،‬نتایج زیر را در بر دارد در تفسیر این نتایج‪ ،‬باید به موارد‬

‫زیر توجه نمود‪:‬‬

‫‪ -4‬بیان معنی داری یا عدم معنی داری تفاوت متغیر مورد نظر در بین دو گروه‬
‫‪ -0‬بیان کیفیت تفاوت متغیر مورد نظر در بین دو گروه‬
‫‪70‬‬
‫آزمون کولموگروف – اسمیرنف دو نمونه ای‬

‫این آزمون در مواقع به کار میرود میرود که دو نمونه داشته باشیم و بخواهیم اندازه بین این دو نمونه را با‬

‫هم مقایسه کنیم‪ .‬در واقع این آزمون به ارزیابی هم قوارگی متغیرهای رتبه ای در دو نمونه مستقل و یا غیر مستقل‬

‫میپردازد‪ .‬آزمون کولموگروف ـ اسمیرنف با مقایسه توابع توزیع تجمعی یك متغیر در بین دو گروه‪ ،‬به شناسایی‬

‫تفاوت تابع این دو گروه به لحاظ شکل یا موقعیت میپردازد‪ .‬در این آزمون‪ ،‬چنانچه مقدار معنی داری از ‪2/21‬‬

‫کوچکتر باشد‪ ،‬نشان گر آن است که و گروه مورد مقایسه یا از نظر شکل و یا از نظر محل با هم تفاوت دارند‪.‬‬

‫نحوه اجرا‬

‫‪ -4‬دستور …‪ Analyze-> Nonparametric Test-> 2 Independent Samples‬را اجرا میکنیم‪.‬‬

‫‪22‬‬
‫‪. Two Samples Kalmogorov SMiranov Test‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪088‬‬

‫‪ -0‬متغیر مورد نظر را در کادر )‪ Test Variable(s‬وارد کرده و سپس متغیر گروه بندی شده را وارد کادر‬
‫‪ Grouping Variable‬میکنیم‪ .‬در پنجره اصلی‪ ،‬در قسمت پایین سمت میانی‪ ،‬در کادر ‪،Test Type‬‬
‫آزمون ‪ Colmogorov-Smirnov Z‬را انتخاب میکنیم‪.‬‬
‫‪ -2‬روی دکمه …‪ Define Groups‬کلیك میکنیم‪ .‬در پنجره ای که باز میشود‪ ،‬روبروی ‪ Group1‬عدد ‪ 4‬و‬
‫روبروی ‪ Group2‬عدد ‪ 0‬را تایپ کرده و پس از آن دکمه ‪ Continue‬را کلیك میکنیم‪.‬‬
‫‪ -1‬دکمه ‪ Ok‬را کلیك میکنیم‪.‬‬
‫پس از اجرای آزمون کولموگروف ـ اسمیرنف دو نمونه ای‪ ،‬نتایج آن به صورت جدول خروجی زیر ظاهر‬

‫خواهد شد‪ .‬خروجی اول‪ ،‬فراوانی پاسخگویان را به تفکیك دو گروه نشان میدهد‪.‬‬

‫خروجی دوم دستور کولموگروف ـ اسمیرنف مهمترین خروجی آن است که جدول بعدی نتایج آن را نشان‬

‫میدهد‪ .‬برای نتیجه گیری بهتر از این خروجی‪ ،‬میتوان مالحظات زیر را رعایت کرد‪:‬‬

‫‪ -4‬ابتدا برای پی بردن به این موضوع که آیا فرضیه تحقیق تأیید یا اثبات شده است‪ ،‬باید به نتایج جدول ‪Test‬‬

‫‪ Statistics‬اشاره میکنیم‪ .‬براساس نتایج این جدول‪..................... ،‬‬

‫‪ -0‬اما در مرحله دوم برای پی بردن به این قضیه که ‪ ........................‬باید از آماره ‪( D‬قدر مطلق بیشترین‬
‫تفاوت) استفاده میکنیم‪ .‬با استناد به نتایج این جدول ‪.......................‬‬
‫‪71‬‬
‫آزمون کروسکال والیس‬

‫این آزمون معادل ناپارامتری آزمون تحلیل واریانس یك طرفه (‪ F‬یا ‪ )ANOVA‬است و همانند این آزمون‪،‬‬

‫موقعی به کار میرود که تعداد گروهها بیش از ‪ 0‬باشد‪ .‬مقیاس اندازه گیری در کروسکال والیس حداقل باید‬

‫ترتیبی باشد‪ .‬این آزمون برای مقایسه میانگینهای بیش از دو نمونه رتبه ای (و یا فاصله ای) به کار میرود‪.‬‬

‫فرضیهها در این آزمون بدون جهت است‪ ،‬یعنی فقط تفاوت را نشان میدهد و جهت بزرگتر یا کوچکتر بودن‬

‫‪24‬‬
‫‪. Kruskal-Wallis or K-W Test‬‬
 ‫‪089‬‬ ‫فصل پنجم‪ :‬آزمونهای ناپارامتریک ‪‬‬

‫گروهها را از نظر میانگین نشان نمیدهد‪ .‬کارآیی این آزمون ‪ 11‬درصد آزمون ‪ F‬است‪ .‬این آزمون مبتنی بر رتبه‬

‫بندی دادهها میباشد‪ .‬نتایج این آزمون با نتایج آزمون یومن ـ ویتنی یکی خواهد بود‪.‬‬

‫نحوه اجرا‬

‫‪ -4‬دستور …‪ Analyze-> Nonparametric Tests -> K Independent Samples‬را اجرا میکنیم‪.‬‬

‫‪ -0‬در پنجره مربوط متغیر مورد نظر را وارد کادر سمت راست با عنوان ‪ Test Variable List‬و متغیر گروه‬
‫بندی شده را وارد کادر ‪ Grouping Variable‬میکنیم‪ .‬سپس در کادر ‪ Test Type‬آزمون ‪Kruskal-‬‬

‫‪ Wallis H‬را انتخاب میکنیم‪.‬‬

 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪091‬‬

‫‪ -2‬دکمه …‪ Define Range‬را کلیك کرده تا پنجره زیر ظاهر شود‪ .‬در این پنجره‪ ،‬عدد ‪ 4‬را برای مقدار‬
‫حداقل (‪ )Minimum‬و عدد ‪ ....‬را برای مقدار حداکثر (‪ )Maximum‬تایپ میکنیم‪ .‬سپس دکمه ‪Continue‬‬

‫را کلیك میکنیم‪.‬‬

‫‪ -1‬بر روی دکمه ‪ Ok‬در پنجره اصلی کلیك میکنیم‪.‬‬

‫حال پس از اجرای آزمون کروسکال ـ والیس باید به تفسیر نتایج آن پرداخت‪ .‬در تفسیر این نتایج‪ ،‬رعایت‬

‫نکایت زیر به محققین کمك میکند‪:‬‬

‫‪ -4‬بیان معنی داری یا عدم معنی داری تفاوت متغیر مورد نظر در بین گروههای مختلف‬

‫‪ -0‬بیان کیفیت تفاوت متغیر مورد نظر در بین گروههای مختلف‬

‫فصل ششم‪ :‬رگرسیون خطی‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪091‬‬

‫مقدمه‬

‫در سال ‪ 4122‬فرانسیس گالتون‪ 20‬اظهار داشت دادههای تجربی نشان میدهد میانگین قد پسران افراد قدبلند‪،‬‬

‫کمتر از قد پدرانشان و میانگین قد پسران افراد کوتاه قد نیز‪ ،‬بیشتر از قد پدرانشان است‪ .‬به این ترتیب گالتون‬

‫پدیده بازگشت به طرف میانگین را در دادهها مورد تأکید قرارداد‪ .‬گالتون برای بررسی پدیده «بازگشت به سمت‬

‫میانگین» از تحلیل رگرسیون استفاده کرد‪ .‬امروزه از روش تحلیل رگرسیون برای بررسی روابط بین متغیرها نیز‬

‫استفاده میشود‪.‬‬

‫واژه رگرسیون‪ 22‬در فرهنگ لغت به معنی پسروی‪ ،‬برگشت و بازگشت است‪ .‬در آمار به مفهوم بازگشت به‬

‫یك مقدار میانگین بهکارمیرود‪ .‬برخی متغیرها با گذشت زمان به سمت میانگین میل میکنند‪ .‬در حقیقت تحلیل‬

‫رگرسیونی فن و تکنیکی آماری برای بررسی و مدل سازی ارتباط بین متغیرها است‪ .‬رگرسیون تقریباً در هر زمینه‬

‫ای از جمله مهندسی‪ ،‬فیزیك‪ ،‬اقتصاد‪ ،‬مدیریت‪ ،‬علوم زیستی‪ ،‬بیولوژی و علوم اجتماعی برای برآورد و پیشبینی‬

‫مورد نیاز است‪ .‬امروزه تحلیل رگرسیونی‪ ،‬پرکاربردترین روش در بین تکنیك های آماری است‪.‬‬

‫مراحل انجام رگرسیون ساده‪:‬‬

‫‪4‬ـ حدس بخردانه رابط بین دو متغیر‪ :‬در ابتدا تحلیل گر حدس می زند که بین دو متغیر نوعی ارتباط وجود‬

‫دارد ‪ ،‬در حقیقت حدس می زند که یك رابطه به شکل یك خط بین دو متغیر وجود دارد‪.‬‬

‫‪0‬ـ جمع آوری اطالعات حداقل دو متغیر فاصلهای از یك نمونهی جامعه آماری‬

‫‪2‬ـ ترسیم نمودار پراکنش دو متغیر ‪ :‬نقاطی در یك نمودار دو بعدی رسم میشود‪ .‬با ترسیم خط برازش‬

‫(برازش منحنی (به انگلیسی‪ ،)Curve fitting :‬به عملی گفته میشود که با کمك آن میتوان معادلههای خطوط‬

‫‪20‬‬
‫‪- Francis Galton‬‬
‫‪22‬‬
‫‪- Regression‬‬
 ‫‪091‬‬ ‫فصل ششم‪ :‬رگرسیون خطی ‪‬‬

‫ال شما تعدادی‬

‫پیچیده را از مجموعهای از نقاط عبور داد‪ .‬این نقاط میتوانند همان دادههای آزمایشگاهی باشند‪ .‬مث ً‬

‫داده آزمایشگاهی دارید و میخواهید بهترین خط با معادله ‪ y = a x + b‬را از این نقاط عبور دهید‪ .‬معادله بدست‬

‫آمده الزاما از دادهها عبور نمیکند؛ این معادله بهترین معادلهای خواهد بود که به تمامی دادهها نزدیك است) در‬

‫صورتی که نمودار نشان دهنده این باشد که دادهها تقریباً (نه لزوماً دقیق) در امتداد یك خط مستقیم پراکنده‬

‫شدهاند‪ ،‬حدس تحلیلگر تأیید شده و این ارتباط خطی به صورت زیر نمایش داده می شود‪:‬‬

‫‪ ، y = a x + b‬که در آن ‪ a‬عرض از مبدأ و ‪ b‬شیب این خط است‪.‬‬

‫‪1‬ـ تعیین خطای متغیرها‪ :‬بین برخی از نقاط و تصویر آنها بر روی خط رگرسیونی (خط ‪ )y‬کمی تفاوت به‬

‫چشم می­خورد که از آن به عنوان خطای برآورد یاد میشود‪ .‬این خطا ممکن است از خطا در اندازه گیری‪،‬‬

‫شرایط محیط‪ ،‬تفاوتهای طبیعی و‪ ...‬ناشی شده باشد‪ .‬بنابراین معادله اولیه را به صورت زیر اصالح میشود ‪2‬به‬

‫عبارت دیگر میزان برآورد خطا اضافه میشود)‪:‬‬

‫‪ ،y = ax + b + є‬به این معادله‪ ،‬یك مدل رگرسیون خطی نامیده میشود‪ .‬معموالً به ‪ x‬متغیر مستقل (رگرسیونی)‬

‫و به ‪ y‬متغیر وابسته (پاسخ) گفته میشود ‪ .‬که ‪ є‬خطای تصادفی است که برای کامل شدن مدل و نشان دادن این‬

‫که خطا نیز تا حدی وجود دارد در نظر گرفته می شود‪.‬‬

‫‪1‬ـ مفروضات‪ :‬معموالً فرض میشود که خطاها یکدیگر را خنثی میکنند ‪ ،‬به عبارت دیگر مجموع خطاها‬

‫برابر صفر است‪ .‬همچنین فرض میشود خطای موجود در یك مشاهده رابطهای با خطاهای دیگر ندارد و در‬

‫نهایت تغییرات بین خطاها ثابت در نظر گرفته میشود‪ .‬این سه فرض برای ساختن یك مدل ضروری است و‬

‫روشهای بسیاری برای پی بردن به وجود (یا عدم برقراری ) این فرضها وجود دارد‪ .‬یکی از دالیل استفادههای‬

‫نادرست از رگرسیون معمو ًال نادیده گرفتن این فرضها است که موجب استداللهای غلط خواهد شد‪ .‬در صورتی‬

‫که در مدل رگرسیونی فقط یك متغیر مستقل وجود داشته باشد‪ ،‬مدل را مدل رگرسیونی خطی ساده می نامند‪.‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪092‬‬

‫روشهای رگرسیونی‬

‫تا این مرحله مدل رگرسیونی معرفی شده و کافی است پارامترهای مجهول مدل (در اینجا ‪ a‬و ‪ )b‬برآورد‬

‫شوند‪ .‬برآورد پارامترها در مدل سازی با استفاده از روشهای مختلف انجام میشود از جمله روش کمترین مربع‬

‫خطا‪.‬‬

‫‪21‬‬
‫روش کمترین مربع خطا که یکی از روشهای مورد استفاده در تحلیل رگرسیونی است اولین بار توسط لژندر‬

‫ریاضیدان فرانسوی در سال ‪ 4121‬و گوس‪ 21‬ریاضیدان مشهور آلمانی در سال ‪ 4121‬معرفی و در مطالعات نجومی‬

‫به کار برده شد ‪ .‬پس تا این قسمت تحلیلگر مدلی مشخص را به عنوان الگویی برای دادهها معرفی کرده است‪.‬‬

‫مرحله بعدی «کنترل مناسب بودن مدل» میباشد که مدل از نظر قابل استفاده بودن و این که تا چه حد میتواند‬

‫خوب دادهها را بیان کند بررسی میشود و در مورد بکارگیری مدل تصمیم گرفته میشود‪ .‬در نتیجه مدل یا قابل‬

‫استفاده تشخیص داده می شود و یا اینکه باید اصالح شود ‪ .‬بنابراین تحلیل رگرسیونی فرآیندی همراه با تکرار و‬

‫بازنگری است‪ ،‬یعنی در ابتدا مدلی معرفی میشود‪ ،‬کیفیت مدل مورد بررسی قرار میگیرد ‪ ،‬مدل قبول و یا اینکه‬

‫مجدداً اصالح می شود‪.‬‬

‫رابطه قد و وزن‪ ،‬رابطه عرضه و تقاضا در علم اقتصاد‪ ،‬تعیین رابطه بین سن افراد و فشارخون آنها‪ ،‬رابطه بین‬

‫میزان مطالعه دانشجویان و سطح نمرات آنها‪ ،‬رابطه بین نمرات و میزان قبولی در کنکور سراسری کارشناسی‬

‫ارشد مثالهایی ساده در کاربرد رگرسیون هستند‪.‬‬

‫رگرسیون خطی یکی از تکنیكهای پیچیده آماری برای دادههایی است که معمو ًال در سطح سنجش فاصله ای‬

‫میباشند‪ .‬رگرسیون خطی به دو صورت رگرسیون خطی ساده و رگرسیون خطی چند متغیره مطرح میگردد‪.‬‬

‫‪21‬‬
‫‪- Legendre‬‬
‫‪21‬‬
 ‫‪095‬‬ ‫فصل ششم‪ :‬رگرسیون خطی ‪‬‬

‫رگرسیون خطی ساده به پیش بینی مقدار یك متغیر وابسته بر اساس مقدار یك متغیر مستقل میپردازد‪ .‬اما‬

‫رگرسیون چند متغیره روشی است برای تحلیل مشارکتی جمعی و فردی دو یا چند متغیر مستقل ( 𝑖𝑋) در تغییرات‬

‫یك متغیر وابسته (‪ .)Y‬از آنجا که وظیفه اساسی علم‪ ،‬پیش بینی و تبیین پدیده هاست‪ ،‬بنابراین در تحقیقاتی که‬

‫بر پیش بینی یا تبیین ناظرند‪ ،‬تحلیل رگرسیون میتواند نقش بارزی ایفا کند‪ .‬در تحقیقات پیش بینی‪ ،‬عمدتاً کاربرد‬

‫عملی مورد تأکید است‪ .‬در این نوع تحقیقات‪ ،‬محقق میکوشد تا بر اساس اطالع از یك یا چند متغیر مستقل‪ ،‬به‬

‫یك معادله رگرسیونی دست یابد و از آن برای پیش بینی مقادیر متغیر وابسته استفاده کند‪.‬‬

‫رگرسیون خطی‪ :21‬یکی از روشهای تحلیل رگرسیون است‪ .‬در رگرسیون خطّی‪ ،‬متغیّر وابسته (‪ )y i‬ترکیب‬

‫خطیای از ضرایب (پارامترها) است‪.‬‬

‫همخط‬

‫رگرسیون میزان اثر دو یا چند متغیر بر متغیر وابسته را میسنجد‪ .‬همبستگی رابطه بین دو یا چند متغیر را مورد‬

‫سنجش قرار میدهد(کریمی فر‪.)4212 ،‬‬

‫پیش فرضهای استفاده از آزمون رگرسیون‬

‫‪4‬ـ دادههای باید تصادفی باشد‬

‫‪0‬ـ متغیرهای مستقل (پیش بین) باید به صورت خطی مستقل از هم باشند (نباید با هم همبستگی داشته باشند)‬

‫‪2‬ـ متغیرهای مستقل باید فاقد خطا باشند‪ .‬استقالل خطاها (تفاوت بین مقادیر واقعی و مقادیر پیش بینی شده‬

‫توسط معادله رگرسیون) از یکدیگر است‪ .‬در صورتی که فرضیه استقالل خطاها رد شود و خطاها با یکدیگر‬

‫‪21‬‬
‫‪- Linear regression‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪096‬‬

‫همبستگی داشته باشند امکان استفاده از رگرسیون وجود ندارد‪ .‬به منظور بررسی استقالل مشاهدات (استقالل‬

‫مقادیر باقی مانده یا خطاها) از یکدیگر از آزمون دوربین‪ -‬واتسون استفاده میشود‪.‬‬

‫‪1‬ـ خطاها نباید با یکدیگر همبستگی داشته باشند (ماتریس واریانس یا کواریانس خطاها به صورت قطری‬

‫است و هر عنصر غیر صفر مربوط به واریانس خطا میباشد) که از طریق آزمون دوربین‪-‬واتسون مورد سنجش‬

‫قرار میگیرد‪ .‬آماره دوربین واتسون‪ 22‬بین ‪ 2‬تا ‪ 1‬میباشد‪ .‬اگر بین باقیماندهها همبستگی متوالی وجود نداشته‬

‫باشد‪ ،‬مقدار این آماره باید به ‪ 0‬نزدیك باشد‪ .‬اگر به صفر نزدیك باشد نشان دهنده همبستگی مثبت و اگر به ‪1‬‬

‫نزدیك باشد نشان دهنده همبستگی منفی میباشد‪ .‬در مجموع اگر این آماره بین ‪ 4/1‬تا ‪ 0/1‬باشد جای نگرانی‬

‫نیست‪.‬‬

‫‪1‬ـ مقیاس دادههای مربوط به متغیرهای وابسته و ومستقلها باید از نوع فاصله ای یا نسبی باشند‪.‬‬

‫روشهای رگرسیونی‬

‫برای ورود متغیرهای رگرسیونی به مدل‪ 1 ،‬روش وجود دارد که محقق بسته به هدف تحلیل خود میتواند از‬

‫یکی از این ‪ 1‬روش استفاده کند که البته معموالً نتایج این ‪ 1‬روش مشابه یکدیگر است‪ .‬در زیر به تفکیك به شرح‬

‫ماهیت هر روش پرداخته میشود‪:‬‬

‫‪78‬‬
‫روش همزمان‬

‫دراین روش‪ ،‬کلیه متغیرهای مستقل به طور همزمان وارد معادله میشوند تا تأثیر کلیه متغیرهای مهم و غیرمهم‬

‫بر متغیر وابسته مشخص گردد‪ .‬در واقع‪ ،‬در این روش تمامی متغیرهای مستقل در یك مرحله به ترتیب وارد شده‬

‫در جایگاه متغیرهای مستقل وارد تحلیل میشوند‪ .‬یکی از مشکالت روش همزمان این است که چون تمامی‬

‫‪22‬‬
‫‪- Durbin- Watson‬‬
‫‪21‬‬
‫‪. Enter Method‬‬
 ‫‪097‬‬ ‫فصل ششم‪ :‬رگرسیون خطی ‪‬‬

‫متغیرها بدون توجه به ضریب همبستگی شان با متغیر وابسته وارد معادله میشوند‪ ،‬بنابراین احتما ًال متغیرهایی هم‬

‫که حضورشان در معادله معنی دار نیست‪ ،‬در آن باقی میمانند که در اثر این حضور نابجا‪ ،‬مقادیر ‪ F‬و ‪ 𝑅2‬تغییر‬

‫مییابد‪.‬‬

‫‪79‬‬
‫روش گام به گام‬

‫این روش‪ ،‬مانند روش ‪ ،Forward‬متغیرها را یك به یك وارد معادله میکند‪ .‬یعنی ابتدا متغیری که بیش ترین‬

‫همبستگی را با متغیر وابسته دارد‪ ،‬انتخاب میکند‪ .‬دومین متغیری که وارد تحلیل میشود‪ ،‬متغیری است که پس‬

‫از تفکیك متغیر مقدم بر آن‪ ،‬موجب بیشترین افزایش در مقدار ضریب تعیین ( ‪ )𝑅2‬میشود‪ .‬در این روش‪ ،‬ورود‬

‫متغیرها به معادله یك به یك تا زمان سطح معنی داری ‪ 11‬درصد متغیرها ادامه مییابد‪.‬‬

‫فرق این روش با روش ‪ Forward‬در آن است که در روش ‪ ،Forward‬متغیرهای وارد شده در تحلیل‪،‬‬ ‫‪‬‬
‫در معادله باقی میمانند‪ ،‬ولی در روش ‪ ،Stepwise‬با ورود متغیر جدید‪ ،‬متغیرهایی که قبالً وارد معادله شده اند‪،‬‬

‫از نو آزموده میشوند تا مشخص شود آیا هنوز هم حضور آنها در مدل‪ ،‬به موفقیت آن کمك میکند یا خیر‪.‬‬

‫بنابراین‪ ،‬احتمال دارد برخی از متغیرهایی که در مرحله اول قدرت تبیین باالیی داشتند‪ ،‬در مرحله بعدی حذف‬

‫شوند‪ .‬در هر مرحله‪ ،‬متغیر یا متغیرهایی باقی میمانند که پس از تفکیك مشارکت متغیرهای مقدم بر آن ها‪ ،‬دارای‬

‫بیشترین مجذور همبستگی (‪ )R‬باشند‪ .‬در این روش‪ ،‬کارآیی هر مرحله‪ ،‬با آزمون ‪ F‬سنجیده میشود‪.‬‬

‫‪80‬‬
‫روش حذف‬

‫با این روش میتوان متغیرهای یك بلوک را از مدل رگرسیونی حذف کرد‪ .‬بنابراین‪ ،‬این روش را نمیتوان به‬

‫عنوان روش اولین بلوک به کار برد‪ .‬زیرا میبایست متغیرها در یکی از بلوکهای قبلی وارد معادله شوند و سپس‬

‫‪21‬‬
‫‪. Stepwise Method‬‬
‫‪12‬‬
‫‪. Remove Method‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪098‬‬

‫در بلوکهای بعدی‪ ،‬با انتخاب این روش‪ ،‬آنها را حذف نمود‪ .‬روش حذف کامالً مانند روش ‪ Enter‬است‪ ،‬اما‬

‫کاربرد چندانی در رگرسیون چند متغیره ندارد‪ ،‬چون تحلیل واریانس را انجام نمیدهد‪.‬‬

‫‪81‬‬
‫روش پس رونده‬

‫در این روش‪ ،‬همانند روش ‪ ،Enter‬ابتدا کلیه متغیرهای مستقل وارد معادله شده و اثر کلیه متغیرها بر روی‬

‫متغیر وابسته سنجیده میشود‪.‬اما برخالف روش ‪ ،Enter‬در این روش‪ ،‬به مرور متغیرهای ضعیف تر و کم اثرتر‬

‫یکی پس از دیگری از معادله خارج شده و در نهایت این مراحل تا زمانی ادامه مییابد که خطای آزمون معنی‬

‫داری به ‪ 42‬درصد برسد‪ .‬روش پس رونده را روش غربالی نیز مینامند‪ .‬در این روش‪ ،‬مقدار ‪ 𝑅2‬تعدیل شده‬

‫همانند روش ‪ Enter‬است‪ .‬اما با کاهش تعداد متغیرهای مستقل‪ ،‬به تدریج بر ‪ 𝑅2‬تعدیل شده اضافه میگردد‪ ،‬تا‬

‫جایی که با خروج بعضی از این متغیرها‪ ،‬این میزان به حداکثر میرسد‪ ،‬ولی در ادامه خروج آن ها‪ ،‬این میزان‬

‫مجدداً کاهش پیدا میکند تا جایی که تا خروج آخرین متغیرها‪ ،‬مقدار ‪ 𝑅2‬تعدیل شده با روش ‪ Enter‬برابر‬

‫میشود‪ .‬طبیعی است در این حالت‪ ،‬متغیرهای مهم شناخته میشوند و در معادله نهایی باقی میمانند‪.‬‬

‫‪82‬‬
‫روش پیش رونده‬

‫این روش‪ ،‬ابتدا همبستگی ساده بین هر یك از متغیرهای مستقل را با متغیر وابسته محاسبه میکند‪ .‬سپس‪،‬‬

‫متغیر مستقلی که بیشترین همبستگی را با متغیر وابسته دارد و به عبارتی بیشترین مقدار واریانس آن را تبیین‬

‫میکند‪ ،‬وارد تحلیل میکند‪ .‬دومین متغیری که وارد تحلیل میشود‪ ،‬متغیری است که پس از تفکیك متغیر اول‪،‬‬

‫بیشترین ضریب همبستگی را با متغیر وابسته دارد‪ .‬این روش تا زمانی ادامه دارد که خطای آزمون به ‪ 1‬درصد‬

‫‪14‬‬
‫‪. Backword Method‬‬
‫‪10‬‬
‫‪. Forward Method‬‬
 ‫‪099‬‬ ‫فصل ششم‪ :‬رگرسیون خطی ‪‬‬

‫برسد‪ ،‬در این جا‪ ،‬انجام رگرسیون متوقف میشود‪ .‬نتایج به دست آمده در این روش همانند روش ‪Stepwise‬‬

‫میباشد‪ ،‬بنابراین نحوه تفسیر خروجی این دو یکسان است‪.‬‬

‫‪83‬‬
‫رگرسیون خطی ساده‪ /‬دو متغیره‬

‫رگرسیون خطی ساده زمانی مورد استفاده قرار میگیرد که یك متغیر وابسته و یك متغیر مستقل وجود داشته‬

‫باشد‪ .‬از طرف دیگری‪ ،‬سطح سنجش هر دو متغیر حداقل فاصلهای است‪ .‬بنابراین‪ ،‬در رگرسیون دو متغیره ساده‪،‬‬

‫مقادیر یك متغیر (متغیر وابسته یا ‪ )y‬از روی مقادیر متغیر دیگر (متغیر مستقل یا ‪ )x‬به کمك یك معادله خطی‬

‫(خطی مستقیم) برآورد میشود‪ .‬این معادله شکل کلی زیر را دارد‪:‬‬

‫‪𝑦 ′ = 𝑏0 + 𝑏1 𝑥1‬‬
‫در این معادله‪ 𝑦 ′ ،‬مقدار برآوردشده ‪ 𝑏0 ،y‬عرض از مبدأ (مقدار ثابت رگرسیون)‪ 𝑏1 ،‬ضریب زاویه (ضریب‬

‫رگرسیون) و ‪ 𝑥1‬متغیر مستقل است‪.‬‬

‫مراحل اجرای رگرسیون‬

‫شناسايی متغیرها‬

‫متغیر وابسته (میزان نگرش دانشجویان به رسانه ملی از لحاظ سطح سنجش در حد فاصله ای)‬

‫و متغیرهای مستقل مانند سن و تحصیالت هردو در حد فاصله ای است‪.‬‬

‫شناسايی آزمون‬

‫چون سه متغیر است و یك متغیر وابسته و دو متغیر مستقل بهتر است از رگرسیون استفاده شود‪.‬‬

‫‪12‬‬
‫‪. Simple Linear Regression‬‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪111‬‬

‫تدوين فرضیه ها‬

‫‪ : H0‬به نظر میرسد بین دو متغیر سن و تحصیالت با نگرش دانشجویان به رسانه ملی رابطه معنی داری وجود‬
‫ندارد (به نظر میرسد مقدار تبین نگرش دانشجویان به رسانه از طریق سن و تحصیالت برابر صفر است)‬
‫‪ : H1‬به نظر میرسد بین دو متغیر سن و تحصیالت با نگرش دانشجویان به رسانه ملی رابطه معنی داری وجود‬
‫دارد (به نظر میرسد مقدار تبین نگرش دانشجویان به رسانه از طریق سن و تحصیالت برابر صفر نیست)‬

‫اجرای آزمون‬

‫اجرا میشود‪.‬‬ ‫‪:‬متغیرهای مستقل ∶ 𝑠𝑑𝑒𝑑𝑛𝑒𝑝𝑒𝑑𝑛𝐼 و نگرش به رسانه ملی = 𝑑𝑒𝑑𝑛𝑒𝑝𝑒𝑑 ⟹ ‪Analysis ⟹ Regression ⟹ Linear‬‬ ‫دستور‬

‫توجه به شرايط آزمون‬

‫هرسه متغیر فاصلهای است‪ .‬توزیع شان نرمال است‪ .‬عالوه برآن همبستگی بین سه متغیر معنیدار نیست‪ .‬مقدار‬

‫سطح معنی داری (‪ )sig‬هر سه بیشتر از ‪ 2/21‬میباشد‪ .‬پس شرایط وجو دارد‪ .‬مقدار واتسون هم تقریبا ‪ 4/1‬است‪.‬‬
 ‫‪110‬‬ ‫فصل ششم‪ :‬رگرسیون خطی ‪‬‬

‫تحصیال‬
‫نگرش‬ ‫سن‬
‫ت‬
‫‪.058‬‬ ‫‪-.032‬‬ ‫‪1‬‬ ‫ضریب همبستگی پیرسون‬

‫‪.133‬‬ ‫‪.375‬‬ ‫‪Sig‬‬ ‫سن‬

‫‪666‬‬ ‫‪747‬‬ ‫‪749‬‬ ‫تعداد‬

‫‪.029‬‬ ‫‪1‬‬ ‫‪-.032‬‬ ‫ضریب همبستگی پیرسون‬

‫‪.449‬‬ ‫‪.375‬‬ ‫‪Sig‬‬ ‫تحصیالت‬

‫‪669‬‬ ‫‪753‬‬ ‫‪747‬‬ ‫تعداد‬

‫‪1‬‬ ‫‪.029‬‬ ‫‪.058‬‬ ‫ضریب همبستگی پیرسون‬

‫‪.449‬‬ ‫‪.133‬‬ ‫‪Sig‬‬ ‫نگرش‬

‫‪674‬‬ ‫‪669‬‬ ‫‪666‬‬ ‫تعداد‬

‫آزمون واتسون‬
‫‪Durbin-‬‬ ‫‪Mod‬‬
‫‪Watson‬‬ ‫‪el‬‬
‫‪1.472a‬‬ ‫‪1‬‬

‫رد يا تأيید فرضیه ها‬

‫از یك سو دادههای جدول ‪ 4‬نشان میدهد دو متغیر سن و تحصیالت به عنوان عاملهای تبیین کننده در معادله‬

‫وارد شدهاند‪ .‬از سوی دیگر دادههای جدول‪ 0‬نشان میدهد این دو متغیر در مجموع حدود‪ 11‬درصد واریانس‬

‫نگرش دانشجویان به رسانه ملی را تبیین میکنند‪ .‬جدول ‪ 2‬به عنوان نشان دهندتفاوت معنی داری این دو متغیر‪،‬‬

‫نشان میدهد این مقدار تبیین واریانس از سوی این متغیر معنی دار است‪ .‬جدول ‪ 1‬سهم تبین هر متغیر به تفکیك‬

‫نشان میدهد‪.‬سن حدود ‪ 41/1‬درصد واریانس متغیر وابسته و متغیر سن تحصیالت حدود ‪ 22/24‬درصد واریانس‬

‫تبین میکنند‪.‬‬

‫جدول شماره ‪1‬ـ رگرسیون ‪:‬با روش اينتر و متغیرهای وارده شده به معادله‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪111‬‬

‫روش‬
‫مدل‬
‫اينتر‬ ‫متغیرهای خارج شده‬ ‫متغیرهای وارد شده‬
‫‪Mode‬‬
‫‪Metho‬‬ ‫‪Variables Removed‬‬ ‫‪Variables Entered‬‬
‫‪l‬‬
‫‪d‬‬

‫‪Enter‬‬ ‫خارج شده ندارد‬ ‫تحصیالت و سن‬ ‫‪1‬‬

‫جدول شماره ‪2‬ـ رگرسیون ‪:‬مدل‪ ،‬مقدار همبستگی چند گانه‪ ،‬مجذورآن‪ ،‬استاندارد شده آن و خطای برآورد انحراف‬

‫استاندارد‬

‫مجذور‬
‫استاندارد مجذور‬ ‫همب‬
‫همبستگی‬
‫‪Std. Error of the‬‬ ‫همبستگی چند گانه‬ ‫ستگی‬ ‫مدل‬
‫چند گانه‬
‫‪Estimate‬‬ ‫‪Adjusted R‬‬ ‫چند گانه‬ ‫‪Model‬‬
‫‪R‬‬
‫‪Square‬‬ ‫‪R‬‬
‫‪Square‬‬
‫‪5.46240‬‬ ‫‪.447‬‬ ‫‪.450‬‬ ‫‪.671‬‬ ‫‪1‬‬

‫جدول شماره‪3‬ـ رگرسیون ‪:‬مدل‪ ،‬مجموع مجذورات‪ ،‬درجه آزادی‪ ،‬متوسط مجذورات ‪ ،‬آزمون‬

‫متوسط‬ ‫مجموع‬
‫سطح‬ ‫آزمون‬ ‫درجه‬
‫مجذورات‬ ‫مجذورات‬ ‫مدل‬
‫معنیداری‬ ‫اف‬ ‫آزادی‬
‫‪Mean‬‬ ‫‪Sum of‬‬ ‫‪Model‬‬
‫‪Sig.‬‬ ‫‪F‬‬ ‫‪df‬‬
‫‪Square‬‬ ‫‪Squares‬‬
‫رگرسیون‬
‫‪.052‬‬ ‫‪1.656‬‬ ‫‪49.423‬‬ ‫‪2‬‬ ‫‪98.846‬‬
‫‪Regression‬‬
‫پسماندها‬
‫‪29.838‬‬ ‫‪661‬‬ ‫‪19722.769‬‬
‫‪Residual‬‬
‫کل‬
‫‪663‬‬ ‫‪19821.614‬‬
‫‪Total‬‬

‫جدول شماره‪4‬ـ رگرسیون ‪ :‬ضرايب غیر استاندارد‪ ،‬ضرايب استاندارد‪ ،‬آزمون تی و سطح معنیداری آن‬

‫ضرايب استاندار‬ ‫ضرايب غیر استاندار‬

‫سطح‬ ‫آزمون‬ ‫‪Standardized‬‬ ‫‪Unstandardized‬‬
‫معنیداری‬ ‫تی‬ ‫‪oefficients‬‬ ‫‪Coefficients‬‬ ‫‪Model‬‬
‫‪Sig.‬‬ ‫‪t‬‬ ‫‪Std.‬‬
‫‪Beta‬‬ ‫‪B‬‬
‫‪Error‬‬
‫‪22.4‬‬ ‫‪-‬‬ ‫مقدار ثابت‬
‫‪.000‬‬ ‫‪.869‬‬ ‫‪19.477‬‬
‫‪18‬‬ ‫)‪(Constant‬‬
 ‫‪111‬‬ ‫فصل ششم‪ :‬رگرسیون خطی ‪‬‬

‫‪1.52‬‬ ‫متغیر سن‬

‫‪.027‬‬ ‫‪.159‬‬ ‫‪.016‬‬ ‫‪.225‬‬
‫‪9‬‬ ‫‪age‬‬
‫‪1.06‬‬ ‫متغیر تحصیالت‬
‫‪.029‬‬ ‫‪.301‬‬ ‫‪.118‬‬ ‫‪.425‬‬
‫‪0‬‬ ‫‪edu‬‬

‫بیان مقدار تفاوت‬

‫در جدول شماره ‪ 1‬مقدار تبین واریانس برای متغیر سن حدود ‪ 41/1‬درصد و برای متغیر تحصیالت حدود‬

‫‪ 22/4‬درصد آمده است‪.‬‬

‫تفسیر‬

‫در اولین قدم بعد از اجرای تحلیل رگرسیون چند متغیری چهار جدول به نامهای جدول متغیرهای وارد و‬

‫حذف شده (‪ ،)Variables Entered/Removed‬جدول خالصه مدل (‪ ،)Model Summary‬جدول ‪ANOVA‬‬

‫(تحلیل واریانس تك متغیره) و جدول ضرایب (‪ )Coefficients‬ارایه میشود‪ .‬تصویر هریك از جداول به ترتیب‬

‫در بخش رد یا تأیید فرضیه آمده است‪.‬‬

‫در بین جداول فوق مهمترین جدول برای ارائه نتایج نهایی جدول خالصه مدل (‪ )Model Summary‬و جدول‬

‫ضرایب (‪ )Coefficients‬میباشد‪ .‬برای ارائه نتایج نهایی ترسیم جدول زیر را پیشنهاد میشود‬

‫حال سوال اینجاست که جداول چگونه تفسیر میشوند؟جدول ‪ 4‬فقط نشان میدهد چه متغیرهای برای تبین‬

‫وارد معادله شده و چه متغیرهای خارج شده است‪ .‬عالوه برآن نشان میدهی رگریبون با کدام یك از روشها‬

‫انجام شده است‪ .‬جدول‪ 0‬در گام اول قدرت و توان متغیرهای وارد شده را در معاله را نشان میدهد‪ .‬در ستون‬

‫چهارم همان جدول مقدار تبین شده توسط آن متغیر (سن و تحصیالت) را نشان میدهد‪ .‬این میزان نشان میدهد‬

‫که مدل مذکور چند درصد از واریانس نگرش دانشجویان به رسانه ملی را پیشبینی میکند‪ .‬به این معنی که دو‬

‫متغیر سن و تحصیالت واریانس نگرش دانشجویان به رسانه ملی را حدو ‪ 11‬درصد تبین میکند‪ .‬زیرا میزان‬
 ‫‪‬نرم افزار آماری ‪SPSS‬‬ ‫‪112‬‬

‫‪ 2/112AdJ.R2‬میباشد که درصورتی که این مقدار در ‪ 422‬ضرب شود برابر با ‪ 11/2‬درصد خواهد شد‪ .‬شاخص‬

‫بعدی میزان بتای (‪ )Beta‬هر متغیر است‪ .‬همانگونه که از مقادیر ‪ P-Value‬هریك از متغیرها دیده میشود دو‬

‫متغیر سن و تحصیالت هستند که به صورت معناداری نگرش به رسانه ملی را پیشبینی میکنند‪ .‬در تفسیر این‬

‫یافتهها اینگونه مطرح میشود که با افزایش یك انحراف استاندارد در سن دانشجویان‪ ،‬نمره نگرش به رسانه ملی‬

‫‪ 2/411‬انحراف استاندارد افزایش خواهد یافت‪ .‬همچنین با افزایش یك انحراف استاندارد در تحصیالت‪ ،‬نمره‬

‫نگرش به رسانه ملی ‪ /224‬انحراف استاندارد باالتر خواهد رفت‪.‬‬

‫معادله بر اساس ‪ B‬تحصیالت‪ +/0425‬سن‪𝑦 = 19/477 + 0/225‬‬

‫معادله بر اساس‪ β‬تحصیالت‪ + 0/301‬سن‪𝑦 = 0/159‬‬