آموزش کامل آزمون T

تی تست را در SPSS چگونه اجرا کنیم؟ فرض کنید شما یک معلم هستید و می خواهید روش تدریس جدیدی را، در درس ریاضی به کار بگیرید. اما می دانید ممکن است بین دانش آموزان پسر با دانش آموزان دختر از این نظر تفاوت وجود داشته باشد. مثلا تا کنون مشاهده کردید که دخترها، گویا با این روش جدید راحت تر ارتباط برقرار می کنند تا پسرها. اکنون می خواهید تفاوت دو گروه دانش آموز پسر و دختر را در میزان یادگیری بر اساس روش جدید با هم مقایسه نمایید. شما باید از آزمون T برای این مقایسه استفاده کنید.

در این مقاله آموزش کاملی از چیستی و اجرای تی تست ارایه می دهیم. پس تا انتهای مقاله همراه کیارا آکادمی باشید.

تی تست چیست؟

آزمون t یکی از آزمون های آماری است که جهت مقایسه های دو گروه یا حالت با یکدیگر استفاده می شود. همین طور می توان یک گروه را با یک فرض قبلی، مقایسه کرد. در کل این آزمون برای مقایسه میانگین دو گروه مستقل از هم مثلا مردان از زنان و یا دو گروه سنی یا دو کلاس و یا دو رشته درسی و…. یا یک گروه در دو حالت مثلا قبل و بعد از کلاس یا تمرین و…….به کار می آید.

چه زمانی از تست t استفاده می‌شود؟

هنگامی که در هدف تحقیق، مقایسه متغیری با عدد ثابت و یا مقایسه بین متغیرها در یک جامعه و یا دو جامعه مستقل باشد .

کاربرد آزمون t

تی تست ها برای مشخص کردن تفاوت معنادار در میانگین یک گروه مشخص با دو حالت مختلف و یا میانگین های دو گروه متفاوت به کار می روند.

انواع آزمون های تی

• آزمون t یک نمونه ای یا تک نمونه‌ ای
• تی مستقل یا دو نمونه­‌ای
• تی وابسته یا آزمون تی برای زوج‌ متغیرها

آزمون t تک نمونه‌ای چیست؟

این آزمون (One sample t test) در مورد داشتن یا نداشتن تفاوت میانگین یک نمونه در جامعه با یک عدد ثابت مشخص به بررسی می پردازد. مثلا طی یک بررسی نمرات کلاس A بدست آمده است. ما می خواهیم ببینیم آیا میانگین این نمرات با عدد 19 اختلاف میانگین دارد یا ندارد؟ در اصل فرض صفر ما این است که میانگین مساوی 19 باشد، ولی فرض یک ما این است که میانگین با عدد 19 (یه عنوان یک عدد ثابت) اختلاف دارد.

آموزش آزمون t یک نمونه ای در SPSS

آزمون t جفت نمونه‌ای چیست؟

این آزمون (Paired sample t test) برای بررسی دو حالت یا متغیر از یک جامعه آماری (برای بررسی دو میانگین از یک جامعه ) استفاده می‌شود. مثلا بررسی نمرات کلاس A قبل و بعد از برگزاری دوره تخصصی.

مثال برای تی وابسته

فرض کنید شما یک مدرس درس ریاضی هستید و برای یک کلاس از دانش آموزان ریاضی تدریس می کنید. شما در ترم اول از متدهایی برای تدریس ریاضی استفاده کرده اید و آزمونی گرفته اید. اکنون قصد دارید با توجه به تغییر متد در ترم دوم، نمرات دانش آموزان را در دو ترم با هم مقایسه کنید. سوال شما این است که آیا بین نمرات دانش آموزان این کلاس در ترم اول و دوم با یکدیگر تفاوت معنی داری وجود دارد یا ندارد؟ هدف اصلی چنین پژوهشی بررسی پیشرفت در یک گروه مشخص است.

آموزش اجرا و تفسیر آزمون تی وابسته در spss

آزمون t گروه‌های مستقل چیست؟

این آزمون (Two independent sample t test) برابری میانگین دو نمونه مستقل را بررسی می کند. به عبارتی در اصل برای بررسی میانگین دو جامعه مستقل استفاده می‌شود. مثلا بررسی اختلاف میانگین نمرات دو کلاس A و B.

مثال برای تی مستقل

حال شما قصد دارید نمرات ریاضی دانش آموزان را در دو کلاس با یکدیگر مقایسه کنید. در واقع می خواهید ببینید، آیا نمرات دانش آموزان در کلاس A با دانش آموزان در کلاس B با یکدیگر تفاوت معنی داری دارد یا ندارد؟

آموزش کامل اجرا و تفسیر آزمون تی مستقل در spss

مفرضه های آزمون های تی

مفروضه های کلی تی تست:

• روش نمونه گیری: نمونه گیری در این آزمون حتما باید به صورت تصادفی صورت گرفته باشد تا نتایج قابل اعتمادی را بدهد.
• شکل توزیع داده ها: توزیع متغیر وابسته باید به صورت توزیع نرمال باشد.
• سطح سنجش متغیرها: از آنجا که این آزمون T یک آزمون پارامتریک است، متغیر وابسته پژوهش همیشه باید در سطح سنجش فاصله ای یا نسبی سنجیده شود (در صورتی که متغیر وابسته به صورت ترتیبی سنجیده شده باید از آزمون های ناپارامتریک جایگرین آزمون تی استفاده کنیم.)

آموزش کامل اجرا و تفسیر آزمون نرمال بودن داده ها در SPSS

دو مفروضه برای تی مستقل :

• • 1. مستقل بودن گروه‌ها از هم در تست تی: هر عضو باید عضو یک گروه باشد و نمی تواند در هر دو گروه جای گیرد.
    2. همگنی واریانس ها در تست تی: هر دو گروه باید واریانس ‌های برابری داشته باشند. برای بررسی این مفروضه در SPSS از آزمون لون استفاده می شود، که باید در خروجی های نرم افزار به تحلیل آن پرداخته شود.

آزمون لون (Levene) در SPSS

این آزمون (Levene’s Test) جهت بررسی همگنی واریانس های گروه ها در هنگام بررسی های آماری، استفاده می شود. اگر در خروجی ها به جدول این آزمون توجه نمایید، خواهید دید نتایج این آزمون یا معنی دار است و یا معنی دار نیست:

1. اگر معنادار بود: باید فرضیه صفر را رد کرد، که یعنی برابری واریانس‌ها را باید رد کرد.
2. اگر معنادار نبود: باید فرضیه‌ی صفر را پذیرفت، که یعنی برابری واریانس‌ها یا همگنی واریانس ها برقرار است و از مفرضه همگنی واریانس ها تخطی نشده است.

اجرای آزمون t یک نمونه ای در SPSS

برای اجرا باید از بخش Analyze گزینه compare Means را بزنید. در گام بعدی گزینه One sample T Test را انتخاب نمایید.

در بخش Test variable متغیر خودتان را وارد کنید. همین طور در بخش Test Value عدد ثابتی را که مشخص کرده ایم و می خواهیم میانگین نمونه را با آن عدد مشخص شده مقایسه نماییم (ببینیم مثلا میانگین نمونه با این عدد که در اینجا 25 است، تفاوت و اختلاف معنی داری دارد یا نه) وارد کنید و OK را بزنید .

اجرای آزمون تی وابسته در SPSS

از بخش Analyze گزینه compare Means را بزنید. در گام بعدی گزینه Paired-samples T Test را انتخاب نمایید.

متغیرهای تحقیق را باید وارد تحلیل کنید. متغیر اول را به سمت راست انتقال دهید و در فیلد کناری آن ، متغیر بعدی را نیز اضافه کنید.

به بخش Options بروید. می‌توانید سطح آزمون را تعیین کنید. سطح پیش فرض یعنی 95% است. سپس روی Continue کلیک نمایید و در پایان روی OK کنید.

آموزش اجرای آزمون t گروه های مستقل در SPSS

از بخش Analyze گزینه‌ Compare Means بزنید و سپس Independent-Samples T Test را انتخاب کنید.

در مرحله ی بعدی باید متغیر وابسته آزمون مورد نظر را به قسمت Test Variable(s) و متغیر گروه بندی یا همان مستقل را به قسمت Grouping Variable انتقال دهید.

سپس روی گزینه Define Groups بزنید. شما باید در این مرحله گروه های مستقل خود را کد بندی کنید. در جلوی کادر گروه اول کد 1 را و در جلوی کادر گروه دوم کد 2 را، وارد نمایید و سپس روی Continue کلیک نمایید.

در پایان OK کنید. پیشنهاد می کنم برای حرفه ای شدن در تحلیل های آماری از دوره spss کیارا آکادمی دیدن کنید. برای استفاده از دوره جامع spss می توانید از لینک زیر استفاده کنید:

استفاده از آزمون t در پایان نامه

آزمون t فقط هنگام مقایسه میانگین دو گروه (مقایسه زوجی) قابل استفاده است. اگر می‌خواهید بیش از دو گروه را با هم مقایسه کنید، یا اگر می‌خواهید چندین مقایسه زوجی انجام دهید، از آزمون ANOVA یا آزمون تعقیبی استفاده کنید. آزمون t یک آزمون پارامتری تفاوت است، به این معنی که در مورد داده های شما مفروضات مشابهی با سایر آزمون های پارامتری ایجاد می کند. آزمون t داده های شما را فرض می کند:

• مستقل هستند
• (تقریبا) به طور معمول توزیع می شوند
• دارای مقدار واریانس مشابهی در هر گروهی که مقایسه می شود (معروف به همگنی واریانس)

اگر داده‌های شما با این مفروضات مطابقت ندارند، می‌توانید یک جایگزین ناپارامتری برای آزمون t، مانند آزمون رتبه‌بندی علامت‌دار Wilcoxon برای داده‌هایی با واریانس‌های نابرابر امتحان کنید. از چه نوع تست تی استفاده کنم؟ هنگام انتخاب آزمون t، باید دو چیز را در نظر بگیرید: این که آیا گروه هایی که مقایسه می شوند از یک جمعیت واحد هستند یا از دو جمعیت مختلف، و این که آیا می خواهید تفاوت را در جهت خاصی آزمایش کنید. آزمون تی تک نمونه ای، دو نمونه ای یا زوجی؟

• اگر گروه ها از یک جمعیت منفرد هستند (به عنوان مثال، اندازه گیری قبل و بعد از یک درمان تجربی)، یک آزمون t زوجی را انجام دهید. این یک طراحی درون موضوعی است.
• اگر گروه‌ها از دو جمعیت مختلف (به عنوان مثال، دو گونه مختلف، یا افراد از دو شهر جداگانه) آمده‌اند، یک آزمون t دو نمونه‌ای (معروف به آزمون t مستقل) انجام دهید. این یک طرح بین موضوعات است.
• اگر یک گروه وجود دارد که با یک مقدار استاندارد مقایسه می شود (مثلاً مقایسه اسیدیته یک مایع با pH خنثی)، آزمایش t یک نمونه را انجام دهید.

تست تی یک راهه یا دو راهه؟

1. اگر فقط برایتان مهم است که آیا این دو جمعیت با یکدیگر متفاوت هستند، یک تست t دو دنباله انجام دهید.
2. اگر می خواهید بدانید که آیا میانگین یک جمعیت از دیگری بزرگتر است یا کمتر، آزمون t یک دنباله را انجام دهید.

نمونه تست t

در آزمایش شما برای اینکه آیا طول گلبرگ بر اساس گونه متفاوت است یا خیر:

• مشاهدات شما از دو جمعیت مجزا (گونه‌های مجزا) می‌آیند، بنابراین یک آزمون t دو نمونه‌ای را انجام می‌دهید.
• شما به جهت تفاوت اهمیت نمی دهید، فقط به اینکه آیا تفاوت وجود دارد، بنابراین شما انتخاب می کنید که از آزمون t دو طرفه استفاده کنید.
• می توانید مقدار t محاسبه شده خود را با مقادیر موجود در نمودار مقدار بحرانی (مثلاً جدول t Student) مقایسه کنید تا تعیین کنید که آیا مقدار t شما بیشتر از چیزی است که به طور تصادفی انتظار می رود. اگر چنین است، می توانید فرضیه صفر را رد کنید و نتیجه بگیرید که این دو گروه در واقع متفاوت هستند.