راهنمای جامع انتخاب آزمون آماری مناسب

در این آموزش راهنمای جامع انتخاب آزمون آماری مناسب را برای پروژه خود می آموزید. امکان ندارد پژوهشی را شروع کنید و بخواهید به تحلیل آماری بپردازید ، ولی در مورد انتخاب روش تحلیل آماری و آزمون های آماری برایتان چالش ایجاد نشود. همه دانشجویان در هنگام انجام پایان نامه خود، یا تحلیلگران در هنگام انجام تحلیل های آماری با مشکل انتخاب صحیح روش آماری، برای تحلیل پروژه ها و داده ها روبه رو می شوند. تعداد بسیار زیادی روش آماری داریم، که بسیاری از آن ها شبیه به هم می باشند و می تواند شما را در انتخاب صحیح روش دچار مشکل نماید.

در این مقاله قصد داریم شما را با تمامی روش های آماری، آشنا کنیم و نوع استفاده از آن را نیز به شما آموزش دهیم. از این روی جامع ترین راهنمای آموزش روش های آماری ایران را در کیارا آکادمی مطالعه کنید.

آزمون های آماری چیست ؟

آزمون های آمار به مجموعه روش های تحلیل داده ها گفته می شود ، که هر کدام بر اساس یک سری فرمول مشخص و با هدف مشخصی به تحلیل دیتا می پردازند . به طور کلی آزمون های آماری به چند دسته تقسیم می شوند:

• تجزیه و تحلیل آماری توصیفی (Descriptive Statistical Analysis)
• تجزیه و تحلیل آماری استنباطی (Inferential Statistical Analysis)
• تجزیه و تحلیل آماری همبستگی (Correlation Statistical Analysis)
• تجزیه و تحلیل پیش‌بینی (Predictive Analysis)
• تجزیه و تحلیل های اکتشافی (Exploratory Data Analysis)
• تجزیه و تحلیل علّی (Causal Analysis)

آزمون های آماری بر چه اساس انتخاب می شوند ؟

آزمون های آماری انواع بسیار زیادی دارند ، که هر کدام برای یک سری از اهداف و متغیر ها کاربرد دارد و به طور کلی باید گفت معیار انتخاب یک آزمون آماری مناسب باید بر اساس این موارد باشد :

فرضیه تحقیق

فرضیه تحقیق از محقق چه می خواهد؟ این موضوع می تواند روش های آماری شما را مشخص نماید. ابتدا باید به این بپردازیم که فرضیه تحقیق چیست؟ در جواب باید گفت، فرضیه تحقیق یک مجموعه‌ جواب های احتمالی آزمون‌ پذیر هستند، که محقق بر اساس پیشینه پژوهش و بررسی های قبلی یا مشاهدات میدانی ، برای پژوهش خود طرح کرده و هدف اصلی این است که، آیا میتوان این فرضیه ها را رد یا اثبات نمود؟ در اصل فرضیه نوعی پیشنهاد محقق برای پاسخ احتمالی به سوال تحقیق است. زمانی که می خواهیم فرضیه ای را مطرح نماییم ، باید در مورد ارتباط بین متغیر مستقل و متغیر وابسته گزاره ای را عنوان نماییم. در کل فرضیه تحقیق به دو بخش فرض صفر (هیچ ارتباطی بین متغیر ها نیست) و فرض آزمایش (یک متغیر بر روی متغیر دیگر تاثیر گذار است) تقسیم می شود. برای فهم این که چگونه از فرض آزمایش می توان به انتخاب روش آمار پرداخت، به این مثال ها توجه نمایید : مثلا در تحقیقی عنوان شده است ، بین رضایت شغلی و عملکرد شغلی رابطه وجود دارد. از روی این فرضیه می توان فهمید که، محقق به دنبال رابطه است برای همین به سراغ آزمون همبستگی خواهد رفت.

سوال تحقیق

سوال تحقیق از محقق چه می خواهد؟ این موضوع می تواند روش آماری شما را مشخص نماید . ابتدا باید به این بپردازیم که سوال تحقیق چیست؟ در جواب باید گفت ، سوال تحقیق ، یک گزاره ، به صورت سوالی است ، که در آن مسئله تحقیق مشخص می شود. به عنوان مثال، سوال یک پژوهش می تواند به این شکل طرح شود که، آیا بین مردان و زنان از نظر میزان جرم تفاوت وجود دارد؟ برای فهم این که چگونه از سوال تحقیق می توان به انتخاب روش آماری پرداخت، به این مثال ها توجه نمایید: مثلا سوال تحقیق این است که آیا انگیزه شغلی می تواند عملکرد را پیش بینی نماید؟ این سوال در مورد پیش بینی متغیرها است ، در نتیجه باید از مدل های رگرسیونی استفاده کنیم.

تعداد متغیرهای تحقیق

این که چه تعداد متغیر را وارد تحلیل می کنید ، مشخص کننده روش های آماری می باشد . در مورد متغیرها باید گفت : متغیر در برابر ثابت قرار می گیرد و همان طور که از اسم اش مشخص است ، به ویژگی هایی اطلاق می شود که همواره در حال تغییر است و می توان آن ها را مشاهده و اندازه گیری کرد و به آن ارزش عددی اطلاق کرد.

تعداد متغیرهای تحقیق اهمیت بالایی دارد ، مثلا زمانی که شما تعداد یک متغیر وابسته در تحقیق خود دارید میتوانید از یک سری روش ها استفاده می شود و زمانی که از بیش از دو متغیر وابسته استفاده می کنید و قصد دارید تحلیل همزمان ارایه دهید ، از روش های دیگری باید استفاده کرد . پس از خودتان بپرسید چه تعداد متغیر (مستقل یا وابسته) در تحقیق شما مورد تحلیل قرار می‌گیرد؟

نوع متغیرهای تحقیق

این که متغیر تحقیق شما از چه نوعی هستند ، یکی از مهم ترین عوامل تعیین کننده روش های آماری مناسب است . نوع متغیر ها هم بر اساس نوع مقیاس های اندازه گیری آن ها مشخص می شود و هم بر اساس هدف بررسی متغیر ها مشخص می شود. ما به طور کلی ما در پژوهش های علمی دو دسته اصلی متغیر داریم :

1. متغیرهای کمی (Quantitative Variables): بر اساس مقیاس های کمی سنجیده و اندازه گیری شده اند . به چنین متغیر هایی متغیر های فاصله‌ ای یا نسبی هم گفته می شود.
2. متغیرهای کیفی (Qualitative Variables) : بر اساس مقیاس های کیفی سنجیده و اندازه گیری شده اند. این متغیر ها ، متغیر های رتبه‌ ای و یا اسمی در تحقیق خواهند بود.

اما متغیرها بر اساس هدف یا نقش آن ها در پژوهش به این وارد تقسیم می شوند :

1. متغیر مستقل (Independent Variables) که به آن دسته از متغیرهایی گفته می شود که در اختیار محقق هستند
2. متغیر وابسته که همان متغیری است که پژوهشگر قصد دارد آن را بررسی نماید
3. متغیر تعدیل کننده که یعنی یک متغیر سوم وجود دارد که بر روی رابطه متغیر مستقل بر روی متغیر وابسته موثر است
4. متغیر کنترل که در اصل آن متغیری که مقادیر آن را در پژوهش ثابت نگه می دارد
5. متغیر میانجی که یک متغیر رابط بین متغیر مستقل و وابسته است و که رابطه بین متغیر مستقل و وابسته تحقیق را توصیف می‌کند

انواع متغیرها در آمار

این که گفته می شود مقیاس اندازه گیری متغیرها در یک تحقیق مهم است را با یک مثال توضیح بدهیم : مثلا شما می خواهید رابطه بین دو متغیر را بررسی کنید. اگر هر دو متغیر فاصله ای بود باید از روش همبستگی پیرسون پیش بریم و اگر هر دو ترتیبی بود باید از روش همبستگی اسپیرمن استفاده کنیم.

طبقات متغیرها

یکی دیگر از معیار های انتخاب روش آماری صحیح ، علاوه بر نوع متغیر ها ، تعداد طبقه ها یا گروه های متغیر ها نیز می باشد . سوال این است که متغیر تحقیق شما دارای چند گروه یا طبقه است ؟ مثلا جنسیت ، دارای دو طبقه زنان و مردان می شود یا رشته های درسی دبیرستان دارای سه گروه ریاضی و تجربی و انسانی می شود . برای محقق مهم خواهد بود که چند طبقه مورد مقایسه قرار می‌گیرند؟

توزیع نرمال

آیا توزیع متغیر وابسته تحقیق نرمال است؟ جواب به این سوال یکی دیگر از معیار های تعیین کننده نوع آزمون آماری است. توزیع داده ها به نحوه پخش شدن داده ها در یک طیف مشخص اشاره دارد . داده های تحقیق ممکن است به شکل های متفاوتی پراکنده شوند که یکی از متداول ترین آن شکل ها که اهمیت زیادی برای روش های آماری دارد توزیع نرمال است.

توزیع نرمال (Normal distribution ) که در کتاب های روش تحقیق به آن توزیع بهنجار یا طبیعی هم گفته می شود، به حالتی از توزیع داده ها اشاره دارد ، که در آن میانگین و میانه با هم برابر است.

انواع آزمون های آماری

به طور کلی آزمون های اماری را بسته به هدف و همین طور شرایط آزمون به دسته های گوناگون تقسیم می کنند. در این بخش بنا به هدف، آزمون های آماری را به دو بخش تقسیم می کنیم (چرا که خود علم آمار نیز در دو بخش آمار توصیفی و آمار استنباطی قرار می گیرد) و همه آزمون های زیر مجموعه آن را معرفی خواهیم کرد:

1. آزمون های توصیفی
2. آزمون های استنباطی
3. آزمون های همبستگی
4. آزمون های پیش‌بینی
5. آزمون های اکتشافی
6. آزمون های علّی

انواع آزمون های توصیفی

بخش اول علم آمار، آمار توصیفی (descriptive) است که هدف آن توصیف داده های تحقیق است. در عین حال در این بخش به طبقه بندی و خلاصه کردن داده ها نیز می پردازیم. در مجموع می توان گفت سه ابزار و بخش برای بدست آوردن بخش آمار توصیفی داده ها وجود دارد:

1. محاسبه شاخص های مختلف توصیفی مانند میانگین و میانه و مد ……
2. ترسیم جداول توزیع فراوانی و درصد فراوانی، درصد فراوانی تجمعی و ……
3. ترسیم نمودار های مختلف

آمار توصیفی با دستور Frequency در نرم افزار SPSS

باید در بخش Analyze در منو Descritive Statistics گزینه Frequencies را بزنید.

مواردی که می توانید بررسی نمایید شامل :

1. میانگین(Mean)
2. میانه (Median)
3. نما (Mode)
4. واریانس (Variance)
5. انحراف معیار (Standard Deviation)
6. دامنه تغییرات (Range)
7. شاخص‌های پراکندگی (Dispersion)
8. چولگی (Skewness)
9. کشیدگی (kurtosis)

آموزش آمار توصیفی در نرم افزار SPSS

آمار توصیفی با دستور Descritive در نرم افزار SPSS

باید در بخش Analyze در منو Descritive Statistics گزینه Descritive را بزنید.

آمار توصیفی با دستور Explore در نرم افزار SPSS

باید به بخش Analyze بروید. در گام بعدی وارد بخش Descriptive Statistics شوید و گزینه Explore را انتخاب کنید.

از این روش نیز برای توصیف متغیرها می توان استفاده کرد . مواردی که می توانید بررسی نمایید شامل :

1. میانگین
2. میانه
3. دامنه
4. فاصله بین چارک اول و سوم
5. انحراف معیار
6. واریانس
7. ماکسیموم و مینیموم
8. میزان منحنی توزیع
9. کجی و کشیدگی
10. ترسیم نمودارها
11. نمودار ستونی
12. نمودار ساقه و برگ
13. نمودارجعبه ای

آمار توصیفی در نرم افزار R

میتوانید پکیج psych را نصب کنید و از دستور describe استفاده نمایید.

آمار توصیفی با استفاده از ترسیم نمودار در نرم افزار SPSS

نمودار ها یکی از روش های توصیف است که می توان با استفاده از آن، داده ها را به صورت گرافیکی به نمایش گذاشت . یکی از روش های ترسیم نمودار این است که به بخش Graphs بروید و سپس گزینه Chart Builder را بزنید سپس در بخشی که باز می شود باید از قسمت Gallery نمودار مد نظر را انتخاب کنید. کافی است دو بار روی آن کلیک نمایید تا شکل نمودار به کارد وسط انتقال یابد.

همین طور می توانید از طریق قسمت Legacy Dialogs و انتخاب گزینه نمودار مد نظر پیش بروید .

ترسیم نمودار P-P Plot

برای بررسی توزیع نرمال در داده های تحقیق به کار می رود . برای اجرای این نمودار از منوی Analyze به بخش Descriptive statistics بروید و گزینه P-P plot را بزنید.

ترسیم نمودار Q-Q Plot

جهت تشخیص نرمال بودن توزیع بکار می رود، به این صورت که مقادیر یک متغیر را با چارک های یک توزیع مثالا نرمال مقایسه می کند. از منوی Analyze به بخش Descriptive statistics بروید و گزینه Q-Q plot را بزنید.

ترسیم نمودار در نرم افزار R

برای ترسیم نمودار های مختلف باید از توابع موجود در نرم افزار استفاده کرد . در این قسمت لیستی از توابع ترسیم نمودار را در نرم افزار R معرفی می کنیم:

• تابع hist برای رسم نمودارهای هیستوگرام استفاده می شود
• تابع plot در R را نیز می توان برای ترسیم نمودار استفاده کرد
• تابع dotchart برای نمودار نقطه ای است
• تابع barplot  برای نمودار ستونی به کار می رود
• تابع boxplot برای نمودار جعبه ای است
• تابع linesبرای نمودار پله ای است

آزمون ضریب تغییرات در SPSS

زمانی که می‌خواهیم ضریب تغییرات را برای یک متغیر محاسبه کنیم (در اصل می خواهیم بررسی نماییم به ازای یک واحد تغییر در میانگین متغیر مان ، چه میزان انحراف معیار مقادیر، تغییر می کنند؟ در اصل هدف ما بررسی پراکندگی داده‌ها است). برای این تحلیل باید به بخش Analyze بروید. در گام بعدی وارد بخش Descriptive Statistics شوید و گزینه Ratio را انتخاب کنید.

آزمون کولموگروف اسميرنف برای بررسی نرمال بودن

این آزمون برای بررسی تست نرمال بودن توزیع داده ها، قبل از انجام تحلیل های آماری استفاده می شود . برای اجرای آن باید به منو Analyze بروید و از بخش Descriptive Statistics گزینه Explore را انتخاب کنید.

آزمون شاپیرو ویلک برای بررسی نرمال بودن

این آزمون هم مانند کولموگروف اسميرنف، جهت بررسی نرمال بودن توزیع، قبل از انجام تحلیل های آماری استفاده می شود. برای اجرای آن باید به منو Analyze بروید و از قسمت Descriptive Statistics گزینه Explore را بزنید. در ادامه می توانید به مشاهده اجرای این آزمون ها در نرم افزار SPSS بپردازید.

انواع آزمون های استنباطی

در آمار استنباطی (inferential) پژوهشگر قصد دارد بر اساس نتایج بدست آمده از نمونه تحقیق ، آن ها را به جامعه آماری تعمیم دهد .در اصل پژوهشگر برای تجزیه و تحلیل داده‌ها و بررسی فرضیه‌های پژوهش از روش‌های آمار استنباطی استفاده می کند. آزمون های آمار استنباطی را می توان در دو بخش (آزمون های پارامتریک و ناپارامتریک ) تقسیم کرد:

آزمون های پارامتریک

آزمون های پارامتری زمانی استفاده می شود که مفروضه های آزمون ها (مثلا توزیع نمونه نرمال باشد) به صورت کامل رعایت شود. این آزمون ها به تجزیه و تحلیل داده هایی که در سطح مقیاس فاصله‌ای و نسبی سنجیده شده اند ، می‌پردازند. آزمون های پارامتری شامل این موارد است:

• آزمون t مستقل
• آزمون t تک نمونه
• آزمون t وابسته
• آزمون hotelling t
• آزمون t-test welch
• تحلیل واریانس (ANOVA)
• تحلیل واریانس چندعاملی (MANOVA)
• تحلیل کوواریانس (MANCOVA)

آزمون t مستقل

این آزمون در پژوهش هایی که در آن هدف مقایسه گروه های دوتایی با یکدیگر است ، به کار می رود . مثلا آیا بین گروه مردان و زنان تفاوت ها از نظر عملکرد شغلی تفاوت وجود دارد؟ در این آزمون فرض می شود واریانس دو جامعه برابر است.

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

آزمون t تک نمونه

آزمون One sample t test برای آزمون فرض پیرامون میانگین یک جامعه استفاده می شود.به عبارتی سوال این است که آیا میانگین یک نمونه در جامعه با یک عدد ثابت مشخص تفاوت دارد ؟ مثلا طی یک بررسی نمرات گروه 1 بدست آمده است. ما می خواهیم ببینیم آیا میانگین این نمرات با عدد 19 که در اصل میانگین گروه های قبلی مورد بررسی بوده است، اختلاف دارد یا ندارد؟ برای اجرا از بخش Analyze گزینه compare Means را بزنید. در گام بعدی گزینه One sample T Test را انتخاب نمایید.

آزمون t وابسته

آزمون Paired sample t test برای بررسی دو حالت یا متغیر از یک جامعه آماری استفاده می‌شود. مثلا بررسی تفاوت میانگین رضایت کارکنان قبل و بعد از تغییر میزان درآمد آنان.

آموزش آزمون تی وابسته در نرم افزار SPSS

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

آزمون t-test welch

آزمون t ولچ یکی دیگر از انواع آزمون های آماری است که در آن دو گروه مستقل از هم را مقایسه می کنیم با این نکته که در آزمون لون، مفروضه همگنی واریانس ها رعایت نشده باشد و در اصل واریانس دو گروه با هم برابر نباشند.

اجرا این آزمون دقیقا مشابه آزمون تی مستقل است. با این تفاوت که در خروجی ها باید به ردیف دیگری توجه نمود:

آزمون t-test welch

آزمون hotelling t

این آزمون زمانی اجرا می شود که می خواهیم دو گروه مستقل از هم را در چندین متغیر وابسته ، مقایسه نماییم . برای اجرا باید از قسمت Analyse به بخش scale بروید و سپس گزینه Reliability Analysis را بزنید . و در قسمت statistics هم باید تیک Hotelling T-Square را فعال کنید.

آزمون تحلیل واریانس

به مجموعه روش هایی که برای بررسی تفاوت بین میانگین های بیش از دو گروه یا حالت استفاده می شود ، آنالیز واریانس می گویند که در واقع یک آزمون پارامتری محسوب می شود. این آزمون انواع متفاوتی دارد که در ادامه همه انواع آزمون های واریانس آموزش داده خواهد شد:

تحلیل واریانس یک راهه

واریانس یکراهه یکی از انواع واریانس ها است و زمانی استفاده می شود که مفروضه های پارامتریک رعایت شده باشد و هدف محقق بررسی تفاوت بین گروه ها باشد . این آزمون شامل: یک متغیر وابسته که به صورت پیوسته سنجیده شده (در سطح سنجش فاصله ای (scale) سنجیده شده ) است و یک متغیر مستقل که دارای گروه ها یا حالت های مختلفی (رتبه ای (ordinal) یا اسمی (nominal) ) است. برای اجرا باید به بخش Analyze  رفته و وارد قسمت Compare Means شوید و گزینه One-Way ANOVA را انتخاب کنید.

تحلیل واریانس دو راهه

برای بررسی تفاوت بین میانگین های بیش از دو گروه یا حالت استفاده می شود ، در حالی که بیش از یک متغیر مستقل موجود باشد. این آزمون شامل  یک متغیر وابسته که به صورت پیوسته سنجیده شده باشد و چند متغیر مستقل که دارای بیش از دو حالت می باشد . برای اجرا باید به بخش Analyze  رفته و وارد قسمت General Linear Model شوید و گزینه Univariate را انتخاب کنید.

تحلیل واریانس چند متغیری

مانوا (MANOVA) روشی است که برای بررسی تفاوت بین میانگین های گروهی با چند حالت استفاده می شود و در آن چندین متغیر وابسته موجود باشد. این آزمون شامل دو یا چند متغیر وابسته که به صورت پیوسته سنجیده و یک متغیر مستقل که دارای گروه ها یا حالت های مختلفی است.

برای اجرا باید به بخش Analyze رفته و وارد قسمت General Linear Model شوید و گزینه Multivariate را انتخاب کنید.

واریانس SPLIT-PLOT

تحلیل واریانس آمیخته بین درون آزمودنی ها یکی از انواع واریانس ها می باشد. زمانی که هدف محقق این است که تفاوت یک گروه را در یک متغیر وابسته پیوسته بررسی نماید ، آن هم در حالتی که در سه زمان مختلف سنجیده ایم ، استفاده می شود . در اصل ما در چنین تحلیلی دو نوع متغیر مستقل داریم. یکی دورن گروهی و یکی برون گروهی. برای اجرای این آزمون باید به بخش Analyze  رفته و وارد قسمت General Linear Model شوید و گزینه Repeared measures را انتخاب کنید.

انواع آزمون تحلیل کوواریانس

کوواریانس (ANCOVA) هم یکی از آزمون های آماری پارامتریک است که در آن هدف مقایسه میانگین های گروه ها بر اساس وجود یک متغیر کنترل می باشد. آزمون کوواریانس مناسب‌ ترین روش برای طرح های همراه با پیش‌ آزمون و پس‌‍‌ آزمون است. کوواریانس نیز انواع مختلفی دارد که در ادامه با آن ها آشنا می شوید:

تحلیل کوواریانس یک طرفه

کوواریانس یک طرفه یکی از روش های آزمون کوواریانس است که در آن میخواهیم تفاوت موجود در میانگین های گروه ها بر اساس وجود یک یا چند متغیر کنترل بررسی کنیم . در این روش ما یک متغیر وابسته به صورت کمی داریم و یک متغیر مستقل طبقه ای که نمونه ما را به چند گروه (مثلا گروه آزمایش و گروه کنترل ) تقسیم می کند. این آزمون به همراه یک یا چند متغیر کمکی اجرا می شود.

برای اجرا باید به بخش Analyze رفته و سپس گزینه General Linear Model را بزنیم و از کادر باز شده Univariate را انتخاب کنیم.

تحلیل کوواریانس دو طرفه

کوواریانس دو طرفه یکی از روش های آزمون کوواریانس است که در آن پژوهشگر با هدف بررسی تفاوت میانگین های گروه ها بر اساس وجود یک یا چند متغیر کنترل ، دست به تحقیق می زند. در این روش ما یک متغیر وابسته داریم و چند متغیر مستقل که به صورت طبقه ای است (مثلا گروه آزمایش و گروه کنترل و گروه افراد از نظر تحصیلات که مثلا به دیپلم و لیسانس و فوق لیسانس تقسیم می شوند ). این آزمون به همراه یک یا چند متغیر کمکی اجرا می شود.

برای اجرا باید به بخش Analyze رفته و سپس گزینه General Linear Model را بزنیم و از کادر باز شده Univariate را انتخاب کنیم.

آزمون های ناپارامتریک

اگر مفروضه های آزمون رعایت نشود و ویژگی های لازم را نداشته باشد، ما باید از جایگزین آن آزمون در بخش آزمون های ناپارامتری استفاده کنیم.

این آزمون ها بیشتر برای داده هایی به کار می رود که در سطح مقیاس اسمی ‌و رتبه‌ای سنجیده شده باشند . آزمون های ناپارامتری شامل این موارد است :

• ویلکاکسون
• یومن-ویتنی
• کروسکال-والیس
• فریدمن
• مک نمار
• آزمون Q کوکران
• ضریب همبستگی اسپیرمن (جایگزین همبستگی پیرسون)

آزمون ویلکاکسون

آزمون رتبه های علامت‌دار ویلکاکسون که یک ازمون ناپارامتریک است هنگامی استفاده می شود که مشارکت کنندگان در دو موقیت زمانی یا تحت دو شرایط مختلف باشند . این روش جایگزین ازمون تی وابسته می باشد .هنگامی که توزیع غیرنرمال است از این ازمون استفاده می کنیم. چیزی که نیاز داریم یک گروه است که با مقیاس فاصله‌ای یا نسبی در دو زمان یا حالت اندازه گیری شده باشند.

برای اجرا باید به بخش Analyze رفته و به قسمت  Nonparmeteric Tests بروید. سپس باید از بخش Legacy Dialog گزینه 2Related Samples را بزنید.

آزمون U من ویتنی

یو من ویتنی (Mann–Whitney U test) جهت مقایسه گروه ها و میانه ‌های (median) در متغیر وابسته استفاده می شود و جایگزین آزمون t مستقل (تی دو نمونه مستقل ) می باشد . برای اجرا باید به قسمت Analyze رفته و از گزینه Nonparametric Test بخش Legacy Dialogs را باز می کنیم و گزینه 2Independent Samples  را می زنیم.

آزمون کروسکال-والیس

از این آزمون به منظور بررسی این سوال استفاده می شود که، آیا میانگین گروه ها با هم برابر است یا تفاوت معنی داری دارد؟ در اصل این آزمون جایگزین ناپارامتریک تحلیل واریانس یک طرفه (ANOVA) است. برای اجرا این آزمون باید به بخش Analyze بروید و Nonparametric Tests را بزنید. وارد بخش Legacy Dialogs شوید و گزینه K Independent Samples را فعال کنید.

آزمون فریدمن

آزمون فریدمن یک آزمون از نوع ناپارامتری است که بودن یا نبودن تفاوت معنی‌دار بین گروه های زمانی را در متغیر وابسته اثبات یا در می کند . این آزمون در اصل معادل ناپارامتری تست تحلیل واریانس یک‌ طرفه با اندازه‌های مکرر است.

برای اجرای این آزمون باید به بخش Analyze رفته و از بین گزینه ها وارد قسمت Nonparametric Tests که مربوط به آزمون های نائارامتریک است بشوید. در گام بعدی گزینه Legacy Dialogs را بزنید و از بین لیست باز شده K Related Samples را انتخاب نمایید.

آزمون کولموگروف-اسمیرنف برای برازش توزیع

این آزمون یکی از روش‌های بررسی نیکویی برازش (Goodness of Fit Test) می باشد و جزو روش‌ های ناپارامتریک است. در اصل زمانی که ما می خواهیم هم‌توزیعی دو نمونه را با هم بررسی کنیم یا نیکویی برازش را می خواهیم بررسی نماییم از این آزمون استفاده می کنیم . مثلا برای هم‌ توزیعی دو گروه، ما استرس را در گروه 1 سنجیده ایم . در شرایط دیگری، در گروه دیگری نیز می سنجیم. اکنون سوال این است که آیا تغییر شرایط ، بر روی نتایج ،‌ تاثیر گذار بوده یا خیر؟ در مورد Goodness of Fit Test نیز به بررسی تطابق توزیع جامعه آماری با یک توزیع مشخص می پردازیم.

برای اجرا باید از بخش Analysis گزینه Nonpamateric Test را بزنید و سپس گزینه One Sample را انتخاب کنید.

آزمون مک نمار (McNemar Test)

این آزمون که یکی از آزمون های ناپارامتری است، جهت مقایسه گروه ها و بررسی مشاهدات زوجی درباره متغیرهای دو ارزشی، استفاده می شود. برای اجرا باید به بخش Analyze، بروید و در قسمت Descriptive Statistics گزینه Crosstabs را بزنید.

آزمون Q کوکران

آزمون کوکران هم یکی از آزمون های ناپارامتریک است که برای بررسی تفاوت بین سه (یا بیشتر) حالت یا زمان استفاده می شود. در اصل این آزمون مانند آزمون مک نمار هست با این تفاوت که به کار ازمون ها با اندازه گیری مکرر می آید. مثلا سه ماه پیش سر هم استرس افراد را سنجیده ایم و می خواهیم ببینیم آیا تفاوتی ایجاد شده است یا نه؟ در نظر داشته باشید که متغیر های این آزمون از نوع اسمی یا ترتیبی خواهند بود.

برای اجرا این آزمون باید به بخش Analyze رفته و از بین گزینه ها وارد قسمت Nonparametric Tests که مربوط به آزمون های نائارامتریک است بشوید. در گام بعدی گزینه Legacy Dialogs را بزنید و از بین لیست باز شده K Related Samples را انتخاب نمایید.

آزمون میانه در SPSS

از Median Test جهت بررسی این که، آیا میانه های دو گروه با یکدیگر متفاوت است یا خیر استفاده می‌شود. در این روش ناپارامتریک به جای این که مبنای تحلیل را بر اساس تفاوت بین میانگین ها بگذاریم، برحسب میانه آن‌ ها بررسی می کنیم. سوال اصلی این است که آیا گروه های تحقیق دارای میانه یکسان هستند یا نه؟ می‌توان این آزمون را معادل ناپارامتریک تحلیل واریانس یک طرفه هم در نظر گرفت.

برای اجرای این آزمون دو روش وجود دارد:
روش اول : باید وارد بخش Analysis شوید و گزینه Compare Means را انتخاب کنید و سپس بر روی آزمون Means بزنید.

روش دوم : باید به بخش Analyze بروید و از قسمت Nonparametric Tests گزینه Independent sampls را انتخاب کنید.

آزمون مربع کای برای نیکویی برازش

زمانی که پژوهشگر قصد دارد یک نسبت خاص را بررسی نماید و این نسبت را با تحقیق دیگر مقایسه کند ، از خی دو برای برازش استفاده می کنیم . در این روش ما یک متغیر طبقه ای داریم و یک نسبت فرض شده.

برای اجرا باید از منوی Analyze باید گزینه Nonparametric Tests و از بخش باز شده گزینه Legacy Dialogs و سپس گزینه  Chi-square را انتخاب کنید.

آزمون مربع کای برای استقلال

زمانی که محقق بخواهد معنی داری تفاوت بین متغیرهای رتبه ای را با یکدیگر بررسی کند از آزمون کای دو برای استقلال استفاده می کند. برای بدست آوردن تفاوت بین متغیرها باید از طریق ترسیم جدول توافقی اقدام نماییم.

برای اجرا باید از منوی Analyze باید گزینه Descriptive Statistics و از بخش باز شده گزینه Crosstabs را انتخاب کنید.

ضریب توافق کاپا

روشی برای سنجش توافق بین ارزیابان می باشد . بیشترین کاربرد آن در صنعت پزشکی است . مثال فرض کنید در یک بیمارستان دو گروه از پزشکان هستند که نظر خود را در مورد علل فوت یک سری بیمار بیان داشته اند. پژوهشگر با استفاده از ضریب کاپا، درجه و میزان توافق این دو گروه از پزشکان را مورد بررسی قرار می دهد.

برای اجرا باید از بخش Analysis به Descriptive Statistics رفته و گزینه CrossTabs را بزنید و سپس بر روی گزینه kappa کلیک نمایید.

انواع آزمون های همبستگی

همبستگی (Correlation) به رابطه آماری بین دو یا چند متغیر گفته می شود ، که با افزایش یافتن یکی از متغیرها، متغیر یا متغیرهای دیگر نیز افزایش یا کاهش می یابند. بسته به این که سطح سنجش متغیرهای ما کدام است از ضرایب همبستگی متفاوتی استفاده می شود . بر همین اساس ضريب همبستگي ممکن است در یکی از حالت های زیر گرفته شود :

1.  زمانی که هر دو متغير تحقیق اسمي (nominal) باشند (جدول توافقی و ضريب همبستگی كرامر و فی)
2. زمانی که هر دو متغير تحقیق ترتیبی باشند (ضریب همبستگی گاما و سامرز و صریب همبستگی اسپیرمن و همبستگی تاو کندال)
3. زمانی که هر دو متغير تحقیق فاصله اي یا نسبی باشند (Pearson )
4.  زمانی که یک متغير تحقیق اسمی و یکی ترتیبی باشند (ضریب همبستگی گاما و سامرز)
5.  زمانی که یک متغير تحقیق اسمی و یکی فاصله اي یا نسبی باشند
6.  زمانی که یک متغير تحقیق ترتیبی و یکی فاصله اي یا نسبی باشند

در ادامه تمامی این ضرایب را به همراه آموزش آن ها خواهید آموخت :

جدول توافقی برای بررسی رابطه متغیر ها

از جمله روش های آزمون همبستگی برای دو متغیر اسمی روش ترسیم جدول توافقی است . در نظر بگیرید که می خواهید جدولی ترسیم کنید تا با استفاده از آن ، به ارتباط طبقه های مختلف متغیر های تحقیق خود به خوبی پی ببرید. در چنین زمانی ترسیم یک جدول توافقی با دو یا چند متغیر می تواند بسیار روش مناسبی باشد . به عبارتی در صورتی که بخواهید رابطه متغیر های رتبه ای یا نسبی را بررسی کنید از روش ترسیم جدول توافقی پیش میرویم (اگر متغیر تحقیق به صورت پیوسته بود ، برای تشکیل جدول توافقی باید آن را با استفادهاز دستور ریکود ، به صورت ترتیبی درآوریم).

برای ترسیم جدول توافقی کافی است از بخش Analysis به Descriptive Statistics رفته و گزینه CrossTabs را بزنید.

ضریب همبستگی گاما و سامرز

این موارد از ضرایب همبستگی هنگامی استفاده می شود که یکی از متغیر ها یا هر دو دو متغیر در سطح سنجش ترتیبی سنجیده شده باشند. برای اجرا باید از بخش Analysis به Descriptive Statistics رفته و گزینه CrossTabs را بزنید . سپس باید گزینه های ضريب d سامرز و ضريب همبستگي گاما را بزنید .

همبستگی اسپیرمن (Spearman Correlation Coefficient)

یکی از روش های بررسی روابط بین متغیر ها اسپیرمن می باشد که در دسته آزمون های ناپارامتریک هم قرار می گیرد و برای داده‌های غیرنرمال استفاده می شود.  متغیر ها در این تحلیل در سطح سنجش رتبه‌ ای سنجیده شده اند. در کل این روش میزان همبستگی بین دو متغیر طبقه ای (یا اسمی) را محاسبه می کند و بازه آن (rs ) بین ۱+ و ۱- است . در کل برای محاسبه همبستگی دو مجموعه داده که به صورت ترتیبی سنجیده شده اند به کار می رود.

برای اجرا باید به بخش Analyze بروید و از قسمت Correlate گزینه Bivariate را انتخاب کنید و در پایان گزینه spearm را بزنید.

ضریب همبستگی پیرسون

این ضریب همبستگی Pearson’s correlation زمانی استفاده می شود که داده‌ های تحقیق در سطح سنجش مقیاس نسبی یا فاصله‌ای سنجیده شده باشند و به صورت توزیع نرمال باشند.

برای اجرا باید به بخش Analyze بروید و از قسمت Correlate گزینه Bivariate را انتخاب کنید و در پایان گزینه Pearson را بزنید.

ضریب همبستگی تاو کندال

این روش هم برای آزمون همبستگی برای دو متغیر ترتیبی Ordinal می باشد و جرو آزمون های ناپارامتریک محسوب می شود و در آن هر دو متغیر در این آزمون با مقیاس رتبه‌ای سنجیده شده اند.

برای اجرا باید به بخش Analyze بروید و از قسمت Correlate گزینه Bivariate را انتخاب کنید و در پایان گزینه Kendaklls’tau-b را بزنید.

ضريب همبستگی كرامر و فی

این ضریب برای بررسی شدت همبستگی بین دو متغیر اسمی مورد استفاده قرار می گیرد. برای اجرا باید از بخش Analysis به Descriptive Statistics رفته و گزینه CrossTabs را بزنید . سپس باید گزینه Phi and Cramer’s V را بزنید.

ضريب همبستگی لاندا

این روش هم برای بررسی همبستگی بین دو متغير اسمي و در حالتی که يكي از متغیر ها اسمي و يكي طبقه اي باشد استفاده می شود . برای اجرا باید از بخش Analysis به Descriptive Statistics رفته و گزینه CrossTabs را بزنید . سپس باید گزینه lambda را بزنید.

همبستگی تفکیکی

آزمون همبستگی تفکیکی (Partial Correlation) یکی از انواع روش های همبستگی است ، که در آن هدف شما بررسی همبستگی در حالتی است که ، یک یا چند متغیر را کنترل را وارد تحلیل کنید.

برای اجرا باید به بخش Analyze برویم و از قسمت Correlate گزینه Partial را انتخاب کنیم.

ضریب همبستگی نیمه جزئی

این نوع از همبستگی هم مانند ضریب همبستگی تفکیکی است ، ولی در آن تاثیرات متغیر سومی که می خواهیم آن را کنترل کنیم ، فقط بر روی یک متغیر تحلیل حذف می شود. در واقع همبستگی نیمه تفکیکی برای محاسبه اثرات متغیر مستقل تحقیق بر روی متغیر وابسته ، ابتدا اثرات متغیر های مستقل دیگر را بر روی متغیر مستقل تحقیق کنترل می کند.

برای اجرا باید به بخش Analyze برویم و از قسمت Regression گزینه Linear را انتخاب کنیم.

آزمون های پیش‌بینی (Prediction Analyses)

این دسته از آزمون های آماری ، چگونگی روند تغییرات یک یا چند متغیر (ملاک) را برحسب یک یا چند متغیر دیگر که همان متغیر های پیش بین هستند ، مشخص می‌کنند. برای انجام چنین آزمون های از روش‌ های تحلیل رگرسیونی (Regression) استفاده می شود . در این بخش با روش های رگرسیونی آشنا شوید :

رگرسیون خطی ساده

در این مدل از رگرسیون فقط یک متغیر مستقل (پیش‌بین ) وجود دارد. برای اجرا باید از منو Analyze گزینه Regression را انتخاب کنید و سپس Linear را بزنید .

رگرسیون خطی چندگانه

در این مدل از رگرسیون ما یش از یک متغیر مستقل (پیش‌بین) را وارد تحلیل می کنیم. برای اجرای باید از بخش Analyze گزینه Regression را انتخاب کنید و سپس Linear را بزنید. در قسمت Method باید یکی از روش های Enter، Forward ، Backward و Stepwise را انتخاب کنید.

آموزش اجرای رگرسیون گام به گام

زمانی که محقق می خواهد با استفاده از روش های آماری به کنترل متغیرهای تاثیر گذار بر روی متغیر ملاک بپردازند و در عین حال پیش بینی را نیز ارایه دهند، از روش رگرسیون گام به گام استفاده می کنند. برای اجرا باید از بخش Analyze گزینه Regression را انتخاب کنید و سپس Linear را بزنید. در قسمت Method که به صورت پیش فرض بر روی گزینه enter قرار دارد ، باید گزینه Stepwise را انتخاب کنید.

رگرسیون لجستیک دو وجهی

با استفاده از روش رگرسیون لجستیک دو جمله ای می توان، روابط بین متغیر های پیش بین را با متغیر وابسته دو وجهی (دو طبقه ای) که به صورت ترتیبی یا اسمی سنجیده شده باشد بررسی نمایید . برای اجرا باید از بخش Analyze گزینه Regression را انتخاب و سپس Binary Logistic را بزنید.

رگرسیون لجستیک ترتیبی

از دیگر آزمون های آماری روش رگرسیون لجستیک ترتیبی است که با استفاده از  این روش می توان، روابط بین متغیرهای پیش بین را با متغیر وابسته ترتیبی با بیش از دو طبقه بررسی کرد. برای اجرا باید از بخش Analyze گزینه Regression را انتخاب و سپس Ordinal Logistic Regression را بزنید.

رگرسیون لجستیک چندگانه

با استفاده از روش رگرسیون لجستیک چندگانه، می توان روابط بین متغیرهای پیش بین را با متغیر وابسته در چندین طبقه بررسی نماییم . رگرسیون لوجستیک چند جمله ای زمانی به کار می آید که متغیر وابسته ما اسمی باشد و چندین طبقه داشته باشد . برای اجرا باید از بخش Analyze گزینه Regression را انتخاب و سپس Multinomial Logistic را بزنید.

تجزیه و تحلیل های اکتشافی

هدف این دسته از آزمون های آماری پیدا کردن روابط پینهان متغیر ها است . متغیر هایی که در اصل سازه های پنهان را می سازند و با یکدیگر رابطه دارند از طریق این روش های آماری شناسایی می شوند. یکی از برترین روش ها در این دسته از آزمون ها، تحلیل عاملی اکتشافی EFA است که جهت شناسایی روابط زیربنایی یک مجموعه گویه ها یا سوالات پرسشنامه استفاده می‌شود.

روش تحلیل عاملی اکتشافی

این روش (EFA ) همبستگی درونی میان سوالات پرسشنامه یا یک مقیاس را بررسی می کند و از دل آن ها سازه هایی را کشف می کنیم. در هر عامل یا متغیر پنهان، گویه ها با هم، همبستگی معنایی و قوی دارند . این در حالی است که سوالات حول یک عامل با سوالات دیگر عامل ها همبستگی پایینی دارد.

برای اجرا باید از بخش Analyze گزینه‌ Dimension Reduction را انتخاب کنید و بر روی Factor کلیک کنید.

آموزش تحلیل عاملی اکتشافی

یک روش دیگری نیز به نام تجزیه و تحلیل مؤلفه‌ های اصلی وجود دارد که می توانید از آن نیز استفاده کنید. این روش که به اختصار PCA نیز گفته می شود یک تکنیک کاهش متغیر است که شباهت های زیادی به تحلیل عاملی اکتشافی دارد. هدف تحلیل مؤلفه‌های اصلی کاهش مجموعه بزرگ‌تری از متغیرها به مجموعه‌ای کوچک‌تر از متغیرهای «مصنوعی» است که «مؤلفه‌های اصلی» نامیده می‌شوند، که بیشتر واریانس متغیرهای اصلی را تشکیل می‌دهند. برای مشاهده روش حتما به لینک زیر مراجعه نمایید:

تحلیل مولفه های اصلی (PCA) با SPSS

روش تحلیل عاملی تاییدی

از دیگر آزمون های آماری تحلیل عاملی تاییدی (CFA) است که یکی از روش های تحلیل عاملی است که برای پیدا کردن متغیرهای پنهان در بین سوالات یک مقیاس استفاده می شود. برای اجرای این روش می توانید از نرم افزارهای لیزرل و اموس و نرم افزار Smart PLS استفاده کنید.

در کنار این روش شما می توانید از زیربنای رگرسیون استفاده کنید و به مدل سازی معادلات ساختاری نیز استفاده کنید.

آموزش صفر تا صد تحلیل عاملی تاییدی

در صورتی که بخواهید در روش آماری خود یک یا چند متغیر میانجی نیز قرار دهید باید از مدل معادلات ساختاری برای تحلیل استفاده نمایید. برای انجام این کار شما باید از نرم افزارهای لیزرل و اموس و یا Smart PLS استفاده کنید. همین طور شما باید با استفاده از آزمون سوبل به بررسی معنی داری متغیر میانجی خود بپردازید.