راهنمای کسب کارشناسی ارشد/دکترای مدیریت

راهنمای کسب کارشناسی ارشد/دکترای مدیریت

مشاوره و ارائه دروس و اطلاعات لازم برای توفیق در کسب مدرک
راهنمای کسب کارشناسی ارشد/دکترای مدیریت

راهنمای کسب کارشناسی ارشد/دکترای مدیریت

مشاوره و ارائه دروس و اطلاعات لازم برای توفیق در کسب مدرک

روش تجزیه و تحلیل داده ها

یکی از مشکلات عمده دانشجویان حتی در مقاطع ارشد و دکترا و علیرغم گذراندن درس روش تحقیق این است که واقعا نمی دانند با داده های خود باید چه کار کنند و چطور آن را تحلیل کنند و چگونه به یک جمع بندی کلی دست یابند.

برای افرادی که ابزار جمع آوری داده آنها پرسشنامه می باشد و از طیف لیکرت استفاده می نمایند یک متدولوژی مناسب ارائه نمایم که چندین پایان نامه با موفقیت و با این روش هدایت شده اند. امیدوارم مفید و مثمر ثمر قرار گیرد و انشالله دوستان در منابع پایان نامه خویش نیز به آن ارجاع دهند تا موجب توسعه و نشر علم گردد.

یادآوری 1:

در ابتدا یادآور می شوم بر مبنای مطالعات در ادبیات آماری، انتخاب حجم نمونه به عواملی مانند کمی یا کیفی بودن متغیر، اسمی، ترتیبی یا عددی بودن آن، حجم جامعه و نوع توزیع آماری جامعه بستگی دارد. پس اگر متغیر های مورد مطالعه شما دو شرط داشته باشد یعنی اولا از طریق تحقیق پرسشنامه ای با طیف پنج گزینه ای لیکرت (متغیر کیفی اسمی) مورد مطالعه قرار گیرد و ثانیا حجم جامعه آماری شما کم می باشد از فرمول زیر برای بدست آوردن حجم نمونه استفاده کنید:
در اینجا n حجم نمونه مورد نیاز (حداقل تعداد پرسش شوندگان)، N حجم کل جامعه آماری شما، α سطح اطمینان 95% ، P نسبت موفقیت و d خطای اندازه گیری قابل قبول می باشد که معمولا در تحقیق  5 درصد در نظر گرفته می شود. به عبارتی با این حجم نمونه که از این فرمول محاسبه می شود صحت اطلاعات در سطح اطمینان 95% و خطای 5 درصد قابل صحت و اعتبار خواهد بود.
در این رابطه p نسبت موفقیت است. مقدار p را مانند واریانس از اطلاعات گذشته یا از پیش آزمون به دست می‌آوریم و اگر هیچ یک از این ها مقدور نباشد، مقدار آن را 0.5 در نظر می‌گیریم. زیرا بیشترین مقدار واریانس برای نسبت وقتی است که P معادل 0.5 باشد.
یادآوری 2:
حال که متوجه شدید حداقل پاسخ دهندگان مورد نیازتان چه تعداد می باشد، باید پرسشنامه را تهیه نموده، توزیع مقدماتی آن را انجام دهید و سپس کنترل کیفیت نماید.
چنانچه در زمینه تهیه پرسشنامه و یا در زمینه کنترل کیفیت آن (محاسبه اعتبار و روائی (Validity)، پایائی (Reliability) آن) مشکلی دارید به مطلبی که در همین وبلاگ با عنوان پرسشنامه تهیه شده است مراجعه کنید.
روش تجزیه و تحلیل داده ها:
پیشنهاد می نمایم به منظور پایبندی به اصول شناخت توصیفی و تحلیل و اجتناب از پیش داوری و به منظور تجزیه و تحلیل داده ها از الگوی جامع زیر تبعیت کنید:
این روش شامل دو بخش است که هر بخش شامل سه زیر بخش است که در کل و با هم یک الگوی جامع را ارائه می نماید:
بخش اول: توصیف داده ها (Data Description)
بخش دوم: تحلیل داد ها (Data Analysis)
در بخش توصیف داده ها چه کنیم؟
در این بخش سه اقدام اساسی صورت می گیرد:
الف) توصیف ویژگی های عمومی پاسخگویان
ب) کالبد شناسی متغیر های اصلی
ج) گروه بندی بر اساس ویژگی های عمومی پاسخگویان
در بخش تحلیل داده ها چه کنیم؟
در این بخش سه اقدام اساسی صورت می گیرد:
الف) تحلیل همبستگی
ب) تحلیل رگرسیون
ج) تحلیل مسیر
توصیف داده ها
در این بخش صرفا به توصیف داده های گرد آوری شده و تبیین ساختار یافته پاسخ های پرسش شوندگان و گروه بندی اطلاعات واصله بر اساس ویژگی های عمومی آن می پردازیم که همانطور که اشاره شد شامل سه بخش زیر می باشد:
الف) توصیف ویژگی های عمومی پاسخگویان
این قسمت شامل مطالعه توزیع فراوانی پاسخگویان از نظر جنس، سن، وضعیت تحصیلات، رشته تحصیلی، سنوات خدمت، وضعیت استخدامی و پست سازمانی و … است
ب) کالبد شکافی متغیر های اصلی
این قسمت شامل توصیف گویه های هر متغیر مورد استفاده در تحقیق با استفاده از آمار توصیفی (میانگین و انحراف معیار) و سنجش آنها با طیف پنج تائی و بررسی تطبیقی شاخص ها می باشد.
ج) گروه بندی بر اساس ویژگی های عمومی پاسخگویان
در این بخش بررسی جداگانه هر یک از ویژگی های عمومی مانند نظر جنس، سن، وضعیت تحصیلات، رشته تحصیلی، سنوات خدمت، وضعیت استخدامی و پست سازمانی و … با متغیر های تحقیق (اعم از مستقل و وابسته) و از طریق آمار های توزیع پراکندگی (میانگین و انحراف معیار) و دریافتی خروجی تحلیلی برای آنها صورت می پذیرد.
مثال:
فرض کنید ما در حال سنجش یک متغیر وابسته (Y) از طریق 5 متغیر مستقل (X1,X2,X3,X4,X5) هستیم.
Y=f(X1, X2, X3, X4, X5)
فرض کنید بین 70 نفر پرسشنامه توزیع شده است و شما به منظور سنجش X1 پنج سوال و به منظور سنجش X2 سه سوال و به منظور سنجش X3 چهار سوال و به منظور سنجش X4 یک سوال و به منظور سنجش X5 نیز دو سوال و به منظور سنجش Y نیز سه سوال در پرسشنامه طراحی کرده اید. یعنی جمعا 18 پرسش در پرسشنامه دارید و علاوه بر این 18 پرسش از پرسش شونده 5 سوال در مورد جنس، سن، سطح تحصیلات، رشته تحصیلی و پست سازمانی وی پرسیده اید.
حال پاسخ این 23 سوال را در مورد این 70 نفر وارد نرم افزار SPSS کنید و از خروجی های متنوع و مختلف آن بهره برداری های زیر را نمائید:
گام نخست: 
در بخش توصیف ویژگی های عمومی طی جداولی فراوانی و درصد فراوانی و نمودار های مرتبط با آن را برای 5 صفت مذکور و جداگانه مشخص نماید و در مورد سطح تحصیلات یا سن ابتکار به خرج داده و مثلا سن را گروه بندی نموده و بعد جداول مربط به آن را تهیه کنید.
گام دوم:
در بخش کالبد شناسی متغیر های اصلی به سراغ X1 تا X5 و Y بروید. در این بخش توصیه می شود، برای تبیین دقیق تر متغیر های تحقیق، این متغیرها (مستقل و وابسته) به شرح زیر با دامنه تغییرات 2 تا 2- رتبه بندی گردد. این کار توصیف را آسانتر می نماید. پیشنهاد من توصیف متغیر ها بر اساس طیف هفت تائی و به شرح زیر می باشد.
عنوان طبق فاصله امتیازات
کاملا قوی: 1.34 تا 2
قوی: 0.68 تا 1.33
نسبتا قوی: 0.01 تا 0.67
متوسط = صفر
نسبتا ضعیف: 0.01- تا 0.67-
ضعیف: 0.68- تا 1.33-
کاملا ضعیف: 1.34- تا 2-
یاد آوری3:
شما برای هر پرسش از طیف 5 تائی لیکرت استفاده نموده اید و در SPSS به هر طیف مانند تقسیم بندی زیر عددی را تخصیص داده اید:
کاملا موافقم (2)
موافقم (1)
نظری ندارم (0)
مخالفم (1-)
کاملا مخالفم (2-)
پس میانگین 70 پاسخ در مورد پرسش مثلا 16 عددی را تولید می کند که در یکی از هفت طبقه بندی فوق قرار می گیرد. البته فراموش نکنید اگر 5 سوال جواب نهائی متغیر X1 را تشکیل می دهند شما باید به شرط برابری وزن 5 سوال میانگین وزنی این 5 سوال را برای X1 لحاظ کنید.
حالا مشخص کنید که اولا هر یک از متغیر های X1 تا X5 و Y میانگین امتیاز و انحراف معیارشان چقدر است و در کدام طبقه بندی فوق قرار می گیرد و ثانیا جدول زیر را تهیه و تحلیل کنید.
توزیع فراوانی طبقات مربوط به سنجه های تشکیل دهنده شاخص X1
- در بخش گروه بندی بر اساس ویژگی های عمومی پاسخگویان از تکنیک زیر استفاده نمائید:
یک جدول مشابه زیر تهیه کنید. توجه کنید برای 5 صفت مذکور مانند جنس اینکار باید به تفکیک صورت پذیرد.
ارزش امتیازات شاخص های اصلی تحقیق برای پاسخگویان به تفکیک جنسیت
حال فرض کنید اطلاعات جدول حاکی از آن است که، میانگین امتیاز شاخص X1 در مردان 0.75 و در زنان 0.82 می باشد. اما سوال این است که آیا برتری این عدد حاکی از برتری شاخص X1 گروه زنان نسبت به گروه مردان می باشد؟ پاسخ این مهم را صرفا می توان با آزمون های آماری داد.
به منظور بررسی معنا دار بودن تفاوت میانگین هر یک از شاخص ها در دو گروه زن و مرد از آزمون مقایسه میانگین Independent- Sample T-Test استفاده نمائید و نتایج آن در سطح اطمینان 95% تحلیل کنید.
مقدار Sig را در آزمون برابری واریانس Levene’s از خروجی های SPSS برای این شاخص استخراج کنید. فرض منید عدد 0.675 شده است
Sig.=P-value=0.675>0.05=∝
چون مقدار P-Value که مربوط به واریانس است از α بزرگتر شده است، پس برابری واریانس ها رد نمی شود. لذا به P-Value سطر اول نگاه کنید. فرض کنید این عدد 0.750 شده است.
Sig(2-taild)=P-value=0.750>0.05=∝
پس تائید می شود که میانگین شاخص X1 در دو گروه زنان و مردان تفاوت معنا دار آماری وجود ندارد.
گواه دیگر برای این مدعا عدد نشان داده شده در ستون (95% Confidence Interval of the Difference) می باشد، که شامل صفر می باشد و لذا فرض H0 تائید می شود. گواه سوم بر این موضوع مقدار آماره t می باشد که اگر از 2 بزرگتر باشد، تفاوت معنا دار خواهد شد که در اینجا (مثال ما) کوچکتر از 2 می باشد.
یادآوری 4:
شما در این بخش فقط داشتید در مورد تفاوت مثلا میانگین شاخص X1 در دو گروه زن و مرد بررسی انجام می دادید اما اگر بخواهید بدانید بین میانگین شاخص X1 در سه گروه سنی (24-29) و (30-35) و (36-41) سال تفاوت معنادار آماری وجود دارد یا خیر یعنی بیش از دو گروه را مقایسه نمائید مجبور هستید از روش زیر استفاده کنید:
نظر به اینکه در این بخش با بیش از دو گروه جهت مقایسه آزمون آماری مقایسه میانگین مواجه می باشیم روش آزمون مقایسه میانگین Independent- Sample T-Test قابل استفاده نمی باشد و بایستی از آزمون آنالیز واریانس یک طرفه (One-Way ANOVA) استفاده نمائیم. نتایج این آزمون را به کمک SPSS در سطح اطمینان 95% استخراج کنید. در این آزمون که با آزمون Post Hoc نیز ترکیب شده است، فرض H0 برابری میانگین هر شاخص در تمامی گروه های سنی مختلف و فرض H1 تفاوت معنا دار این میانگین ها خواهد بود.
نحوه استنباط آماری آزمون ANOVA یا همان Analysis of Variance برای شاخص X1 به شرح زیر می باشد:
مقدار Sig را در نظر می گیریم. فرض کنید 0.02 است
Sig.=P-value=0.02<0.05=∝
چون مقدار P-Value از α کوچکتر شده است، پس فرض H0 رد می شود و اختلاف معنی دار است.
اینکار را برای مابقی شاخص ها هم تکرار کنید. کار شما در توصیف با یک جمع بندی زیبا و برقراری ارتباط بین قسمت های مختلف به اتمام خواهد رسید و وارد مرحله تحلیل می شوید
نظرات 0 + ارسال نظر
ایمیل شما بعد از ثبت نمایش داده نخواهد شد