چنانکه دواس (1383) اشاره می کند شکل پرسش و طبقات پاسخ بر کار شما تاثیر می گذارد. شما باید اول تشخیص بدهید که سوال شما در کدام نوع مقیاس های فوق است که توضیح دادیم. مثلا اگر بپرسید از چه نوع کاری برخوردارید و برایش گزینه هیچ، پاره وقت، تمام وقت بگذارید متغیر ترتیبی است. اگر بپرسیم چند ساعت در هفته کار می کنیدو برایش گزینه 1- 10؛ 11- 20؛ 21- 30 و ... بگذارید، متغیر ترتیبی است. اگر بپرسیم چند ساعت در هفته کار می کنید و خودش بصورت باز جواب دهد، متغیری فاصله ای است.
سپس بدانید که سطوح بالای سنجش هم اطلاعات بیشتری فراهم می آورد و هم دامنه روش های تحلیل گسترده تر می گردد اما اغلب اندازه گیری در سطوح پایین تر عاقلانه تر است و می توان سطح سنجش فاصله ای را به پایین تر از خود مثلا به ترتیبی تغییر داد. اما سرمد و همکارانش(1382) معتقدند که مرجح است که داده ها در بالاترین سطح مقیاس گرداوری شود زیرا تحلیل داده های آماری به مقیاسی بستگی دارد که داده ها با آن گرداوری شده اند. این دومین اختلاف نظر. حال باید چه کرد؟
از همان ابتدای طراحی سوالات پرسشنامه یا ابزار گرداوری اطلاعات و داده هایتان سعی کنید بالاترین مقیاس(مثلا فاصله ای) که دقیق تر از پایین ترهاست را درنظر بگیرید. سپس به طور روشن و واضح مشخص کنید که سوال شما در کدام مقیاس است.در غیر اینصورت باید با متخصص این کار و تحلیل گر روش شناسی وآمار مشورت کنید. علاوه بر این باید بدانید که نوع تحقیق شما چیست؟ اغلب تحقیقات دو متغیره و چند متغیره اند. مثلا یک طرف متغیرهای مستقل یا پیش بین و در طرف دیگر متغیر وابسته یا ملاک قرار دارد. برای انتخاب آزمون مناسب تشخیص مقیاس هر دو نوع متغیر لازم است. مثلا ترتیبی- ترتیبی اند یا ترتیبی- فاصله ای یا اسمی- ترتیبی و غیره.
نوع مسکن و وضعیت تاهل، غالبا اسمی اند. وضعیت اشتغال اگر بپرسیم که شغل شما چیست و هر کسی به صورت باز جواب دهد اسمی چند حالته خواهد بود. اگر شغلش را بپرسیم و برایش چند گزینه مثلا برحسب مقبولیت و منزلت در جامعه بگذاریم، ترتیبی خواهد بود مثلا گزینه ها را بگذاریم: کارکنان تخصصی و فنی؛ مدیران و مقامات و مالکین؛ کارمندان ادارات و فروشگاه ها؛ کارگران و... اما اگر از شاخص های وجهه شغلی یا شاخص اجتماعی- اقتصادی استفاده شود متغیر وضع شغلی در سطح فاصله ای خواهد بود. یکی از دلایل عدم اتفاق نظر اساتید و دانشجویان در بکارگیری آزمون های آماری مشخص، همین انعطاف و تغییر در نحوه سنجش و اندازه گیری متغیرهاست.
3- مقیاس های متغیرها و مسیر اجرا و تفاسیر خروجی ها
اگر دو متغیر اسمی باشند مثلا یک طرف سن (جوان، میانسال، کهنسال) و طرف دیگر مهاجرت (رضایت به مهاجرت، عدم مهاجرت) برای تحلیل رابطه اشان از جدول توافقی استفاده می کنیم به شرطی که متغیر مورد بررسی مقولاتش کمتر از8 باشد.
نحوه اجرا در SPSS
Analyze-Descriptive Statistics- Crosstabs
بعد ازین سه مرحله باکسی باز می شود که در آن متغیر مستقل را به Columns و متغیر وابسته را به بخش Rows می بریم و OK.
اما پرکاربردتر از این برای دو متغیر اسمی، آزمون کی دو (Chi-square test) است. مانند رابطه بین دو متغیر جنسیت و رشته تحصیلی.
نحوه اجرا در SPSS
Analyze-Descriptive Statistics- Crosstabs
بعد ازین سه مرحله باکسی باز می شود که در آن متغیر مستقل را به Columns و متغیر وابسته را به بخش Rows می بریم.
قبل از Ok ، گزینه Statistics را می زنیم و در باکسی که باز می شود Chi-square را کلیک می کنیم و سپس ادامه و سپس گزینه Cells را کلیک کرده و بر روی گزینه های Expected ون Observed (فراوانی های مشاهده شده و مورد انتظار) تیک می زنیم. بعد ادامه و OK.
نحوه تفسیر خروجی کی دو:
در جدول محاسبه شده، به مورد Asymp.Sig نگاه می کنیم که اگر مقدار عددی آن از 05/ کمتر باشد پی می بریم که با احتمال 95درصد رابطه بین دو متغیر معنی دار است.
شاخص های دیگری هم برای این کار هستند که مبتنی بر کی دو اند مانند ضریب همبستگی کرایمر، توافق پیرسون، فی، چوپوروف.
شاخص هایی هم که مبتنی بر کاهش نسبی خطا (PRE) هستند عبارت اند از ضریب همبستگی لامبدا، یول، گودمن و کروسکال، ضریب عدم اطمینان.
پیشنهاد می شود بیشتر از شاخص های مبتنی بر کاهش نسبی خطا استفاده شود.
مسیر بیشتر این شاخص های مقیاس اسمی همان مسیر کی دو است که باید هر کدام راکه نیاز بود تیک بزنید. تفسیر اغلب آنهاهم باز به همان شکل است. این شاخصها تنها قدرت رابطه را نشان می دهند و بیانگر جهت نیستند. در اغلب آنها صفر نشان گر عدم ارتباط و 1 نشان گر رابطه کامل است و بین صفر تا3/ ضعیف و 3/ تا 6/ متوسط واز 6/ تا یک رابطه قوی می باشد.
ضریب یول شدت همبستگی بین دو متغیر اسمی دو مقوله ای را می سنجد. مانند جنسیت(زن- مرد) با تحصیلات (باسواد- بی سواد)
روش اجرا در SPSS
Analyze-Correlate-Distance
باکسی باز می شود و هر دو متغیر را به سمت راست منتقل می کنیم. سپس این ها را به ترتیب کلیک می کنیم
Similarities-Measure- Binary-Yule-Continue-Ok
اگر دو متغیر ترتیبی باشند
اگر بخواهید آماره های توصیفی مناسب برای دو متغیر ترتیبی (مانند پایگاه اجتماعی و دینداری) را بکارببرید از یکی از این موارد به تناسب تحقیقتان استفاده کنید: جدول توافقی، تاو کندال، دی سامرز، گاما، سپیرمن، ضریب کاپای کوهن.
محل اجرا در نرم افزار هم مانند کی دو و شاخص های مبتنی بر PRE در مسیر زیر است:
Analyze-Descriptive Statistics-Crosstabs
تفسیر هم باز بدان شکل است که اگر آزمون معنی داری کمتر از 05/بود بین این دو متغیر رابطه هست.
اگر بخواهید آمار استنباطی دو متغیر در مقیاس ترتیبی را به دست آورید از آزمون معنی داری سپیرمن و گاما استفاده کنید.
اگر دو متغیر فاصله ای باشند
روش تحلیل مناسب برای دو متغیر در مقیاس فاصله ای (مثلا میزان مطالعه حسب ساعت و مقدار معدل) جدول توافقی و نمودار پراکنش است. ترجیحا نمودار پراکنش بهتر است. این کار برای آن است تا ماهیت این ارتباط بین متغیرها مشخص شود که ارتباطشان خطی یا غیرخطی است. شدت هم بطور نسبی نشان داده می شود طوری که هر چه نقاط به هم نزدیک تر و حول خط باشند همبستگی قوی تر است. جهت این ارتباط هم از روی نمودار مشخص است. بدین صورت که اگر توزیع شکلی کشیده از جنوب غربی به شمال شرقی داشت، رابطه مثبت است و اگر شکلی کشیده از جنوب شرقی به شمال غربی داشت، رابطه معکوس است.
روش اجرا در SPSS
به این ترتیب عمل کنید:
Graphs-Scatter.Dot-Simple Scatter- Define
در باکسی که باز می شود متغیر وابسته یا ملاک را به بخش Y و متغیر مستقل یا پیش بین را به X منتقل کنید. بعدOK.
در آمار استنباطی هم دو آزمون مخصوص مقیاس فاصله ای اند:
ضریب همبستگی پیرسون(Pearson’s correlation coefficients) و تحلیل رگرسیون(Regression Analysis)
روش اجرا در SPSS
مطابق موارد زیر به ترتیب، کلیک کنید:
Analyze- Correlate- Bivariate
در باکسی که باز می شود متغیرهای مورد نظر را به سمت راست منقل کنید. در همان باکس روی پیرسون تیک بزنید. بعد روی Option کلیک کنید. در باکسی که باز می شود Means and Standard Dev و Cross-Product dev را تیک بزنید بعد ادامه و OK.
تفسیر جدول
اگر sig کمتر از 05/ بود بین این دو متغیر همبستگی وجود دارد. مقدار پیرسون هم بیانگر شدت این رابطه است. یعنی اگر مقدار پیرسون بین صفر تا 3/ بود ضعیف و اگر بین 3/ تا 6/ بود متوسط و اگر بیشتر از 6/ بود قوی است. این قراردادی است ولی معمولا در تفسیر نتایج و تحقیقات مختلف از آن پیروی می شود.
اگر فرضیه شما دو دامنه است یعنی جهتی در فرضیه مشخص نکرده اید در تیک های بالا، دودامنه(2 tailed) که بصورت پیش فرض فعال است را مارک دار انتخاب کنید.
اگر متغیری اسمی و دیگری ترتیبی باشد
آمار توصیفی مناسب برای یک متغیر اسمی (محل زندگی: شهر- روستا) و ترتیبی (میزان رضایت از زندگی) می تواند یکی از این موارد باشد:
ضریب همبستگی لامبدا، گودمن و کروسکال، وی کرامر، چوپوروف.
آمار استنباطی هم بهتر از بقیه آزمون من- ویتنی (Mann- Whithney) می باشد. از این طریق میانگین بین دو متغیر را مقایسه می کنیم. باید واریانس ها برای دو گروه یکسان باشد.
روش اجرا در SPSS
به این ترتیب عمل می کنیم:
Analyze- Nonparametric- 2 independent samples
در باکسی که باز می شود متغیر وابسته یا ملاک را به بخش Test Variable List می بریم و مستقل را به Grouping Var . زیر آن گزینه Define G را کلیک کرده و جلوی group1 عدد 1 (یا کدی که به متغیر داده اید) و جلوی Group2 عدد 2 (یا کدی که به متغیر داده اید) واردمی کنیم. بعد ادامه، در همان باکس اول، من ویتنی را تیک می زنیم، ادامه و OK.
تفسیر جدول خروجی این هم بر مبنای سیگ می باشد که اگر کمتر از 5صدم بودنتیجه می گیریم که تفاوت بین میانگین ها معنی دار است.
اگر متغیری اسمی و دیگری فاصله ای باشد
مناسب ترین آزمون برای وقتی که متغیری اسمی (نوع قومیت: کرد، فارس، آذری) و دیگری فاصله ای (بهره هوشی، میزان درآمد و...) باشد دو مورد است: تی ستودنت (student’s t-test) یا تحلیل واریانس یکطرفه (One way ANOVA).
تی ستودنت سه حالت دارد(یک نمونه ای، نمونه های جفت یاوابسته، دو نمونه مستقل) وقتی از یک نمونه ای استفاده می کنیم که مقدار میانگین و انحراف معیار جامعه را داشته باشیم که در اغلب تحقیقات این میسر نیست. از نمونه های جفت وقتی استفاده می کنیم که برای یک فرد دو نمره داشته باشیم مثلا میزان فشار خون دانش آموزان قبل و بعد از کنکور را بخواهیم با جنسیت (دختر و پسر) مقایسه کنیم. از دو نمونه مستقل هنگامی استفاده می کنیم که بین نمونه ها ارتباطی وجود نداشته باشد. مثلا مقایسه دانشجویان بین دو دانشگاه، مقایسه میانگین متغیری بین زنان و مردان.
روش اجرای t در SPSS
هر سه نوع آزمون تی ازین مسیر قابل دسترس و اجراهستند:
Analyze- Compare means- One Sample… /Paired Samples…/ Independent…
در یک نمونه ای، باکسی که باز می شود مقدار ثابت (مقدار آزمون) را می خواهد که باید وارد کنید. در دونمونه مستقل وقتی باکس باز شد متغیر وابسته را به بخش Test Var منتقل می کنیم و متغیر مستقل را به Grouping Var و سپس زیر خودش Define رو می زنیم و کدهای 1 و2 را جلوی گروپ 1 و2 می زنیم.
تفسیر همه یکسان است که وقتی Sig کمتر از 05/ باشد نتیجه می گیریم که تفاوت میانگین ها معنادار است. خروجی تی با دو نمونه مستقل دارای دو جدول است که جدول دوم دارای سه مقدار Sig است. سیگ اول (زیر عبارت Levene’s Test for…) بیانگر همسانی یا نابرابری واریانس دو گروه است. یعنی اگر سیگ بیشتر از 5درصد بود نتیجه می گیریم که واریانس ها برابرند. (این سیگ تعیین کننده نوع ارتباط میانگین ها نیست) لذا می رویم سراغ سیگ دوم که در زیرعنوان T- Test for Eq و در روبروی عنوان Equal Variances Assumed قرار دارد اگر مقدار آن کمتر از 05/ بود نتیجه می گیریم تفاوت میانگین ها معنادار است. اما اگر مقدار سیگ لِوِن (زیر عبارت Levene’s Test for…) کمتر از 05/ بود نتیجه می گیریم که واریانس ها نابرابرند و لذا می رویم سراغ سیگ سوم که در زیرعنوان T- Test for Eq و در روبروی عنوان Equal Variances NOT Assumed و از روی این مقدار تشخیص می دهیم که تفاوت میانگین ها معنادار است یا نیست که اگر کمتر از 05/ بودمعنادار است.(برای توضیح بیشتر و راهنمایی کامل به اثر مفید آقای سعید گودرزی با عنوان کاربرد آمار در علوم اجتماعی، 1388، صفحات 226-244 مراجعه نمایید)
تحلیل واریانس را هنگامی باید استفاده کرد که واریانس دو گروه یکسان باشد. چگونه ازین مطلب مطلع و مطمئن شویم؟ با آزمون لون.
تحلیل واریانس هم سه حالت دارد(یکطرفه، دوطرفه، چند طرفه). در یکطرفه تاثیر یک متغیر مستقل بر وابسته(مانند جنسیت بر میزان درآمد)، در دو طرفه دو متغیر مستقل بر وابسته و در چند طرفه تاثیر چند متغیر مستقل بر وابسته سنجیده می شود که غالباً تحلیل واریانس یکطرفه کاربرد بیشتری دارد.
روش اجرا در نرم افزار SPSS
تحلیل واریانس یکطرفه ازین مسیر قابل دسترسی است:
Analyze- Compare means- One way ANOVA
در اینجا باکسی باز می شود که متغیر وابسته را به Dependent List برده و متغیر مستقل را به Factor. سپس اگر اطلاعات بیشتری خواستید روی Option کلیک می کنید و گزینه های Descriptive، Homogeneity of Variance، Means plot را تیک می زنید. بعد ادامه و OK.
برای تحلیل واریانس دو طرفه این مسیر را طی می کنیم:
Analyze- General linear Model- Univariate
متغیر وابسته به بخش Dependent Var و متغیر مستقل به Fixed Factor. برای دریافت اطلاعات بیشتر روی Option کلیک می کنیم. باکسی باز می شودکه در آن متغیرهای مستقل (دوتا در سمت چپ در کادر Factor(s) and Factor) را به سمت راست (کادر Display Means for) منتقل می کنیم. سپس این موارد را در زیر تیک می زنیم:Homogeneity, Estimate, Descriptive بعد ادامه و قبل از ok کردن اگر خواستید می توانید نمودار را هم رسم کنید. برای اینکار روی Plots کلیک کرده و یکی از متغیرهای مستقل را به بخش Horizontal و متغیر مستقل دیگر را به Separate منتقل می کنیم.
این مطالب زیر در فرصت های آتی انشاالله اضافه خواهند شد.
تا کی اندر دام وصل آرم تذروی خوش خرام
در کمینم و انتظار وقت فرصت میکنم(حافظ)
-نحوه محاسبه ضریب آلفای کرونباخ
-تشریح نمونه گیری و فرمول کوکران و مقادیر آن
-رگرسیون و تفسیر خروجی های آن
-نحوه کامپیوت کردن سوالات یک متغیر در پرسشنامه با استفاده از نرم افزار
-اهمیت استفاده از نمودار و چارت متناسب با مقیاس ها