آنالیز آماری پایان نامه با اس پی اس اس (Spss) لیزرل (Lisrel)

 

از تحلیل آماری چه استفاده ای باید داشته باشم؟ آمارهای تحلیلی ( تحلیل های اماری پایان نامه ) با استفاده از SPSS , SAS , Lisrel , MiniTab , smart pls

 

این مقاله چگونگی اجرای برخی از تحلیل های آماری پایان نامه را با استفاده از SPPS نشان می دهد. هر بخش توصیف و توضیح مختصری از هدف آزمون آماری را به هنگام استفاده نشان می دهد ، یک مثال قوانین SPSS و بازده SPSS (اغلب مخفف می باشد) را با تفسیر مختصری از خروجی(بازده) نشان می دهد. شما می توانید به جدول انتخاب آزمون آماری صحیح مراجعه کنید که مروری از هر آزمون مناسب برای استفاده را نشان می دهد. در تعیین این موضوع که کدام آزمون برای استفاده مناسب است، در نظر گرفتن و بررسی انواع متغیرهایی که شما دارید حائز اهمیت است( برای مثال خواه این متغیرها قیاسی و مطلق یا ترتیبی باشد و خواه آنها متغیرهای توزیع شده و پراکنده باشند)، برای اطلاعات بیشتر به تفاوت های بین متغیرهای قیاسی، مطلق  و ترتیبی مراجعه کنید.

درباره فایل (پرونده) داده ها

بسیاری از مثال های موجود در این مقاله از یک فایل داده استفاده خواهد کرد که hsb2، مقطع متوسطه نامیده خواهد شد. این فایل داده شامل 200 مشاهده ی حاصل از نمونه ای از دانشجوان مقطع متوسطه ا با اطلاعات وابسته به آمارگیری (دموگرافی) درباره ی دانشجوان مانند جنسیت آنان(زن)، موقعیت اقتصادی – اجتماعی (نگرش) و زمینه ی اخلاقی (نژاد) است. همچنین این پرونده شامل برخی از آزمون های استاندارد شامل آزمون های درک مطلب(خواندن) ، نوشتن ، ریاضیات (ریاضی) و مطالعات اجتماعی socst)) می باشد. شما می توانید به فایل داده hsb با کلیک بر روی hsb2 دست یابید.

آزمون t یک نمونه ای

آزمون t یک نمونه ای این اجازه را به ما می دهد که میانگین نمونه ای را آزمایش کنیم که به میزان زیادی از یک مقدار فرض شده متفاوت می باشد. برای مثال، استفاده از فایل داده hsb2 ، می گوید که ما تمایل به آزمایش میانگین نمره ی نوشتن داریم که به میزان چشمگیری از 50 متفاوت است. ما می توانیم انجام این کار را به صورت زیر نشان دهیم.

آزمون تی

Testval= 0

متغیر: نوشتن (write).

میانگین متغیر نوشتن (write) برای این نمونه ی خاص دانشجویان 52.755 است، که از لحاظ آماری به میزان زیادی از ارزش آزمون 50 متفاوت می باشد. ما باید نتیجه بگیریم که این گروه از دانشجویان دارای میانگین بالاتری در آزمون نوشتن نسبت به 50 دارند.

آزمون دو جمله ای

آزمون دو جمله ای یک نمونه ای به ما اجازه می دهد که تناسب موفقیت را در یک متغیر وابسته ی مطلق دو سطحی آزمایش کنیم که به میزان زیادی از یک ارزش و مقدار فرضی متمایز می باشد. برای نمونه، استفاده از فایل داده hsb2، می گوید که ما تمایل داریم نسبت زنان را که به میزان قابل توجهی از 50% متفاوت هستند را آزمایش کنیم ، برای نمونه از 5. ما می توانیم  انجام این کار را به صورت زیر نشان دهیم.

npar tests /binomial (.5) = female. 

نتایج آزمون نشان می دهد که از لحاظ آماری هیچ تفاوت قابل توجهی وجود ندارد(P=229). به عبارت دیگر نسبت زنان در این نمونه به میزان قابل توجهی از مقدار فرض شده ی 50% متمایز نمی باشد.

آزمون نکویی برازش مربع کای

آزمون نکویی برازش مربع کای به ما این اجازه را می دهد که تناسب های مشاهده شده را برای یک متغیر مطلق آزمایش کنیم که از نسبت های (تناسب) فرض شده متمایز می باشد. برای نمونه، فرض کنید که ما معتقد هستیم جمعیت کلی شامل 10% اسپانیای، 10% آسیایی،10% آمریکایی آفریقایی و 70% مردم سفید پوست است. ما می خواهیم این آزمایش کنیم که آیا نسبت های مشاهده شده از نمونه ی ما به میزان چشمگیری از این نسبت های فرض شده متمایز می باشد.

npar test  /chisquare = race /expected = 10 10 10 70. این نتایج نشان می دهند که ترکیب نژادی در نمونه ی ما به میزان زیادی از مقادیر فرض شده ای که ما بدست آورده ایم متمایز نمی باشد( مربع کای با سه درجه آزادی = 5.029, p = .170) آزمون تی با دو نمونه مستقلیک آزمون تی نمونه های مستقل مورد استفاده قرار می گیرد هنگامی که شما می خواهید فاصله ی توزیع شده و پراکنده ی میانگین های یک متغیر وابسته را از دو گروه مستقل آزمایش کنید. برای نمونه، استفاده از فایل داده hsb2، می گوید ما تمایل داریم این موضوع را آزمایش کنیم که آیا میانگین برای نوشتن (write) مشابه زنان و مردان است.t-test groups = female(0 1)  /variables = write. از آنجایی که انحرافات استاندارد برای دو گروه مشابه هستند(10.3 و 8.1)، ما می خواهیم از آزمون" واریانس های موازی و برابر فرض شده"  استفاده کنیم. نتایج نشان می دهد که تفاوت آماری قابل توجهی بین میانگین نمره نوشتن در مردان و زنان وجود دارد(t = -3.734, p = .000) . به عبارت دیگر زنان از لحاظ آماری میانگین نمره بالاتری در نوشتن(54.99)  نسبت به زنان( (50.12دارند. آزمون ویلکاسون- مان- ویتنی آزمون ویلکاکسون- مان- ویتنی یک آنالوگ غیر پارامتری برای آزمون تی نمونه های مستقل است که می تواند مورد استفاده قرار گیرد هنگامی که شما فرض نمی کنید که متغیر وابسته یک متغیر فاصله ی توزیع شده نرمال است( شما تنها فرض می کنید که این متغیر در حداقل مقطع قرار دارد). شما خاطر نشان خواهید کرد که SPSS دستوری برای آزمون ویلکاکسون- مان – ویتنی تقریبا به آزمون تی نمونه های مستقل مشابه است. ما از یک فایل داده مشابه (فایل داده hsb2) و متغیرهای مشابه در این نمونه ها استفاده خواهیم کرد زیرا ما این کار را در مثال آزمون تی مستقل بالا انجام می دهیم و فرض نمی کنیم که نوشتن(Write) ، متغیر وابسته ما، به صورت نرمال توزیع و پراکنده شده است.npar test /m-w = write by female(0 1). نتایج پیشنهاد می دهد که تفاوت آماری قابل توجهی بین پراکندگی های نمرات نوشتن زنان و نمرات نوشتن زنان وجود دارد(z = -3.329, p = 0.001).

آزمون مربع کای

آزمون مربع کای هنگامی مورد استفاده قرار می گیرد که شما می خواهید مشاهده کنید آیا رابطه ای بین دو متغیر مطلق یا قیاسی وجود دارد. در SPSS، عملکرد مربع کای در زیر ساخت آمارهای دستور crosstab برای بدست آوردن آمار آزمون و مقدار p مربوطه آن مورد استفاده قرار می گیرد. استفاده از فایل داده hsb2 اجازه می دهد که ما مشاهده کنیم آیا رابطه ای بین نوع حضور در مدرسه (schtyp) و جنسیت دانشجوان(زن) وجود دارد. به خاطر داشته باشید که آزمون مربع کای فرض می کند که مقدار پیش بینی شده برای هر سوال پنج یا بالاتر است. این فرض به سهولت در نمونه های زیر قابل دستیابی است. اگرچه، اگر این فرض در داده های شما قابل دستیابی نباشد، لطفاً به بخش آزمون دقیق فیشر در زیر مراجعه کنید.

crosstabs /tables = schtyp by female /statistic = chisq. این نتایج نشان می دهد که هیچ رابطه ی آماری قابل توجهی بین نوع حضور در مدرسه و جنسیت وجود ندارد ( مربع کای با یک درجه آزادی 0.047, p = 0.828). اجازه بدهید به یک مثال دیگر بپردازیم، اکنون زمان بررسی رابطه خطی بین جنسیت (زن) و موقعیت اجتماعی – اقتصادی است(ses) . نکته ی این مثال این است که یک یا هر دو متغیر ممکن است بیش از دو سطح داشته باشند، و لذا این متغیرها دارای تعداد سطوح مشابه نمی باشند. در این مثال، زنان دارای دو سطح ( مردان و زنان) و ses دارای سه سطح می باشد( کم، متوسط ، زیاد). 

crosstabs

 /tables = female by ses

 /statistic = chisq.

دوباره ما فهمیدیم که هیچ رابطه ی آماری قابل توجهی بین متغیرها وجود ندارد( مربع کای با دو درجه آزادی= 4.577, p = 0.101)

آزمون دقیق فیشر

آزمون دقیق فیشر مورد استفاده قرار می گیرد هنگامی که ما می خواهیم یک آزمون مربع کای را استفاده کنیم اما یک یا بیش از یک سلول ما دارای یک فرکانس پیش بینی شده ی 5 سطحی یا کمتر است. بخاطر داشته باشید آزمون مربع کای فرض می کند که هر سلول دارای فرکانس پیش بینی شده ی 5 یا بیش از 5 سطح است، اما آزمون دقیق فیشر چنین فرضی ندارد و می تواند بدون توجه به این موضوع استفاده شود که تا چه اندازه فرکانس پیش بینی شده کوچک است. در SPSS اگر شما مدول (اندازه و پیمانه) آزمون دقیق SPSS را داشته باشید، می توانید تنها یک آزمون دقیق فیشر را در یک جدول 2×2 انجام دهید، و این نتایج به صورت قراردادی نشان داده می شوند. لطفاً به نتایج نمونه مربع کای بالا مراجعه کنید.

آزمون تحلیل واریانس یک عامله

تحلیل یک عامله ی واریانس(ANOVA) استفاده می شود هنگامی که شما یک متغیر مستقل قیاسی یا مطلق (با دو یا بیش از دو طبقه) و یک متغیر وابسته ی فاصله ای پراکنده و توزیع شده دارید و می خواهید تفاوت های موجود در میانگین های متغیر وابسته تقسیم شده توسط سطوح متغیر مستقل آزمایش کنید. برای مثال استفاده از فایل داده hsb2 می گوید ما می خواهیم میانگین تفاوت های نوشتن را بین سه برنامه آزمایش کنیم(prog). دستورالعمل این آزمون باید به صورت زیر باشد:

نوشتن تک عامله توسط برنامه

میانگین متغیر وابسته به میزان زیادی در میان سطوح انواع برنامه ها متفاوت می باشد. اگرچه، ما نمی دانیم آیا این تفاوت بین دو سطح یا تمام سه سطح وجود دارد. (آزمون F این مدل مشابه آزمون F برای برنامه است زیرا برنامه تنها متغیر وارد شده به این مدل بود. اگر متغیرهای دیگر نیز وارد شوند، آزمون F برای این مدل باید متمایز از برنامه باشد). به میانگین نوشتن برای هر سطح از انواع برنامه ها مراجعه کنید

Means tables = write by prog.

دانلود پایان نامه آماده دانلود مقاله بیس

This website was built using N.nu - try it yourself for free.    (Click here to renew the premium)(info & kontakt)