16 دليل براي استفاده از مدل هاي فازي در حوزه ي انساني و اجتماعي

1.     روابط مجموعه اي در بر گيرنده ي پيوندهاي علي و بنياديني است كه مرتبط با پديده هاي اجتماعي است.
2.    روابط مجموعه اي نظريه محور و دانش محور است.
3.    از آنجا كه نظريه در ابتدا به صورت كلامي است و استدلال هاي كلامي اغلب مجموعه اي هستند روابط مجموعه اي براي نظريه پردازي اجتماعي مركزيت دارد.
4.    روابط مجموعه اي نامتقارن بوده و نبايد آنها را در قالب استدلال هاي مبتني بر همبستگي تدوين نمود.
5.    روابط مجموعه اي مي توانند علارغم وجود يك همبستگي ضعيف يا متوسط بسيار قوي باشند.
6.    با استفاده از اين مجموعه ها مي توان پيچيدگي هاي علي را كه در ذهن خبره ترين كارشناسان قرار دارد به مدل در آورد.
7.    كيفي است و پيوندهاي غير خطي ارائه مي دهد و امكان پيدا كردن روابط علي پيچيده را در بين داده هاي حوزه ي انساني فراهم مي آورد.
8.    مدل هاي مجموعه اي نامتقارن اند.
9.    تحليل مجموعه اي به نحو موثري روش هاي كمي و كيفي را تلفيق مي نماييد.
10.    مدل هاي غير قطعي ارائه مي دهند. يعني براي عضويت داده ها در مجموعه هاي مختلف از روش هاي صفر و يك استفاده نمي كند.
11.    بومي سازي از طريق مجوعه هاي فازي امكان پذير است.
12.    كميت هايي كه در حوزه ي انساني و اجتماعي با آن مواجهيم بخصوص در     پيمايش فازي اند.
13.    نرم افزارهاي فازي موجود اند و نگراني در مورد ساخت مدل هاي فازي و آزمون اين مدل ها وجود ندارد.
14.    شبيه سازي از طريق اين مدل ها امكان پذير است.
15.    توان تحليل ابهام را به صورت نظامند دارند.
16.    چون سازه هاي در حوزه ي انساني و اجتماعي چند بعدي بوده و مقوله اي هستند، مجموعه هاي فازي به خوبي توان كار با اين مدل ها را دارند.

علم پژوهي و تحليل مفهوم اصالت علمي

با توجه به ضرورت فوق العاده ي درك فلسفه ي علم براي دانشجويان رشته ي سنجش و اندازه گيري بر آن شدم تا مقالات مناسب در اين زمينه را براي دوستان با حفظ مشخصات نويسنده بيان نماييم. اميد است دوستان گرامي لذت برده و در راستاي گسترش دانش  به كار گيرند.

علم پژوهي و تحليل مفهوم اصالت علمي

دانشجوي دكتراي سياست گذاري علم و فناوري دانشگاه ساسكس انگليس و عضو هيئت علمي مرکز تحقيقات
Email: [e-mail] سياست علمی کشور(آرش موسوي)
مفهوم اصالت عل مي ١ چند ي است که در محافل سيا سي کشور مورد توجه ويژه قرار
گرفته و تمايل بر اي افزايش ميزان خلاقيت و نوآوري در پژوهش ها و توليدات علم ي به
شكل هاي مختلف ابراز شده است . با وجود اشتياق بر اي دست يا بي به سطوح بالا ي
اصالت عل مي در نظام پژوه شي کشور، چندان با رويکردها ي آکادميک مرتبط با موضوع
همراه نشده و ابزارها ي تحلي لي موجود در شاخه هاي متعدد علم پژوه ي بر اي ورود به
موضوع، مورد استفاده قرار نگرفته اند. مقاله ي حاضر بر اي جبران اين خلاء نظر ي، نگاشته
شده كه به مرور به شاخه هاي متعدد علم پژوهي در ادبيات دانشگاهي دنيا مي پردازد و
هدف اصلي آن فراهم ساختن مبنايي است تا از آن طريق دركي متناسب با پارادايم جهاني
موجود از مفاهي مي همچون اصالت عل مي، نوآوري هاي اصيل، شكستن مرزهاي دانش و
ساير مفاهيم مرتبط حاصل آيد . علاوه بر اين ، برآنست تا اصول اساسي در زمينه طراح ي
يک تحقيق همه جانبه با هدف درک عوامل م ؤثر بر ميزان اصالت و خلاقيت علم ي
موجود در نظام علمي کشور را در اختيار بگذارد.
در واقع، سياستگذاري در باب علم ، متكي بر شناخت علم است . شناخت و تحليل
سازوكار علم چه در وجه شناختي و چه در وجه اجتماعي آن تمهيدي ضروري براي
شناخت و تح ليل راه هاي تأثيرگذاري از طريق سياست ورزي بر نحوه ي عملكرد اين نهاد
مهم و كليدي در جوامع معاصر فراهم مي سازد. اغلب، فيلسوفان علم و روان شناسان علم ،
متمركز بر وجه شناختي علم بوده اند و هريك بصيرت هاي بنيادي و مهمي را درباره ي آنچه
كه در ذهن دانشمند مي گذرد و آنچه كه "بايد" بگذرد فراهم آورده اند. از سوي ديگر ، علم
در وجه اجتماعي خود بيش تر مورد توجه جامعه شناسان و اقتصاددانان بوده است . اين دو
گروه اخير تلاش كرده اند تا فعاليت علمي دانشمند را در متن اجتماعي اش مورد مطالعه قرار
دهند، تأثير اين متن اجتماعي را بر فعاليت دانشمند و تأثير دانشمند بر اين متن اجتماعي را
تحليل كنند . در بخش هاي ديگر، تلاش مي شود تا مكاتب اصلي موجود در هريك از اين
شاخه هاي علم شناسي و دستاوردهاي مهم آنان را معرفي كنيم.
هريك از اين بخش ها ب ه گونه اي طراحي و نگاشته مي شوند تا ز م ين هاي مناسب براي
ارايه تفسيري سيستماتيك از مفهوم اصالت عل مي را در چارچوب خاص مورد بحث ،فراهم سازند . تلاش خواهيم كرد تا مفهوم اصالت در علم را از زواياي متعدد با استفاده
از رويكردها و مكاتب گوناگون موجود در علم شناسي مورد تفسير قرار دهيم . اين
تفاسير گوناگون و متعدد در انتهاي مقاله با يكديگر مقايسه خواهند شد و تلاش بر اين
خواهد بود تا جمع بندي منسجم و تا حد امكان يكپارچه اي از اين تفاسير متعدد ار اي ه
گردد و طرحي كوتاه از گام هاي بعدي مورد نياز براي طراحي سياست هاي معطوف بر
افزايش اصالت علمي پيشنهاد شود.
پيش فرض بنيادي اين است كه پديدار علم هم داراي وجوه عام جهاني است و هم
از خصلت هاي بومي برخوردار است . علاوه بر اين، مقاله بر اين فرض استوار است كه
علم مدرن پديداري است كه ريشه در تحولات غرب صنعتي در سه چهار قرن اخير
دارد. بنابراين، مدل ها و نظريه هاي توضيح دهنده ماهيت و دينا ميسم اين پديدار كه در
متن جوامع توسعه يافته به وجود آمده اند به عنوان مبناي شناخت و نقطه شروع شناخت
علم بايد مورد بررسي و استناد باشند.
جست وجو براي يك نظريه ي فراگير كه تمام وجوه پديدار پيچيده علم را زير چتر
تبييني خود درآورد ، يا حتي جست وجو براي پيدا كردن تعريفي مشترك از علم كه توان
ايجاد توافقي فراگير را ايجاد نمايد، در همان اولين كاوش ها در ادبيات بسيار متنوع مرتبط
« شبكه اي از گزاره هاي درهم تنيده » با موضوع ، با ناكامي مواجه خواهد شد . علم به عنوان
سال هاي طولاني است كه مورد مطالعه فيلسوفان علم قرار داش ته است و سابقه تحليل
علم به اين شكل ، حداقل به اواخر قرن نوزدهم ميلادي باز مي گردد. اين شاخه ي ديرپا از
مطالعات علم شناسي اخيرًا با ورود روان شناسان و متخصصان علو م شناختي به اين حوزه
جذابيت مضاعفي يافته و از ذائقه اي توصيفي نيز برخوردار شده است . مطالعه علم در
فعاليت نسبتًا جديدتري است . جامعه شناسان و اقتصاددانان در « نهاد اجتماعي » هيأت يك
ده ههاي اخير تلاش كرده اند تا با استفاده از ابزارهاي سنتي موجود در حوزه اختصاصي
خود به قلمرو مطالعات علم وارد شوند و علم را از زاويه نگاه اجتماعي نيز مورد تحليل
قرا دهند . درون هريك از اين شاخه هاي علم شناسي ، مكاتب و نحله هاي متنوع و
گوناگوني وجود دارد و طيفي از رويكردهاي رنگارنگ و گاه حتي متناقض قابل مشاهده
است. در بحثي كه به دنبال خواهد آمد ، تنها به مهم ترين مكاتب موجود در هريك از اين
شاخه هاي علم شناسي خواهيم پرداخت و تلاش خواهيم كرد تا خصوصيات عام و نظر ي هريك را مورد بررسي قرار دهيم . در انتها نيز با استفاده از چارچوب ها و رويكردهاي
معرفي شده به بحثي پيرامون موضوع اصالت علمي خواهيم پرداخت.
فلسفه علم
فلسفه علم در ميان آن د سته از دانش هاي بشري كه موضوع اصلي مورد مطالعه آنها علم
مي باشد، از سابقه بيش تري برخوردار است . از ميان وجوه شناختي و علم اجتماعي، يك
رويكرد فلسفي نوعًا بر وجه شناختي متمركز است. برخي از مهم ترين و محوري ترين
:( سؤالات مطرح شده در حوزه ي فلسفه علم، بدين قرارند (تاگارد، ۱۹۸۸ ، ص ۱
۱. معرفت علمي از چه ساختاري برخوردار است؟
۲. تبيين علمي چيست و حل مسأله شامل چه مراحل و فرآيندهايي مي باشد؟
۳. نظريه هاي علمي چگونه كشف مي شوند و چگونه مورد ارزيابي قرار مي گيرند؟
۴. بخش هاي نظري و تجربي علم چگونه به يكديگر ارتباط مي يابند؟
اگرچه اين سؤالات ظاهرًا در متون فلسفي به شكلي توصيفي ١ مطرح مي شو ند و به آنها
پاسخ داده مي شود، با وجود اين، دغدغه ي اصلي كاوش فلسفي وجه تجويزي ٢ اين
سؤالات و پاسخ هاي فراهم آمده ، براي آنها مي باشد. تفاوت فلسفه علم با روان شناسي
علم در اين است كه فلسفه علم او ً لا، ب ه دنبال توصيف استدلال ها و نحوه ي تفك ر
دانشمندان در جهان واقعي نيست ، بلكه به دنبال اين است كه روشن كند، دانشمندان چه
به عمل آورند و چگونه بايد بينديشند (فرگه، ۱۹۶۴ و پوپر، « بايد » نوع استدلال هايي را
۱۹۷۲ ). به بيان ديگر ، فلسفه علم به مكانيزم هاي مشروعي علاقمند است كه دانشمندان
با ب هكارگيري آ نها به فعاليت علمي مي پردازند. البته در سال هاي اخير، حوزه فلسفه علم
شاهد ظهور نحله هاي توصيفي چندي نيز بوده است (لازي، ۱۹۹۳ ، ص ۳۲۷ )، اما بدنه
اصلي اين شاخه از دانش بشري دغدغه تجويزي خود را كماكان حفظ نموده است.
براي اينكه نمونه اي از نحوه كار فيلسوفان علم را ببينيم ، كافي است به گوشه اي از
تلاش هاي آنها براي ترسيم ساختار عمومي معرفت علمي ، نگاهي داشته باشيم .
فيلسوفان علم براي اي نكه ساختار عام معرفت علمي را به تصوير بكشند ، اغلب جملات و گزاره هاي علمي را به دو دسته كلي تقسيم بندي مي كنند : گزاره هاي نظري ١ و
گزار ههاي مشاهدتي . ٢ يك عقيده ي كلاسيك در حوزه ي فلسفه علم كه آن را مي توان
تحويل گرايي ٣ نام نهاد ، نوعي ارتباط سلسله مراتبي را ميان اين دو دسته از گزاره هاي
علمي مفروض مي دارد.
شكل ( ۱): مدل تحويل گرايانه ساختار معرفت علمي
در د رون رويكرد تحويل گرايانه به ساختار معرفت علمي دو قطب اصلي قابل
تشخيص است (كلون، ۱۹۹۵ ). دسته اول بر اين باورند كه گزاره هاي نظري در علم از
گزاره هاي مشاهدتي استنتاج مي گردند و اين استنتاج از طريق يك فرآيند استقراء
صورت مي گيرد (پوزيتيويسم و تجربه گرايي منطقي). دسته دوم برآنند كه گز ار ههاي
مشاهدتي در علم را با كمك گرفتن از گزاره هاي نظري تبيين نمايند و بدون اين
گزاره هاي نظري، مشاهده اي امكان تحقق نخواهد يافت (عقلانيت انتقادي ). در نقطه
مقابل مدل تحويل گرايانه از ساختار معرفت علمي كه بر يك بنيان علمي (مشاهدتي يا
نظري) و بر نقطه اي كه علم از آنجا آغاز مي شود، تأكيد دارند كه ساير بخش هاي يك
سيستم گزاره اي از همين بنيان مشتق مي گردد . رويكرد ديگري كه مي توان آن را
انسجام گرايي ٤ نام نهاد ، برآنست كه هر باور علمي براي توجيه خويش به ارتباطات
كل سيستم « انسجام » استنتاجي با ساير باورهاي موجود در سيستم باور و در نها يت، به
.( باورهاي شخص دانشمند متكي است (بونجور، ۱۹۹۸
در ساير مسا يل مورد مطالعه همچون مس أله ماهيت تبيين علمي، كشف و ارزيابي
نظريه هاي علمي نيز فيلسوفاني كه در جريان غالب فلسفه علم جاي مي گيرند ، همواره به دنبال صورت بندي استانداردهاي فرامتني و جهان شمول براي مكانيزم هاي مشروع فعاليت
دانشمندان بوده اند. ب هطور كلي ، مي توان گفت كه علم از نظر جريان غالب فلسفه علم چنان
شبكه اي درهم تنيده از گزاره ها است و دانشمند همچون عنكبوتي است كه به تنيدن اين
شبكه مشغول است . بر اين اساس ، وظيفه فيلسوف علم آن است كه راه هاي مشروع استنتاج
(تنيدن) گزاره هاي جديد را كه با معيار صدق مطابقت دارند ، پيش پاي علم بگذارد و با
تحليل منطقي درست را از نا درست متمايز سازد . فيلسوفان علم رسمي و جريان حاكم بر
فلسفه علم ، همواره در درون مرزهاي فلسفه از ناحيه شكاكان و نسبي گرايان مو رد انتقاد
قرار داشته اند. با وجود اين، رقيب اصلي اين نحوه تفكر درباره علم همواره از جايي بيرون
مرزهاي فلسفه برخاسته است، يعني از حوزه جامعه شناسي علم.

روش بوت استرپ BOOTSTRAP

Bootstrapروشی ساده اما درعین حال قوی ازروش نمونه گیری montecarlo است که برای تعیین دقت آماری یابرآوردکردن توزیع ازروی آماره های نمونه است. دراینجا مقدماتی دررابطه با موضوعاتی مانند اینکه :Bootstrap چیست؟وهمچنین روش های عملی انجام گام به گام Bootstrap با استفاده از برنامه های ساده اکسل را بیان می کنیم.باید یادآورشویم که روش bootstrap روشی گول زننده وغیرعلمی نیست بلکه درحقیقت یک روش علمی مفید است. Bootstrap چیست؟Bootstrap نمونه گیری ای است که با تبدیل از یک نمونه به دست می آید. یا به عبارت دیگرBootstrap نمونه گیری ای است درون یک نمونه.روش Bootstrap با تکیه بر نمونه شخصی انجام می شود که اغلب ،آن نمونه شخصی تنها منبعی است که یک محقق برای تحقیق دارد واین براهمیت روش Bootstrao می افزاید. اصل رابری Bootstrap این را بیان می کند که برآوردگر نمونه گرفته شده با روشBootstrap برابر است با برآورد نمونه اصلی.کلیات روش Bootstrap درنمودار زیر نشان داده شده است 
  فرض کنید شما می خواهید دقت آماری داده های نمونه خود را( آماره های نمونه ) تعیین کنید،شما می توانیدN  تا نمونه Bootstrap را گرفته(که به آن بازنمونه گیری نیز می گویند) و آماره های هرنمونه را حساب کنید.مقادیر آماره های نمونه Bootstrap برای ارزیابی دقت آماره های نمونه اصلی استفاده می شود.
روش Bootstrap دارای دو پیش فرض است:
1-نمونه شما نمونه معتبری از جمعیت است.
2-Bootstrap نمونه ای را با جایگزینی از نمونه اصلی خواهد گرفت به طوری که هر نمونه گرفته شده با این روش مستقل ولی دارای توزیع برابرند.به عبارت دیگر نمونه های گرفته شده با روش Bootstrap دارای توزیع جمعیت برابرند ولی هر نمونه مستقل از نمونه های دیگر است.
 مثال هایی از کاربرد Bootstrap:
در اینجا مثال هایی از نمونه مسائلی که شما می توانید با روش Bootstrap آنها را حل کنید آورده شده:
1-فرض کنید شما تعدادی داده نمونه دارید اما نمونه شما آنقدر کوچک است که شما نمی توانید درباره توزیع نمونه تان با اطمینان سخن بگویید ودر نتیجه شما نمی توانید دامنه میان چارکی ویاواریانس ویا دیگر پارامتر های جمعیت تان را برآورد کنید.
2-شما دو نمونه که توزیع آن ها ناشناخته است به نام های Yو X دارید و می خواهید توزیع نسبت Z=X/Y را بشناسید وبعضی از آماره های مفید Z مانند میانگین و انحراف معیار را نیز بشناسید.
3-شما دو نمونه AوB دارید و می خواهید امتحان کنید که آیا آن ها از جمعیت یکسان هستند یا نه ؟
4-شما مدل رگرسیونی Y=a+bX دارید و می خواهید یک فاصله اطمینان برای پارامترهایaوb بدست آورید.

مقايسه ي آزمون هاي مداد كاغذي و كامپيوتري

عصر كشاورزي با هدف تهيه و تامين غذا به وقوع پيوست و تقريبا سي هزار سال دوام داشت. عصر صنعت پس از آن شكل گرفت و مشكل ابزار و مواد را كه نياز آن زمان بود برطرف نمود، در حدود 500 سال دوام داشت و در بعضي از كشورها همچنان ادامه دارد. موج سوم مربوط به عصر اطلاعات است كه با حضور كامپيوتر معرفي شده و به سرعت در حال توسعه و گسترش است و حوزه ي فن آوري و اطلاعات را شديدا تحت تاثير خود قرار داده است، هدف اين عصر رفع نياز اطلاعاتي بشر است (تافلر، 1368).

زندگي بشر امروزي در عصر اطلاعات به سوي دنياي مجازي يا موج چهارم حركت مي كند. نقشي كه كامپيوتر در اين دوران دارد، غير قابل انكار است. كامپيوتر ها به قسمت جدايي ناپذير زندگي مدرن تبديل شده اند، درحالي كه زماني نه چندان دور جزء اشياء اسرارآميز[1] و ناشناخته به شمار مي رفتند كه تنها در دانشگاهها و مراكز دولتي ديده مي شدند و براي استفاده ا ز آنها مهندساني با مدرك دكتري لازم بود (بوچر[2]، 1995). سرعت پردازش داده هاي كامپيوتري حتي از آنچه قانون مور[3] (1965) تعيين كرده بود فراتر رفته است و كمتر از دو سال دو برابر مي شود. كامپيوتر سايه ي قدرتمندش را بر همه ي عرصه هاي زندگي مدرن تحميل كرده است. يكي از حوزه هايي كه تحت تاثير فن آوري جديد و بخصوص كامپيوتر قرار گرفته، حوزه ي آموزش است. از آنجايي كه آموزش و پرورش هر عصر با توجه به مختصات و نيازهاي آن دوره تغيير مي كند، در جامعه اطلاعاتي امروز، شاهد توسعه دانشگاههاي مجازي، آموزش الكترونيكي، تجارب الكترنيكي، شهرها و سرويس هاي الكترونيكي متنوعي هستيم كه در حال توسعه اند. اين تحولات به همراه توسعه ي سريع دانش كه از طريق اينترنت به سرعت در حال گسترش است، زمينه ي رسيدن بشر به دنياي سه بعدي يا موج چهارم را فراهم كرده است (جلالی، 1383). در اين عصر آموزش بيشتر به سمت آموزش از راه دور[4] حركت مي كند. آموزش از راه دور حوزه ي وسيعي است كه شامل يادگيري مبتني بر كامپيوتر[5]، يادگيري آنلاين[6] و يادگيري الكترونيك[7] مي شود (احمدی، 1382).

در هزاران سال گذشته انسانها دور هم جمع مي شدند تا بياموزند و دانش خود را به ديگران منتقل كنند، اما فن آوري اطلاعات در زمان حال همه ي اين احتياجات را حذف كرده است و بزودي هر انساني در هر نقطه از دنيا و در هر زماني مي تواند بياموزد. اين اتفاقات به دليل حضور يادگيري الكترونيك است. يادگيري الكترونيك فن آوري كامپيوتر و شبكه را در جهت آموزش به خدمت مي گيرد. اين نوع يادگيري به استفاده از اطلاعات و تكنولو‍‍‍‍ژي كامپيوتري در جهت ايجاد تجارب آموزشي اطلاق مي شود (هورتن[8]، 2006).

گراس [9]كه مبدع واژه ي يادگيري الكترونيكي است، براي آن شش نشانه درنظر مي گيرد. اين نوع از يادگيري با جديد ترين اطلاعات همراه است و توسط اينترنت صورت مي گيرد، فراگير محور است، دربرگيرنده ي مجموعه اي از روشهاي آموزشي-  نظير كلاسهاي مجازي، همكاري ديجيتالي و شبيه سازي و غيره-  است، مبتني بر يادگيري به وسيله تلاش و كوشش توسط خود فراگير با بهره گيري از تكنولوژي جديد است، قابليت انجام فرايندهاي اداري و مديريتي- نظير ثبت نام ، تدريس، اجرا و ارزشيابي و سنجش- را به وسيله كامپيوتر فراهم مي آورد (آرگریسون، 1383).

در يادگيري الكترونيك كامپيوتر بر تمام مراحل فرايند آموزش تاثير می گذارد. يكي از اركان يادگيري الكترونيك سنجش، اندازه گيري و ارزشيابي فراگيران است. همانند آموزش سنتي در آموزش الکترونیک نيز آزمون ابزار اندازه گيري است. آزمونهايي كه از طريق كامپيوتر اجرا مي شوند، آزمونهاي مبتني بر كامپيوتر[10] يا آزمونهاي كامپيوتري[11]  و فرايند سنجش، سنجش كامپيوتري[12] يا سنجش الكترونيك[13] ناميده مي شود. آزمونهاي مبتني بر كامپيوتر در سه شكل آزمونهاي ثابت چندگانه[14]، آزمونهاي انطباقی كامپيوتري12 و آزمونهاي چند مرحله اي13 اجرا مي شوند (لویکت14 ،2005).

اين آزمونها در سنجش گستره ي وسيعي از توانايي به بكار برده مي شوند و بنابراين مانند آزمونهاي سنتي براي تفسير نيازمند افراد متخصص مي باشند. انجمن روانشناسي آمريكا[15] (1986) جهت گيري هاي كلي آزمونهاي مبتني بر كامپيوتر و تفسير اين آزمونها را مشخص كرده است. معمولا اين آزمونها براي سنجش دانش، توانايي ها، مهارتها، شخصيت و نگرش ها بكار مي روند (واینر[16]، 2005).

[1]. Mysterious

[2]. Butcher                                                            

[3].  Moore,s Law    

[4]. Distance Learning                                                                           12. Computer- adaptive testing

[5]. Computer- based learning                                                               13. Multistage testing

[6] .learning  Online                                                                              14. Lucket

[7]. E- learning

[8]. Horton                                                                     

[9]. Grass                                                                          

[10]. Computer- based testing                                           

[11]. Computerized testing

[12]. Computer assessment

[13]. E-assessment

[14]. Multiple fixed testing

[15]. American Psychological Testing (APA)

[16]. Weiner

انواع مدل هاي تئوری سئوال پاسخ با توجه به تعداد پارامترها

انواع مدل هاي تئوری سئوال پاسخ با توجه به تعداد پارامترها:
براي بيشتر کارهاي نظري که دربارة خواص سئوال هاي تستي و تست هاي حاصل از ترکيب اين سئوال ها انجام مي شود. يکي از دو مدل رياضي مورد استفاده قرار مي گيرد. هر دو مدل نتايج بسيار مشابهي بدست مي دهد. انتخاب هر کدام در بيشتر موارد بستگي به سادگي و سهولت استفاده از مطالب رياضي دارد که از بکار بردن آن حاصل مي شود. يکي از اين مدل ها اجايو نرمال يعني شکل تراکمي منحني نرمال است. مدل دوم تابعي است که تابع منطقي ناميده مي شود.
فردريک لرد يکي از کساني است که نقش مهمي در رشد و گسترش مدل هاي تئوری سئوال پاسخ و نظريه خصيصه مکنون داشته است. وي در سال 1952 مدل دو پارامتري اجايو نرمال را ارائه داد. مدل مزبور بصورت زير است:
 
در اين فرمول   مساوي با تابع چگالي نرمال. اين فرمول يا مدل را مي توان بصورت زير نيز نوشت:
 
تابع اجايو نرمال براي مدل هاي يک و سه پارامتري بصورت زير است:
مدل يک پارامتري               
 
مدل سه پارامتري      
 
کار با اين مدل ها بخاطر نياز به انتگرال گيري مشکل است. در حقيقت امروزه اين مدل ها فقط از جنبه تاريخي جالب هستند و مورد بررسي قرار مي گيرند. جهت تسهيل کارهاي محاسباتي و رياضي با اين مدل ها, متخصصين مدل هاي تابع منطقي را توسعه و گسترش داده اند. هر دو مدل نتايج بسيار مشابهي بدست مي دهد. در حقيقت اختلاف دو مدل منطقي و اجايو نرمال در حد يک عدد ثابت 7/1 است به قسمي که تقريباً براي همه Xها  |است (برن بام ,1968). اين بدان معناست که تابع توزيع تراکمي نرمال يا   با تابع توزيع تراکمي منطقي يا   در صورتي که تابع منطقي در عدد ثابت 7/1 ضرب شود در موقعيتهاي عملي اختلافي کمتر از 01/0 خواهد داشت. در همه مدل هاي سئوال- پاسخ پارامتر توانائي آزمودني برآورد مي شود, ليکن تعداد پارامترهائي که براي سئوالات برآورد مي گردد متفاوت است. لذا موجب تمايز مدل ها از يکديگر و ايجاد مدل هايي با تعداد پارامترهاي متفاوت شده است. به همين جهت براساس آنکه مدل يک,دو و يا سه پارامتر را براي هر سئوال در نظر بگيرد, مدل يک,دو يا سه پارامتري ناميده مي شود.
الف)مدل منطقي يک پارامتري- اين مدل توسط جرج راش, رياضي دان دانمارکي در اوائل دهه 1960 ارائه شد. سپس افراد ديگري چون پروفسور رايت واتسون در بسط و گسترش اين مدل تلاش فراوان نمودند. هرچند مي توان مدل منطقي تک پارامتري را حالت خاصي از مدل کلي تر سه پارامتري به حساب آورد. ليکن بايد بخاطر داشت که اين مدل مستقل از مدل هاي ديگر و در امتداد خطوط کاملاً متفاوتي رشد و توسعه يافته است(همبلتون, 1989). در اين مدل دو پارامتر برآورد مي شود: يکي توانائي آزمودنيها و ديگري پارامتر دشواري سئوالات. اين مدل به شکل زير نمايش داده مي شود:
 
(عدد نپرين 718/2 =e و 7/1=D)
مدل منطقي راش, مفروضات يکساني همانند مدل هاي دو وسه پارامتري دارد. با دقت در معادله بالا مي توان فهميد که در مدل راش دو مفروضة اضافي ديگر يکي مساوي بودن قدرت تشخيص سئوالات و ديگري عدم امکان حدس درست توسط آزمودني هاي ضعيف مطرح است. در حقيقت در اين مدل قدرت تشخيص سئوالات يکسان و معمولاً برابر يک فرض مي شود معناي ضمني و تلويحي فرض ديگر اين است که اين مدل براي سئوالات تشريحي يا کوته پاسخ و يا براي آزمون هايي که از لحاظ دشواري در حد توانائي آزمودني ها هستند و لذا امکان حدس در آنها وجود ندارد قابل کاربرد است . به سخن
ديگر در اين مدل سئوالات فقط از يک لحاظ متفاوت هستند. مفروضه هاي مزبور در شرايط زير کاملاً قابل توجيه خواهد بود:
1-    تمام سئوالات از لحاظ شکل و محتوا همگون باشد به گونه اي که همگي با يک نوع خصيصه مکنون مشترک ارتباط داشته باشد.
2-    سئوال ها با استفاده از يک فرم تجربي مقدماتي سرند شده باشد. به گونه اي که سئوال هاي مبهم و نارسا و ساير سئوال هايي که به هر دليل نامناسب بوده است از تست خارج شده باشد.
3-    سئوال ها بصورتي باشد که امتحان شونده دربارة آنها موظف به توليد پاسخ گردد (نه آنکه پاسخ درست را از ميان گزينه هاي معين برگزيند) تا درصد پاسخهاي درست مجانب آن براي اشخاصي که در خصيصه مکنون مرتبه بسيار پائيني دارند نزديک صفر باشد.
4-    سئوال ها منعکس کنندة رشد کلي مربوط به نوعي خصيصه باشد نه يک درس خاص (ثرندايک, 1982).
چون در الگوي منطقي راش مفروضات قويتري در مقايسه با مدل هاي دو يا سه پارامتري مطرح است بنابراين مطابقت دادن اين مدل با داده ها بطورکلي دشوارتر است. ليکن در صورت برقراري اين مفروضات, مدل به نتايج عملي مفيدي منجر مي شود و برآوردهاي خوبي از توانائي افراد و پارامتر دشواري سئوالات بدست مي دهد . شواهد و مدارکي وجود دارد که نشان مي دهد, مدل راش در برابر نقص ملايم مفروضات از مقاومت معقولي برخوردار است. حاميان و طرفداران اين مدل اظهار مي دارند حتي زماني که مدل با داده هاي تستي برازندگي ندارد, اين سئوالات هستند که بايد کنار گذاشته شوند و نه مدل (همبلتون, 1989).
گرچه اين مدل حالت خاصي از مدل هاي ديگر تئوری سئوال پاسخ است, ولي داراي يک سري ويژگيهاي خاصي است که آنرا براي استفاده کنندگان جذاب مي سازد. اولاً در اين مدل نياز به تعداد پارامتر کمتري است. ثانياً مشکلات برآورد پارامترها در اين مدل کمتر از مدل هاي ديگر است. در حقيقت, مهمترين دليل شهرت و جذابيت اين مدل, سادگي روشهاي برآورد پارامترها است. در اين مدل دو روش براي برآورد پارامترها بکار مي رود. روش اول که به روش تقريبي يا prox مشهور است توسط رايت واتسون در سال 1979 پيشنهاد شد. اين روش به برآورد تقريبي ارزشهاي مقياسي مي پردازد و حتي در مواردي که حجم نمونه کوچک است با دست و ماشينهاي محاسبه گر معمولي قابل برآورد است. اين برآوردها تا حدي تحت تاثير برآورد همزمان پارامترهاي نمره ها و سئوالات است. رايت در اين مورد پيشنهاد مي کند که از راه حل بيشينه احتمال به شيوة از سرگيري استفاده شود که بر پايه آن برآورد سئوال ها و هم نمره ها به تدريج

 تعديل مي شود تا موقعي که بصورت مجموعه اي از مقادير ثابت درآيد و بهترين برازندگي را به معناي بيشينه احتمال بدست دهد. البته در حالت اخير استفاده از کامپيوتر ضروري است و انجام دستي محاسبات بسيار پر زحمت و وقت گير خواهد بود (ثرندايک,1982). ويزگي سوم اين مدل به عينيت خاص آن مربوط است. اين ويژگي موجب مي شود تا بتوان حتي بدون برآورد پارامترهاي ساير سئوالات و افراد و تنها با داشتن برآورد دشواري دو سئوال يا توانائي دو شخص به مقايسه آن دو سئوال يا شخص پرداخت (همبلتون, 1989).
ب) مدل منطقي دو پارامتري- اين مدل توسط آلن برن بام در فاصله سالهاي 1957 تا 1968 ارائه و جايگزين مدل اجايو نرمال ارائه شده توسط لرد گرديد. معادله اين مدل جهت برآورد احتمال پاسخ درست به يک سئوال بصورت زير است:
 
در معادلات بالا,   احتمال پاسخ درست به سئوال i توسط آزمودني هايي است که در سطح معيني از توانايي قرار دارند. پارامترهاي  و   قبلاً معرفي شدند. D عامل مقياس پردازي است که توسط لرد, برن بام و ديگران پيشنهاد شده و هدف آن مطابق کردن تفسير پارامترهاي مدل منطقي با مدل اجايو نرمال است. نماد eبيانگر لگاريتم طبيعي و مقدار آن برابر 718/2 است. در اين مدل علاوه بر برآورد پارامتر توانائي آزمودني ها براي سئوالات دو پارامتر   و   برآورد مي گردد. به ديگر سخن در اين مدل سئوالات از دو جنبة درجه دشواري و قدرت تشخيص از تغييرپذيري برخوردارند. مجدداً خاطرنشان مي سازيم که در مدل دو پارامتري- خواه منطقي و خواه اجايو نرمال- امکان پاسخ درست از طريق حدس وجود ندارد و مقدار آن برابر صفر در نظر گرفته مي شود. اين امر به اين خاطر است که براي سئوالاتي با قدرت تشخيص بزرگتر از صفر   يعني سئوالاتي که بين عملکرد در سئوال و صفت مکنونن مورد سنجش رابطه مثبت وجود دارد احتمال پاسخ درست به سئوال همگام با کاهش توانائي تا حد صفر کاهش مي يابد.
ج)مدل منطقي سه پارامتري- اين مدل نيز همانند مدل دو پارامتري توسط برن بام ارائه شد و سپس توسط افراد ديگري چون لرد, ين, همبلتون و ... رشد و گسترش يافت. تفاوت اين مدل با مدل دو پارامتري تنها در عامل حدس يا پارامتر  است که به آن اضافه مي گردد. معادله رياضي اين مدل بصورت زير است:
 
ليکن مجدداً خاطرنشان مي سازيم که پارامتر  , بيانگر احتمال پاسخ درست براي آزمودني هائي است که در دامنه پائين پيوستار توانائي قرار دارند.
در اين مدل زماني که درجه دشواري سئوال با توانائي آزمودني يکسان است   احتمال پاسخ درست به سئوال 5/0 نيست بلکه مقدار اين احتمال برابر است با   که همچنانکه گفته شد,   مجانب پائيني منحني ويژگي سئوال است. در زمينة امتياز مدل سه پارامتري نسبت به مدل دو پارامتري در برآورد پارامترها بويژه توانائي بايد گفت که وقتي آزمودني علاوه بر توانائي خود, به اتکاء حدس و شانس صرف به پاسخگويي مي پردازد. اين امر موجب مي شود بطور شانسي و اتفاقي تعدادي از سئوالات را پاسخ درست بدهد و نمرة برآورد شدة آزمودني بطور غير واقعي و کاذب افزايش يابد. در حاليکه با استفاده از مدل سه پارامتري و برآورد پارامتر حدس براي سئوالات و دخالت ميزان آن در برآورد پارامتر توانائي موجب مي شود که برآورد دقيقتري از ميزان توانائي افراد بدست آيد اين نکته علي الخصوص براي آزمودني هاي ضعيف از اهميت بيشتري برخوردار است زيرا آنها تمايل بيشتري به حدس زدن دارند.
د) مدل منطقي چهار پارامتري- پاره اي از مواقع مشاهده مي شود که آزمودني هاي قوي به برخي از سئوالات آزمون- حتي به سئوالات خيلي ساده- پاسخ غلط مي دهند. اين امر ممکن است ناشي از بي دقتي آنها و يا وجود اطلاعاتي وراي آنچه که مورد نظر نويسندة سئوال بوده است, باشد. جهت حل اين مشکل برخي از متخصصان روانسنجی از جمله مک دونالد  1981 مدلي ارائه داده اند که در برآورد توانائي آزمودني ها اين عامل را در نظر مي گيرد و بنابراين به مدل منطقي چهار پارامتري شهرت يافته است. تابع احتمالي اين مدل جهت محاسبه احتمال پاسخ درست به سئوال توسط آزمودنيهائي که در سطح معيني از   قرار دارند بصورت زير است (همبلتون, 1989).
 
کليه نمادهاي مورد استفاده در اين تابع بجز   در مباحث قبلي معرفي شده اند. پارامتر چهارمي که با   نمايش داده مي شود نشان دهندة مجانب بالائي منحني ويژگي سئوال است و مقدار آن اندکي کمتر از يک است. اين مدل تنها از لحاظ نظري جالب و مورد علاقه است زيرا که پيشنهاد کنندگان اين مدل نتوانسته اند فوايد مترتب بر اين مدل را پيدا کنند.


ساير مدل هاي تئوري سؤال پاسخ
محدوديتي در تعداد مدل هائي که مي توانند در چهارچوب الگوي تئوری سئوال پاسخ بوجود آيند نيست. مدل هاي ذکر شده تک بعدي بودند اين مدل ها جهت سئوال پاسخهاي دو ارزشي استعداد و پيشرفت مناسب هستند و همانطور که ديديم هر يک از آنها يک مدل اجايونرمال دارد.
چند دسته از مدل هاي ديگر وجود دارند:
الف) مدل هاي تک بعدي منطقي که مربوط به پاسخ هاي چند ارزشي (ترتيبي, غير ترتيبي يا پيوسته) مي شوند (مدل هاي غير دو ارزشي).
ب) مدل هاي منطقي چند بعدي
ج) مدل هائي که به گروه هاي آزمودني ها (مثلاً دانش آموزان يک کلاس يا مدرسه) مي پردازند.
مدل هاي غير دو ارزشي
پاسخ به سئوالات يک آزمون را گاه در دو طبقة صحيح يا غلط مي توان جاي داد. در چنين مواردي مدل هاي دو ارزشي مثل 4 مورد ذکر شده کاربرد دارند. در صورتي که پاسخ به سئوالات آزمون بيش از دو ارزش (0و1) داشته باشد, با سئوالات چند ارزشي و مدل هاي غير دو ارزشي سر و کار داريم.
از جمله مهمترين اين مدل ها عبارتند از: مدل پاسخ اسمي, مدل پاسخ درجه بندي شده و مدل امتياز سهمي, مدل مقياس ترتيبي, مدل پاسخ پيوسته, در ادامه به طور اجمالي مروري بر اين مدل ها خواهيم داشت.
مدل هاي چند بعدي
يکي از مفروضه هاي اصلي و اساسي مدل هايي که تا اينجا مورد بحث قرار گرفتند, تک بعدي بودن آنهاست بنابراين اگر پاسخ به سئوال نيازمند به بيش از يک صفت باشد, نياز به مدلهاي ديگري داريم .
چنين وضعيتي ممکن است در يک موقعيت حل مسئله رياضي که در آن آزمودني بايد, اولاً قادر به خواندن و درک متن و ثانياً بايد توان فرمول بندي و حل جنبه هاي محاسباتي مسئله را داشته باشد. رخ دهد. اگر امتحان شونده بتواند به چنين سئوالي پاسخ درست بدهد, احتمالاً بيانگر اين مسئله است که فرد در هر دو توانائي مورد نظر در سطح بالائي قرار دارد ليکن پاسخ نادرست به اينگونه سئوالات مي تواند ناشي از ترکيبات سطوح توانائيش در هر دو صفت باشد, بنابراين عملکرد آزمودني در سئوالات چنين آزموني تحت تاثير جايگاه او در چند صفت مکنون است.

مدل هاي چند ارزشي تئوري سئوال پاسخ
تمام تعاملات آزمودني-سئوال را نمي توان توسط مدل هاي دو ارزشي به طور مناسبي مطرح نمود به طور مثال کسب اطلاعات از يک سئوال نوع ليکرت يا امتياز دادن به پاسخي که بخشي از آن صحيح است نياز به مدلي دارد که در برگيرندة بيش از دو طبقه باشد. به علاوه از آنجا که در سطوح مختلف توانائي توزيع پاسخهاي غلط در بين گزينه هاي سئوالات چند گزينه اي متفاوت است, مطلوب است از مدلي استفاده شود که بتواند اطلاعاتي را در مورد تمام گزينه ها ارائه کند يا اينکه از مدلي استفاده شود که فرض مي کند آزمودني يا پاسخ صحيح را مي داند و يا به طور تصادفي يک گزينة غلط را انتخاب مي کند. تئوری سئوال پاسخ داراي مجموعه اي از مدل هاست که در مورد اين داده هاي دو ارزشي به کار مي روند.
در ادامه مدل هاي چند ارزشي  را که از آنها نام برديم معرفي مي کنيم.
مدل پاسخ اسمي
آر- دارل باک 1972 يکي از اولين روان سنج هايي بود که کاربرد مدل تئوری سئوال پاسخ را به نحوي بسط داد تا جهت پاسخ هاي چند ارزشي قابل کاربرد باشد. مدل او به نام مدل پاسخ اسمي, با اين هدف ارائه شد که در وقت برآورد توانائي را با استفاده از آگاهي موجود در هر يک از پاسخها به حداکثر برساند (همبلتون, 1993).
مدل پاسخ اسمي فرض را بر اين قرار مي دهد که گزينه هاي پاسخ در سطح اسمي اندازه گيري هستند (يعني طبقات طبقه بندي نشدند), مثلاً دو گزينه آخر سئوال زير پاسخهايي را نشان مي دهند که ممکن است فردي با بکار بردن قواعد نادرست در تفريق اعداد علامت را ارائه نمايد:
4(3                               4- (2                            16- (1                          ؟=6 - (10)
از آنجا که گزينه هاي غلط بخشي از پاسخ صيحي نيستند استفاده از مدل هاي چند ارزشي ديگر نامناسب خواهد بود. طبق روش هاي قديمي براي نمره دادن به چنين سئوالاتي بايستي پاسخ هاي آزمودني ها را با روش دو ارزشي به صورت درست و نادرست درآوريم اما همانطور که تاتسوکا در تحليل اشتباهات دانش آموزان در انجام مسائل حساب دريافتند.
      «... پاسخهاي غلط بيشتر از يک نوع هستند, معذالک روش نمره گذاري فعلي به تمام پاسخهاي غلط نمره 0 مي دهد.»
از اين نظريه گزينه هاي غلط يک سئوال ممکن است با فراهم کردن اطلاعاتي در مورد سطوح درک آزمودني ها دقت برآورد توانائي آمودني ها را افزايش بدهد. وقتيکه گزينه هاي نادرست تابعي از يک قاعدة نادرست يا طبقه اي از قواعد نادرست باشد عملکرد را مي توان با يک مدلNR بررسي نمود, البته مدل پاسخ اسمي براي سئوالات از نوع دانش کاربرد دارد. (دي آيالا  ، 1993).
مدل پاسخ درجه بندي شدة سيم جما 1969 شکلي از مدل پاسخ اسمي است که در ادامه به آن مي پردازيم.
مدل پاسخ درجه بندي شده
سيم جما (1969) خانواده اي از مدل هاي خصيصه مکنون پاسخ درجه بندي شده را ابداع نمود که براي طبقات پاسخ چند ارزشي مرتب شده قابل کاربرد هستند. اين مدل ها را هم در موقعيت هايي که به آزمودني ها بر حسب صحت پاسخ نمره داده ميشود ( مثل غلط, تا حدي درست, درست) و يا زماني که نگرش ها و رغبت ها اندازه گيري مي شوند ( مثل مقياس ليکرت, خيلي موافق, موافق, بيطرف, مخالف, خيلي مخالف) بکار گرفت.
سيم جما در يک تک نگاره (1969) به معرفي مدل پاسخ درجه بندي شده مي پردازد و در برآورد خصيصه مکنون آزمودني از الگوي پاسخ استفاده مي نمايد. لازار سفلد (1959) در نظريه تحليل ساختار مکنون الگوهاي پاسخ ممکن براي سوالات دو ارزشي را مطالعه مي کند و لرد (1952) اطلاعات حاصل از برگه سوال آزمودني را با استفاده از نمرات آزمون خلاصه مي نمايد. به اين ترتيب براي n سوال دو ارزشي  الگوي پاسخ وجود دارد که توسط بردارهايي از اين قبيل ( 0و 0و 1و 1و 0و 0و 0) نشان داده مي شود.
در حاليکه اگر از تعداد پاسخ هاي صحيح بعنوان نمره آزمون استفاده نماييم, اين الگوهاي پاسخ را مي توانيم به n+1 طبقه نمره تقسيم کنيم.
سيم جما الگوي پاسخ را بنحوي بسط مي دهد که مواردي را که طبقات پاسخ بيش از دو طبقه بندي مي شوند نيز دربر بگيرد.
مدل هاي دو ارزشي با پاسخ درجه بندي شده در تئوری سئوال پاسخ فرض ميکنند که فضاي خصيصه تک بعدي است و يک عامل غالب وجود دارد براي پاسخهاي مرتب شده ماتريس ضرايب  همبستگي تحليل شده و برازندگي مدل هاي چند عاملي مقايسه مي شود. همچنين فرض مي شود سوالات طوري هستند که آزمودني اجازه دارد به هر سوال آزادانه پاسخ دهد و مفروضه استقلال موضعي نيز برقرار است.
مفهوم اساسي در مدل هاي سوال _ پاسخ چند ارزشي شاخص عملکرد است. شاخص عملکرد بيانگر اين است که چگونه احتمال پاسخ طبقه اي, طبق قوانين احتمالات و فرضيات روان شناختي تعيين مي شود(موراکي ، 1990).
سيم جما تعريف جامعي از اين مفهوم ارائه مي دهد:
اگرg و n نشان دهنده يک سوال   ,   يا   و يک پاسخ خاص به سوال g, n يا j باشد. منظور ما از الگوي پاسخ که توسط   يا  نشان داده مي شود, يک بردار است که براي n سوال به اين شکل نمايش داده مي شود.
 
اين الگو يک سري پاسخ متوالي به سوالات است که يک آزمودني ارائه نموده است. در مورد سوال هاي پاسخ آزاد که هر سوال مي تواند تعداد نامحدودي پاسخ متفاوت داشته باشد و لذا يک پرسشنامه مي تواند الگوهاي پاسخ تقريبا نامحدودي داشته باشد, در فرايند تحليل داده ها بهتر است که اين تعداد نامحدود الگوهاي پاسخ احتمالي به يک سوال و طبق يک ملاک طبقه بندي نماييم. زماني که پاسخ به سوال g را مي توان در حوزه سنجش توانايي بر حسب درجه رسيدن به راه حل مسئله و در حوزه سنجش نگرش بر حسب ميزان موفقيت با يک عبارت درجه بندي نمود. تمام پاسخهاي ممکن سوال g را مي توان در تعداد محدودي از طبقات که بر حسب ميزان موفقيت يا درجه موافقت درجه بندي شده اند جاي داد.
اين طبقات را نمره سوال g ناميده و با   نشان مي دهيم. مقادير احتمالي   نمرات متوالي از 0 تا   هستند که بر حسب ميزان موفقيت در رسيدن به هدف درجه بندي شده اند. در چنين موردي الگوي پاسخ نمرات متوالي است که به اين شکل نشان داده مي شود.
 
که آنرا الگوي پاسخ ناميده و با   v نشان مي دهيم.
اين پاسخ هاي خاص از جانب آزمودني که مي تواند در هر نقطه اي از پيوستار خصيصه مکنون باشد با احتمالات متفاوتي ارائه مي شود. منظور از شاخص عملکرد سوال پاسخ, احتمال يک پاسخ خاص,  است که بعنوان تابعي از متغير مکنون   نشان داده مي شود. علامت   يا  نشاندهنده شاخص عملکرد سوال خاص   است, به اين ترتيب خواهيم داشت:
 Pr{
پس براي يک الگوي پاسخ خاص V مي توان تعداد n شاخص عملکرد سوال پاسخ که به عنوان تابعي از   است اختصاص داد. اين توابع مي توانند بر حسب   همنوا صعودي يا نزولي, تک نمايي يا يا چند نمايي يا هر شکلي باشد.
شاخص عملکرد را بعنوان احتمال يک الگوي پاسخ خاص   که بعنوان تابعي از  نشان داده شده تعريف مي کنيم.   نشاندهنده شاخص عملکرد الگوي پاسخ  است. به اين ترتيب داريم:
 Pr{
و طبق اصل استقلال موضعي مي توان گفت:
 
در مواردي که پاسخ به سوالg به روشي که پيشتر توضيح داديم, طبقه بندي مي شود, مي توانيم به هر يک از طبقات  يک شاخص عملکرد اختصاص بدهيم. که شاخص عملکرد پاسخ درجه بندي شده   مي ناميم و با   و يا   نشان مي دهيم. در اين مورد خواهيم داشت:
 
 
 =
وقتي تمام سوالات به طور دوارزشي نمره گذاري مي شوند مانند سنجش استعداد يا پيشرفت,  واحد است و الگوي پاسخ حاصل زنجيره اي از 0 و 1 است. در چنين موردي   آن چيزي است که تابع ويژگي سؤال ناميده مي شود. در اين مورد بخصوص  را با  و  را با  نشان مي دهيم.
در صورتيکه تمام الگوهاي پاسخ به n سؤال  در تعداد محدودي از طبقات, دسته بندي شوند, در آن صورت  شاخص عملکرد سؤال براي  طبقه است که به اين شکل ارائه مي شود:
 
يک مثال از چنين طبقه بندي نمره کل يک آزمون است. اين معادله در مورد تمام اصول طبقه بندي صدق مي کنند. گفتيم که در زمان استفاده از سؤالات دوارزشي الگوي پاسخ يک رشته متوالي از درست, غلط يا بلي, خير و ... خواهد بود. اما زماني که توانايي سنجش نياز به تفکر و استدلال داشته باشد و مراحل پاسخگويي پيچيده باشد. در چنين موردي اگر زمان محدود باشد ممکن است ازمودني به سؤالاتي پاسخ ندهد که چه بسا آن سؤالات آگاهي بيشتري در مورد ولي به ما بدهند. در چنين مواقعي اگر پاسخ آزمودني ها را در طبقات بيشتري طبقه بندي کنيم بدون اينکه نياز به تغيير سؤالات باشد ميتوانيم اگاهي بيشتري در مورد آزمودني بدست بياوريم.
در صورتيکه آزمودني مسئله را با موفقيت حل کند استعداد او کامل تلقي شده و در صورت عدم موفقيت استدلال او به درجات مختلفي نقص دارد . پس پاسخ را بر حسب ميزان دستيابي به هدف نمره گذاري مي کنيم.
گاهي مراحل تفکر همگن و گاهي ممکن است ناهمگن باشند. يعني حل يک مسئله مراحل فرعي متفاوتي را ايجاب مي کند. در مورد همگن نشان دادن شاخص عملکرد ساده تر است ولي در مورد ناهمگن به علت داشتن ضرايب تشخيص متفاوت پيچيده تر است. در اين بحث ما به مورد همگن مي پردازيم.
همانطور که قبلاً گفتيم وقتي پاسخ سؤالg  به  طبقه از 0 تا  تقسيم شود الگوهاي پاسخ حاصل رشته اي از اعداد هستند, چنين پاسخي را « پاسخ درجه بندي شده» و سؤالات که تمام پاسخهاي آن به اين شکل نمره گذاري شده اند را « سؤال درجه بندي شده» مي ناميم( سيم جما 1969).
به سادگي مي توان استنباط کرد هر پاسخ درجه بندي شده اي را مي توان به يک سؤال دوارزشي تقليل داد. به اين ترتيب که يک سؤال درجه بندي شده را مجدداً به شکلي درجه بندي مي کنيم که  برابر صفر و نمرات بيشتر يا برابر با  , يک در نظر گرفته مي شوند. از آنجا که براي يک سؤال درجه بندي شده به تعداد  آستانه طبقه وجود دارد مي توانيم به تعداد   مجموعه  و   بدست آوريم.
  نشاندهنده مقدار  بدست آمده براي آستانه طبقه  است که از طريق معادله شاخص عملکرد زير:
 
بدست آمده و از 1 تا  متغير است. خاطر نشان مي کنيم که اين مقادير  را مي توانيم بعنوان مجموعه اي از تابع هاي ويژگي سؤال در نظر گرفت که همان مقادير ضريب تشخيص را دارند اما مقادير دشواري انها متفاوت است به اين ترتيب  و  براي  را به اين شکل تعريف مي کنيم.
                                     و                              
براي يک پاسخ درجه بندي شده  مي توان نوشت
 
اين معادله فرمول اصلي شاخص عملکرد پاسخ درجه بندي شده در زماني است که مراحل تفکر همگن است.
در سنجش نگرش اين مدل در موقعيتي قابل کاربرد است که ميزان تمايل مثبت آزمودني به يک عبارت بررسي مي شود. در اين رابطه ميزان عقيده مثبت ممکن است به طور پيوسته تغيير کند که به صورت گسسته بيان مي شود.( سيم جما 1969)
در ادامه به معرفي مدل ناپارامتريک تئوري سئوال پاسخ  پرداخته مي شود تا با مزايا و محدوديت هاي اين مدل آشنا تر شويم .

سوالات كنكور ارشد روانشناسي سال 1389

سوالات كنكور ارشد روانشناسي سال 1389 را مي توانيد از لينك زير دريافت نماييد. اين سوالات براي رشته هاي روانشناسي عمومي روانشناسي باليني روانشناسي سازماني صنعتي و روانسنجي مي باشد. براي دانلود رايگان اين سوالات مي توانيد  از لينك زير استفاده نماييد و  يا لينك را براي دوستانتان بفرستيد با سپاس از رپيد شير كه اين فضا را رايگان در اختيار ما گذاشته است.

كليد واژه هاي مناسب براي جستجو: دانلود رايگان سوالات كارشناسي ارشد رشته هاي روانشناسي باليني سال 1389 بهمن ماه روانسنجي عمومي صنعتي سازماني

http://rapidshare.com/files/451156313/

SPSS راهنماي استفاده از برنامه ي اس پي اس اس5

صل دهم: آزمون آماري ٢١٧
همسران شان، نمرات پيش آزمون و نمرات پس آزمون پاسخگويان، نمرات ميان ترم و
نمرات آخرترم دانشجويان يك كلاس.
،Analyiz تفاوت ميانگين تفاوت دو نمونه جفت در بخش تحليل t فرمان آزمون
نمونه هاي جفت t در قسمت آزمون ،Compare Means در قسمت مقايسه ميانگي نها
۷). با ورود به اين قسمت (كليك - قرار دارد (شكل ۱۰
باز مي شود Paired-Samples T Test نمونه هاي جفت t كردن آن) صفحه آزمون
.(۸- (شكل ۱۰
نمونه هاي جفت (وابسته) t ٧ قسمت فرمان آزمون - شكل ١٠
نمونه هاي جفت t ٨ صفحه آزمون - شكل ١٠
SPSS... ٢١٨ برنامه كامپيوتري آمار
در صفحه مذكور از خانه سمت چپ، متغير وابسته مختص گروه اول را انتخاب
منتقل مي كنيم. متغير وابسته Variable (روي آن كليك ) كرده و به خانه متغير اول 1
منتقل كرده، فرمان را تأييد Variable مختص گروه دوم را هم به خانه متغير دوم 2
مي كنيم.
Paired Samples Statistics
Mean N Std. Deviation Std. Error Mean
educ Highest Year of School
Pair 1 Completed 12.87 425 2.771 .134
speduc Highest Year School
Completed, Spouse 12.80 425 3.409 .165
Paired Samples Correlations
N Correlation Sig.
Pair 1
educ Highest Year of School
Completed & speduc Highest Year
School Completed, Spouse 425 .693 .000
Paired Samples Test
Paired Differences
95% Confidence
Interval of the
Difference
Mean
Std.
Deviation
Std.
Error
Mean Lower Upper t df
Sig. (2-
tailed)
Pair 1 educ Highest Year of
School ompleted - speduc
Highest Year School
Completed, Spouse
.073 2.492 .121 -.165 .311 .603 424 .547
speduc و educ نمونه هاي جفت، دو متغير t ٩ گزارش آزمون - شكل ١٠
C:\Program Files\SPSS\1991 U.S. General Social Survey.sav : مأخذ
ميانگين تفاوت تحصيلات بر t ۹ گزارش فرمان آزمون - به عنوان مثال، شكل ۱۰
زنان با تحصيلات بر حسب سال همسران شان (Educ حسب سال (متغير
Paired Samples Statistics است. جدول آماره هاي نمونه هاي جفت (Speduc (متغير
به توصيف متغير كمي تحصيلات در دو گروه اختصاص دارد. جدول همبستگي
فصل دهم: آزمون آماري ٢١٩
هم مبين همبستگي دو متغير Paired Samples Correlations نمونه هاي جفت
(تحصيلات زنان و تحصيلات همسران شان) است . جدول آزمون نمونه هاي جفت
هم نتايج آزمون را نشان مي دهد. Paired Samples Test
۰ سال است اما سطح / گو اين كه ميانگين تفاوت تحصيلات دو گروه ۰۷۳
۰ است. بنا براين، / ۰ است كه بيشتر از سطح معناداري ۰۵ / معناداري آن ۵۴۷
نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نمي شود و آماره مورد
مشاهده قابل تعميم به جمعيت نيست . به عبارت ديگر در آن جمعيت به طور متوسط
تفاوتي بين تحصيلات زنان و همسران شان وجود ندارد.
تفاوت ميانگين تك نمونه t آزمون
تفاوت ميانگين تك نمونه براي آزمون تفاوت ميانگين متغيري كمي با t آزمون
تفاوت t مقداري معين (مث ً لا ميانگين مفروض متغير در جمعيت ) است. فرمان آزمون
Compare در قسمت مقايسه ميانگين ها ،Analyiz ميانگين تك نمونه در بخش تحليل
- تك نمونه قرار دارد (شكل ۱۰ t در قسمت آزمون ،Means
One- تك نمونه t ۱۰ ). با ورود به اين قسمت (كليك كردن آن ) صفحه آزمون
.(۱۱- باز مي شود (شكل ۱۰ Sample T Test
تك نمونه t ١٠ قسمت فرمان آزمون - شكل ١٠
SPSS... ٢٢٠ برنامه كامپيوتري آمار
تك نمونه t ١١ صفحه آزمون - شكل ١٠
تك نمونه از خانه سمت چپ، متغير را به خانه متغير آزمون t در صفحه آزمون
منتقل مي كنيم. سپس مقدار معين (مقداري كه در پي مقايسه Test Variable(s):
درج كرده، Test Value ميانگين متغير خود با آن هستيم) را در خانه مقدار آزمون
فرمان را تأييد مي كنيم.
تفاوت ميانگين تك نمونه t ۱۲ گزارش فرمان آزمون - به عنوان مثال، شكل ۱۰
۲/ براي مقايسه ميانگين متغير ميزان تماشاي تلويزيون در شبانه روز با مقدار معين ۵
ساعت اس ت كه گيريم ب ه طور متوسط مدت زمان مناسبي براي تماشاي تلويزيون در
به توصيف متغير كمي One-Sample شبانهروز است. جدول آماره هاي تك نمونه
نتايج آزمون را نشان One-Sample Test اختصاص دارد و جدول آزمون تك نمونه
مي دهد.
همانطور كه مي بينيم سطح معناداري تفاوت ميانگين ميزان تماشاي تلويزيون در
۲ ساعت كمتر از سطح معناداري / ۳ ساعت است با مقدا ر معين ۵ / شبانه روز كه ۰
۰ است . بنا بر اين، نتيج ه گيري م ي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد /۰۵
مي شود و آماره مورد مشاهده قابل تعميم به جمعيت است . به عبارت ديگر تفاوت
فصل دهم: آزمون آماري ٢٢١
۲ ساعت در جم عيت / ميانگين ميزان تماشاي تلويزيون در شبانه روز با مقدار معين ۵
هم وجود دارد.
One-Sample Statistics
N Mean Std. Deviation Std. Error Mean
در شبانهروز چند ساعت تلويزيون V20
80 تماشا ميآنيد؟ 3.00 1.869 .209
One-Sample Test
Test Value = 2.5
95% Confidence Interval
of the Difference
t df
Sig. (2-
tailed)
Mean
Difference Lower Upper
در شبانهروز چند V20
2.393 ساعت تلويزيون تماش اميآنيد؟ 79 .019 .500 .08 .92
V تك نمونه متغير 20 t ١٢ گزارش آزمون - شكل ١٠
تحليل واريانس) ) F آزمون
براي آزمون تعمي م پذيري تفاوت ميانگي ن هاي بيش از دو گروه نمونه (و F از آزمون
در بخش تحليل F حتي دو گروه ) به جمعيت استفاده م ي شود . فرمان آزمون
قسمت تحليل واريانس ،Compare Means در قسمت مقايسه ميانگي نها ،Analyiz
۱۳ ). با ورود به اين قسمت - يك طرفه قرار دارد (شكل ۱۰
باز One-Way ANOVA (كليك كردن آن) صفحه تحليل واريانس ي ك طرفه
.(۱۴- مي شود (شكل ۱۰
در صفحه مذكور از خانه سمت چپ، متغير وابسته كمي را انتخاب (روي آن
منتقل مي كنيم . متغير Dependent List كليك كرده) و به خانه فهرست وابسته
منتقل مي كنيم. Factor مستقل كيفي را هم به خانه عامل
SPSS... ٢٢٢ برنامه كامپيوتري آمار
تحليل واريانس يك طرفه) ) F ۱۳ قسمت فرمان آزمون - شكل ۱۰
تحليل واريانس يك طرفه) ) F ١٤ صفحه آزمون - شكل ١٠
۱۵ ) از - سپس وارد قسمت مقايسه چندگانه پسيني شده (شكل ۱۰
را انتخاب (Scheffe بين آزمون هاي جفتي ميانگين ها آزموني (مث ً لا آزمون شفه
كرده، قسمت ادامه را كليك مي كنيم . حال وارد قسمت گزينه ها
۱۶ ) و قسمت هاي مقتضي، معمو ً لا قسمت توصيفي - شده (شكل ۱۰
را Homogeneity of Variances Test و آزمون همگني واريان س ها Descriptive
انتخاب و قسمت ادامه را كليك كرده، فرمان را تأييد
مي كنيم.
فصل دهم: آزمون آماري ٢٢٣
تحليل واريانس يك طرفه) ) F ١٥ صفحه مقايسه چندگانه پسيني آزمون - شكل ١٠
تحليل واريانس يك طرفه) ) F ١٦ صفحه گزينه هاي آزمون - شكل ١٠
SPSS... ٢٢٤ برنامه كامپيوتري آمار
تفاوت ميانگين سه گروه F ۱۷ گزارش فرمان آزمون - به عنوان مثال، شكل ۱۰
تحصيلي در ميزان تماشاي تلويزيون در شبانه روز است. جدول توصيفي ها
به توصيف متغير كمي در گرو ه ها (طبقات متغير مستقل ) اختصاص Descriptives
دارد. همانطور كه مي بينيم ميانگين ميزان تماشاي تلويزيون در شبانه روز در بين
۳ ساعت ) و كساني / كساني كه تحصيلات كم (زير ديپلم ) دارند از همه بيشتر ( ۳۲
۱ ساعت) است. / كه تحصيلات عالي دارند از همه كمتر ( ۸۸
V16r برحسب 3 V متغير 20 F ١٧ بخشي از گزارش آزمون - شكل ١٠
فصل دهم: آزمون آماري ٢٢٥
V16r برحسب 3 V متغير 20 F ۱۸ (ادامه) گزارش آزمون - شكل ۱۰
نتايج Test of Homogeneity of Variances جدول آزمون همگني واريان سها
براي آزمون عدم تفاوت (همساني ) واريانس دو گروه Levene's Test آزمون لون
۰ است كه بدان معنا است / است. در اين مثال سطح معناداري آزمون لون حدود ۳۸۹
به احتمال ۹۵ صدم فرض عدم تفاوت واريانس ها تأييد مي شود.
را نشان مي دهد. همانطور F هم نتايج آزمون ANOVA جدول تحليل واريانس
۰ است كه كمتر از سطح / كه مي بينيم سطح معناداري تفاوت ميانگي ن ها ۰۱۹
۰ است . بنا براين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه / معناداري ۰۵
صفر رد م ي شود. اين بدان معنا است كه در جمعيت حداقل بين ميانگين ميزان
تماشاي تلويزيون در شبانه روز دو گروه تفاوت وجود دارد.
SPSS... ٢٢٦ برنامه كامپيوتري آمار
۱۸ ) هم به - شكل ۱۰ ) Multiple Comparisons جدول مقايسه چندگانه
آزمون هاي تفاوت ميانگين هاي جفت جفت گرو ه ها اختصاص دارد . در اين مثال
كه متكي بر فرض همگني (همساني) واريانس دو گروه است Scheffe آزمون شفه
نشان مي دهد م يانگين ميزان تماشاي تلويزيون در شبانه روز كساني كه تحصيلات
عالي دارند با ميانگين دو گروه ديگر تفاوت معنادار (تفاوت قابل تعميم به جمعيت )
دارد اما بين ميانگين دو گروه ديگر تفاوت معنادار وجود ندارد . آزمون تامهان
كه متكي بر فرض همگني (همساني) واريانس دو گروه نيست نيز همين Tamhane
نتايج را نشان مي دهد.
تمرين
۱. از بين متغيرهاي فايل پيمايش نگرش ها يك متغير كمي به عنوان متغير وابسته و
يك متغيركيفي دوطبقه به عنوان متغير مستقل كه مي توان رابطه اي علي بين آنها
قائل شد انتخاب كنيد . با آزمون مقتضي تعميم پذيري تفاوت ميانگين دو گروه به
جمعيت را آزمون كنيد.
۲. از بين متغيرهاي فايل پيمايش نگرش ها يا فايل هاي تمريني اس پي اس اس (قسمت
(C:\Program Files\SPSS\tutorial\sample_files يا C:\Program Files\SPSS
دو متغير كمي جفتي انتخاب كنيد . با آزمون مقتضي تعمي م پذيري تفاوت ميانگ ين
دو گروه به جمعيت را آزمون كنيد.
سؤال ” در ) V ۳. با آزمون مقتضي تعميم پذيري تفاوت ميانگين متغير كمي 19
شبان هروز چند ساعت روزنام ه و مجل ه م يخواني د؟“) را با مقدار ۱ ساعت آزمون
كنيد.
۴. با آزمون مقتضي تعميم پذيري تفاوت ميانگين سه گروه تحصيلي (متغير سه طبقه
آزمون كنيد. (V را در ميزان روزنامه خواني (متغير كمي 19 (V16r3
فصل دهم: آزمون آماري ٢٢٧
۲ تفاوت نسبت ها
در آمار استنباطي آزمون تعميم پذيري تفاوت نسبت ها در جايي صورت مي گيرد كه
علاوه بر متغير مستقل، متغير وابسته هم متغير كيفي باشد. آزمون تفاوت نسبت ها با
آزمون خي دو انجام مي شود.
با اين همه، آزمون تفاوت نسبت ها را م ي توان با تبديل متغير وابسته به متغيري
و t دوجمله اي (متغير دو طبقه اي ، دو وجهي ) با كد صفر و يك با همان آزمون
هم انجام داد. F آزمون
آزمون خي دو
در قسمت آمارتوصيفي ،Analyiz در بخش تحليل (χ براي آزمون خي دو ( 2
- وارد قسمت جدول تقاطعي شده (شكل ۱۰ ،Descriptive Statistics
۲۰ ) از خانه سمت چپ متغير - شكل ۱۰ ) Crosstabs ۱۹ )، در صفحه جدول تقاطعي
منتقل مي كنيم . Row(s) وابسته را انتخاب (روي آن كليك كرده ) و به خانه سطر
منتقل كرده، قسمت ادامه Column(s) متغير مستقل را هم به خانه ستون
را كليك مي كنيم.
۲۱ ). در صفحه - سپس وارد قسمت آماره ها مي شويم (شكل ۱۰
قسمت خي دو را علامت Crosstabs Statistics آماره هاي تقاطعي
مي زنيم و قسمت ادامه را كليك كرده، فرمان را تأييد
مي كنيم.
تفاوت نسبت شاغلين (χ ٢٢ گزارش اجراي فرمان آزمون خي دو ( 2 - شكل ١٠
مي بينيم نسبت Crosstabulation زن و مرد است . همانطور كه در جدول تقاطعي
۲۰ درصد) است. / ۶۸ درصد) خيلي بيشتر از نسبت شاغلين زن ( ۵ / شاغلين مرد ( ۳
SPSS... ٢٢٨ برنامه كامپيوتري آمار
Crosstabs… ١٩ قسمت جدول تقاطعي - شكل ١٠
Crosstabs ٢٠ صفحه جدول تقاطعي - شكل ١٠
هم در ستون سطح معناداري Chi-Square Tests در جدول آزمون خي دو
۰/ سطح معناداري تفاوت نسبت ها ۰۰۰ Asymp. Sig. (2-sided) مفروض دو دامنه
۰ است. / است كه كمتر از سطح معناداري ۰۵
فصل دهم: آزمون آماري ٢٢٩
Crosstabs : Statistics ٢١ صفحه آمار ههاي جدول تقاطعي - شكل ١٠
٢٢ گزارش آزمون خي دو تفاوت نسبت وضع اشتغال بر حسب جنسيت - شكل ١٠
SPSS... ٢٣٠ برنامه كامپيوتري آمار
بنا براين، نتيج ه گيري م ي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد مي شود .
اين بدان معنا است كه تفاوت نسبت شاغلين زن و مرد در جمعيت هم وجود دارد.
٢٣ گزارش آزمون خي دو تفاوت نسبت وضع اشتغال بر حسب تحصيلات - شكل ١٠
( مأخذ: پيمايش ارزش ها (طرح هاي ملي، ۱۳۸۲
تفاوت نسبت بيش از دو گروه هم به همين صورت با آزم ون خي دو انجام
(χ ٢٣ گزارش اجراي فرمان آزمون خي دو ( 2 - مي شود. به عنوان مثال، شكل ١٠
تفاوت نسبت شاغلين سه گروه تحصيلي پيمايش ارز ش ها (پيمايشي با نمونه بزرگ )
مي بينيم كه سطح Chi-Square Tests است. در اينجا هم در جدول آزمون خي دو
۰ است . بنا بر / ۰ است كه كمتر از سطح معناداري ۰۵ / معناداري ت فاوت نسبت ها ۰۰۰
اين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد مي شود . اين بدان
فصل دهم: آزمون آماري ٢٣١
معنا است كه در جمعيت حداقل بين نسبت شاغلين دو گروه تحصيلي تفاوت وجود
دارد.
آزمون با متغير دوجمله اي
متغير وابسته دوجمله اي را كه طبقه مورد نظر آن معادل كد يك و طبقه ديگر معادل
هم انجام داد . مزيت اين كار F و آزمون t كد صفر باشد م ي توان با همان آزمون
از كارايي بالاي مانند آزمو ن جفتي F هم برخورداري اين آزمون ها، خاصه آزمون
ميانگين ها (جفت جفت گروه ها) است.
به عنوان مثال، اگر وضع اشتغال را متغيري دوجمله اي تعريف كنيم كه طبقه
شاغلين آن داراي كد ۱ و طبقه ديگر آن (غيرشاغلين) داراي كد صفر باشد، در اين
تفاوت ميانگين F صورت ميانگي ن وضع اشتغال معادل نسبت شاغلين است و آزمون
وضع اشتغال در سه گروه تحصيلي، همانا آزمون تفاوت نسبت شاغلين سه گروه
تحصيلي خواهد بود.
تفاوت ميانگي ن وضع اشتغال (تفاوت F ۲۴ گزارش فرمان آزمون - شكل ۱۰
نسبت شاغلين ) سه گروه تحصيلي پيمايش ارز ش ها است . همانطور كه در جدول
مي بينيم ميانگين وضع اشتغال (نسبت شاغلين ) در بين Descriptives توصيفي ها
۰) و در بين كساني / كساني كه تحصيلات كم (زير ديپلم ) دارند از همه كمتر ( ۲۹
۰) است. / كه تحصيلات عالي دارند از همه بيشتر ( ۵۴
نتايج Test of Homogeneity of Variances جدول آزمون همگني واريان سها
عدم تفاوت (همساني ) واريانس دو گروه است . در اين Levene's Test آزمون لون
۰ است كه بدان معنا است به احتمال ۹۵ صدم / مثال سطح معناداري آزمون لون ۰۰۰
فرض عدم تفاوت واريانس ها (فرضيه صفر ) رد مي شود. همساني واريانس گروه ها از
در جايي است كه حجم نمونه كوچك است . اما در F و t پيش فرض هاي آزمون
اين مثال حجم نمونه بزرگ (حدود ۱۶۰۰ نفر) است.
SPSS... ٢٣٢ برنامه كامپيوتري آمار
تفاوت ميانگين وضع اشتغال بر حسب تحصيلات F ٢٤ گزارش آزمون - شكل ١٠
( مأخذ: پيمايش ارزش ها (طرح هاي ملي، ۱۳۸۲
فصل دهم: آزمون آماري ٢٣٣
را نشان مي دهد. همانطور F هم نتايج آزمون ANOVA جدول تحليل واريانس
۰ است كه كمتر از سطح / كه مي بينيم سطح معن اداري تفاوت ميانگي ن ها ۰۰۰
۰ است . بنابراين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه / معناداري ۰۵
صفر رد م ي شود. اين بدان معنا است كه در جمعيت حداقل بين نسبت شاغلين دو
گروه تحصيلي تفاوت وجود دارد.
كه Scheffe هم آزمون شفه Multiple Comparisons در جدول مقايسه چندگانه
متكي بر فرض همگني (همساني) واريانس گرو ه ها است نشان مي دهد نسبت شاغلين
كساني كه تحصيلات عالي دارند با نسبت شاغلين دو گروه ديگر تفاوت معنادار
(تفاوت قابل تعميم به جمعيت ) دارد. اما بين نسبت شاغلين دو گروه ديگر تفاوت
معنادار وجود ندارد.
هم كه متكي بر فرض همگني (همساني ) واريانس Tamhane آزمون تامهان
گروه ها نيست همين نتايج را نشان مي دهد.
تمرين
۱. با آزمون مقتضي تعميم پذيري تفاوت نسب ت هاي احساس خوشبختي زنان و مردان
به جمعيت را آزمون كنيد.
۲. با آزمون مقتضي تعميم پذيري تفاوت نسبت هاي احساس خوشبختي ميانگين سه
به جمعيت را آزمون كنيد. (V16r گروه تحصيلي (متغير سه طبقه 3
۳ . متغير احساس خوشبختي را به متغيري دوجمل ه اي با كد يك و صفر تبديل كرده،
تعميم پذيري تفاوت ميانگين هاي اين متغير در سه گروه تحصيلي F با آزمون
به جمعيت را آزمون كنيد. (V16r (متغير سه طبقه 3
SPSS... ٢٣٤ برنامه كامپيوتري آمار
۳ ضرايب دومتغيره
آزمون تعميم پذيري اكثر اندازه ها و ضرايب توصيفي رابطه دومتغيره با همان فرمان
و بقيه هم با آزمون هاي خاص صورت t اندازه ها و ضرايب توصيفي و با آزمون
مي گيرد و نتايج آن به صورت سطح معناداري ارائه مي شود . در اينجا هم هر گاه
بدان (Sig ≤ ۰/ ۰ يا كمتر شد ( ۰۵ / سطح معناداري ضريب رابطه دومتغيره مساوي ۰۵
معنا است كه مقدار آن ضريب در منطقه رد قرار دارد . بنا بر اين نتيج ه گيري مي كنيم
كه به احتمال ۹۵ صدم فرضيه صفر رد م ي شود و مقدار ضريب مورد مشاهده قابل
۰/ تعميم به جمعيت است . ولي هر گاه سطح معناداري ضريب رابطه دومتغيره از ۰۵
بدان معنا است كه مقدار آن ضريب در منطقه رد قرار ( Sig > ۰/ بيشتر شد ( ۰۵
ندارد. بنا بر اين نتيج ه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نمي شود
و مقدار آن ضريب در جمعيت صفر است.
ضرايب دومتغيره اسمي
٢٥ گزارش فرمان ضرايب دومتغيره اسمي متغير احساس خوشبختي (دو - شكل ١٠
طبقه اي) به عنوان متغير وابسته و متغير جنسيت به عنوان متغير مستقل ا ست (براي
نحوه اجراي فرمان ضرايب دومتغيره اسمي به فصل پنجم قسمت ٢ مراجعه كنيد ).
همانطور كه در اين شكل مي بينيم سطح معناداري آزمون فرضيه صفر اين ضرايب
آمده است. Approx Sig در ستون آخر، ستون سطح معناداري تقريبي
۰ است / در اين مثال سطح معناداري ضريب تااو گودمن و كراسكال كمتر از ۰۵
و نتيجه گيري م ي كنيم كه به احتمال ۹۵ صدم فرضيه صفر (صفر بودن مقدار ضريب
۰) قابل تعميم به / در جمعيت ) رد مي شود و مقدار ضريب مورد مشاهده ( ۰۳۹
۰ بيشتر است و / جمعيت است . اما سطح معناداري ساير ضرايب دومتغيره اسمي از ۰۵
فصل دهم: آزمون آماري ٢٣٥
نتيجه گيري م ي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نم ي شود و مقدار اين
ضرايب در جمعيت صفر است.
٢٥ گزارش سطح معناداري ضرايب دومتغيره اسمي احساس خوشبختي و جنسيت - شكل ١٠
ضرايب دومتغيره ترتيبي
٢٦ گزارش اجراي فرمان جدول تقاطعي دو متغير ترتيبي احساس - شكل ١٠
خوشبختي سه طبقه (متغير وابسته ) و ت حصيلات (متغير مستقل ) است (براي نحوه
اجراي فرمان ضرايب دومتغي ره ترتيبي به فصل ششم قسمت ٢ مراجعه كنيد ).
همانطور كه در اين شكل مي بينيم سطح معناداري آزمون فرضيه صفر همه اين
SPSS... ٢٣٦ برنامه كامپيوتري آمار
۰ است و نتيجه گيري م ي كنيم كه به احتمال ۹۵ صدم فرضيه / ضرايب كمتر از ۰۵
صفر (صفر بودن مقدار اين ضرايب در جمعيت ) رد مي شود و مقدار اين ضرايب
مورد مشاهده قابل تعميم به جمعيت است.
V16r و 3 V8r ٢٦ گزارش ضرايب رابطه دو متغير ترتيبي 3 - شكل ١٠
ضرايب دومتغيره كمي
Linear Regression ۲۷ بخشي از گزارش اجراي فرمان رگرسيون خطي - در شكل ۱۰
دو متغير كمي وضع مالي با شاخص مخارج ماهانه خانواده ب ه هزار تومان (متغير
وابسته) و ت حصيلات بر حسب سال (متغير مستقل ) ارائه شده است (براي نحوه اجراي
فصل دهم: آزمون آماري ٢٣٧
دو متغير كمي به فصل هفتم قسمت ١ Linear Regression فرمان رگرسيون خطي
مراجعه كنيد).
جدول تحليل واريانس Linear Regression در گزارش رگرسيون خطي
سطح معن اداري مدل و ضريب تعيين ( (F آزمون ) ANOVA
r2 را (R Square يا
مي بينيم سطح Sig نشان مي دهد. همانطور كه در ستون آخر، ستون سطح معناداري
۰ است كه كمتر از سطح معناداري / معناداري مدل رگرسيون و ضريب تعيين ۰۰۰
۰ است . بنا براين، نتيج ه گيري م ي كنيم كه به احتما ل ۹۵ صدم فرضيه صفر رد /۰۵
مي شود. اين بدان معنا است كه نتايج اين مدل و ضريب تعيين آن قابل تعميم به
جمعيت است.
Educ و V ٢٧ بخشي از گزارش رگرسيون خطي دو متغير كمي 27 - شكل ١٠
SPSS... ٢٣٨ برنامه كامپيوتري آمار
Bivariate ۲۸ هم گزارش اجراي فرمان همبستگي دومتغيره - در شكل ۱۰
متغيركمي وضع مالي (با شاخص مخارج ماهانه خانواده به هزار تومان Correlation
به عنوان متغير وابسته ) و ت حصيلات بر حسب سال (متغير مستقل ) ارائه شده است
دو متغير كمي به فصل هفتم قسمت Correlation (براي نحوه اجراي فرمان همبستگي
٢ مراجعه كنيد).
٢٨ گزارش همبستگي مخارج ماهانه و تحصيلات - شكل ١٠
سطر دوم Correlation Bivariate در جدول گزارش همبستگي دومتغيره
نشان دهنده سطح معناداري ضريب همبستگي پيرسون است . در اين مثال سطح
۰ است كه كمتر از سط ح / معناداري ضريب همبستگي وضع مالي با ت حصيلات ۰۰۰
۰ است . بنا براين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه / معناداري ۰۵
۰) وضع مالي / صفر رد م ي شود. اين بدان معنا است كه مقدار ضريب همبستگي ( ۶۷۴
با تحصيلات اين نمونه قابل تعميم به جمعيت است.
فصل دهم: آزمون آماري ٢٣٩
تمرين
۱. سطح معناداري ضرايب رابطه دو متغير اسمي تمرين قسمت ۲ فصل پنجم را
مشخص كرده، آنها را تفسير كنيد.
۲. سطح معناداري ضرايب رابطه دو متغير ترتيبي تمرين قسمت ۲ فصل ششم را
مشخص كرده، آنها را تفسير كنيد.
۳. سطح معناداري ضريب تعيين رابطه دو متغير كمي تمرين قسمت ۱ فصل هفتم را
مشخص كرده، آنها را تفسير كنيد . سطح معنادار ي ضريب همبستگي آن دو متغير
را هم پيدا كرده و تفسير كنيد.

فصل يازدهم: آزمون هاي ناپارامتري
خاصه در نمونه كوچك مشروط به مفروضات ويژه اي در مورد پارامترهاي t آزمون
جمعيت است (مانند فرض نرمال بودن توزيع پارامتر در جمعيت يا همگني واريانس
جمعيت ها). در جايي كه انحراف بزرگي از اين مفروضات وجود دارد از رو ش هاي
ناپارامتري استفاده مي كنيم كه مشروط به مفروضات ويژه اي در مورد پارامترهاي
جمعيت نيستند. از اين رو بدانها توزيع آزاد هم مي گويند.
آزمون هاي ناپارامتري به چند دسته تقسيم مي شوند : آزمون ها ي تک نمونه ،
آزمون هاي دو نمون ه اي وابسته(جفت)، آزمون هاي دو نمون ه اي مستقل ، آزمون ها ي
چند نمونه وابسته ، آزمون هاي چند نمونه مستقل . در اين فصل فرمان هاي آزمون هاي
ناپارامتري تحت عناوين فوق عنوان مي شود.
۱ آزمون هاي تك نمونه
حالت تک نمونه براي بررسي وجود تفاوت معنادار بين نسبتي در نمونه با مقداري
معين، تفاوت معنادار بين فراواني مورد مشاهده و فراواني مورد انتظار، تفاوت معنادار
SPSS... ٢٤٢ برنامه كامپيوتري آمار
شكل توزيع متغيري كمي با توزيع خاصي (مث ً لا توزيع نرمال)، تصادفي و بدون نظم
و ترتيب بودن وقوع طبقات يا مقادير متغير است.
آزمون دوجمله اي
آزمون دوجمله اي براي آزمون تفاوت نسبت طبقه مورد نظر متغيري دوجمل ه اي با
نسبتي معين (مث ً لا نسبت مفروض آن طبقه درجمعيت ) است . اس پي اس اس به طور
۰ مي گيرد، مگر اين که آن را تغيير دهيم. / خودکار نسبت آزمون را ۵۰
در قسمت آزمون هاي ،Analyiz فرمان آزمون دوجمله اي در بخش تحليل
در قسمت آزمون دوجمله اي ،Nonparametric Tests ناپارامتريك
۱). با ورود به اين قسمت (كليك كردن آن ) صفحه آزمون - قرار دارد (شكل ۱۱
.(۲- باز مي شود (شكل ۱۱ Binomial Test دوجمله اي
١ قسمت آزمون دوجمله اي - شكل ١١
فصل يازدهم: آزمونهاي ناپارامتري ٢٤٣
متغير را از خانه سمت چپ به خانه Binomial Test در صفحه آزمون دوجمله اي
منتقل مي كنيم. سپس (Test Variable List سمت راست (خانه فهرست متغير آزمون
نسبتي معين را (نسبتي كه در پي مقايسه نسبت متغير خود با آن هستيم ) در خانه
درج كرده، فرمان را تأييد مي كنيم. Test Proporttion نسبت آزمون
٢ صفحه آزمون دوجمله اي - شكل ١١
۳ گزارش فرمان آزمون دوجمله اي تفاوت نسبت مردان - به عنوان مثال، شكل ۱۱
۰ (با اين فرض كه معمو ً لا نيمي از جمعيت را / (يا زنان ) پيمايش نگرش ها با نسبت ۵۰
مردان تشكيل م ي دهند) است . همانطور كه م ي بينيم سطح معناداري تفاوت نسبت ها
۰ است . بنا براين، نتيجه گيري مي كنيم / ۰ است كه بيشتر از سطح معناداري ۰۵ /۹۱۱
كه به احتمال ۹۵ صدم فرضيه صفر رد نمي شود و آماره مورد مشاهده (تفاوت
۰ است) قابل تعميم به جمعيت نيست. به عبارت ديگر به احتمال ۹۵ / نسبت ها كه ۰۱
۰ فقط ناشي از خطاي نمونه گيري / صدم تفاوت نسبت مردان در نمونه با نسبت ۵۰
است.
SPSS... ٢٤٤ برنامه كامپيوتري آمار
V ٣ گزارش آزمون دوجمله اي متغير 21 - شكل ١١
آزمون خي دو
آزمون خي دو براي آزمون تفاوت فراواني هاي طبقات متغيري كيفي (اسمي با
ترتيبي) با فراواني هاي مورد انتظ ار است . فرمان آزمون خي دو در بخش تحليل
در قسمت ،Nonparametric Tests در قسمت آزمون هاي ناپارامتريك ،Analyiz
۴). با ورود به اين قسمت - آزمون خي دو قرار دارد (شكل ۱۱
.(۵- باز مي شود (شكل ۱۱ Chi-Square Test (كليك كردن آن) صفحه آزمون خي دو
در اين صفحه متغير را از خانه سمت چپ به خانه سمت راست (خانه فهرست م تغير
منتقل كرده، فرمان را تأييد مي كنيم. (Test Variable List آزمون
اس پي اس اس به طور خودكار فراواني هاي مورد انتظار طبقات متغير را برابر
مي گيرد. با اين همه مي توانيم فراواني هاي مورد انتظار خاصي را براي طبقا ت متغير
در خانه Chi-Square Test مفروض بگيريم. در اين صورت در صفحه آزمون خي دو
روي قسمت مقادير كليك كرده، Expected Values مقادير مورد انتظار
فراواني هاي مورد انتظار خاص طبقات متغير را به ترتيب در خانه مقابل درج كرده و
فصل يازدهم: آزمونهاي ناپارامتري ٢٤٥
قسمت افزودن را كليك مي كنيم . سپس ف رمان را تأييد
مي كنيم.
٤ قسمت فرمان آزمون خي دو - شكل ١١
٥ صفحه آزمون خي دو - شكل ١١
SPSS... ٢٤٦ برنامه كامپيوتري آمار
V ٦ گزارش آزمون خي دو متغير 8 - شكل ١١
۶ گزارش فرمان آزمون خي دو آزمون تفاوت - به عنوان مثال، شكل ۱۱
فراواني هاي طبقات متغير احساس خوشبختي پيمايش نگرش ها با فراواني هاي مورد
انتظار يكسان در همه طبقات است . همانطوركه مي بينيم سطح معناداري تفاوت
۰ است. بنا براين، نتيجه گيري / ۰ است كه كمتر از سطح معناداري ۰۵ / نسبت ها ۰۰۰
مي كنيم كه به احتمال ۹۵ صدم فر ضيه صفر رد م ي شود و آماره مورد مشاهده
(تفاوت فراواني هاي مورد مشاهده با فراوان ي هاي مورد انتظار يكسان ) ناشي از خطاي
نمونه گيري نيست و به جمعيت تعميم پذير است.
فصل يازدهم: آزمونهاي ناپارامتري ٢٤٧
آزمون كولموگورف- اسميرنوف
آزمون تك نمونه اي كولموگورف- اسميرنوف آزمون تفاوت شكل توزيع متغيري
كمي با توزيع خاصي (مث ً لا توزيع نرمال) است. فرمان آزمون تك نمونه اي
در قسمت آزمون هاي ،Analyiz كولموگورف- اسميرنوف در بخش تحليل
در قسمت آزمون تك نمونه اي كي - اس ،Nonparametric Tests ناپارامتريك
۷). با ورود به اين قسمت (كليك كردن - قرار دارد (شكل ۱۱
One-Sample آن) صفحه آزمون تك نمونه اي كولموگورف- اسميرنوف
.(۸- باز مي شود (شكل ۱۱ Kolmogorov-Smirnov Test
٧ قسمت آزمون تك نمونه اي كولموگورف- اسميرنوف - شكل ١١
در صفحه آزمون تك نمونه اي كولموگورف- اسميرنوف متغير را از خانه سمت
منتقل (Test Variable List چپ به خانه سمت راست (خانه فهرست متغير آزمون
كرده، فرمان را تأييد مي كنيم.
SPSS... ٢٤٨ برنامه كامپيوتري آمار
٨ صفحه آزمون تك نمونه اي كولموگورف- اسميرنوف - شكل ١١
۹ گزارش فرمان آزمون تك نمونه اي كولموگورف - - به عنوان مثال، شكل ۱۱
پيمايش نگرش ها است . همانطور كه م ي بينيم سطح V اسميرنوف متغير كمي 27
۰ است . بنا / ۰ است كه بيشتر از سطح معناداري ۰۵ / معناداري تفاوت نسب ت ها ۴۷۱
براين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نمي شود . به
عبارت ديگر به احتمال ۹۵ صدم توزيع متغير كمي مذكور برگرفته از جمعيتي ب ا
توزيع نرمال است.
اطلاق مي شود . اس پي Test distribution به توزيع مورد مقايسه توزيع آزمون
اس اس به طور خودكار شكل توزيع متغير كمي را با توزيع نرمال مقايسه م ي كند . از
اين رو، در خانه توزيع آزمون قسمت نرمال
علامت خورده (فعال شده ) است . با اين همه، مي توا نيم توزيع آزمون را توزيع
در نظر بگيريم. (Exponential ديگري (مث ً لا توزيع نمايي
فصل يازدهم: آزمونهاي ناپارامتري ٢٤٩
V ٩ گزارش آزمون تك نمونه اي كولموگورف- اسميرنوف متغير 27 - شكل ١١
آزمون دورها
آزمون تصادفي و بدون نظم و ترتيب بودن وقوع طبقات يا Runs Test آزمون دورها
مقادير متغير است . دور به مجموعه اي متوالي از مشاهدات يکسان اطلاق م ي شود .
نمونه اي که تعداد دورهاي آن خيلي زياد يا خيلي کم باشد سطح معناداري آن
رد م ي شود و بدان معنا است که نمونه تصادفي به H ۰ شده، فرضه 0 / کمتر از ۰۵
شمار نمي آيد . در واق ع اين آزمون نشان م ي دهد آيا نمونه مورد بررسي براساس
متغير مورد آزمون نمونه اي است که با روش تصادفي ساده انتخاب شده است يا نه.
قسمت آزمون هاي ناپارامتريك ،Analyiz فرمان آزمون دورها در بخشتحليل
۱۰ ). با ورود - قسمت دورها قرار دارد (شكل ۱۱ ،Nonparametric Tests
باز مي شود Runs Test به اين قسمت (كليك كردن آن ) صفحه آزمون دورها
۱۱ ). در اين صفحه متغير را از خانه سمت چپ به خانه سمت راست (خانه - (شكل ۱۱
SPSS... ٢٥٠ برنامه كامپيوتري آمار
منتقل كرده، فرمان را تأييد (Test Variable List فهرست متغير آزمون
مي كنيم.
١٠ قسمت آزمون دورها - شكل ١١
١١ صفحه آزمون دورها - شكل ١١
فصل يازدهم: آزمونهاي ناپارامتري ٢٥١
است . V ۱۲ گزارش فرمان آزمون دورها متغير 3 - به عنوان مثال، شكل ۱۱
۰ است كه بيشتر از سطح / همانطوركه مي بينيم سطح معناداري تفاوت نسب ت ها ۵۶۸
۰ است . بنا براين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه / معناداري ۰۵
صفر رد نمي شود. اين بدان معنا است كه ترتيب دورها تصادفي است.
V ١٢ گزارش آزمون دورها، متغير 3 - شكل ١١
خوانده Test Value اس پي اس اس نقطه مبناي ترتيب دورها را كه مقدار آزمون
مي شود به طور خودكا ر مقدار ميانه در نظر مي گيرد. از اين رو، در خانه نقطه انقطاع
قسمت ميانه علامت خورده (فعال شده ) است. با اين همه،
در نظر بگيريم. (Mean مي توانيم مقدار آزمون را مقدار ديگري (مث ً لا مقدار ميانگين
SPSS... ٢٥٢ برنامه كامپيوتري آمار
تمرين
۱. با آزمون دوجمله اي تفاوت نسبت طبقه مورد نظر متغير ي دوجمله اي را با نسبتي
۰) آزمون كرده، نتيجه آزمون را تفسيركنيد. / معين (مث ً لا ۵۰
۲. با آزمون خي دو تفاوت فراواني هاي طبقات متغيري كيفي (اسمي يا ترتيبي ) را با
فراواني هاي مورد انتظار آزمون كرده، نتيجه آزمون را تفسيركنيد.
۳. با آزمون تك نمونه اي كولموگورف - اسميرنوف تفاوت شكل توزيع متغيري
كمي را با توزيع خاصي (مث ً لا توزيع نرمال ) آزمون كرده، نتيجه آزمون را
تفسيركنيد.
۴. با آزمون دورها تصادفي و بدون نظم و ترتيب بودن وقوع مقادير متغيري كمي را
آزمون كرده، نتيجه آزمون را تفسيركنيد.
۲ آزمون نمونه هاي وابسته
دوگروه را در جايي وابسته يا جفت مي نامند كه هر عنصري (موردي) از يك گروه
با عنصري (موردي) از گروه ديگر مرتبط باشد . حالت چندنمونه وابسته براي بررسي
وجود تفاوت معنادار متغيري دوجمله اي در دو مقطع زماني (آزمون معناداري
تغييرات)، آزمون معناداري تغييرات متغير اسم ي چندطبقه در دو مقطع زماني و
آزمون معناداري تفاوت دو نمونه وابسته در بيش از مقطع زماني است.
فصل يازدهم: آزمونهاي ناپارامتري ٢٥٣
آزمون هاي دونمونه اي
آزمون مك نمار
عمدتًا براي آزمون تفاوت متغيري دوجمله اي در McNemar Test آزمون مك نمار
دو مقطع زماني است؛ در واقع آزمون معناداري تغييرات است . فرمان آزمون
در قسمت آزمون هاي ناپارامتريك ،Analyiz مك نمار در بخش تحليل
قسمت دو نمونه وابسته قرار دارد ،Nonparametric Tests
Tow ۱۳ ). با ورود به اين قسمت صفحه آزمون هاي دو نمونه وابسته - (شكل ۱۱
۱۴ ). در اين صفحه متغير اول (زمان - باز مي شود (شكل ۱۱ Related Samples Tests
و متغير دوم (زمان دوم ) را Variable اول) را از خانه سمت چپ به خانه متغير اول 1
آزمون Test Type منتقل مي كنيم. و در خانه نوع آزمون Variable به خانه متغير دوم 2
مك نمار را علامت زده، فرمان را تأييد مي كنيم.
١٣ قسمت آزمون دو نمونه وابسته - شكل ١١
SPSS... ٢٥٤ برنامه كامپيوتري آمار
١٤ صفحه آزمون هاي دو نمونه وابسته - شكل ١١
١٥ گزارش آزمون مك نمار تغيير احساس خوشبختي قبل و بعد از ازدواج - شكل ١١
فصل يازدهم: آزمونهاي ناپارامتري ٢٥٥
۱۵ گزارش فرمان آزمون مك نمار معناد اري تغيير متغير - به عنوان مثال، شكل ۱۱
دوجمله اي احساس خوشبختي قبل و بعد از ازدواج است . همانطور كه مي بينيم سطح
۰ است . بنا بر / ۰ است كه بيشتر از سطح معناداري ۰۵ / معناداري تفاوت نسب ت ها ۲۱۰
اين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نم يشود . اين بدان
معنا است كه در جم عيت تغييري در ميزان احساس خوشبختي قبل و بعد از ازدواج
افراد وجود ندارد.
آزمون همگني حاشيه اي
براي آزمون معناداري Marginal Homogeneity Test آزمون همگني حاشيه اي
تغييرات متغير اسمي چندطبقه در دو مقطع زماني است؛ در واقع اين آزمون بسط
آزمون مك نمار براي متغير اسمي داراي بيش از دو طبقه است . براي فرمان آزمون
در قسمت آزمون هاي ناپارامتريك ،Analyiz همگني حاشيه اي در بخش تحليل
- قسمت دو نمونه وابسته (شكل ۱۱ ،Nonparametric Tests
Tow Related Samples ۱۳ ) را كليك كرده، در صفحه آزمون هاي دو نمونه وابسته
۱۴ ) متغير اول (زمان اول ) را از خانه سمت چپ به خانه متغير اول - شكل ۱۱ ) Tests
منتقل مي كنيم . Variable و متغير دوم (زمان دوم ) را به خانه متغير دوم 2 Variable1
آزمون همگني حاشيه اي را Test Type و در خانه نوع آزمون
علامت زده، فرمان را تأييد مي كنيم.
۱۶ گزارش فرمان آزمون همگني حاشيه اي معناداري - به عنوان مثال، شكل ۱۱
تغيير متغير پن ج طبقه اي (فرضًا اسمي ) احساس خوشبختي قبل و بعد از ازدواج است .
۰ است كه بيشتر از سطح / همانطور كه مي بينيم سطح معناداري تفاوت نسب ت ها ۲۷۷
۰ است . بنا بر اين، نتيج ه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه / معناداري ۰۵
SPSS... ٢٥٦ برنامه كامپيوتري آمار
صفر رد نم ي شود. اين بدان معنا است كه در جمعيت تغييري در ميزان احساس
خوشبختي قبل و بعد از ازدواج افراد وجود ندارد.
١٦ گزارش آزمون همگني حاشيه اي احساس خوشبختي قبل و بعد از ازدواج - شكل ١١
آزمون علامت ها
عمدتًا براي آزمون تفاوت دو نمونه وابسته در جايي Sign Test آزمون علامت ها
است كه متغير مورد بررسي متغيري كمي يا ترتيبي است؛ فرمان آزمون علامت ها در
،Nonparametric Tests در قسمت آزمون هاي ناپارامتريك ،Analyiz بخش تحليل
.(۱۳- در قسمت آزمون دو نمونه وابسته قرار دارد (شكل ۱۱
Tow Related Samples با ورود به اين قسمت صفحه آزمون هاي دو نمونه وابسته
۱۴ ). در اين صفحه متغير اول (زمان اول ) را از خانه - باز مي شود (شكل ۱۱ Tests
فصل يازدهم: آزمونهاي ناپارامتري ٢٥٧
و متغير دوم (زمان دوم ) را به خانه متغير Variable سمت چپ به خانه متغير اول 1
آزمون Test Type منتقل مي كنيم. سپس در خانه نوع آزمون Variable دوم 2
علامت ها را علامت زده، فرمان را تأييد مي كنيم.
۱۷ گزارش فرمان آزمون علامت ها معناداري تغيير متغير - به عنوان مثال، شكل ۱۱
است. همانطور كه (V و بعد از ازدواج ( 8 (V پنج طبقه اي احساس خوشبختي قبل ( 30
۰ است كه بيشتر از سطح معناداري / مي بينيم سطح معناداري تفاوت نسب ت ها ۱۳۴
۰ است . بنا براين، نتيج ه گيري م ي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد /۰۵
نمي شود.
١٧ گزارش آزمون علامت ها احساس خوشبختي قبل و بعد از ازدواج - شكل ١١
SPSS... ٢٥٨ برنامه كامپيوتري آمار
آزمون ويلكاكسون
هم عمدتًا براي آزمون تفاوت دو نمونه وابسته Wilcoxon Test آزمون ويلكاكسون
در جايي است كه متغير مورد بررسي متغيري كمي يا ترتيبي است . براي فرمان
در قسمت آزمون هاي ناپارامتريك ،Analyiz آزمون ويلكاكسون در بخش تحليل
قسمت آزمون دو نمونه وابسته را ،Nonparametric Tests
۱۳ ). با ورود به اين قسمت صفحه آزمون هاي دو نمونه - كليك م ي كنيم (شكل ۱۱
.(۱۴- باز مي شود (شكل ۱۱ Tow Related Samples Tests وابسته
در اين صفحه متغير اول (زمان اول) را از خانه سمت چپ به خانه متغير اول
منتقل مي كنيم. Variable و متغير دوم (زمان دوم) را به خانه متغير دوم 2 Variable1
١٨ گزارش آزمون ويلكاكسون احساس خوشبختي قبل و بعد از ازدواج - شكل ١١
فصل يازدهم: آزمونهاي ناپارامتري ٢٥٩
هم معمو ً لا به طور خودكار آزمون Type Test در خانه نوع آزمون
ويلكاكسون علامت خورده است و فقط فرمان را تأييد
مي كنيم.
۱۸ گزارش فرمان آزمون ويلكاكسون معناداري تغيير - به عنوان مثال، شكل ۱۱
است. (V و بعد از ازدواج ( 8 (V متغير پنج طبقه اي احساس خوشبختي قبل ( 30
۰ است كه بيشتر از سطح / همانطور كه مي بينيم سطح معناداري تفاوت نسب ت ها ۲۸۶
۰ است . بنا براين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه / معناداري ۰۵
صفر رد نمي شود.
آزمون هاي چندنمونه اي
آزمون كوكران
آزمون تفاوت چند مجموعه از فراواني ها يا نسبتها Cochran’s Test آزمون كوكران
در متغيرهايي اسمي (يا ترتيبي ) خاصه متغيرهاي دوجمله اي است . مث ً لا آزمون تفاوت
ميانگين سه متغير دوتايي (با کد ۱ و ۰). فرمان آز مون كوكران در بخش تحليل
در قسمت چند ،Nonparametric Tests در قسمت آزمون هاي ناپارامتريك ،Analyiz
.(۱۹- نمونه وابسته قرار دارد (شكل ۱۱
Tests for Several با ورود به اين قسمت صفحه آزمون هاي چند نمونه وابسته
۲۰ ). در اين صفحه متغيرها را از خانه - باز مي شود (شكل ۱۱ Related Samples
منتقل (Test Variables سمت چپ به خانه سمت راست (خانه متغيرهاي آزمون
آزمون كيو كوكران Test Type مي كنيم. سپس در خانه نوع آزمون
را علامت زده، فرمان را تأييد مي كنيم.
SPSS... ٢٦٠ برنامه كامپيوتري آمار
١٩ قسمت آزمون چند نمونه وابسته - شكل ١١
٢٠ صفحه آزمون هاي چند نمونه وابسته - شكل ١١
فصل يازدهم: آزمونهاي ناپارامتري ٢٦١
۲۱ گزارش آزمون كوكران معناداري تغيير متغير - به عنوان مثال، شكل ۱۱
دوجمله اي احساس خوشبختي در قبل از ازدواج، احساس خوشبختي در اوايل
ازدواج و احساس خوشبختي در زمان حال است. همانطور كه مي بينيم سطح
۰/ ۰ است كه بيشتر از سطح معناداري ۰۵ / معناداري تفاوت فراواني ها (نسبت ها) ۱۱۵
است. بنا بر اين، نتيج ه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد
نمي شود. اين بدان معنا است كه در جمعيت تغييري در ميزان احساس خوشبختي در
قبل از ازدواج، احساس خوشبختي در اوايل ازدواج و احساس خوشبختي در زمان
حال افراد وجود ندارد.
٢١ گزارش آزمون كوكران - شكل ١١
تغيير احساس خوشبختي قبل از ازدواج، در اوايل ازدواج و در زمان حال
SPSS... ٢٦٢ برنامه كامپيوتري آمار
٢٢ گزارش آزمون فريدمن - شكل ١١
تغيير احساس خوشبختي قبل از ازدواج، در اوايل ازدواج و در زمان حال
آزمون فريدمن
براي آزمون تفاوت چند نمونه وابسته در جايي است Friedman Test آزمون فريدمن
كه متغيرهاي مورد بررسي متغير ترتيبي هستند . در آزمون فريدمن كه همتاي آزمون
متغير كمي است تفاوت ميانگين رتبه موردها در متغيرهاي ترتيبي آزمون مي شود. F
در قسمت آزمون هاي ناپارامتريك ،Analyiz آزمون فريدمن در بخش تحليل
قسمت چند نمونه وابسته قرار دارد ،Nonparametric Tests
Tests for ۱۹ ). با ورود به اين قسمت صفحه آزمون هاي چند نمونه وابسته - (شكل ۱۱
فصل يازدهم: آزمونهاي ناپارامتري ٢٦٣
۲۰ ). در اين صفحه متغيرها را از - باز مي شود (شكل ۱۱ Several Related Samples
منتقل (Test Variables خانه سمت چپ به خانه سمت راست (خانه متغيرهاي آزمون
آزمون فريدمن به طور Test Type مي كنيم و چون در خانه نوع آزمون
خودكار علامت خورده است، فرمان را تأييد مي كنيم.
۲۲ گزارش فرمان آزمون فريدمن معناداري تغيير متغير - به عنوان مثال ، شكل ۱۱
پنج طبقه اي احساس خوشبختي در قبل از ازدواج، احساس خوشبختي در اوايل
ازدواج و احساس خوشبختي در زمان حال است. همانطور كه مي بينيم سطح
۰ است . / ۰ است كه بيشتر از سطح معناداري ۰۵ / معناداري تفاوت ميانگين رتبه ها ۱۵۵
بنا براين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نم يشود.
آزمون كندال
يا به صورت Kendall's Coefficient of Concordance آزمون ضريب توافق كندال
مختصر آزمون كندال آزموني است كه مبتني بر نرمال كردن آزمون فريدمن است .
در قسمت آزمون هاي ناپارامتريك ،Analyiz فرمان آزمون كندال در بخش تحليل
قسمت چند نمونه وابسته قرار دارد ،Nonparametric Tests
Tests for ۱۹ ). با ورود به اين قسمت صفحه آزمون هاي چند نمونه وابسته - (شكل ۱۱
۲۰ ). در اين صفحه متغيرها را از - باز مي شود (شكل ۱۱ Several Related Samples
منتقل (Test Variables خانه سمت چپ به خانه سمت راست (خانه متغيرهاي آزمون
آزمون كندال را Test Type مي كنيم. سپس در خانه نوع آزمون
علامت زده، فرمان را تأييد مي كنيم.
۲۳ گزارش فرمان آزمون كندال معناداري تغيير متغير - به عنوان مثال، شكل ۱۱
پنج طبقه اي احساس خوشبختي در قبل از ازدواج، احساس خوشبختي در اوايل
ازدواج و احساس خوشبختي در زمان حال است. همانطور كه مي بينيم سطح
SPSS... ٢٦٤ برنامه كامپيوتري آمار
۰ است . / ۰ است كه بيشتر از سطح معناداري ۰۵ / معناداري تفاوت ميانگين رتبه ها ۱۵۵
بنا براين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نم يشود.
٢٣ گزارش آزمون كندال - شكل ١١
تغيير احساس خوشبختي قبل از ازدواج، در اوايل ازدواج و در زمان حال
تمرين
۱. نمونه اي ۸۰ درصدي از فايل پيمايش نگرش ها ا انتخاب كنيد (رك فصل آخر ).
همان مثال هاي آزمون هاي دونمونه اي (آزمون مك نمار، آزمون
همگني حاشيه اي، آزمون علامت ها و آزمون ويلكاكسون ) را با اين فايل جديد
تكرار كرده، نتيجه آزمون ها را تفسيركنيد.
فصل يازدهم: آزمونهاي ناپارامتري ٢٦٥
۲. همان مثال هاي آزمون هاي چندنمونه اي (آزمون كموكران، آزمون فريدمن و
آزمون كندال) را با اين فايل جديد تكرار كرده، نتيجه آزمون ها را تفسيركنيد.
۳ آزمون هاي نمونه هاي مستقل
آزمون هاي دونمونه اي
آزمون من ويتني
آزمون تفاوت جايگاه (ميانگين رتبه هاي ) Mann-Whitney Test آزمون من  ويتني
دو گروه مستقل در متغيري كمي است . فرمان آزمون م ن  ويتني در بخش تحليل
در قسمت دو ،Nonparametric Tests قسمت آزمون هاي ناپارام تريك ،Analyiz
.(۲۴- نمونه مستقل قرار دارد (شكل ۱۱
Tow Independent با ورود به اين قسمت صفحه آزمون هاي دو نمونه مستقل
۲۵ ). در صفحه مذكور از خانه سمت چپ، - باز مي شود (شكل ۱۱ Samples Tests
Test Variable متغير وابسته را انتخاب (روي آن كليك كرده) و به خانه متغير آزمون
Grouping Variable منتقل مي كنيم. متغير مستقل را هم به خانه متغير گروه بندي
منتقل كرده، روي قسمت تعريف گروه ها كليك م ي كنيم . در
۲۶ ) هم كد گروه (طبقه ) اول - شكل ۱۱ ) Define Groups صفحه تعريف گرو هها
و كد گروه (طبقه) دوم را در خانه گروه Group متغير مستقل را در خانه گروه يك 1
درج مي كنيم. سپس قسمت ادامه را كليك كرده، فرمان را Group دو 2
تأييد مي كنيم.
SPSS... ٢٦٦ برنامه كامپيوتري آمار
٢٤ قسمت آزمون دو نمونه مستقل - شكل ١١
٢٥ صفحه آزمون دو نمونه مستقل - شكل ١١
فصل يازدهم: آزمونهاي ناپارامتري ٢٦٧
٢٦ صفحه تعريف گرو هها در آزمون دو نمونه مستقل - شكل ١١
V برحسب 21 V ٢٧ گزارش آزمون من  ويتني متغير 3 - شكل ١١
۲۷ گزارش فرمان آزمون من  ويتني تفاوت ميانگين - به عنوان مثال، شكل ۱۱
رتبه هاي حداكثر تفاوت سني در ازدواج در دو گروه زنان و مردان است . همانطور
۰ است كه بيشتر از سطح / كه م ي بينيم سطح معناداري تفاوت ميانگين رتبه ها ۴۰۱
۰ است . بنا بر اين، نتيج ه گيري م ي كنيم كه به احتمال ۹۵ صدم فرضيه / معناداري ۰۵
صفر رد نمي شود و آماره مورد مشاهده قا بل تعميم به جمعيت نيست . به عبارت ديگر
SPSS... ٢٦٨ برنامه كامپيوتري آمار
در جمعيت تفاوتي بين ميانگين رتبه هاي حداكثر تفاوت سني در ازدواج از نظر زنان
و مردان وجود ندارد.
آزمون كولموگورف- اسميرنوف
هم Kolmogorov-SmirnovTest آزمون دو نمونه اي كولموگورف- اسميرنوف
تفاوت جايگاه دو گروه (نمونه) مستقل در متغيري كمي يا ترتيبي و هم شكل توزيع
آنها را به حساب مي آورد.
براي فرمان آزمون دو نمون ه اي كولموگورف - اسميرنوف در بخش تحليل
قسمت دو نمونه مستقل را كليك م ي كنيم ،Analyiz
. (۲۴- (شكل ۱۱
Tow Independent Samples Tests سپس در صفحه آزمون هاي دو نمونه مستقل
۲۵ ) از خانه سمت چپ، متغير وابسته را انتخاب (روي آن كليك كرده ) و - (شكل ۱۱
منتقل مي كنيم. متغير مستقل را هم به خانه متغير Test Variable به خانه متغير آزمون
آزمون Test Type منتقل كرده، در خانه نوع آزمون Grouping Variable گروه بندي
كولموگورف- اسميرنو ف را علامت زده، روي قسمت
تعريف گرو هها كليك مي كنيم.
۲۶ ) كد گروه (طبقه ) اول - شكل ۱۱ ) Define Groups در صفحه تعريف گرو هها
و كد گروه (طبقه) دوم را در خانه گروه Group متغير مستقل را در خانه گروه يك 1
درج مي كنيم. سپس قسمت ادامه را كليك كرده، فرمان را Group دو 2
تأييد مي كنيم.
۲۸ گزارش فرمان آزمون كولموگورف - اسميرنوف - به عنوان مثال، شكل ۱۱
تفاوت ميانگين رتبه هاي حداكثر تفاوت سني در ازدوا ج از نظر زنان و مردان است .
۰ است كه بيشتر از / همانطور كه مي بينيم سطح معناداري تفاوت ميانگين رتبه ها ۹۲۹
فصل يازدهم: آزمونهاي ناپارامتري ٢٦٩
۰ است . بنا براين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم / سطح معنا داري ۰۵
فرضيه صفر رد نمي شود.
V برحسب 21 V ٢٨ گزارش آزمون كولموگورف- اسميرنوف متغير 3 - شكل ١١
آزمون موزس واكنش هاي حاد
آزمون Moses Extreme Reactions آزمون دو نمونه اي موزس واكنش هاي حاد
تفاوت دو گروه (يكي گروه كنترل و ديگري گروه آزمايش نمونه ) در متغيري
كمي است . براي فرمان آزمون دو نمون ه اي موزس واكن ش هاي حاد در بخش تحليل
۲۴ ) را - قسمت دو نمونه مستقل (شكل ۱۱ ،Analyiz
كليك مي كنيم.
SPSS... ٢٧٠ برنامه كامپيوتري آمار
V برحسب 21 V ٢٩ گزارش آزمون موزس واكن شهاي حاد متغير 3 - شكل ١١
Tow Independent Samples Tests سپس در صفحه آزمون هاي دو نمونه مستقل
۲۵ ) از خانه سمت چپ، متغير وابسته را انتخاب (روي آن كليك كرده ) و - (شكل ۱۱
منتقل مي كنيم. متغير مستقل را هم به خانه متغير Test Variable به خانه متغير آزمون
آزمون Test Type منتقل كرده، در خانه نوع آزمون Grouping Variable گروه بندي
موزس واكنش هاي حاد را علامت زده، روي قسمت
تعريف گرو هها كليك مي كنيم.
۲۶ ) هم كد گروه (طبقه ) - شكل ۱۱ ) Define Groups در صفحه تعريف گرو هها
و كد گروه (طبقه ) دوم را در خانه Group اول متغير مستقل ر ا در خانه گروه يك 1
فصل يازدهم: آزمونهاي ناپارامتري ٢٧١
درج مي كنيم. سپس قسمت ادامه را كليك كرده، Group گروه دو 2
فرمان را تأييد مي كنيم.
۲۹ گزارش فرمان آزمون موزس واكن ش هاي حاد - به عنوان مثال، شكل ۱۱
تفاوت حداكثر تفاو ت سني در ازدواج از نظر زنان و مردان است . همانطور كه
۰ است . / مي بينيم سطح معناداري تفاوت دو گروه خيلي بيشتر از سطح معناداري ۰۵
بنا بر اين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نمي شود.
آزمون دورهاي والد- ولفوويتز
آزمون تفاوت Wald-Wolfowitz Runs آزمون دو نمونه اي دورهاي والد- ولفوويتز
دو گروه (نمونه) از جوانب گوناگون د ر متغيري كمي است . براي فرمان آزمون دو
قسمت دو نمونه مستقل ،Analyiz نمونه اي دورهاي والد - ولفوويتز در بخش تحليل
.(۲۴- را كليك مي كنيم (شكل ۱۱
Tow Independent Samples Tests سپس در صفحه آزمون هاي دو نمونه مستقل
۲۵ ) از خانه سمت چپ، متغير وابسته را انتخاب (روي آن كليك كرده ) و - (شكل ۱۱
منتقل مي كنيم. متغير مستقل را هم به خانه متغير Test Variable به خانه متغير آزمون
آزمون Test Type منتقل كرده، در خانه نوع آزمون Grouping Variable گروه بندي
دورهاي والد- ولفوويتز را علامت زده، روي قسمت
تعريف گروه ها كليك م ي كنيم . و در صفحه تعريف گروه ها
۲۶ ) كد گروه (طبقه) اول متغير مستقل را در خانه گروه - شكل ۱۱ ) Define Groups
درج مي كنيم . Group و كد گروه (طبقه) دوم را در خانه گروه دو 2 Group يك 1
سپس قسمت ادامه را كليك كرده، فرمان را تأييد مي كنيم.
۳۰ گزارش فرمان آزمون دورهاي والد - ولفوويتز - به عنوان مثال، شكل ۱۱
تفاوت حداكثر تفاو ت سني در ازدواج از نظر زنان و مردان است . همانطور كه
SPSS... ٢٧٢ برنامه كامپيوتري آمار
۰/ ۰ است كه كمتر از سطح معناداري ۰۵ / مي بينيم سطح معناداري حداقل دورها ۰۰۰
۱ است كه بيشتر از سطح معناداري / است. اما سطح معناداري حد اكثر دورها ۰۰۰
۰ است . در اينجا كه سطح معناداري دورها همگن نيست از آزمون هاي ديگر /۰۵
استفاده مي كنيم.
V برحسب 21 V ٣٠ گزارش آزمون دورهاي والد- ولفوويتز متغير 3 - شكل ١١
آزمون هاي چندنمونه اي
آزمون كروسكال  واليس
آزمون تفاوت جايگاه توزيع (ميانگين Kruskal-Wallis آزمون كروسكال  واليس
رتبه هاي) چند گروه مستقل در متغيري كمي است. فرمان آزمون كروسكال  واليس
فصل يازدهم: آزمونهاي ناپارامتري ٢٧٣
Nonparametric در قسمت آزمون هاي ناپارامتريك ،Analyiz در بخش تحليل
در قسمت چند نمونه مستقل قرار دارد ،Tests
.(۳۱- (شكل ۱۱
٣١ قسمت فرمان آزمون چند نمونه مستقل - شكل ١١
Teses for Several با ورود به اين قسمت صفحه آزمون هاي چند نمونه مستقل
۳۲ ). در اين صفحه از خانه سمت - باز مي شود (شكل ۱۱ Independent Samples
چپ، متغير وابس ته را انتخاب (روي آن كليك كرده ) و به خانه فهرست م تغير آزمون
منتقل مي كنيم. متغير مستقل را هم به خانه متغير گروه بندي Test Variable List
منتقل كرده، روي قسمت تعريف دامنه Grouping Variable
كليك مي كنيم.
SPSS... ٢٧٤ برنامه كامپيوتري آمار
۳۳ ) كد گرو ه (طبقه ) اول - شكل ۱۱ ) Define Range در صفحه تعريف دامنه
و كد گروه (طبقه ) آخر را در خانه Minimum متغير مستقل را در خانه كوچكترين
درج مي كنيم. سپس قسمت ادامه را كليك كرده، Maximum بزرگترين
فرمان را تأييد مي كنيم.
٣٢ صفحه آزمون چند نمونه مستقل - شكل ١١
٣٣ صفحه تعريف دامنه چند نمونه مستقل - شكل ١١
فصل يازدهم: آزمونهاي ناپارامتري ٢٧٥
۳۴ گزارش فرمان آزمون كروسكال  واليس تفاوت - به عنوان مثال، شكل ۱۱
ميانگين رتبه هاي حداكثر تفاوت سني در ازدواج از نظر سه گروه تحصيلي است .
۰ است كه كمي / همانطور كه م ي بينيم سطح معناداري تفاوت ميانگي ن رتبه ها ۰۵۱
۰ است . بنا بر اين، نتيج ه گيري مي كنيم كه به احتمال ۹۵ / بيشتر از سطح معناداري ۰۵
صدم فرضيه صفر رد نم ي شود و آماره مورد مشاهده قابل تعميم به جمعيت نيست . به
عبارت ديگر، در جمعيت تفاوتي بين ميانگين رتب ه هاي حداكثر تفاوت سني در
ازدواج از نظر سه گروه تحصيلي وجود ندارد.
V16r برحسب 3 V ٣٤ گزارش آزمون كروسكال  واليس متغير 3 - شكل ١١
SPSS... ٢٧٦ برنامه كامپيوتري آمار
آزمون ميانه
هم آزمون تفاوت شكل و جايگاه (ميانه رتبه هاي ) چند Median Test آزمون ميانه
،Analyiz گروه مستقل د ر متغيري كمي است . فرمان آزمون ميانه در بخش تحليل
در قسمت چند نمونه ،Nonparametric Tests در قسمت آزمون هاي ناپارامتريك
۳۱ ). با ورود به اين قسمت - مستقل قرار دارد (شكل ۱۱
باز Teses for Several Independent Samples صفحه آزمون هاي چند نمونه مستقل
.(۳۲- مي شود (شكل ۱۱
در صفحه آزمون هاي چند نمونه مستقل از خانه سمت چپ، متغير وابسته را
Test Variable List انتخاب (روي آن كليك كرده) و به خانه فهرست متغير آزمون
Grouping Variable منتقل مي كنيم. متغير مستقل را هم به خانه متغير گروه بندي
آزمون ميانه را علامت زده، Test Type منتقل كرده، در خانه نوع آزمون
روي قسمت تعريف دامنه كليك مي كنيم. در صفحه تعريف دامنه
۳۳ ) كد گروه (طبقه) اول متغير مستقل را در خانه - شكل ۱۱ ) Define Range
Maximum و كد گروه (طبقه ) آخر را در خانه بزرگترين Minimum كوچكترين
درج مي كنيم . سپس قسمت ادامه را كليك كرده، فرمان را تأييد
مي كنيم.
۳۵ گزارش فرمان آزمون ميانه تفاوت رتبه هاي حداكثر - به عنوان مثال، شكل ۱۱
تفاوت سني در ازدواج از نظر سه گروه تحصيلي است . همانطور كه مي بينيم سطح
۰ است . بنا بر / ۰ است كه كمي بيشتر از سطح معناداري ۰۵ / معناداري تفاوت ۰۸۵
اين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نم ي شود و آماره
مورد مشاهده قابل تعميم به جمعيت نيست.
فصل يازدهم: آزمونهاي ناپارامتري ٢٧٧
V16r برحسب 3 V ٣۵ گزارش آزمون ميانه متغير 3 - شكل ١١
آزمون جانكهير ترپسترا
هم آزمون تفاوت جايگاه چند Jonckheere-Terpstra Test آزمون جانكهير ترپسترا
گروه مستقل در متغيري كمي است و در جايي مناسب است كه بين گرو ه ها در
جمعيت نظم وترتيبي پيشيني وجود دارد . فرمان آزمون جانكهير ترپ سترا در بخش
در ،Nonparametric Tests در قسمت آزمون هاي ناپارامتريك ،Analyiz تحليل
۳۱ ). با - قسمت چند نمونه مستقل قرار دارد (شكل ۱۱
Teses for Several ورود به اين قسمت صفحه آزمون هاي چند نمونه مستقل
۳۲ ). در صفحه آزمون هاي چند نمونه - باز مي شود (شكل ۱۱ Independent Samples
مستقل از خانه سمت چپ، متغير وابسته را انتخاب (روي آن كليك كرده) و به خانه
SPSS... ٢٧٨ برنامه كامپيوتري آمار
منتقل مي كنيم. متغير مستقل را هم به خانه Test Variable List فهرست متغير آزمون
Test Type منتقل كرده، در خانه نوع آزمون Grouping Variable متغير گروه بندي
روي آزمو ن جانكهير ترپ سترا علامت زده، روي قسمت
Define تعريف دامنه كليك مي كنيم. در صفحه تعريف دامنه
۳۳ ) كد گروه (طبقه ) اول متغير مستقل را در خانه كوچكترين - شكل ۱۱ ) Range
درج مي كنيم . Maximum و كد گروه (طبقه) آخر را در خانه بزرگترين Minimum
سپس قسمت ادامه را كليك كرده، فرمان را تأييد مي كنيم.
V16r برحسب 3 V ٣۶ گزارش آزمون جانكهير ترپسترا متغير 1 - شكل ١١
۳۶ گزارش فرمان آزمون جانكهير ترپسترا تفاوت سن - به عنوان مثال، شكل ۱۱
است . (V16r از نظر سه گروه تحصيلي ( 3 (V مناسب براي ازدواج پسر (متغير 1
۰ است كه بسيار / همانطور كه م ي بينيم سطح معناداري تفاوت ميانگين رتبه ها ۰۰۱
۰ است . بنا بر اين، نتيج ه گيري مي كنيم كه به احتمال ۹۵ / كمتر از سطح معناداري ۰۵
فصل يازدهم: آزمونهاي ناپارامتري ٢٧٩
صدم فرضيه صفر رد م ي شود. اين بدان معنا است در جمعيت هم بين سن مناسب
براي ازدواج پسر از نظر سه گروه تحصيلي تفاوت وجود دارد.
تمرين
۱. از بين متغيرهاي فايل پيمايش نگرش ها يك متغير كمي (مث ً لا سن مناسب ازدواج
براي دختر ) انتخاب كنيد . با آزمون هاي دونمونه مستقل تعميم پذيري تفاوت نظر
زنان و مردان در اين متغير را به جمعيت آزمون كرده، نتايج آزمون ها را تفسير
كنيد.
۲. از بين متغيرهاي فايل پيمايش نگرش ها يك متغير كمي (مث ً لا سن مناسب ازدواج
براي دختر) انتخاب كنيد . با آزمون هاي چندنمونه مستقل تعمي م پذيري تفاوت
نظر گروه هاي تحصيلي (سه گروه زير ديپلم، ديپلم و عالي ) در اين متغير را به
جمعيت آزمون كرده، نتايج آزمون ها را تفسير كنيد.

بخش چهارم: بخش هاي ا سپي اس اس
،Data داده ها ،Edit پردازش ،File اس پي اس اس شامل بخش هايي چون فايل
است كه هر بخش نيز شامل Help و راهنما Analyiz تحليل ،Transform تغييرات
قسمت هاي گوناگوني است . در اين بخش به معرفي به پرکاربردترين قسمت هاي اين
بخش ها مي پردازيم.

SPSS راهنماي استفاده از برنامه ي اس پي اس اس5

صل دهم: آزمون آماري ٢١٧
همسران شان، نمرات پيش آزمون و نمرات پس آزمون پاسخگويان، نمرات ميان ترم و
نمرات آخرترم دانشجويان يك كلاس.
،Analyiz تفاوت ميانگين تفاوت دو نمونه جفت در بخش تحليل t فرمان آزمون
نمونه هاي جفت t در قسمت آزمون ،Compare Means در قسمت مقايسه ميانگي نها
۷). با ورود به اين قسمت (كليك - قرار دارد (شكل ۱۰
باز مي شود Paired-Samples T Test نمونه هاي جفت t كردن آن) صفحه آزمون
.(۸- (شكل ۱۰
نمونه هاي جفت (وابسته) t ٧ قسمت فرمان آزمون - شكل ١٠
نمونه هاي جفت t ٨ صفحه آزمون - شكل ١٠
SPSS... ٢١٨ برنامه كامپيوتري آمار
در صفحه مذكور از خانه سمت چپ، متغير وابسته مختص گروه اول را انتخاب
منتقل مي كنيم. متغير وابسته Variable (روي آن كليك ) كرده و به خانه متغير اول 1
منتقل كرده، فرمان را تأييد Variable مختص گروه دوم را هم به خانه متغير دوم 2
مي كنيم.
Paired Samples Statistics
Mean N Std. Deviation Std. Error Mean
educ Highest Year of School
Pair 1 Completed 12.87 425 2.771 .134
speduc Highest Year School
Completed, Spouse 12.80 425 3.409 .165
Paired Samples Correlations
N Correlation Sig.
Pair 1
educ Highest Year of School
Completed & speduc Highest Year
School Completed, Spouse 425 .693 .000
Paired Samples Test
Paired Differences
95% Confidence
Interval of the
Difference
Mean
Std.
Deviation
Std.
Error
Mean Lower Upper t df
Sig. (2-
tailed)
Pair 1 educ Highest Year of
School ompleted - speduc
Highest Year School
Completed, Spouse
.073 2.492 .121 -.165 .311 .603 424 .547
speduc و educ نمونه هاي جفت، دو متغير t ٩ گزارش آزمون - شكل ١٠
C:\Program Files\SPSS\1991 U.S. General Social Survey.sav : مأخذ
ميانگين تفاوت تحصيلات بر t ۹ گزارش فرمان آزمون - به عنوان مثال، شكل ۱۰
زنان با تحصيلات بر حسب سال همسران شان (Educ حسب سال (متغير
Paired Samples Statistics است. جدول آماره هاي نمونه هاي جفت (Speduc (متغير
به توصيف متغير كمي تحصيلات در دو گروه اختصاص دارد. جدول همبستگي
فصل دهم: آزمون آماري ٢١٩
هم مبين همبستگي دو متغير Paired Samples Correlations نمونه هاي جفت
(تحصيلات زنان و تحصيلات همسران شان) است . جدول آزمون نمونه هاي جفت
هم نتايج آزمون را نشان مي دهد. Paired Samples Test
۰ سال است اما سطح / گو اين كه ميانگين تفاوت تحصيلات دو گروه ۰۷۳
۰ است. بنا براين، / ۰ است كه بيشتر از سطح معناداري ۰۵ / معناداري آن ۵۴۷
نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نمي شود و آماره مورد
مشاهده قابل تعميم به جمعيت نيست . به عبارت ديگر در آن جمعيت به طور متوسط
تفاوتي بين تحصيلات زنان و همسران شان وجود ندارد.
تفاوت ميانگين تك نمونه t آزمون
تفاوت ميانگين تك نمونه براي آزمون تفاوت ميانگين متغيري كمي با t آزمون
تفاوت t مقداري معين (مث ً لا ميانگين مفروض متغير در جمعيت ) است. فرمان آزمون
Compare در قسمت مقايسه ميانگين ها ،Analyiz ميانگين تك نمونه در بخش تحليل
- تك نمونه قرار دارد (شكل ۱۰ t در قسمت آزمون ،Means
One- تك نمونه t ۱۰ ). با ورود به اين قسمت (كليك كردن آن ) صفحه آزمون
.(۱۱- باز مي شود (شكل ۱۰ Sample T Test
تك نمونه t ١٠ قسمت فرمان آزمون - شكل ١٠
SPSS... ٢٢٠ برنامه كامپيوتري آمار
تك نمونه t ١١ صفحه آزمون - شكل ١٠
تك نمونه از خانه سمت چپ، متغير را به خانه متغير آزمون t در صفحه آزمون
منتقل مي كنيم. سپس مقدار معين (مقداري كه در پي مقايسه Test Variable(s):
درج كرده، Test Value ميانگين متغير خود با آن هستيم) را در خانه مقدار آزمون
فرمان را تأييد مي كنيم.
تفاوت ميانگين تك نمونه t ۱۲ گزارش فرمان آزمون - به عنوان مثال، شكل ۱۰
۲/ براي مقايسه ميانگين متغير ميزان تماشاي تلويزيون در شبانه روز با مقدار معين ۵
ساعت اس ت كه گيريم ب ه طور متوسط مدت زمان مناسبي براي تماشاي تلويزيون در
به توصيف متغير كمي One-Sample شبانهروز است. جدول آماره هاي تك نمونه
نتايج آزمون را نشان One-Sample Test اختصاص دارد و جدول آزمون تك نمونه
مي دهد.
همانطور كه مي بينيم سطح معناداري تفاوت ميانگين ميزان تماشاي تلويزيون در
۲ ساعت كمتر از سطح معناداري / ۳ ساعت است با مقدا ر معين ۵ / شبانه روز كه ۰
۰ است . بنا بر اين، نتيج ه گيري م ي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد /۰۵
مي شود و آماره مورد مشاهده قابل تعميم به جمعيت است . به عبارت ديگر تفاوت
فصل دهم: آزمون آماري ٢٢١
۲ ساعت در جم عيت / ميانگين ميزان تماشاي تلويزيون در شبانه روز با مقدار معين ۵
هم وجود دارد.
One-Sample Statistics
N Mean Std. Deviation Std. Error Mean
در شبانهروز چند ساعت تلويزيون V20
80 تماشا ميآنيد؟ 3.00 1.869 .209
One-Sample Test
Test Value = 2.5
95% Confidence Interval
of the Difference
t df
Sig. (2-
tailed)
Mean
Difference Lower Upper
در شبانهروز چند V20
2.393 ساعت تلويزيون تماش اميآنيد؟ 79 .019 .500 .08 .92
V تك نمونه متغير 20 t ١٢ گزارش آزمون - شكل ١٠
تحليل واريانس) ) F آزمون
براي آزمون تعمي م پذيري تفاوت ميانگي ن هاي بيش از دو گروه نمونه (و F از آزمون
در بخش تحليل F حتي دو گروه ) به جمعيت استفاده م ي شود . فرمان آزمون
قسمت تحليل واريانس ،Compare Means در قسمت مقايسه ميانگي نها ،Analyiz
۱۳ ). با ورود به اين قسمت - يك طرفه قرار دارد (شكل ۱۰
باز One-Way ANOVA (كليك كردن آن) صفحه تحليل واريانس ي ك طرفه
.(۱۴- مي شود (شكل ۱۰
در صفحه مذكور از خانه سمت چپ، متغير وابسته كمي را انتخاب (روي آن
منتقل مي كنيم . متغير Dependent List كليك كرده) و به خانه فهرست وابسته
منتقل مي كنيم. Factor مستقل كيفي را هم به خانه عامل
SPSS... ٢٢٢ برنامه كامپيوتري آمار
تحليل واريانس يك طرفه) ) F ۱۳ قسمت فرمان آزمون - شكل ۱۰
تحليل واريانس يك طرفه) ) F ١٤ صفحه آزمون - شكل ١٠
۱۵ ) از - سپس وارد قسمت مقايسه چندگانه پسيني شده (شكل ۱۰
را انتخاب (Scheffe بين آزمون هاي جفتي ميانگين ها آزموني (مث ً لا آزمون شفه
كرده، قسمت ادامه را كليك مي كنيم . حال وارد قسمت گزينه ها
۱۶ ) و قسمت هاي مقتضي، معمو ً لا قسمت توصيفي - شده (شكل ۱۰
را Homogeneity of Variances Test و آزمون همگني واريان س ها Descriptive
انتخاب و قسمت ادامه را كليك كرده، فرمان را تأييد
مي كنيم.
فصل دهم: آزمون آماري ٢٢٣
تحليل واريانس يك طرفه) ) F ١٥ صفحه مقايسه چندگانه پسيني آزمون - شكل ١٠
تحليل واريانس يك طرفه) ) F ١٦ صفحه گزينه هاي آزمون - شكل ١٠
SPSS... ٢٢٤ برنامه كامپيوتري آمار
تفاوت ميانگين سه گروه F ۱۷ گزارش فرمان آزمون - به عنوان مثال، شكل ۱۰
تحصيلي در ميزان تماشاي تلويزيون در شبانه روز است. جدول توصيفي ها
به توصيف متغير كمي در گرو ه ها (طبقات متغير مستقل ) اختصاص Descriptives
دارد. همانطور كه مي بينيم ميانگين ميزان تماشاي تلويزيون در شبانه روز در بين
۳ ساعت ) و كساني / كساني كه تحصيلات كم (زير ديپلم ) دارند از همه بيشتر ( ۳۲
۱ ساعت) است. / كه تحصيلات عالي دارند از همه كمتر ( ۸۸
V16r برحسب 3 V متغير 20 F ١٧ بخشي از گزارش آزمون - شكل ١٠
فصل دهم: آزمون آماري ٢٢٥
V16r برحسب 3 V متغير 20 F ۱۸ (ادامه) گزارش آزمون - شكل ۱۰
نتايج Test of Homogeneity of Variances جدول آزمون همگني واريان سها
براي آزمون عدم تفاوت (همساني ) واريانس دو گروه Levene's Test آزمون لون
۰ است كه بدان معنا است / است. در اين مثال سطح معناداري آزمون لون حدود ۳۸۹
به احتمال ۹۵ صدم فرض عدم تفاوت واريانس ها تأييد مي شود.
را نشان مي دهد. همانطور F هم نتايج آزمون ANOVA جدول تحليل واريانس
۰ است كه كمتر از سطح / كه مي بينيم سطح معناداري تفاوت ميانگي ن ها ۰۱۹
۰ است . بنا براين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه / معناداري ۰۵
صفر رد م ي شود. اين بدان معنا است كه در جمعيت حداقل بين ميانگين ميزان
تماشاي تلويزيون در شبانه روز دو گروه تفاوت وجود دارد.
SPSS... ٢٢٦ برنامه كامپيوتري آمار
۱۸ ) هم به - شكل ۱۰ ) Multiple Comparisons جدول مقايسه چندگانه
آزمون هاي تفاوت ميانگين هاي جفت جفت گرو ه ها اختصاص دارد . در اين مثال
كه متكي بر فرض همگني (همساني) واريانس دو گروه است Scheffe آزمون شفه
نشان مي دهد م يانگين ميزان تماشاي تلويزيون در شبانه روز كساني كه تحصيلات
عالي دارند با ميانگين دو گروه ديگر تفاوت معنادار (تفاوت قابل تعميم به جمعيت )
دارد اما بين ميانگين دو گروه ديگر تفاوت معنادار وجود ندارد . آزمون تامهان
كه متكي بر فرض همگني (همساني) واريانس دو گروه نيست نيز همين Tamhane
نتايج را نشان مي دهد.
تمرين
۱. از بين متغيرهاي فايل پيمايش نگرش ها يك متغير كمي به عنوان متغير وابسته و
يك متغيركيفي دوطبقه به عنوان متغير مستقل كه مي توان رابطه اي علي بين آنها
قائل شد انتخاب كنيد . با آزمون مقتضي تعميم پذيري تفاوت ميانگين دو گروه به
جمعيت را آزمون كنيد.
۲. از بين متغيرهاي فايل پيمايش نگرش ها يا فايل هاي تمريني اس پي اس اس (قسمت
(C:\Program Files\SPSS\tutorial\sample_files يا C:\Program Files\SPSS
دو متغير كمي جفتي انتخاب كنيد . با آزمون مقتضي تعمي م پذيري تفاوت ميانگ ين
دو گروه به جمعيت را آزمون كنيد.
سؤال ” در ) V ۳. با آزمون مقتضي تعميم پذيري تفاوت ميانگين متغير كمي 19
شبان هروز چند ساعت روزنام ه و مجل ه م يخواني د؟“) را با مقدار ۱ ساعت آزمون
كنيد.
۴. با آزمون مقتضي تعميم پذيري تفاوت ميانگين سه گروه تحصيلي (متغير سه طبقه
آزمون كنيد. (V را در ميزان روزنامه خواني (متغير كمي 19 (V16r3
فصل دهم: آزمون آماري ٢٢٧
۲ تفاوت نسبت ها
در آمار استنباطي آزمون تعميم پذيري تفاوت نسبت ها در جايي صورت مي گيرد كه
علاوه بر متغير مستقل، متغير وابسته هم متغير كيفي باشد. آزمون تفاوت نسبت ها با
آزمون خي دو انجام مي شود.
با اين همه، آزمون تفاوت نسبت ها را م ي توان با تبديل متغير وابسته به متغيري
و t دوجمله اي (متغير دو طبقه اي ، دو وجهي ) با كد صفر و يك با همان آزمون
هم انجام داد. F آزمون
آزمون خي دو
در قسمت آمارتوصيفي ،Analyiz در بخش تحليل (χ براي آزمون خي دو ( 2
- وارد قسمت جدول تقاطعي شده (شكل ۱۰ ،Descriptive Statistics
۲۰ ) از خانه سمت چپ متغير - شكل ۱۰ ) Crosstabs ۱۹ )، در صفحه جدول تقاطعي
منتقل مي كنيم . Row(s) وابسته را انتخاب (روي آن كليك كرده ) و به خانه سطر
منتقل كرده، قسمت ادامه Column(s) متغير مستقل را هم به خانه ستون
را كليك مي كنيم.
۲۱ ). در صفحه - سپس وارد قسمت آماره ها مي شويم (شكل ۱۰
قسمت خي دو را علامت Crosstabs Statistics آماره هاي تقاطعي
مي زنيم و قسمت ادامه را كليك كرده، فرمان را تأييد
مي كنيم.
تفاوت نسبت شاغلين (χ ٢٢ گزارش اجراي فرمان آزمون خي دو ( 2 - شكل ١٠
مي بينيم نسبت Crosstabulation زن و مرد است . همانطور كه در جدول تقاطعي
۲۰ درصد) است. / ۶۸ درصد) خيلي بيشتر از نسبت شاغلين زن ( ۵ / شاغلين مرد ( ۳
SPSS... ٢٢٨ برنامه كامپيوتري آمار
Crosstabs… ١٩ قسمت جدول تقاطعي - شكل ١٠
Crosstabs ٢٠ صفحه جدول تقاطعي - شكل ١٠
هم در ستون سطح معناداري Chi-Square Tests در جدول آزمون خي دو
۰/ سطح معناداري تفاوت نسبت ها ۰۰۰ Asymp. Sig. (2-sided) مفروض دو دامنه
۰ است. / است كه كمتر از سطح معناداري ۰۵
فصل دهم: آزمون آماري ٢٢٩
Crosstabs : Statistics ٢١ صفحه آمار ههاي جدول تقاطعي - شكل ١٠
٢٢ گزارش آزمون خي دو تفاوت نسبت وضع اشتغال بر حسب جنسيت - شكل ١٠
SPSS... ٢٣٠ برنامه كامپيوتري آمار
بنا براين، نتيج ه گيري م ي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد مي شود .
اين بدان معنا است كه تفاوت نسبت شاغلين زن و مرد در جمعيت هم وجود دارد.
٢٣ گزارش آزمون خي دو تفاوت نسبت وضع اشتغال بر حسب تحصيلات - شكل ١٠
( مأخذ: پيمايش ارزش ها (طرح هاي ملي، ۱۳۸۲
تفاوت نسبت بيش از دو گروه هم به همين صورت با آزم ون خي دو انجام
(χ ٢٣ گزارش اجراي فرمان آزمون خي دو ( 2 - مي شود. به عنوان مثال، شكل ١٠
تفاوت نسبت شاغلين سه گروه تحصيلي پيمايش ارز ش ها (پيمايشي با نمونه بزرگ )
مي بينيم كه سطح Chi-Square Tests است. در اينجا هم در جدول آزمون خي دو
۰ است . بنا بر / ۰ است كه كمتر از سطح معناداري ۰۵ / معناداري ت فاوت نسبت ها ۰۰۰
اين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد مي شود . اين بدان
فصل دهم: آزمون آماري ٢٣١
معنا است كه در جمعيت حداقل بين نسبت شاغلين دو گروه تحصيلي تفاوت وجود
دارد.
آزمون با متغير دوجمله اي
متغير وابسته دوجمله اي را كه طبقه مورد نظر آن معادل كد يك و طبقه ديگر معادل
هم انجام داد . مزيت اين كار F و آزمون t كد صفر باشد م ي توان با همان آزمون
از كارايي بالاي مانند آزمو ن جفتي F هم برخورداري اين آزمون ها، خاصه آزمون
ميانگين ها (جفت جفت گروه ها) است.
به عنوان مثال، اگر وضع اشتغال را متغيري دوجمله اي تعريف كنيم كه طبقه
شاغلين آن داراي كد ۱ و طبقه ديگر آن (غيرشاغلين) داراي كد صفر باشد، در اين
تفاوت ميانگين F صورت ميانگي ن وضع اشتغال معادل نسبت شاغلين است و آزمون
وضع اشتغال در سه گروه تحصيلي، همانا آزمون تفاوت نسبت شاغلين سه گروه
تحصيلي خواهد بود.
تفاوت ميانگي ن وضع اشتغال (تفاوت F ۲۴ گزارش فرمان آزمون - شكل ۱۰
نسبت شاغلين ) سه گروه تحصيلي پيمايش ارز ش ها است . همانطور كه در جدول
مي بينيم ميانگين وضع اشتغال (نسبت شاغلين ) در بين Descriptives توصيفي ها
۰) و در بين كساني / كساني كه تحصيلات كم (زير ديپلم ) دارند از همه كمتر ( ۲۹
۰) است. / كه تحصيلات عالي دارند از همه بيشتر ( ۵۴
نتايج Test of Homogeneity of Variances جدول آزمون همگني واريان سها
عدم تفاوت (همساني ) واريانس دو گروه است . در اين Levene's Test آزمون لون
۰ است كه بدان معنا است به احتمال ۹۵ صدم / مثال سطح معناداري آزمون لون ۰۰۰
فرض عدم تفاوت واريانس ها (فرضيه صفر ) رد مي شود. همساني واريانس گروه ها از
در جايي است كه حجم نمونه كوچك است . اما در F و t پيش فرض هاي آزمون
اين مثال حجم نمونه بزرگ (حدود ۱۶۰۰ نفر) است.
SPSS... ٢٣٢ برنامه كامپيوتري آمار
تفاوت ميانگين وضع اشتغال بر حسب تحصيلات F ٢٤ گزارش آزمون - شكل ١٠
( مأخذ: پيمايش ارزش ها (طرح هاي ملي، ۱۳۸۲
فصل دهم: آزمون آماري ٢٣٣
را نشان مي دهد. همانطور F هم نتايج آزمون ANOVA جدول تحليل واريانس
۰ است كه كمتر از سطح / كه مي بينيم سطح معن اداري تفاوت ميانگي ن ها ۰۰۰
۰ است . بنابراين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه / معناداري ۰۵
صفر رد م ي شود. اين بدان معنا است كه در جمعيت حداقل بين نسبت شاغلين دو
گروه تحصيلي تفاوت وجود دارد.
كه Scheffe هم آزمون شفه Multiple Comparisons در جدول مقايسه چندگانه
متكي بر فرض همگني (همساني) واريانس گرو ه ها است نشان مي دهد نسبت شاغلين
كساني كه تحصيلات عالي دارند با نسبت شاغلين دو گروه ديگر تفاوت معنادار
(تفاوت قابل تعميم به جمعيت ) دارد. اما بين نسبت شاغلين دو گروه ديگر تفاوت
معنادار وجود ندارد.
هم كه متكي بر فرض همگني (همساني ) واريانس Tamhane آزمون تامهان
گروه ها نيست همين نتايج را نشان مي دهد.
تمرين
۱. با آزمون مقتضي تعميم پذيري تفاوت نسب ت هاي احساس خوشبختي زنان و مردان
به جمعيت را آزمون كنيد.
۲. با آزمون مقتضي تعميم پذيري تفاوت نسبت هاي احساس خوشبختي ميانگين سه
به جمعيت را آزمون كنيد. (V16r گروه تحصيلي (متغير سه طبقه 3
۳ . متغير احساس خوشبختي را به متغيري دوجمل ه اي با كد يك و صفر تبديل كرده،
تعميم پذيري تفاوت ميانگين هاي اين متغير در سه گروه تحصيلي F با آزمون
به جمعيت را آزمون كنيد. (V16r (متغير سه طبقه 3
SPSS... ٢٣٤ برنامه كامپيوتري آمار
۳ ضرايب دومتغيره
آزمون تعميم پذيري اكثر اندازه ها و ضرايب توصيفي رابطه دومتغيره با همان فرمان
و بقيه هم با آزمون هاي خاص صورت t اندازه ها و ضرايب توصيفي و با آزمون
مي گيرد و نتايج آن به صورت سطح معناداري ارائه مي شود . در اينجا هم هر گاه
بدان (Sig ≤ ۰/ ۰ يا كمتر شد ( ۰۵ / سطح معناداري ضريب رابطه دومتغيره مساوي ۰۵
معنا است كه مقدار آن ضريب در منطقه رد قرار دارد . بنا بر اين نتيج ه گيري مي كنيم
كه به احتمال ۹۵ صدم فرضيه صفر رد م ي شود و مقدار ضريب مورد مشاهده قابل
۰/ تعميم به جمعيت است . ولي هر گاه سطح معناداري ضريب رابطه دومتغيره از ۰۵
بدان معنا است كه مقدار آن ضريب در منطقه رد قرار ( Sig > ۰/ بيشتر شد ( ۰۵
ندارد. بنا بر اين نتيج ه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نمي شود
و مقدار آن ضريب در جمعيت صفر است.
ضرايب دومتغيره اسمي
٢٥ گزارش فرمان ضرايب دومتغيره اسمي متغير احساس خوشبختي (دو - شكل ١٠
طبقه اي) به عنوان متغير وابسته و متغير جنسيت به عنوان متغير مستقل ا ست (براي
نحوه اجراي فرمان ضرايب دومتغيره اسمي به فصل پنجم قسمت ٢ مراجعه كنيد ).
همانطور كه در اين شكل مي بينيم سطح معناداري آزمون فرضيه صفر اين ضرايب
آمده است. Approx Sig در ستون آخر، ستون سطح معناداري تقريبي
۰ است / در اين مثال سطح معناداري ضريب تااو گودمن و كراسكال كمتر از ۰۵
و نتيجه گيري م ي كنيم كه به احتمال ۹۵ صدم فرضيه صفر (صفر بودن مقدار ضريب
۰) قابل تعميم به / در جمعيت ) رد مي شود و مقدار ضريب مورد مشاهده ( ۰۳۹
۰ بيشتر است و / جمعيت است . اما سطح معناداري ساير ضرايب دومتغيره اسمي از ۰۵
فصل دهم: آزمون آماري ٢٣٥
نتيجه گيري م ي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نم ي شود و مقدار اين
ضرايب در جمعيت صفر است.
٢٥ گزارش سطح معناداري ضرايب دومتغيره اسمي احساس خوشبختي و جنسيت - شكل ١٠
ضرايب دومتغيره ترتيبي
٢٦ گزارش اجراي فرمان جدول تقاطعي دو متغير ترتيبي احساس - شكل ١٠
خوشبختي سه طبقه (متغير وابسته ) و ت حصيلات (متغير مستقل ) است (براي نحوه
اجراي فرمان ضرايب دومتغي ره ترتيبي به فصل ششم قسمت ٢ مراجعه كنيد ).
همانطور كه در اين شكل مي بينيم سطح معناداري آزمون فرضيه صفر همه اين
SPSS... ٢٣٦ برنامه كامپيوتري آمار
۰ است و نتيجه گيري م ي كنيم كه به احتمال ۹۵ صدم فرضيه / ضرايب كمتر از ۰۵
صفر (صفر بودن مقدار اين ضرايب در جمعيت ) رد مي شود و مقدار اين ضرايب
مورد مشاهده قابل تعميم به جمعيت است.
V16r و 3 V8r ٢٦ گزارش ضرايب رابطه دو متغير ترتيبي 3 - شكل ١٠
ضرايب دومتغيره كمي
Linear Regression ۲۷ بخشي از گزارش اجراي فرمان رگرسيون خطي - در شكل ۱۰
دو متغير كمي وضع مالي با شاخص مخارج ماهانه خانواده ب ه هزار تومان (متغير
وابسته) و ت حصيلات بر حسب سال (متغير مستقل ) ارائه شده است (براي نحوه اجراي
فصل دهم: آزمون آماري ٢٣٧
دو متغير كمي به فصل هفتم قسمت ١ Linear Regression فرمان رگرسيون خطي
مراجعه كنيد).
جدول تحليل واريانس Linear Regression در گزارش رگرسيون خطي
سطح معن اداري مدل و ضريب تعيين ( (F آزمون ) ANOVA
r2 را (R Square يا
مي بينيم سطح Sig نشان مي دهد. همانطور كه در ستون آخر، ستون سطح معناداري
۰ است كه كمتر از سطح معناداري / معناداري مدل رگرسيون و ضريب تعيين ۰۰۰
۰ است . بنا براين، نتيج ه گيري م ي كنيم كه به احتما ل ۹۵ صدم فرضيه صفر رد /۰۵
مي شود. اين بدان معنا است كه نتايج اين مدل و ضريب تعيين آن قابل تعميم به
جمعيت است.
Educ و V ٢٧ بخشي از گزارش رگرسيون خطي دو متغير كمي 27 - شكل ١٠
SPSS... ٢٣٨ برنامه كامپيوتري آمار
Bivariate ۲۸ هم گزارش اجراي فرمان همبستگي دومتغيره - در شكل ۱۰
متغيركمي وضع مالي (با شاخص مخارج ماهانه خانواده به هزار تومان Correlation
به عنوان متغير وابسته ) و ت حصيلات بر حسب سال (متغير مستقل ) ارائه شده است
دو متغير كمي به فصل هفتم قسمت Correlation (براي نحوه اجراي فرمان همبستگي
٢ مراجعه كنيد).
٢٨ گزارش همبستگي مخارج ماهانه و تحصيلات - شكل ١٠
سطر دوم Correlation Bivariate در جدول گزارش همبستگي دومتغيره
نشان دهنده سطح معناداري ضريب همبستگي پيرسون است . در اين مثال سطح
۰ است كه كمتر از سط ح / معناداري ضريب همبستگي وضع مالي با ت حصيلات ۰۰۰
۰ است . بنا براين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه / معناداري ۰۵
۰) وضع مالي / صفر رد م ي شود. اين بدان معنا است كه مقدار ضريب همبستگي ( ۶۷۴
با تحصيلات اين نمونه قابل تعميم به جمعيت است.
فصل دهم: آزمون آماري ٢٣٩
تمرين
۱. سطح معناداري ضرايب رابطه دو متغير اسمي تمرين قسمت ۲ فصل پنجم را
مشخص كرده، آنها را تفسير كنيد.
۲. سطح معناداري ضرايب رابطه دو متغير ترتيبي تمرين قسمت ۲ فصل ششم را
مشخص كرده، آنها را تفسير كنيد.
۳. سطح معناداري ضريب تعيين رابطه دو متغير كمي تمرين قسمت ۱ فصل هفتم را
مشخص كرده، آنها را تفسير كنيد . سطح معنادار ي ضريب همبستگي آن دو متغير
را هم پيدا كرده و تفسير كنيد.

فصل يازدهم: آزمون هاي ناپارامتري
خاصه در نمونه كوچك مشروط به مفروضات ويژه اي در مورد پارامترهاي t آزمون
جمعيت است (مانند فرض نرمال بودن توزيع پارامتر در جمعيت يا همگني واريانس
جمعيت ها). در جايي كه انحراف بزرگي از اين مفروضات وجود دارد از رو ش هاي
ناپارامتري استفاده مي كنيم كه مشروط به مفروضات ويژه اي در مورد پارامترهاي
جمعيت نيستند. از اين رو بدانها توزيع آزاد هم مي گويند.
آزمون هاي ناپارامتري به چند دسته تقسيم مي شوند : آزمون ها ي تک نمونه ،
آزمون هاي دو نمون ه اي وابسته(جفت)، آزمون هاي دو نمون ه اي مستقل ، آزمون ها ي
چند نمونه وابسته ، آزمون هاي چند نمونه مستقل . در اين فصل فرمان هاي آزمون هاي
ناپارامتري تحت عناوين فوق عنوان مي شود.
۱ آزمون هاي تك نمونه
حالت تک نمونه براي بررسي وجود تفاوت معنادار بين نسبتي در نمونه با مقداري
معين، تفاوت معنادار بين فراواني مورد مشاهده و فراواني مورد انتظار، تفاوت معنادار
SPSS... ٢٤٢ برنامه كامپيوتري آمار
شكل توزيع متغيري كمي با توزيع خاصي (مث ً لا توزيع نرمال)، تصادفي و بدون نظم
و ترتيب بودن وقوع طبقات يا مقادير متغير است.
آزمون دوجمله اي
آزمون دوجمله اي براي آزمون تفاوت نسبت طبقه مورد نظر متغيري دوجمل ه اي با
نسبتي معين (مث ً لا نسبت مفروض آن طبقه درجمعيت ) است . اس پي اس اس به طور
۰ مي گيرد، مگر اين که آن را تغيير دهيم. / خودکار نسبت آزمون را ۵۰
در قسمت آزمون هاي ،Analyiz فرمان آزمون دوجمله اي در بخش تحليل
در قسمت آزمون دوجمله اي ،Nonparametric Tests ناپارامتريك
۱). با ورود به اين قسمت (كليك كردن آن ) صفحه آزمون - قرار دارد (شكل ۱۱
.(۲- باز مي شود (شكل ۱۱ Binomial Test دوجمله اي
١ قسمت آزمون دوجمله اي - شكل ١١
فصل يازدهم: آزمونهاي ناپارامتري ٢٤٣
متغير را از خانه سمت چپ به خانه Binomial Test در صفحه آزمون دوجمله اي
منتقل مي كنيم. سپس (Test Variable List سمت راست (خانه فهرست متغير آزمون
نسبتي معين را (نسبتي كه در پي مقايسه نسبت متغير خود با آن هستيم ) در خانه
درج كرده، فرمان را تأييد مي كنيم. Test Proporttion نسبت آزمون
٢ صفحه آزمون دوجمله اي - شكل ١١
۳ گزارش فرمان آزمون دوجمله اي تفاوت نسبت مردان - به عنوان مثال، شكل ۱۱
۰ (با اين فرض كه معمو ً لا نيمي از جمعيت را / (يا زنان ) پيمايش نگرش ها با نسبت ۵۰
مردان تشكيل م ي دهند) است . همانطور كه م ي بينيم سطح معناداري تفاوت نسبت ها
۰ است . بنا براين، نتيجه گيري مي كنيم / ۰ است كه بيشتر از سطح معناداري ۰۵ /۹۱۱
كه به احتمال ۹۵ صدم فرضيه صفر رد نمي شود و آماره مورد مشاهده (تفاوت
۰ است) قابل تعميم به جمعيت نيست. به عبارت ديگر به احتمال ۹۵ / نسبت ها كه ۰۱
۰ فقط ناشي از خطاي نمونه گيري / صدم تفاوت نسبت مردان در نمونه با نسبت ۵۰
است.
SPSS... ٢٤٤ برنامه كامپيوتري آمار
V ٣ گزارش آزمون دوجمله اي متغير 21 - شكل ١١
آزمون خي دو
آزمون خي دو براي آزمون تفاوت فراواني هاي طبقات متغيري كيفي (اسمي با
ترتيبي) با فراواني هاي مورد انتظ ار است . فرمان آزمون خي دو در بخش تحليل
در قسمت ،Nonparametric Tests در قسمت آزمون هاي ناپارامتريك ،Analyiz
۴). با ورود به اين قسمت - آزمون خي دو قرار دارد (شكل ۱۱
.(۵- باز مي شود (شكل ۱۱ Chi-Square Test (كليك كردن آن) صفحه آزمون خي دو
در اين صفحه متغير را از خانه سمت چپ به خانه سمت راست (خانه فهرست م تغير
منتقل كرده، فرمان را تأييد مي كنيم. (Test Variable List آزمون
اس پي اس اس به طور خودكار فراواني هاي مورد انتظار طبقات متغير را برابر
مي گيرد. با اين همه مي توانيم فراواني هاي مورد انتظار خاصي را براي طبقا ت متغير
در خانه Chi-Square Test مفروض بگيريم. در اين صورت در صفحه آزمون خي دو
روي قسمت مقادير كليك كرده، Expected Values مقادير مورد انتظار
فراواني هاي مورد انتظار خاص طبقات متغير را به ترتيب در خانه مقابل درج كرده و
فصل يازدهم: آزمونهاي ناپارامتري ٢٤٥
قسمت افزودن را كليك مي كنيم . سپس ف رمان را تأييد
مي كنيم.
٤ قسمت فرمان آزمون خي دو - شكل ١١
٥ صفحه آزمون خي دو - شكل ١١
SPSS... ٢٤٦ برنامه كامپيوتري آمار
V ٦ گزارش آزمون خي دو متغير 8 - شكل ١١
۶ گزارش فرمان آزمون خي دو آزمون تفاوت - به عنوان مثال، شكل ۱۱
فراواني هاي طبقات متغير احساس خوشبختي پيمايش نگرش ها با فراواني هاي مورد
انتظار يكسان در همه طبقات است . همانطوركه مي بينيم سطح معناداري تفاوت
۰ است. بنا براين، نتيجه گيري / ۰ است كه كمتر از سطح معناداري ۰۵ / نسبت ها ۰۰۰
مي كنيم كه به احتمال ۹۵ صدم فر ضيه صفر رد م ي شود و آماره مورد مشاهده
(تفاوت فراواني هاي مورد مشاهده با فراوان ي هاي مورد انتظار يكسان ) ناشي از خطاي
نمونه گيري نيست و به جمعيت تعميم پذير است.
فصل يازدهم: آزمونهاي ناپارامتري ٢٤٧
آزمون كولموگورف- اسميرنوف
آزمون تك نمونه اي كولموگورف- اسميرنوف آزمون تفاوت شكل توزيع متغيري
كمي با توزيع خاصي (مث ً لا توزيع نرمال) است. فرمان آزمون تك نمونه اي
در قسمت آزمون هاي ،Analyiz كولموگورف- اسميرنوف در بخش تحليل
در قسمت آزمون تك نمونه اي كي - اس ،Nonparametric Tests ناپارامتريك
۷). با ورود به اين قسمت (كليك كردن - قرار دارد (شكل ۱۱
One-Sample آن) صفحه آزمون تك نمونه اي كولموگورف- اسميرنوف
.(۸- باز مي شود (شكل ۱۱ Kolmogorov-Smirnov Test
٧ قسمت آزمون تك نمونه اي كولموگورف- اسميرنوف - شكل ١١
در صفحه آزمون تك نمونه اي كولموگورف- اسميرنوف متغير را از خانه سمت
منتقل (Test Variable List چپ به خانه سمت راست (خانه فهرست متغير آزمون
كرده، فرمان را تأييد مي كنيم.
SPSS... ٢٤٨ برنامه كامپيوتري آمار
٨ صفحه آزمون تك نمونه اي كولموگورف- اسميرنوف - شكل ١١
۹ گزارش فرمان آزمون تك نمونه اي كولموگورف - - به عنوان مثال، شكل ۱۱
پيمايش نگرش ها است . همانطور كه م ي بينيم سطح V اسميرنوف متغير كمي 27
۰ است . بنا / ۰ است كه بيشتر از سطح معناداري ۰۵ / معناداري تفاوت نسب ت ها ۴۷۱
براين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نمي شود . به
عبارت ديگر به احتمال ۹۵ صدم توزيع متغير كمي مذكور برگرفته از جمعيتي ب ا
توزيع نرمال است.
اطلاق مي شود . اس پي Test distribution به توزيع مورد مقايسه توزيع آزمون
اس اس به طور خودكار شكل توزيع متغير كمي را با توزيع نرمال مقايسه م ي كند . از
اين رو، در خانه توزيع آزمون قسمت نرمال
علامت خورده (فعال شده ) است . با اين همه، مي توا نيم توزيع آزمون را توزيع
در نظر بگيريم. (Exponential ديگري (مث ً لا توزيع نمايي
فصل يازدهم: آزمونهاي ناپارامتري ٢٤٩
V ٩ گزارش آزمون تك نمونه اي كولموگورف- اسميرنوف متغير 27 - شكل ١١
آزمون دورها
آزمون تصادفي و بدون نظم و ترتيب بودن وقوع طبقات يا Runs Test آزمون دورها
مقادير متغير است . دور به مجموعه اي متوالي از مشاهدات يکسان اطلاق م ي شود .
نمونه اي که تعداد دورهاي آن خيلي زياد يا خيلي کم باشد سطح معناداري آن
رد م ي شود و بدان معنا است که نمونه تصادفي به H ۰ شده، فرضه 0 / کمتر از ۰۵
شمار نمي آيد . در واق ع اين آزمون نشان م ي دهد آيا نمونه مورد بررسي براساس
متغير مورد آزمون نمونه اي است که با روش تصادفي ساده انتخاب شده است يا نه.
قسمت آزمون هاي ناپارامتريك ،Analyiz فرمان آزمون دورها در بخشتحليل
۱۰ ). با ورود - قسمت دورها قرار دارد (شكل ۱۱ ،Nonparametric Tests
باز مي شود Runs Test به اين قسمت (كليك كردن آن ) صفحه آزمون دورها
۱۱ ). در اين صفحه متغير را از خانه سمت چپ به خانه سمت راست (خانه - (شكل ۱۱
SPSS... ٢٥٠ برنامه كامپيوتري آمار
منتقل كرده، فرمان را تأييد (Test Variable List فهرست متغير آزمون
مي كنيم.
١٠ قسمت آزمون دورها - شكل ١١
١١ صفحه آزمون دورها - شكل ١١
فصل يازدهم: آزمونهاي ناپارامتري ٢٥١
است . V ۱۲ گزارش فرمان آزمون دورها متغير 3 - به عنوان مثال، شكل ۱۱
۰ است كه بيشتر از سطح / همانطوركه مي بينيم سطح معناداري تفاوت نسب ت ها ۵۶۸
۰ است . بنا براين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه / معناداري ۰۵
صفر رد نمي شود. اين بدان معنا است كه ترتيب دورها تصادفي است.
V ١٢ گزارش آزمون دورها، متغير 3 - شكل ١١
خوانده Test Value اس پي اس اس نقطه مبناي ترتيب دورها را كه مقدار آزمون
مي شود به طور خودكا ر مقدار ميانه در نظر مي گيرد. از اين رو، در خانه نقطه انقطاع
قسمت ميانه علامت خورده (فعال شده ) است. با اين همه،
در نظر بگيريم. (Mean مي توانيم مقدار آزمون را مقدار ديگري (مث ً لا مقدار ميانگين
SPSS... ٢٥٢ برنامه كامپيوتري آمار
تمرين
۱. با آزمون دوجمله اي تفاوت نسبت طبقه مورد نظر متغير ي دوجمله اي را با نسبتي
۰) آزمون كرده، نتيجه آزمون را تفسيركنيد. / معين (مث ً لا ۵۰
۲. با آزمون خي دو تفاوت فراواني هاي طبقات متغيري كيفي (اسمي يا ترتيبي ) را با
فراواني هاي مورد انتظار آزمون كرده، نتيجه آزمون را تفسيركنيد.
۳. با آزمون تك نمونه اي كولموگورف - اسميرنوف تفاوت شكل توزيع متغيري
كمي را با توزيع خاصي (مث ً لا توزيع نرمال ) آزمون كرده، نتيجه آزمون را
تفسيركنيد.
۴. با آزمون دورها تصادفي و بدون نظم و ترتيب بودن وقوع مقادير متغيري كمي را
آزمون كرده، نتيجه آزمون را تفسيركنيد.
۲ آزمون نمونه هاي وابسته
دوگروه را در جايي وابسته يا جفت مي نامند كه هر عنصري (موردي) از يك گروه
با عنصري (موردي) از گروه ديگر مرتبط باشد . حالت چندنمونه وابسته براي بررسي
وجود تفاوت معنادار متغيري دوجمله اي در دو مقطع زماني (آزمون معناداري
تغييرات)، آزمون معناداري تغييرات متغير اسم ي چندطبقه در دو مقطع زماني و
آزمون معناداري تفاوت دو نمونه وابسته در بيش از مقطع زماني است.
فصل يازدهم: آزمونهاي ناپارامتري ٢٥٣
آزمون هاي دونمونه اي
آزمون مك نمار
عمدتًا براي آزمون تفاوت متغيري دوجمله اي در McNemar Test آزمون مك نمار
دو مقطع زماني است؛ در واقع آزمون معناداري تغييرات است . فرمان آزمون
در قسمت آزمون هاي ناپارامتريك ،Analyiz مك نمار در بخش تحليل
قسمت دو نمونه وابسته قرار دارد ،Nonparametric Tests
Tow ۱۳ ). با ورود به اين قسمت صفحه آزمون هاي دو نمونه وابسته - (شكل ۱۱
۱۴ ). در اين صفحه متغير اول (زمان - باز مي شود (شكل ۱۱ Related Samples Tests
و متغير دوم (زمان دوم ) را Variable اول) را از خانه سمت چپ به خانه متغير اول 1
آزمون Test Type منتقل مي كنيم. و در خانه نوع آزمون Variable به خانه متغير دوم 2
مك نمار را علامت زده، فرمان را تأييد مي كنيم.
١٣ قسمت آزمون دو نمونه وابسته - شكل ١١
SPSS... ٢٥٤ برنامه كامپيوتري آمار
١٤ صفحه آزمون هاي دو نمونه وابسته - شكل ١١
١٥ گزارش آزمون مك نمار تغيير احساس خوشبختي قبل و بعد از ازدواج - شكل ١١
فصل يازدهم: آزمونهاي ناپارامتري ٢٥٥
۱۵ گزارش فرمان آزمون مك نمار معناد اري تغيير متغير - به عنوان مثال، شكل ۱۱
دوجمله اي احساس خوشبختي قبل و بعد از ازدواج است . همانطور كه مي بينيم سطح
۰ است . بنا بر / ۰ است كه بيشتر از سطح معناداري ۰۵ / معناداري تفاوت نسب ت ها ۲۱۰
اين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نم يشود . اين بدان
معنا است كه در جم عيت تغييري در ميزان احساس خوشبختي قبل و بعد از ازدواج
افراد وجود ندارد.
آزمون همگني حاشيه اي
براي آزمون معناداري Marginal Homogeneity Test آزمون همگني حاشيه اي
تغييرات متغير اسمي چندطبقه در دو مقطع زماني است؛ در واقع اين آزمون بسط
آزمون مك نمار براي متغير اسمي داراي بيش از دو طبقه است . براي فرمان آزمون
در قسمت آزمون هاي ناپارامتريك ،Analyiz همگني حاشيه اي در بخش تحليل
- قسمت دو نمونه وابسته (شكل ۱۱ ،Nonparametric Tests
Tow Related Samples ۱۳ ) را كليك كرده، در صفحه آزمون هاي دو نمونه وابسته
۱۴ ) متغير اول (زمان اول ) را از خانه سمت چپ به خانه متغير اول - شكل ۱۱ ) Tests
منتقل مي كنيم . Variable و متغير دوم (زمان دوم ) را به خانه متغير دوم 2 Variable1
آزمون همگني حاشيه اي را Test Type و در خانه نوع آزمون
علامت زده، فرمان را تأييد مي كنيم.
۱۶ گزارش فرمان آزمون همگني حاشيه اي معناداري - به عنوان مثال، شكل ۱۱
تغيير متغير پن ج طبقه اي (فرضًا اسمي ) احساس خوشبختي قبل و بعد از ازدواج است .
۰ است كه بيشتر از سطح / همانطور كه مي بينيم سطح معناداري تفاوت نسب ت ها ۲۷۷
۰ است . بنا بر اين، نتيج ه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه / معناداري ۰۵
SPSS... ٢٥٦ برنامه كامپيوتري آمار
صفر رد نم ي شود. اين بدان معنا است كه در جمعيت تغييري در ميزان احساس
خوشبختي قبل و بعد از ازدواج افراد وجود ندارد.
١٦ گزارش آزمون همگني حاشيه اي احساس خوشبختي قبل و بعد از ازدواج - شكل ١١
آزمون علامت ها
عمدتًا براي آزمون تفاوت دو نمونه وابسته در جايي Sign Test آزمون علامت ها
است كه متغير مورد بررسي متغيري كمي يا ترتيبي است؛ فرمان آزمون علامت ها در
،Nonparametric Tests در قسمت آزمون هاي ناپارامتريك ،Analyiz بخش تحليل
.(۱۳- در قسمت آزمون دو نمونه وابسته قرار دارد (شكل ۱۱
Tow Related Samples با ورود به اين قسمت صفحه آزمون هاي دو نمونه وابسته
۱۴ ). در اين صفحه متغير اول (زمان اول ) را از خانه - باز مي شود (شكل ۱۱ Tests
فصل يازدهم: آزمونهاي ناپارامتري ٢٥٧
و متغير دوم (زمان دوم ) را به خانه متغير Variable سمت چپ به خانه متغير اول 1
آزمون Test Type منتقل مي كنيم. سپس در خانه نوع آزمون Variable دوم 2
علامت ها را علامت زده، فرمان را تأييد مي كنيم.
۱۷ گزارش فرمان آزمون علامت ها معناداري تغيير متغير - به عنوان مثال، شكل ۱۱
است. همانطور كه (V و بعد از ازدواج ( 8 (V پنج طبقه اي احساس خوشبختي قبل ( 30
۰ است كه بيشتر از سطح معناداري / مي بينيم سطح معناداري تفاوت نسب ت ها ۱۳۴
۰ است . بنا براين، نتيج ه گيري م ي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد /۰۵
نمي شود.
١٧ گزارش آزمون علامت ها احساس خوشبختي قبل و بعد از ازدواج - شكل ١١
SPSS... ٢٥٨ برنامه كامپيوتري آمار
آزمون ويلكاكسون
هم عمدتًا براي آزمون تفاوت دو نمونه وابسته Wilcoxon Test آزمون ويلكاكسون
در جايي است كه متغير مورد بررسي متغيري كمي يا ترتيبي است . براي فرمان
در قسمت آزمون هاي ناپارامتريك ،Analyiz آزمون ويلكاكسون در بخش تحليل
قسمت آزمون دو نمونه وابسته را ،Nonparametric Tests
۱۳ ). با ورود به اين قسمت صفحه آزمون هاي دو نمونه - كليك م ي كنيم (شكل ۱۱
.(۱۴- باز مي شود (شكل ۱۱ Tow Related Samples Tests وابسته
در اين صفحه متغير اول (زمان اول) را از خانه سمت چپ به خانه متغير اول
منتقل مي كنيم. Variable و متغير دوم (زمان دوم) را به خانه متغير دوم 2 Variable1
١٨ گزارش آزمون ويلكاكسون احساس خوشبختي قبل و بعد از ازدواج - شكل ١١
فصل يازدهم: آزمونهاي ناپارامتري ٢٥٩
هم معمو ً لا به طور خودكار آزمون Type Test در خانه نوع آزمون
ويلكاكسون علامت خورده است و فقط فرمان را تأييد
مي كنيم.
۱۸ گزارش فرمان آزمون ويلكاكسون معناداري تغيير - به عنوان مثال، شكل ۱۱
است. (V و بعد از ازدواج ( 8 (V متغير پنج طبقه اي احساس خوشبختي قبل ( 30
۰ است كه بيشتر از سطح / همانطور كه مي بينيم سطح معناداري تفاوت نسب ت ها ۲۸۶
۰ است . بنا براين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه / معناداري ۰۵
صفر رد نمي شود.
آزمون هاي چندنمونه اي
آزمون كوكران
آزمون تفاوت چند مجموعه از فراواني ها يا نسبتها Cochran’s Test آزمون كوكران
در متغيرهايي اسمي (يا ترتيبي ) خاصه متغيرهاي دوجمله اي است . مث ً لا آزمون تفاوت
ميانگين سه متغير دوتايي (با کد ۱ و ۰). فرمان آز مون كوكران در بخش تحليل
در قسمت چند ،Nonparametric Tests در قسمت آزمون هاي ناپارامتريك ،Analyiz
.(۱۹- نمونه وابسته قرار دارد (شكل ۱۱
Tests for Several با ورود به اين قسمت صفحه آزمون هاي چند نمونه وابسته
۲۰ ). در اين صفحه متغيرها را از خانه - باز مي شود (شكل ۱۱ Related Samples
منتقل (Test Variables سمت چپ به خانه سمت راست (خانه متغيرهاي آزمون
آزمون كيو كوكران Test Type مي كنيم. سپس در خانه نوع آزمون
را علامت زده، فرمان را تأييد مي كنيم.
SPSS... ٢٦٠ برنامه كامپيوتري آمار
١٩ قسمت آزمون چند نمونه وابسته - شكل ١١
٢٠ صفحه آزمون هاي چند نمونه وابسته - شكل ١١
فصل يازدهم: آزمونهاي ناپارامتري ٢٦١
۲۱ گزارش آزمون كوكران معناداري تغيير متغير - به عنوان مثال، شكل ۱۱
دوجمله اي احساس خوشبختي در قبل از ازدواج، احساس خوشبختي در اوايل
ازدواج و احساس خوشبختي در زمان حال است. همانطور كه مي بينيم سطح
۰/ ۰ است كه بيشتر از سطح معناداري ۰۵ / معناداري تفاوت فراواني ها (نسبت ها) ۱۱۵
است. بنا بر اين، نتيج ه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد
نمي شود. اين بدان معنا است كه در جمعيت تغييري در ميزان احساس خوشبختي در
قبل از ازدواج، احساس خوشبختي در اوايل ازدواج و احساس خوشبختي در زمان
حال افراد وجود ندارد.
٢١ گزارش آزمون كوكران - شكل ١١
تغيير احساس خوشبختي قبل از ازدواج، در اوايل ازدواج و در زمان حال
SPSS... ٢٦٢ برنامه كامپيوتري آمار
٢٢ گزارش آزمون فريدمن - شكل ١١
تغيير احساس خوشبختي قبل از ازدواج، در اوايل ازدواج و در زمان حال
آزمون فريدمن
براي آزمون تفاوت چند نمونه وابسته در جايي است Friedman Test آزمون فريدمن
كه متغيرهاي مورد بررسي متغير ترتيبي هستند . در آزمون فريدمن كه همتاي آزمون
متغير كمي است تفاوت ميانگين رتبه موردها در متغيرهاي ترتيبي آزمون مي شود. F
در قسمت آزمون هاي ناپارامتريك ،Analyiz آزمون فريدمن در بخش تحليل
قسمت چند نمونه وابسته قرار دارد ،Nonparametric Tests
Tests for ۱۹ ). با ورود به اين قسمت صفحه آزمون هاي چند نمونه وابسته - (شكل ۱۱
فصل يازدهم: آزمونهاي ناپارامتري ٢٦٣
۲۰ ). در اين صفحه متغيرها را از - باز مي شود (شكل ۱۱ Several Related Samples
منتقل (Test Variables خانه سمت چپ به خانه سمت راست (خانه متغيرهاي آزمون
آزمون فريدمن به طور Test Type مي كنيم و چون در خانه نوع آزمون
خودكار علامت خورده است، فرمان را تأييد مي كنيم.
۲۲ گزارش فرمان آزمون فريدمن معناداري تغيير متغير - به عنوان مثال ، شكل ۱۱
پنج طبقه اي احساس خوشبختي در قبل از ازدواج، احساس خوشبختي در اوايل
ازدواج و احساس خوشبختي در زمان حال است. همانطور كه مي بينيم سطح
۰ است . / ۰ است كه بيشتر از سطح معناداري ۰۵ / معناداري تفاوت ميانگين رتبه ها ۱۵۵
بنا براين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نم يشود.
آزمون كندال
يا به صورت Kendall's Coefficient of Concordance آزمون ضريب توافق كندال
مختصر آزمون كندال آزموني است كه مبتني بر نرمال كردن آزمون فريدمن است .
در قسمت آزمون هاي ناپارامتريك ،Analyiz فرمان آزمون كندال در بخش تحليل
قسمت چند نمونه وابسته قرار دارد ،Nonparametric Tests
Tests for ۱۹ ). با ورود به اين قسمت صفحه آزمون هاي چند نمونه وابسته - (شكل ۱۱
۲۰ ). در اين صفحه متغيرها را از - باز مي شود (شكل ۱۱ Several Related Samples
منتقل (Test Variables خانه سمت چپ به خانه سمت راست (خانه متغيرهاي آزمون
آزمون كندال را Test Type مي كنيم. سپس در خانه نوع آزمون
علامت زده، فرمان را تأييد مي كنيم.
۲۳ گزارش فرمان آزمون كندال معناداري تغيير متغير - به عنوان مثال، شكل ۱۱
پنج طبقه اي احساس خوشبختي در قبل از ازدواج، احساس خوشبختي در اوايل
ازدواج و احساس خوشبختي در زمان حال است. همانطور كه مي بينيم سطح
SPSS... ٢٦٤ برنامه كامپيوتري آمار
۰ است . / ۰ است كه بيشتر از سطح معناداري ۰۵ / معناداري تفاوت ميانگين رتبه ها ۱۵۵
بنا براين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نم يشود.
٢٣ گزارش آزمون كندال - شكل ١١
تغيير احساس خوشبختي قبل از ازدواج، در اوايل ازدواج و در زمان حال
تمرين
۱. نمونه اي ۸۰ درصدي از فايل پيمايش نگرش ها ا انتخاب كنيد (رك فصل آخر ).
همان مثال هاي آزمون هاي دونمونه اي (آزمون مك نمار، آزمون
همگني حاشيه اي، آزمون علامت ها و آزمون ويلكاكسون ) را با اين فايل جديد
تكرار كرده، نتيجه آزمون ها را تفسيركنيد.
فصل يازدهم: آزمونهاي ناپارامتري ٢٦٥
۲. همان مثال هاي آزمون هاي چندنمونه اي (آزمون كموكران، آزمون فريدمن و
آزمون كندال) را با اين فايل جديد تكرار كرده، نتيجه آزمون ها را تفسيركنيد.
۳ آزمون هاي نمونه هاي مستقل
آزمون هاي دونمونه اي
آزمون من ويتني
آزمون تفاوت جايگاه (ميانگين رتبه هاي ) Mann-Whitney Test آزمون من  ويتني
دو گروه مستقل در متغيري كمي است . فرمان آزمون م ن  ويتني در بخش تحليل
در قسمت دو ،Nonparametric Tests قسمت آزمون هاي ناپارام تريك ،Analyiz
.(۲۴- نمونه مستقل قرار دارد (شكل ۱۱
Tow Independent با ورود به اين قسمت صفحه آزمون هاي دو نمونه مستقل
۲۵ ). در صفحه مذكور از خانه سمت چپ، - باز مي شود (شكل ۱۱ Samples Tests
Test Variable متغير وابسته را انتخاب (روي آن كليك كرده) و به خانه متغير آزمون
Grouping Variable منتقل مي كنيم. متغير مستقل را هم به خانه متغير گروه بندي
منتقل كرده، روي قسمت تعريف گروه ها كليك م ي كنيم . در
۲۶ ) هم كد گروه (طبقه ) اول - شكل ۱۱ ) Define Groups صفحه تعريف گرو هها
و كد گروه (طبقه) دوم را در خانه گروه Group متغير مستقل را در خانه گروه يك 1
درج مي كنيم. سپس قسمت ادامه را كليك كرده، فرمان را Group دو 2
تأييد مي كنيم.
SPSS... ٢٦٦ برنامه كامپيوتري آمار
٢٤ قسمت آزمون دو نمونه مستقل - شكل ١١
٢٥ صفحه آزمون دو نمونه مستقل - شكل ١١
فصل يازدهم: آزمونهاي ناپارامتري ٢٦٧
٢٦ صفحه تعريف گرو هها در آزمون دو نمونه مستقل - شكل ١١
V برحسب 21 V ٢٧ گزارش آزمون من  ويتني متغير 3 - شكل ١١
۲۷ گزارش فرمان آزمون من  ويتني تفاوت ميانگين - به عنوان مثال، شكل ۱۱
رتبه هاي حداكثر تفاوت سني در ازدواج در دو گروه زنان و مردان است . همانطور
۰ است كه بيشتر از سطح / كه م ي بينيم سطح معناداري تفاوت ميانگين رتبه ها ۴۰۱
۰ است . بنا بر اين، نتيج ه گيري م ي كنيم كه به احتمال ۹۵ صدم فرضيه / معناداري ۰۵
صفر رد نمي شود و آماره مورد مشاهده قا بل تعميم به جمعيت نيست . به عبارت ديگر
SPSS... ٢٦٨ برنامه كامپيوتري آمار
در جمعيت تفاوتي بين ميانگين رتبه هاي حداكثر تفاوت سني در ازدواج از نظر زنان
و مردان وجود ندارد.
آزمون كولموگورف- اسميرنوف
هم Kolmogorov-SmirnovTest آزمون دو نمونه اي كولموگورف- اسميرنوف
تفاوت جايگاه دو گروه (نمونه) مستقل در متغيري كمي يا ترتيبي و هم شكل توزيع
آنها را به حساب مي آورد.
براي فرمان آزمون دو نمون ه اي كولموگورف - اسميرنوف در بخش تحليل
قسمت دو نمونه مستقل را كليك م ي كنيم ،Analyiz
. (۲۴- (شكل ۱۱
Tow Independent Samples Tests سپس در صفحه آزمون هاي دو نمونه مستقل
۲۵ ) از خانه سمت چپ، متغير وابسته را انتخاب (روي آن كليك كرده ) و - (شكل ۱۱
منتقل مي كنيم. متغير مستقل را هم به خانه متغير Test Variable به خانه متغير آزمون
آزمون Test Type منتقل كرده، در خانه نوع آزمون Grouping Variable گروه بندي
كولموگورف- اسميرنو ف را علامت زده، روي قسمت
تعريف گرو هها كليك مي كنيم.
۲۶ ) كد گروه (طبقه ) اول - شكل ۱۱ ) Define Groups در صفحه تعريف گرو هها
و كد گروه (طبقه) دوم را در خانه گروه Group متغير مستقل را در خانه گروه يك 1
درج مي كنيم. سپس قسمت ادامه را كليك كرده، فرمان را Group دو 2
تأييد مي كنيم.
۲۸ گزارش فرمان آزمون كولموگورف - اسميرنوف - به عنوان مثال، شكل ۱۱
تفاوت ميانگين رتبه هاي حداكثر تفاوت سني در ازدوا ج از نظر زنان و مردان است .
۰ است كه بيشتر از / همانطور كه مي بينيم سطح معناداري تفاوت ميانگين رتبه ها ۹۲۹
فصل يازدهم: آزمونهاي ناپارامتري ٢٦٩
۰ است . بنا براين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم / سطح معنا داري ۰۵
فرضيه صفر رد نمي شود.
V برحسب 21 V ٢٨ گزارش آزمون كولموگورف- اسميرنوف متغير 3 - شكل ١١
آزمون موزس واكنش هاي حاد
آزمون Moses Extreme Reactions آزمون دو نمونه اي موزس واكنش هاي حاد
تفاوت دو گروه (يكي گروه كنترل و ديگري گروه آزمايش نمونه ) در متغيري
كمي است . براي فرمان آزمون دو نمون ه اي موزس واكن ش هاي حاد در بخش تحليل
۲۴ ) را - قسمت دو نمونه مستقل (شكل ۱۱ ،Analyiz
كليك مي كنيم.
SPSS... ٢٧٠ برنامه كامپيوتري آمار
V برحسب 21 V ٢٩ گزارش آزمون موزس واكن شهاي حاد متغير 3 - شكل ١١
Tow Independent Samples Tests سپس در صفحه آزمون هاي دو نمونه مستقل
۲۵ ) از خانه سمت چپ، متغير وابسته را انتخاب (روي آن كليك كرده ) و - (شكل ۱۱
منتقل مي كنيم. متغير مستقل را هم به خانه متغير Test Variable به خانه متغير آزمون
آزمون Test Type منتقل كرده، در خانه نوع آزمون Grouping Variable گروه بندي
موزس واكنش هاي حاد را علامت زده، روي قسمت
تعريف گرو هها كليك مي كنيم.
۲۶ ) هم كد گروه (طبقه ) - شكل ۱۱ ) Define Groups در صفحه تعريف گرو هها
و كد گروه (طبقه ) دوم را در خانه Group اول متغير مستقل ر ا در خانه گروه يك 1
فصل يازدهم: آزمونهاي ناپارامتري ٢٧١
درج مي كنيم. سپس قسمت ادامه را كليك كرده، Group گروه دو 2
فرمان را تأييد مي كنيم.
۲۹ گزارش فرمان آزمون موزس واكن ش هاي حاد - به عنوان مثال، شكل ۱۱
تفاوت حداكثر تفاو ت سني در ازدواج از نظر زنان و مردان است . همانطور كه
۰ است . / مي بينيم سطح معناداري تفاوت دو گروه خيلي بيشتر از سطح معناداري ۰۵
بنا بر اين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نمي شود.
آزمون دورهاي والد- ولفوويتز
آزمون تفاوت Wald-Wolfowitz Runs آزمون دو نمونه اي دورهاي والد- ولفوويتز
دو گروه (نمونه) از جوانب گوناگون د ر متغيري كمي است . براي فرمان آزمون دو
قسمت دو نمونه مستقل ،Analyiz نمونه اي دورهاي والد - ولفوويتز در بخش تحليل
.(۲۴- را كليك مي كنيم (شكل ۱۱
Tow Independent Samples Tests سپس در صفحه آزمون هاي دو نمونه مستقل
۲۵ ) از خانه سمت چپ، متغير وابسته را انتخاب (روي آن كليك كرده ) و - (شكل ۱۱
منتقل مي كنيم. متغير مستقل را هم به خانه متغير Test Variable به خانه متغير آزمون
آزمون Test Type منتقل كرده، در خانه نوع آزمون Grouping Variable گروه بندي
دورهاي والد- ولفوويتز را علامت زده، روي قسمت
تعريف گروه ها كليك م ي كنيم . و در صفحه تعريف گروه ها
۲۶ ) كد گروه (طبقه) اول متغير مستقل را در خانه گروه - شكل ۱۱ ) Define Groups
درج مي كنيم . Group و كد گروه (طبقه) دوم را در خانه گروه دو 2 Group يك 1
سپس قسمت ادامه را كليك كرده، فرمان را تأييد مي كنيم.
۳۰ گزارش فرمان آزمون دورهاي والد - ولفوويتز - به عنوان مثال، شكل ۱۱
تفاوت حداكثر تفاو ت سني در ازدواج از نظر زنان و مردان است . همانطور كه
SPSS... ٢٧٢ برنامه كامپيوتري آمار
۰/ ۰ است كه كمتر از سطح معناداري ۰۵ / مي بينيم سطح معناداري حداقل دورها ۰۰۰
۱ است كه بيشتر از سطح معناداري / است. اما سطح معناداري حد اكثر دورها ۰۰۰
۰ است . در اينجا كه سطح معناداري دورها همگن نيست از آزمون هاي ديگر /۰۵
استفاده مي كنيم.
V برحسب 21 V ٣٠ گزارش آزمون دورهاي والد- ولفوويتز متغير 3 - شكل ١١
آزمون هاي چندنمونه اي
آزمون كروسكال  واليس
آزمون تفاوت جايگاه توزيع (ميانگين Kruskal-Wallis آزمون كروسكال  واليس
رتبه هاي) چند گروه مستقل در متغيري كمي است. فرمان آزمون كروسكال  واليس
فصل يازدهم: آزمونهاي ناپارامتري ٢٧٣
Nonparametric در قسمت آزمون هاي ناپارامتريك ،Analyiz در بخش تحليل
در قسمت چند نمونه مستقل قرار دارد ،Tests
.(۳۱- (شكل ۱۱
٣١ قسمت فرمان آزمون چند نمونه مستقل - شكل ١١
Teses for Several با ورود به اين قسمت صفحه آزمون هاي چند نمونه مستقل
۳۲ ). در اين صفحه از خانه سمت - باز مي شود (شكل ۱۱ Independent Samples
چپ، متغير وابس ته را انتخاب (روي آن كليك كرده ) و به خانه فهرست م تغير آزمون
منتقل مي كنيم. متغير مستقل را هم به خانه متغير گروه بندي Test Variable List
منتقل كرده، روي قسمت تعريف دامنه Grouping Variable
كليك مي كنيم.
SPSS... ٢٧٤ برنامه كامپيوتري آمار
۳۳ ) كد گرو ه (طبقه ) اول - شكل ۱۱ ) Define Range در صفحه تعريف دامنه
و كد گروه (طبقه ) آخر را در خانه Minimum متغير مستقل را در خانه كوچكترين
درج مي كنيم. سپس قسمت ادامه را كليك كرده، Maximum بزرگترين
فرمان را تأييد مي كنيم.
٣٢ صفحه آزمون چند نمونه مستقل - شكل ١١
٣٣ صفحه تعريف دامنه چند نمونه مستقل - شكل ١١
فصل يازدهم: آزمونهاي ناپارامتري ٢٧٥
۳۴ گزارش فرمان آزمون كروسكال  واليس تفاوت - به عنوان مثال، شكل ۱۱
ميانگين رتبه هاي حداكثر تفاوت سني در ازدواج از نظر سه گروه تحصيلي است .
۰ است كه كمي / همانطور كه م ي بينيم سطح معناداري تفاوت ميانگي ن رتبه ها ۰۵۱
۰ است . بنا بر اين، نتيج ه گيري مي كنيم كه به احتمال ۹۵ / بيشتر از سطح معناداري ۰۵
صدم فرضيه صفر رد نم ي شود و آماره مورد مشاهده قابل تعميم به جمعيت نيست . به
عبارت ديگر، در جمعيت تفاوتي بين ميانگين رتب ه هاي حداكثر تفاوت سني در
ازدواج از نظر سه گروه تحصيلي وجود ندارد.
V16r برحسب 3 V ٣٤ گزارش آزمون كروسكال  واليس متغير 3 - شكل ١١
SPSS... ٢٧٦ برنامه كامپيوتري آمار
آزمون ميانه
هم آزمون تفاوت شكل و جايگاه (ميانه رتبه هاي ) چند Median Test آزمون ميانه
،Analyiz گروه مستقل د ر متغيري كمي است . فرمان آزمون ميانه در بخش تحليل
در قسمت چند نمونه ،Nonparametric Tests در قسمت آزمون هاي ناپارامتريك
۳۱ ). با ورود به اين قسمت - مستقل قرار دارد (شكل ۱۱
باز Teses for Several Independent Samples صفحه آزمون هاي چند نمونه مستقل
.(۳۲- مي شود (شكل ۱۱
در صفحه آزمون هاي چند نمونه مستقل از خانه سمت چپ، متغير وابسته را
Test Variable List انتخاب (روي آن كليك كرده) و به خانه فهرست متغير آزمون
Grouping Variable منتقل مي كنيم. متغير مستقل را هم به خانه متغير گروه بندي
آزمون ميانه را علامت زده، Test Type منتقل كرده، در خانه نوع آزمون
روي قسمت تعريف دامنه كليك مي كنيم. در صفحه تعريف دامنه
۳۳ ) كد گروه (طبقه) اول متغير مستقل را در خانه - شكل ۱۱ ) Define Range
Maximum و كد گروه (طبقه ) آخر را در خانه بزرگترين Minimum كوچكترين
درج مي كنيم . سپس قسمت ادامه را كليك كرده، فرمان را تأييد
مي كنيم.
۳۵ گزارش فرمان آزمون ميانه تفاوت رتبه هاي حداكثر - به عنوان مثال، شكل ۱۱
تفاوت سني در ازدواج از نظر سه گروه تحصيلي است . همانطور كه مي بينيم سطح
۰ است . بنا بر / ۰ است كه كمي بيشتر از سطح معناداري ۰۵ / معناداري تفاوت ۰۸۵
اين، نتيجه گيري مي كنيم كه به احتمال ۹۵ صدم فرضيه صفر رد نم ي شود و آماره
مورد مشاهده قابل تعميم به جمعيت نيست.
فصل يازدهم: آزمونهاي ناپارامتري ٢٧٧
V16r برحسب 3 V ٣۵ گزارش آزمون ميانه متغير 3 - شكل ١١
آزمون جانكهير ترپسترا
هم آزمون تفاوت جايگاه چند Jonckheere-Terpstra Test آزمون جانكهير ترپسترا
گروه مستقل در متغيري كمي است و در جايي مناسب است كه بين گرو ه ها در
جمعيت نظم وترتيبي پيشيني وجود دارد . فرمان آزمون جانكهير ترپ سترا در بخش
در ،Nonparametric Tests در قسمت آزمون هاي ناپارامتريك ،Analyiz تحليل
۳۱ ). با - قسمت چند نمونه مستقل قرار دارد (شكل ۱۱
Teses for Several ورود به اين قسمت صفحه آزمون هاي چند نمونه مستقل
۳۲ ). در صفحه آزمون هاي چند نمونه - باز مي شود (شكل ۱۱ Independent Samples
مستقل از خانه سمت چپ، متغير وابسته را انتخاب (روي آن كليك كرده) و به خانه
SPSS... ٢٧٨ برنامه كامپيوتري آمار
منتقل مي كنيم. متغير مستقل را هم به خانه Test Variable List فهرست متغير آزمون
Test Type منتقل كرده، در خانه نوع آزمون Grouping Variable متغير گروه بندي
روي آزمو ن جانكهير ترپ سترا علامت زده، روي قسمت
Define تعريف دامنه كليك مي كنيم. در صفحه تعريف دامنه
۳۳ ) كد گروه (طبقه ) اول متغير مستقل را در خانه كوچكترين - شكل ۱۱ ) Range
درج مي كنيم . Maximum و كد گروه (طبقه) آخر را در خانه بزرگترين Minimum
سپس قسمت ادامه را كليك كرده، فرمان را تأييد مي كنيم.
V16r برحسب 3 V ٣۶ گزارش آزمون جانكهير ترپسترا متغير 1 - شكل ١١
۳۶ گزارش فرمان آزمون جانكهير ترپسترا تفاوت سن - به عنوان مثال، شكل ۱۱
است . (V16r از نظر سه گروه تحصيلي ( 3 (V مناسب براي ازدواج پسر (متغير 1
۰ است كه بسيار / همانطور كه م ي بينيم سطح معناداري تفاوت ميانگين رتبه ها ۰۰۱
۰ است . بنا بر اين، نتيج ه گيري مي كنيم كه به احتمال ۹۵ / كمتر از سطح معناداري ۰۵
فصل يازدهم: آزمونهاي ناپارامتري ٢٧٩
صدم فرضيه صفر رد م ي شود. اين بدان معنا است در جمعيت هم بين سن مناسب
براي ازدواج پسر از نظر سه گروه تحصيلي تفاوت وجود دارد.
تمرين
۱. از بين متغيرهاي فايل پيمايش نگرش ها يك متغير كمي (مث ً لا سن مناسب ازدواج
براي دختر ) انتخاب كنيد . با آزمون هاي دونمونه مستقل تعميم پذيري تفاوت نظر
زنان و مردان در اين متغير را به جمعيت آزمون كرده، نتايج آزمون ها را تفسير
كنيد.
۲. از بين متغيرهاي فايل پيمايش نگرش ها يك متغير كمي (مث ً لا سن مناسب ازدواج
براي دختر) انتخاب كنيد . با آزمون هاي چندنمونه مستقل تعمي م پذيري تفاوت
نظر گروه هاي تحصيلي (سه گروه زير ديپلم، ديپلم و عالي ) در اين متغير را به
جمعيت آزمون كرده، نتايج آزمون ها را تفسير كنيد.

بخش چهارم: بخش هاي ا سپي اس اس
،Data داده ها ،Edit پردازش ،File اس پي اس اس شامل بخش هايي چون فايل
است كه هر بخش نيز شامل Help و راهنما Analyiz تحليل ،Transform تغييرات
قسمت هاي گوناگوني است . در اين بخش به معرفي به پرکاربردترين قسمت هاي اين
بخش ها مي پردازيم.

SPSS راهنماي استفاده از برنامه ي اس پي اس اس4

صل پنجم: رابطه دو متغير اسمي
تحليل آماري رابطه دو متغير اولين گام در بررسي روابط علي بين متغ يرها است . اين
فصل به معرفي نحوه كاربرد ا س پي اس اس در تحليل آماري رابطه دو متغير اسمي (يا
يك متغير اسمي و يك متغير ترتيبي ) اختصاص دارد . همانطور كه قب ً لا به ميان آمد
متغير اسمي شامل طبقاتي است كه نوعًا متفاوتند.
۱ جدول تقاطعي
ساده ترين و گوياترين روش آماري تحليل رابطه دو متغير اسمي (يا متغير اسمي با
متغير ترتيبي ) ارائه توزيع متغير وابسته (متغيري كه پديده تأثيرپذير، معلول در نظر
مي گيريم) در هر يك از طبقات متغير مستقل (متغيري كه پديده تأثيرگذار، علت به
شمار مي آوريم) است. ارائه اين توزيع چندگانه با جدول تقاطعي صورت مي گيرد.
Crosstabs جدول تقاطعي
قسمت آمارتوصيفي ،Analyiz در بخش تحليل Crosstabs فرمان جدول تقاطعي
- قسمت جدول تقاطعي قرار دارد (شكل ۵ ،Descriptive Statistics
باز Crosstabs ۱). با ورود به اين قسمت (كليك كردن آن ) صفحه جدول تقاطعي
.(۲- مي شود (شكل ۵
SPSS... ١٣٢ برنامه كامپيوتري آمار
Crosstabs ١ قسمت جدول تقاطعي - شكل ٥
Crosstabs ٢ صفحه جدول تقاطعي - شكل ٥
حال در صفحه جدول تقاطعي متغير وابسته و متغير مستقل را كه مبتني بر
چارچوب نظري و فرضيات تحقيق هستند از بين متغيرهاي خانه سمت چپ انتخ اب
منتقل مي كنيم. Column(s) و خانه ستون Row(s) كرده، به ترتيب به خانه سطر
فصل پنجم: رابطه دو متغير اسمي ١٣٣
Crosstabs :Cell Display ٣ صفحه خانه جدول تقاطعي - شكل ٥
در جدول تقاطعي با مقايسه توزيع متغير وابسته در طبقات متغير مستقل م ي توان
پي بردكه بين دو متغير رابطه آماري وجود دارد يا نه . از اين رو، براي قابل مقايسه
كردن اين توزي ع ها (ستون ها)، توزيع متغير وابسته در هر طبقه متغير مستقل را به
صورت نسبي (درصد) در كنار توزيع فراواني بيان م ي كنيم. بدين منظور در صفحه
قسمت خانه ها را كليك كرده ، در صفحه Crosstabs جدول تقاطعي
قسمت ستون Percentages ٣) در بخش درصدها - خانه جدول تقاطعي (شكل ٥
را علامت م ي زنيم. سپس قسمت ادامه را كليك كرده، در
فرمان را تأييد مي كنيم. Crosstabs صفحه جدول تقاطعي
است . در Crosstabs ٤ مثالي از گزارش اجراي فرمان جدول تقاطعي - شكل ٥
متغير سه V8r اينجا از ب ين متغيرهاي پيمايش نگرش ها متغير احساس خوشبختي ( 3
را به عنوان متغير مستقل (V را به عنوان متغير وابسته و متغير جنسيت ( 21 (V طبقه اي 8
SPSS... ١٣٤ برنامه كامپيوتري آمار
انتخاب كرده، با فرمان مذكور آنها را تقاطع داده ايم. درگزارش فرمان جدول تقاطعي
است كه تعداد (Case Processing Summary) جدول اول خلاصه پردازش موردها
موردهاي داراي پاسخ معتبر و موردهاي فاقد پاسخ معتبر (داده ناقص) را نشان
مي دهد. در اين مثال ٨٠ مورد (پاسخگو) وجود دارد كه همه پاسخ معتبر داد ه اند و
هيچ پاسخ نامعتبر (داده ناقص) وجود ندارد.
V برحسب متغير 21 V8r ٤ گزارش جدول تقاطعي متغير 3 - شكل ٥
جدول دوم جدول تقاطعي است . در عنوان جدول آمده است : جدول تقاطعي
جنسيت ٭ احساس خوشبختي. همانطور كه در اين جدول (Crosstaulation)
مي بينيم هر ستون به يكي از طبقات متغير مستقل (جنسيت ) اختصاص يافته است،
كرده ايم. حال Column(s): زيرا خود ما متغير مستقل را وارد قسمت ستون
فصل پنجم: رابطه دو متغير اسمي ١٣٥
۵۶ درصد ) مردها از احساس / درصدهاي ستون ها را با هم مقايسه م ي كنيم: اكثر ( ۱
خوشبختي بالا برخوردارند، در حالي كه اين نسبت در بين زنها كمتر از يك سوم
۲۳ درصد زنها كم احساس خوشبختي مي كنند، / ۳۰ درصد ) است. در عوض، ۱ /۸)
۱۴ درصد ) است . بنابراين، مي توان / در حالي كه اين نسبت در بين مردها كمتر ( ۶
نتيجه گيري كرد كه عمومًا احساس خوشبختي مردها از زنها بيشتر است.
تمرين
۱. از بين متغيرهاي فايل پيمايش نگرش ها دو متغير اسمي كه مي توان رابط ه اي علي
بين آنها قائل شد انتخاب كني د. با استدلال خود متغير وابسته و مستقل را مشخص
كرده، با فرمان مقتضي جدول تقاطعي آن دو را رسم كرده و تفسير كنيد.
۲. از بين متغيرهاي فايل پيمايش نگرش ها يك متغير اسمي و يك متغير ترتيبي كه
مي توان رابطه اي علي بين آنها قائل شد انتخاب كنيد . با استدلال خود متغي ر وابسته
و مستقل را مشخص كرده، با فرمان مقتضي جدول تقاطعي آن دو را رسم كرده و
تفسير كنيد.
۲ اندازه رابطه متغيرهاي اسمي
اندازه يا ضريب رابطه آماري كميتي است كه ميزان شدت رابطه آماري دو متغير
(توأمي يا هم تغييري تجربي متغيرها ) را نشان مي دهد. فرمان اندازه ر ابطه متغيرهاي
در قسمت آماره هاي تقاطعي Crosstabs اسمي در همان فرمان جدول تقاطعي
قرار دارد. Crosstabs Statistics
SPSS... ١٣٦ برنامه كامپيوتري آمار
ضرايب دومتغيره اسمي
قسمت آمار توصيفي ،Analyiz در بخش تحليل Nominal ضرايب دومتغيره اسمي
در قسمت جدول تقاطعي در صفحه جدول ،Descriptive Statistics
۲). با ورود - در قسمت آماره ها قرار دارند (شكل ۵ Crosstabs تقاطعي
باز Crosstabs Statistics به اين قسمت (كليك كردن آن ) صفحه آماره هاي تقاطعي
۵). در اينجا در قسمت اسمي ضرايب دومتغيره اسمي - مي شود (شكل ۵
مورد نظر خود را علامت م ي زنيم و سپس قسمت ادامه را كليك كرده،
بعد از مشخص كردن متغير وابسته و متغير Crosstabs در صفحه جدول تقاطعي
مستقل، فرمان را تأييد مي كنيم.
Crosstabs : Statistics ٥ صفحه آمار ههاي جدول تقاطعي - شكل ٥
فصل پنجم: رابطه دو متغير اسمي ١٣٧
ضرايب رابطه آماري در متغيرهاي اسمي (يا اسم ي و ترتيبي ) به دو دسته تقسيم
مي شوند: يكي ضرايب مبتني بر خي دو و ديگري ضرايب مبتني بر تقليل نسبي خطا.
در گزارش اجراي فرمان ضرايب دومتغيره اسمي هم اين دو دسته ضرايب در دو
جدول متمايز مي آيد.
V برحسب متغير 21 V8r ٦ گزارش ضرايب دومتغيره اسمي متغير 3 - شكل ٥
٦ گزارش اجراي فرمان ضرايب دومتغيره اسمي متغير احساس - شكل ۵
به عنوان متغير وابسته و متغير جنسيت (V متغير سه طبقه اي 8 V8r خوشبختي ( 3
به عنوان متغير مستقل ا ست. همانطور كه در اين شكل مي بينيم اين گزارش (V21)
كه Symmetric Measures شامل دو جدول است: يكي جدول اند ازه هاي متقارن
SPSS... ١٣٨ برنامه كامپيوتري آمار
Directional حاوي ضرايب مبتني بر خي دو است و ديگري جدول اندازه هاي سويي
به معني ضرايب نامتقارن كه حاوي ضرايب مبتني بر تقليل نسبي خطا Measures
درج شده و ستون هاي ديگر حاوي Value است. مقدار اين ضرايب در ستون مقدار
مقادير مر بوط به آمار استنباطي است كه در بخش چهارم (فصل هاي ٩ و ١٠ ) مطرح
مي شود.
ضرايب مبتني بر خي دو
خ يدو مجموع نسبت مجذور انحراف فراواني مورد مشاهده از فراواني مورد انتظار
(در صورت فقدان رابطه بين دو متغير ) به فراواني مورد انتظار است . ضرايبي كه بر
ضريب وابستگي ،(Phi) اساس خي دو ساخ ته مي شوند عبارتند از ضريب في
همه اين ضرايب .(Cramer'sV) و ضريب وي كرامر (Coefficient Contingency)
متقارن هستند، يعني متغيري كه در سطر جدول تقاطعي قرار گرفته است چه متغير
وابسته باشد چه متغير مستقل، مقدار اين ضرايب فرق نم ي كند . به عبارت ديگر،
وابسته يا مستقل بودن متغير در فرمول محاسبه ضرايب متقارن نقشي ندارد.
در گزارش اجراي فرمان ضرايب دومتغيره اسمي، اين ضرايب در جدول
٦). در ستون اول اين - مي آيند (شكل ٥ (Symmetric Measures) اندازه هاي متقارن
(Nominal by Nominal) جدول سطح سنجش متغيرها كه در اينجا اسمي اسمي
است و عنوان ضريب آمده است و ستون دوم به مقدار ضريب اختصاص دارد . ستون
.( سوم هم سطح معناداري هر ضريب است كه مربوط به آمار استنباطي است (بخش ٤
Phi ضريب في
ضريب في جذر نسبت خ ي دو به تعداد كل فراواني ها است . در جايي كه رابطه اي
بين دو متغير وجود نداشته باشد ضريب في صفر مي شود. در جداول دو در چند طبقه
2)، حداكثر مقدار ضريب في به ۱ مي رسد كه مبين رابطه آماري كامل است . ×k )
فصل پنجم: رابطه دو متغير اسمي ١٣٩
فراتر رفته، مقدار ضريب N اما در جداول چند در چند طبقه كه حد بالاي خي دو از
في مي تواند از يك بيشتر شود و لاج رم تفسير ضريب في در اين گونه جداول
(جداولي كه هر دو متغير بيش از دو طبقه دارند) دشوار مي شود.
۰ است كه مبين رابطه نسبتًا متوسطي / ۶)، ضريب في ۲۵۵ - در اين مثال (شكل ۵
بين متغير احساس خوشبختي و متغير جنسيت است.
Contingency Coefficient ضريب وابستگي
ضريب وابستگي ج ذر نسبت خي دو به مجموع خي دو و كل فراواني ها است . حد
پايين ضريب وابستگي نيز صفر (به معني فقدان رابطه ) است اما حد بالاي آن به يك
نمي رسد و تفسير مقدار ضريب وابستگي دشوار مي شود.
۰ است كه مبين رابطه نسبتًا / ۶) ضريب وابستگي ۲۴۷ - در اين مثال (شكل ۵
متوسطي بين احساس خوشبختي و جنسيت است.
Cramer's V ضريب وي كرامر
ضريب وي كرامر جذر نسبت خ ي دو به حاصلضرب كل فراواني در تعداد طبقات
متغير كوچك است . در هر نوع جدولي حد پايين ضريب و ي كرامر صفر (فقدان
رابطه) و حد بالاي آن يك (رابطه كامل ) است. به عنوان مثال، ضريب وي كرامر در
۰ است كه تفسير آن مانند تفسير فوق است. / ۶ مقدار ۲۵۵ - شكل ۵
اندازه هاي مبتني بر تقليل نسبي خطا
تقليل نسبي خطا نسبت تفاضل خطاي اول (خطاي پي ش بيني متغير وابسته از روي
توزيع خود متغير وابسته ) از خطاي دوم (خطاي پيش بيني متغير وابسته از روي توزيع
آن در مستقل ) بر خط اي اول است. به طور مشخص، مقدار تقليل نسبي خطا مبين
نسبتي از تغيير متغير وابسته است كه با متغير مستقل همخواني و پيوستگي دارد . حال
SPSS... ١٤٠ برنامه كامپيوتري آمار
اگر واقعًا متغير مستقل بر متغير تأثير داشته باشد، يعني بين دو متغير رابطه علي وجود
داشته باشد مقدار ضريب تقليل نسبي خطا مبين نس بتي از تغيير متغير وابسته است كه
ناشي از متغير مستقل است.
اندازه ها و ضرايب مبتني بر تقليل نسبي خ طا بين صفر به معني فقدان رابطه بين دو
متغير تا يك به معني رابطه كامل بين دو متغيرند . تمام ضرايب مبتني بر تقليل نسبي
خطا با همين منطق محاسبه مي شوند، اما تعريف خطاي اول و خطاي دوم در اين
ضرايب متفاوت است و از اين رو هر يك براي وضعيت خاصي مناسب است.
ضرايب مبتني بر تقليل نسبي خطا مختص دو متغير اسمي (يا متغير اسمي و
ضريب تااو گودمن وكراسكال ،(Lambda) ترتيبي) عبارتند از ضريب لاندا
.(Uncertainty Coefficient) و ضريب عدم قطعيت (Goodman and Kruskal tau)
اين سه ضريب نامتقار ن اند، يعني اگر متغير سطري جدول متغير وابسته باشد يا مستقل
مقدار ضريب فرق مي كند.
در گزارش اجراي فرمان ضرايب دومتغيره اسمي، اين ضرايب در جدول
٦). ستون اول اين - مي آيند (شكل ٥ (Directional Measures) اندازه هاي سويي
(Nominal by Nominal) جدول به سطح سنجش متغيرها كه در اينجا اسمي اسمي
است و عنوان ضريب و نوع ضريب بر حسب متقارن بودن يا متغير وابسته
بودن متغير اول يا متغير دوم اختصاص دارد . در ستون دوم مقدار هر Depenclent
ضريب بر حسب سه سطح قبلي درج مي شود. ستون هاي بعدي هم خطاي استاندارد،
.( و سطح معناداري هرضريب است كه مربوط به آمار استنباطي است (بخش ٤ t آزمون
Lambda ضريب لاندا
لاندا ضريبي است كه خطاي اول آن كل فراواني منهاي فراواني طبقه نماي توزيع
متغير وابسته است و خطاي دوم مجموع فراواني هر طبقه متغير مست قل منهاي فراواني
نماي آن طبقه . در اين مثال، ضريب لانداي رابطه دو متغير احساس خوشبختي (متغير
فصل پنجم: رابطه دو متغير اسمي ١٤١
۰ از / ۰ است؛ اين بدان معنا است كه ۱۳۳ / وابسته) با جنسيت (متغير مستقل ) ۱۳۳
تغييرات احساس خوشبختي افراد با جنسيت آنها (متغير مستقل ) پيوستگي دارد . حال
اگر واقعًا بين اين دو متغير رابطه علي وجود داشته باشد مقدار ضريب لاندا بدان معنا
۰ از تفاوت احساس خوشبختي افراد ناشي از جنسيت آنها است؛ ميزان / است كه ۱۳۳
احساس خوشبختي مردها اندكي بيشتر از ميزان احساس خوشبختي زن ها است.
Goodman and Kruskal tau ضريب تااوگودمن وكراسكال
تعريف خ طاي پيش بيني در اين ضريب بر اساس توزيع تصادفي موردها و احتمال
خطاي جايگذاري موردها صورت م ي گيرد . ضريب تااو گودمن وكراسكال از
حساسيت بالايي برخوردار است و در جايي كه لاندا به تفاو ت ها حساس نيست آن
را نشان م ي دهد. وقتي كه طبقه نما در تمام طبقات متغير مستقل ي كي است، مقدار
ضريب لاندا صفر م ي شود ولو آن كه نسبت اين نما در تمام طبقات يكسان نباشد . اما
ضريب تااوگودمن وكراسكال مقدار اين تفاوت ها را به حساب مي آورد.
۰ است . اين بدان معنا / دراين مثال، مقدار ضريب تااوگودمن وكراسكال ۰۳۹
۰ از تغييرات احساس خوشبختي افراد / است كه بر اساس اين ضريب فقط حدود ۰۴
با جنسيت آنها (متغير مستقل) پيوستگي دارد.
Uncertainty Coefficient ضريب عد مقطعيت
ضريب عدم قطعيت هم يكي ديگر از ضرايب مبتني بر تقليل نسبي خطا است كه
معمو ً لا اندازه و ميزان شدت رابطه آماري دو متغير را كوچك نشان م ي دهد . از اين
۰/ رو به اين ضريب كمتر استناد مي شود. در اين مثال، مقدار ضريب عدم قطعيت ۰۳۲
۰ از تغييرات احساس / است. اين بدان معنا است كه بر اساس اين ضريب حدود ۰۳
خوشبختي افراد با جنسيت آنها (متغير مستقل) پيوستگي دارد.
SPSS... ١٤٢ برنامه كامپيوتري آمار
تمرين
۱. با فرمان مقتضي اندازه رابطه دو متغير اسمي (يا يك متغير اسمي و يك متغير
ترتيبي) تمرين قسمت قبل را پيدا كرده، آن را تفسير كنيد.
فصل ششم: رابطه دو متغير ترتيبي
اين فصل به معرفي نحوه كاربرد ا س پي اس اس در تحليل آماري رابطه دو متغير
ترتيبي اختصاص دارد . همانطور كه قب ً لا به ميان آمد متغير ترتيبي شامل ط بقاتي است
كه بين آنها سلسله مرات ب وجود دارد، يعني طبقات نسبت به هم بالا و پايين يا كم و
زياد هستند.
۱ جدول تقاطعي
براي تقاطع دادن دو متغير ترتيبي هر دو متغير را به صورت همسو به ترتيب صعودي
يا نزولي در جدول مرتب م ي كنيم. اين همسويي دو متغير قضاوت در باره ن وع رابطه
دو متغير ترتيبي مانند جدول Crosstabs آنها را تسهيل م ي كند. فرمان جدول تقاطعي
در قسمت آمارتوصيفي ،Analyiz تقاطعي دو متغير اسمي است : در بخش تحليل
وارد قسمت جدول تقاطعي مي شويم ،Descriptive Statistics
۲) متغير وابسته و - شكل ۶ ) Crosstabs ۱). سپس در صفحه جدول تقاطعي - (شكل ۶
SPSS... ١٤٤ برنامه كامپيوتري آمار
متغير مستقل را از بين متغيرهاي خانه سمت چپ انتخاب كرده، به ترتيب به خانه
منتقل مي كنيم. Column(s) و خانه ستون Row(s) سطر
Crosstabs ١ قسمت جدول تقاطعي - شكل ٦
،
Crosstabs ٢ صفحه جدول تقاطعي - شكل ٦
فصل ششم: رابطه دو متغير ترتيبي ١٤٥
در ادامه، قسمت خانه ها را كليك كرده، در صفحه خانه جدول
را Column قسمت ستون ، Percentages ٣) در بخش درصدها - تقاطعي (شكل ٦
علامت م ي زنيم. سرانجام قسمت ادامه را كليك كرده، در صفحه جدول
فرمان را تأييد مي كنيم. Crosstabs تقاطعي
Crosstabs :Cell Display ٣ صفحه خانه جدول تقاطعي - شكل ٦
۴ گزارش اجراي فرمان جدول تقاطعي دو متغير ترتيبي - به عنوان مثال، شكل ۶
متغير سه طبقه اي) به عنوان متغير وابسته و ت حصيلات V8r احساس خوشبختي ( 3
به عنوان متغير م ستقل است. همان طوركه مي بينيم هر دو متغير (V16r سه طبقه اي ( 3
به صورت نزولي مرتب شده اند و از اين رو به سهولت م ي توان ديد كه با افزايش
تحصيلات بر ميزان احساس خوشبختي افزوده م ي شود: در بين كساني كه ت حصيلات
SPSS... ١٤٦ برنامه كامپيوتري آمار
پايين دارند فقط ٢٦ درصدشان از احساس خوشبختي زياد برخوردارند . در حالي كه
اين نسبت در بين كساني كه ت حصيلات متوسط (ديپلم) دارند ٤٨ درصد است و در
بين كساني كه تحصيلات بالا دارند به ٧٦ درصد مي رسد.
رابطه دو متغير ترتيبي داراي جهت هم هست : رابطه دومتغير ترتيبي يا مستقيم
(صعودي يا مثبت ) است، يعني با افزايش متغير مستقل بر متغير وابس ته افزوده مي شود
يا معكوس (نزولي يا منفي )، يعني با افزايش متغير مستقل از متغير وابسته كاسته
مي شود. در همين مثال رابطه دو متغير مستقيم است : با افزايش ت حصيلات (متغير
مستقل) احساس خوشبختي (متغير وابسته) نيز بيشتر شده است.
V16r و 3 V8r ٤ جدول تقاطعي دو متغيرترتيبي 3 - شكل ٦
فصل ششم: رابطه دو متغير ترتيبي ١٤٧
تمرين
۱. از بين متغيرهاي فايل پيمايش نگرش ها دو متغير ترتيبي كه مي توان رابطه اي علي
بين آنها قائل شد انتخاب كنيد . با استدلال خود متغير وابسته و مستقل را مشخص
كرده، با فرمان مقتضي جدول تقاطعي آن دو را رسم كرده و تفسير كنيد.
۲ اندازه رابطه متغيرهاي ترتيبي
اندازه يا ضريب هايي كه شدت رابطه آماري دو متغير ترتيبي را نشان مي دهند عمدتًا
،(Gamma) مبتني بر تقليل نسبي خطا هستند . اين ضرايب عبارتند از : ضريب گاما
و ضريب (Kendall's tau-b) ضريب تااو بي كندال ،(Somers'd) ضريب دي سامرز
تنها ضريبي هم كه مبتني بر تقليل نسبي خطا .(Kendall's tau-b) تااو سي كندال
است. (Correlation Spearman) نيست ضريب همبستگي رتب هاي اسپيرمن
ضرايب دومتغيره ترتيبي
قسمت ،Analyiz در بخش تحليل Ordinal براي ضرايب دومتغيره ترتيبي
قسمت جدول تقاطعي ،Descriptive Statistics آمارتوصيفي
قسمت آماره ها Crosstabs ۱) را كليك كرده، در صفحه جدول تقاطعي - (شكل ۶
۲). در صفحه آماره هاي تقاطعي - را فعال (كليك) مي كنيم (شكل ۶
۵) ضرايب دومتغيره ترتيبي مبتني بر تقليل نسبي - شكل ۶ ) Crosstabs Statistics
خطا در قسمت آمار ه هاي ترتيبي و ضريب همبستگي رتب ه اي اسپيرمن
SPSS... ١٤٨ برنامه كامپيوتري آمار
در خانه همبستگي قرار دارند . اين ضرايب را علامت زده، قسمت
بعد از Crosstabs ادامه را كليك كرده و در صفحه جدول تقاطعي
مشخص كردن متغير وابسته و متغير مستقل فرمان را تأييد مي كنيم.
Crosstabs : Statistics ٥ صفحه آمار ههاي جدول تقاطعي - شكل ٦
۶ گزارش اجراي فرمان جدول تقاطعي دو متغير ترتيبي - به عنوان مثال، شكل ۶
متغير ) V16r متغير وابسته ) و ت حصيلات سه طبقه اي، 3 ) V8r احساس خوشبختي ، 3
مستقل) است. همانطوركه در اين شكل م ي بينيم اين گزارش شامل دو جدول است .
به معني ضرايب Directional Measures جدول اول جدول اندازه هاي سويي
است . ستون اول اين Somers'd نامتقارن است كه فقط حاوي ضرايب دي سامرز
فصل ششم: رابطه دو متغير ترتيبي ١٤٩
Ordinal by Ordinal جدول به سطح سنجش متغيرها كه در اينجا ترتيبي ترتيبي
است و عنوان ضريب و نوع ضريب بر حسب متقارن بو دن يا متغير وابسته
بودن متغير اول يا متغير دوم اختصاص دارد . در ستون دوم مقدار هر Depenclent
و سطح t ضريب درج مي شود . ستون هاي بعدي هم خطاي استاندارد، آزمون
.( معناداري هر ضريب است كه مربوط به آمار استنباطي است (بخش ٤
V16r و 3 V8r ٦ گزارش ضرايب رابطه دو متغير ترتيبي 3 - شكل ٦
SPSS... ١٥٠ برنامه كامپيوتري آمار
است كه حاوي Symmetric Measures جدول ديگر جدول اندازه هاي متقارن
ساير ضرايب دومتغيره ترتيبي است. در ستون اول اين جدول سطح سنجش متغيرها
است و عنوان ضريب آمده است و (Ordinal by Ordinal) كه در اينجا ترتيبي ترتيبي
ستون دوم به مقدار ضريب اختصاص دارد . ستون هاي بعدي هم خطاي استاندارد،
و سطح معناداري هر ضريب است كه مربوط به آمار استنباطي است (بخش t آزمون
.(٤
Gamma ضريب گاما
ضريب گاما مبتني بر تقليل نسبي خطاي پيش بيني متغير وابسته است كه در آن خطاي
اول خطاي پيش بيني تص ادفي ترتيب در متغير وابسته است و خطاي دوم خطاي
پيش بيني ترتيب در متغير وابسته از روي ترتيب در متغير مستقل . ضريب گاما متقارن
(سيمتريك) است، يعني متغير وابسته چه متغير سطري جدول باشد چه متغير ستوني
مقدار ضريب گاما يكي مي شود.
در جايي كه رابطه معكوسي بين دو م تغير وجود داشته باشد مقدار ضريب منفي
مي شود؛ به عبارت ديگر، منفي شدن ضريب گاما مبين رابطه معكوس بين دو متغير
است. از اين رو، رابطه معكوس را رابطه منفي هم مي گويند و رابطه مستقيم را رابطه
مثبت.
در مثال رابطه احساس خوشبختي (متغير وابسته ) با ت حصيلات (متغير مس تقل)
۰ از تغييرات / ۰ است و چنين تفسير مي كنيم كه ۵۹۵ / مقدار ضريب گاما ۵۹۵
احساس خوشبختي (متغير وابسته) را تحصيلات (متغير مستقل ) تبيين مي كند . اين
۰ يا ۶۰ / بدان معنا است كه اگر رابط ه اي علي بين اين دو متغير وجود داشته باشد ۵۹۵
درصد از تفاوت ميزان احساس خوشبختي افراد ناشي از ميزان تحصيلات آنها است .
فصل ششم: رابطه دو متغير ترتيبي ١٥١
رابطه اين دومتغير نيز رابطه اي مستقيم است، يعني با افزايش تحصيلات احساس
خوشبختي بالا مي رود.
ضريب گاما مبتني بر جف ت هاي با ترتيب يكسان و با ترتيب متفاوت در هر دو
متغير است و نه بر تمام جف ت ها. از اين رو، معمو ً لا اغراق آميز است و شدت رابطه دو
متغير را بيش از حد واقعي نشان مي دهد.
Somers' d ضرايب دي سامرز
براي كاهش مقدار اغراق آميز ضريب گاما، م ي توان جف ت هاي همرتبه در هر يك از
متغيرها را هم به حساب آورد . در ضرايب دي سامرز هم جفت هاي همرتبه در
متغيرها به حساب مي آيد.
سامرز YX دي انديس
- سامرز كه در رديف دوم جدول اندازه هاي سويي (شكل ۶ YX ضريب دي انديس
۶) آمده است علاوه بر جف ت هاي با ترتيب يكسان و با ترتيب متفاوت در هر دو
هم هست . در اين مثال (Y) متغير شامل تعداد جفت هاي همرتبه در متغير وابسته
۰ از / ۰ است كه بدا ن معنا است بر اساس اين ضريب ۳۸۷ / مقدار اين ضريب ۳۸۷
تغييرات احساس خوشبختي (متغير وابسته) را تحصيلات (متغير مستقل) تبيين
مي كند.
سامرز XY دي انديس
- سامرز كه در رديف سوم جدول اندازه هاي سويي (شكل ۶ XY ضريب دي انديس
۶) آمده است علاوه بر جف ت هاي با ترتيب يكسان و با ترتيب متفاو ت در هر دو
هم هست . در اين مثال (X) متغير، شامل تعداد جفت هاي همرتبه در متغير مستقل
۰ است و تفسير آن نيز مانند ضريب بالا است. / مقدار اين ضريب ۳۸۷
SPSS... ١٥٢ برنامه كامپيوتري آمار
ضريب دي سامرز
۶) آمده - ضريب دي سامرز كه در رديف اول جدول اندازه هاي سويي (شكل ۶
سامرز است . مقادير XY سامرز و دي انديس YX است متوسط دو ضري بدي انديس
اين ضريب و دو ضريب فوق بين ۱- تا ۱+ است. تفسير اين ضريب نيز مانند تفسير
دو ضريب فوق است. اين ضريب متقارن است اما آن دو ضريب نامتقارن اند.
Kendall's tau-b ضريب تااوبي كندال
و دي YX ضريب تااوب يميانگين هندسي (جذر حاصلضرب ) دو ضريب دي انديس
۰ است كه / ۶) مقدار اين ضريب ۳۸۷ - سامرز است. در اين مثال (شكل ۶ XY انديس
۰ از تغييرات احساس خوشبختي (متغير / بدان معنا است بر اساس اين ضريب ۳۸۷
وابسته) را تحصيلات (متغير مستقل) تبيين مي كند.
ضريب تااوبي ضريبي متقارن است . در جايي كه رابط ه اي بين دو متغير وجود
نداشته باشد مقدار آن صفر م ي شود و در جدول مربع (جايي كه تعداد طبقات متغير
وابسته و مستقل با هم برابر است ) اگر رابطه كاملي بين دو متغير وجود داشته باشد
مقدار آن ۱+ (رابطه كامل مستقيم ) يا ۱- (رابطه كامل معكوس ) مي شود . اما در
جداول غيرمربع حد با لاي اين ضريب به ۱ نمي رسد و اين ضريب نم ي تواند رابطه
كامل در جداول غيرمربع را منعكس كند.
Kendall's tau-c ضريب تااو سي
ضريب تااوس يبر خلاف ضريب تااوبي در جداول غيرمربع هم م ي تواند به ۱ برسد .
به عبارت ديگر، مي تواند رابطه كامل را در جايي كه طبقات متغير مستقل و وابسته با
هم برابر نيست منعكس كند . در نتيجه ب راي سنجش رابطه دو متغير در جدول
فصل ششم: رابطه دو متغير ترتيبي ١٥٣
غيرمربع اين ضريب مناسب است . ضريب تااوسي هم ضريبي متقارن است و تفسير
آن نيز مانند تفسير ضريب تااوبي است.
Correlation Spearman ضريب همبستگي رتبه اي اسپيرمن
در جايي كه رتبه تك تك موردها در هر دو متغير در دست باشد يا بتوان آن را
تعيين كرد م ي توان از ضريب همبستگ ي رتب هاي اسپيرم نكه مبتني بر تفاوت رتبه
هر مورد در دو متغير است استفاده كرد . ضريب همبستگي رتبه اي اسپيرمن متقارن
است و مقادير آن بين صفر به معني فقدان رابطه تا يك به معني را بطه كامل دو متغير
است. با اين همه اين ضريب را نمي توان مانند ضرايب مبتني بر تقليل نسبي خطا
تفسير كرد و تنها م ي توان گفت هر چه مقدار آن به يك نزدي ك تر شود مبين رابطه
قوي تري است و هر چه به صفر نزديكتر مبين رابطه ضعيف تر است.
در مثال رابطه احساس خوشبختي (متغير وابسته ) با ت حصيلات (متغير مستقل )
۰ است و چنين تفسير م ي كنيم كه / مقدار ضريب همبستگي رتبه اي اسپيرمن ۴۲۶
رابطه متوسطي بين احساس خوشبختي و تحصيلات وجود دارد.
تمرين
۱. با فرمان مقتضي اندازه رابطه دو متغير ترتيبي تمرين قسمت قبل را پيدا كرده، آن
را تفسير كنيد.

فصل هفتم: رابطه دو متغيركمي
۱ ضريب تعيين
رابطه دو متغير كمي كه بين آنها رابطه خطي وجود دارد با ضريب تعيين (
r2 ) كه
ضريبي مبتني بر تقليل نسبي خطا است اندازه گيري مي شود. بدين منظور ابتدا بايد با
نمودار پراكنش از وجود رابطه خطي (رابطه مستقيم الخط) اطمينان حاصل كرد.
Scatter نمودار پراكنش
Legacy در قسمت نشان ها ،Graphs براي ترسيم نمودار پراكنش در بخش نمودار
۱) را كليك كرده، در صفحه - نمودار پراكنش (شكل ۷ ،Dialogs
۲) قسمت تعريف را كليك مي كنيم . با باز - نمودار پراكنش (شكل ۷
۳) متغير وابسته - شكل ۷ ) Simple Scatterplote شدن صفحه نمودار پراكنش ساده
انتقال Y Axis: مورد نظر را از خانه سمت چپ انتخاب كرده، به خانه محور ايگرگ
X Axis: مي دهيم. همينطور متغير مستقل مورد نظر خود را به خانه محور ايكس
SPSS... ١٥٦ برنامه كامپيوتري آمار
منتقل كرده و در همين صفحه، فرمان ترسيم نمودار پراك نش را تأييد
مي كنيم.
Scatter/Dot ١ قسمت نمودار پراكنش - شكل ٧
Scatter/Dot ٢ صفحه نمودار پراكنش - شكل ٧
فصل هفتم: رابطه دو متغير كمي ١٥٧
Simple Scatterplot ٣ صفحه نمودار پراكنش ساده - شكل ٧
Educ به عنو ان مثال، در اينجا از بين متغيرهاي پيمايش نگر ش ها دو متغير كمي
مخارج ماهانه خانواده به هزار تومان به عنوان ) V (تحصيلات بر حسب سال ) و 27
وضع مالي ) را با اين فرض كه تحصيلات تأثير مستقيمي بر وضع مالي مردم دارد
۴- انتخاب كرده، نمودار پراكنش آنها را با فرمان مذكور ترسيم كرده ايم. در شكل ۷
گزارش اجراي فرمان ترسيم نمودار پراكنش دو متغير كمي مخارج ماهانه خانواده
SPSS... ١٥٨ برنامه كامپيوتري آمار
به هزار تومان ، به عنوان معرف و ضع مالي (متغير وابسته ) و ت حصيلات بر حسب سال
(متغير مستقل) ارائه شده است.
Educ و V ٤ نمودار پراكنش دو متغير كمي 27 - شكل ٧
در نمودار پراكنش هر نقطه توخالي مبين يك مورد (در اين مثال پاسخگو ) از
لحاظ دو متغير وابسته و مستقل است . تمركز نقاط پراكنش در حول و حوش يك
۵) مبين وجود رابطه خطي (خط راست ) بين دو متغير - خط راست (مانند شكل ۷
است. هر چه تمركز نقاط در حول و حوش خط راس ت بيشتر باشد رابطه دو متغير
قوي تر است، به طوري كه اگر همه نقاط پراكنش روي خط راست قرار گيرند مبين
رابطه كامل بين دو متغير است . با مشهود بودن رابطه خطي بين دو متغير در نمودار
پراكنش مي توان به محاسبه ضريب تعيين با استفاده از رگرسيون پرداخت.
فصل هفتم: رابطه دو متغير كمي ١٥٩
٥ نمودار پراكنش و خط رگرسيون مخارج ماهانه خانواده بر حسب تحصيلات - شكل ٧
Linear Regression رگرسيون خطي
در قسمت رگرسيون ،Analyiz براي فرمان رگرسيون خطي در بخش تحليل
۶). با باز شدن - قسمت خطي را كليك م ي كنيم (شكل ۷ ،Regression
۷) متغير وابسته را از بين - شكل ۷ ) Linear Regression صفحه رگرسيون خطي
انتقال Dependent متغيرهاي خانه سمت چپ انتخاب كرده، به خانه متغير وابسته
مي دهيم. همينطور متغير مستقل مورد نظر خود را به خانه متغير مستقل
Regression منتقل كرده و در همين صفحه فرمان رگرسيون خطي Independent(s)
را تأييد مي كنيم. Linear
SPSS... ١٦٠ برنامه كامپيوتري آمار
Linear قسمت خطي ،Regressin ٦ قسمت رگرسيون - شكل ٧
Linear Regressin ٧ صفحه رگرسيون خطي - شكل ٧
فصل هفتم: رابطه دو متغير كمي ١٦١
Linear Regression ۸ بخشي از گزارش اجراي فرمان رگرسيون خطي - در شكل ۷
V دو متغير كمي وضع مالي با شا خص مخارج ماهانه خانواده به هزار تومان ، 27
متغير مستقل) ارائه شده است . در ) Educ ، (متغير وابسته) و تحصيلات بر حسب سال
و (Educ و نام متغير مستقل (در اينجا (Enter جدول اول روش رگرسيون (در اينجا
آمده است . در جدول دوم (جدول (V در زير نويس آن نام متغير وابسته (در اينجا 27
ارائه شده است. (R Square) هم مقدار ضريب تعيين (Model Summary خلاصه مدل
Educ و V ٨ بخشي از گزارش رگرسيون خطي دو متغير كمي 27 - شكل ٧
SPSS... ١٦٢ برنامه كامپيوتري آمار
مقدار ضريب تعيين را مانند ساير ضرايب مبتني بر تقليل خطا تفسير مي كنيم . در
اين مثال كه مقدار ضريب تعيين (
r2 ۰ است م ي گوييم / حدود ۴۵ (R Square يا
۰ كاهش / پيش بيني متغير وابسته بر اساس خط رگرسيون دو متغير خطاي اول را ۴۵
۰ از تغييرات وضع مالي (متغير وابسته ) را تحصيلات / مي دهد. يا به عبارت ديگر ۴۵
(متغير مستقل ) تبيين م ي كند. اين بدان معنا است كه اگر رابط ه اي علي بين اين دو
۰ يا ۴۵ درصد از تفاوت وضع مالي افراد ناشي از ميزان / متغير وجود داشته باشد ۴۵
تحصيلات آنها است.
همانطور كه به ميان آمد ضريب تعيين هم مبتني بر تقليل نسبي خطا است . در
اينجا خطاي اول (خطاي پيش بيني متغير وابست ه از روي توزيع خود متغير ) مجموع
مجذور انحراف مقادير از ميانگين متغير وابسته است . خطاي دوم (خطاي پيش بيني
متغير وابسته از روي متغير مستقل ) هم عبارت است از مجموع مجذور انحراف
مقادير واقعي از مقادير پيش بيني شده براي متغير وابسته . پيش بيني مقادير متغير وابسته
هم از روي همان خط راست نمودار پراكنش كه بدان خط رگرسيون مي گوييم
صورت مي گيرد.
خط رگرسيون با معادله خط راست كه در اينجا معادله خط رگرسيون مي ناميم
بيان مي شود:
Y a b X yx yx ˆ = +
مقادير ) Yˆ است و مبين تغيير X به Y شيب خط رگرسيون b در اين معادله
متغير مستقل ) است؛ ) X پيش بيني شده براي متغير وابسته ) به ازاي يك واحد تغيير در
عرض از مبدأ خط رگرسيون و نقطه اي است كه خط رگرسيون محور عمودي را a
دو متغير Linear Regression قطع م ي كند. درگزارش اجراي فرمان رگرسيون خطي
ارائه مي شود. Coefficients در جدول ضرايب B كمي، شيب خط رگرسيون با نماد
فصل هفتم: رابطه دو متغير كمي ١٦٣
؛(۸- ۱۷ است (شكل ۷ / شيب خط رگرسيون ) ۸۷۵ ) b در اين مثال مقدار ضريب
۱۷ هزار تومان به مخارج / اين بدان معنا است كه با افزايش ۱ سال به تحصيلات، ۸۷۵
عرض از مبدأ ) هم كه در گزارش فرمان ) a ماهانه خانواده افزوده م ي شود. ضريب
۳۹ است كه بدان معنا / مي آيد ۷۱۲ Constant رگرسيون خطي تحت عنوان ثابت
۳۹ هزار تومان / است هنگامي كه تحصيلات صفر است، مخارج ماهانه خانواده ۷۱۲
است.
شيب خط ) b نشاندهنده جهت رابطه دو متغير هم هست؛ اگر ضريب b ضريب
رگرسيون) مثبت باشد بين دو متغير رابطه مستقيم (رابطه صعودي ) وجود دارد و اگر
منفي باشد رابطه دو متغير معكوس (نزولي) است.
شيب خط رگرسيون در جايي ) byx ضريبي نامتقارن است يعني مقدا ر b ضريب
شيب خط رگرسيون در جايي كه متغير ) bxy متغير وابسته است ) با مقدار Y كه متغير
متغير وابسته به شمار آيد ) برابر نيست . اما ضريب تعيين متقارن (سيمتريك ) X
مقدار ضريب تعيين يكي مي شود. X متغير وابسته باشد چه Y است، يعني چه
تمرين
۱. از بين متغيرهاي فايل پيمايش نگرش ها دو متغير كمي كه م ي توان رابطه اي علي
را X و مستقل Y بين آنها قائل شد انتخاب كنيد . با استدلال خود متغير وابسته
مشخص كرده، با فرمان هاي مقتضي موارد زير را انجام دهيد:
را ترسيم كرده و تفسير كنيد. X و Y الف: نمودار پراكنش
را حساب و تفسير كنيد. X به Y شيب) خط رگرسيون ) b ب: ضريب
را حساب كرده و تفسير كنيد. X به Y عرض از مبدأ) خط رگرسيون ) a : ج
را با ضريب تعيين حساب و تفسير كنيد. X با Y د: شدت رابطه دو متغير
SPSS... ١٦٤ برنامه كامپيوتري آمار
٢ ضريب همبستگي پيرسون
به ضريب زاويه يا شيب خط رگرسيون دو متغير كمي كه اندازه هاي آنها به صورت
اندازه هاي استاندارد ٥ بيان شده باشد ضريب همبستگي پيرسون يا به اختصار ضريب
مي گويند. (r) همبستگي
محاس به شده، Linear egression ضريب همبستگي با همان فرمان رگرسيون خطي
دركنار ضريب تعيين (
r2 ) گزارش مي شود. به عنوان مثال، ضريب همبستگي دو
٠ است / متغير كمي ت حصيلات و وضع مالي (با شاخص مخارج ماهانه خانواده ) ٦٧٤
٨). مقدار اين ضريب همبستگي مبين آن است كه به ازاي يك واحد - (شكل ٧
۰ انحراف / انحراف استاندارد افزايش در تحصيلات (متغير مستقل)، حدود ۶۷
استاندارد به وضع مالي افزوده مي شود.
نيز مانند r
r2 ضريبي متقارن است، به عبارت ديگر، ضريب همبستگي دو متغير
متغير وابسته است با ضريب همبستگي آن دو در جايي كه Y در جاي ي كه X و Y
. ryx = rxy : متغير وابسته است برابر است X
مبين r مبين جهت رابطه است . مقدار مثبت b نيز مانند ضريب r علامت جبري
رابطه مستقيم (صعودي) است و مقدار منفي بيانگر رابطه معكوس (نزولي).
را م ي توان با جذرگرفتن از ضريب تعيين r ضريب همبستگي r2 به دست آورد و
يا ضريب تعيين را با مجذوركردن ضريب همبستگي پيدا كرد . با اين همه، هر يك از
۵. اندازه يا نمره استاندارد عبارت است از نسبت انحراف اندازه يا نمره خام از ميانگين بر انحراف
استاندارد.
فصل هفتم: رابطه دو متغير كمي ١٦٥
اين دو ضريب معناي معيني دارند :
r2 ضريبي است براي نشان دادن شدت رابطه دو
متغير كمي و نسبتي از تغيير (واريانس) متغير وابسته است كه متغير مستقل تبيين
به اندازه Y شيب خط رگرسيون اندازه استا ندارد r مي كند، در حالي كه
است. X استاندارد
را مي توان با فرمان همبستگي دومتغيره به طور مستقل هم به r ضريب همبستگي
دست آورد.
Bivariate Correlation همبستگي دومتغيره
،Correlate قسمت همبستگي ،Analyiz فرمان همبستگي دومتغيره در بخش تحليل
۹). با ورود به اين قسمت (كليك - قسمت دومتغيره قرار دارد (شكل ۷
- باز مي شود (شكل ۷ Bivariate Correlations كردن آن) صفحه همبستگي دومتغيره
.(۱۰
Bivariate ٩ قسمت همبستگي، قسمت دومتغيره - شكل ٧
SPSS... ١٦٦ برنامه كامپيوتري آمار
متغيرهاي مورد نظر Bivariate Correlation سپس در صفحه همبستگي دومتغيره
Variables خود را از بين متغيرهاي خانه سمت چپ انتخاب كرده، به خانه متغيرها
انتقال مي دهيم و در همين صفحه فرمان همبستگي دومتغيره را تأييد
مي كنيم.
Bivariate Correlations ١٠ صفحه همبستگي دومتغيره - شكل ٧
Correlation Bivariate ۱۱ گزارش اجراي فرمان همبستگي دومتغيره - در شكل ۷
متغير كمي وضع مالي (با شاخص مخارج ماهانه خانواده به هزار تومان به عنوان متغير
وابسته) و ت حصيلات بر حسب سال (متغير مستقل ) ارائه شده است . هما نطور كه
۰ است كه / اين فرمان ۶۷۴ (Pearson Correlation) مي بينيم مقدار ضريب همبستگي
يكي است. Linear Regression با مقدار ضريب همبستگي فرمان رگرسيون خطي
فصل هفتم: رابطه دو متغير كمي ١٦٧
گزارش اجراي فرمان همبستگي دومتغيره Correlation در جدول همبستگي
به هر متغير يك رديف و س ه سطر اختصاص دارد . سطر اول Correlation Bivariate
حاوي مقدار ضريب همبستگي آن متغير با ساير متغيرها (از جمله خود متغير ) است .
سطر دوم مبين سطح معناداري (نگاه كنيد به آمار استنباطي در بخش ۴) و سطر سوم
مبين تعداد موردهايي است كه در آن دو متغير داراي پاسخ معتبرند.
١١ گزارش فرمان همبستگي متغير مخارج ماهانه با تحصيلات - شكل ٧
۱۱ رديف دوم سطر اول نشان مي دهد مقدار ضريب - به عنوان مثال، در شكل ۷
۰ است و سطر دوم نشان / همبستگي متغير مخارج ماهانه با متغير ت حصيلات ۶۷۴
۰ است و سطر سوم نشان مي دهد / مي دهد سطح معناداري اين ضريب همبستگي ۰۰۰
اين ضريب همبستگي بر اساس ۷۸ مورد داراي پاسخ معتبر محاسبه شده است.
SPSS... ١٦٨ برنامه كامپيوتري آمار
تمرين
۱. با فرمان مقتضي مقدار ضريب همبستگي دو متغير كم ي تمرين قسمت قبل را پيدا
كرده، آن را تفسير كنيد.
۳ نسبت همبستگي
بررسي رابطه متغير وابسته متغيري كمي با متغير مستقل كيفي (اسمي يا ترتيبي ) با
مقايسه ميانگين متغير وابسته در طبقات متغير مستقل صورت مي گيرد و شدت رابطه
آن دو با ضريب نسبت همبستگي (ضريب اتادو ) كه مبتني بر تقليل نسبي خطا است
اندازه گيري مي شود. در اينجا نيز براي پيش بيني متغير وابسته از ميانگين متغ ير وابسته
استفاده مي كنيم و در نتيجه خطاي اول (خطاي پيش بيني متغير وابسته از روي توزيع
خود متغير ) مجموع مجذور انحراف از ميانگين متغير وابسته خواهد شد . خطاي دوم
هم حاصل جمع مجموع مجذور انحراف مقادير متغير وابسته در هر طبقه مستقل از
ميانگين آن طبقه است . نسبت همبستگي ضريبي نامتقارن است و شدت رابطه متغير
وابسته كمي را با متغير مستقل كيفي نشان مي دهد
صورت Means در اس پي اس اس احتساب نسبت همبستگي با فرمان ميانگين ها
مي گيرد.
Means ميانگين ها
قسمت مقايسه ميانگين ها ،Analyiz در بخش تحليل Means فرمان ميانگين ها
۱۲ ). با ورود - قسمت ميانگين ها قرار دارد (شكل ۷ ،Compare Means
.(۱۳- باز مي شود (شكل ۷ Means به اين قسمت (كليك كردن آن ) صفحه ميانگين ها
فصل هفتم: رابطه دو متغير كمي ١٦٩
در اين صفحه متغير وابسته مورد نظر خود را از بين متغيرهاي خانه سمت چپ
انتقال مي دهيم . Dependent List: انتخاب كرده، به خانه فهرست متغير وابسته
همينطور متغير مستقل مورد نظر خود را به خانه فهرست متغير مستقل
منتقل مي كنيم. Independent(s)List:
Means... ١٢ قسمت ميانگين ها - شكل ٧
Means ١٣ صفحه ميانگين ها - شكل ٧
SPSS... ١٧٠ برنامه كامپيوتري آمار
سپس قسمت گزينه ها را كليك كرده، در صفحه گزينه ميانگين ها
۱۴ ) قسمت جدول آنووا و اتا را - شكل ۷ ) Means: Options
كليك مي كنيم. سرانجام قسمت ادامه را كليك كرده، در صفحه
فرمان را تأييد مي كنيم. Means ميانگين ها
١٤ صفحه گزينه هاي ميانگين ها - شكل ٧
از بين متغيرهاي پيمايش نگرش ها Means به عنوان مثال، در صفحه ميانگين ها
را با اين فرض V و متغيركيفي جنسيت 21 V متغيركمي ميزان تماشاي تلويزيون 20
كه جنسيت بر ميزان تماشاي تلويزيون تأثير دارد (زن ها بيش از مردها تلويزيون
تماشا ميكنند) به عنوان متغير مستقل و وابسته انتخاب كرده ايم.
است . در Means ۱۵ بخشي از گزارش اجراي اين فرمان ميانگين ها - شكل ۷
ميانگين متغير وابسته (در اين مثال ميزان تماشاي تلويزيون )، Report جدول گزارش
تعداد موردها و انحراف استاندارد هر يك از طبقات متغير مستقل (در اين مثال
جنسيت) آمده است . در اين جدول م ي بينيم كه ميانگين ميزان تماشاي تلويزيون در
فصل هفتم: رابطه دو متغير كمي ١٧١
۳ ساعت در شبانه روز است. مقدار / ۲ ساعت و در بين زن ها ۶۹ / بين مردها ۳۴
Measures of ضريب نسبت همبستگي اين دو متغير هم در جدول اندازه پيوستگي
در (Eta Squared - آمده است. مقدار ضريب نسبت همبستگي (اتا دو Association
۰ است كه مبين آن است كه حدود ۱۳ درصد تغييرات (تفاوت ) ميزان / اينجا ۱۳۲
تماشاي تلويزيون (متغير وابسته ) را جنسيت (متغير مستقل ) تبيين مي كند: زنان به طور
متوسط بيش از مردان تلويزيون تماشا مي كنند.
١٥ بخشي از گزارش ميانگين تماشاي تلويزيون برحسب جنسيت - شكل ٧
تمرين
۱. از بين متغيرهاي فايل پيمايش نگرش ها يك متغير كمي و يك متغيركيفي كه
مي توان رابطه اي علي بين آنها قائل شد انتخاب كنيد . با استدلال خود متغير
SPSS... ١٧٢ برنامه كامپيوتري آمار
Y را مشخص ك رده، با فرما ن مقتضي ميانگين متغير وابسته X و مستقل Y وابسته
مقايسه كرده، با احتساب ضريب نسبت همبستگي X را در طبقات متغير مستقل
شدت رابطه آن دو را پيدا كرده و تفسير كنيد.
فصل هشتم: كنترل رابطه دومتغيره
بررسي رابطه دومتغيره با ثابت نگه داشتن آماري اثر ساير عواملي كه ممكن است هر
دو متغير بدانها وابسته باشند كنترل آماري رابطه دومتغيره نام دارد . در اين فصل به
بررسي كنترل آماري رابطه دومتغيره با يك متغير ديگر، متغير سوم (كه بدان متغير
آزمون يا متغير كنترل اطلاق مي شود) با برنامه اس پي اس اس مي پردازيم.
۱ كنترل رابطه دو متغيركيفي
كنترل جدول تقاطعي
جدول تقاطعي دو متغير كيفي (خواه اسمي، خواه ترتيبي ) با كنترل متغير سوم به
صورت تشكيل جداول تقاطعي دومتغيره در هر يك طبقات متغير سوم (متغير
كنترل) صورت م ي گيرد. به اين جداول جدول حاشي ه اي، مشرو ط، تفكيكي يا جدول
جزيي اطلاق مي شود و جدول اوليه را جدول كل يا همان جدول اوليه مي خوانند.
جداول تقاطعي جزيي
در قسمت آمار ،Analyiz براي تشكيل جداول تقاطعي جزيي در بخش تحليل
وارد قسمت جدول تقاطعي شده Descriptive Statistics توصيفي
SPSS... ١٧٤ برنامه كامپيوتري آمار
۲) متغير وابسته مورد نظر - شكل ۸ ) Crosstabs ۱)، در صفحه جدول تقاطعي - (شكل ۸
انتقال Row(s) خود را از بين متغيرهاي خانه سمت چپ انتخاب كرده، به خانه سطر
و متغير Column(s) مي دهيم. همينطور متغير مستقل مورد نظر خود را به خانه ستون
مي بريم. Layer كنترل را به خانه لايه
Crosstabs… ١ قسمت جدول تقاطعي - شكل ٨
سپس قسمت خانه ها را كليك كرده، در صفحه خانه جدول تقاطعي
را علامت Column قسمت ستون Percentages ٣) در بخش درصدها - (شكل ٨
مي زنيم. سرانجام قسمت ادامه را كليك كرده، در صفحه جدول تقاطعي
فرمان را تأييد مي كنيم. Crosstabs
به عنوان مثال، در اينجا از بين متغيرهاي پيمايش نگرش ها متغير احساس
را به عنوان متغير V را به عنوان متغير وابسته و متغير جنسيت 21 V8r خوشبختي 3
كنترل V مستقل انتخاب كرده، جدول تقاطعي آنها را با متغير وضع تأهل 28
كرده ايم.
فصل هشتم: كنترل رابطه دو متغيره ١٧٥
Crosstabs ٢ صفحه جدول تقاطعي - شكل ٨
Crosstabs :Cell Display ٣ صفحه خانه جدول تقاطعي - شكل ٨
SPSS... ١٧٦ برنامه كامپيوتري آمار
٤ گزارش جداول تقاطعي جزيي احساس خوشبختي و جنسيت با كنترل وضع تأهل - شكل ٨
٤ آمده است . همانطور كه در دو - گزارش اين جدول تقاطعي جزيي در شكل ٨
جدول تقاطعي جزيي مي بينيم احساس خوشبختي مردها، خاصه مردهاي متأهل از
زنها بالاتر است.
كنترل ضرايب دو متغيركيفي
اندازه و ضرايب رابطه و پيوستگي دو متغير كيفي با كنترل يا ثابت نگه داشتن متغير
سوم را ضرايب پيوستگي جزيي يا ضرايب پيوستگي مرتبه اول مي گويند. مرتبه اول
فصل هشتم: كنترل رابطه دو متغيره ١٧٧
ناميدن اين پيوستگي جزيي نيز دال بر كنترل رابطه دو متغير با يك متغير ديگر است .
حال اگر رابطه دو متغير با ثابت نگ ه داشتن دو متغير ديگر اندازه گيري مي شد بدان
رابطه يا پيوستگي مرتبه دوم اطلاق مي شد كه دال بر ثابت نگه داشتن وكنترل رابطه
دومتغيره با دو متغير ديگر است و الي آخر . به ضريب پيوستگي دو متغير در جدول
اوليه (جدول كل ) ضريب پيوستگي مرتبه صفر مي گويند و بدان معنا است كه رابطه
دو متغير با هيچ متغير ديگري كنترل نشده است . كنترل اندازه و ضرايب رابطه دو
متغيركيفي هم با همان فرمان جداول تقاطعي جزيي صورت مي گيرد.
Crosstabs : Statistics ٥ صفحه آمار ههاي جدول تقاطعي - شكل ٨
ضرايب دومتغيره جزيي
قسمت آمارتوصيفي ،Analyiz براي تشكيل ضرايب دومتغيره جزيي در بخش تحليل
،(۱- وارد قسمت جدول تقاطعي شده (شكل ۸ ،Descriptive Statistics
SPSS... ١٧٨ برنامه كامپيوتري آمار
۲) متغير وابسته را از بين متغيرهاي - شكل ۸ ) Crosstabs در صفحه جدول تقاطعي
انتقال مي دهيم . همينطور Row(s) خانه سمت چپ انتخاب كرده، به قسمت سطر
Layer و متغير كنترل را به قسمت لايه Column(s) متغير مستقل را به قسمت ستون
مي بريم. سپس قسمت آماره ها را كليك كرده، در صفحه آماره هاي
۵)، ضرايب مورد نظر را علامت م ي زنيم و - شكل ۸ ) Crosstabs Statistics تقاطعي
فرمان Crosstabs قسمت ادامه را كليك كرده، در صفحه جدول تقاطعي
را تأييد مي كنيم.
٦ بخشي از گزارش ضرايب جزيي احساس خوشبختي و جنسيت با كنترل وضع تأهل - شكل ٨
۶ گزارش ضرايب پيوستگي جزيي احساس خوشبختي - به عنوان مثال، در شكل ۸
(متغير وابسته ) و جنسيت (متغير مستقل ) با كنترل متغير وضع تأهل آمده است .
فصل هشتم: كنترل رابطه دو متغيره ١٧٩
همانطور كه م ي بينيم شدت رابطه احساس خوشبختي و جنسيت بر حسب ضريب
در متأهل ها Goodman and Kruskal tau پيوستگي جزيي تااو گودمن وكراسكال
٠) بيشتر است. / ٠ است كه از مقدار آن در مجردها ( ٠١٣ /٠٥٥
تمرين
۱. از بين متغيرهاي فايل پيمايش نگرش ها دو متغير اسمي (يا يك متغير اسمي و يك
متغير ترتيبي ) كه م ي توان رابطه اي علي بين آنها قائل شد و متغير سومي براي
كنترل رابطه آن دو انتخاب كنيد. با استدلال خود متغير وابسته و مستقل را
مشخص كرده، با فرمان مقتضي جدول تقاطعي جزيي آن دو متغير را با كنترل
متغير سوم رسم كرده و تفسير كنيد.
۲. ضرايب پيوستگي جزيي آن دو متغير را با كنترل متغير سوم پيدا كرده و ت فسير
كنيد.
۲ كنترل رابطه دو متغير كمي
كنترل رابطه با متغير سوم كيفي
كنترل رابطه دو متغير كمي با متغير سوم كيفي با مقايسه ضريب تعيين ( ) r2 يا ضريب
Z در طبقات مختلف متغير سوم X و Y دو متغير وابسته و مستقل (r) همبستگي
صورت مي گيرد. اين كنترل در همان فرمان جداول تقاطعي جزيي صورت مي گيرد.
SPSS... ١٨٠ برنامه كامپيوتري آمار
ضريب همبستگي جزيي
براي تشكيل ضريب همبستگي جزيي رابطه دو متغير كمي با متغير سوم كيفي در
وارد قسمت Descriptive Statistics قسمت آمارتوصيفي ،Analyiz بخش تحليل
۱)، در صفحه جدول تقاطعي - جدول تقاطعي شده (شكل ۸
و متغير مستقل مورد Row(s): ۲) متغير وابسته را به خانه سطر - شكل ۸ ) Crosstabs
انتقال مي دهيم. Layer و متغير كنترل را به خانه لايه Column(s): نظر را به خانه ستون
سپس قسمت آماره ها را كليك كرده، در صفحه آماره هاي تقاطعي
۵)، قسمت همبستگي را علامت - شكل ۸ ) Crosstabs: Statistics
مي زنيم و قسمت ادامه را كليك كرده، در صفحه جدول تقاطعي
فرمان را تأييد مي كنيم. Crosstabs
٧ ضريب همبستگي جزيي مخارج ماهانه و تحصيلات با كنترل وضع اشتغال - شكل ٨
فصل هشتم: كنترل رابطه دو متغيره ١٨١
به عنوان مثال، قب ً لا ديديم ضريب همبستگي دو متغير كمي وضع مالي (با شاخص
مخارج ماهانه خانواده به هزار تومان به عنوان متغير وابسته ) و ت حصيلات بر حسب
۰ است . حال رابطه اين دو متغير را با وضع اشتغال كنترل / سال (متغير مستقل ) ۶۷۴
اين دو متغير در بين (Pearson's R) ۷ مي بينيم ضريب همبستگي - مي كنيم. در شكل ۸
٠) بيشتر است. / ۰ است كه از مقدار آن در بين غيرشاغلين ( ٤٦٤ / شاغلين ۸۴۲
با مجذور كردن مقادير ضريب همبستگي هم به مقادير ضريب تعيين جزيي اين
دو متغير بر حسب وضع اشتغال مي رسيم.
كنترل رابطه با متغير سوم كمي
كنترل همبستگي دو متغير كمي با متغير سومي كه كم ي است از طريق همبستگي
با باقيمانده رگرسيون متغير دوم (Z) به متغير سوم (Y) باقيمانده رگرسيون متغير اول
صورت م ي گيرد . اين همبستگي را همبستگي جزيي (يا (Z) به متغير سوم (X)
نشان م ي دهند؛ به عبارت ديگر، ضريب ryx.z همبستگي تفكيكي ) مي گويند و با نماد
Z بعد از برداشتن اثر متغير سوم X و Y مبين ضريب همبستگي ryx.z همبستگي جزيي
از روي آن دو متغير است. اين كنترل با فرمان همبستگي جزيي صورت مي گيرد.
Partial Correlation همبستگي جزيي
در قسمت ،Analyiz در بخش تحليل Partial Correlation فرمان همبستگي جزيي
۸). با ورود به - قسمت جزيي قرار دارد (شكل ۸ ،Correlate همبستگي
باز Partial Correlation اين قسمت (كليك كردن آن ) صفحه همبستگي جزيي
.(۹- مي شود (شكل ۸
SPSS... ١٨٢ برنامه كامپيوتري آمار
Partial قسمت جزيي ،Correlate ٨ قسمت همبستگي - شكل ٨
Partial Correlations ٩ صفحه همبستگي جزيي - شكل ٨
متغير وابسته و متغير مستقل Partial Correlation در صفحه فرمان همبستگي جزيي
و Variables: را از بين متغيرهاي خانه سمت چپ انتخاب كرده، به خانه متغيرها
فصل هشتم: كنترل رابطه دو متغيره ١٨٣
انتقال مي دهيم. سپس در Controlling for: متغير كنترل (متغير سوم) را به خانه كنترل
را تأييد مي كنيم. Partial Correlation همين صفحه فرمان همبستگي جزيي
١٠ گزارش همبستگي جزيي مخارج ماهانه و تماشاي تلويزيون با كنترل تحصيلات - شكل ٨
متغير Partial Correlation ۱۰ گزارش اجراي فرمان همبستگي جزيي - در شكل ۸
كمي وضع مالي (با شاخص مخارج ماهانه خانواده به هزار تومان به عنوان متغير
مستقل) و ميزان تماشاي تلويزيون (متغير وابسته ) با كنترل ت حصيلات بر حسب سال
ارائه شده است . همانطور كه مي بينيم مقدار ضريب همبستگي جزيي اين دو متغير با
كنترل ت حصيلات ۲۷۹ /- است كه از ضريب همبستگي اوليه اين دو متغير (بدون
كنترل ت حصيلات) كه ۳۵۹ /- است كمتر است . اين بدان معنا است كه بخشي از
همبستگي اوليه ناشي از همبستگي هر دو متغير با متغير سوم است . به عبارت ديگر،
متغير سوم بخشي از همبستگي اوليه را تبيين يا تفسير مي كند.
SPSS... ١٨٤ برنامه كامپيوتري آمار
تمرين
۱. از بين متغيرهاي فايل پيمايش نگرش ها دو متغير كمي كه م ي توان رابطه اي ع لي
را X و مستقل Y بين آنها قائل شد انتخاب كنيد . با استدلال خود متغير وابسته
مشخص كرده، متغير سوم كيف ي اي را هم براي كنترل رابط ه آن دو انتخاب كنيد .
با فرمان مقتضي ضرايب پيوستگي جزيي آن دو متغير با كنترل متغير سوم كيفي را
پيدا كرده و تفسير كنيد.
۲. همبستگي جزيي آن دو متغير را با كنترل متغير سومي كه كمي است پيدا كرده و
تفسير كنيد.
۳ كنترل رابطه متغيركمي بامتغيراسمي
كنترل رابطه متغير وابسته كمي با متغير مستقل كيفي (اسمي يا ترتيبي ) و نسبت
همبستگي كه شدت رابطه آنها را اندازه گيري م ي كند با متغير سوم كيفي با مقايسه
ميانگين متغير وابسته در طبقات متغير مستقل در هر يك از طبقات مختلف متغير سوم
صورت مي گيرد. اين كنترل به دو طريق صورت مي گيرد : يكي با همان فرمان
و افزودن متغير سوم به خانه فهرست متغيرمستقل Means ميانگين ها
كه فقط كنترل مقايسه ميانگين ها است . ديگري با فرمان Independent(s)List:
كه هم كنترل مقايسه ميانگين ها Means و فرمان ميانگين ها Split File تقسيم فايل
است و هم كنترل نسبت همبستگي.
Means كنترل ميانگين ها
در قسمت مقايسه ميانگين ها ،Analyiz براي كنترل مقايسه ميانگي ن ها در بخش تحليل
۱۱ ) را كليك كرده، در - قسمت ميانگين ها (شكل ۸ ،Compare Means
فصل هشتم: كنترل رابطه دو متغيره ١٨٥
۱۲ ) متغير وابسته را از بين متغيرهاي خانه سمت - شكل ۸ ) Means صفحه ميانگين ها
انتقال مي دهيم . Dependent List: چپ انتخاب كرده، به خانه فهرست متغير وابسته
سپس متغير سوم (متغير كنترل ) را انتخاب كرده، به خانه فهرست متغير مستقل
منتقل و قسمت را كليك كرده و متغير مستقل Independent(s)List:
منتقل Independent(s)List: (متغير دوم) را هم به خانه فهرست متغير مستقل
Means مي كنيم. و قسمت ادامه را كليك كرده، در صفحه ميانگين ها
فرمان را تأييد مي كنيم.
Means ١١ قسمت ميانگين ها - شكل ٨
به عنوان مثال، در اينجا از بين متغيرهاي پيمايش نگرش ها متغيركيفي جنسيت و
متغيركمي ميزان تماشاي تلويزيون را با اين فرض كه جنسيت بر ميزان تماشاي
تلويزيون تأثير دارد (زن ها بيش از مردها تلويزيون تماشا مي كنن د) به عنوان متغير
مستقل و وابسته انتخاب كرده، مقايسه ميانگي ن ميزان تماشاي تلويزيون زن ها و مردها
را با متغير وضع اشتغال كنترل مي كنيم.
SPSS... ١٨٦ برنامه كامپيوتري آمار
Means ١٢ صفحه ميانگين ها - شكل ٨
١٣ گزارش ميانگين تماشاي تلويزيون برحسب جنسيت با كنترل وضع اشتغال - شكل ٨
فصل هشتم: كنترل رابطه دو متغيره ١٨٧
۱۳ ) مي بينيم كه زنان - شكل ۸ ) Means در گزارش اجراي فرمان كنترل ميانگين ها
به طور متوسط بيش از مردان تلويزيون تماشا مي كنند، و اين تفاوت ميانگين ها در
بين شاغلين بيشتر است.
Split File ١٤ قسمت تقسيم فايل - شكل ٨
نسبت همبستگي جزيي
قسمت تقسيم فايل ،Data براي احتساب نسبت همبستگي جزيي در بخش داده ها
(۱۵- ۱۴ ) را كليك مي كنيم و در صفحه تقسيم فايل (شكل ۸ - (شكل ۸
قسمت مقايسه گروه ها را علامت زده، متغير كنترل (متغيرسوم )
SPSS... ١٨٨ برنامه كامپيوتري آمار
منتقل كرده، فرمان را تأييد Groups Based on: را به خانه مبناي گرو ه بندي
مي كنيم.
Split File ١٥ صفحه تقسيم فايل - شكل ٨
در ،Analyiz استفاده مي كنيم : در بخش تحليل Means حال از فرمان ميانگين ها
قسمت ميانگين ها ،Compare Means قسمت مقايسه ميانگين ها
۱۲ ) متغير - شكل ۸ ) Means ۱۱ ) را كليك كرده، در صفحه ميانگين ها - (شكل ۸
وابسته را از بين متغيرهاي خانه سمت چپ انتخاب كرده، به خانه فهرست متغير
انتقال مي دهيم. متغير مستقل (متغير دوم ) را هم به خانه Dependent List: وابسته
منتقل مي كنيم. Independent(s)List: فهرست متغير مستقل
سپس قسمت گزينه ها را كليك كرده، در صفحه گزينه ميانگين ها
۱۶ ) قسمت جدول آنووا و اتا را - شكل ۸ ) Means: Options
و بعد قسمت ادامه را كليك كرده، فرمان را تأييد مي كنيم.
فصل هشتم: كنترل رابطه دو متغيره ١٨٩
١٦ صفحه گزينه هاي ميانگين ها - شكل ٨
۱۴ ) شده، در - در خاتمه مجدد ًا وارد قسمت تقسيم فايل (شكل ۸
۱۵ ) قسمت خنثي سازي را علامت زده، فرمان - صفحه تقسيم فايل (شكل ۸
خنثي شده و فايل داده ها Split File را تأييد مي كنيم تا فرمان تقسيم فايل
به حالت اول برگردد.
۱۷ گزارش اجراي فرمان احتساب نسبت همبستگي جزيي متغيركي في - شكل ۸
جنسيت و متغيركمي ميزان تماشاي تلويزيون با كنترل متغير وضع اشتغال است . در
اين گزارش مي بينيم كه نسبت همبستگي جزيي در شاغلين بيشتر از نسبت همبستگي
جزيي در غيرشاغلين است.
تمرين
۱. از بين متغيرهاي فايل پيمايش نگرش ها يك متغير كمي و يك متغيركيفي كه
مي توان رابطه اي علي بين آنها قائل شد انتخاب كنيد . مقايسه ميانگين هاي متغير
كمي در طبقات متغيركيفي را با متغير كيفي سومي كنترل كنيد.
SPSS... ١٩٠ برنامه كامپيوتري آمار
۲. نسبت همبستگي جزيي آن دو متغير را با كنترل متغير سوم پيدا كرده و تفسير
كنيد.
١٧ گزارش نسبت همبستگي جزيي تماشاي تلويزيون و جنسيت با كنترل وضع اشتغال - شكل ٨
بخش سوم: آمار استنباطي
محققان معمو ً لا به علت هزينه سنگين و وقت گير سرشماري به نمونه گيري از
جمعيت م ي پردازند تا بر اساس توصيف نمونه به توصيف جمعيت برسند . آمار
استنباطي هم روش هاي برآورد و استنباط خصوصيات جمعيت از روي خصوصيات
نمونه است. در آمار استنباطي عناصريكه داده ها را از آنها گردآوري مي كنيم نمونه
و مجموعه عناصر ي را كه نمونه بخشي از آ ن است جمعيت يا جامعه آماري مي نامند.
همچنين اندازه موجزي از جمعيت (مانند ميانگين ، درصد يا واريان س ) را پارامتر و
معادل آن در نمون ه ر ا آماره يا برآوردگر مي خوانند . بدين ترتيب آمار استنباطي ،
روش هاي استنباط پارامتر مجهو ل جمعيت بر اساس آمار ه معلوم نمونه يا به زبان
ساده تر روش هاي تعميم نمونه به جمعيت است.
آمار استنباطي هم فقط در باره نمونه احتمالي قابل اعمال است. نمونه احتمالي
نمونه اي است كه به گونه اي انتخاب مي شود كه هر عنصر يا هر تركيبي از عناصر
جمعيت از شان س معين و معمو ً لا شانس برابري براي انتخاب شدن در نمونه
برخوردار باشد.
آمار استنباطي ، شامل دو بخش است : يكي برآورد پارامتر (فصل نهم ) كه
روش هاي برآورد و استنباط خصوصيات جمعيت از روي خصوصيات نمونه است. و
SPSS... ١٩٢ برنامه كامپيوتري آمار
ديگري آزمون آماري (فصل نهم ) و آزمون ناپارامتري (فصل دهم ) كه براي نشان
دادن ميزان تعميم پذيري نتايج نمونه به جمعيت است .
فصل نهم: برآورد پارامتر
توزيع نمونه گيري هر آماره اي در نمونه گيري تصادفي ساده كه حجم نمونه بزرگ
توزيع ي نرمال است و ميانگين توزيع نمونه گيري هم با پارامتر ( n ≥ است ( ۳۰
جمعيت برابر است . توزيع نرمال هم توزيعي متقارن ، واحد سنجش آن انحراف
ناميده مي شود ) و ميانگين SE استاندارد (كه در توزيع نمونه گيري خطاي استاندارد
۱). با اتكا بر اين دو ويژگي مي توان تعيين كرد كه آماره - آن صفر اس ت (شكل ۹
نمونه با چه احتمالي (چه سطح اطميناني ) و در چه فاصل ه اي از پارامتر جمعيت
قراردارد. معمو ً لا پارامتر جمعيت با احتمال (سطح اطمينان ) ۹۵ صدم و با اين فرمول
عام برآورد مي شود:
۱ ± آماره نمونه = پارامتر جمعيت /۹۶ SE
بر اساس اين رابطه ، استنباط آماري ما اين خواهد بود كه به احتمال ۹۵ صد م پارامتر
۱ خطاي استاندارد (انحراف / جمعيت معادل آماره نمونه به اضافه و منهاي ۹۶
استاندارد توزيع نمونه گيري) است.
خطاي استاندارد و به تبع آن برآورد پارامتر عمدتًا متأثر از حجم نمونه اند: هر چه
حجم نمونه بزرگتر باشد خطاي استاندارد كوچكتر و برآورد پارامتر دقيق تر (فاصله
برآورد كوچكتر ) خواهد شد، به طوري كه در نمونه اي به بز رگي خود جمعيت
خطاي استاندارد صفر و آماره معادل پارامتر مي شود.
SPSS... ١٩٤ برنامه كامپيوتري آمار
-3 SE -2 SE -1 SE 0 +1 SE +2 SE +3SE
........... % ٦٨/٢٦ ...........
............................. % ٩٥/٤٤ ..............................
............................................... % ٩ ٩ /٧٣ .................................................
۱ نمودار چندضلعي توزيع نرمال - شكل ۹
آماره (SE) بدين ترتيب، برآورد پارامتر جمعيت مستلزم مقدار خطاي استاندارد
نمونه است . اس پي اس اس خطاي استاندارد بسياري از آمار ه ها را حساب م ي كند و از
اين رو به سادگي م ي توان پارامتر آن آمار ه ها را با استفاده از فرمول فوق برآورد
كرد.
۱ برآورد آماره هاي يك متغيره
متغيرهاي كمي
در بين آماره هاي توصيفي توزيع متغيركمي ميانگين و چولگي و كشيدگي
آماره هايي اندكه اس پي اس اس خطاي استان دارد آنها را حساب مي كند. براي اجراي
در قسمت آمار توصيفي Analyiz در بخش تحليل ،SE فرمان خطاي استاندارد
فصل نهم: برآورد پارامتر ١٩٥
(۲- وارد قسمت توزيع فراواني (شكل ۹ Descriptive Statistics
Freqencies مي شويم (روي آن كليك مي كنيم) و در صفحه توزيع فراواني
۳) متغير را از خانه سمت چ پ به خانه سمت راست منتقل كرده، وارد - (شكل ۹
(۴- شكل ۹ ) Statistics قسمت آماره ها مي شويم و در صفحه آمار ه ها
قسمت ميانگين ، خطاي استاندارد ميانگين ، چولگي
و كشيدگي را علامت مي زنيم. سپس قسمت ادامه
را كليك كرده، فرمان را تأييد مي كنيم.
Frequencies ٢ قسمت توزيع فراواني - شكل ٩
Frequencies ٣ صفحه توزيع فراواني - شكل ٩
SPSS... ١٩٦ برنامه كامپيوتري آمار
Statistics ٤ صفحه آماره هاي توزيع فراواني - شكل ٩
با اجراي اين فرمان در صفحه گزارش در جدول آمار ه ها مقدار خطاي استاندارد
۶- ۵ و شكل ۹ - ميانگين و چولگي كشيدگي ظاهر مي شود. به عنوان مثال، شكل ۹ SE
V ميانگين و چولگي و كشيدگي متغيركمي 20 SE گزارش فرمان خطاي استاندارد
(ميزان تماشاي تلويزيون در شبانه روز) در دو نمونه با حجم هاي متفاوت است.
برآورد ميانگين
از روي (μ ) بر اساس فرمول عام برآورد پارامتر، فرمول برآورد ميانگين جمعيت
با احتمال (در سطح اطمينان) ۹۵ صدم عبارت است از: (X ) ميانگين نمونه
μˆ = X ±1.96SE
فصل نهم: برآورد پارامتر ١٩٧
n = با نمونه ٨٠ V ٥ خطاي استاندارد آمار ههاي متغير 20 - شكل ٩
n = با نمونه ۱۶۰۴ V ٦ خطاي استاندارد آماره هاي متغير 20 - شكل ٩
به عنوان مثال، برآورد ميانگين ميزان تماشاي تلويزيون در شبان ه روز در جمعيت ي از
روي ميانگين آن در نمون ه اي احتمالي به حجم ۸۰ نفر ب ا احتمال ۹۵ صدم عبارت
است از:
۳ = برآورد ميانگين جمعيت /۰۰ + ۱/۹۶(۰/۲۰۹)
= ۲/۵۹ - ۳/۴۱
و چنين تفسير مي كنيم كه به احتمال ۹۵ صد م ميانگين ميزان تماشاي تلويزيون در
۳ ساعت است. / ۲ تا ۴۱ / شبانه روز در جمعيت حدود ۵۹
SPSS... ١٩٨ برنامه كامپيوتري آمار
يا برآورد ميانگين ميزان تماشاي تلويزيون در شبا نه روز در جمعيت ديگر از روي
ميانگين آن در نمون ه اي احتمالي به حجم ۱۶۰۴ نفر با احتمال ۹۵ صدم عبارت است
از:
۳ = برآورد ميانگين جمعيت /۴۰۷ + ۱/۹۶(۰/۰۵۵)
= ۲/۲۹ - ۳/۵۳
و چنين تفسير مي كنيم كه به احتمال ۹۵ صد م ميانگين ميزان تماشاي تلويزيون در
۳ ساعت است. / ۲ تا ۵۳ / شبانه روز در آن جمعيت حدود ۲۹
برآورد پارامترهاي چولگي و كشيدگي نيز با همان منطق عمومي برآورد پارامتر
مانند برآورد ميانگين صور ت مي گيرد.
متغيرهاي كيفي
در متغيرهاي كيفي چون سطح سنجش شان كمي (فاصله اي يا نسبتي ) نيست لاجرم
درصد يا نسبت هاي طبقات آن ها را احتساب و گزارش مي كنيم . از اين رو، برآورد
پارامتر در متغيرهاي كيفي برآورد نسبت (درصد) طبقه اي خاص (طبقه مورد نظر )
است كه بر مبناي توزيع احتمالات دوجمله اي صورت مي گيرد. متغير دوجمله اي هم
متغير دو طبقه اي (دو وجهي ، دو شقي ) است. در متغير دوجمله اي نسبت طبقه
مي ناميم . اگر متغير ما دوجمله اي (دو q و طبقه ديگر را p (جمله) مورد نظر را
طبقه اي ) نبود طبقات آن را به دو طبقه تقسيم مي كنيم : يكي طبقه مورد نظر با نسبت
. q و ديگري ساير طبقات با نسبت p
ب ا ا س پي اس اس، متغير جديدي p حال براي احتسا ب خطاي استاندارد نسبت
تشكيل مي دهيم و به طبقه مورد نظر كد ۱ و به طبقه ديگر كد ۰ مي دهيم و از همان
ميانگين استفاده مي كنيم. SE فرمان خطاي استاندارد
فصل نهم: برآورد پارامتر ١٩٩
ميانگين SE ۷ گزارش اجراي فرمان خطاي استاندارد - به عنوان مثال، شكل ۹
متغير دوجمله اي وضع اشتغال (شاغل با كد ۱ و غيرشاغل با كد ۰) در
پيمايش نگرش ها است . همان طور كه مي بينيم مقدار ميانگين در پيمايش نگرش ها
۰ است كه بدان معنا است ۴۵ صدم ( ۴۵ درصد ) نمونه شاغل اند و بقيه غيرشاغل : /۴۵
۰ است. / خطاي استاندارد نسبت شاغلين هم حدود ۰۶ . q = ۰/ و ۵۵ p = ۰/۴۵
n = متغيردوجمله اي با ٨٠ P ٧ خطاي استاندارد نسبت - شكل ٩
n = متغيردوجمله اي با ۱۵۹۹ P ٨ خطاي استاندارد نسبت - شكل ٩
برآورد نسبت متغيردوجمله اي
از روي (P) بر اساس فرمول عام برآورد پارامتر ، فرمول ب رآورد نسبت جمعيت
در متغيردوجمله اي با كد صفر و يك با احتمال (در سطح اطمينان ) ( p) نسبت نمونه
۹۵ صدم عبارت است از:
Pˆ = p ±1.96SE
SPSS... ٢٠٠ برنامه كامپيوتري آمار
به عنوان مثال، برآورد نسب ت شاغلين در جمعيت از روي نسبت شاغلين در نمونه اي
احتمالي به حجم ۸۰ نفر با احتمال ۹۵ صدم عبارت است از:
۰ = برآورد نسبت شاغلين در جمعيت /۴۵ + ۱/۹۶(۰/۰۶)
= ۰/۳۳ - ۰/۵۷
و چنين تفسير مي كنيم كه به احتمال ۹۵ صد م نسبت شاغلين در آن جمعيت حدود
۰ است. / ۰ تا ۵۷ /۳۳
يا برآورد نسبت شاغلين در جمعيت ديگر از روي نسبت شاغلين در نمونه اي
۸) با احتمال ۹۵ صدم عبارت است از: - احتمالي به حجم ۱۵۹۹ نفر (شكل ۹
۰ = برآورد نسبت شاغلين در جمعيت /۳۵ + ۱/۹۶(۰/۰۱)
= ۰/۳۳ - ۰/۳۷
و چنين تفسير مي كنيم كه به احتمال ۹۵ صد م نسبت شاغلين در آن جمعيت حدود
۰ است. / ۰ تا ۳۷ /۳۳
تمرين
۱. يكي از متغيرهاي كمي فايل پيمايش نگرش ها را انتخاب كنيد و ميانگين آن را در
جمعيت برآورد كنيد.
۲. يكي از متغيرهاي كيفي فايل پيمايش نگرش ها را انتخاب كنيد و نسبت يكي از
طبقات آن را در جمعيت برآورد كنيد (راهنمايي: ابتدا متغير كيفي را به متغير
دوجمله اي متشكل از طبقه مورد نظر با كد يك و ساير طبقات با كد صفر تبديل
كنيد).
فصل نهم: برآورد پارامتر ٢٠١
۲ برآورد آماره هاي دو متغيره
اس پي اس اس خطاي استاندارد بسياري از اندازه ها و ضرايب توصيفي شدت رابطه دو
متغير را حساب مي كند.
خطاي استانداردضرايب دومتغيره اسمي
اس پي اس اس در بين ضرايب دومتغيره اسمي، خطاي استاندارد ضريب لاندا
و ضريب Goodman and Kruskal tau ضريب تااو گودمن وكراسكال ،(Lambda)
را حساب مي كند. Uncertainty Coefficient عدم قطعيت
ضرايب دومتغيره اسمي در بخش تحليل SE براي اجراي فرمان خطاي استا ندارد
وارد قسمت جدول ،Descriptive Statistics در قسمت آمارتوصيفي ،Analyiz
Crosstabs ۹) شده، در صفحه جدول تقاطعي - تقاطعي (شكل ۹
۱۰ ) از خانه سمت چپ متغير وابسته را به خانه سطر و متغير - (شكل ۹
مستقل را به خانه ستون منتقل كرده و وارد قسمت آماره ها
مي شويم.
Crosstabs ٩ قسمت جدول تقاطعي - شكل ٩
SPSS... ٢٠٢ برنامه كامپيوتري آمار
Crosstabs ١٠ صفحه جدول تقاطعي - شكل ٩
Crosstabs : Statistics ١١ صفحه آمار ههاي جدول تقاطعي - شكل ٩
فصل نهم: برآورد پارامتر ٢٠٣
۱۱ ) در قسمت - شكل ۹ ) Crosstabs Statistics سپس در صفحه آماره هاي تقاطعي
اسمي ضرايب دومتغيره اسمي مورد نظر خود را علامت م ي زنيم و
قسمت ادامه را كليك كرده، فرمان را تأييد مي كنيم.
ضرايب رابطه دو متغيراسمي احساس خوشبختي و جنسيت (Std. Error) ١٢ خطاي استاندارد - شكل ٩
ضرايب دومتغيره اسمي SE ١٢ گزارش اجراي فرمان خطاي استا ندارد - شكل ٩
احساس خوشبختي (دوطبقه اي) به عنوان متغير وابسته و متغير جنسيت به عنوان متغير
مستقل است. همانطور كه در اين شكل مي بينيم مقدار خطاي استاندارد ضرايب
آمده است . به (Asymp. Std. Error) مذكور در ستون خطاي استاندارد مفروض
رابطه احساس خوشبختي به (Lambda) عنوان مثال، خطاي استاندارد ضريب لانداي
٠ است. / با جنسيت ١٦٩ (Dependent) عنوان متغير وابسته
SPSS... ٢٠٤ برنامه كامپيوتري آمار
خطاي استانداردضرايب دومتغيره ترتيبي
اس پي اس اس خطاي استاندارد همه ضرايب دومتغيره ترتيبي، ضريب دي سامرز
ضريب تااو سي كندال ،(Kendall's tau-b) ضريب تااو بي كندال ،(Somers'd)
و ضريب همبستگي رتب هاي اسپيرمن (Gamma) ضريب گاما ،(Kendall's tau-b)
را حساب مي كن د. (Correlation Spearman)
V16r و 3 V8r ضرايب رابطه دو متغيرترتيبي 3 (Std. Error) ١٣ خطاي استاندارد - شكل ٩
ضرايب دومتغيره ترتيبي در بخش تحليل SE براي اجراي فرمان خطاي استا ندارد
وارد قسمت جدول ،Descriptive Statistics در قسمت آمارتوصيفي ،Analyiz
Crosstabs ۹) شده، در صفحه جدول تقاطعي - تقاطعي (شكل ۹
۱۰ ) از خانه سمت چ پ متغير وابسته را به خانه سطر و متغير - (شكل ۹
فصل نهم: برآورد پارامتر ٢٠٥
مستقل را به خانه ستون منتقل كرده و وارد قسمت آماره ها
مي شويم.
۱۱ ) در قسمت - شكل ۹ ) Crosstabs Statistics سپس در صفحه آماره هاي تقاطعي
ترتيبي ضرايب دومتغيره ترتيبي مورد نظر خود را علامت م ي زنيم و
قسمت ادامه را كليك كرده، فرمان را تأييد مي كنيم.
ضرايب دومتغيره ترتيبي SE ١٣ گزارش اجراي فرمان خطاي استا ندارد - شكل ٩
احساس خوشبختي (سه طبقه اي) به عنوان متغير وابسته و متغير تحصيلات (سه
طبقه اي) به عنوان متغير مستقل ا ست. به عنوان مثال، خطاي استاندارد ضريب تااو
٠ است. / رابطه احساس خوشبختي با تحصيلات ٠٨١ (Kendall's tau-c) سي كندال
خطاي استانداردضرايب دومتغيره كمي
را هم حساب م ي كند . (r) اس پي اس اس خطاي استاندارد ضريب همبستگي پيرسون
،Analyiz ضريب همبستگي در بخش تحليل SE براي اجراي فرمان خطاي استاندارد
وارد قسمت جدول تقاطعي ،Descriptive Statistics در قسمت آمارتوصيفي
(۱۰- شكل ۹ ) Crosstabs ۹) شده، در صفحه جدول تقاطعي - (شكل ۹
از خانه سمت چپ متغير وابسته را به خانه سطر و متغير مستقل را به خانه
ستون منتقل كرده و وارد قسمت آماره ها مي شويم.
۱۱ ) قسمت - شكل ۹ ) Crosstabs Statistics سپس در صفحه آماره هاي تقاطعي
همبستگي را علامت م ي زنيم و قسمت ادامه را كليك
كرده، فرمان را تأييد مي كنيم.
ضريب همبستگي دو SE ١٤ گزارش اجراي فرمان خطاي استا ندارد - شكل ٩
متغير كمي وضع مالي (با شاخص مخارج ماهانه خانواده ) به عنوان متغير وابسته و
٠ است. / تحصيلات (بر حسب سال) به عنوان متغير مستقل است كه ٠٦٤
SPSS... ٢٠٦ برنامه كامپيوتري آمار
Educ و V ضريب همبستگي دومتغير كمي 27 (Std. Error) ۱۴ خطاي استاندارد - شكل ۹
برآورد ضرايب
با به دست آمدن خطاي استاندارد هر ضريب دو متغيره اي به سادگي مي توان مقدار
آن ضريب را در جمعيت بر اساس فرمول عام برآورد پارامتر جمعيت با احتمال
(سطح اطمينان ) ۹۵ صدم پيدا كرد . به عنوان مثال، برآورد ضريب همبستگي دو متغير
۱۴ ) با احتمال ۹۵ صدم عبارت - كمي وضع مالي و ت حصيلات بر حسب سال (شكل ۹
است از:
۰ = برآورد ضريب همبستگي در جمعيت /۶۷۴ + ۱/۹۶(۰/۰۶۴)
= ۰/۵۴۹ - ۰/۷۹۹
و چنين تفسير مي كنيم كه به احتمال ۹۵ صد م همبستگي دو متغير كمي وضع مالي و
۰ است. / ۰ تا ۸۰ / تحصيلات در جمعيت حدود ۵۵
فصل نهم: برآورد پارامتر ٢٠٧
تمرين
۱. از بين متغيرهاي فايل پيمايش نگرش ها دو متغير اسمي (يا يك متغير اسمي و يك
متغير ترتيبي ) كه م ي توان رابطه اي علي بين آنها قائل شد انتخاب كنيد . با فرمان
مقتضي اندازه رابطه دو متغير را با ضريب مناسبي نشان داده، خطاي استاندارد آن
را پيدا كرده، مقدار آن ضريب را در جمعيت برآورد كنيد.
۲. تمرين ۱ را براي دو متغير ترتيبي انجام دهيد.
۳. تمرين ۱ را براي دو متغير كمي انجام دهيد.

فصل دهم: آزمون آماري
از آنجا كه نمونه احتمالي جزيي از جمعيتي بزرگتر است طبعًا هر آماره اي كه
حاصل نمونه است با پارامتر متناظر در جمعيت خود تفاوت دارد . به مقدار اين
تفاوت طبيعي كه تفاضل آماره از پارامتر است خطاي نمونه گيري اطلاق مي شود . از
همين رو، در مورد آماره ها خاصه آماره هاي دومتغيره (تفاوت درصدها، تفاوت
ميانگين ها، اندازه ها و ضرايب دو متغيره ) اين سؤال مطرح مي شود كه آيا آماره نمونه
صرفًا ناشي از خطاي نمون ه گيري است يا نه، انعكاس پارامتر جمعيت است . آزمون
آماريكه بخش ديگر آمار استنباطي است براي پاسخ به اين سؤال است؛ آزمو ن
آماري در پي نشان دادن تعميم پذير بودن يا نبودن نتايج نمونه به جمعيت است.
منطق آزمون هاي آماري . درآزمون هاي آماري فرض مي كنيم كه مقدار آماره در
مي گويند. در صورتي كه (H جمعيت صفر است . از همين رو به آن فرضيه صفر ( 0
فرضيه صفر درست باشد (واقعيت داشته باشد ) توزيع نمونه گيري آماره، توزيعي
كه توزيعي شبيه توزيع نرمال است ) با ميانگين t نرمال (و در نمونه كوچك توزيع
صفر و خطاي استاندارد آن آماره خواهد بود . بخشي از توزيع نمونه گيري آماره را
كه احتمال وق وع آماره كم است و در دامن ه هاي توزيع نمون ه گيري قرار دارد منطقه
رد فرضيه صفر تعيين م ي كنيم. مساحت منطقه رد را آلفا مي ناميم و معمو ً لا آن را
SPSS... ٢١٠ برنامه كامپيوتري آمار
نقطه شروع منطقه .(α =٠/ ۰ مساحت توزيع نمون ه گيري در نظر م ي گيريم ( ٠٥ /۰۵
مي خوانيم. (Critical Value) رد را هم نقطه يا مقدار تعيين كننده
- 1- ) منطقه رد در دامنه راست (شكل ۱۰ tailed ، در آزمون يك دامنه (يك دنباله
۱ خطاي / ۱) يا در دامنه چپ قرار دارد و مقدار تعيين كننده در آلفاي پنج صدم، ۶۵
2- ) نيمي از منطقه رد tailed ، استاندارد آن آماره است . در آزمون دو دامنه (دو دنباله
در دامنه راست قرار دارد و نيمي ديگر در دامنه چپ و مقدار تعيين كننده در آلفاي
.(۲- ۱ خطاي استاندارد آن آماره است (شكل ۱۰ / پنج صدم، ۹۶
+ 1.65 SE
............................................ % ٩٥ ....................................................... % ٥ ............
α =۰/ ١ منطقه رد (قسمت خاكستري) در آزمون يك دامنه، ۰۵ - شكل ١٠
هرگاه آماره مورد مشاهده در منطقه رد بيفتد، چون احتمال وقوع آن تحت
فرضيه صفر ضعيف است فرضيه صفر را رد م ي كنيم : نتيجه گي ري مي كنيم كه به
۱) فرضيه صفر رد م ي شود. اين بدان معنا است كه -α احتمال ۹۵ صدم (به احتمال
به احتمال ۹۵ صدم نتايج نمونه ناشي از خطاي نمون ه گيري نيست . به عبارت ديگر، به
فصل دهم: آزمون آماري ٢١١
احتمال ۹۵ صدم آماره مورد مشاهده به جمعيت تعميم پذير است : آنچه در نمو نه
مشاهده مي شود كم و بيش در جمعيت هم وجود دارد.
─ 1.96 SE + 1.96 SE
....... % ٢/٥ ........................................ %٩٥ ......................................... % ٢/٥ ........
α = ۰/ ٢ منطقه رد (قسمت خاكستري) در آزمون دو دامنه، ۰۵ - شكل ١٠
در اس پي اس اس احتمال اين كه تحت فرضيه صفر، آماره مورد مطالعه مقداري
خاص (مقدار مورد مشاهده ) يا بيش از آن باشد با همين منطق محاسبه شده، تحت
ارائه مي شود . (Sig با علامت اختصاري ) Significance Level عنوان سطح معناداري
(Sig ≤ ۰/ ۰ يا كمتر از آن شد ( ۰۵ / حال هر جا كه سطح معناداري آماره مساوي ۰۵
بدان معنا است كه آن آماره در منطقه رد قرار دارد . بنا براين، نتيجه گيري مي كنيم
كه به احتمال ۹۵ صدم فرضيه صفر رد م ي شود و آماره مورد مشاهده قابل تعميم ب ه
۰ ممكن است خطا كنيم . از اين / جمعيت است . البته در اين نتيج ه گيري به احتمال ۰۵
رو، سطح معناداري را احتمال غلط بودن رد فرضيه صفر تعريف مي كنند.
SPSS... ٢١٢ برنامه كامپيوتري آمار
تعميم پذيري نتايج نمونه به جمعيت عمدتًا تابع حجم نمونه است : هر چه حجم
نمونه بزرگتر باشد تعميم پذيري نتايج نمونه ب ه جمعيت بيشتر مي شود، به طوري كه در
نمونه اي به بزرگي خود جمعيت تعميم پذيري كامل وجود دارد؛ نتايج نمونه و
جمعيت يكي است . گذشته از اين، تعمي م پذيري نتايج نمونه به مقدار آماره هم
بستگي دارد : هر چه مقدار آماره (تفاوت درصدها، تفاوت ميانگين ها، اندازه ها و
ضرايب دو متغيره ) بزرگتر باشد تعمي م پذيري نتايج نمونه به جمعيت بيشتر مي شود .
همين امر باعث شده است كه آزمون آماري با آزمون فرضيه تحقيق (فرضيه رابطه
دومتغيره) خلط شود . گو اين كه آزمون آماري (آزمون فرضيه صفر ) از مقدار رابطه
دو متغيره هم متأثر است اما آزمون آما ري جزيي از آمار استنباطي بوده، در پي نشان
دادن تعمي م پذير بودن يا نبودن نتايج نمونه به جمعيت است . در حالي كه آزمون
فرضيه تحقيق جزيي از آمار توصيفي بوده، با جدول تقاطعي يا اندازه ها و ضرايب دو
متغيره صورت م ي گيرد. آمار توصيفي به ما نشان م ي دهد كه بين دو متغ ير رابطه
وجود دارد يا نه و اگر وجود دارد شدت آن چقدر است . اگر در نمونه مورد مطالعه
بين دو متغير رابطه وجود داشت، آنگاه آمار استنباطي (آزمون آماري ) به ما نشان
مي دهد كه رابطه مذكور در جمعيت هم وجود دارد يا نه.
۱ تفاوت ميانگين ها
در آمار توصيفي بررسي رابطه متغير وابسته كمي با متغير مستقل كيفي (اسمي يا
ترتيبي) با مقايسه ميانگين (تفاضل ميانگين ها) متغير وابسته در طبقات متغير مستقل و
ضريب نسبت همبستگي صورت م ي گيرد. در آمار استنباطي آزمون تعميم پذيري
تفاوت ميانگين ها به جمعيت در جايي كه متغير مستقل داراي دو طب قه (گروه) است با
فصل دهم: آزمون آماري ٢١٣
صورت F و در جايي كه متغير مستقل بيش از دو طبقه دارد با آزمون t آزمون
مي گيرد.
t آزمون
براي آزمون تعمي م پذيري تفاضل ميانگين هاي دو گروه (نمونه ) مستقل، t از آزمون
تفاضل ميانگي ن هاي دو گروه (نمونه) وابسته، و تفاضل ميانگي ن يك گروه (نمونه) ب ا
ميانگين مفروض جمعيت استفاده مي شود.
تفاوت ميانگين دونمونه مستقل t آزمون
تفاوت ميانگي ن دو نمونه مستقل براي آزمون تفاوت ميانگي ن متغيري كمي t آزمون
در قسمت ،Analyiz در دو گروه مستقل است . فرمان اين آزمون در بخش تحليل
نمونه هاي مستقل t قسمت آزمون ،Compare Means مقايسه ميانگي نها
۳). با ورود به اين قسمت - قرار دارد (شكل ۱۰
Independent-Samples T Test نمونه هاي مستقل t (كليك كردن آن) صفحه آزمون
.(۴- باز مي شود (شكل ۱۰
نمونه هاي مستقل t ٣ قسمت آزمون - شكل ١٠
SPSS... ٢١٤ برنامه كامپيوتري آمار
نمونه هاي مستقل t ٤ صفحه آزمون - شكل ١٠
نمونه هاي مستقل t ٥ صفحه تعريف گرو هها در آزمون - شكل ١٠
در صفحه مذكور از خانه سمت چپ، متغير وابسته را انتخاب (روي آن كليك
منتقل م يكنيم. متغير مستقل را هم Test Variable(s): كرده) و به خانه متغير آزمون
منتقل كرده، روي قسمت تعريف Grouping Variable: به خانه متغير گروه بندي
Define Groups گروه ها كليك مي كنيم. در صفحه تعريف گروه ها
و Group ۵) كد گروه (طبقه) اول متغير مستقل را در خانه گروه يك : 1 - (شكل ۱۰
درج مي كنيم . سپس قسمت Group كد گروه (طبقه) دوم را در خانه گروه دو : 2
ادامه را كليك كرده، فرمان را تأييد مي كنيم.
فصل دهم: آزمون آماري ٢١٥
تفاوت ميانگين دو گروه زنان t ۶ گزارش فرمان آزمون - به عنوان مثال، شكل ۱۰
و مردان در ميزان تماشاي تلويزيون در شبانه روز است . جدول آماره هاي گروه ها
به توصيف متغير كمي در گروه ها (طبقات متغير مستقل ) Group Statistics
نتايج Independent Samples Test اختصاص دارد و جدول آزمون نمونه هاي مستقل
را نشان مي دهد. t آزمون
Group Statistics
V21
جنسيت N Mean Std. Deviation
Std. Error
Mean
در شبانهروز چند ساعت V 41 مرد 20 1 2.34 1.559 .243
تلويزيون تماشا ميآنيد؟
39 زن 2 3.69 1.935 .310
Independent Samples Test
Levene's Test
for Equality of
Variances t-test for Equality of Means
95% Confidence
Interval of the
Difference
F Sig. t df
Sig. (2-
tailed)
Mean
Difference
Std. Error
Difference Lower Upper
Equal variances
V20 assumed .940 .335 3.446 78 .001 1.351 .392 .570 2.131
Equal variances
not assumed
3.428 72. 9 78 .001 1.351 .394 .565 2.136
V و 21 V نمونه هاي مستقل، متغير 20 t ٦ گزارش آزمون - شكل ١٠
۱/ دو گروه ۳۵۱ (Mean Difference) همانطور كه مي بينيم تفاوت ميانگين
۱ ساعت بيش از مردان / ساعت است (زنان در شبانه روز به طور متوسط ۱۳۵
۰/ تفاوت ميانگين ها ۰۰۱ (Sig. 2-tailed) تلويزيون تماشا مي كنند) و سطح معناداري
۰ است . بنا براين، نتيجه گيري مي كنيم كه به / است كه كمتر از سطح معناداري ۰۵
احتمال ۹۵ صدم فرضيه صفر رد م ي شود و آماره مورد مشاهده قابل تعميم به جمعيت
SPSS... ٢١٦ برنامه كامپيوتري آمار
است. به عبارت ديگر تفاوت ميانگين ميزان تماشاي تلويزيون در شبانه روز دو گروه
زنان و مردان كم و بيش در جمعيت هم وجود دارد.
است ( n < در جايي كه حجم نمونه كوچ ك ( ۳۰ t از پيش فرض هاي آزمون
براي Levene's Test عدم تفاوت (همساني) واريانس دو گروه است . آزمون لون
آزمون لون F آزمون اين پيش فرض است : در جايي كه سطح معناداري آماره
بدان معنا است كه به احتمال ۹۵ (Sig ≤ ۰/ ۰ يا كمتر از آن شد ( ۰۵ / مساوي ۰۵
صدم فرض عدم تفاوت واريانس ها رد م ي شود و در جايي كه سطح معناداري آماره
بدان معنا است كه به احتمال ۹۵ صدم (Sig >۰/ ۰ شد ( ۰۵ / مذكور بزرگتر از ۰۵
F فرض عدم تفاوت واريانس ها تأييد مي شود . در اين مثال سطح معناداري آماره
۰ است كه بدان معنا است به احتمال ۹۵ صدم فرضيه صفر / آزمون لون حدود ۳۴
(فرض عدم تفاوت واريانس ها) تأييد مي شود.
خطاي Independent Samples Test در جدول آزمون نمون ههاي مستقل
هم براي برآورد پارامتر ارائه Std. Error Difference استاندارد تفاوت ميانگين ها
۰ است . بر اساس / مي شود. در اين مثال خطاي استاندارد تفاوت ميانگي ن ها حدود ۳۹
اين خطاي استاندارد ، تفاوت ميانگين ها در جمعيت از روي تفاوت ميانگين ها در
۰ تا / نمونه با احتمال (در سطح اطمينان ) ۹۵ صدم هم برآورد شده است كه حدود ۵۷
۲ ساعت است : به احتمال ۹۵ صدم تفاوت ميانگين ميزان تماشاي تلويزيون در /۱۳
۲ ساعت است. / ۰ تا ۱۳ / شبانه روز دو گروه زنان و مردان در جمعيت حدود ۵۷
ميانگين تفاوت دونمونه جفت(وابسته) t آزمون
در جايي كه هر عنصري (موردي) از يك گروه با عنصري (موردي) از گروه ديگر
مرتبط باشند آن گروه ها ر ا دوگروه وابسته يا دوگروه جفت مي نامند، مانند زنان و

SPSS راهنماي استفاده از برنامه ي اس پي اس اس3

صل دوم: پردازش دادهها ٦٩
ميانگين گيري
است . براي اجراي اين Mean راه ديگر مقياس سازي استفاده از فرمان ميانگين گيري
قسمت محاسبه متغير را Transform فرمان در بخش تبديل
Compute Variable ۲۱ ). با اين فرمان صفحه محاسبه متغير - كليك مي كنيم (شكل ۲
Function group: ۲۲ ). در اين صفحه در خانه گروه توابع - باز مي شود (شكل ۲
را انتخاب كرده، در خانه پايين (خانه توابع و متغيرهاي Sٍtatistical قسمت آماري
را انتخاب Mean فرمان ميانگين گيري (Functions and Special Variables ويژه
(كليك) مي كنيم. سپس فلش رو بالا را كليك مي كنيم تا فرمان مذكور به
Numeric در خانه بالاي سمت راست (خانه فرمول عددي MEAN(?, ?) صورت
ظاهر شود . حال در جاي علامت سؤال متغيرهاي تشكي ل دهنده مقياس (Expression
را وارد نموده، بعد از هر متغ ير ويرگول مي گذاريم و بعد از يك اسپيس فاصله، متغير
بعدي را وارد مي كنيم.
،V به عنوان مثال، براي ساختن مقياسي بر حسب ميانگين گيري از سه متغير 12
در خانه متغير هدف Compute Variable در صفحه محاسبه متغير V و 14 V13
درج كرده، در صفحه نوع و Scale نام متغير جديد را فرض ًا 2 Target Variable
آن را ” ميزان درستكاري برحسب ميانگي ن سه متغي ر“ Type & Lable تعريف متغير
سه متغير مذكور را بدين Mean تعريف مي كنيم. و بعد از انتخاب فرمان ميانگين گيري
سپس فرمان را تأييد . MEAN (V12, V13, V صورت وارد مي كنيم: ( 14
.(۲۳- مي كنيم (شكل ۲
عدم اتكاي دامنه نمرات آن به تعداد متغيرهاي Mean مزيت فرمان ميانگين گيري
متشكله و سادگي تفسير نمرات آن بر اساس تفسير طبقات متغيرهاي متشكله آن
است. مث ً لا در مثال فوق، نمره ۱ در مقياس درستكاري مانند معني طبقه ” خيل يك م“
SPSS... ٧٠ برنامه كامپيوتري آمار
است و نمره ۵ به معني بالاترين ميزان V و 14 V13 ،V هر يك از متغيرهاي 12
درستكاري مانند معني طبقه ” خيل ي زياد“ آن متغيرها است.
مقياس بر اساس تعداد متغيرهاي معتبر Mean در مقياس سازي با ميانگين گيري
(فاقد داده ناقص ) ساخته م ي شود، ولو آن كه فقط يك متغير داراي داده معتبر باشد .
از اين رو، چنانچه بخواهيم م قياس مان حداقل متكي بر بخشي از متغيرهاي متشكله
بعد از MEAN(?, ?) آن باشد (مث ً لا حداقل نيمي از آنها) در فرمول ميانگين گيري
كلمه ميانگين تعداد حداقل را درج م ي كنيم. به عنوان مثال، در ميانگين گيري از سه
اگر بخواهيم مقيا س مان حداقل متكي ب ر دو متغير باشد V و 14 V13 ،V متغير 12
. MEAN 2 (V12, V13, V بدين صورت عمل مي كنيم: ( 14
V و 14 V13 ،V ٢٣ ميانگين گيري از سه متغير 12 - شكل ٢
فصل دوم: پردازش دادهها ٧١
تمرين
۱. از بين متغيرهاي (پرسش هاي) فايل پيمايش نگرش ها چند متغير هم ارز (مشابه ) را
براي ساختن مقياسي كه مع رف مفهومي (متغيري) تك بعدي است انتخاب كنيد .
حال به دو طريق با آنها يك مقياس بسازيد:
الف: با فرمان جمع كردن
ب: با فرمان ميانگين گيري.

بخش دوم: آمار توصيفي
آما ربه عنوان يك رشته علمي، مجموعه اي از مفاهيم و انداز ه ها و تكنيك ها
براي توصيف موجز يك جمعيت يا برآورد خصوصيات جمعيت از روي نمونه اي
معرف از آن است . بدين ترتيب، آمار به دو شاخه اصلي تقسيم مي شود : آمار
توصيفي و آمار استنباطي . آمار توصيفي كه محاسبات كامپيوتري آن موضوع اين
بخش است شامل اندازه ها و تكنيك هايي براي توصيف مجموعه اي از مشاهدات
آماري است؛ كار آمار توصيفي سنجش تفاو ت ها و توليد داده ها و تلخيص و تحليل
(نشان دادن تركيب داده ها و الگو هاي) آنها است.
روش ها و تكني ك هاي آماري عمومًا بر اساس سطح سنجش متغي ر ها به چند دسته
تقسيم مي شود و در درون هر دسته نيز تنوعي از روش ها بر اساس نوع روش آماري
وجود دارد . از اين رو، در اين بخش تشريح نحوه كاربرد برنامه ا س پي اس اس براي
محاسبات كامپيوتري تحليل آماري يك متغيره تحت عنوان متغير كيفي (فصل
سوم) ، متغير كمي (فصل چهارم ) و رابطه دومتغيره تحت عنوان رابطه دومتغيره اسمي
(فصل پنجم )، رابطه دومتغيره ترتيبي (فصل ششم )، رابط ه دومتغيره كمي (فصل
هفتم) و كنترل آماري رابطه دومتغيره (فصل هشتم) صورت مي گيرد.

فصل سوم: تحليل متغير كيفي
متغيركيفي متغيري است كه نمي توان آن را با ابزار كمي اندازه گيري كرد، بلكه
سنجش آن به صورت طبقه بندي صورت مي گيرد. متغيرهاي كيفي به دو دسته تقسيم
مي شوند: متغيرهاي اسمي و متغيرهاي ترتيبي . متغير اسمي شامل طبقاتي است كه
نوعًا متفاوتند و هر طبقه اسم خاصي دارد . متغير ترتيبي شامل طبقات ي است كه بين
آنها سلسله مراتب وجود دارد، يعني طبقات نسبت به هم بالا و پايين يا كم و زياد
هستند. توصيف يك متغيره متغيرهاي كيفي با تحليل توزيع فراواني، نمودار و نما
صورت مي گيرد.
۱ توزيع فراواني
اصلي ترين شيوه توصيف متغير كيفي توصيف تعداد و سهم طبقات آن است . اين
توصيف با جدول توزيع فراواني صورت م ي گيرد . جدول توزيع فراواني، تعداد
(فراواني) و نسبت (درصد) هر طبقه متغير را نشان مي دهد.
قسمت آمارتوصيفي ،Analyiz در بخش تحليل Freqencies فرمان توزيع فراواني
قسمت توزيع فراواني قرار دارد ،Descriptive Statistics
۱). با ورود به اين قسمت (كليك كردن آن) صفحه توزيع - (شكل ۳
SPSS... ٧٦ برنامه كامپيوتري آمار
۲). در اين صفحه از خانه سمت چپ، متغير - باز م ي شود (شكل ۳ Freqencies فراواني
يا مجموعه اي از متغيرها را انتخاب كرده (روي آن كليك كرده ) و روي فلش
بين دو خانه كليك مي كنيم تا متغيرهاي منتخب (بلوكه شده ) به خانه سمت راست
منتقل شود . سپس قسمت تأييد را كليك مي كنيم تا فرمان توزيع فراواني
اجرا شود.
Frequencies ١ قسمت توزيع فراواني - شكل ٣
Frequencies ٢ صفحه توزيع فراواني - شكل ٣
فصل سوم: تحليل متغير كيفي ٧٧
SPSS با اجراي اين فرمان، جدول توزيع فراواني در صفحه (فايل ) گزارش
V ۳ گز ارش فرمان توزيع متغير 6 - ظاهر مي شود. به عنوان مثال، شكل ۳ Viewer
(سؤال ”در خانواد ه شما تصمي م نهاي ي را چ ه كس ي م يگيرد ؟“) پيمايش نگرش ها است .
همانطور كه مي بينيم در صفحه گزارش دو جدول ظاهر شده است : جدول اول آمار
را نشان مي دهد. جدول (Missing) و موردهاي ناقص (Valid) تعداد موردهاي معتبر
دوم هم توزيع فراواني متغير است.
V ٣ گزارش جدول توزيع فراواني متغير 6 - شكل ٣
SPSS... ٧٨ برنامه كامپيوتري آمار
جدول توزيع فراواني
،Valid ستون اول جدول توزيع فراواني متغير شامل اين اقلام است : موردهاي معتبر
موردهاي معتبر دربرگير نده طبقات .Total و كل موردها Missing داده هاي ناقص
متغير و كل موردهاي معتبر است؛ مورد معتبر هم موردي است كه در يكي از طبقات
هم نشان دهنده موردهايي Missing متغير قرار گرفته است. داده هاي ناقص
(پاسخگوياني) است كه به علت امتناع از پاسخ دادن، ندانستن پاسخ يا از قلم افتادن
پاسخ يا بي ربط بودن پرسش بدانها در هيچ يك از طبقات متغير جاي نگرفت هاند. كل
موردها هم مجموع تعداد تمام موردها (موردهاي معتبر و داده هاي ناقص) است.
متغير اختصاص دارد و نشان دهنده تعداد Frequency ستون دوم به فراواني
موردهاي هر طبقه متغير و داد ه هاي ناقص است . در اين مثال، ۳۷ مورد تصميم
گيرنده اصلي در خانواده خود را پدر خانواده نام برده اند، ۷ نفر مادر و ۱۶ نفر هر دو
(Valid) را و الي آخر . در مجموع ۷۷ مورد (پاسخگو ) به اين سؤال پاسخ معتبر
داده اند. يكي از پاسخگويان (موردها) از پاسخ دادن امتناع ورزيده، يكي هم اظهار
كرده است كه نم ي داند. از اين رو، هما ن طور كه از قبل تعري ف شده است پاسخ هر
به شمار آمده است . پاسخ يك مورد (يكي از Missing دو پاسخ نامعتبر يا داده ناقص
پاسخگويان) هم از قلم افتاده است كه به طور خودكار داده ناقص از قلم افتاد ه
به شمار مي آيد. مجموع فراواني معتبر و نامعتبر ( ۷۷ پاسخ معتبر و ۳ پاسخ System
نامعتبر) هم ۸۰ شده است كه تعداد كل موردهاي (پاسخگويان) اين مثال است.
طبقات است كه از نسبت فراواني هر طبقه به كل Percent ستون سوم درصد
Valid Percent فراواني ها ضرب در ۱۰۰ به دست مي آيد. ستون چهارم درصد معتبر
طبقات است كه مبين نسبت فراو اني هر طبقه به كل فراوان ي هاي معتبر ضرب در ۱۰۰
است. در تفسير و تحليل توزيع متغير به اين ستون استناد مي كنيم. به عنوان مثال، در
۴۸ درصد) از افراد تصمي م گيرنده اصلي / ۳ مي بينيم كه نزديك به نيمي ( ۱ - شكل ۳
فصل سوم: تحليل متغير كيفي ٧٩
۲۰ درصد ) پدر و / در خانواده خود را پدر خانواده نام برده اند، حدود يك پنجم ( ۸
مادر را مشتركًا تصمي م گيرنده اصلي در خانواده خود م ي دانند، نزديك به يك پنجم
۱۸ درصد ) از افراد هم معتقدند همه اعضاي خانواد ه شان در تصميم گيري نقش /۲)
۹ درصد ) از افراد تصميم گيرنده اصلي در خانواده / دارند و فقط بخش كوچكي ( ۱
۳ درصد) از افراد هم / خود را مادر خانواده نام برده اند. بخش كوچكتري ( ۹
تصميم گيرنده اصلي در خانواده خود را افراد ديگري ذكر كرده اند.
طبقات است كه مبين درصد (Cumulative Percent) ستون پنجم درصد تجمعي
هر طبقه به اضافه درصد طبقات ماقبل آن است . درصد تجمعي مناسب متغيرهاي
كمي است و در تفسير و تحليل توزيع متغيرهاي كيفي به كار نمي آيد.
تغيير آرايش جدول
از آنجا كه جدول توزيع فراواني متغير اسمي به صورت توصيف سهم طبقات از
بالاترين طبقه به پايين ترين طبقه تفسير مي شود براي تسهيل اين توصيف مي توان در
فرمان جدول توزيع فراواني، طبقات را به ترتيب سهم شان مرتب كرد . بدين منظور
۲) قسمت آرايش جدول - شكل ۳ ) Freqencies در صفحه فرمان توزيع فراواني
۴) در - شكل ۳ ) Format را باز مي كنيم. سپس در صفحه آرايش جدول
خانه سمت چپ قسمت مرتب سازي نزولي فراواني را علامت
زده، قسمت ادامه را كليك مي كنيم. سرانجام در صفحه توزيع
فرمان را تأييد مي كنيم. Freqencies فراواني
با اين فرمان تغيير آرايش جدول، طبقات متغير در جدول توزيع فراواني متغير
۵ بر حسب فراواني از بالاترين طبقه به پايين ترين طبقه مرتب مي شوند. - مانند شكل ۳
تغيير آرايش جدول درخور متغير اسمي است و براي توز يع متغير ترتيبي مناسبت
ندارد. طبقات متغير ترتيبي ف ي نفسه داراي ترتيب اند و از همين رو متغير ترتيبي
SPSS... ٨٠ برنامه كامپيوتري آمار
خوانده مي شود. بنا بر اين، ترتيب طبقات متغير ترتيبي دست نخورده باقي مانده، به
همان صورتي كه تعريف شده است ارائه مي شود.
Format ٤ صفحه آرايش جدول - شكل ٣
V ٥ گزارش جدول توزي ع فراواني مرتب شده متغير 6 - شكل ٣
فصل سوم: تحليل متغير كيفي ٨١
V ٦ گزارش جدول توزيع فراواني متغير 8 - شكل ٣
سؤال ” در ) V ۶ گزارش فرمان توزيع متغير ترتيبي 8 - به عنوان مثال، شكل ۳
زندگ ي چقدر احسا س خوشبخت ي م يكنيد ؟“) پيمايش نگرش ها است . همانطور كه
مي بينيم طبقات اين متغير ترتيبي داراي نظمي از ك مبه ز يا داست و در جدول توزيع
فراواني بدون تغيير آرايش منعكس شده است.
تمرين
جدول توزيع فراواني چند متغير اسمي ف ايل Freqencies ۱. با فرمان توزيع فراواني
پيمايش نگرش ها را گزارش كرده، آنها را تفسيركنيد
جدول توزيع فراواني متغيرهاي مذكور با Freqencies ۲. در فرمان توزيع فراواني
فرمان آرايش جدول طبقات آن متغيرها را به ترتيب سهم شان مرتب كنيد.
SPSS... ٨٢ برنامه كامپيوتري آمار
جدول توزيع فراواني چند متغير ترتيبي فايل Freqencies ۳. با فرمان توزيع فراواني
پيمايش نگرش ها را گزارش كرده، آنها را تفسيركنيد.
۲ نمودارتوزيع متغيركيفي
شيوه ديگر توصيف متغير كيفي نشان دادن توزيع متغير با نمودار است . اين نوع ارائه
توزيع به ويژه براي ارائه گزارش در رسانه هاي عمومي (روزنامه ها، تلويزيون ) بسيار
مفيد است، چو ن فهم آن براي افراد غيرمتخصص از جدول توزيع متغير ساد ه تر
است. نمودار توزيع متغير مانند جدول توزيع متغير است با اين تفاوت كه در جدول
توزيع متغير، تعداد يا فراواني با عدد ارائه مي شود اما در نمودار با خط يا سطح نشان
داده م ي شود. رايج ترين نمودارهاي متغيرهاي كيفي نمودار ميله اي و نمودار دايره اي
است.
نمودار ميله اي
نمودار ميله اي مجموعه اي از ستون ها است كه با فاصله يكنواختي در كنار هم قرار
مي گيرند و هر ستون مختص يكي از طبقات متغير و طول آن متناسب با فراواني يا
درصد آن طبقه است.
قسمت آمارتوصيفي ،Analyiz براي ترسيم نمودار ميله اي در بخش تحليل
۱) را - قسمت توزيع فراواني (شكل ۳ ،Descriptive Statistics
۲). در اين - باز شود (شكل ۳ Freqencies كليك مي كنيم تا صفحه توزيع فراواني
صفحه ابتدا متغير را به خانه سمت راست منتقل كرده، قسمت نمودار
فصل سوم: تحليل متغير كيفي ٨٣
(۷- شكل ۳ ) Frequencies Charts را باز مي كنيم. با باز شدن صفحه نمودار فراواني
قسمت نمودارميله اي را علامت مي زنيم.
بهتر است در پايين صفحه قسمت درصد را هم علامت بزنيم تا
نمودار ميل ه اي بر حسب درصد كه تفسير آن ساد ه تر است ترسيم شود . همچنين
۴) به صورت - شكل ۳ ) Format آرايش طبقات متغير اسمي را با فرمان آرايش جدول
نزولي از بيشترين فراواني تا كمترين فراواني مرتب مي كنيم.
Frequencies Charts ٧ صفحه نمودار فراواني - شكل ٣
سپس قسمت ادامه را كليك كرده، در صفحه توزيع فراواني
فرمان را تأييد مي كنيم. با اجراي اين فرمان، نمودار ميله اي Freqencies
ظاهر مي شود. SPSS Viewer توزيع متغير در صفحه گزارش
V توزيع متغير 6 Bar charts ۸ گزارش فرمان نمودارميله اي - به عنوان مثال، شكل ۳
(سؤال ”در خانواد ه شما تصمي م نهاي ي را چ ه كس ي م يگيرد ؟“) پيمايش نگرش ها است .
در تفسير اين نمودار مي توان گفت كه نزديك به ۵۰ درصد از افراد تصمي م گيرنده
اصلي در خانواده خود را پدر خانواده نام برد ه اند، حدود ۲۰ درصد از افراد پدر و
SPSS... ٨٤ برنامه كامپيوتري آمار
مادر را مشتركًا تصمي م گيرنده اصلي در خانواده خود مي دانند، حدود ۱۸ درصد از
افراد هم معتقدند همه اعضاي خانواد ه شان در تصمي م گيري نقش دارند و فقط حدود
۱۰ درصد از افراد تصميم گيرنده اصلي در خانواده خود را مادر خانواده نام برده اند .
حدود ۴ درصد از افراد هم تصمي م گيرنده اصلي در خانواده خود را افراد ديگري
ذكر كرده اند.
V ٨ نمودارميله اي توزيع متغير 6 - شكل ٣
همانطور كه قب ً لا به ميان آمد تغيير آرايش جدول درخور متغير اسمي است و
براي توزيع متغير ترتيبي مناسبت ندارد . بنابراين، در نمودار ميله اي متغير ترتيبي
۹- ترتيب طبقات به همان صورتي كه هست ارائه مي شود . به عنوان مثال، شكل ۳
س ؤال ”در زندگ ي چقدر احسا س خوشبخت ي ) V نمودار ميله اي توزيع متغير ترتيبي 8
م يكنيد؟“) پيمايش نگرش ها است . همانطور كه مي بينيم ترتيب طبقات اين متغير
ترتيبي (از ك مبه ز ياد) بدون تغيير آرايش در نمودار منعكس شده است.
فصل سوم: تحليل متغير كيفي ٨٥
V ٩ نمودارميله اي توزيع متغير 8 - شكل ٣
فرمان مستقل نمودار ميله اي
هم ترسيم Graphs نمودار ميله اي را مي توان به طور مستقيم از طريق بخش نمودارها
قسمت نمودار ،Legacy Dialogs قسمت نشان ها ،Graphs كرد: در بخش نمودارها
Bar Charts ۱۰ ) را بازكرده، در صفحه نمودار ميله اي - ميله اي (شكل ۳
۱۱ ) قسمت تعريف را كليك م ي كنيم. سپس در صفحه تعريف - (شكل ۳
۱۲ ) متغير مورد نظر را از خانه - شكل ۳ ) Difine Simple Bar نمودارميله اي ساده
خانه اول سمت ) Category Axis سمت چپ انتخاب كرده، به خانه محورطبقات
راست) منتقل كرده، فرمان را تأييد مي كنيم.
SPSS... ٨٦ برنامه كامپيوتري آمار
Bar ١٠ قسمت نمودارميله اي - شكل ٣
Bar Charts ١١ صفحه نمودار ميله اي - شكل ٣
فصل سوم: تحليل متغير كيفي ٨٧
Difine Simple Bar ١٢ صفحه تعريف نمودار ميله اي ساده - شكل ٣
نمودار دايره اي
سطح هر بخش از دايره م بين فراواني (يا درصد ) يكي Pie Charts در نمودار دايره اي
از طبقات متغير است . براي ترسيم نمودار داير ه اي هم مانند نمودار ميل ه اي در بخش
قسمت توزيع فراواني ،Descriptive Statistics قسمت آمارتوصيفي ،Analyiz تحليل
۱) را كليك مي كنيم تا صفحه توزيع فراواني - (شكل ۳
SPSS... ٨٨ برنامه كامپيوتري آمار
۲). در اين صفحه ابتد ا متغير را به خانه سمت - باز مي شود (شكل ۳ Freqencies
راست منتقل كرده، قسمت نمودار را باز م ي كنيم . در صفحه نمودار
۷) هم قسمت نمودار دايره اي - شكل ۳ ) Frequencies Charts فراواني
را علامت م ي زنيم. سپس قسمت ادامه را كليك كرده، در صفحه توزيع
فرمان را تأييد مي كنيم. Freqencies فراواني
SPSS با اجراي اين فرمان، نمودار دايره اي توزيع متغير در صفحه گزارش
Pie ۱۳ گزارش فرمان نمودار دايره اي - ظاهر مي شود. به عنوان مثال، شكل ۳ Viewer
سؤال ”در خانواد ه شما تصمي م نهاي ي را چ ه كس ي م يگيرد ؟“) ) V توزيع متغير 6 charts
پيمايش نگرش ها است. تفسير اين نمودار هم مانند تفسير نمودار ميله اي است.
V ١٣ نمودار دايره اي توزيع متغير 6 - شكل ٣
فصل سوم: تحليل متغير كيفي ٨٩
فرمان مستقل نمودار دايره اي
قسمت نشان ها ،Graphs براي فرمان مستقل نمودار دايره اي در بخش نمودارها
۱۴ ) را بازكرده، در - قسمت نمود اردايره اي (شكل ۳ ،Legacy Dialogs
۱۵ ) قسمت تعريف را كليك - شكل ۳ ) Pie Charts صفحه نمودار دايره اي
۱۶ ) متغير مورد - شكل ۳ ) Difine Pie مي كنيم. سپس در صفحه تعريف نموداردايره اي
Difine Slices by نظر را از خانه سمت چپ انتخاب كرده، به خانه تعريف قطعات
منتقل كرده، فرمان را تأييد مي كنيم.
Pie ١٤ قسمت نمودار دايره اي - شكل ٣
Pie ١٥ صفحه نمودار داير هاي - شكل ٣
SPSS... ٩٠ برنامه كامپيوتري آمار
Difine Pie ١٦ صفحه تعريف نمودار دايره اي - شكل ٣
اصلاح نمودار
SPSS براي ايجاد تغييرات مورد نظر در نمودار توزيع متغير، در صفحه گزارش
دوبار روي نمودار كليك مي كنيم. با اين عمل صفحه ويرايش نمودار Viewer
.(۱۷- باز مي شود (شكل ۳ Chart Editor
حال در اين صفحه با كليك كردن روي قسمت هاي متنوع ردي فهاي بالاي
آن مي توان اصلاحات مورد ن ظر را به عمل آورد. به عنوان مثال، با كليك كردن
فصل سوم: تحليل متغير كيفي ٩١
۱۸ ). يا مي توان - روي قسمت نمودار ميل ه اي به صورت افقي در م ي آيد (شكل ۳
آن را تغيير داد (مث ً لا به فارسي برگرداند ) Percent با دو بار كليك كردن روي واژه
۱۹ ) يا عنوان متغير را اصلاح كرد و امثالهم. - (مانند شكل ۳
Chart Editor ١٧ صفحه ويرايش نمودار - شكل ٣
تمرين
۱. نمودار ميله اي متغيرهاي اسمي و ترتيبي تمرين ۱ و ۲ قسمت قبل را رسم كنيد.
SPSS... ٩٢ برنامه كامپيوتري آمار
V ١٨ نمودار ميله اي افقي توزيع متغير 6 - شكل ٣
V ١٩ نمودار ميله اي اصلاح شده توزيع متغير 6 - شكل ٣
فصل سوم: تحليل متغير كيفي ٩٣
تغييراتي در برخي از نمودارهاي تمرين ۱ Chart Editor ۲. با فرمان ويرايش نمودار
ايجاد كنيد.
۳ گرايش مركزي
از سه شاخص گرايش مركزي (نما، ميانه و ميانگين ) فقط نما است كه علاوه بر
متغير هاي كمي براي متغي ر هاي كيفي (اسمي و ترتيبي ) هم قابل اعمال است . نما
سؤال ) V طبقه اي است كه داراي بيشترين فراواني است . به عنوان مثال، نماي متغير 6
”در خانواد ه شما تصمي م نهاي ي را چ ه كس ي م يگيرد؟“) پيمايش نگرش ها طبقه اول (پدر)
است: طبقه اول (پدر تصميم گيرنده اصلي است ) پرفراوانترين (بزرگترين) طبقه است
۳). از اين رو، عم ً لا از روي جدول توزيع متغير (يا نمودار ميله اي يا - (شكل ۳
دايره اي) به سادگي مي توان نماي متغير كيفي را مشخص كرد.
در قسمت ،Analyiz با اين همه ، براي احتساب نما مي توا نيم در بخش تحليل
وارد قسمت توزيع فراواني ،Descriptive Statistics آمارتوصيفي
۲) بعد از - شكل ۳ ) Freqencies ۱) شويم. حال در صفحه توزيع فراواني - (شكل ۳
انتقال متغير به خانه سمت راست، وارد قسمت آماره ها شده و در صفحه
Centeral Tendency ۲۰ ) در خانه گرايش هاي مركزي - شكل ۳ ) Statistics آماره ها
روي قسمت نما علامت مي زنيم. سپس قسمت ادامه را كليك
فرمان را تأييد مي كنيم. Freqencies كرده، در صفحه توزيع فراواني
در جدول آمار ه ها كه SPSS Viewer با اجراي اين فرمان در صفحه گزارش
تعداد موردهاي معتبر و نامعتبر در آن درج مي شود شماره يا طبقه نما نيز ظاهر
مي شود.
SPSS... ٩٤ برنامه كامپيوتري آمار
Statistics ٢٠ صفحه آماره هاي توزيع فراواني - شكل ٣
V ٢١ گزارش جدول آماره هاي توزيع فراواني متغير 6 - شكل ٣
فصل سوم: تحليل متغير كيفي ٩٥
سؤال ”در ) V توزيع متغير 6 Mode ۲۱ گزارش فرمان نما - به عنوان مثال، شكل ۳
خانواد ه شما تصمي م نهاي ي را چ ه كس ي م يگيرد ؟“) پيمايش نگرش ها است. همانطور كه
طبقه ۱ (طبقه اول  پدر تصمي م گيرنده Mode مي بينيم در جدول آماره ها طبقه نما
اصلي است) ظاهر شده است.
تمرين
نماي چند متغير اسمي و ترتيبي فايل پيمايش نگرش ها را Mode ۱. با فرمان نما
گزارش كنيد.

فصل چهارم: تحليل متغير كمي
متغيرهاي كمي (متغير فاصله اي و متغير نسبتي ) متغيرهايي اندكه اندازه گيري آنها با
واحدهاي عددي صورت مي گيرد و از لحاظ تقسيم پذير بودن يا تقسي م پذير نبودن
واحد سنجش شان به دو دسته تقسيم مي شوند: متغير پيوسته و متغير گسسته . متغير
پيوسته كه واحدهاي سنجش آن به طور نامتناهي و نامحدود تقس يم پذيرند و متغير
گسسته كه واحدهاي سنجش آن مجزا بوده و تقسيم ناپذير هستند.
معمو ً لا دامنه متغيرهاي كمي پيوسته بسيار زياد است و نم ي توان آن را در جدولي
كوچك نشان داد . از اين رو، يا آن را طبق ه بندي مي كنيم يا از ارائه جدول توزيع
فراواني آن چشم پوشي م ي كنيم. در عوض، آمار ه هاي بسياري مانند گرايش هاي
مركزي وجود دارند كه از جوانب مختلفي توزيع متغير كمي را توصيف مي كنند .
همچنين نمودار چند ضلعي يا هيستوگرام هم توزيع متغير كمي پيوسته را به خوبي
نشان مي دهد.
۱ آماره هاي توصيفي
شاخص هاي گرايش هاي مركزي
شاخص هاي گر ايش هاي مركزي كه مبين تمركز داد ه ها در متغير كمي اند عبارتند از
در بخش تحليل Centeral Tendency نما، ميانه و ميانگين. فرمان گرايش هاي مركزي
SPSS... ٩٨ برنامه كامپيوتري آمار
قسمت توزيع فراواني ،Descriptive Statistics قسمت آمارتوصيفي ،Analyiz
۱). با كليك كردن اين قسمت صفحه توزيع - قرار دارد (شكل ۴
۲) باز مي شود. - شكل ۴ ) Freqencies فراواني
Frequencies ١ قسمت توزيع فراواني - شكل ٤
متغير را از خانه سمت چپ به خانه سمت Freqencies در صفحه توزيع فراواني
راست منتقل كرده، وارد قسمت آماره ها مي شويم و در صفحه آماره ها
روي قسمت Centeral Tendency ۳) در خانه گرايش هاي مركزي - شكل ۴ ) Statistics
نما ، ميانگين و ميانه علامت مي زنيم. سپس قسمت
روي قسمت Freqencies ادامه را كليك كرده، در صفحه توزيع فراواني
نمايش جدول فراواني كليك مي كنيم تا جدول فراواني
ظاهر نشود . سرانجام فرمان را تأييد SPSS Viewer در صفحه گزارش
مي كنيم.
در جدول آمار ه ها مقدار SPSS Viewer با اجراي اين فرمان در صفحه گزارش
شاخص هاي گرايش هاي مركزي ظاهر مي شود.
فصل چهارم: تحليل متغير كمي ٩٩
Frequencies ٢ صفحه توزيع فراواني - شكل ٤
Statistics ٣ صفحه آماره هاي توزيع فراواني - شكل ٤
SPSS... ١٠٠ برنامه كامپيوتري آمار
Centeral Tendency ۴ گزارش فرمان گرايش هاي مركزي - به عنوان مثال، شكل ۴
ميزان تماشاي تلويزيون در شبان هروز) پيمايش نگرش ها ) V متغير كمي پيوسته 20
ارائه شده است. Statistics است كه در جدول آماره ها
V ٤ جدول آماره ها، شاخص هاي گرايش مركزي متغير 20 - شكل ٤
Mode نما
نما مبين پرفراوانترين طبقه يا مقدار در متغير كمي است؛ در اين مثال، نما طبقه ۲
است؛ ۲ ساعت تماشاي تلويزيون پرفراوان ترين مدت تماشاي تلويزيون در شبانه روز
است.
Mean ميانگين
ميانگين م جموع مقادير تقسيم بر تعداد كل است . در اين مثال، ميانگين تماشاي
تلويزيون در شبانه روز ۳ ساعت است؛ پاسخگويان به طور متوسط در شبانه روز ۳
ساعت تلويزيون تماشا مي كنند.
فصل چهارم: تحليل متغير كمي ١٠١
Median ميانه
ميانه مقداري در متغيركمي پيوسته است كه نيمي ( ۵۰ درصد ) از موردها داراي آن
مقدار يا كمتر از آنند و نيمي ديگر داراي مقداري بيشتر از آن . محاسبه ميانه بر
اساس فرمول زير صورت مي گيرد كه مستلزم مشخص بودن حدود حقيقي طبقه
دربرگيرنده مقدار ميانه است:
⎟ ⎟ ⎟ ⎟
⎠
⎞
⎜ ⎜ ⎜ ⎜
⎝
⎛ −
= +
−
m
m
m
m w
f
N cf
MD L
100 1
50
كه نمادهاي آن عبارتند از:
m حد حقيقي پايين طبقه دربرگيرنده ميانه = L
كل موردها = N
m−1 فراواني تجمعي طبقه ماقبل طبقه دربرگيرنده ميانه = cf
m فراواني طبقه دربرگيرنده ميانه = f
m عرض طبقه دربرگيرنده ميانه = W
اما از آنجا كه حدود حقيقي متغيرهاي كمي پيوسته براي برنامه اس پي اس اس
مشخص نيست ، اين برنامه نمي تواند ميانه را محاسبه كند و فقط طبقه دربرگيرنده
ميانه را مشخص م ي كند. از اين رو، خود ما بايد با استفاده از اين طبقه و تعيين حدود
حقيقي آن طبقه، ميانه را به طور مستقل پيدا كنيم.
در اين مثال، در جدول آماره ها در مقابل ميانه عدد ۳ درج شده است كه مبين آن
است طبقه ۳ ساعت دربرگيرنده مقدار ميانه است . حدود حقيقي اين طبقه با توجه به
۵). با جايگزيني ارقام مقتضي در - ۳ است (شكل ۴ / ۲ تا ۵ / اعداد قبلي و بعدي ۵
فرمول فوق، ميانه عبارت است از:
SPSS... ١٠٢ برنامه كامپيوتري آمار
⎟⎠
⎞
⎜⎝
⎛ ×
×
= + 1
17
(0/50 80) - 35
MD 2/5
2/79
2/5 0/29
=
= +
۲ ساعت (يا ۲ ساعت و ۴۷ دقيقه ) است : نيمي از / ميانه ميزان تماشاي تلويزيون ۷۹
۲ ساعت يا كمتر از آن تلويزيون تماشا مي كنند / مردم (پاسخگويان) در شبانه روز ۷۹
۲ ساعت به تماشاي تلويزيون مي نشينند. / و نيمي ديگر بيش از ۷۹
V ٥ جدول توزيع فراواني متغير 20 - شكل ٤
شاخص هاي پراكندگي
آماره هاي پراكندگي يا تغيير مبين تفاوت و ت غبير موردها در متغير بوده، شامل
واريانس، انحراف استاندارد، مقدار حداقل و مقدار حداكثرند . فرمان پراكندگي
Descriptive در قسمت آمار توصيفي ،Analyiz در بخش تحليل Dispersion
فصل چهارم: تحليل متغير كمي ١٠٣
۱). با ورود - قسمت توزيع فراواني قرار دارد (شكل ۴ ،Statistics
۲) متغير را از خانه - شكل ۴ ) Freqencies به اين قسمت، در صفحه توزيع فراواني
سمت چپ به خانه سمت راست منتقل كرده، وارد قسمت آماره ها
Dispersion ۶) در خانه پراكندگي - شكل ۴ ) Statistics مي شويم و در صفحه آماره ها
روي واريانس ، انحراف استاندارد و مقدارحداقل
و مقدارحداكثر علامت مي زنيم (كليك مي كنيم).
٦ صفحه آماره هاي توزيع فراواني، آماره هاي پراكندگي - شكل ٤
Freqencies سپس ادامه را كليك كرده، در صفحه توزيع فراواني
روي قسمت نمايش جدول فراواني كليك مي كنيم تا
SPSS... ١٠٤ برنامه كامپيوتري آمار
ظاهر نشود. سرانجام فرمان را تأييد SPSS Viewer جدول فراواني در صفحه گزارش
مي كنيم.
در جدول آماره ها مقدار SPSS Viewer با اجراي اين فرمان در صفحه گزارش
۷ گزارش - شاخص هاي پراكندگي (تغيير) ظاهر م ي شود . به عنوان مثال، شكل ۴
ميزان تماشاي تلويزيون در ) V متغير كمي پيوسته 20 Dispersion فرمان پراكندگي
شبان هروز) پيمايش نگرش ها است كه در جدول آماره ها ارائه شده است.
V ٧ جدول آماره ها، شاخص هاي پراكندگي متغير 20 - شكل ٤
Variance واريانس
واريانس متوسط مجذور انحراف مقادير از ميانگين است . گو اين كه فرمول واريانس
در آمار توصيفي بدين صورت است:
( )
N
X i X
2
2 Σ −
σ =
اما در برنامه اس پي اس اس با اين فرض كه داد ه هاي گردآوري شده از نمونه اي
احتمالي اس ت كه براي استنباط جمعيت بزرگتر به كار م ي رود آن را به صورت
فصل چهارم: تحليل متغير كمي ١٠٥
برآورد واريانس جمعيت ارائه مي دهد كه با كاهش يك واحد از مخرج كسر فرمول
فوق همراه است:
( )
1
2
2
−
Σ −
=
N
σ X i X
در واقع از آنجا كه واريانس نمونه كوچك تر از واريانس جمعيت است با اين عمل
واريانس نمونه كمي بزرگتر شده، به واريانس جمعيت نزديك مي شود. (در
نمونه هاي بزرگ يك واحد عم ً لا تأثيري در واريانس ندارد ). در اين مثال، واريانس
۳ ساعت است؛ اين بدان معنا است كه متوسط مجذور / تماشاي تلويزيون ۴۹۴
۳ ساعت ا ست. / انحراف از ميانگين تماشاي تلويزيون حدود ۵
Standard Deviation انحراف استاندار
انحراف استاندارد (كه انحراف معيار هم ترجمه شده ) جذر واريانس است . در اين
۱ ساعت است. / مثال، انحراف استاندارد حدود ۸۶۹
Minimum مقدارحداقل
مقدارحداقل كمترين مقدار مشاهده شده است . در اين مثال، مقدار حداقل صفر
ساعت است؛ برخي از افراد اص ً لا تلويزيون تماشا نمي كنند.
Maximum مقدارحداكثر
مقدارحداكثر بزرگترين مقدار مشاهده شده است در اين مثال، مقدار حداكثر ۹
ساعت است؛ يكي يا برخي از افراد در شبانه روز ۹ ساعت تلويزيون تماشا مي كنند.
SPSS... ١٠٦ برنامه كامپيوتري آمار
شكل توزيع
متغير كمي پيوسته با دو آم اره چولگي و كشيدگي سنجيده Distribution شكل توزيع
،Analyiz در بخش تحليل ،Distribution مي شود. براي اجراي فرمان شكل توزيع
قسمت توزيع فراواني ،Descriptive Statistics در قسمت آمارتوصيفي
۱) را كليك مي كنيم. و در صفحه توزيع فراواني - (شكل ۴
۲)، بعد از انتقال متغير از خ انه سمت چپ به خانه سمت راست - شكل ۴ ) Freqencies
- شكل ۴ ) Statistics وارد قسمت آماره ها مي شويم و در صفحه آماره ها
روي قسمت چولگي و كشيدگي Distribution ۸) در خانه توزيع
علامت م ي زنيم. سپس قسمت ادامه را كليك كرده، فرمان
را تأييد مي كنيم.
٨ صفحه آماره هاي توزيع فراواني، آماره هاي شكل توزيع - شكل ٤
فصل چهارم: تحليل متغير كمي ١٠٧
در جدول آماره ها مقدار SPSS Viewer با اجراي اين فرمان در صفحه گزارش
۹- ظاهر م ي شود . به عنوان مثال، شكل ۴ Distribution شاخص هاي شكل توزيع
ميزان تماشاي ) V متغير كمي پيوسته 20 Distribution گزارش فرمان شكل توزيع
تلويزيون در شبان هروز) پيمايش نگرش ها است كه در جدول آماره ها ارائه شده است.
V ٩ جدول آماره ها، آماره هاي شكل توزيع متغير 20 - شكل ٤
Skewness چولگي
چولگي مبين ميزان عد م تقارن توزيع متغير است . در جايي كه توزيع متغير متف اوت
باشد چولگي صفر مي شود، هرچه عد م تقارن بيشتر باشد مقدار چولگي از صفر بيشتر
مقدار چولگي ،( X > MD ) مي شود. در جايي كه ميانگين از ميانه بزرگتر است
مقدار ،( X < MD) مثبت مي شود. در جايي كه ميانگين از ميانه كوچكتر است
۰ است كه مبين چولگي / چولگي م نفي مي شود. در اين مثال، مقدار چولگي ۷۵۲
۲ ساعت ) است (نگاه كنيد به / راست و بزرگتر بودن ميانگين ( ۳ ساعت ) از ميانه ( ۷۹
.(۱۵- شكل ۴
SPSS... ١٠٨ برنامه كامپيوتري آمار
kurtosis كشيدگي
كشيدگي اندازه بلند يا كوتاهتر بودن توزيع متغير كمي پيوسته از ارتفاع توزيع نرمال
است. اگر توزي ع متغير بلندتر از توزيع نرمال باشد مقدار كشيدگي مثبت م ي شود .
اگر توزيع متغير خوابيده (كوتاهتر ) از توزيع نرمال باشد مقدار كشيدگي منفي
۰ است كه مبين كشيد ه تر بودن توزيع / مي شود. در اين مثال، مقدار كشيدگي ۷۲۳
.(۱۵- متغير ميزان تماشاي تلويزيون از توزيع نرمال است (نگاه كنيد به شكل ۴
مقادير صدك
نشان دهنده مقداري در متغير كمي پيوسته است كه Percentile Value مقدارصدك
درصد معيني از جمعيت داراي آن مقدار يا كمتر از آن است و بقيه جمعيت داراي
مقداري بيشتر . مث ً لا مقدار صدك ۲۵ مقداري است كه ۲۵ درصد (يك چهارم )
موردها داراي آن مقدار يا كمتر از آنند و بقيه موردها داراي مقداري بيشتر از آن.
،Analyiz در بخش تحليل ، Percentile Values براي اجراي فرمان مقاديرصدك
قسمت توزيع فراواني ،Descriptive Statistics در قسمت آمارتوصيفي
۱) را كليك مي كنيم. و در صفحه توزيع فراواني - (شكل ۴
۲)، بعد از انتقال متغير از خانه سمت چپ به خانه سمت راست - شكل ۴ ) Freqencies
- شكل ۴ ) Statistics وارد قسمت آماره ها مي شويم و در صفحه آماره ها
روي قسمت خاصي (مث ً لا قسمت Percentile Values ۱۰ ) در خانه مقاديرصدك
چارك ها ، يا قسمت نقاط ، يا قسمت صدك
) علامت مي زنيم. سپس قسمت ادامه را كليك كرده،
فرمان را تأييد مي كنيم.
فصل چهارم: تحليل متغير كمي ١٠٩
١٠ صفحه آماره هاي توزيع فراواني، مقاديرصدك - شكل ٤
احتساب مقاديرصدك ها هم مانند ميانه مستلزم مشخص شدن حدود حقيقي
است. اما از آنجا كه حدود حقيقي متغيرهاي كمي پيوسته براي ب رنامه اس پي اس اس
مشخص نيست ، اين برنامه نمي تواند مقاديرصدك ها را محاسبه كند و فقط طبقه
دربرگيرنده مقاديرصدك ها را مشخص م ي كند. از اين رو، خود ما بايد مقدارصدك
مورد نظر را با استفاده از طبقه دربرگيرنده مقدار صدك و تعيين حدود حقيقي آن
طبقه و فرمول احتساب صدك پيدا كنيم. فرمول احتساب صدك عبارت است از:
⎟ ⎟ ⎟ ⎟
⎠
⎞
⎜ ⎜ ⎜ ⎜
⎝
⎛ −
= +
−
a
a
a
a a w
f
a N cf
C L
1 100
كه نمادهاي آن عبارتند از:
a a صدك = C
a a حد حقيقي پايين طبقه دربرگيرنده صدك = L
SPSS... ١١٠ برنامه كامپيوتري آمار
كل موردها = N
a−1 a فراواني تجمعي طبقه ماقبل طبقه دربرگيرنده صدك = cf
a a فراواني طبقه دربرگيرنده صدك = f
a a عرض طبقه دربرگيرنده صدك = W
Percentile صدك
براي احتساب مقدار صدك خاصي، قسمت صدك را كليك
كرده، در خانه مقابل عدد صدك را درج مي كنيم و قسمت افزودن را
كليك مي كنيم. با اجراي اين فرمان طبقه دربرگيرنده صدك مورد نظر در جدول
۱۲ گزار ش اجراي فرمان صدك ۸۰ - آماره ها ظاهر م ي شود. به عنوان مثال، شكل ۴
ميزان تماشاي تلويزيون در شبانه روز) پيمايش نگرش ها ) V متغير كمي پيوسته 20
۴ درج شده كه مبين آن / است. در اين جدول آماره ها در مقابل صدك ۸۰ اندازه ۰۰
است طبقه دربرگيرنده صدك ۸۰ طبقه ۴ ساعت است.
V ١١ جدول آماره ها، مقاديرصدك ٨٠ متغير 20 - شكل ٤
۵) و مشخص كردن - حال مي توانيم با مراجعه به جدول توزيع متغير (شكل ۴
۳ است و جايگزيني ارقام مقتضي در فرمول /۵ -۴/ حدود حقيقي طبقه ۴ كه ۵
مذكور مقدار صدك ۸۰ را به دست آوريم:
فصل چهارم: تحليل متغير كمي ١١١
⎟ ⎟ ⎟ ⎟
⎠
⎞
⎜ ⎜ ⎜ ⎜
⎝
⎛ −
= +
−
a
a
a
a a w
f
a N cf
C L
1 100
⎟ ⎟ ⎟ ⎟
⎠
⎞
⎜ ⎜ ⎜ ⎜
⎝
⎛
= + ×1
13
80- 52
100
80
80 3/5 C
= 4/42
۴/ مقدار صدك ۸۰ در اين مثال، مبين آن است كه ۸۰ درصد افراد در شبانه روز ۴۲
ساعت يا كمتر از آن تلويزيون تماشا مي كنند و بقيه افراد بيش از اين زمان تلويزيون
تماشا مي كنند.
Quartiles چارك ها
چارك ها صدك هايي اند كه جمعيت يا موردها را به چهار بخش مساوي تقسيم
مي كنند. چارك اول مبين مقدار صدك ۲۵ و اندازه آن در گزارش جدول آماره ها
مبين طبقه دربرگيرنده آن چارك است . چارك دوم مبين مقدار صدك ۵۰ (يا همان
ميانه) و چارك سوم مبين مقدار صدك ۷۵ است و اندازه هاي آنها در گزارش جدول
آماره ها مبين طبقات دربرگيرنده آن چارك ها است.
براي متغير Quartiles ۱۲ گزارش اجراي فرمان چارك ها - به عنوان مثال، شكل ۴
ميزان تماشاي تلويزيون در شبان هروز) پيمايش نگرش ها است . در ) V كمي پيوسته 20
اين گزارش جدول آماره ها نشان م ي دهد كه طبقه دربرگيرنده چارك اول (صدك
۲۵ ) طبقه ۲ ساعت است و طبقه دربرگيرنده چارك دوم (صدك ۵۰ ) طبقه ۳ ساعت
SPSS... ١١٢ برنامه كامپيوتري آمار
است و طبقه دربرگيرنده چارك سوم (صدك ۷۵ ) طبقه ۴ ساعت است. حال مي توان
مانند مثال قبلي با فرمول صدك مقدار چارك ها را به دست آورد.
V متغير 20 Quartiles ١٢ جدول آماره ها، چارك هاي - شكل ٤
Points نقاط
براي تعيين صدك هايي است كه موردها را به چند گروه مساوي Points فرمان نقاط
، تقسيم مي كند، مث ً لا تقسيم جمعيت به ۱۰ گروه برابر (صدك ۱۰ ، صدك ۲۰
صدك ۳۰ ، و الي آخر ). براي اجراي اين فرمان روي قسمت نقاط
كليك كرده، در خانه مقابل اين قسمت تعداد گروه ها را درج مي كنيم.
با اجراي اين فرمان طبقات دربرگيرنده اين صدك هاي متوالي در جدول
۱۳ گزارش اجراي فرمان تقسيم - آماره ها ظاهر مي شود . به عنوان مثال، شكل ۴
ميزان تماشاي تلويزيون در ) V جمعيت به ۳ گروه در متغير كمي پيوسته 20
۳۳ طبقه / شبان هروز) پيمايش نگرش ها است . در اين جدول آماره ها در مقابل صدك ۳
۶۶ طبقه دربرگيرنده آن ( ۴ ساعت ) / دربرگيرنده آن ( ۲ ساعت ) و در مقابل صدك ۷
ارائه شده است . حال م ي توان با توجه به طبقات دربرگيرنده اين صد ك ها مقادير
آنها را با فرمول صدك به دست آورد.
فصل چهارم: تحليل متغير كمي ١١٣
V ٦٦ متغير 20 / ٣٣ و ٧ / ١٣ جدول آماره ها، مقاديرصدك ٣ - شكل ٤
تمرين
۱. يكي از متغيرهاي كمي پيوسته فايل پيمايش نگرش ها را انتخاب كنيد و آماره هاي
زير را با فرمان هاي مقتضي پيدا كرده، آنها را تفسير كنيد:
الف: شاخص هاي گرايش هاي مركزي (نما، ميانه و ميانگين)
ب: شاخص هاي تغيير وپراكندگي (واريانس، انحراف استاندارد، مقدار
حداقل و مقدار حداكثرند)
ج: شاخص هاي شكل توزيع (چولگي و كشيدگي)
۲. مقادير صدك زير را براي متغير فوق با فرمان هاي مقتضي پيدا كرده، آنها را
تفسير كنيد:
الف: صدك ۶۰
ب: چارك سوم
Points ج: تقسيم متغير به ۵ گروه مساوي با فرمان نقاط
SPSS... ١١٤ برنامه كامپيوتري آمار
۲ نمودار توزيع متغيركمي
متغيركمي پيوسته
شكل توزيع متغيركمي پيوسته را با نمودار هيستوگرام يا نمودار چندضلعي و توزيع
تجمعي آن را با نمودار تجمعي ترسيم مي كنند.
نمودار هيستوگرام
نمودار هيستوگرام مستطيل هاي به هم چسبيده اي است كه ارتفاع آن متناسب با
فراواني طبقات و عرض مستطيل منطبق با حدود حقيقي طبقات (يا درجات ) متغير
كمي پيوسته است . نمودار هيستوگرام به ويژه براي نشان دادن شكل توزيع متغيرهاي
كمي پيوسته پردامن ه اي كه نم ي توان جدول توزيع آنها را به علت طويل ب ودن ارائه
كرد بسيار مناسب است.
قسمت آمار توصيفي ،Analyiz براي ترسيم نمودار هيستوگرام در بخش تحليل
۱) را - قسمت توزيع فراواني (شكل ۴ ،Descriptive Statistics
۲)، در صفحه - شكل ۴ ) Freqencies كليك م ي كنيم. سپس در صفحه توزيع فراواني
ابتدا متغير را به خانه سمت راست منتقل كرده، قسمت ،Freqencies توزيع فراواني
Frequencies نمودار را باز مي كنيم . و در صفحه نمودار فراواني
۱۴ ) قسمت نمودار هيستوگرام را علامت مي زنيم . - شكل ۴ ) Charts
همچنين در پايين قسمت هيستوگرام، قسمت همراه با منحني نرمال
را هم علامت م ي زنيم تا هيستوگرام توزيع متغير مورد نظر خود
را با منحني نرمال مقايسه كنيم . سپس قسمت ادامه را كليك كرده، در
فرمان را تأييد مي كنيم. Freqencies صفحه توزيع فراواني
فصل چهارم: تحليل متغير كمي ١١٥
Frequencies Charts ١٤ صفحه نمودار فراواني - شكل ٤
V ١٥ نمودار هيستوگرام توزيع متغير 20 - شكل ٤
SPSS... ١١٦ برنامه كامپيوتري آمار
SPSS با اجراي اين فرمان، نمودار هيستوگرام توزيع متغير در صفحه گزارش
۱۵ گزارش فرمان نمودارهيستوگرام - ظاهر مي شود. به عنوان مثال، شكل ۴ Viewer
ميزان تماشاي تلويزيون در شبان هروز) ) V توزيع متغيركمي پيوسته 20 Histogram
پيمايش نگرش ها است . همانطور كه مي بينيم مقدار هر طبقه به عنوان مركز آن طبقه
در وسط هر مستطيل درج شده است. كرانه هاي هر مستطيل نيز مبين حدود حقيقي
است كه براي اجتناب از شلوغ شدن نمودار از درج آنها (و مراكز همه طبقات )
۰- است و طبقه دوم /۵ -۰/ صرف نظر شده است . مث ً لا حدود حقيقي ط بقه اول ۵
۰ و الي آخر . در اين مثال توزيع متغير نامتقارن بوده، داراي چولگي راست /۵ -۱/۵
است. همچنين از توزيع نرمال كشيده تر است.
Chart Editor ١٦ صفحه ويرايش نمودار - شكل ٤
فصل چهارم: تحليل متغير كمي ١١٧
نمودار هيستوگرام را هم مي توان مانند نمودار ميله اي با دو بار كليك كردن آن و
۱۶ ). به عنوان - ويرايش كرد (شكل ۴ Chart Editor باز شدن صفحه ويرايش نمودار
(۱۵- ۱۷ هيستوگرام ويرايش شده متغير تماشاي تلويزيون (شكل ۴ - مثال، شكل ۴
است: مركز تمام طبقه درج شده، درصد هر طبقه داخل آن آمده است . يا براي درج
درصد هر يك از طبقات، در صفحه ويرايش نمودار بخش نمايش تعريف داد ه ها
را كليك مي كنيم. با اجراي اين فرمان درصد هر يك از Show Data Lables
طبقات در داخل مستطيل ها درج مي شود.
V ١٧ نمودار هيستوگرام ويرايش شده توزيع متغير 20 - شكل ٤
.
فرمان مستقل هيستوگرام
فرمان نمودار هيستوگرام را م ي توان مستق ً لا از طريق فرمان ديگري هم اجرا كرد .
قسمت نشان ها ،Graphs براي فرمان مستقل نمودار هيستوگرام در بخش نمودارها
SPSS... ١١٨ برنامه كامپيوتري آمار
۱۸ ) را بازكرده، در - قسمت هيستوگرام (شكل ۴ ،Legacy Dialogs
۱۹ ) متغير مورد نظر را از خانه سمت - شكل ۴ ) Histogram صفحه نمودارهيستوگرام
خانه اول سمت راست ) منتقل كرده، ) Variable چپ انتخاب كرده، به خانه متغير
قسمت نمايش منحني نرمال را هم علامت زده و فرمان را
تأييد مي كنيم.
Histogram ١٨ قسمت هيستوگرام - شكل ٤
نمودار چند ضلعي
خطي است شكسته كه مركز طبقات متغير Polygon نمودار چندضلع ييا پل يگو ن
كمي پيوسته را در ارتفاعي متناسب با فراواني (يا نسبت ) طبقات بهم وصل م ي كند .
نمودار چندضلعي هم به ويژه براي نشان دادن شكل توزيع متغيرهاي كمي پيوسته
پردامنه بسيار مناسب است . نمودار چندضلعي نيز مانند ن مودار هيستوگرام متشكل از
دو محور است: محور پايه كه افقي است و دربرگيرنده مركز طبقات است و ديگري
فصل چهارم: تحليل متغير كمي ١١٩
محور توزيع كه عمود بر محور پايه است و مبين فراواني (يا درصد ) طبقات است .
منحني نرمال مصداقي از نمودار چندضلعي است.
Histogram ١٩ صفحه نمودار هيستوگرام - شكل ٤
قسمت نشان ها ،Graphs براي فرمان نمودار چندضلعي در بخش نمودارها
۲۰ ) را بازكرده، در - قسمت نمودار خط (شكل ۴ ،Legacy Dialogs
۲۱ ) قسمت تعريف را كليك - شكل ۴ ) line Charts صفحه نمودار خط
- شكل ۴ ) Difine Simple Line مي كنيم. سپس در صفحه تعريف نمودار خط ساده
۲۲ ) متغير مورد نظر خود را از خانه سمت چپ انتخاب كرده، به خانه محور طبقات
منتقل كرده و فرمان را تأييد مي كنيم. Category Axis
۲۳ گزارش فرمان نمودار چندضلعي توزيع متغيركمي - به عنوان مثال، شكل ۴
ميزان تماشاي تلويزيون در شبان هروز) پيمايش نگرش ها است . همانطور ) V پيوسته 20
SPSS... ١٢٠ برنامه كامپيوتري آمار
كه مي بينيم نمودار چندضلعي خطي است شكسته كه مركز طبقات متغير كمي
را در ارتفاعي متناسب با فراواني (يا نسبت ) طبقات بهم وصل كرده V پيوسته 20
است.
Line ٢٠ قسمت نمودار خط - شكل ٤
Line ٢١ صفحه نمودار خط - شكل ٤
فرمان نمودار چندضلعي به طور خودكار بر حسب فراواني (شمارش ) موردها
ترسيم م ي شود. اما براي تسهيل تفسير نمودار مي توان در صفحه تعريف نمودار خط
فصل چهارم: تحليل متغير كمي ١٢١
۲۲ ) با علامت زدن بر روي درصدموردها - شكل ۴ ) Difine Simple Line ساده
.(۲۴- چندضلعي را بر حسب درصد ترسيم كرد (شكل ۴
Difine Simple Line ٢٢ صفحه تعريف نمودار خط ساده - شكل ٤
نمودار چندگانه
نمودار چندضلعي را م ي توان بر حسب طبقات متغيري ديگر ترسيم كرد . بدين منظور
۲۲ ) متغير دوم را - شكل ۴ ) Difine Simple Line در صفحه تعريف نمودار خط ساده
وارد مي كنيم. Panel by در قسمت پانل Rows به خانه سطر ها
SPSS... ١٢٢ برنامه كامپيوتري آمار
V ٢٣ نمودار چندضلعي توزيع متغير 20 - شكل ٤
بر حسب درصد V ٢٤ نمودار چندضلعي توزيع متغير 20 - شكل ٤
فصل چهارم: تحليل متغير كمي ١٢٣
با تأييد اين فرمان نمودار چند ضلعي متغير اول بر حسب هر يك از
طبقات متغير دوم ترسيم و ارائه مي شود.
ميزان تماشاي ) V ۲۵ ) نمودار متغير 20 - به عنوان مثال، با اين فرمان (شكل ۴
۲۶ ترسيم - جنسيت پاسخگويا ن) به صورت شكل ۴ ) V تلويزيون) بر حسب متغير 21
شده است كه دو نمودار جداگانه ميزان تماشاي تلويزيون يكي براي زنها است و
يكي هم براي مردها.
V برحسب 21 V ٢٥ صفحه تعريف نمودار خط ساده متغير 20 - شكل ٤
SPSS... ١٢٤ برنامه كامپيوتري آمار
V برحسب 21 V ٢٦ نمودار چندضلعي توزيع متغير 20 - شكل ٤
همين تفكيك را مي توان براي متغير سوم هم انجام داد . بدين منظور در صفحه
۲۲ ) متغير دوم را به خانه - شكل ۴ ) Difine Simple Line تعريف نمودار خط ساده
وارد مي كنيم . با تأييد Columns و متغير سوم را به خانه ستون ها Rows سطر ها
اين فرمان نمودار چند ضلعي متغير اول بر حسب هر يك از طبقات متغير
دوم در هر يك از طبقات متغير دوم ترسيم مي شود.
ميزان تماشاي ) V ۲۷ ) نمودار متغير 20 - به عنوان مثال، با اين فرمان (شكل ۴
وضع تأه ل) ) V جنسيت پاسخگويا ن) و بر حسب 28 ) V تلويزيون) بر حسب متغير 21
۲۸ ترسيم شده است كه دو نمودار جداگانه ميزان تماشاي - به صورت شكل ۴
تلويزيون براي زنها و مردهاي متأهل و دو نمودار جداگانه ميزان تماشاي تلويزيون
براي زنها و مردهاي مجرد است.
فصل چهارم: تحليل متغير كمي ١٢٥
V برحسب 28 V برحسب 21 V ٢٧ صفحه تعريف نمودار خط ساده متغير 20 - شكل ٤
نمودار تجمعي
نمودار تجمعي مبين فراواني (يا درصد ) تجمعي متغير كمي پيوسته است كه در
اس پي اس اس به صورت خطي شكسته مركز طبقات متغير كمي پيوسته را در
ارتفاعي متناسب با فراواني (يا نسبت) طبقات بهم وصل مي كند.
SPSS... ١٢٦ برنامه كامپيوتري آمار
V برحسب 28 V برحسب 21 V ٢٨ نمودار چند ضلعي توزيع متغير 20 - شكل ٤
Legacy قسمت نشان ها ،Graphs براي ترسيم نمودار تجمعي در بخش نمودارها
۲۰ ) را بازكرده، در صفحه نمودار - قسمت نمودار خط (شكل ۴ ،Dialogs
۲۱ ) قسمت تعريف را كليك مي كنيم . سپس - شكل ۴ ) line Charts خط
۲۲ ) متغير مورد - شكل ۴ ) Difine Simple Line در صفحه تعريف نمودار خط ساده
Category Axis نظر خود را از خانه سمت چپ انتخاب كرده، به خانه محور طبقات
منتقل مي كنيم. سپس روي قسمت فراواني تجمعي يا درصدتجمعي
كليك كرده و فرمان را تأييد مي كنيم.
۲۹ گزارش فرمان نمودار تجمعي توزيع متغيركمي پيوسته - به عنوان مثال، شكل ۴
ميزان تماشاي تلويزيون در شبان هروز) پيمايش نگرش ها است. ) V20
فصل چهارم: تحليل متغير كمي ١٢٧
V ٢٩ نمودار تجمعي متغير 20 - شكل ٤
متغيركمي گسسته
شكل توزيع متغير كمي گسسته را نيز مانند متغير كيفي با نمودار ميله اي ترسيم
مي كنيم تا بر جدايي و گسست طبقات يا درجات متغير گسسته تأكيد شود . براي
در قسمت آمار توصيفي ،Analyiz ترسيم نمودار ميله اي در بخش تحليل
۱) را - قسمت توزيع فراواني (شكل ۴ ،Descriptive Statistics
كليك مي كنيم.
۲)، ابتد ا متغير را به خانه - شكل ۴ ) Freqencies سپس در صفحه توزيع فراواني
سمت راست منتقل كرده، قسمت نمودار را باز م ي كنيم . با باز شدن
۳۰ ) قسمت نمودارميله اي - شكل ۴ ) Frequencies Charts صفحه نمودار فراواني
SPSS... ١٢٨ برنامه كامپيوتري آمار
و قسمت درص د را علامت م ي زنيم. سرانجام قسمت
فرمان را Freqencies ادامه را كليك كرده، در صفحه توزيع فراواني
تأييد مي كنيم.
Frequencies Charts ٣٠ صفحه نمودار فراواني - شكل ٤
SPSS Viewer با اجراي اين فرمان، نمودار ميله اي توزيع متغير درصفحه گزارش
Bar charts ۳۱ گزارش فرمان نمودار ميله اي - ظاهر مي شود. به عنوان مثال، شكل ۴
تعداد اعضاي خانواد ه) پيمايش نگرش ها است. ) V توزيع متغير كمي گسسته 26
تمرين
۱. يكي از متغيرهاي كمي پيوسته فايل پيمايش نگرش ها را انتخاب كنيد و نمودار
هيستوگرام آن را رسم كرده، تفسير كنيد.
۲. نمودار چندضلعي متغير فوق را هم رسم كنيد.
فصل چهارم: تحليل متغير كمي ١٢٩
۳. نمودار تجمعي متغير فوق را هم رسم كنيد.
V ٣١ نمودار ميله اي توزيع متغير 26 - شكل ٤

فصل پنجم: رابطه دو متغير اسمي
تحليل آماري رابطه دو متغير اولين گام در بررسي روابط علي بين متغ يرها است . اين
فصل به معرفي نحوه كاربرد ا س پي اس اس در تحليل آماري رابطه دو متغير اسمي (يا
يك متغير اسمي و يك متغير ترتيبي ) اختصاص دارد . همانطور كه قب ً لا به ميان آمد
متغير اسمي شامل طبقاتي است كه نوعًا متفاوتند.
۱ جدول تقاطعي
ساده ترين و گوياترين روش آماري تحليل رابطه دو متغير اسمي (يا متغير اسمي با
متغير ترتيبي ) ارائه توزيع متغير وابسته (متغيري كه پديده تأثيرپذير، معلول در نظر
مي گيريم) در هر يك از طبقات متغير مستقل (متغيري كه پديده تأثيرگذار، علت به
شمار مي آوريم) است. ارائه اين توزيع چندگانه با جدول تقاطعي صورت مي گيرد.
Crosstabs جدول تقاطعي
قسمت آمارتوصيفي ،Analyiz در بخش تحليل Crosstabs فرمان جدول تقاطعي
- قسمت جدول تقاطعي قرار دارد (شكل ۵ ،Descriptive Statistics
باز Crosstabs ۱). با ورود به اين قسمت (كليك كردن آن ) صفحه جدول تقاطعي
.(۲- مي شود (شكل ۵
SPSS... ١٣٢ برنامه كامپيوتري آمار
Crosstabs ١ قسمت جدول تقاطعي - شكل ٥
Crosstabs ٢ صفحه جدول تقاطعي - شكل ٥
حال در صفحه جدول تقاطعي متغير وابسته و متغير مستقل را كه مبتني بر
چارچوب نظري و فرضيات تحقيق هستند از بين متغيرهاي خانه سمت چپ انتخ اب
منتقل مي كنيم. Column(s) و خانه ستون Row(s) كرده، به ترتيب به خانه سطر
فصل پنجم: رابطه دو متغير اسمي ١٣٣
Crosstabs :Cell Display ٣ صفحه خانه جدول تقاطعي - شكل ٥
در جدول تقاطعي با مقايسه توزيع متغير وابسته در طبقات متغير مستقل م ي توان
پي بردكه بين دو متغير رابطه آماري وجود دارد يا نه . از اين رو، براي قابل مقايسه
كردن اين توزي ع ها (ستون ها)، توزيع متغير وابسته در هر طبقه متغير مستقل را به
صورت نسبي (درصد) در كنار توزيع فراواني بيان م ي كنيم. بدين منظور در صفحه
قسمت خانه ها را كليك كرده ، در صفحه Crosstabs جدول تقاطعي
قسمت ستون Percentages ٣) در بخش درصدها - خانه جدول تقاطعي (شكل ٥
را علامت م ي زنيم. سپس قسمت ادامه را كليك كرده، در
فرمان را تأييد مي كنيم. Crosstabs صفحه جدول تقاطعي
است . در Crosstabs ٤ مثالي از گزارش اجراي فرمان جدول تقاطعي - شكل ٥
متغير سه V8r اينجا از ب ين متغيرهاي پيمايش نگرش ها متغير احساس خوشبختي ( 3
را به عنوان متغير مستقل (V را به عنوان متغير وابسته و متغير جنسيت ( 21 (V طبقه اي 8
SPSS... ١٣٤ برنامه كامپيوتري آمار
انتخاب كرده، با فرمان مذكور آنها را تقاطع داده ايم. درگزارش فرمان جدول تقاطعي
است كه تعداد (Case Processing Summary) جدول اول خلاصه پردازش موردها
موردهاي داراي پاسخ معتبر و موردهاي فاقد پاسخ معتبر (داده ناقص) را نشان
مي دهد. در اين مثال ٨٠ مورد (پاسخگو) وجود دارد كه همه پاسخ معتبر داد ه اند و
هيچ پاسخ نامعتبر (داده ناقص) وجود ندارد.
V برحسب متغير 21 V8r ٤ گزارش جدول تقاطعي متغير 3 - شكل ٥
جدول دوم جدول تقاطعي است . در عنوان جدول آمده است : جدول تقاطعي
جنسيت ٭ احساس خوشبختي. همانطور كه در اين جدول (Crosstaulation)
مي بينيم هر ستون به يكي از طبقات متغير مستقل (جنسيت ) اختصاص يافته است،
كرده ايم. حال Column(s): زيرا خود ما متغير مستقل را وارد قسمت ستون
فصل پنجم: رابطه دو متغير اسمي ١٣٥
۵۶ درصد ) مردها از احساس / درصدهاي ستون ها را با هم مقايسه م ي كنيم: اكثر ( ۱
خوشبختي بالا برخوردارند، در حالي كه اين نسبت در بين زنها كمتر از يك سوم
۲۳ درصد زنها كم احساس خوشبختي مي كنند، / ۳۰ درصد ) است. در عوض، ۱ /۸)
۱۴ درصد ) است . بنابراين، مي توان / در حالي كه اين نسبت در بين مردها كمتر ( ۶
نتيجه گيري كرد كه عمومًا احساس خوشبختي مردها از زنها بيشتر است.
تمرين
۱. از بين متغيرهاي فايل پيمايش نگرش ها دو متغير اسمي كه مي توان رابط ه اي علي
بين آنها قائل شد انتخاب كني د. با استدلال خود متغير وابسته و مستقل را مشخص
كرده، با فرمان مقتضي جدول تقاطعي آن دو را رسم كرده و تفسير كنيد.
۲. از بين متغيرهاي فايل پيمايش نگرش ها يك متغير اسمي و يك متغير ترتيبي كه
مي توان رابطه اي علي بين آنها قائل شد انتخاب كنيد . با استدلال خود متغي ر وابسته
و مستقل را مشخص كرده، با فرمان مقتضي جدول تقاطعي آن دو را رسم كرده و
تفسير كنيد.
۲ اندازه رابطه متغيرهاي اسمي
اندازه يا ضريب رابطه آماري كميتي است كه ميزان شدت رابطه آماري دو متغير
(توأمي يا هم تغييري تجربي متغيرها ) را نشان مي دهد. فرمان اندازه ر ابطه متغيرهاي
در قسمت آماره هاي تقاطعي Crosstabs اسمي در همان فرمان جدول تقاطعي
قرار دارد. Crosstabs Statistics
SPSS... ١٣٦ برنامه كامپيوتري آمار
ضرايب دومتغيره اسمي
قسمت آمار توصيفي ،Analyiz در بخش تحليل Nominal ضرايب دومتغيره اسمي
در قسمت جدول تقاطعي در صفحه جدول ،Descriptive Statistics
۲). با ورود - در قسمت آماره ها قرار دارند (شكل ۵ Crosstabs تقاطعي
باز Crosstabs Statistics به اين قسمت (كليك كردن آن ) صفحه آماره هاي تقاطعي
۵). در اينجا در قسمت اسمي ضرايب دومتغيره اسمي - مي شود (شكل ۵
مورد نظر خود را علامت م ي زنيم و سپس قسمت ادامه را كليك كرده،
بعد از مشخص كردن متغير وابسته و متغير Crosstabs در صفحه جدول تقاطعي
مستقل، فرمان را تأييد مي كنيم.
Crosstabs : Statistics ٥ صفحه آمار ههاي جدول تقاطعي - شكل ٥
فصل پنجم: رابطه دو متغير اسمي ١٣٧
ضرايب رابطه آماري در متغيرهاي اسمي (يا اسم ي و ترتيبي ) به دو دسته تقسيم
مي شوند: يكي ضرايب مبتني بر خي دو و ديگري ضرايب مبتني بر تقليل نسبي خطا.
در گزارش اجراي فرمان ضرايب دومتغيره اسمي هم اين دو دسته ضرايب در دو
جدول متمايز مي آيد.
V برحسب متغير 21 V8r ٦ گزارش ضرايب دومتغيره اسمي متغير 3 - شكل ٥
٦ گزارش اجراي فرمان ضرايب دومتغيره اسمي متغير احساس - شكل ۵
به عنوان متغير وابسته و متغير جنسيت (V متغير سه طبقه اي 8 V8r خوشبختي ( 3
به عنوان متغير مستقل ا ست. همانطور كه در اين شكل مي بينيم اين گزارش (V21)
كه Symmetric Measures شامل دو جدول است: يكي جدول اند ازه هاي متقارن
SPSS... ١٣٨ برنامه كامپيوتري آمار
Directional حاوي ضرايب مبتني بر خي دو است و ديگري جدول اندازه هاي سويي
به معني ضرايب نامتقارن كه حاوي ضرايب مبتني بر تقليل نسبي خطا Measures
درج شده و ستون هاي ديگر حاوي Value است. مقدار اين ضرايب در ستون مقدار
مقادير مر بوط به آمار استنباطي است كه در بخش چهارم (فصل هاي ٩ و ١٠ ) مطرح
مي شود.
ضرايب مبتني بر خي دو
خ يدو مجموع نسبت مجذور انحراف فراواني مورد مشاهده از فراواني مورد انتظار
(در صورت فقدان رابطه بين دو متغير ) به فراواني مورد انتظار است . ضرايبي كه بر
ضريب وابستگي ،(Phi) اساس خي دو ساخ ته مي شوند عبارتند از ضريب في
همه اين ضرايب .(Cramer'sV) و ضريب وي كرامر (Coefficient Contingency)
متقارن هستند، يعني متغيري كه در سطر جدول تقاطعي قرار گرفته است چه متغير
وابسته باشد چه متغير مستقل، مقدار اين ضرايب فرق نم ي كند . به عبارت ديگر،
وابسته يا مستقل بودن متغير در فرمول محاسبه ضرايب متقارن نقشي ندارد.
در گزارش اجراي فرمان ضرايب دومتغيره اسمي، اين ضرايب در جدول
٦). در ستون اول اين - مي آيند (شكل ٥ (Symmetric Measures) اندازه هاي متقارن
(Nominal by Nominal) جدول سطح سنجش متغيرها كه در اينجا اسمي اسمي
است و عنوان ضريب آمده است و ستون دوم به مقدار ضريب اختصاص دارد . ستون
.( سوم هم سطح معناداري هر ضريب است كه مربوط به آمار استنباطي است (بخش ٤
Phi ضريب في
ضريب في جذر نسبت خ ي دو به تعداد كل فراواني ها است . در جايي كه رابطه اي
بين دو متغير وجود نداشته باشد ضريب في صفر مي شود. در جداول دو در چند طبقه
2)، حداكثر مقدار ضريب في به ۱ مي رسد كه مبين رابطه آماري كامل است . ×k )
فصل پنجم: رابطه دو متغير اسمي ١٣٩
فراتر رفته، مقدار ضريب N اما در جداول چند در چند طبقه كه حد بالاي خي دو از
في مي تواند از يك بيشتر شود و لاج رم تفسير ضريب في در اين گونه جداول
(جداولي كه هر دو متغير بيش از دو طبقه دارند) دشوار مي شود.
۰ است كه مبين رابطه نسبتًا متوسطي / ۶)، ضريب في ۲۵۵ - در اين مثال (شكل ۵
بين متغير احساس خوشبختي و متغير جنسيت است.
Contingency Coefficient ضريب وابستگي
ضريب وابستگي ج ذر نسبت خي دو به مجموع خي دو و كل فراواني ها است . حد
پايين ضريب وابستگي نيز صفر (به معني فقدان رابطه ) است اما حد بالاي آن به يك
نمي رسد و تفسير مقدار ضريب وابستگي دشوار مي شود.
۰ است كه مبين رابطه نسبتًا / ۶) ضريب وابستگي ۲۴۷ - در اين مثال (شكل ۵
متوسطي بين احساس خوشبختي و جنسيت است.
Cramer's V ضريب وي كرامر
ضريب وي كرامر جذر نسبت خ ي دو به حاصلضرب كل فراواني در تعداد طبقات
متغير كوچك است . در هر نوع جدولي حد پايين ضريب و ي كرامر صفر (فقدان
رابطه) و حد بالاي آن يك (رابطه كامل ) است. به عنوان مثال، ضريب وي كرامر در
۰ است كه تفسير آن مانند تفسير فوق است. / ۶ مقدار ۲۵۵ - شكل ۵
اندازه هاي مبتني بر تقليل نسبي خطا
تقليل نسبي خطا نسبت تفاضل خطاي اول (خطاي پي ش بيني متغير وابسته از روي
توزيع خود متغير وابسته ) از خطاي دوم (خطاي پيش بيني متغير وابسته از روي توزيع
آن در مستقل ) بر خط اي اول است. به طور مشخص، مقدار تقليل نسبي خطا مبين
نسبتي از تغيير متغير وابسته است كه با متغير مستقل همخواني و پيوستگي دارد . حال
SPSS... ١٤٠ برنامه كامپيوتري آمار
اگر واقعًا متغير مستقل بر متغير تأثير داشته باشد، يعني بين دو متغير رابطه علي وجود
داشته باشد مقدار ضريب تقليل نسبي خطا مبين نس بتي از تغيير متغير وابسته است كه
ناشي از متغير مستقل است.
اندازه ها و ضرايب مبتني بر تقليل نسبي خ طا بين صفر به معني فقدان رابطه بين دو
متغير تا يك به معني رابطه كامل بين دو متغيرند . تمام ضرايب مبتني بر تقليل نسبي
خطا با همين منطق محاسبه مي شوند، اما تعريف خطاي اول و خطاي دوم در اين
ضرايب متفاوت است و از اين رو هر يك براي وضعيت خاصي مناسب است.
ضرايب مبتني بر تقليل نسبي خطا مختص دو متغير اسمي (يا متغير اسمي و
ضريب تااو گودمن وكراسكال ،(Lambda) ترتيبي) عبارتند از ضريب لاندا
.(Uncertainty Coefficient) و ضريب عدم قطعيت (Goodman and Kruskal tau)
اين سه ضريب نامتقار ن اند، يعني اگر متغير سطري جدول متغير وابسته باشد يا مستقل
مقدار ضريب فرق مي كند.
در گزارش اجراي فرمان ضرايب دومتغيره اسمي، اين ضرايب در جدول
٦). ستون اول اين - مي آيند (شكل ٥ (Directional Measures) اندازه هاي سويي
(Nominal by Nominal) جدول به سطح سنجش متغيرها كه در اينجا اسمي اسمي
است و عنوان ضريب و نوع ضريب بر حسب متقارن بودن يا متغير وابسته
بودن متغير اول يا متغير دوم اختصاص دارد . در ستون دوم مقدار هر Depenclent
ضريب بر حسب سه سطح قبلي درج مي شود. ستون هاي بعدي هم خطاي استاندارد،
.( و سطح معناداري هرضريب است كه مربوط به آمار استنباطي است (بخش ٤ t آزمون
Lambda ضريب لاندا
لاندا ضريبي است كه خطاي اول آن كل فراواني منهاي فراواني طبقه نماي توزيع
متغير وابسته است و خطاي دوم مجموع فراواني هر طبقه متغير مست قل منهاي فراواني
نماي آن طبقه . در اين مثال، ضريب لانداي رابطه دو متغير احساس خوشبختي (متغير
فصل پنجم: رابطه دو متغير اسمي ١

SPSS راهنماي استفاده از برنامه ي اس پي اس اس2

فهرست
مقدمه ١
بخش اول: آماده سازي داد هها ٥
فصل اول: تشكيل فايل داد هها ٧
١ داده نامه ٧
داده ها ٧
ساختار داده نامه ٨
بازكردن اس پي اس اس ٩
صفحه فايل داده ها ١١
۲ متغيرنامه ١٣
١٣ Name نام متغير
١٤ Label تعريف متغير
١٤ Measure سطح سنجش متغير
١٨ Values مقاديرمتغير
٢١ Missing داده هاي ناقص
٢٥ Type نوع متغير
٢٥ Width عرض
٢٦ Decimal اعشار
٢٧ Columns طول ستون
٢٧ Align ترازبندي
۳ وارد كردن داده ها ٢٨
نامگذاري فايل ٢٩
بستن اس پي اس اس ٣١
تمرين ٣٣
۴ بازكردن فايل ٣٥
صفحه بازخواني فايل ٣٥
فرمان آخرين داده ها ٣٧
فرمان بازكردن ٣٨
تمرين ٤٠
فصل دوم: پردازش داد هها ٤١
۱ خطايابي ٤١
خطايابي با توزيع فراواني ٤٢
خطايابي با جدول تقاطعي ٤٧
تمرين ٥٢
۲ تجديدطبقه بندي ٥٢
SPSS... ب برنامه كامپيوتري آمار
تحت عنوان متغيري ديگر ٥٣
تحت عنوان همان متغير ٥٧
تجديدطبقه بندي همزمان چندمتغير ٦٢
تمرين ٦٤
۳ مقياس سازي ٦٦
جمع كردن ٦٦
ميانگين گيري ٦٩
تمرين ٧١
بخش دوم: آمار توصيفي ٧٣
فصل سوم: تحليل متغير كيفي ٧٥
۱ توزيع فراواني ٧٥
جدول توزيع فراواني ٧٨
تمرين ٨١
۲ نمودارتوزيع متغيركيفي ٨٢
نمودار ميله اي ٨٢
نمودار دايره اي ٨٧
اصلاح نمودار ٩٠
تمرين ٩١
۳ گرايش مركزي ٩٣
تمرين ٩٥
فصل چهارم: تحليل متغير كمي ٩٧
۱ آماره هاي توصيفي ٩٧
شاخص هاي گرايش هاي مركزي ٩٧
شاخص هاي پراكندگي ١٠٢
شكل توزيع ١٠٦
مقادير صدك ١٠٨
تمرين ١١٣
۲ نمودار توزيع متغيركمي ١١٤
متغيركمي پيوسته ١١٤
متغيركمي گسسته ١٢٧
تمرين ١٢٨
فصل پنجم: رابطه دو متغير اسمي ١٣١
۱ جدول تقاطعي ١٣١
تمرين ١٣٥
۲ اندازه رابطه متغيرهاي اسمي ١٣٥
ضرايب دومتغيره اسمي ١٣٦
فهرست ت
تمرين ١٤٢
فصل ششم: رابطه دو متغير ترتيبي ١٤٣
۱ جدول تقاطعي ١٤٣
تمرين ١٤٧
۲ اندازه رابطه متغيرهاي ترتيبي ١٤٧
ضرايب دومتغيره ترتيبي ١٤٧
تمرين ١٥٣
فصل هفتم: رابطه دو متغير كمي ١٥٥
۱ ضريب تعيين ١٥٥
تمرين ١٦٣
٢ ضريب همبستگي پيرسون ١٦٤
تمرين ١٦٨
۳ نسبت همبستگي ١٦٨
تمرين ١٧١
فصل هشتم: كنترل رابطه دومتغيره ١٧٣
۱ كنترل رابطه دو متغيركيفي ١٧٣
كنترل جدول تقاطعي ١٧٣
كنترل ضرايب دو متغيركيفي ١٧٦
تمرين ١٧٩
۲ كنترل رابطه دو متغير كمي ١٧٩
كنترل رابطه با متغير سوم كيفي ١٧٩
كنترل رابطه با متغير سوم كمي ١٨١
تمرين ١٨٤
۳ كنترل رابطه متغيركمي بامتغيراسمي ١٨٤
تمرين ١٨٩
بخش سوم: آمار استنباطي ١٩١
فصل نهم: برآورد پارامتر ١٩٣
۱ برآورد آماره هاي يك متغيره ١٩٤
متغيرهاي كمي ١٩٤
متغيرهاي كيفي ١٩٨
تمرين ٢٠٠
۲ برآورد آماره هاي دو متغيره ٢٠١
خطاي استانداردضرايب دومتغيره اسمي ٢٠١
خطاي استانداردضرايب دومتغيره ترتيبي ٢٠٤
خطاي استانداردضرايب دومتغيره كمي ٢٠٥
SPSS... ث برنامه كامپيوتري آمار
برآورد ضرايب ٢٠٦
تمرين ٢٠٧
فصل دهم: آزمون آماري ٢٠٩
۱ تفاوت ميانگين ها ٢١٢
٢١٣ t آزمون
تحليل واريانس) ٢٢١ ) F آزمون
تمرين ٢٢٦
۲ تفاوت نسبت ها ٢٢٧
آزمون خي دو ٢٢٧
آزمون با متغير دوجمله اي ٢٣١
تمرين ٢٣٣
۳ ضرايب دومتغيره ٢٣٤
ضرايب دومتغيره اسمي ٢٣٤
ضرايب دومتغيره ترتيبي ٢٣٥
ضرايب دومتغيره كمي ٢٣٦
تمرين ٢٣٩
فصل يازدهم: آزمون هاي ناپارامتري ٢٤١
۱ آزمون هاي تك نمونه ٢٤١
تمرين ٢٥٢
۲ آزمون نمونه هاي وابسته ٢٥٢
آزمون هاي دونمونه اي ٢٥٣
آزمون هاي چندنمونه اي ٢٥٩
تمرين ٢٦٤
۳ آزمون هاي نمونه هاي مستقل ٢٦٥
آزمون هاي دونمونه اي ٢٦٥
آزمون هاي چندنمونه اي ٢٧٢
تمرين ٢٧٩
بخش چهارم: بخش هاي اس پي اس اس ٢٨١
٢٨٣ File فصل دوازدهم: فايل
٢٨٣ New ١ فايل جديد
٢٨٣ Data فايل داده ها
٢٨٥ Output فايل گزارش
٢٨٨ Syntax فايل برنامه نويسي
٢٩١ Open ٢ بازكردن فايل
٢٩٣ Recently Used Data آخرين داده ها
٢٩٤ Recently Used Files آخرين فايل ها
فهرست ج
٣ بازكردن فايل هاي ديگر ٢٩٥
٢٩٧ Save as ۴ نامگذاري فايل
٣٠١ Exist ٥ بستن فايل
٣٠٢ Export ٦ انتقال
٣٠٥ Edit فصل سيزدهم: ويرايش
۱ تغييرات در فايل ٣٠٥
٣٠٥ Copy کپي
٣٠٦ Cut جابجايي
٣٠٦ Paste الحاق
٣٠٧ Undo ابطال
٣٠٧ ReUndo رفع ابطال
٣٠٧ Clear پاک کردن
٣٠٨ Insert variable افزودن متغير
٣٠٨ Insert Case افزودن مورد
۲ جستجو ٣٠٨
٣٠٨ Find يافتن
٣٠٩ Replace جايگزيني
٣١٠ Go to case مورديابي
٣١١ Go to Variable متغيريابي
۳ صفحه آرايي ٣١١
٣١٤ Viewer ظاهر
٣١٤ Output labels عناوين
٣١٥ Pivot Tables جداول
٣١٧ Data فصل چهاردهم: داده ها
۱ تغيير تركيب داده ها ٣١٧
٣١٧ Sort Cases مرتب سازي موردها
٣١٩ Sort Variables مرتب سازي متغيرها
٣٢٠ Transpose وارون سازي
٣٢١ Merge Files ادغام فايل ها
۲ مشروط كردن مورد ها ٣٢٦
٣٢٦ Splite File تقسيم فايل
٣٢٨ Select Cases انتخاب موردها
٣٣٣ Weight Cases وزن بخشي به موردها
٣٣٧ Trasform فصل پانزدهم: تبديل
۱ محاسبات ٣٣٨
SPSS... ح برنامه كامپيوتري آمار
٣٣٨ Compute Variable محاسبه متغير
٣٤٣ Count شمارش مقادير
٣٤٥ Rank رتبه بندي موردها
۲ طبقه بندي متغير ٣٤٦
٣٤٦ Recode تجديدطبقه بندي
٣٤٧ Automatic Recode تجديدكدگذاري خودكار
٣٤٨ Replace Missing جايگزيني داده هاي ناقص
فصل شانزدهم: سايربخش ها ٣٥٥
٣٥٥ View ۱ بخش نما
٣٥٥ Font نوع خط
٣٥٦ Gride Lines خطوط چهارخانه
٣٥٧ Value Lables نمايش تعريف مقادير
٣٥٨ Utilities ۲ بخش خدمات
٣٥٨ Variables متغيرها
٣٦٠ Help ۳ بخش راهنما
٣٦٠ Topics راهنماي موضوعي
٣٦١ Tutorial راهنماي اختصاصي
٣٦٢ Case Studies بررسي هاي موردي
٣٦٣ Command Syntax refrence مرجع برنامه نويسي
٣٦٥ Algorithms راهنماي فرمول هاي آماري
٣٦٦ What’s This? راهنماي جدول
ضمائم ٣٦٩
ضميمه الف ٣٧٠
ضميمه ب ٣٧٣
ضميمه ج ٣٧٦
واژه نامه فارسي  انگليسي ٣٨٣
منابع مورد استفاده ٣٩١
نمايه ٣٩٣
مقدمه
روش هاي آماري يكي از ابزارهاي اصلي تحقيقات كمي در بسياري از رشت ه هاي علوم
اجتماعي، علوم انساني، علوم زيستي و ... است و آموزش آن ب راي دانشجويان بسيار با
اهميت و تقريبًا گريزناپذير است، چه مطالعه و تحقيق در باره بسياري از مضامين و
موضوعات مستلزم استفاده از رو ش ها و تكنيك هاي آماري است . امروزه كه كامپيوتر
عموميت يافته است برنامه هاي كامپيوتري محاسبات آماري نقش مهمي در گسترش كاربرد
آمار در تحقيقات دارد، زيرا با اجراي سريع و دقيق محاسبات آماري و برداشتن امر شاق
محاسبات از دوش دان ش پژوهان، كاربرد آمار را به امر ساد ه اي تبديل م ي كند . گذشته از
اين، با اتكا به اين قابليت برنام ه هاي كامپيوتري محاسبات آماري، محور تدريس درس آمار
ديگر محاسبات و ا رائه فرمو ل هاي محاسباتي نخواهد بود، بلكه تشريح منطق اساسي مفاهيم
آماري و مفهوم آنها و كاربردشان در رشت ه هاي مربوط و خلاصه تفهيم بهتر آمار خواهد
شد كه اين نيز خودكاربرد آمار را گسترد هتر مي كند.
هم از اين رو، امروزه در دانشگا ه ها ارائه درسي سه يا چهار واحد ي ب راي آ موزش
كاربرد كامپيوتر كه عمدتًا براي محاسبات آماري است عموميت يافته است . اين كتاب نيز
به منزله كتاب درسي چنين آموزشي طرحريزي و تدوين شده است : اين كتاب آموزش
نحوه كاربرد برنامه كامپيوتري ا س پي اس اس براي محاسبات آماري در سطح در وس آمار
دوره كارشناسي ا ست كه عمومًا آمار يك متغيره و دو متغيره (آمار توصيفي يك متغيره و
دومتغيره و آمار استبناطي قرين با آن) است.
اين كتاب نه تنها جايگزين آموزش آمار و كتا ب هاي آمار دوره كارشناسي نيست ،
بلكه خواندن اين كتاب مستلزم گذراندن دروس آمار و تسلط بر مفاهيم و رو ش هاي
آماري است . گو اي ن كه در تشريح نحوه كاربرد ا س پي اس اس براي محاسبه مفاهيم آماري
معمو ً لا توضيح مختصري هم در باره آن مفاهيم ارائه مي شود اما براي اين كه بتوانيم از
برنامه كامپيوتري اس پي اس اس براي محاسبات آماري در سطح دوره كارشناسي استفاده
كنيم ابتدا بايد در س هاي آمار اين دوره را گذرانده و ضمن اشراف بر محاسبات آماري با
منطق و كاربرد مفاهيم آماري خوب آشنا شده باشيم.
SPSS... ٢ برنامه كامپيوتري آمار
برنامه كامپيوتري ا س پي اس اس فقط براي محاسبات آمار دوره كارشناسي نيست، بل كه
بخش عمده اي از آن به آمار پيشرفته و حرف ه اي اختصاص دارد كه در دور ه هاي تح صيلات
تكميلي (كارشناسي ارشد و دكتري ) آموزش داده م ي شود . محاسبات آمار پيشرفته و
حرفه اي معمو ً لا بسيار پيچيده و طولاني است و آموزش آن همراه با برنامه محاسبات آمار
پيشرفته و حرفه اي اس پي اس اس در يك كتاب واحد مفيدتر و كارآمدتر است . بنابراين،
اين كتاب آموزش ت مام برنامه كامپيوتري اس پي اس اس و راهنماي جامع آن نيست و فقط
شامل آن بخ ش هايي از اس پي اس اس است كه به محاسبات آمار دوره كارشناسي (آمار
توصيفي و استنباطي يك متغيره و دومتغيره ) و مقتضيات اجراي اين محاسبات اختصاص
دارد.
در اين كتاب، برنامه كامپيوتري ا س پي اس اس براي محاسبات آمار ي يك متغيره و دو
متغيره گام به گام با يك مثال مبسوط و در چهار بخش تشريح مي شود . بخش اول به
آماده سازي داد ه ها اختصاص دارد . براي انجام محاسبات كامپيوتري آمار ه ها و رو ش هاي
آماري ابتدا بايد داده ها را وارد برنامه ا س پي اس اس كرده، ويژگ ي آنها را براي
اس پي اس اس تعريف كنيم كه مضمون فصل اول اس ت . سپس بايد با اصلاحاتي مانند
برطرف كردن خطاهايي كه ط ي گردآوري داد ه ها و انتقال آنها به برنامه ا س پي اس اس
پيش مي آيد داد هها را پردازش كنيم (فصل دوم).
بخش دوم تشريح نحوه كاربرد برنامه ا س پي اس اس بر اي محاسبات كامپيوتري آمار
توصيفي يك متغيره و دومتغيره است . تحليل آماري يك متغيره كيفي در فصل سوم و
تحليل آماري يك متغيره كمي در فصل چهارم به ميان م ي آيد . رابطه دومتغيره اسمي در
فصل پنجم، رابطه دومتغيره ترتيبي در فصل ششم ، رابطه دومتغيره كمي در فصل هفتم و
كنترل آماري رابطه دومتغيره هم در فصل هشتم عنوان مي شود.
بخش سوم هم تشريح نحوه كاربرد برنامه ا س پي اس اس براي محاسبات آمار استنباطي
است. برآورد پارامتر كه روش هاي برآورد و استنباط خصوصيات جمعيت از روي
خصوصيات نمونه است در فصل نهم مطرح مي شود . در فصل دهم آزمون آماري و در
فصل يازدهم نيز آزمون ناپارامتري كه براي نشان دادن ميزان تعميم پذيري نتايج نمونه به
جمعيت است به ميان م يآيد .
مقدمه ٣
در بخش آخر هم بخ ش ها و قسم ت هاي برنامه اس پي اس اس كه براي اجراي برنامه
اس پي اس اس براي محاسبات آمار دوره كارشناسي لازم يا سودمندند مطرح مي شود.

بخش اول: آماده سازي داده ها
براي انجام محاسبات كامپيوتري آمار ه ها و روش هاي آماري با برنامه اس پي اس اس
ابتدا بايد داده هاي (اطلاعات ) گردآوري شده را وارد برنامه اس پي اس اس كرده،
ويژگي آنها را براي اس پي اس اس تعريف كنيم. فصل اول به همين موضوع
اختصاص دارد . سپس بايد جرح و تعدي ل ها و پرداز ش ها يي مانند برطرف كردن
خطاهايي كه طي گردآوري داده ها و انتقال آنها به برنامه اس پي اس اس پيش مي آيد
در داد ه ها اعمال كنيم تا براي محاسبات آماري آماده شود . فصل دوم هم به اين
موضوع اختصاص دارد.

فصل اول: تشكيل فايل داده ها
در برنامه اس پي اس اس قسمتي كه داده هاي (اطلاعات) گردآوري شده را وارد آن
كرده و ويژگي آنها را تعريف م ي كنيم فايل داده ها مي ناميم. فايل داده ها هم شامل
دو قسمت است : يكي داده نامه كه داده ها را وارد آن م ي كنيم و ديگري متغيرنامه كه
ويژگي داده ها را در آن تعريف مي كنيم.
١ داده نامه
داده ها
اطلاعات و داده هايي كه محقق م ورد تحليل آماري قرار مي دهد ويژگ ي هاي
مجموعه اي از عناصرند . ويژگي ها را متغير مي ناميم كه تأكيدي است بر تغي ير و
تفاوت عناصر بر حسب ويژگي معيني . عناصر ي هم كه ويژگي هاي آنها را تحليل
مي كنيم واحدهاي تحليل يا مورد هاي تحليل مي خوانيم . به عنوان مثال، اطلاعات
مربوط به كشو ر هاي مختلف كه هر سال در سالنامه هاي آماري سازمان ملل منتشر
مي شود شامل متغيرهايي چون درآمد سرانه ، ميزان رشد سالان ه ي جمعيت و ميزان
SPSS... ٨ برنامه كامپيوتري آمار
باسوادي است كه واحد تحلي ل آنها كشور است . خصوصيات و نگرش ها و نقطه
نظرات مردم راجع به موضوعات مختلف كه در نظرسنجي ها و با پرسشنامه
گرد آوري مي شود متغيرهايي هستند كه واحد تحليل آن ها فرد است.
ساختار داده نامه
ساختار داده نامه در فايل داده ها نيز ب ه گونه اي است كه اين دو وجه داد ه ها (متغير و
۱) كه هر - واحد تحليل ) را دربر مي گيرد؛ داده نامه جدولي دو بعدي است (شكل ۱
رديف آن به يك عنصر يا مورد (واحد تحليل ) اختصاص دارد و هر ستون آن هم به
يك متغير.
براي وارد كردن داد ه هاي تحقيق در فايل داده ها ابتدا بايد متغيرهاي تحقيق را
براي فايل داد ه ها تعريف كنيم؛ تعريف متغير هم شامل درج عنوان، نوع متغير،
تعريف مفهوم متغير، طبقات متغير، سطح سنجش و ... است. در اينجا نحوه تعريف و
وارد كردن اطلاعات به فايل داد ه ها را گام به گام با يك مثال مبسوط تشريح
مي كنيم.
فرض كنيم در تحقيقي به نام پيمايش نگرش ها در پي بررسي و مطالعه نگرش
مردم به موضوعاتي چون خانواده و امثالهم هستيم و براي اين امر پرسشنام ه اي شامل
۳۱ پرسش تدوين كرده ايم تا با انتخاب نمون ه اي احتمالي از مردم يك شهر و با
مصاحبه حضوري با آنها پرسشنامه را كه دربرگيرنده داده هاي تحقيق ما است پر
كنيم. اين پرس شنامه در ضميمه الف ارائه شده است . ما اين پيمايش را اجرا كرده ايم
و حال برآنيم تا داده هاي گردآوري شده (ضميمه ج) را وارد داده نامه برنامه
اس پي اس اس كنيم. بدين منظور ابتدا برنامه اس پي اس اس را باز مي كنيم و سپس
متغيرهاي خود (پرسش هاي پرسشنامه ) را براي آن تعريف كرده ، سرانجام داده ها را
وارد فايل داده ها در برنامه اس پي اس اس مي كنيم.
فصل اول: فايل دادهها ٩
Data View ١ صفحه اس پي اس اس (فايل داده ها)، جدول داده نامه - شكل ١
بازكردن اس پي اس اس
- براي باز كردن (فعال كردن ) برنامه اس پي اس اس در پايين صفحه ويندوز (شكل ۱
۲) قسمت شروع را باز مي كنيم (روي آن كليك مي كنيم ). ١ سپس در
قسمت برنامه ها در قسمت اس پي اس اس روي
۱. براي باز كردن يك برنامه كامپيوتري در صفحه مانيتور نشانگر موس را روي آن مي بريم و
قسمت سمت چپ موس را فشار مي دهيم (كليك مي كنيم).
SPSS... ١٠ برنامه كامپيوتري آمار
۱۶ (يا هر شمار ه دي گري مث ً لا اس پي اس اس / قسمت اس پي اس اس ۰
۱۱ يا اس پي اس اس ۱۵ يا اس پي اس اس بالاتر از ۱۶ ) كليك مي كنيم. ٢ /۵
در ويندوز SPSS ٢ قسمت بازكردن اس پي اس اس - شكل ١
۲. برنامه اس پي اس اس مرتبًا با تغييراتي تحت شماره هاي بالاتر به بازار مي آيد . با اين همه، اين
تغييرات جزيي بوده، عمومًا به جنبه صوري و بصري مربوط است و پايه و اساس و ساختار
عمومي برنامه اس پي اس اس تغيير نمي كند. بنا بر اين، مطالب ي كه در اين كتاب عنوان م ي شود
كم و بيش براي شماره هاي قبلي اس پي اس اس و احتما ً لا شماره هاي بعدي قابل اعمال است.
فصل اول: فايل دادهها ١١
۱۶ در صفحه ويندوز يا خانه بالاي برنامه ها / ممكن است قسمت اس پي اس اس ۰
قرار داشته باشد . در هر حال با كليك كردن آن قسمت ، برنامه اس پي اس اس باز
مي شود. ٣
صفحه فايل داده ها
با باز شدن برنا مه اس پي اس اس، صفحه اي تحت عنوان ويرايشگر يا داده پرداز
۱) كه همان فايل داده ها - ظاهر مي شود (شكل ۱ SPSS Data Editor اس پي اس اس
است و براي سهولت آن را صفحه اس پي اس اس يا همان فايل داده ها مي ناميم. اما در
۳) كه براي بازخواني فايل هايي - بدو امر صفحه اي روي فايل داده ها مي افتد (شكل ۱
است كه قب ً لا باز شد ه اند. فع ً لا اين صفحه را لغو مي كنيم ( بعد ًا كه فايل
داده هاي خود را تشكيل دادي م از اين صفحه براي باز كردن آن استفاده خواهي م
Untitled كرد). در بالاي صفحه فايل داده ها عبارت مجموعه داده هاي بي نام 1
آمده است . هرگاه فايل داده ها را نامگذاري كنيم نام فايل جايگزين [DataSet0]
.(۵- عبارت مذكور مي شود (مانند شكل ۱
،Edit پردازش ،File رديف اول صفحه فايل داد ه ها شامل بخش هايي چون فايل
است كه هر بخش Help و راهنما Analyiz تحليل ،Transform تبديل ،Data داده ها
نيز شامل قسمت هايي است . بعدًا رفته رفت ه با اين بخ ش ها و قسمت ها آشنا خواهيم
شد.
۳. اگر برنامه اس پي اس اس در كامپيوتر مورد استفاده شما نصب نشده است مي توانيد با تهيه
سي دي برنامه اس پي اس اس به سادگي آن را نصب كنيد.
SPSS... ١٢ برنامه كامپيوتري آمار
٣ صفحه بازخواني فاي لهاي اس پي اس اس - شكل ١
رديف دوم صفحه فايل داده ها شامل فرمان هاي اجرايي چون ضبط و
پرينت است. جدولي هم كه در صفحه فايل داد ه ها قرار دارد ه مان جدول ي
است كه داده ها را وارد آن مي كنيم و آن را جدول داده ها يا به اختصار داده نامه
مي ناميم. اما قبل از و ارد كردن داده ها به اين جدول بايد متغيرها را Data View
تعريف كنيم.
فصل اول: فايل دادهها ١٣
۲ متغيرنامه
صورت مي گيرد. براي باز Variable View تعريف متغيرها در جدولي به نام متغيرنامه
كردن متغيرنامه در انتهاي صفحه فايل داد ه ها قسمت متغيرنامه را
كليك مي كنيم. بدين ترتيب ، در صفحه فايل داده ها جدول متغيرنامه به جاي جدول
۴). در جدول - داده نامه ظاهر م ي شود كه مختص تعريف متغيرها است (شكل ۱
متغيرنامه هر رديف به يك متغير اختصاص دارد و هر ستون نيز توصيف يكي از
ويژگي هاي متغير است.
٤ جدول متغيرنامه در صفحه فايل داده ها - شكل ١
Name نام متغير
اسم متغير درج مي شود. به عنوان مثال، متغيرهاي Name در ستون نام متغير
مخفف متغير و V . و ... نامگذاري كرده ايم ،V3 ،V2 ،V پيمايش نگرش ها را متغير 1
شماره ها نيز منطبق با شمار ه سؤالات پرسشنامه پيمايش نگرش ها از شماره ۱ تا شماره
SPSS... ١٤ برنامه كامپيوتري آمار
۳۱ است . پيدا است كه براي هر متغير هر نامي را كه مناسب ببينيم مي توانيم انتخاب
كنيم.
از آنجا كه در متغيرنامه هر رديف به يك متغير اختصاص دارد ۳۱ رديف به
متغيرهاي پيمايش نگرش ها اختصاص مي يابد. اما علاوه بر اين يك رديف هم به
مي گذاريم. بدين ترتيب، ID شماره پرسشنامه اختصاص مي دهيم و نام آن را
متغيرنامه پيمايش نگرش ها بدوًا شامل ۳۲ رديف م ي شود (اين بدان معنا است كه
داده نامه هم بدوًا شامل ۳۲ ستون مي شود).
Label تعريف متغير
كه ستون پنجم متغيرنامه است به تعريف مفهوم متغير Label ستون تعريف متغير
اختصاص دارد . ما تعريف بي شتر متغيرهاي پيمايش نگرش ها را همان پرسش هاي
پرسشنامه انتخاب كرد ه ايم. باز پيد ا است كه مي تواني م مفهوم متغير خود را به هر
خود را (V صورتي كه مناسب م ي دانيم تعريف كني م. به عنوان مثال، ما متغير اول ( 1
همان پرسش پرسشنامه ( چ ه سن ي برا ي ازدوا ج پس ر مناس ب اس ت؟) تعريف كرده ايم اما
را فقط جنسيت تعريف كرده ايم V را فقط تحصيلات يا متغير 21 V متغير 16
۵). براي تعريف مفهوم متغير در اين ستون مي توان هم مستقيمًا آن را تايپ - (شكل ۱
كرد و هم آن را از جاي ديگر (مث ً لا پرسشنامه) كپي و به اين ستون منتقل كرد.
Measure سطح سنجش متغير
به توصيف سطح سنجش Measure ستون آخر متغيرنامه، ستون سطح سنجش متغير
متغيرها اختصاص دارد . سطح سنجش متغير مبين نوع سنجش و انداز ه گيري متغير
است. تشخيص و تميز سطح سنجش متغيرها اهميت خاصي دارد . هر نوع مقياس يا
فصل اول: فايل دادهها ١٥
سطح سنجشي درخور اعمال آماري خاصي است ولي براي ساير اعمال آماري
مناسب نيست.
٥ بخشي از متغيرنامه پيمايش نگرش ها - شكل ١
SPSS... ١٦ برنامه كامپيوتري آمار
متغيرها از لحاظ سطح سنجش (نحوه سنجش يا مقياس سن جش) به دو دسته كلي
تقسيم م ي شوند: كمي وكيفي . متغيرهاي كمي با واحدهاي عددي انداز ه گيري
مي شوند و از لحاظ تقسي م پذير بودن يا تقسي م پذير نبودن واحد سنج ش شان به دو
دسته تقسيم مي شوند: متغير پيوسته و متغير گسسته . متغير پيوسته متغيري است كه
واحدهاي سنجش آن به طو ر نامتناهي و نامحدود تقسيم پذيرند، يعني هر واحد آن را
مي توان به واحدهاي سنجش كوچكتري تقسيم كرد . متغير زمان، درآمد، انواع
ميزان ها (ميزان رشد جمعيت، ميزان باروري وامثالهم ) نمونه هايي از متغير پيوست ه اند .
به عنوان مثال، واحد سنجش زمان م ي تواند سال باشد يا ماه يا روز يا ساعت يا دقيقه
يا ثانيه يا ميلي ثانيه و الي آخر.
متغير گسسته اما متغيري است كه واحدهاي سنجش آن مجزا بوده و تقسيم ناپذير
هستند. به عنوان مثال، بعد خانوار (تعداد اعضاي يك خانوار ) متغيري گسسته است
۵ و الي آخر مجزا بوده و تقسيم ناپذيرند . ،۴ ،۳ ،۲ ، چون واحدهاي سنجش آن ۱
تمام متغيرهايي كه بر حسب تعداد بيان مي شوند مانند تعداد جمعيت، تعداد وسايل
در خانه، تعداد بچه، تعداد مسكن و امثالهم متغير گسسته اند.
با علامت مقياس Measure متغير كمي در ستون سطح سنجش متغير
چ ه سن ي برا ي ازدوا ج ) V مشخص مي شود. به عنوان مثال، در پيمايش نگرش ها متغير 1
۶). اس پي اس اس ب ه طور خودكار هر - پسر مناس ب اس ت؟) متغير كمي است (شكل ۱
متغيري را كمي تعريف مي كند مگر اين كه ما اين تعريف را عوض كنيم.
متغيركيفي متغيري است كه نمي توان آن را با ابزار كمي اندازه گيري كرد، بلكه
سنجش آن به صورت طبقه بندي صورت مي گيرد . به عبارت ديگر، متغيركيفي
متغيري است كه فقط به صورت طبقه بندي قابل اندازه گيري است . متغيرهاي كيفي
شامل متغيرهاي اسمي و متغيرهاي ترتيبي اند.
فصل اول: فايل دادهها ١٧
در متغيرنامه پيمايش نگرش ها Measure ٦ ستون سطح سنجش متغير - شكل ١
متغير اسمي شامل طبقاتي است كه نوعًا متفاوتند و هر طبقه اسم خاصي دارد ،
مانند جنسيت (شامل دو طبقه زن و مرد )، قوميت، وضع تأهل (شامل دو طبقه متأهل
و غيرمتأهل يا چندين طبقه - متأهل، ازدواج نكرده، همسر فوت شده، همسر
جد اشده، همسر تر ك كرده)، شغل و امثالهم . متغير اسمي در ستون سطح سنجش متغير
با علامت اسمي مشخص م يشود. به عنوان مثال، در Measure
در خانواد ه شما تصمي م نهاي ي را چ ه كس ي م يگير د؟) متغيري ) V پيمايش نگرش ها متغير 6
اسمي است . براي اسمي تعريف كردن اين متغير ابتدا روي خانه تقاطع ستون
با متغير مورد نظر و سپس روي علامت Measure سطح سنجش متغير
اسمي كليك مي كنيم.
متغير ترتيبي شامل طبقاتي است كه بين آنها سلسله مراتب وجود دارد، يعني
طبقات نسبت به هم بالا و پايين يا كم و زياد هستند ، مانند طبقه اجتماعي (كه عمومًا
شامل سه طبقه است : طبقه بالا، طبقه متوسط، طبقه پايين )، نگرش ها (كه عمومًا سه
طبقه  موافق، ب ي نظر، مخالف  يا پنج طبقه اند  كام ً لا موافق، موافق، ب ي نظر، مخالف،
كام ً لا مخالف )، گروه هاي درآمدي (طبقه پردرآمد، ميان درآمد، كم درآمد )،
گروه هاي سني (نوزادان، كودكان، نوجوانان، جوانان، ميانسالان، كهنسالان ) و
SPSS... ١٨ برنامه كامپيوتري آمار
با علامت ترتيبي Measure امثالهم. متغير ترتيبي در ستون سطح سنجش متغير
از ) V مشخص مي شود. به عنوان مثال، در پيمايش نگرش ها متغير 7
خانواده خود چقدر راضي هستيد ؟) متغيري ترتيبي است . براي ترتيبي تعريف كردن
با متغير مورد نظر Measure اين متغير ابتدا روي خانه تقاطع ستون سطح سنجش متغير
و سپس روي علامت ترتيبي كليك مي كنيم.
Values مقاديرمتغير
ستون ششم متغيرنامه براي تعريف عددها و مقادير ي است ،Values ستون مقاديرمتغير
كه كد و شماره طبقات متغيرهاي اسمي و ترتيب ي اند، زيرا هنگام و ارد كردن داده ها
دركامپيوتر براي سهولت ك ار به جاي عبارت هاي هر طبقه، از اعداد به عنوان كد و
۷). به همين دليل، از همان - نشانه اي كه نماينده آنها است استفاده مي كنيم (شكل ۱
ابتدا در پرسشنامه كنار طبقات كدي براي آن ها درج مي كنيم و هنگام وارد كردن
داده ها دركامپيوتر از همان كدها استفاده مي كنيم.
در متغيرنامه پيمايش نگرش ها Values ٧ ستون مقاديرمتغير - شكل ١
فصل اول: فايل دادهها ١٩
با Values براي تعريف كدهاي يك متغيركيفي روي خانه تقاطع مقاديرمتغير
۷). با اين عمل صفحه تعريف - سطر متغير مورد نظر كليك م ي كنيم (شكل ۱
۸) در اين صفحه در خانه مقدار - باز مي شود (شكل ۱ Value Lables مقادير
كد (عدد) ۱ و در خانه تعريف مقدار عنوان طبقه
اول را درج كرده، روي قسمت افزودن كليك مي كنيم. به همين ترتيب
كد طبقات بعدي را تعريف كرده، بعد از اتمام تعريف كد تمام طبقات فرمان را
تأييد مي كنيم.
Value Lables ٨ صفحه تعريف مقادير - شكل ١
پيمايش نگرش ها (سؤال ” ازدواج با طبقه خود بهتر V به عنوان مثال، طبقات متغير 4
اس ت يا طبقه بالاتر يا پايي نتر؟“) عبارت است از: [ ۱] با ه مطبقه خو د، [ ۲] ب ا طبق ه بالات ر،
۳] با طبق ه پايي نتر، [ ۴] فرقي نم يكند. از اين رو ، در متغيرنامه در ستون مقادير متغير ]
اين كدها را به هم ين صورت تعريف مي كنيم؛ يعني مشخص مي كنيم كه هر Values
در صفحه V ۹ تعريف كدهاي طبقات متغير 4 - كد نماينده چه طبق ه اي است . شكل ۱
است. Values مقادير متغير
SPSS... ٢٠ برنامه كامپيوتري آمار
مقادير متغيرهاي سطح سنجش كمي كمي ت هاي عددي هستند و لزوم ي به
تعريف آنها نيست؛ هر عدد معرف مقدار ي بر حسب واحد انداز ه گيري آن متغير
كمي است. واحد اندازه گيري برخي از متغيرهاي كمي به محقق بستگي دارد (مث ً لا
درآمد بر حسب تومان، يا هزار تومان ). در اين صورت بايد در ستون تعريف متغير
واحد انداز ه گيري متغير را مشخ ص كرد . به عنوان مثال، ما در تعريف متغير Label
واحد اندازه گيري آن را مشخص كرده ايم: مخار ج خانواده به هزار توما ن. با V27
اين همه، واحد اندازه گيري برخي از متغيرهاي كمي مانند سن (كه واحد
...،۳ ،۲ ، اندازه گيري آن سال است ) يا تعداد (كه واحد سنجش آن اعداد طبيعي ۱
است) لزومي به تعريف ندارد.
پيمايش نگرش ها V متغير 4 Value Lables ٩ صفحه تعريف مقادير - شكل ١
كدگذاري طبقات متغير كيفي به هيچوجه به معناي كمي شدن طبقات نيست . مث ً لا
به مرد شماره يا كد ١ مي دهيم و به زن كد ٢. اين عمل شمار ه گذاري يا كدگ ذاري به
. هيچوجه بدان معنا نيست كه مرد معادل عدد ١ است و زن معادل عدد ٢
فصل اول: فايل دادهها ٢١
Missing داده هاي ناقص
هنگام گردآورري داده ها چه بسا ويژگي هاي برخي از موردها در يك متغير
مشخص نشود . مث ً لا در پيمايش نگرش ها چه بسا برخي از مردم از پاسخ دادن به
پرسشي خودداري كنند يا پا سخ دهند كه نمي دانند يا سؤال مذكور ربطي بدانها
نداشته باشد ، مانند سؤال ” حقو قبگير هستيد ؟“ كه مربوط به كساني است كه شاغل اند
و به كساني كه شاغل نيستند مربوط نم ي شود. از اين رو، بعد از تعريف كد و مقادير
متغير بايد اين نامشخص بودن پاسخ يا نامربوط بودن را تحت عنوان داده هاي ناقص
تعريف كنيم. Missing Values در ستون مقادير ناقص Missing
معمو ً لا داده هاي ناقص را تحت عنوان سه مقوله مشخص مي كنيم: نامربوط با كد
۷، نمي دانم با كد ۸ و امتناع از پاسخ دادن با كد ۹. براي پرسشي كه طبقات
۹۸ و ۹۹ استفاده ، (گزينه هاي پاسخ ) آن از ۶ طبقه بيشتر باشد به ترتيب از كد ۹۷
Missing Values مي كنيم. براي تعريف داده هاي ناقص متغير در ستون مقادير ناقص
رديف مربوط به آن متغير را باز مي كنيم (كليك مي كنيم) تا صفحه مقادير ناقص
.(۱۰- باز شود (شكل ۱ Missing Values
Value Missing ١٠ صفحه مقادير ناقص - شكل ١
SPSS... ٢٢ برنامه كامپيوتري آمار
قسمت مقادير ناقص گسسته Missing Values سپس در صفحه مقادير ناقص
را فعال (كليك) مي كنيم و مقادير مورد نظر خود را به
۱۱ ). همچنين مي توانيم مقادير - ترتيب وارد خانه هاي زير آن مي كنيم (مانند شكل ۱
ناقص را به صورت يك ف اصله (از كوچ ك ترين مقدار تا بزر گ ترين مقدار ) تعريف
كنيم. در اين صورت قسمت دامنه به اضافه يك مقدار ناقص گسسته
را علامت زده، كوچ ك ترين مقدار
و بزرگ ترين مقدار ناقص را در خانه دوم (خانه (Low ناقص را در خانه اول (خانه
وارد م ي كنيم. اگر داد ه هاي ناق ص علاوه بر يك فاصله شامل يك مقدار هم (High
بود آن را هم در خانه آخر وارد كرده، در خاتمه فرمان را
تأييد مي كنيم.
پيمايش نگرش ها V ١١ صفحه مقاديرناقص متغير 24 - شكل ١
تعريف كدهاي Missing Values ۱۱ صفحه مقادير ناقص - به عنوان مثال، شكل ۱
= سؤال ” اگر شاغل، حقو قبگير هستي د؟“) به صورت ۷ ) V داده هاي ناقص متغير 24
نامربوط، ۸= نمي دانم، ۹= امتناع از پاسخ است.
فصل اول: فايل دادهها ٢٣
لازم Missing Values بعد از وارد كردن مقادير ناقص در ستون مقادير ناقص
كدهاي ناقص را نيز تعريف كنيم. به عنوان مثال، Values است در ستون مقاديرمتغير
علاوه بر تعريف كد طبقات آن (طبقه بله V متغير 24 Values در تعريف مقاديرمتغير
با كد ۱ و طبقه خير با كد ۲ است) كد ۷ را نامربوط ، كد ۸ را نمي دانم وكد ۹ را
.(۱۲- امتناع از پاسخ تعريف كرده ايم (شكل ۱
V متغير 24 Value Lables ١٢ صفحه تعريف مقادير - شكل ١
سؤال ” چ ه سن ي را برا ي ازدوا ج پسرمناس ب م يداني د؟“) كه واحد ) V يا براي متغير 1
سنجش آن سن ا ست و از اين رو هيچ مقداري را براي واحد سنجش آن تعريف
نكرده ايم مقادير ناقص آن را كد ۹۷ = نمي دانم و كد ۹۹ = امتناع از پاسخ تعريف
.(۱۳- كرده ايم (شكل ۱
گاهي داد ه هاي مربوط به متغير يك مورد (مث ً لا پاسخگو ) از قلم مي افتد . مث ً لا
هنگام مصاحبه پرسشگر فراموش م ي كند كه پاسخ را در پرسشنامه درج كند و
لاجرم پاسخ پرسش خالي م ي ماند . در اين صورت هنگام وارد كردن داده ها در
SPSS... ٢٤ برنامه كامپيوتري آمار
داده نامه خانه مربوط به آن مورد خا ص خالي م ي ماند. برنامه اس پي اس اس به طور
به شمار مي آورد. Missing خودكار خانه خالي را داده ناقص
V متغير 1 Value Lables ١٣ صفحه تعريف مقادير - شكل ١
اهميت مشخص كردن كد داد ه هاي ناقص از آنجا است كه برنامه ا س پي اس اس
هنگام محاسب ات آم اري، داده هاي ناقص را كنار م ي گذارد. بنا بر اين، اگر داده هاي
ناقص را براي اس پي اس اس تعريف نكنيم، به صورت مبهم و گمراه كننده در
محاسبات آماري وارد شده، آن را خدشه دار مي سازند.
اهميت تفكيك داده هاي ناقص به بي ربط، نمي دانم و امتناع از پاسخ هم براي آن
است كه اگر محقق درصدد بررسي مستقل داده هاي ناقص برآيد (مث ً لا بخواهد بداند
چه نوع افرادي پاسخ پرسش را نم ي دانند يا چه نوع افرادي از دادن پاسخ ام تناع
مي كنند) اين تفكيك امكان چنين بررسي مستقلي را فراهم مي آورد.
فصل اول: فايل دادهها ٢٥
Type نوع متغير
باز Variable Type در متغيرنامه صفحه نوع متغير Type با كليك كردن ستون نوع متغير
(Staring) يا حرف ي (Numeric) ۱۴ ) كه متغير را از لحاظ عددي - مي شود (شكل ۱
بودن يا انواع ديگر مشخص مي كند . از آنجا كه متغيرهاي مورد تحليل آماري
كمي اند يا طبقات شان ر ا با كدهاي عددي نشان مي دهيم معمو ً لا نوع متغير را هما ن
باقي مي گذاريم؛ اس پي اس اس هم به طور خودكار هر (Numeric) نوع عددي
تعريف مي كند، مگر اين كه اين تعريف را عوض (Numeric) متغيري را عددي
روي نوع مورد نظر Variable Type كنيم. براي تغيير نوع متغير در صفحه نوع متغير
كليك مي كنيم. بدين ترتيب نوع مورد نظر جايگزين نوع عددي مي شود.
دو قسمت هم براي تعيين تعداد حروف Variable Type در صفحه نوع متغير
به تعيين Width الفبايي يا ارقام اعداد و تعداد اعشار اعداد وجود دارد : قسمت عرض
تعداد حروف اختصاص دارد و به طور خودكار ۸ حرف است و قسمت اعشار
به تعيين تعداد اعشار اعداد اختصاص دارد و به طور خودكار ۲ رقم Decimal Places
است.
درجدول متغيرنامه هم دو ستون مستقل به اين دو ويژگي متغيرها اختصاص
دارد. بنا براين، اين دو ويژگي را مي توان هم در خانه نوع متغير تعريف كرد و هم
به طور مستقل در ستون هاي اختصاصي آنها.
Width عرض
د ر متغيرنامه براي تعيين تعداد حروف الفبايي يا ارقام اعداد متغير Width ستون عرض
سؤال ” ازدواج با طبقه خو د بهتر اس ت يا طبقه بالاتر يا ) V است. به عنوان مثال، ما متغير 4
پايي نتر ؟“) را يك رقمي تعريف كرده ايم چون تعداد طبقات آن چهار طبقه است كه
SPSS... ٢٦ برنامه كامپيوتري آمار
را كه سن مناسب V ۵). در عوض، متغير 1 - از يك رقم فراتر نمي رود (شكل ۱
ازدواج براي پسران است دو رقمي تعريف كرده ايم، چون معمو ً لا افراد در سنين
بالاي ۱۰ سال (سنين دو رقمي) ازدواج مي كنند.
Variable Type ١٤ صفحه نوع متغير - شكل ١
Decimal اعشار
براي تعيين تعداد ارقام اعشاري در متغيرهاي كمي است . Decimal ستون اعشار
متغيرهاي اجتماعي معمو ً لا غيركمي اند و اعدادي كه نماينده طبقا ت شان هستند كد و
۳ ، ... هستند. متغيرهاي كمي مثل سن ،۲ ، شماره بوده ، منطبق با رش ته اعداد طبيعي ۱
فصل اول: فايل دادهها ٢٧
يا درآمد را نيز با رش ته اعداد طبيعي (اعداد غي راعشاري) نشان مي دهيم . از اين رو،
عدد صفر درج مي شود. Decimal معمو ً لا در ستون اعشار
با اين همه اگر متغيري مثل ميزان رشد جمعيت سالانه رشد جمعيت كشورها در
ميان باشد تعداد ارقام اعشاري مناسب آن را در اين ستون درج مي كنيم. در پيمايش
را صفر تعريف كرده ايم V نگرش ها تعداد ارقام اعشار ي تمام متغيرها بجز متغير 19
سؤال ” در شبان هروز چند ساعت روزنام ه ) V ۵). از آنجا كه در جواب متغير 19 - (شكل ۱
و مجل ه م يخوانيد؟“) بسياري از مردم ميزان آن را بر حسب دقيقه بيان م ي كنند از اين
عدد ۲ Decimal رو، براي اين متغير دو رقم اعشار در نظر گرفته ، در ستون اعشار
درج كرده ايم.
Columns طول ستون
در اين قسمت طول ستون متغير در داده نامه تعيين مي شود كه بايد متناسب با طول نام
متغير و طول نام طبقات باشد . طول متغيرها به طور خودكار ۸ حرف تعيين مي شود ؛
هيچ يك از متغيرها ي پيما يش نگرش ها ر ا تغيير Columns ما هم طول ستون
نداده ايم.
Align ترازبندي
براي صفحه آرايي و تعيين چ پ چين يا راست چين يا Align ستون ترازبندي
وسط چين بودن مندرجات ستون هاي جدول داد ه نامه است . از آنجا كه متغيرها
هستند اس پي اس اس به طور خودكار ستون ترازبندي (Numeric) معمو ً لا عددي
تعريف مي كند. ما هم در متغيرنامه پيمايش Right هر متغيري را راست چين Align
SPSS... ٢٨ برنامه كامپيوتري آمار
هيچ يك از متغيرهاي پيمايش نگرش ها را تغيير نداده، Align نگرش ها ترازبندي
باقي گذاشته ايم. Right همان راست چين
۳ وارد كردن داده ها
با اتمام تعريف تمام متغيرها در متغيرنامه حال مي توانيم داده هاي خود را وارد
داده نامه برنامه اس پي اس اس كنيم . بدين منظور در انتهاي صفحه فايل داده ها قسمت
داده نامه را كليك مي كنيم تا جدول داده نامه ظاهر م ي شود . حال
داده هاي خود را رديف به رديف (مورد به مورد ) از پرسشنام ه ها وارد داده نامه
مي كنيم.
به عنوان مثال، در اينجا داده هاي پيمايش نگرش ها را وارد متغيرنامه مي كنيم . اين
داده ها شامل اطلاعات ۸۰ پرسشنامه است كه با مصاحبه حضوري با نمونه اي
احتمالي از مردم ۱۵ تا ۶۵ ساله ساكن در يكي از شهرهاي بزرگ تكميل و از ۱ تا
۸۰ شماره گذاري شده اند.
در اولين پرسشنامه ت كميل شده پيمايش نگرش ها (كه در ضميمه ب آمده است )
سن ۲۵ سال را سن مناسب (V مشاهده مي كنيم پاسخگو در پاسخ سؤال اول (متغير 1
براي ازدواج پسر م ي داند. ما هم در رديف اول داده نامه در ستون اول (كه به سؤال
۱۵ ). در ستون دوم عدد - اول اختصاص داده ايم) عدد ۲۵ را وارد مي كنيم (شكل ۱
۱۹ را (پاسخگو سن ۱۹ سال را سن مناسب براي ازدواج دختر مي داند) وارد مي كنيم
شماره پرسشنامه را (ID و همينطور تا آخرين سؤال . در ستون آخر داده نامه (ستون
كه ۱ است درج مي كنيم. بعد از وارد كردن داد ه هاي پرسشنامه اول نوبت پرسشنامه
دوم مي رسد و همينطور تا آخرين پرسشنامه.
فصل اول: فايل دادهها ٢٩
١٥ رديف اول داده نامه پيمايش نگرش ها - شكل ١
نامگذاري فايل
فايلي كه متغيرنامه و داده نامه آن را تكميل كرده ايم يا از همان آغاز (بعد از تعريف
اولين متغير يا درج اولين كلمه يا عدد ) نامگذاري م ي كنيم. براي نامگ ذاري فايل ابتدا
.(۱۶- قسمت نامگذاري را كليك مي كنيم (شكل ۱ ،File در بخش فايل
.(۱۷- باز مي شود (شكل ۱ Save Data As با اين عمل صفحه نامگذاري فايل
در صفحه نامگذاري فايل نامي را كه براي فايل خود انتخاب كرده ايم در خانه نام
فايل درج مي كنيم . همچنين در خان ه ضبط در قسمتي كه
(My Documents مي خواهيم فايل خود را در آنجا ضبط كنيم (مث ً لا قسمت اسناد
انتخاب كرده، فرمان را تأييد مي كنيم . به عنوان مثال، فايل پيمايش
ضبط شده است. My Documents در قسمت اسناد Attitude Survey نگرش ها با نام
SPSS... ٣٠ برنامه كامپيوتري آمار
Save As قسمت نامگذاري ،File ١٦ بخش فايل - شكل ١
Save Data As ١٧ صفحه نامگذاري فايل داده ها - شكل ١
فصل اول: فايل دادهها ٣١
نامگذاري و ضبط فايل داد ه ها در ا س پي اس اس به طور خودكار تحت پسوند
صورت مي گيرد. با اين همه، فايل داد ه ها را مي توان تح ت برنامه هاي ديگري sav
و غيره هم ضبط كرد . بدين منظور كافي است dBASE ديتابيس ،Excel چون اكسل
هنگام ضبط فايل، در خانه نوع ضبط برنامه مورد نظر خود را انتخاب
كنيم.
هرگاه بعد از نامگذاري و ضبط فايل تغييراتي در آن به عمل آوريم (مث ً لا
قسمت ،File داده هاي جديدي وارد ك نيم يا داد ه هايي را اصلاح ك نيم) در بخش فايل
(۱- ۱۶ ) يا در رديف دوم صفحه فايل داده ها (شكل ۱ - ضبط (شكل ۱
روي علامت ضبط كليك مي كنيم. بدين ترتيب، تغييرات و اصلاحات در همان
فايل ضبط مي شود.
توصيه: بهتر است نامگذاري و ضبط فايل را از همان آغاز تشكيل متغيرنامه يا وارد
كردن داد ه هاي تحقيق انجام داد . همچنين در حين تكميل متغيرنامه و داده نامه و وارد
كردن داده ها و همچنين هنگام ايجاد تغييرات در فايل داده ها فايل را مرتب ضبط
كرد. Save
بستن اس پي اس اس
بعد از اتمام تشكيل متغيرنامه و وارد كردن متغيرها در داده نامه و ن امگذاري و ضبط
فايل داده ها، براي خارج شدن از برنامه اس پي اس اس (بستن برنامه ا سپي اس اس) در
كليك مي كنيم. يا مانند تمام برنام ه هاي Exist روي قسمت خروج ،File بخش فايل
كامپيوتري براي خروج از برنامه اس پي اس اس مي توان مستقيمًا روي علامت خروج
در قسمت بالاي سمت راست صفحه فايل داده ها كليك كرد.
SPSS... ٣٢ برنامه كامپيوتري آمار
۱۸ ) باز شود كه - با صدور فرمان خروج، ممكن است صفحه كوچكي (شكل ۱
سؤال مي كند آيا تغييرات در فايل داده ها را ضبط كند يا نه. اين صفحه هنگامي باز
مي شود كه تغييرات ي در فايل داده ها به عمل آورده ايم اما آن را ضبط نكرده ايم . در
پاسخ اگر مي خواهيم تغييرات ضبط شود روي قسمت بله كليك
مي كنيم. در اين صورت تغييرات ضبط شده، برنامه اس پي اس اس بسته م ي شود . اما
اگر نمي خواهيم تغييرات ضبط شود روي قسمت خير كليك مي كنيم . در
اين صورت تغييرات لغو شده، برنامه اس پي اس اس بسته م ي شود . يا ك ً لا از فرمان
خروج صرف نظر كرده و روي قسمت لغو كليك مي كنيم.
١٨ صفحه پرسش ضبط تغييرات در فايل داده ها - شكل ١
يا فايل Spss Viewer همچنين هنگام بستن برنامه اس پي اس اس اگر فايل گزارش
كه بعدًا به طور مبسوط توصيف خواهند شد) باز ) Spss Syntax Editor برنامه نويسي
۱۹ ) باز شود كه سؤال مي كند آ يا - باشد صفحه كوچكي ديگري (مانند شكل ۱
تغييرات در آن فايل را ضبط كند يا نه . در اينجا نيز اگر نم ي خواهيم تغييرات ضبط
شود روي قسمت خير كليك م ي كنيم. يا ك ً لا از فرمان خروج صرف نظر
كرده و روي قسمت لغو كليك مي كنيم. اما اگر خواستي م آن تغييرات
هم ضبط شود و قسمت بله را كليك كرديم، چنانچه فايل مذكور قب ً لا
فصل اول: فايل دادهها ٣٣
نامگذاري شده باشد تغييرات ضبط شده و برنامه اس پي اس اس بسته مي شود . اما
چنانچه فايل مذكور نامگذاري نشده باشد صفحه اي به نام صفحه نامگذاري گز ارش
۲۰ ) يا صفحه - براي نامگذاري و ضبط فايل گزارش (شكل ۱ Save Output As
براي نامگذاري و ضبط فايل Save Syntax As نامگذاري فايل برنامه نويسي
۲۱ ) باز مي شود. در اينجا نيز مانند فرمان نامگذاري فايل داده ها - برنامه نويسي (شكل ۱
آن فايل را تحت نامي در قسمتي معين ضبط مي كنيم . بدين ترتيب Save Data As
فرمان خروج اجرا شده و برنامه اس پي اس اس بسته مي شود.
١٩ صفحه پرسش ضبط تغييرات در فايل گزارش - شكل ١
تمرين
۱. در كامپيوتر خود يا كامپيوتري كه دسترسي داريد برنامه اس پي اس اس را باز
كنيد. سپس در انتهاي صفحه فايل داده ها قسمت متغيرنامه را
كليك كنيد . حال از روي پرسشنامه پيمايش نگرش ها كه در ضميمه الف ارائه
۵- شده است متغيرنامه اين پيمايش را تشكيل دهيد : پرسش ها را مانند شكل ۱
و ... نامگذاري كرده، ساير ويژگي هاي آنها را ،V3 ،V2 ،V تحت عنوان متغير 1
تعريف كنيد.
SPSS... ٣٤ برنامه كامپيوتري آمار
Save Output As ٢٠ صفحه نامگذاري فايل گزارش - شكل ١
Save Syntax As ٢١ صفحه نامگذاري فايل برنامه نويسي - شكل ١
فصل اول: فايل دادهها ٣٥
۲. بعد از اتمام متغيرنامه (يا از بدو امر ) فايل خود را تحت عنوان پيمايش نگرش ها
نامگذاري و ضبط كنيد.
۳. داده هاي اولين پرسشنامه پيمايش نگرش ها راكه در ضميمه ب ارائه شده است در
جدول داده نامه فايل خود وارد كنيد.
۴. داده هاي ساير پرسشنامه هاي پيمايش نگرش ها را كه در ضميمه ج در جدول ارائه
شده است در فايل خود وارد كنيد . در حين تكميل داده نامه و وارد كردن داده ها
كنيد. Save فايل خود را به طورمرتب ضبط
توصيه: تمرين هاي اين قسمت را حتمًا انجام داده، فايل پيمايش نگرش ها را تشكيل
دهيد. انجام تمرين هاي قسمت هاي بعدي و تسلط بر كاربرد برنامه ا س پي اس اس
عمدتًا بر پايه اين فايل صورت مي گيرد.
۴ بازكردن فايل
در برنامه اس پي اس اس فايل داده ها را به سه طريق م ي توان بازكرد : صفحه بازخواني
فايل، فرمان آخرين داده ها، فرمان بازكردن.
صفحه بازخواني فايل
همانطور كه قب ً لا به ميان آمد با باز شدن برنامه اس پي اس اس، صفحه بازخواني فايل
۲۲ ). خانه اول اين صفحه كه زير - روي صفحه فايل داده ها ظاهر م ي شود (شكل ۱
عنوان بازكردن داده هاي موجود قرار دارد فهرست فايل
است كه قب ً لا در اس پي اس اس ضبط شده اند . با كليك (sav داده هايي (با پسوند
كردن روي نام فايل مورد نظر خود آن را باز مي كنيم. به عنوان مثال، براي بازكزدن
SPSS... ٣٦ برنامه كامپيوتري آمار
كليك (Attitude Survey) فايل پيمايش نگرش ها در خانه مذكور روي نام آن فايل
مي كنيم.
٢٢ صفحه بازخواني فايل - شكل ١
خانه دوم اين صفحه كه زير عنوان باز كردن انواع ديگر فايل
و (spv قرار دارد فهرست فايل هاي گزارش (با پسوند
است كه قب ً لا در اس پي اس اس ضبط شده اند . (sps فايل هاي برنامه نويسي (با پسوند
براي باز كردن اين نوع فاي ل ها ابتدا بايد روي قسمت باز كردن انواع ديگر فايل
كليك كنيم تا آن خانه فعال ش ود. سپس روي نام فايل مورد نظر خود كليك
مي كنيم.
فصل اول: فايل دادهها ٣٧
فرمان آخرين داده ها
- قرار دارد (شكل ۱ File در بخش فايل Recently Used Data فرمان آخرين داده ها
۲۳ ). با كليك كردن اين قسمت فهرست آخرين فايل داده هايي كه در اس پي اس اس
ضبط شده اند ظاهر م ي شود. حال روي نام فايل مورد نظر خود كليك مي كنيم تا آن
فايل باز شود.
Recently Used Data قسمت آخرين داده ها ،File ٢٣ بخش فايل - شكل ١
Recently Used Files فرمان آخرين فايل ها File قسمت بعدي در بخش فايل
است كه داراي فهرست آخرين فايل هاي نوع ديگري (فايل گزارش و فايل
SPSS... ٣٨ برنامه كامپيوتري آمار
برنامه نويسي) است كه در ا س پي اس اس ضبط شد ه اند. با كليك كردن روي نام فايل
.(۲۴- مورد نظر خود آن فايل باز مي شود (شكل ۱
Recently Used Files قسمت آخرين فايل ها ،File ٢٤ بخش فايل - شكل ١
فرمان بازكردن
قسمت داده ها ،Open در قسمت باز كردن ،File اين فرمان در بخش فايل
۲۵ ). با ورود به اين قسمت (كليك كردن آن ) صفحه باز كرد ن - قرار دارد (شكل ۱
۲۶ ). در اين صفحه در خانه قسمت ضبط - ظاهر مي شود (شكل ۱ Open Data داده ها
فصل اول: فايل دادهها ٣٩
قسمتي (فلدري) كه فايل مورد نظر خود را در آن ضبط كرده ايم مشخص
مي كنيم. با اين عمل در خانه اصلي صفحه مذكور نام فايل هاي متعدد ظاهر م ي شود
كه از بين آنها فايل مورد نظر خود را انتخاب (روي آن كليك ) كرده، سپس روي
قسمت بازكردن كليك مي كنيم تا فرمان اجرا شده و فايل مورد نظر باز
شود. به عنوان مثال، براي بازكزدن فايل پيمايش نگرش ها در صفحه بازكرد ن داده ها
را و سپس نام فايل را انتخاب كرده ، My Document ابتدا قسمت اسناد Open Data
روي قسمت بازكردن كليك مي كنيم.
Data قسمت داده ها ،Open قسمت باز كردن ،File ٢٥ بخش فايل - شكل ١
قسمت گزارش و قسمت برنامه نويسي در قسمت باز
هم براي باز كردن اين نوع فاي ل ها است . با كليك كردن اين قسم ت ها Open كردن
صفحه باز كردن آن فاي ل ها باز م ي شود و مانند دستورالعمل فوق فايل مورد نظر خود
را باز مي كنيم.
SPSS... ٤٠ برنامه كامپيوتري آمار
Open Data ٢٦ صفحه باز كردن داده ها - شكل ١
تمرين
۱. فايل خود (پيمايش نگرش ها) را به سه طريق بازكنيد:
الف: در صفحه بازخواني فايل
ب: با فرمان آخرين داده ها
ج: با فرمان بازكردن.
فصل دوم: پردازش داده ها
بعد از اتمام متغيرنامه و داد ه نامه و تشكيل فايل داد ه هاي تحقيق بايد با پردازش داده ها
آنها را براي محاسبات آماري آماده كرد . پردازش داده ها شامل خطايابي، تجديد
طبقه بندي و مقياس سازي است كه در اين فصل بدانها مي پردازيم.
۱ خطايابي
داده ها از مرحله گردآوري تا ورود به برنامه اس پي اس اس و تشكيل فايل داده ها در
معرض خطاهاي تصادفي قرار دارند؛ هنگام گردآوري داد ه ها در مصاحب ه هاي
حضوري چه بسا پرسشگر در درج پاسخ برخي از سؤالات اشتباه كند (م ث ً لا سن ۲۵
را ۵۲ يادداشت كند ) يا سؤالات يا پاسخ هايي را از قلم بيندازد . در مرحله وارد كردن
داده هاي پرسشنامه به كامپيوتر هم ممكن است در تايپ برخي از پاسخ ها (داده ها )
اشتباه رخ دهد . از اين رو، بعد از تشكيل فايل داده ها حتي الامكان بايد آنها را
شناسايي و ا صلاح كرد . با اين كه هرگز نمي توان داده ها را كام ً لا از خطا زدود اما
مي توان بخشي از آنها را با استفاده از توزيع فراواني متغيرها و جدول تقاطعي
متغيرهاي زمينه اي برطرف كرد.
SPSS... ٤٢ برنامه كامپيوتري آمار
خطايابي با توزيع فراواني
اولين گام در بررسي خطاهاي احتمالي در داده ها، بررسي توزيع فر اواني تك تك
متغيرها و وارسي كدها است تا اگر كد غيرعادي پيدا شد، يعني كدي كه در زمره
كدهاي تعريف شده متغيرهاي كيفي يا اعداد رايج متغيرهاي كمي قرار ندارد آن را
استفاده مي كنيم. Freqencies اصلاح كنيم. بدين منظور از فرمان توزيع فراواني
Frequencies ١ قسمت فرمان توزيع فراواني - شكل ٢
قسمت آمارتوصيفي ،Analyiz در بخش تحليل Freqencies فرمان توزيع فراواني
قسمت توزيع فراواني قرار دارد ،Descriptive Statistics
۱). با ورود به اين قسمت (كليك كردن آن ) صفحه توزيع فراواني - (شكل ۲
.(۲- باز مي شود (شكل ۲ Freqencies
فصل دوم: پردازش دادهها ٤٣
Frequencies ٢ صفحه توزيع فراواني - شكل ٢
از خانه سمت چپ متغير يا مجموعه اي از Freqencies در صفحه توزيع فراواني
متغيرها را انتخاب كرده (روي آن كليك كرده ) و روي فلش بين دو خانه
كليك مي كنيم تا متغيرهاي منتخب (بلوكه شده ) به خانه سمت راست منتقل شود .
سپس قسمت تأييد را كليك مي كنيم تا فرمان توزيع فراواني اجرا شود . با
SPSS Viewer اجراي اين فرمان، جدول توزيع فراواني متغير در صفحه گزارش
ظاهر مي شود.
سؤال ” چ ه سن ي را برا ي ) V ۳ جدول توزيع فراواني متغير 1 - به عنوان مثال، شكل ۲
ازدوا ج پسرمناس ب م يداني د؟“) پيمايش نگرش ها است كه با اجراي فرمان توزيع
اين متغير در فايل گزارش آمده است . ستون اول اين جدول مبين Freqencies فراواني
سنين مختلفي است كه پاسخگويان براي ازدواج پسران مناسب تشخيص داد ه اند .
۱۹ ، ... تا ۳۰ سال سنين معقول و متعارفي ، همانطور كه مشاهده م ي كنيم سنين ۱۸
براي پاسخ اين سؤال است، اما آخرين عدد ۹۲ سال است كه پاسخي غيرعادي
است.
SPSS... ٤٤ برنامه كامپيوتري آمار
V ٣ گزارش جدول توزيع فراواني متغير 1 - شكل ٢
سؤال ” در خانواد ه شما تصمي م نهاي ي را چ ه ،V يا در جدول توزيع فراواني متغير 6
۴) مي بينيم كه علاوه بر كدهايي كه قب ً لا در متغيرنامه - كس ي م يگيرد؟“ (شكل ۲
تعريف كرده ايم كد ۶ آمده است كه كدي تعري ف نشده است و بنا براين كد
غيرعادي است.
اصلاح خطاها
هنگام پيداشدن كدهاي غيرعادي و تعريف نشده بايد در داده نامه شماره پرسشنامه اي
را كه كد غيرعادي يا تعريف نشده دارد پيدا كرد و سپس با مراجعه به پرسشنامه
فصل دوم: پردازش دادهها ٤٥
پاسخ درج شده در پرسشنامه را وارسي كرد . اگر كد در ج شده در پرسشنامه كد
تعريف شده اي بود معلوم است كه كد تعري ف نشده ناشي از خطاي تايپ است و آن
را در داده نامه اصلاح مي كنيم. اما اگر كد درج شده در پرسشنامه نيز كد تعري فنشده
بود پس خطا در مرحله درج پاسخ در پرسشنامه (هنگام مصاحبه ) رخ داده است . در
كيبورد Del به شمار آورده، با دكمه حذف (missing) اين صورت آن را داده ناقص
حذف مي كنيم.
V ٤ گزارش جدول توزيع فراواني متغير 6 - شكل ٢
در داده نامه روي يكي V به عنوان مثال، براي وارسي كد تعريف نشده ۶ متغير 6
آن را پيدا Find كليك كرده، سپس با فرمان يا فتن V از خانه هاي ستون متغير 6
در رديف دوم فايل داد ه ها، قسمت يافتن قرار دارد . Find مي كنيم. فرمان يافتن
SPSS... ٤٦ برنامه كامپيوتري آمار
باز مي شود Find and Replace با كليك كردن اين قسمت صفحه يافتن وجايگزيني
عدد ۶ را درج كرده، روي Find ۵). سپس در اين صفحه در خانه يا فتن - (شكل ۲
قسمت يافتن بعدي كليك مي كنيم. با اين فرمان كد تعري ف نشده ۶ در
پيدا مي شود. V ستون متغير 6
حال در همين رديف به ستون شماره پرسشنامه (ستون آخر ) مي رويم و شماره
پرسشنامه را پيدا م ي كنيم كه در اين مثال، پرسشنامه شماره ۱۴ است . سپس به
پرسشنامه مذكور مراجعه كرده و پاسخ درج شده را وارسي مي كنيم. فرض كنيم در
اين مثال مشاهده مي كنيم كد درج شده در پرسشنامه كد ۳ است؛ بنابراين در داده نامه
مورد (پرسشنامه) شماره ۱۴ را به V فايل پيمايش نگرش ها كد تع ريف نشده ۶ متغير 6
كد ۳ تبديل مي كنيم.
Find and Replace ٥ صفحه يافتن و جايگزيني - شكل ٢
نيز به همين منوال عمل كرده، فرضًا مي بينيم V در باره كد غيرعادي ۹۲ متغير 1
كه متعلق به مورد (پرسشنامه) شماره ۱۸ است . با مراجعه به اصل پرسشنامه مذكور
مي بينيم كه پرسشگر اشتباهًا عدد ۹۲ را درج كرده است . از آنجا كه عدد واقعي
فصل دوم: پردازش دادهها ٤٧
نامعلوم است لاجرم در داد ه نامه فايل خود اين عدد غيرعادي را حذف مي كنيم
كيبورد را مي زنيم تا حذف شود ). Del (روي عدد ۹۲ كليك كرده، دكمه حذف
مي كنيم. Save سرانجام تغييرات را ضبط
خطايابي با جدول تقاطعي
با تشكيل جدول تقاطعي مناسب بين متغيرهاي زمين ه اي (متغيرهايي چون سن، جنس ،
تحصيلات، وضع فعاليت و امثالهم) مي توان به وارسي منطقي براي اصلاح پاسخ هاي
متناقض پرداخت . مث ً لا بين سن و تحصيلات بايد رابطه اي منطقي وجود داشته باشد؛
كسي كه سن خود را ۱۷ سال ذكر كرده است معمو ً لا تحصيلاتش نم ي تواند ليسانس
يا بالاتر از آن باشد . اگر در پاسخ هاي كسي چنين تناقصي بين اين دو متغير ديديم يا
در سن وي خطا رخ داده است يا در تحصيلاتش . در اين صورت اگر با مراجعه به
پرسشنامه خطايي در تايپ داده ها رخ نداده باشد با بررسي ويژگي هاي ديگر وي
( مث ً لا وضع تأهل ) شايد بتوان مشخص كرد كداميك داده ناقص است . در غير اين
صورت بايد هر دو داده را به داده ناقص تبديل كرد. بدين ترتيب مي توان تا حد
زيادي خطاهاي تصادفي كدگذاري و خاصه خطاهاي مشهود آن را اصلاح كرد.
قسمت آمارتوصيفي ،Analyiz در بخش تحليل Crosstabs فرمان جدول تقاطعي
- قسمت جدول تقاطعي قرار دارد (شكل ۲ ،Descriptive Statistics
باز Crosstabs ۶). با ورود به اين قسمت (كليك كردن آن ) صفحه جدول تقاطعي
۷). در اين صفحه دو متغير زمينه اي را كه مي توان به رابطه اي - مي شود (شكل ۲
منطقي بين آنها قائل بود از بين متغيرهاي خانه سمت چپ انتخاب كرده، يكي را به
منتقل مي كنيم . سپس Column(s) و ديگري را به خانه ستون Row(s) خانه سطر
فرمان را تأييد مي كنيم.
SPSS... ٤٨ برنامه كامپيوتري آمار
Crosstabs ٦ قسمت جدول ت قاطعي - شكل ٢
Crosstabs ٧ صفحه جدول تقاطعي - شكل ٢
به عنوان مثال، انتظار داريم فقط كساني به سؤال ” اگر شاغل، حقو قبگير هستيد ؟“
خود را شاغل (V پاسخ دهندكه در پاسخ سؤال وضع فعالي ت(متغير 23 (V (متغير 24
فصل دوم: پردازش دادهها ٤٩
۸) مي بينيم كه يك - معرفي كرده باشند . در جدول تقاطعي اين دو متغير (شكل ۲
خانه دار اظهار كرده حقو قبگير است. با ديدن چنين تناقصي بين اين دو متغير ابتدا
بايد شماره پرسشنامه حاوي اين تناقض را پيدا كنيم . پيدا كردن شماره پرسشنامه اي
بر حسب دو متغير مستلزم آن است كه فايل داد ه ها بر حسب دو متغير مورد نظر
مرتب شود.
V با 24 V ٨ گزارش جدول تقاطعي متغير 23 - شكل ٢
در قسمت مرتب سازي موردها Data در بخش داده ها Sort فرمان مرتب سازي
۹). با ورود به اين قسمت (كليك كردن آن ) - قرار دارد (شكل ۲
۱۰ ). در اين صفحه از - باز مي شود (شكل ۲ Sort Cases صفحه مرتب سازي موردها
خانه سمت چپ دو متغير مورد نظر را به ترتيب انتخاب كرده، به خانه سمت راست
منتقل مي كنيم و فرمان را تأييد مي كنيم. حال در داده نامه در ستون آن دو
متغير به دنبال طبقات يا كدهاي مورد نظر مي گرديم.
SPSS... ٥٠ برنامه كامپيوتري آمار
Sort ٩ قسمت مرتب سازي - شكل ٢
Sort ١٠ صفحه مرتب سازي - شكل ٢
مرتب كرده، در V و 24 V در اين مثال، فايل داد ه ها را بر حسب دو متغير 23
او V در بين خانه دارها به دنبال موردي مي گرديم كه براي متغير 24 V ستون متغير 23
۱۱ ). موردي كه پيدا مي كنيم پاسخگوي - كد ۱ (پاسخ بله ) درج شده است (شكل ۲
شماره ۷۵ است . سپس پرسشنامه شماره ۷۵ را وارسي كرده، م ي بينيم در پرسشنامه
فصل دوم: پردازش دادهها ٥١
هم همان كدها (پاسخ ها) درج شده است . حال پرسش هاي مرتبط ديگر را وارسي
سؤال ” چقدر از شغ ل خود راض ي هستيد ؟“) ) V كرده، فرضًا مي بينيم در متغير 25
پاسخ ” زياد“ درج شده است . در نتيجه م ي توان حدس زد كه پاسخگوي مذكور
پاسخ وي را از خانه دار به شاغل تبديل مي كنيم. V شاغل است. بنا بر اين، در متغير 23
V و 24 V ١١ جدول داده نامه، مرتب شده بر حسب متغير 23 - شكل ٢
با خطايابي از طريق توزيع متغير و جدول تقاطعي م ي توان برخي از خطاهاي
احتمالي را رفع كرد اما همه خطاها را نم ي توان شناسايي و برطرف كرد . خطاي
پرسشگر در درج پاسخ تعري ف شده اي به جاي پاسخ تعري ف شده ديگر ، يا درج
اشتباهي عددي عادي براي متغير چه در مرحله پرسشگري و چه در مرحله تايپ
داده ها در كامپيوتر از خطاهايي اس ت كه قابل تشخيص نيست . در واقع، هيچ وقت
نمي توان مطمئن شد كه داده هاي تحقيق بدون خطا است . با اين همه با استفاده از دو
تكنيك مذكور سعي مي كنيم تا جايي كه مقدور است خطاهاي احتمالي را شناسايي
و برطرف كنيم.
SPSS... ٥٢ برنامه كامپيوتري آمار
تمرين
دامنه پاس خ هاي تك تك متغيرهاي فايل خود Freqencies ۱. با فرمان توزيع فراواني
(پيمايش نگرش ها) را وارسي كنيد و در صورت پيدا كردن كد يا عدد غيرعادي
آن را اصلاح كنيد.
۲. با تشكيل جدول تقاطعي مناسب بين متغيرهاي زمينه اي، فايل خود
پيمايش نگرش ها را براي اصلاح پاسخ هاي متناقض وارسي كنيد.
۲ تجديدطبقه بندي
طبقات سؤالات باز و سؤالات بسته پرطبقه را معمو ً لا به طبقات معدودتري تبديل
مي كنيم تا كار تحليل و تفسير آنها ساده شود . سؤال باز سؤالي است كه پاسخ آن با
گزينه هاي مشخص پيشاپيش محدود نشده است و هر پاسخي كه طي مصاحبه بدان
بدهند طبقه (پاسخ) آن به شمار م ي آيد و پر سشگر مؤظف به درج دقيق آن در
پرسشنامه است . كدگذاري پاسخ ها هم بعد از گردآوري داد ه ها صورت مي گيرد؛ به
هر پاسخ يك كد داده مي شود و به همان ترتيب در كامپيوتر تايپ مي شود . سپس
محقق با وارسي پاس خ ها و بر اساس طرحي مفهومي به مقول ه بندي و طبقه بندي كلي
آنها مي پردازد.
سؤال ” مهمتري ن صف ت ي ك آد م خو ب چيس ت؟“) ) V به عنوان مثال، متغير 15
پيمايش نگرش ها، سؤال باز است و پاسخ هايي كه بدان داده اند بدين شرح است :
، انسانيت با كد ۱، خو ش قلب بودن= ۲، صداق ت= ۳، امانتدار ي= ۴، كم ك ب ه ديگرا ن= ۵
، نجابت= ۶، راستگويي= ۷، ايمان= ۸، درستكاري= ۹، رفتار مناسب= ۱۰ ، خدمت به مرد م= ۱۱
وجدان اخلاق ي= ۱۲ ، اخلا ق خو ب= ۱۳ (نم يدان م= ۹۸ ، و امتنا ع از پاس خ= ۹۹ هم داده
فصل دوم: پردازش دادهها ٥٣
ناقص). با وارسي اين پاس خ ها م ي توان گزين ه صداقت= ۳ و راستگويي= ۷را كه مترادف
هستند در يك طبقه (مث ً لا با نام راستگويي) قرار داد و كمك به ديگران= ۵ و خدمت ب ه
مردم= ۱۱ را در طبقه اي ديگر و الي آخر.
در مورد متغيرها ي نيمه باز (سؤالي كه هم داراي گزينه هاي معين است و هم
مي توان پاسخ ديگري بدان داد ) نيز مي توان ساير پاسخ ها را يا در همان طبقات
(گزينه هاي) معين قرار داد يا چند طبقه معدود براي آنها تشكيل داد.
تجديد طبقه بندي را م ي توان به دو طريق انجام داد : تجديدطبقه بندي تحت عنوان
متغيري ديگر و تجديدطبق ه بندي تحت عنوان همان متغير . براي تجديد طبقه بندي در
فايل داده ها ابتدا بايد طبقه بندي خود را مشخص كنيم . سپس با يكي از دو فرم ان
فوق آن را اجرا مي كنيم.
تحت عنوان متغيري ديگر
در Recode into Different Variables فرمان تجديدطبقه بندي تحت عنوان متغيري ديگر
در قسمت تجديدطبقه بندي تحت عنوان متغيري ديگر ،Transform بخش تبديل
۱۲ ). با كليك كردن اين - قرار دارد (شكل ۲
(۱۳- قسمت و باز شدن صفحه فرمانتجديدطبقه بندي تحت عنوان متغيري ديگر (شكل ۲
از خانه سمت چپ متغير خود را انتخاب كرده، به خانه وسط منتقل م ي كنيم . سپس
خانه بالاي سمت راست ) نامي جديد براي متغير درج م ي كنيم؛ ) Name در خانه نام
و تعداد طبقات را اضافه مي كنيم تا مبين متغير r معمو ً لا به آخر نام همان متغير حرف
خانه ) Lable تجديدطبقه بندي شده و تعداد طبقات آن باشد. در خانه تعريف متغير
پايين سمت راست ) هم مي توانيم مفهوم متغير را تعريف كنيم (اين تعريف را
مي توان در متغيرنامه هم انجام داد ). سپس قسمت تغيير را كليك مي كنيم.
با اين عمل نام جديد در خانه وسط در مقابل نام متغير قرار مي گيرد.
SPSS... ٥٤ برنامه كامپيوتري آمار
١٢ قسمت تجديدطبقه بندي تحت عنوان متغيري ديگر - شكل ٢
۱۳ صفحه تجديدطبقه بندي تحت عنوان متغيري ديگر - شكل ۲
V15r نام جديد آ ن را 4 ،V به عنوان مثال، اگر در تجديدطبقه بندي متغير 15
انتخاب كرده، قسمت تغيير را كليك كنيم در مقابل نام متغير تجديد
.V15 → V15r طبقه بندي شده نام متغير جديد به اين صورت ظاهر مي شود: 4
حال بعد از ايجاد متغيري با نامي متفاوت، قسمت مقادير قبلي و جديد
۱۴ ). در اين صفحه در - را باز (كليك ) مي كنيم (شكل ۲
فصل دوم: پردازش دادهها ٥٥
New ) و در سمت چپ كدهاي جديد (Old Value) قسمت سمت چپ كدهاي قبلي
را وارد مي كنيم. (Value
١٤ صفحه مقاديرقبلي وجديد تجديدطبقه بندي تحت عنوان متغيري ديگر - شكل ٢
را بدين صورت تحت عنوان متغ ير V به عنوان مثال، فرض كنيم برآنيم متغير 15
تجديدطبقه بندي كنيم: V15r4
طبقات جديد طبقات قبلي
راستگويي= ۱ → صداقت= ۳ و راستگويي= ۷
۱ دگرخواهي= ۲ → كمك به ديگران= ۵ و خدمت به مردم= ۱
انسانيت= ۳ → انسانيت= ۱ و خو ش قلب بودن= ۲
، ساير= ۴ → امانتداري= ۴، نجابت= ۶، ايمان= ۸، درستكاري= ۹
۱ رفتار مناسب= ۱۰ ، وجدان اخلاقي= ۱۲ و اخلاق خوب= ۳
نميدانم= ۹۸ → نميدانم= ۹۸
امتناع از پاسخ= ۹۹ → امتناع از پاسخ= ۹۹
SPSS... ٥٦ برنامه كامپيوتري آمار
كد Old Value براي اين تجديدطبقه بندي، در سمت چپ در قسمت مقدارقبلي
كد جديد ۱ را وارد New Value قبلي ۳ و در سمت راست در قسمت مقدارجديد
كرده و قسمت افزودن را كليك مي كنيم. با اين عمل تجديدطبقه بندي به
۱۵ ). همينطور كد - 3 در خانه پايين سمت چپ ظاهر م ي شود (شكل ۲ → صورت 1
۷ را به كد ۱ و كد ۵ و ۱۱ را به كد ۲ تبديل مي كنيم.
V15r تحت عنوان 4 ،V ١٥ تجديدطبقه بندي متغير 15 - شكل ٢
براي تبديل كد ۱ و ۲ به كد ۳ هم مي توان به روال فوق به صورت جدا عمل كرد
و هم مي توان به صورت گروهي با استفاده از قسمت دامنه عمل كرد :
دامنه را فعال كرده (روي آن كليك مي كنيم )، كد اول (در اين مثال
كد ۱) را در خانه اول و كد آخر (در اين مثال كد ۲) را در خانه دوم وارد مي كنيم و
كد جديد (در اين مثال New Value سپس در سمت راست در قسمت مقدارجديد
كد ۳) را وارد كرده و قسمت افزودن را كليك مي كنيم . با اين عمل
فصل دوم: پردازش دادهها ٥٧
1 در خانه پايين سمت چپ ظاهر thru 2 → كدهاي تجديدطبقه بندي به صورت 3
مي شود.
و دو كد ۹۸ و ۹۹ (System-missing) داده هاي ناق ص ر ا كه شام ل ازقل م افتاد ه
(نمي دانم و امتناع از پاسخگويي ) است هم به همان صورت كدهاي قبلي تكرار
و در سمت System-missing مي كنيم: در سمت چپ روي قسمت ازقلم افتاد ه
كليك كرده، سپس قسمت Copy old value راست روي قسمت كپي مقاديرقبلي
افزودن را كليك مي كنيم. اين عمل تجديدطبقه بندي به صورت
در خانه پايين سمت چپ ظاهر مي شود. براي تكرار دو كد ۹۸ و SYSMIS→Copy
استفاده Copy old value و قسمت كپي مقاديرقبلي Range ۹۹ هم از قسمت دامنه
98 ظاهر مي شود. thru 99→Copy مي كنيم كه نتيجه آن به صورت
براي تبديل بق يه طبقات به طبقه ساير (كد ۴) در سمت چپ روي قسمت
كليك كرده، در سمت راست در قسمت مقدارجديد All other values سايرمقادير
كد ۴ را وارد كرده و قسمت افزودن را كليك مي كنيم كه New Value
ظاهر مي شود. ELSE → نتيجه آن به صورت 4
۱۵ ) قسمت ادامه را كليك كرده، - با اتمام تبديل كدها (مانند شكل ۲
به دنبال آن فرمان تجديدطبقه بندي را تأييد مي كنيم . با اين عمل متغير
در ستون آخر داد ه نامه ما تشكيل مي شود . سپس با V15r تجديد طبقه بندي شده 4
و ديگر ويژگي هاي (Lable مراجعه به صفحه متغيرنامه مفهوم متغير (تعريف متغير
آن متغير را تعريف مي كنيم.
تحت عنوان همان متغير
طبقات Recode into Same Variables در تجديدطبقه بندي تحت عنوان همان متغير
متغير را تغيير مي دهيم ب دون آن كه متغير جديدي تشكيل دهيم . فرمان تجديد
در قسمت تجديد Transform طبقه بندي تحت عنوان همان متغير در بخش تبديل
SPSS... ٥٨ برنامه كامپيوتري آمار
طبقه بندي تحت عنوان همان متغير قرار دارد
۱۶ ). با كليك كردن اين قسمت و باز شدن صفحه فرمان تجديدطبقه بندي - (شكل ۲
۱۷ ) از خانه سمت چپ متغير خود را انتخاب - تحت عنوان همان متغير (شكل ۲
كرده، به خانه سمت راست منتقل م ي كنيم . سپس قسمت مقادير قبلي و جديد
را كليك مي كنيم تا صفحه مقادير قبلي و جديد باز شود
.(۱۸- (شكل ۲
١۶ قسمت تجديدطبقه بندي تحت عنوان همان متغير - شكل ٢
صفحه مقادير قبلي و جديد اين شيوه تجديدطبقه بندي مانند صفحه مقادير قبلي
۱۴ ) است و فقط - و جديد شيوه تجديدطبقه بندي تحت عنوان متغيري ديگر (شكل ۲
فاقد برخي از قسمت ها نظير كپي مقادير قبلي است. در اينجا نيز
مانند شيوه قبلي كد هر طبقه اي را كه م ي خواهيم تغيير دهيم به كد طبقه جديد تبديل
مي كنيم، اما بر خلاف شيوه قبلي به كد طبقاتي كه نم ي خواهيم تغيير دهيم دست
نمي زنيم. از اين رو، به قسمت كپي مقاديرقبلي نيازي نيست.
فصل دوم: پردازش دادهها ٥٩
١٧ صفحه تجديدطبقه بندي تحت عنوان همان متغير - شكل ٢
١٨ صفحه مقاديرقبلي وجديد تجديدطبقه بندي تحت عنوان همان متغير - شكل ٢
نحوه تغيي ر كدها در اين شيوه تجديدطبقه بندي مانند شيوه تجديدطبقه بندي تحت
عنوان متغيري ديگر است و به همان صورت عمل مي كنيم: در صفحه مقادير قبلي و
SPSS... ٦٠ برنامه كامپيوتري آمار
كد قبلي و در سمت راست Old Value جديد در سمت چپ در قسمت مقدار قبلي
كد جديد را وارد كرده و فرمان افزودن New Value در قسمت مقدار جديد
را كليك مي كنيم و با اتمام تبديل كدها قسمت ادامه را
كليك كرده، به دنبال آن فرمان تجديدطبقه بندي را تأييد مي كنيم . سپس
با مراجعه به صفحه متغيرنامه ويژگي هاي تغييريافته آن متغير (مانند تعريف كدها و
غيره) را اصلاح مي كنيم.
شيوه تجديدطبقه بندي تحت عنوان همان متغير از شيوه تجديدطبقه بندي تحت عنوان
متغيري ديگر ساده تر است، زيرا نه نام جديد م ي خواهد و نه تعريف تمام كدهاي
متغير جديد را . اما عيب آن در اين است كه اطلاعات اوليه متغير از بين م ي رود و
اگر به دليلي لازم باشد به آن اطلاعات اوليه مراجعه كنيم دست بسته خواهيم ماند . از
اين رو، اكيدًا توصيه مي شود براي تجديدطبقه بندي متغير از شيوه تجديدطبقه بندي
تحت عنوان متغيري ديگر استفاده كنيد تا همواره دستيابي به اطلاعات اوليه (متغير
اوليه) امكان پذير باشد.
تغيير گروهي كدها
همانطور كه ديديم كدها را مي توان به صورت گروهي به كدهاي جديد تبديل
كرد. تغيير گروهي كدها به چهار طريق صورت مي گيرد : فاصله يك كد تا كد
ديگر، فاصله كوچكترين كد تا يك كد، فاصله يك كد تا بزرگترين كد و ساير
مقادير.
فاصله يك كد تا كد ديگر
۱) قسمت دامنه ۸- ۱۴ يا ۲ - در اين حالت در صفحه مقاديرقبلي وجديد (شكل ۲
را فعال كرده (روي آن كليك م ي كنيم)، كد اول فاصله مورد نظر را در
خانه اول و كد آخر آن فاصله را در خانه دوم وارد مي كنيم و سپس در سمت راست
فصل دوم: پردازش دادهها ٦١
كد جديد را وارد كرده و فرمان افزودن New Value در قسمت مقدار جديد
را كليك مي كنيم.
پيمايش نگرش ها به گروه هاي (V به عنوان مثال، درتجديدطبقه بندي مت غير سن ( 22
سني پنج ساله به صورت سن ۱۵ تا ۱۹ به طبقه ۱، سن ۲۰ تا ۲۴ به طبقه ۲ و الي آخر
از اين شيوه استفاده م ي كنيم. در نتيجه كدهاي تجديدطبقه بندي بدين صورت در
20 ، و ... thru 24 → 2 ،15 thru 19 → خانه پايين سمت چپ ظاهر مي شود: 1
فاصله كوچكترين كدتايك كد
۱۸ ) قسمت دامنه ، از - ۱۴ يا ۲ - در اين حالت در صفحه مقاديرقبلي وجديد (شكل ۲
كوچكترين مقدار تا مقدار را فعال كرده (روي آن
كليك مي كنيم)، كدي را كه مي خواهيم فاصله تا آن كد باشد در خانه آن قسمت
كد جديد New Value وارد مي كنيم و سپس در سمت راست در قسم ت مقدارجديد
را وارد كرده و فرمان افزودن را كليك مي كنيم . به عنوان مثال، در
پيمايش نگرش ها به گروه هاي سني پنج ساله به (V تجديد طبقه بندي متغير سن ( 23
صورت سن ۱۵ تا ۱۹ به طبقه ۱، سن ۲۰ تا ۲۴ به طبقه ۲ و الي آخر مي توانيم طبقه
اول را با استفاده از اين شيوه تشكيل دهيم . در نتيجه اين فاصله تجديد طبقه بندي
.Lowest thru 19 → شده به اين صورت در خانه پايين سمت چپ ظاهر م يشود: 1
فاصله يك كد تا بزرگترين كد
۱۸ ) قسمت دامنه ، از - ۱۴ يا ۲ - در اين حالت در صفحه مقاديرقبلي وجديد (شكل ۲
اين مقدارتا بزرگترين مقدار را فعال كرده (روي آن
كليك مي كنيم)، كدي را كه مي خواهيم فاصله از آن كد شروع شود در خانه آن
كد جديد New Value وارد مي كنيم و سپس در سمت راست در قسمت مقدارجديد
را وارد كرده و فرمان افزودن را كليك مي كنيم.
SPSS... ٦٢ برنامه كامپيوتري آمار
پيمايش نگرش ها به (V به عنوان مثال، در تجديد طبق ه بندي متغي ر سن ( 23
گروه هاي سني پنج ساله به صورت سن ۱۵ تا ۱۹ به طبقه ۱، سن ۲۰ تا ۲۴ به طبقه ۲
و الي آخر م ي توانيم با استفاده از اين شيوه سنين ۵۰ سال و بيشتر را به عنوان طبقه ۸
تشكيل دهيم . در نتيجه اين فاصله تجديد طبقه بندي شده به اي ن صورت در خانه پايين
50 thru Highest → سمت چپ ظاهر مي شود: 8
ساير مقادير
در اين حالت كه آخرين حالت تغيير گروهي كدها است در صفحه مقادير قبلي و
۱۸ ) قسمت ساير مقادير را فعال كرده، - ۱۴ يا ۲ - جديد (شكل ۲
كد جديد را وارد كرده و فرمان New Value در سمت راست در قسمت مقدارجديد
افزودن را كليك مي كنيم.
از اين شيوه تغيير گروهي كدها فقط هنگامي استفاده مي كنيم كه همه كدهاي
ديگر را (ولو به صورت كپي) تجديدطبقه بندي كرده باشيم.
V15r به متغير 4 V به عنوان مثال، همانطور كه در تجديدطبقه بندي متغير 15
ديديم بعد از تجديد كد برخي از طبقات ب راي تبديل بقيه طبقات به طبقه ساير (كد
۴) در سمت چپ روي قسمت سايرمقادير كليك كرده، در
كد ۴ را وارد كرده و فرمان New Value سمت راست در قسمت مقدارجديد
ظاهر ELSE → افزودن را كليك مي كنيم كه نتيجه آن به صورت 4
.(۱۵- مي شود (شكل ۲
تجديدطبقه بندي همزمان چندمتغير
اگر نحوه تجديدطبق ه بندي چند متغير مانند هم بود مي توان اين عمل را به طور
را V و 11 V هم زمان براي همه اجرا كرد . به عنوان مثال، اگر برآن باشيم متغيرهاي 10
فصل دوم: پردازش دادهها ٦٣
، كه متغيرهاي ترتيبي پن ج طبقه اي هستند ( كام ً لا مخال ف= ۱، مخال ف= ۲، مرد د= ۳
موافق= ۴ و كام ً لا مواف ق= ۵) با ادغام دو طبقه اول در يك طبقه و دو طبقه آخر هم در
( يك طبقه، به متغير ترتيبي سه طبقه اي تبديل كنيم ( مخال ف= ۱، مرد د= ۲، مواف ق= ۳
۱۹ متغيرها را يكي يكي وارد كرده و به هر كدام نام جديدي مي دهيم - مانند شكل ۲
و قس مت تغيير را كليك مي كنيم.
V و 11 V ١٩ تجديدطبقه بندي همزمان دو متغير 10 - شكل ٢
سپس وارد صفحه مقادير قبلي و جديد مي شويم و كد ۱
تا ۲ را به كد ۱، كد ۳ را به ۲، وكد ۴ تا ۵ را به كد ۳ تبديل كرده، ساير كدها (كد
۲۰ ). در آخر كار هم قسمت ادامه - داده هاي ناقص ) را هم كپي م ي كنيم (شكل ۲
را كليك كرده، به دنبال آن فرمان تجديدطبقه بندي را تأييد
مي كنيم. سپس با مراجعه به صفحه متغيرنامه ويژگي هاي تغييريافته آن متغيرها (مانند
تعريف كدها و ...) را اصلاح مي كنيم.
SPSS... ٦٤ برنامه كامپيوتري آمار
V و 11 V ٢٠ مقاديرقبلي وجديد دو متغير 10 - شكل ٢
تمرين
۱. با فرمان تجديدطبقه بندي تحت عنوان متغير يديگر متغير سن را در فايل
پيمايش نگرش ها تحت عنوان متغيري ديگر به صورت گروه هاي ۵ ساله طبقه بندي
كنيد. سپس با مراجعه به صفحه متغيرنامه مفهوم متغير جديد و ديگر ويژگي هاي
آن را تعريف كنيد.
متغير ترتيبي پنج طبقه اي هستند و طبقات آنها به V ۲. تمام متغيرهايي كه مانند 8
صورت خيل يكم= ۱، كم= ۲، تا حدود ي= ۳، زياد= ۴ و خيل يزياد= ۵است با ادغام دو
طبقه اول در يك طبقه و دو طبقه آخر هم در يك طبقه، به متغير ترتيبي سه
طبقه اي ( كم= ۱، تاحدودي= ۲، زياد= ۳) تحت عنواني ديگر تبديل كنيد.
متغير ترتيبي پنج طبقه اي هستند و طبقات آنها به V ۳. تمام متغيرهايي كه مانند 10
صورت كام ً لا مخال ف= ۱، مخال ف= ۲، مرد د= ۳، مواف ق= ۴ و كام ً لا مواف ق= ۵است با
فصل دوم: پردازش دادهها ٦٥
ادغام دو طبقه اول در يك طبقه و دو طبقه آخر در يك طبقه، به متغير ترتيبي سه
طبقه اي ( مخالف= ۱، مردد= ۲، موافق= ۳) تحت عنواني ديگر تبديل كنيد.
به متغير د و طبقه اي وضع اشتغال employ را تحت عنوان (V ۴. متغير وضع فعاليت ( 23
(شاغل با كد ۱ و غيرشاغل با كد ۰) تبديل كنيد.
را تحت عنواني ديگر با ادغام سه V و 31 V30 ،V ۵. سه متغير ترتيبي پنج طبقه اي 8
طبقه اول در يك طبقه و د و طبقه آخر هم در يك طبقه به متغير دو طبق ه اي
( كم= ۰، زياد= ۱) تبديل كنيد.
به متغير تحصيلات س ه طبقه اي V16r را تحت عنوان 3 (V ۶. متغير تحصيلات ( 16
شامل زيرديپلم، ديپلم و عالي تبديل كنيد.
به صورت زير به متغير ي كمي Educ را تحت عنوان (V ۷. متغير تحصيلات ( 16
(تحصيلات برحسب سال) تبديل كنيد:
طبقات جديد طبقات قبلي
۰ → ب يسواد
۱ → خواند نونوشت ن يا سوادقرآن ي
۵ → ابتداي ي
۸ → راهنماي ي,سيك ل
۱۰ → دبيرستا ن
۱۲ → ديپل موپي شدانشگاهي
۱۴ → فو قديپلم
۱۶ → ليسان س
۱۸ → فو قليسان س
نميدانم= ۹۸ → نميدانم= ۹۸
امتناع از پاسخ= ۹۹ → امتناع از پاسخ= ۹۹
SPSS... ٦٦ برنامه كامپيوتري آمار
۳ مقياس سازي
تركيب چند متغير براي ساختن متغيري مركب را مقياس سازي مي گوييم . تركيب
چندگويه ه م ارز براي ساختن مقياس ي كه معرف مفهومي (متغيري) تك بعدي است
و احتساب همبستگي درون ي گويه ها (مث ً لا با ضريب آلفاي كرونباخ ) يا تركيب چند
متغير ناه م ارز براي ساختن مقياسي براي مفهومي چندبعدي عمل رايجي در تحليل
داده ها است . مقياس سازي از مراحل مقدماتي و آماده سازي داده ها براي محاسبات
آماري و تحليل داد ه ها است . مقياس سازي در اس پي اس اس به دو طريق صورت
مي گيرد: با فرمان جمع كردن و فرمان ميانگين گيري.
جمع كردن
قسمت محاسبه متغير Transform براي فرمان جمع كردن در بخش تبديل
۲۱ ). با اين فرمان صفحه - را كليك مي كنيم (شكل ۲
۲۲ ). در اين صفحه در خانه - باز مي شود (شكل ۲ Compute Variable محاسبه متغير
متغيرهدف نام متغير جديد را درج كرده و قسمت نوع و تعريف
متغير را كليك م ي كنيم. حال در صفح ه اي كه باز مي شود متغير
جديد را تعريف كرده، قسمت ادامه را كليك مي كنيم. سپس در صفحه
محاسبه متغير از خانه پايين سمت چپ متغيرهايي را كه م ي خواهيم با هم جمع كنيم
يكي يكي وارد خانه فرمول عددي كرده، بين آنها ع لامت
به اضافه + مي گذاريم.
،V به عنوان مثال، در بين متغيرهاي پيمايش نگرش ها مي بينيم كه سه متغير 12
مشابه هم (هم ارز) بوده، همگي به نوعي درستكاري مردم را مي سنجند. V و 14 V13
فصل دوم: پردازش دادهها ٦٧
Compute Variable ٢١ قسمت محاسبه متغير - شكل ٢
Compute Variable ٢٢ صفحه محاسبه متغير - شكل ٢
بنابراين، تصميم مي گيريم مقياسي تحت عنوان ” درستكار ي“ از اين سه متغير
در خانه Compute Variable بسازيم. بدين منظور با بازكردن صفحه محاسبه متغير
SPSS... ٦٨ برنامه كامپيوتري آمار
درج كرده، در صفحه Scale نام متغير جديد را فرضًا 1 Target Variable متغير هدف
آن را ” ميزان درستكاري برحسب مجموع سه Type & Lable نوع و تعريف متغير
Numeric را وارد خانه فرمول عددي V متغير“ تعريف مي كنيم. حال ابتدا متغير 12
و علامت + و V كرده و علامت به اضافه + مي گذاريم. سپس متغير 13 Expression
سپس فرمان را .(V12 + V13 + V را وارد مي كنيم (بدين صورت : 14 V متغير 14
تأييد مي كنيم.
در اين مثال، عدد ۱ متغيرها به معني درستكاري كم و عدد ۵ به معني درستكاري
زياد است . ٤ از اين رو، مقياسي كه ساخته ايم متغيري كمي است و نمره ۳ آن به
معني كمترين ميزان درستكاري و نمره ۱۵ آن به معني بيشترين ميزان درستكاري
است.
دامنه نمرات مقياسي كه با فرمان جمع كردن ساخته مي شود متكي بر تعداد
متغيرهاي تشك يل دهنده آن است . از اين رو، تفسير نمرات آن خاصه در مقايسه با
نمرات مقياس هاي ديگر دشوار مي شود. گذشته از اين، در اين فرمان هرگاه در يك
مورد يكي از متغيرهاي متشكله مقياس داده ناقص باشد نمره مقياس براي آن مورد
محاسبه نشده و داده ناقص محسوب مي شود.
۴. اين سه متغير ترتيبي هستند، با اين همه معمو ً لا بر اي ساختن مقياس ، اين دست متغيرهاي ترتيبي
را مسامحتًا متغير كمي در نظر گرفته و با عددي كردن طبقات ترتيبي (از ۱ براي طبقه پايين
شروع مي كنيم و به طبقات بالاتر عدد بالاتر اختصاص مي دهيم ) آنها را وارد محاسبه مقياس
مي كنيم.
فصل دوم: پ

SPSS راهنماي برنامه ي اس پي اس اس

مقدمه
روش هاي آماري يكي از ابزارهاي اصلي تحقيقات كمي در بسياري از رشت ه هاي علوم
اجتماعي، علوم انساني، علوم زيستي و ... است و آموزش آن ب راي دانشجويان بسيار با
اهميت و تقريبًا گريزناپذير است، چه مطالعه و تحقيق در باره بسياري از مضامين و
موضوعات مستلزم استفاده از رو ش ها و تكنيك هاي آماري است . امروزه كه كامپيوتر
عموميت يافته است برنامه هاي كامپيوتري محاسبات آماري نقش مهمي در گسترش كاربرد
آمار در تحقيقات دارد، زيرا با اجراي سريع و دقيق محاسبات آماري و برداشتن امر شاق
محاسبات از دوش دان ش پژوهان، كاربرد آمار را به امر ساد ه اي تبديل م ي كند . گذشته از
اين، با اتكا به اين قابليت برنام ه هاي كامپيوتري محاسبات آماري، محور تدريس درس آمار
ديگر محاسبات و ا رائه فرمو ل هاي محاسباتي نخواهد بود، بلكه تشريح منطق اساسي مفاهيم
آماري و مفهوم آنها و كاربردشان در رشت ه هاي مربوط و خلاصه تفهيم بهتر آمار خواهد
شد كه اين نيز خودكاربرد آمار را گسترد هتر مي كند.
هم از اين رو، امروزه در دانشگا ه ها ارائه درسي سه يا چهار واحد ي ب راي آ موزش
كاربرد كامپيوتر كه عمدتًا براي محاسبات آماري است عموميت يافته است . اين كتاب نيز
به منزله كتاب درسي چنين آموزشي طرحريزي و تدوين شده است : اين كتاب آموزش
نحوه كاربرد برنامه كامپيوتري ا س پي اس اس براي محاسبات آماري در سطح در وس آمار
دوره كارشناسي ا ست كه عمومًا آمار يك متغيره و دو متغيره (آمار توصيفي يك متغيره و
دومتغيره و آمار استبناطي قرين با آن) است.
اين كتاب نه تنها جايگزين آموزش آمار و كتا ب هاي آمار دوره كارشناسي نيست ،
بلكه خواندن اين كتاب مستلزم گذراندن دروس آمار و تسلط بر مفاهيم و رو ش هاي
آماري است . گو اي ن كه در تشريح نحوه كاربرد ا س پي اس اس براي محاسبه مفاهيم آماري
معمو ً لا توضيح مختصري هم در باره آن مفاهيم ارائه مي شود اما براي اين كه بتوانيم از
برنامه كامپيوتري اس پي اس اس براي محاسبات آماري در سطح دوره كارشناسي استفاده
كنيم ابتدا بايد در س هاي آمار اين دوره را گذرانده و ضمن اشراف بر محاسبات آماري با
منطق و كاربرد مفاهيم آماري خوب آشنا شده باشيم.
SPSS... ٢ برنامه كامپيوتري آمار
برنامه كامپيوتري ا س پي اس اس فقط براي محاسبات آمار دوره كارشناسي نيست، بل كه
بخش عمده اي از آن به آمار پيشرفته و حرف ه اي اختصاص دارد كه در دور ه هاي تح صيلات
تكميلي (كارشناسي ارشد و دكتري ) آموزش داده م ي شود . محاسبات آمار پيشرفته و
حرفه اي معمو ً لا بسيار پيچيده و طولاني است و آموزش آن همراه با برنامه محاسبات آمار
پيشرفته و حرفه اي اس پي اس اس در يك كتاب واحد مفيدتر و كارآمدتر است . بنابراين،
اين كتاب آموزش ت مام برنامه كامپيوتري اس پي اس اس و راهنماي جامع آن نيست و فقط
شامل آن بخ ش هايي از اس پي اس اس است كه به محاسبات آمار دوره كارشناسي (آمار
توصيفي و استنباطي يك متغيره و دومتغيره ) و مقتضيات اجراي اين محاسبات اختصاص
دارد.
در اين كتاب، برنامه كامپيوتري ا س پي اس اس براي محاسبات آمار ي يك متغيره و دو
متغيره گام به گام با يك مثال مبسوط و در چهار بخش تشريح مي شود . بخش اول به
آماده سازي داد ه ها اختصاص دارد . براي انجام محاسبات كامپيوتري آمار ه ها و رو ش هاي
آماري ابتدا بايد داده ها را وارد برنامه ا س پي اس اس كرده، ويژگ ي آنها را براي
اس پي اس اس تعريف كنيم كه مضمون فصل اول اس ت . سپس بايد با اصلاحاتي مانند
برطرف كردن خطاهايي كه ط ي گردآوري داد ه ها و انتقال آنها به برنامه ا س پي اس اس
پيش مي آيد داد هها را پردازش كنيم (فصل دوم).
بخش دوم تشريح نحوه كاربرد برنامه ا س پي اس اس بر اي محاسبات كامپيوتري آمار
توصيفي يك متغيره و دومتغيره است . تحليل آماري يك متغيره كيفي در فصل سوم و
تحليل آماري يك متغيره كمي در فصل چهارم به ميان م ي آيد . رابطه دومتغيره اسمي در
فصل پنجم، رابطه دومتغيره ترتيبي در فصل ششم ، رابطه دومتغيره كمي در فصل هفتم و
كنترل آماري رابطه دومتغيره هم در فصل هشتم عنوان مي شود.
بخش سوم هم تشريح نحوه كاربرد برنامه ا س پي اس اس براي محاسبات آمار استنباطي
است. برآورد پارامتر كه روش هاي برآورد و استنباط خصوصيات جمعيت از روي
خصوصيات نمونه است در فصل نهم مطرح مي شود . در فصل دهم آزمون آماري و در
فصل يازدهم نيز آزمون ناپارامتري كه براي نشان دادن ميزان تعميم پذيري نتايج نمونه به
جمعيت است به ميان م يآيد .
مقدمه ٣
در بخش آخر هم بخ ش ها و قسم ت هاي برنامه اس پي اس اس كه براي اجراي برنامه
اس پي اس اس براي محاسبات آمار دوره كارشناسي لازم يا سودمندند مطرح مي شود.

بخش اول: آماده سازي داده ها
براي انجام محاسبات كامپيوتري آمار ه ها و روش هاي آماري با برنامه اس پي اس اس
ابتدا بايد داده هاي (اطلاعات ) گردآوري شده را وارد برنامه اس پي اس اس كرده،
ويژگي آنها را براي اس پي اس اس تعريف كنيم. فصل اول به همين موضوع
اختصاص دارد . سپس بايد جرح و تعدي ل ها و پرداز ش ها يي مانند برطرف كردن
خطاهايي كه طي گردآوري داده ها و انتقال آنها به برنامه اس پي اس اس پيش مي آيد
در داد ه ها اعمال كنيم تا براي محاسبات آماري آماده شود . فصل دوم هم به اين
موضوع اختصاص دارد.

فصل اول: تشكيل فايل داده ها
در برنامه اس پي اس اس قسمتي كه داده هاي (اطلاعات) گردآوري شده را وارد آن
كرده و ويژگي آنها را تعريف م ي كنيم فايل داده ها مي ناميم. فايل داده ها هم شامل
دو قسمت است : يكي داده نامه كه داده ها را وارد آن م ي كنيم و ديگري متغيرنامه كه
ويژگي داده ها را در آن تعريف مي كنيم.
١ داده نامه
داده ها
اطلاعات و داده هايي كه محقق م ورد تحليل آماري قرار مي دهد ويژگ ي هاي
مجموعه اي از عناصرند . ويژگي ها را متغير مي ناميم كه تأكيدي است بر تغي ير و
تفاوت عناصر بر حسب ويژگي معيني . عناصر ي هم كه ويژگي هاي آنها را تحليل
مي كنيم واحدهاي تحليل يا مورد هاي تحليل مي خوانيم . به عنوان مثال، اطلاعات
مربوط به كشو ر هاي مختلف كه هر سال در سالنامه هاي آماري سازمان ملل منتشر
مي شود شامل متغيرهايي چون درآمد سرانه ، ميزان رشد سالان ه ي جمعيت و ميزان
SPSS... ٨ برنامه كامپيوتري آمار
باسوادي است كه واحد تحلي ل آنها كشور است . خصوصيات و نگرش ها و نقطه
نظرات مردم راجع به موضوعات مختلف كه در نظرسنجي ها و با پرسشنامه
گرد آوري مي شود متغيرهايي هستند كه واحد تحليل آن ها فرد است.
ساختار داده نامه
ساختار داده نامه در فايل داده ها نيز ب ه گونه اي است كه اين دو وجه داد ه ها (متغير و
۱) كه هر - واحد تحليل ) را دربر مي گيرد؛ داده نامه جدولي دو بعدي است (شكل ۱
رديف آن به يك عنصر يا مورد (واحد تحليل ) اختصاص دارد و هر ستون آن هم به
يك متغير.
براي وارد كردن داد ه هاي تحقيق در فايل داده ها ابتدا بايد متغيرهاي تحقيق را
براي فايل داد ه ها تعريف كنيم؛ تعريف متغير هم شامل درج عنوان، نوع متغير،
تعريف مفهوم متغير، طبقات متغير، سطح سنجش و ... است. در اينجا نحوه تعريف و
وارد كردن اطلاعات به فايل داد ه ها را گام به گام با يك مثال مبسوط تشريح
مي كنيم.
فرض كنيم در تحقيقي به نام پيمايش نگرش ها در پي بررسي و مطالعه نگرش
مردم به موضوعاتي چون خانواده و امثالهم هستيم و براي اين امر پرسشنام ه اي شامل
۳۱ پرسش تدوين كرده ايم تا با انتخاب نمون ه اي احتمالي از مردم يك شهر و با
مصاحبه حضوري با آنها پرسشنامه را كه دربرگيرنده داده هاي تحقيق ما است پر
كنيم. اين پرس شنامه در ضميمه الف ارائه شده است . ما اين پيمايش را اجرا كرده ايم
و حال برآنيم تا داده هاي گردآوري شده (ضميمه ج) را وارد داده نامه برنامه
اس پي اس اس كنيم. بدين منظور ابتدا برنامه اس پي اس اس را باز مي كنيم و سپس
متغيرهاي خود (پرسش هاي پرسشنامه ) را براي آن تعريف كرده ، سرانجام داده ها را
وارد فايل داده ها در برنامه اس پي اس اس مي كنيم.
فصل اول: فايل دادهها ٩
Data View ١ صفحه اس پي اس اس (فايل داده ها)، جدول داده نامه - شكل ١
بازكردن اس پي اس اس
- براي باز كردن (فعال كردن ) برنامه اس پي اس اس در پايين صفحه ويندوز (شكل ۱
۲) قسمت شروع را باز مي كنيم (روي آن كليك مي كنيم ). ١ سپس در
قسمت برنامه ها در قسمت اس پي اس اس روي
۱. براي باز كردن يك برنامه كامپيوتري در صفحه مانيتور نشانگر موس را روي آن مي بريم و
قسمت سمت چپ موس را فشار مي دهيم (كليك مي كنيم).
SPSS... ١٠ برنامه كامپيوتري آمار
۱۶ (يا هر شمار ه دي گري مث ً لا اس پي اس اس / قسمت اس پي اس اس ۰
۱۱ يا اس پي اس اس ۱۵ يا اس پي اس اس بالاتر از ۱۶ ) كليك مي كنيم. ٢ /۵
در ويندوز SPSS ٢ قسمت بازكردن اس پي اس اس - شكل ١
۲. برنامه اس پي اس اس مرتبًا با تغييراتي تحت شماره هاي بالاتر به بازار مي آيد . با اين همه، اين
تغييرات جزيي بوده، عمومًا به جنبه صوري و بصري مربوط است و پايه و اساس و ساختار
عمومي برنامه اس پي اس اس تغيير نمي كند. بنا بر اين، مطالب ي كه در اين كتاب عنوان م ي شود
كم و بيش براي شماره هاي قبلي اس پي اس اس و احتما ً لا شماره هاي بعدي قابل اعمال است.
فصل اول: فايل دادهها ١١
۱۶ در صفحه ويندوز يا خانه بالاي برنامه ها / ممكن است قسمت اس پي اس اس ۰
قرار داشته باشد . در هر حال با كليك كردن آن قسمت ، برنامه اس پي اس اس باز
مي شود. ٣
صفحه فايل داده ها
با باز شدن برنا مه اس پي اس اس، صفحه اي تحت عنوان ويرايشگر يا داده پرداز
۱) كه همان فايل داده ها - ظاهر مي شود (شكل ۱ SPSS Data Editor اس پي اس اس
است و براي سهولت آن را صفحه اس پي اس اس يا همان فايل داده ها مي ناميم. اما در
۳) كه براي بازخواني فايل هايي - بدو امر صفحه اي روي فايل داده ها مي افتد (شكل ۱
است كه قب ً لا باز شد ه اند. فع ً لا اين صفحه را لغو مي كنيم ( بعد ًا كه فايل
داده هاي خود را تشكيل دادي م از اين صفحه براي باز كردن آن استفاده خواهي م
Untitled كرد). در بالاي صفحه فايل داده ها عبارت مجموعه داده هاي بي نام 1
آمده است . هرگاه فايل داده ها را نامگذاري كنيم نام فايل جايگزين [DataSet0]
.(۵- عبارت مذكور مي شود (مانند شكل ۱
،Edit پردازش ،File رديف اول صفحه فايل داد ه ها شامل بخش هايي چون فايل
است كه هر بخش Help و راهنما Analyiz تحليل ،Transform تبديل ،Data داده ها
نيز شامل قسمت هايي است . بعدًا رفته رفت ه با اين بخ ش ها و قسمت ها آشنا خواهيم
شد.
۳. اگر برنامه اس پي اس اس در كامپيوتر مورد استفاده شما نصب نشده است مي توانيد با تهيه
سي دي برنامه اس پي اس اس به سادگي آن را نصب كنيد.
SPSS... ١٢ برنامه كامپيوتري آمار
٣ صفحه بازخواني فاي لهاي اس پي اس اس - شكل ١
رديف دوم صفحه فايل داده ها شامل فرمان هاي اجرايي چون ضبط و
پرينت است. جدولي هم كه در صفحه فايل داد ه ها قرار دارد ه مان جدول ي
است كه داده ها را وارد آن مي كنيم و آن را جدول داده ها يا به اختصار داده نامه
مي ناميم. اما قبل از و ارد كردن داده ها به اين جدول بايد متغيرها را Data View
تعريف كنيم.
فصل اول: فايل دادهها ١٣
۲ متغيرنامه
صورت مي گيرد. براي باز Variable View تعريف متغيرها در جدولي به نام متغيرنامه
كردن متغيرنامه در انتهاي صفحه فايل داد ه ها قسمت متغيرنامه را
كليك مي كنيم. بدين ترتيب ، در صفحه فايل داده ها جدول متغيرنامه به جاي جدول
۴). در جدول - داده نامه ظاهر م ي شود كه مختص تعريف متغيرها است (شكل ۱
متغيرنامه هر رديف به يك متغير اختصاص دارد و هر ستون نيز توصيف يكي از
ويژگي هاي متغير است.
٤ جدول متغيرنامه در صفحه فايل داده ها - شكل ١
Name نام متغير
اسم متغير درج مي شود. به عنوان مثال، متغيرهاي Name در ستون نام متغير
مخفف متغير و V . و ... نامگذاري كرده ايم ،V3 ،V2 ،V پيمايش نگرش ها را متغير 1
شماره ها نيز منطبق با شمار ه سؤالات پرسشنامه پيمايش نگرش ها از شماره ۱ تا شماره
SPSS... ١٤ برنامه كامپيوتري آمار
۳۱ است . پيدا است كه براي هر متغير هر نامي را كه مناسب ببينيم مي توانيم انتخاب
كنيم.
از آنجا كه در متغيرنامه هر رديف به يك متغير اختصاص دارد ۳۱ رديف به
متغيرهاي پيمايش نگرش ها اختصاص مي يابد. اما علاوه بر اين يك رديف هم به
مي گذاريم. بدين ترتيب، ID شماره پرسشنامه اختصاص مي دهيم و نام آن را
متغيرنامه پيمايش نگرش ها بدوًا شامل ۳۲ رديف م ي شود (اين بدان معنا است كه
داده نامه هم بدوًا شامل ۳۲ ستون مي شود).
Label تعريف متغير
كه ستون پنجم متغيرنامه است به تعريف مفهوم متغير Label ستون تعريف متغير
اختصاص دارد . ما تعريف بي شتر متغيرهاي پيمايش نگرش ها را همان پرسش هاي
پرسشنامه انتخاب كرد ه ايم. باز پيد ا است كه مي تواني م مفهوم متغير خود را به هر
خود را (V صورتي كه مناسب م ي دانيم تعريف كني م. به عنوان مثال، ما متغير اول ( 1
همان پرسش پرسشنامه ( چ ه سن ي برا ي ازدوا ج پس ر مناس ب اس ت؟) تعريف كرده ايم اما
را فقط جنسيت تعريف كرده ايم V را فقط تحصيلات يا متغير 21 V متغير 16
۵). براي تعريف مفهوم متغير در اين ستون مي توان هم مستقيمًا آن را تايپ - (شكل ۱
كرد و هم آن را از جاي ديگر (مث ً لا پرسشنامه) كپي و به اين ستون منتقل كرد.
Measure سطح سنجش متغير
به توصيف سطح سنجش Measure ستون آخر متغيرنامه، ستون سطح سنجش متغير
متغيرها اختصاص دارد . سطح سنجش متغير مبين نوع سنجش و انداز ه گيري متغير
است. تشخيص و تميز سطح سنجش متغيرها اهميت خاصي دارد . هر نوع مقياس يا
فصل اول: فايل دادهها ١٥
سطح سنجشي درخور اعمال آماري خاصي است ولي براي ساير اعمال آماري
مناسب نيست.
٥ بخشي از متغيرنامه پيمايش نگرش ها - شكل ١
SPSS... ١٦ برنامه كامپيوتري آمار
متغيرها از لحاظ سطح سنجش (نحوه سنجش يا مقياس سن جش) به دو دسته كلي
تقسيم م ي شوند: كمي وكيفي . متغيرهاي كمي با واحدهاي عددي انداز ه گيري
مي شوند و از لحاظ تقسي م پذير بودن يا تقسي م پذير نبودن واحد سنج ش شان به دو
دسته تقسيم مي شوند: متغير پيوسته و متغير گسسته . متغير پيوسته متغيري است كه
واحدهاي سنجش آن به طو ر نامتناهي و نامحدود تقسيم پذيرند، يعني هر واحد آن را
مي توان به واحدهاي سنجش كوچكتري تقسيم كرد . متغير زمان، درآمد، انواع
ميزان ها (ميزان رشد جمعيت، ميزان باروري وامثالهم ) نمونه هايي از متغير پيوست ه اند .
به عنوان مثال، واحد سنجش زمان م ي تواند سال باشد يا ماه يا روز يا ساعت يا دقيقه
يا ثانيه يا ميلي ثانيه و الي آخر.
متغير گسسته اما متغيري است كه واحدهاي سنجش آن مجزا بوده و تقسيم ناپذير
هستند. به عنوان مثال، بعد خانوار (تعداد اعضاي يك خانوار ) متغيري گسسته است
۵ و الي آخر مجزا بوده و تقسيم ناپذيرند . ،۴ ،۳ ،۲ ، چون واحدهاي سنجش آن ۱
تمام متغيرهايي كه بر حسب تعداد بيان مي شوند مانند تعداد جمعيت، تعداد وسايل
در خانه، تعداد بچه، تعداد مسكن و امثالهم متغير گسسته اند.
با علامت مقياس Measure متغير كمي در ستون سطح سنجش متغير
چ ه سن ي برا ي ازدوا ج ) V مشخص مي شود. به عنوان مثال، در پيمايش نگرش ها متغير 1
۶). اس پي اس اس ب ه طور خودكار هر - پسر مناس ب اس ت؟) متغير كمي است (شكل ۱
متغيري را كمي تعريف مي كند مگر اين كه ما اين تعريف را عوض كنيم.
متغيركيفي متغيري است كه نمي توان آن را با ابزار كمي اندازه گيري كرد، بلكه
سنجش آن به صورت طبقه بندي صورت مي گيرد . به عبارت ديگر، متغيركيفي
متغيري است كه فقط به صورت طبقه بندي قابل اندازه گيري است . متغيرهاي كيفي
شامل متغيرهاي اسمي و متغيرهاي ترتيبي اند.
فصل اول: فايل دادهها ١٧
در متغيرنامه پيمايش نگرش ها Measure ٦ ستون سطح سنجش متغير - شكل ١
متغير اسمي شامل طبقاتي است كه نوعًا متفاوتند و هر طبقه اسم خاصي دارد ،
مانند جنسيت (شامل دو طبقه زن و مرد )، قوميت، وضع تأهل (شامل دو طبقه متأهل
و غيرمتأهل يا چندين طبقه - متأهل، ازدواج نكرده، همسر فوت شده، همسر
جد اشده، همسر تر ك كرده)، شغل و امثالهم . متغير اسمي در ستون سطح سنجش متغير
با علامت اسمي مشخص م يشود. به عنوان مثال، در Measure
در خانواد ه شما تصمي م نهاي ي را چ ه كس ي م يگير د؟) متغيري ) V پيمايش نگرش ها متغير 6
اسمي است . براي اسمي تعريف كردن اين متغير ابتدا روي خانه تقاطع ستون
با متغير مورد نظر و سپس روي علامت Measure سطح سنجش متغير
اسمي كليك مي كنيم.
متغير ترتيبي شامل طبقاتي است كه بين آنها سلسله مراتب وجود دارد، يعني
طبقات نسبت به هم بالا و پايين يا كم و زياد هستند ، مانند طبقه اجتماعي (كه عمومًا
شامل سه طبقه است : طبقه بالا، طبقه متوسط، طبقه پايين )، نگرش ها (كه عمومًا سه
طبقه  موافق، ب ي نظر، مخالف  يا پنج طبقه اند  كام ً لا موافق، موافق، ب ي نظر، مخالف،
كام ً لا مخالف )، گروه هاي درآمدي (طبقه پردرآمد، ميان درآمد، كم درآمد )،
گروه هاي سني (نوزادان، كودكان، نوجوانان، جوانان، ميانسالان، كهنسالان ) و
SPSS... ١٨ برنامه كامپيوتري آمار
با علامت ترتيبي Measure امثالهم. متغير ترتيبي در ستون سطح سنجش متغير
از ) V مشخص مي شود. به عنوان مثال، در پيمايش نگرش ها متغير 7
خانواده خود چقدر راضي هستيد ؟) متغيري ترتيبي است . براي ترتيبي تعريف كردن
با متغير مورد نظر Measure اين متغير ابتدا روي خانه تقاطع ستون سطح سنجش متغير
و سپس روي علامت ترتيبي كليك مي كنيم.
Values مقاديرمتغير
ستون ششم متغيرنامه براي تعريف عددها و مقادير ي است ،Values ستون مقاديرمتغير
كه كد و شماره طبقات متغيرهاي اسمي و ترتيب ي اند، زيرا هنگام و ارد كردن داده ها
دركامپيوتر براي سهولت ك ار به جاي عبارت هاي هر طبقه، از اعداد به عنوان كد و
۷). به همين دليل، از همان - نشانه اي كه نماينده آنها است استفاده مي كنيم (شكل ۱
ابتدا در پرسشنامه كنار طبقات كدي براي آن ها درج مي كنيم و هنگام وارد كردن
داده ها دركامپيوتر از همان كدها استفاده مي كنيم.
در متغيرنامه پيمايش نگرش ها Values ٧ ستون مقاديرمتغير - شكل ١
فصل اول: فايل دادهها ١٩
با Values براي تعريف كدهاي يك متغيركيفي روي خانه تقاطع مقاديرمتغير
۷). با اين عمل صفحه تعريف - سطر متغير مورد نظر كليك م ي كنيم (شكل ۱
۸) در اين صفحه در خانه مقدار - باز مي شود (شكل ۱ Value Lables مقادير
كد (عدد) ۱ و در خانه تعريف مقدار عنوان طبقه
اول را درج كرده، روي قسمت افزودن كليك مي كنيم. به همين ترتيب
كد طبقات بعدي را تعريف كرده، بعد از اتمام تعريف كد تمام طبقات فرمان را
تأييد مي كنيم.
Value Lables ٨ صفحه تعريف مقادير - شكل ١
پيمايش نگرش ها (سؤال ” ازدواج با طبقه خود بهتر V به عنوان مثال، طبقات متغير 4
اس ت يا طبقه بالاتر يا پايي نتر؟“) عبارت است از: [ ۱] با ه مطبقه خو د، [ ۲] ب ا طبق ه بالات ر،
۳] با طبق ه پايي نتر، [ ۴] فرقي نم يكند. از اين رو ، در متغيرنامه در ستون مقادير متغير ]
اين كدها را به هم ين صورت تعريف مي كنيم؛ يعني مشخص مي كنيم كه هر Values
در صفحه V ۹ تعريف كدهاي طبقات متغير 4 - كد نماينده چه طبق ه اي است . شكل ۱
است. Values مقادير متغير
SPSS... ٢٠ برنامه كامپيوتري آمار
مقادير متغيرهاي سطح سنجش كمي كمي ت هاي عددي هستند و لزوم ي به
تعريف آنها نيست؛ هر عدد معرف مقدار ي بر حسب واحد انداز ه گيري آن متغير
كمي است. واحد اندازه گيري برخي از متغيرهاي كمي به محقق بستگي دارد (مث ً لا
درآمد بر حسب تومان، يا هزار تومان ). در اين صورت بايد در ستون تعريف متغير
واحد انداز ه گيري متغير را مشخ ص كرد . به عنوان مثال، ما در تعريف متغير Label
واحد اندازه گيري آن را مشخص كرده ايم: مخار ج خانواده به هزار توما ن. با V27
اين همه، واحد اندازه گيري برخي از متغيرهاي كمي مانند سن (كه واحد
...،۳ ،۲ ، اندازه گيري آن سال است ) يا تعداد (كه واحد سنجش آن اعداد طبيعي ۱
است) لزومي به تعريف ندارد.
پيمايش__

برخی از حوزه های کاربردی تحلیل عاملی

برخی از حوزه های کاربردی تحلیل عاملی
تحلیل عاملی در روانسنجی و روانشناسی
اسپیرمن دریافت که بین نمرات دانش اموزان در مدرسه ،در موضوعات ظاهرا غیر مرتبط ،همبستگی مثبت وجود دارد.پس از وی ریموند کتل ،کار او را گسترش داد و او از یک تئوری چندعامله برای توضیح هوش استفاده کرد.وی به شدت از تحلیل عاملی در روانسنجی طرفداری می کرد.
تحلیل عاملی در روانسنجی برای تشخیص فاکتورها ،از نتایج تستها  به کار گرفته می شود.
برای مثال ،دانشمندان در تحقیقات هوش پی بردند که افرادی که در امتحان توانایی زبان نمره بالایی میگیرند ،در تست های دیگری که نیازمند توانایی زبان هستند،نیز موفق هستند،که محققین این عامل را هوش زبانی نامیدند.هرچند تحلیل عاملی برای یافتن عامل ها در حیطه های وسیع مانند شخصیت ،رفتار،عقاید و... به کار می رود.
همچنین از تحلیل عاملی در روانسنجی برای ارزیابی اعتبار یک ابزار به وسیله یافتن اینکه " آیا ابزار مورد نظر واقعاً فاکتور مورد مطالعه را اندازه گیری میکند؟"به کار می رود.
16. 1. 1.  مزایا:
1.    کاهش تعداد متغیرها :دو یا چند عامل در غالب یک عامل شناخته می شود
2.    تشخیص گروه متغیرهای وابسته به یکدیگر
16. 1. 2.  معایب:
1.    تحلیل عاملی زمانی که داده ها معتبر باشد،مناسب است.حال انکه در روانشناسی ،که محققان ،اغلب به اقداماتی با اعتبار کم ،متکی هستند مانند خودسنجی،که این می تواند مشکل ساز باشد.
2.    تحلیل عاملی برمبنای استفاده از ابتکار است که "یک راه حل مناسب است حتی اگر کاملا درست نباشد"(ریچارد بی دارلینگتون).بر داده های مشابه که از طریق مشابه فاکتوربندی شده اند،می تواند بیش از یک تفسیر انجام شود
16. 2.  تحلیل عاملی در بازاریابی
16. 2. 1.  گام های اساسی
گام های اساسی در این زمینه عبارتند از:
•    شناسایی خصوصیات اصلی محصول که مشتری برای ارزیابی کالا از آنها استفاده می کند.
•    استفاده از تکنیک های کمی تحقیقات بازاریابی به منظور جمع آوری داده ها از مشتریان هدف
•    وارد نمودن داده ها به یک برنامه آماری و اجرا کردن پروسه تحلیل عاملی.
•    استفاده از نتایج تحلیل عاملی و خصوصیات(عامل ها) به منظورطراحی مفهومی محصول
16. 2. 2.  جمع آوری داده ها
جمع آوری داده ها عموماً از طریق روش های مختلف تحقیقات بازاریابی انجام می شود. سئوالات پیمایشی از پاسخ دهندگان می خواهد که نمونه محصول را ارزیابی کنند و یا در مورد خصوصیات محصول نظر بدهند. عموماً  پنج تا بیست خصوصیت کلی انتخاب می شود مانند سهولت در دسترسی، وزن، دقت، دوام محصول، رنگ محصول، قیمت و اندازه. خصوصیاتی که انتخاب می شوند بر حسب اینکه محصول مورد مطالعه چه چیزی باشد می تواند متغیر باشد. داده های جمع آوری شده برای چند محصول، کدگذاری شده و وارد نرم افزارهای آماری مانند R، SPSS، SAS، Stata  و SYSTAT و LISREL می شود.
16. 2. 3.  تحلیل داده ها
تحلیل داده ها ، عامل هایی که داده ها را توضیح می دهند جدا می کند. تحلیل عاملی یک تکنیک وابستگی متقابل است.مجموعه کاملی از روابط متقابل مورد بررسی قرار می گیرند.هیچ نوع خاصی از متغیرهای وابسته،متغیرهای مستقل یا روابط علت و معلولی وجود ندارد.تحلیل عاملی فرض می کند که تمامی داده ها می توانند به ابعاد مهم کوچکی کاهش یابند. این کاهش به این دلیل ممکن است که خصوصیات با یکدیگر مرتبطند. درجه ای که به هر خصوصیت داده می شود تا حدی نتیجه تأثیر سایر خصوصیات است. درجه  همبستگی بین نمره خام اولیه و نمره عامل نهایی، بار عاملی نامیده می شود. دو رهیافت کلی برای تحلیل عاملی وجود دارد." تحلیل مؤلفه های اصلی"(واریانس کل در داده ها فرض می شود) و "تحلیل مؤلفه های مشترک"(که در ان واریانس مشترک در نظر گرفته می شود.)
16. 2. 4.   مزایا
•    هم خصوصیات عینی و هم خصوصیات ذهنی می تواند مورد استفاده قرار گیرد.
•    تحلیل عاملی می تواند در کشف ابعاد پنهانی که ممکن است با تجزیه و تحلیل مستقیم نتوان به آنها دست یافت به کار رود.
•    ساده و کم هزینه است.
16. 2. 5.  معایب
•    استفاده بهینه و کامل از این روش مستلزم توانایی محقق در جمع آوری مجموعه کاملی از خصوصیات محصول است. اگر خصوصیات اصلی و مهم محصول از قلم بیفتد، اعتبار روش خدشه دار می شود.
•    نامگذاری و انتخاب فاکتورها یا عوامل ، مستلزم داشتن دانش پیش زمینه ای است، چرا که ممکن است چندین خصوصیت  محصول به دلایل ناآشکاری به یکدیگر همبسته باشند.
16. 3.  سایر حوزه ها
تحلیل همچنین می تواند در سایر حوزه ها همچون علوم فیزیکی و نیز در اقتصاد مورد استفاده قرار گیرد.




 
17.  منابع
1.    کلاین، پل،«راهنمای آسان تحلیل عاملی»،ترجمه سید جلال صدر السادات و همکار، انتشارات سمت، تهران،1380،چاپ اول
2.    سرمد، ز. بازرگان و  ع. حجازی ،«روش های تحقیق در علوم رفتاری»، انتشارات آگاه، تهران،1384
3.    هومن و همکاران،«تحلیل عاملی دشواریها و تنگناها»، مجله روانشناسی وعلوم تربیتی، دانشگاه تهران،شماره 71، پاییز و زمستان1384
4.    هومن, حیدر علی، «مدل یابی معادلات ساختاری با کاربرد نرم افزار لیزرل»، انتشارات سمت، تهران،1384، چاپ اول
5.    نجیبی،سید مرتضی و مهدی حسین پوری، «تحلیل عاملی» ،گروه دانش آماری،www.daneshamari.blogfa.com
6.    Mardia, K. V., Kent, J. T., and Bibby, J. M. (1979), MultivariateAnalysis, New York: Academic Press
7.    Alvin C. Rencher(1998), Multivariate Statistical Inference And Application: Wiley series in probability and statistics
8.    Anderson, T. W. (1984), Introduction to Multivariate Statistical Analysis, second Edition,Wiley series in probability and statistics
9.    http://www.thesisbox.ir/page.php?21
10.    http://www.measurement.blogfa.com
11.    http://bric.blogfa.com

رشته هاي دوره ي دكتري علوم انساني داخل كشور

علوم انساني    مجموعه علوم جغرافيايي    جغرافياي سياسي    كليه رشته علوم جغرافيايي
علوم انساني    مجموعه علوم جغرافيايي    برنامه ريزي شهري    كليه رشته علوم جغرافيايي
علوم انساني    مجموعه علوم جغرافيايي    برنامه ريزي روستايي    كليه رشته علوم جغرافيايي
علوم انساني    مجموعه علوم جغرافيايي    ژئومورفولوژي    كليه رشته علوم جغرافيايي
علوم انساني    مجموعه علوم جغرافيايي    طبيعي (اقليم شناسي )    كليه رشته علوم جغرافيايي
علوم انساني    مجموعه علوم جغرافيايي    اقليم شناسي و برنامه ريزي محيطي    كليه رشته علوم جغرافيايي
علوم انساني    مجموعه علوم جغرافيايي    طبيعي    كليه رشته علوم جغرافيايي
علوم انساني    مجموعه علوم اقتصادي    اقتصاد نظري    رشته اقتصاد و كليه گرايشهاي آن
علوم انساني    مجموعه علوم اقتصادي    اقتصاد سلامت    رشته اقتصاد و كليه گرايشهاي آن
علوم انساني    مجموعه علوم اقتصادي    اقتصاد سنجي    رشته اقتصاد و كليه گرايشهاي آن
علوم انساني    مجموعه علوم اقتصادي    اقتصاد پولي    رشته اقتصاد و كليه گرايشهاي آن
علوم انساني    مجموعه علوم اقتصادي    اقتصاد    رشته اقتصاد و كليه گرايشهاي آن
علوم انساني    مجموعه علوم اقتصادي    اقتصاد بخش عمومي    رشته اقتصاد و كليه گرايشهاي آن
علوم انساني    مجموعه علوم اقتصادي    علوم اقتصادي    رشته اقتصاد و كليه گرايشهاي آن
علوم انساني    مجموعه تاريخ    تاريخ    تاريخ و كليه گرايشهاي آن- تاريخ فرهنگ و تمدن اسلامي- تاريخ تشيع- تاريخ ملل و تمدن اسلامي
علوم انساني    مجموعه تاريخ    تاريخ ايران باستان    تاريخ و كليه گرايشهاي آن- تاريخ فرهنگ و تمدن اسلامي- تاريخ تشيع- تاريخ ملل و تمدن اسلامي
علوم انساني    مجموعه تاريخ    تاريخ اسلام    تاريخ و كليه گرايشهاي آن- تاريخ فرهنگ و تمدن اسلامي- تاريخ تشيع- تاريخ ملل و تمدن اسلامي
علوم انساني    مجموعه تاريخ    تاريخ ايران اسلامي    تاريخ و كليه گرايشهاي آن- تاريخ فرهنگ و تمدن اسلامي- تاريخ تشيع- تاريخ ملل و تمدن اسلامي
علوم انساني    مجموعه تاريخ    تاريخ ايران بعد از اسلام    تاريخ و كليه گرايشهاي آن- تاريخ فرهنگ و تمدن اسلامي- تاريخ تشيع- تاريخ ملل و تمدن اسلامي
علوم انساني    مجموعه تاريخ    تاريخ ايران قبل از اسلام    تاريخ و كليه گرايشهاي آن- تاريخ فرهنگ و تمدن اسلامي- تاريخ تشيع- تاريخ ملل و تمدن اسلامي
علوم انساني    مجموعه تاريخ    تاريخ محلي    تاريخ و كليه گرايشهاي آن- تاريخ فرهنگ و تمدن اسلامي- تاريخ تشيع- تاريخ ملل و تمدن اسلامي
علوم انساني    مجموعه علوم اجتماعي    علوم اجتماعي    جامعه شناسي انقلاب اسلامي- تبليغ و ارتباطات اجتماعي- توسعه روستايي- مطالعات جوانان- علوم اجتماعي- جامعه شناسي- مطالعات فرهنگي- جمعيت شناسي- فلسفه علوم اجتماعي- مطالعات زنان- مطالعات فرهنگي و رسانه- برنامه ريزي توسعه منطقه اي- پژوهش علوم اجتماعي- برنامه ريزي و سياستگذاري منطقه اي- مديريت خدمات اجتماعي- برنامه ريزي شهري- حقوق ارتباطات جمعي- مديريت رسانه- مددكاري اجتماعي- برنامه ريزي رفاه اجتماعي- رفاه اجتماعي و ساير رشته ها-
علوم انساني    مجموعه علوم اجتماعي    مددكاري اجتماعي    جامعه شناسي انقلاب اسلامي- تبليغ و ارتباطات اجتماعي- توسعه روستايي- مطالعات جوانان- علوم اجتماعي- جامعه شناسي- مطالعات فرهنگي- جمعيت شناسي- فلسفه علوم اجتماعي- مطالعات زنان- مطالعات فرهنگي و رسانه- برنامه ريزي توسعه منطقه اي- پژوهش علوم اجتماعي- برنامه ريزي و سياستگذاري منطقه اي- مديريت خدمات اجتماعي- برنامه ريزي شهري- حقوق ارتباطات جمعي- مديريت رسانه- مددكاري اجتماعي- برنامه ريزي رفاه اجتماعي- رفاه اجتماعي و ساير رشته ها-
علوم انساني    مجموعه علوم اجتماعي    جمعيت شناسي    جامعه شناسي انقلاب اسلامي- تبليغ و ارتباطات اجتماعي- توسعه روستايي- مطالعات جوانان- علوم اجتماعي- جامعه شناسي- مطالعات فرهنگي- جمعيت شناسي- فلسفه علوم اجتماعي- مطالعات زنان- مطالعات فرهنگي و رسانه- برنامه ريزي توسعه منطقه اي- پژوهش علوم اجتماعي- برنامه ريزي و سياستگذاري منطقه اي- مديريت خدمات اجتماعي- برنامه ريزي شهري- حقوق ارتباطات جمعي- مديريت رسانه- مددكاري اجتماعي- برنامه ريزي رفاه اجتماعي- رفاه اجتماعي و ساير رشته ها-
علوم انساني    مجموعه علوم اجتماعي    جامعه شناسي    جامعه شناسي انقلاب اسلامي- تبليغ و ارتباطات اجتماعي- توسعه روستايي- مطالعات جوانان- علوم اجتماعي- جامعه شناسي- مطالعات فرهنگي- جمعيت شناسي- فلسفه علوم اجتماعي- مطالعات زنان- مطالعات فرهنگي و رسانه- برنامه ريزي توسعه منطقه اي- پژوهش علوم اجتماعي- برنامه ريزي و سياستگذاري منطقه اي- مديريت خدمات اجتماعي- برنامه ريزي شهري- حقوق ارتباطات جمعي- مديريت رسانه- مددكاري اجتماعي- برنامه ريزي رفاه اجتماعي- رفاه اجتماعي و ساير رشته ها-
علوم انساني    مجموعه علوم اجتماعي    رفاه اجتماعي    جامعه شناسي انقلاب اسلامي- تبليغ و ارتباطات اجتماعي- توسعه روستايي- مطالعات جوانان- علوم اجتماعي- جامعه شناسي- مطالعات فرهنگي- جمعيت شناسي- فلسفه علوم اجتماعي- مطالعات زنان- مطالعات فرهنگي و رسانه- برنامه ريزي توسعه منطقه اي- پژوهش علوم اجتماعي- برنامه ريزي و سياستگذاري منطقه اي- مديريت خدمات اجتماعي- برنامه ريزي شهري- حقوق ارتباطات جمعي- مديريت رسانه- مددكاري اجتماعي- برنامه ريزي رفاه اجتماعي- رفاه اجتماعي و ساير رشته ها-
علوم انساني    مجموعه علوم اجتماعي    جامعه شناسي اقتصادي و توسعه    جامعه شناسي انقلاب اسلامي- تبليغ و ارتباطات اجتماعي- توسعه روستايي- مطالعات جوانان- علوم اجتماعي- جامعه شناسي- مطالعات فرهنگي- جمعيت شناسي- فلسفه علوم اجتماعي- مطالعات زنان- مطالعات فرهنگي و رسانه- برنامه ريزي توسعه منطقه اي- پژوهش علوم اجتماعي- برنامه ريزي و سياستگذاري منطقه اي- مديريت خدمات اجتماعي- برنامه ريزي شهري- حقوق ارتباطات جمعي- مديريت رسانه- مددكاري اجتماعي- برنامه ريزي رفاه اجتماعي- رفاه اجتماعي و ساير رشته ها-
علوم انساني    مجموعه علوم اجتماعي    جامعه شناسي- نظري فرهنگي    جامعه شناسي انقلاب اسلامي- تبليغ و ارتباطات اجتماعي- توسعه روستايي- مطالعات جوانان- علوم اجتماعي- جامعه شناسي- مطالعات فرهنگي- جمعيت شناسي- فلسفه علوم اجتماعي- مطالعات زنان- مطالعات فرهنگي و رسانه- برنامه ريزي توسعه منطقه اي- پژوهش علوم اجتماعي- برنامه ريزي و سياستگذاري منطقه اي- مديريت خدمات اجتماعي- برنامه ريزي شهري- حقوق ارتباطات جمعي- مديريت رسانه- مددكاري اجتماعي- برنامه ريزي رفاه اجتماعي- رفاه اجتماعي و ساير رشته ها-
علوم انساني    مجموعه علوم اجتماعي    جامعه شناسي- مسائل اجتماعي ايران    جامعه شناسي انقلاب اسلامي- تبليغ و ارتباطات اجتماعي- توسعه روستايي- مطالعات جوانان- علوم اجتماعي- جامعه شناسي- مطالعات فرهنگي- جمعيت شناسي- فلسفه علوم اجتماعي- مطالعات زنان- مطالعات فرهنگي و رسانه- برنامه ريزي توسعه منطقه اي- پژوهش علوم اجتماعي- برنامه ريزي و سياستگذاري منطقه اي- مديريت خدمات اجتماعي- برنامه ريزي شهري- حقوق ارتباطات جمعي- مديريت رسانه- مددكاري اجتماعي- برنامه ريزي رفاه اجتماعي- رفاه اجتماعي و ساير رشته ها-
علوم انساني    مجموعه علوم اجتماعي    جامعه شناسي- توسعه روستايي    جامعه شناسي انقلاب اسلامي- تبليغ و ارتباطات اجتماعي- توسعه روستايي- مطالعات جوانان- علوم اجتماعي- جامعه شناسي- مطالعات فرهنگي- جمعيت شناسي- فلسفه علوم اجتماعي- مطالعات زنان- مطالعات فرهنگي و رسانه- برنامه ريزي توسعه منطقه اي- پژوهش علوم اجتماعي- برنامه ريزي و سياستگذاري منطقه اي- مديريت خدمات اجتماعي- برنامه ريزي شهري- حقوق ارتباطات جمعي- مديريت رسانه- مددكاري اجتماعي- برنامه ريزي رفاه اجتماعي- رفاه اجتماعي و ساير رشته ها-
علوم انساني    فرهنگ و زبان هاي باستاني        فرهنگ و زبان هاي باستاني و كليه گرايش ها
علوم انساني    مجموعه الهيات و معارف اسلامي    علوم قرآن و حديث    فلسفه دين- الهيات و معارف اسلامي- فلسفه و حكمت اسلامي- فلسفه تعليم و تربيت- فلسفه و كلام اسلامي و ساير گرايش ها
علوم انساني    مجموعه الهيات و معارف اسلامي    علوم قرآني    فلسفه دين- الهيات و معارف اسلامي- فلسفه و حكمت اسلامي- فلسفه تعليم و تربيت- فلسفه و كلام اسلامي و ساير گرايش ها
علوم انساني    مجموعه الهيات و معارف اسلامي    اديان و عرفان    فلسفه دين- الهيات و معارف اسلامي- فلسفه و حكمت اسلامي- فلسفه تعليم و تربيت- فلسفه و كلام اسلامي و ساير گرايش ها
علوم انساني    مجموعه الهيات و معارف اسلامي    تاريخ و تمدن ملل اسلامي    فلسفه دين- الهيات و معارف اسلامي- فلسفه و حكمت اسلامي- فلسفه تعليم و تربيت- فلسفه و كلام اسلامي و ساير گرايش ها
علوم انساني    مجموعه الهيات و معارف اسلامي    فقه و مباني حقوق اسلامي    فلسفه دين- الهيات و معارف اسلامي- فلسفه و حكمت اسلامي- فلسفه تعليم و تربيت- فلسفه و كلام اسلامي و ساير گرايش ها
علوم انساني    مجموعه الهيات و معارف اسلامي    فقه شافعي    فلسفه دين- الهيات و معارف اسلامي- فلسفه و حكمت اسلامي- فلسفه تعليم و تربيت- فلسفه و كلام اسلامي و ساير گرايش ها
علوم انساني    مجموعه الهيات و معارف اسلامي    مدرسي الهيات    فلسفه دين- الهيات و معارف اسلامي- فلسفه و حكمت اسلامي- فلسفه تعليم و تربيت- فلسفه و كلام اسلامي و ساير گرايش ها
علوم انساني    مجموعه الهيات و معارف اسلامي    شيعه شناسي    فلسفه دين- الهيات و معارف اسلامي- فلسفه و حكمت اسلامي- فلسفه تعليم و تربيت- فلسفه و كلام اسلامي و ساير گرايش ها
علوم انساني    مجموعه الهيات و معارف اسلامي    مذاهب كلامي    فلسفه دين- الهيات و معارف اسلامي- فلسفه و حكمت اسلامي- فلسفه تعليم و تربيت- فلسفه و كلام اسلامي و ساير گرايش ها
علوم انساني    مجموعه الهيات و معارف اسلامي    تصوف و عرفان اسلامي    فلسفه دين- الهيات و معارف اسلامي- فلسفه و حكمت اسلامي- فلسفه تعليم و تربيت- فلسفه و كلام اسلامي و ساير گرايش ها
علوم انساني    مجموعه الهيات و معارف اسلامي    مدرسي معارف اسلامي (كليه گرايشها)    فلسفه دين- الهيات و معارف اسلامي- فلسفه و حكمت اسلامي- فلسفه تعليم و تربيت- فلسفه و كلام اسلامي و ساير گرايش ها
علوم انساني    مجموعه الهيات و معارف اسلامي    مدرسي معارف اسلامي- انقلاب اسلامي    فلسفه دين- الهيات و معارف اسلامي- فلسفه و حكمت اسلامي- فلسفه تعليم و تربيت- فلسفه و كلام اسلامي و ساير گرايش ها
علوم انساني    مجموعه الهيات و معارف اسلامي    كلام (كليه گرايش ها)    فلسفه دين- الهيات و معارف اسلامي- فلسفه و حكمت اسلامي- فلسفه تعليم و تربيت- فلسفه و كلام اسلامي و ساير گرايش ها
علوم انساني    مجموعه فلسفه    فلسفه و حكمت اسلامي    مجموعه علوم تربيتي- الهيات و معارف اسلامي- اديان و عرفان- رياضي براي رشته منطق
علوم انساني    مجموعه فلسفه    فلسفه دين    مجموعه علوم تربيتي- الهيات و معارف اسلامي- اديان و عرفان- رياضي براي رشته منطق
علوم انساني    مجموعه فلسفه    فلسفه هنر    مجموعه علوم تربيتي- الهيات و معارف اسلامي- اديان و عرفان- رياضي براي رشته منطق
علوم انساني    مجموعه فلسفه    فلسفه غرب    مجموعه علوم تربيتي- الهيات و معارف اسلامي- اديان و عرفان- رياضي براي رشته منطق
علوم انساني    مجموعه فلسفه    منطق    مجموعه علوم تربيتي- الهيات و معارف اسلامي- اديان و عرفان- رياضي براي رشته منطق
علوم انساني    مجموعه فلسفه    فلسفه تطبيقي    مجموعه علوم تربيتي- الهيات و معارف اسلامي- اديان و عرفان- رياضي براي رشته منطق
علوم انساني    مجموعه فلسفه    فلسفه و كلام اسلامي    مجموعه علوم تربيتي- الهيات و معارف اسلامي- اديان و عرفان- رياضي براي رشته منطق
علوم انساني    مجموعه فلسفه    فلسفه اخلاق    مجموعه علوم تربيتي- الهيات و معارف اسلامي- اديان و عرفان- رياضي براي رشته منطق
علوم انساني    مجموعه فلسفه    فلسفه علم    مجموعه علوم تربيتي- الهيات و معارف اسلامي- اديان و عرفان- رياضي براي رشته منطق
علوم انساني    مجموعه فلسفه    فلسفه محض    مجموعه علوم تربيتي- الهيات و معارف اسلامي- اديان و عرفان- رياضي براي رشته منطق
علوم انساني    مجموعه فلسفه    فلسفه عصر جديد    مجموعه علوم تربيتي- الهيات و معارف اسلامي- اديان و عرفان- رياضي براي رشته منطق
علوم انساني    مجموعه فلسفه    فلسفه علم و فناوري    مجموعه علوم تربيتي- الهيات و معارف اسلامي- اديان و عرفان- رياضي براي رشته منطق
علوم انساني    مجموعه فلسفه    حكمت متعاليه    مجموعه علوم تربيتي- الهيات و معارف اسلامي- اديان و عرفان- رياضي براي رشته منطق
علوم انساني    مجموعه فلسفه    حكمت مشاء اسلامي    مجموعه علوم تربيتي- الهيات و معارف اسلامي- اديان و عرفان- رياضي براي رشته منطق
علوم انساني    مجموعه فلسفه    فلسفه جديد و معاصر غرب    مجموعه علوم تربيتي- الهيات و معارف اسلامي- اديان و عرفان- رياضي براي رشته منطق
علوم انساني    مجموعه فلسفه    فلسفه قديم و قرون وسطي    مجموعه علوم تربيتي- الهيات و معارف اسلامي- اديان و عرفان- رياضي براي رشته منطق
علوم انساني    مجموعه فلسفه    دين پژوهي    مجموعه علوم تربيتي- الهيات و معارف اسلامي- اديان و عرفان- رياضي براي رشته منطق
علوم انساني    مجموعه علوم تربيتي    فلسفه تعليم و تربيت    كليه رشته ها
علوم انساني    مجموعه علوم تربيتي    برنامه ريزي درسي    كليه رشته ها
علوم انساني    مجموعه علوم تربيتي    مديريت آموزشي    كليه رشته ها
علوم انساني    مجموعه علوم تربيتي    روان شناسي تربيتي    كليه رشته ها
علوم انساني    مجموعه علوم تربيتي    تكنولوژي آموزشي    كليه رشته ها
علوم انساني    مجموعه علوم تربيتي    مديريت آموزش عالي    كليه رشته ها
علوم انساني    مجموعه علوم تربيتي    روان شناسي و آموزش كودكان استثنايي    كليه رشته ها
علوم انساني    مجموعه علوم تربيتي    برنامه ريزي آموزشي    كليه رشته ها
علوم انساني    مجموعه علوم تربيتي    برنامه ريزي توسعه آموزش عالي    كليه رشته ها
علوم انساني    مجموعه علوم تربيتي    تاريخ و فلسفه آموزش و پرورش    كليه رشته ها
علوم انساني    علوم كتابداري    كتابداري- كتابداري و اطلاع رساني    تاريخ و فلسفه علم- فلسفه يا فلسفه اطلاعات- مشاوره و روانشناختي- تاريخ با گرايش اسنادي- جامعه شناسي- كتابداري و اطلاع رساني- مديريت- ارتباطات- زبان شناسي- مديريت اطلاعات و نسخ خطي- تاريخ- اقتصاد- فن آوري اطلاعات- آرشيو
علوم انساني    علوم كتابداري    مديريت اطلاعات    تاريخ و فلسفه علم- فلسفه يا فلسفه اطلاعات- مشاوره و روانشناختي- تاريخ با گرايش اسنادي- جامعه شناسي- كتابداري و اطلاع رساني- مديريت- ارتباطات- زبان شناسي- مديريت اطلاعات و نسخ خطي- تاريخ- اقتصاد- فن آوري اطلاعات- آرشيو
علوم انساني    مجموعه حقوق    عمومي    حقوق خصوصي- حقوق بين الملل- حقوق جزا و جرم شناسي- حقوق عمومي
علوم انساني    مجموعه حقوق    بين الملل عمومي    حقوق خصوصي- حقوق بين الملل- حقوق جزا و جرم شناسي- حقوق عمومي
علوم انساني    مجموعه حقوق    خصوصي    حقوق خصوصي- حقوق بين الملل- حقوق جزا و جرم شناسي- حقوق عمومي
علوم انساني    مجموعه حقوق    جزا و جرم شناسي    حقوق خصوصي- حقوق بين الملل- حقوق جزا و جرم شناسي- حقوق عمومي
علوم انساني    مجموعه حقوق    كيفري و جرم شناسي    حقوق خصوصي- حقوق بين الملل- حقوق جزا و جرم شناسي- حقوق عمومي
علوم انساني    مجموعه حقوق    فقه و حقوق خصوصي    حقوق خصوصي- حقوق بين الملل- حقوق جزا و جرم شناسي- حقوق عمومي
علوم انساني    مجموعه علوم سياسي    روابط بين الملل    علوم سياسي- روابط بين الملل- مطالعات منطقه اي- جامعه شناسي- جغرافياي سياسي- اقتصاد بين الملل مطالعات آمريكاي شمالي- ( براي رشته مطالعات آمريكاي شمالي فارغ التحصيلان رشته هاي زبان انگليسي، زبان آلماني و زبان روسي نيز مجاز به شركت مي باشند)
علوم انساني    مجموعه علوم سياسي    مطالعات منطقه اي    علوم سياسي- روابط بين الملل- مطالعات منطقه اي- جامعه شناسي- جغرافياي سياسي- اقتصاد بين الملل مطالعات آمريكاي شمالي- ( براي رشته مطالعات آمريكاي شمالي فارغ التحصيلان رشته هاي زبان انگليسي، زبان آلماني و زبان روسي نيز مجاز به شركت مي باشند)
علوم انساني    مجموعه علوم سياسي    سياست گذاري عمومي    علوم سياسي- روابط بين الملل- مطالعات منطقه اي- جامعه شناسي- جغرافياي سياسي- اقتصاد بين الملل مطالعات آمريكاي شمالي- ( براي رشته مطالعات آمريكاي شمالي فارغ التحصيلان رشته هاي زبان انگليسي، زبان آلماني و زبان روسي نيز مجاز به شركت مي باشند)
علوم انساني    مجموعه علوم سياسي    انديشه سياسي جامعه شناسي سياسي    علوم سياسي- روابط بين الملل- مطالعات منطقه اي- جامعه شناسي- جغرافياي سياسي- اقتصاد بين الملل مطالعات آمريكاي شمالي- ( براي رشته مطالعات آمريكاي شمالي فارغ التحصيلان رشته هاي زبان انگليسي، زبان آلماني و زبان روسي نيز مجاز به شركت مي باشند)
علوم انساني    مجموعه علوم سياسي    علوم سياسي- مسائل ايران    علوم سياسي- روابط بين الملل- مطالعات منطقه اي- جامعه شناسي- جغرافياي سياسي- اقتصاد بين الملل مطالعات آمريكاي شمالي- ( براي رشته مطالعات آمريكاي شمالي فارغ التحصيلان رشته هاي زبان انگليسي، زبان آلماني و زبان روسي نيز مجاز به شركت مي باشند)
علوم انساني    مجموعه علوم سياسي    مطالعات منطقه اي- اروپا    علوم سياسي- روابط بين الملل- مطالعات منطقه اي- جامعه شناسي- جغرافياي سياسي- اقتصاد بين الملل مطالعات آمريكاي شمالي- ( براي رشته مطالعات آمريكاي شمالي فارغ التحصيلان رشته هاي زبان انگليسي، زبان آلماني و زبان روسي نيز مجاز به شركت مي باشند)
علوم انساني    مجموعه علوم سياسي    مطالعات منطقه اي- آسياي مركزي و قفقاز    علوم سياسي- روابط بين الملل- مطالعات منطقه اي- جامعه شناسي- جغرافياي سياسي- اقتصاد بين الملل مطالعات آمريكاي شمالي- ( براي رشته مطالعات آمريكاي شمالي فارغ التحصيلان رشته هاي زبان انگليسي، زبان آلماني و زبان روسي نيز مجاز به شركت مي باشند)
علوم انساني    مجموعه علوم سياسي    مطالعات منطقه اي- مطالعات حوزه نفت    علوم سياسي- روابط بين الملل- مطالعات منطقه اي- جامعه شناسي- جغرافياي سياسي- اقتصاد بين الملل مطالعات آمريكاي شمالي- ( براي رشته مطالعات آمريكاي شمالي فارغ التحصيلان رشته هاي زبان انگليسي، زبان آلماني و زبان روسي نيز مجاز به شركت مي باشند)
علوم انساني    مجموعه علوم سياسي    مطالعات منطقه اي- خاورميانه    علوم سياسي- روابط بين الملل- مطالعات منطقه اي- جامعه شناسي- جغرافياي سياسي- اقتصاد بين الملل مطالعات آمريكاي شمالي- ( براي رشته مطالعات آمريكاي شمالي فارغ التحصيلان رشته هاي زبان انگليسي، زبان آلماني و زبان روسي نيز مجاز به شركت مي باشند)
علوم انساني    مجموعه علوم سياسي    سياست گذاري فرهنگي    علوم سياسي- روابط بين الملل- مطالعات منطقه اي- جامعه شناسي- جغرافياي سياسي- اقتصاد بين الملل مطالعات آمريكاي شمالي- ( براي رشته مطالعات آمريكاي شمالي فارغ التحصيلان رشته هاي زبان انگليسي، زبان آلماني و زبان روسي نيز مجاز به شركت مي باشند)
علوم انساني    مجموعه علوم سياسي    مطالعات آمريكاي شمالي    علوم سياسي- روابط بين الملل- مطالعات منطقه اي- جامعه شناسي- جغرافياي سياسي- اقتصاد بين الملل مطالعات آمريكاي شمالي- ( براي رشته مطالعات آمريكاي شمالي فارغ التحصيلان رشته هاي زبان انگليسي، زبان آلماني و زبان روسي نيز مجاز به شركت مي باشند)
علوم انساني    باستان شناسي    پيش از تاريخ    باستان شناسي و گرايشهاي مرتبط
علوم انساني    باستان شناسي    دوران اسلامي    باستان شناسي و گرايشهاي مرتبط
علوم انساني    باستان شناسي    دوران تاريخي    باستان شناسي و گرايشهاي مرتبط
علوم انساني    حسابداري        حسابداري- مديريت مالي و علوم مالي- مديريت با هر نوع گرايش- اقتصاد با هر نوع گرايش
علوم انساني    حسابداري        حسابداري- مديريت مالي و علوم مالي- مديريت با هر نوع گرايش- اقتصاد با هر نوع گرايش
علوم انساني    حسابداري        حسابداري- مديريت مالي و علوم مالي- مديريت با هر نوع گرايش- اقتصاد با هر نوع گرايش
علوم انساني    حسابداري        حسابداري- مديريت مالي و علوم مالي- مديريت با هر نوع گرايش- اقتصاد با هر نوع گرايش
علوم انساني    مجموعه مديريت    بازرگاني    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    بازرگاني- بازاريابي    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    دولتي    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    صنعتي    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    فناوري اطلاعات    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    سياست گذاري    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    علم و فناوري    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    مالي    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    منابع انساني    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    اجرايي    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    توليد و عمليات    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    استراتژيك    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    سياست گذاري بخش عمومي    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    رفتاري    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    سيستم ها    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    بازاريابي بين الملل    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    تحقيق در عمليات    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    مديريت رسانه اي    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مجموعه مديريت    رفتار سازماني و مديريت منابع انساني    مديريت رسانه- دولتي (كليه گرايش ها)- صنعتي (كليه گرايش ها)- سيستم هاي اطلاعات مديريت- مديريت (مالي، بيمه، اجرايي، شهري، ارتباطات اجتماعي،- مديريت كارآفريني (كليه گرايش ها)- بازرگاني (كليه گرايش ها)- منابع انساني- فناوري- هتل داري- جهانگردي- MBA- مهندسي صنايع
علوم انساني    مشاوره و راهنمايي    مشاوره    مشاوره و راهنمايي- مشاوره خانواده- مشاوره شغلي- روان شناسي باليني- روان شناسي و آموزش كودكان استثنايي
علوم انساني    مشاوره و راهنمايي    مشاوره خانواده    مشاوره و راهنمايي- مشاوره خانواده- مشاوره شغلي- روان شناسي باليني- روان شناسي و آموزش كودكان استثنايي
علوم انساني    مشاوره و راهنمايي    مشاوره شغلي    مشاوره و راهنمايي- مشاوره خانواده- مشاوره شغلي- روان شناسي باليني- روان شناسي و آموزش كودكان استثنايي
علوم انساني    علوم ارتباطات        علوم ارتباطات اجتماعي- مديريت رسانه- تبليغ و ارتباطات فرهنگي- جامعه شناسي- پژوهش علوم اجتماعي- مطالعات فرهنگي- مطالعات فرهنگي و رسانه- حقوق و ارتباطات جمعي- پژوهش در علوم اجتماعي
علوم انساني    فرهنگ و ارتباطات        علوم ارتباطات اجتماعي- مديريت رسانه- تبليغ و ارتباطات فرهنگي- جامعه شناسي- پژوهش علوم اجتماعي- مطالعات فرهنگي- مطالعات فرهنگي و رسانه- حقوق و ارتباطات جمعي- پژوهش در علوم اجتماعي
علوم انساني    علوم ارتباطات اجتماعي        علوم ارتباطات اجتماعي- مديريت رسانه- تبليغ و ارتباطات فرهنگي- جامعه شناسي- پژوهش علوم اجتماعي- مطالعات فرهنگي- مطالعات فرهنگي و رسانه- حقوق و ارتباطات جمعي- پژوهش در علوم اجتماعي
علوم انساني    محيط زيست- برنامه ريزي        كليه رشته ها
علوم انساني    مجموعه روانشناسي    روان شناسي عمومي    روانشناسي عمومي: (روان شناسي (عمومي، باليني، تربيتي)- آموزش كودكان استثنايي- صنعتي و سازماني- شناختي- سنجش و اندازه گيري- مشاوره و راهنمايي)- روان شناسي باليني: ( روان شناسي: عمومي، باليني، آموزش كودكان استثنايي)- سلامت: (روان شناسي عمومي)- سنجش و اندازه گيري: (سنجش و اندازه گيري- روان شناسي (تربيتي، باليني، صنعتي و سازماني، آموزش كودكان استثنايي)- آمار- علوم اعصاب شناختي: (پزشكي عمومي- فيزيك پزشكي- فيزيولوژي و آناتومي- مهندسي پزشكي- مهندسي كامپيوتر، هوش مصنوعي و شبكه هاي عصبي- روان شناسي شامل: شناختي و باليني، عمومي، آموزش كودكان استثنايي) - و ساير گرايش هاي روانشناسي (كليه گرايش هاي رشته علوم تربيتي براي رشته سنجش و اندازه گيري مي توانند متقاضي شوند)
علوم انساني    مجموعه روانشناسي    روان شناسي باليني    روانشناسي عمومي: (روان شناسي (عمومي، باليني، تربيتي)- آموزش كودكان استثنايي- صنعتي و سازماني- شناختي- سنجش و اندازه گيري- مشاوره و راهنمايي)- روان شناسي باليني: ( روان شناسي: عمومي، باليني، آموزش كودكان استثنايي)- سلامت: (روان شناسي عمومي)- سنجش و اندازه گيري: (سنجش و اندازه گيري- روان شناسي (تربيتي، باليني، صنعتي و سازماني، آموزش كودكان استثنايي)- آمار- علوم اعصاب شناختي: (پزشكي عمومي- فيزيك پزشكي- فيزيولوژي و آناتومي- مهندسي پزشكي- مهندسي كامپيوتر، هوش مصنوعي و شبكه هاي عصبي- روان شناسي شامل: شناختي و باليني، عمومي، آموزش كودكان استثنايي) - و ساير گرايش هاي روانشناسي (كليه گرايش هاي رشته علوم تربيتي براي رشته سنجش و اندازه گيري مي توانند متقاضي شوند)
علوم انساني    مجموعه روانشناسي    روان شناسي سلامت    روانشناسي عمومي: (روان شناسي (عمومي، باليني، تربيتي)- آموزش كودكان استثنايي- صنعتي و سازماني- شناختي- سنجش و اندازه گيري- مشاوره و راهنمايي)- روان شناسي باليني: ( روان شناسي: عمومي، باليني، آموزش كودكان استثنايي)- سلامت: (روان شناسي عمومي)- سنجش و اندازه گيري: (سنجش و اندازه گيري- روان شناسي (تربيتي، باليني، صنعتي و سازماني، آموزش كودكان استثنايي)- آمار- علوم اعصاب شناختي: (پزشكي عمومي- فيزيك پزشكي- فيزيولوژي و آناتومي- مهندسي پزشكي- مهندسي كامپيوتر، هوش مصنوعي و شبكه هاي عصبي- روان شناسي شامل: شناختي و باليني، عمومي، آموزش كودكان استثنايي) - و ساير گرايش هاي روانشناسي (كليه گرايش هاي رشته علوم تربيتي براي رشته سنجش و اندازه گيري مي توانند متقاضي شوند)
علوم انساني    مجموعه روانشناسي    علوم اعصاب شناختي    روانشناسي عمومي: (روان شناسي (عمومي، باليني، تربيتي)- آموزش كودكان استثنايي- صنعتي و سازماني- شناختي- سنجش و اندازه گيري- مشاوره و راهنمايي)- روان شناسي باليني: ( روان شناسي: عمومي، باليني، آموزش كودكان استثنايي)- سلامت: (روان شناسي عمومي)- سنجش و اندازه گيري: (سنجش و اندازه گيري- روان شناسي (تربيتي، باليني، صنعتي و سازماني، آموزش كودكان استثنايي)- آمار- علوم اعصاب شناختي: (پزشكي عمومي- فيزيك پزشكي- فيزيولوژي و آناتومي- مهندسي پزشكي- مهندسي كامپيوتر، هوش مصنوعي و شبكه هاي عصبي- روان شناسي شامل: شناختي و باليني، عمومي، آموزش كودكان استثنايي) - و ساير گرايش هاي روانشناسي (كليه گرايش هاي رشته علوم تربيتي براي رشته سنجش و اندازه گيري مي توانند متقاضي شوند)
علوم انساني    مجموعه روانشناسي    سنجش و اندازه گيري    روانشناسي عمومي: (روان شناسي (عمومي، باليني، تربيتي)- آموزش كودكان استثنايي- صنعتي و سازماني- شناختي- سنجش و اندازه گيري- مشاوره و راهنمايي)- روان شناسي باليني: ( روان شناسي: عمومي، باليني، آموزش كودكان استثنايي)- سلامت: (روان شناسي عمومي)- سنجش و اندازه گيري: (سنجش و اندازه گيري- روان شناسي (تربيتي، باليني، صنعتي و سازماني، آموزش كودكان استثنايي)- آمار- علوم اعصاب شناختي: (پزشكي عمومي- فيزيك پزشكي- فيزيولوژي و آناتومي- مهندسي پزشكي- مهندسي كامپيوتر، هوش مصنوعي و شبكه هاي عصبي- روان شناسي شامل: شناختي و باليني، عمومي، آموزش كودكان استثنايي) - و ساير گرايش هاي روانشناسي (كليه گرايش هاي رشته علوم تربيتي براي رشته سنجش و اندازه گيري مي توانند متقاضي شوند)
علوم انساني    مجموعه كارآفريني    كسب و كار    كليه رشته ها