Transcript 282463_20130626083850710wzmj1l5ha3

‫شاخص هاي توصيفي ) ‪(Descriptive‬‬
‫در این پنجره فهرستی از متغیر‌ها در سمت چپ مشاهده می شود (در این پنجره فقط متغیرهای کمی را مشاهده می‌کنید) که با انتخاب یک یا چند متغیر و انتقال ان‬
‫به سمت راست و انتخاب گزینه ‪ Options‬می‌توان برای هریک از انها به طور‌ همزمان شاخص‌های توصیفی را محاسبه كرد‪.‬‬
‫با کلیک بر روی ‪ Options‬پنجره ‪ Descriptive Options‬باز می‌شود‪.‬‬
‫شاخص هاي توصيفي ) ‪(Descriptive‬‬
‫‪ -1‬در این پنجره با انتخاب دو گزینه ‪ Mean‬و ‪ Sum‬می توانید میانگین و مجموع داده ها را بدست‬
‫اورید‪.‬‬
‫‪ -2‬از قسمت ‪ Dispersion‬می‌توانید با تیک زدن گزینه‌های مناسب انحراف استاندارد‪ ،‬واریانس‪،‬‬
‫دامنه تغییرات‪ ،‬مینیمم‪ ،‬ماگزیمم و انحراف معیار و میانگین داده ها را به ترتیب محاسبه کنید‪.‬‬
‫‪ -3‬در بخش ‪ Distribution‬قادر به محاسبه ضریب چولگی و ضریب کشیدگی توزیع داده ها خواهید‬
‫بود‪.‬‬
‫‪ -4‬در قسمت ‪ Display Order‬می‌توانید خروجی‌ها را با ترتیب‌های داده شده ببینید‪.‬‬
‫‪ -5‬با کلیک بر روی ‪ continue‬و ‪ ok‬می‌توانید حاصل عملیات را در خروجی مشاهده کنید‪.‬‬
‫نمودارهاي اماري‬
‫•‬
‫‪ SPSS‬نمودارهای متعددی برحسب نوع متغیر ها‪ ،‬در دو دسته کلی در اختیار شما‬
‫می‌گذارد‪.‬‬
‫‪ -1‬نمودارهای ‪( Interactive‬اثر متقابل) که حداقل در ان دو متغیر شرکت دارند و برای‬
‫نمایش اثرات متقابل متغیر ها از این نمودارها استفاده می‌کنیم‪.‬‬
‫‪ -2‬نمودارهای توصیفی ساده که برای نمایش شکل توزیع فراوانی از انها استفاده می‌کنیم‪.‬‬
‫•‬
‫اگر می‌خواهید یک نمودار ساده برای داده ها رسم کنید از منوی اصلی گزینه‬
‫‪ Graphs‬و گزينه ‪ Legacy Dialogs‬را انتخاب و سپس نمودار دلخواه را‬
‫انتخاب کنید‪.‬‬
‫نمودارهاي ستوني‬
‫• نمودار ستونی (‪ -)Bar charts‬این نمودار برای‬
‫متغیرهای پیوسته که طیف وسیعی از مقادیر را در بر می‬
‫گیرند مناسب نیست ولی در بسیاری‌ موارد که متغیر‌ها‬
‫دارای سطوح کمتری‌ هستند بکار می‌رود‪.‬‬
‫• اگر می‌خواهید یک نمودار ستونی ساده برای متغیر‬
‫دلخواه ترسیم کنید‪ .‬ابتدا از منوی اصلی گزینه‬
‫‪ Graphs‬را انتخاب کنید و گزینه ‪ Bar‬را کلیک‬
‫کنید تا كادر محاوره ‪ Bar Chart‬باز شود‪.‬‬
‫نمودار ستوني‬
‫(‪ -)Bar Chart‬ابتدا یکی از سه نوع متفاوت از نمودار ستونی ارائه شده ‌را‬
‫انتخاب کنید‪:‬‬
‫‪ :Simple -1‬یک نمودار ساده برای نمایش وضعیت یک متغیر ارائه می‌دهد‪.‬‬
‫‪ :Clustered -2‬یک نمودار برای نمایش وضعیت دو متغیر به صورت خوشه ای ارائه می کند‪.‬‬
‫در این نمودار باید یک متغیر کیفی به پنجره ‪ Category Axis‬و یک متغیر کیفی دیگر به‬
‫پنجره ‪ Define Clusters By:‬منتقل کنید‪.‬‬
‫‪ :Stacked -3‬نموداری‌ برای وضعیت دو متغیر و در امتداد همدیگر به صورت پشته ای نمایش‬
‫میدهد‪ .‬در این نمودار نیز باید یک متغیر کیفی به پنجره ‪ Category Axis‬و یک متغیر کیفی‬
‫دیگر به پنجره ‪ Define Clusters By:‬منتقل کنید‪.‬‬
‫با انتخاب گزینه ‪ Define‬به پنجره ان بروید‪.‬‬
‫نمودار ستوني‬
‫• در هر یک از نمودارهای ستونی به طور‌ پیش فرض گزینه ‪ N of Case‬که تعداد‬
‫نمونه را به عنوان فراوانی ستونها در نظر می‌گیرد‪ ،‬انتخاب شده است‪.‬‬
‫• اگر می‌خواهید ستونها‪ ،‬فراوانی درصدی باشند‪،‬‬
‫گزینه ‪ % of case‬را انتخاب کنید‪.‬‬
‫• اگر می‌خواهید ستونها‪ ،‬فراوانی تجمعی باشند‬
‫گزینه ‪ cum.n of case‬را انتخاب کنید‪.‬‬
‫• اگر می‌خواهید ستونها‪ ،‬فراوانی تجمعی نسبی باشند‬
‫گزینه ‪ cum.% of case‬را انتخاب کنید‪.‬‬
‫• اگر می‌خواهید ستونها‪ ،‬میانگین متغیر دیگری‌ باشند‬
‫گزینه ‪ other summary function‬را انتخاب و در‬
‫پنجره ان متغیر مورد نظرتان را وارد کنید‪.‬‬
‫• اگر به جای میانگین متغیر دیگر‪ ،‬می‌خواهید اماره دیگری‌ (مانند میانه و واریانس و ‪)...‬‬
‫انتخاب کنید‬
‫گزینه‪ change statistics...‬را فشار دهید و در پنجره ان یک گزینه را انتخاب‬
‫کنید‪.‬‬
‫نمودار خطي‬
‫نمودار خطی ( ‪ -)line chart‬این نمودار به سه شکل زیر وجود دارد‪:‬‬
‫‪ -1‬نمودار ساده (‪.)simple‬‬
‫‪ -2‬چند گانه (‪ )multiple‬که برای نمایش توزیع دو متغیر نسبت به هم استفاده می شود‪.‬‬
‫‪ -3‬تکه خطی (‪ )drop - line‬که کمینه و بیشینه دو متغیر نسبت به هم را نمایش میدهد‪.‬‬
‫ابتدا در بخش ‪ Data in chart Are‬محور‌ نمودار را انتخاب نمایید‪.‬‬
‫با انتخاب گزینه ‪ Define‬مانند قبل متغیر مورد نظر وگزينه هاي مناسب را انتخاب كنيد تا یک نمودار‬
‫خطی رسم شود‪.‬‬
‫نمودار سطحي‬
‫(‪ -)area chart‬مانند نمودار خطی است که بجای خطوط نواحی‬
‫مربوط به متغیر نمایش داده می شود‪.‬‬
‫از منوی اصلی گزینه ‪ Graphs‬را انتخاب کنید و گزینه ‪ Area‬را کلیک کنید تا پنجره‬
‫‪ Area Chart‬باز شود‪.‬‬
‫در این پنجره اگر گزینه ‪ Simple‬را انتخاب کنید می‌توانید برای یک متغیر نمودار سطحی‬
‫رسم کنید‪.‬‬
‫اگر گزینه ‪ Stacked‬را انتخاب کنید می‌توانید برای دو متغیر و به صورت پشته ای این‬
‫نمودار را رسم کنید‪.‬‬
‫با انتخاب گزینه ‪ Define‬و انتخاب متغیر مورد نظر می‌توانید نمودار سطحی رسم کنید‪.‬‬
‫نمودار دايره اي‬
‫(‪ -)pie chart‬از این نمودار برای نمایش وضعیت متغیرهای کیفی‬
‫استفاده می‌کنیم هر چند در مواردی برای متغیرهای دیگر نیز استفاده می‌شود‪.‬‬
‫از منوی اصلی گزینه ‪Graphs‬‬
‫را انتخاب کنید و گزینه ‪ Pie‬را کلیک کنید تا پنجره‬
‫‪( Pie Chart‬شكل سمت راست) باز شود‪ .‬كافي است كليد ‪ Define‬را كليك كنيد‬
‫تا كادر محاوره سمت چپ باز شود‪.‬‬
‫در اين كادر محاوره متغير مورد نظر را به كادر ‪ Defin Slices By:‬ببريد و گزينه‬
‫مناسب را انتخاب كنيد‪ .‬در ادامه كليد ‪ OK‬را انتخاب كنيد تا نمودار‬
‫دايره اي رسم شود‪.‬‬
‫نمودار جعبه اي‬
‫(‪ – )Box plot‬این نمودار برای نمایش وضعیت‬
‫چارکها و‬
‫متغیرهای کمی بسیار مناسب است زیرا در رسم ان از اماره های میانه‪‌ ،‬‬
‫مقادیر کمینه و بیشينه یک متغیر استفاده می شود‪.‬‬
‫این نمودار به صورت ساده (‪ )simple‬برای نمایش وضعیت یک متغیر و به‬
‫صورت خوشه ای (‪ )clustered‬برای مقایسه وضعیت دو متغیر در برابر هم‬
‫استفاده میشود‪.‬‬
‫از منوی اصلی گزینه ‪ Graphs‬را انتخاب کنید و گزینه ‪ Box plot‬را‬
‫کلیک کنید تا پنجره مربوط به ان باز شود‪.‬‬
‫نمودار جعبه اي‬
‫در این پنجره با انتخاب گزینه ‪ Simple‬می‌توانید یک نمودار جعبه ای‬
‫برای یک متغیر رسم کنید‪.‬‬
‫اگر گزینه ‪ Clustered‬را انتخاب کنید می‌توانید یک نمودار به‬
‫صورت خوشه‌ای برای دو یا چند متغیر رسم کنید‪.‬‬
‫بر روی گزینه ‪ Define‬کلیک کنید و سپس با انتخاب متغیرهای‬
‫مناسب یک نمودار جعبه ای رسم کنید‪.‬‬
‫نمودار مستطيلي‬
‫• نمودار مستطیلی (‪ - )Histogram‬از این نمودار‬
‫برای نمایش توزیع متغیرهای کمی استفاده کنید و در نظر‬
‫داشته باشید که برای متغیرهای پیوسته که طیف وسیعی‬
‫از مقادیر را در بر میگیرند مناسب نیست‪.‬‬
‫• از منوی اصلی گزینه ‪ Graphs‬را انتخاب کنید و‬
‫گزینه ‪ Histogram‬را کلیک کنید تا پنجره مربوطه‬
‫باز شود‪.‬‬
‫نمودار مستطيلي‬
‫متغیر مورد نظر به راست پنجره منتقل كنيد از گزينه‬
‫‪ Display Normal Curve‬براي مقايسه‬
‫توزيع نمودار داده ها با توزيع نرمال استفاده كنيد‪.‬‬
‫سپس بر روی ‪ OK‬كليك كنيد تا نمودار مستطیلی مورد‬
‫نظرتان رسم کنید‪.‬‬
‫نمودارهاي ساقه و برگ‬
‫‪ -Stem & leaf‬این نمودار نحوه توزیع داده‌ها را به‬
‫خوبی وصف می‌كند به این صورت كه شامل تعدادی ساقه و تعدادی ‌برگ است‪.‬‬
‫در پایین نمودار اندازه ساقه و تعداد مورد در هر برگ امده است‪ .‬به عنوان مثال‬
‫چون اندازه ساقه ‪ 10‬است‪ ،‬در عدد ‪ 23‬ساقه ان ‪ 2‬و برگ ان ‪ 3‬در نظر گرفته‌شده‬
‫است و همین‌طور‌ چون هر برگ شامل ‪2‬مورد است فراوانی‌ها دو برابر تعداد برگها‬
‫است‪.‬‬
‫بنابراین این نمودار ساقه و برگ اطالعات دقیقتری‌ راجع به مقادیر یك متغیر را‬
‫معلوم می‌كند‪.‬‬
‫برای اینکه ساقه و برگ را به مقادیر حقیقی تبدیل کنیم باید مقدار ساقه را در‬
‫پهنای ساقه ضرب کنیم و سپس با برگ ان جمع کنیم‪.‬‬
‫عناوين مطالب‬
‫• روند ‪Explore‬‬
‫• تمرين از روند ‪Explore‬‬
‫• جدول گردان (‪)Pivot Table‬‬
‫• جداول توافقي و روند ‪Cross Tab‬‬
‫• تمرين از روند ‪Cross Tab‬‬
‫• تغيير در داده ها (‪(Recode‬‬
‫• تمرين مربوط به تغيير در داده ها‬
‫• ساختن رديف براي فايل دادهها‬
‫روند ‪Explore‬‬
‫يكي‌از‌امكانات‌مفيد‌براي‌توصيف‌اطالعات‌و‌اناليز‌اك تشافي‌داده‌ها‪‌،‬روند ‪ Explore‬است‌كه‌داراي‌امكانات‌‬
‫فراواني‌است‪.‬‬
‫در‌روند ‪ Explore‬مي‌توانيد‌برای‌خالصه‌کردن‌و‌توصیف‌مشاهدات‌از‌نمودارهای‌مناسب‌بهره‌گيري‌نماييد‪.‬‬
‫جدول‌های‌خالصه‌شده‌ای‌از‌اطالعات‌مربوط‌به‌نمونه‌ها‌و‌زیر‌گروههای ی‌از‌نمونه‌ها‌را‌بدست‌اورید‪.‬‬
‫در‌میان‌اطالعات‪‌،‬نمونه‌هاي‌غیرعادی‌را‌که‌مقادیر‌انها‌از‌سایر‌نمونه‌ها‌بیشتر‌یا‌کمتر‌هستند‪‌،‬کاوش‌كنيد‪.‬‬
‫شاخص‌های‌اماری‌مناسب‌را‌در‌گروهها‌محاسبه‌كرده‌و‌فاصله‌اطمينان‌براي‌ميانگين‌به‌دست‌اوريد‌‪.‬‬
‫مي‌توانيد‌نمودار‌ساقه‌و‌برگ‌و‌هیستوگرام‌را‌برای‌نمایش‌توزیع‌فراوانی‌در‌بین‌گروهها‌رسم‌كنيد‪.‬‬
‫نمودار‌مفید‌جعبه‌ای‌را‌برای‌مقایسه‌شاخص‌های‌میانه‪‌،‬چارک‌اول‌و‌سوم‌بین‌گروهها‌بکار‌گیرید‪.‬‬
‫می‌توانید‌از‌نمودار‌‪ Q-Q‬برای‌بررسي‌نرمال‌بودن‌مقادير‌متغیر‌وابسته‌در‌هر‌گروه‌استفاده‌کنید‪.‬‬
‫روند ‪Explore‬‬
‫• در روند ‪ Explore‬مقادیر یک صفت کمی را در سطوح یک متغیر کیفی و با استفاده از‬
‫نمودار یا شاخص‌های توصیفی مقایسه کرد‪.‬‬
‫• همچنين می‌توان از این روند برای مقایسه گروهها نیز استفاده کرد‪.‬‬
‫• در این روند متغیر كمی (‪ )Scale‬را به عنوان متغیر وابسته و متغیر كیفی‬
‫(‪ )Nominal , Ordinal‬را به عنوان متغیرمستقل در نظر مي‌گيريم‪.‬‬
‫• می توانید از نمودار ‪ Q-Q‬برای ازمون نرمال بودن متغیر وابسته در هر گروه استفاده‬
‫کنید‪.‬‬
‫• از منو اصلی گزینه ‪ ،Analyzed‬گزینه ‪ descriptive statistics‬و سپس‬
‫‪ explore‬را انتخاب كنيد‪.‬‬
‫اگر می خواهید در بین داده ها‪ ،‬اطالعات بیشتری‌ از نمونه ها را جستجو‬
‫کنید و موشکافانه تر به جزئیات داده ها نگاه کنید‪ .‬دستور‌ ‪ Explore‬را‬
‫به عنوان یک دستور‌ جامع انالیز اک تشافی داده ها به کار بگیرید‪.‬‬
‫روند ‪Explore‬‬
‫‪ -1‬به‌پنجره‌ ‪ dependent list‬یك‌متغیر‌كمی‌مانند‌سن‪ /‬تعداد‌فرزند‌و‌‪ ...‬و‌به‌پنجره‌ ‪ factor list‬یك‌متغیر‌كيفي‌مثل‌جنس‪ /‬گروه‌‬
‫خون‌و‪ ...‬منتقل‌كنید‪.‬‬
‫‪ -2‬اگر‌می‌خواهید‌فقط‌شاخص‌ها‌‌را‌محاسبه‌كنید‪‌،‬در‌پایین‌و‌سمت‌چپ‌پنجره‪‌‌،‬گزینه‌ ‪ Statistics‬و‌اگر‌می‌خواهید‌فقط‌نمودار‌داده‌ها‌را‌‬
‫مشاهده‌كنید‌گزینه‌‪ plots‬و‌اگر‌می‌خواهید‌از‌هر‌دو‌مورد‌استفاده‌كنید‌گزینه‌‪ Both‬را‌عالمت‌دار‌کنید‪.‬‬
‫‪1‬‬
‫‪2‬‬
‫روند ‪Explore‬‬
‫•‬
‫روی گزینه ‪ statistics‬كلیك کنید تا كادر محاوره ان )‪ (explore: statistics‬باز شود‪ .‬در اين كادر محاوره می‌توانید هر یک از گزینه های زیر را‬
‫انتخاب کنید‪:‬‬
‫•‬
‫بطو ‌ر پیش فرض گزینه ‪ descriptive‬عالمت دار شده است كه منجر به محاسبه شاخص های توصیفی و همچنین یك فاصله اطمینان ‪ %95‬برای میانگین‬
‫خواهد شد‪.‬‬
‫•‬
‫گزینه ‪ ،M-estimator‬منجربه محاسبه اماره‌ای مي‌شود كه به هر داده بسته به فاصله ان از میانگین‪ ،‬وزن‌ می‌دهد‪.‬‬
‫•‬
‫گزینه ‪ Out line‬پنج مورد از بزرگ ترین و کوچک ترین مقادیر متغیر وابسته را نمایش می‌دهد‪.‬‬
‫•‬
‫گزینه‬
‫‪percentiles‬‬
‫صدكهای ضروري‌ ‪5‬و‪10‬و‪25‬و ‪ 50‬و‪ 75‬و ‪90‬و ‪ 95‬را محاسبه می‌كند‪.‬‬
‫توضيح‌اينكه‌فاصله‌ي‌اطمينان‌مذكور‪‌،‬فاصله‌اي‌است‌كه‌با‌اطمينان‌‬
‫‪ 95‬درصد‪‌،‬ميانگين‌جامعه‌را‌در‌بر‌مي‌گيرد‪.‬‬
‫روند ‪Explore‬‬
‫•‬
‫‪2‬‬
‫اگر گزینه ‪ plots‬را انتخاب کنید پنجره مربوط به ‪( explore: plots‬مانند شكل) باز‬
‫‪1‬‬
‫شده و در ان می‌توانید نمودارهای زیر را رسم كنید‪.‬‬
‫‪ -1‬نمودار جعبه ای با گزینه های ‪:‬‬
‫الف‪ -‬سطوح متغیر فاک تو ‌ر با هم‬
‫ب‪ -‬سطوح متغیر وابسته با هم‬
‫ج‪ -‬هیچکدام‪.‬‬
‫‪3‬‬
‫‪4‬‬
‫‪ -2‬نمودار های توصیفی با دو گزینه‪:‬‬
‫الف‪ -‬رسم نمودار ساقه و برگ‬
‫ب‪ -‬رسم هیستوگرام فراوانی‬
‫‪ -3‬اگر گزینه ‪ Normality plots with tests‬را عالمتدار کنید‪ .‬ازمون نرمال بودن توزیع را مي توانيد با استفاده از نمودار ‪ Q-Q‬انجام دهيد‪.‬‬
‫‪ -4‬گزینه ‪ Spread vs. level with levene test‬مربوط به ازمون لون براي يكسان بودن واریانس ها در سطوح هر یك از متغیرهای فاک تور‌‬
‫است‪.‬‬
‫روند ‪Explore‬‬
‫تمرين‬
‫از مجموعه داده های ‪ SPSS‬فایل داده‌ي استخدامی (‪ )Employee‬را معرفی می‌کنیم‪ .‬در این فایل اطالعاتی ‪ 474‬نمونه از بین شاغلين‬
‫انتخاب شده و از هر نمونه ‪ 10‬متغیر اندازه گیری‌ شده است‪ .‬تعدادی از متغیرهای این فایل داده در جدول زير اورده شده است‪.‬‬
‫نام متغیر‬
‫توضیح‬
‫ماهیت‬
‫‪gender‬‬
‫‪educ‬‬
‫‪jobcat‬‬
‫‪salary‬‬
‫‪jobtime‬‬
‫جنسیت‌(مرد‌‪ -‬زن‌)‬
‫تحصیالت‌(برحسب‌سال)‬
‫گروه‌شغلی‌(اداری‌‪ -‬نگهبانی‪ -‬مدیریت)‬
‫حقوق‌فعلی‬
‫سابقه‌کار‌فعلی‬
‫‪Nominal‬‬
‫‪Nominal‬‬
‫‪Scale‬‬
‫‪Scale‬‬
‫‪Scale‬‬
‫فایل داده‌های ‪ Employee‬را از مسیر زیر باز کنید و برای مقایسه حقوق شاغلین (‪ )Salary‬در هر گروه شغلی (‪ ،)Jabcat‬شاخص‌های توصیفی را به‬
‫دست اورده نمودار مناسب رسم كنيد‪.‬‬
‫‪C:\Program Files\SPSSInc\PASWStatistics18\Samples\English‬‬
‫روند ‪Explore‬‬
‫‪ -1‬در کادر محاوره ‪ Explore‬متغیر حقوق (‪ )Salary‬را به کادر متغیرهای وابسته )‪ )Dependent list‬منتقل کنید‪.‬‬
‫‪ -2‬متغیر طبقه شغلی (‪ )jabcat‬را به کادر متغیرهای مستقل ( ‪ )Independent list‬منتقل کنید‪.‬‬
‫‪ -3‬از کلید ‪ Statistics‬به کادر محاوره ان منتقل شوید‪.‬‬
‫‪1‬‬
‫‪3‬‬
‫‪2‬‬
‫روند ‪Explore‬‬
‫‪ -1‬در این کادر محاوره گزینه ‪ Descriptive‬از قبل عالمتدار شده تا بعضي از اماره های توصیفی مهم به همراه یک‬
‫فاصله اطمینان ‪ %95‬برای میانگین حقوق کارمندان در هر گروه شغلی محاسبه شود‪.‬‬
‫‪ -2‬گزینه ‪ Outliers‬را انتخاب کنید تا بیشترین و کمترین حقوق بگیران در هر طبقه شغلی مشخص شوند‪.‬‬
‫‪ -3‬گزینه ‪ Precentiles‬را انتخاب کنید تا چندکهای حقوق کارمندان در هر گروه معلوم شود‪.‬‬
‫کلید ‪ continue‬را كليك كنيد تا به كادر محاوره اصلي برگرديد‪...‬‬
‫براي رسم نمودار دلخواه‪ ،‬گزينه …‪ Plots‬را كليك كنيد تا به كادر محاوره ‪ Explore: Plots‬وارد شويد‬
‫دو گزينه ‪ Stem-and-Leaf‬و ‪ Histogram‬را به منظور‌ رسم نمودار ساقه و برگ و هيستوگرام انتخاب كنيد‪.‬‬
‫کلیدهاي ‪ continue‬و ‪ ok‬را کلیک کنید و نتایج را در خروجی مشاهده نماييد‪.‬‬
‫مشاهده‌نتايج‬
‫جدول گردان )‪(pivot table‬‬
‫• اگر یك جدول دو طرفه در هر یك از روند های ‪ Explore‬یا ‪ cross tab‬برای مقایسه سطوح متغیرها در خروجي ‪ SPSS‬ایجاد كرده‌اید‪،‬‬
‫می‌توانید به سادگی جای سطر ها و ستون ها را عوض كنید و معانی مختلفی از جدول استنباط نمایید‪ .‬برای این كار روی جدول دو بار كلیك نمایید تا ويراشگر‬
‫جدول (شكل باال) را مشاهده كنيد‪.‬‬
‫ايكون‌جدول‌گردان‬
‫• اينك روی ايكون جدول گردان كلیك كنيد تا كادر محاوره ‪ pivoting Trays‬باز‬
‫شود‪ .‬در مكان سطر و ستون این پنجره یك یا چند مربع كوچك به رنگ سبز وقرمز مشاهده‬
‫می كنید كه اگر انها را جا به جا كنید‪ ،‬جدول خروجي تغییر خواهند كرد‪ .‬با مشاهده انها‬
‫می‌توانید برای سهولت استفاده از اطالعات جدول‪ ،‬بهترین حالت را به دلخواه انتخاب‬
‫نمایید‪.‬‬
‫روند ‪Crosse tab‬‬
‫‪ ‬جدولي‌را‌كه‌در‌ان‌داده‌هاي‌اماري‌در‌‪ k‬سطر‌و‌‪ L‬ستون‌قرار‌دارند‪‌،‬يك‌‬
‫جدول‌توافقي‌است‪.‬‬
‫‪k l‬‬
‫‪ ‬در‌این‌جدول‌می‌توان‌تعداد‌‌‌‌‌‌‌‌‌‌‌ترکیب‌مختلف‌از‌مقادیر‌را‌مشاهده كرد‪.‬‬
‫‪ ‬در‌چنين‌جدولي‌مي‌توان‌تاثیر‌یک‌متغیر‌کیفی‌(اسمی‌يا‌ترتیبی) را‌برروی‌‬
‫یک‌متغیر‌کیفی‌دیگر‌بررسی‌كرد‪.‬‬
‫• در ‪ ،SPSS‬برای ساختن یك جدول فراوانی دو‌طرفه كه به جدول توافقي معروف است‪ ،‬راه‌های زیادی وجود دارد‪ .‬يكي از اين راهها استفاده از دستور‌‬
‫‪ Cross Tab‬است‪.‬‬
‫• می‌توانید از منوی اصلی گزینه ‪ Analyze‬و سپس‪ Descriptive Statistics‬را انتخاب كرده و سپس از دستور‌ ‪ Crosse Tab‬به كادر‬
‫محاوره ان وارد شويد‪.‬‬
‫روند ‪Crosse tab‬‬
‫‪ -1‬در کادر محاوره ‪ Cross tab‬یک متغیر کیفی به کادر مربوط به‬
‫سطر )‪ Row(s‬و یک متغیر کیفی دیگر را به کادر مربوط به‬
‫ستون )‪ Culomn(s‬منتقل کنید‪.‬‬
‫توجه داشته باشید كه متغیر‌های انتخابی شما باید از نوع رتبه‌اي‬
‫باشند و یا اگر متغیر كمي پیوسته هستند انها را به دسته‌های‬
‫كوچك تر طبقه بندی كنید‪.‬‬
‫‪ -2‬اگر می‌خواهید ضرایب همبستگی و مقادیر كای‌اسكور‌ را محاسبه‬
‫كنید‪ ،‬گزینه های مربوط به انها را در پنجره ‪Statistics‬‬
‫انتخاب كنید‪.‬‬
‫‪2‬‬
‫‪1‬‬
‫روند ‪Crosse tab‬‬
‫‪1‬‬
‫‪ -1‬در جدول دوطرفه‌ای كه توسط دستور‌ ‪ Cross Tab‬بدست می‌اید‪ ،‬می‌توانید‬
‫ضریب همبستگی (‪ )Correlation‬يا اماره كای‌اسكور‌ (‪ )Chi-square‬را‬
‫محاسبه نمایید‪.‬‬
‫‪3‬‬
‫‪2‬‬
‫‪ -2‬براي همبستگي متغيرهاي اسمي از ضرايبي كه در كادر ‪ Nominal‬امده است‬
‫استفاده كنيد‪.‬‬
‫‪4‬‬
‫‪ -3‬براي همبستگي متغيرهاي ترتيبي از ضرايبي كه در كادر ‪ Ordinal‬امده است استفاده‬
‫كنيد‪.‬‬
‫‪ -4‬اگر يك متغير اسمي و ديگري‌ فاصله‌اي است‪ ،‬از ضريب اتا (‪ )Eta‬استفاده كنيد‪.‬‬
‫موضوع‌همبستگي‌را‌در‌فصول‌اينده‌به‌تفصيل‌بررسي‌مي‌كنيم‪.‬‬
‫روند ‪Crosse tab‬‬
‫تمرين‬
‫برای‌انجام‌اين‌تمرین‪‌،‬داده‌های‌‪ U.S. General Social Survey 1991‬را‌از‌پوشه‌‪ Sample‬به‌ادرس‌زیر‌بازکنید‪.‬‬
‫‪C:\Program Files\SPSSInc\PASWStatistics18\Samples\English‬‬
‫در‌این‌فایل‪‌،‬متغیرهای‌متفاوتی‌وجود‌دارند‌که‌تعدادی‌از‌انها‌را‌در‌زیر‌معرفی‌می‌کنیم‪.‬‬
‫از‌این‌به‌بعد‌این‌فایل‌داده‌را‌با‌نام‌مختصر‌‪ 1991‬بکار‌می‌بریم‪.‬‬
‫این‌داده‌ها‌مربوط‌به‌یک‌مطالعه‌‬
‫اجتماعی‌است‌كه‌بر‌روی‌‪ 1517‬نفر‌از‌‬
‫جمعیت‌‪ 18‬سال‌به‌باال‌‌در‌سال‌‪ 1991‬در‌‬
‫ایاالت‌متحده‌امریکا‌انجام‌شده‌است‪.‬‬
‫نام‌متغیر‬
‫توضیح‬
‫نوع‬
‫‪Sex‬‬
‫جنسیت(مرد‌‪ -‬زن‌)‬
‫‪Nominal‬‬
‫‪Race‬‬
‫نژاد(سیاه‌– سفید‌– سایر‌نژادها)‬
‫‪Nominal‬‬
‫‪Region‬‬
‫منطقه‌محل‌سکونت‌(شمال‌شرقی‌– شمال‌غربی‌‪ -‬غرب)‬
‫‪Nominal‬‬
‫‪Life‬‬
‫زندگی‌را‌چگونه‌می‌بینید‌(هیجان‌انگیز‌– معمولی‌– خسته‌کننده)‬
‫‪Ordinal‬‬
‫‪Sibs‬‬
‫تعداد‌خواهر‌و‌برادر‬
‫‪Scale‬‬
‫‪Childs‬‬
‫تعداد‌فرزند‬
‫‪Scale‬‬
‫‪Age‬‬
‫سن‬
‫‪Scale‬‬
‫‪Educe‬‬
‫تحصیالت‌(برحسب‌سال)‬
‫‪Scale‬‬
‫روند ‪Crosse tab‬‬
‫فایل داده های‪ 1991‬را باز کنید و روند ‪ Crosstab‬را از فرمان زیر فراخوانی‬
‫کنید‪:‬‬
‫‪Analyze/Descriptive Statistics/Cross Tab‬‬
‫سپس مراحل زیر را دنبال کنید ‪:‬‬
‫‪ -1‬در کادر محاوره ‪ Crosstab‬متغیر جنسیت را به کارد سطرها )‪Row(s‬‬
‫و متغیر ‪ Life‬را به کادر مربوط به ستون‌ها )‪ ، column(s‬وارد کنید‪.‬‬
‫‪ -2‬برای رسم نمودار ستونی خوشه‌ای این دو متغیر‪ ،‬گزینه‬
‫‪ Clustered Bar Charts‬را عالمت دار کنید‪.‬‬
‫گزینه ‪ Cells‬را انتخاب کنید تا به كادر محاوره ان منتقل شويد‪...‬‬
‫‪Display‬‬
‫روند ‪Crosse tab‬‬
‫‪ -1‬در کادر محاوره باز شده در قسمت ‪ Counts‬گزينه‬
‫‪ Observed‬عالمتدار شده است‪ ،‬ان را تغيير ندهيد‪.‬‬
‫‪ -2‬در بخش ‪ Percentages‬گزینه ‪ Row‬را عالمت دار‬
‫کنید‪.‬‬
‫‪ -3‬در پايان كليد ‪ Continue‬و ‪ Ok‬را به ترتيب كليك كنيد و‬
‫نتايج را در خروجي ‪ SPSS‬مشاهده كنيد‪.‬‬
‫مشاهده‌نتايج‪1‬‬
‫تغییر در داده ها )‪(Recode‬‬
‫•‬
‫گاهي اوقات می‌خواهیم داده‌های پیوسته را به چند طبقه دسته بندی كنیم‬
‫(منظور‌ تشكيل جدول توزيع فراواني است) می‌توانید از دستور‌‬
‫‪ Recode‬استفاده كنید‪.‬‬
‫•‬
‫ابتدا از منوی اصلی به گزینه ‪ Transform‬برويد‪ .‬دو گزینه پیش رو‌‬
‫خواهيد داشت‪:‬‬
‫…‪1- Recode into Same Variables‬‬
‫‪.1‬مقادیر تغییر یافته به متغیر جدید منتقل شوند‪.‬‬
‫…‪2-Recode into Different Variables‬‬
‫‪.2‬مقادیر تغییر یافته در همان متغیر ثبت شوند‪.‬‬
‫گزينه دوم‪ ،‬گزينه مناسب است‪ .‬ان را انتخاب كنيد تا به كادر محاوره مربوطه‬
‫منتقل شويد‪.‬‬
‫‪1‬‬
‫‪2‬‬
‫تغییر در داده ها )‪(Recode‬‬
‫ابتدا متغیری‌ را كه می‌خواهید تغییر دهید به كادر خالي سمت راست منتقل كنید‪ .‬پس از انتقال‪ ،‬جلوی نام متغیر عالمت سوال خواهد داشت كه باید در كادر سمت‬
‫راست(‪ ، )1‬یك نام وارد كنید و كلید ‪ Change‬را بزنید(‪ )2‬تا نام وارد شده‪ ،‬به جای عالمت سوال قرار گیرد‪ .‬سپس گزینه ‪Old and New‬‬
‫‪ Values‬را انتخاب كنيد (‪ )3‬تا كادر محاوره مربوط به ان باز شود‪ .‬در این كادر محاوره چند امکان وجود دارد‪:‬‬
‫‪1‬‬
‫‪2‬‬
‫‪3‬‬
‫تغییر در داده ها )‪(Recode‬‬
‫‪ -1‬اگر قصد تغییر یک یا چند مقدار از یک متغیر را دارید گزینه ‪ Value‬را انتخاب کنید که نحوه استفاده از ان به صورت زیر است‪:‬‬
‫•‬
‫مقدار متغیری‌ را كه می‌خواهید تغییر دهید در قسمت ‪ Old Value‬و مقدار جدید ان را در قسمت ‪ New Value‬وارد كنید‪ .‬سپس كلید ‪ Add‬را‬
‫بفشارید تا تغییرات به پنجره پایین منتقل شود‪ .‬به همین منوال همه مقادیری‌ كه می‌خواهید تغییر دهید را اضافه کنید‪.‬‬
‫‪ -2‬براي تغيير مقادیر گمشده از گزینه‪:‬‬
‫‪ System missing‬استفاده كنید‪.‬‬
‫‪1‬‬
‫و براي نگهداشتن يك كپ ي از مقادير قديم‬
‫از گزينه زير استفاده كنيد‪:‬‬
‫)‪Copy Old Value(s‬‬
‫‪2‬‬
‫تغییر در داده ها )‪(Recode‬‬
‫‪ .3‬اگر مقادير متغیر پیوسته‌اي را می‌خواهید تغییر دهيد‪ ،‬گزینه ‪ Range‬را انتخاب كنيد و حدود تغییرات را به شکل دو مقدار ابتدای ی و‬
‫انتهای ی وارد كنید‪.‬‬
‫‪ .4‬در گزینه ‪ Range Lowest‬مقادیر كمتر از یك مقدار را وارد كنید‪.‬‬
‫‪ .5‬در گزینه ‪ Range Highest‬مقادیر بیشتر از یك مقدار را وارد كنید‪.‬‬
‫•‬
‫گر تغییرات را اعمال كرده‌اید و می‌خواهید برای باقیمانده مقادیر‪ ،‬مقدار‬
‫جدیدی در نظر بگیرید‪ ،‬گزینه ‪ All Other Values‬را عالمت دار‬
‫كنید و برای ان مقداری‌ تعيين نمایید‪.‬‬
‫•‬
‫در پایان با انتخاب ‪ Ok‬تغییرات خواسته شده اعمال می شود و یک‬
‫متغیر جدید به فهرست متغیر ها اضافه می‌گردد‪.‬‬
‫‪3‬‬
‫‪4‬‬
‫‪5‬‬
‫تغییر در داده ها )‪(Recode‬‬
‫در مجموعه‌ي داده هاي ‪ ،1991‬با بررسی متغیر سن‪ ،‬در خواهید یافت که کمترین سن ‪ 18‬و بیشترین سن ‪ 89‬سال ثبت شده‬
‫تمرين‬
‫است‪ .‬می‌خواهیم این متغیر را به ‪ 7‬سطح به صورت زير طبقه بندي كنيم و جدول توزيع فراواني را كامل نماييم‪.‬‬
‫از نوار منو گزینه ‪ Transform‬و سپس گزینه‬
‫‪ Recode into Different Variable‬را انتخاب کنید تا پنجره‬
‫‪ Recode‬باز شود‪...‬‬
‫فراواني‌طبقه‬
‫محدوده‌طبقه‬
‫؟‬
‫؟‬
‫؟‬
‫؟‬
‫؟‬
‫؟‬
‫؟‬
‫‪18 – 30‬‬
‫‪30 – 42‬‬
‫‪42 – 54‬‬
‫‪54 – 66‬‬
‫‪66 – 78‬‬
‫‪78 – 80‬‬
‫‪80 - 92‬‬
‫تغییر در داده ها )‪(Recode‬‬
‫‪ -1‬متغیر سن را به سمت راست منتقل کنید و در كادر ‪ ،Name‬نام ‪ RAge‬را برای متغییر جدیدی که می‌خواهید مقادیر تغییر‬
‫یافته در ان ثبت شود‪ ،‬تعیین کنید و گزینه ‪ Change‬را کلیک کنید‪.‬‬
‫‪ -2‬برای اعمال تغییرات گزینه ‪ Old and New values‬را انتخاب کنید تا به كادر محاوره ديگري‌ وارد شويد‪...‬‬
‫‪1‬‬
‫‪2‬‬
‫تغییر در داده ها )‪(Recode‬‬
‫‪ -1‬در‌کادر‌محاوره‌باز‌شده‪‌،‬گزینه‌ ‪ Range‬را‌انتخاب‌کنید‌و‌در‌اين‌قسمت‌‌اولين‌فاصله‌را‌وارد‌كنيد‪.‬‬
‫‪ -2‬با‌وارد‌کردن‌اولین‌فاصله‌(يعني‌‪ 18‬تا‌‪‌،)30‬در‌‌قسمت‌‪ Value‬نیز‌مقدار‌‪ 1‬را‌وارد‌کنید‌و‌دکمه‌‪ Add‬را‌نیز‌به‌عنوان‌تایید‪‌،‬کلیک‌نماييد‌تا‌‬
‫تغییرات‌به‌کادر‌‪ Old New:‬اضافه‌شود‪.‬‬
‫برای‌بقیه‌فاصله‌ها‌‌به‌همین‌صورت‌ادامه‌دهید‪.‬‬
‫‪ -3‬در‌پايان‌كليد‌‪ Continue‬و‌‪ Ok‬را‌‬
‫به‌ترتيب‌كليك‌كنيد‌‬
‫‪2‬‬
‫‪1‬‬
‫به‌شکل‌مقابل‌توجه‌کنید‪‌،‬فاصله‌اخرين‌طبقه‌(‪)80–92‬‬
‫وارد‌شده‌و‌مقدار‌‪ 7‬براي‌اين‌فاصله‌در‌نظر‌گرفته‌شده‌است‪‌،‬‬
‫فقط‌كافي‌است‌كليد‌‪ Add‬فشار‌داده‌شود‌تا‌طبقه‌‌هفتم‌به‌‬
‫فهرست‌تغييرات‌اضافه‌شود‪.‬‬
‫‪3‬‬
‫تغییر در داده ها )‪(Recode‬‬
‫نتيجه‌اين‌تغييرات‌اضافه‌شدن‌متغيري‌به‌نام‌‪ RAge‬به‌انتهاي‌فهرست‌متغيرها‌است‪.‬‬
‫اگر‌از‌روند‌‪ Frequencies‬براي‌اين‌متغير‌جدول‌توزيع‌فراواني‌به‌دست‌اوريد‪‌،‬به‌صورت‌زير‌است‪.‬‬
‫توجه‪ :‬حدود طبقات را بعدا خودمان به اين جدول اضافه كرده ايم‪.‬‬
‫‪ Rage‬جدول‌توزيع‌فراواني‌براي‌متغير‌دسته‌بندي‌شده‌سن‌در‌فايل‌داده‌هاي‌‪1991‬‬
‫‪Cumulative‬‬
‫‪Percent‬‬
‫فراواني تجمعي‌درصدي‬
‫‪Valid Percent‬‬
‫فراواني‌درصدي‌معتبر‬
‫‪Percent‬‬
‫فراواني‌درصدي‬
‫‪Frequency‬‬
‫فراواني‌مطلق‬
‫حدود‌طبقات‬
‫شماره‌طبقه‌‬
‫‪22.5‬‬
‫‪52.2‬‬
‫‪69.6‬‬
‫‪82.6‬‬
‫‪95.4‬‬
‫‪96.6‬‬
‫‪100‬‬
‫‪22.5‬‬
‫‪19.8‬‬
‫‪17.4‬‬
‫‪12.9‬‬
‫‪12.8‬‬
‫‪1.2‬‬
‫‪3.4‬‬
‫‪22.4‬‬
‫‪29.7‬‬
‫‪17.3‬‬
‫‪12.9‬‬
‫‪12.8‬‬
‫‪1.2‬‬
‫‪3.4‬‬
‫‪340‬‬
‫‪451‬‬
‫‪263‬‬
‫‪196‬‬
‫‪194‬‬
‫‪18‬‬
‫‪52‬‬
‫‪18 - 30‬‬
‫‪30 - 42‬‬
‫‪42 - 54‬‬
‫‪54 - 66‬‬
‫‪66 - 78‬‬
‫‪78 - 80‬‬
‫‪80 - 92‬‬
‫‪1‬‬
‫‪2‬‬
‫‪3‬‬
‫‪4‬‬
‫‪5‬‬
‫‪6‬‬
‫‪7‬‬
‫‪100‬‬
‫‪99.8‬‬
‫‪1514‬‬
‫‪Total‬‬
‫‪0.2.‬‬
‫‪3‬‬
‫‪System‬‬
‫‪100‬‬
‫‪1517‬‬
‫‪Total‬‬
‫‪Valid‬‬
‫‪Missing‬‬
‫ساختن ردیف‬
‫معموال در یك مجموعه داده‪ ،‬داشتن یك ستون كه ردیف هر مورد را نمایش دهد‪ ،‬الزامی به نظر مي رسد‪ .‬برای ساختن چنین ستونی باید از دستور‌‬
‫‪ Compute‬استفاده كرد‪.‬‬
‫ازنوار منو گزینه ‪ Transform‬را انتخاب كنید و سپس گزینه ‪ compute‬را كليك كنید تا پنجره ان باز شده در مستطیل ‪target‬‬
‫‪ variable‬یك اسم دلخواه وارد كنید‪ .‬سپس در مستطیل ‪Numeric‬‬
‫‪ Expression‬عبارت ‪ $Casenum‬را تايپ كرده و سپس‬
‫‪ OK‬را بزنید‪.‬‬
‫اینك یك ستون از شماره ‪ 1‬تا تعداد نمونه های ی كه دارید در فهرست‬
‫متغيرها اضافه شده است‪.‬‬
‫توجه كنید كه نمی توان برای فایل داده خالی‪ ،‬شماره ردیف ایجاد كرد‪.‬‬
‫فصل هفتم‬
‫• ازمون پارامتري‬
‫اهداف درس‬
‫از‌دانشجويان‌انتظار‌می‌رود‌پس‌از‌پايان‌اين‌برنامه‌با‌مفاهيم‌زير‌اشنا‌شوند‌‪:‬‬
‫• ازمون پارامتري و شرايط استفاده از ان‬
‫• انواع ازمونهاي پارامتري و چگونگي تشخيص استفاده از انها‬
‫• انواع ازمون ‪t‬‬
‫• ازمون لون‬
‫• تشخيص برابري واريانسها‬
‫• تحليل واريانس‬
‫• تشخيص سطح معنيداري‬
‫• ضريب همبستگي پيرسون‬
‫ازمون پارامتري‬
‫براي‌استفاده‌از‌اين‌ازمونها‌شرايطي‌الزم‌است‪:‬‬
‫‪ .1‬داده‌ها‌داراي‌توزيع‌نرمال‌باشند‪.‬‬
‫‪ .2‬داده‌ها‌داراي‌مقياس‌فاصله اي‌‌يا‌نسبي‌باشند‪.‬‬
‫‪ .3‬نمونه‌ها‌واريانس‌مساوي‌داشته‌باشند‪.‬‬
‫ازمونهاي ‪t‬‬
‫ازمون‌‪ t‬به‌منظور‌تعيين‌تفاوت‌معناداري‌بين‌دو‌ميانگين‌به‌كار‌مي‌رود‪.‬اين‌‬
‫ازمون‌يك‌ازمون‌پارامتري‌است‪.‬‬
‫سه‌نوع‌ازمون‌‪ t‬وجود‌دارد‪:‬‬
‫‪ t .1‬يك‌نمونهاي‌‬
‫‪ t .2‬دو‌گروه‌مستقل‬
‫‪ t .3‬زوجي‌يا‌دو‌گروه‌وابسته‬
‫ازمون ‪ t‬يك نمونهاي‬
‫اين‌ازمون‌به‌اين‌سؤال‌پاسخ‌مي‌دهد‌كه‌ميانگين‌مشاهده‌شده‌در‌مقايسه‌با‌‬
‫مقدار‌واقعي‌تفاوت‌معناداري‌دارد‌يا‌خير‪ .‬اين‌ازمون‌ساده‌ترين‌ا ‌زمون‌‪t‬‬
‫مي‌باشد‪.‬‬
‫جهت‌انجام‌ازمون‌‪ t‬تك‌نمونهاي‌‌‪:‬‬
‫از‌منوي‌‪ Analyze‬گزينه‌‪ Compare Means‬را‌انتخاب‌وكليك‬
‫دستور‌‪ One– Sampl T Test...‬راكليك‌واجراكنيد‬
‫كنيد‪.‬‬
‫ازمون ‪ t‬يك نمونهاي‬
‫ادامه بحث‬
‫پنجره‌‪ One– Sampl T Test‬ديده‌‬
‫مي‌شود‪.‬‬
‫متغير‌مورد نظر‌را‌از‌ليست‌متغيرهاي‌كادر‌سمت‌‬
‫چپ‌به‌كادر‌سمت‌راست‌( ‪Test‬‬
‫‪ )Variables‬منتقل‌كنيد‪.‬‬
‫روي‌گزينه‌‪ OK‬كليك‌كنيد‪ .‬خروجي‌ديده‌مي‌شود‪.‬‬
‫با‌توجه‌به‌سطح‌معني‌داري‌‪ sig‬درمورد‌ازمون‌قضاوت‌کنيد‪.‬‬
‫ازمون ‪ t‬دو گروه مستقل‬
‫اين‌نوع‌ازمون‌را‌ازمون‌غير‌وابسته‌نيز‌مي‌خوانند‪ .‬در‌اين‌نوع‌ازمون تفاوت‌‬
‫بين‌ميانگينهاي‌دو‌جامعه‌اماري‌مستقل‪‌،‬مورد‌ازمون‌قرار‌مي‌گيرد‪.‬‬
‫دو‌نمونه‌تصادفي‌از‌دو‌جامعه‌را‌با‌هم‌مقايسه‌مي‌كنيم‌تا‌تفاوت‌يا‌عدم‌تفاوت‌ميانگينهاي‌انها‌‬
‫را‌معين‌كنيم‪.‬‬
‫جهت‌اجراي‌ازمون‌‪ t‬مستقل‌‪:‬‬
‫‪ .1‬روي‌منوي‌‪ Analyze‬كليك‌كنيد‪.‬‬
‫‪ .2‬روي‌گزينه‌‪ Compare Means‬كليك‌كنيد‪.‬‬
‫‪ .3‬مطابق‌شكل‌روي‌دستور‌ ‪Independent Samples T‬‬
‫‪ tests‬كليك‌كنيد‬
‫ازمون ‪ t‬دو گروه مستقل‬
‫ادامه بحث‬
‫‪ .4‬كادر‌گ فتگوي‬
‫‪Independent‬‬
‫‪– Sample T‬‬
‫‪Test‬مشاهده مي‌شود‪.‬‬
‫ادامه بحث‬
‫فهرستي‌از‌متغير‌ها‌در‌كادر‌ديده‌مي‌شود‪.‬‬
‫روي‌متغير‌وابسته‌كليك‌كنيد‌و‌ا‌ن‌را‌‬
‫درون‌كادر‌مقابل‌با‌نام‌ ‪Test‬‬
‫‪ Variable‬منتقل‌كنيد‬
‫ادامه بحث‬
‫‪ .5‬روي‌متغير‌مستقل‌كليك‌كنيد‌و‌‬
‫ان‌را‌به‌كادر‌ ‪Grouping‬‬
‫‪ Variable‬منتقل‌نمائيد‪.‬‬
‫ادامه بحث‬
‫به‌عنوان‌مثال‌جنسيت‌به‌عنوان‌متغير‌مستقل‌در‌نظر‌گرفته‌شد‪.‬‬
‫ادامه بحث‬
‫روي‌دكمه‌‪ Define Groups‬كليك‌‬
‫كنيد‪ .‬مطابق‌شكل‌كادر‌ديده‌مي‌شود‪،‬‬
‫اين‌كادر‌مشخص‌مي‌كند‌كه‌كدام‌دو‌گ ‌روه‌‬
‫در‌حال‌مقايسه‌شدن‌هستند‪.‬‬
‫ادامه بحث‬
‫در‌مثال‌موجود‌متغير‌مستقل‌جنسيت‌‬
‫مي‌باشد‌كه‌الزم‌است‌كدهاي‌‪1‬و‪ 2‬را‌‬
‫به‌درون‌كادرهاي‌مشخص‌وارد‌كنيد‪.‬‬
‫‪ . 5‬روي‌گزينه‌‪ OK‬كليك‌كنيد‪ .‬خروجي‌ازمون‌‪ t‬مشاهده‌مي‌شود‪.‬‬
‫‪ .6‬روي‌دكمه‌‪ Continue‬كليك‌كنيد‪ .‬همانگونه‌كه‌در‌شكل‌مي‌بينيد‌مقادير‌‬
‫درون‌پرانتز‌وارد‌شده‌است‬
‫براي‌بررسي‌برابري‌واريانسهاي‌دو‌گروه‌‪‌،‬به‌مقدار‌‪ Sig‬ازمون‌لون‌توجه‌‬
‫مي‌شود‬
‫اگر‌مقدار‌‪ Sig‬ازمون‌لون‌كمتر‌از‌‪ 05/0‬باشد‪‌،‬‬
‫واريانسهاي‌دو‌جامعه‌برابر‌نيستند‪ .‬دراين‌حالت‌بايد‌از‌اماره‌هاي‌مربوط‌‬
‫به‌واريانسهاي‌نابرابر‌استفاده‌كرد‬
‫ازمون‪ t‬زوجي‬
‫به‌اين‌ازمون‪ t‌،‬همبسته‌يا‌وابسته‌نيز‌مي‌گويند‪ .‬براي‌تشخيص‌تفاوت‌‬
‫ميانگين‌دو‌گروه‌وابسته‪‌،‬ازاين‌ازمون‌استفاده‌و‌انجام‌مي‌شود‪.‬‬
‫ادامه بحث‬
‫‪-1‬از‌منوي ‪ Analyze‬گزينه‌‪ Compare Means‬را‌‬
‫انتخاب‌وكليك‌كنيد‬
‫ازمون ‪ t‬زوجي‬
‫‪ .2‬روي‌‪ Paired Samples T test‬كليك‌كنيد‪‌،‬پنجره‌‬
‫زي ‌رديده‌مي‌شود‪:‬‬
‫ادامه بحث‬
‫‪ .3‬دو‌متغير‌موردنظر‌را‌به‌طور‌هم‌زمان‌انتخاب‌و‌به‌كادر‌ ‪Paired‬‬
‫‪ Variables‬منتقل‌كنيد‪.‬‬
‫‪ .4‬روي‌دكمه‌‪ OK‬كليك‌كنيد‪ .‬خروجي‌‌ديده‌مي‌شود‬
‫تحليل واريانس‬
‫مجذور‌ انحراف اعداد از ميانگين را واريانس مي‌گويند‪ .‬مقدار واريانس نشان دهنده پراكندگي داده‌ها از‬
‫ميانگين است‪.‬‬
‫هر چه واريانس بزرگ تر باشد‪ ،‬انحراف اعداد از ميانگين بيشتر است و هر چه كوچك تر باشد‪ ،‬انحراف‬
‫اعداد از ميانگين كمتر است‬
‫يكي از روشهاي اماري‌ جهت سنجش تفاوت معني‌داري‌ بين ميانگين‌هاي دو يا چند نمونه‪ ،‬تحليل‬
‫واريانس مي‌باشد‪.‬‬
‫تفاوت تحليل واريانس با ازمون ‪t‬‬
‫تفاوت‌تحليل‌واريانس‌با‌ازمون‌‪ t‬دراين‌است‌كه‌ازمون‌‪ t‬براي‌مقايسه‌دو‌‬
‫ميانگين‌كاربرد‌دارد‪ .‬اگر‌هدف‌تحقيق‌مقايسه‌چند‌ميانگين‌باشد‪‌،‬‬
‫تحليل‌واريانس‌كاربرددارد‪.‬‬
‫تحليل واريانس يك طرفه ‪One - Way‬‬
‫روش‌اماري‌كه‌طي‌ان‌تاثير‌يك‌متغير‌مستقل‌روي‌متغير‌وابسته‌بررسي‌مي‌شود‪‌،‬تحليل‌واريانس‌يك‌‬
‫طرفه‌گ فته‌مي‌شود‪.‬‬
‫براي‌محاسبه‌اناليز‌واريانس‌يكطرفه‌‪:‬‬
‫‪ .1‬از‌منوي‌‪‌،Analyze‬گزينه‌‪ Compare means‬را‌كليك‌كنيد‪.‬‬
‫‪ .2‬مطابق‌اساليد‌بعد‪‌،‬گزينه‌ ‪ One - Way AN0VA‬را‌انتخاب‌كنيد‪.‬‬
‫اناليز واريانس يكطرفه‬
‫با‌اجراي‌گزينه ‪One -‬‬
‫‪‌،Way ANOVA‬پنجره‬
‫مقابل ديده‌مي‌شود‪:‬‬
‫ادامه بحث‬
‫‪ .4‬متغير‌هاي‌مورد‌نظر‌را‌از‌ليست‌سمت‌چپ‌به‌كادر‌‬
‫سمت‌راست‌‪ Dependent List‬منتقل‌‬
‫كنيد‪ .‬روي‌دكمه‌‪ Contintue‬و‌سپس‌‪OK‬‬
‫كليك‌كنيد‪ .‬خروجي‌ديده‌مي‌شود‬
‫ادامه بحث‬
‫‪ .5‬روي‌گزينه‌‪ Options‬كليك‌كنيد‪.‬‬
‫شكل‌مقابل ديده‌مي‌شود‪ -:‬روي‌دكمه‌‬
‫‪ Contintue‬و‌سپس‌‪OK‬‬
‫كليك‌كنيد‌‪ .‬خروجي‌ديده‌مي‌شود ‪.‬‬
‫اناليز واريانس دو طرفه‬
‫)‪)Tow - Way Analysis of Variance‬‬
‫درتحليل‌واريانس‌دو‌طرفه‪‌،‬متغير‌مستقل‌تغييرات‌متغير‌وابسته‌را‌تبيين‌‬
‫مي‌كند‪.‬‬
‫هنگامي‌كه‌دو‌متغير‌مستقل‌با‌مقياس‌اسمي‌يا‌رتبهاي‌‪‌،‬متغير‌وابسته‌را‌‬
‫تبيين‌نمايند‪‌،‬از اناليز‌واريانس‌دو‌طرفهجهت‌محاسبه‌روابط متغيرها‪‌،‬‬
‫استفاده‌مي‌شود‪.‬‬
‫ادامه بحث‬
‫‪ -1‬از‌منوي‌‪‌،Analyze‬گزينه‌‬
‫‪General Linear Model‬‬
‫كليك‌كنيد‪.‬‬
‫‪ .2‬مطابق‌شكل‌گزينه‌‪Univariate‬‬
‫انتخاب‌كنيد‌‪:‬‬
‫اناليز واريانس دو طرفه‬
‫‪ .4‬مطابق‌شكل‌متغير‌وابسته‌را‌به‌كادر‌‬
‫‪Dependent Variable‬‬
‫منتقل‌كنيد‌و‌متغيرهاي‌مستقل را‌به‌‬
‫كادر‌بعدي‌منتقل‌نماييد‪.‬‬
‫ادامه بحث‬
‫‪ .5‬روي‌گزينه‌مدل‌‪Model‬‬
‫كليك‌كنيد‌شكل‌مقابل ديده‌مي‌‬
‫شود‪:‬‬
‫ادامه بحث‬
‫‪ .6‬روي‌گزينه‌‪full factorial‬‬
‫كليك‌كنيد‌و‌دكمه‌‬
‫‪ continue‬را‌فشار‌دهد‪.‬‬
‫ادامه بحث‬
‫‪ .7‬روي‌گزينه‌‪ plots‬كليك‌كنيد‌شكل‌‬
‫مقابل ديده‌مي‌شود‪ .‬متغيرهاي‌مورد‌نظر‌‬
‫را‌به‌كادرهاي‌مقابل‌منتقل‌كنيد‌و‌گزينه‌‬
‫‪ Add‬را‌كليك‌كنيد‪.‬‬
‫دكمه‌‪ continue‬را‌فشاردهد‪.‬‬
‫ادامه بحث‬
‫‪ .8‬روي‌گزينه‌‪ options‬كليك‌‬
‫كنيد‌شكل‌مقابل ديده‌مي‌شود‌‪.‬‬
‫ادامه بحث‬
‫روي‌گزينه‌‪ Residual plot‬كليك‌كنيد‌و‌دكمه‌‪ continue‬را‌‬
‫فشار‌دهد‪‌،‬خروجي‌‌ديده‌مي‌شود‪.‬‬
‫ضريب همبستگي پيرسون‬
‫جهت‌محاسبه‌ضريب‌همبستگي‌پيرسون‌مراحل‌زير‌را‌دنبال‌كنيد‪:‬‬
‫‪ .1‬از‌منوي‌‪‌،Analyze‬گزينه‌‪ Correlate‬را‌انتخاب‌و‌كليك‌‬
‫نمائيد‪.‬‬
‫‪ .2‬مطابق‌شكل‪‌،‬دستور‌‪ Bivariate‬را‌كليك‌كنيد‪:‬‬
‫ضريب همبستگي پيرسون‬
‫ادامه بحث‬
‫‪ .3‬بعد‌از‌اجراي‌دستور‌‬
‫‪ Bivariate‬پنجره‌مقابل‌‬
‫مشاهده‌مي‌شود‪:‬‬
‫ادامه بحث‬
‫‪ .4‬متغير‌هاي‌مورد‌نظر‌را‌به‌كادر‌‬
‫‪ Variable‬منتقل‌كنيد‪.‬‬
‫‪ .5‬روي‌گزينه‌‪ Pearson‬كليك‌‬
‫كنيد‪.‬‬
‫ادامه بحث‬
‫‪ .6‬روي‌دكمه‌‪ Options‬كليك‌‬
‫كنيد‪.‬شکل‌مقابل‌ديده‌مي‌شود‪:‬‬
‫ادامه بحث‬
‫‪ .7‬گزينه‌هاي‌زير‌مجموعه‌‪Statistics‬‬
‫را‌عالمت‌دار‌كنيد‪(.‬مطابق‌شكل)‬
‫‪ .8‬دكمه‌‪ Continue‬را‌كليك‌كنيد‪.‬‬
‫‪ .9‬دكمه‌‪ OK‬را‌كليك‌كنيد‪.‬‬
‫خروجي‌مشاهده‌مي‌شود‪.‬‬
‫ازمون‌‪Z‬‬
‫ازمونهاي‌‪t‬‬
‫◄ مهمترين‬
‫ازمونهاي‬
‫پارامتري‬
‫عبارتند از‪:‬‬
‫اناليز واريانس‬
‫‪ t‬يك‌نمونه‌هاي‌‌‬
‫‪ t‬مستقل‌‬
‫‪ t‬وابسته‌‌‌‌‬
‫يك‌طرفه‬
‫دوطرفه‬
‫ضريب‌همبستگي‌پيرسون‌‬
‫فصل هشتم‬
‫• ازمونهاي ناپارامتري‬
‫اهداف درس‬
‫از‌دانشجويان‌انتظار‌می‌رود‌پس‌از‌پايان‌اين‌برنامه‌با‌مفاهيم‌زير‌اشنا‌شوند‌‪:‬‬
‫•‬
‫•‬
‫•‬
‫•‬
‫•‬
‫•‬
‫•‬
‫•‬
‫ازمون‌هاي‌ناپارامتري‌و‌شرايط‌استفاده‌از‌انها‬
‫ازمون‌ناپارامتري‌معادل‌ازمون‌‪ t‬مستقل‬
‫ازمون‌ناپارامتري‌معادل‌ازمون‌‪ t‬زوج‬
‫ازمون‌هاي‌ناپارامتري‌معادل‌تحليل‌واريانس‬
‫ازمون‌‪X2‬‬
‫ازمون‌فريدمن و‌کوکران‌‬
‫شرايط‌ازمون‌مك‌نمار‬
‫استفاده‌از‌ضريب‌همبستگي‌اسپيرمن‬
‫ازمونهاي ناپارامتري‬
‫ازمونهاي ي‌كه‌براي‌داده‌هاي ي‌كه‌داراي‌توزيع‌مشخص‌نيستند‪‌،‬م ‌ورد‌استفاده‌‬
‫قرار‌مي‌گيرد‪‌،‬ازمونهاي‌ناپارامتري‌ناميده‌مي‌شود‪ .‬اين‌ازمونها‌در شرايطي‌‬
‫كه‌داده‌ها‌ترتيبي‌يا‌اسمي‌‌باشند‪‌،‬مورداستفاده‌قرار‌مي‌گيرند‪.‬‬
‫ازمون ‪ U‬من ويتني ‪Mann -Whitney U Test‬‬
‫يك‌ازمون‌ناپارامتريك‌جهت‌متغيرهاي ي‌با‌مقياس‌اسمي‌‪ -‬رتبه‌اي‌مي‌باشد‪.‬‬
‫ازمون‌من‌ويتني‌معادل‌ازمون‌پارامتريك‌‪ t‬دو‌گروه‌مستقل‌مي‌باشد‪ .‬كاربرد‌‬
‫اين‌ازمون‌هنگامي‌است‌كه‌قرار‌است‌دو‌گروه‌را‌بر‌حسب‌رتبه‌افراد‌با‌‬
‫هم‌مقايسه‌كنند‪.‬‬
‫ادامه بحث‬
‫فرض‌كنيد‌محققي‌مي‌خواهد‌در‌يك‌جامعه‪‌،‬تحصيالت‌را‌بر‌حسب جنسيت‌‬
‫مورد‌بررسي‌و‌مقايسه‌قرار‌دهد‪‌،‬استفاده‌از‌ازمون‌من‌ ‌ويتني‌در‌صورتي‌‬
‫كه‌متغير‌تحصيالت‌داراي‌مقوالت‌زياد‌باشد‪‌،‬امكان‌پذير‌مي‌باشد‪.‬‬
‫مراحل‌زيررا‌جهت‌ازمون‌‪ U‬اجرا‌كنيد‪:‬‬
‫‪ .1‬از‌منوي‌‪ Analyze‬گزينه‌‪ NonParametric Test‬را‌‬
‫كليك‌كنيد‪.‬‬
‫‪ .2‬مطابق‌شكل‌گزينه‌‪ 2 independent Sample‬را‌‬
‫انتخاب‌كنيد‪.‬‬
‫ازمون ‪ U‬من ويتني‬
‫ادامه بحث‬
‫‪ .3‬پس‌ا ‌زانتخاب‌و اجراي‌ ‪2‬‬
‫‪independent Sample‬‬
‫پنجره‌مقابل ديده‌مي‌شود ‪.4 .‬گزينه ‪Mann‬‬
‫‪ Whitney U‬را‌عالمت‌دار‌كنيد‪.‬‬
‫ادامه بحث‬
‫‪ .5‬روي‌گزينه‌ ‪Define‬‬
‫‪ Groups‬كليك‌كنيد‪‌،‬كادر‌‬
‫مقابل ديده‌مي‌شود‪ :‬كدهاي‌گروه‌‪ 1‬و‌‬
‫‪ 2‬را‌مقابل‌كادرهاي‌هر‌كدام‌تايپ‌‬
‫كنيد‪.‬‬
‫ازمون ‪ U‬من ويتني‬
‫در‌اينجا‌متغير‌جنسيت‌با‌توجه‌به‌كدگذاري‌اوليه‌داراي‌دو‌كد‌‪ 1‬و‌‪ 2‬براي‌‬
‫اقايان‌و‌خانمها‌مي‌باشد‪.‬‬
‫‪ .7‬دكمه‌‪ Continue‬و‌سپس‌‪ OK‬را‌كليك‌كنيد‪ .‬خروجي‌زير‌ديده‌‬
‫مي‌شود‪.‬‬
‫ازمون ويلكاكسون ‪Wilcoxon Test‬‬
‫ويلكاكسون‪‌،‬ازمون‌ناپارامتريك‌جهت‌متغيرهاي ي‌با‌مقياس‌رتبه‌اي‌مي‌باشد‪.‬‬
‫از‌طريق‌اين‌ازمون‪‌،‬امكان‌مقايسه‌قبل‌و‌بعد‌يك‌وضعيت‌تحت‌تاثير‌‬
‫يك‌متغير‌امكان‌پذير‌است‪.‬‬
‫ازمون‌ويلكاكسون‪‌،‬معادل‌ازمون‌پارامتريك‌‪ t‬زوجي‌مي‌باشد‪.‬‬
‫ادامه بحث‬
‫فرض‌كنيد‌محققي‌مي‌خواهد‌تاثير‌استفاده‌از‌وسايل‌كمك‌اموزشي و‌سمعي‌ ‌‬
‫بصري‌را‌روي‌نتيجه‌ازمون‌دانشجويان‌بررسي‌كند‪ .‬ابتدا‌از‌دانشجويان‌‬
‫ازمون‌به‌عمل‌مي‌ايد‪‌،‬سپس‌از‌وسايل‌كمك‌اموزشي‌استفاده‌مي‌شود‌و‌‬
‫مجددا‌ازمون‌برگزارمي‌گردد‪.‬‬
‫براي‌اجراي‌ويلكاكسون ‪:‬‬
‫‪ .1‬از‌منوي‌‪‌،Analyze‬گزينه‌‬
‫‪ Nonparametrice Test‬را‌‬
‫كليك‌كنيد‪.‬‬
‫‪2 - Related Sample .2‬را‌‬
‫انتخاب‌كنيد‪:‬‬
‫ادامه بحث‬
‫‪ .3‬با‌اجراي‌گزينه‌‪‌،2‬كادر‌ديده‌مي‌شود‪:‬‬
‫‪ . 4‬متغيرهاي‌مورد‌نظر‌را‌به‌صورت‌جفتي‌به‌كادر‌ ‪Test‬‬
‫‪ Pairs List‬منتقل‌كنيد‪ .‬انتقال‌به‌صورت‌تك‌‬
‫متغيري‌امكان‌پذير‌نمي‌باشد‪.‬‬
‫‪ .5‬گزينه‌ ‪Wilcoxon‬را‌كليك‌كنيد‪.‬‬
‫‪ .6‬دكمه‌ ‪OK‬را‌كليك‌كنيد‪ .‬خروجي‌ديده‌مي‌شود‪.‬‬
‫ازمون كروسكال واليس‬
‫هنگامي‌كه‌داده‌ها‌در‌مقياس‌رتبه‌اي‌‌باشند‪‌،‬جهت‌مقايسه‌وضعيت‌يك‌‬
‫متغير‌در‌چند‌گروه‪‌،‬از‌اين‌ازمون‌استفاده‌مي‌شود‪.‬‬
‫ازمون‌كروسكال‌واليس ‪,‬معادل‌تحليل‌واريانس‌يك‌طرفه‌در‌ازمونهاي‌‬
‫پارامتريك‌است‪.‬‬
‫ادامه بحث‬
‫براي‌اجراي‌ازمون‌‪:‬‬
‫‪ .1‬از‌منوي‌‪‌،Analyze‬گزينه‌‬
‫‪NonParametrice Test‬‬
‫را‌انتخاب‌و‌كليك‌كنيد‪.‬‬
‫‪ .2‬گزينه‌ ‪K Independent‬‬
‫‪ Samples‬راانتخاب‌كنيد‪:‬‬
‫ادامه بحث‬
‫‪ .3‬پس‌از‌اجراي‌گزينه‌‪ K Independent Samples‬پنجره‌مقابل‌ديده‌مي‌شود‪:‬‬
‫ادامه بحث‬
‫‪ .4‬متغير‌هاي‌مورد‌نظر‌را‌از‌كادر‌سمت‌چپ‬
‫به‌كادرهاي‌‪ test Variable‬و‌‬
‫‪Grouping Variable‬‬
‫منتقل‌كنيد‪.‬‬
‫‪ .5‬گزينه‌‪ Kruskal- Wallish‬را‌‬
‫مارک‌دار‌كنيد‪.‬‬
‫ادامه بحث‬
‫‪ .6‬روي‌گزينه‌‪ Define Range‬كليك‌كنيد‪ .‬كاد ‌رمقابل ديده‌مي‌شود‪ .‬مقابل‌گزينه‌حداقل‌و‌‬
‫حداك ثر‪‌،‬كدهاي‌مورد‌استفاده‌را‌تايپ‌كنيد‪.‬‬
‫ازمون كاي دو‬
‫هنگامي‌كه‌داده‌هاي ي‌با‌مقياس‌اسمي‌وجود‌دارد‪‌،‬يكي‌از‌معمول‌ترين‬
‫ازمونها‪‌،‬ازمون‌مي‌باشد‪.‬‬
‫ادامه بحث‬
‫براي‌اجراي‌اين‌ازمون‌‪:‬‬
‫‪ .1‬از‌منوي‌‪‌،Analyze‬گزينه‪ Descriptive Statistics‬را‌انتخاب‌و‌كليك‌كنيد‪.‬‬
‫ادامه بحث‬
‫‪ .‬دستو ‌ر ‪ Crosstab‬را انتخاب و كليك كنيد‪ .‬با اجراي اين دستو ‌ر شكل ديده مي‌شود‪:‬‬
‫‪ .3‬متغيرهاي مورد نظر را به كادرهاي ‪ Row‬و ‪( Column‬سطر و ستون) منتقل كنيد‪.‬‬
‫ادامه بحث‬
‫‪ .4‬روي‌گزينه‌‪ Statistics‬كليك‌كنيد‪ .‬پنجره مقابل‌ديده‌مي‌شود‪:‬‬
‫‪ .5‬روي‌گزينه‌‪ Chi - Square‬كليك‌كنيد‪.‬‬
‫ادامه بحث‬
‫‪ .6‬گزينه‌‪ Continue‬و‌سپس‌‪ OK‬را‌انتخاب‌و‌كليك‌كنيد‪ .‬خروجي‌‬
‫ديده‌مي‌شود‪.‬‬
‫ازمون‌‪ X2‬از‌ازمونهاي‌ناپارامتري‌به‌شمار‌مي‌ايد‪‌،‬يعني‌به‌علت‌عدم‌‬
‫جهت‌گيري‌نمي‌تواند‌مشخص‌كند‌وضعيت‌كدام‌جنسيت‌بهتر است‪‌،‬‬
‫صرفا‌متفاوت‌بودن‌وضعيت‌با‌توجه‌به‌نوع‌متغير‌مشخص‌مي‌شود‪.‬‬
‫كاربرد‌ازمون‌‪ X2‬اين‌است‌كه‌مشخص‌مي‌كند‌ايا‌رابطه‌بين‌دو‌متغير‌‬
‫كيفي‌تصادفي‌است‌يا‌واقعي‪.‬‬
‫ازمون فريدمن‬
‫هنگامي‌‌كه‌قرار‌است‌متغيرهاي ي‌با‌مقياس‌رتبه‌اي‌در‌‪ k‬گروه‌وابسته‌ازمون‌‬
‫شوند‪‌،‬جهت‌بررسي‌تفاوت‌در‌گروه‌هاي‌وابسته‌از‌اين‌ازمون‌استفاده‌‬
‫مي‌شود‪.‬‬
‫ادامه بحث‬
‫جهت‌استفاده‌از‌اين‌ازمون‌‪:‬‬
‫‪ .1‬از‌منوي‌‪ Analyze‬گزينه‌‪ NonParametric Test‬را‌‬
‫انتخاب‌و‌كليك‌كنيد‪.‬‬
‫‪ .2‬گزينه‌‪ K Ralated Sample‬را‌كليك‌كنيد‪.‬‬
‫ازمون فريدمن‬
‫ادامه بحث‬
‫‪ .3‬پس از اجراي گزينه ‪ ،K Ralated Samples‬كادر زير ديده مي‌شود‪:‬‬
‫‪ .4‬متغيرهاي مورد نظر را از كادر سمت چپ به كادر سمت راست ‪ Test Variable‬منتقل‬
‫كنيد‪.‬‬
‫‪Friedman‬‬
‫‪ .5‬گزينه‌‪ Friedman‬را‌عالمت‌دار‌كنيد‪.‬‬
‫‪ .6‬دكمه‌‪ OK‬را‌كليك‌كنيد‪ .‬خروجي‌مشاهده مي‌شود‪.‬‬
‫ازمون كوكران‬
‫اگر‌متغيرهاي‌مورد‌بررسي‌داراي‌مقياس‌اسمي‌باشند‪‌،‬جهت‌ازمون‌تفاوت‌‬
‫بين‌‪ k‬گروه‌وابسته‌مي‌توان‌از ازمون‌كوكران‌استفاده‌كرد‬
‫ادامه بحث‬
‫‪ .1‬از‌منوي‌‪ Analyze‬گزينه‌‪ Nonparametric Test‬را‌انتخاب‌و‌كليك‌كنيد‪.‬‬
‫‪.2‬گزينه‌‪ K Related Samples‬را‌اجرا‌كنيد‪ .‬پنجره‌مشاهده‌مي‌شود‪:‬‬
‫ادامه بحث‬
‫‪ .3‬متغيرهاي‌مورد‌نظر‌را‌از‌كادر‌سمت‌چپ‌به‌كادر‌‪ Test Variable‬منتقل‌كنيد‪.‬‬
‫‪ .4‬گزينه ‪ Cochran s Q‬را‌عالمت‌دار‌كنيد‪.‬‬
‫توجه‌داشته‌باشيد‌براي‌استفاده‌از‌ازمون‌‬
‫كوكران‌متغير‌مورد‌نظر‌بايستي‌دو‌بعدي‌‬
‫باشد‪.‬‬
‫ادامه بحث‬
‫‪ .5‬دكمه‌‪ OK‬را‌كليك‌كنيد‪ .‬خروجي‌‌مشاهده‌مي‌شود‪.‬‬
‫ازمون مك نمار ‪Mc.Nemar Test‬‬
‫ازمون‌مك‌نمار‌جهت‌مقايسه‌دو‌وضعيت‌كاربرد‌دارد‪.‬‬
‫شرط‌استفاده‌از‌اين‌ازمون‌ان‌است‌كه‌متغير‌بايستي‌كيفي‌باشد‌و‌دو‌مقوله‌داشته‌باشد‪.‬اگر‌متغير‌دو‌‬
‫مقوله‌اي‌نباشد‪‌،‬پيغام‌خطا‌ديده‌مي‌شود‪.‬‬
‫‪ .1‬از‌منوي‌‪‌،Analyze‬گزينه‌‪ Nonparametric Test‬را‌كليك‌كنيد‪.‬‬
‫‪ .2‬گزينه‌‪ 2-Related Samples...‬را‌اجرا‌كنيد‪ .‬پنجره‌اسالید‌بعد ديده‌مي‌شود‪:‬‬
Mc.Nemar Test ‫ازمون مك نمار‬
‫ادامه بحث‬
‫‪ .3‬جفت‌متغير‌مورد‌نظر‌را‌به‌كادر‌ ‪ Test Pair List‬منتقل‌كنيد‪.‬‬
‫‪ .4‬گزينه‌‪ McNemar‬را‌كليك‌كنيد‪.‬‬
‫‪ .5‬دكمه‌‪ OK‬را‌كليك‌كنيد‪.‬‬
‫خروجي‌‌ديده‌مي‌شود‪.‬‬
‫ضريب همبستگي اسپيرمن‬
‫براي‌محاسبه‌همبستگي‌بين‌دو‌متغير‌بر‌حسب‌رتبه‌ها‌در‌اين دو‌متغير‪‌،‬‬
‫به‌جاي‌استفاده‌از‌ضريب‌همبستگي‌پيرسون‌از‌ضريب‌همبستگي‌‬
‫اسپيرمن‌استفاده‌مي‌شود‪.‬‬
‫ادامه بحث‬
‫‪ .1‬از‌منوي‌‪ Analyze‬گزينه‌‪ Correlate‬را‌انتخاب‌وكليك‌كنيد‪.‬‬
‫‪ .2‬دستور‌‪ Bivariate‬را‌اجرا‌كنيد‪.‬کادر‌مقابل‌ديده‌ميشود‪.‬‬
‫ضريب همبستگي اسپيرمن‬
‫‪ .3‬متغيرهاي‌مورد‌نظر‌را‌به‌كادر‌‪ Variables‬منتقل‌كنيد‪.‬‬
‫‪ .4‬گزينه‌‪ Spearman‬را‌عالمت‌دار‌كنيد ‪.‬‬
‫‪.5‬دكمه‌‪ OK‬را‌كليك‌نمائيد‪ .‬خروجي‌مشاهده‌مي‌شود‬
‫◄مهمترين‌ازمونهاي‬
‫ناپارامتري عبارتند‌از‪:‬‬
‫من‌ويتني(معادل‌‪ t‬مستقل)‬
‫ويلكاكسون‌ (معادل‌‪ t‬زوج)‬
‫كروسكال‌ ‌واليس‬
‫(معادل‌تحليل‌واريانس‌يكطرفه)‬
‫كاي‌دو‬
‫مك‌نمار‬
‫فريدمن‬
‫كوكران‬