دو موضوع بتا  (سطح بتا، احتمال خطای نوع دوم) Β / Beta / Beta Level / Probability of Type ǁ Error و  توان آزمون    Test Power  و نقش آن ها در تعیین حجم نمونه

همانطور که در جدول زیر مشاهده  می شود  دو مفهموم  آلفا و سطح اطمینان باهم ارتباط دارند،  دو مفهوم بتا و توان آزمون  نیز باهم مرتبطند.

ادامه‌ی خواندن→

آلفا یا احتمال خطای نوع اول یا  سطح معناداری و نقش آن در تعیین حجم نمونه

  α- Alpa / Alpha level/ probability of type 1 Error

آلفا ، سطح آلفا ، سطح معنی داری و یا به نام احتمال خطای نوع اول نیز خوانده می شود که با نماد یونانی آلفا (  ) نشان داده می شود. 

با توجه به جدول شماره 1 : اگر فرضیه صفر در جامعه آماری ما صحیح باشد و ما بر اساس مطالعه نمونه ای این فرضیه صفر را رد کنیم. دچار نوعی اشتباه می شویم که به آن اشتباه  آلفا یا خطای نوع اول گفته می شود. می توان گفت آلفا سطح احتمالی است که فرضیه صفر در جامعه آماری صحیح باشد ولی ما آن را بر مبنای بررسی نمونه ای که انجام می دهیم رد می کنیم.

یکی از مفاهیم مرتبط با آلفا سطح اطمینان است و می توان گفت مخالف با آلفا سطح اطمینان است. بدین معنی که اگر  فرضیه صفر در جامعه  آماری صحیح باشد و ما  بر مبنای بررسی  نمونه ای به این نتیجه برسیم که فرضیه صفر صحیح است ، آن وقت یک  تصمیم درست گرفته ایم که به آن سطح اطمینان می گوییم.    معمولاً  ۵ درصد (05/0) می گیرند در این صورت سطح اطمینان ۹۵ درصد است. یعنی اگر ما پنج درصد احتمال می دهیم که فرض صفر را رد کنیم ،  ۹۵ درصد احتمال می دهیم که آن را قبول کنیم.  به عبارتی دیگر می توان گفت سطح اطمینان برابر است با یک منهای آلفا پس بین آلفا و  سطح اطمینان ارتباط وجود دارد. به هر مقدار سطح آلفا را بالا ببریم به همان نسبت سطح اطمینان را کاهش می دهیم.  

امّا چرا آلفا در تعیین حجم نمونه مهم است؟  چون  آلفا مستقیماً روی حجم نمونه اثر می گذارد. هرچه ما بخواهیم در مطالعه نمونه ای  آلفا ( خطای نوع اول کم تری)  داشته باشیم،  یعنی سطح اطمینان بیشتری خواهیم داشت ، پس  نیاز به حجم نمونه ای بیشتری داریم.

تعیین حجم نمونه با نرم افزار IBM SPSS Sample power  

مبحث حجم نمونه و نحوه محاسبه آن یکی از مباحث بسیار کلیدی در تحقیقات است که معمولاً محققین در این خصوص سوالات بسیاری دارند و البته معمولاً در تعیین حجم نمونه دچار اشکالی اساسی هستند، چون معمولاً برای تعیین حجم نمونه از فرمول کوکران یا جدول کرجسی و مورگان استفاده می کنند که با توجه به اینکه این فرمول ها بر اساس پارامتر نسبت طراحی شده اند در بسیاری از مورد کاربرد ندارند، لذا محققان را در دفاع از پایان نامه یا پذیرش مقاله در مجلات معتبر علمی دچار درد سر بزرگ می کند. برای حل این مشکل باید از نرم افزار های تعیین حجم نمونه مانند IBM SPSS Sample power بهره گرفت کسانی که می خواهند حجم نمونه تحقیقشان با نرم افزار IBM SPSS Sample power  انجام گیرد یا تمایل داشتند  آموزش این نرم افزار را ببینند و خودشان این کار را انجام دهند با ما تماس بگیرند.

تماس با ما

کتاب تصویری نمونه گیری با SPSS Sample Power این نرم افزار را به صورتی ساده با ارائه مثال های کاربردی آموزش می دهد.

بعد از پرداخت هزینه می توانید آن را مستقیما دانلود نمایید یا اینکه با یکی از روش های زیر با ما تماس بگیرید تا خدمتتان ارسال گردد.

توجه: فروش نسخه ی الکترونیکی این کتاب فقط در این سایت ارائه می شود و ارائه آن در هر سایت یا کانال دیگری ممنوع می باشد و پیگرد قانونی دارد.

عوامل موثر بر حجم نمونه

 سطح معناداری : هرچه سطح معناداری  احتمال ارتکاب خطای نوع اول  بیشتر باشد، به حجم نمونه بیشتری نیاز داریم.
 تعداد متغیرهای مورد بررسی : با افزایش تعداد متغیرهای مورد بررسی، حجم نمونه نیز افزایش می یابد.
 سطح سنجش متغیرهای مورد بررسی : هرچه سطح سنجش متغیرها پایین تر باشد به حجم نمونه بیشتری احتیاج داریم.
 نحوه کنترل متغیر های ناخواسته : هرچه متغیرهای ناخواسته در تحقیق بیشتر باشد، نیاز به حجم نمونه بیشتری است تا مقدار خطا به حداقل برسد.
 واریانس داده ها  میزان پراکندگی داده ها  : هرچه واریانس داده ها بیشتر باشد، حجم نمونه افزایش می یابد. از طرفی، هرچه جامعه آماری مورد تحقیق از نظر صفت مورد بررسی متجانس تر باشد، نیاز به حجم نمونه کمتری است.
 حجم جامعه آماری : به طور معمول با افزایش حجم جامعه آماری، حجم نمونه آماری نیز افزایش می یابد.
 خطای نمونه گیری  خطای معیار : با افزایش حجم نمونه، خطای نمونه گیری که می تواند ناشی از اختلاف میان آزمودنی ها یا اشتباه نمونه گیری باشد، کاهش می یابد. از طرفی دیگر هرچه افراد نمونه ناهمگون تر باشند، خطای نمونه گیری هم بیشتر می شود.

 جهت تعیین دقیق  حجم نمونه  با  نرم آماریIBM SPSS Sample power یادریافت آموزش کاربردی این نرم افزار با ما تماس بگیرید.   تماس با ما

آزمون های همبستگی

آزمون های همبستگی برای بررسی رابطه بین دو یا چند متغیر به کار می‌روند. همبستگی به معنای هم‌تغییری دو متغیر است که از آن استنباط می‌شود افزایش یا کاهش یک متغیر با افزایش یا کاهش متغیر دیگر همراه است. به عنوان مثال، بین مدیریت زمان و فرسودگی شغلی مدیران رابطه مستقیم وجود دارد. یعنی هر چه مدیریت زمان مدیران بیشتر باشد، نمره فرسودگی شغلی آن‌ها نیز افزایش می‌یابد. آزمون های همبستگی به دو دسته آزمون های پارامتریک و ناپارامتریک تقسیم می‌شوند. در صورتی که مقیاس متغیرها فاصله ای یا تسبی و توزیع متغیرها نرمال باشد، از آزمون های همبستگی پارامتریک مانند آزمون همبستگی پیرسون و در غیر این صورت از آزمون های همبستگی ناپارامتریک استفاده می‌گردد.

ادامه‌ی خواندن→

گاهی محقق می خواهد بداند هر فرد در پاسخگویی چند بار گزینه ای خاص را انتخاب نموده است برای بررسی این موضوع از دستور دستور Count values یا شمارش تعداد انتخاب هر گزینه توسط یک فرد در SPSS استفاده می کند. این دستور چندین روش دارد که این روش ها در این فیلم تشریح شده اند.

فیلم آموزش رایگان انتخاب نمونه ای از مشاهدات بر اساس دستور Select cases

فیلم آموزش نحوه ی شکستن فایل ها یا Split file در نرم افزار SPSS

فیلم آموزشی نحوه وزن دار کردن مشاهدات در SPSS