...........................................................................................................................................................................................................................................................................................................................................................................
خوش آمدید این سایت دارای مجوز می باشد برای مشاهده مجوز ها پایین صفحه را مشاهده فرمائید.
کامل ترین پکیج آموزش کاربردی نرم افزار انویو Nvivo (فصل دوم)
فصل2 ایجاد پروژه و واردکردن داده ها
این بخش شامل این عناوین می باشد: 2-1- واردکردن داده های متنی: روش های حل مشکل متن فارسی در انویوو – 2-2 – فراخوانی فایل های (پیدیاف (PDF) و عکس) – 2-3- ایجاد و فراخوانی فایل های (صوت و ویدئو): پیادهسازی فایل متنی ویدئو – 2-4- فراخوانی داده های صفحه از گسترده ها (مانند Excel, SPSS, Access) 2-5- فراخوانی داده ها از سایت ها و شبکه های اجتماعی – 2-6- فراخوانی داده های خارجی (Externals) }
روش های محاسبه میانگین در اکسل را در این قسمت برای شما عزیزان آموزش خواهیم داد همراه ما باشید.
تابع AVERAGE اکسل برای محاسبه میانگین یک محدوده یا مجموعه ای از اعداد استفاده میشه. با استفاده از این تابع میتونیم میانگین چند عدد رو در سلول دلخواه خودمون نشون بدیم. اگر شما تازه با فرمول نویسی اشنا شدید و میخواید یکی از توابع مهم اکسل رو یاد بگیرید با من در ادامه این مطلب از آموزش های اکسل همراه باشید.
همونطور که گفتم تابع AVERAGE اکسل میانگین پارامترهایی که به اون داده بشه رو محاسبه میکنه یعنی اونها رو با هم جمع و بر تعدادشون تقسیم میکنه. تابع AVERAGE اکسل در واقع مترادف فرمول (SUM(X)/COUNT(X هست. پارامتر مقدار مینوه یک عدد، یک آرایه از اعداد یا یک محدود باشه. در مثال زیر با نحوه کارکرد تابع AVERAGE اکسل بیشتر آشنا میشیم. جدول زیر رو در نظر بگیرید:
A
B
1
نام دانش آموز:
علی رضایی
2
نام درس
نمره کسب شده
3
ریاضی
18
4
فیزیک
17
5
شیمی
18
6
فارسی
20
7
عربی
15
8
انگلیسی
15
9
ورزش
12
10
معدل:
اگر بخوایم در سلول B10 معدل دانش آموز رو نمایش بدیم می تونیم از فرمول (AVERAGE(B3:B9 استفاده کنیم. که با قرار دادن این فرمول در سلول B10 مقدار این سلول برابر 16.43 خواهد بود.
چند نکته در خصوص تایع AVERAGE:
در صورتی در یکی از سلول های تعیین شده در پارامترهای تابع AVERAGE خطا وجود داشته باشه یا مقدار سلولی از نوع متن باشه تابع AVERAGE اکسل خطا خواهد داد.
در صورتی که بخوایم سلول های متنی که متن اونها قابل تبدیل به عدد هست یا سلول هایی که دارای مقادیر منطقی مثل TRUE هستند هم در میانگین گرفتن لحاظ بشن میتونیم از تابع AVERAGEA استفاده کنیم.
اگر بخوایم برای گرفتن میانگین اعداد شرط خاصی تعیین کنیم میتونیم از تابع AVERAGEIF استفاده کنیم.
در صورتی که بخوایم بیش از یک شرط برای میانگین گرفتن تعیین کنیم هم میتونیم از تابع AVERAGEIFS استفاده کنیم.
روش دوم
۱- روی سلول مورد نظر جایی که می خواین میانگین نمایش داده بشه کلیک کنید
۲- روی منوی Formulas کلیک کنید ۳- در قسمت Function Library ابزار Autosum رو پیدا کنید ۴- روی فلش زیر ابزار کلیک کنید ۵- از گزینه های نمایش داده شده AVERAGE رو انتخاب کنید ۶- با استفاده از درگ موس سلول های مورد نظر از ستون A انتخاب کنید (یا در صورتی که کل ستون A رو می خواین روی عنوان ستون کلیک کنید) ۷- کلید Enter رو بزنین
روش سوم
۱- روی سلول مورد نظر جایی که می خواین میانگین نمایش داده بشه کلیک کنید ۲- تایپ کنید =AVERAGE(A:A) برای کل ستون یا مثلاً برای ستون های ۲ تا ۶ تایپ کنید
تعیین حجم نمونه در روش تحقیق به روشها و فرمولهایی اشاره دارد که برای محاسبه تعداد نمونه معرف جامعه آماری مورد استفاده قرار میگیرد. مهمترین تصمیم برای تعمیمپذیری نتایج یک تحقیقات علمی انتخاب یک نمونه معرف جامعه است. اگر نمونه به خوبی نتواند ویژگیهای جامعه را دربرگیرد استفاده از بهترین روش آماری نیز فاقد وجهات لازم برای استناد میباشد.
در مباحث جامعه و نمونه نباید روشهای تعیین حجم نمونه با روشهای نمونهگیری اشتباه گرفته شود. روش نمونهگیری شیوه دستیابی به حداقل نمونهای است که محاسبه شده است. یعنی ابتدا باید با یک روش صحیح حجم نمونه تعیین شود. پس از آن با یک روش مناسب به نمونه برآورد شده دست پیدا کرد.
نظر به اهمیت تعیین اندازه نمونه و از سوی دیگر روشهای مختلف تحلیل آماری، روشهای متعددی برای محاسبه حجم نمونه معرفی شده است. البته پژوهشگران ایرانی به طور مرسوم برای تعیین اندازه نمونه به سراغ فرمول کوکران میروند که اشتباه بسیار بزرگی است. در این آموزش کوشش شده است تا روشهای مختلف تعیین حجم نمونه تشریح شود.
۱- تعیین حجم نمونه با فرمول کوکران
فرمول کوکران پرکاربردترین شیوه در تعیین حجم نمونه است. فرمول کوکران بهصورت زیر محاسبه میشود:
فرمول کوکران
در این فرمول N حجم جامعه است.
آماره p درصد توزیع صفت در جامعه یعنی نسبت افرادی است که دارای صفت موردمطالعه هستند.
آماره q نیز درصد افرادی است که فاقد صفت مورد مطالعه هستند.
اگر میزان p و q مشخص نباشد از حداکثر مقدار آنها یعنی ۰/۵ استفاده کنید.
آماره z=t است و اگر به جای z از t استفاده کنید نیز ایرادی ندارد. درسطح خطای ۵% مقدار z برابر ۱/۹۶ و و Z2 برابر ۳/۸۴۱۶ است.
مقدار d نیز تفاضل نسبت واقعی صفت در جامعه با میزان تخمین پژوهشگر برای وجود آن صفت در جامعه است. دقت نمونهگیری به این عامل بستگی دارد و اگر بخواهید نمونهگیری دارای بیشترین دقت باشد از حداکثر مقدار d برابر ۰/۰۵ استفاده کنید.
۱-۱- تعیین حجم نمونه با جدول مورگان
جدول مورگان یکی دیگر از روشهای محاسبه حجم نمونه است. اگر حجم جامعه معلوم باشد سادهترین روش برای تعیین حجم نمونه رجوع به جدول مورگان است. زمانی که نه از واریانس جامعه و نه از احتمال موفقیت یا عدم موفقیت متغیر اطلاع دارید و نمی توان از فرمولهای آماری برای براورد حجم نمونه استفاده کرد از جدول مورگان استفاده میکنیم.
آیا جدول مورگان و فرمول کوکران تفاوت دارند؟
هیچ تفاوتی بین جدول کریسی-مورگان و فرمول کوکران وجود ندارد. در واقع دو پژوهشگر به نامهای کریسی (کرجسی) و مورگان اعداد مختلف را در فرمول کوکران در سطح خطای ۵% قرار داده اند و حجم نمونه حاصل در یک جدول ارائه کردهاند. به صفحه محاسبه آنلاین حجم نمونه با فرمول کوکران رجوع کنید و نتایج را با جدول کرجسی و مورگان مقایسه کنید.
۲-۱- محاسبه حجم نمونه برای جوامع نامعلوم
در برخی موارد پارامتر N یعنی حجم جامعه به دلایلی مشخص نیست. اگر حجم جامعه نامعلوم باشد از فرمول کوکران به صورت زیر استفاده میشود:
روشهای محاسبه حجم نمونه (حجم جامعه نامعلوم)
در این فرمول مهمترین پارامتری که نیاز به برآورد دارد S² است که همان واریانس نمونه اولیه است. برای محاسبه S² تعدادی پرسشنامه توزیع شده و واریانس نمونه اولیه محاسبه میشود.
مقدار Z2 یک مقدار ثابت است که به فاصله اطمینان و سطح خطا (α) بستگی دارد. معمولاً سطح خطا ۵% یا ۱% در نظر میگیرند. برای مثال اگر سطح خطا یا سطح معناداری (significant level) برابر ۵% در نظر گرفته شود سطح اطمینان برابر با ۹۵% خواهد بود. در نتیجه Z2 با توجه به جدول آماری ۱/۹۶ خواهد بود.
مقدار d نیز براساس همان سطح خطا یا برابر ۰/۰۵ در نظر گرفته میشود.
مثال: در یک پژوهش ذیحسابان دستگاههای اجرائی کشور جامعه آماری پژوهش را تشکیل میدهند. جهت تعیین حجم نمونه یک مطالعه مقدماتی با توزیع پرسشنامه بین ۲۰ نفر از ذیحسابان دستگاههای اجرائی کشور انجام شد و با برآورد واریانس نمونه اولیه در سطح اطمینان ۹۵ درصد، حجم نمونه از طریق فرمول زیر محاسبه گردید:
n= (3.8416 × ۰.۰۵۳۲) ÷ ۰.۰۰۲۵ ≈ ۸۲
با توجه به محاسبات انجام شده ۸۲ نفر به عنوان نمونه آماری مورد مطالعه برآورد گردید.
۳-۱- محاسبه حجم نمونه برای جوامع نامعلوم و واریانس نامعلوم
چون حجم جامعه مشخص نیست و اطلاعی از واریانس جامعه در دسترس نیست از فرمول زیر حجم نمونه مشخص شده است:
برآورد واریانس نمونه
همچنین چون پرسشنامه با طیف لیکرت ۵ درجه استفاده شده است، بزرگ ترین مقدار ۵ و کوچکترین مقدار ۱ خواهد بود بنابراین انحراف معیار آن برابر است میتوان از مقدار ۰.۶۶ استفاده کرد. این مقدار بیشینه انحراف معیار است. همچنین سطح اطمینان ۹۵% و دقت برآورد ۰.۰۱ درنظر گرفته شده است بنابراین حجم نمونه برابر است با:
Zα/۲ = ۱.۹۶ , ε = ۰.۰۱, σ=۰.۶۶ => n = 170
۴-۱- محاسبه حجم نمونه برای جوامع خیلی بزرگ
اگر حجم جامعه خیلی بزرگ باشد از فرمول کوکران برای جوامع نامعین به صورت زیر استفاده میشود.
فرمول کوکران برای جوامع نامعین
برای مثال در تحقیقات پیرامون مشتریان، دانشجویان، دانشآموزان، شهروندان و … حجم نمونه ۳۸۴ نفر تخمین زده میشود. برای جوامع محدود با حجم مشخص از فرمول ارائه شده در ابتدای این بحث استفاده کنید.
۲- تعیین حجم نمونه براساس توان آزمون
فرمول کوکران برای محاسبه حجم نمونه روشی منسوخ است که هنوز مورد تاکید پژوهشگران داخلی است. در مطالعات اخیر از فرمول کوهن براساس اندازه اثر و توان آزمون برای تعیین حجم نمونه استفاده میشود. یک مزیت دیگر این روش آن است که تعداد متغیرهای اصلی و سوالات پرسشنامه نیز در محاسبه حجم نمونه دخیل است.
رای محاسبه حجم نمونه با فرمول کوهن به صورت آنلاین به سایت Danielsoper وارد شوید.
مطابق دستور مقادیر کادر زیر را تکمیل کنید:
محاسبه حجم نمونه براساس توان آزمون
روش محاسبه حجم نمونه با فرمول کوهن
اندازه اثر شاخصی است که قدرت اثرگذاری متغیرهای مستقل مدل را نشان میدهد. براساس نظر کوهن (۱۹۸۸) میزان این شاخص به ترتیب ۰/۰۲ (ضعیف) ۰/۱۵ (متوسط) و ۰/۳۵ (قوی) میباشد. بنابراین بهتر است این مقدار حداقل روی ۰/۱۵ تنظیم شود.
توان آزمون Desired statistical power level مقداری بین ۸۰ تا ۹۰ درصد انتخاب میشود. آزمون حداقل باید توانی برابر با ۰/۸ داشته باشد.
تعداد متغیرهای پنهان و آشکار نیز براساس پرسشنامه و مدل پژوهش قابل تعیین است.
در نهایت سطح اطمینان را میتوانید ۹۹% یا ۹۵% در نظر گرفته و به ترتیب از ۰/۰۵ یا ۰/۰۱ استفاده کنید.
۳- تعیین حجم نمونه خبرگان
در برخی از تحقیقات مانند تحقیقات مبتنی بر تصمیمگیری چندمعیاره یا مطالعات کیفی با تعداد محدودی از خبرگان سروکار داریم. در این موارد معمولا باید ملاحظات خاصی درنظر گرفته شود و فرمول کوکران مصداق ندارد. مطلب روشهای نمونهگیری هدفمند و نمونهگیری خبرگان را مطالعه کنید.
تعیین حجم نمونه و برآورد تعداد نمونه لازم که معرف ویژگیهای یک جامعه آماری باشد از مباحث مهم روش تحقیق است. به طور سنتی برای این منظور از فرمول کوکران استفاده میشود. همچنین اگر حجم جامعه معلوم باشد راهکار سادهتر آن است که از جدول مورگان استفاده شود. اگر حجم جامعه نامعلوم اما محدود باشد میتوان از فرمول کوکران با برآورد واریانس نمونه اولیه استفاده کرد. اگر حجم جامعه نامعلوم و اندازه آن بسیار بزرگ باشد استفاده از فرمول کوکران به عدد ۳۸۴ ختم میشود. در مطالعات اخیر مدیریت و علوم اجتماعی از اندازه اثر و توان آماری برای محاسبه حجم نمونه استفاده میشود. با این روش میتوان با اطمینان بیشتری به نمونهگیری پرداخت.
یکی از مهمترین عوامل برای شرکتهای بزرگ در خارج از کشور یا موسسات داخلی و درآمد آنها، استفاده از علم تحلیل آمار است؛
زیرا با کمک این علم نوین میتوانند به پیشبینیهای بسیار جامع و کاملی از روند برخی موارد دست پیدا کنند
و به علاوه، گزارش دقیقی از وضعیت حال را در اختیار بگیرند. همچنین، ممکن است بارها با مسئله ارائه پایان نامه توسط spss رو به رو شده باشید.
این نرم افزار توسط شرکت آی بی ام طراحی و توسعه داده شده است.
برای تحلیل آماری نرمافزارهای زیادی طراحی شدهاند که معروفترین آنها، نرمافزار spss یا نرمافزار بسته آماری برای علوم اجتماعی است.
به دلیل اهمیت این نرمافزار در جامعه آماری، مقالهای جامع درباره این نرمافزار تهیه شده است.
اگر میخواهید ببینید spss چیست و به دنبال آموزش این نرمافزار هستید، ادامه مقاله را از دست ندهید.
آشنایی کلی با نرم افزار spss
نرمافزار SPSS یا Statistical Package for the Social به عنوان یک نرمافزار تحلیلی و آنالیز اطلاعات، از پرسشنامهها و فرمهای مختلف دریافت میکند
و سپس آنها را در قالب جداول و نمودارها به کاربر ارائه میدهد تا تجزیه و تحلیل آنها به صورت دقیقتر صورت پذیرد.
این نرمافزار در زمینه بازار و داد و ستد، سلامتی، نقشهبرداری دولتی و آموزشی توسط پژوهشگران به کار گرفته میشود.
کاربردهای نرم افزار spss چیست؟
بعد از اینکه با زبان ساده به پاسخ spss چیست رسیدید، نوبت به این میرسد که کاربردهای این نرم افزار آماری را مورد بررسی قرار دهید.
به این ترتیب است که اهمیت آشنایی با آن را بیشتر درک میکنید.
به طور کلی میتوان کاربردهای زیرا را برای این نرمافزار بیان کرد:
– این نرم افزار توسط پژوهشگران در شرکت های دولتی و نقشه برداری و سازمان های آموزشی و بازاریابی استفاده میشود. – انواع آمار توصیفی را با جداول همراه با ذکر بسامد ها و کاوشها به صورتی دقیق و نسبی ارائه میدهد. – برای به دست آوردن آمارهای دو یا چند متغیر کاربرد دارد. نمونه آن تحلیل پراکنش و همبستگی آزمونهای استخدامی است. – درآمدها را به صورت نسبی و دقیق پیش بینی و ارائه میکند. – انواع آمارها را به صورت تحلیل بندی و خوشه ها بررسی و توصیف خواهد کرد. – خلاصه آماری گراف ها، جداول و نمودارهای آماری و توزیع های گسسته و پیوسته را به دست میآورد. – رگرسیون را مورد پردازش قرار میدهد. علاوه بر این کاربردها میتوان استفاده از نرم افزار spss را در رشتههای مختلف مورد بررسی قرار داد.
– Spss و صنایع
بیشتر افراد با کاربرد گسترده این نرمافزار در حوزه های علمی و پژوهشی آشنا هستند. با این حال بهتر است مسئله spss چیست در رشته صنایع نیز مورد بحث قرار بگیرد.
حتی میتوان این ابزار را یکی از شیوه های پرکاربرد در رشته صنایع به حساب آورد. زیرا در این حوزه علاوه بر مباحث تحلیلی و آماری،
نرم افزار spss بستر خوبی برای داده کاوی و تحلیل اطلاعات حاصل از بخش های تولیدی، فروش، تدارکات و نیروی انسانی به شمار میرود.
– Spss و کشاورزی
استفاده از آزمون های آنالیز واریانس در پایان نامه ها متداول ترین شیوه استفاده اس.پی.اس.اس در کشاورزی است.
تحلیل های آماری در طرح های آزمایشی کشاورزی به ویژه در دنیای پیشرفته امروز برای توسعه خود به ایده های خلاقانه احتیاج دارند. بنابراین بهترین گزینه برای آنها spss است.
– Spss و روانشناسی
روانشناسی از جمله علوم های پژوهشی محور است که تنها با تحلیل دادههای آماری میتواند نتایجی را برای فرضیات در نظر بگیرد.
بنابراین کار با نرم افزار spss است که به آنها فرصت تحلیل دادههای به دست آمده را با توجه به پرسشنامه های متعدد در این حوزه میدهد.
سپس با بررسی و تحقیقات روی این دادها است که به بهترین نتیجه دست پیدا میکنند.
– Spss و پزشکی
نتیجه تحقیقات و آزمایشات پزشکی را میتوان در نرم افزار spss مورد تحلیل و بررسی قرار داد. آزمون های آماری طراحی شده در این برنامه اسن امکان را به خوبی فراهم کردهاند.
برای مثال میتوان به آزمون هایی چون آزمون t ، آزمون نسبت ، آزمون مقایسه و میانگین، آنالیز و بررسی واریانس، رگرسیون و آزمون های ناپارامتری اشاره کرد.
– Spss و اقتصاد
تحلیل گران اقتصادی نیز به پاسخ spss چیست، احتیاج پیدا میکنند.
زیرا با کمک این نرم افزار است که آنالیز فرآیند های اقتصادی را انجام داده و با توجه به نتیجهی آماری تاثیر هر عامل اقتصادی بر سایر عوامل را مورد تحلیل و بررسی قرار میدهند.
– پایان نامه با spss
در نوشتن پایان نامه دکترا و کارشناسی ارشد یکی از پرکاربردترین نرمافزارها، spss است.
تحلیل و بررسی داده های آماری در فصل 4 پایان نامه با کمک از برنامه اس.پی.اس.اس انجام میشود و آن دسته افرادی که با این نرمافزار آشنایی ندارد،
باید هزینه زیادی برای انجام این فصل از پایان نامه به افراد متخصص پرداخت کنند تا کار آن ها انجام دهند.
از جمله کاربردهای نرم افزار آماری SPSS میتوان به موارد زیر اشاره کرد:
تحلیل و آنالیز دادههای وارد شده
انجام تحقیقها و پایان نامههای آماری
ایجاد جدولهای فراوانی و نتیجه گیریهای آماری
تهیه جداول و نمودارهای آماری
بدست آوردن توزیعها و رفتار دادههای وارد شده
بدست آوردن دادههای تصادفی
پردازش انواع رگرسیون
محاسبه انواع آزمونهای آماری
انجام تحلیل واریانسهای یک طرفه، دو طرفه و چند طرفه
ایجاد طرحهای آماری
نرم افزار آماری SPSS برای افرادی که قصد ورود به حوزه علم داده را دارند هم مناسب است؛ چرا که ساخت مدلهای توصیفی، پیش بینانه، استقرار مدلهای مبتنی بر یادگیری ماشین و آمار جز وظایف یک متخصص علم داده است.
میتوان گفت SPSS علاوه بر کاربرد فراوان در حوزههای آماری، تحلیلی و علم داده و استفاده آسان و وجود طیف وسیعی از امکانات در منوی نرم افزار SPSS عاملی برای محبوبیت آن در بین سایر نرم افزارهای آماری شده است،
البته جامع بودن خروجیها، راحتی تبدیل خروجی به فرمتهای دیگر از دیگر مزیتهای این نرم افزار آماری است.
در حال حاضر نسخههای 22 و26 از نرم افزار SPSS قابل نصب در کامپیوتر با ویندوز 10 است؛
در ادامه با نحوه کار کردن با SPSS و پستی و بلندیهای آن و همچنین کاربرد آن در حوزههای مختلف بیشتر آشنا می شویم.
اجزای اصلی و مهم در SPS
هنگام ورود به صفحه اصلی SPSS با صفحه گسترده Data Editor مواجه میشوید که در بالا و پایین این دو نوار وجود دارد؛ نوار بالای صفحه ابزارهای مختلف برای انجام دستورهای مختلف بر طبق نیاز است
و نوار پایین با داشتن دو گزینه Variable View و Data View محل ویرایش و وارد کردن اطلاعات است پرسشنامه در SPSS است.
نوار ابزار که در بالای صفحه قرار دارد، دارای 10 منوی اصلی برای تحلیل پرسشنامه است؛
این منوها عبارتند از: منوی فایل، منوی ویرایش، منوی نمایش، منوی دادهها، منوی تبدیل و انتقال، منوی آنالیز، منوی نمودارها و گرافها، منوی امکانات، منوی ویندو و منوی کمک میباشد هر کدام از این منوها بر حسب نیاز کاربردهای مخصوص خودشان را دارند که در ادامه به آنها اشاره خواهیم کرد.
آشنایی با منو نرم افزار spss
هنگام شروع کار با نرمافزار spss با دو بار کلیک بر روی برنامه آن را باز کنید. در بالای صفحه یک نوار ابزار دیده میشود که به عنوان منوی این نرم افزار معرفی میشود. این منو شامل چند بخش است که در ادامه معرفی شدهاند:
– منوی File
این منو خود شامل چند گزینه میشود. گزینه اول مربوط به بخشی است که شما میتوانيد به پرونده های از قبل ساخته شده دسترسی داشته باشید.
این گزینه همان Open است. گزینه New نیز به شما در ایجاد یک فایل و پرونده جدید جهت آنالیز و تحلیل کمک میکند. گزینه های save و save as هم برای ذخیره فایلها به شما کمک میکنند.
با استفاده از گزینه save as میتوانید نوع خروجی خود را تعیین کنید. گزینه دیگر در این منو گزینه print است که با آن میتوانيد خروجی کار خود را چاپ کنید. علاوه بر اینها گزینه Exit نیز جهت خروج از نرم افزار قرار داده شده است.
– منوی Edit
در منوی Edit برای پاک کردن نوشتهها گزینه clear را انتخاب کنید. حذف پروندهها نیز با کمک گزینه Delete ممکن شده است.
در این منو گزینههای دیگری نیز قرار داده شدهاند که برای کپی کردن و الصاق سند در محلی دیگر به کار میروند. این گزینهها Copy، Cut و Paste در منوی Edit نرم افزار spss هستند.
– منوی View
در ادامه spss چیست، باید گزینههای مختلف این منو را بررسی کنید. از طریق گزینههای آن نمایش حالتهای پنجره های نرم افزار را انتخاب میکنید.
همچنین اگر بخواهید قسمتی از نرم افزار مانند tollbar برای شما نشان داده شود یا مخفی شود، کافی است تیک کنار هر گزینه را فعال کنید.
– منوی Data
در این منو میتوانید با کمک از گزینهها متغیرها را شخصی سازی کنید. برای مثال با استفاده از گزینه Define variable properties میتوان ویژگیهای متغیرها را تعریف کرد.
بهعلاوه با کمک گزینه Sort است که متغیر های تعریف شده، متناسب با الگوریتم های خود مرتب سازی میشوند. برای ترکیب فايل های متنوع ساخته شده در spss ، گزینه Merge Files را انتخاب کنید.
همچنین انتخاب گزینه Weigth cases باعث وزن دادن به مورد یا کیس ها میشود.
– منوی Transform
با کمک منوی Transform است که میتوان متغیر جدید تعریف شده را با استفاده از متغیر های قدیمی و توابع ریاضی محاسبه کرد.
در این منو برای محاسبه متغیر جدید با استفاده از توابع ریاضی باید گزینه Compute انتخاب شود. با استفاده از گزینه Recode کار کد گذاری دوباره داده را انجام دهید.
بهعلاوه برای جایگزین کردن مقادیر جدید به جای مقادیر داده هایی که گم شده اند از گزینه Replace Missing Values استفاده کنید.
– منوی Analyze
منوی Analyze دیگر مبحث spss چیست، میباشد. این منو در واقع قلب نرم افزار به حساب میآید که کار اصلی در این نرم افزار را برعهده دارد.
با کمک از آزمونهای آماری و ریاضی طراحی شده در این منو است که فرضیه های مطرح شده در حین بررسی رد و یا تثبیت میشوند.
– منوی Direct Marketing
کسانی که بخش بازاریابی و بیزینس فعالیت دارند به یادگیری این بخش از منو احتیاج پیدا میکنند. زیرا در پیشرفت به آنها کمک خواهد کرد.
– منوی Graphs
تحلیل هایی که به نمودار احتیاج دارند و یا زمانی که به ویرایش نمودارهای خود نیاز است، منوی Graphs به کمک شما میآید. در این قسمت با گزینه Compare Subgroups میتوان گروه های ساخته شده در این برنامه را با هم مقایسه و مورد بررسی قرار داد.
– منوی Utilities
هر آنچه را که مربوط به استخراج متغیرهاست و از آن ها برای پیشبرد کار استفاده میکنید، در این منو طراحی شدهاند.
چگونه اطلاعات پرسشنامهها را در SPSS وارد کنیم؟
برای وارد کردن اطلاعات پرسشنامهها در نرم افزار SPSS هر یک از پرسش نامهها به عنوان یک نمونه و اطلاعات داخل آن متغیرهایی هستند که هر کدام دارای ماهیتهای متفاوتی است، بعد از باز کردن نرم افزار SPSS با صفحه گستردهای رو به رو میشویم که برای وارد کردن اطلاعات پرسشنامه باید از نوار پایین صفحه قسمت Variable View را انتخاب کرده و شروع به وارد کردن متغیرها شده و با توجه به هدف خواسته شده ماهیت متغیرها را تعیین کنیم.
بعد از وارد کردن متغیرها و اطلاعاتشان، از نوار پایین صفحه گزینه Data View را انتخاب میکنیم، در این صفحه تمام متغیرهای وارد شده در نرم افزار SPSS نشان داده میشود به این صورت که هر ستون از آن مربوط به یک متغیر بوده و هر سطر بیانگر پاسخ شرکت کنندگان در پرسشنامه است؛ باید متذکر شویم که هرگونه اشتباه در وارد کردن اطلاعات در صفحه Variable View باعث میشود در ادامه فرآیند در صفحه Data View هم با مشکل مواجه شوید.
چگونه فایلها را در نرم افزار SPSS مرتب کنیم؟
یک فایل را که حاوی داده است میتوان برحسب نوع متغیرهای آن مرتب کرد؛ برای این کار باید از منو Data گزینه Sort انتخاب شود، پس از انتخاب این دستور در پنجره باز شده از فهرست متغیرهای موجود که در سمت چپ جعبه قرار دارد میتوان متغیر یا متغیرهایی را برای مرتب کردن انتخاب کرد؛ در این حالت متغیرهای موجود در فایل بر اساس متغیر یا متغیرهای انتخاب شده مرتب میشوند. این مرتب کردن میتواند به صورت افزایشی (Ascending) یا کاهشی (Descending) باشد.
متغیرها در نرم افزار آماری SPSS چگونه باید نامگذاری شوند؟
نکاتی باید در نامگذاری متغیرها در نرم افزار SPSS مورد توجه قرار بگیرد، بطور مثال: حتما نام متغیرها باید با حروف شروع شود چون در غیر این صورت برای نرم افزار شناخته شده نخواهد بود، حداکثر نام انتخابی برای هر متغیر باید 64 کاراکتر باشد، هرگز از فاصله در نوشتن نام استفاده نکنید.
میتوانید برای نامگذاری از ترکیب حروف و عدد هم استفاده کنید، در انتهای نامگذاری استفاده از (.) و (_) غیر مجاز است در صورتی که در برچسب میتوانید استفاده کنید، اسامی غیر مجاز مانند All, And, Bye را در نامگذاری به کار نبرید همچنین به یاد داشته باشید که در نامگذاری متغیر حتما از لاتین و در برچسب گذاری از فارسی استفاده کنید.
ادغام متغیرها در SPSS
Add Variable یا ادغام متغیرها در نرم افزار آماری SPSS برای یکی کردن دو فایل در کنار یا زیر یکدیگر انجام میشود که این کار اغلب برای مقایسه کردن دو فایل استفاده میشود؛ نکته ی مهم این جا است که برای ادغام کردن متغیرها باید ماهیت آن ها از یک نوع باشد همچنین نام متغیرها هم نباید یکی باشد، برای این کار باید از نوار بالای صفحه نرم افزار SPSS گزینهی Data را انتخاب کنید سپس از پنجره باز شده بخش Merge File را کلیک کنید.
توجه داشته باشد در ادامه دو گزینه پیش رو دارید که یکی برای ادغام کردن فایلها یا به نوعی نمونه است و دیگری برای ادغام کردن متغیرها استفاده میشود. برای ادامه ی این روند میبایست فایل یا متغیر مورد نظر خود از محل ذخیرهسازی آن انتخاب کنید. فرایند ادغام متغیرها معمولا در مواقعی که محقق با حجم بالایی از داده رو به رو است و تعداد محققین در روند کار زیاد است از دستهبندی و ادغام متغیرها برای تجزیه و تحلیل بهتر استفاده میکنند.
برای انجام تحلیلهای آماری با استفاده از نرم افزار آماری SPSS می توان به جدولهای فراوانی، نمودارهای آماری و مقایسهای و مقایسه شاخصها دست پیدا کرد؛ بدست آوردن قابلیت اطمینان پرسشنامهها، آزمونهای پارامتری مرتبط به میانگین جامعه، سنجش همبستگی بین متغیرها رگرسیون، اکتشاف و خوشه بندی از جمله فرآیندیهایی است که در تحلیل آماری پایان نامه با استفاده از نرم افزار SPSS انجام میشود.
برای انجام هرکدام از آنها با وارد کردن دادههای مورد نظر و انتخاب گزینههای صحیح صورت میگیرد؛ بطور مثال برای تحلیل عاملی اکتشاف با انتخاب Analyze از نوار بالای صفحه نرم افزار در پنجره باز شده گزینهی Descriptive Statistics و سپس Explore را انتخاب میکنیم، این فرآیند برای دادههای کمی که از طرحهای مستقل جمع آوری شدهاند کاربرد دارد.
همچنین این دستور امکان توصیف دادهها به تفکیک گروههای مختلف را فراهم میکند. خلاصه این تحلیلها با استفاده از ابزاری مانند Plot ها و میانگین و فاصلههای تعیین شده بدست میآیند که در نهایت خروجی تحلیل آماری از پرسشنامه را در قالب جدول فراوانی و Plot نمایش میدهد.
چگونه در SPSS خروجی بگیریم؟
بعد از اینکه دستور مورد نظر در SPSS انجام شد، نتایج حاصل در پنجره ای به نام Output view نشان داده میشود؛ این نمایش شامل نتایج و تحلیل تمام دستورات خواسته شده از SPSS است که به صورت جدولهای فراوانی و انواع نمودارها مشخص میشود، در صورت نیاز میتوان از طریق منوی File گزینه Print را برای چاپ فیزیکی نتایج استفاده کرد.
گاهی اوقات برای استفاده از نتایج تحلیلها در نرم افزار آماری SPSS می توان برای تفسیر این خروجیها آنها را نرم افزارهای دیگر مثل Word یا Excel انتقال داد؛ یکی از ساده ترین روشها برای انتقال خروجی در SPSS به Word و Excel استفاده از دستور کپی وPaste است به این صورت که با انتخاب خروجی مورد نظر در پنجره Output و استفاده از کلیک راست یا دکمه Edit دستور Copy Special را انتخاب میکنید.
سپس در برنامه Word یا Excel عملیات Paste را انجام داده یا با استفاده از کلیدهای ترکیبی ctrl+v خروجی در SPSS در محل مورد نظر پیاده میکنید. میتوانید از اطلاعات بدست آمده در خروجی SPSS فایلهای اطلاعاتی بدست آورید که این قابلیت میتواند ورودی برای تحلیلهای بعدی مورد استفاده قرار بگیرد؛ در آینده بیشتر به این موضوع میپردازیم.
می توان گفت امروزه تمام پروژه ها، پایان نامهها و تحقیقها با آمار و ارقام سر و کار دارند به همین دلیل نرم افزار SPSS هم یکی از انتخابهای کارشناسان برای انجام پروژههای آماری خود در حوزههای مختلف است؛ بسیاری از سایتها و افراد هستند که انجام پروژههای آماری در نرم افزار SPSS را برعهده میگیرند اما در این بین باید دقت کرد که چه کسی را برای این کار در نظر میگیرید چرا که با توجه به رشته و گرایش و حوزه کاری استفاده از نرم افزار SPSS هم کاربرد متفاوتی را ارائه میدهد.
نرم افزار SPSS و R
در تجزیه و تحلیلهای آماری نرم افزار SPSS و R استفاده گسترده ای را در اختیار کاربران قرار میدهد؛ البته یادگیری نرم افزار SPSS آسانتر از نرم افزار R است اما خروجی گرفتن در هر دو نرم افزار براحتی انجام میشود، هر چند که هر کدام در حوزهی آماری کاربردهای زیادی دارند اما نرم افزار SPSS را بیشتر به یک نرم افزار آماری و R به عنوان نرم افزاری ایدهآل در حوزه علم داده و برنامه نویسی شهرت دارد.
بهترین نسخه نرم افزار spss کدام است؟
شرکت سازنده spss هر سال و یا هر دو سال یک بار نسخه جدیدی از این نرم افزار را انتشار میکند. نکته مشترک در بین تمام ورژن های این نرم افزار این است که نسخه ها قابلیت جدیدی پیدا کرده و سنگین تر میشوند. تمام نسخه های اصلی spss یک کار اصلی را انجام میدهند و با چند تفاوت جزئی به روز رسانی میشوند.
یادگیری نرم افزار آماری SPSS
اگر بدنبال آموزش و یادگیری نرم افزار SPSS هستید بسیاری از دورهها، ویدیوها و کتابهای آموزشی هستند که میتوانند شما را در فرآیند یادگیری نرم افزار SPSS کمک کنند، اگر به دنبال ویدیوهای آموزشی هستید، سایت مکتب خونه دورههای آموزشی را ارائه داده که میتوانید از آنها استفاده کنید؛ اما اگر بدنبال کتابهای آموزشی هستید کتاب آموزش SPSS نوشته منصور مومنی، مقدمهای بر آمار SPSS در روانشناسی نوشته Dennis Howitt و Duncan Cramer، آموزش جامع SPSS نوشته رضا بهرامی و چندین کتاب دیگر میتوانند کمک کننده شما در این مسیر باشند.
کلام پایانی
دنیای یادگیری نرم افزارها به علت پیشرفت روز به روز تکنولوژی، دنیای وسیع و بیانتهایی است، برای قدم گذاشتن در این دنیا قبل از هر چیزی به دانشی به روز نیاز دارید تا ادامه راه هموارتر شده و به پیشرفت برسید چرا که شروع هرکاری بدون دانش ابتدایی مثل درخت بی ریشه است.
مطالب گفته شده تنها بخشی از نرم افزار SPSS است تا صرفا شما را به یک دید جامع و کلی از این نرم افزار برساند و با کاربردها و جایگاه آن در دنیای نرم افزارها به خصوص نرم افزارهای آماری آشنا کند؛ نرم افزار SPSS رقبای زیادی در حوزه تحلیلهای آماری و داده کاوی دارد مثل:R،Minitab و SAS؛ اما بسته به اینکه هدف چه خواهد بود استفاده نیز متفاوت خواهد شد.
اما نرم افزار SPSS به علت یادگیری آسان و سهولت در کاربرد مورد توجه بسیاری از کاربران قرار می گیرد؛ همانطور که گفته شد این نرم افزار در روش تحقیق، پایان نامه ها و انواع پژوهشهای آماری در رشتههای علوم اجتماعی و روانشناسی، کشاورزی و صنایع مورد استقبال ویژهای قرار میگیرد.
در آخر باید گفت با توجه به وسیع بودن امکانات نرم افزارSPSS و یادگیری آسان آن میشود این نرم افزار را جایگزین دیگر نرم افزارها در امور تحلیل آماری کرد البته اگر فرصت کافی برای یادگیری را نداشته و میخواهید هر چه سریعتر دست به کار شوید.
spss چیست، کاربردهای آن کدامند وجدیدترین نسخه آن کدام است؟
اس پی اس اس یک نرم افزار تحلیلی است که برای انجام تحلیل داده ها به کار می رود.
کاربردهای آن شامل تجزیه و تحلیل آماری، پیش بینی، کاوش داده ه ها و …
spss
از جمله دیگر کاربردهای SPSS می توان به تجزیه و تحلیل آزمایش های طرح تصادفی، طراحی پژوهش،
تحلیل رویکردهای خاص در پژوهش های علمی و تحلیل داده های اقتصادی اشاره کرد.
این نرم افزار قابلیت تحلیل داده های گوناگون از جمله داده های کمی، داده های کیفی و داده های مختلط را داراست.
اس پی اس اس به صورت گسترده در صنایع مختلفی از جمله آموزش، بهداشت، بازاریابی، تحقیقات بازار، جمعیت شناسی و داده کاوی استفاده می شود.
در آموزش، SPSS به عنوان یک ابزار قدرتمند برای تجزیه و تحلیل داده ها، مدیریت داده ها و نمایش داده ها استفاده می شود.
در صنایع بهداشتی، SPSS به عنوان یک ابزار مهم برای تحلیل داده های پزشکی، اپیدمیولوژی و سلامت عمومی استفاده می شود.
در بازاریابی، SPSS به عنوان یک ابزار برای تحلیل داده های بازار و تحلیل رفتار مشتریان استفاده می شود.
در تحقیقات بازار، SPSS به عنوان یک ابزار برای تحلیل داده های تحقیقات بازار و تحلیل رفتار مشتریان استفاده می شود.
در جمعیت شناسی، SPSS به عنوان یک ابزار برای تحلیل داده های جمعیت شناسی، تحلیل توزیع های فراگیر و تحلیل روابط اجتماعی استفاده می شود.
و …
پس یکی از محبوبترین نرمافزارهای آماری است که برای تحلیل دادههای پیچیده استفاده میشود.
ضرورتاً شما هم مانند من، از جملاتی مانند “انجام پایان نامه با SPSS”، “انجام مقاله”، “تهیه پرسشنامه” و “کار آماری”، در سرتاسر اینترنت بسیار شنیده اید.
در این پست، باهم بررسی می کنیم که SPSS در واقع چیست، چه کاربردهایی دارد و بهترین نسخههای آن (ورژن) را با یکدیگر مرور کنیم.
SPSS که مخفف عبارت Statistical Package for the Social Sciences است،
در ابتدا برای تحلیل دادههای اجتماعی توسعه داده شده بود اما امروزه در انواع زیادی از صنایع و حوزههای دیگر نیز مورد استفاده قرار میگیرد.
از جمله قابلیتهای SPSS میتوان به تحلیل رگرسیون، تحلیل عاملی، تحلیل عاملی تأییدی، تحلیل خوشهبندی، تحلیل مولفههای اصلی، تحلیل تجزیه و تحلیل خطی چندگانه اشاره کرد.
بطور خلاصه یک برنامه یا نرم افزار ویندوز است که اطلاعات مختلف (مثلا اطلاعات یک پرسشنامه) را دریافت می کند، تحلیل می کند و جدول و نمودار برای آنها تهیه می کند.
spss یه برنامهی ویندوزی هست که مثل یه دکتر مغز و اعصاب، اطلاعات پرسشنامهها رو تحلیل میکنه و به اونا تزریق میکنه
تا جدول و نمودار واسه اونها بسازه. بعد با این اطلاعات میتونید به راحتی زندگیتون رو بهبود ببخشید، چیزی که دکتر مغز و اعصاب نمیتونه بهتون بده. 😉
خستین نسخهٔ این نرمافزار در سال ۱۹۶۸ پس از تأسیس «نرمن نی» منتشر شد،
که سپس به یک کارشناس ارشد علوم سیاسی در در دانشگاه استانفورد، و اکنون استاد محقق در دانشکدهٔ علوم سیاسی دانشگاه استانفورد و استاد بازنشستهٔ علوم سیاسی در دانشگاه شیکاگو بوده است.
کمپانی سازنده ی این نرم افزار در ۲۸ جولای ۲۰۰۹ توسط شرکت IBM خریداری شد
و شرکت IBM نام جدید PASW را بر آن نهاد که مخفف Predictive Analytics SoftWare بود.
به شکلی عجیب اما دوباره در نسخه ۱۹ شرکت IBM تصمیم گرفت نام SPSS Statistics را برای ان انتخاب کند.
نخستین نسخهٔ این نرمافزار در سال ۱۹۶۸ پس از تأسیس «نرمن نی» منتشر شد،
که سپس به یک کارشناس ارشد علوم سیاسی در در دانشگاه استانفورد،
و اکنون استاد محقق در دانشکدهٔ علوم سیاسی دانشگاه استانفورد و استاد بازنشستهٔ علوم سیاسی در دانشگاه شیکاگو بوده است.
کمپانی سازنده ی این نرم افزار در ۲۸ جولای ۲۰۰۹ توسط شرکت IBM خریداری شد و شرکت IBM نام جدید PASW را بر آن نهاد که مخفف Predictive Analytics SoftWare بود.
به شکلی عجیب اما دوباره در نسخه ۱۹ شرکت IBM تصمیم گرفت نام SPSS Statistics را برای ان انتخاب کند.
معرفی آخرین ورژن ها و بهترین ورژن اس پی اس اس
شرکت آی بی ام تقریبا هر ساله یا هر دوسال یک بار اقدام به انتشار یک نسخه جدید از اس پی اس اس می کند.
نکته مشترک در اکثر نسخه ها این است که با جدیدتر شدن ورژن، نرم افزار قابلیت های جدیدی پیدا می کند اما سنگین تر می شود.
تمام ورژن های اس پی اس اس همان کار اصلی را انجام می دهند با تفاوت های جزئی و نه چندان ملموس که در هر نسخه جدید اضافه می شود.
تجربه چندین ساله بنده به همراه چند جستجوی ساده در وب سایت های خارجی به شما می گوید که در حال حاضر بهترین ورژن اس پی اس اس همان نسخه 26 است.
در حال حاضر جدیدترین ورژن اس پی اس اس همان نسخه 2023 یا spss 29 است
از جمله امکانات اضافه شده به آن، هوشمندتر شدن در زمینه ایمپورت یا وارد کردن اطلاعات اولیه به نرم افزار است.
از اینجا می توانید نسخه Spss29 را تهیه کنید و از آن لذت ببرید!
با ما همراه باشید
آموزش ها ادامه دارد
راستی این مقاله چصور بود؟ نظرتان را در زیر بنویسید و ما را دلگرم کنید!
با توسعه فناوری و افزایش دانش، ابزارهای نوینی برای جمعآوری، توصیف، تحلیل، انتقال و ارائه اطلاعات توسط دانشپژوهان تولید شدهاند.
به عبارت دیگر، روشهای تحقیق نیز در حال تکامل و توسعه هستند. بنابراین، آگاهی یافتن از روشهای تحقیق و انجام تحلیلهای آماری ضروری است برای محققان، استادان و دانشجویان.
پژوهشگر برای پاسخگویی به مسئله تدوین شده و یا تصمیمگیری در مورد رد یا تایید فرضیه یا فرضیاتی که برای تحقیق در نظر گرفته است، از روشهای مختلف تجزیه و تحلیل استفاده میکند. همانطور که میدانید، هر مسئله نیازمند شیوه مطالعه و تحقیق خود را دارد.
بخش عمدهای از فعالیتهای علمی دانشجویان در دورههای تحصیلات تکمیلی، کارشناسی ارشد و دکتری، به انجام تحقیقات علمی و ارائه آنها به صورت گزارش، سمینار، پایاننامه و مقاله مربوط میشود. در این مطلب به طور خلاصه به بررسی و شرح بخشی از فرآیند تحقیق در زمینه تحلیل دادهها و روشهای آماری میپردازیم. همچنین با روشهای انجام تجزیه و تحلیل آماری آشنا خواهید شد. از آنجا که بیشتر پژوهشهای انجام شده در دانشگاهها جنبه کمی دارند، بنابراین یادگیری روشهای آماری، به ویژه آمار استنباطی، توصیه میشود. بدیهی است که برای این کار لازم است که دانشجویان و علاقمندان به یادگیری، نحوه استفاده از نرمافزارهای آماری و به ویژه انجام تحلیل آماری با SPSS اقدام کنند. برای یادگیری کار با این نرمافزار، لطفاً مقاله آموزش تحلیل آماری با SPSS را مطالعه فرمایید. در پایان این نوشتار، به معرفی آزمونهای آماری، آزمونهای پارامتریک و آزمونهای ناپارامتریک خواهیم پرداخت.
آمار توصیفی: آمار توصیفی به توضیح و تحلیل دادهها پرداخته و میتواند به ترتیب ارقامی بدون معنی که از آمار استفاده میشود، اطلاعات را معنادار کند تا اهداف پژوهشی و تحقیقات برآورده شوند. این به معنای اساسی هر مطالعه و پژوهش است که تمامی فعالیتهای تحقیقی را تا رسیدن به یک نتیجه، کنترل و هدایت میکند. نحوههای مختلف تجزیه و تحلیل برای دستیابی به پاسخگویی به مسئله تدوین شده و یا تصمیمگیری در مورد رد یا تایید فرضیه یا فرضیاتی که برای تحقیق در نظر گرفته شده است، استفاده میشود. به عبارت دیگر، هر مسئله نیازمند شیوه مطالعه و تحقیق خود است.
عناصر اساسی در تجزیه و تحلیل دادهها:
دادههای جمعآوری شده باید با دقت جمعآوری و ثبت شوند.
دادههای نقدی که توسط آمار معنادار میشوند، باید تجزیه و تحلیل شوند. (بازبینی دادههای جمعآوری شده)
باید اطمینان حاصل شود که دادههای جمعآوری شده به صحت و کیفیت مطلوب رسیدهاند.
دادههای جمعآوری شده را در قالب و فرمت یکنواخت ذخیره کنید.
در صورت وجود سوالات بدون پاسخ، باید آنها تکمیل شوند.
اگر پاسخهای سوالات با یکدیگر سازگار نیستند، علت این موضوع باید بررسی شود و پرسشنامه اصلاح شود.
پس از در دست داشتن دادههای صحیح و با کیفیت، اقدام به استفاده از آمار و انجام تجزیه و تحلیل خواهیم نمود.
مراحل کنگره دادهها: الف) مراحل کردن و تنظیم دادهها ب) کدگذاری دادهها ج) سازماندهی دادهها مراحل کردن و تنظیم دادهها: برای تحلیل دادهها، دادههای جمعآوری شده را میبایست انجام کدینگ و تنظیم دهیم، به شکلی که دادههای نقدی را مشخص و مرتب کنیم. روشهای تحلیل آماری در برابر دادههای نقدی انجام میشود. روشهای تحلیل آماری را میتوان به دو شاخه توصیفی و استنباطی تقسیم کرد.
آمار توصیفی: آمار توصیفی به توضیح و تحلیل دادهها پرداخته و میتواند به ترتیب ارقامی بدون معنی که از آمار استفاده میشود، اطلاعات را معنادار کند تا اهداف پژوهشی و تحقیقات برآورده شوند. این به معنای اساسی هر مطالعه و پژوهش است که تمامی فعالیتهای تحقیقی را تا رسیدن به یک نتیجه، کنترل و هدایت میکند. نحوههای مختلف تجزیه و تحلیل برای دستیابی به پاسخگویی به مسئله تدوین شده و یا تصمیمگیری در مورد رد یا تایید فرضیه یا فرضیاتی که برای تحقیق در نظر گرفته شده است، استفاده میشود. به عبارت دیگر، هر مسئله نیازمند شیوه مطالعه و تحقیق خود است.
شاخصهای تمایل مرکزی: • میانگین: متوسط حسابی یک مجموعه دادهها میباشد. • نما: مقداری است که بیشترین تکرار را در مجموعه دادهها دارد. • میانه: عددی است که در وسط دادهها قرار دارد. • چارکها: چارک و صدکها مهم هستند، اما به طور کلی صدکها در مورد مجموعههای بزرگ به کار میروند.
شاخصهای پراکندگی: شاخصهای پراکندگی نشاندهنده میزان پراکندگی یا تغییراتی که در بین دادههای یک توزیع (نتایج تحقیق) وجود دارد، هستند. این شاخصها مهم هستند زیرا نشان میدهند که آیا دادهها دارای تنوع زیادی هستند یا خیر.
مثالهایی از شاخصهای پراکندگی: • واریانس: میزان انحراف اعداد از میانگین را نشان میدهد. واریانس بزرگتر به معنای تنوع بیشتر در دادهها است. • انحراف معیار: از این شاخص برای اندازهگیری انحراف اعداد از میانگین استفاده میشود. • دامنه: اختلاف بین حداکثر و حداقل دادهها را نشان میدهد. دامنه بزرگتر به معنای تنوع بیشتر است.
شاخصهای چولگی و کشیدگی: • چولگی: میزان شیب و تنگی توزیع دادهها را نشان میدهد. چولگی مثبت نشاندهنده دارا بودن دادههای بیشتر در یک طرف توزیع است و چولگی منفی نشاندهنده توزیع دادهها در طرف دیگر است. • کشیدگی (Kurtosis): اندازهگیری شکل و تیزی یا تخمین از فراوانی دادهها در دمایهای توزیع است. کشیدگی بزرگتر نشاندهنده دارا بودن دادههای زیاد در مرکز توزیع و کشیدگی کمتر نشاندهنده توزیع دادهها در دمایهای بیرونی توزیع است.
آمار استنباطی: آمار استنباطی به تفسیر، تحلیل و برداشت نتایج بر اساس نمونهگیری از یک جمعیت بزرگتر میپردازد. این نمونهگیری به این دلیل انجام میشود که ممکن است تحلیل کل جمعیت زمانبر و گرانقیمت باشد. از طریق نمونهگیری، اطلاعات زیادی از جمعیت به دست میآید و بر اساس آن نتایج برآورده میشود. در آمار استنباطی، از مفاهیمی مانند اطمیناناندازهگیری، تست فرضیهها، اندازهگیری خطا و اعتبارسنجی استفاده میشود.
مثالهایی از آمار استنباطی: • اندازهگیری اطمینان: میزان قطعیت و اعتماد ما به نتایج به دست آمده از نمونهگیری. • تست فرضیهها: بررسی فرضیههایی که در مطالعه ارائه شده و تصمیمگیری در مورد رد یا تایید آنها. • اندازهگیری خطا: تخمین خطاهای ممکن در نتایج به دست آمده از نمونهگیری. • اعتبارسنجی: بررسی اعتبار و صحت نتایج و مطالعات با استفاده از روشهای مختلف.
خواص شاخص های پراکندگی -شاخصهای پراکندگی مخصوص داده های کمی می باشد . – در شاخصهای پراکندگی همیشه عددی مثبت محاسبه می شود . -حداقل شاخصهای پراکندگی صفر می باشد و آن هنگامی است که همه داده ها برابر می باشند. برخی از مهمترین شاخص های پراکندگی عبارتند از: • دامنه تغییرات • واریانس • انحراف معیار • ضریب تغییر یا تعیین شاخص های چولگی شاخصی است که از نظر گرافیکی تقارن و یا عدم تقارن در مجموعه دیتا ها را نمایش می دهد و تقارن همیشه نسبت به میانگین است. شاخص های کشیدگی(Kurtosis) این شاخص مانند واریانس و انحراف معیار راجع به جمع شدن شکل یا پهن بودن شکل است. آمار استنباطی چیست؟ در بیشتر فعالیت های آماری جمع آوری، تنظیم و ارائه ی یافته ها و یا تعیین آماره ها کفایت نمی کند ، بلکه لازم است بر اساس این اطلاعات جمع آوری و تنظیم شده ، تجزیه و تحلیل و استنباط هایی برای تبیین و تصمیم گیری صورت گیرد .این بخش از آمار که به تحلیل ، تفسیر و تعمیم نتایج حاصل از تنظیم و محاسبه ی مقدماتی اماری تکیه دارد ، آمار استنباطی خوانده می شود .با استفاده از روش های امار استنباطی می توان مشخصات جامعه ی اماری را از روی نمونه ها استنباط کرد. ویژگی آمار تحلیلی یا استنباطیAnalytic Statistics • آمار تحلیلی به معنای تعمیم نتایج نمونه به جامعه است. • در آمار تحلیلی مفهوم ضریب اطمینان حائز اهمیت است. • ضریب اطمینان رایج در تحقیقات علوم پزشکی ۹۵% است. • بطور استثناء در موارد کم اهمیت تر از ضریب اطمینان ۹۰% و در مواردی که اهمیت زیادی دارد از ضریب اطمینان ۹۹% استفاده می شود. آمار استنباطی و آزمون فرضیه ها: بعد از توصیف متغیرها وپاسخهای بدست آمده از جامعه آماری در این بخش به بررسی فرضیه های مطرح شده و آزمون آماری مورد استفاده در پژوهش پرداخته شده است به بیان دیگر به تحلیل یافته های بدست آمده پرداخته میشود تا از نظر آماری نیز بتوان صحت و سقم فرضیات را مورد بررسی قرار داد. برای اینکه آزمون آماری مناسب، مورد استفاده در پژوهش را به درستی انتخاب کنید لطفا مقالات انتخاب صحیح آزمون های آماری را مطالعه فرمایید. آزمونهای آمار استنباطی به دو گروه تقسیم میشوند. 1. پارامتری: به تجزیه و تحلیل اطلاعات در سطح مقیاس فاصلهای و نسبی میپردازند که حداقل شاخص آماری آنها میانگین (Mean) و واریانس (Variance) است. 2. آزمونهای ناپارامتری : به تجزیه و تحلیل اطلاعات در سطح مقیاس اسمی و رتبهای میپردازند که شاخص آماری آنها میانه (Median) و نما (Mode) است. آزمونهای پارامتریک • آزمون t تک نمونه • آزمون t وابسته • آزمون t دو نمونه مستقل • آزمون t ولچ • آزمون t هتلینگ • تحلیل واریانس (ANOVA) • تحلیل واریانس چندعاملی (MANOVA) • تحلیل کوواریانس چندعاملی (MANCOVA) آزمونهای ناپارامتریک • آزمون علامت تک نمونه • آزمون علامت زوجی • ویلکاکسون • من-ویتنی • کروسکال-والیس • فریدمن • کولموگروف-اسمیرنف • آزمون تقارن توزیع • آزمون میانه • مک نمار • آزمون Q کوکران • ضریب همبستگی اسپیرمن تحلیلهای انجام گرفته در موسسه همیار پروژه دارای ویژگیهای زیر می باشد: • انجام تمام تحلیل های موجود • توضیح و تفسیر کامل برون دادها • ارائه مشاوره در حین تحلیل • استفاده از نرم افزارهای متنوع • بررسی نهایی تحلیل آماری • انجام انواع مختلف پروژه های آماری و تحلیل پایان نامه ها • انجام سفارشات تجزیه و تحلیل آماری داده های آماری بدست آمده از پرسشنامه • اطلاعات حاصل از آزمایشات و تحقیقات علمی و آنالیز آماری آنها • اجرای انواع آزمونها و روشهای آماری (اعم از آزمونهای پارامتری و ناپارامتریک) • و…
شاخصهای پراکندگی مخصوص دادههای کمی هستند و همیشه اعداد مثبت محاسبه میشوند. حداقل شاخصهای پراکندگی صفر است که در صورتی اتفاق میافتد که همه دادهها برابر باشند. این شاخصها از اهمیت زیادی برخوردارند و در تحلیل دادهها و اندازهگیری تغییرات مفید هستند. در ادامه به بررسی ویژگیهای آمار استنباطی و آزمونهای آماری پرداخته و تحلیلهایی که در موسسه همیار پروژه انجام میدهند، معرفی میشوند.
آمار استنباطی: آمار استنباطی به تفسیر، تحلیل و برداشت نتایج بر اساس نمونهگیری از یک جمعیت بزرگتر میپردازد. این نمونهگیری به این دلیل انجام میشود که ممکن است تحلیل کل جمعیت زمانبر و گرانقیمت باشد. از طریق نمونهگیری، اطلاعات زیادی از جمعیت به دست میآید و بر اساس آن نتایج برآورده میشود. در آمار استنباطی، از مفاهیمی مانند اطمیناناندازهگیری، تست فرضیهها، اندازهگیری خطا و اعتبارسنجی استفاده میشود.
آزمونهای آماری: آزمونهای آماری به دو گروه تقسیم میشوند: پارامتریک و ناپارامتریک.
آزمونهای پارامتریک از تجزیه و تحلیل اطلاعات در سطح مقیاس فاصلهای و نسبی میپردازند که حداقل شاخص آماری آنها میانگین و واریانس است. برخی از آزمونهای پارامتریک عبارتند از:
آزمون t تک نمونه
آزمون t وابسته
آزمون t دو نمونه مستقل
آزمون t ولچ
تحلیل واریانس (ANOVA)
تحلیل واریانس چندعاملی (MANOVA)
تحلیل کوواریانس چندعاملی (MANCOVA)
آزمونهای ناپارامتریک به تجزیه و تحلیل اطلاعات در سطح مقیاس اسمی و رتبهای میپردازند که شاخص آماری آنها میانه و نما است. برخی از آزمونهای ناپارامتریک عبارتند از:
تجزیه و تحلیل آماری ابزاری قدرتمند است که کسب و کارها و سازمانها، مراکز تحقیقاتی از آن برای استخراج معنا از دادهها و هدایت تصمیمگیری استفاده میکنند. انواع مختلفی از تکنیکهای تجزیه و تحلیل آماری وجود دارد که میتواند برای طیف گستردهای از دادهها، صنایع و برنامهها استفاده شود. تجزیه و تحلیل آماری شامل جمعآوری، سازماندهی و تجزیه و تحلیل دادهها بر اساس اصول ثابت شده برای شناسایی الگوها و روندها است. این یک رشته گسترده با برنامههای کاربردی در دانشگاه، کسب و کار، علوم اجتماعی، ژنتیک، مطالعات جمعیت، پزشکی، مهندسی و چندین زمینه دیگر میباشد.
به عبارتی تحلیل آماری عبارتست از گزارشی شامل جداول و نمودارهای آماری و تحلیل و تفسیر آنها، به گونه ای که تصویری روشن و توصیفی از داده ها و هم چنین استنباط های حاصل از استخراج نکات کلیدی و مدیریتی از داده ها ارائه می دهد.
روند تجزیه و تحلیل اطلاعات
در تجزیه و تحلیل آماری چندین مرحله وجود دارد اما در این قسمت به پنج مرحله مهم اشاره خواهیم کرد:
1- انتخاب جامعه هدف
جامعه آماری عبارتست از مجموعه تمام افراد، گروهها، اشیاء و یا رویدادهایی که دارای یک یا چند ویژگی مشترک باشند. تعداد اعضای جامعه را حجم یا اندازه جامعه مینامند و با حرف بزرگ N نشان میدهند.
2- انتخاب حجم نمونه
نمونه آماری گروه کوچکتری از جامعه است که طبق ضابطهای معین برای مشاهده و تجزیه و تحلیل انتخاب میشود و باید معرف جامعه باشد. نتایج نمونه ای را که معرف جامعه نباشد نمیتوان به جامعه تعمیم داد. تعداد اعضای نمونه را با حرف کوچک n نشان می دهند.
3- تمیز سازی داده( data cleaning)
پاکسازی داده ها (Data cleaning)، شامل شناسایی و رفع خطاهای احتمالی دادهها برای بهبود کیفیت آنهاست. در این فرآیند، شما دادههای «کثیف» را شناسایی، بررسی، تجزیه و تحلیل، اصلاح یا حذف میکنید تا مجموعه دادههای خود را پاکسازی کنید. دادههای کثیف به معنی ناهماهنگیها و خطاها هستند که میتوانند از هر بخش فرآیند تحقیق، مانند طراحی ضعیف، اندازه گیری غلط، ورود دادههای ناقص و… به دست آیند.
4- تجزیه و تحلیل داده ها
از آنجا که دادهها هر لحظه برجستهتر میشوند، سازمانها نیز عملکردهایی مبتنی بر داده محوری را پیش میگیرند. این میان، تجزیه و تحلیل داده، به معنای اتخاذ روشهایی برای جمعآوری اطلاعات بیشتر است. سپس این دادهها مرتب شده، ذخیره میشوند و مورد تجزیه و تحلیل قرار میگیرند تا اطلاعات منطقی و ارزشمندی بدست آید. تجزیه و تحلیل دادهها فرایند پیشرفت کار را ممکن و البته تسهیل میکند.
تجزیه و تحلیل دادهها شامل آنالیز مجموعه دادهها برای شناسایی الگوها، روندها و روابط با استفاده از تکنیکهای آماری، مانند تجزیه و تحلیل آماری استنباطی و توصیفی است. شما میتوانید از نرمافزارهای رایانهای مانند صفحات گسترده برای خودکار کردن این فرآیند و کاهش احتمال خطای انسانی در روند تجزیه و تحلیل آماری استفاده کنید. این امر میتواند به شما امکان تجزیه و تحلیل موثر دادهها را بدهد.
5- تفسیر نتایج
آخرین مرحله تفسیر دادهها است، که نتایج قطعی در مورد هدف تجزیه و تحلیل ارائه میدهد. پس از تجزیه و تحلیل، میتوانید نتیجه را به صورت نمودار، گزارش، کارت امتیاز و داشبورد ارائه دهید تا در اختیار افراد غیر حرفهای قرار گیرد. به عنوان مثال، تفسیر تجزیه و تحلیل تأثیر کارخانهای دارای ۶۰۰۰ کارگر بر میزان جرم و جنایت در یک شهر کوچک با ۱۳۰۰۰ نفر جمعیت، میتواند میزان نزولی فعالیتهای جنایی را نشان دهد. برای نمایش این کاهش میتوانید از نمودار خطی استفاده کنید.
به صورت کلی دو نوع تجزیه و تحلیل داده اصلی وجود دارد: توصیفی و استنباطی(تحلیلی). هر یک از این انواع اهداف و نقشهای خاص خود را در روند تجزیه و تحلیل دادهها دارند. در ادامه هر کدام از آنها را به صورت جداگانه بررسی خواهیم کرد:
آمار توصیفی
در این نوع تجزیه و تحلیل، اگر تجزیه و تحلیل به صورت کمّی باشد، پژوهشگر دادههای جمعآوری شده را با استفاده از شاخصهای آماری توصیفی، خلاصه و طبقهبندی میکند. بهعبارت دیگر، در تجزیه و تحلیل توصیفی پژوهشگر ابتدا دادههای جمعآوری شده را با تهیه و تنظیم جدول توزیع فراوانی خلاصه میکند و سپس به کمک نمودار آنها را نمایش میدهد و سرانجام، با استفاده از سایر شاخصهای آمار توصیفی آنها را خلاصه میکند. مهم ترین شاخصهای آمار توصیفی که کاربرد زیادی دارند عبارتاند از: میانگین، میانه و انحراف استاندارد.ولی اگر تجزیه و تحلیل کیفی باشد، در تحلیل توصیفی چگونگی صفات هر یک از متغیرهای موجود، در تحلیل تشریح میشود.
آمار تحلیلی
آمار تحلیلی یا استنباطی برای مطالعه رابطه میان متغیرها در دادهها استفاده میشود. از این آمارها برای پیشبینی، نتیجهگیری یا تعمیم نتایج به کل جامعه آماری استفاده میشود. در تحلیل استنباطی نمونه کوچکی از دادهها گرفته میشود و نتایج آن برای جامعه هدفی بزرگتر استفاده میشود.
ابزارهای لازم برای انجام تحلیل آماری
یکی از ابزارهای اصلی مورد نیاز برای انجام و نگارش تحلیل آماری، نرم افزار آماری است. و تصور “تحلیل آماری” بدون استفاده از نرم افزارهای آماری غیر ممکن است. زیرا برای تجزیه و تحلیل داده ها نیاز به عملیات های آماری خاصی است که محاسبات آن به صورت دستی غیر ممکن یا بسیار سخت و زمان بر می باشد.
تجزیه و تحلیل آماری توصیفی شامل جمع آوری، تفسیر، تجزیه و تحلیل و خلاصه کردن داده ها برای ارائه آنها در قالب نمودارها، نمودارها و جداول است. به جای نتیجه گیری، به سادگی خواندن و درک داده های پیچیده را آسان می کند.
آمار توصیفی ساده ترین شکل تحلیل آماری است که از اعداد برای توصیف کیفیات یک مجموعه داده استفاده می کند. این به کاهش مجموعه داده های بزرگ به اشکال ساده و فشرده تر برای تفسیر آسان کمک می کند. میتوانید از آمار توصیفی برای خلاصه کردن دادههای یک نمونه استفاده کنید یا یک نمونه کامل را در یک جامعه پژوهشی نشان دهید. آمار توصیفی از ابزارهای تجسم دادهها مانند جداول و نمودارها برای آسانتر کردن تحلیل و تفسیر استفاده میکند. اما آمار توصیفی برای نتیجه گیری مناسب نیست. این فقط می تواند داده ها را نشان دهد بنابراین شما می توانید ابزارهای تحلیل آماری پیچیده تری را برای استنتاج استفاده کنید.
آمار توصیفی می تواند از معیارهای گرایش مرکزی استفاده کند که از یک مقدار واحد برای توصیف یک گروه استفاده می کند. میانگین، میانه و مد برای به دست آوردن مقدار مرکزی برای یک مجموعه داده معین استفاده می شود. به عنوان مثال، می توانید از تجزیه و تحلیل آماری توصیفی برای یافتن میانگین سنی رانندگان دارای بلیت در شهرداری استفاده کنید. آمار توصیفی نیز می تواند اندازه گیری پراکندگی را پیدا کند. به عنوان مثال، شما می توانید محدوده سنی رانندگان با DUI و تصادفات رانندگی در یک ایالت را پیدا کنید. تکنیک های مورد استفاده برای یافتن اندازه گیری پراکندگی شامل محدوده، تنوع و انحراف استاندارد است.
تحلیل آماری استنباطی بر نتیجه گیری معنادار بر اساس داده های تحلیل شده تمرکز دارد. رابطه بین متغیرهای مختلف را مطالعه می کند یا برای کل جمعیت پیش بینی می کند.
تجزیه و تحلیل آماری استنباطی برای استنباط یا نتیجهگیری در مورد یک جمعیت بزرگتر بر اساس یافتههای یک گروه نمونه در آن استفاده میشود. این می تواند به محققان کمک کند تا تمایز بین گروه های حاضر در یک نمونه را پیدا کنند. از آمار استنباطی نیز برای تأیید تعمیمهای انجام شده در مورد یک جامعه از یک نمونه استفاده میشود، زیرا توانایی آن در محاسبه خطاها در نتیجهگیری در مورد بخشی از یک گروه بزرگتر است.
برای انجام تحلیل آماری استنباطی ، محققان پارامترهای جامعه را از نمونه تخمین می زنند. آنها همچنین می توانند یک آزمون فرضیه های آماری را انجام دهند تا به فاصله اطمینانی برسند که تعمیم های انجام شده از نمونه را تأیید یا رد کند.
3-2- تجزیه و تحلیل پیشگویانه (Predictive analysis)
تحلیل آماری پیشبینیکننده نوعی تحلیل آماری است که دادهها را برای استخراج روندهای گذشته و پیشبینی رویدادهای آینده بر اساس آنها تجزیه و تحلیل میکند. برای انجام تجزیه و تحلیل آماری داده ها از الگوریتم های یادگیری ماشین، داده کاوی، مدل سازی داده و هوش مصنوعی استفاده می کند.
تجزیه و تحلیل پیشگو شاخه ای از هوش تجاری است زیرا بسیاری از سازمان ها با فعالیت در بازاریابی، فروش، بیمه و خدمات مالی برای انجام برنامه های بلندمدت به داده ها متکی هستند. توجه به این نکته مهم است که تحلیل پیشبینیکننده فقط میتواند پیشبینیهای فرضی انجام دهد و کیفیت پیشبینیها به دقت مجموعه دادههای زیربنایی بستگی دارد.
4-2- تحلیل پرسپکتیو (Prescriptive analysis)
تجزیه و تحلیل تجویزی تجزیه و تحلیل داده ها را انجام می دهد و بر اساس نتایج بهترین اقدام را تجویز می کند. این یک نوع تجزیه و تحلیل آماری است که به شما در تصمیم گیری آگاهانه کمک می کند.
تحلیل آماری تجویزی به سازمان ها کمک می کند تا از داده ها برای هدایت فرآیند تصمیم گیری خود استفاده کنند. شرکت ها می توانند از ابزارهایی مانند تجزیه و تحلیل گراف، الگوریتم ها، یادگیری ماشینی و شبیه سازی برای این نوع تحلیل استفاده کنند. تجزیه و تحلیل تجویزی به کسب و کارها کمک می کند تا بهترین انتخاب را از چندین دوره اقدام جایگزین داشته باشند.
5-2- تجزیه و تحلیل داده های اکتشافی (Exploratory data analysis)
تجزیه و تحلیل اکتشافی شبیه به تحلیل استنباطی است، اما تفاوت آن در این است که شامل بررسی ارتباط داده های ناشناخته است. روابط بالقوه درون داده ها را تحلیل می کند.
تجزیه و تحلیل داده های اکتشافی تکنیکی است که دانشمندان داده برای شناسایی الگوها و روندها در یک مجموعه داده استفاده می کنند. آنها همچنین می توانند از آن برای تعیین روابط بین نمونه ها در یک جامعه، اعتبار سنجی مفروضات، آزمون فرضیه ها و یافتن نقاط داده از دست رفته استفاده کنند. شرکت ها می توانند از تجزیه و تحلیل داده های اکتشافی برای ایجاد بینش بر اساس داده ها و اعتبارسنجی داده ها برای خطاها استفاده کنند.
6-2- تحلیل علّی (Causal analysis)
تحلیل آماری علی بر تعیین رابطه علت و معلولی بین متغیرهای مختلف در دادههای خام متمرکز است. به عبارت ساده، علت وقوع یک اتفاق و تأثیر آن بر سایر متغیرها را مشخص می کند. این روش می تواند توسط مشاغل برای تعیین دلیل شکست استفاده شود.
تحلیل علّی از داده ها برای تعیین علت یا علت اتفاق افتادن چیزها به روشی که انجام می دهند استفاده می کند. این بخشی جدایی ناپذیر از تضمین کیفیت، بررسی حادثه و سایر فعالیتهایی است که هدف آنها یافتن عوامل زمینهای است که منجر به یک رویداد شده است. شرکت ها می توانند از تحلیل علی برای درک دلایل یک رویداد استفاده کنند و از این درک برای هدایت تصمیمات آینده استفاده کنند.
آمار انجمنی ابزاری است که محققان برای پیشبینی و یافتن علت استفاده میکنند. آنها از آن برای یافتن روابط بین چندین متغیر استفاده می کنند. همچنین برای تعیین اینکه آیا محققین می توانند استنباط و پیش بینی در مورد یک مجموعه داده از ویژگی های مجموعه دیگری از داده ها داشته باشند یا خیر استفاده می شود. آمار انجمنی پیشرفته ترین نوع تجزیه و تحلیل آماری است و به ابزارهای نرم افزاری پیچیده برای انجام محاسبات ریاضی سطح بالا نیاز دارد. برای اندازه گیری ارتباط، محققان از طیف وسیعی از ضرایب تغییرات، از جمله تحلیل همبستگی و رگرسیون استفاده می کنند.
فرض صفر (Null Hypothesis) در آمار و تحلیل آماری، یک فرضیهی متداول است که معمولاً برای آزمایش فرضیات و تحلیلهای آماری استفاده میشود.
این فرضیه معمولاً اینگونه بیان میشود که هیچ تفاوت یا تأثیر معنیداری بین متغیرها یا گروههای مورد مطالعه وجود ندارد.
به طور رسمی، فرض صفر با علامت �0H0 نمایش داده میشود. مثالی از فرض صفر میتواند به صورت زیر باشد:
�0:میانگین افراد گروه A = میانگین افراد گروه BH0:میانگین افراد گروه A = میانگین افراد گروه B
در این مثال، فرض صفر مدعی است که میانگین دو گروه (گروه A و گروه B) با یکدیگر برابر است و هیچ تفاوت معنیداری بین آنها وجود ندارد.
هدف اصلی از آزمون فرض، اثبات یا رد فرض صفر است. اگر پس از تحلیل دادهها، متوجه شویم که فرض صفر رد میشود، این به معنی این است که دلیلهای کافی برای تصدیق این که تفاوت یا تأثیر معنیداری وجود دارد، فراهم شده است.
در مقابل، اگر نتایج نشان دهند که فرض صفر تایید میشود، این به این معنی است که تا این لحظه دلایل کافی برای رد کردن آن وجود ندارد.
ما در این سایت پرسشنامه های استاندارد (دارای روایی، پایایی، روش دقیق نمره گذاری ، منبع داخل و پایان متن ) ارائه می کنیم و همچنین تحلیل آماری کمی و کیفی رابا قیمت بسیار مناسب و کیفیت عالی و تجربه بیش از 17 سال انجام می دهیم. برای تماس به ما به شماره 09143444846 در شبکه های اجتماعی پیام بفرستید. ایمیلabazizi1392@gmail.com
تمامی حقوق مادی و معنوی این سایت متعلق به لنسرسرا و محفوظ است.
این سایت دارای مجوز می باشد