زهره محبی
04-23-2010, 06:43 PM
پيشگفتار:
امروزه در انجام تحقيقات،در كنار روشهاي مختلف تحقيق و نمونه گيري و سرشماري و...؛بحث بررسي و توصيف داده هاي جمع آوري شده به نحوي مطلوب و سريع و آسان مطرح است.در همين راستا دانشمندان علوم رايانه و آمار نرم افزارهاي مختلفي به بازار كار تزريق كرده اند تا بنحوي مشكل تحليل داده ها را به صورت دستي كه بسيار وقت گير و پرهزينه و حتي پر از اشتباهات و خطا هاست را حل نمايند.
در حال حاضر هر علمي كه مي خواهد در مسير تعالي و پيشرفت قرار گيرداز علوم انساني و تجربي گرفته تا علوم رياضي شامل محض و كاربردي ها ناگزير استفاده از آمار مي باشند.اگر مطالعه اي بر روي كشورهاي صنعتي جهان داشته باشيم به اهميت علم آمار و تفاسير آماردانان از گوشه به گوشه زندگي خرد و كلان آنها پي خواهيم برد.
در كشورهاي غربي هيچ كاري را بدون بررسي و تحقيق مقدماتي انجام نمي دهند.البته اين تحقيقات بايد بوسيله محققان و آماردانان قوي و مسلط انجام شود.به هر حال در اين جا مجال بحث و بررسي علم آمار نيست بلكه مي خواهيم يكي از نرم افزارهاي آماري را كه امروزه در سطح دانشگاهها و مراكز علمي و تحقيقاتي استفاده و كاربرد زيادي در بين دانشجويان و محققان پيدا كرده است را معرفي و به زباني ساده و روان طريقه استفاده از آن را بيان نمائيم.
در بين نرم افزارهاي موجود مثل:splus,minitab,sas,spss,… نرم افزار spss را به دليل استفاده فراوان از آن انتخاب نموده ايم.
Spss يكي از قديمي ترين نرم افزار هاي آماري است كه جهت انجام محاسبات آماري طراحي شده است،spss مخفف جمله:statistical package for social science «بسته نرم افزاري آماري براي علوم اجتماعي»است.
تاريخچه spss به قبل از پيدايش رايانه هاي شخصي(pc )برمي گردد؛اين نرم افزار همزمان با توسعه امكانات سخت افزاري رايانه ها از نظر نرم افزاري توسط سازندگان آن بهبود و توسعه يافته است. در حال حاضر نسخه هاي زيادي از اين نرم افزار در بازار موجود است،در اين اثر تمامي مباحثي كه مطرح مي كنيم با توجه به نسخه هاي مختلف آن مي باشد كه تمام مطالب ارائه شده قابل تعميم به نسخه هاي بالاتر و پايين تر مي باشد.
تمامي نرم افزارهاي آماري صرفا يك ماشين حساب در انجام اعمال حسابي دارند.به عبارت ديگر درصد بالائي از كارهائي را كه اين نرم افزارها انجام مي دهند(نه همه آنها)با دست و ماشين حساب قابل محاسبه مي باشند.البته اگر بخواهيم اين محاسبات را با دست انجام دهيم بسيار وقت گير و داراي خطاهاي زيادي مي باشد.نرم افزار spss تمامي اين عمليات ها را با سرعت و دقت بسيار بالائي انجام مي دهد.در انجام برخي از محاسبات آماري اگر قرار باشد آنها را با دست انجام دهيم مدت زمان انجام و بررسي آن ممكن است به چندين ماه،نفر،ساعت و صرف وقت و هزينه زيادي نياز داشته باشد؛در ضمن بايد خطاهاي انساني را هم به اين موارد اضافه كرد.
در حال حاضر انجام تحقيقات مختلف آماري در كنار كارها و پروژه هاي تحقيقاتي بدون استفاده از نرم افزار مناسب اصلا قابل تصور نمي باشد.
هدف اين اثر آشنائي با نرم افزارspss براي كليه دانشجويان و محققان مي باشد.در بازار كتاب داخلي،كتاب هاي زيادي در وصف و آموزش اين نرم افزار ارئه نشده است و كتاب هاي موجود هم به دليل زبان خاص آنها براي عده كثيري از مطالعه كنندگان قابل فهم و درك ساده و روان نمي باشند.به همين دليل بر خود واجب ديدم كه با تكيه بر آموخته هاي خويش و خوانده هاي قبلي از كتب آموزشيspss و راهنمائي اساتيد ارجمندم در ابتدا جزوه اي براي دانشجويان موسسه اي كه در آن مشغول تحصيل بودم بنويسم ولي با مشورت و راهنمائي هائي كه دوستان عزيزم به اين بنده حقير دادند نظر بر اين شد كه با بسط و گسترش نوشته ها و افزايش موارد و مثال ها اين اثر را به صورت يك كتاب تقديم تمامي عزيزاني كه در راه بسط و توسعه علم و فن آوري هاي جديد در كشور مشغول فعاليت هستند نمايم،اميد آن دارم كه اين تحفه ناقابل قطره اي باشد در درياي بي انتهاي علوم مختلف و متفاوت.
آمار توصيفي
مقدمه
4
آمار توصيفي
6
وارد كردن داده ها
6
جداول فراواني؛شاخص ها؛نمودارها
16
دستور COMPUTE
30
دستور RECODE
33
جداول توافقي ساده
36
- مقدمه:
زماني كه بخواهيم كاري را به ديگران آموزش دهيم لازمه آن مقدماتي مي باشد به عنوان مثال براي آموزش آشپزي در مورد يك غذاي خاص بايد مواد اوليه آن در ابتدا تهيه و فراهم شود و در مرحله بعد يك متخصص آشپزي طرز تهيه آن را آموزش دهد و در گام آخر خودمان نيز عملا روند گفته شده را تمرين و اجرا كنيم تا در آن كار متبحر و وارد شويم.
براي آموزش نرم افزارspss شرط اول به غير از علاقه و انگيزه كه در شمائي كه اين مطالب را مطالعه مي كنيد وجود دارد،اين است كه با آمار و داده هاي آماري و آزمون هاي آماري مختلف آشنائي داشته باشيد(حتي در حد تعاريف)و شرط دوم اينست كه با برخي نرم افزارهاي ديگر مثل word,exel تا حدي آشنا باشيم؛در اينجا فرض بر آشنائي با تمامي موارد بالا مي باشد.
آمار(statistics ):
آمار؛به معني علم آمار،فاقد يك تعريف مشخص و واحد است.از آنجائيكه آمار در اكثر شاخه هاي علوم داراي كاربرد بوده و اين كاربردها رو به توسعه و گسترش مي باشد،لذا در هر شاخه اي از علم به هر طريقي كه از آمار استفاده شده است تعريفي از آن نيز ارائه گرديده است،اما در يك جمع بندي كلي و خلاصه سازي مي توان آمار را علم مطالعه و توصيف كمي جوامع،مطالعه خطاها و مدل سازي فرايندهاي مختلف طبيعي توسط روابط رياضي دانست.آمار به دو شاخه توصيفي و استنباطي(تحليلي)تقسيم مي شود.
آمار توصيفي بخش كوچكي از علم آمار كنوني را شامل مي شود،ولي قدمت پيدايش آن را مقارن با پيدايش دولت هاي اوليه دانسته اند.بحث آمار توصيفي،توصيف و شناخت يك جامعه از طريق تبديل خصوصيات آن جامعه به كميت مي باشد كه توسط جداول فراواني و نمودارهاي مختلف تحت بررسي قرار مي گيرند.
آمار استنباطي بر خلاف آمار توصيفي عمري كوتاه داشته و از عمر آن چند دهه بيشتر نمي گذرد.بحث آمار استنباطي كه قسمت اعظم آمار كنوني را تشكيل مي دهد چگونگي تعميم نتايج حاصل از يك نمونه خاص و گرد آوري شده به يك جامعه به روش استقرائي است به طوري كه ميزان خطا را به حداقل برسانيم.البته آمار استنباطي كاربردهاي ديگري نظير تعيين مدل هاي رياضي براي فرايند هاي مختلف و يا مساله برآورد كردن(estimate )،آزمون فرض(testing ) و مدل سازي(modeling )را نيز دارد.
قبل از شروع در ابتدا به تعريف برخي از اصطلاحات به كار برده شده در فصول آينده مي پردازيم:
جمعيت(population ):
مجموعه تمام افرادي كه مطالعات آماري در مورد يك يا چند صفت آنها در يك مكان و زمان معين انجام گيرد جمعيت(جامعه)گويند.
نمونه(sample ):
بخشي از جامعه تحت بررسي را كه با روشي از پيش معين شده انتخاب مي شود.
واحد(unit ):
مجموعه هاي نامتداخل عنصرهائي از جامعه كه اجتماع آنها كل جامعه را تشكيل مي دهند را واحد گويند،در حالتي كه تعريف خاصي از واحدهاي نمونه گيري نمي شود هر عنصر جامعه را واحد مي ناميم.
متغير تصادفي(Random Variable):
يك متغير تصادفي تابعي از فضاي نمونه به مجموعه اعداد حقيقي است به طوري كه به هر نقطه از فضاي نمونه يك عدد حقيقي را نسبت مي دهد.
پارامتر(parameter ):
هر ويژگي مربوط به جامعه را پارامتر مي گويند.پارامتر هميشه ثابت است.
آماره(statistic ):
هر ويژگي مربوط به نمونه را آماره گويند،آماره از يك نمونه به نمونه ديگر تغيير مي كند.
توزيع(distribution ):
بعضي از متغيرهاي تصادفي داراي يك الگوي خاص هستند و مي توان براي آنها يك نوع روند در نظر گرفت،به اين روند را توزيع(پخش)مي گويند.
ارزش احتمال(p-value ):
احتمال ديدن مشاهده اي بدتر از مقدار مشاهده شده به شرط را مقدار احتمال يا همان p-value گوئيم.هرگاه p-value>α باشد پذيرفته مي شود واگر p-value<α باشد پذيرفته نمي شود.در اينجاα همان سطح معنا داري آزمون است.(خروجي هاي spss ارزش احتمال را با significance نمايش داده است)
-آمارتوصيفي:
- روش هائي را كه بوسيله آنها مي توان اطلاعات جمع آوري شده را تنظيم،طبقه بندي و خلاصه نمود و آنها را بوسيله نمودارهائي نمايش داد به آمار توصيفي موسوم است.اين طبقه بندي ها بوسيله جداول فراواني شكل مي گيرند ،از روي جدوال فراواني اطلاعات زيادي در مورد جامعه يا نمونه تحت بررسي مي توان بدست آورد.
- وارد كردن داده ها:
در هر نرم افزاري ابتدائي ترين كار آشنا بودن به روش وارد كردن داده ها مي باشد.درspss رديفها(سطرها) شامل پرسشنامه ها،و ستون ها شامل متغيرها هستند.
وقتي پنجره اوليه نرم افزار spss را باز كنيم(طبق شكل)با موارد زير روبرو مي شويم:
شكل1-1
دربالاي تصويرمنوهاي spss وجود دارند(...File,Edit, ) و در پائين منوها ابزارهائي براي سهولت كار گنجانده شده اند.بعد قسمت اعظم تصوير را خانه هاي جدول داده ها شامل مي شود.در گوشه سمت چپ پائين صفحه سر برگهاي Data view وVariable view (ويرايشگر داده ها) وجود دارند.سربرگ Data view شامل اطلاعات عددي خام و كد بندي شده است.سر برگ Variable View شامل نامگذاري و برچسب زني و اطلاعات ديگري در مورد متغيرهاي ما مي باشد.
براي وارد كردن داده هاي يك پرسشنامه ابتدا روش كلي و اصولي را بيان كرده و در آخر روش ميانبر و ساده تري براي وارد كردن داده ها بيان مي كنيم.
اگر پرسشنامه فرضي ما شامل سوالات زير باشد:
1-جنسيت: مرد... زن...
2-ميزان تحصيلات: ابتدائي... راهنمائي... ديپلم.... فوق ديپلم و بالاتر...
3-سن:........
ابتدا سربرگ Variable view را فعال مي كنيم:
شكل 1-2
در صفحه فعال شده عباراتي همچونName وType و غيره به چشم مي خورد،در زير عبارت Name نام و يا مشخصه اصلي و كلي سوال را مي نويسم،مثلا براي پرسشنامه بالا سوال اول كه در مورد جنسيت مي باشد را با Sex نشان مي دهيم،البته يادمان نرود كه در اين نرم افزار قواعد خاصي براي نامگذاري وجود دارد كه در ذيل آمده اند:
1-نبايد نام مورد نظر از هشت حرف بيشتر باشد.
2-نام مورد نظر بايد با حروف و يا علامت @ شروع شود.
3-نام مورد نظر نبايد با يك نقطه پايان يابد.
4-نام مورد نظر نبايد شامل موارد زير باشد:
I )فاصله II )علائم خاصي مثل ؟؛ !و*و ساير موارد گفته شده
5-نام مورد نظر مي تواند شامل يكي از علائم @و#و-ويا$ باشد.
6-در نامگذاري متغيرها نبايد از كلمات كليدي مانند AND,NOT,ALL و غيره استفاده كرد چون نرم افزار به عنوان يك عبارت محاسباتي از آنها استفاده مي كند.
حال نام اولين متغير را در اولين خانه سمت چپ بالا زير عبارت Name با عنوان Sex وارد مي كنيم و سپس دكمه جهتي رو به پايين را فشار مي دهيم:
شكل 1-3
تمامي مشخصات و خصوصيات از پيش فرض شده متغير در ستون هاي سمت راست مشخص مي شود.در زير ستون Type نوع متغير را Numeric (عددي) در نظر مي گيردو يا پهناي آن را 8 حرف در نظر مي گيردوغيره.هر يك از گزينه هاي از پيش فرض شده را مي توان تغيير داد،قبل از تغيير هر كدام از اين پيش فرضها به تعريف و معرفي هر كدام از آنها مي پردازيم:
Type (نوع متغير):
Spss به صورت خودكار و پيش فرض نوع متغير را عددي در نظر مي گيرد،اما انواع ديگري از متغيرها نيز در spss وجود دارندبه عنوان مثال براي يك متغير كيفي كه پهناي يزرگترين آنها از ده حرف بيشتر نيست از string استفاده مي كنيم.براي تغيير Numeric به string مراحل زير را دنبال مي كنيم:
بعد از تايپ نام يك متغير كليد Enter و يا جهتي به سمت راست را فشار مي دهيم تا عبارت بعد كه Numeric است انتخاب شود:
شكل 1-4
نشانگر ماوس را بر روي قسمت سمت راست خانه اي كه عبارت Numeric در آن ظاهر شده است برده و بر روي آن كليك مي كنيم تا كادر مكالمه Variable Type باز شود:
شكل1-5
اين كادر شامل ليستي از هشت نوع متغير است.spss به طور خودكار Numeric را بعنوان پيش فرض نشان گذاري كرده است.بر روي گزينه string در پايين ليست كليك مي كنيم،بلافاصله عبارتهاي width وDecimal placese ناپديد شده و عبارت جديدي به نام characters ظاهر مي شود.نرم افزار مقدار اوليه آنرا 8 حرف در نظر مي گيرد و ما مي توانيم آن را كم و يا زياد كنيم،در اين جا ما آن را به عدد ده تغيير مي دهيم:
شكل1-6
در گوشه سمت راست اين كادر گزينه Help وجود دارد كه در تمامي كادرهاي بعدي نيز ظاهر خواهد شد،با كليك كردن بر روي Help مي توانيم توصيف كامل تمامي گزينه هاي هر كادر را در اختيار داشته باشيم.در هر كادر بعد از اتمام تغييرات لازم بر روي ok كليك مي كنيم تا به صفحه اصلي برگرديم.در اينجا خواهيم ديد كه نوع متغير از Numeric به string تغيير پيدا كرده است:
شكل1-7
Width,Decimals (تغيير دادن پهنا و تعداد ارقام اعشاري):
در مورد sex نيازي به تغيير پهناي ستون نداريم،اما مي خواهيم تعداد ارقام اعشاري (Decimals )آن را تغيير دهيم تا رقم اعشاري را در Data view براي ما حذف كند.با كليك كردن بر روي خانه ستون Decimal اين خانه فعال مي شود،براي تغيير آن هم مي توان ميزان ارقام اعشاري مورد نظر را تايپ كنيم و يا با فلش هاي رو به بالا و پائين آن را تغيير دهيم:
شكل 1-8
Label (بر چسب يك متغير):
اگر فراموش نكرده باشيد گفتيم كه در ستون Name هشت حرف بيشتر با ضوابط خاصي نمي توانيم بنويسيم،پس در اكثر اوقات در ستون Name خلاصه اي از نام متغير و يا مشخصه مورد نظر را تايپ مي كنيم ولي در ستون Lable بدون هيچ محدوديتي مي توانيم تا 120 حرف را با فاصله تايپ كنيم و متغير مورد نظر را معرفي كنيم:
شكل 1-9
Values (مقادير و برچسب هاي آنها):
وقتي متغيري مانند جنسيت داريم كه از نوع كيفي است براي وارد كردن آن به صورت راحتر و سريعتر مي توانيم آنها را كدبندي كرده و به صورت كد وارد كنيم،براي اين كار روي خانه زير ستون Values كليك كرده بعد روي مربع سمت راست اين خانه كليك كرده تا كادر مكالمه Value lables باز شود:(البته زماني مي توانيم اين كار را انجام دهيم كه نوع داده هايمان را Numeric تعريف كرده باشيم)
شكل 1-10
به عنوان مثال براي متغير جنسيت كد 1 را به مردها و 2 را به زن ها اختصاص مي دهيم براي اين كار در كادر باز شده به صورت زير عمل مي نمائيم:
در جلوي عبارت Value عدد يك را وارد مي كنيم؛سپس در قسمت Value label كلمه male را وارد مي كنيم،حال بر روي Add كليك مي كنيم ،تمام اين كارها را براي زنها با كد 2 هم انجام مي دهيم با اين تفاوت كه در Value label كلمه female را تايپ مي كنيم.حال بر روي ok كليك مي كنيم تا به صفحه اصلي باز گرديم.
شكل 1-11
Missing (مقادير گم شده يا پرت):
بعضي اوقات در انجام تحقيقات وپر كردن پرسشنامه ها يا افراد مورد سؤال از پاسخ دادن به برخي سؤالات امتناع مي كنند و يا به دليل خطاهاي انساني،محقق فراموش مي كند اطلاعات يكي از سؤالات پرسشنامه و يا چند مورد از آنها را در Data view وارد كند در اين صورت نرم افزار در خانه هاي خالي يك مقدار مفقود سيستم (system-missing value ) قرار مي دهد.در كل spss آنها را به عنوان مقادير پرت و گم شده در نظر مي گيرد و به صورت نقطه نمايش اشان مي دهد.البته در مورد گزينه Missing بحث و بررسي زيادي بايد كرد ولي در اين اثر بيش از اين در مقوله مقادير پرت (گم شده) بحث نخواهيم كرد،كساني كه مايل به دانستن اطلاعات كاملتري در مورد Missing هستند مي توانند از منوي Help نرم افزار و يا با كليك كردن بر روي مربع سمت راست خانه زير سربرگ Missing به Help آن دسترسي پيدا كنند و اطلاعات مورد نظر خود را از آنجا استخراج كنند.
شكل1-12 الف
شكل 1-12 ب
Column (پهناي ستون ها):
ميزان پهناي هر ستون Data view را،مي توان در ويرايشگر داده ها(Variable view ) تغيير داد؛اين كار زماني انجام مي شود كه به عنوان مثال يك متغير عددي شامل اعداد چند رقمي و بزرگ باشد و براي نوشتن آن درData view احتياج به فضا و پهناي بيشتري باشد انجام مي گيرد.البته در عمل خيلي كم با اين سربرگ كار خواهيم كرد.وقتي هم كه لازم شد دقيقا مشابه آنچه براي Width انجام داديم همين كار را هم براي Column انجام مي دهيم:
شكل 1-13
Align (رديف كردن يا چيدن متغيرها):
با اين سربرگ خودمان انتخاب مي كنيم كه در خانه هاي Data view داده هايمان را در كجا تايپ كند و بچيند؛چپ چين(Left )،راست چين(Right ) و يا وسط چين(Center ).
زماني كه مي خواهيم وسط چين كنيم نشان گر ماوس را بر روي اين ستون قرار مي دهيم و كليك مي كنيم بعد گزينه مورد نظر را انتخاب مي كنيم:
شكل 1-14
Measure (سطح اندازه گيري):
درspss پيش فرض سطوح اندازه گيري را براي متغيرهاي كمي Scale و براي رشته اي ها(كيفي ها) Nominal در نظر گرفته مي شود.براي تغيير هر كدام از موارد مشابه چيدن داده ها عمل مي كنيم:
شكل 1-15
در اينجا قبل از بيان هر مطلبي توضيح مختصري در مورد سطوح مختلف اندازه گيري ارائه مي دهيم:
1-سطح اسمي(Nominal ): اين سطح براي متغيرهاي كيفي در نظر گرفته مي شود.به دليل سهولت كار ما مايليم متغيرهاي كيفي مثل جنسيت را به صورت كدبندي و كدگذاري در Data view وارد كنيم.پس هر زماني كه سؤالاتي از قبيل جنسيت و يا متغيرهائي كه دم از كيفيت مي زنند و امثالهم؛روبرو شديم بعد از كد گذاري بايد براي آنها سطح اندازه گيري را Nominal تعريف كنيم.يادمان نرود كه متغيري را كه اسمي تعريف مي كنيم داراي ترتيب خاصي نيست.
2-سطح ترتيبي(Ordinal ): اين سطح هم براي متغيرهاي كيفي مورد استفاده قرار مي گيرد مثل سطح اسمي با اين تفاوت كه در سطح ترتيبي گروه بندي ها داراي ترتيب خاص مي باشند مثل سؤال شماره دو پرسشنامه فرضي ما.نكته مهم در مورد سطوح اسمي و ترتيبي اين است كه چهار عمل اصلي درباره آنها تعريف نمي شود و تنها مي توانيم شمارش و محاسبه درصد را براي آنها انجام دهيم.
3-سطح كمي(Scale ): همانطور كه از نامگذاري آن معلوم است براي متغيرهاي كمي (عددي) به كارمي رود.در اينجا فقط ذكر اين نكته ضروري مي نمايد كه متغيرهاي كمي به دو دسته فاصله اي(Interval ) و نسبتي(Raito ) تقسيم مي شوند.
در پايان اين مطالب همواره بايد متوجه باشيم كه سطوح مختلف اندازه گيري با توجه به نوع سؤالاتي كه طراحي كرده ايم تغيير مي كنند و قابل تغيير مي باشند.به عنوان مثال شايد در ظاهر يك متغير كمي به نظر برسد ولي نوع طراحي سؤال آن را به متغيري كيفي تبديل كند؛در اينجا مثلا وزن افراد را طبقه بندي مي كنيم و اين طبقات را كدگذاري مي كنيم،وزن در اصل يك متغير كمي است ولي با كارهائي كه ما انجام داديم به يك متغير كيفي تبديل شد.(از نوع ترتيبي)
تغيير كلي درپيش فرض هاي Spss :
براي اين كار آدرس زير را دنبال مي كنيم:
Edit Options
بعد از باز شدن كادر Option مي توانيم هر تغييري را كه مي خواهيم در آنجا اعمال كنيم.
پركردن Data view :
حال كه تمام موارد از پيش فرض شده و Variable view را شناختيم مي توانيم داده هاي خود را وارد Data view كنيم.بعد از نام گذاري هر يك از متغيرها در گوشه پائين سمت چپ صفحه اصلي بر روي سربرگ Data view كليك مي كنيم در بالاي صفحه سه ستون اول با نام هاي sex و tahsilat وsen ظاهر مي شوند:
شكل 1-16
حال اطلاعات هر پرسشنامه را با توجه به سؤالات وارد مي كنيم،بعد از پر كردن Data view مي توانيم وارد مرحله بعد شويم.
ميانبري براي وارد كردن داده ها:
اگر يكي از پرسشنامه هاي فرضي به صورت زير پر شده باشد:
1-جنسيت: مرد * زن...
2-ميزان تحصيلات: ابتدائي... راهنمائي... ديپلم * فوق ديپلم و بالاتر...
3-سن: 35
در بالاي صفحه پرسشنامه گوشه سمت راست آن با توجه به كد بندي سؤالات كيفي و مقدار عددي سؤالات كمي مي نويسيم:
2 3 35
حال تمام پرسشنامه ها را به اين صورت آماده مي كنيم براي وارد كردن پرسشنامه ها ديگر لازم نيست كه سؤال به سؤال بخوانيم و جواب ها را وارد كنيم بلكه اعداد بالاي هر صفحه را براي هر فرد به صورت افقي وارد Data view مي كنيم.
- جداول فراواني، شاخص ها و نمودارها:
با توجه به نوشته هاي قبلي و هدف اين اثر قرار بر اين نيست كه كامل و جامع تمام خصوصيات و توانائي هاي اين نرم افزار در اينجا بيان شود.اما سعي بر اينست مطالبي را هم كه بيان مي كنيم واقعا كاربردي باشند،اعتقادم بر اين مي باشد كه ضرورتي ندارد براي اضافه كردن تعداد سطور و حجم كتاب مطالبي غير كاربردي و يا مطالبي كه استفاده اندكي دارند بيان شوند دليلي هم جز چند جمله بعدي ندارد؛در علوم رايانه و علي الخصوص نرم افزارهاي مختلف وقتي اصول اوليه و پايه اي را فرد درست بياموزد خود فرد مي تواند توانائي و مهارت خويش را در نرم افزار بخصوصي به حد اعلي برساند و هدفي هم جز اين ندارم.
اولين كاري كه انجام مي دهيم داده هاي جدول زير را با توجه به مطالب گفته شده در ويرايشگر داده ها وارد مي كنيم:
1-جنسيت: زن....... مرد.......
2-وضعيت اسكان زمان تحصيل: خوابگاهي........ غير خوابگاهي.......
3-شهر محل تحصيل: بومي........ غير بومي.........
4-ميزان رضايت مندي از روابط با ديگران:...........
5-ميزان افسردگي:..........
افسردگي
راضي بودن
شهر
اسكان
جنسيت
1
40
2
1
1
6
30
1
2
1
6
33
1
2
1
7
34
1
2
1
2
41
2
1
1
3
35
1
2
1
5
38
2
2
1
5
37
2
1
1
9
36
2
1
1
2
35
2
2
1
2
35
1
2
1
6
31
2
1
1
4
34
2
2
2
6
30
2
1
1
12
40
1
2
2
17
33
2
1
1
12
39
2
1
1
4
23
1
2
1
2
42
1
2
1
25
30
2
1
1
3
38
1
2
2
22
0
1
1
1
9
36
2
1
1
7
26
1
2
1
14
18
2
2
2
18
34
1
2
2
16
42
2
1
1
6
36
1
2
1
5
34
1
2
1
2
38
1
2
2
10
37
2
1
1
12
28
2
2
2
9
37
1
2
2
19
35
2
2
1
12
42
1
2
1
12
42
1
2
1
8
16
2
2
2
6
34
1
2
2
15
40
2
1
1
6
42
1
2
1
3
42
2
2
1
18
20
2
1
1
14
35
1
2
1
2
23
2
1
1
5
40
2
1
1
10
23
2
1
1
21
30
2
1
1
2
40
1
2
1
3
38
1
2
1
12
37
2
2
2
6
38
2
2
1
25
26
2
2
2
7
33
2
2
2
3
26
1
2
2
4
42
2
1
1
11
37
2
1
1
20
24
1
2
2
براي وارد كردن داده ها در مورد سه سوال اول كدبنديهاي زير را انجام دهيد:
كد يك براي خانم ها و كد دو براي آقايان؛در سوال دوم كد يك براي افراد خوابگاهي و كد دو براي افراد غير خوابگاهي؛و براي سوال سوم كد يك را براي افراد بومي و كد دو را براي افراد غير بومي در ويرايشگر داده ها تعريف كنيد.
در تمامي تحقيقات و پژوهش ها اولين كاري كه انجام مي دهيم اينست كه مايليم كه از مقاديرشاخص هاي مركزي و پراكندگي،از طريق جداول فراواني،رسم نمودارهاي مناسب و غيره مطلع شويم؛با اين كار خيلي از راه را درست خواهيم پيمود.
درspss راه هاي زيادي براي مطلع شدن از نكات گفته شده وجود دارد يكي از اين راه ها استفاده از چند منوي خاص مي باشد كه در ذيل به برخي از آنها مي پردازيم.بعد از وارد كردن داده ها در ويرايشگر داده ها و Data view از منوي زير استفاده مي كنيم:
شكل1-17
شكل 1-18
براي شروع كار منوي گفته شده را باز مي كنيم:
شكل 1-19
براي شروع كار مي توانيم همه و يا يكي از متغيرها را كه مايليم در مورد آن از آمار توصيفي اش مطلع شويم به كادر variable(s) منتقل مي كنيم(mizan afsordegi )،حال بر روي گزينه Statistics… كليك مي كنيم تا كادر Frequencies:Statistics… باز شود.تمام گزينه هائي را كه مورد سوال ما هستند تيك مي زنيم:
شكل 1-20
در قسمت Percentile values گزينه هاي Quartiles و Cut points… را تيك مي زنيم كه اولي مقادير چاركها و دومي در حالت استاندارد مقادير متغير مورد نظر ما را به ده گروه مساوي تقسيم مي كند.در قسمت Dispersion (شاخصهاي پراكندگي) گزينه هاي Std. deviation ( انحراف استاندارد)،Variance (واريانس)،Minimum (مينيمم)، Maximum (ماكزيمم) كليك مي كنيم.
در قسمت Central Ttendency (شاخصهاي مركزي) بر روي گزينه هاي Mean (ميانگين)،Median (ميانه) كليك مي كنيم.در قسمت پاياني اگر بخواهيم از مقادير چولگي (Skewness ) و كشيدگي (Kurtosis ) مطلع شويم بر روي آنها كليك مي كنيم.در پايان بر روي Continue كليك مي كنيم تا به كادر اصلي بازگرديم.در كادر اصلي بر روي گزينه Charts… كليك مي كنيم تا كادر Frequencies:Charts.. باز شود:
شكل 1-21
اگرداده هاي مورد بررسي از نوع گسسته باشند نمودار مناسب براي آنها دايره اي و يا ميله اي مي باشد.بعنوان مثال نمودار دايره اي براي جنسيت افراد بصورت زير مي باشد:
شكل1-22
البته اين شكل بر اساس فراواني داده ها رسم شده است؛ولي ما مي توانيم همين نمودار را بر اساس درصد رسم نماييم.
حال آموخته هاي خود را براي ميزان افسردگي انجام داده و خروجي ها را به طور مختصر توصيف مي كنيم:
شكل1-23
شكل1-24
شكل1-25
از خروجي ها ي بدست آمده به طور خلاصه نتايج زير بدست مي آيند:
ميانگين داده هاي مربوط به ميزان افسردگي برابر9؛ميانه برابر7؛مد برابر با6 و واريانس داده ها برابر با 40.679 بدست آمده است.
همچنين ميزان چولگي برابر با0.894 و ميزان كشيدگي برابر با0.061- بدست آمده است كه نشانگر چوله به راست بودن و پخ بودن داده ها نسبت به توزيع نرمال مي باشد.
جدول دوم يك جدول فراواني ساده مي باشد؛از روي شكل هم همان نتايج بدست آمده از جدول اول در مورد چولگي و كشيدگي داده ها بدست مي آيد.
راه ديگر توصيف داده هاي پرسشنامه ها استفاده از منوي زير مي باشد:
شكل1-26
اگر از طريق اين منو بخواهيم در ابتدا توصيفي از داده هاي خود داشته باشيم؛اين منو خروجي استاندارد نرم افزار را به ما مي دهد.البته از طريق گزينه ي options در كادر descriptives قابل تغييراتي نيز هست.
درتجزيه و تحليل داده ها در ابتدا داشتن تصوير كلي از داده ها مي تواند براي تشخيص ادامه روند بسيار مفيد واقع شود،براي اين كار رسم نمودارهاي گوناگون مانند ساقه و برگ وهيستوگرام و جعبه اي از طريق منوي زير مناسب مي باشد:
شكل1-27
همان طور كه در شكل زير مشاهده مي نماييم اين كادر از چند قسمت تشكيل شده است؛در اينجا مايليم ميزان افسردگي را بر حسب جنسيت مورد بررسي قرار دهيم،به همين دليل ميزان افسردگي را به Dependent List: منتقل و جنسيت را بهFactor List: منتقل مي نماييم:
شكل1-28
حال برروي plots… كليك كنيم :
شكل1-29
در قسمت توصيفي هر دو گزينه را تيك مي زنيم،هم گزينه ي Stem-and-leaf (ساقه و برگ)و هم گزينهHistogram را، تا نمودارهاي دلخواه را براي ما رسم نمايد.آمار توصيفي براي هر دو جنسيت زن و مرد در شكل 1-30 ارايه شده است.
شكل1-30
همانطور كه ملاحظه مي نماييم در شكل 1-31 نمودار ساقه و برگ براي ميزان افسردگي خانمها رسم شده است.درقسمت سمت چپ نمودار فراواني هر ساقه نوشته شده است؛و روبروي هر فراواني ساقه اي مشخص شاخه و برگهاي آن مشخص شده اند؛بعنوان نمونه روبروي فراواني 7 نشانگر افرادي مي باشد كه ميزان افسردگي آنها عددي مابين 10 و14.99 مي باشد.به همين ترتيب در شكل 1-32 نيزنمودارساقه و برگ ميزان افسردگي براي آقايان ترسيم شده است:
mizan afsordegi Stem-and-Leaf Plot for
jensiyat= female
Frequency Stem & Leaf
12.00 0 . 122222233344
15.00 0 . 555566666667799
7.00 1 . 0012224
5.00 1 . 56789
2.00 2 . 12
1.00 Extremes (>=25)
Stem width: 10
Each leaf: 1 case(s)
شكل1-31
mizan afsordegi Stem-and-Leaf Plot for
jensiyat= male
Frequency Stem & Leaf
4.00 0 . 2334
4.00 0 . 6789
4.00 1 . 2224
1.00 1 . 8
1.00 2 . 0
1.00 Extremes (>=25)
Stem width: 10
Each leaf: 1 case(s)
شكل1-32
در شكل 1-33 نمودار جعبه اي ميزان افسردگي؛در حالت مقايسه اي بين هر دو جنسيت در كنار همديگر رسم شده است:
شكل1-33
هر نمودار جعبه اي 5 مقدار خلاصه شده آماري را به ما مي دهد؛كه عبارتند از:1- ميانه 2- چارك اول 3- چارك سوم 4- مينيمم 5- ماكزيمم داده ها.به دليل اهميت استفاده از اين گونه نمودارها آنها را به اختصار شرح مي دهيم:
خطوط بالايي و پائيني مستطيل به hinges (لولا،بند،محور)معروفندكه خط پائيني مستطيل نشانگر چارك اول و خط بالايي مستطيل نشانگر چارك سوم داده ها مي باشد.
مينيمم و ماكزيمم داده ها كه بالا و پائينhinges ها ظاهر مي شوند به whiskers ها موسومند؛حد بالايي نشانگر ماكزيمم داده ها و حد پائيني نشانگر مينيمم داده ها مي باشد.
Outliers هابا يك O و يك عدد در كنار آن مشخص مي شوند؛هر عدد نشانگر شماره ي سطر داده ها در Data View مي باشد.
Extreme (نهايي)مقاديري هستند كه با علامت* مشخص مي شوند.
در شكل 1-33 در مورد آقايان داريم:
Max=25
Min=2
Median=9
براي رسم انواع نمودارها راه هاي متفاوتي وجود دارد،در نرم افزار spss براي دستيابي به انواع نمودارها بهترين كار استفاده از منوي Graphs مي باشد اين منو داراي شاخه هاي مختلفي مي باشد كه به ما اين امكان را مي دهد با توجه به نوع داده ها و بررسي آماري مورد نظرنمودار مناسب را انتخاب نماييم.
برخي از مهمترين نمودارهاي موجود در اين منو عبارتند از:نمودارهاي ميله اي؛ دايره اي؛هيستوگرام؛پراكنش؛جعبه اي و...(شكل1-34 )
شكل1-34
- دستورCOMPUTE :
در نرم افزارspss گاهي اوقات بعد از جمع آوري و وارد كردن داده ها متوجه مي شويم كه داده هاي در دسترس از توزيع خاصي پيروي نمي كنند و يا اينكه در مبحث رگرسيون براي تشخيص مدل مناسب؛داده هاي موجود مناسب نيستند،پس لازم است تا برخي تبديلات روي داده ها انجام دهيم تا به پاسخ مناسبي دست يابيم،بعنوان مثال دوست داريم از يك سري داده جذر گرفته و يا Ln و يا به توان دوم برسانيم؛سپس روي داده هاي جديد اعمال آماري مورد نياز را انجام دهيم.اگر بخواهيم تك تك داده ها را مورد تغيير قرار دهيم كاري بس دشوار و وقتگير مي باشد؛براي سهولت و تسريع در اين امر مي بايست منوي زير را دنبال كنيم: (شكل1-35)
شكل1-35
براي آشنايي بيشتر با نحوه ي كار از همان داده هاي قبلي استفاده كرده و يك تغيير فرضي را روي آنها براي يادگيري اعمال مي كنيم؛اگر آدرس بالا را دنبال كنيم كادر مكالمهCompute Variable باز مي شود:
شكل1-36
در قسمتTarget variabl: (متغير هدف) اگر بخواهيم داده هاي تغيير يافته در ستون جديدي قرار بگيرند،نام مورد نظرمان را مي نويسيم؛در اينجا lndepresi را وارد مي كنيم؛حال از ميان توابع مختلف موجود در قسمتFunction group: به عنوان مثال Arithmetic (رياضيات) را انتخاب مي كنيم تا در قسمت Functions and Special Variables: توابع و تغييرات رياضياتي موجود ظاهر شوند؛حال بعنوان مثال مايليم از متغيير depresi لگاريتم طبيعي(ln) بگيريم،براي اين كار Lnرا انتخاب و بوسيله ي (شكل1-37) به Numeric Expression منتقل مي كنيم؛حال از قسمت Type & Lable… گزينه ي mizan afsordegi را انتخاب و بوسيله ي (شكل 1-38) به Numeric Expression منتقل مي نماييم حال بر روي ok كليك كنيد و در صفحه داده ها؛يك ستون جديد بنام lndepresi را مشاهده نماييد.در ضمن اين كادر اين امكان را به ما مي دهد تا تغييرات را به صورت شرطي انجام دهيم،كه شرح اين مبحث در اين مجال نمي گنجد.حال مي توانيم كارهاي انجام شده را در شكل1-39 ملاحظه نماييم:
شكل1-39
- دستورRECODE :
در دستورcompute تغيير انجام شده بر روي تك تك داده هاي مورد نظر انجام مي شد ولي گاهي اوقات لازم است تا برخي داده هايمان را گروه بندي و كدگذاري كنيم و از روي داده هاي كدگذاري شده تحليل هاي مناسب را انجام دهيم.بعنوان مثال با همان داده هاي قبلي مي خواهيم ميزان افسردگي را كدگذاري كنيم به اين ترتيب كه اگر فردي ميزان افسردگي اش از 20 كمتر بود كد صفر را بگيرد و به اين معني باشد كه وي افسرده نمي باشد؛و اگر ميزان افسردگي فردي بيش از 20 بود كد يك را بگيرد و به اين معني باشد كه فرد مورد نظر از افسردگي رنج مي برد.براي نيل به اين هدف منوي زير را دنبال مي كنيم:
شكل1-40
چون مي خواهيم كدبندي و تغييرات اعمال شده در ستون جديدي نمايان شوند گزينه Into Different Variables… را انتخاب مي كنيم تا كادر Recode into Different Variables شود:
شكل1-41
حال براي ايجاد ستون جديد روي متغيير mizan afsordegi كليك كرده تا به Input Variable->Output Variable بوسيله ي منتقل شود.نام ستون جديد(متغيير خروجي) را در Name وارد مي كنيم بعنوان مثال dep و بر روي Change كليك كرده تا اين نام در Input Variable->Output Variable: وارد شود.
شكل1-42
حال با كليك كردن بر روي Old and New Variables… كادر :Recode into Different Variables: Old and New Variable را باز كنيد.
شكل1-43
گزينه Range:Lowest through را فعال كنيد،عدد19 را در اين قسمت وارد كنيد،گزينه Output variables are strings را تيك بزنيد.درNew Value در مقابل Value مقدار صفر را وارد نماييدو Add را كليك كنيد تا در Old-->New عبارت Lowest thru 19-- >`0` ظاهر شود.
حال گزينه را فعال نماييد و عدد 20را وارد نماييد؛درNew Value و در مقابل Value عدد يك را وارد كنيد؛دوباره بر روي Add كليك كنيد تا در Old-->New: عبارت20 thru Highes -- >`1` ظاهر شود.بايد توجه كرد كه through مقاديري را شامل مي شود كه بين دو مقدار مشخص شده در قبل و بعد از آن باشند بنابراين؛اين دستور ميزان افسردگي را به صورت كمتر از 20 كد صفر(سالم) وبيشتر از20 كد يك(افسرده) دسته بندي مي كند.حال بر روي Continue و سپس بر روي ok كليك كرده و در Data View ستون جديد را با نام dep مشاهده كنيد.
شكل1-44
- جداول توافقي ساده:
گاهي اوقات مايليم بدانيم كه آيا بين دو متغير كيفي رابطه اي وجود دارد يا خير؟براي اين كار استفاده از جداول توافقي و آماره ي كاي-اسكور توصيه مي شود؛براي اين هدف منوي زير را دنبال مي كنيم:
شكل1-45
براي آشنايي از روند استفاده از اين منو داده هاي ضميمه 1 را در ويرايشگر داده ها و Data View وارد كنيد، براي وارد كردن داده ها در مورد سه سوال اول كدبنديهاي زير را انجام دهيد:
كد يك براي خانم ها و كد دو براي آقايان؛در سوال دوم كد يك براي افراد خوابگاهي و كد دو براي افراد غير خوابگاهي؛و براي سوال سوم كد يك را براي افراد بومي و كد دو را براي افراد غير بومي در ويرايشگر داده ها تعريف كنيد.ابتدا متغير افسردگي را دقيقا همانند مثال مشابه در همين فصل بوسيله دستور Compute بنامdep كدبندي مي كنيم. مايليم بدانيم كه آيا جنسيت و افسردگي بر روي يكديگر تاثيري دارند و يا از همديگر مستقل مي باشند؟
شكل1-46
براي اين كار متغيري را كه از دسته بندي كمتري برخوردار است به Row(s): منتقل مي كنيم؛در اين مثال خاص متغير جنسيت را به Row(s):منتقل مي كنيم؛ حال متغير كدبندي شده بنام depكه توسط دستور Recode ساختيم را به Column(s):منتقل مي كنيم؛حال گزينه ي Display clustered bar chartsرا تيك زده تا نمودار ميله اي دسته بندي شده جدول توافقي را براي ما در خروجي نمايش دهد،سپس برروي گزينه ي Statistics… كليك كرده تا كادر Crosstabs:Statistics باز شود:
شكل1-47
در اين كادر آماره ي Chi-square را تيك مي زنيم،سپس بر روي Continue و ok كليك كرده تا خروجي دستورات را مشاهده نماييم؛اين خروجي سه جدول و يك نمودار به ما ارائه مي دهد.جدول اول(شكل1-48) خلاصه اي از داده هاي مورد استفاده را به ما نشان مي دهد.
شكل1-48
جدول دوم(شكل1-49)يك جدول توافقي برحسب آنچه ما از نرم افزار خواسته بوديم؛ساخته است.در اين جدول مشاهده مي كنيم كه32نفر از آقايان سالم و6 نفر از آنها از افسردگي رنج مي برند؛و يا در مورد خانم ها 49 نفر سالم و6 نفر از افسردگي رنج مي برند.(بر اساس دسته بندي و كدبندي هاي از قبل تعيين شده)
شكل1-49
بالاخره در جدول سوم(شكل1-50)آماره ي آزمون اينكه آيا جنسيت و افسردگي از همديگر مستقلمي باشند يا خير،وجود دارد.براي فهميدن نتيجه ي آزمون مقدار را مشاهده مي كنيم كه در اينجا Pearson Chi-Square:Asymp.sig.(2-sided)برابر با0.490 مي باشد.اين مقدار همان ميزان معني داري آزمون(significance)مي باشد.اين مقدار را با αمورد نظر كه در اين آزمون برابر با0.05 در نظر گرفته شده است؛مقايسه مي كنيم.با مقايسه اين مقدار وαدر مي يابيم كه فرض صفر پذيرفته مي شود.يعني اين دو متغير از همديگر مستقل مي باشند.بعبارتي نوع جنسيت از ميزان افسردگي فرد مستقل مي باشد.لازم به ذكر ست اگر فراواني يكي از خانه هاي جدول توافقي بدست آمده كمتر از5 بود به جاي آماره ي پيرسون از روي آماره ي فيشر داده شده استنباط هاي لازم را انجام مي دهيم.
شكل1-50
در شكل1-51 نمودار ميله اي مربوط به تعداد افراد برحسب جنسيت و اينكه افسرده مي باشند و يا نه؟؛را براي ما در خروجي نمايش داده است:
شكل1-51
حال مي توانيم آموخته هاي بالا را به موارد مشابه و مثال هاي ديگر تعميم داده و نتايج مورد نظرمان را تجزيه و تحليل نماييم.
امروزه در انجام تحقيقات،در كنار روشهاي مختلف تحقيق و نمونه گيري و سرشماري و...؛بحث بررسي و توصيف داده هاي جمع آوري شده به نحوي مطلوب و سريع و آسان مطرح است.در همين راستا دانشمندان علوم رايانه و آمار نرم افزارهاي مختلفي به بازار كار تزريق كرده اند تا بنحوي مشكل تحليل داده ها را به صورت دستي كه بسيار وقت گير و پرهزينه و حتي پر از اشتباهات و خطا هاست را حل نمايند.
در حال حاضر هر علمي كه مي خواهد در مسير تعالي و پيشرفت قرار گيرداز علوم انساني و تجربي گرفته تا علوم رياضي شامل محض و كاربردي ها ناگزير استفاده از آمار مي باشند.اگر مطالعه اي بر روي كشورهاي صنعتي جهان داشته باشيم به اهميت علم آمار و تفاسير آماردانان از گوشه به گوشه زندگي خرد و كلان آنها پي خواهيم برد.
در كشورهاي غربي هيچ كاري را بدون بررسي و تحقيق مقدماتي انجام نمي دهند.البته اين تحقيقات بايد بوسيله محققان و آماردانان قوي و مسلط انجام شود.به هر حال در اين جا مجال بحث و بررسي علم آمار نيست بلكه مي خواهيم يكي از نرم افزارهاي آماري را كه امروزه در سطح دانشگاهها و مراكز علمي و تحقيقاتي استفاده و كاربرد زيادي در بين دانشجويان و محققان پيدا كرده است را معرفي و به زباني ساده و روان طريقه استفاده از آن را بيان نمائيم.
در بين نرم افزارهاي موجود مثل:splus,minitab,sas,spss,… نرم افزار spss را به دليل استفاده فراوان از آن انتخاب نموده ايم.
Spss يكي از قديمي ترين نرم افزار هاي آماري است كه جهت انجام محاسبات آماري طراحي شده است،spss مخفف جمله:statistical package for social science «بسته نرم افزاري آماري براي علوم اجتماعي»است.
تاريخچه spss به قبل از پيدايش رايانه هاي شخصي(pc )برمي گردد؛اين نرم افزار همزمان با توسعه امكانات سخت افزاري رايانه ها از نظر نرم افزاري توسط سازندگان آن بهبود و توسعه يافته است. در حال حاضر نسخه هاي زيادي از اين نرم افزار در بازار موجود است،در اين اثر تمامي مباحثي كه مطرح مي كنيم با توجه به نسخه هاي مختلف آن مي باشد كه تمام مطالب ارائه شده قابل تعميم به نسخه هاي بالاتر و پايين تر مي باشد.
تمامي نرم افزارهاي آماري صرفا يك ماشين حساب در انجام اعمال حسابي دارند.به عبارت ديگر درصد بالائي از كارهائي را كه اين نرم افزارها انجام مي دهند(نه همه آنها)با دست و ماشين حساب قابل محاسبه مي باشند.البته اگر بخواهيم اين محاسبات را با دست انجام دهيم بسيار وقت گير و داراي خطاهاي زيادي مي باشد.نرم افزار spss تمامي اين عمليات ها را با سرعت و دقت بسيار بالائي انجام مي دهد.در انجام برخي از محاسبات آماري اگر قرار باشد آنها را با دست انجام دهيم مدت زمان انجام و بررسي آن ممكن است به چندين ماه،نفر،ساعت و صرف وقت و هزينه زيادي نياز داشته باشد؛در ضمن بايد خطاهاي انساني را هم به اين موارد اضافه كرد.
در حال حاضر انجام تحقيقات مختلف آماري در كنار كارها و پروژه هاي تحقيقاتي بدون استفاده از نرم افزار مناسب اصلا قابل تصور نمي باشد.
هدف اين اثر آشنائي با نرم افزارspss براي كليه دانشجويان و محققان مي باشد.در بازار كتاب داخلي،كتاب هاي زيادي در وصف و آموزش اين نرم افزار ارئه نشده است و كتاب هاي موجود هم به دليل زبان خاص آنها براي عده كثيري از مطالعه كنندگان قابل فهم و درك ساده و روان نمي باشند.به همين دليل بر خود واجب ديدم كه با تكيه بر آموخته هاي خويش و خوانده هاي قبلي از كتب آموزشيspss و راهنمائي اساتيد ارجمندم در ابتدا جزوه اي براي دانشجويان موسسه اي كه در آن مشغول تحصيل بودم بنويسم ولي با مشورت و راهنمائي هائي كه دوستان عزيزم به اين بنده حقير دادند نظر بر اين شد كه با بسط و گسترش نوشته ها و افزايش موارد و مثال ها اين اثر را به صورت يك كتاب تقديم تمامي عزيزاني كه در راه بسط و توسعه علم و فن آوري هاي جديد در كشور مشغول فعاليت هستند نمايم،اميد آن دارم كه اين تحفه ناقابل قطره اي باشد در درياي بي انتهاي علوم مختلف و متفاوت.
آمار توصيفي
مقدمه
4
آمار توصيفي
6
وارد كردن داده ها
6
جداول فراواني؛شاخص ها؛نمودارها
16
دستور COMPUTE
30
دستور RECODE
33
جداول توافقي ساده
36
- مقدمه:
زماني كه بخواهيم كاري را به ديگران آموزش دهيم لازمه آن مقدماتي مي باشد به عنوان مثال براي آموزش آشپزي در مورد يك غذاي خاص بايد مواد اوليه آن در ابتدا تهيه و فراهم شود و در مرحله بعد يك متخصص آشپزي طرز تهيه آن را آموزش دهد و در گام آخر خودمان نيز عملا روند گفته شده را تمرين و اجرا كنيم تا در آن كار متبحر و وارد شويم.
براي آموزش نرم افزارspss شرط اول به غير از علاقه و انگيزه كه در شمائي كه اين مطالب را مطالعه مي كنيد وجود دارد،اين است كه با آمار و داده هاي آماري و آزمون هاي آماري مختلف آشنائي داشته باشيد(حتي در حد تعاريف)و شرط دوم اينست كه با برخي نرم افزارهاي ديگر مثل word,exel تا حدي آشنا باشيم؛در اينجا فرض بر آشنائي با تمامي موارد بالا مي باشد.
آمار(statistics ):
آمار؛به معني علم آمار،فاقد يك تعريف مشخص و واحد است.از آنجائيكه آمار در اكثر شاخه هاي علوم داراي كاربرد بوده و اين كاربردها رو به توسعه و گسترش مي باشد،لذا در هر شاخه اي از علم به هر طريقي كه از آمار استفاده شده است تعريفي از آن نيز ارائه گرديده است،اما در يك جمع بندي كلي و خلاصه سازي مي توان آمار را علم مطالعه و توصيف كمي جوامع،مطالعه خطاها و مدل سازي فرايندهاي مختلف طبيعي توسط روابط رياضي دانست.آمار به دو شاخه توصيفي و استنباطي(تحليلي)تقسيم مي شود.
آمار توصيفي بخش كوچكي از علم آمار كنوني را شامل مي شود،ولي قدمت پيدايش آن را مقارن با پيدايش دولت هاي اوليه دانسته اند.بحث آمار توصيفي،توصيف و شناخت يك جامعه از طريق تبديل خصوصيات آن جامعه به كميت مي باشد كه توسط جداول فراواني و نمودارهاي مختلف تحت بررسي قرار مي گيرند.
آمار استنباطي بر خلاف آمار توصيفي عمري كوتاه داشته و از عمر آن چند دهه بيشتر نمي گذرد.بحث آمار استنباطي كه قسمت اعظم آمار كنوني را تشكيل مي دهد چگونگي تعميم نتايج حاصل از يك نمونه خاص و گرد آوري شده به يك جامعه به روش استقرائي است به طوري كه ميزان خطا را به حداقل برسانيم.البته آمار استنباطي كاربردهاي ديگري نظير تعيين مدل هاي رياضي براي فرايند هاي مختلف و يا مساله برآورد كردن(estimate )،آزمون فرض(testing ) و مدل سازي(modeling )را نيز دارد.
قبل از شروع در ابتدا به تعريف برخي از اصطلاحات به كار برده شده در فصول آينده مي پردازيم:
جمعيت(population ):
مجموعه تمام افرادي كه مطالعات آماري در مورد يك يا چند صفت آنها در يك مكان و زمان معين انجام گيرد جمعيت(جامعه)گويند.
نمونه(sample ):
بخشي از جامعه تحت بررسي را كه با روشي از پيش معين شده انتخاب مي شود.
واحد(unit ):
مجموعه هاي نامتداخل عنصرهائي از جامعه كه اجتماع آنها كل جامعه را تشكيل مي دهند را واحد گويند،در حالتي كه تعريف خاصي از واحدهاي نمونه گيري نمي شود هر عنصر جامعه را واحد مي ناميم.
متغير تصادفي(Random Variable):
يك متغير تصادفي تابعي از فضاي نمونه به مجموعه اعداد حقيقي است به طوري كه به هر نقطه از فضاي نمونه يك عدد حقيقي را نسبت مي دهد.
پارامتر(parameter ):
هر ويژگي مربوط به جامعه را پارامتر مي گويند.پارامتر هميشه ثابت است.
آماره(statistic ):
هر ويژگي مربوط به نمونه را آماره گويند،آماره از يك نمونه به نمونه ديگر تغيير مي كند.
توزيع(distribution ):
بعضي از متغيرهاي تصادفي داراي يك الگوي خاص هستند و مي توان براي آنها يك نوع روند در نظر گرفت،به اين روند را توزيع(پخش)مي گويند.
ارزش احتمال(p-value ):
احتمال ديدن مشاهده اي بدتر از مقدار مشاهده شده به شرط را مقدار احتمال يا همان p-value گوئيم.هرگاه p-value>α باشد پذيرفته مي شود واگر p-value<α باشد پذيرفته نمي شود.در اينجاα همان سطح معنا داري آزمون است.(خروجي هاي spss ارزش احتمال را با significance نمايش داده است)
-آمارتوصيفي:
- روش هائي را كه بوسيله آنها مي توان اطلاعات جمع آوري شده را تنظيم،طبقه بندي و خلاصه نمود و آنها را بوسيله نمودارهائي نمايش داد به آمار توصيفي موسوم است.اين طبقه بندي ها بوسيله جداول فراواني شكل مي گيرند ،از روي جدوال فراواني اطلاعات زيادي در مورد جامعه يا نمونه تحت بررسي مي توان بدست آورد.
- وارد كردن داده ها:
در هر نرم افزاري ابتدائي ترين كار آشنا بودن به روش وارد كردن داده ها مي باشد.درspss رديفها(سطرها) شامل پرسشنامه ها،و ستون ها شامل متغيرها هستند.
وقتي پنجره اوليه نرم افزار spss را باز كنيم(طبق شكل)با موارد زير روبرو مي شويم:
شكل1-1
دربالاي تصويرمنوهاي spss وجود دارند(...File,Edit, ) و در پائين منوها ابزارهائي براي سهولت كار گنجانده شده اند.بعد قسمت اعظم تصوير را خانه هاي جدول داده ها شامل مي شود.در گوشه سمت چپ پائين صفحه سر برگهاي Data view وVariable view (ويرايشگر داده ها) وجود دارند.سربرگ Data view شامل اطلاعات عددي خام و كد بندي شده است.سر برگ Variable View شامل نامگذاري و برچسب زني و اطلاعات ديگري در مورد متغيرهاي ما مي باشد.
براي وارد كردن داده هاي يك پرسشنامه ابتدا روش كلي و اصولي را بيان كرده و در آخر روش ميانبر و ساده تري براي وارد كردن داده ها بيان مي كنيم.
اگر پرسشنامه فرضي ما شامل سوالات زير باشد:
1-جنسيت: مرد... زن...
2-ميزان تحصيلات: ابتدائي... راهنمائي... ديپلم.... فوق ديپلم و بالاتر...
3-سن:........
ابتدا سربرگ Variable view را فعال مي كنيم:
شكل 1-2
در صفحه فعال شده عباراتي همچونName وType و غيره به چشم مي خورد،در زير عبارت Name نام و يا مشخصه اصلي و كلي سوال را مي نويسم،مثلا براي پرسشنامه بالا سوال اول كه در مورد جنسيت مي باشد را با Sex نشان مي دهيم،البته يادمان نرود كه در اين نرم افزار قواعد خاصي براي نامگذاري وجود دارد كه در ذيل آمده اند:
1-نبايد نام مورد نظر از هشت حرف بيشتر باشد.
2-نام مورد نظر بايد با حروف و يا علامت @ شروع شود.
3-نام مورد نظر نبايد با يك نقطه پايان يابد.
4-نام مورد نظر نبايد شامل موارد زير باشد:
I )فاصله II )علائم خاصي مثل ؟؛ !و*و ساير موارد گفته شده
5-نام مورد نظر مي تواند شامل يكي از علائم @و#و-ويا$ باشد.
6-در نامگذاري متغيرها نبايد از كلمات كليدي مانند AND,NOT,ALL و غيره استفاده كرد چون نرم افزار به عنوان يك عبارت محاسباتي از آنها استفاده مي كند.
حال نام اولين متغير را در اولين خانه سمت چپ بالا زير عبارت Name با عنوان Sex وارد مي كنيم و سپس دكمه جهتي رو به پايين را فشار مي دهيم:
شكل 1-3
تمامي مشخصات و خصوصيات از پيش فرض شده متغير در ستون هاي سمت راست مشخص مي شود.در زير ستون Type نوع متغير را Numeric (عددي) در نظر مي گيردو يا پهناي آن را 8 حرف در نظر مي گيردوغيره.هر يك از گزينه هاي از پيش فرض شده را مي توان تغيير داد،قبل از تغيير هر كدام از اين پيش فرضها به تعريف و معرفي هر كدام از آنها مي پردازيم:
Type (نوع متغير):
Spss به صورت خودكار و پيش فرض نوع متغير را عددي در نظر مي گيرد،اما انواع ديگري از متغيرها نيز در spss وجود دارندبه عنوان مثال براي يك متغير كيفي كه پهناي يزرگترين آنها از ده حرف بيشتر نيست از string استفاده مي كنيم.براي تغيير Numeric به string مراحل زير را دنبال مي كنيم:
بعد از تايپ نام يك متغير كليد Enter و يا جهتي به سمت راست را فشار مي دهيم تا عبارت بعد كه Numeric است انتخاب شود:
شكل 1-4
نشانگر ماوس را بر روي قسمت سمت راست خانه اي كه عبارت Numeric در آن ظاهر شده است برده و بر روي آن كليك مي كنيم تا كادر مكالمه Variable Type باز شود:
شكل1-5
اين كادر شامل ليستي از هشت نوع متغير است.spss به طور خودكار Numeric را بعنوان پيش فرض نشان گذاري كرده است.بر روي گزينه string در پايين ليست كليك مي كنيم،بلافاصله عبارتهاي width وDecimal placese ناپديد شده و عبارت جديدي به نام characters ظاهر مي شود.نرم افزار مقدار اوليه آنرا 8 حرف در نظر مي گيرد و ما مي توانيم آن را كم و يا زياد كنيم،در اين جا ما آن را به عدد ده تغيير مي دهيم:
شكل1-6
در گوشه سمت راست اين كادر گزينه Help وجود دارد كه در تمامي كادرهاي بعدي نيز ظاهر خواهد شد،با كليك كردن بر روي Help مي توانيم توصيف كامل تمامي گزينه هاي هر كادر را در اختيار داشته باشيم.در هر كادر بعد از اتمام تغييرات لازم بر روي ok كليك مي كنيم تا به صفحه اصلي برگرديم.در اينجا خواهيم ديد كه نوع متغير از Numeric به string تغيير پيدا كرده است:
شكل1-7
Width,Decimals (تغيير دادن پهنا و تعداد ارقام اعشاري):
در مورد sex نيازي به تغيير پهناي ستون نداريم،اما مي خواهيم تعداد ارقام اعشاري (Decimals )آن را تغيير دهيم تا رقم اعشاري را در Data view براي ما حذف كند.با كليك كردن بر روي خانه ستون Decimal اين خانه فعال مي شود،براي تغيير آن هم مي توان ميزان ارقام اعشاري مورد نظر را تايپ كنيم و يا با فلش هاي رو به بالا و پائين آن را تغيير دهيم:
شكل 1-8
Label (بر چسب يك متغير):
اگر فراموش نكرده باشيد گفتيم كه در ستون Name هشت حرف بيشتر با ضوابط خاصي نمي توانيم بنويسيم،پس در اكثر اوقات در ستون Name خلاصه اي از نام متغير و يا مشخصه مورد نظر را تايپ مي كنيم ولي در ستون Lable بدون هيچ محدوديتي مي توانيم تا 120 حرف را با فاصله تايپ كنيم و متغير مورد نظر را معرفي كنيم:
شكل 1-9
Values (مقادير و برچسب هاي آنها):
وقتي متغيري مانند جنسيت داريم كه از نوع كيفي است براي وارد كردن آن به صورت راحتر و سريعتر مي توانيم آنها را كدبندي كرده و به صورت كد وارد كنيم،براي اين كار روي خانه زير ستون Values كليك كرده بعد روي مربع سمت راست اين خانه كليك كرده تا كادر مكالمه Value lables باز شود:(البته زماني مي توانيم اين كار را انجام دهيم كه نوع داده هايمان را Numeric تعريف كرده باشيم)
شكل 1-10
به عنوان مثال براي متغير جنسيت كد 1 را به مردها و 2 را به زن ها اختصاص مي دهيم براي اين كار در كادر باز شده به صورت زير عمل مي نمائيم:
در جلوي عبارت Value عدد يك را وارد مي كنيم؛سپس در قسمت Value label كلمه male را وارد مي كنيم،حال بر روي Add كليك مي كنيم ،تمام اين كارها را براي زنها با كد 2 هم انجام مي دهيم با اين تفاوت كه در Value label كلمه female را تايپ مي كنيم.حال بر روي ok كليك مي كنيم تا به صفحه اصلي باز گرديم.
شكل 1-11
Missing (مقادير گم شده يا پرت):
بعضي اوقات در انجام تحقيقات وپر كردن پرسشنامه ها يا افراد مورد سؤال از پاسخ دادن به برخي سؤالات امتناع مي كنند و يا به دليل خطاهاي انساني،محقق فراموش مي كند اطلاعات يكي از سؤالات پرسشنامه و يا چند مورد از آنها را در Data view وارد كند در اين صورت نرم افزار در خانه هاي خالي يك مقدار مفقود سيستم (system-missing value ) قرار مي دهد.در كل spss آنها را به عنوان مقادير پرت و گم شده در نظر مي گيرد و به صورت نقطه نمايش اشان مي دهد.البته در مورد گزينه Missing بحث و بررسي زيادي بايد كرد ولي در اين اثر بيش از اين در مقوله مقادير پرت (گم شده) بحث نخواهيم كرد،كساني كه مايل به دانستن اطلاعات كاملتري در مورد Missing هستند مي توانند از منوي Help نرم افزار و يا با كليك كردن بر روي مربع سمت راست خانه زير سربرگ Missing به Help آن دسترسي پيدا كنند و اطلاعات مورد نظر خود را از آنجا استخراج كنند.
شكل1-12 الف
شكل 1-12 ب
Column (پهناي ستون ها):
ميزان پهناي هر ستون Data view را،مي توان در ويرايشگر داده ها(Variable view ) تغيير داد؛اين كار زماني انجام مي شود كه به عنوان مثال يك متغير عددي شامل اعداد چند رقمي و بزرگ باشد و براي نوشتن آن درData view احتياج به فضا و پهناي بيشتري باشد انجام مي گيرد.البته در عمل خيلي كم با اين سربرگ كار خواهيم كرد.وقتي هم كه لازم شد دقيقا مشابه آنچه براي Width انجام داديم همين كار را هم براي Column انجام مي دهيم:
شكل 1-13
Align (رديف كردن يا چيدن متغيرها):
با اين سربرگ خودمان انتخاب مي كنيم كه در خانه هاي Data view داده هايمان را در كجا تايپ كند و بچيند؛چپ چين(Left )،راست چين(Right ) و يا وسط چين(Center ).
زماني كه مي خواهيم وسط چين كنيم نشان گر ماوس را بر روي اين ستون قرار مي دهيم و كليك مي كنيم بعد گزينه مورد نظر را انتخاب مي كنيم:
شكل 1-14
Measure (سطح اندازه گيري):
درspss پيش فرض سطوح اندازه گيري را براي متغيرهاي كمي Scale و براي رشته اي ها(كيفي ها) Nominal در نظر گرفته مي شود.براي تغيير هر كدام از موارد مشابه چيدن داده ها عمل مي كنيم:
شكل 1-15
در اينجا قبل از بيان هر مطلبي توضيح مختصري در مورد سطوح مختلف اندازه گيري ارائه مي دهيم:
1-سطح اسمي(Nominal ): اين سطح براي متغيرهاي كيفي در نظر گرفته مي شود.به دليل سهولت كار ما مايليم متغيرهاي كيفي مثل جنسيت را به صورت كدبندي و كدگذاري در Data view وارد كنيم.پس هر زماني كه سؤالاتي از قبيل جنسيت و يا متغيرهائي كه دم از كيفيت مي زنند و امثالهم؛روبرو شديم بعد از كد گذاري بايد براي آنها سطح اندازه گيري را Nominal تعريف كنيم.يادمان نرود كه متغيري را كه اسمي تعريف مي كنيم داراي ترتيب خاصي نيست.
2-سطح ترتيبي(Ordinal ): اين سطح هم براي متغيرهاي كيفي مورد استفاده قرار مي گيرد مثل سطح اسمي با اين تفاوت كه در سطح ترتيبي گروه بندي ها داراي ترتيب خاص مي باشند مثل سؤال شماره دو پرسشنامه فرضي ما.نكته مهم در مورد سطوح اسمي و ترتيبي اين است كه چهار عمل اصلي درباره آنها تعريف نمي شود و تنها مي توانيم شمارش و محاسبه درصد را براي آنها انجام دهيم.
3-سطح كمي(Scale ): همانطور كه از نامگذاري آن معلوم است براي متغيرهاي كمي (عددي) به كارمي رود.در اينجا فقط ذكر اين نكته ضروري مي نمايد كه متغيرهاي كمي به دو دسته فاصله اي(Interval ) و نسبتي(Raito ) تقسيم مي شوند.
در پايان اين مطالب همواره بايد متوجه باشيم كه سطوح مختلف اندازه گيري با توجه به نوع سؤالاتي كه طراحي كرده ايم تغيير مي كنند و قابل تغيير مي باشند.به عنوان مثال شايد در ظاهر يك متغير كمي به نظر برسد ولي نوع طراحي سؤال آن را به متغيري كيفي تبديل كند؛در اينجا مثلا وزن افراد را طبقه بندي مي كنيم و اين طبقات را كدگذاري مي كنيم،وزن در اصل يك متغير كمي است ولي با كارهائي كه ما انجام داديم به يك متغير كيفي تبديل شد.(از نوع ترتيبي)
تغيير كلي درپيش فرض هاي Spss :
براي اين كار آدرس زير را دنبال مي كنيم:
Edit Options
بعد از باز شدن كادر Option مي توانيم هر تغييري را كه مي خواهيم در آنجا اعمال كنيم.
پركردن Data view :
حال كه تمام موارد از پيش فرض شده و Variable view را شناختيم مي توانيم داده هاي خود را وارد Data view كنيم.بعد از نام گذاري هر يك از متغيرها در گوشه پائين سمت چپ صفحه اصلي بر روي سربرگ Data view كليك مي كنيم در بالاي صفحه سه ستون اول با نام هاي sex و tahsilat وsen ظاهر مي شوند:
شكل 1-16
حال اطلاعات هر پرسشنامه را با توجه به سؤالات وارد مي كنيم،بعد از پر كردن Data view مي توانيم وارد مرحله بعد شويم.
ميانبري براي وارد كردن داده ها:
اگر يكي از پرسشنامه هاي فرضي به صورت زير پر شده باشد:
1-جنسيت: مرد * زن...
2-ميزان تحصيلات: ابتدائي... راهنمائي... ديپلم * فوق ديپلم و بالاتر...
3-سن: 35
در بالاي صفحه پرسشنامه گوشه سمت راست آن با توجه به كد بندي سؤالات كيفي و مقدار عددي سؤالات كمي مي نويسيم:
2 3 35
حال تمام پرسشنامه ها را به اين صورت آماده مي كنيم براي وارد كردن پرسشنامه ها ديگر لازم نيست كه سؤال به سؤال بخوانيم و جواب ها را وارد كنيم بلكه اعداد بالاي هر صفحه را براي هر فرد به صورت افقي وارد Data view مي كنيم.
- جداول فراواني، شاخص ها و نمودارها:
با توجه به نوشته هاي قبلي و هدف اين اثر قرار بر اين نيست كه كامل و جامع تمام خصوصيات و توانائي هاي اين نرم افزار در اينجا بيان شود.اما سعي بر اينست مطالبي را هم كه بيان مي كنيم واقعا كاربردي باشند،اعتقادم بر اين مي باشد كه ضرورتي ندارد براي اضافه كردن تعداد سطور و حجم كتاب مطالبي غير كاربردي و يا مطالبي كه استفاده اندكي دارند بيان شوند دليلي هم جز چند جمله بعدي ندارد؛در علوم رايانه و علي الخصوص نرم افزارهاي مختلف وقتي اصول اوليه و پايه اي را فرد درست بياموزد خود فرد مي تواند توانائي و مهارت خويش را در نرم افزار بخصوصي به حد اعلي برساند و هدفي هم جز اين ندارم.
اولين كاري كه انجام مي دهيم داده هاي جدول زير را با توجه به مطالب گفته شده در ويرايشگر داده ها وارد مي كنيم:
1-جنسيت: زن....... مرد.......
2-وضعيت اسكان زمان تحصيل: خوابگاهي........ غير خوابگاهي.......
3-شهر محل تحصيل: بومي........ غير بومي.........
4-ميزان رضايت مندي از روابط با ديگران:...........
5-ميزان افسردگي:..........
افسردگي
راضي بودن
شهر
اسكان
جنسيت
1
40
2
1
1
6
30
1
2
1
6
33
1
2
1
7
34
1
2
1
2
41
2
1
1
3
35
1
2
1
5
38
2
2
1
5
37
2
1
1
9
36
2
1
1
2
35
2
2
1
2
35
1
2
1
6
31
2
1
1
4
34
2
2
2
6
30
2
1
1
12
40
1
2
2
17
33
2
1
1
12
39
2
1
1
4
23
1
2
1
2
42
1
2
1
25
30
2
1
1
3
38
1
2
2
22
0
1
1
1
9
36
2
1
1
7
26
1
2
1
14
18
2
2
2
18
34
1
2
2
16
42
2
1
1
6
36
1
2
1
5
34
1
2
1
2
38
1
2
2
10
37
2
1
1
12
28
2
2
2
9
37
1
2
2
19
35
2
2
1
12
42
1
2
1
12
42
1
2
1
8
16
2
2
2
6
34
1
2
2
15
40
2
1
1
6
42
1
2
1
3
42
2
2
1
18
20
2
1
1
14
35
1
2
1
2
23
2
1
1
5
40
2
1
1
10
23
2
1
1
21
30
2
1
1
2
40
1
2
1
3
38
1
2
1
12
37
2
2
2
6
38
2
2
1
25
26
2
2
2
7
33
2
2
2
3
26
1
2
2
4
42
2
1
1
11
37
2
1
1
20
24
1
2
2
براي وارد كردن داده ها در مورد سه سوال اول كدبنديهاي زير را انجام دهيد:
كد يك براي خانم ها و كد دو براي آقايان؛در سوال دوم كد يك براي افراد خوابگاهي و كد دو براي افراد غير خوابگاهي؛و براي سوال سوم كد يك را براي افراد بومي و كد دو را براي افراد غير بومي در ويرايشگر داده ها تعريف كنيد.
در تمامي تحقيقات و پژوهش ها اولين كاري كه انجام مي دهيم اينست كه مايليم كه از مقاديرشاخص هاي مركزي و پراكندگي،از طريق جداول فراواني،رسم نمودارهاي مناسب و غيره مطلع شويم؛با اين كار خيلي از راه را درست خواهيم پيمود.
درspss راه هاي زيادي براي مطلع شدن از نكات گفته شده وجود دارد يكي از اين راه ها استفاده از چند منوي خاص مي باشد كه در ذيل به برخي از آنها مي پردازيم.بعد از وارد كردن داده ها در ويرايشگر داده ها و Data view از منوي زير استفاده مي كنيم:
شكل1-17
شكل 1-18
براي شروع كار منوي گفته شده را باز مي كنيم:
شكل 1-19
براي شروع كار مي توانيم همه و يا يكي از متغيرها را كه مايليم در مورد آن از آمار توصيفي اش مطلع شويم به كادر variable(s) منتقل مي كنيم(mizan afsordegi )،حال بر روي گزينه Statistics… كليك مي كنيم تا كادر Frequencies:Statistics… باز شود.تمام گزينه هائي را كه مورد سوال ما هستند تيك مي زنيم:
شكل 1-20
در قسمت Percentile values گزينه هاي Quartiles و Cut points… را تيك مي زنيم كه اولي مقادير چاركها و دومي در حالت استاندارد مقادير متغير مورد نظر ما را به ده گروه مساوي تقسيم مي كند.در قسمت Dispersion (شاخصهاي پراكندگي) گزينه هاي Std. deviation ( انحراف استاندارد)،Variance (واريانس)،Minimum (مينيمم)، Maximum (ماكزيمم) كليك مي كنيم.
در قسمت Central Ttendency (شاخصهاي مركزي) بر روي گزينه هاي Mean (ميانگين)،Median (ميانه) كليك مي كنيم.در قسمت پاياني اگر بخواهيم از مقادير چولگي (Skewness ) و كشيدگي (Kurtosis ) مطلع شويم بر روي آنها كليك مي كنيم.در پايان بر روي Continue كليك مي كنيم تا به كادر اصلي بازگرديم.در كادر اصلي بر روي گزينه Charts… كليك مي كنيم تا كادر Frequencies:Charts.. باز شود:
شكل 1-21
اگرداده هاي مورد بررسي از نوع گسسته باشند نمودار مناسب براي آنها دايره اي و يا ميله اي مي باشد.بعنوان مثال نمودار دايره اي براي جنسيت افراد بصورت زير مي باشد:
شكل1-22
البته اين شكل بر اساس فراواني داده ها رسم شده است؛ولي ما مي توانيم همين نمودار را بر اساس درصد رسم نماييم.
حال آموخته هاي خود را براي ميزان افسردگي انجام داده و خروجي ها را به طور مختصر توصيف مي كنيم:
شكل1-23
شكل1-24
شكل1-25
از خروجي ها ي بدست آمده به طور خلاصه نتايج زير بدست مي آيند:
ميانگين داده هاي مربوط به ميزان افسردگي برابر9؛ميانه برابر7؛مد برابر با6 و واريانس داده ها برابر با 40.679 بدست آمده است.
همچنين ميزان چولگي برابر با0.894 و ميزان كشيدگي برابر با0.061- بدست آمده است كه نشانگر چوله به راست بودن و پخ بودن داده ها نسبت به توزيع نرمال مي باشد.
جدول دوم يك جدول فراواني ساده مي باشد؛از روي شكل هم همان نتايج بدست آمده از جدول اول در مورد چولگي و كشيدگي داده ها بدست مي آيد.
راه ديگر توصيف داده هاي پرسشنامه ها استفاده از منوي زير مي باشد:
شكل1-26
اگر از طريق اين منو بخواهيم در ابتدا توصيفي از داده هاي خود داشته باشيم؛اين منو خروجي استاندارد نرم افزار را به ما مي دهد.البته از طريق گزينه ي options در كادر descriptives قابل تغييراتي نيز هست.
درتجزيه و تحليل داده ها در ابتدا داشتن تصوير كلي از داده ها مي تواند براي تشخيص ادامه روند بسيار مفيد واقع شود،براي اين كار رسم نمودارهاي گوناگون مانند ساقه و برگ وهيستوگرام و جعبه اي از طريق منوي زير مناسب مي باشد:
شكل1-27
همان طور كه در شكل زير مشاهده مي نماييم اين كادر از چند قسمت تشكيل شده است؛در اينجا مايليم ميزان افسردگي را بر حسب جنسيت مورد بررسي قرار دهيم،به همين دليل ميزان افسردگي را به Dependent List: منتقل و جنسيت را بهFactor List: منتقل مي نماييم:
شكل1-28
حال برروي plots… كليك كنيم :
شكل1-29
در قسمت توصيفي هر دو گزينه را تيك مي زنيم،هم گزينه ي Stem-and-leaf (ساقه و برگ)و هم گزينهHistogram را، تا نمودارهاي دلخواه را براي ما رسم نمايد.آمار توصيفي براي هر دو جنسيت زن و مرد در شكل 1-30 ارايه شده است.
شكل1-30
همانطور كه ملاحظه مي نماييم در شكل 1-31 نمودار ساقه و برگ براي ميزان افسردگي خانمها رسم شده است.درقسمت سمت چپ نمودار فراواني هر ساقه نوشته شده است؛و روبروي هر فراواني ساقه اي مشخص شاخه و برگهاي آن مشخص شده اند؛بعنوان نمونه روبروي فراواني 7 نشانگر افرادي مي باشد كه ميزان افسردگي آنها عددي مابين 10 و14.99 مي باشد.به همين ترتيب در شكل 1-32 نيزنمودارساقه و برگ ميزان افسردگي براي آقايان ترسيم شده است:
mizan afsordegi Stem-and-Leaf Plot for
jensiyat= female
Frequency Stem & Leaf
12.00 0 . 122222233344
15.00 0 . 555566666667799
7.00 1 . 0012224
5.00 1 . 56789
2.00 2 . 12
1.00 Extremes (>=25)
Stem width: 10
Each leaf: 1 case(s)
شكل1-31
mizan afsordegi Stem-and-Leaf Plot for
jensiyat= male
Frequency Stem & Leaf
4.00 0 . 2334
4.00 0 . 6789
4.00 1 . 2224
1.00 1 . 8
1.00 2 . 0
1.00 Extremes (>=25)
Stem width: 10
Each leaf: 1 case(s)
شكل1-32
در شكل 1-33 نمودار جعبه اي ميزان افسردگي؛در حالت مقايسه اي بين هر دو جنسيت در كنار همديگر رسم شده است:
شكل1-33
هر نمودار جعبه اي 5 مقدار خلاصه شده آماري را به ما مي دهد؛كه عبارتند از:1- ميانه 2- چارك اول 3- چارك سوم 4- مينيمم 5- ماكزيمم داده ها.به دليل اهميت استفاده از اين گونه نمودارها آنها را به اختصار شرح مي دهيم:
خطوط بالايي و پائيني مستطيل به hinges (لولا،بند،محور)معروفندكه خط پائيني مستطيل نشانگر چارك اول و خط بالايي مستطيل نشانگر چارك سوم داده ها مي باشد.
مينيمم و ماكزيمم داده ها كه بالا و پائينhinges ها ظاهر مي شوند به whiskers ها موسومند؛حد بالايي نشانگر ماكزيمم داده ها و حد پائيني نشانگر مينيمم داده ها مي باشد.
Outliers هابا يك O و يك عدد در كنار آن مشخص مي شوند؛هر عدد نشانگر شماره ي سطر داده ها در Data View مي باشد.
Extreme (نهايي)مقاديري هستند كه با علامت* مشخص مي شوند.
در شكل 1-33 در مورد آقايان داريم:
Max=25
Min=2
Median=9
براي رسم انواع نمودارها راه هاي متفاوتي وجود دارد،در نرم افزار spss براي دستيابي به انواع نمودارها بهترين كار استفاده از منوي Graphs مي باشد اين منو داراي شاخه هاي مختلفي مي باشد كه به ما اين امكان را مي دهد با توجه به نوع داده ها و بررسي آماري مورد نظرنمودار مناسب را انتخاب نماييم.
برخي از مهمترين نمودارهاي موجود در اين منو عبارتند از:نمودارهاي ميله اي؛ دايره اي؛هيستوگرام؛پراكنش؛جعبه اي و...(شكل1-34 )
شكل1-34
- دستورCOMPUTE :
در نرم افزارspss گاهي اوقات بعد از جمع آوري و وارد كردن داده ها متوجه مي شويم كه داده هاي در دسترس از توزيع خاصي پيروي نمي كنند و يا اينكه در مبحث رگرسيون براي تشخيص مدل مناسب؛داده هاي موجود مناسب نيستند،پس لازم است تا برخي تبديلات روي داده ها انجام دهيم تا به پاسخ مناسبي دست يابيم،بعنوان مثال دوست داريم از يك سري داده جذر گرفته و يا Ln و يا به توان دوم برسانيم؛سپس روي داده هاي جديد اعمال آماري مورد نياز را انجام دهيم.اگر بخواهيم تك تك داده ها را مورد تغيير قرار دهيم كاري بس دشوار و وقتگير مي باشد؛براي سهولت و تسريع در اين امر مي بايست منوي زير را دنبال كنيم: (شكل1-35)
شكل1-35
براي آشنايي بيشتر با نحوه ي كار از همان داده هاي قبلي استفاده كرده و يك تغيير فرضي را روي آنها براي يادگيري اعمال مي كنيم؛اگر آدرس بالا را دنبال كنيم كادر مكالمهCompute Variable باز مي شود:
شكل1-36
در قسمتTarget variabl: (متغير هدف) اگر بخواهيم داده هاي تغيير يافته در ستون جديدي قرار بگيرند،نام مورد نظرمان را مي نويسيم؛در اينجا lndepresi را وارد مي كنيم؛حال از ميان توابع مختلف موجود در قسمتFunction group: به عنوان مثال Arithmetic (رياضيات) را انتخاب مي كنيم تا در قسمت Functions and Special Variables: توابع و تغييرات رياضياتي موجود ظاهر شوند؛حال بعنوان مثال مايليم از متغيير depresi لگاريتم طبيعي(ln) بگيريم،براي اين كار Lnرا انتخاب و بوسيله ي (شكل1-37) به Numeric Expression منتقل مي كنيم؛حال از قسمت Type & Lable… گزينه ي mizan afsordegi را انتخاب و بوسيله ي (شكل 1-38) به Numeric Expression منتقل مي نماييم حال بر روي ok كليك كنيد و در صفحه داده ها؛يك ستون جديد بنام lndepresi را مشاهده نماييد.در ضمن اين كادر اين امكان را به ما مي دهد تا تغييرات را به صورت شرطي انجام دهيم،كه شرح اين مبحث در اين مجال نمي گنجد.حال مي توانيم كارهاي انجام شده را در شكل1-39 ملاحظه نماييم:
شكل1-39
- دستورRECODE :
در دستورcompute تغيير انجام شده بر روي تك تك داده هاي مورد نظر انجام مي شد ولي گاهي اوقات لازم است تا برخي داده هايمان را گروه بندي و كدگذاري كنيم و از روي داده هاي كدگذاري شده تحليل هاي مناسب را انجام دهيم.بعنوان مثال با همان داده هاي قبلي مي خواهيم ميزان افسردگي را كدگذاري كنيم به اين ترتيب كه اگر فردي ميزان افسردگي اش از 20 كمتر بود كد صفر را بگيرد و به اين معني باشد كه وي افسرده نمي باشد؛و اگر ميزان افسردگي فردي بيش از 20 بود كد يك را بگيرد و به اين معني باشد كه فرد مورد نظر از افسردگي رنج مي برد.براي نيل به اين هدف منوي زير را دنبال مي كنيم:
شكل1-40
چون مي خواهيم كدبندي و تغييرات اعمال شده در ستون جديدي نمايان شوند گزينه Into Different Variables… را انتخاب مي كنيم تا كادر Recode into Different Variables شود:
شكل1-41
حال براي ايجاد ستون جديد روي متغيير mizan afsordegi كليك كرده تا به Input Variable->Output Variable بوسيله ي منتقل شود.نام ستون جديد(متغيير خروجي) را در Name وارد مي كنيم بعنوان مثال dep و بر روي Change كليك كرده تا اين نام در Input Variable->Output Variable: وارد شود.
شكل1-42
حال با كليك كردن بر روي Old and New Variables… كادر :Recode into Different Variables: Old and New Variable را باز كنيد.
شكل1-43
گزينه Range:Lowest through را فعال كنيد،عدد19 را در اين قسمت وارد كنيد،گزينه Output variables are strings را تيك بزنيد.درNew Value در مقابل Value مقدار صفر را وارد نماييدو Add را كليك كنيد تا در Old-->New عبارت Lowest thru 19-- >`0` ظاهر شود.
حال گزينه را فعال نماييد و عدد 20را وارد نماييد؛درNew Value و در مقابل Value عدد يك را وارد كنيد؛دوباره بر روي Add كليك كنيد تا در Old-->New: عبارت20 thru Highes -- >`1` ظاهر شود.بايد توجه كرد كه through مقاديري را شامل مي شود كه بين دو مقدار مشخص شده در قبل و بعد از آن باشند بنابراين؛اين دستور ميزان افسردگي را به صورت كمتر از 20 كد صفر(سالم) وبيشتر از20 كد يك(افسرده) دسته بندي مي كند.حال بر روي Continue و سپس بر روي ok كليك كرده و در Data View ستون جديد را با نام dep مشاهده كنيد.
شكل1-44
- جداول توافقي ساده:
گاهي اوقات مايليم بدانيم كه آيا بين دو متغير كيفي رابطه اي وجود دارد يا خير؟براي اين كار استفاده از جداول توافقي و آماره ي كاي-اسكور توصيه مي شود؛براي اين هدف منوي زير را دنبال مي كنيم:
شكل1-45
براي آشنايي از روند استفاده از اين منو داده هاي ضميمه 1 را در ويرايشگر داده ها و Data View وارد كنيد، براي وارد كردن داده ها در مورد سه سوال اول كدبنديهاي زير را انجام دهيد:
كد يك براي خانم ها و كد دو براي آقايان؛در سوال دوم كد يك براي افراد خوابگاهي و كد دو براي افراد غير خوابگاهي؛و براي سوال سوم كد يك را براي افراد بومي و كد دو را براي افراد غير بومي در ويرايشگر داده ها تعريف كنيد.ابتدا متغير افسردگي را دقيقا همانند مثال مشابه در همين فصل بوسيله دستور Compute بنامdep كدبندي مي كنيم. مايليم بدانيم كه آيا جنسيت و افسردگي بر روي يكديگر تاثيري دارند و يا از همديگر مستقل مي باشند؟
شكل1-46
براي اين كار متغيري را كه از دسته بندي كمتري برخوردار است به Row(s): منتقل مي كنيم؛در اين مثال خاص متغير جنسيت را به Row(s):منتقل مي كنيم؛ حال متغير كدبندي شده بنام depكه توسط دستور Recode ساختيم را به Column(s):منتقل مي كنيم؛حال گزينه ي Display clustered bar chartsرا تيك زده تا نمودار ميله اي دسته بندي شده جدول توافقي را براي ما در خروجي نمايش دهد،سپس برروي گزينه ي Statistics… كليك كرده تا كادر Crosstabs:Statistics باز شود:
شكل1-47
در اين كادر آماره ي Chi-square را تيك مي زنيم،سپس بر روي Continue و ok كليك كرده تا خروجي دستورات را مشاهده نماييم؛اين خروجي سه جدول و يك نمودار به ما ارائه مي دهد.جدول اول(شكل1-48) خلاصه اي از داده هاي مورد استفاده را به ما نشان مي دهد.
شكل1-48
جدول دوم(شكل1-49)يك جدول توافقي برحسب آنچه ما از نرم افزار خواسته بوديم؛ساخته است.در اين جدول مشاهده مي كنيم كه32نفر از آقايان سالم و6 نفر از آنها از افسردگي رنج مي برند؛و يا در مورد خانم ها 49 نفر سالم و6 نفر از افسردگي رنج مي برند.(بر اساس دسته بندي و كدبندي هاي از قبل تعيين شده)
شكل1-49
بالاخره در جدول سوم(شكل1-50)آماره ي آزمون اينكه آيا جنسيت و افسردگي از همديگر مستقلمي باشند يا خير،وجود دارد.براي فهميدن نتيجه ي آزمون مقدار را مشاهده مي كنيم كه در اينجا Pearson Chi-Square:Asymp.sig.(2-sided)برابر با0.490 مي باشد.اين مقدار همان ميزان معني داري آزمون(significance)مي باشد.اين مقدار را با αمورد نظر كه در اين آزمون برابر با0.05 در نظر گرفته شده است؛مقايسه مي كنيم.با مقايسه اين مقدار وαدر مي يابيم كه فرض صفر پذيرفته مي شود.يعني اين دو متغير از همديگر مستقل مي باشند.بعبارتي نوع جنسيت از ميزان افسردگي فرد مستقل مي باشد.لازم به ذكر ست اگر فراواني يكي از خانه هاي جدول توافقي بدست آمده كمتر از5 بود به جاي آماره ي پيرسون از روي آماره ي فيشر داده شده استنباط هاي لازم را انجام مي دهيم.
شكل1-50
در شكل1-51 نمودار ميله اي مربوط به تعداد افراد برحسب جنسيت و اينكه افسرده مي باشند و يا نه؟؛را براي ما در خروجي نمايش داده است:
شكل1-51
حال مي توانيم آموخته هاي بالا را به موارد مشابه و مثال هاي ديگر تعميم داده و نتايج مورد نظرمان را تجزيه و تحليل نماييم.