ورود کاربر

تحلیل آماری با spss

مشاوره و تحلیل آماری پایان نامه و پروژه های آماری

- تجزیه و تحلیل داده های آماری و آزمون فرضیا تحقیق

- مشاوره و تحلیل آماری تحقیقات علمی و پروژه های پژوهشگران و پایان نامه ها و پروژه های دانشجویی

- پردازش آماری داده ها و تجزیه و تحلیل آماری پرسشنامه ها و اطلاعات حاصل از آزمایشات علمی

- ارائه تحلیل های آماری با استفاده از نرم افزار spss

- انجام آزمون های پایایی و روایی و قابلیت اعتماد پرسشنامه

- انجام انواع آزمون های آماری متناسب با شرایط پروژه یا پایان نامه

- تحلیل های توصیفی همراه با نمودارها و جداول آماری

- مدل سازی معادلات ساختاری

- برازش مدل

- تحلیل های عاملی تائیدی و اکتشافی

- آزمون فرضیات تحقیق و آزمون فرض آماری

- در خصوص ابزارها و روشهای آماری تحقیق و پروژه های خود با ما مشورت کنید ...

مقایسه متغیر های دو وجهی

در این آموزش نحوه رسم جداول و نمودارها را برای متغیر های دو وجهی آموزش خواهم داد. چنانچه مفروضات آماری برقرار باشند می توان از آزمون مک نمار ( برای دو متغیر) یا آزمون Q  کوکران ( برای سه متغیر و بیشتر از سه متغیر ) استفاده کرد. ما در این آموزش از فایل freelancers.sav  استفاده می کنیم.

Description: http://www.spss19.ir/image/s%20spss-dichotomous-variables-data-view.png

 

جدول توصیفی SPSS

ساده ترین راه برای مقایسه متغیرهای دو وجهی اجرای دستور DESCRIPTIVES  است. هنگامی که در این متغیر ها  0 و 1 تنها مقادیر معتبر باشند این مقایسه به بررسی نسبت ها مربوط می شود.

فرامین پنجره Syntax زیر یک جدول توصیفی بر ای متغیر های source_2010  تا source_2014 ایجاد می کند. توجه داشته باشید (تصویر زیر) که کمترین و بیشترین مقادیر عبارتند از 0 و 1.

Description: http://www.spss19.ir/image/s%20syntax%20standard%20descriptives.png

 

Description: http://www.spss19.ir/image/s%20spss-dichotomous-variables-descriptives-output.png

نتیجه: کمترین درصد در فایل freelancers %43 است که مربوط به سال 2010 می‌باشد و بیشترین درصد ( %50 ) در سال 2012 و 2014 است.

فرامین جداول

آماره های توصیفی برای متغیرهای سطح بندی شده

هنگام گزارش دادن در باره داده ها، ما معمولاً داده ها را خلاصه می کنیم. ساده‌ترین راه برای انجام این کار مشاهده توزیع فراوانی داده ها است. در این مورد مشاهده نمودار هیستوگرام یک بینش سریع در خصوص متغیر ها به ما خواهد داد به خصوص هنگامی که تعداد زیادی مقادیر متمایز وجود داشته باشد.

با این حال توزیع فراوانی ها اغلب جزییات بیشتری از آنچه به آن نیاز داریم در اختیار ما می‌گذارد. برخی از اوقات ما فقط می خواهیم که میانگین متغیر را بدانیم زیرا دانستن همین آماره برای مقایسه دو متغیر کافیست و مقایسه دو عدد، نسبت به مقایسه دو جدول کار آسانتری است.همین موضوع در مورد گروهی از داده ها (سطرها و یا ستونها) نیز صادق است. برای مثال پاسخ دهندگان مرد در مقابل پاسخ دهندگان زن.

اما اینکه کدام آماره برای خلاصه سازی متغیر داده شده مناسب است به سطوح اندازه گیری متغیر بستگی دارد. در این آموزش قصد دارم به بررسی متغیرهای اسمی بپردازم.

مد

یک آماره مناسب برای برخی از متغیر ها (مانند متغیرهای اسمی) آماره مد است. مد مقداری است که بیشترین فراوانی را در بین داده ها دارد. توجه کنید که در برخی از موارد ممکن است دو و یا حتی چند مقدار دارای بیشتربن فراوانی باشند، در این موارد متغیر ما دارای دو و یا چند مد است. چنانچه در فایل employee data  متغیر Education Type  را بررسی کنیم می بینیم که مد این متغیر "Law" است. مقدار فراوانی این گزینه 4 است و فراوانی مابقی گزینه ها  از این مقدار کمتر است.

برای متغیر هایی با تعداد زیادی مقادیر متمایز، مد اغلب به یک بازه از داده ها اشاره دارد (بیشترین درآمد بین 2000 تا 2250 دلار است). چگونگی گروه بندی مقادیر در بازه های مختلف بستگی به نظر تحلیلگر دارد. اگر بازه گروه‌بندی تغییر کند، مد متفاوتی از مد قبلی خواهیم داشت.

در صدها

از درصد برای متغیر های ترتیبی و متریک استفاده می کنیم. اجازه دهید که در فایل فوق توزیع فراوانی متغیر Experience را در نظر بگیریم. دقت کنید که مقادیر از کم به زیاد مرتب شده اند و ما در صد تجمعی را نیز به جدول اضافه کرده ایم.

صفحه‌ها

ارتباط با ما

دکتر مجتبی فیاض

همراه : ۰۹۱۳۱۱۷۱۴۹۷

ایمیل:mojtaba_fayaz@yahoo.com

سامانه پیام کوتاه:۳۰۰۰۶۱۳۲۰۰۸۰۰۰

کانال تلگرام: spss19withfayaz@

اینترنت پر سرعت ایران گیت