بخشی از مقاله
مقدمه :
کاربرد آمار در تحقیقات جغرافیا و به ویژه در جغرافیاي انسانی به عنوان یکی از نیازهاي محققان جوان این رشته موضوعی است که به قدر کافی در مورد آن منابع و تحقیقات عملی در دسترس به شکلی که علاقمندان بتوانند از آن بهره برداري کنند در منابع فارسی موجود نیست. لذا با توجه به احساس این نیاز و ضمن ارج نهادن به کلیه منابع و کتب موجودي که اساتید محترم در این زمینه تهیه و ارائه نموده اند به واقع این کمبود در جغرافیاي ایران به شدت احساس می شود.
در اینجا و مطالبی که پس از این تدوین و ارائه می شود وبه ویژه با ارائه تحقیقات عملی که مسئولیت اجرایی آنها بر عهده نگارنده بوده است سعی بر این است که ورقی هرچند کوچک بر منابع موجود در زمینه کاربردهاي عملی آمار در جغرافیاي انسانی و روش هاي آن افزوده و با قرار دادن مطالب در محیط اینترنت - در این سایت - بهره گیري سریع و آسان تري براي علاقمندان فراهم گردد. نویسنده این سطور از تاریخ جغرافیا و مکتب هاي جغرافیایی در جهان و مراحل اوج و فرود جغرافیاي کمی بی اطلاع نیست لیکن ضرورت بکارگیري این روش ها نیز در این علم انکار ناپذیر است.
جغرافیاي انسانی از نظر محدوده دانش و به تبع آن در روش هاي مورد استفاده علمی آن با علوم اجتماعی قرابت هاي خاصی دارد به نحوي که برخی از صاحبنظران در دسته بندي علوم جغرافیاي انسانی را در زیرمجموعه دانش اجتماعی قرار داده اند.
صرف نظر از ایده هاي موافق و یا مخالف در این زمینه - که البته در جاي خود می تواند بحث جالب و مفیدي باشد - ، آنچه که در اینجا مورد توجه است این است که این رشته در روش تحقیق و به تبع آن در روش هاي آماري بسیاري از روش هایی که به کار می گیرد با روش هاي آماري در علوم اجتماعی تشابه دارد. در اینجا تعدادي از روش هاي متداول آماري با شرح کاربرد و روش انجام آنها در spss و خروجی هاي مهمی که در بررسی ها کاربرد دارد ارائه می شود. مطالب به شیوه اي ارائه می شود که به شکل دستورالعمل براي انجام چنین کاري قابل استفاده باشد و نتایج واقعی آماري از یک طرح تحقیقاتی به عنوان نمونه ارائه می گردد.
مقایسه میانگین ها:
میانگین گیري و مقایسه بین میانگین ها از ابتدایی ترین و در عین حال متداول ترین کارها در بررسی هاي داده هاي کمی است - داده هاي کمی داده هایی که مقیاس سنجش آنها نسبی است و عدد براي سنجش آنها در نظر گرفته می شود مثل سن، نمره، قد افراد ... - معمولاً این مقایسه حتی توسط افراد غیر متخصص نیز به راحتی انجام می شود اما هنگامی که داده هاي ما که ما میانگین را از آنها گرفته ایم داده هایی از جامعه نمونه باشند یا نیاز به نوعی نتیجه گیري علمی از آنها باشد، مقایسه ساده میانگین ها می تواند گمراه کننده باشد، لذا قبل از اینکه میانگین ها را مقایسه کنیم باید ببینیم اساساً چنین مقایسه اي براي داده هاي ما می تواند معنی دار باشد؟
و پس از آن اقدام به مقایسه اعداد به دست آمده به عنوان میانگین می زنیم. چه بسا اعداد به دست آمده به ظاهر اختلاف قابل توجهی را نشان دهد اما در واقع اختلافات بی معنی باشند . براي این کار نیاز به آزمون آماري داریم که یکی از متداول ترین آنها آزمون t است. مقایسه بین چند میانگین نیز می تواند کاربردهاي خاصی داشته باشد. براي انجام مقایسه میانگین ها ترکیب داده ها و توزیع آنها - واریانس آنها - مهم است و بر آن اساس است که تصمیم می گیریم مقایسه معنی داري میانگین هایمان را با چه آزمونی بررسی کنیم.
-1 مقایسه میانگین دو گروه داده ها
با بهره گیري از Independent Samples Test‐ T‐Test و Test Mann‐Whitney براي مقایسه سطوح یا میانگین هاي دو نمونه مستقل از داده هاي کمی، اغلب آزمون t با نمونه هاي مستقل - independent‐samples t‐test - مناسب است.
اگر پیش نیازهاي استفاده از آزمون t مستقل وجود نداشته باشد، - اگر واریانس یا تعداد موردها در دو نمونه به طور بارزي با هم متفاوت باشد - از آزمون t با واریانس جداگانه - separate‐variance t‐test - که انتخاب مطمئن تري است استفاده می کنیم. شبیه سازي هاي کامپیوتري نشان داده است که حتی اگرپیش شرطهایی همچون »توزیع نرمال با واریانس برابر« تاحدودي مخدوش باشد، به شرطی که حجم جامعه خیلی کوچک نباشد و داراي مقادیر پرت نباشد و حجم نمونه ها با هم برابر باشد - یا تقریباً برابر باشد - ، کماکان می توان با اطمینان از آزمون t استفاده نمود.
پیش شرط هاي مدل آزمون t به شدت مختل باشد، می توان از آزمون هاي جایگزین که از نوع ناپارامتري است استفاده کرد. آزمونهاي ناپارامتري در مورد توزیع هاي جامعه و واریانس آن فرض خاصی نمی کنند ؛ از جمله این آزمون ها که به عنوان معادل ناپارامتري آزمون t معرفی می گردد آزمون من-ویتنی - Mann‐Whitney - Test است. رویکرد دیگر در این زمینه براي اینکه داده ها را واجد شرایط آزمونهاي پارامتري کنیم ، خارج کردن مقادیر پرت و به کار بردن آزمون t با داده هاي جدید است.
مثال: در یک طرح تحقیقاتی مقایسه بین میانگین امتیازاتی که به عنوان شاخص موفقیت یراي هر یک از طرح هاي خوداشتغالی زیر نظر کمیته امداد همدان اجراشده مورد نظر است به این منظور امتیازاتی که براي هریک از طرح هاي اجراشده وجود داشته در یک مجموعه از طرح ها که به عنوان طرح هاي موفق معرفی شده اند، با امتیازات گروه دیگري که به عنوان طرح هاي ناموفق معرفی شده اند مقایسه می شود:
با استفاده از نرم افزار spss درکادر مکالمه Independent‐Samples T Test دوگروه طرح ها به عنوان :
-1گروه طرح هاي موفق ، -2 گروه طرح هاي ناموفق ، به عنوان متغیر گروهبندي - - grouping درنظر گرفته شدند و اطلاعات امتیاز هریک از طرح ها در این دو گروه مورد مقایسه قرار گرفت.
درspss با رفتن به منوي analyze و سپس در این منو برروي compare means رفته و به independent sample t test می رویم در آنجا با توجه به اینکه قصد ما مقایسه دو گروه است متغیر گروهبندي را به grouping variable منتقل می کنیم . در این مثال متغیر گروهبندي ما موفقیت یا عدم موفقیت است طرح هایی که موفق بوده اند با کدي - عدد کدها اصلاً مهم نیست که چه باشد زیرا این ها فقط براي مشخص نمودن این است که متعلق به چه گروهی است و براي هر کد در قسمت تعریف برچسب هاي موضوع تعریف شده مثلاً کد 1 موفق کد 2 ناموفق - در spss مشخص گردیده اند.
بعد از انتقال متغیر گروهبندي از بین متغیرها به داخل چهارگوش grouping variable باید برروي چهارخانه زیر آن با عنوان define …groups کلیک کرده و در پنجره اي که باز می شود دامنه گروه هایمان را که 1 و 2 است را با عدد 1 در قسمت بالایی و 2 در قسمت پایینی وارد کنیم - زیرا اینجا دو گروه داریم -
