بخشی از پاورپوینت
اسلاید 1 :
آموزش نرم افزار آماری SPSS (مقدماتی)
بخش اول: مقدمه ای بر آمار
اسلاید 2 :
مباحثی که در این کارگاه خواهیم آموخت
مقدمه ای بر آمار
نصب نرم افزار، ساخت دیتابیس و کار با داده ها
آمار توصیفی و چند آزمون پرکاربرد (همبستگی، تفاوت میانگین ها و .)
اسلاید 3 :
جمع آوری
داده ها
توصیف داده ها
با استفاده از
جداول فراوانی،
نمودارها و
مشخص کننده های
عددی
وبررسی رابطه
بین متغیرها
با استفاده از
همبستگی و پیوستگی
و نیز
استنباط از داده های نمونه
برای رسیدن به
داده های جامعه آماری
می باشد
با استفاده از
برآورد و
آزمون های آماری
تعریف علم آمار
آمار علم
اسلاید 4 :
لزوم استفاده از آمار
قابل استفاده کردن
داده های
جمع آوری شده
با توصیف داده ها
پاسخ
به بررسی
سئوالات و
فرضیه های
پژوهش
اسلاید 5 :
آمار توصیفی: آمار توصیفی یعنی خلاصه سازی داده ها با اعداد و تصاویر. آمار توصیفی
زمانی است که ما از آمار برای توصیف یک جامعه آماری استفاده می کنیم. این جامعه آماری
باید آنقدر کوچک باشد که ما بتوانیم تمام اعضاء آن را مطالعه کنیم.
آمار استنباطی: زمانی مطرح می شود که ما از یک مجموعه داده برای نتیجه گیری در مورد چیزی
فراتر از مجموعه داده استفاده می کنیم.
پس براین اساس آمار
به دو دسته تقسیم می شود
نکته: در آمار توصیفی تمام اعضاء جامعه مطالعه می شوند، ولی در آمار تحلیلی نمونه ای
از جامعه که معرف کل جامعه است مطالعه می شود، اما نتایج
به کل جامعه تعمیم داده می شوند.
اسلاید 6 :
جامعه آماري: به همه افراد یا اشیایی که حداقل در یک صفت با هم مشترک باشند، جامعه آماری گفته می شود.
متغير: عناصر جامعه به جز صفت مشخصه که در همه اعضای جامعه مشترک است، دارای خواص دیگری نیز هستند که با هم متفاوتند. اینگونه خاصیت ها یا صفات را که بین اعضای جامعه متغیر هستند، صفات متغیر (Variables) می گویند.
اسلاید 7 :
نوع داده ها
كمي
كيفي
اسمي
Nominal
متغييرهايي كه فقط بوسيله اسمشان از هم جدا مي شوند (جنسیت)
رتبه ای
Ordinal
متغييرهايي هستند كه هم توسط اسمشان جدا مي شوند وهم ترتيبي نيز در آنها وجود دارد (لیکرت)
فاصله اي
Interval
داراي خصوصيات اسمي –ترتيبي مي باشد و با عدد نشان داده مي شود (بهره هوشی)
نسبي
Ratio
داراي خصوصيات اسمي –ترتيبي –فاصله اي است و نيز داراي صفر مطلق مي باشد (وزن، طول، حجم)
انواع داده ها
(متغييرها)
اسلاید 8 :
نکته مهم
در نرم افزار SPSS سه نوع مقیاس بیشتر وجود ندارد که عبارتند از: nominal، ordinal، scale که نوع اسکیل در واقع برای داده های نسبی و فاصله ای به کار می رود.
برخی یک مقیاس دوتایی یا دو شاخه (dichotomy) نیز قائل هستند (مثل سئوالاتی که جواب آن ها بله یا خیر است) که مقیاس دوشاخه در واقع نوعی مقیاس اسمی است.
صفات متغیر کیفی خود دارای دو نوع مهم هستند:
متغیر پیوسته (continuous): متغیری که بین هر دو عدد آن بی نهایت عدد قرار می گیرد. مثل: سن، قد
متغیر گسسته (discrete): بین دو عدد کمیت دیگری قرار نمی گیرد: تعداد دانش آموزان
اسلاید 9 :
شاخص های مرکزی (تمایل به مرکز)
میانگین حسابی یا متوسط حسابی (معدل)
میانگین هندسی (بیشتر در بازرگانی و اقتصادی برای محاسبه متوسط نرخ تغییر و غیره به کار می رود)
میانگین هارمونی یا همساز (در فیزیک کاربرد دارد)
میانگین وزنی (دارای ضریب خاصی است. مثل معدل دروس دانشگاه)
میانه یا نقطه وسط (درست نقطه وسط توزیع فراوانی است)
نما یا رأس هیستوگرام (مقدار صفتی است که بزرگ ترین فراوانی را دارد)
چندک ها یا نقاط درصدی
منحنی توزیع نرمال و چولگی
اسلاید 10 :
مشخص کننده های پراکندگی
دامنه تغییرات: عبارت است از تفاضل کوچک ترین داده از بزرگ ترین داده و آن را با حرف R نشان می دهند. اما دامنه تغییرات از میان شاخص های پراکندگی، شاخص مناسبی نیست. چرا که تنها با استفاده از دو عدد محاسبه می شود و کل اعضای جامعه را مد نظر قرار نمی دهد. بنابراین شاخص های دیگری برای پراکندگی ابداع کرده اند که مبتنی بر کل داده هاست. این شاخص ها عبارتند از: انحراف متوسط، واریانس و انحراف معیار.
نکته: در آمار، تفاضل میانگین از هر داده را یک انحراف گویند. حاصل جمع همه انحراف ها همواره برابر صفر است.
انحراف متوسط: با متوسط قدر مطلق انحرافات عبارت است از میانگین قدر مطلق انحراف ها.
واریانس: همانند انحراف متوسط است با این تفاوت که در عمل به جای استفاده از علامت قدر مطلق از مجذور (توان دو) انحرافات استفاده می شود.
انحراف معیار یا انحراف استانداد: از آنجا که واریانس پراکندگی را به صورت مجذور انحرافات بیان می کند، برای اینکه متوسط انحراف برای یک عضو مشخص گردد، از واریانس جذر گرفته و آن را انحراف معیار می نامند.
اسلاید 11 :
انواع داده ها
داده های استاندارد: به داده هایی استاندارد می گویند که میانگین ها صفر و واریانس آن ها یک باشد. برای استاندارد کردن داده ها کافی است هر داده را از میانگین کم کرده و بر انحراف معیار تقسیم کنیم. داده استاندارد را با z نشان می دهند. مزیت داده های استاندارد این است که واحد اندازه گیری ندارند و می توان یک دسته داده استاندارد را با دسته دیگری از داده های استاندارد مقایسه کرد.
متغیرها: در هر پژوهشی دو گروه متغیر اصلی شامل متغیرهای مستقل (independent variable) و متغیرهای وابسته (dependent variable) وجود دارند.
همبستگی: زمانیکه بین توزیع مقادیر یک متغیر با توزیع مقادیر متغیر دیگر رابطه ای وجود داشته باشد، می گوییم که آن دو متغیر به هم مرتبط بوده و دارای همبستگی (correlation) هستند.
انواع همبستگی: همبستگی می تواند از نوع خطی باشد، یعنی بتوان رابطه میان دو متغیر را با یک خط صاف نشان داد. اگر با استفاده از نمودار پراکندگی افراد جامعه را بر حسب دو متغیر نشان دهیم، می توان به صورت بصری تا حدودی وجود با نبود همبستگی میان آن ها و نوع همبستگی را شناسایی کرد.
اسلاید 12 :
خطای نوع اول و خطای نوع دوم
خطای نوع اول (Type I error) یا خطای مثبت (False positive): این خطا زمانی رخ می دهد که ما به اشتباه نتیجه گیری کنیم که تفاوت معناداری میان متغیرها وجود دارد و یا همبستگی معناداری وجود دارد، در حالیکه واقعاً وجود ندارد.
خطای نوع دوم (Type II error) یا خطای منفی (False negative): این خطا زمانی رخ می دهد که ما به اشتباه نتیجه گیری کنیم که تفاوت معناداری میان متغیرها وجود ندارد و یا همبستگی معناداری وجود ندارد، در حالیکه واقعاً وجود دارد.
اسلاید 13 :
سطوح معناداری آماری
سطح معناداری 0/01: به این معناست که 1 درصد امکان خطا وجود دارد. این سطح معناداری بیشتر در رشته های فنی و پزشکی که نیاز به دقت بیشتری دارد به کار می رود. بنابراین با 99 درصد اطمینان می توان گفت در صورت تکرار این آزمون نتایج یکسان خواهد بود.
سطح معناداری 0/05: به این معناست که 5 درصد امکان خطا وجود دارد. این سطح معناداری بیشتر در علوم اجتماعی به کار می رود. بنابراین با 95 درصد اطمینان می توان گفت در صورت تکرار این آزمون نتایج یکسان خواهد بود.
نکته: هر چقد مقدار عددی سطح معناداری را کوچک تر بگیریم (مثلاً 0/01 به جای 0/05) احتمال بروز خطای نوع دوم بیشتر می شود و بر عکس هر چقدر مقدار عددی سطح معناداری را بزرگ تر بگیریم، احتمال خطای نوع اول افزایش پیدا می کند. برقراری این توازن به نوعی کاری است که محقق باید انجام دهد.
اسلاید 14 :
آزمون های آماری
فرض صفر (null)، فرض یک یا فرضیه خلاف یا فرضیه پژوهش
آنچه در آزمون فرضیه انجام می شود این است که فرض صفر یا پذیرفته می شود و یا رد. در صورت پذیرفته شدن فرض صفر، فرض خلاف یا فرضیه پژوهش تأیید و پذیرفته می شود.
آزمون های پارامتری و ناپارامتری، آزمون پارامتری را زمانی باید به کار ببریم که:
الف) نوع متغیرها از نوع نسبی یا فاصله ای باشد
ب) توزیع متغیر مورد نظر در جامعه تقریباً نرمال باشد
ج) واریانس (پراکندگی مقادیر) در دو گروه مورد مقایسه تقریباً همگن باشند.
آزمون های پارامتری از لحاظ آماری آزمون های قدرتمندتر، دقیق تر و مطمئن تری هستند و در صورت امکان باید از آن ها استفاده کرد.
یکی از مواردی که پیش از انتخاب آزمون مناسب باید بدانیم این است که آیا گروه هایی که قرار است با هم مقایسه کنیم مرتبط (related) هستند یا مستقل (independent)
