.:: Your Adversing Here ::.

آزمون فرض میانگین جامعه نرمال در SPSS

تعریف آزمون فرض میانگین جامعه نرمال

هدف اصلی در آزمون فرض برای میانگین جامعه، تصمیم در مورد مقدار یا حدود میانگین جامعه است. بنابراین می‌توان از آزمون‌های ساده یا مرکب، یک طرفه یا دو طرفه برای این کار استفاده کرد.

فرضیه ساده یا مرکب

فرض کنید آزمون مورد نظر از دو فرض صفر و فرض مقابل که به صورت زیر نوشته شده‌اند تشکیل شده است.

باید توجه داشت که هر دو مقدار μ۰ و μ۱ معلوم هستند و داریم μ۰<μ۱. از آنجایی که هم فرض صفر و هم فرض مقابل توزیع جامعه را مشخص می‌کنند، به آن‌ها فرضیه‌های ساده گفته شده و این آزمون فرض به صورت فرض ساده در مقابل ساده خوانده می‌شود.

انجام آزمون فرضیه ساده 

نیاز به آماره آزمون داریم و همانطور که می‌دانید، آماره آزمون باید به پارامتر مجهول جامعه (μ) وابسته نباشد.

به این منظور دو حالت را در نظر می‌گیریم:

  1. زمانی که واریانس جامعه معلوم و مشخص باشد
  2. زمانی که واریانس مشخص نیست و باید از برآورد آن در آماره آزمون استفاده کرد.

آزمون فرض میانگین جامعه نرمال با معلوم بودن واریانس جامعه در SPSS

آزمون Z

در این حالت با معلوم بودن واریانس جامعه آماری، آماره آزمون Z را به صورت زیر تحت فرض H0 در نظر می‌گیریم:

همانطور که دیده می‌شود، متغیر تصادفی Z تحت فرض H0 به پارامتر مجهول وابسته نیست و توزیع آن نیز نرمال با میانگین صفر و واریانس ۱ است. در نتیجه Z را آماره آزمون نامیده و ناحیه بحرانی را براساس آن ایجاد می‌کنیم. با توجه به فرض و شرطی که بین مقدار μ۰ و μ۱ وجود دارد ناحیه بحرانی را به صورت زیر تعریف می‌کنیم:

این ناحیه بحرانی نشان می‌دهد که اگر اختلاف میانگین نمونه از مقدار μ۰ زیاد باشد (به ازاء هر واحد از انحراف استاندارد) به رد فرض صفر رای می‌دهیم. مقدار c را نیز با توجه به تعریف احتمال خطای نوع اول (αα) به صورت زیر بدست می‌آوریم.

 

در این رابطه Φ(c) مقدار تابع توزیع احتمال نرمال استاندارد در نقطه c است. در نتیجه مقدار c را با استفاده از رابطه‌ زیر بدست می‌آوریم:

 

به این ترتیب می‌توان ناحیه بحرانی را به صورت Z>z(1α) نوشت.

  • پس فرض H0 را رد می‌کنیم اگر مقدار آماره آزمون Z بزرگتر از صدک (۱−α) توزیع نرمال استاندارد باشد.
  • البته باید توجه داشت که با تغییر فرض مقابل ممکن است ناحیه بحرانی به شکل دیگری نوشته شود.

 

اشاره به چند حالت از فرض مقابل و ناحیه بحرانی :

۱- در سطرهای اول و دوم، نوع آزمون یک طرفه

۲- در سطر سوم آزمون دو طرفه

۳- در  جدول فرض صفر به صورت فرض ساده بیان شده است

نکته:

اگر بتوان توزیع جامعه را نرمال فرض کرد و واریانس جامعه نیز معلوم باشد از آزمون Z‌ استفاده می‌شود. در عمل زمانی که تعداد مشاهدات بیشتر از ۳۰ باشند می‌توان توزیع Z را نرمال فرض کرد. در غیر اینصورت بهتر است از آزمون‌های مربوط به آماره T‌ استفاده شود.

z-test versus t-test

مثال ۱

جامعه آماری، از پسرانی که در محدوده سنی ۱۰ تا ۱۲ سال هستند تشکیل شده‌ است. اطلاعات قبلی نشان می‌دهد که متوسط قد این افراد برابر است با ۷۵ سانتی‌متر و واریانس جامعه آماری برای قد این پسران برابر است با۱۱٫۶۲ سانتی‌متر مربع. با توجه به تغییر شیوه تغذیه اعتقاد داریم که میانگین قد پسرها در جامعه افزایش داشته و به ۸۰ سانتی‌متر رسیده است. براساس یک نمونه ۲۵ تایی میانگین قدها برابر با ۸۰٫۹۴ سانتی‌متر بدست آمده است. آیا می‌توان از اطلاعات قبلی در مورد قد اطمینان داشت یا می‌توان به کمک آزمون آماری نشان داد که تغییر محسوسی در میزان قد پسران رخ داده‌ است؟

برای پاسخ به این سوال دست به یک آزمون آماری می‌زنیم. فرضیات این آزمون به صورت زیر نوشته می‌شود:

همانطور که گفته شد، (فرضیه صفر)، نتایج و نظراتی که از قبل وجود داشته را بیان کرده ولی فرض مقابل نظر محقق را نشان می‌دهد.

  • سعی داریم به کمک نمونه تصادفی تهیه شده، در مورد فرض صفر قضاوت کنیم.

 

  • با توجه به آماره آزمون معرفی شده و ناحیه بحرانی آزمون فرض را انجام می‌دهیم.


اگر میزان احتمال خطای نوع اول را α=۰٫۰۵ در نظر بگیریم، خواهیم داشت:

در نتیجه با خطای ۰٫۰۵، رای به رد فرض H0 می‌دهیم.

t ansd z testsآزمون t و آزمون Z

آزمون فرض میانگین جامعه نرمال با نامعلوم بودن واریانس جامعه در  SPSS

در این حالت با توجه به اینکه واریانس جامعه نامعلوم است، باید از برآورد آن در آماره آزمون استفاده کرد. به همین دلیل آماره آزمون دیگر دارای توزیع نرمال نخواهد بود. اگر برآورد واریانس جامعه را با S2 نشان دهیم،‌ خواهیم داشت:

S2، برآوردگر نااریب برای واریانس جامعه است. براساس این برآوردگر آماره آزمونT را به صورت زیر در نظر می‌گیریم:

 

 

 

حال فرض کنید آزمون مورد نظر از دو فرض صفر و فرض مقابل که به صورت زیر نوشته شده‌اند تشکیل شده است.

 

همانطور که دیده می‌شود، آماره آزمون مورد نظر (T) یک متغیر تصادفی است که تحت فرضH0 به پارامتر مجهول وابسته نیست و دارای توزیع t-student با n-1 درجه آزادی است. این آماره توسط «ویلیام گوست» (William Gosset) شیمی‌دان و آماردان انگلیسی در سال ۱۹۰۸ معرفی و در آزمون‌های آماری بسیاری به کار گرفته شد.

ویلیام گوستویلیام گوست آماردان انگلیسی

با توجه به فرضیات مربوط به آزمون فرض که به صورت ساده در مقابل ساده نوشته شده است می‌توان ناحیه بحرانی را به صورتی در نظر گرفت که با بزرگ شدن آماره آزمون فرض صفر رد شود. در نتیجه ناحیه بحرانی با توجه به احتمال خطای نوع اول (α) در این حالت به صورت زیر در خواهد آمد.

بنابراین ناحیه بحرانی برابر است با T>t1α(n۱). پس اگر مقدار T براساس نمونه از مقدار صدک ۱α توزیع t با n-1 درجه آزادی بزرگتر باشد،‌ به رد فرض صفر رای می‌دهیم.

البته باید توجه داشت که با تغییر فرض مقابل ممکن است ناحیه بحرانی به شکل دیگری نوشته شود. در زیر به چند حالت از فرض مقابل و ناحیه بحرانی مربوطه اشاره می‌کنیم:

در سطرهای اول و دوم نوع آزمون یک طرفه

در سطر سوم آزمون دو طرفه

در  جدول فرض صفر به صورت فرض ساده در نظر گرفته شده است.

مثال ۲

یک شرکت تولید کننده موتورسیکلت ادعا دارد که میزان مصرف سوخت تولیداتش در هر ۱۰۰ کیلومتر برابر با ۲ لیتر است. به این منظور سازمان بهینه‌سازی مصرف سوخت، ۸ موتورسیکلت از این شرکت را به منظور بررسی ادعایش تحویل گرفته. اطلاعات مربوط به مصرف سوخت این ۸ دستگاه در جدول زیر آورده شده است. در سطح خطای α=۰٫۰۵ ادعای تولید کننده بررسی می‌شود.

با توجه به اطلاعات جدول، میانگین و انحراف معیار نمونه محاسبه شده و آماره آزمون بدست می‌آید.

حال آماره آزمون را محاسبه کرده و در ناحیه بحرانی قرار می‌دهیم.

با توجه به صدک ۹۵ام از توزیع T با ۸−۱=۷ درجه آزادی که برابر با ۱٫۸۹۵ است، می‌بینیم که آماره آزمون در ناحیه بحرانی قرار گرفته و فرض صفر رد می‌شود زیرا ۹٫۱۶۵<1.895 پس ادعای کارخانه تولید کننده موتورسیکلت رد می‌شود.

09357258425 

www.pajuha.ir

info@pajuha.ir

سفارش ترجمه تخصصي

مشاهده ادامه مطلب آزمون فرض میانگین جامعه نرمال در SPSS

معرفی منوهای مربوط به آماره های توصیفی در SPSS

منوی تجزیه و تحلیل (Analyze Menu)

منوی گزارش ها (Report Menu)

منوی آمار توصیفی (Descriptive statistics Menu)

منوی توصیف (Descriptivees Menu)

منوی کاوش (Ecplore Menu)

09357258425 
www.pajuha.ir
info@pajuha.ir

سفارش ترجمه تخصصی

مشاهده ادامه مطلب معرفی منوهای مربوط به آماره های توصیفی در SPSS

تحلیل آماری – مرتب سازی موارد در spss

مرتب سازی موارد در SPSS

بر اساس مقوله متغیرها به دو حالت نزولی و صعودی فایل داده ها را مرتب می نماید.

گاهی محقق درصدد است تا داده ها را بر اساس یک یا چند متغیر به گونه ای صعودی یا نزولی نرتب کند تا بتواند به راحتی از آن برای تحلیل استفاده کند. مرتب کردن داده ها به دو صورت انجام می گیرد:

مرتب کردن داده ها به صورت صعودی (Ascending): در این روش، مقادیر متغر یا متغیر های انتخاب شده به صورت صعودی (از کوچک ترین کد تا بزرگ ترین کد) مرتب می شود.

مرتب کردن داده ها به صورت نزولی (Descending): در این روش، مقادیر متغیر یا متغیرهای انتخاب شده به صورت نزولی (از بزرگ ترین کد تا کوچک ترین کد) مرتب می شوند.

نحوه اجراء

دستور Data -> Sort Cases را اجراء می کنیم.

متغیر یا متغیرهای مورد نظر برای مرتب کردن را وارد کادر Sort by کرده و از قسمت Sort Order، یکی از حالت های Sort Order (صعودی) یا Descending (نزولی) را بنا به هدف مان انتخاب می کنیم. دکمه Ok را کلیک می کنیم.

نکته: موضوع مهمی که در مورد اجراء دستور Sort Cases می توان گفت این است که در هنگام اجراء این دستور، همواره پاسخگویانی که دارای مقدار نا معلوم و گمشده باشند، این مقدار نا معلوم به عنوان کوچک ترین مقدار در بین داده ها تلقی می شود.

 

09357258425 

www.pajuha.ir

info@pajuha.ir

سفارش ترجمه تخصصي

مشاهده ادامه مطلب تحلیل آماری – مرتب سازی موارد در spss

ادغام پرونده ها در spss

ادغام پرونده ها در SPSS

داده های دو فایل بر اساس کیس ها و متغیرها با رعایت شرایطی ادغام می شوند. شرط ادغام به صورت کیس باید نام متغیرها و کد های متغیرها کاملا یکسان باشد و در ادغام متغیر نباید نام متغیرها یکسان باشد.

معمولاً در تحقیقات اقتصادی و اجتماعی، محقق با حجم بالایی از داده ها سر و کار دارد که از طریق تکمیل پرسشنامه با تعداد زیادی از پاسخگویان مثلاً ۱۰۰۰ نفر به دست آمده است. سر شماری های مختلفی که از سوی سازمان ها و نهاد های مختلف دولتی در سطح کشور اجراء می شوند، مانند سر شماری عمومی نفوس و مسکن، آمارگیری از شرکت های تعاونی، سر شماری از محصولات کشاورزی، تمامی تحقیقات ملی و … از جمله این موارد اند که حجم نمونه و به عبارتی تعداد پاسخگویان در آن ها بسیار زیاد می باشد.

از طرفی، به دلیل حجم بالای پاسخگویان در این گونه تحقیقات، معمولاً محقق کار ورود داده به نرم افزار SPSS

را به چندین نفر می سپارد. طبیعی است که بعد از اتمام مرحله ورود داده ها به نرم افزار، از آنجا که چند نفر اطلاعات پرسشنامه را وارد نرم افزار می کنند، محقق با چندین فایل به تناسب تعداد این افراد مواجه است. اما در هنگام پردازش و تحلیل داده، محقق باید تمامی این فایل های مجزا را در قالب یک فایل منسجم ادغام کند. برای این کار دستوری به نام Merge File در نرم افزار SPSS تعبیه شده که محقق می تواند از طریق آن، تمامی فایل های مجزا را در یک فایل ادغام کند.

حالت های Merge File

Add Cases: زمانی که بخواهیم پاسخگویان (موارد) چند فایل را با هم ادغام کنیم.

Add Variables: زمانی که بخواهیم متغیرهای (سوالات) چند فایل را با هم ادغام کنیم.

نحوه اجراء

۱- ابتدا فایل اصلی مان را که قصد داریم داده های فایل دوم به آن اضافه شود، باز می کنیم.

۲- دستور Data->Merge Files-> Add Cases … را اجراء می کنیم.

۳- در پنجره ای که باز می شود، گزینه Browse را انتخاب می کنیم.

۴- فایل دوم را از درایو مورد نظر انتخاب می کنیم و دکمه Open را کلیک می کنیم.

۵- با اجراء دستور قبلی، پنجره جدیدی باز می شود که در آن، محل فایل مورد نظر در کادر به صورت نشان داده می شود، سپس، دکمه Continue را کلیک می کنیم.

۶- در پنجره ای که باز می شود، در سمت راست متغیرهای مشترک در هر فایل، و در سمت چپ متغیرهای متفاوت در فایل دوم نسبت به فایل اول نشان داده می شود.

۷- دکمه OK را کلیک می کنیم که در نهایت، شاهد اضافه شدن پاسخگویان فایل دوم به انتهای فایل اولی خواهیم بود.

 

 

9357258425 

www.pajuha.ir

info@pajuha.ir

سفارش ترجمه تخصصي

 

مشاهده ادامه مطلب ادغام پرونده ها در spss

تجزيه فايل در SPSS

تجزيه فايل در SPSS

خروجي داده ها به تفکيک مقوله ها (کدها) يک متغير براي تجزيه و تحليل تفکيکي ارائه مي شود.

پيش فرض ها

1- حداکثر مي توانيم تا 8 متغير گروه بندي شده را انتخاب کنيم.

2- پاسخگويان بايد بر اساس مقادير (ارزش ها يا کدها) متغير هاي گروه بندي شده و به همان ترتيبي که در پنجره داده ها آمده اند، سورت شوند. اگر داده مان سورت شده است، گزينه File is already sorted را انتخاب مي کنيم (حالت پيش گزيدهSPSS ، همين حالت مي باشد). اما اگر داده مان سورت شده نيست، گزينه Sort the file by grouping variables را انتخاب مي کنيم.

حالت هاي مختلف Split File

1- Analyze all cases, do not create group: در اين روش، نتايج و خروجي فايل تجزيه نمي شود و تحليل داده ها به صورت کلي براي تمامي مقوله هاي متغيرها انجام مي گيرد. در صورت انجام دستورFile Split پس از اتمام روش Split File، براي اين که نرم افزار به صورت اوليه داده ها برگردد، بايد گزينه Analyze all cases, do not create group انتخاب شود.

2- Compare groups: در اين روش، معمولاً نيز همين روش انتخاب مي شود، تحليل داده ها به تفکيک کدها يا ارزش هاي متغير يا متغير هاي انتخاب شده انجام مي گيرد.

3- Organize output by groups:در اين روش نيز، مانند روش دوم، تحليل داده ها به تفکيک طبقات متغير يا متغرهاي انتخاب شده انجام مي گيرد. منتهي فرق اين دو در اين است که خروجي روش دوم، به يک جا و مشخص در يک جدول نشان داده مي شود. اما در اين روش، خروجي هر يک از گروه ها، در جدول جداگانه آورده مي شود.

نحوه اجراء

1- دستور Split File، به صورت Data / Split File اجراء مي شود.

2- گزينه Compare groups در سمت راست را فعال کرده و سپس متغير يا متغيرهاي مبنا براي تجزيه فايل وارد کادر Groups Based on در سمت راست مي شود و دکمه Ok را کليک مي کنيم.

 

09357258425 

www.pajuha.ir

info@pajuha.ir

سفارش ترجمه تخصصي

 

مشاهده ادامه مطلب تجزيه فايل در SPSS

تحلیل آماری – آزمون آماری

آزمون آماری

موضوع آزمون آماری زمانی مطرح می شود که محقق درصدد کشف، تبیین و کنترل پدیده ها باشد. بنابراین، زمانی که قصد داریم صرفاً به توصیف داده ها بپردازیم، موضوع آزمون آماری اعراب ندارد و هیچ گاه نمی توانیم از آزمون های آماری استفاده کنیم. آزمون های آماری این احتمال را بیان می کنند که آیا نتایج تحقیق در اثر شانس

بوده است یا خیر. تمامی این آزمون های آماری به یک مقدار P (مقدار احتمال) ختم می شوند که این مقدار، اساس پذیرش معنی داری آماری نتایج می باشد. بدین صورت که زمانی به احتمال پایین شانسی بودن نتایج پی می بریم که مقدار P از مقدار مورد توافق جامعه عملی یعنی ۰۵/۰ کوچک تر باشد. تنها در صورتی که مقدار P به دست آمده از ۰۵/۰ کوچک تر باشد، می توانیم به ارائه یک تفسیر علمی از نتایج مبادرت نماییم. پس، زمانی که مقدار P از ۰۵/۰ بزرگتر باشد، آنگاه باید گفت که نتایج در اثر شانس حاصل شده اند و لذا نمی توان تفسیر علمی از نتایج ارائه داد.

بنابراین به طور خلاصه باید گفت که سطح معنا داری در اجرای آزمون های آماری نشان از سه مفهوم است:

۱- مقدار P کوچک تر از ۰۵/۰ نشان می دهد که شانس و تصادف تنها در مورد کمتر از ۵ نفر از هر ۱۰۰ نفر پاسخگو اتفاق است.

۲- موقعی که یک حادثه یا واقعه در اثر شانس اتفاق نیافتاده باشد، آنگاه می گوییم که وقوع این حادثه از لحاظ آماری معنا دار است.

انواع آزمون های آماری

آزمون های آماری، بر اساس ملاک هایی مانند مقیاس داده ها، توزیع داده ها و … ، به دو دسته کلی آزمون های آماری پارامتری و آزمون های آماری ناپارامتری تقسیم می شوند که هر یک شرایط کاربرد خاص خود را دارند.

شناخت نوع آزمون آماری برای فرضیه تحقیق، از فاکتور های مهمی است که به محققین در دست یابی به نتایج متقن کمک می کند. به دلیل اهمیتی که شناخت ویژگی ها مختصات انواع آزمون های آماری و پارامتری در آزمون فرضیه های تحقیق دارد، به شرح مختصات هر یک پرداخته می شود.

آزمون های آماری پارامتری[۱]

آزمون های آماری پارامتری را می توان مؤثر ترین نوع آزمون ها دانست. برای استفاده از آزمون های پارامتری، پیش فرض هایی لازم است که باید در اجراء رعایت کنیم. این پیش فرض ها به چگونگی توزیع نمرات داده و نوع مقیاس مورد استفاده بستگی دارد.

۱- هر یک از موارد مشاهده شده مستقل از هم هستند. یعنی انتخاب یک مورد، به انتخاب هیچ مورد دیگری وابسته نیست.

۲- واریانس نمونه ها برابر یا تقریباً برابر است. این مطلب، زمانی که حجم نمونه کم است، از اهمیت خاصی برخوردار است.

۳- داده ها در سطح سنجش فاصله ای و نسبی می باشند. (یعنی کمی هستند).

۴- توزیع داده ها در جامعه، نرمال (بهنجار) و یا نزدیک به نرمال است.

۵- تمامی آزمون های آماری پارامتری، میانگین یک یا چند متغیر را در یک گروه یا بیشتر مقایسه می کنند.

آزمون های آماری ناپارامتری[۲]

برای استفاده از آزمون های ناپارامتری، رعایت پیش فرض های زیر در خصوص توزیع نمره داده ها و نوع مقیاس مورد استفاده لازم است:

۱- نرمال بود (بهنجار بودن) توزیع جامعه ای که نمونه از آن انتهاب شده، معلوم نمی باشد.

۲- داده ها در سطح سنجش اسمی و ترتیبی می باشند (یعنی کیفی هستند)

۳) تمامی آزمون های آماری ناپارامتری، میانه یک یا چند متغیر را در یک گروه یا بیشتر مقایسه می کنند.

 

09357258425 

www.pajuha.ir

info@pajuha.ir

سفارش ترجمه تخصصی

مشاهده ادامه مطلب تحلیل آماری – آزمون آماری

دستور Compute در SPSS

دستور Compute از پركاربرد ترين دستور ها در SPSS مي باشد. اين دستور، از دستور هاي اصلاحي در SPSS مي باشد كه از طريق آن مي توان مقادير يك متغير را بر اساس مقادير متغير يا متغيرهاي ديگر به دست آورد. به طور خلاصه، در موارد زير مي توان از دستور Compute استفاده كرد:

1- محاسبه مقادير متغيرهاي عددي

2- ساخت متغيرهاي جديد از طريق متغير يا متغيرهاي موجود: ساخت شاخص و مقياس كه كاربرد فراواني در انواع رشته هاي علوم اجتماعي و انساني و علوم تربيتي دارند، از اين دست كاربردها مي باشد. به عنوان مثال، ساخت شاخص پايگاه اقتصادي و اجتماعي از تركيب سه متغير شغل، درآمد و تحصيلات.

3- جايگزين كردن مقادير متغيرهاي موجود با مقادير جديد.

4- محاسب انواع عمليات رياضي شامل ضرب، جمع، تفريق، تقسيم و …

نكات لازم و مهم در اجراي دستور Compute

  1. مهم ترين مسئله در اجراي دستور Compute، اين است كه هنگام جمع كردن متغيرها (تركيب متغيرها يا گوبه ها) به جاي به علاوه از ويرگول استفاده شود.
  2. در هنگام جمع بستن سه متغير يا گويه براي محاسبه يك شاخص، بايد تمامي اين سه متغير با همديگر وجه اشتراك داشته باشند و چنان چه اين اشتراك وجود نداشت، به يكسان سازي آن ها بر اساس سه معيار مقياس، جهت و تعداد گزينه (مقوله) اقدام شود:

الف) مقياس متغيرها (ترتيبي، فاصله اي و نسبي)

ب) جهت طيف متغيرها، يعني مثبت يا منفي بودن (از 1 تا 5 يا از 5 تا 1)

ج) تعداد مقولات طيف متغيرها (3، 5، 7 و … تايي)

نحوه اجرا

1- دستور Transform-> Compute Variable …را اجرا مي كنيم.

2- متغيرهاي مورد نظر را با دوبار كليك چپ وارد كادر Numeric Expression در سمت راست كرده و علامت، را نيز بين هر يك از آن ها اضافه مي كنيم. نام متغير را در كادر Target Vaiable در سمت چپ بالاي پنجره تايپ مي كنيم. سپس دكمه Ok را كليك مي كنيم.

نكته: در قسمت compute كارهاي مختلفي مي توان انجام داد مي توان نمارت استاندارد يك متغير را محاسبه كرد، مي توان از كي متغير لگاريتم گرفت، تابع توزيع تجمعي را محاسبه كرد يا حتي خيلي پيچيده انجام داد.

نرم افزار SPSS بر خلاف اكسل، فرمول هاي محاسبه داده ها را نگه نمي دارد و به طور خودكار آن ها را به روز رساني (تجديد) نمي كند به عنوان مثال اگر ما متغيري را كه در محاسبه متغير جديد استفاده كرده ايم تغيير دهيم، متغير جديد تغيير نخواهد كرد.

همان گونه كه در كادر گفتگوي compute variable مشاهده مي شود ما بايد نام متغير جديد (كه مي توان يكي از متغيرهاي موجود در صفحه داده ها نيز باشد) را در قسمت متغير هدف (target variable) وارد كنيم و تابعي كه قصد محاسبه ي آن را داريم با استفاده از فرمول ها يا عملگرهاي موجود در كادر گفتگو يا تايپ آن ها، وارد قسمت numeric Experssion كنيم و در پايان بر كليد ok كليك كنيم. متغير جديد محاسبه و در آخر صفحه داده ها قرار مي گيرد.

شمارش ارزش ها (كدهاي يكسان چند متغير)

دستور Count زماني استفاده مي شود كه بخواهيم بدانيم هر كدام از پاسخگويان چند بار به يك كد يا ارزش خاص پاسخ داده اند. به عبارتي، اين دستور دفعات وقوع يك كد يا ارزش خاص در ميان پاسخگويان را نشان مي دهد. دستور Count تنها براي متغيرهايي قابل اجرا است كه مقياس آن ها در سطح اسمي يا ترتيبي باشد. بنابراين، در مورد متغيرهاي با مقياس فاصله اي يا نسبي نمي توان از اين دستور استفاده كرد.

نحوه اجراء

1- دستور را Transform-> Count Values within Cases …اجرا مي كنيم.

2- كد متغيرهايي را كه قصد شمارش كدهاي خاصي از آن ها را داريم وارد كادر Numeric Variables  مي كنيم. سپس در قسمت Target Variable و Target Label، نام و برچسب متغير جديد (متغير هدف) را تايپ مي كنيم.

3- سپس متغيرها را به كادر Variable انتقال و روي دكمه Define Values فعال شده كليك مي كنيم، پنجره جديد باز مي شود كه بايد در اين پنجره، كدي كه قصد شمارش آن را داريم وارد كرده و سپس دكمه Add را كليك كنيم.

4- با كليك بر روي دكمه If… در پنجره اصلي دستور Count، مي توانيم دستور كدگذاري مجدد را تنها براي زير جمعيت هاي خاصي اجراء كنيم.

5- دكمه Ok را كليك مي كنيم.


09357258425 
www.pajuha.ir
info@pajuha.ir

سفارش ترجمه تخصصي

 

 

مشاهده ادامه مطلب دستور Compute در SPSS

صفحه قبل 1 2 3 صفحه بعد