انجام تحلیل آماری فصل چهار پایان نامه دکتری رشته های نظری مثل روانشناسی، جامعه شناسی و علوم تربیتی تا حدی به کاربرد نرم افزار SPSS وابسته است. از آنجایی که قیمت انجام کارهای آماری پایان نامه با SPSS بسیار بالاست در این سری دوره های آموزشی درصددیم یک راهنمای آسان برای یادگیری روش تحلیل آماری با نرم افزار تحلیل آماری SPSS آماده کنیم که بتوانید مرور این پروژه ها و مثال ها دید اولیه خوبی برای تمرین و ممارست پیدا کنید. این مثال ها و پروژه ها حالت حل مسئه دارد و روال و طریق شروع به تحلیل آماری با نرم افزار SPSS را پوشش میدهد. در تحلیل هایی که برای انجام فصل چهار پایان نامه صورت میگیرد ممکن است از آزمون های آماری متفاوتی استفاده شود که دلایل انتخاب هریک نیز متفاوت است. در ادامه به مثال زیر و روش تحلیل آن با SPSS توجه کنید.

Advanced Statistical Analysis Using SPSS: Correlation, ANOVA, and Multiple Regression for Doctoral Research

مثال حل شده با SPSS

ارتباط میان سبک‌های دلبستگی و موفقیت تحصیلی در دانش‌آموزان دبیرستانی

بیان مسئله:

در این تحلیل، هدف بررسی این است که آیا سبک‌های دلبستگی (ایمن، اضطرابی، اجتنابی) می‌توانند موفقیت تحصیلی دانش‌آموزان را پیش‌بینی کنند. همچنین تفاوت‌های جنسیتی و تأثیر سطح تحصیلات والدین نیز مورد توجه قرار گرفته است.

مراحل تحلیل در SPSS:

1. مقدمه و آماده‌سازی داده‌ها

ابتدا، داده‌های تحقیق باید جمع‌آوری و در قالب یک فایل دیتاست در SPSS وارد شوند. بهتر است پیشاپیش داده ها وارد EXCEL شده سپس از اکسل وارد SPSS شوند. داده‌ها باید شامل موارد زیر باشند:

• متغیر سبک‌های دلبستگی: کدگذاری برای سه نوع دلبستگی (۱: ایمن، ۲: اضطرابی، ۳: اجتنابی).
• متغیر موفقیت تحصیلی: به صورت نمره (میانگین نمرات تحصیلی دانش‌آموزان در یک سال تحصیلی).
• متغیر جنسیت: (۱: دختر، ۲: پسر).
• متغیر سطح تحصیلات والدین: (۱: دیپلم و پایین‌تر، ۲: فوق‌دیپلم، ۳: لیسانس و بالاتر).

نکته کلیدی:

در این مرحله، باید دقت شود که متغیرهای وارد شده کاملاً کدگذاری شده و بدون خطا باشند. هرگونه خطای وارد کردن داده ممکن است تحلیل‌های آماری را مختل کند. همچنین، به‌دلیل اینکه تحلیل‌های آماری حساس به فرضیات مختلف هستند، داده‌های گمشده باید کنترل و اگر لازم است از روش‌های مناسب مانند میانگین‌گیری یا تحلیل داده‌های گمشده برای تکمیل آن‌ها استفاده شود.

2. آمار توصیفی:

قبل از هر نوع تحلیل پیچیده‌تر، تحلیل‌های توصیفی ساده برای بررسی وضعیت کلی داده‌ها انجام می‌شود:

• میانگین و انحراف معیار نمرات تحصیلی و سایر متغیرها.
• جدول توزیع فراوانی سبک‌های دلبستگی و جنسیت.

این آمارها به شما یک نمای کلی از توزیع داده‌ها و شرایط ابتدایی متغیرها می‌دهند.

3. تحلیل همبستگی (Correlation Analysis):

برای بررسی ارتباط بین سبک‌های دلبستگی و موفقیت تحصیلی، می‌توان از تحلیل همبستگی پیرسون استفاده کرد.

• فرضیه صفر (H0): هیچ ارتباطی میان سبک دلبستگی و موفقیت تحصیلی وجود ندارد.
• فرضیه جایگزین (H1): یک ارتباط معنی‌دار بین سبک دلبستگی و موفقیت تحصیلی وجود دارد.

در این تحلیل، اگر ضریب همبستگی پیرسون (r) نزدیک به 1 یا -1 باشد و مقدار p کمتر از 0.05 باشد، می‌توان گفت که ارتباط معناداری میان سبک دلبستگی و موفقیت تحصیلی وجود دارد.

جدول خروجی همبستگی:

جدول خروجی شامل ستون‌های زیر خواهد بود:

• r: ضریب همبستگی.
• Sig. (2-tailed): مقدار p که اگر کمتر از 0.05 باشد، نشان‌دهنده معنادار بودن ارتباط است.
• N: تعداد نمونه‌ها.

4. تحلیل واریانس یک‌طرفه (ANOVA):

برای بررسی تفاوت میان میانگین موفقیت تحصیلی بر اساس سبک‌های دلبستگی، از ANOVA استفاده می‌شود.

• فرضیه صفر (H0): تفاوت معناداری در میانگین نمرات تحصیلی بر اساس سبک‌های دلبستگی وجود ندارد.
• فرضیه جایگزین (H1): تفاوت معناداری در میانگین نمرات تحصیلی بر اساس سبک‌های دلبستگی وجود دارد.

نکته مهم:

در صورتی که ANOVA معنادار باشد، از Post Hoc Test مانند تست Tukey برای مشخص کردن اینکه کدام سبک‌های دلبستگی با یکدیگر تفاوت معنادار دارند، استفاده می‌شود.

جدول خروجی ANOVA:

این جدول شامل:

• F: آماره آزمون.
• Sig.: مقدار p که اگر کمتر از 0.05 باشد، تفاوت معنادار است.

5. رگرسیون چندگانه (Multiple Regression Analysis):

برای پیش‌بینی موفقیت تحصیلی بر اساس چند متغیر (سبک دلبستگی، جنسیت، سطح تحصیلات والدین) از رگرسیون چندگانه استفاده می‌شود.

مدل رگرسیون به شکل زیر خواهد بود:

Y=β0+β1(دلبستگی)+β2(جنسیت)+β3(سطحتحصیلاتوالدین)+ϵY = \beta_0 + \beta_1 (دلبستگی) + \beta_2 (جنسیت) + \beta_3 (سطح تحصیلات والدین) + \epsilonY=β0​+β1​(دلبستگی)+β2​(جنسیت)+β3​(سطح تحصیلات والدین)+ϵ

• Y: نمره موفقیت تحصیلی.
• $\beta$: ضرایب رگرسیون.
• $ϵ$: خطای مدل.

جدول خروجی رگرسیون:

• R-Square: میزان توضیح‌دهندگی مدل. این عدد نشان می‌دهد که چه درصدی از واریانس موفقیت تحصیلی توسط مدل توضیح داده شده است.
• Coefficients (ضرایب): این جدول ضرایب متغیرهای مستقل (سبک دلبستگی، جنسیت، سطح تحصیلات والدین) را نمایش می‌دهد.
  • اگر مقدار Sig. کمتر از 0.05 باشد، نشان‌دهنده معناداری ضریب است.

6. بررسی خطاهای احتمالی:

• داده‌های گمشده (Missing Data): ممکن است داده‌های گمشده بر تحلیل اثر بگذارد. استفاده از تکنیک‌های تکمیل داده‌های گمشده ضروری است.
• هم‌خطی (Multicollinearity): بررسی اینکه متغیرهای مستقل هم‌پوشانی زیادی ندارند، که این با شاخص VIF بررسی می‌شود. اگر VIF > 10 باشد، نشان‌دهنده هم‌خطی بالاست.
• نرمال بودن توزیع: از طریق آزمون کولموگروف-اسمیرنوف و آزمون شاپیرو-ویلک می‌توان نرمال بودن توزیع متغیر وابسته را بررسی کرد. در صورت عدم نرمال بودن، استفاده از تحلیل‌های غیرپارامتری پیشنهاد می‌شود.

7. نتایج و اهمیت یادگیری این روش:

• یادگیری تحلیل همبستگی: به دانشجویان کمک می‌کند تا روابط بین متغیرها را به شکل دقیق درک کنند و از این تکنیک در تحلیل‌های مقاله و رساله دکتری خود استفاده کنند.
• آموزش ANOVA: اهمیت ANOVA در تحلیل تفاوت‌های گروهی بسیار کاربردی است. دانشجویان می‌توانند این روش را برای مقایسه گروه‌های مختلف در پژوهش‌های خود به کار بگیرند.
• رگرسیون چندگانه: این تحلیل یکی از پیچیده‌ترین و در عین حال پرکاربردترین روش‌ها در تحلیل‌های آماری است که به دانشجویان امکان می‌دهد چند متغیر پیش‌بین را همزمان در مدل وارد کنند و تأثیرات آن‌ها را بررسی کنند.

مرور توضیحات تکمیلی اجرای آزمون ها با SPSS

1. تحلیل همبستگی پیرسون (Pearson Correlation)

تحلیل همبستگی پیرسون برای بررسی رابطه خطی بین دو متغیر پیوسته استفاده می‌شود. در این آزمون، ضریب همبستگی (r) مقدار و جهت رابطه بین دو متغیر را مشخص می‌کند. در فصل چهار پایان‌نامه، از این روش برای تعیین ارتباط بین عوامل مختلف استفاده می‌شود و مثال حل شده با SPSS می‌تواند درک بهتری از نحوه اجرای این تحلیل به دانشجویان ارائه دهد.

برای بررسی ارتباط بین سبک‌های دلبستگی و عملکرد تحصیلی مراحل زیر را در SPSS دنبال کنید:

1. در نوار ابزار SPSS، به مسیر Analyze → Correlate → Bivariate بروید.
2. متغیرهای “سبک دلبستگی” و “عملکرد تحصیلی” را انتخاب کنید.
3. نوع همبستگی را روی Pearson تنظیم کنید.
4. روی OK کلیک کنید تا خروجی همبستگی نمایش داده شود.

نکته:

در خروجی، ضریب همبستگی (r) و مقدار Sig. (2-tailed) را بررسی کنید. اگر مقدار p کمتر از 0.05 باشد، می‌توان نتیجه گرفت که ارتباط معناداری بین این دو متغیر وجود دارد.

2. تحلیل واریانس یک‌طرفه (One-Way ANOVA)

ANOVA یک‌طرفه تفاوت میانگین‌ها بین سه یا بیشتر از گروه‌های مستقل را بررسی می‌کند. این آزمون برای مقایسه عملکرد تحصیلی بر اساس سبک‌های دلبستگی مختلف مفید است. راهنمای آسان تحلیل آماری با SPSS به دانشجویان کمک می‌کند که نتایج آماری را برای تحلیل آماری پایان‌نامه با SPSS خود تفسیر کنند.

برای بررسی تفاوت میانگین عملکرد تحصیلی بر اساس سبک دلبستگی مراحل زیر را دنبال کنید:

1. در نوار ابزار SPSS به مسیر Analyze → Compare Means → One-Way ANOVA بروید.
2. متغیر “عملکرد تحصیلی” را به بخش Dependent List و متغیر “سبک دلبستگی” را به بخش Factor منتقل کنید.
3. اگر می‌خواهید از تست Post Hoc استفاده کنید، روی دکمه Post Hoc کلیک کرده و یکی از تست‌ها (مثلاً Tukey) را انتخاب کنید.
4. روی OK کلیک کنید تا خروجی ANOVA نمایش داده شود.

نکته:

در خروجی، آماره F و مقدار Sig. را بررسی کنید. اگر مقدار p کمتر از 0.05 باشد، نشان می‌دهد که تفاوت معناداری در میانگین عملکرد تحصیلی بر اساس سبک‌های دلبستگی وجود دارد.

3. رگرسیون چندگانه (Multiple Regression)

رگرسیون چندگانه برای پیش‌بینی یک متغیر وابسته بر اساس چندین متغیر مستقل استفاده می‌شود. در این مثال، سبک دلبستگی، جنسیت و تحصیلات والدین برای پیش‌بینی عملکرد تحصیلی استفاده می‌شوند. تمرین برای SPSS می‌تواند شامل حل مسائل مشابه با این نوع تحلیل باشد که به دانشجویان کمک می‌کند به راحتی قیمت انجام پروژه‌های SPSS را تعیین کنند.

برای پیش‌بینی عملکرد تحصیلی بر اساس سبک دلبستگی، جنسیت، و سطح تحصیلات والدین مراحل زیر را دنبال کنید:

1. به مسیر Analyze → Regression → Linear بروید.
2. متغیر “عملکرد تحصیلی” را به بخش Dependent و متغیرهای “سبک دلبستگی”، “جنسیت” و “سطح تحصیلات والدین” را به بخش Independent(s) منتقل کنید.
3. روی OK کلیک کنید تا خروجی رگرسیون نمایش داده شود.

نکته:

در خروجی، ستون‌های ضرایب (Coefficients) و مقدار Sig. را بررسی کنید. اگر مقدار p کمتر از 0.05 باشد، متغیر مربوطه به طور معناداری بر عملکرد تحصیلی تأثیرگذار است.