انتخاب صحیح آزمونهای آماری

انتخاب صحیح آزمونهای آماری

آزمونهای آماری-قسمت دوم

آزمون های آمار استنباطی را میتوان به دو دسته آزمون تقسیم بندی کرد:

آزمون های پارامتریک

آزمون های نا پارامتریک

آزمون پارامتریک، آزمون هایی هستند که  برای استفاده از آنها وجود برخی شرایط ضروری است که از جمله مهمترین این شرایط می توان به موارد زیر اشاره کرد:

۱-    داده ها دارای توزیع نرمال باشند.

۲-    داده ها دارای مقیاس فاصله ای یا نسبی باشند.

۳-    نمونه ها واریانس مساوی داشته باشند.

در صورتی که شرایط فوق برقرار نباشد، بایستی از آزمونهای آماری ناپارامتریک استفاده کرد.

انواع آزمونهای پارامتریک

آزمون های پارامتریک، آزمون های استنباطی هستند که توان آماری بالا و قدرت پرداختن به داده های جمع آوری شده در طرح های پیچیده را دارند. آنها بیشتر فرض می گیرند که داده ها توزیع طبیعی داشته و نمونه ها واریانس مساوی دارند. آزمون های استنباطی غیرپارامتری، روندهایی می باشند که فرض های کمی در مورد داده ها و به ویژه توزیع آنها داشته و در مقایسه با روندهای پارامتری از توان کمتری برخوردارند.

به ساده ترین بیان باید گفت که برای سنجش فرضیه هایی که متغیر آن ها کمی است از آمار پارامتریک استفاده می شود. متغیر های کمی به علت کمی بودن و واحد پذیر بودن از این ویژگی برخورد دارند که آنها را میانگین پذیر و انحراف معیار پذیر می کنند و به دلیل همین ویژگی معمولا برای استفاده از آزمون های پارامتریک، پیش فرض هایی لازم است که از آن جمله نرمال بودن توزیع جامعه است زیرا در حالتی که توضیع جامعه نرمال نباشد، میانگین و انحراف معیار، نمایی واقعی از داده ها را به تصویر نمی کشانند.  به عنوان مثال فرض کنید، مدیری می خواهد میانگین موجودی حساب های قرض الحسنه یک بانک را محاسبه نماید. چنانچه از مجموع مشتریان بانک چند نفر وجود داشته باشند که موجودی های میلیونی داشته باشند، با این فرض میانگین کل به طور خودکار به سمت بالا میل خواهد کرد و از حالت عادی خود خارج می شود. این مسئله ساده خود را در نرمال بودن جامعه آشکار می کند. در چنین حالتی، چون مبنای تصمیم گیری عموما میانگین و سایر شاخصه های مرتبط با میانگین است با فرض انحراف از توزیع نرمال ، تصمیم گیری ها چهره ای منطقی و واقعی نخواهند داشت . بنابراین نرمال بودن توزیع جامعه یکی از اصلی ترین پیش فرض های استفاده از آمار پارامتریک است. برای سنجش فرضیه ها با متغیر های کیفی، آمار ناپارامتریک استفاده می شود. این آزمون ها، که از آن ها با عنوان «آزمون های بدون پیش فرض» نیز یاد می شود، به هیچ پیش فرض خاصی نیاز ندارد.  برای مثال قضاوت درباره جنیسیت افراد با میانگین و انحراف معیار مبتنی نیست، بلکه بیشتر فراوانی هر یک از ردههای آن (مونث / مذکر) مد نظر است. در خصوص تبدیل متغیر ها باید یادآور شد که می توان که متغیر های کمی را به کیفی تبدیل نمود و آنها را با آزمون های ناپارامتریک مورد ارزیابی قرار داد، ولی عکس این عمل امکان پذیر نمی باشد برای مثال ، معدل افراد بر اساس نمره می تواند در آزمون های پارامتریک ارزیابی شود، ولی با تبدیل همین متغیر به مقوله های خوب، متوسط و ضعیف می توان آزمون های ناپارامتریک را هم در مورد آن ها به کار گرفت. شایان ذکر است که سطح دقت در آزمون های آماری پارامتریک از آزمون های آماری ناپارامتریک بیشتر است و معمولا پیشنهاد می شود که در صورتی که استفاده از آزمون های پارامتریک امکان پذیر باشد از آزمون های ناپارامتریک استفاده نشود، باید توجه داشت که بیشتر متغیر ها در علوم رفتار ی به کمک آزمون های ناپارامتریک مورد قضاوت قرار می گیرند.

آزمون های آماری ANOVA،  Tمستقل و وابسته، تحلیل کواریانس، ضریب هم‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌بستگی پیرسون، از جمله آزمون‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌های آماری پارامتریک هستندکه شهرت بیشتری داشته و مورد استفاده بیشتری دارند. زیرا فرضیه‌های مربوط به پارامتر جامعه را آزمایش می‌کنند. آزمون‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌های پارامتری را می‌توان مؤثرترین آزمون‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ها دانست ، اما شرط استفاده از این آزمون‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ها آن است که پیش‌ فرض‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌های اساسی آنها مراعات شود. این پیش ‌فرض‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ها بر چگونگی توزیع جامعه و بر روش استفاده از مقیاسی که برای به‌کمیت در آوردن داده‌ها به‌کار می‌رود ، مبتنی است.

  1. هر یک از موارد مشاهده‌ شده مستقل است. انتخاب یک مورد به انتخاب هیچ مورد دیگر وابسته نیست.
  2. واریانس نمونه برابر یا تقریباً برابر است. این مطلب هنگامی که حجم نمونه کم باشد از اهمیت خاصی برخوردار است.
  3. توصیف متغیرها براساس مقیاس فاصله‌ای یا نسبی انجام می‌گیرد.

خلاصه آزمون های پارامتریک

آزمون T به منظور تفاوت معناداری بین دو میانگین به کار می رود. آزمون T انواع مختلفی دارد که در ادامه به معرفی مختصر هر کدام می پردازیم:

آزمون T تک نمونه :

آزمونT  تک نمونه ای زمانی مورد استفاده قرار می گیرد که یک نمونه از جامعه داریم  و می خواهیم میانگین آن را با یک حالت معمول و رایج استاندارد و یا حتی یک عدد مورد انتظار مقایسه کنیم. در این آزمون فرض بر این است که نمونه ای به حجم N و میانگین  Mاز یک جامعه انتخاب کرده‎ایم و می خواهیم بدانیم که آیا می توان این نمونه را یک نمونه تصادفی از جامعه دانست یا خیر؟

به عبارت دیگر برای آزمون فرض پیرامون میانگین یک جامعه استفاده می شود. در بیشتر پژوهش هائی که با مقیاس لیکرت انجام می شوند جهت بررسی فرضیه های پژوهش و تحلیل سوالات تخصصی مربوط به آنها از این آزمون استفاده می شود.

آزمون T وابسته:

در آزمون T وابسته، اعضای نمونه در دو مقطع از زمان مورد بررسی قرار می گیرند. در این آزمون تفاوت میانگین های صفت ارزیابی می شود. برای مثال اگر محقق بخواهد اثر بخشی یک دوره آموزشی را بررسی کند می بایست داده های قبل و بعد از دوره را گرداوری کرده و سپس با استفاده از این آزمون به بررسی تاثیر دوره آموزشی بپردازد. به عبارت دیگر برای آزمون فرض پیرامون دو میانگین از یک جامعه استفاده می شود. برای مثال اختلاف میانگین رضایت کارکنان یک سازمان قبل و بعد از تغییر مدیریت یا زمانی که نمرات یک کلاس با پیش آزمون و پس آزمون سنجش می شود.

آزمون T مستقل:

جهت مقایسه میانگین دو جامعه استفاده می شود. این آزمون هنگامی به کار می رود که بخواهیم معنی داری تفاوت میانگین یک صفت را در دو نمونۀ تصادفی از دو جامعۀ مستقل مورد بررسی قرار دهیم. در آزمون T برای دو نمونه مستقل فرض می شود واریانس دو جامعه برابر است. برای نمونه به منظور بررسی معنی دار بودن تفاوت میانگین نمره نظرات پاسخ دهندگان بر اساس جنسیت در خصوص هر یک از فرضیه های پژوهش استفاده میشود.

آزمون T ولچ:

این آزمون نیز مانند آزمون T دو نمونه جهت مقایسه میانگین دو جامعه استفاده می شود. در آزمون T ولچ فرض می شود واریانس دو جامعه برابر نیست. برای نمونه به منظور بررسی معنی دار بودن تفاوت میانگین نمره نظرات پاسخ دهندگان بر اساس جنسیت در خصوص هر یک از فرضیه های پژوهش استفاده میشود.

آزمون T هتلینگ:

برای مقایسه چند میانگین از دو جامعه استفاده می شود. یعنی دو جامعه براساس میانگین چندین صفت مقایسه شوند.

تحلیل واریانس (ANOVA):

از این آزمون به منظور بررسی اختلاف میانگین چند جامعه آماری استفاده می شود. برای نمونه جهت بررسی معنی دار بودن تفاوت میانگین نمره نظرات پاسخ دهندگان بر اساس سن یا تحصیلات در خصوص هر یک از فرضیه های پژوهش استفاده می شود. روشی است که اغلب موارد برای آزمون تفاوتها بین میانگین های سه گروه یا بیشتر به کار می رود، همچنین می تواند در آزمون تفاوتها بین میانگین های دو گروه بکار رود، در این حالت ، ما دقیقا همان اطلاعاتی که آزمون t به ما می داد، بدست می آوریم. موقعی که متغیر مستقل دارای دو سطح یا بیشتر باشد برای مقایسه میانگین های این سطوح معمولا از تحلیل واریانس یکراهه استفاده می شود که بر پایه آن می توان معلوم کرد تفاوت های مشاهده شده بین میانگین ها حاصل شانس است یا نتیجه تاثیر متغیر آزمایشی است. تحلیل واریانس یکراهه را می توان به عنوان گسترش آزمون t  مستقل برای آزمون این فرضیه که چند جامعه از لحاظ متغیر مورد مطالعه دارای میانگین های یکسان است درنظر گرفت، در حالی که آزمون t  برای دو گروه مستقل را نیز می توان حالت ویژه ای از تحلیل واریانس یکراهه دانست. این دو تکنیک شباهت زیادی با هم دارند. مهمترین شباهت مربوط به مفروضه های این دو روش است. منطق تحلیل واریانس پیدا کردن ۲ برآورد مستقل از پراکندگی است. یکی واریانس حول میانگین های گروه است. این حقیقتا واریانس تفاوتها بین گروههاست. دیگری واریانس درون گروههاست که معین  می کند چند نمره بر حسب شانس در متغیر وابسته مورد نظر تغییر می کند.آزمون تحلیل واریانس نسبتی از این دو واریانس است.

تحلیل واریانس چند متغیره(MANOVA):

 اغلب اتفاق می افتد زمانی که هدف محقق بررسی بیش از یک متغیر وابسته است، به جای استفاده از روش های چند متغیری هر بار یکی از متغیرهای وابسته را در نظر گرفته و از روش ANOVA برای تحلیل استفاده می نماید. استفاده از این روش می تواند اشکالاتی را به وجود آورد که در ادامه به بیان آن ها می پردازیم :

۱- آزمون های آماری تک متغیری به طور معمول همبستگی متقابل متغیرهای وابسته را نادیده می گیرد. در حالیکه روش MANOVAهمبستگی متقابل بین متغیرهای وابسته را با بررسی ماتریس های واریانس کواریانس در نظر می گیرد.

۲- روش MANOVA محققان را قادر می سازد تا روابط بین متغیرهای وابسته را در هر سطحی از متغیرهای مستقل بررسی کنند.

۳- این روش به شناسایی متغیرهای وابسته با بیشترین توان تفکیک در گروه بندیکمک می کند.

۴- MANOVAبه واسطه توان افزایش یافته در موقعیت چند متغیری می تواند تفاوت های گروهی نامشخص تحت شرایط تحلیل های آماری تک متغیری را آشکار نماید.

۵- روش MANOVA سطح آلفای کلی یا میزان خطای نوع اول (یعنی احتمال این که فرض صفر درست بوده و به اشتباه رد شود)را کنترل می کند. برای مثال اگر بخواهیم تفاوت های جنسیتی(متغیر مستقل) را با چهار متغیر وابسته رضایت شغلی (پرداخت، مزایا، همکاران و محل کار) بررسی کنیم و برای این کار از چهار آزمون جداگانه t و یا روش ANOVA استفاده نماییم، با سطح خطای ۵% برای هر آزمون با خطای نوع اول برابر ۰٫۰۵۴ مواجه خواهیم شد. در این حالات استفاده از روش MANOVA این مشکل را برطرف می کند.

تحلیل کوواریانس (ANCOVA):

استفاده از متغیر کوواریانس شرایطی دارد که می توان آن را به شرح ذیل خلاصه کرد: ۱- زمانی که یک یا چند متغیر خارجی مزاحم وجود دارد که در متغیر وابسته اثر می گذارد. ۲- این متغیر مزاحم قابل اندازه گیری در مقیاس فاصله ای یا نسبی باشد. ۳- بین متغیر یا متغیرهای مزاحم و متغیرهای وابسته رابطه وجود داشته باشد. ۴- کنترل تجربی متغیرهای مزاحم خارجی امکان پذیر نباشد. اگر در این شرایط قرار نباشد تعدیلی که در متغیر وابسته از طریق کنترل عوامل مزاحم بدست می آید درنظر گرفته شود، نتیجه به دست آمده صحیح نخواهد بود زیرا برخی اثرات قابل استناد، از متغیر وابسته حذف خواهد شد.

تحلیل کوواریانس چند متغیره (MANCOVA):

چنانچه در MANOVA بخواهیم اثر یک یا چند متغیر کمکی را حذف کنیم از تحلیل کوواریانس چندمتغیره استفاده می شود.

ضریب همبستگی گشتاوری پیرسون:

ضریب همبستگی پیرسون از روشهای پرکاربرد جهت تعیین میزان رابطه بین دو متغیر محسوب می گردیده و با علامتr نمایش داده می شود. این ضریب به منظور بررسی رابطه بین دو متغیر فاصله ای یا نسبی مورد استفاده قرار می گیرد و مقدار آن همواره بین ۱- و ۱+ در نوسان است. چنانچه مقدار به دست آمده مثبت باشد به معنای این است که تغییرات در هر دو متغییر بطور هم جهت اتفاق می افتد. به عبارت دیگر با هر گونه افزایش در مقدار یک متغیر، مقدار متغیر دیگر نیز افزایش پیدا می کند و بر عکس. اما چنانچه مقدار r منفی باشد بیانگر این نکته است که دو متغیر در جهت عکس همدیگر حرکت می کنند. یعنی با افزایش یک متغیر، مقادیر متغیر دیگر کاهش می یابد و بر عکس. اگر مقدار به دست آمده برای ضریب همبستگی صفر باشد به معنای این است که هیچگونه رابطه ای بین دو متغیر وجود ندارد. اگر مقدار r دقیقا برابر +۱ باشد بیانگر همبستگی مثبت کامل و اگر برابر ۱- باشد نشان دهنده همبستگی کامل منفی بین دو متغیر است.

ثبت-سفارش

به جهت قدردانی از زحمات نویسنده این بخش، لطفا لینک مطلب را در سایت، وبلاگ یا شبکه های اجتماعی خود قرار دهید.

کپی برداری از مطالب این سایت صرفا با ذکر لینک منبع مجاز می باشد. ارجاع به لینک منبع توسط گوگل توصیه شده و تاثیر مثبتی در سئو سایت شما خواهد داشت. با اشتراک گذاری لینک صفحه در شبکه های اجتماعی، ایران مشاور را به دوستان خود معرفی کنید...

جهت سفارش آموزش انجام پایان نامه یا تحلیل آماری روی ثبت سفارش آنلاین کلیک کنید.

ثبت-سفارش

**************

سریع ترین راه ارتباطی با ما = تکمیل فرم ثبت سفارش یا پیگیری

**************

در کمتر از یک روز کاری نتیجه بررسی را از ایران مشاور دریافت کنید.
درخواست فوری

سلام دوست خوبم امیدوارم مطلب ما مفید بوده باشه... ایران مشاور پایگاهی برای مطالب آموزشی در موضوعات انجام پایان نامه، نگارش رساله، تحلیل آماری پایان نامه، اکسپت مقاله، چاپ مقاله، ادیت نگارش علمی و روش شناسی پژوهش است که فعالیت خود را از سال 1390 شروع کرده است. بازخوردهای بسیار خوب دانشجویان کارشناسی ارشد، دکتری و اعضای هیئت علمی دانشگاه ها برای انتشار مطالب متناسب با نیاز مخاطبان همیشه یاریگر ایران مشاور بوده است. شما هم اگر نیازمند آموزش، راهنمایی یا مشاوره در زمینه موضوعات فوق بودید از طریق فرم زیر با ما در ارتباط باشید.

حداکثر سایز 10 MB

لطفا صبر کنید

کانون متخصصان ایران مشاور با هدف آموزش تخصصی انجام پژوهش در سطوح آموزش عالی شکل گرفته است. این مرکز در راستای تقویت بنیه علمی کشور با نیازسنجی از جامعه علمی اقدام به برگزاری دوره های آموزش تخصصی نگارش پروپوزال، انجام پایان نامه، مدیریت زمان انجام پایان نامه دکتری، تحلیل آماری و شبیه سازی، تکنیک ها و فرایند بررسی اعتبار مجلات علمی پژوهشی و ISI ، شناسایی مجلات نامعتبر و جعلی، اصول و تکنیک های سابمیت مقاله به ژورنال های خارجی، پیگیری و چاپ فوری مقالات ISI و ISC و همچنین اصلاح و ویرایش مقالات ISI می نماید.جهت اطلاعات بیشتر از طریق شماره تماس های موسسه یا کانال تلگرامی با ما در ارتباط باشید. از اینکه پاسخگویی سوالات شما باشیم بسیار خرسندیم.

جهت مشاوره با تلگرام همین الان کلیک کنید

اگر می‌خواهید از آخرین و محبوب‌ترین مقالات ما در ایمیل خود مطلع شوید، همین الان ایمیل خود را در کادر زیر وارد کنید

تعداد علاقه‌مندانی که تاکنون عضو خبرنامه ما شده‌اند

۶۶۲

مقاله های مرتبط :

دیدگاه خود را بیان کنید :

نشانی ایمیل شما منتشر نخواهد شد.