SPSS کارگاه آموزش مقدماتی واحد آمار مرکز بهداشت شهرستان خوانسار-(مهرماه 93)

آمار دروغ نمی گويد ، دروغگويان آمارسازی می کنند

علم آمار آمار علم و عمل توسعه دانش انسانی از طريق استفاده از داده های تجربی است. آمار مطالعه لذت بخشی است در باب اين موضوع که چگونه می توان جهان ناشناخته ای را با گشودن چند دريجه به روی آن توصيف کرد . با پرداختن به آمار لذت فکر کردن به يك شيوه  کاملا جديد را کشف خواهيم کرد. زمانی به استفاده از علم آمار رو مي آوريم که: 1)  بخواهيم داده ها را به صورت يک مجموعه، خلاصه کرده و توصيف نماييم. 2)  بخواهيم اطمينان دهيم که در شرايطی که يک پروژه دقيقاً به همان شکل تکرار شود، همان يافته ها   بدست خواهد آمد.      

تعریف متغیر و انواع آن متغیر : هر ویژگی یا صفت مورد مطالعه که از یک فرد به فرد دیگر تغییر می کند . 1- متغيرهای کمی مانند قد، وزن يا سن درجه بندی مي شوند و به همين دليل قابل اندازه گيری می باشند، آنها را می توان با هم جمع کرد. 1-متغیر کمّی متصل(پيوسته):طول، وزن و... 2-متغیر کمّی منفصل(گسسته):تعداد کلاسها يا دانش آموزان. کمّی سازی بسیاری از متغیرها به منظور تجزیه و تحلیل های پیچیده آماری انجام می گیرد. مثلا به یکی از دو جنس عدد 1 و دیگری عدد 0 اختصاص می یابد. ستون 1ها و 0ها نشانگر مقادیر کمّی برای دو جنس و در نتیجه کمّی ساختن متغیر جنسیت است. این روش را می توان به راحتی به متغیرهای چند ارزشی نیز تعمیم دارد.

متغير رتبه اي يا ترتيبي: 2- متغیرهای کیفی :مانند جنس، گروه خونی يا مليت فقط دارای نوع هستند و قابل بيان با استفاده از واحد خاصی نيستند. متغير اسمی: متغيري كه اجزاي آن به صورت سلسله مراتب قابل درجه بندي و تفكيك نيست.مثل : جنس ، شغل ، شركت در انتخابات . اين  نوع متغيرها براساس يك ملاك طبقه بندي مي شوند. مثلا در جنسيت افراد فقط در دو طبقه زن و مرد قرار مي گيرند. يا در چند طبقه قرار مي گيرند. بنابراين وقتي متغير بيش از دو عدد يا ارزش به خود نگيرد متغير دو ارزشي نام دارد. مثل: جنس، مرگ و حيات، شهري و روستايي. متغير چند ارزشي: بيش از دو عدد يا ارزش به خود مي گيرد. مثل مقاطع تحصيلي( ابتدايي، راهنمايي، دبيرستان، دانشگاه) يا گروه هاي خوني .... متغير رتبه اي يا ترتيبي: متغيري كه اجزاء آن قابل مدرج كردن به صورت ترتيبي باشد. مثل سطح تحصيلات ، ميزان رضايت فرد از يك موضوع يا ميزان گرايش افراد به يك پديده ( كاملامخالف، مخالف، بي تفاوت ، موافق، كاملا موافق)

تعریف داده انواع مقیاس ها : داده (data) : داده ها یکسری مواد خام هستند که قبل از اینکه به چیز مفیدی تبدیل شوند نیازمند هستند فرایندهایی روی انها انجام شود انواع مقیاس ها : الف) nominal مقیاس اسمی :برای شناسایی افراد یا مکان ها به کار می رود و افراد،موضوعات را در دو مقوله یا بیشتر طبقه بندی می کند . مثل: جنسیت ، گروه خونی ب) Ordinal مقیاس ترتیبی :این مقیاس برتری را بیان می کند و از بالاترین تا پایین ترین . مثل: تحصیلات ج) Interval مقیاس فاصله ای : ویژگی های مقیاس اسمی و ترتیبی را دارد با این تفاوت که صفر مطلق وجود ندارد . مثل :سن د)مقیاس نسبتی :بالاترین و دقیق ترین مقیاس می باشد و از صفر مطلق نیز برخوردار است . مثل :دمای آب

SPSS معرفی نرم افزارهای کلمه  SPSS مخفف  Statistical package for social science (نرم افزار آماری برای علوم اجتماعی ) می باشد. اين نرم‌افزار که يکي از نرم‌افزارهاي تخصصي آمار است، بيشتر به بحث‌هاي آماري در حيطة علوم اجتماعي، روانشناسي و علوم رفتاري و ... مي پردازد..

قابليت‌هاي نرم افزار SPSS به ‌شرح زير است: Ø      تهيه خلاصه‌هاي آماري مانند گراف‌ها، جداول‌، آماره‌ها و ... Ø  انواع توابع رياضي مانند قدر مطلق، تابع علامت، لگاريتم، توابع مثلثاتي و ... Ø  تهيه انواع جداول سفارشي مانند جداول فراواني، فراواني تجمعي، درصد فراواني و ... Ø      انواع توزيع‌هاي آماري شامل توزيع‌هاي گسسته و پيوسته Ø      تهيه انواع طرح‌هاي آماري Ø      انجام آناليز واريانس يکطرفه، دوطرفه، چندطرفه و آناليز کوواريانس Ø      تکنيک‌هاي تجزيه و تحليل سري‌هاي زماني Ø      ايجاد داده‌هاي تصادفي و پيوسته Ø      محاسبه انواع آماره‌هاي توصيفي Ø  انواع آزمون‌هاي مرتبط با مقايسه ميانگين بين دو يا چند جامعه مستقل و وابسته Ø      قابليت مبادله اطلاعات با نرم‌افزارهاي ديگر Ø      برازش انواع مختلف رگرسيون

اجرا کردن نرم افزار

آشنایی با قسمت های مختلف پنجره

کار با نرم افزار Data view(نمای داده) : برای وارد کردن داده ها و در زير ستونهای معرفی شده استفاده می شود. Variable view (نمای متغير): برای تعريف کردن متغيرها استفاده می شود.

پنجره ی Variable View از ده ستون تشکیل شده،که باید اطلاعاتی در مورد متغیرها در آن وارد کنیم. قواعد نام گذاری متغیر: nameنام متغیر: 1.   باید یکتا باشه،یعنی نمیتوان دو متغیر با یک نام داشت. 2.   باید حداکثر 64 بایت داشته باشه،یعنی معادل 64 کاراکتر(در زبانهایی که هر کاراکتر دو بایت داره مثل چینی،ژاپنی و... 32 کاراکتر). 3.   نباید با کاراکترهای # $ . _ شروع بشه. 4.   کاراکترهای بعدی میتونند ترکیبی از حروف بزرگ و کوچک ، اعداد و کاراکتر های @ ، # ، $ ، ÷ ، × ، € و... باشه 5.  نمیتونه شامل فاصله باشه. 6.  نباید با یک نقطه یا خط تمام بشه. 7. کلمات کلیدی ALL ، AND ، BY ، EQ ، GE ، LE ، LT ، NE ، NOT ، OR ، TO و WITH که spss از اونها به عنوان عبارتهای محاسباتی استفاده میکنه نمی توانند به تنهایی به عنوان اسم متغیر قرار بگیرند.  

نوع متغیر رو در ستون Type وارد میکنیم نوع متغیر رو در ستون Type وارد میکنیم.نوع متغیر میتواند Numeric (عددی) ، Comma(ویرگول) ،Dot (نقطه) ، Scientific notation(نماد گذاری علمی) ،Dollar(دلار) ، Custom currency(پول رایج) و String(رشته ای) باشه.اگر داده های شما عدد هستند numeric رو انتخاب کنید ولی اگه داده های شما شامل حروف هستند به عنوان مثال اگر داده ها یک سری اسامی اند،نوع متغیر رو string انتخاب کنید.سایر typeها خیلی مورد استفاده قرار نمیگیرند. در قسمت Width پهنای مورد نظر رو برای داده ها تعیین میکنید.منظور از پهنا،تعداد کاراکتری هست که هر داده میتونه داشته باشه که البته بیشتر در مورد داده هایی که از نوع string هستن کاربرد دارد.این کار رو میتونید از ستون Width هم انجام بدید. در جلوی Decimal Places هم تعداد رقم اعشار رو برای داده های عددی تعیین کنید. تعیین تعداد رقمهای اعشاری رو از ستون Decimal هم میتونید انجام بدید. در زیر ستون Label برای متغیر یک برچسب تعیین میکنیم

Values : اگر داده های مربوط به یک متغیر مثلا از دو نوع "female" و "male" باشه ، میتونید در قسمت Values برای هر کدام از اونها یک کد تعریف کنید.در این صورت در زیر متغیر مورد نظر یک فیلد با دو گزینه ی "female" و "male" ساخته میشود.با این کار دیگه لازم نیست عبارت "female" یا "male" رو هر بار تایپ کنید.کافیه روی خانه ی مربوطه برید و از لیست کشویی گزینه ی مورد نظر رو انتخاب کنید. البته برای اینکه برچسب مقادیر رو ببینید باید از منوی View گزینه ی Value Labels رو تیک دار کنید. .

 Missing: بعد از وارد کردن داده ها اگر خانه ای دارای عدد نباشد، در اون خانه یک "نقطه" قرار میگیرد و spss با اون به عنوان داده ی گم شده رفتار میکند.داده های گم شده در محاسبات و رسم نمودارها اعمال نمیشوند.اگر بخواهیم از آنها در محاسبات استفاده کنیم باید مقداری رو برای آنها تعریف کنیم برای این منظور از ستون missing استفاده میکنیم.در پنجره ی Missing Values به طور پیش فرض گزینه ی No missing values در حالت انتخاب قرار دارد.در زیر این گزینه دو گزینه ی دیگر Discrete missing values و Range plus one optional discrete missing value قرار دارند که با انتخاب آنها میتوانید داده ی مفقود شده را وارد کنید.با انتخاب گزینه ی دوم text box های زیر آن فعال میشود و میتوانید در آنها سه مقدار مفقود رو به طور جداگانه تعریف کنید.اما با استفاده از گزینه ی سوم شما میتونید یک دامنه را برای مقادیر مربوطه تعریف کنید و در باکس سوم عددی را تعیین کنید که میخواهید جایگزین اعداد موجود در دامنه بشود.یک نکته اینکه،اگر متغیر شما از نوع numeric باشد هر دو گزینه فعال هستند ولی اگه متغیر از نوع String باشه فقط گزینه دوم (Discrete missing values) فعال خواهد بود ستون بعدی ستون Columns هست که با استفاده از آن میتوانید عرض ستون مورد نظر را تغییر بدهید. Align : با استفاده از Align میتوانید نحوه قرار گرفتن داده ها در خانه های ستون مربوطه را تعیین کنید. Left: چپ چین، Right: راست چین و Center: وسط چین

مثال: واردکردن داده های یک پرسش نامه 1-جنسیت مرد □ زن □ 2-وضعیت تاهل:مجرد □ متاهل □ 3-رشته تحصیلی: تجربی □ ریاضی □ انسانی □ فنی □ 4-معدل:................ 5-در ساعت کاری فقط به فکر گذراندن وقت می باشم/ کاملا موافق □ موافق □ تا حدی □ مخالف □ کاملا مخالف □

تبدیل و انتخاب داده ها با دستور Transform

Recode گروه بندی داده ها

تحلیل توصیفی داده ها 1- شاخص های مرکزی این شاخص مقادیر مرکزی و متوسط داده ها را نشان می دهد. 2- شاخص های پراکندگی چگونگی پخش داده ها حول یک مقدار مرکزی نشان داده می شود .

شاخص های مرکزی در محاسبات آماری لازم است که ویژگیها و موقعیت کلی داده‌ها تعیین شود. برای این منظور شاخصهای مرکزی محاسبه می‌شوند. شاخصهای مرکزی در سه نوع هستند: نما(Mode)، میانه (Median) و میانگین (Mean) هستند. که هر یک کاربرد خاص خود را دارا می‌باشند. در تحقیقاتی که مقیاس اندازه گیری داده‌ها حداقل فاصله‌ای است میانگین بهترین شاخص است. ولی در تحقیقاتی که مقیاس اندازه گیری داده‌ها رتبه‌ای یا اسمی‌ است، میانه یا نما مورد استفاده قرار می‌گیرند.

محاسبه شاخصهای پراکندگی شاخصهای پراکندگی برخلاف شاخصهای مرکزی هستند. آنها میزان پراکندگی یا تغییراتی را که در بین داده‌های یک توزیع (نتایج تحقیق) وجود دارد، نشان می‌دهند. دامنه تغییرات ، انحراف چارکی (Quartile Deviation) ، واریانس (Variance) و انحراف استاندارد (Standard Deviation) شاخصهایی هستند که به همین منظور در تحقیقات مورد استفاده قرار می‌گیرند.

شاخص پراکندگی شاخص مرکزی نوع مقیاس نوع متغیر جدول فراوانی نما اسمی کیفی میانه ترتیبی واریانس میانگین فاصله ای کمی نسبتی

آمار توصیفی: برای متغیر های کیفی : Analyze –descriptive statistics-frequencies

محاسبه سایر آماره ها

برای متغیر های کمی : Analyze -descriptive statistics-descriptive

نمودار های جدول فراوانی نموداردایره ای این نمودار برای نمایش نتایج گروه بندی یا کیفی به کار می رود. نمودار ستونی این نمودارنیز برای متغیر های کیفی به کار می رود که فراوانی هر گروه را نشان می دهد . نمودار هیستوگرام این نمودار برای دادهای کمی پیوسته استفاده می شود که برای بررسی نرمال بودن توزیع داده استفاده می شود.

مثال عملی: معدل ديپلم15 نفر از دانشجويان سال اول دانشگاه در چند رشته مختلف دانشگاهی به صورت زير می باشد. به منظور استفاده از اين اطلاعات  در تجزيه و تحليلها، اطلاعات (داده ها) را به صورت زير به نرم افزار وارد می کنيم. کد 1  = رياضی      2=تجربی      کد 3 = ديپلم انسانی دیپلم 1 2 3 معدل 17 16 18 15 14

رسم نمودار با SPSS