ضرایب همبستگی و آزمونهای معناداری

قبل از انجام آزمون باید شرط اضافی دیگری را که برای انجام این آزمون لازم است، تعریف کنیم:نرمال بودن تفاضل امتیازات: تفاضل امتیازات برای هر شرکت کننده یا آزمودنی (یعنی تفاضل مقادیر قبل و بعد) می‌بایستی به‌صورت نرمال توزیع شده باشد.با انجام آزمون t جفت نمونه‌ای فرضیه زیر را آزمون می‌‌کنیم:از منوی Analyze به‌ترتیب گزینه‌های Compare Means و Paired-Samples T Test… را انتخاب کنید تا کادر مربوطه باز شود. متغیرهای Before و After را به سمت راست انتقال دهید:سپس روی OK کلیک کنید تا خروجی نمایش یابد:با توجه به خروجی فوق، چون مقدار معناداری یعنی Sig. کوچکتر از سطح آزمون، یعنی 05/0 شده است، فرضیه صفر را رد می‌کنیم. به‌عبارت دیگر خروجی نشان می‌دهد که تفاوت معناداری در میانگین نمرات دانش‌آموزان قبل و بعد از اجرای دوره‌ی آموزشی تقویتی وجود دارد. با توجه به مقدار میانگین‌ها بعد از اجرای دوره‌ی آموزشی تقویتی، میانگین نمرات به اندازه‌ی 563/1 افزایش می‌یابد.

همبستگی بین نمرات امتحان جامع علوم پایه و نمره استادان در گروه های آموزشی علوم پایه دانشگاه علوم پزشکی رفسنجان طی سال های 85-1375

خلاصه زمینه و هدف : نتایج ارزشیابی استادان یکی از عوامل مؤثر در تصمیم گیری های دانشگاه است. از آنجا که رتبه دانشگاه ها در امتحان علوم پایه نشان دهنده موفقیت آموزشی دانشگاه ها است، این بررسی به منظور تعیین همبستگی بین نمرات امتحان جامع علوم پایه پزشکی با نمرات ارزشیابی استادان گروه های آموزشی علوم پایه در دانشگاه علوم پزشکی رفسنجان انجام شد. مواد و روش ها : این مطالعه توصیفی با بررسی پرونده آموزشی کلیه دانشجویانی که در آزمون علوم پایه تا سال 1388 شرکت کرده بودند، انجام شد. از یک چک لیست که شامل متغیرهای جنس، سن، معدل دوره علوم پایه، نمره امتحان جامع علوم پایه و نمره ارزشیابی استادان در دروس پایه بود، برای ثبت داده ها استفاده گردید. همبستگی بین داده ها با آزمون ضریب همبستگی پیرسون تعیین شد. یافته ها : نمره آزمون علوم جامع پایه دانشجویان دختر و پسر تفاوت معنی داری نداشت اما معدل دوره علوم پایه دختران به طور معنی داری بییشتر از پسران بود. بیشترین همبستگی با نمره آزمون علوم پایه را معدل دوره علوم پایه و سپس به ترتیب دروس آسیب شناسی، آناتومی، زبان تخصصی و جنین شناسی داشتند. کمترین همبستگی با نمره آزمون علوم پایه مربوط به دروس فیزیک پزشکی، معارف اسلامی، تغذیه و روانشناسی بود. نتیجه گیری : بین نمره آزمون علوم پایه دانشجویان با معدل دوره علوم پایه آنان و نیز اکثر دروس این دوره همبستگی معنی داری وجود دارد که بیانگر پایایی و اعتبار کیفیت ارزشیابی توسط اعضای هیأت علمی این دانشگاه می باشد.

کلیدواژه‌ها

عنوان مقاله [English]

Correlation between the comprehensive basic-science exam and the scores of basic courses evaluated by academic members of Rafsanjan University of medical sciences in 1996-2006

نویسندگان [English]

• M Allahtavakoli
• A Ansari
• R Vazerinejad
• M Kazemi

 Background and objectives : Result of academic members’ evaluations affects the university decision-makings. Since scores in basic-science exam represent the successfulness of universities. In the current study correlation between comprehensive basic –science exam and the scores which evaluated by academic members of basic sciences departments in medical students were investigated.  Materials and Methods : This descriptive study was conducted by educational files of all students that were enrolled in comprehensive basic-science exam from laa6to 2009. A checklist was used for data collection for each medical student which included age, sex, average scores of basic science, score of comprehensive basic-science and scores of basic courses evaluated by the academic members. Correlations among data were determined by Pearson’s coefficient test.  Results: While there were no significantly difference between comprehensive basic scores of male and female medical students, average scores of basic science of females were significantly higher than males. Average of basic science score, pathology, anatomy, medical English and embryology had the most correlation with the comprehensive basic-science exam, respectively. The least correlations with comprehensive basic-science exam were related to medical physics, Islamic knowledge and psychology courses, respectively.  Conclusion: There is a significant correlation between comprehensive basic-science exam and most scores of basic science stage indicating quality of evaluation by academic members is valid and reliable.

ضرایب همبستگی و آزمونهای معناداری

١. آلفا یا سطح معناداری به معنی احتمال تشخیص تفاوت با شناسایی آثار آزمایش در حالی است که چنین چیزی در واقع وجود ندارد (که به آن خطای نوع اول گویند).

در اکثر مطالعات روانشناختی سطح آلفا را مساوی با ۵ درصد تعیین می کنند یا در پژوهشهای بسیار حساس ممکن است آن را یک درصد تعیین نمایند. آلفا یکی از عوامل تحت کنترل پژوهشگر است که توان آزمون آماری با افزایش مقدار آن افزایش می یابد. بدین ترتیب، اگر کلیه عوامل مؤثر ضرایب همبستگی و آزمونهای معناداری بر توان آزمون آماری را ثابت نگه داریم، با افزایش مقدار آلفا از ۱ درصد به ۵ درصد و ۱۰ درصد و . توان آزمون نیز افزایش می یابد.

۲. میزان اثر عمل آزمایشی.

اثر عمل آزمایشی یکی از مفاهیم اساسی در تحلیل توان آزمون آماری است. هر چه میزان اثر عمل آزمایشی افزایش یابد، توان آزمون آماری نیز افزایش می یابد. میزان اثر در واقع مقدار قدرتمندی تفاوت با رابطه ای است که پژوهشگر به دنبال آن است. در خصوص میزان اثر معمولا به آثار کوچک، متوسط و بزرگ اشاره می شود.

اثر بزرگ به اثری گفته می شود که به طور عینی و بدون هر نوع تحلیل آماری مشاهده می شود. روش برآورد میزان اثر عمل آزمایشی به نوع روشهای آماری به کار رفته در مطالعه بستگی دارد (مثلا مجذور کای، آزمون تی، ضریب همبستگی با تحلیل واریانس).

کوهن (۱۹۸۸ و ۱۹۹۲) مقدار استاندارد برای اندازه های کوچک، متوسط و بزرگ میزان اثر عمل آزمایشی برای هر نوع از روشهای آماری را ارائه نموده است؛ برای مثال، در مطالعات همبستگی، که از ضریب همبستگی پیرسن استفاده می شود، میزان اثر ۱۰ درصد را کوچک، ۳۰ درصد را متوسط و ۵۰ درصد را بزرگ محسوب کرده و در مطالعات مبتنی بر تحلیل واریانس، میزان اثر را به ترتیب ۲۵ درصد، ۵۰ درصد و ۷۵ درصد پیشنهاد نموده است.

در مطالعات بالینی غالبا ممكن است میزان اثر متوسط مبنا باشد، در حالی که در مطالعات همه گیر شناسی ممکن است از میزان اثر کوچک استفاده شود. توجه نمایید که میزان اثر عمل آزمایشی مترادف معناداری بالینی نیست .

مثلا ممکن است میزان اثر بزرگ - اما بی ارزش - باشد؛ البته اگر متغیری که اثر را نشان می دهد بی ارزش باشد (مثلا مشاور در جلسه مشاوره به طور مکرر اوهوم، اوهوم بگوید با سرش را تکان دهد).

۳. پراکندگی در جامعه

سومین عامل مؤثر بر توان یک آزمون آماری میزان پراکندگی در جامعه است. به شرط ثابت بودن سایر عوامل (مقدار ثابت ، حجم ثابت نمونه و میزان ثابت اثر عمل آزمایشی)، هرچه انحراف معیار جامعه کوچک تر باشد، توان آزمون آماری بیشتر خواهد بود.

دلایل منطقی این ارتباط عبارت اند از:

1. با کاهش یکسان توزیع نمونه گیری فرضیه صفر و توزیع نمونه گیری مشخص شده برای فرضیه مقابل، توان آزمون آماری افزایش می یابد؛ زیرا تمام میانگین های نمونه در توزیع فرضیه مقابل (واقعی) در «ناحیه بحرانی قرار خواهند گرفت.

۲. پراکندگی این توزیعهای نمونه گیری تا حدی به مقدار انحراف معیار جامعه و بستگی دارد. هر چند واریانس جامعه را پژوهشگر می تواند با استفاده از روشهایی، تا حدی کنترل کند، این کنترل در همه شرایط و در همه مطالعات امکان پذیر نیست. راههای متفاوتی برای کنترل واریانس جامعه وجود دارد: راه اول، آنکه افراد گروه نمونه را از یک جامعه همگن انتخاب نمایند؛ راه دوم، استفاده از متغیر وابسته باثبات است، زیرا در صورت عدم ثبات متغیر وابسته، مقدار انحراف معیار جامعه در اثر، ایجاد خطای اندازه گیری افزایش خواهد یافت. راه سوم جهت کنترل واریانس جامعه، استفاده از روشهای آماری نظير تحليل کوواریانس یا طرحهای بلوکی تصادفی است.

• روش تحقیق در روانشناسی و علوم تربیتی

ما می توانیم جدیدترین و بهترین موضوعات پایان نامه و پروپوزال و مقاله را درباره مبحث بالا برایتان طراحی کنیم.

تماس با ما:

پیشنهاد موضوعات جدید پایان نامه روانشناسی و مشاوره و انجام حرفه ای پروپوزال :

ضرایب همبستگی و آزمونهای معناداری

مقدمه و هدف: سلامت معنوی یکی از عناصر اصلی سلامتی انسان است که عوامل زیادی در وضعیت آن نقش دارد. اعتقاد به معنویت در تبیین هدف زندگی نقش مهمی دارد و باعث افزایش امید به زندگی و بهتر شدن کیفیت زندگی می شود. مطالعه حاضر با هدف بررسی میزان سلامت معنوی سالمندان مراجعه کننده به مراکز بهداشتی درمانی شهر کاشان و عوامل مرتبط انجام شد.
مواد و روش ها: در این مطالعه توصیفی - مقطعی که در سال 1393 انجام شد، سلامت معنوی 500 نفر ازسالمندان بالای 60 سال تحت پوشش پایگاه‌های بهداشتی شهر کاشان مورد بررسی قرار گرفت. نمونه گیری به صورت خوشه‌ای چند مرحله‌ای انجام شد. اطلاعات پژوهش با پرسشنامه‌ی استاندارد سلامت معنوی (Spiritual Well Being) جمع آوری ضرایب همبستگی و آزمونهای معناداری شدند. تجزیه و تحلیل داده‌ها با نرم افزار SPSS نسخه‌ی 13، آمار توصیفی، ضریب همبستگی اسپیرمن، آزمون های کروسکال والیس، من ویتنی یو، فریدمن و آنالیز رگرسیون چندگانه در سطح معناداری 0/05>p انجام شد
یافته‌ها: تعداد 290 نفر از مجموع شرکت کنندگان این مطالعه مرد بودند (58 درصد). میانگین سن جامعه پژوهش 9/03 ±72/07 سال بود. تعداد 426 نفر (85/2%) از شرکت کنندگان دارای سلامت معنوی متوسط و 74 نفر (14/8%) دارای سلامت معنوی بالا بودند. بیشترین حیطه موثر بر سلامت معنوی سالمندان شهر کاشان مربوط به حیطه‌ی سلامت وجودی (p=0/0001, Beta=0/567 ) بود. متغیرهای جنس (0/0001=p)، تأهل (0/012=p)، تعداد فرزندان (0000/1=P)، میزان درآمد ماهیانه (0/012=p)، و دارا بودن شغل در زمان مطالعه (0/005=p) با میانگین نمره سلامت معنوی ارتباط معنادار داشتند.
نتیجه گیری: سلامت معنوی سالمندان کاشان تحت تأثیر بهزیستی وجودی، جنسیت مرد، داشتن تأهل و درآمد ماهیانه و فعال بودن در سنین پیری بود؛ لذا در ارائه‌ی برنامه‌های مذهبی توجه به بهزیستی وجودی سالمندان نتایج بهتری را به دنبال خواهد داشت.

آزمون های معنی داری

با کمک آزمون­ های معنی­ داری می ­توان پی برد که کدام تفسیر درست است. منطق این آزمون­ ها ساده است. اگر دو متغیر در جمعیّت فاقد رابطه باشند احتمال این که نمونه تصادفی ما بیان­گر رابطه ای بین این دو متغیر باشد چقدر است؟ (یعنی احتمال دقیق نبودن نمونه تصادفی ما چقدر است؟). به ضرایب همبستگی و آزمونهای معناداری […]

آزمون F تحلیل واریانس یکطرفه / آنووا (ANOVA)

آزمون F یا تحلیل واریانس یکطرفه برای آزمون تفاوت میانگین یک متغیر در بین بیش از دو گروه (۳گروه و بیشتر) بکار می رود.در این آزمون که تعمیم یافته آزموئن تی با دو نمونه مستقل است ، مقایسه میانگین ها و هم قوارگی چند جامعه ، راحت تر از آزمون تی می باشد.در آزمون F، […]

مک نمار( Mc Nemar Test)

این آ‍زمون زمانی به کار می رود که داده ها به صورت اسمی باشد.این آ‍مون معنی تغییرات را به ویژه برای طرح هایی که سنجش تفاوت قبل از اجرا و بعد از اجرا در آنها مهم است، نشان می دهد.این آ‍زمون برای ارزیابی همانندی دو نمونه وابسته بر حسب متغیر اسمی دو جوابی استفاده می […]

آزمون فریدمن / تحلیل واریانس دو طرفه ( Friedman)

آزمون فریدمن که به آزمون تحلیل واریانس دو. طرفه معروف است، همانند آزمون F می باشد و زمانی به کار می رود که مقیا س اندازه گیری حداقل در سطح سنجش ترتیبی باشد.چون یکی از پیش فرضهای آزمون F این است که باید واریانس گروه ها همگن باشد،در حالی که این شرط در مقیاس های […]

آزمون رتبه های دبلیو کندال.(Kendall’s W Ranks)

آزمون رتبه های دبلیو کندال، که شکل نرمال شده آزمون فریدمن می باشد، بعنوان یک ضریب توافق ، به سنجش میزان توافق رتبه ها در بین پاسخگویان می پردازد.در این آزمون ، هر پاسخگو بعنوان یک قضاوت کننده یا رتبه دهنده، و هر گویه یا سوال نیز بعنوان یک متغیر تلقی شده و در ادامه […]

فرضیه تفاوتی/مقایسه ای(Differential Hypothesis)

در طرح فرضیه تفاوتی ،به دنبال بررسی و مقایسه تفاوت اثر دو یا جند متغیر یا گروه بر یک یا چند متغیر دیگر هستیم. در این حالت ،فرضیه به صورتی بیان می شود که تفاوت ها حدس زده می شوند و مقایسه ای انجام می گیرد. به بیانی ،در فرضیه تفاوتی ،همیشه درصد د مقایسه […]

فرضیه علّی (Causal Hypothesis)

هدف فرضیه علّی ،کشف و تعیین رابطه علت و معلولی بین دو یا چند متغیر است در این جا ،هدف پژوهش گر صرفأ تعیین ارتباط و همبستگی دو یا چند متغیر نیست،بلکه می خواهد عمیق تر و ریشه ای تر با آن برخورد کرده و بگوید که متغیری علت به وجود آمدن متغیر دیگر است. […]

چرا مدل معادلات ساختاری؟

تا کنون به احتمال زیاد برای بررسی تاثیر یک یا چند متغیر روی یک متغیر دیگر از تحلیل رگرسیون (Regression analysis) استفاده می کردید. اما همانطور که می دانید در هر باراجرای تحلیل رگرسیون تنها می توانید یک متغیر وابسته ( Dependent variable ) داشته باشید.ضمناً زمانی میتوانید از تحلیل رگرسیون استفاده کنید که هر […]

ساختار فصل چهارم و پنجم پایان نامه

فصل چهارم و پنجم پایان نامه فصل چهارم پایانامه ها یکی از مهم ترین ، حساس ترین و پر درد سرترین بخشهای یک پایانامه محسوب می شوند.دانشجویان با گذراندن چند واحد درسی در دانشگاه قطعا نمی توانند بر تمامی مسائل علم آمار تسلط داشته باشند.علمی که تا مقطع دکتری نیز در ایران وجود دارد و […]

مفهوم فرضیه (Hypothesis)

یک فرضیه علمی،یک فرض آزمون پذیری است که به دلیل صادق بودن در مورد برخی از واقعیات برای هدایت بررسی و تحقیق به طور موقت پذیرفته می شود.هرتحقیق مبتنی بر یک سری فرضیه هایی در خصوص روابط احتمالی بین پدیده ها و متغیرهای تحقیق بوده و هر محقق بنا به منابع متعدد، پاسخ هایی در […]

انواع فرضیه-فرضیه رابطه ای(Relational Hypothesis)

فرضیه ها معمولاً به سه صورت مطرح می شوند،که هریک از آن ها ،نوع آزمون آماری خاص خود را می طلبند. ۱-فرضیه رابطه ای(Relational Hypothesis) فرضیه رابطه ای همواره در رابطه با دو متغیر به کار رفته و به فرضیه هایی اطلاق می شود که کیفیت ارتباط بین این دو متغیر را مطرح می کند.در […]

تحلیل آماری پایانامه ها و تحقیقات علمی

با سابقه ی فعالیت ضرایب همبستگی و آزمونهای معناداری مستمر در زمینه ی تحلیل های آماری با کلیه نرم افزارهای آماری SPSS، Lisrel، Smart PLS، Amos، Expert Choice و … آماده پذیرش کلیه طرح ها و پروژه های آماری شما از هرجای ایران هستیم. کارها به صورت کاملا تضمین شده و قابل ویرایش تا پای تأیید نهایی انجام خواهد شد. تلاش می شود تا تحلیل ها تا جای امکان برای مقاطع فوق لیسانس به بالا کامل و بی کم و کاست انجام شود تا مورد توجه همکاران عزیز و محققین گرامی قرار گیرد. وجدان کاری و کیفیت بالا همواره سرلوحه ی فعالیت های ما بوده. امید است در این راه همچنان موثر باشیم.

شماره تماس و تلگرام : 09351323950

نوشته‌های تازه

• پيش فرض هاي تحليل كواريانس
• هزينه تحليل هاي آماري
• همبستگي تفكيكي / نيمه تفكيكي
• نقش آماريست در كيفيت فصل 4 پايانامه
• آموزش نحوه ساختن ضرایب همبستگی و آزمونهای معناداری پرسشنامه آنلاين

برگه‌ها

نحوه انجام پروژه ها و تحلیلهای آماری:

شما دوستان و محققین عزیز اطلاعات اولیه را از طریق ایمیل یا تلگرام ارسال می کنید و گروه آماری ما پس از بررسی اولیه هزینه و زمان تحویل کار را اعلام کرده و در صورت موافقت شما ، شروع به انجام پروژه خواهیم کرد.تمامی تحلیلها را از طریق ایمیل یا تلگرام ارسال می کنیم. ** پس از اطمینان از کیفیت و درستی کار هزینه را دریافت خواهیم کرد. نگران هزینه نباشید ؛ قیمت ها دوستانه و دنشجویی می باشد تلفن هماهنگی و تلگرام : 09351323950 ( عیوضی)

تجزیه و تحلیل آماری با قیمت دانشجویی و توافقی

تحلیل آماری با قیمت دانشجویی و توافقی.مشاوره آماری مقالات و پایانامه های دانشگاهی بصورت تخصصی و کاملا حرفه ای با سابقه چندین ساله ،توسط کارشناسان رشته آمار.تحلیل با نرم افزارهای:

spss – pls – Lisrel – Amos – minitab – AHP – topsis
** با پشتیبانی 24 ساعته
**پرداخت هزینه بعد از تحویل پروژه
تلفن هماهنگی و تلگرام : 09351323950

آزمون t و انواع آن به زبان ساده(T-Test)-آموزش کامل در SPSS

آزمون t یکی از اصلی ضرایب همبستگی و آزمونهای معناداری ترین مفاهیم در مباحث آماری است. یکی از خدمات شرکت آمار پیشرو اجرای آزمونt است. این آزمون به عنوان یکی از خدمات زیر مجموعه تحلیل آماری است. در این مقاله سعی شده به صورت کاربردی آزمون t را در نرم افزار SPSS اجرا کنیم. اگر چنانچه علاقه مند به مباحث آماری هستید می توانید از دوره هایی همچون دوره جامع آموزش نرم افزار SPSS استفاده کنید.

آزمون t به زبان ساده

آزمون t برای تعیین اختلاف معناداری میانگین یک گروه با یک مقدار پیش فرض و یا میانگین های دو گروه به کار می روند. این تعاریف را شاید در بسیاری از کتاب ها دیده باشید اما فارغ از تعریف های آماری که با اصطلاحات بسیار سخت آغاز می شود با مثالی این آزمون را برای شما بهتر توضیح می دهیم.

فرض کنید معلمی می خواهد نمرات دانش آموزان را در دو ترم تحصیلی و یا نمرات دانش آموزان دو کلاس را با هم مقایسه کند، آنگاه می تواند از آزمون های t استفاده کند. همچنین معلم می تواند تاثیر کلاس های تقویتی را بر نمرات دانش آموزان بسنجد.برای انجام آزمون های t برخی فرضیات مشترک و کلی وجود دارند که به صورت زیر است:

• مقیاس اندازه گیری: داده های تحلیل باید کمی باشند.
• نمونه تصادفی: مشاهدات باید به صورت تصادفی از جامعه، نمونه برداری شده باشند.
• نرمال بودن: مشاهدات می بایست به طور نرمال در جامعه توزیع شده باشند.

مثال: در پژوهشی که به منظور بررسی عملکرد دانش آموزان دبیرستانی قبل و بعد از اجرای یک دوره آموزشی تقویتی ریاضی انجام شده است، برای 34 دانش آموز قبل از اجرای دوره آموزشی تقویتی و بعد از اجرای دوره آموزشی تقویتی دو آزمون ریاضی مجزا برگزار شده است. همچنین به‌منظور بررسی تاثیر جنسیت، برای دانش آموزان دختر کد 1 و برای دانش آموزان پسر کد 2 را در نظر می‌گیریم. داده‌ها را در SPSS وارد کرده‌ایم که بخشی از آن در زیر مشاهده می‌شود:

[gravityform title=”true” description=”true”]

آزمون های t و انواع آن

آزمون های t انواع مختلفی دارد که در ادامه به سه نوع پر کاربرد آن اشاره می کنیم:‌می‌خواهیم به سوالات زیر پاسخ دهیم:

1. آیا معدل دانش آموزان بعد از اجرای دوره آموزشی تقویتی برابر با 15 است یا خیر؟ (آزمون t یک نمونه‌ای)

آزمون t یک نمونه ای

ا ین آزمون برای بررسی میانگین یک جامعه استفاده می شود. با یک مثال ساده آزمون t یک نمونه ای را توضیح می دهیم. فرض کنید میانگین نمرات ریاضی کلاس A در ترم اول سال تحصیلی 17.56 بوده است.

حالا می خواهیم نمرات ریاضی همین کلاس را در ترم دوم سال تحصیلی با عدد 17.56 مقایسه کنیم تا ببینیم میانگین نمرات دانش آموزان کلاس A در دو ترم مختلف با هم تفاوت معناداری دارد؟ یا خیر؟ آیا کلاس A در ترم دوم سال تحصیلی پیشرفت قابل ملاحظه ای داشته یا تغییر چندانی نداشته است؟ در واقع در آزمون تی یک نمونه ای می خواهیم میانگین اعداد را با یک عدد ثابت مقایسه کنیم.

در این مثال خاص میانگین نمرات ترم دوم کلاس A را با عدد ثابت ترم قبل مقایسه کردیم. این عدد ثابت در مثال های دیگر متفاوت است.

آزمون t یک نمونه ای با مثال کاربردی در SPSS

برای انجام آزمون تی یک نمونه ای در SPSS از منوی Analyze به ترتیب گزینه های compare Means و … One sample T Test را انتخاب تا کادر مربوطه باز شود. در کادر Test variable متغیری که نمرات ترم دوم دانش آموزان را دارد وارد می کنیم.در قسمت Test value عدد ثابت مورد نظر که در اینجا 17.56 است را وارد می کنیم و آزمون را اجرا می کنیم.

آزمون t جفت نمونه ای

این آزمون برای بررسی دو میانگین از یک جامعه استفاده می شود که به آن t جفت نمونه ای یا t زوجی می گویند. با یک مثال ساده آزمون تی جفت نمونه ای را توضیح می دهیم. فرض کنید برای کلاس A، کلاس های آموزش ریاضی فوق برنامه برگزار می کنیم. حال می خواهیم تاثیر این کلاس های فوق برنامه را در نمرات ریاضی دانش آموزان مشاهده کنیم.

در آزمون جفت نمونه ای مقایسه میانگین نمرات ریاضی کلاس A قبل و بعد از برگزاری کلاس های فوق برنامه انجام می شود. که در این جا اول باید قبل از برگزاری دوره آموزشی، امتحان ریاضی از دانش آموزان گرفته شود و پس از برگزاری دوره نیز یک بار دیگر امتحان ریاضی از دانش آموزان می گیریم و در t تست جفت نمونه ای میانگین این دو آزمون با هم مقایسه می شود.

آزمون t جفت نمونه ای با مثال کاربردی در SPSS

می خواهیم ببینیم دوره آموزشی تاثیرگذار بوده است یا خیر؟ و چقدر باعث افزایش و یا کاهش نمرات ریاضی دانش آموزان شده است. برای انجام آزمون تی جفت نمونه ای در SPSS از منوی Analyze به ترتیب گزینه های compare Means و … Paired-samples T Test را انتخاب تا کادر مربوطه ضرایب همبستگی و آزمونهای معناداری باز شود. متغیرهای قبل و بعد را به سمت راست انتقال دهید و آزمون را انجام دهید. متغیر After را به سمت راست انتقال دهید و در فیلد مربوط به Test Value میانگین مورد آزمون را وارد کنید. برای این مثال، مقدار 15 را وارد کنید.در واقع این فرضیه را آزمون می‌کنیم:اگر روی دکمه‌ی Options… کلیک کنید، کادر زیر باز می‌شود که در آن می‌توانید سطح آزمون را تعیین کنید. همان سطح پیش فرض یعنی 95% را پذیرفته و روی Continue کلیک نمایید، سپس روی OK کلیک کنید تا خروجی نمایش یابد. با توجه به خروجی، چون مقدار معناداری یعنی Sig. کوچکتر از سطح آزمون، یعنی 05/0 شده است، فرضیه صفر را رد می‌کنیم. به‌عبارت دیگر، خروجی نشان می‌دهد که تفاوت معناداری در معدل دانش آموزان و عدد 15 وجود دارد. با توجه به میانگین نمرات دانش آموزان بعد از اجرای دوره آموزشی تقویتی که 38/16 است، نتیجه می‌گیریم که معدل دانش آموزان به‌طور معناداری از عدد 15 بیشتر است. این آزمون برای بررسی میانگین دو جامعه مستقل استفاده می شود.

البته یکی از فرضیات این آزمون برابری واریانس د و جامعه است. برای مثال فرض کنید میخواهیم میانگین نمرات ریاضی دو کلاس A و B را با هم مقایسه کنیم. میخواهیم ببینیم آیا دانش آموزان کلاس A و B در درس ریاضی با هم متفاوت اند و اگر تفاوت معناداری دارند این تفاوت به چه میزان است؟ کلاس A بهتر است؟ یا کلاس B؟

آزمون t جفت نمونه ای

این آزمون برای بررسی دو میانگین از یک جامعه استفاده می شود که به آن t جفت نمونه ای یا t زوجی می گویند. آزمون t جفت نمونه‌ای را زمانی به‌کار می‌بریم که داده‌های ما تنها از روی یک گروه برداشته شده باشند. به‌عبارت دیگر، داده‌ها از یک گروه مشابه در دو شرایط مختلف (پیشین و پسین) برداشته می‌شوند. با یک مثال ساده آزمون t جفت نمونه ای را توضیح می دهیم. فرض کنید برای کلاس A، کلاس های آموزش ریاضی فوق برنامه برگزار می کنیم.

حال می خواهیم تاثیر این کلاس های فوق برنامه را در نمرات ریاضی دانش آموزان مشاهده کنیم. پس در آزمون t جفت نمونه ای مقایسه میانگین نمرات ریاضی کلاس A قبل و بعد از برگزاری کلاس های فوق برنامه انجام می شود. که در این جا اول باید قبل از برگزاری دوره آموزشی، امتحان ریاضی از دانش آموزان گرفته شود و پس از برگزاری دوره نیز یک بار دیگر امتحان ریاضی از دانش آموزان می گیریم و در آزمون t جفت نمونه ای میانگین این دو آزمون با هم مقایسه می شود.

می خواهیم ببینیم دوره آموزشی تاثیرگذار بوده است یا خیر؟ و چقدر باعث افزایش و یا کاهش نمرات ریاضی دانش آموزان شده است.

آزمون t جفت نمونه ای در SPSS

قبل از انجام آزمون باید شرط اضافی دیگری را که برای انجام این آزمون لازم است، تعریف کنیم:نرمال بودن تفاضل امتیازات: تفاضل امتیازات برای هر شرکت کننده یا آزمودنی (یعنی تفاضل مقادیر قبل و بعد) می‌بایستی به‌صورت نرمال توزیع شده باشد.با انجام آزمون t جفت نمونه‌ای فرضیه زیر را آزمون می‌‌کنیم:از منوی Analyze به‌ترتیب گزینه‌های Compare Means و Paired-Samples T Test… را انتخاب کنید تا کادر مربوطه باز شود. متغیرهای Before و After را به سمت راست انتقال دهید:سپس روی OK کلیک کنید تا خروجی نمایش یابد:با توجه به خروجی فوق، چون مقدار معناداری یعنی Sig. کوچکتر از سطح آزمون، یعنی 05/0 شده است، فرضیه صفر را رد می‌کنیم. به‌عبارت دیگر خروجی نشان می‌دهد که تفاوت معناداری در میانگین نمرات دانش‌آموزان قبل و بعد از اجرای دوره‌ی آموزشی تقویتی وجود دارد. با توجه به مقدار میانگین‌ها بعد از اجرای دوره‌ی آموزشی تقویتی، میانگین نمرات به اندازه‌ی 563/1 افزایش می‌یابد.

آزمون t گروه های مستقل

این آزمون برای بررسی میانگین دو جامعه مستقل استفاده می شود. البته یکی از فرضیات این آزمون برابری واریانس دو جامعه است. استفاده از این آزمون زمانی مناسب است که بخواهیم میانگین‌های دو مجموعه داده مستقل را با هم مقایسه کنیم. فرضیه‌ی این آزمون همانند آزمون t جفت نمونه‌ای است، با این تفاوت که آزمودنی‌های دو نمونه متفاوتند.

به‌عبارت دیگر مایلیم بدانیم که آیا میانگین‌های دو گروه مستقل، تفاوت معناداری دارند یا نه؟ برای مثال فرض کنید میخواهیم میانگین نمرات ریاضی دو کلاس A و B را با هم مقایسه کنیم. میخواهیم ببینیم آیا دانش آموزان کلاس A و B در درس ریاضی با هم متفاوت اند و اگر تفاوت معناداری ضرایب همبستگی و آزمونهای معناداری دارند این تفاوت به چه میزان است؟ کلاس A بهتر است؟ یا کلاس B؟

آزمون t گروه های مستقل با مثال کاربردی در SPSS

برای انجام این آزمون نیاز به دو فرض اضافی زیر داریم:استقلال گروه‌ها: آزمودنی‌های هر گروه می‌بایستی متفاوت بوده و تنها در یکی از گروه‌ها وجود داشته باشند.همگنی واریانس: گروه‌ها می‌بایستی از جوامعی با واریانس‌های برابر برداشته شوند. برای آزمون برابری واریانس‌ها، SPSS از آزمون لون (Levene) استفاده می‌کند.

اگر این آزمون معنادار باشد آن‌گاه فرضیه صفر یعنی برابری واریانس‌ها را رد می‌کنیم و اگر این آزمون معنادار نباشد آن‌گاه فرضیه‌ی صفر یعنی برابری واریانس‌ها را می‌پذیریم. یعنی تفاوت معناداری میان واریانس‌های گروه‌ها وجود ندارد.برای انجام آزمون t نمونه‌های مستقل، از منوی Analyze به‌ترتیب گزینه‌های Compare Means و Independent-Samples T Test… را انتخاب کنید تا کادر مربوطه باز شود. با توجه به این‌که تحلیل را فقط برای متغیر After انجام می‌دهیم، این متغیر را به سمت راست به قسمت Test Variable(s) و متغیر Sex را به قسمت Grouping Variable انتقال دهید، سپس روی دکمه‌ی Define Groups… کلیک کنید.

کد 1 را در قسمت اول و کد 2 را در قسمت دوم که بیانگر دانش آموزان دختر و پسر هستند، وارد و روی Continue کلیک نمایید.

روی دکمه‌ی OK کلیک کنید تا خروجی نمایش یابد.همانطور که ملاحظه می‌کنید، دو مقدار برای معناداری گزارش شده است. در صورتی که فرض برابری واریانس‌ها پذیرفته شود، از اولین مقدار و در غیر این صورت از دومین مقدار استفاده می‌کنیم. با توجه به مقدار Sig. در ستون دوم که 536/0 است، آزمون لون نشان می‌دهد که فرض برابری واریانس‌ها پذیرفته شده است. بنابراین، از اولین مقدار معناداری گزارش شده در ستون پنجم استفاده می‌کنیم یعنی 406/0، و چون این مقدار از 05/0 بیشتر است فرض برابری میانگین‌ها را می‌پذیریم.

به عبارت دیگر، بعد از اجرای دوره‌ی آموزشی تقویتی میانگین نمرات در دختران و پسران یکسان است. اگر در حین انجام آزمون t به مشکلی برخورد کردید می توانید با کارشناسان مرجع تحلیل و آموزش آماری ارتباط برقرار کنید.

در این سایت بخشی از مطالب را قرار داده ایم. به منظور دریافت ویدیوها و آموزش های کوتاه کاربردی بیشتر می تانید صفحه اینستاگرام آمار پیشرو را دنبال کنید.