ضرایب همبستگی و آزمونهای معناداری

عطار آنجا عطار بودن خود را نشان داد

افلاک تحقیق: تحلیل کمی-کیفی-مقاله-رساله

انواع آزمون آماری با توجه به مقیاس متغیرها و مسیر اجرای آنها در spss

مناسبترین آزمونها برای دو متغیر اسمی . برای تحلیل رابطه دو متغیر اسمی:
1- از جدول توافقی استفاده کنید. به شرطی که مقولات متغیر مورد بررسی کمتر از8 عدد باشد. برای این کار، مسیر روبرو را درSPSS از چپ به راست بروید:
Analyze -Descriptive Statistics- Crosstabs
بعد از ین سه مرحله، باکسی باز می شود که در آن متغیر مستقل را به Columns و متغیر وابسته را به بخش Rows بفرستید و OK را بزنید.
2. از آزمون کا ضرایب همبستگی و آزمونهای معناداری ضرایب همبستگی و آزمونهای معناداری اسکور یا خی دو (Chi-square test) استفاده کنید.برای این کار،مسیر زیر را طی کنید:
Analyze-Descriptive Statistics- Crosstabs
سپس باکسی باز میشود که در آن متغیر مستقل را به Columns و متغیر وابسته را به Rows ببرید، Statistics را بزنید و در باکسی که باز میشود Chi-square را کلیک کنید و سپس continue درآخرOK.
3- از کرایمر، توافق پیرسون، فی، چوپوروف استفاده کنید: شاخص های دیگری هم برای این کار هستند که مبتنی بر خی دو هستند.
لامبدا، یول، گودمن و کروسکال، ضریب عدم اطمینان هم شاخصهایی هستند که مبتنی بر کاهش نسبی خطا (PRE) میباشند. مسیر بیشتر این شاخص های مقیاس اسمی همان مسیر کی2 است که باید هر کدام راکه نیاز بود تیک بزنید. تفسیر اغلب آنها هم به همان شکل است. این شاخصها تنها قدرت رابطه را نشان می دهند و بیانگر جهت نیستند. در اغلب آنها صفر نشانگر عدم ارتباط و 1 نشانگر رابطه کامل است.
مناسبترین آزمون برای دو متغیر ترتیبی : از یکی از این موارد به تناسب تحقیقتان استفاده کنید: جدول توافقی، تاو کندال، دی سامرز، گاما، اسپیرمن، ضریب کاپای کوهن . توصیه میکنم ابتدا آزمون معنی داری سپیرمن و گاما استفاده کنید. محل اجرا در نرم افزار هم مانند خی دو است فقط شاخص های مبتنی بر PRE در مسیر روبرو است: Analyze-Descriptive Statistics-Crosstabs
آزمونهای اسپیرمن و تاوکندال را هم مسیر زیر را بروید و spearm و Kendaklls'tau-b را تیک بزنید.
Analyze-correlate –bivariate
تفسیر جداول به این شکل است که اگر آزمون معناداری(sig) کمتر از 05/بود بین دو متغیر رابطه معنادار هست. تفسیر مابقی آزمونهایی که در ادامه آمده هم همینطور است.
مناسبترین آزمون برای دو متغیر فاصله ای : قبل هر آزمونی بهترین روش برای دو متغیر در مقیاس فاصله ای، نمودار پراکنش است. این کار برای آن است تا ماهیت این ارتباط بین متغیرها مشخص شود که ارتباطشان خطی یا غیرخطی است؟ شدت رابطه بطور نسبی چقدر است؟ و جهت ارتباط از روی نمودار مثبت است یا منفی؟ برای این کار، این مسیر را بروید:
Graphs-Scatter.Dot-Simple Scatter- Define
در باکسی که باز می شود متغیر وابسته یا ملاک را به بخش Y و متغیر مستقل یا پیش بین را به X منتقل کنید. بعدOK را بزنید.
در آمار استنباطی هم چندین آزمون مخصوص مقیاس فاصله ای اند: ضریب همبستگی پیرسون(Pearson’s correlation ) و تحلیل رگرسیون (Regression). و تحلیل مسیر (path analysis) که مبتنی بر رگرسیون خطی است.
1- ضریب همبستگی پیرسون : مطابق موارد زیر به ترتیب، کلیک کنید: Analyze- Correlate- Bivariate و گزینه pearson را تیک بزنید. در باکسی که باز می شود متغیرهای مورد ضرایب همبستگی و آزمونهای معناداری نظر را به سمت راست منقل کنید. در همان باکس روی پیرسون تیک بزنید. بعد روی Option کلیک کنید و OK را بزنید. اگر فرضیه شما دو دامنه است یعنی جهتی در فرضیه مشخص نکرده اید در تیک های بالا، دودامنه(2 tailed) که بصورت پیش فرض فعال است را مارک دار انتخاب کنید. برای تفسیر آن نیز همانند آزمونهای دیگر sig را میخوانیم و ضریب پیرسون هم بیانگر شدت این رابطه است.
2- رگرسیون خطی ساده و چندگانه : مسیر کلی رگرسیون از اینجا است: Analyze- Regression-linear
لاکن، ورود متغيرهاي پيش بين در تحليل رگرسيون به شيوه هاي گوناگون صورت مي‌گيرد. روش Enter، روش Stepwise،روش Remowe، روش Bakward و forward و نهایتاً روش hierarchiy.
در روش همزمان یا Enter تمام متغيرهاي پيش بين با هم وارد تحليل مي‌شود. در روش گام به گام یا Stepwise اولين متغير پيش بين بر اساس بالاترين ضريب همبستگي صفرمرتبه با متغير ملاك وارد تحليل مي‌شود. از آن پس ساير متغيرها پيش بين بر حسب ضريب همبستگي تفكيكي (جزئي) و نيمه تفكيكي (نيمه جزئي) به طور اتوماتیک در تحليل وارد مي‌شود و به طور كلي در روش گام به گام ترتيب ورود متغيرها در دست محقق نيست. ترتيب ورود متغيرها در رگرسیون سلسله مراتبي یا hierarchiy به تحليل بر اساس يك چارچوب نظري يا تجربي موردنظر و توسط محقق صورت مي‌گيرد. به عبارت ديگر پژوهشگر شخصا درباره ترتيب ورود متغيرها به تحليل تصميم گيري مي‌كند. اين تصميم گيري كه قبل از شروع تحليل اتخاذ مي‌شود مي‌تواند بر اساس سه اصل عمده زير ضرایب همبستگی و آزمونهای معناداری باشد: 1. رابطه علت و معلولي. 2. رابطه متغيرها در تحقيقات قبلي. 3. ساختار طرح پژوهشي(براي مثال در طرح هاي عاملي ابتدا اثرهاي اصلي و سپس اثرهاي متقابل آنها وارد مي‌شود). از آن جا ضرایب همبستگی و آزمونهای معناداری كه روش تحليل رگرسيون سلسله مراتبي با توجه به چارچوب نظري يا تجربي ویژه اي صورت مي گيرد، در تحقيقات علوم رفتاري از اهميت خاصي برخوردار است. نهایتاً به هنگام تفسیرخروجی­های رگرسیون، علاوه sig، در رگرسیون ضریب تبیین R2معیاری برای اندازه گیری کفایت مدل رگرسیون است که به طور گسترده ای مورد استفاده قرار می گیرد.
مناسبترین آزمون برای یک متغیر اسمی و یک متغیر ترتیبی : آمار توصیفی مناسب برای یک متغیر اسمی و ترتیبی می تواند یکی از این موارد باشد:
ضریب همبستگی لامبدا، گودمن و کروسکال، وی کرامر، چوپوروف.
آمار استنباطی هم بهتر از بقیه آزمون من- ویتنی (Mann- Whithney) است. مسیر اجرای آن:
Analyze- Nonparametric- 2 independent samples
در باکسی که باز می شود متغیر وابسته یا ملاک را به بخش Test Variable List می بریم و مستقل را به Grouping Var . زیر آن گزینه Define G را کلیک کرده و جلوی group1 عدد 1 (یا کدی که به متغیر داده اید) و جلوی Group2 عدد 2 (یا کدی که به متغیر داده اید) واردمی کنیم. بعد ادامه، در همان باکس اول، من ویتنی را تیک می زنیم، ادامه و OK
مناسبترین آزمون برای یک متغیر اسمی و یک متغیر فاصله ای : آزمون تی استودنت (student’s t-test) و یا تحلیل واریانس یکطرفه (One way ANOVA) است.
تی ستودنت سه حالت دارد(یک نمونه ای، نمونه های جفت یاوابسته، دو نمونه مستقل) وقتی از یک نمونه ای(One Sample…) استفاده میکنیم که مقدار میانگین و انحراف معیار جامعه را داشته باشیم که در اغلب تحقیقات این میسر نیست. از نمونه های جفت (Paired Samples) وقتی استفاده می کنیم که برای یک فرد دو نمره داشته باشیم مثلا میزان فشار خون دانش آموزان قبل و بعد از کنکور را بخواهیم با جنسیت(دختر و پسر) مقایسه کنیم. از دو نمونه مستقل(Independent) هنگامی استفاده می کنیم که بین نمونه ها ارتباطی وجود نداشته باشد. مثلا مقایسه دانشجویان بین دو دانشگاه، مقایسه میانگین متغیری بین زنان و مردان. مسیر اجرای t در SPSS که هر سه نوع آزمون تی ازین مسیر قابل دسترس و اجرا هستند:
Analyze- Compare means
در یک نمونه ای، باکسی که باز میشود مقدار ثابت(مقدار آزمون) را میخواهد که باید وارد کنید. در دونمونه مستقل وقتی باکس باز شد متغیر وابسته را به بخش Test Var منتقل کنید و متغیر مستقل را به Grouping Var و سپس زیر خودش Define رو می زنیم و کدهای 1 و2 را جلویgroup 1 و2 می زنیم. خروجی تی با دو نمونه مستقل دارای دو جدول است که جدول دوم دارای سه مقدار Sig است. بروید سراغ Sigسوم که در زیرعنوان T- Test for Eq و در روبروی عنوان Equal Variances NOT Assumed قرار دارد و از روی این مقدار تشخیص می دهیم که تفاوت میانگین ها معنادار است یا نیست.
تحلیل واریانس را هنگامی باید استفاده کرد که واریانس دو گروه یکسان باشد. چگونه ازین مطلب مطلع و مطمئن شویم؟ با آزمون لون. تحلیل واریانس هم سه حالت دارد(یکطرفه، دوطرفه،چندطرفه). در یکطرفه تاثیر یک متغیر مستقل (اسمی یا رتبه ای چند گزینه ای) بر وابسته(فاصله ای)، در دو طرفه "دو متغیر" مستقل (ایضاً) بر وابسته و در چند طرفه تاثیر چند متغیر مستقل بر چندمتغیر وابسته سنجیده می شود. تحلیل واریانس یکطرفه از ین مسیر قابل دسترسی است:
Analyze- Compare means- One way ANOVA
در اینجا باکسی باز می شود که متغیر وابسته را به Dependent List برده و متغیر مستقل را به Factor. سپس اگر اطلاعات بیشتری خواستید روی Option کلیک می کنید و گزینه های Descriptive، Homogeneity of Variance، Means plot را تیک می زنید. بعد ادامه و OK. پس از تأیید فرضیه با تحلیل واریانس یکطرفه، باید حتماً آزمون تعقیبی آن انجام گیرد.
برای تحلیل واریانس دو راهه و چندراهه(چندمتغیره) به ترتیب مسیرهای زیر را طی کنید:
Analyze- General linear Model- Univariate
Analyze- General linear Model-Multivariate
این دو آزمون(تحلیل واریانس دومتغیره Univariate و چندمتغیره MANOVA ) دارای مراحل و تفاسیر طولانی هستند. برای راهنمایی درباره مراحل بعدی با شماره 09376110612 تماس بگیرید.

در یک پست دیگر، به تحلیل کیفی داده های کیفی (مصاحبه) خواهیم پرداخت: 09124412941 و 09376110612

وبلاگ جامع تحقیق و پژوهش Araştırma

روش تحقیق، ریاضیات و آمار Araştırma Yöntemleri, İstatistik

ضریب همبستگی

ضریب همبستگی

همبستگی درجه وابستگی بین دو متغیر را اندازه گیری می کند.شدت رابطه بین دو متغیر معمولا توسط ضریب همبستگی (ρ) اندازه گیری می شود که مقدارش از 1- در خصوص همبستگی منفی کامل تا 1+ در خصوص همبستگی مثبت کامل تغییر می کند. هر چند در بسیاری از مطالعاتی که در مورد وابستگی بین دو متغیر تصادفی صورت می گیرد ضریب همبستگی به عنوان شاخصی از شدت وابستگی دو متغیر ارائه می شود ولی باید توجه داشت که مقادیری به جز 1و1- برای R را نمی توان به صورت معنی داری تفسیر کرد.

ضریب همبستگی

همبستگی درجه وابستگی بین دو متغیر را اندازه گیری می کند.شدت رابطه بین دو متغیر معمولا توسط ضریب همبستگی (ρ) اندازه گیری می شود که مقدارش از 1- در خصوص همبستگی منفی کامل تا 1+ در خصوص همبستگی مثبت کامل تغییر می کند.

هر چند در بسیاری از مطالعاتی که در مورد وابستگی بین دو متغیر تصادفی صورت می گیرد ضریب همبستگی به عنوان شاخصی از شدت وابستگی دو متغیر ارائه می شود ولی باید توجه داشت که مقادیری به جز 1و1- برای R را نمی توان به صورت معنی داری تفسیر کرد. به عنوان مثال اگر در مطالعه ای ضریب همبستگی دو متغیر تصادفی x و y برابر 9/0 و در مطالعه دیگری ضریب همبستگی برابر 3/0 به دست آید ، نمی توان گفت که شدت وابستگی دو متغیر x و y مربوط به مطالعه اول سه برابر بهتر یا قوی تر از دو متغیر x و y مربوط به مطاله دوم است . برای تفسیر معنی داری از ضریب همبستگی باید به ضریب تعیین که توان دوم ضریب همبستگی است متوسل شد.

در تفسیر ضریب همبستگی لازم است به این نکته توجه شود که این ضریب فقط شدت همبستگی خطی بین دو متغیر تصادفی X و Y را اندازه گیری می کند. اگر ضریب همبستگی بین دو متغیر تصادفی برابر صفر باشد به این معنی است که این دو متغیر با هم رابطه خطی ندارند ولی بعید نیست که با یکدیگر به صورتی غیر خطی مرتبط باشند . د رعین حال توجه داشته باشید که وجود همبستگی شدید بین دو متغیر الزاما به معنی یک رابطه علت و معلولی بین آن دو متغیر نیست.

آزمون فرضیه برای ضریب همبستگی

عموما مشاهداتی که برای محاسبه ضریب همبستگی در اختیار داریم نمونه ای تصادفی از جامعه است و نه کل آن . در نتیجه ضریب همبستگی محاسبه شده از نمونه (R) تخمینی از ضریب همبستگی جامعه (ρ) خواهد بود. گاهی ممکن است بر حسب اتفاق و کاملا شانسی همبستگی شدید منفی یا مثبتی را بین X و Y براساس یک نمونه تصادفی،به دست آوریم در حالی که این دو متغیر اصلا با یکدیگر هیچگونه وابستگی نداشته باشند. به عبارت دیگر واقعیت امر این است که دو متغیر تصادفی X و Y با یکدیگر همبستگی ندارند و ضریب همبستگی این دو متغیر در جامعه برابر صفر است ولی ضریب همبستگی محاسبه شده در نمونه کمیت غیر صفری را نشان می دهد .

برای انجام این آزمون لازم است علاوه بر فرض نرمال بودن متغیر تصادفی Y ، این فرض را هم اضافه کنیم که X نیز متغیری تصادفی با توزیع نرمال است. اگر تمام این فرضیات صادق باشد و فرضیه 0= ρ نیز درست باشد ، می توان نشان داد که آماره t :دارای توزیع t با 2-n درجه آزادی است. در نتیجه می توان از جدول t و در مواردی که n بزرگتر از 30 است از جدول z برای انجام آزمون فوق استفاده کرد. اگر پذیرفته شود نتیجه گیری خواهیم کرد که x و y به صورت خطی با یکدیگر وابسته نیستند و اگر فرض صفر پذیرفته نشود نتیجه گیری خواهیم کرد که x و y به یکدیگر وابسته اند.

انواع ضریب همبستگی

محاسبه ضرایب همبستگی تا حدود زیادی متاثر از مقیاس اندازه گیری متغیر ها است. برای متغیرهای اسمی جهت رابطه معنی ندارد مانند ارتباط جنسیت و رضایت مشتری بلکه تنها می توان گفت شدت وابستگی وابسنگی چه میزان است و افزایش یا کاهش جنسیت معنی ندارد.

1. دو متغیر اسمی و یا یکی اسمی و دیگری رتبه ای

ضریب همبستگی کرامر

ضریب همبستگی لاندا

ضریب همبستگی تاو گودمن و کروسکال

2. دو متغیر دارای مقیاس رتبه ای باشند

برای سنجش رابطه بین متغیرهای رتبه ای از ضرایب همبستگی زیر استفاده میشود:

ضریب همبستگی گاما

ضریب همبستگی تاو کندال b

ضریب تاو کندال c

ضریب همبستگی پیرسون مبتنی بر مفروضات زیر است :

1) در این حالت هر دو متغیر کمیت پذیرند.

2) متغیرها در سطح سنجش فاصله ای باشند.

3) فرضیه رابطه ها دو سویه باشد؛ به گونه ای که بتوان نمودار آن را به صورت الگوی زیر ارائه کرد:

4) رابطه بین متغیرها خطی باشد.

5) توزیع داده ها دارای شکل مشابه باشد. اگر شکل متغیر X کجی راست و شکل متغیر Y کجی چپ داشته باشد، ضریب همبستگی پیرسون نمی تواند رابطه بین متغیرها را براورد کند.

مقدار یا میزان همبستگی بین مثبت یک (1+) و منفی یک (1-) متفیر است. مقدار (1-) معادل مقدار (1+) است. تفاوت این دو مقدار در جهت رابطه آنهاست؛ به این معنا که علامت منفی بیانگر رابطه معکوس یعنی با افزایش در یک متغیر، متغیر دیگر کاهش پیدا می کند و بالعکس و علامت مثبت بیانگر رابطه مستقیم یعنی با افزایش در یک متغیر، متغیر دیگر افزایش پیدا می کند و بالعکس، است.

ضریب همبستگی اسپیرمن :

ضریب همبستگی پیرسون روشی پارامتری است و برای داده هایی با توزیع نرمال یا تعداد زیاد استفاده می شود. در صورتی که تعداد داده ها زیاد نباشد و فرض نرمال بودن آنها معقول نباشد از ضریب همبستگی دیگری استفاده می شود که مبتنی بر مقادیر اصلی نبوده و بر اساس رتبه داده ها محاسبه می شود. ضریب همبستگی که بر اساس رتبه داده ها محاسبه می شود، توسط اسپیرمن ارایه گردیده است.

عطار آنجا عطار بودن خود را نشان داد

که مولوی را در 6 سالگی شناخت .

شما معلمان در کلاسی که هستید،

روبروی شما شمس نشسته است ،

ابن سینا ، مولوی ، دانشمندی بزرگ

یا یک جلاد بی رحم . اگر احتیاط کنیم

و نگوییم که یک کلمه ی معلم است

که زمینه های دانشمندشدن را فراهم

می کند ، لا اقل می توان گفت معلم

است که زمینه های دانشمند شدن

یا جلاد شدن را فراهم می کند .

((استاد محمد تقی جعفری ))

در این وبلاگ سعی می شه که به سوالات پژوهشی خوانندگان پاسخ داده یشه. البته بدیهی هست که ممکنه به دلیل محدودیت زمان و اطلاعات توانایی پاسخ کامل و جامع رو نداشته باشم. لذا از سایر خوانندگان تقاضا می شه که در پاسخ به سوالات همفکری و هم اندیشی و کمک نمایند.

درس‌نامه آموزش نرم‌افزار «اس.پی .اس.اس» / فصل هشتم : آزمون آر پیرسون و رگرسیون / A training Test for software SPSS / Chapter 8: Pearson R-test and Regression

بنام خداوند جان و خرد دانشگاه تهران درس‌نامه آموزش نرم‌افزار SPSS فصل هشتم آزمون «آر پیرسون» (Pearson R-test) و «رگرسیون» (Regression) «برای بررسی همبستگی بین دو متغیر مقیاسی» دکتر یحیی علی بابایی دانشیار گروه جامعه‌شناسی دانشکده علوم اجتماعی درس: کاربرد رایانه در علوم اجتماعی تهیه و تنظیم: اصغر رستم زاده دانشجوی دکتری جامعه‌شناسی مسائل اجتماعی پیام نور تهران با بازبینی نهایی و اضافات استاد تابستان 96 مقدمه: متغیر مستقل ممکن است شامل سه حالت «اسمی»، «رتبه‌ای» و یا «مقیاسی» باشد و متغیر وابسته نیز می‌تواند دارای سه حالت «اسمی»، «رتبه‌ای» و یا «مقیاسی» باشد. جدول زیر از تقاطع این دو نوع متغیر سه وضعیتی حاصل می‌گردد. 1- در جدول زیر، خانه‌های با رنگ سبز (خانه‌های 1 و 5) نشان‌دهنده موارد اصلی (اورجینال) می‌باشند. شرایطی که هردو متغیر جدول دوبعدی، یا اسمی هستند و یا هردو رتبه‌ای می‌باشند. 2- چهارتا از خانه‌ها به رنگ آجری هستند (خانه‌های 2، 3، 6 و 8). این خانه‌ها شرایطی دارند که اگر بخواهیم جدول دوبعدی از آن‌ها فراهم کنیم ابتدا باید با ایجاد تغییراتی، شرایط آنان را به شرایط خانه‌های یک و پنج تبدیل نماییم. با نگاه ساده به خانه‌های آجری رنگ جدول، می‌توان شرایط این تبدیل را مشاهده کرد. 3- اما سه تا از خانه‌ها به رنگ زرد می‌باشند (خانه‌های 4، 7 و 9) که توصیه می‌شود درصدد استخراج جدول دوبعدی در آن نباشیم؛ مانند خانه شماره 9 که درصدد بررسی آن در این فصل هستیم.

جدول ضریب همبستگی در ایویوز

جدول ضریب همبستگی در ایویوز،جدول دیگری که علاوه بر جدول آماره های توصیفی در پروژه ها گزارش می شود جدول ضریب همبستگی در نرم افزار ایویوز است.

مفهوم همبستگی چیست؟( جدول ضریب همبستگی در نرم افزار ایویوز )

جدول ضریب همبستگی در ایویوز،همبستگی به این معناست که دو یا چند متغییر باهم وابستگی دارند،همبستگی عددی بین یک و منفی یک است و ارتباط خطی دو متغییر باهم را بیان ضرایب همبستگی و آزمونهای معناداری می کند.

در صورتی که همبستگی یا کورولیشن برای دو متغییر عدد مثبت یک باشد به این معناست که دو متغیر با هم همبستگی شدید مستقیم دارند.

اگر همبستگی یا کورولیشن برای دو متغییر عدد منفی یک باشد دو متغیر با هم همبستگی شدید عکس دارند.

اگر هم بستگی عددی بیش تر از ۰٫۷ یا ۰٫۶ مثبت یا منفی باشد معمولا با هم خطی رو برو هستیم.

آزمونی که برای تشخیص هم خطی در آمار برای دو متغیر استفاده می شود آزمون پیرسون است.

برای بدست آوردن ضریب همبستگی از فرمول زیر استفاده می شود.

فرمول ضریب همبستگی(جدول ضریب همبستگی در ایویوز)

فرمول ضریب همبستگی

تشریح فرمول ضریب همبستگی

جدول ضریب همبستگی در ایویوز در فرمول بالا ضریب همبستگی برابر است با کوواریانس دو متغیر تقسیم بر ضرب واریانس های دو متغیر است.

بدست آوردن جدول ضریب همبستگی در نرم افزار ایویوز

ابتدا متغیرهایی که می خواهیم ضرایب همبستگی دو به دوی آن ها را بررسی کنیم را انتخاب می کنیم و به صورت گروه ی باز می کنیم

در مرحله بعد از آدرس زیر:

View/Covariance Analysis

در پنجره ی باز شده تیک گزینه ی Correlation و احتمال (Probability) را فعال می کنیم.

بررسی خروجی جدول ضریب همبستگی در ایویوز:

ضریب همبستگی هر متغیر با خودش عدد یک است.

برای مثال در تصویر بالا بین

با توجه به تعداد نمونه ها ضریب همبستگی برابر ۰٫۹۳ می باشد و در سطح ۱ درصد معنادار است.

با لینک زیر می توانید به صفحه ی آموزش نرم افزار ایویوز رایگان،جامع و گام به گام EViews بروید.

از طریق آیکون زیر برای تماس مستقیم تلفنی به منظور سفارش تحلیل و مشاوره با امور پشتیبانی اقدام نمایید.

معناداری آماری یا همان ‌p-value چیست؟‌

برای اینکه معناداری آماری را درک کنیم ضرایب همبستگی و آزمونهای معناداری ابتدا لازم است که معنای دو نوع خطا را بدانیم. خطای نوع اول و خطای نوع دوم؛ زیرا احتمال خطای نوع اول سطح معناداری یک آزمون نامیده می‌شود. با روان حامی همراه باشید.

خطای نوع اول زمانی رخ می‌دهد که فرضیه صفر درست را رد کنیم.

خطای نوع دوم نیز زمانی رخ می‌دهد که فرضیه صفر غلط پذیرفته شود.

معمولاً محقق یک سطح خاص معناداری را که البته تا اندازه زیادی قراردادی است انتخاب می‌کند. انتخاب سطوح معناداری ۰۵/۰ یا ۰۱/۰ اغلب مرسوم و متدوال است. اگر برای مثال درباره این ادعا که بین دو میانگین تفاوت وجود دارد احتمالی برابر یا کمتر از ۰۵/۰ وجود داشته باشد آن گاه گفته می‌شود که این تفاوت در سطح ۰۵/۰ یا کمتر معنادار است. در اینجا احتمال اینکه چنین تفاوتی ظاهر شود، هنگامی که بین ارزش‌های جامعه تفاوتی وجود نداشته باشد ۵ ضرایب همبستگی و آزمونهای معناداری مورد از ۱۰۰ مورد است. هرگاه این احتمال، ۰۱/۰ یا کمتر باشد، گفته می‌شود که این تفاوت در سطح ۰۱/۰ معنادار است.

سطوح ۰۵/۰ و ۰۱/۰ مبین این نکته هستند که تفاوت مشاهده شده یک تفاوت واقعی و معنادار است یا تفاوتی محسوب می‌شود که ناشی از شانس، تصادف و خطای نمونه‌گیری نیست.

بنابراین به طور کلی معناداری آماری نشان می‌دهد که یافته‌های آماری تا چه اندازه ممکن است حاصل شانس و تصادف نباشد. این شاخص می‌تواند نشان دهد که نمونه‌های تصادفی منتخب از جامعه به طور کلی ویژگی‌هایی مانند ویژگی جامعه دارند. هرچند برخی نمونه‌ها نشان می‌دهند که معمولاً به جامعه شباهت ندارند.

فرضیه همیشه بیان می‌کند که بین دو متغیر رابطه وجود ندارد. آزمون معناداری همیشه در پی سنجش روایی فرضیه صفر است.

اگر نمونه‌ داده‌های ما در میانه‌ی ۹۵ درصد نمونه قرار داشته و فرضیه صفر درست باشد، گفته می‌شود که نمونه‌ها از نظر آماری در سطح ۵ درصد معنادار نیست و فرضیه صفر رد نمی‌شود.

اما اگر نمونه داده‌های ما در ۵ درصد انتهایی نمونه‌ها قرار داشته باشد، نتیجه می‌گیریم که نمونه ما به ظاهر از فرضیه صفر حمایت نمی‌کند. در این حالت ما به طور معمول فرضیه خلاف را می‌پذریم و فرضیه صفر را رد می‌کنیم. همچنین می‌توانیم بیان کنیم که یافته‌های ما از نظر آماری معنادارند.