تحلیل آماری باید توسط یک محقق آمار انجام شود. و به همین دلیل، استفاده از نرم‌افزارهای محاسباتی مانند SPSS برای انجام محاسبات پیچیده ضروری است. در هر طرح تحقیقاتی آماری، مراحل و گام‌هایی وجود دارد که در این متن به همراه دستورات لازم برای تحلیل آماری با SPSS به آن‌ها خواهیم پرداخت.

با پیروی از این مراحل، می‌توانیم به روال استانداردی دست یابیم که ما را به هدف نهایی، یعنی اجرای یک پروژه آماری و تحقیقاتی، هدایت می‌کند. این مراحل از تعیین هدف و جمع‌آوری داده‌ها آغاز شده و تا آزمون فرضیات و تفسیر و ارائه گزارش‌ها ادامه می‌یابد. البته ممکن است این روال در فراتحلیل نیز قابل استفاده باشد. با این حال، هر پروژه تحقیقاتی که با داده‌ها و روش‌های آماری سر و کار دارد، نیازمند مشاوره یا تأیید یک آمارشناس خواهد بود.

تحلیل آماری با استفاده از SPSS

در صورتی که با داده‌ها در راستای یک تحقیق علمی مواجه هستید، ضروری است که از روش‌های آماری مناسب بهره‌برداری کنید. عوامل مختلفی از جمله نوع داده‌ها، هدف تحقیق، محدودیت‌ها و امکانات سخت‌افزاری و نرم‌افزاری، همچنین شیوه نمونه‌برداری و اندازه یا حجم نمونه، همگی در شناسایی و انتخاب تحلیل‌های آماری مؤثر هستند و نقش تعیین‌کننده‌ای در انتخاب نوع تحلیل آماری ایفا می‌کنند.

تحلیل آماری با استفاده از نرم‌افزار SPSS به دلیل سهولت کار با آن، محبوبیت زیادی پیدا کرده است. این موضوع موجب شده که بسیاری از پژوهشگران در رشته‌های علوم انسانی و مهندسی، بدون مشاوره با کارشناسان آمار، به انجام محاسبات آماری بپردازند. به همین دلیل، این راهنما را برای این دسته از افراد تهیه کرده‌ایم تا نتایج حاصل از این نوع مطالعات، حداقل به اشتباه تفسیر نشود.

**گام اول: تعیین هدف و انتخاب نوع تحلیل آماری**

قبل از هر اقدامی، لازم است که هدف طرح تحقیق علمی خود را به وضوح مشخص کنید. نوع مقادیر متغیرهای آماری باید در تحلیل آماری تعیین شود و همچنین هدف از انجام تحقیق آماری باید مشخص گردد. اهداف زیر می‌توانند، برای تحقیقات آماری در نظر گرفته شوند:

1. توصیف ویژگی‌های یک جامعه آماری

2. برآورد بهترین آماره برای پارامتر جامعه

3. انتخاب و اجرای آزمون آماری برای پارامتر یا توزیع جامعه آماری

4. مقایسه بین دو جامعه آماری

5. شناسایی و تعیین رابطه بین جوامع آماری

6. مدل‌سازی روابط بین متغیرهای مستقل و وابسته یا کشف روابط علت و معلولی

به خاطر داشته باشید، که نوع داده‌ها و مقیاس اندازه‌گیری آن‌ها تأثیر زیادی بر انتخاب روش تحلیل داده دارد. بنابراین، شناخت جامعه آماری و ویژگی‌ها و ابعاد آن باید در مراحل اولیه اجرای طرح تحقیق انجام شود. همچنین با توجه به نوع متغیرها و هدف تحقیق، می‌توان نوع روش تحقیق را به یکی از انواع کمی، کیفی یا ترکیبی انتخاب کرد.

در این مرحله، معمولاً از نرم‌افزارهای محاسباتی استفاده نمی‌شود و محقق باید بیشتر به بررسی ادبیات موضوع و مطالعه مقالات مرتبط بپردازد. این کار به ایجاد دید بهتری نسبت به مراحل طرح تحقیق کمک کرده و از تکرار کارها و اتلاف وقت و هزینه جلوگیری می‌کند. هر چه مقالات و کتاب‌های بیشتری در این مرحله مطالعه شود، از نظر هزینه و زمان، سودآوری بیشتری خواهد داشت.

آشنایی با روش‌شناسی و تکنیک‌های آماری در مقالات مشابه آنچه شما قصد انجام آن را دارید، می‌تواند راهنمای خوبی برای پیشبرد تحقیق و مقاله شما باشد. بنابراین، جستجو در منابع اطلاعاتی (اینترنت و کتابخانه‌ها) می‌تواند مسیر مناسبی را برای شما فراهم کند.

گام دوم: گردآوری اطلاعات 

یکی از مراحل زمان‌بر و پرهزینه در تحقیقات آماری، گردآوری اطلاعات است. تکنیک‌های نمونه‌گیری به شدت به اندازه جامعه و همچنین محدودیت‌های موجود در جمع‌آوری داده‌ها وابسته‌اند. با این حال، روش‌های متعددی برای جمع‌آوری داده‌ها، به ویژه در زمینه علوم انسانی، وجود دارد که پرسشنامه به عنوان یکی از مهم‌ترین آن‌ها شناخته می‌شود.

پس از طراحی پرسشنامه و ارسال آن به جامعه هدف، مرحله بعدی دریافت پاسخ‌ها است. معمولاً برای هر پرسشنامه یک شماره سریال تعیین می‌شود که در مراجعات بعدی به پاسخ‌ها مورد استفاده قرار می‌گیرد. لازم است که نواحی جغرافیایی و زمان ارسال و دریافت پرسشنامه‌ها با توجه به الگوی نمونه‌گیری انجام شود.

در این مرحله، باید اطلاعات مربوط به هر پرسشنامه را به نرم‌افزار SPSS وارد کنید. هر پرسشنامه یک سطر از کاربرگ اطلاعاتی را تشکیل می‌دهد. قبل از وارد کردن داده‌ها، ضروری است، که متغیرها را در پنجره ویرایشگر داده (Data Editor) تعریف کرده و سپس مقادیر را ثبت کنید. # تحلیل آماری

تعریف متغیرها

تعریف متغیرها در این پنجره از طریق برگه Variable View انجام می‌شود، در حالی که برای وارد کردن اطلاعات و داده‌های مربوط به این متغیرها، از برگه Data View بهره‌برداری می‌شود. در تصویر زیر، پنجره Variable View را مشاهده می‌کنید که در آن دو متغیر income و group معرفی شده‌اند.

پنجره ویرایش داده‌ها و صفحه تنظیم متغیرها (Variable View)

علاوه بر این، تصویر زیر متغیرهای V1 تا V5 را برای ورود اطلاعات و داده‌ها نشان می‌دهد. به عنوان مثال، می‌توانید در سطر اول مقادیر این متغیرها را برای مشاهده اول وارد کنید. سطر دوم نیز به اطلاعات مربوط به دومین پرسشنامه اختصاص یافته است.

برگه نمای داده‌ها و نمایش مقادیر متغیرها

نکته: در صورتی که اطلاعات آماری شما با استفاده از نرم‌افزارهای دیگر ثبت و ذخیره شده باشد، نرم‌افزار SPSS قابلیت دریافت (Import) داده‌ها از این برنامه‌ها را دارد. برای این کار کافی است از منوی File گزینه Import Data را انتخاب کرده و نام پایگاه داده یا نرم‌افزار ذخیره‌سازی را مشخص کنید. و سپس فایل مورد نظر را در SPSS بارگذاری نمایید.

گام سوم: آماده‌سازی داده‌ها برای تحلیل آماری با SPSS

در این مرحله، باید پاسخ‌های مخدوش و پرسشنامه‌های نامعتبر را شناسایی کرده و به‌طور جداگانه بررسی و تحلیل کنید. زیرا وجود این موارد می‌تواند نتایج تحلیل‌های آماری را تحت تأثیر قرار دهد. روش‌های مختلفی برای اعتبارسنجی پرسشنامه‌ها وجود دارد. که بسته به حوزه مورد مطالعه، باید توسط یک متخصص تعیین و اجرا شود.

مشاهدات «دورافتاده» (Outlier) یا مواردی که دارای فراوانی بالای «مقدار گمشده» (Missing) در پرسشنامه هستند، باید شناسایی و از طرح تحقیق حذف شوند. برای دسته‌بندی و جداسازی مواردی که به عنوان مقدار گمشده در نظر گرفته می‌شوند، نرم‌افزار SPSS گزینه‌هایی را ارائه می‌دهد. تصویر زیر این گزینه‌ها را در پنجره ویرایشگر داده و در هنگام تعریف متغیرها در برگه Variable View نمایش می‌دهد. برای دسترسی به این پنجره، کافی است بر روی دکمه … در ستون Missing کلیک کنید. در تصویر زیر مشخص شده است، که مقادیر بین ۰ تا ۱۲۸۰ به عنوان مقدار گمشده یا نامعتبر در نظر گرفته خواهند شد. # تحلیل آماری

تعیین مقادیر گمشده توسط کاربر در نرم‌افزار SPSS

تعیین و شناسایی مشاهدات دورافتاده یک فرآیند تخصصی است که روش‌های متنوعی برای انجام آن وجود دارد. به عنوان مثال، استفاده از الگوریتم جنگل ایزوله یکی از این روش‌هاست که هرچند در نرم‌افزار SPSS پیاده‌سازی نشده، اما ابزارهای مختلفی برای این منظور در این نرم‌افزار موجود است که در ادامه به آن‌ها اشاره خواهیم کرد.

1. روش‌های تصویری و ترسیم نمودار جعبه‌ای

2. روش‌های عددی و شناسایی نقاط خارج از محدوده شش سیگما

3. مقایسه و تحلیل داده‌ها با توزیع نرمال یا برازش توزیع

4. خوشه‌بندی و به کارگیری الگوریتم DBSCAN

برای اطلاعات بیشتر در این زمینه، می‌توانید به متن “شناسایی داده پرت در SPSS — راهنمای کاربردی” مراجعه کنید. مطالعه این نوشتار می‌تواند بسیاری از چالش‌های مرتبط با اجرای طرح تحقیق آماری در این مرحله را حل کند.

گام چهارم: مرتب‌سازی و تبدیل داده‌ها در SPSS

یکی از مراحل مهم قبل از انجام تحلیل‌های آماری، مرتب‌سازی و تبدیل داده‌ها است. در این مرحله، لازم است که عملیات زیر به دقت انجام شود. عدم اجرای این گام می‌تواند منجر به عدم یکپارچگی داده‌ها و شکل‌گیری نادرست مشاهدات در کاربرگ SPSS شود.

در این مرحله، برخی از فعالیت‌های کلیدی را که باید انجام دهید، به شرح زیر است:

1. همگام‌سازی داده‌های جمع‌آوری‌شده از منابع مختلف، چه از نظر زمان و چه از نظر ترتیب.

2. در نظر گرفتن اولویت زمانی برای مشاهدات، به‌ویژه در تحلیل‌های سری زمانی.

3. تجمیع و گردآوری داده‌ها از منابع مختلف در یک مجموعه داده (Data Set).

4. جداسازی اطلاعات کاربرگ با توجه به هدف و نیاز تحقیق از طریق دستور Split File در SPSS.

5. وزن‌دهی و تفکیک اطلاعات بر اساس یک یا چند متغیر کیفی.

# تحلیل آماری

تغییر مقادیر متغیرها و ایجاد متغیرهای جدید به منظور انجام تحلیل‌های خاص، مانند تبدیل متغیر کمی به متغیر طبقه‌ای یا دو وضعیتی.

1. جمع‌بندی (Aggregate) و محاسبه جدول‌هایی از تعداد یا درصد مشاهدات در گروه‌های مختلف.

2. انجام تبدیل‌های ریاضی (مانند جذرگیری یا لگاریتم) بر روی متغیرهای کمی به منظور آماده‌سازی و طراحی مدل‌های آماری.

3. جداسازی و تفکیک مشاهدات برای انجام تحلیل بر روی بخشی از داده‌ها.

نکته: در بسیاری از موارد، تحلیل‌هایی که انجام می‌دهیم بر اساس توزیع نرمال جامعه است. اما اگر توزیع جامعه نرمال نباشد، می‌توان با استفاده از محاسبات و تبدیل‌های ریاضی، متغیر وابسته را به توزیع نرمال نزدیک کرد. به عنوان مثال، تبدیل باکس-کاکس یکی از این روش‌هاست. لازم به ذکر است که این کار معمولاً در مدل‌های رگرسیونی به کار می‌رود.

در تصویر زیر، پنجره جمع‌بندی (Aggregate) و تهیه گزارش از اطلاعات جمع‌آوری‌شده در SPSS را مشاهده می‌کنید. این جمع‌بندی‌ها (مانند محاسبه درصدها، جمع‌ها یا میانگین‌ها) می‌تواند در مراحل بعدی مورد استفاده قرار گیرد. # تحلیل آماری

خلاصه‌سازی و محاسبه شاخص‌های آماری بر اساس گروه‌های تشکیل‌شده با استفاده از متغیرهای طبقه‌ای.

گام پنجم: نمایش و توصیف داده‌ها

پس از گذراندن چهار مرحله قبلی، اکنون زمان آن رسیده است، که داده‌ها و اطلاعات جمع‌آوری شده را مورد استفاده قرار دهیم. در این بخش، توصیف جامعه آماری و ویژگی‌های آن می‌تواند به درک بهتر داده‌ها و رفتار آن‌ها کمک کند. مصورسازی داده‌ها از طریق ترسیم نمودارها و محاسبه شاخص‌ها در جداول آماری، در این مرحله از تحلیل آماری با استفاده از SPSS انجام می‌شود.

یکی از ساده‌ترین و در عین حال مهم‌ترین خروجی‌هایی که می‌توان برای داده‌های کیفی در SPSS تولید کرد، «جدول فراوانی» (Frequency Table) است. اگر داده‌ها محدود باشند، می‌توان با استفاده از روش‌های کیفی‌سازی مانند Visual Binning، یک متغیر جدید از نوع طبقه‌ای یا فاکتور ایجاد کرد. لازم به ذکر است که این کار باید در مرحله چهارم انجام شود.

جدول فراوانی دو طرفه یا «جدول‌های توافقی» (Crosstab) نیز برای نمایش روابط بین متغیرهای کیفی مورد استفاده قرار می‌گیرد. از طریق این جداول، شاخص‌های وابستگی برای متغیرهای کیفی استخراج و مدل‌سازی می‌شوند. همچنین، نمودارهای فراوانی یک و دوطرفه در نمایش پراکندگی و وابستگی در متغیرهای کیفی نقش مهمی ایفا می‌کنند.

برای نمایش متغیرهای کمی، از «نمودارهای ستونی» (Bar Chart)، «هیستوگرام» (Histogram) و «نمودار دایره‌ای» (Pie Chart) استفاده می‌شود. همچنین، برای بررسی روند داده‌های سری زمانی، از «نمودار خطی» (Line Chart) بهره‌برداری می‌شود که امکان پیش‌بینی مقادیر این نوع متغیرها را فراهم می‌آورد.

در تصویر زیر، پنجره رسم نمودار در نرم‌افزار SPSS را مشاهده می‌کنید که انواع مختلفی از نمودارها در آن قابل ترسیم هستند.

انتخاب نوع نمودار در بخش Chart Builder نرم‌افزار SPSS

گام ششم: انتخاب آزمون مناسب

انتخاب نوع آزمون و استنباط آماری متناسب با هدف پژوهشگر، مهم‌ترین مرحله در تحلیل آماری با SPSS به شمار می‌آید. معمولاً مراحل انتخاب آزمون مناسب در SPSS با استفاده از نمودارهای جریانی یا جداول خاصی ارائه می‌شود. اما لازم است به این نکته توجه کنید که در بسیاری از موارد، فرضیه‌های مختلف و حتی سخت‌گیرانه‌ای برای انتخاب آزمون مناسب یا روش‌های ساخت مدل آماری وجود دارد. عدم توجه به این فرضیه‌ها می‌تواند منجر به نتایج کاملاً گمراه‌کننده شود.

انتخاب تکنیک‌های پارامتری یا ناپارامتری، همچنین انتخاب مدل رگرسیون خطی یا غیرخطی، باید با در نظر گرفتن توزیع داده‌ها و ویژگی‌های جامعه آماری، به همراه محدودیت‌های نمونه و مدل انتخابی انجام شود. در جدول زیر، آزمون‌های آماری مناسب برای میانگین جامعه‌ها در حالت پارامتری (که فرض بر توزیع نرمال برای جامعه آماری است) ارائه شده است.

در صورتی که با داده‌های کیفی روبرو شوید، معیارهای مرکزی به شکل میانه یا نما تعیین می‌شوند. برای آزمون پارامتر مکان، از آزمون‌هایی که در جدول زیر ارائه شده‌اند، استفاده می‌شود. به طور معمول، توزیع داده‌های کیفی به صورت دو جمله‌ای یا یکنواخت در نظر گرفته می‌شود. # تحلیل آماری

گام هفتم: تفسیر و ارائه نتایج

تهیه خروجی‌های مناسب و چشم‌انداز و آماده‌سازی نتایج تحلیل‌های آماری با SPSS برای چاپ، از اهمیت بالایی برخوردار است. در این راستا، استفاده از جدول‌ها و نمودارها به مراتب مؤثرتر از نوشتن متن‌های طولانی است. به همین دلیل، وضوح و خوانایی جدول‌ها و نمودارها می‌تواند برای خوانندگان گزارش تحقیق شما جذابیت ایجاد کند و آن‌ها را ترغیب به مطالعه مقاله‌تان نماید.

لطفاً توجه داشته باشید که بیشتر نتایج محاسبات در نرم‌افزار SPSS در پنجره خروجی (Output) و همچنین در برنامه SPSS Viewer قابل مشاهده هستند. در برخی موارد، نمایش خروجی برخی از دستورات به عهده نرم‌افزار SPSS Modeler است. با این حال، در هر دو حالت امکان ویرایش و زیباسازی نتایج وجود دارد.

معمولاً جدول‌ها و خروجی‌ها باید طبق استاندارد APA تهیه شوند. نگران این موضوع نباشید، زیرا نرم‌افزار SPSS الگوهایی برای نمایش جدول‌ها به این شیوه به کاربران ارائه می‌دهد.

هنگام نوشتن تفسیر نتایج پس از انجام تحلیل‌های آماری با SPSS، به این نکته توجه داشته باشید که خروجی‌های تحلیل آماری بر اساس p-مقدار (p-Value) در SPSS ارائه می‌شوند که در جدول‌ها با عبارت Sig مشخص شده‌اند. با توجه به فرض‌های آماری و مقدار Sig، می‌توان نسبت به رد یا تأیید فرض صفر اقدام کرد.

خلاصه و نتیجه‌گیری 

در این نوشتار به تعریف یک طرح آماری و انجام تحلیل‌های آماری با استفاده از نرم‌افزار SPSS پرداخته و مراحل مختلف این فرآیند را بررسی کردیم. اگرچه بسیاری از ابزارهای لازم برای این مراحل در SPSS موجود است، اما برخی از جنبه‌های یک طرح آماری و تحلیل علمی باید توسط محقق انجام شود. مهم‌ترین بخش، تفسیر خروجی‌های به‌دست‌آمده از نرم‌افزار است. نتایج تولیدشده باید با شرایط مسئله و پیش‌فرض‌های مربوط به مدل‌های مورد استفاده، مورد ارزیابی قرار گیرند و پس از تحلیل، به‌طور مناسب گزارش و ارائه شوند. # تحلیل آماری