انکوا یک طرفه در آمار SPSS

مقدمه

انکوا یک طرفه (تحلیل کوواریانس) را می توان به عنوان توسعه ای از انکوا یک طرفه برای اوردن یک متغیر کمکی در نظر گرفت. مانند انکوا یک طرفه، انکوا یک طرفه برای تعیین اینکه آیا تفاوت معنی داری بین دو یا چند گروه مستقل (غیر مرتبط) در یک متغیر وابسته وجود دارد یا خیر استفاده می شود. با این حال، در حالی که انکوا به دنبال تفاوت‌ها در میانگین‌های گروهی است، انکوا به دنبال تفاوت‌ها در میانگین‌های تعدیل‌شده (یعنی تنظیم شده برای متغیر کمکی) است. به این ترتیب، در مقایسه با انکوا یک طرفه، انکوا یک طرفه دارای مزیت دیگری است که به شما امکان می دهد برای یک متغیر سوم (که گاهی اوقات به عنوان “متغیر مخدوش کننده” شناخته می شود) “کنترل آماری” داشته باشید، که فکر می کنید بر نتایج شما تأثیر می گذارد. . این متغیر سوم که می تواند نتایج شما را تحت تاثیر قرار دهد ، متغیر کمکی نامیده می شود و شما آن را در تحلیل انکوا یک طرفه خود قرار می دهید.

توجه: شما می توانید بیش از یک متغیر کمکی داشته باشید و اگرچه متغیرهای کمکی به طور سنتی در مقیاس پیوسته اندازه گیری می شوند، اما می توانند طبقه بندی نیز باشند. با این حال، زمانی که متغیرهای کمکی طبقه بندی می شوند، تجزیه و تحلیل اغلب انکوا نامیده نمی شود. علاوه بر این، بخش “یک طرفه” انکوا یک طرفه به تعداد متغیرهای مستقل اشاره دارد. اگر به جای یک متغیر، دو متغیر مستقل دارید، می توانید یک انکوا دو طرفه را اجرا کنید.

نکته:جهت سفارش پروژه spss خود نیازمند آن هستید که  آموزش کافه پروژه  را از ابتدا ملاحظه نمایید لذا جهت مشاهده و آموزش های مرتبط با این نرم افزار لازم است کلمه آموزش spss را در بخش جستجو وارد نمایید و اینتر بزنید

اگر با انکوا یک طرفه آشنا هستید، می توانید به بخش پیش فرض ها بروید. از سوی دیگر، اگر با انکوا یک طرفه آشنا نیستید، مثال زیر می‌تواند به بطور آشکارکمک کند.

 مثال

محققان می خواستند تأثیر سه نوع دخالت ورزشی مختلف را بر فشار خون سیستولیک بررسی کنند. برای انجام این کار، آنها ۴۰ شرکت کننده را برای مطالعه خود انتخاب کردند. آنها به طور تصادفی ۱۰ شرکت کننده را به هر یک از سه مداخله اختصاص دادند: یک “دخالت ورزشی با شدت کم”، یک “مداخله ورزشی با شدت متوسط” و یک “مداخله ورزشی با شدت بالا”. ورزش در تمام دخالت ها به همان میزان کالری سوزاند. هر شرکت کننده قبل از مداخله و بلافاصله پس از مداخله “فشار خون سیستولیک” آنها اندازه گیری شد. محقق می خواست بداند که آیا مداخلات ورزشی مختلف اثرات متفاوتی بر فشار خون سیستولیک دارد یا خیر. برای پاسخ به این سوال، محققان می‌خواستند تعیین کنند که آیا تفاوتی در میانگین فشار خون سیستولیک پس از دخالت های ورزشی وجود دارد یا خیر (به عنوان مثال، آیا میانگین فشار خون سیستولیک بعد از دخالت  بین دخالت های  مختلف متفاوت است). با این حال، محققان انتظار داشتند که تأثیر سه مداخله ورزشی مختلف بر فشار خون سیستولیک متوسط ​​تحت تأثیر فشار خون سیستولیک شروع شرکت‌کنندگان باشد (یعنی فشار خون سیستولیک آنها قبل از مداخلات). برای کنترل فشار خون سیستولیک پس از مداخله برای تفاوت فشار خون سیستولیک قبل از مداخله، می‌توانید آنکوا یک طرفه را با فشار خون سیستولیک قبل از مداخله به عنوان متغیر کمکی، مداخله به عنوان متغیر مستقل و خون سیستولیک پس از دخالت اجرا کنید. فشار به عنوان متغیر وابسته اگر تفاوت آماری معنی‌داری بین مداخلات پیدا کردید، می‌توانید ANCOVA یک طرفه را با یک تست تعقیبی دنبال کنید تا مشخص کنید کدام دخالت های ورزشی خاص از نظر تأثیر آنها بر فشار خون سیستولیک متفاوت است (به عنوان مثال، آیا دخالت تمرینی با شدت بالا تأثیر بیشتری بر فشار خون سیستولیک نسبت به دخالت تمرینی با شدت کم داشت).

این راهنمای «شروع سریع» به شما نشان می‌دهد که چگونه یک انکوا یک طرفه (با یک متغیر کمکی) را با استفاده از آمار SPSS انجام دهید، و همچنین نتایج این آزمون را تفسیر و گزارش کنید. از آنجایی که انکوا یک طرفه اغلب با یک آزمون تعقیبی دنبال می‌شود، ما همچنین به شما نشان می‌دهیم که چگونه یک تست تعقیبی را با استفاده از آمار SPSS انجام دهید. با این حال، قبل از اینکه شما را با این روش آشنا کنیم، باید فرضیه های مختلفی را که داده های شما باید رعایت کنند تا انکوا یک طرفه به شما نتیجه معتبری بدهد، را باید  بدانید. در ادامه به این فرضیات می پردازیم.

فرضیه ها

هنگامی که تصمیم می گیرید داده های خود را با استفاده از انکوا یک طرفه تجزیه و تحلیل کنید، بخشی از فرآیند شامل بررسی می شود تا مطمئن شوید که داده هایی که می خواهید تجزیه و تحلیل کنید واقعاً می توانند با استفاده از انکوا یک طرفه تجزیه و تحلیل شوند. شما باید این کار را انجام دهید زیرا تنها زمانی مناسب است که ازانکوا یک طرفه استفاده کنید که داده های شما از ۹ فرضی که برای یک انکوا یک طرفه برای ارائه یک نتیجه معتبر لازم است، عبور کند. در عمل، بررسی این نه فرض فقط کمی زمان بیشتری به تجزیه و تحلیل شما می‌افزاید، و از شما می‌خواهد هنگام انجام تجزیه و تحلیل، روی چند دکمه دیگر در آمار SPSS کلیک کنید، و همچنین کمی بیشتر در مورد داده‌های خود فکر کنید، اما اینطور است. کار سختی نیست

قبل از اینکه شما را با این نه فرض آشنا کنیم، تعجب نکنید اگر هنگام تجزیه و تحلیل داده های خود با استفاده از آمار SPSS، یک یا چند مورد از این فرضیات نقض شد (یعنی برآورده نشد). زمانی که با داده‌های واقعی به جای نمونه‌های کتاب درسی کار می‌کنید، این غیرمعمول نیست، که اغلب به شما نشان می‌دهند چگونه یک انکوا یک طرفه را زمانی که همه چیز خوب پیش می‌رود، انجام دهید! با این حال، نگران نباشید. حتی زمانی که داده های شما برخی از مفروضات را با شکست مواجه می کند، اغلب راه حلی برای غلبه بر آن وجود دارد. ابتدا اجازه دهید به این نه فرض نگاهی بیندازیم:

نکته: یک دیگر از نرم افزارهایی که می تواند در  رابطه با تحلیل داده ها به شما کمک کند لیزرل است که جهت  سفارش پروژه لیزرل خود نیازمند آموزش کافه پروژه از ابتدا ملاحظه نمایید جهت مشاهده و آموزش های مرتبط با این نرم افزار لازم است کلمه آموزش lisrel  را در بخش جستجو وارد نمایید و اینتر بزنید

فرض شماره ۱: متغیر وابسته و متغیر(های) متغیر کمکی شما باید در مقیاس پیوسته اندازه گیری شوند (یعنی در سطح بازه یا نسبت اندازه گیری می شوند). نمونه‌هایی از متغیرهایی که این معیار را برآورده می‌کنند شامل زمان تجدیدنظر (اندازه‌گیری شده بر حسب ساعت)، هوش (اندازه‌گیری شده با استفاده از نمره IQ)، عملکرد امتحان (اندازه‌گیری شده از ۰ تا ۱۰۰)، وزن (اندازه‌گیری شده بر حسب کیلوگرم) و غیره است. می‌توانید در مقاله ما: انواع متغیر، درباره متغیرهای پیوسته اطلاعات بیشتری کسب کنید. همانطور که قبلاً گفته شد، می توانید متغیرهای کمکی طبقه بندی داشته باشید (به عنوان مثال، یک متغیر طبقه بندی مانند “جنس”، که دارای دو دسته است: “مرد” و “مونث”)، اما معمولاً در این شرایط به آن تحلیل به عنوان انکوا گفته نمی شود.

فرض شماره ۲: متغیر مستقل شما باید از دو یا چند گروه طبقه بندی شده مستقل تشکیل شده باشد. نمونه متغیرهای مستقلی که این معیار را برآورده می کنند شامل جنسیت (به عنوان مثال، دو گروه: مرد و زن)، قومیت (به عنوان مثال، سه گروه: قفقازی، آفریقایی آمریکایی و اسپانیایی)، سطح فعالیت بدنی (به عنوان مثال، چهار گروه: کم تحرک، کم، متوسط ​​و متوسط ​​است). بالا)، حرفه (به عنوان مثال، پنج گروه: جراح، پزشک، پرستار، دندانپزشک، درمانگر) و غیره.

فرض شماره ۳: شما باید از مشاهدات استقلال داشته باشید، به این معنی که هیچ رابطه ای بین مشاهدات در هر گروه یا بین خود گروه ها وجود ندارد. به عنوان مثال، در هر گروه باید شرکت کنندگان متفاوتی وجود داشته باشد و هیچ شرکت کننده ای در بیش از یک گروه نباشد. این بیشتر یک موضوع طراحی مطالعه است تا چیزی که بتوانید آن را آزمایش کنید، اما یک فرض مهم برای یک انکوا یک طرفه است. اگر مطالعه شما با این فرض ناکام باشد، باید به جای آزمون انکوا یک طرفه از آزمون آماری دیگری استفاده کنید (به عنوان مثال، طرح اندازه گیری های مکرر). اگر مطمئن نیستید که مطالعه شما با این فرض مطابقت دارد یا خیر، می توانید از انتخابگر آزمون آماری ما استفاده کنید، که بخشی از راهنماهای پیشرفته ما است.

فرض شماره ۴: هیچ نقطه پرت قابل توجهی نباید وجود داشته باشد. نقاط پرت به سادگی نقاط داده ای در داده های شما هستند که از الگوی معمول پیروی نمی کنند (به عنوان مثال، در یک مطالعه بر روی ۱۰۰ نمرات هوش دانش آموز، که در آن میانگین نمره ۱۰۸ با تفاوت کمی بین دانش آموزان بود، یک دانش آموز امتیاز ۱۵۶ داشت، که بسیار غیرمعمول است و حتی ممکن است او را در ۱% امتیازهای IQ برتر در سطح جهان قرار دهد). مشکل پرت این است که آنها می توانند تأثیر منفی بر ANCOVA یک طرفه داشته باشند و اعتبار نتایج شما را کاهش دهند. خوشبختانه، هنگام استفاده از آمار SPSS برای اجرای یک انکوا یک طرفه بر روی داده‌های خود، می‌توانید به راحتی نقاط پرت احتمالی را شناسایی کنید. در راهنمای پیشرفته انکوا یک طرفه خود، ما: (الف) به شما نشان می دهیم که چگونه با استفاده از آمار SPSS، نقاط پرت را تشخیص دهید. و (ب) در مورد برخی از گزینه هایی که برای مقابله با موارد پرت دارید بحث کنید. می توانید در مورد ویژگی های ما بیشتر بدانید:

 مرور کلی مطالب

فرض شماره ۵: باقیمانده های شما باید تقریباً به طور معمول برای هر دسته از متغیر مستقل تقسیم شوند. ما در مورد انکوا صحبت می کنیم که فقط به باقیمانده های تقریباً معمولی نیاز دارد، زیرا در برابر نقض نرمال بودن کاملاً “محکم” است، به این معنی که این فرض می تواند تا حدی نقض شود و همچنان نتایج معتبری ارائه دهد. می‌توانید با استفاده از دو تست Shapiro-Wilk نرمال بودن را آزمایش کنید: یکی برای آزمایش باقیمانده‌های درون گروهی و دیگری برای آزمایش تناسب مدل کلی. هر دوی اینها به راحتی برای استفاده از آمار SPSS آزمایش می شوند. علاوه بر نشان دادن نحوه انجام این آزمایش‌ها در راهنمای پیشرفته انکوا یک‌طرفه ما، همچنین توضیح می‌دهیم که اگر داده‌های شما این فرضیه را برآورده نمی‌کنند (به عنوان مثال، اگر بیش از کمی در آن شکست بخورند) چه کاری می‌توانید انجام دهید.

معرفی یک خدمت : سایت کافه پروژه با داشتن ده ها مجری توانمند در حوزه انجام پروژه استاتا (Stata) آماده انجام پروژه های مختلف شما عزیزان می باشد.جهت ثبت پروژه و دریافت پیشنهاد قیمت در سایت ثبت نام نمایید.

فرض شماره ۶: باید همگنی واریانس ها وجود داشته باشد. می توانید این فرض را در آمار SPSS با استفاده از آزمون Levene برای همگنی واریانس ها آزمایش کنید. در راهنمای پیشرفته انکوا یک طرفه خود، ما (الف) به شما نشان می‌دهیم که چگونه تست لوین را برای همگنی واریانس‌ها در آمار SPSS انجام دهید، (ب) برخی از مواردی را که باید هنگام تفسیر داده‌های خود در نظر بگیرید، توضیح می‌دهیم، و (ج) در صورتی که داده های شما با این فرض مطابقت نداشته باشند، راه های ممکن را برای ادامه تحلیل خود ارائه دهید.

فرض شماره ۷: متغیر کمکی باید به صورت خطی با متغیر وابسته در هر سطح از متغیر مستقل مرتبط باشد. شما می توانید این فرض را در آمار SPSS با رسم نمودار پراکندگی گروهی از متغیرهای کمکی، نمرات پس آزمون متغیر وابسته و متغیر مستقل آزمایش کنید. در راهنمای پیشرفته انکوا یک طرفه خود، به شما نشان می دهیم که چگونه (الف) این نمودار پراکندگی گروهی را در آمار SPSS تولید کنید، (ب) نمودار پراکندگی گروهی را تفسیر کنید، و (ج) راه های ممکن برای ادامه تجزیه و تحلیل خود را در صورت عدم موفقیت در داده هایتان ارائه کنید. این فرضیه را اجرا کنید

فرض شماره ۸: نیاز به همجنسگرایی وجود دارد. شما می توانید این فرض را در آمار SPSS با رسم نمودار پراکنده ای از باقیمانده های استاندارد شده در برابر مقادیر پیش بینی شده آزمایش کنید. در راهنمای بهبودیافته انکوا یک طرفه خود، (الف) به شما نشان می‌دهیم که چگونه یک نمودار پراکندگی در آمارهای SPSS برای آزمایش هموسداستیتی تولید کنید، (ب) برخی از مواردی را که باید هنگام تفسیر داده‌های خود در نظر بگیرید، توضیح می‌دهیم، و (ج) راه های ممکن را برای ادامه با شما ارائه  می دهیم

مثال

محققی علاقه مند بود تا مشخص کند که آیا یک برنامه تمرینی تمرینی با شدت کم یا زیاد شش هفته ای برای کاهش غلظت کلسترول خون در مردان میانسال بهترین است یا خیر. هر دو برنامه تمرینی به گونه‌ای طراحی شده بودند که در گروه‌های کم و پر شدت، کالری یکسانی مصرف شود. به این ترتیب، مدت زمان ورزش بین گروه ها متفاوت بود. محقق انتظار داشت که هرگونه کاهش در غلظت کلسترول ناشی از مداخلات به غلظت اولیه کلسترول شرکت کننده نیز بستگی دارد. به این ترتیب، محقق می خواست از غلظت کلسترول قبل از مداخله به عنوان متغیر کمکی هنگام مقایسه غلظت کلسترول پس از دخالت کردن بین مداخلات و گروه کنترل استفاده کند. بنابراین، محقق یک انکوا یک طرفه را با: (الف) غلظت کلسترول پس از دخالت کردن (پس از مداخله) به عنوان متغیر وابسته اجرا کرد. (ب) گروه کنترل و دو گروه آزمایش به عنوان سطوح متغیر مستقل،  و (ج) غلظت کلسترول قبل از مداخله به عنوان متغیر کمکی،

ممنون از اینکه آموزش های ما را دنبال می کنید این بخش از آموزش نرم افزار اس پی اس اس به اتمام رسید به زودی آموزش قسمت بعدی نرم افزار بر روی سایت منتشر می شود

نحوه سفارش پروژه در سایت کافه پروژه :

اگر پروژه ای دارید که میخواهید آن را برون سپاری کنید کافی است در سایت کافه پروژه ثبت نام کنید و پروژه خود را ثبت نمایید.پروژه شما هر چه که باشد حتما مجری برای آن وجود دارد.جهت ثبت نام و ثبت سفارش پروژه خود برروی دکمه زیر کلیک نمایید.