انتخاب مناسب آزمون آماری در spss

یکی از مهم ترین سوالاتی که در انجام پژوهش های آماری مطرح می شود انتخاب مناسب روش تحلیل آماری در تحقیقات میدانی است. معمولا نوع آزمون های آماری از فاکتورهای ویژگیهای نمونه، انواع داده ها و همچنین نوع تحلیلی که مورد نیاز آمارگر است، مشخص می شود. این تحلیل ها به دوبخش عمده ی آمار ناپارامتری و پارامتری بر می گردد. در تحقیقات میدانی، حجم زیادی از داده های آماری به عنوان نمونه گردآوری می شود که از طریق آنها می توان به سوالات و فرضیه های تحقیق پاسخ داد. سوالات تحقیق بایستی براساس اهداف تحقیق (هدف کلی و جزیی) طراحی شوند تا نتیجه ی تجزیه و تحلیل آنها، بیانگر واقعی هدف تحقیق باشد. معمولا اگر محقق بدون به کار بردن آمار به تحلیل داده ها بپردازد نتیجه آن واقعی نخواهد بود و محقق به مشکل برخواهد خورد. لذا دانستن آمار و نکات ریز آماری از ضروریات فرایند تحقیق و پژوهش است. استنباط آماری در واقع یک نوع نتیجه گیری کلی از جز به کل است و با آزمایش و خطا همراه است. یک جنبه از استنباط آماری محاسبه برآوردهایی از پارامترهای جامعه است مثل میانگین یا واریانس جامعه از طریق آماره های نمونه مانند میانگین یا واریانس نمونه. در آمار استنباطی روش های گوناگونی برای تجزیه و تحلیل داده های آماری وجود دارد که هر یک برای نوع خاصی از داده ها و همین طور نوع خاصی از سوالات مورد استفاده قرار می گیرند. برخی از پژوهش گرها انتخاب یک آزمون آماری را وابسته به موارد زیر می دانند: 1- نقشه یا طرح تحقیق 2- هدف تحقیق 3- طبیعت داده ها (تعداد متغیرها، کمی یا کیفی، پیوسته یا گسسته) 4- ویژگی های نمونه (تعداد گروه های مورد بررسی، نرمال بودن یا نبودن جامعه) 5- نوع استنباط مورد نیاز (توصیف جامعه، مقایسه اختلاف دو یا چند گروه، سنجش رابطه بین دو یا چند متغیر) به طور کلی هدف هر آزمون آماری تعیین این مطلب است که آیا داده های نمونه، دلایل کافی برای رد یک فرضیه یا حدس آماری در مورد جامعه ارائه می دهد یا خیر؟ بهتر است قبل از انتخاب یک آزمون آماری بتوانیم به سوالات زیر پاسخ دهیم: • فرضیه تحقیق چیست؟ • نوع داده ها چیست؟ • توزیع ویژگی مورد بررسی در جامعه نرمال است یا خیر؟ • چه تعداد متغیر بررسی می شوند؟ • چند گروه مقایسه می شوند؟ • گروه های مورد بررسی مستقلند یا خیر؟

در حالت کلی قبل از هر چیز باید به نرمالیتی توزیع متغیر بپردازیم؛ به طور کلی اگر توزیع متغیر نرمال باشد از آزمون های t و یا آنالیز واریانس و در صورت نرمال نبودن توزیع متغیر از آزمون های ناپارانتری استفاده می شود. در نمودارهای زیر نحوه ی انتخاب آزمون ها را به ترتیب برای یک و دو و بیشتر از دو متغیر را رسم کرده ایم.

باید توجه کرد زمانی که پای دو یا بیش از دو متغیر در میان است علاوه بر روابط میان خود داده ها؛ رابطه ی میان هر دو متغیر نیز مهم است. اینکه جنس دو متغیر چه باشد؟ میان آنها همبستگی وجود دارد یا خیر؟ سوالاتی هستند که باید از خود قبل از انتخاب آزمون ها پرسید. همانطور که در نمودار 2 نشان دادیم، برای بررسی رابطه ی بین دو متغیر وقتی هر دو متغیر پیوسته باشند از آزمون ضریب همبستگی برای بررسی رابطه بین آنها استفاده می کنیم و چنانچه یکی از متغیرها پیوسته و دیگری گسسته باشد از آنالیز واریانس و در حالتی که هر دو متغیر کیفی باشند از آزمون کای دو کمک می گیریم. همینطور در نمودار 3 به راحتی می توان دریافت در صورتی که متغیرها برای یک گروه به کار برده شوند از تحلیل عاملی یا آنالیز واریانس با اندازه های مکرر و یا رگرسیون چندگانه استفاده می شود. از تحلیل ممیزی و آنالیز واریانس چندگانه  نیز برای بررسی بیش از دو گروه استفاده می شود.

در اینجا به بسیاری از سوالاتی که مطرح می شوند پاسخ می دهیم: بسیاری از آزمون های آماری بر فرض نرمالیتی جامعه استوارند آزمون هایی که با این جامعه ها سر و کار دارند آزمون های پارامتری هستند مانند آزمون t، و در مقابل آزمون های ناپارامتری دیگر فرض نرمالیتی را ندارند مانند آزمون های رتبه ای از قبیل آزمون من-ویتنی، یا کروسکال والیس. برخی مواقع به راحتی می توان بر اساس نرمال بودن یا نبودن توزیع متغیرها گفت که کدام نوع از آزمون های پارامتری یا ناپارامتری  را به کار گیریم. اگر متغیر مورد بررسی رتبه ای باشد مثل رتبه بندی رضایت کارمندان(کم- متوسط- زیاد) آن گاه توزیع نرمال ندارد لذا از آزمونهای ناپارامتری بهره می گیریم. اما نمی توان گفت که وقتی داده ها کمی هم باشند حتما از آزمونهای پارامتری استفاده می کنیم. در مواردی پیش می اید که داده ها کمی بوده اما تعدادشان اندک است در این مواقع، آزمون کولموگروف-اسمیرنف هم نمی تواند نرمال بودن داده ها را تعیین کند چرا که برای داده هایی با حجم بزرگتر کاراست. لذا تشخیص اینکه این داده ها نرمال هستند یا خیر بسیار مشکل است در این مواقع برخی از آماردانان از آزمون های پارامتری استفاده کرده و ادعا دارند که در نرمال بودن داده ها مشکلی ایجاد نمی شود. اما برخی دیگر آزمون های ناپارامتری را به کار می برند.