آموزش spss

شما اینجا هستید

صفحه اصلی

انواع متغیرها

انواع متغیر ها

متغیر ها از نظر سنجش یا طبقه بندی به چهار دسته تقسیم می شوند: 1) اسمی 2) رتبه ای یا ترتیبی 3) فاصله ای 4) نسبی. اما در زمان تحلیل های آماری، ساخت مقیاس شبه فاصله ای نیز انجام پذیر است. مقیاس های اسمی و رتبه ای مخصوص داده های کیفی هستند و مقیاس های فاصله ای و نسبی مخصوص داده های کمی می باشند.

مقیاس اسمی: این مقیاس به داده ها یا اطلاعاتی در مورد صفت ها یا ویژگی هایی دلالت دارند که نمی توان با آنها بصورت عددی و بر حسب عملیات ریاضی و آماری مخصوص داده های دارای بار برخورد کرد.در طبقه بندی اسمی داده ها بر اساس صفت یا ویژگی گروهبندی می شوند.این طبقه ها یا گروهها با همدیگر رابطه ضروری ندارند و نمی توان آنها را با یکدیگر جمع کرد و یک مجموعه منفرد ساخت. در این طبقه بندی هیچ ترتیب خاصی بر طبقه ها حاکم نیست و آنها جدای از هم قرار دارند. به هر یک از طبقه ها می توان عددی را اختصاص داد، اما این عدد ارزش کمی یا مقداری نداشته و تابع قوانین ریاضی نیست و فقط رمز طبق های محسوب می شود. برای نمونه می توان در زمان ورود داده ها به رایانه، برای سهولت کار به زن کد شماره 1 و به مرد کد شماره 2 را اختصاص داد اما این بدان معنی نیست که ارزش مرد دو برابر ارزش زن است.

در آمار توصیفی در مورد این نوع مقیاس، از میان شاخص های گرایش مرکزی فقط از نما که بیشترین فراوانی را نشان می دهد استفاده می شود و از میان شاخص های پراکندگی، فراوانی نسبی طبقه ها ذکر می گردد.

مقیاس رتبه ای: مقیاس رتبه ای یا ترتیبی نسبت به مقیاس های اسمی پیشرفته تر هستند و در آنها می توان شدت و ضغف یک صفت یا ویژگی را نیز بررسی کرد.این نوع مقیاس ها در خصوص داده هایی هستند که بر اساس یک نظام سلسله مرتبه ای ترتیب بندی یا رتبه بندی می شوند. هر چند رتبه ها  را می توان با روشهای گوناگون آمار یبا هم مقایسه کرد، اما آنها ارزش عددی ندارند و ارزش آنها در ارتباط یا تناسب با رتبه های دیگر مشخص می شود. در این نوع مقیاس رتبه بندی از عدد کم به بالا انجام می گیرد. بعنوان مثال اگر دانشجویی بالاترین نمره را کسب کند شاگرد اول محسوب خواهد شد به عبارت دیگر بالاترین رتبه همیشه یک خواهد بود و تفاوت بین یک رتبه با رتبه بعدی نیز بدون توجه به مقدار صفت یا ویژگی مورد نظر همیشه یک خواهد بود مثلاً اگر نفر اول نمره 20 بگیرد شاگرد اول محسوب شده و اگر نفر دوم 99/19 بگیرد شاگرد دوم و اگر نفر سوم 14 بگیرد شاگرد سوم محسوب خواهد شد.

در طبقه بندی هایی نظیر طبقه اجتماعی، پیشرفت تحصیلی، رضایت شغلی و نظایر آن که از مقیاس یا طیف های ترتیبی دارای بار صفتی کمتر تا بیشتر استفاده می شود، از این مقیاس استفاده می گردد. می توان از مقیاس ها لیکرت و فاصله ی اجتماعی بوگاردوسبه عنوان نمونه هایی از این نوع مقیاس نام برد.

در آمارر توصیفی، در مورد این نوع مقیاس از میان شاخص های گرایش مرکزی از نما و میانه که نقطه میانین را نشان می دهدو از میان شاخص های پراکندگی از چارک بندی استفاده می شود.

مقیاس های فاصله ای : مقیاس های فاصله ای نسبت به مقیاس های رتبه ای پیشرفته تر هستند و در آنها می توان علاوه بر دارا بودن یک ویژگی یا صفت، مقادیر کمی یا زیادی آنها را نیز مشخص کرد. برای نمونه، می توان گفت که دانشجویی که نمره 20 گرفته با دانشجویی که نمره 17 گرفته به اندازه 3 نمره فاصله یا اختلاف دارد. پس مقیاس های فاصله ای در خصوص داده هایی هستند که ارزش عددی دارند و بین دو عدد متوالی با محدودیت معینی عدد دیگری قرار می گیرد و می توان عملیات ریاضی یا آماری را روی آنها انجام داد. در این مقیاس صفر حقیقی یا مطلق نیست بلکه قراردادی است. مثلاً اگر فردی در یک امتحان نمره صفر بگیرد دلیل بر آن نیست که او هیچ جیز ازآن درس نمی داند یا اگر نمره 20 بگیرد دلیل بر آن نیست که همه چیز را در آن حوزه می داند بلکه بر اساس قرارداد یا توافق و ملاکی که توسط استاد تعیین شده است، نمره صفر یا 20 گرفته است. مقیاس هایی نظیر دما سنج، آزمون استعداد، آزمون هوش، نمره های دانشجویان و نظایر اینها از نوع فاصله ای هستند.

در آمار توصیفی در مورد این مقیاس همه شاخص های گرایش مرکزی اعم از نما، میانه و میانگین که متوسط نمره است و نیز همه ی شاخص های پراکندگی اعم از واریانس، انحراف از معیار و دامنه ی تغییرات بکار می روند.

مقیاس نسبی: با لاترین و دقیق ترین سطح سنجش است که در آن علاوه بر تعیین سطوح و مقادیر یک متغیر و فاصله بین مقادیر آن، نسبت ها نیز بر اساس صفر حقیقی یا مطلق تعیین می گردند. هر چیزی که با مقیاس های دقیق فیزیکی نظیر وزن، قد، نیرو، میزان پول و درآمد و غیره انجام می گیرند نیز از این نوعند.

برای داده های این مقیاس، علاوه بر کلیه آماره های ذکر شده در مورد مقیاس فاصله ای، می توان از شاخص هایی نظیر میانگین هندسی و ضریب پراکنش که به صفر حقیقی نیاز دارند، استفاده کرد.

تبدیل مقیاس رتبه ای به شبه فاصله ای: وقتی می خواهیم آزمون های آماری را در مورد آزمون فرضیه های خود بکار ببریم، بسته به شرایط لازم- نمونه گیری تصادفی ، گمارش یا تخصیص تصادفی آزمودنی ها به گروه ها، توزیع بهنجار یا نرمال داده ها، و پیوسته بودن متغیر ها (مقیاس های فاصله ای و نسبی) می توانیم از آزمون های پارامتری که از فرض های قوی تری برخوردارند، استفاده کنیم. در غیر این صورت می بایست از آزمون های ناپارامتری که فرض های ضعیف تری دارند، سود جست.برای اینکه بتوان در خصوص مقیاس های رتبه ای نیز از آزمون های پارامتری استفاده نمود، به شرط وجود سایر شرایط، با تمهیداتی مقیاس رتبه ای را می توان به مقیاش شبه فاصله ای تبدیل کرد.برای اینکار ابتدا لازم است ترتیب رتبه بندی را معکوس کنیم و به بیشترین صفت یا ویژگی با لاترین عدد داده شود مثلاً در فرایند رتبه ای به گزینه های خیلی زیاد، زیاد، تاحدودی، کم و اصلاً به خیلی زیاد 1 و به اصلاً 5 اختصاص می یابد اما در فرایند تبدیل گزینه خیلی زیاد نمره ی 5 و گزینه اصلاً نمره 1 دریافت می دارد. در بخش دوم تبدیل لازم است یک دامنه نمره ای ساخته شود برای این منظور چند گویه برای یک متغیر خاص طراحی می گردد و بعد نمره های آنها با هم جمع بسته می شود و یک نمره واحد احراز می گردد. بدینسان آزمون های پارامتری قابل اجرا خواهند بود.

 

از توجه شما سپاسگزارم.

مهندس مجتبی فیاض: مدرس دوره های آموزشی spss (مبتدی، متوسط، پیشرفته، تخصصی)

آدرس ایمیل من: mojtaba_fayaz@yahoo.com

شماره همراه: 09131171497

ارتباط با ما

مهندس مجتبی فیاض

همراه : ۰۹۱۳۱۱۷۱۴۹۷

ایمیل:mojtaba_fayaz@yahoo.com

سامانه پیام کوتاه:

۳۰۰۰۶۱۳۲۰۰۸۰۰۰

کانال تلگرام:

spss19withfayaz@

 

دعوت به همکاری

راههای ارتباطی جهت اعلام تمایل به همکاری با تیم تحقیق، پژوهش و تحلیل آماری

در تلگرام

09131171497

 یا learnwithfayaz@