پروژه SPSS با پیامنی پروژه
پروژه SPSS
۱. تعریف موضوع و مسئله تحقیق
اولین قدم انتخاب یک موضوع مشخص است. برای مثال:
تأثیر ساعت مطالعه بر نمره دانشآموزان
رابطه بین رضایت شغلی و عملکرد کارکنان
تأثیر تبلیغات اینترنتی بر رفتار خرید مشتریان
۲. فرضیات تحقیق
هر پروژه SPSS نیاز به فرضیه دارد. مثال:
فرضیه اصلی: «افزایش ساعت مطالعه باعث افزایش نمره دانشآموزان میشود.»
فرضیه فرعی: «تفاوت جنسیت بر تأثیر ساعت مطالعه تأثیر دارد.»
۳. جمعآوری دادهها
دادهها میتوانند به صورت:
پرسشنامه
آزمایشگاه یا مشاهده
دادههای ثانویه (مثل دادههای موجود از یک سازمان یا سایت)
مثال: پرسشنامه با ۵۰ دانشآموز و ۱۰ سؤال.
۴. ورود دادهها به SPSS
هر ردیف: یک نمونه یا فرد
هر ستون: یک متغیر (مثل سن، جنسیت، نمره، تعداد ساعت مطالعه)
مشخص کردن نوع متغیر (اسمی، ترتیبی، فاصلهای، نسبتی)
۵. تحلیل دادهها
بسته به نوع تحقیق، تحلیلها متفاوت است:
آمار توصیفی: میانگین، میانه، انحراف معیار
آزمونهای همبستگی: Pearson, Spearman
آزمونهای تفاوت: t-test, ANOVA
رگرسیون و تحلیل پیشبینی
تحلیلهای پیچیدهتر: Factor Analysis, Chi-square
مثال: بررسی همبستگی بین ساعت مطالعه و نمره دانشآموزان با Pearson correlation.
۶. تفسیر نتایج
گزارش اعداد و نمودارها
توضیح معنی آماری نتایج
پذیرش یا رد فرضیهها
مثال: «نتایج نشان داد که بین ساعت مطالعه و نمره دانشآموزان همبستگی مثبت و معنیدار وجود دارد (r=0.65, p<0.01).»
۷. نتیجهگیری و پیشنهادات
جمعبندی یافتهها
ارائه پیشنهاد برای پژوهشهای آینده یا کاربرد عملی
۱. طراحی پرسشنامه و متغیرها
متغیرها:
| متغیر | نوع متغیر | کدگذاری / توضیح |
|---|---|---|
| شماره دانشآموز | اسمی | ۱، ۲، ۳… |
| جنسیت | اسمی | ۱ = مرد، ۲ = زن |
| سن | نسبتی | به سال |
| ساعت مطالعه | فاصلهای | تعداد ساعت در روز |
| نمره | فاصلهای | ۰ تا ۲۰ |
نمونه پرسشنامه (۳ نفر):
| شماره | جنسیت | سن | ساعت مطالعه | نمره |
|---|---|---|---|---|
| ۱ | ۱ | ۱۶ | ۲ | ۱۵ |
| ۲ | ۲ | ۱۷ | ۴ | ۱۸ |
| ۳ | ۱ | ۱۶ | ۱ | ۱۲ |
۲. ورود دادهها در SPSS
SPSS را باز کن و روی Variable View برو.
متغیرها را با نوع و برچسب وارد کن.
به Data View برو و دادهها را وارد جدول کن.
۳. آمار توصیفی
برای بررسی اولیه دادهها:
Analyze → Descriptive Statistics → Descriptives
میانگین، انحراف معیار، کمترین و بیشترین مقدار برای متغیرهای «ساعت مطالعه» و «نمره»
مثال نتیجه:
میانگین ساعت مطالعه = ۳ ساعت
میانگین نمره = ۱۶
۴. بررسی همبستگی
برای بررسی رابطه بین ساعت مطالعه و نمره:
Analyze → Correlate → Bivariate
متغیرها: «ساعت مطالعه» و «نمره»
انتخاب Pearson
مثال نتیجه:
r = 0.65
p = 0.002
نتیجه: همبستگی مثبت و معنیدار است
۵. تست تفاوت بر اساس جنسیت
مثلاً بررسی اینکه آیا نمره دختران و پسران متفاوت است:
Analyze → Compare Means → Independent-Samples T Test
گروه: جنسیت
تست نمره
مثال نتیجه:
t = 1.2
p = 0.24
نتیجه: تفاوت معنیدار نیست
۶. رگرسیون ساده
اگر بخواهیم پیشبینی کنیم: «با چند ساعت مطالعه، چه نمرهای انتظار میرود؟»
Analyze → Regression → Linear
متغیر وابسته: نمره
متغیر مستقل: ساعت مطالعه
مثال نتیجه:
معادله: نمره = ۱۰ + ۱.۵ × ساعت مطالعه
یعنی هر ساعت مطالعه اضافی، ۱.۵ نمره بیشتر میشود
۷. گزارش نتایج
نمونه گزارش:
«نتایج نشان داد که بین ساعت مطالعه و نمره دانشآموزان همبستگی مثبت و معنیدار وجود دارد (r=0.65, p<0.01). همچنین، میانگین نمره دختران و پسران تفاوت معنیدار نداشت (p>0.05). معادله رگرسیون نشان داد که با هر ساعت مطالعه اضافی، نمره حدود 1.5 واحد افزایش مییابد.»
۸. پیشنهادات
افزایش ساعت مطالعه دانشآموزان میتواند باعث افزایش نمره شود
برای تحقیقات آینده میتوان عوامل دیگری مانند کیفیت خواب، سطح انگیزه، یا روشهای مطالعه را بررسی کرد
۹. ایجاد فایل آماده SPSS
میتوانی مراحل زیر را دنبال کنی یا فایل را آماده کنم:
۹.۱ ساخت فایل دادهها
SPSS را باز کن و روی Variable View برو.
متغیرها را تعریف کن:
| Variable Name | Type | Measure | Label |
|---|---|---|---|
| ID | Numeric | Nominal | شماره دانشآموز |
| Gender | Numeric | Nominal | 1=Male, 2=Female |
| Age | Numeric | Scale | سن دانشآموز |
| StudyHours | Numeric | Scale | ساعت مطالعه در روز |
| Score | Numeric | Scale | نمره دانشآموز |
به Data View برو و دادههای فرضی یا واقعی را وارد کن (مثلاً ۵۰ نمونه).
9.2 تحلیلها در SPSS
آمار توصیفی
Analyze → Descriptive Statistics → Descriptives
متغیرها: StudyHours و Score
خروجی شامل میانگین، انحراف معیار، کمینه و بیشینه
همبستگی
Analyze → Correlate → Bivariate
متغیرها: StudyHours و Score
Pearson را انتخاب کن
تست تفاوت جنسیت
Analyze → Compare Means → Independent-Samples T Test
Test Variable: Score
Grouping Variable: Gender
رگرسیون خطی
Analyze → Regression → Linear
Dependent: Score
Independent: StudyHours
خروجی شامل معادله خطی و ضریب تعیین (R²)
۱۰. نکات تکمیلی برای پروژه SPSS
-
گرافها و نمودارها:
Histogram، Boxplot، Scatterplot برای نشان دادن توزیع و رابطه متغیرها
Graphs → Chart Builder
-
آمادهسازی گزارش نهایی:
شامل مقدمه، روش تحقیق، نتایج جدولها و نمودارها، تفسیر و پیشنهادات
-
چند نکته مهم:
همیشه نوع متغیر را درست انتخاب کن (Nominal، Ordinal، Scale)
بررسی دادههای گمشده یا پرت (Missing Data / Outliers) قبل از تحلیل
برای همبستگی و رگرسیون، بررسی شرایط آماری مثل نرمال بودن دادهها مهم است
۱۱. ساخت نمونه فایل SPSS آماده
۱۱.۱ دادههای نمونه
برای ۱۰ دانشآموز فرضی، دادهها میتوانند به شکل زیر باشند:
| ID | Gender | Age | StudyHours | Score |
|---|---|---|---|---|
| ۱ | ۱ | ۱۶ | ۲ | ۱۵ |
| ۲ | ۲ | ۱۷ | ۴ | ۱۸ |
| ۳ | ۱ | ۱۶ | ۱ | ۱۲ |
| ۴ | ۲ | ۱۶ | ۳ | ۱۶ |
| ۵ | ۱ | ۱۷ | ۵ | ۱۹ |
| ۶ | ۲ | ۱۶ | ۲ | ۱۴ |
| ۷ | ۱ | ۱۷ | ۳ | ۱۶ |
| ۸ | ۲ | ۱۶ | ۴ | ۱۷ |
| ۹ | ۱ | ۱۶ | ۱ | ۱۳ |
| ۱۰ | ۲ | ۱۷ | ۵ | ۱۹ |
این دادهها هم شامل متغیرهای جنسیت، سن، ساعت مطالعه و نمره هستند و میتوانند به راحتی در SPSS وارد شوند.
۱۱.۲ تحلیلهای آماده
۱. آمار توصیفی
Analyze → Descriptive Statistics → Descriptives
متغیرها: StudyHours و Score
خروجی شامل: میانگین، انحراف معیار، کمینه و بیشینه
۲. همبستگی
Analyze → Correlate → Bivariate
متغیرها: StudyHours و Score
انتخاب Pearson
خروجی: r و p-value
۳. تست تفاوت جنسیت
Analyze → Compare Means → Independent-Samples T Test
Test Variable: Score
Grouping Variable: Gender
خروجی: t-value و p-value
۴. رگرسیون خطی
Analyze → Regression → Linear
Dependent: Score
Independent: StudyHours
خروجی: معادله رگرسیون و ضریب تعیین (R²)
۱۱.۳ نمودارها
Scatterplot: رابطه ساعت مطالعه و نمره
Histogram: توزیع نمره
Boxplot: مقایسه نمره بین دختران و پسران
این نمودارها برای بخش نتایج و تحلیل تصویری گزارش پروژه ضروری هستند.
۱۲. گزارش نهایی نمونه
نمونه خلاصه گزارش:
عنوان: تأثیر ساعت مطالعه بر نمره دانشآموزان دبیرستان
روش تحقیق: ۱۰ دانشآموز به صورت تصادفی انتخاب شدند. دادههای ساعت مطالعه و نمره جمعآوری شد.
نتایج:
میانگین ساعت مطالعه: ۳.۰ ساعت
میانگین نمره: ۱۶.۰
همبستگی Pearson بین ساعت مطالعه و نمره: r=0.87, p=0.001
تست تفاوت جنسیت: p>0.05 (تفاوت معنیدار نیست)
معادله رگرسیون: نمره = ۱۰ + ۱.۵ × ساعت مطالعه
نتیجهگیری: افزایش ساعت مطالعه تأثیر مثبت و معنیدار بر نمره دانشآموزان دارد.
۱۳. ایجاد فایل SPSS آماده با دادهها و تحلیلها
13.1 مراحل سریع در SPSS
-
تعریف متغیرها در Variable View
ID: Numeric, Measure = Nominal
Gender: Numeric, Measure = Nominal, Labels: 1=Male, 2=Female
Age: Numeric, Measure = Scale
StudyHours: Numeric, Measure = Scale
Score: Numeric, Measure = Scale
-
ورود دادهها در Data View
از جدول نمونه قبلی (۱۰ دانشآموز) استفاده کن.
اگر بخواهی میتوانی تعداد نمونه را تا ۵۰ یا ۱۰۰ افزایش دهی تا تحلیلها واقعیتر باشد.
-
انجام تحلیلها
Descriptive Statistics → میانگین، انحراف معیار، کمینه، بیشینه
Bivariate Correlation (Pearson) → بررسی رابطه StudyHours و Score
Independent-Samples T Test → بررسی تفاوت نمره بر اساس Gender
Linear Regression → پیشبینی Score بر اساس StudyHours
-
ساخت نمودارها
Graphs → Chart Builder
Scatterplot: رابطه StudyHours و Score
Histogram: توزیع Score
Boxplot: مقایسه Score بر اساس Gender
۱۳.۲ ذخیره فایل نهایی
بعد از وارد کردن دادهها و انجام تحلیلها، فایل را با فرمت .sav ذخیره کن.
همچنین میتوانی خروجی تحلیلها را با فرمت .spv ذخیره کنی تا نمودارها و جدولها حفظ شوند.
