سفارش تحلیل آماری با spss – تفاوت آمار پارامتریک و ناپارامتریک
در سفارش تحلیل آماری با spss دو نوع آمار داریم که به شرح این دو می پردازیم.
1 – آمار پارامتریک: آزمونهای آماری با دو رویکرد کلی ساخته شده و ساخته می‌شوند. یک رویکرد این است که بر اساس توزیع‌های آماری موجود آزمونهای آمار ساخته شوند. مثلا آزمونی بر مبنای توزیع نرمال، پواسون و … ساخته شود. در این موارد آزمون ساخته شده در شرایطی که داده‌ها توزیع مفروض آزمون آماری را داشته باشند، نتایج دقیقی ایجاد خواهد کرد. اما در شرایطی که داده‌ها دارای توزیع مفروض نباشند، دیگر نمی‌توان بر درستی نتایج بدست آمده بوسیله آن آزمون اعتماد کرد.
به آزمون‌هایی از این جنس که بر مبنای توزیع‌های آماری ساخته می‌شوند، آزمونهای پارامتریک می‌گویند. در کل نیز این شاخه آمار پارامتریک نام دارد.
2- آمار ناپارامتریک. رویکرد دیگر در ساخت آزمونهای آماری این است که آزمونها بر مبنای توزیع آماری خاصی ساخته نمی‌شوند. یعنی توزیع خاصی را مفروضه کار قرار نمی‌دهند و نیازی نیست که داده‌ها دارای توزیع خاصی باشند. به این نوع آزمونها، آزمونها ناپارامتریک یا آزاد-توزیع می‌گویند. این شاخه علم آمار نیز، آمار ناپارامتریک نام دارد.
انجام spss و تحلیل آماری داده های خود را به ما بسپرید.
سفارش تحلیل آماری با SPSS – انجام تحلیل آماری پارامتریک و ناپارامتریک
زمانی که در سفارش تحلیل آماری از روایی و اعتبار داده‌های بدست آمده از ابزارهای اندازه‌گیری اطمینان داشته باشیم و داده‌ها دارای توزیع مفروض آزمون آماری مد نظر باشند، آنگاه مجاز به استفاده از آزمون پارامتریک مد نظر هستیم. اما زمانی که داده‌ها دارای توزیع مفروض نباشند و یا داده‌های به دست آمده بوسیله ابزار اندازه‌گیری روایی و اعتبار بالایی نداشته باشند (به صورتی که نتوان حداقل فاصله‌ای بودن مقیاس داده‌ها را تأیید کرد. نه اینکه روایی و اعتبار پایین داشته باشند) آنگاه ما مجاز به استفاده از آزمونها پارامتریک نیستیم و بایستی از آزمونها ناپارامتریک استفاده کنیم.
در شرایطی که از روایی و اعتبار داده‌های بدست آمده از ابزارهای اندازه‌گیری اطمینان داشته باشیم اما توزیع مفروض داده‌ها برقرار نباشد آنگاه اگر امکانش باشد که با یک تبدیل‌های غیرخطی توزیع داده‌ها را به توزیع مد نظر تبدیل کرد، در این شرایط نیز می‌توان از آزمونهای پارامتریک استفاده کرد.هنگام سفارش spss حتما به نوع داده های خود توجه داشته باشید.
سفارش تحلیل آماری با SPSS – منبع:
MacFarland, T. W., & Yates, J. M. (2016). Introduction to nonparametric statistics for the biological sciences using R. Springer.
Agresti, A., & Franklin, C. (2017). The art and science of learning from data. Upper Saddle River, NJ: Prentice Hall.
جهت انجام پروژه های پکت تریسر اینجا کلیک کنید
همچنین شما می توانید خدمات سفارش انجام پروژه های پکت تریسر و خدمات سفارش پروژه برنامه نویسی و خدمات انجام پایان نامه و خدمات سفارش پاورپوینت و خدمات سفارش تایپ و خدمات فروش پسته و خدمات تایپ آنلاین و خدمات سفارش ترجمه و خدمات انجام پروژه برنامه نویسی و خدمات انجام SPSS و خدمات برنامه نویسی اندروید و خدمات powerpoint services را از ما درخواست نمایید.
به طور کلی آزمون ها به دو دسته پارامتری و ناپارامتری تقسیم بندی می شوند.
یک دسته از تکنیک های استنباطی به نتیجه گیری هایی می انجامد که با قید و شرط همراهند مثلا( اگر مفروضات جامعه معتبر باشند می توانیم نتیجه گیری کنیم که …… ) که به این گروه آزمون های پارامتری گفته می شود.
اما در سال های اخیر تکنیک های استباطی دیگری به وجود آمده اند که مفروضات سخت گیرانه ای را درباره پارامترها پیش نمی کشد ، به این دسته از آزمونها ، آزمون های ناپارامتری یا آزاد گفته می شود که نتیجه گیری در آنها مستلزم هیچ قید و شرطی نمی باشد.
آزمون های پارامتری مزیت هایی نسبت به ازمون های ناپارامتری دارند:
1-ازمون های پارامتری توان و انعطاف بالاتری دارند.
2-ازمون های پارامتری نه تنها به پژوهش گر این امکان را می دهد که اثر متغیر مستقل را بر روی متغیر وابسته مطالعه کند بلکه امکان مطالعه تاثیر متقابل آنها را هم فراهم می کند.
3-نمونه های کوچک و انحراف در داده ها باعث می شود که از ازمون های ناپارامتری استفاده کنیم .
4-ازمون های پارامتری توانمندترین ازمون ها برای رد فرض صفر، زمانی که باید فرض صفر را رد کنیم می باشد.
پیش فرض های آزمون های پارامتری:
1-مشاهدات ما باید از جمعیت های اماری که دارای توزیع نرمال هستند به دست امده باشند.
2-این جمعیت های اماری باید دارای واریانس برابر باشند.
3-متغیرها باید حداقل با مقیاس فاصله ای اندازه گیری شده باشند.
4-مشاهدات ما باید مستقل از یکدیگر باشند.
هر چند اگر شروط بالا برقرار نباشد ناگزیر به استفاده از ازمون های ناپارامتری هستیم ولی تا جای ممکن همواره سعی میکنیم از آزمون های پارامتری استفاده کنیم مثلا اگر توزیع داده ها نرمال نباشد با حذف داده های پرت توزیع داده ها را به نرمال نزدیک کنیم.
برخی از آزمون های پارامتری و ناپارامتری:
آزمون های پارامتری که برای سنجش رابطه مورد استفاده قرار می گیرند: همبستگی پیرسون ، رگرسیون خطی
آزمون های ناپارامتری که برای سنجش رابطه مورد استفاده قرار می گیرند:همبستگی کندال و اسپیرمن،ضرایب فی و وی کرامر،مجذور کای استقلال
آزمون های پارامتری که برای مقایسه میانگین یا میانه مورد استفاده قرار می گیرند:t یک نمونه ای،t گروه های مستقل، t جفتی یا همبسته، تحلیل واریانس،تحلیل اندازه های مکرر
آزمون های ناپارامتری که برای مقایسه میانگین و میانه مورد استفاده قرار می گیرند:من ویتنی ، ویلکاکسون،کروسکال والیس،فریدمن،مجذور کای نیکویی برازش
خانم محمدی لطفا با من تماس بگیرید. کرباسی
09132402747
آمار را می‌توان به دو دسته عملیات تقسیم کرد:
آمار توصیفی: شیوه‌هایی است که برای خلاصه کردن مقادیر بزرگی از داده‌ها مورد استفاده قرار می‌گیرد. برخی از این توصیف‌ها در مکالمه‌های روزمره به کار می‌روند، مثلاً اگر شما از متوسط درآمد سخن می‌گویید در حال استفاده از آمار توصیفی هستید.
آمار استنباطی: شیوه‌هایی است که با استفاده از آنها از داده‌های جمع‌آوری شده نتیجه‌ای استنباط میکنیم. آمار استنباطی ما را قادر می‌سازد سؤال‌هایی از نوع «آیا تفاوتی وجود دارد؟» یا «آیا رابطه‌ای وجود دارد؟» را به زبان ریاضی پاسخ دهیم.
در تحلیل داده‌ها با استفاده از اس‌پی‌اس‌اس، سه مرحلهٔ اساسی وجود دارد. نخست باید داده‌های خام را وارد کنید و آنها را در یک پرونده ذخیره نمایید. دوم باید تحلیل مورد نیاز را برگزینید و آن را مشخص کنید. سوم برونداد را وارسی کنید. این مراحل در تصویر، توضیح داده‌شده‌اند.
با سلام و خسته نباشید
بنده خیلی مچکرم که چنین راهکاری را برای انواع دانشجویان به خصوص دانشجویان روانشناسی که زیاد با نرم افزار آشنایی ندارن ولی به تحلیل و آمار نیازمند هستند بسیار کار پسندیده ای انجام داده اید.
برای اینکه آزمون آماری مناسب، مورد استفاده در پژوهش به درستی انتخاب شود، مطالعه مقالات انتخاب صحیح آزمون های آماری ضروری است.
آزمونهای آمار استنباطی به دو گروه تقسیم می‌شوند.
پارامتری: به تجزیه و تحلیل اطلاعات در سطح مقیاس فاصله‌ای و نسبی می‌پردازند که حداقل شاخص آماری آنها میانگین (Mean) و واریانس (Variance) است.
آزمونهای ناپارامتری : به تجزیه و تحلیل اطلاعات در سطح مقیاس اسمی و رتبه‌ای می‌پردازند که شاخص آماری آنها میانه (Median) و نما (Mode) است.
آزمونهای پارامتریک : آزمون t تک نمونه ، آزمون t وابسته ، آزمون t دو نمونه مستقل ، آزمون t ولچ ، آزمون t هتلینگ ، تحلیل واریانس (ANOVA) ، تحلیل واریانس چندعاملی (MANOVA) ، تحلیل کوواریانس چندعاملی (MANCOVA).
آزمونهای ناپارامتریک : آزمون علامت تک نمونه ، آزمون علامت زوجی ، ویلکاکسون ، من-ویتنی ، کروسکال-والیس ، فریدمن ، کولموگروف-اسمیرنف ، آزمون تقارن توزیع ، آزمون میانه ، مک نمار ، آزمون Q کوکران ، ضریب همبستگی اسپیرمن.
آزمونهای پارامتریک و پیش‌فرض‌های مربوط به آن
آزمونهای پارامتریک را می‌توان از موثرترین آزمونها دانست که در قالب موارد در تعمیم نتایج حاصل از گروه نمونه به جامعه آماری مورد استفاده قرار می‌گیرند. مشروط بر اینکه پیش‌فرض‌های زیر در مورد آنها رعایت شوند:
۱- هریک از موارد مشاهده شده مستقل است یعنی انتخاب یک مورد به انتخاب هیچ مورد دیگری وابسته نیست.
۲- واریانس نمونه‌ها برابر یا تقریباً برابر است. رعایت این نکته در نمونه‌های با حجم کم اهمیت بیشتری دارد.
۳- توصیف متغیرها براساس مقیاس‌های نسبی و یا فاصله‌ای انجام می گیرد.
آزمونهای ناپارامتریک
گاهی در پژوهش‌ها، داده‌هایی گردآوری می‌شوند که دارای مقیاس اسمی یا رتبه‌ای می‌باشند. همچنین ممکن است داده‌ها دارای مقیاس فاصله‌ای باشند ولی توزیع داده‌ها در جامعه طبیعی (نرمال) نیست. در چنین مواردی پژوهشگر ملزم به استفاده از آزمونهای ناپارمتریک است. این آزمونها در کلیه مواردی که پژوهشگر نمی‌تواند از آزمونهای پارامتریک استفاده کنید ابزار مناسبی برای آزمون فرضیه‌ها هستند. بطورکلی می‌توان گفت که این آزمونها در مورد داده‌هایی بکار می روند که:
۱- مقیاس اندازه‌گیری آنها اسمی یا رتبه‌ای باشد (از نوع داده‌های ناپیوسته و یا منفصل و بنابراین حاصل شمارش هستند).
۲- بر نرمال بودن توزیع در جامعه استوار نیستند.