Transformمنوی

سري يك ايجاد جديد، مقادير محاسبه براي Transform منوي فرمانهاي از .مي شود استفاده غيره و شده گم مقادير جايگزيني تصادفي، مقادير

:منو نوار

:منو نوار

Compute : جهت ايجاد متغير جديد مراحل زير را اجرا كنيد

.را انتخاب و اجرا كنيد Computeدستور Transformاز منوي . 1 .نام متغير جديدرا وارد كنيد Target Variableدر كادر . 2 .نشانگر موس را كليك كنيد Numeric Expressionدر كادر . 3 در ليست متغيرها نام متغير مورد نظر را كليك و متغير مورد نظر را به . 4

.منتقل كنيد Numericكادر از ماشين حساب با توجه به هدف مورد نظر عالمت هاي جمع، تقسيم، . 5

در يك متغير جديد سپس . را كليك كنيد OKگزينه را انتخاب و ... ضرب و . بخش داده ها ايجاد مي گردد

Recoding گاهي بر اساس ماهيت پژوهش و سواالت مورد بررسي الزم است تا برخي متغير ها

. با هم تركيب شوند و يا سطح بندي متغير ها را تغيير دهيم

: Recode into same Variablesدستور ( الفدر صورتي كه بخواهيم تغييرات در همان ستون متغيرِ موجود اعمال شود، از اين

.دستور استفاده مي كنيم : Recode into Different Variablesدستور ( ب

و اگر الزم باشد متغير جديد، در ستون ديگري تعريف شود و اصل داده ها محفوظ .بماند ، از اين دستور استفاده مي كنيم

SPSS در ها داده بودن نرمال بررسی اين تا كه دارد وجود هايي فرض پيش پارامتريك، هاي آزمون اغلب در

در .بود خواهد نامعتبر آزمون، از آمده دست به نتايج نشوند؛ تامين مفروضات .هاست داده بون نرمال فرض فرض، شايعترين و مهمترين مفروضات اين ميان

ها داده فراواني هيستوگرام كه است اين ها داده توزيع بودن نرمال از منظور .باشد نرمال منحني صورت به تقريبا

:بررسی شکل توزیع از طریق نمودار SPSS در ها داده بودن نرمال بررسی اين تا كه دارد وجود هايي فرض پيش پارامتريك، هاي آزمون اغلب در

در .بود خواهد نامعتبر آزمون، از آمده دست به نتايج نشوند؛ تامين مفروضات .هاست داده بون نرمال فرض فرض، شايعترين و مهمترين مفروضات اين ميان

ها داده فراواني هيستوگرام كه است اين ها داده توزيع بودن نرمال از منظور .باشد نرمال منحني صورت به تقريبا

مي استفاده پيوسته متغيرهاي در فراواني نمايش براي نمودار اين از: نکته فراواني عمودي محور و نظر مورد متغير نمودارها اين در افقي محور .شود

زنگوله يك شکل به منحني اگر .باشد مي پيوسته متغير از سطح هر در ها نمونه .است نرمال نظر مورد متغير كه است معني اين به بود

:آماری های شاخص طریق از ها داده بودن نرمال بررسی شاخص هاي بايد خير يا و است نرمال ها داده توزيع اينکه كردن مشخص جهت

.گردد محاسبه ( kurtosis) كشيدگي و (skewness) چولگي يا كجي

:حالت داردسه چولگي .تقارنيعني انحراف يك منحني از حالت چولگي .باشدكه منحني متقارن يعني اينصفر كجي

بيانگر اين ) استبزرگتر از ميانه و ميانه بزرگتر از ميانگين مد : منفيدر چولگي اندگرفته تري از ميانگينباالاست كه افراد زيادي نمره ي

بزرگتر از ميانه و ميانه بزرگتر از مد استميانگين : مثبت چولگيدر حالت استمقدار چولگي از صفر بيشتر فاصله داشته باشد، عدم تقارن، شديدتر هرچه

به عبارت ديگر . نشان دهنده ارتفاع يك توزيع است kurtosisكشيدگي يا هميشه كشيدگي را با كشيدگي . در قله استبلندي منحني كشيدگي معياري از

، كشيدگي مثبت، يعني قله توزيع مورد بنابراين. توزيع نرمال مقايسه مي كنندنظر از توزيع نرمال باالتر است و كشيدگي منفي، نشانه پايين تر بودن قله توزيع

.نسبت به توزيع نرمال است

محاسبه چولگی و کشیدگی

spssبه روش هاي مختلفي مي توان ميزان كجي و كشيدگي داده ها را در . مسيرهاي زير به نتايج يکساني منجر مي شود. محاسبه كرد

شاخص هاي كجي و كشيدگي spss از نمونه هاي adlبراي مثال براي فايل .محاسبه شده است

محاسبه چولگی و کشیدگی

:روش ديگر از طريق مسير زير

شاخص هاي كجي و كشيدگي spss از نمونه هاي adlبراي مثال براي فايل .محاسبه شده است

قرار (- 2 تا 2)+ دامنه در ها داده كشيدگي و چولگي مقدار اگر كلي حالت در نبود نرمال ها داده توزيع اگر .اند برخوردار نرمال توزيع از ها داده باشد داشته

شکل به را ها داده شود مي گفته ادامه در كه هاي تکنيك از استفاده با توان مي .رويم مي ناپارامتريك آمار سمت به صورت اين غير در كرد نزديك نرمال

:آماري آزمون طريق از كشيدگي و كجي بررسياستفاده ويلك -اسميرنوف و شاپيرو -آزمون كلموگروفددو براي اين هدف از

با يکديگر ولي در عمل تفاوت اندكي . هم هستنداين آزمون ها مشابه . مي شود .دارند .اگر حجم نمونه كم است، هر دو آزمون نتايج يکساني دارند -الفاسميرنوف مناسب تر از شاپيرو -آزمون كلموگروفبزرگ، اگر حجم نمونه -ب

.است . براي اجراي اين آزمون ها از مسير زير استفاده مي كنيم -1

Analyze/Descriptive Statistics/Explore

انتقال مي دهيم Dependent Listمتغير مورد نظر را به را انتخاب مي كنيم Plotsگزينه -3را مي توان انتخاب كرد اين ... نمودار هاي هيستوگرام و يا شاخه و برگ و -4

نمودارها به صورت بصري، نرمال بودن يا نبودن متغير مورد آزمون را تاييد مي .كنند

را فعال كرده Normality plots with testsگزينه -5 را انتخاب مي كنيم okو Continueدر انتها گزينه -6

sig: تفسیر سطح معنی داریبنا براين . در اين آزمون، فرض صفر بر نرمال بودن توزيع داده ها بنا شده است

ازمون اگر در اين .اگر فرض صفر رد شود به معني غير نرمال بودن داده ها است، مي باشد0/05بيشتر از نمايش داده مي شود، sigها سطح معني داري كه با

در غير اين صورت نمي توان . توان داده ها را با اطمينان بااليي نرمال فرض كرد .استداده ها، نرمال گفت توزيع

: راه های مقابله با داده هایی که توزیع نرمال ندارند

تبديل هايي را كه مي توان بکاربرد عبارتند از تبديل متداولترين : ها تبديل( الف، تبديل لگاريتمي، تبديل معکوس و تبديل قوس سينوسي (ريشه دوم)جذري

تصميم درباره اينکه كدام تبديل را بايد بکاربرد براساس بررسي ( آرک سينوس) .شود هاي متغير آغاز مي ها و ميانگين رابطه بين واريانس

با استفاده از نمودار و بررسي شاخص هاي آمار توصيفي : حذف داده هاي پرت( ب

. داده ها مي توانيم داده هاي پرت را حذف كنيم

روش های نرمال کردن متغیرها

:تبديل لگاريتمي Computeرا انتخاب و سپس گزينه Transformاز نوار منو گزينه

Variables را فعال مي كنيم . نام جديدي به متغير مورد نظرمان مي دهيم Target Variableدر قسمت

را انتخاب مي Arithmeticگزينه ، :Function Groupسپس در بخش به معناي لگاريتم را با دوبار كليك كردن انتخاب Lnاز توابع آن گزينه . كنيم

نمايش (?)Lnبا ابن صورت Numeric Expressionمي كنيم كه در بخش در گام بعدي متغيري را كه مي خواهيم به توزيع نرمال نزديك . داده مي شود

كنيم از سمت راست انتخاب و با كليك كردن بر روي فالش به داخل پرانتز و مي كنيم okو در آخر . به جاي عالمت سوال منتقل مي كنيم