نرم افزار اس پی اس اس SPSS چه کاربردی دارد؟ تعاریف، ویژگی ها، سرفصل های دوره

آموزش نرم افزار اس پی اس اس SPSS یک بسته آماری آموزشی جهت انجام تحلیل فصل چهارم پایان نامه و رساله دکتری کاربرد دارد. تحلیل داده(Data analysis) یکی از حوزه های بسیار پرکاربرد و روبه رشد در عصر حاضر بوده و تمام کسب و کارها در سرتاسر دنیا در تلاش هستند تا یک درک درستی از داده هایی که در اختیارشان است، بدست بیاورند. به هرحال، ابزارهای بسیار زیادی در حوزه بازار و بازاریابی ارائه شده است. در این دوره، قصد داریم در ارتباط با نرم افزار SPSS که معروف به بسته آماری برای علوم اجتماعی(Statistical Package for the Social Sciences) است، صحبت کنیم. قبل از اینکه شما را با آموزش کار با نرم افزار اس پی اس اس SPSS آشنا کنیم، باید بگوییم که یکی از بهترین نرم افزارهای آماری از میان ابزارهای متفاوت تحلیل داده های آماری به شمار می رود.

در دوره آموزشی نرم افزار SPSS  در ارتباط با موارد زیر به صورت کلی صحبت شده است؛ اما جزئیات سرفصل های دوره را می توانید در ادامه همین صفحه مطالعه کنید.

• نرم افزار SPSS چه نرم افزاری است؟
• ویژگی های اصلی نرم افزار SPSS چیست؟
• دو زبانه اصلی رابط کاربری نرم افزار SPSS
• کاربرد کیس ها در نرم افزار SPSS
• مزایای تحلیل های پیش بینی با نرم افزار SPSS (برای همه صنایع)
• مزایای کلی نرم افزار SPSS
• محدودیت های نرم افزار SPSS

حال به صورت دقیق به بررسی نرم افزار SPSS می پردازیم.

نرم افزار اس پی اس اس SPSS چگونه نرم افزاری است؟

نرم افزار اس پی اس اس SPSS یک برنامه آماری مناسب جهت تحلیل داده های علمی در حوزه علوم اجتماعی(social sciences) به شمار می رود. نرم افزار SPSS یک محیط کاری بسیار سریع و با محیطی مصور و گرافیکی در اختیارتان قرار می دهد که می توانید از مدل های ساده و کوچک تا مدل های بسیار پیچیده را در آن اجرا و تحلیل کنید. داده هایی که از نرم افزار SPSS بدست می آید برای مطالعات پژوهشی، داده کاوی(data mining)، پژوهش های بازاریابی(market research) و امثالهم، قابل استفاده می باشد. نرم افزار SPSS اساسا در سال 1968 میلادی از سوی موسسه SPSS Inc ارائه شده و در سال 2009 از سوی شرکت IBM در اختیار گرفته شد.

نرم افزار SPSS بسیار محبوب و پرطرفدار است؛ چراکه در عین کاربردی بودن، دارای رابط کاربری بسیار ساده، زبان دستور نویسی ساده و موجود بودن کتاب های آموزش نرم افزار اس پی اس اس SPSS است. نهادهای دولتی(Government entities)، موسسات آموزشی(educational institutions)، شرکت های تحقیقاتی(survey companies)، پژوهشگران بازاریابی(market researchers)، سازمان های بازاریابی(marketing organizations)، پژوهشگران حوزه سلامت(health researchers)، کاوشگر های داده ها(data miners)، و هریک از افراد دیگری که به دنبال تحلیل دیتا هستند، از طرفداران این نرم افزار به شمار می روند.

ویژگی های بارز و اصلی نرم افزار اس پی اس اس SPSS کدامند؟

ویژگی های اصلی در دسترس از سوی نرم افزار SPSS به شرح زیر است:

1-برنامه آماری برای تحلیل داده های کمی(Statistical program for quantitative data analysis): شامل جداول فراوانی(frequencies)، جداول متقاطع(cross-tabulation) و آماره های دو متغیره(bivariate statistics) است.

2-برنامه ای برای مدل سازی که امکان پیش بینی مدل ها را در دنیای حقیقی فراهم می کند(Modeler program that allows for predictive modeling): نرم افزار SPSS پژوهشگران را قادر می سازد تا مدل های پیش بینی شده را ایجاد و با استفاده از شیوه های آماری پیشرفته (advanced statistical procedures) اعتبار یابی کنند.

3-قابلیت تحلیل متن(Text analysis): این ویژگی نرم افزار اس پی اس اس SPSS می تواند به کاربران در الهام گرفتن از تفکرات و ایده های خود از ورودی های کیفی(qualitative inputs) از طریق پریشنامه های بسته(open-ended questionnaires) کمک شایانی نماید.

4-ابزارهای طراحی گرافیکی(Visualization Designer): به کاربران و پژوهشگران این اجازه را می دهد تا داده هایشان را در قالب تصاویر گرافیکی با کیفیت به تصویر بکشند.

علاوه بر کاربردهایی که در بالا به آن اشاره کردیم، نرم افزار SPSS  می تواند راه حل های مدیریتی را براساس داده هایتان پیشنهاد کند.ابزار data management solutions از جمله FHIR پژوهشگران را قادر می سازد تا نمونه ها را گزینش کرده و داده هایی را از آن ها استخراج نموده و به آن ها شکل دهند.

ویژگی های نرم افزار اس پی اس اس SPSS که آن را به ابر ابزار تحلیل داده های سنگین تبدیل کرده است!

SPSS features that make it a must-have analysis tool

نرم افزار SPSS یکی از ابزارهای محبوب و پرطرفدار برای پژوهش(research)، برای کارهای آزمایشگاهی و تجربی(experimentation) و تصمیم گیری(decision-making) کاربرد دارد. این نرم افزار یکی از پرکاربردی ترین برنامه های آماری در جهان بوده که دارای ویژگی های جذابی است. برخی از این خصوصیات نرم افزار SPSS در ادامه گزارش شده است:

1-با استفاده از ویژگی های اس پی اس اس(SPSS features)، کاربران قادر خواهند بود که هر قطعه از اطلاعات را از فایل ها به منظور اجرای آماره های توصیفی(descriptive)، استنباطی(inferential) و شیوه های آماری متفاوت چندگانه(multiple variant statistical procedures) استخراج کنند.

2-با توجه به پنل مدیریتی داده کاوی نرم افزار SPSS ، کاربران آن می توانند جست و جوهای هوشمند(smart searches)، استخراج اطلاعات پنهان شده با کمک درخت های تصمیم گیری(decision trees)، طراحی شبکه های عصبی(design neural networks) و بخش بندی های بازار(market segmentation) انجام دهند.

3-با استفاده از نرم افزار SPSS می توانید از عملگرهای جبری(algebraic)، محاسباتی(arithmetic) و مثلثاتی(trigonometric) استفاده کنید.

4-ویژگی گزارش گیری نرم افزار SPSS(Report Generator feature)، این امکان را به کاربرانش می دهد تا گزارش های جذاب و کاربردی از جست و جوهای خود آماده کنند. این خروجی ها می تواند به صورت متن(text)، جداول(tables)، گراف ها و نمودارها(graphs) و نتایج و خروجی های آماری(statistical results) در یک فایل مشابه قرار گیرند و با یکدیگر یکپارچه باشند.

5- نرم افزار SPSS همچنین کتاب ها و فایل های راهنمای آموزشی برای کار با SPSS ارائه می کند. این کار پژوهشگران را قادر می سازد تا مفاهیم مهم و کاربردی را در کتابخانه فرا دیتاها(metadata directory) ذخیره سازی کنند.

روش های آماری که می توانید در نرم افزار اس پی اس اس SPSS انجام دهید!

Statistical methods that can be leveraged in SPSS

–آماره های توصیفی(Descriptive Statistics): شامل روش شناسی از جمله جداول متقاطع(cross-tabulation)، فراوانی(frequencies)، و آماره های نسبتی توصیفی(descriptive ratio statistics) است.

–آماره های دو متغیره(Bivariate Statistics): با نرم افزار SPSS می توانید آزمون هایی از جمله اختلاف میانگین دو جامعه(means)، آزمون های ناپارامتریک(nonparametric tests)، ضریب همبستگی(correlation) و تحلیل واریانس(Analysis of Variance (ANOVA)) را انجام دهید.

–پیش بینی خروجی های عددی(Predicting numeral outcomes): می توان به رگرسیون خطی(linear regression) اشاره کرد.

-روش شناسی هایی از قبیل تحلیل خوشه ای(cluster analysis) و تحلیل های عاملی تاییدی(Comfirmatory factor analysis) و تحلیل عاملی اکتشافی(Explorateory Factor analysis) که بهترین ابزار برای شناسایی سوالات یک متغیر پنهان در قالب گروه ها است.

دو زبانه اصلی رابط کاربری نرم افزار اس پی اس اس SPSS

در نرم افزار SPSS دو زبانه اصلی در رابط کاربری وجود دارد که در ادامه به آن اشاره شده است:

1-زبانه مشاهده متغیرها(Variable View)

2-زبانه مشاهده دیتا(Data View)

زبانه مشاهده متغیرها(Variable View)

زبانه مشاهده متغیرها(Variable View) نرم افزار SPSS ستون هایی وجود دارد که بترتیب به توضیح آن ها خواهیم پرداخت:

1-ستون نام(Name): در این ستون می توانید یک شناسه منحصربفرد(unique ID) برای ذخیره سازی داده ها در مراحل بعدی، وارد کنید. برخی از این پارمترها جهت ذخیره سازی داده های نام(Name)، جنسیت(gender)، سطح تحصیلات(educational) و غیره استفاده می شود. توجه داشته باشید که تا 8 کاراکتر جهت نام گذاری متغیرها استفاده کنید و نمی توانید بین کاراکترها، فاصله بندازید.

2-برچسب(Label): در این ستون می توانید تعریف کوتاهی از متغیر ارائه کرده و می توانید از کاراکترهای بخصوصی مثل(^$#) استفاده کنید و محدودیتی برای کاربران وجود ندارد.

3-نوع(Type): در ستون نوع می توانید داده ها را براساس جنس آن ها از جمله عددی(Numerical) یا رشته ای(String) و غیره از یکدیگر تفکیک کنید.

4-پهنا/عرض هر ستون(Width): عرض هریک از کاراکترها را می توانید از این قسمت تعیین کنید.

اعشار(Decimal): در این ستون می توانید مشخص کنید تا چند رقم اعشار دیتا شما در زبانه مشاهده دیتا(Data View) SPSS نمایش داده شود.

ستون ارزش دهی به متغیرها(Value): در این ستون کاربران می توانند یک ارزش را برای طیفی از دیتا که برای اندازه گیری یک متغیر کد گذاری شده اند را تعریف کنند. برای مثال برای ارزش دهی به متغیر جنسیت افراد می توانیم عدد 0=گروه بانوان و عدد 1=گروه مردان استفاده کنیم.

ستون مقادیر گمشده(Missing): با استفاده از این قابلیت نرم افزار اس پی اس اس SPSS می توانید داده هایی که نیازی نیست در تحلیل ها درنظر گرفته شوند را حذف کنید. به جای هر سلول خالی می توانید عدد 99- یا 999- وارد کنید و در ستون مربوط به Missing این مقادیر را برای آن متغیر آشکار یا سوال تعریف کنید.

نوع چیدمان(Align): پس از اینکه نام متغیر را وارد کردید، از این قسمت می توانید نوع چیدمان مبنی بر اینکه مرکزی(Center)، چپ (Left) یا راست (Right) قرار گیرد را مشخص کنید.

شاخص اندازه گیری(Measure): از این قسمت می توانید با استفاده از سه شاخص ترتیبی/رتبه ای(ordinal)، اسمی(nominal) و فاصله ای (Interval) یا نسبتی(Ratio) هویت متغیرها را مشخص کنید.

زبانه مشاهده دیتا(Data View)

در زبانه مشاهده دیتا(Data View)، همانند نرم افزار اکسل، سطرها و ستون هایی را مشاهده می کنید که در این قسمت می توانید به صورت دستی دیتا حاصل از پرسشنامه تان را وارد کرده و یا در قالب فایل های اکسل یا spss دیتاهایتان را فراخوانی کنید. در این زبانه هر ستون معرف یک سوال و هر سطر معرف یک فرد پاسخ دهنده است. در دنیای آمار به افراد پاسخ دهنده ریکورد(Record) یا کیس(Case) گفته می شود.

کاربرد نرم افزار SPSS در صنایع مختلف

 آماره های نرم افزار SPSS یکی از رایج ترین ابزارهای تحلیل آماری در دنیای کسب و کار به شمار می روند. با توجه به قدرت و ویژگی های مهم اس پی اس اس، کاربران آن می توانند داده های خود را مدیریت و تحلیل کرده و به صورت فرم های گرافیکی جذاب مصور سازی کنند. این نرم افزار از رابط کاربری گرافیکی پشتیبانی کرده و هم می توانید از دستور نویسی یا سینتکس نویسی استفاده کنید. این قابلیت ها، نرم افزار SPSS را بسیار جذاب و کاربردی کرده است.

نرم افزار اس پی اس اس SPSS قادر است تا پردازش های سریعی از دیتا های نسبتا پیچیده به شما ارائه دهد. برای کار با دیتا های پیچیده و زیاد باید زمان زیادی را به پردازش آن ها تخصیص دهید. اجازه دهید که در ادامه صنایع اصلی که می توانند از نرم افزار اس پی اس اس SPSS استفاده کنند ارائه شده است.

1-پژوهش های بازاریابی(Market Research)

کسب و کارها خواهان ایده های با قابلیت اجرا پذیری بالا  هستند تا براساس آن ها بتوانند تصمیم گیری های سخت ولی اثربخش را در ارتباط با کسب و کارشان بگیرند. قطعا می دانید که هزاران دیتا از سوی هر کسب و کاری گردآوری می شود و اینکه به صورت دستی آن ها را جهت تحلیل پردازش کنید، امری غیر عقلانی به نظر می رسد.

-برای آن دسته از پژوهشگران بازایابی که در جست و جوی یک راه حل معتبری هستند تا به آن ها در درک داده ها، تحلیل ها، پیش بینی ها، برنامه ها، و نتیجه گیری کمک کند. در این شرایط SPSS بهترین ابزار به شمار می رود.

-با انجام تحلیل های آماری بسیار پیچیده و تخصصی، نرم افزار SPSS به پژوهشگران بازایابی کمک می کند تا ایده های کاربردی و قابل اجرایی از دیتای گردآوری شده از مشتریانشان را تحلیل کنند. با توجه به قدر و فناوری تحلیلی نرم افزار SPSS، می تواند اطلاعات دقیق تری در ارتباط با ترند های بازارها در اختیارتان قرار دهد.

-نقشه های ادراکی(Perceptual mapping)، شاخص ها، تحلیل های پیش بینی، یادگیری آماری و بسیاری از ابزارهای پیشرفته از قبیل خوشه بندی(clustered) و نمونه گیری چند مرحله ای(multistage sampling) به شما در تصمیم گیری کمک شایانی خواهد کرد.

2-حوزه آموزشی و دانشگاهی(Education)

موسسات آموزشی و دانشگاهی(Educational institutions) مجبور هستند تا سالانه از دانشجویان زیادی ثبت نام به عمل آورده و سال ها آن ها را پیش خود تعلیم دهند. نیازی به گفتن ندارد که آن ها باید دانشجویان جدیدی را هر ساله جذب کنند.این دقیقا نقطه ای است که نرم افزار SPSS وارد صحنه می شود.

-بالای 80% همه کالج های ایالت متحده آمریکا در حال حاضر از نرم افزار SPSS استفاده می کنند.

-قابلیت نرم افزار SPSS در تمرکز روی الگوهای مختلف این امکان را به آن ها می دهد تا شانس شناسایی دانشجویان موفق در آینده را داشته باشند. در این نرم افزار ترکیبی از عامل هایی استفاده می شود که به آن ها می گوید که کدام دانشجویان در خطر هستند.

-دانشکده های این موسسات می توانند از نرم افزار اس پی اس اس SPSS جهت تحلیل دیتاست های پیچیده و کلان برای شناسایی الگوهای پنهان استفاده کنند.

3-بخش سلامت(Healthcare)

در زندگی روزمره نیاز داریم تا مسائلی که در ارتباط با حوزه سلامت است را حل کنیم. اینجا نقطقه ای است که تحلیل ها با نرم افزاری همچون اس پی اس اس SPSS می تواند جان ها را نجات داده و مشکلات را در حوزه سلامت هندل کند. کاربرد تحلیل های آماری نرم افزار SPSS برای حوزه سلامت در مثال هایی که در ادامه ارائه شده بیان گردیده است.

-وقتی که بیماران به بخش مراقبت های سلامتی مراجعه می کنند، داده های بدست آمده از وضعیت جسمانی بیماران بسیار با اهمیت است. اصلا جای خطا و اشتباه وجود ندارد و در صورت بروز، می تواند پیامدهای جبران ناپذیری را به همراه داشته باشد؛ اما از این طرف، زمان مهم، حساس و شرایط فوری است.

-با کمک نرم افزار اس پی اس اس SPSS، سازمان های بهداشت و سلامت می توانند برنامه های پذیرش بیماران را با کمک داده های موجود پیاده سازی کنند. نه تنها تاثیر بسیار مطلوبی روی پذیرش بیماران به همراه دارد؛ بلکه هزینه های جانبی را کاهش می دهد.

-برای آن دسته از داده هایی که روابط پیچیده ای دارند، فنون مدل سازی دو متغیره و چند متغیره می تواند استفاده شود.

4- خرده فروشی ها(Retail)

صنعت خرده فروشان(retail industry) به طور چشم گیری به تحلیل ها برای هر چیز از برنامه های ذخیره کردن اولیه تا پیش بینی ترند ها و ترجیحات جدید مشتریان، متکی هستند. مشتریان حرف اول را در ارتباط با محصولات خرده فروشان میزنند.

مشتریان تصمیم گیری های خودشان را براساس بازبینی های آنلاین برند در رسانه های اجتماعی انجام می دهند. درنتیجه، بدیهی است که کسب و کار خرده فروش باید بهترین عملکردی که در توانشان است را از خود نشان دهند. خوشبختانه، تحلیل های آماری به ناجی برای صنعت خرده فروشی تبدیل شده است.

-کسب و کارهای خرده فروش داده های زیادی را تولید می کنند و نیازمند گردآوری، تجزیه و تحلیل و تبدیل آن ها به ایده های قابل اجرا هستند. با استفاده کاربردی و اثربخش داده ها با نرم افزار اس پی اس اس SPSS، کسب و کار ها می توانند بهترین تجربه خرید را برای مشتریانشان رقم بزنند.

-تحلیل های نرم افزار اس پی اس اس SPSS به خرده فروشان امکان درک درست و صحیح نیازهای مشتریانشان را داده و می توانند برای آن ها راه کارهای درست را ارائه کرده و آن ها را براساس ویژگی هایشان به کانال های توزیع درست سوق دهند.

-از فهم اینکه بخش های مختلف رفتار یک مشتری چقدر می تواند متفاوت بوده و چرا آن ها تصمیم به خرید قطعی می گیرند، همه این موارد را به راحتی می توان با تحلیل های نرم افزار SPSS درک کرد.

-با استفاده از الگوهای رفتار قبلی مشتریان، نرم افزار SPSS می تواند مشتریان را نمایه کند و شناسه ایی به آن ها اختصاص دهد. با پیمایش در داده ها، می توانیم به نیازها و ترجیحات و سلیقه مشتریان پی برده و با تجزیه و تحلیل ها شناسایی کنیم که مشتریان در فروشگاه ها به دنبال کدام محصولات هستند.

5 روش که تحلیل های پیشگویانه نرم افزار SPSS می تواند برای همه صنایع مفید باشد!

Five Ways SPSS Predictive Analytics Benefits All Industries

1-بهبود رضایت مشتریان(Improves customer satisfaction)

 -وقتی که یک کسب و کار زمان انتظار برای بررسی مشکلات مشتریان را کاهش داده و یا اینکه به نسبت گذشته، قادر باشند مشکلات را پیش از وقوع پیشگیری کنند، مشتریان اولین افرادی هستند که سریعا از این شرایط بهره مند می شوند.

-با تحلیل های پیشگویانه نرم افزار SPSS، بازاریاب ها می توانند پیشنهادهای ویژه خود را به گروه خاصی از مشتریان ارائه کنند.

-با انجام این کار، مشتریان دقیقا همان پیشنهاد درستی را دریافت می کنند که در جست و جوی آن بودند و چنین شخصی سازی هایی می تواند رضایت مشتریان را افزایش دهد.

2-افزایش نرخ بازگشت سرمایه(Increases ROI)

-تحلیل های پیش گویانه می توانند عایدی و اثربخشی یک سازمان را افزایش دهند.

-با تحلیل های پیشگویانه، کسب و کار ها می توانند  آن دسته از فعالیت هایی که خط تولیدشان را افزایش نمی دهد، شناسایی و حذف کنند. در واقع، شرایطی فراهم می کند که آن ها با استفاده از نتایج نرم افزار SPSS، روی آن چیزی که مهم است متمرکز گردند.

-متعاقبا، آنها می توانند هزینه های ناشی از فعالیت های غیر ضروری را کاهش دهند.

3-مقابله در برابر مخاطرات بالقوه(Defend against risks effectively)

-مخاطرات می توانند برای سلامتی هر کسب و کاری مضر و مخرب باشند. در چنین حالتی بجای اینکه روی آن چیزی که برای سازمان مهم است تمرکز کنند، هدف شان را به حل مسائل و دفع مخاطرات معطوف می کنند.

-با کمک تحلیل های پیشگویانه نرم افزار اس پی اس اس SPSS، کسب و کارها می توانند نقاط آسیب پذیر خود را جلوتر شناسایی کنند؛ درنتیجه آنها مطلع خواهند شد که کدام ریسک قابل پذیرش است و دیگری خیر.

4-پس انداز (Saves money)

-با استفاده از تحلیل های نرم افزار اس پی اس اس SPSS، کسب و کارها می توانند پول زیادی را بدست بیاورند.

-برای مثال، مشتریان در صنایع بانکداری و بیمه می توانند بیش از $2.4 میلیون را با استفاده از ابزارهای نرم افزار SPSS در طی 4 ماه جلوتر پس انداز کنند.

5-اجتناب از مسائل پیش از وقوع آن ها(Avoid problems before they happen)

-یکی از مزیت های بزرگ و کاربردی استفاده از نرم افزار اس پی اس اس SPSS، قدرت پیش بینی آن در ارتباط با پیش بینی مدت زمانی است که شرکت با شکست روبرو شده و یا مدتی از کار متوقف می شود.

-زمان تعلیق فعالیت کسب و کارها، تاثیر مهمی روی خط تولید آن سازمان داشته و روی چگونگی درک مشتریان از نام برند تاثیر منفی خواهد گذاشت.

– نرم افزار اس پی اس اس SPSS به شما در پیش بینی مسائل هزینه زا کمک می کند طوری که خط تولید بهینه شده و زمان تعلیق آن ها کاهش یابد.

مزایای استفاده از نرم افزار اس پی اس اس SPSS

ابزارهای تحلیل آماری این شرایط را فراهم می کند تا به راحتی بتوانید داده ها را فراخوانی و یا برای فراخوانی در نرم افزارهای آماری دیگر صادر کنید. بسیاری از روش های کنکاش در داده ها عالی هستند. می توانید به راحتی فایل ها را در هم ادغام کنید. اهمیتی ندارد که در یک موضوع و حوزه نبوده و متغیرها با یکدیگر تفاوت داشته باشند. کارکرد نرم افزار SPSS عالی است.

در نرم افزار SPSS، کاربران مجبور نیستند که از کدنویسی و سینتکس نویسی استفاده کنند. هرچند که از طریق دستور نویسی می توانید فایل ها را تحلیل و اصلاح کنید. وقتی یک فایل دستور نویسی شده موجود است، می توانید از عملکرد متغیرها برداشت های مفیدی بدست بیاورید.

-پاسخ های سریع و معتبر ارائه می دهد.

-خروجی های نرم افزار SPSS داینامیک بوده و جداول و گراف های زیادی را ارائه می کند.

-از آنجایی که نرم افزار SPSS طیف وسیعی از زبان ها را پشتیبانی می کند، افرادی زیادی می توانند به آن دسترسی داشته باشند.

-می توانید با نرم افزار SPSS مدیریت اثربخش تری روی داده ها داشته باشید.

-نیازی نیست که تلاش زیادی برای اجرای نرم افزار SPSS خرج کنید.

-برای هر دو طیف داده های کمی(quantitative) و کیفی(qualitative) کاربرد دارد.

-رخ دادن خطا در آزمون ها با نرم افزار SPSS تقریبا صفر است.

-یکی از ابزارهای ساده ولی کاربردی برای تحلیل داده ها به شمار می رود.

-کاربران نرم افزار SPSS می توانند انواع مختلفی از گراف ها را ترسیم کنند که با توزیع داده هایشان تناسب داشته باشد.

محدودیت های کاربرد نرم افزار اس پی اس اس SPSS

یکی از بزرگترین عیب های کار با نرم افزار SPSS، این است که این نرم افزار نمی تواند دیتا های وسیع و کلان را تجزیه و تحلیل کند. حوزه های زیادی وجود دارند که با حجم زیادی از اطلاعات سرو کار دارند. در چنین صنایعی، کاربرد نرم افزار اس پی اس اس SPSS ممکن است بهترین گزینه موجود نباشد.

اگر پژوهشگران داده هایی را از طریق روش های سوء گیری گردآوری کنند، آنگاه نتایج تحلیل های آماری نمی تواند جواب صحیح را در اختیارتان قرار دهد. اگر شکاف بین نمونه و جامعه آماری قابل چشم پوشی باشد، آنگاه مشکلی رخ نمی دهد. اما اگر این شکاف و اختلاف زیاد باشد، آنگاه می تواند داده های گمراه کننده در اختیارتان قرار دهد.

وقتی که پژوهشگران نتوانند دقیقا آن چیزی که در جست و جوی اندازه گیری آن هستند را اندازه گیری نمایند، آنگاه تحلیل های SPSS قابل استناد نخواهد بود. یکی دیگر از معایب استفاده از یک ابزار تحلیل آماری از جمله نرم افزار SPSS ، این است که جواب ساده ای به موضوعات پیچیده عرضه می دارد.

نتیجه گیری و جمع بندی(Conclusion)

نرم افزار اس پی اس اس SPSS به دانشمندان(scientists)، پژوهشگران(researchers)، تحلیل گرهای کسب و کارها(business analysts)، مدیران و بازاریاب ها(managers) در خلال فرایند های تحلیل، شروع برنامه ریزی ها، گردآوری داده ها(data collection)، گزارش گیری کمک شایانی می کند. اهمیتی ندارد که اهداف کسب و کار شما چه باشد، اگر شما دیتاست های متفاوتی داشته باشید که می خواهید آن ها را تحلیل کنید، نرم افزار اس پی اس اس SPSS یکی از بهترین ابزارهای تحلیل آماری است که می توانید بکار بگیرید.

در ادامه توجه شما را به سرفصل های دوره جامع آموزش نرم افزار اس پی اس اس  SPSS جلب می کنیم. در این دوره سعی شده با ارائه درسنامه های جامع، توضیحات کاربردی، دیتا ست ها و پروژه های همراه، شما را از سطح مقدماتی تا پیشرفته به درجه ای برسانیم که دیگر به منبع جانبی متفرقه نیازی نداشته باشید.

درس 01: معرفی نرم افزار SPSS

مدت زمان ویدئو: 00:28:08

بخش اول: معرفی نرم افزار SPSS و ارائه گزارش های آماری از کاربرد نرم افزار در دنیا

مدت زمان این بخش: 00:03:44

ارائه گزارش از محبوبیت و کاربرد نرم افزار SPSS براساس آمار ارائه شده از سایت R4stat.com

مخاطبین نرم افزار SPSS چه کسانی هستند؟

4 دلیل اصلی انتخاب نرم افزار SPSS برای انجام تحلیل های آماری فصل چهارم پایان نامه

بخش دوم: آشنایی با رابط کاربری نرم افزار SPSS

مدت زمان این بخش: 00:03:44 تا 00:15:17

آشنایی با کاربرد دو زبانه Data View  و Variable View در نرم افزار SPSS

نحوه دسترسی به دیتاست های مثال های همراه نرم افزار SPSS

آشنایی با کاربردهای ستون های زبانه Variable View و نحوه تنظیم آن ها

بخش سوم: شروع کار با نرم افزار SPSS به صورت کاربردی و پروژه محور

مدت زمان این بخش: 00:15:17 تا 00:28:08

کاربرد ابزار Graph board Templates در ترسیم گراف ها

-رسم نمودار Basic

-رسم نمودار Detailed

کاربرد ابزار Bar Charts از منوی Legacy Dialog

کاربرد ابزار Histograms از منوی Legacy Dialog

-کاربرد ابزار Scatterplots

-موارد استفاده از ابزار Scatterplots

انواع Scatterplots

درس 02: مفاهیم نظری و قوانین مهم در نرم افزار SPSS

مدت زمان ویدئو: 01:10:43

بخش اول: آشنایی با اصطلاحات و مفاهیم آماری

مدت زمان این بخش: 00:20:10

انواع داده ها در آمار

روش های گردآوری داده ها

-داده های اولیه(Primary data)

-داده های ثانویه(Secondary data)

تعریف متغیرها در آمار(What are variables)

انواع متغیرها در آمار

انواع متغیرها براساس نقش آن ها(Types of Variables by role)

انواع شاخص های متغیرها(Measures of Variables)

تعریف نمونه و جامعه آماری

آماره توصیفی و استنباطی در پژوهش

بخش دوم: برچسب گذاری و تعریف متغیرها در SPSS(Labels and definitions )

مدت زمان این بخش: 00:20:00 تا 00:31:17

طبقه بندی و نام گذاری علمی ستون های زبانه Variable View

6 قانون نام گذاری متغیرها در SPSS

3 قانون مهم برچسب نویسی برای متغیرها

بخش سوم: انجام یک پروژه عملی در نرم افزار SPSS

مدت زمان این بخش: 00:31:17 تا 01:10:43

فرمت های مجاز برای فراخوانی دیتا به داخل نرم افزار SPSS

فرمت درست دیتا در اکسل(Excel)

فراخوانی دیتا به نرم افزار SPSS(Importing Data)

-فراخوانی از فایل تکست *.TEXT-TAB Delimiter

-فراخوانی از فایل *.CSV-Comma Delimiter

-فراخوانی از فایل اکسل

کاربرد Basic statistics

– Chart Vs. Statistics

آموزش کاربرد گزینه های Descriptive Statistics

-آموزش کامل دستور Frequencies و تنظیمات آن

-آموزش کامل دستور Descriptive و تنظیمات آن

-استاندارد سازی متغیرها (Z-score procedure )

-میانگین گرفتن از سوالات یک متغیر چند آیتمی

-کاربرد Explore

-پلات های واقع در Explorer

تمپلیت گزارش نویسی آماره توصیفی فارسی و لاتین

درس 03: شناسایی نقاط پرت، آلفای کرونباخ و بررسی همبستگی

مدت زمان ویدئو: 00:55:08

بخش اول: شناسایی نقاط پرت (Outliers)

مدت زمان این بخش: 00:30:27

-چطور نقاط پرت (Outliers) را شناسایی کنیم؟

–راه های شناسایی نقاط پرت (Outliers) در نرم افزار SPSS

-چه سطحی از مقدار Z-score بیانگر وجود نقاط پرت (Outliers) در دیتاست می باشد؟

کاربرد دستور STDV.P در اکسل جهت شناسایی نقاط پرت

انجام یک پروژه عملی در نرم افزار SPSS

بخش دوم: محاسبه پایایی متغیر با ضریب آلفای کرونباخ(Cronbach Alpha)

مدت زمان این بخش: 00:30:27 تا 00:44:29

تعریف پایایی(Reliability)

بازه قابل قبول برای ضریب آلفای کرونباخ براساس سه رفرنس معتبر

نحوه اجرای آزمون ضریب آلفای کرونباخ(Cronbach Alpha) در SPSS

روش های بهبود پایایی

A.استفاده از شاخص Scale if item deleted

B.استفاده از شاخص همبستگی کل(Total Correlation)

نحوه گزارش نویسی پایایی برای فصل چهارم پایان نامه فارسی/لاتین

 بخش سوم: کاربرد Scatterplots  در تعیین روابط بین دو متغیر

مدت زمان این بخش: 00:44:29 تا 00:55:08

انواع حالت های Scatterplots

بررسی شدت رابطه از روی نمودار Scatterplots

ارائه رفرنس برای آزمون  نمودار Scatterplots در SPSS

نحوه اجرای Scatterplots  در نرم افزار SPSS

-دو مسیر دسترسی به Scatterplots

درس 04: آزمون همبستگی و کاربرد گزینه های Split File  و Select cases

مدت زمان ویدئو: 00:42:00

بخش اول: ضریب همبستگی(Correlation Coefficient)

مدت زمان این بخش: 00:34:18

مقدمه ای بر روابط خطی(Linear Relationships)

شاخص r به عنوان شاخص همبستگی(Correlation Coefficient= r)

تفسیر ضریب همبستگی

ویژگی های ضریب همبستگی(Correlation Coefficient)

انتخاب صحیح آزمون همبستگی دو دنباله(Two Tailed ) و تک دونباله(One Tailed)

انجام آزمون همبستگی در SPSS  به صورت پروژه درسی

نحوه گزارش نویسی ضریب همبستگی بین دو متغیر در نرم افزار SPSS

بخش دوم: نحوه Split File  و Select cases در نرم افزار SPSS

مدت زمان این بخش: 00:34:18 تا 00:42:00

درس 05:آزمون همبستگی برای متغیرهای غیر نرمال، آزمون One sample t-test و Independent samples t-test با بررسی اندازه تاثیر Cohen’s d

مدت زمان ویدئو: 00:52:24

بخش اول: بررسی معناداری همبستگی بین دو گروه با کمک سایت Daniel Sobel

مدت زمان این بخش: 00:11:44

بخش دوم: تحلیل همبستگی بوت استراپینگ برای متغیرهای غیر نرمال

مدت زمان این بخش: 00:11:44 تا 00:15:05

بخش سوم: آزمون t  تک نمونه (One sample t-test)

مدت زمان این بخش: 00:15:05 تا 00:28:57

آموزش کامل تنظیمات لازم برای آزمون t  تک نمونه (One sample t-test) در نرم افزار SPSS

نحوه گزارش نویسی فارسی و لاتین خروجی های آزمون t  تک نمونه (One sample t-test)

بخش چهارم: آزمون T مستقل(Independent samples t-test)

مدت زمان این بخش: 00:28:57 تا 00:52:24

آموزش کامل تنظیمات لازم برای آزمون T مستقل(Independent samples t-test) در نرم افزار SPSS

نحوه گزارش نویسی Independent samples t-test فارسی/لاتین

محاسبه اندازه تاثیر کوهن (Cohen’s d)با ماشین حساب آنلاین Daniel Soper

درس 06: مفروضات آزمون های گروه T-test و توزیع نرمال داده ها

مدت زمان ویدئو: 00:31:36

بخش اول: مفروضات آزمون های تی T-test

مدت زمان این بخش: 00:04:25

استقلال متغیرها(Independence)

شاخص روی Scale تنظیم شده باشد(Measurement Scale)

وضعیت نرمال بودن(Normal Distribution )

بخش دوم: آزمون های توزیع نرمال(Normal Distribution Tests)

مدت زمان این بخش: 00:04:25 تا 00:31:36

روش اول: شاخص چولگی(Skewness) و کشیدگی(Kurtosis)

روش دوم: رسم نمودار هیستوگرام و منحنی نرمال

روش سوم: آزمون كولموگروف-اسميرنوف و شاپيرو-ويلك(One-Sample Kolmogorov-Smirnov Test)

روش چهارم: Non-parametric test-one sample

گزارش نویسی وضعیت نرمال بودن توزیع متغیرها فارسی/لاتین

درس 07:  آزمون تی زوجی (Paired samples t-test)

مدت زمان ویدئو: 00:32:00

بخش اول: معرفی آزمون تی زوجی(Paired samples t-test)

مدت زمان این بخش: 00:26:39

تشریح کامل آزمون تی زوجی (Paired samples t-test) و کاربردهای آن

ارائه چند سناریو در ارتباط با آزمون Paired samples t-test برای درک بهتر دانش پذیران

اجرای عملی آزمون تی زوجی (Paired samples t-test) در نرم افزار SPSS

نحوه گزارش نویسی آزمون تی زوجی (Paired samples t-test) برای فصل چهارم پایان نامه فارسی/لاتین

بخش دوم:  محاسبه اندازه تاثیر(Eta Squared) برای آزمون Paired samples t-test

مدت زمان این بخش: 00:26:39 تا 00:32:00

شاخص Eta Squared  چیست؟

چطور با ماکروی Eta Squared مقدار اندازه تاثیر را محاسبه کنیم؟

تفسیر نتایج اندازه تاثیر Eta Squared براساس شاخص کوهن Cohen’s d

درس 08: آزمون تحلیل واریانس (One-Way ANOVA)

مدت زمان ویدئو: 00:36:50

مروری بر مفاهیم پایه آزمون تحلیل واریانس در نرم افزار SPSS

تشریح کامل ویژگی های آزمون تحلیل واریانس (One-Way ANOVA)

ارائه سناریو های مختلف در شرایط خاص برای درک بهتر آزمون تحلیل واریانس

مسیر انجام آزمون آزمون تحلیل واریانس (One-Way ANOVA) در SPSS

تنظیمات لازم برای اجرای صحیح آزمون تحلیل واریانس (One-Way ANOVA)

تصمیم گیری برابری واریانس بین گروه با با آزمون levene’s

تنظیمات پنجره Post- Hoc و انتخاب صحیح آزمون برابری یا نابرابری واریانس بین گروه ها

آموزش خروجی گرفتن معناداری برای طبقات یک متغیر طبقه بندی مستقل در تحلیل واریانس

نحوه گزارش نویسی آزمون تحلیل واریانس (One-Way ANOVA) برای فصل چهارم پایان نامه فارسی/لاتین

درس 09:  انواع آزمون های پارامتریک| ناپارامتریک- Mann-Whitney U

مدت زمان ویدئو: 00:29:51

بخش اول: تشریح کامل آزمون های پارامتریک| ناپارامتریک

مدت زمان این بخش: 00:03:08

بخش دوم: آزمون من-ویتنی Mann-Whitney U

مدت زمان این بخش: 00:03:08 تا 00:29:51

آزمون من-ویتنی Mann-Whitney U چه آزمونی است؟

معادل آزمون من-ویتنی Mann-Whitney U در بین آزمون های پارامتریک

ارائه چند سناریو برای درک بهتر کاربرد آزمون من-ویتنی Mann-Whitney U

مسیر آزمون Mann-Whitney U در نرم افزار SPSS

انجام یک پروژه به صورت عملی با آزمون من-ویتنی Mann-Whitney U

نحوه گزارش نویسی خروجی آزمونMann-Whitney U برای فصل چهارم پایان نامه فارسی/لاتین

محاسبه اندازه تاثیر(r) برای آزمون من-ویتنی Mann-Whitney U با استفاده از ماکروی

درس 10: آزمون کروسکال والیس Kruskal-Wallis H

مدت زمان ویدئو: 00:23:09

تشریح کامل آزمون کروسکال والیس Kruskal-Wallis H

معادل آزمون کروسکال والیس Kruskal-Wallis H در بین آزمون های پارامتریک

ارائه چند سناریو برای درک بهتر کاربرد آزمون کروسکال والیس Kruskal-Wallis H

مسیر اجرای آزمون Kruskal-Wallis H Test در SPSS

تفسیر خروجی آزمون کروسکال والیس Kruskal-Wallis H در نرم افزار SPSS

نحوه گزارش نویسی نتایج آزمون کروسکال والیس Kruskal-Wallis H برای فصل چهارم پایان نامه فارسی/لاتین

درس 11: آزمون ویلکاکسون Wilcoxon Signed Rank Test       

مدت زمان ویدئو: 00:20:12

تشریح آزمون ویلکاکسون Wilcoxon Signed Rank Test

معادل آزمون ویلکاکسون Wilcoxon Signed Rank Test از بین آزمون های پارامتریک

ارائه چند سناریو برای آشنایی بهتر دانش پذیران با کاربرد آزمون ویلکاکسون Wilcoxon Signed Rank Test

مسیر اجرای آزمون Wilcoxon  در SPSS

انجام یک پروژه عملی با رویکرد استفاده از آزمون ویلکاکسون Wilcoxon Signed Rank Test

نحوه گزارش نویسی خروجی آزمون ویلکاکسون Wilcoxon Signed Rank Test برای فصل چهارم پایان نامه فارسی/لاتین

محاسبه شاخص کوهن Cohen’s d برای آزمون ویلکاکسون Wilcoxon Signed Rank Test

درس 12: آزمون خی-دو Chi-Square Test       

مدت زمان ویدئو: 00:17:11

مقدمه ای بر آزمون خی-دو Chi-Square Test

ارائه چند سناریو جهت درک بهتر کاربرد آزمون خی-دو Chi-Square Test

مسیر اجرای آزمون خی-دو Chi-Square Test در نرم افزار SPSS

انجام یک پروژه به صورت عملی با آزمون خی-دو Chi-Square Test

تفسیر خروجی های آزمون خی-دو Chi-Square Test

نحوه گزارش نویسی خروجی آزمون خی-دو Chi-Square Test برای فصل چهارم پایان نامه فارسی/لاتین

درس 13: تحلیل رگرسیون(Regression Analysis)

مدت زمان ویدئو: 00:34:24

بخش اول: مفاهیم پایه تحلیل رگرسیون(Regression Analysis)

مدت زمان این بخش: 00:12:06

تعریف تحلیل رگرسیون(Regression Analysis)

انواع رگرسیون

1. رگرسیون دو متغیره(Bivariate Regression)
2. رگرسیون چندگانه(Multiple Regression)

تفاوت های بین رگرسیون با همبستگی از حیث هدف، هویت و آماره های استنباطی

ارائه سناریو هایی برای درک بهتر کاربرد تحلیل رگرسیون(Regression Analysis)

بخش دوم: نکاتی مهم در ارتباط با رگرسیون دو متغیره(Bivariate Regression)

مدت زمان این بخش: 00:12:06 تا 00:21:31

پیش بینی مقدار یک متغیر از سوی یک یا چند متغیر دیگر

مروری بر اصطلاحات مهم در رگرسیون(Regression)

1. ضریب رگرسیون(Regression Coefficient)
2. مقدار R Value

بخش سوم: انجام پروژه عملی تحلیل رگرسیون(Regression Analysis)

مدت زمان این بخش: 00:21:31 تا 00:34:24

مسیر اجرای رگرسیون دو متغیره(Bivariate Regression) در نرم افزار SPSS

تفسیر خروجی های تحلیل رگرسیون(Regression Analysis)

نحوه گزارش نویسی رگرسیون دو متغیره(Bivariate Regression) برای فصل چهارم پایان نامه فارسی/لاتین

درس 14: تحلیل رگرسیون چندگانه(Multiple Regression Analysis)

مدت زمان ویدئو: 00:20:37

مفهوم رگرسیون چندگانه(Multiple Regression Analysis)

شباهت های بین رگرسیون دو متغیره(Bivariate Regression) و رگرسیون چندگانه(Multiple Regression Analysis)

نحوه اجرای رگرسیون چندگانه(Multiple Regression Analysis) در SPSS

انجام یک پروژه عملی رگرسیون چندگانه(Multiple Regression Analysis) در SPSS

نحوه گزارش نویسی رگرسیون چند متغیره(Multiple Regression) برای فصل چهارم پایان نامه فارسی/لاتین

درس 15: رگرسیون لُجستیک باینری (Binary Logistic Regression)

مدت زمان ویدئو: 00:49:55

بخش اول: مفهوم رگرسیون لُجستیک باینری (Binary Logistic Regression)

مدت زمان این بخش: 00:10:40

تشریح کامل مفاهیم مفهوم رگرسیون لُجستیک باینری (Binary Logistic Regression)

ارائه چند سناریو جهت درک بهتر مطالب رگرسیون لُجستیک باینری (Binary Logistic Regression)

بخش دوم: مفروضات رگرسیون لُجستیک باینری (Binary Logistic Regression)

مدت زمان این بخش: 00:10:40 تا 00:13:44

بخش سوم: نحوه اجرای رگرسیون لُجستیک در نرم افزار SPSS

مدت زمان این بخش: 00:13:44 تا 00:49:55

تنظیمات مهم پنجره رگرسیون لُجستیک باینری (Binary Logistic Regression)

اجرای عملی یک پروژه با رویکرد رگرسیون لُجستیک باینری (Binary Logistic Regression)

تفسیر خروجی های رگرسیون لُجستیک باینری (Binary Logistic Regression)

درس 16: تحلیل عاملی اکتشافی (Exploratory Factor Analysis)

مدت زمان ویدئو: 00:55:31

بخش اول: تحلیل عاملی اکتشافی(EFA) چیست؟

مدت زمان این بخش: 00:13:24

تحلیل عاملی(Factor Analysis) چیست؟

ارائه تعریف جامع از تحلیل عاملی اکتشافی(EFA)

تحلیل عاملی اکتشافی(EFA) VS تحلیل عاملی تاییدی(CFA)

بخش دوم: آشنایی با اصطلاحات مهم تحلیل عاملی اکتشافی در SPSS

مدت زمان این بخش: 00:13:24 تا 00:22:59

اصطلاحات مهم در تحلیل عاملی اکتشافی Exploratory Factor Analysis

شاخص ارزیابی کفایت نمونه(KMO)

آزمون بارتلت(Bartlett’s test of Sphericity)

مقادیر اشتراکی(Communality)

درصد واریانس(Percentage of Variance)

مقادیر ویژه(Eigen value)

نمودار Scree Plot

بارهای عاملی(Factor Loadings)

ماتریس عامل ها(Factor matrix)

بخش سوم: روش های چرخش(Rotation Method) در نرم افزار SPSS

مدت زمان این بخش: 00:22:59 تا 00:32:52

روش واریمکس(varimax) در تحلیل عاملی اکتشافی

روش دایرکت آبلیمین(Direct Oblimin) در تحلیل عاملی اکتشافی

بازه های قابل قبول برای شاخص Kaiser

تکنیک عامل یابی(factoring technique)

تعداد عامل ها(Number of factors)

درصد شاخص واریانس(percentage of variance criteria)

برازش مدل(Model Fit)

بخش چهارم: نحوه اجرای تحلیل عاملی اکتشافی  در نرم افزار SPSS

مدت زمان این بخش: 00:32:52 تا 00:55:31

انجام تحلیل عاملی اکتشافی یک پرسشنامه استاندارد در SPSS

اعمال تنظیمات ضروری برای انجام تحلیل عاملی اکتشافی در SPSS

تفسیر خروجی های تحلیل عاملی اکتشافی

نحوه گزارش نویسی Exploratory Factor Analysis  برای فصل چهارم پایان نامه فارسی/لاتین

درس 17:نکات مهم آماری در فرضیه نویسی

مدت زمان ویدئو: 00:21:36

بخش اول: مروری بر مفاهیم اولیه آماری(Basic Statistical Concepts)

مدت زمان این بخش: 00:11:58

آزمون فرضیه(Hypothesis Testing)

تفاوت بین فرضیه صفر(Null Hypotheses) و فرضیه جایگزین(Alternative hypotheses)

ارائه مثال هایی از فرضیه نویسی جهت درک بهتر دانش پذیران

بخش دوم: خطای نوع اول 1 و خطای نوع 2 در آزمون فرضیه ها

مدت زمان این بخش: 00:11:58 تا 00:21:36

بررسی تفاوت بین خطای نوع اول 1 و خطای نوع 2 در آزمون فرضیه ها

ارائه راه حل آماری جهت کنترل و کاهش خطای نوع اول 1 و خطای نوع 2

سطح معناداری(p-value) برای پذیرش/رد فرضیه

آزمون های تک دنباله(One-tailed) و دو دنباله(two-tailed)

مقدار قابل قبول P-Value برای پذیرش یک فرضیه در رشته های علوم اجتماعی

درس 18: نکات تکمیلی #1 برای کار با نرم افزار SPSS

مدت زمان ویدئو: 00:45:21

بخش اول: طبقه بندی یک متغیر پیوسته در SPSS

مدت زمان این بخش: 00:28:53

مسیر انجام ریکود کردن(Recode into different variables) در نرم افزار SPSS

نحوه گزارش نویسی اطلاعات جمعیت شناختی پس از ریکود کردن

آموزش نحوه ترسیم جداول اطلاعات جمعیت شناختی با فرمت APA

طبقه بندی یک متغیر پیوسته برای تحلیل چندگروهی(MGA)

نحوه معکوس کردن امتیازات پاسخ دهندگان(Reverse Code)

مسیر انجام Reverse Code در نرم افزار SPSS

بخش دوم: نکات تکمیلی پالایش دیتا در نرم افزار SPSS

مدت زمان این بخش: 00:28:53 تا 00:45:21

استفاده از ابزار Min و Max برای پیدا کردن خطاهای حین ورود داده

پیداکردن مقادیر گمشده در اکسل و استفاده از ابزار blank

نحوه برخورد با مقادیر گمشده

1. A. حذف با دو رویکرد Listwise/pairwise
2. B. روش های بسته بندی (Imputation) در نرم افزار SPSS

–Series Mean Imputation

–Linear Interpolation

درس 19: انجام تحلیل تعدیل گری با چندین متغیر در نرم افزار SPSS(بدون استفاده از ماکروی هیز)

مدت زمان ویدئو: 00:34:30

تعدیل گری(Moderation) در آمار چیست؟

تشریح کامل میانجی گری(Mediation) و تعدیل گری(Moderation)  در آمار

ارائه مثالی در حوزه تعدیل گری(Moderation) برای درک بهتر موضوع

گام های لازم جهت بررسی نقش تعدیل گری(Moderation)

محاسبه میانگین مرکزی(Mean Center) متغیر مستقل و متغیرهای تعدیل گری(Moderation)

استفاده از ماکروی Two Way Interaction پرفسور جیمز گسکین برای نقش تعدیل گری(Moderation)

انجام یک پروژه تعدیل گری به صورت عملی با دو روش رگرسیون خطی و ماکروی هیز(Hayes Process Macro)

تفسیر خروجی های اثر تعدیل گری(Moderation) در نرم افزار SPSS

درس 20: آموزش میانجی گری با Hayes Process Macro در SPSS

کل زمان ویدئو: 00.51.36

بخش اول: مروری بر اصطلاحات رایج در میانجی گیری

مدت زمان این بخش: 00.07.07

آشنایی با اصطلاحات اثر کل(Total Effect)، اثر مستقیم(direct Effect) و اثر غیر مستقیم(Indirect Effect).

مقایسه دو مدل مفهومی و آماری مرتبط با میانجی گری همراه با نمادگذاری مسیرها.

آموزش کامل نمودار تصمیم گیری متغیر میانجی گری با روش بوت استراپینگ(Bootstrapping) در ماکروی Hayes Process Macro.

بخش دوم: نحوه اجرا و نصب Hayes Process Macro در نرم افزار SPSS

مدت زمان این بخش: 00.07.07 تا 00.10.55

آموزش دانلود و اضافه کردن ماکروی Hayes Process Macro در نرم افزار SPSS.

بخش سوم: نحوه اجرا و آشنایی با رابط کاربری ماکروی Hayes Process Macro

مدت زمان این بخش: 00.10.55 تا 00.18.41

آموزش مسیر اجرای ماکروی Hayes Process Macro در نرم افزار SPSS

آشنایی کامل رابط کاربری ماکروی Hayes Process Macro

آموزش کامل باکس های مربوط به متغیر مستقل(Independent)، وابسته(Dependent) و میانجی (Mediation)

تنظیمات مربوط به انتخاب مدل میانجی، بازه اطمینان(Confidence Interval) و اندازه نمونه بوت استراپینگ(Bootstrapping Sample Size)

تنظیمات مربوط به گزینه Option Process ماکروهی Hayes Process Macro

تفسیر خروجی ها و تحلیل های ماکروی Hayes Process Macro

بخش چهارم: مشخص کردن نوع و فرم میانجی گری

مدت زمان این بخش: 00.18.41 تا 00.24.40

بررسی وضعیت های عدم میانجی گری(Absence)، میانجی گری جزئی(Partial Mediation) و میانجی گری کامل(Full Mediation)

آشنایی با دو مفهوم Complementary Mediation و Competitive Mediation و نحوه تصمیم گیری آن.

بخش پنجم: نحوه گزارش نویسی میانجی برای رساله دکتری و مقالات علمی و پژوهشی

مدت زمان این بخش: 00.24.40 تا 00.31.05

نحوه گزارش نویسی و ترسیم جدول مربوط به میانجی گری به زبان فارسی

نحوه گزارش نویسی و ترسیم جدول مربوط به میانجی گری برای مقالات لاتین و ISI

بخش ششم: نحوه بررسی مدل با دو میانجی گری و تفسیر خروجی ها به تفکیک

مدت زمان این بخش: 00.31.05 تا 00.39.24

آشنایی با انواع متغیرها در یک مدل میانجی گری با دو متغیر میانجی

آشنایی با نوع تفسیر و خروجی های متناظر با هریک از میانجی ها در مدل مفهومی و آماری

نحوه گزارش نویسی مدل با دو متغیر میانجی

بخش هفتم: انجام یک پروژه میانجی با دیتا واقعی و گزارش نویسی

مدت زمان این بخش: 00.39.24 تا 00.51.36

در این بخش با استفاده از ماکروی Hayes Process Macro با یک دیتای واقعی مبحث میانجی گری از مرحله وارد کردن و تنظیمات ماکرو تا مرحله گزارش نویسی و ترسیم جدول به صورت عملی و جمع بندی همه مطالب ذکر شده در این ویدئو، کار شده است.

درس 21: استفاده از افزونه Process Macro برای تعدیلگری با نرم افزار SPSS

کل زمان ویدئو: 00.43.00

بخش اول: مفاهیم کلی مدل سازی معادلات ساختاری با محوریت تعدیل گری

مدت زمان این بخش: 00.17.25

آشنایی با اجزای مدل ساختاری و تعریف متغیرها و جنس/نوع آن ها

آشنایی با مدل تعدیل گری اثر متقابل(Interaction Moderation Effect)

گزینه های مهم تنظیمات افزونه Hayes Process Macro برای اثر تعدیل گری

تنظیمات مربوط به انتخاب مدل تعدیلگری، بازه اطمینان(Confidence Interval) و اندازه نمونه بوت استراپینگ(Bootstrapping Sample Size)

تنظیمات مربوط به گزینه Option Process ماکروهی Hayes Process Macro مخصوص متغیر تعدیلگر

تنظیمات گزینه Process Option به منظور ارائه خروجی Two way Interaction

تنطیمات مربوط به آزمون Jahnson-Neyman outputs  برای تحلیل دقیق تر اثر متقابل

تفسیر تک تک خروجی های آزمون تعدیل گری با افزونه Hayes Process Macro

نحوه تفسیر آماره های Conditional Effect برای متغیر تعدیل گر

تفسیر خروجی های آزمون Jahnson-Neyman outputs  برای تحلیل دقیق تر اثر متقابل

بخش دوم: انجام یک پروژه عملی در حضور متغیر تعدیل گر(Moderator)

مدت زمان این بخش: 00.17.25 تا 00.28.17

در این بخش به صورت یک پروژه آماری مدلی با وجود متغیر تعدیل گر از طریق افزونه Hayes Process Macro  بررسی و همه نکات آموزشی بخش اول در ارتباط با تعدیل کنندگی در این بخش انجام و گزارش نویسی صورت می گیرد.

بخش سوم: ترسیم نمودار Two way Interaction از طریق SPSS و اکسل

مدت زمان این بخش: 00.28.17 تا 00.32.50

ترسیم نمودار Two way Interaction از طریق خروجی Data List Free و ابزار سینتکس SPSS

ترسیم نمودار Two way Interaction با استفاده از ماکروی پرفسور جیمز گسکین(Stat Tool Package)

بخش چهارم: گزارش نویسی متغیر تعدیل گر بر اساس خروجی افزونه Hayes Process Macro

مدت زمان این بخش: 00.32.50 تا 00.43.00

در این بخش نحوه گزارش نویسی اثر تعدیل گری و ترسیم و تفسیر نمودار Two way Interaction با استفاده از کد نویسی در نرم افزار SPSS و ماکروی پرفسور جیمز گسکین به صورت کاملا عملی، آموزش داده شده است.

درس 22: تحلیل رگرسیون لجستیک ترتیبی/رتبه ای(Ordinal Logistic regression Analysis)

مدت زمان ویدئو: 00:35:40

بخش اول: مفهوم رگرسیون لجستیک ترتیبی/رتبه ای(Ordinal Logistic regression Analysis)

مدت زمان این بخش: 00:06:28

مروری بر تحلیل رگرسیون خطی(Linear Regression Analysis)

تشریح کامل رگرسیون لجستیک ترتیبی/رتبه ای(Ordinal Logistic regression Analysis)

سناریو هایی که می توانید از رگرسیون لجستیک ترتیبی استفاده کنید.

بخش دوم: انجام یک پروژه عملی مفهوم رگرسیون لجستیک ترتیبی/رتبه ای(Ordinal Logistic regression Analysis)

مدت زمان این بخش: 00:06:28 تا 00:35:40

مسیر انجام آزمون رگرسیون لجستیک ترتیبی/رتبه ای(Ordinal Logistic regression Analysis) در نرم افزار SPSS

یک پروژه عملی برای درک بهتر تحلیل رگرسیون لجستیک رتبه ای/ترتیبی

تنظیمات لازم برای رگرسیون لجستیک ترتیبی/رتبه ای(Ordinal Logistic regression Analysis)

تنظیمات دو گزینه Options و Output از منوی رگرسیون لجستیک ترتیبی/رتبه ای(Ordinal Logistic regression Analysis)

خروجی های رگرسیون لجستیک ترتیبی(Ordinal Logistic regression) و تفسیر آن ها

-تفسیر خروجی برازش مدل (Model Fitting Information)

– تفسیر ضریب تعیین Pseudo R Square

– تفسیر جدول Parameter Estimates

-محاسبه نسبت شانس (Odds Ration)

–تفسیر نسبت شانس بالای 1 (OR>1)

–تفسیر نسبت شانس برابر با 1 (OR=1)

–تفسیر نسبت شانس کمتر از 1 (OR<1)

درس 23: آزمون تحلیل کواریانس (ANCOVA)

مدت زمان ویدئو: 00:36:55

بخش اول: مفاهیم اولیه در ارتباط با آزمون تحلیل کواریانس (ANCOVA)

مدت زمان این بخش: 00:07:09

تشریح کامل کاربرد آزمون تحلیل کواریانس (ANCOVA)

معنای Covariates در آزمون تحلیل کواریانس (ANCOVA)

شرایط متغیرهای وابسته(DV) و مستقل(IVs) در آزمون تحلیل کواریانس (ANCOVA)

– متغیر وابسته(Dependent Variable)

– متغیرهای مستقل(Independent Variables)

مثال کاربردی برای درس ANCOVA (Analysis of Covariance)

مفروضات آزمون تحلیل کواریانس (ANCOVA)

– همبستگی بین متغیر وابسته و متغیر کنترلی(Covariate)

– توزیع نرمال داده ها(Normal Distribution)- کشیدگی Kurtosis  و چولگی Skewness

– همگنی واریانس بین گروه ها(Homogeneity of variance)

بخش دوم: انجام عملی یک پروژه با رویکرد آزمون تحلیل کواریانس (ANCOVA) در نرم افزار SPSS

مدت زمان این بخش: 00:07:09 تا 00:36:55

بررسی کامل مفروضات آزمون تحلیل کواریانس (ANCOVA) در نرم افزار SPSS

 بررسی واریانس بین گروه ها با استفاده از آزمون لوین Levene’s Test

مسیر انجام آزمون ANCOVA در SPSS

تنظیمات ضروری آزمون ANCOVA

تفسیر تمام خروجی های آزمون تحلیل کواریانس (ANCOVA) به تفکیک

نحوه گزارش نویسی آزمون ANCOVA برای فصل چهارم پایان نامه فارسی/لاتین

درس 24: کاربردهای آزمون MANOVA و MANCOVA در نرم افزار SPSS

مدت زمان ویدئو: 00:57:12

بخش اول: مفاهیم اولیه در ارتباط با کاربردهای آزمون MANOVA و MANCOVA

مدت زمان این بخش: 00:15:11

تشریح کامل آزمون MANOVA و MANCOVA و کاربردهای آن

تفاوت بین آزمون های MANOVA و MANCOVA در نرم افزار SPSS

شباهت آزمون های MANOVA با ANOVA و MANCOVA با ANCOVA

آماره های تصمیم گیری آزمون MANOVA

-Roy’s Largest Root

-Wilk’s Lambda (Most Used Test)

-Pillai’s Criterion

-Hoteling’s Trace

مفروضات آزمون های  MANOVA و MANCOVA در نرم افزار SPSS

-مستقل بودن مشاهدات از یکدیگر

-پایایی متغیرهای پیوسته

-توزیع نرمال چندمتغیره(Multivariate Normality-MVN)

-برقراری رابطه خطی بین هر دو متغیر وابسته

-عدم وجود همخطی(Multicollinearity) و وجود استقلال بین متغیرهای مستقل

-تساوی ماتریس واریانس-کواریانس براساس خروجی Box’s M

بخش دوم: انجام عملی یک پروژه با رویکرد MANOVA و MANCOVA در SPSS

مدت زمان این بخش: 00:15:11 تا 00:57:12

مسیر اجرای آزمون MANOVA/MANCOVA در SPSS

تنظیمات لازم برای آزمون MANOVA  و MANCOVA   و محل قرار گرفتن متغیرهای IVs و DVs

تنظمیات گزینه Plots در آزمون MANOVA و MANCOVA

تنظیمات Post Hoc در آزمون MANOVA و MANCOVA

تنظیمات گزینه EM Means در آزمون MANOVA و MANCOVA

تنظیمات گزینه Options در آزمون MANOVA و MANCOVA

تفسیر خروجی های آزمون MANOVA و MANCOVA

فهرست دوره جامع آموزش نرم افزار SPSS در ادامه ارائه شده است.