تحلیل مقدماتی

اگر مطمئن نیستید از کدام طرح باید استفاده کنید دوباره بخش طرح پژوهش را ببینید ( فصل هفتم ) و مشخص کنید که می خواهم چه کار کنید. هنگامی که می خواهید متغیرهای مستقل، پیوستگی طبیعی شان را حفظ کنند ( مثل هوش) یا وقتی می خواهید با استفاده از چند متغیر مستقل وابسته را پیش بینی کنید طرح های همبستگی بسیار مناسب هستند. برخی پژوهشگران معتقدند هنگامی که نمی خواهید متغیرهای مستقل را دستکاری کنید طرح های همبستگی از طرح های مقایسه ای مناسبترند. علاوه بر این، وقتی رابطه بین متغیرها خطی است، تبدیل مقیاس های پیوسته به گروه های با سه تایی و انجام تحلیل های مقایسه ای باعث کم شدن توان آزمون آماری می شود ( کوهن ، ۱۹۸۳). طرح های مقایسه ای زمانی بهتر از طرح های همبستکی هستند که متغیرهای مستقل به طور طبیعی طبقه بندی شده باشند ( مثل جنسیت یا قومیت ) یا متغیرها غیر خطی باشند ( مثل تشخیص روان پزشکی که معمولا بر بودن یا نبودن نشانه ها یا شدت رفتار ها استوار است ) .

همچنین ، هنگامی که متغیر مستقل را دستکاری می کنید طرح های مقایسه ای مناسب ترند.

دومین موضوعی که باید مشخص کنید این است که کدام یک از متغیرهای وابسته برای از آزمونهای پارامتریک مناسب هستند . نمونه هایی از آزمون های پارامتریک عبارتند از : تحلیل واریانس ، رگرسیون چند متغیری ، همبستگی های r پیرسون و آزمون های t . آزمون های پارامتریک بر این مفروضه استوارند که توزیع زیربنایی نمرات، در جمعیت مورد مطالعه، نرمال است (برخی آزمون های پارامتریک مفروضه های دیگری نیز دارند.) یک قاعده کلی این است که داده های ترتیبی و طبقه ای این شرایط را ندارند و باید با آزمون های ناپارامتریک تحلیل شوند. البته استثناهایی نیز وجود دارند ( مایرز ، دی سکو ، وایت و بوردن ، ۱۹۸۲). با وجود این، احتمالا داده های پیوسته بیشتر از داده های طبقه ای شرایط اجرای آزمون های پارامتریک را دارند. بنابراین وقتی داده هایتان مفروضه های تحلیل پارامتریک را نقض می کنند ، احتمالا باید از آزمون های ناپارامتریک استفاده کنید ( مثل مجذور کای به جای آزمون t یا تحلیل واریانس ) . اگر آزمون آماری در برابر نقض مفروضه هایش مقاوم نباشد ( یعنی در برابر نقض مفروضه ها واکنش مناسب نشان ندهد) و اگر نتوانید تاثیر نقض مفروضه ها را به کمک تغییر داده ها به حداقل برسانید باید از آزمون های ناپارامتریک استفاده کنید.

استفاده از تحلیل های پارامتریک یا ناپارامتریک معمولاً به ماهیت متغیر وابسته بستگی دارد. همه متغیرهای وابسته را تک به تک بررسی کنید چون همه متغیرها ویژگی های یکسانی ندارند. مثلاً اشتباه معمول این است که می توان از یک تحلیل آماری استفاده کرد تا مشخص شود دو یا سه گروه آزمایشی در متغیر های سن ، قومیت ، جنسی ، تحصیلات و دیگر متغیرهای جمعیت شناختی برابر هستند. سن و تحصیلات معمولاً با آزمونهای پارامتریک تحلیل می شوند. جنسیت و قومیت معمولا با آزمون های ناپارامتریک تحلیل می شوند زیرا متغیرهای طبقه ای هستند. همچنین ممکن است برای پاسخ دادن به سؤال های مختلف پژوهشی به آزمون های آماری کاملاً متفاوتی نیاز باشد . تصور نکنید با یک آزمون آماری می توان به همه سؤال ها پاسخ داد! اکنون باید فهرست سوال های پژوهشی را داشته باشید. همچنین باید فهرست متغیرهای مستقل و وابسته برای هر سوال را نیز تهیه کنید . برای هر متغییر وابسته ، باید مشخص کنید آزمون پارامتریک مناسب تر است یا ناپارامتریک . سرانجام باید مشخص کنید آیا برای پاسخ دادن به سوال های پژوهشی باید آزمودنی ها را دسته بندی و آن ها را با هم مقایسه کرد ( تحلیل مقایسه ای ) ، نمرات یک یا چند متغیر را به هم ارتباط داد ( تحلیل همبستگی ) یا مدل خاصی را آزمون کرد که هم زمان شامل چندین متغیر مستقل و وابسته است. در قسمت های بعدی همین فصل ، هر یک از تحلیل ها را به نوبت بررسی خواهیم کرد: : تحلیل های مقایسه ای ( پارامتریک و ناپارامتریک ) و تحلیل های همبستگی ( پارامتریک و ناپارامتریک ). همچنین ، به طور مختصر برخی از تحلیل های آزمون مدل را توضیح می دهیم. این توضیحات به شما کمک می کنند تا بتوانید برای تحلیل های آماری از آزمونهای مناسب استفاده کنید.

روش تحقیق(فصل سوم)

طرح پژوهش
شرکت کنندگان (آزمودنیها)
محیط و ابزار پژوهش
متغیرهای مستقل
متغیرهای وابسته (اندازهها)
روش اجرا
اندازه گیری
عملیاتی کردن متغیرها
ویژگیهای مهم ابزارها را بشناسید
به اندازه کافی صحیح و مرتبط باشند.
پایایی ابزارهای خود را بسنجید
روایی ابزارهای خود را بسنجید
دستورالعمل ابزار
پایایی نمره گذاران
ثبات زمانی
روایی همگرا و ممیز
تعمیم پذیری در موقعیت های مختلف
ابزار های دیگران را با احتیاط به کار ببرید
از خطاهای رایج در ارزیابی و انتخاب ابزارها اجتناب کنید
ابزارهای پژوهش را تهیه کنید
انتخاب آزمون های آماری مناسب
ابتدا دانش آماری خود را افزایش دهید
برای تحلیل آماری برنامه ریزی کنید
تحلیل مقدماتی
آزمون های پارامتریک برای مقایسه گروه ها
تحلیل واریانس و آزمون های t
آزمونهای تعقیبی
تحلیل کوواریانس و تحلیل واریانس چند متغیری
آزمونهای ناپارامتری
آزمون های همبستگی
همبستگی دومتغیری (پارامتری و ناپارامتری )
رگرسیون
رگرسیون چند گانه پارامتری
نسخه های ناپارامتری رگرسیون
تحلیل کار کرد ممیز
تحلیل عاملی
رویکردهای آزمون مدل
مراقب داده های غیر مستقل باشید
مراقب اصطلاحات علمی باشید
با احتیاط از دیگران کمک بگیرید
جمع آوری ، مدیریت و تحلیل داده ها
مطالعه مقدماتی انجام دهید