-
تعریف کردن متغیرها در برنامه SPSS
-
وارد کردن داده‌ها به نرم‌افزار spss
-
محاسبه نمره کل پرسشنامه از طریق SPSS
-
بخش اول کد گذاری مجدد داده‌ها
در مقاله قبل، توضیح مختصری در مورد نرم‌افزار SPSS و نقش بسزای آن در تجزیه و تحلیل داده‌های پژوهش ارائه کردیم. در این مقاله قصد داریم، مقدمات کار با نرم‌افزار SPSS را شرح دهیم.
برنامه SPSS را که باز کنید؛ پایین سمت چپ، دو پنجره را به شما نشان می‌دهد. اولین گام برای استفاده از این برنامه، تعریف متغیرها است که در پنجره Variable Viewکه در کادر قرمز است صورت می‌گیرد.
عکس 1
عکس2
در این پنجره، تعدادی ستون وجود دارد که در عکس2، مشخص شده‌اند و در ادامه توضیح داده می‌شوند.
ستون اول، نام متغیر (Name) است.
به‌عنوان مثال: مطالعه‌ای با عنوان بررسی رابطه رضایت از زندگی و معدل دانشجویان را در نظر بگیرید. وضعیت رضایت از زندگی، معدل و خصوصیات دموگرافیکی نظیر جنسیت، درآمد، سن و وضعیت تاهل، همگی از متغیرهای این طرح تحقیقاتی محسوب می‌شوند. که نام هر کدام در ستون اول، در خانه‌هایی پشت سرهم آورده می‌شود. برای رضایت از زندگی، فرض می‌کنیم که پرسشنامه از 3 سوال، تشکیل شده است و هر سوال را یک متغیر، درنظر می‌گیریم. طبق شکل3:
عکس3
ستون دوم در عکس دوم، برای تعیین نوع متغیر (Type) است. معمولاNumeric بهترین انتخاب است.
ستون سوم، مربوط به تعداد ارقام متغیر است. اگر متغیر ما کمی باشد، می‌تواند مقدارش از 1 تا چند رقم باشد. در بخش Width تعداد ارقام را مشخص می‌کنیم. همچنین متغیرهای کمی، اگر از نوع پیوسته باشند، اعشاری نیز می‌توانند باشند که در بخش Decimals تعیین می‌کنیم چند رقم بعد از اعشار خواهیم داشت.
دقت کنید که تعداد ارقام بعد از اعشار، در قسمت Width نیز حساب می‌شود. برای مثال: عدد 18.50 را در نظر بگیرید که برای معدل یک فرد، بدست آمده است. تعداد ارقام، 4 و تعداد رقم بعد از اعشار، 2 می‌باشد.
بنابراین در نرم‌افزار، اینگونه وارد می‌شود:
عکس4
بنابراین تعداد کاراکتر متغیر معدل انتخاب می‌شود و هر معدلی که وارد کنیم؛ با این فرمت (4 رقم و دو رقم بعد از اعشار) نمایش داده می‌شود.
در ستون چهارم در پنجره Variable View، می‌توانیم برچسبی برای متغیرهای مطالعه، انتخاب کنیم. برچسب یک متغیر، صرفا برای قابل درک شدن خروجی داده‌ها و توضیح اسم متغیر است.
عکس5
ستون پنجم به نام Value است. در این بخش، قابلیت تخصیص یک کد را به متغیر کیفی (اسمی و یا رتبه‌ای) داریم. فایده این کار چیست؟ برای راحتی کار و بالا رفتن سرعت ورود دیتا، به متغیر کیفی یک کد تخصیص می‌دهیم تا در هنگام ورود داده‌ها تنها همان کد را بزنیم. برای مثال: متغیر جنسیت، دو حالت دارد. موئنث و مذکر. می‌توان به جنسیت موئنث (Female)، کد 1 و به جنسیت مذکر (Male)، کد 2 را تخصیص داد.
دقت کنید که نوع متغیر، همچنان کیفی است و کمی نمی‌شود و صرفا کدی را برای آن تعریف کرده‌ایم.
مطابق تصویر، در کادر اول Value: مقدار عددی (کد) را قرار می‌دهیم.
در کادر دوم Label: برچسب کد ( اسم متغیر کیفی) را می‌نویسیم.
سپس روی گزینه Add می‌زنیم تا کد و نام آن ثبت شود.
عکس6
می‌توان با کلیک روی عبارت ثبت شده آن را Remove یا Change کرد:
عکس7
در مثالی دیگر برای میزان درآمد، می‌توان کد 1 را به درآمد کم، کد 2 را به درآمد متوسط و کد 3 را به درآمد بالا تخصیص داد. انتخاب رقم کد، کاملا دلخواه است و می‌توان اعداد دیگری را به عنوان کد درنظر گرفت. (کدها را به یاد داشته باشید تا هنگام ورود داده‌ها اشتباهی پیش نیاید). در تصویر زیر، این گام نمایش داده شده‌است.
عکس8
در ستون ششم می‌توان یک عدد قراردادی را تعیین کرد که جانشین داده‌هایی که گم شده‌اند باشد. برای داده‌های گم شده، درواقع مقداری وجود ندارد که وارد کنیم. بنابراین می‌توانیم یک عدد قراردادی را انتخاب کنیم که درجای خالی آن مقدار قرار بگیرد تا برای ما روشن شود که داده گم شده یا اصطلاحا Missing Data بوده است (لازم به ذکر است این عدد در محاسبات و آزمون‌ها وارد نمی‌شود.). البته این بخش سلیقه‌ای است و می‌توان عددی برای آن تعریف نکرد تا بجای داده گم‌شده، دات (نقطه) قرار گیرد.
همانطور که در تصویر9 مشهود است؛ برای تعریف داده گم شده، می‌توان 3 عدد مختلف را در نظر گرفت. ضرورت این امر چیست؟
زمانی که شرکت کننده، به سوالی جواب نمی‌دهد؛ ممکن است خود چند حالت داشته باشد:
- اگر تمایلی به جواب دادن سوال نداشته باشد و آن را از عمد خالی بگذارد. (برای این Missing Data می‌توان عدد 999 را درنظر گرفت). برای مثال: دانشجویی، مایل نباشد معدل خود را وارد کند و در پرسشنامه، این بخش را خالی بگذارد.
- اگر سوال، مربوط به وی نباشد و مجبور باشد آن را خالی بگذارد. (برای این Missing Data می‌توان عدد 9- را درنظر گرفت). برای مثال: دانشجوی ترم یکی که هنوز معدلی ندارد و نتواند این آیتم‌را تکمیل کند چراکه مربوط به وی نیست.
عکس 9
اگر گزینه اول No missing values را بزنید، مقداری برای داده گم‌شده، تعریف نمی‌کنید.
ستون هفتم مربوط به Columns است که می‌توان پهنای یک ستون را در بخش Data View از طریق آن تعیین کرد. مثلا اگر متغیری از تعداد ارقام زیادی تشکیل شده باشد. می‌توان از طریق این گزینه، سایز ستون را افزایش داد تا همه اعداد در ستون جای بگیرند.
عکس10
با کلیک روی ستون هشتم، Align می‌توانیم انتخاب کنیم که داده‌ها در هر کادر مستطیلی Data View، بصورت چپ‌چین باشند یا راست‌چین و یا داده‌ها در مرکز قرار گیرند. به شکل زیر نگاه کنید:
عکس11
تعیین مقیاس اندازه‌گیری متغیر، در ستون نهم، یعنی Measurement صورت می‌گیرد. با کلیک روی این گزینه، 3 مقیاس کمی، رتبه‌ای (Ordinal) و اسمی (Nominal) نمایش داده می‌شود.
عکس12
در مقالاه مربوط به جدول متغییرها، مقیاس متغیرها مورد بررسی قرار گرفتند. بسته به هر متغیر، مقیاس آن تعیین می‌شود. اینکه در مطالعه فعلی، نحوه جمع‌آوری آن متغیر چگونه است نیز در تعیین مقیاس متغیر اهمیت دارد.
مثال: متغیر معدل دانشجویان، مقیاس کمی/ متغیر جنسیت، مقیاس اسمی/ متغیر درآمد، اگر بصورت: درآمد کم، درآمد متوسط و درآمد زیاد، باشد؛ مقیاس رتبه‌ای می‌شود و اگر بصورت عددی نوشته شود؛ کمی می‌شود.
تصویر نهایی پنجره Variable View:
عکس13
دقت کنید در این بخش، ورود متغیرها بصورت ردیفی بوده است و هر ردیف به یک متغیر اختصاص دارد. در پنجره دیتا ویوو، متغیرها در ستون قرار می‌گیرند و هر ردیف به یک فرد (شرکت‌کننده) تخصیص دارد.
درنهایت، زمانی که تک‌تک متغیرهای مطالعه، در پنجره اول تعریف شد و همه آیتم‌ها برای متغیرها تکمیل شد؛ به سراغ پنجره دوم Data View می‌رویم.
تصویر پنجره Data Viewو ستون‌های ایجاد شده در آن:
عکس14
مشاهده می‌کنید که تک‌تک متغیرهایی که در مرحله قبلی، وارد کردیم. الان بصورت ستونی، در پنجره Data View دیده می‌شود.
در این مرحله، ورود دستی دیتاها در خانه‌های مستطیلی صورت می‌گیرد. می‌توان گفت ورود دستی داده‌ها، زمان‌بر‌ترین مرحله است و البته به دقت بالایی نیاز دارد تا داده‌ای گم نشود و بدرستی وارد شود. عدد هر سطر نشان دهنده تعداد شرکت کننده‌ها است. پس اگر حجم نمونه‌ما برای مثال، 10 نفر باشد تا سطر 10 باید داده‌ها را وارد کرد.
در قسمت قبلی، گفتیم تعیین کد برای متغیرهای کیفی، می‌تواند کار ما را در مرحله ورود دستی داده‌ها راحت‌تر کند. فرض کنید؛ شرکت کننده‌ای، پرسشنامه زیر را پر کرده است و ما قصد داریم داده‌های آن را وارد نرم‌افزار کنیم. (فرم زیر، بخشی از پرسشنامه رضایت از زندگی داینر است.)
| ردیف | عبارات |
کاملاً موافقم | موافقم | تا حدودی موافقم | نه موافقم، نه مخالف | تا حدودی مخالفم | مخالفم | کاملاً مخالفم |
| 1 | زندگي من در اكثر موارد به آرمانهايم نزديك بوده است. | 7 | 6 | 5 | 4 | 3 | 2 | 1 |
| 2 | شرايط زندگي من عالي است. | 7 | 6 | 5 | 4 | 3 | 2 | 1 |
| 3 | از زندگيام راضي هستم. | 7 | 6 | 5 | 4 | 3 | 2 | 1 |
| دموگرافیک | سن: 22 سال جنس: مذکر معدل کل: 18.73 وضعیت درآمد: متوسط | |||||||
متغیرها، سوالات 1 تا 3، سن، جنس، معدل کل و درامد است.
حال می‌توان در ستون‌های ایجاد شده، مقادیر را وارد کرد.
فرد شماره 1: برای سوال اول، مقدار 5 را در اولین ستون وارد می‌کنیم، برای سوال دوم، مقدار 4 را در ستون بعدی و برای سوال سوم، مقدار 6 را وارد می‌کنیم.
در ستون چهارم، معدل کل فرد را و برای جنس، کدی که قبلا در صفحه Variable View تعریف کردیم؛ یعنی عدد 2 را وارد می‌کنیم. همچنین برای درآمد، کد 2 (متوسط) و درنهایت برای سن، عدد 22 وارد می‌کنیم. برای هر 10 نفر شرکت کننده طرح تحقیقاتی، به همین شیوه پیش می‌رویم. در نهایت با حالت زیر مواجه می‌شویم:
عکس15
در عکس16، گزینه A—-1، کدها را به Label تبدیل میکند. از این طریق می‌توانیم چک کنیم کدی را به اشتباه، وارد نکرده باشیم.
( بطور مثال: اگر در حین ورود اطلاعات فرد بالا، کد 1 برای جنسیت وارد شود؛ جنسیت فرد به اشتباه، موئنث وارد می‌شود و در تجزیه‌تحلیل‌های آماری خطا رخ می‌دهد.)
عکس16
در بسیاری از تحلیل‌های آماری، نمره کل پرسشنامه، از اهمیت بالایی برخوردار است و متغیر موردنظر ما را می‌سنجد. به همین منظور، نیاز داریم تا نمره سوالات، برای هر فرد جمع زده شود تا بتوانیم تفسیر کنیم از نظر متغیر مورد نظر، شرکت کننده ما در چه وضعیتی قرار دارد.
برای جمع زدن نمرات، می‌توان از نرم افزار SPSS استفاده کرد.
فرض کنید مجموع نمره 3 سوال پرسشنامه رضایت از زندگی را در فرد نشان دهد. در صفحه Data View گزینه Compute Variable را از نوار ابزار پنجم کلیک کنید. صفحه‌ای باز می‌شود و می‌توانیم ستون‌هایی که جمع نمراتش برای ما اهمیت دارد را انتخاب کنیم و با دستور Summation آن‌هارا جمع بزنیم.
در تصاویر بعدی، مراحل این کار، نشان داده شده‌اند:
عکس17
- اسمی را برای ستون جدید متغیرها وارد می‌کنیم
- برای گروه عملکرد، گزینه همه را انتخاب می‌کنیم
- برای عملکرد روی متغیرها، عمل جمع را انتخاب می‌کنیم
عکس17
در ردیف بالا بعد از کلمه SUM، در داخل پرانتز، اسم ستون‌هارا وارد می‌کنیم و بین هریک، کاما قرار می‌دهیم. (دقت کنید که فاصله نگذارید) مثال: SUM(q1,q2,q3)
درنهایت زمانی که تائید را بزنیم؛ در ستونی جدید، جمع متغیرها برای ما نمایش داده می‌شود.
به عنوان آخرین آموزش در این مقاله، نحوه ری‌کد کردن داده‌ها را بیان می‌کنیم.
Recode یا کدگذاری مجدد داده‌ها به چه معناست؟
فرض کنید با متغیری مثل معدل، سروکار دارید. این متغیر کمی پیوسته است و طیف وسیعی از اعداد را شامل می‌شود. برای راحتی کار، می‌توان این طیف را به چند بخش تقسیم کرد و به هر کدام یک کد تخصیص داد. در واقع جهت مختصر کردن یک متغیر پیوسته و طبقه‌بندی آن، باید آن را کدگذاری مجدد کنیم.
برای مثال: معدل پایین‌تر از 12، کد 1 را بگیرد
معدل بین 12-17، کد 2 را بگیرد (شامل 12 و 17 هم می‌شود)
و به معدل بالای 17، کد 3 بدهیم
در صفحه Data View در نوار ابزار بالا روی گزینه Transform کلیک کنید. با دو گزینه مواجه می‌شوید.
مطابق تصویر، Recode into Same Variable و Recode into Different Variable
آیتم اول: داده‌ها را ری‌کد میکند و جایگزین دیتای اولیه میکند.
اما آیتم دوم: داده‌های ری‌کد شده را در ستون دیگری، ایجاد میکند. و در انتهای صفحه، یک ستون جدید تشکیل می‌شود.
1و2) متغیری که نیاز به کدگذاری مجدد دارد را انتخاب می‌کنیم
- نامی را برای ستون جدید انتخاب می‌کنیم
در نهایت طبقه‌بندی می‌کنیم و به هر طبقه، کد موردنظر را اختصاص می‌دهیم
عکس18
عکس19
عکس20
عکس21
عکس22
عکس23
طبقه‌بندی می‌تواند به دلخواه محقق باشد، مانند مثال بالا یا براساس قاعده و تعریف علمی صورت گیرد. مثالا برای شاخص توده بدنی، باید از طبقه‌بندی علمی آن استفاده کرد و بازه ها بصورت زیر می‌شوند:
< 18.5 ——- 1 (Lowest)
18.5-25 ——- 2 (Range)
>25 ——– 3 (Highest)
می‌توان در قسمت Variable View همانگونه که قبلا گفته شد؛ به هر یک از کدهای بالا یک Label اختصاص داد. 1 برچسب لاغر بگیرد. 2 برچسب نرمال و 3 برچسب اضافه وزن.
همچنین کدگذاری مجدد داده‌ها برای سوالات با نمره‌دهی معکوس نیز کاربرد دارند. که در مقاله بعدی به تفصیل توضیح خواهیم‌داد.
سخن پایانی
یادگیری کار با نرم افزار spss زمانی معنی پیدا میکند که شما با داده‌های مختلف به صورت عملی کار کنید و نکاتی که گفته شد را انجام دهید. اگر میخواهید کار با این نرم افزار را به صورت اصولی و با جزئیات یاد بگیرید و البته یک فرد مسلط را برای پاسخ به تمام سوالات احتمالیتان کنارتان داشته باشید، پیشنهاد ما به شما شرکت در دوره آموزش صفر تا صد spss برای پژوهشگران است.
این مقاله را نیز بخوانید:
ضریب همبستگی، همبستگی دو متغیره، همبستگی تفکیکی و هرآنچه باید درمورد این مفاهیم بدانید.
آزمون های فرضیه و فرض صفر
دانلود فایل PDF مقاله ی بخش دوم آموزش spss، از ایجاد متغیر تا کدگذاری مجدد داده‌ها!
