تحلیل کواریانس و اندازه‌ گیریهای تکراری در نرم افزار آماری SPSS

تحلیل کواریانس و اندازه‌ گیریهای تکراری در نرم افزار آماری SPSS

تحلیل کواریانس و اندازه‌ گیریهای تکراری در نرم افزار آماری SPSS

مقدمه
تحلیل کواریانس حالت جامعی از انواع تحلیل واریانس است که در آن ضمن مقایسه میانگین‌های یک یا چند گروه و برآورد تأثیر یک یا چند متغیر مستقل، اثر یک یا چند متغیر کنترل، مداخله گر، همپراش و یا Covariate از معادله خارج می شود.

تحلیل کواریانس (ANCOVA) روشی آماری است که اجازه میدهد اثر یک متغیر مستقل بر متغیر وابسته مورد بررسی قرار گیرد در حالی که اثر متغیر دیگری را حذف کرده و یا از بین میبرد. تحلیل کواریانس به ما کمک می کند تا از شر اثرات مربوط به متغیر مداخله گر خلاص شویم، اثر این کار کم کردن میزان خطای واریانس است.

بهترین حالت استفاده از تحلیل کواریانس وقتی است که آزمودنیها به طور تصادفی در یکی از سطوح متغیر مستقل قرار داده شوند و متغیر تصادفی کمکی یا همان Covariate پیش از استفاده از تحلیل اندازه‌گیری شود، نه پس از آن؛ زیرا اگر پس از تحلیل اندازه‌گیری شود ممکن است با در معرض قرار گرفتن متغیر مستقل دچار تغییر گردد.

پیش فرض های تحلیل کوواریانس

نکته: مقیاس متغیر همپراش یا کنترل یا Covariate، باید فاصله‌ای یا نسبی باشد.
از تحلیل کواریانس معمولاً در طرحهای پیش آزمون- پس آزمون استفاده میشود. در این طرحها قبل از اینکه آزمودنیها در شرایط آزمایشی قرار گیرند، یک آزمون بر روی آنها انجام میشود و سپس بعد از قرار گرفتن در شرایط آزمایشی همان آزمون بر روی آنها انجام یم شود، در اینجا نمرات پیش آزمون به عنوان متغیر تصادفی کمکی یا Covariate به کار میروند.

مثال: محققی را در نظر بگیرید که دو گروه گواه و تجربی را انتخاب کرده و آزمونی شبیه آزمون سنجش و اندازه‌گیری کنکور سراسری ارشد را اجرا میکند تا دانش افراد را قبل از ورود به دوره آموزش کاهش اضطراب امتحان بسنجد. در گروه تجربی علاوه بر آموزش سنجش و اندازه‌گیری، مهارت‌های کاهش اضطراب امتحان نیز به افراد آموزش داده میشود؛ در گروه گواه یا کنترل فقط درس سنجش و اندازه‌گیری آموزش داده میشود.

در پایان دوره آموزشی، آزمون دیگری شبیه به آزمون اول (پیش آزمون) برگزار میکند که هدف ان بررسی اثر آموزش مهارت‌های غلبه بر اضطراب امتحان بر پیشرفت دانشجویان در درس سنجش و اندازه‌گیری است. مقایسه نمره دو گروه در آزمون دوم (تحلیل واریانس)، همراه با حذف اثر احتمالی دانش قبلی افراد که با پیش آزمون اندازه‌گیری شده ، بهترین تحلیل آماری برای این نوع طرح تحقیقاتی است.

در این مثال سه نوع متغیر وجود دارد:

  1. متغیر مستقل (گروه اسمی)، (آموزش مهارت کنترل اضطراب)
  2. متغیر وابسته (پس آزمون)، (پیشرفت در درس سنجش و اندازه‌گیری)
  3. متغیر کنترل یا همپراش (پیش آزمون)، (دانش اولیه آزمودنیها)

انواع متغیر در تحلیل کواریانس

فهرست مطالب:
مقدمه
انواع متغیر در تحلیل کواریانس
پیش فرضهای تحلیل کواریانس
بررسی پیش فرضهای تحلیل کواریانس
۱- پیش فرض اول، طبیعی بودن توزیع نمرات
۲ – پیش فرض دوم، همگونی واریانس
۳- پیش فرض سوم، پایا بودن متغیر همپراش (پیش آزمون)
۴ – پیش فرض چهارم، اجرای همپراش (پیش آزمون) قبل از شروع تحقیق
۵ – پیش فرض پنجم، همبستگی متعارف هم‌پراشها با یکدیگر
۶ – پیش فرض ششم، همگونی شیب رگرسیون
۷ – پیش فرض هفتم، خطی بودن همبستگی متغیر همپراش و متغیر مستقل

این فایل با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. فایل به ایمیل شما نیز ارسال خواهد گردید.

تعداد صفحات: 30

فرمت فایل: WORD