کارگاه آموزشی پاییز 1395 تحلیلهای آماری و تجزیه و تحلیل طرح و آزمایشات در نرم افزار SPSS دکتر مرتضی زنگنه. (M. ZANGANEH, 1395)

Transcript

1 1

2 کارگاه آموزشی تحلیلهای آماری و تجزیه و تحلیل طرح و آزمایشات در نرم افزار SPSS دکتر مرتضی زنگنه پاییز

3 3

4 مقدمه تفاوت داده با اطالعات چیست آنالیز خوب داده ها مجموعه ای از تجربه دانش و کنجکاوی است. بهترین راه آموختن آنالیز داده ها انجام دادن آن است. نرم افزار آماری به شما کمک می کند تا انرژی خود را به جای محاسبات صرف فکر کردن در مورد خود مشکل کنید. انتخاب آنالیز مناسب و تفسیر نتایج به عهده شماست. 4

5 مقدمه )Statistical Package for Social Sciences ( آشنایی با SPSS آشنایی با محیط نرم افزار مراحل انجام آنالیز با نرم افزار 1. ورود داده 2. پردازش داده 3. توصیف داده 4. آنالیز و تحلیل داده zanganeh@guilan.ac.ir 5

6 مقدمه نحوه ورود داده به نرم افزار تعریف متغیرها در پنجره Variable View ورود داده در پنجره Data View )بهتر است داده های یک ردیف را وارد کرده و سپس به ردیف بعدی بروید( مقادیر نامعلوم Values( )Missing :System Missing Values سلولهایی که داده آنها وارد نشده :Userdefined Missing Values سواالتی که پاسخگو جواب نداده تمرین 1: متغیرهای زیر را وارد نرم افزار کرده و تعداد 10 مورد )10 ردیف( برای این متغیرها از خودتان در پنجره Data View داده وارد کنید: 1. سن )نسبی( 2. جنسیت )اسمی( 3. درآمد ماهانه )3 مورد بدون پاسخ باشد( 4. مهمترین دغدغه زندگی )رشته ای( 5. منطقه محل زندگی )شمال و جنوب و شرق و غرب( )اسمی( 6. تاهل )اسمی( 7. تعداد فرزند )نسبی( 6

7 مقدمه پردازش داده ها شامل مراحل زیر است: ویرایش )Editing( کدگذاری )Coding( ورود داده ها به رایانه تعریف داده و طبقه بندی کدگذاری مجدد )Recoding( حصول اطمینان از پایایی و روایی ابزار اندازه گیری )Classification( )Reliability and Validity( 7

8 مقدمه ویرایش داده ها فرآیندی برای بررسی داده های خام گرد آوری شده رفع اشکاالت اصالح و آماده سازی آنهاست. ویرایش در مرحله میدانی و زمان گردآوری داده ها ویرایش در مرکز و پس از گردآوری آنها )در روشهای مصاحبه و پرسشنامه های باز(.1.2 کدگذاری عبارت از اختصاص یک عدد یا نماد خاص به هر یک از پاسخها به منظور قابل طبقه بندی کردن داده ها این کار بهتر است در مرحله جمع آوری داده ها و تدوین پرسشنامه انجام گیرد. کدبندی برای داده های اسمی و ترتیبی استفاده شود و از کدبندی متغیرهای کمی اجتناب کنید. 8

9 مقدمه استانداردهای کدبندی پس از تکمیل و جمع آوری کلیه پرسشنامه ها به هر یک از آنها یک کد اختصاص داده شود مانند تا هر یک از سواالت مطرح شده )که متغیر مستقل محسوب می شود( به ترتیب با x1 تا xn تعریف گردد. متغیر وابسته با y نمایش داده شود. مقوالت مربوط به سواالت باید با اعداد و الی آخر کدبندی شوند. معموال کد 88 برای مقوله بی مورد و کد 99 برای مقوله بدون پاسخ اختصاص می یابد مقوله بی مورد: به دلیل شرایط خاص پاسخگو سوال تعداد فرزند برای شخص مجرد. بعضی از سواالت بی او برای مورد خواهد مثال بود. zanganeh@guilan.ac.ir 9

10 مقدمه و استخراج ورود داده ها رایانه به بر اساس کدبندی های انجام شده هر پرسشنامه در یک ردیف و هر متغیر مستقل در یک ستون قرار دارد که شماره مقوالت مربوط به هر پرسش )متغیر مستقل( در جای خود در پنجره Data View وارد می شود. پاسخ پرسشهای کمی نیز به صورت عدد خاص خود وارد می شود. 10

11 مقدمه کدبندی مجدد کدبندی اگر اهداف اولیه تحقیق را باید نکند تامین این کدگذاری بازنگری شود. 1. تبدیل برخی متغیرهای کمی به متغیرهای ترتیبی )مثال: سن افراد از حالت کمی به دو گروه زیر 30 و باالی 30 طبقه بندی شود( الف( چند طبقه داشته باشید فاصله طبقاتی چگونه باشد )فرمول استورگس( ب( مشکل انتخاب محدوده طبقات فاصله طبقاتی غیرمشمول: داده هایی که با حد باالی دامنه طبقاتی برابر هستند در طبقه بعدی جای می گیرند. برای داده های عدد صحیح بهتر است. فاصله طبقاتی شامل شده: مقدار حد باالی فاصله طبقاتی نیز در همان طبقه جای می گیرد. برای داده های اعشاری بهتر است. 2. هم جهت سازی متغیرها و گویه ها باشند. منفی برخی و مثبت برخی است ممکن تقلیل تعداد طبقات برای آزمون کای اسکویر و غیره..3 11

12 مقدمه انجام روش کدبندی افزار نرم با مجدد Transform/Recode/Into Same Variables ذخیره طبقه روی مجدد بندی داده های قبلی Transform/Recode/Into Different Variables. نامگذاری کنید. ساخت متغیر جدید را آن باید که متغیر مورد نظر وارد قسمت Numeric Variable شود و دکمه Old and New Values انتخاب شود. در قسمت old نحوه جایگزینی را انتخاب کنید. در قسمت New کدبندی مجدد را برای ادغام طبقات انتخاب شده در قسمت Old در قسمت Valueوارد کنید و دکمه Add را فشار دهید. اگر بخواهید تنها داده های بعضی از case ها را کدبندی مجدد کنید از if باید استفاده کرده و شرط کدبندی را در پنجره مربوط به آن وارد کنید. اگر پاسخ بعضی از case ها در کدبندی مجدد شما جای نمی گیرد می توانید عینا همان داده را وارد ستون کدبندی جدید کنید. برای اینکار دکمه All Other Values را روشن کنید و دکمه Copy Old Values را انتخاب و Add کنید. تمرین 2: متغیر درآمد در تمرین 1 را به 3 طبقه تقسیم کرده و این بار فقط برای زنان طبقه بندی انجام دهید. پاک را کدبندی این سپس کنید. بندی zanganeh@guilan.ac.ir 12

13 مقدمه انتخاب زیرگروه برای تجزیه و تحلیل انتخاب زیرگروه دائمی: اگر بخواهید زیرمجموعه ای از Case ها را انتخاب کرده و آنالیز کنید: Data/Select Cases در پنجره باز شده دکمه If Condition is Satisfied را روشن کنید و شرط خود برای انتخاب زیر گروه جهت انجام تجزیه و تحلیل را وارد کنید و سپس Continue و Ok را بزنید. برای تحلیل های بعدی نیز این زیرگروه وجود خواهد داشت و در صورت انتخاب زیرگروه ثانویه باید به این نکته توجه داشت. برای حذف زیرگروه به مسیر Data/Select Cases رفته و دکمه Select All Cases را روشن کنید. تمرین 3: از داده های تمرین 1 زیرگروه مردان را انتخاب کنید و فراوانی آن را محاسبه کنید. zanganeh@guilan.ac.ir 13

14 مقدمه نحوه انتخاب نمونه تصادفی Data/Select Cases برای انتخاب تصادفی نمونه و انجام تجزیه و تحلیل بر روی آنها Sample در پنجره باز شده دکمه Random Sample of Cases را بزنید. را انتخاب کرده و دکمه یک حجم نمونه تصادفی از داده های تمرین 1 را انتخاب کنید. تمرین 4: zanganeh@guilan.ac.ir 14

15 مقدمه )Reliability( آزمون پایایی )اعتماد( داده ها باید مشخص شود که آیا نتایج حاصل از اندازه گیری توسط یک ابزار قابل اعتماد است با چه دقتی موضوع اندازه گیری شده و اگر تحت همان شرایط تکرار شود آیا همان نتایج قبلی به دست می آید پایایی مسئله ای کمی و تکنیکی است. مهمترین روشهای تشخیص پایایی: 1. روش بازآزمایی 2. روش موازی یا آزمون همتا 3. روش دو نیمه کردن 4. روش ضریب ثبات 5. روش کودر ریچاردسون و 6. روش آلفای کرونباخ 15

16 مقدمه آلفای روش کرونباخ: این آماره برای محاسبه انسجام درونی پرسشنامه ها یا ابزارهایی که با مقیاس رتبه ای تنظیم شده اند مورد استفاده قرار می گیرد. Analyze/Scale/Reliability قسمت از سپس کنید. منتقل قسمت Item به را نظر مورد متغیرهای شده باز پنجره در و زده را دکمه Scale if Item Deleted و کرده انتخاب را آماره Alpha Method Continue را فشار دهید و ok کنید. نباید کل سواالت پرسشنامه وارد تحلیل آلفای کرونباخ شوند بلکه گویه های سازگار باید انتخاب و آماره آلفای آنها استخراج شده و مورد تفسیر قرار گیرد. اگر مقدار آلفای محاسبه شده بیش از 0.7 باشد قابل قبول است. جدول حذف گویه ها و محاسبه آلفا بر اساس حذف هر گویه تمرین 5: سه متغیر جدید به داده های تمرین 1 اضافه کنید: میزان رضایت از زندگی )رتبه ای( میزان حمایت خانواده از شخص )رتبه ای( میزان رضایت از حقوق )رتبه ای(. داده های رتبه ای بین اعداد 1 تا 4 را به اشخاص بدهید. آماره آلفا را برای این سه متغیر جدید محاسبه و تفسیر کنید. zanganeh@guilan.ac.ir 16

17 مقدمه اعتبار یا روایی )Validity( بر خالف پایایی مسئله ای کیفی است و ارزیابی آن بسیار مشکل است. این روش برای چگونگی حرکت محقق از تعریف نظری به تعریف عملی مورد توجه قرار می گیرد. بررسی روش اعتبار محتوا: برای سنجش میزان اعتبار اجزای تشکیل دهنده یک ابزار اندازه گیری است که توسط افراد متخصص در موضوع مورد مطالعه انجام میگیرد و لذا به قضاوت داوران بستگی دارد. روش اعتبار سازه ای: نشان می دهد که ابزار اندازه گیری تا چه حد یک سازه یا خصیصه را که مبنای نظری دارد می سنجد. در این روش رابطه متغیر وابسته با هر یک از معرفهای مورد نظر در مفهوم کلی بررسی می شود..1.2 روش اعتبار عاملی: نوعی اعتبار سازه است که از طریق تحلیل عاملی انجام می گیرد..3 17

18 18

19 بخش دوم تحلیل روابط بین متغیرها محققان اجتماعی اقتصادی سعی می کنند با استفاده از آمار استنباطی به بررسی روابط بین متغیرها تفاوت موجود در بین گروههای مورد مطالعه و یا تبیین متغیر وابسته از طریق متغیرهای مستقل بپردازند. انواع متغیرها بر اساس میزان دقت اسمی )مانند جنسیت( ترتیبی )میزان عالقه به تلویزیون: کم متوسط زیاد( فاصله ای )نمره دانشجو( کمی نسبی )میزان درآمد( کیفی ضرایب همبستگی مرتبط با متغیرهای اسمی کای اسکویر فی کرامر و غیره... 19

20 بخش دوم.1 آزمون کای اسکویر: سنجش آماری معنی داری تفاوت بین فراوانی های مشاهده شده و فراوانی های مورد انتظار از یک جامعه. فرض صفر: بین دو متغیر x1 و X2 ارتباطی وجود ندارد. فرض یک: به احتمال... درصد بین دو متغیر رابطه وجود دارد. شرط معنی داری: چنانچه پس از محاسبه آزمون توسط SPSS سطح معنی داری کوچکتر از آلفا )1 و یا 5 درصد( شود. شرایط استفاده از آزمون کای اسکویر: داده های مشاهده شده باید به صورت تصادفی گردآوری شده باشند. کلیه نمونه ها باید مستقل از هم باشند. فراوانی هیچیک از خانه های جدول نباید کمتر از 10 باشد. در غیر اینصورت باید اقدام به کد بندی مجدد و افزایش فراوانی خانه های جدول نمود. تعداد نمونه به اندازه کافی بزرگ باشد )حداقل 50 مورد(. zanganeh@guilan.ac.ir 20

21 بخش دوم روش محاسبه جداول دوبعدی با نرم افزار Analyze/Descriptive statistics/ Crosstabs در پنجره باز شده یک متغیر را در قسمت Row و متغیر دیگر را در قسمت Column وارد کنید. اگر بخواهید اطالعات خود را بر اساس متغیر سومی نیز طبقه بندی کنید باید متغیر سوم را به عنوان متغیر کنترل در جعبه Layer 1 of 1 وارد کنید. با فشار دادن دکمه Next می توانید متغیرهای کنترل بیشتری را وارد کنید. دکمه Cell را فشار داده و گزینه های Observed Frequencies و Expected Frequencies را انتخاب کنید. سپس دکمه Statistics را فشار داده و آماره کای اسکویر را انتخاب کنید. در همین قسمت انواع دیگری از آماره های تعیین روابط بین متغیرها وجود دارد. zanganeh@guilan.ac.ir 21

22 بخش دوم تمرین 1: متغیرهای نوع واریته گندم )اسمی( میزان خسارت بیماری )ترتیبی( میزان عملکرد )نسبی( و میزان آبیاری )ترتیبی( را برای 50 نمونه وارد نرم افزار کنید و ارتباط بین نوع واریته محصول و میزان خسارت بیماری را با استفاده از آماره کای اسکویر بسنجید. Variables: Variety: 1.Sardari, 2. Pishgam, 3. Alvand, Disease: 1. Low, 2. Normal, 3. High, Yield: Quantitative Irrigation: 1. Low, 2. High 22

23 بخش دوم در صورتی که داده ها به صورت جداول دو بعدی ارائه شده باشند و بخواهید برای فراوانی های خانه های جدول آماره کای اسکویر را محاسبه کنید: در صفحه Data View ستون اول و دوم باید به متغیرهای کدبندی شده اختصاص داده شده و ستون سوم فراوانی متناسب با آن کدبندی را در بر گیرد. ستون مربوط به فراوانی را با دستور زیر به صورت فراوانی به نرم افزار معرفی کنید: Data/Weight Cases Analyze/Descriptive Statistics/Crosstabs سپس یکی از متغیرهای را در قسمت سطر و دیگری را در قسمت ستون وارد کنید. از قسمت Statistics آماره مورد نظر را انتخاب کنید از قسمت Cells مورد Expectedرا انتخاب کنید و ok کنید. آماره کای برای را اسکویر داده های جدول محاسبه زیر کنید. تمرین 2: منطقه سکونت /استفاده از موبایل کم زیاد شمال جنوب

24 24

25 بخش سوم 2. ضریب همبستگی برای فی: وجهی و در قالب جدول توافقی 2*2 بررسی شدت می باشد. همبستگی که اسمی متغیر دو بین دو به صورت تفاوت فی با کای اسکویر این است که کای اسکویر سطح معنی دار بودن همبستگی تعیین می کند در حالی که فی شدت همبستگی کای اسکویر را نشان می دهد. را متغیرها بین ضریب است. اسکویر کای مانند فی همواره آن مقدار و گیرد می قرار تفسیر مورد یک و بین صفر کرامر: تعیین برای میزان شدت همبستگی بین دو رود می به کار اسمی متغیر 3. ضریب مقدار آن همواره بین صفر و یک است. این ضریب در مقایسه با سایر ضرایب انعطاف بیشتری دارد. هم برای جداول توافقی بیشتر از 2*2 و هم برای جداول مستطیلی رود. می به کار برای را کرامر و فی آماره داده های تمرین 2 جلسه دوم محاسبه کنید. تمرین :1 zanganeh@guilan.ac.ir 25

26 بخش سوم ضرایب همبستگی مرتبط با متغیرهای ترتیبی: ضریب همبستگی رتبه ای کندال ضریب همبستگی رتبه ای اسپیرمن ضریب همبستگی پیرسون

27 بخش سوم 1. ضریب همبستگی کندال ای رتبه این شاخص حالت تقارن دارد کدامیک وابسته یا مستقل است. یعنی متغیرها که نیست مهم محقق برای و بوده متقارن این شاخص مشخص می کند که تا کاهش در متغیر دیگر همراه است. میزان چه یا افزایش با متغیر یک در کاهش یا افزایش مقدار این ضریب تا 1 در است. نوسان بین 1+ zanganeh@guilan.ac.ir 27

28 بخش سوم روشهای محاسبه ضریب همبستگی کندال یا N تعداد و باشد بعدی آزمودنی از باشد بیشتر نمونه( )حجم 1. زمانی که جدول به صورت دو کندال تائو a استفاده می شود. b تائو کندال از باشد برابر هم با بعدی دو جدول ستون و سطر های خانه 2. زمانی که تعداد استفاده می شود. جدول و نباشند برابر هم با ها به صورت مستطیل از باشد 3. چنانچه تعداد ردیف ها و ستون کندال تائو c استفاده می شود. تمرین 2 : بهتر یک است هر از جداول کدام با زیر روش کندال محاسبه شود zanganeh@guilan.ac.ir 28

29 بخش سوم 2. ضریب همبستگی رتبه ای اسپیرمن: زمانی مورد استفاده قرار می گیرد که داده ها به صورت رتبه ای متوالی ناپیوسته ) ( باشند و یا اینکه مقادیر اصلی به رتبه تبدیل شوند. چنانچه داده ها با مقیاس فاصله ای یا نسبی اندازه گیری شده باشند باید آن ها را به رتبه تبدیل کرده و سپس اسپیرمن را استخراج نمود. مقدار این ضریب بین 1+ تا 1 در نوسان است. از نظر نوع سنجش متقارن است یعنی برای محقق مستقل یا وابسته بودن متغیر اهمیتی ندارد. چنانچه در داده های مربوط به متغیرها موارد هم رتبه زیاد وجود داشته باشد بهتر است از روش کندال تائو استفاده شود. اگر تعداد طبقات زیاد باشد و موارد هم رتبه بسیار کم باشد و داده ها به صورت رتبه ای متوالی ناپیوسته باشد باید از اسپیرمن استفاده کرد. zanganeh@guilan.ac.ir 29

30 بخش سوم 3. ضریب همبستگی پیرسون: فاصله ای یا نسبی استفاده می شود. از روشهای پرکاربرد برای بررسی رابطه بین دو متغیر مقدار آن بین 1+ تا 1 است. مقدار مثبت هم جهت بودن تغییرات دو متغیر و مقدار منفی غیر هم جهت بودن تغییرات دو متغیر را نشان می دهد. zanganeh@guilan.ac.ir 30

31 بخش سوم مسیر محاسبه ضرایب همبستگی پیرسون افزار: نرم با کندال و اسپیرمن Analyze/Correlate/Bivariate در پنجره باز شده متغیرهای مورد نظر را به قسمت Variablesوارد کرده و از قسمت Correlation Coefficients ضرایب متناسب با داده ها را انتخاب کنید. برای آنکه سطح قرار دهید دکمه معنی داری روابط بین متغیرها را در سطح 5 و 1 درصد مورد بررسی Flag Significant Correlations را روشن کنید و Ok کنید. : تائو a و c کندال آنالیز مسیر Analyze/Descriptive Statistics/Crosstabs zanganeh@guilan.ac.ir 31

32 بخش سوم تمرین 3: متغیرهای زیر را وارد نرم افزار کرده و ضریب همبستگی رتبه ای کندال تائوی مناسب را محاسبه کنید. عدد اکتان سوخت )در سه سطح( میزان ارتعاش موتور )در دو سطح). تعداد 15 نمونه از خودتان وارد کنید. Variables: Octane: 1 90, 2 95, 3 99 Vibration: 1 Low, 2 High تمرین 4: دو متغیر ارتفاع از سطح دریا )متر( و سرعت باد )متر بر ثانیه( را در نظر بگیرید. ضریب همبستگی پیرسون متغیرهای فوق را محاسبه و تفسیر کنید. هر دو متغیر را به متغیرهای رتبه ای )هر یک در 3 سطح( کدبندی نموده و ضریب همبستگی اسپیرمن آنها را محاسبه کنید. Height (m) Wind Speed (m/s) zanganeh@guilan.ac.ir 32

33 بخش سوم در نکاتی مورد ضرایب همبستگی ساده: وجود همبستگی بین دو متغیر یا یکی علت دیگری است. اثرات دارای آنها که نیست این معنای به مساوی هستند و.1 ضرایب همبستگی ساده نشان می دهد که چقدر ارتباط خطی بین دو متغیر وجود دارد. بهتر است روابط دو متغیر در مواردی که به صورت خطی نیستند در قالب نمودار پراکندگی رسم شود:.2 Graphs/Interactive/Scatterplot 33

34 بخش سوم ضرایب همبستگی متغیرهای فاصله ای یا نسبی ضریب همبستگی جزئی: این روش سعی می کند تا به طور جداگانه طریق حذف اثرات سایر متغیرهای مرتبط اندازه گیری کند. از را متغیر دو بین رابطه این ضریب با کنترل رابطه کاذب به محقق کمک متغیرهای کنترلی همبستگی خالص بین دو متغیر را می کند بسنجد. تفکیک از پس تا کردن اثرات هدف همبستگی جزئی نشان دادن اهمیت نسبی متغیرهای مستقل مختلف در تبیین واریانس متغیر وابسته است. به عبارت دیگر به تعداد متغیرهای مستقل ضریب همبستگی جزئی قابل محاسبه است. هر ضریب همبستگی جزئی توجه قرار می دهد. متغیر یک رابطه وابسته متغیر با را مستقل به صورت خالص مورد 34

35 بخش سوم محاسبه ضریب همبستگی جزئی افزار نرم با اگر تنها یک متغیر ثابت نگه داشته شود در این صورت ضریب اگر دو متغیر ثابت نگه داشته شود ضریب نوع دوم و الی آخر. نامیده اول نوع اما می شود Analyze/Correlate/Partial در پنجره باز شده متغیری که قرار است بر روی دو متغیر قبلی مورد کنترل قرار گیرد در قسمت Controlling For قرار داده و سایر متغیرها را به قسمت Variables منتقل کنید و Ok کنید. عالوه بر مقادیر ضریب همبستگی سطح معنی داری واقعی همبستگی بین متغیرها نیز محاسبه می شود. 35

36 بخش سوم تمرین 5: متغیرهای زیر برای 20 نفر را وارد نرم افزار کرده و ضرایب همبستگی جزئی هر یک از متغیرهای مستقل را محاسبه نمائید. 1. میزان مطالعه علمی کشاورز)ساعت در سال() Study ( 2. میزان شرکت در کالسهای آموزشی ترویجی )ساعت در سال( )Class( 3. میزان تجربه کار کشاورزی)سال( )Experience( 4. میزان مصرف سموم )لیتر به ازای هر هکتار( )Chemical( 5. میزان مصرف کود شیمیایی )کیسه به ازای هر هکتار( )Fertilizer( 6. عملکرد محصول کشاورز )تن در هکتار( )Yield( zanganeh@guilan.ac.ir 36

37 37

38 بخش چهارم مقایسه میانگین ها شرط: چنانچه داده های مربوط به متغیر وابسته از نوع کمی با مقیاس فاصله ای یا های متغیر مستقل یا گروه بندی از نوع کیفی با مقیاس اسمی یا ترتیبی باشد تفاوت بین طبقات یا گروهها می توان به مقایسه میانگین پرداخت. نسبی و داده برای بررسی روشها: t آزمون F و آزمون شرایط استفاده از آزمون t: چنانچه متغیر مستقل مثل مقایسه میزان ریزش دو نوع کمباین. یا گروهبندی تنها دو گروه داشته باشد. شرایط استفاده از آزمون F یا تحلیل واریانس یا :ANOVA اگر مثل مقایسه میزان عملکرد محصول گندم با سه تیمار کودی. تعداد گروهها باشد. از دو بیش zanganeh@guilan.ac.ir 38

39 بخش چهارم آزمون F فقط مشخص می کند آیا تفاوت معنی دار بین گروه ها وجود دارد یا خیر به عبارت دیگر اینکه بین کدام گروهها تفاوت معنی دار وجود دارد را مشخص نمی کند. برای اینکه بدانیم تفاوت معنی دار بین کدام گروهها وجود دارد از مقایسات بین گروهی استفاده می کنیم.... Duncan مقایسات بین گروهی: آزمون شفه یا Tukey LSD و zanganeh@guilan.ac.ir 39

40 بخش چهارم انتخاب آزمون مناسب برای مقایسه میانگین ها گروههای مورد بررسی مستقل هستند یا همبسته مستقل همبسته تعداد گروههای مورد مقایسه سه گروه و بیشتر دو گروه سه گروه و بیشتر دو گروه آزمون t همبسته آزمون F همبسته آزمون F مستقل آزمون t مستقل zanganeh@guilan.ac.ir 40

41 بخش چهارم پیش فرضهای آزمونهای پارامتری مشاهدات 1. از یک جامعه نرمال انتخاب شده باشند. اطالعاتی که با هم مقایسه می شوند باید تقریبا واریانس یکسانی داشته باشند. اگر اندازه گروههای مورد بررسی یکسان باشد این فرض از اهمیت ساقط می شود. در نمونه های بزرگ هم این فرض اهمیت ندارد. داده ها دارای مقیاس فاصله ای یا نسبی باشند. اگر داده ها این سه شرط را نداشته باشند می توان داده ها را به غیرپارامتری تبدیل و ناپارامتریک استفاده نمود. روش عمده برای ناپارامتری کردن داده ها رتبه بندی آنهاست. از آمار

42 بخش چهارم t روش محاسبه افزار: نرم با آزمون آزمون 1. t همبسته: زمان استفاده: دو موضوع یا دو متغیر در مورد یک گروه مورد بررسی قرار گیرد. مثال: تعدادی دانشجوی ثابت تحت دو روش تدریس مختلف قرار گرفته و نمرات دو روش مورد مقایسه قرار گیرد. هر از پس آنها نحوه ورود داده: داده های هر Case در دو ستون وارد شود. به موبوط های داده و ردیف یک در متغیرهای بررسی مورد مسیر آزمون: Analyze/Compare Means/Paired Sample TTest در پنجره باز شده دو متغیر مورد مقایسه وارد قسمت Paired Variables شوند. Ok کنید. در قسمت Options می توانید سطح معنی داری آزمون t را تغییر دهید )1 یا 5 درصد(. مواردی که در هر یک از دو متغیر مورد مقایسه داده گمشده داشته باشند از آنالیز کنار می روند. جمله نتیجه آزمون t: از نظر آماری بین... )99 یا 95 (درصد تفاوت معنی دار وجود... zanganeh@guilan.ac.ir 42 )دو متغیر مورد )دارد یا ندارد(.... احتمال با ) بررسی

43 بخش چهارم تمرین 1: اثر دو هورمون مختلف بر روی میزان شیردهی 10 دام مورد بررسی قرار گرفته است. آیا تفاوت معنی دار بین این دو نوع هورمون وجود دارد Hormone 1 Hormone zanganeh@guilan.ac.ir 43

44 بخش چهارم آزمون t 2. مستقل: زمان استفاده: هنگامی که میانگین بین دو گروه افراد که از هم متفاوت هستند مثال: بررسی تفاوت بین دو نوع تراکتور از نظر میزان توان کششی. را مقایسه کنید. Case نحوه ورود داده: در یک ستون نوع کد و در ستون وارد به آن مربوط داده دیگر می شود. Analyze/Compare Means/Independent Sample TTest مسیر آزمون: در پنجره باز شده متغیر مورد بررسی را به قسمت Test Variable وارد کنید و متغیری که به عنوان متغیر گروهبندی در نظر گرفته شده را به قسمت Grouping Variable وارد کنید. سپس دکمه Define Groups را فشار دهید. در پنجره باز شده مقادیر گروه بندی را در پنجره های Group 1 و Group 2 وارد و Continue کرده و Ok کنید. نتایج تست لون: اگر معنی دار بود دو گروه واریانس غیر مساوی دارند و اگر معنی دار نبود واریانس گروهها برابر است. zanganeh@guilan.ac.ir 44

45 بخش چهارم در مزارع گندم مورد مطالعه نوع آفت وجود دارد قرار تمرین 2: تاثیر استفاده از یک سم در جمعیت دو نوع آفت گرفته است. آیا تفاوت معنی داری در میزان جمعیت این دو نوع آفت میزان جمعیت آفت zanganeh@guilan.ac.ir 45

46 بخش چهارم تحلیل واریانس برای کاربرد: مقایسه معنی بیش بین تفاوت داری از دو گروه ماهیت روش: واریانس موجود در نمونه ها را به دو بخش تقسیم می کند: 1. بخشی که به خاطر شانس و تصادف حادث شده )تفاوت موجود در درون هر گروه( 2. بخشی که ممکن است ناشی از دالیل و عوامل خاصی باشد )تفاوت بین گروههای مورد مطالعه(. اساس تحلیل واریانس: آزمایش تفاوت های موجود در بین میانگینهای جوامع یا گروههای مطالعه از طریق بررسی میزان واریانس بین گروهها نسبت به واریانس درون گروهها. مورد واریانس درون گروهها/واریانس بین گروهها= F در روش دستی: F محاسبه شده با F جدول بر مبنای درجه آزادی مربوطه مقایسه می شود. اگر F محاسبه شده از F جدول بزرگتر باشد تفاوت معنی دار بین گروههای مورد مطالعه وجود دارد. در نرم افزار: اگر سطح معنی داری به دست آمده کوچکتر از 5 و 1 صدم باشد تفاوت معنی دار وجود دارد. اگر تحلیل واریانس معنی دار باشد محل تفاوت معنی دار با آنالیز واریانس مشخص نمی شود. در صورت وجود تفاوت معنی داری مجاز به استفاده از آزمون t بین گروههای دو به دو نیستید. zanganeh@guilan.ac.ir 46

47 بخش چهارم تحلیل واریانس یک طرفه با نرم افزار: فرض صفر آزمون: تفاوت معنی دار بین گروههای مورد مطالعه وجود ندارد. فرض یک آزمون: حداقل بین دو گروه از گروههای مورد مطالعه تفاوت معنی دار وجود دارد. زمان استفاده: اگر محقق تنها یک متغیر را برای بررسی انتخاب کند و بخواهد تفاوت بین گروههای مختلف را بررسی کند باید از تحلیل واریانس یک طرفه استفاده کند. ماهیت روش: در تحلیل واریانس واریانس تیمار با واریانس خطا مقایسه می شود. نحوه ورود داده: کدبندی گروهها در یک ستون داده های متناظر با آنها در ستون دوم وارد می شود. مسیر آزمون: Analyze/Compare Means/One Way ANOVA درپنجره باز شده متغیر وابسته به قسمت Dependent List وارد شده و متغیر گروهها به قسمت Factor وارد می شود. Ok کنید. دکمه Post Hoc برای انتخاب آزمونهای مقایسه میانگین برای یافتن محل وجود تفاوت معنی دار است. 47

48 بخش چهارم تیمار مختلف کودی داری بین عملکرد قرار گرفته است بر اساس داده های ( نت در هکتار( این سه تیمار برای تمرین 3: محصول گندم تحت سه به دست آمده آیا تفاوت معنی محصول گندم وجود دارد Treatment 3 Treatment 2 Treatment zanganeh@guilan.ac.ir 48

49 بخش چهارم تحلیل واریانس دو طرفه: زمان استفاده: اگر محقق بخواهد اثر دو عامل را بر روی یک متغیر وابسته بررسی کند. در اینجا داده های بر اساس دو عامل تقسیم بندی می شوند. مثال: میزان برداشت محصول برنج بر اساس انواع مختلف بذر و انواع مختلف کود تقسیم بندی شود. نحوه ورود داده: داده های متغیر وابسته در یک ستون متغیر مستقل اول در و متغیر دوم در ستون دیگر با کدهای وارد نرم افزار می شود. کدهای با ستون یک مسیر آزمون: Analyze/General Linear Model/Univariate در پنجره باز شده متغیر وابسته را به قسمت Dependent Variable و متغیرهای مستقل را به قسمت Factor(s) Fixed وارد کرده و Ok کنید. اگر بخواهید کوواریانس نیز محاسبه شود می توانید متغیر یا متغیرهای مورد نظر را در قسمت Covariate وارد کنید. در صورت استفاده از کوواریانس اثر متغیرهای وارد شده به این قسمت کنترل شده و تحلیل واریانس صرفا بر اساس مقادیر متغیرهای وارد شده به قسمت Factor(s) محاسبه می شود. zanganeh@guilan.ac.ir 49

50 بخش چهارم نوع جیره غذایی بر میزان تولید گوشت معنی داری در این مطالعه وجود دارد نژاد گاوهای تمرین 4: تاثیر دو هورمون رشد و سه هولشتاین بررسی شده است. آیا تفاوت Hormone (I) Food (I) Meat (D) zanganeh@guilan.ac.ir 50

51 51

52 بخش پنجم طبقه بندی روشهای تحلیل چند متغیره خیر آیا بعضی از متغیرها وابسته اند بلی روشهای هم وابستگی روشهای وابستگی آیا داده ها کمی هستند چندتا از متغیرها وابسته هستند خیر بلی چند متغیر یک متغیر آیا آنها کمی هستند آیا آن کمی است مقیاس بندی چند بعدی غیر پارامتری MDS تحلیل عاملی مقیاس بندی چند بعدی پارامتری MDS تحلیل خوشه ای تحلیل عاملی خیر بلی خیر بلی تحلیل کانونی تحلیل واریانس چند متغیره تحلیل تشخیصی چندگانه رگرسیون چند گانه رگرسیون لجستیک تحلیل مسیر 52

53 بخش پنجم تکنیک های تجزیه و تحلیل چندگانه بر اساس طبیعت داده ها و نوع متغیر متغیر وابسته پارامتری غیر پارامتری متغیر مستقل پارامتری تحلیل رگرسیون چندگانه تحلیل همبستگی کانونی غیر تحلیل واریانس چند متغیره پارامتری تحلیل تشخیصی چندگانه همبستگی کانونی با متغیرهای مجازی همبستگی کانونی با متغیرهای مجازی رگرسیون لجستیک 53

54 بخش پنجم رگرسیون چند گانه ماهیت روش: تحلیل رگرسیون تغییرات متغیر وابسته را از طریق متغیرهای سهم هر یک از متغیرهای مستقل را در تبیین متغیر وابسته تعیین می کند. و بینی پیش مستقل برای انجام رگرسیون باید ضریب همبستگی را محاسبه کرد. اگر بین متغیرهای همبستگی وجود داشت تنها در این صورت است که می توانیم از رگرسیون فرضیه های تحقیق استفاده کنیم. مورد برای مطالعه آزمون با هم را کند. می بررسی تفاوت رگرسیون و ضریب همبستگی: رگرسیون به دنبال پیش بینی است. ضریب همبستگی تنها میزان وابستگی دو متغیر 54

55 بخش پنجم تحلیل رگرسیون رگرسیون تواند می را روابط علی تبیین کند. خط رگرسیون در نمودار پراکنش خطی است که آن خط نسبت به هر خط دیگری حداقل مقدار را متغیر از طریق متغیر دیگر می باشد. مجموع مربعات انحراف نقاط روی نمودار با داشته و این خط مبنایی برای پیش بینی یک واریانس تبیین شده: مقداری از واریانس شود که با R2 نشان داده می شود. متغیر متغیر مبنای بر که وابسته مستقل می تبیین واریانس تبیین نشده: اگر R2 را از عدد یک کم کنید به دست می آید و نشان دهنده که متغیر وابسته تنها تحت تاثیر متغیرهای مستقل مورد مطالعه قرار ندارد. است آن 55

56 بخش پنجم ضریب رگرسیون: شیب خط رگرسیون ضریب رگرسیون نامیده می شود. ضریب b بدان معناست واحد در متغیر مستقل x متغیر وابسته y به اندازه b واحد تغییر می کند. یک تغییر با که ضریب رگرسیون اساس بر همواره مقیاس متغیر وابسته بیان می شود. عرض از مبدا خط رگرسیون: محل تقاطع خط رگرسیون با محور y است که در وجود دارد و در برخی خیر. )مثال: رابطه بین میزان مصرف کود و عملکرد مصرف کود نیز مقداری محصول تولید خواهد شد.( برخی مطالعات ذرت که بدون Y=a+bx معادله خط رگرسیون zanganeh@guilan.ac.ir 56

57 بخش پنجم داده های سازگار رگرسیون با این تکنیک عمدتا بر اساس مستقل نیز امکان پذیر است. در کیفی های داده از استفاده اما است کمی های داده متغیرهای داده های اسمی در متغیر مستقل: مجازی دو وجهی تبدیل شوند. چنین در باید اسمی های داده مواردی به صورت متغیرهای متغیرهای چند وجهی باید به چند متغیر دو وجهی تبدیل شوند. هر متغیر دارای n وجه به 1n متغیر دو وجهی قابل تبدیل است. مثال: بررسی میزان ارتباط رضایت شغلی با نوع رشته می توان آنها را با کدهای صفر و یک تعریف کرد. تحصیلی. باشد نوع دو از بیش رشته اگر رگرسیون برای متغیرهای مجازی درست و معادله رگرسیون آن نیز همینطور. مانند محاسبه رگرسیون برای متغیرهای محاسبه کمی است zanganeh@guilan.ac.ir 57

58 بخش پنجم روش محاسبه رگرسیون ساده افزار: نرم با هر Case داده های متغیرهای مستقل Data View وارد کنید. وابسته و به مربوط در ستونهای در را پنجره در مجزا آزمون مسیر Analyze/Regression/Linear در پنجره باز شده متغیر وابسته را به قسمت Dependent Independent وارد کنید. سپس Ok کنید. متغیرهای و قسمت به را مستقل ضریب تعیین تعدیل شده: درصدی از واریانس متغیر وابسته که توسط متغیرهای مطالعه تبیین می شوند با در نظر گرفتن درجه آزادی متغیرهای مستقل. مورد مستقل R2 R2 در رگرسیون چندگانه شده کمتر می شود. تعداد چه هر متغیرهای فاصله باشد کمتر مستقل با تعدیل 58

59 بخش پنجم تمرین 1: بررسی رابطه بین هزینه تبلیغات هزینه بازاریابی و هزینه انجام کنترل کیفی نهایی قبل از ورود محصول به بازار و میزان فروش محصول یخچال خانگی بر اساس اطالعات نمایندگی های یک شرکت در شهرهای مختلف مورد نظر است. هزینه تبلیغات هزینه بازاریابی هزینه کنترل کیفی میزان فروش

60 بخش پنجم دکمه :Statistics در قسمت :Regression Coefficients :Estimates این گزینه برای تمام متغیرهای مستقل در مدل ضرایب استاندارد شده و نشده خطای معیار مقدار t و سطح معنی داری دو دامنه برای مقدار t را محاسبه می کند. در مورد متغیرهای مستقلی که به مدل وارد نشده اند موارد زیر محاسبه می شود: ضریب استاندارد شده آن در صورتی که در مدل می بود مقدار t و سطح معنی داری آن همبستگی نسبی متغیر وابسته با کنترل متغیر مستقل در معادله و مقدار حداقل تحمل tolerance(.)minimum ضرایب تمام برای گزینه رگرسیون استاندارد فاصله نشده Intervals :Confidence این اطمینان 95 درصد را ارائه می دهد. matrix :Covariance برای مدلهای رگرسیون چندگانه )دو یا بیشتر از دو متغیر مستقل( موارد زیر را محاسبه می کند: یک ماتریس مربع از کوورایانس های ضرایب رگرسیون استاندارد نشده در زیر قطر اصلی همبستگی های باالی قطر اصلی و واریانس های قطر. zanganeh@guilan.ac.ir 60

61 بخش پنجم سایر دکمه :Statistics آماره های و R2 معیار خطای و شده تعدیل اضافه به برآورد R2 R با این گزینه آماره :Model fit جدول ANOVA ارائه می شود. یک کردن کم یا کردن change R: squared این گزینه میانگین تغییر R2 را که با اضافه متغیر مستقل از معادله رگرسیون به وجود می آید را نمایش می دهد. انحراف و میانگین تمام معیار متغیرهای انتخاب شده ماتریس و را همبستگی :Descriptives ارائه می دهد. انواعی از ضرایب همبستگی را محاسبه می توجه به اثر سایر متغیرهای مستقل اندازه Correlations :Part and Partial این گزینه کند که همبستگی بین متغیر وابسته و مستقل را با گیری می کند. چندین را آزمون و آماره diagnostics :Collinearity این گزینه در رگرسیون چندگانه برای بررسی collinearity بین متغیرهای مستقل ارائه می کند. zanganeh@guilan.ac.ir 61

62 بخش پنجم در قسمت :Residuals توصیفی برای باقیمانده های استاندارد شده و بر این همبستگی بین باقیمانده ها را نیز ارائه عبارت :DurbinWatson این گزینه آماره های نشده و مقادیر پیش بینی شده ارائه می کند. عالوه می کند. تمرین 2: متغیر هزینه بسته بندی را در ادامه متغیرهای مستقل تمرین 1 وارد کرده و مجددا رگرسیون را محاسبه کنید. این بار تمام گزینه های دکمه Statistics را انتخاب کرده و نتایج را تفسیر کنید. zanganeh@guilan.ac.ir 62

63 پنجره :Linear Regression بخش پنجم گزینه Plots در در پنجره بین متغیر باز شده تحت عنوان Linear Regression Plots می توانید وابسته و هر یک از باقیمانده های لیست شده را انتخاب کنید. نمودارهای پراکنش برای رسم نمودار پراکنش بین هر یک از آنها یکی را انتخاب و به کادر Y منتقل کرده و سپس متغیر دیگر را انتخاب و به کادر X منتقل نمایید. برای به دست آوردن نمودارهای دیگر بر روی Next کلیک کرده و جفت دیگری از متغیرها را انتخاب کنید. برای نمودار کردن مقادیر پیش بینی شده یا باقی مانده ها در مقابل یک متغیر مستقل ابتدا باید با استفاده از کادر گفتگوی Save متغیرهای جدیدی از مقادیر پیش بینی شده یا باقیمانده ها ایجاد کنید. سپس گزینه Scatter را از منوی Graphs انتخاب کرده و نمودار پراکنش را مشخص کنید. zanganeh@guilan.ac.ir 63

64 بخش پنجم برای این نمودارها متغیرهای زیر در دسترس هستند: :ZPRED مقادیر پیش بینی شده استاندارد برای متغیر وابسته :ZRESID باقیمانده های استاندارد شده. :DRESID باقیمانده های پاک شده. با قیمانده های یک نمونه هنگامی که از محاسبه رگرسیون کنار گذاشته شده است. :ADJPRED مقادیر پیش بینی شده تعدیل شده. مقدار پیش بینی شده نمونه هنگامی که از محاسبه رگرسیون کنار گذاشته شده است. :SRESID باقیمانده های استاندارد شده. :DRESID باقیمانده های پاک شده استاندارد شده. :Produce all partial plots این گزینه نمودارهایی را ایجاد می کند که به عنوان نمودار تشخیصی در آنالیز رگرسیون به کار می روند. در معادله هایی که حداقل دو متغیر مستقل دارند برای هر یک از این متغیرها نموداری تشکیل می دهند. 64 در قسمت :Standardized Residual Plots :Histogram این گزینه هیستوگرامی از باقیمانده های استاندارد شده رسم بررسی کردن نرمال بودن توزیع به کار می رود. :Normal probability plot این گزینه نمودار PP از توزیع باقیمانده های مقایسه با یک توزیع نرمال استاندارد رسم می کند. که کند می استاندارد شده جهت در

65 بخش پنجم در Data View فایل اطالعاتی شما می ایجاد دکمه Save در پنجره :Linear Regression هر یک از گزینه های این پنجره متغیر جدیدی در کند. قسمت :Predicted Values :Unstandardized این گزینه برای متغیر وابسته متغیری از مقادیر پیش بینی شده توسط مدل رگرسیون ایجاد می کند. :Standardized برای متغیر وابسته متغیری از روی مقادیر پیش بینی شده ایجاد می کند. متغیر وابسته به گونه ای استاندارد شده است که میانگین آن صفر و انحراف معیارش برابر یک باشد. :Adjusted این گزینه برای نمونه هایی که از محاسبه ضرایب رگرسیون کنار گذاشته می شوند متغیری از مقادیر پیش بینی شده آنها تشکیل می دهد. :S.E. of mean predictions خطای معیار میانگین مقادیر پیش بینی شده متغیر وابسته را برای هر نمونه تشکیل می دهد. 65

66 بخش پنجم قسمت :Distances فاصله هر از است از نمونه مقادیر متوسط متغیرهای مستقل. :Mahalanobis شاخصی :Cook s شاخصی است از میزان تغییر باقیمانده تمام نمونه ها در صورتی که نمونه مورد نظر از محاسبات کنار گذاشته شود. نمونه هایی با فواصل Cook بزرگتر از یک نیاز به بررسی دارند. :Leverage Values شاخصی است از اینکه نمونه مورد نظر چقدر در برازش مدل رگرسیون نقش دارد. این شاخص دوری مقادیر یک نمونه را از میانگینهای تمام متغیرهای مستقل اندازه گیری می کند. مقدار آن بین صفر تا یک است. نمونه هایی که مقدار Leverage آنها بزرگتر از 2P/N باشد باید بررسی مجدد شوند. )P تعداد متغیرهای مستقل در مدل و N تعداد نمونه هاست.( گزارش این مقادیر در جداول رگرسیون مقاالت ارزش مهمی در ارائه صحت داده های مطالعه دارد. مقادیر این آماره ها برای تشخیص داده های پرت نیز می تواند مورد استفاده قرار گیرد. zanganeh@guilan.ac.ir 66

67 بخش پنجم قسمت :Prediction Intervals حد باالیی و دیگری برای حد گزینه به تمام نمونه ها مقدار :Mean این گزینه دو متغیر جدید ایجاد می کند یکی برای پایینی فاصله پیش بینی شده میانگین متغیر وابسته. در این مشخصی برای متغیرهای مستقل داده می شود. :Individuals این گزینه دو متغیر جدید ایجاد می کند یکی برای حد باالیی و دیگری برای حد پایینی فاصله پیش بینی شده متغیر وابسته. در این گزینه به هر نمونه مقدار مشخصی برای متغیرهای مستقل داده می شود. در زیر این گزینه می توانید سطح فاصله اطمینان را از طریق وارد کردن یک درصد بزرگتر از صفر و کوچکتر از 100 مشخص کنید. 67

68 بخش پنجم قسمت :Residuals متغیر مقدار وابسته منهای پیش مقدار بینی شده است. آن :Unstandardized برآوردی به باقیمانده از خطای آن معیار تقسیم می شود. :Standardized مقدار :Studentized مقدار باقیمانده به برآوردی از خطای معیار آن تقسیم می شود که این خطای معیار از نمونه ای به نمونه دیگر بسته به فاصله مقدار متغیر مستقل از مقادیر میانگین تغییر می کند. از نظر مورد نمونه حذف از بعد که باقیمانده محاسبه ضرایب به رگرسیون :Deleted مقدار دست می آید. باقیمانده بر پاک شده برآورد خطای آن معیار تقسیم شده است. :Studentized deleted 68

69 بخش پنجم روشهای بررسی فرضهای رگرسیون خطی چندگانه روی نتایج رگرسیون تاثیر گذار هستند: تشخیص و بر بقیه از بیشتر که هایی نمونه در صورتی که مدل رگرسیون صحیح باشد هنگام رسم نمودار باقیمانده ها در مقابل مقادیر متغیرهای مستقل در مدل نباید الگوی خاصی را مشاهده کنید. زیرا اگر الگویی دیده شود ممکن است رابطه بین متغیر وابسته و مستقل خطی نباشد. همچنین می توانید بررسی کنید که آیا متغیر دیگری وجود دارد که باید وارد مدل شود. نمودار دیگری که شما را در ارزیابی کارایی مدل رگرسیون یاری می کند نمودار رگرسیون پارشیال است. این نمودار نمودار دو سری باقیمانده است. با محاسبه باقیمانده ها اثرات خطی سایر متغیرهای مستقل از هر دو متغیر مستقل و وابسته مورد نظر حذف می شوند. برای به دست آوردن این نمودار مسیر زیر را دنبال کنید: Graphs/Scatter Plot یک کند می تعیین که نمونه چقدر روی بر رگرسیون اثر می گذارد. شاخص Leverage به شما که می گوید با خارج از نمونه یک کردن مدل چقدر ضرایب تغییر شاخص Cook s می کنند. zanganeh@guilan.ac.ir 69

70 بخش پنجم قسمت :Influence Statistics :DfBeta(s) برای هر نمونه با حذف آن تغییراتی در ضرایب رگرسیون رخ می دهد بر اساس این تغییرات برای هر عبارت مدل رگرسیون و همچنین عرض از مبدا آن یک متغیر جدید ایجاد می شود. DfBeta(s) :Standardized برای هر عبارت از مدل رگرسیون شامل عرض از مبدا یک متغیر جدید می سازد که حاوی مقدار DfBeta تقسیم بر برآورد خطای معیار آن می باشد. نمونه جاری از محاسبات حذف شود شامل پیش مقدار تغییر بینی شده :DfFit در صورتی که متغیر وابسته است. DfFit تقسیم با مقدار کردن بر برآورد خطای می محاسبه آن معیار :Standardized DfFit شود. نمونه جاری از آن وارد محاسبه شده :Covariance ratio از تقسیم شاخص ماتریس کوواریانس )هنگامی که حذف شده است( به شاخص ماتریس کوواریانس )هنگامی که نمونه جاری است( به دست می آید. 70

71 بخش پنجم دکمه Options در پنجره :Linear Regression این معیارها در رگرسیون متغیره دو کاربردی ندارد. :Stepping Method Criteria :Include constant in equation برای معادله های رگرسیون معمولی این گزینه باید انتخاب شده باشد. برای به صفر رساندن مقدار ثابت معادله )عرض از مبدا( این گزینه را باید غیر فعال کنید. :Missing Values گزینه های این گروه نحوه برخورد با داده های نامعلوم را کنترل می کند و نحوه به دست آوردن ماتریس همبستگی را که از روی آن نرم افزار آماره های رگرسیون را محاسبه می کند کنترل می کند: listwise :Exclude cases با این گزینه هر یک از ضرایب همبستگی تنها با استفاده از نمونه هایی محاسبه می شوند که دارای مقدار صحیحی برای تمام متغیرهای ماتریس هستند. بنابراین ضرایب ماتریس همگی بر اساس نمونه های یکسانی محاسبه شده اند. :Exclude cases pairewise با این گزینه هر یک از ضرایب همبستگی تنها با استفاده از نمونه هایی محاسبه می شوند که دارای مقدار صحیحی برای متغیرهای درگیر هستند. گاهی ماتریس چنین ضرایبی ممکن است ثابت نباشد. :Replace with mean با این گزینه مقادیر نامعلوم یک متغیر با مقدار میانگین آن متغیر قبل از محاسبه ماتریس همبستگی جایگزین می شوند. 71

72 72

73 بخش ششم رگرسیون چندگانه ماهیت از استفاده با روش: ترکیب خطی چند متغیر پیشگویی به مستقل وابسته متغیر می پردازد. روشهای رگرسیون چندگانه: توام روش 1. :)Enter( کلیه متغیرهای مستقل به طور همزمان وارد تحلیل شده و اثرات کلیه متغیرهای مستقل بر روی متغیر وابسته بررسی می گردد. Analyze/Regression/Linear در پنجره باز شده متغیرهای مستقل را به قسمت Independent و متغیر وابسته را به قسمت Dependent وارد می کنید. از قسمت Method روش Enter را انتخاب کنید. سپس Ok کنید. بر اساس نتایج به دست آمده در ستون B )ضرایب رگرسیون( می توانید معادله رگرسیون مطالعه خود را بنویسید. مقدار آماره t هر یک از متغیرها و معنی داری آن نیز محاسبه شده که نشان دهنده معنی داری اثرات متیغرهای مختلف است. اهمیت و نقش متغیرهای مستقل در پیشگویی معادله رگرسیون از مقدار ستون بتا در جدول نتایج رگرسیون قابل استنباط است. بتای بزرگتر اهمیت بیشتر آن متغیر نسبت به سایر متغیرهای مستقل را نشان می دهد. zanganeh@guilan.ac.ir 73

74 بخش ششم گام به گام 2. روش :)Stepwise( قوی ترین متغیرها شود تا زمانی که خطای آزمون معنی داری به 5 درصد برسد. یک به یک وارد معادله رگرسیون می Analyze/Regression/Linear Ok Stepwise Method وارد قسمتهای قسمت از و شده مربوطه روش و انتخاب متغیرها کنید. zanganeh@guilan.ac.ir 74

75 بخش ششم رو پس حذف روش :)Backward Elimination Method( در این روش.3 همانند Enter ابتدا کلیه متغیرها وارد معادله شده و سپس به مرور متغیرهای ضعیفتر یکی پس از دیگری از معادله خارج شده تا زمانی که خطای آزمون معنی داری به 10 درصد برسد. در این روش با خروج و سپس کاهش یابد. تدریج به متغیرها است ممکن مقدار ضریب تعیین تعدیل شده افزایش نتایج این روش تبیین می کند. سهم معموال گام به گام روش به نسبت تغییرات از بیشتری متغیر را وابسته قسمت Method گزینه Backward روش کرد. محاسبه در تنها است قبل مانند باید انتخاب را 75

76 بخش ششم 4. پیشرو روش انتخاب و وارد معادله می درصد برسد. روش گام به گام تا زمانی ادامه می است در این روش متغیرهای قوی تر یابد که خطای آزمون معنی داری به 5 :)Forward( مشابه گردند. این عمل در باید گزینه Forward انتخاب گردد. قسمت Method zanganeh@guilan.ac.ir 76

77 تمرین 3: برای پیش بینی میزان ریزش باران متغیرهای رطوبت نسبی هوا حداکثر مطلق دما سرعت وزش باد و حداقل مطلق دما اندازه گیری شده است. با استفاده از روشهای مختلف رگرسیون چندگانه در ورود متغیرها به معادله رگرسیون تحلیل رگرسیون را انجام دهید. رطوبت نسبی حداکثر دما سرعت باد حداقل دما میزان باران بخش ششم zanganeh@guilan.ac.ir 77

78 بخش ششم رگرسیون لجستیک زمان استفاده: در صورتی مستقل از نوع کمی. متغیر که متغیر و باشد خیر( بلی )مانند وجهی دو اسمی نوع از وابسته نتیجه: بر وابسته را اساس متغیرهای محاسبه کرد. مورد مستقل یک هر احتمال توان می استفاده از سطوح وجهی دو متغیر روش محاسبه رگرسیون لجستیک توسط نرم افزار: نحوه ورود داده: داده های متغیرهای مستقل و وابسته در ستونهای مجزا View می شوند. داده های متغیر وابسته به صورت کدهای 0 و 1 وارد شوند. مسیر آزمون zanganeh@guilan.ac.ir 78 Data پنجره وارد Analyze/Regression/Binary Logistic در پنجره باز شده متغیر وابسته را به قسمت Dependent و متغیرهای مستقل را به قسمت Covariates وارد کنید و از قسمت Method گزینه Forward:Conditional را انتخاب کنید. دکمه Save را فشار داده و در پنجره باز شده عبارتهای Probabilities و Group Membership را عالمت زده و Continue کنید.

79 بخش ششم با انتخاب دو متغیر فوق دو متغیر در پنجره Data View باز می شود که اولی فرد به سطح اول متغیر وابسته و دومی نیز تعلق فرد به گروههای دو گانه را بر قبلی پیش بینی می کند. احتمال تعلق اساس متغیر دکمه Option را فشار داده و در پنجره باز شده موارد Classification Plots و At Last Step را عالمت بزنید سپس Continue و Ok کنید. در رگرسیون لجستیک برای کای اسکور استفاده می شود. بررسی داری معنی در متغیرها توزیع با آمارهای از رگرسیون استفاده قرار می گیرد. هر چند مرحله که شود. تفاضل 2LL هر دو مرحله متوالی آماره 2 Log Likelihood برای برازش مدل مورد رگرسیون ادامه یابد آماره مربوط به آن تولید می نشان دهنده مقدار کای اسکویر بهبود یافته است. مشخصه Improvement نشان می دهد که ورود متغیر جدید کاهش داده است و آیا این کاهش معنی دار است تا چه حد را اسکویر کای مقدار zanganeh@guilan.ac.ir 79

80 رب بخش ششم مقدار Model chisquare نشان می دهد که متغیرهای مستقل تا چه حد بر متغیر وابسته اثر گذار بوده اند. چنانچه PValue به دست آمده کوچکتر از 5 درصد باشد تاثیر متغیرهای مستقل و ارتباط آنها با متغیر وابسته در سطح 95 درصد معنی دار تلقی می شود و به همین ترتیب برای سطح 1 درصد. جدول Classification Table ابعاد دو وجهی متغیر وابسته را نشان می دهد. درصدهای این جدول حساسیت مدل در تعیین افراد مربوط به یک حالت را نشان می دهد. درصد کل در این جدول نشان می دهد که این مدل تا چند درصد کل افراد را به درستی از همدیگر تفکیک می کند. این موضوع از طریق نمودار Classification Plot نیز قابل مشاهده است. )EXP(B)( مقدار ثابت ضریب B نسبت برتری آماره جدول Variables in the Equation والد و غیره را نشان می دهد. نسبت برتری یک طبقه به تعلق فراوانی بین نسبت بیانگر به فراوانی آن طبقه به تعلق عدم است. داری معنی نیز والد آماره متغیرهای وارد شده در معادله را دهد. می نشان ثابت مقدار مبنای و ضریب B معادله توان می بهینه رگرسیون نوشت. را لجستیک zanganeh@guilan.ac.ir 80

81 بخش ششم تعداد کنید فرض 1: تمرین در کنندگان شرکت از 17 نفر می و کرده انتخاب را کنکور خواهیم بدانیم قبولی در کنکور مدت عوامل از کدامیک تابع دیپلم معدل و سن مطالعه است. متغیر وابسته یعنی قبولی در کد صورت به باید را کنکور متغیرهای بقیه و یک و صفر مستقل را به صورت کمی وارد کنید. مدت مطالعه سن معدل دیپلم قبولی zanganeh@guilan.ac.ir 81

82 82

83 بخش هفتم طرح کامال تصادفی متعادل Design( )Completely Randomized ماهیت: طرح کامال تصادفی یا طرح کرتهای تصادفی طرحی است که در آن اثر هر تیمار از طریق انتساب آنها به تعداد معینی واحد آزمایشی که به طور تصادفی از میان واحدهای موجود انتخاب شده اند مورد بررسی قرار می گیرد. زمان استفاده: زمانی که واحدهای آزمایشی یکنواخت باشند یعنی واریانس بین آنها کوچک باشد. برای آزمایشهای گلخانه ای و آزمایشگاهی مناسب است. انواع طرح: متعادل و نامتعادل )از نظر تعداد تکرار برای هر تیمار( طرح: آماری مدل Y ij = μ + T i + e ij zanganeh@guilan.ac.ir 83

84 84 نیرمت :1 رد کی شیامزآ راهچ A B C D هتیراو زا ظاحل نازیم درکلمع دروم شیامزآ رارق هتفرگ.دنا هداد ییاه زا ناتدوخ رب ساسا شور ریز دراو مرن رازفا.دینک هیزجت سنایراو نآ ار ماجنا.دیهد مدق :لوا فیرعت :اهریغتم رامیت )Treatment( و درکلمع )Yield( رد هرجنپ Variable.View مدق :مود دورو تاعلاطا و هداد اه رد یاهنوتس طوبرم هب ره کی زا یاهریغتم فیرعت هدش رد هرجنپ.Data View رد نیا لاثم 3 رارکت رد رظن یم میریگ اذل رد نوتس طوبرم هب مان رامیت یارب ره کی زا اهرامیت دیاب هس رارکت جرد مینک هب تروص نیا هس هک راب ددع کی هس سپس راب ددع ود و یلا.رخآ مدق :موس هریخذ.لیاف متفه شخب

85 بخش هفتم کنیم: می استفاده زیر مسیر از اینکار برای واریانس: تجزیه چهارم: قدم Analyze>Compare Means>OneWayANOVA. قدم پنجم: متغیر وابسته یعنی Yield را انتخاب و به قسمت Dependent List وارد می کنیم. تیمار که متغیر مستقل است را به پنجره Factor منتقل می کنیم. قدم ششم: برای انجام آنالیزهای بیشتر می توانیم از دکمه Option استفاده کنیم. 85

86 بخش هفتم در Option گزینه های متنوعی وجود دارد: :Descriptive آماره های توصیفی :Fixed and Random Effects اثرات ثابت و متغیر :Homogeneity of Variance test آزمون همگنی واریانس :BrownForsythe آماره براونفورث :Welch آماره ولز :Means Plot نمودار میانگین :Post Hoc انتخاب آزمون های مقایسه میانگین قدم هفتم: بر روی Continue کلیک کرده و ok می کنیم تا آنالیزهای مورد نظر انجام گیرد. 86

87 بخش هفتم تجزیه آماری طرح کامال تصادفی با تکرارهای مساوی )طرح متعادل( تمرین 2: میزان ریزش چهار نوع هد مختلف کمباین کلزا در سه مزرعه اندازه گیری است. داده های این آزمایش در جدول زیر داده شده است. با تجزیه آماری توسط نرم SPSS نتایج آن را تحلیل نمایید. شده افزار تکرار هد انواع D C B A جمع zanganeh@guilan.ac.ir 87

88 بخش هفتم طرح کامال تصادفی نامتعادل CRD( )Unbalanced مثال( در یک آزمایش میزان شیردهی 4 نژاد A B C D که به ترتیب و 4 راس می باشند اندازه گیری شده است. نژادها را از نظر میزان تولید شیر مورد بررسی قرار دهید. کلیه عملیات تعریف متغیرها کامال مثل حالت قبل است با این تفاوت که متغیر تیمار به تعداد آن نوشته می شود. یعنی 4 بار نژاد A 3 بار نژاد B سه بار نژاد C و 2 بار نژاد D در ستون مربوط به تیمار نوشته می شود. سپس عمکرد هر یک را درمقابل آن می نویسیم. انجام عملیات تجزیه واریانس مشابه حالت متعادل است با این تفاوت که مقایسه میانگین توسط نرم افزار با استفاده از میانگین همساز تعداد تکرارها انجام می گیرد. zanganeh@guilan.ac.ir 88

89 بخش هفتم تجزیه آماری طرح کامال تصادفی با تکرارهای نا مساوی )طرح نامتعادل( تمرین 3: مقایسه بهره وری انرژی چهار سامانه کنترل و تنظیم برق مصرفی در گاوداری های شیری مدنظر است. داده های این آزمایش در جدول زیر به صورت درصد داده شده است. با تجزیه آماری توسط نرم افزار نتایج آن را تحلیل نمایید. تکرار سامانه انواع D C B A مجموع zanganeh@guilan.ac.ir 89

90 بخش هفتم طرح کامال تصادفی چندمشاهده ای )Completely Randomized Multi Observation Design( آزمایش هر در که شود می توصیه استفاده: زمان خصوصیات و وقت هزینه به بسته متعددی روابط یافتن و علمی طور به را نتایج بتوان تا گیرند قرار بررسی مورد است اختیار در که امکاناتی در خصوصیات از برخی دقت افزایش منظور به آزمایشات بیشتر در نمود. توجیه معلولی و علت چند طرحهای از باید حالت این در شود. می گیری اندازه مرتبه یک از بیش آزمایشی واحد هر کرد. استفاده ای مشاهده طرح: آماری مدل Y ij = μ + T i + e ij + ε ijk zanganeh@guilan.ac.ir 90

91 بخش هفتم تمرین 4: درصد کلسیم در ماده خشک 3 برگ انتخاب شده در 4 نوع گیاه شلغم در دو قسمت از هر برگ به طور تصادفی مورد اندازه گیری قرار گرفت. داده هایی از خود وارد کرده و آنها را تجزیه و تحلیل نمایید. در زبانه Variableمتغیرهای View زیر را وارد می کنیم: Replication, Treatment, Observation, Yield در ستون اول تکرار را وارد می کنیم. تیمار 4 مورد و مشاهده 2 مورد است لذا هر تکرار باید 4*2 بار وارد شود یعنی 8 تا 8 تا 1 2 و 8 تا 3. سپس در ستون تیمار 2 تا 2 1 تا 2 2 تا 3 و 2 تا 4 وارد می کنیم. سپس در ستون مشاهده از ابتدا تا انتها به ترتیب اعدا 1 و 2 را قرار می دهیم. در ستون عملکرد هم میزان آن برای هر ترکیب از داده ها را وارد می کنیم. zanganeh@guilan.ac.ir 91

92 بخش هفتم Analyze>General Linear Model>Univariate. 1 متغیر وابسته را به کادر Dependent Variable منتقل می کنیم. 2 متغیرهای مستقل )تکرار تیمار و مشاهده( را به پنجره Fixed Factor انتقال می دهیم. 3 روی دکمه Model کلیک نموده تا کادر آن ظاهر شود. بر روی دایره Custom مدل را به شرح زیر در آن تعریف می کنیم: Treatment (Main Effect) Replication*Treatment (Interaction) اثر تیمار و اثر اشتباه آزمایشی )که حاصل اثر متقابل تیمار و تکرار می باشد( وارد مدل می شود. اشتباه نمونه برداری به صورت باقی مانده خود به خود محاسبه و در جدول تجزیه واریانس تحت عنوان Error شود. می داده نشان zanganeh@guilan.ac.ir 92

93 بخش هفتم دکمه های Univariate مقایسه های چندگانه Contrasts پنجره Contrasts حاوی مقایسه های زیر است: :None عدم انجام مقایسه :Deviation تیمارها با میانگین کل مقایسه می شوند :Simple تیمارها تک تک با تیمار آخر مقایسه می شوند :Difference هر تیمار با تیمارهای قبل از خودش مقایسه می گردد: 2 با 3 1 با 2 و 4 1 با 3 و 2 و 1 و الی آخر. :Helmert هر تیمار با تیمارهای بعد از خودش مقایسه می گردد: 1 با 2 و 3 و 2 4 با 3 و 4 و الی آخر :Repeated هر تیمار با تیمار بعد از خودش مقایسه می گردد: 1 با 2 2 با 3 و الی آخر :Polynomial به تعداد تیمار منهای یک آزمون و مقایسه انجام می پذیرد مثال اگر تعداد تیمار 4 عدد باشد مقایسه های خطی درجه دوم و درجه سوم انجام می گیرد. zanganeh@guilan.ac.ir 93

94 بخش هفتم گزینه Plot متغیرهای نمودار تهیه امکان ها آن نمودار خواهیم می که متغیرهایی سازد. می فراهم را مختلف به کنیم رسم را کادر Horizontal Axis کنیم. می منتقل کادر به را سوم متغیر کنیم رسم سومی متغیر ثابت سطوح در را متغیر دو نمودار بخواهیم اگر Separate plot کنیم. می منتقل 94

95 بخش هفتم مقایسه های میانگین Post Hoc با زدن دکمه Post Hoc پنجره Post Hoc Multiple Comparisons for Observed Means ظاهر می شود که در آن یکی از روشهای مقایسه میانگینها را انتخاب می کنیم. در این کادر می توان دو نوع مقایسه انجام داد: الف( مقایسه برای هنگامی که واریانس همگن است assumed( :)Equal variance شامل LSD حداقل تفاوت معنی دار Bonferroni بون فرونی Sidak سیداک Scheffe شفه SNK REGWQ REGWF استیودنت نیومن کویلز Waller Gabriel Hochbergs GT2 Duncan Tukeyb Tukey.Dunnett Duncanو محقق بر حسب شرایط و نظر خود یکی از آنها را انتخاب می نماید. 95

96 بخش هفتم ب( هنگامی که واریانس ناهمگن باشد Assumed( )Equal Variances not شامل.Dunnets C GamesHowell Dunnetts T3 Tamhenes T2 سپس توسط Significance Level سطح معنی داری آزمون را مشخص می نماییم. گزینه Save نماید. می ذخیره ها داده فایل در و داده انجام محاسباتی گزینه این شده بینی پیش مقادیر :Predicted Values شده بینی پیش مقادیر از وابسته متغیر برای متغیری تولید :Un Standardized متغیری تولید متغیر برای یک معیار انحراف و صفر میانگین با شده استاندارد :Standardized بینی شده. پیش مقادیر روی از وابسته zanganeh@guilan.ac.ir 96

97 بخش هفتم نمونه نشان :Diagnostics تشخیصی :Cooks Distance شاخصی از میزان تغییر باقی مانده تمام نمونه ها هنگامی که مورد نظر از محاسبات کنار گذاشته شود. :Leverage Values شاخصی که میزان نقش نمونه مورد نظر در پردازش مدل را می دهد. 97

98 بخش هفتم گزینه Residuals به فاصله Unstandardized مقدار تفاوت بین متغیر وابسته و پیش بینی آن Standardized مقدار باقیمانده تقسیم بر خطای معیار آن Deleted مقدار باقیمانده پس از حذف نمونه مورد نظر از محاسبه رگرسیون Studentized مقدار باقیمانده تقسیم بر خطای معیار خودش که این مقدار بسته متغیر مستقل از مقدار میانگین برای هر متغیر تفاوت پیدا می کند. 98

99 بخش هفتم گزینه Options این گزینه دارای دو بخش است: Estimated Marginal Means که در این قسمت می توانید انجام آزمون مقایسه میانگین و نمایش آن برای همه متغیرها یا هر یک از متغیرها یا اثرات اصلی را انتخاب نمایید. Display در این بخش می توان اطالعات و تحلیل های مختلفی را از نرم افزار درخواست کرد. :Descriptive statistics توصیفات آماری :Estimate of effect size تخمین اندازه اثر :Observed power توان مشاهدات :Parameter estimates پارامترهای تخمینی :Contrast coefficient matrix ماتریس ضرایب مقایسه های چندگانه :Homogeneity tests آزمون همگنی واریانس Spread :پالتهای vs. level plot جدا :Residual plot پالت باقیمانده ها :Lake of fit عدم برازش :General estimable function معادله عمومی تخمین 99

100 100 هیزجت حرط یرامآ لاماک یفداصت دنچ اب هدهاشم رد ره دحاو یشیامزآ نیرمت :5 یارب نییعت ریثات نازیم شناد ینف نازرواشک و روضح ناسدنهم رظان رب درکلمع لوصحم بیس ینیمز تن ( رد )راتکه دعب زا کی هرود هاگراک یشزومآ ود هتفه یا یشیامزآ بیترت هداد دش و رد 18 هعرزم ماجنا.دیدرگ سپس هورگ یاه 3 ییات زا عرازم تحت یاهرامیت نیا شیامزآ هک لصاح تابیکرت فلتخم ود لماع لااب یم دشاب رارق هداد.دندش رد ره هعرزم زا راهچ هقطنم فلتخم نیمز ماگنه تشادرب لوصحم تهج هزادنا یریگ نازیم درکلمع رد یاهتحاسم 50 رتم یعبرم هنومن یرادرب تروص.تفرگ هداد یاه نیا شیامزآ رد لودج ریز هداد هدش.تسا اب هیزجت یرامآ طسوت مرن رازفا جیاتن نآ ار لیلحت.دییامن متفه شخب

101 بخش هفتم میزان دانش زیاد با حضور در کارگاه آموزشی دانش دانش کم بدون حضور در کارگاه آموزشی میزان حضور مهندس ناظر فقط در عملیات خاکورزی فقط در در کل عملیات عملیات کاشت فقط در عملیات خاکورزی فقط در عملیات کاشت در کل عملیات شماره مزرعه شماره پالت نمونه برداری zanganeh@guilan.ac.ir 101

102 102

103 103 متشه شخب حرط یاهکولب لماک یفداصت )Randomized Complete Block Design( :تیهام یارب شهاک تارثا یلامتحا کی لماع یجراخ هب ریغ زا رامیت دروم هعلاطم رد جیاتن شیامزآ هک اب ملع یلبق یم میناد ثعاب تارییغت بیرا رد جیاتن یم دوش زا حرط کولب یاه لماک یفداصت هدافتسا یم.دوش نامز :هدافتسا یماگنه هک یاهدحاو یشیامزآ ار ناوتب هب یوحن هتسد یدنب درک هک رد ره هتسد یاهدحاو هباشم و تخاونکی رارق مزلا.دنریگ تسا هک دادعت یاهدحاو یشیامزآ رد ره هتسد ربارب اب دادعت رامیت.دشاب لدم یرامآ حرط یاهکولب لماک :یفداصت Yij=μ+Ti+Rj+eij

104 بخش هشتم )B( )A( 5 یونجه رقم تصادفی کامل بلوکی طرح یک در تمرین 1: همدانی یونجه قره )E( تبریز محلی )D( مقایسه مورد تولیدی علوفه تعداد نظر از تکرار چهار در خوی محلی )C( دهید. قرار تجزیه مورد را آنها است آمده زیر جدول در نتایج اند. گرفته قرار A=2 E=3 C=4 D=2 B=4 B=3 E=5 D=6 A=1 C=3 E=5 D=1 C=3 B=4 A=4 E=2 D=2 A=4 B=5 C=4 zanganeh@guilan.ac.ir 104

105 بخش هشتم در زبانه Variable View متغیرهای این آزمایش را تعریف می کنیم:.Replication, Treatment, Yield در زبانه Data View داده ها را به ترتیب زیر وارد می کنیم: ستون اول را به تکرار اختصاص می دهیم: به تعداد تیمارها از هر تکرار عدد پشت سر هم وارد می کنیم: یعنی 5 تا 5 1 تا 2 و.... سپس در ستون مربوط به تیمار از اعداد 1 تا 5 متناظر با هر یک از تیمارها وارد می کنیم و در ستون آخر نیز داده های مربوط به متغیر وابسته یعنی عملکرد کنیم. می وارد را یونجه zanganeh@guilan.ac.ir 105

106 بخش هشتم واریانس: تجزیه انجام مراحل Analyze>General Linear Model>Univariate متغیر وابسته را به پنجره Dependent Variable پنجره Fixed Factors منتقل می کنیم. روی دکمه Model کلیک کرده و دکمه Custom را آزمایشی را باید تعریف کنیم: و متغیرهای بلوک و تیمار انتخاب می کنیم. حال مدل به را طرح Treatment Replication و Ok زدن با دکمه Continue بازگشته اصلی پنجره به کنیم. می 106

107 بخش هشتم طرح بلوک کامل تصادفی با چند مشاهده (Randomized Multi Observation Complete Block Design) تمام مراحل مانند طرح بلوک کامل تصادفی است تنها تفاوت در تعریف مدل آماری طرح است که باید مدنظر قرار بگیرد. تعریف متغیرها: Replication, Treatment, Observation, Yield اجزای مدل آماری: Replication Treatment Replication*Treatment 107

108 بخش هشتم تمرین 2: پنج نوع تراکتور توسط چهار دانشجوی مکانیزاسیون دانشگاه تهران از نظر میزان مصرف سوخت مورد بررسی قرار گرفته است. هر دانشجو در هر بار دو تراکتور از هر نوع تراکتور را مورد اندازه گیری قرار داده است. جدول زیر اطالعات این بررسی را گزارش می کند. دانشجویان دقت و تراکتور نوع بین تفاوت وجود از حاکی اطالعات این آیا است A=68,67 C=54,50 D=95,90 E=73,75 B=71,74 B=78,80 A=82,80 E=85,87 C=67,65 D=116,115 D=103,100 C=65,63 B=74,70 A=77,73 E=88,90 C=54,50 E=76,77 D=90,93 B=70,68 A=59,54 108

109 بخش هشتم مراحل تجزیه واریانس طرح مربع التین Square( )Latin ماهیت: در این طرح الزم است که اختصاص تیمارها به واحدهای آزمایشی طوری باشد که همه تیمارها در هر ردیف و ستون )بلوکهای عمود بر هم( وجود داشته باشد تا بتوان با محاسبه مجموع مربعات ردیف و ستون و جدا کردن آن از مجموع مربعات کل داده ها اثرات تیمارهای مختلف را شفاف تر محاسبه نمود. زمان استفاده: اگر واحدهای آزمایشی از لحاظ دو عامل با یکدیگر متفاوت باشند یا ماده آزمایشی دارای تغییرات دو جهته عمود بر هم باشد الزم است که آنها را بر حسب هر دو عامل ایجاد کننده تغییر گروهبندی نمود. Yij(k)=μ+Ri+Cj+T(k)+eij(k) مدل آماری طرح مربع التین: 109

110 بخش هشتم مربع است تمرین 3: در آزمایشی اثر 3 نوع علف کش بر کنترل علفهای هرز ذرت به صورت التین مورد مقایسه قرار گرفته است. وزن خشک علفهای هرز هر کرت در جدول زیر آنها را مورد تجزیه قرار دهید. طرح آمده A=2 B=3 C=6 C=3 A=5 B=2 B=4 C=4 A=4 zanganeh@guilan.ac.ir 110

111 111 رد Variable View هنابز یاهریغتم نیا شیامزآ ار فیرعت یم :مینک.Column, Row, Treatment, Yield تمرف ریغتم رامیت ار String تروص هب ای هتشر یا فیرعت یم مینک ات میناوتب زا فورح یارب ناشن نداد اهرامیت هدافتسا.مینک رد Data View هنابز هداد اه ار هب بیترت ریز دراو یم :مینک نوتس لوا ار هب فیدر صاصتخا یم :میهد دادعت فیدر و نوتس و رامیت رد نیا حرط ناسکی.تسا اذل رد نوتس لوا هک طوبرم هب ریغتم فیدر تسا 3 راب ددع 1 3 راب ددع 2 و 3 راب ددع 3 ریز مه دراو یم.مینک سپس نوتس مود ار هب ریغتم نوتس صاصتخا یم.میهد رد نیا نوتس دادعا 1 ات 3 ار هس یرس تشپ رس مه دراو یم.مینک رد نوتس موس هک هب رامیت صاصتخا هداد هدش تسا قبط هشقن یشیامزآ فرح طوبرم هب ره رامیت ار دراو یم.مینک رد نوتس رخآ ریداقم ریغتم مراهچ ینعی نزو کشخ یاهفلع زره ار دراو یم.مینک متشه شخب

112 بخش هشتم Analyze>General Linear Model>Univariate واریانس: تجزیه انجام مراحل متغیر وابسته را به پنجره Dependent Variable پنجره Fixed Factors منتقل می کنیم. به را تیمار و ستون و ردیف متغیرهای و روی دکمه Model کلیک کرده و دکمه Custom را انتخاب می کنیم. آزمایشی را باید تعریف کنیم. در قسمت مدل اثرات را به شکل زیر وارد می کنیم:.Row, Column, Treatment با زدن دکمه Continue به پنجره اصلی بازگشته و Ok می کنیم. طرح مدل حال 112

113 بخش هشتم وزن مقدار بر البرز استان مزارع در آفات کنترل در مدیریت روش نوع سه اثر تمرین 4: معنی اختالف تیمارها بین آیا است. گرفته قرار آزمایش مورد هکتار هر در هرز علفهای خشک دارد وجود دار A=60.8 B=71.5 C=84.4 B=88.5 C=108.7 A=71.1 C=94 A=76.6 B=

114 114 یلماعدنچ یاهشیامزآ :تیهام یاهشیامزآ یعقاو لاومعم ریثات شیب زا کی لماع ار رد کی هدیدپ دروم هعلاطم رارق یم.دنهد فده یلصا شیامزآ یاه یلماعدنچ هعلاطم نامزمه رثا لباقتم لماوع فلتخم رد روهظ و زورب کی هدیدپ.تسا رد شیامزآ یاه دنچ یلماع ای لیروتکاف ره لماع رد مکح رارکت یارب ریاس لماوع.تسا ره لماع شدوخ لاومعم رد حطس دنچ یسررب.دوش یم لماع اه اب فورح گرزب حوطس و لماع اه اب فورح نیتلا کچوک ناشن هداد یم.دنوش رد یاهشیامزآ لیروتکاف اهرامیت زا بیکرت حوطس فلتخم لماوع دروم هعلاطم لیکشت یم.دنوش یاهشیامزآ لیروتکاف رد بلاق یکی زا یاهحرط یشیامزآ هیاپ هدایپ یزاس یم.دنوش زا اجنآ هک رد بلغا یاهشیامزآ لیروتکاف دادعت رامیت دایز تسا لاومعم زا حرط هیاپ کولب یاه لماک یفداصت هدافتسا یم.دوش لدم :یرامآ لدم یرامآ یاهشیامزآ لیروتکاف زا حرط هیاپ تیعبت یم دنک و اهنت دروم زیامت کیکفت رثا رامیت هب یاهشخب فلتخم.تسا لدم یرامآ شیامزآ یلماعدنچ رب هیاپ حرط یاهکولب لماک یفداصت Yijk=μ+Tij+Rk+eijk Tij=Ai+Bj+ABij متشه شخب

115 بخش هشتم آزمایش فاکتوریل دو فاکتوره در قالب طرح کامال تصادفی تمرین 5: مقایسه اثر دو نوع هورمون و دو روش قلمه زنی بر ریشه دار شدن شمعدانی در یک طرح کامال تصادفی با سه تکرار مد نظر است آنرا انجام دهید. هورمون روش قلمه زنی طول ریشه zanganeh@guilan.ac.ir 115

116 بخش هشتم در زبانه Variable View متغیرهای این آزمایش را.Replication, Afactor, Bfactor, Yield کنیم: می تعریف در زبانه Data View داده ها را به ترتیب زیر وارد می کنیم: ستون اول را به سطوح فاکتور اول اختصاص می دهیم: به تعداد سطوح فاکتور دوم ضرب در تکرار عدد 1 و سپس عدد 2 تایپ می کنیم. سپس در ستون دوم به تعداد تکرار عدد 1 و 2 را برای نشان دادن سطوح فاکتور دوم استفاده می کنیم یعنی 3 تا 1 و 3 تا 3 2 تا 1 و 3 تا 2 و 3 تا 1 و 3 تا 2. در ستون آخر نیز مقادیر عملکرد )متغیر وابسته( را وارد می کنیم. zanganeh@guilan.ac.ir 116

117 بخش هشتم انجام مراحل تجزیه واریانس: Analyze>General Linear Model>Univariate Afactor متغیر وابسته را به پنجره Dependent Variable Bfactor را به پنجره Fixed Factors منتقل می و متغیرهای کنیم. و روی دکمه Model مدل طرح آزمایشی را می کنیم: اثرات اصلی در قسمت مدل تعریف Ok می کنیم. کلیک کرده و دکمه Custom را انتخاب می کنیم. حال باید تعریف کنیم. در قسمت مدل اثرات را به شکل زیر وارد Afactor و Bfactor و اثر متقابل این دو فاکتور را باید کنیم. با زدن دکمه Continue به پنجره اصلی بازگشته و 117

118 بخش هشتم سایر طرحهای تفاوتی که بین از آنهاست. چندعاملی نیز از همین انواع مختلف وجود دارد مسیر قابل تجزیه هستند و در تعریف مدل مربوط به هر تنها یک 118

119 119 شیامزآ لیروتکاف اب طلاتخا )Complete Confounding( :تیهام ره هاگ رد یاهشیامزآ لیروتکاف دادعت اهلماع و ای دادعت حوطس اهلماع دایز دوش دادعت اهرامیت دایز هدش و رد هجیتن هزادنا ره رارکت گرزب یم.دوش گرزب ندش هزادنا رارکت بجوم مدع یتخاونکی و زورب تارییغت نیب یاهدحاو یشیامزآ و شیازفا یاطخ یشیامزآ یم.دوش یارب فرطرب ندرک نیا لکشم یم ناوت ره رارکت ار هب یتاعطق هب مان کولب میسقت درک و اهرامیت ار هب لکش یصاخ رد لخاد اهکولب رارق.داد میسقت یدنب اهرارکت هب اهکولب و صاصتخا اهرامیت هب یاهدحاو یشیامزآ ار طلاتخا یم.دنمان شور ماجنا :طلاتخا دیاب هجوت تشاد هک رتهب تسا مادک رثا ار دروم طلاتخا رارق.داد عومجم تاعبرم یرثا هک دروم طلاتخا رارق یم دریگ لباق هبساحم دهاوخن.دوب رد اجنیا طلاتخا افرص هب رطاخ هاتوک ندومن لوط رارکت ماجنا یم دوش و یرثا هک مک تیمها رت تسا طلاتخا یم.دبای رد حرط یاهترک درخ هدش هک یعون زا طلاتخا تسا یکی زا لماوع دروم یسررب هب لیلد زاین هب یاهترک گرزب و ای تلوهس رد یارجا شیامزآ و نودب هجوت هب تیمها نآ هب یاهترک یلصا صاصتخا یم.دبای متشه شخب

120 بخش هشتم تمرین 6: فرض کنید در یک آزمایش سه عاملی در قابل طرح بلوک های کامل تصادفی هر یک با دو سطح با سه تکرار اثر متقابل سه جانبه ABC اختالط یافته است و نتایج آن استخراج شده است آن را تجزیه واریانس نمایید. a b c abc 1 ab ac bc c abc a b ac 1 bc ab bc 1 ab ac abc b c a zanganeh@guilan.ac.ir 120

121 بخش هشتم در زبانه Variable View متغیرهای این آزمایش را تعریف می کنیم:.Block, Afactor, Bfactor, Cfactor, Yield در زبانه Data View داده ها را به ترتیب زیر وارد می کنیم: ستون اول را به بلوک اختصاص می دهیم با اختالط یافتن یک اثر در همه بلوک ها هر بلوک در واقع به دو نیم بلوک تقسیم می شود. یعنی در این آزمایش شش بلوک داریم. در ستون اول هر یک از اعداد ا تا 6 را چهار بار تکرار می کنیم. اطالعات مربوط به ستونهای بعدی را با توجه کنیم. می وارد را وابسته( )متغیر عملکرد مقادیر نیز آخر در ستون کنیم. می وارد آزمایش نقشه به zanganeh@guilan.ac.ir 121

122 بخش هشتم مراحل انجام تجزیه واریانس: Analyze>General Linear Model>Univariate متغیر وابسته را به پنجره Dependent Variable و متغیرهایBlock و Afactorو Bfactorو Cfactorرا به پنجره Fixed Factors منتقل می کنیم. روی دکمه Model کلیک کرده و دکمه Custom را انتخاب می کنیم. حال مدل طرح آزمایشی را باید تعریف کنیم. در قسمت مدل اثرات را به شکل زیر وارد می کنیم: اثرات اصلی Afactor و Bfactor و Cfactor و Block و اثرات متقابل این سه فاکتور یعنی A*Cو A*B B*C را باید در قسمت مدل تعریف کنیم. به دلیل اختالط اثر سه گانه ABC محاسبه این اثر امکان پذیر نیست. با زدن دکمه Continue به پنجره اصلی بازگشته و Ok می کنیم. 122

123 بخش هشتم طرح کرتهای خرد شده )Split Plot Designs( ماهیت: طرح کرتهای خرد شده دسته ای از آزمایشهای چندعاملی یا فاکتوریل هستند که در آنها اثر یک یا تعدای از عوامل مورد بررسی با اثر واحدهای آزمایشی اختالط یافته و به دقت قابل بررسی نیست. آنالیز آماری این طرح: به طور کلی تجزیه آماری طرح کرتهای خرد شده در مرحله نخست مشابه آزمایشهای فاکتوریل دو عاملی است. مجموع مربعات تیمار و خطا به سه بخش تفکیک می شوند: عامل اول عامل دوم و اثر متقابل اول و دوم. میانگین مربعات هر یک از منابع تغییر در برابر خطای خود آزمون می شود. مالک انتخاب عاملها برای کرت اصلی و فرعی: سهولت اجرای طرح و افزایش دقت اجرای آن تنها مالک برای انتخاب یکی از عاملها و اختصاص آن به کرتهای اصلی است. اهمیت آزمون و مقایسه سطوح عاملی که به اجبار و نه به دلخواه در کرت اصلی قرار می گیرد کمتر از عامل فرعی و اثر متقابل دو عامل خواهد بود. زمان عدم استفاده: هر وقت بتوان به دلخواه و یا از طریق قرعه کشی و یا بر حسب اهمیت فاکتورها یکی را به کرت اصلی و دیگری را به کرت فرعی اختصاص داد نباید از طرح کرتهای خرد شده استفاده نمود. مدل آماری در طرح کرتهای خرد شده در زمانی که کرتهای اصلی در قالب بلوکهای کامل تصادفی پیاده شده باشند: Yijk=μ+Rk+Ai+eik+Bj+(AB)ij+εijk 123

124 بخش هشتم تمرین 7: بررسی اثر چهار قارچ کش بر بیماری سفیدک پودری در سه واریته چغندر قند مدنظر بوده است. قارچ کشها به کرتهای اصلی و واریته ها به کرتهای فرعی اختصاص یافته و طرح به صورت بلوکهای کامل تصادفی با 3 تکرار انجام شده است این آزمایش را مورد تجزیه تحلیل قرار دهید zanganeh@guilan.ac.ir 124

125 بخش هشتم در زبانه Variable View کنیم: می تعریف را آزمایش این متغیرهای.Block, Afactor, Bfactor, Yield در زبانه Data View کنیم: می وارد زیر ترتیب به را ها داده ستون اول را به بلوک اختصاص می دهیم 12 تا 12 1 تا 2 و 12 تا 3 وارد می کنیم. ستون دوم را به متغیر اصلی یعنی Afactor اختصاص می دهیم. سه سری از اعداد 1 تا 4 هر کدام 3 بار تایپ می کنیم. ستون سوم به متغیر فرعی یعنی Bfactor اختصاص داده می شود و در این ستون اعداد 2 1 و 3 را تا پایین تایپ می کنیم. در ستون آخر نیز مقادیر عملکرد )متغیر وابسته( را وارد می کنیم. zanganeh@guilan.ac.ir 125

126 بخش هشتم Analyze>General Linear Model>Univariate واریانس: تجزیه انجام مراحل متغیر وابسته را به پنجره Dependent Variable و متغیرهای Afactor Block را به پنجره Fixed Factors منتقل می کنیم. Bfactorو و روی دکمه Model کلیک کرده و دکمه Custom را انتخاب می کنیم. حال مدل طرح آزمایشی را باید تعریف کنیم. در قسمت مدل اثرات را به شکل زیر وارد می کنیم: اثرات اصلی Afactor و Bfactorو اثر بلوک و اثر متقابل این فاکتور اصلی )Afactor( با بلوک که اشتباه آزمایشی اصلی نامیده می شود را باید با انتخاب گزینه Interaction به قسمت مدل وارد کنیم. اثر متقابل فاکتور اصلی و فرعی )Afactor*Bfactor( نیز باید در قسمت مدل تعریف کنیم. با زدن دکمه Continue به پنجره اصلی بازگشته و Ok می کنیم. 126

127 127 نیرمت :8 زکرم تامدخ یزرواشک کی اتسور رثا دنچ لماع ار رد شهاک نازیم شزیر کی عون نیابمک لاعف رد نیا هقطنم دروم یسررب رارق هداد.تسا هس هدننار هس تعرس هدنبوک و ود تعرس یورشیپ دروم هعلاطم عقاو هدش و هس هنومن زا شزیر نیا عون نیابمک تشادرب هدش.تسا نازیم شزیر هب تروص دصرد رد ره کی زا هنومن اه رد لودج ریز هدروآ هدش.تسا هداد یاه لصاح ار هیزجت و هجیتن یریگ.دییامن متشه شخب

128 سرعت کوبنده )دور در دقیقه( جلسه سوم بخش عملی سرعت پیشروی 7 )کیلومتر در ساعت ) 5 )کیلومتر در ساعت( راننده 1 راننده 2 راننده 3 راننده 1 راننده 2 راننده zanganeh@guilan.ac.ir 128

129 129