آموزش آزمون T دو نمونه مستقل در spss

فرضیه صفر

فرضیه صفر برای آزمون t دو نمونه مستقل عبارتست از:

 میانگین دو جامعه مورد بررسی برابر هستند.

نمونه آزمون تی

به عنوان مثال، اگر بخواهیم بدانیم که آیا مردان به اندازه زنان برای خرید لباس، پول خرج می كنند؟ ما نمی توانیم به طور منطقی از کل جامعه زنان و مردان بپرسیم که چقدر هزینه می کنند؟ بنابراین نمونه ای از زنان و مردان را اخذ خواهیم کرد. این نمونه ها مستقل هستند زیرا اشتراکی با یکدیگر ندارند. اعضای نمونه یا زن هستند یا مرد.

نتایج نمونه با ارقام جامعه مقداری متفاوت است که به آن میزان خطای نمونه گیری می گوییم. بنابراین اگر میانگین هزینه شده برای همه زنان و مردان در جامعه دقیقاً برابر باشد، احتمالاً باز هم تفاوت کمی بین نمونه های خود خواهیم دید. با این حال، اختلاف زیاد میانگین های نمونه نشان می دهد که میانگین جامعه ها نیز یکسان نمی باشند(اما چقدر باید متفاوت باشند). آزمون t به ما می گوید که اگر اختلاف میانگین دو نمونه به اندازه کافی بزرگ باشد، میتوان نتیجه گرفت که میانگین دو جامعه برابر نیستند.

مثال از آزمون T دونمونه مستقل در SPSS

محققی می خواهد بداند آیا فرزندان والدین مطلقه در برخی از آزمایش های روانشناسی نسبت به فرزندان والدین غیر مطلقه نمره متفاوتی دارند. داده های جمع آوری شده در divorced.sav می باشند که بخشی از آن در زیر نشان داده شده است.

4 متغیر آخر در پرونده داده ها، نمرات آزمون می باشند. برای هر متغیر، برای ارزیابی اینکه آیا میانگین نمرات بین 2 گروه کودک متفاوت است از آزمون t، استفاده خواهیم کرد.

پیش فرضیات

در صورت برقراری مفروضات زیر، می توان به نتایج به دست آمده از آزمون t دو نمونه مستقل اعتماد کرد:

  1. مشاهدات مستقل: معمولاً درصورتی وجود دارد که هر مورد، نماینده شخص یا واحد آماری متفاوتی در SPSS باشد. به نظر می رسد این موضع برای داده ها صدق می کند.
  2.  نرمال بودن: متغیر وابسته باید دارای توزیع نرمال در جامعه باشد. که فقط برای نمونه های حدودا کوچکتر از 25 واحد مورد نیاز است. بعد از انجام آزمون، اندازه واقعی نمونه های مورد استفاده در آزمون t را مشاهده خواهیم کرد ، بنابراین تا آن زمان نگران نرمال بودن، نخواهیم بود .
  3.  همگنی: انحراف معیار متغیر وابسته ، بایستی در هر دو جامعه برابر باشد. فقط در صورتی به این فرض نیاز داریم که اندازه نمونه ها (به شدت) نابرابر باشند.

در آزمون های spss وقتی که آزمون t خود را اجرا می کنیم، این مسئله برقرار است. اگر نباشد، همچنان می توانیم نتایج آزمون تصحیح شده را گزارش دهیم.

اگر این فرضیات به طور جدی برقرار نباشند، می توانید به جای استفاده از آزمون t، از آزمون Man-Whitney (من- ویتنی) استفاده کنید. این آزمون برای متغیرهای ترتیبی نیز مناسب است.

بررسی سریع داده ها

داده های موجود، آماده و قابل دستیابی می باشند. با این حال، اگر بر روی داده های دیگر، آزمون t را انجام دهید، حداقل باید برای برخی از متغیر (های) وابسته، نمودار هیستوگرام را بررسی کنید. اطمینان حاصل کنید که توزیع آنها منطقی به نظر رسد. اگر شامل مقادیر بی نهایت می باشند، آنها را به عنوان مقادیر گمشده کاربر مشخص کنید.

اجرای آزمون T دو نمونه مستقل در SPSS

 

انجام آزمون t دو نمونه مستقل در SPSS بسیار ساده می باشد. عکسهای صفحه زیر شما را به مسیر حل مسئله می برد.

ما ابتدا  anxi را آزمایش می کنیم و مطمئن می شویم که خروجی را متوجه شدیم. بعداً به 3 متغیر وابسته دیگر خواهیم رسید.

با کلیک بر روی paste، دستور زیر ایجاد می شود. بیایید آن را اجرا کنیم.

دستور آزمون T دو نمونه مستقل در spss

دستور آزمون T دو نمونه مستقل برای ianx به صورت زیر می باشد:

 


T-TEST GROUPS=divorced(0 1)
/MISSING=ANALYSIS
/VARIABLES=anxi
/CRITERIA=CI(.95).

 

خروجی آزمون T دو نمونه مستقل درSPSS

 

درابتدا نگاهی به گروه آمار می اندازیم. اول از همه، توجه داشته باشید که فقط تفاوت اندکی بین میانگین نمونه ها وجود دارد. نمره اضطراب فرزندان والدین مطلقه به طور متوسط 22.8 می باشد در حالی که  نمره اضطراب در سایر کودکان، 21.5 است.

در درجه دوم، توجه داشته باشید که اندازه های نمونه، مورد استفاده در آزمون t، 49 و 34 می باشد. از آنجا که هر دو بزرگتر از 25 هستند، نیازی به برقراربودن  فرض نرمال نداریم.

اگر هنگام تجزیه و تحلیل سایر داده ها ،با نمونه کوچکتری مواجه شدید ، می توانید با بررسی نمودارهیستوگرام یا انجام آزمون Kolmogorov-Smirnov (کلموگروف-اسمیرنوف) نرمال بودنشان را بررسی کنید. *

 

توجه داشته باشید که در آزمون t ، دوسطر خروجی داریم: یکی با فرض برابر بودن واریانس ها ودیگری بافرض نابرابری واریانس ها. بنابراین کدام سطر را باید گزارش کنیم؟ خوب ، این بستگی به آزمون Levene (لون)برای واریانس های برابر دارد که فرض همگنی ذکر شده را آزمایش می کند.

به عنوان یک قاعده کلی ، اگر Sig. > 0.05، نتیجه می گیریم که فرض برابری واریانس ها برقرار است. از آنجا که در اینجا Sig. = 0.159  می باشد، اولین سطر از نتایج آزمون t را گزارش می کنیم، که همان خروجی با فرض برابری واریانس ها می باشد.

اگر Sig. (2-tailed) > 0.05، معمولاً نتیجه می گیریم که میانگین جوامع باهم برابرند. “sig” در گزارش ها p مقدار (یا فقط “p“) نامیده می شود. P نشان می دهد که اگر میانگین جوامع واقعاً برابر باشند ، نتایج به دست آمده از نمونه ،چه چقدر محتمل هستند.در مثال ما، p = 0.055(یک احتمال 5.5 درصدی)و بعید نیست که برای رد فرضیه صفر ما کافی باشد.

 

df (درجه آزادی) واقعاً جالب نیست اما به هر حال گزارش خواهیم داد. t ، آماره آزمون نیز،به همین شکل است.

 

در مورد سایر متغیرها چطور؟

خب، بیایید اکنون هر 4 نمره آزمون را تجزیه و تحلیل کنیم. می توانیم این کار را با بازگشایی گفتگو آزمون t از بخش منو انجام دهیم (نکته: ابزار یادآوری گفتگو را اینجا امتحان کنید). متناوباً، فقط نام متغیرها را با دستوری که قبلاً استفاده شده است، اضافه کنید.

*دستور ازمون t نمونه های مستقل برای anxi با مطلقه

 

T-TEST GROUPS=divorced(0 1)
/MISSING=ANALYSIS
/VARIABLES=anxi depr comp anti
/CRITERIA=CI(.95).

گزارش نویسی

در این مرحله باید بتوانید نتیجه گیری درستی داشته باشید. فرضیه صفر،که برابری میانگین های جامعه است، فقط برای دو متغیر آخر رد می شود:

رفتار اجباری، t (81) = 3.16، p = 0.002 و رفتار ضد اجتماعی، t (51) = 8.79، p = 0.000.

شکل زیر نشان می دهد که چگونه ابتدا Sig را بررسی می کنیم. آزمون Levene  و سپس آزمون t را انتخاب کنید تا نتایج را گزارش دهیم.

گزارش آزمون T دونمونه مستقل

درابتدا، میانگین و انحراف معیار هر دو گروه را گزارش می کنیم. ممکن است اندازه های نمونه را نیز شامل شود: برای ازمون های چندگانه ، ممکن است به دلیل گمشدن برخی مقادیر ، این موارد متفاوت باشد. می خواهم گزارش آمار توصیفی را در یک جدول ساده  بانمای کلی، در زیر ، نشان دهم.

می توانید در این آزمون چند ستون به این جدول اضافه کنید که  t – df and p-valueرا در خود جای دهد (p در SPSS به عنوان “Sig.2-tailed” نشان داده می شود).

 

 

به همین صورت، هر نتیجه از آزمون t را اینچنین گزارش كنید: “كودكان والدین مطلقه از نظر رفتار اجباری نمره بالاتری نسبت به سایر فرزندان داشتند t-value(81df) = -3.16 —–0.002=p-value

مرسی از خواندنتان