كامپيوتر و تحليل های پيچيده – بخش 1

04 بهمن 1400

دقیقه

تا زماني كه كامپيوتر اين كار را براي شما انجام مي دهد وقت ارزشمند خود را صرف محاسبات لازم جهت تحليل هاي آماري نكنيد. تعداد زيادي از برنامه هاي مفيد آماري مانند SPSS وجود دارد كه در آن محاسبات سريعتر و با دقتي بيش از انسان انجام مي شود. نكته ي كليدي و مهمي كه اميدوارم بتوانم در اين كتاب مطرح كنم، دانستن چگونگي انجام شدن تحليل هاي آماري و اينكه چه دلايل منطقي آنها را پشتيباني مي كند و همچنين فرضيه هايي كه ايجاد مي شوند و نيز انواع خاصي از داده هاست كه در كه در ارتباط با تحليل با آنها مواجهيم. آنچه كه اين اطلاعات را ارزشمند مي سازد اين است كه علاوه بر اينكه اجازه ي انجام محاسبات را با استفاده از ماشين حساب مي دهد، با استفاده از كامپيوتر نيز قابل انجام هستند.

كامپيوتر و تحليل های پيچيده – بخش 1

در مقاله قبلی به بخش دوم رگرسيون و همبستگی چندگانه پرداختیم. در این فصل به آموزش كامپيوتر و تحليل هاي پيچيده، در ادامه سری مقالات آموزشی آمار به زبان ساده می پردازیم.

انجام تجزيه و تحليل داده ها با استفاده از كامپيوتر

در سراسر اين كتاب چنانچه مشاهده گرديد گستره ي وسيعي از تحليل هاي آماري توضيح داده شد. آنچه كه در ادامه خواهد آمده ممكن است تا حدودي ناآشنا به نظر آيد: تا زماني كه كامپيوتر اين كار را براي شما انجام مي دهد وقت ارزشمند خود را صرف محاسبات لازم جهت تحليل هاي آماري نكنيد. تعداد زيادي از برنامه هاي مفيد آماري مانند SPSS (هينتون و ديگران، 2004 را ببينيد) وجود دارد كه در آن محاسبات سريعتر و با دقتي بيش از انسان انجام مي شود. نكته ي كليدي و مهمي كه اميدوارم بتوانم در اين كتاب مطرح كنم، دانستن چگونگي انجام شدن تحليل هاي آماري و اينكه چه دلايل منطقي آنها را پشتيباني مي كند و همچنين فرضيه هايي كه ايجاد مي شوند و نيز انواع خاصي از داده هاست كه در كه در ارتباط با تحليل با آنها مواجهيم. آنچه كه اين اطلاعات را ارزشمند مي سازد اين است كه علاوه بر اينكه اجازه ي انجام محاسبات را با استفاده از ماشين حساب مي دهد، با استفاده از كامپيوتر نيز قابل انجام هستند.

حتي اگر در مرحله اي باشيد كه به طور دقيق ندانيد چه كاري در حال انجام است، با استفاده از كامپيوتر به سادگي قادر به جزئيات مراحل انجام مسئله خواهيد بود. به عنوان مثال در مورد انجام  دادن آزمون تي با دست مي بايست اطلاعاتي در زمينه ي انجام و منطق انجام آن وجود داشته باشد در حاليكه با استفاده از كامپيوتر خيلي سريع در حد چشم بر هم زدني نتايج و خروجي مورد نظر ايجاد مي شود و اطلاعاتي بدست خواهيد آورد كه پيش از آن و یا حتی پس از آن مطمئناً در اختيار نداشتيد. اهمیت این مسئله تنها زمانی قابل درک است که بدانیم آنچه را که ما به سختی با دست انجام می دهیم کامپیوتر به سادگی و تنهایی انجام می دهد و شخصی که قابلیت درک تحلیل های آماری را دارد قدردان کامپیوتر به سبب آنچه که انجام می دهد خواهد بود و مهمتر از آن متوجه می شود چه زمانی برخی از محاسبات قابل انجام نیستند.

نكته كليدي در ارتباط با كامپيوتر اين است كه در صورتيكه اطلاعات زايد وارد كنيم، اطلاعاتي زايد و نامكفي تحويل خواهيم گرفت! كامپيوترها متوجه اشتباهات شما نمي شوند، در حقيقت آنها قابليت درك اطلاعات دريافتي را ندارند و تنها دستورات داده شده را به سادگي انجام مي دهند. در صورتيكه در چگونگي انجام تحليل اشتباهي رخ دهد و يا اشتباهي در وارد كردن داده ها خطايي صورت پذيرد، كامپيوتر بر اساس همان داده ها تحليل را انجام خواهد داد و اگر متوجه اشتباهتان نشويد، ندانسته نتايجي نادرست و يا نامناسب بدست خواهيد آورد. بخصوص اگر اين اتفاق در مورد نتايج برنامه هاي محققي كه اهميت زيادي داشته و به طور گسترده اي مورد استفاده قرار مي گيرند، رخ دهد، لطمات جبران ناپذيري وارد خواهد كرد.

خطا در ورود داده ها

چندين روش براي اطمينان از صحت ورود صحيح داده ها به برنامه هاي كامپيوتري يا فايل هاي كامپيوتري جهت انجام تحليل هاي بعدي وجود دارد. روش اول تهيه ي نسخه ي چاپي داده هاي وارد شده به كامپيوتر است. با انجام اين كار قادر خواهيد بود از صحت داده هايي كه تحليل ها را بر اساس آنها انجام داده ايد اطمينان حاصل كنيد و پس از بررسي نسخه ي چاپي سؤالهاي زير را مي بايست در نظر داشت:

  1. آّيا داده هاي بزرگي كه انتظار آنها نمي رود وجود دارد؟ به عنوان مثال ممكن است حين ورود داده ها انگشتتان اشتباهاً به جاي يك بار دو بار يك كليد را فشرده باشد و به جاي 2، 22 و يا حتي 222 وارد شده باشد.
  2. آيا داده ي گمشده اي كه انتظار آن نمي رود وجود دارد؟ در صورتيكه ليست داده ها را از ابتدا تا پايان بررسي كنيد قادر خواهيد بود داده هاي گمشده را يافته و عدد صحيح آن را وارد كنيد.
  3. آيا الگوي داده هاي وارد شده صحيح است؟ اغلب زماني كه تعداد زيادي از داده ها وجود دارد، مي توان الگوي موجود در بخشي از اطلاعات وارد شده را دریافت، به عنوان مثال در ستون خاصی ممکن است تمام داده ها 1 باشند. در این حال می بایست داده ها را سریع بررسی کرده و ببینیم آیا مورد غیر معمولی در آنها وجود دارد ؟ در صورت مثبت بودن پاسخ در ورود داده ها اشتباهی رخ داده است.
  4. ترتیب ورود داده ها جهت تجزیه و تحلیل درست است؟ این یک سؤال مهم است، زیرا در طرحهایی پیچیده مانند طرح آنالیز واریانس آمیخته با دو عامل می بایست داده ها با ترتیبی صحیح وارد شوند؛ در غیر این صورت کامپیوتر حین تجزیه و تحلیل داده ها ممکن است عوامل را وابسته در نظر گرفته و گمان کند که عواملی با اندازه گیری های مکرر هستند و یا بالعکس.
مقاله ی مرتبط:   مقدمه‌ای بر بهینه‌سازی با افزونه Solver اکسل

تفسیر نتایج

پس از اینکه کامپیوتر تحلیل خود را از طریق برنامه انجام داد، نتایج حاصل از تحلیل به صورت نمایش در صفحه مانیتور و یا نسخه ی چاپی قابل بهره برداری است. زمان تفیسر نتایج می بایست سؤالی به صورت زیر در ذهن آورده شود: خروجی حاصل با داده های ورودی مطابقت دارد؟ در صورت پاسخ منفی انتظار چه خروجی ای می رفت؟ این مسئله اهمیت تجزیه و تحلیل آماری را نشان می دهد. در صورتیکه خروجی غیرمعقولی بدست آمده باشد به گونه ای که نمی تواند نتیجه ی آنچه که شما به کامپیوتر داده اید، باشد، بنابراین متوجه خواهید شد که در بخشی از کار خطایی رخ داده است. این امر برای شخصی که اطلاعی از چگونگی خروجی ها و تحلیل های آماری ندارد قابل تشخیص نبوده و بسادگی ممکن است آن تحلیل نادرست را به عنوان نتیجه ای صحیح بپذیرد.

اول مرحله چک کردن میانگین، جمع کل و انحراف استاندار  و … است. در بعضي موارد ممكن است ميانگين متغيرها تحت شرايط گوناگوني قبل از انجام تحليل سنجيده شود. اكنون بايد بررسي شود آيا كامپيوتر همان مقداري كه شما بدست آورده ايد را ارائه مي دهد؟ آيا ميانگين هاي شرايط مختلف به درستي محاسبه شده است؟ با بررسي محاسبات ساده قادر خواهيد بود دريابيد كه داده ها به درستي وارد شده اند يا نه؛ و در صورت نياز اعداد را اصلاح كنيد.

در مرحله ي بعد مي بايست تحليل آماري اي را كه انجام داده ايد مورد بررسي قرار دهيد. در بسياري از موارد نام روشي كه جهت تحليل از آن استفاده كرده ايد  در بخش بالايي خروجي (output) نمايان مي شود. به عنوان مثال اگر هدفتان روش مستقل بوده است، بايد چك كنيد كه عناويني تحت “وابسته و يا اندازه گيري هاي مكرر” نباشد. همچنين زماني كه قصد انجام طرحي با اندازه گيري هاي مكرر را داريد عناويني چون “به طور كامل تصادفي شده و يا اندازه گيري هاي مستقل” نباشد. اغلب نگاه كردن به بخش بالايي خروجي ها بسيار مفيد است. اما هميشه قبل از انجام تحليل مي بايست از نوع تحليلي كه مي خواهيم انجام دهيم اطمينان حاصل كنيم.

گاهي اوقات در برنامه هاي كامپيوتري خطاهايي وجود دارد. احتمال رخداد خطا در برنامه هاي تجاري خيلي كم است، اما اگر شما در حال استفاده از يك برنامه ي كوچك كامپيوتري هستيد به احتمال زياد آن را از اينترنت دانلود كرده ايد (كه اغلب توسط انجمن هاي علمي نوشته شده و به صورت رايگان در دسترس عموم قرار گرفته اند). بنابراين پس از انجام تحليل مورد نظر بايد بررسي شود كه منطبق بر آنچه كه انتظار داريم باشد. بايد توجه داشت مواردي وجود دارند كه هيچگاه نبايد جزء نتايج بدست آمده باشند، مانند مقدار منفي مجموع مربعات در جدول آناليز واريانس. بنابراين ابتدا داده ها را چك كرده و همچنين هميشه نبايد به برنامه اعتماد كامل كرد.

بين آنچه كه برنامه هاي كامپيوتري به عنوان نتيجه ارائه مي دهند و روشهاي دستي انجام تحليل ها تا حدودي تفاوت وجود دارد. برجسته ترين تفاوت مربوط به معني داري يافته ها است. برنامه هاي كامپيوتري اغلب احتمال واقعي رخ دادن نتايج واقعي را حساب كرده و بررسي مي كنند كه اين مقدار از 0.05 كمتر از (‘p < 0.05) است و يا در p = 0.05 معني دار است. به عنوان مثال درصورتيكه كامپيوتر مقداري برابر با ‘p = 0.034215’ را نمايش دهد به معناي اين است كه احتمال رخداد مقادير واقعي كمتر از فرض صفر است. با استفاده از اين روش قادر خواهيد بود تصميم بگيريد كه فرض مورد نظر با توجه به سطح معني داري انتخاب شده معني دار است يا نه.  مقدار احتمال 0.034215 كمتر از 0.05 است، بنابراين اين فرض در سطح معني داري p = 0.05 معني دار است، اما در p = 0.01 معني دار نيست.

گاهي اوقات خروجي كامپيوتر براي اندازه احتمال مقداري برابر با p = 0.000000 خواهد بود و بدين معناست كه مقادير مشاهده شده به هيچ وجه خارج از محدوده ي فرض صفر رخ نمي دهند، كه البته اين امر تقريباً مي توان گفت غير ممكن است و تعبير صحيح در نهفته در روشي است كه كامپيوتر در نمايش اعداد ارائه مي كند. از آنجاييكه مقدار احتمال صفر براي داده هايي كه به صورت تصافي بدست آمده اند امكانپذير نيست، نتيجه گرفته مي شود كه فضاي كافي جهت نمايش كليه ي رقم هاي اعشاري وجود نداشته است. بنابراين مي بايست آخرين رقم صفر در 0.000000 را با يك جايگزين كرده و عدد 0.000001 را به عنوان مقدار احتمال در نظر گرفت.

از آنجاييكه مقدار احتمال در حقيقت كوچكتر اين مقدار است، بر حسب ميزان اطمينان، در گزارش آن دچار خطا شده ايم. چنانچه مقدار احتمال به نادرستي صفر گزارش شود، ساير محققان به سرعت متوجه اشتباه رخ داده خواهند شد. به عنوان مثال مقدار احتمالي برابر با 0.000001 به طور واضح نشاندهنده ي ميزان بالاي معني داري نتايج بدست آمده است؛ بنابراين روشي جهت چك كردن محاسبات، بررسي آماره ي بدست آمده تحت آزمون است كه در صورت خيلي كوچك بودن مقدار احتمال اين آماره نيز بايد مقداري خيلي بزرگ باشد (يا با توجه به نوع آزمون انجام شده مقداري خيلي كوچك).

مقاله ی مرتبط:   موقعیت انبار کالا و موتورهای چند آغازه GRG و موتورهای تکاملی ابزار Solver

ارقام غير معمول نيز جزء مواردي هستند كه بايد توجه داشت، خصوصاً زماني كه انتظار آنها را نداشته باشيم. همچنین معنی دار بودن نتایج بدست آمده در سطحی بالا، خصوصاً زمانی که خروجی های بهتر شما را امیداوار تر می کرد، ممکن است تا حدودی وسوسه انگیز باشد؛ اما نباید تحت تأثیر خروجی کامپیوتر قرار گرفت و پس از بدست آمدن خروجی کامپیوتر باید از خودمان بپرسیم با توجه به داده های موجود آیا انتظار چنین نتیجه ای را داشتیم؟ در این کتاب عمدتاً به دلیل برخی مقاصد اغلب تحلیل های آماری معنی دار شده اند ولی در عمل به این صورت نیست و ممکن است بسیاری از نتایج معنی دار نباشند. یافته های معنی دار معمولاً مورد توجه هستند، بخصوص زمانی که انتشار آن نسبت به یافته ی معنی دار نشده ترجیح داده شود. با این حال با نتایج معنی دار بدست آمده باید با دقت و توجه بیشتری رفتار کرد و هزینه ایجاد شده به ازای خطای احتمالی گزاف خواهد بود.

تحلیل های پیچیده

بعضي از تحليل هاي معمول آماري كه امروزه توسط اغلب توسط عوام مورد استفاده قرار مي گيرند، قبلاً فقط بدست آماردانان انجام مي پذيرفت. دليل اين امر پيشرفت تكنولوژي كامپيوتري و گسترش برنامه هاي كامپيوتري تخصصي جهت تحليل هاي آماري است. در دو دهه ي پيش انجام محاسبات نيازمند تجزيه و تحليل هاي پيچيده بود كه تنها توسط مؤسسات متخصص (مانند دانشگاه ها) انجام مي پذيرفت و قبل از ظهور كامپيوترها جهت انجام محاسبه اي خاص مي بايست روزها وقت صرف مي شد. در حاليكه امروزه كامپيوترهاي شخصي قادر به انجام چنين تحليل هاي پيچيده اي در چندين ثانيه و يا حتي كمتر از آن هستند. در حال حاضر بخش وقت گير كار ورود داده ها است كه حتي بيشتر از انجام تحليل، زمان به خود اختصاص مي دهد. بنابراين ارائه مثال هايي از انواع تحليل هاي پيچيده كه به صورت دستي انجام شوند خارج از محدوده اين كتاب بوده و تنها بخشي كه توسط كامپيوتر و با سرعتي مشابه با به جوش آمدن يك كتري قابل انجام است، بيان خواهند شد.

دليل مورد توجه بودن تحليل هاي پيچيده كه توسط كامپيوتر انجام مي شود اين است كه از يك طرف محققان قادر به انجام تحليل با طيف وسيعي از داده ها بوده و از سوي ديگر قادر به دريافت روابط ميان متغيرهاي گوناگون تحت مطالعه خواهند بود. اين مسئله خصوصاً زماني كارايي دارد كه تعداد زيادي از شركت كننده ها در حجم وسيعي از متغيرها مورد بررسي قرار گرفته باشند. به عنوان مثال زماني كه مطالعه ای در یک آزمایشگاه انجام می پذیرد و تعدادی از مهارت های افراد مانند مهارت های منطقی، ریاضی، مکانی و کلامی مورد بحث و بررسی قرار می گیرد. هدف تحقيق در اينجا يافتن اين است كه كدام يك از مهارت ها با يكديگر در ارتباط هستند، بدين معني كه ممكن است تكيه گاه مشتركي در ارزيابي هاي شناختي داشته باشند. روش ديگر استفاده از پرسشنامه مصرف كننده است كه در آن علاوه بر بدست آوردن اطلاعات در اولويت و مورد نياز از شركت كنندگان، اطلاعاتي زمينه اي نيز بدست آورد. در حقيقت فرم داده ها در برنامه هاي كامپيوتري آماري به شكل زير ارائه مي شود:

كامپيوتر

مثالي از ورود داده هاي جدول

در تحليلي كه در ادامه خواهد آمد از داده هاي جدول زير جهت نمايش چگونگي كار با چنين فرمهايي استفاده خواهد شد. در بسياري از موارد واقعي – به عنوان مثال داده هاي پرسشنامه اي- اغلب محقق با حجم وسيعي از صدها داده مواجه است و اين مسئله يكي از دلايلي است كه حتي به تحليل دستي چنين داده هايي نمي توان انديشيد. داده ها را نيز به طريقي كلي مي توان وصف كرد، بدين صورت كه به سؤالهاي 1، 2 و… برچسب هايي تعلق گرفته، تا زماني كه مفروضات مسئله به صورت كامل توسط داده ها پوشش داده شوند. در اين حالت فرم گسترده اي با توجه به نمايش ظاهري داده ها ايجاد شده كه با استفاده از آن مي توان انواع مختلفي از تحليل ها با وجود طيف وسيعي از داده ها و  همچنين موضوعات گوناگون تحقيقاتي را انجام داد.

پایایی

زماني كه در حال كار كردن روي يك پرسشنامه و يا اندازه گيريهايي از يك مقياس هستيم (مانند صداقت و يا توانايي هاي زباني)، هر دو عامل اعتبار و پایایی مد نظر مي باشند. اندازه گيري معتبر به مقاديري اطلاق مي شود كه تحت اندازه گيري هاي واقعي ايجاد شده باشد و نائل شدن به چنين چيزي ساده نبوده و اغلب گمان اينكه نتايج بدست آمده با ادبيات آن موضوع تطابق نداشته باشد، وجود دارد. به عنوان مثال آیا آزمونهاي IQ به طور واقعي محكي براي هوش افراد محسوب مي شوند؟ تصميم گيري در ارتباط با اعتبار يك مقياس علاوه براينكه يك تحليل آماري است، موضوعي علمي محسوب شده كه به طريقي آماري نيز قابل آزمون كردن است.

مقاله ی مرتبط:   ۱۷۵ راه برای انجام کار بیشتر در زمان کمتر “فصل هشتم”

معمولاً زماني كه داده ها در مقياس هاي متفاوتي جمع آوري شده باشند، علاقه مند به میزان پایایی آنها هستیم. پایایی به عنوان توانایی یک وسیله ی اندازه گیری در اندازه گیری مفاهیم به روشی سازگار تعریف شده است. به عنوان مثال تصور کنید یک نوار اندازه گیری وجود داشته و قد فردی با اندازه ی یک مترو 65 سانتیمتر اندازه گیری شده است. در صورتیکه این کار  ده دقیقه بعد برای بار دوم مجدد انجام شود و عدد یک مترو 42 سانتیمتر گزارش شود امری کاملاً عجیب به نظر می رسد و گفته می شود که آن نوار اندازه گیری یک وسیله ی اندازه گیری با قابلیت اعتماد بسیار پایین است. به طور مشابه مواردی وجود دارد که می خواهیم پرسشنامه ای قابل اطمینان را  میان مردم و موقعیت های مختلف توزیع کنیم. یکی از راه های بررسی پایایی، آزمون کردن آن از طریق “باز آزمایی” (زیر نویس شود test–retest) است.

حال این سؤال مطرح است که آیا آزمون در موقعیت های متفاوت نتایج یکسانی را بدست می دهد؟ همه ی آنچه که نیاز است انجام دهیم این است که آزمون را دو مرتبه انجام داده و یافته های آزمون با یکدیگر مرتبط باشند. همبستگی بالا بیانگر میزان بالای پایایی است اما دست يافتن به آن خيلي ساده نيست، زيرا ممكن است شركت كنندگان پاسخي را كه در آزمون اول داده اند به ياد داشته باشند و اين امر نتيجه آزمون دوم را تحت تأثير قرار دهد. بعضي از محققان جهت جلوگيري از اين مسئله دو مقياس (A و B از پرسشنامه ي مربوطه) كه سؤالات آن تا حدودي با یکدیگر متفاوت است، البته به گونه اي كه معادل یکدیگر باشند تهيه مي كنند و با انجام اين كار در واقع حجم کار دو برابر می شود.

پايايي دروني را با استفاده از اقلام موجود در پرسشنامه (خصوصاً با مجموعه اي از داده ها با ساختاري مشابه) مي توان آزمون كرد. در صورتيكه در پرسشنامه ذكر شده در بالا پنج سؤال جنبه هاي مختلف مفهوم “شادي” اندازه گيري كرده باشند، قادريم دريابيم آيا شركت كنندگان به اقلام مختلف به گونه اي سازگار پاسخ داده اند يا خير. از آنجاييكه اصطلاح اقلام كلي تر است، به جاي استفاده از لفظ “سؤال” از ” اقلام ” استفاده شده است به گونه ای که این لفظ هم مي تواند بيانگر سؤال و يا نمره در يك موقعيت خاص باشد. بنابراين پايايي دروني پرسشنامه را با بررسي چگونگي روابط ميان پاسخ دادن به سؤالهاي مختلف آزمون كرد.

يكي از مقياس هاي پايايي، پایایی از طریق دو نیمه کردن(split-half) ناميده مي شود كه در آن پاسخهاي نيمه اول پرسشنامه با نيمه ي دوم آن مقايسه مي شوند. در صورتيكه همبستگي بالايي ميان دو نيمه برقرار باشد نتيجه مي شود كه ثبات دروني در پرسشنامه وجود دارد.

عمومي ترين معيار اندازه گيري سازگاري دروني آلفاي کرونباخ است و در مقايسه با روش دو نیمه کردن تخصصي تر است، زیرا میانگین همبستگی هر کدام از اقلام پرسشنامه را با سایر اقلام می سنجد. همچنين در محاسبه ي آن تعداد اقلام موجود در پرسشنامه دخالت دارند.

بر حسب قاعده کلی مقياسي كه مقدار آلفاي آن بزرگتر از 0.7 باشد گفته مي شود كه مقياسي پاياست، بنابراين با توجه به آلفاي بدست آمده، پرسشنامه مثال مذكور پاياست.

حال علاقه مند هستيم بدانيم آيا مواردي كه ابعادي مشابه از يك مقياس را اندازه گيري مي كنند، مي بايست واريانسي مشابه داشته باشند؟ در صورت وجود چنين فرضي آلفاي كرونباخ تا حدودي متفاوت محاسبه شده و در اصطلاح آلفاي كرونباخ استاندارد شده ناميده مي شود و به جاي كار كردن براساس واريانس اقلام، از همبستگي هاي درونی اقلام استفاده كرده است. اين مسئله در زير نشان داده شده است:

توجه داشته باشيد تفاوت كوچكي كه ميان دو مقدار آلفاي بدست آمده وجود دارد به دليل وجود تفاوت در واریانس های متغیرها بوده و باعث می شود که مقدار آلفای ارائه شده در این مرحله نسبت به سایرین بهتر باشد. معمولاً زمانی که اقلام قابل مقایسه وجود داشته باشد (بدین معنی که بر اساس مقیاسی مشابه اندازه گیری شده باشند، مانند مثال فوق الذکر) و یا با داده های استاندارد شده کار کنیم، از آلفای استاندارد شده استفاده خواهد شد و در غیر این صورت در گزارش نوشته می شود که اطلاعات بدست آمده براساس واریانسهای اقلام بدست آمده اند.

دلیل دیگر استفاده از کامپیوتر جهت انجام تحلیل، توانایی بدست آوردن نسخه ی چاپی مقدار آلفا است، به طوریکه یک مورد خاص از تحلیل حذف شود. اگر این کار را برای هر کدام از اقلام انجام دهیم قادر خواهیم بود مشاهده کنیم کدام ترکیب بزرگترین مقدار آلفا و در نتیجه بزرگترین پایایی را ارائه  خواهد داد. به موجب این کار می توانیم پرسشنامه را تصحیح کرده و پایایی را به حداکثر مقدار آن برسانیم.

 

جهت مشاهده جزئيات بيشتر در ارتباط با چگونگی انجام تحلیل پایایی با استفاده از بسته کامپیوتری آماري SPSS به فصل 18كتاب هينتون و ديگران (2004) مراجعه شود.

مترجمین: دکتر هدی کامرانی فر – حسن اسکندری نیا

اشتراک گذاری در شبکه های اجتماعی
@

لطفا شکبیا باشید...