آموزش آزمون ویلکاکسون (Wilcoxon Test) با مثال در SPSS

آزمون ویل کاکسون از آزمون های ناپارامتری است که برای ارزیابی همانندی دو نمونه وابسته با مقیاس رتبه ای بکار می رود. این آزمون که به اسم آزمون رتبه های علامت دار ویل کاکسون نیز معروف است، همچون آزمون مک نمار مناسب طرح های قبل از اجرا و بعد از اجرا است. این آزمون اندازه تفاوت میان رتبه ها را در نظر می گیرد. بنابراین متغیرها می توانند دارای جواب های متفاوت و یا فاصله ای باشند. این آزمون متناظر با آزمون t دو نمونه ای (زوجی) وابسته است و در صورت وجود نداشتن شرایط آزمون t جانشین خوبی برای آن است. نمونه های بکار برده شده در این آزمون باید جفت باشند.

این آزمون نه تنها جهت، بلکه اندازه تفاوت بین گروه های همتا را نیز می آزماید. بنابراین آزمون ویل کاکسون گویای این پاسخ است که کدام جزء یک جفت بزرگتر از جزء دیگر است و همچنین تفاوت ها را به ترتیب قدر مطلق آن ها رتبه بندی می کند.

برای فهم بیشتر مطلب به مثال زیر توجه کنید که با استفاده از نرم افزار SPSS تجزیه و تحلیل شده است.

پژوهش گری در تحقیقی با عنوان بررسی میزان رضایت ساکنین منطقه 10 تهران از وضعیت حمل و نقل منطقه، در یکی از فرضیه های خود به مقایسه میزان رضایت ساکنین این منطقه از وضع حمل و نقل در دو زمان قبل و بعد از احداث بزرگراه نواب پرداخت. فرضیه این پژوهشگر به قرار زیر است:

"به نظر می رسد میزان رضایت مردم از وضعیت حمل و نقل منطقه در دو زمان قبل و بعد از احداث بزرگراه متفاوت باشد"

برای آزمون این فرضیه میزان رضایت از وضعیت حمل و نقل قبل  و بعد از احداث بزرگراه را که بصورت طیف لیکرت (رتبه دهی از 1 تا 5) وارد شده است بصورت جفتی در دو ستون نرم افزار به شکل زیر وارد می کنیم: 

پس از آن از مسیر نمایش داده شده در شکل زیر دستور 2related samples را اجرا می کنیم.  

در کادر باز شده مطابق با شکل زیر ابتدا متغیر Before و سپس After را در قسمت های مربوطه وارد می کنیم. و از قسمت Test type آزمون ویلکاکسون (Wilcoxon) را انتخاب می کنیم.

در نهایت برای نمایش نتایج Ok را کلیک می کنیم تا نتایج مطابق با شکل زیر نمایش داده شوند.

در تفسیر نتایج آزمون ویل کاکسون برای این که پی ببریم آیا تفاوت میزان رضایت ساکنین از وضع حمل و نقل منطقه در دو زمان قبل و بعد از احداث بزرگراه متفاوت است با خیر باید از نتایج جدول دوم (Test Statistics) استفاده کنیم. با استناد به آزمون Z (-5.305) که در سطح خطای کوچکتر از 0.01 معنی دار است می توان گفت که به لحاظ آماری با اطمینان 0.99 تفاوت میزان رضایت ساکنین از وضع حمل و نقل منطقه در زمان های قبل و بعد از احداث بزرگراه نواب معنی دار است. این نتیجه دلالت بر رد شدن (رد) فرض H0 تحقیق مبنی بر برابری میزان رضایت ساکنین از وضع حمل و نقل منطقه در دو زمان قبل و بعد از اجرای بزرگراه نواب دارد. به عبارت دیگر میزان رضایت ساکنین قبل و بعد از اجرای بزرگراه نواب متفاوت است. 

علاوه بر تعیین معنی داری تفاوت یا عدم تفاوت میزان رضایت ساکنین از وضع حمل و نقل در دو زمان قبل و بعد از احداث بزرگراه، می توانیم پی ببریم که میزان رضایت از وضع حمل و نقل منطقه در کدام زمان بیشتر  و در کدام زمان کمتر است. برای این منظور می توانیم از نتایج جدول اول استفاده کنیم. طبق نتایج این جدول، میانگین رتبه رضایت از وضع حمل و نقل در زمان بعد از احداث بزرگراه (24.5) بیشتر از میزان آن در زمان قبل از احداث بزرگراه (11) بوده است. پس با احداث بزرگراه رضایت ساکنین منطقه از وضعیت حمل و نقل افزایش (بهبود) یافته است.

 

منبع: http://amarpersian.blogfa.com/

تحلیل مسیر انجام دهیم یا تحلیل رگرسیون؟

قبل از هر چیز باید به سوالات زیر پاسخ داده شود:

• آیا پژوهش شما مبتنی بر مدل‌های نظری طراحی شده است؟
• آیا هدف پژوهش شما تعیین روابط بین متغیرهای مفهومی است؟
• آیا در پرسشنامه شما هر مجموعه سوالات یک مفهوم را اندازه گیری می کند؟
• آیا هدف شما پیش بینی است؟

در مسائلی که ما قصد اندازه گیری متغیرهای مفهومی را داریم می‌بایست از تحلیل مسیر استفاده کرد. راه کارهای مختلف ابداع شده توسط دانشمندان حوزه مدل سازی معادلات ساختاری این یقین را در پژوهشگر بوجود می‌آورد که می‌تواند انواع فرضیه های کاربردی در مطالعات اجتماعی را به مدل درآورده و آن را آزمون کند در حالی که حداقل از یک نقطه ضعف بسیار مهم در روش‌های آماری کلاسیک و معمول (مثل تحلیل رگرسیون) پرهیز نماید. این نقطه ضعف به حساب نیاوردن خطاهای اندازه گیری متغیرهای پنهان به هنگام آزمون فرضیه است. دلیلش این است که به هنگام آزمون فرضیه با استفاده از روش‌های کلاسیک، متغیرهای پنهان(مفهومی) به گونه ای غیر واقعی به عنوان یک متغیر مشاهده شده ای در نظر گرفته می‌شود که از دقت اندازه گیری کامل برخوردار است که در واقعیت این طور نیست. اما به کمک مدل سازی معادلات ساختاری هم می‌توان خطاهای اندازه گیری متغیرهای مشاهده شده (متغیرهای پرسشنامه) و هم خطاهای ساختاری مدل(رابطه بین متغیرهای پنهان) را در مدل در نظر گرفت که در مقایسه با روشهای کلاسیک چون تحلیل رگرسیون به واقعیت نزدیک‌تر است.

قبل از اینکه مدل سازی معادلات ساختاری انجام گیرد پژوهشگر می‌بایست بر اساس چارچوب نظری پژوهش، پیشینه تحقیق و هم چنین دیدگاه های شخصی به تدوین انواع روابط بین متغیرها دست زده و به ارزیابی آنها می‌پردازد.

در تحلیل رگرسیون پژوهشگر به دنبال بررسی رابطه بین متغیرهای مستقل و وابسته است و اینکه کدامیک از متغیرهای مستقل در پیش بینی متغیر وابسته تاثیر بیشتری دارد. به عبارت دیگر در تحلیل رگرسیون یک رابطه ریاضی بین متغیرهای مستقل و وابسته تعیین می شود که به کمک آن پژوهش گر می تواند با تغییر در متغیر مستقل، تغییرات متغیر وابسته را پیش بینی کند. فرض مهم این روش، وجود نداشتن خطا در اندازه گیری متغیرهای مستقل و وابسته است.

بنابراین اگر هر کدام از سوالات پرسشنامه شما به تنهایی قادر به سنجش متغیرهای مستقل و وابسته است پیشنهاد می شود از روش تحلیل رگرسیون استفاده شود اما چنانچه هر مجموعه از سوالات یک مفهوم را اندازه گیری می کنند و شما به کمک مدل نظری پژوهش می خواهید رابطه بین متغیرهای مفهومی را مورد بررسی قرار دهید؛ بهتر است از تحلیل مسیر استفاده کنید. گرچه در این شرایط نیز می توان از تحلیل رگرسیون استفاده کرد اما با توجه به دلایل مطرح شده، تحلیل مسیر نتایج واقعی تر را نشان می دهد.