שיטות וכלי מחקר – הסברים על כל הניתוחים שיש לעשות ב

‫‪1‬‬
‫אוניברסיטת בר‪-‬אילן‬
‫ד"ר שגית שילה‪-‬לוין‬
‫הטיפול בקובץ הנתונים‬
‫לאחר שהעברתם את השאלונים‪ ,‬מגיע שלב עיבוד הנתונים‪ .‬בשלב זה‪ ,‬לכל סטודנט אמורים להיות‬
‫לפחות ‪ 04‬שאלונים לעיבוד (כאמור‪ ,‬מי שעושה את העבודה בזוגות צריך להעביר את השאלונים ל‪-‬‬
‫‪ 04‬נבדקים‪ ,‬ומי שעושה את המחקר בשלשות מעביר ‪ 024‬שאלונים)‪ .‬לפניכם שלב אחרי שלב‪ ,‬אופן‬
‫הטיפול בקבצי הנתונים‪:‬‬
‫‪ .1‬בניית קובץ נתונים – בשלב הראשון יש לבנות את קובץ הנתונים‪:‬‬
‫א‪.‬‬
‫מתן שמות לשאלות ‪ -‬תחילה יש לתת שם לכל שאלה בשאלון‪ :‬השאלון כולל ‪3‬‬
‫חלקים‪ :‬סדרה ראשונה המתייחסת לשאלות הבוחנות את המשתנה התלוי‪ .‬לכל‬
‫השאלות הללו תנו שם עם מספר סידורי שונה‪ .‬למשל‪ ,‬אם המשתנה התלוי‬
‫במחקר הוא דכאון‪ ,‬אזי אקרא לשאלה הראשונה דכאון‪ 0‬לשאלה השניה דכאון‪2‬‬
‫וכך הלאה‪ .‬אותו התהליך יש לבצע לגבי הסדרה השניה של השאלות המתייחסת‬
‫למשתנה הבלתי תלוי‪ .‬כך‪ ,‬למשל‪ ,‬אם המשתנה הב"ת במחקר הוא תמיכה‬
‫חברתית אזי לשאלה הראשונה אקרא תמיכה‪ ,0‬לשניה תמיכה ‪ 2‬וכו'‪ .‬החלק‬
‫השלישי בשאלון הוא השאלות הדמוגרפיות‪ ,‬כאן לכל שאלה יש לתת שם בנפרד‬
‫(כאן אפשר לתת שמות פשוטים‪ ,‬בהתאם לנושא השאלה‪ :‬מין‪ ,‬גיל‪ ,‬דת וכו')‪.‬‬
‫ב‪.‬‬
‫הצמדת ספרות למשתנים שערכיהם נומינליים (מילוליים) – יש להצמיד ספרה‬
‫לכל ערך נומינלי‪ .‬כלומר‪ ,‬משתנים כמו מין (שערכיו זכר ‪ /‬נקבה)‪ ,‬מצב משפחתי‬
‫(שערכיו רווק ‪ /‬נשוי ‪ /‬גרוש ‪ /‬אלמן) וכו' ‪ ,‬צריכים להיות מוסבים למספרים‪ .‬כך‬
‫למשל‪ ,‬זכר יקבל את הערך ‪ 0‬ונקבה את הערך ‪.2‬‬
‫ג‪.‬‬
‫הכנסת הנתונים לקובץ ‪ -‬קובץ ה‪ SPSS‬עליו תעבדו בנוי ממשבצות‪,‬‬
‫בדומה לגיליון אלקטרוני או למחברת חשבון (אתם יכולים לעבוד על כל‬
‫תוכנה שיכולה לבצע חישובים סטיסטיים‪ ,‬כמו אקסל או ‪,STATISTICA‬‬
‫עם זאת‪ ,‬היות והתוכנה לעיבוד נתונים הנלמדת במסגרת החוג היא ‪SPSS‬‬
‫אזי ההוראות להלן יהיו בהתאם)‪ .‬תחילה יש להיכנס לגיליון הנקרא‬
‫‪ .VARIABLE VIEW‬גליון זה משמש ככרטסת ובה תיאור משתני‬
‫המחקר‪ .‬בעמודה השמאלית ביותר יש להכניס את שמות השאלות‪ ,‬כפי‬
‫שעשיתם בשלב א'‪ .‬לאחר מכן יש לעבור לגליון ‪( DATA VIEW‬שימו לב‬
‫ששמות השאלות שכתבתם בגליון הראשון מופיעות ככותרת בעמודה‬
‫הראשונה)‪ ,‬ובו להקליד את התשובות שנכתבו בשאלונים‪ .‬בכל שורה‬
‫יוכנסו נתונים משאלון בודד‪ ,‬כך שעליכם לקבל קובץ שמספר השורות בו‬
‫תואם למס' הנבדקים‪.‬‬
‫‪2‬‬
‫‪ .2‬היפוכי סקלות – בשאלון שבו הסקאלה של חלק מהשאלות הפוכה יש לבצע "היפוך‬
‫סקלות"‪ .‬למשל‪ ,‬בשאלון הבודק רגשות כלפי בן זוגך חלק מהרגשות חיוביים (כמו חיבה‪,‬‬
‫אהבה) כלומר ציון גבוה פירושו תחושה חיובית כלפי בן הזוג‪ .‬מאידך‪ ,‬עבור הרגשות‬
‫השליליים (כמו סלידה ושנאה) ציון גבוה פירושו תחושה שלילית כלפי בן הזוג‪ .‬על מנת‬
‫ליצור סקאלה אחידה עבור כלל הרגשות‪ ,‬יש להפוך את הסקאלות של הרגשות החיוביים‬
‫או של הרגשות השליליים‪ ,‬כך שציון גבוה ייצג בכל המצבים את אותה התחושה‪.‬‬
‫‪TRANSFORM > RECODE > INTO SAME VARIABLES> .0‬‬
‫‪ .2‬כותבים ב ‪ VARIABLES‬את שמות המשתנים בהם יערך היפוך הסקלות‪.‬‬
‫‪ .3‬נפתח חלון בעל שני חלקים "‪ "OLD VALUES‬ו ‪ ."NEW VALUES" -‬ב ‪ - OLD‬כותבים את‬
‫הערך הישן‪ ,‬וב ‪ NEW‬כותבים את הערך החדש‪.‬‬
‫‪ .0‬אחרי הציון הערך הישן והערך החדש‪ ,‬לוחצים על ‪.ADD‬‬
‫‪ .5‬לאחר סיום היפוך כל הסקלה‪CONTINUE > O.K. :‬‬
‫‪ .3‬בדיקת מהימנות ‪ -‬יש לבדוק את העקביות הפנימית של השאלון‪ .‬מבחן המהימנות‪,‬‬
‫למעשה‪ ,‬מעריך את מידת הקשר בין הפריטים בשאלון מסוים ומוודא שכל השאלות אכן‬
‫מתייחסות לאותו משתנה נמדד‪ .‬במחקרנו עליכם לבצע שני מבחני מהימנות‪ :‬האחד‬
‫לשאלון הבודק את המשתנה התלוי והשני לשאלון הבודק את המשתנה הבלתי תלוי‬
‫הפסיכולוגי‪ .‬קיימות כמה שיטות לבדיקת מהימנות‪ :‬מהימנות מבחן חוזר‪ ,‬מבחנים‬
‫מקבילים‪ ,‬מהימנות מבחן חצוי‪ ,‬מהימנות פנימית אלפא‪-‬קרונבך ומהימנות בין שופטים‪.‬‬
‫במחקר הנוכחי עליכם לבצע מהימנות אלפא קרונבך‪.‬‬
‫‪ANALYZE > SCALE > RELIABILITY ANALYSIS .0‬‬
‫‪ .2‬נפתח חלון ובו מכניסים את רשימת המשתנים שבינם רוצים לבדוק את המהימנות‪ .‬ב‬
‫‪ MODEL‬בוחרים את סוג המהימנות (בדרך כלל נבחר במבחן ‪)ALPHA‬‬
‫‪ .3‬לוחצים על ‪STATISTICS‬‬
‫‪ .0‬נפתח חלון ובו מסמנים ב ‪ DESCRIPTIVES FOR‬את ‪,SCALE IF ITEM DELETED‬‬
‫וב ‪ INTER-ITEM‬את ‪CORRELATIONS‬‬
‫‪ .5‬לבסוף‪ ,‬לוחצים על ‪<< CONTINUE‬‬
‫לדוגמא‪ ,‬על מנת למצוא את המהימנות הפנימית של שאלון חרדה‪ ,‬הכולל עשרה פריטים‪:‬‬
‫> ‪ANALYZE > SCALE > RELIABILITY ANALYSIS > anxiety1 to anxiety10‬‬
‫> ‪ALPHA > STATISTICS > SCALE IF ITEM DELETED > CORRELATIONS‬‬
‫>> ‪CONTINUE‬‬
‫קובץ הפקודות ייראה כך‪:‬‬
3
RELIABILITY
/VARIABLES=zugi1 zugi2 zugi3 zugi4 zugi5 zugi6 zugi7
zugi8 zugi9 zugi10
zugi11 zugi12 zugi13 zugi14 zugi15
/FORMAT=NOLABELS
/SCALE(ALPHA)=ALL/MODEL=ALPHA
/STATISTICS=DESCRIPTIVE
/SUMMARY=TOTAL .
:‫הפלט יראה כך‬
****** Method 1 (space saver) will be used for this
analysis ******
R E L I A B I L I T Y
(A L P H A)
A N A L Y S I S
-
S C A L E
Mean
Std Dev
ZUGI1
4.2500
.8642
ZUGI2
4.4500
1.0176
ZUGI3
4.5375
.9929
ZUGI4
4.4250
1.1112
ZUGI5
4.3625
1.0820
ZUGI6
3.7625
1.2553
ZUGI7
4.6625
.9929
ZUGI8
4.5250
.9933
ZUGI9
3.6375
1.2350
ZUGI10
4.3125
1.0138
ZUGI11
4.8125
.6182
ZUGI12
4.7125
.8143
ZUGI13
4.7000
.9731
Cases
1.
80.0
2.
80.0
3.
80.0
4.
80.0
5.
80.0
6.
80.0
7.
80.0
8.
80.0
9.
80.0
10.
80.0
11.
80.0
12.
80.0
13.
80.0
4
14.
80.0
15.
80.0
ZUGI14
4.3875
1.1080
ZUGI15
4.7125
.9028
Item-total Statistics
Scale
Mean
Scale
Variance
Corrected
Item-
Alpha
if Item
if Item
Total
Deleted
Deleted
Correlation
62.0000
56.8861
.2952
61.8000
51.6051
.6047
61.7125
53.6758
.4687
61.8250
53.6652
.4042
61.8875
55.2657
.3136
62.4875
51.4935
.4669
61.5875
56.8277
.2450
61.7250
50.3538
.7193
62.6125
54.0125
.3274
61.9375
55.7809
.3086
61.4375
56.9074
.4494
61.5375
54.6821
.5095
61.5500
55.8203
.3242
61.8625
51.9429
.5203
61.5375
55.6441
.3729
if Item
Deleted
ZUGI1
.8012
ZUGI2
.7790
ZUGI3
.7895
ZUGI4
.7945
ZUGI5
.8014
ZUGI6
.7897
ZUGI7
.8055
ZUGI8
.5398
ZUGI9
.8021
ZUGI10
.8012
ZUGI11
.7944
ZUGI12
.7885
ZUGI13
.7998
ZUGI14
.7850
ZUGI15
.7964
Reliability Coefficients
N of Cases =
80.0
N of Items = 15
‫‪5‬‬
‫‪.8046‬‬
‫= ‪Alpha‬‬
‫שימו לב‪ ,‬העמודה החשובה היא השמאלית ‪ . SCALE IF ITEM DELETED‬כאן מופיע מס'‬
‫המציין מה קורה למהימנות במידה ונוריד את השאלה‪ .‬למשל‪ ,‬אם נוריד את שאלה ‪ 05‬המהימנות‬
‫תרד ל ‪( .97‬כלומר‪ ,‬המהימנות תרד‪ ,‬ולכן לא כדאי להוריד אותה)‪ .‬מאידך‪ ,‬אם נוריד את שאלה ‪,0‬‬
‫המהימנות תעלה ל ‪( .07‬לכן כדאי להוריד את השאלה)‪ .‬משמעות ההורדה היא שאנו לא‬
‫מתייחסים לשאלה זו בניתוחים משלב זה ואילך‪.‬‬
‫אופן הדיווח‪:‬‬
‫"על מנת לבחון את מהימנות ‪ 05‬פריטי שאלון הזוגיות בוצע ניתוח מהימנות לבדיקת מובהקות‬
‫העקיבות הפנימית של השאלון‪ .‬לאחר שהורדה שאלה ‪ 0‬הניתוח העלה כי לשאלון מהימנות גבוהה‬
‫(‪".)Cronbach α=.89‬‬
‫‪ .0‬חישוב ממוצעים – יש לחשב לכל נבדק שני ממוצעים‪ :‬ממוצע השאלון הבודק את‬
‫המשתנה התלוי‪ ,‬וממוצע לשאלון הבודק את המשתנה התלוי (השאלות שפגעו במהימנות‬
‫לא יכללו בחישוב זה)‪ .‬הממוצע מבוצע באמצעות ‪.COMPUTE‬‬
‫‪ .5‬ניתוחים סטטיסטיים – זהו‪ ,‬עכשיו עוברים לניתוחים עצמם‪ .‬כל ניתוחים מתבצעים על‬
‫הממוצעים שחישבנו בשלב הקודם (כלומר‪ ,‬לא עושים ניתוחים על כל שאלה ושאלה‪ ,‬אלא‬
‫על הממוצעים)‪ .‬להלן הנתוים הסטטיסטיים שהזכרנו בתחילת סמסטר א'‪ .‬עליכם‬
‫להתאים את הניתוח הסטטיסטי להשערת המחקר (כלומר‪ ,‬לכל השערה יש לבצע ניתוח‬
‫אחד)‪:‬‬
‫‪ - Correlation‬מתאם‬
‫מבחן הבודק את עוצמת הקשר שבין שני משתנים אורדינלים (סדר) ומעלה‪ .‬מתייחס לקשרים‬
‫ליניאריים (למשל‪ ,‬ככל שהציון ב ‪ A‬יותר גבוה‪ ,‬כך הציון ב ‪ B‬יותר גבוה)‪ .‬קשר בין משתנים‬
‫אורדינלים (למשל‪ ,‬הקשר בין דירוגי קפיצה לגובה לבין דירוגי קפיצה לרוחק) נבחן באמצעות‬
‫מתאם ספירמן‪ .‬קשר בין משתנים אינטרוולים ומעלה (למשל‪ ,‬הקשר בין גובה למשקל) נמדד‬
‫באמצעות מתאם פירסון‪ .‬ניתן למצוא מתאם בין יותר משני משתנים (למשל‪ ,‬בין ציוני הבגרות‪,‬‬
‫הפסיכומטרי והבי‪.‬אי) ‪.‬‬
‫‪ANALYZE > CORRELATE > BIVARIATE .0‬‬
‫‪ .2‬בוחרים את המשתנים שבינם יחושב המתאם (למשל‪)psichometri bagrut ,‬‬
‫‪ .3‬מציינים איזה סוג מתאם מחפשים (ספירמן‪/‬פירסון) <<‬
‫לדוגמא‪ :‬על מנת למצוא את הקשר בין ציון הבגרות לבין הציון במבחן הפסיכומטרי –‬
‫‪ANALYZE > CORRELATE > BIVARIATE‬‬
‫‪6‬‬
‫>> ‪bagrut psichometri > PEARSON‬‬
‫קובץ הפקודות ייראה כך‪:‬‬
‫‪CORRELATIONS‬‬
‫‪/VARIABLES=age child‬‬
‫‪/PRINT=TWOTAIL NOSIG‬‬
‫‪/MISSING=PAIRWISE .‬‬
‫הפלט יראה כך‪:‬‬
‫‪Correlations‬‬
‫‪Correlations‬‬
‫‪AGE‬‬
‫‪1.000‬‬
‫‪.‬‬
‫‪82‬‬
‫**‪.635‬‬
‫‪.000‬‬
‫‪82‬‬
‫‪CHI LD‬‬
‫**‪.635‬‬
‫‪.000‬‬
‫‪82‬‬
‫‪1.000‬‬
‫‪.‬‬
‫‪82‬‬
‫‪Pearson Correlation‬‬
‫)‪Sig. (2-tailed‬‬
‫‪N‬‬
‫‪Pearson Correlation‬‬
‫)‪Sig. (2-tailed‬‬
‫‪N‬‬
‫‪AGE‬‬
‫‪CHI LD‬‬
‫‪**. Correlation is signif icant at the 0.01 lev el‬‬
‫‪(2-tailed).‬‬
‫אופן הדיווח‪:‬‬
‫"בכדי לבחון האם קיים קשר בין גיל הנבדקים לבין מספר הילדים שלהם‪ ,‬בוצע ניתוח מתאם של‬
‫פירסון שהעלה כי קיים קשר חיובי מובהק בין המשתנים (‪ .)r=.63, p<.01‬מכאן‪ ,‬שבהתאם‬
‫להשערתנו נמצא כי ככל שהנבדק מבוגר יותר‪ ,‬כך יש לו יותר ילדים‪".‬‬
‫‪T test‬‬
‫למדגמים בלתי תלויים‬
‫מבחן המשווה ממוצעים של שתי קבוצות שאינן תלויות אחת בשניה‪ ,‬ובוחן האם קיים הבדל‬
‫בינם‪ .‬למשל‪ ,‬כאש ר רוצים לגלות האם קיימים הבדלים בציוני הבגרות בין כיתה י"ב ‪ 0‬לכיתה י"ב‬
‫‪.2‬‬
‫‪ANALYZE > COMPARE MEANS > INDEPENDENT SAMPLES T TEST .0‬‬
‫‪ .2‬נפתח חלון‪ ,‬ותחת )‪ TEST VARIABLE(S‬כותבים את המשתנים התלויים (למשל‪)bagrut ,‬‬
‫‪ .3‬תחת ‪ GROUPING VARIABLE‬כותבים את המשתנה הבלתי תלוי (למשל‪)class ,‬‬
‫‪ .0‬לוחצים על ‪ DEFINE GROUPS‬נפתח חלון ובו מגדירים את ערכי המשתנה הבלתי תלוי‬
‫(למשל‪)0,2 ,‬‬
‫‪ .5‬לוחצים על >> ‪CONTINUE‬‬
‫דוגמא‪:‬‬
7
ANALYZE > COMPARE MEANS> INDEPENDENT SAMPLES T TEST > bagrut
> class > DEFINE GROUPS > 1 > 2 > CONTINUE >>
:‫קובץ הפקודות ייראה כך‬
T-TEST
GROUPS=sex(1 2)
/MISSING=ANALYSIS
/VARIABLES=edu
/CRITERIA=CIN(.95) .
:‫הפלט יראה כך‬
T-Test
Group Statistics
EDU
SEX
1.00
2.00
N
Mean
12.6429
13.0370
28
54
Std. Dev iat ion
1.7473
1.7042
Std. Error
Mean
.3302
.2319
Independent Samples Test
Levene's Test f or
Equality of Variances
F
EDU
Equal variances
assumed
Equal variances
not assumed
.032
Sig.
.860
t-test for Equality of Means
t
df
Sig. (2-tailed)
Mean
Dif f erence
Std. Error
Dif f erence
95% Confidence
Interv al of the
Dif f erence
Lower
Upper
-.985
80
.328
-.3942
.4003
-1.1908
.4024
-.977
53.566
.333
-.3942
.4035
-1.2033
.4149
:‫קריאת הפלט‬
:LEVEN’S TEST FOR EQUALITY ‫ מסתכלים ב‬.0
(EQUAL VARIANCE ASSUMED) ‫ השונויות של שתי הקבוצות שוות‬ p>0.05
(EQUAL VARIANCE NOT ASSUMED) ‫ השונויות של שתי הקבוצות לא שוות‬ p<0.05
‫ ומסתכלים על ערכי‬T test ‫) פונים לשורה המתאימה בטבלת ה‬0( ‫ בהתאם למה שמצאנו בסעיף‬.2
.‫ מדווחים על כך שלא נמצאו הבדלים בין הקבוצות‬,‫ במידה והתוצאה אינה מובהקת‬.t ,df ,Sig ‫ה‬
‫ ולראות למי‬,‫ יש לפנות לטבלת הממוצעים המופיעה בתחילת הפלט‬,‫במידה והתוצאה מובהקת‬
.‫משתי הקבוצות ממוצע גבוה יותר‬
‫‪8‬‬
‫אופן הדיווח‪:‬‬
‫"על מנת לבחון האם קיימים הבדלים בשנות ההשכלה בין נשים לגברים נערך מבחן ‪ t‬למדגמים‬
‫בלתי תלויים שהעלה כי לא קיים הבדל מובהק (‪ .)t(80)=-.98, p=n.s.‬כלומר‪ ,‬בניגוד להשערתנו לא‬
‫נמצא כי מספר שנות הלימוד הממוצע של נשים (‪ )M=13.04, sd=1.70‬גבוה מזה של הגברים‬
‫(‪".)M=12.64, sd=1.75‬‬
‫‪T test‬‬
‫למדגמים תלויים‬
‫מבחן המשווה ממוצעים של שתי קבוצות התלויות אחת בשניה‪ ,‬ובוחן האם קיים הבדל בינם‪.‬‬
‫תלות קיימת כאשר ישנו קשר בין הנבדקים משתי הקבוצות‪ ,‬למשל‪ ,‬במצב שבו בקבוצה אחת‬
‫נחקרות הנשים‪ ,‬ובשניה נחקרים בעליהן‪ .‬מצב שכיח נוסף קורה כאשר משווים בין שני ציונים של‬
‫אותה קבוצה (לדוגמא‪ ,‬משווים את ציוני הפסיכומטרי לפני ואחרי הקורס)‪.‬‬
‫‪ANALYZE > COMPARE MEANS > PAIRED-SAMPLES T TEST .0‬‬
‫‪ .2‬נפתח חלון‪ ,‬ובו בוחרים את שני המשתנים עליהם עושים את המבחן (למשל‪<< )before, after ,‬‬
‫דוגמא‪:‬‬
‫>‪ANALYZE > COMPARE MEANS > PAIRED- SAMPLES T TEST > before‬‬
‫>>‪after‬‬
‫קובץ הפקודות ייראה כך‪:‬‬
‫‪T-TEST‬‬
‫)‪PAIRS= befor WITH after (PAIRED‬‬
‫)‪/CRITERIA=CIN(.95‬‬
‫‪/MISSING=ANALYSIS.‬‬
‫הפלט יראה כך‪:‬‬
‫‪T-Test‬‬
‫‪Paired Samples Statisti cs‬‬
‫‪St d. Error‬‬
‫‪Mean‬‬
‫‪5.604E-02‬‬
‫‪6.301E-02‬‬
‫‪St d. Dev iation‬‬
‫‪.6463‬‬
‫‪.7266‬‬
‫‪N‬‬
‫‪133‬‬
‫‪133‬‬
‫‪Mean‬‬
‫‪4.3282‬‬
‫‪4.0158‬‬
‫‪BEFOR‬‬
‫‪AFTER‬‬
‫‪Pair‬‬
‫‪1‬‬
‫‪9‬‬
‫‪Paired Samples Correlati ons‬‬
‫‪Sig.‬‬
‫‪.000‬‬
‫‪Correlation‬‬
‫‪.462‬‬
‫‪N‬‬
‫‪133‬‬
‫‪BEFOR & AFTER‬‬
‫‪Pair 1‬‬
‫‪Paired Samples Test‬‬
‫‪Paired Diff erences‬‬
‫)‪Sig. (2-tailed‬‬
‫‪.000‬‬
‫‪df‬‬
‫‪132‬‬
‫‪t‬‬
‫‪5.035‬‬
‫‪95% Confidence‬‬
‫‪Interv al of the‬‬
‫‪Dif f erence‬‬
‫‪Lower‬‬
‫‪Upper‬‬
‫‪.1897‬‬
‫‪.4351‬‬
‫‪Std. Error‬‬
‫‪Mean‬‬
‫‪Std. Dev iation‬‬
‫‪Mean‬‬
‫‪.3124‬‬
‫‪.7156 6.205E-02‬‬
‫‪BEFOR - AFTER‬‬
‫‪Pair 1‬‬
‫אופן הדיווח‪:‬‬
‫"על מנת לבחון האם קיימים הבדלים בציוני הדימוי העצמי לפני התוכנית ואחריה‪ ,‬נערך מבחן ‪t‬‬
‫למדגמים תלויים שהעלה כי אכן קיים הבדל מובהק (‪ .)t(132)=5.03, p<.01‬כלומר‪ ,‬בהתאם‬
‫להשערתנו נמצא כי רמת החרדה ממוצעת לאחר הטיפול (‪ )M=4.02, sd=0.73‬נמוכה מזו‬
‫שנמדדה לפני הטיפול (‪".)M=4.33, sd=0.65‬‬
‫‪way anova‬‬
‫‪ - One‬ניתוח שונות חד כיווני‬
‫במבחן זה נשתמש כאשר נרצה לגלות האם קיימים הבדלים בין כמה קבוצות (‪ 3‬קבוצות ומעלה)‪.‬‬
‫למשל‪ ,‬האם קיימים הבדלי משקל בין סטודנטים לפסיכולוגיה‪ ,‬למשפטים ולמתמטיקה‪.‬‬
‫‪ANALYZE > COMPARE MEANS > ONE WAY ANOVA .0‬‬
‫‪ .2‬נפתח חלון ותחת ‪ DEPENDENT LIST‬כותבים את המשתנה‪/‬ים התלוי‪/‬ים (למשל‪)grade ,‬‬
‫‪ .3‬תחת ‪ FACTOR‬כותבים את המשתנה הבלתי תלוי שמחלק את הנחקרים לקבוצות (למשל‪,‬‬
‫‪)group‬‬
‫‪ .0‬לוחצים על ‪ POST HOC‬ומסמנים את ‪( SCHEFFE‬זהו מבחן הבוחן מהו המקור להבדלים‪:‬‬
‫בין קבוצות ‪ 0,3 0,2‬או ‪)2,3‬‬
‫‪ .5‬לוחצים על ‪ OPTIONS‬ומסמנים את ‪DESCRIPTIVE‬‬
‫‪ .6‬לוחצים על >> ‪CONTINUE‬‬
‫לדוגמא‪:‬‬
‫> ‪ANALYZE > COMPARE MEANS > ONE WAY ANOVA > grade > group‬‬
‫> ‪POST-HOC > SCHEFFE > CONTINUE‬‬
11
OPTIONS > DESCRIPTIVE > CONTINUE >>
:‫קובץ הפקודות ייראה כך‬
ONEWAY
sviut BY family
/STATISTICS DESCRIPTIVES
/MISSING ANALYSIS
/POSTHOC = SCHEFFE ALPHA(.05).
:‫הפלט יראה כך‬
Oneway
Descriptives
SVIUT
N
1.00
2.00
3.00
4.00
Total
12
48
12
10
82
Mean
3.6667
3.5417
2.0000
2.8000
3.2439
Std. Dev iation
.9847
1.4580
1.0445
1.0328
1.4016
Std. Error
.2843
.2105
.3015
.3266
.1548
95% Confidence Interv al for
Mean
Lower Bound Upper Bound
3.0410
4.2923
3.1183
3.9650
1.3364
2.6636
2.0612
3.5388
2.9359
3.5519
Minimum
3.00
1.00
1.00
1.00
1.00
ANOVA
SVIUT
Between Groups
Within Groups
Total
Sum of
Squares
26.939
132.183
159.122
Post Hoc Tests
df
3
78
81
Mean Square
8.980
1.695
F
5.299
Sig.
.002
Maximum
5.00
5.00
3.00
4.00
5.00
11
Multi ple Comparisons
Dependent Variable: SVI UT
Schef f e
(I) FAMILY (J) FAMILY
1.00
2.00
3.00
4.00
2.00
1.00
3.00
4.00
3.00
1.00
2.00
4.00
4.00
1.00
2.00
3.00
Mean
Dif f erence
(I-J)
Std. Error
.1250
.4202
1.6667*
.5315
.8667
.5574
-.1250
.4202
1.5417*
.4202
.7417
.4525
-1.6667*
.5315
-1.5417*
.4202
-.8000
.5574
-.8667
.5574
-.7417
.4525
.8000
.5574
Sig.
.993
.025
.494
.993
.006
.447
.025
.006
.563
.494
.447
.563
95% Conf idence Interv al
Lower Bound
Upper Bound
-1.0756
1.3256
.1480
3.1853
-.7261
2.4594
-1.3256
1.0756
.3411
2.7423
-.5514
2.0347
-3.1853
-.1480
-2.7423
-.3411
-2.3928
.7928
-2.4594
.7261
-2.0347
.5514
-.7928
2.3928
*. The mean dif f erence is signif icant at the .05 lev el.
Homogeneous Subsets
SVIUT
Schef f ea,b
FAMI LY
3.00
4.00
2.00
1.00
Sig.
N
12
10
48
12
Subset f or alpha = .05
1
2
2.0000
2.8000
2.8000
3.5417
3.6667
.457
.385
Means f or groups in homogeneous subsets are display ed.
a. Uses Harmonic Mean Sample Size = 13.913.
b. The group sizes are unequal. The harmonic mean
of the group sizes is used. Ty pe I error lev els are
not guaranteed.
:‫אופן הדיווח‬
‫"על מנת לבחון האם קיימים הבדלים בשביעות הרצון בין נבדקים בעלי מצב משפחתי שונה נערך‬
‫ לבדיקת מקור ההבדלים‬.)F(3,78)=5.30, p<.01( ‫כיווני שהעלה תוצאות מובהקות‬-‫ניתוח שונות חד‬
‫) הינם פחות שבעי רצון‬M=2.0, sd=1.04( ‫ שהראה כי גרושים‬Scheffe ‫נערך ניתוח המשך מסוג‬
M=2.80, ( ‫ קבוצת האלמנים‬,)M=3.54, sd=1.46( ‫) ומנשואים‬M=3.67, sd=0.98( ‫מרווקים‬
".‫) אינה שונה במובהק מיתר הקבוצות‬sd=1.03