مقدار مناسب اندازه های اثر کوهن
اندازه اثر شاخصی است که رابطه بین دو متغیر را نشان می دهد. برای مثال می خواهیم شدت تاثیر مداخله صورت گرفته در یک پژوهش آزمایشی را بررسی کنیم. در آزمون های آماری مختلف این اثر به روش های مختلف محاسبه می شود. در جدول زیر این شاخص ها را در آزمون های آماری مختلف نشان داده ایم.
اندازه اثر در آزمون های مختلف مقادیر مختلفی می گیرد. میزان اثربخشی یک مداخله یا شدت یک متغیر مستقل بر وابسته را می توان در سه سطح کم، متوسط و زیاد نشان داد. برای مثال در آزمون t مستقل مقدار 0.2، 0.5 و 0.8 به ترتیب کم، متوسط و عالی تلقی می شود. بنابراین اگر اندازه اثر نتایج آزمون 0.2 باشد یعنی اثر متغیر مستقل بر وابسته بسیار ناچیز است اگر چه ممکن است شما تفاوت معناداری را بدست آورده باشید.
اندازه اثر در آزمون های مختلف در SPSS
همچنین اندازه اثر را در جدول زیر نشان داده ایم. این شاخص های اندازه اثر در نرم افزار SPSS قابل محاسبه است یا نه. بعلاوه نشان داده ایم اگر در مطالعات گذشته (مقالات گذشته) شما اندازه اثر را بدست آورده باشید آیا می توانید از آن در G-power استفاده کنید و برای مطالعه خودتان حجم نمونه را برآورد کنید یا نه.
لازم است که اندازه اثر را در برآورد حجم نمونه در نظر بگیرید. برای دیدن نکاتی که قبل از پژوهش باید در نظر بگیرید کلیک کنید. این نکات می تواند به شما در انجام یک پژوهش با چالش های کمتر کمک کند.
| آزمون آماری | اندازه اثر | کم | متوسط | زیاد | SPSS | G-Power |
|---|---|---|---|---|---|---|
| Chi-Square Independence Test | Cohen’s W | 0.1 | 0.3 | 0.5 | بله | بله |
| Chi-Square Independence Test | Contingency Coefficient | 0.1 | 0.29 | 0.45 | بله | خیر |
| Chi-Square Independence Test | Cramér’s V | – | – | – | بله | خیر |
| Chi-Square Goodness-of-Fit Test | Cohen’s W | 0.1 | 0.3 | 0.5 | خیر | بله |
| Independent Samples T-Test | Cohen’s D | 0.2 | 0.5 | 0.8 | خیر | بله |
| Independent Samples T-Test | Rpb – Point-Biserial Correlation | 0.1 | 0.24 | 0.37 | بله | بله |
| Paired Samples T-Test | Cohen’s D | 0.2 | 0.5 | 0.8 | خیر | بله |
| One-Sample T-Test | Cohen’s D | 0.2 | 0.5 | 0.8 | خیر | بله |
| Pearson Correlation | R – Correlation | 0.1 | 0.3 | 0.5 | بله | بله |
| ANOVA | ω² – Omega Squared | 0.01 | 0.06 | 0.14 | خیر | خیر |
| ANOVA | η² – (Partial) Eta Squared | 0.01 | 0.06 | 0.14 | بله | خیر |
| ANOVA | Cohen’s F | 0.1 | 0.25 | 0.40 | خیر | بله |
| Linear Regression – Entire Model | Model R² – R Squared | 0.02 | 0.13 | 0.26 | خیر | بله |
| Linear Regression – Entire Model | Model F² – F Squared | 0.02 | 0.15 | 0.35 | خیر | بله |
| Linear Regression – Individual Predictor | Predictor R²sp – Squared Semipartial (“Part”) Correlation | 0.02 | 0.13 | 0.26 | خیر | بله |
| Linear Regression – Individual Predictor | Predictor F² – F Squared | 0.02 | 0.15 | 0.35 | خیر | بله |
مطالب زیر را حتما مطالعه کنید
چگونه داده های پژوهش خود را وارد نرم افزار SPSS یا Excel کنیم؟
ورود داده های پرسشنامه ها با توجه به سوالات پژوهش است و باید نکاتی را در هنگام ورود داده به SPSS یا Excel (اکسل) در نظر بگیریم. این مقاله تلاش شده است تا شیوه های مختلف داده با توجه به طرح های تحلیل واریانس، کوواریانس و همبستگی که شامل تحلیل های عاملی و مدل های ساختاری و تحلیل مسیر می شود را شرح بدهیم.
80 درصد دانشجویان قبل از نگارش پایان نامه به این موارد توجه نمی کنند!
نوشتن پرپوزال بدون دقت، انتخاب استاد راهنمای غیر متخصص، عدم همکاری استاد با دانشجو، نمونه گیری غلط، مشکلات جمع آوری پرسشنامه آنلاین و ده ها مشکل دیگه از جمله مواردی هستند که قبل از انجام هر پژوهشی می بایست همه به اون توجه کنند تا پس از یک دوره طولانی اضطراب و استرس و فرسودگی به این نتیجه نرسند که کاش به این موارد توجه کرده بودم.
چطور خطی بودن یک همبستگی را بررسی کنیم؟
برخی اوقات یک مدل تحلیل مسیر، ساختاری یا رگرسیون را محاسبه می کنیم اما نتیجه حاصله یا عدم ارتباط را نشان می دهد یا ارتباط کاذب را. یعنی همبستگی یا وجود ندارد یا همبستگی بالایی دارد، یکی از دلایل و مشکلات عدم برازش مدل ها و پیش بینی نکردن رگرسیون می تواند عدم خطی بودن باشد. در این مقاله سعی کرده ام با یک ملاک عینی این نتیجه را به شما نشان بدهم.
انواع ضریب همبستگی در SPSS
محاسبه همبستگی نیاز به در نظر گرفتن نکاتی دارد. از جمله می توان به مقیاس اندازه گیری متغیرها، خطی بودن، حجم نمونه، متقارن بودن و … اشاره کرد. عدم توجه به این موارد می تواند موجب عدم همبستگی یا همبستگی بیش از حد را موجب بشود و نتایج متناقض با مطالعات و پژوهش های گذشته را به شما بدهد.
دوازده گام ساخت آزمون
ساخت آزمون یکی از روش های جمع آوری داده است. عموما مراحلی برای ساخت آزمون وجود دارد. داونینگ دوازده مرحله برای ساخت آزمون بیان می کند. در این مقاله این دوازده گام به صورت کلی ارائه شده است. عدم رعایت نکات مرتبط با آزمون سازی موجب می شود که هزینه و وقت زیادی صرف ساخت آزمون بشود و در نهایت نتیجه ممکن حاصل نشود.
ورود داده به SPSS
برای ورود داده به SPSS می بایست که به نوع متغیر، مقیاس اندازه گیری، طرح پژوهش، شیوه تجزیه و تحلیل، نحوه کد گذاری یا ارزش کذاری متغیرها، داشتن گروه آزمایش و کنترل، معکوس کردن داده ها و تبدیل داده و تغییر ساختار داده ها توجه کرد. در این مقاله سعی کرده ام که نکات مهم را به شما منتقل کنم.
دیدگاهتان را بنویسید