SPSS چیست ؟

SPSS برنامه ای است برای تحلیل داده ها و ایجاد جداول و گراف های تحلیلی . SPSS می‌تواند مقادیر زیادی از داده ها را مدیریت کند و بسیاری از آنالیز ها را بر روی آنها انجام دهد. این نرم افزار به طور وسیع در علوم اجتماعی و دنیای اقتصاد استفاده می شود .آشنایی با این ابزار می‌تواند برای آینده کاری شما مفید باشد !

SPSS از سه بخش تشکیل شده است :

  • ویرایشگر داده
  • ویرایشگر نحوی
  • پنجره مشاهده خروجی

هنگامی که SPSS را باز می کنید ، پنجره ی ویرایش داده به طور خودکار باز می شود .

ویرایشگرهای داده و متغیر :

پنجره Data Editor به شما امکان می دهد تا دیتاست های خودتان را بسازید و عملیات آنالیز را با استفاده از منوهای کشویی انجام دهید.   پنجره ی Data Editor  شامل دو صفحه است :

به طور پیش فرض هر زمان که Data Editor  را باز می کنید ،  پنجره ی Data View   نمایش داده می شود . این پنجره شامل دیتاست شما است  . اینجا اسامی متغیرها در ردیف خاکستری در بالای خط ۱ نشان داده شده است  . هر ردیف سفید مربوط به یک مورد داده  است و هر ستون  یک متغیر را  نشان می دهد .

SPSS Data Viewer:

 پنجره Variable View  به شما اجازه می دهد مقادیر را نام گذاری کنید ، مقادیرگم شده  را شناسایی کنید ، متغیر ها  و برچسب های مقادیر  را تخصیص دهید.

می توانید بین پنجره‌های   Data و  Variable   با استفاده از تب موجود در پایین صفحه سوئیچ کنید.

این ستون ها چه معنایی دارند ؟

Name: نام متغیر را بیان میکند .  این نام در هدرهای ستون در پنجره Data نمایش داده می شود .در SPSS اسامی متغیرها نمی تواند شامل فاصله باشد.

Type : نوع داده در یک متغیر را معرفی می کند  . String یعنی داده به صورت متنی ذخیره  شده است ، مقادیر عددی به صورت number ذخیره می شوند . سایر گزینه های مفید Date و Dollar هستند .

نکته : SPSS نمی‌تواند توابع آماری را بر روی داده هایی که به عنوان رشته ذخیره شده اند اعمال کند .

نمای متغیرهای SPSS:

width: به کامپیوتر می گوید هر مورد چقدر فضا  نیاز دارد .  این میزان بر مبنای تعداد کارکترها محاسبه می شود .  بنابر این پهنا برای کشور به این معنی است که  نام آن کشور نمی‌تواند بیشتر از ۱۲ حرف باشد .

Decimal: به کامپیوتر می‌گوید که چه تعداد رقم اعشاری را نمایش دهد . اگر نمی‌خواهید کلا بخش اعشاری را داشته باشید در این قسمت ۰ را وارد کنید .

Labels: این ستون برای توضیح اینکه متغیر چه چیزی را اندازه گیری می کند مورد استفاده قرار میگیرد . شما می‌توانید از اسپیس هم اینجا استفاده کنید .

Values: به شما امکان می دهد برچسب های خاصی را بر مبنای داده های هر مورد نمایش دهید .  در مثال زیر تمام کشورها با یک  1 به ازای  این متغیر،  OECD را در پنجره Data نمایش می دهد .  این برچسب ها همچنین در تب ها و گراف هایی که ایجاد می کنید قابل مشاهده خواهند بود .

نکته : برچسب ها می توانند در پنجره ی Data  پنهان و آشکار شوند . این کار با کلیک کردن بر روی این دکمه در بالای پنجره SPSS  انجام می شود .

نکته : متغیرهای رشته ای به صورت خودکار به عنوان صوری یا اسمی تنظیم می شود

نکته : دیتاست هایی که از اینترنت می گیرید عموما متغیرهایشان به نحوه صحیح ست نشده است .

1-ویرایشگر نحو (syntax) و پنجره خروجی :

Syntax Editor  دقیقاً همان توابع Data Editor را ارائه می دهد . هرچند دو دلیل وجود دارد برای اینکه چرا شما باید نحو SPSS را بدانید حتی اگر می خواهید برای همیشه از محیط گرافیکی استفاده کنید. اول اینکه تمام امکانات از طریق محیط گرافیکی در اختیارتان قرار نگرفته است .

دیالوگ باکس هایی که در تمامی منوهای کشویی وجود دارند دکمه ای به نام  Paste  دارند که کد آن روال  را در پنجره مربوط به Syntax Editor  نمایش می دهند .

برای باز کردن syntax editor  به مسیر FILE>New>Syntax   بروید .

پنجره Output Viewer نتایج عملیات آماری را که شما برای داده‌های تان انجام داده اید نمایش می دهد .  این پنجره به طور خودکار زمانی که شما یک روال آماری را اجرا می کنید پدیدار می شود .

2.دستورات مهم منو

نگاهی به نوار منو بندازید . یک عالمه منوی کشویی می بینید !مهمترین است آنها در زیر لیست شدند :

Data Menu :

این منو تکنیک‌هایی را برای تعریف متغیرها ، وارد کردن متغیرها یا مورد ها ،  مرتب کردن فایل ها ، جدا سازی و برش فایل ها ، تعریف کردن دیتاست ها ، عملیات تجمیعی  روی داده ها و یا استفاده از یک دستور انتخاب برای مشاهده ی یک زیرگروه درون فایل داده به کار می رود .


Transform Menu :

این منو به شما اجازه می دهد تا متغیرهایتان  را بر مبنای متغیرهای موجود تغییرحالت دهید.علاوه بر سایر چیزها می توانید متغیرهای تان را مجدداً کد گذاری کنید و متغیر های جدید را از مقادیر موجود محاسبه کنید.

Analyze Menu  :

با استفاده از این منو می توانید عملیات آماری را بر روی دیتاست خود انجام دهید .  که خروجی آن در پنجره Output نمایش داده خواهد شد .  در این آموزش آمارهای توصیفی را با استفاده از این منو به دست می آوریم .

Graphs Menu :

این منو شامل تعدادی از اپشن های گراف میباشد که به شما امکان می دهد  آمارهای توصیفی را به صورت مصور در پنجره خروجی نمایش دهید.

3- باز کردن و ایجاد یک دیتاست

اگر شما از قبل یک دیتاست دارید به روش زیر می توانید  آن را باز کنید:

  1. 1.از منوی File  مسیر Open>Dataرا دنبال کنید . یک پنجره نمایش داده می شود
  2. دیتاست خود را انتخاب کنید و آن را باز کنید .

اگر شما یک دیتاست در اکسل دارید ،  باز کردن آن هم در SPSS ساده است .

  1. از منوی File  مسیر Open>Data را دنبال کنید . یک پنجره نمایش داده می شود .در خطی که نوع فایل (Files of Type) را مشخص می کنید نوع را برابر با Excel قرار دهید .
  2. دیتاست خود را انتخاب کنید و آن را باز کنید .

همچنین می‌توانید یک دیتاست را در Data Editor از پایه ایجاد کنید:

حالا فرض کنید می‌خواهیم داده های زیر را برای عملیات تحلیلی خودمان وارد کنیم :

به پنجره متغیرها وارد شوید و متغیر های تان را تعیین کنید .

در ردیف ۱( اولین متغیر ):

  • در قسمت نام کلمه age را تایپ کنید
  • در قسمت نوع  numeric را انتخاب کنید (این قسمت معمولاً می تواند عددی یا رشته ای و متنی باشد )
  • طول : 2 کارکتر
  • اعشاری : 0 (سن به صورت سال کامل بیان می شود‫)
  • برچسب: "respondent age" (درنام متغیرها نمیتوانید از فاصله استفاده کنید. برچسب متغیر به شما امکان می‌دهد تا اطلاعات بیشتری در رابطه با آن متغیر بیان کنید )
  • مقادیر : 0 را انتخاب کنید . شما فقط مقادیر را زمانی انتخاب کنید که هر عددی معنی ای بیش از یک عدد داشته باشد.  بعدا در رابطه با این موضوع بیشتر صحبت می کنیم .
  • مقیاس : scale  را انتخاب کنید. سن یک متغیر قیاسی است .در این رابطه ترتیب  و اولویت وجود دارد اما حالت های ممکن نامحدود هستند  .  سایر متغیرهای قیاسی شامل income, GDP هستند .



در ردیف دوم ( متغیر دوم )

  • Name: College
  • Type: string
  • Width: 5
  • .Label: “College of respondent”
  • Measure: Nominal

در ردیف سوم قصد داریم اطلاعات دانشکده را به روشی دیگر ذخیره کنیم .  این دفعه اعداد را به کالج های مختلف نسبت می دهیم:

e (1=SIS, 2=SPA, 3=CAS, 4=KOGOD, 5=SOC)



  • Name: Collegenum (داشتن دو متغیر همنام و یا استفاده از فاصله در نام متغیرها مجاز نیست)
  • Type Numeric
  • Width: 1
  • Decimals: 0
  • Label: “College of respondent, coded”
  • بر روی  “Values” کلیک کنید .در پنجره “value”, عدد“1” را وارد کنید .در پنجره  “label”, عبارت “SIS” را وارد کنید . بر روی “add” کلیک کنید. این رول را برای  SPA, CAS, KOGOD, و SOC تکرار کنید و در نهایت بر روی OK کلیک کنید
  • Measure:Nominal. یک کتغیر صوری ، متغیری است که مقادیر داده چیز دیگری را بیان می کنند.با وجود ان که  SIS=1 و SPA=2, این به این معنی نیست که SIS بهتر از SPA است یا بالعکس . بلکه اعداد حامل یک معنی  برای خود هستند اما ترتیب و مقادیر انها مهم نیست

به پنجره   Data View بر گردید  و داده های خود را وارد کنید هر مورد در یک خط .

داده های خود را با انتخاب منوی کشویی فایل و انتخاب گزینه Save  ذخیره کنید .



  1. اجرای آمارهای descriptive وfrequencies

برای اجرای آمارهای توصیفی به مسیر Analyze>Descriptive Statistics>Descriptives... بروید

  • متغیری که توصیفات ان را  نیاز دارید انتخاب کنید
  • برای تعیین نوع توصیفی که نیاز دارید بر روی  دکمه  Options  کلیک کنید
  • سپس بر روی ok کلیک کنید
  • اکنون نتیجه در پنجره خروجی نمایش داده می شود
  • می‌توانید وضعیت را در بخش  frequencies  دریافت کنید . بگذارید این کار را برای متغیرهای سن و شماره کالج انجام دهیم

انحراف معیار استاندارد

انحراف معیار استاندارد مقادیری از  پراکندگی است که بر اساس مقادیر داده محاسبه می‌شود .این قابلیت به ما امکان می‌دهد ببینیم داده ها نسبت به حد وسط چقدر پخش و متفرق شدند .انحراف معیار استاندارد یک ویژگی مطلوب دارد که هنگامی که داده ها به نحو مطلوب و نرمال توزیع شده اند ، 68.3 %  از مشاهدات بین انحراف معیار استاندارد  +/-1  نسبت به میانه قرار دارند ، 95.4%   بین انحراف معیار استاندارد +/-2 از میانه ، و  99.7 % به این انحراف معیار استاندارد ۳ نسبت به میانه قرار دارند.

عدم تقارن (Skewness) و  کشیدگی (Kurtosis)

برای تعیین اینکه داده ها به صورت نرمال توزیع  شده اند ، باید یک منحنی زنگ شکل از داده ها داشته باشیم .در چنین موردی اکثر 10  مشاهده در اطراف میانه دسته شده اند .  در واقعیت خیلی به ندرت پیش می آید که داده ها دقیقاً به صورت نرمال توزیع شده باشند اما باید بالاخره باید تا حدودی به یک توزیع نرمال شبیه باشند . دو نوع  محاسبات آماری به ما کمک می کند که ببینیم آیا این حالت را داریم یا نه .


چولگی یا عدم تقارن :

عدم تقارن مقیاسی است  برای اینکه ببینم آیا نقطه peak در میانه توزیع قرار دارد یا نه .  یک مقدار مثبت به این معنی است  که نقطه peak متمایل به سمت چپ است و یک مقدار منفی یعنی نقطه peak متمایل به سمت راست است .

کشیدگی یا درجه اوج

مقیاسی  است برای آن که ببینیم آیا داده ها در نقطه پیک متمرکز شده اند یا در قسمت های دنباله . یک  مقدار مثبت یعنی که داده ها در پیک متمرکز شده اند و یک مقدار منفی نشان می‌دهد که داده ها در قسمت دنباله قرار گرفتنه اند .

بسامدها (Frequencies )

برای اجرای بسامد ها به مسیر Analyze>Descriptive Statistics>Frequencies... بروید

  • متغیری که بسامد های آن را لازم دارید انتخاب کنید
  • برای تعیین گزینه های بیشتر بر روی دکمه های charts و format  کلیک کنید
  • برای دریافت آمار توصیفی به همراه بسامد ها می توانید بر روی دکمه Statistics  کلیک کنید
  • بر روی ok کلیک کنید.  نتایج در ویرایشگرخروجی نمایش داده می شود

باید این کار را برای age , college و collegenumا هم انجام دهیم

میانه (Mean)

میانه به عنوان مجموع یک سری مشاهدات تقسیم بر تعداد آن مشاهدات بیان می شود .از این مورد عموما برای توصیف گرایش مرکزی متغیر ها استفاده می شود

میانگین (Median)

یکی از محدودیت‌های میانه بعنوان یک نشانگر گرایش مرکزی این است که مقدار ان هنگامی که برخی مشاهدات مقادیر خیلی کم یا خیلی زیادی دارند به شدت تحت تأثیر قرار می گیرد .میانگین مقدار وسط از یکسری مقادیر است .عملکرد ان به این صورت است که یک نمونه را به تعدادی زیر نمونه با ابعاد مساوی تقسیم می کند. میانگین باید همیشه هنگامی استفاده شود که نمونه شما شامل تعداد نسبتا کمی از مشاهدات است و یا بالعکس، هنگامی که شامل تعداد کمی مقادیر بزرگ است که بر نتیجه میانه تأثیر می گذارند .

Mode

modeبه عنوان مقداری از یک متغیر که بیش از همه تکرار شده است عنوان می‌شود .این نشانگر می تواند اطلاعات بیشتری را در رابطه با گرایش مرکزی یک سری داده ها بدهد هنگامی که متغیر ها مقادیر معینی دارند که نسبت به سایرین بیشتر تکرار شده اند .

نکته : برای متغیرهای صوری ، mode  با معنی تر است تا میانه (mean)

همچنین میتوانید هییستوگرام هایی را از طریق پنجره Frequencies   بسازید .

هیستوگرام ها :

هیستوگرام ها تعداد مشاهدات در هر دسته بندی را نشان می دهد . هیستوگرام ها بسیار مفید اند زیرا یک نمای تصویری سریع از گرایش مرکزی، حوزه پراکندگی  به شما می دهند. همچنین مشخص می کنند که آیا مشاهدات غیر عادی خیلی بزرگ یا خیلی کوچک مشاهده میشود یا نه .

خروجی گرفتن :

برای خروجی گرفتن مسیر File > Export را دنبال کنید .پنجره ای باز میشود . نوع خروجی که میخواهید را از Export  انتخاب کنید . محل ذخیره فایل را تعیین کنید . نوع فایل را از منوی کشویی File  انتخاب کنید .می توانید خروجی را به فرمت های  Html, Text, Excel, Word, و PowerPoint  ذخیره کنید .سپس بر روی ok کلیک کنید .

اگر فقط یک یا دو جدول یا چارت را می خواهید می توانید آنها را از پنجره  output viewer انتخاب کنید وCTRL+C  را کلیک کنید .

سپس می‌توانید آنها را داخل یک فایل ورد paste کنید . برای این کار از گزینه ی Paste Special در word  استفاده کنید .


برچسب ها: