آموزش اس پی اس اسspss

تصویر 1⃣ نرمال کردن داده ها مرحله دوم @spsslearn

@spsslearn 🔑نرمال کردن داده‌ها 📚قسمت سوم 💭مرحله دوم 🔴پس از بررسی عادی یا نرمال بودن کشیدگی و یا چولگی توزیع داده هایتان، به سراغ آزمون شاپیرو ویلک بروید تا از نرمال بودن داده هایتان مطمئن گردید . برای این کار از مسیر زیر وارد کادر محاوره ی زیر شود:(تصویر 1⃣) Analyze ➡️Descriptive Statistics ➡️ Explore 🍂 بطور مثال دو متغیر سن age و los را مطابق شکل (تصویر 1⃣)وارد لیست متغیر های وابسته می کنیم و سایر جاها را خالی می گذاریم. سپس به منوی plots رفته و گزینه ی Normality plots with tests را تیک دار کنید( تصویر 2⃣) @spsslearn 🍂خروجی تنظیمات فوق شامل جدولی است(تصویر 3⃣) بنام Tests of Normality که دو مقدار سطح معناداری را برای هر کدام از متغیر ها به طور مجزا ارائه می دهد. این مقادیر در تشخیص نرمالیتی داده ها بسیار تعیین کننده است. 🍂معمولا چنانچه سطح معناداری در آزمون Shapiro-Wilk که در این جدول با sig . نمایش داده می شود بیشتر از 5صدم باشد میتوان داده ها را با اطمینان بالایی نرمال فرض کرد. در غیر این صورت نمی توان گفت که داده ها توزیع شان نرمال است. با توجه به جدول فوق و مقادیر سطح معناداری برای متغیرهای age و los می توان گفت که توزیع متغیر los می تواند با احتمال خوبی نرمال باشد اما متغیر age نرمال نخواهد بود. @spsslearn 📢📢دو نکته مهم 1⃣سطح معناداری بخش Kolmogorov-Smirnov را هم برای بررسی نرمال بودن داده ها استفاده کنیم. 2⃣برای تست نرمالیتی روی نمونه های بین 1 تا 2000 تایی از آزمون Shapiro-Wilk و برای نمونه های با حجم بیشتر از 2000 از آزمون Kolmogorov-Smirnov استفاده می کنیم. 📢ادامه دارد (با ما همراه باشید...) @spsslearn

@spsslearn 💭چولگی برابر با گشتاور سوم نرمال شده است. چولگی در حقیقت معیاری از وجود یا عدم وجود تقارن تابع توزیع می باشد. برای یک توزیع کاملاً متقارن چولگی صفر و برای یک توزیع نامتقارن با کشیدگی به سمت مقادیر بالاتر چولگی مثبت و برای توزیع نامتقارن با کشیدگی به سمت مقادیر کوچکتر مقدار چولگی منفی است. در شکل زیر چولگی مثبت و منفی را می بینید. 📢ادامه دارد (با ما همراه باشید...) @spsslearn

@spsslearn 🔑 نرمال کردن داده‌ها 📚قسمت دوم 💭مرحله اول 🔴ابتدا چولگی و کشیدگی داده هایتان را آزمون میکنید، برای این کار مسیر زیر را طی کنید. (تصاویر 5⃣تا 8⃣مبحث آماره های توصیفی را در کانال جستجو کنید) Analyze ➡️Descriptive Statistics ➡️Descriptives در پنجره ای که باز می شود متغیر هایی که می خواهید چولگی و کشیدگیشان را آزمون کنید را به کادر سفید انتقال دهیدسپس روی کلیدoptions کلیک کنید و در کادر محاوره ی آن گزینه های Skewnessو kurtosis را فعال کنید. 🔑نکات مهم در بررسی کشیدگی و چولگی: 1-مقدار کشیدگی برای توزیع نرمال برابر 3و چولگی 0 می باشد. 2- اگر چولگی و کشیدگی در بازه(2و2-)نباشد داده ها از توزیع نرمال بسیار دور خواهد بود. 📢ادامه دارد (با ما همراه باشید...) @spsslearn

فرآیند آزمون نرمالیتی @spsslearn

@spsslearn 🔑 نرمال کردن داده‌ها 📚قسمت اول 💭 چگونه نرمال بودن داده هایمان را در "اس پی اس اس" آزمون کنیم؟ 🔴توزیع نرمال ، یکی از مهمترین “توزیع های احتمالی پیوسته ”در تئوری احتمالات است. علت نام گذاری و اهمیت توزیع نرمال،هم خوانی بسیاری از مقادیر حاصل شده، هنگام نوسان های طبیعی و فیزیکی پیرامون یک مقدار ثابت با مقادیر حاصل از این توزیع است. دلیل اصلی این پدیده، نقش توزیع نرمال در قضیه حد مرکزی است. به زبان ساده، در قضیه حد مرکزی نشان داده میشود که تحت شرایطی، مجموع مقادیر حاصل از متغیرهای مختلف که هرکدام میانگین و پراکندگی متناهی دارند، با افزایش تعداد متغیرها، دارای توزیعی بسیار نزدیک به توزیع نرمال است. این قانون که تحت شرایط و مفروضات طبیعی نیز برقرار است، سبب شده که برایند نوسان های مختلفِ تعداد زیادی از متغیرهای ناشناخته، در طبیعت به صورت توزیع نرمال آشکار شود. @spsslearn 🔴با اینکه متغیرهای زیادی بر میزان خطای اندازه گیریِ یک کمیت اثر میگذارند، (مانند خطای دید، خطای وسیله اندازه گیری،شرایط محیط و ...) اما با اندازه گیری های متعدد، برایند این خطاها همواره دارای توزیع نرمال است که حول مقدار ثابتی پراکنده شده است.مثال های دیگری از این نوسان های طبیعی، طول قد، وزن یا بهره هوشی افراد است. 🔴این توزیع گاهی به دلیل استفاده کارل فردریک گاوس از آن در کارهای خود با نام توزیع یا تابع گوسی (گاوسی) نامیده می شود. همچنین به دلیل شکل تابع احتمال این توزیع، با نام انحنای زنگوله(Bell-Shaped) نیز معروف است. 📢ادامه دارد (با ما همراه باشید...) @spsslearn

با سلام مباحث بعدی کانال 🔵نرمال کردن داده ها 🔵ریکد recode کردن داده‌ها 🔵فیلتر كردن داده‌ها با ما همراه باشید... @spsslearn

تصویر 3⃣ نمودار ساقه و برگ پنجره plots @spsslearn

تصویر 2⃣ نمودار ساقه و برگ پنجره explore @spsslearn

تصویر 1⃣ نمودار ساقه و برگ مسیر انجام نمودار @spsslearn

@spsslearn 🔑نمودارها 🎬 قسمت هفتم و پایانی 🗯نمودار ساقه و برگ 🌷این نمودار نحوه توزیع داده‌ها را به خوبی وصف میکند به این صورت که شامل تعدادی ساقه و تعدادی برگ است در پایین نمودار اندازه ساقه و تعداد مورد در هر برگ آمده است. این نمودار اطلاعات دقیقتری نسبت به متغیر ها را معلوم میکند. ✅برای این کار مسیر زیر را طی کنید (تصویر 1⃣) Analyze ➡️ Descriptive statistics ➡️ Explore 🌷متغیرها را در کادرهای مربوطه وارد کرده (تصویر 2⃣) و سپس کلید plots را میزنیم در کادر مربوط stem and leaf و histogram را میزنیم (تصویر 3⃣)و سپس OK را میزنیم. هم نمودار مستطیلی و هم نمودار ساقه و برگ نمایش داده میشود. (با ما همراه باشید...) @spsslearn

تصویر 3⃣ نمودار مستطیلی با منحنی نرمال @spsslearn

تصویر 2⃣ نمودار مستطیلی بدون منحنی نرمال @spsslearn

تصویر 1⃣ نمودار مستطیلی @spsslearn

@spsslearn 🔑نمودارها 🎬 قسمت ششم 🗯 نمودار مستطیلی (هیستوگرام) 🍀از این نمودار برای نمایش متغیرهای کمی استفاده میشود. 🍀مانند تمام نمودارهای قبلی مسیر زیر را طی میکنیم Graphs ➡️ Legacy Dialogs ➡️ histogram تا کادر مربوطه باز شود. (تصویر 1⃣) 🍀متغیر مورد نظر را به کادر variable انتقال دهید، اگر میخواهید نمودار شما نرمال بودن توزیع داده ها را نشان بدهد گزینه Display normal curve را تیک دار کنید. @spsslearn 🍀مثال از همان داده‌های نمودار ستونى استفاده کنید و مراحل را به نوبت اجرا کنید تصویر 2⃣نمودار بدون منحنی نرمال q1میباشد. تصویر 3⃣نمودار با منحنی نرمال q1 میباشد. 🔔 ادامه دارد (با ما همراه باشید....) @spsslearn

آموزش اس پی اس اسspss: http://bazdidfa.com/r/JptzdL برای حمایت از کانال خودتان کلیک کنید.

تصویر 3⃣ نمودار جعبه‌ای چند متغیره @spsslearn

تصویر 2⃣ نمودار جعبه‌ای تک متغیره @spsslearn

تصاویر 1⃣ نمودار جعبه‌ای @spsslearn