הכרת ה- SPSS, הכנסה והגדרה של משתנים

Size: px

Start display at page:

Download "הכרת ה- SPSS, הכנסה והגדרה של משתנים"

Dwight Butler
5 years ago
Views:

1 הכרת ה- SPSS, הכנסה והגדרה של משתנים.1 פתיחת SPSS א. לחצו על ה- ICON של SPSS על גבי המחשב או start programs spss for windows 2. פתיחת קובץ א. open לוחצים על שם הקובץ או לחצו על ה- ICON של פתיחת קובץ ג. לחצו על שם הקובץ 3. שמירת קובץ file open )ראשון משמאל open save לרשום שם קובץ 4. סגירת קובץ א. לחצו על X למעלה מצד ימין. 5. הכנסת משתנים והגדרתם א. file save as save in a: file name NAME נראה כמו תיקיית נייר שנפתחת( שם משתנה )בגרסאות קודמות צריך להיות עד 8 מקומות, לא יכול להתחיל בספרה( )ברירת מחדל דוגמא: )var00001 id, sex, smoke, live TYPE סוג המשתנה חשובים: = numeric מספרי; = string אותיות )ברירת מחדל נומרי( דוגמא: מין, גיל ושנות לימוד הינם נומריים בעוד שמקום ישוב שרשום באותיות או שם פרטי הינם STRING DECIMALS LABELS ג. ד. ה. ו. מספר מקומות אחרי הנקודה )ברירת מחדל 2 מקומות אחרי הנקודה( דוגמא: במשתנה כגון מספר ילדים, אין משמעות לסימון נקודה עשרונית. הסבר מפורט יותר לשם המשתנה הקצר )ברירת מחדל אין דוגמא: עבור משתנה )NONE que1 VALUES נרשום 'הממונה סיפר פרטים על שינוי'. עבור המשתנה ID נרשום 'מספר זהות הנבדק'. - שמות לערכים השונים )ברירת מחדל אין )NONE MISSING דוגמא: במשתנה במין = 1 זכר ו- 2 = נקבה. במשתנה מצב משפחתי 1 =נשוי, 2 =רווק, 3 =גרוש 4 =אחר - ערכים חסרים )ברירת מחדל אין )NONE 1

2 ז. MEASURE דוגמא: אפשר להחליט שאם לא ענו על שאלה נרשום 999. סוג הסולם )ברירת מחדל אפשרויות: - סדר/אורדינאלי; scale - שמי; ordinal )scale nominal דוגמא: מין הוא משתנה שמי לכן נרשום עבורו סוג השכלה הינה מסולם סדר לכן נרשום עבורו המשתנה גיל הינו יחס/מנה לכן נרשום עבורו nominal ordinal scale רווח ומעלה Syntax, Output, Frequencies, Descriptives Syntax.1 פתיחת קובץ א. Syntax.Syntax פתיחת קובץ Syntax 1. לחץ ישן file open syntax חדש לחץ על.PASTE בכל פרוצדורה סטטיסטית תפתח אוטומטית חלון 2. כל התוכניות שנרשמו ונשמרו עד כה יופיעו. 3. סמן את הקובץ הרצוי )על ידי עמידה עליו עם העכבר ולחיצה על העכבר השמאלי( ושמו יופיע בחלון הקטן ליד.file name 4. לחץ על open וייפתח הקובץ. Output.2 א. פתיחת קובץ פתיחת קובץ Output חדש הרצה של תוכנית ב- Syntax תפתח אוטומטית חלון.Output Output ישן.1 לחץ על file open output 2. נפתח חלון. 3. כל התוכניות שנרשמו ונרשמו יופיעו. זכרו: סיומת של קובץ נתונים: *.sav )*= שם קובץ( סיומת של קובץ *.sps )*= שם קובץ( :syntax סיומת של קובץ נתונים: *.spo )*= שם קובץ( 2

3 - FREQUENCIES טבלאות שכיחות, ומדדי מרכז ופיזור. ברירת המחדל: טבלאות שכיחות - הערכים האפשריים, שכיחות, אחוזים, ואחוזים מצטברים. אפשרויות נוספות : ממוצע, חציון, שכיח, סטיית תקן, שונות, מינימום, מקסימום, טווח, תחום בין רבעוני ומאונים / אחוזונים. א. analyze descriptive statistics frequencies בחרו את המשתנים הרצויים מתוך חלון המשתנים והעבירו אותם בעזרת החץ השחור לחלון הגדול ג. לקבלת מדדי מרכז ופיזור : לחצו statistics ממוצע : Mean חציון : Median שכיח : Mode סטית תקן : deviation Std. שונות : Variance טווח: Range מינימום : Minimum מקסימום: Maximum רבעונים : Quartiles מאונים: ( Percentiles יש להכניס את המאון למשל מאון, 99 וללחוץ ) add ד. לחצו continue 3. מאונים א. ג. ד. ה. ו. לחצו על analyze descriptive statistics frequencies בחרו את המשתנים הרצויים מתוך חלון המשתנים והעבירו אותם בעזרת החץ השחור לתוך החלון הגדול לאחר הכנסת משתנים רצויים: לחצו על statistics היכן שכתוב percentiles רשמו את המאון שמעניין אתכם add continue לחצו paste והריצו מתוך ה- syntax 4. חישוב תחום בין רבעוני: א. ג. לחצו על analyze descriptive statistics frequencies לחצו על.statistics כשנפתח החלון בחלק של percentile values לחצו על.quartiles 5. -DESCRIPTIVES מדדי מרכז ופיזור. ברירת המחדל : N, ממוצע, סטיית תקן, מינימום ומקסימום. אפשרויות נוספות : שונות, טווח, וסכום. א. analyze descriptive statistics descriptives בחרו את המשתנים הרצויים מתוך חלון המשתנים והעבירו אותם בעזרת החץ השחור לתוך החלון הגדול. ג. לקבלת מדדים נוספים : לחצו options 3

4 RECODE מטרת פקודת recode היא קידוד מחדש של ערכי המשתנה, כלומר הפיכת ערכים ישנים במשתנה כלשהו לערכים חדשים. ( החלפת ערכים, קיבוץ לקטגוריות וכו' ) - Recode into same variable. I שינוי הערכים במשתנה עצמו משתמשים כאשר קידוד הערכים לא מביא לאיבוד שום מידע. transform recode into same variable )1 לבחור את המשתנה הרצוי. old and new values ב- old value לרשום את הערך הקיים, ב- value new רושמים את הערך שאליו רוצים לשנות. אפשרויות : א( ערכים בודדים - value ב( טווחים שונים כאשר אותו הערך מוכנס בשני טווחים ( למשל ) 39-49, הערך המדוייק )39( יוכנס לטווח שנרשם ראשון. ג( System or user missing כל הערכים החסרים, ניתן להפוך ל- System missing ד( All other values )2 )3 )4 add continue paste )5 בקרת שינויים : חשוב מאד לבדוק את הרצת הפקודה: בודקים מספר ערכים שאמורים להשתנות. א. מריצים פעם אחת. ובודקים שאכן הערכים השתנו. מסמנים כוכבית לפני הפקודה ב-.syntax ג. Recode into different variable יצירת משתנה חדש שיכיל את הערכים החדשים. משתמשים כאשר קידוד הערכים יגרום לאבדן מידע. transform recode into different variable לבחור את המשתנה הרצוי. ב- output variable לרשום שם חדש למשתנה, ב- labels לרשום הסבר מפורט יותר לשם המשתנה. ללחוץ על.change old and new values ב- old value לרשום את הערך הקיים, ב- value new רושמים את הערך שאליו רוצים לשנות. אפשרויות : א( ערכים בודדים - value ב( טווחים שונים כאשר אותו הערך מוכנס בשני טווחים ( למשל ) 39-49, הערך המדוייק. II )1 )2 )3 )4 )5 4

5 System missing )39( יוכנס לטווח שנרשם ראשון. ג( System or user missing כל הערכים החסרים, ניתן להפוך ל- ד( All other values add continue paste )6 )7 אפשרות נוספת ב- new values היא : values copy old IF - אופצית. III משתמשים ב- IF כאשר רוצים לבצע את הקידוד מחדש רק לחלק מהנבדקים רק ל- cases המקיימים איזה שהוא תנאי. לוחצים. IF מסמנים Include if case satisfies condition בחרו את הביטוי הלוגי שצריך להתקיים ( למשל = 1 sex ) רק עבור מקרים שמקיימים את הביטוי יבוצע ה- recode המבוקש. א( &: and ה- recode יבוצע רק עבור cases המקיימים את כל התנאים בו זמנית. )דוגמא: >30 age Sex = 2 and רק נשים שהן מעל גיל ) 39 ב( :Or ה- recode יבוצע רק עבור cases המקיימים לפחות אחד מהתנאים. )דוגמא: 30< age Sex = 2 or כל הנשים ללא קשר לגיל, וכל הנבדקים מעל גיל 39, גברים ונשים( ג( >< )שונה(.Continue )1 )2 )3 )4 5

6 COMPUTE מטרת פקודת compute היא יצירת משתנה חדש שיהווה איזה שהוא חישוב מתמטי של משתנה קיים, או חישוב מתמטי המשלב מספר משתנים קיימים ( למשל ממוצע של מספר משתנים (. כל case יקבל ערך חדש במשתנה בהתאם ל-.compute transform compute ב- target variable רשמו שם של משתנה חדש ב- numeric expression רישמו את הביטוי המתמטי ( ללא סימן השווה! ) : )1 )2 )3 נוסחה : ( לא מטפל בערכים חסרים ) (que1+que2+que3+que4+que5 ) / 5 א( במידה ואחד הערכים חסר, התוצאה תהיה ערך חסר. פונקציה : ( יודע לטפל בערכים חסרים ) במידה ואחד הערכים חסר, עדיין יחושב ממוצע (que1,que2,que3,que4,que5) MEAN בלעדיו. כנסו לחלון, functions לחצו על האות הראשונה של הפונקציה הרצויה ( sum mean, וכו' (. 1( העבירו אותה ע"י החץ. 2( הכניסו משתנים במקום סימני השאלה, הקפידו על הפסיקים. 3( ב(.Paste / ok לאחר הרצה, נוצר משתנה חדש בסוף הקובץ הגדירו אותו באופן מלא. )4 )5 הוספת ערך רק לחלק מה- cases שימוש בפקודה IF השימוש בפקודת IF מאפשר ביצוע פקודת compute רק לחלק מה-.cases הוספת 2 רק לבנות : )העתקת הערכים לכולם ) comput new = old א. ( שינוי הערכים רק לבנות דורס את הערכים הקודמים ) comput new = old+2 if sex = 2 6

7 SELECT CASES select cases.1 מטרת פקודת select cases היא בחירה של חלק מה-.cases מרגע שהם נבחרו, כל פקודה שנבצע תתבצע רק על ה- cases האלו. ( מלבד recode ו- compute אשר אינם מושפעים מה-,select cases ובפקודות אלו משתמשים ב- if אם רוצים לבצע את החישוב רק לחלק מה- ) cases בחירה : א. data select cases if condition is satisfied if רשמו משפט לוגי ( כגון מין= 2 and גיל< 29 (, רק מי שמקיים את התנאי יבחר. continue paste ג. בקובץ יש קו המוחק את המספרים של הרשומות שהוצאו מתוך המדגם, ד. בצד ימין למטה רשום:.filter on נוצר משתנה פילטר חדש פנימי של SPSS הסרת הבחירה : data select cases all cases paste א. + נעלם ה-.filter on ( משתנה הפילטר לא בידקו בקובץ שאין קו המוחק אף אחת מהרשומות נמחק, וזה בסדר. אם רוצים ניתן למחוק אותו (. 7

8 SPLIT FILE Split file.1 מטרת פקודת split file היא לחלק את הקובץ לקבוצות. מרגע שהקובץ חולק, כל פקודה שנבצע תתבצע בנפרד עבור כל קבוצה. בחירה : א. data split file compare groups )נוח להשוואת קבוצות ) או ( organize output by groups לכל קבוצה טבלה נפרדת ) לחלון מכניסים את המשתנה שמגדיר מיהן הקבוצות. continue paste ג. ד. Data split file ה. בצד ימין למטה רשום:. split file on הסרת הבחירה : א. analyze all cases, do not create groups בידקו בקובץ שנעלם ה-.split file on ** הקפידו בכל פעם שאתם מבצעים select cases / split file להוריד אותם בסיום!!! ניקיון קובץ, מהימנות של קרונבך 1. ניקיון קובץ כאשר מקבלים קובץ חדש, או לאחר הקלדה, יש לבדוק את תקינות הקובץ לפני שמתחילים לעבוד. 1. היכרות עם הקובץ- מהם המשתנים, מה ההגדרה המלאה שלהם, האם יש values..2 בדיקת missing 3. טעויות הקלדה : א. ג. Descriptives בדיקות חוזרות עד ל- וכו' ובדיקת.min / max תיקון ע"י מחיקה )או שחזור מידע מהשאלונים עצמם(. descriptives תקין. Frequencies לבדיקת הערכים ( values תקינים, תוצאות הגיוניות וכו' (. 2. מהימנות - של קרונבך כאשר חוקר בונה כלי מחקר עליו לבדוק את מידת התוקף והמהימנות של הכלי. קיימים מספר סוגים של מהימנות. המקובל הוא אלפא של קרונבך. באמצעותו בודקים האם כל הפריטים בשאלון בודקים את אותו נושא. לדוגמא אנחנו רוצים לדעת מהי עמדת הנבדקים בנושא העישון. נקודת ההנחה היא שלכל אדם יש עמדה מסוימת בנושא העישון. יש כאלה שאינם אוהבים לעשן, אינם אוהבים 8

9 שמעשנים בסביבה שלהם וכו'. לעומתם יש אנשים שמעשנים, שחבריהם מעשנים ושלא מאמינים שיש קשר בין עישון לבין סרטן וכו'. אנחנו רוצים לבדוק את העמדות שלהם לגבי עישון אבל אי אפשר להסתפק בשאלה יחידה כי אולי היא אינה מתאימה לחלוטין לאדם זה או אולי היא מנוסחת בצורה שאינה מדויקת. מהימנות מבצעים על סולם רווח ומעלה. כלומר, חובה שהתשובות לשאלות שלכם יהיו מסולם זה. הערך של אלפא מתבסס על המתאמים שבין כל פריט לכל אחד מהפריטים האחרים. הערך שמתקבל נע בין 0 ל- 1. ככל שהוא גבוה יותר, המהימנות גבוהה יותר. מהימנות טובה נחשבת למהימנות של 0.6 ומעלה. כאשר מבצעים בדיקת מהימנות, יש לשים לב למספר דברים: 1. ככל שמספר הפריטים אותם בודקים גבוה יותר, השאלון יהיה מהימן יותר. 2. אם יש שאלה הפוכה )ליד הערך שלה יופיע הסימן -(, יש להפוך אותה. אם ישנן מספר שאלות הפוכות, יש להפוך כל שאלה בנפרד. חייבים להפוך את כל השאלות אותן זיהינו מלכתחילה כהפוכות, גם אם המהימנות עלתה מעל אם לאחר הפיכת שאלות, תופיע לפתע שאלה שכבר הפכנו, שוב עם סימן -, יש לוותר עליה. 4. יש לשקול לוותר על שאלה רק אם הוויתור יגרום לעליה בערך האלפא. 5. מוותרים כל פעם על שאלה אחת בלבד ומריצים מהימנות. 6. לאחר שמגיעים לאלפא של 0.6, עוצרים. שלבים: כדי לבצע פעולה זו יש להיכנס ל-.Analyze Scale Reliability Analyze יש לסמן את השאלות הרצויות ולהעבירן לחלון המתאים. כדי לבצע ניתוח פריטים )לבדוק האם יש שאלות שצריך להפוך, האם כדאי למחוק שאלה כשלהי( יש להיכנס ל- האפשרות statistics.scale if item deleted לאחר ביצוע המבחן תופיע התוצאה בקובץ ה- :output ולסמן את ReliabilityStatistics Cronbach's Alpha N of Items

10 Item-Total Statistics que11 que12 que13 que14 que15 que16 que17 que18 que19 que20 Scale Corrected Cronbach's Scale Mean if Variance if Item-Total Alpha if Item Item Deleted Item Deleted Correlation Deleted ערך אלפא אם שאלות הפוכות נוריד פריט מסוים ניתן לראות שערך ה- הוא שאלות 20 12, הינן הפוכות. בעמודה של Alpha if Item Deleted ניתן לראות את ערך אם נסיר פריט מסוים מהשאלון. 10

11 T-TEST למשתנים בלתי תלויים ומזווגים Independent Samples T-Test מבחן T לאוכלוסיות בלתי תלויות אותו הרעיון בדיוק. עכשיו משווים בין שתי אוכלוסיות. האם אחת גדולה מהשנייה? האם הן 1. שוות? האם אחת קטנה מהשנייה? שתי אוכלוסיות שונות )שתי קבוצות( בלתי תלויות אחת בשנייה ומשתנה אחד תלוי משתנה שעליו שואלים את השאלה. למשל האם יש הבדל בין גברים ונשים במשתנה ההתגדות אקטיבית. יש 3 אפשרויות: נשים מתנגדות יותר מגברים. א. אין הבדל בהתנגדות בין גברים ונשים. נשים מתנגדות פחות מגברים. ג. בכל מקרה הדרך אותה הדרך: 2. Analyze Compare Means Independent Samples T-Test א. נפתח חלון. היכן שרשום Variable(s) Test נרשום את המשתנה/ים התלוי/ים עבורו מעוניינים לבדוק את ההשערה. ג. היכן שרשום Grouping Variable נרשום את המשתנה הבלתי תלוי בין מה למה אנחנו מעוניינים ד. להשוות. החלק האפור בו רשום Define groups נעשה שחור. חייבים ללחוץ עליו ולרשום את הקבוצות המעניינות ה. אותנו. Continue PASTE ו. גברים מתנגדים יותר אין הבדל בהתנגדות נשים מתנגדות יותר מספר נבדקים בכל קבוצה נשים גברים ממוצע שהתקבלו נשים גברים השערות וס.ת. ערך T המתקבל דרגות החופש בדיקת כיוון התוצאות בדיקת מובהקות האם נפלתי באיזור הדחייה? משמעות מילולית ממוצע 2.99 ס.ת ממוצע 2.22 ס.ת Ho: 0 גברים נשים H1: 0 גברים נשים ממוצע 2.99 ס.ת ממוצע 2.22 ס.ת Ho: 0 גברים נשים נשים גברים H1: 0 ממוצע 2.99 ס.ת ממוצע 2.22 ס.ת Ho : 0 גברים נשים H1: אין משמעות לכיוון תוצאות בכיוון ההשערה האם / 2 sig? 9.95 <9.994=9.998/2 נפלתי באיזור הדחייה. לכן נדחה.Ho ניתן לומר שנשים מתנגדות יותר מגברים. האם? sig נפלתי < באיזור הדחייה. לכן נדחה.Ho ניתן לומר שיש הבדל בין נשים של ההתנגדות וגברים. גברים נשים 61 תוצאות בניגוד להשערה תוצאות בניגוד להשערה אין שום סיכוי ליפול באיזור הדחייה. לא ניתן לדחות.Ho לא ניתן לומר שגברים מתנגדים יותר. T-Test Group Statistics מ ין זכר נקבה התנ גד ות אק טיב ית Std. Error N Mean Std. Deviation Mean

12 Independent Samples Test Equal variances assumed Equal variances not assumed התנ גד ו ת אקט יב ית Levene's Test for Equality of Variances F Sig. t df Sig. (2-tailed) t-test for Equality of Means Mean Difference 95% Confidence Interval of the Std. Error Difference Difference Lower Upper T-TEST למשתנים מזווגים כעת עדיין משווים את אותה האוכלוסייה בשני זמנים שונים )לפני ואחרי( או במקרים נדירים בין 1. שתי אוכלוסיות שונות שאנחנו מאמינים שיש ביניהם קשר )לא ניתן לומר שאין ביניהם תלות( כגון בני זוג, הורים וילדים, תאומים וכו'. השאלות שאפשר לשאול: האם תוחלת קבוצה אחת גדולה מהשנייה? האם הן שוות? האם אחת קטנה מהשנייה? למשל האם יש הבדל בין התנגדות אמוציונאלית לאקטיבית? יש 3 אפשרויות: התנגדות אמוציונאלית גבוה מהתנגדות אקטיבית. א. אין הבדל בין התנגדות אמוציונאלית להתנגדות אקטיבית. התנגדות אמוציונאלית נמוכה מהתנגדות אקטיבית. ג. בכל מקרה הדרך אותה הדרך 2. Analyze Compare Means Paired Samples T-Test א. נפתח חלון. היכן שרשום Paired Variables יש להכניס זוגות של משתנים. זאת על ידי כך שלחיצה ראשונה על ג. משתנה תרשום את המשתנה ב- 1 variable בתחתית המסך ולחיצה על משתנה שני תרשום אותו ב- variable 2 בתחתית המסך. רק לאחר שיש 2 משתים, אפשר להעביר אותם על יד החץ לחלון הריק. Continue PASTE ד. פחות אמוציונאלית מאקטיבית יש הבדל ביניהם יותר אמוציונאלית מאקטיבית N בכל קבוצה וס.ת. ממוצע ממוצע 3.94 ס.ת ממוצע 2.79 ס.ת ממוצע 3.94 ס.ת ממוצע 2.79 ס.ת ממוצע 3.94 ס.ת ממוצע 2.79 ס.ת שהתקבלו אמוציונאלית אקטיבית Ho: ' 0 Ho: ' 0 Ho: ' 0 השערות ערך T המתקבל דרגות החופש בדיקת כיוון התוצאות בדיקת מובהקות האם נפלתי באיזור הדחייה? משמעות מילולית גאקטיב אמוצ אמוצ אקטיב H1 : ' תוצאות בכיוון ההשערה האם / 2 sig? 9.95 <9.9995=9.991/2 נפלתי באיזור הדחייה. לכן נדחה.Ho ניתן לומר שהתנגדות אמוצ' יותר מאקטיבית. גאקטיב אמוצ אמוצ אקטיב H1 : ' אין משמעות לכיוון האם? sig < נפלתי באיזור הדחייה. לכן נדחה.Ho ניתן לומר שיש הבדל בין שהתנגדות אמוצ' לאקטיבית. גאקטיב אמוצ אמוצ אקטיב H1 : ' תוצאות בניגוד להשערה תוצאות בניגוד להשערה אין שום סיכוי ליפול באיזור הדחייה. לא ניתן לדחות.Ho לא ניתן לומר שהתנגדות אמוצ' פחות מאקטיבית. 12

13 T-Test Paired Samples Statistics Pair 1 התנגדו ת א מוצ יונאל ית התנגדו ת אקט יבי ת Std. Error Mean N Std. Deviation Mean Paired Samples Correlations Pair 1 התנ גד ות אמוצי ונאל ית ת יב יטקא ת וד גנתה & N Correlation Sig Paired Samples Test Pair 1 התנ גדות אמוצי ונאל ית ת יב יטק א תוד גנתה - Mean Std. Deviation Paired Differences 95% Confidence Interval of the Std. Error Difference Mean Lower Upper t df Sig. (2-tailed) מתאמים: פירסון, חי בריבוע, קרמר 1. מתאם פירסון להעביר לפחות שני משתנים לתוך החלון לוודא שמתאם פירסון מסומן paste דיווח תוצאות: analyze correlate bivariate על מנת לבדוק את ההשערה שיימצא קשר חיובי בין מידת השיתוף בניהול השינוי לבין מחוייבות ארגונית נערך מתאם פירסון חד צדדי. נמצא קשר חיובי בינוני ומובהק בין מידת שיתוף בניהול השינוי לבין מחוייבות ארגונית )0.01>p,0.38=r(..2 מסקנה: ככל שעולה מידת השיתוף בניהול השינוי בארגון כך גם עולה המחוייבות הארגונית. אם התוצאות לא מובהקות, מקובל כן לדווח את המתאם שהתקבל ולציין שלא יצא מובהק. מתאם חי בריבוע, קרמר analyze descriptive statistics crosstabs להעביר לשורות )rows( את המשתנה שרוצים שיהיה בציר X בגרף להעביר לעמודות )columns( את המשתנה השני אפשרויות בניית גרף: סמן ב- display clustered bar chart במסך הראשי הורדת טבלת שכיחויות: סמן ב- suppress tables במסך הראשי בחירת סטטיסטיים חי בריבוע או קרמר ופי: במסך הראשי - statistics (Phi and cramers V) או את (chi square) סימון ב- את חי בריבוע continue הוספת אחוזי שורה, עמודה או תא: במסך הראשי לבחור ב - percentages את האחוזים הרצויים cells 13

14 ה. בניית טבלת :expected במסך הראשי - cells expected לסמן ב - את counts- ב continue חזרה למסך הראשי לחצו על paste והריצו בקובץ ה- syntax דיווח תוצאות: על מנת לבדוק את ההשערה שיימצא קשר בין התפקיד בארגון )jobs( לבין הוותק )כפי שנמדד באופן קטגוריאלי( נערך מבחן חי בריבוע לאי תלות. נמצא כי קיים קשר העיסוק בארגון לבין הוותק (,10.29=(2) 2 X 0.01>p(. ניתן גם לדווח על קרמר למרות שזה פחות מקובל )0.01>p )rc=0.5, בינוני ומובהק. לרוב לא מעניין אותנו רק אם יש קשר, אלא היתה לנו כוונה מוקדמת להיכן יימצא הקשר. למשל נמצא ש 199% מעובדי השירותים הם בעלי וותק של 29 שנה ומעלה. מסקנה: יש קשר בין עיסוק בארגון לבין וותק. חשוב מאוד לזכור שבחי בריבוע מדווים אחוזים שמתקבלים שמעניינים אותנו 14

15 ניתוח שונות חד כיווני ANOVA One Way Anova.1 דוגמה: האם יש הבדל בין קבוצות ההשכלה השונות בתחושת מחוייבות לארגון. מאחר ומדובר בשלוש אוכלוסיות בלתי תלויות כאשר ות לא ידועות, נבצע ניתוח שונות חד גורמי ANOVA (analysis of.variance) Analyze Compare Means one way ANOVA נפתח חלון..1.2 היכן שרשום dependent list נרשום את המשתנה/ים התלוי/ים עבורו מעוניינים לבדוק את ההשערה..3 במקרה זה mehuyavut בנפרד(. )ניתן לשים יותר ממשתנה אחד והמחשב יבצע בדיקה עבור כל משתנה היכן שרשום Factor נרשום את המשתנה הבלתי תלוי בין מה למה אנחנו מעוניינים להשוות. ב- options חייבים ללחוץ על descriptives על מנת לקבל מדדי מרכז ופיזור רלוונטיים. Continue PASTE דיווח תוצאות מובהקות: על מנת לבדוק את ההשערה שיימצא הבדל בין רמות ההשכלה השונות )יסודי, תיכוני, על תיכוני ואקדמאי( בתחושת המחוייבות לארגון נערך ניתוח שונות חד כיווני. נמצא כי יש הבדל מובהק בין הקבוצות )0.01>p F(. (3,48),4.80= נמצא כי בעלי השכלה על תיכונית הרגישו מחוייבות רבה ביותר לארגון )ממוצע= 4.2 וס.ת. 9.45(, אחריהם בעלי השכלה תיכונית )ממוצע= 3.63 וס.ת. 9.57(, אחריהם בעלי השכלה יסודית )ממוצע= 3.25 וס.ת. 9.37(. ואילו בעלי השכלה אקדמאית הרגישו הכי פחות מחוייבים לארגון )ממוצע= 3.18 וס.ת. 9.76(. מסקנה: ניתן לומר שיש הבדל בין רמות ההשכלה השונות )יסודי, תיכוני, על תיכוני ואקדמאי( בתחושת המחוייבות לארגון. דיווח תוצאות לא מובהקות: על מנת לבדוק את ההשערה שיימצא הבדל בין רמות ההשכלה השונות )יסודי, תיכוני, על תיכוני ואקדמאי( בתחושת המחוייבות לארגון נערך ניתוח שונות חד כיווני. לא נמצא הבדל מובהק בין הקבוצות. מסקנה: לא ניתן לומר שיש הבדל בין רמות ההשכלה השונות )יסודי, תיכוני, על תיכוני ואקדמאי( בתחושת המחוייבות לארגון. 15

16 .2 קונטרסטים לאחר מעשה hoc post דוגמה: בדומה לשאלה הקודמת פי SPSS לאחר שראינו את התוצאות, מעוניינים לדעת אילו 2 קבוצות השכלה גורמות לתוצאה המובהקת )אם מסתכלים בממוצעים, רואים איזו השערה הגיונית לשער(. שימו לב, שעל ניתן לבדוק בכל פעם רק שתי קבוצות ב- hoc.post כלומר הוא נותן לנו בדיקה אוטומטית של כל הזוגות האפשריים קבוצה 1 מול 1 2, מול 2 3, מול 3 וכו'. Analyze Compare Means one way ANOVA נפתח חלון. היכן שרשום היכן שרשום dependent list Factor נרשום את המשתנה/ים התלוי/ים עבורו מעוניינים לבדוק את ההשערה. נרשום את המשתנה הבלתי תלוי בין מה למה אנחנו מעוניינים להשוות. ב- options חייבים ללחוץ על descriptives על מנת לקבל מדדי מרכז ופיזור רלוונטיים. Continue נלחץ על נסמן post hoc ו- continue ב- scheffe PASTE דיווח תוצאות: על מנת לבדוק את ההשערה שיימצא הבדל בין רמות ההשכלה השונות )יסודי, תיכוני, על תיכוני ואקדמאי( בתחושת המחוייבות לארגון נערך ניתוח שונות חד כיווני. נמצא כי יש הבדל מובהק בין הקבוצות )0.01>p F(. (3,48),4.80= נמצא כי בעלי השכלה על תיכונית הרגישו מחוייבות רבה ביותר לארגון )ממוצע= 4.2 וס.ת. 9.45(, אחריהם בעלי השכלה תיכונית )ממוצע= 3.63 וס.ת. 9.57(, אחריהם בעלי השכלה יסודית )ממוצע= 3.25 וס.ת. 9.37(. ואילו בעלי השכלה אקדמאית הרגישו הכי פחות מחוייבים לארגון )ממוצע= 3.18 וס.ת. 9.76(. על מנת לבדוק מהיכן נובעים ההבדלים בין הקבוצות, נערך ניתוח post-hoc של שפה. נמצא כי יש הבדל מובהק סטטיסטית בין השכלה אקדמאית להשכלה על-תיכונית ברמת מובהקות של 5... מסקנה: ניתן לומר שיש הבדל בין רמות ההשכלה השונות )יסודי, תיכוני, על תיכוני ואקדמאי( בתחושת המחוייבות לארגון. בניתוח פוסט-הוק נמצא הבדל בין השכלה על תיכונית לאקדמאית בתחושת המחוייבות לארגון. 16

17 Oneway מחו ייב ות ל אר גו ן יסודי ת ת יכ ונ ית על תיכונ ית אקדמא ית Total Descriptives 95% Confidence Interval for Mean N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum ANOVA מחו י יב ות ל אר ג ון Sum of Squares df Mean Square F Sig. Between Groups Within Groups Total Post Hoc Tests Multiple Comparisons ןו גר אל ת ובי יוחמ Variable: Dependent Scheffe (I) EDUC יסודית (J) EDUC ת יכ ונ ית על תיכונ ית אקדמא ית יסודית על תיכונ ית אקדמא ית יסודית ת יכ ונ ית אקדמא ית יסודית ת יכ ונ ית על תיכונ ית ת יכ ונ ית על תיכונ ית אקדמא ית Mean Difference 95% Confidence Interval (I-J) Std. Error Sig. Lower Bound Upper Bound *. The mean difference is significant at the.05 level * *

18 רגרסיה מרובה [ התנגדות לשינוי ] dependent analyze regression linear להכניס את המשתנה התלוי לחלון : להכניס את כל המשתנים הבלתי תלויים לחלון independent(s) ]שיתוף, ותק, ושאיפה להשתייך[.1 2. ברירת המחדל היא שיטת.enter ואנו נשתמש בה )ישנן עוד שיטות יעילות אף יותר ). 3. נלחץ paste ונריץ את הפקודה מהסינטקס. קריאת הפלט : R 2 ) (.1 בטבלת model summary נמצא את R 2 2. בטבלת ה- ANOVA נמצא את מובהקות המודל כולו, ווזו גם מובהקותו של בטבלה זו אנו מקבלים : , 51 ) residual ושל ה- regression DF של sig = p.v = F ( F (3,51) =8.084, p<0.001 ) א. הערך של דרגות החופש שלו ( ג. מובהקותו והדיווח הוא : 3. בטבלת coefficients אנו מקבלים את את המקדמים ומובהקותם : א. הערך b של כל אחד מהמשתנים שיתוף : , ותק : a תחת ה- b של ה- constant, שאיפה להשתייך: Yˆ X 0 X X כלומר : כאשר = Y התנגדות, = X 1 שיתוף, = X 2 ותק, = X 3 שאיפה להמשיך להשתייך. ג. ערכי, T ומובהקות המקדמים : מובהק לא מובהק מובהק T=-2.155, T=0.034, T=-3.485, p.v = < 0.05 p.v = p.v = < 0.01 שיתוף : ותק : השאיפה להמשיך : R 2 = ניתן לראות כי המודל כולו מובהק, (0.001>p F( (3,51) 8.084=, אחוז שונות מנובאת (.. לרגרסיה יש )שלושים ושלושה למידת השיתוף,)T=-2.155,p<0.05( ולשאיפה להמשיך )T=-3.485,p<0.05( יש תרומה מובהקת לניבוי מידת ההתנהגות, ואילו תרומתו של משתנה הותק לניבוי ההתנגדות איננה מובהקת. Yˆ משוואת הרגרסיה היא 4.922: X X2 X3 = Y התנגדות, = X 1 שיתוף, = X 2 ותק, = X 3 שאיפה להמשיך להשתייך. 18

תירואית הקיטסיטטס. 5 קרפ

תירואית הקיטסיטטס. 5 קרפ פרק 5. סטטיסטיקה תיאורית Statistics) (Descriptive 5.1 התפלגות שכיחויות (Frequencies) 5.1.1 כללי התפלגות שכיחויות מתארת את הערכים הקיימים של המשתנים והשכיחות שלהם, ומאפשרת הפקה של סטטיסטיקה תיאורית נוספת