چرا انتخاب آزمون تا این حد مهم است؟
نرمافزارهای آماری هر آزمونی را که به آنها بدهید اجرا میکنند و خروجی میسازند. SPSS به شما هشدار نمیدهد که آزمون انتخابی با نوع دادههای شما سازگار نیست؛ عددی تولید میشود، جدولی ساخته میشود و ظاهر همهچیز درست به نظر میرسد. اما اگر آزمون با ساختار داده همخوان نباشد، آن عدد معنایی ندارد.
در جلسه دفاع یا داوری مقاله، نخستین چیزی که بررسی میشود همین است: آیا آزمون انتخابشده با نوع متغیر، تعداد گروهها و پیشفرضهای آماری تناسب دارد؟ خوشبختانه انتخاب آزمون درست یک فرایند شهودی نیست و با پاسخ دادن به سه پرسش مشخص انجام میشود.
گام اول: مقیاس متغیرها را مشخص کنید
پیش از هر چیز باید بدانید متغیر وابسته و متغیر مستقل شما در کدام مقیاس اندازهگیری شدهاند. این تعیینکنندهترین عامل در انتخاب آزمون است.
| مقیاس | ویژگی | نمونه |
|---|---|---|
| اسمی (Nominal) | فقط نامگذاری؛ ترتیب ندارد | جنسیت، رشته تحصیلی، شهر |
| ترتیبی (Ordinal) | ترتیب دارد اما فاصلهها برابر نیست | رتبه، میزان تحصیلات، طیف لیکرت تکگویهای |
| فاصلهای (Interval) | فاصلهها برابر؛ صفر قراردادی | نمره آزمون، دما بر حسب سانتیگراد |
| نسبی (Ratio) | فاصله برابر و صفر مطلق | درآمد، سن، مدت زمان |
نکته پرتکرار درباره طیف لیکرت: یک گویه پنجگزینهای بهتنهایی متغیری ترتیبی است، اما میانگین چند گویه که با هم یک سازه را میسنجند (مثلاً میانگین ۶ گویه رضایت شغلی) در عمل فاصلهای در نظر گرفته میشود و استفاده از آزمونهای پارامتریک روی آن رایج و پذیرفتهشده است.
گام دوم: هدف تحلیل چیست؟
پرسش پژوهشی شما معمولاً یکی از این سه حالت است:
- مقایسه: آیا میانگین دو یا چند گروه با هم تفاوت دارد؟ (مثلاً مقایسه رضایت شغلی زنان و مردان)
- رابطه: آیا بین دو متغیر همبستگی وجود دارد؟ (مثلاً رابطه استرس شغلی و فرسودگی)
- پیشبینی یا اثر: آیا یک یا چند متغیر، متغیر دیگری را پیشبینی میکنند؟ (مثلاً اثر سبک رهبری بر تعهد سازمانی)
اگر هدف مقایسه است، باید مشخص کنید چند گروه دارید و آیا گروهها مستقلاند (افراد متفاوت) یا وابسته (یک گروه در دو زمان، مثل پیشآزمون و پسآزمون). این تمایز بهاندازه خودِ تعداد گروه اهمیت دارد.
گام سوم: توزیع دادهها را بررسی کنید
آزمونهای پارامتریک (تی، ANOVA، پیرسون، رگرسیون) فرض میکنند متغیر وابسته توزیع تقریباً نرمال دارد. برای بررسی این فرض چند راه دارید:
- آزمون شاپیرو-ویلک: برای نمونههای کمتر از ۵۰ نفر مناسبتر است. اگر سطح معناداری بزرگتر از ۰٫۰۵ باشد، فرض نرمال بودن رد نمیشود.
- آزمون کولموگروف-اسمیرنوف: برای نمونههای بزرگتر استفاده میشود.
- چولگی و کشیدگی: اگر هر دو در بازه ۲- تا ۲+ باشند، انحراف از نرمال بودن معمولاً مسئلهساز نیست.
در نمونههای بزرگ (بالای ۲۰۰ نفر) آزمونهای نرمال بودن بیش از حد حساس میشوند و حتی انحرافهای بسیار کوچک را معنادار نشان میدهند. در این حالت به چولگی و کشیدگی و نمودار هیستوگرام بیشتر از سطح معناداری آزمون اعتماد کنید.
جدول راهنمای انتخاب آزمون
با پاسخ سه پرسش بالا، آزمون مناسب را از جدول زیر پیدا کنید:
| هدف | شرایط | آزمون پارامتریک | معادل ناپارامتریک |
|---|---|---|---|
| مقایسه با یک مقدار ثابت | یک گروه | تی تکنمونهای | آزمون علامت |
| مقایسه دو گروه مستقل | دو گروه جدا | تی مستقل | من-ویتنی U |
| مقایسه دو اندازهگیری | یک گروه، دو زمان | تی زوجی | ویلکاکسون |
| مقایسه سه گروه یا بیشتر | گروههای مستقل | ANOVA یکراهه | کروسکال-والیس |
| مقایسه چند اندازهگیری | یک گروه، چند زمان | ANOVA با اندازههای مکرر | فریدمن |
| رابطه دو متغیر کمی | هر دو فاصلهای | همبستگی پیرسون | همبستگی اسپیرمن |
| رابطه دو متغیر اسمی | جدول توافقی | — | خیدو |
| پیشبینی متغیر کمی | یک یا چند پیشبین | رگرسیون خطی | — |
| پیشبینی متغیر دوحالتی | خروجی بله/خیر | رگرسیون لجستیک | — |
| روابط همزمان چند سازه | مدل مفهومی با متغیر پنهان | مدل معادلات ساختاری | — |
پنج اشتباه رایج
۱. استفاده از چند آزمون تی بهجای ANOVA
وقتی سه گروه دارید، اجرای سه آزمون تی جداگانه خطای نوع اول را از ۵ درصد به حدود ۱۴ درصد افزایش میدهد. برای مقایسه بیش از دو گروه از ANOVA و سپس آزمون تعقیبی استفاده کنید.
۲. نادیده گرفتن وابستگی مشاهدات
اگر همان افراد دو بار اندازهگیری شدهاند، آزمون تی مستقل نادرست است و باید از تی زوجی استفاده کنید. این خطا در طرحهای پیشآزمون-پسآزمون بسیار دیده میشود.
۳. تفسیر همبستگی بهعنوان علیت
همبستگی معنادار بین دو متغیر به معنای اثر علّی نیست. برای ادعای اثر، به طرح آزمایشی یا مدلسازی مناسب نیاز دارید.
۴. گزارش نکردن اندازه اثر
سطح معناداری فقط میگوید تفاوت وجود دارد یا نه؛ نمیگوید تفاوت چقدر بزرگ است. در نمونههای بزرگ، تفاوتهای بسیار کوچک هم معنادار میشوند. همیشه اندازه اثر (d کوهن، اتای مجذور یا r) را گزارش کنید.
۵. حذف بیدلیل دادههای پرت
حذف دادههای پرت فقط زمانی مجاز است که خطای ثبت یا خارج از جامعه هدف باشند. حذف صرفاً برای نرمال شدن توزیع، دستکاری داده محسوب میشود.
جمعبندی
- ابتدا مقیاس متغیر وابسته و مستقل را مشخص کنید.
- هدف تحلیل را روشن کنید: مقایسه، رابطه یا پیشبینی.
- مستقل یا وابسته بودن گروهها را فراموش نکنید.
- نرمال بودن را بررسی کنید تا بین آزمون پارامتریک و ناپارامتریک انتخاب کنید.
- همیشه در کنار سطح معناداری، اندازه اثر را هم گزارش کنید.