آزمون تی مستقل چه زمانی استفاده می‌شود؟

آزمون تی مستقل (Independent Samples T-Test) زمانی به کار می‌رود که بخواهید میانگین یک متغیر کمی را بین دو گروه مستقل مقایسه کنید؛ یعنی دو گروهی که افراد آن‌ها با هم متفاوت‌اند.

نمونه‌هایی از پرسش‌هایی که با این آزمون پاسخ داده می‌شوند:

  • آیا میانگین رضایت شغلی در کارکنان زن و مرد تفاوت دارد؟
  • آیا نمره وفاداری مشتریان دو برند با هم متفاوت است؟
  • آیا میانگین عملکرد دو شعبه یک سازمان اختلاف معنادار دارد؟

اگر همان افراد دو بار سنجیده شده‌اند (مثلاً پیش‌آزمون و پس‌آزمون یک گروه)، این آزمون نادرست است و باید از آزمون تی زوجی (Paired Samples) استفاده کنید.

پیش‌فرض‌های آزمون

پیش از اجرا باید چهار شرط زیر برقرار باشد:

  1. متغیر وابسته کمی است و در مقیاس فاصله‌ای یا نسبی اندازه‌گیری شده است.
  2. متغیر مستقل دو گروه مستقل می‌سازد و هر فرد فقط در یک گروه قرار دارد.
  3. توزیع متغیر وابسته در هر گروه تقریباً نرمال است. با آزمون شاپیرو-ویلک یا بررسی چولگی و کشیدگی کنترل می‌شود.
  4. واریانس دو گروه همگن است. این شرط را خودِ خروجی SPSS با آزمون لِوین بررسی می‌کند و نیازی به آزمون جداگانه ندارید.

اگر شرط نرمال بودن به‌شدت نقض شد، معادل ناپارامتریک یعنی آزمون من-ویتنی U جایگزین مناسبی است.

مسیر اجرا در SPSS

ابتدا مطمئن شوید متغیر گروه‌بندی با کد عددی تعریف شده است (مثلاً ۱ برای مرد و ۲ برای زن)، سپس:

Analyze > Compare Means > Independent-Samples T Test
  1. متغیر کمی را به کادر Test Variable(s) منتقل کنید.
  2. متغیر گروه‌بندی را به کادر Grouping Variable ببرید.
  3. روی Define Groups بزنید و کد دو گروه را وارد کنید (۱ و ۲).
  4. دکمه OK را بزنید.

تفسیر خروجی

SPSS دو جدول تولید می‌کند. جدول اول (Group Statistics) تعداد، میانگین و انحراف استاندارد هر گروه را نشان می‌دهد. جدول دوم (Independent Samples Test) نتیجه اصلی است و باید در دو مرحله خوانده شود.

مرحله اول: آزمون لِوین

ستون‌های سمت راست جدول، آزمون لِوین برای همگنی واریانس‌ها را نشان می‌دهند:

  • اگر Sig آزمون لِوین بزرگ‌تر از ۰٫۰۵ باشد، واریانس‌ها همگن‌اند و باید سطر اول (Equal variances assumed) را بخوانید.
  • اگر Sig کوچک‌تر از ۰٫۰۵ باشد، واریانس‌ها همگن نیستند و باید سطر دوم (Equal variances not assumed) را مبنا قرار دهید.

مرحله دوم: نتیجه آزمون تی

در سطر انتخاب‌شده، مقادیر زیر را بخوانید:

ستون معنی
t آماره آزمون؛ علامت آن فقط جهت تفاوت را نشان می‌دهد
df درجه آزادی
Sig. (2-tailed) سطح معناداری؛ کمتر از ۰٫۰۵ یعنی تفاوت معنادار است
Mean Difference اختلاف میانگین دو گروه
95% Confidence Interval بازه اطمینان اختلاف؛ اگر صفر داخل بازه باشد تفاوت معنادار نیست

در نسخه‌های جدید SPSS ستون سطح معناداری به دو ستون یک‌دامنه و دو‌دامنه تفکیک شده است. برای فرضیه‌های دوسویه (که اکثریت پژوهش‌ها هستند) ستون دو‌دامنه ملاک است.

محاسبه اندازه اثر

سطح معناداری فقط وجود تفاوت را نشان می‌دهد، نه بزرگی آن. برای این کار d کوهن گزارش می‌شود که از تقسیم اختلاف میانگین‌ها بر انحراف استاندارد تلفیقی به دست می‌آید. نسخه‌های جدید SPSS آن را در جدول جداگانه Effect Sizes ارائه می‌کنند.

مقدار d تفسیر
حدود ۰٫۲ اثر کوچک
حدود ۰٫۵ اثر متوسط
۰٫۸ و بیشتر اثر بزرگ

نحوه گزارش نتیجه

گزارش استاندارد باید شامل میانگین و انحراف استاندارد هر گروه، آماره تی، درجه آزادی، سطح معناداری و اندازه اثر باشد. نمونه:

نتایج آزمون تی مستقل نشان داد میانگین رضایت شغلی کارکنان زن (M = ۴٫۲۱، SD = ۰٫۶۸) به‌طور معناداری بیشتر از کارکنان مرد (M = ۳٫۸۵، SD = ۰٫۷۴) است؛ t(۱۹۸) = ۳٫۵۶، p = ۰٫۰۰۱، d = ۰٫۵۱. اندازه اثر در حد متوسط ارزیابی می‌شود.

اگر آزمون لِوین معنادار شده و از سطر دوم استفاده کرده‌اید، درجه آزادی معمولاً عددی اعشاری خواهد بود؛ همان مقدار را گزارش کنید و در متن اشاره کنید که به دلیل ناهمگنی واریانس‌ها از تصحیح ولش استفاده شده است.

جمع‌بندی

  • تی مستقل برای مقایسه میانگین یک متغیر کمی بین دو گروه مجزاست.
  • ابتدا آزمون لِوین را بخوانید تا بدانید کدام سطر جدول ملاک است.
  • سطح معناداری کمتر از ۰٫۰۵ یعنی تفاوت معنادار است.
  • همیشه در کنار p، مقدار d کوهن را هم گزارش کنید.
  • در صورت نقض شدید نرمال بودن، از آزمون من-ویتنی استفاده کنید.