قفل گذاری فایل ها، پوشه ها و درایوها در ویندوز 7 و ویستا بدون برنامه

در این پست طریقه ایجاد یک فولدر که با پسورد محافظت می شود را فرا خواهید گرفت.

1- یک فولدر با نام دلخواه ایجاد کنید.

2- فولدر را باز کرده و روی یک ناحیه خالی درون فولدر کلیک راست کنید و گزینه New -> Text Document  را انتخاب کنید.

3- فایل متنی را باز کرده و متن زیر را در آن کپی نمائید.

cls
@ECHO OFF
title Folder Private
if EXIST "Control Panel.{21EC2020-3AEA-1069-A2DD-08002B30309D}" goto UNLOCK
if NOT EXIST Private goto MDLOCKER
:CONFIRM
echo Are you sure you want to lock the folder(Y/N)
set/p "cho=>"
if %cho%==Y goto LOCK
if %cho%==y goto LOCK
if %cho%==n goto END
if %cho%==N goto END
echo Invalid choice.
goto CONFIRM
:LOCK
ren Private "Control Panel.{21EC2020-3AEA-1069-A2DD-08002B30309D}"
attrib +h +s "Control Panel.{21EC2020-3AEA-1069-A2DD-08002B30309D}"
echo Folder locked
goto End
:UNLOCK
echo Enter password to unlock folder
set/p "pass=>"
if NOT %pass%== PASSWORD_GOES_HERE goto FAIL
attrib -h -s "Control Panel.{21EC2020-3AEA-1069-A2DD-08002B30309D}"
ren "Control Panel.{21EC2020-3AEA-1069-A2DD-08002B30309D}" Private
echo Folder Unlocked successfully
goto End
:FAIL
echo Invalid password
goto end
:MDLOCKER
md Private
echo Private created successfully
goto End
:End

4- در کد بالا پسورد مورد نظر خود را با این قسمت کد PASSWORD_GOES_HERE تعویض کنید. بعنوان مثال برای گذاشتن پسورد 123456 از کد زیر بجای قسمت مشخص شده استفاده کنید.

if NOT %pass%== 123456 goto FAIL

5- فایل متنی را با پسوند bat با نام locker.bat ذخیره کنید. برای اینکار مطمئن شوید که ذخیره فایل بصورت زیر خواهد بود.

Save as type: All Files (*.*)

6- در داخل  فولدری که در قسمت اول ایجاد کردید روی locker.bat  دوبل کلیک کنید. فولدری با نام Private ایجاد خواهد شد که می توانید هر چیزی را که می خواهید محافظت شود درون این فولدر قرار دهید.

 

7- دوباره روی فایل  locker.bat دوبل کلیک کنید. پیغامی ظاهر می شود که از شما برای قفل کردن فولدر سوال می پرسد در جواب Y را وارد کنید. فولدر Private مخفی می شود.

8- برای بازیابی فولدر روی فایل locker.bat دوبل کلیک کنید و پسورد خود را وارد نمائید تا فولدر ظاهر شود.

http://vivalearning.blogfa.comمنبع

نکاتی برای افزایش عمر لپ تاپ

1. اگر دقت کرده باشید اولین قطعه که در لپ تاپ دچار ایراد می‌شود و احتیاج به تعویض دارد باتری و شارژر است که این معضل با تعویض باتری و با صرف مبلغی بین 100 تا 200 هزار تومان قابل حل است. حال تصور کنید باتری لپ تاپ مذکور در بازار موجود نباشد. این به این معنی است که لپ تاپ شما تبدیل به pc شده و عمر آن به عنوان یک رایانه همراه به پایان رسیده است.
پس بهتر است برای جلوگیری از این مشکل از باتری لپ تاپ محافظت کرده و زمانی که شارژ دستگاه کامل است آن را از برق خارج کنیم. برای افزایش عمر لپ تاپ حتی توصیه می‌شود زمانی که مدت زیادی در یک مکان ثابت هستید باتری را از لپ تاپ خارج کرده و لپ تاپ را بدون باتری مورد استفاده قرار دهید.

2. اگر قرار است باتری را از لپ تاپ خارج کنید حتما حواستان باشد که از محافظ استفاده کنید تا لپ تاپ شما در صورت بروز نوسانات برق دچار آسیب نشود. نوسانات برق ممکن است خسارات هنگفتی به لپ تاپی که به جریان مستقیم برق متصل است وارد آورد.

3. از وارد آوردن فشار زیاد و ضربه به لپ تاپ خودداری کنید. زیرا ممکن است باعث شکستگی صفحه نمایش، یا آسیب دیدن هارد و سایر بخشهای دستگاه شود. هرگز دستگاه را هنگام استفاده روی سطوح پرزدار همچون فرش و موکت قرار ندهید.

4. هرگز در زمان روشن بودن، دستگاه را روی زانو قرار ندهید چرا که دمای زیر دستگاه حتی در زمان کارکرد معمولی ممکن است بالا برود و دمای زیاد برای قطعات اصلا مناسب نیست. هرگز دستگاه را در معرض رطوبت شدید و میدان مغناطیسی قرار ندهید. زمانیکه دستگاه خود را از یک محیط گرم منتقل می کنید داخل دستگاه رطوبت ایجاد می شود در چنین مواقعی باید حداقل یک ساعت از روشن کردن کامپیوتر خود داری نمود.
برای خنک سازی لپ تاپ از کول پد استفاده کنید: اگر با لپ تاپ زیاد کار می کنید و مدام روی آن فشار می آورید باید از وسیله‌ای به نام کول پد (میز لپ تاپ) استفاده کنید. این وسیله دارای پایه‌هایی بالاتر از سطح زمین است و چندین خنک کننده (فن) همراه خود دارد که باعث خنک شدن و بهبود کارآیی لپ تاپ می‌شود. این دستگاه‌ها عمدتا از برق یو اس بی (USB) استفاده می کنند و به شدت کم مصرف هستند و خیلی کم از باتری استفاده می کنند.

5.مواظب درایو لپ تاپ خود باشید: سعی کنید کمتر از رایتر لپ تاپ استفاده کنید یا اگر استفاده می کنید از سی دی ها و دی وی دی های خش دار استفاده نکنید؛ چراکه باعث خرابی و آسیب دیدن به لنز درایو می شود. زمانی که از دی وی دی یا سی دی رایتر استفاده می کنید حتما لپ تاپ را به برق متصل کنید، زیرا رایترها جریان بسیار بالایی را از منبع تغذیه کشیده و اگر صرفا از باتری استفاده شود به آن آسیب می رساند، چون در این حالت باتری با سرعت زیادی شارژ خود را از دست می دهند.
حتی در حالتی که باتری کاملا شارژ نباشد ممکن است لپ تاپ خاموش شده و دیسک نوری شما بسوزد. به همین دلیل در لپ تاپهای مدرن امروزی اگر شارژ باتری کم باشد، لپ تاپ به طور خودکار درایو نوری را خاموش می کند. اگر قرار است به مدت طولانی از دیسک های نوری استفاده کنید محتویات آن را روی هارد دستگاه کپی کنید تا عمر درایور کم نشود.

6. از نرم افزارها و ضد ویروسهای مناسب و اورجینال استفاده کنید: سعی کنید از ضد ویروسی مناسب و سبک برای لپ تاپ خود استفاده کنید تا مقدار کمتری از پردازنده را اشغال کند و سرعت لپ تاپ را پایین نیاورد. نرم افزارهای مناسب را روی لپ تاپ خود نصب کنید.
همچنین از نصب نرم افزارهایی که اطمینان ندارید نرم افزار هستند یا بد افزار خودداری کنید یا قبل از نصب آن را ویروس یابی کنید. سعی کنید از لایسنس‌ها و نرم افزارهای اورجینال و اصل شرکت نرم افزاری استفاده کنید مخصوصا سیستم عامل که اگر از نسخه‌های کرک آن استفاده کنید شما و لپ تاپ را با مشکل مواجه می کند و مجبورید هر چند وقت یک بار سیستم عامل را عوض کنید.

7. هنگام حمل لپ تاپ سعی کنید آن را حتما در کیف یا کاور گذاشته و همچنین آن را خاموش کنید. همچنین هرگونه کابل و وسایل متصل به لپ تاپ مثل کابل شبکه، سیم ماوس یا اسپیکر (بلندگو) را از لپ تاپ جدا کنید.

پداگوژی هنر یا علم وجودی یک معلم است. این اصطلاح عمومأ به استراتژی ها یا راهبردهای آموزش مربوط  می شود، که برخی ها ازآن به عنوان سبک یادگیری نیز یاد می کنند.پداگوژی که در در لغتنامه ها از آن به معنی "روش آموزگاری"، "فن تعلیم"، "علم تعلیم" ترجمه شده، گهگاهی هم به عنوان استفاده صحیح ازراهبردهای آموزشی در جریان فرایند یاددهی و یادگیری نیز تعریف می شود.برای نمونه، پائولو فریر، از روش آموزشی بزرگسالی خود به عنوان پداگوژ ی انتقادی یاد می کند.در ارتباط با استراتژی های آموزشی، اعتقادات فلسفی خود معلم از آموزش بوسیله دورنمای دانش و تجارب شاگردان، موقعیت های شخصی و محیطی و نیز اهداف یادگیری که از طریق تعامل دانش آموزان و معلمان تنظیم میگردد، اداره می شوند. نظریه‌پردازان انتقادی تعلیم و تربیت به «رادیکال‌ها» نیز مشهورند. این نام‌گذاری به دلیل وجود دیدگاه‌های اغلب تندروانه آنها در خصوص مسایل سیاسی‌ـ‌‌اجتماعی است.شرحی بر پداگوژی انتقادی:  پداگوژی رادیکال یا انتقادی رویکردی است برای درک وفهم روابط مدرسه وجامعه از چشم انداز روابط اجتماعی موجود در تولید در قالب نظام سرمایه داری.این پداگوژی هم چنین رویکردی عملی نسبت به تدریس.یادگیری وپژوهش است که از طریق گفتگوی انتقادی وتجزیه وتحلیل دیالکتیکی تجربه روزمره.تدریس را مورد تاکید قرار می دهد.به طور خلاصه تعلیم وتربیت انتقادی به تدریس با عنایت به عمل انتقادی توجه دارد.رویکرد آن دموکراتیک وهدفش ایجاد وبرقراری برابری و عدالت اجتماعی واقتصادی برای تمام گروههای قومی یا نژادی است.از اصول برابری نژادی.طبقه ای وجنسیتی حمایت کرده ودر راستای تحقق چنین برابری تلاش می کند.مربیان انتقادی از اینکه شرایط ناعادلانه ای.تجربیات آموزشی گروههای محروم و اقلیت ها وسایر افراد به حاشیه رانده شده را در برگرفته.بسیا خشمگین هستند.اگر چه تمام این افراد موافقند که تحقق برابری وشادی اجتماعی به تلاش های بسیا  عظیم نیاز دارد اما درعین حال براین نکته نیز متعهدند که تعلیم وتربیت باید فرایندی تغییر یابنده باشند.همین طور که پائولو فریر می گوید:  ((یکی از وظایف مربیان پیشرفت گرا این است که از طریق تجزیه وتحلیل سیاسی درست وجدی.فرصت های موجود برای امیدواری را آشکار وروشن کنند.صرف نظر ازاینکه چه موانعی بر سر آنان وجود دارد.تلاش برای انجام کاری درراستای بهبودجهان بدون داشتن امید.به گونه ای است که می تواند تنها این تلاش رابه سطح اعمال برنامه ریزی شده ویا صرف رویکردی علمی تنزل دهد اعمالی که در حقیقت نوعی توهم بی اهمیت و سطحی است.))(1998.فریر)  صاحب نظران انتقادی در تعلیم وتربیت.نظریه را با فعالیتهای سیاسی.فرهنگی.آموزشی به شکلی منحصر به فرد ترکیب وادغام کرده اند.نظریه انتقادی یک سنت دیرینه است که مبتنی بر استفاده از نقد به عنوان یک روش بررسی وپژوهش است.(1991کارتری).مطالعات سیاسی در برنامه درسی در ایالات متحده از مکتب فرانکفورت تاثیر بسیار زیادی پذیرفته است واین روند به گونه ای بوده که هم اکنون محققانی در این عرصه فعالیت می کنند.که درصدد درگیر شدن وایفای نقش فعال در ارتقای تغییر اجتماعی در درون نظام آموزشی وخود فرهنگ می باشند.این محققان از طریق رد واقع گرایی گذشته.تئوری های پست مدرن را در دستور کار خود قرار داده اند.ودر حین حال دارای آرزوی تربیت شهروندانی توانا وفعال می باشند تا بتوانند شرایط را به نفع یک جامعه عادلانه تغییر دهند.شاید یکی از جالب ترین.تفسیرهای انجام شده.کار پاینار ودیگران باشد که این موئلفه رادر قالب موارد زیر بیان کرده اند:  1)نظریه باز تولید  2)ایدئولوژی  3)برنامه درسی پنهان  4)سلطه  5)مقاومت  6)فرهنگ عامه  7)هویت سیاسی  این مفاهیم بیان کننده هسته اصلی تلاش های اندیشمندان حوزه درک سیاسی از برنامه درسی است که در اینجا بطور مختصر نقل می شود.(پاینار ودیگران.1995فتحی واجارگاه) 

نظریه باز تولید  فهم نظزیه باز تولید یا نظریه مطابقت مهمترین نقش دردرک برنامه درسی به عنوان یک متن سیاسی را دارا است.به طور ویژه.ارتباطات اجتماعی در تعلیم وتربیت.روابط بین مدیران ومعلمان.معلمان ودانش آموزان.دانش آموزان ودانش آموزان.دانش آموزان با کارهایشان.سلسله مراتب موجود در دنیای کار ودر ارتباط با کارگران را به نمایش می گذارد.روابط سلسله مراتب در قدرت واختیار عمودی از مدیران به معلمان واز معلمان به دانش آموزان منعکس شده است.با این همه ذکر این نکته بسیار مهم است که نظریه باز تولید.یکی از مهمترین موئلفه های درک وفهم برنامه درسی به عنوان یک متن سیاسی است. 

ایدئولوژی  مفهوم دیگری که به حوزه برنامه درسی وارد شده وبه صاحبنظران جهان سیاست –محور برنامه درسی کمک کرده تا دیدگاه خودرا بهتر معرفی کنند واسدلال خود را به پیش ببرند مفخوم ایدئولوژی است.  مک لارن دراین زمینه توضیح می دهد:  ((ایدئولوژی دریک برداشت ساده به تولید معنی اشاره می کند.ایدئولوژی به عنوان راهی برای نگریستن به جهان.مجموعه ای از ایده ها.انواع مختلف فعالیتهای اجتماعی و آداب ورسوم است که ما مایلیم به عنوان امری طبیعی وموجه ومقبول بپذیریم.در حقیقت ایدئولوژی محل تقاطع یا نقطه اشتراک معنا و قدرت در دنیای اجتماعی است.آداب ورسوم.عادات.باورها وارزشها اغلب در قالب برداشتهای غیر منظم افراد از جایگاهشان در نظم اجتماعی فرهنگی ایجاد می شود واز این طریق آنها را متقاعد می کند که آن جایگاه را بپذیرند وروابط نا عادلانه مربوط به قدرت و تسلط را پنهان ومخفی کنند.این امر را می توان در برخی اوقات سلطه ایدئولوژیک نامید.))  ایدئولوژی در ابتدا به عنوان اولین عنصر و مفهوم کلیدی در جنبش برنامه درسی به عنوان متن سیاسی مد نظر قرار گرفت.سپس  مفهوم ایدئولوژی به یک مفهوم محوری در فهم برنامه درسی و برنامه درسی نیز به عنوان یک((بحث ایدئولوژیک))مفهوم پردازی گردید. 

-برنامه درسی پنهان  برنامه درسی پنهان ابزار مفهومی دیگری برای صاحبنظران برنامه درسی سیاست محور در دهه 1970بود.مفهومی که برای اولین بار توسط-فیلیپ جکسون- مطرح شد.(1992.جکسون)وچندی قبل نیز توسط وی تحت عنوان ((شالوده وزیر ساخت برنامه درسی))باز تدوین ومطرح شده است.برنامه درسی پنهان به مجموعه ای از نتایج و جنبه های ناخواسته اما کاملا واقعی فرایند آموزش مدرسه ای اشاره می کند.برنامه درسی پنهان از برنامه درسی آشکار و یاطرح ریزی شده متفاوت است.  مک لارن برنامه درسی پنهان را این چنین تعریف می کند((برنامه درسی پنهان با روشهای تلویحی وضمنی که در آن رفتار ودانش ایجاد می شود.یعنی آنچه که خارج از مواد درسی معمول برنامه ریزی شده رسمی اتفاق می افتد.سرو کار دارد وبخشی از"فشار"مدیریتی وبورو کراتیک مدرسه است.که به وسیله آنها دانش آموزان وادار به اطاعت از ایدئولوژیهای حاکم و فعالیت های اجتماعی مرتبط واقتدار.رفتار واخلاق می شوند.))(1989.مک لارن).امروزه برنامه درسی پنهان مبدل به یک مفهوم بسیار عادی شده است ودر برنامه درسی رسمی جا افتاده وتوسط طیف وسیعی از صاحبنظران مورد استفاده قرار می گیرد. 

نظریه سلطه (هژمونی)  نظریه «هژمونی» یا سلطه جریان مارکسیستی دیگری در تحلیل رسانه ها است که توسط آنتونیوگرامسی متفکر و سیاستمدار ایتالیائی مطرح شد. وی این اصطلاح را در رابطه با ایدئولوژی ـ حاکم در جامعه به کار برد. نظریه سلطه بر عوامل اقتصادی و ساختاری که ناشی از ایدئولوژی طبقاتی است، تاکید چندانی نمی گذارد و تأکید آن بیشتر بر خود ایدئولوژِی- نحوه بیان آن، موضوعاتی که بدانها اهمیت می بخشد و مکانیسم هائی که ایدئولوژی بدان وسیله به حیات خود ادامه داده و با تسلیم قربانیانش به شرایط آن(بویژه طبقه کارگر) شکوفا شده و در تلقین آن به دیگران و شکل دادن به آگاهی های آنان موفقیت حاصل می کند- می باشد. تفاوت های اساسی بین نظریه سلطه، استقلال ایدئولوژی بطور قابل ملاحظه ای از دیدگاه اقتصادی آن مورد توجه قرار گرفته و حفظ شده است.از دیدگاه نظریه سلطه، ایدئولوژی تصویر مخدوشی از واقعیت و یا روابط طبقاتی به دست می دهد، یا به قول آلتوسر «ایدئولوژی روابط در نظر گرفته شده خیالی و ذهنی افراد نسبت به شرایط واقعی و موجود است». از نظر آلتوسر، ایدئولوژی از این جنبه که از طرف طبقات حاکم و با استفاده از زور بر جامعه تحمیل شده باشد، سلطه محسوب نمی شود، بلکه از این نظر که به صورت یک تأثیر فرهنگی که از روی قصد و بطور برنامه ریزی شده در جامعه گسترش یافته و بر اساس آن، تجربیات ما از واقعیت شکل می گیرد و در خدمت طبقات حاکم قرار می گیرد سلطه محسوب می گردد. بعد ها نظریات عده دیگری از «متفکرین مارکسیست»، به ویژه«پولانتزا» و آلتوسر به تثبیت نظریه گرامشی کمک کرد. این دو متفکر نیز به این نکته معتقد بودند که روابط سرمایه داری از طریق رضایت داوطلبانه افراد (بویژه طبقات کارگر) شکل می گیرد و مشروعیت می یابد. بطور کلی، تغییر توجه تئوریک از عوامل اقتصادی به عوامل ایدئولوژی و فرهنگ به عنوان علل تداوم نظام سرمایه داری سبب شد که نقش رسانه های همگانی در انتشار ایدئولوژی های حاکم برجسته شود و همین امر موجب اختلافات بسیاری در میان نظریه پردازان مارکسیست، بویژه بین آن عده که بر عوامل ساختاری و اقتصادی اصرار می ورزیدند و عده ای که نقش ایدئولوژی و فرهنگ را در تداوم نظام سرمایه داری تعیین کننده می دانستند، شد.)نشریه علوم تربیتی.پژوهشگاه علوم انسانی)     گرامسی نقش روبنا را در تداوم تقسم بندی های طبقاتی وجلوگیری ازتوسعه هشیاری طبقاتی مورد تاکید قرار داده بود.اوسلطه رادردوبرداشت زیر بکا گرفت:  1)سلطه به فرایندی از غلبه وتسلط اشاره می کند که به وسیله آن طبقه حاکم تلاش می کندتا کنترل سیاسی خودرابرروی دیگر طبقات از طریق رهبری عقلانی واخلاقی اعمال کند.(این برداشت.مارکس وانگلس است).  2)سلطه همچنین به استفاده اززور وایدئولوژی برای باز تولید روابط طبقاتی مورداستفاده قرار می گیرد.  بااین حال همانطور که وکسلرواسیتون با پذیرش تعریف سلطه به عنوان یک طبقه بر بیان علایق ومنافع سایر گروهای اجتماعی به نفع خوداستدلال می کنند.سلطه یک نظام تسلیحاتی مجزا در انبار تسلیحات سرمایه داری نیست.بلکه به همراه وافزون برایدئولوژی.فرهنگ وقدرت سرکوبگرانه به کار گرفته می شود.سلطه یک عنصر ایدئولوژیک نیست.به طور کلی اکثر صاحبنظران سیاسی از واژه سلطه برای اصلاح الگوی اولیه زیر بنا-روبنا که در دهه ی 1970به کار گرفته شده بود.استفاده کردند. 

فرهنگ عامه:

شاید مهمتریناشاره ونشانه حرکت از نظریه باز تولید ومقاومت به سوی سیاستهای فرهنگی عبارت باشد ازپژوهش درخصوص فرهنگ روزمره یا عامه(آلن.1987).بااین این انگیزه که الگوی باز تولید ومقاومت محدود بوده ویا محدود کننده بوده اند.(ژیرو.1989).براین باور بود که آموزش مدرسه ای باید به عنوان بخشی از مجموعه متناقض و پیچیده فرایندهای ایدئولوژیکی ومادی مورد تجزیه وتحلیل قرار گیرد که ازطریق آن انتقال تجربه صورت می پذیرد.دراین عمل تربیتی هم مبدل به یک مکان و هم شکلی از سیاستهای تربیتی می شود.چنین عملی معلمان ودانش آموزان راقادر می سازد تا در شکل گیری ذهنیت هایشان دخالت کنند.علایق خود را به منظور تغییر شرایط ایدئولوژیکی ومادی مسلط در فعالیت های اجتماعی اعمال کنند.به نحوی که توانایی اجتماعی را ارتقاء بخشیده وامکانات بالقوه برای تغییر را نشان دهند. 

هویت  یکی دیگر از انتقادات سیاسی اخیر مسئله هویت بوده است.آرنو ویتز ازجمله صاحبنظرانی است که مسئله شکل گیری هویت در طبقه کارگر را مورد توجه قرار داده وبه طور ویژه ارتباط آن را با فرهنگ عامه وبرنامه درسی مورد بررسی قرار داده و به این نکته اشاره کرده است که هدف عمده آموزش وپرورش مدرسه ای انکار وتکذیب هویت است.از دید وی کارکرد اصلی مدرسه عبارت است از جدا کردن-برهنه سازی دانش آموزان از آنچه که متعلق به اوست وبازسازی وتجدید هویت او بر اساس بینش و تفکر سلطه گرایانه ای است که به عنوان نظم اجتماعی مسلط وجود دارد.از این رو برای بچه های طبقه کارگر.اطاعت از برنامه درسی به معنای داشتن آرزوی تحرک اجتماعی است. 

- نظریه مقاومت     در اواخردهه 1970هنری ژیرووسایر صاحبنظران سیاسی دچار این نگرانی شدند که تکیه بیش از حد بر مفهوم باز تولید.ریسک تبدیل شدن به گفتمان ناامیدی را به همراه داشته باشد.مفهوم ایدئولوژی.معلمان ودانش آموزانرا به عنوان همدست وشریک جرم باز تولید طبقه حاکم به تصویر می کشید.نظریه سلطه به گونه ای بود که این امر را القاء می کرد که راه گریزی وجود ندارد زیرا هشیاری وخودآگاهی کاملا پر واشباع شده است ودارای چرخه ای شناختی شده است که اذهان طبقه کارگر راکور می کند.  به طور کلی اندیشه مقاومت با آثار پاول ویلیس گره خورده است.وی در آثار خود مروج این نوع نگاه بوده است که می توان وباید درمقابل فرایند باز تولید مقاومت کرد.به عبارتی دیگر باز تولید قابل مبارزه است-درسال 1985تلاشهای پژوهشی برای فهم برنامه درسی به عنوان یک متن سیاسی ازنظریه های باز تولید ومقاومت به سمت مسائل مرتبط با عمل سیاسی وپداگوژی تحول یابنده یا انتقادی در آثار هنری ژیرو آشکار بود.صاحبنظران انتقادی اصرار داشتند که صداها ودیدگاهای معلمان ودانش آموزان به واسطه تلاشهای محافظه کاران برای اجرا واشاعه برنامه درسی ویژه ای که برنامه درسی مقاوم دربرابر معلم.می نامیدند خاموش شده ومورد بی توجهی قرار گرفته است.ازدیدگاه هنری ژیرو.پیتر مک لارن-پداگوژی انتقادی تااندازه ای ازطریق صداها یا از طریق داستانهایی که معلمان ودانش آموزان به یکدیگر می گویند بیان می شود.از این رهگذر صدا به عنصری کلیدی در پداگوژی انتقادی تبدیل می شود زیرا سبب می شود تا معلمان درک کنند که تمام گفتمانها دارای بستری تاریخی هستند ودر قالب ابزارهای فرهنگی منتقل می شوند.صدا درحقیقت((دستور زبان فرهنگی))و((دانش زمینه ای))است که معلمان ودانش آموزان برای فهم ودرک تجربه به کار می برند.(1989مک لارن).او بین صدای معلم وشاگردان تمایز قایل می شود ومی گوید صدای یک دانش آموز ناشی از تامل دریک کا معین نیست اما یک نیروی شکل دهنده است که فعالیتها وروابط قدرت ساخته در طی زمان راتغییر داده وشکل می دهد.صدای معلم منعکس کننده ی ارزشها.ایدئولوژیها واصول ساختاری است که معلمان برای فهم سوابق.داستانها وفرهنگ های دانش آموز مورد استفاده قرار می دهند.)). 

 

هدف پداگوژی انتقادی «روشن ساختن گسترش سرمایه داری نو و نیز بوجود آوردن راه کارهایی است که از راه آن جامعه می تواند. از روابط سلطه گری و بهره کشی رهایی یابد» پداگوژی انتقادی رویکردی است برای درک و فهم روابط مدرسه وجامعه از چشم انداز روابط اجتماعی موجود در تولید در قالب نظام سرمایه داری این پداگوژی همچنین رویکرد عملی نسبت به تدریس یادگیری پژوهش است که از طریق گفتگوی انتقادی و تجزیه و تحلیل دیالکتیکی تجربه روزمره،تدریس را مورد تأکید قرار می دهد.تعلیم وتربیت انتقادی به تدریس با عنایت به عمل انتقادی توجه دارد. رویکرد آن دموکراتیک و هدفش ایجاد وبرقراری برابری و عدالت اقتصادی و اجتماعی برای تمام گروههای قومی یا نژادی است،از اصول برابری نژادی،طبقه ای حمایت کرده و در راستای تحقق چنین برابری هایی تلاش می کند. این رویکرد شامل مربیان فمینسیت،طرفداران راست کارگری و انسان گرایان مارکسیست وسایرین است.این رویکرد مربوط به چپ لیبرال است و تلاش می کند تا جامعه سرمایه داری را مهربانتر ودموکرات تر کند. همچنین رویکرد دیگر در این مورد به نقد سرمایه داری می پردازد و می خواهد جامعه ی سوسیالیست را متحقق سازد.این حوزه علاوه بر اینکه می خواهد از طریق اقدامات پژوهش تناقض بین نظام مدرسه و نظام سرمایه داری را روشن سازد در صدد است به هدف و منظور خود که بی اعتیار ساختن دو اسطوره لیبرالیسم ((تعلیم و تربیت یک فعالیت بی طرف)) و((تعلیم و تربیت یک فعالیت غیر سیاسی)) است، برسد.   

 

مثال پژوهشی برای آموزش رگرسیون خطی چند متغیره در spss: بررسی رابطه ی ساده و چندگانه ویژگی های شخصیتی (روان نژندی، برون گرایی، توافق جویی، روشن فکری و وظیفه شناسی) و عزت نفس با رانندگی مخاطره آمیز در رانندگان فرضیه های تک متغیری پژوهش:

1- روان نژندی با رانندگی مخاطره آمیز رابطه ی مثبت دارد.

2- برون گرایی با رانندگی مخاطره آمیز رابطه ی منفی دارد.

3- توافق جویی با رانندگی مخاطره رابطه ی منفی دارد.

4- روشن فکری با رانندگی مخاطره آمیز رابطه ی منفی دارد.

5- وظیفه شناسی با رانندگی مخاطره آمیز رابطه ی منفی دارد.

6- عزت نفس با رانندگی مخاطره آمیز رابطه ی منفی دارد.

 

فرضیه ی ترکیبی یا چندگانه ی پژوهش:

بین پنج بعد شخصیتی و عزت نفس با رانندگی مخاطره آمیز رابطه ی چند گانه وجود دارد.

در مقاله مربوط به همبستگی ساده ی میان هوش و معدل تحصیلی، نسبت به اهمیت مفهوم همبستگی و نقش آن در پیش بینی پدیده های مطالبی بیان شد.

در همبستگی پیرسون فقط رابطه ی میان متغیر (پیش بین و ملاک) بررسی می شود، بنابراین، این نکته روشن است که یک متغیر پیش بین به تنهایی نمی تواند تمام واریانس متغیر ملاک را پیش بینی کند و راه گشای ما در مقاصد کاربردی از معادله ی رگرسیون باشد.

رگرسیون چندگانه یک روش مستقل آماری پیشرفته است که همزمان نقش ترکیب چند متغیر پیش بین (مستقل) را بر یک متغیر ملاک (وابسته) بررسی می کند و امکان پیش بینی آن پدیده را بهتر از همبستگی تک متغیری فراهم می سازد.

اینک مثالی مطرح می شود تا به کمک آن اهمیت رگرسیون چند متغیری و نقش کاربردی آن در پیش بینی روشن تر شود.

فرض کنید یک شرکت حمل و نقل و باربری می خواهد رانندگانی را استخدام کند که احتمال تصادف و رانندگی مخاطره آمیز در آن ها پایین باشد.

پژوهشگری که توسط این شرکت استخدام می شود تا این مهم را انجام دهد، با مطالعه و بررسی های دقیق و مطالعه ی ادبیات روانشناسی درباره ی حوادث، عوامل پیش بین حوادث رانندگی را شناسایی می کند.

برای نمونه، این پژوهشگر به این نتیجه می رسد که حواس پرتی، مخاطره جویی، وزن توده ی بدن، روان نژندی و عزت نفس دارای نقش کلیدی در بروز حوادث رانندگی هستند.

این پژوهشگر پژوهشی را بر روی 300 نفر راننده که دارای سابقه ای بیش از 10 سال رانندگی هستند، انجام می دهد و تمام اطلاعات لازم و مربوط به متغیر های حواس پرتی، مخاطره جویی، وزن توده ی بدن، روان نژندی، عزت نفس و میزان حوادث جزیی و شدید آن ها را به کمک پرسش نامه و با دقت بسیاری گرد آوری می کند.

بررسی روابط ساده میان متغیر های پیش بین با نرخ حوادث نشان می دهد که رابطه ی میان تمام متغیر های پیش بین، به جز عزت نفس، با نرخ حوادث مثبت و تنها رابطه ی عزت نفس با متغیر ملاک منفی می باشد.

همچنین، کاربرد رگرسیون چند متغیری در این پژوهش نشان می دهد که تمامی این متغیر های مستقل واجد نقش معنی داری در پیش بینی نرخ حوادث رانندگی هستند.

ماحصل این پژوهش چند متغیری به یک معادله ختم می شود که به کمک آن می توان میزان احتمالی تصادفات رانندگی کسانی را که در شرف استخدام هستند، مشخص کرد و نسبت به جذب یا نپذیرفتن آن ها تصمی گیری کند.

به کمک رگرسیون چند متغیری، می توان نرخ طلاق، خودکشی، بیماری روانی، سیگاری شدن، خشنودی شغلی، اشتباهات محاسباتی کارممندان بانک، کفایت شغلی معلمان و پدیده های گوناگون دیگر را پیش بینی و در جهت کاهش پدیده های منفی و یا افزایش پدیده های مثبت اقدام کرد.

نکته ی مهم:

معادله ی رگرسیون از گروهی دست می آید که دچار حادثه، سیگاری شدن، طلاق و. شده اند.

یعنی این معادله از پژوهش های پس رویدادی به دست می آید. بنابراین، این معادله برای خود آن ها سود چندانی ندارد، اما برای کسانی که تازه می خواهند در این راه گام بگذارند، بسیار مهم است و از لحاظ فردی می تواند آن ها را به یک خودشناسی خوبی برساند.

 

حجم نمونه:

به طور کلی هر چند حجم نمونه افزایش پیدا کند، ثبات یافته های پژوهش و به تبع آن، توان آماری آزمون (رد صحیح فرض صفر غلط) افزایش پیدا می کند.

به قول کرلینجر برخی عقیده دارند که در تحلیل رگرسیون چند متغیری حجم نمونه نباید از 400 نفر کمتر باشد.

البته برآوردهای آماری نشان می دهد اگر حجم نمونه در ازای هر متغیر مستقل از 15 نفر به 30 نفر افزایش یابد، برآورد R به طور قابل ملاحظه ای افزایش پیدا می کند.

در ازای هر متغیر مستقل، تغییر حجم نمونه از 30 نفر به 50 نفر تغییر محصوصی در R ایجاد نمی کند.

بنابراین، چندین اظهار نامه عالمانه وجود دارد که نسبت متغیرهای مستقل بر حجم نمونه را 1/15، 1/30 و 1/50 توصیه می کنند؛ به عبارت دیگر، اگر در یک پژوهش تعداد متغیرهای مستقل برابر 5 باشد، طبق معیار 1/15 حجم نمونه نباید از 75 نفر کمتر شود و اگر معیار 1/30 را بپذیریم، حجم نمونه باید دست کم 150 نفر باشد، اما از آن جا که در تحلیل های رگرسیون چند متغیری گاه نیاز به وارسی مقطعی اعتبار پیش می آید (تقسیم نمونه به دو خرده نمونه و بررسی ضرایب رگرسیون در دو نمونه)، انتخاب نمونه های بزرگ این نیاز را تأمین می کند.

برای تحلیل این مثال پژوهشی (بررسی رابطه ی ساده و چند گانه ی ویژگی های شخصیتی (روان نژندی، برون گرایی، توافق جویی، روشن فکری و وظیفه شناسی) و عزت نفس با رانندگی مخاطره آمیز در رانندگان) کاربرد رگرسیون خطی چند متغیری مناسب است.

اولاً هدف از تحلیل رگرسیون خطی چند متغیری در این مثال این است که بر حسب ترکیب خطی 6 متغیر پیش بین، واریانس متغیر وابسته را پیش بینی کنیم.

ثانیاً، به کمک این شیوه ی آماری می توان وزن نسبی هر متغیر را به صورت اختصاصی روشن کرد.

فهم وزن اختصاصی متغیرها از روی همبستگی ساده آن ها با متغیر ملاک امکان پذیر نیست.

در ادامه علاوه بر نمایش آرایش بخشی از داده ها در شکل1، روند اجرایی رگرسیون چند متغیری بیان می شود و پس از اجرای تحلیل، نکاتی در خصوص اصطلاخات فنی این روش آماری با توجه به خروجی های SPSS تشریح می شود.

داده های این مثال پژوهشی از یک تحقیق واقعی روی کارکنان بانک، مخابرات و سازمان آب و برق یکی از شهرستان های استان خوزستان دست آمده اند.

 

 

همان گونه که در شکل 1، ملاحظه می شود، تعدادی از آزمودنی ها در پنج عامل شخصیتی روان نژندی، برون گرایی، توافق جویی، روشن فکری و وظیفه شناسی، عزت نفس و رانندگی مخاطره آمیز در صفحه اصلی SPSS وارد شده است.

روند اجرایی تحلیل رگرسیون چند متغیری با روش سلسله مراتبی به قرار زیر است:

- از سربرگ Analyze گزینه ی Regression و از انشعاب آن گزینه ی Linear را انتخاب کنید.

- متغیر وابسته را از جعبه ی سمت چپ به جعبه ی: Dependent منتقل کنید.

- متغیر های پیش بین را از جعبه ی سمت چپ با توجه به اهمیت نظری آن ها که در پژوهش ها به آن اشاره شده است و یا درجه اهمیت آن ها که برای خودتان مفروض است را به جعبه ی: Independent انتقال دهید و بر گزینه ی Next کلیک کنید و سپس متغیر بعدی را به این جعبه منتقل و بر گزینه ی Next کلیک کنید.

همین رویه را تا اتمام متغیرهای مستقل انجام دهید.

در مثال حاضر، به ترتیب عزت نفس، روان نژندی، وظیفه شناسی، برون گرایی، روشن فکری و توافق وارد جعبه ی Independent(s) شدند.

- بر گزینه ی Statistics کلیک کنید و علاوه بر پیش گزیده های SPSS، گزینه های R squared change، Descriptives، Durbin-Watson و Part and partial correlations را علامت دار نمایید.

- با کلیک بر دکمه های Ok و Continue از کادر های ارتباطی تحلیل رگرسیون خارج شوید تا فرمان اجرا شود.

کادرهای ارتباطی تحلیل رگرسیون خطی در شکل های 2 و 3 ارائه شده است.

شاخص های آماری درخواس شده از تحلیل رگرسیون چند متغیری با روش سلسله مراتبی در 6 جدول مجزا تحت عنوان خروجی های 1الی 6 ارائه می شوند.

 

 

همان گونه که در خروجی 1 مشاهده می شود، شاخص های آماری شامل میانگین، انحراف استاندارد و تعداد نمونه برای متغیرهای پژوهش ارائه شده است.

 

در خروجی 2، ماتریس ضرایب همبستگی پیرسون، سطوح معنی داری و تعداد نمونه درج شده است.

این جدول پاسخ مناسب برای فرضیه های ساده (ارتباط میان متغیرهای پیش بین و ملاک) را فراهم می سازد.

همان گونه که ملاحظه می شود، همبستگی ساده (پیرسون) میان رانندگی مخاطره آمیز با عزت نفس برابر با 521/.- =r و در سطح 0001/0>P معنی دار است.

بنابراین، فرضیه دال بر ارتباط منفی عزت نفس با رانندگی مخاطره آمیز تأیید می شود؛ به عبارت دیگر، هر چه عزت نفس افزایش پیدا کند، گرایش به رانندگی مخاطره آمیز کاهش پیدا می کند.

بنابراین جدول، تمام متغیرهای شخصیتی با رانندگی مخاطره آمیزارتباط معنی دار دارند.

بیشترین همبستگی و کمترین آن به ترتیب مربوط به رابطه ی عزت نفس (r=-0.521) و گشاده ذهنی یا روشن فکری (r=-0.189) با رانندگی مخاطره آمیز است.

در جدول Model Summary در خروجی 3، شاخص های مهمی از تحلیل رگرسیون وجود دارد. در نخستین ستون سمت چپ، شماره ترتیب ورود متغیرهای به معادله ی رگرسیون نشان داده شده است.

در ستون دوم (R) همبستگی چندگانه وجود دارد.

 

برای نمونه، مقدار 521/0 مربوط به رابطه ی ساده میان عزت نفس و رانندگی مخاطره آمیز است.

ضرایب چند گانه علامت منفی نمی گیرند. بنابراین، علامت ضرایب ساده میان متغیرها را باید در خروجی 2 پیدا کرد.

- R Square: این ستون مجذور ستون R را نشان می دهد. مجذور 521/0 برابر با 271/0 است.

به بیان دیگر، در حدود 27 درصد واریانس رانندگی مخاطره امیز توسط عزت نفس آزمودنی ها قابل پیش بینی است.

- Adjusted R Square: این ستون مجذور همبستگی چندگانه تعدیل شده است.

برآورد واریانس تبیین شده از یک نمونه همیشه بیشتر از حد واقعی در آن جامعه است.

مجذور همبستگی تعدیل شده به مقدار واقعی آن در جامعه نزدیک تر است.

- Std. Error of the Estimate: این ستون خطای معیار برآورد رگرسیون است که همانند خطای معیار میانگین، میزان تغییر آماره ی آزمون را از یک نمونه به نمونه ی دیگر برآورد می کند.

- R Square Change: این ستون تغییر در مجذور همبستگی، میزان تغییر یا تفاوت ناشی از متغیر اول و دوم، دوم و سوم و. وارد شده در معادله ی رگرسیون را در پیش بینی متغیر وابسته نشان می دهد.

برای مثال، مجذور همبستگی دو متغیر عزت نفس و وظیفه شناسی با متغیر وابسته برابر 304/0 است.

بنابراین، متغیر وظیفه شناسی 033/0 درصد واریانس پیش بینی شده رانندگی مخاطره امیز را بهبود بخشیده است.

همچنین، میزان تغییر مجذور همبستگی برای متغیر سوم (روان نژندی) برابر 008/0 است.

 

ستون سمت راست (Sig. F Chnge) معنی داری میزان مقادیر تغییر در مجذور همبستگی را نشان می دهد.

برای نمونه، میزان تغییر 033/0 که مربوط به متغیر وظیفه شناسی است، در سطح 011/ P قرار دارد و از لحاظ آماری معنی دار است، اما مقدار مربوط به متغیر روان نژندی که برابر با 008/0 است در سطح 202/0-P قرار دارد و معنی دار نیست.

از جدول خروجی 3 می توان دریافت که میزان همبستگی چندگانه ی 6 متغیر دخیل در پیش بینی رانندگی مخاطره امیز برابر با 567/0=R و مجذور آن 331/0=r2 است.

به بیان دیگر، به کمک این 6 متغیر 33 درصد واریانس رانندگی مخاطره آمیز را می توان پیش بینی کرد.

نکته ی مهم:

یکی از مفروضه های اساسی تحلیل رگرسیون چندگانه استقلال متغیرهای مستقل و یا به عبارت دیگر عدم ارتباط نمره های خطای متغیرهای مستقل با یکدیگر است، که این مفروضه توسط آزمون دوربین واتسون بررسی می شود؛ به عبارت دیگر، اگر همبستگی متغیرهای مستقل با یکدیگر زیاد باشد، کاربرد رگرسیون چندگانه زیر سئوال است.

آزمون دوربین واتسون که نتیجه ی آن در آخرین ستون سمت راست خروجی 3 آمده است این مفروض را آزمون می کند.

به طور سرانگشتی می توان گفت که اگر مقدار آماره ی این آزمون بین 5/1 الی 5/2 قرار داشته باشد، می توان استقلال مشاهدات را پذیرفت و تحلیل را دنبال کرد (تاباچنیک و فیدل، 2000). مقدار این آماره در پژوهش حاضر برابر با 109/2 است که نسان دهنده ی تأیید استقلال مشاهدات است.

آزمون دوربین واتسون علاوه بر استقلال مشاهدات، تحت تأثیر حجم نمونه و تعداد متغیرهای پیش بین است.

اینک لازم است تا ستون R Square با دقت بیشتری بررسی شود و مضامین مهم رگرسیون چند متغیری از ان درک شود.

مقدار 271/0 مربوط به نخستین متغیر یعنی عزت نفس است و مقدار 304/0 مربوط به وزن هم زمان عزت نفس و وظیفه شناسی در پیش بینی واریانس متغیر وابسته است.

اختلاف این دو مجذور همبستگی که برابر با 033/0 است، مربوط به نقش اختصاصی متغیر وظیفه شناسی پس از زدودن اثر عزت نفس از وظیفه شناسی می باشد.

به طور کلی، وقتی متغیر دوم (وظیفه شناسی) وارد معامله می شود، ابتدا رگرسیون وظیفه شناسی بر حسب عزت نفس محاسبه می گردد و با شیوه ای که پیش تر در تحلیل کوواریانس و همبستگی تفکیکی گفته شد، اثر متغیر عزت نفس از وظیفه شناسی کنترل می شود و سپس همبستگی ساده میان نمره ی باقیمانده ی وظیفه شناسی (پیراسته از عزت نفس) با متغیر وابسته محاسبه می شود و مجذور این همبستگی برابر با اختلاف میان 271/0 و 304/0 خواهد بود.

در مرتبه ی بعئ وقتی نوبت ورود متغیر سوم (روان نژندی) به معادله ی رگرسیون می رسد، ابتدا رگرسیون روان نژندی بر حسب عزت نفس و مسؤلیت پذیری محاسبه می شود و اثر این دو متغیر مقدم، از روی متغیر سوم (روان نژندی) زدوده می شود و سپس همبستگی میان نمره ی روان نژندی (پیراسته از عزت نفس و مسؤلیت پذیری) محاسبه شده و مجذور آن همبستگی با 304/0 جمع می شود.

در نتیجه واریانس تبیین شده ی سه متغیر وارده در معادله ی رگرسیون برابر با 312/0 بدست می آید.

نکته ی مهم:

متغیرهایی که در مرتبه های بعدی وارد معادله می شونند، سهم اندکی در افزایش مجذور همبستگی (r2) ایفا می کنند. علت این مسئله در این است که متغیری که در مرتبه ی اول وارد معادله می شود، اثر یا همپوشی متغیرهای دیگر در او مستتر است.

بنابراین، اگر متغیری در آخر وارد معادله شود و سم مناسبی در افزایش واریانس تبیین شده داشته باشد، یک متغیر مهم تلقی می شود؛ به عبارت دیگر، آخرین متغیری که در معادله رگرسیون وارد می شود وزن اختصاصی خود را بر ضریب تعیین وارد می کند.

در جداول بعدی این مطلب روشن خواهد شد که چگونه می توان وزن اختصاصی تک تک متغیرها را هنگامی که در آخر وارد معادله می شوند ارزیابی کرد.

از جدول Model Summary تنها می توان واریانس تبیین شده ی اختصاصی متغیر توافق جویی را (هنگامی که اثر همه متغیرهای دیگر از آن زدوده شده اند) به دست آورد.

زیرا که متغیر توافق جویی در آخر وارد معادله شده است.

همان گونه که در ستون تغییر مجذور همبستگی (R Square Change) مشاهده می شود، توافق جویی آخرین متغیری است که وارد معادله شده و کمترین واریانس تبیین شده (001/0) را به خود اختصاص داده است.

ترتیب ورود متغیرها را با نام آن ها می توان در قسمت پایین خروجی 3 مشاهده کرد.

نخستین متغیر با حرف (a)، نخستین و دومین متغیر پیش بین با حرف (b)، نخستین تا سومین متغیر با حرف (c)، نخستین تا چهارمین متغیر با حرف (d)، نخستین تا پنجمین متغیر پیش بین با حرف (e) و نخستین تا ششمین متغیر پیش بین با حرف (f) نشان داده می شوند.

نکته ی مهم:

اگر ترتیب ورود متغیرها در معادله ی رگرسیون تغییر دهیم، مجذور ضرایب همبستگی هر متغیر به شدن تغییر می کند، اما جمع کل آن ها، کماکان 331/0 خواهد بود.

 

جدول Anova یا خروجی 4 مربوط به معنی داری مقادیر مجذور همبستگی است.

همان گونه که در این جدول ملاحظه می شود، نسبت F برای مجذور همبستگی (r2=0.271) میان عزت نفس و رانندگی مخاطره آمیز برابر با 638/53 و در سطح 0001/0-P معنی دار است.

دومین ستون از سمت چپ این جدول مقادیر مجموع مجذورات رگرسیون، مجموع مجذورات باقیمانده ها و مجموع این دو مؤلفه یعنی مجذورات کل را نشان می دهد.

دقیقاً همانند آزمون t تست گروه های مستقل که میزان ضریب تأثیر یا همان ضریب تعیین را از تقسیم مجذورات بین گروهی بر مجموع مجذورات کل به دست می اوردیم، اینک می توان بار تقسیم مجموع مجذورات رگرسیون بر مجموع مجذورات کل، مجذور همبستگی که در حقیقت همان ضریب تأثیر است را محاسبه کرد.

مقادیر مذکور در جدول Anava (خروجی 4) ارایه شده است. اگر 657/6367 را بر مجموع مجذورات کل ناشی از رگرسیون یعنی 771/23495 تقسیم شود، میزان مجذور همبستگی میان عزن نفس و متغیر وابسته (r2=0.271) به دست می آید.

فرضیه ی چندگانه ی پژوهش از این قرار بود که میان متغیرهای شخصیتی و عزت نفس با رانندگی مخاطره آمیز رابطه ی چندگانه وجود دارد.

همان گونه که در خروجی 3 مشخص است، میزان این همبستگی چندگانه برابر با 567/0=R است که به کمک آخرین سطر خروجی 4 می توان معنی داری این همبستگی را مشاهده کرد.

مقدار F متناظر با این همبستگی برابر با 481/11 و در سطح 0001/0-P از لحاظ آماری معنی دار است.

بنابراین، فرضیه ی چندگانه ی پژوهش تأیید می شود.

نکته ی مهم:

سطوح معنی داری Sig در جدول ANOVA مربوط به همبستگی های چندگانه است نه بخش اختصاصی متغیرها.

برای نمونه، مقدار F (239/31) مربوط به همبستگی چندگانه ی عزت نفس و مسؤلیت پذیری در پیش بینی رانندگی مخاطره امیز است نه مربوط به متغیر مسؤلیت پذیری که در مرتبه ی دوم وارد معادله شده است.

 

به طور قطع خروجی 5 انبوهی از اطلاعات مهم تحلیل رگرسیون چند متغیری را در اختیار قرار می دهد. نخستین ستون جدول ضرایب رگرسیون (Coefficients) به نام های متغیر ها اختصاص دارد.

همین گونه که این ستون نشان می دهد، متغیرها در6 بلوک وارد تحلیل رگرسیون شده اند.

دومین ستون، ضرایب غیر استاندارد را تحت عنوان (B) نشان می دهد.

این ضرایب از تحلیل رگرسیون روی نمره های خام به دست می آیند و برای ساختن معادله ی رگرسیون روی نمره های خام به دست می آیند و برای ساختن معادله ی رگرسیون که در حقیقت مهم ترین کاربرد این روش آماری است، مناسبت دارند.

برای نمونه، اگر از ضریب غیر استاندارد عزت نفس که برابر 011/1- و عرض از مبدأ آن که 977/99 است استفاده کنیم، می توانیم نمره ی رانندگی مخاطره آمیز را برای رانندگان پیش بینی کنیم.

معادله ی رگرسیون برای این یک متغیر بدین نحو نوشته می شود. Y^'=a+(b_1×X_1) =99.977+(〖-1.011〗_1×X_1) نمره ی پیش بینی شده ی رانندگی مخاطره آمیز در معادله ی مذکور نمره ی هر فرد در متغیر عزت نفس قابل محاسبه است.

ستون Std. Error عبارت است از خطای معیار ضرایب رگرسیون.

در خروجی5، ستون (Beta) Standardaized coefficients ضرایب اختصاصی هر متغیر هستند که با تحلیل رگرسیون بر روی نمره های استاندارد متغیرها حاصل شده اند.

برای نمونه، در نخستین بلوک(یا نخستین معادله) وزن استاندارد رگرسیون برای متغیر عزت نفس برابر با 521/0- است.

این وزن که در نخستین بلوک قرار دارد، برابر با صریب همبستگی ساده ی این متغیر با متغیر وابسته است.

در بلوک دوم، وزن اختصاصی متغیر عزت نفس، پس از ورود متغیر وظیفه شناسی به مقدار 475/0- کاهش پیدا می کند؛ به عبارت دیگر، مقدار 475/0- را می توان ضریب تأثیر متغیر عزت نفس بر رانندگی مخاطره آمیز، پس از کنترل یا زدودن اثر متغیر وظیفه شناسی از متغیر عزت نفس و متغیر رانندگی مخاطره آمیز دانست.

همچنین، ضریب رگرسیون وظیفه شناسی (186/0-)، نشان دهنده ی ارتباط وزن میان متغیر وظیفه شناسی با رانندگی مخاطره آمیز، پس از زدودن اثر متغیر عزت نفس از متغیر وظیفه شناسی و متغیر رانندگی مخاطه آمیز است.

در بلوک سوم از این جدول، وزن اختصاصی متغیر روان نژندی 108/0 است.

به بیان دیگر، این وزن (108/0) تأثیر متغیر روان نژندی بر رانندگی مخاطره آمیز، پس از کنترل یا زدودن اثر متغیرهای مقدم در تحلیل، یعنی عزت نفس و وظیفه شناسی از روی متغیرهای روان نژندی و رانندگی مخاطره آمیز را نشان می دهد.

 ادامه دارد.

آموزش رگرسیون خطی چند متغیره در spss با مثال -قسمت دوم

آیا قصد دارید تحقیقی را انجام دهید؟ و یا اینکه در حال مطالعه یک تحقیق می باشید؟

چگونه می توانید از صحت روش تجزیه و تحلیل داده ها اطمینان حاصل فرمائید؟ 

شاخه های مختلف علوم برای تجزیه و تحلیل داده ها از روش های مختلفی مانند روش های ذیل استفاده می نمایند:

الف) روش تحلیل محتوا

ب) روش تحلیل آماری

ج) روش تحلیل ریاضی

د) روش اقتصاد سنجی

ه) روش ارزشیابی اقتصادی

و). 

تمرکز این نوشتار بر روش های تجزیه و تحلیل سیستمهای اقتصادی اجتماعی و بویژه روش های تحلیل آماری می باشد. 

آمار علم طبقه بندی اطلاعات، علم تصمیم گیری های علمی و منطقی، علم برنامه ریزی های دقیق و علم توصیف و بیان آن چیزی است که از مشاهدات می توان فهمید. 

هدف ما آموزش درس آمار نیست زیرا اینگونه مطالب تخصصی را می توان در مراجع مختلف یافت، هدف اصلی ما ارائه یک روش دستیابی سریع به بهترین روش آماری می باشد. 

یکی از مشکلات عمومی در تحقبقات میدانی انتخاب روش تحلیل آماری مناسب و یا به عبارتی انتخاب آزمون آماری مناسب برای بررسی سوالات یا فرضیات تحقیق می باشد. 

در آزمون های آماری هدف تعیین این موضوع است که آیا داده های نمونه شواهد کافی برای رد یک حدس یا فرضیه را دارند یا خیر؟

انتخاب نادرست آزمون آماری موجب خدشه دار شدن نتایج تحقیق می شود. 

دکتر غلامرضا جندقی استاد یار دانشگاه تهران در مقاله ای کاربرد انواع آزمون های آماری را با توجه به نوع داده ها و وبژگی های نمونه آماری و نوع تحلیل نشان داده است که در این بخش به نکات کلیدی آن اشاره می شود:

قبل از انتخاب یک آزمون آماری بایستی به سوالات زیر پاسخ داد:

1- چه تعداد متغیر مورد بررسی قرار می گیرد؟

2- چند گروه مفایسه می شوند؟

3- آیا توزیع ویژگی مورد بررسی در جامعه نرمال است؟

4- آیا گروه های مورد بررسی مستقل هستند؟

5- سوال یا فرضیه تحقیق چیست؟

6- آیا داده ها پیوسته، رتبه ای و یا مقوله ای Categorical هستند؟

قبل از ادامه این مبحث لازم است مفهوم چند واژه آماری را یاد آور شوم که زیاد وقت گیر نیست. 

1- جامعه آماری: به مجموعه کاملی از افراد یا اشیاء یا اجزاء که حداقل در یک صفت مورد علاقه مشترک باشند ،گفته می شود.

2- نمونه آماری: نمونه بخشی از یک جامعه آماری تحت بررسی است که با روشی که از پیش تعیین شده است انتخاب می‌شود، به قسمی که می‌توان از این بخش، استنباطهایی درباره کل جامعه بدست آورد.

3- پارامتر و آماره: پارامتر یک ویژگی جامعه است در حالی که آماره یک ویژگی نمونه است. برای مثال میانگین جامعه یک پارامتر است. حال اگر از جامعه نمونه‌گیری کنیم و میانگین نمونه را بدست آوریم، این میانگین یک آماره است.

4- برآورد و آزمون فرض: برآوردیابی و آزمون فرض دو روشی هستند که برای استنباط درمورد پارامترهای مجهول دو جمعیت به کار می روند.

5- متغیر: ویژگی یا خاصیت یک فرد، شئ و یا موقعیت است که شامل یک سری از مقادیر با دسته بندیهای متناسب است. قد، وزن، گروه خونی و جنس نمونه هایی از متغیر هستند. انواع متغیر می تواند کمی و کیفی باشد.

6- داده های کمی مانند قد، وزن یا سن درجه بندی می شوند و به همین دلیل قابل اندازه گیری می باشند. داده های کمی نیز خود به دو دسته دیگر تقسیم می شوند:

الف: داده های فاصله ای (Interval data)

ب: داده های نسبتی (Ratio data)

7- داده های فاصله ای: به عنوان مثال داده هایی که متغیر IQ (ضریب هوشی) را در پنج نفر توصیف می کنند عبارتند از: 80، 110، 75، 97 و 117، چون این داده ها عدد هستند پس داده های ما کمی اند اما می دانیم که  IQ نمی تواند صفر باشد و صفر در اینجا فقط مبنایی است تا سایر مقادیر  IQ در فاصله ای منظم از صفر و یکدیگر قرار گیرند پس این داده ها فاصله ای اند.

8- داده های نسبتی: داده های نسبتی داده هایی هستند که با عدد نوشته می شوند اما صفر آنها واقعی است. اکثریت داده های کمی این گونه اند و حقیقتاً دارای صفر هستند. به عنوان مثال داده هایی که متغیر طول پاره خط بر حسب سانتی متر را توصیف می کنند عبارتند از: 20، 15، 35، 8 و 23، چون این داده ها عدد هستند پس داده های ما کمی اند و چون صفر در اینجا واقعاً وجود دارد این داده نسبتی تلقی می شوند.

9- داده های کیفی مانند جنس، گروه خونی یا ملیت فقط دارای نوع هستند و قابل بیان با استفاده از واحد خاصی نیستند. داده های کیفی خود به دو دسته دیگر تقسیم می شوند:

الف: داده های اسمی  (Nominal data)

ب: داده های رتبه ای  (Ordinal data)

10- داده های رتبه ای Ordinal: مانند کیفیت درسی یک دانش آموز (ضعیف، متوسط و قوی) و یا رتبه بندی هتل ها (یک ستاره، دو ستاره و.)

11- داده های اسمی (nominal) که مربوط به متغیر یا خواص کیفی مانند جنس یا گروه خونی است و بیانگر عضویت در یک گروها category  خاص می باشد. (داده مقوله ای)

12- متغیر تصادفی گسسته و پیوسته: به عنوان مثال تعداد تصادفات جاده‌ای در روز یک متغیر تصادفی گسسته است ولی انتخاب یک نقطه‌ به تصادف روی دایره‌ای به مرکز مبدأ مختصات و شعاع 3 یک متغیر تصادفی پیوسته است.

13- گروه: یک متغیر می تواند به لحاظ بررسی یک ویژگی خاص در یک گروه و یا دو و یا بیشتر مورد بررسی قرار گیرد. نکته 1: دو گروه می تواند وابسته و یا مستقل باشد. دو گروه وابسته است اگر ویژگی یک مجموعه افراد قبل و بعد از وقوع یک عامل سنجیده شود. مثلا میزان رضایت شغلی کارکنان قبل و بعد از پرداخت پاداش و همچنین اگر در مطالعات تجربی افراد از نظر برخی ویژگی ها در یک گروه با گروه دیگر همسان شود.

14- جامعه نرمال: جامعه ای است که از توزیع نرمال تبعیت می کند.

15- توزیع نرمال: یکی از مهمترین توزیع ها در نظریه احتمال است. و کاربردهای بسیاری در علوم دارد.

فرمول این توزیع بر حسب دو پارامتر امید ریاضی و واریانس بیان می شود. منحنی رفتار این تابع تا حد زیادی شبیه به زنگ های کلیسا می باشد. این منحنی دارای خواص بسیار جالبی است برای مثال نسبت به محور عمودی متقارن می باشد، نیمی از مساحت زیر منحنی بالای مقدار متوسط و نیمه دیگر در پایین مقدار متوسط قرار دارد و اینکه هرچه از طرفین به مرکز مختصات نزدیک می شویم احتمال وقوع بیشتر می شود.

سطح زیر منحنی نرمال برای مقادیر متفاوت مقدار میانگین و واریانس فراگیری این رفتار آنقدر زیاد است که دانشمندان اغلب برای مدل کردن متغیرهای تصادفی که با رفتار آنها آشنایی ندارند، از این تابع استفاده می کنند. به عنوان  مثال در یک امتحان درسی نمرات دانش آموزان اغلب اطراف میانگین بیشتر می باشد و هر چه به سمت نمرات بالا یا پایین پیش برویم تعداد افرادی که این نمرات را گرفته اند کمتر می شود. این رفتار را بسهولت می توان با یک توزیع نرمال مدل کرد.

اگر یک توزیع نرمال باشد مطابق قضیه چی بی شف 26.68 % مشاهدات در فاصله میانگین، مثبت و منفی یک انحراف معیار قرار دارد. و  44.95 % مشاهدات در فاصله میانگین، مثبت و منفی دو انحراف معیار قرار دارد. و 73.99 % مشاهدات در فاصله میانگین، مثبت و منفی سه انحراف معیار قرار دارد.

نکته 1: واضح است که داده های رتبه ای دارای توزیع نرمال نمی باشند.

نکته 2: وقتی داده ها کمی هستند و تعداد نمونه نیز کم است تشخیص نرمال بودن داده ها توسط آزمون کولموگروف – اسمیرنف مشکل خواهد شد.

 16- آزمون پارامتریک: آزمون های پارامتریک، آزمون های هستند که توان آماری بالا و قدرت پرداختن به داده  های جمع آوری شده در طرح  های پیچیده را دارند. در این آزمون ها داده ها توزیع نرمال دارند. (مانند آزمون تی).

17- آزمون های غیرپارامتری: آزمون هائی می باشند که داده ها توزیع غیر نرمال داشته و در مقایسه با آزمون های پارامتری از توان تشخیصی کمتری برخوردارند.  (مانند آزمون من – ویتنی و آزمون کروسکال و والیس)

نکته3: اگر جامعه نرمال باشد از آزمون های پارامتریک و چنانچه غیر نرمال باشد از آزمون های غیر پارامتری استفاده می نمائیم.

نکته 4: اگر نمونه بزرگ باشد، طبق قضیه حد مرکزی جتی اگر جامعه نرمال نباشد می توان از آزمون های پارامتریک استفاده نمود.

حال به کمک جدول زیر براحتی می توانید یکی از 24 آزمون مورد نظر خود را انتخاب کنید:

هدف	داده کمی و دارای توزیع نرمال	داده رتبه ای و یا داده کمی غیر نرمال	داده های کیفی اسمی Categorical
توصیف یک گروه	آزمون میانگین و انحراف معیار	آزمون میانه	آزمون نسبت
مقایسه یک گروه با یک مقدار فرضی	آزمون یک نمونه ای	آزمون ویلکاکسون	آزمون خی – دو یا آزمون دو جمله ای
مقابسه دو گروه مستقل	آزمون برای نمونه های مستقل	آزمون من - ویتنی	آزمون دقیق فیشر (آزمون خی دو برای نمونه های بزرگ)
مقایسه دو گروه وابسته	آزمون زوجی	آزمون کروسکال	آزمون مک - نار
مقایسه سه گروه یا بیشتر (مستقل)	آزمون آنالیز واریانس یک راهه	آزمون والیس	آزمون خی - دو
مقایسه سه گروه یا بیشتر (وابسته)	آزمون آنالیز واریانس با اندازه های مکرر	آزمون فریدمن	آزمون کوکران
اندازه همبستگی بین دو متغیر	آزمون ضریب همبستگی پیرسون	آزمون ضریب همبستگی اسپرمن	آزمون ضریب توافق
پیش بینی یک متغیر بر اساس یک یا چند متغیر	آزمون رگرسیون ساده یا غیر خطی	آزمون رگرسیون نا پارامتریک	آزمون رگرسیون لجستیک

در رویکردی دیگر بر مبنای تعداد متغیر، تعداد گروه و نرمال بودن جامعه نیز می توان به الگوریتم آزمون آماری مورد نظر دست یافت:

یک متغیر:

انتخاب آزمون آماری برای یک متغیر	یک متغیر در یک گروه	یک متغیر در دو گروه	یک متغیر در سه گروه یا بیشتر
متغیر نرمال	آزمون میانگین و انحراف معیار	آزمون تی	آزمون آنالیز واریانس ANOVA
متغیر غیر نرمال	آزمون نسبت (دو جمله ای)	آزمون خی -دو	آزمون ناپارامتریک

دو متغیر

انتخاب آزمون آماری برای دو متغیر	هر دو متغیر پیوسته هستند	یک متغیر پیوسته و دیگری گسسته است	هر دو متغیر مقوله ای هستند
	آزمون همبستگی	آزمون آنالیز واریانس ANOVA	آزمون خی - دو

سه متغیر و بیشتر:

انتخاب آزمون آماری برای سه متغیر و بیشتر	یک گروه	دو گروه و بیشتر
	آنالیز کواریانس	تحلیل ممیزی
	آنالیز واریانس با اندازه های مکرر	آنالیز واریانس چند متغیره
	تحلیل عاملی و رگرسیون چند گانه

قابل ذکر است قبل از ورود به الگوریتم انتخاب آزمون آماری بهتر است به سوالات زیر پاسخ دهیم:

1- آیا اختلافی بین میانگین (نسبت) یک ویژگی در دو یا چند گروه وجود دارد؟

2- آیا دو متغیر ارتباط دارند؟

3- چگونه می توان یک متغیر را با استفاده از متغیر های دیگر پیش بینی کرد؟

4- چه چیزی می توان با استفاده از نمونه در مورد جامعه گفت؟

پس از انتخاب آزمون آماری مناسب حال می توان با هر یک از آزمون ها به صورت تخصصی برخورد کرد: 

آزمون کی دو (خی دو یا مربع کای) 

این آزمون از نوع ناپارامتری است و برای ارزیابی همقوارگی متغیرهای اسمی به کار می‌رود. این آزمون تنها راه حل موجود برای آزمون همقوارگی در مورد متغیرهای مقیاس اسمی با بیش از دو مقوله است، بنابراین کاربرد خیلی زیادتری نسبت به آزمونهای دیگر دارد. این آزمون نسبت به حجم نمونه حساس است.

آزمون  z  -  آزمون خطای استاندارد میانگین 

این آزمون برای ارزیابی میزان همقوارگی یا یکسان بودن و یکسان نبودن (Goodness of fit) میانگین نمونه ای و میانگین جامعه به کار می رود. این آزمون مواقعی به کار می رود که می خواهیم بدانیم آیا میانگین برآورد شده نمونه ای با میانگین جامعه جور می آید یا نه.  اگر این تفاوت کم باشد، این تفاوت معلول تغییر پذیری نمونه ای شناخته می شود، ولی اگر زیاد باشد نتیجه گرفته می شود که برآورد نمونه ای با پارامتر جامعه یکسان (همقواره) نیست.  این آزمون پارامتری است یعنی استفاده از آن مشروط به آن است که دو پارامتر جامعه که میانگین و انحراف معیار معلوم باشند. همچنین برای آزمون متغیرهای پیوسته (مقیاس فاصله ای) کاربرد دارد. تعداد نمونه بزرگتر  و یا مساوی 30  باشد و نیز توزیع متغیر در جامعه نرمال باشد.

آزمون استیودنت t

این آزمون برای ارزیابی میزان همقوارگی یا یکسان بودن و نبودن میانگین نمونه ای با میانگین جامعه در حالتی به کار می رود که انحراف معیار جامعه مجهول باشد. چون توزیع t  در مورد نمونه های کوچک (کمتر از 30) با استفاده از درجات آزادی تعدیل می‌شود، می‌توان از این آزمون برای نمونه های بسیار کوچک استفاده نمود. همچنین این آزمون مواقعی که خطای استاندارد جامعه نامعلوم و خطای استاندارد نمونه معلوم باشد، کاربرد دارد.  

برای به کاربردن این آزمون، متغیر مورد مطالعه باید در مقیاس فاصله ای باشد، شکل توزیع آن نرمال و تعداد نمونه کمتر از 30 باشد.

آزمون t در حالتهای زیر کاربرد دارد:

- مقایسه یک عدد فرضی با میانگین جامعه نمونه

- مقایسه میانگین دو جامعه

- مقایسه یک نسبت فرضی با یک نسبتی که از نمونه بدست آمده

- مقایسه دو نسبت از دو جامعه

آزمون F

این آزمون تعمیم یافته آزمون t است و برای ارزیابی یکسان بودن یا یکسان نبودن دو جامعه و یا چند جامعه به کار برده می‌شود. در این آزمون واریانس کل جامعه به عوامل اولیه آن تجزیه می‌شود. به همین دلیل به آن آزمون آنالیز واریانس (ANOVA) نیز می‌گویند. 

وقتی بخواهیم بجای دو جامعه، همقوارگی چند جامعه را تواما با هم مقایسه نماییم از این آزمون استفاده می‌شود، چون مقایسه میانگین های چند جامعه با آزمون t  بسیار مشکل است.  مقایسه میانگین ها و همقوارگی چند جامعه بوسیله این آزمون (F   یا ANOVA) راحت تر از آزمون t  امکان پذیر است.   

آزمون کوکران 

آزمون کوکران تعمیم یافته آزمون مک نمار است. این آزمون برای مقایسه بیش از دو گروه که وابسته باشند و مقیاس آنها اسمی یا رتبه ای باشند به کار می‌رود و همچون آزمون مک نمار، جوابها باید دوتایی باشند. 

برای آزمون تغییرات یک نمونه در زمان ها و یا موقعیت های مختلف (مثل آراء رای دهندگان قبل از انتخابات در زمانهای مختلف) به کار می‌رود. مقیاس می‌تواند اسمی یا رتبه ای باشد. به جای چند سوال می‌توان یک سوال را در موقعیت های مختلف ارزیابی نمود. همه افراد باید به همه سوالات پاسخ گفته باشند. چون پاسخ ها دو جوابی است، در بعضی از انواع تحقیقات ممکن است اطلاعات بدست آمده از دست برود و بهتر است از رتبه بندی استفاده کرد که در این صورت «آزمون ویلکاکسون» بهتر جوابگو خواهد بود. 

در صورت کوچک بودن نمونه ها آزمون کوکران مناسب نیست و بهتر است از «آزمون فرید من» استفاده شود.

آزمون فریدمن 

این آزمون برای مقایسه چند گروه از نظر میانگین رتبه های آنهاست و معلوم می‌کند که آیا این گروه ها می‌توانند از یک جامعه باشند یا نه؟

مقیاس در این آزمون باید حداقل رتبه ای باشد. این آزمون متناظر غیر پارامتری آزمون F است و معمولا در مقیاس های رتبه ای به جای F به کار می‌رود و جانشین آن می‌شود (چون در F باید همگنی واریانس ها وجود داشته باشد که در مقیاسهای رتبه ای کمتر رعایت می‌شود). 

آزمون فریدمن برای تجریه واریانس دو طرفه (برای داده های غیر پارامتری) از طریق رتبه بندی به کار می‌رود و نیز برای مقایسه میانگین رتبه بندی گروه های مختلف. تعداد افراد در نمونه ها باید یکسان باشند که این از معایب این آزمون است. نمونه ها باید همگی جور شده باشند.

آزمون کالماگورف- اسمیرانف 

این آزمون از نوع ناپارامتری است و برای ارزیابی همقوارگی متغیرهای رتبه ای در دو نمونه (مستقل و یا غیر مستقل) و یا همقوارگی توزیع یک نمونه با توزیعی که برای جامعه فرض شده است، به کار می‌رود (اسمیرانف یک نمونه ای). این آزمون در مواردی به کار می‌رود که متغیرها رتبه ای باشند و توزیع متغیر رتبه ای را در جامعه بتوان مشخص نمود. این آزمون از طریق مقایسه توزیع فراوانی های نسبی مشاهده شده در نمونه  با توزیع فراوانی های نسبی جامعه  انجام می‌گیرد. این آزمون ناپارامتری است و بدون توزیع است اما باید توزیع متغیر در جامعه برای هر یک از رتبه های مقیاس رتبه ای در جامعه بطور نسبی در نظر گرفته شود که آنرا نسبت مورد انتظار می نامند.

آزمون کالماگورف- اسمیرانف دو نمونه ای Two- Sample Kalmogorov- Smiranov Test 

این آزمون در مواقعی به کار می‌رود که دو نمونه داشته باشیم (با شرایط مربوط به این آزمون که قبلا گفته شد) و بخواهیم همقوارگی بین آن دو نمونه را با هم مقایسه کنیم.

آزمون کروسکال- والیس

این آزمون متناظر غیر پارامتری آزمون F  است و همچون آزمون F، موقعی به کار برده می‌شود که تعداد گروه ها بیش از 2 باشد. مقیاس اندازه گیری در کروسکال والیس حداقل باید ترتیبی باشد.

این آزمون برای مقایسه میانگین های بیش از 2 نمونه رتبه ای (و یا فاصله ای) بکار می‌رود. فرضیات در این آزمون بدون جهت است یعنی فقط تفاوت را نشان می‌دهد و جهت بزرگتر یا کوچکتر بودن گروه ها را از نظر میانگین هایشان نشان نمی دهد. کارایی این آزمون 95 درصد آزمون F است.

آزمون مک نمار

این آزمون از آزمونهای ناپارامتری است که برای ارزیابی همانندی دو نمونه وابسته بر حسب  متغیر دو جوابی استفاده می‌شود. متغیرها می‌توانند دارای مقیاس های اسمی و یا رتبه ای باشند. این آزمون در طرح های ماقبل و مابعد می‌تواند مورد استفاده قرار گیرد (یک نمونه در دو موقعیت مختلف). این آزمون مخصوصا برای سنجش میزان تاثیر عملکرد تدابیر به کار می‌رود.

ویژگی ها: اگر متغیرها اسمی باشند، این آزمون بی بدیل است اما اگر رتبه ای باشد می‌توان از آزمون t نیز استفاده کرد (در صورت وجود شرایط آزمون t)، و یا آزمون ویلکاکسون استفاده نمود. از عیوب این آزمون این است که جهت و اندازه تغییرات را محاسبه نمی‌کند و فقط وجود تغییرات را در نمونه ها در نظر می‌گیرد.  

آزمون میانه

این آزمون همتای ناپارامتری آزمون های t – Z – F  است و وقتی دو یا چند گروه از میان دو یا چند جامعه مستقل با توزیع های یکسان انتخاب شده اند به کار برده می‌شود. در این آزمون مقیاس اندازه گیری ترتیبی است و بین داده ها نباید همرتبه وجود داشته باشد. این آزمون، هم برای گروه های مستقل و هم وابسته کاربرد دارد و لزومی ندارد که حتما حجم گروه های نمونه با یکدیگر برابر باشند.

آزمون تک نمونه ای دورها 

این آزمون مواقعی به کار می‌رود که توالی مقادیر متغیرها را بخواهیم آزمون نماییم که آیا تصادفی بوده و یا نه. در واقع آزمون کی دو و یا آزمون های دیگر که در آنها توالی متغیرها بی اهمیت است، در این آزمون مهم و اصل انگاشته می‌شود. به عبارت دیگر، برای اینکه بتوانیم در یک نمونه که در آن رویدادهای مختلف از طرف فرد و یا واحد آماری رخ داده است، آزمون نماییم که آیا این رویدادها تصادفی است یا نه، به کار برده می‌شود. هیچ آزمون دیگری همچون این آزمون نمی تواند توالی را مورد نظر قرار دهد. بنابراین برای این منظور منحصر به فرد می‌باشد.

آزمون علامت

این آزمون از انواع آزمونهای غیر پارامتری است و هنگامی به کار برده می‌شود که نمونه های جفت، مورد نظر باشد (مثل زن و شوهر و یا خانه های فرد و زوج و.). زیرا در این آزمون یافته‌ها به صورت جفت جفت بررسی می‌شوند و اندازه مقادیر در آن بی اثر است و فقط علامت مثبت و منفی و یا در واقع جهت پاسخ ها و یا بیشتر و کمتر بودن پاسخ های جفت‌های گروه مورد تحقیق (نمونه آماری) در نظر گرفته می‌شود. 

هنگامی که ارزشیابی متغیر مورد مطالعه با روشهای عادی قابل اندازه گیری نباشد و قضاوت در مورد نمونه های آماری (که به صورت جفت ها هستند) فقط با علامت بیشتر (+) و کمتر (-) مورد نظر باشد، از این آزمون می‌توان استفاده کرد. شکل توزیع می‌تواند نرمال و یا غیر نرمال باشد و یا از یک جامعه و یا دو جامعه باشند (مستقل و یا وابسته). توزیع باید پیوسته باشد. این آزمون فقط تفاوت های زوجها را مورد بررسی قرار می‌دهد و در صورت مساوی بودن نظرات هر زوج (مشابه بودن) آنها را از آزمون حذف می‌کند. چون مقادیر در این آزمون نقشی ندارند، شدت و ضعف و اندازه بیشتر یا کمتر بودن نظرات پاسخگویان (جفت ها) در این آزمون بی اثر است و در واقع نقص این آزمون حساب می‌شود.

آزمون تی هتلینگ (T)

آزمون T هتلینگ تعمیم یافته t استیودنت است. در آزمون t یک نمونه ای، میانگین یک صفت از یک نمونه، با یک عدد فرضی که میانگین آن صفت از جامعه فرض می‌شد، مورد مقایسه قرار می‌گرفت، اما در T  هتلینگ K متغیر (صفت) از آن جامعه (نمونه های جامعه) با k  عدد فرضی، مورد مقایسه قرار می‌گیرند. در واقع این آزمون از نوع آزمونهای چند متغیره است که همقوارگی (Goodness of fit) را بین صفت های مختلف از جامعه بدست می‌دهد. در T  هتلینگ دو نمونه ای نیز همچون T استیودنت دو نمونه ای، مقایسه دو نمونه است اما در این آزمون K صفت از یک جامعه (نمونه) با K صفت از جامعه دیگر (نمونه دیگر) مورد مقایسه قرار می‌گیرد.  

آزمون مان وایتنی U  

هر گاه دو نمونه مستقل از جامعه ای مفروض باشد و متغیرهای آنها به صورت ترتیبی باشند، از این آزمون استفاده می‌شود. این آزمون مشابه t استیودنت با دو نمونه مستقل است و آزمون ناپارامتری آن محسوب می‌شود. 

هرگاه شرایط استفاده از آزمونهای پارامتری در متغیرها موجود نباشد، یعنی متغیرها پیوسته و نرمال نباشند از این آزمون استفاده می‌شود. دو نمونه باید مستقل بوده و هر دو کوچکتر از 10 مورد باشند. در صورت بزرگتر بودن از 10 مورد باید از آماره های ‌‌Z  استفاده کرد (در محاسبات کامپیوتری، تبدیل به Z  به طور خودکار انجام می‌شود). در این آزمون شکل توزیع، پیش فرضی ندارد یعنی می‌تواند نرمال و یا غیر نرمال باشد.  

آزمون ویلکاکسون  

این آزمون از آزمونهای ناپارامتری است که برای ارزیابی همانندی دو نمونه وابسته با مقیاس رتبه ای به کار می‌رود. همچون آزمون مک نمار، این آزمون نیز مناسب طرح های ماقبل و مابعد است (یک نمونه در دو موقعیت مختلف)، و یا دو نمونه که از یک جامعه باشند. این آزمون اندازه تفاوت میان رتبه ها را در نظر می‌گیرد بنابراین متغیرها می‌توانند دارای جوابهای متفاوت و یا فاصله ای باشند. این آزمون متناظر با آزمون t دو نمونه ای وابسته است و در صورت وجود نداشتن شرایط آزمون t جانشین خوبی برای آن است. نمونه های به کار برده شده در این آزمون باید نسبت به سایر صفت هایشان جور شده (جفت شده) باشند.   

آزمون لون Levene

آزمون لون همگنی واریانس ها را در نمونه های متفاوت بررسی می نماید. به عبارتی فرض تساوی متغیر وابسته را برای گروه هائی که توسط عامل رسته ای تعیین شده اند، آزمون می کند و نسبت به اکثر آزمونها کمتر به فرض نرمال بودن وابسته بوده و در واقع به انحراف نرمال مقاوم است.

این آزمون در نظر می گیرد که واریانس جمعیت آماری در نمونه های مختلف برابر است. فرض صفر همگن بودن واریانس ها می باشد یعنی واریانس جمعیت ها با هم برابر است و اگر مقدار P-VALUE در اماره لون کمتر از 0.05 باشد تفاوت بدست آمده در واریانس نمونه بعید است که بر اساس روش نمونه گیری تصادفی رخ داده باشد. بنابراین فرض صفر که برابری واریانس ها می باشد رد می شود و به این نتیجه می رسیم که که بین واریانس ها در نمونه تفاوت وجود دارد.

پیشگفتار: جامعه های مختلف در آزمون های پارامتری و غیر پارامتری فقط با لحاظ صفت متغیر مورد بررسی و مقایسه قرار می گیرد.

اینک این سوال مطرح است که آیا واقعا فقط با یک صفت متغیر می توان جامعه های مورد بررسی را با هم مقایسه کرد.

طبیعی است جواب سوال مثبت نیست، در آزمون های Z، T وf افراد جامعه را فقط نسبت به صفت متغیر (x) مورد مطالعه قرار داده ایم در مورد همبستگی و رگرسیون دو یا چند متغیره نیز، مطالعه یک جامعه درباره دو یا چند متغیر یا صفت صورت می گیرد.

در واقع، این نوع تحلیل یک نوع تحلیل چند متغیره است.

حال در اینجا k متغیر را در نظر گرفته و آن را تحلیل کرده و سعی می کنیم که تعریف تحلیل چند متغیره تا حدودی تکمیل گردد.

برای این کار از هر فرد نمونه (فرد جامعه)، k صفت x1,x2,x3,…xk را اندازه می گیریم.

می خواهیم که آیا جامعه مورد نمونه گیری ما از حیث کلیه متغیرها مورد مطالعه وضع مشخصی دارد تا به طور روشن و اشکار قابل تشخیص باشد، یا در قیاس 2 یا چند جامعه این سوال مطرح می شود که آیا از حیث کلیه k، صفت متغیر مورد بررسی با هم یکی هستند یا خیر.

بر این اساس می توان صفات مشخصه جامعه را از هم جدا کرد.

 

مقدمه:

تحلیل واریانس به روشی گفته می شود که در آن، تغییر مشاهده شده در داده های آزمایشی به بخش های مختلفی تقسیم می شود و هر کدام از بخشهای به دست آمده دارای منبع مشخص و شناخته شده ای است.

مقدار نسبی تغییر حاصل مورد بررسی قرار می گیرد و تعیین می شود که آیا بخش معینی از تغییر با توجه به فرضیه صفر تدوین شده، بزرگتر از انتظار است یا خیر؟

تحلیل واریانس، به طور تنگاتنگی با طرح آزمایش ها در ارتباط است.

بدیهی است که هرگاه بخشهای مختلف تغییر به اثرهای معینی ارتباط داده شوند، آزمایشها را باید چنان طرح کرد که امکان چنین امری را به شیوه ای منطقی و دقیق فراهم سازند(فرگوسن و تاکانه، ترجمه دلاور و نقشبندی، 1387).

در آمار تجزیه واریانس به بخش های مختلف امری متداول است.

شیوه ای که به این منظور به کار برده می شود، تحلیل واریانس نامیده می شود.

این روش به وسیله ر.ا.فیشر گسترش یافت که گزارش آن در سال 1923 منتشر شد.

کاربرد اولیه این روش محدود به حوزه کشاورزی بود، ولی از آن زمان تا به حال در بسیاری از زمینه های آزمایشی کاربرد گسترده ای یافته است (فرگوسن و تاکانه، ترجمه دلاور و نقشبندی، 1387).

در پژوهش حاضر سعی بر آن است که یکی از انواع تحلیل واریانس به نام تحلیل واریانس چند متغیری (MANOVA) مورد تجزیه و تحلیل قرار گیرد.

 

تحلیل واریانس چند متغیره(MANOVA):

تحلیل واریانس چند متغیره (MANOVA) نوعی بسط تحلیل واریانس است که از آن هنگامی استفاده می شود که بیش از یک متغیر وابسته داشته باشیم.

این متغیرهای وابسته باید به نوعی ارتباط داشته باشند، یا باید یک دلیل مفهومی برای کنار هم قرار گرفتن آنها وجود داشته باشد.

MANOVA گروهها را مقایسه می کند و به شما می گوید که آیا میانگین تفاوت بین گروهها در ترکیبی از متغیرهای وابسته ناشی از شانس بوده است.

برای این کار MANOVA یک متغیر وابسته خلاصه جدید ایجاد می کند که ترکیب خطی از هریک متغیرهای وابسته اصلی است.

سپس تحلیل واریانس را با استفاده از این متغیر وابسته مرکب انجام می دهد.

MANOVA به شما می گوید که آیا تفاوت معناداری بین گروهها از لحاظ این متغیر وابسته مرکب وجود دارد یا خیر؛ همچنین نتایج تک متغیره را برای هر یک از متغیرهای وابسته به طور جداگانه ارائه می دهد (پلنت؛ ترجمه کاکاوند، 1389).

ساختار Manova شبیه به ساختار Anova است با این تفاوت که طرح های Manova دارای عبارت هایی برای متغیرهای وابسته چندگانه است.

در این طرح با این مسئله سر و کار داریم که آیا متغیرهای مستقل ارائه شده اثری بر متغیرهای وابسته دارد یا نه.

مثلاً آزمایشی که در آن بیش از یک متغیر وابسته وجود دارد را اجرا کرده ایم.

اگر بخواهیم از طرح Anova استفاده کنیم لازم است برای هر متغیر وابسته یک تحلیل تک متغیره اجرا کنیم که این روش خود دو عیب دارد:

اول این که تورم فوق العاده خطای نوع اول و دوم در آن دیده می شود، دوم این که عدم توانایی پژوهشگر در به حساب آوردن همبستگی میان متغیرهای وابسته در آن مشهود است و این عواقب منجر به نادرستی استخراج و تفسیر نتایج می شود.

علاوه بر این باید در نظر داشت که تحلیل تک متغیری نمی تواند همبستگی های درونی بین متغیرهای وابسته را اندازه گیری کند.

در Manova هر دو مسئله همزمان با یکدیگر کنترل می شود و همچنین همبستگی بین متغیرهای وابسته را به حساب می آورد.(Manova با تحلیل خطی بهینه (چند متغیری) متغیرها سر و کار دارد).

همچنین در Manova، مجموع مجذورات با مقادیر ماتریس سر و کار دارد.

البته در این مدل ماتریس، مجموع مجذورات و حاصلضرب آنهاست.

با توجه به اینکه یک ترکیب خطی ممکن است برای توجیه همه واریانس در N متغیر وابسته کافی نباشد، بنابراین Manova ترکیب خطی دوم را طوری استخراج می کند که مستقل از نخستین ترکیب باشد و واریانس باقیمانده را بیشینه سازد.

سپس ترکیب سوم به گونه ای که متعامد با نخستین و دومین ترکیب است و واریانس باقیمانده را بیشینه سازد استخراج می کند و این عمل تا حصول یک ملاک معین ادامه دارد.

بطور کلی ویژگی های مهم آزمون تحلیل واریانس چند متغیری شامل موارد زیر است:

1. ارزش ویژه، شاخص تمرکز واریانس مشترک بین اثر Manova و یک ترکیب خطی از متغیرهای وابسته چندگانه است.

2. همه مشخصه های آزمون Manova به عنوان تابعی از ارزش های ویژه محاسبه می شود.

3. ضرایب تابع تشخیص به عنوان تابعی از ارزش های ویژه محاسبه می شود.

4. ارزش های ویژه اطلاعاتی درباره اهمیت نسبی متغیرهای وابسته در ترکیب های خطی بهینه به دست می دهند. در روش MANOVA ماتریس حاصلضرب برداری کل (T) به دو گروه ماتریس حاصلضرب برداری بین گروه ها (B) و ماتریس حاصلضرب برداری درون گروه ها(W) تفکیک می شود.

T=B+W Tمیزان انحراف نمونه ها از میانگین را در هر سطح متغیر مستقل یا گروه از میانگین کل هر متغیر وابسته را نشان می دهد.

ماتریس B اثرات متفاوت تدابیرآزمایشی را روی مجموعه متغیرهای وابسته نشان می دهد.

در نهایت W نشان می دهد که نمونه ها در هر سطح یا گروه متغیر مستقل چگونه از میانگین های متغیرهای وابسته منحرف می شوند.

چهار آزمون آماری متعارف در این زمینه وجود دارد:

اثر پیلایی، لامبدای ویلکز، اثر هتلینگ و روش بزرگترین ریشه دوم. پرکاربردترین این آماره ها لامبدای ویلکز می باشد که براساس نسبت Wبر B+Wساخته می شود.

در عمل اگر اثرمتغیر مستقل بر متغیرهای وابسته از نظر آماری معنادار باشد، یعنی اگر تدابیرآزمایشی اثرگذار باشند، در اینصورت مقدار B نسبتا بزرگ و Wکوچک خواهد بود(لارنس و همکاران؛ ترجمه پاشا شریفی و همکاران، 1391).

بنیانگذاران آزمون:

اصول کلی تحلیل واریانس ابتدا توسط سر رونالد فیشر در سال 1919 ابداع شد.

و سپس جزییات آن توسط سایر آمار دانان تکمیل شد.

نوع آزمون (شرح علت پارامتریک؛ ناپارمتریک و.):

آزمون تحلیل واریانس چند متغیری جزء آزمون های پارامتریک محسوب می شود دلایل آن به شرح زیر می باشد:

1. هر یک از موارد مشاهده شده مستقل است، یعنی اینکه انتخاب یک مورد به انتخاب مورد دیگری وابسته نیست.

2. واریانس نمونه ها برابر یا تقریبا برابر است.

3. توصیف متغیرها براساس مقیاس فاصله ای یا نسبی انجام می گیرد.

4. توزیع نمره ها در جامعه نرمال (بهنجار) یا نزدیک به توزیع بهنجار است(پاشا شریفی و نجفی زند، 1380).

 

شرایط استفاده از آزمون (در مقیاس اسمی، داده های ترتیبی و.):

مفروضه های به کار گیری این آزمون عبارتند از:

سطح اندازه گیری. یکی از مفروضه های این آزمون این است که متغیر وابسته در سطح نسبی یا فاصله ای اندازه گیری شده باشد؛ یعنی استفاده از مقیاس پیوسته به جای طبقه های مجزا.

نمونه گیری تصادفی. باید نمره ها با استفاده از نمونه تصادفی از جامعه به دست آمده باشند.

استقلال مشاهدات. مشاهداتی که داده ها را تشکیل می دهند باید مستقل از یکدیگر باشند؛ یعنی هر مشاهده با اندازه گیری نباید تحت تاثیر مشاهده یا اندازه گیری دیگر باشد.

توزیع بهنجار. در روش های پارامتریک، فرض بر این است که جامعه ای که نمونه از آن گرفته می شود توزیع بهنجار داشته باشد.

همگنی واریانس. یکی دیگر از مفروضه های تحلیل واریانس چند متغیره این می باشد که نمونه ها از جامعه هایی با واریانس برابر به دست آمده باشند. این بدین معنی است که تغییر پذیری نمره های هر گروه مشابه است.

برای آزمون این مسئله، SPSS آزمون لوین را برای برابری واریانس ها به عنوان بخشی از تحلیل های تحلیل واریانس اجرا می کند(پلنت؛ ترجمه کاکاوند، 1389).

این چند مفروضه بالا برای تمام آزمون های پارمتریک می باشد.

در ادامه چند مفروضه اختصاصی برای آزمون تحلیل واریانس چند متغیره را ذکر می کنیم:

1- اندازه نمونه باید مورد هایی بیشتر از تعداد متغیرهای وابسته در هر خانه داشته باشیم.

در بهترین حالت، باید بیشتر از این مقدار داشته باشید، ولی این حداقل مطلق است. داشتن نمونه بزرگتر به ما کمک می کند تخطی از برخی مفروضه های دیگر (مثل بهنجاری) نتایج پژوهش را منحرف نکند.

2- بهنجاری اگر چه آزمون های معنادارری MANOVA مبتنی بر توزیع بهنجار چند متغیره هستند ولی در عمل این روش در مقابل تخطی های ناچیز ار حالت بهنجار مقاوم است. طبق گفته تاباکنیک فیدل (2007) اندازه نمونه حداقل 20 مورد در هر خانه می تواند این مقاومت را تضمین کند.

3- پرت ها MANOVA حساسیت خیلی زیادی به پرت ها دارد (یعنی داده ها یا نمره هایی که با بقیه نمره ها تفاوت دارد). باید پرت های تک متغیره (به طور جداگانه برای هر یک از متغیر های وابسته) و پرت های چند متغیره را بررسی کنید. پرت های چند متغیره افرادی هستند که ترکیب عجیبی از نمره ها را در متغیر وابسته دارند (مثلا نمره خیلی بالا در یک متغیر و نمره خیلی پایین در متغیر دیگر).

4- خطی بودن این مفروضه به وجود رابطه خطی مستقیم بین هر جفت از متغیرهای وابسته اشاره دارد. این مسئله را می توان به چند طریق ارزیابی کرد، که ساده ترین راه ایجاد ماتریس نمودار های پراکندگی بین هر جفت از متغیرها برای گروهها می باشد.

5- همگنی رگرسیون این مفروضه فقط در صورتی مهم است که بخواهید تحلیل رو به پایین انجام دهید. این روش هنگامی به کار می رود که علت نظری یا مفهومی برای رتبه بندی (مرتب کردن) متغیرهای وابسته خود داشته باشید.

6- هم خطی چند گانه و واحد بودن MANOVA هنگامی که متغیر های وابسته فقط در حد متوسطی همبستگی داشته باشند به بهترین شکل عمل می کند. در صورت وجود همبستگی های پایین، باید اجرای تحلیل واریانس تک متغیره جداگانه را برای متغیرهای وابسته مختلف خود در نظر بگیرید. وقتی متغیرهای وابسته همبستگی بسیار زیادی داشته باشند، به این مسئله هم خطی چند گانه می گویند. این حالت زمانی رخ می دهد که یکی از متغیرها ترکیبی از متغیر های دیگر است. به این حالت واحد بودن می گویند و با شناخت متغیرها و نحوه به دست آوردن نمره ها می توان از آن جلوگیری کرد.

7- همگنی ماتریس های واریانس-کوواریانس خوشبختانه آزمون این مفروضه به عنوان بخشی از خروجی MANOVA ایجاد می شود(پلنت؛ ترجمه کاکاوند، 1389).

 

کاربرد آزمون (همبستگی رابطه ها؛اثر و نقش، تفاوت یا مقایسه ها):

اغلب اتفاق می افتد زمانی که هدف محقق بررسی بیش از یک متغیر وابسته است، به جای استفاده از روش های چند متغیری هر بار یکی از متغیرهای وابسته را در نظر گرفته و از روش ANOVA برای تحلیل استفاده می نماید.

استفاده از این روش می تواند اشکالاتی را به وجود آورد که در ادامه به بیان آن ها می پردازیم:

1. آزمون های آماری تک متغیری به طور معمول همبستگی متقابل متغیرهای وابسته را نادیده می گیرد. در حالیکه روش MANOVAهمبستگی متقابل بین متغیرهای وابسته را با بررسی ماتریس های واریانس کواریانس در نظر می گیرد.

2. روش MANOVA محققان را قادر می سازد تا روابط بین متغیرهای وابسته را در هر سطحی از متغیرهای مستقل بررسی کنند.

3. این روش به شناسایی متغیرهای وابسته با بیشترین توان تفکیک در گروه بندی کمک می کند. MANOVAبه واسطه توان افزایش یافته در موقعیت چند متغیری می تواند تفاوت های گروهی نامشخص تحت شرایط تحلیل های آماری تک متغیری را آشکار نماید.

4. روش MANOVA سطح آلفای کلی یا میزان خطای نوع اول (یعنی احتمال این که فرض صفر درست بوده و به اشتباه رد شود)را کنترل می کند. برای مثال اگر بخواهیم تفاوت های جنسیتی(متغیر مستقل) را با چهار متغیر وابسته رضایت شغلی)پرداخت، مزایا، همکاران و محل کار) بررسی کنیم و برای این کار از چهار آزمون جداگانه t و یا روش ANOVAاستفاده نماییم، با سطح خطای 5% برای هر آزمون با خطای نوع اول برابر 0.054 مواجه خواهیم شد.

در این حالت استفاده از روش MANOVA این مشکل را برطرف می کند (لارنس و همکاران؛ ترجمه پاشا شریفی و همکاران، 1391).

حل مثال با نرم افزار spss:

دو گروه 80 نفری از بیماران مبتلا به دیابت و افراد سالم به عنوان نمونه مورد پژوهش در دست داریم.

از افراد دو گروه آزمون هوش هیجانی گرفته می شود و می خواهیم بدانیم که آیا بین دو گروه در مولفه های هوش هیجانی تفاوت وجود دارد یا نه؟

در جدول 1 شاخص های توصیفی دو گروه آورده شده است:

 

جدول 1 نشان می دهد میانگین و انحراف استاندارد در گروه دیابت نوع 2 در مولفه تنظیم هیجان برابر با38/35 و 25/6، بیان هیجان برابر با 21/47 و09/7، کاربرد هیجان برابر48/35 و 13/5 می باشد. میانگین و انحراف استاندارد در گروه سالم در مولفه تنظیم هیجان برابر با81/39 و35/5، بیان هیجان برابر با 98/49 و89/5، کاربرد هیجان برابربا 42/38 و31/5 12 می باشد.

قبل از بررسی تحلیل واریانس چند متغیره (MANOVA)، آنچه که باید درنظر گرفته شود، مباحث مربوط به رعایت کردن و بررسی کردن مفروضه های آماری است.

از جمله پیش فرض هایی که در تحلیل واریانس چند متغیره (MANOVA)منظور می‌گردد، فرض نرمال بودن توزیع با استفاده از آزمون (کولموگروف – اسمیرنوف) یا (K-S) است. این بررسی روی متغیرهای پژوهش انجام شد.

همانطور که از یافته های جدول 2 استنباط می شود، از آنجا که سطح معنی‌داری به دست آمده در آزمون (K-S)، در اکثر متغیر های پژوهش به تفکیک گروه، بیش از مقدار ملاک 05/0 می باشد، در نتیجه می توان گفت که توزیع متغیر های مورد بررسی در نمونه آماری داری توزیع نرمال می باشد و می توانیم فرضیه های پژوهش را از طریق آزمون های پارامتریک مورد آزمون قرار دهیم.

جهت تجزیه و تحلیل داده های مربوط به تفاوت بین دو گروه بیماران دیابت نوع 2 و افراد سالم از لحاظ مولفه های هوش هیجانی، از روش تحلیل واریانس چند متغیره (مانوا) بهره گرفته شد.

قبل از به کار گیری این آزمون مفروضه های این آزمون به وسیله آزمون باکس، لامبدای ویلکز و آزمون لون مورد بررسی قرار گرفت.

به همین منظور برای بررسی پیش فرض همگنی ماتریس واریانس - کوواریانس مولفه های هوش هیجانی در گروه های مورد پژوهش نیز از آزمون باکس استفاده شد.

نتایج آزمون باکس در جدول 3 آمده است:

 

جدول 3 نشان می دهد مقدار سطح معناداری(05/ 0 p>) می باشد که گویای آن است شرط همگنی ماتریس واریانس –کواریانس به خوبی رعایت شده است (125/1 = F و 05/0P>).

برای تعیین معنی داری اثر گروه بر مولفه های هوش هیجانی، از آزمون لامبدای ویلکز استفاده شد که نتایج حاصل در جدول 4 گزارش شده است:

نتایج آزمون لامبدای ویلکز نشان می دهد که بین دو گروه حداقل در یکی از مولفه های هوش هیجانی (تنظیم هیجان، بیان هیجان و کاربرد هیجان) تفاوت معنادار وجود دارد(364/9= (3و156)F و 01/0P<).

برای بررسی پیش فرض برابری واریانس های مولفه های هوش هیجانی در گروه های مورد پژوهش نیز از آزمون لون استفاده شد.

نتایج آزمون لون در جدول 5 آمده است:

جدول فوق گویای آن است که واریانس های مولفه های هوش هیجانی در دو گروه با هم برابر بوده و با یکدیگر تفاوت معنی داری ندارند، که این یافته، پایایی نتایج بعدی را نشان می دهد.

با توجه به نتایج به دست آمده از آزمون های باکس، لامبدای ویلکز و لون، تحلیل های مربوط به اثرات بین آزمودنی ها مورد بررسی قرار گرفت که نتایج به دست آمده در جدول شماره 6 قابل مشاهده است:

 

براساس جدول6، بین دو گروه بیماران مبتلا به دیابت نوع 2و افراد سالم، در مولفه تنظیم هیجان (100/23= (158و1)F و 01/0 P<) تفاوت معنادار وجود دارد. به این صورت که نمره تنظیم هیجان گروه دیابت به طور معناداری پایین تر از سالم است. متغیر گروه 8/12درصد واریانس تنظیم هیجان را تبیین می کند.

بین دو گروه بیماران مبتلا به دیابت نوع 2و افراد سالم، در بیان هیجان (235/7= (158و1)F و 01/0P<) تفاوت معنادار وجود دارد. به این صورت که نمره بیان هیجان گروه دیابت به طور معناداری پایین تر از گروه سالم است. متغیر گروه 4/4 درصد واریانس بیان هیجان را تبیین می کند.

بین دو گروه بیماران مبتلا به دیابت نوع 2و افراد سالم، در کاربرد هیجان (649/12= (158و1)F و 01/0P<)، تفاوت معنادار وجود دارد.

به این صورت که نمره کاربرد هیجان گروه دیابت به طور معناداری پایین تر از گروه سالم است.

متغیر گروه 4/7 درصد واریانس کاربرد هیجان را تبیین می کند.