SPSS manual
אבינח בר-לוי [email protected] תוכנת ה – :SPSS חוברת הסברים מפורטת לסטודנט (חלק א') עריכה :אבינח בר-לוי 1 אבינח בר-לוי [email protected] תוכן עניינים בניית קובץ נתונים 3.............................................................................................................................. : טרנספורמציות 5................................................................................................................................... : 5............................................................................................................................................ RECODE 8........................................................................................................................................ COMPUTE 11................................................................................................................................ : FREQUENCIES אופרציות בגיליון הנתונים 17................................................................................................................. : 17................................................................................................................................... SORT CASES 19....................................................................................................................................... SPLIT FILE 22................................................................................................................................ SELECT CASES מהימנות (אלפא קרונבך) 26............................................................................................................... : קשר בין משתנים :מתאם פירסון וספירמן 29......................................................................................... : רגרסיה לניארית חד משתנית 32............................................................................................................ : מבחני - tהבדלים בין קבוצות 37........................................................................................................... : מבחן tלבלתי תלויים 37....................................................................................................................... מבחן tלתלויים 39................................................................................................................................ CROSSTABSוחי בריבוע לאי תלות 41................................................................................................... : ניתוח שונות חד כיווני 45...................................................................................................................... : 2 אבינח בר-לוי [email protected] בניית קובץ נתונים בתוכנת SPSS ה SPSS -כולל 3סוגי קבצים: .1קובץ עריכת הנתונים הכולל 2לשוניות: -Data View הזנת הנתונים שהחוקר אסף (כל שורה היא תצפית /נבדק כל עמודה היא משתנה) – Variable Viewאפיון והגדרת המשתנים (כל שורה היא משתנה כל עמודה מאפיין) ,בלשונית זו יוצרים את המשתנים שהחוקר מעוניין שיהיו במחקר כפועל יוצא של הנתונים שאסף. .2קובץ פקודותSyntax - הקובץ מראה כל פקודה שבצענו .יש אפשרות לראות את הפקודה ולשנותה .3פלט- Out put -כולל את הממצאים העולים מניתוח הנתונים בניית קובץ הנתונים: בניית הקובץ כוללת :הקלדת נתונים והגדרת המשתנים הקיימים בקובץ הגדרת המשתנים תעשה תחת הלשונית ( Variable View -צד שמאל למטה) במסך הנתונים: 3 אבינח בר-לוי [email protected] בלשונית זו ,לשונית המשתנים מופיעות הגדרות והמאפיינים של כל אחד מהמשתנים שבקובץ הנתונים : -Nameשם המשתנה -Typeהגדרת סוג המשתנה (מסמנים האם הוא משתנה מספרי – numericאו שהוא משתנה המורכב מאותיות – )string -Decimalsהגדרת מספר הספרות אחרי הנקודה העשרונית -Widthהגדרת רוחב הערכים של המשתנה .ברירת המחדל היא 8תווים -Labelתיאור המשתנה בתווית -Valuesהגדרת תווית לקידוד המספרי של ערכים קטגוריאלים -Missingהגדרת ערכים חסרים -Columnsהגדרת רוחב העמודה -Alignיישור הטקסט (לימין ,שמאל או מרכז) -Measureהגדרת סולם המדידה (שמי – ,nominalסדר – ,ordinalמנה/רווח – .)scale לאחר הגדרת המשתנים ניתן להזין את הנתונים ,כלומר את הנבדקים או את התצפיות שהחוקר אסף ,תחת הלשונית .Data View -כל נבדק או תצפית היא שורה. 4 אבינח בר-לוי [email protected] טרנספורמציות בSPSS - בתוכנה קיים סרגל כלים איתו נעבוד .כאשר בכדי לבצע טרנספורמציות אנו משתמשים בלשונית : – Transform שינוי ערכים ויצירת משתנים חדשים על בסיס משתנים קיימים. נשתמש ב 3פקודות מיתוך אפשרויות ה – :Transform - Recode .1פקודה הממירה ערכים ,קידוד מחדש. - Compute .2מבצעת חישובים מתמטיים בין המשתנים על ידי יצירת משתנה חדש בקובץ הנתונים. - Count .3ספירת מספר הפעמים שערך או רשימת ערכים מופיעים בקבוצת משתנים (עדיין לא למדנו) Recode .1 לפקודה זו 3מטרות עיקריות שבהם נשתמש: א .הפיכת סקאלות של שאלות הפוכות – לעיתים בשאלונים ,בכדי למנוע מילוי שרירותי של הנבדקים ישנם שאלות שמנוסחות הפוך ולפני הניתוחים הסטטיסטיים נדרש להפוך את הסקאלות שלהם. ב. הפיכת משתנה כמותי למשתנה קטגוריאלי -למשל כאשר רוצים להפוך את המשתנה גיל הנבדק שהוא רציף למשנה בעל 3קטגוריות :צעיר ,מבוגר וקשיש. ג. צמצום מספר הקטגוריות של משתנה 5 אבינח בר-לוי [email protected] הפקודה מאפשרת : לדרוס נתונים קיימים recode into same variable -או ליצור משתנה חדשrecode into - different variable א .הפיכת סקאלות של שאלות הפוכות: 6 אבינח בר-לוי [email protected] לדוגמא אם בשאלון ניתן להקיף בעיגול את 1,2,3,4,5ואנו רוצים להפוך את הסקאלה אז ואז לוחצים על : ומימין 5 משמאל אנו כותבים 1 כך ממשיכים עם כל המספרים עד שבחלון של ה Old-New - מופיעים כל המספרים שהחלפנו : 7 אבינח בר-לוי [email protected] ב .הפיכת משתנה כמותי למשתנה קטגוריאלי במקום להשתמש ב – Valueכפי שעשינו בהיפוך הסקאלות נשתמש ב:Range - בדוגמת משתנה הגיל שאנו מעוניינים להפוך אותו לקטגוריות :צעיר ,מבוגר וזקן ,יש 3אפשרויות לקודד את הקטגוריות: .1מהגיל הנמוך ביותר שקיים במשתנה ועד לגיל מסויים (בדוגמא – )50ואז צריך לסמן כאן .2טווח מסויים של גילאים (בדוגמא מגיל 51עד גיל )70ואז צריך לסמן כאן .3מגיל מסויים (בדוגמא – )71ועד הגיל הגבוה ביותר ואז צריך לסמן כאן הערה :בכדי לכתוב בערך החדש קידוד של מילים (כמו צעיר ,מבוגר וכו') נדרש לסמן ב -וי כאן: Compute .2 השימוש השכיח ביותר :יצירת מדד כללי לשאלון (ממוצע או סכום) לדוגמא :שאלון אהבה לדברי מתיקה כלל 5שאלות הבוחנות את מידת האהבה של כל נבדק לדברי מתיקה .בסופו של דבר המטרה היא לבחון את האהבה לדברי מתיקה באופן כללי ולא על בסיס שאלה אחת ולכן נדרש לחשב משתנה חדש שיעשה ממוצע או סכום של כל היגד והיגד. איך מייצרים את הממוצע של השאלון ובעצם יודעים כמה כל נבדק אוהב דברי מתיקה? יש ליצור ציון כללי לכל נבדק בשאלון :ז"א ממוצע ברמת נבדק או ציון של סכום כולל ברמת הנבדק באמצעות פקודת COMPUTE 8 אבינח בר-לוי [email protected] בוחרים בפונקציה כאן: כותבים את שם המשתנה כאן: בוחרים בפונקציה המתמטית (במקרה שלנו ממוצע) כאן ומעלים אותה עם החץ שמעביר משתנים. נעביר אל תוך הסוגריים את המשתנים שנרצה ל בצע להם את הממוצע מהעמודה השמאלית – על ידי סימונם ולחיצה על החץ ,תוך הפרדה ביניהם באמצעות פסיק :במקרה שלנו המשתנים הם – Q1 , Q2וכו' 9 אבינח בר-לוי [email protected] המשתנה החדש יופיע בקובץ הנתונים תחת השם שקבענו לו: ניתן גם לעשות חישובים לבד ללא הפונקציות המובנות של התוכנה ,כמו להוסיף למשנההמשקל 2 +בשל משקל שלא תקין שהחסיר לכל נבדק 2קילו ועכשיו נדרש משתנה חדש שיעלה לכל נבדק מהמשקל שכתוב לו בתוכנה : 2+ מעבירים את המשתנה הרצוי לשינוי לחלון הימני: ופשוט כותבים במקלדת 2+ואז התוכנה תיצור משתנה חדש שיעלה לכל נבדק את משקלו ב . 2- 10 אבינח בר-לוי [email protected] סטטיסטיקה תיאורית ()frequencies לאחר בניית קובץ הנתונים והכנתו ניתן לארגן את הנתונים בטבלת שכיחויות ,להפיק מדדים תיאוריים ולתאר את ההתפלגות באמצעות גרפים .פעולות אלו מתבצעות באמצעות הפקודות המופיעות תחת הלשונית בסרגל כלים שנקראת: Descriptive statistics Analyze אנו נתמקד בעיקר בפקודת: -Frequenciesיצירת טבלת שכיחויות לכל סוגי המשתנים כולל הפקת מדדים תיאוריים. 11 אבינח בר-לוי [email protected] נפתח חלון ומעבירים את המשתנה /משתנים הרצויים מרשימת המשתנים בצד שמאל לחלון הריק מצד ימין. בברירת מחדל של התוכנה כאשר לא משנים שום דבר ,הפקודה תיצור טבלת שכיחויות עבור המשתנה הנבחר :כלומר במידה והשארנו את הסימון וי ונעשה okהמחשב יציג לנו בקובץ הפלט ( (outputאת טבלת השכיחויות של המשתנה/המשתנים שהועברו לחלון הימני (במקרה שלנו -ארץ לידה של הנבדק) קריאת פלט -טבלת שכיחויות : טבלה : 1 Statistics Eretz leida 60 0 Valid Missing -מראה כמה נבדקים במחקר ענו על השאלה וכמה נבדקים לא ענו על השאלה. 12 N אבינח בר-לוי [email protected] טבלה :2 Eretz leida Cumulative Percent Frequency Valid Percent Percent Israel 66.7 66.7 66.7 40 81.7 15.0 15.0 9 Hever Haamim 88.3 6.7 6.7 4 Ethiopia 100.0 11.7 11.7 7 aher 100.0 100.0 60 Total Valid מראה את טבלת התפלגות שכיחויות של המשתנה ארץ לידה: עמודה ראשונה :ערכי המשתנה ארץ לידה :Frequencyשכיחות מס' הפעמים שמופיע כל אחד מערכי המשתנה :Percentאחוזים מסך כל התצפיות :Valid Percentהאחוזים מסך כל התצפיות ללא ערכים חסרים :Cumulative Percentאחוזים מצטברים -שכיחות מצטברת באחוזים הפקת מדדים סטטיסטיים וגרפים בכדי להפיק מדדים סטטיסטים נלחץ על כפתור ה STATISTICS -בפקודת ה Frequencyואז יפתח את החלון הבא: 13 אבינח בר-לוי [email protected] מסמנים ב -וי את המדדים הרצויים למחקר:מדדי מרכז מדדי מיקום יחסי מדדי פיזור - -Meanממוצע -Medianחציון -Modeשכיח -Std. deviationסטיית תקן -Varianceשונות -Rangeטווח -Minimumנק' מינימום -Maximumנק' מקסימום – Quartilesרבעונים -Percentilesאחוזונים 14 אבינח בר-לוי [email protected] קריאת פלט – מדדים סטטיסטיים: Statistics gil hastudent 60 0 N Valid Missing 25.5667 Mean 25.0000 Median Mode 24.00 Std. Deviation 3.39674 Variance 11.538 17.00 Range 21.00 Minimum 38.00 Maximum Sum 1534.00 23.2500 25 25.0000 50 26.0000 70 26.7500 75 30.0000 90 Percentiles זו הצורה בה מופיעים המדדים הסטטיסטיים שנבחרו (במקרה שלנו בחרנו כמעט אתכולם) כאשר את האחוזונים ואת הרבעונים הפלט מחבר על פי גובה האחוז. גרפים: ניתן ליצור גרפים תחת הלשונית Chartsבפקודת הFrequencies- 15 אבינח בר-לוי [email protected] נפתח החלון הבא: = Pieעוגה –עבור משתנה שמי = Barמקלות – עבור משתנה בדיד -Histogramהיסטוגרמה עבור משתנה כמותי רציף 16 אבינח בר-לוי [email protected] אופרציות בגיליון הנתוניםselect cases, sort cases ,splite file: האופרציות מאפשרות לערוך שינויים בגיליון הנתונים דרך לשונית Dataבסרגל הכלים של התוכנה: - Sort cases .1מיון משתנים על פי סדר עולה או על פי סדר יורד .2 - Split Fileפיצול נתונים ע"י משתנה קטגוריאלי לצורך עריכת נתונים על כל קבוצה של נחקרים באופן נפרד. .3 .1 - Select Casesבחירת קבוצה חלקית של נבדקים ע"י הכתבת התנאי. cases - Sortכאשר רוצים למיין את הנבדקים (את השורות בקובץ הנתונים) על פי סדר ,למשל את השמות של הנבדקים על פי סדר עולה מ Aל Zאו להפך ,או אם רוצים לסדר את הנבדקים על פי גילם מהנמוך לגבוה או להפך משתמשים בפקודה זו: 17 אבינח בר-לוי [email protected] בוחרים באופציה כאן: ונפתח החלון הבא: מעבירים לחלון הימני את המשתנה אותו נהיה מעוניינים לסדר (במקרה שלנו גיל.)age - ובוחרים האם אנו מעוניינים בסידור מהנמוך לגבוה ,כלומר בסדר עולה ואז נבחר ב: או שנרצה לסדר מגבוה לנמוך ,כלומר בסדר יורד ואז נבחר ב: 18 אבינח בר-לוי [email protected] -סידור המשתנה יעשה כמובן בקובץ הנתונים ויראה כך (בחרנו בסדר עולה): .2 - Splite file כאשר החוקר מעוניין להציג או להשוואת בין נתונים סטטיסטיים אך לא לכל המשתנה באופן כללי כפי שהתוכנה עושה בברירת מחדל אלא לבדוק כל קבוצה/רמה של המשתנה בנפרד (למשל ממוצע של הגילאים אצל הבנות במחקר לעומת הבנים במחקר או השוואה בין ממוצע ציון הבגרות של אנשים בתל אביב לעומת אריאל). מה צריך לעשות ברמה התיאורטית? לבחור משתנה קטגוריאלי שאותו אנחנו מפצלים לרמות השונות (לדוגמא המשתנה "מקום מגורים" שבו 3רמות :אריאל ,תל אביב ורעננה) ומכאן והלאה ,עד שלא נבטל את הפקודה ,כל עיבוד סטטיסטי שנבצע הוא יעשה אותו בנפרד לנבדקים מת"א ,אריאל ורעננה. איך עושים זאת? 19 אבינח בר-לוי [email protected] בוחרים בלשונית Dataאת האפשרות splite file נפתח חלון עם האפשרויות הבאות : מכניסים את המשתנה (בדוגמא שלנו – , smokingמעשן או לא) למסך הימני. אם רוצים שהניתוחים יופיעו הנתונים של המעשנים והלא מעשנים בטבלה נפרדת בוחרים באפשרות הזאת: organize output by groups - אם רוצים שבניתוחים הסטטיסטיים יופיעו הנתונים של המעשנים והלא מעשנים באותה טבלה בוחרים באפשרות הזאת – : compare groups כאשר רוצים לבטל את הפיצול של המשתנה בוחרים באפשרות הזאת: 20 אבינח בר-לוי [email protected] איך רואים שהתוכנה ביצעה ? splite file בצד ימין למטה של קובץ הנתונים יופיע המשפטsplit by smoking : איך נראה את זה בפלט? כאשר נבצע למשל חישוב של ממוצע וס"ת של כל משתנה בקובץ ,הוא יבצע את הניתוחים בנפרד לכאלו שמעשנים וכאלו שלא. בדוגמא להלן חישבנו את הממוצע וס"ת התקן של גיל הנבדקים וכפי שניתן לראות בקובץ ה – outputיופיעו הניתוחים בנפרד לכאלו שמעשנים וכאלו שלא מעשנים (אגב ,הפלט להלן הוא כאשר נבחר לעשות שהקבוצות יופיעו בטבלה אחת): Statistics age 10 0 Valid Missing 39.40 11.187 30 0 33.67 10.469 21 N no Mean Std. Deviation Valid N Missing Mean Std. Deviation yes אבינח בר-לוי [email protected] .3 Select cases -כאשר אנו רוצים למחוק ,כלומר לא להתייחס אל קבוצה /רמה מסוימת מתוך משנה כל שהוא .למשל אם עשינו מחקר והחלטנו לא להתייחס בניתוחים הסטטיסטיים לבנים במחקר .לאחר שבצענו את הפעולה עד שלא נבטל אותה ,כל ניתוח שנעשה יבוצע רק על הבנות. בוחרים בלשונית Dataאת האפשרות select cases ונפתח חלון הבא: 22 אבינח בר-לוי [email protected] בוחרים באפשרות של if condition is satisfiedואז נפתחת האפשרות לבוחר אתif : ונפתח החלון הבא: מעבירים לחלונית מצד ימין את המשתנה בו נרצה להוריד קבוצה מסוימת : 23 אבינח בר-לוי [email protected] 3דוגמאות : נבחר רק בנבדקים בעלי וותק גבוה מ 10-שנים נבחר רק באלו שהם בעלי רמת השכלה 3או 2 24 אבינח בר-לוי [email protected] כיצד זה נראה בקובץ ? מחק את מי שבעל השכלה=1 לחילופין נבחר רק את הגברים שגילם צעיר מ35- איך זה נראה בקובץ הנתונים? 25 אבינח בר-לוי [email protected] רק הנבדקים 13 ,5 ,1עומדים בתנאי ולכן לא מחוקים בקו הן גם גברים וגם מעל גיל 35 כל פעולה שנבצע כעת תיקח בחשבון רק את שלושת הנבדקים . מהימנות כעקיבות פנימית בודקת האם המדד הומוגני :באיזה מידה כל פריטיו בודקים את אותה תכונה .נעשה בשני דרכים א .מהימנות מבחן חצוי (לא למדנו) ב .אלפא של קורנבאך -מחושבת על ידי נוסחה המודדת מתאם של כל פריט עם שאר הפריטים .ככל שאלפא גבוהה יותר המבחן יותר הומוגני ובעל עקיבות פנימית גבוהה יותר .אנחנו צריכים להגיע לאלפא ששווה לפחות 0.6 הערך אלפא מתבסס על המתאמים שבין כל פריט לכל אחד מהפריטים האחרים .הוא משקלל את ממוצע המתאמים ומספר הפריטים שנכנסו לניתוח .הערך שמתקבל נע בין 0ל1 במידה ומתקבלת אלפא נמוכה ורוצים לשפר את מהימנות השאלון ניתן לבצע ניתוח פריטים . לבדוק איזה פריטים כדאי להוציא מהשאלון על מנת לשפר את את המהימנות. שתי דרכים: א .מחשבים את המתאם של הפריט עם המבחן כולו .אם נמוך ניתן לשקול לוותר עליו אם המתאם גבוה סימן שהוא בודק את אותה תכונה שהשאלון בודק. ב .מחשבים את האלפא שהייתה מתקבלת אם היינו משמיטים את הפריט .אם המהימנות גבוהה יותר בלעדיו ניתן לוותר עליו. 26 אבינח בר-לוי [email protected] בנוסף ,על ידי הניתוח ניתן לראות האם יש שאלה שייתכן והסקאלה שלה הפוכה :כאשר המתאם בינה לבין שאר הפריטים הוא שלילי עולה חשד כי קיימת שאלה שהסקאלה שלה הפוכה משאר השאלות ולכן המתאם בינה לבין שאר המבחן הוא שלילי (אבל לא קרוב ל ,0יפורט בהמשך) ביצוע המבחן reliability analysis Analyze scale ואז נפתח החלון הבא: מעבירים את הפריטים שאנו רוצים שיכללו בניתוח המהימנות של השאלון (בד"כ כל פריטי ולוחצים על: השאלון) לחלון הימני ונפתח החלון הבא :ובו מסמנים את האפשרות scale if item deleted 27 אבינח בר-לוי [email protected] ב.ניתוח פלט טבלה ראשונה מציגה את מס' המקרים שנכללו בחישוב: Case Processing Summary N % 100.0 20 .0 0 100.0 20 Valid Cases Excludeda Total a. Listwise deletion based on all variables in the procedure. ואת מספר השאלות בניתוח: טבלה שנייה מציגה את ערך אלפא Reliability Statistics Cronbach's N of Items 6 Alpha .928 טבלה שלישית : עמודה שלישית :מתאם של כל פריט עם המבחן כולו .בעמודה זו ניתן לראות אם שכחנו אולי להפוך סקאלות .אם יצא שהמתאם של שאלה מסוימת עם שאר השאלות הוא שלילי ייתכן שהסיבה לכך היא כי הסקאלה הפוכה .כמובן שאין לפסול את האפשרות כי הסיבה למתאם שלילי עם שאר השאלות כי השאלה פשוט לא מהימנה באופן חריג. Item-Total Statistics Cronbach's Alpha if Item Deleted Scale Variance if Corrected ItemTotal Correlation Item Deleted Scale Mean if Item Deleted .907 .846 45.103 15.4500 q1 .914 .795 46.411 15.1000 q2 .946 .560 48.682 15.4500 q3 .910 .825 44.905 15.2000 q4 .900 .911 44.642 15.3000 q5 .907 .843 43.566 15.2500 q6 עמודה רביעית :האלפא של קורנבאך אם הפריט יושמט .בעמודה זו ניתן לנתח את השאלון ולבחון איזו שאלה ,אם נשמיט אותה ,נשפר את המהימנות ואת העקיבות הפנימית של השאלון. 28 אבינח בר-לוי [email protected] כלומר שאלה שאם נוריד אותה ,האלפא (המהימנות הפנימית) תעלה באופן משמעותי ,היא שאלה שפוגעת לנו במהימנות וייתכן כי כדאי להוריד אותה ובכך לשפר מהימנות השאלון. בדוגמא שלהלן נראה כי שאלה 3היא שאלה שבמידה ונשמיט אותה המהימנות תעלה מ 0.928ל 0.946ולכן כדאי להשמיטה .שאר השאלות ,במידה ונשמיט אותם האלפא (המהימנות) תרד, כלומר הם תורמים ליצירת מהימנות טובה לשאלון ואין צורך להשמיטם (צריך כמובן לזכור כי להוריד שאלה הוא דבר שצריך להיעשות בשיקול דעת כיוון שככל שלשאלון יש יותר פריטים הוא מקיף את התכונה או הנושא אותו הוא בודק מכיוונים שונים שייתכן וחשובים לבחינת כל הפנים והצדדים של הנושא) דיווח בבדיקת מהימנות באמצעות אלפא של קורנבך עבור השאלון אהבה לדברי מתיקה הכולל 6 פריטים נתקבלה . α =0.928לאחר השמטת פריט מס' 3נתקבלה .α=0.946 קשר בין משתנים – מתאם פירסון וספירמן כאשר באים לבדוק האם קיים קשר בין 2משתנים ,כלומר מה וכמה השינוי במשתנה מסויים כאשר המשתנה השני משתנה ,משתמשים במתאם פירסון וספירמן .כאשר: :Spearmanמשתנה אחד לפחות מסולם סדר .המשתנה השני מסולם סדר ומעלה : Pearsonשני המשתנים מסולם רווח או מנה. מקדם המתאם (מספר) מתאר את עוצמת הקשר בין המשתנים ואת כיוון הקשר הערכים של מקדם המתאם נעים בין ( )-1ל)+1( - סימן המתאם מעיד על כיוונו r>0מתאם חיובי (ככל ש Xגדל כך גם Yגדל או ככל שXקטן Yקטן). r<0מתאם שלילי (ככל ש Xגדל כך Yקטן או ככל שXקטן Yגדל). r=0אין קשר בין המשתנים. עוצמת המבחן נמדדת על פי ערכו של המתאם בערך מוחלט (ללא הסימנים) .זאת אומרתללא קשר לכיוון הקשר ,ככל ש ׀r׀ גדול יותר ,כך הקשר בין המשתנים חזק יותר. r=0אין קשר לינארי r=±1קיים קשר מלא /מושלם בין המשתנים . -0-0.39קשר חלש - 0.4-0.59קשר בינוני -0.6-1קשר חזק 29 אבינח בר-לוי [email protected] ביצוע מתאם בתוכנת הSpss - Bivariate Analyze Correlate לאחר מיכן נפתח החלון הבא: ובו מעבירים לחלון הימני את המשתנים שאנו מעוניינים לבדוק את הקשר בינם .ניתן להכניס יותר משני משתנים אך המתאמים יעשו בין כל שני מתאמים בלבד. אם נדרש לעשות מתאם פירסון אין צורך לסמן כי זה ברירת המחדל .ואם נדרש מתאם ספירמן ,נסמן את :ומסיימים בpaste - 30 אבינח בר-לוי [email protected] ניתוח הפלט אופן ניתוח הפלט וכן צורת הדיווח זהה בין מתאם פירסון לספירמן ועל כן מכאן מוצג רקמתאם פירסון לצורך הדוגמא. Correlations gil hastudent ציון פסיכומטרי ממוצע ציוני בגרות -.152 ** .247 .000 60 52 60 -.055 1 **.739 .739 .697 1 Pearson Correlation )Sig. (2-tailed N Pearson Correlation .000 52 52 52 1 -.055 -.152 .697 .247 52 60 60 ציון פסיכומטרי ממוצע ציוני בגרות )Sig. (2-tailed N Pearson Correlation gil hastudent )Sig. (2-tailed N **. Correlation is significant at the 0.01 level (2-tailed). הפלט בנוי כמטריצה בה אותו משתנה מופיע פעמים :אופקית ואנכית. עבור כל משתנה מתקבלים 3ערכים : שורה ראשונה :המתאם (עם עצמו תמיד שווה ) )1עם המשתנה השני שורה שנייה :מובהקות המבחן sig -קטן מ . 0.05המבחן מובהק סטטיסטית. שורה שלישית :מספר הנבדקים שנכללו בחישוב המתאם בדוגמא לעיל קיים מתאם חיובי חזק ( ) r=0.739ומובהק ( (sig<0.05בין ציוןפסיכומטרי לבין ציוני בגרות ,כלומר ככל שציון הבגרות עולה כך גם ציון הפסיכומטרי עולה. שאר הקשרים (הקשר בין בגרות וגיל והקשר בין פסיכומטרי וגיל) נמצאו לא מובהקים( )sig<0.05ועל כן לא מצביעים מבחינתנו על קשרים בין המשתנים. דיווח בכדי לבחון האם קיים קשר בין גיל הנבדק ,ציוני בגרות ומבחן פסיכומטרי נערך מתאם פירסון בין המשתנים ונמצא כי קיים קשר חיובי מובהק בין ציון בגרות וציון פסיכומטרי ) )r=0.739, p<0.01כך שככל שציון הבגרות גבוה יותר ציון הפסיכומטרי גבוה יותר. לא נמצא קשר מובהק בין המשתנים ציון בגרות וגיל וכן בין פסיכומטרי וגיל (.)p>0.05 31 אבינח בר-לוי [email protected] רגרסיה לניארית כאשר קיים קשר בין שני משתנים אפשר למצוא קו ישר המנבא באופן הטוב ביותר את ערכי משתנה אחד מתוך ערכי המשתנה השני -קו רגרסיה. לאחר חישוב מתאם (מבחני רגרסיה מבוססים על מתאם) בין שני משתנים ,מקבלים מקבץ נקודות yכפונקציה של נקודות . x רגרסיה מאפשרת לנו יכולת ניבוי .כמה אפשר להסביר את yכפונקציה של ..Xכאשר קיימת מגמה או שינוי שיטתי ליניארי של משתנה אחד כפונקציה של השני אנו נמצא קו ממוצע של פיזור הנקודות קו רגרסיה :קו שנמצאות עליו כל הנקודות המנובאות של yלכל x באמצעות קו הרגרסיה נוצר yמנובא שאינו בהכרח ה yהמקורי. מאפייני קו הרגרסיה: .1סכום הסטיות ממנו לנקודות המקוריות הוא אפס .2סכום ריבועי הסטיות של כל הנקודות ממנו הוא מינימלי המטרה הסופית היא להסיק ממדגם לאוכלוסייה באופן המתחשב בחוסר הדיוק הנובע מניבוי על פי ערך מתאם שאינו מושלם . בשביל להגדיר קו ליניארי נדרש למצוא: .1שיפוע -קצב השינויb - .2נקודת חיתוך עם ציר ה )constant( a – y משוואת הרגרסיה היא . Ŷ= bx+a -המשוואה מורכבת מ: - Xiציונו של נחקר במשתנה המנבא -הבלתי תלוי. - Yiציון שמקבל הנחקר למעשה במשתנה התלוי. - Ŷiציונו הצפוי של הנחקר על פי ניבוי של קו ישר. - aה"קבוע" -נקודת החיתוך של קו הרגרסיה עם ציר ה.y - - bמקדם הרגרסיה -השיפוע של קו הרגרסיה -תלוי ביחידות המדידה של .Xמציין בכמה יחידות משתנה ערך ,yלכל עלייה של ערך xביחידה אחת. 32 אבינח בר-לוי [email protected] שארית ( :)Eהיא ההפרש בין הערך הנצפה (שהתקבל בפועל) לבין הערך המנובא ע"י משוואת הרגרסיה .אם הציון המתקבל בפועל שווה בדיוק לציון המנובא ע"י משוואת הרגרסיה ,הניבוי אינו כרוך בטעות והציון הנצפה יימצא על קו הרגרסיה .כי אז השארית שווה אפס .אולם ,לרוב קיים פער מסוים בין הערך המנובא והנצפה של . Yככל שערכה המוחלט של השארית קטן יותר- הניבוי טוב יותר. ממוצע השאריות (ומכאן ,גם סכומן) שווה .0משוואת הניבוי הטובה ביותר היא זו שלה סכום ריבועי שאריות קטן ביותר. גרף לדוגמא של קו רגרסיה מסויים: הליך זה מאפשר לנבא את המשתנה התלוי באמצעות משתנה בלתי תלוי Regression Linear ניתוח פלט המטרה היא למצוא מהו כלל הניבוי הליניארי הטוב ביותר ,כך שציונו הצפוי של הנחקר (עפ"י הנוסחה) יהיה קרוב ,עד כמה שניתן ,לציונו הממשי .במילים אחרות נרצא שהקו הרגרסיה יעבור הכי קרוב שאפשר מהנקודות הנצפים של המשתנה .Y 33 אבינח בר-לוי [email protected] ביצוע רגרסיה לינארית בתוכנת הSpss - הפקודה: Analyze Regression Linear ואז נפתח החלון הבא :שבו מכניסים לחלון הימני העליון את המשתנה המנובא (התלוי) לחלון התחתון את המשתנה המנבא (הבלתי תלוי) ומסיימים בpaste - 34 אבינח בר-לוי [email protected] ניתוח הפלט טבלה שנייה של הפלט (הראשונה אינה מוצגת): Model Summary Std. Error of the Adjusted R Estimate Square .537 28.76846 R Square .546 Model R .739a 1 בגרות ציוני ממוצע a. Predictors: (Constant), -Rזהו המתאם המרובה -בין כל המשתנים הבלתי-תלויים במודל ,לבין התלוי .ברגרסיה חד- משתנית ,זהו ערכו של מדד פירסון .במקרה שלנו הוא .0.739 -R squareאחוז השונות המוסברת .הפירוש יהיה :כי ניתן להסביר ( 54.6%מכפילים ב 100את המתאם בריבוע) מהשונות של המשתנה ציון פסיכומטרי על ידי השונות במשתנה ציון ציון בגרות. -Adjusted R Squareשונות מוסברת מתוקננת -לצורך השוואה בין מודלים אשר בהם מספר משתנים מסבירים שונה (נלמד בהמשך). טבלה שלישית ( בה ניתן לדעת מה המשתנה המנבא ומה המשתנה המנובא): ANOVAb Sig. .000a F 60.037 df Mean Square Model Sum of Squares 49688.007 1 49688.007 Regression 827.624 50 41381.224 Residual 51 91069.231 Total 1 בגרות ציוני ממוצע a. Predictors: (Constant), פסיכומטרי ציון b. Dependent Variable: -Sum of Squaresסכום הריבועים: -Regressionסכום הריבועים של שונות הרגרסיה. -Residualסכום הריבועים של הטעויות . -Totalסה"כ סכום הריבועים. אנו מתייחסים לסטטיסטי של מודל הרגרסיה -F -הבוחן את מובהקות המודל .רואים שכאן שהוא מובהק ( .)sig = 0.000פירוש -Sigמובהקות המודל. כאשר sig < 0.05מודל הרגרסיה מובהק ב .95% -כלומר יש 5%סיכוי לטעות. אם sig < 0.01מודל הרגרסיה מובהק ב .99% -כלומר יש 1%סיכוי לטעות. אם sig > 0.05מודל הרגרסיה לא מובהק .הסיכוי לטעות גדול יותר ממה שהחוקר מוכן לקחת. 35 אבינח בר-לוי [email protected] טבלה רביעית (טבלת המקדמים): a Coefficients Standardized Coefficients Sig. t .000 7.102 .000 7.748 Beta .739 Unstandardized Coefficients Std. Error B 44.148 313.555 5.218 40.427 Model )(Constant 1 ממוצע ציוני בגרות פסיכומטרי ציון a. Dependent Variable: -Bמקדם הרגרסיה הגולמי -לדוגמה :מלמד בכמה יחידות משתנה ציון הפסיכומטרי כשציון הבגרות משתנה ביחידה אחת -נמצא בשורה השנייה מול המשתנה המנבא: -Constantהקבוע ( -)aשורה ראשונה ,תחת .B ( Betaנלמד בהמשך) -מקדם הרגרסיה המתוקנן כלומר .rכל עלייה ביחידה נוספת בציון הבגרות תעלה את הציון הפסיכומטרי ב 0.739 -יחידות תקן. על ידי טבלה זו ניתן לבנות את משוואת הרגרסיה לניבוי ציון פסיכומטרי על ידי ציוןבגרות .במקרה שלנו זה . Ŷ= 40.42x+313.55כלומר לנבדק שיש לו ציון 8בבגרות, נציב במקום ה 8 ,Xונקבל כי ציון הפסיכומטרי של המנובא של אותו נבדק יהיה: .651.92 דיווח לבדיקת ניבוי ציון הפסיכומטרי על ידי ציון הבגרות בוצע ניתוח רגרסיה ליניארית ונמצא כי ככל שציון הבגרות עולה גם הציון בפסיכומטרי עולה ((F(1,50)=60.03, p<0.01,R=0.739, B=40.42 ציון הבגרות מסביר 54.6%מהשונות במשתנה ציון פסיכומטרי. 36 אבינח בר-לוי [email protected] מבחן tלבלתי תלויים מבחן המשווה ממוצעים של שתי קבוצות שאינן תלויות אחת בשניה ,ובוחן האם קיים הבדל בינם (משתנה בלתי תלוי אחד בעל 2רמות/קבוצות ומשתנה תלוי אחד) .למשל ,כאשר רוצים לגלות האם קיימים הבדלים בין בנים ובנות בממוצע ציון הבגרות. ביצוע המבחן בתוכנת הSpss - הפקודה: ANALYZE > COMPARE MEANS > INDEPENDENT SAMPLES T TEST ואז נפתח החלון הבא :ומכניסים את המשתנה התלוי והמשתנה הבלתי תלוי לחלונות הימניים. לאחר שהכנסנו את המשתנה הבלתי תלוי אנו נדרשים הגדיר את הרמות/הקבוצות אותם נשווה במשתנה זה (למשל אם יש 3קבוצות :אריאל ,תל אביב ורעננה וכאמור ניתן להשוואת רק 2 קבוצות) ונלחץ על define groupsויפתח החלון הבא :ובו נגדיר את הקבוצות -בנים ובנות 37 אבינח בר-לוי [email protected] ניתוח הפלט: Group Statistics Std. Error Mean Mean Std. Deviation מין הנבדק N .12474 .63605 8.1846 26 ben .16284 .83031 8.6692 26 bat ממוצע ציוני בגרות Independent Samples Test Levene's Test for t-test for Equality of Means Equality of Variances 95% Confidence Interval of the Difference Std. Error Upper Lower Mean Difference Difference Sig. (2)tailed t df -.07261 -.89662 .20512 -.48462 .022 50 -.07192 -.89731 .20512 -.48462 .022 -2.363 46.825 Sig. .191 -2.363 F 1.759 Equal variances ממוצע ציוני assumed בגרות Equal variances not assumed בכדי לדעת שמדובר בניתוח פלט של tלבלתי תלויים ניתן להסתכל בכותרת של הטבלהשנייה : שלבי ניתוח הפלט: .1מסתכלים ב sigשל :LEVEN’S TEST FOR EQUALITY p>0.05השונויות של שתי הקבוצות שוות ) (EQUAL VARIANCE ASSUMEDואז הניתוח נעשה על ידי השורה הראשונה בלבד p<0.05השונויות של שתי הקבוצות לא שוות )(EQUAL VARIANCE NOT ASSUMED ואז הניתוח נעשה על ידי השורה השנייה בלבד. .2במידה והתוצאה מובהקת ,כלומר ה sig -בשורה הנבחרת הוא נמוך מ , 0.05יש לפנות לטבלת הממוצעים המופיעה בתחילת הפלט ,ולראות למי משתי הקבוצות ממוצע גבוה יותר .ואז לדווח באופן הבא: 38 אבינח בר-לוי [email protected] אופן הדיווח: על מנת לבחון האם קיימים הבדלים בממוצע ציוני הבגרות בין נשים לגברים נערך מבחן t למדגמים בלתי תלויים ונמצא כי ממוצע הבגרות של בנות ( )M=8.66, sd=0.83גבוה יותר באופן מובהק מממוצע הבגרות של בנים (.)t(50)=-2.36, p<0.05.( )M=8.18, sd=0.63 במידה וההבדל בין הקבוצות לא היה מובהק היינו מדווחים כך: על מנת לבחון האם קיימים הבדלים בממוצע ציוני הבגרות בין נשים לגברים נערך מבחן t למדגמים בלתי תלויים ונמצא אין הבדל מובהק בין בנות ובנים בממוצע הבגרות (.) p>0.05 מבחן tלתלויים מבחן המשווה ממוצעים של שתי קבוצות התלויות אחת בשניה ,ובוחן האם קיים הבדל בינם. תלות קיימת כאשר ישנו קשר בין הנבדקים משתי הקבוצות ,למשל ,במצב שבו בקבוצה אחת נחקרות הנשים ,ובשניה נחקרים בעליהן .מצב שכיח נוסף קורה כאשר משווים בין שני ציונים של אותה קבוצה (לדוגמא ,משווים את ציוני הפסיכומטרי לפני ואחרי הקורס). ביצוע המבחן בתוכנת הSpss - הפקודה: ANALYZE > COMPARE MEANS > PAIRED-SAMPLES T TEST ואז נפתח החלון הבא :ובו נכניס ברצף את שני המשתנים ומסיימים ב paste 39 אבינח בר-לוי [email protected] ניתוח הפלט: בכדי לדעת כי הפלט הוא של מבחן tלתלויים ניתן לראות כי כותרות הטבלה הן:Paired Samples Statistics Std. Deviation Std. Error Mean Mean N .35744 1.59852 20 3.1500 .11239 .50262 20 4.4000 כמות הפגיעות במטרה לאחר מאמץ Pair 1 גופני כמות פגיעות לפני מאמץ Paired Samples Correlations Sig. Correlation -.275 .240 N כמות הפגיעות במטרה לאחר מאמץ 20 Pair 1 גופני & כמות פגיעות לפני מאמץ Paired Samples Test Paired Differences 95% Confidence Interval of the Difference Sig. (2)tailed .006 df 19 t -3.101 Upper -.40628 Lower -2.09372 Std. Error Std. Mean Deviation .40311 1.80278 Mean -1.25000 כמות הפגיעות במטרה Pair 1 לאחר מאמץ גופני -כמות פגיעות לפני מאמץ במידה והתוצאה מובהקת ,כלומר ה sig -בקצה הטבלה השלישית הוא נמוך מ , 0.05יש לפנות לטבלת הממוצעים המופיעה בתחילת הפלט ,ולראות למי משתי הקבוצות ממוצע גבוה יותר .ואז לדווח באופן הבא על פי ה df -וה:t - אופן הדיווח: על מנת לבחון האם קיימים הבדלים בכמות הפגיעות במטרה לפני ואחרי מאמץ נערך מבחן t למדגמים תלויים ונמצא כי ממוצע הפגיעות לפני מאמץ גדול יותר באופן מובהק ( M=4.40, )sd=0.50מהפגיעות לאחר מאמץ (.)t(19)=-3.10, p<0.01( )M=3.15, sd=1.59 40 אבינח בר-לוי [email protected] : CROSSTABSטבלת צילווח וחי בריבוע לאי תלות הפקודה מציגה שכיחות משותפת של שני משתנים קטגוריאליים גם במספרים וגם באחוזים. כמו כן ,ניתן להפיק מתאם קרמר בעזרת חי בריבוע ,בין שני המשתנים :כלומר לבדוק האם קיים תלות (קשר) בין 2משתנים קטגוריאליים. ביצוע המבחן בתוכנת הSpss - הפקודה: descriptive statistics ------- crosstabs Analyze ----- ואז נפתח החלון הבא :ובו מכניסים את שני המשתנים הקטגוריאליים לחלונות הימניים כאשר אחד מוכנס לשורות הטבלה (בדוגמא מצב משפחתי( ואחד לטורים של הטבלה (בדוגמא מין הנבדק): במידה ומעוניינים לבדוק קשר בין המשתנים ,לוחצים על ststisticsונפתח החלון הבא: 41 אבינח בר-לוי [email protected] ומסמנים ב "וי" את ה – chi squareואת phi and cramer -ולוחצים על continue כמו כן ,לוחצים על cellונפתח החלון הבא: ובו מסמנים את שלושת ה – percentagesב "וי" . 42 אבינח בר-לוי [email protected] ניתוח הפלט: בטבלה השנייה (הראשונה המוצגת כאן) מוצגת טבלת פילוח של המשתנים הקטגוריאליים שנבחרו גם באחוזים וגם במספרים: מצב משפחתי * מין הנבדק Crosstabulation מין הנבדק נקבה Total זכר Count 27 7 20 100.0% 25.9% 74.1% משפחתי מצב % within 45.0% 23.3% 66.7% הנבדק מין % within 45.0% 11.7% 33.3% % of Total 23 18 5 100.0% 78.3% 21.7% משפחתי מצב % within 38.3% 60.0% 16.7% הנבדק מין % within 38.3% 30.0% 8.3% 10 5 5 100.0% 50.0% 50.0% משפחתי מצב % within 16.7% 16.7% 16.7% הנבדק מין % within 16.7% 8.3% 8.3% 60 30 30 100.0% 50.0% 50.0% 100.0% 100.0% 100.0% 100.0% 50.0% 50.0% Count רווק מצב משפחתי נשוי % of Total Count גרוש % of Total Count Total משפחתי מצב % within הנבדק מין % within % of Total הטבלה הראשונה כוללת: א .את השכיחות במספרים בכל תא (לדוגמא ישנם 20רווקים שהם זכרים) ב .התייחסות לשכיחות ב %מתוך המשתנה שבשורות (לדוגמא :מיתוך הרווקים74.1% , הם זכרים) ג .התייחסות לשכיחות ב %מתוך המשתנה שבטורים (לדוגמא :מיתוך הזכרים 66.7% ,הם רווקים) ד .התייחסות לשכיחות ב %מתוך סה"כ המדגם (לדוגמא :מיתוך כלל הנבדקים במחקר 33.3%הם גברים רווקים) 43 אבינח בר-לוי [email protected] הטבלה השנייה והשלישית כוללת: מסתכלים בשורה הראשונה שכוללת את ערך החי בריבוע ,את דרגות החופש ואת רמת המובהקות שמגלה לנו האם יש תלות בין המשתנים .בטבלה השלישית רואים בשורה הראשונה את עוצמת הקשר בין המשתנים: Chi-Square Tests Asymp. Sig. (2)sided Value df .001 2 13.607a .001 2 14.327 .023 1 5.164 Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases 60 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 5.00. Symmetric Measures Value Approx. Sig. .001 .476 Phi .001 .476 Cramer's V 60 Nominal by Nominal N of Valid Cases אופן הדיווח: על מנת לבחון האם קיים קשר בין מין הנבדק למצב המשפחתי נערך מבחן חי בריבוע לאי תלות ונמצא כי קיימת תלות בין המשתנים ( (.)x2(2)=13.60, p<0.05 44 אבינח בר-לוי [email protected] ניתוח שונות (אנובה) חד כיוונית במבחן זה נשתמש כאשר נרצה לגלות האם קיימים הבדלים בין כמה קבוצות ( 3קבוצות ומעלה). למשל ,האם קיימים הבדלי משקל (משתנה תלוי) בין תושבים באריאל ,בתל אביב ובחיפה (מקום מגורים – משתנה בלתי תלוי) .כלומר משתנה בלתי תלוי אחד בעל 3רמות או יותר ( 2רמות זה מבחן tוניתוח שונות זה הרחבה של )tומשתנה תלוי אחד. ביצוע המבחן בתוכנת הSpss - הפקודה: ANALYZE >>>>> COMPARE MEANS >>>> > ONE WAY ANOVA ונפתח החלון הבא :ובו מכניסים בחלון הימני העליון את המשתנה התלוי (בדוגמא :משכורת נוכחית) ואת המשתנה הבלתי תלוי לחלון הימני התחתון (בדוגמא :גיל בקטגוריות ,צעיר ,ותיק וזקן). 45 אבינח בר-לוי [email protected] לאחר מיכן לוחצים על optionsומסמנים ב "וי" את descriptiveבכדי שהפלט יציגלנו את הממוצעים של המשתנה התלוי על פי הקבוצות של המשתנה הבלתי תלוי (בדוגמא :המשכורת הנוכחית של צעירים ,מבוגרים וותיקים) : הצעד הבא הוא לבדוק ניתוחי המשך ( .)posthocמדוע נדרש באנובה לבצע ניתוחיהמשך? מכיוון שמבחן אנובה ( )Fנותן מידע האם ישנם הבדלים מובהקים בין הקבוצות אך לא מראה באילו קבוצות נמצא מקור ההבדלים .לדוגמא :ייתכן וותיקים שונים באופן מובהק מהמבוגרים במשכורת הנוכחית אך אינם שונים מהצעירים וללא מבחני המשך שבודקים כל האפשרויות להבדלים בין הקבוצות ,נראה רק שמבחן ה F -מובהק ויש הבדל בין הקבוצות אך לא נוכל לדעת בין אילו קבוצות .המבחן שנשתמש בו לניתוחי המשך הוא מבחן scheffeשהוא המחמיר ביותר מבין ניתוחי ההמשך. בכדי לבצע ניתוחי המשך בתוכנה נלחץ על POST HOCויפתח לנו החלון הבא :ובונסמן ב "וי" את ניתוח ההמשך – .scheffe 46 אבינח בר-לוי [email protected] ניתוח הפלט: בטבלה הראשונה ניתן לראות מהו המשתנה התלוי במחקר וכן לראות את הממוצעים וסטיות התקן וכן מספר הנבדקים של כל קבוצה (צעיר ,ותיק ומבוגר) Descriptives משכורת נוכחית Std. Deviation 95% Confidence Interval for Mean Mean Maximum Minimum Lower Bound Upper Bound N Std. Error 36250 7260 13360.93 11828.98 388.044 5089.147 172 12594.95 צעיר 54000 6960 17612.15 15407.92 559.042 8081.979 209 16510.04 ותיק 26000 6300 10366.45 9182.37 298.092 2874.698 9774.41 54000 6300 14384.29 13151.36 313.724 6830.265 474 13767.83 מבוגר 93 Total בטבלה השנייה ניתן לראות האם יש הבדלים מובהקים בין הקבוצות :מראה לנו את ה SS -בין הקבוצות ובתוך הקבוצות ,את דרגות החופש ( )DFבין הקבוצות ובתוך הקבוצות ,את MSבין ובתוך הקבוצות ,את ערך הF- המחושב וכן את רמת המובהקות. ANOVA משכורת נוכחית Sig. .000 F 41.283 df Mean Square 2 1645669055.010 39862635.159 Sum of Squares 3291338110.020 Between Groups 471 18775301159.795 Within Groups 473 22066639269.814 Total כרגיל ,כאשר ה sigהוא נמוך מ 0.05יש הבדל מובהק בין הקבוצות ובכדי לדעת בין אלוקבוצות טמון ההבדל ,נסתכל בטבלה השלישית של ניתוחי ההמשך: 47 אבינח בר-לוי [email protected] ראשית ,ניתן לראות בטבלה איזה משתנה הוא הבלתי תלוי וכן את רמות המשתנה .כמוכן הטבלה מראה לנו השוואה ובדיקת מובהקות של כל הקבוצות אחת עם השנייה וכך נוכל לגלות את מקור ההבדלים. לדוגמא בשורה הראשונה נבדק ההבדל בין צעיר לותיק ונמצא כי ההבדל בין הקבוצותהוא מובהק ,בשורה השנייה נבדק צעיר מול מבוגר וגם נמצא כי ההבדל ביניהם הוא מובהק (פחות מ .)0.05 Multiple Comparisons משכורת נוכחית effehcS 95% Confidence Interval Upper Bound Lower Bound Mean Std. Error Sig. )Difference (I-J גיל )(I גיל )(J בקטגוריות בקטגוריות -2319.00 -5511.17 .000 649.992 *-3915.085 4816.03 825.06 .003 812.644 *2820.545 מבוגר 5511.17 2319.00 .000 649.992 *3915.085 צעיר 8668.14 4803.12 .000 786.995 *6735.630 מבוגר -825.06 -4816.03 .003 812.644 *-2820.545 צעיר -4803.12 -8668.14 .000 786.995 -6735.630 * ותיק ותיק צעיר ותיק מבוגר *. The mean difference is significant at the 0.05 level. אופן הדיווח: בכדי לבחון האם קיימים הבדלים במשכורת הנוכחית בין עובדים בגילאים שונים נערך ניתוח שונות חד כיווני ונמצא כי קיים הבדל מובהק בין שלושת קבוצות הגיל במשכורת הנוכחית שלהם (F(2,471)=41.28, ).p<0.05 מניתוחי המשך ( )scheffeעולה כי המשכורת הנוכחית של הותיקים ( )M=16510, SD=8081.979היא גבוהה יותר באופן מובהק מהמשכורת הנוכחית של המבוגרים ( )M=9774, SD=9774.41ושל הצעירים ( .(M=12595, SD=5089.147כמו כן נמצא כי המשכורת הנוכחית של צעירים גבוהה יותר באופן מובהק מהמשכורת הנוכחית של המבוגרים. 48
© Copyright 2024