تحلیل آماری مهارتی ویژه است تحلیل آماری علاوه بر جنبه های کاربردی و ضرورت آن در فرآیندنگارش پایان نامه و یا رساله دکتری، برای بسیاری از کسب و کارها در خارج از محیط دانشگاه، یک مهارت اساسی محسوب می شود. بسیاری از کسب و کارها در جهان به این نتیجه رسیده اند که استفاده از استراتژی های مبتنی بر داده های آماری می تواند به تصمیم گیری و برنامه ریزی دقیق تر کمک کند. طرح کسب و کار (Business Plan)، طرح استراتژیک (Strategic Plan)، طرح تبلیغات (Marketing Plan) و سایر برنامه های درون سازمانی از جمله طرح هایی هستند که نیاز اساسی به تحقیقات بازار و تحلیل داده ها و یافته ها دارند. شرکت هایی که فرآیند تصمیم گیری آنها کاملا برنامه ریزی شده و مبتنی بر نیازهای مشتریان است به دنبال افرادی هستند که در تحلیل آماری مهارت و تسلط بالایی داشته باشند. چرا که به صورت مداوم نظرات مشتریان را به صورت داده های خام جمع آوری کرده و مورد تحلیل و بررسی قرار می دهند. علاوه بر اهمیت و کاربرد تحلیل های آماری به معرفی مهارت های مرتبط با آن نیز اشاره کنیم.
فرآیندی است که با هدف ایجاد یک تصویر روشن و تفسیر دقیق ازمفهوم مستتر در داده های جمع آوری شده در تحقیق انجام می شود. داده های گرد آوری شده در تحقیق ممکن است به واسطه طراحی پرسشنامه یا داده های کتابخانه ای بدست آمده باشد. برای مثال داده های مربوط به نرخ تورم، نرخ بیکاری، اشتغال، توزیع درآمد و غیره از نوع داده های کتابخانه ای هستند که توسط نهادهای دولتی جمع آوری شده و در اختیار پژوهشگران و عموم جامعه قرار می گیرند که بعضا به این داده ها دسته دوم نیز می گویند. اما داده های دست اول یا پرسشنامه ای اطلاعاتی هستند که توسط خود پژوهشگر مرتبط با یک تحقیق خاص از طریق مصاحبه یا پرسشنامه گردآوری می شوند.
آلفای کرونباخ یک ضریب آماری است که برای سنجش پایایی یک مجموعه از سوالات یا مقیاس ها استفاده می شود. پایایی به معنای این است که آیا یک مقیاس یا مجموعه سوالات، به طور مداوم و یکنواخت، نتایج مشابهی را در شرایط مختلف ارائه می دهد.
آلفای کرونباخ بر اساس همبستگی بین سوالات یک مجموعه مقیاس محاسبه می شود. هرچه همبستگی بین سوالات بیشتر باشد، آلفای کرونباخ نیز بیشتر می شود. به عبارت دیگر، هرچه سوالات یک مجموعه مقیاس بیشتر با یکدیگر مرتبط باشند، می توان انتظار داشت که نتایج این مقیاس نیز در شرایط مختلف، یکنواخت تر باشد.
در فرآیند تجزیه و تحلیل آماری، یکی از موضوعاتی که می‌تواند روند تحلیل داده‌ها را منحرف کرده نتایج و دستاوردهای تحقیق را دچار مشکل کند، وجود داده‌های پِرت و خارج از محدوده (Outlier) هستند. یکی از اقدامات بسیار مهم در ارزیابی سلامت داده‌های گردآوری شده، شناسایی داده‌های پرت در تحقیق است. هر چقدر این داده‌های خارج از محدوده در تحقیق بیشتر باشند، سلامت داده‌ها پایین‌تر و در نتیجه خروجی‌های بدست آمده دچار نقصان خواهد بود.در این مطلب قصد داریم چند روش کاربردی برای شناسایی داده‌های پِرت در روند تجزیه و تحلیل داده‌ها را آموزش داده تا بواسطه آن سلامت داده‌های خود را پیش از تجزیه و تحلیل تضمین نمائید.
تجزیه و تحلیل داده‌ها یا همان تحلیل آماری در پایان‌نامه (Data Analysis) مهارتی است که برخی از دانشجویان به دلیل آن‌که تسلط بالایی در آن ندارند، سعی می‌کنند با سپردن آن به دیگران و یا حتی حذف آن، از این مرحله عبور کنند. تجزیه و تحلیل داده‌ها یکی از مهمترین فرآیندها درنگارش پایان نامهمحسوب می شود. تحلیل داده‌های گردآوری شده در تحقیق که ممکن است کمّی یا کیفی باشند، توسط ابزارهای مختلفی انجام میگیرد و نتایج آن در قالب نمودار، جدول، تصویر و گراف منتشر می‌شوند. به خاطر داشته باشید که ابزارها و روش‌های گردآوری و تحلیل داده‌ها در هر تحقیق و هر متد ممکن است کاملاً متفاوت و منحصر به فرد باشد. ولی به‌طورکلی اصول مشخص و ثابتی برای تجزیه و تحلیل داده‌ها وجود دارد که سعی می‌کنیم در این مطلب بیشتر به آنها بپردازیم.در تحلیل آماری در پایان نامه یا رساله دکتری، سعی کنید فاکتورهای زیر را مورد توجه قرار داده و رعایت نمایید:
علم آمار به معنای مطالعه فرآیند گردآوری، تجزیه و تحلیل، تفسیر، ارائه و سازماندهی داده های خام است. با توجه به این موضوع، تعریف تحلیل آماری (statistical analysis) به معنای تولید نمودار ها و جداول آماری از داده های خام است به گونه ای که نتایج آن قابل فهم و استنتاج باشند. فرض کنید به عنوان یک پژوهشگر اقدام به توزیع پرسشنامه در مورد یک موضوع مشخص کرده اید و داده های خام بسیاری را در این حوزه جمع نموده اید. اما چطور می خواهید متوجه نظر مشارکت کنندگان و یا افراد پاسخ دهنده به تحقیق شوید؟ چگونه می خواهید دریابید که نتایج تحقیق چه بوده است؟ و یا چطور می خواهید از صحت و اعتبار تحقیقتان مطمئن شوید؟در همین راستا یکی از اساسی ترین و مهمترین ابزار تحلیل و بررسی صحت و دقت نتایج تحقیق، استفاده از تحلیل آماری (Statistical Analysis)است که به شما کمک می کند تا یافته های و نتایج شفافی از داده های خام بدست آورید. شروع فرآیند تحلیل آماری با مشخص کردن جامعه آماری و جامعه نمونه آغاز می شود.
1- تعریف علم آمار:علم آمار به مجموعه روش های علمی اطلاق می شود که برای جمع آوری اطلاعات اولیه، مرتب و خلاصه کردن، طبقه بندی و تجزیه و تحلیل اطلاعات اولیه و تفسیر آن ها به کار می‌رود.
2- تعریف جامعه آماری: هر جمع یا افرادی که لااقل دارای یک صفت مشترک باشد را جامعه آماری می گویند. هر یک از اشیاء یک جامعه آماری را یک فرد جامعه می نامیم. مجموع اشیاء یک جامعه را حجم جامعه می نامیم.
3- تعریف متغیر: صفاتی از هریک از افراد جامعه آماری که از یک فرد به فرد دیگر تغییر می کنند متغیر می باشند. متغیرها به دو دسته تقسیم می شوند.
دیتاست چیست؟ دیتاست یک مجموعه داده یا مدیریت مجموعه‌ای از داده‌هاست. این مجموعه معمولاً در یک الگوی جدولی ارائه میشود. اجزای این جدول به صورت زیر می‌باشند: • ستون‌های جدول: هر ستون، یک متغیر خاص را توصیف می‌کند. • ردیف‌های جدول: هر ردیف، متناظر با یک عضو داده شده از مجموعه داده‌ها، طبق سؤال داده‌شده است. تعریف‌های متفاوتی از دیتاست وجود دارد که ما تنها یک تعریف از آن را گفتیم. مجموعه داده‌ها، مقادیر هر متغیر را برای کمیت‌های ناشناخته مانند قد، وزن، دما، حجم و غیره یک اندازه‌گیری واقعی یا آزمایشگاهی توصیف می‌کنند. هر جزء از مقادیر این مجموعه به‌عنوان یک دیتا یا داده شناخته می‌شوند. مجموعه داده‌ها شامل تمامی این دیتاها یا به عبارتی دیگر، شامل تمام ردیف‌های این جدول می‌باشند. در ادامه، تعریف مجموعه داده‌ها، انواع مختلف مجموعه داده‌ها و ویژگیهای آنها را با مثال‌های حل‌شده بسیاری می‌آموزیم.
روش تحقیق کمی به فرآیندی گفته میشود که محقق طی آن اقدام به جمعآوری و تحلیل داده‌های عددی و آنها را تفسیر نموده و نتایج لازم را از آنها بدست می آورد. نتایجی که از تحلیل داده‌های عددی در روش تحقیق کمّی حاصل میشود، می‌تواند در یافتن الگوها، پیش‌بینی روندها، بررسی تأثیرات و مشخص کردن ارتباط بین اجزای مختلف تحقیق کاربرد داشته باشد. به‌طورکلی تحقیقات کیفی روی دیگر سکه و نقطه‌ی مقابل تحقیقات کمّی هستند که در آن از داده‌های غیر عددی برای تجزیه و تحلیل استفاده میشود. از روش تحقیق کمّی در طیف وسیعی ازمقالات، پایان نامه‌ها، تحقیقات و در رشته‌های مختلف علوم انسانی، مهندسی، پزشکی و غیره استفاده میشود.
تمامی تحقیقاتی که در قالبپایان نامه، مقاله، پروژه و هر نوع پژوهش علمیانجام میشود، در بخش روش تحقیق یکی از متدهای روش تحقیق کمّی یا کیفی را به کار می‌برند.روش تحقیق کیفی بر روی رفتار انسان تمرکز داشته و سعی دارد نظرات و ایده‌های مخاطبان و داده‌های گردآوری شده از آنها را بدون دخل و تصرف و به همان صورتی که جمعآوری شده‌اند، مورد تجزیه و تحلیل قرار دهد.در مقابل روش تحقیق کمّی به دنبال این است که بتواند ایده‌ها و نظرات افراد شرکت کننده در تحقیق را با استفاده از استراتژی‌های مختلف، به صورت عددی درآورده و سپس اقدام به تحلیل آن کند.در مطالب گذشته به صورت خلاصه در مورد روش تحقیق کمی صحبت شد و در این مطلب قصد داریم روش تحقیق کیفی را توضیح دهیم. به‌طورکلی شش روش اصلی برای انجام تحقیق به شیوه‌ی کیفی وجود دارد که عبارتند از:
داده‌ها و اطلاعات، از با ارزش‌ترین منابع تحقیق برای پژوهشگران و همچنین در عرصه‌های دیگر برای مدیران و تصمیم گیرندگان سازمانی محسوب میشود. هر میزان اطلاعات دقیق‌تر و بیشتری در مورد یک پدیده وجود داشته باشد، مدیریت و برنامه‌ریزی و ایجاد ایده‌های جدید در خصوص آن موضوع بهتر صورت خواهد گرفت. زمانی که پژوهشگریکموضوع تحقیقانتخاب می‌کند، به دنبال این است که راه‌حل‌های درست، قابل قبول و کاربردی را برای بهبود و نوآوریو حل مشکلات در آن زمینه ارائه نمایید و این کار ممکن نیست مگر با داشتن داده‌ها و اطلاعات درست و دقیق در مورد مشکلات موجود در حوزه‌ی تحقیق.
متاآنالیز (Meta-analysis) یک روش آماری است که چندین مطالعه را ترکیب می‌کند و نتایج آنها را یکپارچه می‌کند. متاآنالیز حجم نمونه را افزایش می‌دهد و به‌نوبه خود، قدرت مطالعه اثرات موردبررسی را با ترکیب مطالعات اولیه و ارائه تخمین دقیق از اثرات افزایش می‌دهد؛ بنابراین، متاآنالیز تخمین دقیق‌تری از اثر ارائه می‌دهد. متاآنالیز مبتنی بر قوانین ریاضی و آماری است؛ بنابراین نسبت به روش‌های دیگر مانند ریویو روایی (Narrative)عینی‌تر است و کمتر تحت تأثیر نظرات شخصی نویسنده قرار میگیرد؛ بنابراین، استفاده از متاآنالیز به‌طور ویژه‌ای محبوب میشود. متاآنالیز زمانی می‌تواند ابزار قدرتمندی باشد که به‌خوبی طراحی و اجرا شود. بااین‌حال، ممکن است همیشه بهترین ابزار نباشد و بحث‌برانگیز است. متاآنالیز دارای چندین محدودیت است که می‌تواند منجر به نتایج گمراه‌کننده شود. علاوه بر این، ممکن است در برخی موارد مناسب نباشد. اگرچه متاآنالیز به دلیل محدودیت‌هایی که دارد موردانتقاد قرارگرفته است، اما راه‌حل‌هایی برای چنین مشکلاتی وجود دارد.[1]
برای هر تحقیق، نوعی نمونه و گونه ای از جامعه های آماری کاربرد داشته و مورد استفاده قرار میگیرد، ولی برای دسته های مختلفی از آماره و جامعه نمونه با ویژگیهای یکسان، یا مشابه، برای رسیدن به اهداف مشترک میتوان از آزمونهای آماریمشابه استفقاده کرد، لذا در گفتار فوق کاربرد آزمونهای آماری مختلف برای آماره های مختلف مطرح می گردد.
انواع آزمون های آماری
آزمون های T: آزمون T برای بررسی معنی دار بودن یا نبودن تفاوت بین میانگین های دو گروه از نظر آماری مورد استفاده قرار می گیرد. چنانچه گروه ها همبسته باشند باید از آزمون T همبسته و در صورتی که گروه ها مستقل باشند باید از آزمون Tمستقل استفاده کرد.
آزمون Tهمبسته: این روش زمانی مورد استفاده قرار می گیرد که دو موضوع یا متغیر در مورد یک گروه موردبررسی قرار می گیرد. نمونه: میزان تمایل به خشونت گروهی از دانش آموزان، قبل و بعد از اکران یک فیلم خشن.
آزمون Tمستقل: این آزمون زمانی مورد استفاده قرار می گیرد که بخواهیم میانگین بین دو گروه از افراد، که از همدیگر متفاوت هستند را مقایسه کنیم. نمونه: مقایسه میانگین تفاوت در میزان گرایش زنان و مردان به دینداری.
روش نمونه‌گیری در تحقیق، معمولاً تأثیر زیادی در نتایج تحقیقخواهد داشت. بسیاری از محققان و نویسندگان بدون توجه به اهداف و ماهیت تحقیق، اقدام به انتخاب ساده‌ترین و در دسترس‌ترین نوع نمونه‌گیری؛ یعنی نوع تصادفی آن می‌کنند. برای اینکه بتوانید یک روش نمونه‌گیری مناسب تحقیق انتخاب کنید، بهتر است استراتژی‌های زیر را مورد بررسی و ارزیابی قرار دهید:
