كلاس امروز با محوریت ادامه آموزش نرم افزار SPSS برگزار شد.

به طورکلی آمار به دو بخش اصلی قابل تقسیم است:

1-آمار توصیفی

2-آمار استنباطی

آمار توصیفی که بیشتر برای بررسی و توصیف ویژگیهای دموگرافیک پاسخ دهندگان به کار می رود شامل:

شاخص های مرکزی و پراکندگی که شاخصهای مرکزی شامل

میانگین،میانه و مد و شاخصهای پراکندگی شامل

دامنه تغییرات،واریانس، انحراف معیار، و ضریب تغییرات می باشد.

جداول توزیع فراوانی ونمودارهای آنان

درصدهای فراوانی،میانه،میانگین و...

به عبارتی می توان گفت هدف آمار توصیفی محاسبه پارامترهای جامعه با استفاده از سرشماری تمامی عناصر جامعه است.

آمار استنباطی که معمولا درآن پژوهشگر با استفاده از مقادیر نمونه آماره ها را محاسبه می کند و سپس با کمک تخمین و یا آزمون فرض آماری ، آماره ها را به پارامترهای جامعه تعمیم می دهد. که برای تجزیه و تحلیل داده ها و آزمون فرضیه های پژوهش از آمار استنباطی استفاده می شود.

همچنین آمار استنباطی به طور کل شامل دو نوع آزمون می باشد:

1-پارامتریک که شرایط استفاده از این آزمون شامل موارد زیر می باشد:

الف-داده ها دارای توزیع نرمال باشند

ب-داده های کمی بوده و دارای مقیاس فاصله ای یا نسبی باشند

ج-نمونه ها دارای واریانس مساوی باشند.

2-ناپارامتریک که شامل این آزمون ها می باشد:آزمون کای دو یا کای اسکور که از مهمترین آزمونهای ناپارامتریک می باشد.

در ادامه توضیحاتی در رابطه با P-value ارائه شد.

P-value: برای اینکه بفهمیم آیا نتیجه آزمایش به دلیل تصادف و شانس رخ داده است یانه از P-valueاستفاده میکنیم چرا که سطح معنی داری را نشان می دهد. فرض های ما در اینجا که H0 به این مفهوم که چقدر تفاوت واقعی بین متغیرها وجود نداردو H1به این مفهوم که چقدر احتمال دارد ما یک تفاوت معنی دار را فقط برحسب شانس پیدا کنیم.

ضریب همبستگی:میزان همبستگی بین دو متغیر فاصله ای یا نسبی را محاسبه کرده و مقدار آن از -1 تا +1 تغییر می کند. اگر برای این ضریب مقداری مثبت بدست آوریم یعنی تغییرات متغیر در یک جهت بوده است و اگر منفی بدست آید یعنی تغییرات متغیر در جهات مختلف بوده است. که این ضریب همبستگی r نیز خوانده می شود.

در ادامه کلاس این مباحث بصورت عملی نیز در نرم افزار SPSS انجام شد و دانشجویان نیز آن را بصورت عملی کار کردند.