دوره آمـوزشی آمارپــایه کاربـــردی گام به گام با نـــرم افزار SPSS

همـــــــرا ه با آموزش عـــــملی نرم افـــــــــزار SPSS

 

هدف کلی:‌

 یاد بگیریم که حداقل تحلیل‌های آماری اصلی و پایه طرح های تحقیق یا پایان نامه‌ها را خودمان به تنهایی انجام بدیم!

5 راه تجزیه و تحلیل داده های کیفی

داده های کیفی بینش های ارزشمندی را آشکار می کند که می تواند برای بهبود تجربه کاربر و مشتری استفاده شود. اما دقیقاً چگونه داده هایی را که قابل اندازه گیری نیستند اندازه گیری و تجزیه و تحلیل می کنید؟

روش‌های تجزیه و تحلیل داده‌های کیفی مختلفی وجود دارد که به شما کمک می‌کند بسته به اهداف تجاری و نوع داده‌هایی که جمع‌آوری کرده‌اید، بازخورد کیفی و بینش مشتری را درک کنید.

قبل از اینکه روش تجزیه و تحلیل داده های کیفی را برای تیم خود انتخاب کنید، باید تکنیک های موجود را در نظر بگیرید و موارد استفاده آنها را بررسی کنید تا بفهمید که چگونه هر فرآیند ممکن است به تیم شما کمک کند تا کاربران خود را بهتر درک کند.

برای گذراندن کارگاه دوره آموزشی آمار کاربردی با SPSS با ما تماس بگیرید

در اینجا پنج روش تجزیه و تحلیل داده های کیفی وجود دارد که به شما کمک می کند اطلاعاتی را که از طریق مصاحبه با مشتری، نظرسنجی و بازخورد جمع آوری کرده اید، درک کنید:

تحلیل محتوا

تحلیل موضوعی

تحلیل روایی

تحلیل گراندد تئوری

تحلیل گفتمان

 

اهداف رفتاري

انتظار مي رود که در پايان اين کارگاه آموزشي، شرکت کنندگان قادر باشند:

• از شنیدن عبارت شاخص های گرایش به مرکز و شاخص های پراکنش تعجب نکنه!!

شاخص های مرکزی به مقدار و  یا عددی که بهترین شکل ویژگی گروه را که به عنوان یک کل نمایان می کند اشاره دارد . مترادف کلمه شاخص مرکزی نمره ی متوسط یا معدل (average) می باشد . نما ومیانه و میانگین(mean,median,mode)  سه شاخص مرکزی هستند که به آنها اشاره می کنیم . نمادربین شاخص های مرکزی دارای کمترین مفروضه است.نمادرمقایسه باسایرشاخص های مرکزی به سهولت محاسبه می شود،نمااطلاعاتی کلی درباره ی فراوان ترین ارزش یاعددبه پژوهشگرمی دهد.این شاخص درباره ی گرایش مرکزی توزیع نمره ها اطلاعی به مانمی دهد،به علت عدم ثبات واعتبارنما،به ندرت ازآن به عنوان یک شاخص گرایش مرکزی استفاده می شود.ازآنجاکه نمارانمی توان بصورت ریاضی دستکاری کرد،به همین دلیل ازنظرمحاسبات آماری مورداستفاده محدودی دارد

شاخص های پراکندگی میزان پراکندگی یا تفسیرنمره ها رادرمجموعه ای ازنمرات نشان می دهند.دامنه ی تغییرات،انحراف چارکی،واریانس وانحراف استانداردیا انحراف معیارچهارشاخص پراکندگی هستند دامنه ی تغییرات فقط پراکندگی بین بزرگترین وکوچکترین نمره هاراتعیین می کند،این شاخص خیلی سریع وبه سهولت محاسبه می شود،اماچون درمحاسبه ی آن فقط ازدوعدد(بزرگترین وکوچکترین)استفاده می شودقادربه توصیف توزیع نمره ها به صورت حقیقی نیست.دامنه ی تغییرات منعکس کننده پراکندگی بین دونمره خیلی بزرگ وکوچک نیست.دامنه ی تغییرات یک شاخص پایدارپراکندگی نیست،زیرا مقدارآن باتغییریک نمره (بزرگترین وکوچکترین)تغییرمی کند

 

• از شنیدم واژه آمار نترسه و بدونه چند نوع آمار داریم و کجاها به دردمون میخوره!!.

چگونه بدانم چه تحلیلی باید انجام دهم؟

یک بخش کلیدی از دانش قبلی وجود دارد که به شما کمک می کند تا نحوه تجزیه و تحلیل داده های خود را تعیین کنید. با چه نوع متغیری سر و کار دارید؟ دو نوع متداول متغیر وجود دارد:

1) متغیرهای پیوسته. اینها می توانند هر ارزشی داشته باشند. اگر زمان کامل شدن واکنش را اندازه بگیرید، نتایج ممکن است 30 ثانیه، دو دقیقه و 13 ثانیه یا سه دقیقه و 50 ثانیه باشد.

2) متغیرهای طبقه بندی. اینها در دسته بندی ها قرار می گیرند - حدس زدید. به عنوان مثال، شما ممکن است سه سایت مزرعه مختلف یا چهار مارک کود داشته باشید. همه متغیرهای پیوسته را می توان به متغیرهای طبقه ای تبدیل کرد.

با مثال بالا می توانیم نتایج را به کمتر از یک دقیقه، یک تا سه دقیقه و بیشتر از سه دقیقه دسته بندی کنیم. متغیرهای طبقه‌ای را نمی‌توان به متغیرهای پیوسته تبدیل کرد، بنابراین به طور کلی بهتر است تا جایی که ممکن است داده‌ها را به‌عنوان «پیوسته» ثبت کنید تا گزینه‌های بیشتری برای تجزیه و تحلیل به خود بدهید.

 

• با نرم افزار SPSS آشتی کنه و بدونه که برای انجام خیلی از کارهای آماری به دانستن فرمولهای پیچیده نیاز نداره!!

SPSS چیست؟

SPSS (بسته آماری برای علوم اجتماعی) نرم افزار تجزیه و تحلیل آماری IBM است که از مجموعه داده ها برای داده کاوی، تجزیه و تحلیل داده ها و تجسم داده ها استفاده می کند. SPSS از یادگیری ماشینی استفاده می کند و با یک زبان برنامه نویسی منحصر به فرد به نام نحو SPSS ساخته شده است که به کاربران اجازه می دهد تا دستورات تخصصی بنویسند، به جای اینکه مجبور باشند از طریق یک رابط کشویی برای برنامه نویسی پیچیده حرکت کنند.

به نظر می رسد SPSS از نظر قالب بندی مشابه مایکروسافت اکسل است، اما این قدرت را دارد که تجزیه و تحلیل های آماری پیچیده را بدون نیاز به کدنویسی رسمی یا پیشینه آماری اجرا کند. کاربران می‌توانند از این نرم‌افزار برای ایجاد نمودارها، اجرای مدل‌سازی پیش‌بینی یا دستکاری مجموعه داده‌ها برای بررسی بیشتر استفاده کنند.

SPSS در تحقیقات بازار برای پردازش و تجزیه و تحلیل داده‌های مصرف‌کننده از یک نظرسنجی آنلاین و درک اینکه تفاوت‌های آماری بین نقاط داده، کاهش جمعیت‌شناختی و موارد دیگر در کجاست، مفید است.

 

 بیشتربدانید؛دستیار کمک دندانپزشک-دوره تکنسین آزمایشگاه-دوره دستیار پزشک-دوره NICU-دوره ICU جنرال (آنلاین – حضوری)

• نحوه کار با منوها و دستورهای نرم افزار را یاد بگیره و سرجای خودش از اونا استفاده کنه!

محیط SPSS

SPSS از چندین نوع پنجره یا صفحه نمایش در عملیات اصلی خود استفاده می کند. هر پنجره با وظایف خاص و انواع فایل های SPSS مرتبط است. این پنجره ها شامل ویرایشگر داده، نمایشگر خروجی، ویرایشگر نحو، ویرایشگر جدول محوری، ویرایشگر نمودار و ویرایشگر خروجی متن است. بخش‌های زیر اهداف و عملکردهای اساسی سه پنجره رایج - ویرایشگر داده، نمایشگر خروجی و ویرایشگر نحو - را توضیح می‌دهند، زیرا این سه پنجره برای اکثر اقدامات انجام شده در برنامه یکپارچه هستند. پنجره های دیگر مربوط به انواع خاصی از وظایف هستند.

ویرایشگر داده

پنجره Data Editor پنجره پیش فرض است و با شروع SPSS باز می شود. این پنجره محتوای هر فایل داده باز را نمایش می دهد و منوهای کشویی را ارائه می دهد که به شما امکان تغییر و تجزیه و تحلیل داده ها را می دهد. داده ها در قالب صفحه گسترده نمایش داده می شوند که در آن ستون ها متغیرها و ردیف ها نشان دهنده موارد هستند. قالب صفحه‌گسترده شامل دو برگه در پایین با نام‌های View Data و Variable View است. برگه Data View مجموعه داده های باز را نشان می دهد: متغیرها در ستون ها ظاهر می شوند و موارد در ردیف ها ظاهر می شوند. تب Variable View اطلاعاتی در مورد متغیرها در داده های باز (اما نه خود داده ها) مانند نام متغیرها، انواع و برچسب ها و غیره را نشان می دهد.

 

 

• چطوری متوجه بشه که داده ها نرمال هستند یا نه! و یا اگه داده پرت و مفقوده داشته نگران نشه!!

آزمون‌های آماری دیداری و رسمی وجود دارد که می‌تواند به شما کمک کند بررسی کنید که آیا باقیمانده‌های مدل شما با فرض نرمال بودن مطابقت دارند یا خیر

رایج ترین ابزار گرافیکی برای ارزیابی نرمال بودن نمودار Q-Q است. در این نمودارها، داده های مشاهده شده در برابر کمیک های مورد انتظار یک توزیع نرمال رسم می شوند. خواندن این طرح ها نیاز به تمرین دارد. در تئوری، داده های نمونه برداری شده از یک توزیع نرمال در امتداد خط نقطه چین قرار می گیرند.

 

• چگونگی انجام تحلیل داده های اسمی با آزمون های آماری در نرم افزار را یاد بگیره مثلاً کای دو معروف و بقیه آزمون‌هاش!

آزمون کای دو یا خی دو و یا مربع کای ازمونی هستند که فراوانی های مورد انتظار را با فراوانی های تحقیق مقایسه می کنند تا معلوم شود که آیا تفاوت معنا داری در بین این دو فراوانی وجود دارد یا نه . اکنون در ادامه این دو نوع از آزمون کای دو را تعریف می کنیم.

آزمون کای دو (chi-square)چیست؟

دو نوع آزمون کای ۲ هست که هر یک از آنها به منظوری مختلف استفاده می شوند.

آزمون کای دو برای نیکویی برازش

که جهت تحلیل یک متغیر رده‌ای به کار برده می شود. به دین شکل که اگر اختلافی در فراوانی میان رده‌های پاسخ وجود داشته باشد، آزمون کای دو برای نیکویی برازش آن را نشان می‌دهد. با توجه به نتایج این آزمون اگر مقدار معناداری آزمون برای گروهی کمتر از ۰/۰۵ به‌دست آمده باشد، می‌توان نتیجه گرفت که بین فراوانی‌های آن گروه تفاوت معناداری وجود دارد. به‌عبارتی تفاوت بین فراوانی‌ها از نظر آماری تایید می‌گردد

 

• چطوری تفاوت میانگین ها را در نرم افزار آنالیز کنیم!

از Analysis ToolPak برای انجام تجزیه و تحلیل داده های پیچیده استفاده کنید

اکسل برای مایکروسافت 365 اکسل برای مایکروسافت 365 برای مک اکسل 2021 اکسل 2021 برای مک بیشتر...

اگر نیاز به توسعه تحلیل های پیچیده آماری یا مهندسی دارید، می توانید با استفاده از Analysis ToolPak در مراحل و زمان صرفه جویی کنید. شما داده ها و پارامترها را برای هر تجزیه و تحلیل ارائه می کنید و ابزار از توابع کلان آماری یا مهندسی مناسب برای محاسبه و نمایش نتایج در یک جدول خروجی استفاده می کند. برخی از ابزارها علاوه بر جداول خروجی، نمودار تولید می کنند.

توابع تجزیه و تحلیل داده ها را می توان تنها در یک کاربرگ در یک زمان استفاده کرد. هنگامی که تجزیه و تحلیل داده ها را روی کاربرگ های گروه بندی شده انجام می دهید، نتایج در اولین کاربرگ و جداول فرمت شده خالی در کاربرگ های باقی مانده ظاهر می شوند. برای انجام تجزیه و تحلیل داده ها در بقیه کاربرگ ها، ابزار تجزیه و تحلیل را برای هر کاربرگ دوباره محاسبه کنید.

 

• همبستگی ورگرسیون و معادل های ناپارمتری شو یاد بگیره!!!

ناپارامتریک

الگوریتمی که از هیچ مجموعه ای از پارامترها/شرایط در حین یادگیری از مجموعه داده استفاده نمی کند، قرار است یک مدل ناپارامتریک تولید کند. آنها هیچ فرض محکمی در مورد شکل عملکرد برای یادگیری ندارند. این به آنها کمک می کند تا آزادانه از داده های آموزشی، بدون هیچ مرزی یاد بگیرند. مدل‌های ناپارامتریک بهترین تناسب را بر روی داده‌های آموزشی ارائه می‌دهند و همچنان برخی از توانایی‌های تعمیم داده‌های دیده نشده را حفظ می‌کنند. روش‌های ناپارامتریک نیز الگوریتم‌های یادگیری مبتنی بر نمونه یا حافظه هستند.

 

مزایای مدل ناپارامتریک

مدل‌های ناپارامتریک مفروضات ضعیفی ایجاد نمی‌کنند، بنابراین در پیش‌بینی قوی‌تر هستند.

مدل‌های ناپارامتریک از دقت بالاتری نسبت به مدل‌های پارامتریک برخوردارند، بنابراین عملکرد بهتری دارند.

آنها می توانند انواع مختلفی از فرم های عملکردی را در خود جای دهند، از این رو ماهیتی انعطاف پذیر دارند.

 

معایب مدل ناپارامتریک

آموزش مدل‌های ناپارامتریک زمان زیادی می‌برد، زیرا پارامترهای بیشتری را در حین آموزش در نظر می‌گیرند، بنابراین کند هستند (مثال: - برای احساس گرما، سعی کنید مجموعه داده‌ای را با 50000 رکورد با استفاده از SVM آموزش دهید).

اکثر مدل‌های ناپارامتریک الگوریتم‌های جعبه سیاه هستند، از این رو گاهی اوقات توضیح اینکه چرا یک پیش‌بینی خاص انجام شده است، دشوار است. این نوع رفتار منجر به تناسب بیش از حد می شود.

مقدار نقاط داده ای که برای آموزش یک مدل ناپارامتریک نیاز دارید به طور قابل ملاحظه ای بیشتر است.

 

 بیشتربدانید؛کارگاه تحلیل داده های کیفی با نرم افزار MAXQDA-کارگاه ابزار سازی پیشرفته-کارگاه ابزارسازی مقدماتی (پایه )-شیمی درمانی

• و خیلی نکته ها و فوت وفن های کوزه گری که در حین آموزش بهش اشاره میشه تا آنالیز دقیقتری داشته باشیم!!

همانطور که توسط این سیستم مشخص شده است، ارزیابی باید از سطح یک شروع شود، پس از آن، با توجه به زمان و منابع، باید به ترتیب در سطوح دو، سه و چهار پیش برود. داده های تمام سطوح قبلی را می توان به عنوان پایه ای برای تجزیه و تحلیل سطوح زیر استفاده کرد. در نتیجه، هر سطح بعدی اندازه گیری دقیق تری از سودمندی دوره آموزشی ارائه می دهد، اما به طور همزمان نیاز به ارزیابی بسیار زمان بر و سخت تری دارد.

 

مدرس دوره

• دکتر آرمین زارعیان [استاد دانشگاه علوم پزشکی ارتش ج.ا. ایران]
• دکترای تخصصی آموزش پرستاری و DBA، پسادکترای متدولوژی و آمارکاربردی و فلوشیپ اندازه گیری در علوم پزشکی

روش تدریس

سخنرانی، پرسش و پاسخ به صورت مجازی در پلتفرم اسکای روم

گروه های هدف:

اعضای هیئت علمی دانشگاه، دانشجویان ارشد و دکتری تخصصی (PhD) علوم پزشکی و دستیاران رشته های پزشکی 

مدت زمان برنامه:

اين کارگاه طی 20 ساعت برگزار مي شود و شرکت کنندگان در روزهای پنج‌شنبه، پنج ساعت مفيد آموزش می بینند.

 

نکات:

الف) همه رفرنس های معروف در قالب PDF برای شما ارسال میشه در گروه واتس اپ

ب) بهتره که ورژن SPSS شما نسخه 26 باشه (اگرچه که 27 و 28 هم داره ولی هنوز کرک نشده!!)

ج) فایل های تمرینی در گروه واتس اپ براتون یک روز قبل قرار میگیره

د) به همه سئوالهای شما پاسخ داده میشه تا وقتیکه مطمئن بشید که یاد گرفتید!

 

 

تعداد جلسات  سه روز  - تدریس از طریق پلتفروم اسکای روم

12 ساعت آموزشی

شهریه کارگاه  000/ 5500هزار ریال

مخاطبین : فارغ التحصیلان و دانشجویان ارشد و دکتری و اعضای هیئت علمی