מדריך SPSS

הכנסת משתנים והגדרתם

א.      NAME – שם משתנה

(בגרסאות קודמות צריך להיות עד 8 מקומות, לא יכול להתחיל בספרה)

(ברירת מחדל – var00001)

דוגמא: id, sex, smoke, live

ב.      TYPE –סוג המשתנה

חשובים: numeric = מספרי; string = אותיות

(ברירת מחדל – נומרי)

דוגמא: מין, גיל ושנות לימוד הינם נומריים בעוד שמקום ישוב שרשום באותיות או שם פרטי הינם STRING

ג.       DECIMALS – מספר מקומות אחרי הנקודה

(ברירת מחדל – 2 מקומות אחרי הנקודה)

דוגמא: במשתנה כגון מספר ילדים, אין משמעות לסימון נקודה עשרונית.

ד.      LABELS – הסבר מפורט יותר לשם המשתנה הקצר

(ברירת מחדל – אין – NONE)

דוגמא: עבור משתנה que1 נרשום 'הממונה סיפר פרטים על שינוי'.

עבור המשתנה ID נרשום 'מספר זהות הנבדק'.

ה.     VALUES - שמות לערכים השונים

(ברירת מחדל – אין – NONE)

דוגמא: במשתנה במין 1 = זכר ו-2 = נקבה.

במשתנה מצב משפחתי 1=נשוי, 2=רווק, 3=גרוש 4=אחר

ו.        MISSING - ערכים חסרים

(ברירת מחדל – אין – NONE)

דוגמא: אפשר להחליט שאם לא ענו על שאלה נרשום 999.

ז.       MEASURE – סוג הסולם

אפשרויות:  nominal- שמי;  ordinal- סדר/אורדינאלי; scale – רווח ומעלה

                        דוגמא: מין הוא משתנה שמי לכן נרשום עבורו nominal

                        סוג השכלה הינה מסולם סדר לכן נרשום עבורו ordinal

                        המשתנה גיל הינו יחס/מנה לכן נרשום עבורו scale

Syntax, Output, Frequencies, Descriptives

1.  Syntax

       א.         פתיחת קובץ Syntax חדש –לחץ על PASTE. בכל פרוצדורה סטטיסטית תפתח אוטומטית חלון Syntax.

       ב.         פתיחת קובץ Syntax ישן

                  1.    לחץ file ® open ®  syntax

                  2.   כל התוכניות שנרשמו ונשמרו עד כה יופיעו.

                  3.   סמן את הקובץ הרצוי (על ידי עמידה עליו עם העכבר ולחיצה על העכבר השמאלי) ושמו יופיע בחלון הקטן ליד file name.

                  4.   לחץ על open וייפתח הקובץ.

2.   Output

       א.         פתיחת קובץ Output חדש – הרצה של תוכנית ב-Syntax תפתח אוטומטית חלון Output.

       ב.         פתיחת קובץ Output ישן –

                  1.   לחץ על  file ®  open ®  output

                  2.   נפתח חלון.

                  3.   כל התוכניות שנרשמו ונרשמו יופיעו.

זכרו:

סיומת של קובץ נתונים: .sav* (*= שם קובץ)

סיומת של קובץ syntax: .sps* (*= שם קובץ)

סיומת של קובץ נתונים: .spo* (*= שם קובץ)

 

3.  FREQUENCIES - טבלאות שכיחות, ומדדי מרכז ופיזור .

ברירת המחדל: טבלאות שכיחות -  הערכים האפשריים , שכיחות , אחוזים , ואחוזים מצטברים.
אפשרויות נוספות : ממוצע , חציון, שכיח, סטיית תקן, שונות, מינימום, מקסימום, טווח, תחום בין רבעוני ומאונים / אחוזונים.

       א.         analyze ® descriptive statistics ® frequencies

       ב.         בחרו את המשתנים הרצויים מתוך חלון המשתנים והעבירו אותם בעזרת החץ השחור לחלון הגדול

       ג.          לקבלת מדדי מרכז ופיזור : לחצו  statistics  
ממוצע : Mean
חציון : Median
שכיח : Mode
סטית תקן : Std. deviation
שונות : Variance
טווח: Range
מינימום : Minimum
מקסימום:  Maximum
רבעונים : Quartiles
מאונים: Percentiles  ( יש להכניס את המאון למשל מאון 90 , וללחוץ add )

       ד.         לחצו continue

4.  מאונים

       א.         לחצו על analyze ® descriptive statistics ® frequencies

       ב.         בחרו את המשתנים הרצויים מתוך חלון המשתנים והעבירו אותם בעזרת החץ השחור לתוך החלון הגדול

       ג.          לאחר הכנסת משתנים רצויים: לחצו על statistics

       ד.         היכן שכתוב percentiles רשמו את המאון שמעניין אתכם

       ה.         add ® continue

        ו.          לחצו paste והריצו מתוך ה-syntax

5.  חישוב תחום בין רבעוני:

א.          לחצו על analyze ® descriptive statistics ® frequencies

ב.          לחצו על statistics.

ג.           כשנפתח החלון בחלק של percentile values לחצו על quartiles.

6.   DESCRIPTIVES -  מדדי מרכז ופיזור .

ברירת המחדל :       N , ממוצע, סטיית תקן, מינימום ומקסימום .
אפשרויות נוספות : שונות, טווח, וסכום.

א.      analyze ® descriptive statistics ® descriptives

ב.      בחרו את המשתנים הרצויים מתוך חלון המשתנים והעבירו אותם בעזרת החץ השחור לתוך החלון הגדול.

ג.       לקבלת מדדים נוספים : לחצו  options

RECODE

מטרת פקודת recode היא קידוד מחדש של ערכי המשתנה, כלומר הפיכת ערכים ישנים במשתנה כלשהו לערכים חדשים. ( החלפת ערכים, קיבוץ לקטגוריות וכו' )

1.      - Recode into same variable שינוי הערכים במשתנה עצמו
     משתמשים כאשר קידוד הערכים לא מביא לאיבוד שום מידע.

1)   transform ® recode ® into same variable

2)   לבחור את המשתנה הרצוי .

3)   old and new values

4)   ב- old value לרשום את הערך הקיים, ב-new value רושמים את הערך שאליו רוצים לשנות. אפשרויות :

·         ערכים בודדים - value

• טווחים שונים – כאשר אותו הערך מוכנס בשני טווחים ( למשל 20-30 , 30-40 ) הערך המדוייק (30) יוכנס לטווח שנרשם ראשון.
• System or user missing – כל הערכים החסרים, ניתן להפוך ל-  System missing
• All other values

5)   add ® continue ®  paste

בקרת שינויים :  חשוב מאד לבדוק את הרצת הפקודה:

א.      בודקים מספר ערכים שאמורים להשתנות.

ב.      מריצים פעם אחת. ובודקים שאכן הערכים השתנו.

ג.       מסמנים כוכבית לפני הפקודה ב- syntax .

2.      Recode into different variable – יצירת משתנה חדש שיכיל את הערכים החדשים.

       משתמשים כאשר קידוד הערכים יגרום לאבדן מידע.

1)      transform ® recode ® into different variable

2)      לבחור את המשתנה הרצוי .

3)      ב- output variable לרשום שם חדש למשתנה, ב-labels לרשום הסבר מפורט יותר לשם המשתנה.

4)      ללחוץ על change.

5)      old and new values

6)      אפשרות נוספת  ב-  new values היא  : copy old values

3.    אופצית - IF  

משתמשים ב- IF כאשר רוצים לבצע את הקידוד מחדש רק לחלק מהנבדקים – רק ל- cases המקיימים איזה שהוא תנאי.

1)      לוחצים IF .

2)      מסמנים Include if case satisfies condition

3)      בחרו את הביטוי הלוגי שצריך להתקיים ( למשל sex = 1 ) רק עבור מקרים שמקיימים את הביטוי יבוצע ה- recode המבוקש.

א)   and  &: ה-recode  יבוצע רק עבור cases המקיימים את כל התנאים בו זמנית.
 (דוגמא:  Sex = 2 and age >30  רק נשים שהן מעל גיל 30 )

ב)     Or: ה-recode  יבוצע רק עבור cases המקיימים לפחות אחד מהתנאים.
 (דוגמא:  Sex = 2 or age >30  כל הנשים ללא קשר לגיל, וכל הנבדקים מעל גיל 30, גברים ונשים)

ג)      = ~   (שונה)

4)      Continue.

 COMPUTE

מטרת פקודת compute היא יצירת משתנה חדש שיהווה איזה שהוא חישוב מתמטי של משתנה קיים, או חישוב מתמטי המשלב מספר משתנים קיימים ( למשל ממוצע של מספר משתנים ).

כל case  יקבל ערך חדש במשתנה בהתאם ל- compute.

1)      transform ® compute

2)      ב- target variable  רשמו שם של משתנה חדש

3)      ב- numeric expression  רישמו את הביטוי המתמטי  ( ללא סימן השווה ! ) :

א)      נוסחה : ( לא מטפל בערכים חסרים )
 (que1+que2+que3+que4+que5 ) / 5           במידה ואחד הערכים חסר, התוצאה תהיה ערך חסר .

ב)      פונקציה : ( יודע לטפל בערכים חסרים )
MEAN (que1,que2,que3,que4,que5)             במידה ואחד הערכים חסר, עדיין יחושב ממוצע בלעדיו.

1)      כנסו לחלון functions  , לחצו על האות הראשונה של הפונקציה הרצויה ( mean, sum  וכו' ).

2)      העבירו אותה ע"י החץ.

3)      הכניסו משתנים במקום סימני השאלה, הקפידו על הפסיקים.

4)      Paste / ok.

5)      לאחר הרצה , נוצר משתנה חדש בסוף הקובץ – הגדירו אותו באופן מלא.

הוספת ערך רק לחלק מה-  cases שימוש בפקודה IF

השימוש בפקודת IF   מאפשר ביצוע פקודת compute רק לחלק מה- cases.

הוספת 2 רק לבנות :

א.      comput new = old         (העתקת הערכים לכולם )

ב.      comput new = old+2    
if sex = 2                    ( שינוי הערכים רק לבנות – דורס את הערכים הקודמים )

גרפים ו SELECT CASES

1.  גרפים GRAPHS

1)      עוגה - pie  :  מתאים למשתנים בסולם שמי

א)   ® paste המשתנה רצוי ל- define slices by  graphs ® pie ® define ®

ב)   הורדת ערכים חסרים :
להוריד את ה- V  options ® display groups defined by missing values ®  .

ג)    עריכה :

I.          קליק כפול על הגרף עצמו – פותח את ה- editor . כל שינוי על ה editor נשמר מייד על ה- output .

II.         קליק כפול על תויות חלקי העוגה – אפשרות להכניס אחוזים.

III.       איקונים לשינוי מרקם, צבע, עובי קוים וכו'

2)      גרף מקלות -  bar  : מתאים למשתנים בסולמות שמי וסדר

א)               ® paste העבירו משתנה רצוי  ל-category axis  graphs ® bar ® define ®

ב)   הורדת ערכים חסרים :
להוריד את ה- V  options ® display groups defined by missing values ®  .

ג)    ערכי העמודות יכולים לייצג שכיחות - N of cases  או אחוזים - % of cases  וכו'.

ד)   עריכה :

I.          קליק כפול על הגרף עצמו – פותח את ה- editor . כל שינוי על ה editor נשמר מייד על ה- output .

II.         אייקון bar label style ( נראה כמו שני bar עם ערכים עליהם ) מוסיף את השכיחות לעמודות.

III.       קליק כפול על ערכי ציר Y מאפשר שינוי.
 לרשום את הקפיצות ®     major division ® increment
 לרשום ערכים® מינימלי ומקסימלי    range ® displayed

IV.      איקונים לשינוי מרקם, צבע, עובי קוים וכו'

3)      היסטוגרמה histogram : מתאים למשתנים בסולמות רווח  ומנה

א)   ® paste העבירו משתנה רצוי  ל- variable  graphs ® histogram ®

2.  select cases

מטרת פקודת select cases היא בחירה של חלק מה-cases . מרגע שהם נבחרו, כל פקודה שנבצע תתבצע רק על ה- cases האלו . ( מלבד recode  ו- compute אשר אינם מושפעים מה- select cases, ובפקודות אלו משתמשים ב- if  אם רוצים לבצע את החישוב רק לחלק מה- cases )

בחירה :

       א.         data ® select cases ®  if condition is satisfied ®  if ®

       ב.         רשמו משפט לוגי ( כגון מין=2 and גיל>20) , רק מי שמקיים את התנאי יבחר.

       ג.          continue ® paste

       ד.         בקובץ יש קו המוחק את המספרים של הרשומות שהוצאו מתוך המדגם,
בצד ימין למטה רשום: filter on.
נוצר משתנה פילטר חדש – פנימי של SPSS

הסרת הבחירה :

       א.         data ®  select cases ®  all cases ®  paste ®

       ב.         בידקו בקובץ שאין קו המוחק אף אחת מהרשומות  +  נעלם ה- filter on. ( משתנה הפילטר לא נמחק , וזה בסדר. אם רוצים ניתן למחוק אותו ).

: SPLIT FILE, ציוני תקן

1.  Split file

מטרת פקודת split file  היא לחלק את הקובץ לקבוצות . מרגע שהקובץ חולק, כל פקודה שנבצע תתבצע בנפרד עבור כל קבוצה .

בחירה :

       א.         data ® split file

       ב.         compare groups (נוח להשוואת קבוצות )  או organize output by groups ( לכל קבוצה טבלה נפרדת )

       ג.          לחלון מכניסים את המשתנה שמגדיר מיהן הקבוצות.

       ד.         continue ® paste

       ה.         בצד ימין למטה רשום: split file on .

הסרת הבחירה :

       א.         analyze all cases, do not create groups Data® split file ®

       ב.         בידקו בקובץ שנעלם ה- split file on.

** הקפידו בכל פעם שאתם מבצעים select cases / split file  להוריד אותם בסיום !!!

 

2.  ציוני תקן

       א.         העבירו משתנים רצויים analyze ® descriptive statistics ® descriptives ®

       ב.         סמנו Ö במשבצת:save standardized values as variables   במסך הראשי ®

     ג.       המשתנים החדשים יופיעו בסוף מסד הנתונים ושמם יהיה כשם המשתנה המקורי בתוספת האות Z לפני שם המשתנה. לדגומא: ציון תקן עבור מבחן אנגלית ששמו המקורי היה english יהיה zenglish
ניקיון קובץ, מהימנות a של קרונבך

1.  ניקיון קובץ

כאשר מקבלים קובץ חדש, או לאחר הקלדה, יש לבדוק את תקינות הקובץ לפני שמתחילים לעבוד.

1. היכרות עם הקובץ- מהם המשתנים, מה ההגדרה המלאה שלהם, האם יש values וכו'
2. בדיקת missing .
3. טעויות הקלדה :

א.      Descriptives ובדיקת min / max . תיקון ע"י מחיקה (או שחזור מידע מהשאלונים עצמם).

ב.      בדיקות חוזרות עד ל- descriptives תקין.

ג.       Frequencies לבדיקת הערכים (  values תקינים, תוצאות הגיוניות וכו' ).

 

2.  מהימנות - a של קרונבך

מטרת ניתוח המהימנות הוא לבדוק האם מספר שאלות שואלות בעצם על אותו הנושא.  האם כל השאלות בודקות את אותו הדבר . ( האם כל שאלות que1 עד que5 המתייחסות לתחושת השיתוף בנויות באותו כיוון).

לפני תחילת ניתוח המהימנות, יש לבדוק שבוצע  recode לכל המשתנים ההפוכים !

1.      analyze ® scale ®  reliability analysis 

2.      מעבירים את כל המשתנים שמעוניינים  במהימנות שלהם.

3.       statistics  ß ומסמנים ב-Ö את :  scale if item is deleted

ניתוח הפלט :

4.      אלפה של קרונבך  - מצביעה על המהימנות הכוללת של כל השאלות.  אלפה של 0.7 ומעלה נחשבת מספקת.

5.      בודקים את מתאם כל שאלה.  מתאם שלילי ( שאיננו קרוב מאד לאפס ) מרמז על שאלה הפוכה.

6.      בודקים, לכל שאלה, האם האלפה תשתפר אם נוציא את השאלה מהחישוב.

המשך עבודה :

הופכים שאלות הפוכות .

במידה ואלפה איננה מספקת, מוציאים שאלות ( בזו אחר זו ) ובודקים מהימנות מחדש עד לקבלת אלפה מספקת. בכל פעם מוציאים רק שאלה אחת לפי האלפה הטובה ביותר שניתן לקבל.

מבחן T לאוכלוסיה יחידה

1. one Sample T-Test – T לאוכלוסייה יחידה

1. השערה דו צדדית מובהקת: מספר שנות ותק של החברה שונה מ-15. מאחר ומדובר בדיקת השערות לאוכלוסייה אחת כאשר סטיית התקן אינה ידועה, חד צדדית, נבצע  one Sample T-Test.

1.      Analyze ® Compare Means ® one Sample T-Test

2.      נפתח חלון.

3.      היכן שרשום Test Variable(s) נרשום את המשתנה/ים עבורו מעוניינים לבדוק את ההשערה. במקרה זה שנות ותק (ניתן לשים יותר ממשתנה אחד והמחשב יבצע בדיקה עבור כל משתנה בנפרד).

4.      היכן שרשום test value נרשום את תוחלת האוכלוסייה הידועה. במקרה זה 15.

5.      Continue ®  PASTE

באופן עקרוני, לפלט יש מספר שלבים:

א.      בדיקת כיוון ההשערות. אם ההשערה היא דו צדדית אז אין בעיה.

ב.      ממוצע – 17.40

ג.       סטיית התקן – 8.88

ד.      T- 2.02

ה.      ד"ח 55

ו.        sig= 0.048 < 0.05 כלומר מובהק. זוהי השערה דו צדדית.

ז.       מסקנה: ניתן לדחות H₀. ברמת מובהקות של 0.05 ניתן לומר שהותק שונה מ-15.

ח.      רווח סמך – להוסיף את ה-test value. ברירת מחדל של המחשב הוא רווח ברמת בטחון של 95%: (ב-options ניתן לשנות את רווח בר סמך.)

options ® confidence interval = 95%

T-Test

דיווח (לא מלמדים) השערה דו צדדית מובהקת:

השערה: מספר שנות ותק של החברה שונה מ-15.

דיווח תוצאות: על מנת לבדוק את ההשערה שמספר שנות ותק של החברה שונה מ-15 נערך מבחן T לאוכלוסייה יחידה. נמצא כי מספר שנות הותק של החברה שונה מ-15 (t₍₅₅₎=2.02, p<0.05). ממוצע שנות הותק הינו 17.40 וס.ת. 8.88.

מסקנה: ניתן לומר שמספר שנות הותק של החברה שונה מ-15.

2. השערה דו צדדית: מספר שנות ותק של החברה שונה מ-18. מאחר ומדובר בדיקת השערות לאוכלוסייה אחת כאשר סטיית התקן אינה ידועה, חד צדדית, נבצע  one Sample T-Test.

א.      Analyze ® Compare Means ® one Sample T-Test

ב.      נפתח חלון.

ג.       היכן שרשום Test Variable(s) רשמו את המשתנה/ים התלוי/ים עבורו מעוניינים לבדוק את ההשערה.

ד.      היכן שרשום test value רשמו הערך אליו משווים את המשתנים התלויים (במקרה הזה 18).

ה.      Continue ®  PASTE

T-Test

השערה דו צדדית לא מובהקת:

השערה: מספר שנות ותק של החברה שונה מ-18.

דיווח תוצאות: על מנת לבדוק את ההשערה שמספר שנות ותק של החברה שונה מ-18 נערך מבחן T לאוכלוסייה יחידה. לא נמצא כי מספר שנות הותק של החברה שונה מ-18. ממוצע שנות הותק הינו 17.40 וס.ת. 8.88.

מסקנה: לא ניתן לומר שמספר שנות הותק של החברה שונה מ-18.

חישוב רווח בר סמך לרמת בטחון של 90%:

3.השערה חד צדדית: מספר שנות ותק של החברה גדול מ-15.3. מאחר ומדובר בדיקת השערות לאוכלוסייה אחת כאשר סטיית התקן אינה ידועה, חד צדדית, נבצע  one Sample T-Test.

1.      Analyze ® Compare Means ® one Sample T-Test

2.      נפתח חלון. להבהיר שוב ושוב שכיוון ההשערה לא מעניינת את המחשב.

3.      היכן שרשום Test Variable(s) נרשום את המשתנה/ים עבורו מעוניינים לבדוק את ההשערה. במקרה זה שנות ותק  (ניתן לשים יותר ממשתנה אחד והמחשב יבצע בדיקה עבור כל משתנה בנפרד).

4.      היכן שרשום test value נרשום את תוחלת האוכלוסייה הידועה. במקרה זה 15.3.

5.      ב-options ניתן לשנות את רווח בר סמך. נוסחה עבור חסם ברמת בטחון של  1-a » (1-2*a)*100

6.      Continue ®  PASTE

7.      להריץ.

באופן עקרוני, לפלט יש מספר שלבים:

א.      הדבר הראשון שצריך לבדוק זה שהתוצאה יצאה בכיוון ההשערות. אם ההשערה אם ההשערה היא חד צדדית, אנחנו מצפים שהממוצע יצא כאן גבוה יותר. צריך לבדוק שהתוצאות יצאו בכיוון הנכון, כלומר, שיערנו שהותק גבוה מ-15.3. היכן שרשום ממוצע (mean) יש לבדוק שהיא גבוה מ-15.3. הממוצע במקרה שלנו הוא 17.4 כלומר גדול מ-15.3. (לו התוצאה היתה קטנה מ-15.3 היינו רושמים שלא ניתן לדחות H0). אם התוצאות יוצאות בכיוון הנכון, ממשיכים. במקרה שלנו -  אכן, התוצאות בכיוון הנכון. אפשר לעבור לשלב הבא.

ב.      בפלט נתון ממוצע וסטיית תקן של הקבוצה.

ג.       t₍₅₅₎= 1.771

ד.      sig= 0.082/2 < 0.05 כלומר מובהק. זוהי השערה דו צדדית.

ה.      מסקנה: ניתן לדחות H₀. ברמת מובהקות של 0.05 ניתן לומר שהותק גדול מ-15.3.

T-Test

השערה חד צדדית  מובהקת:

השערה: מספר שנות ותק של החברה גדול מ-15.3.

דיווח תוצאות: על מנת לבדוק את ההשערה שמספר שנות ותק של החברה גדול מ-15.3 נערך מבחן T לאוכלוסייה יחידה. נמצא כי מספר שנות הותק של החברה גדול מ-15.3 (t₍₅₅₎=1.771, p<0.05). ממוצע שנות הותק הינו 17.40 וס.ת. 8.88.

מסקנה: ניתן לומר מספר שנות הותק של החברה גדול מ-15.3.

4.השערה חד צדדית: מספר שנות ותק של החברה קטן מ-15.3. מאחר ומדובר בדיקת השערות לאוכלוסייה אחת כאשר סטיית התקן אינה ידועה, חד צדדית, נבצע  one Sample T-Test.

1.      Analyze ® Compare Means ® one Sample T-Test

2.      נפתח חלון. להבהיר שוב ושוב שכיוון ההשערה לא מעניינת את המחשב.

3.      היכן שרשום Test Variable(s) נרשום את המשתנה/ים עבורו מעוניינים לבדוק את ההשערה. במקרה זה שנות ותק (ניתן לשים יותר ממשתנה אחד והמחשב יבצע בדיקה עבור כל משתנה בנפרד).

4.      היכן שרשום test value נרשום את תוחלת האוכלוסייה הידועה. במקרה זה 15.3.

5.      ב-options ניתן לשנות את רווח בר סמך. נוסחה עבור חסם ברמת בטחון של  1-a » (1-2*a)*100

6.      Continue ®  PASTE

7.      להריץ.

באופן עקרוני, לפלט יש מספר שלבים:

א.      הדבר הראשון שצריך לבדוק זה שהתוצאה יצאה בכיוון ההשערות. אם ההשערה אם ההשערה היא חד צדדית, אנחנו מצפים שהממוצע יצא כאן גבוה יותר. צריך לבדוק שהתוצאות יצאו בכיוון הנכון, כלומר, שיערנו שהותק נמוך מ-15.3. היכן שרשום ממוצע (mean) יש לבדוק שהיא נמוך מ-15.3. הממוצע במקרה שלנו הוא 17.4 כלומר גדול מ-15.3. (ולכן התוצאה הפוכה להשערה ולא ניתן בשום מקרה לדחות H₀) בפלט נתון ממוצע וסטיית תקן של הקבוצה.

ב.      ניתן לדווח T אבל לשאר אין משמעות t₍₅₅₎=-1.771

ג.       אין טעם לבדוק מובהקות.

ד.      מסקנה: לא ניתן לדחות H₀. ברמת מובהקות של 0.05 לא ניתן לומר שהותק קטן  מ-15.3.

השערה חד צדדית  לא מובהקת:

השערה: מספר שנות ותק של החברה נמוך מ-15.3.

דיווח תוצאות: על מנת לבדוק את ההשערה שמספר שנות ותק של החברה נמוך מ-15.3 נערך מבחן T לאוכלוסייה יחידה. לא נמצא כי מספר שנות הותק של החברה גדול מ-15.3.  ממוצע שנות הותק הינו 17.40 וס.ת. 8.88.

מסקנה: לא ניתן לומר מספר שנות הותק של החברה גדול מ-15.3.

T-TEST למשתנים בלתי תלויים ומזווגים

1. Independent Samples T-Test

השערה: אנשים שעברו את הסדנא ירגישו מחוייבות רבה יותר, בהשוואה לאנשים שלא עברו את הסדנא.

א.       Analyze ® Compare Means ® Independent Samples T-Test

ב.      נפתח חלון.

ג.       היכן שרשום Test Variable(s) נרשום את המשתנה/ים התלוי/ים עבורו מעוניינים לבדוק את ההשערה.

ד.      היכן שרשום Grouping Variable נרשום את המשתנה הבלתי תלוי – בין מה למה אנחנו מעוניינים להשוות.

ה.      החלק האפור בו רשום Define groups נעשה שחור. חייבים ללחוץ עליו ולרשום את הקבוצות המעניינות אותנו.

ו.        Continue ®  PASTE

דיווח תוצאות חד צדדי, תוצאה מובהקת:

על מנת לבדוק את ההשערה שאנשים שעברו את הסדנא ירגישו מחוייבות רבה יותר לארגון, בהשוואה לאנשים שלא עברו את הסדנא נערך מבחן t חד צדדי למשתנים בלתי תלויים. נמצא כי יש הבדל מובהק בין הקבוצות (t₍₅₇₎=2.67, p<0.01). נמצא כי האנשים שהשתתפו בסדנא הרגישות מחוייבות רבה יותר לארגון (ממוצע=3.8 וס.ת. 0.11) בהשוואה לאנשים שלא השתתפו בסדנא (ממוצע=3.40 וס.ת. 0.11).

מסקנה: ניתן לומר שאנשים שעברו את הסדנא ירגישו מחוייבות רבה יותר לארגון, בהשוואה לאנשים שלא עברו את הסדנא

T-Test

השערה דו צדדית:

יימצא הבדל בין אנשים ששותפו בסדנה המסבירה תהליכי שינוי בארגון לבין אלו שלא, ברמת תחושת המחוייבות שלהם לארגון.

דיווח תוצאות: על מנת לבדוק את ההשערה שיימצא הבדל בין אנשים ששותפו בסדנה המסבירה תהליכי שינוי בארגון לבין אלו שלא, ברמת תחושת המחוייבות שלהם לארגון נערך מבחן t דו צדדי למשתנים בלתי תלויים. נמצא כי יש הבדל מובהק בין הקבוצות (t₍₅₇₎=2.67, p<0.05). נמצא כי יש הבדל ברמת המחוייבות לארגון של האנשים שהשתתפו בסדנא (ממוצע=3.8 וס.ת. 0.11) לבין אלו שלא השתתפו בסדנא (ממוצע=3.40 וס.ת. 0.11).

מסקנה: ניתן לומר שיש הבדל בין אנשים ששותפו בסדנה המסבירה תהליכי שינוי בארגון לבין אלו שלא, ברמת תחושת המחוייבות שלהם לארגון.

לו התוצאה לא מובהקת או יוצאת הפוך להשערות (בין אם מובהקת ובין אם לא)

דיווח תוצאות: על מנת לבדוק את ההשערה שאנשים ששותפו בסדנה המסבירה תהליכי שינוי בארגון ירגישו יותר מחוייבות לארגון מאלו שלא עברו סדנה, נערך מבחן t חד צדדי למשתנים בלתי תלויים. לא נמצא הבדל מובהק בין הקבוצות (לא מדווחים t וכו'. לרוב לא מדווחים גם את הממוצעים וסטיות התקן שהתקבלו).

מסקנה: לא ניתן לומר שאנשים שעברו את הסדנא ירגישו מחוייבות רבה יותר לארגון, בהשוואה לאנשים שלא עברו את הסדנא.

 2. Paired Samples T-Test

השערה: בהשוואה בין תחושות המחוייבות לארגון לבין התנגדות לשינוי, אנשים יחושו מחוייבות רבה יותר מהתנגדות. מאחר ומדובר בבדיקת השערות להפרש בין תוחלות כאשר  sות לא ידועות למדגמים מזווגים (אלה אותם אנשים עם שני ציונים שונים) חד צדדי נבצע  Paired Samples T-Test.

1.      Analyze ® Compare Means ® Paired Samples T-Test

2.      נפתח חלון.

3.      היכן שרשום Paired Variables יש להכניס זוגות של משתנים. זאת על ידי כך שלחיצה ראשונה על משתנה תרשום את המשתנה ב-variable 1 בתחתית המסך ולחיצה על משתנה שני תרשום אותו ב-variable 2 בתחתית המסך. רק לאחר שיש 2 משתים, אפשר להעביר אותם על יד החץ לחלון הריק. (ניתן לשים יותר מזוג אחד והמחשב יבצע בדיקה עבור כל זוג בנפרד).

4.      Continue ®  PASTE

דיווח תוצאות חד צדדית, תוצאה מובהקת:

דיווח תוצאות: על מנת לבדוק את ההשערה שאנשים יחושו מחוייבות לארגון גבוה יותר מהתנגדות לשינוי נערך מבחן t חד צדדי למשתנים תלויים. נמצא כי יש הבדל מובהק בין המדדים (t₍₅₈₎=-4.25, p<0.01). נמצא כי אנשים מרגישים מחוייבות רבה יותר לארגון (ממוצע=3.59 וס.ת. 0.62) בהשוואה להתנגדות לשינוי (ממוצע=2.95 וס.ת. 0.74).

מסקנה: ניתן לומר שאנשים מרגישים יותר מחוייבות לארגון מאשר התנגדות לשינוי.

השערה דו צדדית: יימצא הבדל בין תחושת המחוייבות של האנשים לארגון לבין ההתנגדות שלהם לשינוי.

דיווח תוצאות: על מנת לבדוק את ההשערה שיימצא הבדל בין תחושת המחוייבות של האנשים לארגון לבין התנגדות לשינוי, נערך מבחן t דו צדדי למשתנים תלויים. נמצא כי יש הבדל מובהק בין המדדים (t₍₅₈₎= -4.25, p<0.01). יש הבדל בין מידת המחוייבות לארגון שאנשים מרגישים (ממוצע=3.59 וס.ת. 0.62) לבין ההתנגדות שלהם לשינוי (ממוצע=2.95 וס.ת. 0.74).

מסקנה: ניתן לומר שיש הבדל תחושת המחוייבות של האנשים לארגון לבין ההתנגדות שלהם לשינוי.

לו התוצאה לא מובהקת או יוצאת הפוך להשערות (בין אם מובהקת ובין אם לא)

דיווח תוצאות: על מנת לבדוק את ההשערה שאנשים יחושו מחוייבות לארגון גבוה יותר מהתנגדות לשינוי נערך מבחן t חד צדדי למשתנים תלויים. לא נמצא הבדל בין המדדים (לא מדווחים t ולרוב גם לא ממוצעים וסטיות תקן).

מסקנה: לא ניתן ניתן לומר שאנשים מרגישים יותר מחוייבות לארגון מאשר התנגדות לשינוי.

T-Test

 

מתאמים: פירסון, חי בריבוע, קרמר, פי

1.   scatterplot (דיאגרמת פיזור)

1. לבחור סוג דיאגרמת פיזור ®  (דיאגרמת פיזור) Graphs ® scatter

א:      אפשרויות לדיאגרמת פיזור:

simple – עבור כל ערך בציר X, מסמן גם את הערך הרלוונטי על ציר Y

overlay – כמו simple אבל אפשר לשים מספר דיאגרמות פיזור על אותו הגרף

2. ® paste  להעביר משתנים לציר X ולציר Y  continue ®

2.   מתאם פירסון

®  להעביר לפחות שני משתנים לתוך החלוןanalyze ® correlate ® bivariate ® 

 ® pasteלוודא שמתאם פירסון מסומן ®

דיווח תוצאות:

על מנת לבדוק את ההשערה שיימצא קשר חיובי בין מידת השיתוף בניהול השינוי לבין מחוייבות ארגונית נערך מתאם פירסון חד צדדי. נמצא קשר חיובי בינוני ומובהק בין מידת שיתוף בניהול השינוי לבין מחוייבות ארגונית (r=0.38, p<0.01).

מסקנה: ככל שעולה מידת השיתוף בניהול השינוי בארגון כך גם עולה המחוייבות הארגונית.

אם התוצאות לא מובהקות, מקובל כן לדווח את המתאם שהתקבל ולציין שלא יצא מובהק.

3.   מתאם חי בריבוע, קרמר

analyze → descriptive statistics → crosstabs

להעביר לשורות (rows) את המשתנה שרוצים שיהיה בציר X בגרף

להעביר לעמודות (columns) את המשתנה השני

אפשרויות

בניית גרף: סמן √ ב- display clustered bar chart במסך הראשי

הורדת טבלת שכיחויות: סמן √ ב- suppress tables במסך הראשי

בחירת סטטיסטיים חי בריבוע או קרמר ופי:  במסך הראשי -

statistics →  (Phi and cramers V) או את (chi square)   את חי בריבוע √ סימון ב- → continue

הוספת אחוזי שורה, עמודה או תא: במסך הראשי –

cells →את האחוזים הרצויים   percentages לבחור ב-

            ה. בניית טבלת expected: במסך הראשי -

cells →  expected  את √ לסמן ב- countsב- → continue

חזרה למסך הראשי – לחצו  על paste והריצו בקובץ ה-syntax

דיווח תוצאות:

על מנת לבדוק את ההשערה שיימצא קשר בין התפקיד בארגון (jobs) לבין הוותק (כפי שנמדד באופן קטגוריאלי) נערך מבחן חי בריבוע לאי תלות. נמצא כי קיים קשר העיסוק בארגון לבין הוותק (X²₍₂₎=10.29, p<0.01). ניתן גם לדווח על קרמר למרות שזה פחות מקובל (rc=0.5, p<0.01) בינוני ומובהק.

לרוב לא מעניין אותנו רק אם יש קשר, אלא היתה לנו כוונה מוקדמת להיכן יימצא הקשר. למשל – נמצא ש 100% מעובדי השירותים הם בעלי וותק של 20 שנה ומעלה.

מסקנה: יש קשר בין עיסוק בארגון לבין וותק.

חשוב מאוד לזכור שבחי בריבוע מדווים אחוזים שמתקבלים שמעניינים אותנו

ניתוח שונות חד כיווני ANOVA

1.     One Way Anova

דוגמה: האם יש הבדל בין קבוצות ההשכלה השונות בתחושת מחוייבות לארגון. מאחר ומדובר בשלוש אוכלוסיות בלתי תלויות כאשר sות לא ידועות, נבצע ניתוח שונות חד גורמי – ANOVA (analysis of variance).

1.      Analyze ® Compare Means ® one way ANOVA

2.      נפתח חלון.

3.      היכן שרשום dependent list נרשום את המשתנה/ים התלוי/ים עבורו מעוניינים לבדוק את ההשערה. במקרה זה mehuyavut (ניתן לשים יותר ממשתנה אחד והמחשב יבצע בדיקה עבור כל משתנה בנפרד).

4.      היכן שרשום Factor נרשום את המשתנה הבלתי תלוי – בין מה למה אנחנו מעוניינים להשוות.

5.      ב-options חייבים ללחוץ על descriptives על מנת לקבל מדדי מרכז ופיזור רלוונטיים.

6.      Continue ®  PASTE

דיווח תוצאות מובהקות:

על מנת לבדוק את ההשערה שיימצא הבדל בין רמות ההשכלה השונות (יסודי, תיכוני, על תיכוני ואקדמאי) בתחושת המחוייבות לארגון נערך ניתוח שונות חד כיווני. נמצא כי יש הבדל מובהק בין הקבוצות (F_(3,48)=4.80, p<0.01). נמצא כי בעלי השכלה על תיכונית הרגישו מחוייבות רבה ביותר לארגון (ממוצע=4.2 וס.ת. 0.45), אחריהם בעלי השכלה תיכונית (ממוצע=3.63 וס.ת. 0.57), אחריהם בעלי השכלה יסודית (ממוצע=3.25 וס.ת. 0.37). ואילו בעלי השכלה אקדמאית הרגישו הכי פחות מחוייבים לארגון (ממוצע=3.18 וס.ת. 0.76).

מסקנה: ניתן לומר שיש הבדל בין רמות ההשכלה השונות (יסודי, תיכוני, על תיכוני ואקדמאי) בתחושת המחוייבות לארגון.

דיווח תוצאות לא מובהקות:

על מנת לבדוק את ההשערה שיימצא הבדל בין רמות ההשכלה השונות (יסודי, תיכוני, על תיכוני ואקדמאי) בתחושת המחוייבות לארגון נערך ניתוח שונות חד כיווני. לא נמצא הבדל מובהק בין הקבוצות.

מסקנה: לא ניתן לומר שיש הבדל בין רמות ההשכלה השונות (יסודי, תיכוני, על תיכוני ואקדמאי) בתחושת המחוייבות לארגון.

2.     קונטרסטים לאחר מעשה – post hoc

דוגמה: בדומה לשאלה הקודמת – לאחר שראינו את התוצאות, מעוניינים לדעת אילו 2 קבוצות השכלה גורמות לתוצאה המובהקת (אם מסתכלים בממוצעים, רואים איזו השערה הגיונית לשער). שימו לב, שעל פי SPSS ניתן לבדוק בכל פעם רק שתי קבוצות ב-post hoc. כלומר הוא נותן לנו בדיקה אוטומטית של כל הזוגות האפשריים – קבוצה 1 מול 2, 1 מול 3, 2 מול 3 וכו'.

1.      Analyze ® Compare Means ® one way ANOVA

2.      נפתח חלון.

3.      היכן שרשום dependent list נרשום את המשתנה/ים התלוי/ים עבורו מעוניינים לבדוק את ההשערה.

4.      היכן שרשום Factor נרשום את המשתנה הבלתי תלוי – בין מה למה אנחנו מעוניינים להשוות.

5.      ב-options חייבים ללחוץ על descriptives על מנת לקבל מדדי מרכז ופיזור רלוונטיים.

6.      Continue

7.      נלחץ על post hoc

8.      נסמן Ö ב-scheffe ו-continue

9.      ®  PASTE

 

דיווח תוצאות:

על מנת לבדוק את ההשערה שיימצא הבדל בין רמות ההשכלה השונות (יסודי, תיכוני, על תיכוני ואקדמאי) בתחושת המחוייבות לארגון נערך ניתוח שונות חד כיווני. נמצא כי יש הבדל מובהק בין הקבוצות (F_(3,48)=4.80, p<0.01). נמצא כי בעלי השכלה על תיכונית הרגישו מחוייבות רבה ביותר לארגון (ממוצע=4.2 וס.ת. 0.45), אחריהם בעלי השכלה תיכונית (ממוצע=3.63 וס.ת. 0.57), אחריהם בעלי השכלה יסודית (ממוצע=3.25 וס.ת. 0.37). ואילו בעלי השכלה אקדמאית הרגישו הכי פחות מחוייבים לארגון (ממוצע=3.18 וס.ת. 0.76).

על מנת לבדוק מהיכן נובעים ההבדלים בין הקבוצות, נערך ניתוח post-hoc של שפה. נמצא כי יש הבדל מובהק סטטיסטית בין השכלה אקדמאית להשכלה על-תיכונית ברמת מובהקות של 0.05.

מסקנה: ניתן לומר שיש הבדל בין רמות ההשכלה השונות (יסודי, תיכוני, על תיכוני ואקדמאי) בתחושת המחוייבות לארגון. בניתוח פוסט-הוק נמצא הבדל בין השכלה על תיכונית לאקדמאית בתחושת המחוייבות לארגון.

Oneway

Post Hoc Tests

לבלתי תלויים.קבוצות ויעשו וגרים ולבדוק אם יש הבדל בין הקבוצות במשתנים שיתוף והתנגדות לשינוי.

רגרסיה מרובה

1. analyze à regression à linear  

        להכניס את המשתנה התלוי לחלון : dependent    [ התנגדות לשינוי ]

        להכניס את כל המשתנים הבלתי תלויים לחלון independent(s)  [שיתוף, ותק, ושאיפה להשתייך]

2.  ברירת המחדל היא שיטת enter.  ואנו נשתמש בה  (ישנן עוד שיטות יעילות אף יותר ) .

3.  נלחץ paste   ונריץ את הפקודה מהסינטקס.

קריאת הפלט :

1.  בטבלת model summary  נמצא את R²  ( 0.332 )

2. בטבלת ה- ANOVA נמצא את מובהקות המודל כולו, ווזו גם מובהקותו של R².

    בטבלה זו אנו מקבלים  :

א. הערך של F   -   8.084

ב. דרגות החופש שלו ( DF של regression   ושל ה- residual  )  3 , 51

ג. מובהקותו sig = p.v = 0.000

   והדיווח הוא : F_(3,51)=8.084 , p<0.001 ) (

3. בטבלת coefficients אנו מקבלים את את המקדמים ומובהקותם :

            א. הערך b  של כל אחד מהמשתנים   שיתוף :-0.210  , ותק : 0.00 ,  שאיפה להשתייך: -0.368  

            ב. a  תחת ה- b של ה- constant    4.922

כלומר :   

כאשר  Y = התנגדות,  X₁  =  שיתוף,  X₂  =  ותק,    X₃  =  שאיפה להמשיך להשתייך.

            ג. ערכי T , ומובהקות המקדמים :

                        שיתוף :                  p.v = 0.036 < 0.05    T=-2.155 ,       מובהק

                        ותק :                     p.v = 0.973                 T=0.034  ,        לא מובהק

                        השאיפה להמשיך :  p.v = 0.001 < 0.01   T=-3.485 ,       מובהק

ניתן לראות כי המודל כולו מובהק, F_(3,51)=8.084 , p<0.001)) . לרגרסיה יש = 0.332 R²  (שלושים ושלושה אחוז שונות מנובאת ).

למידת השיתוף  (T=-2.155,p<0.05), ולשאיפה להמשיך (T=-3.485,p<0.05) יש תרומה מובהקת לניבוי מידת ההתנהגות , ואילו תרומתו של משתנה הותק לניבוי ההתנגדות איננה מובהקת .

משוואת הרגרסיה היא  :  

  Y = התנגדות,  X₁  =  שיתוף,  X₂  =  ותק,    X₃  =  שאיפה להמשיך להשתייך.