Research Methods
For Master of Science in Nursing
Dr. A. Mohammadpour(BS; MSN; PhD)
Associate professor of Gonabad university of medical sciences
DATA
ANALYSIS
تجزیه و تحلیل داده ها
چگونه به کیفیت و صحت در داده ها دست یابیم؟
داده ها به دقت جمع آوری و ثبت شود
داده های گردآوری شده را بازبینی کنیم
خطاهای احتمالی را اصلاح کنیم
اگر تعدادی از پرسش ها بدون پاسخ مانده است باید تکمیل شود
اگر پاسخ سئوال ها با یکدیگر همخوانی ندارند میبایست علت روشن شده و پرسشنامه اصلاح گردد.
پس از در دست داشتن داده های صحیح و با کیفیت بهره گیری از آمار و اقدام به تجزیه و تحلیل امکان پذیر خواهد بود.
طرح7
By:Dr. Mohammadpour(PhD)
5
تعریف متغیر ها ( ادامه)
Variable View
By:Dr. Mohammadpour(PhD)
6
تعریف متغیر ها ( ادامه)
Data View
آمار توصیفی (:(Descriptive Statistics
شاخص – نمونه
آمار تحلیلی یا استنباطی"Analytic Statistics“`:
پارامتر – جامعه
تجزیه و تحلیل داده ها
آمار توصیفی ((Descriptive Statistics
آمار توصیفی که معمولا به توصیف داده ها می پردازد.
با استفاده از:
شاخص های تمایل مرکزی
شاخص های پراکندگی
شاخصهای تمایل مرکزی
میانگین(Mean)
نما (Mode)
میانه(Median)
چارکها ( دیگر چندک)
میانگین
در تحقیقاتی که مقیاس اندازه گیری داده ها حداقل فاصله ای است میانگین بهترین شاخص است.
مُد
در تحقیقاتی که مقیاس اندازه گیری داده ها رتبه ای یا اسمی است، نما مورد استفاده قرار می گیرند.
میانه
یک توزیع احتمالی را به دو قسمت مساوی تقسیم می کند.
ویژگی های میانه:
الف- میانه مشاهدات را به دو بخش مساوی تقسیم می کند.
ب- منحصر به فرد است.
ج- تحت تاثیر داده های پرت قرار نمی گیرد.
چارکها و صدکها
چارک و صدک ها مهم هستند، اما به طور کلی صدک ها در مورد مجموعه های بزرگ به کار می روند
توزیع های فراوانی(جداول و نمودارها)
توزیع فراوانی عبارت است از سازمان دادن داده ها یا مشاهدات به صورت طبقات همراه با فراوانی هر طبقه.
انواع جداول:
یک بعدی
دو یا چند بعدی
نمونه جدول یک بعدی(مقادیر یا فراوانی تنها مربوط به یک متغیر):
جدول فراوانی داده های دو یا چند متغیره
نمایش نموداری
برای خلاصه کردن مجموعه های بزرگی از داده ها در یک شکل ساده ، آنها را اغلب به صورت نموداری نمایش می دهیم.
مهمترین انواع نمودارها:
نمودار هیستوگرام
نمودار چند ضلعی
نمودار میله ای
منحنی فراوانی تجمعی (اوجایو)
نمودار دایره ای یا کلوچه ای
نمودار شاخه و برگ
نمودار پراکنش
نمودار هیستوگرام
شاخصهای پراکندگی
شاخصهای پراکندگی برخلاف شاخصهای مرکزی هستند. آنها میزان پراکندگی یا تغییراتی را که در بین داده های یک توزیع (نتایج تحقیق) وجود دارد، نشان می دهند.
خواص شاخصهای پراکندگی
شاخصهای پراکندگی مخصوص داده های کمی می باشد .
شاخصهای پراکندگی همیشه عددی مثبت محاسبه می شود .
حداقل شاخصهای پراکندگی صفر می باشد و آن هنگامی است که همه داده ها برابر می باشند .
برخی از مهمترین شاخصهای پراکندگی عبارتند از:
دامنه تغییرات R
واریانس S2
انحراف معیار S
ضریب تغییر یا تعیین
آمار تحلیلی یا استنباطی Analytic Statistics
19
آمار تحلیلی به معنای تعمیم نتایج نمونه به جامعه است.
در آمار تحلیلی مفهوم ضریب اطمینان حائز اهمیت است.
ضریب اطمینان رایج در تحقیقات علوم پزشکی 95% است.
بطور استثناء در موارد کم اهمیت تر از ضریب اطمینان 90% و در مواردی که اهمیت زیادی دارد از ضریب اطمینان 99% استفاده می شود.
مفهوم معناداری آماری و (P Value):
هر گاه احتمال قوع اتفاقی به صورت تصادفی بسیار اندک بوده باشد و به عبارت دیگر به احتمال زیاد دارای دلیلی غیر از شانس بوده است، آن را به لحاظ آماری معنادار گویند.
مقدار P (P Value): برابر است با حداکثر خطا در تصمیم گیری بر اساس آزمون فرضیه ها، به عبارت دیگر حداقل درجه اطمینان به صحت آزمون برابر خواهد بود با 1-P. در گروه پزشکی معمولا مقدار قابل قبول P<0.05"" لحاظ می شود، یعنی مقدار فوق در آزمون فرضیه ها بیانگر وجود اختلاف آماری، وجود رابطه یا همبستگی، وجود تاثیر و…بوده و هموار رد فرضیه "H0" را به دنبال خواهد داشت.
آمار تحلیلی شامل دو بخش اصلی است:
برآورد پارامتر ها (Parameters Estimation)
آزمون فرض (Hypothesis test)
برآورد پارامتر ها
22
میانگین:
µ = x ± (z1-α/2) σ/√n
نسبت:
P = p ± (z1-α/2) √p(1-p)/n
احتمال 95%: z1-α/2 =1.96
احتمال 90%: z1-α/2 =1.64
احتمال 99%: z1-α/2 =2.58
فاصله اطمینان
Confidence Interval
CI
آزمون فرض
23
از طریق مقایسه فاصله اطمینان پارامتر در دو گروه یا بیشتر
چنانچه فاصله اطمینان دو گروه یا بیشتر، همپوشانی داشته باشند تفاوت معنی دار وجود ندارد. در غیر اینصورت تفاوت معنی در است.
از طریق آزمون های آماری
مثال برای مقایسه فاصله اطمینان ها
24
میانگین فشار خون در نمونه منتخب 1000 نفری از جامعه آقایان شهر تهران 128±15 میلیمتر جیوه و در نمونه منتخب 1000 نفری از جامعه بانوان شهر تهران 115±11 میلیمتر جیوه است. آیا تفاوت معنی داری بین فشار خون آقایان و بانوان تهرانی وجود دارد؟
مثال برای مقایسه فاصله اطمینان ها
25
µ = x ± (z1-α/2) σ/√n
فاصله اطمینان 95% فشار خون آقایان:
µ = 128 ± (1.96) 15/√1000
127.1 – 128.9
فاصله اطمینان 95% فشار خون خانم ها
µ = 115 ± (1.96) 11/√1000
114.3 – 115.7
نتیجه: تفاوت معنی داری بین میانگین فشار خون آقایان و بانوان در جامعه مورد مطالعه وجود دارد
آزمون های آمار استنباطی به دو گروه تقسیم می شوند.
پارامتری: به تجزیه و تحلیل اطلاعات در سطح مقیاس فاصله ای و نسبی می پردازند که حداقل شاخص آماری آنها میانگین (Mean) و واریانس (Variance) است.
آزمون های ناپارامتری : به تجزیه و تحلیل اطلاعات در سطح مقیاس اسمی و رتبه ای می پردازند که شاخص آماری آنها میانه (Median) و نما (Mode) است.
آزمون های آماری
27
Independent T-test
Paired T-test
One-way ANOVA
Pearson Correlation
Spearman Correlation
Chi square
Fisher Exact
Two-way ANOVA
Multiple Regression
آزمون تی مستقل Independent T-test T-Student
29
کاربرد: مقایسه میانگین یک متغیر کمی وابسته در دو گروه مستقل
در SPSS: ارتباط یک متغیر کمی با یک متغیر کیفی دو گروهه
مثال: مقایسه فشار خون آقایان و خانم ها
فرض صفر: میانگین متغیر مربوطه در دو گروه یکسان است.
یا آزمونهای غیر پارامتریک مثل :
ویلکاکسون،
مان ـ ویتنی،
آزمون تغییر مک نمار
کروسکال والیس…
آزمون تی مستقل
31
روش انجام در SPSS:
Analysis
Compare Means
Independent-Samples T test
Test variable (s) Group variable
آزمون تی مستقل نحوه انجام در SPSS
32
آزمون تی مستقل نحوه انجام در SPSS
33
آزمون تی مستقل خروجی SPSS
34
T-Test
آزمون تی مستقل رسم جدول و بیان نتیجه
35
جدول1-4: مقایسه میانگین فشار خون سیستولی قبل از شروع دیالیز در دو گروه کنترل و تجربی
T-test: t=.02 df=88 p=.937 (NS)
آزمون آماری تی مستقل نشان می دهد میانگین فشار خون سیستولی قبل از شروع دیالیز در دو گروه کنترل و تجربی تفاوت معنی دار ندارد (p=.937)
آزمون تی مستقل رسم نمودار
36
نمودار1-4: مقایسه میانگین فشار خون سیستولی قبل از شروع دیالیز در دو گروه کنترل و تجربی
آزمون تی زوج Paired T-test
37
کاربرد: مقایسه میانگین یک متغیر کمی در دو مرحله
در SPSS: ارتباط یک متغیر کمی با یک متغیر کمی وابسته به آن و هم واحد
مثال: مقایسه فشار خون شروع و پایان مطالعه در یک گروه
فرض صفر: میانگین متغیر مربوطه در دو مرحله یکسان است.
آزمون تی زوج
38
روش انجام در SPSS:
Analysis
Compare Means
Paired-Samples T test
Paired variables
آزمون تی زوج نحوه انجام در SPSS
39
آزمون تی زوج خروجی SPSS
40
T-Test
آزمون تی زوج رسم جدول و بیان نتیجه
41
جدول1-4: مقایسه میانگین فشار خون سیستولی شروع و پایان دیالیز در دو گروه تجربی
Paired T-test: t=26.4 df=44 p=.000 (Sig.)
آزمون آماری تی زوج نشان می دهد میانگین فشار خون سیستولی شروع و پایان دیالیز در گروه تجربی تفاوت معنی دار دارد (p=.000)
آزمون تی زوج رسم نمودار
42
نمودار1-4: مقایسه میانگین فشار خون سیستولی شروع و پایان یالیز در گروه تجربی
آزمون آنالیز واریانس یکطرفه One-Way ANOVA
43
کاربرد: مقایسه میانگین یک متغیر کمی وابسته در سه گروه مستقل یا بیشتر
در SPSS: ارتباط یک متغیر کمی وابسته با یک متغیر کیفی سه گروهه یا بیشتر
مثال: مقایسه فشار خون در سه رده سنی
فرض صفر: میانگین متغیر مربوطه در همه گروهها یکسان است.
آزمون آنالیز واریانس یکطرفه
44
روش انجام در SPSS:
Analysis
Compare Means
One-way ANOVA
Dependent list Factor
آزمون آنالیز واریانس یکطرفه نحوه انجام در SPSS
45
آزمون آنالیز واریانس یکطرفه نحوه انجام در SPSS
46
آزمون آنالیز واریانس یکطرفه نحوه انجام در SPSS
47
آزمون آنالیز واریانس یکطرفه نحوه انجام در SPSS
48
آزمون آنالیز واریانس یکطرفه خروجی SPSS
49
Oneway
آزمون آنالیز واریانس یکطرفه خروجی SPSS
50
Post Hoc Tests
آزمون آنالیز واریانس یکطرفه رسم جدول و بیان نتیجه
51
جدول1-4: مقایسه میانگین فشار خون سیستولی شروع دیالیز در بیماران سه رده سنی
One-way ANOVA: f=1.1 df=2,42 p=.335 (NS)
آزمون آماری آنالیز واریانس یکطرفه نشان می دهد میانگین فشار خون سیستولی شروع دیالیز در بیماران سه رده سنی تفاوت معنی دار ندارد (p=.335)
آزمون آنالیز واریانس یکطرفه رسم نمودار
52
نمودار1-4: مقایسه میانگین فشار خون سیستولی شروع دیالیز در بیماران سه رده سنی
آزمون ضریب همبستگی پیرسون Pearson Correlation
53
کاربرد: بررسی رابطه خطی بین دو متغیر کمی مرتبط با هم
در SPSS: ارتباط یک متغیر کمی با یک متغیر کمی وابسته به آن اعم از هم واحد با غیر هم واحد
مثال: رابطه بین فشار خون با سن در یک گروه
فرض صفر: رابطه خطی بین دو متغیر مربوطه وجود ندارد.
آزمون ضریب همبستگی پیرسون
54
روش انجام در SPSS:
Analysis
Correlate
Bivariate
variables
آزمون ضریب همبستگی پیرسون نحوه انجام در SPSS
55
آزمون ضریب همبستگی پیرسون نحوه انجام در SPSS
56
آزمون ضریب همبستگی پیرسون خروجی SPSS
57
Correlations
آزمون ضریب همبستگی پیرسون رسم جدول و بیان نتیجه
58
آزمون آماری ضریب همبستگی پیرسون نشان می دهد بین سن و فشار خون سیستولی افراد مورد مطالعه رابطه خطی مستقیم معنی داری وجود دارد. (p=.002 , r=. 7 )
نتیجه آزمون آماری ضریب همبستگی پیرسون به شکل جدول قابل نمایش نیست مگر اینکه چند رابطه مد نظر باشد که در جدولی مقادیر r و p آنها نمایش داده شود.
آزمون ضریب همبستگی پیرسون رسم نمودار
59
نمودار1-4: رابطه بین سن و فشار خون در اافراد مورد مطالعه
Pearson Correlation:
r=.72 , P=.002
آزمون ضریب همبستگی اسپیرمن Spearman Correlation
60
کاربرد: بررسی رابطه خطی بین دو متغیر رتبه ای مرتبط با هم یا یک متغیر رتبه ای با یک متغیر کمی مرتبط با هم
در SPSS:
ارتباط یک متغیر رتبه ای با یک متغیر رتبه ای وابسته به آن اعم از هم واحد با غیر هم واحد،
ارتباط یک متغیر رتبه ای با یک متغیر کمی وابسته به آن
مثال:
رابطه بین سطح تحصیلات با سطوح رضایت شغلی
رابطه بین سطح تحصیلات با نمره رضایت شغلی
فرض صفر: رابطه خطی بین دو متغیر مربوطه وجود ندارد.
آزمون ضریب همبستگی اسپیرمن
61
روش انجام در SPSS:
Analysis
Correlate
Bivariate
Variables
√ Spearman
آزمون ضریب همبستگی اسپیرمن نحوه انجام در SPSS
62
آزمون ضریب همبستگی اسپیرمن نحوه انجام در SPSS
63
آزمون ضریب همبستگی اسپیرمن خروجی SPSS
64
Nonparametric Correlations
آزمون ضریب همبستگی اسپیرمن رسم جدول و بیان نتیجه
65
آزمون آماری ضریب همبستگی اسپیرمن نشان می دهد بین سطح تحصیلات و رضایت شغلی افراد مورد مطالعه رابطه خطی معنی داری وجود ندارد. (p=.687 r=.06 )
نتیجه آزمون آماری ضریب همبستگی اسپیرمن به شکل جدول قابل نمایش نیست مگر اینکه چند رابطه مد نظر باشد که در جدولی مقادیر r و p آنها نمایش داده شود.
آزمون ضریب همبستگی اسپیرمن رسم نمودار
66
نمودار1-4: رابطه بین سطح تحصیلات و سطح رضایت شغلی در اافراد مورد مطالعه
Spearman Correlation:
r=.06 , P=.687
آزمون کای اسکوئر Chi square
67
کاربرد: بررسی رابطه بین دو متغیر رتبه ای یا اسمی
در SPSS:
ارتباط یک متغیر اسمی با یک متغیر اسمی
ارتباط یک متغیر اسمی با یک متغیر رتبه ای
ارتباط یک متغیر رتبه ای با یک متغیر رتبه ای
مثال:
رابطه بین ابتلاء به دیابت با جنس
رابطه بین ابتلاء به دیابت با رده سنی
رابطه بین سطح تحصیلات با سطح رضایت شغلی
فرض صفر: دو متغیر از یکدیگر مستقل هستند.
آزمون کای اسکوئر
68
روش انجام در SPSS:
Analysis
Descriptive Statistics
Crosstab
Row Column
آزمون فیشر Chi square
69
کاربرد: بررسی رابطه بین دو متغیر رتبه ای یا اسمی دو گروهه
در SPSS:
ارتباط یک متغیر اسمی دو گروهه با یک متغیر اسمی دو گروهه
ارتباط یک متغیر اسمی دو گروهه با یک متغیر رتبه ای دو گروهه
ارتباط یک متغیر رتبه ای دو گروهه با یک متغیر رتبه ای دو گروهه
مثال:
رابطه بین ابتلاء به دیابت با جنس
رابطه بین ابتلاء به دیابت با میزان مصرف قند
رابطه بین شدت دیابت با میزان مصرف قند
فرض صفر: دو متغیر از یکدیگر مستقل هستند.
آزمون فیشر
70
روش انجام آزمون فیشر در SPSS دقیقا مشابه آزمون کای اسکوئر است.
هنگامی که دو متغیر دو گروهه باشند یعنی جدول تقاطعی 2*2 باشد، بصورت اتومات در خروجی آزمون کای اسکوئر، نتیجه فیشر هم درج می شود.
آزمون فیشر رسم جدول، بیان نتیجه و رسم نمودار
71
رسم جدول، بیان نتیجه و رسم نمودار در آزمون فیشر دقیقا مشابه آزمون کای اسکوئر است.
آزمون فیشر تنها شامل مقدار p می باشد و درجه آزادی و حد بحرانی ندارد.
آزمون مک نمار McNemar
72
کاربرد: بررسی تغییرات بوجود آمده در یک متغیر اسمی دو گروهه
در SPSS:
ارتباط یک متغیر اسمی دوگروهه با همان متغیر در یک مرحله دیگر
مثال:
تغییر میزان مثبت شدن تست حساسیت پوستی پس از کورتون تراپی
فرض صفر: میزان پاسخ دو متغیر یکسان است.
آزمون مک نمار نحوه انجام در SPSS
73
روش انجام ازمون مک نمار در SPSS مشابه کای اسکوئر است تنها در منوی Statistics باید بجای کای اسکوئر، گزینه McNemar را علامت زد.
آزمون مک نمار رسم جدول، بیان نتیجه و رسم نمودار
74
بیان نتیجه:
آزمون آماری مک نمار نشان می دهد تیجه تست آزمایشگاهی مربوطه در دو مرحله تفاوت معنی دار دارد. (p=.000)
رسم جدول و نمودار در آزمون مک نمار مشابه آزمون کای اسکوئر می باشد.
آزمون آنالیز واریانس دوطرفه Two-Way ANOVA
75
کاربرد: مقایسه میانگین یک متغیر کمی وابسته در طبقات دو متغیر کیفی
در SPSS: ارتباط یک متغیر کمی وابسته با دو متغیر کیفی
مثال: مقایسه فشار خون بر حسب رده سنی و جنس
فرض صفر: میانگین متغیر مربوطه در همه گروهها یکسان است.
آزمون آنالیز واریانس دوطرفه
76
روش انجام در SPSS:
Analysis
General Linear Model
Univariate
Dependent variable
Fixed Factor(s)
Random Factor(s)
آزمون ضریب همبستگی چندگانه Multiple Regression
77
کاربرد: بررسی رابطه خطی بین یک متغیر کمی وابسته و چند متغیر کمی مستقل
در SPSS: ارتباط یک متغیر کمی با چند متغیر کمی یا رتبه ای یا اسمی دو حالتی
مثال: رابطه بین فشار خون با سن، میزان استرس، وجود بیماریهای قلبی عروقی
فرض صفر: رابطه خطی بین متغیر وابسته با متغیر های مستقل وجود ندارد.
آزمون ضریب همبستگی چندگانه Multiple Regression
78
y=α+ β1×1 + β2×2 + β3×3 +…..
آزمون ضریب همبستگی چندگانه رسم جدول و بیان نتیجه
79
آزمون آماری ضریب همبستگی چندگانه نشان می دهد در بین متغیر های سن، جنس و تحصیلات، تنها متغیر های سن و جنس با فشار خون سیستول رابطه خطی معنی دار داشته اند. (p=.3 , R=. 035 ) معادله خط رگرسیون برای محاسبه فشار خون عبارت است از:
SBP=80.2 + (1.9*Age) – (1.2*Gender)
نتیجه آزمون آماری ضریب همبستگی پیرسون به شکل جدول قابل نمایش نیست مگر اینکه ضرایب مربوطه در جدولی نمایش داده شود.
81
اخلاق در پژوهش
82
نکات اخلاقی مورد توجه که که محقق باید خود را به پایبندی و رعایت آنها ملزم بداند،عبارتند از:
انجام هماهنگی های لازم و کسب اجازه برای ورود به محیط و شروع پژوهش.
ارائه توضیحات لازم از چگونگی واهداف انجام طرح جهت مشارکت کنندگان ونمونه های پژوهش.
کسب رضایت شفاهی وکتبی از مشارکت کنندگان.
کسب اجازه از شرکت کنندگان جهت ضبط مصاحبه ها .
رعایت اصل راز داری و محرمانه بودن اطلاعات و عدم استفاده از نام مشارکت کنندگان در کلیه مراحل.
رعایت حق مولفین و نویسندگان در استفاده از متون و منابع چاپی و الکترونیکی
عدم بیان مسائلی که منجر به باز شناسی افرد مورد مصاحبه شود.
حفظ آزادی واحدهای مورد پژوهش و حق کناره گیری از مشارکت در هر زمان و هر بخش از پژوهش.
دادن اطمینان به افراد مورد بررسی در مورد پاک کردن نوارها بعد از انتقال و تجزیه و تحلیل اطلاعات.
بازخورد نتایج پژوهش به مراجع ذیصلاح و نیز ارئه نتایج به مشارکت کنندگان و واحدهای مورد بررسی در صورت تمایل و درخواست آنان
ملاحظات اخلاقی: