1- مقدمه
یکی از اساسی ترین سوالات در یک تحقیق، مقایسه ی میانگین یک شاخص دردو یا چند گروه می باشد.
برای مثال مقایسه ی نتایج درمان به کمک یک داروی خاص در دو گروه زنان و مردان که مقایسه میانگین ها دردو گروه بوده و با استفاده از آزمون t قابل اجرا است ویا مقایسه ی میانگین یک شاخص در بیش از دو گروه مانند مقایسه نتایج درمان در سه گروه از بیماران که از سه داروی مختلف استفاده می کنند ،گروه اول از پلاسبو (دارونما) ، گروه دوم ازداروی ضدافسردگی سه حلقه ای و گروه سوم گروهی است که یک مهارکننده ی اختصاصی بازجذب سروتین (SSRI) دریافت می کنند . در این حالت ، مقایسه میانگین گروه های مختلف توسط روش آماری تحلیل واریانس (ANOVA) انجام می شود .
پس از تعیین وجود یا عدم وجود اختلاف بین گروه های آزمون (بررسی معنی داری آزمون در جدول آنالیز واریانس)، این سوال مطرح می شود که تفاوت میانگین بین کدام دوگروه معنی دار می باشد؟ در همین راستا روش های متنوعی برای مقایسه ی میانگین بین گروه ها وجود دارد که عبارتند از آزمون حداقل تفاوت معنی دار(LSD) ، آزمون دانکن ، آزمون توکی، آزمون دانت و آزمون نیومن کولز .
در این صفحه به معرفی و تبیین خروجی نرم افزار spss برای آزمون توکی می پردازیم.
آزمون توکی
توکی (1953) یک روش مقایسه چندگانه را بر مبنای آماره ی دامنه استیودنت پیشنهاد کرد.
در روش وی از 
برای تعیین مقدار بحرانی تمام مقایسه های جفت میانگین ها استفاده می شود . بنابراین آزمون توکی در صورتی دو میانگین را دارای تفاوت معنی دار اعلام می کند که قدر مطلق اختلاف نمونه ی آن ها بیش از 
باشد.
خروجی spss از آزمون تعقیبی توکی
خروجی در نرم افزار اس پی اس اس به قرار زیر است.
جدول آنالیز واریانس برای تشخیص معنی داری کلی مدل:
خروجی آزمون توکی HSD:
همانگونه که ملاحظه می شود این آزمون تعقیبی گروه ها (تیمارها) را به سه دسته تقسیم بندی کرده است. در داخل دسته ها تیمارها تفاوت معنی داری با هم ندارند اما میانگین تیمارهای بین دسته ها تفاوت معنی داری با هم دارند.
کدام آزمون تعقیبی (Post Hoc) ارجحیت دارد؟
اغلب تصمیم گیری در مورد این که کدامیک از آزمون های معرفی شده ارجحیت دارد ، کار دشواری است و بسته به نظر تحلیلگر آماری مربوطه دارد.
لیکن کارمر و اسوانسن در مطالعه ای که در مورد تعدادی از روشهای مقایسه ای چندگانه انجام دادند اعلام کردند که روش حداقل اختلاف معنی دار روش بسیار مؤثری برای نشان دادن اختلاف های واقعی میانگین ها می باشد مشروط بر این که تنها پس از معنی دار بودن آزمون f تجزیه واریانس استفاده شود. آن ها همچنین قابلیت شناسایی مناسب تفاوت های واقعی را با استفاده از آزمون چند دامنه ای دانکن گزارش کردند.
منبع :خلاصه ای بر طرح و تجزیه آزمایش ها . نوشته داگلاس سی . مونت گومری ترجمه محمدرضا دهقانی نشر پلک.
براي مشاهده ساير مقاله هاي تحليل آماري اين وب سايت بر لينک زير کليک نماييد: صفحه مقاله هاي تحليل آماري
7 دیدگاه. ارسال دیدگاه جدید
سلام خداقوت
خیلی مفید وقابل فهم بود.ممنون از اینکه درارائه دانش سخاوتمندانه برخورد می کنید.موفق باشید
سلام. بزرگوارید
سلام
وقتتون بخیر
توی پژوهشی که دارم انجام میدم وقتی از آزمون رگرسیون برای بررسی رابطه متغیر وابستم و شاخصا به دلیل نرمال نبودن شاخصا به جواب نمیرسم، ولی وقتی میانگین شاخصا رو حساب میکنم و متغیرای مستقلمو تعریف میکنم رگرسیون جواب میده، از تمام روشای نرمال سازی (به جز روش جانسون که دستورشو تو spss پیدا نکردم) برای نرمال سازی داده هام استفاده میکنم ولی متاسفانه نرمال نمیشن، ممنون میشم راهنمایی بفرمایید
سلام و روز بخیر. توجه داشته باشید که در رگرسیون نرمال بودن متغیرها ملاک عمل نیست، بلکه آنچه ضروری است نرمال بودن باقیمانده های مدل است. پس روی آن و با توجه به آن کار کنید.
اگر باقیمانده های مدل نرمال نبودند، متغیرها را بررسی کنید که داده پرت نداشته باشند و اگر داده پرت وجود داشت آنرا حذف کنید. شناسایی داده های پرت از طریق ترسیم نمودار هر متغیر در اکسل قابل انجام است.
منظور از باقی مانده ها در رگرسیون چیست؟
باقیمانده ها که به آن جملات خطا یا اخلال نیز گفته می شود، تفاوت بین مقادیر برآورد شده در مدل رگرسیون و داده های واقعی در متغیر وابسته هستند.
در همین سایت در خصوص رگرسیون مباحث خوبی شده است. به آنها مراجعه داشته باشید. می توانید از بخش جستجوی سایت استفاده کنید.
سلام.برای مقایسه میانگین سنی زن ومرد درشهرهای مختلف درصورتی که متغیرشهر دارای ۶گروه باشد میتونیم ازanovaاستفاده کنیم؟