انواع آمار در پژوهش چیست؟ آشنایی ساده با آمار توصیفی و استنباطی
آمار در پژوهش ابزاری برای جمع‌آوری، سازمان‌دهی، خلاصه‌سازی، تحلیل و تفسیر داده‌هاست. تقریباً هر پژوهش کمی که با داده‌های عددی سروکار دارد، برای تبدیل داده‌های خام به اطلاعات قابل تفسیر به روش‌های آماری نیاز دارد.
دو دسته اصلی آمار در پژوهش عبارت‌اند از آمار توصیفی و آمار استنباطی. آمار توصیفی به پژوهشگر کمک می‌کند داده‌های موجود را خلاصه و توصیف کند؛ در حالی که آمار استنباطی برای نتیجه‌گیری درباره جامعه آماری بر اساس اطلاعات به‌دست‌آمده از نمونه به کار می‌رود.
برای مثال، اگر پژوهشگری میانگین سن ۲۰۰ شرکت‌کننده در یک پژوهش را محاسبه کند، از آمار توصیفی استفاده کرده است. اما اگر بر اساس همین نمونه بخواهد درباره میانگین سن جامعه بزرگ‌تری نتیجه‌گیری کند یا فرضیه‌ای را آزمون کند، وارد حوزه آمار استنباطی شده است.
در این مقاله با انواع آمار در پژوهش، تفاوت آمار توصیفی و استنباطی، مهم‌ترین شاخص‌ها و آزمون‌های آماری و نحوه انتخاب روش مناسب برای تحلیل داده آشنا می‌شویم.
آمار در پژوهش چیست؟
آمار (Statistics) مجموعه‌ای از روش‌ها و ابزارهایی است که برای کار با داده‌ها از مرحله جمع‌آوری تا تحلیل و تفسیر آن‌ها استفاده می‌شود.
در یک پژوهش، داده‌ها به‌تنهایی معمولاً معنای کافی ندارند. فرض کنید پژوهشگری پاسخ ۵۰۰ نفر به یک پرسشنامه را در اختیار دارد. مشاهده تک‌تک پاسخ‌ها ممکن است اطلاعات محدودی ارائه کند؛ اما با استفاده از روش‌های آماری می‌توان الگوهای موجود در داده‌ها را شناسایی و نتایج را به شکل قابل فهم گزارش کرد.
فرایند آماری پژوهش می‌تواند شامل مراحل زیر باشد:
- جمع‌آوری داده‌ها
- کدگذاری و ورود داده‌ها
- پاک‌سازی داده‌ها
- توصیف داده‌ها
- تحلیل آماری
- آزمون فرضیه‌ها
- تفسیر نتایج
- گزارش یافته‌ها
به همین دلیل، آمار فقط به محاسبه میانگین یا اجرای آزمون‌های آماری محدود نمی‌شود.
انواع اصلی آمار در پژوهش
به‌طور کلی، آمار مورد استفاده در پژوهش را می‌توان به دو گروه اصلی تقسیم کرد:
آمار توصیفی
آمار توصیفی برای خلاصه‌سازی و توصیف داده‌های موجود استفاده می‌شود.
آمار استنباطی
آمار استنباطی برای استنباط درباره جامعه آماری بر اساس داده‌های نمونه و آزمون فرضیه‌های پژوهش کاربرد دارد.
این دو بخش مکمل یکدیگر هستند و در بسیاری از پژوهش‌های کمی، ابتدا از آمار توصیفی و سپس از روش‌های استنباطی استفاده می‌شود.
آمار توصیفی چیست؟
آمار توصیفی (Descriptive Statistics) مجموعه روش‌هایی است که برای سازمان‌دهی، خلاصه‌سازی و نمایش ویژگی‌های داده‌های مشاهده‌شده استفاده می‌شود.
آمار توصیفی به این سؤال پاسخ می‌دهد:
«داده‌هایی که در اختیار داریم چه ویژگی‌هایی دارند؟»
برای مثال، پژوهشگری ۳۰۰ پرسشنامه جمع‌آوری کرده است. با استفاده از آمار توصیفی می‌تواند مشخص کند:
- چند درصد پاسخ‌دهندگان زن یا مرد هستند؟
- میانگین سن پاسخ‌دهندگان چقدر است؟
- بیشترین و کمترین سن چقدر است؟
- پراکندگی نمرات چگونه است؟
- توزیع پاسخ‌ها چگونه است؟
آمار توصیفی معمولاً نخستین مرحله تحلیل داده‌های کمی است.
مهم‌ترین شاخص‌های آمار توصیفی
فراوانی و درصد
فراوانی تعداد دفعات مشاهده یک مقدار یا گروه را نشان می‌دهد.
برای مثال، اگر از ۱۰۰ نفر، ۶۰ نفر زن و ۴۰ نفر مرد باشند:
- فراوانی زنان = ۶۰
- فراوانی مردان = ۴۰
- درصد زنان = ۶۰٪
- درصد مردان = ۴۰٪
فراوانی و درصد برای متغیرهای طبقه‌ای بسیار کاربردی هستند.
میانگین
میانگین (Mean) یکی از شناخته‌شده‌ترین شاخص‌های گرایش مرکزی است.
برای محاسبه میانگین، مجموع مقادیر بر تعداد مشاهدات تقسیم می‌شود.
برای مثال، اگر نمرات پنج دانشجو برابر با ۱۲، ۱۴، ۱۵، ۱۷ و ۱۸ باشد، میانگین برابر است با:
۱۵٫۲
میانگین در داده‌های کمی بسیار پرکاربرد است؛ اما در داده‌های دارای پرت‌های شدید ممکن است به‌شدت تحت تأثیر قرار گیرد.
میانه
میانه (Median) مقدار مرکزی داده‌های مرتب‌شده است.
میانه در توزیع‌های نامتقارن یا داده‌هایی که دارای مقادیر پرت هستند، می‌تواند شاخص مناسبی برای نشان دادن مرکز داده باشد.
نما
نما (Mode) مقداری است که بیشترین تکرار را در مجموعه داده دارد.
نما به‌ویژه برای داده‌های طبقه‌ای نیز می‌تواند کاربرد داشته باشد.
دامنه تغییرات
دامنه تغییرات از تفاوت بین بیشترین و کمترین مقدار به دست می‌آید.
این شاخص تصویری ساده از گستره داده‌ها ارائه می‌دهد.
واریانس
واریانس میزان پراکندگی داده‌ها نسبت به میانگین را اندازه‌گیری می‌کند.
هرچه واریانس بیشتر باشد، پراکندگی داده‌ها بیشتر است.
انحراف معیار
انحراف معیار (Standard Deviation) یکی از مهم‌ترین شاخص‌های پراکندگی است.
انحراف معیار نشان می‌دهد داده‌ها به‌طور متوسط چه میزان از میانگین فاصله دارند.
جدول‌ها و نمودارها در آمار توصیفی
آمار توصیفی فقط به شاخص‌های عددی محدود نیست.
پژوهشگر می‌تواند داده‌ها را با استفاده از جدول و نمودار نیز نمایش دهد.
برخی روش‌های رایج عبارت‌اند از:
- جدول فراوانی
- نمودار میله‌ای
- نمودار دایره‌ای
- هیستوگرام
- نمودار جعبه‌ای
- نمودار پراکندگی
انتخاب نمودار باید با نوع داده و هدف نمایش اطلاعات هماهنگ باشد.
آمار استنباطی چیست؟
آمار استنباطی (Inferential Statistics) مجموعه روش‌هایی است که به پژوهشگر اجازه می‌دهد بر اساس داده‌های یک نمونه، درباره جامعه آماری نتیجه‌گیری کند.
آمار استنباطی به این سؤال پاسخ می‌دهد:
«با توجه به داده‌های نمونه، درباره جامعه آماری چه می‌توان گفت؟»
برای مثال، فرض کنید می‌خواهیم رضایت شغلی تمام کارکنان یک سازمان بزرگ را بررسی کنیم. بررسی تمام کارکنان ممکن است دشوار یا پرهزینه باشد؛ بنابراین نمونه‌ای از کارکنان انتخاب می‌شود.
پس از تحلیل داده‌های نمونه، پژوهشگر می‌تواند با استفاده از روش‌های استنباطی درباره جامعه آماری نتیجه‌گیری کند؛ البته این نتیجه‌گیری با میزان مشخصی از عدم‌قطعیت همراه است.
مهم‌ترین روش‌های آمار استنباطی
آمار استنباطی طیف گسترده‌ای از روش‌ها را شامل می‌شود.
آزمون فرضیه
یکی از مهم‌ترین کاربردهای آمار استنباطی، آزمون فرضیه‌های پژوهش است.
در آزمون فرضیه معمولاً فرض صفر و فرض مقابل تعریف می‌شوند و با استفاده از داده‌های نمونه درباره شواهد موجود تصمیم‌گیری می‌شود.
سطح معنی‌داری
سطح معنی‌داری (Significance Level) معمولاً پیش از تحلیل تعیین می‌شود و در بسیاری از پژوهش‌ها مقدار ۰٫۰۵ به‌عنوان سطح متداول مورد استفاده قرار می‌گیرد.
با این حال، ۰٫۰۵ یک قانون جهانی و اجباری برای تمام پژوهش‌ها نیست و سطح معنی‌داری باید متناسب با طراحی و حوزه پژوهش در نظر گرفته شود.
P-Value
P-Value یکی از خروجی‌های رایج آزمون‌های آماری است.
به‌طور ساده، P-Value به پژوهشگر کمک می‌کند میزان شواهد داده‌ها را در برابر فرض صفر ارزیابی کند.
نکته مهم این است که P-Value:
- احتمال درست بودن فرض صفر نیست؛
- اندازه اثر را نشان نمی‌دهد؛
- اهمیت عملی نتیجه را به‌تنهایی مشخص نمی‌کند.
بنابراین بهتر است همراه با اندازه اثر و در صورت امکان فاصله اطمینان گزارش شود.
فاصله اطمینان چیست؟
Confidence Interval یا فاصله اطمینان، بازه‌ای از مقادیر را برای پارامتر موردنظر ارائه می‌کند و میزان عدم‌قطعیت برآورد را نشان می‌دهد.
برای مثال، به جای اینکه فقط میانگین جامعه را به شکل یک عدد گزارش کنیم، می‌توان برآورد و فاصله اطمینان آن را نیز ارائه کرد.
گزارش فاصله اطمینان می‌تواند اطلاعات بیشتری درباره دقت برآورد در اختیار خواننده قرار دهد.
مهم‌ترین آزمون‌های آماری در پژوهش
آزمون مناسب به سؤال پژوهش، نوع داده و طراحی مطالعه بستگی دارد.
آزمون t
آزمون‌های t برای مقایسه میانگین‌ها در شرایط مناسب استفاده می‌شوند.
دو نمونه پرکاربرد آن عبارت‌اند از:
- آزمون t مستقل
- آزمون t زوجی
تحلیل واریانس یا ANOVA
ANOVA برای مقایسه میانگین چند گروه در شرایط مناسب کاربرد دارد.
برای مثال، اگر پژوهشگر بخواهد میانگین رضایت مشتری را در چهار گروه مقایسه کند، می‌تواند ANOVA را بررسی کند.
آزمون کای‌دو
Chi-Square در شرایط مناسب برای بررسی ارتباط میان متغیرهای طبقه‌ای استفاده می‌شود.
برای مثال:
آیا بین جنسیت و نوع انتخاب محصول ارتباط وجود دارد؟
ضریب همبستگی Pearson
برای بررسی رابطه خطی میان دو متغیر کمی در شرایط مناسب از Pearson Correlation استفاده می‌شود.
ضریب همبستگی Spearman
Spearman Correlation برای بررسی رابطه رتبه‌ای کاربرد دارد و در شرایط مناسب می‌تواند برای داده‌های رتبه‌ای یا شرایطی که Pearson انتخاب مناسبی نیست، استفاده شود.
رگرسیون
رگرسیون برای بررسی روابط بین متغیرها و مدل‌سازی یا پیش‌بینی یک متغیر بر اساس یک یا چند متغیر دیگر استفاده می‌شود.
برای مثال:
آیا رضایت شغلی و تعهد سازمانی می‌توانند عملکرد کارکنان را پیش‌بینی کنند؟
آزمون‌های پارامتریک و ناپارامتریک
یکی از تقسیم‌بندی‌های مهم در آمار استنباطی، تفکیک آزمون‌ها به پارامتریک و ناپارامتریک است.
آزمون‌های پارامتریک معمولاً بر مفروضات مشخصی درباره داده‌ها یا جامعه آماری متکی هستند.
نمونه‌هایی از آن‌ها عبارت‌اند از:
- t-test
- ANOVA
- Pearson
- رگرسیون خطی
آزمون‌های ناپارامتریک معمولاً نسبت به برخی مفروضات توزیعی محدودیت کمتری دارند و بعضی از آن‌ها برای داده‌های رتبه‌ای مناسب هستند.
نمونه‌ها:
- Mann–Whitney U
- Wilcoxon
- Kruskal–Wallis
- Friedman
- Spearman
نکته مهم این است که ناپارامتریک به معنی بدون پیش‌فرض نیست و انتخاب آزمون باید بر اساس ساختار داده و سؤال پژوهش انجام شود.
تفاوت آمار توصیفی و استنباطی چیست؟
مهم‌ترین تفاوت را می‌توان در جدول زیر خلاصه کرد:
| ویژگی | آمار توصیفی | آمار استنباطی |
|---|---|---|
| هدف | توصیف داده‌ها | نتیجه‌گیری درباره جامعه |
| تمرکز | داده‌های موجود | نمونه و جامعه |
| میانگین | بله | در بسیاری از روش‌ها |
| انحراف معیار | بله | در بسیاری از روش‌ها |
| آزمون فرضیه | معمولاً خیر | بله |
| P-Value | معمولاً خیر | در بسیاری از آزمون‌ها |
| فاصله اطمینان | ممکن است | بسیار رایج |
| آزمون t | خیر | بله |
| ANOVA | خیر | بله |
| همبستگی | توصیف رابطه ممکن است | آزمون رابطه در شرایط مناسب |
به زبان ساده:
آمار توصیفی می‌گوید «داده‌های من چگونه هستند؟»
و
آمار استنباطی می‌پرسد «از این داده‌ها درباره جامعه چه می‌توان نتیجه گرفت؟»
آمار توصیفی یا استنباطی؛ کدام را استفاده کنیم؟
در بسیاری از پژوهش‌های کمی، پاسخ این سؤال «هر دو» است.
ابتدا پژوهشگر داده‌های خود را با آمار توصیفی بررسی می‌کند.
برای مثال:
- مشخصات جمعیت‌شناختی نمونه
- میانگین متغیرها
- انحراف معیار
- فراوانی و درصد
سپس بر اساس سؤال‌ها و فرضیه‌های پژوهش، از آزمون‌های استنباطی استفاده می‌کند.
بنابراین آمار توصیفی و استنباطی رقیب یکدیگر نیستند؛ بلکه در بسیاری از پژوهش‌ها مکمل یکدیگرند.
آمار در پژوهش‌های پرسشنامه‌ای چگونه استفاده می‌شود؟
در پژوهش‌های پرسشنامه‌ای معمولاً چند مرحله آماری وجود دارد.
مرحله اول: توصیف نمونه
ویژگی‌هایی مانند:
- سن
- جنسیت
- تحصیلات
- سابقه کار
با فراوانی، درصد و سایر شاخص‌های مناسب توصیف می‌شوند.
مرحله دوم: توصیف متغیرهای اصلی
برای سازه‌ها و متغیرهای اصلی پژوهش، شاخص‌هایی مانند میانگین و انحراف معیار گزارش می‌شوند.
مرحله سوم: بررسی پایایی
در صورت نیاز، پایایی ابزار با شاخص‌هایی مانند آلفای کرونباخ بررسی می‌شود.
مرحله چهارم: بررسی مفروضات
بسته به آزمون موردنظر، مفروضات مرتبط بررسی می‌شوند.
مرحله پنجم: آزمون فرضیه‌ها
در این مرحله آزمون آماری متناسب با سؤال و طراحی پژوهش اجرا می‌شود.
نقش SPSS در آمار پژوهش
نرم‌افزارهایی مانند SPSS اجرای بسیاری از محاسبات آماری را ساده می‌کنند.
با SPSS می‌توان:
- داده‌ها را وارد و مدیریت کرد؛
- آمار توصیفی محاسبه کرد؛
- نمودار ایجاد کرد؛
- آزمون‌های پارامتریک اجرا کرد؛
- آزمون‌های ناپارامتریک را اجرا کرد؛
- همبستگی و رگرسیون انجام داد؛
- برخی تحلیل‌های چندمتغیره را اجرا کرد.
اما باید توجه داشت که نرم‌افزار به‌جای پژوهشگر تصمیم نمی‌گیرد که کدام آزمون از نظر علمی مناسب است.
انتخاب آزمون باید پیش از اجرای تحلیل و بر اساس منطق روش تحقیق و آمار انجام شود.
چگونه آزمون آماری مناسب را انتخاب کنیم؟
انتخاب آزمون آماری را می‌توان با یک مسیر تصمیم‌گیری ساده آغاز کرد.
گام اول: هدف پژوهش را مشخص کنید
آیا هدف شما:
- توصیف داده‌هاست؟
- مقایسه گروه‌هاست؟
- بررسی رابطه است؟
- پیش‌بینی است؟
- بررسی اثر یک متغیر بر متغیر دیگر است؟
گام دوم: نوع داده را مشخص کنید
داده‌ها ممکن است:
- اسمی
- ترتیبی
- فاصله‌ای
- نسبتی
باشند.
گام سوم: تعداد گروه‌ها را مشخص کنید
آیا دو گروه دارید یا بیشتر؟
گام چهارم: استقلال داده‌ها را بررسی کنید
آیا گروه‌ها مستقل هستند یا داده‌ها به یکدیگر وابسته‌اند؟
گام پنجم: مفروضات آزمون را بررسی کنید
بسته به آزمون، موضوعاتی مانند نرمال بودن، همگنی واریانس‌ها، استقلال مشاهدات و شکل رابطه اهمیت پیدا می‌کنند.
گام ششم: آزمون مناسب را انتخاب کنید
برای مثال:
دو گروه مستقل → t مستقل یا Mann–Whitney
دو اندازه‌گیری وابسته → t زوجی یا Wilcoxon
چند گروه مستقل → ANOVA یا Kruskal–Wallis
چند اندازه‌گیری وابسته → Repeated Measures ANOVA یا Friedman
رابطه دو متغیر → Pearson یا Spearman
این جدول صرفاً نقطه شروع تصمیم‌گیری است و بررسی مفروضات اختصاصی هر آزمون ضروری است.
خطاهای رایج در استفاده از آمار در پژوهش
اشتباه گرفتن آمار توصیفی با استنباطی
گزارش میانگین و انحراف معیار به‌تنهایی به معنای انجام تحلیل استنباطی نیست.
انتخاب آزمون فقط بر اساس نرمال بودن
نرمال بودن یکی از عوامل تصمیم‌گیری است، نه تنها عامل.
استفاده از آزمون نامتناسب با نوع داده
هر آزمون برای هر نوع متغیری مناسب نیست.
اجرای چند آزمون بدون برنامه تحلیلی
اجرای تعداد زیادی آزمون صرفاً برای پیدا کردن نتیجه معنادار می‌تواند احتمال خطای آماری را افزایش دهد.
تمرکز صرف بر P-Value
معناداری آماری به‌تنهایی درباره بزرگی اثر و اهمیت عملی نتیجه اطلاعات کاملی ارائه نمی‌کند.
تفسیر علی از همبستگی
وجود همبستگی میان دو متغیر به‌تنهایی اثبات نمی‌کند که یکی علت دیگری است.
آمار در فصل چهارم پایان‌نامه چه کاربردی دارد؟
در بسیاری از پایان‌نامه‌های کمی، نتایج تحلیل آماری در فصل چهارم گزارش می‌شوند.
ساختار دقیق به دانشگاه و روش پژوهش بستگی دارد، اما معمولاً موارد زیر گزارش می‌شوند:
آمار توصیفی
ویژگی‌های نمونه و متغیرهای پژوهش ارائه می‌شوند.
آمار استنباطی
نتایج آزمون فرضیه‌ها گزارش می‌شوند.
تفسیر آماری
مقدار آماره آزمون، سطح معنی‌داری و سایر شاخص‌های مرتبط تفسیر می‌شوند.
گزارش نتایج باید به شکلی باشد که خواننده بتواند مسیر تحلیل و ارتباط آن با سؤال‌ها و فرضیه‌های پژوهش را به‌روشنی دنبال کند.
سوالات متداول درباره انواع آمار در پژوهش
انواع اصلی آمار در پژوهش چیست؟
دو نوع اصلی آمار عبارت‌اند از آمار توصیفی و آمار استنباطی. آمار توصیفی داده‌های موجود را خلاصه می‌کند و آمار استنباطی برای نتیجه‌گیری درباره جامعه و آزمون فرضیه‌ها به کار می‌رود.
آمار توصیفی چیست؟
آمار توصیفی مجموعه روش‌هایی برای خلاصه‌سازی و نمایش داده‌هاست؛ مانند میانگین، میانه، نما، فراوانی، درصد، واریانس و انحراف معیار.
آمار استنباطی چیست؟
آمار استنباطی به پژوهشگر کمک می‌کند با استفاده از داده‌های نمونه درباره جامعه آماری نتیجه‌گیری کند و فرضیه‌های پژوهش را در شرایط مناسب آزمون کند.
آیا در پایان‌نامه باید هم آمار توصیفی و هم استنباطی استفاده شود؟
در بسیاری از پژوهش‌های کمی بله؛ اما روش تحلیل باید بر اساس سؤال پژوهش، طراحی مطالعه و نوع داده تعیین شود.
مهم‌ترین آزمون‌های آمار استنباطی کدام‌اند؟
از آزمون‌های رایج می‌توان به t-test، ANOVA، کای‌دو، Pearson، Spearman، رگرسیون و آزمون‌های ناپارامتریک اشاره کرد.
آیا میانگین جزء آمار توصیفی است؟
بله. میانگین یکی از مهم‌ترین شاخص‌های آمار توصیفی برای توصیف مرکز داده‌های کمی است.
آیا P-Value جزء آمار توصیفی است؟
خیر. P-Value معمولاً در چارچوب آزمون‌های استنباطی برای ارزیابی شواهد آماری نسبت به فرض صفر استفاده می‌شود.
آیا آمار استنباطی فقط برای نمونه‌های بزرگ کاربرد دارد؟
خیر. آمار استنباطی در نمونه‌های مختلف قابل استفاده است؛ اما روش مناسب، قدرت آزمون و اعتبار استنباط به حجم نمونه و سایر ویژگی‌های طراحی پژوهش وابسته است.
برای تحلیل داده‌های پژوهش از چه نرم‌افزاری استفاده کنیم؟
بسته به نوع داده و روش تحلیل می‌توان از نرم‌افزارهایی مانند SPSS، R، Python و سایر ابزارهای تخصصی استفاده کرد. انتخاب نرم‌افزار باید با نیاز پژوهش هماهنگ باشد.
جمع‌بندی؛ آمار توصیفی و استنباطی را چگونه از هم تشخیص دهیم؟
آمار توصیفی برای شناخت و خلاصه‌سازی داده‌هایی است که در اختیار داریم؛ در حالی که آمار استنباطی به ما اجازه می‌دهد بر اساس داده‌های نمونه، درباره جامعه آماری استنباط کنیم و در شرایط مناسب فرضیه‌های پژوهش را آزمون کنیم.
به‌صورت بسیار ساده:
آمار توصیفی = داده‌های من چگونه هستند؟
آمار استنباطی = از این داده‌ها درباره جامعه چه می‌توان نتیجه گرفت؟
میانگین، میانه، نما، فراوانی، درصد، واریانس و انحراف معیار از مهم‌ترین ابزارهای توصیفی هستند. در مقابل، آزمون t، ANOVA، کای‌دو، همبستگی، رگرسیون و آزمون‌های ناپارامتریک از ابزارهای رایج در آمار استنباطی به شمار می‌روند.
با این حال، مهم‌ترین اصل در تحلیل آماری این است که آزمون آماری بر اساس سؤال پژوهش و نوع داده انتخاب شود، نه صرفاً بر اساس نرم‌افزار یا عادت پژوهشگر.
اگر این اصل رعایت شود، آمار از مجموعه‌ای از اعداد و جدول‌ها به ابزاری برای پاسخ علمی به سؤال پژوهش و پشتیبانی از تصمیم‌گیری پژوهشی تبدیل خواهد شد.
دیدگاه‌ها
هنوز دیدگاهی برای این مقاله ثبت نشده است.
پرسش یا تجربه خود را با ما در میان بگذارید.