آنالیز کوواریانس ناپارامتری در SPSS

آنالیز کوواریانس ناپارامتری در SPSS

 آنالیز کوواریانس (ANCOVA) ناپارامتری در SPSS

هدف از تحلیل کوواریانس بررسی ارتباط بین دو یا چند متغیر مستقل (که ترکیبی از متغیرهای کمی و کیفی هستند) با یک متغیر وابسته ی نرمال است.

اگر متغیر وابسته (پاسخ) نرمال نباشد، یک راهکار برای مقابله با عدم برقراری این پیش فرض استفاده از مدل های ناپارامتری است. حالت ناپارامتری آنالیز کوواریانس اولین بار در سال 1967 میلادی توسط Quade تحت عنوان Rank analysis of covariance معرفی گردید. با این وجود این آزمون در نرم افزار SPSS بصورت مستقیم وجود ندارد. در ادامه خواهید دید که چگونه می توان این آزمون را در محیط SPSS اجرا کرد.

برای اجرای تحلیل کوواریانس ناپارامتری در محیط SPSS کافی است مراحل زیر را اجرا نمایید:

  • - متغیر وابسته و تمام متغیرهای مستقل کمی را از طریق Rank Cases در نوار ابزار Transform رتبه بندی می نماییم.
  • - یک مدل رگرسیون خطی (linear Regression) بر روی متغیرهای ساخته شده ی جدید و بدون وارد کردن متغیرهای کیفی به مدل برازش می دهیم. باقیمانده های استاندارد نشده (Unstandardized) را ذخیره می نماییم.
  • - یک تحلیل واریانس یکطرفه (ANOVA) با استفاده از باقیمانده های مرحله ی قبل به عنوان متغیر وابسته و متغیرهای کیفی به عنوان مستقل اجرا می نماییم.

 

منبع: IBM.SPSS


هیچ نظری تا کنون برای این مطلب ارسال نشده است، اولین نفر باشید...