آزمون t تک‌نمونه‌ای در SPSS؛ اجرا و تفسیر
آزمون t تک‌نمونه‌ای میانگین یک جامعه را با عددی ثابت و از پیش مشخص مقایسه می‌کند؛ برای مثال، میانگین زمان پاسخگویی را با یک هدف سازمانی. وقتی انحراف معیار جامعه را نمی‌دانیم و آن را از نمونه برآورد می‌کنیم، این آزمون می‌تواند با رعایت فرض‌هایش مناسب باشد.
در این راهنما، انتخاب مقدار مرجع، مراحل اجرای تک‌نمونه‌ای در SPSS و خواندن نتیجه را مرور می‌کنیم. این آزمون برای مقایسهٔ دو گروه مستقل یا دو اندازه‌گیری زوجی طراحی نشده است؛ برای انتخاب میان آن‌ها، راهنمای انواع آزمون t را ببینید.
مقدار مرجع باید چه معنایی داشته باشد؟
مقدار مرجع می‌تواند یک هدف مصوب، عدد نظری یا معیار مستند باشد. منبع و دلیل انتخاب آن را پیش از دیدن نتیجه بنویسید. هدف سازمانی، میانگین شناخته‌شدهٔ جامعه و برآورد یک مطالعهٔ دیگر، ماهیت یکسانی ندارند. اگر عدد مقایسه خود برآوردی همراه با عدم قطعیت است، ثابت فرض‌کردن آن ممکن است مناسب نباشد.
پرسش‌هایی مانند «آیا میانگین زمان خدمت با هدف تفاوت دارد؟» به این آزمون مربوط‌اند. اما رسیدن به هدف، مهم بودن فاصله و علت فاصله، پرسش‌های دیگری‌اند؛ آزمون به‌تنهایی دربارهٔ آن‌ها تصمیم نمی‌گیرد.
فرض‌ها و کیفیت داده را بررسی کنید
- پیامد باید یک متغیر کمی باشد که میانگین آن معنا دارد؛ کدگذاری عددیِ گروه‌ها، متغیر اسمی را کمی نمی‌کند.
- مشاهدات باید استقلال متناسب با طرح داشته باشند. اندازه‌گیری‌های مکرر یک فرد یا کارکنان وابسته به یک تیم را نباید بدون بررسی، مستقل فرض کرد.
- در مدل کلاسیک آزمون، نرمال بودن جامعه مطرح است. چولگی شدید و داده‌های پرت، به‌ویژه در نمونه‌های کوچک، می‌توانند نتیجه را تحت تأثیر قرار دهند. مقاومت نسبی آزمون به معنای بی‌اهمیت بودن شکل داده نیست.
- دادهٔ گمشده، خطای ثبت و علت مقادیر غیرعادی را بررسی کنید. حذف مشاهده برای رسیدن به p کوچک‌تر، روش قابل دفاعی برای پاک‌سازی نیست.
- نمونه و شیوهٔ انتخاب آن باید با دامنهٔ نتیجه‌گیری سازگار باشند. محاسبهٔ یک p، نمونهٔ در دسترس را خودکار نمایندهٔ همهٔ کارکنان یا همهٔ سازمان‌ها نمی‌کند.
بررسی نمودارها و منطق گردآوری داده را با آزمون‌های آماری همراه کنید. مرز ثابتی مانند «۳۰ مشاهده» یا نتیجهٔ یک آزمون نرمال‌بودن، به‌تنهایی دربارهٔ مناسب بودن تحلیل تصمیم نمی‌گیرد.
فرض صفر و منطق محاسبه
در آزمون دوطرفه، فرض صفر برابر بودن میانگین جامعه با مقدار مرجع و فرض مقابل متفاوت بودن آن است. فرض یک‌طرفه، مانند کمتر بودن از هدف، باید متناسب با پرسش و پیش از دیدن داده تعیین شود؛ جهت آزمون را برای کوچک‌شدن p پس از مشاهدهٔ نتیجه عوض نکنید.
آمارهٔ آزمون برابر است با:
t = (میانگین نمونه − مقدار مرجع) ÷ (انحراف معیار نمونه ÷ جذر تعداد مشاهده‌ها)
مخرج، خطای استاندارد میانگین است و درجهٔ آزادی در این آزمون معمولاً یک واحد کمتر از تعداد مشاهده‌های معتبر است. علامت آماره نشان می‌دهد میانگین نمونه در کدام سوی مقدار مرجع قرار گرفته است؛ معنای بهتر یا بدتر بودن به خود شاخص بستگی دارد.
اجرای آزمون تک‌نمونه‌ای در SPSS
مراحل زیر بر مستندات رسمی IBM برای SPSS Statistics 30 تکیه دارد. نام یا جای منو در نسخهٔ شما ممکن است متفاوت باشد؛ راهنمای همان نسخه ملاک است. این مراحل، گزارش اجرای واقعی نرم‌افزار روی دادهٔ کاربر نیستند.
- متغیر کمیِ مورد نظر را در داده‌ها مشخص کنید و کدگذاری مقادیر گمشده و واحد اندازه‌گیری را بررسی کنید.
- در مسیر ثبت‌شده در مستندات، به Analyze → Compare Means → One-Sample T Test بروید.
- متغیر مورد آزمون را در کادر Test Variable(s) قرار دهید.
- عدد مرجع را در Test Value وارد کنید. مطمئن شوید همان مقداری است که در فرضیه تعریف کرده‌اید.
- در Options، سطح فاصلهٔ اطمینان و شیوهٔ برخورد با داده‌های گمشده را متناسب با تحلیل تنظیم کنید. اگر چند متغیر را هم‌زمان می‌سنجید، انتخاب شیوهٔ حذف موارد گمشده می‌تواند تعداد مشاهده‌های هر آزمون را تغییر دهد.
- پس از اجرای آزمون، اطلاعات توصیفی و نتیجهٔ آزمون را با هم بخوانید. نام جدول‌ها یا ستون‌ها ممکن است با نسخه متفاوت باشد.
خروجی را چگونه تفسیر کنیم؟
تعداد مشاهده‌های معتبر، میانگین، انحراف معیار و خطای استاندارد را ابتدا کنترل کنید. سپس آمارهٔ t، درجهٔ آزادی، مقدار p، تفاوت میانگین با مرجع و فاصلهٔ اطمینانِ این تفاوت را بخوانید. اگر خروجی p یک‌طرفه و دوطرفه را جدا نشان می‌دهد، مقدار متناسب با فرضیهٔ از پیش تعیین‌شده را گزارش کنید.
p، با فرض درست بودن فرض صفر و سایر فرض‌های مدل، احتمال مشاهدهٔ آماره‌ای به همین اندازه یا افراطی‌تر است. p احتمال درست بودن فرض صفر یا احتمال تصادفی بودن اختلاف نیست. کمتر بودن آن از آستانهٔ انتخاب‌شده می‌تواند به رد فرض صفر طبق آن قاعده بینجامد؛ بزرگ‌تر بودنش نیز برابری قطعی با هدف را ثابت نمی‌کند.
برای آزمون دوطرفه و فاصلهٔ اطمینان متناظر، بیرون بودن صفر از فاصلهٔ اطمینانِ تفاوت با رد فرض اختلاف صفر در همان سطح مرتبط است. اما مقدار تفاوت، عرض فاصله و اهمیت عملی آن را نیز باید گزارش کرد. یک تفاوت معنادارِ کوچک، لزوماً نیازمند اقدام پرهزینه نیست.
مثال فرضی با محاسبهٔ قابل بازتولید
فرض کنید برای آموزش محاسبه، میانگین نمرهٔ مشارکتِ ۴۰ کارمند را ۶٫۸، انحراف معیار نمونه را ۱٫۵ و مقدار مرجع را ۷٫۵ در مقیاس ۱ تا ۱۰ در نظر گرفته‌ایم. همهٔ این اعداد فرضی‌اند؛ ۷٫۵ در این مثال «استاندارد صنعت» تأییدشده نیست.
- تفاوت میانگین با مرجع: ۶٫۸ − ۷٫۵ = منفی ۰٫۷ واحد.
- خطای استاندارد: ۱٫۵ ÷ جذر ۴۰ ≈ ۰٫۲۳۷۲.
- آمارهٔ t: منفی ۰٫۷ ÷ ۰٫۲۳۷۲ ≈ منفی ۲٫۹۵۱۵.
- درجهٔ آزادی: ۴۰ − ۱ = ۳۹.
- p دوطرفه بر پایهٔ توزیع t با ۳۹ درجهٔ آزادی، تقریباً ۰٫۰۰۵۳۳ است.
این محاسبه از آمار خلاصهٔ فرضی و فرمول آزمون به دست آمده است؛ تصویر یا خروجی واقعی SPSS نیست. اگر سطح آزمون از پیش ۰٫۰۵ تعیین شده و فرض‌های مدل پذیرفتنی باشند، فرض برابری با مرجع طبق این قاعده رد می‌شود. برای تصمیم عملی هنوز باید پرسید فاصلهٔ ۰٫۷واحدی در این مقیاس چه معنایی دارد و برآورد تا چه اندازه به نمونه و روش اندازه‌گیری متکی است.
خطاهای رایج و روش‌های دیگر
از این آزمون برای «تأیید اثر» یک برنامه صرفاً بر اساس فاصله از هدف استفاده نکنید. همچنین معنادار نبودن تفاوت، موفقیت در رسیدن به هدف یا هم‌ارزی را اثبات نمی‌کند. طرح‌های بررسی هم‌ارزی و حدود قابل قبول، تعریف جداگانه می‌خواهند.
اگر دو گروه مستقل یا مشاهدات زوجی دارید، نوع مناسب آزمون t را بررسی کنید. برای بیش از دو میانگین نیز تحلیل واریانس یا مدل متناسب با طرح مطرح است. معلوم بودن انحراف معیار جامعه می‌تواند در آزمون کلاسیک میانگین، استفاده از z را مطرح کند؛ اندازهٔ نمونه به‌تنهایی معیار انتخاب میان t و z نیست.
ویلکاکسون علامت‌دار نیز برای برخی پرسش‌ها و داده‌ها قابل بررسی است، اما همان فرضیهٔ میانگین را بدون هیچ شرطی جایگزین نمی‌کند و «آزمون میانه» نامیدن آن به فرض‌های بیشتری نیاز دارد. اگر چند متغیر یا چند فرضیه را می‌آزمایید، تعدد آزمون‌ها را در طرح تحلیل و تفسیر لحاظ کنید؛ انتخاب اصلاح مناسب به خانوادهٔ پرسش‌ها وابسته است.
برای گزارش نهایی چه اطلاعاتی لازم است؟
متغیر و واحد، جامعه و نمونه، مقدار مرجع و مبنای آن، یک‌طرفه یا دوطرفه بودن فرضیه، سطح آزمون، تعداد مشاهده‌های معتبر، میانگین و انحراف معیار، t، درجهٔ آزادی، p و فاصلهٔ اطمینان را گزارش کنید. سپس اندازه و معنای عملی تفاوت و محدودیت‌های داده را توضیح دهید. نتیجهٔ آماری باید به روشن‌شدن تصمیم کمک کند؛ جای شناخت مسئله را نمی‌گیرد.
مقایسهٔ پرسش‌ها و روش‌ها
| ساختار پرسش و داده | روش قابل بررسی | پاسخ آزمون دربارهٔ چیست؟ | محدودیت تصمیم‌گیری |
|---|---|---|---|
| میانگین یک جامعه در برابر مقدار ثابت و از پیش مشخص | t تک‌نمونه‌ای | تفاوت میانگین با مقدار مرجع، طبق فرض‌های آزمون | ردنشدن فرض صفر، اثبات رسیدن به هدف نیست؛ اهمیت فاصله جدا بررسی می‌شود. |
| دو اندازه‌گیری زوجی، مانند قبل و بعد در همان افراد | t زوجی | میانگین اختلاف زوج‌ها | معناداری تغییر به‌تنهایی علت آن را ثابت نمی‌کند. |
| میانگین دو گروه مستقل | t مستقل با نسخهٔ متناسب با فرض‌های واریانس | تفاوت میانگین‌های دو جامعه | انتخاب برنامهٔ بهتر به طرح مقایسه، اندازهٔ تفاوت، عدم قطعیت و هزینه هم وابسته است. |
| مقایسهٔ بیش از دو میانگین | تحلیل واریانس یا مدل مناسب طرح | فرض‌های مشخص دربارهٔ میانگین‌ها | آزمون کلی به‌تنهایی همهٔ زوج‌های متفاوت را مشخص نمی‌کند؛ مقایسه‌های تکمیلی باید از پیش یا با کنترل مناسب طراحی شوند. |
| پرسشی مناسبِ تحلیل رتبه‌ای با داده‌های متناظر | در بعضی شرایط، ویلکاکسون علامت‌دار | فرضیهٔ رتبه‌ای با شرط‌های خاص روش | جانشین بی‌قیدِ آزمون میانگین یا آزمون عمومیِ میانه نیست. |
منابع روش و نرم‌افزار
- IBM SPSS Statistics 30، مدخل One-Sample T Test؛ برای مراحل اجرا، Test Value، خروجی‌ها و تنظیم دادهٔ گمشده.
- NIST Dataplot Reference Manual، مدخل T TEST؛ برای فرضیه، آماره و درجهٔ آزادی آزمون تک‌نمونه‌ای.
- Wasserstein و Lazar، ۲۰۱۶، The ASA Statement on p-Values: Context, Process, and Purpose؛ برای حدود تفسیر مقدار p و تصمیم‌گیری.