آزمون فریدمن (Friedman Test)
در بسیاری از ارزیابی‌های مدیریتی، با شرایطی روبه‌رو می‌شویم که باید عملکرد، رضایت یا اثربخشی یک مجموعه اقدام را در چند مقطع زمانی یا تحت چند شرایط مختلف، روی همان افراد یا واحدها بسنجیم. داده‌های ترتیبی یا ناسازگاری با مدل پارامتری می‌تواند انتخاب روش رتبه‌ای را توجیه کند؛ تصمیم فقط به آزمون نرمال بودن متغیر خام وابسته نیست. آزمون فریدمن (Friedman Test) دقیقاً برای همین موقعیت طراحی شده است: مقایسه سه گروه وابسته یا بیشتر، بدون نیاز به فرض نرمال بودن توزیع.
آزمون فریدمن چیست؟
آزمون فریدمن یک آزمون ناپارامتری برای مقایسه توزیع رتبه‌ها در سه گروه وابسته یا بیشتر است. این آزمون معادل ناپارامتری تحلیل واریانس با اندازه‌گیری‌های مکرر (Repeated Measures ANOVA) محسوب می‌شود. به زبان ساده، وقتی یک گروه از افراد یا واحدهای سازمانی را در چند شرایط یا چند مقطع زمانی ارزیابی می‌کنید و می‌خواهید بدانید آیا بین این ارزیابی‌ها تفاوت معناداری وجود دارد، آزمون فریدمن به شما کمک می‌کند.
خروجی اصلی این آزمون، مشخص کردن این است که آیا حداقل یکی از گروه‌ها از نظر رتبه‌بندی با بقیه تفاوت معنادار دارد یا خیر. این آزمون بر اساس رتبه‌بندی داده‌ها در هر بلوک (هر فرد یا واحد مورد بررسی) کار می‌کند، نه بر اساس مقادیر خام.
این روش چه مسئله‌ای را برای مدیران حل می‌کند؟
تصور کنید مدیر منابع انسانی یک سازمان هستید و می‌خواهید بدانید آیا رضایت شغلی کارکنان در سه مقطع زمانی مختلف (ابتدای سال، میانه سال، پایان سال) تغییر معناداری کرده است. داده‌های رضایت شغلی معمولاً در مقیاس لیکرت جمع‌آوری می‌شوند که ماهیت ترتیبی دارد و به‌ندرت از توزیع نرمال پیروی می‌کند. استفاده از تحلیل واریانس با اندازه‌گیری‌های مکرر در این شرایط می‌تواند به نتیجه‌گیری اشتباه منجر شود.
آزمون فریدمن دقیقاً این مسئله را حل می‌کند: به شما اجازه می‌دهد با مفروضات متناسب با دادهٔ رتبه‌ای، شواهد تفاوت بین شرایط را بررسی کنید. فریدمن نیز مفروضاتی دارد و واقعی بودن تفاوت یا اثر مداخله را به‌تنهایی تعیین نمی‌کند. این آزمون به مدیران کمک می‌کند تا تغییرات در داده‌های رتبه‌ای یا غیرنرمال را با اطمینان بیشتری تحلیل کنند و تصمیمات مبتنی بر شواهد بگیرند.
چه زمانی باید از آزمون فریدمن استفاده کنیم؟
آزمون فریدمن زمانی مناسب است که همه شرایط زیر برقرار باشد:
- اندازه‌گیری‌های قابل مقایسه در چند شرط: کاربرد رایج آن سه شرط یا بیشتر روی همان افراد یا بلوک‌هاست. صورت عمومی آزمون با دو شرط نیز تعریف می‌شود، اما در آن حالت آزمون علامت یا آزمون رتبهٔ علامت‌دار ویلکاکسون، متناسب با مفروضات، معمولاً گزارش روشن‌تری دارد.
- داده‌های ترتیبی یا فاصله‌ای: داده‌ها باید حداقل قابلیت رتبه‌بندی داشته باشند. داده‌های اسمی (مثل جنسیت یا نوع بخش سازمانی) مناسب این آزمون نیستند.
- تناسب پرسش و مقیاس: فریدمن برای تحلیل رتبه‌های درون‌بلوک مناسب است و به نرمال بودن نیاز ندارد؛ نرمال نبودن شرط لازم استفاده از آن نیست.
- ساختار بلوکی درست: در هر بلوک، یک مشاهده برای هر شرط وجود داشته باشد و بلوک‌های مختلف مستقل باشند. دادهٔ مفقود، تکرارهای اضافه و خوشه‌بندی باید پیش از تحلیل بررسی شوند؛ حذف بلوک‌های ناقص می‌تواند بر تعمیم نتیجه اثر بگذارد.
در مقابل، در شرایط زیر آزمون فریدمن مناسب نیست:
- هدف اصلی مقایسهٔ میانگین‌هاست و مدل پارامتریِ اندازه‌گیری مکرر برای آن موجه است؛ در این صورت آن مدل می‌تواند گزینهٔ مناسب‌تری باشد.
- گروه‌ها مستقل هستند (در این حالت باید از آزمون کروسکال-والیس استفاده شود).
- می‌خواهید با یک آزمون کلی، همهٔ مقایسه‌های زوجی یا جهت تغییر را مشخص کنید.
- متغیر وابسته اسمی است.
چگونه از آزمون فریدمن استفاده کنیم؟
اجرای آزمون فریدمن در یک ارزیابی مدیریتی شامل مراحل زیر است:
- تعیین سؤال ارزیابی و فرضیه‌ها: مشخص کنید دقیقاً چه چیزی را می‌خواهید مقایسه کنید. در مدل بلوکی، فرض صفر نبود تفاوت منظم میان شرایط پس از در نظر گرفتن بلوک‌هاست؛ آزمون این پرسش را با رتبه‌های درون هر بلوک بررسی می‌کند. فرض مقابل وجود تفاوت در دست‌کم یک مقایسهٔ شرایط است.
- انتخاب سطح معناداری: معمولاً سطح ۰.۰۵ (پنج درصد) به‌عنوان آستانه تصمیم‌گیری انتخاب می‌شود.
- سازماندهی داده‌ها: داده‌ها را به‌صورت ماتریسی تنظیم کنید که هر سطر آن یک فرد یا واحد ارزیابی و هر ستون آن یک شرایط یا مقطع زمانی است.
- رتبه‌بندی درون هر بلوک: برای هر سطر (هر فرد)، مقادیر را از کوچک‌ترین به بزرگ‌ترین رتبه‌بندی کنید. اگر مقدار تکراری وجود داشت، میانگین رتبه‌ها را به هر دو اختصاص دهید.
- اجرای آزمون: با استفاده از نرم‌افزار آماری (مانند SPSS یا R) یا محاسبه دستی، آماره آزمون فریدمن را محاسبه کنید. خروجی معمولاً شامل آماره، درجهٔ آزادی و p مبتنی بر تقریب کای‌دو است. در بلوک‌های کم یا تساوی‌های فراوان، اعتبار تقریب را بررسی و در صورت امکان روش دقیق یا جایگشتی مناسب را انتخاب کنید؛ شیوهٔ محاسبهٔ p را گزارش کنید.
- تصمیم‌گیری اولیه: اگر p-value کوچک‌تر یا مساوی سطح معناداری باشد، فرض صفر رد می‌شود و نتیجه می‌گیرید که حداقل دو گروه با یکدیگر تفاوت معنادار دارند.
- اجرای آزمون‌های تعقیبی: اگر فرض صفر رد شد، باید مشخص کنید کدام گروه‌ها با یکدیگر تفاوت دارند. روش تعقیبی سازگار با طرح و داده را از پیش مشخص کنید؛ برای مقایسه‌های متعدد، تصحیحی مانند هولم یا بون‌فرونی در نظر بگیرید. انتخاب ویلکاکسون زوجی نیز نیازمند بررسی مفروضات خودش است.
- تفسیر در چارچوب تصمیم مدیریتی: نتایج آماری را در زمینه مسئله اصلی تفسیر کنید و مشخص کنید چه اقدام مدیریتی باید انجام شود.
چگونه نتایج را تفسیر کنیم؟
تفسیر نتایج آزمون فریدمن به‌طور مشخص بر اساس p-value انجام می‌شود، اما این تفسیر باید با احتیاط صورت گیرد.
اگر p-value کوچک‌تر از سطح معناداری (مثلاً ۰.۰۵) باشد، می‌توان نتیجه گرفت که تفاوت معناداری بین حداقل دو گروه وجود دارد. اما این نتیجه به‌تنهایی مشخص نمی‌کند کدام گروه‌ها متفاوت هستند. برای این کار باید از آزمون‌های تعقیبی استفاده کنید.
نکته بسیار مهم این است که معناداری آماری با اهمیت عملی یکی نیست. ممکن است تفاوت کوچکی از نظر آماری معنادار باشد اما در عمل تأثیر قابل‌توجهی بر تصمیم مدیریتی نداشته باشد. همیشه اندازه اثر و زمینه کاربردی را در نظر بگیرید. برای مثال، تفاوت رضایت شغلی از ۳.۲ به ۳.۴ در مقیاس پنج‌درجه‌ای ممکن است معنادار باشد اما آیا این تفاوت برای تغییر سیاست سازمانی کافی است؟
همچنین باید توجه داشت که آزمون فریدمن بر اساس رتبه‌ها کار می‌کند، نه مقادیر اصلی. بنابراین تفسیر باید بر اساس الگوی رتبه‌بندی انجام شود، نه تفاوت عددی مستقیم بین میانگین‌ها.
یک مثال کاربردی در ارزیابی مدیریتی
در یک مثال فرضی، سازمانی خدماتی می‌خواهد تغییر کیفیت خدمات مشتریان را پس از یک برنامهٔ آموزشی بررسی کند. برای این کار، عملکرد ۳۰ کارمند در سه مقطع زمانی مختلف ارزیابی می‌شود: قبل از آموزش، یک ماه بعد از آموزش و سه ماه بعد از آموزش. ارزیابی توسط سرپرستان بر اساس مقیاس رتبه‌ای از ۱ تا ۵ انجام می‌شود.
اگر دادهٔ واقعی کامل و قابل رتبه‌بندی باشد و کارکنان، بلوک‌های مستقل محسوب شوند، آزمون فریدمن می‌تواند برای پرسش تفاوت شرایط بررسی شود. مقیاس ۱ تا ۵ احتمال تساوی رتبه‌ها دارد و اصلاح مناسب لازم است.
دادهٔ خام و خروجی واقعی برای این مثال ارائه نشده است؛ بنابراین مقدار p یا نتیجهٔ آزمون گزارش نمی‌شود. در اجرای واقعی باید آماره، تعداد بلوک‌های کامل، شیوهٔ برخورد با تساوی‌ها، p و خلاصهٔ داده در هر مقطع ارائه شود.
حتی اگر مقایسه‌ها تفاوتی بین قبل و بعد نشان دهند، بدون طرح مقایسهٔ مناسب نمی‌توان آن را به آموزش نسبت داد؛ تغییرات هم‌زمان و روند طبیعی نیز مطرح‌اند. نامعنادار بودن تفاوت یک‌ماه و سه‌ماه هم اثبات برابری یا حفظ اثر نیست.
تصمیم دربارهٔ گسترش برنامه به اندازه و اهمیت تغییر، هزینه و شواهد معتبر دربارهٔ اثر آموزش نیاز دارد. فریدمن یکی از ابزارهای تحلیل داده است، نه جایگزین طرح ارزیابی اثر.
مزایای استفاده از آزمون فریدمن در ارزیابی‌های مدیریتی
- انعطاف‌پذیری در برابر نوع داده: بدون نیاز به فرض نرمال بودن توزیع، برای داده‌های رتبه‌ای و غیرنرمال قابل استفاده است.
- امکان تحلیل رتبه‌ای: در نمونه‌های کوچک، آزمون دقیق یا جایگشتی می‌تواند قابل بررسی باشد؛ دقت تقریب و توان آزمون را نباید تضمین‌شده دانست.
- کاربرد شهودی در ارزیابی‌های تکراری: برای ارزیابی‌های پیش‌آزمون و پس‌آزمون، سنجش رضایت در مقاطع مختلف و مقایسه عملکرد تحت شرایط مختلف بسیار کاربردی است.
- عدم نیاز به مفروضات مدل میانگین پارامتری: فریدمن روی رتبه‌ها کار می‌کند، اما برای تفسیر تفاوت صرفاً به‌عنوان جابه‌جایی مکان توزیع باید شکل توزیع‌ها و مفروضات مدل را در نظر گرفت.
- مقاومت در برابر داده‌های پرت: به دلیل استفاده از رتبه‌ها به‌جای مقادیر خام، تأثیر داده‌های پرت کاهش می‌یابد.
محدودیت‌ها و خطاهای رایج
محدودیت‌های اصلی
- توان وابسته به شرایط: در شرایط مناسب برای مدل پارامتری ممکن است بخشی از توان از دست برود؛ برتری یک روش برای همهٔ توزیع‌ها و طرح‌ها قطعی نیست.
- از دست دادن اطلاعات: تبدیل داده‌های فاصله‌ای به رتبه باعث از دست رفتن اطلاعات درباره اندازه دقیق تفاوت‌ها می‌شود.
- عدم شناسایی خودکار گروه‌های متفاوت: آزمون فریدمن فقط مشخص می‌کند که تفاوت وجود دارد، اما نمی‌گوید کدام گروه‌ها متفاوت هستند. برای این کار به آزمون‌های تعقیبی نیاز است.
- حساسیت به تعداد بلوک‌ها: با تعداد کم بلوک‌ها، توان آماری به‌شدت کاهش می‌یابد.
خطاهای رایج در استفاده و تفسیر
- استفاده برای گروه‌های مستقل: اگر گروه‌ها مستقل باشند، باید از آزمون کروسکال-والیس استفاده شود، نه فریدمن.
- بی‌توجهی به آزمون‌های تعقیبی: رد فرض صفر بدون انجام آزمون‌های تعقیبی، اطلاعات ناقصی برای تصمیم‌گیری فراهم می‌کند.
- معادل دانستن معناداری آماری با اهمیت عملی: معناداری آماری لزوماً به معنای اهمیت عملی یا تصمیم‌گیری الزاماً متفاوت نیست.
- نادیده گرفتن ماهیت ترتیبی داده‌ها: اگر داده‌ها واقعاً ترتیبی هستند، تفسیر باید بر اساس الگوی رتبه‌ها باشد، نه میانگین عددی.
- انتخاب خودکار آزمون زوجی: برای دو شرط، آزمون علامت، ویلکاکسون یا t زوجی را با توجه به پرسش، مقیاس و توزیع تفاوت‌ها انتخاب کنید.
مقایسه با روش‌های مشابه
درک تفاوت آزمون فریدمن با روش‌های مشابه به انتخاب درست ابزار کمک می‌کند:
- آزمون فریدمن در برابر ANOVA با اندازه‌گیری‌های مکرر: هر دو می‌توانند داده‌های تکراری را بررسی کنند، اما ANOVA مقایسهٔ میانگین‌ها را با مفروضات خطا و کوواریانس مربوط دنبال می‌کند و فریدمن بر رتبه‌های درون‌بلوک استوار است. بررسی نرمال بودن خام داده به‌تنهایی برای انتخاب کافی نیست.
- آزمون فریدمن در برابر کروسکال-والیس: هر دو ناپارامتری هستند، اما کروسکال-والیس برای گروه‌های مستقل طراحی شده است. اگر همان افراد یا واحدها در چند شرایط ارزیابی شده‌اند، فریدمن مناسب است. اگر گروه‌های مختلفی از افراد را مقایسه می‌کنید، کروسکال-والیس.
- آزمون فریدمن در برابر ویلکاکسون: برای دو شرط وابسته، آزمون رتبهٔ علامت‌دار ویلکاکسون یکی از گزینه‌هاست؛ انتخاب آن به پرسش و مفروضات تفاوت‌های زوجی وابسته است. آزمون علامت یا t زوجی نیز ممکن است با پرسش و داده مناسب‌تر باشد.
انتخاب بین این روش‌ها اساساً به سه عامل بستگی دارد: می‌خواهید چند گروه را مقایسه کنید، گروه‌ها وابسته‌اند یا مستقل، و داده‌ها چه ماهیتی دارند.
جدول راهنمای انتخاب روش بر اساس مسئله
| مسئله یا شرایط | چه چیزی باید بررسی شود؟ | روش مناسب | نتیجه چه تصمیمی ایجاد می‌کند؟ |
|---|---|---|---|
| مقایسه سه مقطع زمانی یا بیشتر روی همان افراد | آیا رتبه‌های ارزیابی در طول زمان تغییر کرده است؟ | آزمون فریدمن | بررسی تفاوت کلی شرایط؛ جهت، روند و اثر علّی نیازمند تحلیل تکمیلی |
| داده‌های رتبه‌ای یا غیرنرمال با سه گروه وابسته | آیا بین شرایط مختلف تفاوت رتبه‌ای وجود دارد؟ | آزمون فریدمن | مقایسه‌های تعقیبی و ارزیابی اهمیت تفاوت؛ آزمون کلی بهترین گزینه را مشخص نمی‌کند |
| داده‌های نرمال با سه گروه وابسته | آیا میانگین‌ها بین گروه‌ها متفاوت است؟ | ANOVA با اندازه‌گیری‌های مکرر | بررسی تفاوت میانگین با مفروضات مدل؛ برتری همیشگی تضمین نیست |
| مقایسه سه گروه مستقل یا بیشتر | آیا توزیع رتبه‌ها بین گروه‌ها متفاوت است؟ | کروسکال-والیس | شناسایی تفاوت بین گروه‌های مستقل |
| مقایسه دو گروه وابسته | آیا بین دو شرایط تفاوت رتبه‌ای وجود دارد؟ | ویلکاکسون | ارزیابی قبل و بعد از یک مداخله |
| داده‌های اسمی | آیا توزیع فراوانی‌ها متفاوت است؟ | برای دو اندازه‌گیری دودویی وابسته، مک‌نمار؛ برای چند شرط دودویی، Q کوکران؛ در دادهٔ مستقل، آزمون متناسب فراوانی | تحلیل تفاوت در دسته‌بندی‌ها |
جمع‌بندی
آزمون فریدمن ابزاری ارزشمند در جعبه‌ابزار تحلیلی مدیران و تحلیلگران سازمانی است. این آزمون به شما اجازه می‌دهد در شرایطی که داده‌ها نرمال نیستند یا ماهیت ترتیبی دارند، مقایسه‌های معتبری بین چند گروه وابسته انجام دهید. کاربردهای آن در ارزیابی‌های مدیریتی گسترده است: از سنجش اثربخشی برنامه‌های آموزشی و بررسی تغییرات رضایت شغلی در طول زمان تا مقایسه عملکرد واحدها تحت سیاست‌های مختلف.
نکته کلیدی این است که آزمون فریدمن را به‌عنوان یک ابزار تصمیم‌گیری ببینید، نه صرفاً یک محاسبه آماری. استفاده درست از این آزمون، همراه با تفسیر دقیق نتایج و در نظر گرفتن محدودیت‌ها، می‌تواند به مدیران کمک کند تا تصمیمات آگاهانه‌تری بر اساس شواهد بگیرند و از خطاهای ارزیابی پرهیز کنند.
منابع روش‌شناختی
- NIST Dataplot، Friedman Test؛ رتبه‌بندی درون‌بلوک، استقلال بلوک‌ها و محدودیت تقریب توزیع آماره.
- R Core Team، مستندات رسمی stats::friedman.test؛ طرح بلوک کامل بدون تکرار و برخورد با مقادیر مفقود.
- بیانیهٔ انجمن آمار آمریکا دربارهٔ p (Wasserstein & Lazar, 2016)؛ تمایز معناداری، اندازهٔ اثر و اهمیت تصمیم.