آموزش آمار توصیفی در SPSS؛ گام به گام از تحلیل دادهها تا گزارش دانشگاهی
فهرست مطالب
- ۱. آمار توصیفی در SPSS چیست و چه کاربردی دارد؟
- ۲. مقایسه سه دستور کلیدی: Frequencies ،Descriptives و Explore
- ۳. اجرای آمار توصیفی برای متغیرهای کیفی (منوی Frequencies)
- ۴. اجرای آمار توصیفی برای متغیرهای کمی (منوی Descriptives)
- ۵. بررسی نرمال بودن دادهها و شناسایی دادههای پرت (منوی Explore)
- ۶. نحوه نگارش نتایج آمار توصیفی در پایاننامه (استاندارد APA)
- ۷. اشتباهات رایج در آمار توصیفی و راهحل سریع آنها
- ۸. پرسشهای متداول دانشجویان
هنگام ورود به مرحله تحلیل دادهها در پایاننامه یا مقاله علمی، اولین و حیاتیترین گام، محاسبه دقیق آمار توصیفی است. اگر نتوانید میانگین، انحراف معیار و توزیع دادههای خود را به درستی در نرمافزار SPSS استخراج و تفسیر کنید، تمام تحلیلهای استنباطی بعدی شما با چالش مواجه خواهند شد. این راهنما به شما یاد میدهد که چگونه بدون سردرگمی، شاخصهای آمار توصیفی را در SPSS محاسبه کرده، خروجیها را تحلیل کنید و آنها را مطابق استاندارد APA در فصل چهارم پایاننامه بنویسید.
برای متغیرهای اسمی و رتبهای (مانند جنسیت و تحصیلات) از منوی Frequencies استفاده کنید. برای متغیرهای فاصلهای و نسبی (مانند سن و نمره آزمون) منوی Descriptives مناسب است. جهت ارزیابی پیشفرض نرمال بودن توزیع دادهها و بررسی دادههای پرت، منوی Explore بهترین ابزار است.
آمار توصیفی در SPSS چیست و چه کاربردی دارد؟

آمار توصیفی در SPSS مجموعهای از روشها برای خلاصهسازی، سازماندهی و نمایش دادههای جمعآوریشده در قالب شاخصهای عددی (مثل میانگین و انحراف معیار) و جداول فراوانی است. این تحلیل، الگوی کلی دادهها را بدون جبههگیری یا استنتاج اضافی روشن میسازد.
در هر پژوهش علمی، پیش از اجرای آزمونهای فرضیه (مانند آزمون t یا رگرسیون)، باید ویژگیهای جمعیتشناختی نمونه و وضعیت متغیرهای اصلی را توصیف کنید. آمار توصیفی شامل دو دسته شاخص اصلی است:
- شاخصهای مرکزی: میانگین (Mean)، میانه (Median) و نما (Mode) که مرکز تجمع دادهها را نشان میدهند.
- شاخصهای پراکندگی: انحراف معیار (Standard Deviation)، واریانس (Variance)، دامنه تغییرات (Range) و خطای معیار میانگین (Standard Error) که میزان پراکندگی دادهها پیرامون مرکز را مشخص میکنند.
مقایسه سه دستور کلیدی: Frequencies ،Descriptives و Explore

در نرمافزار SPSS، سه مسیر اصلی برای دریافت آمار توصیفی وجود دارد. انتخاب مسیر نادرست میتواند منجر به تولید جداول نادرست یا غیرضروری در خروجی شود.
| دستور در SPSS | کاربرد اصلی و متغیر هدف |
|---|---|
| Frequencies | ویژه متغیرهای کیفی (اسمی و رتبهای). برای محاسبه فراوانی، درصد، درصد تجمعی و رسم نمودارهای میلهای یا دائرهای. |
| Descriptives | ویژه متغیرهای کمی (فاصلهای و نسبی). برای محاسبه سریع میانگین، انحراف معیار، کجی، کشیدگی و تبدیل دادهها به نمرات استاندارد Z. |
| Explore | تحلیل عمیق متغیرهای کمی. برای بررسی پیشفرض نرمال بودن (آزمونهای کلموگروف-اسمیرنوف و شاپیرو-ویلک) و شناسایی دادههای پرت. |
اجرای آمار توصیفی برای متغیرهای کیفی (منوی Frequencies)

برای تحلیل متغیرهای دیمواگرافیک مانند جنسیت، وضعیت تأهل، یا مقطع تحصیلی، منوی Frequencies مناسبترین گزینه است.
- از منوی بالا مسیر Analyze > Descriptive Statistics > Frequencies را دنبال کنید.
- متغیرهای کیفی مورد نظر را از پنل سمت چپ به کادر Variable(s) منتقل کنید.
- گزینه Display frequency tables را فعال بگذارید.
- روی دکمه Charts کلیک کرده و گزینه Bar charts یا Pie charts را انتخاب کنید (روی گزینه Percent تنظیم کنید).
- روی Continue و سپس OK کلیک کنید.
در جدول خروجی SPSS، همواره ستون Valid Percent را ملاک گزارش قرار دهید. این ستون درصد واقعی را بدون احتساب دادههای مفقود (Missing) محاسبه میکند.
اجرای آمار توصیفی برای متغیرهای کمی (منوی Descriptives)
وقتی با متغیرهای پیوسته و عددی (مانند نمره سابقه کار، سن، یا میانگین مقیاسهای لیکرت) سروکار دارید، دستور Descriptives خلاصهای دقیق از شاخصهای عددی ارائه میدهد.
- مسیر Analyze > Descriptive Statistics > Descriptives را باز کنید.
- متغیرهای کمی را به کادر Variable(s) منتقل کنید.
- روی دکمه Options کلیک کنید.
- شاخصهای Mean، Std. deviation، Minimum، Maximum، و در صورت نیاز Skewness (کجی) و Kurtosis (کشیدگی) را علامت بزنید.
- دکمه Continue و سپس OK را بزنید.
بررسی نرمال بودن دادهها و شناسایی دادههای پرت (منوی Explore)
ارزیابی نرمال بودن توزیع دادهها در SPSS با بررسی شاخصهای کجی و کشیدگی یا استفاده از آزمونهای رسمی مانند کلموگروف-اسمیرنوف در منوی Explore انجام میشود. اگر مقادیر کجی و کشیدگی در بازه ۲+ تا ۲- قرار داشته باشند، توزیع دادهها به توزیع نرمال نزدیک است.
مراحل استخراج شاخصهای نرمال بودن و نمودارهای جعبهای (Boxplot):
- مسیر Analyze > Descriptive Statistics > Explore را طی کنید.
- متغیرهای پیوسته را وارد کادر Dependent List کنید.
- روی دکمه Plots کلیک کرده و گزینه Normality plots with tests را فعال کنید.
- روی Continue و سپس OK کلیک کنید.
- تفسیر آزمون Kolmogorov-Smirnov / Shapiro-Wilk: اگر مقدار Sig. بیشتر از ۰.۰۵ باشد، فرض نرمال بودن دادهها تأیید میشود.
- شناسایی دادههای پرت: در نمودار جعبهای (Boxplot)، شماره پرسشنامههایی که خارج از خطوط نمودار قرار دارند، به عنوان داده پرت (Outlier) مشخص میشوند که باید بررسی یا اصلاح گردند.
نحوه نگارش نتایج آمار توصیفی در پایاننامه (استاندارد APA)
یکی از چالشهای اصلی دانشجویان، نحوه انتقال کادرهای خروجی SPSS به متن فصل چهارم پایاننامه است. جداول خام SPSS نباید مستقیماً کپی شوند؛ بلکه باید در قالب جداول استاندارد APA تنظیم گردند.
«میانگین و انحراف معیار نمره رضایت شغلی در بین ۱۰۵ نفر از پاسخدهندگان به ترتیب برابر با ۳.۸۴ و ۰.۶۲ بود (M = 3.84, SD = 0.62). بررسی شاخصهای کجی (۰.۳۴-) و کشیدگی (۰.۱۲) نشان داد که توزیع دادههای متغیر رضایت شغلی در محدوده نرمال (بازه ۲+ تا ۲-) قرار دارد.»
اشتباهات رایج در آمار توصیفی و راهحل سریع آنها
اجتناب از خطاهای زیر، کیفیت علمی فصل چهارم پایاننامه شما را تضمین میکند:
- محاسبه میانگین برای متغیرهای اسمی: گرفتن میانگین از متغیرهایی مثل جنسیت (که کدهای ۱ و ۲ دارند) کاملاً اشتباه است. راهحل: برای متغیرهای اسمی فقط فراوانی و درصد گزارش کنید.
- کپی کردن جداول خام SPSS: جداول SPSS دارای خطوط عمودی و فرمت غیراستادارد هستند. راهحل: دادهها را در جداول ورد با فرمت APA (تنها سه خط افقی، بدون خطوط عمودی) بازنویسی کنید.
- اشتباه گرفتن خطای معیار (Std. Error) با انحراف معیار (Std. Deviation): خطای معیار میزان دقت برآورد نمونه را نشان میدهد و نباید به جای انحراف معیار در توصیف دادهها گزارش شود.
- عدم بررسی دادههای مفقود (Missing Values): نادیده گرفتن خانه های خالی در SPSS منجر به تورم یا کاهش کاذب میانگین میشود. راهحل: قبل از تحلیل توصیفی، با دستور Frequencies دادههای مفقود را شناسایی و تعیینتکلیف کنید.
پرسشهای متداول
چه زمانی باید از میانه به جای میانگین استفاده کنیم؟
هنگامی که دادههای شما دارای کجی شدید هستند یا دادههای پرت (Outlier) در نمونه وجود دارد، میانه شاخص بهتری برای نشان دادن مرکز دادهها است، زیرا تحت تأثیر مقادیر حدی قرار نمیگیرد.
تفاوت Percent با Valid Percent در خروجی SPSS چیست؟
ستون Percent درصد را بر اساس کل نمونه (شامل پرسشنامههای ناقص و دادههای مفقود) محاسبه میکند، اما Valid Percent درصد را فقط بر اساس پاسخهای صحیح و موجود حساب میکند که باید در گزارشها استفاده شود.
حد مجاز کجی و کشیدگی برای نرمال بودن دادهها چقدر است؟
در اکثر منابع معتبر پژوهشی، اگر مقادیر کجی (Skewness) و کشیدگی (Kurtosis) بین ۲+ و ۲- (و در برخی منابع سختگیرانهتر بین ۱.۹۶+ و ۱.۹۶-) باشد، توزیع دادهها نرمال تلقی میشود.
آیا برای طیف لیکرت باید آمار توصیفی تکتک سوالات گزارش شود؟
خیر، معمولاً گزارش میانگین و انحراف معیار برای «مؤلفهها» و «متغیرهای کلی» در متن فصل چهارم کافی است و آمار توصیفی تکتک گویهها در ضمیمه قرار میگیرد.
نیازمند مشاوره یا انجام تحلیل آماری پایاننامه خود هستید؟
اگر برای انجام تحلیلهای آمار توصیفی و استنباطی، رفع خطاهای SPSS یا نگارش فصل چهارم پایاننامه به راهنمایی تخصصی نیاز دارید، با کارشناسان ما تماس بگیرید.
سوالات متداول
تفاوت دستور Frequencies و Descriptives در SPSS چیست؟
دستور Frequencies بیشتر برای متغیرهای کیفی جهت محاسبه فراوانی، درصد و درصد تجمعی کاربرد دارد. در مقابل، دستور Descriptives برای متغیرهای کمی پیوسته جهت استخراج سریع میانگین و انحراف معیار استفاده میشود.
چگونه نرمال بودن توزیع دادهها را در SPSS بررسی کنیم؟
با استفاده از منوی Explore و فعال کردن آزمونهای کلموگروف-اسمیرنوف و شاپیرو-ویلک میتوانید نرمال بودن دادهها را ارزیابی کنید. اگر مقدار Sig در این آزمونها بیشتر از ۰.۰۵ باشد، توزیع دادهها نرمال است.
بازه مقادیر استاندارد کجی و کشیدگی در SPSS چقدر است؟
در صورتی که مقادیر شاخصهای کجی (Skewness) و کشیدگی (Kurtosis) در بازه بین ۲- تا ۲+ قرار داشته باشند، توزیع متغیر مورد نظر به توزیع نرمال بسیار نزدیک است.
چگونه دادههای پرت (Outlier) را در SPSS شناسایی کنیم؟
از مسیر منوی Explore و با رسم نمودار جعبهای (Boxplot) میتوان شماره پرسشنامهها و دادههای پرت را که خارج از خطوط نمودار قرار دارند شناسایی و اصلاح کرد.