تحلیل پرسشنامه با SPSS — راهنمای کاربردی

«پرسشنامه» (Questionnaire) یکی از شیوه‌های مرسوم برای جمع‌آوری داده‌ و اطلاعات محسوب می‌شود، به طوری که در بررسی‌های علمی و تحقیقاتی، بخصوص در حوزه جامعه‌شناسی و سنجش افکار عمومی، از پرسشنامه برای کسب نظر افراد جامعه استفاده می‌کنند. هر چند شیوه‌های تهیه پرسشنامه و سوالات طرح شده در آن، ممکن است متفاوت باشد ولی رویکرد آماری برای استنباط و تحلیل بطور معمول، به یک صورت خواهد بود. از طرفی ثبت و بررسی همه پرسشنامه‌ها، امری دقیق و زمان‌بر است. به همین علت، نرم‌افزارهای مختلفی برای ثبت و نگهداری داده‌های حاصل از پرسشنامه‌ها، طراحی شده و قابل استفاده است. نرم‌افزار SPSS، علاوه بر امکان اجرای آزمون‌ها و محاسبات آماری، برای ثبت و نگهداری داده‌های پرسشنامه‌ای نیز مناسب است و برای این کار، از یک کاربرگ بهره می‌برد. به این دلیل در این نوشتار از مجله فرادرس به موضوع تحلیل پرسشنامه با SPSS پرداخته‌ایم تا کسانی که در این حیطه فعالیت می‌کنند، نسبت به نحوه ثبت و جنبه‌های مختلف داده‌های پرسشنامه‌ای، اطلاعاتی کسب کرده و آگاه‌تر از قبل به پژوهش بپردازند.

برای آشنایی بیشتر با چند روش جمع‌آوری اطلاعات و ارزیابی پرسشنامه‌ها، بهتر است مطالب روش تحقیق علمی — راهنمای کاربردی و سنجش پایایی پرسشنامه با آلفای کرونباخ — شیوه محاسبه را مطالعه کنید. همچنین خواندن نوشتارهای روش تحقیق و اصول آماری — به زبان ساده و مقیاس یا طیف لیکرت و پیاده سازی در پایتون — راهنمای کاربردی نیز خالی از لطف نیست.

تحلیل پرسشنامه با SPSS

در تحلیل آماری، داده‌ها و اطلاعات باید به صورت کمّی و عددی درآیند. در اغلب نرم‌افزارهای محاسبات آماری مانند SPSS نیز متغیرها به صورت «کمی» (Quantitative) یا عددی ثبت می‌شوند. حتی اگر ماهیت یک متغیر، «کیفی» (Qualitative) باشد، باز هم با استفاده از مقیاس‌های «اسمی» (Nominal) یا «ترتیبی» (Ordinal) سعی می‌کنند که آن‌ها را به صورت عدد نمایش دهند. هر چند که اعداد در این حالت، ماهیت عددی نداشته و فقط به منظور کد‌گذاری یا مشخص کردن هر یک از سطوح متغیر، به کار رفته‌اند.

فیلم آموزش نرم افزار اس پی اس اس SPSS در فرادرس

کلیک کنید

در یک «پرسشنامه» (Questionnaire) ممکن است سوالات به صورت باز (پاسخ بدون محدودیت) یا به صورت بسته (انتخاب از بین گزینه‌های موجود) طراحی شده باشد. معمولا سوالات باز توسط یک فرد متخصص در حوزه تحقیق، تبدیل به کمیت‌های عددی می‌شوند. پاسخ‌های عددی نیز که به صورت کمی باید ثبت و ذخیره شوند. بنابراین از این به بعد فقط پاسخ‌های کمی در پرسشنامه را در نظر می‌گیریم. البته متغیرها اسمی، ترتیبی یا عددی (Scale) را هم در نظر گرفته و برمبنای آن‌ها محاسبات را انجام خواهیم داد.

در نوشتارهای دیگر از مجله فرادرس با شیوه کار با پنجره‌های «ویرایشگر داده» (Data Editor) و خروجی نرم‌افزار SPSS آشنا شده‌اید. بنابراین در این جا از تکرار این مطالب، پرهیز می‌کنیم و به نحوه ورود و تعریف متغیرهای مربوط به پرسشنامه‌ای که به صورت یک الگو معرفی خواهد شد، می‌پردازیم. توجه داشته باشید که در این پرسشنامه، سعی کردیم، چند گونه معمول از نتایج پاسخ‌های مربوط به یک پرسشنامه (کمی و کیفی) را مشخص و ثبت کنیم تا با کار عملی برای تحقیق و بررسی‌های آماری، آماده شوید.

الگوی یک پرسشنامه تحقیقی

در تصویر ۱، نمونه‌ای از یک پرسشنامه اطلاعات را مشاهده می‌کنید که باید توسط افراد مختلفی تکمیل و ارائه شود. بعضی از این پاسخ‌ها، کاملا کمی هستند، یعنی بوسیله مقدار عددی مشخص می‌شوند. برای مثال سن یک متغیر کمی است که عدد آن به عنوان پاسخ در برگه پرسشنامه ثبت می‌شود. البته می‌توان سن را براساس سال تولید نیز محاسبه کرد. حسن استفاده از این امر، آن است که دیگر لازم نیست برای هر سال، سن افراد را به روز کرد و فقط با محاسبه تفاضل سال تولد از سال جاری، سن قابل محاسبه خواهد بود.

فیلم آموزش آماده سازی داده ها در اس پی اس اس SPSS برای تحلیل آماری در فرادرس

کلیک کنید

ولی در مقابل جنسیت، یک متغیر کیفی است که باید آن را با توجه به کدگذاری (f- زن، m- مرد) ثبت کنیم. بنابراین هنگام تعریف متغیرها در نرم‌افزار SPSS باید به این نکته‌ها توجه داشت.

همانطور که دیده می‌شود، هر پرسشنامه باید حتما شامل عنوان بوده و منظور از طرح سوالات برای پاسخ‌دهنده، مشخص شود. برای مراجعات بعدی به پرسشنامه، بهتر است برای هر برگه، یک شماره پرسشنامه نیز در نظر بگیرید تا در مراحل بعدی بتوانید به اصل پاسخ‌ها دسترسی داشته باشید. در جدول زیر، پرسش‌ها را با ذکر شماره سوال و نوع متغیر (کمی/کیفی) همچنین مقیاس آن مشخص کرده‌ایم. بهتر است چنین کاری را برای تحلیل پرسشنامه نیز انجام دهید تا دیگر با نحوه تعریف متغیرهای شما آشنا شوند.

به این موضوع توجه داشته باشید که سوالاتی که به صورت بسته هستند، اغلب توسط «مقیاس لیکرت» (Likert Scale) و با طیف‌های گوناگون ساخته می‌شوند. به این ترتیب ویژگی و کارایی مقیاس لیکرت را دارا خواهند بود.

جدول ۱: مشخصات سوالات و ویژگی‌های آن‌ها در پرسشنامه آماری

نکته: توجه داشته باشید که «سال تولد»، «منطقه شهرداری محل سکونت» و «متوسط درآمد در ماه» به صورت پاسخ‌های باز در پرسشنامه مطرح شده‌اند و محقق باید نسبت به صحت مقادیر ورودی، اقدام کند. منفی بودن یا بیش از حد بزرگ بودن آن‌ها امری غیر طبیعی محسوب می‌شود.

به این ترتیب اگر بخواهیم متغیرهای مربوط به این پرسشنامه را در نرم‌افزار SPSS، ثبت و تعریف کنیم، می‌توانیم الگویی مطابق با تصویر ۲ را به کار ببریم. همانطور که می‌بینید، متغیرهایی که از نوع کیفی هستند، به کمک کدگذاری در Values، سطوح مختلف مقادیرشان مشخص شده تا کاربر یکی از آن‌ها را برای ثبت انتخاب کند.

در ادامه بعضی از مقادیر ثبتی در پرسشنامه‌های تکمیل شده را در پنجره داده‌های SPSS، می‌بینید. توجه دارید که پنجره Data Editor به ورود و تعریف متغیرها در این نرم‌افزار اختصاص دارد.

اگر می‌خواهید به این اطلاعات دسترسی داشته باشید، می‌توانید فایل قالب فشرده این داده‌ها را از اینجا دریافت کنید. پس از اینکه آن را از حالت فشرده درآوردید، می‌توانید در محیط SPSS، اطلاعات را بارگذاری کرده و متغیرها و مقادیرشان را مشاهده کنید.

نکته: علامت‌هایی که در کنار اسامی متغیرها دیده می‌شود، بیانگر نوع آن‌ها است. علامت خط کش، نشانگر کمی بودن متغیر بوده و نوع Scale برای متغیر را نمایش می‌دهد. همچنین علامت سه دایره، متغیر کمی از نوع اسمی و نمودار با سه ستون رنگی نیز نشانگر متغیر کیفی از نوع ترتیبی است.

به این موضوع نیز توجه داشته باشید که متغیر Vehicle به شکلی تعریف شده است که هر فرد فقط اجازه انتخاب یک گزینه را دارد. ولی اگر پرسشنامه را طوری طراحی کرده‌اید که کاربر بتواند بیش از یک گزینه را هم انتخاب کند، باید شیوه تعریف این متغیر را به شکل دیگری انجام دهید. به این ترتیب برای هر یک از حالت‌ها (نوع وسیله نقلیه عمومی) یک «متغیر طبقه‌ای» یا «دو وضعیتی» (Categorical Variable) با مقدار یا سطوح صفر و یک تعریف می‌کنیم. بنابراین اگر تکمیل کننده پرسشنامه، بیش از یک وسیله نقلیه را انتخاب کرده باشد، اطلاعات مربوطه به درستی ثبت خواهند شد. این کار در تصویر ۴ صورت گرفته است.

تحلیل پرسشنامه با متغیرهای کیفی

هنگامی که به بررسی داده‌های کیفی در تحلیل پرسشنامه می‌پردازید، باید برای ثبت آن‌ها از متغیرهای اسمی (Nominal) یا ترتیبی (Ordinal) استفاده کنید. این گونه متغیرها اغلب برای دسته‌بندی یا گروه‌بندی جامعه آماری به کار گرفته می‌شوند.

فیلم آموزش آزمون آماری ناپارامتریک و اجرای آن با SPSS – ویژه مدیریت و علوم انسانی در فرادرس

کلیک کنید

عملیاتی که به طور معمول روی این نوع متغیرها قابل استفاده است، در ادامه به صورت یک فهرست ارائه شده است.

• رسم جدول فراوانی (Frequency Table).
• رسم نمودار فراوانی (Histogram).
• محاسبه شاخص‌های مرکزی مانند «نما» (Mode) برای مقادیر با مقیاس اسمی یا ترتیبی و «میانه» (Median) برای داده‌های ترتیبی.
• رسم و ایجاد جدول فراوانی دو طرفه یا جدول توافقی (Crosstab) براساس دو متغیر کیفی. واضح است که شاخص‌ها و آزمون‌های آماری مختلفی توسط جدول توافقی قابل اجرا است که نشانگر وجود وابستگی یا استقلال متغیرهای طبقه‌ای خواهد بود. برای مثال آماره و آزمون کوکران Q و آماره فی، از اینگونه آزمون‌ها محسوب می‌شوند.
• اجرای رگرسیون با متغیرهای مستقل طبقه‌ای در صورتی که بخواهیم ارتباط آن‌ها را با یک متغیر وابسته (از نوع کمی) بشناسیم، قابل استفاده هستند.
• آزمون‌های ناپارامتری براساس متغیرهای ترتیبی یا اسمی کاربرد دارند. برای مثال می‌توان به «آزمون یو من-ویتنی» (Mann-Whitney U) و همچنین «آزمون فریدمن» (Friedman Test) اشاره کرد که براساس رتبه‌های عمل می‌کنند.
• آزمون‌های ناپارامتری دیگر که برای سنجش رابطه یا مقایسه گروه‌های مختلف به کار می‌روند.

معمولا برای اجرای تحلیل‌های آماری روی داده‌های کیفی از روش‌های ناپارامتری استفاده می‌شود. بنابراین پیشنهاد می‌شود که مطلب آمار پارامتری و ناپارامتری – انتخاب روش های تحلیل را نیز مطالعه کنید.

برای مثال می‌توانیم به کمک «آزمون ویلکاکسون رتبه علامت دار» (Wilcoxon Signed Ranks test) به بررسی میزان رضایت از وسیله نقلیه عمومی، بین زنان و مردان پرداخت. همچنین به کمک آماره و «آزمون کروسکال والیس»  (Kruskal-Wallis test) هزینه پرداختی در بین رده‌های تحصیلی مختلف را می‌توان به بوته آزمایش گذاشت. البته توجه دارید که در این حالت، تعداد مشاهدات باید اندک بوده و تا امکان استفاده از تقریب توزیع نرمال برای جامعه آماری وجود نداشته باشد. در تصویر ۵، نمونه‌ای از جدول و نمودار فراوانی برای متغیر میزان رضایت (Satisfy) را مشاهده می‌کنید.

مشخص است که اکثر جامعه (نما)، یعنی حدود ۲۱٬۸ درصد، در مورد حمل و نقل شهری، نظری ندارند. همچنین تعداد کسانی که میزان رضایت ضعیف و بسیار ضعیف دارند از کسانی که رضایت نسبی و مناسب دارند، بیشتر هستند. برای نمایش این موضوع از یک نمودار فراوانی (Histogram)، مطابق با تصویر ۶، استفاده خواهیم کرد.

تحلیل پرسشنامه با متغیرهای کمی

همانطور که گفته شد، متغیرهای کیفی برای طبقه‌بندی و گروه‌بندی نمونه یا جامعه آماری مناسب هستند. در عوض برای مقایسه گروه‌ها از متغیرهای کمی استفاده می‌کنیم. برای مثال فرض کنید بخواهیم براساس پرسشنامه گفته شده، متوسط هزینه را در بین دو گروه شاغل و بازنشسته مورد بررسی قرار دهیم. اگر تعداد مشاهدات به نحوی باشد که بتوان از قضیه حد مرکزی استفاده کنیم و توزیع جامعه آماری را در هر گروه، نرمال در نظر بگیریم، روش‌های پارامتری برای مقایسه میانگین دو جامعه، مانند آزمون t مناسب خواهند بود. واضح است که متغیر کیفی، طبقه (group) و متغیر کمی، متغیر آزمون (Test Variable) را مشخص می‌کند.

فیلم آموزش آزمون های فرض میانگین جامعه در اس پی اس اس SPSS در فرادرس

کلیک کنید

رسم جدول یا نمودار فراوانی برای متغیرهای کمی نیز در تحلیل پرسشنامه لازم است. البته توجه داشته باشید که برای انجام این کار روی داده‌های کمی، بهتر است ابتدا آن‌ها را به صورت طبقه‌ای (ترتیبی) درآورده، سپس به رسم نمودار یا جدول فراوانی اقدام کنیم. تبدیل متغیر کمی به کیفی (طبقه‌ای) در SPSS‌، معمولا توسط دستور Visual Binning صورت می‌پذیرد. برای مثال شاید لازم باشد که متغیر درآمد را به متغیر سطوح درآمدی تبدیل کنیم. به این ترتیب می‌توانیم تراکم افراد در طبقه‌های درآمدی را براساس یک جدول فراوانی، مورد بررسی قرار دهیم. اگر در همه طبقه‌ها، تعداد افراد برابر باشد، نشانگر آن است که پراکندگی در گروه‌ها کم است و می‌توان توزیع جامعه را «چند جمله‌ای» (Multinomial Distribution) با مقدار $$p_i$$ ثابت در نظر گرفت. ولی اگر تعداد اعضای هر گروه، متفاوت باشد، با یک جامعه چند جمله‌ای با میزان احتمال متفاوت سروکار خواهیم داشت.

از طرفی اگر بخواهیم بین میزان رضایت و هزینه انجام شده، به دنبال یک رابطه بگردیم، مدل‌های رگرسیونی و همچنین محاسبه ضریب همبستگی، راه حل مناسبی خواهند بود. «آنالیز واریانس» (ANOVA) و تحلیل‌های مرتبط با آن نیز در این حالت برای مقایسه چند جامعه مستقل مورد استفاده قرار می‌گیرد. البته در اکثر این موارد، وجود «توزیع نرمال» (Normal Distribution) برای جامعه آماری از پیش‌فرض‌های اصلی تحلیل محسوب می‌شود.

خلاصه و جمع‌بندی

در این نوشتار با نحوه ورود داده‌ها و اطلاعات یک پرسشنامه در نرم‌افزار SPSS آشنا شدید. این کار گام نخست برای انجام تحلیل پرسشنامه محسوب می‌شود. بررسی و سنجش صحت اطلاعات ورودی و آماده‌سازی داده‌ها برای تحلیل، گام دوم در یک طرح تحقیق آماری است. انجام محاسبات آماری و استنباط آماری و انجام تحلیل پرسشنامه گام سوم است. تهیه گزارش و نمایش نتایج حاصل نیز گام آخر و نهایی در این تحقیق علمی است. در این نوشتار، بخش اول یعنی ثبت اطلاعات به منظور تحلیل پرسشنامه در SPSS را بازگو کردیم.