«طیف لیکرت» (Likert Scale) یک معیار و سنجه روانشناسی است که در بسیاری از تحقیقات و بررسی‌ها به کار می‌رود و برمبنای پرسشنامه عمل می‌کنند. گاهی طیف یا مقیاس لیکرت را به عنوان «مقیاس رتبه‌ای» (Rating Scale) نیز به کار می‌برند، زیرا گزینه‌های مربوط به مقیاس لیکرت، دارای ترتیب بوده و از کوچک به بزرگ، کدگذاری می‌شوند. در اغلب تحقیقات روانشناختی، پرسشنامه‌های استانداردی وجود دارد که معمولا از طیف لیکرت یا «طیف گاتمن» (Guttman scale) برای جمع‌آوری داده‌ها، استفاده می‌کنند. در این نوشتار از مجله فرادرس، نحوه کار با طیف لیکرت در SPSS را فرا گرفته و شیوه ورود و جمع‌بندی سوالات یک پرسشنامه با این مقیاس را بازگو خواهیم کرد.

فرض بر این است که از قبل با مقیاس لیکرت و نحوه کار در محیط SPSS آشنایی دارید. در غیر اینصورت بهتر است نوشتارهای مقیاس یا طیف لیکرت و پیاده سازی در پایتون — راهنمای کاربردی و پنجره ویرایشگر داده (Data Editor) در SPSS — راهنمای کاربردی را به عنوان پیش‌نیاز، مطالعه کنید. همچنین خواندن مطالب تحلیل پرسشنامه با SPSS — راهنمای کاربردی و  سنجش پایایی پرسشنامه با آلفای کرونباخ — شیوه محاسبه خالی از لطف نیست.

طیف لیکرت در SPSS

طیف یا «مقیاس لیکرت» (Likert Scale)، قالبی است که در آن دامنه پاسخ‌ها در یک پرسشنامه، امتیاز‌بندی یا نمره گذاری می‌شوند. شرکت کنندگان در طرح تحقیقی وقتی با یک پرسشنامه با سوالاتی با پاسخ‌های بسته به شکل طیف لیکرت مواجه می‌شوند، میزان توافق یا عدم توافق خود را در یک مقیاس متقارن از سطوح مختلف موافقت و مخالفت مشخص می‌کنند. بنابراین، دامنه شدت احساسات یا انتخاب‌های آنها توسط پرسشنامه برای یک مورد یا سوال خاص ثبت می‌شود.

با توجه به تنوع و تعداد گزینه‌های انتخابی در مقیاس‌های لیکرت، گونه «دو قطبی» (Bipolar) با تعداد گزینه‌های فرد (۳، ۵ و ۷) بیشتر در روانشناسی و علوم اجتماعی و همچنین تجارت و بازاریابی به کار گرفته می‌شوند. البته در نظر سنجی‌ها از سوالاتی با طیف لیکرت با تعداد پاسخ‌های زوج (۲، ۴ و ۶) استفاده می‌شود.

می‌توان مقیاسی را به عنوان جمع ساده یا میانگین پاسخ‌های پرسشنامه نسبت به مجموعه موارد یا سوالات ایجاد کرد و آن را مقدار یا امتیاز پرسشنامه یا سازه‌ای در نظر گرفت که در پرسشنامه به آن پرداخته شده است. به این ترتیب برای اندازه‌گیری «سازگاری درونی» (Internal Consistency) پرسشنامه، از معیارهای مختلفی استفاده شده، تا مشخص شود که پراکندگی پاسخ‌ها کم بوده که این امر نشانگر اعتبار و پایایی پرسشنامه است.

این مقیاس، در پایان نامه دکتری «رنیسی لیکرت» (Renisi Likert) محقق و دانشمند روانشناسی اجتماعی (Social Psychologist) در سال 1932 مطرح شد و امروزه به عنوان یکی از محبوب‌ترین شیوه‌های امتیازدهی یا مقیاس بندی پاسخ‌های بسته، به کار برده می‌شود.

Renisi Likert
تصویر ۱: رنیسی لیکرت (Renisi Likert)

امتیاز پرسشنامه یا سازه

امتیاز‌بندی با مقیاس لیکرت به معنی مجموع پاسخ‌های چندین سوال با طیف لیکرت یا «مورد لیکرت» (Likert Item) است. هر مورد لیکرت، گزاره‌ای است که از پاسخ دهنده خواسته می‌شود تا با دادن مقداری کیفی، با سطوح مختلف از توافق کامل تا عدم توافق کامل، نظر خود را بیان کند. مورد یا اقلام لیکرتی که به خوبی طراحی شده باشند، هم «تقارن» (Symmetry) و هم «تعادل» (Balance) را نشان می‌دهند.

تقارن به این معنی است که پاسخ‌ها، حاوی تعداد مساوی موقعیت‌های مثبت و منفی هستند که فاصله آن‌ها از یکدیگر، دو برابر فاصله هر یک با مورد «خنثی» (Neutral) است که در میان گزینه‌ها قرار گرفته است. همچنین تعادل به این معنی است که فاصله بین هر مقدار یا سطوح پاسخ، یکسان است، این امر اجازه رفتار عددی با کدهای اختصاص داده شده به اقلام لیکرت را می‌دهد. برای مثال می‌توان مقدار کدگذاری شده را با هم جمع یا میانگین گرفت.

به این ترتیب با جمع‌بندی اقلام یا موردهای لیکرت که مربوط به یک سازه هستند، امتیاز سازه محاسبه می‌شود. البته اگر کل پرسشنامه، مربوط به سنجش یک سازه باشد، مجموع پاسخ‌ها با طیف لیکرت، امتیاز پرسشنامه خواهد بود. برای مثال قالب یک :مورد لیکرت» پنج سطحی را به صورت زیر در نظر بگیرید.

کاملا مخالف، مخالف، بدون نظر، موافق، کاملا موافق

اگر کدگذاری از سمت راست به چپ، ۱ تا ۵ باشد، با فرض وجود ۱۰ سوال در هر پرسشنامه، حداکثر امتیاز براساس محاسبه مجموع کدها، برابر با ۵۰ و حداقل آن برابر با ۱۰ خواهد بود. معمولا در این حالت، امتیاز بین ۳۵ تا ۵۰ را نشانه موافقت (اثر بخشی)، ۲۰ تا ۳۵ را بدون نظر (بی‌اثر) و امتیاز ۱۰ تا ۲۰ را مخالف (اثر با جهت عکس) در نظر می‌گیرند.

البته هنگام جمع‌بندی یا اختصاص امتیاز به پرسشنامه با موارد لیکرت، باید به این نکته نیز توجه داشت که همه سوالات با یک مقیاس سنجیده شوند. به این معنی که سازه مورد نظر با مثلا ۱۰ پرسش با پاسخ‌های ۵ گزینه‌ای لیکرت تنظیم شده باشد. در غیر اینصورت جمع‌بندی یا میانگین‌گیری مناسب نخواهد بود. بهتر است در چنین حالتی، پرسشنامه مورد بازبینی قرار گرفته یا وزن سوالات با تعداد گزینه‌های متفاوت، تغییر کند. البته در بعضی از مواقع نیز روش‌های مبتنی بر جدول فراوانی نیز موثر خواهد بود.

جمع کردن یا میانگین‌گیری (یا محاسبه میانه) از کدهای مربوط به پاسخ‌ها طیف لیکرت، براساس «قضیه حد مرکزی» (Centeral Limit Theorem)، امکان‌پذیراست. زیرا می‌دانیم با شرط متناهی بودن واریانس دنباله‌ای از متغیرهای تصادفی، توزیع مجموع آن‌ها به «توزیع نرمال» (Normal Distribution) میل می‌کند. همین موضوع  مشخص می‌کند که نتیجه یا امتیاز پرسشنامه، مربوط به یک متغیر تصادفی است که به عنوان «متغیر پنهان» (Latent Variable) شناخته شده و توزیع احتمالی آن، نرمال در نظر گرفته می‌شود.

به این ترتیب اگر کدهای پاسخ‌های مربوط به سوالات پرسشنامه با طیف لیکرت، با یکدیگر جمع شده و مفروضات مربوط به قضیه حد مرکزی را برآورده کنند، می‌توان از آزمون‌های آماری پارامتری مانند «تحلیل واریانس» (ANOVA‌) استفاده کرد.

5-point-likert-scale
تصویر ۲: طیف لیکرت با ۵ انتخاب (پنج سطی)

اگر پرسشنامه جمع‌بندی نشده و قرار باشد براساس داده‌های کیفی، پرسشنامه مورد تحلیل قرار گیرد، «آزمون مجذور کای» (Chi Square Test)، «آزمون کوکران Q» یا «آزمون مک نمار» (McNemar Test) که روش‌های آماری برمبنای جدول توافقی (Cross Table) هستند، مناسب خواهند بود. البته می‌توان از «روش‌های ناپارامتری» (Non-Paramteric Methods) مانند «آزمون من ویتنی» (Mann–Whitney Test)، «آزمون رتبه‌های ویلکاکسون» (Wilcoxon Rank Test) یا «آزمون کروسکال والیس» (Kruskal–Wallis) نیز برای تحلیل پرسشنامه‌ها استفاده کرد.

نمایش تصویری داده های نوع لیکرت

بخش مهمی از تجزیه و تحلیل و ارائه داده‌ها، تجسم یا «مصور سازی» (Data Visualization) آن‌ها است. موضوع ترسیم داده‌های رتبه‌بندی لیکرت، به موضوع مهمی در بین دانشمندان علم داده تبدیل شده است. بعضی برای داده‌های حاصل از پرسشنامه با طیف لیکرت، «نمودار ستونی تجمعی» (Stack Column Chart) را توصیه می‌کنند و گاهی نیز از نمودارهای دایره‌ای برای نمایش سهم هر یک از بخش‌های طیف لیکرت، مورد توجه قرار می‌گیرد. در تصویر زیر، یک نمونه استاندارد از نمودار نمایش مقادیر متغیرها با طیف لیکرت را مشاهده می‌کنید که به صورت یک نمودار میله‌ای پشته‌ای ظاهر شده است.

likert scale result plot
تصویر ۳: نمایشی از نمودار ستونی تجمعی برای نمایش متغیرها با طیف لیکرت

در بخش بعدی، به نحوه جمع‌بندی یا محاسبه امتیاز پرسشنامه با طیف لیکرت در SPSS اشاره کرده و نحوه ترسیم نموداری مانند تصویر ۳ را بازگو خواهیم کرد.

یکی از دروه‌‌های فرادرس به آموزش مقدماتی SPSS‌ پرداخته است که در آن از یک پرسشنامه نمونه استفاده شده و شیوه ورود اطلاعات آن و تحلیل داده‌های موجود مورد بررسی قرار گرفته است. به منظور مشاهده این فیلم آموزشی، به لینکی که در ادامه آورده شده، مراجعه کنید.

استفاده از طیف لیکرت در SPSS

همانطور که در مقدمه گفته شد، طیف لیکرت، برای مقیاس‌بندی پاسخ‌های محتمل به یک سوال با پاسخ‌های بسته، به کار می‌رود. وجود فاصله یکسان بین گزینه‌های انتخابی، از شرط‌های مهم در طیف لیکرت است. این فرض، امکان محاسبه مجموع برای پاسخ‌های یک سازه با طیف لیکرت در SPSS را می‌دهد. در ادامه نحوه ورود پاسخ‌ها یک پرسشنامه با طیف لیکرت در SPSS به همراه محاسبه مجموع آن‌ها برای تعیین امتیاز یک سازه را مشخص می‌کنیم. همچنین رسم نمودار برای چنین پرسشنامه‌ای را هم بازگو خواهیم کرد.

ابتدا تعدادی پرسشنامه را در نظر گرفته و نحوه ورود داده‌های مربوط را با طیف لیکرت در SPSS‌ مرور خواهیم کرد. سپس جدول یا نمودارهای فراوانی را به کمک دستورات مناسب در محیط SPSS، ترسیم کرده و در انتها نیز نحوه محاسبه امتیاز برای هر پرسشنامه با طیف لیکرت در SPSS را براساس تابع SUM بازگو خواهیم کرد.

یک پرسشنامه با 4 سوال را مطابق با تصویر زیر در نظر بگیرید. واضح است سوالات مربوط به سازه سبک رهبری هستند.

MSQ questionnaire
تصویر ۴: بخش سبک رهبری پرسشنامه مینه سوتا

نکته: این سوالات بخشی از پرسشنامه استاندارد «مینه سوتا» (MSQ) است که ارتباط با اندازه‌گیری بخش خرده مقیاس یا سازه «سبک رهبری» دارد. پرسشنامه اصلی «مینه سوتا» شامل ۱۹ سوال است که در اینجا به لحاظ کوتاه شدن جدول‌ها و خروجی‌ها، فقط به بخشی از آن اشاره کرده‌ایم.

پاسخ‌ها نیز با طیف لیکرت پنج سطحی تنظیم شده‌اند. نمره گذاری پرسشنامه رضایت شغلی مینه سوتا، به صورت طیف لیکرت می‌باشد که برای گزینه‌های «کاملاً مخالفم»، «مخالفم»، «نظری ندارم»، «موافقم» و «کاملاً موافقم» به ترتیب امتیازات ۱، ۲، ۳، ۴ و ۵ در نظر گرفته می‌شود. جدول ۱، به نتایج پاسخ‌های این پرسشنامه اختصاص یافته است که از یک نمونه ۱۰ تایی از کارمندان، جمع‌آوری شده. برای اختصار، به جای نمایش متن سوال، شماره هر سوال را به همراه حرف Q نمایش داده‌ایم. برای مثال، سوال اول را با Q1 و سوال چهارم را با Q4 مشخص خواهیم کرد. توجه داشته باشید که سطر اول مربوط به پاسخ‌های نفر اول و سطر دوم، پاسخ‌های نفر دوم و الی آخر است.

جدول ۱: پاسخ‌های مربوط به پرسشنامه مینه سوتا برای ۱۰ نفر

$$Q1$$ $$Q2$$ $$Q3$$ $$Q4$$
کاملا مخالفم موافقم کاملا موافقم مخالفم
کاملا موافقم موافقم مخالفم موافقم
موافقم مخالفم مخالفم نظری ندارم
مخالفم موافقم کاملا موافقم موافقم
مخالفم نظری ندارم موافقم کاملا مخالفم
کاملا موافقم موافقم مخالفم موافقم
مخالفم موافقم نظری ندارم مخالفم
کاملا موافقم موافقم مخالفم موافقم
موافقم مخالفم مخالفم نظری ندارم
مخالفم موافقم نظری ندارم موافقم

همانطور که گفته شد، هر کدام از پاسخ‌ها را به کدهایی از ۱ تا ۵ به ترتیب، کدگذاری می‌کنیم. این کار را در نرم‌افزار SPSS در قسمت بعدی، انجام خواهیم داد.

ورود داده‌های پرسشنامه با طیف لیکرت در SPSS

فرض بر این است که نحوه کار با نرم‌افزار SPSS و همچنین ورود داده‌ها را می‌دانید. در اینجا فقط با شیوه ورود داده‌ها از نوع طیف لیکرت در SPSS آشنا می‌شویم. برای راحتی کار، برای هر یک از کدهای ۱ تا ۵، برچسب مقدار (Value Label) تعیین کرده تا خوانایی پاسخ‌ها و خروجی‌ها، بیشتر شود. به تصویر زیر توجه کنید، متغیرهای Q1 تا Q4 تعریف شده‌اند.

Variable View in SPSS for likert scale
تصویر 5: تعریف و نمایش متغیرها با طیف لیکرت

در تصویر بالا، تعیین برچسب‌ها نیز به خوبی نمایش داده شده. به منظور اضافه کردن هر برچسب کافی است با کلیک روی دکمه … در بخش Values، پس از ورود مقادیر و برچسب‌ها، روی دکمه ADD‌ کلیک کنید. اگر لازم است که مقداری را تغییر داده یا برچسب آن را عوض کنید، پس از ورود مقدار عددی در Value یا متنی در Label، از دکمه Change استفاده کنید. در نهایت نتیجه تعریف متغیرها و ثبت مقادیر آن‌ها باید مطابق با تصویر زیر باشد.

data view
تصویر 6: نمای داده‌ها با طیف لیکرت در SPSS

البته توجه دارید که در تصویر ۶، مقادیر متغیرها نمایش داده شده ولی اگر می‌خواهید به جای مقادیر برچسب مقادیر ظاهر شود، باید از فهرست View‌ گزینه Value Labels را فعال کنید.

ایجاد جدول فراوانی برای طیف لیکرت در SPSS

بهتر است برای شناخت و درک بهتر از پاسخ‌ها، یک «جدول فراوانی» (Frequency Table) برای آن‌ها، ترسیم کنیم. البته ارائه نمودار فراوانی به همراه جدول نیز فکر خوبی است. ولی این مشکل را دارد که برای هر سوال یک نمودار و جدول تهیه خواهد شد. در تصویر زیر، نحوه تعیین متغیرها در پنجره Custom Table را مشاهده می‌کنید که بوسیله آن می‌توان فقط از یک جدول برای نمایش فراوانی همه سوالات استفاده کرد. توجه داشته باشید که از مسیر زیر برای دسترسی به این دستور استفاده کنید.

Analyze — Tables— Custom Tables

Custome Table in SPSS
تصویر 7: تنظیم جدول برای نمایش طیف لیکرت در SPSS

نتیجه اجرای دستور بالا، جدول فراوانی است که در تصویر 8 قابل مشاهده است. همانطور که می‌بینید اسامی یا سطوح متغیرهای با طیف لیکرت در سطر اول جدول دیده شده و در زیر آن‌ها، فراوانی (تعداد) پاسخ‌ها، مشخص شده است. این امر به علت تنظیمی است که در بخش شماره ۲ تصویر 7 صورت گرفته است.

custom table result
تصویر 8: خروجی جدول برای طیف لیکرت در SPSS

رسم نمودار فراوانی برای متغیرها با طیف لیکرت

از آنجایی که نمودارها و مصور سازی داده‌ها، در انتقال اطلاعات به کاربران نسبت به جدول ارجح است، بهتر است برای جدولی که در تصویر ۸ دیده می‌شود، یک نمودار نیز ترسیم کنیم. البته همانطور که گفته شد، نمایش آن باید به صورت یک «نمودار میله‌ای تجمیعی» (Stacked Bar Chart) یا «نمودار ستونی پشته‌ای» (Stacked Column Chart) باشد. درست به مانند نموداری که در تصویر ۳ دیده شد. مراحل اجرای این کار در SPSS‌ را در ادامه شرح می‌دهیم.

  • روی جدول فراوانی ایجاد شده (مانند تصویر ۸) دوبار کلیک کنید تا به حالت ویرایش درآید. البته این کار را با استفاده از فهرست کلیک راست و اجرای دستور Edit Content و انتخاب گزینه In Viewer‌ نیز می‌توان انجام داد.
  • روی جدول که برای ویرایش باز شده، فهرست کلیک راست را ظاهر کرده و گزینه Create Graph و Bar را انتخاب کنید.
  • یک نمودار ستونی تشکیل شده که البته مطابق با تصویر ۹ خواهد بود. در ادامه سعی می‌کنیم آن را مطابق با تصویر ۳ درآوریم.
    column chart
    تصویر ۹: نمودار ستونی از اقلام لیکرت
  • روی نمودار دوبار کلیک کنید تا به حالت ویرایش در پنجره Chart Editor درآید.
  • از فهرست Options‌ گزینه Transpose Chart را انتخاب کنید تا جای محور افقی و عمودی تغییر کند.
  • از فهرست Edit دستور Properties را انتخاب کرده تا پنجره مربوط به آن ظاهر شود.
  • در برگه Variable از پنجره Properties، در بخش ROW، گزینه X Cluster را به Stack تغییر دهید. این گزینه در پایین لیست ظاهر می‌شود.
  • رنگ‌آمیزی هر بخش از ستون‌ها و قلم نوشته‌های نمودار را به دلخواه خود تغییر دهید تا نتیجه به مانند تصویر ۱۰ درآید.
stacked column chart to likert scale
تصویر ۱۰: نمودار ستونی پشته‌ای برای نمایش متغیرهای طیف لیکرت

همانطور که در این نمودار دیده می‌شود، در پاسخ سوال «بین مدیر و کارکنان همدلی وجود دارد» اکثرا رای موافق داشته‌اند. در مقابل اکثر افراد در پاسخ به سوال «ارتباط بین مدیریت و کارکنان به صورت مکتوب و رسمی است»، گزینه مخالف را انتخاب کرده‌اند که نشانگر انعطاف و گستردگی روابط کارکنان با کارمندان است.

جمع‌بندی و امتیازدهی به پرسشنامه‌ها با پاسخ‌های طیف لیکرت در SPSS

مشخص است که جمع پاسخ‌های داده شده به خرده مقیاس «سبک رهبری» در هر پرسشنامه، در بازه ۴ تا ۲۰ تغییر می‌کند. برای اندازه‌گیری امتیاز پرسشنامه‌ها، از دستور Compute Variable استفاده خواهیم کرد و جمع مقادیر کدگذاری شده را برای هر فرد (پرسشنامه) محاسبه می‌کنیم. ابتدا از مسیر زیر محاسبه جمع مقادیر را پی می‌گیریم.

Transform — Compute Variable

کافی است تنظیم‌های مربوطه را مطابق با تصویر زیر انجام دهید تا در متغیری به نام total، امتیاز پرسشنامه‌ها محاسبه شود. واضح است که از تابع SUM برای بدست آوردن مجموع مقادیر استفاده شده است.

نکته: اگر به جای جمع، از میانگین نمرات به عنوان امتیاز پرسشنامه استفاده می‌کنید، باید به جای تابع SUM‌ از تابع MEAN استفاده می‌کردید.

total compute
تصویر ۱۱: محاسبه امتیاز پرسشنامه بوسیله بدست آوردن مجموع پاسخ‌ها

نتیجه اجرای محاسبات و امتیاز مربوط به پرسشنامه‌ها در یک متغیر جدید به نام Total قرار گرفته و در پنجره ویرایشگر داده، قابل مشاهده است. توجه کنید که دستوراتی که به معنی محاسبه متغیر جدید هستند،‌ اثری در پنجره خروجی SPSS نخواهند داشت و باید تغییرات را در نمای داده‌ها، مشاهده کرد. حال زمان آن فرا رسیده است که با استفاده از روش‌های تحلیل پرسشنامه، فرضیه‌های مورد نظرتان را مورد بررسی و آزمون آماری قرار دهید.

برای راحتی کار و دسترسی شما به فایل اطلاعاتی مربوطه، کافی است اینجا کلیک کرده تا فایلی با نام questionnaire data set.zip با قالب فشرده را دریافت کنید. واضح است که پس از خارج کردن آن از حالت فشرده، می‌توانید فایل را در SPSS‌، بارگذاری نموده و مشابه عملیاتی را اجرا کنید که در این متن به آن اشاره شد.

معرفی فیلم آموزش نرم افزار آماری SPSS

spss tutorial

استفاده از نرم‌افزارهای محاسبات آماری مانند SPSS، امروزه در بین محققین این حوزه، بسیار مرسوم شده است. حتی به منظور درک مسائل آماری در رشته‌های غیر آماری نیز به کمک این نرم‌افزارها صورت می‌گیرد. نرم افزار کاربردی SPSS یکی از نرم افزارهای آماری است که امروزه بیشترین تمرکز را بر روی مسائل تحقیقی در رشته‌های روانشناسی و علوم اجتماعی دارد. در این آموزش به بررسی اولیه و نحوه کار با این نرم افزار پرداخته شده است و محاسبات آمار توصیفی، نظیر میانگین، میانه، نما، واریانس، ضریب تغییرات، ضریب چولگی، برجستگی، رسم نمودارهای آماری و همچنین قالب‌بندی خروجی آموزش داده می‌شود. در انتها نیز دانشجویان با یک پرسشنامه با طیف لیکرت در SPSS آشنا شده و محاسبات مربوطه را فرا می‌گیرند. سرفصل و مواد آموزشی طبق فهرست زیر هستند.

  • آشنایی با رابط کاربری نرم افزار SPSS و انواع پنجره‌های آن
  • معرفی انواع متغیر و مقیاس‌های اندازه‌گیری در SPSS
  • معرفی شاخص های جمعیت (تمرکز و پراکندگی)
  • ورود داده ها و انجام محاسبه شاخص‌های آماری
  • آشنایی با مفهوم جداول توافقی (CrossTabs) و ایجاد آن
  • رسم نمودارهای آماری مانند نمودار ستونی و دایره‌ای یا نمودار پراکندگی
  • تنظیم و قالب‌بندی خروجی نرم افزار

این آموزش شامل ۷ ساعت و ۵۳ دقیقه فیلم تدریسی است که برای دانشجویان و محققین رشته‌های علوم انسانی مانند روانشناسی، جامعه شناسی، روابط عمومی، مدیریت قابل استفاده است.

خلاصه و جمع‌بندی

همانطور که مشخص شد، می‌توان از طیف لیکرت در SPSS برای تعیین امتیاز پرسشنامه و همچنین استنباط و اجرای آزمون‌های آماری، استفاده کرده و نتایج را تفسیر نمود. روش‌های مبتنی بر آمار پارامتری و ناپارامتری روی نتایج و پاسخ‌های جمع‌آوری شده با مقیاس لیکرت قابل اجرا است و حتی براساس توزیع دو جمله‌ای یا چند جمله‌ای نیز می‌توان نتایج جالبی براساس جدول توافقی مشاهده کرد. به هر حال از آنجایی که پرسشنامه، ابزار مطلوبی و مقرون به صرفه‌ای برای جمع‌آوری داده‌ها است، طیف لیکرت نیز در تحلیل‌های پرسشنامه‌ای نقش مهمی ایفا می‌کند. نمایش و توصیف داده‌هایی با طیف لیکرت نیز از جنبه‌های مهم در نمایش و انتقال بار اطلاعاتی داده‌ها محسوب می‌شود.

اگر این مطلب برای شما مفید بوده است، آموزش‌ها و مطالب زیر نیز به شما پیشنهاد می‌شوند:

آرمان ری بد (+)

«آرمان ری‌بد» دکتری آمار در شاخه آمار ریاضی دارد. از علاقمندی‌های او، یادگیری ماشین، خوشه‌بندی و داده‌کاوی است و در حال حاضر نوشتارهای مربوط به آمار و یادگیری ماشین را در مجله فرادرس تهیه می‌کند.

بر اساس رای 2 نفر

آیا این مطلب برای شما مفید بود؟

نظر شما چیست؟

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *