آزمون نرمال بودن متغیرها

مارس 27, 2019 by بدون دیدگاه

 

۲٫ مقدار میانه متغیرها در دامنه ۷۳/۲ تا ۱۹/۳ قرار دارند. کمترین مقدار میانه برای متغیر توجه کردن و بالاترین مقدار میانه متعلق به متغیر مواجهه است .
۳٫ مقدار نما یا مد متغیرها در دامنه ۶۱/۲ تا۲۲/۳ قرار دارند.
نمودار(۴-۱۳) مقادیر شاخص های مرکزی جدول (۴-۱۱) را به نمایش می گذارد، از آنجایی شاخص های مرکزی این پنچ متغیر در دامنه ۷/۲ تا۲/۳قرار دارد لذا محقق جهت وضوح بیشتر این تفاوت های جزئی ، نمودرا در حالت STAKE ترسیم نموده است.همان گونه که مشاهده می شود، در مجموع بین مقادیر شاخص های مرکزی ،متغیر های پنجگانه فوق، تفاوت آشکاری وجود ندارد و اغلب در
یک دامنه قرار دارند .
نمودار ۴-۱۳: توزیع شاخص های مرکزی متغیرهای پنجگانه دوم
همچنین براساس اطلاعات جدول(۴-۱۱) مقدار شاخص های پراکندگی متغیرپنجگانه دوم پژوهش به شرح زیر است :
۱٫ مقدار انحراف معیار متغیرهای پنجگانه که عبارتنداز: مواجهه، توجه، درک، یادآوری تبلیغات هیجانی و گرایش به خرید با درگیری ذهنی پایین در دامنه ۵۵۸/۰ تا ۶۲۵/۰ قرار دارند،در بین این پنج متغیر، تبلیغات هیجانی دارای کمترین انحراف معیار و متغیر درک دارای بیشترین انحراف معیار است.
۲٫ مقدار چولگی متغیرها دردامنه ۰۸۴/۰- تا ۱۷۹ /۰ قرار دارد، در بین این پنج متغیر، متغیر مواجهه دارای چولگی به چپ یا منفی می باشد که می توان نتیجه گرفت، بیشتر مقادیرمورد بررسی، بالاتر از حد میانگین قرار دارد یا به عبارت دیگر اغلب پاسخگویان به پرسش های این تحقیق پاسخ هایی در دامنه موافقت و موافقت کامل داده اند. و متغیرهای توجه، درک، یادآوری تبلیغات هیجانی و گرایش به خرید داری چوالگی مثبت است، که می توان نتیجه گرفت که اغلب پاسخگویان تاثیر متغیرهای فوق را بر گرایش به خرید کالاهای بی دوام ضعیف ارزیابی کرده اند .
۳٫ مقدار کشیدگی (که در توزیع نرمال عدد صفر است) در متغیرهای پنجگانه دوم در دامنه ۴۶۴ /۰ – تا ۰۲۹/۰- قرار دارد، در بین این پنج متغیر، تمامی هر پنج متغیر یعنی مواجهه، توجه، درک، یادآوری تبلیغات هیجانی و گرایش به خرید دارای منحنی تخت تری است.
نمودار ۴-۱۴: توزیع شاخص های پراکندگی متغیرهای پنجگانه دوم
نمودار (۴-۱۴) مقادیر شاخص های پراکندگی جدول (۴-۱۱) را به نمایش می گذارد، این نمودار نیز در حالتSTAKE قرار دارد و بیشتر جهت نمایش تفاوت های درون گروهی آورده شده است که به خوبی تفاوت توزیع شاخص های پراکندگی را در متغیر های ذکر شده نمایش می دهد.
۴٫۴- آمار استنباطی
۱٫۴٫۴- آزمون نرمال بودن متغیرهای پژوهش وروش تبدیل داده ها
در این قسمت تمامی شاخص ها به تفکیک با استفاده ازآزمون اندرسون- دارلینگ که قوی ترین و دقیق ترین تست نرمال می باشد، مورد آزمون قرار می گیرد. و نتایج با توجه به مقدار P-value و شکل ظاهری نمودارها تفسیر می شود. در خصوص مقدار P-value شرط لازم برای نرمال بودن بزرگ تر بودن این مقدار از عدد ۰۵/۰ است در تفسیر شکل ظاهری باید به این نکته توجه کرد که هر چقدر داده ها روی خط نرمال منطبق باشند، داده ها نرمال بوده و مقدار داده های پرت و یا داده های حد کمتر می باشد و درمواردی که داده ها از توزیع نرمال (که شرط لازم بسیاری از آزمونهای پارامتریک و تحلیل مسیر و مدل معادلات ساختاری است) پیروی نکند، باید داده ها را پالایش و در مورادی به تبدیل داده ها متوسل شد؛ که روش تبدیل داده ها عموما به دو دلیل مورد استفاده قرار می گیرد:
زمانی که فرض نرمال بودن نقض شده باشد.
تبدیل داده ها، همبستگی بین متغیرها را بهبود بخشیده و تصویر واضح تری از روابط بین دومتغیر بدست دهد.این که تبدیل داده ها به چه روشی انجام می شود موضوع قابل بحثی است. اما عقیده عمومی بر این است که پژوهش گر بایستی براساس آزمون و خطا، فرآیند تبدیل داده ها را انجام دهد و نتایج را مورد بررسی مستمر قرار دهد (هومن،۱۳۹۱: ۱۵۰).
چند تغییرشکل درداده های به وسیله فرگوسن و تاکین (۱۹۸۹) مجاز شمرده شده اند تا برآورد نزدیک تری به واریانس همگرا و نرمال برای داده های کج یا کشیده فراهم آورد. برخی از تغییر شکل های ممکن عبارتند از: تبدیل ریشه دوم، تبدیل لگاریتمی ، تبدیل معکوس ، تبدیل آرک سینوس ، تبدیل پروبیت و باکس کاکس و درنهایت تبدیل قدرتمند جانسون است.
روش تبدیل جانسون الگوریتم متفاوتی نسبت به روش های متداول باکس کاکس دارد، به طوریکه بهترین تابع تبدیل متغیر را از بین سه خانواده از توابع متغییر موجود در سیستم جانسون انتخاب می کند که این توزیع ها عبارتند از SB ،SL،SU که Bو L و U به ترتیب بیانگر حد دار تا بدون حد می باشد. الگوریتم تبدیل جانسون به این صورت است که ابتدا پارامترهای مورد نیاز توابع تبدیل را تخمین می زند سپس همه متغیرهای غیرنرمال را به هر سه تابع تبدیل از سه خانواده توابع توزیع موجود درسیستم جانسون، تبدیل می کند سپس آزمون فرض اندرسون- دارلینگ را برای هر سه سری متغییر تبدیل یافته انجام می دهد و هر کدام از آزمون فرض ها که بیشترین P-value را داشته باشد را به عنوان بهترین تبدیل استفاده می کند.
۲٫۴٫۴- آزمون نرمال بودن متغیر تمایل