بررسی نرمال بودن داده ها در spss

⏱ زمان مطالعه: 9 دقیقه

تحلیل‌های آماری در پژوهش‌های دانشگاهی و پایان‌نامه‌ها بر پایه فرضیات مشخصی بنا شده‌اند که نادیده گرفتن آن‌ها اعتبار نتایج را زیر سوال می‌برد. یکی از بنیادی‌ترین این پیش‌شرط‌ها، توزیع نرمال متغیرها است. انتخاب میان آزمون‌های پارامتریک مانند تی‌تست (t-test) و تحلیل واریانس (ANOVA) یا آزمون‌های ناپارامتریک مانند یومن ویتنی و کروسکال والیس، مستقیماً به وضعیت توزیع داده‌ها بستگی دارد. نرم‌افزار SPSS ابزارهای متعددی برای بررسی نرمال بودن داده ها فراهم کرده است که تسلط بر نحوه اجرا و تفسیر آن‌ها مانع از انحراف در تحلیل فصل چهارم پژوهش می‌شود.

چرا بررسی نرمال بودن داده‌ها پیش‌شرط تحلیل‌های پارامتریک است؟

توزیع نرمال یک توزیع احتمال پیوسته و متقارن است که در آن بیشترین فراوانی داده‌ها در مرکز (میانگین) قرار گرفته و هرچه به سمت دنباله‌ها حرکت کنیم، از تراکم مقادیر کاسته می‌شود. آزمون‌های آماری پارامتریک بر این فرض استوارند که جامعه مورد مطالعه دارای توزیع زنگوله‌ای شکل است. اگر پژوهشگری بدون بررسی این ویژگی از آزمون‌های پارامتریک استفاده کند، خطای نوع اول (رد فرض صفر درست) یا خطای نوع دوم (پذیرش فرض صفر نادرست) به شدت افزایش می‌یابد.

در نمونه‌های فرضی، فرض کنید متغیری مانند «میزان اضطراب امتحان» در یک گروه ۳۰ نفره سنجیده شده است. اگر توزیع این نمرات به شدت به سمت نمرات بالا گرایش داشته باشد، استفاده از میانگین به عنوان شاخص گرایش به مرکز گمراه‌کننده خواهد بود، زیرا چند نمره بسیار پایین یا بالا تعادل داده‌ها را به هم می‌ریزند. در چنین شرایطی، بررسی دقیق تقارن و کشیدگی، پژوهشگر را به سمت تصمیم‌گیری درست آماری هدایت می‌کند.

راهنمای جامع این موضوع: تحلیل آماری SPSS، AMOS، Smart PLS

بررسی شاخص‌های چولگی و کشیدگی در SPSS

چولگی (Skewness) میزان عدم تقارن توزیع داده‌ها حول میانگین را نشان می‌دهد. اگر دنباله داده‌ها به سمت راست کشیده شده باشد، چولگی مثبت و اگر دنباله به سمت چپ متمایل باشد، چولگی منفی است. کشیدگی (Kurtosis) نیز بلندی یا پهن بودن منحنی توزیع را در مقایسه با توزیع نرمال استاندارد ارزیابی می‌کند؛ توزیع‌های نوک‌تیز کشیدگی مثبت و توزیع‌های مسطح کشیدگی منفی دارند.

برای محاسبه این شاخص‌ها در SPSS، مسیر زیر دنبال می‌شود:

مطلب مرتبط: تفاوت پروپوزال با پایان نامه

1. انتخاب منوی Analyze، سپس Descriptive Statistics و در نهایت گزینه Frequencies یا Descriptives.
2. انتقال متغیرهای مورد نظر به کادر Variable(s).
3. کلیک روی دکمه Statistics و فعال کردن گزینه‌های Skewness و Kurtosis.
4. کلیک روی دکمه Continue و تایید دستور با فشردن OK.

در جدول خروجی، دو مقدار برای هر شاخص نمایش داده می‌شود: مقدار آماره (Statistic) و خطای استاندارد (Std. Error). برای بررسی نرمال بودن از روی چولگی و کشیدگی، منابع آماری معیارهای متفاوتی ارائه کرده‌اند:

• معیار قدر مطلق آماره: بر اساس نظر بسیاری از صاحب‌نظران حوزه آمار نظیر جرج و مالری، اگر مقدار عددی چولگی و کشیدگی در بازه بین ۲- تا ۲+ قرار داشته باشد، انحراف داده‌ها از توزیع نرمال نگران‌کننده نیست. برخی منابع سخت‌گیرانه‌تر این محدوده را بین ۱- تا ۱+ در نظر می‌گیرند.
• معیار نمره استاندارد (Z-Score): با تقسیم مقدار آماره بر خطای استاندارد، نمره Z به دست می‌آید. اگر نمره حاصل برای هر یک از شاخص‌ها در سطح خطای ۵ درصد بین ۱.۹۶- تا ۱.۹۶+ باشد، داده‌ها نرمال تلقی می‌شوند. این روش معمولاً در نمونه‌های کوچک تا متوسط (کمتر از ۱۰۰ مورد) کارایی بهتری دارد.

اجرای آزمون شاپیرو ویلک و کولموگروف اسمیرنوف در SPSS

آزمون‌های فرضیه، دقیق‌ترین روش آماری برای تایید یا رد فرض نرمال بودن توزیع داده‌ها به شمار می‌روند. SPSS دو آزمون معروف کولموگروف-اسمیرنوف (Kolmogorov-Smirnov) و شاپیرو-ویلک (Shapiro-Wilk) را در یک پنجره تحلیلی ارائه می‌دهد.

مطلب مرتبط: سفارش مقاله کنفرانسی

مراحل اجرای این آزمون‌ها در نرم‌افزار به ترتیب زیر است:

1. از نوار ابزار بالا، به مسیر Analyze > Descriptive Statistics > Explore بروید.
2. متغیرهای پیوسته مورد نظر را به کادر Dependent List منتقل کنید. اگر قصد دارید نرمال بودن داده‌ها را به تفکیک گروه‌ها (مثلاً جنسیت یا گروه آزمایش و کنترل) بسنجید، متغیر گروه‌بندی را در کادر Factor List قرار دهید.
3. روی دکمه Plots در سمت راست پنجره کلیک کنید.
4. تیک گزینه Normality plots with tests را فعال کنید. همچنین می‌توانید گزینه Histogram را تیک بزنید تا نمودار هیستوگرام هم تولید شود.
5. روی Continue و سپس روی OK کلیک کنید تا جدول نتایج در پنجره Output ظاهر شود.

نحوه تفسیر معناداری آزمون‌های نرمال بودن

تفسیر آزمون‌های نرمال بودن با اکثر آزمون‌های آماری دیگر یک تفاوت بنیادی دارد. در بیشتر آزمون‌ها، پژوهشگر به دنبال معنادار شدن نتیجه (کمتر بودن مقدار Sig از ۰.۰۵) است تا فرضیه پژوهشی خود را تایید کند. اما در آزمون نرمال بودن، فرضیه‌ها به شکل زیر تعریف می‌شوند:

مطلب مرتبط: مراحل نوشتن پایان نامه از صفر تا صد

• فرض صفر (H0): توزیع داده‌ها نرمال است (تفاوت معناداری میان توزیع داده‌ها و توزیع نرمال وجود ندارد).
• فرض مقابل (H1): توزیع داده‌ها نرمال نیست (تفاوت معناداری وجود دارد).

بنابراین قاعده تصمیم‌گیری برعکس حالت عادی است:

• اگر مقدار سطح معناداری (.Sig) بزرگتر از ۰.۰۵ باشد، فرض صفر رد نمی‌شود و نتیجه می‌گیریم توزیع داده‌ها نرمال است. در این حالت مجاز به استفاده از آزمون‌های پارامتریک هستیم.
• اگر مقدار سطح معناداری (.Sig) کوچکتر یا مساوی ۰.۰۵ باشد، فرض صفر رد شده و داده‌ها غیرنرمال هستند. در این وضعیت باید از آزمون‌های معادل ناپارامتریک استفاده شود یا داده‌ها تبدیل گردند.

تفاوت آزمون شاپیرو ویلک و کولموگروف اسمیرنوف چیست؟

در جدول خروجی Tests of Normality، نتایج هر دو آزمون کنار هم درج می‌شود. تفاوت اصلی آن‌ها در توان آزمون و حساسیت به حجم نمونه نهفته است:

مطلب مرتبط: نحوه پاسخ به داوران مقاله

ویژگی	آزمون شاپیرو-ویلک (Shapiro-Wilk)	آزمون کولموگروف-اسمیرنوف (Kolmogorov-Smirnov)
حجم نمونه مناسب	نمونه‌های کوچک و متوسط (کمتر از ۵۰ تا ۱۰۰ مورد)	نمونه‌های بزرگ (بیشتر از ۱۰۰ یا ۲۰۰۰ مورد)
توان آزمون (Power)	توان بسیار بالا در تشخیص انحراف‌های جزئی از نرمال بودن	توان کمتر در نمونه‌های کوچک
حساسیت به حجم نمونه	عملکرد پایدار تا حجم نمونه ۲۰۰۰	در نمونه‌های بسیار بزرگ به انحراف‌های ناچیز حساس شده و به اشتباه نا‌نرمال گزارش می‌کند
اصلاحیه استاندارد	طراحی اختصاصی برای توزیع نرمال	همراه با اصلاحیه لیلیفورس (Lilliefors Significance Correction)

یک اشتباه رایج پژوهشگران این است که صرف نظر از حجم نمونه، همیشه به ستون کولموگروف-اسمیرنوف نگاه می‌کنند. اگر تعداد شرکت‌کنندگان مطالعه شما کمتر از ۵۰ نفر است، آماره شاپیرو-ویلک استانداردی معتبرتر ارائه می‌دهد.

ارزیابی نرمال بودن داده‌ها با استفاده از نمودارها

آزمون‌های عددی مانند کولموگروف-اسمیرنوف در نمونه‌های بسیار بزرگ (مثلاً بیش از ۳۰۰ یا ۵۰۰ مورد) به کوچک‌ترین انحراف‌ها حساس می‌شوند و ممکن است سطح معناداری را کمتر از ۰.۰۵ اعلام کنند، در حالی که داده‌ها از نظر عملی به اندازه کافی برای اجرای آزمون‌های پارامتریک نرمال هستند. در چنین مواردی، بازرسی بصری نمودارها بهترین رویکرد است.

مطلب مرتبط: سامانه همانندجو ایرانداک نحوه کار

مهم‌ترین نمودارهای تشخیصی در SPSS عبارتند از:

• نمودار چندک-چندک (Normal Q-Q Plot): در این نمودار، مقادیر مشاهده‌شده در برابر مقادیر مورد انتظار توزیع نرمال ترسیم می‌شوند. اگر داده‌ها نرمال باشند، نقاط به صورت یکنواخت روی یک خط مورب مستقیم ۴۵ درجه یا بسیار نزدیک به آن قرار می‌گیرند. انحراف مارپیچی یا قوسی نقاط از خط، نشان‌دهنده چولگی یا دم‌های سنگین است.
• نمودار چندک بدون روند (Detrended Normal Q-Q Plot): این نمودار انحراف واقعی داده‌ها را از خط مستقیم نشان می‌دهد. نقاط باید به شکل تصادفی حول خط افقی صفر پراکنده باشند و هیچ الگوی خطی یا منحنی خاصی نسازند.
• نمودار هیستوگرام (Histogram): با افزودن منحنی نرمال روی هیستوگرام، می‌توان تقارن داده‌ها را مشاهده کرد. البته هیستوگرام به پهنای بازه‌ها حساس است و اتکای صرف به آن توصیه نمی‌شود.
• نمودار جعبه‌ای (Boxplot): نمودار جعبه‌ای خط میانه، چارک‌ها و داده‌های پرت (Outliers) را نشان می‌دهد. اگر خط میانه دقیقاً در وسط جعبه قرار داشته باشد و طول باله‌ها در دو سمت برابر باشد، نشانه تقارن توزیع است. داده‌های با علامت ستاره یا دایره در بالا یا پایین جعبه، مقادیر غیرعادی هستند که اغلب نرمال بودن را به هم می‌زنند.

راهکارهای مواجهه با داده‌های غیرنرمال

اگر نتایج آزمون‌ها و بررسی نمودارها نشان داد که توزیع داده‌ها به طور جدی از حالت نرمال انحراف دارد، چه اقدامی باید انجام داد؟ چند راهبرد علمی پیش روی شماست:

مطلب مرتبط: نمونه گزارش فصل چهارم با اسمارت پی ال اس

1. شناسایی و مدیریت داده‌های پرت (Outliers): در بسیاری از مواقع، ورود اشتباه یک داده یا حضور فردی با نمره نامتعارف موجب نقض فرض نرمال بودن می‌شود. با بازبینی مقادیر فراتر از ۳ انحراف معیار و تصحیح یا حذف مستند آن‌ها، توزیع داده‌ها به حالت نرمال بازمی‌گردد.
2. تبدیل داده‌ها (Data Transformation): با استفاده از منوی Transform و دستور Compute Variable می‌توان توابع ریاضی را روی متغیر اعمال کرد. برای داده‌های با چولگی مثبت، تبدیل لگاریتمی (Log10) یا ریشه دوم (Square Root) توزیع را فشرده و متقارن می‌کند. برای چولگی منفی، تبدیل معکوس یا توان دو کاربرد دارد.
3. استفاده از آزمون‌های معادل ناپارامتریک: اگر تبدیل داده‌ها میسر نباشد، امن‌ترین مسیر تغییر آزمون آماری است: به جای تی‌تست مستقل از آزمون یومن ویتنی (Mann-Whitney U) استفاده کنید. به جای تی‌تست وابسته از آزمون ویلکاکسون (Wilcoxon) کمک بگیرید. به جای تحلیل واریانس یک‌راهه از آزمون کروسکال والیس (Kruskal-Wallis) بهره ببرید. به جای همبستگی پیرسون از همبستگی اسپیرمن (Spearman) استفاده نمایید.
4. استفاده از روش‌های بوت‌استراپ (Bootstrapping): در نسخه‌های جدید SPSS می‌توان گزینه Bootstrap را در آزمون‌های پارامتریک فعال کرد. این روش با نمونه‌گیری‌های مکرر تصادفی، فواصل اطمینان را بدون اتکا به فرض نرمال بودن بازتولید می‌کند.

پرسش‌های متداول درباره بررسی نرمال بودن در SPSS

آیا در حجم نمونه بالای ۱۰۰ نفر، بررسی نرمال بودن همچنان الزامی است؟
بر اساس قضیه حد مرکزی (Central Limit Theorem)، با افزایش حجم نمونه (معمولاً بیش از ۳۰ یا ۱۰۰ نفر)، توزیع میانگین نمونه به سمت توزیع نرمال میل می‌کند. با این حال، ارزیابی عدم وجود چولگی شدید یا داده‌های پرت بحرانی همچنان برای گزارش دقیق آماری ضروری است.

اگر شاپیرو ویلک نرمال باشد اما کولموگروف اسمیرنوف غیرنرمال، کدام ملاک است؟
اگر حجم نمونه شما کمتر از ۱۰۰ نفر است، نتیجه آزمون شاپیرو-ویلک اولویت دارد و فرض بر نرمال بودن داده‌ها گذاشته می‌شود. تضاد این دو آزمون اغلب در نمونه‌های با اندازه بین ۵۰ تا ۱۵۰ رخ می‌دهد که در این شرایط، بررسی همزمان شاخص‌های چولگی و نمودار Q-Q فصل‌الخطاب خواهد بود.

آیا متغیرهای طبقه‌ای و لیکرت نیاز به آزمون نرمال بودن دارند؟
متغیرهای اسمی و رتبه‌ای تک‌گویه‌ای ماهیت ناپارامتریک دارند و توزیع نرمال برای آن‌ها تعریف نمی‌شود. اما نمرات کل پرسشنامه‌ها که از حاصل‌جمع یا میانگین چندین گویه لیکرت به دست می‌آیند، متغیرهای فاصله‌ای پیوسته تلقی شده و ارزیابی نرمال بودن آن‌ها قبل از ورود به مدل‌های ساختاری یا آزمون‌های مقایسه‌ای الزامی است.