چند مثال از کاربرد آزمون‌های ناپارامتری در علوم اجتماعی

در بسیاری از پژوهش‌های علوم اجتماعی، داده‌ها از نوع رتبه‌ای یا اسمی هستند و معمولاً با توزیع نرمال هم‌خوانی ندارند. در چنین مواردی، استفاده از آزمون‌های ناپارامتری بهترین گزینه برای تحلیل داده‌هاست. این مقاله به معرفی پرکاربردترین آزمون‌های ناپارامتری و ارائه‌ی چند مثال واقعی از کاربرد آن‌ها در حوزه‌های مختلف علوم اجتماعی می‌پردازد. همچنین به نحوه‌ی اجرای این آزمون‌ها در نرم‌افزار SPSS اشاره می‌شود تا پژوهشگران بتوانند تحلیل‌های خود را به‌صورت عملی انجام دهند.

مقدمه

در روش‌های آماری کلاسیک، بسیاری از آزمون‌ها مانند t-test یا ANOVA بر پایه‌ی فرض نرمال بودن داده‌ها طراحی شده‌اند. اما در علوم اجتماعی، داده‌ها معمولاً از طریق پرسش‌نامه‌هایی با مقیاس لیکرت جمع‌آوری می‌شوند (از کاملاً مخالف تا کاملاً موافق) که ماهیتی رتبه‌ای دارند. افزون بر این، حجم نمونه در پژوهش‌های اجتماعی گاهی کم است یا داده‌ها دارای چولگی و پرتی هستند؛ در نتیجه، فرض نرمال بودن داده‌ها نقض می‌شود.

در این شرایط، آزمون‌های ناپارامتری (Nonparametric Tests) به کمک پژوهشگر می‌آیند. این آزمون‌ها بدون نیاز به پیش‌فرض‌های سخت‌گیرانه، بر اساس رتبه‌بندی داده‌ها عمل می‌کنند و برای تحلیل داده‌های رتبه‌ای یا اسمی مناسب‌اند.

تعریف آزمون‌های ناپارامتری

آزمون‌های ناپارامتری روش‌هایی هستند که در آن‌ها از پارامترهای جامعه (مانند میانگین و واریانس) استفاده نمی‌شود. این آزمون‌ها عمدتاً برای داده‌هایی با توزیع نامشخص یا غیرنرمال طراحی شده‌اند.

از جمله آزمون‌های ناپارامتری متداول می‌توان به موارد زیر اشاره کرد:

• آزمون من-ویتنی (Mann–Whitney U)

• آزمون ویلکاکسون (Wilcoxon Signed-Rank)

• آزمون کروسکال–والیس (Kruskal–Wallis)

• آزمون فریدمن (Friedman)

• آزمون کای‌دو (Chi-Square)

• آزمون همبستگی اسپیرمن (Spearman’s rho)

در نرم‌افزار SPSS تمامی این آزمون‌ها در منوی
Analyze → Nonparametric Tests
قابل دسترسی‌اند.

یادگیری گام به اجرای این آزمون در نرم افزار spss

دلایل استفاده از آزمون‌های ناپارامتری در علوم اجتماعی

1. ماهیت داده‌ها: بیشتر متغیرهای علوم اجتماعی از نوع رتبه‌ای‌اند.

2. توزیع غیرنرمال: بسیاری از پرسش‌نامه‌ها داده‌هایی تولید می‌کنند که نرمال نیستند.

3. نمونه‌های کوچک: در نمونه‌های محدود، آزمون‌های پارامتری دقت کافی ندارند.

4. مقاومت در برابر داده‌های پرت: آزمون‌های ناپارامتری نسبت به ناهنجاری‌ها حساسیت کمتری دارند.

5. سادگی اجرا در SPSS: این آزمون‌ها به‌سادگی در نرم‌افزار SPSS قابل پیاده‌سازی و تفسیر هستند.

مثال‌هایی از کاربرد آزمون‌های ناپارامتری در علوم اجتماعی

۱. آزمون من–ویتنی (Mann–Whitney U)

کاربرد: مقایسه دو گروه مستقل با داده‌های رتبه‌ای

مثال ۱: جامعه‌شناسی

پژوهشی درباره‌ی اعتماد اجتماعی میان زنان و مردان انجام شد. پاسخ‌ها بر اساس طیف لیکرت (۱ تا ۵) جمع‌آوری گردید. آزمون من–ویتنی برای بررسی تفاوت معنادار میان دو گروه به‌کار رفت، زیرا داده‌ها نرمال نبودند.

مثال ۲: روان‌شناسی

در مطالعه‌ای درباره‌ی رضایت از زندگی بین دانشجویان روزانه و شبانه، توزیع نمرات نرمال تشخیص داده نشد. پژوهشگر با استفاده از آزمون من–ویتنی در SPSS بررسی کرد که آیا نوع تحصیل بر رضایت از زندگی تأثیر دارد یا خیر.

۲. آزمون ویلکاکسون (Wilcoxon Signed-Rank Test)

کاربرد: مقایسه دو وضعیت وابسته (پیش‌آزمون و پس‌آزمون)

مثال ۱: علوم تربیتی

پژوهشی در زمینه‌ی تأثیر آموزش مهارت‌های مطالعه بر پیشرفت تحصیلی دانش‌آموزان انجام شد. چون داده‌های پیش‌آزمون و پس‌آزمون از یک گروه بودند و نرمال نبودند، از آزمون ویلکاکسون استفاده شد.

مثال ۲: روان‌شناسی بالینی

در مطالعه‌ای درباره‌ی کاهش اضطراب پس از جلسات درمان شناختی–رفتاری، داده‌های قبل و بعد از درمان مقایسه شدند. تحلیل در SPSS با آزمون ویلکاکسون نشان داد کاهش معناداری در اضطراب وجود دارد.

۳. آزمون کروسکال–والیس (Kruskal–Wallis Test)

کاربرد: مقایسه بیش از دو گروه مستقل

مثال ۱: مدیریت منابع انسانی

پژوهشی میزان رضایت شغلی کارکنان در سه سطح تحصیلی (دیپلم، کارشناسی، کارشناسی ارشد) را مقایسه کرد. چون داده‌ها نرمال نبودند، از آزمون کروسکال–والیس استفاده شد.

مثال ۲: جامعه‌شناسی شهری

در مطالعه‌ای درباره‌ی رضایت شهروندان از خدمات شهری در سه منطقه مختلف شهر، داده‌ها غیرنرمال بودند. تحلیل در SPSS با آزمون کروسکال–والیس انجام شد و نتایج نشان داد رضایت شهروندان منطقه مرکزی بالاتر است.

۴. آزمون فریدمن (Friedman Test)

کاربرد: مقایسه بیش از دو وضعیت وابسته

مثال ۱: علوم تربیتی

پژوهشی عملکرد معلمان را در سه مرحله از یک دوره آموزشی بررسی کرد. داده‌ها نرمال نبودند، بنابراین از آزمون فریدمن برای مقایسه میانگین رتبه‌ها استفاده شد.

مثال ۲: روان‌شناسی تربیتی

در تحقیقی درباره‌ی پیشرفت تحصیلی دانش‌آموزان در سه ماه متوالی، نتایج آزمون فریدمن در SPSS نشان داد تفاوت معناداری میان ماه‌ها وجود دارد.

۵. آزمون کای‌دو (Chi-Square Test)

کاربرد: بررسی رابطه بین دو متغیر اسمی

مثال ۱: جامعه‌شناسی خانواده

رابطه‌ی بین وضعیت تأهل (مجرد، متأهل، مطلقه) و میزان رضایت از زندگی (پایین، متوسط، بالا) با آزمون کای‌دو بررسی شد. تحلیل در SPSS نشان داد رابطه‌ی معناداری بین وضعیت تأهل و رضایت از زندگی وجود دارد.

مثال ۲: علوم ارتباطات

در پژوهشی درباره‌ی رابطه‌ی نوع رسانه‌ی مورد استفاده (تلویزیون، شبکه اجتماعی، روزنامه) با سطح آگاهی سیاسی، داده‌ها در قالب جداول توافقی در SPSS وارد و آزمون کای‌دو اجرا شد.

۶. ضریب همبستگی اسپیرمن (Spearman’s rho)

کاربرد: بررسی رابطه بین دو متغیر رتبه‌ای

مثال ۱: روان‌شناسی اجتماعی

در مطالعه‌ای درباره‌ی رابطه‌ی بین عزت‌نفس و عملکرد اجتماعی دانشجویان، نمرات از پرسش‌نامه‌های رتبه‌ای به‌دست آمدند. چون توزیع داده‌ها نرمال نبود، از ضریب اسپیرمن استفاده شد.

مثال ۲: علوم ارتباطات

پژوهشی در مورد رابطه‌ی بین میزان استفاده از شبکه‌های اجتماعی و احساس تعلق اجتماعی انجام شد. آزمون همبستگی اسپیرمن در SPSS نشان داد هرچه استفاده از شبکه‌های اجتماعی افزایش می‌یابد، احساس تعلق اجتماعی کاهش می‌یابد.

نحوه اجرای آزمون‌های ناپارامتری در SPSS

در SPSS می‌توان از مسیر زیر برای اجرای این آزمون‌ها استفاده کرد:

• مسیر عمومی:
  Analyze → Nonparametric Tests → Independent Samples / Related Samples

• برای آزمون کای‌دو:
  Analyze → Descriptive Statistics → Crosstabs

• برای همبستگی اسپیرمن:
  Analyze → Correlate → Bivariate

یادگیری گام‌به‌گام اجرای این آزمون‌ها و تفسیر خروجی‌ها، با مثال های کاربردی و فایل داده ها برای تمرین

جدول راهنمای انتخاب آزمون ناپارامتری مناسب

جمع‌بندی

در پژوهش‌های علوم اجتماعی، داده‌ها اغلب از نوع رتبه‌ای یا اسمی‌اند و توزیع نرمال ندارند. استفاده از آزمون‌های ناپارامتری در چنین شرایطی نه‌تنها روشی علمی بلکه ضروری است. این آزمون‌ها امکان تحلیل دقیق داده‌ها را بدون نیاز به پیش‌فرض‌های سخت‌گیرانه فراهم می‌کنند. با توجه به دسترسی ساده‌ی آن‌ها در نرم‌افزار SPSS، پژوهشگران می‌توانند به‌راحتی نتایج پژوهش‌های خود را تحلیل و تفسیر کنند.