محاسبه ضریب همبستگی برای متغیرهای ترتیبی در SPSS

در بسیاری از پژوهش‌های علوم اجتماعی، مدیریتی و آموزشی، داده‌ها به صورت ترتیبی (Ordinal) جمع‌آوری می‌شوند؛ برای مثال داده‌های حاصل از مقیاس لیکرت در پرسشنامه‌ها. در چنین شرایطی استفاده از ضریب همبستگی پیرسون مناسب نیست، زیرا این ضریب برای داده‌های فاصله‌ای و با توزیع نرمال طراحی شده است.

برای بررسی رابطه بین متغیرهای ترتیبی در SPSS معمولاً از ضریب همبستگی اسپیرمن (Spearman Rank Correlation) یا ضریب کندال (Kendall’s Tau) استفاده می‌شود.

همبستگی اسپیرمن چیست؟

ضریب همبستگی اسپیرمن (Spearman) یک روش ناپارامتریک برای اندازه‌گیری شدت و جهت رابطه بین دو متغیر ترتیبی است. این ضریب بر اساس رتبه‌بندی داده‌ها محاسبه می‌شود و به همین دلیل به نرمال بودن داده‌ها وابسته نیست.

مقدار ضریب اسپیرمن بین 1+ و 1- قرار دارد:

  • +1 نشان‌دهنده رابطه مثبت کامل
  • -1 نشان‌دهنده رابطه منفی کامل
  • 0 نشان‌دهنده عدم وجود رابطه

چه زمانی از همبستگی اسپیرمن استفاده می‌شود؟

استفاده از ضریب اسپیرمن در شرایط زیر توصیه می‌شود:

  • زمانی که متغیرها در مقیاس ترتیبی اندازه‌گیری شده‌اند.
  • زمانی که داده‌ها نرمال نیستند.
  • زمانی که داده‌ها دارای مقادیر پرت (Outliers) هستند.
  • زمانی که رابطه بین متغیرها خطی نباشد اما یکنواخت (Monotonic) باشد.

تفاوت اسپیرمن و کندال

هر دو ضریب برای داده‌های ترتیبی استفاده می‌شوند، اما تفاوت‌هایی دارند:

  • اسپیرمن (Spearman): رایج‌تر و مناسب برای نمونه‌های متوسط و بزرگ
  • کندال (Kendall): دقیق‌تر برای نمونه‌های کوچک و داده‌های دارای رتبه‌های مشابه

مراحل محاسبه ضریب همبستگی ترتیبی در SPSS

برای محاسبه ضریب همبستگی اسپیرمن در SPSS مراحل زیر انجام می‌شود:

  1. از منوی Analyze گزینه Correlate را انتخاب کنید.
  2. روی Bivariate کلیک کنید.
  3. متغیرهای مورد نظر را به کادر Variables منتقل کنید.
  4. گزینه Spearman را فعال کنید.
  5. در صورت نیاز می‌توان گزینه Kendall’s Tau-b را نیز انتخاب کرد.
  6. روی OK کلیک کنید.

پس از اجرای تحلیل، نتایج در پنجره Output نمایش داده می‌شود.

تفسیر نتایج در SPSS

در جدول خروجی SPSS چند شاخص مهم وجود دارد:

  • Correlation Coefficient: مقدار ضریب همبستگی
  • Sig. (2-tailed): سطح معناداری
  • N: تعداد نمونه

تفسیر نتایج به این صورت است:

  • اگر Sig < 0.05 باشد → رابطه بین متغیرها معنادار است.
  • اگر Sig > 0.05 باشد → رابطه معنادار نیست.

همچنین مقدار ضریب نشان‌دهنده شدت رابطه است:

  • 0.00 تا 0.19 → رابطه بسیار ضعیف
  • 0.20 تا 0.39 → رابطه ضعیف
  • 0.40 تا 0.59 → رابطه متوسط
  • 0.60 تا 0.79 → رابطه قوی
  • 0.80 تا 1.00 → رابطه بسیار قوی

کاربرد همبستگی برای داده‌های ترتیبی

این روش در بسیاری از پژوهش‌ها کاربرد دارد، از جمله:

  • بررسی رابطه رضایت شغلی و تعهد سازمانی
  • تحلیل ارتباط بین انگیزش تحصیلی و عملکرد دانشجویان
  • بررسی رابطه کیفیت خدمات و رضایت مشتریان
  • تحلیل داده‌های حاصل از پرسشنامه‌های لیکرت

جمع‌بندی

ضریب همبستگی اسپیرمن یکی از مهم‌ترین روش‌های آماری برای بررسی رابطه بین متغیرهای ترتیبی است. این روش به دلیل ناپارامتریک بودن، برای داده‌های غیرنرمال و پرسشنامه‌ای بسیار مناسب است. نرم‌افزار SPSS با فراهم کردن ابزارهای ساده در بخش Bivariate Correlation امکان محاسبه و تفسیر این ضریب را به راحتی در اختیار پژوهشگران قرار می‌دهد.

کلیدواژه ها : همبستگی اسپیرمن در SPSS، ضریب همبستگی ترتیبی، Spearman Correlation SPSS، Kendall Tau SPSS، تحلیل همبستگی در SPSS، داده‌های ترتیبی در SPSS، آموزش SPSS، تحلیل آماری با SPSS، SPSS Statistics