11056518104b4db8a542c951263384741

ҮНДЭСНИЙ СТАТИСТИКИЙН ГАЗАР МЭДЭЭЛЭЛ БОЛОВСРУУЛАХ ПРОГРАММ ХАНГАМЖИЙН ГАЗАР SPSS.11.0 for windows

МАТЕМАТИК-СТАТИСТИКИЙН ХЭРЭГЛЭЭНИЙ ПРОГРАММ ХАНГАМЖИЙГ АШИГЛАХ ТУХАЙ (SPSS for WINDOWS RELEASE 11.0) Боловсруулсан Л.Мягмар 2004 он Улаанбаатар хот

Гарчиг Хуудас

SPSS for WINDOWS Математик Статистикийн судалгааны багц программ

2

Олон хэмжээст статистикийн судалгааны аргын тухай. 3

SPSS системийн тухай 6

SPSS системийн үндсэн зарчим ба SPSS-ийн Data Editor программ

7

1. File Файлтай ажиллах 8

2-3. Edit,View Засварлах, харах 9

4. Data Мэдээлэлтэй ажиллах 9

5. Transform Мэдээллийг хувиргаж єєрчлєх 13

6. Analyze Судалгаа 15

6.1. Reports Тайлан , таблиц гаргах 15

6.2. Descriptive Statistics Давталт, нэг хэмжээст үнэлгээ, кросс таблиц

17

6.3. Custom Tables Тусгай таблицууд 20

6.4. Compare Means Дундачийн харьцаа, үнэлгээ 23

6.5. General Linear Model Ерєнхий шугаман модел 25

6.6. Mixed Models Холимог модел 27

6.7. Correlate Корреляцийн судалгаа 27

6.8. Regression Регрессийн судалгаа 29

6.9. Loglinear Шугаман логарифм 32

6.10. Classify Ангилалт 34

6.11. Data Reduction Үзүүлэлтийг шахах 35

6.12. Scale Хэмжээс хуваарь (шкал/масштаб) 38

6.13. Nonparametric Tests Параметргүй шалгалт 40

6.14. Time Series Цаг хугацааны дараалал 41

6.15. Surival Цагийн (Амьдрах хугацааны) судалгаа

44

6.16. Multiple Response Олон тєрєл (хариултат) судалгаа 45

6.17. Missing Value Analysis Хаягдсан (алдаатай) утгын судалгаа

47


3

Олон хэмжээст статистикийн судалгааны (ОСС) аргын тухай. Олон хэмжээст Статистикийн судалгааны (ОСС) асуудал статистикийн онолын бие даасан салбар болж хєгжсєн. Энэ нь статистик ажиглалтын үндсэн мэдээллүүдийн олон хэмжээст геометрийн огторгуйн дахь дүрслэлд үндэслэн

(тодорхой биш /латентные/ боловч) зүй тогтолыг түүний бүтэц, хєгжил, чиг хандлагатай хамт тодорхойлох дээд зэргээр формальчлагдсан статистик аргуудын цуглуулга болох юм.

OCC- нь сонгодог статистикийг бодвол харьцангуй сүүлд бий болсон. ОСС-ны арга нь харьцангуй гүнзгий формаль, математик логикийн аргад тулгуурласан (эдийн засаг, математикийн онолын илүү нарийн мэдлэг шаарддаг). ОСС-ны аргыг хэрэглэхэд аналитик бодлогуудыг судалж шийдвэр гаргахад бусдаас илүү бүтээлч сэтгэлгээ шаарддаг, эс тэгвэл судалгааны үр дүнд алдаа гарах, буруу дүгнэлт єгєх зэрэг байдалд хүргэх талтай. Тухайлбал кластерийн анализ гэхэд 200 орчим, бусад фактор, олон хэмжээст масштабын судалгаа зэрэгт хэдэн арван янзын арга хэрэглэдэг байна. Тухайлбал ОСС-нд нуугдмал (latent/латентные(скрытого)) үзүүлэлтийн тухай асуудал байнга гарч ирдэг. Энэ нь хэд хэдэн энгийн тодорхой (хєдєлмєрийн бүтээмж, боловсролын түвшин, ажилласан жил г.м) үзүүлэлтүүдийн шинж чанарыг нэгтгэн үзүүлж байх ѐстой бєгєєд тэр үзүүлэлтийн нэр эхэндээ байхгүй байх ба судалгааны үр дүнд шинжээчээр тодорхойлогддог байх жишээтэй. ОСС-ны онолын үндэс, туршилт, судалгааны асуудал нь 20-р зууны эхээр нээгдэж тавигдсан бєгєєд 1901-1904 онд Английн эрдэмтэн К.Пирсон, Ч.Спирман нарын факторын судалгааны талаар бичсэн онолын єгүүллэгүүдээс эхлэлтэй байсан. Эдгээр нь эхлээд психолог, биолог дараа нь эмнэлэг, цэрэг, техникийн тєслүүд бүр сүүлд нь эдийн засгийн шинжлэх ухаанд ашиглагдан хєгжиж иржээ. ОСС-ны онолын үндэсийг тавилцаж хэрэгжүүлсэн олон орны 30 гаруй эрдэмтэд байдаг байна. Гэхдээ ОСС-ны сургууулийн гол эх суурь нь Америкийн сургуульд: фактор, олон хэмжээст масштаб, олон хэмжээст математик статистик, Английн сургуульд: фактор, дискриминант, олон хэмжээст корреляц-регресс, олон хэмжээст математик статистик, Францын сургуульд: кластерийн судалгаа гэх мэтээр хуваарилагдан хєгжиж иржээ. Харин Орост (ЗХУ) бүр сүүлд 60-70-д оны үеэс ОСС хєгжиж, нэвтэрч, хэрэглээ болсон байна. Энэ нь ЗХУ-д статистикийн нэлэнхүй судалгааны арга дагнаж бас статистик улс тєржиж байсантай холбоотой боловч А.Я. Боярский, С.А.Айвазан тэргүүтэй 20 шахам статистикч эрдэмтэд энэ салбарт онол практикийн ихээхэн хувь нэмэр оруулсан байна. ОСС – ны арга нь дээд математик, математик статистикийн онол дээр суурилдаг бєгєєд 2 том бүлэгт хуваагддаг. Үүнд: Олон хэмжээст санамсаргүй хэмжигдэхүүний тархалтын хуулийг үндэс болгон үзэгдэл процессийн статистик үнэлгээг гаргаж статистик таамаглалыг шалгах асуудлыг шийддэг хэсэг. Энэ бол олон хэмжээст үзүүлэлтүүдийн магадлалын судалгааны арга юм.


4

Энэ бүлэг заавал тархалтын хуулийн мэдлэг шаардахгүйгээр бодит үзэгдэл процессийг логикийн үүднээс тохиромжтой бүтцээр нь тэгшитгэн (моделирование) судлах асуудал юм. Эдгээрийг логик-алгебр-геометрийн чиглэлийн аргууд гэж хэлдэг. Дээр дурдсан 2 арга нийгэм эдийн засгийн тєрєл бүрийн бодлогыг шийдэхэд зориулагдах бєгєєд тухайлбал уламжлалт статистикийн хувьд санамсаргүй хэмжигдэхүүнийг үнэлэх, бүлэглэх, таамаглалыг шалгах, судалж байгаа үзүүлэлтүүдийн уялдаа холбоог моделчлох зэргээс гадна шинэ буюу тусгай аргуудаар мэдээллийг шахах, үзүүлэлтүүдийг “судалж” бүлэглэх, үзэгдлийг шинэчилсэн хэмжээсээр дүрслэн тодорхойлоход тусалдаг. Олон хэмжээст статистикийн судалгааны аргууд ОСС-ны аргуудын практик хэрэглээний үндсэнд дараах суурь зарчмууд ордог. Үүнд: Олон хэмжээсийг оновчтой тогтоох – дурын тооны үзүүлэлт, объектийг сонгох биш бие биенээ харилцан нєхєх тодорхой тооны, бүх талаар тухайн үзэгдэл процессийг бүрэн үнэлж чадах үзүүлэлтүүдийг (үзэгдэл) сонгож авах. Ажиглагдаж байгаа олон хэмжээст объект тодорхой (лаконичный) байх – Энэ нь мэдээлэл сайн шахагдсан, зєв бүтэцтэй байхыг хэлнэ. Энд мэдээллийн бүтцийг хялбар тогтоож болох хэмнэлттэй, матрицийн хэлбэртэй бичлэгүүд байхыг шаардна. Математик моделийн бүтцэд мэдээлэл сайн судлагдаж тохирсон байх. Энэ нь ашиглаж байгаа мэдээлэл, судлаж байгаа объектуудыг тэдний тєрєл, ангиар маш сайн тодорхойлсон байж статистик дүгнэлтийн үр дүнг дээшлүүлэх ба тооцооны үнэлгээ сайжирна. Бодлогын томъѐолол оптимал байх – ОСС-ны аргуудаас нэг юмуу бие биенээ гүйцээсэн (дополняющих) хэд хэдэн аргуудыг сонгоход хамгийн бага тооцооллоор илүү сайн магадлал, үнэлгээний шинж чанар бүхий үр дүн гаргахыг шаардлага болгоно. Ерєнхийдээ энд уламжлалт статистиктай харьцуулсан ч объектуудыг ямар нэг єргєтгєсєн (латентного фактора) үзүүүлэлтийн утгаар бүлэглэх эсвэл факторын болон дискриминант судалгаар урьдчилан гаргасан үзүүлэлтээр индексийн судалгаа хийх гэх мэтээр байж болно. ОСС хийхэд дараах судалгааны үндсэн үе шатуудыг дамждаг. Үүнд: Орох гарах мэдээллийн хэмжээ, гарах мэдээллийн хэлбэрийг тогтоож судалгааны ажлын агуулга, хэрэглэгдэхүүнийг тодорхойлон бодлогоо томъѐолно. ОСС-ны аргаар судлах мэдээллийг боловсруулах дарааллыг тогтооно. Энэ нь хэрэгжүүлэх арга тэдгээрийг гүйцэтгэх дараалал гэсэн үг юм. Эх мэдээллийг цуглуулах, системчлэн цэгцлэх, боловсруулалтад бэлтгэх. Мэдээллийн урьдчилсан судалгаа хийх: нэгэн тєрєл (однородности) байдал, зарим статистик таамаглалтай харьцуулалт хийх, тархалтын түгээмэл хуулиудад захирагдах эсэхийг үзэх, алдааны агуулгыг тооцох. Урд шатнаас гаргасан үнэлгээ анхлан гаргасан бодлогын томъѐололтой тохирох эсэхийг нарийвчлан үзэж тэдгээрийг хэрэглэж болох эсэхийг шийдэх. Шаардлагатай бол судалгааны аргуудыг єєрчлєх.


5

Тооцоо хийх. Энэ ажил компьютер, зориулалтын программ хангамжийн тусламжтайгаар хийгдэж гарна. Судалгааны үр дүн гарч статистикийн шинжүүрүүдээр үнэлэгдэнэ. Энэ нь математик тооцооллын үр дүн эдийн засгийн дүгнэлтийн хоорондын тохиролцоо (непротивречивость) тогтоогдож гарах үр дүнгийн мэдээллийн тайламжийн зэргийг дүгнэнэ. Судалгааны үр дүнг таблиц, графикаар зохих тайлбартайгаар нэгтгэн дүгнэж гаргах ба эцсийн дүгнэлт, практик зєвлємж хамт гарна. Практикт дээрх шатууд бүгд зайлшгүй байх ѐсгүй бєгєєд зарим нь хасагдах, нэгтгэгдэх тал байдаг. ОСС-ны аргуудын онцлог, бодлогын хэлбэрийг ялган тайлбарлавал:

Арга Товч. Бодлогыны хэлбэр Тайлбар

1 2 3 4

Олон хэмжээст санамсаргүй хэмжигдэхүүний статистик үнэлгээ

ОСХСҮ

Олон хэмжээст үзүүлэлтийн параметрийн үнэлгээ

Олон хэмжээст дундаж, ковариацийн матриц, магадлалын үнэлгээ, рабастное үнэлгээ г.м

Олон хэмжээст таамаглалын шалгалт

ОХТШ Олон хэмжээст үзүүлэлтийн параметрүүд нь тэдгээрийн тархалтын хуультайгаа харгалзах тохиролцооны таамаглалын шалгалт

-“-

Олон хэмжээст корреляц-регрессийн судалгаа

ОХК-РС

Судалж байгаа ажиглалт дахь үзүүлэлт юмуу объектуудын хоорондын уялдаа холбоог моделчлох ба хэмжилт хийх.

-“-

Олон хэмжээст масштабын (шкалирование) судалгаа

ОХМС Нийлмэл системийг моделчлох, түүний үзүүлэлтүүдийг утгажуулан харуулах

Үзүүлэлтүүдийг онолын огторгуйд дүрслэх, уламжлалт аргаар моделчлогддоггүй нийлмэл буюу тогтвортой биш үзэгдэл процессийг тодорхойлох (хэмжээстэй болгох)

Гол компонентийн арга

ГК Мэдээллийг шахах. Олон энгийн шинж чанарын үзүүлэлтүүдийг цєєн тооны нэгтгэн дүгнэгч үзүүлэлтэд оруулж латент факторыг гаргаж авах . Энэ бодлого үзүүлэлтүүдийн тухайд тєдийгүй объектуудын хувьд


6

шийдэгдэж болдог.

Факторын судалгаа

ФС -“- -“-

Олон хэмжээст бүлэглэлт (кластерный анализ)

КС Олон хэмжээст объект (эсвэл үзүүлэлтийг) бүлэглэх

-“-

Дискриминантын судалгаа

ДС Судалж бүлэглэх Тодорхой эталон бүлэгээр шинэ объектуудыг задлан ангилж (раскласификация) эталон бүлэг олох.

Каноник корреляц

КК Мэдээллийг шахах, нэгдсэн [2 бүлэг мэдээлэл] үзүүлэлтүүдийн холбоосыг моделчлох.

Хамааран хувьсагч - Ук ба үл хамааран хувьсагч - Хк хоѐр бүлэг үзүүлэлтийн холбоосыг томъѐолох. Х,У нь факторын судалгаанаас нэгтгэн дүгнэгдэж үнэлэгдсэн үзүүлэлт байж болно.

Олон хэмжээст дисперсийн судалгаа.

ДспС Комплекс үзүүлэлтүүдийн дисперсийн үнэлгээг гаргаж судалгаа хийх.

-“-

Олон хэмжээст ковариацын судалгаа

КоС Факторын судалгааны үр дүнгийн үзүүлэлтийн вариацын хамаарлын үнэлгээ хийх.

Үндсэн үзүүлэлтүүдийг урьдчилан ангилж анги бүрийн хувьд регрессийн холбоосыг тогтоох. Дараа нь ковариацийн үнэлгээг тооцож харгалзах судалгааг хийх. (Тхх, Туу,Тух)


7

SPSS системийн тухай. Энэ программ нь математик статистикийн үндсэн аргуудын тооцоо, судалгааны ажлыг компьютерт WINDOWS 95-аас хойших системүүдийн дор хийхэд зориулан хийгдсэн. Онцлог нь математик статистикийн арга, үндэсийг сайн мэддэг, WINDOWS-ийн орчны программуудыг ашиглаж сурсан хүн хялбар аргаар эзэмшиж болохоор асуулгаар харилцаж (диалог горим буюу WIZARD) ажилладаг систем юм. Мєн тухайн программд үндсэн мэдээлэл оруулах, єєр программ, файлд хєрвүүлэх, бусад систем программтай (ACCESS, EXCEL, DBASE, …г.м) холбогдох боломжоор сайн хангагдсанаас гадна, судалгааны зориулалттай хялбар таблиц бүрдүүлэх, бичихэд тохиромжтойгоороо ємнєх хувилбаруудаасаа илүү онцлог болсон байна. Орох мэдээллийн тодорхойлолтыг хийх (VALUES), мэдээлэл дотор хувиргалт хийх(RECODE), боловсруулалт хийх мэдээллийг сонгон авах(SELECT CASE), файлуудыг нэгтгэх, агрегат хийх, бүтцийг єєрчлєх, задлах зэрэг олон сайн үүрэг функцүүдтэйгээрээ онцлог систем юм. WINDOWS95-д анх SPSS 7.0 хувилбар орж ирсэнээс хойш түүний 7.5; 8.0; 9.0; 10.0; 11.1 зэрэг 5 хувилбаруудад мэдээлэлтэй ажиллах, үзүүлэлт, файлыг єєрчлєх, хувиргах, математик статистикийн судалгааны арга, моделуудыг шинэчлэх, нэмэх, судалгааны аргын боломжуудыг дээшлүүлж 50 шахам нэр тєрлийн шинэтгэл сайжруулалт хийгдсэн байна. Тухайлбал мэдээлэлд агергац хийх, үзүүлэлтийг дахин кодлох, PIVOT TABLE- функцийн боломжийг оруулах, командын дүрэм бичиж эргэн ашиглах, орхигдсон утгыг сэргээн тооцох зэрэг мэдээлэлтэй ажиллах боломжийг єргєтгєснєєс гадна газрын зураг, графиктай ажиллах шинэ боломж, статистик үнэлгээний нэмэлт функцүүд, регресс, холимог модел, гол компонентийн арга, ангилал, кластерийн судалгаа, хэмжээсийн үнэлгээ гэх мэт математик статистикийн онол судалгааны сүүлийн үеийн модел, арга зүйг (1980-аад онд дэвшигдэж гарсан шинэхэн онол томъѐолол) хэрэгжүүлэх программ процедураар баяжуулсан нь энэ системийн онцлог тал болж байна. Санамж: Энэ зааварт уг системийг ашиглах үндсэн зарчим, таблиц хэрхэн боловсруулах, үндсэн мэдээллтэй яаж харьцах зэрэг онцлог зүйлүүдийн тухай оруулсан тул бүх тєрлийн меню(цэс), түүний дэд менюний бүх хувилбарыг тайлбарлаагүй болохыг анхаарна уу. SPSS-системийн үндсэн зарчим ба Data Editor программ Энэ программ нь File, Edit, View, Window, Help зэргээрээ EXCEL программтай тєстэй үндсэн менюний үлдсэн хэсэг нь энэ программын онцлог үйл ажиллагааг хэрэгжүүлэхэд зориулагдсан болно. Үндсэн цэсийн үүргүүдээс зарим онцлог зүйлийг товчлон тайлбарлавал:


8

SPSS Data Editor программ нь боловсруулалтад орж байгаа мэдээллийг тодорхойлох, оруулах, импортлох, экспортлох, хувиргах бүхий л үйл ажиллагаанд үйлчилнэ. SPSS Data Editor–ыг харахад дотроо Data View, Variable View гэсэн хүснэгт (Sheet) байх бєгєєд эхний Data View-д үндсэн мэдээллийн мєрүүд, дараачийн Variable View-д мэдээллийн үзүүлэлт бүрийг тодорхойлсон мєрүүд байдаг. Data View дотор байгаа үндсэн үзүүлэлтийн мєрүүд тодорхойлолтынхоо дагуу багана баганаар дараалсан үзүүлэлтүүдээс тогтох бєгєєд түүнийг EXCEL-ийн sheet-тэй адилаар бодож ашиглаж болох судалгааны үзүүлэлтийг агуулсан (sheet) энгийн матриц болно. Variable View дотор үзүүлэлтийн тодорхойлолт байрлах бєгєєд таблиц боловсруулалтад шаардагдах үндсэн тодорхойлолтууд байрлана. Үүнд: Name Тухайн үзүүлэлтийн нэрийг (программд ашигладаг нэр) заасан үсэг тоон илэрхийлэл (8 тэмдэгт) Type Үзүүлэлтийн тєрєл, хэлбэрийг заагч, гол тєлєв Numeric-тоо, String-текст байдлаар дүрслэгдэнэ. Width үзүүлэлтийн єргєн буюу хэдэн тэмдэгтээс тогтохыг заана. Decimal тоон үзүүлэлт бол таслалын араар хэдэн оронтой байхыг заана. Label тухайн үзүүлэлтийн нэр (тавлицад бичигдэж гарах нэршил) Values үзүүлэлтийн тухайн утганд харгалзуулан оноож єгсєн нэрийг шаардлагатай гэж үзвэл оруулж єгч болно. Нэрийг оруулахдаа тэр үзүүлэлтийн values багананд дарахад утга, оноож єгєх нэр 2-ын цонхнуудыг бєглєєд нэмэх (Add) товчлуурыг ашиглан оруулж єгєх бас хасах боломжтой. Анхаарах нь: ингэж оруулсан нэр дараа нь таблиц бичиж гаргахад утга бүртээ энэхүү оногдсон нэртэйгээ гарч ирдэг. Мєн дээр дурдсан Recode-г ашиглан тухайлбал насны утгуудыг насны ангилал болгон хєрвүүлээд Label-д ашиглаж


9

улмаар таблицад ангилалаар нь гаргаж болохыг анхаар ч авч авч болно. Ер нь таблицд Label-д заагдсан нэр түүний дор Values –д заасан нэрүүдээр задарч бичигдэх нєхцєл бүрэлдэнэ. Missing Тухайн үзүүлэлтийн зарим утгыг алдаатай /буруу/ утга гэж зааж єгч болдог. Үүнийг мєн үзүүлэлтийн Missing баганад дарахад алдаатай утга бичих боломж гарч ирнэ. Энэ нь тухайн үзүүлэлтийг оролцуулсан таблиц боловсруулахад түүний Missing утгыг тооцож тоолж дүгнэж авдаггүй болохыг анхаарах хэрэгтэй. Missing – утга 2 тєрєл: системийн гэдэг нь бєглєгдєєгүй бол цэгээр дүрслэгдсэн байна, хэрэглэгчийн гэдэг нь хэрэглэгчийн тодорхойлж єгсєн буруу утгыг хэлдэг. Columns Тухайн үзүүлэлтийн баганын нийт єргєнийг зааж єгдєг. Width -ээс єргєн ойлголт юм. Align Үзүүлэлт єєрийн цонхондоо хэрхэн баруун зүүн тийш, тєвд гэх мэтчилэн байрлахыг энгийнээр зааж єгдєг. Measure үзүүлэлтийн хэмжээсийг гол тєлєв тоон бол Scale, үсэг тоон бол /String/, шинж чанар, зэрэглэлийг ангилсан бол nominal, тєвшнийг тодорхойлсон тоогоор хэлж илэрхийлдэггүй баян, ядуу, чинээлэг гэх мэтийн бол ordinal гэж хэлдэг. Мэдээллийг хэрхэн оруулах Шууд SPSS системийн Data Editor-ийг ашиглан хүснэгтэд мэдээлэл оруулах гэвэл эхэлж дээр заасны дагуу үзүүлэлтийн тодорхойлолтоо Variable View –д тодорхойлж єгєєд дараа нь Data View-д үндсэн мэдээллээ оруулж єгнє. Гаднаас импорт хийж оруулах гэвэл тухайн тохиолдолд EXCEL-ээс оруулахдаа EXCEL-ийн файлынхаа зєвхєн 1-р мєрєнд үзүүлэлтүүдийнхээ нэрийг бичиж хадгалаад SPSS-т орж OPEN data хийгээд файлын /type/ тєрлєє *.xls гэж заагаад хадгалсан файлаа нээнэ. Энэ явцад 1-р мєрийг үзүүлэлтийн нэр гэж авах уу гэхэд нь тийм гэж хариулаад оруулж ирэхэд Variable View-д үндсэн үзүүлэлтүүд, Data View –д үзүүлэлтийн нэрс орсон байна. Үүний дараа Data View-д орж үзүүлэлтийн тодорхойлолтоо шаардлагын дагуу нэмж засч тодорхойлж болно. Өєр бусад системээс оруулах бол: EXCEL-ээс файл оруулахтай адил DBASE, ACCESS зэргээс оруулж авч болох юм. Мєн урьдчилан тодорхойлогдсон тодорхойлолт бүхий SPSS файл дээр EXCEL-ээс нэргүй дан тоогоо сонгон идэвхжүүлээд Variable View-д Copy, Paste –аар үндсэн тоог оруулж авч болно. 1. File New - үндсэн мэдээллийгшинээр оруулж эхлэх гэж байгаа бол шинэ гэж нээгээд ажиллана. Тэгэхдээ ажиллах файлын тєрєл, хуудас нь бусад ердийн системүүдийнхээс онцлог болохыг цаашдын тайлбаруудаас үзэх болно. Open: data - зєвхєн боловсруулалт хийгдэж байсан SPSS-ийн єєрийнх нь мэдээллийг нээнэ (*.sav-єргєтгєлтэй файл байх ѐстой.)


10

Output – боловсруулалт судалгаа хийгээд гарсан үр дүнгийн (таблиц, график бүхий) файл. (*.spo-єргєтгєлтэй файл) Read text data – ердийн техт файлыг оруулж үндсэн мэдээлэл болгон ашиглах тохиолдолд хэрэглэнэ. (EXCEL-ийн OPEN text file шиг) Recently used data – сүүлийн үед ашиглаж байсан боловсруулалтын мэдээлэлүүдийн нэрс хадгалагдаж байдаг тул тэдний аль нэгийг шууд нээж болно Recently used file – сүүлийн үед ашиглаж байсан боловсруулалтын бус OUTPUT г.м файлуудыг нээж болно. 2-3. EDIT, VIEW Эдгээр менюнүүдийг бусад (EXCEL, WORD г.м) программын адилаар ойлгож болно. 4. DATA Мэдээлэлтэй ажиллах Энэ хэсэгт файлтай ажиллахад маш чухал хэрэг болдог хэд хэдэн ашигтай дэд меню байдаг. Дэд менюнүүдийн ажиллагааны зарчмыг тайлбарлавал: Define dates огноог яаж тодорхойлохыг зааж єгнє. Insert variable ашиглаж байгаа мэдээллийн дотор шинэ үзүүлэлт нэмж оруулах Insert Case ашиглаж байгаа мэдээлэлд нэг шинэ мєр (ажиглалт) оруулах Goto case ашиглаж байгаа мэдээллийн тодорхой мєрд түүний дугаарыг тавьж хүрэх Sort cases ашиглаж байгаа мэдээллийн мєрүүдийг тодорхой үзүүлэлтүүдээр ялгалт хийж эрэмбэлэх (EXCEL-тэй адил зарчимтай), үзүүлэлт бүрийн хувьд эрэмбийн єсєх буурахыг тус бүрт нь зааж єгєх боломжтой. Transpose ашиглаж байгаа мэдээллийн мєрийг багана, баганыг мєр болгон хєрвүүлэх ба үзүүлэлтүүдийг бас сонгож єгч болно. Restucture Ашиглаж байгаа мэдээллийн бүтцийг дараах байдлаар єєрчлєх. 1. Restructure selected variables into cases - Сонгосон үзүүлэлтүүдийг ажиглалт буюу мєр болгох, тэхдээ нэг юмуу хэд хэдэн бүлэг болгож тэдгээрт индекс єгєх, тусгай файл болгон гаргах боломжтой. Энд Drop unselected variables – сонгогдоогүй үзүүлэлтийг устгах эсэх болон гаргаж авах үр дүнгийн файлыг шинэ нэрээр хадгалах эсэх зэргийг зааж єгнє. Create a count variable in the new file - үзүүлэлтийн тоолуур үзүүлэлт хийх эсэх зэргийг заагаад эцэст нь шууд дуудахуу эсвэл дүрэм файл болгох уу гэдгээ сонгоно. 2. Restructure selected cases into variables - Сонгосон ажиглалтын мєрүүдийг үзүүлэлт болгох арга. Энд мєн шинээр үүсэх үзүүлэлтүүдийг 2 янзаар бүлэглэх, ажиглалтыг тоолох үзүүлэлт хийх зэргийг урдахын адил толорхойлоод үр дүнгээ гаргаж авна. Энэ урдах 2-т нэг гол анхаарах зүйл бол хоѐр арга нь харилцан урвуу үйл


11

ажиллагаа хийдэг гэдгийг сайн ойлгох явдал юм. 3. Transpose all data - Бүх үзүүлэлтийг (бүтэн эргүүлэх буюу хєрвүүлэх) мєр, бүх мєрийг үзүүлэлт болгох гэсэн 3 тєрлийн арга байдаг. Үүнийг wizard- аар Restucture – ийг дарж ороод шууд үр дүнг гаргаж авна. Merge files Энэ процедур ашиглаж байгаа болон ашиглаж байсан үндсэн мэдээллүүдийг нийлүүлж шинэ файл үүсгэнэ. Файл нийлүүлэх үндсэн зарчим бол нэг файлаас шаардлагатай үзүүлэлтүүдээ авч нєгєє файлын үзүүлэлтүүдийн араас шинэ багана болгон оруулж хэрэгцээ хангасан нэгдсэн нэг файлтай болох, дараа нь түүн дээрээ тохиромжтой үйлдлээ хийхэд оршино. MERGE хийх нєхцєлд тухайн үед ажиллаж байгаа файлаа єєр нэг гадны файлтай нийлүүлэх тэхдээ аль файл нь үндсэн түлхүүр болж єгєхийг зааж єгєх ѐстой. Мєн merge хийхэд нэг бол ажиглалт (мєр) нэмэх эсвэл үзүүлэлт (багана) нэмэх гэсэн 2

Images shot in Iraq _ The war will never end:(Add cases Ажиглалт буюу мєр нэмэх merge үйлдэл нь зарчмын хувьд 2 файлыг нийлүүлэхэд түлхүүр үзүүлэлтийн ялгаатай байгаа бичлэгүүд нэмэгдэж орох нєхцєлийг хангаж єгєх бєгєєд үзүүлэлтүүдийг нэмж авах эсвэл хасах зэрэг нь үзүүлэлт нэмэх үйлдэлийнх тэй адил байна.

Add variables Үзүүлэлт буюу багана нэмэх гол зарчим нь түлхүүр үзүүлэлтүүд тохирсон үед хэрэгтэй үзүүлэлтээ авч шинээр үүсч байгаа файлийн бичлэг бүрийн ард нэмж авч байхад оршино.

Add variables-г ашиглах үед дараах хэдэн гол зарчим баримтлагдана. Үүнд: 1. Нэгтгэгдэж байгаа 2 файл ижилхэн түлхүүр үзүүлэлттэй , нэрүүд нь ижил (тухайлбал аймаг, сумын дугаарууд ижил байгаа бичлэгүүдийн үзүүлэлт нь нэгтгэгдэнэ) байх ба тэдгээрээрээ адил зарчимаар (sort) эрэмбэлэгдсэн, энэ нь бас Excluded Variables нэртэй цонхонд харагдаж байх 2. Match cases . . . цонхыг бєглєж (check хийж) дараа нь түүний доорхи 3 ш дугуй нүдэнд түлхүүр болох файл аль болохыг зааж єгєх хэрэгтэй. Үүний both… - нь хоѐр файл бүх боломжоороо нийлэх буюу 2 файлд байгаа түлхүүр үзүүлэлт болгон тохироогүй бол ядаж нэг бичлэг үүсгэх ба тохирсон бол нийлж нэг бичлэг үүсгэнэ. Мєн зєвхєн энэ тохиолдолд Indicate case .. гэдгийг бєглєж ард нь нэр (source1-ийн)


12

оронд зааж болно, энэ нь эх файлаас бичлэг орсон гарах бичлэг бүрийг дагалдаж тэр нэр бичигдэх ба зєвхєн гадаад файлаас гарсан бичлэгт тэр нэр орохгүй гэсэн үг юм , External … гаднаас дуудаж авч байгаа файл түлхүүр үзүүлэлттэй файл болно, Working …. Ашиглаж байгаа файл түлхүүр үзүүлэлттэй файл болно гэдгийг тухайн үеийн нєхцєлєєсєє болж бєглєнє (check). 3. Merge files дэд меню-г зєв бєглєгдож дууссан гэж үзвэл шууд үр дүнгээ харах бол OK, энэ бүрдүүлсэн дүрэм (syntax)-ээ дараа дахин хэрэглэхийн тулд дүрэм (синтаксис) файл болгон хадгалах бол PASTE –г дарна. Эхний (OK) тохиолдолд үр дүн шууд харагдах ба дараагийн (PASTE) тохиолдолд дахин дуудаж болох дүрмийн файл шууд нээгдэх ба түүнийгээ тодорхой нэр єгч хадгалаад RUN командаас All(бүгх дүрмийг) юмуу Selection (харлуулсан хэсэг) 2-ийн аль нэгээр дуудаж болно. Энэ дүрэм үүсгэх арга нь хэд хэдэн дүрмийг PASTE –аар нэг .sps єргєтгєлтэй файлд гаргаж тэдгээрийг бүгдийг юмуу хэсэгчилэн дуудаж ашиглахад цаг хэмнэх илүү талтай байдаг. Ингээгүй (шууд OK гэсэсн)тохиолдолд нэг бүрдүүлсэн дүрэм тухайн үедээ дуудагдаад дараа нь (SPSS-ийг дахин дуудсан буюу дүрмээ єєрчилсєн тохиолдолд) дахин ажиллуулахын тулд заавал файл, үзүүлэлт, нєхцєл, арга заах сонгох зүйлүүдээ заавал дахин хийх шаардлагатай болдогийг анхаарах хэрэгтэй. Aggregate ашиглаж байгаа мэдээллийн тодорхой үзүүэлтүүдийг түлхүүр үзүүлэлт болгон тэр бүрт нэг бичлэг үүсгэж сонгосон үзүүлэлтээр шинэ үзүүлэлт болгон нэг файл болгон гаргах зориулалттай. Aggregate – г дарахад гарч ирэх менюний баруун дээд хэсэгт break – түлхүүр үзүүлэлт буюу салгах үзүүлэлтүүдээ зүүн дээд талын цонхноос сонгож сумаар дарж оруулна. Үүний дараа aggregate values – дотор шаардлагатай үзүүлэлтээ оруулаад тэдгээртээ нэр болон этикетка єгч болох ба үзүүлэлт бүрийг ямар байдлаар тооцохыг Function дотор орж SUM -дүгнэх, MEAN – дундаж , SD-стандарт хазайлт, MEDIAN 50 процентийн медиан (ажиглалтын тоо), MAX- дээд утга, MIN – доод утга, FIRST- эхний зєв утга (nonmissing), LAST- сүүлийн зєв утга, тухайн салгагдаж байгаа бичлэгүүдийн тухайд заасан утга болон тодорхой завсрын утгын дээш доош, дотор гадна байгаа утгуудын хувь (%) болон жин (Fraction - доля), мєн тухайн түлхүүрээр салгагдсан бичлэгүүдийн жигнэгдсэн болон жигнэгдээгүй тоо юмуу утгат биш (missing) үзүүлэлтүүдийн тоо зэргийн алиар нь тооцож авахаа зааж єгнє. Мєн менюний зүүн доод талд тухайн тасалгаа (break) бүрт хэдэн бичлэг байсанийг дүгнэж авах эсэх, үр дүнг тусгай файлд авах уу , ажиллаж байгаа файлдаа авах уу гэдгийг сонгож болно.


13

Ингээд ОК дарахад агрегац хийсэн файл гарна, тусгай файл гаргасан бол түүнийгээ шинээр нээж үзэж болно. Orthogonal Design – Ортогнал дизаин Статистикийн судалгааы үед үзүүлэлтүүдийн янз бүрийн түвшний комбинацыг шалгахгүйгээр шаардлагатай тєрєл, хэлбэрийн (ортогналь) файлыг үүсгэж болдог. Энэ нь Display - дисплейд харуулах процедураар харагддаг ба гаргасан файлыг SPSS-ийн єєр процедурт ашиглаж болдог.

Процедурыг дуудахдаа: меню - ээс Data Orthogonal Design Generate- гэж ороод ядаж нэг SPSS –ийн єєрийнх нь юмуу нэг шинэ факторын нэрийг (status_ , card_ гэсэн нэртэй байж болохгүй) сонгож Add дарж нэр нэршилийг оруулаад орсон


14

фактор бүрийн хувьд тэдгээрийн авах утга дагалдах нэршилийг тодорхойлж єгнє. Үүсгэж байгаа файлыг нэг бол нэр єгч байгуулж (File) болох ба эсвэл SPSS ажиллаж байгаа ажлын талбар (sheet) дээрээ үүсгэж болно. Мєн санамсаргүй тооны бүл (0 – 2,000,000,000 –ын хоорондох тооны утга авах) байгуулж болно. Display Design Энэ процедур нь ортогналь дизайны туршилтын бичэлтийг гаргаж єгдєг. Форматыг сонгож болно. Split file Энэ процедур нь файлыг тодорхой үзүүлэлтээр ангилан ялгах тэхдээ бүлэг үүсгэлгүйгээр бүх ажиглалтаар, ижил утгатай үзүүлэлтүүдээр нэг бүлэг болгож, бүлэг болгох нєхцлийг зааж єгєєд бүлэг байгуулж байгаад тэр бүлгүүддээ ялган ашиглуулахад зориулагдсан болно. Compare groups – бүлэглэсэн үзүүлэлтийн файлууд нэг файл болж гарах ба зєвхєн бүлгээр харьцуулах зориулалтаар ашигладаг. Organize output by groups – процедураас гарч байгаа бүх үр дүн групп бүрт тус тусдаа үзэгдэж байдаг. Select cases Энэ процедур ашиглаж байгаа мэдээллийн мєрүүдийг тодорхой шинж чанараар нь ялган авч боловсруулалт хийх. Хамгийн түрүүнд (IF) нєхцєл зааж (арифметик илэрхийлэл, логик илэрхийлэл, тусгай функцуудын тусламжтайгаар) тодорхой хэдэн тоон үзүүлэлтийг тогтмол тоогоор (их багын тэмдэгээр г.м) хязгаарлаад хооронд нь “ба-&” болон “буюу-!” тэмдэгээр холбож ялгах нєхцлийн илэрхийлэлээ үүсгэн ялгалт хийнэ. Үүнийг мєн диалог горимд маш хялбархан хийж болно.

Мєн үзүүлэлтийн утга юмуу хязгаар, огноо, цагаар сонгон авах аргууд байхаас гадна бүх бичлэгийн тодорхой хувийг сонголтын тусгай алгоритмоор (sampling хийх) сонгон авч болдог


15

Unselected cases are (filtered, deleted) – Сонгогдоогүй бичлэгүүдийг нэг бол фильтер тавьж авч үлдэх эсвэл устгах гэсэн 2 тєрлийн аргыг хэрэглэж болдог. 5. Transform Ашиглагдаж байгаа мэдээллийн мєрүүдийн үзүүлэлтэд тодорхой дүрмээр хийж болох єєрчлєлтүүдийг гүйцэтгэж болох функцүүд байдаг. Compute шинэ үзүүлэлтэд бусад үзүүлэлтүүдийн утга, тогтмол тоо зэргээс бүтсэн илэрхийлэлээр утга [if-д тусгай нєхцєл зааж болно] олгох арга. Target variables- хэрэглэгч шинээр үүсгэх үзүүлэлтийн нэр, Numeric Expression – үзүүлэлт, тогтмол тоо, функц оруулсан илэрхийлэл тодорхойлж болно. If – шинэ үзүүлэлт тооцох нєхцєлийг тодорхойлж єгєєд нєхцєл биелсэн бол утга бодогдох, биелээгүй бол ямарч утга бодогдохгүй.

Random Заасан тоогоор санамсаргүй тооны генератороор санамсаргүй тооны бүлийг үүсгэдэг Count ямар нэг үзүүлэлтэд (target- шинэ ч байж болно.) єєр тодорхой үзүүлэлтүүдийн (numeric values-д оруулж) заагдсан (define values & IF) нєхцєл хангасан утгын тоог (удааг) тоолж авахад зориулагдсан Recode тухайн нэг үзүүлэлтийн тодорхой нэг утга юмуу хэд хэдэн утгыг єєр нэг утга болгон єєрчилж тухайн үзүүлэлтийн байранд юмуу єєр үзүүлэлт болгон бичих арга юм. Тухайлбал насны бүлгийн хувьд 0-5 бол 1, 6-7 бол 2, 8-11 бол 3 . . . гэх мэтээр шинэ үзүүлэлт ангилал үүсгэхэд хэрэглэж болно. Categorize Variables – Үзүүлэлтийг категорчлох Тасралтгүй тоон үзүүлэлтийг дискрет тооны категорт хуваахад зориулагдсан. Процедур категорчлох үзүүлэлтийн нэрийг “n” n үсгээр эхлүүлэн категорийн утгыг тооцож гаргаж єгдєг. Жишээлбэл 4 бүлэгт хуваахаар зааасан


16

бол 25 хүртлэх хувийн утга авч байгаа үзүүлэлт 1-р бүлэгт, 25-50 хувийн утга авах нь 2-р бүлэгт гэх мэтээр хуваарилагдана. Rank Cases – Эрэмбэ (Ранг) тогтоох Энэ процедур нь сонгогдсон (variables) үзүүлэлтийн эрэмбийг тогтоодог бєгєєд ямар нэг категорийн үзүүлэлтээр (by) бүлэглээд бүлэг бүрт нь эрэмбэ тогтоож болдог. Жишээлбэл энгийн нэг (Fractional rank as %) арга нь тухайн үзүүлэлтийг түүний тухайн бүлэг дэх утгат ажиглалтын тоонд хуваагаад 100-гаар үржүүлсэнээр эрэмбийн утгыг тооцох жишээтэй. Дуудахдаа: Менюнээс Transform Rank Cases... гэж ороод нэг юмуу хэд хэдэн тоон үзүүлэлт сонгож variables-т, бүлэглэх категорын үзүүлэлтээ by-д сонгоно. Эрэмбэ тогтоосон үзүүлэлтээ єсєх буурах эрэмбээр яаж байрлуулахыг Assign rank 1 to-д зааж єгнє.

Rank Types –д эрэмбэ тогтоох аргыг тодорхойлон сонгож єгєх ба тодорхойлсон арга бүрээр шинэ үзүүлэлт тооцогдоно. Ties- д эрэмбэ тогтоох хэмжигдэхүүний холбоосыг тооцох аргыг тодорхойлж єгч болно. Automatic Recode – Автомат кодчилол Текст болон тоон үзүүлэлтийг бүхэл тоон үзүүлэлтрүү дахин кодлоход зориулагдсан бєгєєд кодлох үзүүлэлтээ оруулаад шинээр гарах кодын үзүүлэлтдээ нэр єгєєд new name дээр дарахад variable-NewName-д орно. Гарах кодыг єсєх буурахаар байрлуулахыг Recode starting from-д сонгох болно. Кодлох зарчмыг тусламжаас тодруулан харж болно. Replace missing values – Ямар нэг үзүүлэлтийн тодорхойлолтыг хийхдээ тодорхой утгыг алдаатай (missing value) утга гэж зарласан тохиолдолд тэдгээр алдаатай утгыг зєв гэж үзсэн нэг утгаар солих асуудлыг шийдэж єгнє. Greate time series Цаг хугацааны динамикийн функцийг ашиглан үзүүлэлтүүдийг шинэ дараалал/динамик үүсгэхэд ашиглана. 6. ANALYZE – Судалгаа хийх хэсэг


17

Энэ хэсэгт Мат-статистикийн судалгаа, шинжилгээ хийдэг бүх боломжууд, тэдгээрийн үр дүнгийн таблицуудыг яаж гаргадаг болон судалгааны нэгтгэлтийн таблицуудыг хэрхэн гаргадаг зэрэгт хариулах гол функцүүд ордог. 6.1. REPORTS – процедурууд. OLAP (Online Analytical Processing) Cubes процедур Энэ процедур нь судлагдаж байгаа үзүүлэлтүүдийн дундаж, нийлбэр болон бусад нэгэн хэмжээст (univariate) статистикийг нэг болон түүнээс дээш тооны категорчлагдах бүлэг үзүүлэлтүүдийн хүрээнд тооцоолдог.

Ашиглахын тулд Analyze Reports Qlap Cubes –ээр ороход Qlap Cubes дэд меню гарч ирнэ. Эхлээд та судлах үзүүлэлтүүдээ SUMMURY Var –д , бүлэглэх үзүүлэлтүүдээ Groupping Variables -д менюний зүүн дээд талаас идэвхжүүлэн сонгож цонх бүртээ хажуугийн сумаар оруулж авна. Үүний дараагар бүлэглэх үзүүлэлт бүрийнхээ хувьд ямар статистик сонирхож байгаагаа Statistics дээр дарж Cell Statistics цонхонд оруулж авна. Энд Differences гэдэг нь үзүүлэлт юмуу бүлгийн хооронд тоогоор юмуу хувиар ялгаварыг харах шаардлагатай үед тодорхойлон зааж єгч болно. Title –г ашиглаж гарах таблицдаа тусгайлан нэр єгч болно. Ингээд ОК товчийг дарахад үр дүнгийн 2 тєрлийн таблиц сонгосон статистистикийг үзүүлэн гарч ирнэ. Мєн энд гаргаж авсан таблицийг SPSS-н PIVOT таблицд шилжүүлэн дэлгэрэнгүйгээр харах боломж байдгийг HELP Show Me – ээр харж болно. Case Summarize Энэ процедур нь үзүүлэлтүүдийн статистикийг ямар бүлэг үзүүлэлтүүдийн хүрээнд тооцож үзэхэд зориулагдсан. Ашиглахын тулд Analyze Reports Case Summaries – аар орж судлахаар сонгосон үзүүлэлтүүдээ сонгож variables цонхонд хийгээд нэг юмуу түүнээс дээш тооны дэд бүлэг болгох үзүүлэлтийг grouping variables дотор авна. -title –г дарж гарах таблицын нэрийг солих, - exclude cases with missing values – буруу утгыг хасах


18

- Statistics - үзэх статистик утгуудыг сонгож авах - Select Display cases – дэд бүлэг бүрт хичнээн зүйлийг харуулах талаар 3 тєрлийн заалт хийж болно. Системийн стандартаар бол 100 ажиглалт байх. Мєн зєвхєн утгат үзүүлэлтүүдийг харуулах бас ажиглалтын дугаарыг үзүүлэх гэх мэт. Тохируулгаа хийж дуусвал ОК дарж үр дүнг авч болно. Report Summaries in Rows , Report Summaries in Columns Эдгээрийг мєн дээрхийн адилаар нэг бол зєвхєн мєрєєр эсвэл зєвхєн баганаар статистик үзүүлэлтүүдийн шинж чанарыг харахад зориулан ашиглаж болно. 6. 2. Descriptive-Statistics – Давталт, нэг хэмжээст үнэлгээ, кросс таблиц Frequencies Энэ процедур нь категорийн болон тоон үзүүлэлтүүдийн давталтын судалгааны статистик ба график дүрслэлийн олон утгыг тодорхойлдог. Ашиглахын тулд Analyze Descriptive Statistics Frequencies-ээр ороход

Frequencies цэс гарч ирнэ. Та судлах категорын болон тоон үзүүлэлтүүдээ Variable(s) хэсэгт зүүн дээд талаас идэвхжүүлэн сонгож цонхондоо хажуугийн сумаар зєєж тавина. Үүний дараагаар ямар статистик сонирхож байгаагаа сонгохын тулд Statistics руу орно.Үүнд Percentile Values хэсэгт Квартиль, Процентын хэмжээ, Процентыг, Central Tendency хэсэгт Арифметик дундаж, Медиан, Моод, Нийлбэрийг, Dispersion хэсэгт Стандарт хазайлт, Варианц, Ранг, ХБ утга, ХИ утга, Стандарт дундаж алдаа, Distribution хэсэгт Хазайлт, Эксцессийг тус тус сонгон тооцуулж болно. -Дараа нь ямар диаграмм сонгохоо Chart товчийг дарж Chart Type хэсгээс Баганан диаграмм Дугуй диаграмм Гистограммын аль нэгийг сонгоно. -Дараагийн товч болох Format-ыг сонгоход Order by хэсэг гарч ирнэ.Энэ хэсэгт єсєх дарааллаар уу, буурах дарааллаар уу гэдгийг сонгоно. Multiple Variables хэсэгт олон хувьсах хэмжигдэхүүний гаргаж авах хэлбэрийг сонгоно. Suppress tables with more-д хүснэгтийг далдлах эсэхийг шийднэ.


19

Зүүн талын цонхны доод хэсэгт байрлах Display frequency tables нь давталтыг үзүүлэх эсэхийг сонгоно. Ингээд сонголтуудаа хийж дуусаад ОК-г дарахад хүснэгтэнд статистикийн үзүүлэлт болон диаграмм гарч ирнэ. Descriptives Descriptive процедур нь нэг хэмжээст үр дүнгийн статистикийг хувьсагч бүрээр нэг хүснэгтэнд харуулдаг ба стандартчлагдсан үнэлгээнүүдийн утгыг бодож гаргадаг Ашиглахын тулд Analyze Descriptive Statistics Descriptive-ээр орж судлахаар сонгосон үзүүлэлтүүдээ сонгож Variables цонхонд хийнэ.

Тэгээд Options товчийг дарахад Dispersion, Distribution хэсгүүд гарч ирнэ. Эдгээр нь ємнєх Frequencies процедурын энэ хэсгүүдтэй ижил үүрэг гүйцэтгэнэ. Display order хэсэгт үзүүлэлт гаргах дарааллын хэлбэрийг сонгодог. Зүүн талын цонхны доод хэсэгт байрлах Save standardized values as variables нь стандартчлагдсан хэмжээ ба хувьсах хэмжээнүүдийг хадгалах үүрэгтэй. Ok товчийг дарахад үр дүнгийн хүснэгтүүд гарна. Explore Explore процедур нь статистик ба графикийг бүх ажиглалт болон бүлэглэлтээр үзүүлдэг ба адилтгал, тайлбар, таамаглалыг шалгаж бүлэглэлтийн хүрээний ялгаануудыг тодорхойлдог. Ашиглахын тулд Analyze Descriptive Statistics Explore-оор орж эхлээд Dependent list-д хамаарах хувьсагчид, Factor list-д ажиглалтыг бүлэглэх хүчин зүйлийн хувьсагчийн нэрс, Label Cases by-д ажиглалтыг нэрлэж тэмдэглэх (ID) хувьсагчийг сонгох ба энд юу ч заагаагүй бол ашиглалтын дугаарыг ашигладаг байна.


20

Дараа нь статистик руу орж Дундажийн конфинденцийн интервал, дундаж үнэлгээний функц, хувийг тодорхойлон зааж болно. Дараагийн товч Plots-ийг дараад Boxplots хэсэгт график гарах хэлбэрийг сонгоно.Descriptive хэсгээс гол тодорхойлогчийг сонгоно.Normality plots with tests-Нормал тархалтын магадлалыг тестийн хамт гаргах эсэх, Spread vs Level with Levene test-д графикт хэмжигдэхүүний хєрвүүлэх аргыг сонгоно. Options-оос алдаатай утгуудыг судалгааны үнэлгээнд яаж хамруулахыг зааж єгнє. Ok-г дарж үр дүнгийн хүснэгтүүдийг үзэж болно. Crosstabs Crosstabs процедур нь 2 ба түүнээс дээш хэмжигдэхүүнүүдийн тест, хэмжээс, харилцан холбоо уялдааг 2 хэмжээст огтлолцсон (кросс) таблицын хэлбэрээр бэлддэг. Ашиглахын тулд Analyze Descriptive Statistics Crosstabs-руу орно.

Row, column хэсэгт гарах таблицын мєр, багана болох үзүүлэлтийг зүүн дээд талаас идэвхижүүлэн сумаар зєєж тавина.Layar-хүснэгтийг хэдэн янзаар ямар үзүүлэлтээр бүлэглэж үзүүлэхийг категорийн үзүүлэлтээр зааж єгнє.


21

-Exact –г дарж шаардлагатай тестүүдийг холбогдох параметрийн хамт сонгоно. -Statistics-г үзэх статистик утгуудыг сонгож авах. -Cells-ийн Counts-аас тоолох утгуудыг Percentages-д хувийг мєрєнд бодох уу багананд бодох уу гэдгийг, Residuals-д ялгаануудыг яаж тооцохыг тус тус заана. -Row order-оос мєрийн дараалах хэлбэрийг сонгоно. Зүүн талын цонхны доод хэсэгт байрлах Display clastered bar charts-ыг идэвхжүүлбэл категорын хүрээнд бүлэглэгдсэн график диаграммыг үзэж болно. Suppress tables-таблицгүйгээр зєвхєн статистик хэмжээнүүдийг харах. Ok –г дарж үр дүнг харна. Ratio ( харьцаа- пропорц) Ratio Statistics процедур нь хоѐр хэмжээст хувьсах хэмжигдэхүүний хоорондох харьцааг тодорхойлж статистикийн дүнг дэлгэрэнгүй жагсаалтаар харьцааны хэмжээсээр тооцон гаргаж єгдєг. Ашиглахын тулд Analyze Descriptive Statistics Ratio-руу орно. Дэлгэцэн дээр гарч цонхны Numerator-т дугаарлагч хувьсагч, Denominator-т танигч хувьсагч, бүлэглэх үзүүлэлтдээ Group variable-д зүүн дээд талаас сонгож цонх бүртээ оруулна. Үүний дараагаар ямар статистик сонирхож байгаагаа сонгохын тулд Statistics-руу орно.Эндээс үндсэн бодлого, дисперси, концентрацийн индексийг тус тус олж болно. Зүүн талын цонхны доод хэсэгт Display results нь үзүүлэлтүүдийн үр дүнг харуулдаг. Ok-г дарахад олсон утгууд хүснэгтэнд гарч ирнэ 6.3 CUSTOM TABLES Basic Энэ дэд меню нь доорхи General менюний адил ажиллах боловч түүнээс боломжоороо арай дутмаг байдаг учраас тодорхой тайлбарыг алгасав. General Тухайн үед ашиглаж байгаа хүснэгтэн мэдээллийн Data View –ийн мєрүүдэд тодорхойлогдсон үзүүлэлтүүдийн хүрээнд таблиц гаргаж авах аргыг харилцах цонхны арга хэрэглэн (WIZARD) хийх боломжийг олгоно. Үүнийг тайлбарлахын урд SPSS-ийг ашиглахад дараах гол программууд нэгдсэн удирдлага дор ажилладагийг тус бүрд нь товч тайлбарлая. Үүнд: Таблиц байгуулах Analyze -> Custom Tables->General –аар ороход дараах меню гарч ирнэ. Ингээд тухайн мэдээллээс гаргах таблицынхаа мєр болох үзүүлэлтийг Rows-д зүүн гар дээд талд байгаа үзүүлэлтийн жагсаалтаас сонгоод сумыг дарж оруулна.


22

Мєн багана болох үзүүлэлтийг сонгоод Columns-д сумаар оруулна. Ингээд үндсэндээ таблиц гаргахад бэлэн болсон гэвч зарим нэмэлт шаардлага хэрэгцээг тайлбарлах хэрэгтэй. Үүнд: Statistics Lаbels дор Across the top – мєрєнд гарч байгаа үзүүлэлтүүд дээд талаараа зэрэгцэж гарах, Down the side- дээрээс доош дараалж гарах, In the layer – тухайн хавтсандаа (Layer) хуудсууд болж дараалан гарахыг зааж єгдєг. Selected variable: Мєрийн болон баганын сонгогдсон үзүүлэлтийн хувьд дараах тодорхойлолтуудыг зєв зааж єгсєн байх ѐстой. Defines cells- үзүүлэлт яаж тодорхойлогдсон байна түүгээрээ үр дүнгийн таблицад гардаг Is summarized- энэ үзүүлэлтийн утгыг дүгнэж авна. Гэхдээ edit statistics – аар орж чухам ямар байдлаар үнэлгээ, тооцоо хийхээ сонгож авах шаардлагатай. Omit label – гарах таблицад энэ үзүүлэлтийн нэрийг бичихгүй орхино гэвэл ашиглах. >Nest- энэ үзүүлэлт єєрийнхээ дээр(урд) орсон үзүүлэлтийн утга бүрт дэд хэсэг болж орох (аймаг дотор сумаар гэдэг шиг) ба UnNest – дээрх байдлыг устгаж ижил тєвшинд гарах. - Edit Statistics - Тухайн үзүүлэлтийг яаж тооцож гаргаж ирэхийг заана. Үүнд: - Хэрэв үзүүлэлт Defines cells-ээр тодорхойлогдсон бол - Row%-тухайн үзүүлэлтийн утгуудын хувьд мєрєндєє эзлэх хувь, - Col%- тухайн үзүүлэлтийн утгуудын хувьд баганандаа эзлэх хувь , - Layer%- тухайн үзүүлэлтийн утгуудын хувьд бүх таблицдаа эзлэх хувь, - Table%- тухайн үзүүлэлтийн утгуудын хувьд таблицдаа эзлэх хувь, - Subtable% - тухайн үзүүлэлтийн утгуудын хувьд дэд таблицдаа эзлэх хувь - Хэрэв үзүүлэлт Is Summarized -ээр тодорхойлогдсон бол - Max, Min, Median, Mode, Percentile,Percentile05,..Percentile99, Range, S.E.Mean, Std Devation, Row Sum%, ColSum%, LayerSum%, TableSum%, SumofValues, ValidValueCount, Variance, RowValid N% зэргээр үр дүнгийн үзүүлэлтийг гаргаж


23

авах аргыг зааж єгч болно. Энэ нь мєр бүрийн үзүүлэлтийг зєвхєн тоолох биш утгыг нь нэмэх юмуу єєр бусад аргуудаар үр дүнгийн мєрийг гаргаж авч болохыг хэлж байгаа хэрэг. - Insert Total - Тухайн үзүүлэлтээр дүн авахыг зааж єгч байгаа бєгєєд дүнгийн утга нь уг үзүүлэлтийн утгыг ямар байдлаар тооцож гаргаж авахаар тодорхойлсонтой адил байна. Хэрэв ингэхгүй гэж үзвэл Var..Total үзүүлэлтийг идэвхжүүлээд Edit Statistics дээр дараад CustomTotal Statistics –ийг идэвхжүүлээд шинээр тооцох аргаа зааж єгч болно. Format - нь тухайн үзүүлэлт хоосон бол цэг юмуу хоосон байхын алийг заах түүнчлэн алдаатай/буруу/ утгыг тусгайлан тэмдэглэх эсэхийг зааж єгч болно. Titles – гарах таблицын гарчгийг тодорхойлж єгнє - Total Label – Total гэж гарч байгаа мєрийн Total гэж бичихийн оронд єєр зүйл бичиж /Нийт дүн гэх ч юмуу/ болох. Ингээд таблицыг таблицын тодорхойлолтыг хийж дууссаны дараа ОК дарж таблиц гаргах программыг ажиллуулна. Үр дүнгийн таблицтай ажиллах Программ ажиллаж дуусахад OUTPUT1 хэлбэрийн таблиц SPSS Viewer программд гарч ирнэ. Таблицыг хулганы товчоор 2 ойрхон дарж идэвхжүүлээд шаардлагатай бол фонтыг крилл болгоод мєн хэрэгтэй бол Look Table-д ороод таблицын хүрээ зураас. Хэлбэрийг єєрчилж болно. Түүнээс гадна таблицаа 2 замаар засварлан єєрчилж болно. Үүнд: 1. Таблицыг Edit Select Table-аар идэвхжүүлж Copy, Paste-аар EXCEL-д шилжүүлээд, нэмэлт тооцоо, єєрчлєлт оруулж ашиглаж болно. 2. Pivot Table Editor - т орж таблицаа єєрчилж засварлаж болно. Үүний тулд таблиц гаргасан үедээ SPSS Viever дээр үзэж байгаа таблицаа хулганы зүүн товчны 2 ойр даралтаар идэвхжүүлэхэд PIVOT дээр дарахад түүний цонх нээгдэж дараах үүргүүдийг гүйцэтгэх боломжтой болно. Нэг анхаарах зүйл бол таны гаргаж сонгон харж байгаа таблиц 3 хэмжээстэй буюу Layears-бүхий бүтэцээр тодорхойлогдсон байх нь чухал.

. Үүнд:


24

Bookmarks – тухайн таблицыг янз бүрийн хэлбэрээр єєрчлєх бүрт түүнд оноосон таних тэмдэглэгээ болгох зорилгоор янз бүрийн нэр єгч хадгалан сүүлд эргэж ашиглахад дєхємтэй байдаг. Transpose - Мєр баганыг солих Layear – таблицын разрезийг мєр болгож 2 хэмжээстээр харуулах Layear – таблицын разрезийг багана болгож 2 хэмжээстээр харуулах Pivot таблицын байдлыг эхний байдалд оруулж сэргээх Pivoting Trays – Үзэж байгаа таблицынхаа мєр багана, разрез хийж байгаа үзүүлэлтүүдийг сольж зєєж, зэрэгцүүлж байрлуулах замаар бүтцийг нь єєрчлєн харах боломж олгодог. Тэхдээ мєр, багана, layear дээр байгаа дүрсүүдийг зєєж мєн нєгєє дээр нь аваачих болгонд таблицын хэлбэр єєрчлєгдєєд байхыг хялбар үзэж болно. Таблицын тухайн layear (разрез)-т очиж зєвхєн түүний мэдээллийг харуулах зэрэг үүргийг гүйцэтгэнэ. 3. Мєн SPSS Viewer дотроос шууд бичүүлж авч болно. -Multiple Response tables Энэ нь нэг тєрлийн таблицыг єєр нэг /гурав дахь/ үзүүлэлтийн тусламжтайгаар олон тооны /разрез/ багц таблиц болгон бүрдүүлэхэд ашиглагдана. Үүний тулд General Tables –ийн Multiple Response tables-д ямар үзүүлэлтээр разрез болгон авахыг зааж єгнє. Өєрєєр хэлбэл улсын хэмжээний ямар нэг таблицыг аймаг улсын дүнгээр авахдаа салбар бүрийг улсын дүнтэйгээр авна гэвэл салбарын шифрийг Multiple Response tables-д оруулаад Insert Total дарна гэсэн үг юм. Дараах зурагт SPSS Viewer программаар таблицын үр дүнг харуулж байна. Энд гарсан тавлицыг сонгож фонтыг крилл, таблицыг Boxed болгосны дараах байдал. Мєн энд SPSS-ийн командуудыг (Edit->Options-оор орж юу харахаа тохируулдаг) харж болно. SPSS-ийн түрүүчийн версүүдэд командыг ийм байдлаар гараар бичиж єгч байж ажиллуулдаг байсан ба одооны арга илүү хялбар болсон нь харагдаж байна. Өєрєєр хэлбэл тэдгээр командуудыг судлах албагүй гэсэн үг.

6.4. Compare Means


25

Means Means процедур нь дундаж хэмжээнүүдийн групп ба тогтмол хэмжээний хамааралтай байдаг статистикт харъяалагдах хувьсах хэмжигдэхүүнүүдийн зэрэглэлийн доторхи нэг эсвэл олон үл хамааран хувьсах хэмжигдэхүүний үнэлгээг тооцоолдог. Үндсэндээ нэг хэмжээст вариацын судалгаа, тэдгээрийн шугаман байдлын шалгалтыг хийдэг. Ашиглахын тулд Analyze Compare Means Means рүү орно. Дараа нь хамааран хувьсагч, үл хамааран хувьсагчийг (layer-ангилан ялгах категорийн үзүүлэлт) сонгоод Options руу орж ямар статистик сонирхож байгаагаа сонгоно. Үүний дараагаар Ок дарна. One-Sample T Test One-Sample T Test - процедур нь тухайн хувьсах хэмжигдэхүүний дундач утгыг тодорхой нэг тогтмол тоотой яаж харьцаж байгааг шалгах тестүүдийг тооцоолж гаргадаг. Ашиглахын тулд Analyze Compare Means One-Sample T Test рүү орно. Test variable-д хувьсах хэмжигдэхүүнүүдээ сонгоод, Test value-д тестийн тогтмолын утгыг зааж єгнє. Дараа нь Options руу ороод конфинденцийн интервалын хэмжээ, алдаатай утга бүхий ажиглалтыг ямар нєхцєлд (алдаатай утга бүхий үзүүлэлт орсон ажиглалтыг эсвэл судлаж байгаа үзүүлэлт алдаатай байгаа ажиглалтыг гэдгийг сонгох) оруулахгүй байхыг сонгоод Ок дарж үр дүнг үзнэ. Independent-Sample T Test Хамаарахгүй хэв загвар сонгох Т тест процедур нь дундаж хэмжигдэхүүнүүдийн 2 группын ажиглалтын утгуудыг (тохиолдолуудыг) харьцуулдаг. Ашиглахын тулд Analyze Compare Means Independent-Sample T Test рүү орно. Дараа нь тестийн хувьсах хэмжигдэхүүн, группын хувьсах хэмжигдэхүүнийг сонгоод Options руу орно. Мєн конфинденцийн интервал, алдааны хэмжээг тодорхойлоод Ок дарна. Paired Sample T Test Энэ процедур нь нэг бүлэгт байгаа 2 хувьсагчийн Т- шалгуурын үнэлгээг тооцож гаргадаг. Энэ нь ажиглалт бүрийн 2 хувьсагчийн утгын ялгааг бодож дундажийн тэгээс ялгагдах ялгааны тестийг хийнэ. Ашиглахын тулд Analyze Compare Means Paired Sample T Test рүү орно. Paired variable-д хоѐр хувьсах хэмжигдэхүүнийг сонгож тавина. Дараа нь Options руу орно.Энэ нь ємнєх цэсний Options-той ижил үйлдэлтэй. Ok дараад үр дүнг шалгана. One-Way ANOVA


26

Энэ процедур нь хамааран (dependent) хувьсагчдын ANOVA –вариацын тестийн шалгуурыг үл хамааран (independent) хувьсагч категорийн хувьсагчийн хувьд хийхэд зориулагдсан. (ANOVA- Analysis of variance - д тэг таамаглалын үнэлгээг хийдэг). Ашиглахын тулд Analyze Compare Means One-Way ANOVA руу орно. Утгуудаа цонхондоо сонгоод Contrasts руу орно. Эндээс хэмжээнүүдээ сонгоод, дараа нь Post Hoc Multiple- дундаж болон рангийн тестүүдийн хоорондын харьцааг шалгах аргуудыг сонгоод , Options руу орж алдааны хэмжээ, статистикуудыг сонгоно. Дараа нь Ok дараад үр дүнг харна. 6. 5. General Linear Model (GLM) –ерєнхий шугаман модел GLM Univariate – Нэгэн хэмжээст ерєнхий шугаман модел Энэ процедур нь хамааран хувьсагч үзүүлэлтүүд бусад категорийн болон тоон утгат урьдчилан мэдээлэгч (предиктор) үзүүлэлтүүдтэй холбогдох шугаман шинж чанарыг тогтооход туслах зорилгоор регресс, вариацийн судалгааг нэг хамааран хувьсагчийг нэг болон түүнээс дээш тооны хувьсагчуудтайгаар (factors and/or variables) хийхэд ашиглагдана. Энэ процедураар тэг таамаглал (null hypotheses) –н шалгалтыг хамааран хувьсагчийн хувьд хийж болно. Мєн үзүүлэлтүүдийн хоорондын уялдаа холбоо, санамсаргүй болон хувь үзүүлэлтүүдийн эффектүүдийг судалж болно. Баланстай болон балансгүй моделуудыг шалгаж үзэх боломжтой (моделийн дизайныг баланстай гэж модел дахь нүднүүд ижил тооны ажиглалтыг агуулж байвал хэлдэг).

Процедурыг дуудахдаа: Analyze General Linear Model Univariate... аар орж Хамааран хувьсагчийг dependent variable дотор аваад Fixed Factor(s)-д єєрийн сонирхож байгаа үзүүлэлтүүдийг, Random Factor(s)-д хамааран хувьсагчид нєлєєлж болох санамсаргүй хэмжигдэхүүн буюу нэг үзүүлэлт,


27

Covariate(s)-д моделд тоон прогноз хийхэд тус болох, регрессийн моделийг тодорхойлоход ашиглагдахуйц үзүүлэлтийг сонгож авах. WLS Weight – нэг үзүүлэлтээр ажиглалтуудыг жигнэн хамгийн бага квадратын ( weighted least-squares-WLS ) аргыг хэрэглэж хэмжээсийн янз бүрийн нарийвчлалыг гаргаж болдог. Шалгалт (тест) хийж дуусаад хамааран хувьсагчийн тооцсон болон бодит утгуудын ялгаа, тооцсон утга, зай (Cook’s distance) зэрэг утгуудыг єєрийн Data view таблиц дээр гарган хадгалж авч болно. Model: full factorial model Бүрэн факторын модел нь бүх фактор, ковариац, үзүүлэлт хоорондын харилцан шүтэлцээний үзүүлэлтийг агуулдаг. Харин ковариац хоорондын харилцан шүтэлцээг үзүүлдэггүй. Custom гэдэг нь үзүүлэлт ковариацын хоорондын харилцан шүтэлцээний хэсгийг тодорхойлдог. Sum of squares. Квадратын нийлбэрийг (sum-of-squares) боддог аргын сонголт. Баланстай болон балансгүй моделийн тохиолдолд III-ийг голдуу хэрэглэдэг. Contrasts – үзүүлэлтүүдийн түвшний ялгааг шалгаж үзэхэд ашиглана. Контрастыг фактор бүрт тодорхойлж болох ба тэр нь тэр параметрүүдийн шугаман комбинац байдлаар харагдана. Plots - Хамааран хувьсагчийн факторуудынхаа утгын түвшинтэй яаж харьцаж байгааг харуулсан график байна. Horizontal axis – факторуудынхаа нэг утгыг єгнє Separate lines - 2 дох факторын утгыг єгнє Separate plots - 3 дах факторын утгыг єгнє Add – графикт орох факторууд (энэ бол хамааран хувьсагч биш)-ыг тодорхойлсоны дараа add дарахад хэдэн хувьсагч орсон байна тэдгээрийн үржвэр орж ирнэ ингээд Continue хийхэд процедурын менюнд очно. Ингээд ОК дарахад үр дүнгийн таблицууд гарч ирнэ. Үүнээс тестийн үр дүнг харж хэрэгтэй бол дахин орж шаардлагатай параметрүүдээ єєрчлєєд дуудаж үзэж болно. *** Тестийн алгоритм, нэршлийг сайн ойлгох, арга зүйг гүнзгий мэдэх, тайлбар хийхэд суралцах бол HELP –ийн дор Show Me –гээр (заримд нь байдаггүй) орж тайлбар болон гаргаж байгаа таблицуудыг сайтар ажиглах шаардлагатай. Учир нь сурах бичиг аргачлалд Математик статистикийн аргын талаар бичигдсэн томъѐо, нэршил, үнэлгээ хийх арга зүй, дараалал зэрэг нь зєрєх тохиолдол гарч болох талтай. GLM Multivariate Analysis of Variance – Олон хэмжээст шугаман анализын процедур GLM Multivariate - процедур нь нэг болон олон фактортой олон хамааран хувьсагчдын регрессийн болон вариацын судалгааг хийхэд зориулагдсан. Фактор хувьсагчид нь группуудэд хуваагдах ба энэ шугаман моделийг ашиглан фактор хувьсагчдын нєлєєллийн тэг таамаглалыг шалгаж болно. Энэ модел нь дээрх нэг хэмжээст шугаман моделоос 2 ба (dependent variables) түүнээс дээш хамааран хувьсагч сонгон авдагаараа ялгаатай. Процедурыг дуудахдаа : Analyze General Linear Model Multivariate... гэж ороод ядаж 2 хамааран хувьсагчийг (dependent variables) сонгож авах хэрэгтэй. Мєн факторуудаа сонгон авч Fixed Factor(s) –д хийнэ


28

Covariate(s) болон WLS Weight дотор нэг хэмжээст шугаман моделийн адил сонголтоо хийж дуудан үр дүнгээ авч болно. GLM Repeated Measures Analysis – Хэмжээсийн анализ Энэ нь хос факторуудаас үүсгэсэн субъектийн хүрээнд олон хэмжээст шугаман анализыг хийдэг бєгєєд факторын субъектийн (between-subjects factor(s)) хооронд гэдэгт ямар нэг фактор сонгогдсон байвал түүгээр групп үүсгэж тэр хэмжээнд олон хэмжээст шугаман анализ хийгддэг байна. Дуудахдаа: Analyze General Linear Model Repeated Measures... гэж ороод ядаж нэг үзүүлэлтийн жагсаалтад байхгүй нэрээр within-subjects factor сонгоод тєвшний тоог (number of levels) зааж Define дарж ямар хос үзүүлэлтийг судалгаанд оруулахаа сонгон оруулна. Мєн регрессийн модел тодорхойлох гэж Covariates - прогнозлогч хувьсагчийг сонгон єгч болно. Ингээд дээр дурдсан олон хэмжээст шугаман анализ хийдэг процедурт заадагтай адил бусад тодорхойлогч үзүүлэлтүүдийг сонгон тэмдэглэж єгєєд дуудахад мєн тэр процедурын адил үнэлгээг хийж єгєх болно. Variance Components Analysis – Өєрчлєлтийн компонентийн (вариац) анализ Вариацын судалгаа нь хамааран хувьсагчдын санамсаргүй нєлєєлллийг дангаар нь болон нийлмэл байдлаар үнэлж єгдєг. Энэ процедур үнэлгээндээ 4 тєрлийн аргын аль нэгийг сонгуулан хэрэглэдэгийг Options Method дээр зааж сонгоно. Мєн арга болгон єєр єєр зарчим, характеристиктай байдгийг үзэж сонгож болно. Харин Include Intercept in Model – дээр моделийг сул гишүүнтэйгээр авах эсэхийг тэмдэглэх юм. Эцэст нь Variance- үнэлгээг хавсарган файлд хадгалах эсэхийг бас зааж єгч болно. Дуудахдаа: Analysis General Linear Model Variance Components... –аар орж нэг хамааран хувьсагчийг сонгох (Select a dependent variable) ба түүний дор Fixed Factor(s)- шууд нєлєєлнє гэж үзсэн хувьсагч, Random Factor(s)- санамсаргүй хувьсагч, Covariate(s)- тохиромжтой гэж үзсэн ковариац болон WLS Weight – жигнэх хэмжигдэхүүн зэргийг шаардлагын дагуу сонгож єгнє. Судалгааны тодорхойлолт, арга зүйг зааж дуусаад процедурыг ОК дарж үр дүнг харах болно. 6.6. Linear Mixed Models Select Subjects/Repeated Variables – Холимог шугаман модел Холимог шугаман модел нь ерєнхий шугаман моделийг эх үзүүлэлтүүд нь шугаман хамааралтай болон тогтмол биш хувьсалтай байх боломжтой нєхцєлєєр єргєтгєн үнэлгээ хийж єгдєг байна. Өєрєєр хэлбэл моделийг уян хатан болгож дундаж утгаас гадна вариац, ковариацын хэмжээнд үнэлгээ хийх боломж олгодог. Энэ нь єргєтгєсєн утгаараа олон тєвшний, шугаман иерархи болон санамсаргүйн коэффициентийн моделуудыг багтаана гэсэн үг юм.


29

Дуудахдаа: Analyze Mixed Models Linear... гэж менюнээс ороод Continue –дарж dependent variable - сонирхож байгаа хамааран хувьсагч, Factor(s) – корреляц муутай хувьсагчид, covariate – ковариац болгон үзэх хувьсагч, Residual weight – үлдэгдэлийг нь жигнэх үзүүлэлт зэргийг шаардлагын дагуу сонгож єгнє. Fixed юмуу Random хоѐрын нэгийг нээж ядаж fixed-effects юмуу random-effects model гэдгийг сонгосон байх ѐстой. Моделийн доторхи тодохойлолт, арга зүйг зааж дуусаад процедурыг ОК дарж үр дүнг харах болно. 6. 7. Correlations- Корреляцийн анализ Bivariate Bivariate процедур нь Пирсоны корреляцийн коэффициент, Спирманы рангийн корреляцийн коэффициент, Кенделийн рангийн коэффициентуудыг тэдгээрийн ач холбогдолын (significance ) түвшингүүдтэй хамт тооцоолдог Ашиглахын тулд Analyze Correlate Bivariate-г сонгоход харилцах цонх гарч ирнэ.

Variables-д судлах үзүүлэлтүүдээ идэвхжүүлэн хажуугийн сумаар зєєж оруулна Тэгээд Correlations Coefficients-ээс ямар коэффициент сонгохоо дараад Options руу орно.Statistics-ээс статистикийн үзүүлэлтээ сонгоод, Missing values-ээс алдааны үзүүлэлтийг ажиглалтаас хасах нєхцєлийг заана.Дараа нь Ок-г дарна. Partial Partial процедур нь нэг эсвэл олон хувьсах хэмжигдэхүүний үр дүнг тохируулж хоѐр хувьсах хэмжигдэхүүний хоорондох харьцаа шулууныг тодорхойлж тухайн (частной) корреляцийн коэффициентийг тооцоолдог.


30

Ашиглахын тулд Analyze Correlate Partial-г сонгож орно. Variables-д судлах үзүүлэлтээ сонгож оруулна.Controlling-д харьцуулан шалгах үзүүлэлтээ оруулна. Дараа нь Options-руу ороод Statistics Missing values-аас сонголтоо хийгээд Ок дарна. Distances Distances процедур нь хоѐр хувьсах хэмжигдэхүүний хооронд эсвэл хоѐр тохиолдлын хоорондох холбоос нийцтэй байна уу эсвэл нийцгүй байна уу гэдгийг шалгадаг. Энэ нийлэмжтэй байдал буюу зайн хэмжээс нь хожим комплекс судалгааны єєр процедурт ашиглагдаж болдог. Ашиглахын тулд Analyze Correlate Distances-г сонгож орно. Variables цонхонд судлах үзүүлэлтээ сонгож тавина Compute Distances-д ажиглалт мєр хооронд уу, үзүүлэлт багана хооронд уу гэдгийг сонгоно. Дараа нь Measures товчийг сонгоход Measure-зайг ямар аргаар тооцох, Transform Measure, Transform Values гэсэн хэсгүүд гарч ирнэ.Эдгээрээс олох хэмжээнүүдээ сонгоод Ок дарна. 6.8. Regression цэсний командуудын тухай Linear Linear процедур нь шугаман регрессийн тэгшитгэлд холбогдох нэг болон олон хамаарах хувьсах хэмжигдэхүүний коэффициентүүд, тогтмолыг үнэлэх статистикийг тооцоолж єгдєг. Ашиглахын тулд Analyze Regression Linear-г сонгож орно.


31

Dependent цонхонд хамааран хувьсагчийг сонгож тавина.Independent цонхонд үл хамаарах хувьсагчдыг сонгоод сумаар зєєж тавина Selection variable-д судалгааг хязгаарлах хувьсагчийг дүрмийн (Rule) хамт тодорхойлно.Case Labels-д үнэлгээний үр дүнгийн график гаргахад ямар хувьсагчтай харьцуулан гаргахыг заана. Энд Residuals-д ажиглалтын болон онолын утгын зєрєєг харах хэлбэр. Үүний дараагаар ямар статистик гаргаж авахыг сонирхож байгаагаа Statistics дээр дарж сонгоно. Plots-оос графикуудын хэлбэрийг сонгоно. Save-д хадгалах үзүүлэлтүүдийг нэрлэж зааж єгнє. Харин Options-д регрессийн үнэлгээний алхам, тогтмолыг оруулах, алдаатай утгыг яах зэргийг заана. WLS-хамгийн бага квадратын аргыг жигнэх хувьсагчийн нэр.Тэр нь регрессд орлоогүй байх ѐстой. Тохируулгаа хийж дуусвал Ок-г дарж үр дүнг авч болно. Curve Estimation Curve Estimation процедур нь регресс ба регрессийн үнэлгээний загваруудын ялгаатай арван нэгэн муруйг холбосон графикуудын статистик тооцоог гаргадаг. Ашиглахын тулд Analyze Regression Curve Estimation-г сонгож орно. Dependent-д хамаарах хэмжигдэхүүн, Independent-д үл хамаарах хэмжигдэхүүнээ сонгож тавина. Models-оос графикийн хэлбэрийг сонгож болно. Save-д хадгалах хэмжигдэхүүнээ сонгоод Ок дарж бүх үйлдэл дуусна Binary Logistic


32

Binar Logistic регресс нь хамааран хувьсагч үзүүлэлтийн утга авах эсэхийг комплекс факторуудын утгуудад үндэслэж үр дүнг гарган авахад ашиглана. Энэ бол шугаман регресстэй тєстэй боловч хамааран хувьсагч нь хоѐрхон утгатай юм шиг байдаг. Ашиглахын тулд Analyze Regression Logistic-гоор орно. Dependent-д хамаарах хувьсагчийг, Covariate-д ковариацийн утгыг сонгож тавина. Дараа нь Categorical-ийг сонгоход Categorical Covariate цонх гарч ирнэ. Энэ цонхонд Covariate-аас ємнє сонгосон утгаасаа сонгоно. Save товчийг дарахад: Predicted values-ээс урьдаас мэдэх хэмжээсүүдийг; Residuals-д зєрєєнүүдийг; Influence-д нєлєєнүүдийг сонгоод Continue-г дарна. Дараа нь Options-д статистик ба графикуудын хэлбэрийг сонгоод Ок-г дарж үр дүнг авч болно. Multinomial Logistic Олон гишүүнтэй Логистик регресс нь комплекс факторуудын (прогнозатор) утгуудад үндэслэн ямар нэг зүйлийг ангилагдахад ашиглагдана. Энэ нь Логистик регресстэй тєстэй боловч хамааран хувьсагч нь 2-хон категороор хязгаарлагдахгүй их єргєн байдаг. Ашиглахын тулд Analyze Regression Multinomial Logistic-ийг сонгож орно. Гарч ирсэн цонхнуудад харъяалагдах утга, коффициентын утга, ковариацын утгыг тус тус сонгож тавина. Statistics-ээс ямар статистик сонирхож байгаагаа сонгоно. Criteria-аас давтагдах хэмжээнүүдийг сонгоод, Save-ээс хадгалах хувьсах хэмжигдэхүүнүүдээ сонгоно. Дараа нь Ок дарахад үр дүнг харна. Ordinal Ordinal процедур нь дараалсан тоон утгатай үл хамааран хувьсагчдийн үл хамааран хувьсагчдаас [ковариац оруулж болох] хамаарах хамааралыг 1980-аад оны үед гарсан McCullagh- гэж нэрлэгддэг аргачлалаар тооцдог. Ашиглахын тулд Analyze Regression Ordinal-г сонгож орно. Гарч ирсэн цонхонд хэмжигдэхүүнүүдээ сонгож тавиад Options руу ороод Чтерац хийх давталтуудыг сонгоно.Output-д харах, хадгалах хэмжээсүүдийг сонгож авна.Location-д загваруудыг заадаг.Scale-д загварын (Scale model) хэмжээсүүдийг тодорхойлдог.Дараа нь Ок дарж үр дүнг үзнэ.F-фактор, C-ковариац гэж ойлгоно. Probit Энэ процедур нь ямар нэг сонирхолын бєх бат байдал, сонирхолд хариулсан хариултыг харуулах тохиолдлуудын пропорцын уялдаа холбоосыг үнэлж хэмжихэд зориулагдсан. Ашиглахын тулд Analyze Regression Probit-г сонгож орно.


33

Response Frequency-Хариултын давтамжийг үзүүлсэн тэгээс их тоо байна, Total Observed-Ажиллаж байгаа хувьсагчийн дүнтэй хувьсагчийг заана, Factor-Нэг фактор хувьсагч сонгож, бүлгийг нь зааж єгнє, Covariate-д Ковариациудыг сонгохдоо ажиглалт бүрт сонирхлын түвшинийг агуулсан байна, утгуудаа оруулаад Options руу орно.Statistics-ээс сонирхсон статистикаа сонгоод, Natural Response Rate-аас бодит коэффициентийн хариуг яаж тодорхойлохыг, Criteria-аас хэмжүүрүүдийг сонгоно. Ok дарж үр дүнг харна. Nonlinear Nonlinear нь хамааран хувьсах хэмжигдэхүүн ба үл хамааран хувьсах хэмжигдэхүүнийг тогтоож хоорондох холбоонд нь шугаман биш регрессийн үнэлгээг гаргадаг Ашиглахын тулд Analyze Regression Nonlinear руу орно. Dependent-д хамааран хувьсах хэмжигдэхүүнээ, Model Expression-д загвараа тодорхойлоод, Parameter товчийг дарж параметрийн нэр, эхлэх утгыг єгєєд Continue дарна.Дараа нь Save рүү орж хадгалах хэмжээсүүдээ заагаад, Options руу орж Bootstrap estimates of standard error-г сонговол стандарт алдааг үнэлнэ.Estimation Method-оос үнэлгээний параметрүүдийг сонгоно.Дараа нь тус тусын хэмжээнүүдийг сонгоно.Ok дарна. Constrains-Моделийн параметрийг хязгаарлах аргыг заана.Үүнийг заахгүй бол Levenberg-Marquardt дээр хязгаарлалтыг заана. Loss-Минимизацын альтернатив тодорхойлоход (үлдэгдлийн квадратын нийлбэрийг Минимизац хийх) ашиглана. Wieght Estimation Стандарт шугаман регресийн тооцооны үр дүн үнэлгээ сайн биш байхад ямар нэгэн хувьсагчийн жин оруулж сайжирсан шугаман регрессийн тооцоог хийдэг процедур юм. Ашиглахын тулд Analyze Regression Wieght Estimation руу орно. Хамааран хувьсагч, үл хамааран хувьсагчдыг сонгоод, Weight variable жигнэх хувьсагчийг сонго.Дараа нь Options руу ороод шилэгдсэн жинг шинэ хувьсагч болгон хадгалах эсэхийг заагаад ANOVA-ийн үзүүлэлт үнэлгээг сонгоно.Сонголтоо хийж дуусаад Ок дарж үр дүнг харна. 2 Stage Least Squares 2 шатат хамгийн бага квадратын регресс нь тусгай хэрэглээний хувьсагч ашиглан регрессийн тооцоог хийдэг.1-р шатандаа алдааны нєхцєлийг тооцохгүй асуудалтай прогнозлогч хувьсагчийн утгыг тооцоолдог.2-р шатандаа эхний шатанд тооцсон хэмжигдэхүүнээ ашиглан хамааран хувьсагчийн регрессийн моделийн үнэлгээг хийдэг байна.Энд яригдаж байгаа тооцоологдсон хэмжигдэхүүнүүд алдааны үнэлгээтэй тохиролцоо хийхгүйгээр оптимал моделийн үнэлгээг гаргадаг.


34

Instrumental:-2 шатат регрессийн хэрэглээний (инструментал ) хувьсагчийг зааж єгнє.Энд EXPLANATORY-д орсон хувьсагч байж болох ба тэнд байгаа хувьсагчийн тооноос багагүй байх шаардлагатай. Ашиглахын тулд Analyze Regression 2 Stage Least Squares-г сонгож орно. Хамаарах хэмжигдэхүүнээ сонгоод, Explanatory-д регресст орох үл хамаарах хувьсагчид, Instrumental-д нєлєєлєх хэмжээг оруулна.Дараа нь Options руу орж шинээр хадгалах хэмжээсүүд болон параметрүүдийн ковариацыг гаргах эсэхийг зааж єгнє.Ингээд Ок дарж үр дүнг харж болно. Optimal Scaling Categorical нь єєрчилсєн хувьсах хэмжигдэхүүнүүдийн регрессийн тэгшитгэлийн муруйн хамгийн үр дүнтэй болсон тоо хэмжээнүүдийн зэрэглэлийг тогтоож тоо баримтын тоо хэмжээг шууд тодорхойлдог Ашиглахын тулд Analyze Regression Optimal Scaling-г сонгож орно. Хамаарах хэмжээ, хамаарахгүй хэмжээг сонгоод Discretize рүү орно. Хамаарах ба хамаарахгүй хэмжээнүүд Variables цонхонд орсон байна.Дараа нь Grouping хэсэгт зэрэглэлүүдийн хэмжээ, ижил интервалуудын хэмжээг бичнэ.Missing рүү ороход шинжилгээ хийсэн хувьсах хэмжигдэхүүн цонхонд орсон байна.Стратегиа сонгоод Continue дарна. Options руу орж нэмэлт юмнуудаа сонгож, анхны хэлбэр, графикийн хаягийг тодорхойлно. Output-аас хүснэгтүүдийг сонгоно.Save-д ажиллаж байгаа файлаа хадгална Plots-оос графикуудаа сонгоно.Ok дарж бүх үйлдэл дуусна 6. 9. Loglinear процедур General Кросс таблиц юмуу Контингенц таблицад байгаа кросс ангилал бүрт орсон ажиглалтын давталтын тоог судалж үнэлгээ хийдэг. Ашиглахын тулд: Analyze Loglinear General –д орно Үүний дотор Factor(s)-категорчлогдох хүчин зүйлүүдийн хувьсагчдыг сонгоно. Cell Covariate(s)-Ковариацын нүд (cell) болох тасралтгүй хувьсах хэмжигдэхүүн.


35

Cell Structure-Ковариацын нүдэнд жин болохуйц хувьсагч Contrast Variable(s)-Моделд зєрүү(эсрэг зогсох) болж орох тасралтгүй хэмжигдэхүүн моделийн шугаман коэффициент болдог. Save: Үлдэгдэлүүд болон урьдчилан тооцсон хэмжигдэхүүнүүдийн утгыг хадгалах бол зааж єгдєг Residuals-Үлдэгдэл буюу урьдчилан тооцсон болон бодит утгын зєрєєнүүд Standardized residuals-Стандартчлагдсан зєрєєнүүд Adjusted residuals - Тохируулсан зєрєєнүүд Deviance residuals - Хазайлтын зєрєєнүүд Predicted values-Хувьсах хэмжээг урьдаас тооцсон утгууд Model : Satured (шингээх)- арга нь ковариацуудыг (cov) авдаггүй зєвхєн факторуудыг гол эффект болгон тооцоо хийдэг. Зєвхєн Custom-оор орж үндсэн хувьсагчдаас гадна урьдчилан үүсгэсэн шинэ хувьсагчид (term) ковариацыг нэмэн оруулж олон эффекттэй болгож үнэлгээ хийж болдог байна. Энд Term-д орж хувьсагчийн тоо хэмжээсийг зааж єгч болно (Factors and Covariates-цонхонд байгаа утгуудыг Terms in Model цонхонд сонгож оруулаад Continue дарна) Options : Display, Plot, Confidence interval, Criteria зэрэгт гаргах утгаа сонгон оруулж үр дүнг үзэж болно. Logit Энэ процедур нь хамааран хувьсах хэмжигдэхүүнүүд болон үл хамааран хувьсах хэмжигдэхүүнүүдийн хоорондох уялдаа холбоонд судалгаа хийж Newton-Rahson-na аргаар лог-шугаман моделийн параметрийг үнэлдэг Хамааран хувьсагчийн ялгаварын логарифм нь параметрүүдийн шугаман комбинац шиг илэрхийлэгдэнэ. Dependent –хамааран хувьсагч, Factors- категорчлогдох Факторыг сонгох ба энэ 2 нийлээд 10-аас хэтрэхгүй байх ѐстой. Ашиглахын тулд: Analyze Loglinear Logit руу орно. Гарч ирсэн цонхнуудад утгуудаа сонгон зааж єгєєд General-ийн адил дуудна. Ялгаатай нь Save, Model, Options доторх үйлдлүүд нь General процедурын Save, Model, Options-той ижил үүрэгтэй.


36

Дараа нь Ок дарж үр дүнг харна. Model Selection Model Selection процедур нь Кондингенцийн хүснэгтүүдэд олон аргаар анализ хийдэг. Ашиглахын тулд Analyze Loglinear Model Selection руу орно. Factor(s), Cell Weights цонхнуудад утгуудаа оруулаад Model Building-ийн Use backward elimination хэсгээс ХИ хэмжээ болон шилжүүлэх боломжийг сонгож, Enter in single step-ийг идэвхжүүлбэл сонгох алхамд орно. Model товчийг дарж Factor(s) цонхонд байгаа утгыг Generating Class цонхонд оруулаад Continue дарна Дараагийн товч болох Options-руу ороод Display, Plot, Model Criteria-аас сонирхож байгаа үзүүлэлтүүдээ сонгоод Continue Ok дараад үр дүнгээ үзнэ. 6. 10. Classify – Кластер анализ Кластер анализ нь олон хэмжээст ажиглалтыг ангилах аргууд юм. Зорилго нь кластер гэж нэрлэгдэх хоорондоо тєстэй объектуудын бүлгүүдийг үүсгэхэд оршино. K-Means Cluster Analysis – К-дундачуудын арга. Энэ арга нь итерацийн аргаар ажиглалтуудыг ангилахад оршино. Дуудахдаа : Analyze Classify K-Means Cluster... гэж ороод кластерийн анализд орох үзүүлэлтүүдээ сонгоод хэдэн кластер болгох гэж байгаа тоогоо (2 ба түүнээс дээш байх ба ажиглалтын тооноос хэтэрч болохгүй) тодорхойлж єгнє. Мєн итерацийн тоо, зєвхєн ангилах эсэхийг ялган зааж єгнє. Мєн ажиглалтын нэрийг юугаар зааж єгєхийг label cases by дээр зааж єгч болно. Ингээд зааж єгєх тодорхойлолт дууссан бол ОК дарж үр дүнгээ харж болно. Hierarchical Cluster Analysis – Иерархи кластерийн анализ Ангилалын анализын түгээмэл хэлбэр болох иерархи кластерийн анализын мєн чанар нь эхлээд ажиглалтын объект бүр нь нэг тусгай кластер шиг тооцогдож дараа нь матрицын зай гэдэг ухагдахуунаар тєстэй (зай ойртой) кластерууд нэгдэж нэг кластер болон ангилалгддагт оршино. Дуудахдаа: Analyze Classify Hierarchical Cluster... гэж ороод хэрэв cluster-ийг cases гэж авсан бол ядаж нэг тоон үзүүлэлт сонгох ба хэрэв cluster-ийг variables гэж авсан бол ядаж 3 тоон үзүүлэлт сонгон авах хэрэгтэй. Мєн label cases гэдгийг үзүүлэлтээр сонгон авч ажиглалт буюу объектийг тэмдэглэж болно. Үүнээс гадна statistics – ямар үзүүлэлтийг тооцуулж гаргах, plots – графикаар юу гаргах, method – тооцоолох арга болон түүний шинжүүрийн хэмжээсийг яаж хийх зэргийг зааж єгч болно. Заагаагүй бол ажиглалтын дугаараар тэмдэглэгдэн тодорхойлогдоно. Ингээд зааж єгєх тодорхойлолтууд дууссан бол ОК дарж үр дүнгээ харж болно. Discriminant Analysis – Дискерминантын анализ


37

Энэ нь олон хэмжээст ажиглалтын объектуудыг тодорхой шинж тэмдэгээр ангилан ялгахад зориулагдсан судалгааг хийж моделийг гаргаж єгдєг процедур юм. Кластерийн анализаас ялгаатай нь судалгааны явцад шинэ кластер үүсэж би болдоггүй харин шинэ нэгжийн олонлог хуучин байсан ангиудад яаж орох аргыг бүрдүүлж єгдєгт оршино. Энд дискриминант (шугаман болон шугаман бус) функцууд гол үүрэг гүйцэтгэнэ. Дуудахдаа:Analyze Classify Discriminant... гэж ороод нэг бүлэглэгдэх хувьсагчийг grouping variable – д сонгоод Define Range – г дарж тухайн хувьсагчийн сонирхсон утгын хязгаарыг бүхэл оруулна. Дараа нь үл хамааран хувьсагч буюу прогнозатор болох хувьсагчдыг Independents –т зааж єгєєд түүний доорхи 2 нүдний аль нэгийг моделийг хэрхэн тооцох аргыг тодорхойлох зорилгоор аль нэгийг сонгож єг.

Хэрэв та бүлэглэх хувьсагчаа тодорхой үзүүлэлтээр сонгон ялгаж авах байсан бол select cases-ийг дарж доор нь ялгах үзүүлэлтээ оруулж салгах утгаа value-д зааж єгч болно. Statistics-т гаргаж авах статистик үзүүлэлтийн талар , Method- тооцоог stepwise-аргаар хийхээр дээр заасан бол чухам ямар нэртэй алгоритмоор хэрхэн тооцохоо зааж, Classify- ангилан ялгахад ямар журам баримтлахаа тодохойлж єгєєрэй. Ингээд зааж єгєх тодорхойлолтууд дууссан бол ОК дарж үр дүнгээ харж болно. 6. 11. Data Reduction – Үзүүлэлтийг цєєлєх (хялбарчлах) Factor Analysis – Факторны анализ Факторын анализ гэдэгт объектуудын үзүүлэлтүүдийн хоорондын уялдаа холбооны үндсэн дээр судалж байгаа процессийн бүтэц, хєгжлийн механизмын латент (тодорхойгүй шинж чанар - неявность характеристик)-ийн єргєтгєсєн шинж чанарыг илрүүлэх аргуудыг ойлглж болно.


38

Факторын анализ эхлээд тухайн объектийг тодорхойлж байгаа үзүүлэлтүүдийн хоорондын ойр тєстэй байдлыг илрүүлэх замаар үзүүлэлтийн тоог (багана) багасгахад ашиглагдана. Мєн факторын анализ шинж чанаруудын уялдааг тооцож, үзүүлэлтүүдийг хасаж дараачийн судалгаанд зориулан таамаглал дэвшүүлэн гаргадаг. Энд тогтсон аргууд байх бєгєєд эцсийн дүгнэлт гаргах шатанд гол тєлєв шугаман регрессийн аргыг ашигладаг байна. Дуудахдаа : Analyze Data Reduction Factor... гэж ороод факторын анализд орох үзүүлэлтүүдээ сонгоно. Мєн дараах тооцооллын утга, шинж чанаруудыг бєглєж єгч болно. Үүнд: Selection variables – судалгаанд орох үзүүлэлтүүдийг тодорхой үзүүлэлтийн

нэг утгаар хязгаарлан шүүж авч болох ба тэр утгыг value-д тавьж єгнє, Discriptives- гаргах статистик, корреляцийн матрицыг яаж бодох зэргийг, Extraction – үзүүлэлтийг хасах арга, нєхцєл хоѐрыг, Rotation – үндсэн үзүүлэлтийн матрицыг шинээр үнэлэгдэх матриц болгоход эргүүлэлтийн ямар арга хэрэглэхийг, Score – Үнэлгээ:Бодолтын эцсийн шатны үнэлгээнд фактор бүрийн хувьд нэг шинэ хувьсагч үүсгэж авах эсэх, факторын үнэлгээний аргыг (regression, Bartlett, Anderson-Rubin) сонгож болох, факторын үнэлгээний коэффициентийн матрицыг үзүүлэх эсэх зэргийг зааж єгнє. Ингээд зааж єгєх тодорхойлолтууд дууссан бол ОК дарж үр дүнгээ харж болно. Correspondence Analysis – Корреспонденцийн (Харгалзаа) анализ Энэ судалгааны зорилго нь 2 номинал (тоон утга бүр нэг тєрєл зүйл байх: 1- адуу, 2- тэмээ г.м) хувьсагчийн хоорондын уялдаа холбоог хувьсагч бүрийн категоруудын хувьд тодорхойлоход оршино. Хувьсагч бүрийн хувьд ойр тєстэй категоруудын хүрээнд тэдний хоорондын холбоог дүрслэхэд бас ашиглагдана. Мєн категорийн доторхи цэгийн хувьсагчдын харьцааг тодорхойлж єгнє. Дуудахдаа: Analyze Data Reduction Correspondence Analysis... гэж ороод мєр болох хувьсагчийг row variable-д, багана болох хувьсагчийг column variable-д оруулаад тэдгээрийн доод дээд утгыг (ранг) зааж єгнє. Мєн энд model, statistics, plots зэргийн шинж чанарыг шаардлагын дагуу сонгон тодорхойлж єгнє. Ингээд зааж єгєх тодорхойлолтууд дууссан бол ОК дарж үр дүнгээ (хоѐр хувьсагчийн харгалзааны хэмжээс, мєр баганын харгалзааны


39

үнэлгээ болон итгэлцүүрийн статистик утга холбогдох графикуудын хамт) харж болно. Optimal Scaling by Alternating Least Squares - Оптимал шкал (масштаб) Энэ процедур нь хэдэн тєрлийн бүлэг үзүүлэлттийг хэмжээсийн түвшингээс нь хамааруулан ямар процедураар тооцоолж үнэлгээ хийхийг тогтоодог. Дуудахдаа: Analyze Data Reduction Optimal Scaling гэж ороод Оptimal scaling level -д орж бүх хувьсагч олон хэмжээст номинал (дараалсан) эсвэл бүгд тийм биш гэдгийн аль нэгийг сонгоод number of sets-д орж хэдэн бүлэг үзүүлэлттэй ажиллахаа зааж єгєхєд (олон, ганц) ямар процедур хэрэглэгдэх нь түүний доор тодорч харагдана. Ингээд Define дарвал - Homogeneity Analysis (HOMALS) процедур- бүх хувьсагч олон хэмжээст номинал ба нэг бүлэг үзүүлэлттэй байхад, - Categorical Principal Components Analysis (CATPCA) процедур - Зарим хувьсагч олон хэмжээст номинал ба нэг бүлэг хувьсагчтай байхад, - Nonlinear Canonical Correlation Analysis (OVERALS) процедур - Олон бүлэг хувьсагчтай байхад тус тус дуудагдаж гарч ирнэ. Эдгээрээс зєвхєн OVERALS процедурыг дуудах талаар заавар хийв. Nonlinear Canonical Correlation Analysis (OVERALS)- Шугаман биш Каноник корреляцийн судалгаа Шугаман биш каноник корреляцийн судалгаа нь оптимал масштабчлалтай категорчлогдсон каноник корреляцийн судалгаатай харгалзан адил утгатай юм. Процедурын зорилго нь категорчлогдсон хувьсагчдын комплексуудын хоорондын холбоог тодорхойлоход оршино. Өєрєєр хэлбэл A1*y1+a2*y2 +. . + am*ym = b1*x1+b2*x2+ . . bnxn хэлбэрийн тэгшитгэлтэй байдаг. Дуудахдаа: Analyze Data Reduction Optimal Scaling... гэж ороод

Multiple sets-гэж тодорхойлоод Some variable(s) not multiple nominal юмуу All variables multiple nominal – гэж сонгоод Define дарна. Ингээд ядаж 2 хэсэг


40

бүлэг хувьсагчдыг сонгож Previous Next хоѐроор бүлэг бүрийн үзүүлэлтийг сонгоод үзүүлэлт бүрийн хувьд Define range and scale –аар оптимал масштаб хийх тєвшнийг зааж єгєєд OK дарна. Ер нь үнэлгээний график байгуулахад харьцах үзүүлэлтүүдийг сонгон түүнийхээ хязгаарыг (ранг) зааж єгч болно. Dimensions -тооцоо хийх хэмжээс, үүнийг ерєнхийдээ цєєн тоогоор сонгох нь зүйтэй байдаг. Хэрэв 2-оос илүүгээр заасан байвал SPSS эхлээд 3 хэмжээст график зурж дараа нь бусад хэмжээсийнхийг эхнийхийгээ засварлах замаар хийдэг. Options – ямар статистик гаргах, график хэрхэн авах, объектийн үнэлгээг хадгалах эсэх, тооцооны анхны утгуудыг санамсаргүй аргаар хийх эсэх, тооцоонй зарчим ямар байх зэргийг зааж єгч болно. Тооцооны параметр, үнэлгээний зарчим зэргийг зааж єгєхдєє Help-ийг тухай бүр ашиглаж уг процедурын болон түүний математик аппаратыг маш сайн ойлгож байж хийх нь хамгаас чухал. 6. 12. Scale – Хэмжээс хуваарь (шкал/масштаб) Multidimensional Scaling – Олон хэмжээст хуваарь (шкал/масштаб) Олон хэмжээст шкалын арга нь практикт нийлмэл үзэгдэл , процессийг шинжлээд шууд тодорхойлолт єгч моделийг гаргахгүйгээр байр, байдал, дүрслэлийг тогтооход ашиглагддаг байна. Шкалын судалгаанд стимул- тодорхой объектийн шинж чанар, байдал, шкала- фактор буюу шинж чанарын єргєтгєсєн утгыг авч явах онолын огторгуйн тэнхлэг, эксперт- объектийн характеристик (поведение)-ийг бүртгэгч ажиглагч, предпочтение- объектийн талаарх дүгнэлт єгєх бєгєєд хэмжээс нь єсч эсвэл буурч байдаг, стресс формулы- онолын болон эмпирик хүрээ хязгаарын (ранговых данных) утгуудын харгалцааг үнэлэх томъѐо гэсэн ойлголт гарч ирдэг. Ингээд судалгааны объектод: 1. стимулийн анализ- объектийн бүтэц хэлбэрийг судлах (объект гэдэгт үйлдвэр а.а-н газар, комплекс, шинж тэмдэгь субект г.м). 2. Хувийн шинж чанарын (индивидуалных) ялгаа онцлогийг судлах. 3. Дүгнэлт, үнэлгээний (предпочтение) анализ- тавигдсан шаардлагатай харьцангуйгаар стимулыг судлах. 4. Бодит (идеальных) цэгүүдийн анализ- стимулуудын бодит байдлыг хайж тодорхойлох зэрэг ажлууд хийгдэх ѐстой. Шкалын судалгааны тооцооны процедурын алгоритмыг боловсруулахад онолын үндэс болох ерєнхий формаль модел байдаг. Энэ нь зайн (дистанционный) болон векторын гэсэн 2 үндсэн тєрєл модел байна. Зайн моделд ихэнх тохиолдолд Евклидийн хэмжээсийг хэрэглэдэг. Вектор моделд холбоос болон ойртолтын хэмжээс , ялгааны урвуу хэмжигдэхүүн зэрэг хэмжээсийн ухагдахуун орж ирдэг. Тэдгээр нь координатын эхийг стимулын байрлалын цэгтэй холбосон векторуудын скаляр үржвэрээр аппроксимац хийгдэж гардаг байна. Шкалын анализ хийх явцад олон хэмжээст мэдээллийг єргєтгєн нэгтгэхэд дараах асуудлуудыг шийдэх ѐстой. - Ерєнхий факторуудын латент хувьсагчдыг хайх , таних - Эх мэдээллийг шахах - Ажиглаж байгаа объектуудын геометр бүтэц-бүрэлдэхүүнийг латент шинж чанаруудын огторгуйд дүрслэх гэсэн дараалалаар хийж үр дүнг судална. Эдгээр процедураас жишээ болгож дараах олон хэмжээст шкалын судалгааны аргыг яаж ашиглахыг үзүүлье.


41

Дуудахдаа: Analyze Scale Multidimensional Scaling... гэж ороод

Distances дотор Data are distances юмуу Create distances from data 2-ын аль нэгийг сонгоно. Хэрэв Data are distances-ийг сонгосон бол ядаж 4 хувьсагчийг сонгоод Shape- дотор зайн диссимляц хийх матрицын хэлбэрийг сонго. Хэрэв аналиц хийхээсээ ємнє зайг эх файлаасаа тодорхойлох бол ядаж нэг хувьсагч сонгоод Measure- т зайг ямар аргаар тооцох болон бусад тодорхойлолтыг сонгож заана. Мєн ямар нэг үзүүлэлтээр бүлэглэж түүний категор бүрт тусгай матриц байгуулж болох ба тэр үзүүлэлтээ Individual Matrices For – дотор оруулсан байх ѐстой. Шкалыгн үнэлгээг зєв хийлгэхийн тулд model- доторхи сонголтыг зєв хийх нь чухал. Хэмжээсийн Level of measurement-д Interval юмуу Ratio-г сонгох ба хэрэв сонгосон хувьсагч нь ordinal бол Untie tied-ийг бєглєж холбогдсон ажиглалтыг салгах нєхцєлийг нээж єгнє. Conditionality- харьцуулалтын нєхцєлийг заах үүнийг алгоритмаас нарийн тодруулж үзэх хэрэгтэй. Dimensions- шкал (масштабирование) хийх хэмжээсийг (размерность) заана. Рангийн (range) тоо бүрт нэг бодолт хийгдэнэ. 1-6 –ийн хооронд дээд доод хязгаарыг зааж болох ба minimum- д 1-ийг хэрэв Euclidean distance- г сонгосон бол авч болно. Нэг удаагийн бодолтод minimum ба maximum 2-ыг ижилхэнээр ав. Scaling Model- Ямар шкал модел сонгож авахаа 2 янзаар зааж болох ба Individual differences Euclidean distance model-ийг сонгосон үед таны мэдээлэлд тохирно гэж үзвэл negative subject weights-ийг бас сонгож авч болно. Оptions-д орж Display- гаргаж авах үзүүлэлтүүдийг, Criteria- д итерац зогсоох нєхцєлийг зааж єєрчилж үзэж болноTo change the defaults, enter values for S-stress convergence, Minimum S-stress value, and Maximum iterations. Treat distances less than- нд заасан утгаас бага зайн утга тооцогдсон ажиглалт буюу объект судалгаанаас хасагдана. Ингээд зааж єгєх тодорхойлолтууд дууссан бол ОК дарж үр дүнгээ харж болно. Үүний адил шкалын дараагийн PROXSCAL –тай процедурыг дуудаж ашиглаж болох ба тэнд ойр тєстэй байдлыг нэг баганын юмуу хэд хэдэн баганын хооронд


42

тооцуулах боломжтой. Тэхдээ эх үүсвэр нэг ба олон гэж 2 янзаар тооцоо хийх боломжтойг заавраас харж тусламжийг сайтар ашиглах хэрэгтэй. 6. 13. Nonparametric tests – Параметргүй тест Статистикийн таамаглалыг шалгахад харьцангуй тархалтын функцийн хэлбэрээр тавьж єгч байгаа бол параметргүй шалгалт (тест) гэж нэрлэдэг ба харин тархалтын функцийн тодорхой тєрєл дээр параметрийн утгыг томъѐолж єгсєн бол параметртэй тест гэж нэрэлдэг Chi-Square (Хи квадрат) тестийн процедур нь үзүүлэлтүүдийг категорт оруулж , таамаглалын тестийг ажиглаж байгаа давтамжууд нь гаргаж авч байгаа тооцооноос хүлээгдэж байгаа хэмжигдэхүүнүүдээс ялгаагүй байхаар явуулахад оршино. Хи квадрат тестийг хийхдээ: Analyze Nonparametric Tests Chi-Square... гэж ороод бүх шалгах үзүүлэлтүүдээ Test variable list дотор хийж шалгалт хийх утгын мужуудыг эх мэдээллээс авах эсвэл тодохой зааж єгєх 2 аргын нэгийг сонгоно. Мєн Excepted values дотор нэг бол ижил утгаар эсвэл тодорхой заасан утгаар категороо тодорхойлж єгнє. Шалгалтыг үзүүлэлт бүрээр хийдэг болохыг анхаараарай. Exact дотор орж тест хийх аргаа нэрлэж болох ба Монте Карло-гийн арга нь тооцооны хязгаар єгєгдсєн тохиолдолд үйлчилдэг болно. Options -дотор гаргаж авах статистик, алдаатай утгыг яах талаарх заалтыг хийж єгнє. Процедурт шаардлагатай бүх зүйлээ хийж єгч дууссан гэж үзвэл ОК дарж үр дүнгээ харна. Binomial Test процедур нь 2 категортой үзүүлэлтүүдийн хооронд вином тархалтаар шалгуур хийдэг. Ердийн байдлаар 2 группд тохирох параметр (probability parameter) 0.5 байна. Үүнийг солих бол test proportion дээр эхний группийн утгыг бичиж єгч болно. Дараагийн группийн утга 1-ээс эхнийхийг хассанаар тооцогдоно. Гарах статистик нь дундач стандарт хазайлт, минимум, максимум, алдаагүй ажиглалтын тоо, квартилис зэрэг байх болно. Энэ тестийг дуудахдаа: Analyze Nonparametric Tests Binomial... гэж ороод нэг юмуу хэд хэдэн үзүүлэлт сонгоод үзэх статистик, алдаатай утгыг яаж тооцох зэргийг зааж єгєєд ОК дарж үр дүнгээ харна. Runs Test - Энэ процедур нь хувьсагчийн утгууд ямар ажиглалтууд давхцаж байна энэ нь санамсаргүй байна уу гэдгийг шалгаж єгнє. Судалгаа хэт олон болон хэтэрхий цєєхєн ажиглалттай байхад түүнийг санамсаргүй гэж гаргах тохиолдол байдаг. Гарах статистик нь дундач стандарт хазайлт, минимум, максимум, алдаагүй ажиглалтын тоо, квартилис зэрэг байх болно. 6. 14. Time Series – Цаг хугацааны дараалал Exponential Smoothing – Экспоненциал тэгшилгээ(сглаживание) Энэ нь цаг хугацааны үзүүлэлтийг таамаглаж (прогноз) урьдчилан тооцоолж хэлдэг процеур. Энэ үйлдлийг тухайн процедур е-гийн зэрэгт бүхий функцээр илэрхийлдэг учир Exponential Smoothing гэж нэрлэсэн байна. Exponential Smoothing процедурыг дуудахдаа Analyze Time Series Exponential Smoothing менюрүү дамжин орж нэг юмуу хэд хэдэн үзүүлэлтийг сонгон Variable(s) box дотор оруулна.


43

Хэрэв цаг хугацааны seasonal model -ийг Model нєхцєлд Custom гэж сонгоод цаг хугацааны үечлэлийг тодорхойлж єгєх хэрэгтэй. Define Dates dialog on the (санамж: seasonal model –ийн options нь Winters эсвэл Custom байх ба хэрэв та seasonal component –ийг custom model дотор тодохойлно) Хэрэв Exponential Smoothing процедурт зєвхєн Trends option тодорхойлогдсон үед хүчинтэй байна. Тодорхойлолт хийж дууссаны дараа ОК дарахад хандлагыг тодорхойлох Fit хэмжигдэхүүн түүний алдааны хамт үзүүлэлт бүрт тодорхойлогдон Data View дотор баруун гар талд нэмэгдэн орж ирсэн байна. Autoregression Model – Энэ процедур шугаман моделийг авто регрессийн 1-р зэргийн алдаатайгаар үнэлж гаргана. Үнэлгээ хийлгэхийн тулд Analyze Time Series Autoregression менюнүүдээр дамжин орж нэг хамааран хувьсагч Dependent box дотор бас нэг єєр үл хамааран хувьсагчийг сонгон Independent(s) box дотор хийгээд үнэлгээ хийх техникээ Method дотроос сонгоно. Энэ процедур шугаман регрессийн моделийг анхан шатны алдааны үнэлгээний хамт тооцоолж єгдєг Регрессийн моделууд нь Exact maximum-likelihood Cochrane-Orcutt Prais-Winsten гэсэн 3 тєрєлтэй байх бєгєєд тогтмол оруулах эсэхээ сонгож єгч (Include constant in model) болно. Save-ийг дарж шинээр тооцож үүсгэсэн хувьсагчид, үнэлгээний ялгавар тооцоолсон интервалууд, конфиденциал интервалууд зэргийг хадгалуулж болно. Options дээр дарж авторегрессийн параметрүүдийг зааж єгнє. Үүнд Rho-ийн анхны утга энэ утга нь -1 ба 1-ийн хооронд утга авах ба тухайн үзүүлэлтүүдийн дараалалын утга нь урдах утгадаа аль болох ойр байлгах их утгыг заадаг параметр.


44

Convergence Criteria – итерац дуусах нєхцєл буюу итерацийн тооны дээд хэмжээ, єєрчлєлтийн квадратын (Sum of squares change) нийлбэрийн утгыг зааж єгнє, энэ нь итерац дуусгах хязгаарын нєхцєл болдог. Display options – үр дүнгийн хүснэгтэд юу гаргаж харахаа зааж єгнє. Arima Analysis Энэ процедур цаг хугацааны болон цаг хугацааны биш нэг хэмжээст үзэгдлийг судалдаг Arima (дундаж утгын шилжилтэд тулгуурласан авторегресс) нэртэй моделийг хэрэгжүүлдэг. Процедурыг дуудахдаа: Analyze Time Series Arima гэж дараалан дуудаж ороод хамааран хувьсагчийг дуудаж Dependent box дотор хийгээд нэг юмуу түүнээс дээш тооны үл хамааран хувьсагчийг Independent(s) box дотор оруулна.

Autoregressive box дотор авто регрессийн дараалал(order) буюу хэдэн дараалсан үзүүлэлт урдах үзүүлэлтдээ үл хамааран нєлєє үзүүлэхийг, Model- д дарааллын ялгааны хэмжээ, дундажийн шилжилтийн хэмжээ зэрэг моделд хамаарах утгын сонголтыг хийнэ. Moving Average (ARIMA)-д q нь сєрєг биш тоо бєгєєд дундаж утгын шилжилтийн эрэмбэ (order of moving average of the process): 0 бол autoregressive process, 1 бол шилжилтийн дундажийн эхний ордер, 2 бол шилжилтийн дундажийн 2-дох ордер г.м Мєн үнэлгээ хийхийн ємнє тухайн үзүүлэлтүүдийн дараалалыг тусгай опцоор сонгон хєрвүүлж (Transform list) болно. Тэдгээр нь: - None. Transform хийхгүй. - Natural log. е суурьтай Натурал логорифмоор хєрвүүлэх. - Log base 10. 10 суурьтай логорифмоор хєрвүүлэх.


45

Хэрэв та сезонны модул тодорхойлсон бол сезонны параметрийг тодорхойлж єгєх хэрэгтэй тэхдээ Data menu дотор Define Dates –тай хамт үечлэлийг тодорхойлсон байх шаардлагатай юм. Save дээр дарж шинэ үзүүлэлтүүд гаргаж авах бол тэдгээрийгээ харгалзан тодорхойлж єгєх хэрэгтэй. Options дээр дарж дээр тайлбарласаны адил гаргаж авах үзүүлэлтийн шинж чанарыг тодруулж єгєх хэрэгтэй. Arima процедур SPSS- программд Trends-ийн нєхцєл тодорхойлогдсон үед ажиллах болно. Seasonal Decomposition- Цаг хугацааны үзүүлэлтээр задлах Энэ процедур нь цаг хугацааны нэмэлт факторыг тооцоолж єгдєг. Тэхдээ эх материал дотор цаг хугацааны үзүүлэлт орсон байх шаардлагатай болохыг анхаар. Дуудаад нэг юмуу хэд хэдэн цаг хугацааны үнэлэх факторыг сонгоод Variable(s) цонхонд оруул. Энэ процедурын нєхцєлд цаг хугацааны ямар модел (Multiplicative юмуу Additive) сонгохыг заалгадаг.

Дундачийн жингийн шилжилтийг тооцох нь дундачийн шилжилтийн цувааг тооцох боломжийг 2 янзаар олгож байдаг. - All points equal - Ижил үечлэлийн хэмжээтэй дундачийн шилжилт бүх цэгээ тэнцүүгээр тооцно. - End points weighted by .+1 гэсэн ижил диафазонтой дундачийн шилжилтийн Хязгаарын цэг нь .5 –аар тооцно. Display Casewise listing – итерац бүрийн ард үр дүнг бичиж авхуулах бол mooynau идэвхжүүлж єгнє. Энэ процедур үр дүндээ тухайн үзүүлэлтийн фактор, цаг хугацааны холбогдолтой үзүүлэлтийг эх мэдээлэлд чинь хавсаргаж єгєх ба үечлэлийн цэг бүрт цаг хугацааны индексийг тооцож гаргадаг.


46

6. 15. SURVIVAL – Цагийн (Амьдрах хугацааны) судалгаа Life Tables – Амьдралын мєрийн таблиц Энэ процедур 2 үзэгдлийн (Ж: ажилд орсон ба ажлаас гарсан хугацааны хоорондох) хоорондох хугацааны тархалтыг шалгахад ашиглагддаг ба тухайн нэг цагийн интервалд үнэлэгдсэн магадлалыг ашиглан єєр цагийн агшинд байх ерєнхий магадлалыг үнэлэхэд зориулагдсан. Үүнд шугаман регрессийн янз бүрийн шинжүүрүүд болон амьдралын мєрийн (life table) таблиц хэрэглэгддэг. Амьдралын мєрийн таблицын үндсэн санаа нь ажиглалтын үеийг цаг хугацааны жижиг интервалуудад хуваахад оршино. Дуудахдаа: Analyze Survival Life Tables... гэж ороод нэг цагийн судалгаанд хамрах үзүүлэлтийг (time) сонгоод түүнийхээ time intervals-д шалгах хугацааны интервалыг зааж єг. Мєн цаг хугацааны үзүүлэлтийн утгыг үүсэхэд нєлєєлдєг үзүүлэлтийг status-д хийж үүсгэгч утгыг нэг утгаар юмуу интервалаар зааж єгєх хэрэгтэй.

Factor - life table-ийг гаргах категорийг тодорхойлох үзүүлэлтийг оруулж рангийг нь зааж єгєх ба үүний дотор дэд категори болгож оруулах үзүүлэлт байвал үүний нэг адил by factor-т зааж єгнє. Ингээд үр дүнг ОК товч дарж харж болно. Kaplan-Meier Survival Analysis – Каплан-Меиер цагийн судалгаа (Өргєтгєсєн судалгааны вариант) Kaплан-Meиer Процедура – цаг хугацааны зєвшєєрєгдсєн (цензур) тохиолдлуудыг үнэлэх модел юм. Kaплан-Meиer модель нь үзэгдэлийн нєхцєл биелж байх үеийн нєхцєлт магадлалыг үнэлэх арга дээр тулгуурласан болно. Энд дээрх аргаас ялгагдах нэг зүйл нь strata- гэж сонгогдсон факторын дотор заагдсан үзүүлэлтийн хүрээнд судалгаа хийгдэнэ гэсэн үг юм. Дуудах арга нь дээрх процедурын адил байна. Cox Regression Analysis - Кохс Регрессийн судалгаа


47

Кохс Регрессийн судалгаа нь зєвшєєрєгдсєн ажиглалтын хугацааг үзэгдэл рүү моделчилдог арга юм. Гэхдээ энэ нь прогнозлогч хувьсагч (covariates) –ийг моделд оруулах боломж олгодог. Кокс Регресс нь цензор (зєвшєєрєгдсєн) тохиолдол биелсэн үед үйлчлэх ба ковариацийн коэффициент бүрийг тооцох, олон тооны ковариацын хэмжигдэхүүний тухайн моделд нєлєєлєх нєлєєллийг тооцох боломжийг олгож єгдєг. Энэ процедурыг бас тасралтгүй ковариацуудын хэмжигдэхүүнд ашиглаж болно. Дуудах арга дээрх процедуруудтай тєстэй байх болно. Compute Time-Dependent Covariate – Хугацааны хамааралтай Ковариацыг тооцох Регрессийн Cox моделийг ашиглах үед түүнтэй хамт тєвєгтэй байдлууд үүсч байдаг. Энэ нь тодорхой хугацааны дараах коэффициентуудын єєрчлєлт, ялгаатай цаг хугацааны ялгаатай цэгүүд дээр ковариацууд єєр єєр байх явдал юм. Ийм нєхцєлд Регрессийн Cox моделийг ашиглаж цаг хугацааны хамааралтай ковариац тодорхойлох боломж гардаг байна. Дуудахдаа Analyze Survival Cox w/ Time-Dep Cov... гэж ороод T_ -д хугацаанаас хамаарсан утга олгох нэг илэрхийлэлийг Expression for- дотор оруулж тодорхойлоод Model-ийг дарахад Cox Regression процедурт орно. Ингээд урьдчилан бодсон хугацааны хамааралтай ковариацыг Covariates дотор оруулж бусад бүх сонголтоо хийж дуусгаад моделоо ажиллуулна. 6. 16. Define Multiple Response Sets- Олон тєрєл (хариултат) судалгаа Энэ процедур нь ажиглалтын эх файлаас энгийн үзүүлэлтүүдийг бүлэг болгон дэд (20 хүртэл тооны) файлууд болгоод тэдгээрээсээ хэрэгцээтэй тєрєл бүрийн таблиц (frequency tables and crosstabulations) болгон гаргаж авах боломж олгоно. Дэд файл бүр нэгэн утгат нэртэй, 7 хүртэл симболоос бүрдсэн (дараах симболуудыг ашиглаж болохгүй: casenum, sysmis, jdate, date, time, length, and width) байх ѐстой бєгєєд сүүлд нь урдаа нэг симболоор эх файлтайгаа холбогдох шалтгаантай. Мєн дэд файлуудыг устгах (Remove), доторхи үзүүлэлтийг нь солих (change) боломжтойгоос гадна . Select Categories to create a multiple category set having the same range of values as the component variables. Enter integer values for the minimum and maximum values of the range for categories of the multiple category set.


48

Дуудахын тулд : Analyze Multiple Response Define Sets гэж ороод 2 юмуу түүнээс дээш тооны үзүүлэлтийг Variable in set –д сонгож оруулна Хэрэв сонгосон үзүүлэлт чинь dichotomies байвал ямар утгыг нь тоолох гэж байгаагаа зааж, хэрэв категорийн үзүүлэлт бол тэр категорийнхоо рангийг (range) тодорхойлж єгєх хэрэгтэй. Дэд файл бүрт нэгэн утгатай нэр олгохыг анхаарах хэрэгтэй. Ингээд Add дээр дарахад тухайн үүсгэх дэд файлын нэр орно. Ингээд Close-г дарвал шаардлагатай файл үүссэн байх болно. Үүний адилаар шаардлагатай тооны файлаа үүсгээд тєрєл бүрийн таблиц гаргаж авах ажилд орж болно. Multiple Response Frequencies Энэ процедур нь давталтын анализын таблицуудыг (frequency tables) дээр тодорхойлсон Multiple Response Define Sets-процедурын бэлтгэсэн файлуудыг ашигладан хийдэг. For multiple dichotomy sets, category names shown in the output come from variable labels defined for elementary variables in the group. If the variable labels are not defined, variable names are used as labels. For multiple category sets, category labels come from the value labels of the first variable in the group. If categories missing for the first variable are present for other variables in the group, define a value label for the missing categories. Алдаатай утгуудын (Missing Values) хувьд тэдгээрийг судалгаанд хамруулах эсэхийг харгалзах цонхонд нь сонгож зааж єгєх хэрэгтэй. Ингээд ОК дарахад нийт хариултын тоо, ажиглалт, утгат болон алдаатай ажиглалтын хувь зэрэг үзүүлэлтүүд гарч ирнэ. Multiple Response Crosstabs


49

Энэ нь дээрхийн адил Multiple Response Define Sets-процедурын бэлтгэсэн файлуудыг ашиглан Crosstabs .. хийдэг зарчмыг баримтлан гарах таблицуудыг бэлтгэнэ. Орох үзүүлэлт зарчмуудаа тодорхойлсоны дараа ОК –г дарж гарах таблицаа үзэж болно. 6. 17. Missing Value Analysis - Алдаатай утгын анализ Алдаатай утгын процедур нь дараах 3 гол үүргийг гүйцэтгэнэ. Үүнд: Алдаатай утгууд хаана байгаа, тэдгээр нь байх утгаасаа хир их хазайж хэтэрсэн, байх ѐстой утгаа огт аваагүй байгаа зэргийг тодорхойлж єгнє. Шалгагдаж байгаа үзүүлэлтүүдийн дундаж, стандарт хазайлт, ковариац, корреляц зэргийг зохих математик аргууд (listwise, pairwise, regression, or EM (expectation-maximization)) –ыг хэрэг тооцож єгнє. Шалгагдаж байгаа үзүүлэлтүүдийн бүрэн бүтэн байдлыг шалгаж бүрэн болгох нєхцєлийг алдаа багатайгаар тогтоох тооцоонуудыг хийж єгнє. Ингээд холбогдох үзүүлэлт, характеристикүүдийг тодорхойлж алдаатай үзүүлэлттэй ажиглалтаас алдаатай (MISSING) үзүүлэлтгүй ажиглалтын баганыг тодорхойлж єгнє. Дуудах: Missing Value Analysis менюнээс Analyze, Missing Value Analysis –ийг дарж ороод ядаж нэг шалгах тоон үзүүлэлт сонгож оруулаад категор болох (categorical variables (numeric or string)) үзүүлэлтийн дээд(Maximum) хязгаарыг сонгоно.

Дэд меню дотор: Patterns - ямар үед алдаатай утгыг гаргаж үзүүлэх тэхдээ ямар бүлгийн үзүүлэлтээр хэрхэн ялгаж харуулах зэргийг


50

Descriptives – алдаатай утгын ямар статистикийг тооцуулж авах зэргийг зааж єгнє. estimation - Алдаатай утгын үнэлгээг тооцох аргаа сонгож єгнє Хэрэв та EM юмуу Regression – г сонгох бол түүнд шаардагдах тархалт, регрессийн арга холбогдох файлын нэрээ зааж єгєх хэрэгтэй. Ингээд зааж єгєх ѐстой зүйлсээ бүрэн заасан гэж үзэж байгаа бол ОК дарж үр дүнгийн хүснэгтийг шууд авах эсвэл PASTE дарж SYNTAX болгон авч хадгалаад бүтнээр нь юмуу хэсэгчилэн дуудаж болно. Энд нэг гол анхаарах зүйл бол алдаатай бєглєгдсєн гэж үзэж байгаа үзүүлэлтийг хэрэв категорчлоогүйгээр авбал тухайн үзүүлэлтийн алдаатай утгын үнэлгээг бүх ажиглалтын хэмжээгээр хийх ба харин категорчлох үзүүлэлт оруулбал категорийн тєрєл бүрт үнэлгээ хийж єгдєг болохыг ялгаатайгаар ойлгож авах нь чухал.

11056518104b4db8a542c951263384741

Documents