تحلیل کوواریانس

صفحه 1:


صفحه 2:
۳ 5, تحليل كوواريانس ۸۱60۷۸ 

صفحه 3:


صفحه 4:
کوواریانس مم0 مقدمه واریانس(»»:): تغییرپذیری و پراکندگی نت است. کو(0)): اشتراک بین بعضی چیزها را می كويتدء ‎a‏ ‎((Covarkeime wil ylogS‏ عددى كه نشان می دهد چه میزان هر دو متغیر با همدیگر تغییر می ‎J S‏ عبارت ديكّر اگر در یک متغیر تفاوت ایجاد شده ا؛ ايا در متغير دیگر نيز اين تفاوت ایجاد شده است کوواریانس: تغییر مشترک بين دو واريانس. را گویند. 

صفحه 5:
تحلیل کوواربانس م0 ام ‎abet‏ * تحلیل کوواریانس توسط فیشر گسترش یافت و اولین نمونه از کاربرد آن در ادبیات پژوهشی در سال ۱۹۳۲ انتشار يافت و در حال حاضر به یک روشی مبدل گردید که به طور گسترده ای در پژوهش ‎cle‏ علوم رفتاری مورد. تاد ترا ی را 

صفحه 6:
تحلیل کووار بانس عصمبورون ۴ عصد») تحلیل کوواریانس (00000) روشی آماری ‎A‏ ‏که اجازه می دهد اثر یک متغیر مستقل بر ۳ وابسته را مورد بررسی قرار داد در حالی گه ۱ متغیر دیگر(کمکی) را بر روی متغیر وابسته حذف 2 تعدیل نماید. 

صفحه 7:
* در تحلیل کوواریانس یک متغیر وابسته کمی و چند متغیر مستقل کیفی و کمی وجود دارد. به متغیر مستثل کیفی عامل وبه متغیر مستقل کمی متغیر همگام. کمکی یا همپراش می گویند. * متغير كمكى مى تولند گسسته یا پیوسته باشد ولی بايد در مقياس فاصله ای یا نسبی اندازه گیری شود و با متغیر وابسته رابطه معناداری داشته باشد. 

صفحه 8:
8 متغیر کمکی متغیر مزاحمی است که پژوهشگر علاقه مند به برر مستقيم أن نيست ولى بر متغير وابسته تاثير مى كذارد. متغير كمكى به منظور حذف اثرات مزاحم از روى متغير وابسته ويا به منظور حذف تفاوت ها در كروه هليى كه از لحاظ متغير كمكى جور نشده اند. وارد تحلیل می شود. م در تحلیل کوواریانس خطا به دو بخش قابل پیش بینی از روی متغیر کمکی و غیر قابل پیش بینی تحت عنوان باقیمانده تفسیم می گردد. * متغیر های کمکی ممکن است از ویژگی های درونی یا ویژگی های بیرونی بشارکت کنندگان در پژوهش باشد. 

صفحه 9:
تحلیل کوواریانس عون ۴ ‎edo‏ * مواردی را که مستلزم یک متفیر وابسته کمی است مي توان به یکی از حالت های زیر طبقه بندی کرد: ۱- مستلزم متغیر مستقل کیفی است. برای بررسی امکان وجود تفاوت ها در متغیر وابسته. تحلیل واریانس مناسب است. ۲-مستلزم متغیر مستقل کمی است. برای بررسی تغییرات متغیر مستقل همراه با متغیر وابسته تحلیل همبستگی و رگرسیون مناسب است. ۳-مستلزم وجود متغیر مستقل کمی و کیفی است. برای بررسی تفاوت در متغير وابسته در سطوح مختلف متغیر کیفی تحلیل کوواریانس و 7 رگرسیون مناسب است. 

صفحه 10:
تحليل كووار يافنس «صم هرهم خم حورله) در آغاز پژوهش بهتر است كروه هاى آزمايشى با يكديكر معادل شود ساده ترين را براى اين منظور كمارش تصادفى أزمودنى ها به كروه هاف" آزمایشی است. با لین حال اگر گمارش تصادفی آزمودنی ها تنها عملیات مورد استفاده برای کنترل متفیرهای مزاحم باشد. چنین روشی واریانس را افزايش مى دهد و اثر متغیرهای آزمایشی را مخدوش می کند. برای حذف این اثر می توان از طرح بلوکی تصادفی و یا تحلیل كوواريانس استفاده کرد. 

صفحه 11:
* در طرح تحلیل واربالس فرض برلین است که متغیر های موجود در طرح» متغیر مستقل و وابسته است که متغیر مستقل واریللس بین گروهی را در متغیر وابسته تبیین می کند. * ولى يك موقعيت واقعى مى تولند از لين ييجيده تر شود و متفیرهای كمكى بر متغير وابسته تاثير بكذارد در لين زمينه تحليل كوواريانس ضمن حذف اثر متغير كمكى از روى متغير وابسته از طريق * در حقيقت تحليل كوواريانس تركيبى از الزامات و مزاياى روش ركرسيون و تحليل واريانس است. 

صفحه 12:
12 طرح های پژوهشی و تحلیل کوواربانس - کنترل آهارئ در صرح های غیر تصادفی ( آزمایشی یا تجربی نما) استفاده کرده اند. 

صفحه 13:
طرح های پژوهشی و تحلیل کوواریانس ۰ * از تحطیل کووار یانس در تحقیقات آزمابشى. آزمایشی و فییر آزمایشی استفاده مسی شود. اما" تفسير نتايج حاصل از تحلیل کوواریانس در 9 های شبه آزمایشی و غیر آزمایشی بابد احتیاط زيرا داده های حاصل از تحقبقات شبه آزمابشی غیر آزمایشی از گروه های تصادفی شده به دا نمی آید و حدف آفر یک متفیر کمکسی ممکن ! گروه ها را از لحاظ سابر متغیرها نامتعادل سازد. 

صفحه 14:
1 Pretest un posttest ‏از تحلیل کووار بانس معمول در طرح های پیش آز‎ * ‏بس آزمون استفاده مى شود. در لين طرج ها.‎ - ‏اينكه آزمودنى ها در شرايط آزمايشى قرار كيرا‎ ‏آزمون بر روى آنها اجرا مى شود و سبس بعد از‎ a ۵ ‏گرفتن آنضا در معرض شرایط آزمایشی مجددا‎ "ارمن ‏آزمون بر روی آنضا اجرا مسی گردد. در اینجا‎ ‏بيش ازمون به عنوان متغير كمكى به كار مى روها-‎ 

صفحه 15:
15 بهترین کاربرد برای تحلیل کوواربانس بهترین کاربرد در مواقعی است که آزمودنی ها به طور تصادفی انتخاب گردند و به طور تصادفی به گروه های آرمایشی) اختصاص یابند. در این گونه مواقع میانکین متغیر کمکی در گروه ها یکسان خواهد بود و هر تفاوتی را می توان ناشی از خطای نمونه گیری دانست. نچه تحلیل کوواربالس از روی گروه های دست نخورده صورت كيرد مانند گرو های نامعادل, باز مشکل تفسیر وجود دارد. دراینگهنه طرح به علت پدیده رگرسیون به طرف میانگین. حتی بدون عمل آز تاو ها در بس آرمون مشاهده می شود ۱ 3 8 2 0 2 

صفحه 16:
کاربردهای اصلی تحلیل کوواربانس ۱-افزلیش دقت در تحقیقا ‎Bees‏ ‏بیگلنه. وقتی کنترل مستقیم از طریق طرح آزمایشی غیر عملی و غير ممكن باشد. ۲-گاهی امکان واگذاری تصادفی آزمودنی ها به گروه ها و جورسازی وجود ندارد در این حالت تحلیل کوواربانس می تواند یک رو مناسب برای اصلاح تفاوت های اولیه موجود بین گروه هلا متغیر خاصی به کار رود. 16 

صفحه 17:
کاربردهای اصلی تحلیل کوواریانس ۳خنثی کردن اثرات متغیر های مزاحم در مطالعات ۰۰ ۳ به عبارت دیگر, بخواهیم تفاوت های موجود در متغیرهای بين كروه ها را به طور طبيعى وجود دارد و ناشى از تفاود 1 ای اح لهت سد ۳ ِ ۴- برازش رگرسیون ها در طبقه بندی چندگلنه» یعنی بخواهیم ‎pe‏ ‏بین دو یا چند متغیر کمی رابا استفاده ز ۰ ۳ ۱ متفیرهای مقوله ای بررسی کنیم. 17 

صفحه 18:
اهداف تحليل كوواريانس (Error variance )lb> (pil slg ‏*؟ كاهش‎ * هدف اصلی تحلیل کوواریانس, به دست آوردن برآوره ‎Mel 2b Salas‏ از خطای آزمایشی با در نظر گرفتن رگرسیون اندازه متغير وابسته بر روی اندازه متغیر کمکی است. ۹ * به طور کلی اگر اندازه های متفیر وابسته با اندازه ه ۳ ۱ همبستگی داشته باشند. آنگاه در نتیجه تحلیل کوواریانس. . : سای آزمایشی کوچکتر از تن خواهد بود که ۱ متغیر وابسته به دست می آید. 

صفحه 19:
روش های کاهش واریانس خطا ۲ * ممکن است متغیر کمکی سهمی در واریانس تبیین شده داشته باشد. در این حالت متفیر کمکی, واریانس خطا را | کاهش می دهد و همچنین میزان ۳ را کاهش می دهد و اثر 4 ضعیفی را تولید می کند. 

صفحه 20:
20 روش های کاهش وار > تس * ممكن است متغیر کمکی سهمی در واریانس تبیین شده نداشته باشد. در این حالت متغیر کمکی واریانس خطا را کاهش می دهد و میزان ۳ را افزایش می دهد و اثر 4 قدرتمندی را تولید می کند. ance Explained 3 

صفحه 21:
اهداف تحلیل کووار با * کنترل و بررسی تفاوت ها * از دیگر اهداف تحلیل کوواریانس این است که به پژوهشگر ۱ امکان را می دهد که مقدار متغیرهایی که از قبل وجود دارد. محاسبه نمایند تا تفاوت های موجود بین گروه ها مشخص نماه به کنترل این تفاوت ها بپردازند. 

صفحه 22:
مدای ما و ۱۳۳ حذف با کنترل آماری متغیرهای اضافی(200:1108۵1 ‎(variables‏ اگر بتوان لین متغیرها را شناسایی کرد و مورد اندازه گیری 3 سپس اثر اين متغیرها را در طرح تحقیق مورد کنترل قرار دهم درلین صورت بهترین روش برای لین کار استفاده از تحلیل کووار» ال ناشد که به ما امکان می دهد تا لثر متغیرهای ۳۰ کنترل نماییم. در هر تحقیقی متغیرهایی وجود دارد که نتایج را مخدوش می کند. > 

صفحه 23:
23 AN co [A Assumptions 

صفحه 24:
متغیرها ای کمکی را کا اهش می دهد. 

صفحه 25:


صفحه 26:
* متغير کمکی و متغیر وابسته باید کمی اندازه گیری شوذ: * متغیر کمکی و وابسته دارای نوزیع نرسال باشد. * یر یی پاید براساس ‏ تا ۱ و ۲ 

صفحه 27:
27 * خطاها مستقل از یکدیگر هستند و به گونه نرمال و با واریانس مساوی توزیع شده اند. * متغیر کمکی باید پیش از دستکاری آزمایشی اندازه گیری شود زیرا ممکن است اجرای متغیر مستقل بر متغیر کمکی تاثیر ل * متغير كمكى نبليد تحت تاثیر متغیر آزمایشی باشد. زیرا تفاوت بین میانگین متغیرهای وابسته را نمی توان به صراحت به متغیر آزمایشی نسبت داد در لين صورت محاسبه میانگین های ۱ ۱99۳۳ از اثر متغیر آزمایشی را حذف می کند. 

صفحه 28:
28 مفروضه های 900006) Wowoyeveiy oP reqession ‏بلید بین متفیر کمکی و متغیر وابسته همگنی شیب رگرشپون وجود‎ * ‏داشته باشد. رابطه بین متغیر وابسته و متغیر کمکی باید برای تمام‎ گروه های آزمایشی یکسان باشد. همه خطوط رگرس ور اهوازه باشند. ‎Group 3‏ ‎Group 3 Gras‏ ‎Group2‏ = 2 2 و مس ‎deal‏ ‎Covariate (X) Covariate (X)‏ ‎(a) Homogeneity of regression (slopes) (b) Heterogeneity of regression (slopes)‏ 

صفحه 29:


صفحه 30:
30 

صفحه 31:
ows esely oP reqressiva spe * ضریب رگرسیون متغیر کمکیبا متغیر وابسته بلید غیر صفر باشد. زیرا فرض بر این است که بین این دو رابطه وجود دارد. * یکی از دلایل مفروضه همگنی ضریب رگرسیون در تحلیل های 7 31 چند متغیریبه خصوص در تحلیل کوواربانس لین است که تحلیل های چند متغیری نسبت‌به نمرات پرت (0/۷()حساس هستتند یعنی مواردی از داده ها که انحراف زیادی از میانگین دارند. . 

صفحه 32:
شرایط استفاده از تحلیل کوواریانس ‎flay ew pea sis |e eet pee‏ مرس ‎oy. ‎ ‏ک مکی مقاسنسبی ف اصله ‎ease F aif‏ ود-2 |( — رلبطه بسيزمتغير ولبسته و كمكورلبطه خطوإست3 يتغبر كتمكى: حتف اثير كاربندى]يمايشى قرار ندارد -5 

صفحه 33:
جایکزین های مناسب برای تحلیل کوواریانس * رکرسیون خطی سلسله مراتبی * می توان به جای تحلیل کوواریانس از رگرسیون سلسله مراتبی که در لن متغیر کمکی ابتدا وارد می شود استفاده کرد. در صورتی که متغیر مستقل اسمی باشد رگرسیون لوجستیک و الگویلبی معادله ساختاری مناسب تر است. تحایل ۳۳۲۱۰ حقیقت نوعی تحلیل رگرسیون سلسله مراتبی است که برخی لهاك مستقل کم وبرخی کیت ۱ ۲ 

صفحه 34:
جایکزین های مناسب برای تحلیل کوواریانس < ۳ ۶ طرح بلوکی تصادفی (5109ع0 »0۱001 ۳۵۱000260 وقتی که بین متغیر وابسته و متغیرکمکی همبستگی پایین وجود دارد و رابطه بین متغیر وابسته و متغیر کمکی غیر خطی باشد و یا اينكة متغیر کمکی مقوله ای باشد. طرح بلوکی بر تحلیل کوواریانس برتری دارد. در این موارد روش بلوک بندی نسبت به تحلیل ۱ کوواریانس دارای انعطاف پذیری بیشتری می باشد. اما دارای 5 محدویت می باشد که متغیر بلوک بندی باید از قبل انتخاب و ۱ طرح وارد کرد. 

صفحه 35:
(gain scores ) 05933! ‏نمره هاى‎ * در لین استراتژزی برای هر آزمودنی یک اندازه قبلی و یک اندازه بعدی به دست می آید. سپس نمره های تفاوت این دو اندازه از طریق تحلبل وارینس(آزمون 3) تحلیل می شود. اگر ضریب رگرسیون ۱ باشد (که ذر علوم انسانی کمتر ممکن است يا آزمايش ۱ ۳۳ ‎Be tees as oles cle oa Pe‏ اثرات متغیر مستقل به دست می آورند. نه تحليل کوواریانس دارای انعطاف پذیری بیشتر و واریانس خطا ) 

صفحه 36:
نمونه ای از جدول ارائه اطلاعات تحلیل کوواربانس مجموع | درچه میانگین ‎che F‏ مجذورا | آزادی مجموع معناداری ‎df oe‏ مجذورات ‎sig‏ ‎MS ss‏ ۳۱/۲۵ ۱ ۲ 1 vary ۱۳/۸۳ ۱ ۲۰ ۲ are ۹۳/۵ ۸ ۷۳۷ درجه آزادی همپراش-تعداد متغیرهای کمکی درجه آزادی بین گروهی-1->1 درجه آزادی درون گروهی- ۱-۱-1 درجه آزاد = ‎N-2‏ 

صفحه 37:
® تحلیل کووارپلنس چند متغیری درموقعیتی شبیه به ‏ كوواريلنس ساده مورد استفاده قرار می گیردبه جزء اینکه ۳۹ تحلیل کوواریانس چند متغیری دو پا چند متغیر وابسته همراه با یک یا چند متغیر مستقل و کمکی مورد بررسی قرار می گیرد. * لین روش آماری در مواقعی که کنترل متغیر های اضلفی مشکل باشد می تواند کاملا مفید باشد. 37 

صفحه 38:
ی چند متغیری ۲ #روش محاسبه در تحلیل کوواربانس چند متغیری تا حد زیادی شبیه‌به تحلیل کوواربلنس و تحلیل واربالس چند متغیری است. نمرات تعدییل شده متغیر های وابسته با استفاده از تحلیل واربانس چند متغیری مورد ارزیابی قرار می گيرند. 38 

صفحه 39:
انتخاب آزمون معناداری 0060000068 * انتخاب آزمون معناداری تا حد زیادی به تعداد گروه های مورد اندازه گیری وابسته است. * وقتی دو گروه وجود داشته باشد لثر پیلایی مناسب است(حتی تصور می شود هر تعداد گروه مورد استفاده قرار گیرد)‌هر چند نسبت به خطا و اندازه های نابرابر گروه ها آسیب يذير است زيرا در اين تعدم همگتی واریانس بین گروه ها وجود دارد 

صفحه 40:
انتخاب آزمون معناداری 0600000 * لثر هتلینگ تنها وقتی که دو گروه وجود دارد مناسب است اما از توان آماری کمتری نسبت به اثر پیلایی دارد. *_زمانی که تعداد گروه ها سه یا بیشتر باشد لامبدای ویلکز مناسب است. توان آماری آن از لثر پلایی کمتر است اما با اين حال هنوز عموماً مورد استفاده قرار می گیرد . 

صفحه 41:
41 مفروضه ها و محدودیت های ‎MANCOVA‏ حداقل باید دو متغیر وابسته وجود داشته باشد . متغیرهای وابسته بلید دارای ویژگی های پارامتریک با داده های فاصله و دارای توزیع نرمال باشد. متغیرهای وابسته نباید با همدیگر همبستگی بالایی داشته باشند. همبستگی قلبل قبول بین متغیر های وابسته از ۰/۲۰ تا ۰ است. متغیر کمکی ‎wal‏ در تمام گروه ها دارای توزیع نرمال و با مقیاس فاصله ای اندازه گیری گردد. 

صفحه 42:
42 مفروضه ها و محدودیت های ‎MANCOVA‏ همبستگی بین گروه های مستقل نباید تفاوت معاداری ۳۳ باشد. لین موضوع با بررسی ماتریس واریانس-کوواریانس از طریق ()باکس قلیل اجرا است. در سطح معناداری بال6)()/)>) باید از آن دوری کرد. نباید بین گروه ها تفاوت معناداری وجود داشته باشد.این موضوع به عنوان همگنی شیب رگرسیون مطرح می شود. باید یک همبستگی قلبل قبولی بین متغیرهای وابسته با متغیرهای کمکی وجود داشته باشد . های مستقل باید مقوله ای باشند 

صفحه 43:
43 مفروضه ها و محدودیت های ‎MANCOVA‏ * همکنی واریانس بین گروه ها برای هر کدام از ۱ ۴۳۳۳ وجود داشته باشد لین موضوع با استفاده از آزمون لون قلبل بررسی است . * استقلال متغیر های کمکی کمتر مهکل است ۱۱۱ عنوان عامل سهیم در واربانس نتیجه مورد استفاده قرار می گیرد. با این وجود بررسی تفاوت بین گروه ها در متغیر کمکی معقول است زیرا به مشخص شدن واریانس خطا کمک می کند . 

صفحه 44:
44 مفروضه ها و محدودیت های ‎MANCOVA‏ Bee ‏های کمکی باید با متفیر وایسته رال‎ ers باشد زیرا واریانس یکسانی را در متغیر وابسته تبین می کنند. از داده های پرت باید در متغیرهای کمکی دوری کرد. ‎٩‏ تا انداره کروه ها برایر باشد. 

صفحه 45:
تعداد متغیرهای کمکی در تحلیل کووارپلنس می توان بیش از یک متغیر همگام را در نظر گرفت. آما باید محدودیت ها و مفروضه های مربوط به استفاده از متغیرهای کمکی را مورد توجه قرار داد. هیوتما(۱۹۸۰) فرمولی را در تعیین تعداد متغیر ها پیشنهاد می کند: ۵>/(-)+) )7 - تعداد متغیرهای کمکی: احتعداد گروه ها) بنابراین اگر 2200) باشد تعداد گروه ها ۲ باشد می توان از سه متغیر استفاده کرد زیرا مقدار کمتراز ۰/۱۰ می شود اگر لین کسر بیشتر از ۰/۱۰ شد.مقادیر میانگین های اصلاح شده ممکن است در طول تکرار پژوهش نوسان نشان دهند. 45 

صفحه 46:
از تحلیل کوواربلنس می توان به عنوان یک روش کنترل آماری نام برد. لين تحليلء ترکیبی از تحلیل واریلنس و رگرسیون مى باشل در اين تحلیل فرض بر این است که یک يا چند متغیر کمکی: علاوه بر متغیر مستقل باعث ایجاد تغییرات» در متغیر وابسته ‎Bie‏ ‏شوند. این متغیر کمکی اندازه گیری می شود و از طریق تحلیل! کوواریانس اثر آن تعدیل می گردد. | درحقیقت نقش تحلیل کوواریانس حذف تفاوت های اولیه» آشکار ساختن اقرآت کازبندی, و سرانخام تعفیلن میانگیرن ها است: 

صفحه 47:
تحلیل کوواریانس در 55و هس 

صفحه 48:
بررسی مفروضه همگنی رگرسیون ‎Analyze > General Linear Model > Univariate‏ :1 + مه هی اتمه ‎‘Myed Moceie: i? [Repeated Measures‏ :5 ‎Control 6 cone ۷ Bes‏ ف اد سيم ١ه‏ امس ۰ ل ‎Govt‏ ‎a ۶‏ ‎ont rg Oe ۰‏ سمس اد ‎٠‏ ۳ 5ك صصت + شب 5 6 ‎Control 6) —‏ > سین وچ او ‎ammount‏ {¢ سم 8 تاه 

صفحه 49:
پررسی همکنی یب رکرسپون 2:Univariate )-انتقال متغیر وابسته به کادر dependent variable ‏انتقال متغیر مستقل به کادر‎ fixed factor ‏©-انتقال متغير كمكى به كاد‎ covariate Random Factors) 4 انتخاب كزينه ‎Model‏ 5 pre 9 Coos.) Baste) eset) [eanet Lee) 

صفحه 50:
قسمت 660۷۵۲6 12610۲5 به |0006 انتقال دهید. ©- در قسمت ‎Build term(s)‏ | گزینه 016۲۵0۳[ انتخاب شده باشد = ‎continue chu» -‏ را ] انتخاب نمایید ‎ ‎ ‎ 

صفحه 51:
SPSS Output of the ANCOVA poe Sp ‏بررسى همكنى‎ or rs es ‏ررسی‎ Tests of Between-Subjects Effects Denendent rr Type ti Sum 57 ع | ‎ot__| mean square‏ هریت ل ‎Corrected wads! | 27 5 683.322 | 00 000‏ ‎Intercent 131.446 1 131.446 | 3.424 069‏ ‎group 94.590 2 47.295 | 2 298‏ ‎timet ans 160 1 gesn ian | naiaa ann‏ ‎group*timet | 47,3771 ۳۳ 23.689 | 617 | 543,‏ ‎Enor 2533.598, 66 38.388‏ ‎Total 185960.210 72‏ ‎Corrected Total 5950310 7‏ 2. R Squared = SAw(Adjusted R Squared = 542) SEE NN ars ‏سر سات ار‎ 5 Je es ‏این جدول‎ ‏مر هک رون‎ .2 jl 23> (homogeneity of regression slopes ) ‏ظاهر می گردد.‎ univariate model Cts! Jy 

صفحه 52:
بررسی رابطه خطی بین متفیر کمکی و وابسته ‎1:Graphs> Legacy Dialogs> Scatter/Dot‏ جسجو 5ه 7 Ble EM Yew Dats Tenstorm ‏دیش‎ [۱ 7 S28 8 6 ‏هه ۶ مج‎ [me 3 pe ‏مسج‎ [ars ee 5 ‏ع‎ 5 GROUP | covanate | dependent 77] ial 3D per 1 1 ‏00د‎ 0 DE 2 2 ‏یه و مه‎ man 46.00 مود 4.00 3 4 4.00 3.00 69.60 = مضه صا ‎en see‏ هه ‎io‏ 1 a ‏أل‎ Population Pyramid, صم مك صا ۳ نه ص سه ‎Lad Histogram,‏ 40.00 5750 1.00 1.00 7.60 0 4.00 70.00 58.00 1.00 5.00 3.50 =o ۰ 

صفحه 53:
بررسی رابطه خطی بین متغیر کمکی و وابسته ‎2-select : Simple Scatter> Define‏ 

صفحه 54:
بررسی رابطه خطی بین متفیر کمکی و وابسته ‎Simple Scatter‏ -3 

صفحه 55:
بررسی رابطه خطی بين متغير كمكى و وابسته ‎Simple Scatter‏ 4- انتقال متثير ها به كادر ها ‎-١‏ متغير وابسته را به كاد رلا ‎Beye eed‏ متغير كمكى رابه كادي ]ا . ‎ ‎ ‎ ‎ ‎ 

صفحه 56:
بررسی رابطه خطی بین متفیر کمکی و وابسته 5- دبلیو کلیک کردن بر روی نمودار 

صفحه 57:
بررسی رابطه خطی بین متفیر کمکی و وابسته ‎6-Elements +۳۴۱ Line at subgroups‏ ‘Le. Interpolation Line ۳۹ Wy Distri 2 

صفحه 58:
بررسی رابطه خطی بین متغیر کمکی و وابسته ‎7-select ۲‏ معمصس و سب جح 0 و کش میدن أآ 

صفحه 59:
بررسی رابطه خطی بین متفیر کمکی و وابسته نمودار فطوط ر گرسیون 

صفحه 60:
Analysis ANCOVA 1: Analyze > General Linear Model > Univariate | Me eS 0١ سوه | مس | امس امس / امس > سمه سمو ‎cont a ۱‏ ‎cont 2‏ > وید Bromucon, natty Con 7 roc cure. 308 

صفحه 61:
Analysis ANCOVA 2:Univariate متفیر وایسته را به کادر ‎dependent‏ .| ‎variable‏ Eas Facer: Random Factors) و متفیر مستقل را به _| كادر fixed factor covariate) و متفیر کمکی رابهس | کادر < ‎pre‏ ‎swoon‏ = ities Gc.) este) Caner Cae Co) = 

صفحه 62:
Analysis ANCOVA 3:Univariate- model Random Factors) covariate) ا »| WLS Went لاك 

صفحه 63:
Analysis ANCOVA 4:Univariate - model ‎-١‏ از قسمت ‎specify model‏ ‎full aa 58‏ ‎teil! 1, factorial‏ نمایید. ‏2 در پیان ‎cist!) continue‏ 

صفحه 64:
Analysis ANCOVA 5:Univariate- model گزینه ‎options‏ _ را از پنجره univariate ‏انتضاب می کنیم‎ — Desener vrais = ۳ ‏اس‎ Eas Facer: Fandom Factors) ملاوع pre 9 Coos.) Baste) eset) [eanet Lee) 

صفحه 65:
Analysis ANCOVA 6:Univariate - options ۳ Univariate: Options ‎ag Mane‏ امعم ‎ ‎factor and factor sagan ‏از‎ ‏متفیر مستقل را به قسمت 4 وه وله وس ‎[over | | display means for‏ ‎ ‏منتقل می کنیم. = ‎Ia compare an ec ‏در قسمت 0۱:0۱ گزینه های‎ -۲ ‏سس‎ Homogeneity tests ‎Descriptive statistics Deserve statatcs <P Estimates of effect size BZestnotesototedsin <1 Spread ll et ‏انتضاب می کنیم‎ ‏۳- در پایان 0۳۱6 را انتخاب ‎Eiconrastcosficient max}. General estimable functon‏ نما پید. ‎ ‎ ‎(see, te) ‎ 

صفحه 66:
SPSS Output of the ANCOVA fe این جدول برای Levene’s Test of Equality of Error Variance ۳ Dependent Variable: time2_ ‏ا‎ 5 i 22 Sa ‏انتخاب گزینه‎ 3 2 69 560, homogeneity tests “Tests the null hypothesis thatthe error variance of ae the depencent variable sequal across groups 00110115 ‏از پنجره‎ ۳ ظاهر می گردد. 66 

صفحه 67:
SPSS Output of the ANCOVA Descriptive sa Dependent eriable: post y 

صفحه 68:
SPSS Output of the ANCOVA Tests of Between Subjects fects Daendert Variable post ‏آزمون اثرات بين‎ 2 Patil ‏گروهی‎ of Squares Mean Square Souated Conected Modal 1 3 906 | T8503 0 ‏اللا 1 اللا‎ 12 ie 134 1 11412 ۱۷ 3 00 | 05512 | 1308 2 اد از ‎Eto 50 10‏ ‎Toll 14‏ ‎Comect Total 18188‏ ‎QR Squared= 972 (Adjusted R Squared= 470)‏ 

صفحه 69:
SPSS Output of the ANCOVA این بخش میانگین های تعدیل شده هستند که پس از حذف اش متخي کمکی به دست مى آينده كه با انتخاب display means for options eau ‏در‎ 95% Confidence Interval Upp Bound 6.046 5862 5462 Estimated Marginal Means Dependent Variable: post Nean_| sto.Eiror [ Lower Bound 5933" 028 6.930 9 028 5136 0 028 5.45 group Contral Int ‏شا‎ ‘a Covariates appearing in the model are evaluated at the folowing values: pe= 6.9673, 

صفحه 70:
تحلیل کوواریانس چند متغیری در ‎SPSS‏ 

صفحه 71:
بررسی مفروضه های تحلیل کوواریانس چند متفیری در 5۳85 ۱-همبستگی بین متفیررهای کمکی و متفیرهای وابسته را بررسی فى كليم ‎Oovrehtsl Overt 1 Pewson I ok oe‏ 0 ره ‎-O‏ بررسی استقلال متغیر کمکی(عدم وجود تفاوت معنادار در متغیر های کمکی در گروه های مختلف) ‎Ovdze [Cowper OeaslOwe-Oag PBDOOE® I ok‏ توزیع نرمال متغیرهای کمکی و وابسته را با ‎KG/GDIaAsS‏ 

صفحه 72:
بررسی مفروضه های تحلیل کوواریانس چند متفیری در 8۳56 4-همكنى شيب رگرسیون را بررسی می کنیم. Analyze General Linear Model-Multivariate select and transfer Variables —click Model~Custem — trasfer Independent & covariate &lndependent + covariate -continue -ok La tte G9) MANOVA ‏های بعدی یک‎ 

صفحه 73:
بررسی مفروضه های تحلیل کوواریانس چند متفیری در 5۳95 6- اجرای ۱۷۵۱0۷۸۵ Analyze > General Linear Model > Multivariate > transfer Variables > options>continue >ok 

صفحه 74:
ل زیجارد. ‎See‏ أبادى . ‎ate ees‏ ‎ae 5 1‏ تن زهره 4 ‎tt‏ ۰ کرلینجر؛ پدهازر (1388) 5 چند متغیری دا ءرفتاری. ترجمه حسن سرایی تهران) هومن, حبدرعلی (1390] تحلیل داده های چند ‎«sss, Jai ‘‏ تهران: ,سفی, فریده (1389) آما ارا رم ترب انشكاه 

صفحه 75: