کارگاه آموزشی نرم‌افزار تحلیل آماری SPSS در چهار جلسه در آبان ماه برگزار می شود

به گزارش روابط عمومی دانشگاه علوم پزشکی تهران دانشکده پزشکی؛ این کارگاه با تدریس دکتر زهرا زمانی دکتری تخصصی پزشکی اجتماعی به صورت حضوری در سایت کامپیوتری طبقه سوم سالن شهدا و بصورت مجازی بر بستر اسکای‌روم برگزار می شود. در این کارگاه آموزشی که از سری کارگاه‌های فصل پاییز واحد آموزش و توانمندسازی کتابخانه و مرکز یادگیری دانشکده پزشکی است، همچون کارگاه‌های آموزشی پیشین پیش آزمون و پس آزمون و ارزشیابی نیز انجام خواهد شد و نتایج ارزشیابی در برنامه ریزی های بعدی کارگاه های آموزشی کتابخانه لحاظ خواهد شد. 

"اس پی اس اس" از جمله نرم‌افزارهایی است که برای تحلیل‌های آماری در علوم اجتماعی، به صورت بسیار گسترده‌ای استفاده می‌شود. این نرم‌افزار توسط پژوهشگران بازار و داد و ستد، پژوهشگران سلامتی، شرکت‌های نقشه‌برداری، دولتی، پژوهشگران آموزشی، سازمان‌های بازاریابی و غیره به کار می‌رود. افزون بر تحلیل‌های آماری، مدیریت داده‌ها و مستندسازی داده‌ها نیز از ویژگی‌های نرم‌افزار هستند.

آماری که نرم‌افزار پایه شامل می‌شود عبارتست از:

آمار توصیفی: جدول‌بندی شطرنجی، بسامدها، توصیفات، کاوش، آمار توصیفی نسبی

آمار دومتغیری: میانه‌ها، آزمون تی، تحلیل پراکنش، همبستگی، آزمون‌های غیرپارامتری

پیش‌بینی برآمدهای عددی: برگشت خطی

پیش‌بینی برای تشخیص گروه‌ها: تحلیل عاملی، تحلیل خوشه‌ای، جداکننده

 

سرفصل‌های کارگاه آموزشی نرم‌افزار تحلیل آماری SPSS بدین شرح است:

جلسه اول:

1. -     آشنایی اولیه  با نرم افزار SPSS و کاربرد آن در پژوهش
2. -     تعریف متغیر، انواع و نقش آنها از نظر کاربردی در مطالعات با ذکر مثال
3. -     تعریف انواع مطالعات پژوهشی و اهمیت آن برای ورود داده ها به نرم افزار
4. -     استفاده عملی در نرم افزار SPSS در تجزیه و تحلیل داده ها
5. -     آشنایی با  پنحره های,Data Editor شامل variable viewو data view
6. -      نحوه ورود داده های خام  در نرم افزار و تدوین بانک اطلاعاتی
7. -     توصیف اولیه داده های وارد شده در دو حالت کمی و کیفی و اهمیت آن

جلسه دوم:

1. -     مروری بر نکات اصلی جلسه قبل و نحوه ورود داده ها و توصیف ساده متغیرها
2. -     دستورات آماری select cases و split file
3. -     ساختن متغیر جدید بر اساس متغیرهای موجود با فرمول و عملیات ریاضی با دستور compute
4. -     تبدیل متغیر کمی به کیفی با دستور  مهم recode
5. -     تغییر کدهای یک متغیر بر حسب نیاز
6. -      شاخص های آماری مرکزی و پراکندگی در آنالیز توصیفی متغیرهای کمی و کیفی
7. -     دستورات descriptive و frequency

جلسه سوم:

1. -   تعیین فرضیه های آزمون قبل از آنالیز داده ها
2. -   تعیین ارتباط دو متغیر کمی با دستور correlate
3. -   مفهوم Pearson  و همبستگی بین متغیر ها
4. -   تعیین ارتباط دو متغبر کیفی(دو حالتی)- کمی در حالت پارامتریک با دستور independent sample T Test
5. -   تعیین ارتباط دو متغیر کیفی(دو حالتی)- کمی در حالت ناپارامتریک با دستور Mann Witney
6. -   تعیین ارتباط دو متغبر کیفی(چندحالتی)- کمی در حالت پارامتریک با دستور ANOVA
7. -   تعیین ارتباط دو متغیر کیفی(چند حالتی)- کمی در حالت ناپارامتریک با دستور Kruskal Wallis

جلسه چهارم:

1. -   مقایسه دو متغیر کیفی با دستور cross tab و  مفهوم chi²
2. -   دستور آماری paired- T Test
3. -   مقایسه میانگین داده ها با یک عدد ثابت از پیش تعیین شده
4. -   آنالیز های چند مغیره دادهای آماری و انتخاب مدل مناسب آماری
5. -   استفاده از دستور آماری رگرسیون لجستیک و کاربرد آن
6. -   استفا ده از دستور آماری رگرسیون خطی و کاربرد آن
7. -   استفاده از دستور repeated measure