متغیر ها یا اعدادی که در تحقیق استفاده
میشوند و باید در عنوان به آنها اشاره کرد، به دو دسته کمی و کیفی تقسیم میشوند.
🔰متغیرهای کمی خود شامل 2⃣دسته میشوند: 👇
✳️کمی گسسته: به عنوان نمونه میتوان از تعداد کتاب ها، تعداد فرزندان و بیماران نام برد.
✳️کمی پیوسته: میتوان به قد، وزن و مواردی از این دست اشاره کرد که میتوانند اعشار بگیرند و هر عددی بین دو عدد صحیح را اختیار کنند.
🔰متغيرهاي كيفي که بیان کننده حالات یا صفات هستند نيز به2⃣ دسته تقسيم مي شوند:👇
✳️كيفي اسمي: برتري ترتيبي بين حالات مختلف متغير وجود ندارد؛ مانند جنس يا شغل.
✳️كيفي رتبهاي: برتري ترتيبي بين حالات مختلف متغير وجود دارد؛ مانند درجه بدخيميها يا ميزان تحصيلات.
🔴اما تقسیمبندی دیگری نیز برای متغیرها وجود دارد.متغیرها از نظر نقشی که ایفا میکنند به پنج دسته تقسیم می شوند:👇
✴️متغیر مستقل یا متغیر تاثیرگذار: یک ویژگی از یک محیط می باشد و با انتخاب و دستکاری محقق و پژوهشگر می تواند دارای مقدار شده و تاثیر آن بر عناصر و متغیرهای دیگر تحقیق بررسی شود.
✴️متغیر وابسته: این نوع از متغیر وابسته به متغیر مستقل بوده و تغییراتش از آن تاثیر میپذیرد.
🌀برای مثال در عنوان “بررسی رابطه سلامت روان و عملکرد در دانشجویان پزشکی در یک دانشگاه”، سلامت روان متغیر مستقل و عملکرد تحصیلی دانشجویان متغیر وابسته است.
✴️متغیر مخدوش کننده: حالت معمولِ بین متغیرهای مستقل و وابسته را به هم میریزد.😕 در مطالعه بررسی نمیشود اما روی خروجی کار تاثیر میگذارد و برای صحت مطالعه،باید متغیر مخدوش کننده به روشهایی کنترل شود!
🌀در مثال بخش قبل، عملکرد تحصیلی دانشجویان از عوامل محیطی دیگری نیز تاثیر میپذیرد که ما در مطالعه به آن نپرداختیم.
✴️متغیر زمینه ای: اگر در یک مطالعه متغیری دارای نقش مستقل، وابسته یا مخدوش کننده نباشد، آنگاه می توان آن را به عنوان متغیر زمینهای در نظر گرفت.
🌀از جمله این متغیرها میتوان به جنس، مذهب، نژاد و غیره اشاره کرد به شرط آنکه جزء هیچ یک از سه گروه دیگر متغیرها قرار نگیرند!
✴️متغیر مرکب: مرکب از چند متغیر است.
🌀مانند BMI
⚠️اشاره کردن به متغیرهای پژوهش در عنوان ضروری است!!
🟣در تحلیل آماری p-Value چه اطلاعاتی به شما می دهد؟🧐
تعیین کننده رابطه بین متغیر های شماست. در مثال مذکور رابطه بین سلامت روان و عملکرد تحصیلی دانشجویان در ابتدای طرح خنثی و بدون تاثیر در نظر گرفته میشود که فرضیه صفر (H0) نامیده میشود.
⬅️علاوه بر وجود فرض صفر در پژوهش، فرضیهای دیگر به نام فرضیه خلاف (H1) نیز وجود دارد. شما در واقع در تحلیل دادهها به دنبال رد فرضیه صفر و تایید فرض خلاف آن هستید. P-value در واقع قدرت هریک از فرضهای خلاف و صفر را نشان میدهد. p-Value عددی بین ۰ و ۱ میباشد و به شکل زیر تفسیر میگردد:👇
🟢الف)p-Value کوچک (که معمولاً کوچکتر یا مساوی عدد ۰/۰۵ است.) نشان میدهد که شواهد قوی علیه فرض صفر وجود دارد. بنابراین اگر p-Value در نتایج شما برای یک آزمون کوچکتر از عدد مذکور به دست آید نشان میدهد که شما میبایست فرض صفر را رد نموده❌ و فرض خلاف آن را قبول کنید.✅
🟢ب) p-Value بزرگتر (که معمولاً بزرگتر از عدد ۰/۰۵است.) نشان میدهد که شواهد به دست آمده بر علیه فرض صفر ضعیف هستند و در نتیجه شما فرض صفر را میپذیرید.✅
🟢ج)p-Value بسیار نزدیک به نقطه برش (یعنی نزدیک به عدد ۰/۰۵) معمولاً به عنوان نمره مرزی تلقی میگردد. در اینصورت p-Value گزارش میشود تا خوانندگان بر اساس آن نتیجهگیری خاص خودشان را انجام دهند.