محاسبه متغیر تعدیلگر در SPSS

آموزش محاسبه متغیر تعدیلگر در SPSS

منبع: ممحاسبه متغیر تعدیلگر در SPSS نویسنده آرش حبیبی کتاب آموزش SPSS

متغیر تعدیلگر یا متغیر تعدیل کننده متغیری است که رابطه بین دو متغیر دیگر را تحت تاثیر قرار می دهد. چهار حالت برای متغیر تعدیلگر وجود دارد که مرسوم ترین آنها زمانی است که متغیر تعدیل کننده از نوع اسمی و متغیر مستقل از نوع فاصله ای باشد. برای محاسبه متغیر تعدیلگر در SPSS باید با مفهوم متغیر تعدیلگر و همچنین انواع مقیاس سنجش متغیرهای پژوهش آشنا باشید.

انواع مقیاس سنجش متغیرهای پژوهش

  • اسمی
  • رتبه‌ای
  • فاصله ای
  • نسبی

بحث انواع مقیاس اندازه گیری متغیرها را مطالعه کنید.

انواع روش های محاسبه متغیر تعدیلگر

  • حالت اول: متغیر مستقل و تعدیلگر هر دو از نوع طبقه‌ای (اسمی-رتبه‌ای) باشند.
  • حالت دوم: متغیر تعدیلگر از نوع طبقه‌ای (اسمی-رتبه‌ای) و متغیر مستقل پیوسته (نسبی-فاصله‌ای) باشد.
  • حالت سوم: متغیر تعدیلگر پیوسته و متغیر مستقل از نوع طبقه‌ای باشد.
  • حالت چهارم: هر دو متغیر تعدیلگر و مستقل پیوسته باشند.

برای مثال  بیشتر پرسشنامه های طیف لیکرت که دانشجویان مدیریت استفاده می کنند شامل دو بخش است:

الف) اطلاعات جمعیت شناختی مانند جنسیت، سن، تحصیلات و …

ب) سوالات تخصصی شامل سوالات مربوط به هریک از ابعاد پرسشنامه با طیف لیکرت پنج درجه

حالت اول زمانی است که بخواهید نقش تعدیلگر یک متغیر جمعیت شناختی (اسمی) را نسبت به یک متغیر جمعیت شناختی دیگر بسنجید باید. در این حالت باید به سراغ تحلیل واریانس دو-راهه بروید.

حالت چهارم زمانی است که بخواهید نقش تعدیلگر یک عامل اصلی (نسبی) را نسبت به یک عامل اصلی دیگر بسنجید. در این حالت می‌توانید از محاسبه متغیر تعدیلگر با روش رگرسیون هایس استفاده کنید.

اما حالت دوم پر کاربردترین حالت می‌باشد. در بیشتر مطالعات لازم است که نقش تعدیلگر یک متغیر جمعیت شناختی را در رابطه دو عامل اصلی مدل بسنجید. برای مثال بررسی نقش جنسیت در رابطه اعتماد و رضایت مشتریان. در این مثال باید بررسی کنید آیا جنسیت میزان و جهت رابطه بین اعتماد و رضایت را تحت تاثیر قرار میدهد؟ محاسبه این حالت با تکنیک رگرسیون امکانپذیر است. محاسبه متغیر تعدیلگر در SPSS در ادامه تشریح شده است.

مثال محاسبه متغیر تعدیلگر در SPSS

بررسی رابطه میان اعتماد و وفاداری با توجه به نقش تعدیلگر جنسیت

فرضیه پژوهشی

جنسیت رابطه ی میان اعتماد و وفاداری را تعدیل می کند.

برای آزمودن فرضیه ی پژوهش از رگرسیون خطی استفاده می شود.

در محیط SPSS چهار متغیر برای انجام این تحلیل باید وارد شود.

جنسیت افراد نمونه، نمره اعتماد و وفاداری افراد و در نهایت متغیر مضروب جنسیت در اعتماد نیز باید محاسبه گردد و در محیط SPSS تولید شود. برای به دست آوردن مضروب جنسیت در اعتماد، از سربرگ Transform و گزینه ی Compute variable استفاده کنید.

متغیر جنسیت را از جعبه ی سمت چپ به جعبه ی :Numeric Expression منتقل کنید و با کلیک بر گزینه ی ضربدر، جلوی جنسیت علامت ضربدر بگذارید.

سپس متغیر اعتماد را به جعبه ی مذکور اضافه کنید و بعد از تعیین نامی در جعبه Target Variable، برای اجرای فرمان بر دکمه Ok کلیک کنید.

بعد از این مراحل، متغیر مضروب مورد نظر در محیط SPSS ساخته می شود.

اینک جهت آزمودن نقش تعدیل گری جنسیت مراحل زیر را دنبال کنید.

از سربرگ Analyze گزینه ی رگرسیون خطی را انتخاب کنید و متغیر وفاداری را در جعبه ی Department: و متغیر مستقل (اعتماد) و تعدیل گر (جنسیت) را د رجعبه ی Independent(s): قرار داده و بر گزینه ی Next کلیک کنید.

متغیر حاصل از مضروب جنسیت در اعتماد را به جعبه ی Independent(s): وارد کرده و برای اجرای فرمان بر گزینه ی Ok کلیک کنید.

نتایج حاصل از رگرسیون با در نظر گیری نقش متغیر تعدیلگر در خروجی زیر نمایش داده شده است.

نتیجه نقش تعدیلگر در SPSS

نتیجه نقش تعدیلگر در SPSS

تفسیر نقش متغیر تعدیلگر در SPSS

همانگونه که در نخستین جدول خروجی در شکل بالا مشاهده می شود، همبستگی میان اعتماد و وفاداری برای مردان ۰/۸۵۵ و برای زنان ۰/۵۳۰ است.

در دومین جدول، متغیر اعتماد و جنسیت ۰/۴۹۰ از واریانس وفاداری را پیش بینی می کند.

وارد کردن متغیر مضروب تنها در حدود ۲ درصد بر مجذور همبستگی اضافه می کند.

اگر این دو درصد معنی دار باشد، نقش جنسیت به عنوان متغیر تعدیل گر تأیید می شود.

مقدار معنی داری ضریب رگرسیون در سومین جدول ۰/۲۵۹ بدست آمده است که از سطح خطای ۰/۰۵ بزرگتر است بنابراین افزایش ۲ درصدی ناشی از تاثیر متغیر مضروب، معنادار نیست.

میزان همبستگی ۰/۸۵۵ و ۰/۵۳۰ که به ترتیب مربوط به مردان و زنان است، علی رغم تفاوت ظاهری از لحاظ آماری معنادار نیست..

کاربرد آزمون z فیشر در تفسیر نقش متغیر تعدیلگر

یکی دیگر از شیوه های تحلیلی مثال پژوهشی (در صورت برابر واریانس های سطوح گوناگون متغیر تعدیل گر از لحاظ متغیر مستقل)، کاربرد آزمون z فیشر است.

فرمول این آزمون از این قرار است.

محاسبه میزان تاثیر تعدیلگر

محاسبه میزان تاثیر تعدیلگر

برای استفاده از آزمون z فیشر، مقادیر همبستگی اولیه باید به مقادیر zr تبدیل شوند.

همان گونه که در اولین جدول خروجی شکل ملاحظه شد، همبستگی برای مردان ۰/۸۵۵ و برای زنان ۰/۵۳۰ است.

مقادیر متناظر با این همبستگی ها در جدول zr فیشر به ترتیب برابر با ۱/۲۷ و ۰/۵۹ است.

N1 و N2 در فرمول به ترتیب به حجم نمونه در گروه مردان و زنان مربوط است.

آماره ی z در این مثال فرضی برابر با ۱/۷۳ است و از مقدار لازم ۱/۹۶ برای آزمودن فرضیه دو سویه کمتر است.

بنابراین، تعدیل گر بودن جنسیت از لحاظ آماری معنی دار نمی باشد.

گفتنی است که مقدار بحرانی آزمون یک شویه برابر با ۱/۶۵  است؛ به عبارت دیگر اگر پیش از جمع آوری داده ها، فرضیه ی پژوهش یک سویه تنظیم شده بود، مقدار z مشاهده شده ی (۱/۷۳) برتری همبستگی در مردان نمی توان فرضیه ی یک سویه تنظیم کرد. به بیان دیگر، فرضیه های هدفمند باید پیش از شروع پژوهش تنظیم شوند.