محاسبه متغیر تعدیلگر در SPSS

متغیر تعدیلگر (متغیر تعدیل کننده) متغیری است که رابطه بین دو متغیر دیگر را تحت تاثیر قرار می‌دهد. 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 فاصله‌ای 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 اندازه‌گیری متغیرها را مطالعه کنید.

انواع روش‌های محاسبه متغیر تعدیلگر

با توجه به مقیاس اندازه‌گیری متعیرهای مستقل و تعدیلگر چهار حالت وجود دارد:

  • 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 پرسشنامه‌های طیف لیکرت که دانشجویان مدیریت استفاده می‌کنند 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

برای هر یک از حالت‌های

اگر متغیرهای مستقل و تعدیلگر هر دو اسمی باشند از تحلیل واریانس دو راهه استفاده کنید.

اگر متغیر مستقل از نوع نسبی-فاصله‌ای باشد و متغیر تعدیلگر از نوع اسمی-ترتیبی باشد از رگرسیون خطی استفاده کنید.

اگر متغیر مستقل ار نوع اسمی-ترتیبی باشد و متغیر تعدیلگر از نوع نسبی-فاصله‌ای باشد از رگرسیون خطی استفاده کنید.

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.

مثال محاسبه متغیر تعدیلگر در SPSS

حالت دوم پر کاربردترین حالت در بررسی نقش تعدیلگر متغیرها 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: بررسی رابطه میان اعتماد و وفاداری با توجه به نقش تعدیلگر جنسیت

فرضیه پژوهشی

جنسیت رابطه ی میان اعتماد و وفاداری را تعدیل می‌کند.

برای آزمودن فرضیه ی پژوهش از رگرسیون خطی استفاده می‌شود.

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 سمت چپ به کادر Numeric Expression منتقل کنید و با کلیک بر گزینه ضربدر، جلوی جنسیت علامت ضربدر بگذارید.

متغیر اعتماد را به این کادر اضافه کنید و برای متغیر مضروب در قسمت Target Variable یک اسم وارد کرده و روی دکمه OK کلیک کنید.

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

محاسبه متغیر مضروب در SPSS

محاسبه متغیر مضروب در SPSS

در مثال فوق متغیری به نام Mod را ایجاد کردم که حاصل ضرب متغیر جنسیت Gender در اعتماد Trust است.

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

از منوی Analyze گزینه Regression فرمان Linear را اجرا کنید.

متغیر وابسته وفاداری را به کادر Dependent وارد کنید. در تکنیک رگرسیون خطی فقط می‌توان یک متغیر را به کادر Dependent وارد کنید.

متغیر مستقل اعتماد  را به کادر Independent وارد کنید.

روی دکمه Next کلیک کنید.

متغیر حاصل از مضروب جنسیت در اعتماد را به کادر Independent وارد کرده و برای اجرای فرمان روی دکمه OK کلیک کنید.

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

تفسیر نقش متغیر تعدیلگر در SPSS

اولین خروجی مربوط به جدول Model Summary است.

جدول خلاصه تغییرات مدل رگرسیون

جدول خلاصه تغییرات مدل رگرسیون

همانگونه که در نخستین جدول خروجی در شکل بالا مشاهده می‌شود، میزان ضریب تشخیص متغیر وابسته از ۰/۵۰۳ به ۰/۵۱۳ افزایش یافته است.

محاسبه ضریب متغیر تعدیلگر

محاسبه ضریب متغیر تعدیلگر

جدول بااهمیت بعدی Coefficients است.

میزان تاثیر اعتماد بر وفاداری در مدل نخست ۰/۷۰۹ و در مدل دوم ۰/۷۷۸ بدست آمده است.

همچنین در مدل شماره دو مشخص شده است که متغیر تعدیلگر جنسیت نقش کاهشی دارد و میزان آن -۰/۱۲۳ بدست آمده است. از آنجا که آماره تی نیز -۲/۸۸۸ بدست آمده است و قدرمطلق آن از مقدار بحرانی ۱/۹۶ بزرگتر است بنابراین نقش تعدیلگری جنسیت معنادار است.

کاربرد آزمون z فیشر در تفسیر نقش متغیر تعدیلگر

یکی دیگر از شیوه‌های تحلیلی مثال پژوهشی (در صورت برابر واریانس‌های 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 همبستگی‌ها 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، فرضیه‌های هدفمند باید پیش از شروع پژوهش تنظیم شوند.

منبع: حبیبی، آرش؛ سرآبادانی، مونا. (۱۴۰۱). آموزش کاربردی SPSS. تهران: نارون.

3.7 3 رای ها
امتیازدهی به مقاله