Analisa Statistik - SPSS

Lima-enam dan mungkin sepuluh tahun lepas, SPSS saja sudah tak mencukupi bagi PhD di KICT. Rakan-rakan dan pelajar-pelajar PhD di UIAM sibuk mencari analisa statistik baru seperti SEM, Lisrel, PLS, Hierarchical Linear Modeling dan lain-lain. Pelajar kewangan ada juga menggunakan STATA (tak berkait dengan SPSS). Namun begitu, prasyarat untuk semua analisa itu memerlukan pengetahuan asas SPSS.

Di sini saya ingin memberi gambaran tentang SPSS dari buku Julie Pallant dan sumber-sumber lain. Apa dia SPSS?

Analisa data adalah hanya salah satu bahagian dalam proses kajian. Sebelum anda boleh menggunakan SPSS untuk menganalisa data anda, ada beberapa perkara yang perlu dilakukan sebelumnya. Pertama, anda perlu mereka kajian anda dan pilih instrumen pengumpulan data yang sesuai. Setelah anda melakukan kajian anda, data yang dikumpul perlu disediakan untuk dimasukkan kedalam SPSS (menggunakan sesuatu yang dipanggil ‘buku kod’). Untuk memasukkan data kedalam SPSS, anda mesti memahami bagaimana SPSS berfungsi dan bagaimana untuk bercakap dengannya secara sepatutnya.

Bab 1 menyediakan beberapa tip dan cadangan untuk menyediakan kajian anda, dengan tujuan untuk mendapatkan data yang berkualiti baik.

Bab 2 meliputi penyediaan buku kod untuk menterjemah maklumat yang diperolehi  daripada kajian anda kedalam format yang sesuai untuk SPSS.

Bab 3 membawa anda kedalam SPSS dan sebahagian skil yang perlu anda juga dibincang disitu.

Saya andaikan anda sudah ada asas statistik untuk bahagian 3 dan akan membincangkan serba sedikit bahagian 4 – 5 di bawah.  

PART THREE Preliminary analyses

6 Descriptive statistics

7 Using graphs to describe and explore the data

8 Manipulating the data

9 Checking the reliability of a scale

10 Choosing the right statistic

PART FOUR Statistical techniques to explore relationships among variables

11 Correlation

12 Partial correlation

13 Multiple regression

14 Logistic regression

15 Factor analysis

PART FIVE Statistical techniques to compare groups

16 T-tests

17 One-way analysis of variance (ANOVA)

18 Two-way between-groups ANOVA

19 Mixed between-within subjects analysis of variance

20 Multivariate analysis of variance (MANOVA)

21 Analysis of covariance (ANCOVA)

22 Non-parametric statistics

Bahagian 4

Dari model kajian, bahagian 4 ini akan menolong anda mengesan dan menceritakan perhubungan antara variabel. Teknik korelasi selalu digunakan oleh pengkaji yang terlibat dalam kajian berbentuk bukan eksperimen. Bukan seperti kajian eksperimen, variabel tak dimanipulasi dengan sengaja atau dikawal yakni variabel diceritakan seperti ia wujud secara tabii.

Terdapat beberapa teknik dalam SPSS untuk jelajah perhubungan. Ia berbeza bergantung kepada jenis soalan kajian yang hendak dijawab dan juga jenis data yang ada. Kebiasaannya bagi pengkaji sains sosial menggunakan korelasi, regresi bivariate, regresi multiple dan analisa faktor untuk menguji model dan teori, menganggar hasil (predict outcomes) dan menilai kebolehpercayaan dan kesahihan skala.

NB: Ada beberapa andaian yang biasa dalam semua teknik dalam Bab 4. Antaranya, tahap pengukuran, pairs berkait, pemerhatian yang berdikari, normaliti, lineariti, dan homoscedasticiti.

Dalam entri ringkas ini tak dapatlah untuk menceritakan setiap teknik dengan panjang lebar.

Bahagian 5

Dalam bahagian ini, pelajar akan menjelajahi teknik-teknik dalam SPSS untuk menilai perbezaan antara kumpulan atau kondisi. Teknik yang digunakan agak kompleks kerana ia mengambil banyak teori terlindung (underlying) dan prinsip statistik. Dinasihatkan anda mempunyai sekurang-kurangnya pemahaman asas tentang prinsip statistik yang anda ingin gunakan.

Ada banyak teknik statistik dalam SPSS untuk menguji perbezaan signifikan antara kumpulan. Antaranya adalah:

• Independent-samples t-test
• Paired-samples t-test
• One-way analysis of variance (between groups)
• One-way analysis of variance (repeated measures)
• Two-way analysis of variance (between groups)
• Mixed between-within groups analysis of variance
• Multivariate analysis of variance (MANOVA)
• One-way, and two-way analysis of covariance (ANCOVA), and
• Non-parametric techniques

Penggunaan teknik statistik banyak bergantung kepada jenis soalan kajian anda, jenis data yang ada dan jumlah variabel dan kumpulan yang ada. Antara point utama untuk diingat semasa memilih teknik yang sesuai dengan kajian anda adalah:

  

• T-tests digunakan apabila anda ada hanya dua kumpulan.
• Teknik analisa variance digunakan apabila anda ada dua atau lebih kumpulan.
• Teknik paired-samples atau repeated-measures digunakan apabila anda menguji orang yang sama pada lebih satu masa atau anda mempunyai matched pairs.
• Teknik antara-kumpulan atau sampel-berdikari digunakan apabila subjek dalam setiap kumpulan adalah orang yang berlainan (atau berdikari).
• Analisa varian sehala digunakan apabila anda mempunyai hanya satu variabel berdikari.
• Analisa varian dua-hala digunakan apabila anda mempunyai dua variabel berdikari.
• Analisa varian multivariate digunakan apabila anda mempunyai lebih dari satu variabel bergantung. Dan
• Analisa kovarian (ANCOVA) digunakan apabila anda perlu mengawal variabel tambahan yang mungkin akan mempengaruhi perhubungan antara variabel bergantung dan berdikari anda.

Seperti bahagian 4, di sini juga ada andaian yang perlu anda ketahui. Antaranya: tahap pengukuran, sampel rawak, pemerhatian berdikari, pembahagian (distribution) normal dan varian yang homogene.

    

Di samping itu anda juga perlu beri perhatian kepada kesalahan seperti Jenis 1 dan 2 dan kuasa. Anda juga boleh lakukan perbandingan terancang/analisa post-hoc. Akhirnya, ketahuilah saiz kesan (atau ‘kekuatan asosiasi’) yang boleh menilai kepentingan penemuan anda. Ia adalah satu set statistik yang menunjukkan magnitud relatif perbezaan antara purata (means). Antara ‘saiz kesan’ yang biasa adalah eta squared, Cohen d dan Cohen f.  

Sekian untuk kali ini.

Selamat mencuba dan Berjaya.

~yba~