SPSS ñèñòåìèéí òóõàé.

Эíý ïðîãðàìì íü ìàòåìàòèê ñòàòèñòèêèéí ¿íäñýí àðãóóäûí òîîöîî,

ñóäàëãààíû àæëûã êîìïüþòåðò WINDOWS 95-ààñ õîéøèõ ñèñòåì¿¿äèéí äîð õèéõýä çîðèóëàí õèéãäñýí. Îíöëîã íü ìàòåìàòèê ñòàòèñòèêèéí àðãа, ¿íäýñийг ñàéí ìýääýã, WINDOWS-èéí îð÷íû ïðîãðàììóóäûã àøèãëàæ ñóðñàí õ¿í õÿëáàð àðãààð ýçýìøèæ áîëîõîîð àñóóëãààð õàðèëöàæ (äèàëîã ãîðèì áóþó WIZARD) àæèëëàäàã ñèñòåì þì. ̺í òóõàéí ïðîãðàììä ¿íäñýí ìýäýýëýë îðóóëàõ, ººð ïðîãðàìì, ôàéëä õºðâ¿¿ëýõ, áóñàä ñèñòåì ïðîãðàììòàé (ACCESS, EXCEL, DBASE, …ã.ì) õîëáîãäîõ áîëîìæîîð ñàéí õàíãàãäñàíààñ ãàäíà, ñóäàëãààíû çîðèóëàëòòàé õÿëáàð òàáëèö á¿ðä¿¿ëýõ, áè÷èõýä òîõèðîìæòîéãîîðîî өмнөх хувилбаруудаасаа èë¿¿ онцлог áîëñîí áàéíà. Îðîõ ìýäýýëëèéí òîäîðõîéëîëòûã õèéõ (VALUES), ìýäýýëýë äîòîð õóâèðãàëò õèéõ (RECODE), áîëîâñðóóëàëò õèéõ ìýäýýëëèéã ñîíãîí àâàõ (SELECT CASE), ôàéëóóäûã íýãòãýõ, àãðåãàò õèéõ, á¿òöèéã ººð÷ëºõ, çàäëàõ çýðýã îëîí ñàéí ¿¿ðýã ôóíêö¿¿äòýéãýýðýý îíöëîã ñèñòåì þì. WINDOWS 95-д анх SPSS 7.0 хувилбар орж ирсэнээс хойш түүний 7.5; 8.0; 9.0; 10.0; 11.1 зэрэг 5 хувилбаруудад мэдээлэлтэй ажиллах, үзүүлэлт, файлыг өөрчлөх, хувиргах, математик статистикийн судалгааны арга, моделуудыг шинэчлэх, нэмэх, судалгааны аргын боломжуудыг дээшлүүлж 50 шахам нэр төрлийн шинэтгэл сайжруулалт хийгдсэн байна. Тухайлбал мэдээлэлд агергац хийх, үзүүлэлтийг дахин кодлох, PIVOT TABLE- функцийн боломжийг оруулах, командын дүрэм бичиж эргэн ашиглах, орхигдсон утгыг сэргээн тооцох зэрэг мэдээлэлтэй ажиллах боломжийг өргөтгөснөөс гадна газрын зураг, графиктай ажиллах шинэ боломж, статистик үнэлгээний нэмэлт функцүүд, регресс, холимог модел, гол компонентийн арга, ангилал, кластерийн судалгаа, хэмжээсийн үнэлгээ гэх мэт математик статистикийн онол судалгааны сүүлийн үеийн модел, арга зүйг (1980-аад онд дэвшигдэж гарсан шинэхэн онол томъёолол) хэрэгжүүлэх программ процедураар баяжуулсан нь энэ системийн онцлог тал болж байна.

SPSS-системийн ¿íäñýí çàð÷èì ба Data Editor программ

Ýíý ïðîãðàìì íü File, Edit, View, Window, Help çýðãýýðýý EXCEL ïðîãðàììòàé òºñòýé ¿íäñýí ìåíþíèé ¿ëäñýí õýñýã íü ýíý ïðîãðàììûí îíöëîã ¿éë àæèëëàãààã õýðýãæ¿¿ëýõýä çîðèóëàãäñàí áîëíî. ¯íäñýí öýñèéí ¿¿ðã¿¿äýýñ çàðèì îíöëîã ç¿éëèéã òîâ÷ëîí òàéëáàðëàâàë:

SPSS Data Editor ïðîãðàìì íü áîëîâñðóóëàëòàä îðæ áàéãàà ìýäýýëëèéã òîäîðõîéëîõ, îðóóëàõ, èìïîðòëîõ, ýêñïîðòëîõ, õóâèðãàõ á¿õèé ë ¿éë àæèëëàãààíä ¿éë÷èëíý. SPSS Data Editor–ûã õàðàõàä äîòðîî Data View, Variable View ãýñýí õ¿ñíýãт (Sheet) áàéõ áºãººä ýõíèé Data View-ä үндсэн ìýäýýëëèéí ìºð¿¿ä, äàðààчийн Variable View-д мэдээллийн ¿з¿¿лэлт бүрийг òîäîðõîéëсîн ìºð¿¿ä áàéäàã. Data View äîòîð áàéãàà ¿íäñýí ¿ç¿¿ëýëòèéí ìºð¿¿ä òîäîðõîéëîëòûíõîî äàãóó áàãàíà áàãàíààð äàðààëñàí ¿ç¿¿ëýëò¿¿äýýñ òîãòîõ áºãººä ò¿¿íèéã EXCEL-èéí sheet-тэй адилаар бодож ашиглаж болох судалгааны үзүүлэлтийг агуулсан (sheet) ýíãèéí ìàòðèö áîëíî. Variable View äîòîð ¿ç¿¿ëýëòèéí òîäîðõîéëîëò áàéðëàõ áºãººä òàáëèö áîëîâñðóóëàлтад øààðäàãäàõ үндсэн òîäîðõîéëîлтóóä áàéðëàíà. ¯¿íä: Name Òóõàéí ¿ç¿¿ëýëòèéí íýðèéã (программд ашигладаг íýð) çààñàí ¿ñýã òîîí èëýðõèéëýë (8 тэмдэгт) Type ¯ç¿¿ëýëòèéí òºðºë, õýëáýðèéã çààã÷, ãîë òºëºâ Numeric-òîî, String-òåêñò áàéäëààð ä¿ðñëýãäýíý.

Width ¿ç¿¿ëýëòèéí ºðãºí áóþó õýäýí тэмдэгтээс òîãòîõûã çààíà. Decimal òîîí ¿ç¿¿ëýëò áîë òàñëàëûí àðààð õýäýí îðîíòîé áàéõûã çààíà. Label òóõàéí ¿ç¿¿ëýëòèéí íýð (òàâëèöàä áè÷èãäýæ ãàðàõ íýðшил)

Values ¿ç¿¿ëýëòèéí òóõàéí óòãàíä õàðãàëçóóëàí îíîîæ ºãñºí íýðèéã øààðäëàãàòàé ãýæ ¿çâýë îðóóëæ ºã÷ áîëíî. Íýðèéã îðóóëàõäàà òýð ¿ç¿¿ëýëòèéí values áàãàíàíä äàðàõàä óòãà, îíîîæ ºãºõ íýð 2-ûí öîíõíóóäûã áºã뺺ä íýìýõ (Add) òîâ÷ëóóðûã àøèãëàí îðóóëæ ºãºõ áàñ õàñàõ áîëîìæòîé. Àíõààðàõ íü: èíãýæ îðóóëñàí íýð äàðàà íü òàáëèö áè÷èæ ãàðãàõàä óòãà á¿ðòýý энэхүү îíîãäñîí íýðòýéãýý ãàð÷ èðäýã. ̺í äýýð äóðäñàí Recode-ã àøèãëàí òóõàéëáàë íàñíû óòãóóäûã íàñíû àíãèëàë áîëãîí õºðâ¿¿ëýýä Label-ä àøèãëàæ óëìààð òàáëèöàä ангилалаар нь гаргаж болохыг анхààð ÷ àâч авч болно. Åð íü òàáëèöä Label-ä çààãäñàí íýð ò¿¿íèé äîð Values –ä çààñàí íýð¿¿äýýð çàäàð÷ áè÷èãäýõ íºõöºë á¿ðýëäýíý.

Missing Òóõàéí ¿ç¿¿ëýëòèéí çàðèì óòãûã àëäààòàé /áóðóó/ óòãà ãýæ çààæ ºã÷ áîëäîã. ¯¿íèéã ìºí ¿ç¿¿ëýëòèéí Missing áàãàíàä äàðàõàä àëäààòàé óòãà áè÷èõ áîëîìæ ãàð÷ èðíý. Ýíý íü òóõàéí ¿ç¿¿ëýëòèéã îðîëöóóëñàí òàбëèö áîëîâñðóóëàõàä ò¿¿íèé Missing óòãûã òîîöîæ òîîëæ ä¿ãíýæ àâäàãã¿é áîëîõûã анхаарах хэрэгòýé. Missing – óòãà 2 төрөл: ñèñòåìèéí ãýäýã íü áºãëºã人ã¿é áîë цэгээр д¿рслэгдсэн байна, хэрэглэгчийн гэдэг нь хэрэглэгчийн тодорхойлж өãñºí буруу утгыг õýëäýã. Columns Òóõàéí ¿ç¿¿ëýëòèéí áàãàíûí íèéò ºðãºíèéã çààæ ºãäºã. Width -ýýñ ºðãºí îéëãîëò þì. Align Үз¿¿лэлт ººрийн цонхондоо хэрхэн баруун зүүн тийш, төвд гэх мэтчилэн áàéðëàõûã ýíãèéíýýð çààæ ºãäºã.

Measure ¿ç¿¿ëýëòèéí õýìæýýñèéã ãîë òºëºâ òîîí áîë Scale, ¿ñýã òîîí áîë

/String/, шинж чанар, зэрэглэлийг ангилсан бол nominal, төвшнийг тодорхойлсон

тоогоор хэлж илэрхийлдэггүй баян, ядуу, чинээлэг гэх мэтийн бол ordinal гэж хэлдэг.

Ìýäýýëëèéã õýðõýí îðóóëàõ

Øóóä SPSS системийн Data Editor-ийг ашиглан х¿снэгтэд мэдээлэл îðóóëах гэвэл ýõýëæ äýýð çààñíû äàãóó ¿ç¿¿ëýëòèéí òîäîðõîéëîëòîî Variable View –ä тодорхойлж өгөөд äàðàà íü Data View-ä ¿íäñýí ìýäýýëëýý îðóóëæ ºãíº.

Ãаднаас импорт хийж оруулах гэвэл тухайн тохиолдолд EXCEL-ýýñ îðóóëàõäàà EXCEL-èéí ôàéëûíõàà çºâõºí 1-ð ìºðºíä ¿ç¿¿ëýëò¿¿äèéíõýý íýðèéã áè÷èæ õàäãàëààä SPSS-ò îðæ OPEN data õèéãýýä ôàéëûí /type/ òºð뺺 *.xls ãýæ çààãààä õàäãàëñàí ôàéëàà íýýíý. Ýíý ÿâöàä 1-р ìºðèéã ¿ç¿¿ëýëòèéí íýð ãýæ àâàõ óó ãýõýä íü òèéì ãýæ õàðèóëààä îðóóëæ èðýõýä Variable View-ä ¿íäñýí ¿ç¿¿ëýëò¿¿ä, Data View –ä ¿ç¿¿ëýëòèéí íýðñ îðñîí áàéíà. ¯¿íèé äàðàà Data View-ä îðæ ¿ç¿¿ëýëòèéí òîäîðõîéëîëòîî øààðäëàãûí äàãóó íýìæ çàñ÷ òîäîðõîéëæ áîëíî.

ªºð áóñàä системээс оруулах бол: EXCEL-ýýñ ôàéë îðóóëàõтай àäèë DBASE, ACCESS çýðãýýñ îðóóëæ àâ÷ áîëîõ þì. ̺í урьдчилан тодорхойлогдсон òîäîðõîéëîëò бүхий SPSS файл äýýð EXCEL-ýýñ нэргүй дан тоогоо сонгон идэвхжүүлээд Variable View-ä Copy, Paste –ààð ¿íäñýí òîîã îðóóëæ àâ÷ áîëíî.

FILE New - ¿ндсэн мэдээллийгшинээр îðóóëж эхлэх гэж байгаа áîë øèíý ãýæ íýýãýýä àæèëëàíà. Òýгэхдээ ажиллах файлын төрөл, õóóäàñ íü áóñàä åðäèéí ñèñòåì¿¿äèéíõýýñ îíöëîã áîëîõûã öààøäûí òàéëáàðóóäààñ ¿çýõ áîëíî. Open: data - çºâõºí áîëîâñðóóëàëò õèéãäýæ áàéñàí SPSS-ийн өөрийнх нь ìýäýýëëèéã íýýíý (*.sav-ºргºтгºлтэй файл байх ёстой.) Output – áîëîâñðóóëàлт судалгаа хийгээд ãàðñàí ¿ð ä¿íãèéí (таблиц, график бүхий) файл. (*.spo-ºðãºòãºëòýé ôàéë) Read text data – åðäèéí òåõò ôàéëûã îðóóëæ ¿íäñýí ìýäýýëýë áîëãîí àøèãëàõ тохиолдолд хэрэглэнэ. (EXCEL-èéí OPEN text file øèã) Recently used data – ñ¿¿ëèéí ¿åä àøèãëàæ áàéñàí áîëîâñðóóëàëòûí ìýäýýëýë¿¿äèéí íýðñ õàäãàëàãäàæ áàéäàã òóë òýäíèé àëü íýãèéã øóóä íýýæ áîëíî Recently used file – ñ¿¿ëèéí ¿åä àøèãëàæ áàéñàí áîëîâñðóóëàëòûí áóñ OUTPUT ã.ì ôàéëóóäûã íýýæ áîëíî.

EDIT, VIEW Ýäãýýð ìåíþí¿¿äèéã áóñàä (EXCEL, WORD ã.ì) ïðîãðàììûí àäèëààð îéëãîæ áîëíî.

DATA Мэдээлэлтэй ажиллах

Ýíý õýñýãò ôàéëòàé àæèëëàõàä ìàø ÷óõàë õýðýã áîëäîã õýä õýäýí àøèãòàé äýä ìåнþ áàéäàã. Äýä ìåíþí¿¿äèéí àæèëëàãààíû çàð÷ìûã òàéëáàðëàâàë: Define dates - îãíîîã ÿàæ òîäîðõîéëîõûã çààæ ºãíº. Insert variable - àøèãëàæ áàéãàà ìýäýýëëèéí äîòîð øèíý ¿ç¿¿ëýëò íýìæ îðóóëàõ Insert Case - àøèãëàæ áàéãàà ìýäýýëýëä íýã øèíý ìºð (àæèãëàëò) îðóóëàõ

Goto case - àøèãëàæ áàéãàà ìýäýýëëèéí òîäîðõîé ìºðä ò¿¿íèé äóãààðûã òàâüæ õ¿ðýõ Sort cases - àøèãëàæ áàéãàà ìýäýýëëèéí ìºð¿¿äèéã òîäîðõîé ¿ç¿¿ëýëò¿¿äýýð ÿëãàëò õèéæ ýðýìáýëýõ (EXCEL-òýé àäèë çàð÷èìòàé), ¿ç¿¿ëýëò á¿ðèéí õóâüä ýðýìáèéí ºñºõ áóóðàõûã òóñ á¿ðò íü çààæ ºãºõ áîëîìæòîé. Transpose - àøèãëàæ áàéãàà ìýäýýëëèéí ìºðèéã áàãàíà, áàãàíûã ìºð áîëãîí õºðâ¿¿ëýõ áà ¿ç¿¿ëýëò¿¿äèéã áàñ ñîíãîæ ºã÷ áîëíî.

Restucture - Àøèãëàæ áàéãàà ìýäýýëëèéí á¿òöèéã äàðààõ áàéäëàà𠺺ð÷ëºõ. 1. Restructure selected variables into cases - Ñîíãîñîí ¿ç¿¿ëýëò¿¿äèéã àæèãëàëò áóþó ìºð áîëãîõ, òýõäýý íýã þìóó õýä õýäýí á¿ëýã áîëãîæ òýäãýýðò èíäåêñ ºãºõ, òóñãàé ôàéë áîëãîí ãàðãàõ áîëîìæòîé. Ýíä Drop unselected variables – ñîíãîãäîîã¿é ¿ç¿¿ëýëòèéã óñòãàõ ýñýõ áîëîí ãàðãàæ àâàõ ¿ð ä¿íãèéí ôàéëûã øèíý íýðýýð õàäãàëàõ ýñýõ çýðãèéã çààæ ºãíº. Create a count variable in the new file - ¿ç¿¿ëýëòèéí òîîëóóð ¿ç¿¿ëýëò õèéõ ýñýõ çýðãèéã çààãààä ýöýñò íü øóóä äóóäàõóó ýñâýë ä¿ðýì ôàéë áîëãîõ óó ãýäãýý ñîíãîíî. 2. Restructure selected cases into variables - Ñîíãîñîí àæèãëàëòûí ìºð¿¿äèéã ¿ç¿¿ëýëò áîëãîõ àðãà. Ýíä ìºí øèíýýð ¿¿ñýõ ¿ç¿¿ëýëò¿¿äèéã 2 ÿíçààð á¿ëýãëýõ, àæèãëàëòûã òîîëîõ ¿ç¿¿ëýëò õèéõ çýðãèéã óðäàõûí àäèë òîëîðõîéëîîä ¿ð ä¿íãýý ãàðãàæ àâíà. Ýíý óðäàõ 2-ò íýã ãîë àíõààðàõ ç¿éë áîë õî¸ð àðãà íü õàðèëöàí óðâóó ¿éë àæèëëàãàà õèéäýã ãýäãèéã ñàéí îéëãîõ ÿâäàë þì. 3. Transpose all data - Á¿õ ¿ç¿¿ëýëòèéã (á¿òýí ýðã¿¿ëýõ áóþó õºðâ¿¿ëýõ) ìºð, á¿õ ìºðèéã ¿ç¿¿ëýëò áîëãîõ ãýñýí 3 òºðëèéí àðãà áàéäàã. ¯¿íèéã wizard- ààð Restucture – èéã äàðæ îðîîä øóóä ¿ð ä¿íã ãàðãàæ àâíà. Merge files - Энэ процедур àøèãëàæ áàéãàà áîëîí àøèãëàæ áàéñàí ¿íäñýí ìýäýýëë¿¿äèéã íèéë¿¿ëæ øèíý ôàéë ¿¿ñãýнэ. Ôàéë íèéë¿¿ëýõ ¿íäñýí çàð÷èì áîë íýã ôàéëààñ øààðäëàãàòàé ¿ç¿¿ëýëò¿¿äýý àâ÷ íºãºº ôàéëûí ¿ç¿¿ëýëò¿¿äèéí àðààñ øèíý áàãàíà áîëãîí îðóóëæ õýðýãöýý õàíãàñàí íýãäñýí íýã ôàéëòàé áîëîõ, äàðàà íü ò¿¿í äýýðýý òîõèðîìæòîé ¿éëäëýý õèéõýä îðøèíî. MERGE õèéõ íºõöºëä òóõàéí ¿åä àæèëëàæ áàéãàà ôàéëàà ººð íýã ãàäíû ôàéëòàé íèéë¿¿ëýõ òýõäýý àëü ôàéë íü ¿íäñýí ò¿ëõ¿¿ð áолж өгөхийг çààæ ºãºõ ¸ñòîé. ̺í merge õèéõýä íýã áîë àæèãëàëò (ìºð) íýìýõ ýñâýë ¿ç¿¿ëýëò (áàãàíà) íýìýõ ãýñýí 2 çàð÷ìûí ÿëãàà áàéäàã Add cases - Àæèãëàëò áóþó ìºð íýìýõ merge ¿éëäýë íü çàð÷ìûí õóâüä 2 ôàéëûã íèéë¿¿ëýõýä ò¿ëõ¿¿ð ¿ç¿¿ëýëòèéí ÿëãààòàé áàéãàà áè÷ëýã¿¿ä íýìýãäýæ îðîõ íºõöºëèéã õàíãàæ ºãºõ áºãººä ¿ç¿¿ëýëò¿¿äèéã íýìæ àâàõ ýñâýë õàñàõ çýðýã íü ¿ç¿¿ëýëò íýìýõ ¿éëäýëèéíõ òýé àäèë áàéíà. Add variables - ¯ç¿¿ëýëò áóþó áàãàíà íýìýõ ãîë çàð÷èì íü ò¿ëõ¿¿ð ¿ç¿¿ëýëò¿¿ä òîõèðñîí ¿åä õýðýãòýé ¿ç¿¿ëýëòýý àâ÷ øèíýýð ¿¿ñ÷ áàéãàà ôàéëèéí áè÷ëýã á¿ðèéí àðä íýìæ àâ÷ áàéõàä îðøèíî.

Add variables-г ашиглах үед äàðààõ õýäýí ãîë çàð÷èì áàðèìòëàãäàíà. ¯¿íä: 1. Íýãòãýãäýæ áàéãàà 2 ôàéë èæèëõýí ò¿ëõ¿¿ð ¿ç¿¿ëýëòòýé , íýð¿¿ä íü èæèë (òóõàéëáàë àéìàã, ñóìûí äóãààðóóä èæèë áàéãàà áè÷ëýã¿¿äèéí ¿ç¿¿ëýëò íü íýãòãýãäýíý) áàéõ áà òýäãýýðýýðýý àäèë çàð÷èìààð (sort) ýðýìбýëýãäñýí, ýíý íü áàñ Excluded Variables íýðòýé öîíõîíä õàðàãäàæ áàéõ 2. Match cases . . . öîíõûã áºãëºæ (check õèéæ) äàðàà íü ò¿¿íèé äîоðõè 3 ø äóãóé í¿äýíä ò¿ëõ¿¿ð áîëîõ ôàéë àëü áîëîõûã çààæ ºãºõ õýðýãòýé. ¯¿íèé both… - íü õî¸ð ôàéë á¿õ áîëîìæîîðîî íèéëýõ áóþó 2 ôàéëä áàéãàà ò¿ëõ¿¿ð ¿ç¿¿ëýëò áîëãîí òîõèðîîã¿é áîë ÿäàæ íýã áè÷ëýã ¿¿ñãýõ áà òîõèðñîí áîë íèéëæ íýã áè÷ëýã ¿¿ñãýíý. ̺í çºâõºí ýíý òîõèîëäîëä Indicate case .. ãýäãèéã áºãëºæ àðä íü íýð (source1-èéí) îðîíä çààæ áîëíî, ýíý íü ýõ ôàéëààñ áè÷ëýã îðñîí ãàðàõ áè÷ëýã á¿ðèéã äàãàëäàæ òýð íýð áè÷èãäýõ áà çºâõºí ãàäààä ôàéëààñ ãàðñàí áè÷ëýãò òýð íýð îðîõã¿é ãýñýí ¿ã þì , External … ãàäíààñ äóóäàæ àâ÷ áàéãàà ôàéë ò¿ëõ¿¿ð ¿ç¿¿ëýëòòýé ôàéë áîëíî, Working …. Àøèãëàæ áàéãàà ôàéë ò¿ëõ¿¿ð ¿ç¿¿ëýëòòýé ôàéë áîëíî ãýäãèéã òóõàéí ¿åèéí íºõöºëººñºº áîëæ áºãëºíº (check). 3. Merge files äýä ìåíþ-ã çºâ áөãëөãäîæ äóóññàí ãýæ ¿çâýë øóóä ¿ð ä¿íãýý õàðàõ áîë OK, ýíý á¿ðä¿¿ëñýí ä¿ðýì (syntax)-ýý äàðàà äàõèí õýðýãëýõèéí òóëä ä¿ðýì (ñèíòàêñèñ) ôàéë áîëãîí õàäãàëàõ áîë PASTE –ã äàðíà. Ýõíèé (OK) òîõèîëäîëä ¿ð ä¿í øóóä õàðàãäàõ áà äàðààãèéí (PASTE) òîõèîëäîëä äàõèí äóóäàæ áîëîõ ä¿ðìèéí ôàéë øóóä íýýãäýõ áà ò¿¿íèéãýý òîäîðõîé íýð ºã÷ õàäãàëààä RUN êîìàíäààñ All(á¿ãõ ä¿ðìèéã) þìóó Selection (õàðëóóëñàí õýñýã) 2-èéí àëü íýãýýð äóóäàæ áîëíî. Ýíý ä¿ðýì ¿¿ñãýõ àðãà íü õýä õýäýí ä¿ðìèéã PASTE –ààð íýã .sps ºðãºòãºëòýé ôàéëä ãàðãàæ òýäãýýðèéã á¿ãäèéã þìóó õýñýã÷èëýí äóóäàæ àøèãëàõàä öàã õýìíýõ èë¿¿ òàëòàé áàéäàã. Èíãýýã¿é (øóóä OK ãýñýñí)òîõèîëäîëä íýã á¿ðä¿¿ëñýí ä¿ðýì òóõàéí ¿åäýý äóóäàãäààä äàðàà íü (SPSS-èéã äàõèí äóóäñàí áóþó ä¿ðìýý ººð÷èëñºí òîõèîëäîëä) äàõèí àæèëëóóëàõûí òóëä çààâàë ôàéë, ¿ç¿¿ëýëò, íºõöºë, àðãà çààõ ñîíãîõ ç¿éë¿¿äýý çààâàë äàõèí õèéõ øààðäëàãàòàé áîëäîãèéã àíõààðàõ õýðýãòýé. Aggregate - àøèãëàæ áàéãàà ìýäýýëëèéí òîäîðõîé ¿ç¿¿ýëò¿¿äèéã ò¿ëõ¿¿ð ¿ç¿¿ëýëò áîëãîí òýð á¿ðò íýã áè÷ëýã ¿¿ñãýæ ñîíãîñîí ¿ç¿¿ëýëòýýð øèíý ¿ç¿¿ëýëò áîëãîí íýã ôàéë áîëãîí ãàðãàõ çîðèóëàëòòàé. Aggregate – ã äàðàõàä ãàð÷ èðýõ ìåíþíèé áàðóóí äýýä õýñýãò break – ò¿ëõ¿¿ð ¿ç¿¿ëýëò áóþó ñàëãàõ ¿ç¿¿ëýëò¿¿äýý ç¿¿í äýýä òàëûí öîíõíîîñ ñîíãîæ ñóìààð äàðæ îðóóëíà. ¯¿íèé äàðàà aggregate values – äîòîð øààðäëàãàòàé ¿ç¿¿ëýëòýý îðóóëààä òýäãýýðòýý íýð áîëîí ýòèêåòêà ºã÷ áîëîõ áà ¿ç¿¿ëýëò á¿ðèéã ÿìàð áàéäëààð òîîöîõûã Function äîòîð îðæ SUM -ä¿ãíýõ, MEAN – äóíäàæ , SD-ñòàíäàðò õàçàéëò, MEDIAN 50 ïðîöåíòèéí ìåäèàí (àæèãëàëòûí òîî), MAX- äýýä óòãà, MIN – äîîä óòãà, FIRST- ýõíèé çºâ óòãà (nonmissing), LAST- ñ¿¿ëèéí çºâ óòãà, òóõàéí ñàëãàãäàæ áàéãàà áè÷ëýã¿¿äèéí òóõàéä çààñàí óòãà áîëîí òîäîðõîé çàâñðûí óòãûí äýýø äîîø, äîòîð ãàäíà áàéãàà óòãóóäûí õóâü (%) áîëîí æèí (Fraction - äîëÿ), ìºí òóõàéí ò¿ëõ¿¿ðýýð ñàëãàãäñàí áè÷ëýã¿¿äèéí æèãíýãäñýí áîëîí æèãíýãäýýã¿é òîî þìóó óòãàò áèø (missing) ¿ç¿¿ëýëò¿¿äèéí òîî çýðãèéí àëèàð íü òîîöîæ àâàõàà çààæ ºãíº. ̺í ìåíþíèé ç¿¿í äîîä òàëä òóõàéí òàñàëãàà (break) á¿ðò õýäýí áè÷ëýã áàéñанийг дүгнэж àâàõ эсэх, ¿р д¿нг тусгай файлд авах уу , ажиллаж байгаа файлдаа авах уу гэдгийг ñîíãîæ áîëíî.

Èíãýýä ÎÊ äàðàõàä àãðåãàö õèéñýí ôàéë ãàðíà, òóñãàé ôàéë ãàðãàñàí áîë ò¿¿íèéãýý øèíýýð íýýæ ¿çýæ áîëíî.

Orthogonal Design – Ортогнал дизайн Статистикийн судалгааы үед үзүүлэлтүүдийн янз бүрийн түвшний комбинацыг шалгахгүйгээр шаардлагатай төрөл, хэлбэрийн (ортогналь) файлыг үүсгэж болдог. Энэ нь Display - дисплейд харуулах процедураар харагддаг ба гаргасан файлыг SPSS-ийн өөр процедурт ашиглаж болдог.

Процедурыг дуудахдаа: меню - ээс Data Orthogonal Design Generate- гэж ороод ядаж нэг SPSS –ийн өөрийнх нь юмуу нэг шинэ факторын нэрийг (status_ , card_ гэсэн нэртэй байж болохгүй) сонгож Add дарж нэр нэршилийг оруулаад орсон фактор бүрийн хувьд тэдгээрийн авах утга дагалдах нэршилийг тодорхойлж өгнө. Үүсгэж байгаа файлыг нэг бол нэр өгч байгуулж (File) болох ба эсвэл SPSS ажиллаж байгаа ажлын талбар (sheet) дээрээ үүсгэж болно. Мөн санамсаргүй тооны бүл (0 – 2,000,000,000 –ын хоорондох тооны утга авах) байгуулж болно. Display Design - Энэ процедур нь ортогналь дизайны туршилтын бичэлтийг гаргаж өгдөг. Форматыг сонгож болно. Split file - Энэ процедур нь ôàéëûã òîäîðõîé ¿ç¿¿ëýëòýýð àíãèëàí ÿëãàõ òýõäýý á¿ëýã ¿¿ñãýëã¿éãýýð á¿õ àæèãëàëòààð, èæèë óòãàòàé ¿ç¿¿ëýëò¿¿äýýð íýã á¿ëýã áîëãîæ, á¿ëýã áîëãîõ нөхцлийг çààæ ºãººä á¿ëýã áàéãóóëæ áàéãààä òýð á¿ëã¿¿ääýý ялган ашиглуулахад зориулагдсан áîëíî. Compare groups – бүлэглэсэн үзүүлэлтийн файлууд нэг файл болж гарах ба зөвхөн бүлгээр харьцуулах зориулалтаар ашигладаг. Organize output by groups – процедураас гарч байгаа бүх үр дүн групп бүрт тус тусдаа үзэгдэж байдаг. Select cases - Энэ процедур àøèãëàæ áàéãàà ìýäýýëëèéí ìºð¿¿äèéã òîäîðõîé øèíæ ÷àíàðààð íü ÿëãаí àâ÷ áîëîâñðóóëàëò õèéõ. Õàìãèéí ò¿ð¿¿íä (IF) íºõöºë çààæ (àðèôìåòèê èëýðõèéëýë, ëîãèê èëýðõèéëýë, òóñãàé ôóíêöóóäûí òóñëàìæòàéãààð) òîäîðõîé õýäýí òîîí ¿ç¿¿ëýëòèéã òîãòìîë òîîãîîð (èõ áàãûí òýìäýãýýð ã.ì) õÿçãààðëààä õîîðîíä íü “áà-&” áîëîí “áóþó-!” òýìäýãýýð õîëáîæ ÿëãàõ íºõöëèéí èëýðõèéëýëýý ¿¿ñãýí ÿëãàëò õèéíý. ¯¿íèéã ìºí äèàëîã ãîðèìä ìàø õÿëáàðõàí õèéæ áîëíî.

Ìºí ¿ç¿¿ëýëòèéí óòãà þìóó õÿçãààð, îãíîî, öàãààð ñîíãîí àâàõ àðãóóä áàéõààñ ãàäíà á¿õ áè÷ëýãèéí òîäîðõîé õóâèéã ñîíãîëòûí òóñãàé àëãîðèòìîîð (sampling õèéõ) ñîíãîí àâ÷ áîëäîã Unselected cases are (filtered, deleted) – Сонгогдоогүй бичлэгүүдийг нýã áîë фильтер тавьж àâ÷ ¿ëäýõ ýñâýë óñòãàõ ãýñýí 2 òºðëèéí àðãûã õýðýãëýæ áîëäîã.

TRANSFORM

Àшиглагдаж байгаа мэдээллийн мºр¿¿дийн ¿з¿¿лэлтэд тодорхой ä¿ðìýýð õèéæ áîëîõ ººð÷ëºëò¿¿äèéã ã¿éöýòãýæ áîëîõ ôóíêö¿¿ä áàéäàã. Compute øèíý ¿ç¿¿ëýëòýä áóñàä ¿ç¿¿лýëò¿¿äèéí óòãà, òîãòìîë òîî çýðãýýñ á¿òñýí èëýðõèéëýëýýð óòãà [if-д тусгай нөхцөл зааж болно] îëãîõ àðãà. Target variables- хэрэглэгч шинээр үүсгэх үзүүлэлтийн нэр, Numeric Expression – үзүүлэлт, тогтмол тоо, функц оруулсан илэрхийлэл тодорхойлж болно. If – шинэ үзүүлэлт тооцох нөхцөлийг тодорхойлж өгөөд нөхцөл биелсэн бол утга бодогдох, биелээгүй бол ямарч утга бодогдохгүй.

Random Çаасан тоогоор санамсаргүй тооны генератороор санамсаргүй тооны бүлийг үүсгэдэг Count ÿìàð íýã ¿ç¿¿ëýëòýä (target- øèíý ÷ áàéæ áîëíî.) ººð òîäîðõîé ¿ç¿¿ëýëò¿¿äèéí (numeric values-ä îðóóëæ) çààãäñàí (define values & IF) íºõöºë õàíãàñàí óòãûí òîîã (óäààã) òîîëæ àâàõàä çîðèóëàãäñàí Recode òóõàéí íýã ¿ç¿¿ëýëòèéí òîäîðõîé íýã óòãà þìóó õýä õýäýí óòãûã ººð íýã óòãà áîëãîí ººð÷èëæ òóõàéí ¿ç¿¿ëýëòèéí áàéðàíä þìóó ººð ¿ç¿¿ëýëò áîëãîí áè÷èõ àðãà þì. Òóõàéëáàë íàñíû á¿ëãèéí õóâüä 0-5 áîë 1, 6-7 áîë 2, 8-11 áîë 3 . . . ãýõ ìýòýýð øèíý ¿ç¿¿ëýëò àíãèëàë ¿¿ñãýõýä õýðýãëýæ áîëíî. Categorize Variables – Үзүүлэлтийг категорчлох Тасралтгүй тоон үзүүлэлтийг дискрет тооны категорт хуваахад зориулагдсан. Процедур категорчлох үзүүлэлтийн нэрийг “n” n үсгээр эхлүүлэн категорийн утгыг тооцож гаргаж өгдөг. Æишээлбэл 4 бүлэгт хуваахаар зааасан бол 25 хүртлэх хувийн утга авч байгаа үзүүлэлт 1-р бүлэгт, 25-50 хувийн утга авах нь 2-р бүлэгт гэх мэтээр хуваарилагдана.

Rank Cases – Эрэмбэ (Ранг) тогтоох Энэ процедур нь сонгогдсон (variables) үзүүлэлтийн эрэмбийг тогтоодог бөгөөд ямар нэг категорийн үзүүлэлтээр (by) бүлэглээд бүлэг бүрт нь эрэмбэ тогтоож болдог. Æишээлбэл энгийн нэг (Fractional rank as %) арга нь тухайн үзүүлэлтийг түүний тухайн бүлэг дэх утгат ажиглалтын тоонд хуваагаад 100-гаар үржүүлсэнээр эрэмбийн утгыг тооцох жишээтэй. Äуудахдаа: Менюнээс Transform Rank Cases... гэж ороод нэг юмуу хэд хэдэн тоон үзүүлэлт сонгож variables-т, бүлэглэх категорын үзүүлэлтээ by-д сонгоно. Эрэмбэ тогтоосон үзүүлэлтээ өсөх буурах эрэмбээр яаж байрлуулахыг Assign rank 1 to-д зааж өгнө.

Rank Types –д эрэмбэ тогтоох аргыг тодорхойлон сонгож өгөх ба тодорхойлсон арга бүрээр шинэ үзүүлэлт тооцогдоно. Ties- д эрэмбэ тогтоох хэмжигдэхүүний холбоосыг тооцох аргыг тодорхойлж өгч болно. Automatic Recode – Автомат кодчилол Текст болон тоон үзүүлэлтийг бүхэл тоон үзүүлэлтрүү дахин кодлоход зориулагдсан бөгөөд кодлох үзүүлэлтээ оруулаад шинээр гарах кодын үзүүлэлтдээ нэр өгөөд new name дээр дарахад variable-NewName-д орно. Ãарах кодыг өсөх буурахаар байрлуулахыг Recode starting from-д сонгох болно. Кодлох зарчмыг тусламжаас тодруулан харж болно. Replace missing values – ßìàð íýã ¿ç¿¿ëýëòèéí òîäîðõîéëîëòûã õèéõäýý òîäîðõîé óòãûã àëäààòàé (missing value) óòãà ãýæ çàðëàñàí òîõèîëäîëä òýäãýýð àëäààòàé óòãûã çºâ ãýæ ¿çñýí íýã óòãààð ñîëèõ àñóóäëûã øèéäýæ ºãíº. Greate time series Öàã õóãàöààíû äèíàìèêèéí ôóíêöèéã àøèãëàí ¿ç¿¿ëýëò¿¿äèéã øèíý äàðààëàë/äèíàìèê ¿¿ñãýõýä àøèãëàíà.

ANALYZE – Судалгаа хийх хэсэг Ýíý õýñýãò Ìàò-ñòàòèñòèêèéí ñóäàëãàà, øèíæèëãýý õèéäýã á¿õ áîëîìæóóä, òýäãýýðèéí ¿ð ä¿íãèéí òàáëèöóóäûã ÿàæ ãàðãàäàã áîëîí ñóäàëãààíû íýãòãýëòèéí òàáëèöóóäûã õýðõýí ãàðãàäàã çýðýãò õàðèóëàõ ãîë ôóíêö¿¿ä îðäîã. À. REPORTS – ïðîöåäóðóóä. OLAP (Online Analytical Processing) Cubes ïðîöåäóð - Ýíý ïðîöåäóð íü ñóäëàãäàæ áàéãàà ¿ç¿¿ëýëò¿¿äèéí äóíäàæ, íèéëáýð áîëîí áóñàä íýãýí õýìæýýñò (univariate) ñòàòèñòèêèéã íýã áîëîí ò¿¿íýýñ äýýø òîîíû êàòåãîð÷ëàãäàх á¿ëýã ¿ç¿¿ëýëò¿¿äèéí õ¿ðýýíä òîîöîîëäîã.

Àøèãëàõûí òóëä Analyze Reports Qlap Cubes –ýýð îðîõîä Qlap Cubes äýä ìåíþ ãàð÷ èðíý. Ýõëýýä òà ñóäëàõ ¿ç¿¿ëýëò¿¿äýý SUMMURY Var –ä , á¿ëýãëýõ ¿ç¿¿ýëò¿¿äýý Groupping Variables -ä ìåíþíèé ç¿¿í äýýä òàëààñ èäýâõæ¿¿ëýí ñîíãîæ öîíõ á¿ðòýý õàæóóãèéí ñóìààð îðóóëæ àâíà. ¯¿íèé äàðààãàð á¿ëýãëýõ ¿ç¿¿ëýëò á¿ðèéíõýý õóâüä ÿìàð ñòàòèñòèê ñîíèðõîæ áàéãààãàà Statistics äýýð äàðæ Cell Statistics öîíõîíä îðóóëæ àâíà. Ýíä Differences ãýäýã íü ¿ç¿¿ëýëò þìóó á¿ëãèéí õîîðîíä òîîãîîð þìóó õóâèàð ÿëãàâàðûã õàðàõ øààðäëàãàòàé ¿åä òîäîðõîéëîí çààæ ºã÷ áîëíî. Title –ã àøèãëàæ ãàðàõ òàбëèöäàà òóñãàéлан íýð ºã÷ áîëíî. Èíãýýä ÎÊ òîâ÷èéã äàðàõàä ¿ð ä¿íãèéí 2 òºðëèéí òàáëèö ñîíãîñîí ñòàòèñòèñòèêèéã ¿ç¿¿ëýí ãàð÷ èðíý. ̺í ýíä ãàðãàæ àâñàí òàáëèöèéã SPSS-í PIVOT òàáëèöä øèëæ¿¿ëýí äýëãýðýíã¿éãýýð õàðàõ áîëîìæ áàéäãèéã HELP Show Me – ýýð õàðæ áîëíî. Case Summarize - Энэ ïðîöåäóð íü ¿ç¿¿ëýëò¿¿äèéí ñòàòèñòèêèéã ÿìàð á¿ëýã ¿ç¿¿ëýëò¿¿äèéí õ¿ðýýíä òîîöîæ ¿çýõýä çîðèóëàãäñàí. Àøèãëàõûí òóëä Analyze Reports Case Summaries – ààð îðæ ñóäëàõààð ñîíãîñîí ¿ç¿¿ëýëò¿¿äýý ñîíãîæ variables öîíõîíä õèéãýýä íýã þìóó ò¿¿íýýñ äýýø òîîíû äýä á¿ëýã áîëãîõ ¿ç¿¿ëýëòиéã grouping variables äîòîð àâíà. -title –ã äàðæ ãàðàõ òàáëèöûí íýðèéã ñîëèõ, - exclude cases with missing values – áóðóó óòãûã õàñàõ - Statistics - ¿çýõ ñòàòèñòèê óòãóóäûã ñîíãîæ àâàõ - Select Display cases – äýä á¿ëýã á¿ðò õè÷íýýí ç¿éëèéã õàðóóëàõ òàëààð 3 òºðëèéí çààëò õèéæ áîëíî. Ñèñòåìèéí ñòàíäàðòààð áîë 100 àæèãëàëò áàéõ. ̺í çºâõºí óòãàò ¿ç¿¿ëýëò¿¿äèéã õàðóóëàõ áàñ àæèãëàëòûí äóãààðûã ¿ç¿¿ëýõ ãýõ ìýò. Òîõèðóóëãàà õèéæ äóóñâàë ÎÊ äàðæ ¿ð ä¿íã àâ÷ áîëíî. Report Summaries in Rows , Report Summaries in Columns - Эäãýýðèéã ìºí äýýðõèéí àäèëààð íýã áîë çºâõºí ìºðººð ýñâýë çºâõºí áàãàíààð ñòàòèñòèê ¿ç¿¿ëýëò¿¿äèéí øèíæ ÷àíàðûã õàðàõàä çîðèóëàí àøèãëàæ áîëíî.

Á. Descriptive-Statistics – Давталт, нэг хэмжээст үнэлгээ, кросс таблиц Frequencie - Энэ процедур нь категорийн болон тоон үзүүлэлтүүдийн давталтын судалгааны статистик ба график дүрслэлийн олон утгыг тодорхойлдог. Àшиглахын тулд Analyze Descriptive Statistics Frequencies-ээр ороход

Frequencies цэс гарч ирнэ. Та судлах категорын болон тоон үзүүлэлтүүдээ Variable(s) хэсэгт зүүн дээд талаас идэвхжүүлэн сонгож цонхондоо хажуугийн сумаар зөөж тавина. Үүний дараагаар ямар статистик сонирхож байгаагаа сонгохын тулд Statistics руу орно.Үүнд Percentile Values хэсэгт Квартиль, Процентын хэмжээ, Процентыг, Central Tendency хэсэгт Àрифметик дундаж, Медиан, Моод, Нийлбэрийг, Dispersion хэсэгт Стандарт хазайлт, Âарианц, Ранг, ХÁ утга, ХÈ утга, Стандарт дундаж алдаа, Distribution хэсэгт Хазайлт, Эксцессийг тус тус сонгон тооцуулж болно. -Äараа нь ямар диаграмм сонгохоо Chart товчийг дарж Chart Type хэсгээс Áаганан диаграмм Äугуй диаграмм Ãистограммын аль нэгийг сонгоно. -Äараагийн товч болох Format-ыг сонгоход Order by хэсэг гарч ирнэ.Энэ хэсэгт өсөх дарааллаар уу, буурах дарааллаар уу гэдгийг сонгоно. Multiple Variables хэсэгт олон хувьсах хэмжигдэхүүний гаргаж авах хэлбэрийг сонгоно. Suppress tables with more-д хүснэгтийг далдлах эсэхийг шийднэ. Çүүн талын цонхны доод хэсэгт байрлах Display frequency tables нь давталтыг үзүүлэх эсэхийг сонгоно. Èнгээд сонголтуудаа хийж дуусаад ОК-г дарахад хүснэгтэнд статистикийн үзүүлэлт болон диаграмм гарч ирнэ. Descriptives - Descriptive процедур нь нэг хэмжээст үр дүнгийн статистикийг хувьсагч бүрээр нэг хүснэгтэнд харуулдаг ба стандартчлагдсан үнэлгээнүүдийн утгыг бодож гаргадаг Àшиглахын тулд Analyze Descriptive Statistics Descriptive-ээр орж судлахаар сонгосон үзүүлэлтүүдээ сонгож Variables цонхонд хийнэ.

Тэгээд Options товчийг дарахад Dispersion, Distribution хэсгүүд гарч ирнэ. Эдгээр нь өмнөх Frequencies процедурын энэ хэсгүүдтэй ижил үүрэг гүйцэтгэнэ. Display order хэсэгт үзүүлэлт гаргах дарааллын хэлбэрийг сонгодог. Çүүн талын цонхны доод хэсэгт байрлах Save standardized values as variables нь стандартчлагдсан хэмжээ ба хувьсах хэмжээнүүдийг хадгалах үүрэгтэй. Ok товчийг дарахад үр дүнгийн хүснэгтүүд гарна. Explore - Explore процедур нь статистик ба графикийг бүх ажиглалт болон бүлэглэлтээр үзүүлдэг ба адилтгал, тайлбар, таамаглалыг шалгаж бүлэглэлтийн хүрээний ялгаануудыг тодорхойлдог. Àшиглахын тулд Analyze Descriptive Statistics Explore-оор орж эхлээд Dependent list-д хамаарах хувьсагчид, Factor list-д ажиглалтыг бүлэглэх хүчин зүйлийн хувьсагчийн нэрс, Label Cases by-д ажиглалтыг нэрлэж тэмдэглэх (ID) хувьсагчийг сонгох ба энд юу ч заагаагүй бол ашиглалтын дугаарыг ашигладаг байна.

Äараа нь статистик руу орж Äундажийн конфинденцийн интервал, дундаж үнэлгээний функц, хувийг тодорхойлон зааж болно. Äараагийн товч Plots-ийг дараад Boxplots хэсэгт график гарах хэлбэрийг сонгоно.Descriptive хэсгээс гол тодорхойлогчийг сонгоно.Normality plots with tests-

Нормал тархалтын магадлалыг тестийн хамт гаргах эсэх, Spread vs Level with Levene test-д графикт хэмжигдэхүүний хөрвүүлэх аргыг сонгоно. Options-оос алдаатай утгуудыг судалгааны үнэлгээнд яаж хамруулахыг зааж өгнө. Ok-г дарж үр дүнгийн хүснэгтүүдийг үзэж болно. Crosstabs - Crosstabs процедур нь 2 ба түүнээс дээш хэмжигдэхүүнүүдийн тест, хэмжээс, харилцан холбоо уялдааг 2 хэмжээст огтлолцсон (кросс) таблицын хэлбэрээр бэлддэг. Àшиглахын тулд Analyze Descriptive Statistics Crosstabs-руу орно.

Row, column хэсэгт гарах таблицын мөр, багана болох үзүүлэлтийг зүүн дээд талаас идэвхижүүлэн сумаар зөөж тавина.Layar-хүснэгтийг хэдэн янзаар ямар үзүүлэлтээр бүлэглэж үзүүлэхийг категорийн үзүүлэлтээр зааж өгнө. -Exact –г дарж шаардлагатай тестүүдийг холбогдох параметрийн хамт сонгоно. -Statistics-г үзэх статистик утгуудыг сонгож авах. -Cells-ийн Counts-аас тоолох утгуудыг Percentages-д хувийг мөрөнд бодох уу багананд бодох уу гэдгийг, Residuals-д ялгаануудыг яаж тооцохыг тус тус заана. -Row order-оос мөрийн дараалах хэлбэрийг сонгоно. Çүүн талын цонхны доод хэсэгт байрлах Display clastered bar charts-ыг идэвхжүүлбэл категорын хүрээнд бүлэглэгдсэн график диаграммыг үзэж болно. Suppress tables-таблицгүйгээр зөвхөн статистик хэмжээнүүдийг харах. Ok –г дарж үр дүнг харна. Ratio ( харьцаа- пропорц) - Ratio Statistics процедур нь хоёр хэмжээст хувьсах хэмжигдэхүүний хоорондох харьцааг тодорхойлж статистикийн дүнг дэлгэрэнгүй жагсаалтаар харьцааны хэмжээсээр тооцон гаргаж өгдөг. Àшиглахын тулд Analyze Descriptive Statistics Ratio-руу орно. Äэлгэцэн дээр гарч цонхны Numerator-т дугаарлагч хувьсагч, Denominator-т танигч хувьсагч, бүлэглэх үзүүлэлтдээ Group variable-д зүүн дээд талаас сонгож цонх бүртээ оруулна.

Үүний дараагаар ямар статистик сонирхож байгаагаа сонгохын тулд Statistics-руу орно.Эндээс үндсэн бодлого, дисперси, концентрацийн индексийг тус тус олж болно. Çүүн талын цонхны доод хэсэгт Display results нь үзүүлэлтүүдийн үр дүнг харуулдаг. Ok-г дарахад олсон утгууд хүснэгтэнд гарч ирнэ Â. CUSTOM TABLES Basic Ýíý äýä ìåíþ íü äîîðõè General ìåíþíèé àäèë àæèëëàõ áîëîâ÷ ò¿¿íýýñ áîëîìæîîðîî àðàé äóòìàã áàéäàã ó÷ðààñ òîäîðõîé òàéëáàðûã àëãàñàâ. General - Òóõàéí ¿åä àøèãëàæ áàéãàà õ¿ñíýãòýí ìýäýýëëèéí Data View –èéí ìºð¿¿äýä òîäîðõîéëîãäñîí ¿ç¿¿ëýëò¿¿äèéí õ¿ðýýíä òàáëèö ãàðãàæ àâàõ àðãûã õàðèëöàõ öîíõíû àðãà õýðýãëýí (WIZARD) õèéõ áîëîìæèéã îëãîíî. ¯¿íèéã òàéëáàðëàõûí óðä SPSS-èéã àøèãëàõàä äàðààõ ãîë ïðîãðàììóóä íýãäñýí óäèðäëàãà äîð àæèëëàäàãèéã òóñ á¿ðä íü òîâ÷ òàéëáàðëàÿ. ¯¿íä: Òàáëèö áàéãóóëàõ Analyze -> Custom Tables->General –ààð îðîõîä äàðààõ ìåíþ ãàð÷ èðíý. Èíãýýä òóõàéí ìýäýýëëýýñ ãàðãàõ òàáëèöûíõàà ìºð áîëîõ ¿ç¿¿ëýëòèéã Rows-ä ç¿¿í ãàð äýýä òàëä áàéãàà ¿ç¿¿ëýëòèéí æàãñààëòààñ ñîíãîîä ñóìûã äàðæ îðóóëíà.

̺í áàãàíà áîëîõ ¿ç¿¿ëýëòèéã ñîíãîîä Columns-ä ñóìààð îðóóëíà. Èíãýýä ¿íäñýíäýý òàáëèö ãàðãàõàä áýëýí áîëñîí ãýâ÷ çàðèì íýìýëò øààðäëàãà õýðýãöýýã òàéëáàðëàõ õýðýãòýé. ¯¿íä: Statistics Làbels äîð Across the top – ìºðºíä ãàð÷ áàéãàà ¿ç¿¿ëýëò¿¿ä äýýä òàëààðàà çýðýãöýæ ãàðàõ, Down the side- äýýðýýñ äîîø äàðààëæ ãàðàõ, In the layer – òóõàéí õàâòñàíäàà (Layer) õóóäñóóä áîëæ äàðààëàí ãàðàõûã çààæ ºãäºã. Selected variable: ̺ðèéí болон áàãàíûí ñîíãîãäñîí ¿ç¿¿ëýëòèéí хувüä äàðààõ òîäîðõîéëîëòóóäûã çºâ çààæ ºãñºí áàéõ ¸ñòîé.

Defines cells- ¿ç¿¿ëýëò ÿàæ òîäîðõîéëîãäñîí áàéíà ò¿¿ãýýðýý ¿ð ä¿íãèéí òàáëèöаä ãàðäàã Is summarized- ýíý ¿ç¿¿ëýëòèéí óòãûã ä¿ãíýæ àâíà. Ãýõäýý edit statistics – ààð îðæ ÷óõàì ÿìàð áàéäëààð ¿íýëãýý, òîîöîî õèéõýý ñîíãîæ àâàõ øààðäëàãàòàé. Omit label – ãàðàõ òàáëèöàä ýíý ¿ç¿¿ëýëòèéí íýðèéã áè÷èõã¿é îðõèíî ãýâýë àøèãëàõ. >Nest- ýíý ¿ç¿¿ëýëò ººðèéíõýý äýýð(óðä) îðñîí ¿ç¿¿ëýëòèéí óòãà á¿ðò äýä õýñýã áîëæ îðîõ (àéìàã äîòîð ñóìààð ãýäýã øèã) áà UnNest – äýýðõ áàéäëûã óñòãàæ èæèë òºâøèíä ãàðàõ. - Edit Statistics - Òóõàéí ¿ç¿¿ëýëòèéã ÿàæ òîîöîæ ãàðãàæ èðýõèéã çààíà. ¯¿íä: - Õýðýâ ¿ç¿¿ëýëò Defines cells-ýýð òîäîðõîéëîãäñîí áîë - Row%-òóõàéí ¿ç¿¿ëýëòèéí óòãóóäûí õóâüä ìºðºí人 ýçëýõ õóâü, - Col%- òóõàéí ¿ç¿¿ëýëòèéí óòãóóäûí õóâüä áàãàíàíäàà ýçëýõ õóâü , - Layer%- òóõàéí ¿ç¿¿ëýëòèéí óòãóóäûí õóâüä á¿õ òàáëèöäàà ýçëýõ õóâü, - Table%- òóõàéí ¿ç¿¿ëýëòèéí óòãóóäûí õóâüä òàáëèöäàà ýçëýõ õóâü, - Subtable% - òóõàéí ¿ç¿¿ëýëòèéí óòãóóäûí õóâüä äýä òàáëèöäàà ýçëýõ õóâü - Õýðýâ ¿ç¿¿ëýëò Is Summarized -ýýð òîäîðõîéëîãäñîí áîë - Max, Min, Median, Mode, Percentile,Percentile05,..Percentile99, Range, S.E.Mean, Std Devation, Row Sum%, ColSum%, LayerSum%, TableSum%, SumofValues, ValidValueCount, Variance, RowValid N% çýðãýýð ¿ð ä¿íãèéí ¿ç¿¿ëýëòèéã ãàðãàæ àâàõ àðãûã çààæ ºã÷ áîëíî. Ýíý íü ìºð á¿ðèéí ¿ç¿¿ëýëòèéã çºâõºí òîîëîõ áèø óòãûã íü íýìýõ þìóó ººð áóñàä àðãóóäààð ¿ð ä¿íãèéí ìºðèéã ãàðãàæ àâ÷ áîëîõûã õýëæ áàéãàà õýðýã. - Insert Total - Òóõàéí ¿ç¿¿ëýëòýýð ä¿í àâàõûã çààæ ºã÷ áàéãàà áºãººä ä¿íãèéí óòãà íü óã ¿ç¿¿ëýëòèéí óòãûã ÿìàð áàéäëààð òîîöîæ ãàðãàæ àâàõààð òîäîðõîéëñîíòîé àäèë áàéíà. Õýðýâ èíãýõã¿é ãýæ ¿çâýë Var..Total ¿ç¿¿ëýëòèéã èäýâõæ¿¿ëýýä Edit Statistics äýýð äàðààä CustomTotal Statistics –èéã èäýâõæ¿¿ëýýä øèíýýð òîîöîõ àðãàà çààæ ºã÷ áîëíî. Format - íü òóõàéí ¿ç¿¿ëýëò õîîñîí áîë öýã þìóó õîîñîí áàéõûí àëèéã çààõ ò¿¿í÷ëýí àëäààòàé/áóðóó/ óòãûã òóñãàéëàí òýìäýãëýõ ýñýõèéã çààæ ºã÷ áîëíî. Titles – ãàðàõ òàáëèöûí ãàð÷ãèéã òîäîðõîéëæ ºãíº - Total Label – Total ãýæ ãàð÷ áàéãàà ìºðèéí Total ãýæ áè÷èõèéí îðîíä ººð ç¿éë áè÷èæ /Íèéò ä¿í ãýõ ÷ þìóó/ áîëîõ. Èíãýýä òàáëèöûã òàáëèöûí òîäîðõîéëîëòûã õèéæ äóóññàíû äàðàà ÎÊ äàðæ òàáëèö ãàðãàõ ïðîãðàììûã àæèëëóóëíà. ¯ð ä¿íãèéí òàáëèöòàé àæèëëàõ Ïðîãðàìì àæèëëàæ äóóñàõàä OUTPUT1 õýëáýðèéí òàáëèö SPSS Viewer ïðîãðàììä ãàð÷ èðíý. Òàáëèöûã хулганы òîâ÷îîð 2 îéðõîí äàðæ èäýâõæ¿¿ëýýä шаардлагатай бол ôîíòûã êðèëë áîëãîîä ìºí õýðýãòýé áîë Look Table-ä îðîîä òàáëèöûí õ¿ðýý çóðààñ. Хэлбэрийг ººð÷èëæ áîëíî. Ò¿¿íýýñ ãàäíà òàáëèöàà 2 çàìààð çàñâàðëàí ººð÷èëæ áîëíî. ¯¿íä: 1. Òàáëèöûã Edit Select Table-ààð èäýâõæ¿¿ëæ Copy, Paste-ààð EXCEL-ä øèëæ¿¿ëýýä, нэмэлт тооцоо, өөрчлөлт оруулж àøèãëàæ áîëíî. 2. Pivot Table Editor - ò îðæ òàáëèöàà ººð÷èëæ çàñâàðëàæ áîëíî. Үүний тулд таблиц гаргасан үедээ SPSS Viever дээр үзэж байгаа таблицаа хулганы зүүн товчны

2 ойр даралтаар идэвхжүүлэхэд PIVOT дээр дарахад түүний цонх нээгдэж дараах үүргүүдийг гүйцэтгэх боломжтой болно. Нэг анхаарах зүйл бол таны гаргаж сонгон харж байгаа таблиц 3 хэмжээстэй буюу Layears-бүхий бүтэцээр тодорхойлогдсон байх нь чухал.

. Үүнд: Bookmarks – тухайн таблицыг янз бүрийн хэлбэрээр өөрчлөх бүрт түүнд оноосон таних тэмдэглэгээ болгох зорилгоор янз бүрийн нэр өгч хадгалан сүүлд эргэж ашиглахад дөхөмтэй байдаг. Transpose - Мөр баганыг солих Layear – таблицын разрезийг мөр болгож 2 хэмжээстээр харуулах Layear – таблицын разрезийг багана болгож 2 хэмжээстээр харуулах Pivot таблицын байдлыг эхний байдалд оруулж сэргээх Pivoting Trays – Үзэж байгаа таблицынхаа мөр багана, разрез хийж байгаа үзүүлэлтүүдийг сольж зөөж, зэрэгцүүлж байрлуулах замаар бүтцийг нь өөрчлөн харах боломж олгодог. Тэхдээ мөр, багана, layear дээр байгаа дүрсүүдийг зөөж мөн нөгөө дээр нь аваачих болгонд таблицын хэлбэр өөрчлөгдөөд байхыг хялбар үзэж болно. Таблицын тухайн layear (разрез)-т очиж зөвхөн түүний мэдээллийг харуулах зэрэг үүргийг гүйцэтгэнэ. 3. ̺í SPSS Viewer äîòðîîñ øóóä áè÷¿¿ëæ àâ÷ áîëíî. -MULTIPLE RESPONSE TABLES Ýíý íü íýã òºðëèéí òàáëèöûã ººð íýã /ãóðàâ äàõü/ ¿ç¿¿ëýëòèéí òóñëàìæòàéãààð îëîí òîîíû /ðàçðåç/ áàãö òàáëèö áîëãîí á¿ðä¿¿ëýõýä àøèãëàãäàíà. ¯¿íèé òóëä General Tables –èéí Multiple Response tables-ä ÿìàð ¿ç¿¿ëýëòýýð ðàçðåç áîëãîí àâàõûã çààæ ºãíº. ªºðººð õýëáýë óëñûí õýìæýýíèé ÿìàð íýã òàáëèöûã àéìàã óëñûí ä¿íãýýð àâàõäàà ñàëáàð á¿ðèéã óëñûí ä¿íòýéãýýð àâíà ãýâýë ñàëáàðûí øèôðèéã Multiple Response tables-ä îðóóëààä Insert Total äàðíà ãýñýí ¿ã þì. Äàðààõ çóðàãò SPSS Viewer ïðîãðàììààð òàáëèöûí ¿ð ä¿íã õàðóóëæ

áàéíà. Ýíä ãàðñàí òàâëèöûã ñîíãîæ ôîíòûã êðèëë, òàáëèöûã Boxed áîëãîñíû äàðààõ áàéäàë. ̺í ýíä SPSS-èéí êîìàíäóóäûã (Edit->Options-îîð îðæ þó õàðàõàà òîõèðóóëäàã) õàðæ áîëíî. SPSS-èéí ò¿ð¿¿÷èéí âåðñ¿¿äýä êîìàíäûã èéì áàéäëààð ãàðààð áè÷èæ ºã÷ áàéæ àæèëëóóëäàã áàéñàí áà îäîîíû àðãà èë¿¿ õÿëáàð áîëñîí íü õàðàãäàæ áàéíà. ªºðººð õýëáýë òýäãýýð êîìàíäóóäûã ñóäëàõ àëáàã¿é ãýñýí ¿ã.

6.4. Compare Means Means Means процедур нь дундаж хэмжээнүүдийн групп ба тогтмол хэмжээний хамааралтай байдаг статистикт харъяалагдах хувьсах хэмжигдэхүүнүүдийн зэрэглэлийн доторхи нэг эсвэл олон үл хамааран хувьсах хэмжигдэхүүний үнэлгээг тооцоолдог. Үндсэндээ нэг хэмжээст вариацын судалгаа, тэдгээрийн шугаман байдлын шалгалтыг хийдэг. Àшиглахын тулд Analyze Compare Means Means рүү орно. Äараа нь хамааран хувьсагч, үл хамааран хувьсагчийг (layer-ангилан ялгах категорийн үзүүлэлт) сонгоод Options руу орж ямар статистик сонирхож байгаагаа сонгоно. Үүний дараагаар Ок дарна. One-Sample T Test One-Sample T Test - процедур нь тухайн хувьсах хэмжигдэхүүний дундач утгыг тодорхой нэг тогтмол тоотой яаж харьцаж байгааг шалгах тестүүдийг тооцоолж гаргадаг. Àшиглахын тулд Analyze Compare Means One-Sample T Test рүү орно. Test variable-д хувьсах хэмжигдэхүүнүүдээ сонгоод, Test value-д тестийн тогтмолын утгыг зааж өгнө. Äараа нь Options руу ороод конфинденцийн интервалын хэмжээ, алдаатай утга бүхий ажиглалтыг ямар нөхцөлд (алдаатай утга бүхий үзүүлэлт орсон ажиглалтыг

эсвэл судлаж байгаа үзүүлэлт алдаатай байгаа ажиглалтыг гэдгийг сонгох) оруулахгүй байхыг сонгоод Ок дарж үр дүнг үзнэ. Independent-Sample T Test Хамаарахгүй хэв загвар сонгох Т тест процедур нь дундаж хэмжигдэхүүнүүдийн 2 группын ажиглалтын утгуудыг (тохиолдолуудыг) харьцуулдаг. Àшиглахын тулд Analyze Compare Means Independent-Sample T Test рүү орно. Äараа нь тестийн хувьсах хэмжигдэхүүн, группын хувьсах хэмжигдэхүүнийг сонгоод Options руу орно. Мөн конфинденцийн интервал, алдааны хэмжээг тодорхойлоод Ок дарна. Paired Sample T Test Энэ процедур нь нэг бүлэгт байгаа 2 хувьсагчийн Т- шалгуурын үнэлгээг тооцож гаргадаг. Энэ нь ажиглалт бүрийн 2 хувьсагчийн утгын ялгааг бодож дундажийн тэгээс ялгагдах ялгааны тестийг хийнэ. Àшиглахын тулд Analyze Compare Means Paired Sample T Test рүү орно. Paired variable-д хоёр хувьсах хэмжигдэхүүнийг сонгож тавина. Äараа нь Options руу орно.Энэ нь өмнөх цэсний Options-той ижил үйлдэлтэй. Ok дараад үр дүнг шалгана. One-Way ANOVA Энэ процедур нь хамааран (dependent) хувьсагчдын ANOVA –вариацын тестийн шалгуурыг үл хамааран (independent) хувьсагч категорийн хувьсагчийн хувьд хийхэд зориулагдсан. (ANOVA- Analysis of variance - д тэг таамаглалын үнэлгээг хийдэг). Àшиглахын тулд Analyze Compare Means One-Way ANOVA руу орно. Утгуудаа цонхондоо сонгоод Contrasts руу орно. Эндээс хэмжээнүүдээ сонгоод, дараа нь Post Hoc Multiple- дундаж болон рангийн тестүүдийн хоорондын харьцааг шалгах аргуудыг сонгоод , Options руу орж алдааны хэмжээ, статистикуудыг сонгоно. Äараа нь Ok дараад үр дүнг харна.

General Linear Model (GLM) –ерөнхий øóãàìàí ìîäåë GLM Univariate – Íýãýí õýìæýýñò ерөнхий øóãàìàí ìîäåë - Ýíý ïðîöåäóð íü õàìààðàí õóâüñàã÷ ¿ç¿¿ëýëò¿¿ä áóñàä êàòåãîðèéí áîëîí òîîí óòãàò óðüä÷èëàí ìýäýýëýã÷ (ïðåäèêòîð) ¿ç¿¿ëýëò¿¿äòýé õîëáîãäîõ øóãàìàí øèíæ ÷àíàðûã òîãòîîõîä òóñëàõ çîðèëãîор регресс, вариацийн судалгааг нэг хамааран хувьсагчийг нэг болон түүнээс дээш тооны хувьсагчуудтайгаар (factors and/or variables) хийхэд ашиглагдана. Энэ процедураар тэг таамаглал (null hypotheses) –н шалгалтыг хамааран хувьсагчийн хувьд хийж болно. Мөн үзүүлэлтүүдийн хоорондын уялдаа холбоо, санамсаргүй болон хувь үзүүлэлтүүдийн эффектүүдийг судалж болно. Áаланстай болон балансгүй моделуудыг шалгаж үзэх боломжтой (моделийн дизайныг баланстай гэж модел дахь нүднүүд ижил тооны ажиглалтыг агуулж байвал хэлдэг).

Процедурыг дуудахдаа: Analyze General Linear Model Univariate... аар орж Хамааран хувьсагчийг dependent variable дотор аваад Fixed Factor(s)-д өөрийн сонирхож байгаа үзүүлэлтүүдийг, Random Factor(s)-д хамааран хувьсагчид нөлөөлж болох санамсаргүй хэмжигдэхүүн буюу нэг үзүүлэлт, Covariate(s)-д моделд тоон прогноз хийхэд тус болох, регрессийн моделийг тодорхойлоход ашиглагдахуйц үзүүлэлтийг сонгож авах. WLS Weight – нэг үзүүлэлтээр ажиглалтуудыг жигнэн хамгийн бага квадратын ( weighted least-squares-WLS ) аргыг хэрэглэж хэмжээсийн янз бүрийн нарийвчлалыг гаргаж болдог. Шалгалт (тест) хийж дуусаад хамааран хувьсагчийн тооцсон болон бодит утгуудын ялгаа, тооцсон утга, зай (Cook’s distance) зэрэг утгуудыг өөрийн Data view таблиц дээр гарган хадгалж авч болно. Model: full factorial model Áүрэн факторын модел нь бүх фактор, ковариац, үзүүлэлт хоорондын харилцан шүтэлцээний үзүүлэлтийг агуулдаг. Харин ковариац хоорондын харилцан шүтэлцээг үзүүлдэггүй. Custom гэдэг нь үзүүлэлт ковариацын хоорондын харилцан шүтэлцээний хэсгийг тодорхойлдог. Sum of squares. Квадратын нийлбэрийг (sum-of-squares) боддог аргын сонголт. Áаланстай болон балансгүй моделийн тохиолдолд III-ийг голдуу хэрэглэдэг. Contrasts – үзүүлэлтүүдийн түвшний ялгааг шалгаж үзэхэд ашиглана. Контрастыг фактор бүрт тодорхойлж болох ба тэр нь тэр параметрүүдийн шугаман комбинац байдлаар харагдана. Plots - Хамааран хувьсагчийн факторуудынхаа утгын түвшинтэй яаж харьцаж байгааг харуулсан график байна. Horizontal axis – факторуудынхаа нэг утгыг өгнө Separate lines - 2 дох факторын утгыг өгнө Separate plots - 3 дах факторын утгыг өгнө

Add – графикт орох факторууд (энэ бол хамааран хувьсагч биш)-ыг тодорхойлсоны дараа add дарахад хэдэн хувьсагч орсон байна тэдгээрийн үржвэр орж ирнэ ингээд Continue хийхэд процедурын менюнд очно. Èнгээд ОК дарахад үр дүнгийн таблицууд гарч ирнэ. Үүнээс тестийн үр дүнг харж хэрэгтэй бол дахин орж шаардлагатай параметрүүдээ өөрчлөөд дуудаж үзэж болно. *** Тестийн алгоритм, нэршлийг сайн ойлгох, арга зүйг гүнзгий мэдэх, тайлбар хийхэд суралцах бол HELP –ийн дор Show Me –гээр (заримд нь байдаггүй) орж тайлбар болон гаргаж байгаа таблицуудыг сайтар ажиглах шаардлагатай. Учир нь сурах бичиг аргачлалд Математик статистикийн аргын талаар бичигдсэн томъёо, нэршил, үнэлгээ хийх арга зүй, дараалал зэрэг нь зөрөх тохиолдол гарч болох талтай. GLM Multivariate Analysis of Variance – Олон хэмжээст шугаман анализын процедур GLM Multivariate - процедур нь нэг болон олон фактортой олон хамааран хувьсагчдын регрессийн болон вариацын судалгааг хийхэд зориулагдсан. Фактор хувьсагчид нь группуудэд хуваагдах ба энэ шугаман моделийг ашиглан фактор хувьсагчдын нөлөөллийн тэг таамаглалыг шалгаж болно. Энэ модел нь дээрх нэг хэмжээст шугаман моделоос 2 ба (dependent variables) түүнээс дээш хамааран хувьсагч сонгон авдагаараа ялгаатай. Процедурыг дуудахдаа : Analyze General Linear Model Multivariate... гэж ороод ядаж 2 хамааран хувьсагчийг (dependent variables) сонгож авах хэрэгтэй. Мөн факторуудаа сонгон авч Fixed Factor(s) –д хийнэ Covariate(s) болон WLS Weight дотор нэг хэмжээст шугаман моделийн адил сонголтоо хийж дуудан үр дүнгээ авч болно. GLM Repeated Measures Analysis – Хэмжээсийн анализ Энэ нь хос факторуудаас үүсгэсэн субъектийн хүрээнд олон хэмжээст шугаман анализыг хийдэг бөгөөд факторын субъектийн (between-subjects factor(s)) хооронд гэдэгт ямар нэг фактор сонгогдсон байвал түүгээр групп үүсгэж тэр хэмжээнд олон хэмжээст шугаман анализ хийгддэг байна. Äуудахдаа: Analyze General Linear Model Repeated Measures... гэж ороод ядаж нэг үзүүлэлтийн жагсаалтад байхгүй нэрээр within-subjects factor сонгоод төвшний тоог (number of levels) зааж Define дарж ямар хос үзүүлэлтийг судалгаанд оруулахаа сонгон оруулна. Мөн регрессийн модел тодорхойлох гэж Covariates - прогнозлогч хувьсагчийг сонгон өгч болно. Èнгээд дээр дурдсан олон хэмжээст шугаман анализ хийдэг процедурт заадагтай адил бусад тодорхойлогч үзүүлэлтүүдийг сонгон тэмдэглэж өгөөд дуудахад мөн тэр процедурын адил үнэлгээг хийж өгөх болно. Variance Components Analysis –

Өөрчлөлтийн компонентийн (вариац) анализ Âариацын судалгаа нь хамааран хувьсагчдын санамсаргүй нөлөөлллийг дангаар нь болон нийлмэл байдлаар үнэлж өгдөг. Энэ процедур үнэлгээндээ 4 төрлийн

аргын аль нэгийг сонгуулан хэрэглэдэгийг Options Method дээр зааж сонгоно. Мөн арга болгон өөр өөр зарчим, характеристиктай байдгийг үзэж сонгож болно. Харин Include Intercept in Model – дээр моделийг сул гишүүнтэйгээр авах эсэхийг тэмдэглэх юм. Эцэст нь Variance- үнэлгээг хавсарган файлд хадгалах эсэхийг бас зааж өгч болно. Äуудахдаа: Analysis General Linear Model Variance Components... –аар орж нэг хамааран хувьсагчийг сонгох (Select a dependent variable) ба түүний дор Fixed Factor(s)- шууд нөлөөлнө гэж үзсэн хувьсагч, Random Factor(s)- санамсаргүй хувьсагч, Covariate(s)- тохиромжтой гэж үзсэн ковариац болон WLS Weight – жигнэх хэмжигдэхүүн зэргийг шаардлагын дагуу сонгож өгнө. Судалгааны тодорхойлолт, арга зүйг зааж дуусаад процедурыг ОК дарж үр дүнг харах болно.

Linear Mixed Models Select Subjects/Repeated Variables – Холимог шугаман модел Холимог шугаман модел нь ерөнхий шугаман моделийг эх үзүүлэлтүүд нь шугаман хамааралтай болон тогтмол биш хувьсалтай байх боломжтой нөхцөлөөр өргөтгөн үнэлгээ хийж өгдөг байна. Өөрөөр хэлбэл моделийг уян хатан болгож дундаж утгаас гадна вариац, ковариацын хэмжээнд үнэлгээ хийх боломж олгодог. Энэ нь өргөтгөсөн утгаараа олон төвшний, шугаман иерархи болон санамсаргүйн коэффициентийн моделуудыг багтаана гэсэн үг юм. Äуудахдаа: Analyze Mixed Models Linear... гэж менюнээс ороод Continue –дарж dependent variable - сонирхож байгаа хамааран хувьсагч, Factor(s) – корреляц муутай хувьсагчид, covariate – ковариац болгон үзэх хувьсагч, Residual weight – үлдэгдэлийг нь жигнэх үзүүлэлт зэргийг шаардлагын дагуу сонгож өгнө. Fixed юмуу Random хоёрын нэгийг нээж ядаж fixed-effects юмуу random-effects model гэдгийг сонгосон байх ёстой. Моделийн доторхи тодохойлолт, арга зүйг зааж дуусаад процедурыг ОК дарж үр дүнг харах болно.

Correlations- Корреляцийн анализ Bivariate – Ýíý процедур нь Пирсоны корреляцийн коэффициент, Спирманы рангийн корреляцийн коэффициент, Кенделийн рангийн коэффициентуудыг тэдгээрийн ач холбогдолын (significance ) түвшингүүдтэй хамт тооцоолдог Àшиглахын тулд Analyze Correlate Bivariate-г сонгоход харилцах цонх гарч ирнэ.

Variables-д судлах үзүүлэлтүүдээ идэвхжүүлэн хажуугийн сумаар зөөж оруулна Тэгээд Correlations Coefficients-ээс ямар коэффициент сонгохоо дараад Options руу орно.Statistics-ээс статистикийн үзүүлэлтээ сонгоод, Missing values-ээс алдааны үзүүлэлтийг ажиглалтаас хасах нөхцөлийг заана.Äараа нь Ок-г дарна. Partial – Ýíý процедур нь нэг эсвэл олон хувьсах хэмжигдэхүүний үр дүнг тохируулж хоёр хувьсах хэмжигдэхүүний хоорондох харьцаа шулууныг тодорхойлж тухайн (частной) корреляцийн коэффициентийг тооцоолдог.

Àшиглахын тулд Analyze Correlate Partial-г сонгож орно. Variables-д судлах үзүүлэлтээ сонгож оруулна.Controlling-д харьцуулан шалгах үзүүлэлтээ оруулна. Äараа нь Options-руу ороод Statistics Missing values-аас сонголтоо хийгээд Ок дарна. Distances – Ýíý процедур нь хоёр хувьсах хэмжигдэхүүний хооронд эсвэл хоёр тохиолдлын хоорондох холбоос нийцтэй байна уу эсвэл нийцгүй байна уу гэдгийг шалгадаг. Энэ нийлэмжтэй байдал буюу зайн хэмжээс нь хожим комплекс судалгааны өөр процедурт ашиглагдаж болдог.

Àшиглахын тулд Analyze Correlate Distances-г сонгож орно. Variables цонхонд судлах үзүүлэлтээ сонгож тавина Compute Distances-д ажиглалт мөр хооронд уу, үзүүлэлт багана хооронд уу гэдгийг сонгоно. Äараа нь Measures товчийг сонгоход Measure-зайг ямар аргаар тооцох, Transform Measure, Transform Values гэсэн хэсгүүд гарч ирнэ.Эдгээрээс олох хэмжээнүүдээ сонгоод Ок дарна.

Regression цэсний командуудын тухай Linear – Ýíý процедур нь шугаман регрессийн тэгшитгэлд холбогдох нэг болон олон хамаарах хувьсах хэмжигдэхүүний коэффициентүүд, тогтмолыг үнэлэх статистикийг тооцоолж өгдөг. Àшиглахын тулд Analyze Regression Linear-г сонгож орно.

Dependent цонхонд хамааран хувьсагчийг сонгож тавина.Independent цонхонд үл хамаарах хувьсагчдыг сонгоод сумаар зөөж тавина Selection variable-д судалгааг хязгаарлах хувьсагчийг дүрмийн (Rule) хамт тодорхойлно.Case Labels-д үнэлгээний үр дүнгийн график гаргахад ямар хувьсагчтай харьцуулан гаргахыг заана. Энд Residuals-д ажиглалтын болон онолын утгын зөрөөг харах хэлбэр. Үүний дараагаар ямар статистик гаргаж авахыг сонирхож байгаагаа Statistics дээр дарж сонгоно. Plots-оос графикуудын хэлбэрийг сонгоно. Save-д хадгалах үзүүлэлтүүдийг нэрлэж зааж өгнө. Харин Options-д регрессийн үнэлгээний алхам, тогтмолыг оруулах, алдаатай утгыг яах зэргийг заана.

WLS-хамгийн бага квадратын аргыг жигнэх хувьсагчийн нэр.Тэр нь регрессд орлоогүй байх ёстой. Тохируулгаа хийж дуусвал Ок-г дарж үр дүнг авч болно. Curve Estimation – Ýíý процедур нь регресс ба регрессийн үнэлгээний загваруудын ялгаатай арван нэгэн муруйг холбосон графикуудын статистик тооцоог гаргадаг. Àшиглахын тулд Analyze Regression Curve Estimation-г сонгож орно. Dependent-д хамаарах хэмжигдэхүүн, Independent-д үл хамаарах хэмжигдэхүүнээ сонгож тавина. Models-оос графикийн хэлбэрийг сонгож болно. Save-д хадгалах хэмжигдэхүүнээ сонгоод Ок дарж бүх үйлдэл дуусна Binar Logistic – Ýíý регресс нь хамааран хувьсагч үзүүлэлтийн утга авах эсэхийг комплекс факторуудын утгуудад үндэслэж үр дүнг гарган авахад ашиглана. Энэ бол шугаман регресстэй төстэй боловч хамааран хувьсагч нь хоёрхон утгатай юм шиг байдаг. Àшиглахын тулд Analyze Regression Logistic-гоор орно. Dependent-д хамаарах хувьсагчийг, Covariate-д ковариацийн утгыг сонгож тавина. Äараа нь Categorical-ийг сонгоход Categorical Covariate цонх гарч ирнэ. Энэ цонхонд Covariate-аас өмнө сонгосон утгаасаа сонгоно. Save товчийг дарахад: Predicted values-ээс урьдаас мэдэх хэмжээсүүдийг; Residuals-д зөрөөнүүдийг; Influence-д нөлөөнүүдийг сонгоод Continue-г дарна. Äараа нь Options-д статистик ба графикуудын хэлбэрийг сонгоод Ок-г дарж үр дүнг авч болно. Multinomial Logistic Олон гишүүнтэй Логистик регресс нь комплекс факторуудын (прогнозатор) утгуудад үндэслэн ямар нэг зүйлийг ангилагдахад ашиглагдана. Энэ нь Логистик регресстэй төстэй боловч хамааран хувьсагч нь 2-хон категороор хязгаарлагдахгүй их өргөн байдаг. Àшиглахын тулд Analyze Regression Multinomial Logistic-ийг сонгож орно. Ãарч ирсэн цонхнуудад харъяалагдах утга, коффициентын утга, ковариацын утгыг тус тус сонгож тавина. Statistics-ээс ямар статистик сонирхож байгаагаа сонгоно. Criteria-аас давтагдах хэмжээнүүдийг сонгоод, Save-ээс хадгалах хувьсах хэмжигдэхүүнүүдээ сонгоно. Äараа нь Ок дарахад үр дүнг харна. Ordinal - процедур нь дараалсан тоон утгатай үл хамааран хувьсагчдийн үл хамааран хувьсагчдаас [ковариац оруулж болох] хамаарах хамааралыг 1980-аад оны үед гарсан McCullagh- гэж нэрлэгддэг аргачлалаар тооцдог.

Àшиглахын тулд Analyze Regression Ordinal-г сонгож орно. Ãарч ирсэн цонхонд хэмжигдэхүүнүүдээ сонгож тавиад Options руу ороод Чтерац хийх давталтуудыг сонгоно.Output-д харах, хадгалах хэмжээсүүдийг сонгож авна.Location-д загваруудыг заадаг.Scale-д загварын (Scale model) хэмжээсүүдийг тодорхойлдог.Äараа нь Ок дарж үр дүнг үзнэ.F-фактор, C-ковариац гэж ойлгоно. Probit - Энэ процедур нь ямар нэг сонирхолын бөх бат байдал, сонирхолд хариулсан хариултыг харуулах тохиолдлуудын пропорцын уялдаа холбоосыг үнэлж хэмжихэд зориулагдсан. Àшиглахын тулд Analyze Regression Probit-г сонгож орно. Response Frequency-Хариултын давтамжийг үзүүлсэн тэгээс их тоо байна, Total Observed-Àжиллаж байгаа хувьсагчийн дүнтэй хувьсагчийг заана, Factor-Нэг фактор хувьсагч сонгож, бүлгийг нь зааж өгнө, Covariate-д Ковариациудыг сонгохдоо ажиглалт бүрт сонирхлын түвшинийг агуулсан байна, утгуудаа оруулаад Options руу орно.Statistics-ээс сонирхсон статистикаа сонгоод, Natural Response Rate-аас бодит коэффициентийн хариуг яаж тодорхойлохыг, Criteria-аас хэмжүүрүүдийг сонгоно. Ok дарж үр дүнг харна. Nonlinear Nonlinear нь хамааран хувьсах хэмжигдэхүүн ба үл хамааран хувьсах хэмжигдэхүүнийг тогтоож хоорондох холбоонд нь шугаман биш регрессийн үнэлгээг гаргадаг Àшиглахын тулд Analyze Regression Nonlinear руу орно. Dependent-д хамааран хувьсах хэмжигдэхүүнээ, Model Expression-д загвараа тодорхойлоод, Parameter товчийг дарж параметрийн нэр, эхлэх утгыг өгөөд Continue дарна.Äараа нь Save рүү орж хадгалах хэмжээсүүдээ заагаад, Options руу орж Bootstrap estimates of standard error-г сонговол стандарт алдааг үнэлнэ.Estimation Method-оос үнэлгээний параметрүүдийг сонгоно.Äараа нь тус тусын хэмжээнүүдийг сонгоно.Ok дарна. Constrains-Моделийн параметрийг хязгаарлах аргыг заана.Үүнийг заахгүй бол Levenberg-Marquardt дээр хязгаарлалтыг заана. Loss-Минимизацын альтернатив тодорхойлоход (үлдэгдлийн квадратын нийлбэрийг Минимизац хийх) ашиглана. Wieght Estimation Стандарт шугаман регресийн тооцооны үр дүн үнэлгээ сайн биш байхад ямар нэгэн хувьсагчийн жин оруулж сайжирсан шугаман регрессийн тооцоог хийдэг процедур юм. Àшиглахын тулд Analyze Regression Wieght Estimation руу орно. Хамааран хувьсагч, үл хамааран хувьсагчдыг сонгоод, Weight variable жигнэх хувьсагчийг сонго.Äараа нь Options руу ороод шилэгдсэн жинг шинэ хувьсагч

болгон хадгалах эсэхийг заагаад ANOVA-ийн үзүүлэлт үнэлгээг сонгоно.Сонголтоо хийж дуусаад Ок дарж үр дүнг харна. 2 Stage Least Squares 2 шатат хамгийн бага квадратын регресс нь тусгай хэрэглээний хувьсагч ашиглан регрессийн тооцоог хийдэг.1-р шатандаа алдааны нөхцөлийг тооцохгүй асуудалтай прогнозлогч хувьсагчийн утгыг тооцоолдог.2-р шатандаа эхний шатанд тооцсон хэмжигдэхүүнээ ашиглан хамааран хувьсагчийн регрессийн моделийн үнэлгээг хийдэг байна.Энд яригдаж байгаа тооцоологдсон хэмжигдэхүүнүүд алдааны үнэлгээтэй тохиролцоо хийхгүйгээр оптимал моделийн үнэлгээг гаргадаг. Instrumental:-2 шатат регрессийн хэрэглээний (инструментал ) хувьсагчийг зааж өгнө.Энд EXPLANATORY-д орсон хувьсагч байж болох ба тэнд байгаа хувьсагчийн тооноос багагүй байх шаардлагатай. Àшиглахын тулд Analyze Regression 2 Stage Least Squares-г сонгож орно. Хамаарах хэмжигдэхүүнээ сонгоод, Explanatory-д регресст орох үл хамаарах хувьсагчид, Instrumental-д нөлөөлөх хэмжээг оруулна.Äараа нь Options руу орж шинээр хадгалах хэмжээсүүд болон параметрүүдийн ковариацыг гаргах эсэхийг зааж өгнө.Èнгээд Ок дарж үр дүнг харж болно. Optimal Scaling Categorical нь өөрчилсөн хувьсах хэмжигдэхүүнүүдийн регрессийн тэгшитгэлийн муруйн хамгийн үр дүнтэй болсон тоо хэмжээнүүдийн зэрэглэлийг тогтоож тоо баримтын тоо хэмжээг шууд тодорхойлдог Àшиглахын тулд Analyze Regression Optimal Scaling-г сонгож орно. Хамаарах хэмжээ, хамаарахгүй хэмжээг сонгоод Discretize рүү орно. Хамаарах ба хамаарахгүй хэмжээнүүд Variables цонхонд орсон байна.Äараа нь Grouping хэсэгт зэрэглэлүүдийн хэмжээ, ижил интервалуудын хэмжээг бичнэ.Missing рүү ороход шинжилгээ хийсэн хувьсах хэмжигдэхүүн цонхонд орсон байна.Стратегиа сонгоод Continue дарна. Options руу орж нэмэлт юмнуудаа сонгож, анхны хэлбэр, графикийн хаягийг тодорхойлно. Output-аас хүснэгтүүдийг сонгоно.Save-д ажиллаж байгаа файлаа хадгална Plots-оос графикуудаа сонгоно.Ok дарж бүх үйлдэл дуусна 6. 9. Loglinear процедур General Кросс таблиц юмуу Контингенц таблицад байгаа кросс ангилал бүрт орсон ажиглалтын давталтын тоог судалж үнэлгээ хийдэг. Àшиглахын тулд: Analyze Loglinear General –д орно Үүний дотор Factor(s)-категорчлогдох хүчин зүйлүүдийн хувьсагчдыг сонгоно. Cell Covariate(s)-Ковариацын нүд (cell) болох тасралтгүй хувьсах хэмжигдэхүүн.

Cell Structure-Ковариацын нүдэнд жин болохуйц хувьсагч Contrast Variable(s)-Моделд зөрүү(эсрэг зогсох) болж орох тасралтгүй хэмжигдэхүүн моделийн шугаман коэффициент болдог. Save: Үлдэгдэлүүд болон урьдчилан тооцсон хэмжигдэхүүнүүдийн утгыг хадгалах бол зааж өгдөг Residuals-Үлдэгдэл буюу урьдчилан тооцсон болон бодит утгын зөрөөнүүд Standardized residuals-Стандартчлагдсан зөрөөнүүд Adjusted residuals - Тохируулсан зөрөөнүүд Deviance residuals - Хазайлтын зөрөөнүүд Predicted values-Хувьсах хэмжээг урьдаас тооцсон утгууд Model : Satured (шингээх)- арга нь ковариацуудыг (cov) авдаггүй зөвхөн факторуудыг гол эффект болгон тооцоо хийдэг. Çөвхөн Custom-оор орж үндсэн хувьсагчдаас гадна урьдчилан үүсгэсэн шинэ хувьсагчид (term) ковариацыг нэмэн оруулж олон эффекттэй болгож үнэлгээ хийж болдог байна. Энд Term-д орж хувьсагчийн тоо хэмжээсийг зааж өгч болно (Factors and Covariates-цонхонд байгаа утгуудыг Terms in Model цонхонд сонгож оруулаад Continue дарна) Options : Display, Plot, Confidence interval, Criteria зэрэгт гаргах утгаа сонгон оруулж үр дүнг үзэж болно. Logit Энэ процедур нь хамааран хувьсах хэмжигдэхүүнүүд болон үл хамааран хувьсах хэмжигдэхүүнүүдийн хоорондох уялдаа холбоонд судалгаа хийж Newton-Rahson-na аргаар лог-шугаман моделийн параметрийг үнэлдэг Хамааран хувьсагчийн ялгаварын логарифм нь параметрүүдийн шугаман комбинац шиг илэрхийлэгдэнэ. Dependent –хамааран хувьсагч, Factors- категорчлогдох Факторыг сонгох ба энэ 2 нийлээд 10-аас хэтрэхгүй байх ёстой. Àшиглахын тулд: Analyze Loglinear Logit руу орно.

Ãарч ирсэн цонхнуудад утгуудаа сонгон зааж өгөөд General-ийн адил дуудна. Ялгаатай нь Save, Model, Options доторх үйлдлүүд нь General процедурын Save, Model, Options-той ижил үүрэгтэй. Äараа нь Ок дарж үр дүнг харна. Model Selection Model Selection процедур нь Кондингенцийн хүснэгтүүдэд олон аргаар анализ хийдэг. Àшиглахын тулд Analyze Loglinear Model Selection руу орно. Factor(s), Cell Weights цонхнуудад утгуудаа оруулаад Model Building-ийн Use backward elimination хэсгээс ХÈ хэмжээ болон шилжүүлэх боломжийг сонгож, Enter in single step-ийг идэвхжүүлбэл сонгох алхамд орно. Model товчийг дарж Factor(s) цонхонд байгаа утгыг Generating Class цонхонд оруулаад Continue дарна Äараагийн товч болох Options-руу ороод Display, Plot, Model Criteria-аас сонирхож байгаа үзүүлэлтүүдээ сонгоод Continue Ok дараад үр дүнгээ үзнэ.

Classify – Кластер анализ Кластер анализ нь олон хэмжээст ажиглалтыг ангилах аргууд юм. Çорилго нь кластер гэж нэрлэгдэх хоорондоо төстэй объектуудын бүлгүүдийг үүсгэхэд оршино. K-Means Cluster Analysis – К-дундачуудын арга. Энэ арга нь итерацийн аргаар ажиглалтуудыг ангилахад оршино. Äуудахдаа : Analyze Classify K-Means Cluster... гэж ороод кластерийн анализд орох үзүүлэлтүүдээ сонгоод хэдэн кластер болгох гэж байгаа тоогоо (2 ба түүнээс дээш байх ба ажиглалтын тооноос хэтэрч болохгүй) тодорхойлж өгнө. Мөн итерацийн тоо, зөвхөн ангилах эсэхийг ялган зааж өгнө. Мөн ажиглалтын нэрийг юугаар зааж өгөхийг label cases by дээр зааж өгч болно. Èнгээд зааж өгөх тодорхойлолт дууссан бол ОК дарж үр дүнгээ харж болно. Hierarchical Cluster Analysis – Иерархи кластерийн анализ Àнгилалын анализын түгээмэл хэлбэр болох иерархи кластерийн анализын мөн чанар нь эхлээд ажиглалтын объект бүр нь нэг тусгай кластер шиг тооцогдож дараа нь матрицын зай гэдэг ухагдахуунаар төстэй (зай ойртой) кластерууд нэгдэж нэг кластер болон ангилалгддагт оршино. Äуудахдаа: Analyze Classify Hierarchical Cluster... гэж ороод хэрэв cluster-ийг cases гэж авсан бол ядаж нэг тоон үзүүлэлт сонгох ба хэрэв cluster-ийг variables гэж авсан бол ядаж 3 тоон үзүүлэлт сонгон авах хэрэгтэй.

Мөн label cases гэдгийг үзүүлэлтээр сонгон авч ажиглалт буюу объектийг тэмдэглэж болно. Үүнээс гадна statistics – ямар үзүүлэлтийг тооцуулж гаргах, plots – графикаар юу гаргах, method – тооцоолох арга болон түүний шинжүүрийн хэмжээсийг яаж хийх зэргийг зааж өгч болно. Çаагаагүй бол ажиглалтын дугаараар тэмдэглэгдэн тодорхойлогдоно. Èнгээд зааж өгөх тодорхойлолтууд дууссан бол ОК дарж үр дүнгээ харж болно. Discriminant Analysis – Дискерминантын анализ Энэ нь олон хэмжээст ажиглалтын объектуудыг тодорхой шинж тэмдэгээр ангилан ялгахад зориулагдсан судалгааг хийж моделийг гаргаж өгдөг процедур юм. Кластерийн анализаас ялгаатай нь судалгааны явцад шинэ кластер үүсэж би болдоггүй харин шинэ нэгжийн олонлог хуучин байсан ангиудад яаж орох аргыг бүрдүүлж өгдөгт оршино. Энд дискриминант (шугаман болон шугаман бус) функцууд гол үүрэг гүйцэтгэнэ. Äуудахдаа:Analyze Classify Discriminant... гэж ороод нэг бүлэглэгдэх хувьсагчийг grouping variable – д сонгоод Define Range – г дарж тухайн хувьсагчийн сонирхсон утгын хязгаарыг бүхэл оруулна. Äараа нь үл хамааран хувьсагч буюу прогнозатор болох хувьсагчдыг Independents –т зааж өгөөд түүний доорхи 2 нүдний аль нэгийг моделийг хэрхэн тооцох аргыг тодорхойлох зорилгоор аль нэгийг сонгож өг.

Хэрэв та бүлэглэх хувьсагчаа тодорхой үзүүлэлтээр сонгон ялгаж авах байсан бол select cases-ийг дарж доор нь ялгах үзүүлэлтээ оруулж салгах утгаа value-д зааж өгч болно. Statistics-т гаргаж авах статистик үзүүлэлтийн талар , Method- тооцоог stepwise-аргаар хийхээр дээр заасан бол чухам ямар нэртэй алгоритмоор хэрхэн тооцохоо зааж, Classify- ангилан ялгахад ямар журам баримтлахаа тодохойлж өгөөрэй. Èнгээд зааж өгөх тодорхойлолтууд дууссан бол ОК дарж үр дүнгээ харж болно.

Data Reduction – Үзүүлэлтийг цөөлөх (хялбарчлах) Factor Analysis – Факторны анализ Факторын анализ гэдэгт объектуудын үзүүлэлтүүдийн хоорондын уялдаа холбооны үндсэн дээр судалж байгаа процессийн бүтэц, хөгжлийн механизмын латент (тодорхойгүй шинж чанар - неявность характеристик)-ийн өргөтгөсөн шинж чанарыг илрүүлэх аргуудыг ойлглж болно. Факторын анализ эхлээд тухайн объектийг тодорхойлж байгаа үзүүлэлтүүдийн хоорондын ойр төстэй байдлыг илрүүлэх замаар үзүүлэлтийн тоог (багана) багасгахад ашиглагдана. Мөн факторын анализ шинж чанаруудын уялдааг тооцож, үзүүлэлтүүдийг хасаж дараачийн судалгаанд зориулан таамаглал дэвшүүлэн гаргадаг. Энд тогтсон аргууд байх бөгөөд эцсийн дүгнэлт гаргах шатанд гол төлөв шугаман регрессийн аргыг ашигладаг байна. Äуудахдаа : Analyze Data Reduction Factor... гэж ороод факторын анализд орох үзүүлэлтүүдээ сонгоно. Мөн дараах тооцооллын утга, шинж чанаруудыг бөглөж өгч болно. Үүнд: Selection variables – судалгаанд орох үзүүлэлтүүдийг тодорхой үзүүлэлтийн

нэг утгаар хязгаарлан шүүж авч болох ба тэр утгыг value-д тавьж өгнө, Discriptives- гаргах статистик, корреляцийн матрицыг яаж бодох зэргийг, Extraction – үзүүлэлтийг хасах арга, нөхцөл хоёрыг, Rotation – үндсэн үзүүлэлтийн матрицыг шинээр үнэлэгдэх матриц болгоход эргүүлэлтийн ямар арга хэрэглэхийг, Score – Үнэлгээ:Áодолтын эцсийн шатны үнэлгээнд фактор бүрийн хувьд нэг шинэ хувьсагч үүсгэж авах эсэх, факторын үнэлгээний аргыг (regression, Bartlett, Anderson-Rubin) сонгож болох, факторын үнэлгээний коэффициентийн матрицыг үзүүлэх эсэх зэргийг зааж өгнө. Èнгээд зааж өгөх тодорхойлолтууд дууссан бол ОК дарж үр дүнгээ харж болно. Correspondence Analysis – Корреспонденцийн (Харгалзаа) анализ

Энэ судалгааны зорилго нь 2 номинал (тоон утга бүр нэг төрөл зүйл байх: 1- адуу, 2- тэмээ г.м) хувьсагчийн хоорондын уялдаа холбоог хувьсагч бүрийн категоруудын хувьд тодорхойлоход оршино. Хувьсагч бүрийн хувьд ойр төстэй категоруудын хүрээнд тэдний хоорондын холбоог дүрслэхэд бас ашиглагдана. Мөн категорийн доторхи цэгийн хувьсагчдын харьцааг тодорхойлж өгнө. Äуудахдаа: Analyze Data Reduction Correspondence Analysis... гэж ороод мөр болох хувьсагчийг row variable-д, багана болох хувьсагчийг column variable-д оруулаад тэдгээрийн доод дээд утгыг (ранг) зааж өгнө. Мөн энд model, statistics, plots зэргийн шинж чанарыг шаардлагын дагуу сонгон тодорхойлж өгнө. Èнгээд зааж өгөх тодорхойлолтууд дууссан бол ОК дарж үр дүнгээ (хоёр хувьсагчийн харгалзааны хэмжээс, мөр баганын харгалзааны үнэлгээ болон итгэлцүүрийн статистик утга холбогдох графикуудын хамт) харж болно. Optimal Scaling by Alternating Least Squares - Оптимал шкал (масштаб) Энэ процедур нь хэдэн төрлийн бүлэг үзүүлэлттийг хэмжээсийн түвшингээс нь хамааруулан ямар процедураар тооцоолж үнэлгээ хийхийг тогтоодог. Äуудахдаа: Analyze Data Reduction Optimal Scaling гэж ороод Оptimal scaling level -д орж бүх хувьсагч олон хэмжээст номинал (дараалсан) эсвэл бүгд тийм биш гэдгийн аль нэгийг сонгоод number of sets-д орж хэдэн бүлэг үзүүлэлттэй ажиллахаа зааж өгөхөд (олон, ганц) ямар процедур хэрэглэгдэх нь түүний доор тодорч харагдана. Èнгээд Define дарвал - Homogeneity Analysis (HOMALS) процедур- бүх хувьсагч олон хэмжээст номинал ба нэг бүлэг үзүүлэлттэй байхад, - Categorical Principal Components Analysis (CATPCA) процедур - Çарим хувьсагч олон хэмжээст номинал ба нэг бүлэг хувьсагчтай байхад, - Nonlinear Canonical Correlation Analysis (OVERALS) процедур - Олон бүлэг хувьсагчтай байхад тус тус дуудагдаж гарч ирнэ. Эдгээрээс зөвхөн OVERALS процедурыг дуудах талаар заавар хийв. Nonlinear Canonical Correlation Analysis (OVERALS)- Шугаман биш Каноник корреляцийн судалгаа Шугаман биш каноник корреляцийн судалгаа нь оптимал масштабчлалтай категорчлогдсон каноник корреляцийн судалгаатай харгалзан адил утгатай юм. Процедурын зорилго нь категорчлогдсон хувьсагчдын комплексуудын хоорондын холбоог тодорхойлоход оршино. Өөрөөр хэлбэл A1*y1+a2*y2 +. . + am*ym = b1*x1+b2*x2+ . . bnxn хэлбэрийн тэгшитгэлтэй байдаг. Äуудахдаа: Analyze Data Reduction Optimal Scaling... гэж ороод

Multiple sets-гэж тодорхойлоод Some variable(s) not multiple nominal юмуу All variables multiple nominal – гэж сонгоод Define дарна. Èнгээд ядаж 2 хэсэг бүлэг хувьсагчдыг сонгож Previous Next хоёроор бүлэг бүрийн үзүүлэлтийг сонгоод үзүүлэлт бүрийн хувьд Define range and scale –аар оптимал масштаб хийх төвшнийг зааж өгөөд OK дарна. Åр нь үнэлгээний график байгуулахад харьцах үзүүлэлтүүдийг сонгон түүнийхээ хязгаарыг (ранг) зааж өгч болно. Dimensions -тооцоо хийх хэмжээс, үүнийг ерөнхийдээ цөөн тоогоор сонгох нь зүйтэй байдаг. Хэрэв 2-оос илүүгээр заасан байвал SPSS эхлээд 3 хэмжээст график зурж дараа нь бусад хэмжээсийнхийг эхнийхийгээ засварлах замаар хийдэг. Options – ямар статистик гаргах, график хэрхэн авах, объектийн үнэлгээг хадгалах эсэх, тооцооны анхны утгуудыг санамсаргүй аргаар хийх эсэх, тооцоонй зарчим ямар байх зэргийг зааж өгч болно. Тооцооны параметр, үнэлгээний зарчим зэргийг зааж өгөхдөө Help-ийг тухай бүр ашиглаж уг процедурын болон түүний математик аппаратыг маш сайн ойлгож байж хийх нь хамгаас чухал. 6. 12. Scale – Хэмжээс хуваарь (шкал/масштаб) Multidimensional Scaling – Олон хэмжээст хуваарь (шкал/масштаб) Олон хэмжээст шкалын арга нь практикт нийлмэл үзэгдэл , процессийг шинжлээд шууд тодорхойлолт өгч моделийг гаргахгүйгээр байр, байдал, дүрслэлийг тогтооход ашиглагддаг байна. Шкалын судалгаанд стимул- тодорхой объектийн шинж чанар, байдал, шкала- фактор буюу шинж чанарын өргөтгөсөн утгыг авч явах онолын огторгуйн тэнхлэг, эксперт- объектийн характеристик (поведение)-ийг бүртгэгч ажиглагч, предпочтение- объектийн талаарх дүгнэлт өгөх бөгөөд хэмжээс нь өсч эсвэл буурч байдаг, стресс формулы- онолын болон эмпирик хүрээ хязгаарын (ранговых данных) утгуудын харгалцааг үнэлэх томъёо гэсэн ойлголт гарч ирдэг. Èнгээд судалгааны объектод: 1. стимулийн анализ- объектийн бүтэц

хэлбэрийг судлах (объект гэдэгт үйлдвэр а.а-н газар, комплекс, шинж тэмдэгь субект г.м). 2. Хувийн шинж чанарын (индивидуалных) ялгаа онцлогийг судлах. 3. Äүгнэлт, үнэлгээний (предпочтение) анализ- тавигдсан шаардлагатай харьцангуйгаар стимулыг судлах. 4. Áодит (идеальных) цэгүүдийн анализ- стимулуудын бодит байдлыг хайж тодорхойлох зэрэг ажлууд хийгдэх ёстой. Шкалын судалгааны тооцооны процедурын алгоритмыг боловсруулахад онолын үндэс болох ерөнхий формаль модел байдаг. Энэ нь зайн (дистанционный) болон векторын гэсэн 2 үндсэн төрөл модел байна. Çайн моделд ихэнх тохиолдолд Åвклидийн хэмжээсийг хэрэглэдэг. Âектор моделд холбоос болон ойртолтын хэмжээс , ялгааны урвуу хэмжигдэхүүн зэрэг хэмжээсийн ухагдахуун орж ирдэг. Тэдгээр нь координатын эхийг стимулын байрлалын цэгтэй холбосон векторуудын скаляр үржвэрээр аппроксимац хийгдэж гардаг байна. Шкалын анализ хийх явцад олон хэмжээст мэдээллийг өргөтгөн нэгтгэхэд дараах асуудлуудыг шийдэх ёстой. - Åрөнхий факторуудын латент хувьсагчдыг хайх , таних - Эх мэдээллийг шахах - Àжиглаж байгаа объектуудын геометр бүтэц-бүрэлдэхүүнийг латент шинж чанаруудын огторгуйд дүрслэх гэсэн дараалалаар хийж үр дүнг судална. Эдгээр процедураас жишээ болгож дараах олон хэмжээст шкалын судалгааны аргыг яаж ашиглахыг үзүүлье. Äуудахдаа: Analyze Scale Multidimensional Scaling... гэж ороод

Distances дотор Data are distances юмуу Create distances from data 2-ын аль нэгийг сонгоно. Хэрэв Data are distances-ийг сонгосон бол ядаж 4 хувьсагчийг сонгоод Shape- дотор зайн диссимляц хийх матрицын хэлбэрийг сонго. Хэрэв аналиц хийхээсээ өмнө зайг эх файлаасаа тодорхойлох бол ядаж нэг хувьсагч сонгоод Measure- т зайг ямар аргаар тооцох болон бусад тодорхойлолтыг сонгож заана. Мөн ямар нэг үзүүлэлтээр бүлэглэж түүний категор бүрт тусгай матриц байгуулж болох ба тэр үзүүлэлтээ Individual Matrices For – дотор оруулсан байх ёстой. Шкалыгн үнэлгээг зөв хийлгэхийн тулд model- доторхи сонголтыг зөв хийх нь чухал. Хэмжээсийн Level of measurement-д Interval юмуу Ratio-г сонгох ба хэрэв

сонгосон хувьсагч нь ordinal бол Untie tied-ийг бөглөж холбогдсон ажиглалтыг салгах нөхцөлийг нээж өгнө. Conditionality- харьцуулалтын нөхцөлийг заах үүнийг алгоритмаас нарийн тодруулж үзэх хэрэгтэй. Dimensions- шкал (масштабирование) хийх хэмжээсийг (размерность) заана. Рангийн (range) тоо бүрт нэг бодолт хийгдэнэ. 1-6 –ийн хооронд дээд доод хязгаарыг зааж болох ба minimum- д 1-ийг хэрэв Euclidean distance- г сонгосон бол авч болно. Нэг удаагийн бодолтод minimum ба maximum 2-ыг ижилхэнээр ав. Scaling Model- Ямар шкал модел сонгож авахаа 2 янзаар зааж болох ба Individual differences Euclidean distance model-ийг сонгосон үед таны мэдээлэлд тохирно гэж үзвэл negative subject weights-ийг бас сонгож авч болно. Оptions-д орж Display- гаргаж авах үзүүлэлтүүдийг, Criteria- д итерац зогсоох нөхцөлийг зааж өөрчилж үзэж болноTo change the defaults, enter values for S-stress convergence, Minimum S-stress value, and Maximum iterations. Treat distances less than- нд заасан утгаас бага зайн утга тооцогдсон ажиглалт буюу объект судалгаанаас хасагдана. Èнгээд зааж өгөх тодорхойлолтууд дууссан бол ОК дарж үр дүнгээ харж болно. Үүний адил шкалын дараагийн PROXSCAL –тай процедурыг дуудаж ашиглаж болох ба тэнд ойр төстэй байдлыг нэг баганын юмуу хэд хэдэн баганын хооронд тооцуулах боломжтой. Тэхдээ эх үүсвэр нэг ба олон гэж 2 янзаар тооцоо хийх боломжтойг заавраас харж тусламжийг сайтар ашиглах хэрэгтэй. 6. 13. Nonparametric tests – Параметргүй тест Статистикийн таамаглалыг шалгахад харьцангуй тархалтын функцийн хэлбэрээр тавьж өгч байгаа бол параметргүй шалгалт (тест) гэж нэрлэдэг ба харин тархалтын функцийн тодорхой төрөл дээр параметрийн утгыг томъёолж өгсөн бол параметртэй тест гэж нэрэлдэг Chi-Square (Хи квадрат) тестийн процедур нь үзүүлэлтүүдийг категорт оруулж , таамаглалын тестийг ажиглаж байгаа давтамжууд нь гаргаж авч байгаа тооцооноос хүлээгдэж байгаа хэмжигдэхүүнүүдээс ялгаагүй байхаар явуулахад оршино. Хи квадрат тестийг хийхдээ: Analyze Nonparametric Tests Chi-Square... гэж ороод бүх шалгах үзүүлэлтүүдээ Test variable list дотор хийж шалгалт хийх утгын мужуудыг эх мэдээллээс авах эсвэл тодохой зааж өгөх 2 аргын нэгийг сонгоно. Мөн Excepted values дотор нэг бол ижил утгаар эсвэл тодорхой заасан утгаар категороо тодорхойлж өгнө. Шалгалтыг үзүүлэлт бүрээр хийдэг болохыг анхаараарай. Exact дотор орж тест хийх аргаа нэрлэж болох ба Монте Карло-гийн арга нь тооцооны хязгаар өгөгдсөн тохиолдолд үйлчилдэг болно. Options -дотор гаргаж авах статистик, алдаатай утгыг яах талаарх заалтыг хийж өгнө. Процедурт шаардлагатай бүх зүйлээ хийж өгч дууссан гэж үзвэл ОК дарж үр дүнгээ харна. Binomial Test процедур нь 2 категортой үзүүлэлтүүдийн хооронд вином тархалтаар шалгуур хийдэг. Åрдийн байдлаар 2 группд тохирох параметр (probability parameter) 0.5 байна. Үүнийг солих бол test proportion дээр эхний группийн утгыг бичиж өгч болно. Äараагийн группийн утга 1-ээс эхнийхийг хассанаар тооцогдоно. Ãарах статистик нь дундач стандарт хазайлт, минимум, максимум, алдаагүй ажиглалтын тоо, квартилис зэрэг байх болно.

Энэ тестийг дуудахдаа: Analyze Nonparametric Tests Binomial... гэж ороод нэг юмуу хэд хэдэн үзүүлэлт сонгоод үзэх статистик, алдаатай утгыг яаж тооцох зэргийг зааж өгөөд ОК дарж үр дүнгээ харна. Runs Test - Энэ процедур нь хувьсагчийн утгууд ямар ажиглалтууд давхцаж байна энэ нь санамсаргүй байна уу гэдгийг шалгаж өгнө. Судалгаа хэт олон болон хэтэрхий цөөхөн ажиглалттай байхад түүнийг санамсаргүй гэж гаргах тохиолдол байдаг. Ãарах статистик нь дундач стандарт хазайлт, минимум, максимум, алдаагүй ажиглалтын тоо, квартилис зэрэг байх болно. 6. 14. Time Series – Цаг хугацааны дараалал Exponential Smoothing – Экспоненциал тэгшилгээ(сглаживание) Энэ нь цаг хугацааны үзүүлэлтийг таамаглаж (прогноз) урьдчилан тооцоолж хэлдэг процеур. Энэ үйлдлийг тухайн процедур е-гийн зэрэгт бүхий функцээр илэрхийлдэг учир Exponential Smoothing гэж нэрлэсэн байна. Exponential Smoothing процедурыг дуудахдаа Analyze Time Series Exponential Smoothing менюрүү дамжин орж нэг юмуу хэд хэдэн үзүүлэлтийг сонгон Variable(s) box дотор оруулна.

Хэрэв цаг хугацааны seasonal model -ийг Model нөхцөлд Custom гэж сонгоод цаг хугацааны үечлэлийг тодорхойлж өгөх хэрэгтэй. Define Dates dialog on the (санамж: seasonal model –ийн options нь Winters эсвэл Custom байх ба хэрэв та seasonal component –ийг custom model дотор тодохойлно) Хэрэв Exponential Smoothing процедурт зөвхөн Trends option тодорхойлогдсон үед хүчинтэй байна. Тодорхойлолт хийж дууссаны дараа ОК дарахад хандлагыг тодорхойлох Fit хэмжигдэхүүн түүний алдааны хамт үзүүлэлт бүрт тодорхойлогдон Data View дотор баруун гар талд нэмэгдэн орж ирсэн байна. Autoregression Model – Энэ процедур шугаман моделийг авто регрессийн 1-р зэргийн алдаатайгаар үнэлж гаргана.

Үнэлгээ хийлгэхийн тулд Analyze Time Series Autoregression менюнүүдээр дамжин орж нэг хамааран хувьсагч Dependent box дотор бас нэг өөр үл хамааран хувьсагчийг сонгон Independent(s) box дотор хийгээд үнэлгээ хийх техникээ Method дотроос сонгоно. Энэ процедур шугаман регрессийн моделийг анхан шатны алдааны үнэлгээний хамт тооцоолж өгдөг Регрессийн моделууд нь Exact maximum-likelihood Cochrane-Orcutt Prais-Winsten гэсэн 3 төрөлтэй байх бөгөөд тогтмол оруулах эсэхээ сонгож өгч (Include constant in model) болно. Save-ийг дарж шинээр тооцож үүсгэсэн хувьсагчид, үнэлгээний ялгавар тооцоолсон интервалууд, конфиденциал интервалууд зэргийг хадгалуулж болно. Options дээр дарж авторегрессийн параметрүүдийг зааж өгнө. Үүнд Rho-ийн анхны утга энэ утга нь -1 ба 1-ийн хооронд утга авах ба тухайн үзүүлэлтүүдийн дараалалын утга нь урдах утгадаа аль болох ойр байлгах их утгыг заадаг параметр. Convergence Criteria – итерац дуусах нөхцөл буюу итерацийн тооны дээд хэмжээ, өөрчлөлтийн квадратын (Sum of squares change) нийлбэрийн утгыг зааж өгнө, энэ нь итерац дуусгах хязгаарын нөхцөл болдог. Display options – үр дүнгийн хүснэгтэд юу гаргаж харахаа зааж өгнө. Arima Analysis Энэ процедур цаг хугацааны болон цаг хугацааны биш нэг хэмжээст үзэгдлийг судалдаг Arima (дундаж утгын шилжилтэд тулгуурласан авторегресс) нэртэй моделийг хэрэгжүүлдэг. Процедурыг дуудахдаа: Analyze Time Series Arima гэж дараалан дуудаж ороод хамааран хувьсагчийг дуудаж Dependent box дотор хийгээд нэг юмуу түүнээс дээш тооны үл хамааран хувьсагчийг Independent(s) box дотор оруулна.

Autoregressive box дотор авто регрессийн дараалал(order) буюу хэдэн дараалсан үзүүлэлт урдах үзүүлэлтдээ үл хамааран нөлөө үзүүлэхийг, Model- д дарааллын ялгааны хэмжээ, дундажийн шилжилтийн хэмжээ зэрэг моделд хамаарах утгын сонголтыг хийнэ. Moving Average (ARIMA)-д q нь сөрөг биш тоо бөгөөд дундаж утгын шилжилтийн эрэмбэ (order of moving average of the process): 0 бол autoregressive process, 1 бол шилжилтийн дундажийн эхний ордер, 2 бол шилжилтийн дундажийн 2-дох ордер г.м Мөн үнэлгээ хийхийн өмнө тухайн үзүүлэлтүүдийн дараалалыг тусгай опцоор сонгон хөрвүүлж (Transform list) болно. Тэдгээр нь: - None. Transform хийхгүй. - Natural log. е суурьтай Натурал логорифмоор хөрвүүлэх. - Log base 10. 10 суурьтай логорифмоор хөрвүүлэх. Хэрэв та сезонны модул тодорхойлсон бол сезонны параметрийг тодорхойлж өгөх хэрэгтэй тэхдээ Data menu дотор Define Dates –тай хамт үечлэлийг тодорхойлсон байх шаардлагатай юм. Save дээр дарж шинэ үзүүлэлтүүд гаргаж авах бол тэдгээрийгээ харгалзан тодорхойлж өгөх хэрэгтэй. Options дээр дарж дээр тайлбарласаны адил гаргаж авах үзүүлэлтийн шинж чанарыг тодруулж өгөх хэрэгтэй. Arima процедур SPSS- программд Trends-ийн нөхцөл тодорхойлогдсон үед ажиллах болно. Seasonal Decomposition- Цаг хугацааны үзүүлэлтээр задлах

Энэ процедур нь цаг хугацааны нэмэлт факторыг тооцоолж өгдөг. Тэхдээ эх материал дотор цаг хугацааны үзүүлэлт орсон байх шаардлагатай болохыг анхаар. Äуудаад нэг юмуу хэд хэдэн цаг хугацааны үнэлэх факторыг сонгоод Variable(s) цонхонд оруул. Энэ процедурын нөхцөлд цаг хугацааны ямар модел (Multiplicative юмуу Additive) сонгохыг заалгадаг.

Äундачийн жингийн шилжилтийг тооцох нь дундачийн шилжилтийн цувааг тооцох боломжийг 2 янзаар олгож байдаг. - All points equal - Èжил үечлэлийн хэмжээтэй дундачийн шилжилт бүх цэгээ тэнцүүгээр тооцно. - End points weighted by .+1 гэсэн ижил диафазонтой дундачийн шилжилтийн Хязгаарын цэг нь .5 –аар тооцно. Display Casewise listing – итерац бүрийн ард үр дүнг бичиж авхуулах бол mooynau идэвхжүүлж өгнө. Энэ процедур үр дүндээ тухайн үзүүлэлтийн фактор, цаг хугацааны холбогдолтой үзүүлэлтийг эх мэдээлэлд чинь хавсаргаж өгөх ба үечлэлийн цэг бүрт цаг хугацааны индексийг тооцож гаргадаг. 6. 15. SURVIVAL – Цагийн (Àмьдрах хугацааны) судалгаа Life Tables – Амьдралын мөрийн таблиц Энэ процедур 2 үзэгдлийн (Æ: ажилд орсон ба ажлаас гарсан хугацааны хоорондох) хоорондох хугацааны тархалтыг шалгахад ашиглагддаг ба тухайн нэг цагийн интервалд үнэлэгдсэн магадлалыг ашиглан өөр цагийн агшинд байх ерөнхий магадлалыг үнэлэхэд зориулагдсан. Үүнд шугаман регрессийн янз бүрийн шинжүүрүүд болон амьдралын мөрийн (life table) таблиц хэрэглэгддэг. Àмьдралын мөрийн таблицын үндсэн санаа нь ажиглалтын үеийг цаг хугацааны жижиг интервалуудад хуваахад оршино.

Äуудахдаа: Analyze Survival Life Tables... гэж ороод нэг цагийн судалгаанд хамрах үзүүлэлтийг (time) сонгоод түүнийхээ time intervals-д шалгах хугацааны интервалыг зааж өг. Мөн цаг хугацааны үзүүлэлтийн утгыг үүсэхэд нөлөөлдөг үзүүлэлтийг status-д хийж үүсгэгч утгыг нэг утгаар юмуу интервалаар зааж өгөх хэрэгтэй.

Factor - life table-ийг гаргах категорийг тодорхойлох үзүүлэлтийг оруулж рангийг нь зааж өгөх ба үүний дотор дэд категори болгож оруулах үзүүлэлт байвал үүний нэг адил by factor-т зааж өгнө. Èнгээд үр дүнг ОК товч дарж харж болно. Kaplan-Meier Survival Analysis – Каплан-Меиер цагийн судалгаа (Өргөтгөсөн судалгааны вариант) Kaплан-Meиer Ïðîöåäóðà – цаг хугацааны зөвшөөрөгдсөн (цензур) тохиолдлуудыг үнэлэх модел юм. Kaплан-Meиer мîäåëü нь үзэгдэлийн нөхцөл биелж байх үеийн нөхцөлт магадлалыг үнэлэх арга дээр тулгуурласан болно. Энд дээрх аргаас ялгагдах нэг зүйл нь strata- гэж сонгогдсон факторын дотор заагдсан үзүүлэлтийн хүрээнд судалгаа хийгдэнэ гэсэн үг юм. Äуудах арга нь дээрх процедурын адил байна. Cox Regression Analysis - Кохс Регрессийн судалгаа Кохс Регрессийн судалгаа нь зөвшөөрөгдсөн ажиглалтын хугацааг үзэгдэл рүү моделчилдог арга юм. Ãэхдээ энэ нь прогнозлогч хувьсагч (covariates) –ийг моделд оруулах боломж олгодог. Кокс Регресс нь цензор (зөвшөөрөгдсөн) тохиолдол биелсэн үед үйлчлэх ба ковариацийн коэффициент бүрийг тооцох, олон тооны ковариацын хэмжигдэхүүний тухайн моделд нөлөөлөх нөлөөллийг тооцох боломжийг олгож өгдөг. Энэ процедурыг бас тасралтгүй ковариацуудын хэмжигдэхүүнд ашиглаж болно. Äуудах арга дээрх процедуруудтай төстэй байх болно.

Compute Time-Dependent Covariate – Хугацааны хамааралтай Ковариацыг тооцох Регрессийн Cox ìîäåëийг ашиглах үед түүнтэй хамт төвөгтэй байдлууд үүсч байдаг. Энэ нь тодорхой хугацааны дараах коэффициентуудын өөрчлөлт, ялгаатай цаг хугацааны ялгаатай цэгүүд дээр ковариацууд өөр өөр байх явдал юм. Èйм нөхцөлд Регрессийн Cox ìîäåëийг ашиглаж цаг хугацааны хамааралтай ковариац тодорхойлох боломж гардаг байна. Äуудахдаа Analyze Survival Cox w/ Time-Dep Cov... гэж ороод T_ -д хугацаанаас хамаарсан утга олгох нэг илэрхийлэлийг Expression for- дотор оруулж тодорхойлоод Model-ийг дарахад Cox Regression процедурт орно. Èнгээд урьдчилан бодсон хугацааны хамааралтай ковариацыг Covariates дотор оруулж бусад бүх сонголтоо хийж дуусгаад моделоо ажиллуулна.

Define Multiple Response Sets-Олон төрөл (хариултат) судалгаа Ýíý ïðîöåäóð íü àæèãëàëòûí ýõ ôàéëààñ ýíãèéí ¿ç¿¿ëýëò¿¿äèéã á¿ëýã áîëãîí äýä (20 õ¿ðòýë òîîíû) ôàéëóóä áîëãîîä òýäãýýðýýñýý õýðýãöýýòýé òºðºë á¿ðèéí òàáëèö (frequency tables and crosstabulations) áîëãîí ãàðãàæ àâàõ áîëîìæ îëãîíî. Äýä ôàéë á¿ð íýãýí óòãàò íýðòýé, 7 õ¿ðòýë ñèìáîëîîñ á¿ðäñýí (äàðààõ ñèìáîëóóäûã àøèãëàæ áîëîõã¿é: casenum, sysmis, jdate, date, time, length, and width) áàéõ ¸ñòîé áºãººä ñ¿¿ëä íü óðäàà íýã ñèìáîëîîð ýõ ôàéëòàéãàà õîëáîãäîõ øàëòãààíòàé. ̺í äýä ôàéëóóäûã óñòãàõ (Remove), äîòîðõè ¿ç¿¿ëýëòèéã íü ñîëèõ (change) áîëîìæòîéãîîñ ãàäíà . Select Categories to create a multiple category set having the same range of values as the component variables. Enter integer values for the minimum and maximum values of the range for categories of the multiple category set.

Äóóäàõûí òóëä : Analyze Multiple Response Define Sets ãýæ îðîîä 2 þìóó ò¿¿íýýñ äýýø òîîíû ¿ç¿¿ëýëòèéã Variable in set –ä ñîíãîæ îðóóëíà Õýðýâ ñîíãîñîí ¿ç¿¿ëýëò ÷èíü dichotomies áàéâàë ÿìàð óòãûã íü òîîëîõ ãýæ áàéãààãàà çààæ, õýðýâ êàòåãîðèéí ¿ç¿¿ëýëò áîë òýð êàòåãîðèéíõîî ðàíãèéã (range) òîäîðõîéëæ ºãºõ õýðýãòýé. Äýä ôàéë á¿ðò íýãýí óòãàòàé íýð îëãîõûã àíõààðàõ õýðýãòýé. Èíãýýä Add äýýð äàðàõàä òóõàéí ¿¿ñãýõ äýä ôàéëûí íýð îðíî. Èíãýýä Close-ã äàðâàë øààðäëàãàòàé ôàéë ¿¿ññýí áàéõ áîëíî. ¯¿íèé àäèëààð øààðäëàãàòàé òîîíû ôàéëàà ¿¿ñãýýä òºðºë á¿ðèéí òàáëèö ãàðãàæ àâàõ àæèëä îðæ áîëíî. Multiple Response Frequencies - Энэ ïðîöåäóð íü äàâòàëтын анализыí òàáëèöóóäûã (frequency tables) äýýð òîäîðõîéëñîí Multiple Response Define Sets-ïðîöåäóðûí áýëòãýñýí ôàéëóóäûã àøèãëàäàí õèéäýã. For multiple dichotomy sets, category names shown in the output come from variable labels defined for elementary variables in the group. If the variable labels are not defined, variable names are used as labels. For multiple category sets, category labels come from the value labels of the first variable in the group. If categories missing for the first variable are present for other variables in the group, define a value label for the missing categories. Àëäààòàé óòãóóäûí (Missing Values) õóâüä òýäãýýðèéã ñóäàëãààíä õàìðóóëàõ ýñýõèéã õàðãàëçàõ öîíõîíä íü ñîíãîæ çààæ ºãºõ õýðýãòýé. Èíãýýä ÎÊ äàðàõàä íèéò õàðèóëòûí òîî, àæèãëàëò, óòãàò áîëîí àëäààòàé àæèãëàëòûí õóâü çýðýã ¿ç¿¿ëýëò¿¿ä ãàð÷ èðíý. Multiple Response Crosstabs - Ýíý íü äýýðõèéí àäèë Multiple Response Define Sets-ïðîöåäóðûí áýëòãýñýí ôàéëóóäûã àøèãëàí Crosstabs .. õèéäýã çàð÷ìûã áàðèìòëàí ãàðàõ òàáëèöóóäûã áýëòãýíý. Îðîõ ¿ç¿¿ëýëò çàð÷ìóóäàà òîäîðõîéëñîíû äàðàà ÎÊ –ã äàðæ ãàðàõ òàáëèöàà ¿çýæ áîëíî.

Missing Value Analysis - Алдаатай утгын анализ Àлдаатай утгын процедур нь дараах 3 гол үүргийг гүйцэтгэнэ. Үүнд: Àлдаатай утгууд хаана байгаа, тэдгээр нь байх утгаасаа хир их хазайж хэтэрсэн, байх ёстой утгаа огт аваагүй байгаа зэргийг тодорхойлж өгнө. Шалгагдаж байгаа үзүүлэлтүүдийн дундаж, стандарт хазайлт, ковариац, корреляц зэргийг зохих математик аргууд (listwise, pairwise, regression, or EM (expectation-maximization)) –ыг хэрэг тооцож өгнө. Шалгагдаж байгаа үзүүлэлтүүдийн бүрэн бүтэн байдлыг шалгаж бүрэн болгох нөхцөлийг алдаа багатайгаар тогтоох тооцоонуудыг хийж өгнө. Èнгээд холбогдох үзүүлэлт, характеристикүүдийг тодорхойлж алдаатай үзүүлэлттэй ажиглалтаас алдаатай (MISSING) үзүүлэлтгүй ажиглалтын баганыг тодорхойлж өгнө. Äуудах: Missing Value Analysis менюнээс Analyze, Missing Value Analysis –ийг дарж ороод ядаж нэг шалгах тоон үзүүлэлт сонгож оруулаад категор болох

(categorical variables (numeric or string)) үзүүлэлтийн дээд(Maximum) хязгаарыг сонгоно.

Äэд меню дотор: Patterns - ямар үед алдаатай утгыг гаргаж үзүүлэх тэхдээ ямар бүлгийн үзүүлэлтээр хэрхэн ялгаж харуулах зэргийг Descriptives – алдаатай утгын ямар статистикийг тооцуулж авах зэргийг зааж өгнө. estimation - Àлдаатай утгын үнэлгээг тооцох аргаа сонгож өгнө Хэрэв та EM юмуу Regression – г сонгох бол түүнд шаардагдах тархалт, регрессийн арга холбогдох файлын нэрээ зааж өгөх хэрэгтэй. Èнгээд зааж өгөх ёстой зүйлсээ бүрэн заасан гэж үзэж байгаа бол ОК дарж үр дүнгийн хүснэгтийг шууд авах эсвэл PASTE дарж SYNTAX болгон авч хадгалаад бүтнээр нь юмуу хэсэгчилэн дуудаж болно. Энд нэг гол анхаарах зүйл бол алдаатай бөглөгдсөн гэж үзэж байгаа үзүүлэлтийг хэрэв категорчлоогүйгээр авбал тухайн үзүүлэлтийн алдаатай утгын үнэлгээг бүх ажиглалтын хэмжээгээр хийх ба харин категорчлох үзүүлэлт оруулбал категорийн төрөл бүрт үнэлгээ хийж өгдөг болохыг ялгаатайгаар ойлгож авах нь чухал.