در این مطلب، ویدئو نحوه انجام تحلیل توصیفی با استفاده از SPSS. – آموزش SPSS 003 با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید. اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:12:46
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>03
به ویدیوی 54 دیگری در مورد آموزش های SBS امروز خوش آمدید،
2
03 =>07
در این ویدیو
3
07 =>10
به شما نشان خواهم داد که چگونه می توانیم
4
10 =>14
تجزیه و تحلیل توصیفی را با استفاده از SPSS انجام دهیم. اجازه دهید SPSS
5
14 =>28
6
28 =>32
7
32 =>36
را باز کنیم. متغیر
8
36 =>39
کد کارمند است، نوع عددی است
9
39 =>42
و متغیر مقیاس است، دوم
10
42 =>46
جنسیت است، من آن را به عنوان یک رشته تعریف کردم، بنابراین می
11
46 =>50
توانید مقادیر F برای زن و
12
50 =>55
M برای مرد را ببینید، بسیار خوب سومین
13
55 =>58
رده شغلی است. پایگاه داده کارمندی بنابراین
14
58 =>01:02
دسته شغلی یک عدد است که ما
15
01:02 =>01:06
می خواهیم به امور مالی و سه به
16
01:06 =>01:10
HR در اینجا نگاه کنید شما می توانید جنسیت را
17
01:10 =>01:13
به عنوان عددی اختصاص دهید همچنین مشکلی نیست اما
18
01:13 =>01:15
برای هدف نمایش در اینجا جنسیت را
19
01:15 =>01:19
به عنوان رشته بعدی تعیین کنید حقوق در اینجا به من
20
01:19 =>01:23
متغیر اختصاص داده شده است. به عنوان ارز سفارشی تایپ کنید
21
01:23 =>01:25
یا می توانید آن را به صورت
22
01:25 =>01:27
عددی تخصیص دهید یا می توانید آن را به عنوان دلار اختصاص دهید
23
01:27 =>01:31
بدون مشکل بنابراین ارزشی وجود ندارد زیرا
24
01:31 =>01:34
من آن را به عنوان مقیاس تعیین می کنم و
25
01:34 =>01:38
دسته شغلی مقیاس اسمی است و جنسیت
26
01:38 =>01:41
نیز وجود دارد. مقیاس اسمی بعدی حقوق و دستمزد
27
01:41 =>01:43
شروع حقوق اولیه یک
28
01:43 =>01:46
کارمند نیز مقیاس می شود بنابراین هیچ
29
01:46 =>01:48
مقداری به آن متغیر اختصاص داده نمی شود.
30
01:48 =>01:52
31
01:52 =>01:55
32
01:55 =>01:58
33
01:58 =>02:02
بنابراین این یک
34
02:02 =>02:05
متغیر مقیاس است در این ستون ما
35
02:05 =>02:08
تجربه را در ماه در سازمان فعلی تخصیص می دهیم
36
02:08 =>02:09
37
02:09 =>02:11
، بعدی که در دسترس است
38
02:11 =>02:13
تجربه قبلی در ماه است،
39
02:13 =>02:16
بنابراین قبل از پیوستن به این سازمان
40
02:16 =>02:18
تجربه شما در ماه در
41
02:18 =>02:20
سازمان های دیگر چیست، بنابراین اینها متغیرهای مختلفی
42
02:20 =>02:22
هستند که من هستم. میخواهم در پایگاه دادهام در نظر بگیرم،
43
02:22 =>02:22
44
02:22 =>02:25
بنابراین این نمای زیبا در کنار
45
02:25 =>02:27
نمای داده است، بنابراین من قبلاً
46
02:27 =>02:31
دادهها را برای این متغیرها اختصاص دادهام، بنابراین در اینجا میتوانید
47
02:31 =>02:35
به پایین بروید، من قبلاً
48
02:35 =>02:39
474 رکورد یا 474 رکورد کارمند را در
49
02:39 =>02:42
این پایگاه داده اختصاص دادهام تا بتوانید دانلود کنید این
50
02:42 =>02:44
پایگاه داده را قبلا لینک
51
02:44 =>02:45
زیر در توضیحات داده ام که می
52
02:45 =>02:47
توانید آن را دانلود کنید و می توانید از پایگاه داده
53
02:47 =>02:51
برای تمرین خود استفاده کنید یخ بنابراین ID یک
54
02:51 =>02:52
متغیر پیوسته شما می توانید جنسیت مرد زن
55
02:52 =>02:56
مرد زن را ببینید ب