थीसिस के लिए SPSS डेटा एनालिसिस की तैयारी
SPSS में विश्लेषण से पहले डेटा कोडिंग, missing values, reverse items, विश्लेषण योजना और परिणामों की जाँच करें।
SPSS डेटा एनालिसिस की शुरुआत सही डेटा और शोध प्रश्न से होती है। Variable names, labels, missing-value codes और अध्ययन डिजाइन स्पष्ट किए बिना केवल किसी test का output निकालना भरोसेमंद विश्लेषण नहीं है।
डेटा की प्रति और शब्दकोश
मूल फाइल सुरक्षित रखें और विश्लेषण के लिए अलग प्रति बनाएँ। प्रत्येक variable का अर्थ, इकाई, category code और अनुमत range लिखें। पहचान संबंधी जानकारी हटाएँ; संख्यात्मक कोड को बिना कारण continuous variable न मानें।
गलतियों और missing values की समीक्षा
डुप्लिकेट, असंभव मान, उलटे प्रश्न और खाली उत्तर जाँचें। Missing को शून्य समझ लेने से औसत और संबंध बदल सकते हैं। डेटा हटाने या बदलने का कारण दर्ज करें; मनचाहा परिणाम पाने के लिए observations न चुनें।
प्रश्न के अनुसार तरीका
समूह तुलना, संबंध और भविष्यवाणी अलग उद्देश्यों के लिए हैं। परिणाम का प्रकार, स्वतंत्र या दोहराए गए observations और मॉडल की मान्यताएँ समझें। केवल सामान्य वितरण का एक test पूरे विश्लेषण का निर्णय नहीं करता।
Output से रिपोर्ट तक
Effect size, confidence interval और उपयुक्त सारांश को परिणाम में जोड़ें। इस्तेमाल की गई syntax और निर्णय सुरक्षित रखें। परामर्श में डेटा dictionary, प्रश्न और पूर्व योजना दें ताकि विश्लेषण की व्याख्या आपके शोध से जुड़ी रहे।
अक्सर पूछे जाने वाले सवाल
क्या केवल Excel फाइल भेजना पर्याप्त है?
अक्सर नहीं। शोध प्रश्न, डेटा संग्रह का तरीका, variable definitions और sampling की जानकारी भी चाहिए।
क्या p-value महत्वपूर्ण न हो तो डेटा गलत है?
नहीं। परिणाम और उसकी अनिश्चितता ईमानदारी से रिपोर्ट करें; significance पाने के लिए डेटा न बदलें।
संबंधित शोध विषय
थीसिस में sample size तय करने के लिए प्रमुख outcome, effect size, precision, अध्ययन डिजाइन और dropout की भूमिका समझें।
Cronbach alpha से आगे बढ़कर questionnaire के अर्थ, factor structure और उपयोग के लिए जरूरी मापन प्रमाण समझें।
CFA के measurement model और SEM के structural model में अंतर, identification, estimation और व्याख्या की सीमाएँ समझें।