Pengantar

Bagi kebanyakan pelajar, pemikiran menyelesaikan subjek statistik, atau menggunakan statistik
dalam penyelidikan mereka, adalah sumber utama tekanan dan kekecewaan. Tujuan asal Manual
Latih Tubi SPSS ini adalah untuk menyediakan panduan mudah, langkah demi langkah untuk
proses analisis data menggunakan SPSS. Tidak seperti tajuk statistik yang lain, tidak tumpu pada
asas matematik teknik, tetapi pada yang sesuai penggunaan SPSS sebagai alat bantu
penyelidikan. Pada tahun 2009, perisian SPSS versi 18 dinamakan sebagai Statistik PASW, yang
bermaksud Perisian Analisis Prediktif (Predictive Analysis Software). Nama ini telah diubah
sekali lagi pada tahun 2010 kepada IBM SPSS (International British Machine Statistical
Software for Social Sciences). Untuk mengelakkan kekeliruan saya telah merujuk kepada
perisian ini sebagai SPSS di seluruh kandungan buku ini, tetapi semua bahan terpakai untuk
program dilabel menggunakan kedua-dua PASW dan IBM SPSS. Semua bab dalam edisi ini
telah dikemas kini kepada SPSS versi 23 pakej, (walaupun kebanyakan bahan juga sesuai untuk
pengguna daripada versi terdahulu).

Buku ini tidak bertujuan untuk merangkumi semua prosedur statistik yang mungkin terdapat
dalam SPSS, atau untuk menjawab semua soalan penyelidik mengenai statistik. Sebaliknya, ia
direka untuk membantu permulaan penyelidikan anda disamping keyakinan penggunaan perisian
SPSS untuk menganalisis data. Terdapat banyak ungkapan statistik yang bagus untuk rujukan di
setiap bab di dalam buku ini. Bahan tambahan juga tersedia di laman web buku (butiran yang
lengkap dibincangkan di dalam seksyen yang berikut).
Pengkalan data dan laman web

Sepanjang buku ini, anda akan melihat contoh-contoh penyelidikan yang diambil dari sejumlah
data yang dimasukkan ke dalam laman web yang berkaitan dengan buku ini. Laman web ini
berada di: www.hots.my/spss. Dari laman web ini, anda boleh memuat turun fail data ke cakera
keras atau memori anda dengan mengikuti arahan pada skrin. Kemudian anda perlu memulakan
SPSS dan membuka fail data. Lesen ini boleh dibuka hanya dalam SPSS.

Data survey.sav adalah 'data' nyata berdasarkan projek penyelidikan yang dijalankan oleh salah
satu kelas diploma siswazah saya. Supaya anda dapat merasakannya proses penyelidikan dari
awal hingga akhir, saya juga lampirkan satu salinan soal selidik yang digunakan untuk
menghasilkan data ini dan buku kod yang digunakan untuk pengekodan data. Ini akan
membolehkan anda mengikuti bersama dengan analisis yang dibentangkan dalam buku ini, dan
untuk bereksperimen dengan lebih lanjut menggunakan pembolehubah lain.

Fail data kedua (salahservey.sav) adalah fail yang sama seperti survey.sav, tetapi saya dengan
sengaja menambah beberapa kesilapan untuk memberi anda latihan dalam Bab 5 pada
pemeriksaan dan membersihkan fail data anda. Data ketiga (experimen.sav) adalah data palsu
(palsu), dibina dan dimanipulasi untuk menggambarkan penggunaan beberapa teknik yang
diliputi dalam Bahagian 5 buku ini (misalnya; Ujian persampelan t berpasangan, ANOVA
pengukuran berulang). Ini juga termasuk pembolehubah tambahan yang membolehkan anda
mengamalkan kemahiran yang dipelajari daripada buku ini. Sebagai peringatan, cuba jangan
terlalu teruja dengan hasil yang anda perolehi dengan meniru hasil penyelidikan yang
dibincangkan di dalam buku ini.

Contoh keempat yang digunakan dalam buku ini adalah depres.sav. Ini digunakan dalam Bab 16,
mengenai teknik bukan parametrik, untuk menggambarkan beberapa teknik yang digunakan
dalam kesihatan dan penyelidikan perubatan. Dua lesen data lain telah dimasukkan, memberikan
anda peluang untuk menyelesaikan beberapa aktiviti tambahan dengan data dari topik yang
berbeza. Fail sleep.sav adalah data sebenar daripada kajian yang dijalankan untuk meneroka
kelaziman dan kesan masalah tidur pada aspek kehidupan seseorang. Fail staffsurvey.sav berasal
dari kaji selidik kepuasan kakitangan yang dijalankan untuk institusi pendidikan tinggi.

Lihat Lampiran untuk butiran lanjut mengenai fail ini (dan bahan-bahan yang berkaitan). Selain
itu, laman web Manual Latih Tubi SPSS juga mengandungi beberapa kegunaan item untuk
pelajar dan pengajar, termasuk:

a) garis panduan untuk membuat laporan penyelidikan

b) amalan latihan
c) kemas kini mengenai perubahan kepada penggunaan SPSS versi terbaru
d) pautan berguna ke laman web lain
e) pembacaan tambahan
f) panduan pengajar
Pengenalan dan gambaran keseluruhan
Buku ini direka untuk pelajar menyelesaikan kursus reka bentuk dan statistik penyelidikan serta
bagi mereka yang terlibat dalam perancangan dan melaksanakan penyelidikan sendiri. Semoga
panduan ini akan membantu anda untuk menangani analisis statistik dengan tenang dan bijak,
atau sekurang-kurangnya tanpa terlalu banyak tekanan. Banyak masalah yang dihadapi oleh
pelajar dengan analisis statistik adalah disebabkan oleh kebimbangan dan kekeliruan semasa
berurusan dengan penyelia, teori asas yang kompleks dan terlalu banyak pilihan. Malangnya,
kebanyakan kursus statistik dan buku teks menggalakkan kedua-dua kekangan ini. Dalam buku
ini saya cuba menterjemahkan statistik ke dalam bahasa yang lebih mudah difahami dan
diadaptasi.

Manual Latih Tubi SPSS ini dibentangkan dalam format berstruktur, langkah demi langkah
untuk menganalisis data. Fikirkan data anda sebagai bahan mentah dalam resipi. Anda boleh
memilih untuk memasak 'ramuan' anda dengan pelbagai cara; hidangan permulaan, hidangan
utama dan pencuci mulut. Bergantung kepada bahan-bahan yang anda miliki, pilihan yang
berbeza atau mungkin bahan yang tidak sesuai. (Sebagi contoh; adalah tidak bersesuaian untuk
menghidangkan daging jika semua yang anda miliki adalah ayam). Perancangan dan penyediaan
adalah bahagian penting dalam proses (baik dalam memasak ataupun analisis data). Beberapa
perkara yang anda perlu dipertimbangkan adalah:
a) Adakah anda mempunyai ramuan yang betul dalam jumlah yang betul?
b) Persediaan apa yang diperlukan untuk mendapatkan bahan siap dimasak?
c) Apakah jenis pendekatan masakan yang anda gunakan (goreng, rebus, panggang)?
d) Adakah anda mempunyai gambaran dalam fikiran anda tentang bagaimana keputusan
akhir (misalnya kek coklat) sepatutnya kelihatan?
e) Bagaimanakah anda melaporkan apabila ianya siap dimasak?
f) Apabila dimasak, bagaimanakah anda menyampaikannya supaya ia kelihatan menarik?

Soalan-soalan yang sama juga digunakan semasa proses menganalisis data. Anda mesti
merancang percubaan atau tinjauan anda supaya ia memberikan maklumat yang anda perlukan,
dalam format yang betul. Anda mesti menyediakan data anda dengan betul dan masukkan data
anda dengan berhati-hati. Anda harus mempunyai idea yang jelas tentang soalan penyelidikan
dan bagaimana anda boleh menangani masalah tersebut. Anda perlu tahu apa teknik statistik
yang boleh digunakan, apa jenis pemboleh ubah yang sesuai dan apa yang tidak. Anda mesti
memilih teknik statistik pilihan anda dengan betul (cth. t-test) dan ditafsirkan outputnya.
Akhirnya, anda perlu mengaitkan 'output' ini selaras dengan persoalan kajian asal anda. Dalam
kedua-dua analisis memasak dan data, anda tidak boleh memasukkan semua bahan-bahan anda
secara serentak dan berharap mendapatkan penghasilan yang terbaik. Mudah-mudahan buku ini
akan membantu anda memahami proses analisis data dengan lebih baik dan memberi anda
peluang dan kemahiran untuk menjadi 'tukang masak data' yang lebih baik.

Struktur Buku Ini

Manual Survival SPSS ini terdiri daripada 22 bab, yang merangkumi proses penyelidikan dari
merancang kajian melalui analisis data dan pembentangan hasil. Ia terbahagi kepada lima
bahagian utama. Bahagian Satu (Bermula) meliputi pendahuluan: merancang sebuah kajian,
menyediakan buku cod dan menjadi akrab dengan SPSS. In Bahagian Dua (Menyediakan data fi
le) anda akan ditunjukkan bagaimana mempersiapkan fail data, masukkan data anda dan periksa
kesilapan. Analisis awal dibincangkan dalam Bahagian Tiga, yang mana termasuk bab mengenai
penggunaan statistik dan graf deskriptif; manipulasi data; dan prosedur untuk memeriksa
kebolehpercayaan skala. Anda juga akan dibimbing, langkah demi langkah, melalui tugas
kadang-kadang diffi untuk memilih teknik statistik mana sesuai untuk data anda.
Dalam Bahagian Empat teknik statistik utama yang boleh digunakan untuk meneroka hubungan
dibentangkan (mis. korelasi, korelasi separa, regresi berganda, logistik regresi dan analisis
faktor). Bab-bab ini meringkaskan tujuan setiap teknik, andaian asas, cara mendapatkan hasil,
cara mentafsirkan output, dan bagaimana untuk membentangkan hasil ini dalam tesis atau
laporan anda. Bahagian Lima membincangkan teknik statistik yang boleh digunakan untuk
membandingkan kumpulan. Ini termasuk teknik bukan parametrik, ujian t, analisis varians,
multivariate analisis varians dan analisis kovarians.

Menggunakan Buku Ini

Untuk menggunakan buku ini dengan berkesan sebagai panduan kepada SPSS, anda memerlukan
beberapa kemahiran komputer asas. Dalam arahan dan contoh yang disediakan di seluruh teks
saya menganggap bahawa anda berada sudah biasa dengan menggunakan komputer peribadi,
terutamanya fungsi Windows. Saya telah menyenaraikan beberapa kemahiran yang anda
perlukan. Dapatkan bantuan jika anda mengalami kesukaran dengan mana-mana operasi ini.
Anda perlu dapat:
• menggunakan menu drop-down Windows
• gunakan butang kiri dan kanan pada tetikus
• menggunakan teknik klik dan seret untuk menonjolkan teks
• meminimumkan dan memaksimumkan tingkap
• memulakan dan keluar program dari menu Start atau dari Windows Explorer
• bergerak antara program yang berjalan secara serentak
• membuka, menyimpan, menamakan semula, memindahkan dan menutup fi
• bekerjasama dengan lebih daripada satu fail pada satu masa, dan bergerak antara fi les yang
terbuka
• gunakan Windows Explorer untuk menyalin fail dari memori ke cakera keras, dan
kembali lagi
• menggunakan Windows Explorer untuk membuat folder dan untuk memindahkan fail antara
folder.
Buku ini tidak direka untuk 'berdiri sendiri'. Diandaikan bahawa anda telah didedahkan asas
statistik dan mempunyai akses kepada teks statistik. Adalah penting anda memahami beberapa
perkara yang berlaku di 'bawah permukaan' apabila menggunakan SPSS. SPSS adalah satu pakej
analisis data yang sangat kuat yang boleh mengendalikan statistik yang sangat kompleks
prosedur. Manual ini tidak cuba menutup semua statistik yang berlainan teknik yang terdapat
dalam program ini. Hanya statistik paling biasa digunakan dilindungi. Ia direka untuk
membolehkan anda memulakan dan membangunkan confi anda dalam menggunakan program.
Bergantung pada soalan penyelidikan anda dan data anda, mungkin perlu ditangani beberapa
analisis yang lebih rumit yang terdapat dalam SPSS. Terdapat banyak buku yang bagus tersedia
meliputi pelbagai teknik statistik secara terperinci. Baca secara meluas seperti awak boleh.
Semak imbas rak di perpustakaan anda, cari buku yang menerangkan statistik dalam a bahasa
yang anda fahami (baik, sekurang-kurangnya ada juga!). Kumpulkan bahan ini bersama-sama
untuk membentuk sumber yang akan digunakan sepanjang kelas statistik anda dan anda projek
penyelidikan. Ia juga berguna untuk mengumpul contoh artikel jurnal di mana statistik dianalisis
dan hasilnya dibentangkan. Anda boleh menggunakannya sebagai model untuk penulisan
terakhir anda. Manual Survival SPSS sesuai untuk digunakan sebagai kedua-dua teks dalam
kelas, di mana anda mempunyai pengajar membawa anda melalui pelbagai aspek proses
penyelidikan, dan sebagai buku arahan diri untuk mereka yang menjalankan projek penyelidikan
individu.
Jika anda mengajar diri anda, pastikan anda benar-benar mengamalkan menggunakan SPSS
dengan menganalisisnya data yang dimasukkan ke dalam laman web yang mengiringi buku ini
(lihat ms viii untuk maklumat lanjut). Cara terbaik untuk belajar adalah dengan benar-benar
melakukan, bukan hanya membaca. 'Main' dengan data fi les yang mana contoh-contoh dalam
buku itu diambil sebelum anda mula menggunakan sendiri data fail. Ini akan memperbaiki
keadaan anda dan juga membenarkan anda menyemak sama ada anda melakukan analisis dengan
betul.
Kadang-kadang anda mungkin mendapati bahawa output yang anda peroleh adalah berbeza
daripada yang dibentangkan dalam buku itu. Ini mungkin berlaku jika anda menggunakan versi
SPSS yang berlainan daripada yang digunakan di seluruh buku ini (Statistik SPSS 18). SPSS
kerap mengemas kini produknya, yang bagus dari segi meningkatkan program tetapi ia boleh
menyebabkan kekeliruan pelajar yang melihat apa yang ada di skrin berbeza dari apa yang
terdapat di dalam buku. Biasanya perbezaannya tidak terlalu dramatik, jadi tetap tenang dan
main detektif. Maklumat itu mungkin di sana, tetapi hanya dalam bentuk yang berbeza. Untuk
maklumat tentang perubahan kepada SPSS produk yang anda ingin pergi ke laman web SPSS
(www.spss.com).

Tip Penyelidikan
Jika anda menggunakan buku ini untuk membimbing anda melalui projek penyelidikan anda
sendiri, terdapat beberapa petua tambahan saya ingin mengesyorkan.
• Rancang projek anda dengan berhati-hati. Lukis teori dan penyelidikan yang sedia
ada untuk membimbing reka bentuk projek anda. Tahu apa yang anda cuba capai dan
mengapa.
• Berfikirlah. Mengantisipasi masalah yang berpotensi dan cegukan-setiap projek
mempunyai mereka! Ketahui statistik yang ingin anda gunakan dan gunakan maklumat
ini untuk membimbingnya perumusan bahan pengumpulan data. Pastikan anda
mempunyai hak jenis data yang digunakan apabila anda bersedia melakukan analisis
statistik anda.
• Dapatkan teratur. Simpan nota berhati-hati mengenai semua penyelidikan, rujukan dan
lain-lain yang relevan sistem pengawasan yang berkesan untuk gunung artikel jurnal
yang akan anda peroleh dan, kemudiannya, output dari SPSS. Sangat mudah untuk
menjadi tidak teratur, terharu dan keliru.
• Simpan rekod yang baik. Apabila menggunakan SPSS untuk menjalankan analisis anda,
berhati-hati rekod mengenai apa yang anda lakukan. Saya cadangkan kepada semua
 pelajar saya bahawa mereka membeli spiralbound buku latihan untuk merakam setiap
sesi yang mereka belanjakan di SPSS. Kamu patut catat tarikh, pembolehubah baru yang
anda buat, semua analisis yang anda lakukan dan nama-nama daripada files di mana anda
telah menyimpan output. Jika anda mempunyai masalah atau sesuatu berjalan lancar
dengan data anda, maklumat ini boleh digunakan oleh anda penyelia untuk membantu
menyelamatkan awak!
• Bertenang! Jika ini adalah pendedahan pertama anda kepada SPSS dan analisis data,
mungkin ada kali apabila anda merasa diri anda menjadi terharu. Ambil beberapa nafas
dalam dan menggunakan beberapa ceramah sendiri yang positif. Hanya ambil langkah
demi langkah-beri diri sendiri kebenaran untuk membuat kesilapan dan menjadi keliru
kadang-kadang. Sekiranya semuanya mendapat juga kemudian berhenti, berjalan-jalan
dan bersihkan kepala anda sebelum anda mengatasinya. Kebanyakannya pelajar melihat
SPSS agak mudah digunakan, sebaik sahaja mereka mendapat sambutan hangat. Seperti
pembelajaran apa-apa kemahiran baru, anda hanya perlu melupakan perasaan pertama
kekeliruan dan kekurangan keyakinan.
• Beri diri anda banyak masa. Proses penyelidikan, terutamanya kemasukan data dan
tahap analisis data, selalu mengambil masa yang lebih lama daripada yang diharapkan,
sehingga membolehkan banyak masa untuk ini.
• Bekerjasama dengan kawan. Menggunakan pelajar lain untuk emosi dan praktikal
sokongan semasa proses analisis data. Sokongan sosial adalah penampan yang hebat
terhadap tekanan!

Sumber Tambahan
Terdapat beberapa topik yang dibincangkan di seluruh buku ini, dari reka bentuk awal kajian,
pembinaan borang soal selidik, teknik statistik asas (t-ujian, korelasi), melalui statistik lanjutan
(analisis multivariate varians, analisis faktor). Bacaan lanjut dan bahan sumber disarankan di
seluruh bab-bab yang berlainan dalam buku ini. Anda harus cuba membaca secara meluas seperti
yang anda boleh, terutamanya jika menangani beberapa prosedur statistik yang lebih rumit.
BAHAGIAN SATU

Pengenalan
Analisis data hanyalah satu bahagian dari proses penyelidikan. Sebelum anda boleh
menggunakan SPSS menganalisis data anda, terdapat beberapa perkara yang perlu berlaku.
Pertama, anda ada untuk merancang pembelajaran anda dan memilih instrumen pengumpulan
data yang sesuai. Sebaik sahaja anda telah menjalankan kajian anda, maklumat yang diperoleh
mesti disediakan untuk masuk SPSS (menggunakan sesuatu yang dipanggil 'codebook'). Untuk
memasukkan data yang perlu anda fahami bagaimana SPSS berfungsi dan bagaimana untuk
berbincang dengannya dengan sewajarnya. Setiap langkah ini dibincangkan dalam Bahagian
Satu.
Bab 1 menyediakan beberapa petua dan cadangan untuk merancang sebuah kajian, dengan tujuan
memperoleh data berkualiti. Bab 2 merangkumi penyediaan buku cod kepada menterjemah
maklumat yang diperoleh dari kajian anda ke format yang sesuai untuk SPSS. Bab 3 membawa
anda dalam lawatan berpandu program, dan beberapa kemahiran asas yang anda perlu
dibincangkan. Sekiranya ini adalah kali pertama anda menggunakan SPSS, adalah penting anda
membaca bahan yang dibentangkan dalam Bab 3 sebelum mencuba mana-mana analisis
dibentangkan kemudian di dalam buku.
Merekabentuk kajian

Walaupun ia mungkin agak pelik untuk membincangkan reka bentuk penyelidikan dalam buku
mengenai SPSS, ia adalah bahagian penting dalam proses penyelidikan yang mempunyai
implikasi untuk kualiti data dikumpulkan dan dianalisis. Data yang anda masukkan mesti datang
dari suatu tempat-tindak balas soal selidik, maklumat yang dikumpulkan dari temubual,
pemerhatian berkod yang sebenar tingkah laku, atau ukuran objektif output atau prestasi. Data
hanya sama seperti alat yang anda gunakan untuk mengumpulnya dan rangka penyelidikan
yang membimbing koleksi mereka.
Dalam bab ini beberapa aspek proses penyelidikan dibincangkan yang ada kesan kepada kualiti
data yang berpotensi. Pertama, reka bentuk keseluruhan kajian dipertimbangkan; ini diikuti
dengan perbincangan mengenai beberapa isu untuk dipertimbangkan ketika memilih skala dan
langkah; dan secara rasmi, beberapa garis panduan untuk menyediakan soal selidik
dibentangkan.

Perancangan Kajian

Penyelidikan yang baik bergantung kepada perancangan yang teliti dan pelaksanaan kajian. Di
sana terdapat banyak buku yang sangat baik yang ditulis mengenai topik reka bentuk
penyelidikan untuk membantu anda dengan proses ini-dari semakan kesusasteraan, rumusan
hipotesis, pilihan reka bentuk kajian, pemilihan dan peruntukan peserta, rakaman pemerhatian
dan pengumpulan data. Keputusan yang dibuat pada setiap peringkat ini boleh menjejaskan
kualiti data yang anda perlu analisa dan cara anda menangani soalan penyelidikan anda.
Dalam merancang pembelajaran anda sendiri, saya akan mengesyorkan anda mengambil masa
anda bekerja melalui proses reka bentuk untuk menjadikannya kajian terbaik yang boleh anda
hasilkan. Membaca pelbagai teks mengenai topik ini akan membantu. Beberapa tajuk yang baik
dan mudah diikuti adalah Stangor (2006), Goodwin (2007) dan, jika anda bekerja di kawasan
pasaran penyelidikan, Boyce (2003). Gambaran keseluruhan asas yang baik untuk penyelidikan
kesihatan dan perubatan adalah Peat (2001).

Untuk membuat anda mula, pertimbangkan petua ini semasa merancang pembelajaran anda:
• Pertimbangkan jenis reka bentuk penyelidikan (mis. Eksperimen, tinjauan, pemerhatian) adalah
cara terbaik untuk menjawab pertanyaan penyelidikan anda. Terdapat kelebihan dan kekurangan
kepada semua jenis pendekatan penyelidikan; pilih pendekatan yang paling sesuai untuk soalan
penyelidikan anda. Mempunyai pemahaman yang baik tentang penyelidikan yang telah
dilakukan di kawasan topik anda.
• Jika anda memilih untuk menggunakan eksperimen, tentukan sama ada reka bentuk antara
kumpulan (kes berbeza dalam setiap keadaan eksperimen) atau reka bentuk langkah berulang
(kes yang sama diuji dalam semua keadaan) adalah lebih sesuai untuk penyelidikan anda soalan.
Terdapat kelebihan dan kekurangan untuk setiap pendekatan (lihat Stangor 2006), jadi
timbanglah setiap pendekatan dengan berhati-hati.
• Dalam kajian eksperimen, pastikan anda memasukkan tahap yang mencukupi dalam diri anda
pembolehubah. Menggunakan hanya dua peringkat (atau kumpulan) bermakna kurang peserta
diperlukan, tetapi ia menghadkan kesimpulan yang anda boleh buat. Adakah kumpulan kawalan
diperlukan atau diingini? Adakah kekurangan kumpulan kawalan menghadkan kesimpulan yang
anda boleh menarik?
• Sentiasa pilih peserta yang lebih banyak daripada yang anda perlukan, terutamanya jika anda
menggunakan sampel manusia. Orang ramai terkenal tidak dapat dipercayai-mereka tidak
muncul ketika mereka berada sepatutnya, mereka jatuh sakit, lepaskan dan tidak memadamkan
soal selidik dengan betul! Jadi pelan sewajarnya. Err di sisi pesimisme dan bukannya optimis.
• Dalam kajian eksperimen, periksa bahawa anda mempunyai peserta yang mencukupi dalam
setiap kumpulan anda (dan cuba simpannya sama jika mungkin). Dengan kumpulan kecil, ia
adalah kesusahan untuk mengesan perbezaan tidak signifikan secara statistik antara kumpulan
(satu isu kuasa, dibincangkan dalam pengenalan kepada Bahagian Lima). Terdapat pengiraan
yang anda boleh tunjukkan untuk menentukan saiz sampel yang anda perlukan. Lihat, contohnya,
Stangor (2006), atau berunding dengan teks statistik lain di bawah tajuk 'kuasa'.
• Di mana sahaja mungkin, peserta secara rawak memberikan kepada setiap eksperimen anda
keadaan, dan bukannya menggunakan kumpulan yang sedia ada. Ini mengurangkan masalah
yang berkaitan dengan kumpulan yang tidak setara dalam reka bentuk antara kumpulan. Juga
patut dipertimbangkan mengambil pengukuran tambahan bagi kumpulan untuk memastikan
bahawa mereka tidak berbeza sebahagian besarnya dari satu sama lain. Anda mungkin dapat
mengawal statistik untuk perbezaan yang anda kenali (mis. menggunakan analisis kovarians).
• Pilih pembolehubah bergantung yang sesuai yang sah dan boleh dipercayai (lihat perbincangan
pada ketika ini kemudian dalam bab ini). Adalah idea yang baik untuk memasukkan sejumlah
yang berbeza langkah-langkah-langkah yang lebih sensitif daripada yang lain. Jangan letakkan
semua anda telur dalam satu bakul.
• Cuba untuk menjangkakan kemungkinan inflasi pembolehubah luar atau mengelirukan. Ini
adalah pemboleh ubah yang boleh memberikan penjelasan alternatif untuk keputusan anda.
Kadang-kadang mereka sukar ditemui apabila anda direndam dalam merekabentuk kajian itu
sendiri. Sentiasa ada orang lain (penyelia, penyelidik yang lain) menyemak semula reka bentuk
anda sebelum menjalankan kajian. Lakukan apa sahaja yang anda boleh untuk mengawalnya
pembolehubah pembangkang berpotensi. Mengetahui kawasan topik anda dengan baik juga
boleh membantu anda mengenal pasti pemboleh ubah yang mungkin membingungkan. Jika
terdapat pembolehubah tambahan yang anda tidak dapat mengawal, bolehkah anda
mengukurnya? Dengan mengukur mereka, anda mungkin dapat mengawalnya secara statistik
(mis. menggunakan analisis kovarians).
• Jika anda mengedarkan kaji selidik, uji-ujian pertama untuk memastikan bahawa arahan, soalan
dan item skala adalah jelas. Di mana sahaja mungkin, ujian perintis pada jenis yang sama orang
yang akan digunakan dalam kajian utama (misalnya remaja, belia yang menganggur, penghuni
penjara). Anda perlu memastikan bahawa responden anda boleh memahami kaji selidik atau item
soal selidik dan balas dengan sewajarnya. Ujian perintis hendaklah juga mengambil apa-apa
soalan atau perkara yang mungkin menyinggung potensi responden.
• Jika anda menjalankan eksperimen, adalah idea yang baik untuk mengadakan latihan penuh dan
untuk ujian perintis kedua-dua manipulasi percubaan dan langkah-langkah bergantung anda
berhasrat untuk menggunakannya. Sekiranya anda menggunakan peralatan, pastikan ia berfungsi
dengan betul. Jika awak menggunakan pengeksperimen atau pewawancara yang berbeza,
pastikan mereka betul terlatih dan tahu apa yang perlu dilakukan. Jika pemerhati yang berbeza
diperlukan untuk menilai tingkah laku, pastikan mereka tahu cara untuk kod yang sesuai dengan
apa yang mereka lihat. Mempunyai amalan berlari dan periksa kebolehpercayaan antara
pengguna (iaitu skor bagaimana konsisten adalah berbeza raters). Ujian pengujian prosedur dan
langkah-langkah membantu anda mengenal pasti apa-apa yang mungkin salah pada hari dan apa-
apa faktor pencemar yang tambahan mungkin akan menjejaskan keputusannya. Sebahagian
daripada ini mungkin tidak dapat diramalkan (mis. pekerja yang melakukan kerja-kerja
pembinaan bising di luar tetingkap makmal), tetapi cuba mengawal faktor-faktor yang anda
boleh.

Memilih Skala dan Ukuran yang Bersesuaian

Terdapat banyak cara mengumpul 'data', bergantung pada sifat anda penyelidikan. Ini mungkin
melibatkan mengukur output atau prestasi pada sesetengah objektif kriteria, atau kelakuan
penarafan mengikut satu set kriteria yang khusus. Ia juga mungkin melibatkan penggunaan skala
yang telah dirancang untuk 'mengoperasionalkan' beberapa asas membina atau menilai yang
tidak dapat diukur secara langsung (cth. harga diri). Disana ada beribu-ribu skala disahkan yang
boleh digunakan dalam penyelidikan. Mencari yang betul untuk tujuan anda kadang-kadang diffi
cult. Kajian menyeluruh mengenai literatur dalam diri anda Kawasan topik adalah tempat
pertama untuk bermula. Apakah langkah-langkah yang telah digunakan oleh penyelidik lain di
dalam kawasan? Kadang-kadang item sebenar yang membuat skala disertakan dalam lampiran
kepada artikel jurnal; jika tidak, anda mungkin perlu mengesan semula ke asal artikel yang
menerangkan reka bentuk dan pengesahan skala yang anda minati skala telah hak cipta,
bermakna bahawa untuk menggunakannya, anda perlu membeli 'official' salinan dari penerbit.
Skala lain, yang telah diterbitkan secara keseluruhannya dalam artikel jurnal, dianggap sebagai
'dalam domain awam', yang bermaksud bahawa mereka boleh digunakan oleh penyelidik tanpa
bayaran. Ia adalah sangat penting, bagaimanapun, dengan betul mengakui setiap skala yang anda
gunakan, memberikan butiran rujukan penuh.
Dalam memilih skala yang sesuai terdapat dua ciri yang anda perlukan untuk mengetahui:
kebolehpercayaan dan kesahan. Kedua-dua faktor ini boleh merangsang kualiti data yang anda
perolehi. Apabila mengkaji kemungkinan skala untuk digunakan, anda sepatutnya mengumpul
maklumat mengenai kebolehpercayaan dan kesahan setiap skala. Anda akan memerlukan
maklumat ini untuk bahagian 'Kaedah' laporan penyelidikan anda. Tidak kira seberapa baik
laporan mengenai kebolehpercayaan dan kesahan skala anda, itu adalah penting untuk menguji
mereka dengan sampel yang anda inginkan. Kadang-kadang sisik adalah boleh dipercayai
dengan beberapa kumpulan (misalnya orang dewasa dengan latar belakang berbahasa Inggeris),
tetapi benar-benar tidak boleh dipercayai apabila digunakan dengan kumpulan lain (mis. kanak-
kanak dari bahasa yang tidak berbahasa Inggeris latar belakang).

Kebolehpercayaan
Kebolehpercayaan skala menandakan bagaimana ia bebas daripada ralat rawak. Dua kerap
penunjuk yang digunakan untuk kebolehpercayaan skala adalah kebolehpercayaan ujian ujian
(juga disebut sebagai 'Kestabilan temporal') dan konsistensi dalaman. Kebolehpercayaan ujian
ujian semula skala dinilai dengan mentadbirkannya kepada orang yang sama pada dua
kesempatan yang berbeza, dan engira korelasi antara dua skor yang diperolehi. Korelasi ujian
ujian yang tinggi menunjukkan skala yang lebih dipercayai. Anda perlu mengambil kira sifat dari
membina bahawa skala mengukur apabila mempertimbangkan kebolehpercayaan jenis ini. Skala
yang direka untuk mengukur keadaan mood semasa tidak berkemungkinan kekal stabil
sepanjang tempoh beberapa minggu. Oleh itu, kebolehpercayaan ujian ujian semula, oleh itu,
mungkin rendah.
Walau bagaimanapun, anda berharap bahawa langkah-langkah ciri keperibadian yang stabil akan
tetap sama, menunjukkan korelasi ujian yang agak tinggi. Aspek kedua kebolehpercayaan yang
boleh dinilai adalah konsistensi dalaman. Ini adalah sejauh mana item yang membentuk skala
semuanya mengukur sama atribut yang mendasari (iaitu sejauh mana item 'digantung bersama').
Dalaman konsistensi boleh diukur dalam beberapa cara. Statistik yang paling biasa digunakan
adalah Cronbach's coeffi cient alpha (tersedia menggunakan SPSS, lihat Bab 9). Statistik
inimemberikan petunjuk korelasi purata di antara semua item yang ada skala. Nilai berkisar
antara 0 hingga 1, dengan nilai yang lebih tinggi menunjukkan kebolehpercayaan yang lebih
besar. Walaupun tahap kebolehpercayaan yang berbeza diperlukan, bergantung kepada sifat dan
tujuan skala, Nunnally (1978) mengesyorkan tahap minimum 0.7. Cronbach nilai alpha
bergantung kepada bilangan item dalam skala. Apabila terdapat bilangan kecil item dalam skala
(kurang daripada 10), nilai alpha Cronbach boleh agak kecil. Dalam keadaan ini mungkin lebih
baik untuk menghitung dan melaporkan interitem min korelasi untuk item tersebut. Nilai
optimum mean antara nilai item berkisar dari 0.2 hingga 0.4 (seperti yang disyorkan oleh Briggs
& Cheek 1986).

Keesahan
Keesahan skala merujuk kepada sejauh mana ia mengukur apa yang sepatutnya mengukur.
Malangnya, tiada penunjuk yang jelas tentang kesahan skala. Pengesahan skala melibatkan
pengumpulan bukti empirikal mengenai penggunaannya. Jenis utama kesahihan yang anda akan
lihat dibincangkan ialah kesahan kandungan, kesahan kriteria dan membina kesahihan. Keesahan
kandungan merujuk kepada kecukupan yang mana ukuran atau skala telah dicontohi dari alam
semesta atau domain kandungan yang dimaksudkan. Kesahan kritikal berkenaan dengan
hubungan antara skor skala dan beberapa kriteria yang boleh diukur, yang boleh diukur.
Membina Kesahan melibatkan pengujian skala tidak terhadap satu kriteria tetapi dari segi teori
hipotesis yang diperolehi mengenai sifat pembolehubah atau pembinaan yang mendasarinya. The
membina kesahihan diteroka dengan menyiasat hubungannya dengan pembinaan lain, kedua-dua
yang berkaitan (validasi konvergen) dan tidak berkaitan (kesahihan diskriminasi). Mudah-
tofollow ringkasan pelbagai jenis kesahihan disediakan di Stangor (2006) dan di Streiner dan
Norman (2008).
Jika anda berhasrat untuk menggunakan skala dalam penyelidikan anda, ia adalah idea yang baik
untuk membaca lebih lanjut mengenai topik ini: lihat Kline (2005) untuk mendapatkan maklumat
mengenai ujian psikologi, dan Streiner dan Norman (2008) untuk skala pengukuran kesihatan.
Bowling juga mempunyai beberapa buku hebat kesihatan dan skala perubatan.

Menyediakan Borang Soal Selidik

Dalam banyak kajian, adalah perlu untuk mengumpul maklumat dari peserta atau responden
anda. Ini mungkin melibatkan mendapatkan maklumat demografi daripada peserta sebelum ini
untuk mendedahkan mereka kepada beberapa manipulasi percubaan. Secara alternatif, ia
mungkin melibatkan reka bentuk kajian yang luas untuk diedarkan kepada sampel populasi
terpilih. Borang soal selidik yang dirancang dan tidak dirancang tidak akan memberikan data
yang baik untuk dihubungi soalan penyelidikan anda. Dalam menyediakan soal selidik, anda
mesti mempertimbangkan cara anda berniat untuk menggunakan maklumat itu; anda mesti tahu
apa statistik yang anda hendak gunakan. Bergantung kepada teknik statistik yang anda ada dalam
fikiran, anda mungkin perlu bertanya soalan dalam sesuatu perkara cara, atau menyediakan
format tindak balas yang berbeza. Beberapa faktor yang perlu anda pertimbangkan dalam reka
bentuk dan pembinaan soal selidik digariskan dalam bahagian-bahagian yang berikut. Seksyen
ini hanya memberi gambaran mengenai permukaan reka bentuk soal selidik, jadi saya akan
cadangkan anda membaca lebih lanjut mengenai topik ini jika anda sedang merancang
pembelajaran anda sendiri. Sebenarnya buku yang hebat untuk tujuan ini ialah De Vaus (2002)
atau, jika bidang penyelidikan anda adalah perniagaan, Boyce (2003).

Jenis soalan
Kebanyakan soalan boleh diklasifikasikan kepada dua kumpulan: ditutup atau terbuka. Ditutup
Soalan melibatkan responden menawarkan beberapa pilihan tindak balas yang jelas. Mereka
diminta menandakan sambutan mereka menggunakan tanda kutu, silang, bulatan, dan
sebagainya. Pilihan mungkin mudah
Ya / Tidak, Lelaki / Wanita, atau mungkin melibatkan pelbagai pilihan yang berbeza. Sebagai
contoh:

Apakah tahap pendidikan tertinggi yang anda miliki (sila tandakan)?

❐ 1. Sekolah rendah
❐ 2. Sekolah menengah rendah
❐ 3. Sekolah menengah atas
❐ 4. Sijil
❐ 5. Diploma
❐ 6. Sarjana muda universiti
❐ 7. Pasca siswazah universiti

Soalan tertutup biasanya agak mudah untuk ditukar kepada format berangka yang diperlukan
untuk SPSS. Sebagai contoh, Ya boleh dikodkan sebagai 1, Tidak boleh dikodkan sebagai 2;
Lelaki sebagai 1,
Perempuan sebagai 2. Dalam soalan pendidikan yang ditunjukkan di atas, nombor yang sepadan
dengan
jawapan yang ditandakan oleh responden akan dimasukkan. Sebagai contoh, jika responden
ditandakan universiti sarjana muda, ini akan dikodkan sebagai 5. Penomboran masing-masing
maklum balas yang mungkin membantu dengan proses pengkodan. Untuk tujuan kemasukan
data, tentukan
pada konvensyen untuk penomboran (contohnya di seluruh halaman, dan kemudian ke bawah),
dan teruskan dengan soal selidik.
Kadang-kadang anda tidak dapat meneka semua kemungkinan tanggapan responden
Oleh itu, ia adalah perlu untuk menggunakan soalan terbuka. Kelebihan di sini ialah
bahawa responden mempunyai kebebasan untuk bertindak balas dengan cara mereka sendiri,
tidak terhad kepada
pilihan yang disediakan oleh penyelidik. Sebagai contoh:

Apakah sumber utama stres dalam hidup anda pada masa ini?
___________________________________________________________________
___________________________________________________________________

Tanggapan kepada soalan terbuka boleh diringkaskan menjadi beberapa yang berbeza kategori
untuk masuk ke dalam SPSS. Kategori ini biasanya dikenali setelah dilihat melalui jawapan yang
diterima daripada responden. Beberapa kemungkinan juga boleh dibangkitkan dari pemahaman
penyelidikan terdahulu di kawasan tersebut. Setiap kategori tindak balas ini diberikan nombor
(mis. Kerja = 1, fi = 2, hubungan = 3), dan nombor ini dimasukkan ke dalam SPSS. Maklumat
lanjut tentang perkara ini disediakan dalam bahagian penyediaan buku cod dalam Bab 2.
Kadang-kadang gabungan kedua-dua soalan yang tertutup dan terbuka berfungsi dengan baik. Ini
melibatkan pemberi responden dengan beberapa tanggapan defisit, dan juga kategori tambahan
(yang lain) yang mereka boleh tandakan jika respons yang mereka ingin berikan adalah tidak
tersenarai. Barisan atau dua disediakan supaya mereka dapat menulis respons yang ingin mereka
berikan. Gabungan persoalan tertutup dan terbuka ini amat berguna dalam peringkat awal
penyelidikan di suatu kawasan, kerana ia memberi petunjuk tentang apakah yang dimaksudkan
kategori tindak balas mencukupi merangkumi semua jawapan yang dijawab oleh responden.
Format tindak balas Dalam bertanya soalan responden, anda juga perlu membuat keputusan
mengenai format respons. Jenis format tindak balas yang anda pilih boleh mempunyai implikasi
apabila anda melakukannya Analisis statistik. Sesetengah analisis (misalnya korelasi)
memerlukan skor yang berterusan, dari rendah ke tinggi, dengan pelbagai skor. Jika anda telah
meminta responden untuk menunjukkan umur mereka dengan memberi mereka kategori untuk
menandai (mis. kurang daripada 30, antara 31 dan 50 dan lebih 50), data ini tidak sesuai
digunakan dalam analisis korelasi. Jadi, jika anda berhasrat untuk meneroka hubungan antara
umur dan, katakan, harga diri, anda perlu memastikan bahawa anda meminta responden untuk
umur sebenar mereka dalam tahun. Beri amaran walaupun, sesetengah orang tidak suka
memberikan umur yang tepat (contohnya, wanita berusia 30 tahun!). Cuba berikan pelbagai
pilihan jawapan kepada soalan anda. Awak boleh sentiasa membincangkan perkara kemudian
jika anda perlu (lihat Bab 8). Jangan hanya bertanya kepada responden sama ada mereka
bersetuju atau tidak bersetuju dengan pernyataan-menggunakan skala jenis Likert, yang boleh
berkisar dari sangat tidak bersetuju untuk sangat bersetuju:

Sangat tidak bersetuju 1 2 3 4 5 Sangat bersetuju

Skor tindak balas jenis ini memberi anda lebih banyak skor yang mungkin, dan meningkatkan
analisis statistik yang tersedia untuk anda. Anda perlu membuat keputusan mengenai bilangan
langkah tindak balas (contohnya 1-6) yang anda gunakan. DeVellis (2003) mempunyai yang baik
perbincangan mengenai kelebihan dan kekurangan skala tindak balas yang berbeza. Apa jenis
format respons yang anda pilih, anda mesti memberikan arahan yang jelas. Lakukan anda mahu
responden anda untuk menandai kotak, bulatan nombor, membuat tanda pada baris? Untuk
sesetengah responden, ini mungkin merupakan soal selidik pertama yang telah mereka
selesaikan. Jangan menganggap mereka tahu bagaimana untuk bertindak dengan sewajarnya.
Berikan arahan yang jelas, sediakan contohnya jika sesuai, dan selalu ujian perintis mengenai
jenis orang yang akan membentuk sampel anda. Besi apa pun sumber kekeliruan sebelum
mengedarkan beratus-ratus anda soal selidik. Dalam merancang soalan anda, selalu
pertimbangkan bagaimana responden mungkin tafsirkan soalan dan semua jawapan mungkin
yang mungkin dibuat oleh seseorang. Sebagai contoh, anda mungkin ingin mengetahui sama ada
orang merokok atau tidak. Anda mungkin bertanya soalan:

Adakah anda merokok? (sila tandakan) ❐ Ya ❐ Tidak

Dalam menguji soal selidik ini, responden anda mungkin bertanya sama ada anda bermaksud
rokok, cerut atau ganja. Adakah mengetahui sama ada mereka merokok cukup? Sekiranya anda
juga melihat berapa banyak mereka merokok (dua atau tiga rokok, berbanding dua atau tiga pek),
dan / atau berapa kerap mereka merokok (setiap hari atau hanya pada majlis sosial)? Mesej itu di
sini adalah untuk mempertimbangkan setiap soalan anda, maklumat apa yang akan diberikan
kepada anda dan maklumat apa yang mungkin hilang.
Kata soalan-soalan
Terdapat seni sebenar untuk merekabentuk barang-barang soal selidik yang jelas dan lengkap.
Walaupun ada tidak ada peraturan jelas yang boleh membimbing proses ini, ada beberapa
perkara yang boleh anda lakukan meningkatkan kualiti soalan anda, dan oleh itu data anda. Cuba
elakkan:
• soalan kompleks yang panjang
• dua kali ganda
• soalan berbilang dua
• jargon atau singkatan
• syarat-syarat kebudayaan
• perkataan dengan makna berganda
• soalan utama
• kata-kata yang dimuatkan secara emosi.
Bila sesuai, anda harus mempertimbangkan termasuk kategori tindak balas untuk 'Tidak tahu'
atau 'Tidak berkenaan'. Untuk cadangan lanjut mengenai soalan menulis, lihat De Vaus (2002)
dan Kline (2005).