המדריך המלא ליצירת טבלאות סטטיסטיות ודיווח סטטיסטי באקסל

בפוסט הזה אני אלמד אתכם את כל מה שצריך לדעת על טבלאות סטטיסטיות ודיווח סטטיסטי באופן אינטואיטיבי שלא מצריך יותר מדי חשיבה. זה לא פעם שסטודנטים שמתחילים את התואר מתקשים עם יצירת טלבאות סטטיסטיות. פוסט זה יעזור בעיקר לכם, סטודנטים חדשים.

בפוסט הזה אני מדגים שלד בסיסי לטבלה סטטיסטית בסגנון APA, שממנו אתם יכולים לפתח ולבנות טבלה סטטיסטית על כל נתון וניתוח סטטיסטי שאפשר לחשוב עליו. 

איך להשתמש בטבלאות אקסל אלו

חשוב לדעת: הטבלאות בפוסט זה הן טבלאות אקסל, ואפשר להעתיק אותן ישר לתוך האקסל ולשנות את הנתונים שלהן לפי הצורך! 

שימו לב: אתם יכולים להשתמש בקיצור הדרך באקסל "Ctrl+H" זה (Find and Replace). כאן אתם יכולים לחפש את מילות המפתח שאפשר להחליף כמו "[משתנה 1" במילה אחרת שאתם רוצים. אפשר להחליף ככה לאורך כל הקובץ את אותה המילה למילה אחרת. 

הדוגמא הכי פשוטה לטבלה סטטיסטית

בטבלה [X] רואים את הממוצעים וסטיות התקן של [משתנה 1]. הממוצע של [משתנה 1] הוא [M] וסטיית התקן היא [SD].

את מוזמנים להעתיק את הטבלה הזו לאקסל. שימו לב לאיך שהטבלה מסודרת באקסל. בעצם יש לנו מסגרת עם 2 קווים מודגשים, ולשונית עליונה שיצרנו עם קו פחות מודגש. ככה אפשר ליצור עוד משתנים, ועוד קטגוריות, על ידי הוספה (Insert) של עמודה (column) או שורה (row) באקסל.  עושים את זה על ידי לחיצה ימנית על מספר השורה או אות העמודה, ואז על הוספה (Insert). 

שימו לב ש המסגרת של הטבלה נשארת אותה מסגרת, פשוט יש יותר עמודות ושורות. זה יהיה עיצוב הטבלה שאני אשתמש בו לאורך כל הפוסט. כעת, נציג כמה טבלאות לניתוח סטטיסטיים שכיחים. 

טבלה לסטטיסטיקה תיאורית

 בטבלה זו תרצו להשתמש בעיקר כשאתם רוצים להציג התפלגויות באחוזים של משתנים דמוגרפיים במחקר. 

בטבלה [X], מוצגים האחוזים והספירות (N) עבור [משתנה 1] בקטגוריות שונות. עבור [משתנה 1] בקבוצה 1, האחוז הוא [58.3%], עם [74] משתתפים עבור קטגוריה 1 ו-[100%] עבור קטגוריה 2 עם [53] משתתפים. בקבוצה 2, האחוז עבור קטגוריה 1 הוא [74.8%] עם [95] משתתפים, ו [100%] עבור קטגוריה 2 עם [32] משתתפים . . . 

בטבלה הבאה, אפשר להציג נתונים שהם כמותיים, ולא קטגוריאליים. 

טבלאות למתאם

 הטבלה הבאה מציגה מתאם יחיד בין שתי משתנים. אפשר להוסיף עוד שורות ועוד עמודות, כמו בדוגמא למעלה. 

בטבלה [X] מוצג המתאם בין [משתנה A] ל-[משתנה B]. מקדם המתאם עבור [משתנה A] עם [משתנה B] הוא [r = .241], שהוא מובהק סטטיסטית ברמת מובהקות  [p < .05]. כלומר, ככל ש[משתנה B] עולה, כך גם [משתנה A] עולה והפוך.

הטבלה הבאה, מציגה מתאמים בין מספר משתנים שונים. זו בעצם מטריצת מתאמים. 

בטבלה [X] מוצג המתאם בין [משתנה A] ל-[משתנה B] ו[משתנה C]. מקדם המתאם עבור [משתנה A] עם [משתנה B] הוא [r = .241], שהוא מובהק סטטיסטית ברמת מובהקות [p < .05]. כלומר . . .

טבלאות מבחן טי

 בטבלה הבאה תוכלו לראות איך אפשר להציג טבלה למבחן טי. 

בטבלה [X], הממוצעים (M), סטיות התקן (SD), גדלי המדגם (n) ותוצאות בדיקת t עבור [משתנה A] מוצגים על פני קטגוריות שונות. עבור קטגוריה 1 ב-[תנאי A], הממוצע הוא [3.87], עם סטיית תקן של [0.66] וגודל מדגם של [98]. עבור קטגוריה 2, הממוצע הוא [3.55], עם סטיית תקן של [0.77] וגודל מדגם של [11]. תוצאת מבחן ה-t היא [t(107) = 1.51, p = .134].

עבור [תנאי B], הממוצע עבור קטגוריה 1 הוא [3.45], עם סטיית תקן של [0.64] וגודל מדגם של [98]. עבור קטגוריה 2, הממוצע הוא [3.64], עם סטיית תקן של [0.71] וגודל מדגם של [11]. תוצאת מבחן ה-t היא [t(107) = -0.92, p = .357].

טבלאות ניתוח שונות

 בטבלה הבאה תוכלו לראות איך אפשר להציג טבלה לניתוח שונות חד כיווני. 

בטבלה [X], הממוצעים (M), סטיות התקן (SD), גדלי המדגם (n) ותוצאות ניתוח שונות עבור [משתנה A] מוצגים על פני קטגוריות שונות. ב[משתנה], הממוצע עבור [קטגוריה 1] הוא [3.93], עם סטיית תקן של [0.6] וגודל מדגם של [34]. עבור [קטגוריה 2], הממוצע הוא [3.53], עם סטיית תקן של [0.81] וגודל מדגם של [25]. עבור [קטגוריה 3], הממוצע הוא [3.65], עם סטיית תקן של [0.63] וגודל מדגם של [50]. תוצאת ניתוח השונות היא [F(2,106) = 3.46, p = .035].

עבור [תנאי B], הממוצע עבור [קטגוריה 1] הוא [3.56], עם סטיית תקן של [0.6] וגודל מדגם של [34]. עבור [קטגוריה 2], הממוצע הוא [3.46], עם סטיית תקן של [0.67] וגודל מדגם של [25]. עבור [קטגוריה 3], הממוצע הוא [3.64], עם סטיית תקן של [0.7] וגודל מדגם של [50]. תוצאת ניתוח השונות היא [F(2,106) = 0.65, p = .524].

בטבלה הבאה תוכלו לראות איך אפשר להציג טבלה לניתוח שונות דו כיווני. 

בטבלה [X], הממוצעים (M), סטיות התקן (SD), גדלי המדגם (n) ותוצאות ניתוח השונות עבור [משתנה A] ו-[משתנה B] על פני קבוצות מרובות מוצגות. עבור [תנאי 1] תחת [משתנה B], הממוצע עבור [קטגוריה 1 הוא [7.76] עם סטיית תקן של [6.1], וגודל המדגם הוא [5616]. עבור קטגוריה 2, הממוצע הוא [3.02], סטיית התקן היא [0.49], וגודל המדגם הוא [5616]. עבור קטגוריה 3, הממוצע הוא [3.14], סטיית התקן היא [3.02], וגודל המדגם הוא [5616]. תוצאת ניתוח השונות היא [Fa(2,112) = 72.907, p < .001].

עבור [תנאי 2], הממוצע עבור קטגוריה 1 הוא [5.96] עם סטיית תקן של [5.43], וגודל המדגם הוא [5616]. עבור קטגוריה 2, הממוצע הוא [3.76], סטיית התקן היא [2.16], וגודל המדגם הוא [5616]. עבור קטגוריה 3, הממוצע הוא [3.62], סטיית התקן היא [3.01], וגודל המדגם הוא [5616]. תוצאת ניתוח השונות היא [Fb(2,123) = 3614.10, p < .001].

עבור [תנאי 3], הממוצע עבור קטגוריה 1 הוא [6.31] עם סטיית תקן של [5.66], וגודל המדגם הוא [5616]. עבור קטגוריה 2, הממוצע הוא [3.86], סטיית התקן היא [2.31], וגודל המדגם הוא [5616]. עבור קטגוריה 3, הממוצע הוא [3.74], סטיית התקן היא [3.3], וגודל המדגם הוא [5616]. תוצאת האינטראקציה של ניתוח השונות היא [Fa×b(4,220) = 761.29, p < .001].

טבלאות רגרסיה

 בטבלה הבאה תוכלו לראות איך אפשר להציג טבלה לניתוח רגרסיה. 

בטבלה [X] מוצגות תוצאות ניתוח הרגרסיה עבור מודלים שונים (או מספר צעדים), כולל שונות מוסברת (R²), מקדמי בטא (β), טעות תקן של האומדן (S.E.B) ומקדמי הרגרסיה (B). עבור [מודל 1], R² הוא [0.07], מקדם הבטא (β) עבור [משתנה A] הוא [0.20], שגיאת התקן היא [0.26], והמקדם רגרסיה (B) הוא [0.39]. תוצאה זו משמעותית ברמת מובהקות [p < .01].
עבור [מודל 2], R² הוא [0.12], מקדם הבטא (β) עבור [משתנה B] הוא [0.08] . . .
הטבלה מצביעה על כך שמודלי הרגרסיה מראים קשרים מובהקים סטטיסטית בין המשתנים המנבאים למשתנה התוצאה.

סיכום

לסיכום, טבלאות סטטיסטיות לא חייבות להיות מסובכות. העיקר שאתם מעבירים את הנתונים באופן ברור ונקי. בכל פעם שאתם צריכים טבלה סטטיסטית ובאים לפה להעתיק, או אם למדתם לעבוד טוב יותר עם טבלאות, שתפו את האתר לחבר, זה מאוד יעזור לנו.

אם אהבתם את הפוסט או שהוא עזר לכם \ אתם נעזרים בו, תשאירו הודעה :)

תודה על הקריאה.