اکثر دانشجویان کارشناسی ارشد و دکتری برای تجزیه و تحلیل یافته‌های پایان‌نامه خود نیاز به نرم‌افزار SPSS دارند. این نرم‌افزار یک نرم‌افزار آماری است برای تجزیه و تحلیل داده‌ها، یافتن ارتباط بین متغیرهای یک تحقیق، معنی‌دار بودن یا نبودن نتایج حاصل شده و … .

آموزشگاه هورین در راستای ارائه خدمات مشاوره و آموزش‌های علمی به دانشجویان، اقدام به برگزاری دوره آموزشی SPSS نموده است. در این دوره سرفصل‌های زیر تدریس می‌شود. در ضمن توجه داشته باشید این دوره به صورت گروهی و خصوصی برگزار می‌گردد. حتی در صورتی که فقط در بخشی از این نرم‌افزار نیاز به توضیح دارید، امکان برگزاری دوره فقط در برخی سرفصل‌ها یا به‌صورت کلاس رفع اشکال وجود دارد.

بخش اول: مقدمات (3 ساعت)

فصل اول:

• تعریف آماده‌سازی داده‌ها
• مراحل آماده‌سازی داده‌ها
• بررسی متغیرها

فصل دوم:

• تغییر متغیرها
• تبدیلات و ایجاد متغیرهای جدید
• تبدیل داده‌های کمی به کیفی و برعکس

فصل سوم:

• بررسی مشاهدات
• اعتبار داده‌ها
• اعتبارسنجی پایه برای مشاهدات و متغیرها
• تعریف یک قانون اعتبارسنجی
• اجرای یک قانون اعتبارسنجی
• شناسایی مشاهدات یا متغیرهای خارج از حدود قانونی
• بررسی مقادیر نامتعارف یا نامعمول

فصل چهارم:

• آماده‌سازی خودکار داده‌ها
• آماده‌سازی خودکار
• شناسایی داده‌های پرت
• استفاده از تبدیلات روی متغیرها

بخش دوم: آزمون­های آماری  (4 ساعت)

فصل اول:

• فرض صفر H0
• فرض مقابل H1
• فرض ساده Simple
• فرض مرکبComplex
• آزمون یک طرفه
• یک دامنه One Tailed
• دو طرفه و دو دامنه Two Tailed
• آماره آزمون
• ناحیه بحرانی
• خطاهای آزمون
• خطای نوع اول
• احتمال خطای نوع اول Alpha
• خطای نوعدوم
• احتمال خطای نوع دوم Beta
• کنترل خطای اول و دوم
• مراحل انجام آزمون
• فاصله اطمینان

فصل دوم :

• متغیر مستقل و متغیر وابسته
• عامل و سطوح عامل
• مدل تحلیل واریانس
• افراز واریانس بین و درون سطوح عامل‌ها
• شیوه ورود داده‌ها برای تحلیل واریانس یک طرفه
• انجام آزمون مقایسه میانگین چند جامعه – تک عاملی و تحلیل آن
• روش های سنجش صحت آزمون – تحلیل مانده‌ها
• آزمون‌های مقایسه‌ای
• پس آزمون‌ها

بخش سوم: تحلیل بدون ناظر داده­‌ها (خوشه­‌بندی) (90 دقیقه)

فصل اول:

• انواع داده‌ها و شیوه اندازه‌گیری فاصله برای داده‌های کمی و کیفی
• آشنایی با مفهوم خوشه‌بندی و معرفی روش‌همسه‌ای آن
• معرفی خوشه‌بندی K میانگین و خصوصیات آن
• تحلیل کارایی خوشه‌بندی K میانگین
• انجام خوشه‌بندی K میانگین به کمک SPSS
• ورود داده‌ها
• خوشه‌‌بندی K میانگین

فصل دوم:

• سنجش فاصله در خوشه‌‌بندی دو مرحله‌‌ای
• ارزیابی خوشه‌بندی ایجاد شده
• تعیین تعداد خوشه‌های مناسب برای داده‌ها بر اساس معیارهای AIC و BIC
• تفسیر خروجی‌های نرم‌افزار SPSS