# מדריך הכנה לפגישת ייעוץ

מדריך זה מכין אתכם להסביר ולהגן על כל החלטת ניתוח בפגישה שלכם עם המנחה האקדמי.

<a id="advisor.q.1"></a>

## Q1: מדוע נבחר הניתוח מתאם פירסון עבור <bdi dir="ltr">H1</bdi>?

הניתוח מתאם פירסון נבחר עבור <bdi dir="ltr">H1</bdi> על בסיס תכנון המחקר ומבנה המדידה.

בחרנו במתאם פירסון עבור H1 מכיוון שההשערה שלכם עוסקת בקשר ליניארי בין שני משתנים רציפים - ציון המסוגלות האקדמית וציון ההתמדה בלמידה - שכל אחד מהם מתקבל כממוצע של חמישה פריטים על סולם דיווח עצמי. מאחר שמדובר במערך מתאמי של מדידה אחת לכל משיב, ללא הקצאה לקבוצות, מתאם פירסון הוא הכלי הטבעי לבחון את עוצמת וכיוון הקשר, ובפרט לאחר שבדקתם את הפיזור, את הליניאריות ואת קיומם של ערכים משפיעים כפי שביקשתם. כך תוכלו להציג לאדווייזר גם את עוצמת הקשר וגם את רווח הסמך הנלווה אליו, בהתאם למבחן הדו-צדדי ברמת המובהקות שנקבעה מראש.

<a id="advisor.q.2"></a>

## Q2: מדוע מבחן זה ולא מתאם ספירמן?

מתאם פירסון שימש במקום מתאם ספירמן משום שאת מתאם ספירמן שמרנו כגיבוי. משתמשים בו רק אם הנתונים שלכם לא עומדים בתנאים שמתאם פירסון צריך, ואת התנאים האלה אנחנו בודקים לפני שהמבחן מורץ..

בחרנו להשתמש במתאם פירסון כי המשתנים שלכם, ציון המסוגלות האקדמית וציון ההתמדה בלמידה, הם משתנים ברמת מדידה רציפה (אינטרוול/יחס), וזהו בדיוק סוג הנתונים שעבורו מתאם פירסון הוא הכלי הסטטיסטי המתאים כברירת מחדל. חשוב להדגיש כלפי היועץ שההחלטה הזו מתקבלת בשלב בחירת הניתוח, לפני שבכלל בודקים הנחות כמו נורמליות או שוויון שונויות, ולכן מתאם ספירמן אינו שיקול באותו שלב - הוא עשוי להיכנס לתמונה רק אם בשלב הביצוע בפועל יתגלה כי הנחות אלו אינן מתקיימות. כך שתוכלו להסביר בביטחון שהבחירה בפירסון נשענת על מבנה הנתונים עצמו, ולא על החלטה מקרית או שרירותית.

<a id="advisor.full_versions"></a>

## גרסאות מלאות להצגת הממצאים

פרק הממצאים מציג כל תוצאה בצורה המקובלת ברוב העבודות. כאן מופיעה כל השערה גם בגרסה המלאה, עם רכיבים נוספים שחלק מהמרצים מבקשים. אם הם נדרשים אצלכם, אפשר להחליף את הסעיף בפרק בגרסה שלהלן (העתק-הדבק). המספרים זהים בשתי הגרסאות.

כשהשערה נבדקה במבחן שיש לו צורה חד-זנבית וצורה דו-זנבית, הסעיף שלה כאן מביא גם את הצורה האחרת: אותו ערך של סטטיסטי המבחן עם ערך p האחר, מוכן להעתקה. בשונה מהגרסאות המלאות, ערך p שם שונה מזה שבפרק.

<a id="advisor.full.1"></a>

## השערה 1

### מה נוסף בגרסה המלאה

- רווח סמך לגודל האפקט: רווח הסמך מראה את טווח הערכים הסבירים לגודל האפקט באוכלוסייה. רווח צר מעיד על אומדן מדויק, ורווח רחב מעיד על אי-ודאות גדולה יותר. בדרך כלל מדווחים עליו יחד עם גודל האפקט, כשנדרש דיווח מלא לפי כללי APA.

מחליף בפרק הממצאים את הסעיף: השערה 1

### הגרסה המלאה, מוכנה להעתקה

בוצע ניתוח קשר להערכת השערה זו.

ממצאי המתאם תומכים בהשערה: נמצא קשר חיובי ומובהק בין מסוגלות אקדמית להתמדה בלמידה, כלומר ככל שהסטודנטים מדווחים על רמת מסוגלות אקדמית גבוהה יותר, כך הם נוטים לדווח גם על רמת התמדה בלמידה גבוהה יותר. יש לזכור כי מדובר בנתוני חתך המתבססים על דיווח עצמי בנקודת זמן אחת, ולכן אין בממצא זה כדי לבסס טענה סיבתית לפיה מסוגלות אקדמית גורמת להתמדה גבוהה יותר.

<bdi dir="ltr">N = 180, r(178) = .43, p < .001, p_adj < .001, 95% CI [.31, .55]</bdi> (אפקט בינוני)

התוצאה היתה: אוששה.

### הגרסה החד-זנבית

בדיקה דו-זנבית בודקת אם יש השפעה בכיוון כלשהו; בדיקה חד-זנבית בודקת רק את הכיוון שנקבע מראש. סטטיסטי המבחן זהה בשתיהן, ורק ערך p שונה. כשההשפעה היא בכיוון שנקבע, ערך p החד-זנבי הוא מחצית מהדו-זנבי. פרק הממצאים מציג את הגרסה הדו-זנבית, זו שתוכנית הניתוח קבעה להשערה הזו לפני שבוצע מבחן כלשהו.

ההשערה הזו לא קבעה כיוון מראש, ולכן הגרסה החד-זנבית שלהלן היא בכיוון שנצפה. בדיקה חד-זנבית מתאימה רק כשהכיוון נקבע לפני שהנתונים נבדקו; כדאי לבדוק זאת עם המנחה לפני שמשתמשים בה.

בפרק (בדיקה דו-זנבית): <bdi dir="ltr">r(178) = .43, p < .001</bdi>.

#### הגרסה הזו, מוכנה להעתקה

בבדיקה חד-זנבית (מתאם פירסון) נמצאה תוצאה מובהקת סטטיסטית, <bdi dir="ltr">r(178) = .43, p < .001</bdi>.