OVIDIU LUNGU

SERIA PSIHOLOGIE EXPERIMENTAL #I APLICAT

2
FAMILIARIZAREA CU PROGRAMUL SPSS 10.0


Cuprins:

- deschiderea programului si pr#ile componente
- deschiderea unei baze de date
- crearea unei baze de date
- definirea variabilelor
- salvarea fi$ierelor
- output-ul

Banal i t #i i mpor t ant e pent r u st uden#i i poe#i .

Mul#i studen#i vin la psihologie pentru a scpa de numere, de matematic $i pentru c le
place s "se joace" cu cuvintele. Probabil c a$a se ntmpl $i cu dumneavoastr. A#i ales
psihologia pentru c sunte#i fascina#i de oameni, de comportamentul lor, de via#a lor
interioar, chiar de via#a voastr proprie. V spun bine a#i venit la acest curs de statistic
aplicat $i v asigur c el este un curs special, ncrederea mea, ncercnd s fiu un ghid n
lumea statisticii, vine de la faptul c $i al#i studen#i ca voi au reu$it s nve#e s aplice
statistica cu succes, chiar dac anterior au avut e$ecuri n domeniu. 'i voi ve#i nv#a statistic
$i o ve#i face bine.
Cuvntul statistic provine din limba italian (statista) $i, n trecut, desemna persoana care
se ocupa de afacerile statului. Se referea la indivizii care numrau popula#ia sau alte elemente
ce ajutau statul s gestioneze mai bine politica de taxe $i costurile rzboaielor.
Statistica, ca $tiin#, deriv din numeroase surse, unele chiar inedite. Ideea de baz de a aduna
date provine de la necesit#ile celor ce guvernau (pentru a stabili taxele), dar $i din timpuri
mai vechi, cnd armatorii $i calculau costurile echiprii corbiilor (folosind probabilitatea de
a fi atacate de pira#i sau de a naufragia). Teoria modern a corela#iei provine din biologie, din
analiza similarit#ilor dintre prin#i $i copiii lor; teoria analizei de variant $i are originea n
fabricatele de bere din secolul XVIII $i pe cmpurile de orz, unde alegerea soiului potrivit de
orz $i a timpului potrivit de fermentare permitea promovarea unui anumit gust al berii (dar $i
supravie#uirea a sute de ferme mici); teoria msurrii $i are originea n studiul personalit#ii
umane $i n special n studiul inteligen#ei, iar dezvoltarea testelor neparametrice se datoreaz
n special sociologiei unde se punea adesea problema apartenen#ei la diferite clase sociale.
Pornind de la ncercrile timpurii ale statisticienilor care erau preocupa#i s demonstreze
existen#a lui Dumnezeu cu ajutorul numerelor, de la calculele lui John Adams, unul din
pre$edin#ii americani, care a reu$it s ob#in ajutorul Olandei n Rzboiul de Independen#
demonstrnd statistic c popula#ia coloniilor este n cre$tere $i poate s ofere 20.000 militari
anual $i pn la calculele moderne referitoare la pia# $i care asigur succesul unei firme,
statistica poate sjoace un rol important n via#a noastr
Si atunci cine spune c statistica nu are suflet sau nu este uman?
A$a cum un chirurg, orict de renumit ar fi el, are nevoie de instrumente specializate pentru
a-$i face bine treaba, la fel $i statisticienii din ziua de azi nu ar putea s analizeze datele fr
3
ajutorul unor unelte. O astfel de unealt, foarte util, este pachetul informatic SPSS (Statistical
Package for Social Sciences), ajuns n prezent la versiunea 10.0. Scopul manualului de fa#
este de a v oferi un ghid de baz privind utilizarea acestei resurse important n realizarea
prelucrrilor statistice. Pentru alte informa#ii tehnice pute#i accesa site-ul oficial al companiei
care produce acest program, la adresa www.spss.com.
Pentru beneficiarii unor versiuni mai vechi ale acestui program, informa#iile din ghidul de
fa# sunt totu$i folositoare, chiar dac anumite opera#ii sau aranjarea output-ului (foaia de
prezentare a rezultatelor) sunt diferite.

Deschiderea programului &i p(r*ile componente.

Ca orice instrument modern, programul SPSS nu poate fi folosit pn nu este mai nti
activat sau deschis. Accesul la program se poate face n dou modalit#i.
Mai nti, fi pute#i accesa prin efectuarea unui click-dublu asupra pictogramei programului,
care ara# ca n imaginea de mai jos $i se gse$te pe desktop-ul computerului, n eventualitatea
c a#i creat un short-cut pentru program.
O a doua modalitate de a pune n func#iune SPSS-ul este cu ajutorul meniului START-
PROGRAMS prezent n orice versiune WINDOWS mai recent. Astfel, apsa#i butonul
START, apoi un click-simplu pe op#iunea PROGRAMS, de unde ve#i alege op#iunea SPSS
FOR WINDOWS - SPSS 10.0 FOR WINDOWS, ca n imaginea urmtoare:



deschiderea programului SPSS din meniul START



Oricare metod ve#i folosi, programul se va activa, iar pe ecranul dumneavoastr va aprea
un tabel, ca n imaginea de mai jos:

4

a&a se prezint( programul SPSS la deschidere


Observa#i c ave#i pe ecran un tabel, deci linii si coloane. Este bine s re#ine#i c ntotdeauna
coloanele tabelului reprezint variabilele cercetrii, n timp ce liniile tabelului, numerotate,
reprezint subiec#ii sau participan#ii la cercetare. Acest lucru sugereaz felul n care datele
trebuie introduse n tabel.
S analizm acum mai detaliat fereastra, pornind din partea superioar, ctre partea
inferioar. Banda colorat din marginea superioar a ferestrei v informeaz asupra numelui
fi$ierului si al programului aflat n uz. Urmeaz apoi o band cu meniurile uzuale ale
programului si o bar cu butoane, butoane care nu reprezint altceva dect scurtturi" ale
op#iunilor ce pot fi activate si din meniurile uzuale. Vom analiza mai detaliat unele comenzi
din aceste meniuri, pe msur ce avansm cu acest ghid.

Deschiderea unei baze de date

De multe ori dorim s lucrm cu baze de date pe care le-am creat anterior sau pe care
altcineva naintea noastr a lucrat. Pentru aceasta vom activa meniul FILE - OPEN si vom
alege op#iunea DATA.
Odat activat comanda, computerul va deschide o fereastr-dialog care v permite s
selecta#i att directorul unde se gse$te baza voastr de date, ct si fi$ierul dorit, n exemplul
ce urmeaz, am selectat fi$ierul pretestare din directorul S.P.S.S. Observa#i n imaginea ce
urmeaz c termina#ia fi$ierelor cu date din SPSS este sav.


5
fereastr(-dialog pentru deschiderea unei baze de date


Deschiderea propriu-zis a bazei de date se face prin apsarea butonului OPEN din fereastra-
dialog prezentat anterior, n momentul n care baza de date a fost ncrcat, ecranul va apare
astfel:


Aceasta este fereastra care v prezint datele brute.
Observa#i variabilele din studiu, coloanele tabelului adic; de exemplu, variabila GEN
descrie genul subiec#ilor (masculin sau feminin), variabila CONDI)IE arat condi#ia
6
experimental n care se aflau participan#ii la studiu, G l sunt notele ob#inute de subiec#i la o
anume prob, $.a.m.d.
Fiecare linie a tabelului arat rezultatele unui singur subiect. Astfel, dac observm linia a
11-a, vedem c rezultatele acestei persoane se gsesc n fi$a cu numrul 11, c este o persoan
de sex feminin, n condi#ia neactivat", care a ob#inut nota 7 la variabila Gl, nota 7 la G2, nota
13 la G3 etc.
Dac dorim s aflm informa#ii despre tipul variabilelor aflate n baza noastr de date,
trebuie s activm op#iunea VARIABLE VIEW din partea inferioar a ecranului. Astfel va
apare imaginea urmtoare:



aici afl(m informa*ii despre variabile

Acum, variabilele sunt a$ezate pe rnduri, iar coloanele reprezint diver$i parametri,
diverse calit#i pe care le au variabilele noastre. De exemplu, variabila G3 este de tip numeric,
are 8 caractere, dintre care dou sunt zecimale, iar ceea ce descrie aceast variabil se refer la
comportamentul nclin capul", $.a.m.d.

Crearea unei baze de date noi

Crearea unei baze noi se face din perspectiva DATA VIEW. Observa#i c n tabel avem un
cursor-text sub forma unui contur mai ngro$at care nconjur o celul. Acesta fi mutat n tabel
cu ajutorul butoanelor cu sge#i, din partea dreapt-jos a tastaturii. Dac dorim putem s
introducem n computer baza de date redat n tabelul de mai jos, care arat scorurile IQ la un
test de inteligen# aplicat unor adolescen#i, fra#i de acelasi sex:


7


Nrfi$a IQ IQ
1 85 98
2 96 89
3 98 88
4 112 98
5 102 106
6 101 104
7 86 94
8 99 91
9 105 93
10 108 105

aceasta este baza de date ce dorim s o crem


Observa#i c avem trei variabile si zece perechi de subiec#i. Variabilele sunt: numrul fisei
(NRFISA) care arat numrul fi$elor completate de cei doi fra#i, coeficientul de inteligent al
primului nscut (QI1) si coeficientul de inteligent al celui de-al doilea nscut (QI2).
Duce#i cursorul-text la nceputul bazei de date (celula cea mai din stnga-sus a tabelului) si
apoi tipri#i de la tastatur l" si apsa#i ENTER sau butonul cu sgeata n jos. Pe ecran va
aprea imaginea de mai jos:


Observa#i c programul define$te automat variabila (var000l), cursorul coboar pe celula
urmtoare, iar indicativul primei linii devine activ (cifra l de pe margine nu mai este gri).
Continua#i s introduce#i astfel toate datele corespunztoare primei variabile, pn ce ajunge#i
la cifra 10.
Aceasta este faza introducerii datelor sau crerii unei noi baze de date. Dar pentru a putea
folosi aceste date mai u$or, avem nevoie s definim variabilele cu care lucrm. Este ceea ce
vom prezenta n continuare.

8
Definirea variabilelor

Definirea variabilelor se face din perspectiva VARIABLE VIEW. Aici se poate ajunge prin
dou metode:
1.- executnd un dublu-click pe numele variabilei (var000l), cel scris n capul
gri al tabelului
2.- apsnd pe op#iunea VARIABLE VIEW din partea stng-jos a
ribctalui;

Oricare metod ar fi folosit rezultatul este acela$i $i pe ecran va apare imaginea urmtoare:

aici se definesc variabilele


Ajun$i n acest punct, trebuie s definim anumi#i parametri ai variabilei, n cazul nostru, vom
defini doar numele variabilei (a$a cum este el recunoscut de programul SPSS) $i eticheta
variabilei (LABEL), care este de fapt o descriere mai detaliat a acesteia, folositoare mai ales
cnd avem nevoie s ne reamintim ce anume msoar respectiva variabil. Astfel, vom alege
numele NRFISA, iar n dreptul etichetei vom scrie numrul fi$ei" cci asta msoar sau
descrie variabila aleas de noi.
9


aici am definit numele (NAME) #i eticheta (LABEL) variabilei alese.

Dup ce am stabilit parametrii dori#i (n alte capitole vom vorbi si despre al#i parametri, nu
numai despre nume si etichet), vom reveni din nou la perspectiva DATA VIEW, ca s
introducem si celelalte date, la celelalte dou variabile, urmnd aceea$i procedur, n acest
moment, pe ecran ve#i avea urmtoarea imagine, cu datele introduse la prima variabil si
coloana acesteia definit ca atare.


Continua#i s introduce#i datele si s defini#i n mod adecvat cele dou variabile, att ca nume,
ct si ca etichet.

10
Salvarea fi&ierelor

Salvarea fi$ierelor are un dublu scop. Pe de o parte salvm datele pe discul dur al
computerului (hard-disk) pentru a le conserva n memoria de lung durat, permanent a
computerului n vederea folosirii lor ulterioare, pe de alt parte salvm datele pentru a nu le
pierde n eventualitatea apari#iei unei pene de curent sau a unei ntreruperi inoportune a
computerului.
Salvarea datelor se face ca pentru orice fi$ier, fie ac#ionnd butonul SAVE (al doilea din bara
de butoane, cel care seamn cu o dischet), fie din meniul FILE-SAVE, precum n imaginea
de mai jos:


salvarea datelor din meniul FI LE


Oricare ar fi metoda, atunci cnd se activeaz pentru prima dat comanda SAVE, se deschide o
fereastr-dialog, precum cea urmtoare:













fereastra-dialog pentru salvarea bazei de date


11

Aici alegem directorul n care dorim s salvm fi$ierul nostru (folosind cmpul SAVE IN
din partea superioar a ferestrei) si denumim fi$ierul (n cazul nostru cu numele FRA+I) n
cmpul FILE NAME din partea inferioar a ferestrei. Apsam apoi butonul SAVE al
ferestrei $i opera#iunea a luat sfr$it.

Ouput-ul

Pn acum am analizat pe scurt dou din perspectivele programului SPSS: DATA VIEW $i
VARIABLE VIEW. Trebuie ns s $ti#i c mai exist o perspectiv, o fereastr de fapt, unde
programul v prezint rezultatele analizei statistice. Aceast perspectiv sau fereastr,
denumit OUTPUT, apare numai ca urmare a folosirii meniului ANALYZE (unde se
analizeaz datele) sau GRAPHS (unde se realizeaz ilustra#iile grafice).
Pentru a ilustra modul n care apare aceast perspectiv, vom alege din meniul ANALYZE
op#iunea DESCRIPTIVE STATISTICS $i comanda DESCRIPTIVES ca n imaginea de
mai jos, fr a intra n detalii privind situa#iile n care se folose$te aceast comand (detalii ce
vor fi prezentate ulterior):





activarea comenzii DESCRI TI VES


Odat activat comanda DESCRIPTIVES pe ecran va apare o fereastr-dialog, tipic pentru
prelucrarea datelor n SPSS. S o analizm pu#in:
12















fereastra-dialog DESCRI PTI VES


Oricare fereastra-dialog, folosit la prelucrarea datelor, cuprinde patru zone importante:
(1) cmpul ce cuprinde variabilele existente deja n baza de date,
(2) cmpul ce cuprinde variabilele pe care dorim s le analizm,
(3) butoane sau cmpuri privind op#iunile de analiz
(4) butoanele obi$nuite ale oricrei ferestrei.
Butonul cu sgeat (5) este folosit pentru a transfera" variabilele ntre cmpurile (1) si (2).
n exemplul de fa#, vom transfera variabila QI1 din cmpul (1) n cmpul (2), pentru a o
analiza. Pentru aceasta o vom selecta mai nti, executnd un click simplu pe numele
variabilei. Astfel, numele va fi ncadrat ntr-un cmp albastru, faptul indicnd c acea
variabil a fost selectat. Apoi, apsam pe sgeata (5) si vom observa c variabila se va
transfera n cmpul (2), ca n imaginea urmtoare:












transferul unei variabile n cmpul pentru analizat

Observa#i acum c sgeata dintre cmpuri $i-a schimbat sensul; ea va avea mereu sensul n
func#ie de cmpul n care a fost selectat variabila. Mai observa#i de asemenea c $i butonul
1
2
3
5
3
4
13
OK,care nainte nu era activat a devenit activ. Nu vom folosi acum butoanele sau cmpurile
cu op#iunile suplimentare pentru analiz, ci vom apsa direct butonul OK pentru a observa
cum se activeaz fereastra sau perspectiva OUTPUT a programului.


perspectiva sau fereastra OUTPUT





Mai nti, observa#i c aceast nou perspectiv v deschide cu adevrat o nou fereastr, n
sensul c apare n mod distinct n bara de sarcini din partea inferioar a ecranului. Revenirea
la meniul cu date se face fie prin comanda ALT+TAB (apsnd simultan, scurt, aceste
butoane) sau apsnd cu mouse-ul pe numele ferestrei din bara de sarcini.
Observa#i c aceast nou fereastr e organizat n dou cmpuri:
* cmpul (1) - indic structura sau cuprinsul OUTPUT-ului,
* cmpul (2) - arat con#inutul acestuia.
Este ca si cum am avea n partea stng un catalog ce indic volumele aflate ntr-o
bibliotec, iar n partea dreapt am avea con#inutul acelor volume.
Nu insistm acum asupra con#inutului acestei analize, acesta fiind obiectul capitolelor
viitoare.





Exerci*iu:
Realiza#i o analiz similar si pentru variabila QI2







1
2
14
STATISTICA DESCRIPTIVA (1)
- cum s( d(m un n*eles datelor brute

Cuprins:

1.- Generalit#i
2.- Identificarea tendin#ei centrale
3.- Analiza variabilit#ii
- Folosirea SPSS: meniul ANALYZE - FREQUENCIES
- Folosirea SPSS: meniul ANALYZE - DESCRIPTIVES Folosirea
SPSS:
- Grafice - histograme, bare, linii, plcint", box-plot


Cum v place berea, cu etichet sau fr etichet?
Multe departamente de marketing ale firmelor productoare de alimente sunt
interesate de preferin#ele consumatorilor. Una din cele mai acerbe concuren#e pe
pia# este ntre firmele productoare de bere. Bani grei au fost aloca#i de marile
firme pentru a testa gustul clien#ilor fideli. Nu e pu#in lucru s $tii ce apreciaz
butorul de bere la o anumit marc.
n general, dou tipuri de informa#ii sunt de interes pentru departamentele de
marketing: (1) preferin#a consumatorilor (estimat pe o scal) pentru marca
proprie fa# de cele ale competitorilor atunci cnd sticlele sunt clar etichetate $i
(2) preferin#a acelora$i consumatori atunci cnd servesc butura din sticle
neetichetate, cnd singurul indiciu de apreciere rmne gustul. Avnd aceste
informa#ii, departamentele de marketing sunt capabile s determine dac
preferin#a pentru o anume marc depinde de calit#ile fizice ale produsului sau
doar de imaginea mrcii, promovat prin reclam (care este $i ea, n ultim
instan# rodul muncii celor de la marketing, nu?).
Un studiu faimos, folosind astfel de date a fost realizat de R. Allison $i K. Uhl,
n 1965, n Statele Unite. Ei au ales un e$antion reprezentativ de 326 butori de
bere (brba#i ce consumau bere de cel pu#in trei ori pe sptmn). In prima
sptmn ei le-au dat s bea bere din sticle etichetate ale diverselor mrci de
prestigiu din domeniu. La sfr$it ei au apreciat pe o scal preferin#a pentru
fiecare dintre acele mrci de bere. n sptmna urmtoare experimentul s-a
repetat, de data aceasta ns consumatorii nemaiavnd la ndemn etichetele pe
sticlele de bere. La sfr$it, ei au apreciat din nou preferin#a pentru o anume bere,
fr a $ti crei marc apar#ine. Rezultatele ob#inute de cei doi cercettori au
artat c consumatorii nu au fost capabili s identifice o anume marc de bere
numai pe baza gustului. Mai mult, metodele statistice le-au permis acestora s
infereze faptul c rezultatul este apHcabil butorilor de bere n general, nu numai
celor 326 lua#i n calcul n studiu. Ulterior, astfel de studii s-au fcut $i pentru
buturi rcoritoare (Coca-Cola $i Pepsi), precum $i pentru mrci celebre de
cafea.
Concluzia studiilor este aceea c noi, ca $i consumatori, suntem mult mai ml itfle
imaginea unei mrci, a unui produs dect de calit#ile fizice, "reale" ale uia. Aviz
departamentelor de marketing $i cheltuielilor publicitare, nu?
Deci, cum v place berea: cu etichet sau fr etichet?

15

Exist cteva motive pentru care este necesar studierea statisticii n psihologie si n $tiin#ele
sociale n general. Mai nti, n#elegerea metodelor statistice este crucial pentru n#elegerea si
citirea corect a articolelor de specialitate. Cel ce nu cunoa$te metodele statistice nu va putea
s citeasc aceste materiale dect superficial $i nu va fi capabil s n#eleag tabelele, graficele
$i corectitudinea concluziilor deduse din cercetare. Al doilea motiv pentru care e necesar
studierea statisticii este acela c, fr a avea deprinderile necesare n mnuirea metodelor
statistice, nu se poate face cercetare experimental, n fine, n#elegerea metodelor statistice
ajut la dezvoltarea gndirii analitice $i critice.

Generalit(*i

Ce este ns statistica? Ea este un instrument care a evoluat din pornind de la procesele de
baz ale gndirii: atunci cnd observm un fapt ne ntrebm ce anume 1-a determinat, care a
fost cauza. Astfel, avem o anume intui#ie asupra a ceea ce a provocat acel fapt, facem o
presupunere $i n continuare ncercm s ne testm ipoteza printr-o alt observa#ie, uneori
ncercnd s facem unele mici modificri pentru a ne testa intui#ia. Ceea ce ne intereseaz este
dac noua noastr observa#ie este exact, dac ceea ce observm din nou este un fapt regulat
$i nu unul cauzat de ntmplare $i dac avem dreptate n ceea ce prive$te intui#ia noastr. n
acela$i mod, statistica este o metod de a testa sau stabili adevrul. Desigur nu este vorba de
adevrul absolut, ci de stabilirea probabilit#ii ca observa#ia efectuat s aib cauze precise $i
s nu fie provocat doar de ntmplare.

S( consider(m un exemplu hazliu, care ilustreaz( ns( foarte bine care este rolul metodelor
statistice. Imaginati-va c( fierbem o oal( de fasole. Dup( un timp, dup( ce am pus fasolele pe
foc, trebuie s( verific(m dac( acestea au fiert. Ce facem? Lu(m ntr-o lingur( cteva boabe
&i le gust(m. Dac( acestea sunt fierte, decidem c( &i restul fasolelor sunt fierte. Este acest
ra*ionament corect? De unde &tim c( nu am luat din ntmplare tocmai pe cele mai fierte
dintre boabe? Ei bine, metodele statistice fac tocmai acest lucru. Ele ne pot spune, cu
oarecare precizie, pornind de la aceste cteva boabe de fasole, dac( &i celelalte din toat( oala
sunt fierte. Cu alte cuvinte, statistica ne ajut( s( facem generaliz(ri ale unor efecte la nivelul
unor popula*ii largi, pornind de la rezultatele ob*inute pe e&antioane sau grupuri mici de
oameni.

Exist dou ramuri principale privind metodele statistice n psihologie:
statistica descriptiv( - cuprinde metodele ce ajut psihologii s descrie si s grupeze n
diferite moduri grupurile de rezultate ob#inute n cercetri, metode ce ajut la descrierea
scorurilor.
statistica inferen*ial( - cuprinde metodele ce ajut psihologii s trag concluzii pe baza
rezultatelor ob#inute si s le generalizeze la popula#ii mai largi dect cele testate ini#ial.

In general, ntr-o cercetare este preferabil s utilizm ambele metode, pentru c fiecare
dintre ele ne ofer anumite tipuri de informa#ii. De regul, metodele inferen#iale nici nu se
utilizeaz dac nu se aplic mai nti cele descriptive,
n cercetarea psihologic se lucreaz cu variabile. O variabil este acea proprietate a
unui fenomen, obiect sau proces care poate s ia diferite valori, deci care poate s varieze.
16

Spre exemplu, notele care se pot lua la scoal, zilele sptmnii, vrsta etc. sunt toate
variabile. O variabil este descris de valori. Spre exemplu, pentru variabila "nota $colar"
valorile acesteia sunt toate notele de la l la 10 pe care le poate cineva lua la scoal. Pentru
variabila "zilele sptmnii" valorile sunt toate cele 7 zile ale sptmnii, n psihologie se face
distinc#ia ntre valori si scoruri. Un scor este valoarea ob#inut de o persoan, fenomen, obiect,
proces situa#ie atunci cnd ne referim la o anume variabil. Spre exemplu, nota pe care o ia
George la scoal (s zicem 7) este un scor al acestui subiect la variabila "nota $colar". Cu
toate acestea, valorile variabilei men#ionate sunt n numr de zece: l, 2, 3, 4, 5, 6, 7, 8, 9 $i 10.
Dar un subiect nu poate avea dect una din aceste valori, iar aceea este numit scor.
De obicei, rezultatele unui experiment psihologic sunt date de un grup de scoruri.
Un procedeu prin care se poate analiza acest grup de scoruri este acela de a folosi dubele de
frecven#. Un tabel de frecven# arat c#i subiec#i ob#in sau au o anume valoare la o variabil.
Spre exemplu, un tabel de frecven# fcut pentru variabila "nota scolar" arat c#i elevi dintr-
un grup au ob#inut o not anume, ca n tabelul de mai jos:


NOTA SCOLARA FRECVEN+
10 15
9 26
8 31
7 13
6 18
5 16
4 12
3 3
2 1
1 2


Exist trei pa$i n realizarea unui tabel de frecven#e fr ajutorul calculatorului:
se face o list cu toate valorile posibile pe care le poate lua variabila si se trec ntr-o
coloan, unele sub altele, n ordine descresctoare.
se parcurg toate scorurile ob#inute corespunztoare fiecrei valori ale variabilei si se
bifeaz.
se trece n tabel numrul de bifri astfel ob#inut.
Un tabel de frecven# realizeaz o descriere a grupului prin aceea c arat care sunt
tendin#ele, cum au subiec#ii tendin#a de a se grupa n jurul anumitor valori.
Tabelele de frecven# se pot reprezenta si grafic prin histograme, caz n care tendin#ele
dintr-un grup de rezultate se observ mai bine.
Histograma tabelului de frecven# de mai sus este prezentat n continuare:



17
















Exist patru etape n realizarea unei histograme, fr ajutorul calculatorului:

se face mai nti un tabel de frecven#e.
pe axa orizontal (X) se trec toate valorile pe care le poate lua variabila.
pe axa vertical (Y) se marcheaz frecven#a sau numrul de subiec#i ce
au ob#inut un anume rezultat.
se traseaz bare verticale pentru fiecare valoare n parte a variabilei, ce
vor avea nl#imea egal cu numrul de subiec#i ce au ob#inut o anume
valoare.
O alt modalitate grafic de a reprezenta un tabel de frecven#e este prin poligoanele de
frecven#. Acestea se ob#in din histograme, prin unirea mijloacelor pr#ilor superioare ale
barelor sau histogramelor, a$a cum este artat mai jos.

















18
Un poligon de frecven# exprim o distribu#ie a rezultatelor, n sensul c arat cum se
distribuie sau cum se "mpr$tie" rezultatele n jurul anumitor valori ale unei variabile. De
aceea, forma pe care o ia aceast distribu#ie este un alt mod de a descrie un pup de rezultate.
Exist trei parametri, trei caracteristici prin care este descris o distribu#ie:
1.- modalitatea - este un aspect important al distribu#iei care arat cte "vrfuri" are o
distribu#ie. Cu alte cuvinte, arat cte valori sunt n jurul crora se grupeaz foarte
mul#i subiec#i. Din acest punct se vedere, distribu#iile pot fi unimodale, adic au un
singur vrf, sau ele pot fi multimodale, adic au mai multe vrfuri.
2.- nclinarea - este un aspect al distribu#iei care arat dac scorurile subiec#ilor testa#i au
tendin#a de a fi mai mari sau mai mici. Spre exemplu, notele $colare au o distribu#ie
nclinat spre dreapta, adic elevii au tendin#a de a lua mai mult note mari dect note
mici. Atunci cnd nclinarea curbei este spre dreapta, spunem c avem o distribu#ie
nclinat pozitiv. Atunci cnd distribu#ia este nclinat spre stnga, spunem c aceasta
este negativ. Dac nu se observ nici o tendin# de nclinare, atunci distribu#ia este
simetric.
3.- turtirea- este un aspect ce se refer la faptul dac o distribu#ie este foarte turtit (adic
scorurile din cadrul ei variaz foarte mult) sau este mai ascu#it (adic scorurile
variaz foarte pu#in). Vom reveni asupra acestui aspect atunci cnd vom discuta
despre curba normal.

Defini*ii:

Variabil(: o proprietate a unui fenomen care poate lua diferite valori.
Valoare: o msur calitativ sau cantitativ a unui fenomen.
Scor: o valoare particular ob#inut de un anumit subiect.
Distribu*ie: modul n care se prezint un grup. de rezultate.


Criterii de clasificare a variabilelor:

a) dup natura msurii:
- cantitative (variaz cantitatea);
- calitative (variaz felul).

b) dup felul varia&iei:
- continui (ntre oricare dou valori mai gsim o a treia);
- discrete (variaz lund valori dinainte specificate).

c) dup scopul folosirii lor n studii:
- independente (manipulate sau invocate de experimentator, stimuli);
- dependente (observate la subiec#i, rspunsuri).




19
Identificarea tendin*ei centrale

Dac o parte din metodele descriptive ne folosesc uneori s organizm rezultatele sau
scorurile noastre, alteori avem nevoie de metode pentru a putea descrie mult mai pe scurt ceea
ce se ntmpl n distribu#ia noastr. Avem astfel nevoie de metode ce arat tendin#a central
(ce tendin#e apar) ntr-o mul#ime de scoruri. Astfel, matematicienii s-au gndit s descrie un
grup de scoruri printr-un singur numr. Media aritmetic este un astfel de numr.
Media aritmetic( este considerat a fi o metod descriptiv pentru c ea descrie tendin#a
central ntr-un grup de rezultate sau arat valoarea tipic sau reprezentativ pentru acele
scoruri. Formula matematic a mediei aritmetice este:

M= +x (1)
N

Ce arat sau care este mai precis semnifica#ia mediei?
S lum un exemplu. Mai jos v prezentm un grup de scoruri care arat preferin#a studen#ilor
fa# de statistic, pe o scal de la l (nu-mi place deloc) pn la 6 (mi place foarte mult):
4,6,2,2,1,2,3,2,4,4
Calculul mediei, conform formulei (1) este:

M= +x = 30 = 3
N 10

Care este semnifica#ia acestui "3"? Ce arat el dincolo de suma scorurilor mpr#it la
numrul total de scoruri? Ne vom folosi de histograma acestei distribu#ii pentru a defini
media, ntr-un mod intuitiv.














Imagina#i-v c pe o scndur a$ezm ni$te cuburi, egale ca dimensiune unul cu altul, la
diferite distan#e, ca n imaginea de mai jos:


20













Observa#i c aceste cuburi sunt a$ezate similar cu segmentele din histogram, n acelea$i
pozi#ii. Acum urmeaz ntrebarea: unde anume trebuie s a$ezm un bu$tean astfel nct
scndura $i cuburile de pe ea s rmn n echilibru? Rspunsul este n dreptul mediei.
Pornind de la aceast constatare ajungem $i la semnifica#ia acestei msurtori statistice:
media este punctul fat de care scorurile sunt egal deprtate, cu alte cuvinte, abaterile de la
medie ntr-o direc#ie (ex. ale scorurilor mai mici ca ea) sunt egale cu abaterile n cealalt
direc#ie (ex. scorurile mai mari).
O alt metod de a descrie tendin#a central a unui grup de scoruri este mediana. 'i ea
mparte distribu#ia n dou pr#i, dar de data aceasta din punctul de vedere al frecventelor.
Astfel, jumtate dintre scorurile dintr-o distribu#ie vor avea valori mai mici dect mediana, iar
restul - valori mai mari.
Pentru a calcula mediana sunt necesare dou etape:
1) ordonm scorurile cresctor sau descresctor
2) mpr#im numrul de scoruri (N) la 2.
Dac N este par, atunci "mijlocul" distribu#iei "cade" ntre scorurile situate la mijloc; dac N
este impar, atunci mediana este chiar scorul situat la mijloc.
S urmm ace$ti pa$i pentru scorurile prezentate mai sus, care reprezint prerea studen#ilor
fat de statistic.

Pasul 1: ordonarea scorurilor.
Pornind de la distribu#ia:

4,6,2,2,1,2,3,2,4,4

prin ordonare ajungem la distribu#ia

1,2,2,2,2,3,4,4,4,6

Fiind 10 scoruri (deci numr de subiec#i par, iar jumtatea lui 10 fiind 5), mediana se va gsi
ntre scorurile din mijloc, deci ntre scorurile al 5-lea si al 6-lea. Sgeata de mai jos arat
pozi#ia medianei, care este astfel 2,5 (media dintre aceste scoruri din mijloc).
21

1,2,2,2,2,3,4,4,4,6

Uneori, de$i mai rar, obi$nuim s descriem o distribu#ie prin modul. Acesta este valoarea
cu frecven#a cea mai mare.
n exemplul de mai sus, valoarea 2 este ntlnit cel mai frecvent (apare de 4 ori), deci
modulul distribu#iei noastre va fi 2.

Cnd folosim totu$i una din aceste metode pentru a descrie tendin#a central a unei
distribu#ii? Care dintre ele este mai "bun" $i n ce condi#ii? Pentru a rspunde la aceast
ntrebare s analizm ce factori influen#eaz pe fiecare din ele.
* Dac la exemplul de mai sus mai adugm nc un scor (s zicem un 5), observa#i ce se
modific:
Media va fi 3,18;
Mediana va fi 3;
Modulul va fi tot 2.
*Dac lum din distribu#ie un scor, un 4 spre exemplu, schimbrile vor fi:
Media va fi 2,88;
Mediana va fi 2;
Modulul va fi tot 2.
*Dac adugm 2 scoruri, un 2 $i un 5, spre exemplu, vom avea urmtoarele
Media va f 3,08;
Mediana va fi 2,5;
Modulul va fi tot 2.

Din cele de mai sus, constatm c modulul este una dintre mrimile ce sunt cel mai mult
afectate de schimbri n structura distribu#iei (numr de scoruri sau mrimea acestora ).
Mediana este $i ea destul de stabil, ns media este cea mai "sensibil" dintre toate aceste
mrimi. Concluzia este aceea c media este cea mai descriptiv (ntruct arat orice
modificare survenit n distribu#ie), dar este recomandat s se foloseasc mai mult n
distribu#iile simetrice $i unimodale, n timp ce mediana $i modulul, mai stabile sunt
recomandabile n descrierea distribu#iilor asimetrice $i multimodale. Un exemplu concret ar fi
de folos:
Exemplu
Pe o planta#ie de cafea lucreaz 99 oameni care c$tig 100 dolari lunar (deci ntr-o lun
ei c$tig 9.900 dolari). Patronul planta#iei are un venit lunar de 2.100 dolari, n total,
cele 100 persoane (patronul $i angaja#ii) de pe planta#ie c$tig 12.000 dolari lunar, deci
n medie 120 dolari/lun/persoan. Cu toate acestea, dac ne deplasm pe planta#ie, n
99% de cazuri vom ntlni persoane care c$tig sub valoarea medie, abia n 1% din
cazuri gsind pe cineva cu venituri peste medie (patronul). Dac ns calculm mediana
(ordonnd cei 99 de 100 $i valoarea de 2100 - venitul patronului) vom vedea c valoarea
ei este exact 100 (mijlocul distribu#iei va "cdea" exact ntre dou scoruri de 100), la fel
$i modulul. Deci aceste dou din urm msurtori sunt mult mai aproape de realitate n
cazul unei distribu#ii anormale, asimetrice.

Cu toate aceste diferen#e ntre cele trei metode de stabilire a tendin#elor centrale a unei
22
distribu#ii, media aritmetic rmne metoda cel mai des utilizat $i ea intr n componen#a
multora dintre metodele statistice cunoscute. Exist ns cazuri (ex. testele neparametrice),
unde mediana $i modulul sunt metodele folosite.

Analiza variabilit(*ii

Cunoa$terea mediei (sau a medianei) nu ne este uneori de folos n a descrie complet o
distribu#ie.
S presupunem c $tim despre un grup de persoane c are media de vrst de 20 ani. Ce
nseamn acest lucru? Au to#i membrii grupului exact 20 de ani fiecare? Sau poate jumtate
dintre ei au 10 ani $i jumtate 30? Ori poate un sfert au 18, un sfert - 19, un sfert 21 $i restul
22? Fiecare din aceste situa#ii ne arat lucruri diferite, nu-i a$a?
Dup cum observa#i, cunoa$terea doar a mediei nu este suficient pentru a ne oferi
informa#ii complete despre "realitatea" din grup; avem nevoie s cunoa$tem $i gradul de
variabilitate din scorurile noastre. Mai precis, avem nevoie s $tim ct de mult ($i eventual cu
ct) se mpr$tie scorurile n jurul valorii medii, a tendin#ei centrale.

Un exemplu din via#a cotidian care s v arate c avem nevoie de cunoa$terea variabilit#ii,
n general, este acela al pungilor de cafea (sau orice alt produs alimentar livrat ntr-un
ambalaj). O privire atent pe pung ne arat gramajul con#inutului sub forma greutate net
l00g 5 g. Ce nseamn aceast indica#ie? Faptul c pungile de cafea, de$i ambalate de o
ma$inrie, nu sunt toate de greutate egal $i c majoritatea pungilor au greutatea con#inutului
cuprins ntre 95 $i 105 grame. Suntem sau nu mai bine informa#i?

Varianta
Varianta unei distribu#ii arat ct de "mpr$tiate" sunt scorurile n jurul valorii centrale,
care este gradul de variabilitate n grupul nostru de rezultate.
S vedem etapele calculrii variantei. Vom utiliza ca exemplu ni$te date culese de la o
companie care are 10 departamente. Scorurile prezentate mai jos arat cte persoane lucreaz
n fiecare departament n parte:

2, 8, 12, 10, 20, 3, 7, 14, 6, 18

S vedem care sunt etapele de calcul ale variantei.

calcularea mediei
In primul rnd avem nevoie de cunoa$terea mediei. Ea se ob#ine pe calea obi$nuit,
mpr#ind suma scorurilor la numrul lor. n cazul nostru, media este m=10.

calculul abaterilor simple de la medie
Prima dat cnd s-au gndit s calculeze varianta, matematicienii au pornit de la calculul
abaterilor simple de la medie. Pentru aceasta ei au realizat un tabel, diferit de cel al
frecven#elor, n sensul c folosea scorurile $i nu valorile variabilei.
23
X x-m
2 -8
3 -7
6 -4
7 -3
8 -2
10 0
12 +2
14 +4
18 +8
20 +10



Ini#ial matematicienii au dorit s lucreze cu aceste abateri simple de la medie, dar dup
cum observa#i unele sunt pozitive, altele sunt negative, astfel c adunate, ele se anuleaz una
pe alta (aceasta este de altfel si proprietatea mediei, nu?).
Atunci o solu#ie a fost s ridicm la ptrat aceste abateri simple de la medie, pentru a
ob#ine prin adunare un numr pozitiv.

calculul ptratului abaterilor de la medie

Continund tabelul mai adugm nc o coloan unde vom calcula ptratul abaterilor de la
medie.

x x-m (x-m)
2 - 8 64
3 - 7 49
6 - 4 16
7 - 3 9
8 - 2 4
10 0 0
12 +2 4
14 +4 16
18 +8 64
20 +10 100

Adunnd aceste ptrate ob#inem o valoare pozitiv (notat cu SS, din englezescul sum of
squares - suma ptratelor, ntlnit uneori n cr#ile romne$ti de statistic sub prescurtarea
SP, suma ptratelor), n cazul nostru,
SS = 326.
Ce se ntmpl ns cu SS? Poate fi el folosit ca o msur a variabilit#ii? nc nu, pentru
c el depinde de numrul de scoruri.
Observa#i c dac mai adugm un scor la cele existente se schimb media, iar acest nou
24
scor va abate probabil de la noua medie cu o oarecare cantitate, ce, ridicat la ptrat, face ca
SS s creasc.
Similar, dac eliminm un scor, SS scade. Pentru a ob#ine o valoare care s nu depind de
numrul de scoruri, vom mpr#i pe acesta la N, tocmai la numrul de scoruri.

divizarea la numrul de scoruri sau cazuri pentru ca SS s nu depind de N

Aceast valoare nou, ob#inut prin mpr#irea lui SS la N este tocmai varianta, notat SD.
Deci,
SD =
SS
N
(2)


n exemplul nostru SD = 32,6

Aceasta este tocmai varianta. Repet, ea este o msur a gradului de variabilitate a
scorurilor $i arat ct de mult se abat ele de la tendin#a central. Cu ct este mai mare
aceast valoare, cu att mai mult se mpr$tie scorurile n jurul valorii centrale. Este ca $i
cum am cunoa$te strlucirea unui bec (n sensul c e foarte strlucitor sau mai pu#in
strlucitor), dar nu am $ti c#i wa#i are el (75 sau 100?). Pentru a cunoa$te exact cu ct
variaz, scorurile n medie (acele 5 grame n plus sau n minus de pe punga de cafea), este
nevoie s calculm devia#ia standard.

Devia&ia standard
Devia#ia standard ne este mult mai util. Ea arat cu ct se mpr$tie scorurile n jurul
valorii centrale $i - fapt poate mai important - se msoar n acelea$i unit#i de msur ca
$i variabile ini#ial, X. Ea este pur $i simplu rdcina ptrat a variantei, deci
SD=
2
DT (3)

n exemplul nostru valoarea lui SD este 5,70.


Semnifica*ia devia*iei standard

Acum, avnd la dispozi#ie $i media $i devia#ia standard putem descrie mult mai bine
distribu#ia scorurilor din exemplul nostru. Cunoa$tem astfel c numrul de persoane ce
lucreaz la departamentele firmei sus-pomenite este de 10 5,7. Cu alte cuvinte $tim c
limita minim a varia#iei normale a scorurilor este 4,3 (ob#inut din 10-5,7), iar limita
maxim este 15,7 (ob#inut din 10+5,7). Aproximnd la numere ntregi, de$i pierdem cte
ceva din vedere n acest fel, putem afirma c la firma respectiv lucreaz ntre 5 $i 15
persoane n fiecare departament. Dac valoarea mediei descria doar un singur departament
din totalul de 10, observm c acest interval ob#inut de m SD descrie 6 departamente
(deci 60% din totalul popula#iei).
Acesta este un aspect important al devia#iei standard, n mod obi$nuit, n intervalul
25
cuprins de o parte $i alta a mediei de devia#ia standard gsim aproximativ 2/3 din totalul
scorurilor, deci n acest interval vom avea scorurile considerate tipice sau normale pentru
acea distribu#ie. Imaginea de mai jos este mai sugestiv.





Din aceast cauz numim aceast devia#ie "standard", pentru c orice am msura, oricare
ar fi forma distribu#iei, gsim mereu aproximativ 2/3 din scoruri n acest interval.
Devia#ia standard joac un rol foarte important n calcularea notelor z, denumite si note
standard. Prezentarea notelor z se va face ns n capitolul urmtor.

Folosirea SPSS: meniul ANALYZE FREQUENCIES

Vom arta n continuare cum se calculeaz parametrii unei distribu#ii (media si abaterea
standard) folosind SPSS, mai precis, meniul ANALYZE - FREQUENCIES.
Mai nti s deschidem sau s ncrcm fi$ierul denumit employee data.sav. Pentru aceasta
folosim comanda FILE -> OPEN -> DATA, comand prezentat n capitolul anterior. Din
fereastra care se deschide (prezentat mai jos), alegem fi$ierul dorit (employee data.sav)
fcnd click asupra lui, apoi apsnd butonul OPEN.


selectarea fi#ierului dorit din meniul FI LE OPEN



26
Baza de date prezint rezultatele unei anchete realizat n Statele Unite n anii '90 si
reprezint datele referitoare la angaja#ii unor bnci.
S ne alegem pentru prelucrare variabila salbe gin. Reamintim c numele variabilelor sunt
scrise n capul de tabel, de culoare gri. Ce reprezint aceast variabil? Nu putem $ti n mod
direct. Pentru a afla acest lucru, trebuie s procedm ca si cum am dori s definim variabila.
De aceea, facem dublu-click n capul coloanei , acolo unde scrie numele variabilei. Va
aprea astfel perspectiva VARIABLE VIEW (ca n imaginea de mai jos):


descrierea variabilei SALBEGI N n perspectiva VARI ABLE VI EW

Pentru a vedea ce reprezint salbegin ne uitm n cmpul LABEL, unde citim "beggining
salary", ceea ce nseamn "salariul ini#ial sau de nceput". Vom lucra astfel cu date ce arat
salariul ini#ial al subiec#ilor analiza#i.
S calculm unii parametrii ai distribu#iei. Vom folosi pentru aceasta comanda
ANALYZE-SUMMARIZE-FREQUENCIES care deschide fereastra FREQUENCIES
de unde ne vom putea alege op#iunile: calculul mediei, medianei, modulului, precum si al
devia#iei standard.








O dat aleas aceast op#iune, pe ecran va aprea fereastra de mai jos care v permite
alegerea variabilelor de analizat, precum $i op#iunile de analiz:


27


Aici selectm variabila dorit ( ca n imagine ) $i ac#ionnd sgeata dintre cmpuri, vom
transfera variabila aleas n cmpul cu variabile de analiz. Pentru mai multe detalii revede#i
ultima parte a capitolului precedent.


















Vom prezenta detaliat aceast fereastr, urmnd ca la altele asemntoare s nu mai
insistm detaliat ulterior, ntruct aproape toate ferestrele de analiz au aceast structur.
Unde va fi ns cazul vom prezenta elementele de noutate.
(1) reprezint cmpul unde sunt prezentate variabilele din baza de date;
(2) aceasta este o op#iune; seninul din ptr#el (similar cu sigla Nike sau Rexona) indic
faptul c op#iunea este activ, n cazul de fa#, activarea op#iunii permite realizarea tabelului
de frecven#e; men#ionm c, din start, op#iunea este activ, iar dezactivarea ei atrage dup
sine un mesaj de avertisment din partea programului;
(3) este sgeata care permite transferul variabilelor din cmpul cu lista din baza de date, n
cel de analiz;
(4) este cmpul unde trebuie transferate variabilele de analizat;
(5) este un buton care deschide o fereastr cu op#iunile de prelucrare statistic (va fi
prezentat n continuare);
(6) un buton care permite realizarea graficelor concomitent cu prelucrarea statistic;
(7) este un buton ce permite modificarea formei OUTPUT-ului;
1
2
3
4
8
5
6 7
28
(8) acestea sunt butoanele comune, obi$nuite ale ferestrei.
Dup ce am ales variabila sau variabilele pe care dorim s le analizm, trebuie selectate
op#iunile de analiz statistic, apsnd butonul STATISTICS. Pe ecran va apare fereastra de
mai jos:













Observa#i c fereastra cuprinde op#iuni, grupate n patru cmpuri. Aceste cmpuri au un
titlu si sunt delimitate de o linie gri-deschis. Din titlul cmpurilor pute#i deduce la ce se
refer op#iunile respective:

percentile values: permite calcularea diferitelor valori percentile corespunztoare
mpr#irii subiec#ilor n grupuri egale sau n func#ie de un anumit procentaj ales;
dispersion: permite calculul diferi#ilor parametri referitori la dispersia sau mpr$tierea
datelor n jurul valorii centrale (media, de obicei);
central tendency: permite calculul parametrilor ce arat tendin#ele centrale ale
distribu#iei (media, mediana, etc.)
distribution: permite calcularea turtirii $i nclinrii distribu#iei pentru a fi comparat cu cea
normal (vom reveni ulterior cu detalii, atunci cnd vom vorbi despre curba normal).

Din aceast fereastr vom alege pentru moment (bifnd sau fcnd click cu mouse-ul n
ptr#elul op#iunii) doar: media, mediana, modul, varianta, devia#ia standard, minimul si
maximul. Apsa#i apoi CONTINUE si deschide#i fereastra CHARTS. Pe ecran va apare o
fereastr precum cea urmtoare:











29
Observa#i c si aici avem dou cmpuri. Unul permite alegerea tipului de grafic (cu bare,
plcinte sau histograme), iar al doilea permite alegerea tipului de valori din grafic (frecven#e
sau procentaje). V recomandm s nu alege#i acum nici o op#iune si s realiza#i graficele
separat, ntruct astfel vom avea o libertate mai mare n realizarea lor. Apsa#i CANCEL si
activa#i fereastra FORMAT prin apsarea pe butonul cu acela$i nume, care deschide
fereastra:
















'i aici avem dou cmpuri: unul pentru op#iuni privind aranjarea rezultatelor n ordine
cresctoare sau descresctoare, etc.) si altul privind compararea variabilelor sau organizarea
separat a foii de rezultate, n func#ie de variabile.






30
Fereastra de mai sus ilustreaz modul n care se prezint foia de rezultate (OUTPUT), dup
ce a#i revenit n fereastra principal DESCRIPTIVES si a#i apsat butonul OK.
Observa#i organizarea ei: n partea superioar se afl o bar de butoane; n stnga este un
cmp care v arat structura OUTPUT-ului, iar n cmpul din partea dreapt - con#inutul
OUPTUT-ului.
Dup titlul foii de rezultate (FREQUENCIES), observa#i c sunt prezentate dou tabele:
primul arat parametrii statistici pe care i-am cerut prin activarea ferestrei STATISTICS, iar
a doua fereastr prezint tabelul frecven#elor.
Observa#i c numrul din primul tabel, din dreptul men#iunii VARIANCE (care arat
varianta rezultatelor) nu este prezentat normal, ci prescurtat, din cauza l#imii prea mici a
coloanei. Pentru a modifica orice dimensiune a tabelului, ca de altfel a oricrei forme de
prezentare a rezultatelor, executa#i un click-dublu asupra zonei dorite, n acel moment, un
cadru special sau chiar o fereastr nou va ncadra zona aleas si cu ajutorul mouse-ului
pute#i modifica dimensiunile (similar cu modificarea tabelelor n WORD sau EXCEL).














cadrul de modificare al tabelului


Tabelul urmtor prezint tabelul frecven#elor realizat pentru variabila aleas. El are cinci
coloane:
* prima prezint rezultatele valide (adic nu si cazurile lips),
* a doua coloan arat frecven#a propriu-zis (ex. 4 persoane au un venit ini#ial de
$9000),
* a treia coloan arat ce procentaj au aceste persoane raportat la numrul total al
subiec#ilor,
*a patra coloan - procentajul raportat la numrul total al scorurilor valide (fr
cazuri lips adic),
* a cincea coloan arat procentajul cumulat de cel mai mic scor pn la cel
prezent.



31













tabelul frecven&elor



EXERCI+IU: face#i aceea$i analiz pentru variabila CURRENT SALARY



Folosirea SPSS: meniul ANALYZE DESCRIPTIVES

Acum s prezentm analiza descriptiv a rezultatelor realizat cu ajutorul comenzii
DESCRIPTIVES. Dup cum veti vedea, exist similarit#i cu comanda precedent, dar si
diferen#e. Din meniul ANALYZE activa#i comanda DESCRIPTIVES, care va deschide
fereastra de mai jos:













Ea este similar cu cea de la FREQUENCIES, doar c are mai pu#ine butoane cu op#iuni
(unul n loc de trei). Alege#i variabila pentru analiz (BEGINNING SALARY) si
transfera#i-o n cmpul pentru analiz, folosind sgeata dintre cmpuri. Op#iunea din partea
stng-jos v permite salvarea n baza de date a unei noi variabile care va con#ine note z ale
variabilei analizate. Apsa#i apoi butonul OPTIONS care va deschide fereastra urmtoare:
32














Aici observa#i c gsim mai pu#ine op#iuni de analiz statistic dect n cazul meniului
anterior, sunt doar cele de baz; de aici si concluzia: comanda DESCRIPTIVES se aplic
atunci cnd avem de analizat din punct de vedere descriptiv, simultan, mai multe variabile
sau cnd ne intereseaz doar parametrii de baz ai variabilelor, fr tabelele de frecven#e.
Apsam CONTINUE si apoi butonul OK pentru a face s v apar pe ecran OUTPUT-ul:



fereastra cu rezultatele analizei DESCRI PTI VES




De aceast dat apare doar un singur tabel care v prezint parametrii statistici solicita#i.
Observa#i c, din nou, varianta $i devia#ia standard nu sunt prezentate complet datorit
l#imii mici a coloanelor.
Executa#i click-dublu asupra tabelului $i modifica#i-i dimensiunile, la fel ca n WORD.





33
Folosirea SPSS: Grafice - histograme, bare, linii, pl(cint(", box-plot

Se spune c o imagine face ct o mie de cuvinte. Vom prezenta n continuare diferite
moduri de reprezentare grafic a rezultatelor. Toate se gsesc n meniul GRAPHS, dar apar
uneori $i ca op#iuni n unele ferestre de prelucrare statistic din meniul ANALYZE.

1.- Histograme

Vom alege pentru nceput op#iunea HISTOGRAM, ca n imaginea de mai jos:


alegerea meniului pentru histograme


O dat activat aceast op#iune, ea va deschide urmtoarea fereastr:












fereastra histogramelor


n cadrul acestei ferestre alegem o singur variabil pentru care dorim s facem
reprezentarea grafic sub forma histogramei, n cazul nostru SALBEGIN (beginning salary)
si o introducem - cu ajutorul butonului cu sgeat - n cmpul denumit VARIABLE. Putem
bifa op#iunea DISPLAY NORMAL CURVE, op#iune care va afi$a curba normal a
popula#iei de e$antioane din care provine e$antionul nostru, n cazul nostru nu vom bifa
aceast op#iune. Pentru a ob#ine graficul, dup aceste opera#ii apsam butonul OK.
34

histograma variabilei SALBEGI N



O histogram, a$a cum se vede si n imaginea de mai sus, este un grafic n care barele sunt
lipite una de alta. n ceea ce prive$te variabila prezentat grafic mai sus, constatm c ea are
o distribu#ie asimetric, valorile mici predominnd ca frecven#. Aceast distribu#ie este
tipic pentru reprezentarea grafic a venitului n rndul oricrei popula#ii. Explica#ia const
n aceea c n orice popula#ie exist c#iva indivizi care c$tig mult, n timp ce majoritatea
c$tig la un nivel mediu sau sczut, comparativ cu ace$ti indivizi. Observm n exemplul de
mai sus c n timp ce marea majoritate c$tig pn la 20.000 dolari anual, exist cteva
persoane (barele de frecven# din partea dreapt abia se zresc pe grafic) care c$tig $i pn
la 80.000 dolari anual.

Este posibil s dorim s modificm diferite aspecte ale graficului realizat de SPSS. Pentru
aceasta trebuie s efectum un dublu-click pe grafic si vom observa c se deschide o alt
fereastr numit CHART EDITOR, care are n partea de sus o bar cu meniuri si o alta cu
butoane ce folosesc la modificarea diferi#ilor parametrii ai graficului (ex. culoarea barelor,
ha$ura lor, adugarea sau modificarea titlului, etc.), ca n imaginea de mai jos.




35

unele butoane utile ale editorului de grafice



Pentru a modifica un anume parametru al graficului, se selecteaz zona pe care dorim s o
modificm (ex. dac dorim modificarea barelor, facem un click simplu pe ele) si apoi se
activeaz unul din butoane. Am selectat mai sus doar patru din butoanele mai importante.
Ele vor deschide mici ferestre de unde pute#i modifica parametrii, dup care apsa#i pe
butonul APPLY si nchide#i mica fereastr.
(1) acest buton va modifica ha$ura barelor
(2) de aici se modific culoarea barelor
(3) acest buton serve$te la modificarea tipului $i mrimii literelor titlurilor sau men#iunilor-
text din grafic
(4) butonul permite afi$area valorilor numerice pe bare.
S lum un exemplu $i s vedem cum putem aduga un titlu graficului nostru. Vom face
acest lucru din meniul CHART, comanda TITLE, ca n imaginea de mai jos.










3
4
1
2
36
n fereastra care se va deschide tipri#i titlul SALARIUL DE LA NCEPUT si apsa#i
butonul OK. Titlul va apare deasupra graficului.
Mai putem, de asemenea, s modificm si al#i parametri. De exemplu, un dublu-click
asupra axei orizontale a graficului deschide fereastra de mai jos de unde putem modifica
aranjamentul titlului axei (op#iunea TITLE JUSTIFICATION), titlul n sine, etichetele
(adic sumele corespunztoare fiecrei bare a histogramei), etc.











ntr-un mod similar putem modifica parametrii lega#i de axa vertical, efectund un dublu-
click pe aceasta, ac#iune care va deschide fereastra de mai jos.
Aici putem modifica intervalul de msur, titlul axei si putem cere trasarea unor linii
orizontale la diferite niveluri.












Pentru a modifica parametrii oricrui titlu, efectua#i un click-dublu, care va deschide
fereastra de mai jos, de unde se modific stilul si mrimea literelor. Dup care apsa#i
butonul APPLY si apoi CLOSE.








37
2.- Grafice cu bare

Pentru a realiza grafice cu bare trebuie activat meniul urmtor:



Imediat, apare fereastra de mai jos, de unde trebuie selectat tipul de grafic cu bare ce dorim
s-l realizm.














Dou sunt op#iunile ce le putem face aici:
(1) alegerea graficului n func#ie de variabilele din cercetarea noastr
simple: alegem aceast op#iune cnd dorim s prezentm variabila sau variabilele
dependente din cercetarea noastr n func#ie de una din variabilele independente.
clustered: se folose$te pentru a reprezenta una sau mai multe variabile dependente n
func#ie de dou variabile independente.
stacked: se folose$te la fel ca op#iunea de mai sus, doar graficul este realizat altfel.



1
2
38
(2) alegerea graficului n func#ie de date
summariesfor groups of cases: este op#iunea cea mai frecvent $i dac este aleas,
atunci fiecare bar reprezint rezultatele unui grup de cazuri (ex. numai pentru grupul
subiec#ilor femei).
summaries of separate variables: fiecare bar reprezint n acest caz o variabil;
aceast op#iune e folosit mai ales n studiile de tip test-retest sau pentru variabilele care
msoar de obicei acela$i lucru (sau mcar se exprim n acelea$i unit#i de msur).
values of individual cases: dup cum spune $i numele, aceast op#iune face ca barele s
reprezinte valoarea cazurilor individuale; n acest caz graficul va semna mult cu o
histogram.
Pentru exemplul nostru, vom alege s reprezentm variabila dependent
SALBEGIN (salariul ini#ial), n func#ie de sexul subiec#ilor (GENDER). Vom alege astfel
tipul de grafic simplu (simple) si op#iunea de grafic pentru grupuri de cazuri (adic fiecare
bar va reprezenta valorile pentru unul din sexe). Apsam apoi butonul DEFINE si pe ecran
va apare fereastra:























Observa#i c aceast fereastr este mpr#it n mai multe zone (cmpuri) pe care le vom
descrie sumar mai jos:
(1) - este cmpul n care se gsesc variabilele existente n baza de date si
de unde alegem pe acelea care trebuie reprezentate grafic;
(2)- acest cmp precizeaz ce anume dorim s reprezinte variabilele noastre (ex. numrul
cazurilor, procentaje, etc.). n exemplul nostru, dorim s reprezentm media c$tigului
salarial pe sexe. Deoarece media nu se gse$te n op#iuni, vom alege OTHER SUMMARY
2
1
5
4
3
6
39
FUNCTION $i n momentul n care introducem variabila aleas n cmpul respectiv (cu
ajutorul butonului cu sgeat), vom constata c acolo apare cuvntul MEAN (adic media).
Dac ns am dori s reprezentm altceva dect media, spre exemplu mediana, atunci ar
trebui s apsam pe butonul CHANGE SUMMARY.
(3) - odat apsat acest buton, el deschid o alt fereastr, cu multe op#iuni. Fereastra este
prezentat mai jos $i constatm c ea con#ine foarte multe op#iuni (ex. s reprezentm
devia#ia standard sau doar procentajele cazurilor ce dep$esc o anume valoare, etc.)












de aici ne alegem mai detaliat ceea ce vrem s reprezentm grafic

(4) n acest cmp vom introduce variabila independent n func#ie de care facem
reprezentarea grafic, n cazul nostru sexul subiec#ilor (GENDER).
(5) - este o op#iune ce permite ca setrile (aranjamentele) pe care le-am folosit ntr-un grafic
executat anterior s fie aplicate si n cazul graficului de fa#. Dac bifa#i aceast op#iune
trebuie apoi s folosi#i butonul FILE pentru a selecta fi$ierul de unde dori#i s
mprumuta#i" setrile.
(6) - folosind aceste butoane pute#i aduga un titlu graficului (butonul TITLE) sau s
activa#i alte op#iuni (OPTIONS). De altfel, acest din urm buton, care deschide fereastra
prezentat n continuare, este important pentru a dezactiva op#iunea DISPLAY
GROUPS DEFINED BY MISSING VALUES, care realizeaz graficul si pentru subiec#ii
care nu prezint valori ale variabilei independente (n cazul nostru pentru subiec#ii la care am
uitat s completm n baza de date care este sexul lor).










fereastra butonului OPTI ONS




40
Dup ce am selectat variabilele $i op#iunile , vom apsa butonul OK $i computerul va
realiza graficul cu bare, ca n imaginea de mai jos:











grafic cu bare



Aten#ie mare la graficele realizate! Prin construc#ia lui, programul SPSS alege diferite
intervale de reprezentare si - ca urmare - pute#i fi indu$i n eroare n ceea ce prive$te
magnitudinea diferen#elor.
Spre exemplu, dac nu am fi aten#i la intervalul de reprezentare (de la 12.000 USD/an la
22.000 USD/an), am putea crede c femeile c$tig de vreo 5 ori mai pu#in dect brba#ii
(ceea ce este fals, desigur), cnd n realitate, brba#ii c$tig de doar l ,5 ori mai mult.
Pentru a remedia o astfel de distorsiune grafic, putem modifica intervalul de reprezentare.
Face#i dublu-click pe grafic, apoi pe axa vertical a graficului $i n fereastra ce apare,
modifica#i limitele minime $i maxime. O astfel de fereastr, numita SCALE AXIS este
prezentat n capitolul HISTOGRAME.

3.- Grafice cu linii.

Pentru graficele cu linii nu trebuie s intrm n detalii, ntruct realizarea lor este extrem de
similar cu cea a graficelor cu bare.
Odat selectat op#iunea din meniul GRAPHS, apare fereastra:
















de aici selectm tipul de grafic
41
Urma#i aceea$i pa$i ca $i n cazul graficul cu bare $i ve#i ob#ine n final o reprezentare
precum cea de mai jos. Aten#ie, nu uita#i s dezactiva#i op#iunea DISPLAY GROUPS
DEFINED B Y MISSING VALUES de la butonul OPTIONS!
















a#a arat graficul cu linii


'i aici trebuie s ave#i n vedere problema scalrii rezultatelor ( intervalul de reprezentare).

4.- Grafice plcint

Graficele de tip plcint" sunt folosite mai ales pentru a reprezenta grafic valorile (mai
ales procentuale) pe diferite categorii, dintr-un ntreg dat.
Ele sunt denumite plcint" pentru c valorile sunt reprezentate grafic ca si felii dintr-un
tort.
Activarea op#iunii din meniul GRAPHS deschide fereastra de mai jos, care con#ine doar
jumtate din op#iunile ce apar la graficele cu bare sau cu linii. Nu le mai prezentm ntru ct
am vorbit despre ele la tipurile anterioare de grafice.










Vom alege prima dintre op#iuni, ca $i n cazurile anterioare. ntruct prezentm pr#i dintr-
un ntreg nu putem folosi media ca n graficele anterioare, ci vom folosi suma, a$a cum e
reprezentat n pagina de mai jos:



42













Alegerea op#iunii pentru folosirea sumei se face din butonul CHANGE SUMMARY.

Iat cum arat un grafic plcint:













5.- Graficul box-plot

Numele acestui tip specific de grafic este dificil de tradus n limba romn, a$a c vom
folosi numele preluat din limba englez.
Box-plot-urile sunt grafice speciale, care sunt folosite la reprezentarea simultan a
indicatorilor de nivel (medie, median) $i a celor de dispersie. Vom explica n continuare,
detaliat ce nseamn acest lucru.
Odat activat op#iunea BOXPLOT din meniul GRAPHS, va apare fereastra:







43
De aici putem alege aproape acelea$i op#iuni de reprezentare grafic ca $i n meniul de
reprezentare cu bare, doar c avem la dispozi#ie mai pu#ine op#iuni.
Pentru exemplul nostru vom alege graficul SIMPLE $i op#iunea SUMMARIES FOR
GROUPS OF CASES.

Dup ce apsm butonul DEFINE activm fereastra urmtoare:















ntruct ceea ce este reprezentat grafic este dinainte presetat cu acest tip de grafice, nu
mai avem a$a multe op#iuni n aceast fereastr. Alegem variabilele ca n imaginea de mai
sus si apsam OK.

Graficul rezultat arat astfel:



















5
4
3
2
1
44
Cinci sunt elementele graficului care trebuie s ne atrag aten#ia:

(1) - linia ngro$at din interiorul cutiei" reprezint mediana, deci tendin#a central.
Dac ea este mai apropiat de marginea de jos, atunci distribu#ia este
nclinat spre stnga (predomin valorile mici si sunt pu#ine cazuri cu
valori mari, dar extreme), dac e mai apropiat de marginea superioar,
atunci distribu#ia este nclinat spre dreapta.

(2) - cutia" propriu-zis reprezint distribu#ia a 50% dintre subiec#i. Astfel, marginea de
jos a cutiei arat valoarea percentilului 25%, iar marginea superioar - pe
cea a percentilului 75%. Cu ct cutia" este mai mare, cu att variabilitatea
rezultatelor este mai mare.

(3) - limitele exterioare ale graficului, acele linii orizontale deasupra dedesubtul cutiei
(numite n englez whiskers, adic must#i c pisic") sunt trasate de la cea
mai mic la cea mai mare valoare situate n limitele a 1,5 lungimi de
cutie". 'i ele reprezint o msuri a variabilit#ii rezultatelor.

(4) - cazurile extreme situate n intervalul 1,5-3 lungimi de cutie", sui reprezentate prin mici
o - uri care au trecute n dreptul lor numrul cazului sau al subiectului
respectiv.
(5) - cazurile extreme situate la distan#e mai mari de 3 lungimi de cutie sunt reprezentate
prin mici * (asteriscuri), care au trecute n drep#i lor numrul cazului sau al
subiectului respectiv.





Exerci*ii:
Realiza#i reprezentarea grafic similar, cu toate tipurile de
grafice si pentru variabila SALARY, care arat salariul curent al
subiec#ilor
Comenta#i n special graficul box-plot.










45
STATISTICA DESCRIPTIV (2)
- sau cum s( mai d(m un n*eles datelor brute


Cuprins:
Notele z Corela#ia
- Folosirea SPSS: meniul ANALYZE - CORRELATE - BIVARIATE
- Folosirea SPSS: meniul DATA - SELECT CASES
- Folosirea SPSS: meniul DATA - SPLIT FILES
- Folosirea SPSS: meniul GRAPHS SCATTER




British Club
Francis GaJton este considerat a fi inventatorul corela#iei statistice, de$i
Karl Pearson $i al#i matematicieni au conceput de fapt formulele de calcul. Galton era
vr cu Charles Darwin, coleg cu Pearson $i profesor al lui Gosset (inventatorul testului
t), n secolul XIX, dup cum observa#i, statistica era apanajul unui mic "club" britanic
organizat informai n rndul unor studen#i de la Cambridge. Mai mult chiar, la vremea
respectiv, mul#i savan#i din alte $tiin#e fceau parte din acest "club britanic".
Unul din membrii "clubului", Galton, era un gentleman bogat, independent $i deosebit
de excentric. Dincolo de contribu#ia sa n statistic, el avea studii medicale, participase
la explorri n Africa, a inventat ochelarii pentru citit subacvatic, a fcut descoperiri n
meteorologie $i antropologie, ba chiar a scris un articol despre captarea semnalelor
inteligente de pe alte planete.
Dincolo ns de toate acestea, Galton a fost un "numrtor" nfocat. El numra aproape
orice; de exemplu, el a numrat odat de cte ori casc audien#a la o conferin#, n
func#ie de plictiseala indus de vorbitor. Alt dat, n timp ce un pictor i fcea
portretul, a numrat de cte ori trage acesta cu pensonul pe pnz (el a constatat c un
pictor d cu pensula cam de 20.000 ori n timp ce face un portret). Ajunsese chiar s-$i
construiasc un mic dispozitiv de numrat, pe categorii. Pe acesta din urm 1-a folosit
n timp "ce cltorea n coloniile britanice din Pacific, nregistrnd frumuse#ea
localnicelor de acolo ca fiind "atrgtoare", "medie" $i "neatrgtoare".
Dar corela#ia s-a nscut din preocuparea lui Galton de a numra criminalii, geniile $i
alte tipuri extreme umane n diverse familii. Adept al eugeniei (na$terea sau cre$terea
controlat a oamenilor) Galton dorea s vad n ce msur caracteristicile genetice se
transmit de la prin#i la copii. Astfel el a descoperit o metod de a msura faptul c "un
lucru merge mpreun cu alt lucru" - de fapt corela#ia, ns n acele vremuri, stabilirea
legturii dintre dou variabile era echivalent cu stabilirea unei legturi cauzale. Astfel,
Galton trgea concluzia c din moment ce putem arta matematic c oamenii cei mai
de$tep#i provin din cteva familii nstrite, de vi# nobil, iar majoritatea celor pu#in
inteligen#i - din familii
srace, inteligen#a este cauzat de anumite gene.
Era el oare ndrept#it s afirme astea ? Voi din ce fel de familii v trage#i?



46
Am vzut n capitolul anterior c pentru a descrie complet o distribu#ie trebuie s
cunoa$tem nu numai tendin#a central (de obicei media), ci si gradul de mpr$tiere a
scorurilor n jurul acestei valori. Necesitatea cunoa$terii ambelor valori rezid n faptul c n
$tiin#ele sociale avem de-a face cu mrimi variabile, ca urmare trebuie s lum n
considera#ie $i variabilitatea, nu numai valoarea medie.

Notele z &i func*iile lor

Dup ce au descoperit formula de calcul a variantei $i a devia#iei standard, statisticienii au
sim#it nevoia calculrii unei mrimi care s sintetizeze att tendin#a central, ct $i
variabilitatea $i care s, descrie scorurile unei distribu#ii din ambele perspective simultan.
Aceast nevoie a aprut astfel din necesitatea de a putea compara un scor cu o distribu#ie (de
a estima de fapt pozi#ia scorului n raport cu celelalte) $i din trebuin#a de a compara dou
distribu#ii diferite.

Estimarea unui scor n cadrul unei distribu&ii
Caz:
Gic este psihoterapeut. El este specializat n tratarea depresiei. La
o bere, el i poveste$te unui coleg c ultimul su pacient s-a vindecat
n 5 $edin#e de terapie. "Avea depresie grav sau u$oar?" ntreab
colegul. Gic d s rspund, dar $i d seama c pentru a fi sigur
de rspuns ar avea nevoie de statistic. Scoate un carne#el n care
avea nota#i ultimii si pacien#i $i constat c ei s-au vindecat n
medie n 8 $edin#e. E suficient media pentru a stabili c pacientul
care s-a vindecat n 5 $edin#e avea o depresie u$oar?

Din moment ce devia#ia standard $i media ne spun care sunt scorurile tipice sau medii,
putem s stabilim dac un nou scor se abate de la distribu#ia noastr ntr-un sens mai mic
dect limita minim de varia#ie (m-SD) sau n altul mai mare dect limita maxim (m+SD).
n cazul lui Gic, cunoa$terea mediei nu e suficient pentru a stabili c 5 $edin#e sunt
anormal de pu#ine pentru pacien#ii si, deci c acest ultim pacient avea o depresie u$oar.
Pentru a stabili acest fapt avem nevoie $i de devia#ia standard.
Calcula#i singuri media $i devia#ia standard cunoscnd c distribu#ia scorurilor pentru
ultimii 10 pacien#i ai lui Gic este cea de mai jos:
4, 12, 8, 8, 8, 9, 9, 6, 12, 4
Calculele arat c media este 8, iar devia#ia standard este 2,64. Refcnd schema, vedem
c scorurile tipice sunt cuprinse n intervalul 5,32 $i 10,64.







47
Rotunjind valorile la numere ntregi, aceasta nseamn c n mod obi$nuit, pacien#ii lui
Gic au nevoie de 6-10 $edin#e pentru a se trata de depresie. Din moment ce intervalul 6-10
este considerat tipic, atunci ceea ce este n afara acestuia vor fi scoruri considerate atipice.
Astfel, cei care se trateaz de depresie n mai pu#in de 6 $edin#e vor fi pacien#ii cu depresie
u$oar, iar cei care se vindec n mai mult de 10 $edin#e pot fi considera#i ca avnd o
depresie grav. Acum, avem $i rspunsul la cazul nostru: pacientul care s-a vindecat n 5
$edin#e a avut ntr-adevr o depresie u$oar. Dar dac el s-ar fi vindecat n 6 sau chiar 7
$edin#e, el era cu depresie normal, ntruct scorul su s-ar fi ncadrat n intervalul tipic de
varia#ie. Este la fel cum punga de cafea de 96 grame este normal pentru intervalul de
varia#ie 100 5, abia una de 94 de grame abtndu-se de la standard.
Vede#i a$adar c n statistic, unde lucrm cu variabile, nu totdeauna un numr poate fi
considerat "mai mic" sau "mai mare" dect altul (n general dect media). Este necesar s
#inem cont $i de variabilitate. Situa#ia seamn cu aceea a cunoa$terii intervalului de varia#ie
a adncimii unui ru. Acesta nu are mereu aceea$i adncime; uneori este mai adnc, alteori
este mai pu#in adnc. Pe noi ne intereseaz care sunt fluctua#iile normale pentru a $ti dac
mai putem naviga pe el ori dac va fi secet (limita minim a adncimii), precum $i dac nu
cumva se anun# vreo inunda#ie (limita maxim a adncimii, dincolo de care apele se
revars). La fel este cazul $i cu variabilele n statistic. Ne intereseaz nu doar media
(adncimea medie a rului), ci si devia#ia standard pentru a putea vedea limitele de varia#ie
tipic.

Pentru a nu face apel mereu la schema desenat anterior ori de cte ori dorim s
comparm un scor cu o distribu#ie (s spunem dac el este mic, mediu sau mare),
statisticienii au inventat notele Z. Formula pentru nota Z este:

x m
Z
SD

= (4)

Dac "citim" n cuvinte aceast formul vedem c nota Z, numit si not sau scor standard,
arat devia#ia unui scor (x) de la medie (m), iar aceast abatere este exprimat n devia#ii
standard (SD).
Mai precis, nota standard arat cu cte devia&ii standard se abate un scor de la medie.
S vedem, pe schema de mai jos, ce note standard corespund mediei, precum si limitelor de
varia#ie, maxim si minim.




48
nlocuind datele n formula (4) constatm c mediei i corespunde mereu (oricare ar fi ea si
orice am msura) scorul standard Z = 0. Similar, limitei minime de varia#ie tipic i
corespunde scorul standard Z = -1 , iar limitei maxime de varia#ie normal i corespunde
nota standard Z = +1.
Acum putem stabili ni$te reguli simple, care ne permit s stabilim imediat ce fel de scor
este x n raport cu o distribu#ie la care cunoa$tem media (m) $i abaterea sau devia#ia standard
(SD) pe baza calculrii scorului Z corespunztor lui:
un scor x va ficonsiderat "mic"n raport cu o distribu#ie la care cunoa$tem
media $i devia#ia standard, dac scorul su Z va fi mai mic dect -1;
un scor x va fi considerat "mediu" n raport cu o distribu#ie la care cunoa$tem
media si devia#ia standard, dac scorul su Z va fi cuprins n intervalul [-l, +11].
un scor x va fi considerat "mare" n raport cu o distribu#ie la care cunoa$tem
media si devia#ia standard, dac scorul su Z va fi mai mare dect +1.

Din regulile de mai sus deducem prima func#ie pe care o joac scorurile Z: aceea de a
compara un scor cu o distribu#ie la care cunoa$tem parametrii (media si devia#ia standard),
cu alte cuvinte de a preciza dac un scor este mic, mediu sau mare.
Interesant este de $tiut c notele Z arat nu numai pozi#ia unui scor fa# de o distribu#ie, dar
$i de cte ori acel scor este mai mare sau mai mic dect media (#innd cont $i de
variabilitate).
Spre exemplu, dac scorurile la un test de inteligen# ntr-o popula#ia sunt descrise de
media m=100 $i devia#ia standard SD=15, o persoan considerat "de dou ori mai de$tept
ca ceilal#i" nu va avea un coeficient de inteligen# de 200, cum am fi tenta#i s credem la
prima vedere (inteligen#a nu e o constant, nu?), ci doar unul de 130 (Z = +2; adic el se
abate de la medie cu dou devia#ii standard n plus).

Compararea a dou distribu&ii diferite

Dar notele Z mai au o func#ie: aceea de a compara scorurile aceleia$i persoane ob#inute la
probe diferite.

EX:
O educatoare vine la psihologul grdini#ei afirmnd c un copil din clasa ei
este handicapat $i ar trebui transferat la o alt grdini#, cu program special.
Psihologul nu poate da o recomandare fr investigarea prealabil a
copilului. Astfel, el/ea i aplic copilului o prob de inteligen# (ex. testul
WISC - Wechsler Intelligence Scale for Children) $i o prob de interac#iuni
sociale (ex. de cte ori copilul ia ini#iativa n timp de o or atunci cnd se
joac cu al#i copii). Pot fi rezultatele de la cele dou probe comparate sau
considerate mpreun? Scorurile lor brute nu pot fi comparate direct (la urma
urmei, ele msoar lucruri diferite, nu?), dar scorurile lor standard - da.

S presupunem c la testul WISC, copii de vrsta subiectului investigat n exemplul de mai
sus ob#in n general media ml=60 cu o devia#ie standard de SD1=14. Copilul investigat de
psiholog ob#ine la aceast prob scorul x l =81. Dac transformm acest scor n not
standard, conform formulei (4), ob#inem nota Z 1=1,5. Ea ne spune c, comparativ cu ceilal#i
49
copii, copilul nostru este de 1,5 ori mai inteligent. Deci problema mizat de educatoare nu se
gse$te la nivelul inteligen#ei.
La proba de interac#iuni sociale s presupunem c distribu#ia scorurilor n popula#ia de
copii pre$colari are urmtorii parametri: m2 = 16 si SD2 = 4, care arat numrul de ini#iative
ntr-o or dejoac cu al#i copii. Aplicnd proba copilului investigat ob#inem scorul x2 = 8.
Exprimnd acest scor brut n scor standard ob#inem valoarea 72=-2. Deci, din punct de
vedere al interac#iunilor sociale, copilul nostru este de dou ori mai timid, mai pu#in sociabil.
ntruct notele Z arat raporturi si sunt adimensionale (ele nu depind de ceea ce msurm),
putem s calculm un scor Z total, al celor dou probe. Astfel Z=Z1+Z2 ne ofer valoarea
Z=-0,5. Acest scor standard fiind unul mediu (cuprins n intervalul -1/+1) ne permite s
afirmm c subiectul investigat este normal pe ansamblu si nu necesit o educa#ie special.
Cauza problemelor sale sociale poate fi n cadrul familiei sau poate c st n
marginalizarea sa de ctre educatoare.

Corela*ia

Cunoa$te#i c a doua func#ie a scorurilor Z este de a compara scorurile ob#inute de aceea$i
persoan la probe diferite (v mai aminti#i de exemplul cu copilul considerat handicapat de
educatoare?). S vedem cum putem s ne folosim de aceast func#ie pentru a studia rela#ia
dintre dou variabile.


Caz:
Un psiholog de la o firm este interesat s stabileasc dac ntre numrul
de subordona#i $i gradul de stres al managerilor exist vreo legtur.
Pentru aceasta alege 6 manageri de la diferite departamente ale firmei,
aplic un chestionar care msoar stresul $i apoi msoar c#i
subordona#i are fiecare dintre managerii ale$i. Ob#ine tabelul de rezultate
de mai jos, unde xl este scorul la chestionarul de stres $i x2 este numrul
de subordona#i.

X1 X2
9 18
11 29
6 11
14 35
12 25
2 8

Observa#i c numerele din cele dou coloane, nu numai c sunt diferite ca ordin de mrime
(prima coloan nu dep$e$te valoarea 20, iar a doua are aproape toate scorurile mai mari de
aceast valoare), dar ele msoar n plus lucruri diferite. Cum am putea atunci s le asociem?
Cel mai bine ar fi dac am transforma aceste scoruri brute (x1 $i x2) n note Z (Zi$i Z2).
Atunci, fiecare not Z ar arta pozi#ia scorului n cadrul distribu#iei din care face parte $i
putem apoi compara pozi#ia scorurilor (adic s vedem, spre exemplu, dac scorurile "mici"
50
de la o variabil sunt asociate scorurilor "mici" la cealalt variabil, iar scorurile "mari" -
celor "mari").

Pentru aceasta avem nevoie de tabelul de mai jos, dup ce n prealabil am calculat mediile
celor dou variabile. Astfel, avem ml=9, iar m2=21.

X1 X2 X1-m1 X2-m2 (X1-m1)
2
(X2-m2)
2
Z1 Z2
9 18 0 - 3 0 9 0 - 0,31
11 29 +2 +8 4 64 +0,50 +8,83
6 11 - 3 - 10 9 100 - 0,75 - 1,04
14 35 +5 +14 25 196 +1,25 +1,45
12 25 +3 + 4 9 16 +0,75 +0,41
2 8 - 7 -13 49 169 - 1,75 - 1,35

SS1= 96, iar SS2=554. Putem calcula apoi varianta si devia#ia standard. Astfel, SD1=4, iar
SD2=9,60. Avnd valorile mediei si devia#iilor standard putem completa ultimele dou
coloane ale tabelului.

Urmri#i cu aten#ie si compara#i ultimele dou coloane ale tabelului. Ce fel de scoruri avem
n ele. Conform semnifica#iei scorurilor Z putem s "reformulm" ultimele dou coloane
astfel:

Z1 Z2 Semnifica*ia lui
Z1
Semnifica*ia lui
Z 2
0 - 0,31 Scor mediu Scor mediu
+0,50 +8,83 Scor mediu Scor mediu
- 0,75 - 1,04 Scor mediu Scor mic
+1,25 +1,45 Scor mare Scor mare
+0,75 +0,41 Scor mediu Scor mediu
- 1,75 - 1,35 Scor mic Scor mic


Observm astfel c pare s existe o rela#ie ntre cele dou variabile: ntlnim cam acelea$i
tipuri de scoruri la ambele variabile (scoruri mici asociate cu scoruri mici, iar cele mari);
singurul caz n care nu avem aceast "potrivire" este la managerul al treilea, care are scoruri
de tipuri diferite. Pe ansamblu ns putem spune c exist o rela#ie.

Cum putem face s ilustrm mai u$or rela#ia ce exist ntre cele dou variabile? Cum am
putea avea doar un singur numr care s ne arate aceast rela#ie? Simplu, nmul#ind scorurile
Z $i apoi adunndu-le. n acest fel, dac ele sunt de acela$i tip (ambele pozitive sau ambele
negative) rezultatul acestei opera#ii va fi pozitiv, dac ele sunt de tipuri opuse (unul negativ
$i altul pozitiv) - rezultatul va fi unul negativ, iar dac nu exist o tendin# de asociere,
atunci numrul ob#inut va fi apropiat de zero.
S procedm n consecin#
51
Z1 Z2 Z1*Z2
0 - 0,31 0
+0,50 +8,83 0,41
- 0,75 - 1,04 0,78
+1,25 +1,45 1,81
+0,75 +0,41 0,30
- 1,75 - 1,35 2,36
, (Z1*Z2) = 5,66


Adunnd aceste produse (Z1*Z2) ob#inem numrul 5,66. ns acest numr nu este
suficient pentru a arta rela#ia de care avem nevoie. De ce? Pentru c el depinde ntr-o
oarecare msur de numrul de perechi de cazuri pe care le-am luat n calcul. Gndi#i-v c
el ar creste dac am fi aplicat msurtorile folosind 10 manageri n loc de 6. Ca s nu mai
depind acest numr de numrul de cazuri, trebuie s divizm suma ob#inut prin
N. Si astfel, ob#inem formula corela#iei Pearson:

r =
( 1* 2) Z Z
N

(5)

n cazul nostru, r=0,94.

Coeficien#ii de corela#ie au valori cuprinse ntre -l (care arat existenta unei legturi
perfect si invers propor#ional ntre variabile), O (care arat independen#a total a
variabilelor luate n analiz) $i +1 (care arat existen#a unei legturi perfecte, direct
propor#ional).
Acum calcula#i singuri coeficientul de corela#ie dintre greutatea (n kg.) si nl#imea (n
cm.) colegilor din subgrupa voastr.


Folosirea SPSS: meniul ANALYZE - CORRELATE BIVARIATE

Corela#ia este o metod statistic descriptiv, ntruct ea descrie ce se petrece ntr-un grup
de rezultate, "cine cu cine merg mpreun", dar nu arat o rela#ie cauzal.
Pentru a putea exemplifica cum folosim SPSS pentru calculul corela#iei, avem nevoie de o
baz de date. A$a c vom lucra cu o baza de date pe care o vom crea acum, dar care va fi
similar cu cea denumit "fra#i", pe care am creat-o n primul capitol. Vom deschide
programul SPSS si vom introduce datele n computer, ca n tabelul de mai jos:





52

QI1 QI2 Sex
109 110 1
101 102 1
104 103 1
106 106 1
112 115 1
115 115 1
116 119 1
109 104 1
115 121 1
121 110 1
120 123 2
113 111 2
102 114 2
104 101 2
106 106 2
104 106 2
108 109 2
106 105 2
106 107 2
124 103 2

Reamintim c datele arat coeficientul de inteligen# msurat la perechi de fra#i (primul
nscut - QI1 si al doilea nscut - QI2) de acela$i sex.
Salva#i baza de date cu numele corei". Folosi#i pentru aceasta butonul de salvare sau
comanda SAVE din meniul FILE.
Observa#i c am codificat sexul subiec#ilor folosind cifrele l" (pentru feminin") si 2"
(pentru masculin"). Aceste cifre sunt la libera noastr alegere, ele fiind pur si simplu coduri
si fr s aib semnifica#ia de numr (adic, n acest caz l nu este de dou ori mai mic dect
2, ci pur si simplu un alt cod). La fel de bine puteam s avem 23 si 68, n loc de l si 2.
n programul SPSS, aceast baz de date ar trebui s arate astfel, dup ce defini#i n
prealabil si numele variabilelor:



53
n cazul n care avem variabile categoriale sau independente (variabile care arat
categorii de scoruri, cum ar fi sexul subiec#ilor, mediul de provenien#, zilele sptmnii,
categorii de vrst, tipuri de boli, etc.), este indicat s definim aceste categorii pentru a ne
u$ura munca de analiz a rezultatelor si pentru a nu uita care scoruri corespund fiecrei
valori (n cazul nostru care sunt rezultatele femeilor si care sunt ale brba#ilor).
Definirea valorilor se face din perspectiva VARIABLE VIEW activat din josul paginii
(revede#i primul capitol dac a#i uitat cum se face acest lucru). Odat activat perspectiva
VARIABLE VIEW, pe ecran va apare imaginea:



Observa#i c n dreptul variabilei SEX, pe coloana VALUES avem men#iunea NONE.
Aici trebuie s definim noi valorile acestei variabile (adic s asociem codurile l si 2 cu
cele dou sexe). Pentru aceasta executa#i un click pe coloana VALUES n dreptul
variabilei SEX. Va apare fereastra
de mai jos:










Observa#i c butonul AD s-a activat dup ce a#i scris. Drept urmare el trebuie apsat
pentru a activa codul $i eticheta astfel alese.Dup apsare fereastra va arta ca n imaginea
urmtoare:









54
Se observ c 1 este un cod care are semnifica#ia feminin $i nu semnifica#ia sa
obi$nuit de numr. La fel se procedeaz $i pentru cellalt cod, ca n imaginea de mai jos:













Reveni#i apoi n perspectiva DATA VIEW. Constata#i c nu apare nici oschimbare vizibil.
Si totu$i, dac dori#i s vizualiza#i etichetele alese, activa#i comanda VALUE LABELS din
meniul VIEW, ca mai jos:












Astfel, pe ecran va aprea eticheta aleas, n dreptul variabilei SEX:


55
S vedem acum cum calculm corela#ia cu ajutorul programului SPSS. Toate prelucrrile
statistice se fac, reamintim, din meniul ANALYZE. De aici alegem comanda
CORRELATE, op#iunea BIVARIATE (adic corela#ia ntre dou variabile), ca n
imaginea urmtoare:














Activarea comenzii va deschide o fereastr din care putem alege op#iunile ca n imaginea
de mai jos:














S analizm pu#in fereastra:
(1) - este, ca de obicei, cmpul ce prezint variabilele din baza de date
(2) - este cmpul n care introducem variabilele de analizat. Aten#ie! Putem introduce aici
mai mult de dou variabile, chiar dac metoda se cheam BIVARIATE. Programul va
calcula apoi corela#iile ntre toate variabilele, luate dou cte dou.
(3) - de aici putem selecta tipul corela#iei pe care dorim s-1 folosim. Ele au la baz
diferite formule. Corela#ia PEARSON se folose$te pentru date parametrice
(rezultate din msurtori ce au la baz scale ordinale, de interval sau de raport). Corela#iile
Kendall si Spearman sunt folosite pentru variabile categoriale, ordinale sau atunci cnd
datele noastre se abat puternic de la distribu#ia normal.
1
2
3
4
2
56
(4) - permite selectarea pragului de semnifica#ie n func#ie de tipul ipotezei de cercetare.
Recomandarea mea este ns s folosi#i totdeauna pragul bidirec#ional, TWO-
TAILED, pentru a avea mai mult ncredere n rezultatele astfel ob#inute.
(5) - bifarea acestei op#iuni (care este activ din start) face ca n dreptul corela#iilor ce sunt
semnificative s apar un asterisc (*).

Introduce#i variabilele pentru analiz, ca n imaginea de mai jos:















Pute#i folosi butonul OPTIONS pentru a solicita programului s fac o mic analiz
descriptiv a rezultatelor sau pentru a preciza cum s trateze valorile lips.




Observa#i n imaginea de mai sus c exist dou modalit#i de a trata valorile lips (cmpul
MISSING VALUES). Prima op#iune (EXCLUDE CASES PAIRWISE) exclude de la
analiz perechile de rezultate pentru care nu avem una din valori, n timp ce a doua op#iune
(EXCLUDE CASES LISTWISE) exclude de la analiz un rnd ntreg din baza de date
dac doar una din valori lipse$te. De obicei, mai frecvent este prima op#iune, cea care si
este activ din start.
Apsa#i CONTINUE si apoi butonul OK. Programul va deschide automat fereastra
OUTPUT unde v sunt prezentate rezultatele.
57



S vedem acum n ce mod se citesc si se interpreteaz informa#iile de pe ecran, n primul
rnd, observa#i dispunerea rezultatelor: ele seamn cu datele despre distan#a dintre ora$e pe
care le gsim n mod obi$nuit n agende. Pe rndul orizontal de sus sunt a$ezate toate
variabilele alese pentru corela#ie (a$a cum erau scrise ora$ele ntre care calculam distantele
n agende); pe vertical, de asemenea avem toate variabilele. Corela#ia dintre dou variabile
se cite$te la intersec#ia numelor lor pe vertical $i orizontal (la fel cum citeam distan#ele).
Desigur, ntre o variabil $i ea ns$i nu putem avea corela#ie (de fapt ea exist, dar are
valoarea l , adic corela#ie perfect pozitiv), fapt observat prin absen#a lui p (despre p vom
discuta ulterior), deci nu vom lua n seam corela#iile de pe aceast diagonal.
Mai observa#i c ceea ce se gse$te n dreapta diagonalei este identic cu ceea ce se afl n
stnga ei (adic corela#ia dintre variabilele A $i B este aceea$i cu cea dintre variabilele B $i
A).

Prag de semnifica*ie

S comentm pu#in ce este pragul de semnifica&ie. n statistic, avem nevoie s
generalizm concluziile studiilor, chiar $i ale acelora descriptive, cum este corela#ia. Astfel,
ne intereseaz s vedem dac rela#ia gsit de noi (la un grup de oameni) poate fi extins la
ntreaga popula#ie. Mai precis, ne intereseaz s $tim n ce msur rezultatele noastre se
datoreaz ntmplrii $i n ce msur - nu. Ei bine, acest p (prescurtare de la procent) ne
arat n ce msur ne n$elm atunci cnd afirmm ceva (n cazul corela#iei: c exist o
legtur ntre dou sau mai multe variabile).
n cercetarea $tiin#ific se lucreaz de obicei cu dou praguri de semnifica#ie,
corespunztoare procentajului de eroare: pragul de 0,01 (1% eroare) $i pragul de 0,05 (5%
eroare).Cnd folosim unul sau altul? S lum un exemplu.
Exemplu:
S presupunem c sunte#i angajat de un mprat despotic ca $i prezictor oficial.
mpratul se folose$te de "puterile" voastre pentru a-$i impresiona supu$ii, n general,
atunci cnd facem predic#ii se pot ntmpla patru situa#ii, conform tabelului de mai
jos:
58
Evenimentul
Apare Nu apare
Predic#ia Apare Corect Eroare 1
evenimentului Nu apare Eroare 2 Corect

Observa#i c sunt dou situa#ii n care putem s gre$im:
(I) afirmm c un eveniment se produce cnd n realitate nu se produce;
(II) - afirmm c un eveniment nu se produce atunci cnd el se produce.
Cnd va fi mpratul mai suprat c gre$im?
R: n situa#ia (I); atunci el apare prost n ochii supu$ilor si, mai mult
dect n situa#ia (II). De altfel, dac sunte#i aten#i, situa#ia (I) corespunde
cu minciuna, iar situa#ia (II) - cu ignoran#a.


'i n $tiin# exist aceste dou situa#ii n care noi putem gre$i. Deoarece prima gre$eal are
consecin#e mai grave, preferm n cazul acesta pragul de semnifica#ie de 0,01; dac dorim
ns s avem mai multe $anse n a demonstra ceva $i consecin#ele nu sunt a$a grave n caz de
gre$eal, atunci preferm pragul de eroare de 5%, deci un p=0,05
n concluzie, vom considera un test statistic ca fiind semnificativ dac pragul de
semnifica#ie este mai mic sau egal cu valoarea 0,05.

I nterpretarea corela&iei

Revenind la exemplul nostru (rezultatele, a$a cum sunt ele prezentate n SPSS) s vedem
acum cum anume se interpreteaz corela#ia, cunoscnd si felul n care se interpreteaz pragul
de semnifica#ie.
Cele trei numere prezentate de computer la intersec#ia dintre numele variabilelor sunt, n
ordine de sus n jos: coeficientul de corela*ie (n exemplul nostru r=0,50), pragul de
semnifica*ie (n exemplul nostru p=0,02) si num(rul de subiec*i (n exemplul nostru,
numrul 20).
Trei sunt elementele ce conteaz n interpretarea corela#iei:
pragul de semnifica*ie: dac este mai mic de 0,05, atunci putem considera c exist o
rela#ie ntre variabilele studiate; n cazul nostru putem spune c exist o legtur ntre
coeficientul de inteligent al primului nscut si al celui de-al doilea nscut de acela$i sex.
Reamintim c pragul de semnifica#ie arat probabilitatea de a gre$i atunci cnd afirmm c
ntre variabile ar fi o legtur. Deci el trebuie s fie ct mai mic pentru a putea face aceast
afirma#ie.
semnul corela*iei: arat natura legturii care exist: direct propor#ional, dac semnul este
pozitiv sau invers propor#ional cnd semnul este negativ, n cazul nostru, semnul este
pozitiv, deci legtura este direct propor#ional sau, dac interpretm folosind cuvintele: dac
primul nscut are un coeficient de inteligen# ridicat, atunci exist tendin#a ca si al doilea s
aib un coeficient similar,
m(rimea absolut( a coeficientului: descrie tria legturii ce exist ntre variabile; se
consider astfel c legtura este slab dac valoarea absolut a lui r nu dep$e$te 0,30;
59
legtura este de trie medie la o valoare cuprins ntre 0,30-0,50 si vorbim de legturi
puternice dac mrimea absolut este mai mare de 0,50. n exemplul nostru, tria legturii
este medie, pentru c nu dep$e$te cu mult valoarea de 0,50.

Toate aceste elemente trebuie s apar n interpretare, pentru ca ea s fie complet.

OBS: A#i observat c n interpretare am folosit cuvntul "exist( tendin*a". De ce? Pentru
c rela#ia descoperit nu este ntlnit exact, n toate cazurile (nu uita#i c noi lucrm cu
variabile, fenomene sociale care sunt influen#ate de mai mul#i factori), ci este vorba de o
rela#ie probabilistic.

'i arunci, n ce msur gsim rela#ia n realitate?

Coeficientul de corela#ie ridicat la ptrat ne indic propor#ia de variant explicat de rela#ia
gsit, mai precis ce procentaj din popula#ia general prezint exact rela#ia, n cazul nostru,
se observ c abia 25% din varia#ia observat n popula#ie o ntlnim n realitate, deci rela#ia
gsit este prezent exact n acest mod (direct propor#ional) la 25% dintre fra#i.

Folosirea SPSS: meniul DATA - SELECT CASES

Uneori ne este util s selectm anumite cazuri din popula#ie pentru a face o prelucrare
statistic. Spre exemplu, crede#i c acela$i coeficient de corela#ie l vom gsi n egal msur
si la femeile si la brba#ii din studiul nostru? Nu, desigur. Spre exemplu, dac la o petrecere
25% dintre participan#i se mbat (astfel c toat lumea a avut impresia c "s-a but, nu
glum!"), iar petrecerea a avut loc n trei camere, vom gsi n fiecare din acele trei camere
exact 25% de persoane n stare de ebrietate? Nu se poate $ti. Este posibil, dar la fel de bine,
cei be#i se puteau gsi doar ntre-o singur camer, nu-i a$a?
La fel $i n exemplul nostru. Suntem interesa#i s vedem dac rela#ia dintre coeficien#ii de
inteligen# a celor doi fra#i o gsim, s zicem, la subiec#ii de sex feminin?
Pentru aceasta vom folosi comanda SELECT CASES din meniul DATA, ca n imaginea
urmtoare (aten#ie!, pentru a avea meniul DATA activ, trebuie s reveni#i la perspectiva
DATA VIEW. Face#i click pe numele fi$ierului din bara de sarcini situat la baza ecranului,
cea care are butonul START n stnga sau activa#i numele fi$ierului din meniul
WINDOWS).










60
Odat activat acest comand deschide fereastra:
















Fereastra este organizat ntr-un mod tipic: are n partea stng variabilele din baza de
date, iar n dreapta diverse op#iuni. Pe noi ne intereseaz doar op#iunea IF CONDITION IS
SATISFIED, pentru c dorim s selectm cazurile care ndeplinesc condi#ia c pentru
variabila SEX au valoarea 1 ( femeilor li s-a atribuit acest valoare n cadrul variabilei SEX).
Prin urmare vom alege acest op#iune $i vom activa butonul IF care deschide fereastra
urmtoare:



Aici, selectm variabila SEX, o trecem n cmpul din dreapta cu ajutorul sge#ii si
adugm condi#ia SEX-1 (de la tastatur sau folosind butoanele din mijlocul ferestrei).
Observa#i c putem scrie aici condi#ii mult mai complicate si putem folosi pentru aceasta
diferite func#ii (precizate n cmpul FUNCTIONS din partea dreapt-jos a ferestrei). Apsam
apoi butonul CONTINUE, apoi pe OK si observa#i ce se ntmpl n fereastra SELECT
CASES:

61










n dreptul butonului IF a aprut condi#ia specificat de noi. Aten#ie! Ave#i grij ca n
partea de jos a ferestrei n cmpul UNSELECTED CASES ARE s fie marcat op#iunea
FILTERED si nu DELETED, altfel programul va $terge datele neselectate!
Apsa#i butonul OK si observa#i ce se ntmpl n baza de date:



Vede#i c apare o nou variabil la sfr$it, intitulat FILTER_$, dup care se realizeaz
selec#ia. Mai observa#i c pe margine apar cazurile neselectate ca fiind "tiate", adic ele vor
fi ignorate de la analiz, iar n partea din dreapta-jos a ecranului apare anun#ul FILTER ON,
care v informeaz c selec#ia dup variabila filtru este activ.
Aten*ie! Mul#i se a$teapt ca odat datele selectate computerul s efectueze $i analiza
statistic dorit. Nu este a$a! Selectarea datelor nu implic si efectuarea analizei statistice!
De aceea, dup ce a#i selectat, face#i din nou prelucrarea, n cazul nostru corela#ia. Pentru
aceasta repeta#i pa$ii efectua#i anterior; adic activa#i comanda ANALYZE-CORRELATE-
BIVARIATE. Observa#i c variabilele se gsesc deja n rmpul pentru analiz. Ele au rmas
a$a de la prelucrarea anterioar, a$a c nu rmne dect s apsa#i butonul OK $i va apare
rezultatul:

62












Interpreta#i singuri rezultatul astfel ob#inut, respectnd cele trei elemente ale interpretrii,
n ce propor#ie rela#ia gsit o ntlnim n realitate la femei?

Dup ce folosi#i acest "filtru" n prelucrarea statistic, este indicat s l dezactiva#i imediat
pentru a nu-1 uita activ pentru alte prelucrri la care nu ave#i nevoie de o analiz, doar pentru
femei. Pentru dezactivarea selec#iei, merge#i din nou n meniul ini#ial DATA-SELECT
CASES si n fereastra respectiv, n partea de jos, gsi#i un buton denumit RESET (aten#ie!
nu e butonul cu care reseta#i calculatorul). Apsa#i-1 si indica#ia FILTER ON din dreapta-
jos trebuie s dispar, la fel si tieturile" din partea stng a bazei de date, ceea ce indic
faptul c acum analizm toate cazurile.

Folosirea SPSS: meniul DATA - SPLIT FILE

Uneori ns dorim s vedem ce se ntmpl pentru fiecare subgrup de subiec#i n parte; n
cazul nostru, de exemplu, dorim s $tim ce se ntmpl cu rela#ia gsit de noi n general nu
numai la femei, ci si la brba#i.
Pentru a nu repeta comanda SELECT CASES de multe ori (imagina#i-v ce ar fi dac am
avea o variabil de grupare legat de zilele sptmnii: ar trebui s repetm comanda
SELECT CASES de 7 ori) vom apela la o alt comand din meniul DATA (dup ce am
revenit n prealabil n perspectiva DATA VIE W), anume SPLIT FILE, pe care o activm
ca n imaginea urmtoare:











63
Odat activat, comanda SPLIT FILE deschide o fereastr precum cea de mai jos, de unde
putem alege op#iunea noastr:


Dintre op#iunile din dreapta alegem ORGANIZE OUTPUT BY GROUPS si apoi, cu
ajutorul sge#ii, introducem variabila de grupare (SEX, n cazul nostru) n cmpul GROUPS
BASED ON. Dup ce apsa#i OK. n partea dreapt-jos apare anun#ul SPLIT FILE ON,
care v informeaz c baza de date este deja mpr#it dup condi#iile variabilei de grupare,
ca n imaginea de mai jos:







La fel ca si n cazul comenzii SELECT CASES, simpla mpr#ire a bazei de date nu v
asigur si prelucrarea statistic. De aceea, trebuie s face#i din nou corela#ia dup ce a#i
mpr#it baza de date, pentru a vedea care este situa#ia n grupul de femei $i n cel de brba#i.
Pe ecran va apare OUTPUT-ul:


64
Interpreta#i rezultatele astfel ob#inute! Observa#i c rela#ia gsit ini#ial apare doar pentru
subiec#ii de sex feminin $i nu pentru cei de sex masculin! Cum pute#i interpreta aceste
rezultate? Ce a#i putea spune unor prin#i care v-ar ruga s preciza#i cum va fi al doilea
nscut al lor (mai inteligent sau mai pu#in inteligent), dac primul lor nscut este foarte
inteligent, precoce chiar?

Folosirea SPSS: meniul GRAPHS SCATTER

Rela#ia dintre dou variabile poate fi reprezentat grafic sub forma unui nor de puncte.
Practic, graficul l alegem din meniul GRAPHS, comanda SCATTER, care deschide
fereastra:















De aici trebuie s selectm tipul graficului pe care dorim s-1 facem, n cazul nostru dorim
un grafic simplu, car s arate rela#ia dintre dou variabile. Observa#i c op#iunea SIMPLE
este deja selectat (conturul mai gros din jurul op#iunii).











Apsm apoi butonul DEFINE, care deschide urmtoarea fereastr:



65















Cele dou variabile se introduc n cmpul cu cele dou axe (nu conteaz prea mult care
variabil se introduce pe care ax) $i apoi se apas OK. nainte de asta ns dezactiva#i
comanda DISPLAY GROUPS DEFINED BY MISSING VALUES din butonul
OPTIONS a crui fereastr este prezentat mai jos:

























66
Graficul va apare astfel:










Graficul corela#iei este un nor de puncte cresctor (de la stnga-jos spre dreapta-sus) dac
rela#ia este pozitiv sau direct propor#ional. Dac rela#ia ar fi fost invers propor#ional,
norul ar fi fost orientat descresctor (din stnga-sus spre dreapta-jos). n cazul n care nu ar fi
nici o rela#ie, punctele ar fi fost distribuite uniform pe grafic.













67
ELEMENTE DE STATISTIC INFERENTIAL
- sau cum s( vedem dac( BOABELE DE FASOLE sunt fierte -


CUPRINS:
Distribu#ia normal
- Etapele testrii unei ipoteze. Testul Z pentru a compara un caz cu o
popula#ie cunoscut
- Testul Z pentru a compara un e$antion cu o popula#ie cunoscut
- Testul t pentru a compara un e$antion cu o popula#ie la care $tim doar
media
- Folosirea SPSS: meniul ANALYZE - COMPARE MEANS '- ONE-
SAMPLE T-TEST
- Folosirea SPSS: meniul TRANSFORME - RECODE




Cnd nu amestecm bine legumele din oal
Anul 1948 a fost un an nefast pentru cele mai mari trei institute de sondare a opiniei
publice n Statele Unite: Gallup, Crossley $i Roper. Toate trei au prezis victoria n
alegerile preziden#iale a a republicanului Dewey fa# de Truman, democratul.
Rezultatul a infirmat toate prezicerile: Truman a c$tigat alegerile, victoria sa punnd
sub semnul ntrebrii modalitatea de e$antionare folosit.
Ce se ntmplase de fapt? Pn atunci, institutele de sondare a opiniei publice foloseau
o metod de e$antionare pe cote". Fiecrui operator de teren i se aloca un numr fix
de interviuri pe care trebuia s-1 realizeze $i i se ddea libertatea s aleag persoanele
intervievate, cu condi#ia s respecte anumite categorii sociale (vrst, sex, status
economic, ras, etc.). Nimeni nu a realizat atunci c republicanii aveau $anse mai mari
dect democra#ii s fie ale$i n interviurilor pentru c ei erau mai u$or de gsit; aveau
telefon mai frecvent dect democra#ii, triau n case mai bune, etc.). Acest fapt a
distorsionat rezultatele sondajelor din 1948 n ciuda faptului c au fost folosi#i zeci de
mii de subiec#i (e\. Gallup a intervievat 50.000 persoane).
De atunci, sondajele nu au mai gre$it att de grosolan, chiar dac e$antioanele folosite
de institute nu dep$esc de regul cteva mii de persoane. Spre exemplu, e$antionul
reprezentativ folosit astzi de institutul Gallup numr aproximativ 4100 persoane,
e$antion reprezentativ pentru cele 300 milioane de americani. Metoda de e$antionare
folosit azi este probabilistic $i porne$te de la principiul c fiecare cet#ean cu drept
de vot trebuie s aib aceea$i probabilitate de a fi selectat pentru interviu. Astfel,
erorile n predic#ie nu vor fi mai mari de 3%.
Metoda ini#ial folosit pn n 1948 era ca $i cum, dorind s vedem dac
legumele din oal sunt fierte, nu am amesteca bine con#inutul $i le-am lua n
lingur doar pe cele mai fierte sau mai pu#in fierte.




68
Distribu*ia normal(

Lumea n care trim nu este constant, ci mai degrab variabil. Cu toate acestea ea nu este
haotic. Deci variabilitatea de care vorbeam urmeaz totu$i ni$te reguli care pot fi modelate
matematic. S lum un exemplu. S presupunem c arunca#i o greutate de mai multe ori $i
msura#i distan#a la care o arunca#i. Desigur c aceasta va varia; cteodat ve#i arunca mai
departe, alteori - mai aproape. Fcnd msurtorile, ve#i observa o distan#e medie la care a#i
aruncat mai des, dar $i abateri de la ea. Mai mult, dac ar fi s desenm un poligon al
frecven#elor, care s arat de cte ori am aruncat greutatea la o anume distan# am observa c
el ar avea forma unui clopot rsturnat (numit adesea distribu#ie gaussian) precum n
imaginea de mai jos.











Aceast distribu#ie are o descriere matematic foarte precis, dar nu este scopul
manualului de fa# de a o detalia (exist de altfel suficiente lucrri de statistic matematic
care pot fi consultate pentru doritori). Ceea ce este importat de re#inut este faptul c dac
fenomenul social observat este aleatoriu si este urmrit o perioad de timp mai ndelungat,
atunci distribu#ia rezultatelor se face dup curba normal, iar acest lucru poate fi demonstrat
matematic. Dar nu este scopul volumului de fa# de a face acest lucru.

Unele caracteristici ale curbei normale

Atunci cnd am men#ionat prima dat poligoanele de frecven# care arat distribu#ia
rezultatelor, am precizat c exist trei parametri, trei caracteristici prin care este descris
orice distribu#ie, pe care i reamintim n continuare:
modalitatea - este un aspect important al distribu#iei care arat cte "vrfuri" are o
distribu#ie. Cu alte cuvinte, arat cte valori sunt n jurul crora se grupeaz foarte mul#i
subiec#i. Din acest punct se vedere, distribu#iile pot fi unimodale, adic au un singur vrf,
sau ele pot fi multimodale, adic au mai multe vrfuri.
nclinarea - este un aspect al distribu#iei care arat dac scorurile subiec#ilor testa#i au
tendin#a de a fi mai mari sau mai mici. Spre exemplu, notele $colare au o distribu#ie
nclinat spre dreapta, adic elevii au tendin#a de a lua mai mult note mari dect note mici.
Atunci cnd nclinarea curbei este spre dreapta, spunem c avem o distribu#ie nclinat
pozitiv. Atunci cnd distribu#ia este nclinat spre stnga, spunem c aceasta este negativ.
Dac nu se observ nici o tendin# de nclinare, atunci distribu#ia este simetric.
69
turtirea- este un aspect ce se refer la faptul dac o distribu#ie este foarte turtit (adic
scorurile din cadrul ei variaz foarte mult) sau este mai ascu#it (adic scorurile variaz
foarte pu#in).
Din perspectiva celor trei parametri, curba normal este unimodal, simetric si mediu
turtit.
n plus, curba normal mai posed anumite propriet#i speciale. Astfel, maticienii au pus la
punct formule care permit calcularea diferitelor suprafe#e ale curbei, iar acestea sunt foarte
importante pentru statisticieni.
Pentru a n#elege mai u$or despre ce este vorba, s lum drept exemplu distribuirea
rezultatelor la un test de inteligen#. Aceste teste sunt construite astfel nct la aplica#ii
repetate, pe multe persoane, distribu#ia rezultatelor s fie normal, n plus, ele sunt astfel
construite ca media rezultatelor s fie 100, iar abaterea sau devia#ia standard s fie de 16
puncte. S analizm pu#in aceast distribu#ie, care e prezentat n imaginea urmtoare:












Scoruri brute 68 84 100 116 132
Scoruri Z -2 -1 0 +1 +1

distribuirea normal a rezultatelor ob&inute la un test de inteligen&


ntruct distribu#ia normal este simetric, exact 50% din cazuri vor avea scoruri sub
valoarea medie (scorul 100); mai mult, aproximativ 34% din cazuri se vor afla ntre medie si
o abatere standard la stnga sau la dreapta. De altfel, dac urmri#i cu aten#ie forma curbei
normale ve#i constata prezen#a unor puncte de inflexiune", adic puncte n care linia curb
$i modific forma (mai precis, tangenta la curb trece din exterior spre interior sau invers).
Ei bine, aceste puncte corespund tocmai devia#iilor standard.
Dar la ce ne folose$te cunoa$terea acestor procentaje? In exemplul cu testul de inteligen#
cunoscnd c rezultatele se distribuie normal vom $ti c 34% dintre oameni au scorul cuprins
ntre medie (100) $i o devia#ie standard deasupra sau dedesubtul acestei valori. 'tiind c
devia#ia standard e 16 $tim astfel c 34% dintre indivizi vor avea scorul cuprins ntre 100 $i
116 (cei cu IQ situat deasupra mediei) sau ntre 84 $i 100 (cei cu IQ situat dedesubtul
mediei). Observa#i de asemenea c si mai pu#ine cazuri sunt mai deprtate de medie; mai
precis, abia 16% din cazuri vor avea scoruri mai mici sau mai mari de o devia#ie standard.
Cu alte cuvinte, numai 16% dintre oameni au coeficientul de inteligen# mai sczut de 84 sau
mai ridicat de 116. Mai mult, doar aproximativ 2% dintre indivizi vor avea scoruri $i mai
70
extreme, mai mici sau mai mari dect dou devia#ii standard fa# de medie (adic sub 68 sau
peste 132).
Observa#i astfel c exist o strns legtur ntre scorurile standard (notele z) $i diferite
procentaje sau frecven#e relative. Cunoscnd nota z a unui subiect $i $tiind c rezultatele la
prob se distribuie normal, putem cunoa$te cu precizie c#i indivizi din popula#ie au scoruri
mai mici sau mai mari dect al subiectului investigat.
Orice manual de statistic are la sfr$it un tabel care permite calcularea acestor procentaje
cu precizie, n acel tabel, pentru fiecare not z, este precizat un procent, care arat c#i
subiec#i au scorurile cuprinse ntre medie si nota z cutat de noi.
S lum un exemplu. S presupunem c o persoan ob#ine la testul de inteligen# scorul
125. $tiind c media la test este 100 $i devia#ia standard 16, putem calcula u$or nota z a
acestui subiect care este 1,56 - din formula: (l25-100)716 (dac a#i uitat formula de calcul a
notelor z $i semnifica#ia lor, re vede#i capitolele anterioare). Dac vom consulta unul din
tabelele de care aminteam anterior, vom vedea n dreptul lui 1,56 valoarea 44,06%. Aceasta
nseamn c de la medie (100) $i pn la scorul nostru (125) sunt 44,06% dintre subiec#i.
Aceasta arat c doar 5,94% dintre indivizi vor avea scoruri mai mari (50%-44,06%) $i
94,06% (50%+44,06%) vor avea scoruri mai mici dect subiectul ales de noi.

Popula*ie si e&antion. Logica inferen*ei statistice.

V vom introduce acum n domeniul inferen#ei statistice pornind de la exemplul cu fiertul
boabelor de fasole. S presupunem c fierbem fasole; la un moment dat lua#i cteva boabe
ntr-o lingur $i vede#i dac ele sunt fierte, trgnd apoi concluzii despre cum sunt fierte
toate fasolele din oal. n acest exemplu, fasolele din oal reprezint popula#ia (ntregul set
de obiecte sau lucruri care ne intereseaz), iar cele din lingur - e$antionul (un subset la care
avem de fapt acces), n ce msur ns sunte#i sigur c $i restul oalei de fasole are acelea$i
calit#i ca si boabele pe care le gusta#i?
Pentru a vedea cum se realizeaz inferen#a statistic, vom lua cel mai simplu exemplu,
testul z pentru a compara un singur caz cu o popula#ie a cror parametri sunt cunoscu#i.
Exemplul are la baz urmtoarea istorioar (adaptat dup Aron & Aron,1995):

Un grup de farmaci$ti au sintetizat o vitamin care se presupune c accelereaz
procesele de asimila#ie la copii nou-nscu#i, astfel c ace$tia vor cunoa$te o
dezvoltare mai rapid. Unul dintre efecte este scderea vrstei la care copii
ncep s mearg. Farmaci$tii au dorit s omologheze vitamina, dar Ministerul
Snt#ii din Statele Unite le-a cerut s demonstreze c ntr-adevr vitamina-lor
accelereaz mersul copiilor. Pentru aceasta farmaci$tilor li s-a dat voie s o
administreze numai unui singur copil nou-nscut, ales aleatoriu din popula#ie.
Copilul respectiv, dup administrarea vitaminei a mers la vrsta de 8 luni. Pot
farmaci$tii s sus#in c vrsta precoce la care a mers copilul se datoreaz
vitaminei lor $tiind c vrsta la care merg copii prima dat, n popula#ia normal
este de 14 luni, cu o abatere standard de 3 luni? n ce msur se poate afirma c
efectul ob#inut se datoreaz vitaminei $i nu altor factori?

Pentru a rspunde cu dovezi statistice la o astfel de ntrebare, trebuie s facem apel la
distribu#ia normal a variabilei alese n cadrul popula#iei si s respectm anumite etape n
71
ra#ionamentul nostru.
Prezentm n continuare curba normal corespunztoare vrstei de debut al mersului la
copiii din popula#ia normal.



8 luni 11 luni 14 luni 17 luni 20 luni
Scoruri Z - 2 - 1 0 +1 +2

distribu&ia normal a vrstei de debut a mersului la copil




n primul rnd, trebuie s vedem care e semnifica#ia procentajelor prezentate pe curba
normal.
Pe de o parte, ele arat - a$a cum precizam anterior - c#i subiec#i din popula#ii normal au
scoruri cuprinse ntre anumite valori. De exemplu, n cazul de fat, 34
dintre copii ncep s mearg ntre 11 si 14 luni (de la medie la o abatere standard spre
stnga), sau 16% (14%+2%) dintre copii merg dup vrsta de 17 luni (scoruri situate peste
valoarea unei abateri standard).
Pe de alt parte, aceste procentaje pot fi privite si ca prob abilit#i. De exemplu care este
probabilitatea ca, alegnd un copil la ntmplare, el s mearg ntre 11 si 14 luni? Rspunsul
este 34% (adic procentul de copii care merg n mod normal ntre aceste vrste). Sau: care
este probabilitatea ca un copil ales la ntmplare s mearg mai #ra de 17 luni? Rspunsul
este: 16%. Observa#i c am subliniat faptul c acel copil trebuie ales la ntmplare (ceea ce
nseamn c el nu e supus unor condi#ii speciale de cre$tere L altfel aceste procente nu pot fi
considerate drept probabilit#i.
S revenim la exemplul nostru cu farmaci$tii. Reamintim c dup ce copilul, ala la
ntmplare, a luat vitaminele el a mers la vrsta de 8 luni. S vedem acum, care este
probabilitatea ca n condi#ii normale fr vitamine - un copil s mearg la 8 luni sau mai
devreme de aceast vrst? Observa#i c vrsta de 8 luni corespunde pe curba normal unui
scor z = -2 si c doar 2% dintre copii merg nainte de aceast vrst n condi#ii normale.
Deci, probabilitatea ca un copil, ales la ntmplare din popula#ie, s mearg fr nici un
ajutor extern, fr nici o condi#ie special nainte de 8 luni este de 2%. O probabilitate foarte
mic, nu? n exemplul nostru, copilul a mers la 8 luni dup ce a luat vitaminele. Deci putem
respinge argumentul c vitamina nu a avut efect si s acceptm faptul c ea a avut ntr-
72
adevr un efect (probabil c mai trebuie s citi#i aceast propozi#ie nc o dat). In ce msur
a avut vitamina efect? In propor#ie de 98%.
Cum judecm? Dac fr vitamin doar 2% dintre copii mergeau pn la 8
luni,probabilitatea ca acel copil investigat de farmaci$ti s fac parte dintre ace$ti copii
precoce era de 2%. Numai atunci ne-am n$ela n concluzia noastr cnd din ntmplare am
da tocmai peste un astfel de copil precoce. Ar fi ca si cum am dori s testm efectul unei
buturi alcoolice asupra unei persoane care ar fi deja n stare de ebrietate; atunci nu ne-am
mai putea da seama ct din starea sa se datoreaz buturii testate si ct se datoreaz strii
sale ini#iale, ntruct n cazul de fa# avem 2% $anse s dm peste un copil precoce, aceast
valoare arat care este de fapt probabilitatea de eroare. Deci vom avea dreptate n propor#ie
de 98%.
Acesta este un exemplu despre logica inferen#ei statistice. Este necesar s-1 aprofunda#i
pentru a n#elege mecanismul care st la baza testrii ipotezelor n $tiin#ele sociale.
Etapele testrii unei ipoteze. Testul Z pentru a compara un caz cu o popula#ie cunoscut
Vom descrie etapele testrii unei ipoteze folosind exemplul de mai sus, cu vitaminele.
Reamintim c scopul farmaci$tilor era s demonstreze c prin administrarea vitaminelor,
copiii care le iau vor merge mai devreme dect cei care nu le iau. Sunt cinci etape n
procesul testrii unei ipoteze.

1.- Reformularea ntrebrilor termenii ipotezelor de cercetare si de nul.

O ipotez, n statistic, este o afirma#ie despre parametrii unei popula#ii, pentru c scopul
inferen#ei statistice este s descrie popula#ii pornind de la e$antioane. Dou sunt ipotezele cu
care lucrm:
ipoteza de cercetare (notat( H1): este o afirma#ie generalizat la popula#ia supus
investigrii, n cazul nostru, HI este c vitamina va accelera mersul tuturor copiilor care o
iau sau - cu alte cuvinte - to#i copiii care vor lua vitamina vor merge mai devreme dect cei
care nu o vor lua.
ipoteza de nul (notat( H0): este de fapt ceea ce noi testm n realitate si descrie situa#ia
de la care se porne$te, situa#ia n care interven#ia nu ar avea nici un efect, n cazul de fa#, H0
afirm c vitamina nu va accelera mersul copiilor care o iau, cu alte cuvinte, copiii care iau
vitamina vor merge la fel ca $i cei care nu o iau.
Observa#ii c cele dou ipoteze sunt mutual exclusive: dac una este adevrat, atunci
cealalt este fals. Mai mult, ipoteza de nul se consider implicit adevrat. Inferen#a
statistic se face cu referire la ea, iar probabilit#ile statistice (pragurile de semnifica#ie) care
nso#esc orice test statistic fac referire tocmai la ipoteza de nul.
S facem acum o mic incursiune n logica simbolic (nu da#i pagina $i nu trece#i mai
departe, nu e o chestie prea dificil pentru voi!).
Exist o regul n logic numit modusponens. Vom lua exemplul clasic:

A-B Dac cineva este om (A), atunci (,) el este muritor (B).
A Socrate este om.
B De aceea, Socrate este muritor.

73
Ra#ionamentul de mai sus este perfect rezonabil, nu? Dar exist o gre$eal care apare
frecvent n legtur cu acest ra#ionament, eroare numit afirmarea consecin#ei. Ea este:


A-B Dac cineva este om (A), atunci (,) el este muritor (B)
A Iat ceva ce este muritor.
B De aceea, acel ceva este un om.

Constata#i c un astfel de ra#ionament e gre$it, pentru c acel ceva poate fi orice fiin# vie
(ex. un mgar). Dac vom exprima ra#ionamentul de mai sus n termenii celor dou ipoteze
statistice, eroarea va apare astfel:

A-B Dac H0 este adevrat atunci probabilitatea sau pragul statistic (p) este mare.
B Probabilitatea este mare.
A? De aceea H0 este adevrat.

Ceea ce este gre$it. Dar exist o solu#ie pentru aceasta pe care tot logica ne-o pune la
ndemn: regula denumit modus tolens.


A-B Dac cineva este om (A), atunci (,) el este muritor (B)
non B Iat ceva ce nu este muritor.
non A De aceea, acel ceva nu este un om.

Aceasta este o interferen# valid, care se folose$te de disconformare. n termenii
ipotezelor statistice vom avea:

A-B Dac H0 este adevrat atunci probabilitatea sau pragul statistic (p) este mare.
non B Probabilitatea nu este mare.( deci p, pragul de semnifica&ie, este mic).
nonA De aceea H0 este fals.

'i dac ipoteza de nul este fals, atunci cea de cercetare este adevrat. Acesta este modul
n care ne confirmm ipotezele n statistic si n cercetare n general. Apropo, aceasta este si
ideea ce st la baza filosofici $tiin#ei a lui Karl Popper: c progresul n $tiin# se ob#ine
numai prin disconfirmare.
ncheiem aici incursiunea noastr n logica simbolic $i v reamintesc c rolul acestei
prime etape este doar stabilirea celor dou ipoteze.

2.- Stabilirea caracteristicilor distribu&iei de comparat (cea specificat prin ipoteza de nul)

Dup ce am stabilit ipotezele si popula#iile la care fac ele referire, trebuie s ne stabilim
cadrul de referin#, distribu#ia de comparat, ntruct ceea ce testm noi este ipoteza de nul,
evident c distribu#ia de referin# va fi cea a popula#iei corespunztoare ipotezei de nul.
n exemplul nostru, ipoteza de nul este aceea c vitamina nu are nici un efect, deci copiii
74
care iau vitamina vor merge la fel de devreme ca si cei care nu o iau. Distribu#ia la care ne
referim astfel este cea a vrstei de debut a mersului la copiii normali (care nu iau vitamina si
nici nu urmeaz vreun altfel de tratament special), deci avem o distribu#ie normal, care are
media 14 luni si abaterea standard de 3 luni.
Faptul c $tim forma si parametrii distribu#iei la care ne referim ne permite s cunoa$tem
tocmai probabilit#ile cu care diferite scoruri pot s apar atunci cnd alegem la ntmplare
indivizi din aceast popula#ie. Pe acest fapt se bazeaz testele statistice.

3.- Determinarea pragului de semnifica&ie #i a zonei de respingere" a ipotezei de nul.

n aceast etap trebuie s stabilim care sunt acele valori extreme care ne permit
respingerea ipotezei de nul. Pentru aceasta trebuie s ne fixm un prag de semnifica#ie (o
probabilitate) sub care s respingem ipoteza de nul, prag pe care l vom fixa pe curba
normal corespunznd distribu#iei de comparat.


8 luni 11 luni 14 luni 17 luni 20 luni
Scoruri Z - 2 - 1 0 +1 +2

distribu&ia normal a vrstei de debut a mersului la copil


Reamintim c sunt dou tipuri de praguri de semnifica#ie (am discutat despre ele n
capitolul anterior), cel de 1% si cel de 5%. n cazul de fa#, cercettorii ar trebui s-$i aleag
un prag de semnifica#ie mai strns, mai sever, pe cel de l % (consecin#ele n cazul unei erori
sunt foarte mari). Din tabelele care nso#esc orice manual de statistic vom constata c
punctului ce mparte distribu#ia normal n dou pr#i, una de 1% si restul de 99% i
corespunde nota z - 2,33. n cazul nostru, vom avea z = -2,33 pentru c ne referim la cele
mai mici l % dintre valorile popula#iei, cele marcate de sgeat si ha$ur pe figura
anterioar.
Aceasta reprezint si zona de respingere a ipotezei de nul. Ce nseamn acest lucru?
nseamn c dac n urma interven#iei noastre (vitamina) vom ob#ine un scor att de extrem
nct el se va ncadra n aceast zon, atunci vom fi siguri c doar n 1% din cazuri el ar fi
fost ob#inut dac ipoteza de nul ar fi fost adevrat, ntruct ipoteza de nul e adevrat n 1%
din cazuri, atunci n 99% din cazuri ea poate fi respins si ipoteza de cercetare acceptat.

75
4.- Determinarea scorului e#antionului analizat n cadrul distribu&iei de comparat

n aceast etap colectm datele de la e$antionul analizat $i localizm scorul astfel ob#inut
n cadrul distribu#iei de comparat.
Revenind la exemplul nostru, farmaci$tii trebuie s msoare la ce vrst ncepe s mearg
copilul ales pentru cercetare. El merge la 8 luni. ntruct distribu#ia este normal, iar notele z
folosesc la a stabili pozi#ia unui scor ntr-o distribu#ie, trebuie s transformm aceast not
brut n not standard, n exemplul nostru, dup cum observa#i $i pe curba normal trasat
anterior, notei 8 i corespunde scorul z = -2.

5.- Luarea deciziei de acceptare sau respingere a ipotezei de nul.

Acum, trebuie luat decizia. Comparm scorul ob#inut pentru zona de respingere a ipotezei
de nul (z = -2,33) cu cel ob#inut n cursul cercetrii (z =-2). Pentru a respinge ipoteza de nul
cu o probabilitate de eroare de doar 1%, noi ar fi trebuit s ob#inem un scor standard mai mic
sau cel mult egal cu z =-2,33. Din datele noastre, observm c scorul ob#inut este z = -2. n
acest caz, nu putem respinge ipoteza de nul cu o probabilitate de eroare de 1%, deci
farmaci$tii no$tri au e$uat n a demonstra eficacitatea vitaminei lor.

Alt exemplu:
S considerm un alt exemplu, pentru a n#elege mai bine $i a recapitula etapele testrii
ipotezei. Exemplul are la baz povestioara:
Un ziar studen#esc afirm c studen#ii Universit#ii Al.I.Cuza" Ia$i au
petrecut n luna martie 20 ore n medie la discotec, abaterea standard fiind
de 3 ore. Deci, studen#ii petrec n medie ntre 17 $i 23 ore pe lun la
discotec. Cunoscndu-i pe cei din cminul C12 din complexul Codrescu,
un student la psihologie consider c cei din acel cmin sunt mai
petrecre#i, deci c ei petrec mai mult timp la discotec. A$a c alege la
ntmplare un student din cminul C12 $i l ntreab ct timp a stat la
discotec n luna martie 24 ore la discotec. Poate sau nu studentul nostru
s afirme, cu o probabilitate de eroare de 5% c cei din C12 sunt mai
petrecre#i dect cei din universitate n general?

Etapa I :
ipoteza de cercetare (notat Hi):to#i studen#ii din C12 petrec mai mult timp la
. discoteca dect cei din universitate, m general.
ipoteza de nul (notat HO): studen#ii din C12petrec acela$i timp la discotec ca $i cei din
universitate n general.

Etapa I I :
Distribu#ia de comparat este una normal, care are media 20 ore $i abaterea standard de 3
ore.

Etapa I I I :
Pragul de semnifica#ie este de 5%, adic dorim s ne argumentm sau sus#ine ipoteza de
cercetare cu o probabilitate de eroare de 5%. Pentru aceasta zona de respingere a ipotezei de
76
nul va ncepe de la z = +1,64 (valoare luat din tabelele cu note z din cr#ile de statistic,
calculate pentru o propor#ie de 45% de cazuri de la medie). Pe curba normal am
reprezentat zona de respingere printr-un cmp ha$urat. Deci, ca s respingem ipoteza de nul
cu o probabilitate de 5% trebuie s ob#inem din datele noastre o not z de
cel pu#in l ,64 sau mai mult.













14 ore 17 ore 20 ore 23 ore 26 ore



Etapa IV
Culegem propriu-zis datele. Din exemplul oferit observm c am ob#inut la ntmplare o
not brut de 24 ore. Vom transforma aceast not brut n not standard, folosind formula
(4) din capitolul anterior.


x m
Z
SD

= (4)

Astfel scorul Z pentru cazul nostru va fi:


24 20
1,33
3
Z

= = + (4)

Etapa V:

Comparm acum nota astfel ob#inut (z=l,33) cu cea corespunztoare zonei de
respingere a ipotezei de nul (z=l,64) si constatm c suntem n afara" acesteia (trebuia s
ob#inem o not mai mare sau cel pu#in egal cu z=l,64). Astfel, nu putem respinge
ipoteza de nul, deci nu putem demonstra c cei din C12 sunt mai petrecre#i.

Ce s-ar ntmpla ns dac am lua n calcul nu un singur caz, ci un e$antion? De ce s nu
ntrebm mai mul#i studen#i din C12 ct timp petrec la discotec? S vedem ce se schimb n
acest caz.
77
Testul Z pentru a compara un e&antion cu o popula*ie cunoscut(

Vom utiliza aceea$i povestire ca si cea anterioar, doar c vom lua n calcul rezultatele a
10 studen#i ale$i la ntmplare din cminul C12. S presupunem c media celor 10 persoane
este 23, deci cei zece studen#i petrec n medie 23 ore la discotec.
Vom folosi tot testul z, doar c vom compara un e$antion cu o popula#ie.

S vedem dac cele cinci etape se schimb cumva.

Etapa I :
ipoteza de cercetare (notat HO:to#i studen#ii din C12 petrec mai mult timp la discotec
dect cei din universitate, n general.
ipoteza de nul (notat H0): studen#ii din C12 petrec acela$i timp la discotec ca si cei din
universitate n general.

Observa#i c prima etap rmne neschimbat.

Etapa I I :
Aici nu mai putem lucra cu aceea$i distribu#ie de comparat. De ce? Pentru c acum noi avem
de comparat rezultatele unui e$antion de 10 persoane care se comport ca un grup, cu
rezultatele ob#inute de studen#i, msura#i ca indivizi izola#i. Ori a$a ceva nu este corect. S
presupunem c avem n livad o grmad de mere pe jos, de mai multe soiuri. Lum la
ntmplare o ldi# cu mere. Nu putem compara caracteristicile ldi#ei de mere (s zicem c
avem n lad 80% mere ionatane $i 20% - mere parmen auriu) cu cele ale 'grmezii de mere
(mere care sunt fie ionatane, fie parmen auriu). Pentru a le putea compara, ar trebui s
aranjm $i merele din grmad n ldi#e de aceea$i dimensiune.
n acela$i mod, comportamentul grupului nostru de 10 studen#i trebuie comparat cu cel al
altor grupuri similare. Astfel, distribu#ia noastr va fi o distribu#ie de e$antioane de cte 10
persoane, extrase din popula#ia de indivizi izola#i. Mai precis, noua distribu#ie va con#ine
mediile tuturor acestor e$antioane, drept pentru care ea mai este denumit distribu#ie de
medii.
Care vor fi caracteristicile acestei noi distribu#ii, provenite din cea ini#ial? Imaginea
urmtoare este sugestiv n acest sens:














20
78

Mai sus avem reprezentat popula#ia ini#ial, format din indivizi, care are o distribu#ie
normal, cu media 20 ore si abaterea standard de 3 ore. Dac vom extrage din ea toate
e$antioanele de 10 persoane (toate combina#iile posibile) si vom calcula media acestor
e$antioane, apoi vom reprezenta grafic aceast nou distribu#ie, vom ob#ine distribu#ia de mai
jos:















20

Observa#i c media acestei distribu#ii de medii este tot 20. Ceea ce se schimb este ns
devia#ia sau abaterea standard. De ce? Explica#ia este simpl: comportamentul unui grup este
totdeauna mai pu#in variabil dect comportamentul individual. Exprimat n termeni de
probabilitate, probabilitatea ca ntr-un grup de 10 persoane extras la ntmplare, s avem
cazurile cele mai extreme din popula#ie (indivizii cei mai petrecre#i, de exemplu) este foarte
mic, dat fiind c ei nu sunt a$a numero$i n popula#ia ini#ial.
Ct va fi abaterea standard a acestei noi distribu#ii? Matematicienii au calculat acest lucru
pentru noi: dac extragem e$antioane de N persoane din popula#ia ini#ial, atunci varianta
distribu#iei de e$antioane va fi de N ori mai mic dect varianta ini#ial.
Varianta este ptratul devia#iei standard. Deci, varianta distribu#iei de medii va fi de 10 ori
mai mic dect varianta distribu#iei ini#iale (care este 9), deci va avea valoarea 0,90. Dac
varianta distribu#iei de medii este 0,90, devia#ia sa standard va fi rdcina ptrat a acestei
valori, deci va fi 0,94 (ore).
Acum, avem toate datele pentru a stabili care va fi distribu#ia de comparat. Ea este o
distribu#ie normal care are media 20 ore $i abaterea standard de 0,94 ore. Deci,
grupurile de cte 10 studen#i petrec n medie 20 ore la discotec, cu o abatere standard de
aproape o or.

Etapa I I I :
Pragul de semnifica#ie este de 5%, adic dorim s ne argumentm sau sus#ine ipoteza de
cercetare cu o probabilitate de eroare de 5%. Pentru aceasta zona de respingere a ipotezei de
nul va ncepe de la z = +1,64 ca $i n exemplul anterior Deci, ca s respingem ipoteza de nul
cu o probabilitate de 5% trebuie s ob#inem din datele noastre o not z de cel pu#in 1,64 sau
mai mult. Dar, aten#ie, aceast zone de respingere este pe distribu#ia de medii, nu pe cea a
indivizilor izola#i!

79



Zona ha$urat este zona de
respingere.




Etapa I V
Culegem propriu-zis datele. Din exemplul oferit observm c am ob#inut la ntmplare o
not brut de 23 ore. Vom transforma aceast not brut n not standard, folosind formula
(4) din capitolul anterior.

x m
Z
SD

= (4)

Astfel, scorul z pentru cazul nostru va fi:


23 20
3,19
0.94
Z

= = + (4)

Aten#ie! Devia#ia standard folosit n formula de mai jos este cea a distribu#iei de medii!

Etapa V
Comparm acum nota astfel ob#inut (z=3,19) cu cea corespunztoare zonei de respingere a
ipotezei de nul (z=l,64) si constatm c suntem n acest interval (cel ha$urat
din imaginea anterioar). Astfel, putem respinge ipoteza de nul, deci am demonstrat cu o
probabilitate de eroare de 5% c cei din C12 sunt mai petrecre#i dect cei din
universitate n general.

Testul t pentru a compara un e&antion cu o popula*ie la care &tim doar
media

De cele mai multe ori ns, nu cunoa$tem to#i parametrii distribu#iei. Folosind exemplul de
mai sus, cel cu studen#ii $i discoteca, s presupunem c citim n ziarul studen#esc numai
faptul c n luna martie studen#ii de la Al.I.Cuza" au petrecut n medie 23 de ore la
discotec, fr ca autorul articolului s precizeze abaterea standard. Ce facem n acest caz?
Noi avem nevoie de abaterea standard pentru a cunoa$te to#i parametrii ce descriu curba
normal. Sunm la redac#ie, dar aflm c ei nu mai dispun de datele brute. S-ar prea c
suntem ntr-o situa#ie fr ie$ire. Dar nu este a$a.
E$antionul la care noi avem acces, cei 10 studen#i din cminul C12, fac $i ei parte din
popula#ia tuturor studen#ilor de la Al.I.Cuza", nu? 'i atunci, probabil c o parte din
caracteristicile acestui e$antion, mai ales cele referitoare la varianta sa, se vor regsi $i n
popula#ia ini#ial, nu? E ca si cum am lua ni$te boabe de fasole ntr-o lingur si, pe baza
80
calit#ilor lor, decidem c si cele din oal vor fi similare (la fel de fierte). Desigur c n
popula#ia ini#ial variabilitatea este mai mare dect n e$antion, la fel cum n oal probabil c
vom gsi boabe mai fierte sau mai pu#in fierte dect cele din lingur.
S vedem acum care etap se schimb n acest caz. Prezentm mai jos modalitatea de
testare a ipotezei:

Etapa I :

ipoteza de cercetare (notat Hi):to#i studen#ii din C12petrec mai mult timp la discotec
dect cei din universitate, n general.
ipoteza de nul (notat HO): studen#ii din C12petrec acela$i timp la discotec ca si cei din
universitate n general.
Observa#i c prima etap rmne neschimbat.

Etapa I I :

Aici, distribu#ia de comparat va fi una de medii, nu de indivizi, dup cum am vzut $i n
exemplul analizat anterior, cnd cuno$team varianta popula#iei ini#iale. Aici apare ns
problema estimrii distribu#iei ini#iale, mai precis a variantei sale. Pentru aceasta avem
nevoie de datele brute ale e$antionului nostru.
S presupunem c rezultatele celor 10 studen#i din cminul C12 sunt urmtoarele:

X
18
25
23
20
21
28
26
23
25
21



Observa#i c media lor este aceea$i ca si n exemplul anterior, m=23. Cum calculm
varianta?

Vom folosi aceea$i metod ca $i cea prezentat ntr-unul din capitolele anterioare:




81
x x-m (x-m)
2
18 - 5 25
25 +2 4
23 0 0
20 - 3 9
21 - 2 4
28 +5 25
26 +3 9
23 0 0
25 +2 4
21 - 2 4


Ca s putem calcula varianta trebuie s calculm S S (suma ptratelor abaterilor de la
medie), n cazul nostru, adunnd coloana a treia vom ob#ine SS=84. Dac am dori s
calculm varianta din e$antion, ar trebui s mpr#im acest numr la 10 (numrul cazurilor).
Aceast informa#ie, varianta e$antionului, este ceea ce ob#inem noi n lingur cnd vrem s
vedem dac legumele din oal sunt fierte. Dar v reamintesc c noi trebuie s calculm
varianta popula#iei din care a fost extras, deci trebuie s estimm ce se afl n oal. Cum
facem? Nu putem dect s estimm aceast valoare, fr a o putea msura exact. O vom
ob#ine astfel cu probabilitate, iar matematicienii au stabilit c varianta popula#iei din care
provine un e$antion este cu pu#in mai mare dect cea a e$antionului. Mai exact, n loc s
dividem SS la numrul de cazuri din e$antion, pentru a afla varianta popula#iei, vom mpr#i
pe SS la N-l. Formula de calcul a variantei popula#iei va fi astfel:

1
SS
N
=

Observa#i c am folosit litere grece$ti n loc de litere latine. Conven#ia n statistic este
aceea ca parametrii popula#iei s fie nota#i cu litere grece$ti, iar cei ai e$antioanelor - cu
litere latine. Deci n loc de m (pentru medie), vom nota media popula#iei cu - devia#ia
standard n loc de SD se noteaz ., iar varianta n loc de SD
2
se noteaz cu .
2
.
Varian#a popula#iei va fi astfel
84
9, 33 a

= = . Devia#ia standard n acest popula#ie va fi

2
9,33 3, 05 = = =

Popula#ia astfel estimat, care are media 20 ore si devia#ia standard de 3,05 ore va fi
aproximativ normal. Am subliniat cuvntul aproximativ" pentru a reaminti c noi am
estimat varianta acestei popula#ii, nu am msurat-o. Ca urmare, ea va fi aproximativ
normal; mai precis, ea va fi o distribu#ie simetric, unimodal, dar mai turtit dect cea
normal. Aceast curb de distribu#ie este denumit curb t si a fost descris prima dat de
William Gosset, un statistician care $i-a spus Student (despre care ve#i putea citi mai multe
n povestioara de la nceputul capitolului urmtor) si care a inventat testul t. Faptul c este
82
mai turtit dect curba normal permite o ajustare a testrii ipotezei care #ine cont de
mrimea e$antionului folosit n estimare. Astfel, cu ct vom avea un e$antion mai mare de pe
baza cruia estimm popula#ia, cu att vom avea o curb t mai apropiat de cea normal.
Dar aceasta nu este dect popula#ia de indivizi, ori noi comparm un e$antion cu o
distribu#ie de e$antioane (revede#i subcapitolul anterior dac a#i uitat de ea). Ca urmare,
trebuie s comparm media e$antionului nostru cu o distribu#ie tot de medii, a unei popula#ii
de e$antioane de zece persoane extrase din popula#ia individual.
'tim, din capitolul antenor, ca aceasta distribu#ie de e$antioane va avea aceea$i medie ca
si media de indivizi izola#i (X = 0), dar o variant de N ori mai mic (
2
2
m
N

= ).
Am folosit indicii m pentru a distinge ntre popula#ia de indivizi si cea de e$antioane
(medii). Astfel, nlocuind n formule, popula#ia de e$antioane va avea media 20 ore $i
abaterea standard de 0,96 ore.

n concluzie la aceast mai degrab lung etap a Il-a din testarea ipotezelor, s amintim c
distribu#ia de comparat este n acest caz o distribu#ie t, de e$antioane, care are media 20 ore
si abaterea standard de 0,96 ore.

Etapa I I I

n aceast etap ne stabilim pragul de semnifica#ie (5%) si zona de respingere a ipotezei de
nul. Pn acum am folosit notele z si tabelele corespunztoare de la sfr$itul cr#ilor de
statistic pentru a determina de la care valoare a lui z vom respinge ipoteza de nul. Dar cum
acum nu mai avem o distribu#ie normal, va trebui s folosim alte note, notele t, care nu sunt
altceva dect notele standard ale distribu#iei t. Fiind note standard, ele vor avea o formul
similar, n cazul nostru:

m
m
m
t

=

n aceast formul, m reprezint media e$antionului nostru de zece studen#i (23 ore) -
m

este media popula#iei de e$antioane de 10 studen#i studen#e$ti de la Al.I.Cuza", iar am este
devia#ia standard a popula#iei de medii sau a distribu#iei de e$antioane. Acest din urm
termen mai este numit eroarea standard a mediei.
Ce valoare vom lua n calcul pentru a stabili valoarea lui notei t de la care respingem
ipoteza de nul? Depinde de numrul persoanelor din e$antion. S vedem cum arat un astfel
de tabel, pe care orice manual de statistic l are la sfr$it. Prezentm mai jos un fragment:








83


df .10 .05 .01
1 3.07 6.31 31.82
2 1.88 2.92 6.96
3 1,63 2.35 4.54
4 1.53 2.13 3.74
5 1.47 2.01 3.36
6 1.44 1.94 3.14
7 1.41 1.89 2.99
8 1.39 1.86 2.89
9 1.38 1.83 2.82
10 1.37 1.81 2.76
11 1.36 1.79 2.71

Dou sunt elementele care ne intereseaz pentru a determina valoarea lui t:
(A)- gradul de libertate, (calculat dup formula df =N-l)Acesta arat numrul de observa#ii
independente necesare pentru a determina omedie (dac cunoa$tem N-l scoruri si media, al
al N-lea este determinat de primele, nu mai poate lua orice valoare), n cazul nostru df =9.
(B)- pragul de semnifica#ie, stabilit de noi anterior la 5%. Valoarea lui t se va gsi astfel n
tabel la intersec#ia" acestor dou elemente. Constatm c t = l,83, deci zona de respingere a
ipotezei de nul va fi reprezentat descorurile mai mn de aceasta valoare, a$a cum este
reprezentat m figura de mai jos (zona ha$urat):











Etapa I V:

Este etapa culegerii datelor pentru a afla media e$antionului nostru (m=23) si a afla pozi#ia
sa n cadrul popula#iei de e$antioane. Pentru a afla aceast din urm informa#ie, vom folosi
formula pentru scorurile t (reamintim c lucrm cu o curb t si c notele standard n acest
caz sunt note t):


23 20
3,12
0,96
m
m
m
t

= = =


(B)
(A)
84
Etapa V:

Pe baza notei t calculate n etapa anterioar (3,12) si a notei t care stabile$te zona de
respingere a ipotezei de nul (1,83) vom trage concluzia cercetrii noastre, ntruct nota t a
e$antionului se gse$te n zona de respingere (a se vedea imaginea urmtoare), vom
concluziona c, cu o eroare de 5% putem respinge ipoteza de nul, ceea ce nseamn
acceptarea ipotezei de cercetare cu o aceea$i probabilitate de a gre$i.
















n concluzie, putem afirma cu o eroare de 5% c cei din cminul C12 sunt mai petrecre#i
dect studen#ii de la Universitatea Al.I.Cuza", n general.





Folosirea SPSS: meniul ANALYZE - COMPARE MEANS - ONE-SAMPLE
T-TEST



S vedem acum cum reu$im s aplicm testul t pentru a compara un e$antion cu o
popula#ie la care cunoa$tem doar media folosind programul SPSS. Introducerea teoretic
expus anterior ($i pe care nu o vom mai repeta n cele ce urmeaz cu alte metode statistice)
a avut rolul de a v familiariza cu logica testrii oricrei ipoteze.
Prezentm n continuare baza de date cu care vom lucra mai departe si pe care trebuie s o
introduce#i n programul SPSS (revede#i capitolele anterioare dac ave#i dificult#i n
introducerea datelor):







3,13
85

Nota Anx Zi_exam
8 6 1
7 7 1
7 5 1
8 5 1
9 6 1
10 7 1
5 5 1
4 6 1
7 7 1
7 6 1
8 5 1
9 4 1
6 6 1
9 4 1
8 5 1
10 7 2
8 8 2
7 5 2
10 5 2
7 6 2
8 4 2
7 2 2
8 3 2
9 4 2
8 2 2
7 3 2
8 4 2
10 5 2
10 3 2
5 2 2

Este vorba despre o cercetare n care psihologul a msurat gradul de anxietate al unor
studen#i la un examen (variabila ANX, msurat pe o scal de la l - deloc anxios, la 9 - foarte
anxios), precum si notele nregistrate de ace$ti studen#i la examen (variabila NOTA).
Psihologul a mai nregistrat si ziua din sptmn n care a avut loc examinarea (variabila
ZI_EXAM, cu valorile l="luni" si 2="miercuri"). Observa#i c avem 30 de cazuri si nu uita#i
s defini#i valorile l si 2 pentru variabila ZI_EXAM din coloana VALUES, perspectiva
VARIABLE VIE W (a$a cum artam n capitolul anterior).
Dup ce a cules datele $i le-a introdus n SPSS, psihologul a fost interesat s vad dac cei
30 de studen#i au ob#inut note mai ridicate dect 5. Cu alte cuvinte el dore$te s afle dac
studen#ii investiga#i se deosebesc fundamental de o popula#ie studen#easc carear ob#ine
media 5 la materia la care s-a dat examenul, ntruct accesul la o astfel de popula#ie
86
studen#easc este imposibil, deci nu putem msura al#i parametri n afara mediei, trebuie s
estimm variabilitatea sa, deci va trebui s aplicm testul t pentru a compara un e$antion cu
o popula#ie, a$a cum am fcut anterior cu cei 10 studen#i $i timpul petrecut la discotec.
Aplicarea testului t pentru a compara un e$antion se face din meniul ANALYZE, activnd
comanda ONE SAMPLE T TEST, ca n imaginea de mai jos:




Odat activat comanda, pe ecran apare fereastra de mai jos:




















Fereastra are elemente pe care le cunoa$tem din exemplele anterioare de folosire a
programului SPSS, dar si elemente noi. Astfel:

(1) - este cmpul cu variabilele prezente n baza de date;
(2) - este cmpul unde vom introduce variabilele pentru analizat (folosind butonul cu
sgeat dintre cele dou cmpuri si selectnd anterior variabila/variabilele cu
ajutorul mouse-ului);
(3) - reprezint valoarea la care testm noi ipoteza de nul, este media popula#iei la care ne
referim, cu care facem compara#ia e$antionului.
1
2
3
87
Observa#i un buton cu op#iuni (OPTIONS) n partea dreapt-jos a ferestrei. Activat, acest
buton va deschide la rndul su o fereastr precum cea de mai jos:


















De aici putem modifica pragul de semnifica#ie (pentru 5% vom lsa 95% n cmpul
CONFIDENCE INTERVAL, pentru un prag mai strns, de 1%, vom modifica valoarea din
acest cmp la 99). Indicat este s nu modificm setrile din aceast fereastr.
Apsa#i CONTINUE si apoi butonul OK din fereastra principal. Programul va deschide
automat o nou fereastr, n care v sunt prezentate rezultatele, ca n imaginea urmtoare:







Observa#i c rezultatele sunt grupate n dou tabele. Unul con#ine elemente de statistic
descriptiv (ONE SAMPLE STATISTICS), iar cellalt cuprinde date despre testul t propriu-
zis.

1
2
3
4
5
6 7
8
88
S analizm detaliat elementele OUTPUT-ului.
(1) - n aceast celul este prezentat media e$antionului nostru, m=7,80;
(2) - devia#ia standard a e$antionului investigat, SD=1,54, este trecut aici;
(3) - ultima celul a acestui prim tabel cuprinde eroarea standard a mediei, mai precis
devia#ia standard a popula#iei de e$antioane de cte 30 de subiec#i din care ar proveni un
e$antion precum este cel investigat de noi, .
m
=0,28;
(4) - este nota t a e$antionului nostru raportat la popula#ia de e$antioane care ar avea media
- = 5 (valoarea la care ne raportm) $i abaterea standard .
m
= 0,28. Valoarea lui t=9,95
a fost ob#inut dup formula:

7.80 5
9, 95
0, 28
m
m
m
t

= =

(5) - aici sunt trecute gradele de libertate pentru care a fost calculat valoarea lui t $i
probabilitatea de respingere a ipotezei de nul;
(6) - aici este trecut pragul de semnifica#ie real (numai primele trei zecimale). Pragul de
semnifica*ie arat care este probabilitatea de a gre$i atunci cnd respingem ipoteza de nul,
deci probabilitatea de a gre$i n sus#inerea ipotezei de cercetare, n exemplul nostru,
valoarea p=0,000 nu arat c suntem perfec#i n ceea ce sus#inem (computerul nu a mai avut
loc s arate toate zecimalele), ci doar c probabilitatea de eroare este foarte mic. ntr-un
astfel de caz, atunci cnd raportm valoarea lui p vom scrie p<0,01" artnd c eroarea este
mai mic de 1%; cnd avem un numr valid n dreptul lui p, vom trece primele dou
zecimale.
(7) - aici este pur $i simplu trecut diferen#a dintre media e$antionului nostru $i cea a
popula#iei la care ne raportm
(8) - reprezint intervalul de ncredere al diferen#ei dintre cele dou medii (7,80 $i 5)
corespunztor pragului de semnifica#ie de 5%. Cum se interpreteaz el? Diferen#a real
dintre media popula#iei din care provine e$antionul investigat de noi $i cea a popula#iei de
referin# se va gsi n intervalul 2,22 - 3,37. Deci ntre cele dou popula#ii am fi gsit, cu o
probabilitate de eroare de doar 5% mcar o diferen# de 2,22 puncte $i una de cel mult 3,37.

n interpretarea statistic a testului t, oricare ar fi tipul de test ales, elementele pe care ne
bazm interpretarea sunt:
pragul de semnifica*ie: care este probabilitatea de eroare atunci cnd acceptm ca
adevrat ipoteza noastr de cercetare. Pentru a ne confirma ipoteza de cercetare, pragul de
semnifica#ie trebuie s fie mai mic sau cel mult egal cu 0,05; eroarea nu trebuie s
dep$easc 5%.
gradul de libertate: arat care este mrimea e$antionului pe care s-a fcut testarea
ipotezei; cu ct este mai mare, cu att mai mult putem avea ncredere n rezultatele ob#inute,
indiferent dac ele confirm sau nu ipoteza de cercetare.
sensul diferen*ei: este dat de valoarea mediilor comparate $i arat n ce sens apare
diferen#a (care medie este mai mare sau mai mic).
n exemplul nostru, diferen#a dintre medii este ob#inut n favoarea e$antionului nostru.


89
Valoarea testului - t(29)=9,95 - $i a pragului de semnifica#ie p<0.01, arat c aceast
diferen# este semnificativ, deci studen#ii no$tri sunt semnificativ diferi#i de cei care ar avea
media 5 la materia respectiv, deci ei provin dintr-o popula#ie diferit. Aceast concluzie
poate fi afirmat cu o probabilitate de eroare mai mic de 1%.

Folosirea SPSS: meniul TRANSFORM RECODE

Ceea ce v prezentm n continuare nu se refer propriu-zis la prelucrarea statistic a datelor,
ci la diferite opera#ii de transformare a variabilelor de care s-ar putea s avem nevoie pe
parcursul analizelor noastre. Transformarea variabilelor nu nseamn modificarea datelor, ci
realizarea unor combina#ii valide pe seama variabilelor existente.

Recodificarea ntr-o variabil nou.

Spre exemplu, s presupunem c pentru o analiz ulterioar am dori s mprtim studen#ii
din cercetarea descris mai sus n dou grupuri: pe de o parte pe cei care au luat 8 sau mai
pu#in la examen, iar pe de alta pe cei care au luat peste 8. Cum facem?
Va trebui s recodificm variabila NOTA ntr-o nou variabil, s-o notm NOTATIP, iar
pentru aceasta vom folosi comanda RECODE - INTO DIFFERENT VARIABLE din
meniul TRANSFORM.
Prezentm n continuare meniul corespunztor acestei comenzi:













Aceast comand va activa fereastra de mai jos:

1
2
3
4
90
S analizm pu#in aceast fereastr:
(1) - este cmpul ce con#ine variabilele din baza de date;
(2) - este un buton ce activeaz diferite condi#ii (similar cu butonul IF descris n capitolul
anterior la comanda SELECT CASES);
(3) - este cmpul n care introducem numele noii variabile pe care dorim s o crem. El se va
activa imediat ce introducem o variabil n cmpul INPUT VARIABLE - OUTPUT
VARIABLE;
(4) - aici stabilim valorile noii variabile prin raportare la valorile vechii variabile. Selecta#i
acum variabila NOTA, introduce#i-o n cmpul din dreapta, cu ajutorul butonului cu sgeat
de pe fereastr. Alege#i apoi numele noii variabile si apsa#i butonul CHANGE. Ve#i
constata astfel schimbarea care se produce, la fel ca n imaginea urmtoare:












Odat ajun$i n etapa ilustrat de imaginea de mai sus, apsam butonul OLD AND NEW
VALUES pentru a stabili care sunt valorile pe care dorim s le recodificm in noua
variabil. Apsarea butonului deschide fereastra:


















4
1
2
3
5
91

S analizm mai amnun#it fereastra pentru a vedea cum o vom folosi:
(1) - este op#iunea marcat implicit si care permite nlocuirea unei singure valori din vechea
variabil cu una din noua variabil;
(2) - permite nlocuirea unui ntreg interval (la care cunoa$tem limitele inferioar si
superioar) cu o singur valoare;
(3) - permite nlocuirea unui interval pornind de la valoarea minim pn la o valoare
selectat de noi, inclusiv aceasta din urm, cu o valoare nou;
(4) - permite nlocuirea unui interval pornind de la o valoare selectat, exclusiv, pn la
valoarea maxim cu o valoare nou;
(5) - este butonul folosit pentru a pune n legtur dou valori, una de la vechea variabil cu
una de la variabila nou definit.
n cazul nostru, avem nevoie de op#iunile (3) si (4). Vom seta intervalul de la valoarea
minim la valoarea 8 s aib valoarea l n noua variabil si intervalul de la 8 la valoarea
maxim - valoarea 2, ca n imaginea de mai jos:




Dac am procedat corect, n final ar trebui s ob#inem fereastra urmtoare:
















92
Apsam butonul CONTINUE si apoi butonul OK pe fereastra principal. Observa#i
apoi ce se ntmpl n baza de date:










Observa#i c variabila nou apare n stnga ultimei variabile din baza de date. Observa#i de
asemenea si coresponden#a dintre valorile noii variabile si cele vechi (ex. c n dreptul
studen#ilor care au note sub valoarea 8 apare valoarea l la variabila NOTATIP si valoarea 2
acolo unde notele sunt peste 8).

Recodificarea aceleia#i variabile

Alteori ne este util s recodificm o aceea$i variabil, fr a fi necesar s crem una nou.
Spre exemplu, s presupunem c nu avem nevoie de scorurile brute ob#inute de studen#ii din
exemplul anterior la testul de anxietate (variabila ANX), ci de mpr#irea lor n dou grupuri,
grupul de studen#i care nu sunt anxio$i (care au scorul mai mic sau egal cu 5) si cei crora
examenul le provoac anxietate (scorul la variabila ANX s fie mai mare ca 5). De obicei, o
astfel de mpr#ire se face prin raportare la median.

Meniul pentru aceast transformare este urmtorul:













Comanda va fi activat din fereastra de mai jos:



93













Observa#i c aceast fereastr este asemntoare cu cea discutat anterior, cnd
recodificam variabila sub un nume diferit. Mai mult, avem op#iuni mai pu#ine. Aici, singurul
buton mai important, dar care exista si n cealalt fereastr, este butonul IF, descris mai jos:







Observa#i c alctuirea acestei ferestre, activat de butonul IF este identic cu cea
prezentat n capitolul anterior, pentru comanda SELECT CASES. De aceea, nu mai
"prezentm detalii acum, mai ales c pentru exemplul de fa# nu avem nevoie de o parte din
cazuri, ci dorim s le transformm pe toate.






94

Revenim la butonul OLD AND NEW VALUES care deschide fereastra:















Observa#i c aici, aceast fereastr este identic cu cea prezentat la comanda anterioar
cnd recodificam variabila sub un alt nume. Diferen#a const aici c ne referim la valoarea 5
si nu la 8. Dup ce am efectuat modificrile dorite, apsam CONTINUE si apoi OK n
fereastra principal si vom constata faptul c valorile variabilei ANX au fost schimbate n
baza de date n conformitate cu criteriile stabilite de noi:


















Exerci#iu:
Codifica#i $i variabila NOTA n acela$i fel.


95

TESTE DE COMPARA+IE (DIFEREN+) PENTRU
VARIABILE CANTITATIVE
(scale de interval sau de raport)


Cuprins:
Compara#ia variabilelor cantitative
Folosirea SPSS: meniul ANALYZE -COMPARE MEANS PAIRED SAMPLES T TEST
Folosirea SPSS: meniul ANALYZE -COMPARE MEANS-INDEPENDENT SAMPLES T
TEST
Folosirea SPSS: meniul TRANSFORME COMPUTE




Gosset, statisticianul berar
Cnd William S. Gosset a absolvit Universitatea Oxford cu o diplom n matematic $i alta n
chimie, faimosul productor de bere Guinness din Dublin, Irlanda, cuta tineri savan#i pentru a
produce bere dup metode $tiin#ifice, o premier n acele vremuri. Astfel, tnrul Gosset s-a trezit
de pe bncile $colii ntre cazane $i butoaie cu bere.
Problema cu care se confrunta Gosset a fost aceea de a face berea ct mai pu#in variabil $i de a
gsi cauza erorilor (ex. de ce unele tran$e de bere nu aveau gustul a$teptat). Orice savant i-ar fi
recomandat lui Gosset s realizeze experimente. Dar ce productor de bere $i permitea s cheltuie
sume importante de bani pentru a supune experimentelor zeci de butoaie cu bere? Astfel, Gosset
trebuia s se mul#umeasc cu cele cteva butoaie care ddeau gre$ $i s calculeze probabilitatea ca
un anumit soi de cereale folosit s fi cauzat eroarea. La asta se mai aduga $i faptul c el nu avea
nici o idee despre variabilitatea diferitelor soiuri de cereale (ex. poate regiunea n care cre$teau
influen#a caracteristicile lor).
Situa#ia 1-a for#at astfel pe Gosset s gseasc o metod simpl prin care s poat compara
diferitele soiuri de bere, o formul pe care s-o poat #ine minte u$or $i folosi adecvat. Pentru
aceasta a trebuit s se descurce pe cont propriu. Pentru colegii si de la fabrica de bere, el era un
profesor de matematic; pentru colegii si de la Laboratorul Biometric al Universit#ii din Londra
el nu era dect un simplu berar.
For#at s aplice ce a nv#at n $coal la situa#iile ntlnite n fabrica de bere, Gosset a descoperit
distribu#ia t $i a inventat testul t - simplicitatea ns$i - pentru situa#iile cnd avem e$antioane mici
$i variabilitatea popula#iei este necunoscut. Cea mai mare parte din munca sa statistic s-a
petrecut n biroul su din curtea fabricii, printre butoaie $i anvelope uzate, n final, metoda sa a fost
recunoscut $i foarte apreciat de comunitatea statistic dup ce - la insisten#ele unor editori - a
publicat un articol despre metode de realizare a berii".
Pn azi, cei mai mul#i statisticieni numesc testul t ca fiind testul lui Student" pentru c Gosset a
scris articolul cu pricina sub numele anonim de Student"; firma Guinness n-ar fi admis niciodat
c n butoaiele sale se poate produce bere proast!




96
Compara*ia variabilelor cantitative

Cum men#ionam n primele capitole, variabilele sunt de mai multe tipuri, n func#ie de
natura mrimii care variaz, ele pot fi cantitative si calitative. De fapt, dac facem referire la
scalele de msur cele mai cunoscute (nominal, ordinal, de interval si de raport), observm
c variabilelor calitative le corespund scalele de msur nominal si ordinal, n timp ce
variabilelor cantitative - scalele de interval si cele de raport.
n psihologie, majoritatea variabilelor dependente pe care le msurm sunt cantitative. Chiar
si acele variabile care descriu calit#i psihologice sunt, pentru statistic, tot variabile
cantitative, pentru c mrimea care variaz este o cantitate.
Spre exemplu, variabile extrovesiune - introversiune nu este o variabil calitativ, a$a cum
s-ar a$tepta un novice n ale psihologiei; oamenii nu se mpart n dou categorii: n
introverti#i $i extraverti#i. Nu, mai degrab exist un continuum care are la cei doi poli
trsturile extreme, iar oamenii se situeaz undeva pe acest continuum:




introvertit extravertit



De altfel, acest lucru este observabil si dac analizm construc#ia instrumentului de
msur, a chestionarului care arat ct de introvertit sau extravertit este un individ,
ntrebrile sunt acelea$i pentru ambele calit#i psihologice, ceea ce difer este rspunsul
subiec#ilor," care sunt ruga#i s estimeze frecven#a cu care fac anumite comportamente (ex:
De cte ori merge#i la petreceri?}, deci avem acela$i criteriu de varia#ie, un criteriu
cantitativ.
Dat fiind natura msurtorilor psihologice $i comoditatea folosirii scalelor de interval $i de
raport (care ofer cele mai multe informa#ii), majoritatea metodelor statistice pe care le vom
ntlni n psihologie sunt metode cantitative, care folosesc ca msurtori dependente
variabile cantitative, spre deosebire de sociologie, de exemplu, unde metodele sunt adaptate
variabilelor ordinale sau nominale, folosite preponderent n sondajele de opinie.
n capitolul anterior am vzut cum procedm atunci cnd dorim s comparm un individ
sau un e$antion cu o popula#ie despre care cunoa$tem unele informa#ii (de obicei numai
media). Situa#iile cu care ne confruntm n viata de zi cu zi sunt ns de alt natur: de cele
mai multe ori, noi comparm dou e$antioane ntre ele $i dorim apoi s generalizm
rezultatele la popula#iile din care provin aceste e$antioane, ntr-o astfel de situa#ie, nu
cunoa$tem nimic despre popula#iile din care provin ele; nimic cu excep#ia datelor din
e$antioane $i asta este suficient ca, aplicnd metoda dezvoltat de Gosset, s putem constata
diferen#ele.



97
Compararea a dou( e&antioane perechi

Cea mai simpl situa#ie de comparare a e$antioanelor este situa#ia de tip test - retest, n
care dorim s msurm dac ceva se schimb ca urmare a unor interven#ii. Spre exemplu,
msurm pacien#ii nainte de terapie $i apoi i msurm la ceva timp dup ce au nceput
terapia pentru a constata dac tratamentul a avut vreun efect.
Cum procedm ntr-o atare situa#ie? Care este ipoteza de nul $i care este popula#ia la care
ne referim?
S ne gndim pu#in. S presupunem c tratm pacien#ii de depresie. Noi nu cunoa$tem nici
nivelul (media) depresiei popula#iei de pacien#i nainte de a veni la terapie ($tim doar media
depresiei celor care au venit, nu a popula#iei din care ei provin) $i nici nivelul popula#iei
dup terapie. Dar nici nu ne intereseaz acest lucru (!). Noi suntem de fapt interesa#i de
diferen#a dintre cele dou popula#ii, oricare ar fi nivelul lor absolut. Este ca $i cum nu am
cunoa$te adncimea unui ru, dar putem msura totu$i nivelul de varia#ie al apei, dac
plasm un reper pe mal.
Deci ipoteza noastr de nul $i cea de cercetare trebuie s se refere tocmai la scorul
diferentelor dintre cele dou msurtori. Astfel, ipoteza de nul va fi aceea c nu exist nici o
diferen# ntre msurtori, deci media popula#iei de diferente va fi nul, iar ipoteza de
cercetare va fi aceea c totu$i media diferen#elor nu va fi zero.
Cum procedm mai departe? Noi avem rezultatele a dou e$antioane perechi (msurtorile
nainte de terapie $i msurtorile dup terapie) $i ne raportm la o singur distribu#ie, cea a
diferen#elor. Pentru a putea s facem aceast raportare ar trebui s avem tot un e$antion,
acela al diferentelor. Astfel, vom crea un nou e$antion (este ca $i cum am recodifica
variabilele) ale crui scoruri vor fi tocmai diferen#ele dintre scorurile finale si cele ini#iale
ob#inute de la pacien#ii no$tri.
Astfel, ajungem n situa#ia dinainte, unde comparam un e$antion (acela al diferen#elor
dintre scorurile finale $i cele ini#iale) cu o popula#ie la care cunoa$tem medie (media va fi 0 -
zero, conform ipotezei de nul c nu vor fi diferen#e semnificative).
Aceasta este logica testului t pentru e$antioane perechi; similar vom judeca $i n cazul n
care e$antioanele sunt independente. Nu vom mai insista asupra aspectelor teoretice, ci vom
trece la aplica#iile practice folosind SPSS-ul.

Folosirea SPSS: meniul ANALYZE - COMPARE MEANS -
PAIRED SAMPLES T TEST

Vom folosi un set de date pentru a putea s aplicm analizele statistice. Prezentm mai jos
aceste date, preciznd c ele sunt imaginare si ar descrie salariul ini#ial, la angajare si cel
dup cinci ani, pe care l aveau angaja#ii unei firme, n plus, n baza de date mai este trecut,
ca variabil ce grupeaz subiec#ii, nivelul studiilor acestora.





98
Studii Sal_ini Sal_fin5
1 158 268
1 165 198
1 145 158
1 189 199
1 198 201
1 197 220
1 168 205
1 201 203
1 185 185
1 156 168
1 175 178
2 198 201
2 199 203
2 201 225
2 201 260
2 220 280
2 210 274
2 214 298
2 205 305
2 301 582
2 332 542
2 341 392
3 221 445
3 206 401
3
3
3
298
301
332
502
403
503
3
3
358
598
402
854
3 654 954
3 214 425
3 258 725
3 245 625


Men#ionm c salariul este specificat n mii de lei. Valorile variabilei STUDII sunt: l-
primare, 2-medii si 3-superioare. Aceste valori trebuie trecute n cmpul VALUES din
perspectiva VARIABLE VIEW (revede#i primele capitole pentru aceasta).
Scopul analizei noastre este de a argumenta statistic dac salariul dup 5 ani este
semnificativ mai mare dect cel ini#ial, de la angajare. Ipoteza de nul este aceea c ntre cele
dou msurtori nu vom avea diferen#e semnificative, deci c salariul nu creste semnificativ.
S vedem cum analizm cu ajutorul programului SPSS.
Pentru a activa comanda necesar analizei statistice deschidem meniul ANALYZE si
alegem comanda PAIRED SAMPLES T TEST, ca n imaginea de mai jos:





99
















Odat activat comanda se deschide urmtoarea fereastr:















Analiznd fereastra mai n detaliu vom constata urmtoarele:
(1)- variabilele existente n baza de date sunt trecute, ca de obicei la orice fereastra de
analizm SPSS, n acest cmp;
(2) - cmpul de mai jos arat selec#ia curent, variabilele selectate pentru analiz. Aten#ie!
Spre deosebire de alte analize, pentru acest test se selecteaz dou variabile (o pereche);
selec#ia se face consecutiv.
(3) - este cmpul unde se va introduce perechea de variabile pentru analiz.

Dup selec#ie si introducere n cmpul de analiz, fereastra de mai sus ar trebui s arate
precum cea urmtoare:

1
2
3
100













Butonul OPTIONS este identic cu cel din fereastra testului t pentru compararea unui
e$antion cu o popula#ie, discutat n capitolul anterior. De aici putem selecta intervalul de
ncredere (stabilit implicit la 95%).
Apsnd butonul OK, programul ncarc fereastra cu rezultate (OUTPUT) ca mai jos:
















Output-ul este organizat n trei tabele. Prezentm detaliat primele dou:
(1) - aici este trecut perechea de variabile analizat. Aten#ie! Pentru a putea face analiza,
variabilele trebuie ntr-adevr s fie perechi". Asta nseamn pe de o parte c ele trebuie s
provin de la aceea$i subiec#i, sau de la perechi de subiec#i care au o legtur ntre ei (ex.
fra#i). Pe de alt parte, ntruct facem diferen#a ntre variabile, ele trebuie s se msoare n
acelea$i unit#i de msur.
(2) - n aceast coloan sunt trecute mediile celor dou e$antioane
(3) - numrul de subiec#i luat n calcul la analiz din fiecare e$antion este
reprezentat aici
(4) - devia#iile standard ale rezultatelor fiecrui e$antion sunt trecute n aceast coloan.

1
2
3
4
5
6 7
101
(5) - aici sunt reprezentate erorile standard ale mediilor sau, mai precis, devia#ia standard a
popula#iei de e$antioane de N subiec#i din care provin e$antioanele noastre

n al doilea tabel al foii de rezultate este trecut rezultatul corela#iei dintre cele dou
variabile. Astfel:
(6) - arat coeficientul de corela#ie dintre cele dou variabile
(7) - arat pragul de semnifica#ie al corela#iei, care este probabilitatea de eroare atunci cnd
afirmm c ar exista o legtur ntre variabilele analizate.
Al treilea tabel con#ine propriu-zis date despre testul statistic. S-1 privim cu aten#ie si s-1
analizm detaliat.





(1) - arat numele perechii de variabile luat n calcul. Observa#i c se ia n calcul diferen#a
dintre salariul ini#ial si cel final (nota#i semnul minus ce exist ntre variabile, nu este o
simpl liniu#)
(2) - aici este trecut media diferen#ei dintre mediile celor dou e$antioane, deci aici apare
diferen#a dintre medii. Faptul c este o valoare negativ arat c salariul final este mai mare
dect cei ini#ial.
(3) - n aceast celul este trecut devia#ia standard a e$antionului rezultat din diferen#ele
celor dou e$antioane.
(4) - reprezint devia#ia standard a popula#iei de e$antioane de diferen#e de scoruri (revede#i
partea teoretic de la nceputul capitolului dac v este neclar)
(5) - reprezint intervalul de ncredere al diferen#ei dintre mediile celor dou e$antioane,
apreciat cu o probabilitate de 95%. Cu alte cuvinte, folosind al#i 33 de subiec#i de la aceea$i
firm diferen#a dintre salariile lor ini#iale si finale
s-ar fi ncadrat cu o probabilitate de 95% n intervalul de ncredere.
(6) - este valoarea testului t, de fapt nota t a e$antionului de diferen#e n cadrul popula#iei de
e$antioane ob#inute prin diferen#a dintre scoruri.
(7) - reprezint gradele de libertate pentru care a fost calculat nota t, deci arat
caracteristicile curbei t la care ne-am raportat.
(8) - arat pragul de semnifica#ie sau probabilitatea de eroare atunci cnd respingem ipoteza
de nul. n cazul de fa#, valoarea sa foarte mic ne ndrept#e$te s respingem ipoteza de nul
ntr-o foarte mare msur.
1
2
3
4
5
6
7 8
102
Cum interpret(m rezultatele concret ob*inute?
Vom spune c analiza statistic realizat a permis identificarea unor diferen#e semnificative
ntre nivelul salariului dup cinci ani $i cel al salariului ini#ial; testul t pentru e$antioane
perechi t(32)=5,31 pentru p<0.01 argumenteaz statistic aceast ipotez. Observa#i c am
trecut valoarea absolut a testului t $i nu pe cea cu semnul minus. A$a se procedeaz n
general, semnul plus sau minus pe care-1 poate avea nota t fiind determinat de sensul n care
facem diferen#a. A$a c trebuie s precizm n interpretarea noastr n ce sens apare
diferen#a; n cazul nostru trebuie s spunem c salariul final, dup cinci ani este mai mare
semnificativ dect cel ini#ial. Acest fapt se observ din primul tabel unde sunt trecute
mediile e$antioanelor.
Si corela#ia joac rolul su n analiza datelor de fat. Ea arat dac subiec#ii $i
schimb ierarhia unii fat de al#ii, nu numai nivelul variabilei dependente de la o
msurtoare la alta. Avem aici trei cazuri posibile: nu avem corela#ie semnificativ: n acest
caz nu exist nici o legtur ntre ierarhia subiec#ilor la prima msurtoare $i cea ob#inut la
a doua msurtoare. Un astfel de rezultat, care arat c cele dou variabile perechi luate n
calcul sunt independente una de alta, ar putea fi interpretat n sensul c diferen#ele ob#inute
nu sunt sistematice, interven#ia noastr afectnd subiec#ii ntr-un mod oarecum haotic
corela#ie semnificativ, pozitiv: este cazul pe care l avem de fa#. Arat faptul c ierarhia
subiec#ilor se pstreaz ntr-o oarecare propor#ie de la o msurtoare la alta (ex. chiar dac
salariul final cre$te la toat lumea, cei care aveau salariul ini#ial mare comparativ cu restul, l
vor avea mare $i n final, comparativ cu ceilal#i), n acest caz, am putea aprecia c interven#ia
noastr (n cazul de fa# simpla trecere a timpului) afecteaz pe toat lumea n acela$i grad
corela#ie semnificativ, negativ: ilustreaz inversarea ierarhiei subiec#ilor de la o
msurtoare la alta; chiar dac nivelul general se schimb, cei care aveau scoruri ini#iale
mici comparativ cu restul vor ajunge n final s aib scoruri mari fa# de ceilal#i $i invers. Un
astfel de rezultat ar arta ca interven#ia este mai puternic la cei care aveau ini#ial scoruri
mici, pattern ntlnit adesea n testele care msoar eficacitatea unor tratamente.
Aten#ie! Testul t arat dac de la starea ini#ial la cea final se schimb nivelul general, n
timp ce corela#ia arat dac avem n acela$i timp $i o schimbare de ierarhiei


Folosirea SPSS: meniul ANALYZE COMPARE MEANS -
INDEPENDENT SAMPLES T TEST

Este ideal situa#ia experimental unde subiec#ii sunt $i propriul lor grup de control
(situa#ia test-retest). n alte situa#ii ns pur $i simplu nu avem cum s msurm subiec#ii
folosind metoda test-retest. De exemplu, folosind datele prezentate anterior, s presupunem
c ne-ar interesa s vedem dac nivelul studiilor afecteaz c$tigul salarial. Cu alte cuvinte,
ne intereseaz s vedem dac o variabil independent (n cazul de fa# nivelul studiilor)
afecteaz sau influen#eaz o variabil dependent (venitul).
Nu avem cum s msurm c$tigul subiec#ilor sub forma test-retest, pe msur ce ei trec da
la un nivel de educa#ie la altul, deoarece o astfel de trecere este - de obicei - continu, fr
pauze n cmpul muncii. Nici nu putem manipula direct variabila nivel de studii, putem cel
mult s o invocm , s o folosim pentru a mpr#i subiec#ii pe grupuri independente.
103
n acest caz avem nevoie de o alt metod, de testul t pentru e$antioane independente.
Men#ionm c nu este necesar ca cele dou e$antioane s aib acela$i numr de subiec#i.
Folosind SPSS, din meniul ANALYZE activm comanda INDEPENDENT SAMPLES T
TEST, ca n imaginea de mai jos:














Odat activat comanda , se va deschide fereastra:















S analizm aceast fereastr:
(1) - este cmpul unde se afl toate variabilele existente n baza de date
(2) - este cmpul unde vom introduce variabilele dependente (observa#i c putem introduce
mai mult de o singur variabil, deci putem vedea simultan efectul unei variabile
independente asupra variabilelor dependente). Re#ine#i c n acest cmp introducem ceea ce
msurm noi, variabila asupra creia dorim s observm influen#a variabilei independente.
(3) - este cmpul unde se introduce variabila independent sau variabila de grupare, a crei
influen# va afecta variabila sau variabilele de msurat.
(4) - variabilele independente sau de grupare au, de obicei, mai multe nivele de msur, n
cazul nostru, avem trei nivele, trei grupuri, corespunztoare celor trei nivele de studii
1
2
3
4
104
(primare, medii si superioare). Folosind butonul DEFINE GROUPS noi trebuie s precizm
doar dou dintre niveluri, ntre care dorim s facem diferentele.

Odat activat, butonul DEFINE GROUPS deschide fereastra de mai jos:







S presupunem c dorim s facem diferen#a ntre c$tigul salarial al celor cu studii primare
si al celor cu studii medii, n csu#ele corespunztoare grupurilor, vom trece valorile
variabilei independente care definesc acele grupuri. Astfel, vom trece l pentru cei cu studii
primare (a$a i-am definit cnd am introdus datele) $i 2 pentru cei cu studii medii. V
reamintesc c aceste valori (l $i 2) nu sunt numerice; pur $i simplu ele sunt dou coduri ce
permit diferen#ierea celor dou grupuri. Noi puteam s fi avut orice alte dou numere
diferite.
Dup ce vom introduce valorile corespunztoare grupurilor apsa#i butonul CONTINUE
$i observa#i ce se schimb n fereastra ini#ial:










Abia acum se activeaz $i butonul OK, care va deschide urmtorul OUPUT:


1
2 3
4
5
6
7 8
9
10
11
105
S analizm rezultatele n detaliu, rezultate prezentate n doar dou tabele:
(1) - arat variabila dependent (salariul ini#ial) care este analizat n func#ie de nivelurile
sau grupurile determinate de cea independent (studii)
(2) - arat numrul de subiec#i din fiecare grup independent luat n calcul
(3) - ilustreaz media fiecrui grup sau e$antion independent luat n calcul, n cazul de fa#a
putem observa cat c$tiga cei cu studii primare $i cat c$tiga n medie cei cu studii medii.
(4) - arat care este devia#ia standard n fiecare e$antion n parte. Observm astfel c exist o
mai mare varia#ie a c$tigurilor pentru cei cu studii medii dect pentru cei cu studii primare
(5) - precizeaz care este devia#ia standard pentru popula#iile de e$antioane de N subiec#i din
care ar proveni grupurile noastre. Observa#i $i aici diferen#e ntre cele dou grupuri.
Facem aici o mic $i necesar interven#ie, prin care s artm ct de importante sunt
informa#iile de la punctul (4) $i (5), fcnd apel din nou la exemplul cu oala de fasole S
presupunem c dorim s artm c dou soiuri de fasole, (s zicem albe $i negre) fierb
diferit. Cum procedm? Le punem pe amndou n aceea$i oal, le fierbem un timp, apoi
lum ntr-o lingur boabe din ambele soiuri (dup ce amestecm n prealabil foarte bine) $i
gustm. Dac vom sim#i diferen#e (adic cele dou soiuri de fasole se sfarm diferit), atunci
concluzionm c ele fierb diferit. E corect ra#ionamentul? Par#ial, pentru c diferen#e privind
consisten#a boabelor puteau exista de la nceput (un soi s fie mai tare dect cellalt, nefiert).
'i atunci? Ar trebui s #inem cont de acest fapt cumva.
n acest punct vom folosi testul lui Levene (punctele 6, 7 $i 8 din explica#iile ferestrei) care
testeaz egalitatea variantelor popula#iilor din care provin e$antioanele noastre (prezentat la
punctul 5 din explica#ii). Testul lui Levene, notat cu F, testeaz ipoteza de nul care afirm c
variantele popula#iilor din care provin cele dou e$antioane sunt egale.
S continum cu explica#iile ferestrei de OUTPUT:
(6) - precizeaz cele dou situa#ii posibile: cnd variantele sunt egale sau cnd ele sunt
inegale;
(7) - arat valoarea testului F, a lui Levene (vom discuta despre aceasta la capitolul despre
analiza de variant)
(8) - arat pragul de semnifica#ie sau probabilitatea de eroare pentru respingerea ipotezei de
nul n cazul testului lui Levene. n exemplul nostru, ntruct valoarea este mai mic de 0,05,
ipoteza de nul a egalit#ii variantelor este respins, deci putem accepta faptul c variantele
nu sunt egale.
Ajun$i aici $tim dac va trebui s ne uitm n continuarea tabelului pe primul sau pe al
doilea rnd (aceste situa#ii/rnduri sunt descrise la punctul 6 al explica#iilor), n cazul nostru,
ne vom uita pe rndul EQUAL VARIANCES NOT ASSUMED, adic ne aflm n situa#ia
cnd cele dou e$antioane provin din popula#ii cu variant diferit.
(9) - este valoarea testului t. Ea se ia n considera#ie n valoarea absolut $i aceasta se
raporteaz n cercetri; semnul notei t arat pur $i simplu sensul diferen#ei, dar de acesta din
urm ne putem da seama uitndu-ne la valoarea mediilor celor dou e$antioane.
(10) - arat gradele de libertate pentru care a fost calculat semnifica#ia notei t. Aceast
valoare se raporteaz n articolele $tiin#ifice ntre paranteze. Chiar
' dac ne uitm pe linia EQUAL VARIANCES NOT ASSUMED, unde avem valoarea lui
df=12,26, de obicei se raporteaz prima valoare a lui df, cea care este 20.
(11) - aici este trecut pragul de semnifica#ie sau probabilitatea de eroare care apare atunci
106
cnd respingem ipoteza de nul $i acceptm ipoteza noastr de cercetare, n cazul de fa# vom
avea p=0,005. Aceast valoare arat faptul c exist o probabilitate de 5 la mie de a gre$i
atunci cnd respingem ipoteza de nul, deci putem accepta ipoteza de cercetare cu aceea$i
probabilitate de eroare
Cum interpretm rezultatele concret ob#inute? Vom spune c analiza statistic realizat a
permis identificarea unor diferen#e semnificative ntre nivelul salariului ini#ial la cele dou
grupe de subiec#i sau, altfel spus, c variabila nivel de studii influen#eaz nivelul salarial
ini#ial; testul t pentru e$antioane independente t(20)=3,45 pentru p<0.01 argumenteaz
statistic aceast ipotez. Observa#i c am trecut valoarea absolut a testului t $i nu pe cea cu
semnul minus. A$a se procedeaz n general, semnul plus sau minus pe care-1 poate avea
nota t fiind determinat de sensul n care facem diferen#a. A$a c trebuie s precizm n
interpretarea noastr n ce sens apare diferen#a; n cazul nostru trebuie s spunem c salariul
ini#ial al celor cu studii medii este semnificativ mai mare dect al celor cu studii primare.
Acest fapt se observ din primul tabel unde sunt trecute mediile e$antioanelor.


Ca exerci#iu, demonstra#i aceea$i ipotez n legtur cu salariul final, dup 5 ani.



Folosirea SPSS: meniul TRANSFORM COMPUTE


Uneori, pe parcursul prelucrrii datelor este necesar s lucrm cu o combina#ie format din
variabilele deja existente n baza noastr de date. Spre exemplu, dac vom aplica testul 16PF
(un inventar de personalitate) si vom introduce n computer datele brute (rspunsurile
subiec#ilor la cele peste 400 si ceva de ntrebri), va trebui s grupm cumva aceste ntrebri
pentru a ob#ine scorurile pentru cei 16 factori msura#i de test.
Programul SPSS ofer o comand complex care este folosit tocmai pentru astfel de
transformri. O vom folosi ilustrativ n cele ce urmeaz.
S presupunem c, folosind baza de date discutat anterior, ne-ar interesa c$tigul salarial
mediu din cei cinci ani. Cu alte cuvinte, ar trebui s crem o nou variabil n baza noastr
de date care s fie media salariului ini#ial si a celui final, dup cinci ani.
Pentru aceasta vom activa comanda COMPUTE din meniul TRANSFORME, ca n
imaginea de mai jos:









107

Odat activat aceast comand va deschide o fereastr de unde vom putea face orice
combina#ii din variabilele deja existente n baza de date. Fereastra este prezentat n
continuare:



S analizm aceast fereastr n detaliu:
(1) - este manele noii variabile. Nu trebuie s dep$easc 8 caractere si nu trebuie s con#in
caractere speciale (ex, spa#ii, virgule, etc.)- i alegem dup dorin#a.
(2) - folosind acest buton vom activa o fereastr de unde putem modifica tipul noii variabile
si putem atribui o etichet. Reamintim c eticheta este o descriere mai detaliat a variabilei.
Este op#ional aceast comand.
(3) - este cmpul ce con#ine variabilele existen#e n baza de date
(4) - acesta este cmpul unde vom edita combina#ia de variabile care va sta la baza noii
variabile. Dup cum observa#i este vorba de combina#ii numerice.
(5)- este un cmp cu butoane care permit realizarea diferitelor combina#ii numerice realizate
cu numele variabilelor, n realizarea combina#iilor se aplic regulile tradi#ionale referitoare la
ordinea opera#iilor.
(6) - este un buton IF identic cu cel descris ntr-un capitol anterior, la comanda SELECT
CASES.
(7) - este un cmp care prezint diverse func#ii matematice. Ele se selecteaz, ,apoi se
introduc n cmpul unde scriem combina#iile numerice, cu ajutorul butonului cu sgeat de
deasupra acestui cmp. Func#iile sunt prezentate n ordine alfabetic, iar n paranteze este
trecut modalitatea n care trebuie scrise argumentele func#iei).

n exemplul nostru, unde dorim s realizm media celor dou variabile men#ionate, putem
s folosim o formul matematic de tipul celei deja scris n cmpul NUMERIC
EXPRESSION din fereastra prezentat anterior.
Dar, acela$i rezultat l putem avea folosind si func#ia MEAN. Avantajul acesteia const n
faptul c este mult mai facil atunci cnd dorim s calculm media a foarte multe variabile.
Cum procedm? Selectm func#ia MEAN din cmpul FUNCTIONS, ca n imaginea de
1
2
3
4
5
6
7
108
mai jos:








Observa#i care este forma argumentelor acestei func#ii (ceea ce este scris n paranteze).
Aceasta indic faptul c variabilele la care vom calcula media trebuie trecute ntre paranteze,
iar numele lor trebuie separat prin virgule. Vom proceda n consecin#; alegem func#ia, o
transferm n cmpul NUMERIC EXPRESSION si vom scrie numele variabilelor ntre
paranteze.


Dup ce scriem formula complet, apsam butonul OK si vom constata imediat urmrile n
baza de date. Vom vedea c la sfr$itul bazei, programul adaug noua variabil, precum n
imaginea de mai jos:



EXERCI)IU: ncerca#i s crea#i o nou variabil care s fie suma celor
dou variabile, salariul ini#ial $i cel dup 5 ani. Aplica#i func#ia SUM.



109
REGRESIALINIAR
- sau cum reu&im s( prezicem



Cuprins:
Regresia liniar - elemente teoretice
Regresia bivariat vs. Multivariat
Folosirea SPSS: Meniul ANALYZE - REGRESSION - LINEAR
Regresia cu dummy variables



Pascal #i-a nceput predic&iile statistice la masa de joc, apoi a nv&at s
parieze pe Dumnezeu n timp ce n Anglia statistica a nceput s fie folosit de
timpuri pentru a &ine eviden&a popula&iei, a msura influen&a bolilor #i a dovedi
existen&a lui Dumnezeu, francezii #i italienii #i-au adus propria lor contribu&ie n
statistic, dar la ... masa de joc!
n mod special, problema punctelor", cum era ea numit a atras aten&ia:
mpr&irea punctelor ntr-un joc de cr&i, dup ce acesta s-a ntrerupt, cunoscnd
numrul partidelorjucate pn atunci #i numrul total de partide dejoc planificate.
Problema a fost pus nc din 1494 de Luca Pacioli, un prieten de-al lui
Leonardo da Vinci, dar a rmas nerezolvat pn n 1654, cnd Blaise Pascal,
celebrul geniu francez, i-a gsit rezolvarea cu ajutorul teoriei probabilit&ilor.
Fiind n coresponden& cu Pierre Fermat, un alt celebru matematician francez,
Pascal nu a rezolvat numai problema punctelor", ci a progresat mult n teoria
probabilit&ilor aducndu-#i contribu&ii importante n descrierea curbei normale.
I nteresant este c imediat dup rezolvarea acestei probleme, Pascal a devenit
brusc religios. Aflat ntr-o trsur, a scpat de la nec dup ce s-a rupt un pod
imediat ce trsura 1-a traversat, iar hamurile cailor au rezistat pn n ultimul
moment.
Pascal a considerat aceast ntmplare drept un avertisment divin de a-#i
abandona munca matematic n favoarea scrierilor religioase, astfel c mai trziu el
a formulat principiul pariului lui Pascal": valoarea unui joc este valoarea
premiului ob&inut prin c#tigarea sa nmul&it cu probabilitatea de a-1 c#tiga.
De aceea, chiar dac probabilitatea ca Dumnezeu s exist ar fi extrem de mic,
ar trebui s credem n el pentru c valoarea premiului ar fi infinit, n timp ce dac
nu credem, valoarea J ocului" se reduce la o finit plcere lumeasc.









110
Regresia - elemente teoretice

Pn acum nu ne-am pus problema predic#iei n tot ceea ce am discutat anterior. Cu toate
acestea, n via#a de zi cu zi, ca psihologi sau cercettori n domeniul $tiin#elor sociale apare
adesea situa#ia prognosticrii unor anumite rezultate. Cum procedm atunci?
S lum un exemplu. S presupunem c vi se cere s face#i un studiu asupra pie#ei
imobiliare din ora$ul Ia$i. n acest caz v-ar interesa s pute#i prezice care sunt pre#urile
practicate pe aceast pia# pentru diferite tipuri de apartamente. Din ceea ce am nv#at pn
acum, am putea proceda astfel: lum la ntmplare un e$antion de apartamente dintre
acelea expuse pentru vnzare $i calculm media pre#ului de vnzare a lor. S presupunem c
media pre#ului de vnzare astfel ob#inut ar fi de 125 milioane lei. Am putea folosi aceast
valoare pentru a face predic#ii asupra pre#ului de vnzare? Sigur c da, numai c apar aici
anumite probleme: utiliznd aceast procedur - care e mai bun totu$i dect situa#ia n care
nu am avea nici o informa#ie - ignorm al#i factori ce ar putea avea legtur cu pre#ul de
vnzare al apartamentelor, cum ar fi suprafa#a locuibil, zona de reziden# a ora$ului, etc.
n exemplul de mai sus, ca $i n situa#iile descrise n capitolele anterioare, media a fost
tratat ca $i un parametru constant, fix ce descrie o distribu#ie. Aceast abordare ns, dup
cum am vzut, are limite. Mai degrab ne-ar fi de folos s tratm media ca o variabil ce ia
valori ntr-un anumit interval. Putem face acest lucru dac lum n seam devia#ia standard a
pre#ului de vnzare. S zicem c varia#ia, adic devia#ia standard, a pre#ului de vnzare ar fi
de 50 milioane lei. Deja $tim mai multe: pre#ul de vnzare al aproximativ dou treimi dintre
apartamentele din Ia$i este acum cuprins n intervalul de la 75 milioane lei $i pn la 175
milioane lei (12550). Acum $ansele noastre de a prezice pre#ul unui apartament anume din
Ia$i au crescut.
Mult mai acura#i n ceea ce prezicem am fi ns dac am #ine cont, de exemplu, de
suprafa#a locuibil a apartamentului. Spre exemplu, dac am avea o formul de genul:
Media pre#ului de vnzare = 40 milioane lei + 1,2 milioane lei * suprafa#a locuibil (mp)
Ce ne-ar spune o astfel de formul? C pre#ul de vnzare al unui apartament ar porni de la
suma minim de 40 milioane lei, n condi#iile n care ar avea 0 (zero) metri ptra#i de
suprafa# locuibil. Desigur, o astfel de situa#ie este imposibil, n cel mai ru caz, o
garsonier are suprafa#a de cel pu#in 16-20 metri ptra#i, n acest caz pre#ul unei garsoniere
ar fi:
Pre& =40 milioane +1,2 milioane * 20 mp - 64 milioane lei.
Dac am avea un apartament cu dou camere, de 40 metri ptra#i ca suprafa#, pre#ul ar fi:
Pre& =40 milioane +l,2 milioane *40mp =88 milioane lei.
Observa#i c acum suntem mult mai preci$i n predic#ia noastr. Acum, valoarea mediei pe
care o prezicem pentru costul apartamentului este variabil si ajustat n func#ie de suprafa#a
apartamentului. Desigur, predic#ia nu este nici n acest caz perfect, dar oricum e mult mai
aproape de realitate. Chiar dac nu toate apartamentele de 40 mp. cost 88 milioane lei,
varia#ia pre#ului n jurul acestei valori va fi de 15-20 milioane lei si nu de 50 de milioane, ca
n situa#ia n care suprafa#a apartamentului nu este luat n calcul.



111
n acest capitol vom vorbi despre metodele care ne ajut s putem face astfel de predic#ii.
Reamintim c predic#ia pe care o vom realiza este una de tip probabilistic, nu exact sau
precis, ntruct orice fenomen social este determinat de cauze multiple si este practic
imposibil de cunoscut varia#ia tuturor acestor factori-cauz. Dar, modelele noastre
probabilistice sunt oricum mult mai bune dect situa#ia n care nu am avea nici un instrument
la dispozi#ie.

Modelele probabilistice

A$a cum precizam anterior, modelele noastre de predic#ie sunt probabilistice. S vedem ce
nseamn acest lucru.

S lum un exemplu. Se $tie c o component important n vnzarea unui produs o
reprezint suma de bani cheltuit pentru reclam. S presupunem c ne intereseaz s
realizm un model care s prezic, s modeleze deci, nivelul profitului ob#inut lunar din
vnzarea unui produs, n func#ie de cheltuielile alocate pentru reclama produsului respectiv.

Prima ntrebare care ne vine n minte atunci cnd dorim s realizm acest model este dac
si ce fel de rela#ie exist ntre cele dou variabile (profit si cheltuiala pe reclam)? Putem
prezice exact valoarea profitului cunoscnd cheltuielile pe reclam? Trebuie s admitem c
acest lucru nu este posibil de cunoscut exact pentru c vnzrile depind si de al#i factori, al#ii
dect cheltuielile de reclam (ex. sezonul, starea general a economiei, structura pre#ului,
etc.). Chiar dac am #ine cont de to#i ace$ti factori tot nu am putea prezice exact-exact. Vor
exista varia#ii cauzate pur si simplu de fenomene aleatorii care fie nu pot fi explicate, fie nu
pot fi anticipate. Vom defini aceste influen#e aleatorii drept eroare aleatorie care va include
totalitatea influen#elor ntmpltoare asupra variabilei care ne intereseaz.
Dac ar fi s construim un model exact, care s prezic exact valorile unei variabile
cunoscnd toate valorile factorilor sau variabilelor ce ar putea s o afecteze, atunci am avea
un model deterministic. Spre exemplu, dac considerm c profitul va fi exact de 10 ori mai
mare dect cheltuielile cu reclama, atunci putem scrie:

y=10*x,
unde : y - arat profitul,
x - cheltuielile de reclam.

Dar ntruct profitul depinde si de al#i factori, nu numai de cheltuielile de reclam, atunci
trebuie s folosim un model probabilistic de predic#ie, care s #in cont si de influen#a
factorilor aleatorii. Un astfel de model ar fi:

y=10*x + eroarea aleatorie

unde: y - arat profitul,
x - cheltuielile de reclam
termenul de eroare aleatorie include toate celelalte influen#e ce nu pot
112
fi prezise, msurate, n acest caz termenul 10*y este numit componenta
deterministic a modelului probabilistic.

n general, n $tiin#ele sociale modelele de predic#ie sunt probabilistice, iar forma general
a acestora este:

y= componenta deterministic( + eroarea aleatorie

A$a cum vom observa n continuare, termenul aleatoriu joac un rol important n predic#ie
pentru c el ne va ajuta s stabilim magnitudinea de varia#ie a termenului deterministic din
model, permi#nd astfel o predic#ie ct mai precis (dar, reamintim, niciodat perfect).

Regresia bivariat( vs. regresia multivariat(

Cel mai simplu model de predic#ie este regresia bivariat. Termenul de regresie"
denume$te metoda folosit, iar termenul bivariat" arat c n model sunt doar dou
variabile. Acest model folose$te rezultatele ob#inute de subiect la o variabil pentru a prezice
rezultatele sale la o alt variabil. Prezum#ia care st la baza acestei metode este c ntre cele
dou variabile exist o legtur, o corela#ie, de fapt.
Cum artam n capitolele anterioare, atunci cnd vorbeam de corela#ie, reprezentarea
grafic a unei corela#ii se fcea cu ajutorul unui nor de puncte. S lum n considera#ie un
exemplu. S presupunem c am fi interesa#i s reprezentm grafic nivelul stresului unor
manageri n func#ie de numrul subalternilor superviza#i. Datele ar fi urmtoarele:



Nivel stres Nr. subordona*i


5 26


6 24


4 24


8 36


2 10








113
Reprezentarea grafic ar fi urmtoarea:












Observa#i c norul de puncte care descrie rela#ia este cresctor, deci rela#ia dintre
variabile este pozitiv: cu ct numrul de angaja#i superviza#i creste, cu att si nivelul
stresului managerului care i supervizeaz este mai mare. Mai observa#i ns c rela#ia nu
este perfect; punctele nu se n$iruie toate pe o linie dreapt, ci n jurul unei linii drepte. Ei
bine, sarcina regresiei liniare este tocmai de a gsi aceast linie dreapt fa# de care
punctele sunt cel mai pu#in deprtate.
S vedem care este criteriul dup care stabilim c punctele sunt cel mai pu#in deprtate de
linie, ceea ce n limbajul tehnic al statisticienilor nseamn a potrivi linia".

Criterii posibile pentru a potrivi linia"

Vom lua pentru aceasta un exemplu mai simplu, cu doar trei puncte.

1. Minimalizarea sumei tuturor erorilor

Aceasta ar nsemna ca abaterile simple de la linie s fie, nsumate, la un nivel minim.










Am ilustrat mai sus faptul c acest criteriu, de minimalizare a erorilor sau abaterilor simple
de la linie nu este unul potrivit. 'i n figura din stnga si n cea din dreapta erorile sunt
minime (n sensul c cele pozitive le anuleaz pe cele negative), dar liniile sunt diferite.
Observm astfel c un astfel de criteriu nu distinge ntre liniile care ar potrivi" punctele, ori
noi avem nevoie de o singur linie si numai una.
+
-
-
-
+
+
Y
X
Y
X
114


2. Minimalizarea sumei ptratelor tuturor erorilor

Este un criteriu mult mai bun, pentru c anuleaz semnul abaterilor si un punct care se
abate cu o distant deasupra liniei va conta la fel de mult ca si altul care se abate cu aceea$i
distant, dar dedesubtul ei. Observa#i c dac am ridica la ptrat erorile (abaterile de la linie)
din figurile de mai sus, n imaginea din stnga am ob#ine o sum mai mic dect n cea din
dreapta. Deci linia din dreapta, cea cresctoare pare mai potrivit pentru a descrie norul de
puncte.
Mai mult, matematic se poate demonstra c utiliznd acest criteriu exist numai $i numai o
singur linie care potrive$te" cel mai bine toate punctele.
Deci acest criteriu st la baza gsirii liniei de regresie.

* * *


Fr a intra n detaliile matematice legate de calculul coeficientului de regresie care
presupun cunoa$terea algebrei matriceale, din clasa a Xl-a de liceu) vom preciza c prin
aplicarea regresiei liniare vom ob#ine ecua#ia algebric a liniei care ndepline$te criteriul
men#ionat anterior (acela de minimalizare a sumei ptratelor distan#elor tuturor punctelor
pn la linie).

Regresia bivariat folosind notele Z

Vom reveni acum la exemplul cu managerii $i subalternii. Dac vom calcula coeficientul
de corela#ie, vom ob#ine r=0,94.
Cel mai simplu model de regresie sau predic#ie bivariat este cel folosind scorurile z:
cunoscnd nota z a unei persoane la o variabil s ncercm s prezicem valoarea notei z a
aceleia$i persoane ob#inut pentru cealalt variabil. Acest din urm scor l vom afla
multiplicnd prima not z cu un coeficient (numit coeficient de regresie),ca n formula de
mai jos:


y
= . * Z
x


n cuvinte, formula s-ar traduce astfel: scorul standard prezis pentru variabila y (
y
)
ob#inut de o persoan va fi ob#inut prin nmul#irea scorului standard ob#inut de aceea$i
persoan la variabila x (Z
x
)cu valoarea coeficientului de regresie standardizat (/).
Observa#i tilda care se afl deasupra scorului standard a variabilei y; ea arat c valoarea
astfel ob#inut nu este cea real, msurat, ci este valoarea prezis.
Variabila y din model, cea a cror valori dorim s le prezicem, se nume$te variabil
dependent sau criteriu, n timp ce variabila x, cea pe baza creia facem predic#ia, se
nume$te variabil independent sau predictor.
115
Fr a intra n detaliile matematice, trebuie s precizm c valoarea coeficientului
standardizat de regresie este tocmai valoarea coeficientului de corela#ie dintre variabilele x $i
y.
Astfel, n exemplul cu managerii vom avea ecua#ia de regresie:


y
= 0,94 * Z
x

Cum interpretm rezultatul? S presupunem c vom dori s prezicem nivelul stresului
managerilor cunoscnd numrul de subalterni superviza#i. Deci variabila y este nivelul
stresului, iar variabila x va fi numrul de subordona#i. Vom spune c scorul standard care
arat nivelul stresului managerului va fi 0,94 din scorul standard ce descrie numrul
subalternilor.
Cu alte cuvinte, dac unui manager i se mre$te numrul subalternilor cu valoarea unei
devia#ii standard din acea distribu#ie (adic scorul su , Z
x
, va cre$te cu 1), nivelul stresului
va cre$te de 0,94 ori. Altfel spus, dac avem o varia#ie de 100% a numrului de subalterni
repartiza#i unui manageri, nivelul stresului su variaz doar 94%. De aceea metoda se
cheam regresie, pentru c neavnd o rela#ie perfect ntre dou variabile (coeficientul de
corela#ie s fie +1 sau -1), varia#iei dintr-o variabil i va corespunde o varia#ie mai mic n
cadrul celeilalte, deci varia#ia regreseaz.

Regresia bivariat( folosind notele brute

Folosirea scorurilor standard este ns anevoioas $i ne este mai util s folosim direct
scorurile brute pentru a face predic#iile. Desigur am putea transforma scorurile brute n
scoruri standard $i invers, dar asta ar fi o opera#ie care ne ia timp.
n plus, folosirea scorurilor brute este mult mai apropiat de n#elesul regresiei liniare (de a
gsi o linie care s potriveasc" punctele).
Ecua#ia regresiei bivariate liniare folosind scorurile brute este:

/ = B
0
+ B
1
* X

Observa#i c aceast ecua#ie este foarte apropiat de ecua#ia general a unei linii, y=a + bx,
iar n#elesul coeficien#ilor de regresie este acela$i ca $i al coeficien#ilor din ecua#ia unei linii.
Coeficientul a arat intersec#ia liniei cu axa OY, iar coeficientul b este valoarea tangentei
unghiului d, adic arat cu cte unit#i cre$te variabila Y atunci cnd variabila X cre$te cu o
singur unitate.








0
a
0
X
Y
116
La fel, coeficientul B, arat care este valoarea cu care cre$te Y atunci cnd variabila X
cre$te cu o unitate. Mai precis, pentru cazul regresiei bivariate, el este dat de formula:


1
y
X
SD
B r
SD
=

unde - r este coeficientul de corela#ie,
- SD arat, devia#iile standard pentru cele dou variabile.

Coeficientul B
0
se calculeaz cu formula:

B
0
= M
y
B
1
* M
x


Revenind la exemplul cu managerii $i subalternii avem:

r = 0,94
M
Y
= 5
M
x
= 24
SD
Y
= 2,23
SD
X
= 9,27

Nu are importan# cum am calculat aceste valori. Ideea este s vedem cum anume
calculm coeficien#ii de regresie:

Astfel,


1
2, 23
0,94* 0, 22
9, 27
y
X
SD
B r
SD
= = =


0 1
* 5 0, 22*24 0, 28
x
B M B M = = =

Deci, ecua#ia de regresie va fi:





Cum interpretm ecua#ia? Pur $i simplu nlocuim valorile lui X n ecua#ie $i aflm
valoarea prezis a lui Y. Spre exemplu, un manager care supervizeaz 10 angaja#i, va avea
valoarea stresului de (-0,28+0,22*10), adic 1,92, n timp ce un manager care supervizeaz
30 angaja#i va avea stresul 6,32.
Observa#i c valoarea coeficientului de regresie ne spune mai multe dect valoarea
coeficientului de corela#ie: cu cte unit#i cre$te variabila Y (stresul), cnd variabila X
= -0,28 + 0,22*Y
117
(numrul subalternilor) cre$te cu o unitate. Sau putem interpreta situa#ia $i altfel:
coeficientul de regresie Bl arat care este diferen#a n nivelul stresului la doi manageri
atunci cnd ei sunt identici din toate punctele de vedere, iar unul dintre ei are cu un
subaltern mai mult n subordine.

Regresia multivariat(


Pana acum am prezentat situa#ia m care am prezis rezultatele ob#inute de subiec#i la o
variabil n func#ie de rezultatele lor msurate la o alt variabil. Dar n via#a real, o
variabil este n legtur cu mai multe variabile, nu numai cu una singur $i atunci predic#ia
noastr s-ar mbunt#i dac am #ine cont de rela#ia existent ntre toate variabilele si cea pe
care dorim sa o prezicem.
Coeficientul de corela#ie multipl - asocierea dintre o variabil $i dou sau mai multe
variabile - notat cu R, ne arat tocmai ct de mult putem noi s prezicem rezultatele
variabilei dependente cunoscnd pe cele ale variabilelor predictori. Mai precis, valoarea lui
R
2
arat care este varia#ia din variabila Y (variabila dependent) explicat de varia#ia din
variabila (variabilele) X (variabilele predictori sau independente).




n diagramele prezentate anterior am reprezentat cazul regresiei bivariate (stnga) fa# de
cazul regresiei multiple (dreapta). Cercurile reprezint varia#ia total a
variabilelor.
Ceea ce noi putem explica prin modelele noastre de regresie este tocmai zona delimitat
cu a. Iar valoarea lui R
2
se refer tocmai la aceast por#iune de variant. Zona notat cu b
este varianta fenomenului Y pe care modelul nostru nu o explic, deci influen#a altor factori
pe care nu-i putem prevedea sau msura.
Observa#i c la regresia multipl, avem avantajul c fiecare din variabilele predictori
explic (sau ar trebui s explice) cte o por#iune din varianta variabilei dependente Y, astfel
c pe ansamblu vom explica mai bine fenomenul (zona b se mic$oreaz).
Nu intrm acum n detalii legate de posibilele erori care pot apare n modelele de regresie
multipl (ex. multicolinearitatea sau existen#a rela#iilor supraordonate) si care fac obiectul
analizei reziduurilor sau a erorilor (elemente de statistic avansat).
Men#ionm c ecua#ia de regresie pentru cazul regresiei liniare multiple se ob#ine prin
extinderea ecua#iei de regresie bivariat dup cum urmeaz:
X1
X2
b
a
X
Y
b
a1 a2
Y
118



Prezentm n continuare cum se realizeaz o analiz de regresie folosind programul SPSS
(pentru a $ti care este meniul si op#iunile ce le avem la dispozi#ie), lsnd la latitudinea
cititorului s aprofundeze domeniul regresiei folosind lucrrile de specialitate deja existente
pe pia# (vede#i lista cr#ilor recomandate la sfr$itul acestui volum).

Folosirea SPSS; meniul ANALYZE - REGRESSION LINEAR

Pentru a putea demonstra modalitatea n care programul SPSS se folose$te la regresie,
vom lucra cu o baz de date conceput pentru acest scop.
Datele arat informa#ii culese despre fumtori (informa#ii imaginare), referitoare la
numrul de #igri fumat zilnic (NRCIGZI), vrsta ini#ial la care persoana a nceput s
fumeze (VIRSTINI), venitul persoanei (VENIT) si nivelul studiilor, msurat prin anii de
studiu (STUDII).
Baza de date este prezentat n tabelul urmtor, iar introducerea ei n baz se face dup
cum am prezentat si n capitolele anterioare.

NRCIGZI VIRSTINI VENIT STUDII
25 15 348 8
10
20
25
20
289
380
8
9
26 19 420 8
28 18 254 7
40 9 589 9
50 8 624 11
12 18 357 5
12 15 350 16
10 27 289 16
5 32 257 16
19 11 399 15
5 26 289 18
4 21 368 14
18 15 456 18
12 10 425 5
10 17 410 6
25 18 411 7
23 20 411 8
22 21 457 7

Dup ce am introdus datele, le vom defini (folosind perspectiva VARIABLE VIEW), a$a
cum este prezentat n imaginea de mai jos:

0 1 1 2 2
* * ... *
n n
B B X B X B X = + + + +
119




Definirea se face n coloana LABEL, ca mai sus. Nu vom mai face alte modificri.
Observa#i c toate variabilele sunt dependente (adic le-am msurat pe toate $i nici una nu
grupeaz subiec#ii n vreo categorie) $i exprimate numeric, cantitativ. Reamintim c datele
nu sunt reale, ci imaginare.
n acest exemplu, dorim s prezicem cantitatea de #igri fumat zilnic de o persoan la
vrsta de 40 ani (NRCIGZI), n func#ie de celelalte variabile cunoscute: vrsta de debut a
fumatului, venitul $i educa#ia respectivei persoane.
Vom aplica pentru aceasta regresia liniar. Activarea meniului pentru regresia liniar se
face cu ajutorul comenzii LINEAR din meniul ANALYZE -> REGRESSION, ca n
imaginea de mai jos:













Odat apelat, comanda va activa fereastra urmtoare, pe care o vom explica n detaliu,
dar fr a folosi ulterior toate op#iunile (ar trebui s dedicm un ntreg volum numai acestei
metode, foarte complexe).







120
















S analizm fereastra anterioar n detaliu:
(1) - este cmpul ce cuprinde toate variabilele existente n baza de date;
(2) - este cmpul unde trebuie introdus variabila dependent, cea pe care dorim s o
prezicem;
(3) - desemneaz butoanele folosite pentru a construi modele de regresie construite
ierarhic, prin adugarea sau scoaterea, pe rnd a cte unei variabile independente (sau grup
de variabile independente) din model;
(4) - este cmpul folosit pentru inserarea variabilelor independente, n cazul folosirii
modelelor ierarhice, n care variabilele sunt adugate una cte una n model, se introduce
procedeaz astfel: se introduce prima variabil (bloc de variabile), apoi se apas butonul
NEXT de deasupra, se introduce urmtoarea variabil si iar se apas NEXT, etc.
(5) - n acest spa#iu vom preciza metoda aleas pentru a face regresia (este o op#iune pentru
cunosctorii avansa#i), si este folosit tot la modelele de regresie ierarhic, cnd dorim s
analizm influen#a variabilelor independente adugate sau scoase pe rnd din model.
Varianta implicit este suficient de bun pentru modelele simple. Pentru o mai bun
informare s comentm op#iunile din acest spa#iu, men#ionnd c rolul acestei op#iuni este
de a analiza influen#a separat a unei variabile (sau grup de variabile) asupra variabilei
dependente:
a. ENTER: toate variabilele independente care se gsesc n cmpul de mai sus
vor fi tratate ca un bloc comun de variabile si introduse ca atare n analiz;
b. STEPWISE: fiecare bloc de variabile independente care nu este nc inclus n
ecua#ie este raportat la criteriul de selec#ie (despre acesta vom vorbi mai
departe la butonul OPTIONS), apoi variabila (blocul de variabile) este
introdus n ecua#ie sau scoas din model. Procedeul se repet pn cnd
toate variabilele independente sunt introduse n model sau excluse.
c. REMOVE: exclude de la analiz variabilele dintr-un bloc.
d. BACKWARD: Variabilele deja existente n ecua#ie sunt excluse una cte una,
dac ndeplinesc criteriul de excludere, pn cnd nici o variabil din ecua#ie
1
2
3
4
5
6
7
8
9
10 11 12
121
nu mai satisface acest criteriu.
e. FORWARD: Este un procedeu invers celui anterior: variabilele ce nu se
gsesc n ecua#ie sunt evaluate conform cu criteriul de excludere si sunt
introduse n ecua#ie una cte una.
(6) - n acest cmp putem introduce variabile pentru a selecta anumite cazuri sau anumite
condi#ii. De obicei se introduc variabile categoriale, dar pot fi introduse si variabile
cantitative, specificnd cu ajutorul butonului RULE, regula dup care s se fac selec#ia
cazurilor luate n calcul (ex. pentru scoruri egale sau mai mici dect o anumit valoare,
etc.).
(7) - n acest cmp se introduc de obicei variabile categoriale, programul va executa regresia
n mod obi$nuit, doar c la executarea graficelor (de tip scatter-plot, ca si cele ale
corela#iei), punctele vor fi etichetate (vor primi un nume), n func#ie de valorile variabilei
selectate n acest cmp;
(8) - prescurtarea WLS provine din englezescul WEIGHTED LEAST
SQUARES si reprezint o variant a metodei obi$nuite de regresie numit prescurtat OLS
(ORDINARY LEAST SQUARES).
(9) - cuprinde butonul care permite calcularea diferi#ilor parametri despre care vom vorbi
detaliat n continuare.
(10) - permite realizarea diferitelor grafice prin care se analizeaz reziduurile sau erorile
modelului pentru a vedea validitatea $i puterea de predic#ie a acestuia.
(11) - acest buton activeaz comenzile pentru crearea a noi variabile n baza de date, n
func#ie de modelul regresiei. Vom analiza detaliat op#iunile n cele ce urmeaz.
(12) - de aici vom selecta criteriile folosite pentru metodele de selec#ie a variabilelor n
model, descrise la punctul (5).

n exemplul ales demonstrativ, vom alege un model mai simplu de regresie. Vom
construi, n pa$i, trei modele teoretice de predic#ie, adugnd pe rnd variabilele
independente. Prima dat, primul model va con#ine ca variabil independent variabila
VIRSTINI, vrsta la care persoana s-a apucat de fumat. Pentru aceasta vom introduce
variabila dependent (NRCIGZI) n cmpul pentru variabile dependent si VIRSTINI n
cmpul cu variabile independente, ca n imaginea de mai jos:














122
Apsam butonul NEXT, pentru a construi urmtorul bloc de variabile independente,
urmtorul model de regresie. Observa#i c prin apsarea lui NEXT, cmpul cu variabile
independente se gole$te. Acum vom pune n el variabilele VIRSTINI si VENIT, acestea
dou formnd acum al doilea bloc, al doilea model de regresie. Fereastra de pe ecran ar
trebui s fie ca n imaginea urmtoare:
















Vom apsa din nou butonul NEXT si vom construi al treilea si ultimul bloc, punnd n
final, n cmpul cu variabile independente toate cele trei variabile predictor : VIRSTINI,
VENIT, STUDII ca n imaginea de mai jos:














Observa#i c pentru fiecare dintre blocuri am folosit metoda ENTER, astfel c variabilele
independente din fiecare din ele vor fi tratate ca un grup, iar modelul de predic#ie va fi
construit pornind de la aceast asump#ie.
ntruct folosim metoda clasic, OLS, nu vom activa butonul WLS, care presupune
atribuirea unui numr cu care s ajustm valoarea coeficien#ilor de regresie. Nu intrm n
detalii privind aceast op#iune.
123
Programul SPSS calculeaz implicit anumi#i parametri ai modelului de regresie. Cu toate
acestea, op#iunile pe care le avem la ndemn sunt mult mai variate. Ele se gsesc n
fereastra activat de butonul STATISTICS, pe care o vom analiza detaliat n cele ce
urmeaz.
Pentru a solicita programului s calculeze anumi#i parametri trebuie s bifa#i n
ptr#elul corespunztor fiecruia dintre ace$tia.














S analizm pe rnd op#iunile:
1 ESTIMATES: pentru fiecare variabil independent introdus n model programul
calculeaz coeficien#ii standardiza#i si cei nestandardiza#i de regresie, eroarea standard a
acestora, si pragul de semnifica#ie pentru testul t care testeaz ipoteza de nul c valoarea
acestui coeficient este zero.
1CONFIDENCE INTERVALS: pentru fiecare coeficient nestandardizat
de regresie este calculat intervalul de ncredere corespunznd lui 95%
(probabilitatea ca valoarea real a coeficientului s se gseasc n intervalul de
ncredere este de 95%).
1COVARIANCEMATRIX: pentru modelele de regresie multipl (cum este si cazul
nostru) programul SPSS afi$eaz o matrice ptrat, care con#ine covanan#ele coeficien#ilor
nestandardiza#i de regresie dispuse sub diagonala principal, corela#iile - deasupra
diagonalei principale $i variantele -pe diagonala.
1MODEL FIT: solicit calcularea coeficientului de corela#ie multipl R $i a ptratului
acestuia R
2
care arat ct de mult din var^ia variabilei dependente este prezis de modelul
nostru.
1R SQUARE CHANGE: arat, pentru modelele ierarhice, n care variabilele
independente sunt introduse pe rnd, ct de mult se schimb valoarea lui R
2
de la un
model la altu1, permi#nd astfel s estimm dac introducerea unei variabile sau bloc de
variabile independente mbunt#e$te puterea de predic#ie a modelului.
1DESCRIPTIVES: arat media si abaterea standard pentru toate variabilele selectate
si o matrice de corela#ie.
1PART AND PAR+IAL CORRELATIONS: arat coeficien#ii de corela#ie par#iali ntre
variabilele independente si cei par#iali dintre fiecare variabil independent si cea
124
dependent.
1COLLINEARITY DIAGNOSTIC: pentru regresia multipl permite efectuarea unor
teste de colinearitate (o condi#ie ce trebuie evitat) ntre variabilele independente.
1DURBIN-WATSON: este un test care msoar corela#ia serial ntre reziduuri (erori),
fapt ce trebuie evitat pentru a avea un model acurat de predic#ie.
1CASEWISE DIAGNOSTICS: arat cazurile pentru care erorile de predic#ie dep$esc 3
abateri standard $i care trebuie reconsiderate.
n func#ie de necesit#ile de analiz $i avnd descrierea detaliat de mai sus, selecta#i
op#iunile de care ave#i nevoie. Pentru exemplul nostru nu am bifat dect ESTIMATES,
MODEL FIT, R SQUARE CHANGE $i CONFIDENCE INTERVALS.

Urmtoarea op#iune se refer la reprezentarea grafic a modelului. Activnd butonul
PLOTS, pe ecran va apare fereastra:












Op#iunile din fereastra anterioar ne permit s solicitm programului s realizeze grafice
cu puncte (scatterplots) dintre variabila sau variabilele dependente si oricare din reziduurile
(erorile) din list. Erorile sau reziduurile sunt abateri ale modelului predic#iei de la realitate,
iar pentru a fi siguri c modelul nostru este unul corect, ar trebui s nu avem nici o legtur
ntre variabilele reprezentate grafic, deci norul de puncte trebuie s fie aleatoriu.
Graficele se realizeaz alegnd oricare dintre perechile de variabile si introducnd-o n
cmpul destinat axei X sau Y. Realizarea mai multor grafice se face folosind butonul
NEXT.
S prezentm pe scurt fiecare variabil cu care se poate realiza graficul:

*DEPENDNT: este variabila dependent (prezis), scorul brut al acesteia
*ZPRED: sunt valorile standardizate ale variabilei prezise, dependente.
*ZRESID: sunt valorile standardizate ale erorilor (reziduurilor sau abaterilor de la
model)
*DRESID: sunt reziduurile $terse sau excluse de la analiz (unde este cazul)
*ADJPRED: este valoarea ajustat si prezis a unui caz atunci cnd este exclus de la
analiz.
2SRESID: notele t ale reziduurilor
*SDRESID: notele t ale reziduurilor excluse de la analiz.
125


Observa#i c n fereastr mai sunt ni$te op#iuni. S le discutm si pe acestea:

*PRODUCE ALL PAR+IAL PLOTS - sunt grafice care arat corela#ia dintre oricare
dou variabile independente, pentru a verifica c acestea nu se coreleaz unele cu altele,
fapt care ar distorsiona modelul de predic#ie.
*HISTOGRAM - realizeaz histograma reziduurilor standardizate pentru a vedea dac ele
sunt normal distribuite (cum ar trebui s fie pentru ca modelul nostru s fie valid).
*NORMAL PROBABILITY PLOT - (numit si P-PPLOT) are aceea$i func#ie ca $i
op#iunea anterioar, doar c verific normalitatea distribu#iei prin compara#ie chiar cu
abaterile de la curba normal.

n exemplul nostru vom bifa doar NORMAL PROBABILITY PLOT $i
HISTOGRAM, apoi apsam butonul CONTINUE.
n continuare vom analiza fereastra care apare la apsarea butonului SAVE, prezentat
mai jos:





















Aceast fereastr con#ine op#iuni ce permit salvarea n baza de date a unor noi variabile,
bazate pe modelul nostru de predic#ie sau calculul unor parametri care arat influen#a unor
cazuri individuale (suspectate de a fi atipice) asupra modelului de predic#ie, n vederea
eliminrii sau ajustrii lor.



1
2
3
4
5
126
Vom prezenta aceast fereastr la un nivel mai general. Astfel,

(1)- este cmpul ce con#ine op#iuni pentru salvarea n baza de date a variabilei dependente
(prezise). Se pot salva astfel scorurile brute, cele standard, cele ajustate sau eroarea standard
a mediei.
(2)- folosind op#iunile din acest cmp vom salva n baza de date abaterile scorurilor prezise
fa# de cele reale, pe baza crora s-a fcut predic#ia. Aceste abateri se numesc reziduuri sau
erori.
(3)- aici sunt ni$te parametri ce msoar potrivirea" unui caz n model, sau - cu alte cuvinte
- ct de mult influen#eaz acesta predic#ia.
a. MAHALANOBIS: msoar distan#a de la un caz pn la media valorilor tuturor
variabilelor independente.
b. COOK'S: arat ct de mult se schimb erorile sau reziduurile tuturor scorurilor, dac
un anume caz este exclus de la analiz.
c. LEVERAGE VALUES: msoar ct de mult un caz poate afecta potrivirea"
modelului de regresie (R
2
)
(4)- n acest cmp avem op#iuni ce permit calcularea unor parametri sau salvarea unor
variabile care arat care ar fi schimbrile survenite n model dac un scor ar fi omis de la
analiz.
(5)- op#iunile din acest cmp permit salvarea n baza de date a cte dou variabile (fiecare
op#iune) con#innd marginea inferioar $i cea superioar a intervalului de ncredere (stabilit
implicit la 95%) pentru medie (op#iunea MEAN) sau pentru un caz individual (op#iunea
INDIVIDUAL), date fiind valorile actuale ale variabilelor independente.

n exemplul nostru vom marca op#iunile ADJUSTED (din cmpul PREDICTED
VALUES) si INDIVIDUAL (din cmpul PREDICTION INTERVALS) apoi apsam
butonul CONTINUE.

Ultimul buton din fereastra principal este butonul OPTIONS, care activat va deschide
fereastra de mai jos:














1
2
3
127

Trei sunt elementele principale ale acestei ferestre:
(1) - alegerea criteriului de selec#ie a variabilelor n model n cazul n care folosim alt
metod dect ENTER. Valorile stabilite implicit de program sunt cele folosite adesea, a$a
c recomandabil este s nu modifica#i aceste op#iuni.
Acest F despre care se vorbe$te in acest cmp arata daca propor#ia de varianta din
variabila prezis explicat de variabila sau grupul de variabile independente introduse n
model este o propor#ie semnificativ.
(2) - permite s modificm ecua#ia de regresie prin introducerea sau eliminarea
coeficientului B
0
.
(3) - arat modul n care sunt luate n calcul valorile lips.
a. EXCLUDE CASES LISTWISE : este op#iunea recomandat $i aleas implicit. Se
refer la eliminarea de la analiz a rezultatelor subiec#ilor crora le lipse$te fie si o
singur valoare din lista de variabile independente.
b. EXCLUDE CASES PAIRWISE: va exclude de la analiz perechile de scoruri pentru
care lipse$te o valoare. De exemplu, dac aveai trei variabile independente, A, B $i C, iar
un subiect nu are scorul la variabila B, acest subiect nu este exclus de la analiz (ca n
primul caz, LISTWISE), ci sunt excluse pentru acest subiect numai acele perechi de
scoruri ce con#ine variabila lips, n cazul nostru nu vor fi analizate AB $i BC pentru
aceast persoan, dar va fi luat n calcul perechea AC pentru care subiectul are scoruri.
c. REPLACE WITH MEAN: nlocuie$te scorurile lips cu media grupului din
care face parte subiectul.

n exemplul nostru, vom lsa aceste op#iuni a$a cum sunt ele stabilite implicit, a$a c
apsam CONTINUE, apoi OK n fereastra principal pentru a ob#ine OUTPUT-ul, adic
foaia de rezultate.


















128
n continuarea foii de rezultate ne sunt prezentate ntr-un tabel informa#ii referitoare la
puterea de predic#ie a modelului nostru, la potrivirea" sa cu realitatea pe care dorim s o
prezicem.






S analizm mai detaliat tabelul de mai sus:
(1) - arat cte modele de regresie avem si le atribuie un cod numeric acestora
(2) - arat coeficientul de corela#ie multipl R, pentru fiecare din modele
(3) - arat valoarea coeficientului de corela#ie multipl ridicat la ptrat, R
2
valoare care arat
ce propor#ie din varia#ia variabilei dependente sau prezise este explicat de un model.
(4) - este valoarea ajustat a lui R
2
; ea trebuie luat n calcul atunci cnd judecm
potrivirea" unui model sau puterea sa de predic#ie.
(5) - arat eroarea standard a variabilei dependente, prezise. Cu alte cuvinte arat care este
devia#ia standard a numrului #igrilor fumate zilnic de o persoan de 40 ani, cunoscnd
valoarea variabilelor independente din model. Observa#i c modelele 2 $i 3, unde numrul
variabilelor independente este mai mare, permite o apreciere mai bun a numrului de #igri
fumate zilnic (intervalul de varia#ie fiind mai mic).
(6) - arat ct de mult se schimb valoarea lui R
2
atunci cnd n model mai adugm
variabile.
(7) - este testul F al lui Fisher (vom discuta despre el la capitolul cu analiza de variant),
care arat dac schimbarea lui R
2
, msurat la Punctul (6) este semnificativ, n cazul
nostru, ne vom uita n coloana SIG F CHANGE, unde este trecut pragul de semnifica#ie
pentru testul F $i unde constatm c schimbarea este semnificativ doar pentru primele dou
modele. Concluzia ar fi c al treilea model (ce con#ine n plus fat de al doilea variabila
STUDII) nu contribuie semnificativ la puterea de predic#ie a regresiei. Mai mult, dac v
uita#i la coloana unde avem valoarea ajustat a lui R
2
ve#i constata o scdere a puterii de
predic#ie. Rezultatul se datoreaz probabil faptului c variabila independent VENIT
coreleaz cu variabila STUDII, deci a doua variabil nu mai aduce mult informa#ie nou n
plus, fat de prima.
La fel ca $i n tabelul anterior, indicii care se gsesc n tabel sunt explica#i n observa#iile
men#ionate sub acesta, n cazul nostru, indicii a, b si c arat care sunt variabilele predictor
1
2
3
4 5
7
6
129
pentru fiecare din cele trei modele, iar indicele d precizeaz care este variabila dependent
prezis.
n continuarea output-ului urmeaz un tabel con#innd analiza de variant pentru fiecare
model de regresie, analiz care arat ct de eficient este predic#ia modelului cunoscnd
variabilele independente, comparate cu situa#ia n care nu am cunoa$te nimic.
Acest tabel este prezentat n continuare, dar nu vom intra n detalii legate de el, ntruct nu
am prezentat pn acum analiza de variant (ANOVA).




S analizm pu#in acest tabel:

(1)- aici sunt prezentate modelele de regresie si componentele variantei: ct este explicat
de model (pe rndul notat REGRESSION), ct este rezidual, neexplicat de model (pe
rndul RESIDUAL) si ct variant are n total variabila dependent (rndul notat
TOTAL). Pe baza elementelor componente ale variantei se calculeaz valoarea notei F
(despre ea vom vorbi n capitolul cu analiza de variant), care arat dac varia#ia explicat
de model este semnificativ mai mare dect cea rezidual, deci dac modelul nostru este
eficient n predictie.
(2) - n acest cmp este trecut valoarea notei F.
(3)- aceast coloan cuprinde pragul de semnifica#ie pentru testul F; un prag mai mic de
0,05 arat c putem afirma cu o probabilitate eroare de 5% c modelul nostru explic
semnificativ mai mult varia#ie dect cea datorat altor factori, neprevzu#i sau necontrola#i.

n exemplul ales de noi, toate cele trei modele sunt eficiente, n sensul c explic o
cantitate semnificativ de varia#ie din cea total. Mai mult, observa#i c valoarea pragului
de semnifica#ie este cea mai mic pentru modelul al doilea, fapt care arat c acesta este
modelul cel mai bun dintre toate trei. Indicii prezen#i n dreptul fiecrui prag de semnifica#ie
sunt explica#i sub tabel si arat pe baza cror variabile independente se face predic#ia.

1
2
3
130
n continuarea prezentrii rezultatelor urmeaz unul din tabelele cele mai importante ale
output-ului:





S analizm pe ndelete acest tabel important:

(1) - pe aceast coloan este trecut descrierea fiecrui model n parte. In cele ce urmeaz,
vom analiza mai detaliat modelul al doilea care, a$a cum reiese din analiza de pn acum a
rezultatelor, este cel mai bun n termeni de predic#ie.
(2) - un model are inclus n el o constant, o valoare cu care predic#ia noastr este ajustat.
(3) - partea cea mai important a modelului se refer la variabilele independente incluse n
el, la predictorii modelului. Observa#i c n modelul al doilea pe care 1-am luat n discu#ie
avem dou variabile independente: vrsta ini#ial la care a debutat fumatul si venitul
persoanei exprimat n mii de lei.
(4) - este, poate, partea cea mai important a tabelului ntruct con#ine coeficien#ii
nestandardiza#i de regresie, pe baza crora putem construi ecua#ia de regresie. Valoarea
7,0E-02 nu este o anomalie, ci este stilul programului SPSS de a afi$a uneori numerele
foarte mici sau foarte mari. Valoarea aceasta se cite$te 7,0 * 10
2
, adic de fapt este
valoarea 0,07. Dac ar fi fost 7,0E + 04 atunci se face referire la valoarea 7,0 * 10
4
, adic
valoarea 70.000.
Ajun$i aici se impune o observa#ie. Cu datele trecute n acest cmp trebuie s redactm
ecua#ia de regresie. Reamintim c pentru regresia multipl ( cnd avem mai mult de dou
variabile independente sau predictor ), ecua#ia general de regresie folosind notele brute
este:



unde B
0
reprezint constanta modelului, iar B
1
..B
n
sunt coeficien#i nestandardiza#i de
regresie, calcula#i pentru fiecare variabil independent n parte.


1
2
3
4
5 6 7 8 9

0 1 1 2 2
* * ... *
n n
B B X B X B X = + + + +
131
n cazul nostru, ecua#ia de regresie este:

nr *ig(ri/zi la 40 ani = (-1,30) + (-0,40)*vrst( ini*ial( + (0,07)*venit.

Cum interpretm ace$ti coeficien#i?
n primul rnd trebuie s precizm c scopul unei astfel de ecua#ii este acela de a prezice.
Deci, fr prea multe interpretri, putem folosi ecua#ia s prezicem cte #igri va fuma zilnic
o persoan de 40 ani cunoscnd la ce vrst a nceput s fumeze, precum si venitul lunar al
su*.

OBS: Aten#ie! Datele referitoare la venit sunt raportate la c$tigurile
romnilor din anul 1996, cnd dolarul american era la aproximativ 3000
lei. Dac a#i dori s aplica#i ecua#ia la salariile actuale, ele trebuie ajustate
la cursul dolarului, altfel predic#ia nu are sens, ntruct ordinele de mrime
ale acestei variabile s-au schimbat $i ele afecteaz coeficien#ii
nestandardiza#i de regresie. O alt variant ar fi s utiliza#i coeficien#ii
standardiza#i $i astfel problema aceasta va disprea.

Spre exemplu, pentru o persoan care a nceput s fumeze la 20 ani $i are un venit lunar
de 300 mii lei, vom prezice c ea fumeaz cu aproxima#ie 11-12 #igri zilnic [(-l,30)+(-
0,40)*20+(0,07)*300].
n al doilea rnd, o informa#ie pre#ioas ne ofer coeficien#ii nestandardiza#i de regresie.
Ei arat cu ct se modific variabila dependent, cea prezis, dac variabila independent se
modific cu o unitate, n condi#iile n care toate celelalte rmn constante. Spre exemplu,
dac la 40 de ani dou persoane au acela$i venit, dar una dintre ele a nceput s fumeze mai
devreme cu 10 ani dect cealalt, atunci vom prezice c cea care a nceput mai de timpuriu
s fumeze va fuma cu 4 #igri mai mult dect cea care a nceput mai trziu.

S revenim acum cu explica#iile detaliate legate de tabelul anterior.

(5) - n aceast coloan sunt trecute abaterile standard ale coeficien#ilor
nestandardiza#i de regresie. Ele arat care este intervalul n care variaz predic#ia noastr
n mod obi$nuit. De exemplu, pentru coeficientul nestandardizat al vrstei ini#iale de
debut al fumatului, devia#ia standard este de 0,45, ceea ce arat c valoarea acestui
coeficient variaz de la o persoan la alta cu 0,45.
(6) - n acest cmp sunt trecu#i coeficien#ii standardiza#i de regresie, care descriu modelul
nostru, atunci cnd lum n calcul notele standard (z) ale variabilelor.
(7) - coloana aceasta con#ine testul t aplicat coeficien#ilor nestandardiza#i de regresie, pentru
a testa ipoteza conform creia ei sunt semnificativ diferi#i de zero. Mai precis, aceste note t
arat care este importan#a relativ n model a predictorilor no$tri. Pentru a putea fi
important, un predictor trebuie s aib scorul t cel pu#in mai mare dect +2 sau mai mic
dect -2. Observa#i c n cazul nostru numai variabila venit" este important pentru model,
celelalte avnd $i ele o contribu#ie, dar mai pu#in important.

132
(8) - pe aceast coloan este trecut pragul de semnifica#ie al testului t men#ionat anterior.
Valorile semnificative, ca la orice test statistic, trebuie se situeaz sub nivelul de 0,05.
(9) - ultimele coloane ale tabelului prezentat con#in limitele inferioar $i superioar ale
intervalului de ncredere pentru coeficien#ii nestandardiza#i de regresie, corespunztor
probabilit#ii de 95%. Cu alte cuvinte, aici sunt trecute limitele de varia#ie ale
coeficien#ilor; de exemplu, coeficientul de regresie pentru variabila venit" este cuprins n
propor#ie de 95% n intervalul 0,009 $i 0,132.

Dup prezentarea parametrilor corespunztori modelului, n foaia de rezultate urmeaz un
tabel nu mai pu#in important referitor la reziduuri, mai precis la valorile variabilei
dependente, cea prezise, comparate cu valorile reale. Aceste date sunt prezentate ntr-un
tabel identic cu cel urmtor:


Coloanele tabelului con#in elementele descriptive (media, minimul, maximul, devia#ia
standard si numrul cazurilor din studiu) ale variabilei dependente, prezis de modelul
nostru. S analizm cteva din elementele mai importante ale tabelului:
PREDICTED VALUE: este valoarea brut prezis de model. De exemplu, pe baza sa,
media #igrilor fumate zilnic de o persoan de 40 de ani la care cunoa$tem vrsta de debut al
fumatului, venitul si studiile este de 18 tigri/zi, cu un minim de 3 si un maxim de 38.
STD PREDICTED VALUE: este valoarea notei standard ob#inut prin convertirea
notelor brute men#ionate anterior.
RESIDUAL: arat abaterile modelului nostru de la realitate. Astfel observm c ne
putem abate fie n minus (prezicnd un numr de #igri mai mic cu 14 #igri dect cel
fumate n realitate), fie n plus (prezicnd un numr cu pn la 17 #igri n plus). Dac ns
observm ct este media acestei variabile (o valoare foarte mic, foarte apropiat de
zero) si abaterea standard (aproximativ 7), atunci putem afirma c modelul nostru prezice
n fapt destul de bine numrul #igrilor fumate de un individ de 40 ani zilnic cu o abatere
medie de 7. Cam acestea sunt elementele ce sunt de interes din acest tabel.



133
n continuarea foii de rezultate sunt prezentate graficele pe care le-am solicitat
programului. Mai nti este prezentat histograma notelor standard ale reziduurilor (erorilor
sau abaterilor modelului de la realitate).













Observm c ea nu respect curba normal, mai ales pentru valorile foarte sczute (sub -
1,5 devia#ii standard), ceea ce arat c modelul nostru are probleme n a prezice
comportamentul celor care fumeaz pu#in, dar este bun, pe de alt parte, pentru a prezice
valorile pentru cei care fumeaz mult.

Mai departe, n foaia de rezultate este prezentat graficul probabilit#ilor cumulate ale
notelor standard ale reziduurilor. Dac acestea s-ar distribui aproximativ normal (pentru un
model bun), ele ar trebui s urmeze linia procentelor cumulate descris de curba normal (o
linie dreapt situat pe diagonala graficului din stnga-jos, pn n dreapta-sus).





134
Dup cum se distribuie punctele noastre pe graficul de mai sus , observm c n partea
inferioar a graficului ( stnga), punctele dep$esc diagonala, n timp ce n partea superioar
avem o tendin# opus. Aceasta arat c pentru valori mici ale variabilei dependente,
modelul nostru de regresie are tendin#a de a supraestima realitatea, n timp ce pentru valori
mari apare tendin#a de subestimare a realit#ii.

Concluzie:

n exemplul analizat pn acum am observat c dintre cele trei variabile independente pe
care le putem folosi ca predictori pentru variabila dependent (numrul de #igri fumate
zilnic), vrsta ini#ial $i venitul ne ajut cel mai bine n predic#ie. Desigur, predic#ia noastr
nu se suprapune total pe realitate, existnd abateri de la ea (abaterea medie este de 7
#igri/zi) $i mai apare tendin#a de a supraestima valorile mici $i a subestima valorile mari.
Cu toate acestea , modelul nostru este mai bun dect lipsa acestuia, fapt dovedit de valoarea
destul de ridicat a coeficientului de corela#ie multipl ptrat (R
2
).



Regresia cu variabile dummy



De multe ori se ntmpl ca informa#iile pe care le avem la ndemn pentru a face
predic#ii s nu fie cantitative, ci categoriale, msurate pe scale ordinale sau nominale. Spre
exemplu, dac am dori s prezicem pre#ul apartamentelor pe pia#a imobiliar din Ia$i, o
variabil independent care ne-ar putea fi util n predic#ie (pe lng suprafa#a locativ) ar
putea fi zona de rezident a imobilului, $tiut fiind c anumite zone din ora$ sunt mai cutate
dect altele.

Cum reu$im s construim un model n care s folosim drept predictori variabile de tip
categorial? Capitolul de fat ncearc s ilustreze tocmai acest lucru.

OBS:

* dummy este un termen englezesc ce se refer la manechinele de plastic
folosite pentru vitrinele magazinelor de haine $i suzeta/biberonul copiilor
sugari. De asemenea, expresia englezeasc dummy run care desemneaz o
repeti#ie sau inten#ia de a ncerca ceva este mai apropiat de sensul pe care-
1 are acest cuvnt n contextul de fa#.





135
Pentru a fi mai ilustrativi, vom lucra cu un exemplu, o serie de date care sunt prezentate n
tabelul de mai jos:


LUNI ANGAJAI TIPUL
40 30 1
40 75 0
31 90 0
21 100 1
26 90 1
18 120 1
28 120 0
16 150 1
27 160 0
20 162 0
20 170 1
16 210 1
20 220 0
16 230 1
15 240 0
15 280 0
2 280 1
3 310 1
11 310 0
14 310 0


Introduce#i tabelul n SPSS. Vom recapitula cu aceast ocazie no#iunile
prezentate anterior n acest capitol. Aceste date (imaginare) reprezint situa#ia timpului,
msurat n luni, n care o inova#ie legat de management este adoptat de diverse firme
variabila LUNI). Concomitent cu aceast msurtoare, cercettorul mai are urmtoarele
informa#ii despre aceste firme: numrul de angaja#i (variabila ANGAJA)I) si tipul firmei
(variabila TIPUL, care are valorile O = firm de stat" si l = firm particular").
Problema pe care $i-o pune cercettorul este aceea de a prezice timpul n care va fi
adoptat o nou strategie de management cunoscnd numrul de angaja#i pe care l are
Pentru aceasta, vom aplica metoda regresiei si ne propunem s aflm coeficien#ii ecua#iei
de regresie, care n cazul nostru este:

1
*
O
B B X = +


unde Y este valoarea prezis a timpului de adoptare a noii strategii manageriale k firm,
X- numrul de angaja#i al acelei firme, iar B
0
,B
1
sunt coeficien#ii ecua#iei de gresie.




136
Vom folosi comanda ANALYZE - LINEAR..., care activeaz fereastra tipic pentru
analiza, regresiei liniare, ca mai jos:



Vom selecta variabila LUNI si o vom introduce n cmpul pentru variabile dependente,
iar variabila ANGAJA+I - n cmpul pentru variabile independente. Metoda folosit va fi
metoda implicit, ENTER, a$a cum apare ea sub cmpul pentru variabile independente.
Activm apoi butonul STATISTICS pentru a solicita calculul anumitor parametri, ca n
imaginea urmtoare:


Pe lng op#iunile marcate implicit de program (ESTIMATES si MODEL FIT), vom
mai bifa op#iunea CONFIDENCE INTERVALS, dup care vom apsa butonul
CONTINUE. Op#iunea R SQUARED CHANGE nu o bifm n acest caz ntruct nu avem
mai multe variabile independente cu care s construim mai multe modele de regresie, ci
doar o singur variabil predictor.
Din fereastra principal a regresiei vom activa apoi butonul PLOTS pentru a realiza unele
reprezentri grafice. De aici vom bifa op#iunea NORMAL PROBABILITY PLOT, astfel
c, n final, fereastra trebuie s arate precum cea din continuare:



137












Dup aceste opera#iuni apsm butonul CONTINUE $i apsm butonul SAVE din
fereastra principal pentru a activa fereastra de mai jos:



















De aici vom bifa op#iunea STANDARDIZED din cmpul RESIDUALS pentru a salva n
baza de date o nou variabil ce reprezint scorurile standard ale abaterilor modelului nostru
de la realitate".
Vom apsa apoi butonul CONTINUE din aceast fereastr si butonul OK din fereastra
principal astfel ca programul s ne arate foia de rezultate (output).






138
Primele informa#ii oferite de program se refer la modelul folosit si estimarea general a
eficien#ei sale:





Trei sunt elementele care ne intereseaz din aceste dou tabele:
(1) - care sunt variabilele ce intr n model
(2) - coeficientul de corela#ie multipl (care aici este identic cu cel de corela#ie bivariat
ntruct avem doar dou variabile n model)
(3) - coeficientul de corela#ie multipl ptratic ajustat, care arat gradul total de potrivire" a
modelului, eficien#a sa.
Observm astfel c modelul nostru, care folose$te doar o singur variabil independent
(nr. de angaja#i), explic 71% din varia#ia variabilei dependente (timpul de adoptare a noii
strategii).

Tabelul ce urmeaz ne arat dac aceast propor#ie de variant explicat de modelul
nostru este semnificativ.



Valoarea pragului de semnifica#ie, pe care l citim n coloana (1), este mai mic dect
0,05, ceea ce ne permite s afirmm cu o probabilitate de eroare de doar 5% c modelul
nostru explic semnificativ de mult din varia#ia variabilei dependente.

1
2
3
1
139
Tabelul urmtor descrie ecua#ia de regresie:




Din coloana notat cu (1) putem deduce ecua#ia de regresie, care este:

nr. luni = 37,91 + (-0,09) * nr. angaja*i

Reamintim c numrul -9,826E-02 nseamn -9,82*10
2
, adic -0,09. Putem folosi aceast
ecua#ie pentru a face predic#ii; astfel, o firm cu 100 de angaja#i va adopta o inova#ie
managerial n aproximativ 29 luni (37,91-9).

Desigur, predic#ia noastr nu este perfect, n tabelul urmtor, sunt trecute date ce permit
evaluarea abaterilor modelului de la realitate:





Spre exemplu, observam ca abaterea medie de la realitate a modelului nostru predictiv
este de aproximativ 5 luni (1), n plus sau n minus. Oricum, modelul nostru este mult mai
precis sau mai aproape de realitate dect situa#ia n care nu am cunoa$te variabila
ANGAJA+I.
n acel caz, cnd nu am $ti numrul angaja#ilor, cea mai bun predic#ie ce o putem face ar
fi situa#ia n care am cunoa$te doar rezultatele timpului de adoptare a noii strategii pentru
cele 20 de firme luate n calcul $i care este de 20 luni, cu o abatere standard de aproximativ
10 luni.


1
2
1
140

Aceste date le ob#inem dac aplicm metoda DESCRIPTIVES din meniul ANALYZE -
DESCRIPTIVE STATISTICS, ca n imaginea de mai jos:



In cazul n care cunoa$tem si numrul de angaja#i, observa#i c varia#ia medie (devia#ia
standard) scade la jumtate (de la 10 luni la 5 luni), n timp ce media valorii prezise este
identic (19,95 n ambele cazuri, dup cum arat tabelele anterioare). Deci este mai
rentabil" s folosim modelul nostru de regresie.

n continuarea output-ului regresiei programul ne arat distribu#ia reziduurilor
standardizate comparativ cu distribu#ia normal.














Dup cum observm, punctele corespunztoare probabilit#ilor cumulate ob#inute n urma
modelului nostru de regresie urmeaz ndeaproape pe cele ale curbei normale, deci modelul
nostru este valid.
V reaminti#i c am solicitat programului s salveze n baza de date o variabil care s
arate notele standard ale erorilor modelului. S reprezentm acum grafic, sub forma unui
nor de puncte, aceste note standardizate n func#ie de variabila independent. Dac modelul
este valid, norul de puncte astfel ob#inut trebuie s arate aleatoriu.
Activm comanda SCATTER, din meniul GRAPHS. Vom alege un grafic simplu din
fereastra care va apare, dup aceea vom apsa pe butonul DEFINE pentru a stabili ce
variabile vor fi reprezentate grafic, ca n imaginea:



141














Vom stabili s reprezentm pe axa Y variabila ce con#ine notele standard ale reziduurilor,
n func#ie de variabila ANGAJA)I, pe care o vom reprezenta pe axa X. Apsam butonul
OK si n fereastra de output va apare graficul:



Observa#i c norul de puncte astfel ob#inut este unul aleatoriu. Deci modelul nostru este
valid.
Pn aici toate sunt bune si frumoase. Am recapitulat no#iunile referitoare la regresia
liniar. Dar crede#i c informa#ia legat de tipul firmei (de stat sau particular, variabila
TIPUL) nu are nici o importan#? Crede#i c vom ob#ine o aceea$i ecua#ie de regresie pentru
fiecare tip de firm? Cu alte cuvinte, crede#i c o inova#ie este adoptat cu aceea$i vitez la
o firm de stat'ca $i la una particular, chiar dac cele dou firme au acela$i numr de
angaja#i?
Pentru a rspunde la aceast ntrebare s reprezentm din nou norul de puncte, dar
marcnd de data aceasta punctele care provin de la firmele de stat $i pe cele care . provin de
la firmele particulare.
142
Vom activa din nou comanda SCATTER din meniul GRAPHS $i vom introduce variabila
TIPUL n cmpul SET MARKERS BY, ca n imaginea:













Apsam din nou butonul OK si pe ecran va apare acela$i grafic ca si cel anterior, doar c
punctele provenite de la cele dou tipuri de firme vor fi acum colorate diferit (verde si ro$u).
Pentru a le diferen#ia n alb-negru, am preferat n graficul care este prezentat n continuare
s stabilesc diferite senine pentru cele dou tipuri. Astfel, firmele de stat vor fi reprezentate
cu cercuri, iar cele particulare - cu triunghiuri:


Observa#i c de data aceasta nu mai avem o dispunere aleatorie a punctelor; ele se separ
clar, astfel c modelul nostru de regresie nu va mai descrie n mod corect rela#ia care exist
ntre numrul de angaja#i si viteza de adoptare a inova#iei pentru cele dou tipuri de firme.
Vedem c modelul nostru subestimeaz timpul pentru firmele de stat (abaterile sunt
pozitive, situate deasupra axei) si l supraestimeaz pe cel din firmele particulare (punctele
sunt situate n majoritate dedesubtul axei).
Din aceast cauz este necesar s #inem cont de tipul firmei (variabila TIPUL) n ecua#ia
noastr de predic#ie.


143
Modelul dummy

O variabil dummy este o variabil categorial care poate s ia doar valorile 0 si l,
atribuite n mod conven#ional doar pentru dou din strile variabilei, n cazul nostru,
valoarea 0 este atribuit firmelor de stat, iar valoarea l - firmelor particulare (nu conteaz
cui atribuim valorile, conteaz ca ele s fie l si 0). Este posibil folosirea si a altor valori
dect l si 0, dar ve#i vedea n continuare care este avantajul acestei nota#ii.
Mai precizm c n eventualitatea n care avem o variabil categorial ce are mai mult de
dou categorii (s zicem variabila studii", cu trei categorii: studii primare, medii $i
superioare), ea trebuie reprezentat prin variabile dummy cu numai dou categorii. Ca
regul, trebuie s $ti#i c avem nevoie de n-1 variabile dummy pentru a reprezenta o
variabil categorial cu n categorii. De exemplu pentru variabila studii, care are trei
categorii, vom avea nevoie de dou variabile dummy, prin a cror valori combinate diferit
rezult toate valorile variabilei categoriale:



STUDII DUMMY1 DUMMY2
primare 1 0
medii 0 1
superioare 0 0




S revenim ns la exemplul cu viteza de inova#ie n cele dou tipuri de firme. Variabila
TIPUL este variabila noastr categorial; ntruct ea are deja dou categorii care sunt notate
cu 1 si 0, ea poate fi folosit ca variabil dummy. La ecua#ia de regresie ini#ial care era:

2 = fl
0
+ B
1
* X

va trebui s adaugm noua variabil independent, tipul firmei. Astfel, ecua#ia noastr de
regresie cu variabil dummy va fi:

2 = B
0
+ B
1
* X
1
+ B
2
* X
2


Acum, X
1
, este variabila ANGAJA)I, iar X
2
este variabila TIPUL (variabila dummy).
Observa#i c ecua#ia nu are nimic deosebit de ceea ce am nv#at pn acum. Dar variabila
X
2
poate s ia doar dou valori. S vedem ce se ntmpl n fiecare caz n parte dac
nlocuim valorile 1 si 0 n ecua#ia original:



144


Ecua#ia original este: Y= B
0
+ B
1
* X
1
+ B
2
* X
2
Valorile lui X
2
Ecua*ia de regresie devine: Observa*ii
X
2
= 0 Y=B
0
+B
1
*X
1
Este ecua#ia pentru firmele de stat.
X
2
= 1 Y = (B
0
+B
2
)+B
1
*X
1
Este ecua#ia pentru firmele particulare.
Observa#i c am comasat coeficien#ii B
0
si
B
1
care nu au alturat vreo variabil
independent.


Cu ajutorul programului SPSS ecua#ia original de regresie se ob#ine n mod obi$nuit,
introducnd variabila dummy n cmpul pentru variabile independente, ca orice alte
variabile independente:





Pentru a vedea dac ob#inem ceva n plus prin folosirea variabilei dummy, vom introduce
cele dou variabile independente ntr-un alt bloc, apsnd butonul NEXT din fereastra
principal a comenzii de regresie (revede#i pr#ile anterioare ale capitolului n caz c a#i
uitat). Comenzile celelalte rmn neschimbate, doar c din fereastra butonului
STATISTICS vom bifa op#iunea R SQUARED CHANGE care arat ct de mult se
mbunt#e$te modelul folosind nc o variabil independent (n cazul nostru pe cea
dummy). Apsam CONTINUE, apoi OK din fereastra principal si vom ob#ine foaia de
rezultate (output).
Vom analiza numai ceea ce ne intereseaz n mod special din output. Astfel, ne
intereseaz tabelul prezentat n continuare, care arat dac modelul ce con#ine si variabila
dummy este mai eficient dect cel care con#ine numai variabila ANGAJA+I.



145




Dou sunt elementele ce ne permit s estimm c modelul cu variabila dummy este mai
eficient:
(1)- observa#i c valoarea ajustat a coeficientului ptrat de corela#ie multipl este mai mare
n al doilea model.
(2)- nu numai c valoarea lui R
2
este mai mare pentru modelul dummy' dar saltul" de la un
model la altul este statistic semnificativ.

Pn aici, concluzia este c variabila dummy, tipul firmei, ne mbunt#e$te predic#ia.
Urmtorul tabel care ne intereseaz este cel ce prezint coeficien#ii ecua#iilor de regresie
corespunztoare celor dou modele:




Din acest tabel ne intereseaz urmtoarele elemente:
(1) coeficien#ii nestandardiza#i de regresie.
Astfel, ecua#ia original de regresie va fi:
nr. luni =42,79 +(-0,10)* nr. angaja&i +(-7,21)* tipul firmei
Acum putem s precizm ecua#iile separate pentru cele dou tipuri de forme fcnd apel
la tabelul prezentat la pagina 144:



1 2
1 2
3
146


Ecua#ia original este: / =42.79 + (-0.10) * X
1
, + (-7.21) * X
2

Valorile lui X
2
Ecua&ia de regresie devine: Observa&ii
X
2
= 0 / = 42.79+ (-0.10) * X
1
Este ecua#ia pentru firmele de stat.
X
2
= 1 / = 35.58 + (-0.10)* X
1
Este ecua#ia pentru firmele particulare.

Observa#i c am comasat coeficien#ii B
0
si B
1

care nu au alturat vreo variabil
independent.


Revenind la tabelul din output, de la pagina anterioar, elementele (2) si (3), precizeaz
rezultatele testului t, care ne arat importan#a relativ a coeficien#ilor de regresie.

Dac ar fi s reprezentm grafic liniile corespunztoare modelului de predic#ie ce
corespunde fiecrui tip de firm n parte, atunci am avea graficul:
















Observm c a$a cum am construit modelul nostru, am presupus c intensitatea (natura)
rela#iei dintre numrul de angaja#i si viteza de inovare este aceea$i, ntre cele dou tipuri de
firme diferind doar nivelul (viteza) de implementare. Aceast diferen# ntre modele este
dat de coeficientul B
2
, corespunztor variabilei dummy. ntruct acestui coeficient i
corespunde o valoare semnificativ a testului t (a se vedea elementele 2 $i 3 ale tabelului de
la pagina anterioar), vom spune c tipul firmei afecteaz nivelul vitezei de implementare a
inova#iei, n cazul n care natura rela#iei dintre numrul angaja#ilor $i timpul de adoptare a
inova#iei ar rmne aceea$i.


F = 42.79 + (-0.10)*X
1

(FI RME DE STAT)
F = 35.58 + (-0.10)*X
1
(FI RME PARTI CULARE)
D
i
f
e
r
e
n
*
a

d
i
n
t
r
e

m
o
d
e
l
e
.

D
i
f
e
r
(

d
o
a
r

c
o
n
s
t
a
n
t
e
l
e

c
u


v
a
l
o
a
r
e
a

B
2
.

LUNI
ANGAJA+I
147




Din urmtorul tabel al foii de rezultate (prezentat mai sus), ne intereseaz s vedem dac
precizia predic#iei noastre a crescut. Rspunsul este pozitiv la aceast ntrebare: comparnd
elementul (1) din tabelul de mai sus cu elementul similar din tabelul de la pagina 145 vom
vedea c abaterea de la realitate" s-a redus de la 5,18 luni la 3,68 luni atunci cnd am luat
n calcul si variabila dummy, deci erorile n predic#ie au sczut. Observa#i c si intervalul
delimitat de erorile minime si maxime a sczut.

O alt modalitate de a vedea dac ne-am mbunt#it precizia folosind variabila dummy
este graficul probabilit#ilor cumulate ale reziduurilor standardizate:














Comparativ cu acela$i grafic n situa#ia n care nu #ineam cont de variabila dummy
(graficul similar de la pagina 140) observa#i c punctele din graficul anterior sunt mult mai
apropiate de linia corespunztoare probabilit#ilor cumulate ale curbei normale, nc un
element ce sus#ine puterea ridicat de predic#ie a modelului cu variabila dummy.






1
148

Dar mai exist si alte dou variante de modele ce pot exista atunci cnd folosim variabile
dummy: modelul n care avem constante identice (graficul din stnga, prezentat mai jos) si
modelul n care avem interac&iune (graficul din dreapta, unde att constantele, ct si pantele
liniilor sunt diferite).









Recomandat este modelul de interac*iune (cel prezentat n dreapta) pentru c ia n calcul
toate posibilele diferen#e introduse de variabila dummy. Pentru a afla coeficien#ii de
regresie ntr-un astfel de caz, n baza de date trebuie creat o variabil nou ob#inut prin
nmul#irea variabilei dummy cu variabila (variabilele) independente. Acest produs, X
1
*X
2

se nume$te termen de interac&iune.
Astfel, ecua#ia general de regresie (cea pe care o ob#inem folosind SPSS) cu variabile
dummy si interac#iune devine:

/ = B
0
+ B
1
*X
1
+ B
2
*X
2
+ B
3
*X
1
*X
2


Pentru a afla apoi ecua#iile specifice, vom nlocui n ecua#ie variabila dummy, X
2
, cu
valorile 0 si l. Folosind exemplul cu firmele vom avea:


A
Ecua#ia original este: / = B
0
+ B
1
*X
1
+ B
2
*X
2
+ B
3
*X
1
*X
2


Valorile lui X
2
Ecua*ia de regresie devine: Observa&ii
X
2
= 0 2 = B
0
+B
1
*X
1
Este ecua#ia pentru firmele de stat.
X
2
= 1 2 =(B
0
+B
2
) + (B
1
+B
3
)*X
1
Este ecua#ia pentru firmele particulare.
Observa#i c am comasat coeficien#ii B
0
$i B
1

care nu au alturat vreo variabil
independent.

Observa#i c n acest caz diferen#a dintre constantele celor dou ecua#ii este B
2
, iar
diferen#a dintre pantele celor dou linii este dat de coeficientul B
3
.




149

ANALIZA DE VARIANT
(sau cum diferen*iem n contexte mai complexe)



Cuprins:
- Analiza de variant - elemente teoretice
Folosirea SPSS: Meniul ANALYZE - COMPARE MEANS - ONEWAY ANO VA
- Folosirea SPSS: Meniul ANALYZE - GENERAL LINEAR MODEL - UNTVARIATE




'ir Ronald Fisher - geniul caustic al statisticii
Fisher, contemporan cu al#i statisticieni britanici faimo$i, a fost - probabil -
dac nu cumva cel mai strlucit, atunci cu siguran# unul din cei mai productivi
statisticieni ai tuturor timpurilor. Cu 300 de articole $i 7 cr#i la activ, Fisher a
dezvoltat multe dintre conceptele de baz ale statisticii moderne: analiza de
variant, pragul de semnifica#ie, ipoteza de nul, randomizarea subiec#ilor, etc.
Legenda spune c Fisher a dovedit aptitudini pentru matematic nc de la 3
ani, cnd $i-a ntrebat bona Ct e o jumtate dintr-o jumtate?". Cnd i s-a
rspuns c aceasta face un sfert, copilul a continuat 'i ct e o jumtate dintr-un
sfert?" Dup ce i s-a spus c asta e o optime $i apoi c o jumtate dintr-o optime e
o $aisprezecime, micul Fisher a continuat fr s mai ntrebe: 'i bnuiesc c o
jumtate de $aisprezecime e o trezecidoime, nu?"
n via#a adult, Fisher a fost un singuratic; nu se putea ab#ine s fac
comentarii caustice la adresa celor din jur, indiferent de pozi#ia ocupat de ace$tia,
astfel nct cei din jur l apreciau mai mult prin munca lui dect prin manierele
sale.
Ca $i Gosset, o mare parte din conceptele teoretice propuse de Fisher $i au
originea n cei 14 ani n care el a lucrat la o ferm agricol experimental din
nordul Londrei, unde fcea studii privind productivitatea cartofilor $i a cerealelor.
Dar Fisher a devenit foarte cunoscut n cei cinci ani n care a fost invitat s
petreac verile n mijlocul Statelor Unite la lowa State College din Ames, unde
exista un puternic departament agronomic. Aici, unde se zice c verile erau a$a
toride nct Fisher $i #inea toat ziua cearceafurile n frigider, el i-a cunoscut pe G.
Snedecor $i pe E.F. Lindquist care au popularizat $i cizelat ideile brute ale lui
Fisher rspndindu-le att n $tiin#ele exacte, ct $i n domeniul educa#iei $i
psihologiei.
Poate c fr verile fierbin#i din Ames, Ronald Fisher, un adept nfocat al controlului
na$terilor (eugenia), nu $i-ar fi extins a$a repede ideile valoroase dincolo de cre$terea
cartofilor...





150

Analiza de variant( - elemente teoretice

Se spune c cine st cu capul n ap nu poate s vad apa. Cu analiza de variant s-a
produs un fenomen similar: ea face att de mult parte din felul nostru de a judeca lumea n
care trim, nct este de mirare de ce a fost descoperit a$a trziu n statistic.

S lum cteva exemple:

S zicem c intra#i la o recep#ie, ntr-o sal foarte mare, plin de invita#i. Brusc, chiar dac
oamenii sunt amesteca#i unii cu al#ii, fr a se separa ntr-un fel anume, ave#i impresia c n
sal sunt trei grupuri de persoane. Cum v-a#i dat seama de asta? Probabil pentru c cei care
fac parte din acela$i grup (de exemplu asiaticii) sunt mult mai pu#in diferi#i ntre ei dect cei
care fac parte din grupuri diferite. Fr s v fi#i con$tien#i, a#i aplicat aici principiul pe care
se bazeaz analiza de variant.
Alt exemplu. S presupunem c merge#i ntr-o #ar nou. n prima zi, observa#i o femeie
cu prul scurt care pune o scrisoare ntr-o cutie rotund, albastr. Dac pe msur ce
cltori#i n acea #ar ve#i vedea c $i alte femei tunse scurt vor pune scrisori n cutii de tot
felul de dimensiuni $i culori, ve#i concluziona c ceea ce conteaz sunt sexul $i lungimea
prului persoanei. Dac ns ve#i observa c toat lumea, indiferent de sex $i lungimea
prului, pune scrisorile numai n cutii rotunde $i albastre, atunci cutiile po$tale sunt cele ce
conteaz, n timp ce persoanele sunt neimportante pentru concluziile noastre privind
obiceiurile din acea #ar. Am folosit din nou, fr s $tim, principiul analizei de variant.
Dac sunte#i familiariza#i cu psihologia dezvoltrii $i cu teoria lui Jean Piaget, atunci v
ve#i da seama c analiza de variant este un tip de gndire, de ra#ionament, care face parte
din ceea ce el a numit opera#ii formale", un stil de gndire abstract ce se achizi#ioneaz n
jurul vrstei de 14 ani.
Deci ar trebui s nu ave#i nici o problem n a asimila logica analizei de variant; o
folosi#i implicit de at#ia ani!

ANOVA

ANOVA nu este numele vreunui italian; este doar acronimul pentru analiza de variant
(din englezescul ANalysis Of VAriance). Pentru a putea deprinde logica acestei metode
statistice, s lum un exemplu imaginar. S presupunem c un cercettor este interesat n a
arta c oamenii de pe trei continente (s zicem Asia, America de Nord si Africa) ar fi
diferi#i ntre ei din punctul de vedere al nl#imii, n sensul c nl#imea depinde de
continentul n care trie$te persoana.
Cum ar putea aceast persoan s demonstreze acest lucru? Dac nl#imea nu ar fi o
entitate care variaz, atunci ar fi simplu: am lua cte un individ din fiecare continent, i-am
msura pe cei trei si am stabili dac exist diferen#e. Dar nl#imea este o proprietate care
variaz nu numai cnd comparm persoanele de la un continent la altul, ci si pentru indivizii
din interiorul unui continent.

151
Astfel, de$i presupunem c asiaticii vor fi n general mai mici de statur dect
americanii, de exemplu, n realitate vom ntlni si asiatici mai nal#i dect unii americani, si
invers.



Dac am ncerca o reprezentare grafic a situa#iei descris de exemplul nostru, ea ar arta
ca n imaginea de mai sus. Astfel, cele trei linii curbe mici diferite descriu distribu#ia
nl#imii n cele trei continente (Asia, Africa si America, de la stnga la dreapta). Linia mai
mare descrie distribu#ia nl#imii pe toate trei continentele luate la un loc. Observa#i c
avem trei medii (notate aici cu litere latine n loc de litere grece$ti, pentru a fi mai u$or de
citit) corespunztoare mediei nl#imii pe fiecare continent n parte (M1 - pentru Asia, M2 -
pentru Africa $i M3 - pentru America). Mai avem $i o medie a nl#imii popula#iei totale, de
pe cele trei continente, notat aici cu GM (din englezescul grand mean - marea medie).
n partea dreapt a desenului am reprezentat pozi#ia unui scor x din popula#ia american
fa# de media grupului din care face parte (distan#a notat cu a pe desen) $i fa# de media
total a popula#iei celor trei continente (distan#a notat cu b).
Cum ar trebui s judecm pentru a ne confirma ipoteza conform creia oamenii de pe cele
trei continente au nl#imi ce difer semnificativ, sau - altfel spus continentul de
provenien# afecteaz nl#imea locuitorilor si?
Putem face aici o analogie cu un aparat de radio la care ncercm s distingem trei posturi
de radio, trei sta#ii ce emit pe frecven#e apropiate. Ca s putem s le distingem, ar trebui ca
semnalele emise de fiecare sta#ie s dep$easc n intensitate zgomotul" produs de
interferen#e (zonele unde se intersecteaz semnalul de la dou sta#ii).
n cazul nostru, varia#ia total a nl#imii popula#iei celor trei continente poate fi
descompus n dou pr#i: o parte din varia#ie se datoreaz abaterilor fiecrui scor de la
media grupului din care face (distan#a a), iar cealalt parte de varia#ie este produs de
abaterile fiecrui scor de la media total a popula#iei (distan#a b ). Pentru a putea distinge
ntre grupuri, ar trebui ca prima component a varia#iei s fie mai mic dect cea de-a doua.
Cu alte cuvinte, ar trebui ca persoanele aflate n acela$i grup (pe acela$i continent) s difere
mai pu#in ntre ele, dect persoanele aflate pe continente diferite. Atunci cnd varia#ia inter-
152
grupuri o dep$e$te pe cea intra-grupuri vom putea distinge bine ntre cele trei grupuri.
Analiza de variant, ANOVA, realizeaz tocmai acest lucru: calculeaz raportul dintre
varia#ia provocat de diferen#ele inter-grupuri $i varia#ia cauzat de diferen#ele intra-grup $i
stabile$te dac acest raport este suficient de mare pentru a putea distinge ntre grupuri.
S lum n continuare un exemplu numeric simplu pentru a vedea exact logica ANOVA
n ac#iune.
Exemplu:

Un psiholog social este interesat s( m(soare influen*a informa*iilor anterioare
(dac( are sau nu antecedente) pe care o persoan( le are despre un infractor n
evaluarea gradului de vinov(*ie ntr-o infrac*iune. Astfel, la 15 subiec*i le este
ar(tat( o caset( video care prezint( procesul unei persoane condamnat( pentru
falsificare de cecuri bancare. Anterior subiec*ii au primit dosarul inculpatului
care con*inea acelea&i informa*ii pentru to*i subiec*ii, cu excep*ia faptului c(
pentru 5 dintre ace&tia inculpatul era prezentat ca avnd antecedente, pentru al*i
5 - era men*ionat c( inculpatul era la prima abatere, iar pentru restul de 5 subiec*i
nu era f(cut( nici o men*iune (grupul de control). Dup( vizionarea casetei,
subiec*ii trebuiau s( evalueze gradul de vinov(*ie al persoanei inculpate pe o scal(
de la l - sunt complet sigur C( inculpatul e inocent" pn( la 10 -sunt complet
sigur c( inculpatul e vinovat".

Scopul cercetrii este de a arta c gradul de vinov#ie evaluat de subiec#ii din cele trei
grupuri este diferit semnificativ. Ipoteza de nul n acest caz este c cele trei grupuri de
subiec#i nu difer semnificativ, deci ele provin de fapt din aceea$i popula#ie.
Rezultatele acestui studiu imaginar sunt prezentate n tabelul de mai jos:

Grupul cu antecedente"
Grupul
f(r( antecedente" Grupul de control
Evaluarea Devia#iil
e de la
media
grupului
Devia#iile
ptrate
Evaluarea Devia
tiile de
la media
grupului
Devia#iile
ptrate
Evaluarea Devia#iil
e de la
media
grupului
Devia#iile
ptrate
10
7
5
10
8
+2
-1
-3
+2
0
4
1
9
4
0
5
1
3
7
4
+1
-3
-1
+3
0
1
9
1
9
0
4
6
9
3
3
-1
+1
4
-2
-2
1
1
16
4
4
40 0

Ml=40/5=8
Sl
2
=18/4=4,5
18 20

M2=20/5=4
S2
2
=20/4=5
0 20 . 25 0

M3=25/5=5
S3
2
=26/4=6,5
26

Pentru fiecare grup n parte am calculat media $i varianta popula#iei din care presupunem
c provine acest grup. Reamintim c estimarea variantei popula#iei din care face parte un
grup pe baza rezultatelor din acel grup se face folosind formula:

2
1
SS SS
N df
= =

153
Pe baza ipotezei de nul, c cele trei grupuri provin toate din aceea$i popula#ie, putem
calcula varianta acestei popula#ii totale care este determinat de variantele intra-grup.
Aceasta va fi de fapt media aritmetic a celor trei variante intra-grup:

MSw=(Sl
2
+S2
2
+S3
2
)/3=(4,5+5+6,5)/3=16/3=5,33

Simbolul w" desemneaz tocmai termenul intra-grup (din cuvntul englezesc within-
groups).
Acum ar trebui s determinm componenta inter-grupuri a variantei popula#iei totale.
Vom calcula aceast valoare pornind de la valorile mediilor fiecrui grup n parte si
considernd abaterile acestora de la marea medie.
Tabelul urmtor ne ajut s realizm acest lucru:

Mediile
grupurilor
Devia*iile lor de la marea medie Devia*iile p(tratice de la
marea medie

(M) (M-GM) (M-GM)2
4
8
5
-1,67
+2,33
-0,67
2,79
5,43
0,45

17 -0,01 8,67
GM=17/3=5,67; S
2
=8,67/(3-l)=8,67/2=4,34


Acum trebuie s estimm varianta popula#iei totale cauzat de diferen#ele dintre mediile
celor trei grupuri. Acum trebuie s inversm unul din procedeele prezentate n capitolul
patru (paginile 92-94). Acolo estimam varianta unei popula#ii (distribu#ii) de medii pornind
de la rezultatele unei popula#ii individuale. Pentru aceasta, mpr#eam varianta popula#iei de
cazuri individuale la numrul de cazuri din fiecare e$antion, conform formulei:


2
2
m
N

unde
2
m
este varianta distribu#iei de medii (e$antioane), iar
2
este varianta popula#iei
de cazuri individuale.
n cazul nostru, situa#ia este tocmai invers: cunoa$tem varianta distribu#iei de medii
(notat cu S ) si dorim s o estimm pe cea a popula#iei. Deci va trebui s nmul&im aceast
variant cu numrul cazurilor din fiecare e$antion (n exemplul de mai sus, cu 5, pentru c
avem 5 subiec#i n fiecare e$antion).
Astfel,
MS
B
= S
2
*N=4,34*5=21,7.

Acum avem toate elementele - cele dou componente ale variantei popula#iei totale -
pentru a calcula testul F (ANOVA).
154
Formula testului este:


B
W
M S
F
M S
=




Numele testului vine, evident, de la numele descoperitorului su, Sir Ronald Fisher.
Distribu#ia testului (dup care se calculeaz probabilitatea ca un anume rezultat s fie rodul
ntmplrii sau al unor factori de varia#ie sistematic) este prezent de obicei la sfr$itul
oricrui manual de statistic si se calculeaz n func#ie de doi parametri: gradele de libertate
inter-grup (valoare dat de numrul de grupuri minus unu) si gradele de libertate intra-grup
(valoare dat de numrul total de subiec#i mai pu#in numrul grupurilor). Se alege astfel
valoarea-prag pentru care respingem ipoteza de nul si acceptm ipoteza de cercetare (la fel
ca si testul t). Evident, aceast valoare trebuie s fie supraunitar.
n cazul exemplului nostru, F=21,7/5,33=4,07. Valoarea-prag a lui F trebuie cutat n
tabele n dreptul lui 2 (gradele de libertate inter-grup) si 12 (gradele de libertate intra-grup),
pentru un prag de semnifica#ie de 0,05.
ntruct aici ob#inem valoarea 3,89, iar rezultatele noastre sunt mai mari, mai extreme
dect valoarea prag, vom putea respinge ipoteza de nul conform creia cele trei grupuri
provin din aceea$i popula#ie $i accepta ipoteza de cercetare care afirm c ele provin din
popula#ii diferite. Implicit, acest rezultat sus#ine ideea c informa#iile anterioare au
influen#at semnificativ evaluarea vinov#iei inculpatului.




















155

Folosirea SPSS: Meniul ANALYZE - COMPARE MEANS - ONE-WAY
ANOVA

S vedem acum cum folosim programul SPSS pentru a calcula testul F. Vom utiliza ca
baz de date, rezultatele de la pagina 98, unde prezentam nivelul salarial la angajare si la
cinci ani dup aceea pentru 30 de subiec#i, dintre care 10 aveau studii primare, 10 - studii
medii si 10 - studii superioare.

Studii Sal_ini Sal_fin5
1 158 268
1 165 198
1 145 158
1 189 199
1 198 201
1 197 220
1 168 205
1 201 203
1 185 185
1 156 168
1 175 178
2 198 201
2 199 203
2 201 225
2 201 260
2 220 280
2 210 274
2 214 298
2 205 305
2 301 582
2 332 542
2 341 392
3 221 445
3 206 401
3
3
3
298
301
332
502
403
503
3
3
358
598
402
854
3 654 954
3 214 425
3 258 725
3 245 625

Exist mai multe tipuri de analiz de variant. Cel despre care am discutat pn n prezent
se mai nume$te ANOVA unifactorial, ntruct eviden#iem existen#a/influenta
unui singur factor de varia#ie (n exemplul nostru, informa#ia anterioar) asupra unei
variabile dependente.
S ncrcm baza de date (dac a#i salvat-o n cursul parcurgerii capitolului 5) sau s o
reintroducem n computer si s definim valorile variabilei STUDII dup cum urmeaz:
156
valoarea l desemneaz studiile primare, valoarea 2 - studiile medii si valoarea 3 - studiile
superioare. Baza de date ar trebui s arate astfel (dac n prealabil a#i marcat op#iunea
VALUE LABELS din meniul VIEW).








Observa#i c avem trei variabile n baza de date: STUDII (variabil independent, cu trei
grade de intensitate, deci care mparte subiec#ii n trei grupuri), SAL_INI (salariul ini#ial la
angajare, exprimat n mii lei, variabil dependent) si SAL_FIN5 (salariul dup cinci ani,
exprimat tot n mii lei, tot variabil dependent).
Scopul cercetrii este s stabilim dac variabila independent, nivelul studiilor subiec#ilor,
influen#eaz nivelul salarial al subiec#ilor (1-am luat n calcul numai pe cel ini#ial).
ntruct avem trei grupuri vom aplica testul F, ANOVA unifactorial. Dac am fi avut de
comparat doar dou grupuri, atunci am fi aplicat, ca de obicei, testul t.
ntruct n esen# ajungem s stabilim dac grupurile difer ntre ele, deci dac au mediile
diferite, comanda pentru ANOVA unifactorial o vom gsi n submeniul COMPARE
MEANS din meniul ANALYZE, ca n imaginea de mai jos:










Odat activat aceast comand, ea va ncrca pe ecran fereastra de mai jos:











1
2
3
4 5 6
157
S analizm detaliat fereastra:

(1)- este, ca de obicei n SPSS, cmpul ce prezint toate variabilele din baza de date.
(2)- este cmpul unde vom introduce variabilele dependente (n cazul nostru SAL_INI)
(3)- aici se introduce variabila independent (pentru noi STUDII)
(4)- butonul acesta permite planificarea dinainte a unor compara#ii ntre grupurile
generate de variabila independent. Dac nu bifam nimic din fereastra care se deschide
prin apsarea butonului, atunci programul va lua n calcul toate compara#iile posibile, dar
post-hoc.
(5)- este butonul ce stabile$te tipul testelor de contrast post-hoc (vom discuta detaliat n
continuare)
(6)- este un buton obi$nuit ce con#ine elemente de statistic descriptiv.

Dac a#i introdus corect variabila dependent $i pe cea independent, fereastra ar trebui s
arate astfel:













Prezentm n continuare fereastra corespunztoare butonului CONTRASTS, de$i nu vom
marca nici una din op#iunile ei.












Ar trebui s intrm n prea multe detalii de statistic superioar, legate si de analiza de
variant si de regresie pentru a explica cum se folosesc op#iunile din aceast fereastr.
Pentru uzul comun ns, neluarea n seam a op#iunilor acestui buton nu afecteaz
158
rezultatele ob#inute. Apsa#i CANCEL si reveni#i la fereastra principal.

Activm butonul POST-HOC, de care avem nevoie si care deschide pe ecran fereastra de
mai jos:



Nu v speria#i c sunt att de multe op#iuni, att de multe teste! Toate fac n principiu
acela$i lucru: ajusteaz sau confirm faptul c diferen#ele ob#inute pe ansamblu prin analiza
testului F se regsesc si la nivelul compara#iilor dintre grupuri, luate dou cte dou. Este
logic s aplicm aceste teste. Gndi#i-v c am aplica ANOVA unifactorial pentru o
variabil care are 100 de grade de intensitate, deci vom avea 100 de grupuri ce vor trebui
comparate nu numai n ansamblu (ceea ce face testul F), ci si dou cte dou (cu testul t, de
exemplu). Chiar dac n realitate nu variabila independent nu ar avea nici un efect (fapt
confirmat sau infirmat de testul F), la compara#iile dintre grupuri luate dou cte dou avem
$anse ca mcar pentru cinci dintre acestea s gsim diferen#e, care apar din ntmplare.
Astfel, pragurile de semnifica#ie pentru aceste teste t trebuie ajustate n func#ie de numrul
grupurilor, tocmai ceea ce realizeaz testele de compara#ie multipl din fereastra POST-
HOC.
n cazul nostru vom alege BONFERRONI, unul din testele obi$nuite n acest caz.
Dup ce apsa#i CONTINUE $i reveni#i n fereastra principal, activa#i butonul OPTIONS
pentru a vedea c pute#i calcula unii parametri descriptivi bifnd op#iunile din fereastra care
astfel se deschide:











159
Apsa#i din nou butonul CONTINUE si apoi butonul OK din fereastra principal pentru
a activa foaia de rezultate.
S analizm fiecare component a foii de rezultate. Mai nti, apare un tabel, precum cel
care urmeaz si care este tabelul principal al analizei:




Elementele acestui tabel sunt:

(1)- sursele de varia#ie. Pe aceast coloan sunt trecute componentele variantei popula#iei
totale.
(2)- aici sunt notate devia#iile ptratice care intr n componen#a fiecrui tip de variant
(intra-grup si inter-grup)
(3)- n aceast coloan programul arat gradele de libertate corespunztoare modelului
nostru experimental si pentru care se calculeaz valoarea-prag a testului F.
(4)- acestea sunt componentele testului F, adic MS
W
$i MS
B
. Dac observa#i cu aten#ie,
mpr#ind suma ptratelor de pe un rnd la numrul gradelor de libertate corespunztor,
ob#inem valorile pentru MS-uri.
(5)- aici este valoarea testului F, ob#inut prin mpr#irea mediei varia#iei inter-grup la
valoarea mediei varia#iei intra-grup (MSBj MS\j)
(6)- este valoarea pragului de semnifica#ie pentru testul F, sau probabilitatea de a gre$i
atunci cnd respingem ipoteza de nul. n cazul de fa#, pentru c valoarea lui p este foarte
mic (mai mic de 0,05), putem s respingem ipoteza de nul si s acceptm ipoteza de
cercetare.

Pn acum, din datele foii de rezultate putem concluziona c, pe ansamblu, studiile
afecteaz nivelul de salarizare avut ini#ial de subiec#ii no$tri. Vede#i c am subliniat pe
ansamblu" pentru c rezultatul analizei de variant ANOVA unifactorial se refer la
diferen#ele globale ce apar ntre grupuri, care se reflect n varia#ia popula#iei totale, fr a
preciza ntre care anume grupuri apar diferen#ele.



1 2
3 4 5 6
160
Tabelul urmtor din foaia de rezultate precizeaz tocmai acest lucru, fcnd compara#iile
multiple ntre toate perechile de dou grupuri (testul Bonferroni).



Tabelul con#ine cteva elemente mai importante:

(1)- nivelul de referin# al variabilei independente, fa# de care se face
compara#ia. El este notat aici cu I
(2)- este coloana ce arat celelalte nivele ale variabile independente ce sunt
comparate cu nivelul de referin# (aceste nivele sunt notate cu J)
(3)- n aceast coloan este prezentat diferen#a dintre nivelele I si J, n aceast ordine. Spre
exemplu, diferen#a salarial medie dintre cei cu studii primare (nivelul I) si cei cu studii
superioare (nivelul J) este de - 158,90 mii lei, a$a cum arat explica#ia (3)
(4)- stelu#a care apare n dreptul valorilor de pe coloana (3) este explicat sub tabel si arat
unde anume, ntre care grupuri apare o diferen# semnificativ (pragul de semnifica#ie mai
mic de 0,05) ntre medii.
(5)- valoarea exact a pragului de semnifica#ie este trecut n aceast coloan.

Din tabelul de mai sus vedem c apare doar o singur diferen# semnificativ ntre dou
grupuri, ntre cei cu studii primare si cei cu studii superioare.

O ilustrare grafic ar fi mai util. Graficele ANOVA se reprezint de obicei, corect, sub
forma graficelor-bar, unde barele arat categoriile sau grupurile determinate de variabila
independent, iar nl#imea barelor reprezint nivelul acestor grupuri din perspectiva
variabilei dependente msurate.
Vom activa fereastra pentru grafice cu bare, simple, unde datele reprezint grupuri de
cazuri (dac a#i uitat cum se face acest lucru, revede#i primele capitole). Fereastra ar trebui
s arate precum cea de mai jos:
1
2
3
4
5
161


Vom introduce variabila independent n cmpul notat CATEGORY AXIS, iar variabila
dependent (SAL_INI) va fi introdus n cmpul VARIABLE. Reamintim c, la nceput,
acest cmp nu este activ. Pentru a-1 putea activa este necesar s marca#i op#iunea OTHER
SUMMARY FUNCTION situat deasupra sa.
Imediat ce am fcut aceste modificri, apsam butonul OK si graficul cu bare va apare
imediat n foaia de rezultate, ca n imaginea urmtoare:


Observa#i c scala de msur a variabilei dependente debuteaz de la valoarea 100, nu de
la O, astfel c nu trebuie s aprecia#i, ochiometric", diferen#ele, pn nu aduce#i scala de
msur la valoarea de origine. Orice modificare a graficului se face dup ce n prealabil
activa#i modul de editare, efectund un dublu-click asupra sa. Apoi selecta#i zona pe care
dori#i s o modifica#i (tot cu dublu-click) si modifica#i parametrii din fereastra astfel
aprut.
Din grafic, din modul de dispunere a barelor si din informa#iile pe care le avem din foaia
de rezultate, observm c salariul ini#ial creste pe msur ce creste si nivelul studiilor. Cu
toate acestea, diferen#e semnificative gsim doar ntre nivelurile extreme de educa#ie, cei cu
162
studii medii situndu-se la mijloc.
Interpretnd plastic aceste rezultate, imagina#i-v c cele trei bare ar reprezenta ni$te
trepte. Atunci cnd ntre dou niveluri (trepte) nu este o diferen# semnificativ este ca si
cum cobornd sau urcnd treptele nu a#i sim#i diferen#a de nivel. Cnd ns diferen#a este
semnificativ, atunci ar fi ca #i cum trecnd de la o treapt la alta a#i depune un efort
considerabil, n cazul de fa#, trecnd de la o treapt la alta, nu sim#im nici o diferen#;
numai cnd srim cte dou trepte (cum este trecerea de la studii primare" la studii
superioare") vom sim#i o diferen#.


Folosirea SPSS: Meniul ANALYZE - GENERAL LINEAR MODEL
UNIVARIATE


Uneori ne intereseaz s aflm care este influen#a mai multor factori (variabile
independente) asupra unei variabile dependente. Folosind doar ceea ce am nv#at pn
acum (testul t si ANOVA unifactorial) nu putem s eviden#iem dect influen#a separat a
fiecrui factor n parte. Am putea utiliza regresia cu variabile dummy, dar ar fi destul de
complicat pentru c ar trebui s lucrm cu multe variabile dummy si modelul ecua#iei de
regresie ar fi foarte complex si greu de interpretat.
Pentru astfel de cazuri a fost inventat analiza de variant factorial (ANOVA SIMPLE
FACTORIAL este denumirea ncet#enit n cr#ile de statistic engleze$ti). Logica acestei
metode este identic cu cea prezentat anterior; coeficientul F al testului ANOVA msoar
raportul dintre varia#ia cauzat de mpr#irea pe grupuri si varia#ia intrinsec a grupurilor.
Dac logica testului este aceea$i, nu identic este rezultatul: n analiza de variant simplu
factorial sunt dou tipuri de note F care ne intereseaz, corespunztoare celor dou tipuri
de efecte pe care le putem msura. Cele dou tipuri de efecte sunt:
efecte principale: msoar influen#a unei variabile independente asupra celei
dependente, indiferent de ac#iunea celorlalte variabile independente
efecte de interac#iune: msoar influen#a combinat a dou sau mai multor variabile
independente asupra variabilei dependente.
Nu vom insista asupra detaliilor legate de combina#iile acestor efecte pe care le putem
ntlni n $tiin#ele sociale. O trecere detaliat n revist a acestora poate di consultat n
volumul Metodologia cercetrii n $tiin#ele sociale (Cornel Havrneanu, 2000, EROTA
TIPO).
Noi vom prezenta n continuare modul de folosire al programului SPSS pentru calcularea
testului F n analiza de variant simplu factorial.
Vom utiliza pentru aceasta o baz de date imaginar, referitoare la nota ob#inut de ni$te
studen#i la un examen, n condi#iile n care #inem cont de ziua examinrii $i nivelul lor de
anxietate.




163
V prezentm mai jos datele, pentru a le putea introduce n programul SPSS:



NOTA ANX ZI EXAM
9 1 1
9 1 1
8 1 1
10 1 1
9 1 1
10 1 1
6 1 1
8 1 1
7
7
2
2
1
1
6 2 1
5 2 1
6 2 1
7 2 1
8 2 1
8 2 1
8 1 2
7 1 2
10 1 2
7 1 2
8 1 2
7 1 2
8 1 2
9 1 2
6 2 2
5 2 2
7 2 2
5 2 2
6 2 2
5 2 2
8 2 2



Observa#i c avem dou variabile independente (ANX - nivelul de anxietate $i ZI_EXAM
- ziua examinrii), fiecare din ele avnd dou grade de intensitate.
Valorile variabilelor independente sunt: pentru
- anxietate - l="mic" $i 2="mare",
- ziua examin(rii - l="luni" $i 2="vineri".
Variabila dependent este nota ob*inut( la examen.




164
Odat introdus n computer baza de date ar trebui s arate ca n imaginea de mai jos, n
condi#iile n care activm comanda VALUE LABELS din meniul VIEW:












Scopul cercetrii noastre ar fi s artm care este efectul nivelului anxiet#ii si a zilei de
examinare (la nceputul sau la sfr$itul sptmnii) asupra notei ob#inute de studen#i la
examen. Desigur, nota la un examen nu depinde prea mult de ace$ti factori, dar folosind
ANOVA simplu factorial putem vedea n ce msur ei o influen#eaz.
Activarea comenzilor pentru ANOVA simplu factorial se face din meniul ANALYZE -
GENERAL LINEAR MODEL - UNIVARIATE, ca n imaginea de mai jos:

















Faptul c metoda se gse$te sub meniul GENERAL LINEAR MODEL, arat legtura
dintre analiza de variant si regresie (pe care nu o vom discuta aici), iar op#iunea
UNIVARIATE indic faptul c avem doar o singur variabil dependent pe care o
msurm.



165
Odat activat comanda UNIVARIATE, pe ecran apare fereastra de mai jos:




Vom explica aceast fereastr n detaliu, mai pu#in butoanele cu op#iuni din partea sa
dreapt pe care le vom detalia mai trziu:

(1)- este cmpul ce con#ine variabilele din baza de date
(2)- aici se introduce variabila dependent. Observa#i c avem loc doar pentru o singur
variabil dependent
(3)- n acest cmp introducem variabilele independente (factorii) care ne intereseaz si
al cror efect l controlm sau l considerm fix, necauzat de ntmplare
(4)- variabilele ce pot fi considerate independente, care nu ne intereseaz n mod direct sau
a cror ac#iune nu o putem controla se introduc n acest cmp
(5)- dac n studiu avem variabile independente sau alte variabile dependente care bnuim
c ar fi n legtur sau ar influen#a variabila dependent ce ne intereseaz, le vom introduce
n acest cmp. Prin aceast opera#iune vom putea s vedem dac factorii fic$i (cei din
cmpul FIXED FACTORS) influen#eaz variabila dependent indiferent de ac#iunea
factorilor covarian#i.
(6)- aici se trec valorile pe care le putem folosi atunci cnd bnuim c unele variabile
independente (factori) ar corela ntre ei ceea ce ar afecta rezultatele. Este ns o op#iune
pentru utilizatorii avansa#i si recomandm nefolosirea ei fr cunoa$terea precis a
semnifica#iei sale.



1
2
3
4
5
6
166

n cazul nostru, un exemplu simplu, vom considera cele dou variabile independente ca pe
factori fic$i $i i vom introduce n cmpurile corespunztoare, ca n imaginea urmtoare:


Observa#i c n partea dreapt fereastra principal are o serie de butoane ce con#in op#iuni
complexe de analiz. Le vom discuta pe rnd, ncercnd s explicm ct mai multe din
op#iunile aprute pe ferestrele acestor butoane. Cu toate acestea, precizm de la nceput c
nu vom folosi n analiz att de multe op#iuni; ele sunt pentru utilizatorii avansa#i si pentru
design-uri experimentale mult mai complexe, n situa#iile cele mai frecvente, op#iunile de
care avem nevoie sunt mult mai pu#ine.





Butonul MODEL activeaz o fereastr precum cea prezentat mai sus. Op#iunile din
aceast fereastr folosesc la construirea unor modele care intereseaz pe experimentator, n
condi#iile n care situa#ia investigat este prea complicat (ex. sunt foarte multe variabile
luate n calcul) si mai importante sunt ni$te modele mai simple, folosind factori mai pu#ini.
S analizm pu#in fereastra:
(1)- este op#iunea marcat implicit, care ia n calcul toate efectele posibile si toate
combina#iile de factori. Pentru modelele simple este recomandat s o lsa#i a$a
(2)- n cazul n care dori#i s simplifica#i modelul cu care lucra#i $i v intereseaz numai
1 2
3
4
167
anumite efecte sau numai anumi#i factori vom bifa aceast op#iune care va activa automat
cmpurile $i butoanele ce se gsesc dedesubt.
(3)- folosind op#iunile ce se deschid din cmpul n care scrie INTERACTION, alegem
efectele care ne intereseaz s le analizm, iar cu ajutorul butonului cu sgeat vom selecta
factorii pentru care dorim s se calculeze acele efecte.
(4)- sunt op#iuni ce permit alegerea tipului de interac#iune dintre variabilele independente
(ct de complex s fie interac#iunea) $i permit calculul unor coeficien#i de regresie ai
modelului (am precizat anterior c ntre regresie $i ANOVA exist o legtur strns)

Pentru exemplul nostru, nu vom alege nici una din op#iunile din aceast fereastr; vom
lsa marcat doar op#iunea implicit, FULL-FACTORIAL. Apsa#i CONTINUE si
reveni#i n fereastra principal, pentru a activa urmtorul buton, CONTRAST, care v-a
deschide o fereastr ca cea de mai jos:















De op#iunile acestei ferestre avem nevoie: ele compar ntre ele diferitele grupuri rezultate
din mpr#irea subiec#ilor dup valorile sau categoriile variabilelor independente. Observa#i
c doar variabilele independente sunt trecute aici. Cum se lucreaz cu aceste op#iuni?
Alege#i mai nti variabila independent pentru care dori#i s calcula#i contrastul (diferen#a
dintre nivelele sale de varia#ie). Apoi, alege#i tipul de contrast din cmpul CONTRAST. De
aici, tipul de contrast recomandat este DIFFERENCE. Ca exemplu, am ales, variabila
ANX, nivelul anxiet#ii. Prin marcarea tipului de contrast prin diferen#, noi cerem
programului s vad dac ntre cele dou nivele de anxietate pe care le pot avea subiec#ii
no$tri exist diferen#e n ceea ce prive$te notele ob#inute (adic vom verifica dac cei mai
anxio$i ob#in note semnificativ diferite de cei mai pu#in anxio$i).
Pentru a activa un anume tip de contrast, dup ce 1-a#i ales trebuie s apsa#i butonul
CHANGE. Mai pute#i modifica $i categoria de referin#, alegnd-o pe prima sau pe ultima
dintre categoriile ce descriu o anume variabil independent. Apsa#i CONTINUE dup ce
a#i ales tipul de contrast pentru a reveni la fereastra principal.


168
Butonul PLOTS, care activeaz fereastra de mai jos, este dedicat reprezentrilor grafice:



Men#ionm totu$i c de$i reprezentarea rezultatelor ANO VA folosind grafice cu linii nu
este corect din punct de vedere conceptual (cele mai indicate fiind graficele cu bare), dat
fiind popularitatea de care se bucur aceste tipuri de grafice, realizatorii programului SPSS
au inclus aici numai grafice cu linii.
Vom folosi $i noi aceast fereastr pentru a ilustra grafic influen#a celor doi factori pe care
i-am luat n calcul (anxietatea $i ziua examinrii) asupra variabilei dependente (not la
examen).
Observa#i c avem trei cmpuri:
1 HORIZONTAL AXIS: aici se introduce variabila independent ale crei categorii
dorim s le reprezentm pe axa X
1 SEPARATE LINES: liniile diferite ale graficului vor reprezenta categorii diferite ale
factorului care este introdus n acest cmp
1 SEPARATE PLOTS: dac mai avem un al treilea factor $i acesta este introdus n acest
cmp, vom ob#ine tot attea grafice cte categorii descriu factorul, grafice care arat rela#ia
dintre variabilele introduse anterior pentru diferite niveluri ale factorului al treilea.
Pe noi ne intereseaz s reprezentm interac#iunea dintre cei doi factori lua#i n calcul n
modelul nostru. Ca urmare, vom reprezenta rezultatele la examen n func#ie de anxietate
(trecut pe axa X) si pentru cele dou zile de examinare (reprezentate prin linii separate).
Pentru aceasta vom introduce variabilele independente ca n imaginea de mai jos:



169
Apsam apoi butonul ADD, care abia acum s-a activat, iar imaginea va fi:













n acest fel putem realiza mai multe grafice, ntruct dup apsarea butonului ADD,
cmpurile ferestrei s-au golit.
Revenim din nou n fereastra principal pentru a activa butonul POST-HOC care va
deschide fereastra:


Acest buton are op#iuni similare cu butonul cu acela$i nume din fereastra ANOVA
ONE-WAY. El se folose$te numai atunci cnd una sau mai multe dintre variabilele
independente are/au mai mult de dou nivele de varia#ie (deci mpart subiec#ii n mai mult
de dou grupuri). Se vor realiza astfel toate compara#iile ntre toate perechile de grupuri $i
aceste teste ajusteaz pragul de semnifica#ie n func#ie de numrul grupurilor de comparat
(revede#i ANOVA unifactorial dac a#i uitat la ce folosesc aceste teste). Ca $i n cazul
anterior, vom recomanda de aici folosirea testului Bonferroni.

Pentru exemplul nostru nu avem nevoie de compara#ii POST-HOC. De altfel, dac marca#i
vreo op#iune aici, programul va afi$a pe foaia de rezultate un mesaj de eroare prin care v
spune c nu a putut aplica testele ntruct sunt mai pu#in de trei categorii ale
variabilei/variabilelor independente.
Deci vom reveni n fereastra principal fr s activm nici o op#iune. Butonul SAVE din
fereastra principal va activa o fereastra precum cea prezentat n continuare:

170















Observa#i c op#iunile de aici sunt identice cu cele ale butonului SAVE din fereastra
pentru regresia liniar. Nu vom mai comenta op#iunile de aici, care sunt identice cu cele de
la regresie; men#ionm doar faptul c ele faciliteaz tratarea analizei de variant ca un
model particular de regresie. Nu recomandm folosirea op#iunilor de aici dect celor care
cunosc bine regresia.
Urmtorul buton din fereastra principal, care activeaz o fereastra precum cea de mai jos,
este unul specific analizei de variant simplu factoriale, a$a c l vom analiza mai n detaliu.


Ca orice buton denumit OPTIONS din SPSS si acesta de fa# ofer op#iuni pentru
calcularea anumitor parametri statistici. Astfel:

(1)- prezint toate combina#iile de factori pentru care avem grupuri diferite de subiec#i si va
permite apoi calcularea mediei fiecrui grup de subiec#i n parte. Op#iunea OVERALL se
refer la media calculat atunci cnd subiec#ii nu sunt mpr#i#i n grupuri, cnd rezultatele
lor sunt luate n calcul nediferen#iind ntre nivelurile factorilor din model

1
2
3
171
(2)- este cmpul n care se trec factorii pentru care dorim s calculm mediile grupurilor de
subiec#i
(3)- reprezint op#iuni ce permit calcularea mai multor parametri.

Dintre toate, ne intereseaz calculul parametrilor descriptivi (media, devia#ia
standard, minimul si maximul), precum si testele de omogenitate (acestea trebuie s nu fie
semnificative pentru a putea aplica ANOVA simplu factorial).
Dac selecta#i corect op#iunile corespunztoare pentru aceast fereastr, atunci ea ar trebui
s arate precum cea de mai jos:















Reveni#i apoi n fereastra principal si apsa#i OK pentru ca s ob#ine#i foaia de rezultate.
Primele elemente ale output-ului se refer la parametrii descriptivi ai modelului:




172
Astfel, primul tabel precizeaz numrul de subiec#i folosi#i n cercetare pentru fiecare
grup n parte determinat de nivelurile fiecrei variabile independente (factor). Al doilea
tabel precizeaz mediile totale (cele din treimea inferioar a tabelului), precum si cele
corespunztoare fiecrui subgrup de subiec#i, subgrup determinat de categoriile factorilor
din model.
Ceea ce ne-a fost prezentat pn acum este rezultatul op#iunilor marcate de noi din
fereastra butonului OPTIONS.
Mai departe, n foaia de rezultate sunt prezentate elementele cele mai importante ale
outputului, rezultatele testului F:









Tabelul cu testul lui Levene reprezint tocmai testul de omogenitate de care vorbeam la
fereastra butonului OPTIONS.
n analiza de variant simplu factorial, cele mai importante elemente se refer la testul F,
prezentat n tabelul anterior. Din tot tabelul pe noi ne intereseaz numai cele trei linii,
marcate prin acolade.
(1)- arat variabilele (factorii) ale cror efecte le lum n calcul. Astfel, linia cu ANX arat
efectul principal al acestui factor, indiferent de ac#iunea celuilalt factor, linia ZI_EXAM
arat efectul principal pentru aceast variabil, iar linia ANX*ZI EXAM se refer la efectul
de interac#iune dintre cei doi factori, dac ei $i combin efectele atunci cnd ac#ioneaz
asupra variabilei dependente .
(2)- aici sunt prezentate testele sau notele F corespunztoare efectelor principale si de
interac#iune din model
(3)- acestea sunt pragurile de semnifica#ie pentru testele F corespunztoare. Analiza acestui
tabel, n exemplul de fa#, arat c dintre cele trei note sau teste F, doar unul singur este
semnificativ (p<0,05) si anume cel corespunztor rndului ANX, deci cel corespunztor
efectului principal al variabilei anxietate". Restul efectelor sunt nesemnificative.
1
2 3
173
Interpretarea general a acestui efect principal este aceea c anxietatea influen#eaz nota
ob#inut de subiec#i la examen, indiferent de ziua de examinare.
Pentru a vedea n ce fel nivelul anxiet#ii afecteaz nota la examen, trebuie s ne uitm n
tabelele de contrast (op#iunile activate din fereastra butonului CONTRAST):





Din primul tabel de mai sus vedem c testul de contrast a fcut diferen#a dintre nota la
examen ob#inut de subiec#ii cu nivel ridicat de anxietate si cei cu un nivel sczut (LEVEL
2 vs. LEVEL1). Aceast diferen# a fost comparat cu situa#ia n care cele dou grupuri ar
fi ob#inut valoarea zero (HYPOTHESIZED VALUE). Pragul de semnifica#ie (notat cu
SIG) ne arat c diferen#a a fost semnificativ, iar sensul diferen#ei (faptul c am ob#inut o
valoare negativ, -1,93) indic faptul c cei cu anxietate mare (LEVEL 2) aveau note
semnificativ mai mic dect cei cu anxietate mic (LEVEL 1).

n tabelul al doilea este prezentat suportul statistic pentru testul de contrast; observa#i c si
aici pragul de semnifica#ie este mai mic de 0,05, deci diferen#ele constatate sunt si ele
semnificative, anxietatea afectnd nota ob#inut la examen.


174


Tabelele urmtoare (prezentate mai sus) reiau analiza contrastelor pentru cellalt factor,
ziua examinrii. De observat c aici nu mai avem diferen#e semnificative (fapt confirmat si
de lipsa unui efect principal pentru aceast variabil), deci ziua examinrii nu afecteaz nota
ob#inut.
Tabelele ce urmeaz n continuare prezint mediile ob#inute pe ansamblu (tabelul l,
ob#inut pentru c am selectat OVERALL din butonul OPTIONS), ob#inute pentru fiecare
factor n parte (tabelele 2 si 3) si cele pentru grupurile de subiec#i rezultate prin combinarea
nivelurilor celor dou variabile independente.
n cazul n care nu $ti#i s interpreta#i sensul diferen#elor la testele de contrast sau n cazul
interac#iunii variabilelor, aceste tabele cu mediile pe grupuri si subgrupuri v vor ajuta s
stabili#i n ce sens difer mediile.
Pe lng valorile mediilor, tabelele urmtoare mai prezint si devia#iile standard, precum si
limitele valorii medii corespunztoare intervalului de ncredere de 95%.










175




Ultima parte a foii de rezultate este rezervat reprezentrilor grafice:















176
TESTE PENTRU DATE NEPARAMETRICE
(sau cum analiz(m cele mai multe din chestionare)


Cuprins:
- Datele neparametrice
Folosirea SPSS: Meniul ANALYZE - NONPARAMETRIC TESTS - BINOMIAL
Folosirea SPSS: Meniul ANALYZE - NONPARAMETRIC TESTS - CHI-SQUARE
Folosirea SPSS: Meniul ANALYZE - NONPARAMETRIC TESTS - 2 RELATED
SAMPLES Folosirea SPSS: Meniul ANALYZE - NONPARAMETRIC TESTS - 2
INDEPENDENT SAMPLES




Karl Pearson - un statistician la extreme

N(scut n 1857, se zic( c( Pearson se l(uda adesea cu spiritul s(u rebel manifestat nc(
de timpuriu. El nsu&i se l(uda c( cea mai veche amintire din copil(rie o avea de la
vrsta de 5 ani cnd, somat de p(rin*i s( nu-&i mai sug( degetul ar(t(tor c( o s( *i se
topeasc(", micul Karl a r(spuns uitndu-se la degetele sale: nu v(d c( degetul pe care-1
sug e mai mic ca celelalte &i eu cred c( m( p(c(li*i".
Mai trziu, imediat ce a ajuns la Cambridge cu o burs( pentru a studia matematica,
Pearson a f(cut o cerere pentru a fi scutit de prezen*a obligatorie de la orele de religie &i
slujbele de la capela universit(*ii. Dup( ce i-a fost aprobat( cererea, el a nceput s( se
prezint regulat la cursurile de religie &i la capel(, fapt care 1-a determinat pe decan s(-i
cear( o explica*ie. Pearson a explicat c( el a cerut s( fie scutit nu de prezen*a la capel(,
ci de prezen*a obligatorie la capel(".
Karl Pearson, inventatorul testului chi-p(trat, s-a apucat de statistic( din necesitatea de
a demonstra c( &i &tiin*ele sociale pot fi la fel de precise &i &tiin*ifice" ca &i cele exacte.
Preocupat de ereditate &i teoriile evolu*ioniste, el a c(utat metode matematice pentru a-&i
sus*ine ipotezele. Ceea ce 1-a deosebit de al*i statisticieni contemporani a fost faptul c( el
nu credea c( statistica, corela*ia n special, poate dovedi cauzalitatea. Nici un fenomen
nu este cauzal, toate sunt contingente, iar ce putem noi face cel mai bine este s( apreciem
tocmai gradul de contingen*(", spunea Pearson.
n via*a de zi cu zi, el era omul extremelor: ori era prieten devotat, ori un du&man
nver&unat. Astfel, n timp ce pentru Gosset (inventatorul testului t), Pearson era un
prieten de ncredere, pentru Fisher (inventatorul analizei de variant() era un du&man de
moarte.
Chiar &i n anul mor*ii sale, 1936, Pearson s-a certat r(u cu Fisher, spre disperarea lui
Gosset, prieten bun cu amndoi, iar unii afirm( c( primul ar fi murit de inim( rea cnd
a aflat c( la retragerea sa de la conducerea catedrei de eugenie de la University College
din Londra, Fisher i-ar fi luat locul...




177

Datele neparametrice

Mai frecvente n sociologie dect n psihologie, scalele de msur ordinale sau nominale
stau la baza conceptelor msurate prin cele mai multe dintre chestionare. Dat fiind c avem
de-a face cu scale nominale sau ordinale, parametrii obi$nui#i pe care i-am folosit pn
acum n analiz (media, abaterea standard, etc.) nu ne mai sunt de nici un folos aici.
Datele pe care le ob#inem folosind aceste scale de msur nu mai pot fi deci analizate cu
metodele prezentate pn acum, ntruct ele nu se distribuie normal si nici nu sunt
corespunztoare unor variabile continui.
Cum le putem analiza n acest caz? ntruct n analiza lor nu ne mai putem folosi de
parametrii care descriu curba normal aceste date se numesc date neparametrice. Ele se
analizeaz pornind de la frecven#ele de apari#ie ale diferitelor categorii ce sunt comparate cu
frecven#e teoretice de apari#ie sau de la probabilit#ile de apari#ie ale acestor categorii.
Pentru datele neparametrice avem nevoie de teste specifice, denumite deci neparametrice;
chiar dac aplicarea acestor teste e mai facil dect folosirea testelor parametrice ntruct nu
exist restric#ii legate de distribuirea normal a rezultatelor, principalul dezavantaj al
acestor metode const n faptul c pot e$ua mai u$or, comparativ cu testele parametrice, n a
demonstra diferentele acolo unde acestea exist n realitate. De aceea, recomandarea noastr
este ca atunci cnd v concepe#i instrumentele de msur pentru cercetrile voastre s
utiliza#i n special scalele de interval $i de raport $i nu pe cele nominale sau ordinale.
De exemplu, n loc s msura#i preferin#a unei persoane pentru un anume tip de muzic
folosind o scal ordinal de tipul deloc, pu#in, mediu, mult, foarte mult", este mai indicat
s msura#i preferin#a pe o scal de interval de tipul deloc l-2-3-4-5foarte mult" solicitnd
subiec#ilor s ncercuiasc un numr pe scal corespunztor preferin#ei. date fiind capetele
intervalului, n acest fel, nu numai c msura#i mai precis, dar pute#i detecta mai u$or
diferen#ele, acolo unde ele exist, folosind metodele parametrice.
n continuare, vom prezenta doar cteva din metodele neparametrice, foarte pe scurt, fr
a intra foarte mult n detaliile teoretice privind aceste teste. Prezentarea va cuprinele trei
pr#i: explicarea principiului de baz al testului, aplicarea sa folosind SPSS $i interpretarea
rezultatelor.
Pentru toate metodele neparametrice vom folosi baza de date intitulat voter.sav care se
gse$te n directorul unde este instalat programul SPSS, fcnd parte din pachetul software
care se livreaz mpreun cu acest program.
Aceast baz de date con#ine rezultate reale ale unui e$antion de 1847 de alegtori
americani. Sunt $ase variabile msurate:
1.PRES92 - cu cine a votat alegtorul la alegerile preziden#iale din 1992 (cu BUSH,
PEROT sau CLINTON) - variabil nominal
2.AGE - vrsta respondentului - variabil msurat cantitativ
3.AGECAT - categoria de vrst - variabil ordinal
4.EDUC - anii de educa#ie - variabil cantitativ
5.DEGREE - tipul de educa#ie - variabil ordinal
6.SEX - sexul respondentului - variabil nominal.

178
ntruct n aceast cercetare predomin variabilele ordinale $i nominale, testele cele mai
potrivite pentru analiza acestor rezultate vor fi cele neparametrice.
'

Folosirea SPSS: Meniul ANALIZE - NONPARAMETRIC TESTS -
BINOMIAL

Principiul de baz al testului

Orice am msura, nu vom putea niciodat s lum n calcul to#i subiec#ii dintr-o popula#ie.
E$antioanele pe care noi le ob#inem nu sunt nici pe departe cele mai reprezentative pentru
popula#ia din care ele provin, astfel c niciodat parametrii calcula#i pentru e$antion nu se
vor regsi identic n popula#ie. Dac extragem din popula#ie un alt e$antion, probabil c
vom ob#ine parametri diferi#i, chiar dac cele dou e$antioane provin din aceea$i popula#ie.
Pentru a decide dac un e$antion este tipic sau reprezentativ pentru o popula#ie avem
nevoie s cunoa$tem distribu#ia parametrilor msura#i n popula#ie pentru a putea cunoa$te
care este probabilitatea de a ob#ine o valoare identic cu cea a e$antionului extras.
Testul binomial se refer la compararea rezultatelor ob#inute de un grup la o variabil care
are doar dou niveluri de msurare (ex. sexul subiec#ilor, admis/respins, vindecat/bolnav,
etc.) cu o anumit propor#ie presupus a exista n popula#ie. Pentru aceasta, propor#ia celor
dou niveluri de msurare este calculat pentru e$antion $i apoi comparat cu distribu#ia
binomial pentru o anume valoare a propor#iei, o distribu#ie teoretic care precizeaz care
este probabilitatea de a ob#ine un anumit rezultat n mod aleatoriu.

Aplicarea sa

n exemplul de fa# ne propunem s vedem dac propor#ia de brba#i/femei din e$antionul
nostru este apropiat sau difer semnificativ de propor#ia 50/50 care ar trebui s exist n
popula#ia ideal.
Vom folosi testul binomial activat din meniul ANALYZE
NONPARAMETRIC TESTS - BINOMIAL, comand ce deschide fereastra:













179
n fereastr vom selecta variabila de interes (sexul subiec*ilor) si o vom trece n cmpul
de analizat. Observa#i c putem folosi orice propor#ie dorim (n caz c nu dorim s utilizm
distribu#ia standard de 50/50) modificnd numrul din cmpul TEST PROPORTION. Mai
mult, programul ne permite s analizm si o variabil cantitativ definind o valoare limit
fa# de care dorim s testm distribu#ia propor#iilor.
De exemplu, poate c suntem interesa#i s vedem dac alegtorii americani sub 40 de ani
sunt semnificativ mai mul#i sau mai pu#ini dect cei peste 40 de ani. Astfel, vom selecta
varabila AGE (cantitativ), iar n cmpul DEFINE DICHOTOMY vom alege valoarea 40
si o vom trece n cmpul din dreptul op#iunii CUT POINT (dup ce n prealabil o marcm).
Dar n cazul de fa# ne limitm la a testa dac n e$antionul nostru propor#ia de femei si
brba#i este 50/50.


I nterpretarea


Rezultatele ob#inute sunt prezentate n tabelul de mai jos:






Primele trei coloane ale tabelului sunt descriptive, n timp ce ultimele trei con#in
elementele ce permit interpretarea testului. Vedem astfel c propor#iile observate pentru
distribu#ia pe sexe sunt 0,44/0,56. Acestea, comparate cu distribu#ia 0,50/0,50 sunt diferite
semnificativ, dup cum testul de semnifica#ie (prezentat n ultima coloan) ne arat. Nota#i
c valoarea sa este mai mic de 0,05, deci propor#iile din e$antionul nostru difer
semnificativ de cele ideale, femeile predominnd ntr-o propor#ie semnificativ.





180
Folosirea SPSS: Meniul ANALIZE - NONPARAMETRIC TESTS - CHI-
SQUARE

1 Principiul de baz al testului

Alteori, n analiza datelor neparametrice, avem de-a face cu variabile nominale sau
ordinale care au mai mult dect dou valori posibile pe care le pot lua. Testul chi-ptrat este
o metod, similar testului binomial, dar care permite compararea distribu#iei frecven#elor
unei variabile pe mai multe categorii, prin raportare la o distribu#ie teoretic stabilit de
cercettor.
Testul compar abaterile de la aceast distribu#ie teoretic ob#inute n realitate si
estimeaz care este probabilitatea ca ele s apar aleatoriu.
n exemplul nostru, dorim s vedem dac alegtorii $i-au format o prere despre cei trei
candida#i, dac prefer vreunul comparativ cu ceilal#i.

2 Aplicarea sa

Vom activa fereastra specific testului din meniul ANALYZE - NON PARAMETRIC
TESTS - CHI-SQUARE. Fereastra este prezentat n continuare:















Vom introduce variabila de interes (votul) n cmpul pentru analiz. Observa#i c n
cmpul EXPECTED VALUES este bifat op#iunea ALL CATEGORIES EQUAL. Este
cazul care ne intereseaz pe noi. Adic noi comparm situa#ia real a votului cu situa#ia n
care cei trei candida#i ar ob#ine acela$i numr de voturi.
Dac ns doream s comparm distribu#ia cu o alta, n care categoriile nu s-ar mai fi
distribuit egal, atunci foloseam op#iunea VALUES si butonul ADD, acum inactive. 'i aici
putem compara variabile cantitative, dac n prealabil specificm intervalele la care
raportm categoriile noastre (folosind op#iunea EXPECTED RANGE).


181

3 I nterpretarea


Rezultatul testului este prezentat sub forma a dou tabele, precum cele de mai


























n primul tabel sunt trecute elementele descriptive ale testului, categoriile sale, frecven#a
observat, cea teoretic la care se face raportarea $i abaterile frecven#ei observate de la
frecven#a teoretic (coloana RESIDUALS).
Observa#i aici c, n timp ce frecven#a celor ce voteaz cu Bush nu difer prea mult de la
frecven#a teoretic, cei care voteaz cu Perot sunt foarte pu#ini, iar cei care l voteaz pe
Clinton sunt foarte mul#i.
Valoarea statistic a testului, prezentat n tabelul al doilea, este semnificativ (rndul
ASYMP. SIG), ceea ce nseamn c votan#ii au o preferin# format, iar din datele ob#inute
n primul tabel $tim c ei sunt orienta#i ctre Clinton (ceea ce s-a $i confirmat la alegerile
preziden#iale din SUA, n 1996).




182
Folosirea SPSS: Meniul ANALIZE - NONPARAMETRIC TESTS -
2 INDEPENDENT SAMPLES


1 Principiul de baz al testului

Aceste teste sunt echivalentul testului t pentru e$antioane independente, doar c n acest
caz variabila dependent msurat nu este cantitativ, ci calitativ si ordinal.
Dintre testele neparametrice folosite n acest caz, vom alege testul Mann-Whitney.
Toate testele neparametrice ce compar dou e$antioane independente au la baz
compara#ii ale rangurilor diferitelor intervale observate.
Pentru a ilustra aplicarea testului vom ncerca s vedem dac femeile $i brba#ii difer
semnificativ ntre ei din punctul de vedere al nivelului educa#ional (DEGREE -variabil
ordinal).

2 Aplicarea sa

Testul se activeaz din meniul ANALYZE - NON-PARAMETRIC TESTS -TWO
INDEPENDENT SAMPLES, comand ce deschide fereastra:














Observa#i c fereastra seamn foarte mult cu cea a testului t pentru e$antioane
independente. Vom selecta variabila dependent (DEGREE) n cmpul TEST
VARIABLE LIST, iar variabila independent (SEX) n cmpul GROUPING
VARIABLE. Defini#i grupurile variabilei independente folosind butonul DEFINE
GROUPS, la fel ca si n cazul testului t.
Observa#i c sunt patru tipuri de teste posibile, toate artnd acela$i lucru:
* MANN-WHYTNEY U: se bazeaz, pe ierarhia rangurilor observa#iilor din cele
dou grupuri;
*MOSES EXTREME REACTIONS: verific dac intervalul variabilei ordinale
(mai pu#in cele 5% cele mai extrem de mici sau cele mai extrem
de mari scoruri) este acela$i pentru ambele grupuri
183
*KOLMOGOROV-SMIRNOV Z: se bazeaz pe diferen#ele maxime dintre
distribu#iile cumulate observate la cele dou grupuri.
*WALD-WOLFOWITZ RUNS: se bazeaz pe numrul de combina#ii necesar
pentru a a$eza cazurile dintr-un grup n ordine cresctoare sau
descresctoare.


3 I nterpretarea

S alegem pentru analiza noastr doar testul Mann-Whytney. Rezultatele sunt prezentate
mai jos:






Observa#i c stilul de prezentare al rezultatelor este similar cu cel de la testul chi-ptrat. n
primul tabel este prezentat situa#ia descriptiv" (media rangurilor), iar valoarea pragului
de semnifica#ie a testului este dat n tabelul al doilea (linia denumit ASYMP. SIG).
Observnd c aceast valoare este nesemnificativ (p=0,351), deci putem trage concluzia
c femeile si brba#ii din studiul nostru nu difer semnificativ n ceea ce prive$te nivelul
studiilor. Dac diferen#ele ar fi fost semnificative (p<0,05), sensul diferen#ei ar fi fost dat de
semnul notei Z, cea scris imediat deasupra valorii pragului de semnifica#ie.



184
Folosirea SPSS: Meniul ANALIZE - NONPARAMETRIC TESTS -
2 RELATED SAMPLES

1 Principiul de baz al testului

Metodele ce compar dou e$antioane perechi sunt similare cu aplicarea testului t pentru
e$antioane perechi, prezentat anterior. Pentru a ilustra aplicarea testului (care ca si principiu
se bazeaz tot pe compara#ii de ranguri) vom folosi o baz de date nou, pe care va trebui s
o crem.
Datele sunt prezentate n tabelul urmtor. Ele sunt imaginare si reprezint urmtoarele:
NRSUB: este o variabil-cod ce arat numrul subiectului analizat
VOT: este rspunsul subiec#ilor la ntrebarea Dac duminica viitoare ar fi alegeri, v-a#i
prezenta la vot?". Valoarea l arat rspunsurile DA, iar valoarea 0 corespunde valorilor NU.
ILIESCU: este rspunsul subiec#ilor la ntrebarea Dac acest candidat c$tig, cum
va fi situa#ia Romniei?", la care rspunsurile posibile sunt 1-mai rea, 2-la fel, 3-mai bun.
CONSTANTINESCU: este o ntrebare similar cu cea de mai sus, dar raportat la acest
candidat.
Datele despre care vorbeam sunt prezentate mai jos:

nrsub vot iliescu constantinescu
1 1 1 2
2 1 1 3
3 1 2 1
4 1 3 1
5 0 1 3
6 1 1 2
7 0 3 2
8 1 2 1
9 1 2 1
10 0 2 1
11 0 1 2
12 1 1 2
13 0 2 3
14 1 2 1
15 1 3 1
16 0 3 1
17 1 1 2
18 1

3 1
19 1 1 2
20 0 1 2
22 1
2
2
23 1 2 1
24 0 2 1
25 1 2 1
26 1 2 2
27 0 3 2
28 1 3 1
185
29 1 3 1
30 0 3 1


3 Aplicarea sa

Dorim s vedem dac subiec#ii au o prere mai bun despre vreunul din candida#i, ntruct
subiec#ii rspund la ntrebri referitoare la ambii candida#i (deci dau perechi de valori la
fiecare msurtoare), trebuie s aplicm o metod care folose$te compararea de e$antioane
perechi. Dat fiind c scala de msur este ordinal, vom aplica o metod neparametric.

Vom activa fereastra corespunztoare meniului ANALYZE - NON PARAMETRIC
TESTS - TWO RELATED SAMPLES ca n fereastra prezentat n continuare:









Observa#i c fereastra de mai sus seamn cu cea a testului t pentru e$antioane perechi. Ca
si pentru testul t, trebuie selectat o pereche de variabile pentru analiz, altfel butoanele
ferestrei nu se activeaz. Vom selecta si noi cele dou variabile de interes: ILIESCU si
CONSTANT, ca n imaginea de mai jos:










Observa#i c si aici putem aplica mai multe tipuri de teste. S le analizm pe scurt pe
fiecare n parte:
WILCOXON: se bazeaz pe rangul valorilor absolute al diferen#elor dintre dou
variabile, comparnd separat diferen#ele pozitive $i negative
SIGN: se bazeaz pe compara#ia diferen#elor pozitive $i negative dintre cele dou
variabile utiliznd apoi testul binomial pentru a compara propor#ia de
diferen#e negative cu cea a diferen#elor pozitive.
McNEMAR: testeaz dac oricare dou combina#ii posibile de valori extreme au o
186
aceea$i probabilitate de apari#ie. Aplicarea sa se face numai dac variabilele testate sunt
dihotomice.
n cazul nostru nu putem aplica testul McNemar, ci doar testul semnului sau Wilcoxon.
Vom alege pe ultimul dintre acestea.

3 I nterpretarea

A$a cum ne-am obi$nuit, prezentarea rezultatelor testului se face n dou tabele, unul
pentru valorile descriptive $i altul pentru semnifica#ia testului, ca mai jos:



n primul tabel sunt prezentate media $i suma rangurilor diferen#elor pozitive $i negative,
precum $i cazurile n care scorurile sunt la egalitate. Indicii de sub acest tabel arat sensul
diferen#elor.
Din al doilea tabel observm c testul este semnificativ (p<0,05). Dup cum observa#i, n
coloana a doua din acest ultim tabel apare nota#ia CONSTANT-ILIESCU, ceea ce nseamn
c valorile absolute ale diferen#elor ($i pozitive $i negative) sunt n defavoarea lui
Constantinescu.
Concluzia este c ace$ti subiec#i consider c situa#ia Romniei se va mbunt#i mai mult
dac c$tig Iliescu dect dac c$tig Constantinescu.





187






Volumul de fa# nu este o trecere n revist, exhaustiv, nici a metodelor
statistice, nici n ceea ce prive$te folosirea programului SPSS. Pentru un
astfel de scop nobil ne-ar fi trebuit, fr exagerare, mii de pagini.
Ave#i n mn un ghid practic, dar introductiv, pentru a folosi pachetul
statistic SPSS (sau altele asemntoare), ghid care explic no#iunile de
baz din statistic $i pune accent pe metodele folosite n special n $tiin#ele
sociale, cu precdere n psihologie.
Autorul