UNIVERSITATEA PETRE ANDREI DIN IAI

DEPARTAMENTUL DE TIINE SOCIO-UMANE

FACULTATEA DE PSIHOLOGIE I TIINELE EDUCAIEI
DISCIPLINA: Statistic aplicat n psihologie i prelucrarea informatizat a datelor
(disciplin obligatorie, fundamental)
PROGRAMUL DE STUDIU: PSIHOLOGIE
CICLUL DE STUDII: I diplom de licen, anul I
SEMESTRUL: II
TITULAR CURS: Lect. univ. dr. Viorel ROBU

STATISTIC APLICAT N PSIHOLOGIE I

PRELUCRAREA INFORMATIZAT A DATELOR

- suport de curs -

An universitar 2012-2013

STATISTICA INFERENTIALA. NOIUNI

INTRODUCTIVE
Statistica descriptiva se ocupa de analiza datelor sub aspectul caracteristicilor
lor intrinseci (frecventa valorilor, indicatorii tendintei centrale, ai mprastierii sau
formei distributiilor). Tinta finala a metodei stiintifice insa nu se limiteaza la
descrierea datelor ci vizeaza evidentierea relatiilor dintre ele si, pe aceasta baza,
predictia si ntelegerea fenomenelor psihice. Aceste proceduri fac parte din ceea ce se
numeste statistica inferentiala

Scoruri standard (z)

Cnd msurm o anumit caracteristic a unui individ (stabilitatea emotionala,
anxietate, etc.) scopul implicit este acela de a efectua comparaii. Pentru aceasta ns,
simpla expresie numeric a caracteristicii respective nu este suficient.
Modalitatea de a exprima semnificaia unei anumite valori dintr-o distribuie
prin raportare la parametrii distribuiei (medie i abatere standard) este scorul normat
z (numit i not z sau scor z). Aceasta msoar distana dintre o anumit valoare i
media distribuiei, n abateri standard:

X m
s

unde X reprezint oricare dintre valorile distribuiei

Scorul z se numete i scor standardizat. Aceasta inseamna c poate fi
utilizat pentru a compara valori care provin din distribuii diferite, indiferent de
unitatea de msur a fiecreia.
Exemplu: Dac un subiect obine un scor echivalent cu z=+0.5 la un test de
memorie i un scor echivalent cu z=+0.4, la un test de inteligenta, se poate spune c
are o performan mai bun la primul test dect la al doilea.

Proprietile scorurilor z
1. Media unei distribuii z este ntotdeauna egal cu 0. Aceasta rezult din
proprietatea mediei de a se diminua corespunztor dac se extrage o constant din
fiecare valoare a unei distribuii. Formula de calcul pentru z implic scderea unei
constante din fiecare valoare a distribuiei. Aceasta nseamn c i media noii
distribuii (z) se va reduce cu constanta respectiv. Dar aceast constant este nsi
media distribuiei originale, ceea ce nseamn c distribuia z va avea media egal cu
zero, ca rezultat al diminurii mediei cu ea nsi.
2. Abaterea standard a unei distribuii z este ntotdeauna 1. Acest fapt decurge
prin efectul cumulat al proprietilor abaterii standard. Prima proprietate afirm c n
cazul scderii unei constante (n cazul scorurilor z, media) din valorile unei distribuii,
abaterea standard a acesteia nu se modific. A doua proprietate afirm c n cazul
mpririi valorilor unei distribuii la o constant, noua abatere standard este rezultatul
raportului dintre vechea abatere standard i constant. Dar constanta de care vorbim
este, n cazul distribuiei z, chiar abaterea standard. Ca urmare, noua abatere standard
este un raport dintre dou valori identice al crui rezultat, evident, este 1.

Alte tipuri de scoruri standardizate

Notele z prezint dou avantaje importante: permit compararea valorilor unei
distribuii, i a valorilor provenind din distribuii diferite, ca urmare a faptului ca se
exprim n abateri standard de la medie.
Notele z au, ns, i unele dezavantaje: se exprim prin numere mici, cu
zecimale, (greu de manipulat intuitiv) i, n plus, pot lua valori negative. Aceste
dezavantaje pot fi nlturate printr-un artificiu de calcul care s conduc la note
standardizate convenabile (ce corespund anumitor nevoi specifice). Iata cteva tipuri
de note standard calculate pe baza notelor z.

Deci:
Toate variantele sunt obinute prin transformarea operat pe distribuia de note z.
La nici una dintre variante nu mai avem valori negative
Zecimalele nu mai sunt semnificative
Notele standard mari indic valori mari iar notele standard mici indic valori
mici.

Proprietatile curbei normale

Asa cum am vazut rezultatelor msurrilor pot lua diverse forme, curba
distribuiei putnd fi unimodal sau multimodal, aplatizat sau nalt, simetric sau
asimetric. n statistic exist ns un tip special de distribuie, numit distribuie
normal, care nu este rezultatul unui proces real de msurare ci reprezint un model
teoretic. Conceptul de curb normal are cteva proprieti caracteristice:
are form de clopot- cea mai mare parte a valorilor se concentreaz n zona
central
este perfect simetric pe ambele laturi ale sale
de fiecare parte a mediei se afl exact jumtate dintre valorile distribuiei
Curbe normale

Exemple de curbe normale, care respect condiiile de mai sus, chiar dac au
medii i abateri standard diferite.

Curba normal standardizat (z)

Curba normal n care valorile sunt exprimate n scoruri z se numete
curba normal standardizat. Ea are toate proprietile enunate mai sus, avnd ns
i parametrii oricrei distribuii z: m=0 i s=1. Valoarea 0 pentru medie a fost aleas
convenional pentru c astfel distribuia este simetric n jurul lui 0.

Curba normal standardizat are cteva caracteristici care sunt figurate n imaginea de
mai sus i pe care este important s le reinem:
aproximativ 34% dintre scorurile distribuiei normale se afl ntre
medie i o abatere standard deasupra mediei (z=+1)
intre 1z i +1z se afl aproximativ 68% dintre valorile distribuiei
aproximativ 96% dintre scoruri se afl ntre 2z i +2z
Curba normal are o importan aparte pentru analiza statistic. Aceasta,
deoarece se accept faptul c variabilele statistice s-ar distribui mai ales sub aceasta
form dac ar fi efectuate un numr mare (tinznd spre infinit) de msurri.
4

Curba normal si problema probabilitatii

Procentajul ariilor de sub curba normal poate fi citit i ca probabilitatea a
distribuiei. Probabilitatea nseamn frecvena relativ a apariiei unui eveniment.
Acesta se traduce prin ct de siguri putem fi c acel eveniment apare.
Rezult de aici c valorile din zona central a curbei sunt mai frecvente (mai
multe), pentru ca apariia lor este mai probabil. n acelai timp, valorile mai puin
probabile, apar mai rar, i se plaseaza in zonele extreme ale distribuiei (curbei).
Dac probabilitatea reprezint raportul dintre evenimentul favorabil i toate
evenimentele posibile, atunci valoarea ei variaz ntre 0 i 1. Ea poate fi exprimat i
n procente. De exemplu, probabilitatea de 0.05 corespunde unui procentaj de apariie
de 5%
Utiliznd simbolul p (de la probabilitate), spunem c dac p<0.05 nseamn
c evenimentul are mai puin de 5% anse s apar, n condiiile unei distribuii
normale a curbei. De exemplu, probabilitatea de a avea un scor ntre medie i z=+1
este de 0.34.

Distribuii reale i teoretice

Asadar, distribuia normal reprezint un model teoretic care aproximeaz cele
mai multe dintre caracteristicilor fenomenelor naturale, incluzndu-le i pe cele
psihice. Cu toate acestea, distribuiile reale pe care le descoper psihologii n studiile
lor nu au niciodat parametrii unei curbe normale perfecte. Acest lucru este practic
imposibil dac ne gndim c o curb normal are limitele deschise, mergnd spre
infinit, n timp ce distribuiile reale sunt finite. n ciuda acestui neajuns, aproximarea
oferit de modelul teoretic al curbei normale este considerat acceptabil din punct de
vedere tiinific.
Un al aspect care poate conduce la interpretri eronate este exprimarea
valorilor curbei normale n scoruri z. Acest fapt este interpretat uneori n sensul c
transformarea n scoruri z a unei oricrei distribuii o transform ntr-o distribuie
normal. Este o concluzie greit. Convertirea valorilor unei distribuii n scoruri z nu
modific forma distribuiei. Distribuia normal z este o distribuie teoretic n timp ce
o distribuie z oarecare are forma distribuiei valorilor originale.

Distribuia mediei de eantionare

Cnd constituim un eantion pentru cercetare utilizm doar unul dintre
eantioanele posibile din populaia cercetrii. In fapt am putea selecta mai multe
eantioane din aceeai populaie, iar pentru fiecare dintre ele am putea stabili
indicatori sintetici specifici: media i abaterea standard etc.
Pentru ca fiecare dintre eantioanele alese va avea are propria sa medie, atunci
se poate vorbi de distribuia mediilor tuturor eantioanelor posibile. Aceasta se
numete distribuia mediei de eantionare sau, mai scurt, distribuia de eantionare.
La rndul ei, distribuia mediilor va avea si ea o medie, numit medie de eantionare.
Astfel, dac am extrage toate eantioanele posibile dintr-o populaie, atunci media de
eantionare va fi identic cu media populaiei iar media fiecrui eantion va gravita n
jurul mediei de eantionare.
Asa stind lucrurile media fiecarui esantion poate fi considerata o aproximare a
mediei de esantionare, aproximare care contine, evident, o oarecare imprecizie.
Aceast imprecizie se numete eroare de estimare.
Sigur ca, n practic, niciodat nu se ajunge la selectarea tuturor eantioanelor
posibile dintr-o anumit populaie de valori.

mprtierea distribuiei de eantionare - eroarea standard a mediei

sm

Distribuia de eantionare nu are aceeai mprtiere ca i a distribuia valorilor

variabilei de origine. Aceasta pentru c, la nivelul fiecrui eantion o parte din
mprtierea total este absorbit de media fiecrui eantion n parte.
Cu ct eantioanele sunt mai mari, cu att media fiecrui eantion tinde s fie
mai apropiat de media variabilei originale.
Imprtierea distribuiei de eantionare va fi mai mic dect mprtierea
variabilei la nivelul ntregii populaii, deoarece o parte a mprtierii generale se
concentreaz i se pierde, n media fiecrui eantion extras. Ca urmare, abaterea
standard a distribuiei de eantionare este o fraciune din abaterea standard a
populaiei, fiind dependent de mrimea eantionului. Concret, abaterea standard a
distribuiei de eantionare este egal cu N din abaterea standard a populaiei, unde
N este volumul eantionului.
Deoarece mprtierea mediei de eantionare arat ct de mult se abat aceste
medii de la media populaiei, abaterea standard a mediei de eantionare este denumit
eroare standard a mediei i se calculeaz cu formula:

N
unde sm este eroarea standard a mediei de eantionare,
standard a populaiei iar N este volumul eantionului.

este abaterea

Deci, prin creterea volumului eantionului, media acestuia se apropie tot mai
mult de media populaiei, cu alte cuvinte, comport o eroare din ce n ce n mai mic
fa de aceasta.
Eroarea standard a mediei (expresie mai greu de retinut, fiind utilizata pentru
a defini un indicator al mprtierii, n timp ce are n compunere cuvntul medie)
este in indicator care msoar ct de departe poate fi media unui eantion fata de
media populaiei din care a fost extras. Avnd n vederea faptul c la numitor avem o
expresie bazat pe N (volumul eantionului), este ca, cu ct eantionul este mai mare
cu att eroarea standard a mediei este mai mic.

Teorema limitei centrale

De regula, populaiile care fac obiectul de interes al cercetrilor de psihologie
sunt mari si nu pot fi accesate n ntregimea lor. Apare astfel problema msurii n care
putem estima caracteristicile statistice ale distribuiei populaiei (media, abaterea
standard) pe baza acelorai indicatori calculai doar la nivelul unui anumit eantion,
selectat pentru studiu.
Soluia acestei probleme rezid n teorema limitei centrale care avanseaza dou
axiome statistice:
cu ct numrul eantioanelor realizate dintr-o populaie este mai mare, cu att
media distribuiei de eantionare se apropie de media populaiei.
distribuia mediei de eantionare se apropie de distribuia normal, cu att mai
mult cu ct volumul eantionului este mai mare (chiar daca la niveelul
populatiei distributia nu este una normala).
Teorema limitei centrale permite inferene statistice fr a ne pune problema
formei distribuiei variabilei la nivelul populaiei. Este de ajuns s utilizm un
eantion destul de mare pentru a ne putea asuma presupunerea unei distribuii
normale la nivelul mediei de eantionare.
6

ntrebarea care se pune este, ns, ct de mare trebuie s fie un eantion pentru
a putea fi considerat destul de mare? Vom spune c, dac eantionul de referin
cuprinde cel puin 30 de subieci, teoria statistic accept c avem o distribuie
normal a mediei de eantionare. Prin urmare 30 este numarul utilizat de obicei
pentru constituirea eantioanelor minime de cercetare. Dac distribuia variabilei la
nivelul populaiei este normal, atunci distribuia de eantionare atinge o form
normal si pentru eantioane de volum mai mic.
DECI
- distribuia mediei de eantionare are o evoluie diferit fata de distribuia
valorilor individuale ale unei caracteristici. Chiar i atunci cnd acestea din urm nu
se distribuie dup regulile curbei normale, mediile eantioanelor tind spre o
distribuiei normal dac volumul lor este suficient de mare.
- mrimea eantionului trebuie s fie de cel puin 30 de valori pentru a avea
ncredere c teorema limitei centrale se verific.
- chiar i eantioane de volum mai mic pot avea medii ce se plaseaz pe o
distribuie normal, dac provin din populaii normale.
- dar forma distribuiei la nivelul populaiei nu este de regula cunoscut. De
aceea va trebui s utilizm, ori de cte ori ne putem permite cel puin 30 de valori.

Notele standardizate z pentru eantioane (grupuri)

Dac avem media distribuiei de eantionare i abaterea standard a acesteia
(calculat ca eroare standard a mediei), atunci putem exprima media unui eantion
oarecare, ca scor standardizat z, ntr-o manier similar cu scorul standardizat z pentru
o valoare oarecare. Vom putea vedea astfel n ce msur media eantionului in studiu
se ndeprteaz de media populaiei de referin. Altfel spus, n ce msur rezultatul
obinut pe eantion este unul obinuit (mai aproape de media populaiei) sau unul
neobinuit (mai ndeprtat de media populaiei).
Formula de calcul este foarte asemntoare cu formula lui z pentru valori
individuale:
z

m
sm

m este media eantionului

este media de eantionare (care la limit tinde spre media populaiei)
sm este eroarea standard a mediei de eantionare.
De regula, pentru ca nu se poate calcula abaterea standard a populaiei, se accept
faptul c aceasta este suficient de bine reprezentat de abaterea standard a
eantionului extras din populatia respectiva. Ca urmare, putem utiliza n formula
erorii standard a mediei abaterea standard a eantionului
Exemplu:
La un examen de verificare a cunostintelor, o grup de 45 de subiecti obine un
scor mediu de m=28.5 puncte. Presupunnd c media pe populaia care a mai dat acest
examen (calculat de-a lungul anilor anteriori) este =27.3, cu o abatere standard
=8.2, trebuie s aflm care este performana grupei respective transformat n note z.
Calculm mai nti abaterea standard a mediei:

8.2
8 .2
sm

1.22
N
45 6.70
Calculm apoi scorul z pentru grup:
z

m 28.5 27.3 1.20

0.98
sm
1.22
1.22

Dac vrem s tim unde se plaseaz performana grupului nostru pe o curb

normal, atunci ne uitm pe tabela notelor z i gsim, n dreptul scorului z=0.98,
valoarea tabelar 0.3365. Aceasta poate fi interpretat n mai multe feluri. De exemplu,
putem spune c procentul performanelor posibile peste nivelul grupului nostru este
50%-33%, adic 17%. Sau, n termeni probabilistici, putem sune i c:
probabilitatea de a avea o grup (un eantion, de aceeai mrime) care s obin un
scor mai bun la un examen de statistic (cu aceleai ntrebri) este de 0.17.

Estimarea intervalului de ncredere pentru media populaiei

Una dintre consecinele practice ale teoremei limitei centrale este posibilitatea
de a face o estimare a nivelului de ncredere pentru media populaiei, pe baza mediei
unui eantion extras din acea populaie. Cu alte cuvinte putem afla, cu o anumit
probabilitate, care este intervalul n care se afl media populaiei, cunoscnd doar
media unui eantion extras din aceasta.
Acest lucru se bazeaz pe proprietatea curbei normale de a avea un numr bine
definit de valori pe un interval simetric n jurul mediei. Astfel, dac lum pe curba
normal un interval cuprins ntre z=1.96 n jurul mediei, tim c acoperim
aproximativ 95% din valorile posibile ale distribuiei. n acest caz, z=1.96 se
numete z critic deoarece reprezint un prag limit, de o parte i de alta a mediei
(care, pentru curba normal standardizat, este 0). Alegerea acestor limite pentru z
critic se bazeaz, n esen, pe un criteriu subiectiv. Se pot alege, la fel de bine, valori
simetrice ale lui z care s cuprind ntre ele 99% sau 99.9% dintre valorile de pe curba
normal. Prin consens, ns, se consider c asumarea unui nivel de ncredere de 95%
(corespunztor pentru valori critice ale lui z=1.96) este considerat suficient pentru
pstrarea unui echilibru ntre precizia estimrii i probabilitatea estimrii. Ca urmare,
n aceast condiie, putem spune c exist 95% anse ca, avnd media unui eantion
aleator, media populaiei s se afle undeva n intervalul:
m z critic * s m
Sigur ca, cu ct limitele intervalului de estimare sunt mai apropiate de media
eantionului, cu att aceasta din urm estimeaz mai precis media populaiei i
prezint mai mult ncredere.

Logica verificarii ipotezei statistice

Obiectivul fundamental al cercetrii n psihologie este acela de a pune n
eviden relaii ntre procese i fenomene. Avem n vedere dou tipuri de relaii:
- de cauzalitate, atunci cnd modificarea unei variabile determin modificarea
celeilalte (celorlalte) variabile aflate n studiu. O asemenea relaie de tip
cauza-efect poate fi relevata doar dac valorile supuse prelucrrii provin din
experimente psihologice.
- de asociere (variatia concomitenta) - dou sau mai multe variabile variaz
simultan, fr a putea afirma care dintre ele o influeneaz pe cealalt.
Asocierea variabilelor este surprinsa n studii numite corelaionale, n care
variabilele sunt msurate concomitent, n afara unui context experimental.
Esena inferenei statistice este aceea de a estima posibilitatea unei relaii ntre
variabile. Verificarea acestei estimri se numete testarea ipotezei iar rezultatul
acestei proceduri este unul de natur probabilistic, comportnd, n toate cazurile, un
anumit grad de incertitudine (eroare).

Ipoteza cercetrii i ipoteza statistic (de nul)

Utilizarea ipotezei de nul (sau ipoteza diferenei nule sau ipotez
statistic) implic o dovad indirect a validitii ipotezei cercetrii i se bazeaz pe
un scenariu negativ (similar cu a pune rul n fa). Ipoteza de nul se formuleaz
ca opusul ipotezei cercetrii. Din punct de vedere formal, ipoteza de nul este
simbolizat cu H0 iar ipoteza cercetrii cu H1. Dat fiind faptul c ipoteza care este
supus efectiv testrii directe este ipoteza de nul, ipoteza cercetrii este denumit i
ipoteza alternativ.
Decizia statistic
Acceptarea sau respingerea ipotezei de nul depinde de gradul de risc pe care
suntem dispui s ni-l asumm. In practica cercetrii tiinifice s-a impus convenia
unui prag minim de risc acceptat n decizia statistic. Acesta se numete nivel alfa ()
i corespunde probabilitii de 0.05. Dac probabilitatea calculat (p) pentru valoarea
eantionului este mai mic sau egal cu probabilitatea acceptat (), atunci ipoteza de
nul (H0) poate fi respins, fiind acceptat ipoteza cercetrii (alternativ). Acest lucru
este similar cu a afirma c rezultatul unui cercetri este semnificativ statistic. Cu alte
cuvinte, probabilitatea de a se obine un rezultat mai bun, ca urmare a jocului ansei
(prin constituirea de eantioane aleatoare), este prea mic pentru a fi luat n
considerare. Nota z corespunztoare limitei de respingere a ipotezei de nul (pragul sau
nivelul alfa), este numit i z critic.
Asadar, n comparaia rezultatelor derivate dintr-un context de cercetare cu cele
calculate pe un context ipotetic, aleator (bazat pe ansa pur) se realizeaza astfel:
o dac rezultatul calculat pentru un eantion este cel puin egal, sau mai
mare, dect scorul critic, atunci avem un rezultat semnificativ al
cercetrii, care ar fi avut anse prea mici s se produc din ntmplare.
n consecin, ntr-un astfel de caz, ipoteza de nul se respinge iar
ipoteza cercetrii se consider confirmat la un prag alfa p=0.05.
o dac rezultatul cercetrii este mai mic dect scorul z critic, atunci avem
un rezultat nesemnificativ al cercetrii, prin faptul c exist prea mullte
anse s obinem un rezultat chiar mai bun din intimplare. n aceast
10

variant, ipoteza de nul se accept iar ipoteza cercetrii se consider

infirmat la un prag alfa p=0.05.
Raionamentul deciziei statistice exemplificat astfel, se va regsi n toate
situaiile de testare a ipotezelor statistice indiferent de modelul de cercetare i de
natura relaiei pe care vrem s o demonstrm ntre variabile.

11

Teste statistice
Testul z pentru un singur eantion
Testul z se utilizeaza atunci cnd cunoatem media i abaterea standard a
unei populaii i dorim s tim dac un eantion experimental face parte din aceast
populaie sau nu. Dar pentru c puine variabile de interes pentru psihologie au medii
i abateri standard calculate la nivelul populaiei, acest test statistic nu este printre cele
frecvent utilizate n cercetarea psihologic.
Cu toate acestea exista destule situaii n care testul z i poate dovedi utilitatea
chiar dac variabilele pentru care se cunosc parametrii populaiei nu sunt numeroase.
De exemplu, cazurile n care populaia cercetrii nu este att de extins nct s nu i se
poat afla parametrii.

Procedura unilateraa i bilaterala

Daca ne intereseaza n ce msur rezultatul confirm ipoteza pe direcia
valorilor din dreapta curbei normale (valori mari, cu z pozitiv) efectuam ceea ce se
numete un test unilateral (one-tailed). In mod similar se poate proceda tot la un test
unilateral si n partea stng a curbei (valori mici, cu z negativ).
Pentru a verifica ipoteza pe ambele laturi ale distribuiei se aplic ceea ce se
numete testul z bilateral (two-tailed). n acest caz se pstreaz acelai nivel alfa
(0.05), dar el se distribuie n mod egal pe ambele extreme ale curbei, astfel nct
pentru 2.5% de fiecare parte, avem un z critic de 1.96 (cu semnul - sau +).
Alegerea tipului de test, unilateral sau bilateral, este la latitudinea
cercettorului. De regul ns, se prefer testul bilateral pentru ca introduce mai
mult rigoare i lsa mai puin loc hazardului.

Pragul alfa minim acceptabil (0.05).

Am vazut c p=0.05 este un prag de semnificaie convenional. Faptul c scorul
critic pentru atingerea pragului de semnificaie este 1.96 a jucat un rol insemnat n
impunerea acestei convenii. Practic, putem considera c orice ndeprtare mai mare
de dou abateri standard de la media populaiei de referin este semnificativ. Chiar
dac persist posibiliti de a ne nela, ele sunt suficient de mici pentru a le trece cu
vederea.
Impunerea unui prag minim de semnificaie a testelor statistice are ns rolul de
a garanta faptul c orice concluzie bazat pe date statistice rspunde aceluiai criteriu
de exigen, nefiind influenat de subiectivitatea cercettorului. Nivelul alfa de 0.05
nu este dect pragul minim acceptat. Nimic nu mpiedic un cercettor s i impun
un nivel mai exigent pentru testarea ipotezei de nul. n practic mai este utilizat pragul
de 0.01 i, mai rar, cel de 0.001. Toate aceste praguri pot si exprimate i n procente,
prin opusul lor. Astfel, printr-o probabilitate de 0.05 se poate nelege i un nivel de
ncredere de 95% n rezultatul cercetrii (99%, pentru p=0.01 i, respectiv, 99.9%
pentru p=0.001).
Utilizarea tehnicii de calcul i apariia programelor de prelucrri statistice face
ca semnificaia valorilor testelor statistice sa fie calculat direct i exact de ctre
program.

Testul t pentru un singur eantion

Testul z poate fi utilizat doar atunci cnd cunoatem media populaiei de
referin i avem la dispoziie un eantion mare (adic de minim 30 de subieci) .
Puine sunt variabilele utilizate n psihologie pentru care s dispunem de msurtori la
nivelul populaiei. n plus, nu ntotdeauna putem avea eantioane mari (minim 30 de
12

subieci). Pentru situaiile care nu corespund acestor condiii, testul z nu poate fi

aplicat.
Pentru a se rezolva problema s-a dezvoltat un model teoretic bazat pe un tip
special de distribuie, denumit distribuie t, cunoscut ns i ca distribuia Student,
dup pseudonimul cu care s-a semnat autorul acestui model.
Distribuia t este o distribuie teoretic care are toate caracteristicile unei
distribuii normale (este perfect simetric i are form de clopot). Specificul acestei
distribuii const n faptul c forma ei (mai exact, nlimea) depinde de un parametru
denumit grade de libertate (df sau degrees of freedom), care este egal cu N-1 (unde
N este volumul eantionului).
Curba distributiei t este din ce n ce mai aplatizat pe msur ce df (volumul
eantionului) este mai mic. Pe msur ce df este mai mare, distribuia t se apropie de
o distribuie normal standard iar scorul critic pentru t este acelai ca i cel pentru z pe
curba normal (1.96).
Din cele spuse rezult c, dac avem un eantion de volum mic (N30), vom
utiliza testul t n loc de testul z.
Interpretarea valorii lui t se face n mod similar cu cea pentru valorea z, cu
deosebirea c se utilizeaz tabelul distributiei t care va tine cont si de numrul de
gradelor de libertate.
De alta parte, dac df este mare (peste 30), valorile tabelare ale lui t se apropie
de cele ale lui z. Asa se face ca, n practic, testul t se poate utiliza i pentru
eantioane mari (N30). Dar in nici un caz nu poate fi utilizat testul z n cazul unor
eantioane mici (N30).

Prezentarea rezultatelor testului z sau t

Prezentarea rezultatelor diferitelor proceduri statistice trebuie fcut astfel
nct cititorii s i poat face o imagine corect asupra rezultatelor.
De regula prezentarea rezultatelor unui test statistic se poate face n dou
moduri:
o fie sub form tabelar atunci cnd numrul variabilelor testate este
relativ mare
o fie narativ atunci cnd se are in vedere o singur variabil.
De exemplu, in cazul testului pentru un singur eantion, se vor raporta: media
eantionului, media populaiei, valoarea lui t (sau z), nivelul lui p, tipul de test
(unilateral/bilateral).
Exemplu: m= miu =, t=, p>0.05, one-tailed.
Atentie!
Orice valoare a lui p mai mare de 0.05 este considerat nesemnificativ, dac nu a fost
fixat un alt prag, mai sever.

13

Testul t pentru eantioane independente

Unul dintre modelele de cercetare frecvente, ns, este acela care vizeaz
punerea n eviden a diferenelor care exist ntre dou categorii de subieci. n
situaii de acest gen psihologul compar mediile unei variabile msurat pe dou
eantioane compuse din subieci care difer sub aspectul altor variabile (sexul, nivel
de instruire, etc.). Variabila supus comparaiei este variabila dependent, deoarece
presupunem c suport efectul variabilei sub care se disting cele dou eantioane i
care, din acest motiv, este variabil independent. n situaii de acest gen, eantioanele
supuse cercetrii se numesc independente, deoarece sunt constituite, fiecare, din
subieci diferii.

Procedura statistic pentru testarea semnificaiei diferenei dintre

mediile a dou eantioane
Problema pe care trebuie s o rezolvm este urmtoarea: Este diferena dintre
cele dou eantioane suficient de mare pentru a o putea considera ca determinat de
variabila independent, sau este doar una dintre diferenele probabile, generat de
jocul hazardului la constituirea perechii de eantioane? Vom observa c sarcina
noastr se reduce, de fapt, la ceea ce am realizat anterior n cazul testului z sau t
pentru un singur eantion. Va trebui s vedem dac diferena dintre dou eantioane
reale se distaneaz semnificativ de diferena la care ne putem atepta n cazul
extragerii absolut aleatoare a unor perechi de eantioane, pentru care distribuia
diferenelor este normal. Mai departe, dac probabilitatea de a obine din ntmplare
un astfel de rezultat (diferen) este prea mic (maxim 5%) o putem neglija i accepta
ipoteza c ntre cele dou variabile este o relaie semnificativ.
Dac avem valoarea diferenei dintre cele dou eantioane cercetate, ne mai
sunt necesare doar media populaiei (de diferene ale mediilor) i abaterea standard a
acesteia, pentru a calcula testul z (n cazul eantioanelor mari) sau cel t (n cazul
eantioanelor mici). n final, nu ne rmne dect s citim valoarea tabelar pentru a
vedea care este probabilitatea de a se obine un rezultat mai bun (o diferen mai
mare) pe o baz strict ntmpltoare.
Media populaiei de diferene. Diferena dintre mediile celor dou
eantioane ale cercetrii face parte, aa cum am spus, dintr-o populaie compus din
toate diferenele posibile de eantioane perechi. Media acestei populaii este 0 (zero).
Atunci cnd extragem un eantion aleator dintr-o populaie, valoarea sa tinde sa se
plaseze n zona centrala cea mai probabil). Dar aceeai tendin o va avea i media
oricrui eantion extras din populaia pereche. Ca urmare, la calcularea diferenei
dintre mediile a dou eantioane, cel mai probabile sunt diferenele mici, tinznd spre
zero. Astfel, ele vor ocupa partea central a distribuiei, conturnd o medie tot mai
aproape de zero cu ct numrul eantioanelor extrase va fi mai mare.

Testul t pentru dispersii diferite

Acesta se bazeaz pe considerarea separat a dispersiilor celor dou populaii
(estimate prin dispersiile eantioanelor).

Testul t pentru dispersia cumulat

14

Dispersiile celor dou eantioane pot fi considerate mpreun pentru a forma o

singur estimare a dispersiei populaiei (2). Obinem astfel ceea ce se numete
dispersia cumulat, pe care o vom nota cu.
EXEMPLU DE CALCUL:
S presupunem c vrem s vedem dac recompensa (variabila independent)
determin o cretere a duratei de concentrare a atentiei, constatata printr-un numr
mai mare de minute in timpul orei in care copii ramin atenti la explicatiile
invatatorului (variabil dependent). Pentru aceasta selectm un lot de 10 elevi care
vor fi recompensati i un alt lot de 10 elevi care nu vor fi recompensati. Pentru
fiecare lot vom msura durata medie de concentrare.

Formularea ipotezei cercetrii, a ipotezei de nul, i a criteriilor deciziei

statistice
Pentru exemplul de mai sus:
Problema cercetrii: Are recompensa are efect asupra capacitatii de
concentrare a atentiei?
Ipoteza cercetrii (H1): Acordarea recompensei determin o crestere a
duratei de concentrare.
Ipoteza de nul (statistic) (H0): Durata de concentrare nu este mai mare nu
este mai mare la lotul care a fost recompensat. Aceast variant este potrivit cu o
testare unilateral a ipotezei (nu avem n vedere dect eventualitatea ca recompensa sa
creasca s creasc durata de concentrare).
Dac, ns, am dori s testm n ambele direcii, bilateral, atunci am avea
urmtoarele versiuni ale ipotezelor:
Ipoteza cercetrii: Durata de concentrare a atentiei este diferita la elevii
care au fost recompensati fata de cei care n-au fost recompensati
Ipoteza de nul (statistic): Durata de concentrare nu difer semnificativ n
funcie de acordarea recompensei.
Fixarea lui t critic. Alegem efectuarea unui test bilateral, pentru c nu putem
ti dinainte dac recompensa nu are un efect negativ asupra capacitatii de concentrare.
Alegem nivelul: =0,05. Stabilim gradele de libertate: df=N1+N2-2=18
Utiliznd tabelul distribuiei t pentru 18 grade de libertate (adic 20-2) i
=0,05, bilateral, vom gasi un t critic. Pentru a respinge ipoteza de nul si a accepta
ipoteza cercetrii, valoarea t calculat va trebui s fie cel puin egal sau mai mare
dect t critic.
DECI:
a. se va compara t calculat cu t critic din tabelul distributiei t
b. se va lua decizia statistic: se respinge sau se accepta ipoteza de nul
c. concluzia cercetrii: se va admite sau respinge ipoteza cercetrii.

Prezentarea rezultatului
La prezentarea testului t pentru diferena dintre mediile a dou eantioane
independente vor fi menionate: mediile fiecrui eantion, volumul eantioanelor sau
gradele de libertate, valoarea testului, nivelul lui p.
n form narativ:
15

Lotul x a realizat o performan mai bun (m= ) fa de lotul y

t(df)=, p<0.05

(m=),

Interpretarea rezultatului la testul t pentru eantioane independente

Trebuie s precizm c, atunci cnd calculm testul t, nu valoarea obinut
este relevant ci probabilitatea care este asociat acestei valori (p). Atunci cnd p este
mai mic sau egal cu 0.05, va fi semnificativ diferena dintre mediile celor dou
eantioane (adic suficient de mare pentru a respinge ipoteza c ar putea fi
ntmpltoare). Totusi modelul de cercetare nu permite formularea acestei concluzii n
termenii unei relaii cauzale.

Condiiile n care putem calcula testul t pentru eantioane independente

-

esantioane aleatoare
eantioane independente (distincte din punctul de vedere al variabilei
independente, care determin constituirea grupurilor)
variabila supus msurrii s se distribuie normal n ambele populaii.
Aceasta ne garanteaz c i distribuia diferenelor dintre medii se
distribuie normal. Totui, teorema limitei centrale ne permite asumarea
normalitii distribuiei mediei de eantionare chiar i n cazul variabilelor
care nu se distribuie normal la nivelul populaiei iar testele t sunt robuste
la nclcarea condiiei de normalitate.
dispersia celor dou eantioane s fie omogen. Iar daca eantioanele sunt
suficient de mari (cel puin 100 fiecare) sau au acelai volum (N1=N2)
problematica omogenitatii dispersiei nici nu trebuie sa ne mai preocupe.

Cnd se utilizeaz testul t pentru eantioane independente ?

Acest test statistic se utilizeaz n situaiile n care vrem sa aflm dac o variabil
dependent, msurat pe o scal de interval/raport, difer semnificativ ntre dou
grupuri (eantioane) difereniate pe o variabil independent, msurat pe scala de tip
nominal (dihotomic). Deoarece este unul dintre modelele frecvent ntlnite n practica
cercetrii psihologice, utilizarea testului t pentru eantioane independente este i ea
des ntlnit n literatura de specialitate.

16

Testul t pentru eantioane dependente

Un alt model uzual n cercetarea psihologic vizeaz comparaia a dou valori
msurate pe aceiai subieci Exemple:
evaluarea nivelului anxietii nainte i dup un program de desensibilizare;
evaluarea timpului de reacie nainte i dup ingerarea unei cantitati de alcool.
Pentru ca este vorba despre msurarea unor variabile la aceiai subieci, acesta
este un model intrasubiect.
mai exista si situatii cind natura situaiei experimentale nu permite utilizarea
acelorai subieci pentru cele dou msurri. n acest caz se poate gsi pentru
fiecare subiect corespunztor condiiei iniiale un subiect similar,
corespunztor condiiei finale, constituind astfel perechi de subieci
aparinnd fiecare unui grup distinct, ntre care se poate face o comparaie
direct. n astfel de cazuri, avem de a face cu aa numitul model al
eantioanelor perechi .
De remarcat ca c n ambele situaii se utilizeaz msurtori de acelai fel, cu
acelai instrument, care produce valori exprimate n aceeai unitate de msur, ntre
care se poate efectua un calcul direct al diferenei.
Pentru descrierea testului statistic adecvat acestor situaii s ne imaginm
urmtoarea situaie generic de cercetare: Un grup de pacieni cu tulburri de tip
anxios sunt inclui ntr-un program de psihoterapie, avnd drept scop ameliorarea
nivelului anxietii. nainte de nceperea programului a fost aplicat o scal de
evaluare a anxietii. Acelai instrument a fost aplicat din nou, dup parcurgerea
programului de terapie.
Atentie!

testul t pentru eantioane independente surprinde variabilitatea dintre

subieci, n timp ce testul t pentru eantioane dependente (msurri
repetate) se bazeaz pe variabilitatea intra-subiect, aceea care provine
din diferena valorilor de la o msurare la alta, la nivelul fiecrui subiect
n parte.

Logica ipotezei de nul

In astfel de cazuri ipoteza de nul presupune c media diferenelor la nivelul
populaiei este 0. Ceea ce nseamn c testul t trebuie s demonstreze c media
diferenelor msurate este suficient de departe de 0, pentru a respinge ipoteza de nul i
a accepta ipoteza cercetrii.
Exemplu
Problema cercetrii: Se poate obine o crestere a duratei de concentrare a
atentiei prin acordarea unor recompense?
Ipoteza cercetrii (H1):
Pentru test bilateral Acordarea de recompense are efect asupra capacitatii
de concentrare a atentiei.
17

Cum apare ipoteza pentru test unilateral?

Ipoteza de nul (H0):
Pentru test bilateral Acordarea de recompense nu are nici un efect asupra
capacitatii de concentrare a atentiei..
Cum apare ipoteza pentru test unilateral?
Populaiile cercetrii:
Lotul 1 Elevi carora li s-au acordat recompense.
Populaia 2 Elevi carora nu li s-au acordat recompense.
Ipoteza cercetrii afirm c ele sunt diferite, n timp ce ipoteza de nul afirm c ele
sunt identice.
Decizia statistica
Alegem modul de testare a ipotezei: bilateral
Fixm pragul = (0.05 sau 0.01).
Cutm t critic la pragul fixat functie de gradele de libertate (N-1).
Comparm t calculat cu t critic la pragul fixat
Acceptm sau nu ipoteza de nul functie de care vom decide asupra ipotezei de
cercetare.
- fie probabilitatea de a se obine o crestere a
capacitatii de concentrare ca urmare a jocului
hazardului este mai mare dect pragul pe care ni lam impus
- fie probabilitatea de a se obine o crestere a
capacitatii de concentrare ca urmare a jocului
hazardului este mai mica dect pragul pe care ni lam impus
Decizia: datele sprijina / nu sprijin ipoteza cercetrii.

Prezentarea rezultatului
La publicare se vor meniona: volumul eantionului, valoarea testului t, pragul
de semnificaie i dac testul a fost unilateral sau bilateral.
Pentru exemplul de mai sus, o prezentare narativ a rezultatului ar putea arta astfel:
Un lot de ? elevi cu probleme de concentrare au intrat intr-un program cu
acordare de recompense. Capacitatea de concentrare a fost evaluat nainte i dup
acordarea de recompense. S-a constatat o crestere / reducere a duratei de
concentrare de la o medie de ? la ? dup acordarea recompenselor. Diferena a
atins / nu a atins pragul semnificaiei statistice t(df)=?, p>0.01, pentru =0.01
bilateral.

18

Testarea diferenei dintre mai mult de dou medii-analiza de

varin (ANOVA)
Exista situaii de cercetare n care avem de comparat trei sau mai multe medii.
La prima vedere, am putea fi tentai s rezolvm problema prin compararea repetat a
mediei grupelor, dou cte dou. Din pcate, exist cel puin trei argumente pentru
care aceast opiune nu este de dorit a fi urmat:
Trebuie sa stim ca prin efectuarea repetat a testului t se acumuleaz o
cantitate de eroare mai mare dect este permis pentru o decizie statistic (0.05). De
exemplu, pentru efectuarea repetat a testului t pentru trei eantioane independente, sar cumula o cantitate total de eroare 0.15 adic 0.05+0.05+0.05.
Pentru a elimina aceste neajunsuri, se utilizeaz o procedur statistic numit
analiza de varian (denumit pe scurt ANOVA). In esen, ANOVA nu este altceva
dect o extensie testului t pentru situaiile n care se dorete compararea a mai mult de
dou medii independente.
Exist mai multe tipuri de ANOVA, dou fiind mai frecvent folosite:
ANOVA unifactorial presupune:
variabil dependent msurat pe o scal de interval/raport.
variabil independent (nominal sau ordinal) care ia trei sau mai
multe valori. Modelul de analiz de varian cu o singura variabil
independent se numete ANOVA unifactorial, ANOVA
simpl sau, cel mai frecvent, ANOVA cu o singur cale (Oneway ANOVA).
ANOVA multifactorial presupune
variabil dependent (similara cazului ANOVA unifactorial)
dou sau mai multe variabile independente, fiecare cu dou sau mai
multe valori msurate pe o scal nominal sau ordinal.

Ce inseamna ANOVA unifactorial

Specificul const n faptul c n locul diferenei directe dintre medii se utilizeaz
dispersia lor, gradul de mprtiere. Procedura se bazeaz pe urmtorul demers logic:
Ipoteza cercetrii sugereaz c fiecare grup are o medie caracteristic, diferit de a
celorlalte. Prin opoziie, ipoteza de nul, ne oblig s presupunem c cele trei loturi pe
care vrem s le comparm, provin dintr-o populaie unic de valori iar diferenele
dintre mediile lor nu reprezint dect expresia variaiei fireti a distribuiei de
eantionare.
Loturile pot avea medii diferite care s rezulte ca expresie a variaiei aleatoare
de eantionare (m1m2m3) i, de asemenea, mprtieri (dispersii) diferite
(s1s2s3).
S ne gndim la cele trei medii pe care vrem s le comparm ca la o distribuie
de sine stttoare, de trei valori (sau mai multe). Cu ct ele sunt fi mai diferite una de
alta, cu att distribuia lor are o mprtiere (varian) mai mare. Dac eantioanele ar
aparine populaiei de nul, diferena mediilor (exprimat prin dispersia lor) ar fi mai
mic dect n cazul n care acestea ar proveni din populaii distincte (corespunztor
ipotezei cercetrii).
Se pune astfel urmtoarea problem: ct de diferite (mprtiate) trebuie s fie
mediile celor trei eantioane, luate ca distribuie de sine stttoare de trei valori,
pentru ca s putem concluziona c ele nu provin din aceeasi populatie ci din trei
populaii diferite, corespunztoare eantioanelor de cercetare (1, 2, 3)?
Pentru aceasta trebuie sa aflam:
19

a) dispersia valorilor individuale la nivelul populaiei care se bazeaz pe toate

valorile msurate, indiferent grup;
b) dispersia mediilor fiecarui grup (considrat ca lot separat);
c) raportul dintre aceste dou valori. Obinerea unei valori mai ridicate a acestui
raport ar exprima apartenena fiecreia din cele trei medii la o populaie
distinct n timp ce obinerea unei valori mai sczute ar sugera proveniena
mediilor dintr-o populaie unic.
Care este modul de calcul pentru cei doi termeni ai raportului?
Calcularea exact a dispersiei populaiei este imposibil (deoarece nu avem
acces la toate valorile acesteia), dar ea poate fi estimat prin calcularea mediei
dispersiei grupurilor de cercetare. Valoarea astfel obinut se numete dispersia
intragrup i reprezint estimarea mprtierii valorilor msurate la nivelul populaiei
de nul.
La rndul ei, dispersia mediilor grupurilor de cercetare, calculat dup metoda
cunoscut de calcul a dispersiei, formeaz ceea ce se numete dispersia intergrup.
Valoarea astfel obinut evideniaz ct de diferite sunt mediile eantioanelor care fac
obiectul comparaiei.
Raportul dintre dispersia intergrup i dispersia intragrup se numete
raport Fisher i ne d valoarea testului ANOVA unifactorial. Cu ct acesta este mai
mare, cu att mprtierea mediilor este mai mare i, implicit, diferen lor poate fi
una semnificativ, ndeprtat ce o variaie pur ntmpltoare.
Dac distana (mprtierea) dintre mediile eantioanelor care provin din cele trei
populaii depete un anumit nivel, atunci putem concluziona c nu avem o singur
populaie (ipoteza de nul) ci mai multe, mediile grupurilor prezentnd o diferen
semnificativ.

ASADAR
Esena procedurii de calcul pentru ANOVA se bazeaz pe o dubl estimare a dispersiei
populaiei cercetrii.

Estimarea dispersiei populaiei pe baza mediei dispersiei grupurilor (variana

intragrup)
Pentru ca nu cunoatem dispersia populaiei din care ar putea proveni grupurile, o
estimm prin dispersiile celor trei grupuri (s12, s22, s32).
Calculnd media celor trei dispersii vom obine o valoare care estimeaz dispersia
pentru cele trei grupuri luate mpreun. Aceast valoare se consider c estimeaz
dispersia populaiei totale. Deoarece ea se calculeaz pe baza dispersiilor n interiorul
grupurilor, este desemnat n mod uzual prin termenul de intragrup. Se noteaz cu
s2intragrup iar formula de calcul va depinde de egalitatea sau inegalitatea volumelor
grupurilor supuse cercatarii.

Estimarea dispersiei populaiei de nul pe baza dispersiei mediilor

grupurilor( variana intergrup)
Mediile celor trei grupuri (loturi) sunt numere care pot fi analizate ca distribuie n
sine, a cror dispersie (varian) poate fi calculat, fiind o estimare a mprtierii
valorilor la nivelul populaiei. Din cauz c se bazeaz pe mediile grupurilor, aceasta
se mai numete i varian intergrupuri.
Deci analiza de varian are la baza raportul dintre cele dou estimri
s2intergrup/s2intragrup. Acesta va tinde de s devin cu att mai mare cu ct diferena dintre
mediile grupurilor (tradus prin dispersia mediilor) devine mai mare dect dispersia
din interiorul grupurilor (tradus prin media dispersiilor). Acest raport se numete
20

raport Fisher, dup numele celui care a fundamentat acest tip de analiz i se scrie
astfel:
s 2 int ergup
F 2
s int ragrup

Distribuia F
Valorile raportului F (sau testul F) se distribuie ntr-un mod particular, numit
distribuia F sau distribuia Fisher, avnd urmtoarele caracteristici:
1. asimetrie pozitiv (tendina valorilor de grupare spre partea stng, cu valori
mici);
2. poate lua o valori orict de mari;
3. forma distribuiei variaz n funcie de cele doua tipuri de grade de libertate:
numrul grupelor (categoriile variabilei independente) i numrul subiecilor.
Prezentarea rezultatului testului F (ANOVA)
Pentru prezentarea ANOVA vor fi descrise grupurile (categoriile) comparate,
mediile lor, valoarea testului F cu numrul gradelor de libertate i pragul de
semnificaie al testului. Narativ un rezultat poate sa apara in urmatoarea forma:
Mediile pentru cele grupuri au fost: gr.1 - ?, gr.2 - ?, gr.3 - ?. Analiza de
varian unifactorial a relevat o diferen semnificativ ntre aceste medii, F (df
numarator, df numitor)=?; p0.05.

Analiza post-hoc
Testul ANOVA ne ofer o imagine global a relaiei dintre categoriile
variabilei independente i valorile variabilei dependente. Cercettorul poate fi, ns,
interesat care dintre grupuri difer ntre ele i n ce sens.
Pentru a rezolva aceast problem, au fost dezvoltate diverse teste, denumite
post-hoc, calculate dup aplicarea procedurii ANOVA. Testele post-hoc
(ex.Bonferoni) se interpreteaz n mod similar testului t. Analiza post-hoc este
permis numai dac a fost obinut un rezultat semnificativ pentru testul F. Asadar n
practic, analiza de varian va cuprinde dou faze: prima, in care se decide asupra
semnificaiei testului F, i a doua, n cazul c acest raport este semnificativ, n care se
analizeaz comparativ diferenele dintre categoriile analizate, pe baza unui test posthoc.

21

Regresia liniar simpl

Una dintre utilizrile importante ale coeficientului de corelaie este realizarea
de predicii. Dac tim corelaia dintre dou variabile, putem s prezicem valorile
uneia dintre ele pe baza valorilor celeilalte. Este vorba despre o variabil predictor, si
una variabil criteriu.
Asadar corelaia ar putea permite fundamentarea unei proceduri de predicie
reciproc ntre variabilele respective. Dac tim, de exemplu, c dou variabile au o
corelaie egala cu 1 (indiferent de semn) putem prezice orice valoare a unei variabile
pe baza valorii celeilalte.

z y' z x
Formula de mai sus descrie modul de predicie n valori z pentru variabila Y,
pornind de la valorile variabilei X, numit din acest motiv predictor. Pentru c
valoarea lui Y din formula de mai sus este una prezis, se noteaz cu indicele
prim.
S ne imaginm c am descoperit o corelaie perfect (r=+1) ntre scorul la un
test de inteligen verbal (X) i cel la un test de inteligen abstract (Y). Conform
formulei, pentru o valoare zx=1.5 vom prezice o valoare identic pentru Y, zy=1.5.
Din pcate corelaiile perfecte sunt rare sau de loc ntlnite n realitate. Ca
urmare, predicia suport riscul unei erori. Pentru aceasta formula se modifica:

z y' r * zx
unde r este valoarea coeficientului de corelaie dintre cele dou variabile.
Conceptul de regresie a fost introdus de Francis Galton care, studiind relaia
dintre nlimea copiilor i a prinilor a observat c prinii cu nlimi excesive tind
s aib copii cu nlime mai mic dect a lor, adic mai aproape de medie dect a
prinilor. Galton a denumit aceast tendin ca regresie ctre mediocritate. Dar
pentru ca intra in calcul corelaia de tip liniar se vorbeste de regresie liniar ctre
medie.

Reprezentarea grafic a regresiei

Imaginea de mai jos reprezint linia de regresie simpl n cazul unei corelaii perfecte
pozitive (r=+1).
cercurile marcheaz intersecia fiecrei valori X cu valoarea corespondent a
variabilei Y.
originea liniei de regresie se afl n punctul 0 iar nclinarea (panta) liniei de
regresie este de 45o.
Se poate observa ca distana dintre fiecare punct de intersecie i linie este nul, fapt
ce ne spune c linia de regresie estimeaz perfect, fr erori, modelul relaiei dintre
cele dou variabile.
Atunci cnd corelaia este diferit de 1, linia regresie este trasat pe o
traiectorie de aproximare prin norul de puncte, astfel nct distana dintre fiecare
punct i linie sa fie ct mai mic posibil. n esen, pentru a putea trasa dreapta de
regresie a dou variabile, ne sunt necesare punctul de origine al acesteia i nclinarea,
sau panta. Odat aflate, putem trasa linia de regresie utiliznd formula clasic a
liniei drepte: Y=a+b*X, unde:
Y este valoarea prezis a fiecrui punct de pe dreapt
a este originea dreptei, punctul n care linia de regresie intersecteaz ordonata
(axa Oy).
22

b este panta liniei de regresie

X este valoarea predictor a variabilei Y

Intuitiv, linia de regresie poate fi vzut ca o medie a norului de puncte,

fiind trasat astfel nct distanele fa de punctele distribuiei celor dou variabile s
fie similare de o parte i de alta a liniei.

Analiza reziduurilor
Linia de regresie se obine, de fapt, prin cutarea unui traseu prin norul de
puncte astfel nct distana nsumat dintre dreapt i punctele de deasupra s fie egal
cu distana nsumat fa de punctele de sub linie.
in cazul unei corelaii perfecte toate punctele de intersecie ale valorilor
celor dou variabile se afl exact pe dreapta de regresie.
in cazul corelaiilor imperfecte distanele dintre puncte i dreapta de
regresie exprim, de fapt, eroarea de estimare a asocierii dintre
variabile. Distana dintre poziia real a punctelor i cea estimat cu
ajutorul liniei de regresie se numete valoare rezidual i exprim,
desigur, o eroare de estimare. .
Cu ct suma distanelor de la fiecare punct la linia de regresie este mai mare,
cu att eroarea de estimare este mai pronunat. Cu ct vor fi mai apropiate punctele
de intersecie de linia de regresie, cu att mai puin eroare vom avea n predicie i,
implicit, o corelaie mai mare. Invers, cu ct punctele de intersecie vor fi mai
ndeprtate de linia de regresie, cu att cu att valoarea rezidual va fi mai mare iar
corelaia va fi mai mic. La limit, pentru o corelaie egal cu 0, linia de regresie va
avea o traiectorie orizontal, nclinarea ei fiind 0.

Utilitatea analizei de regresie

Analiza de regresie se utilizeaz n situaiile n care suntem interesai s facem
predicii asupra unei variabile, pe baza alteia obinuta msurri anterioare. De
exemplu, dac am efectuat o analiz de regresie ntre coeficientul de inteligen i
performana in munca pe un lot de subieci, putem ulterior s estimm nivelul
performanei in munca a altor subieci prin evaluarea inteligenei lor. Aceasta este
procedura tipic pe care se bazeaz prediciile psihologice n contextul examenelor de
selecie.

23

Diferenta intre distribuii de frecvente (testul chi - 2)

Foarte adesea, rezultatele unei cercetari se paote prezenta sub de frecventa. In
aceste situatii nu mai sint operabile comparatiile bazate pe medii. Este cazul datelor
categoriale. Pentru asemenea situatii s-a dezvoltat testul 2 , care este una dintre cele
mai utilizate proceduri in stiintele sociale atit datorita specificului datelor cit si
usurintei de calcul. Situatiile de aplicare a testului sint si ele diverse (comparare,
asociere, concordanta). De retinut ca aplicarea testului 2 cere ca datele sa fie sub
forma de frecvente absolute, mai precis variabilele sa fie nominale sau ordinale.
Concret: presupunem ca ne-ar interesa studiul privind frecventa consumului de
droguri in rindul populatiei tinere. In acest scop s-a obtinut o serie de date consemnate
in tabelul:
Toxicomani
Neconsumatori

Barbati
25
18

Femei
26
38

O analiza imediata a datelor ne-ar duce la concluzii de tipul:

exista mai multe tinere consumatoare decit tineri
proportia barbatilor consumatori este mai mare decit ceaa tinerelor
Pentru compararea datelor, insa, se va porni de la tabelul prezentat care este un
tabel cu 4 casute iar in fiecare casuta cite un numar. Aceste numere reprezinta in fapt
frecvente observate fo, adica de o parte, frecventa cazurilor de persoane toxicomane
iar de alta parte, numarul persoanelor neconsumatoare.
Apare intrebarea in legatura cu diferentele care apar intre barbati si femei. Se datoresc
aceste diferente intimplarii sau sint semnificative ? Altfel spus, din punct de vedere al
consumului de droguri cele doua populatii sint identice sau nu ?
Raspunsul necesar se poate da numai admitind ipoteza nula si verificindu-o cu
ajutorul criteriului 2.
Asadar, in casute sint inscrise proportiile observate, pe care le notam cu fo.
Formulam ipoteza nula, adica presupunem ca grupele avute in vedere sint esantioane
extrase la intimplare din aceeasi colectivitate, prin urmare diferentele constatate sint
pur aleatoare. Deci ipoteza aceleasi colectivitati este admisibila sau nu ?
Procedura:
Admitind aceasta ipoteza ar trebui sa ne asteptam la aceleasi proportii in ambele
esantioane.
In exemplul ales, pentru fiecare numar gasit in mod practic (pentru fiecare celula din
tabel) vom estima numarul teoretic plecind de la datele existente si efectuind
totalurile marginale pe linie si coloana.
Toxicomani
Neconsumatori
Total

Barbati
25
18
43

Femei
26
38
64

total
51
56
107

Vom determina frecventele teoretice ft pentru fiecare casuta din tabel apelind la regula
de trei simpla. Totalul pe coloana inmultit cu totalul pe linie supra total esantion.
In exemplu: 43 x 51 \ 107 = 20,5. Pentru prima celula frecventa teoretica este de 20,5.
Se determina in acest mod ft si pentru celelalte celule obtinindu-se tabelul (cifrele
obtinute se inscriu in casutele corespunzatoare intre paranteze).
24

Toxicomani
Neconsumatori

Barbati
25 ( 20,5)
18 (22,5)

Femei
26 (30,5)
38 (33,5)

Pentru a compara frecventele teoretice cu cele observate se vor lua patratele acestor
diferente (evitindu-se nulitatea sumei diferentelor simple). Astfel se ajunge la
simbolul 2 definit ca suma diferentelor frecventelor observate si teoretice la patrat
impartita la frecventa teoretica.
2 = (fo-ft)2 \ ft 2
Exemplul de mai sus insumam atitia termeni cite casute avem.
2 = (25-20,5)2\20,5 + ........=3,16
Valoarea obtinuta prin calcul se raporteaza la valorile tabelare ale lui 2.
Tabelul indica probabilitatea corespunzatoare diverselor valori ale lui 2 sub ipoteza
nula. Acesta tine seama si de numarul gradelor de libertate. Numarul gradelor de
libertate se stabileste la 2 ca fiind (r-1)(c-1) in care r=nr.rinduri iar c=nr.coloane.
In exemplu, nr, gr.de libertate = 1
Vom citi in tabel valorile lui 2 corespunzatoare diferitelor probabilitati. Daca
valoarea obtinuta prin calcul este mai mica decit cea indicata in tabel, nu putem
respinge ipoteza nula. Daca valoarea calculata este superioara celei din tabel vom
considera diferentele puternic seminificative.
In exemplu: 3.16 la 1 grad libertate valoarea tabelara este de 3.84 la p=0.05 . Valoarea
calculata este mai mica deci nu respingem ipoteza nula.
Criteriul 2 se poate generaliza la tabele cu un numar mare de casute, raminind
valabil acelasi procedee de lucru. Totusi esantioanele trebuie sa fie destul de mari iar
frecventele din casute sa nu fie sub

25

Sugestii pentru analiza statistica

Alegerea testului statistic
n statistic dificultatea const n a alege procedura statistic adecvat scopului
propus i datelor disponibile i a interpreta rezultatul. Pentru a rezolva aceast
problem sunt necesare cunotine de psihologie experimental i experien n
prelucrarea datelor. Dar dac se respect o serie de recomandari lucrurile devin mai
accesibile.
I . Atentie la:
formularea ipotezei. Ea deriv din problema cercetrii i se exprim sub form
rspunsului pe care cercettorul se ateapt s l confirme cu ajutorul datelor
statistice.

la identificarea variabilele cercetrii

culegerea datelor cercetrii. Orice eroare n aceast faz se va traduce n

dificulti de prelucrare i analiz a datelor.

II . Prelucrarea datelor presupune urmatorii pasi:

Analiza preliminar a datelor apelind la statistica descriptiva. Astfel: se
verifica corectitudinea datelor, se observa caracteristicile distribuiei fiecrei
variabile ccea ce va determina alegerea testului statistic adecvat
Corectarea eventualelor erori de nregistrare, rezolvarea situaiilor n care
exist date lips, transformarea variabilelor, dac acest lucru se impune, etc.

Testarea ipotezei cu ajutorul testului statistic de semnificaie i adoptarea

deciziei cu privire la ipoteza cercetrii.

III . Pentru selectarea testului statistic adecvat:

Se identific cele doua tipuri de variabile (VI si VD)
In caul VD
- daca este de tip nominal/ordinal, se aplic un test neparametric
- dac este de tip interval/raport
dac eantionul este mare se recomand alegerea unui test
parametric
dac eantionul este mic, se recomand alegerea unui test
neparametric (caz in care valorile vor fi)
IV . Se precizeaz obiectivul cercetrii:
a) Diferena dintre grupuri dependente sau independente. Acest model
este potrivit n urmtoarele situaii:
- cnd variabila independent, prin natura ei, se exprim n
categorii (ex. vrst, sexul, etc.)
- cnd variabila independent este manipulat
b) Gradul de asociere. Acest model de cercetare este recomandabil
atunci cnd avem de a face cu variabile msurate simultan sau
succesiv pe aceiai subieci (modele de tip nainte-dup).
V. Se alege testul statistic adecvat
26

Test parametric sau test neparametric?

Cind variabila dependent este msurat pe scal nominal sau ordinal,
singurele teste aplicabile fiind cele neparametrice.
Cnd variabila dependent este exprimat pe o scal cantitativ
(interval/raport) si ntrunete condiiile impuse de statistica
parametric, este recomandabil s se utilizeze teste parametrice
Atentie la mrimea eantionului. Testele statistice, att cele parametrice ct i
cele neparametrice, efectuate pe eantioane reduse, sub N=20, nu ofer
rezultate robuste iar credibilitatea lor este ndoielnic. Studiile pe eantioane
de acest gen pot avea o valoare de studii pilot n vederea deciziei de a lansa
sau nu studii de amploare pe o anumit tem.

ASADAR..
Analiza statistica presupune
(1) analiza statistic descriptiv i (2) testarea ipotezelor.
Analiza statistic descriptiv
In funcie de obiectivul analizei i de tipul de variabil se va apela la anumite
procedurii descriptive:
tabela de frecvene
distribuie de frecvene
distribuie de frecvene
Histogram
Poligon
Mod
Median
Medie
Median
Amplitudinea
abaterea standard
Amplitudinea
(2) Testarea ipotezelor
Se va alege testul statistic adecvat functie de obiectivul cercetrii (diferenta
intre grupuri, asocierea variabilelor) i scalele de msurare pentru variabila
independent i variabila dependent (categoriale / interval-raport).

Cum prezentam rezultatele cercetarii

Ipotezele - exprimarea cu claritate a tipului de studiu statistic care a fost efectuat, i a
scopurilor care au fost urmrite.
Populaia - definit cu claritate, n sensul elementelor care o compun
Eantionul - se va descrie modul de constituire a eantionului, insistndu-se pe
criteriile de includere i, eventual, de excludere a unor indivizi.
Prezentarea metodei
Variabilele - vor fi descrise n mod explicit, indicndu-se denumirea i
semnificaia fiecreia, modul n care au fost msurate i unitatea de msur.
27

Instrumentele de msurare - prezentate cu o descriere (cel puin) sumar,

inclusiv cu caracteristicile lor psihometrice.
Procedura - modul n care a decurs procedura de investigare, descrierea
condiiilor, a duratei, locului, i a personalului care a contribuit la aceasta.
Prelucrarea datelor
Se va ncepe cu eventualele complicaii care au survenit pe parcursul studiului.
Analiza primar. Analiza statistic va ncepe ntotdeauna cu o inspecie a
valorilor obinute. Aceasta nseamn analiza distribuiilor sub aspectul formei,
indicatorilor tendinei centrale, valorilor excesive, etc. Ignorarea acestui aspect poate
conduce la grave erori de interpretare, sau la un volum mai mare de munc, ulterior,
dac se constat prea trziu imperfeciuni care trebuiau fi eliminate de la bun nceput.
Reprezentarea grafic a datelor (histograma) poate fi o metod foarte eficient de
identificare a distribuiilor anormale sau valori improprii.
Scopul acestei analizei primare a variabilelor este dublu:

Obinerea unei imagini de ansamblu a variabilelor de interes

(frecvene, tendina central, mprtierea, grafice)

Fundamentarea alegerii testelor statistice adecvate datelor pe care le

analizm
Desigur, n documentul de cercetare nu se vor include toate rezultate analizei
primare, ci numai acelea strict necesare pentru descrierea variabilelor analizate. De
exemplu, nu este necesar ca raportul s fie mpnat cu histogramele fiecrei
variabile cantitative, fapt care ncarc nejustificat textul cu imagini puin relevante
pentru cititor. De asemenea, nu se va descrie i nu se va justifica alegerea testului
statistic, n funcie de natura variabilelor. Acest lucru se consider implicit.
Verificarea ipotezelor statistice. Acesta este momentul cel mai important al
unei cercetri, acela n care se concretizeaz ntregul efort depus. Primul lucru care
trebuie neles este acela c rezultatele care se vor obine depind n mod decisiv de
calitatea i minuiozitatea cu care au fost parcurse etapele anterior descrise. Un studiu
bine fundamentat teoretic, bazat pe ipoteze consistente, utiliznd instrumente adecvate
i beneficiind de o procedur sigur de recoltare a datelor, va conduce ntotdeauna la
rezultate utile. Aceasta nu nseamn neaprat c ele trebuie s confirme ipotezele.
Uneori, chiar i infirmarea unei ipoteze poate fi semnificativ.
Un aspect important aici este alegerea aparatului statistic (teste de
semnificaie). Apariia numeroaselor programe de prelucrare statistic computerizat a
condus la orientarea multor cercettori, mai ales tineri sau nceptori, spre proceduri
sofisticate i complicate. Cea mai bun soluie este alegerea procedurilor statistice
minim necesare pentru evidenierea ideilor urmrite. Abundena de calcule i de teste
statistice nu contribuie la o mai bun nelegere ci arat, mai degrab, nesigurana
cercettorului. Una dintre prejudecile rspndite, mai ales printre studeni, este
aceea c exist teste statistice importante (de ex., analiza factorial, analiza de
clusteri, etc., despre care nu a fost vorba n acest manual introductiv n statistic) i
altele mai puin importante (testul diferenelor ntre medii, etc.). Complet fals!
Alegerea unei proceduri statistice mai sofisticate putea face o anumit impresie n
epoca de dinaintea programelor de calcul statistic. n prezent, orice procedur, orict
de complicat, nu mai reprezint o problem sub aspectul calculelor, pentru nimeni.
Singurul lucru care conteaz cu adevrat este alegerea procedurii potrivite cu natura
datelor i cu obiectivele cercetrii, precum i interpretarea ei corect. Dac o
procedur simpl servete exact ideea care trebuie scoas n eviden, aceasta
trebuie folosit i nu alta, cu un nume mai sonor. S ne gndim i la faptul c avem
mai multe anse ca procedurile simple, uzuale, s fie nelese mai uor, i de ctre
mai muli cititori.
n ceea ce privete testarea ipotezelor, nu este suficient expresia acceptm
sau respingem ipoteza. ntotdeauna se va indica i valoarea obinut pentru nivelul
28

de semnificaie (p, sau Sig., cum este prezentat n unele programe statistice). De
reinut c, inclusiv atunci cnd rezultatul obinut nu ndreptete respingerea ipotezei
de nul, ipoteza cercetrii va fi considerat doar neconfirmat i nu respins. Aceast
atitudine este mai potrivit, pe de o parte, cu modelul probabilistic de testare statistic
a ipotezelor i, pe de alt parte, cu faptul c nimic nu ne mpiedic s pstrm ipoteza
i s ncercm confirmarea ei ntr-un alt studiu.
Problema variabilelor multiple. Dac n exemplele din manualele de statistic
sunt luate n discuie, de regul, situaii simple, cu minimum de variabile posibile, cel
mai adesea, dou. n realitate, cel mai adesea, studiile de psihologie trebuie s fac
fa unei avalane de variabile a cror relaie trebuie testat nu doar una cte una ci
i n interdependena lor. Acest fapt ridic, pe de o parte, probleme de procedur
statistic i, pe de alt parte, probleme de prezentare a rezultatelor. Alegerea
procedurii astfel nct s surprind exact relaiile care intereseaz, cu excluderea
influenelor colaterale, este, din pcate, greu de explicitat la nivelul unui manual
introductiv. n ceea ce privete forma de prezentare, trebuie avut n vedere
necesitatea de a fi, n egal msur, sintetici i explicii. Sintetici, pentru a nu ngreuna
textul cu o abunden excesiv de tabele de date, explicii, pentru c nu pot fi eludate
informaiile eseniale care sunt necesare pentru interpretarea rezultatelor.
Reinere fa de declararea relaiei cauzale. Aprecierea pe baza unui test de
semnificaie statistic a unei relaii de cauzalitate ntre variabile este cel puin
hazardat. Acest lucru poate fi susinut numai dac se respect anumite condiii
experimentale, care s ne asigure c ntre cele dou variabile este o relaie cauzefect.
Tabele i figuri. Tabelele sunt cel mai des utilizate pentru includerea n textul
rapoartelor de cercetare a rezultatelor obinute. Ele prezint avantajul indicrii cu
exactitate a valorilor i susinerii cu precizie a concluziilor. Figurile au ns avantajul
de a prezenta informaia ntr-o form intuitiv i accesibil, atrgnd atenia
cititorului. Nu se poate face o recomandare de preferin pentru una sau alta dintre
cele dou forme. Oricum, este de reinut c figurile ocup mult spaiu tipografic i
sunt mai pretenioase din punctul de vedere al editrii i al tehnoredactrii textelor.
n orice caz, se vor evita figurile prea complexe. Este recomandabil ca fiecare grafic
s prezinte o singur idee, pe care s o susin ct mai simplu i mai explicit.
Discutarea i interpretarea rezultatelor.
Adevrata ncercare ntr-un demers de cercetare nu este, aa cum s-ar putea
crede, prelucrarea efectiv a datelor. Dac sunt corect recoltate i nregistrate,
prelucrarea lor se face destul de uor cu ajutorul programelor computerizate existente
astzi. Interpretarea, ns, este o prob pentru oricine se afl n faza de finalizare a
unei cercetri.
Premisa fundamental a unei interpretri consistente este suportul teoretic,
claritatea i consistena ipotezei sau ipotezelor cercetrii. Este imposibil s tragi
concluzii dac nu eti contient de obiectivele urmrite. Adesea se cade prad iluziei
c, indiferent de ce date dispunem, se poate susine un demers de cercetare doar cu
ajutorul unui program de calcul statistic sofisticat i a unui set de date oarecare. Din
pcate, se ntmpl destul de des ca un student s vin i s spun: am aceste date, ce
teste statistice pot face cu ele?. Obiectivul cercetrii trebuie s fie clar precizat de la
bun nceput n timp ce alegerea procedurii statistice ine de natura scalei de msurare,
caracteristicile variabilelor i ipotezei pe care trebuie s o testm. Dac fiecare dintre
aceste aspecte sunt clare n mintea cercettorului, atunci rspunsul la ntrebarea demai
sus este foarte uor de dat.
Se va urmri, pe de o parte, coerena dintre concluzii i datele pe care se
sprijin, iar pe de alt parte, dintre concluzii i condiiile specifice cercetrii (eantion,
model de investigare). Cu alte cuvinte, fiecare aspect al concluziilor trebuie s aib un
29

suport robust n datele i rezultatele obinute prin prelucrarea lor. Se va evita

generalizarea necritic. Transpunerea anumitor rezultate dincolo de limitele populaiei
cercetrii este adesea hazardat. Rezultatele obinute nu sunt mai puin importante
dac pstrm pruden n generalizarea lor. Studii ulterioare pot confirma sau nu
datele obinute i, pe aceast baz, se poate extinde generalizarea semnificaiilor.
n alt ordine de idei, relevana rezultatelor nu depinde doar de atingerea
nivelului de semnificaie statistic ci i de mrimea eantionului. n principiu, aceste
dou mrimi contribuie mpreun la fundamentarea concluziilor, astfel:
rezultat semnificativ
statistic
Da
Da
Nu
Nu

eantion

concluzia cercetrii

mic
mare
mic
mare

rezultat important
importana practic posibil dar incert
rezultat neconcludent
ipoteza cercetrii este, probabil, fals

Un alt aspect important este interpretarea semnificaiei statistice. Obiectivul

legitim al testelor statistice este atingerea pragului de semnificaie. De aceea, valoarea
lui p este prima care trebuie s ne atrag atenia la captul prelucrrilor, simimindune rspltii pentru eforturile fcute, dac se afl sub pragul de 0.05. Cu toate acestea,
nu trebuie s uitm nici un moment c statistic semnificativ nu este echivalent cu
tiinific important. Dincolo de valoarea lui p se impune luarea n considerare i
mrimea n sine a diferenei sau legturii puse n eviden de respectivul test statistic.
Desigur, o valoare ridicat a testului, fr atingerea pragului de semnificaie, nu este
relevant. Dar nici valoare prea mic, chiar dac este semnificativ statistic. Ct de
mic sau ct de mare trebuie s fie valoarea testului, pentru a o considera
important sau relevant? Din pcate, pentru aceast ntrebare nu exist un
rspuns riguros. Se recomand apelul la spiritul tiinific i la simul comun,
concomitent cu raportarea la natura specific a fiecrei situaii n parte. Cu alte
cuvinte, rspunsul depinde de contextul fiecrei cercetri n parte.
O alt problem de discutat este n legtur cu valoarea n sine a lui p. Dup
cum tim, nivelul minim pentru acceptarea semnificaiei statistice este 0.05,
corespunztor valorii convenionale minim acceptabile pentru pragul alfa. Vorbind n
sens strict, un p=0.049 este considerat semnificativ, n timp ce un p=0.051 trebuie sa
fie considerat nesemnificativ. Avnd n vedere c pragul alfa=0.05 este unul arbitrar,
nu se poate evita un astfel de raionament rigid. Cu toate acestea, exist cercettori
care raporteaz rezultate ale lui p uor mai mari dect 0.05 ca fiind marginal
semnificative sau aproape semnificative. S menionm, totui, c o astfel de
atitudine este destul de rar ntlnit i poate determina reacii negative, justificate, din
partea cercettorilor mai riguroi, aflai n majoritate.
n mod intuitiv, suntem tentai s interpretm nivelul de semnificaie n funcie
de valoarea calculat a lui p. Astfel, un p=0.001 ni se pare mai semnificativ dect un
p=0.05, de exemplu. Dac utilizm definiia strict a termenului de semnificaie din
raionamentul deciziei statistice, o astfel de atitudine nu este justificat. O dat ce a
fost fixat un anumit nivel al lui alfa, orice p mai mic sau egal cu acesta este
semnificativ, iar orice p mai mare este nesemnificativ. Cei mai muli statisticieni
mprtesc aceast opinie.
Este util sa adugm c programele de prelucrri statistice afieaz 0.000
pentru valori ale lui p mai mici de 0.001, Acest fapt nu va fi interpretat n nici un caz
ca exprimnd probabilitate zero, ci doar n sensul c valoarea lui p este mai mic de
0.001. De altfel, la raportarea semnificaiei, se poate opta fie pentru nscrierea valorii
exacte a lui p, aa cum este calculat de program, fie doar pentru menionarea plasrii
valorii testului sub nivelul alfa stabilit.
30

Formularea concluziilor
Studiul trebuie s se ncheie cu concluzii adecvate cu rezultatele obinute,
formulate sintetic i explicit. Nu se vor evita aspectele mai puin reuite ale cercetrii,
eventualele nereuite, chiar. Rostul acestora este acela de a ajuta la evitarea repetarea
unor greeli de ctre cei care vor dori s reia acelai tip de investigaie, mai trziu. Se
pot face chiar recomandri explicite n acest sens. Orict de semnificative ar fi
rezultatele unui anumit studiu, ele nu vor schimba modul de a gndi o anumit
realitate psihologic. Acest efect nu l pot avea dect rezultate obinute de mai multe
studii concordante pe aceeai tem.
Nu se va uita niciodat faptul c semnificaia statistic nu ine loc i de
semnificaie teoretic, cu sensul de consisten a unui anumit model teoretic
explicativ. Procedurile statistice nu sunt altceva dect instrumente de evaluare
probabilist ipotezelor. Profunzimea teoretic a unui studiu nu poate rezulta dect din
calitatea modelului de investigaie (ipoteze, proceduri de evaluare, subtilitatea analizei
rezultatelor, etc.) i nu din datele statistice ca atare.
Statistica trebuie s fie o modalitate de organizare i disciplinare a gndirii tiinifice,
n nici un caz, ns, nu se poate substitui acesteia. Dar nu se poate ajunge la aceast
performan dect dac statistica este neleas att sub aspecte ei tari ct i cu
limitele ei.
n trecut, la nceputurile utilizrii statisticii n psihologie, prezena acesteia
ntr-o lucrare avea un caracter de prestigiu, cu att mai mare cu ct era mai bogat
reprezentat. n prezent, omniprezena calculatoarelor i a programelor specializate au
fcut ca prelucrrile statistice s devin o operaiune relativ facil. Tocmai din acest
motiv, apare riscul abuzului de statistic, a utilizrii necritice i superficiale a acesteia
n elaborarea lucrrilor de cercetare.
n fine, ca o concluzie a celor spuse, se cuvine sa insistm pe respectarea
exigenelor procedurale impuse de metoda statistic. Simpla populare a unei lucrri
cu date statistice, tabele, grafice, sau cu valori ale unor teste de semnificaie, nu
asigur n mod necesar acelui document valoarea tiinific la care aspir. Asigurarea
calitii datelor supuse prelucrrii, respectarea condiiilor de alegere a testelor de
semnificaie, interpretarea lor adecvat i publicarea rezultatelor n formatul adecvat,
sunt condiii indispensabile pentru calitatea tiinific a unui studiu bazat pe metoda
statistic.

Greeli frecvente n redactarea analizelor statistice

Lectura celor mai multe dintre lucrrile efectuate de studeni scoate n
eviden nerespectarea recomandrilor prezentate mai sus. Efectul const n
consemnarea unor greeli, dintre care cele mai frecvente i mai suprtoare ni se par a
fi urmtoarele:

Formulare improprie a ipotezelor sau concluziilor cercetrilor, prin utilizarea

unor termeni care sugereaz relaia de cauzalitate (influeneaz,
determin). Se ignor faptul c testele statistice nu susin existena unei
relaii de cauzalitate dect dac datele sunt recoltate n condiii de experiment
psihologic.
Includerea n lucrare a ipotezelor de nul, n paralel cu cele ale cercetrii.
Acestea din urm sunt singurele necesare i suficiente.
Exces de ostentaie n prezentarea rezultatelor prelucrrilor statistice. Cifrele
tind s fie mai multe dect explicaiile i analizele. Aceast manier creeaz
impresia neplcut de parad de statistic. Statistica trebuie sa ramina o
prezenta discreta, al carui rost este doar acela de a sustine concluziile
cercetrii.
31

Intrarea n detalii de analiz a datelor, inclusiv n descrierea didacticist a

respectrii condiiilor pentru aplicarea diverselor teste statistice. Se vor evoca,
ns, eventuale aspecte deosebite, cum ar fi valori excesive legitime sau
operaii de transformare a unor variabile, cu scopul normalizrii distribuiei.
Includerea integral a rezultatelor calculate de programe pentru diverse
proceduri. Unele dintre acestea conduc la un mare volum de rezultate
numerice. Nu toate trebuie reproduse ci numai acelea care susin n mod direct
i explicit concluziile cercetrii.
Raportarea incompleta sau absenta a rezultatelor la testele statistice
(enuntarea deciziei statistice si a concluziei cercetrii nu este suficienta, ea va
fi insotita intotdeauna de valorile testului si de valorile adiacente acestuia).
Exces de zecimale n prezentarea rezultatelor la prelucrri. De regul, valoarea
testelor statistice se raporteaz cu dou zecimale.
Reproducerea rezultatelor din programele statistice cu pstrarea elementelor
de text n limba englez (atunci cnd lucrarea este scris n limba romn).
Explicaii inconsistente la tabele i grafice. Orict de explicite ar fi acestea,
cititorul nu va fi lsat s i le explice singur.
Grafice sau tabele fr titlu.
Absena coeficienilor de consisten intern pentru testele care nu fac parte
din metodologia profesional general, sau, nc i mai grav, pentru cele create
de autor, i pe care se bazeaz respectiva cercetare.
Instrumente de lucru (teste) prezentate integral n textul lucrrii. Acestea se
descriu la modul general, fiind prezentate integral, eventual, doar la sfritul
lucrrii, n caz c se dorete difuzarea lor.

32