Documente Academic
Documente Profesional
Documente Cultură
Statistica Opariuc
Statistica Opariuc
TIINELESOCIOUMANE
Noiunidebaz Statisticiunivariate
CristianOpariucDan
Cristian Opariuc-Dan
Cuprins
Cuprins ............................................................................................................. 3
Cuvntul autorului ........................................................................................... 7
I.
Variabile .......................................................................................... 14
I.1.1
I.1.2
I.2
I.2.1
I.2.2
I.3
I.3.1
II.2
III.
III.1
IV.1
IV.2
V.1.2
V.2.2
V.2.3
V.2.4
V.2.5
V.2.6
V.2.7
VI.1
VI.2
Cristian Opariuc-Dan
VI.3
VI.4
VI.6
VII.1.1
VII.1.2
VII.1.3
VII.1.4
VII.2
VII.3
VII.3.1
VII.3.2
VII.3.3
VII.3.4
VII.3.5
VII.3.6
VIII.
Cristian Opariuc-Dan
Cuvntul autorului
Bun venit la cursul de statistic aplicat n tiinele socio-umane. Dac ai cumprat aceast carte, probabil c suntei student sau absolvent al unei
faculti pe care ai urmat-o tocmai din dorina de a scpa de matematic, de
calcule, probabil c v plac mai mult cuvintele, v place s vorbii cu oamenii, s-i nelegei i s-i ajutai, s ptrundei fenomenele i evenimentele
sociale. mi imaginez surprinderea i ngrijorarea dumneavoastr n momentul n care, abia pind pe bncile facultii, ai aflat cu stupoare c trebuia s
studiai statistic. Mai mult, c statistica v-a urmat n toi anii de facultate,
inclusiv la licen. tiu! i eu la rndul meu am trit aceleai sentimente i nu
m pot luda c am obinut, de la nceput, performane deosebite n acest
domeniu. Asta pentru c statistica nu se las uor dezvluit. Totui, statistica
reprezint fundamentul tiinific al unor discipline precum psihologia, sociologia, antropologia i multe altele. Fr sprijinul su, nu am reui s vorbim
astzi de inteligen, trsturi de personalitate, tipuri de memorie, nu am avea
teste care s le msoare la nivelul la care reuesc acum s le msoare.
Statistica nu este att de grea. Nu este nevoie s tim concepte avansate de matematic superioar pentru a nelege i aplica principii statistice.
Dac tii s adunai, s scdei, s nmulii i s mprii, sunt sigur c vei
putea nva foarte bine i statistica. Nu trebuie s v sperie formulele complexe i neinteligibile. De cele mai multe ori, aceste formule nu sunt altceva
dect algoritmi, pai simpli, proceduri de calcul elementar, care v introduc
n lumea fascinant a probabilitilor. Chiar dac uneori apar termeni precum
logaritmi, integrale, derivate i limite, stai linitii. Nimeni nu v pune s le
calculai. Unele calcule pot presupune utilizarea unui calculator tiinific i
cam att.
Am ncercat s fac din acest volum un material special i am evitat de
fiecare dat s utilizez concepte matematice laborioase. Fiecare formul pe
care o prezint aici va fi explicat, descompus. Uneori abundena de exemple
7
i repetiiile sunt destinate fixrii unor concepte mai dificile sau mai importante. Sigur c statistica presupune nc de la nceput stpnirea unor concepte noi. Nu putem avansa dac nu nelegem sensul termenului de a msura sau
dac nu tim ceea ce este o variabil, un nivel de msur sau un indicator
statistic. Muli dintre dumneavoastr abia acum iau contact cu aceti termeni
i, desigur, lucrul acesta i sperie. Fii fr grij. O mare parte din terminologia statistic o folosii deja i ai folosit-o de mii de ori. Doar c nu tiai c se
numete aa i nici de unde provine. mpreun vom face lumin.
Acest volum este unul practic. Fiecare capitol i propune obiective
precise i abund de exemple i exerciii concrete. n definitiv, m intereseaz s stpnii practica statisticii, s o utilizai n activitatea dumneavoastr de
zi cu zi i nu s facem speculaii teoretice pe aceast tem. Majoritatea capitolelor sunt formate din dou pri: un fundament teoretic i conceptual nsoit de algoritmii (paii) clasici ai unui procedeu statistic i o aplicaie folosind
un pachet de programe de prelucrri statistice, SPSS for Windows. n aceast
carte am utilizat mai multe versiuni SPSS, ultima fiind versiunea 15. Sunt
sigur c principiile prezentate aici vor putea fi aplicate i n versiunile urmtoare. La momentul scrierii acestei cri, ultima versiune de SPSS este versiunea 16. n general, fiecare capitol se finalizeaz cu un set de ntrebri i
exerciii pe care v invit s le parcurgei singuri, deoarece sunt menite s stabilizeze cunotinele dobndite.
Totui, de ce este important s studiem statistica? Desigur, argumentele sunt nenumrate, ns m voi rezuma doar la cteva. Cel ce nu cunoate
statistic nu poate nelege articolele de specialitate. Toate cercetrile care se
fac n acest domeniu folosesc metode statistice mai mult sau mai puin elaborate. Un specialist n domeniu care nu cunoate statistic, nu poate citi i nelege n profunzime coninutul unui material de specialitate, corectitudinea sau
incorectitudinea datelor expuse. n alt ordine de idei, necunoscnd statistic,
nu se poate face cercetare experimental, nu pot fi nelese principiile constructive ale unui instrument sau metod de msurare a unor caliti psiholo8
Cristian Opariuc-Dan
gice sau a unor fapte sociale i, prin urmare, un asemenea instrument nu va
putea fi utilizat corect.
Materialele pe care le-am folosit pentru a scrie aceast carte sunt, n
marea lor majoritate, prezentate n bibliografia final. De asemenea, am utilizat multiple surse de pe Internet, precum i experiena mea ca practician i
dascl n ale statisticii. Nu pot s nu-i menionez pe cei care mi-au fost primii
ndrumtori n aceast aventur i de la care am avut i nc mai am de nvat foarte mult. Astfel, i sunt recunosctor profesorului doctor Cornel
Havrneanu, mentorul i prietenul meu care mi-a ghidat formarea i m-a susinut permanent, prietenului meu asistent doctor Ovidiu Lungu, un statistician
nnscut, care m-a determinat s neleg c acesta ar fi domeniul ce mi s-ar
potrivi cel mai bine i care mi-a sprijinit nceputurile, lector doctor Loredana
Ruxandra Gherasim, cu care de nenumrate ori am nvat s aplic practic
ceea ce tiam teoretic sau s mi fundamentez teoria plecnd de la practic,
profesor universitar doctor Aurel Stan, care a avut bunvoina i rbdarea,
alturi de cei menionai mai sus, s mi citeasc lucrarea i s mi fac observaii pertinente pe seama ei i prin intermediul cruia am luat cunotin
de statistic prima dat, n anii studeniei, care ulterior mi-a furnizat informaii valoroase, ce mi-au permis s m perfecionez. Fr contribuia lor, n mod
sigur nu a fi ajuns niciodat s scriu aceste rnduri i lor le datorez recunotina mea.
Nu pot, de asemenea, s nu mulumesc unei situaii, situaia care ma determinat s vin din Iai la Constana. Am nvat c statistic un eec
personal creeaz premisele unei relansri. Dac aceast situaie, dac propriile mele eecuri nu ar fi existat, probabil c aceast carte nu ar fi existat nici
ea. ntotdeauna, chiar atunci cnd ceva pare sigur imposibil, s tii c soluia
e chiar la ndemna dumneavoastr. Referitor la acest fapt, nu pot s nu mulumesc fiicei mele, Luana-tefana, care mi-a fost sprijin i speran n toate
momentele dificile i care n ciuda vrstei nu a ncetat s m sprijine i s m
ncurajeze. i mulumesc i i dedic prima mea lucrare.
9
Aceast carte nu ar fi vzut tiparul fr susinerea profesorului universitar doctor Mircea Miclea, care m-a ncurajat, m-a neles i a sprijinit apariia acestui volum. i mulumesc i mi exprim recunotina i pe aceast cale.
Nu pot, de asemenea, s nu i amintesc pe prinii mei i pe toi prietenii mei,
mai mult sau mai puin apropiai, datorit crora am avut energia s ncep
aceast lucrare i crora le mulumesc pentru c m-au ajutat s trec peste
momentele dificile din ultimii ani i fa de care nu pot s nu mi exprim recunotina.
Ct a ncerca, nu reuesc s mi scot din minte vorbele i imaginea
primului meu profesor adevrat de matematic, domnul Crezant Ghenghea,
din cadrul liceului industrial (pe atunci), actualmente Colegiu Naional Nicu
Gane din Flticeni, care a reuit s-mi induc, cum nu a fcut nimeni, dragostea fa de aceast disciplin. Chiar dac nu l nelegeam n acel moment
al adolescenei mele, el a fost primul (i singurul) care m-a vzut cu aptitudini n acest domeniu, aptitudini pe care eu nsumi mi le repudiam. Au trebuit
s treac muli ani ca s ajung la vorbele sale: Eti pentru tiine exacte. Nu
poi scpa de ceea ce eti. Ai s-mi dai dreptate mai trziu. i i-am dat
dreptate. Mi-a dori s fie acum mndru de ce-am realizat i voi folosi aceast ocazie pentru a-i mulumi.
Nu n ultimul rnd, v mulumesc dumneavoastr, care ai cumprat
aceast carte i v invit s m urmai prin cltoria n lumea statisticii, s v
convingei c lucrurile sunt mai simple dect credei. Eu nu pot dect s v
garantez c v voi scoate la liman. Observaiile dumneavoastr sunt foarte
importante pentru mine i m pot orienta n viitoarele lucrri sau reeditri ale
acestui volum. Dac unele informaii nu vi se par clare, dac dorii i altceva,
nu v rmne dect s-mi scriei pe adresa copariuc@gmail.com i s-mi
comunicai opinia dumneavoastr. V mulumesc i v doresc succes!
Constana, duminic, 13 iulie 2008
10
Cristian Opariuc-Dan
11
12
Cristian Opariuc-Dan
Cantitatea n care un obiect este saturat ntr-o caracteristic, nu este reprezentat printr-un punct, ci printr-un nor de puncte, care oscileaz ntr-un anumit
interval, n jurul unei valori. (Vasilescu, 1992)
Discutnd despre sensul termenului de a msura, acceptm definiia
dat de S. S. Stevens (1959) prin care, n sensul su larg, msurarea nseamn atribuirea de numere obiectelor sau evenimentelor, potrivit unor
reguli. Msurarea este deci, o funcie, prin care unui obiect i corespunde un
numr i numai unul, la o anumit msurare. Aceast funcie de atribuire va
trebui s fie suficient de clar, pentru a permite ca unui obiect s i se atribuie
un numr i numai unul i s permit s decidem concret i corect, ce numr
va fi atribuit fiecrui obiect, dar i suficient de simpl pentru a putea fi aplicat. (Vasilescu, 1992)
Spre exemplu, codificarea genului biologic al subiecilor, este o msurare; dac persoana este brbat, i se acord valoarea 1 iar dac persoana este
femeie, i se acord valoarea 2. Observm c regula de atribuire nu permite
confuzii brbatul este notat cu 1 iar femeia cu 2 ofer o selecie exhaustiv de categorizare a oricrui element care apare n mulimea gen biologic i
este suficient de simpl pentru a fi utilizat. Acesta este un proces de msurare conform definiiei lui Stevens, dei putem constata cu uurin lipsa posibilitii de ierarhizare. Nu putem construi, la acest nivel, o ierarhie a subiecilor, deoarece nivelul de msurare este unul categorial. Despre nivelurile i
scalele de msurare, vom discuta ns mai trziu.
Un alt exemplu de msurare l reprezint codificarea gradelor didactice: notm cu 0 preparatorul, cu 1 asistentul, 2 lectorul, 3 confereniarul, 4
profesorul. Observm, din nou, univocitatea i simplitatea regulii; ntr-o
universitate, fiecare cadru didactic poate s fac parte dintr-o categorie i
numai din una iar fiecare persoan se afl, la un moment dat, ntr-o asemenea
categorie. n plus, observm existena unei ierarhii; confereniarul este inferior n grad profesorului i superior n grad lectorului, fr ns a se putea pre-
13
ciza nici cu ct nici de cte ori. Aceasta este ns, din nou, o problem a nivelului de msurare, pe care o vom aborda ulterior.
I.1 Variabile
Am stabilit deja faptul c obiectele pot fi cunoscute prin msurarea
indicatorilor proprietilor sale. Aadar, obiectele devin msurabile prin stabilirea caracteristicilor lor. Caracteristica este, prin urmare, o particularitate, o nsuire a unui obiect sau fenomen, care constituie obiectul msurrii. De exemplu, o mas poate fi caracterizat prin lungime, lime, nlime,
greutate, form, culoare etc. Toate acestea constituie caracteristici prin care
ncercm s descriem ct mai exact obiectul msurat. Cu ct avem mai multe
asemenea caracteristici, cu att obiectul se contureaz mai precis.
Caracteristicile prin care obiectul este descris, poart numele de variabile. O variabil reprezint un concept cheie n statistic i nu este altceva
dect un nume pentru un element a crui principal proprietate este aceea c variaz, i modific valorile. Prin aceast proprietate principal, variabilele se disting de constante, elemente care au valori fixe. De exemplu,
ntr-un studiu efectuat pe o populaie general, genul biologic poate fi o variabil dac lotul de cercetare cuprinde att brbai ct i femei. Dac ns intenionm s desfurm o cercetare numai pe femei, atunci genul biologic
devine o constant, deoarece nu prezint proprietatea principal a variabilelor, aceea de a-i modifica valorile.
Modalitatea de realizare a unei variabile (modul n care i sunt atribuite valorile) constituie un eveniment ntmpltor (probabilistic), de aceea variabila se mai numete i variabil aleatoare sau variabil stocastic. De
exemplu, nlimea unor elevi dintr-o clas este o variabil care poate lua
aleatoriu diferite valori pe care le pot avea elevii la aceast caracteristic.
Desigur, valorile pe care le poate lua variabila se grupeaz ntr-un anumit
interval de valori. Nu putem vorbi de elevi de 5 centimetri, dup cum nu putem gsi elevi de 5 metri. De aceea, putem considera c nlimea elevilor din
14
Cristian Opariuc-Dan
clasa a X-a este o variabil stocastic ce poate lua aleatoriu valori din domeniul de definiie 150 190 centimetri.
Aadar, elementele de baz care compun domeniul de definiie al unei
variabile aleatorii poart numele de valori sau scoruri. n momentul n care
aceste elemente sunt numere, variabila se mai numete i variabil aleanumeric.
O variabil aleatorie exprim, aadar, variaia unei caracteristici.
Dup cum am spus, nlimea elevilor este o variabil alea-numeric; la fel
greutatea acestora, capacitatea toracic, temperatura corpului sau numrul de
la pantofi. Nu toate variabilele sunt ns alea-numerice. Culoarea ochilor,
culoarea prului, genul biologic, tipul temperamental etc. sunt variabile ale
cror valori nu pot fi exprimate prin numere, dei sunt i ele variabile aleatorii. Asemenea variabile nu sunt considerate variabile alea-numerice.
Toate aceste caracteristici pot fi msurate, nregistrate i catalogate i
de asemenea difer de la o persoan la alta sau de la o situaie la alta. De aceea, toate aceste concepte le vom include sub denumirea generic de variabile.
De ce suntem ns att de interesai de aceste variabile, de ce sunt importante i la ce ne folosesc? Rspunsul este acela c, nu putem fi mulumii
doar cu ideea c variabilele variaz. Ne intereseaz, n principiu, s nelegem de ce variaz, cnd i n ce condiii variaz, care este efectul acestor variaii ale lor. Pentru aceasta, variabilele vor trebui mai nti definite, apoi nregistrate i n final supuse analizei, crend premisele extragerii unor concluzii i, implicit, a generalizrii.
Realizarea unei variabile prin intermediul scorurilor creeaz posibilitatea abordrii conceptului statistic de frecven. Frecvena reprezint rspunsul la ntrebarea ci indivizi, cte cazuri populeaz fiecare categorie a
15
Exist mai multe clasificri ale variabilelor. Le vom aborda atunci cnd situaia o va impune pentru a nu complica inutil, la acest nivel, expunerea noastr.
16
Cristian Opariuc-Dan
Un asemenea exemplu de variabil este o variabil discret nominal sau variabil discret categorial, deoarece permite doar clasificri, fr
a putea vorbi de o relaie de ordine sau ierarhie ntre valorile pe care le poate
lua respectiva variabil.
Un alt exemplu de variabil discret este variabila grad didactic. Ea
poate lua valorile: preparator, asistent, lector, confereniar, profesor. Sigur c,
i n acest caz putem clasifica subiecii n funcie de gradul lor didactic. Nu
putem ns vorbi, nici acum, de o nou categorie intermediar, de exemplu
asistent-lector i apoi asistent-lector-lector i aa mai departe, lucru care i
confer caracterul discret. De data aceasta ns, putem pune o relaie de ordine ntre valorile variabilei. Putem vorbi de faptul c asistentul este inferior n
grad lectorului sau profesorul este superior n grad confereniarului. O asemenea variabil se numete variabil discret ordinal, sau variabil discret de rang.
17
Interval
Ordinal
Neparametric
Nominal
Figura 1.1 Reprezentarea schematic a nivelurilor de
msurare
Observm c termenul
de cuantificare dobndete sens ncepnd cu scala ordinal, deoarece abia la
acest nivel ne permitem realizarea unor ierarhii. Scala nominal nu accept
cuantificare ci doar clasificare.
Se cuvine s facem meniunea c, proprietile scalelor sunt incrementale, adic proprietile unui nivel inferior de msurare sunt valide i la un
nivel superior de msurare, ns nu i reciproc.
18
Cristian Opariuc-Dan
19
Operaii statistice permise n principal operaiile de baz, derivate din numrare, astfel:
o Frecvena absolut i relativ (procentul), cte observaii
au fost incuse n fiecare categorie (de exemplu 25 de brbai i 40 de femei sau 30% brbai i 78% femei);
o Valoarea modal (modul), categoria cu frecvena cea mai
mare (de exemplu din 200 de subieci, 150 au ochi albatri,
aceasta fiind categoria cu frecvena cea mai mare modul);
o Verificarea statistic prin 2 procedeu de comparare a
frecvenelor i de verificare dac diferenele dintre ele sunt
ntmpltoare sau, din contra, semnificative, nentmpltoare;
o Coeficieni de corelaie ntre dou variabile cu dou valori
fiecare, coeficientul , coeficientul tetragoric, coeficientul
de contingen, toate bazndu-se pe lucrul cu frecvene absolute sau relative.
20
Cristian Opariuc-Dan
Strict vorbind, acesta este nivelul la care ne situm n tiinele socioumane n general i n psihologie n particular. Din perspectiva statisticii, ca
disciplin matematic, nu putem vorbi de medie, abatere standard sau ali
indicatori care presupun un nivel de msur cel puin de interval, deoarece o
asemenea scal nu exist n domeniul socio-uman la o rigoare (nc) demonstrabil matematic. Scorurile testelor de inteligen, aptitudini, personalitate
sunt variabile avnd valori simplu ordonate la un nivel ordinal de msur. Un
test de inteligen nu ne arat, de fapt, cantitatea de inteligen a subiecilor,
ci ierarhizarea acestora, poziia, rangul pe care l ocup fiecare ntr-o populaie.
Lansarea, n 1905, a scalei metrice a inteligenei de ctre Alfred Binet,
se fcea cu urmtoarea meniune din partea autorului: calitile intelectuale
nu se msoar precum lungimile, nu satisfac cerina aditivitii; scala permite un clasament ierarhic ntre inteligene diferite i, din raiuni practice,
acest clasament echivaleaz cu o msurare. (Radu, i alii, 1993). Autorul a
sesizat foarte bine limitele msurrii n tiinele socio-umane nc din acea
perioad, limite pe care muli psihologi actuali astzi le ignor. Nu ne mir
faptul c, matematicienii consider aplicarea statisticii n psihologie ca fiind
defectuoas.
Datorit faptului c, dac ne-am limita doar la o msurare pe scala ordinal, metodologia psihologic i psihosociologic ar fi srcit de aportul
statisticilor parametrice (tari), pentru anumite msurtori se accept utilizarea scalei de interval prima care permite calculul mediei i a abaterii standard ns, acest lucru se face printr-un important compromis statisticomatematic (Clocotici, i alii, 2000).
Variabile precum gradul didactic, gradul militar, nivelul de educaie
se gsesc la acest nivel de msurare, deoarece pe lng posibilitatea clasificrii, a includerii unui individ ntr-o categorie, avem i posibilitatea ordonrii
categoriilor, putnd afirma c o categorie este superioar sau inferioar alteia.
21
Dac lum, de exemplu, gradele militare, putem spune c ntr-o unitate se afl 30 de locoteneni, 10 maiori i 60 de cpitani sau 15% locoteneni,
5% maiori i 30% cpitani (ne aflm la un nivel nominal de msur) dar i c
maiorii sunt superiori n grad cpitanilor sau locotenenii sunt inferiori n
grad cpitanilor (nivelul ordinal de msur). Nu putem preciza ns cu ct i
nici de cte ori o categorie este superioar sau inferioar alteia. Nu putem
afirma c doi locoteneni fac ct un cpitan. De asemenea, este absurd s
vorbim despre medie. Care este media dintre un locotenent i un cpitan??!!!
Proprieti ale scalei:
Aa cum am admis anterior, proprietile specifice scalei ordinale le
includ pe cele ale scalei nominale, astfel nct la cele ale scalei anterioare se
adaug (Vasilescu, 1992):
Cristian Opariuc-Dan
media, abaterea standard sau ali indicatori care fac parte din statisticile numite i statistici tari.
23
Transformrile permise la acest nivel sunt cele de tip liniar, caracteristice ecuaiei y=ax+b unde a>0 iar y este valoarea transformat, x valoarea care urmeaz a fi transformat, a constanta de
extindere i b constanta de deplasare (Vasilescu, 1992).
o Deplasri prin mrirea punctului zero relativ la o alt
valoare (modificarea constantei b);
o Extinderi amplificarea sau diminuarea intervalelor scalei
cu acelai factor (modificarea constantei a), fr s deteriorm rezultatul msurtorilor (de exemplu transformarea
din note z n stanine sau sten).
Cristian Opariuc-Dan
o Toate tipurile de corelaii: r Pearson, raport de corelaie
(R), coeficientul de regresie (b)
Anumite operaii statistice, dei presupun scala de interval, necesit i
ndeplinirea altor condiii i anume respectarea unei legi de distribuie, n
general legea distribuiei normale (gaussiene). Prin urmare, n analiza datelor,
pe lng cerina nivelului de interval se impune i analiza distribuiei datelor
nregistrate. Transformrile permise la nivelul acestei scale au o importan
practic deosebit atunci cnd procedm la normalizarea unei distribuii statistice de date.
Transformrile permise la acest nivel sunt cele de tip multiplicativ, caracteristice ecuaiei y=ax unde a>0, iar y este valoarea
transformat, x valoarea ce va fi transformat iar a constanta
de extindere. Observm dispariia constantei b, constanta de de25
Pe parcursul acestei prezentri, unele imagini sunt din SPSS 12.0 for Windows. Acest lucru
nu incomodeaz n utilizarea altor versiuni. Toate imaginile utilizate reprezint marc nregistrat SPSS Inc.
26
Cristian Opariuc-Dan
mod frecvent sau efectuarea unor aciuni complexe, indisponibile n interfaa
grafic (SPSS, 2001).
Programul SPSS, la fel ca orice alt aplicaie sub sistemul de operare
Windows, indiferent de versiunea acestuia, la instalare i creeaz un grup de
pictograme (iconuri) n seciunea Programs a meniului Start din sistemul de
operare Windows. Pentru a putea lansa n execuie aplicaia, va trebui ca mai
nti s efectuai clic cu maus-ul pe butonul start al desktop-ului Windows,
buton situat de obicei n partea din stnga jos a ecranului. Apoi mergei la
seciunea Programs i se va deschide o nou list care conine toate programele instalate n calculatorul dumneavoastr (ei bine, cel puin programele la
care avei acces dumneavoastr). n aceast list cutai grupul de programe
SPSS for Windows, grup n care vei gsi pictogramele de lansare ale aplicaiei SPSS. Probabil c ai identificat deja n acest grup de programe pictograma numit SPSS for Windows. Aceasta este imaginea pe care va trebui
s facei clic pentru a porni aplicaia. 3
Desigur, n condiia n care SPSS for Windows este deja instalat pe calculatorul dumneavoastr. Dac nu avei instalat SPSS for Windows, putei descrca o versiune demonstrativ
de 30 de zile de pe site-ul http://www.spss.com Asigurai-v c avei o conexiune suficient
de rapid i de stabil la Internet deoarece fiierul este destul de mare (aproximativ 160 MB)
27
28
Cristian Opariuc-Dan
programului c trebuie s prseasc formularul introductiv i s lanseze fereastra principal SPSS n modul de lucru configurat pentru o nou baz de
date.
n acest moment, nu ne intereseaz niciuna dintre opiunile predefinite, astfel nct vom apsa butonul Cancel. Iat c formularul prezentat mai
sus a disprut, fcnd loc ferestrei principale SPSS. S privim cu atenie
aceast nou interfa cu utilizatorul.
Ca orice alt aplicaie Windows, SPSS posed o bar de titlu bara
albastr din partea de sus a ferestrei n partea stng a acesteia afindu-se
mesajul Untitled SPSS Data Editor. Acest mesaj ne informeaz c ne
aflm n fereastra de date (editare a datelor) din SPSS iar baza de date nu a
fost nc salvat (n momentul salvrii, textul Untitled este nlocuit cu numele fiierului salvat pe disc). n partea dreapt a barei de titlu avem cele trei
butoane clasice ale oricrei ferestre Windows: butonul de minimizare sau de
transfer a aplicaiei n bara de sarcini, butonul de maximizare extindere a
aplicaiei pe ntregul ecran sau de restaurare a aplicaiei la dimensiunile iniiale i butonul de nchidere a aplicaiei, acel buton n form de X. Sub bara
de titlu se afl meniurile, serii de etichete purtnd fiecare un nume (n limba
englez), prin intermediul crora putem comanda SPSS i putem efectua operaiile i prelucrrile de care acesta este capabil. Nu vom insista acum asupra
explicrii tuturor meniurilor, acest lucru l vom face pe parcursul prezentului
curs. Bara de meniuri este urmat de bara de instrumente mici butoane cu
aspectul unor pictograme care n general dubleaz anumite funcii din meniuri, funcii mai des folosite. SPSS prezint o bar de instrumente dinamic,
adic aspectul butoanelor i desigur funcionalitatea acestora se modific relaionat contextului n care ne aflm. De exemplu, vom avea anumite butoane
n modul de introducere a datelor i alte butoane n modul de definire a variabilelor ori la afiarea rezultatelor analizelor de date.
29
30
Cristian Opariuc-Dan
instruciuni despre diferitele funcii ale meniurilor sau ale barei de instrumente i seciunea de stare a procesorului SPSS unde se afieaz informaii referitoare la rularea unor sarcini mari consumatoare de timp. n general, nceperea
unei prelucrri statistice se poate face doar n condiiile n care vedei mesajul
SPSS Processor is ready n aceast seciune.
Prsirea programului SPSS se poate face fie apsnd butonul de nchidere al aplicaiei X din colul din dreapta sus al ferestrei principale, fie
folosind meniul File i apoi Exit. Dac ai fcut prelucrri de date sau modificri n baza de date, programul v va solicita mai nti salvarea documentului, ca msur de protecie mpotriva pierderii de informaie. Despre salvare
ns discutm n subcapitolul urmtor.
31
chide). Apare o list de unde putem deschide o baz de date (Data), o procedur de sintax (Syntax) o foaie de rezultate (Output), un set de comenzi
(Script) sau un alt tip de fiier (Other). Pentru a deschide o baz de date, va
trebui selectat opiunea Data. Observai c fiecare dintre aceste opiuni este
urmat de puncte de suspensie (). ntotdeauna cnd vei ntlni aceste
puncte de suspensie alturi de o comand Windows (nu doar n SPSS ci n
orice program Windows) va trebui s tii c acea comand v invit la dialog. Adic se va deschide o nou fereastr de unde va trebui s alegei ceva
sau s furnizai anumite informaii programului pentru a putea executa comanda respectiv.
O alt metod prin care putei deschide o baz de date este folosirea
aa numitelor taste rapide. De obicei, meniurile sunt nsoite de combinaii
de taste prin care putei efectua direct o anumit sarcin. n loc s apelm la
meniul File apoi Open i apoi Data, putem pur i simplu s inem apsat
tasta Ctrl n timp ce apsm tasta O (de la Open). O astfel de combinaie se
noteaz prin Ctrl+O, notaie pe care o vom folosi pe ntreg parcursul acestui
curs. Vom observa c aceast combinaie are acelai efect ca i parcurgerea
primei metode, avantajul fiind acela c este mult mai rapid.
A treia metod apeleaz la numitele taste fierbini (hot-keys). O
tast fierbinte este o tast folosit n combinaie cu tasta Alt. Dac vei
privi cu atenie meniurile, vei putea observa c unele litere sunt subliniate
de exemplu n meniul File este subliniat litera F. innd apsat tasta Alt i
apsnd apoi tasta F vom obine deschiderea meniului File, ca i cnd am
efectua clic pe acesta. n mod analog, notarea acestei combinaii se face folosind convenia Alt+F. Deci, pentru a deschide o baz de date putem folosi
combinaiile Alt+F deschiderea meniului File i apoi Alt+O deschiderea
submeniului Open iar n final Alt+A accesarea opiunii Data. Este, dac
dorii, o navigare prin meniuri fr maus.
32
Cristian Opariuc-Dan
Ultima metod se refer la folosirea barei de instrumente pentru a
deschide o baz de date. Pur i simplu apsai pe primul buton de pe bara de
instrumente, acela care are aspectul unui dosar deschis.
Indiferent de metoda folosit, efectul va fi acelai: deschiderea unei
casete de dialog din care putei alege baza de date pe care o vei ncrca (v
mai amintii nota referitoare la punctele de suspensie?)
S analizm puin aceast nou fereastr. n partea de sus avem o list derulant intitulat Look in: Apsnd sgeata
orientat n jos partea dreapt a acestei
casete vom putea alege directorul n care
este localizat baza noastr de date. Observm c directorul curent este directorul
aplicaiei (SPSS) iar n seciunea de sub
Figura 1.9 Fereastra de selectare a
fiierului n vederea deschiderii
aceast caset este afiat coninutul acestui
dosar. Putei astfel selecta orice director n
care avei fiiere recunoscute de SPSS pentru a le putea afia i/sau deschide.
Alturi de caseta Look in se afl o serie de butoane care controleaz navigarea prin structura de directoare de pe discul dumneavoastr. Primul buton, cel
de forma unei sgei orientate n partea stng, permite navigarea la ultima
aciune efectuat. Dac, de exemplu, din directorul SPSS v-ai poziionat pe
directorul Windows, apsnd acest buton vei reveni din nou n directorul
SPSS. La prima deschidere a acestei casete de dialog, butonul este inactiv
deoarece nu ai efectuat nc nici o aciune care s fie nregistrat. Al doilea
buton, de forma unui dosar cu o sgeat orientat n sus, permite navigarea
ascendent prin arborele de directoare. La o prim apsare v vei deplasa n
directorul Program Files, la urmtoarea v vei situa n directorul rdcin C:
i aa mai departe. Cel de-al treilea buton permite crearea unui nou director
n directorul curent. Apsnd pe el vei putea crea un nou director, numit
New Folder, denumire pe care o vei putea modifica dup dorin. n sfrit,
33
34
Cristian Opariuc-Dan
bil pe care ne propunem s o tergem. Cum? Efectund clic pe numele acesteia. Observm c ntregul coninut al coloanei Filter_$ s-a selectat. n continuare, apsm tasta Delete, situat pe tastatur, n partea dreapt a grupului
principal de taste, iar variabila a fost eliminat mpreun cu toate datele acesteia. Felicitri. Iat i prima dumneavoastr intervenie real n SPSS. Dup
cum bine tim, orice prim intervenie ntr-un program nseamn o tergere
a ceva. Nici noi nu puteam face excepie!
Baza de date deschis de ctre dumneavoastr a fost afiat n seciunea Data view fapt care ne atrage atenia c n acest mod putem afia i urmri coninutul datelor din baza de date. Dac vom efectua clic pe seciunea
Variable view vom intra n modul de definire al datelor. Dup cum ne spune
i numele seciunii, aici putem vizualiza i edita denumirea, tipul i alte informaii referitoare la variabile. Ca s folosim un limbaj mai tehnic, dac n
Data view ne aflm n seciunea datelor propriu zise, n Variable view ne
aflm n seciunea meta-datelor, adic n seciunea informaiilor despre date
unde putem interveni asupra structurii lor interne. Vom clarifica imediat, prin
cteva exemple, aceste aspecte.
Astfel, prima variabil, denumit mpg este o variabil numeric, ce
accept maximum 4 caractere (adic cifre ntre 0 i 9999) i fr zecimale.
Numele mpg nu este ns un nume intuitiv i nu ne putem da seama cu precizie la ce se refer aceast variabil. Din pcate, doar versiunile de SPSS de
35
36
Cristian Opariuc-Dan
n cazul primei variabile, numele va rmne acelai, iar noi vom modifica doar descrierea. Vom da clic n seciunea Label acolo unde se afl afiat textul Miles per Gallon i vom scrie textul Mile per galon.
A doua variabil se numete engine. Vom schimba numele acesteia
n cilindree (ne-am ncadrat n 8 caractere), fcnd clic n coloana Name i
scriind noul nume. Eticheta va deveni, pentru a doua variabil, Capacitate
cilindric, pe care o vei modifica dup exemplul primei variabile.
Procedm la fel n cazul variabilelor 2, 3, 4, 5 i 6, lsnd traducerea
din englez n romn la latitudinea dumneavoastr. Atenie ns la acel maximum de 8 caractere cnd redenumii o variabil.
Variabila numrul 7 se refer la
ara de origine a mainilor. O vom redenumi origine i vom modifica, desigur,
eticheta. Exist ns, la acest nivel, un
element n plus i anume coloana
Values. V mai amintii probabil de maFigura 1.11 Etichetarea variabilelor de
inile americane, europene i japoneze.
nivel nominal i ordinal
Dac vom da clic pe celula corespunztoare coloanei Values pentru aceast
variabil constatm apariia unui mic buton cu puncte de suspensie n partea
dreapt a celulei. Apsnd acest buton se deschide o nou fereastr, fereastra
de configurare a valorilor asociate. Vorbeam anterior despre maini de producie american, european i japonez. n aceast caset vedem lista acestor asocieri n partea de jos. n stnga listei exist 3 butoane: Add cu ajutorul
cruia putem crea o nou asociere, Change prin care putem modifica o asociere selectat i Remove care terge, elimin asocierea selectat. Noi ne-am
propus s traducem aceast structur de date n limba romn. Vom efectua
clic pe prima asociere 1 = American. Constatm c, automat, n caseta
Value a aprut cifra 1 iar n caseta Value Label textul American. Putem
37
Cristian Opariuc-Dan
Prin acest exerciiu ne-am deprins cu unele elemente ale configurrii
structurii bazei de date. n continuare vom salva baza de date modificat sub
denumirea de Masini. Directorul folosit va fi C:\Exercitii SPSS (atenie
la diacritice).
Putei alege meniul File i opiunea Save sau Save as, putei apsa
combinaia de taste Ctrl+S sau Alt+F, Alt+S sau putei apsa butonul de
salvare de pe bara de instrumente (acela care are o dischet drept pictogram). Dar atenie! Diferena dintre opiunea Save i Save as este aceea c,
folosind Save se vor salva modificrile efectuate tot n baza de date iniial,
n cazul nostru baza de date Cars. Noi ne-am propus s salvm baza de date
sub un alt nume i ntr-un alt loc, deci nu vom putea folosi dect opiunea
Save as (Salveaz ca). Se va deschide
caseta de salvare a unei baze de date
care are acelai aspect ca i caseta de
deschidere a unei baze de date, cu excepia butonului Open, n acest caz
denumirea acestuia fiind Save. Folosind
cunotinele dobndite anterior, va trebui s v poziionai cu ajutorul casetei
Figura 1.12 Fereastra de salvare a
Save in (echivalenta casetei Look in
unei baze de date
din fereastra de deschidere a bazei de
date) n directorul rdcin C:\ s creai un nou director folosind butonul de
creare a unui director din acest formular pe care s-l denumii Exerciii
SPSS, s efectuai dublu clic pe acesta pentru a-l deschide i s introducei
numele bazei de date Masini n caseta File name. Apsai apoi butonul Save
pentru a salva efectiv fiierul pe disc. Ai reuit, nu-i aa?
n urma acestor operaiuni, n bara de titlu SPSS va aprea mesajul
Masini SPSS Data Editor care ne informeaz c programul a salvat cu
succes baza de date pe disc i a activat-o.
39
Reamintim faptul c, la crearea unei noi baze de date, folosirea oricror opiuni de salvare (meniul File, butonul de pe bara de instrumente sau
tastele rapide) duce la apariia ferestrei Save as deoarece fiind o baz de date
nou, acesteia nu i-a fost atribuit nc un nume printr-o operaie de salvare.
Putei cu uurin identifica dac o baz de date are un nume (a fost salvat)
sau nu, urmrind bara de titlu. Bazele de date noi sunt identificate prin mesajul Untitled SPSS Data Editor n timp ce bazele de date salvate au afiat
numele acestora n bara de titlu. Ai observat c, la lansarea programului
SPSS, acesta creeaz automat o baz de date nou i nedefinit i ateapt din
partea noastr definirea variabilelor i salvarea acesteia. Odat salvat, orice
modificri efectum n baza de date, la salvare ele vor fi scrise automat n
fiierul al crui nume este afiat n bara de titlu fr a mai aprea fereastra de
salvare de mai sus. Singura modalitate prin care putem da un alt nume bazei
de date sau prin care o putem salva ntr-un alt loc este folosirea opiunii Save
as.
Crearea unei noi baze de date se poate face folosind meniul File,
submeniul New i opiunea Data, combinaiile de taste Ctrl+N sau Alt+F,
Alt+N, Alt+A. n oricare dintre aceste situaii, SPSS va crea o baz de date
goal i nedefinit, la fel ca n cazul lansri programului.
Ca exerciiu, folosind cunotinele dobndite, v propunem crearea
unei noi baze de date avnd urmtoarea structur i salvarea acesteia sub
numele de IQ n directorul C:\Exercitii SPSS:
Variabila nume va fi de tip ir de caractere (string) i va stoca numele subiecilor, toate celelalte variabile fiind numerice. Exist dou definiii
40
Cristian Opariuc-Dan
de asocieri i anume variabila sexul (1-Masculin 2-Feminin) i scoala
(1-Primare 2-Gimnaziu 3-Liceul 4-Postliceala 5-Facultate)
Dup construirea structurii de date procedai la salvarea fiierului n
locul precizat.
Folosind cunotinele teoretice acumulate, precizai tipul fiecrei variabile creat n acest exerciiu.
Ne propunem n continuare aprofundarea definirii variabilelor n
SPSS. Pentru aceasta ne vom folosi de baza de date IQ creat i salvat n
exerciiul anterior. n seciunea Data View am remarcat deja prezena a zece
caracteristici prin care se poate defini o variabil n SPSS. Prima dintre acestea se refer la numele variabilei (Name), caracteristic ce nu presupune prea
multe explicaii. Numele variabilei reprezint modul n care aceasta va fi apelat n toate prelucrrile efectuate folosind baza de date. Nu putem ns s nu
precizm c SPSS impune o serie de restricii n denumirea variabilelor (versiunile mai mici de versiunea 13): n primul rnd numele acestora s nu depeasc 8 caractere, variabilele cu nume mai lungi de 8 caractere nefiind acceptate. Apoi nu pot fi folosite spaii sau semne de punctuaie n denumirea
variabilelor, putnd fi ns folosit linia de subliniere pentru cazurile n care
dorim s abreviem o variabil format din dou cuvinte. De exemplu, dac
avem o variabil ce se refer la anul naterii, o vom putea abrevia denumindo an_naste. Astfel, lungimea ei este de 8 caractere, fiind acceptat de SPSS
iar cele dou cuvinte componente le-am separat printr-o linie de subliniere,
fapt de asemenea acceptat de SPSS. Nu conteaz dac scriem numele variabilelor cu litere mari sau cu litere mici deoarece n final SPSS le convertete
automat n litere mici. Din punct de vedere al primei caracteristici, baza noastr de date IQ nu creeaz probleme, fiind definite cinci nume de variabile:
numele, varsta, sexul, scoala i iq.
A doua caracteristic se refer la tipul de date ce va fi stocat n aceste
variabile (Type), caracteristic pe care nu am abordat-o n detaliu n timpul
41
42
Cristian Opariuc-Dan
Tipul de date Scientific notation se refer la modul tiinific de
afiare a cifrelor, folosind litera E pentru a reprezenta puterile lui 10. Modul
de configurare al dimensiunii variabilei este acelai iar un exemplu de numr
folosind aceast reprezentare poate fi 1.23E2 ceea ce semnific de fapt
123.00
Tipul de date Date se refer
la date calendaristice. Alegnd aceast
opiune va trebui s configurai, selectnd din lista ce se va deschide, modul de
afiare al datei calendaristice dintr-o
mulime de formate care vi se ofer.
Figura 1.14 Tipul de date
calendaristic
Tipul de date Dollar se refer la valori monetare avndu-se n vedere
moneda american. Putei alege i particulariza valoarea maxim pe care o
poate accepta variabila din lista ce se afieaz sau putei particulariza aceast
valoare, la fel ca i n cazul valorilor numerice.
43
iar aceste dou caracteristici nu fac dect s creeze o alt posibilitate de definire a variabilelor sub acest aspect.
n cazul exemplului nostru, constatm c avem o singur variabil de
tip string, variabila nume care poate accepta maxim 20 de caractere, toate
celelalte variabile fiind de tip numeric; variabilele sexul i coala pot
accepta doar o singur cifr fr zecimale iar variabilele varsta i iq pot
accepta 3 cifre fr zecimale. Aceast definiie permite stocarea subiecilor cu
numele format din maxim 20 de litere, vrsta poate lua valori de pn la 999,
suficient deci pentru scopurile noastre, acelai lucru fiind valabil i pentru
coeficientul de inteligen. Sexul i nivelul de colarizare accept doar o singur cifr, deoarece am convenit s asociem valoarea 1 cu sexul masculin i 2
cu sexul feminin, n mod analog procednd i cu nivelul de colarizare. Datele au fost definite ca numerice pentru a crea posibilitatea interpretrii lor ulterioare, cunoscndu-se faptul c datele de tip string nu pot fi interpretate statistic.
Urmtoarea caracteristic, caracteristica Label, permite includerea
unei denumiri mai intuitive a variabilei, prin care s poat fi mai uor identificat i recunoscut. Astfel, variabilei nume i putem da eticheta Numele
subiecilor, variabila iq o putem eticheta ca i Coeficientul de inteligen i aa mai departe. Putem include orice etichet descriptiv dorim pentru
numele unei variabile, cu condiia ca lungimea acesteia s nu depeasc 255
de caractere. Deci atenie la scrierea romanelor n descrierea variabilelor!!!
Aceast caracteristic mai are ns o funcie important; SPSS include eticheta variabilelor n rapoartele finale rezultate n urma prelucrrii datelor. Dac
creai un tabel de frecven, SPSS nu va afia numai numele variabilei, de
exemplu iq ci va include i descrierea acesteia, Coeficientul de inteligen, fcnd astfel mult mai estetice i mai inteligibile foile de raport.
Caracteristica Values am discutat-o pe larg n seciunile anterioare i
nu vom mai reveni asupra ei. Menionm doar c ea permite clasificri (deci
44
Cristian Opariuc-Dan
variabile categoriale) i asocieri de valori. Spre exemplu, putem asocia valoarea 1 sexului masculin i valoarea 2 sexului feminin pentru a putea introduce
mai uor datele i pentru a putea efectua prelucrri statistice la nivel de variabile nominale.
Caracteristica Missing permite definirea modului n care vor fi tratate valorile
lips din cadrul unei variabile. Uneori este
important s cunoatem de ce lipsesc valori
dintr-o variabil. Datele lips se pot datora,
spre exemplu, faptului c subiectul refuz
s rspund la o anumit ntrebare sau fapFigura 1.15 Tratarea valorilor lips
tului c ntrebarea nu este adresat acelui
subiect. Iat dou situaii care ar necesita un
tratament separat al valorilor lips. Datele pe care le vei trata n mod explicit
ca date lips pot fi supuse apoi unei analize statistice separate, fiind iniial
excluse din cele mai multe calcule. Un alt exemplu, frecvent ntlnit n chestionarele sociologice se refer la codificarea rspunsurilor de tip Nu tiu/Nu
rspund. Majoritatea cercettorilor codeaz aceste variante cu 9 sau 99. Evident, variantele incerte nu vor face obiectul prelucrrii iniiale a datelor. Folosind aceast seciune se pot include aceste valori (9 sau 99) ca valori lips,
SPSS eliminndu-le din analiz. Definirea valorilor lips poate accepta trei
situaii. Situaia No missing values, cnd comunicm programului c nu
dorim un tratament special pentru valorile lips, acestea fiind tratate ca atare
n cursul fiecrei prelucrri de date pe care o realizm, situaia Discrete
missing values cnd putem defini pn la trei valori ce vor fi tratate ca valori lips n cursul prelucrrilor statistice ulterioare (de exemplu, la un chestionar cu 3 variante de rspuns, dorim ca doar rspunsurile 1 i 3 s fie luate n
calcul, rspunsul 2 fiind tratat ca non-rspuns. Pentru aceasta vom include
cifra 2 n prima dintre cele trei casete ale acestei seciuni.) i situaia Range
plus one optional discrete missing value n care putem stabili un interval
45
pentru care valorile vor fi tratate ca valori lips (spre exemplu, coeficienii de
inteligen cuprini ntre 10 i 75) n plus existnd posibilitatea de a include
i o valoare particular (discret) ca i n situaia anterioar. n exemplul nostru de baz de date, nu avem nici un motiv de a trata n vreun fel valorile lips, deci nu vom configura aceast caracteristic.
Caracteristica Columns permite specificarea limii coloanei n care
se vor afia valorilor variabilelor n modul Data View. Implicit, coloanele au
o lime egal cu 8 caractere. Putem include aici o alt valoare sau putem
redimensiona limea coloanelor n modul Data View prin tragerea cu ajutorul maus-ului a liniei de separaie dintre dou coloane. Introducerea diferitelor valori pentru aceast caracteristic permite ajustarea i redimensionarea
precis a limii coloanelor. n cazul nostru, pentru variabila nume, dimensiunea implicit de 8 caractere va fi insuficient pentru prezentarea unui subiect cu numele Popescu Valentin, afindu-se doar primele 8 caractere i
anume Popescu Pentru a vedea ntregul nume, fie introducei valoarea 16
pentru caracteristica Columns a variabilei nume, fie tragei cu ajutorul maus-ului linia de demarcaie dintre coloana nume i coloana varsta pentru
a mri limea coloanei de afiare a numelui subiecilor. Aceast caracteristic, ca i urmtoarea, nu influeneaz n nici un fel modul de prelucrare al
datelor ci doar aspectul tabelului de date din Data View.
Caracteristica Align controleaz modul n care sunt aliniate valorile
variabilelor n tabelul de date. Putei opta pentru o aliniere la stnga, centrare
sau aliniere la dreapta a valorii variabilelor n cadrul coloanelor din Data
View, fr a influena n vreun fel modul de prelucrare al variabilelor. Ca
regul general, variabilele de tip string se aliniaz la stnga iar variabilele de
tip numeric sau dat calendaristic se aliniaz la dreapta pentru o mai bun
lizibilitate n cadrul tabelelor de date.
Ultima caracteristic, Measure, este n acelai timp i una foarte important, permind alegerea nivelului de msurare al variabilei. Se poate
46
Cristian Opariuc-Dan
opta pentru dou sau trei niveluri de msurare n funcie de tipul de variabil.
Astfel, pentru variabila nume, care este o variabil de tip string, sunt disponibile doar nivelurile nominal i ordinal de msurare. Stocarea numelui i
prenumelui are o valoare pur informativ i nu permite nici mcar o clasificare a acestora. Nivelul de msur va fi deci nivelul nominal. Variabila varsta
este o variabil numeric care stocheaz vrsta subiecilor. Aceast variabil
are intervale egale, zero absolut i permite rapoarte n cadrul scalei, deci poate fi considerat la un nivel de msurare scalar 4 . Variabila sexul nu este
altceva dect tot o variabil nominal care nu permite dect o clasificare a
persoanelor n funcie de genul lor biologic. Variabila scoala poate fi privit ca o variabil nominal dac intenionm doar s clasificm subiecii n
funcie de studiile absolvite sau se poate accepta un nivel ordinal de msurare
la nivelul acesteia dac ierarhizm subiecii n funcie de gradul lor de colarizare. Vom lua n considerare a doua situaie i o vom accepta ca variabil
ordinal. n sfrit, variabila iq este fr discuie o variabil de tip ordinal.
Iat c, parcurgnd aceste etape, am reuit n cele din urm s construim structura unei baze de date simple n acord cu principiile i domeniile de
definiie ale variabilelor i cu nivelul lor de msurare.
Un aspect important pe care merit s-l menionm se refer la procesul de codare al variabilelor (proces pe care l-am ntlnit la codarea variabilelor sex i nivel de colarizare). n general, cercettorii cu experien cunosc
intuitiv modalitatea de codare optim a unei variabile. Pentru a veni n sprijinul debutanilor, Newton i Rudestam (1999) propune, n lucrarea Your statistical consultant un set de reguli folosite n acest proces (Field, 2005).
47
Toate codurile pentru o variabil trebuie s fie mutual exclusive. Cu alte cuvinte, nu trebuie s existe dect un singur numr ce
48
Cristian Opariuc-Dan
poate fi stocat ntr-o variabil. n anumite chestionare pot exista
itemi care permit alegeri multiple (de exemplu la ntrebarea: Bifai din urmtoarea list partidele cu care n mod sigur nu vei vota la urmtoarele alegeri: pot fi variantele de rspuns PSD,
PD, UDMR, PNG etc. n acest caz, subiectul poate alege un
singur partid, dou partide sau le poate alege pe toate). O asemenea situaie impune crearea unui numr de variabile egal cu variantele de rspuns (de exemplu nu_PDS, nu_PD, nu_UDMR,
nu_PNG) cu categorii dihotomice de genul 0 Neselectat, 1 Selectat care vor fi analizate ulterior. De obicei, asemenea itemi au
i o categorie de genul Altul. Care_______ prin intermediul creia
subiectul poate s-i exprime liber opiunea. n mod normal,
aceast categorie se analizeaz prin alte metode i nu folosind
SPSS, deoarece variabilitatea rspunsurilor confer o valoare statistic foarte redus.
Fiecare variabil trebuie codat astfel nct s se obin maximum de informaii. Categoriile sau valorile variabilei nu trebuie sintetizate n prima variant, ci trebuie incluse exact aa cum
apar pe formularele de colectare a datelor. Sintetizarea valorilor i
cumularea categoriilor poate fi fcut mai trziu, utiliznd funciile specifice SPSS. De exemplu, se prefer introducerea exact a
valorii pentru vrsta subiectului, n ani, i nu ncadrarea subiectului n categorii de vrst (sub 14 ani, ntre 14 i 20 de ani, peste 20
de ani etc.). Iniial se va proiecta o variabil, varsta, care va stoca
vrsta exact a subiecilor. Ulterior, dac se va dori transformarea
acestei variabile scalare ntr-o variabil discret, ordinal, numit
grup_varsta, se pot folosi tehnici specifice de conversie. Ca idee
general, ntotdeauna cnd este posibil, se vor folosi variabile continui la un nivel de msur ct mai aproape de scala de raport. Este
uor s transformm o variabil continu ntr-una discret, ns
49
imposibil s trecem de la o variabil discret la una continu. Dup cum tii deja, valoarea informativ cea mai ridicat o au totui
variabilele continui, astfel nct profitai de ele.
Fiecare subiect trebuie s aib o valoare pentru fiecare variabil. Uneori nu este posibil s includem valori n fiecare coloan,
fie deoarece subiectul nu a rspuns, fie pentru c itemul respectiv
nu i se adreseaz. n acest caz se recomand s lsai acea celul
liber, deoarece SPSS este astfel proiectat nct s trateze celulele
goale ca i cazuri lips. Introducerea altor valori pentru cazurile
lips poate crea confuzii. Respectai ntotdeauna regula ceea ce e
cel mai simplu este i cel mai bun.
Folosii coduri n concordan cu sensul scalei. Unele chestionare presupun tipuri de scale ordinale (de exemplu 1 niciodat, 2
rareori, 3 uneori, 4 deseori, 5 ntotdeauna). Dei scalele pot
fi codate i invers (1 ntotdeauna, 2 deseori, 3 uneori, 4 rareori, 5 niciodat) se recomand pstrarea sensului natural al
scalei pentru evitarea problemelor ulterioare referitoare la interpretare. Mai uor asociem niciodat cu 1 dect niciodat cu 5.
Oricum, chiar dac ulterior exist suficiente posibiliti de recodare a valorilor astfel nct analiza s fie consistent, proiectarea
adecvat a cercetrii i codrii v poate scuti ulterior de bti de
cap i munc inutil.
Dup proiectarea bazei de date se recomand listarea structurii acesteia (meta-informaiilor) n vederea consultrii ulterioare. Dac nu vei lucra
50
Cristian Opariuc-Dan
n fereastra de rezultate (Output) vor aprea o serie de tabele corespunztoare definiiilor variabilelor din baza de date, astfel:
Tabelul 1.1 Tabelul de structur a bazei de date
Variable Information
Variable
nume
varsta
Position
1
2
sexul
3
iq
4
Label
Numele
subiectului
Varsta
subiectilor
Genul
biologic al
subiectilor
Coeficientu
l de
inteligenta
Measurement
Level
Column Width
Nominal
14
Alignment
Print Format
Write Format
Left
A20
A20
Scale
Right
F2
F2
Scale
Right
F1
F1
Scale
Right
F3
F3
Variable Values
Value
sexul
Label
1
2
Masculin
Feminin
51
n concluzie:
52
Cristian Opariuc-Dan
ntrebri i exerciii:
n bara de titlu a aplicaiei SPSS se afl afiat mesajul Untitled SPSS Data Editor. Ce se va ntmpla cnd vom apsa butonul de salvare a datelor de pe bara de
instrumente dup ce am proiectat structura unei baze de date?
Am primit de la un alt colaborator o baz de date cuprinznd rezultatele unor probe psihologice, realizat ns n Excel. tiu c SPSS poate prelucra i foi de calcul
Excel, deci introduc discheta n calculator, folosesc procedura de deschidere a unei
baze de date din SPSS, m poziionez pe unitatea de dischet (discul A:) ns nu reuesc s vd fiierul Excel. Unde am greit?
Am creat baza de date IQ. De ce atunci cnd doresc s introduc numele subiectului
Alexandrescu Delia Ioana Alexandra, la un moment dat SPSS nu m mai las s
tastez?
Precizai de ce tip sunt urmtoarele variabile i la ce nivel de msurare se afl:
viteza vntului, gradele didactice dintr-o universitate, anxietatea total,
fabricanii de maini, echipele de fotbal, numrul de tablouri dintr-o galerie
de art
Dei subiectul Popescu Vasile are mai puin de 20 de caractere, totui n momentul n care l introduc n SPSS se afieaz doar Popes. Cum pot s fac pentru a
vedea ntregul nume al subiectului meu?
Am peste 400 de subieci n baza mea de date IQ i doresc s efectuez o analiz n
care toi coeficienii de inteligen mai mici de 70 s fie tratai ca i cazuri lips.
Cum procedez?
53
54
Cristian Opariuc-Dan
te). Studiind rspunsurile la aceste ntrebri putem avea o imagine general
asupra nivelului de trai. Aceti indicatori nu reprezint altceva dect variabile
rezultate n urma operaionalizrii conceptului general de nivel de trai i care
pot fi populate cu datele rezultate din rspunsurile subiecilor la ntrebrile
stabilite.
n urma procesului de operaionalizare a conceptelor rezult una sau
mai multe variabile, reprezentative pentru studiul propus, variabile ce vor
trebui populate cu date n vederea verificrii ipotezelor i a gsirii rspunsului la ntrebarea formulat iniial. Datele cu care urmeaz a fi populat
respectiva variabil pot proveni din (Radu, i alii, 1993):
55
56
Cristian Opariuc-Dan
centimetri, Xmax = 193 centimetri iar amplitudinea de variaie devine A = 193
171 = 22 centimetri.
Dac amplitudinea de variaie este mic
comparativ cu numrul de valori din irul de
date, atunci irul de date poate fi uor reprezentat fr necesitatea gruprii valorilor. n cazul
nostru, putem sistematiza datele scriind ntr-o
coloan valorile n ordine cresctoare i notnd
n dreptul fiecreia, prin linii verticale, de cte
ori se repet n irul iniial. Dac reconsiderm
exemplul anterior, obinem datele grupate n
tabelul alturat:
De data aceasta obinem un protocol sistematizat numit diagrama n linii. Putem acum
observa c toi cei 30 de subieci (n=30) au fost
repartizai cresctor n funcie de nlimea lor
i putem afirma c cei mai scunzi subieci au
171 cm iar cel mai nalt 193 cm. De asemenea,
cei mai muli subieci au 172 cm i 177 cm. Iat
aadar c aceast diagram de aduce un plus de
informaie n raport cu irul nesistematizat prezentat anterior.
Valoare
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
Diagrama
n linii
||
||||
|
||
|
||||
|||
||
|
|
||
|
||
|
Efectiv
2
4
1
2
1
0
4
0
3
2
0
1
1
2
1
0
0
2
1
0
0
2
1
||
Aceast sistematizare a unui protocol
|
reprezint o procedur statistic liminar
deoarece se afl la limita analizei statistice pregtind aplicarea tehnicilor ulterioare de prelucrare a datelor.
sau
171 174
sau
175 178
sau
179 182
sau
183 186
sau
187 190
sau
191 193
Clasa
171 174
175 178
179 182
183 186
187 190
191 -193
Diagrama
n linii
|||||||||
|||||
||||||
||||
|||
|||
Efectiv
9
5
6
4
3
3
58
Cristian Opariuc-Dan
nizeaz datele. Un asemenea procedeu pune n eviden, compact, regularitatea de ansamblu a datelor.
La acest nivel va trebui s facem o serie de precizri deoarece au aprut dou concepte noi: conceptul de clas i conceptul de interval de grupare.
n cazul nostru, numrul de clase a fost stabilit la ase. Intervalul de grupare (i) se refer la numrul de valori pe care le poate conine o clas, cu alte
cuvinte lrgimea unei clase. Practic, intervalul de grupare se exprim ca raport dintre amplitudinea de variaie i numrul claselor. Dac notm intervalul de grupare cu i i numrul de clase cu k, avem formula:
(formula 2.1)
n cazul nostru formula devenind
3,67
174,68 178,35
178,36 182,03
182,04 185,71
185,72 189,39
189,40 193,07
59
25-40
6
41-60
7
61-99
8
100
10
101-160
11
161-250
12
251-400
13
401-630
14
631-1000
15
> 1000
16-20
(formula 2.3)
22
5,88
3,74
60
Cristian Opariuc-Dan
Observm c valoarea obinut aici se apropie foarte mult de valoarea
stabilit prin formula anterioar. Aceast formul poate fi folosit pentru valori destul de mari ale lui n respectnd ns limita de 20 de clase.
Referitor la numrul claselor i la intervalele de grupare se impun urmtoarele observaii:
1.
Dac alegem intervale de grupare prea mici, gruparea datelor scoate n eviden lucruri de amnunt ce estompeaz
tendina de ansamblu a datelor i deci a procesului pe care l
studiem;
2.
3.
171 174
175 178
i nu
171 174
174 178
i nu
171,00 174,67
174,67 178,35
61
caz, evident, n prima clas. n al doilea caz ns, poate fi inclus i n prima i
n a doua clas. De aceea niciodat precizia claselor nu va depi precizia
msurtorilor efectuate.
Gruparea n
clase fiind ncheiat,
Clasa
obinem aa-numita 171 174
distribuie statistic 175 178
179 182
ce formeaz baza 183 186
prelucrrilor de date 187 190
ulterioare. n exem- 191 -193
plul nostru vom avea
urmtoarea distribuie statistic:
Distribuia n linii
|||||||||
|||||
||||||
||||
|||
|||
fa
fc
fc
9
5
6
4
3
3
9
14
20
24
27
30
30
21
16
10
6
3
30,00
16,66
20,00
13,33
10,00
10,00
300,00
166,66
200,00
133,33
100,00
100,00
30
nsumnd efectivele (frecvenele) tuturor intervalelor, va rezulta, evident, numrul total de msurtori (n). Este de asemenea posibil s calculm
frecvenele cumulate, fie ascendent, fie descendent, ca expresie a adunri
frecvenei intervalului curent la frecvena cumulat a intervalului anterior.
Astfel, pentru primul interval, att frecvena ct i frecvena cumulat ascendent au valoarea 9. Pentru al doilea interval frecvena absolut este 5 iar
frecvena cumulat ascendent devine 9+5=14. Al treilea interval are frecvena absolut 6 iar frecvena cumulat ascendent 14+6=20 i aa mai departe.
Procedura de calcul este analoag i n cazul frecvenelor cumulate descendent, cu singura deosebire c adunarea se face ncepnd de la ultimul interval.
Rolul frecvenelor cumulate este acela de a ordona cresctor sau
descresctor datele grupate n intervale i de a indica numrul de cazuri, ci
subieci se afl pn la o anumit valoare (frecvenele cumulate ascendente)
sau ci subieci au depit o anumit valoare (frecvenele cumulate descendente). Dac discutm de ordonare, este evident c variabila trebuie s se afle
cel puin la un nivel ordinal de msur, calcului frecvenelor cumulate n cazul variabilelor nominale fiind un nonsens.
62
Cristian Opariuc-Dan
Putem exprima, de asemenea, frecvenele relative, ca proporie a scorurilor dintr-o clas. Cele mai utilizate frecvene relative sunt procentele (%)
i promilele (). Ca modalitate de calcul al procentelor sau promilelor vom
folosi regula de trei simpl, astfel:
Pentru prima clas vom avea urmtoarea valoare:
dac
30
atunci 9
reprezint
100%
reprezint
x
9
100
30
900
30
30%
63
rea prin grafice cu bare a nlimii subiecilor sub form de valori. Un tip particular de reprezentare a graficelor cu bare este histograma. O histogram se
deosebete de un grafic cu bare prin aceea c, n locul liniilor, sunt ridicate
dreptunghiuri cu baza egal cu intervalul
folosit. Pentru a putea folosi histogramele,
datele trebuie s fie grupate aadar pe intervale egale.
Dac unim prin linii vrfurile graficelor cu bare sau mijlocul bazei de sus a
histogramelor obinem un alt tip de grafic
i anume poligonul frecvenelor absolute
64
Cristian Opariuc-Dan
Uneori este mai convenabil s reprezentm, mai ales atunci cnd lucrm cu procente, compoziia msurtorilor printr-o structur radial. Un
asemenea grafic se numete plcint (pie) i este util atunci cnd ne intereseaz s urmrim proporia cu care fiecare clas particip la construcia ntregului.
n concluzie:
ntrebri i exerciii:
65
12, 21, 7, 14, 24, 13, 19, 15, 17, 14, 8, 8, 17, 15, 9, 4, 22, 12, 23, 10, 18, 8,
13, 12, 14, 11, 13, 14. Realizai distribuia statistic preciznd toi indicatorii studiai i reprezentai grafic.
Ce diferene sunt ntre frecvena absolut i frecvena relativ?
Ce rol au frecvenele cumulate?
Cnd poate fi folosit un grafic de tip plcint?
n cte clase reprezentai un volum de n=32.458 de cazuri?
Ce este o distribuie statistic?
Precizai avantajele i dezavantajele distribuiei statistice organizat pe
clase.
66
Cristian Opariuc-Dan
III.S
II.STATISTICI DESCRIPTIVE TENDINA CENTRAL
n acest capitol se va discuta despre:
Statistica descriptiv se refer la totalitatea metodelor care permit descrierea i gruparea n diferite moduri a datelor rezultate din cercetri. Orice procedeu de analiz a datelor presupune efectuarea unor operaiuni preliminare de statistic descriptiv. Statisticile descriptive nu au ca
scop efectuarea unor predicii ci doar sumarizarea i prezentarea datelor. Procedeele utilizate n statisticile descriptive se refer la gruparea i prezentarea
datelor n tabele i grafice, calculul indicatorilor tendinei centrale i ai variabilitii, indicatori ai asocierii i legturii dintre variabile (studii corelaionale
simple).
nc de la nceput s-a stabilit c, prin statistic, putem descrie, compara i relaiona variabile. Totodat, modul de realizare al unei variabile se face
prin atribuirea de valori rezultate din diferite surse de date. Totui, cum culegem aceste date? Cum facem ca pornind de la un numr relativ redus de su-
67
bieci s extindem cunotinele noastre la nivelul ntregii populaii? i n definitiv ce nseamn populaie i ce nseamn eantion?
68
Cristian Opariuc-Dan
ie a indivizilor dintr-o populaie. Cercettorii utilizeaz eantioane, deoarece
lucrul cu acestea este mai ieftin, mai rapid i mai uor n comparaie cu cercetarea ntregii populaii iar rezultatele pot fi extinse la nivelul ntregii populaii.
Eantionul reprezint unitile de informaie selecionate pentru a fi
efectiv studiate. Ideea pe care se bazeaz cercetrile orientate pe eantioane,
este aceea c se pot face aprecieri asupra unei ntregi populaii, n anumite
condiii, doar pe baza caracteristicilor msurate pe o parte a acesteia.
Totui, pentru ca rezultatele obinute prin studiul eantionului s poat
fi extinse la nivelul ntregii populaii, acel eantion trebuie s fie reprezentativ, adic s ntruneasc caracteristicile de baz ale populaiei din care a fost
extras.
S presupunem, de exemplu, c fierbem o oal de fasole. Cum verificm dac fasolele au fost fierte? n primul rnd, amestecm fasolele n oal.
Dac nu am amesteca fasolele, am putea risca s le lum pe cele de la suprafa (care sunt mai puin fierte) nu i pe cele de la fund (care probabil sunt
mai fierte). Dup aceea, lum o lingur de fasole i gustm. n funcie de rezultat, decidem dac acestea sunt sau nu sunt fierte. Nu trebuie se mncm
toat oala de fasole ca s decidem dac sunt sau nu fierte. Este suficient s
verificm un eantion de fasole pentru ca mai apoi s extindem cunotina la
nivelul ntregii oale. Iat deci c exact acesta este i principiul eantionrii.
Prin amestecarea n oala de fasole am creat posibilitatea ca fiecare boab de
fasole s aib ansa de a fi aleas. Apoi, am extras aleatoriu un eantion de
boabe de fasole pe care l-am verificat. Dac am decis c sunt fierte, nu voi
mai continua cercetarea. ansele s m nel sunt prea mici 5 .
Afirmam anterior c un eantion trebuie s fie reprezentativ, adic s
ndeplineasc caracteristicile populaiei din care face parte. Evident, n mo5
Exemplul a fost preluat i adaptat dup Lungu Ovidiu Ghid introductiv pentru SPSS 10.0
pentru Windows
69
mentul n care voi dori s tiu dac sunt fierte fasolele, voi extrage un eantion de boabe de fasole i nu unul de boabe de mazre din oala alturat. Posibilitatea de a generaliza cunotinele dobndite la nivelul eantionului ctre
ntreaga populaie este vital n cercetarea experimental. De aceea, asigurarea reprezentativitii unui eantion este de maxim importan.
Metoda prin care selectm un eantion dintr-o populaie are implicaii
asupra validitii i generalizrii concluziilor dobndite n urma studiului
eantionului. Metodele de eantionare se mpart n dou mari categorii: metode prin care eantionul este extras aleatoriu dintr-o populaie i metode prin
care eantionul nu este extras aleatoriu.
ntr-un eantion care nu este extras aleatoriu, probabilitatea ca un subiect s fac parte din eantion nu poate fi calculat. Este exemplul clasic n
care subiecii sunt selectai pe baz de voluntariat sau cei care returneaz
chestionarele completate prin pot.
ntr-un eantion extras aleatoriu, fiecare individ are o probabilitate
calculabil de a fi inclus n eantion iar aceast probabilitate va trebui s fie
egal pentru fiecare subiect. Este cazul extragerii unui eantion dintr-o baz
de date care conine, aleatoriu, ntreaga populaie.
Orice eantion se stabilete n baza unei scheme de eantionare. O
schem de eantionare reprezint un set de tehnici i reguli n baza crora din
populaie se extrage eantionul necesar iar compoziia acestuia este aleatoriu
derivat n funcie de definiiile probabilistice ale schemei de eantionare.
70
Cristian Opariuc-Dan
re individ din acea list are asociat un numr. Se folosesc apoi tabelele de
numere aleatoare sau numerele aleatoare se genereaz de un computer. Practic, numrul aleatoriu generat reprezint numrul de ordine al individului de
pe list. Procedura continu pn cnd s-a extras ntregul eantion. Metoda
randomizrii este o metod foarte simpl ns dificultatea const n posibilitatea obinerii unei liste exhaustive pe criteriile dorite.
72
Cristian Opariuc-Dan
73
Cristian Opariuc-Dan
structura geologic a unui munte. Nu putem aduce muntele n laborator s-l
studiem i nici nu putem trimite mii de geologi care s investigheze fiecare
roc din compoziia muntelui. Totui, tim c muntele este calcaros sau granitic, putem aprecia vechimea acestuia i era geologic de formare. Acest
lucru devine posibil prin studiul unor eantioane prelevate din munte pe baza
crora s-a construit un model probabilistic al muntelui.
III.2.1 Media
Considerm c termenul de medie mai precis media aritmetic este conceptul cel mai uor de neles din ntreaga statistic. Au fost nenumrate situaiile n care ai ntlnit media: media la matematic pe trimestru sau
semestru s vedei dac ai rmas corigent sau ai luat premiu, media de la
bacalaureat care v ridic sau v coboar ansele de admitere la facultate, la
fel ca i media anilor de studiu, media de vrst din familia dumneavoastr
sau media cheltuielilor zilnice care v ajut s v planificai mai bine bugetul.
Deci ce este media? Media nu este altceva dect suma valorilor unei
variabile raportat la numrul msurtorilor, fiind poate cel mai simplu model statistic. Aceasta este media aritmetic, deoarece n statistic mai discutm i de media geometric, media caracteristicilor alternative, media ptratic, media rangurilor etc. Aceste concepte le ntlnim ns mai rar n domeniul
tiinelor socio-umane i prin urmare nu vom face dect s le amintim.
Probabil c vi se va prea ciudat afirmaia anterioar. Cum adic
media este un model statistic? Ei bine, aa este, deoarece nu reprezint altceva dect o valoare ipotetic ce poate fi obinut din orice set de date msurate la un nivel parametric. Dac, de exemplu, nregistrm numrul de frai pe
care i au cinci prieteni de-ai mei, am obine urmtoarele valori: primul prieten are un frate, al doilea 2 frai, al treilea i al patrulea 3 frai i al cincilea 4
frai. Ci frai au n medie cei cinci prieteni ai mei? Dac adunai cele cinci
valori i mprii la cinci, obinem o medie de 2,6 frai. Ci frai??? Repet
ci frai? Media spune clar: 2,6 frai. Ce nseamn 2,6 frai? Probabil doi
75
(formula 3.1)
76
Cristian Opariuc-Dan
12. Media aritmetic va fi suma acestora mprit la numrul lor, n cazul
nostru 10. Iat c efectund calculele obinem media de 19,6. Este greu, nu?
10
22
31
24
27
10
29
23
12
196
10
19,6
Vom reconsidera acum exemplul din capitolul al doilea i vom ncerca s-l utilizm pentru a efectua calculele n vederea stabilirii celor trei indicatori ai tendinei centrale. Vi-l reamintesc:
Exemplu: Presupunem c msurm nlimea unor subieci n centimetri i obinem urmtoarele rezultate: 182, 175, 174, 189, 177, 177, 180,
173, 188, 171, 184, 192, 180, 172, 177, 193, 184, 192, 172, 177, 174, 171,
172, 179, 185, 179, 183, 172, 179, 188.
Pentru a calcula media, va trebui s adunm toate aceste 30 de valori
i s mprim suma rezultat la 30 care reprezint numrul msurtorilor.
ncepei s adunai.. Suma tuturor acestor valori este 5391. Dac mprim
aceast sum la 30 vom obine valoarea 179,7 care nu reprezint altceva dect media nlimii celor 30 de subieci.
Ai observat probabil c v-a luat destul de mult timp s calculai
aceast medie folosind adunarea valorilor. Nu ai avut dect 30 de valori de
adunat. Acum imaginai-v c avei 3000 sau 5000 de valori. V putei da cu
uurin seama c n asemenea condiii calculul mediei devine extrem de dificil i foarte susceptibil la erorile ce pot s apar. Cnd volumul datelor este
destul de mic, putem calcula media prin nsumarea valorilor i raportarea
acestei sume la numrul de msurtori. Dac volumul de date este ns mare
iar datele sunt grupate, vom prefera o alt metod de calcul folosind aceste
date grupate. Iat o prim aplicaie a datelor grupate. V mai aducei aminte
de distribuia statistic folosit n capitolul doi? O vom reproduce i apoi vom
modifica acest tabel astfel nct s ne permit calculul mediei. tim c intervalul de grupare este i=4 iar acest interval a fost stabilit prin aproximare.
77
Distribuia
n linii
|||||||||
|||||
||||||
||||
|||
|||
78
Cristian Opariuc-Dan
cercetare iar gruparea datelor introduce o eroare n calculul mediei pentru c
se face ipoteza c elementele fiecrei clase sunt concentrate la mijlocul intervalului, ceea ce nu este aa. Cei zece subieci din primul interval, tim bine,
nu au nlimi concentrate n jurul valorii de 172,5 i cu att mai puin subiecii din celelalte intervale. Cu ct intervalul de grupare este mai mare cu att
aceast eroare de grupare va avea o valoare mai mare. Statisticienii consider
ns c la volume mari de date eroarea este neglijabil comparativ cu timpul
alocat nsumrii valorilor.
Iat c, din cele expuse mai sus, putem deduce o nou formul pentru
medie, valabil n cazul datelor grupate:
(formula 3.2)
unde fk reprezint frecvena absolut a unei clase k, xk reprezint mijlocul clasei k iar n reprezint numrul total de subieci
Calculnd media se obine o msur a nivelului mediu relativ la un
eantion studiat, fapt ce permite apoi comparaii ntre grupe.
Media aritmetic prezint o serie de proprieti importante, foarte
utile nelegerii condiiilor de utilizare ale acestui indicator statistic.
Adugnd sau scznd o constant la fiecare valoare (scor) individual, media se mrete sau se micoreaz cu valoarea acelei constante;
79
11
30
18
11
21
77
11
(formula 3.3)
III.2.2 Mediana
Mediana este o alt msur a tendinei centrale i reprezint valoarea care mparte irul de msurtori n dou pari egale; jumtate din
irul de date vor avea valori mai mici dect mediana n timp ce cealalt
jumtate vor avea valori mai mari dect mediana. S considerm urmtorul ir de date:
Scoruri: 12, 14, 10, 11, 15, 14, 12, 20, 19, 20, 13, 11, 14, 8
80
Cristian Opariuc-Dan
Pentru a calcula mediana, primul pas este acela de a ordona cresctor
sau descresctor aceste date. Ordonnd cresctor irul de mai sus, obinem:
Scoruri: 8, 10, 11, 11, 12, 12, 13, 14, 14, 14, 15, 19, 20, 20
Dup definiia medianei, n cazul nostru avem 14 valori. Prin urmare,
mediana va fi valoarea care mparte acest ir ordonat n dou pri egale. Fiind 14 valori, mediana este situat la limita primelor apte valori. Deoarece
irul este un ir par, mediana se situeaz, n cazul nostru, ntre valoarea 13 i
valoarea 14, mai precis la valoarea 13,5. n cazul unui ir impar, mediana
este valoarea de la mijlocul unui ir. Dac relum exemplul anterior, i mai
adugm un scor, obinem:
Scoruri: 12, 14, 10, 11, 15, 14, 12, 20, 19, 20, 13, 11, 14, 8, 9
irul are acum 15 valori. Ordonnd irul, obinem:
Scoruri: 8, 9, 10, 11, 11, 12, 12, 13, 14, 14, 14, 15, 19, 20, 20
De data aceasta, la mijlocul acestui ir gsim valoarea 13, valoarea
medianei.
Ordonnd un ir, putem preciza poziia fiecrui element n cadrul acelui ir. Astfel, dac lum irul ordonat de 15 valori din exemplul de mai sus,
obinem:
Scoruri:
8, 9, 10, 11, 11, 12, 12, 13, 14, 14, 14, 15, 19, 20, 20
Poziia:
Altfel spus, mediana nu este altceva dect poziia rangului din mijloc
n irul ordonat de date. ntr-o serie de la 1 la 15, poziia din mijlocul irului
este evident, poziia 8. Acesta este de altfel i locul n care gsim mediana.
Am accentuat asupra poziiei n ir i nu am discutat despre rang. n cazul n
care avem dou sau mai multe scoruri identice (n exemplul nostru fiind vorba despre 11, 12, 14 i 20), poziia n cadrul irului exprim poziia fizic a
81
20
Poziia:1, 2, 3,
4,
15
Rang: 1,
4.5, 4.5, 6.5, 6.5, 8, 10, 10, 10, 12, 13, 14.5, 14.5
2, 3,
5,
6,
7,
Asemenea mediei, calculul medianei prin acest procedeu reprezint o aproximare a acesteia i nu valoarea ei exact
82
Cristian Opariuc-Dan
n cazul nostru, avnd 30 de msurtori, mediana va fi undeva ntre
poziia 15 i poziia 16, mai precis la 15,5
Tabel 3.5 Distribuia statistic calcul
aa cum am prezentat anterior. Practic,
median
Distribumsurtoarea care reprezint poziia meClasa
f
fc
ia n linii
dianei este determinat de formula 171 174 ||||||||||
9
9
175 178
179 182
183 186
187 190
191 -193
|||||
||||||
||||
|||
|||
5
6
4
3
3
n=30
14
20
24
27
30
medianei va fi la a
sus, la frecvene cumulate, observm c aceast poziie corespunde intervalului 179-182, intervalul imediat superior celei de a 14-a msurtori. Limita
inferioar a acestui interval (l) este 179, intervalul de clas (i) este 4 (179,
180, 181, 182), frecvena cumulat a intervalului pre-median (fc) este 14 iar
frecvena absolut (f) este 6. Avem acum toate datele necesare pentru a le
nlocui n formul i obinem valoarea 180. Iat i valoarea medianei, pe care
o putem obine n cazul n care valorile sunt grupate n clase.
179
179
179
180
III.2.3 Modul
Doamnele, domnioarele, ne pot spune cel mai bine ce este modul, cruia i se mai spune mod, mod sau valoare modal. Deci, doamnelor, ce este
n definitiv moda? Ce nelegem cnd spunem c ceva este la mod? Desigur,
ceva este la mod atunci cnd o mare parte dintre oameni poart, utilizeaz
acel lucru. Spunem c cizmele roz sunt la mod, adic, foarte multe fete poar83
t acele cizme roz. Iat un nou cuvnt comun derivat din statistic. Prin urmare, modul nu este altceva dect categoria cu frecvena cea mai mare.
Foarte complicat, ntr-adevr Dac avem irul de date:
2, 15, 16, 18, 18, 21, 21, 21, 21, 25, 26
n acest caz observm c exist un singur 2, un singur 15, un singur
16, doi de 18, patru de 21, un 25 i un 26. Care e categoria cu frecvena cea
mai mare? Evident 21. Deci, modul este 21.
Modul poate fi calculat i n cazul n care datele sunt grupate n
clase . Formula de calcul, n acest caz, este prezentat mai jos, n care l reprezint limita inferioar a intervalului modal (intervalul cu frecvena absolut cea mai mare), fm reprezint frecvena absolut a intervalului modal, fm-1
frecvena absolut a intervalului pre-modal (intervalul aflat naintea intervalului modal), fm+1 frecvena absolut a intervalului post-modal (intervalul
aflat dup intervalul modal) iar i este intervalul de clas al clasei modale.
7
(formula 3.5)
n cazul nostru, intervalul modal este intervalul cu frecvena absolut
cea mai mare, adic primul interval, 171-174 care are frecvena absolut 9.
Intervalul pre-modal nu exist,
Tabel 3.6 Distribuia statistic calcul mod
deci frecvena lui este 0 iar interDistribuia n
Clasa
f
valul post-modal este intervalul
linii
171 174
||||||||||
9
175-178 care are frecvena abso175 178
|||||
5
lut 5. Evident, intervalul de clas
179 182
||||||
6
183 186
||||
4
(i) este din nou 4 (171, 172, 173,
187 190
|||
3
174). Aplicm acum formula i
191 -193
|||
3
obinem 174.
n=30
7
Asemenea mediei i medianei, calculul modului prin acest procedeu reprezint o aproximare a acestuia i nu valoarea sa exact
84
Cristian Opariuc-Dan
171
9
9
0
0
171
9
13
171
40
13
174
n acest caz, media este 5,5, iar mediana tot 5,5. S modificm puin
ultima cifr din setul nostru de date:
1, 2, 3, 4, 5, 6, 7, 8, 9, 20
Iat c, media devine acum 6,5 n timp ce mediana rmne 5,5. Haidei s modificm mai mult ultima cifr:
1, 2, 3, 4, 5, 6, 7, 8, 9, 100
Acum media va fi 14,5 n timp ce mediana rmne tot 5,5. Putei intui
care indicator caracterizeaz cel mai bine tendina central n ultimul set de
date? Mediana vei spune i avei dreptate. Iat c, atunci cnd avem scoruri extreme, foarte mari sau foarte mici n comparaie cu setul de date,
mediana este un indicator mai bun dect media. Despre modul n care
depistm scorurile extreme vom discuta ntr-un alt capitol. Pentru a nelege
mai bine, lum ca exemplu veniturile unor persoane, dup cum urmeaz, n
RON:
100, 105, 110, 115, 120, 125, 130, 135, 140
85
n cazul nostru, media este 120, iar mediana este tot 120. Putem concluziona ca aceti oameni sunt relativ sraci. Dar haidei s modificm ultima
valoare, n loc de 140 vom stabili 1400. irul devine:
100, 105, 110, 115, 120, 125, 130, 135, 1400
n acest caz media devine 260 n timp ce mediana rmne tot 120. Putem oare afirma c aceti nou oameni ctig n medie 260 RON? Categoric,
nu, observm c n afar de ultima persoan, nici una dintre cele opt rmase
nu ctig nici mcar 150 RON, darmite 260. Dac ne-am lua dup medie,
am putea spune c oamenii acetia sunt relativ bogai, ceea ce este complet
fals. Iat c acest scor extrem face media nereprezentativ pentru setul de
date. Cel mai bun indicator rmne tot mediana. Desigur, mediana nu este un
indicator att de sensibil ca i media, ns n momentul n care nu putem folosi media datorit valorilor extreme, folosim mediana ca indicator al tendinei centrale.
O alt observaie o facem n situaia datelor neparametrice aflate la un
nivel nominal de msurare. Spre exemplu, urmrim culoarea ochilor unor
elevi dintr-o clas i obinem:
Albatri = 5, Verzi = 6, Cprui = 15, Negri = 10
86
Cristian Opariuc-Dan
Modul poate fi de asemenea un bun indicator al tendinei centrale i n
cazul datelor parametrice. S considerm urmtorul exemplu:
1, 2, 2, 2, 2, 2, 2, 2, 3, 4, 5, 6, 7, 8
1, 2, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12
87
Figura 3.1 Baza de date populat cu date afiarea asociaiilor sub form de coduri
88
Cristian Opariuc-Dan
variabilei scoala vom tasta 1 pentru Primare, 2 pentru Gimnaziu i aa
mai departe.
Baza dumneavoastr de date trebuie s arate n final ca n figura de
mai jos. O mic precizare. Pe bara de instrumente, penultimul buton se numete Value Labels i arat ca n imaginea alturat.
La o apsare a
acestuia, butonul se activeaz iar
n baza de date se afieaz etichetele asociailor fcute, ca n figura
alturat. La o nou apsare etichetele asociaiilor nu se mai afieaz ci se afieaz valorile asociaiilor ca n figura mare de mai
Figura 3.2 Baza de date cu afiarea etichetelor
asocierilor
sus.
Dup ce am introdus cele 30 de date, vom salva baza de date i vom
iniia procedura de extragere a indicatorilor tendinei centrale. Indicatorii
tendinei centrale ne sunt furnizai prin intermediul numeroaselor proceduri statistice. Cele mai
simple comenzi, pentru a nu complica inutil expunerea, le gsim n meniul Analyze i apoi
meniul Descriptive Statistics. n traducere,
Figura 3.3 Lansarea proceanalize statistici descriptive. Primele trei codurilor de analiz descriptiv
pe frecvene
menzi din acest submeniu care se deschide, pot
extrage indicatorii tendinei centrale. Vom analiza doar prima comand, comanda Frequencies urmnd ca celelalte dou s le discutm cu alte
ocazii deoarece presupun i alte informaii.
Comanda Frequencies sau frecvene prezint cele trei puncte,
fapt care va duce la deschiderea unei noi casete de dialog. Dai clic pe aceast
comand i vei obine o caset ca cea din imaginea de mai jos.
89
90
Cristian Opariuc-Dan
Vom trece n revist acum toate comenzile din aceast fereastr cu
precizarea c unele dintre ele vor fi abordate n detaliu n cadrul altor capitole.
Caseta de bifare Display frequency tables informeaz aplicaia
SPSS dac s afieze tabelul frecvenelor (n condiiile n care aceast caset
o bifai) sau s nu-l afieze (n condiiile n care nu o bifai). Tabelul frecvenelor este acel tabel general, studiat la capitolul despre organizarea datelor,
nainte de a grupa valorile n clase. Iat c acum am ales ca acest tabel al
frecvenelor s fie afiat.
n partea dreapt a acestui formular se afl un numr de cinci butoane
de acionare.
Butonul OK este butonul pe care vom apsa pentru a lansa analiza,
dup ce am configurat modul n care dorim ca analiza s fie efectuat.
Butonul Paste este un buton pe care nu l vom folosi deloc. El permite lipirea codului care efectueaz analiza curent ntr-o fereastr de sintax de comenzi. El se adreseaz utilizatorilor care doresc s fac programare
n SPSS utiliznd limbajul propriu de programare al acestei aplicaii.
Butonul Reset permite reiniializarea ferestrei la starea ei original.
Cu alte cuvinte, toate variabilele din lista de analiz sunt eliminate, toate configurrile de analiz pe care le-am fcut sunt iniializate la valoarea lor implicit. Este un buton pe care l vom folosi destul de frecvent.
Butonul Cancel este butonul prin care renunm la analiz i nchidem aceast fereastr fr a mai efectua analiza.
Butonul Help este butonul cu ajutorul cruia obinem asisten i
informaii (n limba englez) referitoare la funcionarea acestei proceduri.
Dac tii englez, nu ezitai s-l utilizai. SPSS are un tutorial excelent pe
care l putei parcurge i nelege cu succes.
91
n partea de jos a formularului se afl trei butoane care permit configurarea statisticilor pe care le vom calcula.
Butonul Statistics este butonul pe care vom i apsa acum pentru
a calcula indicatorii tendinei centrale.
Dup cum i spune i numele, cu ajutorul
acestui buton putem stabili ce statistici
descriptive vom analiza. Iat c cele trei
puncte de suspensie deschid acum o nou fereastr. Fereastra are mult mai multe opiuni. Pentru moment ne vom rezuma la cele care ne intereseaz. Observm
Figura 3.6 Fereastra de alegere a
c n partea dreapt a acestei noi ferestre
indicatorilor tendinei centrale
gsim seciunea Central Tendency
adic exact ce ne intereseaz pe noi. n aceast seciune observm casetele de
bifare Mean (media), Median (mediana) i Mode (modul). Iat elementele pe care dorim s le calculm. Vom bifa deci, una cte una, aceste
casete prin efectuarea unui clic simplu pe ele astfel nct formularul s arate
ca n figura de mai sus. Mai exist i caseta de bifare Sum (suma) prin
bifarea creia obinem suma valorilor din variabila respectiv. Variabila
noastr este vrsta subiecilor i nu ne intereseaz s nsumm vrstele celor 30 de subieci. Ar fi un indicator fr nici o relevan pentru noi.
Dup ce am bifat cele trei casete, apsm butonul Continue (continuare) pentru a prsi aceast fereastr i a ne ntoarce n cea iniial. Acum
am comunicat programului SPSS ce indicatori statistici s extrag.
Butonul Chart i Format permite afiarea unor grafice,
respectiv configurarea modaliti n care vor fi afiate rezultatele. Despre
aceste butoane vom discuta cu alt ocazie.
Cam asta ar fi tot. Practic am spus programului SPSS s calculeze
media, mediana i modul pentru variabila Varsta subiectilor cu afiarea
92
Cristian Opariuc-Dan
tabelului de frecvene. Nu ne rmne acum dect s apsm butonul OK i
s vedem ce se ntmpl.
Iat c a aprut fereastra de rezultate sau fereastra
de Output Nu vom intra
acum n detalii explicative ale
acestei ferestre pentru c s-ar
putea s v speriai de prea
multe informaii i s trecei la
Solitaire. Ne vom concentra
asupra celor dou tabele pe
care le-a generat SPSS n partea din dreapta a ferestrei de
Figura 3.7 Fereastra de afiare a rezultatelor
rezultate (partea cea mare)
care nu reprezint altceva dect cele dou tabele pe care le-am solicitat. Primul tabel conine indicatorii
tendinei centrale pe care i-am configurat s fie calculai n etapa anterioar.
Tabel 3.7 Indicatorii tendinei centrale
Tabelul se numete
Statistics
Statistics i conine n
Varsta subiectilor
partea de sus numele variabiN
Valid
30
lei, Varsta subiectilor, penMissing
0
Mean
29,33
tru a putea identifica variabiMedian
29,00
la cu care operm. Apoi ne
Mode
24a
d numrul de cazuri, N i
a. Multiple modes exist. The smallest value is shown
ne spune c sunt 30 de date
valide (Valid) i zero date lips (Missing) Cu alte cuvinte toi cei 30 de
subieci au nregistrat vrsta lor. Nu exist nici un subiect la care s fi uitat
s introducem aceast valoare. n continuare ne spune c media de vrst este
29,33 (Mean), mediana este 29 (Median) iar modul. avem o problem. SPSS ne informeaz n josul tabelului c sunt mai multe valori cu frec-
93
vena cea mai mare i o va afia pe cea mai mic, 24 (Multiple modes exist.
The smallest value is shown) Acesta este deci un singur mod real, cel inferior i urmeaz s vedem care este i cealalt valoare modal deoarece avem
o distribuie cu mai multe moduri (multimodal).
Urmtorul tabel este tabelul de frecvene. i aici se afieaz numele
variabilei. Probabil c acest tabel v pare extrem de cunoscut. Desigur, nu
avem diagrama n linii ns tabelul seamn frapant cu cel descris de noi la
capitolul despre sistematizarea datelor. Iat c acum toate valorile sunt ordonate cresctor i avem frecvena
Tabel 3.8 Distribuia statistic
Varsta subiectilor
absolut (Frequency) pentru
Cumulative
fiecare valoare, frecvena relatiFrequency
Percent
Valid Percent
Percent
Valid
20
2
6,7
6,7
6,7
v (Percent) i frecvena rela21
1
3,3
3,3
10,0
24
5
16,7
16,7
26,7
tiv cumulat (Cumulative
26
3
10,0
10,0
36,7
28
1
3,3
3,3
40,0
percent). Mai apare o coloan,
29
5
16,7
16,7
56,7
30
1
3,3
3,3
60,0
frecvena relativ valid (Valid
31
3
10,0
10,0
70,0
32
1
3,3
3,3
73,3
percent) care este identic cu
34
1
3,3
3,3
76,7
frecvena relativ deoarece nu
35
2
6,7
6,7
83,3
37
2
6,7
6,7
90,0
sunt valori lips n irul nostru
38
2
6,7
6,7
96,7
39
1
3,3
3,3
100,0
de date. Iat c acum putem s
Total
30
100,0
100,0
gsim i cellalt mod. tim c
primul mod este 24 iar acesta este modulul inferior. Ne uitm n tabelul de
frecvene i vedem c valoarea 24 are frecvena 5. Cutm acum o valoare
mai mare de 24 cu aceeai frecven i observm c este 29. Iat c cele dou
valori modale sunt 25 i 29.
Aceasta este metoda cea mai simpl i cea mai complet de extragere
a indicatorilor tendinei centrale. nchidem acum fereastra de rezultate prin
efectuarea unui clic pe butonul X din colul din dreapta sus al acesteia.
94
Cristian Opariuc-Dan
Concluzii:
ntrebri i exerciii:
95
96
Cristian Opariuc-Dan
ns, vom face media acestor dou eantioane. Deci, adunm 178 cu 165 i
mprim la doi. Obinem 171,5 centimetri, un indicator mai precis pentru
media populaiei. Iat deci c media eantioanelor este un indicator care
aproximeaz mai bine media unei populaii. Cu ct avem mai multe eantioane cu att putem aproxima mai precis media populaiei. Aceast caracteristic
a mediei eantioanelor de a tinde ctre media populaiei poart numele n
statistic de teorema limitei centrale. Asupra acestui aspect vom reveni
ns i vom avea ocazia s l tratm amnunit ntr-un capitol ulterior.
Am studiat n primul capitol o serie de reprezentri grafice uzuale. Vom vedea cum putem reprezenta grafic datele folosind SPSS i ce semnificaie
au aceste reprezentri. Aadar, vom deschide baza de
date creat de noi anterior, baza de date IQ, i ne
propunem s reprezentm datele noastre printr-un
grafic cu bare.
n SPSS versiunea 15, modalitatea de construcie a graficelor difer radical, fiind mult mai
simpl i mai inteligent. Vom aborda aspectele grafice ale aplicaiei SPSS 15 la sfritul
acestui volum i n volumele viitoare
97
98
Cristian Opariuc-Dan
gen. O vom selecta i apoi vom apsa butonul de transfer pentru a o include n caseta Bars Represent ca n figura de mai sus. Pentru moment att
avem de fcut n vederea trasrii graficului cu bare. Exist aici i alte opiuni
pe care le putem folosi. Seciunea
Category Labels ne permite s
alegem dac pe axa categoriilor
(axa OX) va fi afiat numrul fiecrui caz (opiunea Case number)
sau valorile unei alte variabile categoriale pe care va trebui s o specificm (opiunea Variable:)
Seciunea Panel by permite gruparea barelor n funcie de o alt
variabil categorial. Gruparea
Figura 4.4 Reprezentarea prin grafic cu bare
a QI pe nivele se colarizare i n funcie de sex
poate fi efectuat fie pe linii, fie pe
coloane, cazuri n care va trebui s
specificm i variabilele categoriale n funcie de care se va face gruparea,
introducndu-le n listele Rows: sau Columns:. Dac avem vreun ablon de grafic preferat, descrcat de pe Internet sau construit de noi, l putem
folosi pentru a desena graficul nostru bifnd caseta Use chart specification
from: i apoi apsnd butonul File care se activeaz i ne invit s
ncrcm acel fiier. Putem de asemenea da un titlu graficului nostru apsnd butonul Titles. Utilizarea
acestui buton v-o lsm dumneavoastr ca exerciiu. Dup ce am terminat
de stabilit variabila pentru care dorim
s trasm graficul, apsm butonul
Figura 4.5 Graficul cu bare simplu al
OK care se activeaz. SPSS va geValue Coeficient de inteligenta
125
120
115
110
105
100
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Case Number
coeficientului de inteligen
99
Feminin
110
105
100
125
120
Masculin
115
Sexul subiectilor
Pentru a exemplifica i celelalte faciliti ale acestei reprezentri grafice, iat, n figura alturat, un grafic cu bare n care am
folosit ca variabil etichet Nivelul de colarizare iar graficul este
mprit pe linii dup variabila
Sexul subiecilor. Lansnd procedura de desenare prin apsarea
butonului OK, obinem urmtorul grafic cu bare:
115
110
105
100
Li Li Li Gi Li Li Po Po Fa Fa Fa Fa Fa Pr Pr Gi Li Li Li Li Po Po
ce ce ce m ce ce stl stl cu cu cu cu cu im im m ce ce ce ce stl stl
u u u na u u ic ic lta lta lta lta lta ar ar na u u u u ic ic
ea ea te te te te te e e zi
zi
ea ea
la la
u
u
la la
Po
stl
ic
ea
la
Po Li Li Li Po Fa Fa
stl ce ce ce stl cu cu
ic u u u ic lta lta
ea
ea te te
la
la
Nivelul de scolarizare
100
Cristian Opariuc-Dan
bare, se afieaz o nou fereastr care ne invit s alegem tipul graficului pe
care l dorim. Avem de ales ntre un grafic simplu
(Simple) care ne intereseaz i pe noi, ntre un grafic
cu linii multiple (Multiple) ce permite trasarea a dou
sau mai multe variabile pe acelai grafic i un grafic de
tip pivot (Drop-line) cu ajutorul cruia putem reprezenta dou sau mai multe categorii de date. Pentru
exemplul nostru, vom alege graficul de tip simplu. La fel
ca i n cazul graficului cu bare,
Figura 4.7 Meniul
i aici avem cele trei opiuni cu
pentru graficul cu linii
exact aceeai semnificaie. Vom
alege, ca i n exemplul anterior, opiunea Values of
individual cases deoarece dorim s reprezentm un
poligon al frecvenelor individuale. Pentru a putea
lansa procedeul de definire a graficului, putem apsa
butonul Define.
Figura 4.8 SelectaObservm apariia unei ferestre identice cu ferea tipului de grafic cu
reastra pe care am ntlnit-o la graficul cu bare i care
linii
are exact aceeai funcionalitate. Nu
vom intra din nou n detalii asupra
elementelor pe care le gsim aici,
deoarece ele au fost discutate la graficul cu bare. Vom transfera doar variabila Coeficient de inteligen din
lista variabilelor n lista Line
Represents pentru a indica programului SPSS variabila pe care urmeaz
s o reprezinte prin linii. De fapt,
aceasta este singura diferen ntre
Figura 4.9 Definirea graficului simplu cu
linii
cele dou ferestre. n fereastra
101
125
120
115
110
105
100
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Case Number
102
Cristian Opariuc-Dan
n momentul n care am schimbat
iunea cu care vom defini datele n zona grafic, evident, va aprea o alt fereastr de
definiie a datelor, ca n figura alturat.
Exist multe elemente comune cu fereastra anterioar, ns i seciuni specifice pe
care vom ncerca s le descriem pe scurt. Cea
mai important seciune este Line
Represents n care nu mai introducem pur i
Figura 4.12 Stabilirea parametrisimplu variabila ci definim modul n care vor
lor de configurare a frecvenelor
cumulate
fi cumulate datele. Putem opta pentru N of
cases prin care SPSS va numra apariiile fiecrei valori n irul de date obinnd un poligon al frecvenelor absolute pe date grupate, Cum. N adic
apariiile fiecrei valori n irul de date (frecvenele) dar prezentate cumulat i
exprimarea procentual a acestora (sau frecvenele relative i relative cumulate) % of cases i Cum. %. Exist i posibilitatea s reprezentm grafic anumite statistici folosind opiunea Other statistics situaie n
care va trebui s includem variabila
pentru care vom extrage anumii
indicatori statistici i de asemenea s
precizm ce indicatori se vor folosi
prin activarea butonului Change
Statistic. Nu intrm acum n detalii legate de aceast opiune. n
cazul nostru am ales opiunea Cum.
Figura 4.13 Poligonul frecvenelor
N deoarece dorim s reprezentm
cumulate
frecvenele cumulate absolute. Avem
de stabilit i variabila pentru care
vom desena poligonul frecvenelor cumulate absolute pe care trebuie s o
30
Cumulative Frequency
25
20
15
10
100
101
103
104
105
107
108
109
110
111
120
121
124
Coeficient de inteligenta
103
Reprezentarea procentual a unor variabile categoriale cum ar fi genul biologic sau nivelul de
colarizare se poate face, cel mai bine, folosind un grafic de tip plcint (pie), numit i
diagram de structur. Cu ajutorul programului SPSS vom ncerca s desenm graficul de
tip plcint pentru variabila nivel de colarizare. Pentru a reui acest lucru, vom apela tot Figura 4.15 Alegerea tipului de
grafic
la meniul Graphs i vom alege apoi
submeniul Pie....
De aceast dat nu mai avem ce
tip de grafic plcint s selectm iar urmtoarea fereastr prezint doar cele trei
opiuni pe care le-am discutat. Vom selecta acum prima opiune, Summaries
for groups of cases deoarece ne intereseaz s reprezentm grafic frecvenele
cu care apar subiecii cu studii primare,
cei cu gimnaziu, cu liceu, etc. i, n plus,
aceast reprezentare s aib un caracter
procentual. Deci, alegnd aceast opiuFigura 4.16 Configurarea reprezentrii
prin diagram de structur
104
Cristian Opariuc-Dan
ne, SPSS va aduna cazurile care au o aceeai valoare.
Pentru a defini graficul, procedm ca i n exemplul anterior, apsm
butonul Define. Se va deschide fereastra de definire a graficului, o fereastr pe care o cunoatem deja de la reprezentarea poligonului frecvenelor cumulate. Singura deosebire const n seciunea Slices Represents sau, tradus, ce reprezint feliile plcintei. Evident, n aceast seciune am selectat
opiunea % of cases adic am comunicat programului SPSS s mi reprezinte grafic proporia n care se gsete fiecare nivel al acestei variabile n
eantionul total.
Desigur, trebuie s precizm i variabila pentru care vor fi reprezentate grafic procentele. Acest lucru n putem face prin transferarea variabilei
Nivelul de colarizare din lista variabilelor din baza de date n elementul
Define Slices by: Selectai aadar
variabila n lista variabilelor din baza
de date i apsai butonul de transfer
din faa acestui element pentru a obine
o imagine ca n figura de mai sus. n
acest moment se activeaz i butonul
OK pe care va trebui s apsm
pentru a lansa n execuie procedura de
desenare a graficului. Dup cteva
Figura 4.17 Diagrama de structur pentru
momente, obinem n fereastra de renivelul de studii
zultate urmtorul grafic plcint:
Nivelul de scolarizare
Primare
Gimnaziu
Liceu
Postliceala
Facultate
Observm c acest grafic prezint i o legend prin care suntem informai asupra categoriilor variabilei analizate. Putem cu uurin observa c
majoritatea subiecilor sunt absolveni de liceu, apoi, n proporii relativ egale
absolveni de postliceal i facultate. Cei mai puini sunt cei cu studii primare
i gimnaziale.
105
Iat aadar cteva metode extrem de simple prin care putem desena
grafice intuitive utiliznd aplicaia SPSS. Toate aceste statistici pe care le-am
prezentat i pe care le vom mai prezenta fac parte din analiza de date exploratorie deoarece scopul acesteia este acela de a explora, de a cunoate structura datelor analizate.
V mai amintii, desigur,
fereastra studiat n capitolul anterior prin care am calculat indicatorii tendinei centrale. Iat-o, v-o
reamintesc, iar dumneavoastr va
trebui s gsii comenzile prin
care s ajungei la ea deoarece
reprezentarea grafic a datelor se
Figura 4.18 Selectarea variabilei ce urpoate face i n acest mod. S inmeaz s fie reprezentat
troducem, la fel ca n capitolul
anterior, variabila Coeficient de inteligen pentru a extrage indicatorii tendinei centrale. Sper c v amintii cum se face. Dac nu, v dau un indiciu:
folosii butonul Statistics. Iat c lng acest buton se afl un alt buton,
butonul Charts pe care vom apsa.
Se deschide o nou fereastr n care putem stabili ce grafic s desenm pentru
variabila introdus n analiz. Opiunea
None nu deseneaz nici un fel de grafic i ignor setrile grafice. Opiunea
Bar charts deseneaz un grafic cu
bare, opiunea Pie charts deseneaz
grafice plcint i, iat, opiunea Histograms: ne permite desenarea unei hisFigura 4.19 Modul de reprezentare
tograme. Aceast opiune o ntlnim aici,
grafic din analiza frecvenelor
alturi de caseta de bifare With normal
106
Cristian Opariuc-Dan
curve ce permite desenarea curbei normale care caracterizeaz datele din
variabila noastr. Nu vom bifa acum aceast caset deoarece despre curba
normal vom discuta ntr-un alt capitol. Ne rezumm s alegem doar graficul
sub form de histogram.
Anumite grafice pot fi reprezentate sub form de frecvene absolute
(opiunea Frequencies) sau sub form de frecvene relative (opiunea
Percentages) prin selectarea uneia dintre cele dou opiuni din seciunea
Chart Values. Folosind
aceast fereastr avem de
Histogram
configurat mult mai puine
elemente. Deoarece am introdus anterior variabila pe
care dorim s o analizm,
SPSS va lua singur decizia
modului n care va desena
graficul. Apsm butonul
Continue pentru a confirma aciunea noastr i
Coeficient de inteligenta
apoi butonul OK pentru a
Figura 4.20 Histograma pentru coeficientul
lansa analiza.
5
Frequency
Mean =111,33
Std. Dev. =8,511
N =30
100
105
110
115
120
125
de inteligen
Dup cteva momente, SPSS va extrage indicatorii tendinei centrale sub forma celor dou tabele
discutate n capitolul anterior, ns ne va oferi i histograma variabilei Coeficient de inteligen alturi de o serie de date din inventarul statistic de baz
pe care le vom discuta ntr-un alt capitol.
central a setului de date. Totui, cum ne dm seama de existena acestor scoruri extreme? Tot analiza exploratorie ne vine n ajutor. Utiliznd reprezentrile de date de mai sus, ne putem face o imagine intuitiv asupra acestor scoruri extreme. Exist oare o metod mai precis de a le depista? Rspunsul
este pozitiv i vom prezenta n continuare dou tipuri de grafice deosebite,
dar care pot caracteriza mai precis scorurile extreme.
Frunzele
2
2299
0005
Cristian Opariuc-Dan
(un singur scor de 25). Simplu, nu? Iat c, dei seamn cu o histogram,
acest grafic adaug n plus posibilitatea monitorizrii scorurilor individuale.
Pentru a nelege mai bine, s considerm un set mai voluminos de date: 1, 1,
2 ,2 ,2 , 5, 5, 5, 12, 12, 12, 12, 14, 14, 14, 14, 15, 15, 15, 18, 18, 24, 24, 24,
24, 24, 24, 25, 25, 25, 25, 25, 25, 25, 28, 28, 28, 28, 28, 28, 28, 32, 32, 33,
33, 33, 33, 34, 34, 34, 34, 34, 35, 35, 35, 35, 35, 42, 42, 42, 43, 43, 44. Pentru
acest set de date avem urmtorul grafic tulpin i frunze
0
1
2
3
4
11222555
2222444455588
44444455555558888888
22333344444455555
222334
0000022222222333333333555555555555555777777777777799999999
000000033333888
3
4
Observm c graficul ne indic faptul c majoritatea scorurilor se situeaz sub 20 ns avem i un scor extrem, scorul 64. Iat deci o situaie tipic n care mediana va fi cel mai bun indicator al tendinei centrale. Totui,
acest grafic efectuat pe blocuri de 10 valori nu este foarte informativ. Nu
avem o reprezentare foarte clar a scorurilor sub 20 deoarece exist foarte
109
multe. Prin urmare ar fi mai comod pentru noi s reprezentm grafic aceste
scoruri folosind nu blocuri de 10 ci blocuri de cinci (ntre 0 i 4, apoi ntre 5
i 9, ntre 10 i 14 i aa mai departe). Folosind un asemenea sistem, graficul
devine:
0.
0*
1.
1*
2.
6.
0000022222222333333333
555555555555555777777777777799999999
000000033333
888
3
4
Cristian Opariuc-Dan
tele la dou probe psihologice. Utiliznd cele dou seturi de date de mai sus,
am putea s le reprezentm grafic dup cum urmeaz:
Test 1
9999999977777777777775555555555555553333333332222222200000
888333330000000
3
0
1
2
3
4
5
6
Test 2
11222555
2222444455588
44444455555558888888
22333344444455555
222334
111
Pentru realizarea acestui grafic vom parcurge urmtorii pai considernd irul ordonat de date 2, 12, 12, 19, 19, 20, 20, 20, 25
Pasul 1 Stabilirea medianei i a poziiei pe care aceasta o ocup n
cadrul irului de date. n cazul nostru mediana este 19 iar poziia pe care o
ocup este poziia a cincia.
2, 12, 12, 19, 19, 20, 20, 20, 25
Pasul 2 Calculul pivoilor. Pivoii reprezint valorile care mpart
irul de date n sfertul inferior (primele 25% dintre scoruri, numit i cuartilul
inferior) i sfertul superior (ultimele 25% dintre scoruri, numit i cuartilul
superior). Dac mediana este valoarea care mparte irul ordonat de date n
dou pri egale, cuartilul este valoarea ce mparte acelai ir n 4 pri egale,
dup cum vom vedea n capitolul ce urmeaz. Reconsidernd exemplul, obinem poziia primului cuartil ntre a doua i a treia valoare, adic primul
cuartil va avea valoarea 12 (amintii-v exemplul de calcul al medianei). Similar, al treilea cuartil va fi situat ntre poziia 7 i poziia 8 i va avea valoarea 20.
2, 12, 12, 19, 19, 20, 20, 20, 25
Pivoii. n cazul exemplului de fa, vor avea valorile 12 i 20. Putem
acum trasa dreptunghiul care ne intereseaz (box).
Pivot superior
valoarea 20
Linia medianei
valoarea 19
Pivot inferior
valoarea 12
Pasul 4 Stabilirea scorurilor extreme. Un scor extrem este un scor care depete o dat i jumtate
112
Cristian Opariuc-Dan
valoarea factorului h-spread raportat la cei doi pivoi. Aceste puncte de referin se numesc limite de barier. n cazul nostru, 1,5 x 8 = 12. Deci limitele
de barier sunt 12 12 = 0 i 20 + 12 = 32. Scorurile mai mici de 0 vor fi
considerate extreme deoarece depesc limita de barier inferioar n jos iar
scorurile mai mari de 32 vor fi considerate de asemenea extreme deoarece
depesc n sus limita de barier superioar.
Pasul 5 Scorurile care se afl ntre pivoi i limitele de barier, mai
apropiate de limitele de barier se numesc scoruri adiacente. n cazul nostru
scorurile adiacente sunt 2 i 25 deoarece 2 se afl ntre 0 i 12 iar 25 este situat ntre 20 i 32.
2, 12, 12, 19, 19, 20, 20, 20, 25
Liniile cuprinse ntre pivoi i bariere (zonele scorurilor
adiacente) poart numele de
musti iar dreptunghiul format de cei doi pivoi care conine
mediana se numete cutie. De
aici provine i numele graficului,
grafic cutie sau cutie cu musti. Zona mustilor reprezint de fapt amplitudinea scorurilor
care prsesc zona aa numit
normal delimitat de cei doi
pivoi, ns rmn n limitele
barierelor. Orice scor care iese
din limita barierelor se numete
scor extrem.
Dac reconsiderm irul
anterior de date, 0, 0, 0, 0, 0, 2,
113
2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5,
5, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 9, 9, 9, 9, 9, 9, 9, 9, 10, 10, 10, 10, 10, 10,
10, 13, 13, 13, 13, 13, 18, 18, 18, 23, 64, atunci graficul nostru se va prezenta
ca n figura de mai jos.
70,00
77
60,00
50,00
40,00
30,00
76
20,00
10,00
0,00
Exemplu
114
Cristian Opariuc-Dan
Erorile de eantion se refer la situaia n care eantionul estras este prea mic iar posibilitatea de apariie a unui caz atipic
(extrem) va deveni foarte mare dar i la cazul n care eantionul a fost extras dintr-o populaie asimetric. Putem, de exemplu, s studiem nlimea unor subieci dintr-un liceu iar pentru
aceasta extragem zece persoane din dou clase. Probabilitatea
ca un elev s fie baschetbalist este destul de mare. Dac avem
ghinionul s l selectm tocmai pe acela, va aprea, evident,
i un caz extrem. De asemenea, dac una dintre clase este reprezentat de clasa de sport, cu elevi nali, printre care am g-
115
Cristian Opariuc-Dan
gramul SPSS ne pune la dispoziie, iat, o serie de metode prin intermediul
crora putem verifica rapid i precis structura datelor cu care lucrm.
117
118
Cristian Opariuc-Dan
rii aciunii noastre, va trebui s apsm butonul Continue pentru a reveni
la fereastra anterioar.
Acionarea butonului Plots determin afiarea unei alte ferestre
ce va configura modul de prezentare grafic a datelor. i aici avem mai multe
informaii. Pentru nceput observm c este bifat caseta Stem-and-leaf
adic va fi afiat graficul tulpin i frunze.
De asemenea vom afia i histograma, bifnd caseta Histogram
Seciunea Boxplots, situat n partea stng-sus permite configurarea modului de calcul al graficului cutie cu musti discutat anterior. Putem opta
pentru combinarea nivelurilor variabilei categoriale (dac am inclus vreuna n
fereastra anterioar) alegnd Factor levels together sau putem combina
mai multe variabile incluse n lista variabilelor independente alegnd opiunea Dependents together. Desigur, putem renuna la afiarea acestui grafic selectnd opiunea None. n cazul nostru, avnd doar o singur variabil inclus spre analiz, oricare dintre primele dou opiuni le-am alege obinem acelai efect. Prsirea acestei casete va fi fcut tot prin apsarea butonului Continue. Nu ne rmne acum dect s apsm butonul OK pentru a lansa procedurile de analiz. n fereastra de rezultate avem acum mai
multe tabele i grafice.
Tabel 4.1 Sumarul cazurilor
n tabelul Case
Case Processing Summary
Cases
Processing Summary ne
Valid
Missing
Total
N
Percent
N
Percent
sunt prezentate numrul de Varsta subiectilor N 30 Percent
100,0%
0
,0%
30
100,0%
cazuri. Aflm c avem 30
de cazuri valide, adic 30 de subieci ce au date completate pentru variabila
Vrsta subiecilor ceea ce reprezint un procent de 100%. Evident, nu
avem nici un caz lips (Missing) i, corespunztor, un procent de 0%. n total
sunt deci 30 de cazuri ce reprezint un procent de 100%.
119
29,33
29,00
30,506
5,523
20
39
19
10
,116
-,878
Stem &
Leaf
2
2
2
2
2
3
3
3
3
3
001
.
.
.
.
.
.
.
.
.
.
44444
666
899999
0111
2
455
77
889
10
1 case(s)
Observm c acest grafic a fost creat din doi n doi (20-21, 22-23, 2425, 26-27, 28-29 ani i aa mai departe) pentru a oferi o bun reprezentare a
datelor. Iat c, analiznd acest grafic, putem afirma c cei mai muli subieci
120
Cristian Opariuc-Dan
au vrste de 28 i 29 de ani i nu exist scoruri extreme. Pentru a fi siguri de
acest lucru, privim urmtorul grafic, graficul cutie.
Privind i acest grafic constatm lipsa scorurilor extreme, mediana fiind situat la valoarea 29 i
o distribuie destul de uniform a
acestor rezultate.
Putem afirma, deocamdat,
c aceste date permit utilizarea mediei ca indicator al tendinei centrale
pentru setul nostru.
39
36
33
30
27
24
21
Varsta subiectilor
Concluzii:
121
Conceptul de mprtiere;
Indicatori simpli i compleci ai abaterii de la
tendina central;
Calculul indicatorilor abaterii de la tendina
central;
Dup parcurgerea capitolului, cursanii vor fi capabili s:
Indicatorii tendinei centrale caracterizeaz, dup cum am vzut, valoarea n jurul creia se grupeaz datele. Ei au, desigur, o mare putere informativ, ns nu ne prezint o msur a compoziiei acestor date. De exemplu,
media greutii unui numr de 2 copii este 20 Kg. Cei doi copii pot s aib 20
de Kg fiecare, unul 10 Kg i cellalt 30 Kg, sau unul 15 Kg iar cellalt 25 Kg
i aa mai departe. Iat deci c indicatorii tendinei centrale nu pot caracteriza
singuri o distribuie. Avem nevoie, pentru aceasta, de o msur a gradului de
rspndire, de mprtiere a datelor n jurul tendinei centrale, cum se repartizeaz rezultatele n jurul acestei valori. Aceti indicatori, care msoar gradul
de mprtiere a rezultatelor n jurul tendinei centrale, poart numele de indicatori ai mprtierii. Indicatorii mprtierii pot fi grupai n indicatori
elementari ai mprtierii i indicatori sintetici ai mprtierii.
Modelul statistic al mediei va trebui aadar completat cu ali indicatori
caracteristici gradului de mprtiere a rezultatelor n jurul tendinei centrale.
Dac relum exemplul cu prietenii mei i numrul de frai pe care fiecare
dintre ei i au, am stabilit c, primul prieten are un frate, al doilea are doi
frai, al treilea i al patrulea au cte trei frai i al cincilea are patru frai. Re122
Cristian Opariuc-Dan
zultase o medie de 2,6 frai, cu alte cuvinte doi frai ntregi i unul fr un
picior. Fiind un model statistic, media estimeaz o realitate. S vedem acum
dac aceast medie estimeaz corect sau nu realitatea frailor prietenilor mei.
+1,4
+0,4
+0,4
m=2,6
-0,6
-1,6
Figura 5.1 Diferenele dintre scorul observat i medie
scorurile mai mari dect media. Totui, cum putem obine mrimea erorii?
Cum putem estima dac modelul statistic este o imagine suficient de bun
pentru a reprezenta realitatea? Vom vedea imediat. Pentru nceput s ne concentrm asupra unor indicatori elementari ai mprtierii.
(formula 5.1)
,
124
Cristian Opariuc-Dan
valori iar media acestora este 19,6. Amplitudinea relativ de variaie este, n
cazul nostru, 102%. Amplitudinea relativ de variaie o putem utiliza n condiiile n care cunoatem domeniul teoretic ntre limitele cruia se ncadreaz
distribuia. Putem astfel s comparm amplitudinea real de variaie a datelor
cu amplitudinea de variaie teoretic.
Indicatorii amplitudinii de variaie pot fi utilizai atunci cnd cunoatem plaja de variaie normal a unui fenomen, deoarece apariia unor valori
extreme duce la amplitudini de variaie aberante. n exemplul nostru, dac
introducem o singur valoare n plus, 120, atunci minimul rmne 9 iar maximul devine 120. Amplitudinea de variaie va fi 120 9 = 111, desigur o
valoare suspect pentru irul nostru de date.
Analiznd figura alturat, observm c cele dou distribuii au aceeai amplitudine de variaie. Totui, forma lor difer foarte mult. n timp ce distribuia A
este puternic eterogen, distribuia B este
mult mai omogen.
mici dect al doilea cuartil (Q2 iat c, de fapt, Q2 nu este altceva dect mediana) iar trei sferturi din valori (75%) sunt mai mici dect al treilea cuartil
(Q3). Abaterea cuartil nu este altceva dect diferena dintre cuartilul 3
i cuartilul 1.
Prin urmare, RQ=Q3 Q1. (formula 5.2)
Abaterea cuartil poate fi absolut cazul prezentat sau relativ, raportat la median (abaterea intercuartil relativ).
%
(formula 5.3)
Dac mprim abaterea cuartil la valoarea 2, adic dac facem media diferenei dintre Q3 i Q1, obinem abaterea semi-intercuartil.
RSQ= RQ:2
(formula 5.4)
date n patru pri egale. Urmrind irul ordonat de date, poziia 2,75 se afl
ntre 9 i 10, adic la 9,5. Al doilea cuartil, mediana (Q2), se va afla la de dou ori poziia primului cuartil, adic 2x2,75 = 5,5. Ai observat probabil c ai
obinut exact poziia medianei. n cazul nostru, poziia 5,5 este cuprins ntre
22 i 23, adic 22,5. Similar, al treilea cuartil (Q3) este de trei ori poziia primului cuartil, adic 3x2,75=8,25. Iat c, valoarea lui Q3 se afl ntre 27 i
29, adic 28. Abaterea cuartil devine aadar, RQ=Q3Q1=289,5=18,5. Cu
alte cuvinte, ntre valoarea obinut de 75% din populaie i valoarea obinut
126
Cristian Opariuc-Dan
de 25% din populaie pot exista cel mult 18,5 valori diferite. Iat c doar 18,5
puncte fac diferena dintre persoanele considerate slabe sau cu scoruri inferioare i persoanele considerate bune, cu scoruri superioare. Observai c
acest indicator este mai precis n comparaie cu amplitudinea mprtierii.
Dac vei include acum acel scor de 120, vei constata c nu influeneaz
deloc valoarea abaterii cuartile. Abaterea semi-intercuartil va fi, prin urmare, RSQ=RQ:2=18,5:2=9,25. Acest lucru nseamn c, teoretic, 9,25 valori ar
trebui s fie mai mici dect mediana i tot attea valori mai mari dect mediana. Din grupul oamenilor medii, 9,25 valori i difereniaz pe cei mediuslabi i 9,25 valori pe cei mediu-buni.
Similar medianei, cuartilele pot fi calculate folosind i date grupate.
Dac vom considera distribuia statistic din tabelul alturat:
Tabelul 5.1 Calculul cuartilelor
Cuartilul inferior (Q1) va fi situat n poziia
11,25, iar
Clasa
<= 4
59
10 14
15 19
20 29
30 39
>= 40
Distribuia
n linii
||
||||||
||||||||
||||||||||||
||||||||||
||||
||
fc
2
6
8
12
10
4
2
n=44
2
8
16
28
38
42
44
127
diana nu era altceva dect Q2, valoarea preciza, de fapt, poziia cuartilului al
doilea. Deci, singura modificare n formul ar fi nlocuirea poziiei medianei
cu poziia cuartilului care ne intereseaz. Formula generalizat devine cea
alturat, unde PQn nseamn poziia cuartilului n (1, 2 sau 3) iar fcQn-1 frecvena cumulat a intervalului pre-cuartil de ordin n.
(formula 5.5)
Am specificat mai sus c poziia lui Q1 este
2
este
, poziia lui Q2
. Aplicnd n formu-
10
20
5
10
10
,
20
10
12,03
,
25,75
128
Cristian Opariuc-Dan
iile n care setul de date este unul ordonat. Mediana este valoarea la care se
situeaz 50% din eantion, cuartilele sunt valorile la care se situeaz 25%,
50%, 75% din eantion i aa mai departe. n termeni generali, putem afla
orice valoare la care se situeaz un anumit procent din eantion. Astfel, dac
vom dori s aflm valorile la care se afl procente de 20% din eantion, vom
avea cinci categorii cvintile. Procentele de 33,33% reprezint valorile
trecile i aa mai departe. Generic, valoarea la care se afl un anumit procent
din populaie poart numele de percentil. nelegerea conceptului de
percentile are o importan deosebit n problematica realizrii etaloanelor,
normelor, prin metoda cuantilrii, metod folosit de obicei ntr-o distribuie
care nu este normal. Despre aceste lucruri vom discuta ns atunci cnd vom
aborda sistemele de etalonare.
129
Dac avem, spre exemplu, urmtoarele 4 msurtori: 25, 23, 21, 27,
atunci, cu aceste valori putem forma un numr de 42 adic 16 perechi de diferene dup cum urmeaz:
2525; 2523; 2521; 2527; 2325; 2323; 2321; 2327; 2125;
2123; 2121; 2127; 2725; 2723; 2721; 2727.
Fcnd apoi diferenele, obinem:
0; 2; 4; -2; -2; 0; 2; -4; -4; -2; 0; -6; 2; 4; 6; 0
Analiznd aceste diferene, observm c nu reprezint altceva dect
modul n care se abat valorile unele fa de altele. Fcnd apoi suma acestor
valori, luate fr semn, obinem:
0+2+4+2+2+0+2+4+4+2+0+6+2+4+6+0 = 40
Indicatorul diferenelor medii a lui Gini nu este altceva dect media
diferenelor luate n valori absolute. Aceast sum va fi, aadar mprit la
numrul de perechi rezultate (16). Obinem, aadar, 40:16 = 2,5 care reprezint valoarea acestui indicator. Mai condensat, am putea scrie acest lucru
astfel:
(formula 5.6)
V.2.2 Oscilaia
Calculul oscilaiei reprezint tot o medie a diferenelor dintre perechi,
ns, de aceast dat, ordinea de efectuare a msurtorilor conteaz. n mod
130
Cristian Opariuc-Dan
normal, sunt rare situaiile n care ne intereseaz ordinea de efectuare a msurtorilor. Vizm acest fapt ndeosebi n experimente, atunci cnd ntre msurtori intervenim prin manipularea unor variabile. Dac avem, de exemplu,
urmtoarele 4 msurtori ale ritmului cardiac al unui subiect la prezentarea
unor imagini 80, 85, 91, 96, constatm c de la o msurtoare la alta ritmul
cardiac s-a accelerat i putem concluziona c imaginile au avut ca efect creterea constant a tensiunii psihice manifestat prin astfel de reacii. Dac ns
ordinea msurtorilor ar fi fost 80, 96, 91, 85, atunci am observa c avem de
a face cu o cretere rapid a tensiunii psihice urmat de o diminuare progresiv a acesteia. Este cu totul altceva. Iat c, uneori, ordinea msurtorilor
poate avea o semnificaie important. n asemenea situaii se calculeaz oscilaia ca indicator sensibil la aceste diferene.
Oscilaia nu este altceva dect media diferenelor dintre o valoare i
ce anterioar i se poate calcula n valori absolute sau relative iar numrul
acestor diferene este n-1.
Oscilaia absolut reprezint un indicator care furnizeaz volumul
oscilaiilor aprute de la o msurtoare la alta i se calculeaz utilizndu-se
valorile absolute ale diferenelor dup formula urmtoare:
(formula 5.7)
Relund cele dou exemple anterioare, obinem pentru oscilaia absolut a primului set de date, valoarea:
|85
80|
|91
85|
|96
91|
5,33
Pentru al doilea set de date, obinem, dup efectuarea calculelor, urmtoarea valoare:
|96
80|
|91
96|
3
|85
91|
131
(formula 5.8)
132
Cristian Opariuc-Dan
(formula 5.9)
133
Dac avem urmtoarele date 10, 22, 31, 9, 24, 27, 29, 9, 23, 12 pentru
care media este 19,6 iar numrul de msurtori este 10, avem:
Tabel 5.2 Calculul
abaterii medii
xi
10
22
31
9
24
27
29
9
23
12
xi-m
-9,6
2,4
11,4
-10,6
4,4
7,4
9,4
-10,6
3,4
-7,6
| xi-m|
9,6
2,4
11,4
10,6
4,4
7,4
9,4
10,6
3,4
7,6
76,8
de msurtori, 10 n cazul nostru, obinem 7,68, valoarea abaterii medii. Deci, pentru date discrete, d=7,68.
Pentru date grupate n intervale, vom utiliza n vederea calculrii abaterii medii urmtoarea formul, unde xi reprezint mijlocul intervalului de
distribuie, fi frecvena absolut a acestui interval, x barat media i n numrul
de msurtori.
(formula 5.10)
S lum urmtorul
exemplu de distribuie n
clase. tim dintr-un capitol
anterior c media calculat a
acestei distribuii este 179,9.
Similar exemplului anterior
va trebui s calculm diferena dintre mijlocul fiecrui interval i medie, diferen pe care o vom considera n valori absolute. Cu alte cuvinte, dorim s aflm n ce msur se abaTabel 5.3 Calculul abaterii medii (clase)
Clasa
171 174
175 178
179 182
183 186
187 190
191 -193
xi
172,5
176,5
180,5
184,5
188,5
192
f
9
5
6
4
3
3
n=30
|xi-m|
7,4
3,4
0,6
4,6
8,6
12,1
|xi-m|*f
66,6
17
3,6
18,4
25,8
36,3
=167,7
134
Cristian Opariuc-Dan
te fiecare interval de la media general a eantionului. Urmeaz apoi s nmulim aceste abateri cu frecvena absolut a fiecrui interval i s realizm
suma acestor rezultate. n cazul nostru, suma abaterilor intervalelor de la media general este 167,7. mprind aceast valoare la numrul de msurtori,
obinem 5,59 care nu reprezint altceva dect abaterea medie (d) calculat pe
intervale de clase.
V.2.5 Dispersia
Atunci cnd putem utiliza media, un indicator frecvent este indicatorul dispersiei sau indicatorul varianei (atenie, nu variaie ci varian) notat
cu sigma ptrat pentru populaie sau s2 n cazul unui eantion. Variana reprezint media ptratic a diferenelor valorilor individuale fa de media aritmetic i are o relaie direct cu cel mai important indicator al gradului de mprtiere a rezultatelor, abaterea standard.
n loc s folosim modul pentru a realiza suma diferenelor, preferm
s ridicm la ptrat aceste diferene. tim foarte bine c dac ridicm un nu-
135
(formula 5.11)
n activitatea curent, deoarece lucrm cu eantioane i nu cu populaii, se nlocuiete n cu n-1, astfel nct formula dispersiei pentru eantioane
devine:
(formula 5.12)
136
Cristian Opariuc-Dan
Relund exemplul anterior, ne amintim c avem urmtoarele date 10,
22, 31, 9, 24, 27, 29, 9, 23, 12 pentru care media este 19,6 iar numrul de
msurtori este 10. Vom utiliza un tabel similar cu
Tabel 5.4 Calculul
cel prezentat n exemplul de mai sus i vom analiza
dispersiei
2
xi
xi-m
(xi-m)
formula.
10
22
31
9
24
27
29
9
23
12
-9,6
2,4
11,4
-10,6
4,4
7,4
9,4
-10,6
3,4
-7,6
92,16
5,76
129,96
112,36
19,36
54,76
88,36
112,36
11,56
57,76
684,4
Privind cu atenie, observm c trebuie s facem, prima dat, diferena dintre scorul brut i medie (xi-m), la fel ca n procedura de calcul a abaterii
medii. Deoarece obinem valori negative i valori
pozitive, dac le-am nsuma n aceast etap, valorile contrare se vor anula reciproc i nu am obine nici
o informaie sintetic util. Pentru a preveni acest
(figura 5.13)
(figura 5.14)
137
Cristian Opariuc-Dan
frai. Cred c mai degrab v poate crea confuzie. Acest lucru se ntmpl
deoarece, pentru a evita problemele legate de semn, am ridicat la ptrat diferenele. Cum scpm acum de aceast ridicare la ptrat? V mai amintii probabil c inversul ridicrii la ptrat este extragerea rdcinii ptrate (a radicalului). Exact acest lucru l vom face i noi. Extrgnd radical din 1,3 vom
obine valoarea 1,14, expresia abaterii standard. Putem acum afirma c, n
medie, numrul de frai ai prietenilor mei se abate de la valoarea de 2,6 cu
1,14.
Abaterea standard se calculeaz dup formula urmtoare, unde toate
datele ne sunt deja cunoscute. Dac privim cu atenie aceast formul, constatm c expresia de sub radical nu este altceva dect variana. Prin urmare,
dup ce calculm variana, putem afla uor abaterea standard extrgnd radicalul de ordin doi din varian.
(formula 5.15)
(formula 5.16)
n primul exemplu, cel n care am folosit date discrete, variana obinut a fost s2=68,44. Deci, abaterea standard va fi egal cu rdcina ptrat
din 68,44, adic 8,27. Similar, pentru datele grupate n intervale, variana a
fost 44,77 iar abaterea standard devine 6,69.
Abaterea standard msoar modul n care rezultatele se mprtie n
jurul mediei, valorile mari indicnd un grad mare de mprtiere. Este, dac
dorii, un indicator ce arat n ce msur media este reprezentativ pentru
observaii, n ce msur modelul statistic se potrivete cu modelul real. Abaterile standard mici arat c valorile sunt puin distanate fa de medie, acest
indicator al tendinei centrale reprezentnd foarte bine datele. Valorile mari
ale abaterii standard arat c datele sunt distanate, mprtiate puternic n
139
jurul mediei, aceasta nefiind un bun model statistic. Abaterea standard zero
indic faptul c avem aceleai valori (de exemplu o distribuie 5, 5, 5, 5, 5, 5,
5, 5, 5, 5, 5 are media 5 i abaterea standard 0).
Comparnd cele dou rezultate de mai sus, constatm c n primul
exemplu rezultatele sunt mai mprtiate n jurul mediei dect n al doilea
exemplu. Cu ct abaterea standard este mai mic, cu att datele sunt mai grupate n jurul tendinei centrale.
Abaterea standard se exprim n aceleai uniti de msur ca i media. Dac media nlimii unor subieci este de 179,91 centimetri, atunci abaterea standard de 6,69 va fi exprimat tot n centimetri. Convenim aadar s
descriem o distribuie de acest gen prin media nlimii subiecilor din eantion egal cu 179,91 centimetri cu o abatere standard de 6,69 centimetri.
Ridicarea la ptrat din formula dispersiei, introduce o oarecare distorsiune n analiza mprtierii datelor, deoarece prin aceast operaie se atribuie
o pondere mai mare valorilor aflate la o distan mare fa de medie.
Reinei c mprirea la numrul de cazuri n este valabil pentru o variabil teoretic sau n cazul populaiei. Deoarece, n general, lucrm cu eantioane i nu cu populaii, vom folosi n formul mprirea la n-1, valabil
pentru variabila empiric. Aceast corecie se folosete n vederea evitrii
subestimrii gradului de mprtiere a rezultatelor n jurul mediei i poart
numele de grade de libertate.
Media i abaterea standard sunt cei doi indicatori importani n analiza
distribuiei normale. Utilizarea lor este condiionat de absena unor scoruri
extreme i de variabile situate cel puin la un nivel de msur de interval.
La fel ca i media, indicatorul principal al tendinei centrale, abaterea
standard are i ea o serie de proprieti utile n practic:
Cristian Opariuc-Dan
Distana ntre valoarea abaterii standard i medie este mai mic n comparaie cu distana dintre abaterea standard i orice
alt scor. Cu alte cuvinte, media se distaneaz cel mai puin de
abaterea standard n comparaie cu orice alt scor.
(formula 5.17)
(formula 5.18)
141
Un coeficient de variaie cuprins ntre 15% i 30% arat o mprtiere moderat, caz n care reprezentativitatea mediei este
satisfctoare;
Un coeficient de variaie de peste 30% arat o mprtiere mare, media nemaifiind un bun indicator pentru tendina central.
142
Cristian Opariuc-Dan
lui n care se face acest transfer nu mai insistm, deoarece procedeul a fost
descris pe larg n capitolul destinat indicatorilor tendinei centrale. Dac nu
v putei aminti, revedei capitolul 3.
Dup transfer, va trebui s comunicm aplicaiei SPSS s ne calculeze
indicatorii mprtierii. V amintii probabil c acest lucru l putem face apsnd butonul Statistics situat n partea de jos a acestui formular. Imediat, se va deschide o nou fereastr, cunoscut de la calculul indicatorilor tendinei centrale. Observm, n partea din stnga-jos a acestei ferestre, seciunea destinat calculului indicatorilor dispersiei
(seciunea Dispersion). Vom putea calcula
abaterea standard, prin bifarea casetei Std.
deviation,
variana,
bifnd
caseta
Variance sau amplitudinea de variaie cu
ajutorul casetei Range. De asemenea este
posibil afiarea valorii minime i maxime din
Figura 5.5 Selectarea
indicatorilor mprtierii
distribuia noastr prin bifarea casetelor Minimum i Maximum. Seciunea permite i
calcularea erorii standard a mediei (caseta S.E mean) ns asupra acestui
element vom reveni ceva mai trziu.
Vom alege, dup cum putei observa n figura de mai sus, afiarea
abaterii standard, a varianei, amplitudinii distribuiei, minimului i maximului. Apsm apoi butonul Continue pentru ca SPSS s memoreze comenzile noastre i ne ntoarcem n formularul anterior. Nu ne mai rmne dect s
Tabel 5.6 Indicatorii mprtierii
apsm butonul OK pentru a lansa procedeul de analiz.
Dup cteva fraciuni de secund
SPSS va afia n fereastra de rezultate tabelul cu rezultatele comandate de noi. Automat, SPSS include i numrul de cazuri
143
Concluzii:
144
Cristian Opariuc-Dan
ntrebri i exerciii:
Clasa
35
68
9 11
12 14
15 17
18 20
21 23
24 26
f
3
5
9
16
10
4
3
1
145
Frecvena de apariie
146
Cristian Opariuc-Dan
Ceva mai mare ar fi probabilitatea de a ntlni n populaie un om nalt i
foarte mare s ntlnim, de exemplu, un om cu nlimea de 178 centimetri,
nlime medie. Dac am reprezenta grafic, printr-un grafic cu bare, nlimea
tuturor brbailor din Romnia, am obine o figur asemntoare cu figura de
mai sus.
Privind cu atenie figura, observm c, la nlimi ale subiecilor foarte mici (piticii), frecvena de apariie este i ea foarte mic, apropiat de zero.
Pe msur ce nlimea crete, crete i frecvena de apariie a acesteia, astfel
nct va atinge un maximum n zona tendinei centrale, dup care ncepe din
nou s scad spre nlimi mari. La nlimi foarte mari (giganii), frecvena
de apariie se apropie din nou de zero.
Aceast distribuie este o distribuie normal i poate fi evaluat numai n cazul unei variabile continue. De aceea, distribuia normal se mai
numete i distribuie continu. O distribuie normal, este pe deplin caracterizat de medie, ca indicator al tendinei centrale i de abaterea standard, ca
indicator al dispersiei. Aceti doi indicatori poart numele de parametri ai
repartiiei normale. Dac cunoatem media i abaterea standard, putem oricnd calcula probabilitatea de apariie a unei valori particulare n aceast distribuie.
Distribuia normal, a fost descris prima dat de Ch. Fr. Gauss
(1777-1855) i de aceea distribuia normal se mai numete i distribuie
gaussian. Deoarece la demonstrarea acestui concept a participat i P.S. Laplace (1749-1827), n literatura de specialitate se va ntlni i termenul de distribuie gauss-laplace. Toi aceti termeni se refer la acelai lucru, distribuia
normal.
Am vzut deja c media i abaterea standard descriu complet o distribuie normal. n literatur, se folosete pentru medie simbolul m sau x barat
iar pentru abaterea standard simbolul s, atunci cnd vorbim de un eantion.
147
VI.1 Modalitatea
O distribuie normal este o distribuie unimodal, adic exist doar o
singur categorie cu frecvena maxim. Prezena a dou sau mai multe valori
modale
determin
distribuii
bimodale, trimodale, n general
polimodale (multimodale), distribuii ce nu pot fi considerate ca
fiind distribuii normale.
O distribuie ca cea din figura 6.1, este o distribuie normal. O distribuie similar distribu-
148
Cristian Opariuc-Dan
iei din figura 6.2, este o distribuie bimodal, deoarece observm existena a
dou categorii cu frecvena egal i maxim.
Normalitatea distribuiei, sub aspectul modaliti, se verific prin calcularea valorii mod. Dac exist o singur valoare cu frecvena maxim,
atunci distribuia poate fi considerat normal sub acest aspect. n condiiile
n care sunt dou sau mai multe valori cu frecvena maxim i, evident, egal,
distribuia este polimodal (multimodal) i nu poate fi considerat ca fiind
normal.
VI.2 Simetria
O distribuie este simetric, dac valorile sunt egal (simetric) rspndite n jurul tendinei centrale. Atunci cnd rezultatele tind ctre valori mici,
sunt aglomerate n partea stng a
distribuiei, avem de a face cu o
distribuie asimetric spre dreapta
(sau distribuie skewness pozitiv).
Cnd rezultatele tind ctre valori
mari, se aglomereaz n partea
dreapt a distribuiei, vorbim despre o distribuie asimetric la
stnga (skewness negativ). Iat c,
Figura 6.3 Distribuie simetric (B), asimetric
asimetria este dat de panta distrila dreapta (A) i asimetric la stnga (C)
buiei i nu de vrful acesteia, aa
cum trateaz i consider unii.
n figura 6.3, distribuia B este o distribuie simetric. Distribuia
A este o distribuie asimetric la dreapta (skewness pozitiv) unde predomin scorurile sczute, n timp ce distribuia C este o distribuie asimetric la
stnga (skewness negativ) n care predomin scorurile mari.
149
Cristian Opariuc-Dan
culeaz folosindu-se momentele centrate. Variana, de exemplu, este momentul centrat de ordin doi, deoarece am ridicat la ptrat fiecare diferen dintre o
valoare particular i medie. Dac ridicm aceste diferene la cub, obinem
momentul centrat de ordin 3 iar dac ridicm la puterea a patra, momentul
centrat de ordin patru. tim, de la abaterea standard, c ridicarea la ptrat
amplific ponderea pe care o au variabilele distanate puternic de la medie.
Aceast pondere este amplificat i mai mult prin ridicare la cub, ns, de
aceast dat, va fi luat n considerare i semnul cubului diferenelor.
(formula 6.2)
Dac raportm momentul de ordin trei la cubul abaterii standard, obinem exact expresia coeficientului de asimetrie a lui Fisher.
Iat o prim formul care, probabil, v va determina s aruncai cartea
din mn. Dac ai ajuns la aceast fraz, dac acum continuai s citii, nseamn c dumneavoastr chiar dorii s nvai serios aceste noiuni Ideea este c, dei pare complex, formula nu face altceva dect s calculeze un
fel de varian, doar c nu mai ridiTabel 6.1 Calculul coeficientului de
cm numai la ptrat fiecare diferen
asimetrie
x
x
m
(xi-m)2
(xi-m)3
i
intre scorul obinut, ci i la cub. Proce10
-9,6
92,16
-884,736
deul nu este deloc mai complicat dect
22
2,4
5,76
13,824
31
11,4
129,96
1481,544
calculul varianei, dup cum vom vedea
9
-10,6
112,36
-1191,02
n urmtoarele exemple.
Relund exemplul cu date discrete, ne amintim c avem urmtoarele
date 10, 22, 31, 9, 24, 27, 29, 9, 23, 12
pentru care media este 19,6 iar numrul
de msurtori este 10.
24
27
29
9
23
12
4,4
7,4
9,4
-10,6
3,4
-7,6
19,36
54,76
88,36
112,36
11,56
57,76
684,4
85,184
405,224
830,584
-1191,02
39,304
-438,976
-850,08
151
684,4
10
850,08
5661,93
0,15
Similar se realizeaz calculele i n cazul datelor grupate n clase, derivnd din formula de calcul a dispersiei pentru date grupate. Acest exemplu
l lsm ca exerciiu.
Acest coeficient are valoarea zero pentru distribuii perfect simetrice.
Valorile negative sunt considerate ca asimetrii la stnga iar valorile pozitive
indic asimetrii la dreapta. O valoare zero este ns o valoare pe care o vom
ntlni foarte rar n practic. n mod normal, valorile sunt diferite de zero. Nu
ns orice valoare diferit de zero poate indica o asimetrie care s devieze
semnificativ de la distribuia normal. Vom vedea, puin mai trziu, care sunt
limitele ntre care putem considera totui o distribuie asimetric fiind normal.
152
Cristian Opariuc-Dan
Exerciiu:
Calculai coeficientul de asimetrie folosind distribuia n clase prezentat la capitolul de calcul a dispersiei.
Atunci cnd discutm de asimetrie, trebuie s precizm o serie de relaii care apar ntre indicatorii tendinei centrale, medie, median i mod.
153
Cristian Opariuc-Dan
calculat dup formula:
155
Ai observat deja c boltirea nu este altceva dect simetria pe axa vertical (OY), spre deosebire de simetria propriu zis, deplasarea valorilor pe
axa orizontal (OX). Dac la simetrie vorbeam de frecvene (care sunt cele
mai frecvente scoruri obinute, unde se concentreaz acestea? n eantionul
nostru avem mai degrab subieci mici sau subieci nali? Ori poate exist un
echilibru ntre subiecii scunzi i cei nali), la boltire discutm de valori, de
modul n care aceste valori se grupeaz n jurul tendinei centrale (sunt mai
grupate valorile n jurul mediei sau, din contra, foarte mprtiate.)
La fel ca i simetria, boltirea nu poate fi apreciat pur ochiometric
ci avem nevoie i aici de anumii coeficieni rezultai din formule de calcul
specifice. Pearson a discutat despre boltire n termeni de momente, la fel ca i
simetria, rezultnd astfel coeficientul de boltire sau coeficientul kurtosis.
(formula 6.3)
156
Cristian Opariuc-Dan
(formula 6.4)
684,4
10
65316,59
46840,30
1,39
medii anuale ntre 7,9 i 8,1. Iat c, doar dou zecimi difereniaz ntre aproape ntreg efectivul de elevi. Nu avem nici o
problem cu repartizarea celorlali trei elevi. Pe aceia i vom
considera ori foarte buni, ori foarte slabi, n funcie de media
obinut sub 7,9 sau peste 8,1. Ce ne facem ns cu cei 27 de
subieci? Suntem, iat, n imposibilitatea de a-i ierarhiza n
vreun fel. Dac presupunem c cei trei subieci au note mai
mici de 7,9, atunci cine va lua, dintre cei 27 de elevi, premiul
I, cine va lua premiul II i cine va lua premiul III. Decizia ar
fi, dup cum se poate vedea, extrem de dificil, dac nu chiar
imposibil. Singura variant n acest caz, ar putea fi creterea
preciziei. Nu calculm media cu o singur zecimal, ci cu 2, 3
sau 4 zecimale. Totui, sunt situaii n care un asemenea nivel
de precizie este ridicol. O evaluare n care distribuia rezultatelor este leptocurtic, este o evaluare ce nu poate diferenia ntre subiecii de nivel mediu, iar o curb leptocurtic nu este o
distribuie normal;
O distribuie platicurtic, plat, este o distribuie n care rezultatele sunt foarte mprtiate fa de medie i indic un grad
ridicat de eterogenitate al scorurilor. Problema general a
acestei distribuii, n opoziie cu distribuia leptocurtic, este
aceea c difereniaz greu la extreme i destul de bine n zona
mediei. Va fi greu, utiliznd o asemenea distribuie, s facem
diferenieri ntre elevii slabi i ntre elevii buni, dei putem diferenia relativ uor elevii medii. Datorit acestui fapt, o distribuie platicurtic nu este nici ea o distribuie normal.
158
Cristian Opariuc-Dan
acestei analize, vom putea alege tehnicile i procedeele statistice pe care le
putem folosi, aceast etap o ntlnim, de obicei, la nceputul oricrui raport
de cercetare, imediat dup descrierea eantionului.
Dei modalitatea, simetria i boltirea se pot analiza separat, n practic
putem avea surpriza ca cei doi indicatori ai simetriei i boltirii s-i cumuleze
efectele i, cu toate c separat putem aprecia o distribuie ca fiind normal,
luat per ansamblu vom constata c distribuia nu este normal. Exist, aadar, alte tehnici de verificare a distribuiei normale, tehnici pe care le vom
discuta n ultimul capitol al acestui volum deoarece mai avei nevoie de unele
informaii suplimentare.
la dreapta). Aceasta este zona normal, zona n care rezultatele pot fi considerate tipice. Dac lum, ca exemplu, coeficientul de inteligen, n aceast zon se afl persoanele considerate normale sub aspect intelectual;
ntre trei abateri standard la stnga mediei i trei abateri standard la dreapta mediei, ntlnim aproximativ 99% din populaie (mai precis 99,74% cu 49,87 % ntre medie i trei abateri
standard la stnga i 49,87% ntre medie i trei abateri standard la dreapta). Aceast zon este zona rezultatelor atipice.
Zona ntre dou abateri standard la stnga i trei abateri standard la stnga, este zona deficienilor mintali, cu un intelect
extrem de redus. n aceast zon, ntlnim 2,15% din populaie, acelai procent ca i n zona situat ntre dou i trei abateri standard la dreapta, zona celor cu o inteligen deosebit, a
persoanelor supradotate. Iat c, ntre deficienii mintali i supradotai ntlnim aproape ntreaga populaie, peste 99%
160
Cristian Opariuc-Dan
161
poate fi uor de ndeplinit atunci cnd avem n vedere conceptul de note standardizate. La baza acestui concept stau notele z. Notele z reprezint
diferena dintre scorul observat i medie, n termeni de abatere standard. Cu alte cuvinte, notele z nu sunt altceva dect distanele la care se
situeaz scorurile particulare n raport cu media grupului iar aceast distan este
exprimat standardizat.
Teoretic, notele z
sunt note obinute pe o
curb cu media 0 i abaterea standard 1. n acest caz,
o distribuie normal are
practic notele z cuprinse
ntre -3 i +3, ntre aceste
note regsindu-se peste 99%
din populaie, dup cum
observai n figura de alturi.
Transformarea notelor obinute de ctre un subiect n note z este foarte simpl i se face dup
formula:
(formula 6.5)
n care x reprezint nota brut, scorul obinut de ctre subiect, x barat
reprezint media eantionului cu care comparm performana subiectului iar
sigma se refer la abaterea standard a acelui eantion.
162
Cristian Opariuc-Dan
De exemplu, ntr-o coal, media elevilor unei clase la matematic este de 6,25 cu o abatere standard de 3,94. Georgel a obinut, la matematic,
media 7,15. Ne intereseaz s tim dac Georgel este un elev mediu la matematic, un elev bun sau un elev slab. Intuitiv, am putea spune c este un elev
bun, deoarece media lui este mai mare dect media clasei. Nu putem ti ns
cu precizie acest lucru, deoarece nu cunoatem cum se distribuie notele celorlali elevi n jurul mediei. Acest lucru ni-l spune abaterea standard. Cu alte
cuvinte, va trebui s precizm poziia pe care o ocup Georgel n cadrul grupului de referin din care face parte, adic raportat la elevii din clasa sa.
Acest lucru devine posibil prin calculul notei z a lui Georgel, not care ne
spune la cte abateri standard se
afl scorul su n raport cu clasa. Aplicnd formula de mai
sus, observm c nota z a lui
Georgel la matematic este de
,
,
,
,
,
0,22.
Deci
Performana sa la matematic este, prin urmare, o performan medie, situndu-se ntre medie i o
abatere standard la dreapta, deci n zona scorurilor medii.
Spre deosebire de Georgel, Costel are media la matematic de 4,08.
Este oare Costel un elev slab, un elev mediu sau un elev foarte slab? Nota z
a lui Costel este 0,55. i aceast not se situeaz ntre medie i o abatere
standard la stnga de aceast dat. Iat c, n ciuda aparenelor, raportat la
163
performana elevilor din clas, dei are media sub cinci, Costel este un elev
mediu la aceast disciplin.
Cred c intuii deja ce se ntmpl. n domeniul socio-uman, noi nu
putem niciodat s msurm ceva cu exactitate. Putem doar s comparm
rezultatul unui subiect cu rezultatul unui grup de referin. Comparaia aceasta se poate realiza numai dac cunoatem media i abaterea standard a grupului de referin, n cazul n care, distribuia caracteristicii msurate n cadrul
grupului de referin este o distribuie normal.
Pentru a v clarifica mai bine acest concept, s lum un nou exemplu.
Avem un test de inteligen cu 20 de probleme. Dac subiectul rezolv corect
o problem, primete un punct. Dac nu o rezolv corect, primete zero puncte. Deci, scorul unui subiect poate varia de la zero puncte, atunci cnd nu
rezolv corect nici o problem, i pn la 20 de puncte atunci cnd le rezolv
corect pe toate.
Avem dou persoane: Vasile, obine un scor la acest test de 10 puncte
iar Viorel, un scor de 12 puncte. ntrebare: putei spune care dintre cei doi
subieci este mai bun? Care are un nivel intelectual mai ridicat?
Cei mai muli dintre dumneavoastr vor zmbi acum complice i mi
vor spune: Evident c Viorel, deoarece a rezolvat mai multe probleme.
Poate avei dreptate. ns, iat c v mai dau un amnunt. Vasile este cioban
iar ciobanii rezolv corect, n medie, 7 probleme. Lucrurile se schimb acum.
Vasile poate obine linitit funcia de baci deoarece nivelul su intelectual
este mai ridicat n comparaie cu nivelul ciobanilor. Viorel este profesor iar
profesorii rezolv corect, n medie, 18 probleme. Fa de grupul profesorilor,
Viorel este cioban.
Dei exagerat, scopul acestui exemplu este acela de a v convinge c
notele brute, scorurile, nu ne spun nimic prin ele nsele. Notele brute dobndesc semnificaie numai n urma comparrii cu o populaie de referin. Pu-
164
Cristian Opariuc-Dan
tem afirma despre cineva c este bun sau slab numai n raport cu un reper, cu
un grup de referin. Probabil c eu sunt bun la statistic n comparaie cu
studenii crora le predau aceast disciplin i slab n raport cu unii profesori
de ai mei sau cu Spearman ori Pearson. Termenul de bun sau slab dobndete
semnificaie numai raportat la un reper.
Toate aceste informaii servesc drept suport procesului de etalonare.
Un etalon nu este altceva dect un sistem de norme, la care se raporteaz performana unui individ, la o anumit sarcin. Evident, un etalon este fcut pe o
anumit populaie iar raportnd un rezultat al unui subiect la un etalon, nu
facem altceva dect s comparm performanele acelui subiect cu performanele grupului pe care a fost construit etalonul. Despre etaloane, vom discuta
ns imediat.
Notele z au i ele o serie de proprieti cu aplicabilitate practic deosebit, dintre care menionm (Popa, 2006):
Media unei distribuii z este egal cu zero, afirmaie ce rezult din proprietatea acestui indicator de a se diminua atunci
cnd scdem o constant din fiecare scor particular. Deoarece
din formul rezult aceast diferen (se scade fiecare scor
particular din medie), n final media va ajunge la valoarea zero
165
s tim bine ce nseamn distribuia normal pentru a nelege corect semnificaia acestor note. n plus, au valori pozitive i negative, ceea ce le face, iari, greu de utilizat.
Ar fi mai uor pentru noi dac n loc s folosim o scal de la 3 la 3
pentru ncadra aproximativ 99% din populaie, am folosi o alt scal, de
exemplu de la 1 la 10, mult mai intuitiv, deoarece se asociaz rapid sistemului colar de evaluare sau o scal de la 1 la 5, de la 1 la 9 i aa mai departe.
Este oare posibil acest lucru? Dac ne amintim de proprietile scalei de interval, prezentate la nceputul acestei lucrri, vom constata c una dintre aceste proprieti se referea la deplasare, prin modificarea constantei de deplasare.
Notele z au o constant de deplasare zero. Dac mrim aceast constant de
deplasare, vom putea s deplasm distribuia astfel nct s nu ne mai situm n zona scorurilor standardizate negative. Obinem astfel un alt sistem de
note standardizate, mai intuitiv i mai practic. Asemenea scale standardizate,
derivate din notele z, sunt staninele (numele provine din englezescul standard nine), un sistem n nou clase normalizate, sten (din englezescul standard ten), n zece clase normalizate, notele T sistem raportat la o distribuie cu media 50 i abaterea standard 10, abateri IQ media 100 i abaterea standard 15, etc.
Relund exemplele anterioare, ne propunem s convertim scorurile
z ale lui Georgel i Costel n stanine, sten, note T i abateri IQ. V reamintesc c media elevilor clasei la matematic este de 6,25 cu o abatere standard
de 3,94 iar Georgel a obinut, la matematic, media 7,15 i Costel 4,08.
Pentru a calcula scorurile sten, vom deplasa distribuia cu media scalei sten care este, evident, 5,5 iar formula de calcul va deveni:
5,5
5,5
. (formula 6.6)
Aadar, scorul sten al lui Georgel este de 5,5+0,22, adic 5,72. Observm c poziia acestui scor nu modific punctul n care se afl Georgel pe
166
Cristian Opariuc-Dan
distribuia normal, ns scorul devine mult mai intuitiv. Media 5,75 la matematic ne spune mult mai multe dect 0,22. Scorul n stanine al lui Georgel
se calculeaz similar. Pe o scal de la 1 la 9, media este evident 5. Prin urmare, deplasm scala cu 5 de aceast dat i obinem 5 + 0,22 = 5,22. Obinem,
de fapt, exact acelai lucru, ns pe o scal de la 1 la 9 i nu de la 1 la 10 ca n
exemplul anterior.
Pentru notele T, avem de a face att cu o deplasare, ct i cu o comprimare a intervalelor. Afirmam c scala T este o scal cu media 50 i abaterea standard 10 iar n acest caz formula de calcul a notelor T va deveni:
50
10
50
10 . (formula 6.7)
15
100
15 . (formula 6.8)
n cazul nostru, rezultatul devine 100 + 15x0,22 adic 100 + 3,3 ceea
ce nseamn 103,3. Remarcm c, nici n acest caz, nu se modific poziia
subiectului pe curba de distribuie.
Iat ct de uor putem raporta performanele subiectului la performanele grupului din care acesta face parte i care sunt semnificaiile acestei raportri, indiferent de sistemul de scale standard utilizat. Calculul notelor
standardizate derivate ale lui Costel vi-l lsm dumneavoastr ca exerciiu.
O alt caracteristic extrem de important a scorurilor standardizate
este aceea c, putem efectua comparaii ntre rezultatele obinute de ctre
subieci la probe diferite care folosesc ele nsele scale diferite. De exemplu,
167
168
Cristian Opariuc-Dan
multor vrfuri n distribuie determin nclcarea criteriului modalitii. Ce
ne facem n aceste cazuri? Vestea bun este c avem la dispoziie metode
prin care putem normaliza aceast distribuie fcnd-o utilizabil.
Am vzut deja c, prin inspectarea datelor, putem vedea i corecta
scorurile extreme rezultate din erorile de introducere a datelor. Dac aparatele
de nregistrare sunt defecte ori designul de cercetare este defectuos, nu avem
prea multe posibiliti dect reproiectarea cercetrii sau repararea aparatelor.
Totui, ce facem dac nu sunt erori de introducere a datelor, aparatele sunt
bune iar designul este n regul, ns nu am obinut o distribuie normal?
Soluia este transformarea datelor brute prin anumite procedee de
rescalare a valorilor, pentru ca noile valori s respecte condiiile de aplicare a
unor teste statistice (Sava, 2004). Dac i n urma acestor transformri distribuia continu s pun probleme, vom utiliza statistici nonparametrice, renunnd la prelucrrile parametrice de date.
Exist multe procedee de modificare a valorilor care s nu afecteze
semnificaia datelor, iar dintre cele mai cunoscute sunt tehnicile de normalizare a distribuiei.
O distribuie multimodal poate fi corectat relativ uor inspectnd
valorile modale i renunnd la un singur scor. Deoarece modul este categoria
cu frecvena cea mai mare, renunnd la un singur caz din categoria modal
transformm o distribuie bimodal ntr-una unimodal. De exemplu dac
msurm greutatea unui numr de 50 de subieci i constatm c avem dou
categorii mod: subieci cu greutatea de 78 de kilograme 10 cazuri i subieci cu greutatea de 84 de kilograme 10 cazuri, eliminnd din eantion un
singur subiect care are 78 de kilograme sau 84 de kilograme, determinm
transformarea ntr-o distribuie unimodal. Desigur, nu vom mai avea 50 de
cazuri ci 49, ns este mai bine s tai un deget dect s pierzi mna.
169
O distribuie asimetric sau excesiv presupune utilizarea unor tehnici diferite, dintre care menionm:
Dup aceste prelucrri de date este necesar, n mod obligatoriu, o reverificare a distribuiei pentru a vedea modul n care se respect criteriile
normalitii distribuiei pe date astfel normalizate. Toate aceste operaii sunt
permise fr a afecta semnificaia iniial a datelor, dac lum n considerare
proprietile scalei de interval discutate n primul capitol.
Pentru a clarifica aceste situaii, vom considera o serie de exemple intuitive propuse de F. Sava (Sava, 2004) i pe care am apreciat c ar fi util s
le reproducem aici.
170
Cristian Opariuc-Dan
Cele dou figuri de mai sus indic o asimetrie pozitiv, respectiv negativ moderat. n primul caz, extragerea rdcinii ptrate din fiecare scor
individual va conduce la normalizarea acestei distribuii. n al doilea caz radicalul se extrage din reflexia scorurilor. Prin operaia de reflectare, transformm o asimetrie negativ ntr-o asimetrie pozitiv, dup care putem extrage rdcina ptrat.
Operaia de reflectare este una extrem de uoar i presupune practic
inversarea valorilor. Dac, de exemplu, avem urmtorul ir de date:
irul normal: 5, 9, 13, 8, 7, 19
Primul pas pe care trebuie s l facem este acela de a identifica valoarea maxim din irul de date. n cazul nostru, valoarea cea mai mare din ir
este 19. Adugm apoi 1 la valoarea maxim i obinem valoarea 20.
La al doilea pas, vom scdea din valoarea obinut (20) fiecare scor i
vom obine irul reflectat. Constatm c aceast operaiune este similar unei
reflexii n oglind, n care stnga devine dreapta i dreapta stnga. Procedura
este necesar n cazul distribuiilor asimetric negative n vederea extragerii
radicalului, n vederea logaritmrii sau pentru inversare.
irul reflectat: 15, 11, 7, 12, 13, 1
171
172
Cristian Opariuc-Dan
orice aparat de msurare. Atunci cnd msurm greutatea unei persoane,
avem valoarea acestei variabile obinut prin folosirea unui cntar. ns semnificaia acestei valori depinde de sistemul de referin la care ne raportm.
Dac o persoan are 100 de kilograme i se raporteaz la obezi, cu o greutate
peste 120 de kilograme, atunci acea persoan va fi una slab. Dac ns acelai individ l comparm cu persoane de 70-80 de kilograme, o putem considera o persoan grea.
Mai delicate sunt ns lucrurile n tiinele socio-umane. Dac atunci
cnd ne referim la greutate avem totui un zero absolut iar un kilogram nseamn un kilogram indiferent despre ce am vorbi, n tiinele sociale lucrurile nu stau chiar aa. tii deja de ce, astfel nct nu vom mai insista asupra
acestor aspecte. n domeniul nostru, msurarea nseamn de fapt ierarhizare.
Seciunea anterioar a lmurit modul n care comparm performana unui
subiect cu performana unui grup. Nu avem cum s facem n permanen
acest lucru. Dac lucrm ntr-o ntreprindere i trebuie s evalum un strungar nou angajat, atunci, pentru evaluarea acestuia, nu va trebui s reexaminm toi strungarii din ntreprindere pentru ca s comparm performana
acestuia cu performana grupului din care face parte. Ar fi absurd. Vom considera c performana grupului rmne stabil un anumit interval de timp. n
aceste condiii, examinnd la un moment dat grupul de referin, putem reine
concluziile desprinse i apoi putem compara orice nou individ cu aceste concluzii. Ne referim acum tocmai la conceptul de etalon.
Etaloanele se construiesc n funcie de aspectul distribuiei datelor populaiei pe care s-a fcut studiul. Pentru distribuii care se abat de la normalitate, singura metod de realizare a unui etalon este cuantilarea, utiliznduse valorile percentile. Deoarece se bazeaz pe poziia valorilor n irul ordonat de date, similar medianei i cuartilelor, asemenea etaloane sunt considerate ca fiind etaloane slabe i au o serie de limitri pe care le vom discuta. O
distribuie normal, n care media este un indicator bun al tendinei centrale, permite construcia unor etaloane normalizate, n uniti sigma sau
173
folosindu-se notele z, mult mai precise i mai utile n comparaie cu etaloanele bazate pe percentile.
nainte de a intra n detalii tehnice referitoare la construcia unui etalon, s menionm cteva criterii ce indic un etalon bun, precum i aspectele
pe care le urmrim atunci cnd ntr-o prob psihologic ni se ofer un asemenea sistem de norme.
174
Cristian Opariuc-Dan
Un etalon bun este un etalon adaptat specificului probei psihologice i a condiiilor de evaluare. Un etalon pe populaie general are o valoare limitat ntr-un scop specific, spre exemplu ntro uzin. De aceea se recomand efectuarea de etaloane specifice
atunci cnd situaia o impune;
175
Structura eantionului pe care s-a realizat etalonul, sub aspectul variabilelor de eantionare. Etalonul este realizat pe populaie general sau pe subieci care fac parte dintr-o anumit
categorie? Un etalon realizat pe studeni sau pe elevi de liceu
va avea o valoare mai mult dect discutabil ntr-o uzin chimic. Care este vrsta i genul biologic al subiecilor? Care este distribuia acestor variabile n structura eantionului? Dac
avem un etalon realizat pe copii ntre 10 i 14 ani, cum oare l
vom putea folosi n studiile asupra btrnilor? Nu exist o regul asupra variabilelor de eantionare utilizate la construcia
unui etalon. n general se folosete vrsta, sexul, nivelul de
colarizare. Indiferent de variabilele folosite de ctre realizatorul etalonului, acesta trebuie s le prezinte. Nu ne putem mulumi doar cu sintagma etalonul a fost realizat pe populaie
general. Trebuie precizat i structura acestei populaii.
Numrul subiecilor din eantion va trebui de asemenea bine
precizat. Un etalon realizat pe 100 de subieci nseamn cu totul altceva n comparaie cu un etalon realizat pe 1000 de subieci.
176
Cristian Opariuc-Dan
Metoda de etalonare folosit se stabilete n funcie de distribuia rezultatelor. La o distribuie normal vor fi folosite, n
general, unitile sigma sau clasele normalizate. n cazul unei
distribuii care se abate de la normalitate, se utilizeaz sistemul
de etaloane bazat pe valorile percentile;
S lum, spre exemplu, urmtorul ir de date, care reprezint nlimea unor subieci exprimat n centimetri: 182, 175, 174, 189, 177, 177, 180,
173, 188, 171, 184, 192, 180, 172, 177, 193, 184, 192, 172, 177, 174, 171,
172, 179, 185, 179, 173, 172, 179, 188
n acest exemplu, minimul este 171 iar maximul este 193. Acum, vom
ordona cresctor toate valorile situate ntre miTabel 6.3 Realizarea unui etalon
n cuantile
nim i maxim i vom stabili frecvenele absoluDiagrama
te i cumulate.
Valoare
f
fc
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
n linii
||
||||
|
||
|
||||
|||
||
|
|
||
|
||
|
||
|
2
4
1
2
1
0
4
0
3
2
0
1
1
2
1
0
0
2
1
0
0
2
1
2
6
7
9
10
10
14
14
17
19
19
20
21
23
24
24
24
26
27
27
27
29
30
Cutm acum n tabel, n coloana frecvenelor cumulate, valoarea cea mai aproape de
6, valoare corespunztoare primilor 20% dintre subieci, cu nlimea cea mai
mic. Observm c valoarea 6 corespunde chiar cotei 172. n prima clas
178
Cristian Opariuc-Dan
vom include subiecii cu nlimea cuprins ntre minim i 172. n general,
acest lucru se scrie i astfel < 173. Acest lucru nseamn c n prima clas
vom include toi subiecii cu o nlime mai mic sau egal cu 172. n eantionul normativ am avut minimul egal cu 171, aceasta fiind cea mai mic nlime din eantion. n practic putem oricnd gsi un subiect cu o nlime de
169. Prin urmare, prima clas nu o vom scrie, n etalon, de forma 171 172
ci < 173, pentru a asigura un loc n clasificare subiecilor cu valori ale caracteristicii mai mici dect minimul distribuiei eantionului normativ. Aceast
regul este valabil i pentru ultima clas.
Pentru a doua clas, aplicm aceeai regul de trei simpl, de data
aceasta pentru un procent de 40% din eantion:
Dac 30 nseamn 100%
Atunci x nseamn 40%
Noua valoare devine 12. n tabelul frecvenelor cumulate, cel mai
apropiat scor cu frecvena cumulat 12 este 175. Clasa a doua va avea, ca
intervale de clas, 173 175.
n mod similar procedm pentru
calcularea celorlalte repere i obinem
Scoruri
Clasa
Semnificaia
< 173
I
Foarte scunzi
valorile 18 pentru clasa a treia, corespun173 175
II
Scunzi
ztor scorului 179, i 24 pentru clasa a
176 179
III
Medii
patra, corespunztor scorului 186. Avnd
180 186
IV
nali
> 186
V
Foarte nali
reperele claselor, putem acum scrie etalonul sub forma unui tabel ca cel de mai sus.
Tabel 6.4 Etalon n 5 clase
La distribuirea acestui etalon, nu vom uita s includem structura eantionului normativ, distribuia scorurilor la variabila nlime cu precizarea
mediei, medianei, modului i abaterii standard i informaii despre sistemul
de etalonare folosit, n cazul nostru n cvintile.
179
Dac ai fost ateni, ai observat deja o serie de limitri ale acestui etalon. n primul rnd, intervalele inegale. Dac, teoretic, nlimea minim a
unui om poate fi, s spunem, 150 de centimetri iar nlimea maxim 220 de
centimetri, atunci remarcm numrul diferit de valori din fiecare clas. n
prima clas putem include subiecii de la 150 de centimetri pn la 173 de
centimetri, deci 23 de valori diferite. n a doua clas includem subiecii cu
nlimea cuprins ntre 173 i 175, deci doar 3 valori. n clasa a treia gsim 5
valori posibile, n clasa a patra 7 valori iar n ultima clas 33 de valori. Iat
c, un asemenea etalon difereniaz inegal subiecii, aceasta fiind i principala sa limit.
n al doilea rnd, dac avem o distribuie foarte omogen, nu mai putem diferenia aproape deloc utiliznd un asemenea etalon, deoarece intervalele de clase vor avea valori apropiate. Iat doar dou motive pentru care preferm utilizarea claselor normalizate, deoarece la nivelul acestora intervalele
sunt aparent egale.
Exerciiu:
Realizai, folosind acelai sistem de etalonare, un etalon n decile (10
clase) i precizai problemele ntmpinate. Explicai situaia aprut.
180
Cristian Opariuc-Dan
Dac distribuia scorurilor la variabila studiat este o distribuie
gaussian (normal), atunci putem folosi un etalon n clase normalizate, datorit avantajelor nete pe care le prezint un asemenea sistem de etalonare.
Cel mai simplu etalon n clase
normalizate este reprezentat de unitile sigma, n care folosim doar media
i abaterea standard. Cu ajutorul acestor indicatori putem construi un etalon n 3, 5 i 7 clase normalizate, lund n calcul 1, 2 sau 3 abateri standard (vezi figura alturat). S considerm, de exemplu, urmtoarele date,
reprezentnd vrsta unor subieci exFigura 6.13 Distribuia normal
primat n ani: 35, 20, 21, 24, 29, 28,
29, 29, 24, 31, 26, 20, 38, 37, 38, 29, 24, 26, 29, 26, 24, 37, 30, 35, 24, 32,
31, 34, 39, 31. Amplitudinea de variaie a acestui set de date este situat ntre
un minim de 20 i un maxim de 39 de ani, media este de 29,33 ani iar abaterea standard este de 5,52 ani. Aceste scoruri se distribuie normal i putem
construi un etalon n clase normalizate. Pentru a construi un etalon n cinci
clase normalizate folosind unitile sigma, va trebui s lum intervalele formate de una i dou abateri standard n jurul mediei. Prima clas va ncepe de
la minim i se va finaliza la dou abateri standard n stnga mediei. Dou
abateri standard nseamn 2 x 5,52 = 11,04. Dac scdem din medie valoarea
11,04, obinem reperul pentru limita primei clase. Deci, 29,33 11,04 =
18,29 ani, rotunjit 18 ani. Prima clas, care cuprinde 2,14% din populaie,
este situat ntre 0 ani i 18 ani i reprezint subiecii cu vrst foarte mic. A
doua clas se situeaz ntre 2 abateri standard i 1 abatere standard n stnga
mediei i cuprinde 13,59% din populaie. Dac scdem din medie o abatere
standard, obinem limita superioar a celei de-a doua clase. Prin urmare,
181
29,33 5,52 = 23,81 ani, rotunjit 24 de ani. A doua clas va include subiecii
cu vrsta cuprins ntre 19 i 24 de ani, subiecii tineri. Clasa a treia, clasa
medie, cuprinde 2x34,13% din populaie, adic 68,26% din populaie i are
ca limite o abatere standard n stnga mediei i o abatere standard n dreapta
mediei. Prin urmare, a treia clas va avea ca limite de interval 25 de ani i
29,33 + 5,52 = 34,85, rotunjit 35 de ani. Clasa a patra, care cuprinde 13,59%
din populaie, are ca limit inferioar 36 de ani i ca limit superioar dou
abateri standard n dreapta mediei, 29,33 + 11,04, adic 40,37, rotunjit 40 de
ani. Constatm c deja am ieit din amplitudinea distribuiei noastre, ceea ce
ne face s suspectm o uoar asimetrie. n realitate, numrul redus de subieci a determinat aceast situaie. n sfrit, clasa a cincia cuprinde subiecii
peste 40 de ani i conine 2,14% din populaie.
Etalonul poate fi scris n acelai
Tabel 6.5 Etalon n 5 clase
Scoruri
Clasa
Semnificaia
mod ca i etalonul n cvintile i are aceeai
< 19
I
Foarte tineri
semnificaie. Evident c, la distribuia
19 24
II
Tineri
acestui etalon va trebui s furnizm date 25 35
III
Medie
36
40
IV
Maturi
legate de structura eantionului normativ,
> 40
V
Foarte maturi
distribuia variabilei i sistemul de etalonare folosit, n cazul nostru n cinci clase n uniti sigma.
Exerciiu:
Realizai un etalon, n uniti sigma, n trei clase normalizate n uniti sigma. Pentru trei clase normalizate s folosete o abatere standard n
dreapta i n stnga mediei.
Etaloanele n clase normalizate nu sunt altceva dect derivaii ale
etaloanelor n uniti sigma i se bazeaz pe transformarea notelor z n alte
categorii de note. Algoritmul de calcul este oarecum similar celui utilizat n
realizarea etaloanelor n uniti sigma i se bazeaz pe fraciuni de uniti
sigma.
182
Cristian Opariuc-Dan
Astfel, un etalon n cinci clase normalizate are ca fraciune ale lui z
valoarea z/2 iar clasele devin:
I
II
III
IV
V
Min
-3z/2
-z/2
z
/2
3z
/2
-3z/2
-z/2
z
/2
3z
/2
Max.
I
II
III
IV
V
VI
VII
Min
-5z/3
-3z/3
-z/3
z
/3
3z
/3
5z
/4
-5z/3
-3z/3
-z/3
z
/3
3z
/3
5z
/3
Max.
Min
-7z/4
-5z/4
-3z/4
-z/4
z
/4
3z
/4
5z
/4
7z
/4
-7z/4
-5z/4
-3z/4
-z/4
z
/4
3z
/4
5z
/4
7z
/4
Max.
n mod similar putem construi etaloane i n alte clase normalizate lund ca referin notele z. Astfel, printre cele mai uzitate sisteme de clase
normalizate putem meniona:
Sten (standard ten), distribuie cu media 2 i abaterea standard 5,5 rezultnd clase de la 1 la 10;
183
Valoare
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
Diagrama
n linii
||
||||
|
||
|
||||
|||
||
|
|
||
|
||
|
fc
2
4
1
2
1
0
4
0
3
2
0
1
1
2
1
0
0
2
1
0
0
2
1
2
6
7
9
10
10
14
14
17
19
19
20
21
23
24
24
24
26
27
27
27
29
30
Cristian Opariuc-Dan
cele mai mici conine primii 6,7% din eantion. Prin regula de trei simpl,
dac 30 de subieci nseamn ntregul eantion, ci subieci nseamn 6,7%.
Vom avea astfel (6,730)/100=210/100=2,1. La fel cum am procedat i la
etalonul n cvintile, cutm n tabelul frecvenelor cumulate valoarea cea mai
apropiat de 2,1. Aceast valoare este chiar prima valoare, nlimea de 171
de centimetri. Prima clas va cuprinde aadar subiecii cu o nlime mai mic sau egal cu 171 centimetri.
Urmtoarea clas conine nc 24,2% din populaie. Reperul de clas
va fi situat aadar la 6,7+24,2=30,9%. n continuare aplicm din nou regula
de trei simpl. Dac 30 de persoane nseamn 100%, cte persoane nseamn
30,9%. Vom avea (30,930)/100=9,27. Valoarea cea mai apropiat de frecvena cumulat 9,27 este 174 de centimetri. Cea de-a doua clas va cuprinde
subiecii cu nlimea cuprins ntre 172 i 174 de centimetri.
Reperul pentru a treia clas va fi situat la 30,9+38,2=69,1. Analog,
avem (69,130)/100=20,73 iar reperul de clas va fi 183 de centimetri. A
treia clas cuprinde subiecii cu nlimea ntre 175 i 183 de centimetri.
Pentru a patra clas vom avea 69,1+24,2=93,3 iar reperul de clas va
fi valoarea situat n dreptul frecvenei cumulate de (93,330)/100=27,99.
Aceast valoare este 191 de centimetri. Clasa a patra va cuprinde subiecii cu
nlimea ntre 184 i 191 de centimetri.
Evident, pentru ultima clas nu e nevoie s mai calculm nimic.
Aceast clas va conine subieci cu nlimea mai mare de 191 de centimetri.
Tabel 6.7 Etalon n 5 clase
Scoruri
171
172 - 174
175 183
184 191
> 191
Clasa
I
II
III
IV
V
Semnificaia
Foarte scunzi
Scunzi
Medii
nali
Foarte nali
185
186
Cristian Opariuc-Dan
Este uneori util s afim i un grafic al distribuiei datelor noastre.
Pentru aceasta putem accesa butonul Charts i se va deschide fereastra de
definire a graficelor pentru setul de date.
Aceast fereastr o cunoatem destul
de bine din capitolele anterioare. Motivul
pentru care am abordat-o din nou este acela
c, pentru a reprezenta grafic anumite date,
trebuie s facem nite precizri suplimentare.
De nenumrate ori mi-a fost dat s
vd studeni care reprezint o variabil continu printr-o diagram de structur (grafic
tip plcint), ba mai mult, profesori univerFigura 6.16 Alegerea graficului
cu bare pentru reprezentarea
sitari de psihologie experimental, coordodatelor
natori de licen, care solicit studenilor
reprezentarea variabilelor continui printr-un asemenea procedeu. O reprezentare prin diagram de structur se face n cazul unor date nominale sau cel
mult ordinale atunci cnd dorim s vedem compoziia datelor i cnd numrul de valori pe care le ia variabila nu este prea mare. Este normal s reprezentm genul biologic al subiecilor printr-o plcint, deoarece vorbim n
acest caz de X% brbai i Y% femei. Variabila are doar dou niveluri iar
aceast reprezentare ofer indicii clare asupra compoziiei unui eantion. Este
din nou normal s reprezentm prin plcint gradele didactice dintr-o universitate deoarece variabila are cinci grade de intensitate. Este ns absurd s
reprezentm grafic prin plcint vrsta unor subieci, variabil continu, cu o
infinitate de valori. Un asemenea grafic nu ne spune nimic, ci, din contra,
induce distorsiuni care ne creeaz o imagine fals asupra datelor.
Foarte muli psihologi experimentaliti, care au rutin n analiza datelor, reprezint o variabil continu prin histogram, deoarece folosind acest
187
188
Cristian Opariuc-Dan
n cteva secunde va fi afiat fereastra de rezultate (Output) n care
regsim prezentate informaiile solicitate.
n aceast fereastr cel
mai important tabel este tabelul
Coeficientul de inteligenta
Statistics, numit i inventarul
N
Valid
30
Missing
0
statistic de baz sau indicatorii
Mean
111,33
statistici de start. Utiliznd
Median
108,50
Mode
124
numai acest tabel putem decide
Std. Deviation
8,511
Skewness
,413
dac distribuia noastr este sau
Std. Error of Skewness
,427
nu este o distribuie normal.
Kurtosis
-1,384
Std. Error of Kurtosis
,833
Cred c v mai amintii condiiRange
24
Minimum
100
ile pe care trebuie s le ndepliMaximum
124
neasc o distribuie pentru a
putea fi considerat ca fiind normal. O distribuie normal este o distribuie
unimodal, simetric i mezocurtic.
Tabel 6.8 Inventarul statistic de baz
Statistics
,833
Range
19
n inventarul statistic alMinimum
20
turat, unde am analizat distribuMaximum
39
a. Multiple modes exist. The smallest value is shown
ia acelorai 30 de subieci n
funcie de variabila vrst, avem un exemplu de distribuie multimodal. Nu
putem ti, deocamdat, dac distribuia este bimodal, trimodal sau prezint
189
mai multe valori ale modului. Tot ceea ce tim este c cea mai mic valoare
mod, n cazul nostru, reprezint 24 de ani.
Tabel 6.10 Identificarea valorilor mod
Totui, distribuia scorurilor subiecilor la variabila coeficient de inteligen este o distribuie unimodal. n acest caz vom trece la urmtoarea etap i anume analiza simetriei.
Simetria sau oblicitatea este dat de valoarea indicatorului
Skewness. La modul teoretic, acest indicator are valoarea zero pentru o distribuie perfect simetric. O asemenea valoare este ns aproape imposibil de
regsit n practic. ntotdeauna, acest indicator va avea valori diferite de zero,
fie n sens negativ distribuie asimetric negativ cu tendine ctre scoruri
mari, fie n sens pozitiv distribuie asimetric pozitiv cu tendine ctre scoruri mici.
190
Cristian Opariuc-Dan
Exist mai multe metode de verificare a asimetriei, prin intermediul
crora putem decide dac o distribuie poate sau nu poate fi considerat simetric.
Una dinte metode, valabil pentru eantioane mari (peste 200 de subieci) este reprezentat de reperul propus de Lewis-Beck (Sava, 2004). Valorile pentru Skewness mai mici de -0,80 sau mai mari de 0,80 indic o asimetrie clar, negativ sau pozitiv. n cazul nostru, valoarea Skewness este de
0,41 iar eantionul este de doar 30 de persoane. Prin aceast metod putem
considera distribuia scorurilor ca fiind o distribuie simetric, chiar dac nu
s-a respectat cerina unui eantion mare.
O alt metod (Sava, 2004) valabil n cazul eantioanelor medii i
mici, se bazeaz pe calcului cotei z a indicelui de oblicitate Skewness. Cu
alte cuvinte, mprim valoarea indicelui de oblicitate la valoarea erorii standard a acestuia. n acest caz, exist dou praguri ale lui z n funcie de valorile obinute (Sava, 2004). Pentru un eantion mai mic de 30 de subieci, valoarea pragului de semnificaie este de 1,58 iar pentru eantioane mai mari sau
egale cu 30 de subieci, acest prag are valoarea de 1,96. n cazul nostru, valoarea Skewness este de 0,41 iar eroarea standard Skewness este de 0,42.
Fcnd raportul 0,41:0,42=0,97. Cum eantionul nostru este de 30 de subieci, pragul de semnificaie al lui z este de 1,96. Valoarea obinut de 0,97
fiind mai mic dect pragul, putem considera distribuia ca fiind simetric.
Aceast metod se folosete i n cazul boltirii.
A treia metod propus, aplicabil i pentru boltire, ia n considerare
stabilirea intervalului de ncredere al simetriei n baza erorii standard
Skewness i poate fi utilizat indiferent de mrimea eantionului. Eroarea
standard Skewness ne ofer limitele ntre care trebuie s se regseasc coeficientul de oblicitate astfel nct s putem considera, la un nivel de precizie
suficient de mare distribuia ca fiind simetric. La acest nivel, exist dou
tipuri de intervale:
191
Cristian Opariuc-Dan
Am artat pn acum c distribuia scorurilor subiecilor la variabila
coeficient de inteligen este o distribuie unimodal i simetric. Mai rmne
s demonstrm c este o distribuie mezocurtic, pentru a decide faptul c
scorurile la coeficientul de inteligen se distribuie normal.
Boltirea sau excesul reprezint tendina rezultatelor de a se concentra
n jurul mediei (distribuia ascuit sau leptocurtic) sau, din contra, de a se
rspndi, disipa puternic n jurul mediei (distribuia platicurtic). Dup cum
tim, indicatorul care ne d mrimea acestei mprtieri este Kurtosis. Analiza boltirii se poate face prin a doua sau a treia metod expus anterior, pentru
care nu intrm n detalii.
Distribuia scorurilor celor 30 de subieci la variabila coeficient de inteligen prezint coeficientul de boltire Kurtosis de -1,34 i eroarea standard
a acestui coeficient de 0,83.
Utiliznd a doua metod, obinem nota z pentru Kurtosis de
1,34:0,83= 1,61. Pragul de semnificaie pentru eantionul nostru este, la fel ca
i n cazul simetriei, 1,96. Valoarea notei z pentru Kurtosis fiind mai mic
dect pragul de semnificaie, putem aprecia c suntem n faa unei distribuii
mezocurtice.
Haidei acum s analizm boltirea prin prisma celei de-a treia metode
pentru a vedea diferena de precizie. Intervalul de ncredere la un nivel de
precizie de 99% este cuprins ntre -0,83 +0,83 iar pentru un nivel de precizie de 95% ntre -1,66 +1,66. Observm c valoarea Kurtosis de -1,34
intr ntr-al doilea interval (cu precizie mai mic) ns nu i n primul interval
(de mare precizie). Deci, n situaia n care eterogenitatea sau omogenitatea
scorurilor n jurul mediei este un element important, vom considera distribuia noastr ca fiind o distribuie platicurtic, deoarece nu intr n intervalul cu
precizie mare. n situaia n care excesul nu este un element att de important,
putem considera distribuia ca fiind mezocurtic.
193
194
Cristian Opariuc-Dan
Statistics
Coeficientul de inteligenta
Valid
N
Missing
Mean
Median
Mode
Std. Deviation
Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis
Range
Minimum
Maximum
30
0
111,33
108,50
124
8,511
,413
,427
-1,384
,833
24
100
124
195
aceste rnduri cum s facei efectiv analize de date mai mult dect cum s v
conformai unor norme.
Ca o parantez, desigur am s fiu acuzat c am copiat i lipit n document tabele i grafice din SPSS fr s le traduc n romnete. Departe de
mine aceast intenie. n primul rnd, pentru c SPSS le ofer n englez i
doresc s introduc coninutul original. n al doilea rnd, conform acelorai
norme APA, utilizarea elementelor furnizate de programe informatice n lucrri tiinifice se face prin includerea coninutului original i nemodificat. n
al treilea rnd, pentru c vreau s v nv, imediat, cum s editai coninutul
elementelor din fereastra de rezultate.
Orice element din fereastra de rezultate SPSS este un element editabil.
Putei s facei aproape orice cu tabelele i graficele pe care SPSS le furnizeaz. Nu avei dect s dai un dublu clic pe elementul pe care dorii s-l
editai i vei intra ntr-un alt mod pe care SPSS l suport, modul de editare.
Pentru nceput s dm dublu
clic pe tabelul inventarului statistic de
baz, tabelul Statistics. Observm c
marginea care ncadreaz acest tabel a
devenit o margine haurat i de asemenea este posibil s se afieze o bar
de instrumente de editare, similar
celei din programul Microsoft Word.
Primul buton de pe aceast bar de formatare permite anularea aciunilor efectuate (Undo). Cel de-al doilea buton este butonul pivot ce permite schimbarea rndurilor i a coloanelor n tabel.
Figura 6.18 Tabelul Statistics n mod
editare
196
Cristian Opariuc-Dan
Urmeaz apoi o caset derulant de aplicare a unui stil tabelului formatat, caseta derulant de alegere a fontului i caseta derulant de alegere a
dimensiunii fontului pentru textele selectate. Urmtoarele trei butoane permit
scrierea ngroat, nclinat i sublinierea iar butonul al patrulea selecteaz
culoarea cu care s fie afiat fontul.
Cele patru butoane care se succed permit alinierea textului selectat, la
stnga, dreapta, centrat sau automat.
Ultimele dou butoane lanseaz sistemul de asisten (help) sau modul de creare a graficelor pentru variabila selectat iat o alt modalitate de
a realiza grafice dac ai uitat s o facei n etapa de analiz. V recomand s
exersai aceste elemente, fr team c ai putea strica ceva (n definitiv avei
la dispoziie butonul de anulare - Undo). Nu vom intra n amnunte legate de
formatarea tabelelor deoarece ar trebui s includem, inutil, mai multe pagini.
Un tabel n modul de editare permite modificarea elementelor componente. Pentru nceput
ne propunem s traducem n romnete cuvintele Missing (Lips), Mean (Media), Media (Mediana) i Mod (Modul).
Aflndu-v n modul de
editare, efectum din nou dublu
clic pe cuvntul Missing. Va rezulta o figur similar celei altu-
197
rate. Observai c textul Missing este deja selectat acum; dac apsai orice
tast, coninutul selectat va fi nlocuit cu tasta apsat. Nu v rmne dect s
scriei n loc de Missing, Lips.
Cuvntul Missing este nlocuit
cu textul introdus, Lips. Procedai la
fel cu toate celelalte cuvinte din tabel,
pentru a putea traduce tabelul n limba
romn. Putei folosi bara de formatare
pentru a ngroa, schimba culoarea sau
alinia textele selectate. Cnd ai terminat,
dai clic oriunde pe suprafaa alb a ferestrei de rezultate pentru a iei din modul de editare.
30
0
111,33
108,50
124
8,511
,413
,427
-1,384
,833
24
100
124
198
Cristian Opariuc-Dan
pentru a ajusta dimensiunea coloanei
din tabel. La fel putei proceda i
pentru ajustarea dimensiunilor pe
vertical.
Referitor la formatarea tabelelor, SPSS pune la dispoziie mai
multe meniuri pe care nu le vom analiza n detaliu aici din considerente
de spaiu. Putei consulta, pentru
Figura 6.22 Inventar statistic tradus
zentm.
Meniul Insert permite adugarea, n cadrul tabelului
selectat, a unui nou titlu, a unei noi etichete n subsolul tabelului sau a unei noi note se subsol ntr-un mod similar operaiunii pe care SPSS o face automat n momentul n care depisteaz o distribuie multimodal.
Meniul Pivot permite marcarea tabelului curent n scopul unei regsiri rapide n fereastra de rezultate, comutarea tabelului prin inversarea liniilor sau a
coloanelor sau lansarea ferestrei speciale prin care
poate fi controlat pivotarea tabelului. Acest meniu
este un meniu important n formatarea aspectului grafic al tabelului, cu aplicaii n condiiile analizei unui volum mare de date.
Vom reveni asupra acestui meniu n momentul n care vom discuta despre
studiile corelaionale.
Meniul Format cuprinde un set de utilitare prin intermediul crora
putem modifica aspectul celulelor din tabel, a ntregului tabel, a fonturilor
199
sau a notelor de subsol. SPSS conine, asemntor programului Microsoft Word, mai multe abloane grafice ce pot fi
aplicate tabelelor. Alegnd un asemenea ablon grafic, putei modifica complet aspectul tabelelor din foaia de rezultate.
Toate opiunile din acest meniu in doar de aspectul
grafic al tabelelor i nu afecteaz n nici un fel coninutul
datelor dumneavoastr. Se pot stabili, alturi de cele expuse mai sus, numrul
de zecimale pe care SPSS s le afieze, ordonarea datelor, includerea sau
excluderea capului de tabel etc. V invit s parcurgei acest meniu i s exersai facilitile pe care le ofer. Oricnd v putei ntoarce la starea iniial,
anterioar unei aciuni, folosind butonul Undo.
tives
Cunoatei deja fereastra care se deschide, deoarece am analizat-o pe parcursul acestei lucrri, drept pentru care nu vom
insista dect asupra unui singur element. Este
vorba despre caseta de bifare Save standardized values as variables. Rolul acestei casete,
pe care o vom bifa, este acela de a crea o nou
variabil ce va stoca scorurile z ale fiecrui caz
Figura 6.24 Fereastra de
configurare a analizei
din baza de date. Evident, va fi lansat fereastra
de afiare a rezultatelor ce conine un tabel pe
200
Cristian Opariuc-Dan
care l-am discutat deja. Totui, unde sunt notele z att de cutate de noi?
S ne amintim ce am bifat. Am bifat o opiune dup ce am introdus variabila Coeficient de
inteligen n lista variabilelor ce trebuie analizate, prin care notele standardizate vor fi salvate ca
variabile. Trebuie deci s ne ntoarcem la baza de
date, unde vom regsi o nou variabil creat automat. Este vorba despre variabila Ziq, ultima
din baza de date, care nu conine altceva dect
notele z ale fiecrui subiect.
Figura 6.25 Noua variabil
ce conine scorurile z
Cum facem totui pentru a obine note standardizate rezultate din notele z, scoruri sten spre exemplu.
V mai amintii probabil c scorurile sten se obin adunnd valoarea 5,5 la valoarea notei z. Dac avem
notele z, restul este simplu. Cum facem ns acest
lucru n SPSS?
Vom folosi serviciile unui alt meniu i anume meniul Transform, de
unde vom selecta opiunea Compute sau Compute variable. n funcie de
versiunea SPSS pe care o posedai.
Rezultatul acestei aciuni se concretizeaz
ntr-o fereastr similar celei alturate, care conine
urmtoarele elemente:
Target variable reprezint seciunea n care
vom introduce numele variabilei destinaie, variabil
201
n care se vor salva noile rezultate. n cazul nostru, suntem interesai s calculm scorurile sten pentru variabila iq i vom introduce un nume, ca spre
exemplu StenIQ.
Sub aceast caset de text se afl un buton intitulat Type & Label pe care dac apsm vom putea
configura proprietile noii variabile create.
Astfel, avem posibilitatea s adugm o etichet variabilei nou create folosind cele dou opiuni din
seciunea Label. Putem decide dac introducem un
text ca i etichet (ca n cazul figurii alturate) ori vom folosi drept etichet
formula de calcul, situaie n care va trebui s alegem opiunea Use expression as label. Seciunea Type permite alegerea tipului de variabil. Putem
decide ntre un tip numeric implicit sau ntre un ir de caractere, caz n care
va trebui s includem i dimensiunea acestui ir, numrul de caractere pe care
l permite variabila.
Figura 6.28 Proprieti ale variabilei
202
Cristian Opariuc-Dan
ntlnim aici posibilitatea de a include toate cazurile (Include all cases) sau a include doar cazurile care satisfac o condiie (Include if cases satisfies condition). Dac, de exemplu, dorim s calculm scorurile sten doar
pentru brbai, vom alege aceast opiune iar apoi vom scrie n caseta de formule expresia sexul=1. n acest fel SPSS va calcula scorurile sten numai
pentru brbai, ignornd femeile. ntlnim i
aici lista de funcii, util pentru crearea unor
expresii mai complexe. Deocamdat nu ne
intereseaz nici un calcul condiional, prin
urmare vom prsi fereastra fr a efectua
nici o modificare.
S vedem acum, concret, cum calcu- Figura 6.29 Calculul condiional
al datelor
lm scorurile sten ale variabilei iq folosind
aceste elemente. n primul rnd, am introdus numele i descrierea noii variabile n caseta Target Variable, aa cum a fost
exemplificat mai sus. Ne amintim c nota sten se
calculeaz adunnd 5,5 la valoarea notei z. Nota
z ns am calculat-o anterior i o regsim n baza
de date sub denumirea Ziq (Zscore: Coeficientul
de inteligen).
Restul e simplu. Nu v rmne dect s
scriei n caseta Numeric Expression formula (5,5 +
Ziq), fie tastnd-o, fie folosind calculatorul. Variabila care conine nota z
(Ziq) se poate tasta sau se poate folosi butonul de transfer pentru a include
variabila din lista variabilelor n formul.
Figura 6.30 Calculul
scorurilor sten
Nu mai trebuie dect s apsai butonului OK i s vedem ce se ntmpl. Apare, desigur, fereastra de rezultate care ne informeaz asupra faptului c operaiunea a reuit. La fel ca la calculul notelor z, ne intereseaz
baza de date.
203
Concluzii:
204
Cristian Opariuc-Dan
205
Conceptul de probabilitate;
Tipuri de probabiliti;
Eroare standard i intervale de ncredere;
Etapele metodei tiinifice;
Ipoteze i testarea ipotezelor;
Semnificaie statistic i erori n testarea ipotezelor.
Dup parcurgerea capitolului, cursanii vor fi capabili s:
Cristian Opariuc-Dan
adic exprimat n termeni cifrici =0,5. Dac avem un zar, care este probabilitatea s dm un ase? De data aceasta cte posibiliti sunt? Poate s cad 1,
2, 3, 4, 5 sau 6, deci avem 6 posibiliti. Dac dm cu zarul, exist o singur
ans raportat la 6 anse de a nimeri, dintr-o singur ncercare, zarul cu ase.
Exprimat din nou cifric, avem o probabilitate de 1/6=0,166 s scpm de mar.
Dac ns pentru a scpa de mar ne trebuie un 6 sau un 4, care este probabilitatea de a iei cu fa curat? De data aceasta exist dou alternative raportate
la un total de ase, prin urmare 2/6=0,33.
Nu cred c toate aceste lucruri sunt elemente noi. n general, atunci
cnd vorbim de probabiliti, acestea se exprim sub form cifric, cu valori
de la 0 la 1, n care 0 reprezint probabilitatea nul, niciodat evenimentul nu
se va ntmpla iar 1 reprezint probabilitatea maxim, evenimentul se ntmpl ntotdeauna. De foarte multe ori este mai intuitiv s reprezentm procentual probabilitile prin nmulirea probabilitii cu 100. Astfel, exist 50%
anse s cad stema la aruncarea unei monede (0,5x100) sau 16,6% anse s
scap de mar dac nimeresc un ase i 33% dac nimeresc un ase sau un patru. Muli prefer aceast exprimare deoarece suntem obinuii s gndim sub
form de pri ale unui ntreg. n definitiv, fie c folosim exprimarea 0,33 fie
c avem n vedere o form procentual 33% de fapt spunem acelai lucru.
Toate aceste exemple reprezint cazuri de probabilitate necondiionat, deoarece nu exist nici un factor, nici un element care s influeneze
desfurarea lor. Dac nu exist vreun magnet n zar sau vreun grunte de
plumb care s influeneze obinerea lui ase, atunci suntem n faa unui caz de
probabilitate necondiionat.
Probabil c la ora actual exist o sut de cri de statistic care trateaz problemele pe care le-am expus aici, unele n mod cert mai complete i
mai academic scrise. Care ar fi aadar probabilitatea ca dumneavoastr s
citii acum cartea scris de mine? Este simplu de calculat 1/100=0,01 sau exprimat procentual 1%. Cam mici anse, nu-i aa? n mod sigur nu cred c-am
207
208
Cristian Opariuc-Dan
sesc procedee statistice urmresc, n principal, acelai scop. Din raiuni de
costuri i volum de munc, studiind un eantion, urmrim extinderea concluziilor obinute la nivelul ntregii populaii. Singura problem care se pune
este cea referitoare la ct de precise i adecvate sunt aceste concluzii.
Probabilitatea condiionat i simpl necondiionat reprezint dou
dintre cele mai importante reguli de probabilitate, alturi de evenimentele
mutual exclusive i evenimentele independente. n urmtoarele subcapitole
vom aprofunda aceste noiuni n vederea unei nelegeri complete.
VII.1.1
Se refer exact la evenimente tip aruncarea unei monede sau la aruncarea unui zar i reprezint cea mai simpl regul de probabilitate. Pentru a
209
nelege mai bine acest lucru, s lum cazul unei rulete cu nou culori. Dumneavoastr va trebui s aruncai o moned de 50 de bani n timp ce ruleta se
rotete. Dac atunci cnd ruleta se oprete moneda dumneavoastr se afl pe
culoarea verde, ctigai doi lei; n caz contrar, pierdei moneda.
Cunoscnd formula de mai sus, care este probabilitatea de succes?
Evident, numrul total de rezultate posibile este nou; moneda poate s cad
pe oricare dintre cele nou culori. O singur culoare este ns ctigtoare i
anume culoarea verde, deci un singur rezultat va fi cel ctigtor. Probabilitatea de succes este aadar 1/9=0,111 sau 11,1%. Pn aici toate sunt clare i
limpezi. Care este ns probabilitatea de eec? Evident toate celelalte culori
rmase, adic 8/9=0,888 sau 88,8%. Din nou anse posibile, avei aadar o
singur ans s ctigai i opt anse s pierdei, adic 1/8 anse de ctig.
Acum v vei uita nedumerii la mine i m vei ntreba. Parc era 1/9 probabilitatea de succes. Cum a devenit dintr-o dat 1/8? Dac ai fost ateni, am
fcut deja incursiunea ntr-un alt concept statistic i anume cel de ans, oarecum similar cu cel de probabilitate de succes i de eec, pe care de altfel se
bazeaz. ansa de succes poate fi scris ca raportul dintre probabilitatea de
succes i probabilitatea de eec (P(s)/P(e)). Pentru a nu mai folosi probabilitatea
de eec, putem exprima ansa de succes doar n termeni de probabilitate de
succes, dup formula
cuim n raportul iniial semnificaia probabilitii de eec. Atunci cnd vorbim n termeni de ans, putem spune c exist o ans s ctig doi lei i opt
anse s pierd 50 de bani, adic ansa mea de succes este de 1/8; una de ctig
i opt de pierdere.
Haidei s vedem dac aa stau lucrurile. Probabilitatea de succes, n
cazul ruletei, este de 1/9 i cea de eec este de 8/9. Vom face apel la cunotine
de aritmetic de baz i vom spune c ansa de succes este
. Nu am folosit dect cunotine elementare de aritmetic. Demonstraia
210
Cristian Opariuc-Dan
formulei a doua este evident deoarece probabilitatea de eec va fi 1 probabilitatea de succes. Dac nlocuii i efectuai calculele, rezultatul va fi acelai: o ans s ctig doi lei i opt anse s pierd 50 de bani.
De ce folosim totui termenul de ans de succes i nu cel de probabiliti de succes i de eec. Foarte simplu. Pentru a sintetiza ntr-o singur exprimare att succesul ct i eecul. O ans s ctig doi lei i opt anse s
pierd 50 de bani se prezint mai concis i mai elegant n comparaie cu o
probabilitate de unu pe nou s ctig doi lei i o probabilitate de opt pe nou
s pierd 50 de bani. Desigur, sunt i alte motive pe care le vom discuta la
momentul potrivit.
VII.1.2
Zar 2:
Total:
7
211
n acest caz funcioneaz o alt regul, derivat din regula probabilitilor simple a evenimentelor egale, numit regula aditiv pentru evenimente
mutual exclusive. Nu v speriai c nu este cine tie ce demonstraie matematic complex. Care este numrul total de rezultate al celor dou evenimente? Primul zar are un total de ase rezultate iar al doilea zar un numr
total de ase rezultate. Numrul total al rezultatelor celor dou evenimente
este de 6x6=36 de rezultate. Care este numrul de rezultate de succes, adic
numrul de rezultate care prin nsumare duc la cifra apte? Numrai rezultatele din tabelul de mai sus. Sunt ase rezultate. Nu avem acum dect s nlocuim n formula de mai sus pentru a calcula probabilitatea de succes
0,16. Cunoscnd probabilitatea de succes este uor s calculm ansa de succes. Aplicai doar formula specificat n capitolul anterior i
vei afla ansa de succes. Nu mi se pare deloc complicat. M vei ntreba
acum de ce vorbesc de o alt regul cnd de fapt este exact prima regul studiat. Pentru c aceast regul spune c probabilitatea de succes a unui numr
de k evenimente mutual exclusive reprezint suma probabilitilor de succes a
fiecrui eveniment. Dac avem k evenimente (n cazul nostru k are valoarea
ase deoarece sunt ase evenimente) atunci probabilitatea de succes va fi
P(s)=P(e1) + P(e2) + P(e3) + . P(ek)
Acest lucru se verific i n cazul nostru, dac ar fi s scriem formula
desfurat:
1
36
1
36
1
36
1
36
1
36
1
36
6
36
1
6
212
Cristian Opariuc-Dan
Am abordat pn acum situaia n care evenimentele sunt egale (cele
dou evenimente au acelai numr de rezultate fiecare dintre cele dou zaruri poate genera un numr de ase rezultate). Cum procedm ns dac evenimentele nu sunt egale?
S presupunem c suntei un juctor de poker electronic i v aflai n
faa unui asemenea aparat care funcioneaz cu monede. Programatorul aparatului a implementat urmtorul algoritm de ctig (Dowdy, i alii, 2004):
Careu de ai se ctig 50 de monede
Careu de popi se ctig 30 de monede
Careu de dame se ctig 25 de monede
Careu de valei se ctig 10 monede
Pierderea monedei
probabilitate 0,001
probabilitate 0,010
probabilitate 0,040
probabilitate 0,359
probabilitate 0,590
VII.1.3
Evenimentele independente
Ai observat, din exemplul anterior cu jocul electronic, c probabilitatea de succes este destul de mare (0,41). Dac introducei o moned n aparat,
avei practic o probabilitate de 41% s ctigai ceva i 59% s pierdei. Totui de ce nu ctigai? Dac suntei un mptimit al jocurilor de noroc, n
213
mod singur ai trecut prin situaia n care v spuneai: Am pierdut prea mult.
De acum ar trebui s mai i ctig. n realitate ns ai risipit toi banii fr
un ctig substanial. De ce? Rspunsul este foarte simplu. Deoarece evenimentele sunt n realitate independente. Introducerea unei noi monede n aparat nu are nici o legtur cu ceea ce ai jucat dumneavoastr anterior. Jocurile
anterioare nu influeneaz cu nimic probabilitatea de ctig pe care o avei. n
acest caz, evenimentele nu sunt mutual exclusive ci independente. Dac vei
introduce n aparat 100 de monede, probabil c vei ctiga de 41 de ori i
vei pierde de 59 de ori.
Atunci cnd discutm despre evenimente independente, trebuie s
avem n vedere probabilitatea comun ca dou sau mai multe evenimente s
se ntmple simultan. S considerm un alt exemplu n care presupunem c
avem la dispoziie un pachet de cri de joc. tii foarte bine c un pachet de
cri de joc conine un numr de 52 de cri aranjate de dou culori: negru i
rou. De asemenea exist, pentru fiecare culoare, un numr de 8 cri speciale: asul, popa, dama i valetul. Dac am sistematiza distribuia crilor de joc,
am obine o imagine similar tabelului de mai jos (Dowdy, i alii, 2004):
Carte special
Da
Nu
Total
Negru
8
18
26
Rou
8
18
26
Total
16
36
52
n continuare, vom amesteca foarte bine crile din pachet i vom ncerca s gsim probabilitatea cu care putem extrage o carte special de culoare neagr, dintr-o singur extragere. Cred c intuii deja rspunsul. Putem
extrage oricare dintre cele 52 de cri din pachet. Deci totalitatea rezultatelor
este de 52. Totui, din aceste 52 de cri, doar 8 cri sunt speciale i negre.
Prin urmare, probabilitatea de a extrage o carte special i de culoare neagr
este de
214
Cristian Opariuc-Dan
tiv a evenimentelor independente. Conform acestei reguli, probabilitatea
de succes a unui numr de k evenimente independente reprezint produsul
probabilitilor de succes a fiecrui eveniment. Dac avem k evenimente (n
cazul nostru k are valoarea doi deoarece primul eveniment se refer la extragerea unei cri de culoare neagr i al doilea eveniment la extragerea unei
cri speciale) atunci probabilitatea de succes va fi P(s)=P(e1) x P(e2) x P(e3) x
VII.1.4
Probabilitatea condiionat
Nefumtor
5
60
65
Fumtor
20
15
35
Total
25
75
100
215
cer pulmonar. Rspunsul este din nou simplu dac privim cu atenie tabelul
de mai sus. Avem un numr total de 25 de bolnavi de cancer pulmonar, din
care 20 sunt fumtori. n acest caz probabilitatea ca un fumtor s prezinte
cancer pulmonar este de 20/25 = 0,80. Cam mare, nu-i aa?
n realitate, probabilitatea condiionat are i ea o regul proprie, numit regula probabilitii condiionate, care se scrie sub forma
|
i semnific probabilitatea ca evenimentul al doilea s fie determinat de
primul eveniment.
n cazul nostru, care sunt evenimentele? Lotul nostru conine 100 de
persoane, toate bolnave de cancer. Primul eveniment l reprezint probabilitatea ca dintre toi bolnavii de cancer, unii s fie bolnavi de cancer la plmni.
Avem un numr de 25 de bolnavi de cancer la plmni dintr-un numr de 100
de bolnavi de cancer. Probabilitatea va fi aadar 25/100. Al doilea eveniment
este reprezentat de bolnavii de cancer la plmni, fumtori. Avem un numr
de 20 de bolnavi de cancer la plmni care fumeaz. Probabilitatea pentru al
doilea eveniment va fi aadar 20/100. Dac aplicm formula de mai sus, obinem
rezultat.
216
Cristian Opariuc-Dan
fac pe un segment din populaie, numit eantion, iar concluziile se extind la
nivelul ntregii populaii. Devine evident faptul c indicatorii statistici obinui prin studiul eantionului difer de parametrii populaiei generale din care
acest eantion a fost extras. Acest lucru induce anumite erori n momentul n
care extindem concluziile la nivelul populaiei, erori numite n literatura de
specialitate erori sistematice de eantionare. Scopul oricrui studiu este s
minimizeze aceste erori astfel nct datele obinute prin studiul eantionului
s se apropie ct mai mult de parametrii reali ai populaiei.
populaiei (media
i abaterea
Eantion 90% din
populaie. Exist mari
standard ) ar
anse s fie inclui att
subieci buni ct i
trebui s nregisslabi
trm notele la
matematic
i
rezultatele unui
Figura 7.2 Distribuia coeficientului de
test de inteligeninteligen i a notelor la matematic
pentru toi
pentru un eantion de 90%
elevii de gimnaziu din Romnia. Un asemenea studiu va fi extrem de greu de realizat i foarte costisitor. Dac n loc s analizm toat populaia vom studia doar 90% din
populaie, media obinut se va apropia foarte mult de cea a populaiei generale. Acest lucru devine posibil deoarece probabilitatea de a selecta subieci
217
care vor obine scoruri egal rspndite n jurul mediei populaiei este foarte
mare.
ns resursele nu sunt suficiente n vederea realizrii unui studiu de o
asemenea amploare i se va lucra cu un numr mai redus de subieci. Ce se va
ntmpla dac n loc de a studia un eantion suficient de mare vom folosi doar
trei elevi? n acest
Putem selecta 3
caz exist o probaelevi cu rezultate
Putem selecta 3
foarte bune
bilitate foarte mare
elevi cu rezultate
foarte slabe
s selectm trei
elevi cu rezultate
foarte slabe sau cu
rezultate
foarte
Figura 7.3 Distribuia coeficientului de
inteligen i a notelor la matematic
bune. n aceast
pentru un eantion de 3 elevi
situaie, concluziile
pe care le tragem sunt eronate, deoarece eantionul ales nu este reprezentativ
pentru populaia investigat.
Pe msur ce cretem dimensiunea eantionului, crete i probabilitatea de a selecta subieci cu scoruri deasupra i sub media populaiei, fapt ce
determin reducerea erorilor de eantionare, indicatorii obinui la nivelul
eantionului apropiindu-se din ce n ce mai mult de parametrii populaiei.
ntr-un capitol anterior, am discutat despre teorema limitei centrale.
Acest concept afirm c dac extragem mai multe eantioane dintr-o populaie i calculm media acestor eantioane, media eantioanelor aproximeaz
cel mai bine media populaiei. n mod surprinztor, distribuia mediei eantioanelor, n cazul unui numr mare de subieci (peste 30 de subieci) este o
distribuie normal, indiferent de modul n care variabila se distribuie la nivelul ntregii populaii. Pentru a nelege mai bine acest concept, s presupunem
c avem la dispoziie un zar. Dup cum tim, aruncnd un zar putem obine 1,
2, 3, 4, 5 sau 6. nsumnd aceste valori i mprind suma rezultat la ase,
218
Cristian Opariuc-Dan
rezult media teoretic a populaiei de 3,5. Acum s considerm un numr de
5 eantioane de cte 10 aruncri cu zarul. Poate nu v vine s credei, ns
chiar acum fac acest experiment pe care vi-l recomand i dumneavoastr. Iat
rezultatele pe care le obin:
Eantion 1:
Eantion 2:
Eantion 3:
Eantion 4:
Eantion 5:
1, 2, 1, 2, 6, 6, 4, 6, 4, 1
2, 2, 1, 2, 6, 5, 6, 3, 3, 4
4, 1, 2, 5, 6, 6, 3, 5, 5, 2
4, 2, 2, 2, 5, 3, 1, 4, 3, 4
5, 3, 4, 2, 6, 6, 1, 1, 4, 2
media = 3,6
media = 3,4
media = 3,9
media = 3,0
media = 3,4
Fiecare eantion are o medie diferit de media teoretic, se abate ntrun sens sau altul de la media populaiei 3,5. Dac aplicm principiile teoremei limitei centrale, vom realiza media acestor eantioane. Adunai toate cele
cinci medii i mprii la cinci. Obinei valoarea 3,46 care iat, aproximeaz
cel mai bine media populaiei. n mod similar, aceste principii se aplic i n
cazul cercetrilor tiinifice.
Media de sondaj (m) obinut pe baza unui eantion reprezint un estimator consistent, deoarece tinde spre valoarea teoretic pe msura creterii
numrului de observaii, nedeplasat, eficient, fiind estimatorul cu cea mai
mic abatere de la media populaiei i suficient n sensul c nici o alt estimare nu ofer informaii suplimentare cu privire la parametrul estimat.
(Vasilescu, 1992).
Dei media de sondaj aproximeaz bine media populaiei, gravitnd n
jurul acesteia, noi nu tim ct de bine o aproximeaz. Dac vei cumpra o
pung de cafea de 100 de grame, s nu v ateptai ca punga respectiv s
cntreasc exact 100 de grame. Vei observa pe ambalaj o specificaie important: 100 de grame 5 grame. Ce nseamn acest lucru? nseamn c
punga dumneavoastr conine minimum 95 de grame i maximum 105 grame
de cafea. Cantitatea exact de cafea se gsete undeva ntre aceste limite, n
acest interval, numit i interval de ncredere. Dac vom evalua o caracteris219
tic a populaiei prin mai multe eantioane, mediile fiecrui eantion vor reprezenta estimri punctuale ale parametrului populaiei, estimri situate, n
general, n acest interval de ncredere. De aceea, putem spune c media de
sondaj este un estimator punctual al mediei populaiei n timp ce intervalul
de ncredere reprezint un estimator de interval al mediei populaiei. Acest
indicator ne ofer un interval de valori ntre limitele cruia putem regsi media real a populaiei studiate.
Nu ntmpltor am menionat anterior o proprietate foarte important
a repartiiei mediei eantioanelor care tinde spre o distribuie normal, indiferent de modul n care se distribuie real variabila la nivelul populaiei. Cunoscnd acest lucru, ne amintim c distribuia normal este complet caracterizat
prin medie i abaterea standard iar aceste concepte ne vor ajuta s determinm intervalul de ncredere.
n figura numrul 7.4, am reprezentat distribuia nlimii brbailor
din Romnia. Evident, media acestei
caracteristici la nivelul populaiei este
i va rmne necunoscut. Dac vom
extrage cteva eantioane din popula?
ie, mediile obinute le vom putea reprezenta prin punctele de pe grafic.
Figura 7.4 Distribuia nlimii brbaiMedia fiecrui eantion se abate n
lor din Romnia
sens pozitiv i negativ de la media real, ns dac am face media acestor
eantioane ne-am apropia cel mai bine de valoarea exact a acestui parametru.
220
Cristian Opariuc-Dan
Dar, dup cum am
spus, media eantioanelor are
proprietatea de a se distribui
normal. Folosind acest element i proprietile distribu?
iei normale, putem calcula
cu ct se abate media unui
eantion fa de media teoretic care rmne n continuare necunoscut stabilind
astfel intervalul de ncredere.
Figura 7.5 Distribuia normal a nlimii brbain mod practic, mediile eanlor din Romnia
tioanelor se vor abate de la
media teoretic cu un numr de abateri standard sau, mai precis, vor dobndi, fiecare, o cot z. Indiferent de eantion, media acestui eantion se poate situa ntre -3 i + 3 abateri standard, pentru o probabilitate de aproximativ
99,74%. Acest interval este ns prea mare i
permite mediei de sondaj s aib aproximativ
orice valoare din domeniul de variaie al nlimii brbailor din Romnia. n general, trebuie s ne asigurm, la un nivel de probabilitate de 95%, c zona din curba de distribuie
a populaiei conine media de sondaj, adic
intervalul de ncredere al mediei are o preciFigura 7.6 Zona distribuiei normale corespunztoare unui interval
zie de 95%, existnd mai puin de 5% anse
de ncredere de 95%
ca media populaiei s nu fie coninut n
acest interval. n termeni de abateri standard, zona corespunztoare unui
terval de ncredere de 95% se afl situat ntre 1,96 i + 1,96 abateri standard.
221
222
Cristian Opariuc-Dan
Eroarea standard a mediei poate fi aadar calculat prin intermediul
formulei:
(formula 7.1)
1,96
(formula 7.2)
223
Cristian Opariuc-Dan
o colectare corect a lor, cunotine de statistic sunt necesare att n etapa a
doua formularea ipotezelor ct i n etapa proiectrii experimentului sau a
sondajului. Numai n acest mod ne putem asigura de prezena unui set valid
de date care va face posibil interpretarea acestora i transferul ctre etapa a
asea etapa formulrii concluziilor. Iat motivul pentru care fiecare dintre
aceste ase etape vor fi analizate separat.
VII.3.1
Enunarea problemei
Enunarea problemei vi se pare, probabil, cea mai simpl etap a demersului tiinific. Trebuie s v informez, de la nceput, c acest stadiu nu
este deloc simplu i necesit un mare volum de cunotine, o bun intuiie
tiinific, un volum impresionant de observaii i, de asemenea, un potenial
creativ. Pot, spre exemplu, s enun problema cltoriei n timp. Demersul
tiinific va eua din start, deoarece, la ora actual, problema este insolvabil.
O problem apare n urma unui mare numr de observaii. Pot constata, de
exemplu, c un element major al ineficienei instituionale l reprezint incapacitatea de comunicare la diferitele structuri ierarhice din cadrul instituiei.
Aceast problem, pe care mi-o propun spre soluionare, rezult n urma unui
numr semnificativ de observaii referitoare la analiza dinamicii i a climatului organizaional la nivelul multiplelor instituii. n acelai timp, trebuie s
ne asigurm de faptul c problema nu are nc o soluie pertinent. Degeaba
observ c stnd la umbra unui mr, mi cade un fruct n cap. Poate voi fi capabil s m ntreb de ce cade, s mi pun problema i apoi s gsesc explicaia. ns aceast problem a fost rezolvat acum mult timp de ctre Newton.
Referitor la acest aspect, investigarea soluiilor pertinente este de domeniul
metaanalizei, demers ce ar trebui s precead etapa enunrii problemei i pe
care l vom aborda n al treilea volum al prezentei lucrri.
Legturile omului de tiin cu domeniul investigat sunt, din nou, de
mare importan. Am depit epoca renascentist n care un om putea fi foarte bun n chimie, fizic, anatomie, arte, matematici i aa mai departe. Volu-
225
mul de cunotine acumulat de omenire este att de mare, nct chiar ntr-un
subdomeniu limitat, fiina uman este depit. Vorbind de psihologie ca s
nu lum n discuie domeniul supraordonat al tiinelor socio-umane numai
un diletant poate pretinde c e psiholog. Este ca i cum a spune c un medic este pur i simplu medic. Evident c e medic, ns n ce? n ortopedie,
pediatrie, neurologie, oftalmologie i aa mai departe. La fel, un psiholog
poate fi psihoterapeut, experimentalist, consilier colar, specialist n organizaii, n psihologia social etc. Mie, de exemplu, mi place psihologia experimental i n special metoda statistic. Totui, la momentul n care scriu
aceste rnduri, consider c tiu cel mult 15-20% din metoda statistic i m
ntreb dac mi va ajunge viaa s dein un procent de 50-60%, dei studiul
acestei metode face parte din activitatea mea zilnic. n aceste condiii, cum
a putea oare s formulez o problem din domeniul psihoterapiei, ca s nu
mai vorbim de domeniul chimiei sau al astronomiei. Poate pare deplasat, ns
sunt adeptul strictei specializri i al lucrului n echipe multidisciplinare. Dac sunt psihoterapeut, desigur, am anumite cunotine de statistic psihologic, ns nu m pot considera un expert n aceast problem. Este de preferat
lucrul ntr-o echip cu un specialist n psihologie experimental, care stpnete la un nivel perfect satisfctor metoda statistic, n momentul n care
apare necesitatea unui studiu tiinific ce presupune analiza datelor, n locul
unui efort pe termen scurt de abordare pe cont propriu al unui domeniu n
care competenele sunt mediocre.
Dincolo de aceste meniuni, enunarea problemei presupune formularea acesteia n scris, n termeni clari i explicii. n urma formulrii problemei, rezult obiectivele cercetrii, obiective exprimate n termeni de obiective generale i specifice.
Obiectivele generale ghideaz cercetarea n ansamblul ei. Un studiu
tiinific are unul, maxim dou obiective generale. Nu ne putem concentra
eforturile pe mai multe planuri ori planurile sunt ghidate exact de modul de
formulare al obiectivelor generale.
226
Cristian Opariuc-Dan
Obiectivele generale ale unei cercetri sunt formulate n urma unui
cumul de observaii i, eventual, n urma unui studiu metaanalitic. n ultima
situaie, este necesar prezentarea rezultatelor studiului metaanalitic care a
ghidat formularea obiectivului general i prin care se demonstreaz lipsa de
abordare sau abordarea nepertinet a problemei studiate. Spre exemplu, constatm c pe msur ce crete numrul de kilometri parcuri cu un automobil,
crete i riscul de apariie al unui accident i ne propunem s studiem tiinific aceast problem. n mod normal, ar trebui s ncepem prin a analiza cercetrile existente n acest domeniu i s desfurm un studiu metaanalitic. n
urma acestui studiu, putem preciza obiectivul general al cercetrii, de forma:
Obiectivul general al cercetrii l reprezint stabilirea relaiei existente
ntre numrul de kilometri parcuri i probabilitatea de apariie a unui accident rutier. Observm c enunarea problemei ce urmeaz a fi studiat s-a
fcut extrem de clar i explicit, astfel nct se pot defini termenii i condiiile
proiectrii unui studiu experimental sau a unei cercetri bazate pe sondaj.
Obiectivele specifice reprezint aspecte detaliate ale investigaiei tiinifice, deriv din obiectivul general i creeaz baza formulrii ipotezelor de
cercetare (alternative). n funcie de dimensiunile cercetrii i de resursele pe
care le are la dispoziie cercettorul, se pot formula unul, dou, trei douzeci de obiective specifice, aflate n legtur cu obiectivul general.
Concluzionnd, enunarea problemei reprezint prima etap a demersului tiinific. Ea este nsoit de un studiu al cercetrilor n domeniu i de
prezentarea clar i precis, n termeni cuantificabili, a obiectivelor generale
i specifice.
VII.3.2
Formularea ipotezelor
228
Cristian Opariuc-Dan
exist n permanen riscul s nu putem susine ipoteza n condiiile n care sensul formulat nu este reprezentat de datele cercetrii, chiar dac n urma analizei pot rezulta i alte sensuri
specifice;
Ipotezele bilaterale nu impun direcia de evoluie a variabilelor. Dei mai puin precise n comparaie cu cele unilaterale,
ipotezele bilaterale ofer o mai mare libertate cercettorului. O
formulare de genul exist o legtur ntre nivelul de anxietate i predominana simptomelor depresive poate fi susinut
att n cazul n care corelaia este pozitiv ct i n situaia unei
corelaii negative. Ipoteza nu este susinut doar n condiiile
n care, cu o mare probabilitate, se demonstreaz inexistena
unei asemenea relaii.
VII.3.2.1
229
Cristian Opariuc-Dan
Oricnd exist posibilitatea ca relaia constatat la nivelul eantionului s nu
se regseasc ntr-adevr la nivelul populaiei, deoarece datele colectate la
nivelul eantionului sunt rezultate n urma unei erori de eantionare.
n exemplul nostru, s presupunem c gsim o relaie ntre anxietate i
depresie, n sensul c persoanele anxioase prezint i simptome depresive.
Am lucrat totui pe un eantion i nu cu ntreaga populaie. nainte de a face
aceast afirmaie valabil pentru ntreaga populaie, ne putem pune problema
care ar fi probabilitatea ca relaia pe care am descoperit-o s nu existe de fapt
(ipoteza nul), adic relaia s fie rezultatul unor erori de eantionare este,
evident, o probabilitate condiionat. Dac aceast probabilitate este suficient
de mic, s spunem 5%, atunci putem concluziona c relaia descoperit nu
este rodul unor erori de eantionare ci o putem regsi la nivelul populaiei.
Acest procent de 5% nu nseamn altceva dect c, la doar 5 subieci dintr-o
sut de subieci relaia s-ar putea s nu se verifice. n acest caz, probabilitatea
ca ipoteza nul s fie adevrat este foarte mic i o putem respinge. Respingnd ipoteza nul, putem sprijini ipoteza alternativ. Nu am spus c o confirmm sau c o acceptm. n realitate ipoteza alternativ nu poate fi confirmat sau acceptat, deoarece n permanen apare excepia (cele 5 persoane
dintr-o sut) pentru care ipoteza alternativ nu este adevrat.
Sperm c n baza exemplului de mai sus ai reuit clarificarea modului n care are loc testarea ipotezelor ntr-o cercetare tiinific. Dac ar fi s
concluzionm, am putea spune c logica testrii ipotezelor cuprinde patru
etape (Dancey, i alii, 2002):
Formularea ipotezei;
Calcularea probabilitii de obinere a acestor relaii n condiiile n care relaiile de fapt nu exist la nivelul populaiei;
231
VII.3.2.2
232
Cristian Opariuc-Dan
mici dect p (atunci cnd p<0,05). De asemenea, un indicator statistic poate
fi semnificativ sau nesemnificativ n funcie de raportarea la acest prag.
Presupunnd c ipoteza nul este adevrat, dac probabilitatea ca relaia s fie obinut prin intermediul erorilor de sondaj este mai mic de 0,05
(5%) atunci se poate respinge ipoteza nul iar indicatorul statistic este semnificativ. n exemplul nostru, putem respinge ipoteza nul i putem afirma c
exist o legtur semnificativ ntre nivelul anxietii i nivelul depresiei. n
aceleai condiii, dac probabilitatea ca relaia s fie obinut prin intermediul
erorilor de sondaj este mai mare de 0,05, indicatorul nu este semnificativ iar
ipoteza nul nu poate fi respins. Vom putea atunci afirma c nu exist nici o
legtur semnificativ ntre nivelul anxietii i nivelul depresiei.
n orice lucrare tiinific, alturi de valoarea indicatorului statistic se
raporteaz i valoarea pragului de semnificaie. Exist dou modaliti prin
care putei raporta pragul de semnificaie:
Cristian Opariuc-Dan
i dac tot veni vorba de poveti, s v relatez o poveste pe care mi-a spus-o
pe vremuri Ovidiu Lungu i care v va lmuri cu privire la natura acestor
erori.
A fost odat un mprat care avea obiceiul s poarte multe rzboaie.
nainte de a merge la rzboi, mpratul nostru chema vrjitorul curii i l punea s-i prezic soarta btliei. De fiecare dat, bietul vrjitor era n mare
impas deoarece dac greea previziunea risca s-i piard capul cum o piser muli alii naintea lui. Totui, vrjitorul avea muli ani de cnd i pstra
capul pe umeri iar prediciile acestuia, uneori se dovedeau a fi adevrate. ntrebarea mea este cum proceda? n primul rnd, vrjitor fiind, el citise aceast
carte i celelalte dou care urmeaz s apar. n al doilea rnd, avea ceva noiuni legate de probabiliti i verificarea ipotezelor i naintea btliei i
formula ipotezele, apoi construia un tabel similar tabelului de mai jos:
H1: Prevd c mria sa va ctiga btlia
H0: Prevd c mria sa nu va ctiga btlia
Ctig
Ce a prevzut
c se ntmpl
Pierde
236
Cristian Opariuc-Dan
Din nefericire, cele mai multe cercetri risc apariia unei erori de tip
I, care am vzut c este i cea mai grav, neglijnd posibilitatea de apariie a
erorii de tip II.
Eroarea de tip I corespunde pragului de semnificaie de 0,05 (5%).
Avem 5% anse s respingem ipoteza nul n condiiile n care s-ar dovedi
adevrat. O probabilitate cam mare atunci cnd e n joc capul vrjitorului.
Eroarea de tip doi corespunde unui prag de semnificaie de 0,01 (1%).
De data aceasta avem doar 1% s respingem ipoteza nul n condiiile n care
s-ar dovedi adevrat, ns mult mai multe anse s nu o respingem cnd ar
trebui respins i astfel s comitem o eroare de tip II. Oricum, consecinele ar
fi mult mai blnde.
Putei acum s-mi spunei cum de i-a pstrat vrjitorul capul pe
umeri atia ani? Intuii deja c a lucrat la un prag de semnificaie de 0,01, n
care crete riscul apariiei erorii de tip II, ns scade probabilitatea unei erori
de tip I.
Rolul acestor erori este deosebit de important n cercetare. S presupunem c o firm de medicamente descoper un nou produs care oprete evoluia cancerului ns are efecte secundare n ceea ce privete viaa pacienilor
deoarece genereaz o serie de produse toxice. Problema care se pune este la
ce nivel de risc pot fi acceptate efectele toxice n raport cu beneficiile pe care
le poate aduce medicamentul. n urma unui studiu, pot exista dou posibiliti:
237
Cunoscnd aceste tipuri de erori, cum le putem totui evita? Modalitatea cea mai bun de evitare a erorilor este replicarea cercetrii prin proiectarea unui alt studiu. Dac n urma unui alt studiu rezultatele se pstreaz, nivelul de ncredere n concluziile extrase va crete. Dac observm o singur
dat un fenomen, exist un mare risc ca aceast observaie s se datoreze ntmplrii. Dac l observm de dou, trei, patru ori, putem afirma cu mai mare certitudine c reprezint un fenomen real, reproductibil i generalizabil.
VII.3.2.3
Importana acestei clasificri a ipotezelor de cercetare implic precizri suplimentare, n afara celor menionate n seciunea anterioar. Am stabilit deja c putem formula unidirecional o ipotez, atunci cnd precizm direcia exact a relaiilor dintre dou variabile (Exist o corelaie pozitiv
puternic ntre anxietate i depresie) sau bidirecional, atunci cnd nu putem anticipa exact natura relaiilor dintre variabile (Exist o corelaie ntre
anxietate i depresie). n literatura de specialitate prima situaie poart numele de one-tailed hypothesis iar a doua situaie two-tailed hypothesis
sau, ntr-o variant romneasc aproximativ ipoteze la un capt la distribuiei - unilaterale i ipoteze la ambele capete ale distribuiei - bilaterale.
Aceast denumire o ntlnim i n cadrul programului SPSS i nu ar fi ru s
aflm logica ce st n spatele acestor nume.
238
Cristian Opariuc-Dan
Probabilitate foarte mare de a
tim deja c
obine scoruri n zona central
distribuia
normal
prezint dou capete,
dou extreme care se
apropie de frecvena Probabilitate foarte mic de a obine
Probabilitate foarte mic de a obine
scoruri
n
zona
extremelor
scoruri n zona extremelor
zero pe care nu o
ating ns niciodat i
am studiat deja probabilitatea de a obine
Figura 7.8 Probabilitatea de a obine
scoruri n zona central a distribuiei n
scoruri la capetele
comparaie cu extremele
distribuiei n comparaie cu probabilitatea de a obine scoruri n zona central. Care ar fi probabilitatea de a ntlni o persoan cu nlimea de 178 de centimetri? Ne aducem
aminte c aceast valoare reprezint o nlime comun, cu probabilitate de
apariie mare, o persoan cu aceast nlime regsindu-se undeva n zona din
mijloc a distribuiei. O persoan cu nlimea de 250 de centimetri are o probabilitate de apariie foarte mic, situat undeva la captul din dreapta a distribuiei n timp ce o persoan cu nlimea de 120 de centimetri are de asemenea o probabilitate mic de apariie, undeva la captul din stnga al distribuiei. La fel procedm i n cazul n care discutm de o alt variabil, s
spunem coeficientul de inteligen. Un IQ de 110 este unul comun, pe care l
putem ntlni n zona de probabilitate mare. Un IQ de 180 este unul foarte
mare, cu o probabilitate de apariie mic, similar nlimii de 250 de centimetri. La fel, un IQ de 60 are o probabilitate mic de apariie i se situeaz
spre extrema stng a distribuiei.
Haidei s ne punem acum problema relaiei dintre cele dou variabile. Ce se poate ntmpla cu coeficientul de inteligen pe msura variaiei
nlimii subiecilor? Pot exista mai multe variante posibile:
Pe msur ce crete nlimea, crete i coeficientul de inteligen. Persoanele cu nlime mare vor avea un coeficient de
239
Pe msur ce crete nlimea, scade coeficientul de inteligen. Persoanele cu nlime mare au un coeficient de inteligen
sczut n timp ce persoanele scunde au un coeficient de inteligen ridicat. Spunem n acest caz c creterea scorurilor la o
variabil determin micorarea scorurilor la a doua variabil.
240
Cristian Opariuc-Dan
ie normal. Acest lucru l putem observa cu uurin n figura 7.9, prezentat
mai sus.
tim de asemenea de la semnificaia statistic, faptul c testele de
semnificaie explic probabilitatea de obinere a unor diferene sau relaii
dintre dou variabile ca rezultat al unei erori de eantionare, indicnd probabilitatea ca aceast relaie sau diferen s nu existe de fapt la nivelul populaiei (Dancey, i alii, 2002). Un prag de semnificaie de 0,05 nseamn c
pentru a fi respins ipoteza nul, trebuie s existe mai puin de 5% anse ca
scorurile de mai sus s fie obinute printr-o eroare de eantionare. S considerm acum o ipotez formulat n urmtorii termeni:
241
Cristian Opariuc-Dan
Prin dublarea valorii pragului de semnificaie se poate obine valoarea acestuia dac ai lucrat cu ipoteze unidirecionale i dorii s aflai pragul de semnificaie pentru o ipotez bidirecional.
VII.3.3
Proiectarea cercetrii
Orice cercetare necesit un plan de cercetare numit i design de cercetare. n urma acestui plan se stabilesc variabilele ce vor fi analizate i numrul de subieci necesar. Problematica planurilor de cercetare va fi tratat n
detaliu n volumul al doilea al lucrrii, n timp ce proiectarea eantionului sau
a lotului de subieci va face subiectul urmtorului capitol.
243
VII.3.4
Efectuarea observaiilor
VII.3.5
Interpretarea datelor
244
Cristian Opariuc-Dan
este mai mic de valoarea stabilit 0,05) putem respinge ipoteza nul, n caz
contrar ipoteza nul nu poate fi rejectat.
Trebuie s reinei faptul c procedeele statistice nu demonstreaz nimic. Metodele statistice descriu probabilitatea cu care un eveniment apare
ntr-o populaie. Poate exista doar un singur caz din zece miliarde de cazuri
care s demonstreze acceptarea ipotezei nule. Prin metode statistice stabilim
doar la ce nivel de ncredere putem respinge ipoteza nul i nu putem demonstra niciodat falsitatea acesteia.
Dup Dancey i Reidy (Dancey, i alii, 2002), majoritatea testelor
statistice le utilizm pentru a face o inferen de la studiul pe un eantion spre
caracteristicile populaiei. Deoarece caracteristicile populaiei poart numele
de parametri, testele utilizate poart denumirea de teste parametrice. Pentru
a putea ns utiliza testele parametrice, este necesar ndeplinirea simultan a
unor condiii axiomatice. Dup aceeai autori, (Dancey, i alii, 2002) exist
un numr de trei axiome necesare utilizrii testelor parametrice:
Axioma normalitii distribuiei. Distribuia scorurilor obinute de ctre subieci la variabilele analizate trebuie s fie o
distribuie normal. n absena unei distribuii normale nu pot
fi utilizate teste parametrice. Reamintim c utiliznd testele
parametrice facem asumpia c media i abaterea standard reprezint indicatori reprezentativi ai tendinei centrale, respectiv mprtierii. Dac aceast asumpie este fals, ntreaga logic a aplicrii testelor statistice va fi i ea fals. Nu intrm
acum n detalii, deoarece au fost prezentate anterior, ci ne rezumm s amintim c dac distribuia nu este normal vor fi
aplicate tehnici de normalizare a acesteia. Dac nici n acest
caz nu reuim obinerea unei distribuii normale vor fi utilizate
teste nonparametrice.
245
VII.3.6
Formularea concluziilor
Formularea concluziilor reprezint etapa final a oricrei cercetri tiinifice i rezum ntregul demers tiinific prezentat mai sus. Decizia luat va
fi o decizie probabilistic i consistent cu datele experimentale. Dac pragul de semnificaie este mai mare dect pragul acceptat, atunci probabil ipoteza nul este adevrat i va trebui acceptat. n caz contrar putem respinge
ipoteza nul. Ipoteza experimental nu poate fi respins sau acceptat. Singura decizie pe care o putem lua se refer la ipoteza de nul.
246
Cristian Opariuc-Dan
Concluzii:
ntrebri i exerciii:
247
o 1/9;
o 6/8;
Exprimai urmtoarele probabiliti sub form zecimal:
o 1/7;
o 3/15;
o 9/245;
o 84%;
o 39%;
248
Cristian Opariuc-Dan
249
VIII.1 Populaia
Definiia din capitolul al treilea afirma c populaia reprezint totalitatea obiectelor, de un anumit tip, existente ntr-un spaiu sau teritoriu, la un
moment dat. O definiie mai larg susine c o populaie reprezint o colecie natural, geografic sau politic de persoane, animale, plante sau obiecte (Dowdy, i alii, 2004). Definiia subliniaz c o populaie reprezint, de
fapt, o colecie fizic. Fiind o colecie fizic, orice populaie se caracterizeaz
prin anumite proprieti pe care le denumim generic parametri. Termenul de
populaie este, de fapt, o abstraciune. Nu putem concepe populaia fr s
facem apel la aceste proprieti prin care se definete. Dac ne referim la populaia brbailor, implicit am definit un parametru al acesteia i anume sexul. Dac vorbim de populaia nlimii brbailor, avem n vedere doi parametri i anume nlimea i sexul. Similar, nlimea brbailor din Romnia
presupune trei parametri: locaia, sexul i nlimea. Toi aceti parametri se
numesc variabile de interes ale cercetrii i permit nregistrarea unor valori
la nivelul acestora.
ntr-o cercetare, odat stabilite variabilele (parametrii) de interes, trebuie s acordm mult atenie n momentul n care extindem concluziile la
nivelul populaiei. Vom reine faptul c o populaie se caracterizeaz prin
aceste variabilele de interes. Nu putem face o afirmaie de genul nlimea
brbailor este de 178 de centimetri, n condiiile n care am efectuat un studiu pe populaia din Romnia. Nu am desfurat o cercetare prin care s investigm nlimea brbailor din lume. O formul adecvat ar fi nlimea
brbailor din Romnia este de 178 de centimetri.
Populaia odat definit, apare necesitatea nregistrrii valorilor pentru
variabilele de interes. O metod de investigaie exhaustiv care-i propune
investigarea tuturor elementelor dintr-o populaie este recensmntul.
Recensmntul este o metod de observare total, cu caracter periodic, care surprinde un fenomen n mod static. Este una din cele mai vechi
250
Cristian Opariuc-Dan
metode de observare i asigur o fotografiere, o surprindere a unui fenomen
ntr-un anumit moment de timp. n mod particular, recensmntul populaiei
este un proces de culegere, prelucrare i publicare a datelor demografice,
economice i sociale, la un timp specificat i valabile pentru toate persoanele
din ara respectiv sau de pe un teritoriu delimitat. O form particular a recensmntului o reprezint referendumul, ca demers similar de investigare a
opiniilor populaiei.
O asemenea metod de colectare a informaiilor este extrem de costisitoare. De multe ori nu este practic (uneori chiar imposibil) s observm
toate valorile pe care le poate lua o variabil la nivelul populaiei.
VIII.2.1
Reprezint surse care permit colectarea direct de observaii noi. Metodele prin care putem efectua un asemenea demers includ observaia, discuiile individuale sau de grup, experimentele, chestionarele, testele, utilizarea
unor aparate specifice etc. Colectarea datelor la acest nivel poate fi costisitoare att din punct de vedere financiar ct i sub aspectul duratei, ns avem
certitudinea unor date reale i valide. La nivelul elementelor de populaie,
cercetarea poate presupune o explorare exhaustiv, ca n cazul recensmntului, sau poate implica utilizarea eantioanelor. n mod curent, cercetrile folosesc, de cele mai multe ori, surse principale de date.
251
VIII.2.2
Reprezint date provenite din cercetri deja efectuate. Costurile necesare procurrii acestor date sunt semnificativ mai reduse, uneori informaiile
sunt de o nalt valoare tiinific, ns dezavantajul principal este acela c nu
putem avea controlul asupra veridicitii i validitii acestora. Astfel, datele
pot proveni din anuarele statistice ale unor ri sau teritorii, din rapoartele
unor organizaii sau instituii, din cercetri existente sau din baze de date publice ori private. Metaanaliza, ca metod tiinific, utilizeaz predominant
asemenea surse de date.
VIII.3 Eantionul
Exceptnd recensmntul, toate celelalte metode implic utilizarea
unei mici pri dintr-o populaie n vederea colectrii datelor. O asemenea
colectivitate statistic poart numele de eantion i reprezint un subset de
elemente din populaie, care ns pstreaz caracteristicile populaiei din
care provine. O cercetare efectuat pe un eantion, induce, dup cum am
artat, o serie de erori care afecteaz rezultatele finale. Aceste erori apar ca
urmare a faptului c noi nu culegem informaii de la ntreaga populaie statistic, ci doar de la elementele cuprinse n eantion. O cercetare efectuat pe un
eantion poart numele de cercetare selectiv, spre deosebire de recensmnt care se refer la cercetri exhaustive.
V mai amintii exemplul cu oala de fasole? Atunci am extras o lingur de boabe de fasole i am decis c fasolele sunt fierte. Exact acesta este
principul eantionrii. Dac am fi luat o singur boab de fasole, am fi putut
face aceast afirmaie? Eu cred c nu, deoarece ar fi existat prea multe anse
s aruncm apoi oala. Dar dac am fi mncat ntreaga oal? Atunci am fi tiut
sigur, ns nu am mai fi avut cu ce s facem mncarea. n plus, gndii-v ce
costuri ai fi suportat cu sistemul digestiv Dac n oal ai fi amestecat fasole de 10 ani i fasole de 1 an? Probabil c decizia ar fi fost corect, ns ai
252
Cristian Opariuc-Dan
avea multe anse s v rupei uneori dinii. Dac ai fi gustat din oala de mazre? Desigur c nu, pentru c v-ai fi referit la cu totul alt populaie.
Iat c un eantion trebuie s respecte caracteristicile populaiei din
care face parte. Aceasta este calitatea esenial a unui eantion i poart numele de reprezentativitate. Reprezentativitatea este, aadar, capacitatea
eantionului de a reproduce ct mai fidel structurile i caracteristicile
populaiei din care a fost extras (Rotariu, i alii, 2006). Dac valorile proprietilor la nivelul populaiei poart numele de parametri, la nivelul eantioanelor ele se numesc indicatori sau statistici. n mod normal noi nu cunoatem valorile parametrilor, valoarea exact pe care o are caracteristica
respectiv la nivelul populaiei, ci ncercm s-o estimm prin intermediul
valorii obinute la nivelul eantionului. Legat de acest aspect, trebuie ns s
reinei dou lucruri importante:
254
Cristian Opariuc-Dan
VIII.3.1
Mrimea eantionului
Un fapt importat pe care dorim s-l abordm, este acela c, reprezentativitatea eantionului nu depinde de mrimea populaiei. Fie c desfurm un studiu n Romnia, n India sau n Statele Unite, un eantion de 500
de persoane va avea aceeai reprezentativitate.
VIII.3.2
Caracteristicile populaiei
VIII.3.3
Procedee de eantionare
256
Cristian Opariuc-Dan
tionare. Cnd discutm de reprezentativitate, vom aborda strict procedeele de
eantionare aleatorii. O procedur de eantionare este aleatoare n momentul n care fiecare individ din populaie are o ans calculabil de a fi
ales n eantion.
Precizie
mare?
Nu
Da
Exist subpopulaii?
Exist subpopulaii?
Nu
Eantion sub
50 elemente
Da
Eantion peste
50 elemente
Nu
Da
Eantion peste
50 elemente
Eantion peste
50 elemente
- Stratificat;
- Proporional cu mrimea;
- Randomizare simpl;
- Sistematic;
- Cote;
- Proporional cu mrimea
- Multistadiu;
- Cluster;
- Stratificat
Eantion peste
50 elemente
- Analiz;
- Convenie;
- Bulgre de
zpad
- Randomizare simpl;
- Sistematic;
- Cluster;
- Randomizare simpl;
- Sistematic;
- Cluster;
257
VIII.3.4
258
Cristian Opariuc-Dan
la care se pot primi rspunsurile subiecilor. n mod cert, metoda de alegere a
subiecilor nu este una aleatorie i prezint limitrile prezentate mai sus.
Avantajul este acela al costurilor reduse i al creterii exponeniale a volumului de date. ntr-un timp scurt se pot colecta foarte multe date, ns cercetrile
nu prezint relevan, datorit caracterului nealeatoriu i a faptului c nu exist un control al rspunsurilor. Fiecare respondent poate s-i exprime punctul
su real de vedere sau un punct de vedere fals.
259
260
Cristian Opariuc-Dan
ordine al celui de-al doilea subiect i se continu astfel pn la
completarea efectivului (1000 de subieci) eantionului.
Dei extrem de simpl, metoda prezint o serie de limitri serioase.
Principala problem o constituie obinerea bazei de eantionare. Cum gsim
noi lista cu numele, prenumele i adresa tuturor brbailor din Romnia? Unii
cercettori folosesc crile de telefon i genereaz aleatoriu volumul eantionului n baza numerelor de telefon. Se pune ns problema dac toat populaia are telefon. Cei care nu au telefon sau nu figureaz n cartea de telefon
sunt automat exclui din baza de eantionare, ceea ce duce la eliminarea caracterului aleatoriu.
Pe de alt parte, presupunnd c am obinut baza de eantionare, toate
persoanele din eantion sunt accesibile? Dac unii sunt plecai n strintate,
au murit, s-au mutat ori nu pot fi contactai, ce se ntmpl? Se mai respect
reprezentativitatea eantionului? V las pe dumneavoastr s decidei acest
lucru. n general, cu ct volumul populaiei int este mai mare, cu att aceast metod este mai dificil de implementat.
multe variabile (stratificare multipl). Spre exemplu, ne intereseaz consumul mediu zilnic de igri pentru populaia din
Romnia. Care ar fi variabilele de stratificare? Femeile consum oare mai multe igri n comparaie cu brbaii? Grupa
de vrst influeneaz consumul de igri? Cei din mediul rural
fumeaz mai mult sau mai puin n comparaie cu cei din mediul urban? Nu exist o regul de stabilire a variabilelor de
stratificare, acestea fiind alese n funcie de scopul cercetrii i
de rolul pe care l au n legtur cu tema cercetat. ntotdeauna
ns, suma cazurilor din fiecare strat trebuie s redea totalul
populaiei. Dac ne intereseaz numai straturile determinate de
sex, efectum o stratificare simpl. Dac ns lum n considerare sexul i mediul de provenien, avem o stratificare
multipl.
S lum un exemplul, prin care dorim s studiem consumul mediu de
igri din judeul Blagosloveti, cu o populaie total de 450.380 de persoane.
Ne intereseaz o stratificare n funcie de variabilele sex i mediu de provenien. Putem obine, n aceast etap, urmtoarea structur a populaiei, prezentat n tabelul de mai jos:
Tabel 8.1 Structura populaiei pentru cele dou variabile de stratificare n judeul Blagosloveti
Brbai
Femei
Rural
Urban
Rural
Urban
120.215
80.360
113.456
136.394
(26,69%)
(17,84%)
(25,19%)
(30,28%)
200575 (44,53%)
249805 (55,47%)
450.380 (100%)
262
Cristian Opariuc-Dan
Problema pe care ne-o punem se refer la proporia (procentul) din
populaia int reprezentat de fiecare strat. Pentru a afla acest lucru, nu ne
rmne dect s aplicm regula de trei simpl:
Dac 450.380
Atunci 120.215
120.215 100
450.380
nseamn
100%
nseamn
1.202.150
450.380
X%
26,69%
n mod similar vom efectua calculele pentru toate cele patru seciuni.
Remarcm c totalul subiecilor din fiecare variabil de stratificare reprezint
ntreaga populaie int.
Stabilirea bazei de eantionare. Se realizeaz la fel ca n cazul eantionrii aleatorii simple. Avem nevoie de lista complet a tuturor persoanelor din judeul Blagosloveti, prelucrat
dup modalitatea prezentat n subcapitolul anterior. Singura
diferen este c baza de eantionare va fi organizat pe seciuni diferite, n funcie de variabilele de stratificare. n cazul
nostru, vom avea patru seciuni ale bazei de eantionare i
anume: brbai din mediul urban, femei din mediul urban, brbai din mediul rural i femei din mediul rural. (N=450.380);
Stabilirea mrimii eantionului. Se face n urma unor calcule specifice, adecvate acestui tip de eantionare, calcule pe care le vom prezenta ntr-un capitol ulterior. n cazul nostru am
ales un eantion de 300 de persoane (n=300);
Stabilirea compoziiei eantionului. Reprezint etapa prin intermediul creia ne asigurm c proporia din populaie o regsim i n eantion. Vom folosi de asemenea regula de trei
simpl.
263
Dac 300
Atunci X
26,69 300
100
nseamn
nseamn
8007
100
100%
26,69%
80
Tabel 8.2 Structura eantionului pe cele dou variabile de stratificare n judeul Blagosloveti
Brbai
Femei
Rural
Urban
Rural
Urban
80 (26,69%)
54 (17,84%)
76 (25,19%)
91 (30,28%)
134 (44,53%)
167 (55,47%)
301 (100%)
Observm c structura eantionului selectat reproduce fidel structura
populaiei din care a fost extras, pentru fiecare dintre cele dou variabile de
stratificare. Desigur, n loc de 300 de subieci au rezultat 301 subieci, datorit rotunjirilor aprute prin calcul. Vom pstra n cele din urm aceast valoare obinut.
Generarea numerelor aleatoare. Se realizeaz similar eantionrii aleatorii simple pentru fiecare baz de eantionare. Se
vor genera 80 de numere aleatoare pentru brbaii din mediul
rural, 54 de numere aleatoare pentru brbaii din mediul urban,
76 de numere aleatoare pentru femeile din mediul rural i 91
de numere aleatoare pentru femeile din mediul urban;
Extragerea eantionului. Numerele aleatoare generate n etapa anterioar reprezint numerele de ordine pentru subiecii
din cele patru baze de eantionare. Eantionul final va fi compus din 301 persoane, aparinnd tuturor celor patru categorii.
264
Cristian Opariuc-Dan
Dei mai laborioas dect eantionarea aleatorie simpl, eantionarea
stratificat are avantajul unei mai bune reprezentativiti.
Exerciiu:
Calculai cte boabe de fasole de 10 ani i cte boabe de fasole de 1
an trebuie s avei n lingur, cunoscnd c n oal se afl 854 de boabe de
fasole de 1 an i 362 de boabe de fasole de 10 ani.
Dei aparent caracterul aleatoriu nu se pstreaz datorit crerii ponderilor pe straturi, aceast alegere a subeantioanelor asigur tuturor indivizilor o probabilitate egal de a intra n eantion. O problem poate s apar n
situaia n care ponderea unui strat este foarte mic n populaie. Dac considerm variabila de eantionare nivelul de inteligen, exist posibilitatea ca
grupa geniilor sau a idioilor s aib foarte puine cazuri n populaie (s spunem 10). n aceast situaie, n eantion ar trebui s includem 0,003 (un
exemplu, cifra nu a rezultat din calcul) persoane, ceea ce este imposibil.
Asemenea situaii impun fie o supra-reprezentare (adic includerea mai multor cazuri n eantion dect proporia din populaie) urmat apoi, n decursul
analizei indicatorilor statistici, fie de ponderarea valorilor pariale la nivelul
stratului respectiv, fie de includerea acelui strat ntr-un alt strat supraordonat
sau subordonat (de exemplu, includerea idioilor n categoria imbecililor i
redenumirea stratului idioi-imbecili).
265
Principiul de baz al acestei eantionri este acela al proximitii spaiale i al faptului c persoanele pot fi privite ca indivizi aparinnd unor grupuri. Eantionarea multistadial presupune parcurgerea urmtoarelor etape:
266
Cristian Opariuc-Dan
liti, din care calculm un eantion de 17 localiti pe care le
extragem prin procedee aleatorii. Vor rezulta 3 localiti din
Bacu (Ciui, Drmneti i Sascut), 5 localiti din Constana (Ostrov, Dobromir, Saraiu, Medgidia i Techirghiol), 2 localiti din Satu Mare (Vama i Carei), 4 localiti din Cluj
(Mihai Viteazu, Ciucea, Scuieu i Vad) i 3 localiti din Timi (Tometi, Cenad i Pichia). Aceste localiti vor reprezenta baza de eantionare pentru urmtorul stadiu.
268
Cristian Opariuc-Dan
Un cluster reprezint o structur care se comport ca un individ
ntr-o populaie. Dac considerm populaia municipiilor din Romnia,
atunci un cluster este reprezentat de Municipiul Constana, un alt cluster de
Municipiul Iai i aa mai departe. Modalitatea de realizare a unui eantion
pe clusteri este urmtoarea:
Stabilirea bazei de eantionare. n acest caz, baza de eantionare este reprezentat de totalitatea populaiei de clustere.
Dac suntem interesai de o cercetare pe nvmntul liceal,
baza de eantionare va conine lista exhaustiv a liceelor din
Romnia. S presupunem c avem 5423 de licee n Romnia
(N=5423);
269
Stabilirea bazei de eantionare. Baza de eantionare se stabilete prin acelai procedeu ca i n cazul eantionrii aleatorii
simple. Avem din nou nevoie de lista exhaustiv a brbailor
din Romnia, spre exemplu;
Se stabilete pasul de eantionare. Pasul de eantionare reprezint expresia raportului dintre volumul populaiei i volumul eantionului:
onare va fi 8000000
8000.
Stabilirea punctului de start. Punctul de start reprezint locul de ncepere a eantionului. Se genereaz un numr aleatoriu ntre 1 i 8000, numr care va reprezenta punctul de start.
S presupunem c acest numr este 5421. Subiectul cu acest
numr de ordine va fi prima persoan inclus n eantion.
Cristian Opariuc-Dan
(5421+8000=13.421). Subiectul cu acest numr de ordine n
baza de eantionare va fi al doilea subiect inclus n eantion.
Al treilea subiect inclus n eantion va fi cel cu numrul de ordine 13.421+8000=21.421 i aa mai departe pn la completarea efectivului de 1000 de persoane.
Stabilirea cotelor (variabilelor de stratificare) i a structurii populaiei. Se face identic ca i n cazul eantionrii stratificate. Vor rezulta cele patru grupe, cu procentele din populaie asociate (vezi tabelul 8.1);
Stabilirea mrimii eantionului. Se face n urma unor calcule specifice, adecvate acestui tip de eantionare, calcule pe care le vom prezenta ntr-un capitol ulterior.
271
272
Cristian Opariuc-Dan
lul crora se intenioneaz investigarea personalului. Deoarece cadrele de
conducere sunt mai puin numeroase n comparaie cu cadrele de execuie,
metoda permite egalarea anselor celor dou categorii de a fi incluse n eantion.
Relund exemplul anterior, ne propunem s desfurm o cercetare
oarecare n judeul Trubadurul, care are un numr de 29 de localiti. Dup
cum observai n tabelul 8.3, localitile sunt difereniate sub aspectul populaiei. n timp ce localitatea 26 are un numr de 197 de locuitori, localitatea 21
are un numr de 1590 de locuitori. Evident c ansele de a extrage mai muli
locuitori din localitatea 21 sunt mai mari n comparaie cu localitatea 26, de
unde, cel mai probabil, nu va participa nimeni la cercetare. Prin acest procedeu de eantionare putem egala situaia, astfel nct subiecii din fiecare localitate s aib o ans calculabil de a fi inclui n eantion.
Etapele de realizare a unui asemenea eantion sunt urmtoarele:
Populaie
542
245
1032
867
256
352
Populaie cumulat
542
787
1819
2686
2942
3294
Locaie selectat
423
1891
273
835
645
427
312
1342
390
604
465
897
476
365
967
533
215
1590
423
645
867
423
197
586
365
756
4129
4774
5201
5513
6855
7245
7849
8314
9211
9687
10052
11019
11552
11767
13357
13780
14425
15292
15715
15912
16498
16863
17619
3359
4827
6295
7763
9231
10699
12167
13635
15103
16571
Cristian Opariuc-Dan
de eantionare, se stabilesc localitile n care se va desfura
cercetarea. Pentru 120 de persoane, am ales un numr de 12
localiti din cele 29. n fiecare localitate vor fi intervievate 10
persoane.
Stabilirea eantionului. La punctul de start 423 se adaug valoarea pasului 1468 i se obine noua locaie
(423+1468=1891). Valoarea cumulat pentru a doua locaie se
afl n dreptul localitii 4 (V mai amintii, sper, c la nivelul
localitii 3 se afl a 1819-a persoan. Persoana cu numrul
1891 se afl n localitatea 4, care cuprinde subiecii de la al
1820-lea la al 2686-lea). Un alt operator se va deplasa n
aceast localitate, i printr-un procedeu similar va intervieva
275
VIII.3.5
Variabilitatea populaiei estimat de obicei prin intermediul abaterii standard. Se refer la amplitudinea pe care o au
276
Cristian Opariuc-Dan
opiniile populaiei, element care afecteaz de asemenea dimensiunea eantionului. Cu ct variabilitatea este mai mare, cu
att acurateea estimrii este mai mic i va fi nevoie de un
eantion de dimensiuni mai mari;
Nivelul de ncredere indic gradul de precizie cu care rezultatele obinute prin studiul eantionului se vor regsi la nivelul
populaiei. Cu ct nivelul de ncredere este mai mare, cu att
pretenia c rezultatele obinute nu sunt atipice crete, fiind
nevoie de eantioane de dimensiuni mai mari. Majoritatea cercetrilor utilizeaz un nivel de ncredere de 95%;
n mod curent, cercetrile tiinifice pe eantioane de 50 100 de persoane sunt suficient de precise n domeniul socio-uman. Poate doar sociolo277
gia presupune eantioane mai mari, n cazul sondajelor de opinie. Uneori este
suficient un eantion de 30 de subieci, considerat ca fiind volumul minim de
date ce permite analize statistice, respectiv aplicarea legii numerelor mari i a
distribuiei gaussiene. Eantioanele cu dimensiuni sub 30 de cazuri fac parte
din domeniul studiilor de caz, rezultatele obinute neputnd fi extinse la nivelul populaiei.
(formula 8.1)
unde: n reprezint mrimea eantionului, z scorul z asociat nivelului de ncredere dorit, e este precizia dorit (numit i marj de eroare)
i p reprezint ponderea rspunsurilor la nivelul populaiei.
Dup cum v-ai dat seama, valorile notei z sunt de fapt nite constante, alocate n funcie de nivelul de ncredere, astfel:
278
Cristian Opariuc-Dan
279
,
,
,
,
,
,
2400
Vom avea un eantion de 2400 de persoane pentru a obine reprezentativitatea la acest nivel. Suntem cam pretenioi, nu-i aa? Bine c nu am
ales nivelul de ncredere de 99%, c cine tie ce obineam Dac dorii s
aflai, nlocuii n formula de mai sus 1,96 cu 2,58 i vedei.
Exerciiu:
Folosind acelai tip de studiu, calculai volumul unui eantion la un
nivel de ncredere de 95% i cu o precizie de 3%, estimnd c subiecii vor
rspunde 75% Da i 25% Nu.
n practic se folosete o formul derivat din formula 8.1 n vederea
calculrii preciziei sau a marjei de eroare:
(formula 8.2)
n presa scris, televiziune, la radio, auzii frecvent fraze de acest gen:
65% din populaie l prefer pe Icsulescu la alegerile prezideniale. Sondajul
are o marj de eroare de 2,5%. Cunoscnd marja de eroare i faptul c nivelul de ncredere nu se poate situa sub 95%, putei afla uor din cte persoane a fost format eantionul, aplicnd formula 8.1. Dar dac afirmaia de mai
sus nu prezint marja de eroare, ci doar volumul eantionului? Dac vi se
comunic rezultatele de mai sus, cu specificaia c eantionul a fost format
dintr-un numr de 180 de persoane, cum aflai precizia? Eu a fi de prere s
aplicm formula 8.2
280
Cristian Opariuc-Dan
,
0,004
0,06
6%
428
Formulele de mai sus sunt aplicabile numai n condiia n care volumul eantionului nu depete 5% din volumul populaiei. n situaia n care
volumul eantionului trece de acest prag, se aplic o corecie care-i reduce
uor dimensiunea, dup formula:
(formula 8.4)
Dac ntr-o cercetare am stabilit volumul unui eantion la 398 de cazuri iar volumul populaiei (N) este de 2000 de cazuri, aplicnd formula vom
obine:
398
398 1
2000
398
1,19
334
282
Cristian Opariuc-Dan
Dac vom aplica formula pe cazul anterior, vom obine la un nivel de
precizie de 5%:
1
2000
2000 0,05
2000
6
333
Eantioane multistadiale;
283
include structura eantionului, metodele de estimare pentru fiecare stadiu, referinele la variabilele de interes.
Debutul procedurii de creare a unui eantion se face prin deschiderea
bazei de eantionare. Vom folosi, n acest scop, o baz de date pus la dispoziie de SPSS Inc. situat n directorul n care s-a instalat aplicaia. Baza de
date se numete 1991 U.S. General Social Survey.sav i conine un numr
de 1517 nregistrri reprezentnd rezultatele unui sondaj efectuat n Statele
Unite. Deoarece volumul de date este destul de mare, avnd i o serie de variabile factuale i demografice, putem folosi acest fiier ca exemplu pentru
baza noastr de eantionare.
VIII.4.1
Figura 8.5 Primul pas al crerii unui eantion. Salvarea fiierului plan
284
Cristian Opariuc-Dan
Prima fereastr afiat ne solicit alegerea unui fiier n care va fi
stocat planul de eantionare. Opiunea implicit este Design a sample pe
care o vom folosi pentru a specifica locaia i numele planului de eantionare.
Vom putea introduce direct calea ctre fiierul ce urmeaz a fi salvat sau vom
putea apsa butonul Browse pentru a alege locul pe hard-disc unde va fi
salvat planul de eantionare. Evident, va trebui s furnizm i un nume pentru
acest fiier. n cazul nostru, fiierul l-am denumit Test.csplan i a fost salvat direct pe discul C:\. Observai c extensia fiierelor de tip plan de eantionare este .csplan.
Pentru a modifica un plan de eantionare existent, avei la dispoziie
opiunea Edit a sample design. Cu ajutorul acesteia vei putea reconfigura
sau elimina stadii din cadrul unui plan de eantionare multistadial creat anterior. Evident, acest plan de eantionare va trebui iniial deschis prin tastarea
cii ctre fiierul de tip .csplan sau folosind butonul Browse.
Dac avei deja un plan de eantionare fcut i dorii s creai un eantion n baza acestuia, putei folosi opiunea Draw a sample, dup care alegei fiierul plan dorit, la fel ca mai sus. Trecerea la urmtoarea etap se face
prin intermediul butonului Next. Putei oricnd abandona operaia apsnd
pe butonul Cancel sau putei parcurge sistemul de asisten contextual
prin accesarea butonului Help.
A doua fereastra presupune definirea planului de eantionare. n partea stng, avnd o structur arborescent, sunt afiate opiunile acestui stadiu. Prima opiune implic precizarea variabilelor de eantionare n cazul
unor eantioane ce presupun acest lucru (opiunea Design variables).
Avem prezentate, n seciunea central, toate variabilele din baza de eantionare. Folosind butoanele de transfer (butoanele sgeat) vom putea include
aceste variabile n seciunea Stratify By dac dorim un eantion stratificat
dup acea variabil. Se vor putea preciza astfel straturile sau subpopulaiile
(amintii-v de fasolele de 1 an i de 10 ani). n urma acestei selecii se obin
285
286
Cristian Opariuc-Dan
n acest exemplu vom dori s construim un eantion simplu randomizat. Deocamdat nu ne intereseaz n mod deosebit opiunile prezentate.
Urmtoarea seciune, Method, permite stabilirea tehnicii de eantionare pe care o folosim.
287
Simple Sequential unitile sunt extrase secvenial cu probabilitate egal i fr introducerea bilei n urn;
288
Cristian Opariuc-Dan
PPS Sampford eantion proporional cu mrimea ce selecteaz mai mult de doi clusteri din fiecare strat cu o probabilitate proporional cu mrimea clusterului i fr introducerea bilei n urn. Necesit, de asemenea, specificarea unui variabile
pentru cluster
289
Caseta de selecie Units permite alegerea ntre un numr fix de uniti selectate alegnd opiunea Counts sau a unei proporii de uniti n
eantion alegnd opiunea Proportions.
Opiunea Value permite aplicarea unei valori unice pentru toate
straturile. n modul numrului fix, va trebui s introducei valoarea dimensiunii eantionului (n cazul nostru 930). Dac optm pentru proporii vom include proporia din populaie pe care o regsim n eantion (de exemplu 0,10
pentru 10% din populaie).
Opiunea Unequal values for strata permite introducerea valorilor
eantionului pentru fiecare strat definit, n condiiile n care dimensiunile
straturilor nu sunt egale.
290
Cristian Opariuc-Dan
Read values from variable permite selectarea unei variabile numerice n care sunt stocate dimensiunile fiecrui strat.
La alegerea eantionului bazat pe proporii, putem de asemenea specifica limitele inferioare i superioare ale numrului de uniti ce vor fi selectate (de exemplu nu mai puin de 50 Minimul i nu mai mult de 200
Maximum)
Apsarea butonului Next determin afiarea ferestrei variabilelor ce
urmeaz a fi calculate.
Bifnd caseta Population size vom comunica aplicaiei crearea unei variabile ce va stoca numrul estimat de uniti din
populaie la un anumit stadiu. n baza de date aceast variabil
va ncepe cu PopulationSize_;
291
Alturi de aceste variabile, n baza de date vor fi create automat o serie de noi variabile dup cum urmeaz:
292
Cristian Opariuc-Dan
probabilitatea de includere a unei uniti n eantion pentru primul stadiu va
aprea n baza de date sub forma InclusionProbability_1_.
n exemplul nostru, am bifat salvarea tuturor variabilelor n baza de
date n vederea comentrii ulterioare a ctorva cazuri. Apsarea butonului
Next permite trecerea la urmtorul pas al crerii eantionului. Am observat
c la un moment dat s-a activat i butonul Finish. Acest lucru nseamn c
SPSS are deja suficiente informaii pentru a crea eantionul i putem sri peste paii rmai. Noi vom parcurge totui ntregul proces pentru a putea analiza toate etapele acestui instrument.
Noua etap afieaz sumarul stadiului curent. Obinem scurte informaii despre numrul stadiului, eticheta acestuia n cazul n care am definit
una variabila de stratificare, variabila de cluster, dimensiunea eantionului
i metoda de eantionare folosit. La acest nivel avem posibilitatea crerii
unui nou stadiu selectnd opiunea Yes, add stage 2 now n cazul n care
293
294
Cristian Opariuc-Dan
le pot fi generate doar n ordine. Astfel, nu putem crea stadiul 3 n condiiile
n care nu au fost executate stadiile 1 i 2.
Seciunea What type of seed value do you want to use? permite
stabilirea valorii de iniializare pentru generatorul de numere aleatoare. Putem alege ntre un numr oarecare, generat automat de computer (selectnd
A randomly-chosen number) sau putem include o valoare n caseta de
text Custom value n situaia n care se dorete reproducerea caracteristicilor eantionului.
Cele dou casete de bifare permit tratarea cazurilor n care lipsesc informaii la nivelul unor elemente i accelerarea procesului de generare a eantionului. Bifarea primei casete are ca efect includerea ntr-o categorie separat a unitilor cu date lips iar debifarea acesteia ignor unitile care au date
lips.
Bifarea celei de-a doua casete are ca efect accelerarea procesului de
generare a eantionului n condiiile n care datele sunt deja sortate dup valorile unei variabile de stratificare. Altminteri, SPSS va proceda la o nou resortare, operaiune consumatoare de timp.
Urmtoarea etap permite precizarea locului n care va fi salvat eantionul i variabilele pe care acesta le genereaz. Putem opta ntre baza de date
curent (Active dataset), caz n care SPSS va selecta din baza de eantionare unitile incluse n eantion i va calcula variabilele necesare doar pentru
acestea, putem alege o nou baz de date (New dataset), caz n care SPSS
va crea o nou baz de date, nesalvat, n care va include doar unitile selectate n eantion sau putem crea o nou baz de date cu salvare (External
file), caz similar celui anterior, singura deosebire fiind aceea c SPSS va
crea un nou fiier pe disc i va salva eantionul. n cele dou situaii va trebui
s precizm numele bazei de date, respectiv numele i calea ctre fiierul de
date.
295
296
Cristian Opariuc-Dan
Ultima fereastr ne ntreab dac dorim s salvm designul realizat n
planul de eantionare i s crem efectiv eantionul (opiunea Save the design to a plan and draw the sample) sau dorim s copiem ntr-un fiier de
sintax comenzile SPSS generate n urma prelucrrilor noastre (opiunea
Paste de syntax generated by the Wizard into a syntax window).
Evident, vom alege prima opiune i vom apsa apoi butonul
Finish.
Dup cteva fraciuni de secund, SPSS procedeaz la crearea eantionului i ne ofer o serie de informaii n fereastra de rezultate (Output).
Primul tabel din fereastra de rezultate se refer la informaii despre
planul de eantionare. Observm c avem un singur stadiu, metoda de selecie este simplu aleatorie fr reintroducerea bilei n urn iar eantionul coni-
297
Stage 1
Simple random sampling
without replacement
Selection Method
Number of Units Sampled
Variables Created or
Modified
Analysis Information
Estimator Assumption
Inclusion Probability
Stagewise Inclusion
(Selection) Probability
Stagewise Cumulative
Sample Weight
Stagewise Population
Size
Stagewise Sample Size
Stagewise Sampling
Rate
Stagewise Sample
Weight
930
InclusionProbability_1_
SampleWeight
Cumulative_1_
PopulationSize_1_
SampleSize_1_
SamplingRate_1_
SampleWeight_1_
Equal probability
sampling without
replacement
Obtained from variable
InclusionProbability_1_
Proportion of Units
Sampled
Requested
Actual
61,3%
61,3%
298
Cristian Opariuc-Dan
diu al eantionrii va fi generat un asemenea tabel, n care regsim informaii
despre unitile i proporiile selectate.
Observm din nou numele i calea fiierului de tip plan de eantionare. n cazul nostru am solicitat includerea unui numr de 930 de cazuri n
eantion (Requested) iar SPSS a reuit selectarea tuturor subiecilor (Actual). Procentul solicitat a fost de 61,3%, procent atins n final de ctre SPSS.
299
aceast variabil. Prin urmare, 930 1,63 = 1515,9 valoare apropiat de mrimea populaiei. Aceast variabil este foarte important n procesul de analiz a eantionului.
Iat c, urmnd aceti pai, ai reuit crearea unui eantion. Realizarea
acestuia nu ofer ns informaii legate de caracteristicile pe care le poate
avea. Dup selectarea subiecilor n eantion urmeaz etapa de analiz a eantionului n vederea identificrii proprietilor sale statistice.
VIII.4.2
Analiza eantionului
300
Cristian Opariuc-Dan
calea complet sau putei folosi butonul Browse prin intermediul cruia
vei alege locaia acestui fiier. Evident, va trebui s furnizai i un nume. n
cazul nostru, fiierul plan de analiz se numete Analiza.csaplan i a fost
salvat direct n directorul C:\
Observai diferena de extensie. Dac planurile de eantionare aveau
extensia .csplan, planul de analiz are extensia .csaplan.
301
aceast variabil poate lua diferite forme, n planul de analiz vom include,
de obicei, forma final a acesteia, forma n care SPSS pondereaz de fapt
toate stadiile. V recomand introducerea n seciunea Sample Weight a
variabilei de tipul Final Sample Weight, variabil care de obicei caracterizeaz cel mai bine eantionul. n cazul planurilor complexe, s-ar putea include i alte variabile pariale de acest tip dac se dorete investigarea la nivelul
stadiilor, a straturilor ori a clusterilor.
Variabilele cluster (Clusters) se include variabila ce definete clusterii, grupuri de uniti de observaie n cazul n care
se analizeaz un eantion pe clusteri;
302
Cristian Opariuc-Dan
303
Metoda cu includerea bilei n urn (WOR) i cu probabilitate inegal folosete i ea coreciile de populaie finit dar pleac de la supoziia c
selecia unitilor din populaie s-a realizat cu o probabilitate inegal. n general metoda se folosete n cazul unor eantioane nealeatorii.
Eantionul nostru a fost creat fr includerea bilei n urn i cu o
probabilitate egal, prin urmare vom alege opiunea a doua.
304
Cristian Opariuc-Dan
zint dimensiunea exact a populaiei sau 0,61, probabilitatea de includere.
Am preferat, n exemplul nostru, prima variant. Utilizarea acestei seciuni
presupune o singur valoare aplicat tuturor straturilor.
O alt variant o reprezint opiunea Unequal values for strata care se activeaz numai n situaia definirii anterioare a unei variabile de stratificare. Caseta ce se deschide la apsarea butonului Define permite stabilirea valorilor pentru fiecare strat.
Ultima opiune, Read values from variable ne permite includerea
unei variabile numerice care conine valorile pentru fiecare strat.
Similar planului de eantionare, urmtoarea fereastr prezint un sumar al planului de analiz i ne permite construirea unor noi stadii. Nu vom
intra n detalii referitoare la aceast seciune deoarece am tratat complet problema n cadrul capitolului referitor la planul de eantionare.
305
Ultimul ecran ne invit s salvm planul de analiz creat sau s copiem sintaxa ntr-o fereastr de comenzi SPSS, ntr-un mod identic cu planul de
eantionare.
VIII.4.3
306
Cristian Opariuc-Dan
re studiului exhaustiv al acestor proceduri, vom limita expunerea doar la dou
proceduri ce implic statistici univariate, dup cum urmeaz:
Accesarea primului meniu, Frequencies determin afiarea primului ecran necesar analizei prin care urmeaz s alegem planul de eantionare dorit.
307
Toate operaiile din aceast etap impun anumite specificaii de analiz, specificaii coninute n planul de eantionare, dup cum am vzut n subcapitolul anterior. n seciunea Plan, caseta de text File vom putea tasta
calea ctre planul de eantionare sau vom putea utiliza butonul Browse
n vederea navigrii ctre locaia ce conine acest fiier.
n cazul n care probabilitile de includere ale elementelor n eantion
nu sunt egale, situaie des ntlnit n cadrul eantionrii stratificate sau a
eantionrii pe clusteri, va trebui s specificm fiierul n care s-au precizat
aceste probabiliti, utiliznd seciunea Joint Probabilitoes. Astfel, putem
alege aceste probabiliti dintr-o variabil din baza de date, dintr-o alt baz
de date sau dintr-un alt tip de fiier.
Trecerea la analiza efectiv se face prin apsarea butonului Continue.
Cristian Opariuc-Dan
meniune la acest nivel: variabilele folosite pot fi doar variabile categoriale,
situate la un nivel de msur nominal sau ordinal. n partea stng a ferestrei
se afl seciunea Variables, o list ce conine toate variabilele din baza de
date. Lista Frequency Tables permite includerea variabilelor pentru care
dorim s calculm tabele de frecven. Cu ale cuvinte, variabilele pe care
dorim s le analizm. n exemplul nostru, vom dori analiza eantionului sub
aspectul sexului (al genului biologic). Vom transfera aadar aceast variabil
n lista Frequency Tables prin utilizarea butonului de transfer.
Lista Subpopulations permite includerea unei alte variabile categoriale n condiiile n care am realizat, spre exemplu, un eantion stratificat. Nu
este cazul nostru, ns dac am fi dorit s analizm reprezentativitatea genului
biologic n funcie de mediul de provenien (rural vs. urban) am fi inclus
aceast ultim variabil n lista Subpopulations. n aceast situaie, SPSS
ar fi analizat separat brbaii i femeile n funcie de mediul lor de provenien.
Un buton deosebit de important este butonul Statistics.... Apsarea
acestuia determin posibilitatea stabilirii indicatorilor statistici ce vor fi calculai.
309
Exist destul de multe opiuni n cadrul acestei noi ferestre, unele dintre ele fiindu-v necunoscute deoarece nu avei nc informaiile necesare
referitoare la anumite teste statistice. Noi le vom prezenta pe toate, studiind
aici n detaliu doar cteva, celelalte urmnd s le analizm n volumele ulterioare.
Seciunea Cells permite afiarea informaiilor legate de populaia
int din care a fost extras eantionul. Vor fi afiate date referitoare la dimensiunea populaiei sub form de frecvene absolute prin bifarea casetei Population size i sub form de frecvene relative (procente) bifnd caseta Table percent.
Seciunea Statistics permite configurarea indicatorilor statistici
asociai dimensiunii populaiei sau a procentului din populaie, astfel:
Caseta Coefficient of variation comunic programului calcului coeficientului de variaie a estimrii, sub form de proporii;
Cristian Opariuc-Dan
tul nu este folosit n cazul eantioanelor simplu randomizate
n acest caz fiind ntotdeauna 1 ci doar n cazul eantioanelor
mai complexe. Cu ct valoarea este mai deprtat de unu, cu
att efectul este mai mare i deci variana este mai mare;
Caseta Square root of design effect reprezint rdcina ptrat din variana estimrii (un fel de abatere standard dac v
mai aducei aminte), fiind o msur standard a efectului i
avnd acelai mod de interpretare;
311
Un alt buton prezent este butonul Missing Values prin apsarea cruia vom putea stabili modul de tratare a cazurilor lips.
312
Cristian Opariuc-Dan
Practic nu este nevoie s intervenim n aceast fereastr dect extrem
de rar i n cazul unor planuri de eantionare complexe. Apsarea butonului
Continue va determina i n acest caz ntoarcerea la fereastra iniial.
Lansarea efectiv a analizei datelor se face prin apsarea butonului
OK. n cteva fraciuni de secund va fi afiat un tabel n fereastra de rezultate, tabel ce conine exact datele solicitate.
Respondent's Sex
Population Size
% of Total
Male
Female
Total
Male
Female
Total
Estimate
662,260
854,740
1517,000
43,7%
56,3%
100,0%
Standard
Error
15,355
15,355
,000
1,0%
1,0%
,0%
95% Confidence
Interval
Lower
Upper
632,126
692,395
824,605
884,874
1517,000
1517,000
41,7%
45,7%
54,3%
58,3%
100,0%
100,0%
Design Effect
1,000
1,000
.
1,000
1,000
.
Unweighted
Count
406
524
930
406
524
930
Capul de tabel conine numele variabilei de interes i denumirea indicatorilor calculai. Primul rnd se refer la frecvenele absolute ale populaiei
int iar al doilea rnd la frecvenele relative. Observm c datele noastre au
fost mprite pe cele dou categorii ale variabilei de interes brbai i femei.
A doua coloan (Estimate) exprim frecvenele absolute i relative
ale populaiei int estimat n baza eantionului. Aceste elemente nu reprezint date reale ci date estimate din eantion. Nu putem avea un numr de
662,26 brbai i 854,74 femei. Un brbat sau o femeie este un ntreg, nu are
zecimale. Observm ns c dimensiunea total a populaiei int estimate
(1517 subieci) este egal cu populaia int real. Exprimat procentual, eantionul nostru estimeaz o populaie compus din 43,7% brbai i 56,3% femei.
313
314
Cristian Opariuc-Dan
Dup lansarea procedeului de analiz i alegerea planului de eantionare prin apelarea meniului Descriptives, va trebui s includem, similar
procesului anterior, variabila de interes. n cazul nostru am ales o variabil
scalar, vrsta subiecilor. Apsarea butonului Statistics determin apariia
unui ecran uor diferit n comparaie cu analiza frecvenelor
315
Mean
Age of Respondent
Estimate
46,33
Standard
Error
,369
95% Confidence
Interval
Lower
Upper
45,60
47,05
Coefficient
of Variation
,008
Population
Size
1517,000
Unweighted
Count
930
316
Cristian Opariuc-Dan
Bibliografie
1. Clocotici, Vasile i Stan, Aurel. 2000. Statistic aplicat n
psihologie. Iai : Polirom, 2000.
2. Curwin, Jon i Slater, Roger. 1996. Quantitative methods for
Business Decisions. Fourth Edition. London : International Thomson
Business Press, 1996.
3. Dancey, Christine i Reidy, John. 2002. Statistics without math for
psychology. Second Edition. Harlow : Prentice Hall, 2002.
4. Dowdy, Shirley, Weardon, Stanley i Chilko, Daniel. 2004.
Statistics for research. Third Edition. New Jersey : John Wiley and
Sons, 2004.
5. Field, A. 2000. Discovering statistics using SPSS for Windows.
London : Sage, 2000.
6. Field, Andy. 2005. Discovering Statistics using SPSS, Second
Edition. London : Sage Publications Ltd., 2005. 100-7619-4451-6.
7. Jaisingh, Lloyd. 2000. Statistics for the Utterly Confused. New
York : McGraw Hill, 2000.
8. Leech, Nancy L, Barrett, Karen C i Morgan, George A. 2005.
SPSS for intermediate statistics. Use and interpretation. Second
Edition. New Jersey : Lawrence Erlbaum Associates, 2005.
9. Lungu, Ovidiu. 2001. Ghid introductiv pentru SPSS 10.0. Iai :
Erota, 2001.
10. Marques de Sa, Joaquim P. 2007. Applied Statistics using SPSS,
Statistica, Mathlab and R. New York : Springer, 2007.
11. Pitariu, Horia Dumitru. 2003. Psihodiagnostic - note de curs.
Bucureti : s.n., 2003.
12. Popa, Marian. 2003. Statistic - note de curs. Bucureti : s.n., 2003.
13. Radu, Ioan, i alii. 1993. Metodologie psihologic i analiza
datelor. Cluj-Napoca : Sincron, 1993.
14. Rotariu, T, i alii. 2006. Metode statistice aplicate n tiinele
sociale. Iai : Polirom, 2006.
15. Sava, Florin Alin. 2004. Analiza datelor n cercetarea psihologic.
Metode statistice complementare. Cluj-Napoca : ASCR, 2004.
16. . 2000. Pagina de statistic social. Pagina de statistic social.
[Interactiv] 2000. http://statisticasociala.tripod.com.
317
17. SPSS, Inc. 2001. SPSS Base 11.0 User's Guide. Chicago : SPSS Inc,
2001.
18. . 2006. SPSS Complex Samples 15.0. Chicago : SPSS Inc, 2006.
19. System, The Survey. The Survey System: Sample Size Calculator.
The
Survey
System.
[Interactiv]
http://www.surveysystem.com/sscalc.htm.
20. Vasilescu, Ilie Puiu. 1992. Statistic informatizat pentru tiinele
despre om. Bucureti : Militar, 1992.
318
Cristian Opariuc-Dan
n loc de ncheiere
Sper c v-am interesat n acest domeniu. Dup parcurgerea crii, ai
vzut c statistica poate fi chiar plcut iar concluziile pe care le putem desprinde din analiza datelor, ne conduc ctre idei pe care, n absena acestei
tiine, nu le-am putea avea, i, mai ales, nu le-am putea verifica. Bineneles,
statistica este, nti de toate, o disciplin matematic. Nimeni ns nu v cere
s fii un matematician pentru a o putea folosi. Aa cum mi spunea odat
colegul i prietenul meu, Ticu Constantin, nu e nevoie s tiu s construiesc
o main pentru a o putea conduce i cu care, la momentul respectiv, nu am
fost de acord; acum trebuie s recunosc c a avut dreptate. Rolul matematicienilor este acela de a construi maina; rolul nostru este de a o conduce.
Acum, dac unii oferi sunt mai buni dect alii asta e. Nu la fel se ntlnim
i n viaa real, pe osele? Nu este ntmpltor faptul c, pionierii psihologiei
tiinifice care au folosit metode statistice (Cattell, Spearman, Thorndike s.a.)
au fost, iniial, formai n tiine reale precum matematica, fizica, chimia.
n acest volum, m-am oprit la studiul eantioanelor. Din raiuni concrete, nu am dorit s merg mai departe, deoarece a fi fost nevoit s scot un
volum de 600-700 de pagini, care, cu siguran v-ar fi speriat. Nu intenionez
ns s m opresc aici. n volumul al doilea, care va aprea dup ce voi obine
impresiile dumneavoastr, a vrea s abordez problema prediciei n tiinele
socio-umane, prin metode statistice i nu clarvizioniste, adic metode de regresie liniar i logistic, corelaiile i analiza factorial sau modaliti de a
vedea dac datele noastre au ceva n comun ntre ele, analiza de fidelitate sau
ct de stabile pot fi scorurile n timp ori cum putem s facem s nu mai ateptm un timp pentru a vedea acest lucru, metode prin care putem sesiza dac
exist diferene ntre grupuri, cu alte cuvinte statistici infereniale. De asemenea, mi-a dori s abordez un capitol extrem de interesant i anume acela al
analizei de varian sub diferitele sale aspecte, n care s putem vedea cum
una sau mai multe dimensiuni exercit efecte asupra unor alte dimensiuni.
319
n al treilea volum, a vrea s abordez problematica scalrii multidimensionale, problematica analizei de cluster, analiza Q Sort, metaanaliza,
analizele de itemi, analize calitative i analizele folosind reelele neuronale.
Demersul este, dup cum ai observat, de la simplu la complex. A fi
foarte bucuros dac a vedea c ridicai probleme, propunei soluii, oferii
sugestii sau, de ce nu, criticai anumite aspecte pe care le prezint. Asta ar fi
dovada c munca mea nu a fost n zadar. Nu am pretenia unui expert absolut.
Ceea ce doresc, este s partajez experiena mea cu experiena altora, din care
s avem cu toii de ctigat. Pentru a realiza acest obiectiv, va trebuie s ne
detam de orgolii i de impresii personale, s contientizm c toi avem
nc de nvat, s avem o minte deschis i s dm ceea ce este mai bun n
noi. Este foarte posibil ca, uneori, n ceea ce expun, s nu am dreptate. Este
posibil s m nel n anumite afirmaii pe care le fac pe parcursul acestor
pagini. Singura modalitate pe care o avem de a ne da seama de acest lucru
este s comunicm. Atept, prin urmare, reacia dumneavoastr, ca unici judectori ai cuvintelor mele.
V mulumesc pentru rbdarea pe care ai avut-o studiind acest volum. Informaiile prezentate aici nu sunt originale i nici nu ar avea cum s
fie. Ele se bazeaz pe afirmaiile unor genii n domeniu, care au avut inspiraia s le descopere iar eu nu am fcut dect s le prezint. Original este ns,
cred, modalitatea de prezentare. Am ncercat s mbin umorul cu informaia
tiinific, astfel nct cele prezentate aici s fie uor digerabile. De asemenea, am urmrit s folosesc ct mai multe exemple practice pentru a iei puin
din lumea abstract a formulelor matematice. Dac am reuit sau nu acest
lucru, dumneavoastr s-mi spunei
320