Documente Academic
Documente Profesional
Documente Cultură
MTCS Suport de Curs
MTCS Suport de Curs
=
Cu ct acest coeficient va fi mai apropiat de 1, cu att scala noastr va fi mai
bun.
3.1.2. Distribuia univariat
Dup colectarea datelor urmeaz faza de analiz a datelor. n cazul n care
analizm o singur variabil vorbim despre distribuie univariat.
Aspectele care ne intereseaz sunt:
- descrierea variabilelor;
- tendina central;
- mprtierea datelor;
- forma distribuiei.
Pentru descrierea variabilelor folosim distribuia de frecvene, adic o list a
valorilor (categoriilor) posibile ale unei variabile, nsoite de numrul de observaii care
iau respectivele valori. Pentru o variabil cu valori continue (de exemplu, salariul brut pe
luna decembrie al angajailor unei instituii) aceast list poate conine prea multe
elemente i se poate ntreprinde o re-codificare (salariu sub 3 milioane, ntre 3 milioane i
3.999.999, 4.000.000-4.999.999, etc...). Numrul de observaii este numit frecvene
absolute. Dac-l raportm la numrul total de observaii obinem frecvene relative. Un
alt tip de frecvene sunt frecvenele cumulate i reprezint suma dintre frecvena relativ
a respectivei categorii i frecvenele relative ale categoriilor inferioare.
S presupunem c 20 de studeni au dat un examen. Tabelul de frecvene asociat
notelor la examen este:
Nota Frecvena (absolut) Frecvena relativ (%) Frecvena cumulat
(%)
3 2 10.0 10.0
4 3 15.0 25.0
5 1 5.0 30.0
6 2 10.0 40.0
7 3 15.0 55.0
8 3 15.0 70.0
9 4 20.0 90.0
10 2 10.0 100.0
Total 20 100.0 100.0
Pe baza acestui tabel putem afla c 2 studeni au luat nota 10, sau c 10% dintre
studeni au luat nota 6, sau c 25.0% nu au luat examenul.
Reprezentarea grafic a unui tabel de frecvene se face de obicei cu ajutorul unei
histograme sau a unei diagrame-bar. n cazul ambelor tipuri de grafice, pe axa vertical
sunt reprezentate frecvenele (absolute sau relative) iar pe axa orizontal sunt
reprezentate valorile variabilei analizate. Totui, cele dou tipuri de grafice sunt utilizate
difereniat: histograma este recomandat numai n cazul variabilelor msurate la nivel de
interval sau de raport, n timp ce diagrama-bar se folosete de preferin pentru variabile
nominale i ordinale. Aceast diferen provine din modul lor de construcie.
Dac dorim s vedem cum se prezint greutatea romnilor chestionai n
Barometrul Opiniei Publice din octombrie 2003 histograma s-ar prezenta astfel:
Fiecare bar vertical ne spune de fapt ci indivizi sunt ntr-un interval. De
exemplu, bara corespunztoare cifrei 70 ne spune de fapt cte persoane din eantion au
greutatea ntre 65 i 75 de kilograme.
Dac dorim s vedem ci dintre romnii chestionai o duc mai bine ca n urm cu
un an folosim o diagram bar:
Indicatorii tendinei centrale cei mai des utilizai sunt: modul, mediana i media.
Modul este definit ca fiind valoarea cu frecvena cea mai mare a unei distribuii.
Altfel spus, modul este acea valoare a variabilei care apare cel mai des ntr-un eantion
sau ntr-o populaie.
n cazul exemplului cu notele, cel mai des se ntlnete nota 9, deci ea este modul.
n cazul diagramei bar modul este vrful distribuiei, adic varianta aproximativ la fel.
Modul se poate folosi n cazul oricrui nivel de msurare.
Mediana este definit ca fiind acea valoare a unei variabile care mparte seria
ordonat de date n dou pri egale, astfel nct 50% din observaii se vor situa deasupra
valorii mediane iar 50% dedesubtul ei.
n exemplul cu exemplul notele avem un caz aparte: care este observaia din
mijloc: 10 sau 11? Valoarea medianei n cazul unei distribuii cu numr par de observaii
este media valorii observaiilor din mijloc. n cazul nostru este 7. Mediana nu se poate
folosi n cazul nivelului nominal, avnd n vedere c nu putem realiza aici o ordonare.
X
Indicatori oarecum similari cu mediana sunt percentilele sau cuantilele. Percentila
p este acea valoare sub care se afl p% din cazuri i deasupra creia se afl (100-p)% din
cazuri. Acestea ne ajut s mprim valorile observaiei. Mediana reprezint o mprire
a distribuiei n 2, se mai folosesc cuartile (mprire n 4), quintilele (n 5) i decilele (n
10).
Media (aritmetic) este probabil cea mai important i totodat cea mai popular
msur a tendinei centrale a unei distribuii. Ea se calculeaz ca sum a tuturor valorilor
observate ale distribuiei mprit la numrul total de observaii:
N
x
N
x x x x
X
N
i
i
N
=
=
+ + + +
=
1 3 2 1
.......
unde:
este media
x
i
reprezint valoarea pe care o ia observaia i
N este numrul total de observaii
n exemplul notelor luate la examen suma notelor este 136, mprit la numrul
total de observaii (20) obinem 6.80
n cazul n care media trebuie calculat pe baza unui tabel de frecvene, formula
devine:
N
x f
X
k
j
j j
=
=
1
unde:
k este numrul de categorii (valori) ale variabilei
f
j
reprezint frecvena de apariie a categoriei j
x
j
este valoarea categoriei j
N este numrul total de observaii
Media este indicatorul cel mai bun pentru tendina central n cazul variabilelor
msurate la nivel de interval sau de rapoarte. n cazul nivelului ordinal sau a celui
nominal se recomand s se evite folosirea mediei.
Msurile tendinei centrale sunt eseniale pentru descrierea unei caracteristici a
unei distribuii, dar nu i suficiente. Pentru descrierea complet a unei variabile este
foarte important s tim i ct de "mprtiate" sunt valorile acesteia n jurul tendinei
centrale sau, cu alte cuvinte, ct de omogen respectiv eterogen este populaia
(eantionul) a crei distribuie n raport cu o anumit variabil o studiem.
Principalii indicatori de mprtiere sunt bazai pe abaterile observaiilor de la
tendina central (n general fa de medie, uneori fa de median, ca n abaterea
intercuartilic). Abaterea de la medie a unei observaii este diferena dintre valoarea pe
care o ia respectiva observaie i media variabilei ( X x
i
).Una din proprietile mediei
este ns aceea c suma tuturor abaterilor individuale de la medie este egal cu 0:
=
=
n
i
i
X x
1
0 ) ( (sau cu alte cuvinte, abaterile pozitive le vor anula pe cele negative). n
consecin, pentru a obine o msur a variaiei la nivelul ntregului eantion sau a ntregii
populaii trebuie utilizat fie suma valorilor absolute ale abaterilor individuale de la
medie, fie suma ptratelor acestor abateri.
Abaterea medie absolut este definit ca medie aritmetic a abaterilor individuale
absolute (ignornd semnul acestora) de la media variabilei:
= X x
N
AMA
i
1
O alt msur, mult mai rspndit, este variana variabilei. Variana (sau
dispersia) se noteaz cu s i se definete ca fiind media aritmetic a ptratelor abaterilor
individuale de la medie:
=
2
) (
1
X x
N
s
i
Deoarece variana, datorit ridicrii la ptrat, este destul de dificil de interpretat,
cea mai utilizat msur a variaiei unei variabile, pentru scopuri descriptive, este
abaterea standard, definit ca radical de ordinul doi (rdcin ptrat) din varian:
2
s s =
Eterogenitatea unui grup este cu att mai mare cu ct abaterea standard este mai mare.
Valoarea n sine a abaterii standard nu ne spune, deseori suficient, pentru c este n
funcie de valorile distribuiei. O abatere standard de 3.5 este mic sau mare? Pentru
ti acest lucru trebuie s ne raportm la valorile existente, sau mai ales la media
valorilor. Pentru aceasta introducem coeficientul de variaie, calculat ca raport ntre
abaterea standard i media unei variabile:
X
s
CV =
Abaterea standard este folosit de anumii investitori ca o msur a riscului.
Putem compara dou portofolii de aciuni care au adus acelai beneficii dup o perioad
de timp. Lund n calcul abaterea standard pentru rata profitabilitii pentru fiecare
portofoliu, o abatere standard mai mare corespunde unui risc mai mare (sau cum se mai
spune, respectivul portofoliu este mai volatil evoluiile au fost mai mari). n cazul n
care beneficiile sunt diferite putem folosi coeficientul de variaie.
Forma distribuiei se poate vedea cel mai bine din reprezentarea grafic. Cazul cel
mai fericit este cel al distribuiei normale sau simetrice. n acest caz exist o valoare
maxim, n jurul creia se regsesc majoritatea valorilor, iar valorile extreme sunt extrem
de rare. n acest caz modul, mediana i media se regsesc n acelai punct, vrful
distribuiei.
O reprezentare grafic este:
Un exemplu de distribuie normal este cea a inteligenei (valorii coeficientului de
inteligen n cadrul unei populaii). Valoarea cel mai des ntlnit este n jurul cifrei 100,
cifre extreme (extrem de inteligeni sau cu inteligen redus) ntlnindu-se, n cazul
populaiei sntoase, extrem de rar.
Distribuia poate fi alungit, spre stnga sau spre dreapta (vezi figurile de mai
jos). n acest caz i modul i media se deplaseaz fa de median n sensul opus
alungirii, modul chiar mai mult dect media.
Cu ct alungirea este mai mare, cu att indicatorii tendinei centrale i pierd din
relevan.
3.1.3. Distribuia bivariat
Variabile calitative.
Cum putem testa dac ntre dou variabile calitative exist o relaie?
Primul lucru pe care trebuie s l facem confruntai cu o astfel de ntrebare este
construirea unui tabel cu dubl intrare, numit i tabel de contingen, n care valorile
uneia dintre variabile apar pe coloane i valorile celei de-a doua variabile apar pe rnduri
(mai exist varianta n care putem pune frecvenele relative, lucru util n cazul n care
avem diferene mari ntre numrul de indivizi de pe un rnd sau altul, ori diferene mari
ntre coloane).
S lum exemplul unor studeni care au dat un examen. tim c prezena nu este
obligatorie la cursuri, dar s-ar putea s fie o condiie a reuitei la examen.
Construim tabelul de contingen punnd pe rnduri prezena la cursuri i
rezultatul la examen (au trecut sau au picat) pe coloane. Vom folosi frecvenele absolute.
Rezultatul este:
Rezultatul la examen
Prezen la cursuri Au trecut examenul Au picat examenul Total
Peste 75% 40 10 50
Sub 75% 20 30 50
Total 60 40 100
Se poate observa din start c valorile cele mai mari se gsesc n celulele studeni
cu prezen bun care i-au trecut examenul i studeni cu prezen slab care l-au picat,
ceea ce tinde s ne demonstreze ipoteza.
Cum putem testa dac aceast observaie corespunde realitii?
Pentru a rspunde la aceast ntrebare trebuie s vedem cum ar trebui s arate
distribuia n situaia n care nu exist asociere, adic n situaia de independen.
Acest lucru se face cu ajutorul testul _
2
de independen.
n statistic se practic testarea prin intermediul ipotezei nule. Aceast ipotez
nul H
0
este cel mai adesea contrariul a ceea ce presupunem i folosim datele avut la
dispoziie pentru a o contrazice.
tim care este distribuia real a populaiei de studeni. Trebuie s vedem cum ar
arta aceasta n cazul n care nu avem asociere. Acest lucru se face pe baza
probabilitilor.
Probabilitatea ca un student s-i treac examenul este calculat ca raportul dintre
numrul celor care l-au trecut i numrul total:
P(trecerea examenului)=60/100=0.60
Similar se calculeaz i probabilitatea ca un student s aib o prezen bun
P(prezen bun)=50/100=0.50
Probabilitatea ca dou fenomene s se ntmple simultan, deci ca un student s
treac examenul i s aib o prezen bun, se obine prin nmulirea probabilitilor celor
dou fenomene:
P(prezen bun, trecerea examenului)=0.60*0.5=0.30
nmulind cu numrul total de studeni obinem c 30 de studeni ar trebui s aib
prezen bun i s treac examenul. Refacem operaiunea pentru fiecare celul i
obinem tabelul frecvenelor ateptate:
Rezultatul la examen
Prezen la cursuri Au trecut examenul Au picat examenul Total
Peste 75% 30 20 50
Sub 75% 20 30 50
Total 50 50 100
Formula lui Hi ptrat este:
unde:
O
i
reprezint valoarea observat
A
i
reprezint valoarea ateptat (n ipoteza independenei)
n este numrul total de celule al tabelului.
n cazul nostru avem
Numrul gradelor de libertate n acest caz se calculeaz dup formula:
unde:
j reprezint numrul de rnduri ale tabelului n care sunt dispuse frecvenele
k reprezint numrul de coloane.
n acest caz df= 1. Exist un tabel cu valori critice pentru _
2
(poate fi gsit n
multe manuale de metode de cercetare
22
), cu ajutorul cruia observm c unui nivel de
probabilitate de 0.01 (99%) i 1 grad de libertate i corespunde valoarea 6,64, valoare mai
mic dect valoarea calculat a lui _
2
. n aceast situaie vom spune c ipoteza nul H
0
care presupune independena dintre reuita la examen i prezena la curs poate fi respins,
cu o probabilitate de eroare de 0,01. n consecin, reuita la examen este asociat (poate
fi explicat) prin prezena la cursuri.
Testul _
2
ne ofer ns informaii numai despre existena unei relaii de asociere
ntre dou variabile, dar nu i despre intensitatea respectivei relaii. Pentru a rspunde la
22
De exemplu, Traian Rotariu, Petre Ilu, Ancheta sociologic i sondajul de opinie, Polirom, 1997, p. 171
=
n
i i
i i
A
A O
2
2
) (
_
33 . 8 00 . 5 33 . 3 0 0
20
) 20 10 (
30
) 30 40 (
2 2
2
= + = + +
= _
) 1 )( 1 ( = k j df
ntrebarea "Ct de puternic este relaia de asociere dintre dou variabile?" avem nevoie
de msuri specifice. (i pentru hi ptrat, cu ct acesta are o valoare mai mare putem spune
c asocierea e mai intens, problema apare atunci cnd comparm doua situaii cu numr
diferit de grade de libertate).
n cazul variabilelor nominale (putem trata reuita la examen ca o variabil
nominal, dei s treci examenul este mai bine dect s-l pici, la fel n cazul prezenei la
cursuri) folosim coeficientul , care reprezint tocmai proporia cu care se reduce
numrul de erori prin introducerea variabilei independente (prezena la cursuri).
Recurgem din nou la probabiliti. Dac lum distribuia variabilei reuit la
examen i ncercm s prezicem reuita la examen: avem 50%-50%. Predicia se face de
obicei pe baza celei mai mari probabiliti. n acest caz alegem ca predicie succesul i
vom avea 50 de erori.
Prin introducerea variabilei prezen predicia se modific: pentru cei cu prezen
bun vom prezice succesul i vom avea doar 10 erori, pentru ceilali prezicem insucces i
vom avea 20 de erori. n total avem 30 de erori. Calculul coeficientului se bazeaz pe
diferena dintre eroarea iniial i cea final, totul mprit la eroarea iniial.
40 , 0
50
30 50
=
=
Coeficientul are valori ntre 0 i 1. 0 nseamn absena relaiei de asociere iar 1
intensitate maxim.
n cazul variabilelor ordinale avem de a face cu ierarhizarea categoriilor. n cazul
nostru exist pentru fiecare variabil dou ranguri. Succesul la examen este un rang mai
mare dect eecul, la fel buna prezen fa de una slab. Se presupune c un rang mai
mare pentru o variabil se asociaz cu un rang mai mare pentru cealalt, la fel n cazul
rangurilor mici. Obinem astfel dou tipuri de perechi de observaii:
- pereche concordant n cazul n care individul care are un rang mai nalt pe o
variabil are un rang mai nalt i pe a doua variabil.
- pereche discordant n cazul n care individul care are un rang mai nalt pe o variabil
are un rang mai cobort pe cealalt variabil.
Introducem coeficientul t
a
al lui Kendall:
nt
nd nc
a
= t
unde:
nt este numrul total de perechi;
nc este numrul de perechi concordante;
nd este numrul de perechi discordante.
n cazul nostru nt=100, nc=70 i nd=30, deci t
a
=0.40.
Coeficientul lui Kendall poate lua valori ntre 1 (intensitate maxim, dar pentru
asociere invers) i 1.
Statistica presupune operaii matematice destul de complicate. Imaginai-v cum
ar arta toate calculele de mai sus pentru un tabel de 5 rnduri i 5 coloane. De aceea, este
cel mai bine s folosim calculatorul pentru a face ce tie el mai bine: s calculeze
valoarea tuturor acestor coeficieni. Pentru aceasta avem programe de prelucrare statistic
a datelor, cel mai cunoscut fiind SPSS, sau n programe cum ar fi Microsoft Excel avem
formule de calculare al unor coeficieni statistici.
Variabile cantitative.
Reprezentarea grafic a unei distribuii bivariate cu variabile cantitative se face de
obicei printr-un grafic numit scatterplot.
Mai sus am ncercat s vedem cum se prezentau n 1995 109 ri ale lumii sub
raportul Produsului Naional Brut pe locuitor i al gradului de alfabetizare.
Graficul ne sugereaz o posibil relaie: PNB/locuitor este cu att mai mare cu ct
gradul de alfabetizare este mai mare.
Pentru a vedea ct de tare este relaia vom folosi coeficientul de corelaie a lui
Pearson (r), care este o msur a relaiei liniare dintre cele dou variabile i poate lua
valori ntre 0 i 1. Valorile apropiate de 0 ne indic o relaie inexistent. n cazul
exemplului nostru r= 0.552. Pe grafic putem trasa i o dreapt (numit dreapt de
regresie), care ne arat sensul relaiei i tria sa.
Unitatea 2 Analiza datelor cu ajutorul SPSS
Obiective: nelegerea modului n care poate fi folosit programul SPSS pentru a
introduce datele, a prezenta datele i a testa datele cu ajutorul unor proceduri statistice.
Cuvinte cheie: Variabile, Grafice, Asociere, Regresie, Semnificaie
Statistica este o tiin puternic matematizat, n care formulele cu un grad destul
de ridicat de complexitate apar n cazul fiecrui indicator. Pentru cei cu o pregtire
matematic mai redus (sau pentru cei care au uitat matematica nvat n liceu) poate
prea un adevrat comar, n care expresia Nu neleg! apare extrem de des.
Din fericire, au aprut diferite pachete de prelucrare statistic destul de uor de
folosit pentru cei care au noiuni de baz de utilizare a calculatorului. Unul dintre ele,
care va fi prezentat pe scurt n cele ce urmeaz este SPSS.
Acest program a ajuns la varianta 19.0 (pn la data elaborrii materialului
septembrie 2010). Operaiunile de baz nu difer dect foarte puin de la o variant la
alta, aa c putem folosi fr probleme orice variant de la 10.0 ncoace.
Exist patru etape:
3.2.1. Introducerea datelor
Introducerea datelor se face ntr-o fereastr asemntoare cu cea din Excel.
Practic avem de a face cu un tabel n care pe fiecare linie vom introduce valorile
observaiilor pentru fiecare individ din populaie, pe fiecare coloan avnd cte o
variabil.
Primul pas va fi s ne definim variabilele. n SPSS variantele anterioare lui 9.0
vom selecta din meniu Data->Define Variable, sau dac ne poziionm pe rndul zero
(unde scrie var) i apsm butonul din dreapta a mousului vom obine Define Variable.
Introducerea datelor
Alegerea unei proceduri
din meniuri
Selectarea variabilelor care
vor fi analizate
Examinarea rezultatelor
Vom obine o fereastr n care vom da un nume variabilei (unul care s ne permit
recunoaterea acesteia cu ct mai mici probleme, de preferin unul ct mai caracteristic
sau unul legat de modul de obinere a datelor, cum ar fi q1 rspunsul la prima ntrebare
dintr-un chestionar sau a1 rspunsul la prima ntrebare din prima seciune a
chestionarului).
Type se refer la tipul variabilei i de lungimea sa. Cele mai importante sunt de
tip numeric sau cele de tip string sau text (ir de caractere). n cazul folosirii unor
instrumente cu un grad mare de structurare (cum ar fi un chestionar cu ntrebri nchise)
i ca urmare a unei codificri numerice a rspunsurilor vom avea rspunsuri de tip
numeric. De exemplu, pentru variabila sex vom avea 1 feminin i 2 masculin.
Lungimea trebuie specificat n numr de caractere pentru cele de tip string sau lungime
i numr de zecimale pentru cele numerice;
Missing Values se folosete pentru a ti ce valori lipsesc i vor fi excluse din
prelucrri;
Column Format se refer la dimensiunea coloanei i la alinierea valorilor din
fiecare celul a coloanei. Dimensiunea coloanei poate fi modificat i cu ajutorul mouse-
ului;
Labels ne permite introducerea unei descrieri sumare a variabilei (Label -
etichet) i a variabilelor de rspuns posibile. Se introduce valoarea, apoi denumirea
variantei de rspuns i se apas butonul Add (n cazul nostru am introdus valoarea 1,
label feminin, apoi am trecut la varianta 2). Dac se dorete modificarea unei valori deja
introduse avem la dispoziie butonul Change. Dup ce am ncheiat de adugat toate
variantele, prin apsarea butonului Continue vom reveni n fereastra de definire a
variabilei.
Introducerea datelor se face foarte simplu: vom introduce fie valoarea existent
(dac avem de a face cu o variabil numeric de exemplu pentru vrst vom introduce
numrul de ani, n cazul n care nu am definit variabila n alt mod) sau cea definit (n
cazul nostru 1 pentru un respondent de sex feminin).
Pentru variabilele n cazul crora avem mai multe variante de rspuns ne ajut la
introducere s avem n fa codificarea rspunsurilor (1- sex feminin), dar i s avem din
meniu View->Value Labels selectat. n acest caz introducem 1 pentru variabila sex i
ne va aprea feminin, posibilitatea erorilor la introducere reducndu-se simitor.
Dup ce am introdus date vom obine pe ecran ceva asemntor cu ce avem mai
sus.
Dac se ntmpl s uitm s introducem o variabil sau un subiect (un caz) tot
din meniul Data vom avea opiunile Insert Variable care va introduce o coloan nou
naintea celei curente sau Insert Case, care va insera un rnd nou naintea celui pe care
ne aflm.
n SPSS variantele ulterioare lui 9.0 avem dou ferestre, cea de date i cea de
variabile, care ne permite s ne definim variabilele, cu aceleai opiuni de completat ca
mai sus. n plus apare Measurement, n care vom specifica la ce nivel se msoar
variabila (nominal, interval, sau scale, care se aplic variabilelor numerice, continue).
Dup ce am introdus toate datele s-ar putea s fim interesai s obinem o nou
codificare a variabilelor. n exemplul de mai sus am introdus variabila studii sub forma
numrului de ani petrecui n coal, mai acceptabil pentru prelucrri statistice mai
tari. Pentru un tabel de asociere vom avea nevoie ns de o reducere a numrului de
valori posibile, de preferin n categorii cunoscute, cum ar fi primare, gimnaziale, liceu,
facultate. Pentru aceasta nu trebuie neaprat s lum din nou toate observaiile i s le
introducem ntr-o nou variabil ci putem s construim automat o nou variabil.
Din Transform->Recode->Into Different Variables alegem variabila care
trebuie recodificat (n cazul nostru studii) i vom da un nume i o etichet variabilei. Cu
ajutorul butonului If putem pune i anumite condiii.
Butonul Old and New Values ne permite s construim algoritmul de
transformare.
n partea din stnga definim valoarea vechii variabile, ori ca valoare discret, ori
n cazul n care nu a fost introdus ori a fost definit ca valoare lips (cum ar fi pentru cei
crora nu li se aplic ntrebarea), ori pentru un interval de valori sau toate valorile mai
mici sau mai mari dect o valoare care se introduce. n dreapta se stabilete valoarea
corespunztoare i se apas butonul Add. n cazul nostru am ales ca 1 din variabila nou,
scoala, s reprezinte ntre 1 i 7 ani de coal. Procedura se repet de cte ori este nevoie.
Dac se dorete modificarea unei valori deja introduse avem la dispoziie butonul
Change.
3.2.2 Proceduri de prelucrare statistic
Vom prezenta n continuare cteva proceduri simple de prelucrare statistic.
Pentru cei care vor s cunoasc mai multe metode sau mai mult despre anumite
metode (inclusiv teoria) exist o serie de cri de statistic care pot fi folosite. O
recomandare este Traian Rotariu (coordonator), Gabriel Bdescu, Irina Culic, Elemer
Mezei, Cornelia Murean, Metode Statistice Aplicate n tiinele Sociale, Polirom, 2000.
O noiune fundamental a statisticii este cea de frecven. Aceasta ne spune ci
indivizi din populaie au o anumit caracteristic. Pe lng frecvenele absolute mai avem
i frecvene relative, calculate prin raportarea frecvenelor absolute la numrul total al
indivizilor din populaie. Mai exist i frecvene cumulate, care se calculeaz pentru
variabile ordinale, de interval i de rapoarte. Ele ne arat ci indivizi (ce proporie dintre
ei) se gsesc pn la o anumit valoare.
Pentru a calcula frecvena variabilei birth_r (rata natalitii) din fiierul World95
vom alege din meniu Statistics->Summarize->Frequencies. Din fereastra obinuta vom
selecta prin dublu-click sau cu ajutorul butonului din mijloc (cel cu un triunghi)
variabilele care ne intereseaz.
Butonul Statistics ne permite s selectm ce alte prelucrri statistice vom face
asupra datelor.
Exist mai multe tipuri de prelucrri care ne pot arta cum sunt distribuite valorile
n populaia noastr.
Percentile Values ne arat cum sunt distribuite valorile pe grupuri: ori pe cuartile
(care este valoarea maxim pentru fiecare sfert din populaie), pentru un numr stabilit de
grupuri egale sau pentru anumite procente din populaie.
Dispersion se refer la dispersie (sau mprtiere). Se pot calcula abaterea
standard, variana, intervalul n care se situeaz valorile, valoarea minim i maxim,
media erorii standard.
Central Tendency: Indicatori de poziie cum ar fi media aritmetic, mediana
(valoarea caracteristic individului cu rangul mediu), modul (valoarea cel mai des
ntlnit), suma.
Distribution calculeaz indicatorii de form, oblicitatea sau boltirea.
Butonul Charts ne permite s adugm i un grafic.
Rezultatul prelucrrii statistice va aprea ntr-o nou fereastr (ca i n cazul
lansrii unui nou program), Output navigator.
Avem n aceast fereastr dou panouri: n cel din stnga ne sunt afiate
prelucrrile solicitate, pe subcapitole, iar n cel din dreapta rezultatele propriu-zise.
Navigarea se poate face folosind panoul din dreapta, selectnd procedura dorit (ntr-un
output putem grupa foarte multe prelucrri, care pot fi i terse cu tot cu rezultate) vom
merge la rezultate. Outputul poate fi salvat pentru folosin ulterioar.
Vom avea pentru frecvenele noastre mai nti o parte de Statistics referitoare la
prelucrrile dorite (vom avea media i valorile celor trei praguri dintre sferturile din
populaie). Tot de aici aflm c avem 109 indivizi (de fapt ri) n populaie i c nu avem
valori lips.
n continuare vom avea frecvenele: att absolute (pe coloana Frequency), ct i
relative (Percent dac includem i valorile lips sau Valid Percent, dac le omitem) sau
cumulative.
Procedura Descriptives afieaz cteva dintre indicatorii de mai sus pentru mai
multe variabile n acelai tabel. n plus poate calcula i valorile standardizate pentru
acestea.
Procedura Explore ne poate afia statistici i grafice fie pentru toate datele sau
separat pentru anumite grupuri de cazuri, tabele de frecven, teste de normalitate,
varian .a.
Procedura Crosstabs produce tabele de asociere (recomandabil pentru variabilele
de tip nominal i ordinal) i ne furnizeaz 22 de teste i de msuri pentru asociere.
Structura tabelelor i dac avem categoriile ordonate determin tipul de teste. n celule
vom avea numrul de indivizi care ndeplinesc combinaia de valori cerut. Se poate cere
i obinerea unor procentaje pe rnduri sau pe coloane. Mai exist i posibilitatea
introducerii unor variabile de control.
De exemplu, pe datele din fiierul Employee Data vom ncerca s vedem care
este asocierea ntre sexul unei persoane i tipul de funcie pe care-l ocup, verificnd dac
nu cumva rasa influeneaz.
Statisticile vor fi alese n funcie de tipul variabilei.
Din tabel vom putea avea anumite indicaii despre posibilele relaii. De exemplu
putem vedea c fr s facem o clasificare dup ras, 60.1% dintre funcionari sunt femei
i 39.9% brbai i, mai important, c 94.3% dintre femei sunt funcionare respectiv
56.7% dintre brbai. Se poate trage concluzia c o femeie este foarte posibil s fie
funcionar dar n general nu exist o relaie semnificativ din punct de vedere statistic
ntre postul ocupat i sex.
Pentru selectarea celei mai potrivite proceduri de analiz statistic, de un mare
ajutor ne este Statistics Coach, care pe baza opiunilor noastre ne duce la procedura
statistic cea mai potrivit. La nceput suntem ntrebai de scopul pe care dorim s-l
atingem. Opiunile sunt:
- Sumarizarea, descrierea sau prezentarea datelor;
- Variana i distribuia datelor;
- Crearea rapoartelor OLAP (Online Analytical Processing) care calculeaz
totaluri, medii i alte statistici univariate pentru variabile continue pe una sau
mai multe variabile de grupare;
- Compararea mediilor;
- Identificarea relaiilor semnificative ntre variabile;
- Identificarea grupurilor de cazuri similare;
- Identificarea variabilelor similare;
Vom prezenta opiunile urmtoare pentru cazul n care am ales Identificarea
relaiilor semnificative ntre variabile.
Urmtorul pas este s specificm la ce nivel au fost msurate datele. n cazul n
care am selectat date pe categorii (nominal sau ordinal) vom fi dui la procedura de
asociere (crosstabs). Dac vom selecta Ordinal, rank-order, or non-normal
continuous data vom ajunge la procedura de corelaie bivariat. Dac selectm date
continue, numerice (nivel de interval sau raport) suntem ntrebai de numrul de variabile.
Pentru dou variabile ajungem la o corelaie bivariat, cnd avem tot dou, dar dorim s
controlm efectul altor variabile, ajungem la corelaii pariale, pentru trei variabile
ajungem la un grafic scatter tri-dimensional, iar pentru o variabil dependent i dou sau
mai multe variabile independente ajungem la regresie liniar.
Teste de semnificaie
Pentru Asociere (cross-tabs): dup ce selectm variabilele ntre care dorim s
vedem dac exist o asociere, din butonul Statistics vom selecta coeficienii care trebuie
calculai: chi-square care ne va spune dac avem o asociere i
Pentru date msurate la nivel nominal putem selecta urmtorii coeficieni Phi,
Cramr's V, Contingency coefficient, Lambda i Uncertainty coefficient. De
exemplu, lambda poate lua valori ntre 0 i 1, 0 nsemnnd lipsa asocierii ntre variabila
independent i 1 asociere perfect.
Pentru date ordinale putem selecta Gamma Kendall's tau-b, Kendall's tau-c i
Somers' d. Gamma poate lua valori ntre -1 i 1. Cu ct valoarea absolut este mai
apropiat de 1, relaia este mai puternic; semnul lui gamma ne d direcia relaiei:
pozitiv sau negativ.
Dac ncercm s testm relaia dintre numrul de copii i starea de fericire pe
baza datelor din fiierul 1991 U.S. General Social Survey (furnizat mpreun cu SPSS-ul)
obinem:
Chi-Square Tests
26.789
a
16 .044
24.091 16 .088
.264 1 .607
1497
Pearson Chi-Square
Likelihood Ratio
Linear-by-Linear
Association
N of Valid Cases
Value df
Asy mp. Sig.
(2-sided)
3 cells (11.1%) have expected count less t han 5. The
minimum expected count is 1.86.
a.
Putem constata c valoarea lui chi-square 26.789, la un numr de 16 grade de
libertate are semnificaia de 0.044, deci e mai mic de 0.05 (pragul critic pentru a
considera o relaie semnificativ), deci ntre cele dou variabile exist o asociere
semnificativ din punct de vedere statistic.
Pentru a afla direcia i magnitudinea relaiei apelm la gamma:
Symmetric Measures
.001 .033 .034 .973
1497
Gamma Ordinal by Ordinal
N of Valid Cases
Value
Asy mp.
St d. Error
a
Approx. T
b
Approx. Sig.
Not assuming the null hypothesis.
a.
Using the asymptotic standard error assuming the null hypothesis.
b.
Rezultatul ne spune c avem o relaie pozitiv, foarte slab (de altfel gamma nu
este semnificativ din punct de vedere statistic).
Pentru o regresie liniar: Regression->Linear ne duce la fereastra n care
specificm modelul. S presupunem c n acelai fiier U.S. General Social Survey dorim
s explicm prestigiul ocupaiei (variabila dependent) n funcie de numrul de ani de
coal i de vrst (toate trei sunt variabile numerice, continue). Obinem mai nti un
sumar al modelului propus:
Model Summary
.540
a
.292 .291 11.004
Model
1
R R Square
Adjusted
R Square
St d. Error of
the Estimate
Predictors: (Constant), Age of Respondent, Highest
Year of School Complet ed
a.
R Square ne arat care este proporia din variabila dependent explicat de
modelul nostru. n acest caz avem c 29.2% din variaia n prestigiul ocupaiei este
explicat de numrul de ani de coal i de vrst. Adjusted R square ncearc s
corecteze R square pentru a reflecta mai bine modul n care modelul se potrivete pentru
populaia noastr.
ANOVA
b
70340.375 2 35170.188 290.445 .000
a
170737.7 1410 121.091
241078.1 1412
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Const ant), Age of Respondent, Highest Year of School Completed
a.
Dependent Variable: R's Occupational Prestige Score (1980)
b.
Tabelul urmtor ne arat n ce msur modelul nostru este semnificativ din punct
de vedere statistic: Sig. trebuie s fie mai mic dect 0.05 pentru a avea un model bun
(adevrat n cazul nostru).
Coeffi ci ents
a
5.582 1.744 3.201 .001
2.468 .102 .559 24.099 .000
.114 .017 .153 6.592 .000
(Constant)
Highest Year of
School Completed
Age of Respondent
Model
1
B St d. Error
Unstandardized
Coef f icients
Beta
St andardized
Coef f icients
t Sig.
Dependent Variable: R's Occupational Prestige Score (1980)
a.
Tabelul de coeficieni ne ajut s nelegem mai bine ce se petrece. Coeficienii
Beta ne spun care factor este mai important cel cu valoarea absolut cea mai mare, n
cazul nostru anii de coal. Beta poate lua i valori negative, n acel caz indicnd o relaie
negativ.
Coeficienii B ne ajut s calculm ecuaia dreptei de regresie care ne descrie
modelul. Aceasta este R's Occupational Prestige Score = 5.582+2.468* Highest Year of
School Completed+0.114* Age of Respondent
Trebuie s avem grij ca valorile semnificaiei s fie sub 0.05 pentru fiecare
variabil independent mai multe variabile nesemnificative pot reduce semnificaia
modelului. Este adevrat c mai multe variabile pot duce la creterea lui R square, dar
deseori pierdem din semnificaie. Trebuie s fim ateni ca variabilele independente s fie
cu adevrat independente, s nu fie corelate ntre ele.
n cazul n care vrem s aflm care este relaia dintr-o variabil msurat la nivel
interval sau rapoarte i una msurat la nivel nominal sau ordinal folosim compararea
mediilor (Analyze->Compare Means -> Means).
Dac dorim s aflm legtura dintre consumul de calorii i climatul dintr-o ar
folosim fiierul World 95 n care avem datele pentru o serie de ri. Alegem ca variabil
dependent consumul caloric (daily calorie intake) i ca variabil independent climatul
(climate). Apsnd butonul Options putem opta pentru obinerea tabelului ANOVA i
pentru efectuarea testului de liniaritate.
Vom obine n primul rnd tabelul cu mediile consumului caloric pentru fiecare
tip de climat.
Consum caloric
Climat Media N Std deviation
desert 2750.75 4 602.737
arid / desert 3003.33 3 319.929
arid 2818.00 3 553.437
tropical 2374.93 28 308.809
mediteranean 2829.33 6 542.235
temperat 3216.65 23 529.417
arctic / temp 3231.67 3 261.653
Total 2794.56 70 564.711
Putem vedea c avem cele mai mari medii pentru climatul arctic urmat de cel
temperat i cea mai mic pentru climatul tropical. Abaterea standard ne ajut s vedem
ct de omogene sunt grupurile noastre (cu ct abaterea este mai mare, cu att grupurile
sunt mai puin omogene).
Ca s aflm dac relaia presupus (cu ct climatul este mai rece cu att consumul
caloric este mai mare) avem nevoie de tabelul ANOVA.
ANOVA Table
Sum of
Squares df
Mean
Square F Sig.
Daily calorie intake
* Predominant
Between
Groups
(Combined) 9748782.780 6 1624797.130 8.353 .000
Linearity 3465583.634 1 3465583.634 17.815 .000
climate Deviation from
Linearity
6283199.146 5 1256639.829 6.460 .000
Within Groups 1.226E7 63 194526.833
Total 2.200E7 69
Semnificaia se gsete n ultima coloan. Dac Sig. Este mai mic de pragul de
0.05 putem spune c relaia noastr este una semnificativ.
Ca s aflm tria relaiei (ct influeneaz climatul consumul de calorii) vom
folosi testul de liniaritate.
Masuri de Asociere
R R Squared Eta Eta Squared
Consum caloric * climat .397 .157 .666 .443
Coeficientul R
2
se interpreteaz la fel ca n cazul regresiei liniare (proporia n
care variaia variabilei independente explic variaia variabilei dependente). Coeficientul
Eta
2
se interpreteaz identic (explicm 44.3% din consumul caloric prin clim), dar este
un coeficient de asociere nonliniar. Dac relaia ar fi una liniar atunci Eta
2
=R
2
.
Rezultatele noastre ne spun c 15.7% este datorat relaiei liniare i diferena pn la
44.3% este componenta nonliniar a relaiei.
Grafice
Graficele pot fi gsite n meniul Graphs. Cteva dintre ele sunt clare: Bar, Line,
Area, Pie, High-Low, Histogram.
Dac vrem s aflm din fiierul Employee Data care este distribuia angajailor
dup sex i ras vom alege Graphs->Bar, cu opiunea Clustered (ca s obinem o
grupare) i vom alege variabila gender i ca i criteriu de grupare variabila minority.
Rezultatul va fi:
Cu rou vom avea procentajul de femei/brbai n rndul celor care nu aparin
unei minoriti i cu verde n cazul celor care aparin. Se poate observa c exist mai
muli brbai n rndul minoritarilor.
Un tip interesant de grafic este Scatter, care ne permite reprezentarea unor
variabile (de tip continuu) ntr-un spaiu bi sau tri-dimensional.
Varianta Simple ne reprezint grafic dou variabile, Matrix la fel, dar ncercnd
s surprind perechile de variabile, Overlay permite reprezentarea mai multor variabile,
diferenierea fcndu-se prin culori, iar 3-D se folosete pentru reprezentarea
tridimensional a trei variabile.
Dac dorim s reprezentm salariul n funcie de experien pentru cele trei tipuri
de posturi putem folosi un Simple Scatterplot cu opiunile de mai sus.
Rezultatul va fi un grafic n care este reprezentat fiecare dintre cazurile existente,
cu culori diferite, n funcie de tipul de munc depus: Manager, Custodial (paz) i
Clerical (funcionar).
Se observ c managerii ctig cel mai mult (ceea ce era i de ateptat). Exist
ns o relaie ntre ctiguri i experien? Vom putea observa ceva dac ncercm s
editm graficul. Aceasta se face cu un dublu-click pe el i vom obine o nou fereastr. n
aceasta, selectnd Chart->Options i selectnd Fit line, Subgroups vom obine o linie
care ne va indica cum evolueaz ctigul salarial n funcie de vechime pentru fiecare
grup.
Se poate observa c pentru manageri exist o relaie slab pozitiv, pentru paznici
aproape c nu exist nici o relaie, iar pentru funcionari relaia este slab negativ.
Dac ncercam s facem acelai lucru cu salariul fa de anii de educaie vom
observa c obinem o relaie pozitiv destul de bun. Rsq (adic R
2
)=0.4363 ne indic
faptul c 43.63% din variaia salariului este explicat de nivelul de educaie (dac era
1.00, relaia era perfect).
Educational level (years)
22 20 18 16 14 12 10 8 6
C
u
r
r
e
n
t
s
a
l
a
r
y
140000
120000
100000
80000
60000
40000
20000
0 Rsq = 0.4363
Cum putem folosi rezultatele SPSS n alte aplicaii
Cum spuneam, putem salva outputurile pentru folosire ulterioar. Avem
posibilitatea s listm ori ntreg outputul, ori doar partea pe care am selectat-o sau s o
trimitem prin e-mail. Datele n sine ar putea fi salvate n format EXCEL sau DBF (baz
de date) pentru alte prelucrri.
Orice element din output poate fi selectat cu ajutorul unui simplu click, copiat n
clipboard (Copy sau Copy Objects) i inserat n o alt aplicaie (cum ar fi Microsoft
Word) cu ajutorul comenzii Paste. Mai avem posibilitatea exportrii n format HTML
sau text.
Un grafic poate fi exportat n alt format. Pentru aceasta, dup un dublu-click
intrm n fereastra SPSS Chart Editor (unde putem modifica graficul) de unde opiunea
File->Export Chart ne permite s-l salvm n formate cum ar fi Windows Metafile
(recunoscut de aplicaii gen Microsoft Office), sau n alte formate, cum ar fi Bitmap,
Tagged Image File sau JPG. Butonul Options ne permite s setm modul de afiare a
imaginii (dimensiune, numr de culori) i n anumite cazuri dac imaginea va fi
comprimat.
Unitatea 3. Comunicarea rezultatelor cercetrii
Obiective: Deprinderea modului n care se poate realiza n condiii optime inseria social
a rezultatelor unei cercetri. nelegerea contextului social n care se desfoar
cercetrile i prezentarea celor mai bune metode pentru a spori audiena rezultatelor
obinute.
Cuvinte cheie: inserie social, context, motivaie.
Cercetrile se confrunt cu o problem important, cea a inseriei sociale a
rezultatelor. Prezentarea rezultatelor unui studiu (indiferent dac este vorba de o cercetare
fundamental sau o evaluare a unui program sau analiza unei politici publice) ntr-o
lucrare tiinific sau n mass-media nu este suficient pentru ca s fim siguri c el va
ajunge la urechile celor interesai. Cum pot ajunge informaiile provenite din cercetare s
constituie un input n formularea i implementarea unor programe mai bune?
Nu trebuie s neglijm faptul c studiile nu se desfoar ntr-un context de
neutralitate i obiectivitate. Uneori studiul este comandat de anumii beneficiari din
administraie, alteori de anumite grupuri interesate de programul n discuie, alteori din
pur interes tiinific. Indiferent de beneficiar, trebuie s fim contieni c lucrm ntr-un
cadru real, n care exist multiple interese, deseori contradictorii (n general, n orice
program exist din start trei interese care nu este obligatoriu s fie convergente: al
persoanelor care beneficiaz de program, al organizaiei care-l desfoar i al societii
n general).
ntotdeauna trebuie s vedem care sunt organizaiile sau persoanele interesate i
ce punct de vedere au. Acest lucru nu pentru a face studiul pe placul tuturor (lucru greu
de realizat), nici pentru a vedea ce punct de vedere are cele mai mari anse de ctig
pentru a ne ralia lui. Pur i simplu este util s includem n studiu diferitele puncte de
vedere i s le rspundem, astfel nct s avem argumente pentru fiecare.
Se poate ntmpla ca n efectuarea unui studiu s intrm n contact cu organizaii
sau persoane legate de acesta, dar cu vederi contradictorii. Avnd n vedere c un bun
studiu se face de regul cu sprijinul celor direct implicai n desfurarea programului,
trebuie s reuim s-i convingem c abordarea noastr va fi ct mai corect cu putin i
s le ctigm sprijinul n direcia aceasta.
Rezultatele cercetrii trebuie prezentate tuturor celor interesai. Exist civa
factori care determin folosirea informaiilor provenite din cercetare:
1. Actualitatea problemei. Dac problema studiat este de cel mai mare interes i cu un
grad mare de actualitate, informaiile sunt binevenite, administraia fiind mult mai
dispus s le foloseasc. n plus, n problemele fierbini, deseori nu exist suficient
informaie, ceea ce face ca orice nou surs s fie binevenit;
2. Modul n care sunt transmise ctre cei interesai. Dac informaiile ajung la factorii de
decizie prin intermediul unui colaborator de ncredere, ansele de utilizare cresc.
Aceast afirmaie pare tributar mentalitii pile, relaii, cunotine, dar realitatea ne
arat c pe cile obinuite de comunicare informaia are mari anse s se opreasc pe
biroul unui birocrat oarecare. Prezena unui avocat al acestor informaii ajut mult la
aducerea lor la cunotina celor cu putere de decizie;
3. Rezultatele. ansele sunt mai mari atunci cnd informaia nu contrazice politica i
bugetul instituiei. Instituiile vor privi cu mult mai mult bunvoin un studiu care le
susine deciziile, l vor folosi ca argument n favoarea lor, a politicilor aplicate. Prea
puine instituii sunt dispuse s efectueze schimbri majore n programele adoptate. n
condiiile n care studiile susin poziia instituiei, dac exist sugestii pentru
schimbri de mai mic importan, care nu afecteaz bugetul instituiei, exist anse
mai mari ca acestea s fie efectuate. Totui, rezultatele nu trebuie modificate (sau
falsificate) doar pentru a asigura o primire mai bun pentru cercetarea noastr. Este
preferabil s fie prezentate aa cum sunt, dar cu sugestii de rezolvare a situaiei;
4. Bunul nume sau renume al autorului (autorilor) cercetrii. Importana acestui factor
este evident. Credibilitatea informaiei este determinat n mare msur de
credibilitatea celui care o produce. Dac autorul are n spate o larg experien a unor
studii obiective, care au avut impact n rndul administraiei, ansele ca informaia s
fie luat n considerare crete;
5. Implicarea instituiei n desfurarea cercetrii. Acest aspect este important din dou
puncte de vedere. n primul rnd, dac instituia este consultat n privina cercetrii,
aceasta capt un anumit caracter de cercetare proprie a instituiei, care va privi mult
mai favorabil rezultatele obinute. n al doilea rnd, prin colaborarea beneficiarului
cercetarea poate deveni mult mai aplicat nevoilor acestuia. Deseori cercetrile sunt
concentrate pe probleme sau ntrebri generale, n vreme ce problemele specifice ale
unor instituii sunt lsate fr rspuns sau cu unele rspunsuri pariale;
6. Modul de redactare a informaiei. Aici este vorba de mai mult dect despre aspectul
estetic al prezentrii informaiei, dei i aspectul ambalajului este important.
Raportul de evaluare trebuie s fie ct mai complet, ct mai clar, dnd posibilitatea
evalurii ct mai precise a rezultatelor. Raportul de evaluare trebuie scris n funcie de
beneficiar. n condiiile n care beneficiarul este o instituie public, presupus a nu
avea specialiti n domeniul cercetrii sociale, trebuie evitat s se insiste prea mult pe
prezentarea tehnicilor de cercetare, cu accentul pe aspecte care pentru beneficiar sunt
ezoterice. n schimb, trebuie enunat problema ct mai clar, astfel ca beneficiarul s
nu atepte mai mult dect i se ofer, prezentarea rezultatelor s se fac sub dou
forme, un rezumat destinat persoanelor de conducere din instituie, care nu dispun de
prea mult timp, i ntreaga evaluare, cuprinznd i pri mai greoaie cum ar fi analiza
datelor, destinat persoanelor care vor s verifice calitatea evalurii.
n final cercettorii trebuie s fie contieni c rolul lor este doar acela de a oferi
cele mai bune informaii cu putin celor care iau decizia. Deciziile despre viitorul
diferitelor programe sau politici vor fi luate dup diferite criterii (cel mai important fiind
adesea cel politic), dintre care rezultatul unui studiu nu este dect unul. Dac s-ar
ntmpla altfel, cercettorii ar un fel de filosofi-regi, care iau ei nii deciziile.
Exist i motive mai puin legitime pentru a apela ct mai des la evaluri sau
analize:
23
1. Dorina de a amna o decizie. n acest scop s-ar putea comanda un studiu (este o
metod mai inovativ dect cea de a numi o comisie care s ngroape problema);
2. Evitarea responsabilitii. Cei care iau decizii pot prefera s se ascund n spatele unui
studiu (noi am acionat pe bazele studiului respectiv, nu noi suntem de vin c nu a
mers programul);
3. Relaiile publice. Spuneam mai sus c o evaluare este privit mai bine cnd
rezultatele sunt bune. S-ar putea ntmpla ca tocmai acesta s fie motivul comandrii
unei evaluri pentru ca respectiva instituie s aib cu ce se luda n faa presei, a
cetenilor sau a ealoanelor superioare;
4. ndeplinirea obligaiilor contractuale. Tot mai des se ntlnete situaia n care
anumite fonduri vin cu obligaia de a efectua evaluri, pe parcurs sau la finalul
programului. Exist i un efect pervers: evaluarea fiind obligatorie i cerut din
exterior se poate ntmpla s fie tratat superficial.
Un studiu poate influena realitile la mai multe nivele. Acestea sunt: la nivel
individual, la nivelul relaiilor ntre persoane i la nivelul aciunii colective a
organizaiilor publice i private. Pentru nivelul individual o schem ar fi:
23
Carol H. Weiss, citat n Jay M. Shafritz, E. W. Russell, op cit, p. 569-570
Putem traduce schema n modul urmtor: ca urmare a rezultatelor procesului de
cercetare pot aprea schimbri de atitudine, care modific normele sociale, care se traduc
n comportamente noi.
La nivel individual studiile pot avea ca rezultat:
- schimbri de atitudini: de exemplu, se pot modifica atitudinile fa de un
anumit program;
- dobndirea de noi cunotine: de exemplu persoanele care colaboreaz la o
evaluare s-ar putea s dobndeasc noi cunotine despre metodele de colectare a
datelor;
- mai mult atenie acordat unui program, unei politici sau unei probleme;
- schimbri de comportament, n momentul n care se afl c un comportament
poate fi mai eficace dect altul;
La nivelul inter-personal:
- persuasiune: comunicarea rezultatelor poate convinge anumite persoane de
decizie s acioneze ntr-un fel sau altul;
- agent al schimbrii: indivizii pot fi convini s lucreze pentru binele
organizaiei;
- legitimizare: rezultatele care dau dreptate unui program i ofer acestuia o
justificare pentru modul n care este desfurat, pentru ce standarde propune, .a.;
- pot combate preri (greite) larg rspndite.
La nivelul aciunii colective:
- pot contribui la modificarea agendei organizaiilor;
Procesul de cercetare
Schimbri de atitudine
Norme sociale
Comportamente
- modificarea politicilor n vigoare;
- adoptarea unui program de succes i n alte locuri.
Anexa 1. Resurse Internet
Date
Barometrul Opiniei Publice http://www.osf.ro/ro/bop/cercetare.html
Eurostat http://europa.eu.int/comm/eurostat/Public/datashop/print-
catalogue/EN?catalogue=Eurostat
Institutul National de Statistica http://www.insse.ro
University of Michigan Survey Research Center http://www.isr.umich.edu/src/
World Tables Dataset Guide http://www.ciesin.org/IC/wbank/wtables.html
Manuale/Tutoriale
Basic Guide to Program Evaluation http://www.mapnp.org/library/evaluatn/fnl_eval.htm
Cost-Benefit Analysis http://www.ncedr.org/tools/othertools/costbenefit/lead.htm
David Garson Quantitative Research in Public Administration
http://www2.chass.ncsu.edu/garson/pa765/index.htm
Foundations of Evaluation and Advanced Evaluation courses' website http://eval.cgu.edu
GAO Designing Evaluations. PEMD-10.1.4. http://www.gao.gov/policy/10_1_4.htm
GAO Guide to Data Analysis PEMD-10.1.11 http://www.gao.gov/policy/10_1_11.pdf
GAO Report on evaluation using case studies PEMD-10.1.9
http://www.gao.gov/policy/10_1_9.pdf
HyperStat Online Textbook, David M. Lane, Rice University
http://davidmlane.com/hyperstat/index.html
PPA 696 Research Methods http://www.csulb.edu/~msaintg/ppa696/696menu.htm#PPA
696
PUMA - OECD Work on Public Management http://www.oecd.org/puma/
Qualitative Methods Workbook http://www.ship.edu/~cgboeree/qualmeth.html
Research Design Explained http://spsp.clarion.edu/mm/RDE3/start/RDE3start.html
SMSU Psychological Statistics http://www.psychstat.smsu.edu/
Statsoft Electronic Textbook http://www.statsoft.com/textbook/stathome.html
Trochim, William M. The Research Methods Knowledge Base, 2nd Edition. Internet
WWW page http://trochim.human.cornell.edu/kb/index.htm
UNDP Results-oriented Monitoring and Evaluation
http://www.undp.org/eo/documents/mae-toc.htm
UNESCO Evaluation Manual http://www.unesco.org/ios/eng/evaluation/tools/outil_e.htm
Organizatii
American Evaluation Association. http://www.eval.org
American Statistical Association http://www.amstat.org/
ASPA (The American Society for Public Administration) http://www.aspanet.org
Association for Public Policy Analysis and Management (APPAM)
http://qsilver.queensu.ca/~appamwww
Banca Mondiala http://www.worldbank.org
Center for Technology in Government http://www.ctg.albany.edu
European Institute of Public Administration http://www.eipa.nl
European Evaluation Society http://www.europeanevaluation.org/
GAO (Government Accounting Office) www.gao.gov
International City/County Management Association http://www.icma.org/
NASPAA (National Association of Schools of Public Affairs and Administration)
http://www.naspaa.org
NISPAcee (Network of Institutions and Schools of Public Administration in Central and
East Europe) http://www.nispa.sk
National Academy of Public Administration http://www.napawash.org
OECD http://www.oecd.org
ONU http://www.un.org
Societatea Academica Romana http://www.sar.org.ro
System Dynamics Society, http://www.systemdynamics.org
Reviste:
Governing Magazine http://www.governing.com
Government Executive Magazine http://www.govexec.com
Political Science Quarterly http://www.psqonline.org
Public Administration and Management: An Interactive Journal
http://www.hbg.psu.edu/Faculty/jxr11
Revista Transilvana de Stiinte Administrative: http://www.polito.ubbcluj.ro/rtsa
The Qualitative Report http://www.nova.edu/ssss/QR/web.html
Anexa 2. Bibliografie
1. Aristotel, Politica, Antet, 1996
2. Babbie, Earl, Practica cercetrii sociale, Polirom, 2010
3. Behn, Robert D., Why measure performance? Different purposes require
different measures, Public Administration Review, 2003, Nr. 5 vol. 63
4. Bickman, L., Rog, D. J. (editori), Handbook of Applied Social Research
Methods, Sage, 1998
5. Caplow, Theodore, 1970, LEnqute sociologique, Armand Colin, 1970
6. Chelcea, Septimiu, Metodologia cercetrii sociologice. Metode cantitative i
calitative, Editura Economic, 2001
7. Cresswell, John W., Research Design. Qualitative and Quantitative
Approaches, SAGE Publications, 1994
8. Denzin, Norman K., Yvonna S. Lincoln (ed.), Handbook of Qualitative
Research, Sage Publications, 1994
9. Dogan, Mattei, Dominique Pelassy, Cum s comparm naiunile, Ed.
Alternative, 1993
10. Durkheim, mile, Regulile metodei sociologice, Ed. tiinific, 1974
11. Frankfort-Nachmias Chava, Nachmias David, Research Methods in the Social
Sciences 5 th edition, St. Martins Press, 1996
12. Frankfort-Nachmias Chava, Nachmias David, Study Guide to Accompany
Research Methods in the Social Sciences 5 th edition, St. Martins Press, 1996
13. GAO/PEMD, Designing Evaluations, 1999
14. Jenkins, William I., Policy Analysis: A Political and Organisational
Perspective, Martin Robertson, 1987
15. King Gary, Keohane Robert, Verba Sydney, Fundamentele cercetrii sociale,
Polirom 2000
16. King, Ronald F., Strategia cercetrii, Polirom, 2005
17. Kohn, Ruth C., Pierre Negre, Les vois de lobservation. Repre pour les
pratiques de recherche en sciences humaines, Nathan, 1991
18. Kubr, Milan (ed.), Manualul consultantului n management, ed. AMCOR,
1992
19. Lehnen, Robert G., American Institutions, Political Opinion & Public Policy,
Dryden Press, 1976
20. Mrginean, Ioan, Proiectarea Cercetrii Sociologice, Polirom, 2000
21. Mihu Achim, Introducere n sociologie, Dacia, 1992
22. Miller, Delbert, Handbook of Research Design and Social Measurement, Sage
Publications, 1991
23. Miroiu, Adrian, Introducere n analiza politicilor publice, suport curs SNSPA,
2001
24. Patton, Carl V., David S. Sawicki, Basic Methods of Policy Analysis and
Planning, 2
nd
ed., Prentice Hall, 1993
25. Ragin, Charles C., Constructing Social Research, Pine Forge Press, 1994
26. Rotariu Traian i Ilu Petru, Ancheta sociologic i sondajul de opinie,
Polirom, 1997
27. Rotariu, Traian (coordonator), Bdescu Gabriel, Culic Irina, Mezei Elemer,
Murean Cornelia, Metode statistice aplicate n tiinele sociale, Polirom, 2000
28. Singly, Francois de, Blanchet, Alain, Gotman, Anne, Kaufman, Jean-Claude,
Ancheta i metodele ei: chestionarul, interviul de producere a datelor, interviul
comprehensiv, Polirom, 1998
29. Stake, Robert E., The Art of Case Study Research, SAGE Publications, 1995
30. andor, Sorin Dan, Analiz i cercetare n administraia public, Accent, 2004
31. andor, Sorin Dan, The Great Expectations: Can Civil Society Tackle
Corruption, 2003, www.eumap.org
32. Trochim, William M., The Research Methods Knowledge Base, 2nd Edition,
Atomic Dog Publishing, 2000
33. Yin, Robert K., Case Study Research: Design and Method, SAGE
Publications, 1989
34. Zamfir Ctlin, Vlsceanu Lazr, Dicionar de sociologie, Babel, 1993