OVIDIU LUNGU

SERIA PSIHOLOGIE EXPERIMENTAL I APLICAT

 FAMILIARIZAREA CU PROGRAMUL SPSS 10.0

Cuprins:

- deschiderea programului si prile componente

- deschiderea unei baze de date
- crearea unei baze de date
- definirea variabilelor
- salvarea fiierelor
- output-ul

Banaliti importante pentru studenii poei.

Muli studeni vin la psihologie pentru a scpa de numere, de matematic i pentru c le

place s "se joace" cu cuvintele. Probabil c aa se ntmpl i cu dumneavoastr. Ai ales
psihologia pentru c suntei fascinai de oameni, de comportamentul lor, de viaa lor
interioar, chiar de viaa voastr proprie. V spun bine ai venit la acest curs de statistic
aplicat i v asigur c el este un curs special, ncrederea mea, ncercnd s fiu un ghid n
lumea statisticii, vine de la faptul c i ali studeni ca voi au reuit s nvee s aplice
statistica cu succes, chiar dac anterior au avut eecuri n domeniu. i voi vei nva statistic
i o vei face bine.
Cuvntul statistic provine din limba italian (statista) i, n trecut, desemna persoana care
se ocupa de afacerile statului. Se referea la indivizii care numrau populaia sau alte elemente
ce ajutau statul s gestioneze mai bine politica de taxe i costurile rzboaielor.
Statistica, ca tiin, deriv din numeroase surse, unele chiar inedite. Ideea de baz de a aduna
date provine de la necesitile celor ce guvernau (pentru a stabili taxele), dar i din timpuri
mai vechi, cnd armatorii i calculau costurile echiprii corbiilor (folosind probabilitatea de
a fi atacate de pirai sau de a naufragia). Teoria modern a corelaiei provine din biologie, din
analiza similaritilor dintre prini i copiii lor; teoria analizei de variant i are originea n
fabricatele de bere din secolul XVIII i pe cmpurile de orz, unde alegerea soiului potrivit de
orz i a timpului potrivit de fermentare permitea promovarea unui anumit gust al berii (dar i
supravieuirea a sute de ferme mici); teoria msurrii i are originea n studiul personalitii
umane i n special n studiul inteligenei, iar dezvoltarea testelor neparametrice se datoreaz
n special sociologiei unde se punea adesea problema apartenenei la diferite clase sociale.
Pornind de la ncercrile timpurii ale statisticienilor care erau preocupai s demonstreze
existena lui Dumnezeu cu ajutorul numerelor, de la calculele lui John Adams, unul din
preedinii americani, care a reuit s obin ajutorul Olandei n Rzboiul de Independen
demonstrnd statistic c populaia coloniilor este n cretere i poate s ofere 20.000 militari
anual i pn la calculele moderne referitoare la pia i care asigur succesul unei firme,
statistica poate sjoace un rol important n viaa noastr
Si atunci cine spune c statistica nu are suflet sau nu este uman?
Aa cum un chirurg, orict de renumit ar fi el, are nevoie de instrumente specializate pentru
a-i face bine treaba, la fel i statisticienii din ziua de azi nu ar putea s analizeze datele fr
2
ajutorul unor unelte. O astfel de unealt, foarte util, este pachetul informatic SPSS (Statistical
Package for Social Sciences), ajuns n prezent la versiunea 10.0. Scopul manualului de fa
este de a v oferi un ghid de baz privind utilizarea acestei resurse important n realizarea
prelucrrilor statistice. Pentru alte informaii tehnice putei accesa site-ul oficial al companiei
care produce acest program, la adresa www.spss.com.
Pentru beneficiarii unor versiuni mai vechi ale acestui program, informaiile din ghidul de
fa sunt totui folositoare, chiar dac anumite operaii sau aranjarea output-ului (foaia de
prezentare a rezultatelor) sunt diferite.

Deschiderea programului i prile componente.

Ca orice instrument modern, programul SPSS nu poate fi folosit pn nu este mai nti
activat sau deschis. Accesul la program se poate face n dou modaliti.
Mai nti, fi putei accesa prin efectuarea unui click-dublu asupra pictogramei programului,
care ara ca n imaginea de mai jos i se gsete pe desktop-ul computerului, n eventualitatea
c ai creat un short-cut pentru program.
O a doua modalitate de a pune n funciune SPSS-ul este cu ajutorul meniului START-
PROGRAMS prezent n orice versiune WINDOWS mai recent. Astfel, apsai butonul
START, apoi un click-simplu pe opiunea PROGRAMS, de unde vei alege opiunea SPSS
FOR WINDOWS - SPSS 10.0 FOR WINDOWS, ca n imaginea urmtoare:

deschiderea programului SPSS din meniul START

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

3
 aa se prezint programul SPSS la deschidere

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

Deschiderea unei baze de date

De multe ori dorim s lucrm cu baze de date pe care le-am creat anterior sau pe care
altcineva naintea noastr a lucrat. Pentru aceasta vom activa meniul FILE - OPEN si vom
alege opiunea DATA.
Odat activat comanda, computerul va deschide o fereastr-dialog care v permite s
selectai att directorul unde se gsete baza voastr de date, ct si fiierul dorit, n exemplul
ce urmeaz, am selectat fiierul pretestare din directorul S.P.S.S. Observai n imaginea ce
urmeaz c terminaia fiierelor cu date din SPSS este sav.

4
 fereastr-dialog pentru deschiderea unei baze de date

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

Aceasta este fereastra care v prezint datele brute.

Observai variabilele din studiu, coloanele tabelului adic; de exemplu, variabila GEN
descrie genul subiecilor (masculin sau feminin), variabila CONDIIE arat condiia
5
experimental n care se aflau participanii la studiu, G l sunt notele obinute de subieci la o
anume prob, .a.m.d.
Fiecare linie a tabelului arat rezultatele unui singur subiect. Astfel, dac observm linia a
11-a, vedem c rezultatele acestei persoane se gsesc n fia cu numrul 11, c este o persoan
de sex feminin, n condiia neactivat", care a obinut nota 7 la variabila Gl, nota 7 la G2, nota
13 la G3 etc.
Dac dorim s aflm informaii despre tipul variabilelor aflate n baza noastr de date,
trebuie s activm opiunea VARIABLE VIEW din partea inferioar a ecranului. Astfel va
apare imaginea urmtoare:

aici aflm informaii despre variabile

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

Crearea unei baze de date noi

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

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

aceasta este baza de date ce dorim s o crem

Observai c avem trei variabile si zece perechi de subieci. Variabilele sunt: numrul fisei
(NRFISA) care arat numrul fielor completate de cei doi frai, coeficientul de inteligent al
primului nscut (QI1) si coeficientul de inteligent al celui de-al doilea nscut (QI2).
Ducei cursorul-text la nceputul bazei de date (celula cea mai din stnga-sus a tabelului) si
apoi tiprii de la tastatur l" si apsai ENTER sau butonul cu sgeata n jos. Pe ecran va
aprea imaginea de mai jos:

Observai c programul definete automat variabila (var000l), cursorul coboar pe celula

urmtoare, iar indicativul primei linii devine activ (cifra l de pe margine nu mai este gri).
Continuai s introducei astfel toate datele corespunztoare primei variabile, pn ce ajungei
la cifra 10.
Aceasta este faza introducerii datelor sau crerii unei noi baze de date. Dar pentru a putea
folosi aceste date mai uor, avem nevoie s definim variabilele cu care lucrm. Este ceea ce
vom prezenta n continuare.

7
Definirea variabilelor

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

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

aici se definesc variabilele

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

8
 aici am definit numele (NAME) i eticheta (LABEL) variabilei alese.

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

Continuai s introducei datele si s definii n mod adecvat cele dou variabile, att ca nume,
ct si ca etichet.

9
Salvarea fiierelor

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

salvarea datelor din meniul FILE

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

fereastra-dialog pentru salvarea bazei de date

10
 Aici alegem directorul n care dorim s salvm fiierul nostru (folosind cmpul SAVE IN
din partea superioar a ferestrei) si denumim fiierul (n cazul nostru cu numele FRAI) n
cmpul FILE NAME din partea inferioar a ferestrei. Apsam apoi butonul SAVE al
ferestrei i operaiunea a luat sfrit.

Ouput-ul

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

activarea comenzii DESCRITIVES

Odat activat comanda DESCRIPTIVES pe ecran va apare o fereastr-dialog, tipic pentru

prelucrarea datelor n SPSS. S o analizm puin:
11
 4
1

5 3
fereastra-dialog DESCRIPTIVES

Oricare fereastra-dialog, folosit la prelucrarea datelor, cuprinde patru zone importante:

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

transferul unei variabile n cmpul pentru analizat

Observai acum c sgeata dintre cmpuri i-a schimbat sensul; ea va avea mereu sensul n
funcie de cmpul n care a fost selectat variabila. Mai observai de asemenea c i butonul

12
OK,care nainte nu era activat a devenit activ. Nu vom folosi acum butoanele sau cmpurile
cu opiunile suplimentare pentru analiz, ci vom apsa direct butonul OK pentru a observa
cum se activeaz fereastra sau perspectiva OUTPUT a programului.

perspectiva sau fereastra OUTPUT

2
1

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

Exerciiu:
Realizai o analiz similar si pentru variabila QI2

13
 STATISTICA DESCRIPTIVA (1)
- cum s dm un neles datelor brute
Cuprins:

1.- Generaliti
2.- Identificarea tendinei centrale
3.- Analiza variabilitii
- Folosirea SPSS: meniul ANALYZE - FREQUENCIES
- Folosirea SPSS: meniul ANALYZE - DESCRIPTIVES Folosirea
SPSS:
- Grafice - histograme, bare, linii, plcint", box-plot

Cum v place berea, cu etichet sau fr etichet?

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

14
 Exist cteva motive pentru care este necesar studierea statisticii n psihologie si n tiinele
sociale n general. Mai nti, nelegerea metodelor statistice este crucial pentru nelegerea si
citirea corect a articolelor de specialitate. Cel ce nu cunoate metodele statistice nu va putea
s citeasc aceste materiale dect superficial i nu va fi capabil s neleag tabelele, graficele
i corectitudinea concluziilor deduse din cercetare. Al doilea motiv pentru care e necesar
studierea statisticii este acela c, fr a avea deprinderile necesare n mnuirea metodelor
statistice, nu se poate face cercetare experimental, n fine, nelegerea metodelor statistice
ajut la dezvoltarea gndirii analitice i critice.

Generaliti

Ce este ns statistica? Ea este un instrument care a evoluat din pornind de la procesele de

baz ale gndirii: atunci cnd observm un fapt ne ntrebm ce anume 1-a determinat, care a
fost cauza. Astfel, avem o anume intuiie asupra a ceea ce a provocat acel fapt, facem o
presupunere i n continuare ncercm s ne testm ipoteza printr-o alt observaie, uneori
ncercnd s facem unele mici modificri pentru a ne testa intuiia. Ceea ce ne intereseaz este
dac noua noastr observaie este exact, dac ceea ce observm din nou este un fapt regulat
i nu unul cauzat de ntmplare i dac avem dreptate n ceea ce privete intuiia noastr. n
acelai mod, statistica este o metod de a testa sau stabili adevrul. Desigur nu este vorba de
adevrul absolut, ci de stabilirea probabilitii ca observaia efectuat s aib cauze precise i
s nu fie provocat doar de ntmplare.

S considerm un exemplu hazliu, care ilustreaz ns foarte bine care este rolul metodelor
statistice. Imaginati-va c fierbem o oal de fasole. Dup un timp, dup ce am pus fasolele pe
foc, trebuie s verificm dac acestea au fiert. Ce facem? Lum ntr-o lingur cteva boabe
i le gustm. Dac acestea sunt fierte, decidem c i restul fasolelor sunt fierte. Este acest
raionament corect? De unde tim c nu am luat din ntmplare tocmai pe cele mai fierte
dintre boabe? Ei bine, metodele statistice fac tocmai acest lucru. Ele ne pot spune, cu
oarecare precizie, pornind de la aceste cteva boabe de fasole, dac i celelalte din toat oala
sunt fierte. Cu alte cuvinte, statistica ne ajut s facem generalizri ale unor efecte la nivelul
unor populaii largi, pornind de la rezultatele obinute pe eantioane sau grupuri mici de
oameni.

Exist dou ramuri principale privind metodele statistice n psihologie:

statistica descriptiv - cuprinde metodele ce ajut psihologii s descrie si s grupeze n
diferite moduri grupurile de rezultate obinute n cercetri, metode ce ajut la descrierea
scorurilor.
statistica inferenial - cuprinde metodele ce ajut psihologii s trag concluzii pe baza
rezultatelor obinute si s le generalizeze la populaii mai largi dect cele testate iniial.

In general, ntr-o cercetare este preferabil s utilizm ambele metode, pentru c fiecare
dintre ele ne ofer anumite tipuri de informaii. De regul, metodele infereniale nici nu se
utilizeaz dac nu se aplic mai nti cele descriptive,
n cercetarea psihologic se lucreaz cu variabile. O variabil este acea proprietate a
unui fenomen, obiect sau proces care poate s ia diferite valori, deci care poate s varieze.
15
 Spre exemplu, notele care se pot lua la scoal, zilele sptmnii, vrsta etc. sunt toate
variabile. O variabil este descris de valori. Spre exemplu, pentru variabila "nota colar"
valorile acesteia sunt toate notele de la l la 10 pe care le poate cineva lua la scoal. Pentru
variabila "zilele sptmnii" valorile sunt toate cele 7 zile ale sptmnii, n psihologie se face
distincia ntre valori si scoruri. Un scor este valoarea obinut de o persoan, fenomen, obiect,
proces situaie atunci cnd ne referim la o anume variabil. Spre exemplu, nota pe care o ia
George la scoal (s zicem 7) este un scor al acestui subiect la variabila "nota colar". Cu
toate acestea, valorile variabilei menionate sunt n numr de zece: l, 2, 3, 4, 5, 6, 7, 8, 9 i 10.
Dar un subiect nu poate avea dect una din aceste valori, iar aceea este numit scor.
De obicei, rezultatele unui experiment psihologic sunt date de un grup de scoruri.
Un procedeu prin care se poate analiza acest grup de scoruri este acela de a folosi dubele de
frecven. Un tabel de frecven arat ci subieci obin sau au o anume valoare la o variabil.
Spre exemplu, un tabel de frecven fcut pentru variabila "nota scolar" arat ci elevi dintr-
un grup au obinut o not anume, ca n tabelul de mai jos:

NOTA SCOLARA FRECVEN

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

Exist trei pai n realizarea unui tabel de frecvene fr ajutorul calculatorului:

se face o list cu toate valorile posibile pe care le poate lua variabila si se trec ntr-o
coloan, unele sub altele, n ordine descresctoare.
se parcurg toate scorurile obinute corespunztoare fiecrei valori ale variabilei si se
bifeaz.
se trece n tabel numrul de bifri astfel obinut.
Un tabel de frecven realizeaz o descriere a grupului prin aceea c arat care sunt
tendinele, cum au subiecii tendina de a se grupa n jurul anumitor valori.
Tabelele de frecven se pot reprezenta si grafic prin histograme, caz n care tendinele
dintr-un grup de rezultate se observ mai bine.
Histograma tabelului de frecven de mai sus este prezentat n continuare:

16
 Exist patru etape n realizarea unei histograme, fr ajutorul calculatorului:

se face mai nti un tabel de frecvene.

pe axa orizontal (X) se trec toate valorile pe care le poate lua variabila.
pe axa vertical (Y) se marcheaz frecvena sau numrul de subieci ce
au obinut un anume rezultat.
se traseaz bare verticale pentru fiecare valoare n parte a variabilei, ce
vor avea nlimea egal cu numrul de subieci ce au obinut o anume
valoare.
O alt modalitate grafic de a reprezenta un tabel de frecvene este prin poligoanele de
frecven. Acestea se obin din histograme, prin unirea mijloacelor prilor superioare ale
barelor sau histogramelor, aa cum este artat mai jos.

17
 Un poligon de frecven exprim o distribuie a rezultatelor, n sensul c arat cum se
distribuie sau cum se "mprtie" rezultatele n jurul anumitor valori ale unei variabile. De
aceea, forma pe care o ia aceast distribuie este un alt mod de a descrie un pup de rezultate.
Exist trei parametri, trei caracteristici prin care este descris o distribuie:
1.- modalitatea - este un aspect important al distribuiei care arat cte "vrfuri" are o
distribuie. Cu alte cuvinte, arat cte valori sunt n jurul crora se grupeaz foarte
muli subieci. Din acest punct se vedere, distribuiile pot fi unimodale, adic au un
singur vrf, sau ele pot fi multimodale, adic au mai multe vrfuri.
2.- nclinarea - este un aspect al distribuiei care arat dac scorurile subiecilor testai au
tendina de a fi mai mari sau mai mici. Spre exemplu, notele colare au o distribuie
nclinat spre dreapta, adic elevii au tendina de a lua mai mult note mari dect note
mici. Atunci cnd nclinarea curbei este spre dreapta, spunem c avem o distribuie
nclinat pozitiv. Atunci cnd distribuia este nclinat spre stnga, spunem c aceasta
este negativ. Dac nu se observ nici o tendin de nclinare, atunci distribuia este
simetric.
3.- turtirea- este un aspect ce se refer la faptul dac o distribuie este foarte turtit (adic
scorurile din cadrul ei variaz foarte mult) sau este mai ascuit (adic scorurile
variaz foarte puin). Vom reveni asupra acestui aspect atunci cnd vom discuta
despre curba normal.

Definiii:

Variabil: o proprietate a unui fenomen care poate lua diferite valori.

Valoare: o msur calitativ sau cantitativ a unui fenomen.
Scor: o valoare particular obinut de un anumit subiect.
Distribuie: modul n care se prezint un grup. de rezultate.

Criterii de clasificare a variabilelor:

a) dup natura msurii:

- cantitative (variaz cantitatea);
- calitative (variaz felul).

b) dup felul variaiei:

- continui (ntre oricare dou valori mai gsim o a treia);
- discrete (variaz lund valori dinainte specificate).

c) dup scopul folosirii lor n studii:

- independente (manipulate sau invocate de experimentator, stimuli);
- dependente (observate la subieci, rspunsuri).

18
Identificarea tendinei centrale

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

M= x (1)
N

Ce arat sau care este mai precis semnificaia mediei?

S lum un exemplu. Mai jos v prezentm un grup de scoruri care arat preferina studenilor
fa de statistic, pe o scal de la l (nu-mi place deloc) pn la 6 (mi place foarte mult):
4,6,2,2,1,2,3,2,4,4
Calculul mediei, conform formulei (1) este:

M= x = 30 = 3
N 10

Care este semnificaia acestui "3"? Ce arat el dincolo de suma scorurilor mprit la
numrul total de scoruri? Ne vom folosi de histograma acestei distribuii pentru a defini
media, ntr-un mod intuitiv.

Imaginai-v c pe o scndur aezm nite cuburi, egale ca dimensiune unul cu altul, la

diferite distane, ca n imaginea de mai jos:

19
 Observai c aceste cuburi sunt aezate similar cu segmentele din histogram, n aceleai
poziii. Acum urmeaz ntrebarea: unde anume trebuie s aezm un butean astfel nct
scndura i cuburile de pe ea s rmn n echilibru? Rspunsul este n dreptul mediei.
Pornind de la aceast constatare ajungem i la semnificaia acestei msurtori statistice:
media este punctul fat de care scorurile sunt egal deprtate, cu alte cuvinte, abaterile de la
medie ntr-o direcie (ex. ale scorurilor mai mici ca ea) sunt egale cu abaterile n cealalt
direcie (ex. scorurile mai mari).
O alt metod de a descrie tendina central a unui grup de scoruri este mediana. i ea
mparte distribuia n dou pri, dar de data aceasta din punctul de vedere al frecventelor.
Astfel, jumtate dintre scorurile dintr-o distribuie vor avea valori mai mici dect mediana, iar
restul - valori mai mari.
Pentru a calcula mediana sunt necesare dou etape:
1) ordonm scorurile cresctor sau descresctor
2) mprim numrul de scoruri (N) la 2.
Dac N este par, atunci "mijlocul" distribuiei "cade" ntre scorurile situate la mijloc; dac N
este impar, atunci mediana este chiar scorul situat la mijloc.
S urmm aceti pai pentru scorurile prezentate mai sus, care reprezint prerea studenilor
fat de statistic.

Pasul 1: ordonarea scorurilor.

Pornind de la distribuia:

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

prin ordonare ajungem la distribuia

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

Fiind 10 scoruri (deci numr de subieci par, iar jumtatea lui 10 fiind 5), mediana se va gsi
ntre scorurile din mijloc, deci ntre scorurile al 5-lea si al 6-lea. Sgeata de mai jos arat
poziia medianei, care este astfel 2,5 (media dintre aceste scoruri din mijloc).
20
 1,2,2,2,2,3,4,4,4,6

Uneori, dei mai rar, obinuim s descriem o distribuie prin modul. Acesta este valoarea
cu frecvena cea mai mare.
n exemplul de mai sus, valoarea 2 este ntlnit cel mai frecvent (apare de 4 ori), deci
modulul distribuiei noastre va fi 2.

Cnd folosim totui una din aceste metode pentru a descrie tendina central a unei
distribuii? Care dintre ele este mai "bun" i n ce condiii? Pentru a rspunde la aceast
ntrebare s analizm ce factori influeneaz pe fiecare din ele.
Dac la exemplul de mai sus mai adugm nc un scor (s zicem un 5), observai ce se
modific:
Media va fi 3,18;
Mediana va fi 3;
Modulul va fi tot 2.
Dac lum din distribuie un scor, un 4 spre exemplu, schimbrile vor fi:
Media va fi 2,88;
Mediana va fi 2;
Modulul va fi tot 2.
Dac adugm 2 scoruri, un 2 i un 5, spre exemplu, vom avea urmtoarele
Media va f 3,08;
Mediana va fi 2,5;
Modulul va fi tot 2.

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

Cu toate aceste diferene ntre cele trei metode de stabilire a tendinelor centrale a unei
21
distribuii, media aritmetic rmne metoda cel mai des utilizat i ea intr n componena
multora dintre metodele statistice cunoscute. Exist ns cazuri (ex. testele neparametrice),
unde mediana i modulul sunt metodele folosite.

Analiza variabilitii

Cunoaterea mediei (sau a medianei) nu ne este uneori de folos n a descrie complet o

distribuie.
S presupunem c tim despre un grup de persoane c are media de vrst de 20 ani. Ce
nseamn acest lucru? Au toi membrii grupului exact 20 de ani fiecare? Sau poate jumtate
dintre ei au 10 ani i jumtate 30? Ori poate un sfert au 18, un sfert - 19, un sfert 21 i restul
22? Fiecare din aceste situaii ne arat lucruri diferite, nu-i aa?
Dup cum observai, cunoaterea doar a mediei nu este suficient pentru a ne oferi
informaii complete despre "realitatea" din grup; avem nevoie s cunoatem i gradul de
variabilitate din scorurile noastre. Mai precis, avem nevoie s tim ct de mult (i eventual cu
ct) se mprtie scorurile n jurul valorii medii, a tendinei centrale.

Un exemplu din viaa cotidian care s v arate c avem nevoie de cunoaterea variabilitii,
n general, este acela al pungilor de cafea (sau orice alt produs alimentar livrat ntr-un
ambalaj). O privire atent pe pung ne arat gramajul coninutului sub forma greutate net
l00g 5 g. Ce nseamn aceast indicaie? Faptul c pungile de cafea, dei ambalate de o
mainrie, nu sunt toate de greutate egal i c majoritatea pungilor au greutatea coninutului
cuprins ntre 95 i 105 grame. Suntem sau nu mai bine informai?

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

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

S vedem care sunt etapele de calcul ale variantei.

calcularea mediei
In primul rnd avem nevoie de cunoaterea mediei. Ea se obine pe calea obinuit,
mprind suma scorurilor la numrul lor. n cazul nostru, media este m=10.

calculul abaterilor simple de la medie

Prima dat cnd s-au gndit s calculeze varianta, matematicienii au pornit de la calculul
abaterilor simple de la medie. Pentru aceasta ei au realizat un tabel, diferit de cel al
frecvenelor, n sensul c folosea scorurile i nu valorile variabilei.
22
 X x-m
2 -8
3 -7
6 -4
7 -3
8 -2
10 0
12 +2
14 +4
18 +8
20 +10

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

calculul ptratului abaterilor de la medie

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

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

Adunnd aceste ptrate obinem o valoare pozitiv (notat cu SS, din englezescul sum of
squares - suma ptratelor, ntlnit uneori n crile romneti de statistic sub prescurtarea
SP, suma ptratelor), n cazul nostru,
SS = 326.
Ce se ntmpl ns cu SS? Poate fi el folosit ca o msur a variabilitii? nc nu, pentru
c el depinde de numrul de scoruri.
Observai c dac mai adugm un scor la cele existente se schimb media, iar acest nou
23
scor va abate probabil de la noua medie cu o oarecare cantitate, ce, ridicat la ptrat, face ca
SS s creasc.
Similar, dac eliminm un scor, SS scade. Pentru a obine o valoare care s nu depind de
numrul de scoruri, vom mpri pe acesta la N, tocmai la numrul de scoruri.

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

Aceast valoare nou, obinut prin mprirea lui SS la N este tocmai varianta, notat SD.
Deci,
SS
SD = (2)
N

n exemplul nostru SD = 32,6

Aceasta este tocmai varianta. Repet, ea este o msur a gradului de variabilitate a

scorurilor i arat ct de mult se abat ele de la tendina central. Cu ct este mai mare
aceast valoare, cu att mai mult se mprtie scorurile n jurul valorii centrale. Este ca i
cum am cunoate strlucirea unui bec (n sensul c e foarte strlucitor sau mai puin
strlucitor), dar nu am ti ci wai are el (75 sau 100?). Pentru a cunoate exact cu ct
variaz, scorurile n medie (acele 5 grame n plus sau n minus de pe punga de cafea), este
nevoie s calculm deviaia standard.

Deviaia standard
Deviaia standard ne este mult mai util. Ea arat cu ct se mprtie scorurile n jurul
valorii centrale i - fapt poate mai important - se msoar n aceleai uniti de msur ca
i variabile iniial, X. Ea este pur i simplu rdcina ptrat a variantei, deci
SD= DT 2 (3)

n exemplul nostru valoarea lui SD este 5,70.

Semnificaia deviaiei standard

Acum, avnd la dispoziie i media i deviaia standard putem descrie mult mai bine
distribuia scorurilor din exemplul nostru. Cunoatem astfel c numrul de persoane ce
lucreaz la departamentele firmei sus-pomenite este de 10 5,7. Cu alte cuvinte tim c
limita minim a variaiei normale a scorurilor este 4,3 (obinut din 10-5,7), iar limita
maxim este 15,7 (obinut din 10+5,7). Aproximnd la numere ntregi, dei pierdem cte
ceva din vedere n acest fel, putem afirma c la firma respectiv lucreaz ntre 5 i 15
persoane n fiecare departament. Dac valoarea mediei descria doar un singur departament
din totalul de 10, observm c acest interval obinut de m SD descrie 6 departamente
(deci 60% din totalul populaiei).
Acesta este un aspect important al deviaiei standard, n mod obinuit, n intervalul
24
 cuprins de o parte i alta a mediei de deviaia standard gsim aproximativ 2/3 din totalul
scorurilor, deci n acest interval vom avea scorurile considerate tipice sau normale pentru
acea distribuie. Imaginea de mai jos este mai sugestiv.

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

Folosirea SPSS: meniul ANALYZE FREQUENCIES

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

selectarea fiierului dorit din meniul FILE OPEN

25
 Baza de date prezint rezultatele unei anchete realizat n Statele Unite n anii '90 si
reprezint datele referitoare la angajaii unor bnci.
S ne alegem pentru prelucrare variabila salbe gin. Reamintim c numele variabilelor sunt
scrise n capul de tabel, de culoare gri. Ce reprezint aceast variabil? Nu putem ti n mod
direct. Pentru a afla acest lucru, trebuie s procedm ca si cum am dori s definim variabila.
De aceea, facem dublu-click n capul coloanei , acolo unde scrie numele variabilei. Va
aprea astfel perspectiva VARIABLE VIEW (ca n imaginea de mai jos):

descrierea variabilei SALBEGIN n perspectiva VARIABLE VIEW

Pentru a vedea ce reprezint salbegin ne uitm n cmpul LABEL, unde citim "beggining
salary", ceea ce nseamn "salariul iniial sau de nceput". Vom lucra astfel cu date ce arat
salariul iniial al subiecilor analizai.
S calculm unii parametrii ai distribuiei. Vom folosi pentru aceasta comanda
ANALYZE-SUMMARIZE-FREQUENCIES care deschide fereastra FREQUENCIES
de unde ne vom putea alege opiunile: calculul mediei, medianei, modulului, precum si al
deviaiei standard.

O dat aleas aceast opiune, pe ecran va aprea fereastra de mai jos care v permite
alegerea variabilelor de analizat, precum i opiunile de analiz:

26
 Aici selectm variabila dorit ( ca n imagine ) i acionnd sgeata dintre cmpuri, vom
transfera variabila aleas n cmpul cu variabile de analiz. Pentru mai multe detalii revedei
ultima parte a capitolului precedent.
3

8
1

4
2

5 6 7

Vom prezenta detaliat aceast fereastr, urmnd ca la altele asemntoare s nu mai

insistm detaliat ulterior, ntruct aproape toate ferestrele de analiz au aceast structur.
Unde va fi ns cazul vom prezenta elementele de noutate.
(1) reprezint cmpul unde sunt prezentate variabilele din baza de date;
(2) aceasta este o opiune; seninul din ptrel (similar cu sigla Nike sau Rexona) indic
faptul c opiunea este activ, n cazul de fa, activarea opiunii permite realizarea tabelului
de frecvene; menionm c, din start, opiunea este activ, iar dezactivarea ei atrage dup
sine un mesaj de avertisment din partea programului;
(3) este sgeata care permite transferul variabilelor din cmpul cu lista din baza de date, n
cel de analiz;
(4) este cmpul unde trebuie transferate variabilele de analizat;
(5) este un buton care deschide o fereastr cu opiunile de prelucrare statistic (va fi
prezentat n continuare);
(6) un buton care permite realizarea graficelor concomitent cu prelucrarea statistic;
(7) este un buton ce permite modificarea formei OUTPUT-ului;
27
(8) acestea sunt butoanele comune, obinuite ale ferestrei.
Dup ce am ales variabila sau variabilele pe care dorim s le analizm, trebuie selectate
opiunile de analiz statistic, apsnd butonul STATISTICS. Pe ecran va apare fereastra de
mai jos:

Observai c fereastra cuprinde opiuni, grupate n patru cmpuri. Aceste cmpuri au un

titlu si sunt delimitate de o linie gri-deschis. Din titlul cmpurilor putei deduce la ce se
refer opiunile respective:

percentile values: permite calcularea diferitelor valori percentile corespunztoare

mpririi subiecilor n grupuri egale sau n funcie de un anumit procentaj ales;
dispersion: permite calculul diferiilor parametri referitori la dispersia sau mprtierea
datelor n jurul valorii centrale (media, de obicei);
central tendency: permite calculul parametrilor ce arat tendinele centrale ale
distribuiei (media, mediana, etc.)
distribution: permite calcularea turtirii i nclinrii distribuiei pentru a fi comparat cu cea
normal (vom reveni ulterior cu detalii, atunci cnd vom vorbi despre curba normal).

Din aceast fereastr vom alege pentru moment (bifnd sau fcnd click cu mouse-ul n
ptrelul opiunii) doar: media, mediana, modul, varianta, deviaia standard, minimul si
maximul. Apsai apoi CONTINUE si deschidei fereastra CHARTS. Pe ecran va apare o
fereastr precum cea urmtoare:

28
 Observai c si aici avem dou cmpuri. Unul permite alegerea tipului de grafic (cu bare,
plcinte sau histograme), iar al doilea permite alegerea tipului de valori din grafic (frecvene
sau procentaje). V recomandm s nu alegei acum nici o opiune si s realizai graficele
separat, ntruct astfel vom avea o libertate mai mare n realizarea lor. Apsai CANCEL si
activai fereastra FORMAT prin apsarea pe butonul cu acelai nume, care deschide
fereastra:

i aici avem dou cmpuri: unul pentru opiuni privind aranjarea rezultatelor n ordine
cresctoare sau descresctoare, etc.) si altul privind compararea variabilelor sau organizarea
separat a foii de rezultate, n funcie de variabile.

29
 Fereastra de mai sus ilustreaz modul n care se prezint foia de rezultate (OUTPUT), dup
ce ai revenit n fereastra principal DESCRIPTIVES si ai apsat butonul OK.
Observai organizarea ei: n partea superioar se afl o bar de butoane; n stnga este un
cmp care v arat structura OUTPUT-ului, iar n cmpul din partea dreapt - coninutul
OUPTUT-ului.
Dup titlul foii de rezultate (FREQUENCIES), observai c sunt prezentate dou tabele:
primul arat parametrii statistici pe care i-am cerut prin activarea ferestrei STATISTICS, iar
a doua fereastr prezint tabelul frecvenelor.
Observai c numrul din primul tabel, din dreptul meniunii VARIANCE (care arat
varianta rezultatelor) nu este prezentat normal, ci prescurtat, din cauza limii prea mici a
coloanei. Pentru a modifica orice dimensiune a tabelului, ca de altfel a oricrei forme de
prezentare a rezultatelor, executai un click-dublu asupra zonei dorite, n acel moment, un
cadru special sau chiar o fereastr nou va ncadra zona aleas si cu ajutorul mouse-ului
putei modifica dimensiunile (similar cu modificarea tabelelor n WORD sau EXCEL).

cadrul de modificare al tabelului

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

30
 tabelul frecvenelor

EXERCIIU: facei aceeai analiz pentru variabila CURRENT SALARY

Folosirea SPSS: meniul ANALYZE DESCRIPTIVES

Acum s prezentm analiza descriptiv a rezultatelor realizat cu ajutorul comenzii

DESCRIPTIVES. Dup cum veti vedea, exist similariti cu comanda precedent, dar si
diferene. Din meniul ANALYZE activai comanda DESCRIPTIVES, care va deschide
fereastra de mai jos:

Ea este similar cu cea de la FREQUENCIES, doar c are mai puine butoane cu opiuni
(unul n loc de trei). Alegei variabila pentru analiz (BEGINNING SALARY) si
transferai-o n cmpul pentru analiz, folosind sgeata dintre cmpuri. Opiunea din partea
stng-jos v permite salvarea n baza de date a unei noi variabile care va conine note z ale
variabilei analizate. Apsai apoi butonul OPTIONS care va deschide fereastra urmtoare:
31
 Aici observai c gsim mai puine opiuni de analiz statistic dect n cazul meniului
anterior, sunt doar cele de baz; de aici si concluzia: comanda DESCRIPTIVES se aplic
atunci cnd avem de analizat din punct de vedere descriptiv, simultan, mai multe variabile
sau cnd ne intereseaz doar parametrii de baz ai variabilelor, fr tabelele de frecvene.
Apsam CONTINUE si apoi butonul OK pentru a face s v apar pe ecran OUTPUT-ul:

fereastra cu rezultatele analizei DESCRIPTIVES

De aceast dat apare doar un singur tabel care v prezint parametrii statistici solicitai.
Observai c, din nou, varianta i deviaia standard nu sunt prezentate complet datorit
limii mici a coloanelor.
Executai click-dublu asupra tabelului i modificai-i dimensiunile, la fel ca n WORD.

32
Folosirea SPSS: Grafice - histograme, bare, linii, plcint", box-plot

Se spune c o imagine face ct o mie de cuvinte. Vom prezenta n continuare diferite

moduri de reprezentare grafic a rezultatelor. Toate se gsesc n meniul GRAPHS, dar apar
uneori i ca opiuni n unele ferestre de prelucrare statistic din meniul ANALYZE.

1.- Histograme

Vom alege pentru nceput opiunea HISTOGRAM, ca n imaginea de mai jos:

alegerea meniului pentru histograme

O dat activat aceast opiune, ea va deschide urmtoarea fereastr:

fereastra histogramelor

n cadrul acestei ferestre alegem o singur variabil pentru care dorim s facem
reprezentarea grafic sub forma histogramei, n cazul nostru SALBEGIN (beginning salary)
si o introducem - cu ajutorul butonului cu sgeat - n cmpul denumit VARIABLE. Putem
bifa opiunea DISPLAY NORMAL CURVE, opiune care va afia curba normal a
populaiei de eantioane din care provine eantionul nostru, n cazul nostru nu vom bifa
aceast opiune. Pentru a obine graficul, dup aceste operaii apsam butonul OK.
33
 histograma variabilei SALBEGIN

O histogram, aa cum se vede si n imaginea de mai sus, este un grafic n care barele sunt
lipite una de alta. n ceea ce privete variabila prezentat grafic mai sus, constatm c ea are
o distribuie asimetric, valorile mici predominnd ca frecven. Aceast distribuie este
tipic pentru reprezentarea grafic a venitului n rndul oricrei populaii. Explicaia const
n aceea c n orice populaie exist civa indivizi care ctig mult, n timp ce majoritatea
ctig la un nivel mediu sau sczut, comparativ cu aceti indivizi. Observm n exemplul de
mai sus c n timp ce marea majoritate ctig pn la 20.000 dolari anual, exist cteva
persoane (barele de frecven din partea dreapt abia se zresc pe grafic) care ctig i pn
la 80.000 dolari anual.

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

34
 3
1
4
2

unele butoane utile ale editorului de grafice

Pentru a modifica un anume parametru al graficului, se selecteaz zona pe care dorim s o

modificm (ex. dac dorim modificarea barelor, facem un click simplu pe ele) si apoi se
activeaz unul din butoane. Am selectat mai sus doar patru din butoanele mai importante.
Ele vor deschide mici ferestre de unde putei modifica parametrii, dup care apsai pe
butonul APPLY si nchidei mica fereastr.
(1) acest buton va modifica haura barelor
(2) de aici se modific culoarea barelor
(3) acest buton servete la modificarea tipului i mrimii literelor titlurilor sau meniunilor-
text din grafic
(4) butonul permite afiarea valorilor numerice pe bare.
S lum un exemplu i s vedem cum putem aduga un titlu graficului nostru. Vom face
acest lucru din meniul CHART, comanda TITLE, ca n imaginea de mai jos.

35
 n fereastra care se va deschide tiprii titlul SALARIUL DE LA NCEPUT si apsai
butonul OK. Titlul va apare deasupra graficului.
Mai putem, de asemenea, s modificm si ali parametri. De exemplu, un dublu-click
asupra axei orizontale a graficului deschide fereastra de mai jos de unde putem modifica
aranjamentul titlului axei (opiunea TITLE JUSTIFICATION), titlul n sine, etichetele
(adic sumele corespunztoare fiecrei bare a histogramei), etc.

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

Pentru a modifica parametrii oricrui titlu, efectuai un click-dublu, care va deschide

fereastra de mai jos, de unde se modific stilul si mrimea literelor. Dup care apsai
butonul APPLY si apoi CLOSE.

36
2.- Grafice cu bare

Pentru a realiza grafice cu bare trebuie activat meniul urmtor:

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

Dou sunt opiunile ce le putem face aici:

(1) alegerea graficului n funcie de variabilele din cercetarea noastr
simple: alegem aceast opiune cnd dorim s prezentm variabila sau variabilele
dependente din cercetarea noastr n funcie de una din variabilele independente.
clustered: se folosete pentru a reprezenta una sau mai multe variabile dependente n
funcie de dou variabile independente.
stacked: se folosete la fel ca opiunea de mai sus, doar graficul este realizat altfel.

37
(2) alegerea graficului n funcie de date
summariesfor groups of cases: este opiunea cea mai frecvent i dac este aleas,
atunci fiecare bar reprezint rezultatele unui grup de cazuri (ex. numai pentru grupul
subiecilor femei).
summaries of separate variables: fiecare bar reprezint n acest caz o variabil;
aceast opiune e folosit mai ales n studiile de tip test-retest sau pentru variabilele care
msoar de obicei acelai lucru (sau mcar se exprim n aceleai uniti de msur).
values of individual cases: dup cum spune i numele, aceast opiune face ca barele s
reprezinte valoarea cazurilor individuale; n acest caz graficul va semna mult cu o
histogram.
Pentru exemplul nostru, vom alege s reprezentm variabila dependent
SALBEGIN (salariul iniial), n funcie de sexul subiecilor (GENDER). Vom alege astfel
tipul de grafic simplu (simple) si opiunea de grafic pentru grupuri de cazuri (adic fiecare
bar va reprezenta valorile pentru unul din sexe). Apsam apoi butonul DEFINE si pe ecran
va apare fereastra:
2

1 3

5 4

Observai c aceast fereastr este mprit n mai multe zone (cmpuri) pe care le vom
descrie sumar mai jos:
(1) - este cmpul n care se gsesc variabilele existente n baza de date si
de unde alegem pe acelea care trebuie reprezentate grafic;
(2)- acest cmp precizeaz ce anume dorim s reprezinte variabilele noastre (ex. numrul
cazurilor, procentaje, etc.). n exemplul nostru, dorim s reprezentm media ctigului
salarial pe sexe. Deoarece media nu se gsete n opiuni, vom alege OTHER SUMMARY

38
FUNCTION i n momentul n care introducem variabila aleas n cmpul respectiv (cu
ajutorul butonului cu sgeat), vom constata c acolo apare cuvntul MEAN (adic media).
Dac ns am dori s reprezentm altceva dect media, spre exemplu mediana, atunci ar
trebui s apsam pe butonul CHANGE SUMMARY.
(3) - odat apsat acest buton, el deschid o alt fereastr, cu multe opiuni. Fereastra este
prezentat mai jos i constatm c ea conine foarte multe opiuni (ex. s reprezentm
deviaia standard sau doar procentajele cazurilor ce depesc o anume valoare, etc.)

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

(4) n acest cmp vom introduce variabila independent n funcie de care facem
reprezentarea grafic, n cazul nostru sexul subiecilor (GENDER).
(5) - este o opiune ce permite ca setrile (aranjamentele) pe care le-am folosit ntr-un grafic
executat anterior s fie aplicate si n cazul graficului de fa. Dac bifai aceast opiune
trebuie apoi s folosii butonul FILE pentru a selecta fiierul de unde dorii s
mprumutai" setrile.
(6) - folosind aceste butoane putei aduga un titlu graficului (butonul TITLE) sau s
activai alte opiuni (OPTIONS). De altfel, acest din urm buton, care deschide fereastra
prezentat n continuare, este important pentru a dezactiva opiunea DISPLAY
GROUPS DEFINED BY MISSING VALUES, care realizeaz graficul si pentru subiecii
care nu prezint valori ale variabilei independente (n cazul nostru pentru subiecii la care am
uitat s completm n baza de date care este sexul lor).

fereastra butonului OPTIONS

39
 Dup ce am selectat variabilele i opiunile , vom apsa butonul OK i computerul va
realiza graficul cu bare, ca n imaginea de mai jos:

grafic cu bare

Atenie mare la graficele realizate! Prin construcia lui, programul SPSS alege diferite
intervale de reprezentare si - ca urmare - putei fi indui n eroare n ceea ce privete
magnitudinea diferenelor.
Spre exemplu, dac nu am fi ateni la intervalul de reprezentare (de la 12.000 USD/an la
22.000 USD/an), am putea crede c femeile ctig de vreo 5 ori mai puin dect brbaii
(ceea ce este fals, desigur), cnd n realitate, brbaii ctig de doar l ,5 ori mai mult.
Pentru a remedia o astfel de distorsiune grafic, putem modifica intervalul de reprezentare.
Facei dublu-click pe grafic, apoi pe axa vertical a graficului i n fereastra ce apare,
modificai limitele minime i maxime. O astfel de fereastr, numita SCALE AXIS este
prezentat n capitolul HISTOGRAME.

3.- Grafice cu linii.

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

de aici selectm tipul de grafic

40
 Urmai aceeai pai ca i n cazul graficul cu bare i vei obine n final o reprezentare
precum cea de mai jos. Atenie, nu uitai s dezactivai opiunea DISPLAY GROUPS
DEFINED B Y MISSING VALUES de la butonul OPTIONS!

aa arat graficul cu linii

i aici trebuie s avei n vedere problema scalrii rezultatelor ( intervalul de reprezentare).

4.- Grafice plcint

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

Vom alege prima dintre opiuni, ca i n cazurile anterioare. ntruct prezentm pri dintr-
un ntreg nu putem folosi media ca n graficele anterioare, ci vom folosi suma, aa cum e
reprezentat n pagina de mai jos:

41
 Alegerea opiunii pentru folosirea sumei se face din butonul CHANGE SUMMARY.

Iat cum arat un grafic plcint:

5.- Graficul box-plot

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

42
 De aici putem alege aproape aceleai opiuni de reprezentare grafic ca i n meniul de
reprezentare cu bare, doar c avem la dispoziie mai puine opiuni.
Pentru exemplul nostru vom alege graficul SIMPLE i opiunea SUMMARIES FOR
GROUPS OF CASES.

Dup ce apsm butonul DEFINE activm fereastra urmtoare:

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

Graficul rezultat arat astfel:

4
1
3 2

43
 Cinci sunt elementele graficului care trebuie s ne atrag atenia:

(1) - linia ngroat din interiorul cutiei" reprezint mediana, deci tendina central.
Dac ea este mai apropiat de marginea de jos, atunci distribuia este
nclinat spre stnga (predomin valorile mici si sunt puine cazuri cu
valori mari, dar extreme), dac e mai apropiat de marginea superioar,
atunci distribuia este nclinat spre dreapta.

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

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

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

Exerciii:
Realizai reprezentarea grafic similar, cu toate tipurile de
grafice si pentru variabila SALARY, care arat salariul curent al
subiecilor
Comentai n special graficul box-plot.

44
 STATISTICA DESCRIPTIV (2)
- sau cum s mai dm un neles datelor brute

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

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

45
 Am vzut n capitolul anterior c pentru a descrie complet o distribuie trebuie s
cunoatem nu numai tendina central (de obicei media), ci si gradul de mprtiere a
scorurilor n jurul acestei valori. Necesitatea cunoaterii ambelor valori rezid n faptul c n
tiinele sociale avem de-a face cu mrimi variabile, ca urmare trebuie s lum n
consideraie i variabilitatea, nu numai valoarea medie.

Notele z i funciile lor

Dup ce au descoperit formula de calcul a variantei i a deviaiei standard, statisticienii au

simit nevoia calculrii unei mrimi care s sintetizeze att tendina central, ct i
variabilitatea i care s, descrie scorurile unei distribuii din ambele perspective simultan.
Aceast nevoie a aprut astfel din necesitatea de a putea compara un scor cu o distribuie (de
a estima de fapt poziia scorului n raport cu celelalte) i din trebuina de a compara dou
distribuii diferite.

Estimarea unui scor n cadrul unei distribuii

Caz:
Gic este psihoterapeut. El este specializat n tratarea depresiei. La
o bere, el i povestete unui coleg c ultimul su pacient s-a vindecat
n 5 edine de terapie. "Avea depresie grav sau uoar?" ntreab
colegul. Gic d s rspund, dar i d seama c pentru a fi sigur
de rspuns ar avea nevoie de statistic. Scoate un carneel n care
avea notai ultimii si pacieni i constat c ei s-au vindecat n
medie n 8 edine. E suficient media pentru a stabili c pacientul
care s-a vindecat n 5 edine avea o depresie uoar?

Din moment ce deviaia standard i media ne spun care sunt scorurile tipice sau medii,
putem s stabilim dac un nou scor se abate de la distribuia noastr ntr-un sens mai mic
dect limita minim de variaie (m-SD) sau n altul mai mare dect limita maxim (m+SD).
n cazul lui Gic, cunoaterea mediei nu e suficient pentru a stabili c 5 edine sunt
anormal de puine pentru pacienii si, deci c acest ultim pacient avea o depresie uoar.
Pentru a stabili acest fapt avem nevoie i de deviaia standard.
Calculai singuri media i deviaia standard cunoscnd c distribuia scorurilor pentru
ultimii 10 pacieni ai lui Gic este cea de mai jos:
4, 12, 8, 8, 8, 9, 9, 6, 12, 4
Calculele arat c media este 8, iar deviaia standard este 2,64. Refcnd schema, vedem
c scorurile tipice sunt cuprinse n intervalul 5,32 i 10,64.

46
 Rotunjind valorile la numere ntregi, aceasta nseamn c n mod obinuit, pacienii lui
Gic au nevoie de 6-10 edine pentru a se trata de depresie. Din moment ce intervalul 6-10
este considerat tipic, atunci ceea ce este n afara acestuia vor fi scoruri considerate atipice.
Astfel, cei care se trateaz de depresie n mai puin de 6 edine vor fi pacienii cu depresie
uoar, iar cei care se vindec n mai mult de 10 edine pot fi considerai ca avnd o
depresie grav. Acum, avem i rspunsul la cazul nostru: pacientul care s-a vindecat n 5
edine a avut ntr-adevr o depresie uoar. Dar dac el s-ar fi vindecat n 6 sau chiar 7
edine, el era cu depresie normal, ntruct scorul su s-ar fi ncadrat n intervalul tipic de
variaie. Este la fel cum punga de cafea de 96 grame este normal pentru intervalul de
variaie 100 5, abia una de 94 de grame abtndu-se de la standard.
Vedei aadar c n statistic, unde lucrm cu variabile, nu totdeauna un numr poate fi
considerat "mai mic" sau "mai mare" dect altul (n general dect media). Este necesar s
inem cont i de variabilitate. Situaia seamn cu aceea a cunoaterii intervalului de variaie
a adncimii unui ru. Acesta nu are mereu aceeai adncime; uneori este mai adnc, alteori
este mai puin adnc. Pe noi ne intereseaz care sunt fluctuaiile normale pentru a ti dac
mai putem naviga pe el ori dac va fi secet (limita minim a adncimii), precum i dac nu
cumva se anun vreo inundaie (limita maxim a adncimii, dincolo de care apele se
revars). La fel este cazul i cu variabilele n statistic. Ne intereseaz nu doar media
(adncimea medie a rului), ci si deviaia standard pentru a putea vedea limitele de variaie
tipic.

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

xm
Z= (4)
SD

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

47
 nlocuind datele n formula (4) constatm c mediei i corespunde mereu (oricare ar fi ea si
orice am msura) scorul standard Z = 0. Similar, limitei minime de variaie tipic i
corespunde scorul standard Z = -1 , iar limitei maxime de variaie normal i corespunde
nota standard Z = +1.
Acum putem stabili nite reguli simple, care ne permit s stabilim imediat ce fel de scor
este x n raport cu o distribuie la care cunoatem media (m) i abaterea sau deviaia standard
(SD) pe baza calculrii scorului Z corespunztor lui:
un scor x va ficonsiderat "mic"n raport cu o distribuie la care cunoatem
media i deviaia standard, dac scorul su Z va fi mai mic dect -1;
un scor x va fi considerat "mediu" n raport cu o distribuie la care cunoatem
media si deviaia standard, dac scorul su Z va fi cuprins n intervalul [-l, +11].
un scor x va fi considerat "mare" n raport cu o distribuie la care cunoatem
media si deviaia standard, dac scorul su Z va fi mai mare dect +1.

Din regulile de mai sus deducem prima funcie pe care o joac scorurile Z: aceea de a
compara un scor cu o distribuie la care cunoatem parametrii (media si deviaia standard),
cu alte cuvinte de a preciza dac un scor este mic, mediu sau mare.
Interesant este de tiut c notele Z arat nu numai poziia unui scor fa de o distribuie, dar
i de cte ori acel scor este mai mare sau mai mic dect media (innd cont i de
variabilitate).
Spre exemplu, dac scorurile la un test de inteligen ntr-o populaia sunt descrise de
media m=100 i deviaia standard SD=15, o persoan considerat "de dou ori mai detept
ca ceilali" nu va avea un coeficient de inteligen de 200, cum am fi tentai s credem la
prima vedere (inteligena nu e o constant, nu?), ci doar unul de 130 (Z = +2; adic el se
abate de la medie cu dou deviaii standard n plus).

Compararea a dou distribuii diferite

Dar notele Z mai au o funcie: aceea de a compara scorurile aceleiai persoane obinute la
probe diferite.

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

S presupunem c la testul WISC, copii de vrsta subiectului investigat n exemplul de mai

sus obin n general media ml=60 cu o deviaie standard de SD1=14. Copilul investigat de
psiholog obine la aceast prob scorul x l =81. Dac transformm acest scor n not
standard, conform formulei (4), obinem nota Z 1=1,5. Ea ne spune c, comparativ cu ceilali
48
copii, copilul nostru este de 1,5 ori mai inteligent. Deci problema mizat de educatoare nu se
gsete la nivelul inteligenei.
La proba de interaciuni sociale s presupunem c distribuia scorurilor n populaia de
copii precolari are urmtorii parametri: m2 = 16 si SD2 = 4, care arat numrul de iniiative
ntr-o or dejoac cu ali copii. Aplicnd proba copilului investigat obinem scorul x2 = 8.
Exprimnd acest scor brut n scor standard obinem valoarea 72=-2. Deci, din punct de
vedere al interaciunilor sociale, copilul nostru este de dou ori mai timid, mai puin sociabil.
ntruct notele Z arat raporturi si sunt adimensionale (ele nu depind de ceea ce msurm),
putem s calculm un scor Z total, al celor dou probe. Astfel Z=Z1+Z2 ne ofer valoarea
Z=-0,5. Acest scor standard fiind unul mediu (cuprins n intervalul -1/+1) ne permite s
afirmm c subiectul investigat este normal pe ansamblu si nu necesit o educaie special.
Cauza problemelor sale sociale poate fi n cadrul familiei sau poate c st n
marginalizarea sa de ctre educatoare.

Corelaia

Cunoatei c a doua funcie a scorurilor Z este de a compara scorurile obinute de aceeai

persoan la probe diferite (v mai amintii de exemplul cu copilul considerat handicapat de
educatoare?). S vedem cum putem s ne folosim de aceast funcie pentru a studia relaia
dintre dou variabile.

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

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

Observai c numerele din cele dou coloane, nu numai c sunt diferite ca ordin de mrime
(prima coloan nu depete valoarea 20, iar a doua are aproape toate scorurile mai mari de
aceast valoare), dar ele msoar n plus lucruri diferite. Cum am putea atunci s le asociem?
Cel mai bine ar fi dac am transforma aceste scoruri brute (x1 i x2) n note Z (Zii Z2).
Atunci, fiecare not Z ar arta poziia scorului n cadrul distribuiei din care face parte i
putem apoi compara poziia scorurilor (adic s vedem, spre exemplu, dac scorurile "mici"
49
de la o variabil sunt asociate scorurilor "mici" la cealalt variabil, iar scorurile "mari" -
celor "mari").

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

X1 X2 X1-m1 X2-m2 (X1-m1)2 (X2-m2)2 Z1 Z2

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

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

Urmrii cu atenie si comparai ultimele dou coloane ale tabelului. Ce fel de scoruri avem
n ele. Conform semnificaiei scorurilor Z putem s "reformulm" ultimele dou coloane
astfel:

Z1 Z2 Semnificaia lui Semnificaia lui

Z1 Z2
0 - 0,31 Scor mediu Scor mediu
+0,50 +8,83 Scor mediu Scor mediu
- 0,75 - 1,04 Scor mediu Scor mic
+1,25 +1,45 Scor mare Scor mare
+0,75 +0,41 Scor mediu Scor mediu
- 1,75 - 1,35 Scor mic Scor mic

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

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

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

r= (Z1* Z 2) (5)
N

n cazul nostru, r=0,94.

Coeficienii de corelaie au valori cuprinse ntre -l (care arat existenta unei legturi
perfect si invers proporional ntre variabile), O (care arat independena total a
variabilelor luate n analiz) i +1 (care arat existena unei legturi perfecte, direct
proporional).
Acum calculai singuri coeficientul de corelaie dintre greutatea (n kg.) si nlimea (n
cm.) colegilor din subgrupa voastr.

Folosirea SPSS: meniul ANALYZE - CORRELATE BIVARIATE

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

51
 QI1 QI2 Sex
109 110 1
101 102 1
104 103 1
106 106 1
112 115 1
115 115 1
116 119 1
109 104 1
115 121 1
121 110 1
120 123 2
113 111 2
102 114 2
104 101 2
106 106 2
104 106 2
108 109 2
106 105 2
106 107 2
124 103 2

Reamintim c datele arat coeficientul de inteligen msurat la perechi de frai (primul

nscut - QI1 si al doilea nscut - QI2) de acelai sex.
Salvai baza de date cu numele corei". Folosii pentru aceasta butonul de salvare sau
comanda SAVE din meniul FILE.
Observai c am codificat sexul subiecilor folosind cifrele l" (pentru feminin") si 2"
(pentru masculin"). Aceste cifre sunt la libera noastr alegere, ele fiind pur si simplu coduri
si fr s aib semnificaia de numr (adic, n acest caz l nu este de dou ori mai mic dect
2, ci pur si simplu un alt cod). La fel de bine puteam s avem 23 si 68, n loc de l si 2.
n programul SPSS, aceast baz de date ar trebui s arate astfel, dup ce definii n
prealabil si numele variabilelor:

52
 n cazul n care avem variabile categoriale sau independente (variabile care arat
categorii de scoruri, cum ar fi sexul subiecilor, mediul de provenien, zilele sptmnii,
categorii de vrst, tipuri de boli, etc.), este indicat s definim aceste categorii pentru a ne
uura munca de analiz a rezultatelor si pentru a nu uita care scoruri corespund fiecrei
valori (n cazul nostru care sunt rezultatele femeilor si care sunt ale brbailor).
Definirea valorilor se face din perspectiva VARIABLE VIEW activat din josul paginii
(revedei primul capitol dac ai uitat cum se face acest lucru). Odat activat perspectiva
VARIABLE VIEW, pe ecran va apare imaginea:

Observai c n dreptul variabilei SEX, pe coloana VALUES avem meniunea NONE.

Aici trebuie s definim noi valorile acestei variabile (adic s asociem codurile l si 2 cu
cele dou sexe). Pentru aceasta executai un click pe coloana VALUES n dreptul
variabilei SEX. Va apare fereastra
de mai jos:

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

53
 Se observ c 1 este un cod care are semnificaia feminin i nu semnificaia sa
obinuit de numr. La fel se procedeaz i pentru cellalt cod, ca n imaginea de mai jos:

Revenii apoi n perspectiva DATA VIEW. Constatai c nu apare nici oschimbare vizibil.
Si totui, dac dorii s vizualizai etichetele alese, activai comanda VALUE LABELS din
meniul VIEW, ca mai jos:

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

54
 S vedem acum cum calculm corelaia cu ajutorul programului SPSS. Toate prelucrrile
statistice se fac, reamintim, din meniul ANALYZE. De aici alegem comanda
CORRELATE, opiunea BIVARIATE (adic corelaia ntre dou variabile), ca n
imaginea urmtoare:

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

1
2

3
4

S analizm puin fereastra:

(1) - este, ca de obicei, cmpul ce prezint variabilele din baza de date
(2) - este cmpul n care introducem variabilele de analizat. Atenie! Putem introduce aici
mai mult de dou variabile, chiar dac metoda se cheam BIVARIATE. Programul va
calcula apoi corelaiile ntre toate variabilele, luate dou cte dou.
(3) - de aici putem selecta tipul corelaiei pe care dorim s-1 folosim. Ele au la baz
diferite formule. Corelaia PEARSON se folosete pentru date parametrice
(rezultate din msurtori ce au la baz scale ordinale, de interval sau de raport). Corelaiile
Kendall si Spearman sunt folosite pentru variabile categoriale, ordinale sau atunci cnd
datele noastre se abat puternic de la distribuia normal.
55
(4) - permite selectarea pragului de semnificaie n funcie de tipul ipotezei de cercetare.
Recomandarea mea este ns s folosii totdeauna pragul bidirecional, TWO-
TAILED, pentru a avea mai mult ncredere n rezultatele astfel obinute.
(5) - bifarea acestei opiuni (care este activ din start) face ca n dreptul corelaiilor ce sunt
semnificative s apar un asterisc (*).

Introducei variabilele pentru analiz, ca n imaginea de mai jos:

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

Observai n imaginea de mai sus c exist dou modaliti de a trata valorile lips (cmpul
MISSING VALUES). Prima opiune (EXCLUDE CASES PAIRWISE) exclude de la
analiz perechile de rezultate pentru care nu avem una din valori, n timp ce a doua opiune
(EXCLUDE CASES LISTWISE) exclude de la analiz un rnd ntreg din baza de date
dac doar una din valori lipsete. De obicei, mai frecvent este prima opiune, cea care si
este activ din start.
Apsai CONTINUE si apoi butonul OK. Programul va deschide automat fereastra
OUTPUT unde v sunt prezentate rezultatele.
56
 S vedem acum n ce mod se citesc si se interpreteaz informaiile de pe ecran, n primul
rnd, observai dispunerea rezultatelor: ele seamn cu datele despre distana dintre orae pe
care le gsim n mod obinuit n agende. Pe rndul orizontal de sus sunt aezate toate
variabilele alese pentru corelaie (aa cum erau scrise oraele ntre care calculam distantele
n agende); pe vertical, de asemenea avem toate variabilele. Corelaia dintre dou variabile
se citete la intersecia numelor lor pe vertical i orizontal (la fel cum citeam distanele).
Desigur, ntre o variabil i ea nsi nu putem avea corelaie (de fapt ea exist, dar are
valoarea l , adic corelaie perfect pozitiv), fapt observat prin absena lui p (despre p vom
discuta ulterior), deci nu vom lua n seam corelaiile de pe aceast diagonal.
Mai observai c ceea ce se gsete n dreapta diagonalei este identic cu ceea ce se afl n
stnga ei (adic corelaia dintre variabilele A i B este aceeai cu cea dintre variabilele B i
A).

Prag de semnificaie
S comentm puin ce este pragul de semnificaie. n statistic, avem nevoie s
generalizm concluziile studiilor, chiar i ale acelora descriptive, cum este corelaia. Astfel,
ne intereseaz s vedem dac relaia gsit de noi (la un grup de oameni) poate fi extins la
ntreaga populaie. Mai precis, ne intereseaz s tim n ce msur rezultatele noastre se
datoreaz ntmplrii i n ce msur - nu. Ei bine, acest p (prescurtare de la procent) ne
arat n ce msur ne nelm atunci cnd afirmm ceva (n cazul corelaiei: c exist o
legtur ntre dou sau mai multe variabile).
n cercetarea tiinific se lucreaz de obicei cu dou praguri de semnificaie,
corespunztoare procentajului de eroare: pragul de 0,01 (1% eroare) i pragul de 0,05 (5%
eroare).Cnd folosim unul sau altul? S lum un exemplu.
Exemplu:
S presupunem c suntei angajat de un mprat despotic ca i prezictor oficial.
mpratul se folosete de "puterile" voastre pentru a-i impresiona supuii, n general,
atunci cnd facem predicii se pot ntmpla patru situaii, conform tabelului de mai
jos:
57
 Evenimentul
Apare Nu apare
Predicia Apare Corect Eroare 1
evenimentului Nu apare Eroare 2 Corect

Observai c sunt dou situaii n care putem s greim:

(I) afirmm c un eveniment se produce cnd n realitate nu se produce;
(II) - afirmm c un eveniment nu se produce atunci cnd el se produce.
Cnd va fi mpratul mai suprat c greim?
R: n situaia (I); atunci el apare prost n ochii supuilor si, mai mult
dect n situaia (II). De altfel, dac suntei ateni, situaia (I) corespunde
cu minciuna, iar situaia (II) - cu ignorana.

i n tiin exist aceste dou situaii n care noi putem grei. Deoarece prima greeal are
consecine mai grave, preferm n cazul acesta pragul de semnificaie de 0,01; dac dorim
ns s avem mai multe anse n a demonstra ceva i consecinele nu sunt aa grave n caz de
greeal, atunci preferm pragul de eroare de 5%, deci un p=0,05
n concluzie, vom considera un test statistic ca fiind semnificativ dac pragul de
semnificaie este mai mic sau egal cu valoarea 0,05.

Interpretarea corelaiei

Revenind la exemplul nostru (rezultatele, aa cum sunt ele prezentate n SPSS) s vedem
acum cum anume se interpreteaz corelaia, cunoscnd si felul n care se interpreteaz pragul
de semnificaie.
Cele trei numere prezentate de computer la intersecia dintre numele variabilelor sunt, n
ordine de sus n jos: coeficientul de corelaie (n exemplul nostru r=0,50), pragul de
semnificaie (n exemplul nostru p=0,02) si numrul de subieci (n exemplul nostru,
numrul 20).
Trei sunt elementele ce conteaz n interpretarea corelaiei:
pragul de semnificaie: dac este mai mic de 0,05, atunci putem considera c exist o
relaie ntre variabilele studiate; n cazul nostru putem spune c exist o legtur ntre
coeficientul de inteligent al primului nscut si al celui de-al doilea nscut de acelai sex.
Reamintim c pragul de semnificaie arat probabilitatea de a grei atunci cnd afirmm c
ntre variabile ar fi o legtur. Deci el trebuie s fie ct mai mic pentru a putea face aceast
afirmaie.
semnul corelaiei: arat natura legturii care exist: direct proporional, dac semnul este
pozitiv sau invers proporional cnd semnul este negativ, n cazul nostru, semnul este
pozitiv, deci legtura este direct proporional sau, dac interpretm folosind cuvintele: dac
primul nscut are un coeficient de inteligen ridicat, atunci exist tendina ca si al doilea s
aib un coeficient similar,
mrimea absolut a coeficientului: descrie tria legturii ce exist ntre variabile; se
consider astfel c legtura este slab dac valoarea absolut a lui r nu depete 0,30;
58
legtura este de trie medie la o valoare cuprins ntre 0,30-0,50 si vorbim de legturi
puternice dac mrimea absolut este mai mare de 0,50. n exemplul nostru, tria legturii
este medie, pentru c nu depete cu mult valoarea de 0,50.

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

OBS: Ai observat c n interpretare am folosit cuvntul "exist tendina". De ce? Pentru

c relaia descoperit nu este ntlnit exact, n toate cazurile (nu uitai c noi lucrm cu
variabile, fenomene sociale care sunt influenate de mai muli factori), ci este vorba de o
relaie probabilistic.

i arunci, n ce msur gsim relaia n realitate?

Coeficientul de corelaie ridicat la ptrat ne indic proporia de variant explicat de relaia

gsit, mai precis ce procentaj din populaia general prezint exact relaia, n cazul nostru,
se observ c abia 25% din variaia observat n populaie o ntlnim n realitate, deci relaia
gsit este prezent exact n acest mod (direct proporional) la 25% dintre frai.

Folosirea SPSS: meniul DATA - SELECT CASES

Uneori ne este util s selectm anumite cazuri din populaie pentru a face o prelucrare
statistic. Spre exemplu, credei c acelai coeficient de corelaie l vom gsi n egal msur
si la femeile si la brbaii din studiul nostru? Nu, desigur. Spre exemplu, dac la o petrecere
25% dintre participani se mbat (astfel c toat lumea a avut impresia c "s-a but, nu
glum!"), iar petrecerea a avut loc n trei camere, vom gsi n fiecare din acele trei camere
exact 25% de persoane n stare de ebrietate? Nu se poate ti. Este posibil, dar la fel de bine,
cei bei se puteau gsi doar ntre-o singur camer, nu-i aa?
La fel i n exemplul nostru. Suntem interesai s vedem dac relaia dintre coeficienii de
inteligen a celor doi frai o gsim, s zicem, la subiecii de sex feminin?
Pentru aceasta vom folosi comanda SELECT CASES din meniul DATA, ca n imaginea
urmtoare (atenie!, pentru a avea meniul DATA activ, trebuie s revenii la perspectiva
DATA VIEW. Facei click pe numele fiierului din bara de sarcini situat la baza ecranului,
cea care are butonul START n stnga sau activai numele fiierului din meniul
WINDOWS).

59
Odat activat acest comand deschide fereastra:

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

Aici, selectm variabila SEX, o trecem n cmpul din dreapta cu ajutorul sgeii si
adugm condiia SEX-1 (de la tastatur sau folosind butoanele din mijlocul ferestrei).
Observai c putem scrie aici condiii mult mai complicate si putem folosi pentru aceasta
diferite funcii (precizate n cmpul FUNCTIONS din partea dreapt-jos a ferestrei). Apsam
apoi butonul CONTINUE, apoi pe OK si observai ce se ntmpl n fereastra SELECT
CASES:

60
 n dreptul butonului IF a aprut condiia specificat de noi. Atenie! Avei grij ca n
partea de jos a ferestrei n cmpul UNSELECTED CASES ARE s fie marcat opiunea
FILTERED si nu DELETED, altfel programul va terge datele neselectate!
Apsai butonul OK si observai ce se ntmpl n baza de date:

Vedei c apare o nou variabil la sfrit, intitulat FILTER_$, dup care se realizeaz
selecia. Mai observai c pe margine apar cazurile neselectate ca fiind "tiate", adic ele vor
fi ignorate de la analiz, iar n partea din dreapta-jos a ecranului apare anunul FILTER ON,
care v informeaz c selecia dup variabila filtru este activ.
Atenie! Muli se ateapt ca odat datele selectate computerul s efectueze i analiza
statistic dorit. Nu este aa! Selectarea datelor nu implic si efectuarea analizei statistice!
De aceea, dup ce ai selectat, facei din nou prelucrarea, n cazul nostru corelaia. Pentru
aceasta repetai paii efectuai anterior; adic activai comanda ANALYZE-CORRELATE-
BIVARIATE. Observai c variabilele se gsesc deja n rmpul pentru analiz. Ele au rmas
aa de la prelucrarea anterioar, aa c nu rmne dect s apsai butonul OK i va apare
rezultatul:

61
 Interpretai singuri rezultatul astfel obinut, respectnd cele trei elemente ale interpretrii,
n ce proporie relaia gsit o ntlnim n realitate la femei?

Dup ce folosii acest "filtru" n prelucrarea statistic, este indicat s l dezactivai imediat
pentru a nu-1 uita activ pentru alte prelucrri la care nu avei nevoie de o analiz, doar pentru
femei. Pentru dezactivarea seleciei, mergei din nou n meniul iniial DATA-SELECT
CASES si n fereastra respectiv, n partea de jos, gsii un buton denumit RESET (atenie!
nu e butonul cu care resetai calculatorul). Apsai-1 si indicaia FILTER ON din dreapta-
jos trebuie s dispar, la fel si tieturile" din partea stng a bazei de date, ceea ce indic
faptul c acum analizm toate cazurile.

Folosirea SPSS: meniul DATA - SPLIT FILE

Uneori ns dorim s vedem ce se ntmpl pentru fiecare subgrup de subieci n parte; n

cazul nostru, de exemplu, dorim s tim ce se ntmpl cu relaia gsit de noi n general nu
numai la femei, ci si la brbai.
Pentru a nu repeta comanda SELECT CASES de multe ori (imaginai-v ce ar fi dac am
avea o variabil de grupare legat de zilele sptmnii: ar trebui s repetm comanda
SELECT CASES de 7 ori) vom apela la o alt comand din meniul DATA (dup ce am
revenit n prealabil n perspectiva DATA VIE W), anume SPLIT FILE, pe care o activm
ca n imaginea urmtoare:

62
 Odat activat, comanda SPLIT FILE deschide o fereastr precum cea de mai jos, de unde
putem alege opiunea noastr:

Dintre opiunile din dreapta alegem ORGANIZE OUTPUT BY GROUPS si apoi, cu

ajutorul sgeii, introducem variabila de grupare (SEX, n cazul nostru) n cmpul GROUPS
BASED ON. Dup ce apsai OK. n partea dreapt-jos apare anunul SPLIT FILE ON,
care v informeaz c baza de date este deja mprit dup condiiile variabilei de grupare,
ca n imaginea de mai jos:

La fel ca si n cazul comenzii SELECT CASES, simpla mprire a bazei de date nu v

asigur si prelucrarea statistic. De aceea, trebuie s facei din nou corelaia dup ce ai
mprit baza de date, pentru a vedea care este situaia n grupul de femei i n cel de brbai.
Pe ecran va apare OUTPUT-ul:

63
 Interpretai rezultatele astfel obinute! Observai c relaia gsit iniial apare doar pentru
subiecii de sex feminin i nu pentru cei de sex masculin! Cum putei interpreta aceste
rezultate? Ce ai putea spune unor prini care v-ar ruga s precizai cum va fi al doilea
nscut al lor (mai inteligent sau mai puin inteligent), dac primul lor nscut este foarte
inteligent, precoce chiar?

Folosirea SPSS: meniul GRAPHS SCATTER

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

De aici trebuie s selectm tipul graficului pe care dorim s-1 facem, n cazul nostru dorim
un grafic simplu, car s arate relaia dintre dou variabile. Observai c opiunea SIMPLE
este deja selectat (conturul mai gros din jurul opiunii).

Apsm apoi butonul DEFINE, care deschide urmtoarea fereastr:

64
Cele dou variabile se introduc n cmpul cu cele dou axe (nu conteaz prea mult care
variabil se introduce pe care ax) i apoi se apas OK. nainte de asta ns dezactivai
comanda DISPLAY GROUPS DEFINED BY MISSING VALUES din butonul
OPTIONS a crui fereastr este prezentat mai jos:

65
Graficul va apare astfel:

Graficul corelaiei este un nor de puncte cresctor (de la stnga-jos spre dreapta-sus) dac
relaia este pozitiv sau direct proporional. Dac relaia ar fi fost invers proporional,
norul ar fi fost orientat descresctor (din stnga-sus spre dreapta-jos). n cazul n care nu ar fi
nici o relaie, punctele ar fi fost distribuite uniform pe grafic.

66
 ELEMENTE DE STATISTIC INFERENTIAL
- sau cum s vedem dac BOABELE DE FASOLE sunt fierte -

CUPRINS:
Distribuia normal
- Etapele testrii unei ipoteze. Testul Z pentru a compara un caz cu o
populaie cunoscut
- Testul Z pentru a compara un eantion cu o populaie cunoscut
- Testul t pentru a compara un eantion cu o populaie la care tim doar
media
- Folosirea SPSS: meniul ANALYZE - COMPARE MEANS '- ONE-
SAMPLE T-TEST
- Folosirea SPSS: meniul TRANSFORME - RECODE

Cnd nu amestecm bine legumele din oal

Anul 1948 a fost un an nefast pentru cele mai mari trei institute de sondare a opiniei
publice n Statele Unite: Gallup, Crossley i Roper. Toate trei au prezis victoria n
alegerile prezideniale a a republicanului Dewey fa de Truman, democratul.
Rezultatul a infirmat toate prezicerile: Truman a ctigat alegerile, victoria sa punnd
sub semnul ntrebrii modalitatea de eantionare folosit.
Ce se ntmplase de fapt? Pn atunci, institutele de sondare a opiniei publice foloseau
o metod de eantionare pe cote". Fiecrui operator de teren i se aloca un numr fix
de interviuri pe care trebuia s-1 realizeze i i se ddea libertatea s aleag persoanele
intervievate, cu condiia s respecte anumite categorii sociale (vrst, sex, status
economic, ras, etc.). Nimeni nu a realizat atunci c republicanii aveau anse mai mari
dect democraii s fie alei n interviurilor pentru c ei erau mai uor de gsit; aveau
telefon mai frecvent dect democraii, triau n case mai bune, etc.). Acest fapt a
distorsionat rezultatele sondajelor din 1948 n ciuda faptului c au fost folosii zeci de
mii de subieci (e\. Gallup a intervievat 50.000 persoane).
De atunci, sondajele nu au mai greit att de grosolan, chiar dac eantioanele folosite
de institute nu depesc de regul cteva mii de persoane. Spre exemplu, eantionul
reprezentativ folosit astzi de institutul Gallup numr aproximativ 4100 persoane,
eantion reprezentativ pentru cele 300 milioane de americani. Metoda de eantionare
folosit azi este probabilistic i pornete de la principiul c fiecare cetean cu drept
de vot trebuie s aib aceeai probabilitate de a fi selectat pentru interviu. Astfel,
erorile n predicie nu vor fi mai mari de 3%.
Metoda iniial folosit pn n 1948 era ca i cum, dorind s vedem dac
legumele din oal sunt fierte, nu am amesteca bine coninutul i le-am lua n
lingur doar pe cele mai fierte sau mai puin fierte.

67
Distribuia normal

Lumea n care trim nu este constant, ci mai degrab variabil. Cu toate acestea ea nu este
haotic. Deci variabilitatea de care vorbeam urmeaz totui nite reguli care pot fi modelate
matematic. S lum un exemplu. S presupunem c aruncai o greutate de mai multe ori i
msurai distana la care o aruncai. Desigur c aceasta va varia; cteodat vei arunca mai
departe, alteori - mai aproape. Fcnd msurtorile, vei observa o distane medie la care ai
aruncat mai des, dar i abateri de la ea. Mai mult, dac ar fi s desenm un poligon al
frecvenelor, care s arat de cte ori am aruncat greutatea la o anume distan am observa c
el ar avea forma unui clopot rsturnat (numit adesea distribuie gaussian) precum n
imaginea de mai jos.

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

Unele caracteristici ale curbei normale

Atunci cnd am menionat prima dat poligoanele de frecven care arat distribuia
rezultatelor, am precizat c exist trei parametri, trei caracteristici prin care este descris
orice distribuie, pe care i reamintim n continuare:
modalitatea - este un aspect important al distribuiei care arat cte "vrfuri" are o
distribuie. Cu alte cuvinte, arat cte valori sunt n jurul crora se grupeaz foarte muli
subieci. Din acest punct se vedere, distribuiile pot fi unimodale, adic au un singur vrf,
sau ele pot fi multimodale, adic au mai multe vrfuri.
nclinarea - este un aspect al distribuiei care arat dac scorurile subiecilor testai au
tendina de a fi mai mari sau mai mici. Spre exemplu, notele colare au o distribuie
nclinat spre dreapta, adic elevii au tendina de a lua mai mult note mari dect note mici.
Atunci cnd nclinarea curbei este spre dreapta, spunem c avem o distribuie nclinat
pozitiv. Atunci cnd distribuia este nclinat spre stnga, spunem c aceasta este negativ.
Dac nu se observ nici o tendin de nclinare, atunci distribuia este simetric.
68
 turtirea- este un aspect ce se refer la faptul dac o distribuie este foarte turtit (adic
scorurile din cadrul ei variaz foarte mult) sau este mai ascuit (adic scorurile variaz
foarte puin).
Din perspectiva celor trei parametri, curba normal este unimodal, simetric si mediu
turtit.
n plus, curba normal mai posed anumite proprieti speciale. Astfel, maticienii au pus la
punct formule care permit calcularea diferitelor suprafee ale curbei, iar acestea sunt foarte
importante pentru statisticieni.
Pentru a nelege mai uor despre ce este vorba, s lum drept exemplu distribuirea
rezultatelor la un test de inteligen. Aceste teste sunt construite astfel nct la aplicaii
repetate, pe multe persoane, distribuia rezultatelor s fie normal, n plus, ele sunt astfel
construite ca media rezultatelor s fie 100, iar abaterea sau deviaia standard s fie de 16
puncte. S analizm puin aceast distribuie, care e prezentat n imaginea urmtoare:

Scoruri brute 68 84 100 116 132

Scoruri Z -2 -1 0 +1 +1

distribuirea normal a rezultatelor obinute la un test de inteligen

ntruct distribuia normal este simetric, exact 50% din cazuri vor avea scoruri sub
valoarea medie (scorul 100); mai mult, aproximativ 34% din cazuri se vor afla ntre medie si
o abatere standard la stnga sau la dreapta. De altfel, dac urmrii cu atenie forma curbei
normale vei constata prezena unor puncte de inflexiune", adic puncte n care linia curb
i modific forma (mai precis, tangenta la curb trece din exterior spre interior sau invers).
Ei bine, aceste puncte corespund tocmai deviaiilor standard.
Dar la ce ne folosete cunoaterea acestor procentaje? In exemplul cu testul de inteligen
cunoscnd c rezultatele se distribuie normal vom ti c 34% dintre oameni au scorul cuprins
ntre medie (100) i o deviaie standard deasupra sau dedesubtul acestei valori. tiind c
deviaia standard e 16 tim astfel c 34% dintre indivizi vor avea scorul cuprins ntre 100 i
116 (cei cu IQ situat deasupra mediei) sau ntre 84 i 100 (cei cu IQ situat dedesubtul
mediei). Observai de asemenea c si mai puine cazuri sunt mai deprtate de medie; mai
precis, abia 16% din cazuri vor avea scoruri mai mici sau mai mari de o deviaie standard.
Cu alte cuvinte, numai 16% dintre oameni au coeficientul de inteligen mai sczut de 84 sau
mai ridicat de 116. Mai mult, doar aproximativ 2% dintre indivizi vor avea scoruri i mai
69
extreme, mai mici sau mai mari dect dou deviaii standard fa de medie (adic sub 68 sau
peste 132).
Observai astfel c exist o strns legtur ntre scorurile standard (notele z) i diferite
procentaje sau frecvene relative. Cunoscnd nota z a unui subiect i tiind c rezultatele la
prob se distribuie normal, putem cunoate cu precizie ci indivizi din populaie au scoruri
mai mici sau mai mari dect al subiectului investigat.
Orice manual de statistic are la sfrit un tabel care permite calcularea acestor procentaje
cu precizie, n acel tabel, pentru fiecare not z, este precizat un procent, care arat ci
subieci au scorurile cuprinse ntre medie si nota z cutat de noi.
S lum un exemplu. S presupunem c o persoan obine la testul de inteligen scorul
125. tiind c media la test este 100 i deviaia standard 16, putem calcula uor nota z a
acestui subiect care este 1,56 - din formula: (l25-100)716 (dac ai uitat formula de calcul a
notelor z i semnificaia lor, re vedei capitolele anterioare). Dac vom consulta unul din
tabelele de care aminteam anterior, vom vedea n dreptul lui 1,56 valoarea 44,06%. Aceasta
nseamn c de la medie (100) i pn la scorul nostru (125) sunt 44,06% dintre subieci.
Aceasta arat c doar 5,94% dintre indivizi vor avea scoruri mai mari (50%-44,06%) i
94,06% (50%+44,06%) vor avea scoruri mai mici dect subiectul ales de noi.

Populaie si eantion. Logica inferenei statistice.

V vom introduce acum n domeniul inferenei statistice pornind de la exemplul cu fiertul

boabelor de fasole. S presupunem c fierbem fasole; la un moment dat luai cteva boabe
ntr-o lingur i vedei dac ele sunt fierte, trgnd apoi concluzii despre cum sunt fierte
toate fasolele din oal. n acest exemplu, fasolele din oal reprezint populaia (ntregul set
de obiecte sau lucruri care ne intereseaz), iar cele din lingur - eantionul (un subset la care
avem de fapt acces), n ce msur ns suntei sigur c i restul oalei de fasole are aceleai
caliti ca si boabele pe care le gustai?
Pentru a vedea cum se realizeaz inferena statistic, vom lua cel mai simplu exemplu,
testul z pentru a compara un singur caz cu o populaie a cror parametri sunt cunoscui.
Exemplul are la baz urmtoarea istorioar (adaptat dup Aron & Aron,1995):

Un grup de farmaciti au sintetizat o vitamin care se presupune c accelereaz

procesele de asimilaie la copii nou-nscui, astfel c acetia vor cunoate o
dezvoltare mai rapid. Unul dintre efecte este scderea vrstei la care copii
ncep s mearg. Farmacitii au dorit s omologheze vitamina, dar Ministerul
Sntii din Statele Unite le-a cerut s demonstreze c ntr-adevr vitamina-lor
accelereaz mersul copiilor. Pentru aceasta farmacitilor li s-a dat voie s o
administreze numai unui singur copil nou-nscut, ales aleatoriu din populaie.
Copilul respectiv, dup administrarea vitaminei a mers la vrsta de 8 luni. Pot
farmacitii s susin c vrsta precoce la care a mers copilul se datoreaz
vitaminei lor tiind c vrsta la care merg copii prima dat, n populaia normal
este de 14 luni, cu o abatere standard de 3 luni? n ce msur se poate afirma c
efectul obinut se datoreaz vitaminei i nu altor factori?

Pentru a rspunde cu dovezi statistice la o astfel de ntrebare, trebuie s facem apel la

distribuia normal a variabilei alese n cadrul populaiei si s respectm anumite etape n
70
raionamentul nostru.
Prezentm n continuare curba normal corespunztoare vrstei de debut al mersului la
copiii din populaia normal.

8 luni 11 luni 14 luni 17 luni 20 luni

Scoruri Z -2 -1 0 +1 +2

distribuia normal a vrstei de debut a mersului la copil

n primul rnd, trebuie s vedem care e semnificaia procentajelor prezentate pe curba

normal.
Pe de o parte, ele arat - aa cum precizam anterior - ci subieci din populaii normal au
scoruri cuprinse ntre anumite valori. De exemplu, n cazul de fat, 34
dintre copii ncep s mearg ntre 11 si 14 luni (de la medie la o abatere standard spre
stnga), sau 16% (14%+2%) dintre copii merg dup vrsta de 17 luni (scoruri situate peste
valoarea unei abateri standard).
Pe de alt parte, aceste procentaje pot fi privite si ca prob abiliti. De exemplu care este
probabilitatea ca, alegnd un copil la ntmplare, el s mearg ntre 11 si 14 luni? Rspunsul
este 34% (adic procentul de copii care merg n mod normal ntre aceste vrste). Sau: care
este probabilitatea ca un copil ales la ntmplare s mearg mai ra de 17 luni? Rspunsul
este: 16%. Observai c am subliniat faptul c acel copil trebuie ales la ntmplare (ceea ce
nseamn c el nu e supus unor condiii speciale de cretere L altfel aceste procente nu pot fi
considerate drept probabiliti.
S revenim la exemplul nostru cu farmacitii. Reamintim c dup ce copilul, ala la
ntmplare, a luat vitaminele el a mers la vrsta de 8 luni. S vedem acum, care este
probabilitatea ca n condiii normale fr vitamine - un copil s mearg la 8 luni sau mai
devreme de aceast vrst? Observai c vrsta de 8 luni corespunde pe curba normal unui
scor z = -2 si c doar 2% dintre copii merg nainte de aceast vrst n condiii normale.
Deci, probabilitatea ca un copil, ales la ntmplare din populaie, s mearg fr nici un
ajutor extern, fr nici o condiie special nainte de 8 luni este de 2%. O probabilitate foarte
mic, nu? n exemplul nostru, copilul a mers la 8 luni dup ce a luat vitaminele. Deci putem
respinge argumentul c vitamina nu a avut efect si s acceptm faptul c ea a avut ntr-
71
adevr un efect (probabil c mai trebuie s citii aceast propoziie nc o dat). In ce msur
a avut vitamina efect? In proporie de 98%.
Cum judecm? Dac fr vitamin doar 2% dintre copii mergeau pn la 8
luni,probabilitatea ca acel copil investigat de farmaciti s fac parte dintre aceti copii
precoce era de 2%. Numai atunci ne-am nela n concluzia noastr cnd din ntmplare am
da tocmai peste un astfel de copil precoce. Ar fi ca si cum am dori s testm efectul unei
buturi alcoolice asupra unei persoane care ar fi deja n stare de ebrietate; atunci nu ne-am
mai putea da seama ct din starea sa se datoreaz buturii testate si ct se datoreaz strii
sale iniiale, ntruct n cazul de fa avem 2% anse s dm peste un copil precoce, aceast
valoare arat care este de fapt probabilitatea de eroare. Deci vom avea dreptate n proporie
de 98%.
Acesta este un exemplu despre logica inferenei statistice. Este necesar s-1 aprofundai
pentru a nelege mecanismul care st la baza testrii ipotezelor n tiinele sociale.
Etapele testrii unei ipoteze. Testul Z pentru a compara un caz cu o populaie cunoscut
Vom descrie etapele testrii unei ipoteze folosind exemplul de mai sus, cu vitaminele.
Reamintim c scopul farmacitilor era s demonstreze c prin administrarea vitaminelor,
copiii care le iau vor merge mai devreme dect cei care nu le iau. Sunt cinci etape n
procesul testrii unei ipoteze.

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

O ipotez, n statistic, este o afirmaie despre parametrii unei populaii, pentru c scopul
inferenei statistice este s descrie populaii pornind de la eantioane. Dou sunt ipotezele cu
care lucrm:
ipoteza de cercetare (notat H1): este o afirmaie generalizat la populaia supus
investigrii, n cazul nostru, HI este c vitamina va accelera mersul tuturor copiilor care o
iau sau - cu alte cuvinte - toi copiii care vor lua vitamina vor merge mai devreme dect cei
care nu o vor lua.
ipoteza de nul (notat H0): este de fapt ceea ce noi testm n realitate si descrie situaia
de la care se pornete, situaia n care intervenia nu ar avea nici un efect, n cazul de fa, H0
afirm c vitamina nu va accelera mersul copiilor care o iau, cu alte cuvinte, copiii care iau
vitamina vor merge la fel ca i cei care nu o iau.
Observaii c cele dou ipoteze sunt mutual exclusive: dac una este adevrat, atunci
cealalt este fals. Mai mult, ipoteza de nul se consider implicit adevrat. Inferena
statistic se face cu referire la ea, iar probabilitile statistice (pragurile de semnificaie) care
nsoesc orice test statistic fac referire tocmai la ipoteza de nul.
S facem acum o mic incursiune n logica simbolic (nu dai pagina i nu trecei mai
departe, nu e o chestie prea dificil pentru voi!).
Exist o regul n logic numit modusponens. Vom lua exemplul clasic:

AB Dac cineva este om (A), atunci () el este muritor (B).

A Socrate este om.
B De aceea, Socrate este muritor.

72
 Raionamentul de mai sus este perfect rezonabil, nu? Dar exist o greeal care apare
frecvent n legtur cu acest raionament, eroare numit afirmarea consecinei. Ea este:

AB Dac cineva este om (A), atunci () el este muritor (B)

A Iat ceva ce este muritor.
B De aceea, acel ceva este un om.

Constatai c un astfel de raionament e greit, pentru c acel ceva poate fi orice fiin vie
(ex. un mgar). Dac vom exprima raionamentul de mai sus n termenii celor dou ipoteze
statistice, eroarea va apare astfel:

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

Ceea ce este greit. Dar exist o soluie pentru aceasta pe care tot logica ne-o pune la
ndemn: regula denumit modus tolens.

AB Dac cineva este om (A), atunci () el este muritor (B)

non B Iat ceva ce nu este muritor.
non A De aceea, acel ceva nu este un om.

Aceasta este o interferen valid, care se folosete de disconformare. n termenii

ipotezelor statistice vom avea:

AB Dac H0 este adevrat atunci probabilitatea sau pragul statistic (p) este mare.
non B Probabilitatea nu este mare.( deci p, pragul de semnificaie, este mic).
nonA De aceea H0 este fals.

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

2.- Stabilirea caracteristicilor distribuiei de comparat (cea specificat prin ipoteza de nul)

Dup ce am stabilit ipotezele si populaiile la care fac ele referire, trebuie s ne stabilim
cadrul de referin, distribuia de comparat, ntruct ceea ce testm noi este ipoteza de nul,
evident c distribuia de referin va fi cea a populaiei corespunztoare ipotezei de nul.
n exemplul nostru, ipoteza de nul este aceea c vitamina nu are nici un efect, deci copiii
73
care iau vitamina vor merge la fel de devreme ca si cei care nu o iau. Distribuia la care ne
referim astfel este cea a vrstei de debut a mersului la copiii normali (care nu iau vitamina si
nici nu urmeaz vreun altfel de tratament special), deci avem o distribuie normal, care are
media 14 luni si abaterea standard de 3 luni.
Faptul c tim forma si parametrii distribuiei la care ne referim ne permite s cunoatem
tocmai probabilitile cu care diferite scoruri pot s apar atunci cnd alegem la ntmplare
indivizi din aceast populaie. Pe acest fapt se bazeaz testele statistice.

3.- Determinarea pragului de semnificaie i a zonei de respingere" a ipotezei de nul.

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

8 luni 11 luni 14 luni 17 luni 20 luni

Scoruri Z -2 -1 0 +1 +2

distribuia normal a vrstei de debut a mersului la copil

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

74
4.- Determinarea scorului eantionului analizat n cadrul distribuiei de comparat

n aceast etap colectm datele de la eantionul analizat i localizm scorul astfel obinut
n cadrul distribuiei de comparat.
Revenind la exemplul nostru, farmacitii trebuie s msoare la ce vrst ncepe s mearg
copilul ales pentru cercetare. El merge la 8 luni. ntruct distribuia este normal, iar notele z
folosesc la a stabili poziia unui scor ntr-o distribuie, trebuie s transformm aceast not
brut n not standard, n exemplul nostru, dup cum observai i pe curba normal trasat
anterior, notei 8 i corespunde scorul z = -2.

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

Acum, trebuie luat decizia. Comparm scorul obinut pentru zona de respingere a ipotezei
de nul (z = -2,33) cu cel obinut n cursul cercetrii (z =-2). Pentru a respinge ipoteza de nul
cu o probabilitate de eroare de doar 1%, noi ar fi trebuit s obinem un scor standard mai mic
sau cel mult egal cu z =-2,33. Din datele noastre, observm c scorul obinut este z = -2. n
acest caz, nu putem respinge ipoteza de nul cu o probabilitate de eroare de 1%, deci
farmacitii notri au euat n a demonstra eficacitatea vitaminei lor.

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

Etapa I:
ipoteza de cercetare (notat Hi):toi studenii din C12 petrec mai mult timp la
. discoteca dect cei din universitate, m general.
ipoteza de nul (notat HO): studenii din C12petrec acelai timp la discotec ca i cei din
universitate n general.

Etapa II:
Distribuia de comparat este una normal, care are media 20 ore i abaterea standard de 3
ore.

Etapa III:
Pragul de semnificaie este de 5%, adic dorim s ne argumentm sau susine ipoteza de
cercetare cu o probabilitate de eroare de 5%. Pentru aceasta zona de respingere a ipotezei de
75
nul va ncepe de la z = +1,64 (valoare luat din tabelele cu note z din crile de statistic,
calculate pentru o proporie de 45% de cazuri de la medie). Pe curba normal am
reprezentat zona de respingere printr-un cmp haurat. Deci, ca s respingem ipoteza de nul
cu o probabilitate de 5% trebuie s obinem din datele noastre o not z de
cel puin l ,64 sau mai mult.

14 ore 17 ore 20 ore 23 ore 26 ore

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

xm
Z= (4)
SD

Astfel scorul Z pentru cazul nostru va fi:

24 20
Z= = +1,33 (4)
3

Etapa V:

Comparm acum nota astfel obinut (z=l,33) cu cea corespunztoare zonei de

respingere a ipotezei de nul (z=l,64) si constatm c suntem n afara" acesteia (trebuia s
obinem o not mai mare sau cel puin egal cu z=l,64). Astfel, nu putem respinge
ipoteza de nul, deci nu putem demonstra c cei din C12 sunt mai petrecrei.

Ce s-ar ntmpla ns dac am lua n calcul nu un singur caz, ci un eantion? De ce s nu

ntrebm mai muli studeni din C12 ct timp petrec la discotec? S vedem ce se schimb n
acest caz.
76
Testul Z pentru a compara un eantion cu o populaie cunoscut

Vom utiliza aceeai povestire ca si cea anterioar, doar c vom lua n calcul rezultatele a
10 studeni alei la ntmplare din cminul C12. S presupunem c media celor 10 persoane
este 23, deci cei zece studeni petrec n medie 23 ore la discotec.
Vom folosi tot testul z, doar c vom compara un eantion cu o populaie.

S vedem dac cele cinci etape se schimb cumva.

Etapa I:
ipoteza de cercetare (notat HO:toi studenii din C12 petrec mai mult timp la discotec
dect cei din universitate, n general.
ipoteza de nul (notat H0): studenii din C12 petrec acelai timp la discotec ca si cei din
universitate n general.

Observai c prima etap rmne neschimbat.

Etapa II:
Aici nu mai putem lucra cu aceeai distribuie de comparat. De ce? Pentru c acum noi avem
de comparat rezultatele unui eantion de 10 persoane care se comport ca un grup, cu
rezultatele obinute de studeni, msurai ca indivizi izolai. Ori aa ceva nu este corect. S
presupunem c avem n livad o grmad de mere pe jos, de mai multe soiuri. Lum la
ntmplare o ldi cu mere. Nu putem compara caracteristicile ldiei de mere (s zicem c
avem n lad 80% mere ionatane i 20% - mere parmen auriu) cu cele ale 'grmezii de mere
(mere care sunt fie ionatane, fie parmen auriu). Pentru a le putea compara, ar trebui s
aranjm i merele din grmad n ldie de aceeai dimensiune.
n acelai mod, comportamentul grupului nostru de 10 studeni trebuie comparat cu cel al
altor grupuri similare. Astfel, distribuia noastr va fi o distribuie de eantioane de cte 10
persoane, extrase din populaia de indivizi izolai. Mai precis, noua distribuie va conine
mediile tuturor acestor eantioane, drept pentru care ea mai este denumit distribuie de
medii.
Care vor fi caracteristicile acestei noi distribuii, provenite din cea iniial? Imaginea
urmtoare este sugestiv n acest sens:

20
77
 Mai sus avem reprezentat populaia iniial, format din indivizi, care are o distribuie
normal, cu media 20 ore si abaterea standard de 3 ore. Dac vom extrage din ea toate
eantioanele de 10 persoane (toate combinaiile posibile) si vom calcula media acestor
eantioane, apoi vom reprezenta grafic aceast nou distribuie, vom obine distribuia de mai
jos:

20

Observai c media acestei distribuii de medii este tot 20. Ceea ce se schimb este ns
deviaia sau abaterea standard. De ce? Explicaia este simpl: comportamentul unui grup este
totdeauna mai puin variabil dect comportamentul individual. Exprimat n termeni de
probabilitate, probabilitatea ca ntr-un grup de 10 persoane extras la ntmplare, s avem
cazurile cele mai extreme din populaie (indivizii cei mai petrecrei, de exemplu) este foarte
mic, dat fiind c ei nu sunt aa numeroi n populaia iniial.
Ct va fi abaterea standard a acestei noi distribuii? Matematicienii au calculat acest lucru
pentru noi: dac extragem eantioane de N persoane din populaia iniial, atunci varianta
distribuiei de eantioane va fi de N ori mai mic dect varianta iniial.
Varianta este ptratul deviaiei standard. Deci, varianta distribuiei de medii va fi de 10 ori
mai mic dect varianta distribuiei iniiale (care este 9), deci va avea valoarea 0,90. Dac
varianta distribuiei de medii este 0,90, deviaia sa standard va fi rdcina ptrat a acestei
valori, deci va fi 0,94 (ore).
Acum, avem toate datele pentru a stabili care va fi distribuia de comparat. Ea este o
distribuie normal care are media 20 ore i abaterea standard de 0,94 ore. Deci,
grupurile de cte 10 studeni petrec n medie 20 ore la discotec, cu o abatere standard de
aproape o or.

Etapa III:
Pragul de semnificaie este de 5%, adic dorim s ne argumentm sau susine ipoteza de
cercetare cu o probabilitate de eroare de 5%. Pentru aceasta zona de respingere a ipotezei de
nul va ncepe de la z = +1,64 ca i n exemplul anterior Deci, ca s respingem ipoteza de nul
cu o probabilitate de 5% trebuie s obinem din datele noastre o not z de cel puin 1,64 sau
mai mult. Dar, atenie, aceast zone de respingere este pe distribuia de medii, nu pe cea a
indivizilor izolai!

78
Zona haurat este zona de
respingere.

Etapa IV
Culegem propriu-zis datele. Din exemplul oferit observm c am obinut la ntmplare o
not brut de 23 ore. Vom transforma aceast not brut n not standard, folosind formula
(4) din capitolul anterior.
xm
Z= (4)
SD

Astfel, scorul z pentru cazul nostru va fi:

23 20
Z= = +3,19 (4)
0.94

Atenie! Deviaia standard folosit n formula de mai jos este cea a distribuiei de medii!

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

Testul t pentru a compara un eantion cu o populaie la care tim doar

media

De cele mai multe ori ns, nu cunoatem toi parametrii distribuiei. Folosind exemplul de
mai sus, cel cu studenii i discoteca, s presupunem c citim n ziarul studenesc numai
faptul c n luna martie studenii de la Al.I.Cuza" au petrecut n medie 23 de ore la
discotec, fr ca autorul articolului s precizeze abaterea standard. Ce facem n acest caz?
Noi avem nevoie de abaterea standard pentru a cunoate toi parametrii ce descriu curba
normal. Sunm la redacie, dar aflm c ei nu mai dispun de datele brute. S-ar prea c
suntem ntr-o situaie fr ieire. Dar nu este aa.
Eantionul la care noi avem acces, cei 10 studeni din cminul C12, fac i ei parte din
populaia tuturor studenilor de la Al.I.Cuza", nu? i atunci, probabil c o parte din
caracteristicile acestui eantion, mai ales cele referitoare la varianta sa, se vor regsi i n
populaia iniial, nu? E ca si cum am lua nite boabe de fasole ntr-o lingur si, pe baza
79
calitilor lor, decidem c si cele din oal vor fi similare (la fel de fierte). Desigur c n
populaia iniial variabilitatea este mai mare dect n eantion, la fel cum n oal probabil c
vom gsi boabe mai fierte sau mai puin fierte dect cele din lingur.
S vedem acum care etap se schimb n acest caz. Prezentm mai jos modalitatea de
testare a ipotezei:

Etapa I:

ipoteza de cercetare (notat Hi):toi studenii din C12petrec mai mult timp la discotec
dect cei din universitate, n general.
ipoteza de nul (notat HO): studenii din C12petrec acelai timp la discotec ca si cei din
universitate n general.
Observai c prima etap rmne neschimbat.

Etapa II:

Aici, distribuia de comparat va fi una de medii, nu de indivizi, dup cum am vzut i n

exemplul analizat anterior, cnd cunoteam varianta populaiei iniiale. Aici apare ns
problema estimrii distribuiei iniiale, mai precis a variantei sale. Pentru aceasta avem
nevoie de datele brute ale eantionului nostru.
S presupunem c rezultatele celor 10 studeni din cminul C12 sunt urmtoarele:

X
18
25
23
20
21
28
26
23
25
21

Observai c media lor este aceeai ca si n exemplul anterior, m=23. Cum calculm
varianta?

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

80
 x x-m (x-m)2
18 -5 25
25 +2 4
23 0 0
20 -3 9
21 -2 4
28 +5 25
26 +3 9
23 0 0
25 +2 4
21 -2 4

Ca s putem calcula varianta trebuie s calculm S S (suma ptratelor abaterilor de la

medie), n cazul nostru, adunnd coloana a treia vom obine SS=84. Dac am dori s
calculm varianta din eantion, ar trebui s mprim acest numr la 10 (numrul cazurilor).
Aceast informaie, varianta eantionului, este ceea ce obinem noi n lingur cnd vrem s
vedem dac legumele din oal sunt fierte. Dar v reamintesc c noi trebuie s calculm
varianta populaiei din care a fost extras, deci trebuie s estimm ce se afl n oal. Cum
facem? Nu putem dect s estimm aceast valoare, fr a o putea msura exact. O vom
obine astfel cu probabilitate, iar matematicienii au stabilit c varianta populaiei din care
provine un eantion este cu puin mai mare dect cea a eantionului. Mai exact, n loc s
dividem SS la numrul de cazuri din eantion, pentru a afla varianta populaiei, vom mpri
pe SS la N-l. Formula de calcul a variantei populaiei va fi astfel:
SS
=
N 1

Observai c am folosit litere greceti n loc de litere latine. Convenia n statistic este
aceea ca parametrii populaiei s fie notai cu litere greceti, iar cei ai eantioanelor - cu
litere latine. Deci n loc de m (pentru medie), vom nota media populaiei cu deviaia
standard n loc de SD se noteaz , iar varianta n loc de SD2 se noteaz cu 2.
84
Variana populaiei va fi astfel a = = 9,33 . Deviaia standard n acest populaie va fi

= 2 = 9,33 = 3,05

Populaia astfel estimat, care are media 20 ore si deviaia standard de 3,05 ore va fi
aproximativ normal. Am subliniat cuvntul aproximativ" pentru a reaminti c noi am
estimat varianta acestei populaii, nu am msurat-o. Ca urmare, ea va fi aproximativ
normal; mai precis, ea va fi o distribuie simetric, unimodal, dar mai turtit dect cea
normal. Aceast curb de distribuie este denumit curb t si a fost descris prima dat de
William Gosset, un statistician care i-a spus Student (despre care vei putea citi mai multe
n povestioara de la nceputul capitolului urmtor) si care a inventat testul t. Faptul c este
81
mai turtit dect curba normal permite o ajustare a testrii ipotezei care ine cont de
mrimea eantionului folosit n estimare. Astfel, cu ct vom avea un eantion mai mare de pe
baza cruia estimm populaia, cu att vom avea o curb t mai apropiat de cea normal.
Dar aceasta nu este dect populaia de indivizi, ori noi comparm un eantion cu o
distribuie de eantioane (revedei subcapitolul anterior dac ai uitat de ea). Ca urmare,
trebuie s comparm media eantionului nostru cu o distribuie tot de medii, a unei populaii
de eantioane de zece persoane extrase din populaia individual.
tim, din capitolul antenor, ca aceasta distribuie de eantioane va avea aceeai medie ca
2
si media de indivizi izolai (X = 0), dar o variant de N ori mai mic ( m =
2
).
N
Am folosit indicii m pentru a distinge ntre populaia de indivizi si cea de eantioane
(medii). Astfel, nlocuind n formule, populaia de eantioane va avea media 20 ore i
abaterea standard de 0,96 ore.

n concluzie la aceast mai degrab lung etap a Il-a din testarea ipotezelor, s amintim c
distribuia de comparat este n acest caz o distribuie t, de eantioane, care are media 20 ore
si abaterea standard de 0,96 ore.

Etapa III

n aceast etap ne stabilim pragul de semnificaie (5%) si zona de respingere a ipotezei de

nul. Pn acum am folosit notele z si tabelele corespunztoare de la sfritul crilor de
statistic pentru a determina de la care valoare a lui z vom respinge ipoteza de nul. Dar cum
acum nu mai avem o distribuie normal, va trebui s folosim alte note, notele t, care nu sunt
altceva dect notele standard ale distribuiei t. Fiind note standard, ele vor avea o formul
similar, n cazul nostru:
m m
t=
m

n aceast formul, m reprezint media eantionului nostru de zece studeni (23 ore) m
este media populaiei de eantioane de 10 studeni studeneti de la Al.I.Cuza", iar am este
deviaia standard a populaiei de medii sau a distribuiei de eantioane. Acest din urm
termen mai este numit eroarea standard a mediei.
Ce valoare vom lua n calcul pentru a stabili valoarea lui notei t de la care respingem
ipoteza de nul? Depinde de numrul persoanelor din eantion. S vedem cum arat un astfel
de tabel, pe care orice manual de statistic l are la sfrit. Prezentm mai jos un fragment:

82
 (B)
df .10 .05 .01
1 3.07 6.31 31.82
2 1.88 2.92 6.96
3 1,63 2.35 4.54
4 1.53 2.13 3.74
5 1.47 2.01 3.36
6 1.44 1.94 3.14
(A) 7 1.41 1.89 2.99
8 1.39 1.86 2.89
9 1.38 1.83 2.82
10 1.37 1.81 2.76
11 1.36 1.79 2.71

Dou sunt elementele care ne intereseaz pentru a determina valoarea lui t:

(A)- gradul de libertate, (calculat dup formula df =N-l)Acesta arat numrul de observaii
independente necesare pentru a determina omedie (dac cunoatem N-l scoruri si media, al
al N-lea este determinat de primele, nu mai poate lua orice valoare), n cazul nostru df =9.
(B)- pragul de semnificaie, stabilit de noi anterior la 5%. Valoarea lui t se va gsi astfel n
tabel la intersecia" acestor dou elemente. Constatm c t = l,83, deci zona de respingere a
ipotezei de nul va fi reprezentat descorurile mai mn de aceasta valoare, aa cum este
reprezentat m figura de mai jos (zona haurat):

Etapa IV:

Este etapa culegerii datelor pentru a afla media eantionului nostru (m=23) si a afla poziia
sa n cadrul populaiei de eantioane. Pentru a afla aceast din urm informaie, vom folosi
formula pentru scorurile t (reamintim c lucrm cu o curb t si c notele standard n acest
caz sunt note t):

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

83
Etapa V:

Pe baza notei t calculate n etapa anterioar (3,12) si a notei t care stabilete zona de
respingere a ipotezei de nul (1,83) vom trage concluzia cercetrii noastre, ntruct nota t a
eantionului se gsete n zona de respingere (a se vedea imaginea urmtoare), vom
concluziona c, cu o eroare de 5% putem respinge ipoteza de nul, ceea ce nseamn
acceptarea ipotezei de cercetare cu o aceeai probabilitate de a grei.

3,13

n concluzie, putem afirma cu o eroare de 5% c cei din cminul C12 sunt mai petrecrei
dect studenii de la Universitatea Al.I.Cuza", n general.

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

T-TEST

S vedem acum cum reuim s aplicm testul t pentru a compara un eantion cu o

populaie la care cunoatem doar media folosind programul SPSS. Introducerea teoretic
expus anterior (i pe care nu o vom mai repeta n cele ce urmeaz cu alte metode statistice)
a avut rolul de a v familiariza cu logica testrii oricrei ipoteze.
Prezentm n continuare baza de date cu care vom lucra mai departe si pe care trebuie s o
introducei n programul SPSS (revedei capitolele anterioare dac avei dificulti n
introducerea datelor):

84
 Nota Anx Zi_exam
8 6 1
7 7 1
7 5 1
8 5 1
9 6 1
10 7 1
5 5 1
4 6 1
7 7 1
7 6 1
8 5 1
9 4 1
6 6 1
9 4 1
8 5 1
10 7 2
8 8 2
7 5 2
10 5 2
7 6 2
8 4 2
7 2 2
8 3 2
9 4 2
8 2 2
7 3 2
8 4 2
10 5 2
10 3 2
5 2 2

Este vorba despre o cercetare n care psihologul a msurat gradul de anxietate al unor
studeni la un examen (variabila ANX, msurat pe o scal de la l - deloc anxios, la 9 - foarte
anxios), precum si notele nregistrate de aceti studeni la examen (variabila NOTA).
Psihologul a mai nregistrat si ziua din sptmn n care a avut loc examinarea (variabila
ZI_EXAM, cu valorile l="luni" si 2="miercuri"). Observai c avem 30 de cazuri si nu uitai
s definii valorile l si 2 pentru variabila ZI_EXAM din coloana VALUES, perspectiva
VARIABLE VIE W (aa cum artam n capitolul anterior).
Dup ce a cules datele i le-a introdus n SPSS, psihologul a fost interesat s vad dac cei
30 de studeni au obinut note mai ridicate dect 5. Cu alte cuvinte el dorete s afle dac
studenii investigai se deosebesc fundamental de o populaie studeneasc carear obine
media 5 la materia la care s-a dat examenul, ntruct accesul la o astfel de populaie
85
studeneasc este imposibil, deci nu putem msura ali parametri n afara mediei, trebuie s
estimm variabilitatea sa, deci va trebui s aplicm testul t pentru a compara un eantion cu
o populaie, aa cum am fcut anterior cu cei 10 studeni i timpul petrecut la discotec.
Aplicarea testului t pentru a compara un eantion se face din meniul ANALYZE, activnd
comanda ONE SAMPLE T TEST, ca n imaginea de mai jos:

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

2
1

Fereastra are elemente pe care le cunoatem din exemplele anterioare de folosire a

programului SPSS, dar si elemente noi. Astfel:

(1) - este cmpul cu variabilele prezente n baza de date;

(2) - este cmpul unde vom introduce variabilele pentru analizat (folosind butonul cu
sgeat dintre cele dou cmpuri si selectnd anterior variabila/variabilele cu
ajutorul mouse-ului);
(3) - reprezint valoarea la care testm noi ipoteza de nul, este media populaiei la care ne
referim, cu care facem comparaia eantionului.
86
 Observai un buton cu opiuni (OPTIONS) n partea dreapt-jos a ferestrei. Activat, acest
buton va deschide la rndul su o fereastr precum cea de mai jos:

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

2 3
1

4 5 6 7 8

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

87
S analizm detaliat elementele OUTPUT-ului.
(1) - n aceast celul este prezentat media eantionului nostru, m=7,80;
(2) - deviaia standard a eantionului investigat, SD=1,54, este trecut aici;
(3) - ultima celul a acestui prim tabel cuprinde eroarea standard a mediei, mai precis
deviaia standard a populaiei de eantioane de cte 30 de subieci din care ar proveni un
eantion precum este cel investigat de noi, m =0,28;
(4) - este nota t a eantionului nostru raportat la populaia de eantioane care ar avea media
= 5 (valoarea la care ne raportm) i abaterea standard m = 0,28. Valoarea lui t=9,95
a fost obinut dup formula:
m m 7.80 5
t= = = 9,95
m 0, 28

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

n interpretarea statistic a testului t, oricare ar fi tipul de test ales, elementele pe care ne

bazm interpretarea sunt:
pragul de semnificaie: care este probabilitatea de eroare atunci cnd acceptm ca
adevrat ipoteza noastr de cercetare. Pentru a ne confirma ipoteza de cercetare, pragul de
semnificaie trebuie s fie mai mic sau cel mult egal cu 0,05; eroarea nu trebuie s
depeasc 5%.
gradul de libertate: arat care este mrimea eantionului pe care s-a fcut testarea
ipotezei; cu ct este mai mare, cu att mai mult putem avea ncredere n rezultatele obinute,
indiferent dac ele confirm sau nu ipoteza de cercetare.
sensul diferenei: este dat de valoarea mediilor comparate i arat n ce sens apare
diferena (care medie este mai mare sau mai mic).
n exemplul nostru, diferena dintre medii este obinut n favoarea eantionului nostru.

88
 Valoarea testului - t(29)=9,95 - i a pragului de semnificaie p<0.01, arat c aceast
diferen este semnificativ, deci studenii notri sunt semnificativ diferii de cei care ar avea
media 5 la materia respectiv, deci ei provin dintr-o populaie diferit. Aceast concluzie
poate fi afirmat cu o probabilitate de eroare mai mic de 1%.

Folosirea SPSS: meniul TRANSFORM RECODE

Ceea ce v prezentm n continuare nu se refer propriu-zis la prelucrarea statistic a datelor,

ci la diferite operaii de transformare a variabilelor de care s-ar putea s avem nevoie pe
parcursul analizelor noastre. Transformarea variabilelor nu nseamn modificarea datelor, ci
realizarea unor combinaii valide pe seama variabilelor existente.

Recodificarea ntr-o variabil nou.

Spre exemplu, s presupunem c pentru o analiz ulterioar am dori s mprtim studenii

din cercetarea descris mai sus n dou grupuri: pe de o parte pe cei care au luat 8 sau mai
puin la examen, iar pe de alta pe cei care au luat peste 8. Cum facem?
Va trebui s recodificm variabila NOTA ntr-o nou variabil, s-o notm NOTATIP, iar
pentru aceasta vom folosi comanda RECODE - INTO DIFFERENT VARIABLE din
meniul TRANSFORM.
Prezentm n continuare meniul corespunztor acestei comenzi:

Aceast comand va activa fereastra de mai jos:

1 4

89
S analizm puin aceast fereastr:
(1) - este cmpul ce conine variabilele din baza de date;
(2) - este un buton ce activeaz diferite condiii (similar cu butonul IF descris n capitolul
anterior la comanda SELECT CASES);
(3) - este cmpul n care introducem numele noii variabile pe care dorim s o crem. El se va
activa imediat ce introducem o variabil n cmpul INPUT VARIABLE - OUTPUT
VARIABLE;
(4) - aici stabilim valorile noii variabile prin raportare la valorile vechii variabile. Selectai
acum variabila NOTA, introducei-o n cmpul din dreapta, cu ajutorul butonului cu sgeat
de pe fereastr. Alegei apoi numele noii variabile si apsai butonul CHANGE. Vei
constata astfel schimbarea care se produce, la fel ca n imaginea urmtoare:

Odat ajuni n etapa ilustrat de imaginea de mai sus, apsam butonul OLD AND NEW
VALUES pentru a stabili care sunt valorile pe care dorim s le recodificm in noua
variabil. Apsarea butonului deschide fereastra:
4

5
2

90
S analizm mai amnunit fereastra pentru a vedea cum o vom folosi:
(1) - este opiunea marcat implicit si care permite nlocuirea unei singure valori din vechea
variabil cu una din noua variabil;
(2) - permite nlocuirea unui ntreg interval (la care cunoatem limitele inferioar si
superioar) cu o singur valoare;
(3) - permite nlocuirea unui interval pornind de la valoarea minim pn la o valoare
selectat de noi, inclusiv aceasta din urm, cu o valoare nou;
(4) - permite nlocuirea unui interval pornind de la o valoare selectat, exclusiv, pn la
valoarea maxim cu o valoare nou;
(5) - este butonul folosit pentru a pune n legtur dou valori, una de la vechea variabil cu
una de la variabila nou definit.
n cazul nostru, avem nevoie de opiunile (3) si (4). Vom seta intervalul de la valoarea
minim la valoarea 8 s aib valoarea l n noua variabil si intervalul de la 8 la valoarea
maxim - valoarea 2, ca n imaginea de mai jos:

Dac am procedat corect, n final ar trebui s obinem fereastra urmtoare:

91
 Apsam butonul CONTINUE si apoi butonul OK pe fereastra principal. Observai
apoi ce se ntmpl n baza de date:

Observai c variabila nou apare n stnga ultimei variabile din baza de date. Observai de
asemenea si corespondena dintre valorile noii variabile si cele vechi (ex. c n dreptul
studenilor care au note sub valoarea 8 apare valoarea l la variabila NOTATIP si valoarea 2
acolo unde notele sunt peste 8).

Recodificarea aceleiai variabile

Alteori ne este util s recodificm o aceeai variabil, fr a fi necesar s crem una nou.
Spre exemplu, s presupunem c nu avem nevoie de scorurile brute obinute de studenii din
exemplul anterior la testul de anxietate (variabila ANX), ci de mprirea lor n dou grupuri,
grupul de studeni care nu sunt anxioi (care au scorul mai mic sau egal cu 5) si cei crora
examenul le provoac anxietate (scorul la variabila ANX s fie mai mare ca 5). De obicei, o
astfel de mprire se face prin raportare la median.

Meniul pentru aceast transformare este urmtorul:

Comanda va fi activat din fereastra de mai jos:

92
 Observai c aceast fereastr este asemntoare cu cea discutat anterior, cnd
recodificam variabila sub un nume diferit. Mai mult, avem opiuni mai puine. Aici, singurul
buton mai important, dar care exista si n cealalt fereastr, este butonul IF, descris mai jos:

Observai c alctuirea acestei ferestre, activat de butonul IF este identic cu cea

prezentat n capitolul anterior, pentru comanda SELECT CASES. De aceea, nu mai
"prezentm detalii acum, mai ales c pentru exemplul de fa nu avem nevoie de o parte din
cazuri, ci dorim s le transformm pe toate.

93
Revenim la butonul OLD AND NEW VALUES care deschide fereastra:

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

Exerciiu:
Codificai i variabila NOTA n acelai fel.

94
 TESTE DE COMPARAIE (DIFEREN) PENTRU
VARIABILE CANTITATIVE
(scale de interval sau de raport)

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

Gosset, statisticianul berar

Cnd William S. Gosset a absolvit Universitatea Oxford cu o diplom n matematic i alta n
chimie, faimosul productor de bere Guinness din Dublin, Irlanda, cuta tineri savani pentru a
produce bere dup metode tiinifice, o premier n acele vremuri. Astfel, tnrul Gosset s-a trezit
de pe bncile colii ntre cazane i butoaie cu bere.
Problema cu care se confrunta Gosset a fost aceea de a face berea ct mai puin variabil i de a
gsi cauza erorilor (ex. de ce unele trane de bere nu aveau gustul ateptat). Orice savant i-ar fi
recomandat lui Gosset s realizeze experimente. Dar ce productor de bere i permitea s cheltuie
sume importante de bani pentru a supune experimentelor zeci de butoaie cu bere? Astfel, Gosset
trebuia s se mulumeasc cu cele cteva butoaie care ddeau gre i s calculeze probabilitatea ca
un anumit soi de cereale folosit s fi cauzat eroarea. La asta se mai aduga i faptul c el nu avea
nici o idee despre variabilitatea diferitelor soiuri de cereale (ex. poate regiunea n care creteau
influena caracteristicile lor).
Situaia 1-a forat astfel pe Gosset s gseasc o metod simpl prin care s poat compara
diferitele soiuri de bere, o formul pe care s-o poat ine minte uor i folosi adecvat. Pentru
aceasta a trebuit s se descurce pe cont propriu. Pentru colegii si de la fabrica de bere, el era un
profesor de matematic; pentru colegii si de la Laboratorul Biometric al Universitii din Londra
el nu era dect un simplu berar.
Forat s aplice ce a nvat n coal la situaiile ntlnite n fabrica de bere, Gosset a descoperit
distribuia t i a inventat testul t - simplicitatea nsi - pentru situaiile cnd avem eantioane mici
i variabilitatea populaiei este necunoscut. Cea mai mare parte din munca sa statistic s-a
petrecut n biroul su din curtea fabricii, printre butoaie i anvelope uzate, n final, metoda sa a fost
recunoscut i foarte apreciat de comunitatea statistic dup ce - la insistenele unor editori - a
publicat un articol despre metode de realizare a berii".
Pn azi, cei mai muli statisticieni numesc testul t ca fiind testul lui Student" pentru c Gosset a
scris articolul cu pricina sub numele anonim de Student"; firma Guinness n-ar fi admis niciodat
c n butoaiele sale se poate produce bere proast!

95
Comparaia variabilelor cantitative

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

introvertit extravertit

De altfel, acest lucru este observabil si dac analizm construcia instrumentului de

msur, a chestionarului care arat ct de introvertit sau extravertit este un individ,
ntrebrile sunt aceleai pentru ambele caliti psihologice, ceea ce difer este rspunsul
subiecilor," care sunt rugai s estimeze frecvena cu care fac anumite comportamente (ex:
De cte ori mergei la petreceri?}, deci avem acelai criteriu de variaie, un criteriu
cantitativ.
Dat fiind natura msurtorilor psihologice i comoditatea folosirii scalelor de interval i de
raport (care ofer cele mai multe informaii), majoritatea metodelor statistice pe care le vom
ntlni n psihologie sunt metode cantitative, care folosesc ca msurtori dependente
variabile cantitative, spre deosebire de sociologie, de exemplu, unde metodele sunt adaptate
variabilelor ordinale sau nominale, folosite preponderent n sondajele de opinie.
n capitolul anterior am vzut cum procedm atunci cnd dorim s comparm un individ
sau un eantion cu o populaie despre care cunoatem unele informaii (de obicei numai
media). Situaiile cu care ne confruntm n viata de zi cu zi sunt ns de alt natur: de cele
mai multe ori, noi comparm dou eantioane ntre ele i dorim apoi s generalizm
rezultatele la populaiile din care provin aceste eantioane, ntr-o astfel de situaie, nu
cunoatem nimic despre populaiile din care provin ele; nimic cu excepia datelor din
eantioane i asta este suficient ca, aplicnd metoda dezvoltat de Gosset, s putem constata
diferenele.

96
Compararea a dou eantioane perechi

Cea mai simpl situaie de comparare a eantioanelor este situaia de tip test - retest, n
care dorim s msurm dac ceva se schimb ca urmare a unor intervenii. Spre exemplu,
msurm pacienii nainte de terapie i apoi i msurm la ceva timp dup ce au nceput
terapia pentru a constata dac tratamentul a avut vreun efect.
Cum procedm ntr-o atare situaie? Care este ipoteza de nul i care este populaia la care
ne referim?
S ne gndim puin. S presupunem c tratm pacienii de depresie. Noi nu cunoatem nici
nivelul (media) depresiei populaiei de pacieni nainte de a veni la terapie (tim doar media
depresiei celor care au venit, nu a populaiei din care ei provin) i nici nivelul populaiei
dup terapie. Dar nici nu ne intereseaz acest lucru (!). Noi suntem de fapt interesai de
diferena dintre cele dou populaii, oricare ar fi nivelul lor absolut. Este ca i cum nu am
cunoate adncimea unui ru, dar putem msura totui nivelul de variaie al apei, dac
plasm un reper pe mal.
Deci ipoteza noastr de nul i cea de cercetare trebuie s se refere tocmai la scorul
diferentelor dintre cele dou msurtori. Astfel, ipoteza de nul va fi aceea c nu exist nici o
diferen ntre msurtori, deci media populaiei de diferente va fi nul, iar ipoteza de
cercetare va fi aceea c totui media diferenelor nu va fi zero.
Cum procedm mai departe? Noi avem rezultatele a dou eantioane perechi (msurtorile
nainte de terapie i msurtorile dup terapie) i ne raportm la o singur distribuie, cea a
diferenelor. Pentru a putea s facem aceast raportare ar trebui s avem tot un eantion,
acela al diferentelor. Astfel, vom crea un nou eantion (este ca i cum am recodifica
variabilele) ale crui scoruri vor fi tocmai diferenele dintre scorurile finale si cele iniiale
obinute de la pacienii notri.
Astfel, ajungem n situaia dinainte, unde comparam un eantion (acela al diferenelor
dintre scorurile finale i cele iniiale) cu o populaie la care cunoatem medie (media va fi 0 -
zero, conform ipotezei de nul c nu vor fi diferene semnificative).
Aceasta este logica testului t pentru eantioane perechi; similar vom judeca i n cazul n
care eantioanele sunt independente. Nu vom mai insista asupra aspectelor teoretice, ci vom
trece la aplicaiile practice folosind SPSS-ul.

Folosirea SPSS: meniul ANALYZE - COMPARE MEANS -

PAIRED SAMPLES T TEST

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

97
 Studii Sal_ini Sal_fin5
1 158 268
1 165 198
1 145 158
1 189 199
1 198 201
1 197 220
1 168 205
1 201 203
1 185 185
1 156 168
1 175 178
2 198 201
2 199 203
2 201 225
2 201 260
2 220 280
2 210 274
2 214 298
2 205 305
2 301 582
2 332 542
2 341 392
3 221 445
3 206 401
3 298 502
3 301 403
3 332 503
3 358 402
3 598 854
3 654 954
3 214 425
3 258 725
3 245 625

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

98
 Odat activat comanda se deschide urmtoarea fereastr:

1
3

Analiznd fereastra mai n detaliu vom constata urmtoarele:

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

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

99
Butonul OPTIONS este identic cu cel din fereastra testului t pentru compararea unui
eantion cu o populaie, discutat n capitolul anterior. De aici putem selecta intervalul de
ncredere (stabilit implicit la 95%).
Apsnd butonul OK, programul ncarc fereastra cu rezultate (OUTPUT) ca mai jos:

2
3
4 5

6 7

Output-ul este organizat n trei tabele. Prezentm detaliat primele dou:

(1) - aici este trecut perechea de variabile analizat. Atenie! Pentru a putea face analiza,
variabilele trebuie ntr-adevr s fie perechi". Asta nseamn pe de o parte c ele trebuie s
provin de la aceeai subieci, sau de la perechi de subieci care au o legtur ntre ei (ex.
frai). Pe de alt parte, ntruct facem diferena ntre variabile, ele trebuie s se msoare n
aceleai uniti de msur.
(2) - n aceast coloan sunt trecute mediile celor dou eantioane
(3) - numrul de subieci luat n calcul la analiz din fiecare eantion este
reprezentat aici
(4) - deviaiile standard ale rezultatelor fiecrui eantion sunt trecute n aceast coloan.

100
(5) - aici sunt reprezentate erorile standard ale mediilor sau, mai precis, deviaia standard a
populaiei de eantioane de N subieci din care provin eantioanele noastre

n al doilea tabel al foii de rezultate este trecut rezultatul corelaiei dintre cele dou
variabile. Astfel:
(6) - arat coeficientul de corelaie dintre cele dou variabile
(7) - arat pragul de semnificaie al corelaiei, care este probabilitatea de eroare atunci cnd
afirmm c ar exista o legtur ntre variabilele analizate.
Al treilea tabel conine propriu-zis date despre testul statistic. S-1 privim cu atenie si s-1
analizm detaliat.
4
5
3

2
1

6 7 8

(1) - arat numele perechii de variabile luat n calcul. Observai c se ia n calcul diferena
dintre salariul iniial si cel final (notai semnul minus ce exist ntre variabile, nu este o
simpl liniu)
(2) - aici este trecut media diferenei dintre mediile celor dou eantioane, deci aici apare
diferena dintre medii. Faptul c este o valoare negativ arat c salariul final este mai mare
dect cei iniial.
(3) - n aceast celul este trecut deviaia standard a eantionului rezultat din diferenele
celor dou eantioane.
(4) - reprezint deviaia standard a populaiei de eantioane de diferene de scoruri (revedei
partea teoretic de la nceputul capitolului dac v este neclar)
(5) - reprezint intervalul de ncredere al diferenei dintre mediile celor dou eantioane,
apreciat cu o probabilitate de 95%. Cu alte cuvinte, folosind ali 33 de subieci de la aceeai
firm diferena dintre salariile lor iniiale si finale
s-ar fi ncadrat cu o probabilitate de 95% n intervalul de ncredere.
(6) - este valoarea testului t, de fapt nota t a eantionului de diferene n cadrul populaiei de
eantioane obinute prin diferena dintre scoruri.
(7) - reprezint gradele de libertate pentru care a fost calculat nota t, deci arat
caracteristicile curbei t la care ne-am raportat.
(8) - arat pragul de semnificaie sau probabilitatea de eroare atunci cnd respingem ipoteza
de nul. n cazul de fa, valoarea sa foarte mic ne ndreptete s respingem ipoteza de nul
ntr-o foarte mare msur.
101
Cum interpretm rezultatele concret obinute?
Vom spune c analiza statistic realizat a permis identificarea unor diferene semnificative
ntre nivelul salariului dup cinci ani i cel al salariului iniial; testul t pentru eantioane
perechi t(32)=5,31 pentru p<0.01 argumenteaz statistic aceast ipotez. Observai c am
trecut valoarea absolut a testului t i nu pe cea cu semnul minus. Aa se procedeaz n
general, semnul plus sau minus pe care-1 poate avea nota t fiind determinat de sensul n care
facem diferena. Aa c trebuie s precizm n interpretarea noastr n ce sens apare
diferena; n cazul nostru trebuie s spunem c salariul final, dup cinci ani este mai mare
semnificativ dect cel iniial. Acest fapt se observ din primul tabel unde sunt trecute
mediile eantioanelor.
Si corelaia joac rolul su n analiza datelor de fat. Ea arat dac subiecii i
schimb ierarhia unii fat de alii, nu numai nivelul variabilei dependente de la o
msurtoare la alta. Avem aici trei cazuri posibile: nu avem corelaie semnificativ: n acest
caz nu exist nici o legtur ntre ierarhia subiecilor la prima msurtoare i cea obinut la
a doua msurtoare. Un astfel de rezultat, care arat c cele dou variabile perechi luate n
calcul sunt independente una de alta, ar putea fi interpretat n sensul c diferenele obinute
nu sunt sistematice, intervenia noastr afectnd subiecii ntr-un mod oarecum haotic
corelaie semnificativ, pozitiv: este cazul pe care l avem de fa. Arat faptul c ierarhia
subiecilor se pstreaz ntr-o oarecare proporie de la o msurtoare la alta (ex. chiar dac
salariul final crete la toat lumea, cei care aveau salariul iniial mare comparativ cu restul, l
vor avea mare i n final, comparativ cu ceilali), n acest caz, am putea aprecia c intervenia
noastr (n cazul de fa simpla trecere a timpului) afecteaz pe toat lumea n acelai grad
corelaie semnificativ, negativ: ilustreaz inversarea ierarhiei subiecilor de la o
msurtoare la alta; chiar dac nivelul general se schimb, cei care aveau scoruri iniiale
mici comparativ cu restul vor ajunge n final s aib scoruri mari fa de ceilali i invers. Un
astfel de rezultat ar arta ca intervenia este mai puternic la cei care aveau iniial scoruri
mici, pattern ntlnit adesea n testele care msoar eficacitatea unor tratamente.
Atenie! Testul t arat dac de la starea iniial la cea final se schimb nivelul general, n
timp ce corelaia arat dac avem n acelai timp i o schimbare de ierarhiei

Folosirea SPSS: meniul ANALYZE COMPARE MEANS -

INDEPENDENT SAMPLES T TEST

Este ideal situaia experimental unde subiecii sunt i propriul lor grup de control
(situaia test-retest). n alte situaii ns pur i simplu nu avem cum s msurm subiecii
folosind metoda test-retest. De exemplu, folosind datele prezentate anterior, s presupunem
c ne-ar interesa s vedem dac nivelul studiilor afecteaz ctigul salarial. Cu alte cuvinte,
ne intereseaz s vedem dac o variabil independent (n cazul de fa nivelul studiilor)
afecteaz sau influeneaz o variabil dependent (venitul).
Nu avem cum s msurm ctigul subiecilor sub forma test-retest, pe msur ce ei trec da
la un nivel de educaie la altul, deoarece o astfel de trecere este - de obicei - continu, fr
pauze n cmpul muncii. Nici nu putem manipula direct variabila nivel de studii, putem cel
mult s o invocm , s o folosim pentru a mpri subiecii pe grupuri independente.
102
 n acest caz avem nevoie de o alt metod, de testul t pentru eantioane independente.
Menionm c nu este necesar ca cele dou eantioane s aib acelai numr de subieci.
Folosind SPSS, din meniul ANALYZE activm comanda INDEPENDENT SAMPLES T
TEST, ca n imaginea de mai jos:

Odat activat comanda , se va deschide fereastra:

2

S analizm aceast fereastr:

(1) - este cmpul unde se afl toate variabilele existente n baza de date
(2) - este cmpul unde vom introduce variabilele dependente (observai c putem introduce
mai mult de o singur variabil, deci putem vedea simultan efectul unei variabile
independente asupra variabilelor dependente). Reinei c n acest cmp introducem ceea ce
msurm noi, variabila asupra creia dorim s observm influena variabilei independente.
(3) - este cmpul unde se introduce variabila independent sau variabila de grupare, a crei
influen va afecta variabila sau variabilele de msurat.
(4) - variabilele independente sau de grupare au, de obicei, mai multe nivele de msur, n
cazul nostru, avem trei nivele, trei grupuri, corespunztoare celor trei nivele de studii
103
(primare, medii si superioare). Folosind butonul DEFINE GROUPS noi trebuie s precizm
doar dou dintre niveluri, ntre care dorim s facem diferentele.

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

S presupunem c dorim s facem diferena ntre ctigul salarial al celor cu studii primare
si al celor cu studii medii, n csuele corespunztoare grupurilor, vom trece valorile
variabilei independente care definesc acele grupuri. Astfel, vom trece l pentru cei cu studii
primare (aa i-am definit cnd am introdus datele) i 2 pentru cei cu studii medii. V
reamintesc c aceste valori (l i 2) nu sunt numerice; pur i simplu ele sunt dou coduri ce
permit diferenierea celor dou grupuri. Noi puteam s fi avut orice alte dou numere
diferite.
Dup ce vom introduce valorile corespunztoare grupurilor apsai butonul CONTINUE
i observai ce se schimb n fereastra iniial:

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

1 5
2 3 4

10
11

6 9
7 8
104
 S analizm rezultatele n detaliu, rezultate prezentate n doar dou tabele:
(1) - arat variabila dependent (salariul iniial) care este analizat n funcie de nivelurile
sau grupurile determinate de cea independent (studii)
(2) - arat numrul de subieci din fiecare grup independent luat n calcul
(3) - ilustreaz media fiecrui grup sau eantion independent luat n calcul, n cazul de faa
putem observa cat ctiga cei cu studii primare i cat ctiga n medie cei cu studii medii.
(4) - arat care este deviaia standard n fiecare eantion n parte. Observm astfel c exist o
mai mare variaie a ctigurilor pentru cei cu studii medii dect pentru cei cu studii primare
(5) - precizeaz care este deviaia standard pentru populaiile de eantioane de N subieci din
care ar proveni grupurile noastre. Observai i aici diferene ntre cele dou grupuri.
Facem aici o mic i necesar intervenie, prin care s artm ct de importante sunt
informaiile de la punctul (4) i (5), fcnd apel din nou la exemplul cu oala de fasole S
presupunem c dorim s artm c dou soiuri de fasole, (s zicem albe i negre) fierb
diferit. Cum procedm? Le punem pe amndou n aceeai oal, le fierbem un timp, apoi
lum ntr-o lingur boabe din ambele soiuri (dup ce amestecm n prealabil foarte bine) i
gustm. Dac vom simi diferene (adic cele dou soiuri de fasole se sfarm diferit), atunci
concluzionm c ele fierb diferit. E corect raionamentul? Parial, pentru c diferene privind
consistena boabelor puteau exista de la nceput (un soi s fie mai tare dect cellalt, nefiert).
i atunci? Ar trebui s inem cont de acest fapt cumva.
n acest punct vom folosi testul lui Levene (punctele 6, 7 i 8 din explicaiile ferestrei) care
testeaz egalitatea variantelor populaiilor din care provin eantioanele noastre (prezentat la
punctul 5 din explicaii). Testul lui Levene, notat cu F, testeaz ipoteza de nul care afirm c
variantele populaiilor din care provin cele dou eantioane sunt egale.
S continum cu explicaiile ferestrei de OUTPUT:
(6) - precizeaz cele dou situaii posibile: cnd variantele sunt egale sau cnd ele sunt
inegale;
(7) - arat valoarea testului F, a lui Levene (vom discuta despre aceasta la capitolul despre
analiza de variant)
(8) - arat pragul de semnificaie sau probabilitatea de eroare pentru respingerea ipotezei de
nul n cazul testului lui Levene. n exemplul nostru, ntruct valoarea este mai mic de 0,05,
ipoteza de nul a egalitii variantelor este respins, deci putem accepta faptul c variantele
nu sunt egale.
Ajuni aici tim dac va trebui s ne uitm n continuarea tabelului pe primul sau pe al
doilea rnd (aceste situaii/rnduri sunt descrise la punctul 6 al explicaiilor), n cazul nostru,
ne vom uita pe rndul EQUAL VARIANCES NOT ASSUMED, adic ne aflm n situaia
cnd cele dou eantioane provin din populaii cu variant diferit.
(9) - este valoarea testului t. Ea se ia n consideraie n valoarea absolut i aceasta se
raporteaz n cercetri; semnul notei t arat pur i simplu sensul diferenei, dar de acesta din
urm ne putem da seama uitndu-ne la valoarea mediilor celor dou eantioane.
(10) - arat gradele de libertate pentru care a fost calculat semnificaia notei t. Aceast
valoare se raporteaz n articolele tiinifice ntre paranteze. Chiar
' dac ne uitm pe linia EQUAL VARIANCES NOT ASSUMED, unde avem valoarea lui
df=12,26, de obicei se raporteaz prima valoare a lui df, cea care este 20.
(11) - aici este trecut pragul de semnificaie sau probabilitatea de eroare care apare atunci
105
cnd respingem ipoteza de nul i acceptm ipoteza noastr de cercetare, n cazul de fa vom
avea p=0,005. Aceast valoare arat faptul c exist o probabilitate de 5 la mie de a grei
atunci cnd respingem ipoteza de nul, deci putem accepta ipoteza de cercetare cu aceeai
probabilitate de eroare
Cum interpretm rezultatele concret obinute? Vom spune c analiza statistic realizat a
permis identificarea unor diferene semnificative ntre nivelul salariului iniial la cele dou
grupe de subieci sau, altfel spus, c variabila nivel de studii influeneaz nivelul salarial
iniial; testul t pentru eantioane independente t(20)=3,45 pentru p<0.01 argumenteaz
statistic aceast ipotez. Observai c am trecut valoarea absolut a testului t i nu pe cea cu
semnul minus. Aa se procedeaz n general, semnul plus sau minus pe care-1 poate avea
nota t fiind determinat de sensul n care facem diferena. Aa c trebuie s precizm n
interpretarea noastr n ce sens apare diferena; n cazul nostru trebuie s spunem c salariul
iniial al celor cu studii medii este semnificativ mai mare dect al celor cu studii primare.
Acest fapt se observ din primul tabel unde sunt trecute mediile eantioanelor.

Ca exerciiu, demonstrai aceeai ipotez n legtur cu salariul final, dup 5 ani.

Folosirea SPSS: meniul TRANSFORM COMPUTE

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

106
 Odat activat aceast comand va deschide o fereastr de unde vom putea face orice
combinaii din variabilele deja existente n baza de date. Fereastra este prezentat n
continuare:

4
1

3 5
7
6

S analizm aceast fereastr n detaliu:

(1) - este manele noii variabile. Nu trebuie s depeasc 8 caractere si nu trebuie s conin
caractere speciale (ex, spaii, virgule, etc.)- i alegem dup dorina.
(2) - folosind acest buton vom activa o fereastr de unde putem modifica tipul noii variabile
si putem atribui o etichet. Reamintim c eticheta este o descriere mai detaliat a variabilei.
Este opional aceast comand.
(3) - este cmpul ce conine variabilele existene n baza de date
(4) - acesta este cmpul unde vom edita combinaia de variabile care va sta la baza noii
variabile. Dup cum observai este vorba de combinaii numerice.
(5)- este un cmp cu butoane care permit realizarea diferitelor combinaii numerice realizate
cu numele variabilelor, n realizarea combinaiilor se aplic regulile tradiionale referitoare la
ordinea operaiilor.
(6) - este un buton IF identic cu cel descris ntr-un capitol anterior, la comanda SELECT
CASES.
(7) - este un cmp care prezint diverse funcii matematice. Ele se selecteaz, ,apoi se
introduc n cmpul unde scriem combinaiile numerice, cu ajutorul butonului cu sgeat de
deasupra acestui cmp. Funciile sunt prezentate n ordine alfabetic, iar n paranteze este
trecut modalitatea n care trebuie scrise argumentele funciei).

n exemplul nostru, unde dorim s realizm media celor dou variabile menionate, putem
s folosim o formul matematic de tipul celei deja scris n cmpul NUMERIC
EXPRESSION din fereastra prezentat anterior.
Dar, acelai rezultat l putem avea folosind si funcia MEAN. Avantajul acesteia const n
faptul c este mult mai facil atunci cnd dorim s calculm media a foarte multe variabile.
Cum procedm? Selectm funcia MEAN din cmpul FUNCTIONS, ca n imaginea de

107
mai jos:

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

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

EXERCIIU: ncercai s creai o nou variabil care s fie suma celor

dou variabile, salariul iniial i cel dup 5 ani. Aplicai funcia SUM.

108
 REGRESIALINIAR
- sau cum reuim s prezicem

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

Pascal i-a nceput prediciile statistice la masa de joc, apoi a nvat s

parieze pe Dumnezeu n timp ce n Anglia statistica a nceput s fie folosit de
timpuri pentru a ine evidena populaiei, a msura influena bolilor i a dovedi
existena lui Dumnezeu, francezii i italienii i-au adus propria lor contribuie n
statistic, dar la ... masa de joc!
n mod special, problema punctelor", cum era ea numit a atras atenia:
mprirea punctelor ntr-un joc de cri, dup ce acesta s-a ntrerupt, cunoscnd
numrul partidelorjucate pn atunci i numrul total de partide dejoc planificate.
Problema a fost pus nc din 1494 de Luca Pacioli, un prieten de-al lui
Leonardo da Vinci, dar a rmas nerezolvat pn n 1654, cnd Blaise Pascal,
celebrul geniu francez, i-a gsit rezolvarea cu ajutorul teoriei probabilitilor.
Fiind n coresponden cu Pierre Fermat, un alt celebru matematician francez,
Pascal nu a rezolvat numai problema punctelor", ci a progresat mult n teoria
probabilitilor aducndu-i contribuii importante n descrierea curbei normale.
Interesant este c imediat dup rezolvarea acestei probleme, Pascal a devenit
brusc religios. Aflat ntr-o trsur, a scpat de la nec dup ce s-a rupt un pod
imediat ce trsura 1-a traversat, iar hamurile cailor au rezistat pn n ultimul
moment.
Pascal a considerat aceast ntmplare drept un avertisment divin de a-i
abandona munca matematic n favoarea scrierilor religioase, astfel c mai trziu el
a formulat principiul pariului lui Pascal": valoarea unui joc este valoarea
premiului obinut prin ctigarea sa nmulit cu probabilitatea de a-1 ctiga.
De aceea, chiar dac probabilitatea ca Dumnezeu s exist ar fi extrem de mic,
ar trebui s credem n el pentru c valoarea premiului ar fi infinit, n timp ce dac
nu credem, valoarea Jocului" se reduce la o finit plcere lumeasc.

109
Regresia - elemente teoretice

Pn acum nu ne-am pus problema prediciei n tot ceea ce am discutat anterior. Cu toate
acestea, n viaa de zi cu zi, ca psihologi sau cercettori n domeniul tiinelor sociale apare
adesea situaia prognosticrii unor anumite rezultate. Cum procedm atunci?
S lum un exemplu. S presupunem c vi se cere s facei un studiu asupra pieei
imobiliare din oraul Iai. n acest caz v-ar interesa s putei prezice care sunt preurile
practicate pe aceast pia pentru diferite tipuri de apartamente. Din ceea ce am nvat pn
acum, am putea proceda astfel: lum la ntmplare un eantion de apartamente dintre
acelea expuse pentru vnzare i calculm media preului de vnzare a lor. S presupunem c
media preului de vnzare astfel obinut ar fi de 125 milioane lei. Am putea folosi aceast
valoare pentru a face predicii asupra preului de vnzare? Sigur c da, numai c apar aici
anumite probleme: utiliznd aceast procedur - care e mai bun totui dect situaia n care
nu am avea nici o informaie - ignorm ali factori ce ar putea avea legtur cu preul de
vnzare al apartamentelor, cum ar fi suprafaa locuibil, zona de reziden a oraului, etc.
n exemplul de mai sus, ca i n situaiile descrise n capitolele anterioare, media a fost
tratat ca i un parametru constant, fix ce descrie o distribuie. Aceast abordare ns, dup
cum am vzut, are limite. Mai degrab ne-ar fi de folos s tratm media ca o variabil ce ia
valori ntr-un anumit interval. Putem face acest lucru dac lum n seam deviaia standard a
preului de vnzare. S zicem c variaia, adic deviaia standard, a preului de vnzare ar fi
de 50 milioane lei. Deja tim mai multe: preul de vnzare al aproximativ dou treimi dintre
apartamentele din Iai este acum cuprins n intervalul de la 75 milioane lei i pn la 175
milioane lei (12550). Acum ansele noastre de a prezice preul unui apartament anume din
Iai au crescut.
Mult mai acurai n ceea ce prezicem am fi ns dac am ine cont, de exemplu, de
suprafaa locuibil a apartamentului. Spre exemplu, dac am avea o formul de genul:
Media preului de vnzare = 40 milioane lei + 1,2 milioane lei * suprafaa locuibil (mp)
Ce ne-ar spune o astfel de formul? C preul de vnzare al unui apartament ar porni de la
suma minim de 40 milioane lei, n condiiile n care ar avea 0 (zero) metri ptrai de
suprafa locuibil. Desigur, o astfel de situaie este imposibil, n cel mai ru caz, o
garsonier are suprafaa de cel puin 16-20 metri ptrai, n acest caz preul unei garsoniere
ar fi:
Pre = 40 milioane + 1,2 milioane * 20 mp - 64 milioane lei.
Dac am avea un apartament cu dou camere, de 40 metri ptrai ca suprafa, preul ar fi:
Pre = 40 milioane + l,2 milioane *40mp = 88 milioane lei.
Observai c acum suntem mult mai precii n predicia noastr. Acum, valoarea mediei pe
care o prezicem pentru costul apartamentului este variabil si ajustat n funcie de suprafaa
apartamentului. Desigur, predicia nu este nici n acest caz perfect, dar oricum e mult mai
aproape de realitate. Chiar dac nu toate apartamentele de 40 mp. cost 88 milioane lei,
variaia preului n jurul acestei valori va fi de 15-20 milioane lei si nu de 50 de milioane, ca
n situaia n care suprafaa apartamentului nu este luat n calcul.

110
 n acest capitol vom vorbi despre metodele care ne ajut s putem face astfel de predicii.
Reamintim c predicia pe care o vom realiza este una de tip probabilistic, nu exact sau
precis, ntruct orice fenomen social este determinat de cauze multiple si este practic
imposibil de cunoscut variaia tuturor acestor factori-cauz. Dar, modelele noastre
probabilistice sunt oricum mult mai bune dect situaia n care nu am avea nici un instrument
la dispoziie.

Modelele probabilistice

Aa cum precizam anterior, modelele noastre de predicie sunt probabilistice. S vedem ce

nseamn acest lucru.

S lum un exemplu. Se tie c o component important n vnzarea unui produs o

reprezint suma de bani cheltuit pentru reclam. S presupunem c ne intereseaz s
realizm un model care s prezic, s modeleze deci, nivelul profitului obinut lunar din
vnzarea unui produs, n funcie de cheltuielile alocate pentru reclama produsului respectiv.

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

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

Dar ntruct profitul depinde si de ali factori, nu numai de cheltuielile de reclam, atunci
trebuie s folosim un model probabilistic de predicie, care s in cont si de influena
factorilor aleatorii. Un astfel de model ar fi:

y=10*x + eroarea aleatorie

unde: y - arat profitul,

x - cheltuielile de reclam
termenul de eroare aleatorie include toate celelalte influene ce nu pot
111
 fi prezise, msurate, n acest caz termenul 10*y este numit componenta
deterministic a modelului probabilistic.

n general, n tiinele sociale modelele de predicie sunt probabilistice, iar forma general
a acestora este:

y= componenta deterministic + eroarea aleatorie

Aa cum vom observa n continuare, termenul aleatoriu joac un rol important n predicie
pentru c el ne va ajuta s stabilim magnitudinea de variaie a termenului deterministic din
model, permind astfel o predicie ct mai precis (dar, reamintim, niciodat perfect).

Regresia bivariat vs. regresia multivariat

Cel mai simplu model de predicie este regresia bivariat. Termenul de regresie"
denumete metoda folosit, iar termenul bivariat" arat c n model sunt doar dou
variabile. Acest model folosete rezultatele obinute de subiect la o variabil pentru a prezice
rezultatele sale la o alt variabil. Prezumia care st la baza acestei metode este c ntre cele
dou variabile exist o legtur, o corelaie, de fapt.
Cum artam n capitolele anterioare, atunci cnd vorbeam de corelaie, reprezentarea
grafic a unei corelaii se fcea cu ajutorul unui nor de puncte. S lum n consideraie un
exemplu. S presupunem c am fi interesai s reprezentm grafic nivelul stresului unor
manageri n funcie de numrul subalternilor supervizai. Datele ar fi urmtoarele:

Nivel stres Nr. subordonai

5 26

6 24

4 24

8 36

2 10

112
Reprezentarea grafic ar fi urmtoarea:

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

Criterii posibile pentru a potrivi linia"

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

1. Minimalizarea sumei tuturor erorilor

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

Y Y -
+

- +

- +

X X

Am ilustrat mai sus faptul c acest criteriu, de minimalizare a erorilor sau abaterilor simple
de la linie nu este unul potrivit. i n figura din stnga si n cea din dreapta erorile sunt
minime (n sensul c cele pozitive le anuleaz pe cele negative), dar liniile sunt diferite.
Observm astfel c un astfel de criteriu nu distinge ntre liniile care ar potrivi" punctele, ori
noi avem nevoie de o singur linie si numai una.
113
2. Minimalizarea sumei ptratelor tuturor erorilor

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

***

Fr a intra n detaliile matematice legate de calculul coeficientului de regresie care

presupun cunoaterea algebrei matriceale, din clasa a Xl-a de liceu) vom preciza c prin
aplicarea regresiei liniare vom obine ecuaia algebric a liniei care ndeplinete criteriul
menionat anterior (acela de minimalizare a sumei ptratelor distanelor tuturor punctelor
pn la linie).

Regresia bivariat folosind notele Z

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

y = * Zx

n cuvinte, formula s-ar traduce astfel: scorul standard prezis pentru variabila y ( y)
obinut de o persoan va fi obinut prin nmulirea scorului standard obinut de aceeai
persoan la variabila x (Zx)cu valoarea coeficientului de regresie standardizat ().
Observai tilda care se afl deasupra scorului standard a variabilei y; ea arat c valoarea
astfel obinut nu este cea real, msurat, ci este valoarea prezis.
Variabila y din model, cea a cror valori dorim s le prezicem, se numete variabil
dependent sau criteriu, n timp ce variabila x, cea pe baza creia facem predicia, se
numete variabil independent sau predictor.
114
 Fr a intra n detaliile matematice, trebuie s precizm c valoarea coeficientului
standardizat de regresie este tocmai valoarea coeficientului de corelaie dintre variabilele x i
y.
Astfel, n exemplul cu managerii vom avea ecuaia de regresie:

y = 0,94 * Zx

Cum interpretm rezultatul? S presupunem c vom dori s prezicem nivelul stresului

managerilor cunoscnd numrul de subalterni supervizai. Deci variabila y este nivelul
stresului, iar variabila x va fi numrul de subordonai. Vom spune c scorul standard care
arat nivelul stresului managerului va fi 0,94 din scorul standard ce descrie numrul
subalternilor.
Cu alte cuvinte, dac unui manager i se mrete numrul subalternilor cu valoarea unei
deviaii standard din acea distribuie (adic scorul su , Zx, va crete cu 1), nivelul stresului
va crete de 0,94 ori. Altfel spus, dac avem o variaie de 100% a numrului de subalterni
repartizai unui manageri, nivelul stresului su variaz doar 94%. De aceea metoda se
cheam regresie, pentru c neavnd o relaie perfect ntre dou variabile (coeficientul de
corelaie s fie +1 sau -1), variaiei dintr-o variabil i va corespunde o variaie mai mic n
cadrul celeilalte, deci variaia regreseaz.

Regresia bivariat folosind notele brute

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

= B0 + B1 * X

Observai c aceast ecuaie este foarte apropiat de ecuaia general a unei linii, y=a + bx,
iar nelesul coeficienilor de regresie este acelai ca i al coeficienilor din ecuaia unei linii.
Coeficientul a arat intersecia liniei cu axa OY, iar coeficientul b este valoarea tangentei
unghiului d, adic arat cu cte uniti crete variabila Y atunci cnd variabila X crete cu o
singur unitate. Y

a
X
0
115
 La fel, coeficientul B, arat care este valoarea cu care crete Y atunci cnd variabila X
crete cu o unitate. Mai precis, pentru cazul regresiei bivariate, el este dat de formula:

SDy
B1 = r
SDX

unde - r este coeficientul de corelaie,

- SD arat, deviaiile standard pentru cele dou variabile.

Coeficientul B0 se calculeaz cu formula:

B0 = My B1* Mx

Revenind la exemplul cu managerii i subalternii avem:

r = 0,94
MY = 5
Mx = 24
SDY = 2,23
SDX = 9,27

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

Astfel,

SDy 2, 23
B1 = r = 0,94 * = 0, 22
SDX 9, 27

B0 = M B1 * M x = 5 0,22 * 24 = 0, 28

Deci, ecuaia de regresie va fi:

= -0,28 + 0,22*Y
Cum interpretm ecuaia? Pur i simplu nlocuim valorile lui X n ecuaie i aflm
valoarea prezis a lui Y. Spre exemplu, un manager care supervizeaz 10 angajai, va avea
valoarea stresului de (-0,28+0,22*10), adic 1,92, n timp ce un manager care supervizeaz
30 angajai va avea stresul 6,32.
Observai c valoarea coeficientului de regresie ne spune mai multe dect valoarea
coeficientului de corelaie: cu cte uniti crete variabila Y (stresul), cnd variabila X
116
(numrul subalternilor) crete cu o unitate. Sau putem interpreta situaia i altfel:
coeficientul de regresie Bl arat care este diferena n nivelul stresului la doi manageri
atunci cnd ei sunt identici din toate punctele de vedere, iar unul dintre ei are cu un
subaltern mai mult n subordine.

Regresia multivariat

Pana acum am prezentat situaia m care am prezis rezultatele obinute de subieci la o

variabil n funcie de rezultatele lor msurate la o alt variabil. Dar n viaa real, o
variabil este n legtur cu mai multe variabile, nu numai cu una singur i atunci predicia
noastr s-ar mbunti dac am ine cont de relaia existent ntre toate variabilele si cea pe
care dorim sa o prezicem.
Coeficientul de corelaie multipl - asocierea dintre o variabil i dou sau mai multe
variabile - notat cu R, ne arat tocmai ct de mult putem noi s prezicem rezultatele
variabilei dependente cunoscnd pe cele ale variabilelor predictori. Mai precis, valoarea lui
R2 arat care este variaia din variabila Y (variabila dependent) explicat de variaia din
variabila (variabilele) X (variabilele predictori sau independente).

Y
Y
b
b a1 a2
a
X1 X2

n diagramele prezentate anterior am reprezentat cazul regresiei bivariate (stnga) fa de

cazul regresiei multiple (dreapta). Cercurile reprezint variaia total a
variabilelor.
Ceea ce noi putem explica prin modelele noastre de regresie este tocmai zona delimitat
cu a. Iar valoarea lui R2 se refer tocmai la aceast poriune de variant. Zona notat cu b
este varianta fenomenului Y pe care modelul nostru nu o explic, deci influena altor factori
pe care nu-i putem prevedea sau msura.
Observai c la regresia multipl, avem avantajul c fiecare din variabilele predictori
explic (sau ar trebui s explice) cte o poriune din varianta variabilei dependente Y, astfel
c pe ansamblu vom explica mai bine fenomenul (zona b se micoreaz).
Nu intrm acum n detalii legate de posibilele erori care pot apare n modelele de regresie
multipl (ex. multicolinearitatea sau existena relaiilor supraordonate) si care fac obiectul
analizei reziduurilor sau a erorilor (elemente de statistic avansat).
Menionm c ecuaia de regresie pentru cazul regresiei liniare multiple se obine prin
extinderea ecuaiei de regresie bivariat dup cum urmeaz:
117
 = B0 + B1 * X 1 + B2 * X 2 + ... + Bn * X n

Prezentm n continuare cum se realizeaz o analiz de regresie folosind programul SPSS

(pentru a ti care este meniul si opiunile ce le avem la dispoziie), lsnd la latitudinea
cititorului s aprofundeze domeniul regresiei folosind lucrrile de specialitate deja existente
pe pia (vedei lista crilor recomandate la sfritul acestui volum).

Folosirea SPSS; meniul ANALYZE - REGRESSION LINEAR

Pentru a putea demonstra modalitatea n care programul SPSS se folosete la regresie,

vom lucra cu o baz de date conceput pentru acest scop.
Datele arat informaii culese despre fumtori (informaii imaginare), referitoare la
numrul de igri fumat zilnic (NRCIGZI), vrsta iniial la care persoana a nceput s
fumeze (VIRSTINI), venitul persoanei (VENIT) si nivelul studiilor, msurat prin anii de
studiu (STUDII).
Baza de date este prezentat n tabelul urmtor, iar introducerea ei n baz se face dup
cum am prezentat si n capitolele anterioare.

NRCIGZI VIRSTINI VENIT STUDII

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

Dup ce am introdus datele, le vom defini (folosind perspectiva VARIABLE VIEW), aa

cum este prezentat n imaginea de mai jos:

118
Definirea se face n coloana LABEL, ca mai sus. Nu vom mai face alte modificri.
Observai c toate variabilele sunt dependente (adic le-am msurat pe toate i nici una nu
grupeaz subiecii n vreo categorie) i exprimate numeric, cantitativ. Reamintim c datele
nu sunt reale, ci imaginare.
n acest exemplu, dorim s prezicem cantitatea de igri fumat zilnic de o persoan la
vrsta de 40 ani (NRCIGZI), n funcie de celelalte variabile cunoscute: vrsta de debut a
fumatului, venitul i educaia respectivei persoane.
Vom aplica pentru aceasta regresia liniar. Activarea meniului pentru regresia liniar se
face cu ajutorul comenzii LINEAR din meniul ANALYZE -> REGRESSION, ca n
imaginea de mai jos:

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

119
 2
3

1
4

5
6
7

8 9 10 11 12

S analizm fereastra anterioar n detaliu:

(1) - este cmpul ce cuprinde toate variabilele existente n baza de date;
(2) - este cmpul unde trebuie introdus variabila dependent, cea pe care dorim s o
prezicem;
(3) - desemneaz butoanele folosite pentru a construi modele de regresie construite
ierarhic, prin adugarea sau scoaterea, pe rnd a cte unei variabile independente (sau grup
de variabile independente) din model;
(4) - este cmpul folosit pentru inserarea variabilelor independente, n cazul folosirii
modelelor ierarhice, n care variabilele sunt adugate una cte una n model, se introduce
procedeaz astfel: se introduce prima variabil (bloc de variabile), apoi se apas butonul
NEXT de deasupra, se introduce urmtoarea variabil si iar se apas NEXT, etc.
(5) - n acest spaiu vom preciza metoda aleas pentru a face regresia (este o opiune pentru
cunosctorii avansai), si este folosit tot la modelele de regresie ierarhic, cnd dorim s
analizm influena variabilelor independente adugate sau scoase pe rnd din model.
Varianta implicit este suficient de bun pentru modelele simple. Pentru o mai bun
informare s comentm opiunile din acest spaiu, menionnd c rolul acestei opiuni este
de a analiza influena separat a unei variabile (sau grup de variabile) asupra variabilei
dependente:
a. ENTER: toate variabilele independente care se gsesc n cmpul de mai sus
vor fi tratate ca un bloc comun de variabile si introduse ca atare n analiz;
b. STEPWISE: fiecare bloc de variabile independente care nu este nc inclus n
ecuaie este raportat la criteriul de selecie (despre acesta vom vorbi mai
departe la butonul OPTIONS), apoi variabila (blocul de variabile) este
introdus n ecuaie sau scoas din model. Procedeul se repet pn cnd
toate variabilele independente sunt introduse n model sau excluse.
c. REMOVE: exclude de la analiz variabilele dintr-un bloc.
d. BACKWARD: Variabilele deja existente n ecuaie sunt excluse una cte una,
dac ndeplinesc criteriul de excludere, pn cnd nici o variabil din ecuaie
120
 nu mai satisface acest criteriu.
e. FORWARD: Este un procedeu invers celui anterior: variabilele ce nu se
gsesc n ecuaie sunt evaluate conform cu criteriul de excludere si sunt
introduse n ecuaie una cte una.
(6) - n acest cmp putem introduce variabile pentru a selecta anumite cazuri sau anumite
condiii. De obicei se introduc variabile categoriale, dar pot fi introduse si variabile
cantitative, specificnd cu ajutorul butonului RULE, regula dup care s se fac selecia
cazurilor luate n calcul (ex. pentru scoruri egale sau mai mici dect o anumit valoare,
etc.).
(7) - n acest cmp se introduc de obicei variabile categoriale, programul va executa regresia
n mod obinuit, doar c la executarea graficelor (de tip scatter-plot, ca si cele ale
corelaiei), punctele vor fi etichetate (vor primi un nume), n funcie de valorile variabilei
selectate n acest cmp;
(8) - prescurtarea WLS provine din englezescul WEIGHTED LEAST
SQUARES si reprezint o variant a metodei obinuite de regresie numit prescurtat OLS
(ORDINARY LEAST SQUARES).
(9) - cuprinde butonul care permite calcularea diferiilor parametri despre care vom vorbi
detaliat n continuare.
(10) - permite realizarea diferitelor grafice prin care se analizeaz reziduurile sau erorile
modelului pentru a vedea validitatea i puterea de predicie a acestuia.
(11) - acest buton activeaz comenzile pentru crearea a noi variabile n baza de date, n
funcie de modelul regresiei. Vom analiza detaliat opiunile n cele ce urmeaz.
(12) - de aici vom selecta criteriile folosite pentru metodele de selecie a variabilelor n
model, descrise la punctul (5).

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

121
 Apsam butonul NEXT, pentru a construi urmtorul bloc de variabile independente,
urmtorul model de regresie. Observai c prin apsarea lui NEXT, cmpul cu variabile
independente se golete. Acum vom pune n el variabilele VIRSTINI si VENIT, acestea
dou formnd acum al doilea bloc, al doilea model de regresie. Fereastra de pe ecran ar
trebui s fie ca n imaginea urmtoare:

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

Observai c pentru fiecare dintre blocuri am folosit metoda ENTER, astfel c variabilele
independente din fiecare din ele vor fi tratate ca un grup, iar modelul de predicie va fi
construit pornind de la aceast asumpie.
ntruct folosim metoda clasic, OLS, nu vom activa butonul WLS, care presupune
atribuirea unui numr cu care s ajustm valoarea coeficienilor de regresie. Nu intrm n
detalii privind aceast opiune.
122
 Programul SPSS calculeaz implicit anumii parametri ai modelului de regresie. Cu toate
acestea, opiunile pe care le avem la ndemn sunt mult mai variate. Ele se gsesc n
fereastra activat de butonul STATISTICS, pe care o vom analiza detaliat n cele ce
urmeaz.
Pentru a solicita programului s calculeze anumii parametri trebuie s bifai n
ptrelul corespunztor fiecruia dintre acetia.

S analizm pe rnd opiunile:

ESTIMATES: pentru fiecare variabil independent introdus n model programul
calculeaz coeficienii standardizai si cei nestandardizai de regresie, eroarea standard a
acestora, si pragul de semnificaie pentru testul t care testeaz ipoteza de nul c valoarea
acestui coeficient este zero.
CONFIDENCE INTERVALS: pentru fiecare coeficient nestandardizat
de regresie este calculat intervalul de ncredere corespunznd lui 95%
(probabilitatea ca valoarea real a coeficientului s se gseasc n intervalul de
ncredere este de 95%).
COVARIANCEMATRIX: pentru modelele de regresie multipl (cum este si cazul
nostru) programul SPSS afieaz o matrice ptrat, care conine covananele coeficienilor
nestandardizai de regresie dispuse sub diagonala principal, corelaiile - deasupra
diagonalei principale i variantele -pe diagonala.
MODEL FIT: solicit calcularea coeficientului de corelaie multipl R i a ptratului
acestuia R2 care arat ct de mult din var^ia variabilei dependente este prezis de modelul
nostru.
R SQUARE CHANGE: arat, pentru modelele ierarhice, n care variabilele
independente sunt introduse pe rnd, ct de mult se schimb valoarea lui R2 de la un
model la altu1, permind astfel s estimm dac introducerea unei variabile sau bloc de
variabile independente mbuntete puterea de predicie a modelului.
DESCRIPTIVES: arat media si abaterea standard pentru toate variabilele selectate
si o matrice de corelaie.
PART AND PARIAL CORRELATIONS: arat coeficienii de corelaie pariali ntre
variabilele independente si cei pariali dintre fiecare variabil independent si cea
123
dependent.
COLLINEARITY DIAGNOSTIC: pentru regresia multipl permite efectuarea unor
teste de colinearitate (o condiie ce trebuie evitat) ntre variabilele independente.
DURBIN-WATSON: este un test care msoar corelaia serial ntre reziduuri (erori),
fapt ce trebuie evitat pentru a avea un model acurat de predicie.
CASEWISE DIAGNOSTICS: arat cazurile pentru care erorile de predicie depesc 3
abateri standard i care trebuie reconsiderate.
n funcie de necesitile de analiz i avnd descrierea detaliat de mai sus, selectai
opiunile de care avei nevoie. Pentru exemplul nostru nu am bifat dect ESTIMATES,
MODEL FIT, R SQUARE CHANGE i CONFIDENCE INTERVALS.

Urmtoarea opiune se refer la reprezentarea grafic a modelului. Activnd butonul

PLOTS, pe ecran va apare fereastra:

Opiunile din fereastra anterioar ne permit s solicitm programului s realizeze grafice

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

DEPENDNT: este variabila dependent (prezis), scorul brut al acesteia

ZPRED: sunt valorile standardizate ale variabilei prezise, dependente.
ZRESID: sunt valorile standardizate ale erorilor (reziduurilor sau abaterilor de la
model)
DRESID: sunt reziduurile terse sau excluse de la analiz (unde este cazul)
ADJPRED: este valoarea ajustat si prezis a unui caz atunci cnd este exclus de la
analiz.
SRESID: notele t ale reziduurilor
SDRESID: notele t ale reziduurilor excluse de la analiz.
124
 Observai c n fereastr mai sunt nite opiuni. S le discutm si pe acestea:

PRODUCE ALL PARIAL PLOTS - sunt grafice care arat corelaia dintre oricare
dou variabile independente, pentru a verifica c acestea nu se coreleaz unele cu altele,
fapt care ar distorsiona modelul de predicie.
HISTOGRAM - realizeaz histograma reziduurilor standardizate pentru a vedea dac ele
sunt normal distribuite (cum ar trebui s fie pentru ca modelul nostru s fie valid).
NORMAL PROBABILITY PLOT - (numit si P-PPLOT) are aceeai funcie ca i
opiunea anterioar, doar c verific normalitatea distribuiei prin comparaie chiar cu
abaterile de la curba normal.

n exemplul nostru vom bifa doar NORMAL PROBABILITY PLOT i

HISTOGRAM, apoi apsam butonul CONTINUE.
n continuare vom analiza fereastra care apare la apsarea butonului SAVE, prezentat
mai jos:
2

3
4

Aceast fereastr conine opiuni ce permit salvarea n baza de date a unor noi variabile,
bazate pe modelul nostru de predicie sau calculul unor parametri care arat influena unor
cazuri individuale (suspectate de a fi atipice) asupra modelului de predicie, n vederea
eliminrii sau ajustrii lor.

125
 Vom prezenta aceast fereastr la un nivel mai general. Astfel,

(1)- este cmpul ce conine opiuni pentru salvarea n baza de date a variabilei dependente
(prezise). Se pot salva astfel scorurile brute, cele standard, cele ajustate sau eroarea standard
a mediei.
(2)- folosind opiunile din acest cmp vom salva n baza de date abaterile scorurilor prezise
fa de cele reale, pe baza crora s-a fcut predicia. Aceste abateri se numesc reziduuri sau
erori.
(3)- aici sunt nite parametri ce msoar potrivirea" unui caz n model, sau - cu alte cuvinte
- ct de mult influeneaz acesta predicia.
a. MAHALANOBIS: msoar distana de la un caz pn la media valorilor tuturor
variabilelor independente.
b. COOK'S: arat ct de mult se schimb erorile sau reziduurile tuturor scorurilor, dac
un anume caz este exclus de la analiz.
c. LEVERAGE VALUES: msoar ct de mult un caz poate afecta potrivirea"
modelului de regresie (R2)
(4)- n acest cmp avem opiuni ce permit calcularea unor parametri sau salvarea unor
variabile care arat care ar fi schimbrile survenite n model dac un scor ar fi omis de la
analiz.
(5)- opiunile din acest cmp permit salvarea n baza de date a cte dou variabile (fiecare
opiune) coninnd marginea inferioar i cea superioar a intervalului de ncredere (stabilit
implicit la 95%) pentru medie (opiunea MEAN) sau pentru un caz individual (opiunea
INDIVIDUAL), date fiind valorile actuale ale variabilelor independente.

n exemplul nostru vom marca opiunile ADJUSTED (din cmpul PREDICTED

VALUES) si INDIVIDUAL (din cmpul PREDICTION INTERVALS) apoi apsam
butonul CONTINUE.

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

126
 Trei sunt elementele principale ale acestei ferestre:
(1) - alegerea criteriului de selecie a variabilelor n model n cazul n care folosim alt
metod dect ENTER. Valorile stabilite implicit de program sunt cele folosite adesea, aa
c recomandabil este s nu modificai aceste opiuni.
Acest F despre care se vorbete in acest cmp arata daca proporia de varianta din
variabila prezis explicat de variabila sau grupul de variabile independente introduse n
model este o proporie semnificativ.
(2) - permite s modificm ecuaia de regresie prin introducerea sau eliminarea
coeficientului B0.
(3) - arat modul n care sunt luate n calcul valorile lips.
a. EXCLUDE CASES LISTWISE : este opiunea recomandat i aleas implicit. Se
refer la eliminarea de la analiz a rezultatelor subiecilor crora le lipsete fie si o
singur valoare din lista de variabile independente.
b. EXCLUDE CASES PAIRWISE: va exclude de la analiz perechile de scoruri pentru
care lipsete o valoare. De exemplu, dac aveai trei variabile independente, A, B i C, iar
un subiect nu are scorul la variabila B, acest subiect nu este exclus de la analiz (ca n
primul caz, LISTWISE), ci sunt excluse pentru acest subiect numai acele perechi de
scoruri ce conine variabila lips, n cazul nostru nu vor fi analizate AB i BC pentru
aceast persoan, dar va fi luat n calcul perechea AC pentru care subiectul are scoruri.
c. REPLACE WITH MEAN: nlocuiete scorurile lips cu media grupului din
care face parte subiectul.

n exemplul nostru, vom lsa aceste opiuni aa cum sunt ele stabilite implicit, aa c
apsam CONTINUE, apoi OK n fereastra principal pentru a obine OUTPUT-ul, adic
foaia de rezultate.

127
 n continuarea foii de rezultate ne sunt prezentate ntr-un tabel informaii referitoare la
puterea de predicie a modelului nostru, la potrivirea" sa cu realitatea pe care dorim s o
prezicem.

7
1 2 3 4 5 6

S analizm mai detaliat tabelul de mai sus:

(1) - arat cte modele de regresie avem si le atribuie un cod numeric acestora
(2) - arat coeficientul de corelaie multipl R, pentru fiecare din modele
(3) - arat valoarea coeficientului de corelaie multipl ridicat la ptrat, R2 valoare care arat
ce proporie din variaia variabilei dependente sau prezise este explicat de un model.
(4) - este valoarea ajustat a lui R2; ea trebuie luat n calcul atunci cnd judecm
potrivirea" unui model sau puterea sa de predicie.
(5) - arat eroarea standard a variabilei dependente, prezise. Cu alte cuvinte arat care este
deviaia standard a numrului igrilor fumate zilnic de o persoan de 40 ani, cunoscnd
valoarea variabilelor independente din model. Observai c modelele 2 i 3, unde numrul
variabilelor independente este mai mare, permite o apreciere mai bun a numrului de igri
fumate zilnic (intervalul de variaie fiind mai mic).
(6) - arat ct de mult se schimb valoarea lui R2 atunci cnd n model mai adugm
variabile.
(7) - este testul F al lui Fisher (vom discuta despre el la capitolul cu analiza de variant),
care arat dac schimbarea lui R2 , msurat la Punctul (6) este semnificativ, n cazul
nostru, ne vom uita n coloana SIG F CHANGE, unde este trecut pragul de semnificaie
pentru testul F i unde constatm c schimbarea este semnificativ doar pentru primele dou
modele. Concluzia ar fi c al treilea model (ce conine n plus fat de al doilea variabila
STUDII) nu contribuie semnificativ la puterea de predicie a regresiei. Mai mult, dac v
uitai la coloana unde avem valoarea ajustat a lui R2 vei constata o scdere a puterii de
predicie. Rezultatul se datoreaz probabil faptului c variabila independent VENIT
coreleaz cu variabila STUDII, deci a doua variabil nu mai aduce mult informaie nou n
plus, fat de prima.
La fel ca i n tabelul anterior, indicii care se gsesc n tabel sunt explicai n observaiile
menionate sub acesta, n cazul nostru, indicii a, b si c arat care sunt variabilele predictor

128
pentru fiecare din cele trei modele, iar indicele d precizeaz care este variabila dependent
prezis.
n continuarea output-ului urmeaz un tabel coninnd analiza de variant pentru fiecare
model de regresie, analiz care arat ct de eficient este predicia modelului cunoscnd
variabilele independente, comparate cu situaia n care nu am cunoate nimic.
Acest tabel este prezentat n continuare, dar nu vom intra n detalii legate de el, ntruct nu
am prezentat pn acum analiza de variant (ANOVA).

2 3
1

S analizm puin acest tabel:

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

n exemplul ales de noi, toate cele trei modele sunt eficiente, n sensul c explic o
cantitate semnificativ de variaie din cea total. Mai mult, observai c valoarea pragului
de semnificaie este cea mai mic pentru modelul al doilea, fapt care arat c acesta este
modelul cel mai bun dintre toate trei. Indicii prezeni n dreptul fiecrui prag de semnificaie
sunt explicai sub tabel si arat pe baza cror variabile independente se face predicia.

129
 n continuarea prezentrii rezultatelor urmeaz unul din tabelele cele mai importante ale
output-ului:

4 5 6 7 8 9

S analizm pe ndelete acest tabel important:

(1) - pe aceast coloan este trecut descrierea fiecrui model n parte. In cele ce urmeaz,
vom analiza mai detaliat modelul al doilea care, aa cum reiese din analiza de pn acum a
rezultatelor, este cel mai bun n termeni de predicie.
(2) - un model are inclus n el o constant, o valoare cu care predicia noastr este ajustat.
(3) - partea cea mai important a modelului se refer la variabilele independente incluse n
el, la predictorii modelului. Observai c n modelul al doilea pe care 1-am luat n discuie
avem dou variabile independente: vrsta iniial la care a debutat fumatul si venitul
persoanei exprimat n mii de lei.
(4) - este, poate, partea cea mai important a tabelului ntruct conine coeficienii
nestandardizai de regresie, pe baza crora putem construi ecuaia de regresie. Valoarea
7,0E-02 nu este o anomalie, ci este stilul programului SPSS de a afia uneori numerele
foarte mici sau foarte mari. Valoarea aceasta se citete 7,0 * 102, adic de fapt este
valoarea 0,07. Dac ar fi fost 7,0E + 04 atunci se face referire la valoarea 7,0 * 104, adic
valoarea 70.000.
Ajuni aici se impune o observaie. Cu datele trecute n acest cmp trebuie s redactm
ecuaia de regresie. Reamintim c pentru regresia multipl ( cnd avem mai mult de dou
variabile independente sau predictor ), ecuaia general de regresie folosind notele brute
este:

= B0 + B1 * X 1 + B2 * X 2 + ... + Bn * X n

unde B0 reprezint constanta modelului, iar B1..Bn sunt coeficieni nestandardizai de

regresie, calculai pentru fiecare variabil independent n parte.

130
 n cazul nostru, ecuaia de regresie este:

nr igri/zi la 40 ani = (-1,30) + (-0,40)*vrst iniial + (0,07)*venit.

Cum interpretm aceti coeficieni?

n primul rnd trebuie s precizm c scopul unei astfel de ecuaii este acela de a prezice.
Deci, fr prea multe interpretri, putem folosi ecuaia s prezicem cte igri va fuma zilnic
o persoan de 40 ani cunoscnd la ce vrst a nceput s fumeze, precum si venitul lunar al
su*.

OBS: Atenie! Datele referitoare la venit sunt raportate la ctigurile

romnilor din anul 1996, cnd dolarul american era la aproximativ 3000
lei. Dac ai dori s aplicai ecuaia la salariile actuale, ele trebuie ajustate
la cursul dolarului, altfel predicia nu are sens, ntruct ordinele de mrime
ale acestei variabile s-au schimbat i ele afecteaz coeficienii
nestandardizai de regresie. O alt variant ar fi s utilizai coeficienii
standardizai i astfel problema aceasta va disprea.

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

S revenim acum cu explicaiile detaliate legate de tabelul anterior.

(5) - n aceast coloan sunt trecute abaterile standard ale coeficienilor

nestandardizai de regresie. Ele arat care este intervalul n care variaz predicia noastr
n mod obinuit. De exemplu, pentru coeficientul nestandardizat al vrstei iniiale de
debut al fumatului, deviaia standard este de 0,45, ceea ce arat c valoarea acestui
coeficient variaz de la o persoan la alta cu 0,45.
(6) - n acest cmp sunt trecui coeficienii standardizai de regresie, care descriu modelul
nostru, atunci cnd lum n calcul notele standard (z) ale variabilelor.
(7) - coloana aceasta conine testul t aplicat coeficienilor nestandardizai de regresie, pentru
a testa ipoteza conform creia ei sunt semnificativ diferii de zero. Mai precis, aceste note t
arat care este importana relativ n model a predictorilor notri. Pentru a putea fi
important, un predictor trebuie s aib scorul t cel puin mai mare dect +2 sau mai mic
dect -2. Observai c n cazul nostru numai variabila venit" este important pentru model,
celelalte avnd i ele o contribuie, dar mai puin important.

131
(8) - pe aceast coloan este trecut pragul de semnificaie al testului t menionat anterior.
Valorile semnificative, ca la orice test statistic, trebuie se situeaz sub nivelul de 0,05.
(9) - ultimele coloane ale tabelului prezentat conin limitele inferioar i superioar ale
intervalului de ncredere pentru coeficienii nestandardizai de regresie, corespunztor
probabilitii de 95%. Cu alte cuvinte, aici sunt trecute limitele de variaie ale
coeficienilor; de exemplu, coeficientul de regresie pentru variabila venit" este cuprins n
proporie de 95% n intervalul 0,009 i 0,132.

Dup prezentarea parametrilor corespunztori modelului, n foaia de rezultate urmeaz un

tabel nu mai puin important referitor la reziduuri, mai precis la valorile variabilei
dependente, cea prezise, comparate cu valorile reale. Aceste date sunt prezentate ntr-un
tabel identic cu cel urmtor:

Coloanele tabelului conin elementele descriptive (media, minimul, maximul, deviaia

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

132
 n continuarea foii de rezultate sunt prezentate graficele pe care le-am solicitat
programului. Mai nti este prezentat histograma notelor standard ale reziduurilor (erorilor
sau abaterilor modelului de la realitate).

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

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

133
 Dup cum se distribuie punctele noastre pe graficul de mai sus , observm c n partea
inferioar a graficului ( stnga), punctele depesc diagonala, n timp ce n partea superioar
avem o tendin opus. Aceasta arat c pentru valori mici ale variabilei dependente,
modelul nostru de regresie are tendina de a supraestima realitatea, n timp ce pentru valori
mari apare tendina de subestimare a realitii.

Concluzie:

n exemplul analizat pn acum am observat c dintre cele trei variabile independente pe

care le putem folosi ca predictori pentru variabila dependent (numrul de igri fumate
zilnic), vrsta iniial i venitul ne ajut cel mai bine n predicie. Desigur, predicia noastr
nu se suprapune total pe realitate, existnd abateri de la ea (abaterea medie este de 7
igri/zi) i mai apare tendina de a supraestima valorile mici i a subestima valorile mari.
Cu toate acestea , modelul nostru este mai bun dect lipsa acestuia, fapt dovedit de valoarea
destul de ridicat a coeficientului de corelaie multipl ptrat (R2).

Regresia cu variabile dummy

De multe ori se ntmpl ca informaiile pe care le avem la ndemn pentru a face

predicii s nu fie cantitative, ci categoriale, msurate pe scale ordinale sau nominale. Spre
exemplu, dac am dori s prezicem preul apartamentelor pe piaa imobiliar din Iai, o
variabil independent care ne-ar putea fi util n predicie (pe lng suprafaa locativ) ar
putea fi zona de rezident a imobilului, tiut fiind c anumite zone din ora sunt mai cutate
dect altele.

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

OBS:

* dummy este un termen englezesc ce se refer la manechinele de plastic

folosite pentru vitrinele magazinelor de haine i suzeta/biberonul copiilor
sugari. De asemenea, expresia englezeasc dummy run care desemneaz o
repetiie sau intenia de a ncerca ceva este mai apropiat de sensul pe care-
1 are acest cuvnt n contextul de fa.

134
 Pentru a fi mai ilustrativi, vom lucra cu un exemplu, o serie de date care sunt prezentate n
tabelul de mai jos:

LUNI ANGAJAI TIPUL

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

Introducei tabelul n SPSS. Vom recapitula cu aceast ocazie noiunile

prezentate anterior n acest capitol. Aceste date (imaginare) reprezint situaia timpului,
msurat n luni, n care o inovaie legat de management este adoptat de diverse firme
variabila LUNI). Concomitent cu aceast msurtoare, cercettorul mai are urmtoarele
informaii despre aceste firme: numrul de angajai (variabila ANGAJAI) si tipul firmei
(variabila TIPUL, care are valorile O = firm de stat" si l = firm particular").
Problema pe care i-o pune cercettorul este aceea de a prezice timpul n care va fi
adoptat o nou strategie de management cunoscnd numrul de angajai pe care l are
Pentru aceasta, vom aplica metoda regresiei si ne propunem s aflm coeficienii ecuaiei
de regresie, care n cazul nostru este:

= BO + B1 * X
unde Y este valoarea prezis a timpului de adoptare a noii strategii manageriale k firm,
X- numrul de angajai al acelei firme, iar B0,B1 sunt coeficienii ecuaiei de gresie.

135
Vom folosi comanda ANALYZE - LINEAR..., care activeaz fereastra tipic pentru
analiza, regresiei liniare, ca mai jos:

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

Pe lng opiunile marcate implicit de program (ESTIMATES si MODEL FIT), vom

mai bifa opiunea CONFIDENCE INTERVALS, dup care vom apsa butonul
CONTINUE. Opiunea R SQUARED CHANGE nu o bifm n acest caz ntruct nu avem
mai multe variabile independente cu care s construim mai multe modele de regresie, ci
doar o singur variabil predictor.
Din fereastra principal a regresiei vom activa apoi butonul PLOTS pentru a realiza unele
reprezentri grafice. De aici vom bifa opiunea NORMAL PROBABILITY PLOT, astfel
c, n final, fereastra trebuie s arate precum cea din continuare:

136
 Dup aceste operaiuni apsm butonul CONTINUE i apsm butonul SAVE din
fereastra principal pentru a activa fereastra de mai jos:

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

137
 Primele informaii oferite de program se refer la modelul folosit si estimarea general a
eficienei sale:

Trei sunt elementele care ne intereseaz din aceste dou tabele:

(1) - care sunt variabilele ce intr n model
(2) - coeficientul de corelaie multipl (care aici este identic cu cel de corelaie bivariat
ntruct avem doar dou variabile n model)
(3) - coeficientul de corelaie multipl ptratic ajustat, care arat gradul total de potrivire" a
modelului, eficiena sa.
Observm astfel c modelul nostru, care folosete doar o singur variabil independent
(nr. de angajai), explic 71% din variaia variabilei dependente (timpul de adoptare a noii
strategii).

Tabelul ce urmeaz ne arat dac aceast proporie de variant explicat de modelul

nostru este semnificativ.

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

138
 Tabelul urmtor descrie ecuaia de regresie:

Din coloana notat cu (1) putem deduce ecuaia de regresie, care este:

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

Reamintim c numrul -9,826E-02 nseamn -9,82*102, adic -0,09. Putem folosi aceast
ecuaie pentru a face predicii; astfel, o firm cu 100 de angajai va adopta o inovaie
managerial n aproximativ 29 luni (37,91-9).

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

Spre exemplu, observam ca abaterea medie de la realitate a modelului nostru predictiv

este de aproximativ 5 luni (1), n plus sau n minus. Oricum, modelul nostru este mult mai
precis sau mai aproape de realitate dect situaia n care nu am cunoate variabila
ANGAJAI.
n acel caz, cnd nu am ti numrul angajailor, cea mai bun predicie ce o putem face ar
fi situaia n care am cunoate doar rezultatele timpului de adoptare a noii strategii pentru
cele 20 de firme luate n calcul i care este de 20 luni, cu o abatere standard de aproximativ
10 luni.

139
 Aceste date le obinem dac aplicm metoda DESCRIPTIVES din meniul ANALYZE -
DESCRIPTIVE STATISTICS, ca n imaginea de mai jos:

In cazul n care cunoatem si numrul de angajai, observai c variaia medie (deviaia

standard) scade la jumtate (de la 10 luni la 5 luni), n timp ce media valorii prezise este
identic (19,95 n ambele cazuri, dup cum arat tabelele anterioare). Deci este mai
rentabil" s folosim modelul nostru de regresie.

n continuarea output-ului regresiei programul ne arat distribuia reziduurilor

standardizate comparativ cu distribuia normal.

Dup cum observm, punctele corespunztoare probabilitilor cumulate obinute n urma

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

140
 Vom stabili s reprezentm pe axa Y variabila ce conine notele standard ale reziduurilor,
n funcie de variabila ANGAJAI, pe care o vom reprezenta pe axa X. Apsam butonul
OK si n fereastra de output va apare graficul:

Observai c norul de puncte astfel obinut este unul aleatoriu. Deci modelul nostru este
valid.
Pn aici toate sunt bune si frumoase. Am recapitulat noiunile referitoare la regresia
liniar. Dar credei c informaia legat de tipul firmei (de stat sau particular, variabila
TIPUL) nu are nici o importan? Credei c vom obine o aceeai ecuaie de regresie pentru
fiecare tip de firm? Cu alte cuvinte, credei c o inovaie este adoptat cu aceeai vitez la
o firm de stat'ca i la una particular, chiar dac cele dou firme au acelai numr de
angajai?
Pentru a rspunde la aceast ntrebare s reprezentm din nou norul de puncte, dar
marcnd de data aceasta punctele care provin de la firmele de stat i pe cele care . provin de
la firmele particulare.
141
Vom activa din nou comanda SCATTER din meniul GRAPHS i vom introduce variabila
TIPUL n cmpul SET MARKERS BY, ca n imaginea:

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

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

142
Modelul dummy

O variabil dummy este o variabil categorial care poate s ia doar valorile 0 si l,

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

STUDII DUMMY1 DUMMY2

primare 1 0
medii 0 1
superioare 0 0

S revenim ns la exemplul cu viteza de inovaie n cele dou tipuri de firme. Variabila

TIPUL este variabila noastr categorial; ntruct ea are deja dou categorii care sunt notate
cu 1 si 0, ea poate fi folosit ca variabil dummy. La ecuaia de regresie iniial care era:

= fl0 + B1 * X

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

= B0 + B1 * X1 + B2 * X2

Acum, X1, este variabila ANGAJAI, iar X2 este variabila TIPUL (variabila dummy).
Observai c ecuaia nu are nimic deosebit de ceea ce am nvat pn acum. Dar variabila
X2 poate s ia doar dou valori. S vedem ce se ntmpl n fiecare caz n parte dac
nlocuim valorile 1 si 0 n ecuaia original:

143
 Ecuaia original este: Y= B0 + B1 * X1 + B2 * X2
Valorile lui X2 Ecuaia de regresie devine: Observaii
X2 = 0 Y=B0+B1*X1 Este ecuaia pentru firmele de stat.

Este ecuaia pentru firmele particulare.

Observai c am comasat coeficienii B0 si
X2 = 1 Y = (B0+B2)+B1*X1
B1 care nu au alturat vreo variabil
independent.

Cu ajutorul programului SPSS ecuaia original de regresie se obine n mod obinuit,

introducnd variabila dummy n cmpul pentru variabile independente, ca orice alte
variabile independente:

Pentru a vedea dac obinem ceva n plus prin folosirea variabilei dummy, vom introduce
cele dou variabile independente ntr-un alt bloc, apsnd butonul NEXT din fereastra
principal a comenzii de regresie (revedei prile anterioare ale capitolului n caz c ai
uitat). Comenzile celelalte rmn neschimbate, doar c din fereastra butonului
STATISTICS vom bifa opiunea R SQUARED CHANGE care arat ct de mult se
mbuntete modelul folosind nc o variabil independent (n cazul nostru pe cea
dummy). Apsam CONTINUE, apoi OK din fereastra principal si vom obine foaia de
rezultate (output).
Vom analiza numai ceea ce ne intereseaz n mod special din output. Astfel, ne
intereseaz tabelul prezentat n continuare, care arat dac modelul ce conine si variabila
dummy este mai eficient dect cel care conine numai variabila ANGAJAI.

144
 1 2

Dou sunt elementele ce ne permit s estimm c modelul cu variabila dummy este mai
eficient:
(1)- observai c valoarea ajustat a coeficientului ptrat de corelaie multipl este mai mare
n al doilea model.
(2)- nu numai c valoarea lui R2 este mai mare pentru modelul dummy' dar saltul" de la un
model la altul este statistic semnificativ.

Pn aici, concluzia este c variabila dummy, tipul firmei, ne mbuntete predicia.

Urmtorul tabel care ne intereseaz este cel ce prezint coeficienii ecuaiilor de regresie
corespunztoare celor dou modele:

3
1 2

Din acest tabel ne intereseaz urmtoarele elemente:

(1) coeficienii nestandardizai de regresie.
Astfel, ecuaia original de regresie va fi:
nr. luni = 42,79 + (-0,10)* nr. angajai + (-7,21)* tipul firmei
Acum putem s precizm ecuaiile separate pentru cele dou tipuri de forme fcnd apel
la tabelul prezentat la pagina 144:

145
 Ecuaia original este: =42.79 + (-0.10) * X1, + (-7.21) * X2

Valorile lui X2 Ecuaia de regresie devine: Observaii

X2 = 0 = 42.79+ (-0.10) * X1 Este ecuaia pentru firmele de stat.

Este ecuaia pentru firmele particulare.

X2 = 1 = 35.58 + (-0.10)* X1 Observai c am comasat coeficienii B0 si B1

care nu au alturat vreo variabil
independent.

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

Dac ar fi s reprezentm grafic liniile corespunztoare modelului de predicie ce

corespunde fiecrui tip de firm n parte, atunci am avea graficul:

LUNI

F = 42.79 + (-0.10)*X1
Difer doar constantele cu
Diferena dintre modele.

(FIRME DE STAT)
valoarea B2.

F = 35.58 + (-0.10)*X1
(FIRME PARTICULARE)

ANGAJAI

Observm c aa cum am construit modelul nostru, am presupus c intensitatea (natura)

relaiei dintre numrul de angajai si viteza de inovare este aceeai, ntre cele dou tipuri de
firme diferind doar nivelul (viteza) de implementare. Aceast diferen ntre modele este
dat de coeficientul B2, corespunztor variabilei dummy. ntruct acestui coeficient i
corespunde o valoare semnificativ a testului t (a se vedea elementele 2 i 3 ale tabelului de
la pagina anterioar), vom spune c tipul firmei afecteaz nivelul vitezei de implementare a
inovaiei, n cazul n care natura relaiei dintre numrul angajailor i timpul de adoptare a
inovaiei ar rmne aceeai.

146
 1

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

O alt modalitate de a vedea dac ne-am mbuntit precizia folosind variabila dummy
este graficul probabilitilor cumulate ale reziduurilor standardizate:

Comparativ cu acelai grafic n situaia n care nu ineam cont de variabila dummy

(graficul similar de la pagina 140) observai c punctele din graficul anterior sunt mult mai
apropiate de linia corespunztoare probabilitilor cumulate ale curbei normale, nc un
element ce susine puterea ridicat de predicie a modelului cu variabila dummy.

147
Dar mai exist si alte dou variante de modele ce pot exista atunci cnd folosim variabile
dummy: modelul n care avem constante identice (graficul din stnga, prezentat mai jos) si
modelul n care avem interaciune (graficul din dreapta, unde att constantele, ct si pantele
liniilor sunt diferite).

Recomandat este modelul de interaciune (cel prezentat n dreapta) pentru c ia n calcul

toate posibilele diferene introduse de variabila dummy. Pentru a afla coeficienii de
regresie ntr-un astfel de caz, n baza de date trebuie creat o variabil nou obinut prin
nmulirea variabilei dummy cu variabila (variabilele) independente. Acest produs, X1*X2
se numete termen de interaciune.
Astfel, ecuaia general de regresie (cea pe care o obinem folosind SPSS) cu variabile
dummy si interaciune devine:

= B0 + B1*X1 + B2*X2 + B3*X1*X2

Pentru a afla apoi ecuaiile specifice, vom nlocui n ecuaie variabila dummy, X2, cu
valorile 0 si l. Folosind exemplul cu firmele vom avea:

A
Ecuaia original este: = B0 + B1*X1 + B2*X2 + B3*X1*X2

Valorile lui X2 Ecuaia de regresie devine: Observaii

X2 = 0 = B0+B1*X1 Este ecuaia pentru firmele de stat.

Este ecuaia pentru firmele particulare.

Observai c am comasat coeficienii B0 i B1
X2 = 1 =(B0+B2) + (B1+B3)*X1
care nu au alturat vreo variabil
independent.

Observai c n acest caz diferena dintre constantele celor dou ecuaii este B2, iar
diferena dintre pantele celor dou linii este dat de coeficientul B3.

148
 ANALIZA DE VARIANT
(sau cum difereniem n contexte mai complexe)

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

ir Ronald Fisher - geniul caustic al statisticii

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

149
Analiza de variant - elemente teoretice

Se spune c cine st cu capul n ap nu poate s vad apa. Cu analiza de variant s-a

produs un fenomen similar: ea face att de mult parte din felul nostru de a judeca lumea n
care trim, nct este de mirare de ce a fost descoperit aa trziu n statistic.

S lum cteva exemple:

S zicem c intrai la o recepie, ntr-o sal foarte mare, plin de invitai. Brusc, chiar dac
oamenii sunt amestecai unii cu alii, fr a se separa ntr-un fel anume, avei impresia c n
sal sunt trei grupuri de persoane. Cum v-ai dat seama de asta? Probabil pentru c cei care
fac parte din acelai grup (de exemplu asiaticii) sunt mult mai puin diferii ntre ei dect cei
care fac parte din grupuri diferite. Fr s v fii contieni, ai aplicat aici principiul pe care
se bazeaz analiza de variant.
Alt exemplu. S presupunem c mergei ntr-o ar nou. n prima zi, observai o femeie
cu prul scurt care pune o scrisoare ntr-o cutie rotund, albastr. Dac pe msur ce
cltorii n acea ar vei vedea c i alte femei tunse scurt vor pune scrisori n cutii de tot
felul de dimensiuni i culori, vei concluziona c ceea ce conteaz sunt sexul i lungimea
prului persoanei. Dac ns vei observa c toat lumea, indiferent de sex i lungimea
prului, pune scrisorile numai n cutii rotunde i albastre, atunci cutiile potale sunt cele ce
conteaz, n timp ce persoanele sunt neimportante pentru concluziile noastre privind
obiceiurile din acea ar. Am folosit din nou, fr s tim, principiul analizei de variant.
Dac suntei familiarizai cu psihologia dezvoltrii i cu teoria lui Jean Piaget, atunci v
vei da seama c analiza de variant este un tip de gndire, de raionament, care face parte
din ceea ce el a numit operaii formale", un stil de gndire abstract ce se achiziioneaz n
jurul vrstei de 14 ani.
Deci ar trebui s nu avei nici o problem n a asimila logica analizei de variant; o
folosii implicit de atia ani!

ANOVA

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

150
 Astfel, dei presupunem c asiaticii vor fi n general mai mici de statur dect
americanii, de exemplu, n realitate vom ntlni si asiatici mai nali dect unii americani, si
invers.

Dac am ncerca o reprezentare grafic a situaiei descris de exemplul nostru, ea ar arta

ca n imaginea de mai sus. Astfel, cele trei linii curbe mici diferite descriu distribuia
nlimii n cele trei continente (Asia, Africa si America, de la stnga la dreapta). Linia mai
mare descrie distribuia nlimii pe toate trei continentele luate la un loc. Observai c
avem trei medii (notate aici cu litere latine n loc de litere greceti, pentru a fi mai uor de
citit) corespunztoare mediei nlimii pe fiecare continent n parte (M1 - pentru Asia, M2 -
pentru Africa i M3 - pentru America). Mai avem i o medie a nlimii populaiei totale, de
pe cele trei continente, notat aici cu GM (din englezescul grand mean - marea medie).
n partea dreapt a desenului am reprezentat poziia unui scor x din populaia american
fa de media grupului din care face parte (distana notat cu a pe desen) i fa de media
total a populaiei celor trei continente (distana notat cu b).
Cum ar trebui s judecm pentru a ne confirma ipoteza conform creia oamenii de pe cele
trei continente au nlimi ce difer semnificativ, sau - altfel spus continentul de
provenien afecteaz nlimea locuitorilor si?
Putem face aici o analogie cu un aparat de radio la care ncercm s distingem trei posturi
de radio, trei staii ce emit pe frecvene apropiate. Ca s putem s le distingem, ar trebui ca
semnalele emise de fiecare staie s depeasc n intensitate zgomotul" produs de
interferene (zonele unde se intersecteaz semnalul de la dou staii).
n cazul nostru, variaia total a nlimii populaiei celor trei continente poate fi
descompus n dou pri: o parte din variaie se datoreaz abaterilor fiecrui scor de la
media grupului din care face (distana a), iar cealalt parte de variaie este produs de
abaterile fiecrui scor de la media total a populaiei (distana b ). Pentru a putea distinge
ntre grupuri, ar trebui ca prima component a variaiei s fie mai mic dect cea de-a doua.
Cu alte cuvinte, ar trebui ca persoanele aflate n acelai grup (pe acelai continent) s difere
mai puin ntre ele, dect persoanele aflate pe continente diferite. Atunci cnd variaia inter-
151
grupuri o depete pe cea intra-grupuri vom putea distinge bine ntre cele trei grupuri.
Analiza de variant, ANOVA, realizeaz tocmai acest lucru: calculeaz raportul dintre
variaia provocat de diferenele inter-grupuri i variaia cauzat de diferenele intra-grup i
stabilete dac acest raport este suficient de mare pentru a putea distinge ntre grupuri.
S lum n continuare un exemplu numeric simplu pentru a vedea exact logica ANOVA
n aciune.
Exemplu:

Un psiholog social este interesat s msoare influena informaiilor anterioare

(dac are sau nu antecedente) pe care o persoan le are despre un infractor n
evaluarea gradului de vinovie ntr-o infraciune. Astfel, la 15 subieci le este
artat o caset video care prezint procesul unei persoane condamnat pentru
falsificare de cecuri bancare. Anterior subiecii au primit dosarul inculpatului
care coninea aceleai informaii pentru toi subiecii, cu excepia faptului c
pentru 5 dintre acetia inculpatul era prezentat ca avnd antecedente, pentru ali
5 - era menionat c inculpatul era la prima abatere, iar pentru restul de 5 subieci
nu era fcut nici o meniune (grupul de control). Dup vizionarea casetei,
subiecii trebuiau s evalueze gradul de vinovie al persoanei inculpate pe o scal
de la l - sunt complet sigur C inculpatul e inocent" pn la 10 -sunt complet
sigur c inculpatul e vinovat".

Scopul cercetrii este de a arta c gradul de vinovie evaluat de subiecii din cele trei
grupuri este diferit semnificativ. Ipoteza de nul n acest caz este c cele trei grupuri de
subieci nu difer semnificativ, deci ele provin de fapt din aceeai populaie.
Rezultatele acestui studiu imaginar sunt prezentate n tabelul de mai jos:

Grupul cu antecedente" fr antecedente" Grupul de control

Grupul
Evaluarea Deviaiil Deviaiile Evaluarea Devia Deviaiile Evaluarea Deviaiil Deviaiile
e de la ptrate tiile de ptrate e de la ptrate
media la media media
grupului grupului grupului
10 +2 4 5 +1 1 4 -1 1
7 -1 1 1 -3 9 6 +1 1
5
10 -3 9 3 -1 1 9 4 16
8 +2 4 7 +3 9 3 -2 4
0 0 4 0 0 3 -2 4
40 0 18 20 0 20 . 25 0 26

Ml=40/5=8 M2=20/5=4 M3=25/5=5

Sl2=18/4=4,5 S22=20/4=5 S32=26/4=6,5

Pentru fiecare grup n parte am calculat media i varianta populaiei din care presupunem
c provine acest grup. Reamintim c estimarea variantei populaiei din care face parte un
grup pe baza rezultatelor din acel grup se face folosind formula:
SS SS
2 = =
N 1 df

152
 Pe baza ipotezei de nul, c cele trei grupuri provin toate din aceeai populaie, putem
calcula varianta acestei populaii totale care este determinat de variantele intra-grup.
Aceasta va fi de fapt media aritmetic a celor trei variante intra-grup:

MSw=(Sl2+S22+S32)/3=(4,5+5+6,5)/3=16/3=5,33

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

Mediile Deviaiile lor de la marea medie Deviaiile ptratice de la

grupurilor marea medie
(M) (M-GM) (M-GM)2
4 -1,67 2,79
8 +2,33 5,43
5 -0,67 0,45
17 -0,01 8,67

GM=17/3=5,67; S2=8,67/(3-l)=8,67/2=4,34

Acum trebuie s estimm varianta populaiei totale cauzat de diferenele dintre mediile
celor trei grupuri. Acum trebuie s inversm unul din procedeele prezentate n capitolul
patru (paginile 92-94). Acolo estimam varianta unei populaii (distribuii) de medii pornind
de la rezultatele unei populaii individuale. Pentru aceasta, mpream varianta populaiei de
cazuri individuale la numrul de cazuri din fiecare eantion, conform formulei:

2 2
m
N
2
unde m este varianta distribuiei de medii (eantioane), iar 2 este varianta populaiei
de cazuri individuale.
n cazul nostru, situaia este tocmai invers: cunoatem varianta distribuiei de medii
(notat cu S ) si dorim s o estimm pe cea a populaiei. Deci va trebui s nmulim aceast
variant cu numrul cazurilor din fiecare eantion (n exemplul de mai sus, cu 5, pentru c
avem 5 subieci n fiecare eantion).
Astfel,
MSB= S2*N=4,34*5=21,7.

Acum avem toate elementele - cele dou componente ale variantei populaiei totale -
pentru a calcula testul F (ANOVA).
153
 Formula testului este:

MSB
F =
M SW

Numele testului vine, evident, de la numele descoperitorului su, Sir Ronald Fisher.
Distribuia testului (dup care se calculeaz probabilitatea ca un anume rezultat s fie rodul
ntmplrii sau al unor factori de variaie sistematic) este prezent de obicei la sfritul
oricrui manual de statistic si se calculeaz n funcie de doi parametri: gradele de libertate
inter-grup (valoare dat de numrul de grupuri minus unu) si gradele de libertate intra-grup
(valoare dat de numrul total de subieci mai puin numrul grupurilor). Se alege astfel
valoarea-prag pentru care respingem ipoteza de nul si acceptm ipoteza de cercetare (la fel
ca si testul t). Evident, aceast valoare trebuie s fie supraunitar.
n cazul exemplului nostru, F=21,7/5,33=4,07. Valoarea-prag a lui F trebuie cutat n
tabele n dreptul lui 2 (gradele de libertate inter-grup) si 12 (gradele de libertate intra-grup),
pentru un prag de semnificaie de 0,05.
ntruct aici obinem valoarea 3,89, iar rezultatele noastre sunt mai mari, mai extreme
dect valoarea prag, vom putea respinge ipoteza de nul conform creia cele trei grupuri
provin din aceeai populaie i accepta ipoteza de cercetare care afirm c ele provin din
populaii diferite. Implicit, acest rezultat susine ideea c informaiile anterioare au
influenat semnificativ evaluarea vinoviei inculpatului.

154
Folosirea SPSS: Meniul ANALYZE - COMPARE MEANS - ONE-WAY
ANOVA
S vedem acum cum folosim programul SPSS pentru a calcula testul F. Vom utiliza ca
baz de date, rezultatele de la pagina 98, unde prezentam nivelul salarial la angajare si la
cinci ani dup aceea pentru 30 de subieci, dintre care 10 aveau studii primare, 10 - studii
medii si 10 - studii superioare.

Studii Sal_ini Sal_fin5

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

Exist mai multe tipuri de analiz de variant. Cel despre care am discutat pn n prezent
se mai numete ANOVA unifactorial, ntruct evideniem existena/influenta
unui singur factor de variaie (n exemplul nostru, informaia anterioar) asupra unei
variabile dependente.
S ncrcm baza de date (dac ai salvat-o n cursul parcurgerii capitolului 5) sau s o
reintroducem n computer si s definim valorile variabilei STUDII dup cum urmeaz:
155
valoarea l desemneaz studiile primare, valoarea 2 - studiile medii si valoarea 3 - studiile
superioare. Baza de date ar trebui s arate astfel (dac n prealabil ai marcat opiunea
VALUE LABELS din meniul VIEW).

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

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

2

1
3

4 5 6

156
 S analizm detaliat fereastra:

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

Dac ai introdus corect variabila dependent i pe cea independent, fereastra ar trebui s

arate astfel:

Prezentm n continuare fereastra corespunztoare butonului CONTRASTS, dei nu vom

marca nici una din opiunile ei.

Ar trebui s intrm n prea multe detalii de statistic superioar, legate si de analiza de

variant si de regresie pentru a explica cum se folosesc opiunile din aceast fereastr.
Pentru uzul comun ns, neluarea n seam a opiunilor acestui buton nu afecteaz
157
rezultatele obinute. Apsai CANCEL si revenii la fereastra principal.

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

Nu v speriai c sunt att de multe opiuni, att de multe teste! Toate fac n principiu
acelai lucru: ajusteaz sau confirm faptul c diferenele obinute pe ansamblu prin analiza
testului F se regsesc si la nivelul comparaiilor dintre grupuri, luate dou cte dou. Este
logic s aplicm aceste teste. Gndii-v c am aplica ANOVA unifactorial pentru o
variabil care are 100 de grade de intensitate, deci vom avea 100 de grupuri ce vor trebui
comparate nu numai n ansamblu (ceea ce face testul F), ci si dou cte dou (cu testul t, de
exemplu). Chiar dac n realitate nu variabila independent nu ar avea nici un efect (fapt
confirmat sau infirmat de testul F), la comparaiile dintre grupuri luate dou cte dou avem
anse ca mcar pentru cinci dintre acestea s gsim diferene, care apar din ntmplare.
Astfel, pragurile de semnificaie pentru aceste teste t trebuie ajustate n funcie de numrul
grupurilor, tocmai ceea ce realizeaz testele de comparaie multipl din fereastra POST-
HOC.
n cazul nostru vom alege BONFERRONI, unul din testele obinuite n acest caz.
Dup ce apsai CONTINUE i revenii n fereastra principal, activai butonul OPTIONS
pentru a vedea c putei calcula unii parametri descriptivi bifnd opiunile din fereastra care
astfel se deschide:

158
 Apsai din nou butonul CONTINUE si apoi butonul OK din fereastra principal pentru
a activa foaia de rezultate.
S analizm fiecare component a foii de rezultate. Mai nti, apare un tabel, precum cel
care urmeaz si care este tabelul principal al analizei:

1 2

3 4 5 6

Elementele acestui tabel sunt:

(1)- sursele de variaie. Pe aceast coloan sunt trecute componentele variantei populaiei
totale.
(2)- aici sunt notate deviaiile ptratice care intr n componena fiecrui tip de variant
(intra-grup si inter-grup)
(3)- n aceast coloan programul arat gradele de libertate corespunztoare modelului
nostru experimental si pentru care se calculeaz valoarea-prag a testului F.
(4)- acestea sunt componentele testului F, adic MSW i MSB. Dac observai cu atenie,
mprind suma ptratelor de pe un rnd la numrul gradelor de libertate corespunztor,
obinem valorile pentru MS-uri.
(5)- aici este valoarea testului F, obinut prin mprirea mediei variaiei inter-grup la
valoarea mediei variaiei intra-grup (MSBj MS\j)
(6)- este valoarea pragului de semnificaie pentru testul F, sau probabilitatea de a grei
atunci cnd respingem ipoteza de nul. n cazul de fa, pentru c valoarea lui p este foarte
mic (mai mic de 0,05), putem s respingem ipoteza de nul si s acceptm ipoteza de
cercetare.

Pn acum, din datele foii de rezultate putem concluziona c, pe ansamblu, studiile

afecteaz nivelul de salarizare avut iniial de subiecii notri. Vedei c am subliniat pe
ansamblu" pentru c rezultatul analizei de variant ANOVA unifactorial se refer la
diferenele globale ce apar ntre grupuri, care se reflect n variaia populaiei totale, fr a
preciza ntre care anume grupuri apar diferenele.

159
 Tabelul urmtor din foaia de rezultate precizeaz tocmai acest lucru, fcnd comparaiile
multiple ntre toate perechile de dou grupuri (testul Bonferroni).

2
1 3

5
4

Tabelul conine cteva elemente mai importante:

(1)- nivelul de referin al variabilei independente, fa de care se face

comparaia. El este notat aici cu I
(2)- este coloana ce arat celelalte nivele ale variabile independente ce sunt
comparate cu nivelul de referin (aceste nivele sunt notate cu J)
(3)- n aceast coloan este prezentat diferena dintre nivelele I si J, n aceast ordine. Spre
exemplu, diferena salarial medie dintre cei cu studii primare (nivelul I) si cei cu studii
superioare (nivelul J) este de - 158,90 mii lei, aa cum arat explicaia (3)
(4)- stelua care apare n dreptul valorilor de pe coloana (3) este explicat sub tabel si arat
unde anume, ntre care grupuri apare o diferen semnificativ (pragul de semnificaie mai
mic de 0,05) ntre medii.
(5)- valoarea exact a pragului de semnificaie este trecut n aceast coloan.

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

O ilustrare grafic ar fi mai util. Graficele ANOVA se reprezint de obicei, corect, sub
forma graficelor-bar, unde barele arat categoriile sau grupurile determinate de variabila
independent, iar nlimea barelor reprezint nivelul acestor grupuri din perspectiva
variabilei dependente msurate.
Vom activa fereastra pentru grafice cu bare, simple, unde datele reprezint grupuri de
cazuri (dac ai uitat cum se face acest lucru, revedei primele capitole). Fereastra ar trebui
s arate precum cea de mai jos:
160
 Vom introduce variabila independent n cmpul notat CATEGORY AXIS, iar variabila
dependent (SAL_INI) va fi introdus n cmpul VARIABLE. Reamintim c, la nceput,
acest cmp nu este activ. Pentru a-1 putea activa este necesar s marcai opiunea OTHER
SUMMARY FUNCTION situat deasupra sa.
Imediat ce am fcut aceste modificri, apsam butonul OK si graficul cu bare va apare
imediat n foaia de rezultate, ca n imaginea urmtoare:

Observai c scala de msur a variabilei dependente debuteaz de la valoarea 100, nu de

la O, astfel c nu trebuie s apreciai, ochiometric", diferenele, pn nu aducei scala de
msur la valoarea de origine. Orice modificare a graficului se face dup ce n prealabil
activai modul de editare, efectund un dublu-click asupra sa. Apoi selectai zona pe care
dorii s o modificai (tot cu dublu-click) si modificai parametrii din fereastra astfel
aprut.
Din grafic, din modul de dispunere a barelor si din informaiile pe care le avem din foaia
de rezultate, observm c salariul iniial creste pe msur ce creste si nivelul studiilor. Cu
toate acestea, diferene semnificative gsim doar ntre nivelurile extreme de educaie, cei cu
161
studii medii situndu-se la mijloc.
Interpretnd plastic aceste rezultate, imaginai-v c cele trei bare ar reprezenta nite
trepte. Atunci cnd ntre dou niveluri (trepte) nu este o diferen semnificativ este ca si
cum cobornd sau urcnd treptele nu ai simi diferena de nivel. Cnd ns diferena este
semnificativ, atunci ar fi ca i cum trecnd de la o treapt la alta ai depune un efort
considerabil, n cazul de fa, trecnd de la o treapt la alta, nu simim nici o diferen;
numai cnd srim cte dou trepte (cum este trecerea de la studii primare" la studii
superioare") vom simi o diferen.

Folosirea SPSS: Meniul ANALYZE - GENERAL LINEAR MODEL

UNIVARIATE

Uneori ne intereseaz s aflm care este influena mai multor factori (variabile
independente) asupra unei variabile dependente. Folosind doar ceea ce am nvat pn
acum (testul t si ANOVA unifactorial) nu putem s evideniem dect influena separat a
fiecrui factor n parte. Am putea utiliza regresia cu variabile dummy, dar ar fi destul de
complicat pentru c ar trebui s lucrm cu multe variabile dummy si modelul ecuaiei de
regresie ar fi foarte complex si greu de interpretat.
Pentru astfel de cazuri a fost inventat analiza de variant factorial (ANOVA SIMPLE
FACTORIAL este denumirea ncetenit n crile de statistic englezeti). Logica acestei
metode este identic cu cea prezentat anterior; coeficientul F al testului ANOVA msoar
raportul dintre variaia cauzat de mprirea pe grupuri si variaia intrinsec a grupurilor.
Dac logica testului este aceeai, nu identic este rezultatul: n analiza de variant simplu
factorial sunt dou tipuri de note F care ne intereseaz, corespunztoare celor dou tipuri
de efecte pe care le putem msura. Cele dou tipuri de efecte sunt:
efecte principale: msoar influena unei variabile independente asupra celei
dependente, indiferent de aciunea celorlalte variabile independente
efecte de interaciune: msoar influena combinat a dou sau mai multor variabile
independente asupra variabilei dependente.
Nu vom insista asupra detaliilor legate de combinaiile acestor efecte pe care le putem
ntlni n tiinele sociale. O trecere detaliat n revist a acestora poate di consultat n
volumul Metodologia cercetrii n tiinele sociale (Cornel Havrneanu, 2000, EROTA
TIPO).
Noi vom prezenta n continuare modul de folosire al programului SPSS pentru calcularea
testului F n analiza de variant simplu factorial.
Vom utiliza pentru aceasta o baz de date imaginar, referitoare la nota obinut de nite
studeni la un examen, n condiiile n care inem cont de ziua examinrii i nivelul lor de
anxietate.

162
 V prezentm mai jos datele, pentru a le putea introduce n programul SPSS:

NOTA ANX ZI EXAM

9 1 1
9 1 1
8 1 1
10 1 1
9 1 1
10 1 1
6 1 1
8 1 1
7 2 1
7 2 1
6 2 1
5 2 1
6 2 1
7 2 1
8 2 1
8 2 1
8 1 2
7 1 2
10 1 2
7 1 2
8 1 2
7 1 2
8 1 2
9 1 2
6 2 2
5 2 2
7 2 2
5 2 2
6 2 2
5 2 2
8 2 2

Observai c avem dou variabile independente (ANX - nivelul de anxietate i ZI_EXAM

- ziua examinrii), fiecare din ele avnd dou grade de intensitate.
Valorile variabilelor independente sunt: pentru
- anxietate - l="mic" i 2="mare",
- ziua examinrii - l="luni" i 2="vineri".
Variabila dependent este nota obinut la examen.

163
 Odat introdus n computer baza de date ar trebui s arate ca n imaginea de mai jos, n
condiiile n care activm comanda VALUE LABELS din meniul VIEW:

Scopul cercetrii noastre ar fi s artm care este efectul nivelului anxietii si a zilei de
examinare (la nceputul sau la sfritul sptmnii) asupra notei obinute de studeni la
examen. Desigur, nota la un examen nu depinde prea mult de aceti factori, dar folosind
ANOVA simplu factorial putem vedea n ce msur ei o influeneaz.
Activarea comenzilor pentru ANOVA simplu factorial se face din meniul ANALYZE -
GENERAL LINEAR MODEL - UNIVARIATE, ca n imaginea de mai jos:

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

164
 Odat activat comanda UNIVARIATE, pe ecran apare fereastra de mai jos:

1
4

Vom explica aceast fereastr n detaliu, mai puin butoanele cu opiuni din partea sa
dreapt pe care le vom detalia mai trziu:

(1)- este cmpul ce conine variabilele din baza de date

(2)- aici se introduce variabila dependent. Observai c avem loc doar pentru o singur
variabil dependent
(3)- n acest cmp introducem variabilele independente (factorii) care ne intereseaz si
al cror efect l controlm sau l considerm fix, necauzat de ntmplare
(4)- variabilele ce pot fi considerate independente, care nu ne intereseaz n mod direct sau
a cror aciune nu o putem controla se introduc n acest cmp
(5)- dac n studiu avem variabile independente sau alte variabile dependente care bnuim
c ar fi n legtur sau ar influena variabila dependent ce ne intereseaz, le vom introduce
n acest cmp. Prin aceast operaiune vom putea s vedem dac factorii fici (cei din
cmpul FIXED FACTORS) influeneaz variabila dependent indiferent de aciunea
factorilor covariani.
(6)- aici se trec valorile pe care le putem folosi atunci cnd bnuim c unele variabile
independente (factori) ar corela ntre ei ceea ce ar afecta rezultatele. Este ns o opiune
pentru utilizatorii avansai si recomandm nefolosirea ei fr cunoaterea precis a
semnificaiei sale.

165
 n cazul nostru, un exemplu simplu, vom considera cele dou variabile independente ca pe
factori fici i i vom introduce n cmpurile corespunztoare, ca n imaginea urmtoare:

Observai c n partea dreapt fereastra principal are o serie de butoane ce conin opiuni
complexe de analiz. Le vom discuta pe rnd, ncercnd s explicm ct mai multe din
opiunile aprute pe ferestrele acestor butoane. Cu toate acestea, precizm de la nceput c
nu vom folosi n analiz att de multe opiuni; ele sunt pentru utilizatorii avansai si pentru
design-uri experimentale mult mai complexe, n situaiile cele mai frecvente, opiunile de
care avem nevoie sunt mult mai puine.

1 2

Butonul MODEL activeaz o fereastr precum cea prezentat mai sus. Opiunile din
aceast fereastr folosesc la construirea unor modele care intereseaz pe experimentator, n
condiiile n care situaia investigat este prea complicat (ex. sunt foarte multe variabile
luate n calcul) si mai importante sunt nite modele mai simple, folosind factori mai puini.
S analizm puin fereastra:
(1)- este opiunea marcat implicit, care ia n calcul toate efectele posibile si toate
combinaiile de factori. Pentru modelele simple este recomandat s o lsai aa
(2)- n cazul n care dorii s simplificai modelul cu care lucrai i v intereseaz numai
166
anumite efecte sau numai anumii factori vom bifa aceast opiune care va activa automat
cmpurile i butoanele ce se gsesc dedesubt.
(3)- folosind opiunile ce se deschid din cmpul n care scrie INTERACTION, alegem
efectele care ne intereseaz s le analizm, iar cu ajutorul butonului cu sgeat vom selecta
factorii pentru care dorim s se calculeze acele efecte.
(4)- sunt opiuni ce permit alegerea tipului de interaciune dintre variabilele independente
(ct de complex s fie interaciunea) i permit calculul unor coeficieni de regresie ai
modelului (am precizat anterior c ntre regresie i ANOVA exist o legtur strns)

Pentru exemplul nostru, nu vom alege nici una din opiunile din aceast fereastr; vom
lsa marcat doar opiunea implicit, FULL-FACTORIAL. Apsai CONTINUE si
revenii n fereastra principal, pentru a activa urmtorul buton, CONTRAST, care v-a
deschide o fereastr ca cea de mai jos:

De opiunile acestei ferestre avem nevoie: ele compar ntre ele diferitele grupuri rezultate
din mprirea subiecilor dup valorile sau categoriile variabilelor independente. Observai
c doar variabilele independente sunt trecute aici. Cum se lucreaz cu aceste opiuni?
Alegei mai nti variabila independent pentru care dorii s calculai contrastul (diferena
dintre nivelele sale de variaie). Apoi, alegei tipul de contrast din cmpul CONTRAST. De
aici, tipul de contrast recomandat este DIFFERENCE. Ca exemplu, am ales, variabila
ANX, nivelul anxietii. Prin marcarea tipului de contrast prin diferen, noi cerem
programului s vad dac ntre cele dou nivele de anxietate pe care le pot avea subiecii
notri exist diferene n ceea ce privete notele obinute (adic vom verifica dac cei mai
anxioi obin note semnificativ diferite de cei mai puin anxioi).
Pentru a activa un anume tip de contrast, dup ce 1-ai ales trebuie s apsai butonul
CHANGE. Mai putei modifica i categoria de referin, alegnd-o pe prima sau pe ultima
dintre categoriile ce descriu o anume variabil independent. Apsai CONTINUE dup ce
ai ales tipul de contrast pentru a reveni la fereastra principal.

167
Butonul PLOTS, care activeaz fereastra de mai jos, este dedicat reprezentrilor grafice:

Menionm totui c dei reprezentarea rezultatelor ANO VA folosind grafice cu linii nu

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

168
Apsam apoi butonul ADD, care abia acum s-a activat, iar imaginea va fi:

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

Acest buton are opiuni similare cu butonul cu acelai nume din fereastra ANOVA
ONE-WAY. El se folosete numai atunci cnd una sau mai multe dintre variabilele
independente are/au mai mult de dou nivele de variaie (deci mpart subiecii n mai mult
de dou grupuri). Se vor realiza astfel toate comparaiile ntre toate perechile de grupuri i
aceste teste ajusteaz pragul de semnificaie n funcie de numrul grupurilor de comparat
(revedei ANOVA unifactorial dac ai uitat la ce folosesc aceste teste). Ca i n cazul
anterior, vom recomanda de aici folosirea testului Bonferroni.

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

169
 Observai c opiunile de aici sunt identice cu cele ale butonului SAVE din fereastra
pentru regresia liniar. Nu vom mai comenta opiunile de aici, care sunt identice cu cele de
la regresie; menionm doar faptul c ele faciliteaz tratarea analizei de variant ca un
model particular de regresie. Nu recomandm folosirea opiunilor de aici dect celor care
cunosc bine regresia.
Urmtorul buton din fereastra principal, care activeaz o fereastra precum cea de mai jos,
este unul specific analizei de variant simplu factoriale, aa c l vom analiza mai n detaliu.

2
1

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

(1)- prezint toate combinaiile de factori pentru care avem grupuri diferite de subieci si va
permite apoi calcularea mediei fiecrui grup de subieci n parte. Opiunea OVERALL se
refer la media calculat atunci cnd subiecii nu sunt mprii n grupuri, cnd rezultatele
lor sunt luate n calcul nedifereniind ntre nivelurile factorilor din model

170
(2)- este cmpul n care se trec factorii pentru care dorim s calculm mediile grupurilor de
subieci
(3)- reprezint opiuni ce permit calcularea mai multor parametri.

Dintre toate, ne intereseaz calculul parametrilor descriptivi (media, deviaia

standard, minimul si maximul), precum si testele de omogenitate (acestea trebuie s nu fie
semnificative pentru a putea aplica ANOVA simplu factorial).
Dac selectai corect opiunile corespunztoare pentru aceast fereastr, atunci ea ar trebui
s arate precum cea de mai jos:

Revenii apoi n fereastra principal si apsai OK pentru ca s obinei foaia de rezultate.

Primele elemente ale output-ului se refer la parametrii descriptivi ai modelului:

171
 Astfel, primul tabel precizeaz numrul de subieci folosii n cercetare pentru fiecare
grup n parte determinat de nivelurile fiecrei variabile independente (factor). Al doilea
tabel precizeaz mediile totale (cele din treimea inferioar a tabelului), precum si cele
corespunztoare fiecrui subgrup de subieci, subgrup determinat de categoriile factorilor
din model.
Ceea ce ne-a fost prezentat pn acum este rezultatul opiunilor marcate de noi din
fereastra butonului OPTIONS.
Mai departe, n foaia de rezultate sunt prezentate elementele cele mai importante ale
outputului, rezultatele testului F:

2 3

Tabelul cu testul lui Levene reprezint tocmai testul de omogenitate de care vorbeam la
fereastra butonului OPTIONS.
n analiza de variant simplu factorial, cele mai importante elemente se refer la testul F,
prezentat n tabelul anterior. Din tot tabelul pe noi ne intereseaz numai cele trei linii,
marcate prin acolade.
(1)- arat variabilele (factorii) ale cror efecte le lum n calcul. Astfel, linia cu ANX arat
efectul principal al acestui factor, indiferent de aciunea celuilalt factor, linia ZI_EXAM
arat efectul principal pentru aceast variabil, iar linia ANX*ZI EXAM se refer la efectul
de interaciune dintre cei doi factori, dac ei i combin efectele atunci cnd acioneaz
asupra variabilei dependente .
(2)- aici sunt prezentate testele sau notele F corespunztoare efectelor principale si de
interaciune din model
(3)- acestea sunt pragurile de semnificaie pentru testele F corespunztoare. Analiza acestui
tabel, n exemplul de fa, arat c dintre cele trei note sau teste F, doar unul singur este
semnificativ (p<0,05) si anume cel corespunztor rndului ANX, deci cel corespunztor
efectului principal al variabilei anxietate". Restul efectelor sunt nesemnificative.
172
 Interpretarea general a acestui efect principal este aceea c anxietatea influeneaz nota
obinut de subieci la examen, indiferent de ziua de examinare.
Pentru a vedea n ce fel nivelul anxietii afecteaz nota la examen, trebuie s ne uitm n
tabelele de contrast (opiunile activate din fereastra butonului CONTRAST):

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

n tabelul al doilea este prezentat suportul statistic pentru testul de contrast; observai c si
aici pragul de semnificaie este mai mic de 0,05, deci diferenele constatate sunt si ele
semnificative, anxietatea afectnd nota obinut la examen.

173
 Tabelele urmtoare (prezentate mai sus) reiau analiza contrastelor pentru cellalt factor,
ziua examinrii. De observat c aici nu mai avem diferene semnificative (fapt confirmat si
de lipsa unui efect principal pentru aceast variabil), deci ziua examinrii nu afecteaz nota
obinut.
Tabelele ce urmeaz n continuare prezint mediile obinute pe ansamblu (tabelul l,
obinut pentru c am selectat OVERALL din butonul OPTIONS), obinute pentru fiecare
factor n parte (tabelele 2 si 3) si cele pentru grupurile de subieci rezultate prin combinarea
nivelurilor celor dou variabile independente.
n cazul n care nu tii s interpretai sensul diferenelor la testele de contrast sau n cazul
interaciunii variabilelor, aceste tabele cu mediile pe grupuri si subgrupuri v vor ajuta s
stabilii n ce sens difer mediile.
Pe lng valorile mediilor, tabelele urmtoare mai prezint si deviaiile standard, precum si
limitele valorii medii corespunztoare intervalului de ncredere de 95%.

174
Ultima parte a foii de rezultate este rezervat reprezentrilor grafice:

175
 TESTE PENTRU DATE NEPARAMETRICE
(sau cum analizm cele mai multe din chestionare)

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

Karl Pearson - un statistician la extreme

Nscut n 1857, se zic c Pearson se luda adesea cu spiritul su rebel manifestat nc

de timpuriu. El nsui se luda c cea mai veche amintire din copilrie o avea de la
vrsta de 5 ani cnd, somat de prini s nu-i mai sug degetul arttor c o s i se
topeasc", micul Karl a rspuns uitndu-se la degetele sale: nu vd c degetul pe care-1
sug e mai mic ca celelalte i eu cred c m pclii".
Mai trziu, imediat ce a ajuns la Cambridge cu o burs pentru a studia matematica,
Pearson a fcut o cerere pentru a fi scutit de prezena obligatorie de la orele de religie i
slujbele de la capela universitii. Dup ce i-a fost aprobat cererea, el a nceput s se
prezint regulat la cursurile de religie i la capel, fapt care 1-a determinat pe decan s-i
cear o explicaie. Pearson a explicat c el a cerut s fie scutit nu de prezena la capel,
ci de prezena obligatorie la capel".
Karl Pearson, inventatorul testului chi-ptrat, s-a apucat de statistic din necesitatea de
a demonstra c i tiinele sociale pot fi la fel de precise i tiinifice" ca i cele exacte.
Preocupat de ereditate i teoriile evoluioniste, el a cutat metode matematice pentru a-i
susine ipotezele. Ceea ce 1-a deosebit de ali statisticieni contemporani a fost faptul c el
nu credea c statistica, corelaia n special, poate dovedi cauzalitatea. Nici un fenomen
nu este cauzal, toate sunt contingente, iar ce putem noi face cel mai bine este s apreciem
tocmai gradul de contingen", spunea Pearson.
n viaa de zi cu zi, el era omul extremelor: ori era prieten devotat, ori un duman
nverunat. Astfel, n timp ce pentru Gosset (inventatorul testului t), Pearson era un
prieten de ncredere, pentru Fisher (inventatorul analizei de variant) era un duman de
moarte.
Chiar i n anul morii sale, 1936, Pearson s-a certat ru cu Fisher, spre disperarea lui
Gosset, prieten bun cu amndoi, iar unii afirm c primul ar fi murit de inim rea cnd
a aflat c la retragerea sa de la conducerea catedrei de eugenie de la University College
din Londra, Fisher i-ar fi luat locul...

176
Datele neparametrice

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

177
 ntruct n aceast cercetare predomin variabilele ordinale i nominale, testele cele mai
potrivite pentru analiza acestor rezultate vor fi cele neparametrice.
'

Folosirea SPSS: Meniul ANALIZE - NONPARAMETRIC TESTS -

BINOMIAL

Principiul de baz al testului

Orice am msura, nu vom putea niciodat s lum n calcul toi subiecii dintr-o populaie.
Eantioanele pe care noi le obinem nu sunt nici pe departe cele mai reprezentative pentru
populaia din care ele provin, astfel c niciodat parametrii calculai pentru eantion nu se
vor regsi identic n populaie. Dac extragem din populaie un alt eantion, probabil c
vom obine parametri diferii, chiar dac cele dou eantioane provin din aceeai populaie.
Pentru a decide dac un eantion este tipic sau reprezentativ pentru o populaie avem
nevoie s cunoatem distribuia parametrilor msurai n populaie pentru a putea cunoate
care este probabilitatea de a obine o valoare identic cu cea a eantionului extras.
Testul binomial se refer la compararea rezultatelor obinute de un grup la o variabil care
are doar dou niveluri de msurare (ex. sexul subiecilor, admis/respins, vindecat/bolnav,
etc.) cu o anumit proporie presupus a exista n populaie. Pentru aceasta, proporia celor
dou niveluri de msurare este calculat pentru eantion i apoi comparat cu distribuia
binomial pentru o anume valoare a proporiei, o distribuie teoretic care precizeaz care
este probabilitatea de a obine un anumit rezultat n mod aleatoriu.

Aplicarea sa

n exemplul de fa ne propunem s vedem dac proporia de brbai/femei din eantionul

nostru este apropiat sau difer semnificativ de proporia 50/50 care ar trebui s exist n
populaia ideal.
Vom folosi testul binomial activat din meniul ANALYZE
NONPARAMETRIC TESTS - BINOMIAL, comand ce deschide fereastra:

178
 n fereastr vom selecta variabila de interes (sexul subiecilor) si o vom trece n cmpul
de analizat. Observai c putem folosi orice proporie dorim (n caz c nu dorim s utilizm
distribuia standard de 50/50) modificnd numrul din cmpul TEST PROPORTION. Mai
mult, programul ne permite s analizm si o variabil cantitativ definind o valoare limit
fa de care dorim s testm distribuia proporiilor.
De exemplu, poate c suntem interesai s vedem dac alegtorii americani sub 40 de ani
sunt semnificativ mai muli sau mai puini dect cei peste 40 de ani. Astfel, vom selecta
varabila AGE (cantitativ), iar n cmpul DEFINE DICHOTOMY vom alege valoarea 40
si o vom trece n cmpul din dreptul opiunii CUT POINT (dup ce n prealabil o marcm).
Dar n cazul de fa ne limitm la a testa dac n eantionul nostru proporia de femei si
brbai este 50/50.

Interpretarea

Rezultatele obinute sunt prezentate n tabelul de mai jos:

Primele trei coloane ale tabelului sunt descriptive, n timp ce ultimele trei conin
elementele ce permit interpretarea testului. Vedem astfel c proporiile observate pentru
distribuia pe sexe sunt 0,44/0,56. Acestea, comparate cu distribuia 0,50/0,50 sunt diferite
semnificativ, dup cum testul de semnificaie (prezentat n ultima coloan) ne arat. Notai
c valoarea sa este mai mic de 0,05, deci proporiile din eantionul nostru difer
semnificativ de cele ideale, femeile predominnd ntr-o proporie semnificativ.

179
Folosirea SPSS: Meniul ANALIZE - NONPARAMETRIC TESTS - CHI-
SQUARE

1 Principiul de baz al testului

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

2 Aplicarea sa

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

Vom introduce variabila de interes (votul) n cmpul pentru analiz. Observai c n

cmpul EXPECTED VALUES este bifat opiunea ALL CATEGORIES EQUAL. Este
cazul care ne intereseaz pe noi. Adic noi comparm situaia real a votului cu situaia n
care cei trei candidai ar obine acelai numr de voturi.
Dac ns doream s comparm distribuia cu o alta, n care categoriile nu s-ar mai fi
distribuit egal, atunci foloseam opiunea VALUES si butonul ADD, acum inactive. i aici
putem compara variabile cantitative, dac n prealabil specificm intervalele la care
raportm categoriile noastre (folosind opiunea EXPECTED RANGE).

180
3 Interpretarea

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

n primul tabel sunt trecute elementele descriptive ale testului, categoriile sale, frecvena
observat, cea teoretic la care se face raportarea i abaterile frecvenei observate de la
frecvena teoretic (coloana RESIDUALS).
Observai aici c, n timp ce frecvena celor ce voteaz cu Bush nu difer prea mult de la
frecvena teoretic, cei care voteaz cu Perot sunt foarte puini, iar cei care l voteaz pe
Clinton sunt foarte muli.
Valoarea statistic a testului, prezentat n tabelul al doilea, este semnificativ (rndul
ASYMP. SIG), ceea ce nseamn c votanii au o preferin format, iar din datele obinute
n primul tabel tim c ei sunt orientai ctre Clinton (ceea ce s-a i confirmat la alegerile
prezideniale din SUA, n 1996).

181
Folosirea SPSS: Meniul ANALIZE - NONPARAMETRIC TESTS -
2 INDEPENDENT SAMPLES

1 Principiul de baz al testului

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

2 Aplicarea sa

Testul se activeaz din meniul ANALYZE - NON-PARAMETRIC TESTS -TWO

INDEPENDENT SAMPLES, comand ce deschide fereastra:

Observai c fereastra seamn foarte mult cu cea a testului t pentru eantioane

independente. Vom selecta variabila dependent (DEGREE) n cmpul TEST
VARIABLE LIST, iar variabila independent (SEX) n cmpul GROUPING
VARIABLE. Definii grupurile variabilei independente folosind butonul DEFINE
GROUPS, la fel ca si n cazul testului t.
Observai c sunt patru tipuri de teste posibile, toate artnd acelai lucru:
MANN-WHYTNEY U: se bazeaz, pe ierarhia rangurilor observaiilor din cele
dou grupuri;
MOSES EXTREME REACTIONS: verific dac intervalul variabilei ordinale
(mai puin cele 5% cele mai extrem de mici sau cele mai extrem
de mari scoruri) este acelai pentru ambele grupuri
182
 KOLMOGOROV-SMIRNOV Z: se bazeaz pe diferenele maxime dintre
distribuiile cumulate observate la cele dou grupuri.
WALD-WOLFOWITZ RUNS: se bazeaz pe numrul de combinaii necesar
pentru a aeza cazurile dintr-un grup n ordine cresctoare sau
descresctoare.

3 Interpretarea

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

Observai c stilul de prezentare al rezultatelor este similar cu cel de la testul chi-ptrat. n

primul tabel este prezentat situaia descriptiv" (media rangurilor), iar valoarea pragului
de semnificaie a testului este dat n tabelul al doilea (linia denumit ASYMP. SIG).
Observnd c aceast valoare este nesemnificativ (p=0,351), deci putem trage concluzia
c femeile si brbaii din studiul nostru nu difer semnificativ n ceea ce privete nivelul
studiilor. Dac diferenele ar fi fost semnificative (p<0,05), sensul diferenei ar fi fost dat de
semnul notei Z, cea scris imediat deasupra valorii pragului de semnificaie.

183
Folosirea SPSS: Meniul ANALIZE - NONPARAMETRIC TESTS -
2 RELATED SAMPLES

1 Principiul de baz al testului

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

nrsub vot iliescu constantinescu

1 1 1 2
2 1 1 3
3 1 2 1
4 1 3 1
5 0 1 3
6 1 1 2
7 0 3 2
8 1 2 1
9 1 2 1
10 0 2 1
11 0 1 2
12 1 1 2
13 0 2 3
14 1 2 1
15 1 3 1
16 0 3 1
17 1 1 2

18 1 3 1
19 1 1 2
20 0 1 2
22 1 2 2
23 1 2 1
24 0 2 1
25 1 2 1
26 1 2 2
27 0 3 2
28 1 3 1

184
 29 1 3 1
30 0 3 1

3 Aplicarea sa

Dorim s vedem dac subiecii au o prere mai bun despre vreunul din candidai, ntruct
subiecii rspund la ntrebri referitoare la ambii candidai (deci dau perechi de valori la
fiecare msurtoare), trebuie s aplicm o metod care folosete compararea de eantioane
perechi. Dat fiind c scala de msur este ordinal, vom aplica o metod neparametric.

Vom activa fereastra corespunztoare meniului ANALYZE - NON PARAMETRIC

TESTS - TWO RELATED SAMPLES ca n fereastra prezentat n continuare:

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

Observai c si aici putem aplica mai multe tipuri de teste. S le analizm pe scurt pe
fiecare n parte:
WILCOXON: se bazeaz pe rangul valorilor absolute al diferenelor dintre dou
variabile, comparnd separat diferenele pozitive i negative
SIGN: se bazeaz pe comparaia diferenelor pozitive i negative dintre cele dou
variabile utiliznd apoi testul binomial pentru a compara proporia de
diferene negative cu cea a diferenelor pozitive.
McNEMAR: testeaz dac oricare dou combinaii posibile de valori extreme au o

185
aceeai probabilitate de apariie. Aplicarea sa se face numai dac variabilele testate sunt
dihotomice.
n cazul nostru nu putem aplica testul McNemar, ci doar testul semnului sau Wilcoxon.
Vom alege pe ultimul dintre acestea.

3 Interpretarea

Aa cum ne-am obinuit, prezentarea rezultatelor testului se face n dou tabele, unul
pentru valorile descriptive i altul pentru semnificaia testului, ca mai jos:

n primul tabel sunt prezentate media i suma rangurilor diferenelor pozitive i negative,
precum i cazurile n care scorurile sunt la egalitate. Indicii de sub acest tabel arat sensul
diferenelor.
Din al doilea tabel observm c testul este semnificativ (p<0,05). Dup cum observai, n
coloana a doua din acest ultim tabel apare notaia CONSTANT-ILIESCU, ceea ce nseamn
c valorile absolute ale diferenelor (i pozitive i negative) sunt n defavoarea lui
Constantinescu.
Concluzia este c aceti subieci consider c situaia Romniei se va mbunti mai mult
dac ctig Iliescu dect dac ctig Constantinescu.

186
 Volumul de fa nu este o trecere n revist, exhaustiv, nici a metodelor
statistice, nici n ceea ce privete folosirea programului SPSS. Pentru un
astfel de scop nobil ne-ar fi trebuit, fr exagerare, mii de pagini.
Avei n mn un ghid practic, dar introductiv, pentru a folosi pachetul
statistic SPSS (sau altele asemntoare), ghid care explic noiunile de
baz din statistic i pune accent pe metodele folosite n special n tiinele
sociale, cu precdere n psihologie.
Autorul

187