Documente Academic
Documente Profesional
Documente Cultură
Cuprins:
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.
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:
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 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
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:
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:
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:
Oricare ar fi metoda, atunci cnd se activeaz pentru prima dat comanda SAVE, se deschide o
fereastr-dialog, precum cea urmtoare:
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):
5 3
fereastra-dialog DESCRIPTIVES
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.
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
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
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.
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:
16
Exist patru etape n realizarea unei histograme, fr ajutorul calculatorului:
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:
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
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.
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.
4,6,2,2,1,2,3,2,4,4
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
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:
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.
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.
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.
Aceast valoare nou, obinut prin mprirea lui SS la N este tocmai varianta, notat SD.
Deci,
SS
SD = (2)
N
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)
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.
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.
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):
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
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).
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
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:
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
1.- Histograme
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
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.
36
2.- Grafice cu bare
Imediat, apare fereastra de mai jos, de unde trebuie selectat tipul de grafic cu bare ce dorim
s-l realizm.
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.)
(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).
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.
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:
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!
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.
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.
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.
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.
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).
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.
Corelaia
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.
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:
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
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.
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
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 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:
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
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
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.
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.
62
Odat activat, comanda SPLIT FILE deschide o fereastr precum cea de mai jos, de unde
putem alege opiunea noastr:
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?
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).
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
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.
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:
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.
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:
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:
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 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.
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.
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.
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.
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
24 20
Z= = +1,33 (4)
3
Etapa V:
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.
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.
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
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.
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:
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
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 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
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.
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:
2
1
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.
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%.
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:
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).
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.
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:
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
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
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.
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
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
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
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:
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:
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.
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
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:
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
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
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:
n general, n tiinele sociale modelele de predicie sunt probabilistice, iar forma general
a acestora este:
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).
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".
Vom lua pentru aceasta un exemplu mai simplu, cu doar trei puncte.
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.
***
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
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
B0 = My B1* Mx
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
= -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
Y
Y
b
b a1 a2
a
X1 X2
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
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.
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.
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.
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
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
(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
(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
130
n cazul nostru, ecuaia de regresie este:
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.
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.
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:
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:
134
Pentru a fi mai ilustrativi, vom lucra cu un exemplu, o serie de date care sunt prezentate n
tabelul de mai jos:
= 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:
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:
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:
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:
139
Aceste date le obinem dac aplicm metoda DESCRIPTIVES din meniul ANALYZE -
DESCRIPTIVE STATISTICS, ca n imaginea de mai jos:
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
primare 1 0
medii 0 1
superioare 0 0
= 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.
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.
3
1 2
145
Ecuaia original este: =42.79 + (-0.10) * X1, + (-7.21) * X2
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.
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
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:
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).
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
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
149
Analiza de variant - elemente teoretice
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.
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:
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:
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.
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:
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.
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
(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.
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
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:
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:
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:
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:
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.
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
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.
'
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
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
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
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:
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
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
3 Interpretarea
S alegem pentru analiza noastr doar testul Mann-Whytney. Rezultatele sunt prezentate
mai jos:
183
Folosirea SPSS: Meniul ANALIZE - NONPARAMETRIC TESTS -
2 RELATED SAMPLES
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:
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.
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