-~~-----'"1111111111111111111,,11111',1111'11111'"' :j, I I', llllilllll!.iiiiii;JIIJIIIIIIIIIiiiiiiiiiiiiiiWIIIIIIIIIIIIIIIIIIIIImJIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII~IIIIIlllllll.

llllllllll:llll 1111 :III 1'

CUPRINS

PREFA ix

INTRODUCERE xi

Capitolul1. ELEMENTE DE STATISTIC DESCRIPTIV

Printilor mei, Viorel i Zoria,
1.1. Modalitti de msurare a variabilelor studiate
c m-au nvat s privesc lumea fr ur.
2
pentru 1.2. Analiza descriptiv univariat 3
1.3. Analiza descriptiv .bivariat 12
1.3.1. Coeficienii de corelaie 13
1.3.2. Reprezentarea grafic a asocierii dintre variabile 15
1.3.3. Tabele de contingent- moduri de prezentare a asocierii dintre datele
~ . '
non-numence . 24
Bibliografie 26

Capitolul 2. TESTAREA IPOTEZELOR 27

2.1. Ipoteza nul- clarificri conceptuale 28

2.1.1 . Logica testrii ipotezelor 29
2.1.2. Ipoteza nul i mrimea eantionului 31
2.1.3. Erorile de tip 1 i 11. n testarea ipotezelor 31
2.2. Mrimea efectului 33
2.2.1. Indicatori ai mrimii efectului 34
2.2.2. Interpretarea mrimii efectului 35
2.2.3. Stabilirea mrimii efectului 37
2.2.4. Limitele mrimii efeetului 37
2.3. Puterea statistic a unei cercetri 38
2.4. Appendix- Ce nseamn gradele de libertate? 46
Bibliografie 48

Capitolul 3. TEHNICI INTRODUCTIVE DE TESTARE A IPOTEZELOR 51

3.1. Testarea asocierii dintre dou variabile 51

3.1 .1. Coeficientul de corelaie r 51
3.1 2~ Corelatia partial 59
3.2. Tehnici de comparaie ntre grupuri 61
3.2.1. Tehnicile X: 61
3.2.2. Testele t iz de comparare a diferenelor dintre dou medii 70
3.3. Managementul datelor brute 81
3.3.1. Managementul datelor lips 81
3.3.2. Managementul datelor neobinuite '82
3.3.3. Transformarea datelor brute 82
Bibliografie 85

.-., .. V
 ,,. ,: i l -110
111111
1
___11111111111111-ll l l l liJIIIIII 1111 1111111111'111111111111111111 1111111111111'111 'III ill' 11! !11 III :11 :11 111 lll~ill:ll: III III III illl '1111111 III illl 11111111''1111'111 ,li , ,.:lilllillllllllllllllli

87 Capitolul 6. REGRESIA LINIAR 185

Capitolul 4. TEHNICILE ANOVA
90 6.1. Regresia liniar simpl 187
4.1. ANOVA simpl 92 6.1.1. Principii ale regresiei liniare 187
4.1.1. Procedurile post hoc 95 6.1.2. Evaluarea eficienei unei ecuaii de regresie 192
4. 1.1.1. Mrimea efectului n cadrul procedurilor post hoc 97 6.1.3. Testarea individual a eficienei predictorilorn estimarea evolutiei
4.1.2. Procedurile a priori 97 criteriului ' 194
4.1.2.1. Contraste nestandardizata 101 6.2. Modaliti de analiz n regresia multiliniar 197
4.1.2.2. Mrimea efectuh.ii n cazul contraste/ar 102 6.3. Regresia multilinar n scop predictiv 200
4. 1.2.3. Contrastele standardizate 104 6.3.1. Interpretarea coeficienilor de regresie 204
4. 1.2.4. Contrastele polinomiale 107 6.3.2. Rolul ecuaiei.de regresie n interpretarea datelor cu scop predictiv 208
4.2. ANOVA factorial 111 6.3.3. Instrumente compiE3mentare regresiei n scop predictiv 209
4.2.1. Metoda efectelor simple 114 6.3.3.1. Decizia organizational 209
4.2.2. Mrimea efectelor n cazul ANOVA factorial 6.3.3.2. Contravalidarea' 212
4.2.3. Condiii necesare pentru aplicarea ANOVA simpl i 115 6.3.3.3. Analiza cazurilor intruente 214
ANOVA factorial 116 6.4. Regresia multiliniar n scop explicativ 216
4.3. ANOVA cu msurtori repetate 121 6.4.1. Logica regres iei utilizate n scop explicativ 217
4.3.1. Mrimea efectelor n ANOVA cu msurtori repetate 121 6.4.2. Testarea eficienei explicative a modelului propus 219
4.3.2. Conditii necesare pentru aplicarea ANOVA cu msurtori repetate 124 6.4.3. lnt~rpret~rea_ ~o~~cienilor de regresie n analizele cu scop explicativ 220
. 4.4. Alte modalltti ANOVA 125 6.4.4. l_n~icatoru manmu efectului n cazul regresiei multiple 222
4.5. Exemplu de NOVA factorial: cazul euristicii de accesibilitate 6.5. Condiii necesare pentru aplicarea regresiei liniare 223
128
4.6. Tehnicile ANCOV A 132 6.5.1. Evitarea erorii de specificare . 223
4.6.1. Mrimea efectului n tehnicile ANCOVA 133 6.5.2. Evitarea erorii de msurare 224
4.6.2. Conditii suplimentare aplicrii ANCOVA 135 6.5.3. Eroarea rezidual ct mai mic 225
4.7. Tipuri de factori n design-urile de tip ANOVA sau ANCOVA 137 6.5.4. Evitarea multicoliniarittii 225
Bibliografie _ 6.5.5. Existena unor relaii de' tip liniar i aditiv 227
6.6. Exemplu de regresie multipl liniar- cazul citirii 228
139 6.7. Direcii de evoluie ale regresiei 232
Capitolul 5. ANALIZA FACTORIAL 6.7.1. Alte tipuri de regresie 232
140 6.7.2. Identificarea efectelor de interaciune n regresia multipl 232
5.1. Analiza factorial exploratorie 141 6.7.3. Analiza de cale 238
5.1.1. Teoria analizei factoriale 143 Bibliografie 241
5.1.2. Analiza componentelor principale vs. analiza factorial 145
5.1.3. Design-ul i metodologia analizei factoriale 146
5.1.3.1. Tipuri de matrice i metode de extragere a factorilor Capitolul 7. REGRESIA LOGISTIC 243
148
5.1.3.2. Metode de selectare a numrului adecvat de factori
153
5.1.3.3. Analiza statistic a factorilor extrai 155 7.1. Concepte i principii teoretice 243
5. 1.3.4. Rotirea factorilor 160 7.2. Modelul regresiei logistice 245
5.1.3.5. Interpretarea naturii factorilor 161 7.3. Estimarea modelelor logistice 249
5.1.3.6. Ameliorarea structurii factoriale 163 7.3.1. Testarea modelelor explicative logistice 250
5. 1.3.7. Aspecte metodologice complementare 7.3.2. Compararea modelelor logistice 253
167
5.1.4. Exemplu de analiz factorial exploratorie- cazul inteligenei 7.3.3. Stabilirea eficienei explicative a modelului ales 256
170
5.2. Analiza factorial confirmatorie 171 7.3.4. Test~~ea i interpretarea coeficienilor logit 260
5.2.1. Specificarea modelelor concurente 173 7.3.5. Stabilirea unor profile ideale . 264
5.2.2. Identificarea modelelor 176 7.3.6. Analiza cazurilor influente asupra modelului 265
5.2.3. Stabilirea gradului de adecvare a modelelor 176 7.4. Exemplu de regresie logistic binar- cazul infidelittii 266
5.2.3.1. Indicatori absolui 178 Bibliografie ' 269
5.2.3.2. Indicatori de comparare 180
5.2.4. Modificarea modelului 182
5.2.5. Aspecte metodologice ale aplicrii analizei factoriale confirmatorii
183
Bibliografie

vii
vi
11111111111111.1 111.111111~111111,11111111111 '11111'111', '11' '1 l,l,l
Capitolul 8. SCALAREA MULTIDIMENSIONAL
8.1. Modele de scalare multidimensional~ . . _
8.2. Design-ul cercetrii n scalarea multldl_menslonala
8.2.1. Selectarea obiectelor i a numrulUI acestora
8.2.2. Metode de colectare a datelor . .
8.2.2.1. Compararea fiecrei perecht de sttmult
8.2.2.2. Sortarea stimulilor
8.2.2.3. Ierarhizarea stimuli/or
8 2 3 Managementul datelor colectate prin SPSS
8 .3. H~rta perceptiv. Reprezentar~a sp~i~l_ a distanelor ~s~holog1ce
8.3 .1 . Selectarea. numrului de d1mens1Un1 d1n harta percept1va
8.3.2. Interpretarea configuraiei MOS
8.3.3. Aplicaii INOSCAL . _
8.4. Modele de scalare multidimensionala conexe
8.4.1. Modele MOS constrnse
8.4.2. Modele MOS extinse
8.5. Incursiune n opiunile SPSS
Bibliografie
viii
271
272
275 PREFAT
276
277
. 277
O CARTE DE STATISTIC PENTRU PSIHOLOGI
278
279
Cnd mi s-a propus s redactez un cuvnt introductiv la cartea colegului meu, Florin
279
. . Sava, am fost oarecum ocat, deoarece sunt mai mult un consumator de statistic dect un
283
28::1
creator al acestui domeniu. Exist i percepia, uneori fals, c psihologii nu sunt prea buni
statisticieni. Muli chiar se complac n aceast convingere i nu fac nici un efort s-i optim}zeze
28B
2g3 performanele intr-un domeniu, care, de ce s nu recunoatem; d substan oricrei cercetri din
2g() domeniul psihologiei. Personal, nici nu pot concepe o investigaie psihologic fr o abordare
statistic adecvat; indiferentc se pune problema unui demers cantitativ sau calitativ.
29!i
29G Psihologia este atestat ca o tiin experimental. Experimentul a fost acel element
2g8 o
care a conferit psihologiei calitatea de tiin. Ea este evaluat ca fiind tiin tnr, nscut ca
29\J o sintez a cercetrilor lui E.H. Weber asupra senzaiilor tactile (1849), ale lui H. Helmholtz
asupra senzaiilor vizuale ioptice (1862-1867) i studiilor de psihofizic (1860) ale lui G. Th.
Fechner, in laboratorul lui Wilhelm Wundt de la Leipzig, mai ales dup publicarea manualului su
de psihologie (1874). Aplicarea n mod consecvent a metodei experimentale ca regul n
investigarea psihologic a insemnat renunarea ICI sistemele vaste filosofico-psihologice.
Psihologia cunoate n prezent o inserie total n activitile practice n care deseori se reflect
diverse categorii de probleme cu care se confrunt fiina uman n contextul existenei sale
cotidiene. n toate aceste cadre acionale, psihologii dezvolt proiecte experimentale pe care le
fundamenteaz prin intermediul unui aparat statistic construit cu mult grij. Prin utilizarea
experimentului n psihologie s-a pus accent pe colectarea de date obiective privind
comportamentul uman, astfel fiind posibil generarea a numeroase legiti privind senzaiile,
percepiile, reprezentrile, memoria etc., legiti care au permis psihologiei s devin o tiin
independent. Psihologia tiinific este o provocare vizavi de practicile diletante sau abordrile
parapsihologice de genul astrologiei, psihobioritmurilor, telepatiei, grafologiei, chiromaniei etc.
Acestor practici cu profund caracter netiinific, ct i adepilor lor, psihologii le-au rspuns printr-o
abordare tiinific, proiectnd o serie de experimente n care er_au folosite proceduri statistice
adecvate. La timpul su, psihologul american R. Pintner, sublinia fa de preteniile
caracterologilor i ale altor arlatani, c pe acetia riu-i poi combate dect cu fapte, prin aceasta
nelegndu-se argumente tiinifice, rezultate ale unor investigaii. Ca atare, de-a lungul timpului
au fost proiectate i publicate o serie de investigaii menite s demonstreze caracterul netiinific
al astrologiei, horoscopului, psihobioritmurilor etc.
Cercetarea psihologic contemporan a adus statitica psihologic i educaional la un
punct suficient de nalt, nct s nu mai fie descifrat cu prea mult uurin dect cu un efort
susinut i dup o practic ndelungat de ctre orice cercettor. Azi, problema calculelor, cu care
se confruntau cercettorii pn nu de mult, .nu mai constituie o barier, calculatorul i pachetele
de programe statistice fcnd posibil printr-o simpl apsare pe o tast, efectuarea celor mai
complicate calcule ntr-un timp nebnuit de scurt. Creatorul cunoscutului chestionar de
personalitate 16PF, psihologul R.B. Cattell (1905-1998), s-a foiosit de o simpl main de calcul
pentru a descoperi cei 16 factori ai celebrului su chestionar. Se spune c foile de hrtie pe care
erau trecute, iteraiile analizei factoriale se ntindeau din cas pn n grdin, fiind asistat de
cteva secretare. Uneleyoci afirm chiar c n noianul de calcule s-au strecurat i. unele .erori, Cu.
tehnica actual de calcul, acest lucru nu se mai poate ntmpla. Un singur calculator, software-ul
adecvat i un operator, pot rezolva orice problem statistic. Deci, problema nu mai este a
dificultii de a realiza i nelege demersul de calcul al cutrui sau cutrui indice statistic, ci de a-i
ix
 ' ' '!;! li!l:llll!ll:'ll,ll,'lll i',l'i,,lli i:"

. . . . eta corect. Psihologul de azi este prea puin inte~esat de

:Jescopen semmficaJa, de a-1 Jnterpr t 1 p\'Jcate din punct de vedere tehmc. El se
. 1 d calcul cum sun ee a
unde provin unele 1ormu e e '. . d'f 't contexte de cercetare i pe cum trebuie
~ 1 d t tistici utilizate m 1en e 1
concentreaza pe tJpu e s a t b d a statistic adecvat demersului expenmenta . INTRODUCERE
acestea s fie interpretate. A alege corec a or are te trece cu prea mult uurint. Desigur,
~ bl ~ peste care nu se poa '
abordat este mtr-adevar o pro ema . . - . ca faptul psihologic s fie mascat de o
nici abuzul de statistic nu este de dant. Une_on s a .aJ~ns 1 nct unele articole din reviste Psihologia romneasc a fcut pai importani pentru a recupera pierderile
. . - laborioas S-a aJuns pana aco o, 'b'l
abordare statJstJca prea t 'h logul obinuit ele devenind acces1 1e provocate de o decizie politic neinspirat. a regimului comunist. Se vorbete tot
prestigioase de psihologie s fie _de nemele: pen r~ ps~ ~ierde i revista i psihologia ca tiin. mai mult de o psihologie autohton care s nu mai fie tributar unor practici
numai unui numr restrns de psihologi. Or, m acesd ca , 1 t'Je ne spune adesea mai mult dect
~ . le diagrame e core a . imitative, de divinizare a psihologiei americane. Cu siguran, aceast perspectiv
S nu uitm ca mspectarea unei sJmp - .d ffi ~m unei~ concentrri specifice ale anumrtor
merit ncurajat pentru a oferi psihologiei romnetilm stil propriu.
'coeficientul ?e corelaie. Ea ne _perm~te sa 1 ~:r~Jcaot afecta corelaia etc. Apoi, diagrama de
scoruri, s JntuJm elementele _dJstorsJonante ~ constitui subiectul unui studiu de caz, cele Totui, exist destul de muli psihologi care confund acest deziderat cu o

corelaie ne indic ac_ele c~zun de ~xcep~er~a;~:~ica psihologic i educaional se pot ~p~ne larghee metodologic greit neleas. Erorile metodologice sau ignorana
care se abat de la o regula generala. De p . bT ~ practice afirmnd iresponsabil ca el statistic sunt, din nefericire, prezente frecvent n practica psihologilor de la noi.
multe, la fel de multe i despre cel c~re sunt Jncapab_JI sac~ statistic~. Abordarea cantitativ i Dac subiectele de cercetare specifice spaiului social romnesc merit
"prefer" metodele calitative, neavandu-se prea m~e .
. ~ . - t 1 se completeaza reciproc. promovate, standardele tiinifice de ordin metodologie i statistic trebuie pstrate
calitativ nu trebwe sa fie disOcia e, ee. . - 'h \o ic nu ne ateptm s gsim prea multe
la un nivel ridicat, cel puin similaf cu cel ntlnit n majoritatea publicaiilor de
Cnd vedem o carte d_e sta,tJ~;~~t:~ ~a\;ul, eventual utiliznd alte simboluri i poat~
lucruri noi. Aceleai Jormule, ac_eJaJ a g .. 1 . ft re s ne nvete de ce folosim o anumita specialitate de limb englez.
alte exemple. Puine sunt ~ucrn\e dl~ domen~~~~:~:~ti~~te i care este procedura de utilizare _a Pentru a realiza ac;est lucru este nevoie acut de texte statistice
formul i nu alta, cum sa mterpretam rezul. ~ fi~ sa" sa" verificm Cartea pe care F\onn comprehensibile. n ultimii ani, aceast cerere a nceput s fie acoperit prin
. d eea ce donm sa a am "
calculatorulw pentru a surpnn e_ c .. ~ . 1 . ~ . ducational rezolv multe din problemele cu contribuiile editoriale, n special ale colegilor din lai sau Cluj-Napoca. Lucrarea de
Sava o ofer utilizatorilor de statistica psihO ogJca I et . 1 , ~ . este aceea c este scris de ctre
~ . p t ~ calitate a aces e1 ucran .. fa se altur acestor demersuri, oferind o viziune proprie asupra statisticii, ce are
care se confrunta acetia. oa e ca o . . \' t" abundente n formule i demonstra11
~ t " tele" lipsite de exp 1ca 11, ~ .. ca o prim surs stagiul de specializare de la Universitatea Michigan din Ann Arbor
un psiholog. El nu da nJ e re, ,~. t 'n psiholog sau student prin aceea ca 11
redundante. Aceast carte este fundamenta~ pendru. u altul Ea ofer informatii pertinente din 2000. f1S sursa principal de inspiraie n realizarea acestei cri are Tn vedere
~ ~ - t n anumit mo I nu m .
spune clar ce I de :e sa .aca m r-uf ulelor statistice pe care le utilizm ntr-o cercetare. ~al ntrebrile i sugestiile studenilor de la Facultatea de Sociologie i Psihologie,
despre ceea ce se gasete m spatele orm - . 1 tot pasul n aceast lucrare, se ncearca o specializarea Psihologie, din cadrul Universitii de Vest din Timioara i discuiile
mult, prin numeroasele exef!lple pe ?are_ le ga~rm a. a ro iat de realitate i cu nenumrate
altfel de interpretare a fenomenulUI psihologic, mal p p profesionale cu colegii. Lor le datorez n cea mai mare parte acest demers
oportuniti interpretative, . - . 1 mn Lucrarea lui Florin Alin Sava am
intelectual.
O carte de statistic se studiaza cu creJon_u .. m. n f;ta calculatorului pentru a urmri, Bunoar, formarea predominant umanist a majoritii studenilor de la
citit-o fcnd unele note succin~e ~e maneta_ pa~mt ~l ~cest,context, ea a constituit realmente psihologie i ndeprteaz, cel puin n plan afectiv, de o abordare matematic a
uneori din pur curiozitate, a\gontm11 de calcul pr~p . - t . p'ortant umorul. Nu se poate s statisticii. De aceea, pe ntreg parcursul lucrrii am ncercat s evit, pe ct posibil,
. . \'tate care m1 s-a paru 1m
o provocare. A mal meniona o ca 1 . t t'Jst'Jca" se spun multe lucruri comice, dar un asemenea demers, substituindu-1 printr-o prezentare a logicii acestor tehnici i
- f" - zmbet1 Despre s a . ~
studiezi \ucrar~a m _ca uz~ ara s . . . . t n cartea sa. Exemplele rezultate din pract1~a
Florin a tiut sa le dJstnbUJe proporiOnal J_mteli~en t area sensurilor variatelor abordan printr-o multitudine de exemple-suport.
sau simplu . inventate, ne dau ancore sJm?atJce m pene r Cartea se adreseaz studenilor interesai, doctoranzilor i tinerilor
statistice, indiferent de c: de ~omplicate ar fi e~~- t ~ n rimul rnd studenilor n psihologie care, cercettori care urmresc s-i clarifice multe din conceptele st<;ltistice vehiculate.
Cartea colegulur Flonn Sava este de ~~al at tPt_ .. dar care sunt obligati s o utilizeze. Din punctul de, vedere al gradului de complexitate,. lucrarea are un nivel intermediar
- f e din studiu s a 1s JCII, .
tim prea bme ca rareon ac o pa~J~n . niul psihologiei, al oricrui psiholog
/
, d' d de dificultate, fiind deosebit de util mai ~les dup parcurgerea unui curs
Ea este un foarte bun ghid al oncarUJ cercetate~ ~n. _om: .
pentru care psihologia este o tiin cu puternice radacml aplicatJve. introductiv de statistic.
Din punctul de vedere al coninuturilor vehiculate, cartea este structurat
pe trei pri, criteriul de divizare fiind dat de complexitatea cunotinelor pe care
Praf. Horia D. Pitariu trebuie s le dein cititorul. Astfel, partea 1 este alctuit din trei capitole .
Universitatea "Babe-Bolyai" introductive viznd statistica descriptiv, testarea ipotezelor i tehnicile t, X2 sau r,
Cluj-Napoca
ca modaliti uzuale de testare a ipotezelor. Aceast seciune constituie, n
principal, o recapitulare original a cunotinelor acumulate de cititori n urma unui

xi
X
 . . . . ela corect. Psihologul de azi este prea puin inte:esat de
descopen semmficala, de a-1 lnterpr t 1 apl'icate din punct de vedere tehmc. El se
n diferite contexte de cercetare I pe cum tre Ule
. f 1 de calcul cum sun e e . . . b
unde provin-unele. ormu e . . . '. .
concentreaza pe tipul de tatlstlcl utlliza;e b da ea statistic adecvat demersului expenmental .
acestea s fie interpretate. A alege corec a or r te trece cu prea mult uurin. Desigur,
abordat este ntr-adevr o problem peste care nu_se ~ana ca faptul psihologic s fie mascat de o INTRODUCERE
nici abuzul de statistic nu este de ~ont. Un~on s a _aJ~ s olo nct unele articole din reviste
abordare statistic prea labonoasa. ~-a aJuns fan -~clog~l obinuit ele devenind accesibile
Psihologia romneasc a fcut pai importani pentru a recupera pierderile
prestigioase de psihologie s fie de nemele: pen r~ ~:~ ~ierde i revista i psihologia ca tiin.
provocate de o decizie politic neinspirat. a regimului comunist. Se vorbete tot
numai unui numr restrns de psihologi. Or, In acesd , 1 t' ne spune adesea mai mult dect
S nu uitm c inspectarea unei slm~ e - .d ffi -m unei~ concentrri specifice ale anumttor
1 diagrame e core a 1e . mai mult de o psihologie autohton care s nu mai fie tributar unor practici
.coeficientul de corelaie. Ea ne _perm~te sa 1 en ~lcaot afecta corelatia etc. Apoi, diagrama de imitative, de divinizare a psihologiei americane. Cu siguran, aceast perspectiv
scoruri, s intuim elementele _distorsiOna~te car ~ constitui subiectul unui studiu de caz, cele merit ncurajat pentru a oferi psihologiei romneti' un stil propriu .
corelatie ne indic acele cazun de excepie carte_t~ot. ps'lho'loglc i educational se pot spune Totui, exist destul de muli psihologi care confund acest deziderat cu o
ral Despre s a 1s 1ca
b'li s o practice afirmnd iresponsabil ca el
' - 1- , . -
care se abat de la o regu a gene . . . larghee metodologic greit neleas. Erorile metodologice sau ignorana
multe, la fel de multe i despre cel c~re sunt mcapab.' cu statistic~. Abordarea cantitativ i
"prefer". metodele calitative, neavandu-se prea m_e . statistic sunt, din nefericire, prezente frecvent n practica psihofogilor de la noi.
. - ,. d' 1 ele se completeaza rec1proc.
calitativ nu trebwe sa ,Je JsocJa e, . . - .h 1 c nu ne ateptm. s gsim prea multe Dac subiectele de cercetare specifice spaiului social romnesc merit
Cnd ved_em o carte ~e ~tatl~t;~~ip;~ ~a~~~l, eventual utiliznd alte simboluri i po~t: promovate, standardele tiinifice de ordin metodologie i statistic trebuie pstrate
lucruri noi. Aceleai Jormule, acelaI alg . 1 . t't r sa" ne nvete de ce folosim o anumita la un nivel ridicat, cel puin similaf cu cel ntlnit n majoritatea publicaiilor de
alte exem?le. Pume sun _ucran e - ltatele obtinute i care este procedura de utJIJzare _a
. . t 1 - 1 din domeniu amm 1 ca e . , .. specialitate de limb englez.
formul I nu. alta, cum sa mterpretam - fi~ sau sa- verificm Cartea pe care Flonn
Pentru a realiza a<:<est lucru este nevoie acut de texte statistice
rezu .
calculatorulUI pentru a surpnn e_ ~ _ .
d c ea ce donm sa a am
. _ . d. cational rezolv multe din problemele cu

Sa va ofer utilizatorilor de statistica pslho oglca I e ~~ ' - . te aceea c este scris de ctre
0 1 comprehensibile. n ultimii ani, aceast cerere a nceput s fie acoperit prin
_ . p t
care se confrunta acetia. oa e ca . .
- 0 calitate a acestei ucran es
. .. abundente n formule i demonstraii
.. contribuiile editoriale, n special ale colegilor din lai sau Cluj-Napoca. Lucrarea de
un psiholog. El nu a m e t ~n psiholog sau student prin aceea ca n
d - t "retete" lipsite de exp 11ca111,
: -
- --
fa se altur acestor demersuri, oferind o viziune proprie asupra statisticii, ce are
redundante. Aceast carte este fundamentala! pendru. u ,n altul Ea ofer inform. atii pertinente ca o prim surs stagiul de specializare de la Universitatea Michigan din Ann Arbor
- ~ - t un anum1 mo I n
spune clar ce i de _ce sa _aca m r- rmulelor statistice pe care le

utilizm '
ntr-o cercetare. ~at
din 2000. !ls sursa principal de inspiraie n realizarea acestei cri are n vedere
despre ?ee;;~ ce se gasete m spatele fo e sim la tot pasul n aceast lucrare, se ncear_ca o
mult, pnn numeroasele exei'Tiple pe ?are 1 g . . ro iat de realitate i cu nenumarate
ntrebrile i sugestiile studenilor de la Facultatea de Sociologie i Psihologie,
altfel de interpretare a fenomenului psihologic, mal ap p specializarea Psihologie, din cadrul Universitii de Vest din Timioara i discuiile
oportuniti interpretative, . _ . n Lucrarea lui Florin Alin Sava am profesionale cu colegii. Lor le datorez n cea mai mare parte acest demers
intelectual.
O carte de statistic se studiaza cu crelonu .. In-~ tai<~ calculatorului pentru a urmri,
1
citit-o fcrid unele note succin~e ~e maneta. pagt~ll ~l ~~est 'context, ea a constituit realmente Bunoar, formarea predominant umanist a majoritii studenilor de la
uneori din pur curiozitate, algontmu de calcul pr~pul. - 1 mp-ortant umorul. Nu se poate s
. . 1. artate care mt s-a paru t psihologie i ndeprteaz, cel puin n plan afectiv, de o abordare matematic a
o provocare. A ~al men,l~n~ o_c -'. . 0 es re statistic se spun multe lucruri comice, ~a~
studiezi lucrarea tn cauz fara sa ~ambe~~t. . p rt a sa Exemplele rezultate din pract1ca statisticii. De aceea, pe ntreg parcursul lucrrii am ncercat s evit, pe ct posibil,
Florin a tiut s le distribuie proporional l.tntel!~ent_ln ca et ar~a sensurilor variatelor abordri un asemenea demers, substituindu-1 printr-o prezentare a logicii acestor tehnici i
sau simplu . inventate, ne dau ancore Slm?at!ce tn pene r . printr-o multitudine de exemple-suport.
statistice, indiferent de c: de ~omplicate ar fi e~e. t in primul rnd studenilor n psihologie care, Cartea se adreseaz studenilor interesai, doctoranzilor i tinerilor
Cartea colegului Flonn Sava este de ~~al t t' t. .. dar care sunt obligati s o utilizeze. cercettori care urmresc s-i clarifice multe din- conceptele statistice vehiculate.
tim prea bme ca rareon ~c o pa~l~n~
. - f "
_ d' d eniul psihologiei, al oricrui psiholog
din studiU S a IS ICII,
Ea este un foarte bun ghid al oncarut cercetata~ ~n. _om. .
' ' .
Din punctul d~vedere al gradului de complexitate,. lucrarea are un nivel intermediar
pentru care psihologia este o tiin cu puternice radacml aplica!tve. de dificultate, fiind deosebit de util mai ~les dup parcurgerea unui curs
introductiv de statistic.
Din punctul de vedere al coninuturilor. vehiculate, cartea este structurat
Prof. Horia O. Pitariu pe trei pri, criteriul de divizare fiind dat de complexitatea cunotinelor pe care
Universitatea "Babe-Bolyai" trebuie s le dein cititorul. Astfel, partea 1 este alctuit din trei capitole .
Cluj-Napoca introductive viznd statistica descriptiv, testarea ipotezelor i tehnicile t, X2 sau r,
ca modaliti uzuale de testare a ipotezelor. Aceast seciune constituie, n
principal, o recapitulare original a cunotinelor acumulate de cititori n urma unui

xi
--
curs introductiv de statistic. Seciunea nu poate fi neglijat de ctre cei care
dispun de cunotine lacunare n domeniu, parcurgerea celor trei capitole fiind CAPITOLUL 1
necesar pentru a putea nelege celelalte pri ale crii.
Partea a 11-a, cea mai voluminoas de altfel, cuprinde tehnicile statistice
cele mai utilizate n cercetarea psihologic de vrf: regresia multili.niar, tehnicile ELEMENTE DE STATISTIC DESCRIPTIV
ANOVA sau ANCOVA, analiza factorial exploratorie sau cea confirmatorie. ln
privina lor exist o situaie paradoxal. Dei majoritatea cursurilor introductive de
statistic nu ajung s cuprind aceste tehnici din cauza lipsei de timp, cele mai Analiza datelor poate prea unora un - . .
multe articolele de specialitate publicate utilizeaz aceste tehnici, mai ales n importana acestui proces a fost sesizat~ d ~ proces anost, . rutinier. In s
literatura de limb englez. Prin urmare, multe persoane Tntmpin dificulti n Pn i titulatura de cercetare tiintifica ce f:~e ~Intreaga ~om~nltate tiinific.
nelegerea demersului statistic din cadrul acestor cercetri, fiind nevoite s tocmai modul de analiz a datelor , an 1a IVa sau calitativa are n vedere
studieze individual ori s preia fr o reflecie critic orice studiu publicat. Din n prezent, com'unitatea. psih 1 1 .
tipuri de cercetare cu toate c~ _o ogJ ori recunoate I mcurajeaz ambele
nefericire, n literatura cje limb romn exist puine texte care prezint adecvat
cantitativ are ntietate. Acest fapt oate fi ~ . c~n~ervatoare, cercetarea
' a, 1n une e medii
aceste subiecte, cele mai multe tratnd problemele ntr-o manier nepotrivit
pentru profilul studentului sau abso\ventu\ui de psihologie. Lucrarea de fa i didactice universitare care ncurae p ~ regasit I In practica unor cadre
propune s depeasc. aceste neajunsuri, obiectivul central al prii a 11-a fiind cantitative complementare unui de J aza l_ntotdeauna aplicarea unor metode
"traducerea" metodelor statistice utilizate frecvent n cercetare pe nelesul facultativ recomandarea unor deme~er~ cal~ttltt~tiv,_ n schimb, utilizeaz cu caracter
C rt _ ~ . ~ un ca 1a 1ve mtr-o cercetare cantitativ.
a ea de faa VIZeaza doar tehJJiC.i statistice rt f
lucru dintr-o lips de respect fat de metodei:-~---., _c~n Ja.lo~~ _msa nu face acest
psihologilor. . ~
Pentru a realiza acest lucru, demersul matematic de tip hrtie-creion a fost
substituit prin prezentarea i discutarea rezultatelor oferite de dou din cele mai pentru a fi descrise vin s co~plet t ~ calitative. Tehnicile cantitative alese
din domeniu, precum cele ale lui ~e me ~ ~le prezentate n textele introductive
ntlnite programe statistice: SPSS, n varianta 11.0 i AMOS, n varianta 4.0. Pe
lng interpretarea rezultatelor oferite de aceste programe, fiecare capitol conine (2000), Radu i colab. (1993) Rotari~o~~tlc\ ~ Stan (2000), Novak (1977), Hohn
una sau mai multe baze de date care pot fi descrcate gratuit de pe internet la introducere, dei tehnicile pr~zentat - 1co a . (1999). ~a cum am precizat i n
adresa http://statisticasociala.tripod.com. Fiierele respective pot fi utilizate de articolele tiintifice publicate -n revietl~ ~crarea ~efaa sunt foarte rspndite n
cititorii care dispun de aceste programe statistice pentru a exersa problemele
statistic ~u ~ting decat tang t ls ee e~specialitate, cursurile introductive de
en la aceasta tematic~ p -
cercettorii din psihologie se vdnevoiti de a.. r~n
urmare, studenii i
discutate.
n ultima parte a crii sunt prezentate dou metode statistice necritic rezultatele publicate sau prezent~te la dmulte on, sa ~~c~pte
Intr-un mod
complementare: scalarea multidimensional i regresia \ogistic. Ambele metode de cunotine n domeniu. !verse comumcan, dm cauza lipsei
sunt considerate avansate din punctul de vedere al gradului de complexitate,
pentru a le putea nelege fiind nevoie de o bun stpnire a primelor dou seciuni menite s faciliteze ntelegerea re Irf' _e un co_mplex de metode I. tehnici
Analiza datelor cu scop descriptiv includ

ale crii. De pild, nelegerea capitolului destinat regresiei \ogistice necesit Reprezentrile grafice, ~ediile, tabel;~ ad: :r::v analiza ca~ti_ti_lor o_bservate.
cunoaterea regresiei \iniare, n timp ce scalarea multidimensional face apel att reprezint elemente ntlnite des n fd' en_e sau ali Jndicaton statistici
la informaiile viznd regresia liniar, ct i la cele gsite n paginile referitoare la aceea este necesar o bun cunoater~Oall~~-n sau In textele de specialitate, de
Acest minim de cunotinte t f .
analiza factorial.
n ncheiere, a dori s mulumesc tuturor celor care au contribuit prin statistic descriptiv Ea nu . , poa e 1 Integrat n termenul generic de
sugestiile i observaiile lor la bunul mers al acestei lucrri. Aceleai aprecieri mai corect a realittii .. Daca~ a-nalllzpa~ompune ~ltceva dect s fac o radiografie ct
statisti.~descriptiv u . . t" ( un '~.. : .. ~ , . ~ .Jf3a 1a, li vorbim despre
s1ng_ur aspect al 1-t~t-- 0
deosebite vi le urez i dumneavoastr, dragi cititori, pentru osteneala i curajul de
descriem evolutia ~- d__o_una)vv.aa~~;~b-~1 pentrbu o smgura_y_e~nabil), iar n situaia n care
a da piept cu un limbaj statistic pe alocuri neprietenos, ct i pentru eventualele - a 1e vor 1m de 0 st r r ~ d
(pent(~_dou e t~ ~ '~J~a e~cri~ti~ bivariat
, _......,..._
sugestii la afsava@socio.uvt.ro. Lectur util! variabile). vorbe .
n care sunt analizate simultan ceiI ~~i~pre O statistica ll}!J.!tiy_~~~~ta n situaiile
statistic tine cont nu d d -~~- _Jf.(3L apecte ale realitatii. Prelucrarea .
msurare utilizate. oar e numarul variabil 1 . '
e or, CI I de calitatea scalelor de
Timioara, 25,01.2004 Autorul

xii
 ':r,l'l 1i' 11'1','11'. 11','','r'IIJII.'II'III.IIIIJII'.'III:II1'i'lr.".ir'l illllill'. 111111'11',111111'ii',III'II'"I.IJ'.JIIII'I''il:ll' r'',','J'; i:,','r"l J; Jll. I,W !III lllf llllliiiiiLIIIII.IIIIIIIIIILIIIIIJIIIIIJIIIIL III i.'l' :J,' !III IW 'III .lllllllllf :11111/IIW 11111 'III III~ ,'III 1111 11111111 lllllllf 1111 'Il~ 1111 III' !III 1111 :1111 1111 .1111 :ttllrllllllllll llllllllll 1111 1111 tllllllll rllll 11111 1111 illl 1111 1111 IIIU 1111 III' 1111' 1111 1111' 11111 .11111 .'1111111111 11111111111 11111 11111111111 11111111111 11111111111111111,11111 ,. 1111 1111 ,1111 ,111111 ,11111111111 ,111111111111111111111111111111 11111 111111 111111111111 111111 11111 111, .r
1111111

.G"
v~nitul l~naro (ex: 10.000.0~0 lei). ~~i~ autori, precum Kinnear i Gray (2000), tind
o alt idee de baz n analiza statistic a datelor are n vedere ~cena sa restranga
. o . . modalttatt de msurare la termenul genenc
ulttmele doua de scalao
dintre analiz.:LianiY!!IIJ\JOtului testat i analizaJ.?oPiVelulpopulai:_i din care face ~umenca deoarece maJontatea tehnicilor statistice utilizate n cazul scalelor de t'
parte acel eantion. De exemplu, putem obine anumite valori descriptive la nivelul mterval osunt d valabile
. . .. n cazul
. . . scalelor
. de tip proportii.
, Aceea I poztt,te a fost tp i
lotului testat (ex. nivelul de empatie la o clas de elevi de clasa aiX-a) i alte valon a op a a I e consthertt stattsttct a1 SPSS-ului, care au renuntat la d'f t
dt t t d o . . , a mat 1eren ta
la nivelul populaiei (ex. valoarea medie a empatiei la nivelul populaiei de elevi de tn re ce 1e oua ttpun de variabile (SPSS 11.0, 2001 ). '
clasa a IX-a). De multe ori, analiza datelor se bazeaz pe rezultatele obinute la ~n alt aspect_ c:e tr:.ebi.Jie subliniat cu privire la scalele de msurare este
nivelul lotului de subiecti testai, ns inferena se face la nivelul populaiei din care ac_:la ca aproape o~E?_varia_bil poate fi msurat prin_..!J.l.?Lmulte scale de
acesta face parte. Pent'ru a facilita distincia dintre cele dou domen~ se uti~zeaz ~~_u!are.. Spre :xemplu, _nivelulde colarizare poate fi evaluat prin-~~al~ nominal
termeni diferii precum cei de pa~ametri, respectiv indicatori statistic(P(l_~~f!.1~~~i se tn :az~l .unor raspunsur~ de tip . "colarizat" sau "necolarizat" sau prin scal
refer la niv~~l popiJia_iei, iar inqi_catorii statistici se refer la nivel_LJLIO,_~~IL:J~.I-1!~~t.. ordtnala, tn cazul unor raspunsun precum "studii primare" studii medi't" t d"
Aceast difereniere se regsete, frecvent, i n modul de notare. Astfel, medta t tr 1 " d" . , "
pos tc~a e , "stu ". untversitare" etc. Realizarea unor- scoruri viznd gradul de
, "s u "
abaterea standard la nivelul populaiei se noteaz cu J;Lc!espectiv~S:~Jar la nivelul alfabe~tz_are s~~ _ntvelul cunotinelor generale implic obinerea unor indicatori
eantionului se utilizeaz simbolurile .Q21}espectiv . . _ . o numenct, ~?e~tftct scalelor de tip interval. n cele din urm, prin intermediul scalei
Vom reaminti, pe scurt, informaiile de baz din statistica descnpttva, de proporii, ntvelul de colarizare poate fi reflectat prin numrul de ani de 1
pentru a ptrunde mai bine semnificaia informaiilor prezentate n capitolele absolvii (ex. 5; 12; 16 etc.). coa a
urmtoare. Cititorii interesati pot consulta lucrrile deja menionate pentru mat De_ as~menea, trebuie remarcat distincia calitativ dintre scalele
.
multe detalii. no~r11nale t or~tnale,
pe de o parte, respectiv scalele de interval i proportii, pe de
Acestea vor fi grupate n trei seciuni: (1) importana modului de msurare alta. p~rte. Pnmele sun_t scale ll.QD.::..Q\:!!ll._r)~e, presupunnd apelul la' tehnici
a variabilelor n analiza datelor; (2) analiza descriptiv univariat i (3)analiza st~tJsttce nop=parmnetnCfe, mai puin sofisticate. n schimb, variabilele msurate
descriptiv bivariat. pnn scai~ num~rice necesi~, n cele mai multe cazuri, tehnici statistice
pa_,;.ametnce;"mat ~omplexe. In ca~ea de fa ne vom axa preponder~~t'asupra
ultimelor, deoarece m cercetarea psihologic ele constituie 0 majoritate clar.
1.1. Modalitti de msurare a variabilelor studiate
'
. Primul element de baz n analiza datelor este identificarea modului n 1.2. Analiza descriptiv univariat
care au fost msurate variabilele de interes. Astfel, se pot distinge patru scale de
msurare: nominal, ordinal, de interveL.i proporii (raport), fiecare avnd caliti . Luc~rile amintite anterior i cele prezentate n nota de subsol ofer 0 bun
diferite n ceea ~e privete posibilitile p~care le ofer pentru analiza datelo~. tn:roducere om problema analizei statistice descriptive. De aceea, ne vom rezuma
- De pild, variabilele de tip. nominal presupun rspunsuri care _DE c.U!.lt :a . pr:zen:a~ doar princip~l~le co~cluzii ale unui asemenea demers descriptiv,
n.umerl<;:E'l i nigi,.,.nu ___ pot fi ierarhizate~rfn urmare, scalele de tip nominal implic :nststand msa asupr~ coeftctentulut de corelaie r, ca element fundamental n
i~ihali:;;.e.-de frecvente. Un exemplu tipic de variabil msurat prin scal nominal 1 _nel~gerea unor teh~~~i_~tatistice com.e_l~x.e precum analiza factorial sau regresia
~ste "apa[!(3nena 'la C(:)ligie" deoarece rspunsurile aferente - orto_dox: c~tolic, lin tara. ---- -... . -
protestant, musulman etc. - nu sunt nici numere, nici ordonabtle mtnnsec.
Variabilele de
tip ordinal; dei misunt deJifl::Dumeric, permit ordonarea intrinsec (1) Descrierea unui set de date necesit ~el putin doiparametri
1
a rspunsurilor, permind asffel realiiar~or __iE3rarhii. Acest fapt permite Unul vizeaz tenQ.ina..,..Q.E;Jf.lral? ~fi-at~lor,, adic gsire~ unei valori
cercettorilor s apeleze la analize bazate pe ierarhii (ranguri). Un exemplu de :epreoze~tattve pentru setu~ .respectiv de date,., iar cellalt vizeaz gradul de
variabil msurat prin scal ordinal este ntlnit frecvent n studiile despre tmp~a~~r_:a d~telor., urmannd omog_:~itatea sau eterogenitatea unui grup~oe
atitudini i implic rspunsuri de genul "foarte r~ "rar", "mediu", "des", "foart~ Pilda, daca am mcerca s descriem un grup 'doar prin prisma primului parametru
des". Un alt tip de scal de msurare este cea de' tip interval. Aceasta este o scala (ex. ambele clase de elevi obin o medie general de 8,25) nu am putea afla dac
numeric (ex. un IQ de 120; 7 puncte la probMesertivitate etc.). Tot o scal o
numerica'este i scala de proporii, avantajul acesteia fa de scala de tip interval 'M.
constnd n faptul c valoarea zero Q);l este al.eas. prbitrar. Un exemplu de
gs~;e~ulte_ informaii tespr~ al~oritmul de calc~! a!. parametrilor tendinei centrale i ai mprti'erii pot fi
Hoh (2n0o00nc) eRmanu~ mtro ucttv, recomandabile fund lucrrile lui Hohn, Vrg i Mruter (1999)
variabil msurat prin scale de proporii este timp'ui de reacie (ex. 170 ms) sau n , adu I colab. (1993), on Sava (2002). . '

3
2
 !. i, ~i ,'' '! ': , :lliiiiiUIIIIIUIIIIIIIIIIIII'IIIIIiiiiiiiJIIIIIJIIIIII:IIIIIIiiiiiiWIIIIIIJIIIIIEiillWIIIIWIIIIIOOIIIIWIIIIILIIIIII:IIIIIlJIIIIIIIIIIIIII' 1111 '1'
1111111111~111 _ _ _11111.1111! lli il l :III: 11111111 il i 111111111 1111::11111111, 1111 ,11 li' 'il 1!' '11 !li il' 'il : 11 :1: 1 1: :i 11 1!: ,1 ,i: 11: : 1 ~1 :11 :11 ~
1111111111, lllillllllilllliiiiJ i 1

r-
Exist
o multitudine de grafice posibil de realizat. Alegerea unu1 anumt t'
clasele sunt similare, deoarece una ar putea fi format din elevi omogeni, toi f .f f - . 1 ip
de ra IC/~ ace Jn. UnCJe de modul de masurare a variabilelor, dar i de aspecte
avnd media n jurul valorii de 8,25, n timp ce cealalt clas de elevi ar putea fi
pre eren ,la e, ce _~n _d~ subiectivitatea fiecruia. n funcie de tipul de date
. format din dou categorii diferite de elevi - foarte buni i slabi -" dar care colectate, cele ma1 mtalmte grafice sunt:
mpreun ar conduce la o medie egal cu cea a primului grup. diagrama circular._("p_lcinta") pentru variabile de tip nominal;
n functie de scalele de msurare utilizate se stabilete i parametrul
hJstograma modificat pentru variabile de tip nominal sau ordinal
tendinei central~. respectiv al mprtierii datelor .care ar trebui calculat. histograma sau poligonul frecvenelor pentru vari-~bile n~~eri~e:'
~'-'

Mediana; Mod
lat un exemplu de reprezentare grafic prin metoda poligonului de frecvene:

-
~

Medie; Mediana; Mod

......,... Mod
1-+- frecventa 1
6

3
Figura 1.1. Parametri posibili ai tendinei centrale, n funcie de tipul de variabile
2
ntre parametrii mprtierii, \ abat~rea standard i ?.i~_persia,sunt cei mai
ntlniti n cazuTte!Ornumerice, iar atiatere'Ellntercuartil este mai des utilizat n
}- cazul 'datelor msurate prin scale ordinale. n ceea ce privete datele nominale,
situatia indicatorilorT~-prtierii este neclar. indicatori precum entropia, indic~le
de tr~gmentare, indicele de diversitate sau cel al dispersiei calitative sunt aproa~e 20,2 23 25,8 28,6 31,4 34,2 . 37 39,8
necliiioscuti i lipsesc cu destiv.rire din programele statistice pe calculator. In Figura 1.2. Exemplu de poligon al frecvene/ar, reprezentare tipic pentru datele numerice
consecin: rspndirea lor este minim, majoritatea cercettorilor rezum~du-se
la a urmri distri~ia procentajelor pentru fiecare rspuns posibil (WeJsberg, (3) Analiza datelor este influenat de forma distributiei datelor
. Dincolo de aspectul pur intuitiv al reprezentrii grafic~. foarte important
l 1992). ---. ....
n ge11eral, indjcatorii mprtierii iau VC>!?.~~~~~--~er~ 9a,.c ~oate date~e
.
este Interpretarea formei dl~Ji:L.?,~t:lor. Aceasta ne ajut s nelegem dou
dintr-un set sunt identice. Cu ct datele sunt mai mpr~_tia~.J~if_~r!!~J. cu atat as~ec_te e~en1ale: (a) care sunt",f2_9rametrii tendinei, centrale care reprezint cel
valorile ac~~ttwindicatori sunt mai mari. ~:e~~~; irul de date?; (b) ce te~~...,~tC!ti:=>ticep?t fi utilizate pentru a testa anumite
J n cazul datelofriumerice, ~~~ mai frecvent ntlnit pereche de parametri
de~criptivi este _rl1.E?9J9.. ca indicator al tendinei centrale, i abat~....tand~fd, ca _ Se spu~e c multe dintre aspectele realitii au o distribuie normal. S
indicator al mprtierii datelor. De altfel, aceti parametri au i cele mal multe lua~ caz_ul Inteligenei. Cei mai muli oameni au o, inteligen medie. ntlnim tot
avantaje tehnice, permind realizarea mai multor operaii precum standardizarea
J datelor, clasificarea rspunsvrilor etc.
mal pu_tJ~' oameni ~e ~sur~ ce mergem fie spre o inteligen superioar, fie spre
un def1~1t grav de Inteligena. O asemenea situaie, denumit distributie normal
Totui, n anumite situaii media i abaterea standard pot conduce la poate f1 reprezentat grafic sub forma UIJ..l,lU:lopot. ~-,,.. -- '
rezultate distorsionate, iar pentru a evita acest lucru este esenial s inspectm
grafic situaia rezultatelor obinute.

(2) Reprezentarea_grail<;_~jn_o_e_te analiza descrlptiv .a datelor

1
Reprezentarea gr~fic este o metod ini~l[v __<:le a observa distribuia
L datelor,. ea fiind cu att mai util cu ct numrul de date~este'1ncretere.'
-~~-~.-.

L 4
5
 ----- IIIIIIIIIIIIIIIIIWIIIIIIIIIIIIIIIIIIIIIIIIIII~IIIIIIIIIIIII~IIIIIIUIIIIInllllllniiiiiiiiiiiiiUIIIIIIWIIIIWIIIII~IIIIII~IIIIIUIIIIIltlliiiiiiiiiii~IIIIIIJII :1111. I I, 11! ':i i,il!!lllllll.lllli:llll:lll:llll:llllllllli:llllilllllllllll!llll:lllll!llll!'llll!lll!illlllliilll:lll!lllliilll.lll!llll:llllliiiiiiIIIIIIJIIIIIIIII.IIIIilll:llll,llllilll lllllli lll!llllllllllllllll'llll!lllllilllllilllllllllllllllillll.lllillllllllilll'llll.llllllllllllilll:lllllllll,llllllllllilllll llllilllll:lllllillll:llllllllllllllllll:lllllllllllllllllllllllllllll'llllll'lllllllllllll1llllllllllllillllllillllllllllll'lllllllllllllllllll.lllll:lllllillllllllilllllll'l
1

.\
'1
Figura 1.3. Forma unei distribuii normale a datelor .
Multe teste statistice parametrice (utilizate n cazul datelor numerice) au
drept condiie de aplicare normalitatea distribuiei datelor. De ~ceea, est~ importan~
s_, <,::aracterizm fo,rma distr,Wuiei;__ ob,i_t'tute . pri~ .. i.nte. r_T_. e~1ul ~ doua aspecte.
(~)nivelul de bo)tire, respectiv {b) ri!'.relul de-ob~1c1tat~ L'f3.SI~etne!. _
'1afO''distribuie normal este me?ocudlc~"(Jlormala), adie~ are_ ~n m~e~
mediu..de boltire (nici prea joas, nici prea nalt). Totodat ea este S'!r).ftnc;"~, ad1ca
nu este nclinat evident nici spre stnga, nici spre dreapta.
aceasta ~r fi alc~uit. di~ copii cu performane apropiate. Cei mai muli ar nregistra
rezultate mtre 5 I 7, m timp ce foarte puini elevi ar fi inclui n categoria elevilor cu
note sub 5 sau a celor cu note peste 7. ntr-o asemenea clas lipsesc notele
extre~me, fapt c~ f~ce ca nu toat ga~a de la 1 la 1O s fie distribuit. n sfrit, 0
curba mezocurt1ca are un n1v~l mediu, normal d~. boltire, ceea ce nseamn c
muli copii au rezultate apropiate 'de valoarea mediei, dei exist unii elevi foarte
slabi, respectiv foarte buni, toat gama de note fiind acoperit.
(b) Distribuia datelor poate varia i n funcie de nivelul de simetrie a
datelor. n cazul !n care distribuia este asin;atiLc P9.Iitiv, exist--mai ~uite valori
mici dect mari. Intr-o situaie colar, aceasta ar corespunde unui test dificil, n
care majoritatea elevilor obin note mici, dei sunt i elevi care obtin rezultate
colare bune. n schimb, o distribuie asim,e_tric.~.. negativ...iqdic un de~echilibru al
valorilor n direcie opus. Vor aprea mai multe rezultate mari dect mici, fapt
care, transpus n note colare, arat predominana notelor ridicate. n cazul
probelor psihologice, prima distribuie poate fi socotit un indicator al unui grad de
.
dificultate ridicat pentru proba respectiv, n timp ce o distributie asimetric negativ
semnific un grad sczut de dificultate a probei. Binentele~ c aceste concluzii
sunt valide n condiiile n care valorile ridicate indic p~rformane superioare, n
lL timp ce valorile mici arat performane sczute.
.~

'\\
1
1 \
1
1
1
1
1
Figura 1.5. Distribuie asimetric pozitiv (n stnga) i distribuie asimetric negativ (n dreapta)

Pentru a evita interpretrile subiective, se pot calcula doi indicatori care s

ajute la interpre~rea~formei.distribuiei. .. "- -

!
-- -- lndic~tor.~l .. de . opljpitate (n englez ..~K~~~ss, statistic") evalueaz
gradul j!.!;l_..aslmetne al unei distribuii. Valoarea(zero indic o distribut!,e_.perfect
. Figura 1.4. Devieri ale unei curbe simetrice din perspectiva boltirii datelor
simetric. Valorile negative, ndeprtate de zera,-indic o distributie ~simetric
11
/~-. negativ, n. timp ce valorile pozitive, cu ct se ndeprteaz de ~era, arat o
Il cum interpretm distribuiile
prezentate n figura 1.4?_2 ,~~rb~eq.UQurtic~, asimetrie pozitiv. Pentru a diferenia o distribuie uor asimetric, ce poate fi
se obtine atunci cnd subiecii au rezultate foa_d,Jmpr~tiate. N~y,ex1sta o fre_syena ~ratat ca o distribuie normal, de o distribuie clar asimetric, Lewis-Beck (1995)
1

:
i la drept prag valoarea absolut de ..80. Astfel, o valoare a indicatorului de oblicitate
1'
mare 'a rezultatelorJniL!LYimediei,.fapt ce ne conduce la ideea unui grup.,il.t!:lro?~n,
inclus n intervalul [-.BQ_L.,...SO]"poate fi tratata ca un semn al unui. distributii
Un exemplu ar fi o clas de elevi, ale cror rezultate sunt foarte dis~er~ate. ~a1va
s~!.rJqe. Valorile mai mici de -.80 indic o asimetrie negativ, n timp ce valoril'e
1

copii au note cuprinse ntre 1 i 4, civa copii au rezultate !ntr~ ~ I 7, 1ar ali eleVI
\ au rezultate superioare, cuprinse ntre .8 i 1O. Reversul Situaiei este reprezentat mai mari de ..80 semnific o asimetrie pozitiv. Aceast regul implicit merit a fi
de o distributie teatocurtic. Aceasta indic un grup omog.en..Q,? .date, n care cele aplicat mai ales n condiiile unui eantion mare de subieci, s zicem de peste

mai multe r~zultat;s&gKsesc distri~_l:ll!:.e..ltL\-JnJL.m~gJ~i. n cazul clasei de elevi, 150 de perso~ne.

j
1~ 1): '-
~1
j~ 7
6 1;
.l" ~
 1:1111111:1111 '111111:111111111111111

1lllll,ollllllllllllllllllllllllll!,lll'lli 11i:
:11 11 111 il :1 ': 11 :lli 1111 1111 1111 1111 1: ~ 1: '11 111. 1111 :llli ,, i: ~ 111 1111111111 Jlll! :1111: 11111 :III! 1111 ,III: 1111 1 1~ :III m; :m 11t ;m 1m .m 1m 1111: rm m :11 11: J, ,r, 1'1 m m, mJW ,w, n ',% WM 'liiM WM m~~ wrw, ~.~ fu ~. .~ l i ~ ~ !' ,, 11 :

excepia unor cazuri

~ grave de deprtare fat
de o distributie a. s1m1-1ar .m
normal~
n cazul n care volumul,e_antionului este mediu sau mic, putem adopta o
,
cazu 1.unul
. . numar mare de date, s zicem peste 150-200
d
, nscu e a obt1ne
1 un ' z
alt strategie, bazat pe calcula;ea ~- a indicelui d_e <J._blic;iti!lJe. Aceasta semnJ_frcatJV e~t~ f~art:: mare, chiar la deprtri minore ale datelor de' m 0 d 1 1
presupune mprirea valorii indlct9IHll:!L9e obliCftate la eroarea~~tand~rQ_gstimat teoretic al une1 d1stnbut11
' normale . eu
!l:
,!'
a acestuia. Ambele elemente sunt oferite de SPSS. Field (2000fpropune dou
prag~~-ale lui z n funcie de numrul 9e persoane testate: 2,,li.l3_pentru un eantion (4) Cunoaterea mediei i a abaterii standard permite analize
mai mic de 30 de subiecti i 1,96 pentru un eantion mai mare de 30 de subiecti.
Acelai recomand~ renunarea regul cazurLi-nui--numr.,mare
statistice compleme-ntare
autor la n cie
\i
. !n. cazul unei d!str.ib_u~iLnPLC,Qale, medie~i_abaterea standard au o serie de
1 subieci, s zicem peste 150, deoarece z are mari anse de a deveni semnificativ, propneta1 care perm1t obtmerea unor informati,
,w.<.t __ , ____d escnp t.1ve sau inferent,iale
datorit scderii erorii standard a oblicitii. o da! cu mrirea eantion ului. complementare. -
(a) Standardizarea datelor
Tabelul1.1. Exemplu de valori ale mediei, medianei i oblicitii privind vrsta ideal pentru . .. _De obicei colectm datele n forma lor brut, pstrnd unittile de msur
cstorie Jn!Jale. In aces~ ~od putem vorbi despre faptul c o persoan a obti~ut 7 puncte la
t~stul de agresiVItate verbal, 18 puncte la un test de atentie con'centrat 43 de
Vrsta ideal pentru cstorie
N
15
"' raspuns~ri corecte_ la un test de acuitate vizual sau c msoar 180 de ~m. De
26,00 cele mc;u _multe Ori nu cunoatem ce semnificaie au aceste cifre. Exceptie fac
Media
25,00 cazurile m . care avem o~ ~dee despre evoluia rezultatelor, precum 'datele
Mediana

J Oblicitatea (skewness)
Eroarea standard a oblicitatii
2,240
,580
antr~pometr_tce l:gate de maltme, greutate ori unele informaii cu caracter general
de t1pul vemtuiUJ lunar, al temperaturii etc. Spre exemplu, nu vom cunoate dac~
rezultatul de 18 puncte la un test de atenie concentrat este mai' bun dect
Fiind testai doar 15 subieci, vom mpri oblicitatea la eroarea sa obmerea a 43 de rspunsuri corecte la testul de acuitate vizual.
standard i vom obine 3,86 (2,24 : 0,58). Rezultatul, n valoare absolut, este . .. P~ntru a rezolva problema, se poate recurge la transformarea rezultatelor
superioc pragului specificat, de 2,58, prin urmare avem de a face cu o distribuie JnJttale,
~ .~-
dtn, , ''' n cote st~IL~{
cote .brute d d"'~o?te. Extsta ~ ma1 multe tipuri de
asimetric pozitiv. Deoarece n astfel de cazuri mediana este un parametru transformari, toate avnd la baz.cot~le-~.
adecvat pentru a descrie irul de date, am putea spune c subiecii chestionai .. __ Transforn:ate n g~t~.}:_,";SCQr~~iie brute .~are sunt egale cu media vor avea
consider vrsta de 25 de ani ca vrst ideal pentru cstorie. E de remarcat c . V.~,o~r;:~ o._ ~alonle negative vor aprea pentru scoruri maT-mi~i-ct~~t~~dia iar
operaia trebuie completat de inspectarea graficului rezultat, deoarece distribuiile valon le pozttJve, pentru rezultate superioare mediei. Mai. mult, abaterea standa' d
multimodale nu pot fi detectate prin urmrirea indicatorului de oblicitate. datelor transformate n cote ~
va fi ntotdeauna e 9 al. A~tf~i, d~p:
cu 1, ....
Nu numai oblicitatea poate fi estimat exact Boltirea beneficiaz, de. transform ar~ putem c?mpara once variabile, deoarece toate vor a~ea media o iar
asemenea, de un astfel de coeficient pentru a determina normalitatea unei a~aterea standard 1. In plus.' se cunoate c ntr-o distribl!,]~!Jormal peste ~9%
distribuii. lndlc.atorul.de boltire (n englez "kurtosis") este estimat de SPSS pe d1n rezultate vor_ c:_ve~ valon z cuprinse ntre -3 i +3. Formul;3-cte~c~lcul p~";ltru
baza acelorai principii ca n cazul obllcitii. Valoarea zero indic o distribuie transformarea oncare1 valori n cote z este: ,.,.. -
perfect):nezocuQi.c, valorile pozitive, cu ct sunt mai mari, arat o tendin spre
distribuii Jeptocurtice, n timp ce valorile mai mici de zero, semnaleaz tendina 1 x-m (1.1)
; z=--
spre o distributie JJiaticurtic. Field (2000) recomand calcularea lui z kurtosis dup s
aceleai criterii en~fate pentru oblicitate. ,.........._ . - ~
Dac exidubii cu privire la gradul de 1}9Dll?Htat!,l,a distribuiei datelor, se unde _x
este valoa:ea c_e urm~az~. a fi tr~J1pformat; m este m.gia obinut n
recomand testarea--condiiei de normalitate. prin tes~l<. ,aLJY.i.,_,~sJmogorov eantJonul .respectiv on media populaiei; iar s este abaterea standard a
SJniill.GY Dac
__v.alorile\s,u__ot semnificat\y_e.
_..- statistic, putem
.. afirma c distrlbi.iia{n;J~ eant1onuiUJ sau a ~opulaiei ~n cazul n care este cunoscut). ",-'
ndeplinete caracteris[9lL~.~uoeL. curbe ~ormale. In schimb, dac z este t Astfel: daca dan~ sa transformm n cote z cele 43 de puncte obtinute la
nesemnificativ statistic, vom putea afirma c distribuia observat nu difer estul de acUitate Vizuala, vom obine valoarea -1,71, dac ~edia este' 55 iar
semnificativ de o distribuie normal teoretic, deci poate fi considerat ca atare. ~~~~~r: s~anda_rd _7 Valoa~ea indic un numr de rspunsuri corecte mult mai' mic
Din pcate, rezultatele sunt sensibile la numrul de subieci testai. Dac edJa. Similar, daca vom transforma n cote z rezultatul obinut n urma
obinem mai puin de 30 de date, exist anse mari ca z s .nu fie semnificativ, cu
9
8
IIIIIIIIIIIIIIIIIIJIIIILIIIII~IIIII'IIIIJI! llli !11 1i III 'il !11 '11 1 III' III 11! '11' '111111111111111111 i' i : '1 IIII1IIIILIIIII~IIILIIIIIIIII~ !111111111 :IIIIJIIIIII'JIII !lll'_illllllll_'llll :111 1111 III ill! .III' IIIIIJIII.II'I'P
_ _ _ _ _II.IIIIIIIIIIIIII:IIIIILIIIII,!IIIIIIIIII'III 11111111' '1111111111'.11111111111 .1111111111:1111: 111111111' '11111111' lllllllll'llli 1111' '1111'111 :111111111,111111111 11111111111111111111 illll1lllll .1111 'III IIIIIIIIIIIIIUIILIIILIII!IIIIIIIIIII.IIIIIIIIIIIIJIIIIJIIIII.IIIIIlllllll.lllllllllllllllll,lllll.lllllllllllillllllllll.lllllllllll:llllllllll!l!iillll.llllllllll.lllllllllllllllllllllllllllllllllllllllll.llllllllllllllllll'lllllllllllilllllllllllllllllllllllllllilllllllllllllllll! 1111111111111111:1111111111111111111111111111>111111:1111' 1 1 !lllllllll!lllll'llllllllllllllllllllll:lllllllllllllllllllllllilllllllllllllllllllllllllllllllllll,lllllllilllll!llllllllll'llllllllll1illllllllllilllllllllllllllllllll1llllllllllillll1lllll1llll'illllllllll! i

1
1
~ dezvoltare intelectual cuprins ntre 85 i 100 10. Dac vom face un simplu calcul,
~ 3 11 . X 18) vom obtine -0,96. Pe . _ . = = ~
vom constata c 6~ ?7(0 dintre persoanele testate au rezultate cuprinse ntre 85 i
testului de arente concentrata (m -_21, s ~ . .' tar belerez~ltate su~t sub. medie, tl
baza acestor transformri putem aftrma ca, det am . ~ - bfnut la ~
-~
1'15 10, adic ntre valorile situate la cte o abatere standard n minus, respectiv n
performana la testul de atenie concentrat este ;nat buna decat cea o ,1 ! plus, de lamedie [m-1s; m+1s].
testul de acuitate vizual. . t 1 ij n mod similar se poate estima procentajul de persoane aflate ntre diferite
Pe baza cotelor z se pot calcula i alte cote standardizate, precum c_:o_:~_ ;~
ii seciuni ale acestei curbe. Spre exemplu, procentul de rspunsuri cuprins ntre o
t t d t lonare preliminar a testelor. - is
abatere standard fa de medie i dou abateri standard fa de medie este de
. T. Acestea apar frecvent ca moda l1 a e ee a :~~~c::-.::_::.~:c--~~ !
'--.."-!, . . ~
13.,590(9, Astfel, n problema nivelului de inteligen, aproximativ 13,59% din
rezultate au valori cuprinse ntre 70 i 85, respectiv ntre 115 i 130.
(b) 'CJ~sific~:Cl.:su_bie~ilor . . standard ofer mai ti~
'tn cazul'lliiei dtstubutn normale, medta I ~~~~c?a.. :"" . n figura 1.6 sunt prezentate i cotele z, respectiv T, corespunztoare
. - ~ ~
multe informaii, cum ar fi locul. pe care-!.~()cupa un su
b'ect
1 ntr-un grup de oament.
-- --... C d
if' procentajelor stabilite pe baza proprietii unei distribuii normale. Astfel, ntre
%
Spre exemplu putem determina poziia unei persoane cu un ntvel de mtetltgdenr,ad .1e5 valorile -2 i -1 cote z, respectiv ntre 30 i 40 cote i, se regsesc 13,59% din
. . d'
5 10 n conditiile n care mteltgena me te es e
t 100 10 iar abaterea s an a
' . d t
~ rezultate. Similar, ntre -1 i +1. cote z. respectiv ntre 40 i 60 cote T, vom obine
.11 . . . d' t b t" rmale putem emons ra
10. Altfel spus, prin apelul la propriettle unet ts _n u,n no . 'li cte aproximati\(_"~Z.o/0.
ce procent de subiecti obtin rezultate mai man de 1 15 on p~teml sdtabt~ vom Pe baza acestor procentaje se pot stabili categorii calitative de includere a
' ' Totul va devent car aca
persoane au rezultate inferioare aceste! va 1on. rezultatelor, utiliznd urmtoarea gril:
ntelege figura 1.6. . - d ~ rti rezultate foarte slabe (valori mai mici dect cele aflate la dou abateri
' n cazul unei distributii normale, media mparte trul de ?ate ~n. oua P d, standard sub-medie- 2,27%);
. . . - d' r 50% mat man. In cazu 1 e
egale: 50% din rezultate sunt mat mtct decat m~e '~~'a o . mic de 100 iar rezultate slabe (valori aflate ntre dou abateri standard sub medie i o
fat ne ateptm ca 50% dintre persoane sa atba un 10 mat abatere standard sub medie -15,39%);
c~lelalte 50%, un 10 mai mare de 100. rezultate medii (valori aflate ntre o. abatere standard de-o parte i de alta a
mediei- 68,27%);
rezultate bune (valori aflate ntre o abatere standard peste medie idou
abateri standard peste medie -15,39%);
rezultate foarte bune (valori mai mari dect cele aflate la dou abateri
standard peste medie- 2,27%).
Proprietile distribuiei datelor observate sunt eseniale, nu doar n
statistica descriptiv, ci i n cea inferenial, cum ar fi testarea ipotezelor. Trebuie
remarcat c nu toate tehnicile statistice infereniale se bazeaz pe proprietile

13,59%.. 34,13o/l 34,13%~ unei distribuii normale, ns o logic similar este utilizat i n cazul altor tipuri de
distribuii. 3
85 100 115
m + 1s m +2s m+ 3s (c) Estimarea parametrj[Qr__{!tistici
m- 3s m- 2s m- 1s m
2 3
Cotele z -3 -2 -1 o 1 Dac analizele anterioare se plasau la nivelul lotului de subieci testai, pe
50 60 70 80 baza !11.91eLiabaterii standard ai eantionului pot fi calculai i param.etrJi.statistici
Cotele t 20 30 40
de la nivelul populatiei din care a fqst extras eantionul. Acest lucru se obtine prin
Figura 1.6. Proprietile unei distribuii noimale estimarea erorii _sja~dardiowdiei i a intervaluluLde ncredere asociat ace~teia.
Foarte rar poate fi testat ntreaga populaie, din cauza resurselor limitate,
Noi tim c
abaterea standard pentru acest eantion este de :5 10~ Pe de aceea se obinuiete a se extrage un singur eantion din cadrul acesteia, dei,
.,. . t . 1 de persoane cupnnse mtre teoretic, pot fi extrase randomizat o mulime de eantioane.
baza acestei informatii putem stabtt procen aju . . r
anumite valori 10 deo~rece ntr-o distribuie normal ntotdeauna vor ft aproxtdmfatt~
--=-......_ . flat la o abatere standar a a
g' j,352/o dintre rezultate ntre medte I va 1oarea a .
~ ~ ~ 34 135o;(0 dmtre persoane 1e 3 ce1..Interesai s cunoasc mai multe informaii despre proprietile matematice ale diverselor tipuri de
de med .te Revenind la exemplul nostru. esttmam ca

t
. d
- d on mve 1 e
testate obin rezultate ntre 100 i 115 10, acelaI procen aJ avan repartiii ale datelor pot consulta lucrarea lui Clocotici i Stan (2000).

11
10
"'' '1111111111111111111111111111111111111111111111 1IIIII:IIIIII'IIIIIIIIIIIIIIIIII'IIIIIIIIIIU'- - - - - - 0 - l l l l l l l l ! : l l l 111'1!: 1111111!:llll!illil 111111'111 ''1'1111''11! 111''111111'111!!'" ,",,, 1 "'''"'1111'!111111'111111'11: 11!111''11

S presupunem c vrem s msurm

nivelul de empatie la o clas de liceu ~~~~~~~d:;;: p~~t~~~mplu ar fi absena relaiei la aduli ntre ordinea la natere i
i obinem un rezultat mediu de 14,3. Dac am fi evaluat nivelul de empatie [a
graduL~q~
clasa de vizavi am fi obinut 14,7, iar dac am. fi extras un eantion dintr-o alt d1spoz11e trei elemente descriptive:
. . _Pent_ru a vedea covariatie dintre d o

---- - --'... oua vanab1le avem la

clas am fi. obinut 14,2. Continund, n cazul extragerii aleatorii de eantioane
(1) calcularea coeficieniiQC s:l.~~c:o,rE?I<;JJ!e _ca indicatori de asociere
pentru a identifica nivelul de empatie, am obine o serie de medii, pe baza datelor
(2) rep~~?en.tare_g_grafiQ.."! ll<::JI_Uiui de puricte (n en lez.:=---
9 a "scatterpl~t ),
, ".
observate. Majoritatea mediilor ar lua valori apropiate de cele menionate anterior, (3) realizarea de t b d :-- c- .
a ee e CQ!1.~9~~1~ (asociere).
puine dintre ele ndeprtndu-se de. acestea. Cu alte cuvinte, vom obine o 1
distribuie normal a mediilor. eantioanelor extrase, care vor avea o anumit 1.3.1. Coeficientii de corelatie
variabilitate. Gradul de mprtiere a a_sestor valori se numete eroar~ standard ' '
a_mediei, ,ea fiind un estimator analog aba'rii standard la nivelul unul eantion. Indicatorii descriptivi care arat gradul de cova . .
sunt denumiti coef r d .
.
- . Jlale dintre doua vanablie
o

Aceasta poate fi calculat pornind de la datele obinute dintr-un singur eantion, iar C(ll,lariant~i ~limi , ICieO,I . e_ ~ore!ae: -~orelaia este o form.,..JP,.ndardizat a
n~nd problema masuram datelor prin scale diferite Astfel a
~a~cula covanana i numrul ~ca
- - ,L...! o

formula de calcul este:

vom dintre venit de an
s 1. de COala absOlVIi, pnma
o '

(1.2) vanablla Va COntribui mai mult la valo . . .

sm = .j;;, . . area covanante1 obtinute deoar
amplitudine mai
100.000 000 ns .
ridicat
(venitul poate varia mai
o .
o, , ece are o
sa spunem mtre O lei i
m~lt
eantionului, volumuL.e.aoionului. 25, incl~znd doc~~~~~u id~~:~ de co~l~ ~~solvii _se poate afla doar ntre O i
1
unde-s este abaterea_standard a iar n este Din
for~~se deduce c eroareast~,,mai mare n ~oiidiiile n care datele -;u11!J2uine dintre venit i numrul de . d a speclailzan). Mal mult, valoarea covariantei
am e coal va fi cu sigurant
i m.J2.!:tia!e,
respectiv mai mic, dac exist multe date, iar grupul obseNat"este. rezultat ntre dou
variabile care sunt printr-o
d
msurate
mal mare ect cea
'
sc~l
omogen. O la 1. Standardizarea datelor n cote z elim in ce rr:erge doar de la
O variant similar este eroarea standard a frecvenelor, utilizat des n
o

toate v .. b'l 1 . . ,. .,,, a aceste lnconvemente deoarece

rt d'
-3,5 i 3,5 e<;lte z. Aceast standacdiza e amp 1 ~ In~, cuprins a~ro~imativ ntre
ana 1e e aJung la un nivel egal d ,
sondajele din sociologie, fiind cunoscut publicului larg sub numele de eroare de
eantionare. Astfel, procentul de eroare dintr-un sondaj, s zicem 3%, nseamn gradului de asociere d. t 1 . - ... r!'l .Y.,~ egal Iza.. Influena vanabllelor asupra
d . _...~",.,.,. , __ m,re_,,e e I, mal Important, va permite compararea gradului
tocmai eroarea standard a frecvenelor. e asociere dmtre dou..Yf\l.~H.e cu asocierea dintre ~l_te dou variabile.
Eroarea standard a mediei este capital, att pentru test<!fs;a ipotezelpr
bazate pe diferena dintre medii, ct i pentru estimarea unui interval __de
de core 1aie n funcie de modul de msurare a
ncredenLal mediei:.. Acesta include valorile ntre care ne ateptm s gsim
Tabelul 1.2. Alegerea
variabilelor coeficienilor

mediaunei~;ribile la nivelul populaiei, pornind de la media obinut n eantionul .

Tip de variabil Dihotomic Nominal* Ordinal Numeric

studiat.
Dihotomic r, <1>, x2, 2
X , A, C, V -c (tau) r, r biserial,
r tetrachoric r. punct biserial
1.3. Analiza descriptiv bivariat Nominal* X2 , A, C, V X2 A X2 A
Ordinal r Spearman, r Spearman,
n cazul n care dou variabile sunt analizate simultan, vorbim de o -c (tau) -c (tau)
statistic bivariat. Cei mai importani indicatori descriptivi n aceast direcie sunt Numeric r
indicfJ_tprii... Q~..asociwe. A~er..~ct sau relaionarea din!J:,~u:Jou variabile poate fi ,,Date
. nominale cu mai mult de do ua categorii
..

neleas prin termenii de c~.t~. i indee~ncfe.n_ (Neuman, 1997). Dou _ .In cazul gruprii datelor numerice n clase
variabile covariaz dac_ valorile uneia variaz mpreun cuyalorile celeilalte. n
realitate se pot constata tot felul de astfel de legturi. Se obseN, n general, c Exist mai multi coeficienj.,.d
, . -~.core_1a,le,
f selectarea lor fcndu-se n
venitul personal ridicat covariaz cu un numr crescut de kilometri parcuri n
functie de tipul de d t , 1 t
maina personal, c rezultatele ridicate la matematic sunt asociate cu rezultate dou categorll o d. 1
. a e...co ee ate (nominale dihotom
.

. .,. .. l_ce, nominale cu mal mult de
~ , r ma e sau numence) dar I d 1- .
dintre dou var' b"l~~
-
bune la fizic, ori c un grad crescut de timiditate covariaz cu interaciuni sociale
"" - ' e lmaut!3tea (monotonia) relatiei
~- 1a 1e. ,
mai puine etc: Conceptul de independer) este opus celui d~ covarian. Atunci
cnd valorile a dou variabile asociaz spunem c cele dou variabile sunt
nuse
\
J 12
13
 lllll'lllllllllllllllll:llll!lllll'lllllll:;llllll''llilll.lllll !lillll llll,llllllll'llliilll'lllillll,llllilll'lll:llli:i:lllilllll:llllllll:lllllli:lllilll.lll,illiill''
1
111'1111111111111111111''111: llllll:lllllllllllllllillll'llliiiiiiiii,IIIIIIIIIIII'IIIIIJ
lll'llilllll'lll,l'llllllll'llll'llllll'li''li ll:llllillllllll'lllllllilllllllllllllllllllllllllllll il' lll!llllll!llllllllliillllllll:llllillllllllllllillllllll,llllllllllll'lllllllllll'lllillllll''llilllillllllill!lllilll III.!'

Toi aceti coeficieni, cu excepia lui -X sunt adi!i!~~J.()I!"ali, permind

2
,
unde N reprezint numrul de subiecti testati iar z z . ,
compaJ:?iidirecte. Aa cum remarcau Clocotici i Stan (2000), exist dou39al~: .. standardizate ale variabilei x, respectiv Y.' '' x I Y reprez1nta cote
de msurare a gradului de asociere: cele d@c;_fqrLaJ!', cuprinse ntre -1 i 1, "
- P_entru a fi aplicat, ambele variabile trebuie msurate prin se l . .
respectiv cele (ledirec_i9nale;, implicnd valori ntre O i 1 (figura 1.7).
~-
(sau n cazuri exceptionale prin variabi_le nominale d"h 1 t . ) a ~numencl'l
b"l ' ' 0 omlce In plus relatia
d1ntre vana __l :'.~re_~u!e _s~}ie lin~a~. Pentru a nE)lege mai bine ideea de li~iarfta'te
-1 o .. vom apela la reprezentarea graf1ca a norului de puncte.
asociere negativ (invers) lips de asociere asociere pozitiv (direct)
o 1.3.2. Reprezentarea grafic a a~ocierii dintre variabile

lips de asociere prezena asocierii .. --"""'\

\."...Noru_l de punc:e, cuno~cut i sub denumirea din englez de scatter lot"
este un graf1c cu doua axe f1ecare dintre ele 1- d - . " -~--,.,2~. '
Figura 1.7. Evoluia coeficieni/ar de corelaie direcionali (sus) i nedirecionali Oos) . . . . _ ~-;; ' , . . 1mp 1can una dmtr,e".Gele dou
vanabll~. ~u- exista o regula clara pnvlnd care dintre variabile s fie reprezentat
Dup cum se observ n imagine, cu ct un coeficient direcional ia o ~e absc1~a ~~ c_are pe ordon~t,~Wtui, dup Neuman (1 997),. dac putem distin e
mtre ~ana~1la lr]dep."endentl(c,::auz) i variabila c;lependent (efect) at
9
valoare mai.mic de zero (minimum fiind -1 ), cu att exist o asociere negativ mai .
intens ntre variabile. Prin asociere . negativ nelegem c cele dou variabile b - 1ar
Va fi Situata Pe -~_sc1~~~ ----
u 1tlma pe ordonat.
-

.
~-. "
, unc1 pnma
- .--.---.-
covariaz n sens invers: cnd una crete,,cealalt scade. Un exemplu de corelatie
negativ -;;te'relaia dintre consumul de tutun i rezistena fizic la efort. Un
consum zilnic mare de igri tinde s duc la scderea rezistenei organismului la
efort.
n schimb, cu ct un coeficient ia o valoare mai mare de O (maximum fiind -9
c
5
<D
"O
1), vorbim de o corelaie pozitiv ntre variabile, cele dou 41'\ergnd n aceeai <D 8 4
o
di@g_ie. Spre exemplu, exist o corelaie pozitiv ntre consumul de tutun i ~8 6 3
o. 9
numrul de probleme de sntate la nivel pulmonar. Un consum mare de tutun ;s 7
c
crete riscul de apariie a unor boli pulmonare. n sfrit, dac o corelaie este O co 2
c7
sau foarte apr:.oape de O, atunci cele dou variabile sunt independente, adigLD~t,t=~~ '6
co 10
rel~joneaz. Un asemenea coeficient se obine, probabil, ntre numrul la pantofi Cii
al unei persoane i nivelul su de inteligen, fntre cele dou variabile neexistnd o ~6
<D
asociere. Ol
co
Nu toi indicatorii iau valori cuprinse ntre.-1 i 1. Unii pot varia doar ntre O 'g5
i 1, unde zero semnific absena corelaiei. Cu ct ne ndeprtm de aceast ::;::
valoare nspre 1, cu att exist o asociere mai mare ntre variabilele studiate.

Coeficientul de corelaie r Bravais-Pearson 1o 15 - 20 25 30 35

Capacitatea de memorare
Datorit
caracterului numeric al majoritii datelor observate n psihologie,
coeficientul de corelatie sirpQl r este cel mai utilizat~indicator de asociere. El este Figura 1.8. Tabelul cu rezultate i norul de puncte rez~Jtat n urma reprezentrii datelor
un coeficient~dire-;io"~'aC~~~~-ce nseamn c poate lua valori n intervalul -1 i 1.
b t Pentru exemplifi~_are, vom realiza norul de puncte {diagrama de corelatie)
Coeficientul este cunoscut sub mai multe denumiri, precum: coeficientul de
corelaie linif![a_simpl, coeficientul de corelaie a produselor momentului,
_aza ?e rez~ltate~e m_edu a zece subieci la dou probe: capacitatea de memor~re
coeficientul de corelai.e-Bravais~fearson. Dintre multitudinea de formule, cea mai VIZUala (exp_nmata pnn numrul de cuvinte memorate dintr-o plan n 30 d
simpl este:
secunde) I _performana colar (msurat prin media general, din anu~
r=-"'zz
1
(1.3} precedent). Pnma va fi notat cu X, n timp ce performana colar va fi notat cu
NL..J y X

14
15
 11 III 11111111' 1111 !III ~
llllllllilllllllllllllilllllliiiiiiMIIIII~IIIIIIWIIIII~IIIIIIIIIIIIIIIIIIIIIIIII '1111, il l1 ill'

Dac relaia esteji;Jar, atunci norul de puncte pare a avea 0 sin ~

Y. S presupunem c au fost obinute rezultatele prezentate n partea din stnga a
direcie, care poate fi subliniat
printr-o linie _dE~apt. Dac relaia
este n"EJ/lnTa~:
figurii 1.8. . . norul de puncte are o direcie_~u_rbilinie, care poate fi semnalat pr1 '"ntr:l '
Am nlocuit punctele din nor cu numrul de identificare al fiecrui rezultat:. ~ . . ~------ o 1n1e
cu_rb~ta. In _s~r~1t,. abs.~na r,jaiei se poate observa n cadrul norului de puncte
Astfel, indicele 1 reprezint locul pe grafic dat de rezultatele obinute de primul pnn lipsa_Qn~~etdirecu, punctele fiind distribuite parc laj!lt~mplare.
subiect testat (X 12; Y 5,91 ), indicele 2 reprezint locul pe grafic aflat la
= = _ Reva~and f1gu_ra ~ -~ ~ntre capacitatea de memorare vizual i performana
interseclaiezultatelor celui de-al doilea subiect (X= 18; Y=7,44) .a.m.d. colara ex1sta o relaie liniara. Se observ c norul de puncte evolueaz liniar,
, ~torul de puncte _ne ofer o serie de informaii im[!ortante, viznd (a).JQ[:l]1,.1!. dinspre stnga jos spre dreapta sus.
relatiei dintre dou varfabile (liniar sau non-liniar), (b) dir.ecjg_g~_E}_S_E)iajasociere
pozi,tiv, negativ sau absent), respectiv (c) intensitat~J..g_t,~_rl[_9_ir1r8,'yariabile {b) Direcia relaiei
(puternic, medie, sczut). Toate aceste aspecte vor fi discutate n continuare, nu . . n ca:c;ul unei reJaii. liniare, se poate aprecia .direcia norului de puncte
nainte de a aminti c nivelul calitativ'al interpretrii bazate pe norul de puncte este
(figura 1.: o)_. In aces_te co_ndiii vorbim de o re/a(!Lpozitiv,, dac norul de puncte
dependent de numrul de subieci testai i, implicit, de punctele reprezentate
evolu:aza dinspre _stanga JQ.lLJl.r:.~_9re;(3pta sus. Aceasta nseamna c valorile mici
grafic. Cu._gt sunt maL!nulte date, cu att precizL _i. calitatea. i~t~rpretrii ale lUi X s~nt asoc1ate _cu valorile mici ale lui Y, iar valorile mari ale lui X corespund
descriptive, pe baza norului de puncte, crete . unor va_lon man, Y. Titulatura de direcie pozitiv vine din faptul c 0 astfel de
d~stn~u1e a__p~nctelor duce la o valoare pozitiv a coeficientului de corelatie. o
(a) Forma relaiei d1rec1e poz1t1~a poate fi sesizat i n graficul viznd relaia dintre capacitat~a de
Relatia dintre dou variabile poate lua trei forme: liniar, non-liol._r~ sau
1 .........__.
men:orare ~~ performanele colare. Prin urmare, ne ateptm ca valoarea
independent, prin ultima nelegnd, de fapt, absena relaiei (figura 1.9). coeficientulUI de corelaie dintre cele dou valori s fie pozitiv. De altfel, r rezultat
... --
a fost 0,79, c~nfirmnd estimarea fcut pe baza norului de puncte.
. Rela{B..ll.~9i3fiV dintre dou variabile poate fi sesizat grafic, dac directia
norului ~e puncte evolueaz dinspre stnQ.!L!J~ spre; greapta jos, fapt ce semnifi~
12,00
1deea ca rezultatelor mari ale lui X le corespund rezultate mici y i viceversa.
11,00

10,00

,,00

0,00

7,00 '""
"..,
11,00

10,00
.oo 10,00
5,00
5,00
,,00
oo &,00
0,00
,,00 7,00
7,00
,,ool---~------~-~
2,00 4,00 6,oo a.oo 10,00 12.00 14,00 16,00 .oo
'""
5,00

,., '"
4,00

...'""
,,00

'"" 00 8,00 10,00 12.00 14,00 16,00

3,00

2PO~~-~-~-~---~~
z,oo <1,00 6,00 8,00 10,00 12,00 14,00 16,00

Figura 1.1 O. Nor de puncte cu direcie pozitiv (in stnga)

sau cu direcie negativ (in dreapta)

{c) Intensitatea relatiei

n cazul U'Mrelaiillni-~re., gradul de adunare a punctelor ntr-o anumit
direcie poate varia (figura 1.11 ).
Figura 1.9. Exemple de nor: de puncte:
relaie liniar (stnga sus), relaie neliniar (dre,apta sus), absena relaiei ljos)

17
16
 li 1i: il 1111111111. IIIIIIIIIIIIIILIIIII. IIIIUIIII,.IIIIIJJJJIIJJJ JJI' JJl' ~ l' ,

r=0,70 r= 0,00 r =- 0,70

"'"'
o
"'
!!? '
..
.. ' ., " ~a

;2

r=0,35 r=0,85 r=- 0,35

... . . "'
..
::
4 7 10 13 16 19 22

Figura 1.12. Nor de puncte descriind absena relaiei dintre dou variabile

Figura 1.11. Structura norului de puncte n funcie de nivelul relaiei dintre dou variatiile
(6exemple)
. . Cn? se obine un scatterplot ca cel prezentat n figura 1 12 valoarea O
coeficientulUI de corelatie ete una corect Cele d " . b"l : -~"''- a

Se observ c punctele asociate unor coeficieni de corelaie mai redui ~~~~~~::~~~d~l ~e v~;iatJe-~1-Jui X nu r~laio~e~~= ~~r~c: eu~u;;l~~~e:~~n~:
=
(ex. r .35) sunt mai mprtiate, pe cnd punctele asociate unor coeficieni. de , . ~ . . u a e cuvmte, nu putem estima valoarea lui X cnd y are o
va 1oare m1ca on mare i viceversa.
corelaie puternici (ex. r = .85) sunt mai apropiate de o linie imaginar, care
marcheaz direcia de evoluie a punctelor. Cu ct punctele sunt aezate mai
. (2) Existena a. dou dire.ci~,,plral~~~- al~ punctelor din nor, datorate
probabil unor sub-setun de.d~te dJstmcte cum . f . ...... 1 .. . "- -~. .... .
apropiat de li!J.@.j_tl]_.ginar, cu att intensitatea relaiei dintre dou variabile este cele_ ale f(3~m_~ilor {figura 1_13). --- ,.,, ' r 1rezu tatele barl;lallor fa de
maL!:!lc:Jil,_fie n direcie pozitiv, apropiat de 1, fie n direcie negativ, apropiat'
de -1. Similar, cu ct punctele sunt mai dispersate, cu att legtura dintre variabile
este mai sczut, ori chiar absent, valorile coeficienilor de corelaie fiind mai
apropiate de O.
o
"'
Importanta reprezentrii grafice prin norul de puncte
, r----"-" ., - .-.--~:'c _,
Pe baza infor:!l~9.tiilor.Jegate de tqrma; direcia i i'ntensitc:~tea unei relaii
putem obine date importante din punct de vedere calitativ, Ele ar fi fost omise,
dac ne-am fi rezumat doar la calcularea coeficientu!U~~-9Q[~Iaie r.
Pentru a sublinia importana realizrii diagramLQ~.-9Qm!aie (norului de
"'
puncte) n interpretarea asocierii dintre dou variabile~ vom prezenta nu mai puin o
de patru grafice distincte, care au un singur lucru n comun: coeficientul de
corelaie r a fost, n toate cazurile, foarte apropiat de zero. Se tie c un asemenea 4 7 10 13 16 19 22
1 4 7- 10 13 16 19 22
rezultat indic absena unei relaii, ns vom vedea ct de neltoare pot fi-valorile
lui-r,dac vom neglija s inspectm'norul de puncte. Figura .1.13. '!or de puncte descni'nd o relaie intre dou variabile mascate de
n continuare vom descrie cele patru situaii distincte care conduc la un prezena uneJ a treia (stnga -varianta iniial; dreapta -varianta in care cele dou seturi
coeficient de corelaie apropiat de O. ' . sunt prezentate distinct)
(1) Ab!ttl_(l r~al Jl asocierii dintre dou variabile, reprezentat printr-un
nor de puncte aezate f"r nici o directie clar, cum ar fi relatia dintre nivelul de Graficul de mai
. s~s poate fi considerat o reprezentare schematic a
inteligen i numrul la pantofi pe ; pop~laie de aduli (figura 1: 12). asociaiei reale dintre venitul lunar al unei persoane {abscis) i cheltuielile
18
19
acesteia pentru cosmetice (ordonat). n acelai grafic este inclus evoluia
ambelor sexe. Privind n imaginea din dreapta, cu puncte au fost reprezentate
rezultatele sexului frumos, iar cu cerculee au fost reprezentate cele ale,brbailor.
Din grafic se observ c ambele sexe, dei evolueaz paralel, au o direcie pozitiv
a norului de puncte, ceea ce nseamn c un venit ridicat covariaz cu cheltuieli
mai mari n domeniul cosmeticelor. Mai mult, se poate observa c brbaii, dei au
venituri salariale ceva mai ridicate, cheltuiesc mai puini bani pe cosmetice n
comparaie cu femeile. Dac nu am observa existena celor dou subseturi de date
i am calcula coeficientul de corelaie pentru ntregul lot, am avea surpriza de a
obine un coeficient de corelaie. apropiat de O i, probabil, am concluziona greit
c nu exist o legtur ntre venit i cheltuielile n domeniul cosmeticelor. Greeala
s-ar datora faptului c nu am ine cont de V2Jriabila moderatoare "sexul persoanei",
care influeneaz relaia prin faptul c unele venituri ridicate ale brbailor ar fi
asociate cu cheltuieli mai reduse n comparaie cu cele realizate de sexul frumos,
iar unele venituri mai mici ale femeilor se vor asocia cu cheltuieli ceva mai ridicate
dect ale brbailor cu venituri superioare. Aceste aspecte vor masca evoluia
rezultat pozitiv _de 0,65. Vom fi tentai, astfel, s afirmm c exist 0 asociere
pozitiv ntre mvelul de motivaie i performana n sarcin, ambele evolund n
aceeai direcie. Similar, dac am calcula coeficientul. de corelatie
, r doar pe~t ru
datele aflate ntre un nivel optim de motivare i supramotivare (n dreapta liniei
punctate), vom obme un rezultat negativ, de -0,65. Valoarea ne indic 0 corelatie
invers ntre nivelul de arousal i performana n sarcin; cu ct gradul de motiva're
crete, performanele tind s scad.
Pe ntreg _lotul de subieci, cele dou direcii opuse se anuleaz, fapt ce
conduce la Situaia de a avea un coeficient de corelaie egal cu zero. Aceast
valoare ne-ar induce n eroare, deoarece spre deosebire de situatia absentei
legturii dintre variabile (figura 1.12), de aceast dat se observ ~ exist'
0
covarian n evoluia celor dou variabile, doar c ea nu este liniar. De aceea n
astfel de condiii, nu este indicat calcularea coeficientului de corelatie liniar r
fiind necesare alte soluii, precum cele prezentate n seciunea 3.3.3. ' '
U)

"'
liniar i pozitiv a norului de puncte, ce indic o cretere a cheltuielilor pe
o
cosmetice o dat cu creterea venitului persorallunar. "'
(3) Existena unei forme -curbUj[lii_, echilJI?r~!e, care determin
~
schimbarea norului de puncte dinspre.Q"~~tiv-spre.""i''egati\r sau viceversa, elocvent
fiind relaia dintre nivelul de motivare (arousal) .i performana n sarcin (figura
~
1.14).
Atunci cnd norul de puncte are o direcie ce poate fi surprins doar *.
U)

printr-o linie curb, putem spune c variabilele ''l~.. ~ovariaz ntr-un mod liniar.
Aceast situaie poate fi cauzat, n principal, de dou motive: fie neglijarea unei
variabil.~ tere_..(imaginea din stnga), fie existena unei relaii curbllinlt.reale ~tre
4
dou variabile (imaginea din dreapta). Prima situaie implic prezena unei variabile
7 10 13 16 19 22

moderatoare, precum n cazul discutat anterior, un alt exemplu elocvent putnd fi

citit n Rotariu i colab. (1999, p.185-186). Cea de-a doua situaie va fi prezentat
.
'1
~ lO
"'
o
n continuare. Dac vom calcula coeficientul de corelaie liniar r dintre nivelul de C\1 o
motivaie n ntreaga sa amplitudine (cuprinznd persoane slab motivate, optim
motivate sau supramotivate) i performana lor n sarcin, vom avea surpriza de a ~
o

o
o
"'
''* .
contrazice una dintre cele mai vechi legi din psihologie ce afirm c motivaia o o
o ~
. '.
(nivelul de arousal) nu afecteaz performana n sarcin. Cum explicm acest
lucru? Simplu:. dac observm imaginea din dreapta a figurii 1.14, vom constata
~
.. o
o o

o
~
* .
*
'
o
c, pn la un moment dat, cu ct nivelul de motivaie este mai mare (pe abscis), "' o lO

performanele n sarcin cresc (pe ordonat). Adic subiecii foarte slab motivai
obin performane modeste, ns o dat cu intensificarea nivelului de arousal crete
i performana. Toate acestea se ntmpl pn la un punct, socotit a fi un nivel 1 4 7 10 13
if 16 19 22
optim motivaional, dup care situaia se inverseaz. Astfel, se poate constata c la 4 7 10 13 16 19 22
intensiti foarte crescute ale nivelului de arousal, performana scade. Dac am
calcula coeficientul de corelaie doar pentru subiecii aflai ntre un nivel slab de Figura 1. 14. Evoluia curbilinie a norului de puncte
motivare i un nivel optim de motivare (n stnga liniei punctate), vom obine un Situa~e dat~rat evoluiei diferite a unor subseturi de date (stnga jos},
respecliv une1 relaii non-linia re autentice ntre dou variabile (dreapta jos)

20
21
 . (4) Existena unei q,ocieri clare }ntre dou ve~riabile,. ma_scat ns de O alt angm?!i~_ important, care trebuie depistat grafic, deoarece
unele dalecl:!l<Jreme c<lre. reduc valoare~ coeficientului _de corelaie (f:gur~ 1.1 ~). influeneaz nivelul de asociere dintre dou variabile, se numete
o alt~ -'Situatie n care coeficientul de corelaie este puternic d1stors1onat, het!i'JOSC~c!~_~citate. Situaia dorit are o titulatur la fel de greu de reinut,
dei exist 0 relaie ntr~ variabile, apare n prezena unor .d~te extreme, h~mos~edasticii1e.
de P;~nunai~"~.~~-~-~,~~f.
Din fericire, cele -dou situaii sunt mai uor de nteles dect
1

neobinuite (n englez "o~li~~~"). Observnd figura _1.15, putem distmge o rela~e

liniar i pozitiv, cu excepia- unui singur punct, situat depa~e_cle :elelalte, m
dreapta jos a norului de puncte. n cazul n care datele sunt puine, ca I~ exem_plul
ilustrat, aceast valoare singular poate afecta esenial valoarea co~fic1entuiU1 de
corelatie. Astfel, dac vom calcula r pentru toate datele, exce~tand val~area
respe~tiv, vom obine un r extrem de mare, mai exact 0~98. In schit~b, dac~ vom
calcula r incluznd valoarea neobinuit, r scade drast1~ la _0,55, 1ar da~a vom
aduga o alt valoare extrem, coeficientul r va ~~~ea I mal mult, apropundu-se
de O.
!i
!,1
ntr-o situatEt"sntoas", a unei relalLUQ@re, norul de puncte trebuie s
aib aproximativ aceeaLgLsrje._~_tte (grosiau~l pe ntreaga amplitudine a lui X i Y,
determinnd o form =omogen denumit tehnic homoscedasticitate. Tntr-o
distribuie "riesntoas" a unei relaii lin iare, norul de pund:e nu are. aceeai
conformaie pe toat distribuia lui X i Y. Faptul este denumit. heteroscedasticitate,
datorit eterogenitii norului de puncte. De exemplu, n imaginea--ain dreapta a
figurii 1.16, se observ c liniaritatea datelor este mai pregnant n prima parte a
evoluiei lui X, pn n dreptul valorii 11 O, dup care aspectul .liniar al distribuiei
punctelor se pstreaz ntr-o form mult estompat, punctele fiind mult mai
mprtiate.

*
*
.* *

4 7 10 13 16 19 22 4 7 10 13 16 19 22

Figura 1.15. Norul de puncte n situaia existenei unor valori extreme (outliers)
70 80 90 100 110 120 130 140
70 80 90 100 110 120 130 140
Cohen (1990) amintete de exemplul unui set de date a 25 de_ ~ersoane,
continnd informatii despre nlimea i greutatea acestora. Coe~1C1entul ~e Figura 1.16. Situaiile de homoscedasticitate (stnga) i heteroscedasticitate (dreapta)
cor~latie obtinut a 'fost de 0,83, ns dac la un singur subie~t s-a '.n.versat d1n
gree~l ordinea de trecere a datelor, trecndu-se nlimea sub1ectulu1 In coloana Dac ai reuit s surprindei ce nseamn acest lucru din perspectiva
destinat greutii i viceversa, r a devenit -0,26!. valorii coeficienilor de corelaie, atunci vei intui c r este aproximativ 0,90 pentru
n astfel de situaii, msurile care trebwe luate sunt dependente. de s~rsa relaia dintre valorile mici ale fui X i Y, respectiv aproape nul pentru a descrie
aparitiei acestei valori neobinuite. Dac ea apare ca urmare a. unei ~r~n ?e relaia dintre valorile mari ale lui X i Y. Ironic, valoarea lui r pentru ntregul set de
introducere a datelor n calculator sau ca urmare a unei nenefegen a sarcinll on a date este 0,45, rezultat care nu reflect nici una din cele dou realiti. Tn practic,
unei lipse de motivaie dinpartea subiectului care a of:rit acest. rezultat, vo~-putea o asemenea relaie heteroscei:lastic se ntlnete dac vom dori s stabilim
elimina..informatia din baza de date. Dac nici unul dintre motivele de ma1 sus ~u gradul de asociere dintre nivelul de inteUg~,Q i potenialul creativ. Potenialul
stilc;"baza apa~iiei valorilor neobinuite, se vor calcula doi c~efi~ien~ de corelaie: creativ este dependent, pn la un anumit nive'CCie Tnteiigena unei persoane. Cu
rezultati prin includerea, respectiv excluderea acestor date. In fme, i~ .cazul ~nu1 ct aceasta este mai inteligent, cu att crete potenialul creativ. Dincolo de un
numr' foarte mare de date, influena dagjor~~extreme asupra c~gf!9113~tl11L!.I__ ~e anumit prag, situat dup unii cercettori la un IQ de 11 O, lucrurile se schimb,
cor.efatie.-scade mult, iar asemenea date nu mai constituie un 1mped1ment 1n relaia dintre cefe dou variabile diminundu-se foarte mult Explicaia pentru acest
obine~ea un o~ "~E:z~itate acurate. lucru este simpl: potenialul creativ are nevoie de un anumit nivel de dezvoltare

22
23

intelectual. O dat atins acel prag, intervin ali factori, intelectuali sau non-
intelectuali, care pot determina ca o persoan s se comporte mai mult sau mai
puin creativ. Astfel, importana inteligenei n procesul creativ se estompeaz.
Lecia care trebuie dedus din situaia descris mai sus consW n
importana precizrii amplitudinii variabilelor studiate. Astfel, vom obine un rezultat
complet diferit, dac vom studia relaia dintre nivelul de timiditate i frecvena
discursurilor inute public, avnd rezultate pe toat gama timiditii (de la extrem de
timid la extrem de asertiv) sau dac vom msura aceeai relaie, tund doar
rezultatele persoanelor foarte timide. Dac nu vom ine seama, n ultimul caz, de
caracterul selectiv al rezultatelor, vom ajunge la concluzii eronate, precum aceea
c nu exist o asociere ntre nivelul timiditii unei persoane i comportamentul su
public.
1.3.3. Tab~....~.~~'1!LI]_9_en- mod_uri de prezentare a asoci)ll1L9!~n~e
dateleAon~oum~rice
n cazwl datelor de .!iR.J1Qmi,nal sau ~rdinal, norui2.,E!:!D.~te$;est~j)Ot~~vit
pentru a descrie asocierile dintre variabile. De aceea,, se folosesc tai?_~-~~)- ~e
contingen (de asociere), menit!'l s surprind covariana variabilelor studiate.
Un astfel de tabel include datele de la un lot de 100 de studeni, cu privire
la motivaia lor de nvare (operaionalizat prin trei categorii: "foarte motivat",
"parial motivat", "nemotivat") i la gradul lor de mulumire fa de condiiile oferite
de universitatea la care studiaz ("mulumit", "nehotrt", "nemulumit").
Tabelul se=realizeaz prin intersectarea rspu,o.surilor su_t;>iecilor la cele
dou ntrebri adresate. Fiecare intersecie de rspunsuri se numeie....celul. n
interiorul acesteia pot fi trecute fie frecvensle. --observate, fie pro_c;_entajele
corespondente. n plus, la marginea liniilor i a coloanelor se pot calcula ~.ume
margnlen cazul n care se trec frecvenele n tabel, respectiv mediile marginale,
n cazul n care sefucreaz cu procente.
Tabelul 1.3. Tabel de contingen, pe baz de frecvene- exemplu
Grad de motivare
Foarte motivat
Parial motivat
Acest tabel, sau unul similar exprimat n procente, st la baza dem~r~ului
statistic _al- datelor non-numerice. n cazul datelqr"nominale nu exist nici o' restric"fle
cu . privire la utilizarea unor anumii indic~1QfL. de asgciere. n schimb, n cazul
datelor ordinale, tabei!J.L.cJE:l contingen jo;:1c rolul no.[_tJiui de puncte. Prin
intermediul lui vedem n ce ms-ur ne putem ncrede n valorile coeficienilor de
24
corelaie calcul~i. ~s~fel, n -cazul datelor ordinale, prin tabelul de contingent
putem nota daca ex1sta o relaie monoton intre cele dou variabile. '
Conce~tul de re_laie lll,Q.DOtoo<:este-analog--ce]ui der~la@: liniar, din cazul
datelor l)_[J.mence (Lew1s-Beck, 1995). O relaie este monoton~-dac exist 0
direcie cl<,;t[.de..,e.'-L_()Itj[e_a,datelor. Direcia poate fi pozitiv, un grad de multumire
ridicat ~e a~~ciaz cu o~IJ1otivaie de a Tnva, respectiv negativ, ~~-nd gradul de
mulumire nd1cat este asoc1at cu un nivel sczut de motivare pentru fnvtare. Cum
ne putem da seama, dincolo de intuiie, de modul de-a:sodere a dou~ variabile
ordinale? Simplu, asigurndu-ne c ambele au trecute categoriile de rspunsuri
ntr-~!l]od ~rdona~ (de ~xemplu de la mare la mic) i urmrind vai;I-He trecute pe
dlago,Q._Ja pnnc1pala (stanga sus - dreapta jos) i cele trecute pe diagonala
secundar (stnga jos- dreapta sus). --
. Din ~a~elul_ 1.3 se observ c cele mai multe valori se regsesc n
dJagonaLa,.,pJ:InCipala (14; 19; 23), nu mai puin de 56 de subiecti din 100 dnd
rs~un~uri care indic o asociere pozitiv ntre variabile. n schi~b, doar 22 de
sub1~c1_ (2; 19; 1) ~e regsesc pe qiagonala secJ:!ll<_jCjr, corespunztoare unei
asoc1en negat1ve. Pnn urmare, fr a trece la calcularea vreunui indicator statistic
intuim c un grad de mulumire ridicat, cu privire la condiiile oferite de universitate'
conduce la creterea motivaiei pentru Tnvare a studentilor. '
~ai mult, din tabelul 1.3 deducem c rel~ia respect conditia de
m~noton1e, ~eoarece direcia de asociere _po:z:itiv Ql:>se[Vat oecesit fr~~vente
nd~cate pg..d1~gooala ~rincipal. Pentru problema de fa, acest lucru nseamn ~
ce1 ma1 ~~l1 oameni mulun;ii sunt foarte motivai, iar cei mai muli oameni
nemulumii sunt nemotivai. In tabelul 1.4 este, prezentat o situatie clar de
inclcar~ a _co~diiei de monotonie (similar unei rela.ii-non~liniare), p~rnind de la
aceleai vanablle.
Tabelul 1.4. Exemplu de asociere care ncalc conditia de monotonie
Gradul de multumire
Grad de motivare Multumit Neutru Nemultumit
Foarte motivat 14------- 4 __... 23
Parial motivat 7 ----...19-=--=-------- ' . 19
Nemotivat 2 11 ~-----...1
Se observ c relaianu are o direcie de evolutie. Initial directia relatiei
era _pozitiv~,
c_ei ma_i ~uii oa~eni mulumii fiind foarte ~otiva,i, iar ce'i indecli,
par_1al mo~va1. Apo1, In loc sa observm continuarea direciei n sensul prezenei
~nu1 nu~ar mare_ de persoane nemulumite ca fiind slab motivate (sgeata
~ntrerupta~, observam o schln:bare ~e direcie, astfel nct majoritatea persoanelor
em~l_um_1te sunt foarte mot1vate. In astfel de cazuri, nu este indicat folosirea
coef1C1en11or de corelaie specifici datelor ordinale, cum ar fi indicatorii 1: al lui
Kendall sau r al lui Spearman, deoarece vor conduce la rezultate eronate i
25

interpretri distorsionate. Exist totui" o soluie care const n renunarea de a trata
variabilele ca msuri ordin;:Jie, n favoarea celor nominale, urmat de aplicarea
indicatorilor de asociere specifici datelor nominale.
BIBLIOGRAFIE
Clocotici, V., Stan, A. (2000). Statistic aplicat in psihologie. lai: .Editura Polirom.
Cohen, J. (1990). Things 1 have learned (so far). American Psychologist, 45(12), 1304-1312.
Field, A. (2000). Oiscovering statistic using SPSS for Windows. London: Sage Publications:
Hohn, M., Vrg, D., Mruter, L. (1999). Curs de statistic aplicat n tiinele sociale. aspecte detaliate ale unor situaii observate. Cei douzeci de elevi au petrecut, n
Vol.l. Timioara: Tipografia Universitii de Vest.
Hohn, M. (2000). Elemente statistice n analiza fenomenelor pSihice. Arad: Editura ,,Viaa
Ardean".
Kinnear, P.R., Gray, C.D. (2000). SPSS for Windows made simple. Release 10. Hove, UK:
Psychology Press.
Lewis-Beck, M.S. (1995). Data analysis. An introduction. A Sage University Paper on
Quantitative Applications in the Social Sciences, 07-103. Thousand Oaks, USA: Sage.
Neuman, W.L. (1997). Social research methods. Qualitative and quantitative approache~
(3rd ed.). Needham, USA: Allyn and Bacon.
Novak, A. (1977). Metode statistice in pedagogie i psihologie. Bucureti: E.D.P.
Radu, 1., Miclea, M., Albu, M., Neme, S., Moldovan, 0., Szamoskozi, . (1993).
Metodologie psihologic i analiza datelor. Cluj-Napoca: Editura Sincron.
Rotariu, T., Bdescu, G., Gulie, 1., Mezei, E., Murean, C. (1999). Metode statistice aplicate
n tiinele sociale. lai: Editura Polirom.
Sava, F. (2002). Pagina de statistic social. Gsit la http://statisticasociala.tripod.coni.
SPSS (2001). SPSS Base 11.0. User's guide. Chicago, USA: SPSS lnc.
Weisberg, H.F. (1992). Central tendency and variability. A Sage University Paper on
Quantitative Applications in the Social Sciences, 07-083. Newbury Park, USA: Sage.
26
IIIIIUIIIIIIIIIIUIIIIIliiiiiiWIIIIWIIIIrniiiiiWIIII~IIIIIIi
CAPITOLUL 2
TESTAREA IPOTEZELOR
Statistica descriptiv, foarte util altminteri, se mrginete s prezinte
medie, 11 secunde pentru a citi textul dat; oarecele de laborator a atins o
frecven de 30 de pedalri pe minut n condiia n care pedalarea oferea accesul
la hran .a.m.d. tiina nu se rezum ns doar la fapte i la descrierea acestora.
Tn urma unui demers tiinific se pot face predicii, se pot descoperi mecanisme
cauzale sau se pot gsi explicaii pentru fenomenele observate. Toate aceste
operaii necesit un demers logic, bazat pe inferene, ce trece dincolo de realitatea
imediat observabil, supus descrierii. De multe ori datele obinute de cercettori
se rezum la situaia existent n anumite eantioane, dar concluziile vizeaz
populaia din care acestea au fost extrase. Pentru a realiza acest lucru se
apeleaz din nou la inferene, pe baza unui demers logic inductiv. Inferenta
statistic se bazeaz pe teoria probabilitilor, permind desprinderea. un~r
concluzii cu caracter probabilist. Tn practic, orice rezultat discutat n termeni de
valori semnificative statistic la un prag de .;.Q",SJ,!J .01 ,a, corespuns unui demers
specific statisticii infereniale.
Dup Dyer (1995), testerfim.Jpotezelor reprezint, alturi de etimarea
parametrilor
,....",.(.. , ....
statistici, unul dintre principalele aspecte ale inferentei
",,~~!l<'"'"~'":\1"-:,'!r> ~;.o._-:".",..
.
statistice.
:
Testarea.Jpotezelor este o component fundamental a activitii tiinifice, fiind un
demers riguros ce reunete trei dimensiun.Le.~njple: (1) analiza datelor empirice;
(2) realizarea wnor infL~ne.logice pe baza acestora i (3) meni~~re~.\'!,.IJneiatifudni
sceptice legate de~ppcluziile obinute. Aceast stare de spirit se regEsete foarte
bine n ideile lui Einstein (apud Hastie i Stasser, 2000, p.86) extinse la nivelul
teoriilor:
"Oamenii de tiin nu sunt de invidiat. Natura, sau mai exact, experimentul
este un judector neprietenos i inexorabil al f"!lUncii cercettorului. Niciodat
nu i spune "Da" teoriei acestuia. n cele mai favorabile cazuri i spune
"Poate", iar n majoritatea cazurilor i spune "Nu". Dac experimentul sprijin
o teorie, pentru aceasta nseamn "Poate", iar dac nu o sprijin nseamn
"Nu". Probabil c or"ice teorie va experimenta ntr-o bun zi pe "Nu"- cele mai
multe, chiar imediat dup conceperea lor".
27
ll,llllllillil'
Ipotezele unidirecionale i bidirecionale
lpote"'a--.!i.l!:ltli.Lc;. este o preicie" care are . capacit~tea ~e a fi
opeca[Q[Jafizat i testat pentru a oferi UJJ.._rspuns pro,~l~mel ~t~d1ate. U~
exemplu cdtfpotez ar fi: "persoanele cu un nivel de extroverslune ndlcat tmd sa
\ experimenteze n mai mic msur o afectivitate negativ". Totui, din punct de
l
'-
vedere tehnic exist dou categorii de ipoteze: unidireeionale, i bidirf;tGLq_~~le.
Modul de for~ulare a ipotezei cercetrii determin categoria n care este inclus
ipoteza. Dac se precizeaz direcjc;L.predjiei, avem de-a face cu ipoteze
unjdirectionale. n aceast categorie intr formulri de geriul: "exist o corelaie
p;;itiv".; "exist o corelaie negativ"; "grupul A este mai bun dect grup~! B~;
"grupul A este mai slab dect grupul B". Dac,c:Jirecia predicieL~u :ste pre?lz_at~,
vorbim de ipot~.J~icjirecionale. Expresii precum "exist o corelaie mtre ~anab1le ,
.,exist diferente ntre loturi", reprezint modaliti tipice de formulare a Ipotezelor
bidirecionale, 'specific fiind absena precizrii direciei de evoluie a. dat~ lor.
Alegerea tipului de ipotez se face n funcie de informaiile avute antenor I ?e
presupunerile cercettorului. Dac exist suficiente indicii pentru a perm1te
formularea unor ipoteze unidirecionale, este de dorit s alegem o ~semenea
formulare, deoarece exist anse mai mari ca ipoteza. s fie. sprijinit. In ~azul ~
care nu exist indicii cu privire la modul de evoluie a datelor, se alege o ipoteza
bidirectional. Clocotici i Stan (2000) utilizeaz terminologii uor diferite pentru a
denum'i cele dou categorii de ipoteze. Astfel, ei utilizeaz termenul de ipotez
uuUateri31 n locul celui de ipotez unidirecional, respectiv pe cel de ipotez
biLateri3l, n locul celei bidirecionale. Pe parcursul crii vom utiliza ambele
terminologii. . . .
Indiferent de modul de formulare a Jpotezei de cercetare, testare(l1poteze1
se face prin apelul la conceptul de i_p.Qtez:~ Jlul sau ipotez statistic. D~n
pcate, sensul ipotezei nule a fost neles greit i prezentat denatur~~ ~~
majoritatea crilor de specialitate. De aceea se impun cteva cl~nf1can
conceptuale, urmate de prezentarea a dou concepte importante, dar m_a1 pu1n
cunoscute, i anume, mrimea efectului i puterea statistic a unei cercetri.
2.1. Ipoteza nul- clarificri conceptuale
n mod normal orice student care a depit cursurile introductive de
statistic i metodologi~ cercetrii, cunoate ideea c ipoteza cerce~~~~p?ate fi
sprijinit sau nu_illu~volutia ipotezei nule. Demersul este simplu: dac ipo~-~C1_.~ljiE"l
(ipoteza statistic) este r~spin, atunci ipoteza altern,ativ este sprijinit!3 de datele
obinute: Dac ipoteza nul nu -~s_~:.re?pins, atunci ipoteza alternati_v_ nu este
sprijinit de datele obtinute. Ipoteza propus de cercettor este una d1n Ipotezele
alternative posibile. Pr,in urmare, sprijlnirea ipotezei alternative semnific sprijinirea
ipotezei lan!?~te de cercettor.
L 28
Prin testarea ipotezelor se nelege testarea ipotezei nule, finalizat prin
resf2.!!l.Q~E~.a sau nerespingerea .acesteia. O atenie--deosebit trebuie. acordat
alegerii cuvintelor. Sintagme de genul "ipoteza nul este acceptat sau confirmat"
sau "ipoteza cercetrii se confirm" trebuie evitate, deoarece sunt eronate.
Singurul lucru care poate fi obinut prin testarea ipotezelor este respingerea sau
nerespingerea ipotezei nule.
2.1.1. Logica testrii ipotezelor
Pentru a nelege mai bine principiul testrii ipotezelor vom preciza c
ip.Qle_4:a nul (ljt:)) ne arat probabilitatea de a obine datele_ observate }n ~ondiiile
n care ipoteza....!l\l@,J;)ste adev,r.9 (Cohen, 1990; Cohen, 1 994)~ br noi am fi mult
mai interesai de rspunsul la ntrebarea: "Dat fiind aceste date, care este
probabilitatea ca ipoteza nul s fie adevrat?". lat cteva caracteristici ale
testrii ipotezelor:
(a) Se pornete de la,J2!f:HJ7ja c ipSJlezaJJyl~ !}Ste aQf:J_V[at
Consecina acestui fapt const n practica eronat de a atribui diferitelor
praguri de semnificaie sintagma "semnificativ statistic", n cazul unui p de .05, cea .
de "foarte semnificativ statistic", n cazul unui p de .01, ori cea de "extrem de
semnificativ statistic", n situaia unui p de .001. Toate aceste praguri arat doar
probabilitatea de _;::t ... obtine. datele culese n situatia n care ipoteza nul este
adevrat-:rnu.-probabilitatea de adevr a ipotE~zei' nule. Aa cum am amintit, n
te'St'~;~-ipot'ezelor se pornete de la premisa c ipoteza nul este adevrat.
(b) Ipoteza nul nu poate fi adg;,(e,[@, r:;icfoar;respins
Ideea poate fi neleas mai bine prin apelul la urmtoarea analogie:
Dac plou, asfaltul este umed. '
Asfaltul nu este umed.
Deci, nu a plouat.
Acest raionament este corect i similar cu:
Dac ipoteza nul este adevrat, probabilitatea. de a avea aceste date este mare.
Probabilitatea este mic (nu este mare).
Deci, ipoteza nul este respins.
Lucrurile se schimb dac vom schimba raionamentul:
Dac plou, asfaltul este umed.
Asfaltul este umed.
Deci, a plouat.
Raionamentul este incorect deoarece se produce eroarea logic a
afirmrii consecinei. Afirmaia .,dac plou,
asfaltul este umed" nu este echivalent
29
---11.111111-llllllllllllll,llill il il! 11, ill' il ,li ,1' llli !li lllli 11 li ,11 '11 '1111111111111 illlli ill' illlllli'll!illllll!lllllllllllllllllllllllllli il l il l! 1111'1111 1111,,111 il '" 1
1111111111111111' , 'j, 1111111111111111111! 1 i 1' 111111 1111111111 t'lllllllllllllllilllllli ,1
1

_j

2.1.2. Ipoteza nul i rt!.?!irn~a eantionului

cu "asfaltul este umed, deci plou". Asfaltul poate fi ud din diverse alte motive, cum
ar fi stropirea sa de ctre mainiie de la salubrizare. Similar, confirmarea ipotezei . . Muli cercetatori i aleg numrul ..de .subieci ce urmeaz a fi testati n

nule este eronat.

Dac ipoteza nul este adevrat, probabilitatea de a avea aceste date este mare.
Probabilitatea este mare.
Deci, ipoteza nul este adevrat.
Astfel, ipoteza nul poate fi doar
~QQficmat.
(c) Decizia de a
semnificaie
O alt problem n testarea ipotezei nule este caracterul arbitrar al pragului
ales ,pentru respingerea sau nerespingerea ipotezei nule. Cel mai frecvent prag
ales este de .05, valoare stipulat iniial de Fisher, printele statisticii moderne.
Ulterior aceast valoare a fost fetiizat. Exagernd, am putea spune c publicarea
sau nepublicarea studiilor, evoluia lucrrilor de doctorat sau licen, fericirea sau
nefericirea cercettorilor au devenit dependente de acest prag.
Exist mai multe interpretri posibile ale acestui prag. Fr a intra n
detalii, interpretarea corect a unui rezultat semnificativ statistic poate fi rezumat
simplu n expresia: "exist o probabilitate de maximum 5% de a obine din
ntmplare datele observate pornind de la premisa c ipoteza nul este adevrat".
(d) Ipoteza nul nu nseamf]}jjpotezaabsenei
n sfrit, un aspect mai puin cunoscut este caracterul restrns al sensului
acordat ipotezei nule. Cei mai muli cercettori neleg prin ipoteza nul absena
corelaiei sau lipsa 'diferenei dintre . medii. Aceast situaie se reflect n
majoritatea cercetrilor ntreprinse. De altfel, utiliznd simbolurile aferente, ipoteza
nul apare frecvent trecut ca: Ho; rA~O n cazul corelaiilor sau Ho: !-IA- !!B.~
n cazul diferenelor dintre medii. Ipoteza nul nu implic automat aceste condiii.
Mai degrab, ipoteza nul este ipoteza care trebuie anulat, fie c este vorba de
situaii amintit13 (ex. Ho: rAB = 0), fie c este stipulat o anumit valoare a priori
(ex. Ho: rAB = 0,25).
(e) Testare~jpote:??.lqrpriVf!~te populaiile
testate
Dac analiza s-ar fi fcut la nivelul eantioanelor, nu am fi avut nevoie de
un test de semnificatie cu valoare , probabilistic, deoarece asocierile dintre
variabile sau diferenei~ dintre grupe s-ar fi dedus direct din datele observate. n
acest caz ne-am fi situat la un nivel de analiz descriptiv. Testarea ipotezelor
vizeaz ns statistica inferential, ce urmrete extinderea conCtuziilor de la
nivelul lotului testat la nivelul populaiei din care a fost extras eantionul respectiv.
funcie de resursele. avute la dispozitie. Aceast modalitate nu este "l -
t- d
'
nsa cea ma 1
fencl a, eoarece
, .pragul.~de
. -semnificatie-este--sens1
, . b1
'1 . .1a vo 1umu 1 eantiO[luluL
Astfel, m cazul_un~l eantion _r_edu~~pf:)r_~~~ (ex. 10 subieci), sunt mari anse
ca :ezulta~ul sa f1e nese~nlfl~ativ~statistic,:1 dei n realitate exist un efect. n
respin~_sau .nerEiPins~. ns niciodat schimb,
. pnn alegerea
. unul ea. ntion foarte
. . . mare (ex . 500 de persoane~-) ;-
sunt anse
man de a obme un re_zultat semmf1cat1v statistic, dei n realitate nu ar exista
efectul testat. Pentru a ilustra ultima situaie vom utiliza exemplul comic of t d
T.I?E!'2!1..~ Jpg_teza nul. se ia pe baza unui prag de ' Thompson (2002). 1 en e
Un cercettor decide s compare inteligena msurat prin scoruri IQ la
12000 de studeni din dou orae diferite. Cei din primul ora au obtinut un
scor m~diu de : 00,_15 i_o abatere standard de 15, iar cei din al doil~a ora,
au . o~mut o Inteligena medie de 99,85 i aceeai abatere standard.
Apl1c~nd testul z pentru dou eantioane independente obtine un rezultat
semmficativ statistic. Pe baza rezultatelor, cercettorul pro~une infiintarea
unor coli speciale pentru supradotai n primul ora, deoarece ei 'sunt
semnificativ mai inteligeni dect cei din al doilea.
2.1.3. Erorile de tip 1i Il n testarea ipotezelor
_ lnt_erpre~a~ea pragl!J!!L9e,..e_f!1nificaie poate fi mbogit prin discutar-ea a
~Q~,Ja erg_n posibile ce. pot aprea n testarea ipotezelor. Pentru a simplifi~a
m_elege:ea a_:estora vo1 .apela la urmtorul exemplu. Un cercettor este interesat
sa studieze m ce msur ascultarea muzicii clasice faciliteaz obtinerea unor
perfor~a.ne s~perioare n domeniul nvrli unei limbi strine. Pe~tru a testa
~ceasta lpote:a, el al~ge un lot de 50 de studeni voluntari, dornici de a nvta
limba. suede:a. Acet1a sunt mprii aleatoriu n dou grupe. Prima denumit
e:pe:lm_enta_la, este form_at din 25 de subieci care vor nva tim~ de patru
sa~taman1 limba_ ~ued~za ntr-un mediu controlat, al crui fundal muzical este
as1gurat de l~cr~nle _lUI Bach i Grieg. Ceilali 25 de participani, din grupul de
cont:ol, vor ~vaa limba suedez ntr-un mediu din care lipsete orice fond
m~~1cal. Dupa cele patru sptmni, participanii din ambele grupe au fost testati
din care au fost extrase laturile pnv1nd cunotinele lor de limb suedez. '
. Confo~n; ipotez:~. de cercetare, ne ateptm ca subiecii care au nvtat
limba suedeza 1n condiiile unui fundal muzical s obtin rezultate mai bune' 1
.
testul de limb u:
s d eza- "m comparaie cu studenii din grupul
de control. Simbolica
formularea poate fi transpus sub forma H1: !l2:.J::l:Q,
:entru a t~~ta ipoteza va trebui s apelm la conceptul de ipotez nul. De
cele ma1 multe. on ipoteza statistic are o form opus ipotezei de cercetare. n
cazul nostru, ipoteza nul ar putea fi: Nu exist diferente semnificative n
performanele de nvare a limbii suedeze ntre cele dou gr~pe de subieci. cu

31
30
 alte cuvinte, muzica clasic nu faciliteaz nvarea limbilor strine. Simbolic, (4), o persoan vinovat-n-realitate este gsit nevinovat. de justitie (eroare
1
formularea poate fi HO: f.JE ::; f1C. > de tip 11, cadranul 4). 2 ' \ ,

Tn urma analizrii datelor obinute, ne putem afla n una dintre urmtoarele
patru situatii:
(1) re~ping~jp9tgza. nul, constatnd diferene SBJl.lnifi.c_gJive ntre cele dou
grupe de--subieci, iar aceast decizie el,e ..~orect, deoarece n realitate
muzica clasic afecteaz pozitiv nvarea limbilor strine (cadranul 1 din
tabel);
(2) respingem..ipoteza nul, constatnd diferene semnificative latre cele_dou
_grupe, iar aceast decizie.....s'l..S.te., gc~it, deoarece n realitate m-uzica
c~ nu are nici o influen asupra nvrii limbilor strine (cadranul 2
din tabel);
(3) \Q.lJI respingem ipoteza nul, constatnd c nu exist dlf,gr_ene sen;nificative
ntre cele dou grupe, iar decizia este .cwec;t, n realitate muzica clasic
neinfluentnd nvtarea limbilor strine (cadranul 3 din tabel);
(4) nu respi~gerl!..JQot~za nul, constatnd absena diferenelor_ semnificative
ntre cele dou grupe cu privire la performanele de nvare a limbii
strine, iar deciziif-este greit, deoarece n realitate muzica clasic
influeneaz nvarea limbilor strine (cadranul 4 din tabel).
Ace.ste combinaii sunt reflectate n tabelul 2.1.
Tabelul 2.1. Erorile ntlnite n testarea ipotezelor
fn cercetare ipoteza nul
n realitate ... A fost respins Nu a fost respinsi1
Exist efect (HO trebuia respins) Decizie OK (1) Eroare de tip Il (4)
Nu exist efect (HO nu trebuia respins) Eroare de tip 1 (~ Decizie OK
Aadar, er.s>.rea~Q.e.~tiE) este situaia n care cercettorul decicie s
respif!9.~:ipote:z:,gnu~~ dei a~easta nu treeuiar~spins,, n timp ce eroarea de'j~,i;~
este data, de cazul m care ipoteza nulti..,Q_LLa fost respins, dei trebuia--s fie
r~~pins. Intre cele dou tipuri de erori exist o relaie de .lt!J.""n_de[l. o dat ce
cre_s_c ansele de a comite eroarea -SL~Jip }",:s_:::ad ansele de a comite eroar.ea .de tip
II.JJ,_I~vers. .
Cum procedeaz cei mai muli cercettori n realitate? Ei tind s tin
seama doar.de.Lo_?f??.~Le ip_! i s ignore eroarea de tip 11. Din perspectiva te~riei
lui Neyman i Pearson, pragul de semnificaie de .05, stabilit a priori, nu reprezint
altceva dect eroarea de tip 1. Acest prag, notat cx, reprezint o probabilitate de 5%
de a obine datele culese n condiiile n careJpoteza nul este adevrat. Ea
nseamn, de fapt, o probabilitate de 5% de a grei, respingnd ipoteza nul cnd
ea este adevrat. Un prag de .01 nseamn doar o probabilitag de 1% de a
comite ~!:9Eea de tip 1, ns .anse mai multe de a comite eroarea de Up.. it
Eroarea de tip 11 poate fi prestabilit i este important mai ales din
perspec_tiva puterii statistice a unei cercetri. Dac eroarea de tip ~1-este. fixat
convenional IC)_Yaloarea de .05, eroarea de tip 11, notat cu 13, nu are 0 asemenea
valoare. Totui, cel mai frecvent se alege o valoare de patru ori mai mare dect
prima, adic:; .20. Transformnd probabilitile n anse, vom constata c o eroare
de tip 11 de .20, indic de patru ori mai puine anse de a comite aceast eroare
dect de a lua o decizie corect (.20 1 .80).
2.2. Mrimea efectului
(3}

Dac am face o analogie cu situaia din justiie iam considera ipoteza Datorit numeroaselor probleme pe care le ridic pragul de se.mnificatie n
nul ca fiind situaia inculpailor "nevinovai pn la proba contrarie", am obine tot cadrul testrii ipotezelor, tot mai muli autori au remarcat necesitatea compl~trii
patru situaii: rezultatelor cu ceea ce se numete mr~rne<i ~-f~_(;tului (Cohen, 1990; Cohen,
(1) o persoan vinoy"at n realitate ar fi gsit vinovat i de ctre justiie _1994; Fan, 2001; Thompson, 1999; Thompsoh, 2002). Dac testul de semnificatie
(cadranul 1); rspunde la ntrebarea "exist o diferen sau asociere semnificativ?", mrim~a
efectu!ui ne arat "ct de mare este aceast difE?ren sau asoci~re?". Dac nu
J (2) o persoan ne~_t)Qvat n realitate ar fi gsit vinovat~ ..ci~justiie (eroare
de tip 1, cadranul 2); vom ine seama de ambele aspecte vom putea ajunge la concluzii diferite. lat,
spre exemplu, o situaie personal, petrecut n urm cu ctiva ani. Am avut
(3) o persoan nevinovat n realitate este achitat i de ctre justiie
(cadranul 3); posibilitatea de a testa un program de interventie menit s ~melioreze relatia
profesor-elevi (Sava, 2001 ). Un lot de profesori a fost testat nainte i dup
derularea unui program de training ce s-a ntins pe durata a dou luni. Dac ar fi s
lum n considerare doar pragul de semnificaie, atunci programul s-a dovedit a fi
Modul de formulare a ipotezei nule n cazul testelor unidirecionale variaz de la un autor la
1
un succes, deoarece a reuit s reduc nivelul de ostilitate a dasclilor n perceptia
L altul. Unii prefer o formulare exact (ex. Ho: /-IA= !lB), n timp ce alii prefer o formulare
~nexact (ex. Ho: !-IA s J.!B). Ambele modaliti sunt acceptabile i conduc la acelai rezultat.
' '

Unii autor~ amintesc 7i d_e o eroare de tip III (foarte puin probabil), care apare atunci cnd
2
lns, ultima expresie subliniaz mai bine ideea testului unidirecional (Leventhal i Huynh,
1996). ipoteza nuia este respmsa corect, dar n direcie greit (ex. mA> m B, dar Il A< J.! B).
L
!
'
32
33

elevilor, rezultatul fiind semnificativ chiar la un p< .01. De altfel, 14 din cei 17
profesori au reuit performane mai bune n situaia de post-test. Dac v.o~ ine
seama i de !lrimea efectului, rezultatele nu mai sunt att de promtatoare,
deoarece mrimea efectului a fost mic tf=.29). Ce nseamn acest lucru? Se
pare c programul de intervenie, dei a avut un efect, nu a reu~it s. ~chi~~e
foarte mult din percepia elevilor In ce privete relaia lor cu profesom parttctpant tn,_.
program, -Un profesor care anterior avea o relaie negativ cu .elevii. nu a f~st
perceput n termeni favorabili nici dup terminarea programului de tntervente,
Totui, imaginea lor s-a mbuntit foarte uor_ Astfel, programul nu a avut capaci-
tatea de a schimba radical relaiile dintre profesorii instruii i elevii acestora. Dac
am fi ignorat informaiile oferite de mrimea efectului i ne-am fi rezumat doar la
cele oferite de testul de semnificaie, am fi avut o imagine distorsionat n mod
favorabil.
Caracterul informativ al mrimii efectului a nceput s nu mai treac
neobservat. Tot mai multe colective editoriale ale revistelor de specialitate cer
afiarea valorilor mrimii efectului pe lng cele ale testului de semnificaie. Mai
mult, n manualul de publicare editat de Asociaia Psihologilor Americani se
recomand prezentarea valorilor mrimii efectului n manuscrisele trimise spre
publicare (APA, 2001). Aadar, mrimea efectului s-a impus tot mai mult _ca _u~
termen generic pentru o familie de indicatori care informeaz asupra magn1tudtn11
unui efect.
ai mrimii efectului
2.2.1. Indicatori -.:,.,.:
~
Pragul de semnificaie statistic ne arat doar c exist o probabilitate
foarte mic de a obtine datele observate n cazul n care ipoteza nul este
adevrat, ns nu ne 'informeaz dac aceast situaie are o importan~[<3dic.
Pentru a evidentia acest lucru vom apela la calcularea mrimii efectului. Numrul
mare de indicat~ri existeni poate fi redus la dou categorii de indici: baz,2S.Lpe o
diferent standardizat ntre medii, respectiv bazai pe procentul cj,.,.,cjjp~~,sie
eJ$plicat. n pri-;.;,-~~c~t~gorie ntlnim mai ales indicii"d,_allui Cohen,_A.(delta) al lui
Glas~ sau g al lui Hedges. n cea de-a doua categorie avem r..,.r!. '1 (eta), W
2 2
(omega) etc. (~diferent de categoria din care fac. parte, indicii pot fi uor
transformati dintr-o categorie ntr-alta. lat formulele pentru transformarea
reciproc ~ celor mai ntlnii indicatori ai mrimii efectului, d_"i r (Rosenthal,
Rosnow i Rubin, 2000):
(2.1) (2.2)
34
Vo_m prezenta pe parcursul fiecrui capitol indicatorii adecvai ai mrimii
efectului. In consecin, n continuare nu vom insista asupra particularittilor
fiecrui indicator amintit.
2.2.2. lnterpretaree,mrimii efectului
Magnitudinea unui efect poate fi interpretat n mai multe moduri. Utiliznd
criteriile iniiale propuse de <;ohen putem distinge trei nivele de intensitate: efect
minim sau efect s~zut; efect mediu i efect puternic sau mare. Valorile
corespondente aproximative pentru fiecare tip de efect n cazul lui d i r2 sunt
prezentate n tabelul 2.2.
Conform acestor valori, se observ c mrimea efectului obtinut n urma
programului de intervenie viznd ameliorarea relaiei profesor-eev este una
redus (d = .29, iar r2 = .02). Aceste valori pot fi interpretate i altfel, n funcie de
tipul de indicatori ai mrimii efectului folosii. Astfel, dac s-a utilizat coeficientul de
determinare r2 , vom putea spune c doar 2% din dispersia datelor reflectnd relatia
profesor-elev a fost influenat de programul de intervenie aplicat. n schimb, da~
vom apela la calcularea lui d, vom deduce c In urma aplicrii programului de
intervenie media grupului a ajuns la centilul 62 n comparaie cu centilul 50,
corespunztor mediei grupului nainte de nceperea interveniei. Centilele sunt
utilizate In ierarhizarea rezultatelor, spre exemplu valoarea 50 lnsemn un rezultat
mediu, iar centilul 90, un rezultat foarte bun, caz n care doar 1O% din rezultate
sunt mai bune, n timp ce 90% sunt mai slabe. O mrime a efectului d de .00
corespunde centilului 50, n timp ce un d de .20 arat centilul 58, un d de .50
corespunde centilului 69, iar d de .80 indic centilul 79. Mai multe amnunte pentru
cei interesai pot fi ntlnite n Becker (2003).
Tabelul 2.2. Valorile reper d i r2 pentru mrimea efectului
Mrimea efectului d al lui Cohen coeficientul de determinare r2
Efect sczut n jurul a 0.20 .01
Efect mediu n jurul a 0.50 .06
Efect puternic n jurul a 0.80 .14
Interpretarea rezultatelor obinute ntr-o cercetare trebuie fcut ns att
n funcie de mrimec:t efectului, ct i n funcie de pragul de semnificaie obinut.
Fan (2001) ofer o bun sintez a interpretrii tuturor posibilitilor ntlnite n
practic. O adaptare a concluziilor sale este prezentat n tabelul 2.3.
Revenind la programul de intervenie menit s amelioreze relaia profesor-
elev, observm, din tabelul 2.3., dou explicaii posibile pentru situaia unui test
semni-ficativ statistic (p < .05) i a unui efect de intensitate sczut. Fie exist mari
anse de a se fi comis eroarea de tip 1, fie rezultatele, dei semnificative, riu au o
importan practic. Prima explicaie nu pare verosimil, innd cont de numrul
35
 . . . . . . . .lliiiii~IIIIII!IIIIIIUIIIIII!IIIIIIIIII!IIII'

J.
mic de subiecti utilizati i de puterea statistic redus. Prin urmare, cel mai 1 facem acest lucru const n selectarea numrului de subieci necesari pentru a fi
probabil, ne aflm n ~itua-ia n care programul contribuie n mic msur la '1
g '' testai n vederea surprinderii efectului prezis. Pentru aceasta avem la dispoziie
ameliorarea relaiei profesor-elev. mai multe strategii de lucru (Singer, A.D. Lovie i P. Lovie, 1986).
Prima alternativ implic valorificarea,_ rezultatelor obir:tl,Je Jn studii
Tabelul 2.3. Ghid simplificat de interpretare a mrimii efectului i a testului de semnificaie
a(IJerioare. Spre exemplu, n studierea efectului pe care muzica clasic l are
Mrimea Testarea ipotezelor asupra nvrii unei limbi strine ar putea fi consultate eventualele cercetri
efectului Ipoteza nul nu este respins Ipoteza nul este respins anterioare n domeniu pentru a putea face predicii asupra nivelului de influenare
Mic 1. Se pare c ipoteza nul este 1. Dei semnificative statistic, exercitat de prima variabil asupra celei de-a doua.
sprijinit, nu exist nici un efect rezultatele nu au o importan A doua strategie, oarecum similr, const n realizarea unui _studiu pilot,
semnificativ statistic sau practic. practic deosebit. incluznd doar civa subieci, pentru a estima ct mai bine valorile mediei, abaterii
2. Exist un risc crescut de a comite standard su a altor indicatori care pot prezice valoarea mrimii efectului.
eroarea de tip 1 (efectul detectat de n sfrit, cea de-a treia strategie pornete de la premise teoretice,
fapt nu exist). Ea apare datorit une
utiliznd valori a. priori alese pe baza conveniilor propuse de Cohen. Din aceast
puteri statistice foarte mari.
perspectiv, n lipsa unor informaii din literatur~ de specialitate, cei mai muli
Medie 1. Mrimeaefectului arat promitor, 1. Efectul obinut este puin probabjl
cercettori aleg un nivel mediu al efectulu~i,-Jd = .50) i n fun9ie de acesta i
dar exist riscul ca efectul s fi aprut s fi aprut din ntmplare.
stabilesc numrul de subieci necesari a fi testai.
din ntmplare. 2. Efectul pare a fi destul de
2. Exist un risc crescut de a comite important din punct de vedere practic.
eroarea de tip 11 (exist un efect, dar nL n plus, efectul este semnificativ
2.2.4. Limitele mrimii efectului
a fost detectat). Probabil' c puterea statistic.
statistic de a detecta efectul este
Vom afirma, fr ndoial, c utilizarea indicatorilor de evaluare a mrimii
mic.
efectului mbogete informaia statistic. Mai mult, indicatorii au devenit
Mare 1. Fie efectul a aprut din ntmplare, 1. Concluzionai cu ncredere c
indispensabili n realizarea meta-analizelor cantitative. Cu toate acestea, nici
fie rezultatul nesemnificativ statistic se efectul este semnificativ att statistic,
mrimea efectului nu este lipsit de unele neajunsuri. Dintre cele mai semnificative
datoreaz numrului redus de subieci. ct i practic.
Cretei puterea cercetrii.
amintim o anumit dependen de mrimea eantionului, respectiv caracterul
relativ al importanei practice a unui efect.
2. Risc crescut de a comite eroarea
de tip Il. Dei s-a evideniat c testul de semnificaie poate fi redus la produsul
dintre mrimea efectului i mrimea eantionului (Rosenthal i DiMatteo, 2001 ),
n sfrit, trebuie menionat convenia legat de sen:~el: asocia~e nici mrimea efectului nu este scutit de o anumit dependen de mrimea
indicatorilor mrimii statistice. Acstora li se atribuie un semn f2<?ZIIIV m cazul m eantionului. Cei mai afectai indici sunt cei bazai pe gradul de dispersie explicat,
2
care efectele observate sunt n directia anticipat. n caz contrar, indicatorii mrimii de genul r . Acesta reprezint ptratul coeficienilor de corelaie liniar de tip r. Se
efectului vor avea un semn negativ. Informaia este important mai ales I'n cunoate c un numr mic de. subieci conduce la un r ridicat, n timp ce un numr
realizarea de meta-analize. De exemplu, dac o ipotez anticip rezultate foarte mare de subieci duce la unr sczut.
superioare ale grupului A n faa grupului B, 1ar ~ aces t 1~cru, ~a~
datele spnjma ~ imea
~ Cealalt limit vizeaz relativitatea stabilirii importanei practice a unui
efectului va avea un semn pozitiv. Tn schimb, dac rezultatele obmute mdrc~ o efect. Dei criteriile propuse de Cohen i pstreaz validitatea n multe cazuri,
situatie opus celei exprimate n ipotez, precum n situaia n care gru~a B obme exist situaii n care lucrurile se schimb. Spre exemplu, mrimea efectului
rezultate superioare grupei A, rezultatului mrimil efectului i se va asoc1a un semn datorat ingerrii zilnice a unei doze mici de aspirin asupra prevenirii infarctului
era r = 0,001, n condiiile n care r era doar 0,034. Acest rezultat infim arat c
2
negativ (ex. r2 == - .17).
doar O, 1% din dispersia infarctului poate fi explicat de ingerarea de aspirin n
doze mici. Totui, realiznd transformrile necesare i lund n considerare
2.2.3. Stabilirea mrimii efectului valoarea uman, un asemenea rezultat ar duce la prevenirea eficient a infarctului
pentru 34 de persoane la 1000 de locuitori, fapt care nu este de neglijat (Rosenthal
Pentru a realiza un bun design al cercetrii este necesar s stabilim a
i DiMatteo, 2001). Similar, n studiile viznd cali.tatea vieii pentru persoane cu
priori valoarea ateptat a .mrimii efectului. Raiunea pentru care ar trebui s.
diferite deficiene, orice ameliorare poate avea o valoare practic, chiar dac la

36
37
 11111
- - - -- 11111"-'l""''lllolllllllll:lllldll'llll,llll'lll'lllllllllll:lllllll lll,llllll'lllllllllllllll,llllllllllllllll'illll:lll,llll illllllll 111 'llll'llllllllllllJIIIIIIIII 11111 1111 11111,'1111111illllllll,lllllllldlllllll' 11111'1111,1 111[:[11'111[:ttlllllllllllllllllli'llllllllllllllllllllllllllllllllllllllllllllllllllll1[[[[[[[[1[[111111 1[[[[11111111tllllllllllllllll- ---- 'iill:ii:iilllllllllllilllllllllllllllllll 1 1 1llllllllillllillllllll'lllilllllllllllilll'llllillllillllll!illllllllllllllilllllll'lllllllllllllllll:llllillllllllllllllllllli!lllllllillllllllllliill:llllllllll'llllllllllllllllll:,lll11llllllllllllllllllllllllllllllllllllllilll'lllllllllllll:lllllllllllllllllll:llliilll'llllilllllllilll'llll:lllilllllll1llllllllillllilllllllllll:li

il:'
.ii:
i~

nivelul schimbrilor, acestea nu sunt unele radicale. Considerentele acestea I-au De asemenea, inversnd demersul logic, putem calcula numrul d
fcut pe Thompson (2002) s afirme c exist trei nelesuri ale cuvntului subieci de care avem pentru a realiza o cercetare cu o putere statistic: nev~oie
semnificativ:1 Astfel, rezultatele pot fi semnificative statistic (p < .05), semnificative sufici~~n~ de ~are p_entru a re?uc~ ansele de a comite eroarea de tip 11. V
- .
n plan pr etic, din punct de vedere al magnitudinii schimbrii (d sau r ct mai reammt1m ca mediana puterii cercetrilor publicate n anumite reviste de
2

ari), respectiv semnificative din perspectiv clinic sau valoric, n funcie de specialitate nu a depit .50, ceea ce nseamn~ c erau anse egale (.50 1 .50) de
importana domeniului vizat (cazul aspirinei sau cel al ameliorrii calitii vieii a observa un efect atunci cnd acesta exista sau de a comite eroarea de tip 11. lat
dou exemple concrete de utilizare a informaiilor prezentate mai sus, pentru a
persoanelor cu deficiene diverse).
nelege importana utilizrii conceptului de putere statistic a unei cercetri.
Tn primul caz, vom presupune c un cercettor s-a artat interesat de a
2.3. Puterea statistic a unei cercetri studia. n ce msur exist o corelaie pozitiv ntre dou probe de inteligent
Matricele Progresive Raven- varianta standard i scorul general obtinut la WAI's'
S presupunem c el a testat 25 de persoane i a obtinut o corelatie r de 30.
Imaginai-v puterea statistic drept o capacitate de a detecta vizual
fenomene. Dac puterea statistic este mic, va fi dificil s observm fenomenele
Aceast valo~re nu este semnificativ statistic, deoarec~ p obinut a 'fost de :o?:
valoare supenoar pragului maxim acceptat de .05. n aceste condiii, cercettorul
de interes i vom concluziona, poate, c fenomenele respeetive nu exist. Acest
nu va putea respinge ipoteza nul i va afirma c cele dou teste de inteligent nu
lucru s-ar ntmpla datorit capacitii noastre reduse de detectare vizual a
corele~~, ~u~ care, probabil, se va lansa n tot felul de speculaii legat~ de
fenomenului n cauz. Tn schimb, dac vom reui s ne mbuntim aparatele de
domeniile d1stmcte pe care cele dou probe le msoar. Totui, aceste teste ar fi
detectare a fenomenului, adic s cretem puterea statistic a unui cercetri, vom
trebuit. s corelez: ntr-o anumit msur, deoarece, n principiu, fac referire la
avea mai multe anse s detectm fenomenele ateptate. Mai mult, n situaii n
acelai construct. In astfel de cazuri ne putem pune ntrebarea: "chiar nu exist o
care puterea statistic a devenit foarte mare, vom putea detecta orice fenomene,
corelaie ntre cele dou probe sau rezultatul este o consecint a riscului ridicat de
inclusiv-pe acelea minuscule sau insignifiante. Tn practic se ntmpl mai rar acest
a comite o eroare de tip 11?", adic de a ne nela i de a 'nu observa corelatia
lucru, deoarece majoritatea studiilor sufer de o putere statistic sczut. De altfel,
dintre cele ,dou teste. Pentru a rspunde la ntrebare vom putea face un simplu
Tversky i Kahneman (1993) sau Smith (2000) reamintesc de un studiu mai veGhi
calcul apeland la Gpower. Au fost testai 25 de subieci, valoarea a. prestabilit a
al lui Cohen, care identifica, ntr-o statistic incluznd studiile publicate n diverse
fost de .05, ipoteza era de tip unidirecional (exist corelaie pozitiv?), iar mrimea
reviste de specialitate, o valoare median a puterii statistice de .46. Acest rezultat
efectului a fost r2 de .09. Rezultatul obinut indic o putere a cercetrii de .45, ceea
este mult sub valoarea optim prescris de .80. Situaia nu s-a schimbat de atunci,
ce nseamn mai puine anse de a observa corelaia ntre cele dou variabile,
rezultate modeste, similare, fiind obinute i dup 25 de ani de la efectuarea acelui
dac ea exist i are o valoare r de aproximativ .30, dect de a comite eroarea de
studiu (Cohen, 1990). tip 11. Tn aceste condiii, concluziile legate de nerespingerea ipotezei nule i de
Puterea statistic poate fi determinat foarte uor, dac inem seama de
af1rma~ea absenei corelaiei dintre cele dou probe devin extrem de discutabile i
valoarea lui [3 (riscul de a comite eroarea de tip 11), deoarece puterea statistic este
atac~_b1le. D~c~ cercettorul ar fi cunoscut importana puterii statistice, ar fi putut
egal cu .1 - [3. Astfel, dac vom alege un [3 de .20, puterea statistic a cercetrii
plan1f1ca ma1 bme studiul, pentru a ajunge la o valoare acceptabil a riscului de a
respective va fi de .80, ceea ce semnific o probabilitate de 80% de a detecta un
comite eroarea de tip 11. Astfel, dac dorea s testeze existenta unei asocieri
efect dac acesta exist. Similar, un [3 de .05, conduce la o probabilitate de 95%
pozitive ntre cele dou variabile, n condiiile n care se atepta' la o mrime a
de a identifica un efect, orict de mic ar fi el, cu condiia ca el s existe. Importana
efectului n jurul tui .09 (r = .30), se mulumea cu un p < .05, iar puterea cercetrii
practic a acestor informaii este capital n construcia designului de cercetare,
dorite era de .80 ([3 = .20), ar fi avut nevoie de 64 de subiecti pentru a testa relatia
deoarece puterea statistic a unei cercetri poate fi modificat n funcie de trei
dintre probe. Dac ar fi procedat astfel, ansele de a comit~ ~roarea de tip 11 a~ fi
parametri importani: mrimea efectului ("Ct de mare trebuie s fie un efect sau o
fost mult reduse, facilitnd astfel interpretarea rezultatelor.
relaie dintre dou variabile pentru a fi identificat?"); mrimea eanponului ("De
Cel de-al doilea exemplu ar putea servi drept model n realizarea unui
ci subieci avem nevoie pentru a observa fenomenul de interes?"); valoarea a
design adecvat din perspectiva erorilor de testare a ipotezelor statistice. S
("Care este pragul de semnificaie de la care vom respinge ipoteza statistic?").
presupunem c un cercettor dorete s studieze rolul feedback-ului n rezolvarea
Pentru calcularea puterii statistice exist programe precum Gpower (Faul i
unor sarcini noi. Tn acest scop, el grupeaz aleator participanii la studiu n patru
Erdfelder, 1992), ce poate fi descrcat gratuit la adresa http://www.psycho.uni-
grupe: unul de control, unul alctuit din subieci care primesc doar feedback
duesseldorf .de/aap/proiects/qpower/index.html. . negativ legat de sarcin; un al treilea grup care primete doar feedback pozitiv

39
38
 1' '1 1 11 ' 1! ~1' 'li 1
IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII!IIII1 IIIII,IIIIIIIIIIIIIIIIII1IIII'IIIIIIIIIIUIIIIIIIIIIIIIII1IIIIIIIIIIIIIIIIII',III'h lllli llllllllillllllllli 11111111111111111111111 illli lllliiiiiiiiiiUIIIIJIIilllllllilllllllllllllilliiiiiiiiiiiiiiiiWIIIILIIIII:JIIIIIIIIII1 '11111111111111111: :1

legat de sarcin, respectiv un al patrulea grup care primete att feedback pozitiv,
ct inegativ. Variabila dependent este msurat n secunde, viznd rapiditatea
rezolvrii sarcinii de ctre subieci. Subiecii din cele trei grupe experimentale Mai mu~i Design Design ct
primesc feedbackul n timpul rezolvrii sarcinii, n timp ce subiecii din grupul de subieci in trag rup mai simplu
control nu primesc nici un fel de feedback. ntr-un astfel de caz, cercettorul poate
planifica acele caracteristici ale designului, astfel nct s aib erori de tip 1 i 11 ct
mai reduse. \
Prob~bil cercettorul va testa ipoteza apelnd la ANOVA simpl, urmat n.
Se ale
caz de suc~s de o serie de comparaii post hoc. n aceste condiii, el poate face o
serlede calcule pentru a determina volumul eantionului n condiiile n care sunt
patru grupe, a. dorit este de .05, puterea statistic ateptat este de .80, iar efect,ul
feedback-ului asupra duratei de rezolvare a sarcinii este unul mediu (f = .25). In
urma calcului a rezultat c cercettoru\ va avea nevoie de un eantion de 180 de
persoane, adic de 45 de subieci n fiecare grup pentru a putea testa optim
ipoteza i a menine,sczute erorile. n cazul n care ar fi ales 100 de subieci, cte~ ale msurrii
statistice
25 n fiecare grup, ar fi obinut o putere a cercetrii de .50, ceea ce ar fi nsemnat variabilelor puternice VD
anse egale de a observa efectul feedbackului asupra performanei, n cazul n
care acest efect exist i are o intensitate medie sau_ de a comite eroarea de tip Il. Figura 2.1. Surse utile pentru a crete puterea statistic a unei cercetri
Mrimea efectu\ui poate fi stabilit, fie pe baza rezultatelor obinute din cercetri
anterioare, fie pe baz teoretic, pornind de la conveniile discutate anterior care
mpart mrimea efectului n: efect mic (influen redus a variabilei independente 1. Creterea numrului de subieci testai
(VI) asupra variabilei dependente (VD)); efect mediu (influen moderat a VI Cea mai simpl i comun metod de a crete puterea statistic a unei
asupra VD) i efect mare (influen puternic a VI asupra VD). cercetri const n includerea mai f11Uitor participani n studiu. Aceasta poate fi
fcut fie prin creterea_ numrc.YJ\:!LQ.~"_~~iec.i din""fL~c;c:~re lot t~stat, fie prin mrirea
numrului de subieci din CWJ,~JDite grupe, mai impQctaote din perspectiva ipotezelor
Dousprezece modaliti de a crete puterea statistic ntr-o cercetare
testate. Spre exemplu, avem un design unifactorial intergrup n care, prin
innd cont c majoritatea cercetrilor sufer de o putere statistic redus, intermediul a trei grupe de subieci (T1-grup de control; T2- terapie individual; T3
se impun o serie de msuri menite s mbunteasc aceast situaie. Dei - terapie de grup), d_orim s testm efectul terapiei cognitiv-comportamentale n
extrem de important, seciunea poate. fi srit de ctre cititorii mai puin reducerea gradului de timiditate. n condiiile n care fiecare grup este format din 1O
familiarizai cu conceptele statistice, datorit dificultii crescute de nelegere a subieci, avem la dispoziie dou posibiliti de a crete puterea cercetrii prin
textului in lipsa unor cunotine statistice i metodologice de nivel intermediar. mrirea volumului eantionului. Prima constl[Q.d_ublarea numrului de subieci din
Totui, o dat dobndite aceste informaii, cititorii vor putea parcurge msurile fiecare grup, ajungnd la 60 de subieci testai. Metoda merit~ utilizat cr],f;!jgate
stipulate, lectura fiind deosebit de util din punct de vedere practic. grLipele~aU almporta,p aproximativ-egal. Dac grupele au o importan dife_rit,
Aceste msuri pot fi mprite n trei categorii mari: orientate spre designul cum ar fi situaia n care dorim s aflm dac intervenia de orice fel (in'CTIVidual
cercetrii (1-7), orientate spre msurrile efectuate n cadrul cercetrii (8-10) i sau n grup) este semnificativ mai eficient dect non-intervenia, vom apela la o
msuri exclusiv statistice (11-12). Aceste modaliti se bazeaz pe lucrrile lui strategie diferit. De exemplu, vom aduga doar 5 subieci n grupele
Embertson i Reise (2000), Hink\e, Wiersma i Jurs (1994), Kirk (1982), Pedhazur experimentale, respectiv 20 de subieci n grupul de control. Similar, dac este mai
i Schmelkin (1991 ), Smith (2000) sau West, Biesanz i Pitts (2000), cu toii important s determinm care dintre formele de intervenie (individual vs. n grup)
interesai s continue munca depus de Jacob Cohen, printele puterii statistice. este mai eficient, vom putea crete grupul de control cu 6 subieci, n timp _ce n
Majoritatea acestor msuri au fost prezentate n alt parte (Sava, 2002; Sava, fiecare grup experimental vom aduga 12 subieci. Se observ c numrul de
2003). subieci adugai se menine constant la valoarea de 30, ns strategia este diferit
n funcie de ipotezele urmrite.

40 41
111111111111Lii i iJIIIIUIIIIIIIIIILIIIIIIIIUIIIIIIIIII ,11111111 1 1 il l1 llllllllllllllllllllllilllllllllllllllll,1lllllllliiiiiiiiii,JIIIIIIIIIIIIIIIII,IIII,IIIIIIIIIUIIIIIIIIJIIIIIIIiilllllllllilllliiiiiiJIII!IIIIUII,IIIII'iiiiiLIIIII,:IIIIIIIIII IIIIIIIIII:IIIIIIIIIIIIIIIIIIIIIilllll,lllllllllllllllllllllllll1llllilllll:llllilll 111111'" 1 1 'I I il 1 1111111! ,1111111 '1111111
1 1
UtilizareaJJ.auLdeign intragrup (cu msurtori repetate)
2.
n cazul n care avem acelaLO!.lJil~F de sub,[eci, un design intragrup are o
putere statistic mai mare dect designul de tip.Jn_i~gr,~p, datorit scderii
dispersieJ..?r9f)ijnee)(pljcate) n primul caz. Fiind vorba de aceiainsubieci testai n
situaii diferite i de subieci.".diferii tt:;stai n cond.iiLJiiferite, vom avea o \fw.
varialvilitte:mi redus a rezultatelor. Aproape orice test statistic are, la numitor
dispersia erorii i n consecin, va duce la un scor t, sau F mai mare, fapt ce
mrete ansele de a obine un rezultat ~f11_rl_~figativ stati~c.="~-=~~=
3.
Introducerea l!JJe.LQQyariabile eficiente
n situatiile n ~~~~- nu este posibil creterea volumului eantioni.Jiui din
cauza economi~i de timp Ycle resurse sau n situaiile n ca~- designul de tip
intragrup- r{C:.este potrivit, ~~
e poate ine seama de efectul unei tere variabile,
denumit~:P9Yari~.kl!?~ Spre xemplu, cuno~cnd importan~ nc:ed_~li.JQ.,.!~:ap~ut,
un cercettor poate msura- Lcontrola~mfluena. acestei vanabile atunci cand
testeaz efectul interveniei cognitiv-comportamentale n reducerea timiditii. Prin
introducerea unei"covariabile care influenteaz relatia difl1re alte.~Ymiabile, fie ele
VI i.VD,,,de cele-;;;-;j~ulte' ori se reduc~ digf?.~~?~~-~~?rl(n~~xplicat~T- i astfel
cresc ansele obinerii unui rezultat semnificativ -statistic, fr a recurge la
creterea numrului de subieci testai. Acest raionament poate fi vizualizat n
figura 2.2.
Di spe,~ts.iEi
",.ICoua
neexp -'
. .--
Figura 2.2. Sursa dispersiei n ANOVA (stnga), respectiv ANCOVA {dreapta)
Utilizarea unui design df?_,.c~eJ.Q![.9~.~!!2alsimplu
4.
Acest principiu filosofic, cunoscut sub numele de briciul lui Oc~l11
exprim primatul unor expli~ii i,Qll?Je ,i corecte n dauna unor modele complicate
i dense, cu prea multe variabile. n statistic, acest principiu a fost etichetat de
Cohen (1990) sub forma "mai puin este mai bine". n studii cu foarte __multe
variaQ.ile_crete ansa de a comite eroarea, de tip 1, adic de a obine anumite
. - --...--=--
rezultate semnificatiye_c,lin
..... ,
ntmplare. Vom ajunge ri"cealalt extrem, ntrebndu-
~
42
1 , , li 1 1 'll'llllllllllllillll111 i lllllllllllllllllllllllllllllll'lllllllllllllllllllllllilllllllllllllllllllllllill 1111illlll:llllill,,llilll::llllll:lllilllllllllllllllllilllllllllllllilll:llll:'lllllllllllll!lll: llllillllllllllllll,llllllllllilllllillllilllllllllillllllllll'lllllllll''''''llllllilllllillll,lllll,llll,lllllillllllllllllllllllll:!lllllllllliiiiiiiiiiiiiiiiiiiiiii,IIIIIIIIIIIIIII!IIIIIIIIIIIIIIIUIIII,IIIIIIIIIIIIIIIIIIIIIIIIIIIIII'IIIIi,ll,li',
1 1
ne _care dintre rezultatele semnificative obinute sunt reale? Prin aplicarea unor
corecii yom putea reduce distorsiuQlL\.3 9reatE!: dar vom crete ansele de a comite
0 eroare df)__ !p_IL De exemplu, prin corecia Bon(erroni, aplicat la o matrice de
coreraii)ntre 16 variabile (de exemplu, factorli .. primari de la 16PF ai lui Cattel),
pragul de semnificaie peritru respingerea ipotezei nule se va modifica de la .05 la
.0004 (.05/60). Astfe_l, o corelaie al crei prag de semnificatie obtinut este de 001
nu va putea respinge ipoteza nul. Corecia este absolut ~eces,ar, deoare~e n
absena ei, n condiiile n care nu exist asocieri reale ntre variabile, probabilitatea
de a obine, din ntmplare, unul sau mai multe rezultate semnificative este de
99,3%.
5. Creterea numrului de trep!Jrpentru Vl.sauJi creterea amplitudinii
factorilor __
..,_,._,,
Altfel spus, sunt mai mari ansele de a obtine un rezultat semnificativ
statistic n condiiile n care facton.tl:Q~_~z_ yarja_z 'mult. Dup trei_edinte de
terapie am putea concluziona c interventia nu condus la ameliorarea 'slluatiei a
clientului. Dup douspreze~.~g,ioe exist anse mai mari de evolutie pozitiv~ a
clientului. De aceea, este"" important s acordm o atentie deosebit nivelului
intensitiLYJ....asupra VD-.. De cele mai multe ori acest nivel t~ebuie ales, astfel nct
s corespund ct mai bineF_ealitii, pentru a avea o validitate ecologic sporit.
Nu ntotdeauna trebuie s""'mrlm-'fftensitatea VI pentru a observ". efectul su
asupra VD. Alteori avem nevoie de o analiz detaliat a evoluieLYI petoat gama
amplitudinii_~~le, Acest fapt poate fi observat i n legea Yerkes-Dodson. Dac am
dori s vedem care este efectul nivelului de arousal (motivare) asupra performantei
n sarcin i am avea doar dou grupe de subieci (slab motivai, respectiv puter~ic
Disp&sie motivai) am putea ajunge la concluzia c nu exist diferene ntre cele dou grupe
DispErsie
Dispersie explicttade
\explicita' de.' i implicit, c nu exist un efect al nivelului de motivare asupra performantei
neexplitata.F===l
\ Vl
VI
subiecilor. Dac n loc de dou grupe, am utiliza trei loturi, corespunztoare a t~ei
'!' trepte ale VI (slab motivai, optim motivai, puternic motivai) am ajunge la rezultate
j
1:. diferite i am admite influena nivelului de arousal asupra performantei subiectilor
' n sarcin. ' '
Dispersie
expli'cata 'de
Tratarea variabilelor c~l,g,(:i!}'!Pffaptqrj fici
6.
Din fericire, de cele mai multe ori, Vi,.JJ.[lj.Jratate automat ca factori fici n
cadrul tehniciiOJ AliQY6,. Dei tratarea VI ca factoL_?I~ator poate tadlita
generalizarea rezultateiQr_obinu~Ja altetrepte ale VI, tehnica sufer de o putere
statistic redus. ntr-un experime~t tipic unifactorial, vom avea 2-3 trepte ale VI i
aproximativ 9Q...de-subieci. Acest lucru este normal, dac VI este trataTca.. fa~tor
fix, ns dac VI este considerat factor aleatoriu va fi. nevoie, pe lful.g un numr
mare de s_gQ.i.~.ci, de un numr ridicat de trepte ale VI pentru a crete puterea
statistic necesar d_.tectrii efectelor existente.
43
 lllllllllll~llllllniiiiiRIIIIII III dll '11' 11 III ''1' .1" '11 11' .1' 1 '1' dl'lll,'l'lll.'ll'lll lll'"llr'll.l'l'll,'l'.'lllllmillll:r'llillil,l:l,lllil 11 1 '11'11' 1:, 1
lll:!:rli'l i'"

Utilizarea unor ipoteze unidirecionale (uni/aterale)

7. nainte de transformarea datelor se observ o deviere important de la
n condiiile utilizrii'Unell'poteze de tip~uniqirecional se dubleaz aos~el~-- normalitate, fiind o distribuie puternic asimetric negativ. De altfel, anormalitatea
de a obine rezultate semnificative statistic, deci crete puterea_ ~s<3~~~~ a distribuiei este susinut i de rezultatul testului .Kolmogorov-Smirnov (z = 1,50,
cea;grii. Astfel, dac-etectum o -corelaie pe 25 de subieci ntre dou probe i p < .05). Dup ridicarea la ptrat a .rezultatelor se reduce foarte mult asimetria
obinem o valoare de -.30 vom interpreta diferit rezultatele n funcie de tipul de datelor, ns intervin unele modificri la nivelul boltirii. Totui, dup transformare,
ipotez avut. Datele ar fi sprijinit o ipotez unidirecional ( "persoanele cu un distribuia obinut nu difer semnificativ de una normal (z = 1'13, p > .05), fapt ce
nivel crescut de depresie tind s petreac mai puin timp n ora?"), r = -.30, P < va permite aplicarea unor teste parametrice. Prin asemenea transformri scad
.05, ns ar fi infirmat o ipotez bidirecional ("exist vreo asociere ntre nivelul de ansele de a comite erori de tip 1 sau 11. O parte din transformrile posibile au fost

depresie a unei persoane i perioada de timp petrecut n ora?"), r = -.30, P > .05 .. discutate n seciunea 1.4.3. din capitolul viznd statistica descriptiv.

Utilizarea scalelor de msu,rat;e. numerice,.de tip interval sau propgrJLi

8. 1O. Selectarea unor probe c~r;;,~[f!C:!f!ristici psihometrice ridicate, mai ales n
cazul ~urrii VD - - -- - - - - " -
Acest gen de scale de msurare apeleaz frecvent 1~ tehilicLstai__tice .. 'e"C:'='~'.:,~:-c."~.;.."$:

par.e.f!Jetrice. Din perspectiva puterii statistice este cunoscut faptul c tehnicile \~tehlii care au un nivel d5l,..~[Q9T~ sczut i care reuesc s reflectl'J_~cu
statistice=parametrice au un niveL mai ..ridicat dect metodele statistice sensib~it~te orice variaii ale variabilei latente c~r~spunztoare conduc la; pute~e
n
nepar9.r:netri~e~ consecin, ar fi de dorit ca c~puip_xari,abilele dependente sau statistic mai mare dect cei care nu ndeplinesc aceste condiii. Spre exemplu, o

cr-iteriu s fie msurate prin scale numerice, evitndu-se, pe ct posibil, il'f'Crrarea scal care are o consisten intern de .65, are un nivelJidicat
............._"."....,........ -- ...... t .. . .
al erorii , fapt ce
-

lor prin scale de tip nominal sau ordinal. afecteaz relaionarea sa cu alte probe. De pild, n core la rea scai ei cu alte probe
se vor obine valori sczute, sub nivelul a .65, deoarece ea nu poate obine
9. TransformJU~J3 daeloc. pentru a ndeplini condiiile diff}_[itelor_Jrq,hnici corelaii mai mari dect cu ea nsi (r = .65). Astfel, relai sa cu o alt variabil
statistice este atenuat i poate deveni chiar nesemnificativ statistic. Spre exemplu, am
--- Chiar dac datele sunt msurate prin scale-.[lumer.ice, majoritatea putea obine o corelaie de .25, care ar fi fost mai mare dac ambele probe ar fi
tehnicilor statistice necesit alte condiii suplimentare pentru a putea fi aplicate. avut o consisten intern ridicat, n jurul a .90. n privina sensibilitii, teoria
Nerespectarea asumpiilor majore, n situaii de aplicare mecanic a testelor rspunsului la itemi ofer un bun mijloc de a testa i selecta acei itemi care

statistice, poate conduce la erori de tip 1 sau 11 n testarea ipotezelor. Spre rspund cel mai bine cerinei de sensibilitate. Nu n ultimul rnd, scalele care

exemplu, o distribuie complet anormal a variabilei dependente ar presupune coreleaz mo~-~L.au _puternic cu probele de dezirabilitate social pot duce la
renunarea la aplicarea testului t pentru dou eantioane independente, n scderea puterii statistice.

favoarea unei metode neparametrice corespunztoare, n acest caz, testul U al lui

Mann-Whitney_ Puterea statistic a metodei este ns la nivelul a 69% din 11. Salvarea unor'grq.cjgde libertate
capacitatea testului t de a detecta diferene ntre cele dou grupe. n asemenea Dei am amintit implicit de acest aspect la punctul patru, salvarea unor

condiii pot fi adoptate o serie de artificii statistice de transformare a datelor brute, grade de libertate, cu scopul de a spori puterea unE~LG~[~-~Jri, poate fi fcut<~ri
menite s corecteze distributia obtinut, astfel nct s nu fie probleme cu ntr-un desigD comple_x (de exemplu, ANOVA.~_;3J.<__J:<3). ntr-un asemenea caz am
aplicarea testelor parametrice.' Exist o multitudine de transformri posibile, cele putea calcula apte indic!~!L.Y cte trei pentru efectele -~I,Pr?JE) (FA, FB, Fc),
mai ntlnite fiind ridicarea la ptrat, extragerea rdcinii ptrate sau utilizarea pentru interaciunile de ordinul doi (FAB, FAC, Fsc) i unul pentru interactiunea
logaritmilor naturali. tat, spre exemplu, valorile indicatorilor de asimetrie i boltire, complex de "Qrdinuj .trei {FAsc):-~Ju are rost s calculm toate aceste efe~te n
nainte i dup transformare, dintr-o baz de date fictiv (tabelul2.4): condiiile n care' sunt interaciuni cre nu ne intereseaz sau n cazul n care
interpretarea rezultatelor ar fi dificil sal!.J.ipsit Cie'sens (eX. FABC). Renuntnd la
Tabelul 2.4. Valori descriptive nainte de transformare X i dup transformare X
2 calcularea acelor indici, vom salva un anumit.'numr~g.e grade de libertat!, c~;;;ce
ar duce la o cretere uoar a pu_t~rii statistice a testelor F rmase a fi ef~ctuate. n
Boltire Eroare standard
Variabil Asimetrie Eroare standard situaii limit, prin salvarea unor grade de libertate, rezultatele ;e~emn_ific~tive pot
.618
X
X2
-.978
-.439
.314
.314
.082
-.952 .618 -
deveni semnificative (de exemplu, un p de .07 se schimb ntr-un p de .04) .
............~.

44 45
 ill' 1111111:1111111! 1111 11111111111
'"""'""''~"'"''""""'"'"'""''
!illll''lil1''!1 i!illlllllllillll.lllllllll:lllllllll111111 1! ll!ll'lllll''l'il!'l''!"l'' ,, 111:1i lli:l li 111i,lii llilll

31BLIOGRAFIE Thompson, B. (2002). "Statistica!", "practica!", and "clinica!": how many kinds of significance
do counselors need to consider? Jouma/ of Counseling and Development, 80, 64-71.
l.PA (2001). Pub/ication manual of the American Psychological Association (5th ed.). Tversky, A., Kahneman, O. (1993). Belief in the law of small numbers. In G. Keren & c.
Washington, DC: American Psychological Associaiion. Lewis (eds.). A handbook for data analysis in the behavioral sciences: methodological
3ecker, L. (2003). Effect size. Gsit la: http://www.uccs.edu/-lbecker/psy590/es.htm. issues. Hillsdale, NJ: Lawrence Erlbaum Associates, Publishers.
::;Jocotici, V., Stan, A. (2000). Statistic aplicat n psihologie. lai: Editura Polirom. West, S.G., Biesanz, J.C., Pitts, S.C. (2000). Causal inference and generalization in field
::;ohen, J. (1990). Things 1 have learned (so far). AmericanPsychologist, 45(12), 1304"1312. settings: experimental and quasi-experimental designs. In H.T. Reis & C.M. Judd (eds.).
::;ohen, J. (1994). The earth is round (p< .05). American Psycho/ogist, 49(12), 997-1003. Handb?ok of _research methods in social and personality psychology. Cambridge:
Jyer, C. (1 995). Beginning research in psycho/ogy: a practica/ guide to research methods . Cambndge Umversity Press, 40-84. -
and statistics. Oxford, UK: Blackwell Publishers Ud. Yu, C.~-~- (2003). 11/ustrating degrees of fr~edom in terms of simple size and dimensionality.
Embertson, S.E., Reise, S.P. (2000). Item response theory tor psychologists. London: Gas1t la adresa http://seamonkey.ed.asu.edu/-alex/computer/sas/df.html.
Lawrence Erlbaum Associates, Publishers.
Fan, X. (2001 ). Statistica! significance and effect size in educational research: two sides of a
coin. The Jouma/ of Educational Research, 94(5), 275-282.
Faul, F., Erdfelder, E. (1 992). GPOWER: A priori, post hoc, and compromise power
analyses for MS-DOS [Computer program]. Bonn, Germany: Bonn University, Dept. of
Psychology.
Hastie, R., Stasser, G. (2000). Computer simulation methods for social psychology. n H.T.
Reis & C.M. Judd (eds.). Handbook of research methods in social and personality
psychology (p.85-114). Cambridge: Cambridge University Press.
Hinkle, D.E., Wiersma, W., Jurs, S.G. (1994).Applied statistics for the behavioral sciences
(3'd ed.). Boston: Houghton Mifflin Company.
Kirk, R.E. (1982). Experimental design: procedures for the behavioral sciences (2"d ed.).
Belmont, CA: Brooks 1 Cole Publishing.
Leventhal, L., Huynh, C.L. (1996). Directional decisions for two-tailed tests: power; error
rates, and sample size. Psychological Methods, 1(3), 278-292.
Pedhazur, E.J., Schmelkin, L.P. (1991). Measurement, design, and analysis: an integrated
approach. Hillsdale, NJ: Lawrence Erlbaum Associates, Publishers.
Rosenthal, R., DiMatteo, M.R. (2001 ). Meta-analysis: recent developments in quantitative
methods for literature reviews. Annual Review of Psychology, 52, 59-82.
Rosenthal, R., Rosnow, R.L., Rubin, D.B. (2000). Contrasts and effects sizes in behavioral
research. A correlational approach. Cambridge: Cambridge University Press.
Sava, F. (2001). Reducing teachers' misbehaviour: an action approach. Revista de
Psihologie Aplicat, 3(4), 31-42.
Sava, F. (2002). Ten ways to increase statistica! power. Analele Universitii de Vest din
Timioara. Seria Sociologie, Psihologie, Pedagogie i Asisten Social, 8, 89-92.
Sava, F. (2003). Puterea statistic i testarea ipotezelor. Psihologia Resurselor Umane,
1(2), 28-34.
Singer, B.R., Lovie, A.D., Lovie, P./(1986). Simplesize and power. n A.D. Lovie (ed.). New
deve/opments in statistics for psychology and social sciences (p. 129-142). London: ThEl
British Psychological Society and Methuen.
Smith, E.R. (2000). Research design. n H.T. Reis & C.M. Judd (eds.) . .Handbook of
research methods in social and personality psychology (p.?-39). Cambridge:
Cambridge University.
Thompson, B. (1999). lf statistical significance tests are broken 1 misused, what practices
should supplement or replace them? Theory & Psychology, 9(2), 165-181.

48
49
 TEHNICI INTRODUCTIVE DE TESTARE A IPOTEZELOR

Dac n capitolul anterior am insistat asupra logicii i principiilor de baz n

testarea ipotezelor, n seciunea urmtoare vom aplica cunotinele respective la
nivelul celor mai rspndite tehnici statistice introductive. Testarea ipotezelor, n
cazul unui studiu cu dou variabile, poate fi neleas simplificat ca rspunsuri la
una dintre urmtoarele ntrebri: "Exist o asocier~_f:!rT]nif]9_ltiv statistic ntre
dou variabile?" sau "Exist difereiJ.tE!.~~I'l[!J!Jificative statistic ntre dou grupe?". De
notat c sintagma "semnificativ statistic~' ;lU se refer la amplitudinea corelatiei
. '
sau a diferenelor observate, ci implic ideea unei probabiliti foarte mici de a
obine datele culese n condiiile n care ipoteza nul este adevrat. Premisele
acesteia indic, fie c "nu exist asociere ntre cele dou variabile", fie c "nu
exist diferene ntre cele dou populaii din care au fost extrase eantioanele".

3.1. Testarea asocierii dintre dou variabile

3.1.1. Coeficientul de corelaie r

Prin analiza corelaional se urmrete n ce msur schimbrii~ dintr:o
variabil sunt nsoite cj~ schimbrintr-o alt variabiJ. Coeficientul de corelaie
liniar r este cel mai ntlnit indicator de msurare a gradului da.asociere dintre
doL!_~lLXiilri?bile, Aa cum am precizat n capitolul destinat prezentrii elementelor de
stErtisti descriptiv, r poate varia ntre -1 i 1, unde O semnific absena legturii
dintre dou variabile.
S presupunem c ntre nivelul de extroversiune i nivelul de neuroticism
nu exist legtur, adic avem un r egal cu O. Pentru a testa relaia, vom extrage
un eantion de 30 de persoane din cadrul studenilor la psihologie, vom testa
nivelul celor dou dimensiuni ale personalitii i vom obine o valoare r de -.09.
Dac am fi testat aceeai relaie pe ali 30 de "studeni la psihologie, alei la
ntmplare, am fi obinut un r de .04. Extrgnd alte loturi de subieci, vom observa
c majoritatea indicatorilor r sunt apropiai de zero i mult mai puini sunt
ndeprtai de aceast valoare. Din pcate, n practic nu ne permitem s
extragem att de multe eantioane pentru a testa relaia dintre dou variabile. De
obicei se testeaz un singur lot de persoane, rezultnd o valoare r unic, s zicem
-.12. ntrebarea devine: ce probabilitate exist s obinemun r de -.12 n condiiile
n care ruJ.saxit legtur ntre cele dou variabile (r real este O)? Indic un r de

51
 lllllll,illlllhllllll:lllll:llllllll:lll:llllllll 1111111'111111,,1111111111 1:.1!:'11!1:!!1' i: 1! '1::1,11i:li,ll:
11 1
1'!1111:1111111111,1111::111 1!111'!111111::111.1111.111'' ''lll:illllll:llliillllli:lllillll:,!llllllil:il.ill

-.12 absena asocierii ntre cele dou variabile? Conform statisticii descriptive nu ntre agresivitate i frustrare", "temperaturile crescute tind s conduc la un
ne putem da seama de acest lucru, deoarece valoarea de ;.12poate fi interpretat consum ridicat de lichide", "voni analiza_@l!fa dintre extroversiune i timiditate"
ca o uoar asociere negativ ntre cele dou variabile, ceea ce implic faptul c indic ,ideea de corelaie. n exemplul dat, e;presiile "un nivel crescut de auto-
persoanele cu scoruri ridicate la extroversiune tind s aib un nivel mai sczut de prezen'are este asociat cu un consum mai mare de produse cosmetice" ori "pentru
neuroticism. a studia\r~ia" dintre cele dou variabile" sunt indiciile care ne conduc la ideea
Din pcate, valori!;_d.e,_~riptive sunt depens!.,~!]te de o serie de factori, n necesitii de a calcula un coeficient de corelaie.
special de volumul eantionului. un r de -.12 indic o legtur~ativ ntre cele
dou variabile fn~cazurl.inui eantion-1e._1QQO de_ persoane, respedi'v ab~~ (2) Ce fel de date au fost colectate?
relatiei dintre variabile n cazul unui eantion de-50 de persoane. Pentru a lmuri Cheltuielile lunare .pe produ~e cos~etice, exprimate n euro, reprezint
ace~st dilem este nevoie s privim valoarea coeficientului de corelaie din date n~!:lS,e, de tip ~mpor:il, n timp ce nivelul de management al impresiei este
perspectiva statisticii infereniale. msurat prin scale numerice de tip interval, prin cumularea rspunsurilor la cele
lat un exemplu ipotetic, menit s faciliteze interpretar~a inferenial a lui r:
-=,,. ________________ _ cinci ntrebri. Astfel, cheltuielile pe produse cosmetice sunt cuprins~ ntre 2 i 28
de EURO, iar nivelul de management al impresiei este situat ntre 5 i 20 de
Conform unei analize efectuate de Leary, Tchividjian i Kraxberger (1994/1999), puncte, un rezultat ridicat nsemnnd un nivel crescut de auto-prezentare. Tinnd
ntre nivelul de auto-prezentare (management al impresiei) i cheltuielile lunare pe produse cont c ambele variabile sunt ms~ __prin scale n~tmerice, vom apela, c~l mai
cosmetice exist o asociere pozitiv. Un nivel ridicat de management al impresiei indic un probabil, la coeficientul de corelaie r.
autocontrol puternic fa de modul n care o persoan este perceput de ctre cei din jur i
implicit, mai mult grij fa de aspectul su fizic. De aceea, ne ateptm ca un nivel crescut (3) Condiiile aplicri~.luLr ..sunUIJdeplinite?
de auto-prezentare s fie asociat cu mai multe cheltuieli pe produse cosmetice. Pentru a Pe lng caracterul~r:t-umeric aLqE;I\:>r colectate, pentru a aplica r mai este
studia relaia dintre cele dou variabile, vom colecta date cu privire la cheltuielile lunare, nevoie ca relaia dintre cele dou varial;l.iJ_~s!Jie linilr i ca norul de puncte s
exprimate n EURO, pe produse cosmetice i la nivelul de management al impresiei, obinut indice o situaie de horgp,scedastic,itt!~ Ambele aspecte, discutate n capitolul
pe baza unui chestionar. Lotul testat include 50 de adolesceni (25 de fete i 25 de biei), introductiv de statistic descriptiv, pot fi apreciate prin inspectarea norului de
ale cror rspunsuri sunt prezentate n baza de date "corelatii.sav'. puncte din figura 3.1.

Pentru a rezolva problema, va trebui s rspundem la urmtoarele so,-------------, sa,--------,

ntrebri:

1) Cum identificm faptul c este vorba de o corelaie?

20
2) Ce fel de date au fost colectate?
3) Condiiile aplicrii corelaiei respective sunt ndeplinite?
4) Ce fel de ipotez trebuie testat?
5) Ct de intens este asocierea dintre cele dou variabile?
sexul persoanelor
Rspunsurile la primele patru ntrebri ne ajut s gsim coeficientul de
o baieti
corelaie care trebuie calculat i ne ofer o imagine despre gradul de adecvare a
x fete
interpretrii valorii gsite. Ultima ntrebare vizeaz un aspect distinct, ce ine de 10 16

mrimea efectului, adic de intensitatea relaiei dintre cele dou variabile. managementul impresiei managementul impresiei

(1)Cum identificm faptul c este vorba.J!fil.O corelaie?

Figura 3.1. Norul de puncte dintre cele doua variabile nedifereniat (n stnga), respectiv
Multe dintre studiile ntreprinse n psihologie apeleaz la metoda corelaiei.
difereniat n funcie de sexul respondentului (n dreapta)
Putem identifica necesitatea analizei corelaionale din modul de. forr:o.ul.PJ:~ a
obiectivului, respectiv a ipotezeL.de-,cercetare. Expresii de genul: "urmrim s
Dac analizm imaginea din partea stng, vom constata att liniaritatea
eviden~em gradu/.,de~asociere dintre inteligen i memorie", "exist-o--legtur relaiei (punctele par a evolua dinspre stnga jos spre dreapta sus, indicnd o

52 53
----~-1111111111111111111 1 111111c!IIIIUIIIIIUIIIIUIIIIUIIIIUIIIIUIIIIIi,lllllciiiiiLIIIIIIUIIIII,IIIIILIIIIIIJIIIII:IIII:IIIIIUIIIIIdiiiiLIIIIIUIIIIIJIIILIIIIII!IIIIIJIIIIIIIII,IIII:IIII,illllllllllll' III,IIIIIIIIIILIIIII!IIIIIIIIIIIIIIIIIIII'IIIIIIIIIIIIIIIIIIIII,,IIIIIIIIIIIIIIIIIIIIIIIII il li 1 1 1 1 1 :lll!llll::llli 'I I' llll:illlllllllllll:!lllllllllllllillllllllll:llllilllll:lllll:llllllllllllllllllllllllllllll:lllllllllllllllllll'llll' :llllllll:lllll,lllllllllllilllll:llllllllll:lllllllll, I I' :1 ,
1 '''"''"'""""'llllllll'llllllllllllllllllllllllllllll''lllll!llll,llll''lllllllllllll'llllllllll'llll,lllllll!lllllillllllllll 1111111111''"""'"""'""'""'""""'"'""'"''""""""'""""'1111111111!11111111!1111l'lllllllllllllll'llllllllll"llll''""'"'''"'"""""'"""""'"""""'''lllll'llllllllllllllllllllllllllllll!llllllllll'llll'lllll"lllll'llll'lllll'lllllllllllllllllllll'llll'llll'lll'lllllllllllli' _ _ __
1

asociere liniar pozitiv ntre variabile), ct i homoscedasticitatea relaiei pearson), deoarece ipoteza dorete stabilirea gradului, de asociere dintre
(punctele par a forma un nor de puncte de grosime similar pe ntreaga preo-cuparea pentru managementul impresiei i cheltuielile lunare pentru produse
amplitudine a evoluiei celor dou variabile). Prin urmare, toate condiiile aplicrii lui cosmetice. Ambele variabile sunt msurate prin scale numerice, iar relaia dintre
r sunt ndeplinite. Totui, dac vom analiza i imaginea din dreapta, cu norul de ele ete liniar i homoscedastic. n plus, pentru testarea valorii r va trebui s
puncte rezultat n urma diferenierii dintre cele dou sexe ale subiecilor tinem seama de faptul c ipoteza este formulat n termeni unidirectionali
(unilaterali). ~- --- -- - ---
respondeni, vom observa c, n cazul bieilor, punctele sunt ceva mai mprtiate
(norul de puncte fiind mai gros). Aceast imagine ne face s credem c fn SPSS vom obine valoarea lui r, dac vom urma calea din meniu:
intensiatea legturii dintre cele dou variabile este uor diferit pentru fete, "Analyz~_:o~()!!.~~i~iate". Fereastra deschis ca urmare a acestor opiuni
respectiv biei. Cu alte cuvinte, ne ateptm s existe o asociere mai mare ntre are selectat ca varl~t standard .. r:>earson", adic exact coeficientul de corelaie
preocuparea pentru managementul impresiei i cheltuielile lunare pentru produse de care avem nevoie."Na.+mne doar s selectm variabilele ce urmeaz a fi
cosmetice n cazul fetelor, dect n cazul bieilor. De aceea, pe lng valoarea lui corelate i s modificm opiunea "two-tailed" (bidirecional) n "one-tailed"
(unidirecional). Output-ul oferit de SPSS este prezentat n figura 3.2. ~-,_._,"~. -;:
r pentru ntregul lot de subieci, vom calcula i valorile r pentru fiecare sex n parte.
Aceast msur este complementar n cazul corelaiei, ns devine esenial n
stabilirea unor ecuaii de regresie predictive. produse managementul
Tot din imaginea respectiv se observ cheltuieli mai ridicate din partea cosmetice impresiei
produse cosmetice Pearson Correlation 1 ,699*
fetelor pentru produse cosmetice n comparaie cu cele ale bieilor.
Sig. (1-tailed)
N 50
. ,000
50
(4) Ce fel de ipotez trebuie testat? managementul impresiei Pearson Correlation ,699* 1
Ipotezele de cercetare pot fi exprimate, fie n termeni unidirecionali Sig. (1-tailed) ,000
(unilaterali), fie n termeni bidireci.Q_Qali (bilaterali). n prima categori;"mcfudem N
expresii de genul "persoanele cu un nivel de inteligen ridicat tind s obin .. Correlation is significant at the 0.01 level (1-tailed).
50 50

performane superioare n rezo!varea problemelor de logic" sau "un nivel cresc~t

de anxietate tinde s fie asociat cu un nivel sczut de agresivitate verbal". In _Figura 3.2. Output-ul SPSS cu rezultatul corelaiei dintre cele dou variabile
ambele expresii este ~t clar direcia asocierii dintre variabile, ea fiind SPSS este o marc nregistrat.
pozitiv n primul caz ("cnd Xcrefe; Y tinde s creasc") i negativ n cel de-al
doilea (,.cnd X crete, Y tinde s scad"). n schimb, ipotezele blQirecionale.n\L~.~ Rezultatul se poate scrie simplu sub forma: r(48) = .70, p < .01. n
precizat clar direcia de asociere dintre dou variabile. Expresii de genul "exist ci expresie, r este simbolul coeficientului de corelaie liniar simpl, iar ntre
coreiaie ntn:Xi Y" sau "exist o corelaie ntre problemele de sntate i nivelul paranteze sunt trecute gradele de libertate ale testului. Valoarea 48 indic gradele
de management al impresiei" sunt tipice pentru cazul ipotezelor bidirecionale. de li~~rt~te, c~re se calcu_lea~, n ~az:JJ.ts:ore>laiei, . prin form~~ . I.Jmie N
n exemplul nostru putem distinge situaia unei ipoteze unilaterale, ~ . semn1f1ca numarul de sub1ecL testai. Valoarea de .70 este rezultatul rotunjit
deoarece direcia asocierii dintre variabile este precizat. Cercettorul se ateapt 1. observat la intersecia dintre managementul impresiei i produsele cosmetice,
ca un nivel crescut de autoprezentare s fie asociat cu un consum mai mare de 1 adic r. n sfrit, p < .01 semnific probabilitatea de a obtine datele observate n
produse cosmetice. 1 condiiile n C~.!J;~JlY.. exist o asociere ntre maoe~lm~fu( impr~~iei i nivelul
Importana distingerii dintre cele dou tipuri de ipoteze se regsete n 1 cheltuielilor pentru produse cosmetice. n cazul de fa~ observ o probabilitate se
valorile r semnificative statistic. Testareq,.ipotezelor unidirecionale urmrete n ce ~ mai mic de 1 la 100 (< .01) de a obtine un r de .70 n conditiile n care nu ar
msur Y..l_ger:ea lui- r este semnificativ diferit de_O n sens pozitiv (n cazul unei exista o corelaie ntre cele dou variablle. ' '
prezise asocieri pozitive), respecthdo .sens negativ (n cazul unei prezise asocieri Prin urmare, datele sprijin ipoteza lansat, conform creia o preocupare
inverse). n schimb, testarea ipotez~lor bidirecionale urmrete n ce msur r crescut pentru crearea unei impresii favorabile n ochii celorlalti se asociaz cu
difer semnificativ de O n oricare directie, fie spre -1, fie spre +1. Datorit acestor cheltuieli mai ridicate pentru achiziionarea de produse cosmetice. Rmne s
diferene ..exfst d-;d~~ mi-mai multe 'anse s obinem un rezultat semnificativ stabilim magnitudinea relaiei dintre cele dou variabile, nu nainte de a aminti c
statistic n cazul ipotezelor unidirecionale dect n cazul celor bidirecionale. relaia dintre cele dou variabile este r(23) = .79, p < .01 n cazul fetelor, respectiv
Sintetiznd rspunsurile cheie pentru problema dat, vom concluziona c r(23) = .58, p < .01 n cazul bieilor.
putem aplica coeficientul de corelaie r (coeficientul de corelaie r Bravais-

55
54
 IIILIIIIIJIIllllilllllllllliiiiiiiii~IIII--IIIIIIIIWIIIIIIIIIIII~IIIIIUIIIII:IIIII~II
(5) Ct de intens este asocierea dintre cele dou variabile?
Majoritatea textelor statistice evit s rspund la aceast ntrebare,
rezumndu-se s prezinte rezultatele sub forma menionat anterior. Totui, a_9
cum am subliniat n capitolul destinat testrii ipotezelor, pragul de semnificaie p[fu
indic intensitatea unei relatii ci raritatea~-..._."
-....:.---------.. --"" ' ' '
de a obtine asemenea date
__ .... 1 --~
n condiiiTe
n care .ipoteza nu.l _este adevffirat. Spre eXemplu, la un numr de 700 de
persoane testate-p~;;;;obine un -r foad.e~mic, dar semnificativ-statistic, cum ar fi. r
(698) =: .08, p < .001.
Cel mai utilizat criteriu pentru a aprecia inte.g,sita,_t~~".~e.~[j dintre dou
variabile se numete coeficie[lt de determinare, notat cu r2 . Aa cum arat simbolul
su, se calculeaz foarte uor, fiind ptratul coeficientului de corelaie. El poate fi
exprimat i n procente, unde 100% corespunde unui coeficient de corelaie de 1
sau 1. Din pcate, acest criteriu nu este ntotdeauna adecvat din cauza influenei
pe care o are mrimea lotului n determinarea valorii lui r i, implicit, a coeficientului
de determinare. El trebuie analizat cu grij n cercetrile corelaionale cu Jlli? puin
de20de subieci, respectiv cele care depesc 200 de pergane.
Prin intermediul coeficientului de determinare se evalueaz p~rte,<L_<~e
asociere comun a .celor. dot1 "variabile, indicnd procentul diR-dispersL<;J__ unei
variabile care s;;;~;iaZ:' cu. modul de mprtiere a celeilalte vqriabile. Cu. alte
cuvinte, coeficientul de determinare arat gra~.L,.Q .. comunalitate dintre dou
variabile. n cazul n care una dintre variabile este inC:lependent, iar cealalt
dependent, interpretarea se modific uor. Coeficientul de determinare poate fi
neles ca procentul dir;~-!:li_eer.(? .variabilei -depen9.ente .. <:Xplicat .d~"' evoluia
(influerl<'lL~~fil!?ll<:i ir:td,ep.~f1dente.SPedhazur i Schmelkin, 1991 ). cu alte cuvinte',
coeficientul de determinare ne arat cL.pe mare este influena variabilei
independente asupra variabiJ.ei dependente.
n exemplul ilustrat, vom'obine un coeficient de determinare r2 de .49
(49%), ceea ce nseamn c aproape jumtate din dispersia celor dou variabile
are o evoluie comun. De obicei, coeficientul de determinare atinge valori mult mai -
mici. Prin comparaie cu criteriul orientativ stabilit de Cohen (1988) pentru indicele
. d, putem aprecia c un coeficient de determinare de..,GQtindic o asocieresc.zut
ntre dou variabile, o valoare de ...06-.indic o asociere de intensitate medie ntre
dou variabile, iar un r2 de "_Li_e~nific o asociere puternic ntre dou variabile.
n consecin, ntre gradul c!e preocupare pentru managementul impresiei i
cheltuielile lunare pentru produse cosmetice exist o legtur foarte puternic. Cu
ct gradul de preocupare pentru imaginea avut n ochii celorlali este mai mare,
cu att exist o tendin de a cheltui mai mult pe produse cosmetice.
O alt limit a coeficientului 9e determinare o constituie valoareapractici1.a
unei asocieri. Uneori, aa cum am amintit de relaia dintre aspirin i infarctul
r miocardic, un coeficient de determinare extrem de mic, de numai O, 1%, arat c 34
i Figura 3.3. Schema unei relaii cauzate ntre dou variabile
din 1000 de atacuri de cord ar fi putut fi evitate prin consumul de aspirin. Deci, pe
lng magnitudinea schimbrii evideniat prin indicatori ai mrimii efectului,
precum r2, va trebui s inem seama i de aspectul valoric al schimbrii.
. -~~ .
""""""~Al"
56
111'111 11111:
n fine, se cuvine s reamintim c exist o convenie de folosire a semnelor
n cazul indicatorilor de mrime a efectului. Acetia vor lua valorillegaive n cazul
n care efectul apare n,c!i.r~.s\L~ gp_us.s_eleL precizc:~te n ipotez, respectiv semnul
plus, dac efectul apare n direcia scontat. -"
Limitele interpretrii coeficientului de corelaie
Pn la urm, corelaia nu este dect un procedeu statistic ce msoar
covari9DJ9 <:!intre. dou variabile standardizate. Totui, din punct de vedere
met~dologic, ca!ita.~ea unurcbefiCieritCle corelaie poate diferi, dei indic aceeai
cantitate a asocierii. Spre exemplu, un r de .60 arat un grad de covariant ridicat
ntre dou variabile, dei sursa legturii dintre ele poate fi dif~rit~ti~t~va idei
de baz: -
Corelaia nu implic o cauzalitate
Muli nceptori tind s testeze, prin metoda corelatiei, ipoteze ce contin
sintagme cauzate. O expresie de genul "n ce msur int~Jigenta influentea~
perfopnanele colare ale subiecilor" ~u'poate fi demonstrat prinX~t~rmediultui r.
Valoarea coeficientului de corelaie poate arta doar dac cele dou variabile
covariaz n aceeai direcie, ns un r semnificativ nu poate fi un substitut pentru a
demonstra existena unei relaii cauzate. Aceasta poate fi demonstrat, fie printr-un
desJgn experimental ce presupune manipularea variabilelor de interes de ctre
cercettor, fie printr-un demers logic, n care relaia dintre cele dou~ variabile este
clar (cldura excesiv duce la creterea consumului de lichide i nu creterea
consumului de lichide duce la creterea temperaturii aerului). .
Sursa coy~~i,~nei dintre dou variabile poate fi divers
,H
.......
~ Brewer (2000) ofer o sintez excelent cu privire la posibilele surse ale
corelaiei dintre dou variabile. Acestea au un rol deosebit n stabilirea validittii
interne a unei cercetri. '
O posibil cauz a reJ.aiei dintre dou variabile este tocmai dependenta
cauzal,<;l.JlneiaJa. de cealalt, cum ar fi creterea consumului de lichide cu ct
gradul de deshidratare crete.
57
 11 illi:ll!!

O cauz,_posip@ __a_ relaiei dintre dou _variabile este asocierea

alt dou variabile este mai intens (r = .79) dect n cazul b- tl ( - .
(dependena) uneia-saw",arnbelor variabile cl_o ter.:.varia.JJi. Asemenea asociaii . . . a1e,1 or r- .58). Uneon
vanabilele moderatoare
...,__ ~.~- po chiar
.: bloca relatia
, cauzar- d" t
a rn re X I
y . Astfel, am'
-- ... ,,"
se numesc corelaiUalse (n englez .,spurious correlations"f putea concluz1ona eronat c t1mpu! petrecut la soare nu 1 nfl t - -
. . uen eaza n1velu! de
bronz~ re a une1. pers_oan.e. Datele culese indic acest lucru, deoar~ce toti subiectii
testai au fost Imbracati n echipamente de protect1 e Ace t - ' '
. . , , . s ea }Caca ro 1u1 une1
. vanab1fe moderatoare a relaiei dintre X i Y.

Figura 3.4. Schema unei relaii false mtre dou variabile X i Y

n partea stng a figurii 3.4, corelaia dintre X i Y este rezultatul influenei Figura 3.5. Schema unei relaii dintre X i y moderat de 0 ter variabil
unei variabile tere C. Aceasta are o relaie non-cillJ.~,cuXi una cauzal-cu-::Y...
S presupunem c un cercettor ajunge la concluzia c zilele ploioase (X) duc la o . fn sf~rit, merit. fcut distincia dintre variabilele moderatoare i cele
dispoziie afectiv depresiv (Y). O asemenea concluzie este eronat<\ deoarece o med1atoare.. In cazul ultimelor, prezenta variabilei terte este -
aparitia relatiei d. t X . y ....._-~--- .. , ., necesara pentru
mulime . de fenomene atmosferice, precum presiunea aerului sau gradul de , _ , . -:.lQJ_~' . Astfel, X afest_?, variabila C, care la rndul ei
luminozitate, sunt asociate cu prezena sau absena ploii fr a exista o relaie de afect~c:_zClvana~l!g:~ Y.. 1~ cazul .rel~iei dintre prezena sau absena ploii i dispozitia
cauzalitate ntre ele. n schimb, aceste condiii atmosferice pot influena dispoziia afectl~a,_poate f1 "ofenta o exp~~ca1e alternativ, pe baza unei variabile mediatoa~e.
afectiv a subiecilor. n consecin, dispoziia afectiv nu este dependent de Atunci c~nd ploua (X), oamenu prefer s rmn n cas (C). or, aceasta implic
prezena sau absena ploii, ci de condiiile atmosferice care nsoesc acest un n~mar redu.s d~ contacte sociale (C) i poate favoriza apariia unei dispozitii
fenomen natural. De remarcat c pot fi o multitudine de variabile tere care s ~fectlve negativ~ .\{). ~n ~It exemplu, din psihologia educaional, privete
afecteze relaia dintre dou variabile. 1nfl~ena c~ncep1e1 ~ascal.u!UJ. cu privire la calitatea relaiei profesor-elev. Aceasta
n partea dreapt a figurii 3.4, cele dou variabile X i Y ajung s varieze la randul e1, afecteaza motivaia colar a elevilor.
deoarece ameeJe,suntinfluentate de o variabil tert. O situatie tipic ar fi relatia
testat pe un lot de;~'pii cupri,ni ntre 2 i? ani, di~tre numr~! de ore de somn,i
numrul de cuvinte tiute. Corelaia fals dintre cele dou variabile ne-ar putea
duce la concluzia c o persoan care doarme mai puin, tie mai multe cuvinte.
Situaia ar putea fi uor remediat dac am contientiza i controla rolul vrstei Figura 3.6. Schema unei relaii dintre X i Y mediat de o variabil ter
asupra celor dou variabile, tiindu-se dependena evoluiei somnului i a
dezvoltrii limbajului de vrsta cronologic. Toate. ~ceste situaii arat limitele validitii asocierii dintre dou variabile
Variabi~e ascunse (neluate n seam\J].U sunt singurele care p(lt influena care nu pot f1 Izolate de influena altor aspecte neluate in studiu De aceea, un
validitatea int~rn'a .r.8zuftatelor unei cercetri. Chiar i n situaia existenei unei concept interesant i important este acela de corelatie parial. .
~---~---" .,
relaii cauzale, aceasta poate fi moderat de prezena altor variabile. Moderarea
reJatLE?l presupune creterea S)J.L-cl_crete~eg~~J!:).~nsitii asocierii dintre dou
3.1.2. Corelaia parial
variabile. Un exemplu cotidian de variabil moderatoare este tipul de ten, care
afecteaz relaia dintre perioada de stat la soare i nivelul de bronz al pielii. n Coeficientukde
oate fi d"fi 1d . t
corelaie dintre dou variabile noate ind
".,, . . . .

uce In eroare sau
psihologie, multe variabile de tip etichet, precum sexul persoanei, vrsta, nivelul .P . 1ICI e In erpretat atunci cnd relaia dintre cele dou este afectat de
de experien pot influena relaia dintre dou variabile. Cel mai recent exemplu J.~<tAcest lucru este. e~ident mai ales n cazurile un o~ relaii falesau a te~o~
poate fi observat n imaginea din dreapta a figurii 3.1, n care se observ c sexul IT1_9"'ger~te. Pen~ru
a elimma aceste neajunsuri se apeleaz la
un artificiu statistic
unei persoane modereaz relaia dintre managementul impresiei i volumul denum1t corelaie parial.
cheltuielilor pentru produse cosmetice. Astfel, n cazul fetelor relaia dintre cele

58
59
-11111111111111111111111111111111111111111111111111111111 li li !'tii, i 1.1" 1 :iil.illiilli'lllllll
1
.,.,.,Il'

serie de tehnici, precum C al!_u_i P~~son sau V al lui .1<ramer care au la baz
Lund exemplul corelaiei dintre nivelul de managemenJ al impresiei i
calculare~~~i %2 Alegerea coefi6i9nilor de asociere n funci~ de tipul de date
cheltuielile lunare destinate produselor cosmetice, vom aprecia probabil, c relaia
cu._lese este prezentat n tabelul 1.2, dincapitolul destinat statisticii descriptive. 1
este moderat, printre altele, de nivelul ctigurilor lunare ale prinilor. Utiliznd
baza de date "corelatii partiale.sav" i urmnd calea "Analyze"-"Correlate"-"Partial"
vom deschide fereastra din SPSS specific indicatorului de corelaie parial.
3.2. Tehnici de comparaie ntre grupuri
nainte de a efectua aceast operaie putem calcula corelaiile simple r dintre
fiecare pereche de variabile. Astfel, vom obine r (48) = .70, p < .01 pentru relaia
dintre managementul impresiei i cheltuielile -lunare destinate produselor Ipotezele nu se rezum doar la posibilitatea de a stabili gradul~de-asociere
cosmetice, un r (48) = .51, p < .01, ntre managementul impresiei i venitul familial dintre.. _yariabile. De multe ori interesul cade asupra stabilirii unor diferente
lunar al subiecilor, respectiv un r (48) = .77, p < .01, ntre veritul familial lunar i semnificati~@.)ntre.,grupe. ntrebarea "Poate terapia prin rs reduce sim"f;t~~ee
1

cheltuielil_e lunare pe produse cosmetice. Ambele corelaii ce implic venitul lunar
sunt semnificative, ceea ce ne face s credem c variabila respectiv influeneaz
relaia dintre managementul impresiei i cheltuielile amintite. Venitul nu ar fi
influenat relaia dintre ele dac nici una dintre relaiile venitului cu cele dou
variabile nu era semnificativ.
Pentru a vedea care este relaia dintre managementul impresiei i
,-.-~-
depresive?" poate fi analizat prin compararge3 diferenelor n ce privete nivelul
depresiei pe ~'-:_ grupe: un grup ex~I!l)lental, care urmeaz o terapie prin rs i
'1 un grup de -C9}Jtrol, asupra cruia cercettor1:1l nu intervine. Evaluarea ..diferentelor
J dintre grupe este dependent de modalitatea de msurare a acestora. Cel mai' des
~- ntlnim, fie variabile daJip nPrrt!ral, ale cror rspunsuri sunt analizate pe baza
diferenelor de trecven ..,(x2 ), fie variabiLe de tip IJki_IIl,eric, analizate pe baza

cheltuielile destinate produselor cosmetice, eliminnd influena venitului familial diferenelor dintrem~2_ij{estele t i z). c-~o~
lunar asupra celor dou, vom calcula coeficie~~l de corelaie parial. Acesta are
..... -~-~",.__.,_
'1
~'"-'"-

mai multe simboluri, ns noi l vom nota cui~e[,!!respectnd recomandrile "bibliei -l

psihologilor" (APA, 2001). Rezultatul obinut indic pr (47) = .55, p < .01, valoare 1 3.2.1. Tehnicile x2
mai mic dect cea exprimat n relaia direct dintre cele dou variabile [r(48) = frecvent ntlnit n cazul datelor deJjp nominal, fie sub
Distr~l;lJ,tia.x2.!;!ste
.70, p < .01]. Astfel, innd constant influena venitului lunar asupra relaiei dintre forma unui test~x;:_~l
gradului de__p.otrivire. (n englez "goodness of fit"), tie sub
cele dou, se constat, n continuare, o relaie pozitiv semnificativ ntre
f~rm~ u~u.i ~eLX2 .J:ll ~raduluiA.<?.r:!l<:l9E!~.i~te (n englez "homogenity test"). O
preocuparea subiecilor pentru managementul impresiei i cheltuielile efectuate s1tua1e tlp1ca pentru pnmul caz este de a stabili dac exist.. oiferente semnificative
pentru achiziionarea de produse cosmetice. De altfel, expresiile de genul ntre rspunsur,lle.. la_oJnrt:J?.re de genul: . '
"eliminnd influenta lui A" sau tinnd constant influenta lui A" sunt echivalente i _- .- ~-.-
speci~Tnt~~~~j~~ea interpr~trii coeficient~-i-d'etc"r~laie parial. "Dac duminica urmtoare ar avea loc alegeri prezideniale, v-ai prezenta la vot?"
Coeficientul de corelaie parial poate fi calculat pentru mai ru!J!U!\:...ft a) Da b) Nu c) Nu tiu 1 Nu rspund
singur vadgP,U moderatoare. Spre exemplu, putem calcula gradul de asociere
dintre managementul impresiei i consumul de produse cosmetice eliminnd Pe baza simplei analize de frecvene, rezultatele colectate sunt sintetizate
influena exercitat att de venitul familial lunar, ct i de sexul persoanei astfel:
chestionate. Cu fiecare variabil inut sub control statistic se pierde cte un grad
de libertate. Dac n cazul lui r, gradele de libertate erau stabilite dup formula N-2, Tabelul 3.1. Frecvena rspunsurilor celor 70 de subiecti-chestionati
n cazu~~I~JieJ __ pariale, gradelsU!!~U,iberta!_~ sunt obinute pe ba~a formul~-~-7-~:..~...
~.._unde .L[eprezint numrul de variabile inute constante. Astfel, 1n cazul unul pr "Dac duminica urmtoare ar avea loc alegeri prezidentiale, v-ati prezenta la vot?"
de~QL~inul J (cu o singur variabil moderatoare) vom avea~~ n cazul unui pr dEl DA 1 NU 1 NU TIU NU RSPUND
C!Lc!i~.~Lil (cu dou variabile moderatoare) vom avea ~:~ __.C\.m.d. n exemplul dat, 35 1 20 -1 15
valoarea 47 a gradelor de libertate a, fost obinut scznd din totalul de 50 dE~
subieci testai, valoarea 3, deoarece exista o singur variabil ce trebuia inut~\
constant -venitul familial lunar.
Nu toate datele sunt exprimate prin eale-oumerice pentru a se putea
calcula r. Destul de des variabilele sunt analizate pe baza freQ.~,enei de apariie a 1
Pentru detalii, vezi Clocotici i Stan (2000), Hinkle i colab., (1994); Rotariu i colab.
rspunsurilor i ceva mai rar, pe baza ierarhLeLrQ!JJ:lSU~Hor. Au fost dezvoltate-o (1999); Sava (2003) sau Yaffee (1996). '

61
60
 ' 11, III 111 IIIIIIIIIIIIIIIIIIIIIIIIILIIIIILIIIIIIIIIIIIIIIIIIIIII'rllllllllll"lllllilllllllll III: III 1111_1111 '111111' 1111 1111, 'III III' iiiiLIIIIILIIIIIIIIIII.IIIII'IIIILIIIIIL'IIIIIIIIIILIIIII 11111.1111 '11 111 1111'1111 11111'111 1111'11111111 1111,11111111 rl" III 'III 11111111 'III ,111 illi III :1111111 III 1111111' 'lllllllhlllllllllillll,llll'llll''lllllllllllllhiiiiii _ _ _ _ _ _ _ Tffflllfffllfffllffllllfflllfffl:Tfffllfffllfffl'TfffllfffllffflllfffllfffllfffllffflllfffflfffflfffP,'TrrnlfffPTrrnlffl1fflTrrnlffi!IWTffl Tfl Tfl Tffl Tfl III 1ff III Tffl III Tffl Tffl1lll 1111 Tffl:Tfl Tfflllffl _ _ _ _ TffllfWTffnrfffliffnrrnrrnmnmrnrrrmnmnJrrrlrrtmrtlrrtlfl'iffrrtnrrrffTI

.. (

n schimb, testul x2 al gradului de omogenitate se folosete atunci cn~

cazul subiecilor crora'li s-a dat anterior un feedback negativ. Ambele ipoteze pornesc de la
premisa c d persoan tinde s se asocieze cu evenimente publice pozitive, respectiv s se
dorim s vedem ditecene(asocierL) ntre categoriile de rspuns de- ..la--doua
distaneze de evenimente publice negative, efectul fiind potenat mai ales pentru subiectii
ntrebri. t?" care au suferit eecuri personale. '
[i~~ duminica urmtoare ar avea loc alegeri prezideniale; v-ai prezenta la vo .
Prima ipotez necesit un test X2 al gradului de potrivire, n timp ce a doua
" a) Da b) Nu C) Nu tiu 1 Nu rspund
ipotez necesit un test X} al gradului de omogenitate. l) continuare vom detalia
asemnrile i diferenieriledintre cele dou forme x2
Ati votat la ultimele alegeri prezideniale?"
ll ' Ambele forme pornesc de la ideea comp~rii fre,cveoelor. observate cu
a) Da b) Nu cele ~etate (ateptate). De exemplu, aruncncto=-m~ned de 100 de ori,
observm c stema a ieit de 54 de ori, iar banul de 46. Acestea sunt frecventele
n acest caz, tehnica~-x<--al gradului de omogenitate va fi .utilizat d~p
observate. Cele ateptate (teoretice) sunt cele stabilite pe baz de probabilitti.
sintetizarea prealabil a rspunsurilor -la ..cele c!9u~ntrebri, ntr-un singur tabel.
Astfel, innd cont c sunt doar dou fee ale monedei i au fost 100 de arunc~i,
ne-am atepta ca fiecare parte s apar de 50 de ori. Diferenele dintre valorile
Tabelul 3.. 2 Frecventa rspunsurilor celor 70 de subieci chestionai
frecvenelor observate i cele ale valorilor ateptate sunt luate n considerare n
. . t 1 t?"
Dac duminica urmtoare ar avea loc alegeri prezideniale, v-at1 prezen a a vo . calcularea lui x2 .
" Da Nu Nu tiu Formula de calcul a lui X2 este:
Nu rspund
Ai votat la ultimele
24 7 5
alegeri prezideniale? 1 Da k=L.(o-E)2 (3.1)
Nu 11 13 10
r L..----- .. -i

Ipoteza nul a ambelor variante aLe.,,,tehniciLX2 stipuleaz c _nu exist unde O~.simbolizeaz frecvenele q!J_sryc;tJe, iar E frecve.nele ateptate.
diferente semnificative ntre frecvena ..._r.sp.u.nsu.rii?E ..Qpserva~e I cea a n orice tehnic de comparaie a datelor va trebui s rspundem la
rspun~urilor atep~~~Jr ....difer!e categorii (Hi~~le, Wiersma I Ju~s, 1~9~). urmtoarele ntrebri:
Exemplul ce nsoete explicarea celor d~u ~e.h~1c1 X este o adapta:e 1potet1ca a
2

celui de-al doilea experiment realizat de Cialdmi I colab. (1976/1999). 1) Cum identificm situaia de comparaie, de testare a diferenelor?
Studentilor li s-au adresat prin telefon ase ntrebri generale ale cror rspunsu~ 2) Ce .fel de grupe sau categorii de rspunsuri sunt comparate?

t
ntu, t exact cum ar fi ce procent de studenti dintre colegii ti lucreaz?". Dupa
erau greu de 1 1 , " . ' "
erm narea celor ase ntrebri, a intervenit manipularea experimentala, sub1ecu ~n
1
. fi' d

mprii aleatoriu n trei grupe. Celor din prima grupa li s-a dat ~n fee ~c. pOZIIV, sp unand
" db k T
1 3)
4)
5)
Ce fel de date au fost colectate?
Condiiile aplicrii tehnicii respective sunt ndeplinite?
Ce fel de ipotez trebuie testat?
" s mult ma1 bine dect media cinci din cele ase raspunsun fi1nd corecte. Celor
u
6) Ct de intens este diferena dintre grupe sau dintre categoriile de rspunsuri?
ca au raspun . , .. ..
din grupa a doua li s-a oferit un feedback neutru, rspunsurile lor fn_nd med11, deoar~c_e au
1'
_j.
1
~1
rspuns corect la trei ntrebri din ase. n sfrit, cei din al treilea grup ~u pnm_1t un
1
feedback negativ, experimentatorii sugernd c au rspuns m_ai sla"b _dect media, ~n smg~r (1) Cum identificm situaia de compar'!i.e,.deJestare a diferenelor?
rspuns fiind corect. Dup aceast manipulare li s-a pu_s o ~~~~~ra mtre~are suplimen~ara, Majoritatea studiilor din psihologie au la baz teste de stabilire a
legat de rezultatul echipei de fotbal american a universitau res~ect~v~ la unul dm.tre semnificaiei diferenelor. dintre grupe sau categorii de rspunsuri. Pentru a
ultimele dou meciuri sustinute. Unii au fost ntrebai de rezultatul meciulUI pierdut de echipa identifica acestestuC:Hfeste s'Uflcient s analizm modul de formulare a ipotezelor.
universittii
iar altii de re~ultatul meciului ctigat. Rspunsurile la ntrebare au fost _codate n exemplul dat vom regsi expresia: "rspunsurile de tip noi apar mai
n una dln, cele ,dou categorii: "noi" sau "non-noi". n categoria "noi" au fost mclus_e frecvent n situaii de victorie, dect n cazuri de nfrngere". Alte sintagme care
rspunsuri de gen~! "l-am btuf', "Noi am pierdut", ,,Am ctiga! cu 4-2", "Am"f~st ~leca! din. indic necesitatea comparaiei pot fi: "grupul A are rezultate mai mari dect grupul

:j;
ora i nu tiu ce au fcut ai notri", iar n categoria "non-noi" s-au regas1t raspunsun 8", "tratamentul A este mai.,b.U.Q..decMratamentul 8" sau "amt>ele tratamente sunt
ioj
), precum "Au pierdut", "Cred c au ctiga!", "Nu tiu ce-au fcut". _ . . mai bune dect absena oricrei intervenii". Toate aceste formulri au ca ipotez
Studiul avea dou ipoteze: (1) rspunsurile de tip "noi" apar mai frecvent m ~~tua:a nul uzual absena diferenelor d0!.re medii sau frecvene. O situaie aparte de
de victorie a echipei de fotbal, dect n cea de nfrngere; (2) acest efect va fi intens1flcat m comparare a grupurilor este ntlnit n cazul testului x2 al...gradului.de OmQgenitate

63
62
'
1
!l'lillilillll li 1
: 'III.IIIIJILIIIIIL:UIIIllllmlllllllruIUIIIWIIIIUIIIUIIIUI-11--1-1111111-IIIIIIIWJIIIIIIIIIIIIIIIIIIII~IIIIIUIIIIIII

care au frecvene teoretice mai mici d,('!.!5 ..duce I;:J o valoare x2_discutabil 0
(cea de-a doua ipotez din exemplu). n acest caz, premisa ipotezei nule este c ~actic posibil n asemenea situaii este reunirea unor csue adiacente:
frecvena de apariie a rspunsurilor ,.noi" Tn situaii de victorie sau de Tnfrngere nu 1n c~zul unor tabele de contiQ~en de Jil?c?x2, este necesar aplicarea

difer1rtflinc~_cJ_e tipul de feedback primit de subieci. unei core,,$:Jii,_)'_ates ce presupune creterea cu Q,5 a diferentei dintre
frecvenele obserii..l!2_i.cele teoretice. - ~ --~ '
(2) Ce fel de grupe sau categorii de rspunsuri sunt comparate?
.n calculul X2 se ine cont d~tiecv~_Q~Je i~u .e procentajele co11statate,
Vom amna pn la prezentarea testelor t i z discuia despre aceast deoarece cele din urm duc la calcularea yf ca i cum adL(ostobtinute
problem. Pentru moment vom preciza doar c grupeleJQLDQ-rate pot fi 100 de rspunsuri indiferent dac au fost colectate 5000, 500 sa~ de sa
independeill.,__ ._U~-PaJ:echi. n cazul lui x 2 rspunsurile subiecilor trebuie s fie observaii.
inctep.eQ(I~~te. O nclcare a acestei condiii se Tntlnete n testarea repetat. a n exemplul nostru, toate condiiile sunt ndeplinite, existnd 51 de
aceluiai .gr.up_de subiecti deoarece n cazul msurtorilor repetate, rezultatele rspunsuri de tip "noi" ntr-un design experimental de tip 3 x 2.
exprimate anterio; sau uit'erior de un subiect nu sunt ifdepen.Q.w.te ..coi11P.I~t. n
2
asemenea situ~tii trebuie aplicate alte tehnici _statistice precum testul X MGN9-0l<~L (5)Ce fel de ipoteze au fost testate?
sau X2 Stuart-Maxwell (Hinkle, Wiersma i Jurs, 1994). . . . n general rmne valabil distincia dintre ipotezeL~__ unidirecionale i cele
bidlr~_ctlon(31e: Ceea ce se schimb ine de sintagmele utilizate.' Astfel, n
(3) Ce fel de date au fost colectate? compararea di_ferenelor dintre grupe, ipotezele unidirecionale pot fi de genul
_ Variabilele.ll:J.Q!'l-12.~.'19.!?.~~9i_l1. cercetare pot fi considerate, fie de-tip or..c:Jltl~b, ,.fetele au un n1vel de .empatie mairidicat .~,gt cel al bieilor", "metoda A duce la
cu trei categorii de rspunsuri: feedback pozitiv, feedback neutru, respectiV un numr de greeli ..maLmic. CCJ:rnP?rativ cu metoda B" etc. Ipotezele bidirectionale
feedback negativ, fie de-lli?~_:ngl]lir;t;:JI, cu dou categorii de rspunsuri - meci nu specific~ ~ire_cia diferenelor dintre . grupe, fiind mai degrab formul~i vagi
ctigat, respectiv meci pierdut. Variabila j~endent a cercetrii este tot de t1p precum "ex1sta difer~JJ.t3 n_tr~fE)te_i ~iei n ce privete nivelul de empatie" sau
nominal, categoriile de rspunsuri posibile fiincf ,.noi" i ,.non-noi". Acestea pot fi "metodele Ai. B sunt diferite n ce privete numrul de greeli comise".
refleCtate i diilotomic sub forma 1-rspunsuri de tip ,.noi" i Q-spunsuri de tip _ _ . Totui, n ca.u!_ lui X2,; distincia dintre ipotezele unigjr~Fionale i cele
'--~'~ "
"non-noi". n cazul comparaiilou:!mlre grupe, o importan deosebit o are_JI1?.?ul
'"'

b1dlrec1onale poate fi aplicat doar n cazul unui test cu un Jog_ur_grad.de libertate.

de msurare a variabilei dependente (criteriu). n cazul unor date de tip nominal, ca P_rima ipotez p_oate fi considerat ca fiind de tip unidirecional, deoarece x2 are un
n situaia deff,-seva.calcuiax2.Jn schimb, Tn cazul unor date numerice, se vor s1ngur grgd_deJib~.r;tate, iar cercettorii anticipeaz c rspunsurile de tip "noi" apar
utiliza, cu mici excepii, tehnic[!~Jgu
. . .,
z.
~'"'''"''"'''
ma1_ frec~ent Tn situai_a de victorie a echipei de fotbal, dect n cea de nfrngere. n
schimb, ~n cazul celei de-a doua ipoteze, X2 poate fi dQ..~ bidireqional, deoarece x2
Tabelul 3.3. Procentajul subiecilor care au- dat rspunsuri de tip ,.noi" .
are doua grade..2.~ i]b,;rtate, fiind deja un test omnibuz. Acesta arat dac exist
Tip de feedback diferene ntre frecvene, ns nu arat unde.. se.afl acele diferente. Astfel n cazul

Neutru% Negativ% Media% unui X2 semnificativ vom afla c tipul de feedback primit influent~az dife~it nivelul
Tip de meci Pozitiv%
28 (7/25) 64 (16/25) 41 (30/75) rspunsurilor de tip "noi" n funcie de rezultatul meciului echipei' universittii. El nu.
ne va arta ns nici .ceJel de feedback influeneaz rspunsurile subiectilor nici
Meci ctigat 28 (7/25)
32 (8/25) 16 ( 4/25) 28 (21/75)
Meci pierdut 36 (9/25)
dac aceste rspunsuri vor crete sau descrete n frecven. Tot ce vom-~fla,este
dac_ :recvena se.modific sau nu. Pentru a suplini limitele 'f!, exist modaliti
(4) Condiiile aplicrii tehnicii respective au fost ndeplinite?
spec1f1ce de lucru, precum analiza reziduurilor (Hinkle, Wiersma i Jurs, 1994).
Pentru aplicareajestului x:..exist cteva congiii i restricii de utilizare:
observatiile treb~~~.. fie independente, fiind-. e>s9.!J__e....d~sigf1"urile, cu Tabelul 3.4. Frecvena observat i ateptat privind subiecii care au dat rspunsuri de tip
msur!~JL..r,epetate; n plus':"'"cat~g~'rfi~ d!iL.[,~SpUnsuri- trebuie sa
Se "noi" n funcie de tipul de meci chestionat.
exclud--Feciproc, ceea ce presupune c ntrebrile care permit r~:punsuri
multiple nu pot fi analizate prin X}- Tip de meci Rspunsuride tip "noi" Rspunsuri de tip "noi"
"' trebuie s~fie de cel putin 20 _dejr~gy_ene observate; mai mult, frecvenCJ~ observate ateptate

a-teptat pentru ~car~ ~c~u (celul) a tabelului de contingen [i~(t .

{i

r" Meci ctigat 30 25,5

trebuie s fie mLmic de 1; similar, un procent de pest~__40% din csue'-- Meci pierdut 21 25,5
Total subieci 51 51

65
64
 lil!!ll!.lllill1 ll!:!llill!'li :11' 111iil,!l!!ll il:::
1 :1:.! 111'111 lll!lllll!lllll:lllll,llllllilllllllllllliiiiiiiUIIIII,IIIII!IIIII:IIII " '1 I I ~ 1 1 I I! 'I I !I I 'I I !I I I I 1 1 I I: 'I I 1 1 I I '0 1 1 'I I !I I I I I I' I I !1' 1
11 11 : I I' :1 : I I! I I '11 ' '11 1 '

ateptat pentru fiecare csu este rezultatul pr,gdusului dintre

- nu exist diferene Tntre cele dou categorii de subieci chestionai,
D
Frecv,enta
~--.. . ................... -
totalurile marginale corespunztoare csuei respective mprit la _ tgtalul
~mcaca
ne a t ep a t Tn fiecare situatie s existe 25,5 rspunsuri de tip "noi". Se observ
. . frecvenelorobser.ate .. Spre exemplu, frecvena ateptat a rspunsurilc;r de. tip-
9
c frecventa b~:Va~_ este diferit de valonle ~teptate. Se p.un~ mtrebarea " noi" Tn c~iiur persoanelor care au primit feedback neutru i care ofereau rezultatul
1'. t' a ceast diferent Tntmpltoare sau diferena este sufiCient de mare
s1mp a. es e . . _ . . . - meciului pierdut de echipa universitii este de 6,2 [(21x15)/51].
entru ca probabilitatea de a obine astfel de date dm mtmplare sa f1e mal .n:1ca
~e 5 ? Cu alte cuvinte, va trebui s testm Tn _ce m~ur ~iferena--e~te-suflcle~t
.o
d e mare pe . , c- rspunsunle
. ntru a sprij"ini afirmatia . . _ de t1p "001"-apar
mm frecvent
m.. Tipul de feedback
situaie de victorie a echipei de fotbal aparmatoare decat m cazul mfrangeru feedback feedback feedback
pozitiv neutru negativ Total
acesteia. - d' .. b 1 f t"e Rezultatul victorie Frecventa observata 7 7 16 30
T e h n1c , pentru a calcula X} Tn SPSS avem doua Irecu posi .
I e, 1n unc,I
. )
meciului Frecventa asteptata 9,4 8,8 11,8
d r1 1 testului (%2 al gradului de potrivire, respectiv %2 al gradului de omogemt~te . Adjusted Residual -1,5 -1 '1 2,5
e tpu
P en ru a e
t sta aceast prim ipotez ne aflm Tn situaia unui %2 al gradului de infrangere Frecventa observata 9 8 4 21
" t " Frecventa asteptata 6,6 6,2 8,2
potrivire,. Metoda poate fi selectat urmnd .calea ,Ana[E~_-"Nonparametnc tes ~ = Adjusted Residual 1,5 1 '1 . -2,5
"Ghi~square". Opiunea standard din ~PSS este de a__ calcula f~ecveo\a: teoretica Total Frecventa observata 16 15 20 51
mprti"id "totalul frecvel}~or la nurr1~rul de c~teg~n~ ~ceas~a modalitate este
va a. b-'I a- I p entru problema
de fat . Totu1, ..ex1sta .I .o alta cale de. calculare_
. , (51'2) Figura 3.7. Output SPSS cu frecvenele observate,. cele ateptate i reziduurile
1 1

3
frecventelor ateptate, pe baza unor 1nforn1a11 a pnon. Spre ~xem~lu, daca standardizate ajustate privind subiecii care au dat rSpunsuri de tip "noi" n funcie
'de aparitie a nevrozei ntr-o populaie este de 20%, 1ar noi suntem de tipul de meci chestionat i tipul de feedback primit
f recven t a , - .f t- f t' d
t 't - vedem dac frecventa de aparitie n grupul testat este d1 en a a,a e SPSS este o marc nregistrat.
m eresa I sa .. _ ot
.' d" care a fost extras eantionul, atunci frecvena teoretica va fi de 20 ta
popu 1a,1at m . -~"~
din numrul subiecilor testai. . . Testul ~,!!?J.lnJest omnibuz, adic arat doar la.~ivel ge~L~Lc;:~ tipul de
n cazul primei ipoteze vom obine un %2 (1) = 1.59, p < .1 O~ test umlater~l, feedback primit afecteaz. n mod diferit frecvena rspunsurilor de tip "noi" n
esemnificativ statistic. Prin urmare, nu putem afirma c rspunsunle funcie de tipul de meci vizat. Pe baza frecvenelocobservate putem constata unde
un rezu It at n t' d -t
. ." apar mai frecvent n situaii de victorie a echipei de apartenen ,a eca se afl aceste diferene, ns o asemenea perspectiv este foarte subiectiv.
d e tIP "noi . . - . d de
-m SIt ua t11 d e 1ntrangere Totui valoarea lui p apropiata
. de pragu 1 max1m . . a m1s _ De aceea, n cazurile unui x_2 semnificativ statistic se recomand
_ , ne 'duce cu gndul c am putea asista la o schimbare a concluzie!, daca vom calcularea reziduurilor_::;tandan:iiz:ate ajustate pentru fiecare celul n parte, pentru
05
crete puterea statistic a cercetrii. . _ .. _ a observa unde=s;~-itueaz Cl9S!Ie ~dif~[e(ie. Valorile reziduurilor standardizate

d 1en a cev
2 1 gradulqi....d~ omogenit~te poate fi calculat m SPSS utihzand o cale

.f t- X aa ma1 comp~lexa' P~.?fy.ze"-,Descriptive

" --~--
' 1 ge butonul Statistic?iar din fereastra deschis vom selecta "C_~I
care se a e " -----
.. ...... - dup
ta.tis.tics"-"Crosstabs", s.. .-
._,_
ajustate cuprinse n intervalul [-2, 2]nu ...ne intereseaz. n schimb, valorile care nu
se regsesc n acest interval sunt considerate ca indicatori _c;lL,_UQei, ..di,ferene
semnificative ntre frecvenele observate i cele ateptate. Valoarea absolut de 2
-
square~:-n plus, revenind n Crosstabs, se poate selecta i_ butonul .. C~ll': pentru~ este stabilit pe baza unei distribuii z, a crei valoare corespunztoare pentru un p
alege reziduurile standardizate ajustate. Asupra rolului acestora vom reveni de .05 este 1 ,96. _.!

n figura 3.7 atrag atenia dou reziduuri standardizate ajustate, ambele

curnd. ' . . - .. - b d d t
Testarea celei de a doua ipoteze poate f1 venficata utihzand aza e a e fiind legate de oferirea unui feedback negativ su~iecilor. Astfel, se constat o
. t t a'' dup ce n prealabil am ponderat variabila "frecv" utiliznd calea frecven observat semnificativ mai mare dect cea ateptat n situaia unui
" h 1 pa ra .s v , . . .
"Data"-"Weight cases". In urma dem~r~uiUI s-.~ ~bm_ut un % (2) = ~~-~ P < .05 .
2
feedback negativ oferit persoanei i a unui rezultat pozitiv al echipei universitii.
Valoarea %2 este semnificativ stat1~flc, . spnJinl~d ~poteza cerc~ta~11. fre~vena Inversul acestei situaii apare n situaia unui feedback negativ i a unei nfrngeri a
- r'lor
1 de tip "noi" n caz de VIctone
sau . mfrangere a ech1pe1. sportive
raspunsu , . . de echipei universitii.
- este influentat diferit n functie de t1pul de feedback ofent subiecilor. Ce nseamn acest lucru? Dac x2 ne .arta c tipul de feedback afecteaz
apa rt ene nta
, . .. _ . t . . . . . . . ,. ' '-:,.- ' . ' ....--K~~--'-~

M uit din consultarea figuni 3.7.se observa tendma persoanelor care au pnmt n mod c:Ji(~?Citreferina direct la grupul de apartenen n funcie de tipul de meci
fe:~~ack negativ s utilizeze mai multe rspunsuri
de tip "noi" n cazul n care vizat, arta.li;;;a-reziduurilor ne arat c afirmaia de mai sus este valabil n cazul--
echipa universitii a ctigat. unui feedba"d<negati\t. Astfel, subiecii crora li s-a spus c au obinut performane
.....'-....

67
66
'l!1 illl'llll'llll1illllilllllllllllll
sub medie la ntrebrile iniiale tind s foloseasc mai des, n caz de victorie a
echipei, sintagme de tipul "noi am btut", "echipa noastr a ctigat" etc. Similar,
subiecii care au primit un feedback negativ tind s foloseasc n caz de nfrngere
mai puine sintagme de identificare cu echipa universitii.
Dac n locul rspunsurilor de tip "noi'' ar fi fost contorizate frecvenele
celor de tip "non-noi", am fi obtinut 0 situatie n oglind. Adic, persoanele care au
primit un feedback negativ tind s folosea~c mai rar,- n cazul victoriei echipei de
apartenen, expresii de genul "au btut" sau "ei au ctigat". Astfel, se poate
concluziona c subiecii al cror prestigiu personal a fost afectat tind s utilizeze
pronumele personal "noi" sau expresii care i includ implicit pentru a se asocia cu
situaii d_e succes ale grupului de apartenen.
Inainte de a discuta mrimea efectuiui pentru tehnicile x 2 , vom prezenta,
pe scurt, modul de stabilire a gradelor de libertate. n cazul unui x:_eLgradului de
potriVire, gradele de libertate se stabii;;~-~or:-cfup form1!t~~:-~ unde c reprezint
numrul de categorJJ....de rspuns posibile. n prima ipotez ntlnim dou categorii:
meciuri ctigate sau meciuri pierdute de echipa de fotbal a universitii. Prin
urmare exist un singur grad de libertate. n schimb, n cazul unui X2 'l.L9IE-duluL9e
omqgeniJ!:lte,_specific tabelelor de contingent, formula devine (c-1.W~l)", unde c
nseamn numruL"_~e coloane (categ~rii aie primei variabile), iar 1 nseamn
numrul d_e linii (categorii ale celei de-a doua variabile}. n cea de-a doua ipotez
vom avea 2 grade de libertate (3-1)(2-1), deoarece tipul de feedback are trei
categorii de rspunsuri - feedback pozitiv, neutru sau negativ, iar tipul de meci
rmne cu cele dou categorii - meciuri ctigate, respectiv pierdute.
{6} Ct de mare este diferenta dintre grupe sau categoriile de
rspunsuri? ' dect cele 51 de rspunsuri observate. n consecin, datorit puterii reduse,
Un rezultat emnificativ statistic nu nseamn dect c grup~le cgJ1lparate
dife[ ntre .ele. El n.u nseamn neaprat c diferena"'e.ste .mare. Pentru a vedea
ct de mare este diferena dintre~grupe sau categorii de rspunsuri vom apela la
indicatorii de apreeiere a mr.imii e.fectului.
Din pcate, majoritatea indi~"atorilor pornesc de la ideea unei var)l_bil?_
criteriu (dependente) msurati:q)rin scale numerice, fapt ce afecteaz calcularea
mrimii efectului n cazul testelor x2. Totui, printr-un artificiu prezentat n
Ros?nthal, Rosnow i Rubin (2000a), putem estima mrimea efectului n mod
clas1c doar n cazul testelor X2 cu un singu_r:__gr(l(j Jle li~ertate. Coeficientul de
determinare poate fi extras pe baza formulei:
(3.2)
unde X2 (1) reprezint valoarea testului _de _c_g.mparaie a diferenei dintre
fr9Vene, cifra 1 dintre paranteze ne amint;t~ c formula este valabil doar dac
testul are un singur grad .de libertate iar N este numrul total de frecvene
l, -~._;.:;._:"."-- 1
observate.
68
De altfel, ,l'j reprezint i valoarea maxim a luLx2 n situaia respectiv. n
cazul primei ip_oteze poate fi calculat coeficientul de determinare, deoarece exist
un singur grad de libertate - X2 (1) = 1,93, p > .1 O. Aceast valoare este comparat
cu X2 maxim pentru situaia respectiv, care este 51, deoarece totalul rspunsurilor
de tip "noi" a fost 51 .. n consecin, r2 este .037 sau 3,7%. Dac vom apela la
criteriile de comparaie prezentate n tabelul 2.2 din capitolul destinat principiilor
testrii ipotezelor, vom constata c exist un efect relativ redus al rezultatului
meciului echipei universitii asupra tendinei subiecilor de a formula rspunsuri de
tip "noi". Mai mult, dac vom ine cont c r2 nu este dect ptratul coeficientului de
corelaie, vom putea observa c unui x 2 (1) = 1 ,93, p > .1 O i corespunde o corelatie
r de .19 ntre cele dou variabile. '
Att n cazul unui~(]~ ct i n cazul unui X2.S_IJ ITlai mult de un grad de
libertate, poate fi estimat un alt coeficient al mrimii -efectului, ;'ioti3t w. Acest
indicator. poate fi calculat prin intermediul software-ului GPOWER-(Faul i
Erdfelder, 1992), disponibil gratuit de pe internet.
Mrimea efectului n cazul primei ipoteze X2 (1) = 1 ,93, p > .1 O este .18, o
valoare care indic acelai efect slab al rezultatului partidei de fotbal asupra
utilizrii rspunsurilor de tip "noi". Pentru a avea o impresie general, un w de .10
semnific un efect slab, un w de .30 semnaleaz un efect de intensitate medie iar
un w de_;._Q"sau mai mare indicun'efect puternic. Pe baza mrimii efectului ~om
constata c puterea statistic de testare a primei ipoteze nu era mai mare de .25,
ceea ce nseamn de trei ori mai puine anse de a observa acest efect mic, dac
el exist ntr-adevr, dect de a comite eroarea de tip Il. Pentru a ating.e un nivel
optim al puterii statistice de .80, necesar testrii ipotezei, am fi avut nevoie de mai
muli subieci. Mai exact, am fi avut nevoie de 122 de rspunsuri, cu 71 mai multe
rezultatul nesemnificativ statistic are o explicaie alternativ ipotezei nule.
Diferenele pot exista n realitate, ns nu au._ fost identificate datorit unui risc
1 crescut de a comite eroarea de tip Il. n cazul unei puteri statistice de .25,
probabilitatea de eroare este de 75% (1 - puterea statistic).
Utiliznd acelai program statistic, vom constata un w de .38 n cazul celei
de-a doua ipoteze, ceea ce indic o schimbare de magnitudine medie n utilizarea
rspunsurilor de tip "noi" n situaii de ctig sau pierdere, n funcie de tipul de
feedback personal primit. n cea de-a doua ipotez, X2 (1) = 6, 12, p < .05, puterea
statistic era de .72, un nivel destul de apropiat de cel optim. De altfel, pentru a
atinge valoarea optim de .80 a puterii statistice, am fi avut nevoie de 61 de
rspunsuri de tip "noi", cu 10 mai multe dect datele colectate. n consecin,
rezultatul semnificativ statistic corelat cu o mrime medie a efectului celor dou VI
asupra VD, sprijin clar ideea c subiecii, al cror prestigiu personal a fost afectat,
tind s utilizeze mai frecvent termeni de referin de genul pronumelui"noi" pentru
a se asocia cu situaii de succes ale grupului de apartenen, ca o msur de auto-
nlare.
69
 11:111!1''111111'11' 'li'" 11' ill'll'lllll!illlli 11'111111'
1 llll!lll:llllllllillll' llll'!'l:ll
1 I I: 1111'111,''

(1) dac cele.,.dou . grupe comparate au fost alese la nt~mplare, .. pe baza

n sfrit, o alt modalitate de calculare a mrimii efectului n cazul X
2

const n utilizarea indicatorilor de asociere obinui pe baza valorii X , precu[].Y",?I

2 situaiei ~-~~-~~~e. c_a ~ cazul a dou c!as~eJ;~rTeie-cie elevi sau a dou
grupe de var21 .d!fente, se utilizeaz testele pentru..__ eantioane
lui Cramer. Acesta este un coeficient de corelaie non-direci()~~~ ce variaz ntre O
;1, unde o semnific absena efectului, iar 1 un efecti~f~ern de-puternic.
(2)
in~C!.~PE3ndente.
dac cele dou grupe sunt n relaie .una .. cu cealalt prin interventia
-~ .-. De altfel, ntregul demers X2 prezentat anterior poate fi interpretat i sub
forma asocierii di[l_tre.Aou .variabile nominale. ntr-o asemenea si,tuaie, ipoteza experimentatorului_a,u_ princorespondena natural a elementelor din c~le
nul indic ~na relaiei dintre dou variabile, n timp ce un X semnificativ
2 dou grupe, vom utiliza testele pentru eantioane perechi (corelate). Exist
trei situaii n care vorbim de eantioane dependente {perechi):
statistic sprijin ipoteza asocierii dintre dou variabile. De aceea, ntr-un fel,
2
x
constituie un liant ntre tehnicile de asociere i cele de comparaie. a) situaia msl.if..@Q[i/orrepetate
O grup de.J>.ubieci este testat d,e iou ori asupra aceleiai variabile,
cercettorul fiind interesat de modifici:\riie aprute ntre cele dou testri
3.2.2. Testele t i ~de comparare a diferenelor dintre dou medii pre-te~Ll_po~t-test. Testnd aceleai ajunge la perechi d~
persone: s-e
Dac variabila dependent nu este msurat prin scale nominale pentru a rezultate, de pilda scorurile obinute de ,,x" la nceputul i la finalul unei
fi supus analizei de frecven, ci este evaluat prin scale numerice, este nevoie intefVe'nii terapeutice.
de compararea.mf:'lsJii.!Qr pentru a testa ipoteza existenei diferenelor dintre dou b) situaia' perechilornaturale .
.... ,_ ...
~

populaii pornind de la ;)fipfrea a dou grupe. De altfel, cele mai multe dintre Cele dou grupe sunt formt~w9up una sau mai multe caracteristici
cercetrile studenilor la psihologie necesit aplicarea testelor t sau z. Exist trei pre~~bile,.care exist n mo;!_~<;l~~ral. Tn cazul studiilor privind imporana
tipuri principale de tehnici t i z, ns SPSS-ul permite doar calc;!:J.lsr~a, J&,;(t;~Lor t. ordinii la natere se pot crea dou grupe de subieci, dintre care ntr-o
Valorile z pot fi totui dedu_c;,_din rezultatele oferite. grup s fie inclui primii nscui, iar n cealalt grup mezinii cu conditia
Cele trei tipuri dej_este t i.z~-~.rJt ca fiecare dintre acetia s aib l1.n corespol",ldent (un frate} n ~rima grup.
tehnici care privesc diferena dintre media~~jeantion i.f __(3popul~iei Se ajunge, din nou, la perechi de rezultate, de pild scorurile obtinute de
din care acesta a fost extras; titulatura tehnicilor este testu)J..pentru un. "Popescu A.", primul nscut; distribuit n grupa A i scorurile obtinute de
eqQtion_, respectiv testul z pentru un eantion; pentru a efectua, n SPSS, "Popescu Z.", fratele mai mic al primului, distribuit n grupa B. '
testul t pentru un eantion vom urma calea "Analy~-~::,-.,Qpmpare Mec;t~s"-
c) situatia perechilor artificiale
. "One ampl~ T Test".
1 }~"'"-'\.:. .,----. ,..,_ .

Elementele celor dou grupe sunt puse n corespondent prin interventia

tehnici care-- privesc diferena dintre mediile ~~ _cl()1li3, ....ea!J!Loane
experimentatorului. Aceast tehnic este utilizat cu sc~pul de a"~g~~~i~a'
jndependente; ele sunt denumite testul t pentru eantioa.ne)ndependente,
grupele ce urmeaz a fi comparate, pentru a elimina influen't:i- unor
pre~~~rtat -t
independ~nt, respectiv testul z __ pentru eantioane
variabiletefe:' De exemplu, dac vrem s vedem n ce msur metod~d~
independente sat,!..Z. indep~n,dent; pentru a calcula t independent n SPSS
predare A este mai bun dect metoda B, poate ar fi bine ca grupele ce
vom urma calea "Analyze" -21QQ!!:1I:~__re... M~?ns'' -"lndep_e_ndentSampl_es _T
urmeaz a fi nvate prin metode diferite s fie echilibrate, adic alctuite
Test". din elevi de calitate,.::;!rnilar. De exemplu, ele potfi egalizate printr-un test
tehnici care privesc diferen~ dintre mediile a .dou ...J;l<:!QtJ.pane .. PeX~9hi
iniial de cunotine. Subiecii care au obinut primele dou locuri vor fi
(corelate. dependente); n asemenea situaii vorbim de testul t pentru
distribuii n grupe diferite i se va realiza, ulterior, o corespondent ntre
eantioane perechi, prescurtat t dpenQent, respectiv testul z pentru
rezultatele lor. Algoritmul ~de lucru se va pstra, pn la fin~lizarea
eantioane perechi, ori z dependent; n SPSS, t dependent poate fi obinut
distribuirii n grupele de lucru nou formate a subiecilor testai prealabil.
pe calea "Analyze"-"Compare Means"-"Paired__a,r:npi_~. . 'LI~st':.
Se observ c eantioanele perechi vor avea ntotdeauna un numr de
Ce sunt eantioanele independente i eantioanele perechi?
subieci >~~al, .pe
cnd eantioanele independente au o libertate m~i- mare, cele
dou grupe comparate putnd avea_sau nu un numr egal de subiecti.
n ce privete diferenierea dintre testele t . i z independente i
dependente, ea se face n funcie de natura grupelor comparate. Astfel apar dou
lat cteva exemple ilustrative-de studii care necesit aplica~ea testelor t:
situaii:

71
70
 IIIIIHIIIIIIUIIIII~IIIIllllllllllllllllllllillllll:llllll'

Dincolo de aceste diferene, testele de comparaie sunt similare, cel puin

Testul t pentru dou eantioane independente
din perspectiva interpretrii datelor. De aceea, vom prezenta doar dou exemple,
Un cercettor crede c strategiile sintetice conduc mai repede la deprinderea cititu~ui de_c~t cazul unui test t independent, respectiv al unur test t dependent. De altfel, orice
strategiile analitice. Pentru a testa ipoteza el selecteaz dou clase paralele de elev~ aflai_ 1_n studiu care implic stabilirea diferenelor dintre dou medii necesit rspunsuri
clasa 1, fiecare dintre efe avnd cte 20 de elevi. Primul grup a fost nvat ~ ~iteas~a ~nalit1~ clare la urmtoarele ntrebri:
(ncepnd cu literele, trecnd apoi la cuvinte), n timp ce al doilea grup _a mvaat _sa ~1teasca
sintetic (pornind de la asocierea cuvintelor cu imagini, pentru a depnnde ult~n?r -literele).
Variabila dependent a constat ntr-o prob de citire contra cronometru, oblnandu,se un 1) Cum identificm o situaie de comparare ntre dou grupe?
indicator pebaza formulei: numrul de cuvinte citite ntr-un minut 1 numrul dE\~ron. 2) Ce fel de grupe sunt comparate?
3) Ce fel de date au fost colectate?
Testul t pentru dou eantioane perechi- cazul msurtorilor repetate -. ' . _, 4) Condiiile aplicrii tehnicii respective sunt ndeplinite?

Obi~ctivul cercetrii este de a studia influena

metodelor _de. r~laxa~t:l ~~l,lprt:~reducerii 5) Ce fel de ipotez trebuie testat?
condi,Jitelor agresive la adolesceni. 0 grup de 15 subieci CU. ~~~?~r-~ri G~lllportctr:'eptal~ e~te 6) Ct de intens este diferena dintre grupe sau dintre categoriile de rspunsuri?
testat initial (pre-test) n ceea ce privete .nivelul agreslvlt~ll, pnntrcun I~'Je:f1ICJ.r . de
persorialitaei, Dup testare, cei 15 urmeaz un program de relax~[e;qo[Jsti~u.id,~[lcln:cr~dme Problema A
de relaxare sptmnale, fiecare durnd o or. Dup o penoada de cto_qa}uSI ?Upl.eqll _s~n-~ Un student, cu un bogat spirit de observaie, a remarcat c oamenii tind s se
retestai (pgst-test) pentru a observa dac nivelul lor de agresivit9~:~ .sp7YtJ~-P~,I_!la PrCiqLq~f11 mpart n dou categorii: cei care sreaz mncarea nainte de a o gusta, din obinuin,
tehni?ilor de rela2ar~ nvate. ,;-., '.'};:;':,,,_i:.; ;,:,,;, , respectiv cei care mai nti gust i apoi i sreaz mncarea n funcie de gust. Pe baza

:::,~\:::~.:~:::::,::,::~:~=:~:;:;~';i~~!~~~~~t~l~;
acestei categorii create ad-hoc, dorim s studiem dac exist diferene' ntre cele dou
grupe de oameni n ce privete nivelul tor de impulsivitate: Aceast trstur de
J'mtlii personalitate a fost msurat printr-o scal specific pe un numr de 63 de persoane, dintre
diferite, filnd:de,prii de _lir natere. Mai fllUit, .d1feren~ er13. de ~r?!-~ G:CI!t~<m~k~P 1-1 F:~~~p~n-~ ~n care 27 intrau n prima categorie, a celor care sreaz mncarea nainte de a o gusta, iar 36
tarriiiii ;,n6rmale'',.la? ceilali n familii cu ~.probleiJle", Obiectivul st~d~g~~~,f~C!.u;r7:t::-~~~ ~~<ll? h. m
1
erau persoane din a doua categorie. Datele obinute pot fi consultate n baza de date "t
ce hi~~r: agreivitatea este nvat soCial, cu alte cuvii:lt~: pt:J: m,~sY!?' .r?<_1 ~f;: ~~reren.te
Tri
semnificative n manifestrile agresive al~. geflle[Jilor dif) cele doU grupe/\g~E)~IY,I~te,~ Cl.f()Sl independent. sali'. (o cercetare pe o tem similar a fost efectuat n realitate de McGee i
cod<!!~ p~ ~ ".:.z~yl)_,u,_i_. pro\Qcot de QPl>I?[V_~ije, ~c~~yrit,~ y~rijn(j ptre .~ !i:~O, :,;\:r;(:,\>i'>)tt~ '['~:'/);i, :, . Snyder, fiind descris n Kerlinger i Lee, 2000) .
,,_,; ,';i>--

Problema B
Un student din anul III este interesat s stabileasc dac anul 1Psihologie este mai
1 dificil dect anul al 11-tea, din perspectiva rezultatelor colare. Pentru aceasta, el selecteaz
la ntmplare un grup de 28 de colegi, crora le calculeaz media general obinut de
acetia n primii doi ani, anticipnd c subiecii selectai vor avea rezultate mai mari n anul Il
dect n anul 1. Datele obinute pot fi gsite n baza de date ,.t dependent.sav'.

(1) Cum identificm

o situaie de compa~are ntre dou grupe?
Rspunsul este foarte simplu: trebuie s existe doar dou modalitti ale --VI.
... ....... ~~~- ?~""-'"''~~ "~=',.,.!_._
... .., ~

calm relaxant n tilnp ce al doilei'! gi:up Vi'! rezolyaprpb!~.[jl~ 9~pq bcaJ:~tr,o.~trl)gs.fera In prima problem, variabila de grupare are dou.GC3tegorii: persoane care sreaz

Z}Ps:i:;t~}~:8~;~~~~-t~~- ~Y,;~;:-~~:-r;:~~:!~~~~~;;~~~~~~%T~~~-~~.- .. f~}~!a;[:i~~!it:_:Y]t mncarea nainte de a o gusta i persoane care sreaz mncarea dup ce au
gustat-o, dup preferin. Dac variabila ar fi inclus o categorie suplimentar, cea a
... ,, .,. ' . ; . ' ' ''' :<:;;i : ':; 9\:.~ :. : :,;:q; ,;[g!;{<;;~~;~i<?'~:; . . persoanelor care nu sreaz deloc mncarea, am fi avut trei categorii VI, deci nu

.~;~l(1~:~~~~:f'~~=!~~~ij,;~j"~;~,~-;114:l\~f.f~~i'.~ . i~~~i~
s-a obtinut un.scor mediu de 80 i o abatere standard de 8,. Ser1~1camr~b~H~?,;are !3G_easta:
clas Gn nivel mediu de e~patie mai ridicat dect media pQpulatieid~eleYii?("!<'; .. ,
am~ fi aplicat testele t sau z. 1n problema 8, avem tot dou grupe, prima fiind
constituit din rezultatele studenilor cnd erau n anul 1, iar cea de-a doua, din
rezultatele studenilor obinute n anul li.

73
72
 111'111!11'111111111 111111 :jllll:lllm:m,.111111111::m1

Aceleai condiii se pstreaz i ri cazul testelor z. Totui, cnd. utilizm

(2) Ce fel de grupe sunt comparate?
~n tes.J"sau un}_f!st z? Rspunsul este mai complicat dect pare la prima vedere.
Aici trebuie s facem distinctia'
ntre situatia
'
comparrii
. medii."- unui
In ~od formal, cele dou teste au distribuii statistice diferite. Totodat, pentru a
eantion cu cea apopulatiei (testele t i z pentru uri eantion); situaia comparrii 1
a~l1ca tes~ul z nu trebuie s cunoatem abaterile standard ale grupelor comparate,
mediilor a dou eantioa~e independente (t independent); respectiv a comparrii
mediilor a dou eantioane perechi (t dependent). n problema A identificm
situaia a dou eanti;~ne ind~pendente, deoarece este vorba de persoane diferite
l c1 aba~errle s_t~ndard ale populaiilor din care sunt extrase cele dou grupe.
Aceasta_ ~o~d11e nu poate fi ndeplinit practic dect foarte rar. Totui, conform
teoremei lrm1telor centrale (Kerlinger i Lee, 2000), n cazul unui numr de subiecti
ri cele dou grupe (cei care folosesc sarea nainte, respectiv cei care folosesc
suficient de mare (cel puin 30 de subieci pentru fiecare grup) distributi~
sarea dup mncare). n plus, ntre subiecii celor. dou grupe nu exist o
rezultatelor se apropie de forma unei distribuii normale z, iar estimarea abat~rii
coresponden prealabil natural sau artificial. n schimb, problema B ilustreaz
standard a populaiei pe baza rezultatelor obin.ute n cele dou grupe este destul
situaia a dou eantioane perechi, fiind vorba de testarea repetat a acelorai
de adecvat. De aceea, se obinuiete s se aplice testele z cnd exist cel putin
subieci.
3? de-stJbi~ci n fiecare grup comparat, respectiv testel~J. dac n cel p.J,Jin u~ul
d1ntre lotunle comparate exist mai puirLde 30 de subiecti.
(3) Ce fel de date au fost colectate? Totui, n practic se ntlnesc des situaii dif~rite de cele postulate n
Pentru a aplica testele+sau z avem nevoie de compa..!]L~~ difert:l~~l_or
teorem, fcnd neadecvat aplicarea testelor z. n plus, n destul de multe cazuri,
dintre dou medii. Cum acestea au sens numai n cazul datelor m~'lsurate prin
formula de calcul dintre t i z nu difer. De aceea, exist tendinta de a renunta la
scal;r;~~~ri~~-' J1Sea1tm c testele t i z pot fi aplicate doar n cazul n cgr.~Y,D utilizarea testelor z n favoarea testelor t, ultimele putnd nlocui 'cu succes te~tele
(criteriul) este ~i\isurat prin scale de tip intePJal.sau .. proporii. Dac VD a fost
z. De altfel, unele programe statistice, precum SPSS-ul, au renuntat la a prezenta
msurat prin scale nominale sau ordinale trebuie aplicate alte tehnici, testele t $i z
testele z, diferenele dintre dou medii putnd fi testate pe baza te~telor t
nefiind adecvate. Pe lng aceste cerine viznd VD, reamintim c testele t i z pot
Chiar dac vom aplica testele z utiliznd criteriul clasic al grupelor formate
fi aplicate doar pentru a testa diferenele din,!rE'. g'.Qf!~.~D::'~d,ii: n cazul comparrii
din peste 30 de persoane, se observ c ambele exemple necesit aplicarea
simultane a mai multor-.meO.ii se aplic tehni.cil.e.,AtJOYA n cele dou probleme-
testelor t, deoarece n problema A, una dintre grupe avea mai putin de 30 de
exemplu se constat c datele permit aplicarea testelor t sau z, deoarece exist
subieci (grupul celor 27 de subieci care sreaz mncarea nainte d~ a o gusta),
doar dou grupe n fiecare problem, iar rezultatele VD sunt exprimate numeric
iar problema B avea n ambele grupe cte 28 de rezultate. Testele z ar fi avut ns
(punctajul la testul de impulsivitate, respectiv media general anual).
avantajul unor valori standard pentru a decide dac dou medii difer semnificativ.
Astfel, pentru a sprijini ipoteza c dou medii difer la un nivel semnificativ statistic,
(4) Condiiile aplicrii tehnicii respective sunt ndeplinite?
ar trebui ca valoare calculat z s fie mai mare sau egal cu:
Pentru a putea aplica n mod corect testul ales trebuie ndeplinite unele
conditii_statistice. O conditie valabil pentru toate testele t i z este aceea ca z = 1,96 pentru p < .05 sau z = 2,58 pentru p < .01 n cazul testelor bidirecionale;

distribuia vari~JJE!i.Q..emendente-{a~r,ezultatelor) ~-fl~..~?!!!1al. n cazul n .care se

constat devieri grave de la normalitatea distribuiei, datele pot .tLJranfor_T!late,
dup indicaiile prezentate n finalul capitolului de statistic descriptiv. Dac
aceste transformri .nu rezolv problema, se renun la aplicarea testelor t i z, n
favoarea unor tehnici non-parametrice.
n cazul testului t Tndependent exist o condiie suplimentar, aceea ca
cele dou grupe s aib odspersi~~()JTJOger~<'t (dispersii rela_iy ~gale). Condiia
este analog<'=Licteii..de homoscedasticitate din cazul corelaiilor i al regresiilor.
Totui, dac ~ceast condiie este n~~lcat, se poate calcula o variant _ajustat,
a crei formul este similar testelor z. . studeni n anul 11 vor fi mai mari dect cele obinute de ei n anul 1". F~rmulrile
n cazul testului t depend-;;;~t nu' e nevoie ca cele dou dispersii s fie
omogene, ns exist o alt conditie suplimentar, aceea a unei distribuii normale
a dif::;r~nei .scon,trilor_ dintre pre-t~st i post-test. Ambele exemple respecta
condiiile de aplicare a testelor t
z = 1,65 pentru p < .05 sau z = 2,33 pentru p < .01 n cazul testelor unidirecionale.
(5) Ce fel de ipotez mbuie testat?
nainte de rezolvarea unei probleme trebuie s stabilim tipul ipotezei de
cercetare: unidirec[Qnc:J[_(uqJiateral) sau bidirecional (bilateral). n problema A
avem o ipotez bilateral, deoarece sintagma utilizat "exist diferene ntre cele
dou grupe n ceea ce privete nivelul de impulsivitate" nu arat directia diferentei.
n schimb, problema B implic o ipotez unilateral: "rezultatele' obtinute 'de
unidirecionale sunt mai preCise, precum "A este mai)J)iC d~ct B" sau "A este mai
mare _d.e..cLB", fiind specificat directia de evolutie a diferentelor. Acest lucru nu se
fciafe ntmpl n cazul unei ipoteze bilater~le de tipul :.A este dife;itde B".
Pe baza rspunsurilor la aceste ntrebri, puterl1 concluziona c este
nevoie de un test t pentru eantioane independente n cazul problemei A, respectiv

75
74
 :!11:11

Ce nseamn un t(61) = 2,26, p < .05? Rezultatul este semnificativ statistic

de un test t pentru eantioane perechi n cazul problemei B. Vom aborda pe rnd
ceea ce duce la respingerea ipotezei nule care stipula c cele d~~ populatii n~
cele dou probleme.
difer n privina nivelul de impulsivitate. Prin urmare, ipoteza cercetrii 'este
sprijinit, ntre cele dou categorii de persoane existnd diferente ale nivelului de
Tabelul 3.5. Mediile i abaterile standard privind nivelul de impulsivitate. din cele dou grupe
impulsivitate. Pentru a vedea directia diferentelor este sufici~nt s consultm
Sreaz nainte de a gusta Sreaz dup ce a gustat valorile mediilor prezentate n tabelul '3.5. Astfel: vom con~tata c persoanele care
mncarea mncare a obinuiesc s sreze mncarea nainte de a o gusta sunt mai impulsive dect cele
M AS M AS care sreaz mncarea dup ce au gustat din ea.
Nivel de lmpulsivitate 14,81 1,78 13,64 2,22 Cele 61 de grade de libertate ale testului t independent din exemplul de
mai sus pot fi calculate i manual pe baza formulei (df = n1 + n2- 2), Reamintim c
Distana de 1,17 puncte dintre medii este suficient de mare pentru a sprijini cele dou grupe au fost- constituite din 36, resp~iv-2rde persoane, fapt ce a
ipoteza existenei unei diferene n nivelul de impulsivitate ntre persoanele care condus la cele 61 de grade de libertate-ale testului.
sreaz mncarea nainte de a gusta i cele care folosesc sarea dup ce au gustat
mncar!a? Constituie prima situaie un semn de impulsivitate? Pentru a rspunde (6) Gt de intens este diferena dintre grupe sau dintre categoriile de
la aceste ntrebri va trebui s respingem ipoteza nul care neag existena unor rspunsuri?

diferene ntre cele dou populaii de subieci, iar pentru aceasta vom aplicaJe:t~l t Mai rmne s rspundem la o singur ntrebare: ct de mare este
pentru eantioane independente. aceast diferen ntre populaii
n ceea ce privete nivelul de impulsivitate? Pentru
........ ,.. -.-:---
~ .
aceasta va trebui s calculm mrimea efe9tului.
Spre deosebire de tehnicile x2 care sufereau la acest capitol, exist o
Testul Levene de
eaalitate a disoersiilor Testul t de eoalitate a mediilor multitudine de indicatori ai mrimii efectului bazai pe stabilirea unor diferene
F 1 SiQ. t 1 df 1 Sia. (2-taileQl standardizate ntre medii. Dintre cei mai cunoscuti amintim de indicele d al lui
Cohen sau g al~luj_lj_Qges. Mai multe informaii despre aceti coeficieni"-"p(rfi
,027
Nivel de impulsivitate Dispersie omogena 2,1641 ,146 2,262 1 61 1
Dispersie eterogena 2,335 60,702 ,023
gsite n Cohen (1988) sau Rosenthal, Rosnow i Rubin (2000a). Totui, pentru a
Figura 3.8. Informaiile eseniale din output-ul oferit de SPSS nu suprasolicita cititorii cu explicarea unor noi indicatori, vom apela tot la
n cazul testului t pentru eantioane independente. coeficientul de detei]J2inare r2 i la corespondentul acestuia, coeficientul de
SPSS este o marc nregistrat. corelaie al mrimii efecfuTui "f,' dei nu ne aflm n situatia unor analize
corelaionale. Formula de caW a acestora este extrem de simpl:
Pentru a respinge ipoteza nul trebuie s artm c diferenele sunt
suficient de clare nct ansele ca ele s apar din ntmplare s fie mai mici de
.05. Urmnd calea "Analyze~,.Compare Means"~"lndg[)mdent Sampl~s T Tests" i
stabilind grupele de comparat prin acti~narea butonului "Grouping \f.'rl<!ble" vom
obine rezultatele din SPSS, prezentat~ n figura 3.8. Pentru a afla valoarea luit ~QDJ~.ti1i?:~L<3Ceeai formul, darl~r~ _radical.
Se observ c SPSS-ul ofer dou valori ale testului t, pentru fiecare
Prin urmare mrimea efectului se poate calcula ~implu, pe baza valorii lui t i a
situaie posibil: n cazul respectrii condiiei de omogenitate a dispersiei celor
gradelor de libertate ale testului respectiv, nlocuind n formul (t = 2.26, iar df =
dou grupe - t(61) = 2.26, p < .05, test bilateral, iar n cazul nclcrii condiiei
61 ), vom obine un r de .19, respectiv un r2 de .035 (3,5%). Aceast valoare indic
=
amintite, o variant ajustat a lui t (60,70) 2.33, p < .05, test bilateral. Pentru a
o diferen de magnitudine sczut ntre cele dou grupe cu privire la nivelul de
decide care dintre valori este adecvat cazului de fat vom consulta valoarea impulsivitate.
testului ~--<:~1 lui Levene. Un F semnificativ statistic i~dic faptul c cele dou
Pentru a veni n sprijinul cititorilor familiarizati cu indicii d al lui Cohen
dispersii "slin,!.J3t~Jpg~r:_e, nclcnd astfel condiia de aplic~re a ,i{?,f;>tui~U clasic. n
respectiv g al lui Hedges, precum i pentru a facilita' realizarea de meta-analiz~
asemenea condiii se citete cel de-al doile.a.t. Pentru problema dat, testul Levene
unitare, vom prezenta formulele de transformare a lui r n d, respectiv n g i
nu este semnificativ statistic F = 2, 16, p ;:.1 o, prin urmare ne vom putea ncrede n
viceversa (Becker, 2003; Rosenthal, Rosnow i Rubin, 2000a; Rosenthal, Rosnow
prima valoare a lui t.
i Rubin, 2000b):

77
76
 ,1111 iiiiUIIIIIIIIIIIIIIIII,IIIIIIIIIIIIIIIIIIIIIIIIIIIIII~IIIIII:IIIIIIi I I 11' '

d deoarece media general din anul 1 era mai mic dect media general a anului 11.
r
(3.6) Dac am fi inversat termenii operaiei am fi obinut un rezultat pozitiv. Tn
'"i r= g (3.4) ~l-r 2
(3.5) r=.Ja2+;
~g2 +{~)
consecint, spre deosebire de corelatii, n cazul testelor t i z nu conteaz
\ g=
+
dj(;1l n2)
1 1 . :.,.... .

acestora, ci doar rezultatul ca valoare absolut, ~rn cazul de fa 1,80. O alt

semnul
~,-,:.=:..::.~=-~~:,::;;'.,,c.

nln2 deosebire fa de tabel privete tipul de ipotez testat. Din pcate, SPSS-ul ofer
doar valoarea pragului de semnificaie pentru testele bidirecionale. Dac ipoteza

~
11 d = 2r (3.7) d=g (3.8) g=df!-
(3.9) cercetrii este unidirecional, precum n cazul problemei B, va trebui s calculm

.J1- r2 manual pragul de semnificaie pentru testul unilateral. Valoarea acestuia este la
jumtate din cea a pragului unui test bidirecional. Tn cazul de fa, vom obine
~.

~-~-
~
pentru testul unilateral un p ~de~,.Q4.L~.08242} Cu aceast ocazie putem constata
.. ~ . f t 1 i N semnific numrul total de
unde r g sau d reprezint indicatorii manmu e ee u u ' . . ~ importana formulrii ipotezei de cercetare. Tn cazul unui test bilateral ("exist.
' t fiecare dm cele doua grupe
subiecti testati n1 i n2 numrul de sub1ec1 pen ru ~ diferene semnificative ntre mediile colare din cei doi ani de studiu"), testul t nu ar
' ' l"b rt t De remarcat ca formule 1e se
comparate iar df reprezint gradele de 1 e a e. d fi fost semnificativ statistic, deoarece pragul obinut de .08 era mai mare dect
' va fi vorba de gradele e
pstreaz i n cazul testelor ANOVA, cu precizarea c pragul maxim admis de .05.
libertate ale dispersiei neexplicate (df intragrup). Prin urmare, datele nu ar fi sprijinit ideea unei diferene n dificultate ntre
cei doi ani universitari. n schimb, n cazul unui test unidirecional ("media general
lat i demersul statistic n cazul problemei B: din anul 1 va fi mai mic dect media general din anul Il"), testul t a devenit
semnificativ statistic, deoarece un p de .04 este mai mic dect limita maxim de
.. an~ale pentru cele dou grupe
Tabelul 3.6. Mediile i abaterile standard ale medii 1or co 1are .05. Pe baza acestui rezultat i analiznd mediile din cele dou testri, vom putea
Anul li de studii afirma c anul 1 de studiu este mai dificil dect anul al Il-lea. innd cont c ipoteza
Anul 1 de studii
M AS problemei B este unidirecional, a doua interpretare rmne n picioare. Astfel,
M AS
8,22 0,94 datele susin intuiia studentului, rezultatele colare din primul an de studiu fiind
Media general 8,14 1,00
mai slabe dect cele obinute n anul al Il-lea.
.. t r i suficient de mare Gradele de libertate n cazul testului t dependent se obin pe baza formulei
Este aceast diferent dintre medii, de doar op su 1m ~i,~,;JI', unde N reprezint numrul de perechi de date. Tn cazul de fa, au fost 28 de
. ~ . 1 t uor dect anul 1? Pentru a
pentru a sprijini ideea studentulUI ca anul 1 es e mal . perechi (subieci ntr-o grup), prin urmare sunt 27 de grade de libertate.
. t
rspunde la ntrebare vom aplica testu 1 pen ru
t dou eantioane perechi.
Rmne valabil ntrebarea: ct de mare este diferena dintre cele dou
medii? Aplicnd aceleai formule prezentate n cazul testului independent vom
obine. un r2 de 6,25%, corespunztor unui r de .25. Valoarea indic un efect de
intensitate medie, existnd diferene destul de consistente ntre rezultatele colare
Diferenta
t df Sig. (2-tailed) obinute n cei doi ani. Anul 1 este mai dificil dect arul al li-lea. Pentru comparaie,
dintre medii
Pair Media generala in anul 1 - ~1 ,803 27 ,082 un efect sczut corespunde expresiei "puin mai dificil", iar un efect puternic,
-,0814
1 Media generala in anul il sintagmei "mult mai dificil".

Clarificri ale modului de constituire a celor dou grupe comparate

Figura 3.9. Informaiile eseniale din output-ul oferit ~e SPSS
prin testul t sau z
n cazul testului t pentru eantioane perechi
SPSS este 0 marc nregistrat.
Adesea se face confuzia-c . ,testel~ t sau z msoar influena VI asupra
- text sub forma t(27) = 1.80, P < VD. Acest lucru nu este ntotdeauna adevrat. Pentru a ntlni acest aspect este
Rezultatul respectiv poate f1 transcns In
.05, test unilateral. Se pot observa unele diferene ntre datele prezen~ate m tabe)
1 nevoie, cel puin, ca treptele VI s .fi~ .. m.Qjpulate de ctre cercettor. Nu
. f 1 - f. 3 g tare semnul mmus (-1.80 ntotdeauna se ntmpl aa. De multe ori criteriile Ciire stau la baza constituirii
i forma uzual de scriere a lui t. Ast e , In !gura . . d. t
~ - 'f 1 de calcul al lui t diferenta m re celor dou~Lgrupe.nu pot fi manipulate de experimentator, ca n situaia variabilelor
Aceast situatie se explic prin faptul ca m ormu a ' .
. ~ ~ - ul respectiv restul este negatiV, etic;ch~l. Exemple tipice ale acestora sunt sexul R~!,?Oanei (exist diferene ntre
cele dou medii se gsete la numarator. 1n caz

79
78
 III 'lli '1111 1111' 11111111111 'IIIIIUIIIIIWIIII~IIIIIillllll~llllldlllll '11111 1111 IB 11 '

b~rbai i femei), grupa de vrsta (exist diferene ntre tineri i vrs~ni~i) etc_. ~ai
Dei testele t i z sau tehnicile X2 sunt cele mai utilizate metode de compare a
mult uneori criteriul--:de grupare poate fi o consecin a aa-z1se1 vanab1le
diferenei dintre dou grupe, ele nu epuizeaz toate posibilitile ntlnite. Figura
dep~ndente. Obiceiul de a sra mncarea nainte sau dup gustarea mncrii ?.a~~ 3.1 O prezint un ghid simplificat de alegere a testelor de comparaie introductive,
a fi mai degrab un efect al impulsivitii i nu o cauz a acesteia. Aceste subt1hta1
dar i a celor de asociere." Ghidul i pstreaz validitatea n cazul respectrii
joac un rol important n interpretarea rezultatelor, precum identificarea corect a
condiiilor de aplicare a fiecrei tehnici statistice n parte (detalii despre toate
relaiilor de tip cauz-efect.
aceste tehnici sau altele care le pot substitui pot fi gsite n Clocotici i Stan
(2000), Field (2000), Hinkle i.colab. (1994), Lungu (2001); Radu i colab. (1993),
Sava (2002) etc.).

3.3. Managementul datelor brute

n finalul acestui capitol vom discuta cteva msuri care trebuie luate n
cazul n care:
(1) exist d~.WJip,s;
(2) exist date necmi,quj~"-.E:J~treme;
(3) datele brute trebuie . transformate pentru a ndeplini condiiile de
aplicare ale unor teste_~-~Ci!isti~=-~~!~-~etric_e.

3.3.1. Managementul datelor lips

Cu siguran c n viaa real, orict de mult ne-am dori noi ca subiectii

testai s complete~J~-~~~ _r_~~ricile, acest lucru are mig,.__ans.e .~? se ntmple di'n
diverse motive: chestionare -prea lungi, gradwl . de intimitate crescut al unor
rsp~suri etc. n consecin, ntre rezultatele obinute vom regsi i spaii libere,
care vor constitui "cariile" bazei noastre de date. n astfel de cazuri avem la
dispoziie mai multe strategii a~r.native de lucru (Tabachnick i Fideli, 1996).
Prima alternativ, utilizat frecvent, este de a nu tine cont de datele lips i
de a elimina..r.ezu!!<,Jele subiectului respectiv. Tehnica po";;ieti'~plfcat n cazul n
care sunt puine date lips, iar absena lor este aleatorie. Dac sunt mai multe date
lips, se pot realiza dou grupe de subieci: cei care au completa..trntreaga
seCjJ,::n dat i cei care au date lips. Dac exist diferente semnifica~'T~tr~
"'o
;::l cele dou;iLgrupe, n cazul unor variabile importante. pentru studiu, nu serecomand
"O
4l
tergerea cazurilo.r...cu date lips, deoarece se pierd informaii importante.
.;:~
.s :0 n aceste condiii, cercettorul va trebui s estimeze vai~rea datelor lips
"O "'
ro: c i s le introduc. n baza de date. Pentru aceasta o msur poataJiniQ9Uirea
...
4l
Q)
"(3
>
"'
spaiilor goai~Lcu una dintre valorile tendinei centrale (media, mediana sa~ ~nodul),
o alegerea fiind fcut n funcie de tipul de date i de forma distributiei acestora.
.< . Totui, aa cum vom vedea n seciunea introductiv a c~pitolului destinat
regresiei, media nu reprezint cea mai bun modalitate de estimare a unei valori.
Datele lips pot fi estimate mai bine printr-o ecuaie de regresie. Variabila care
Figura 3.1 O. Ghid de alegere a testelor statistice inferenia/e de baz include datele lips este utilizat drept criteriu, n timp ce variabilele care se

80
81
 1,',','"'1'1]''1,,1] jll',,,'l,il'li
1111'11111111111111
asociaz foarte mult cu criteriul, vor fi luate drept predictori. Totui, estimarea
datelor lips pe baza regresiei are i ea anumite limite: valorile prezise pot depi
amplitudinea unei variabile (ex. rspunsurile se regsesc ntre 1 i 5, iar valoarea
estimat este 6); pentru aplicarea ei avem nevoie de variabile care s relaioneze
puternic cu variabila criteriu.
3.3.2. Managementul datelor neobinuite
Am o veste bun pentru dumneavoastr: n medie, grupul de prieteni pe
care-I avei ctig, lunar, aproximativ 6.000 de USD ... ns cu o singur condiie
s v mprietenii cu un miliardar n dolari. Astfel, cele cteva milioane de lei pe
care le ctigai dumneavoastr i ceilali prieteni .,obinuii", adunai cu sute de mii
de dolari ctigai de miliardar, vor da o medie care nu reprezint pe nimeni - 6000
de USD. Tn cazul datelor bivariate ' efectul distorsionant al datelor extreme a fost
---.
amintit n seciunea destinat norului de puncte, cnd am prezentat efectul lor
asupra valorii coeficientului de corelaie.
Sursa valorilor neobinuite poate consta n introducerea locorecti=Le...unor
date n calculator (de exemplu tastarea valorii 77, n locul lui 7) sau n includerea
unui caz care nu fag__e parte din populatia de studiu, cum, din nefericire, este
situaia miliardarLilui n doi~ri. o alt cauz~ este existena unui numr mai~-mar.e de
valori extreme decilfcele ateptate ntr-o ditribuie normal. V reamintii probabil,
. c 99% din datele distribuite normal au valori cuprinse ntre trei abateri standard
distan, de o parte i de alta a mediei. Astfel, dac media unei variabile este 1O,
iar abaterea standard 1, ne ateptm ca 99% dintre persoane s obin rezultate
cuprinse ntre 7 i 13. Dac 7% din date se regsesc n afara acestui interval,
precum n cazul unei distribuii platicurtice, vom avea mai multe valori extreme.
Tn funcie de sursa datelor extreme, se impun i msurile corective. Astfel,
dac datele au fost introduse incorect, se poate face o verificare prin precizarea
valorilor minime i me1xjme ntlnite. Astfel, dac datele variaz de la .1 la 10, iar noi
observm c valoarea' maxim este 66, cu siguran ea este o eroare de
tehnoredactare, ce poate fi corectat. Dac acel caz nu~ face parte din. populaia
aflat n studiu, se elimin""Valoarea extrem prin renuntarea la cazul respectiv. Tn
sfrit, dac ne aflmr;;;jt~~tia cu mai multe valori extreme dect sunt ateptate
ntr-o distribuie normal, exi~t dou solutii. Fie se realizeaz dou categorii de
rezultate, prin includerea sau excluderea 'valorilor neobinuite, pentru studia
efectul acestora asCp"i-"EtTndicatorilor statisticfc.alculat, fie se va recurge la
transformarea datelor brute. Ultima solutie este util i n cazul n care condiiile de
aplicare a unotteste statistice parametri~e nu sunt ndeplinite.
3.3.3. Transformarea datelor brute
Vom preciza de la nceput c uu
este vorba de o transformare a datelor
brute n date standardizate ele tipul cQ!.~Ior T sau z, ci de o re::,,R,~!are a val_orilor,
82
IIJIIIIUIIIIIJIIIIillllllllll-111111111111111111'1,1 1' 11 11 1 III 1111 III 11 ~ 1 1 il 11 '11 1111 1111 1111 1111 IIU
'1
1 astfel ~nct condiiile de aplicare ale unor teste statistice s fie ndeplinite. Acestea
i sunt discutate pe parcursul ntregii lucrri, la momentul prezentrii fiecrei tehn"
t t" t" ICI
s a 1s 1ce In parte. Deocamdat vom preciza doar c cele mai ntlnite conditii sunt
1
normalitate distribuiei, respectiv liniaritatea i homoscedasticitatea relatiei' dintre
dou vari<=:b.il~.. . '
Re!ijle.... nelii}fe pot fi tratate ntr-unul din urmtoarele modurt. Prima
solu_ie posib~l duce la gruparea valorilor variabilei )$.}!!_trei_ categorii (mici, medii i
man). O data grupate, se pot aplica, fie tehnici de comparaie a diferentelor dintre
cele !~:~. gr~pe, ~ie_ tehnici de asociere ntre variabila Y3}.Jiecare vari~bil de tip
dummy, rezultata In urma gruprii valorilor X. Detalii despre aceste tehnici vor fi
oferite n cazul capitolelor referitoare la tehnicile ANOVA, respectiv n sectiunea
despre variabile,.,.9.l1_mmY din cadrul regresiei multiliniare. Cea de-a doua ~olutie
implic "ridicare~ 1~ ptrat a valorilor X, obinnd astfel variabila )(~, care apoi v~ fi
corelata cu vanabila)', Uneori, prin aceast msur, relatia dintre variabile devine
.......,.-..A~"'~~
liniar, ~s acest lucru trebuie verificat prin inspectarea n~rului de puncte.
In cazul unor date numerice, homoscedasticitatea presupune ca
mprtierea punctelor s fie aproximativ aceeai pe toat distributia norului de
puncte (finalul seciunii 1}.:?). jqr _~ cazul datelor . nominale, impic id~ea ca
variabila . depen~ent -~~.Jj~ lq_f.elde D:nprtiat. pe parcursul fiecrei cC)tegorii
(omogemtatea d1spers1e1). Un exemplu de nendeplinire a acestei conditii n cazul
datelor nominale se regsete n valorile de mai jos, deoarece datele su~t mult mai
mprtiate n cazul brbailor dect n cazul femeilor:
!nlimebrbai={1,75; 1,80; 1,86; 1,67; 1,62; 1,70}
~nlimefemei=:{1,66; 1,68; 1,70; 1,65; 1,63; 1,71}
. In multe cazuri, heterq~ceg_~_:;_ticitatea apare ca urmare a faptului c una
dmtre variabile nu este."distribuit normal. Tabachnick i Fideli (1996) ofer o
excelent ilustrare pentru a susine acest lucru, dnd drept exemplu relatia dintre
venit i vrst. La vrste tinere, diferena dintre venituri nu este att de m~re, ns
o dat cu naintarea n vrst, distanele dintre oameni, n ceea ce privete venitul,
cresc. Gradul de asociere dintre cele dou variabile este atenuat de prezenta
heteroscedasticitii. Venitul este probabil variabila nedistribuit normal, deoare~e
exist mult mai multe valori mici i medii, dect salarii foarte mari. Prin urmare
relaia vrst i venit poate fi evaluat mai corect, dac vom transforma initia'!
valorile venitului, prin logaritmare. Vom lmuri imediat ce nseamn acest lucru '
n sfrit, norcrnalitatea distdbuiei datelor este esenial n obinerea ~nor
a rezultate acurate pentru majoritatea tehnicile statistice, deoarece n realizarea lor
s-a pornit de la premisa unei distribuii normale. Cnd acest lucru nu se ntmpl,
avem la dispoziie dou soluii: fie renunm la aplicarea metodelor respective n
favoarea unor tehnici r:~oncparametrice, fie vom transforma datele pentru a
normaliza, pe ct posibil.Jlistribuia datelor. .
Pentru a nelege ideea de transformare a datelor, v punem urmtoarea
ntrebare: folosind acelai set de date, cum transformati o distributie non-normal
' 1 ,,.,.,.""'''
83
 :1 :11 :1111 :1111' 11111 illll 'IIIIIIIIIIIIHIIIII~IIII~IIIIIHIIIIIIIIIIIIWIIIII~IIIIIIIIIIII ,1111 illl III

exprimat n euro are o distribuie asimetric pozitiv care necesit logaritmare,

lnlr-t,ma normal? Altfel spus, cum putei obine imaginea din dreapta figurii 3.11,
valorile transformate reprezentnd venitul vor avea ca unitate de msur euro
pornind de la imaginea din stnga?
logaritmai". n psihologiE:l ns, multe rezultate de genul scorul 17 la un te~t de
agresivitate, rezultatul 9 la o prob de sugestibilitate, nu au o unitate de msur
clar, aa c nu vom pierde nici mcar att prin transformarea datelor.

Rdcina ptrat
Rdcin ptrat din numrul
reflectat

Figura 3.11. Distribuie non-normal, platicurtic (stnga),

respectiv o distribuie normal (dreapta)
Asimetrie pozitiv moderat Asimetrie negativ moderat
Este greu? lat un alt indiciu! S presupunem c imaginea din stnga este
Logaritm
realizat pe baza urmtoarelor rezultate X = {2; 4; 7; 9; 12; 14; 16; 19; 22; 25}, Logaritm natural
natural din
astfel c valoarea minim este 2, iar cea maxim 25. n schimb, imaginea din numrul
reflectat
dreapta, are valori mult mai apropiate X =={1 ,41; 2; 2,64; 3; 3,46; 3,74; 4,35; 4,69;
5}, minimum fiind 1,41, iar maximum 5. Spiritul de observaie i abilitile numerice
v-au condus cu siguran la rspunsul corect. Datele iniiale au fost transformate
prin utilizarea~radicalului. Astfel 0 distributie "mprtiat" poate fi "adunat" prin
transformarea Vlorilor
-==--'----:-,.-.. ,
observ~te
1 . ;
nct ~oile valori s -~~b~'~6-'amplitudlne, mai
c, <"-
Asimetrie pozitiv sever Asimetrie negativ sever
redus. ..
Nu toate distributiile non-normale sufer de aceeai problem, a unei Inversul numrului reflectat
distribuii platicurtice. Unee sunt puternic asimetrice pozitiv, altele sunt ~simetrice Inversul numrului (1/ X)

negativ, iar n cazurile grave pot aprea att devieri ale boltirii, ct i ale oblicitii.
Pentru fjecare situaie n parte exist transformri specifice. Figura 3.12 ofer mai
multe informatii utile.
Transformrile necesare sunt dependente de severitatea nclcrii
premisei de normalitate a distributiei. n cazul distribuiilg..r...asimetrice pozitiv putem
Asimetrie pozftiv extrem Asimetrie negativ extrem
scoate radical_cU!lJ!.?IO_[i\~J?[\;Ite, putem logarjj:roa .sau putem obine inve.c~~l valorii.
De exemplu, n cazul unei distributii asimetrice pozitiv, care a deviat sever fa de
Figura 3.12. Distribuii non-normale i soluiile corespunztoare
curba normal, datele pot fi transformate prin logari!_nwre. Aceleai operaii pot fi
efectuate i n cazul asimetriilor negative, cu condiia ca transformarea s aib loc
utiliznd datele reflectate. Reflectarea datelor se poate nelege uor prin urmtorul
exemplu. Fie irul de date: X= {3, 7, 9, 12, 14, 17}. Pentru a relJ~ valorile, vom
aduga mai nti cifra 1 la valoarea maxim din ir. Din valoarea rezultat, n cazul BIBLIOGRAFIE
nostru 18, vom scdea fiecare valoare din ir, obinnd X == {15, 11, 9, 6, 4, 1}.
Bineneles c acestea nu sunt singurele transformri posibile. Datele pot APA (2001). Publication manual of the American Psychologica/ Association (5th ed.).
suferi diverse alte operaii, precum ridicarea la ptrat, ridicarea la cub etc., ns Washington, DC: American Psychological Association.
soluiile propuse mai sus dau cele mai bune rezultate n cazul unor deviaii de la Becker, L. (2003). Effect size. Gsit la: http://www.uccs.edu/-lbecker/psy590/es.htm.
Brewer, M.B. (2000). Research design and issues of validity. n H.T. Reis i C.M. Judd
normalitate, asemenea celor prezentate n figura 3.12.
Dup transformare, n cazul normalizrii aproximative a distribuiei, datele (eds.). Handbook of Research Methods in Social and Personality Psycho/ogy (p. 3-16) ..
pot fi utilizate, fr nici o problem, n orice fel de tehnici statistice, care au drept Cambridge: Cambridge University Press.
premis distribuia normal a datelor. SinguJ}!L'aspect care se pierde. prin
transformare este unitatea de msur a variabilei transformate. AstfeCC!ac venitul
85
84

Cialdini, R.B., Borden, R.J., Thome, A., Walker, M.R., Freeman, S., Sloan, L.R. (1999).
Basking in reflected glory: three (football) field studies. n R.F. Baumeister (ed.). The
Self in Social Psychology (p.436-445). Ann Arbor: Taylor & Francis.
Clocotici, V., Stan, A~ (2000). Statistic aplicat n psihologie. lai: Editura Polirom.
Cohen, J. (1988). Statistica/ power ana/ysis tor the behavioral sciences (2nd ed.). Hillsdale,
USA: Erlbaum.
Faul, F., & Erdfelder, E. (1992). GPOWER: A priori, post hac, and compromise power
analyses for MS-DOS [Computer program]. Bonn, Germany: Bonn University, Dept. of
Psychology.
Field, A. (2000). Discovering statistic using SPSS for Windows. London: Sage Publications..
Hinkle, D.E., Wiersma, W ., & Jurs, S.G. (1994). App/ied statistics for the behavioral sciences
(3'd ed.). Boston: Houghton Mifflin Company.
Kerlinger, F.N, & Lee, H.B. (2000). Foundations of behavioral research (4th ed.). Orlando,
USA: Harcourt College Publishers.
Leary, M.R., Tchividjian, L.R., & Kraxberger, B.E. (1999). Self-presentation can be
hazardous to your health: impression management and health risk. n R.F. Baumeister
(ed.). The Self in Social Psychology (p.182-194). Ann Arbor: Taylor & Francis.
Lungu, O. (2001). Ghid introductiv pentru SPSS 10.0. Seria Psihologie Experimental i
Aplicat.
Pedhazur, E.J., & Schmelkin, L.P. (1991). Measurement, design, and analysis: an integrated
approach. Hillsdale, NJ: Lawrence Erlbaum Associates, Publishers.
Radu, 1., Miclea, M., Albu, M., Neme, S., Moldovan, 0., Szamoskozi, . (1993).
Metodologie psihologic i analiza datelor. Cluj-Napoca: Editura Sincron.
Rosenthal, R., Rosnow, R.L., & Rubin, D.B. (2000a). Contrasts and effects sizes in
behaviora/ research. A correlational approach. Cambridge: Cambridge University Press.
Rosenthal, R., Rosnow, R.L., & Rubin, D.B. (2000b). Contrasts and correlations in effect-
size estimation. Psychological Science, 11 (6), 446-453.
Rotariu, T., Bdescu, G., Culic, 1., Mezei, E., Murean, C. (1999). Metode statistice aplicate
n tiinele sociale. lai: Editura Polirom.
Sava, F. (2002). Pagina de statistic social. Gsit la http://statisticasociala.tripod.com.
Tabachnick, B.G., Fideli, L.S. (1996). Using multivariate statistics (3rd ed.). New York:
Harper Collins College Publishers.
Yaffee, R.A. (1996). A basic guide to statistica! research and discovery. n F.T.L. Leong i
J.T. Austin (eds.). The psychology research handook: a guide for graduate students and
research assistants (p.193-207). Thousand Oaks, USA: Sage Publications.
86
JIIIIIIIIIJ!!IIIIIIIIIIIII !I
CAPITOLUL 4
TEHNICILE ANOVA
. Cnd dorim s comparm mai mult de dou~grupe de subiecti nu vom mai
1
folosi testul t, ci vom apela la tehnicile filiO~ANOVA este un ~cronim de la
1 denumirea n englez "Analysis Qf Varia~~~;,~'ln limba romn tehnica este
cunoscut i sub denumirea de"aiaTiz dispersional sau analiz -de variant.
l n!!J~"de a aprofunda descrierea i explicarea tehnicii ANOVA, voi preze~ta
moti'{~)e'pentru care preferm.JJtilizarea ANOVA n locul testului t .
--=~ (1) Prima raiune apref~rin~i p~~t~~ ANOVA ine de/d';;,fg~-u/ cercetrii...
Testul t se limiteaz la compararea diferenelor dintre c;I.Q.!L?.g[~pe,'fc~ la situaii
n care exist doar dou t~.~P!~\ (modaliti) ale variabilei independente. Orice
manual de metodologie recomand ns utilizarea unui numr cE!fmai mare de
trepte ale-variabilei independente pentru a observa mai bine efectuLp;~~;~ ta~torii
l au asupra VC1riaJ?iiL dependente. Pentru cei care simt nevoia unei clarificri
suplimentare, voi apela la un exemplu bazat pe legea Yerkes-Dodson, care face
referire la relaia dintre motivaie i performan. Se cunoate c exist un optim
motivaional care va duce la performane crescute. n schimb, dac subiectii sunt
submotivai sau supramotivai vor obine performante sczute. Pornind , de la
aceste considerente, s ne imaginm situaia n care a~ aplica testul t pentru dou
grupe de subieci, cei care au o motivaie sczut (submotivai) i cei care au o
motivaie foarte ridicat (supramotivati). n aceste conditii nu vom observa diferente
ntre cele dou grupe n ceea ce pri~ete nivelul lor d~ performan i vom trage
concluzia c motivaia nu afecteaz performana. n schimb, dac vom introduce
cel puin o grup suplimentar, format din subieci optim motivai, vom observa
diferene semnificative ntre cele trei grupe i vom trage concluzia c motivatia
influeneaz nivelul de performan. Astfel, cu ct numrul de gr_!.![:Je de comparatie
este mai mare, cu att se diversific treptele manip1J!9te .ale variabilei
independente i vom observa mai bine in.flt,Jena.-Variabilei independente asupra
celei gependente.
(2) Cel de-al doilea motiv pentru care testul.t:O.Y este agecvat n situatii de
comparare a mai mult de dou grupe este de ~b'ccfui-:si~fifl~.i s~ n~mete ero~rea
setului d~e.compar;3ii. ".....
Pentru a nelege empiric acest concept, iat cum ar sta lucrurile pentru
situaia de mai sus, referitoare la influena motivaiei asupra performantei. Utiliznd
testul t de comparaii ntre dou grupe vom obine trei indicatori t, co;espunztori
comparrii grupei 1 cu grupa 2, grupei 1 cu grupa 3 i grupei 2 cu grupa 3.
Utiliznd ANOVA, vom fi mult mai eficieni, obinnd un singur indic_e>tor f. Acesta
nu este ns singurul neajuns. Nu este doar o problem de a munci de trei ori mai
87
 IUIIIIIUJIUIIIII = umiii!!IIIIIIIJ~ ,'IIIIIIII:IIIILIIIIIIIIII~IIIIIIIIIIIIII!IIIliiiiiiiiiiii-~IBIIIIIIIIIIIIIII~IIIII::IIIII!IIII 1111 l i '"

mult, ci de prezena unor distQ.C!!JDL~eclanate prin calcularea mai multor teste t, Prin urmare, n afara obinuinei sau uurinei de a aplica testul t, nu exist
un caz particular al erorii setului de comparatii.. . nici un motiv te(Tleinic pentru pstrarea testelor t n situaii n care comparm mai
Aceasta este determinat -de for~uia urmtoare (Hinkle, Wiersma i Jurs, mult de dou grupe. Sintetiznd, ele nu sunt deloc economice (ex. design-ul cu
1994): cinci grupe necesit zece teste t, n timp ce ANOVA necesit un singw indicator F);
cresc anseTe'(l!:i'a comite:eroarea;~~_ip 1, iar atunci cnd aceasta este controlat,
1- (1-a)" (4.1) sporesc ansele de comiterea ,...,.........
erorii de tip 11.
. ... ,...
".-,_.
__

unde_ Cl...~st~ pragul de semnificaie stabilit a priori pentru fiecare test t !?fectuat Tipologia tehnicilor ANOVA
(frecve'nt p=.05), iar c este dat de numrul de teste t ce trebuie efectuate.
Dac exist doar dou grupe de subiecti, se aplic un singur test t pentru a Cele mai_ ntlnite design-uri de cercetare experimental uilizeaz una
testa diferenele dintre mediile celor dou popuiaii de subieci (a). Dac exist tre~ dintre urmtoarele patru forme de analiz dispersional:
grupe de subieci, precum n situaia prezentat mai sus, vom avea de aplicat trei a) ANOYA simpl (unifactorial; o cale);
,teste t (b). n cazul testrii diferenelor dintre patru grupe am fi aplicat ase t~ste t b) ANQ,\LAcu.IlsJJIJgr:L~petate;
(1 cu 2; 1 cu 3; 1 cu 4; 2 cu 3; 2 cu 4; i 3 cu 4) (c). Aplicnd formula de mal sus: c) ANQVAJaGtQrial_ ~ex. bifactorial; dou ci);
vom observa, ns, c doar n primul caz (un singur test t pentru..un .design cu doua d) ANQ,\((:_ mixt.
grupe), probabilitatea de a comite o eroarest~.,~l?~~--r~r:nne .05.
lat o scurt descriere a acestor patru tipuri:
1- (1- o.osy = o.os(a) (a} ANOVA simpl este modelul cel mai simplu dintre tehnicile ANOVA, fiind un
corespondent al testului t pentru dou eantioane io.dep_e.n.d_elle.
1-(1-o.osy =0.15(b) Exemplu: Trei g~pe-"d~--s~bi~ci sunt obinute n mod aieatoriu pentru a testa
efectul pe care-I are "Viagra" asupra potenei sexuale. O grup de subieci va
1-(1-0.05)6 =0.27(c) primi "placebo", pentru a controla efectul auto-sugestiei; o alt grup va primi o
doz mic de "Viagra", n timp ce a treia grup primete o doz ridicat de
n situaiile n care compa@m mai mult de dou grupe, eroarea de tip __ l "Viagra". Variabila dependent a fost nivelul potenei sexuale (Field, 2000).
depete limita maxim acceptat de .05, aprnd eroarea setului de__ (:;_()_~-~~r~u.
Pentru situaia b, de comparare a trei grupe, ea se citete n felul urmtor: ex1s~a- o (b} ANOVA cu msurtori repetate este un mogel corespondent al testului
probabilitate de 15% de a comite eroarea de tip 1 ntr-una din cele trei situau d"e pentru dou eanJLQD perechi. ""'~----,
comparare. Astfel, noi vom respinge ipoteza nul cnd ea nu ar fi trebuit respmsa. Exemplu: Zece subieci se ofer voluntar pentru a testa efectul pe care-I are
Similar, pentru situaia c, de comparare a patru grupe, vom avea o probabilitate de "Viagra" asupra potenei sexuale. Mai nti subiecii vor primi "placebo", pentru ,
27% s obinem o eroare de tip 1 ntr-una din cele ase comparaii fcute. . a controla efectul auto-sugestiei, dup care li se va msura potena sexual.
Asemenea situaii sunt inacceptabile, deoarece pragul maxim al Apoi, aceiai subieci vor primi "Viagra" l'l doze mici, dup care va fi msurat
probabilitii de apariie a erorii de tip 1 este de 5% (.05). Astfel, nu vom putea din nou potena sexual. fn sfrit, aceiai subieci vor primi o doz mare de
utiliza testul t n situaii de compare~r._E; CJ.mai mult de dou grupe. "Viagra", dup care vor fi msurate efectele aprute la nivelul potenei sexuale.
Chiar i n aceste co~cilK unii autori nu renun la ideea utilizrii testelor t
i efectueaz o ajustare, prin metoda Bqnf..C[\2,0}. astfel nct s elimine erowea (c) ANOVA.!"<!,.~Jpr[f!J este un model mai complex, fr un echivalent direct n
setLJJ.uLde comparaii i s controleze ansele de a comite eroarea de t1p 1. cadrul testelor t. ANOVA factorial se distinge prin faptul c vor fi testate efectele
Ajustarea este simpl i const n mprirea pragului de semnificaie_ ge .Q la mai multo~yadabile~indepen.dente (factori) asupra unei singure variabile
numrul-de teste .t care urmeaz a fi aplicat. n cazul unui design cu patru ~rupe, - -~-----
dependent~"P[ecum n cazul unui design faS!9.rial.
fiind necesare ase teste t, vom obtine un nou prag de semnificaie pentru f1ecare Exemplu: Vom pstra parial situaia din exemplul ANOVA simpl, referitor la
din cele ase teste t de .008. O a~emenea valoare, dei controleaz ansa de a manipularea variabilei independente "Viagra" cu trei trepte (modaliti):
comite eroarea de tip 1, este foarte conservatoare, .crescnd ansele de a comite placebo; doz redus; doz mare. Participanii la experiment vor fi mprii
eroa.@_c:J~d_e ip 11, i anume, de a n~~-e~pi12_QE'>..~P?tezanul, ~nd. ar fi trebuit aleatoriu ntr-una din cele trei situaii experimentale. Dac credem c nivelul de
respins, deoarece. exist diferente semnificative ntre populaule dm care sunt stres al participanilor influeneaz potena sexual, vom putea introduce o alt
ext'rase grupele. '

88 89
 ll'!llilll 111lllllll.llll1.1' ,,,
1
,:i:i li:h!,'l 11 : :11 1!' ~ !1
llllllllllllllilll'llllllilllill'lllll!llllllilllillliilllilli!lllllll,llllllillll 111111 lll!llllllilllilllllll!lll!lllillllllillllill

variabil independent cu dou trepte (stres ridicat; stres sczut) i vom putea
fa de marea me~ie, .rezultat din toate rspunsurile exprimate n cercetare
mpri participanii n dou categorii dup acest criteriu. n consecin, vor
Pe~tr~ _a ~ut~a distinge mai bine ntre grupuri, ar trebui ca primr;:!.,gomponent ~
rezulta ase grupe experimentale, ntr-un design factorial de tip 3 X 2. lat cele
vana1e1 sa f1e mai mic decj.Lcea de-a doua. Prima abatere intr ri sfera
ase situaii experimentale posibile:
dispersiei intr~g:~e,~! se datoreaz variaiilor individu~le, determinate de grupare;:1
aleatoare a~ su~JecJior. Cea de-a doua abatere intr n sfera dis persiei jntergrup,
Placebo x stres sczut Viagra, doz mic x stres sczut Viagra, doz mare x stres sczut
care reflecta atat gruparea aleatoc:1_re a subie~ilor, ct mai ales fluctuaiile datorate '
Viagra, doz mic x slres ridicat doz mare x stres ridicat
Placebo x stres ridicat Viagra,
influenei variabilei inde~D.fl.ente asupra celei dependente. Simplificnd lucrurile
dac dispe~.ll}~~WUP este mult mai -mare dect cea ihtragrup, exist diferent~
Fr a mai exemplifica, ANOVA factorial poate fi utilizat n cazul semnificative ntre gi'Opl[e . compar?te, deci exist o influent a variabil~i
msurtorilor repetate dac sunt manipulai cel puin doi factori. independente asupra celei dependente. '
Totui, trebuie precizat faptul c ANOVA simpl nu constituie un panaceu
(d) ANOVA mixt presupune o combinaie ntre ANOV-/L.simpl i ANOVA cu universal pentru orice situaie. Ea are dou.lrnite.importante: _
msur~i0~1'"re'pei?te. . 1) poate fi aplicat, asemenea celorlalte tehnici ANOVA doar n cazul n care
Exemplu:~ Similar exemplului oferit n cazul tehnicii ANO VA simpl, treptele .Y.9IlsoiJei.inc::lflP21d~~~te ~s~n-td-; tiP.D()LTJ.Lnql (ex. brbai vs. femei)
manipularea variabilei independente ,,Viagra" cu trei trepte (placebo, doz
sau de tip oJ:9~r:t~l (placebo, doz mic, doz mare). Tn plus, variilbJia
redus, doz mare) se face distribuind aleatoriu participanii ntr-una din cele
d~p~nd_ent este msurat printr-o scal d.E;!O?Olut!=_CYilL_!:l__proporii,- car~
trei situaii experimentale. n schimb, vom manipula diferit variabila "stres". ndeplinete cteva condiii ce vor fi prezentate .ld]terior; ---
Vom utiliza aceiai subieci n dou situaii diferite, reprezentnd cazuri de
2) rezultatul final, exprimat printr-o va\g,~\1....~. expri~~-un scor general, fr a
stres ridicat sau stres sczut. Stresul ridicat a fost reprezentat de perioada de preciza specificul evoluiei C()J]1p_araiei dintr grupuri.
lucru intens, cnd persoanele au fost foarte ocupate i stresate de termenele Pentru a nelege mai bine cel de-al doilea aspect vom face o scurt
de finalizare a diferitelor proiecte, iar stresul sczut a fost manipulat pe incursiune n testarea ipotezei statistice pentru testele t i tehnicile ANOVA
aceleai persoane, n situaii de odihn, reprezentate de perioada de concediu. n cazul testelor t, ipoteza nul este Ho: fl.l = f1.2. Respingerea ipoteze! nule
Astfel, dei obinem tot ase celule experimentale ca n cazul ANOVA nsemna automat c cele dou grupe difer semnificativ n ceea ce privete
factorial, nu este vorba i de ase grupe de subieci diferii. n aceast situaie mediile lor (f1.1 '# f-1;2).
vor fi doar trei grupe de subieci diferii (placebo, doz mic, doz mare), iar
n cazul ANOVA simpl pentru trei grupe, ipoteza nul este Ho: 111 = f1.2 =
fiecare din acetia va fi testat cu dou ocazii diferite (stres ridicat - f1.3. Respingerea ipotezei nule ne arat c cele trei",medii .nu sunt egale, fr a ne
suprasolicitare plus presiunea termenelor limit; respectiv stres sczut -
spune ns cum difer~~.eJE:;, ..n mod specific. Astfel, rm.n cteva alternative
concediu de odihn). valabile, de genul f1.1 i f1.2 i f1.3 sau 0.1
= f1.2, dar f1.2 '# f1.3 etc. La aceste aspecte nu
putem rspunde prin testui-~F,--deoarece acesta rmne la un nivel general de
testare a ipotez~L_tilti!Sti.ce, enunat n ipoteza nul. -
4.1. ANOVA simpl Pornind de la acest inconvenient, exist dou strategii de rezolvare a.
problemei:
Tehnica permite compararea simultan a trei sau mai mJ,;!)e:_"t~~pte
utilizarea comparat\Ilor,..a priori, de genul contrasteJ,or polinomiale, a celor
(modaliti) ale unei singure variabile_Lf!St\'pendente, meninnd nivelul alfa la ortogonale sau a celor non-grtogonale\ fr a ~~ .. b~~~ pre~ mult pe
valoarea dorit, de maximum .05. O modalitate clasic de analiz matematic a calcularea indicatorului general F;
acestei tehnici este analiza dispersiei variabilei. dependente. Dispersia total a utilizarea unor -i:::ompar.!ii pgst,,OQC:,'- ntre anumite grupe specifice,
acesteia poate fi mprit n dou componente: disper~ia d.iDJr.? .. m~e~ (intergrup) efectuate n cazul n care F Cl.Jo_,t_E)r:nnificativ statistic, indicnd existenta
i dispersiadirfnteriorul grupeloc_(intragrup). Clocotic i Stan (2000) denumesc unor diferene Dtre grupele cercetrii. Probele post hot au calitatea de 'a
aceste surse variatia dintre.,grupuri, respectiv variaia n grupuri. n cadrul ANOVA pstra, n limitele acceptabile aie pragului de .05, riscul de a comite o
exist dou cat~;di~de meci ii: cea a rspunsurilor penfrU''fiecare grup In P?Jte i eroare de tip 1 i, totodat, de a identifica n mod specific care dintre grupe
marea medie rezultat din luarea n considerare a tuturor rspunsurilor, indiferent sunt_diferite Lau condus la respingerea ipotezei nule.
de gTt:;p~ din 'care fac subiecii parte. Spre exemplu, subiectul1 'din grupa 1 are o Dintre cele dou modaliti de aciune prima este mai elegant i mai
anum~\'l.te.ce.JC! de medi<l_rspunsurilor din grupa respectiv i o alt abatere capabil de a detecta diferenele semnificative dintre grupe, ns cea de a doua

90
91
este mai popular, majoritatea cercetrilor apelnd, din tradiie, la tehnici post hoc.
Vom_ prezenta, pe rnd, ambele modaliti de lucru, ns vom ncepe cu cea din
urma datorit simplitii sale.
lat exemplul utilizat pentru a explica ambele modalitti de lucru:
Un behaviorist dorete s vad care este eficienta diferitelo'r tehni~i terapeutice
comportamentale n tratarea fricii de vampiri. Au 'fost cuprinse 36 de persoane
voluntare n studiu, care declarau anterior credinta lor n existenta vampirilor i care
manifestau o fobie crescut fa de acetia. P~rticipanii au fo~t mprii, n mod
aleatoriu, n trei grupe. Grupa repartizat tehnicii "in vivo" a petrecut, timp de o
sptmn, nopile ntr-un motel aflat n vecintatea unui cimitir prsit. Grupa
repartizat tehnicii de "desensibilizare sistematic" a nvtat mai nti o tehnic de
lat o scurt explicitare a tabel ului sumar A['! OVA din flgur~ 4.1:
sursa total a dipersiei (prima coloan) este constituit din dispersia
intecgrup i dispersi_jntragrup;
SS sau suma ptra,telor (a doua coloan) este o sum L.~baterilor pentru
ambele situaii; - - -
gradele de libertate sunt prezentate n a treia coloan. Pentru dispersia
il].tergrup.efe se calculeaz pe baza numrului de grupe minus unu (3-1 ),
n timp ce pentru dispersia intragrup ele sunt egale cu num~~~tota(de
subieci minus numJ:.t,J! df3 9IYP~ (;3.6-~3);
medi<3 ptratic este reiultatul raportuiiJ.!_ctintce_suma ptratelooi gradele
de_Jipf?r~te pentru fiecare tip de dispersie n parte. Mai mult, priri raportul

relaxare, dup care a vizionat, pe parc~rsul unei sptmn,i, cteva filme cu vampiri,
pe fondul unei muzici de relaxare i pe fondul exersrii tehnicilor nvate cu scopul
de a reduce frica de vampiri. Cel de-al treilea grup a fost pstrat cu scop de control.
La finalul sptmnii toi participanii au fost testai printr-o scal specific de
evaluare a fricii de vampiri. Rezultatele mici indic o fobie sczut, n timp ce
rezultatele mari indic un nivel crescut de fobie. Exist diferente semnificative ntre
populaiile reprezentate prin cele trei grupuri cu privire la acest a~pect?
Baza de date aferent acestui exemplu este anova simpla.sav. n SPSS,
ANOVA simpl poate fi obtinut urmnd una dintre cele dou ci fie Analyze" -
"Co~p~re Means" ~ "One-~ay ANOVA", fie "Analyze" - "General Line~r M~der;-
"Un.!Y?DCJ:l~" --- ., .. ,.,... ---=-=
4.1.1. Procedurile post hoc
celor dou"a m_giip~tratice. se obine rezultatul fio_al. f;
F se interpreteaz ntr-un mod similar altor teste statistice. Dac valoarea
sa este semnificativ statistic (p < .05), atunci vom respinge ipoteza nul
conform creia nu exist diferene ntre populaiile din care au fost extrase
grupele implicate n design-ul experimental;
:ezultatullui F se scrie n felul urmtor: F (2 ...~~)_ =:::. 50,98; p < .01.
In asemenea situaii am putea afirma c, diferenele dintre cele trei grupe
nu se datoreaz hazardului. Probabil, interveniile terapeutice de sorginte
comportamental au efect asupra reducerii fobiei de vampiri la subiecii inclui n
studiu. Pentru a observa cum difer cele trei grupe vom apela la metodele post
hoc.
Dintre multitudinea procedurilor dezvoltate n acest scop, vom folosi dou
criterii importante n alegerea tehnicilor adecvate:
a) exist un numr de ~bieci egali n grupele cercetrii?
b) exist o anumit omogenitat~_a dispersiei ntre aceste grupe?

n cazul utilizrii procedurilor post h~9 rezolvarea problemei presupune Tabelul 4.1. Modul de selecie a testelor post hoc n funcie de cele dou criterii
urmarea a doi pai: ---~ - -

a) calculareajuLF. pentru a vedea dac exist diferenta.se.mnificative ntre Numr de subiecti

gr~pe,cu alte cuvinte, pentru a vedea dac terapiile c~mp~rt~rnentale sunt Egali Relativ inegali Profynd inegali
eficiente n reducerea fobiilor (ex. 10, 10, 10) (ex.11, 10,9) (ex. 15, 10, 7)
b) alegerea testelor post hoc ~decvate pentru a vedea cum difer grupele Omogenitatea Dispersii egale Tukey
Gabriel
Hochberg GT2
ntre ele, _pas necesar a fi fcut doar n conditiile respingerii ipotezei nule dispersiei
Tukeyb
din primul pas. ' Dispersii inegale Dunnett T3 Games-Howe/1 Games-Howe/1

ANOVA
Dac numrul de subiecti este un criteriu evident nc din datele initiale ale
frica de vampiri
Sumof
unei cercetri, omogenitatea disper)3iei se testeaz prin apelul la tetul Le~ene. n
Squares dt Mean Square F Sig. situaia n care rezultatul este X!~~~mnificativ tatistic, dispersiile sunt~;~~Id";rate a
Between Groups 160,167 ,000
2 80,083 50,986 fi egale .Dac rezultatul este semnificativ statistic, dispersiile sunt considerate a fi
Within Groups 51,833 33 1,571
Total 212,000
eterogene, di~rie. n aceast situaie, vom ncerca mai nti s eliminm problema
35
prin transformarea datelor variabilei dependente. Dac o asemenea solutie nu va
Figura 4.1. Output SPSS cu modul clasic de prezentare a testului Fn tabelul sumar ANO VA ndrepta situaia, vom apela la metodele de comparare posl.hoc precizate' n cazul
SPSS este o marc nregistrat.

92 93
 11: !!1 '11 ' '11 11 ~ 1' !1 ll.i:ll 11:il'i 1111! IIIIIIIIIII'IIIIIIUIIIIII!IIIIIImllllilliBIII.WmiiiiUIIIIII~IIIIIIII I I. :1
'llll'll:lllll'"''"'!'''''''''ll''l''li

terapia comportamental bazat pe tehnica in vivo este eficient n

dispersiilor inegale, dup ce, n prealabil, vom ajusta citirea lui F. Modul de lucru n reducerea fricii de vampiri, rezultatele subiecilor din aceast grup fiind
i
acest caz va fi specificat ulterior, n descrierea condiiilor necesare aplicrii testului
1 semnificativ mai mici dect cele obinute de grupul de control, format din
F. ! p.er~oane care. nu au urmat nici un fel de terapie (Tukey = -4,92, p < .01 );
s1m1lar, terapta comportamental bazat pe tehnica desensibilizrii
Multiple Comparisons sist~m~tice . este eficient n reducerea fricii de vampiri, . rezultatele
Dependent Va na
bl e: fnea
d e vamptn subtectlor dtn aceast grup fiind semnificativ mai mici dect cele obtinute
Mean
Difference
de grupul de control (Tukey = -3,83, p < .01 ); '
(1-J) Std. Error Sig. pentru cei comozi, SPSS-ul ofer un sprijin important n a identifica
(1) situatie experimentala (J) situatie experimentala
Tukey HSD invivo desensibilizare -1,08 ,512 ,102 diferenele semnificative la un p < .05, acestea fiind marcate cu asterisc.
sistematica 1
control -4,92* ,512 ,000 1 Totui, merit remarcat i reversul acestei situaii. Valorile testului Tukey
,512 ,102
desensibilizare invivo 1,08 nu sunt specificate direct, ns ele pot fi calculate pe baza datelor din
sistematica control -3,83* ,512 ,000 figura 4.2., fcnd un raport ntre diferena dintre medii i eroarea standard
in vivo 4,92* ,512 ,000 a mediilor. De exemplu, valoarea testului Tukey n prima situatie nu este -
control
desensibilizare 3,83* ,512 ,000 1,08, ci 1,99 {1 ,08 1 0,512). Similar, valoarea lui t Tukey pentru' comparatia
sistematica dintre subiecii supui terapiei in vivo i cei din grupul de control a fost 9,GO
Ounnett T3 invivo desensibilizare -1,08 ,514 ,131
sistematica (4,92 1 0,512), iar pentru comparaia dintre subiecii supui desensibilizrii
-4,92* ,529 ,000
control sistematice i grupul de control a fost 7,48 (3,83 1 0,512).
1,08 ,514 ,131
desensibilizare invivo ultim observaie privete semnul testelor post hoc_ Asemenea testelor t
sistematica
-
control -3,83* ,491 ,000
conteaz valoarea absolut obinut, fr a_JLo.e-cont_de semn. Semnul
control invivo 4,92* ,529 ,000
minus nu nseamn altceva dedffaptul c subiectii au obtinut n medie
desensibilizare 3,83* ,491 ,000 rezultate mai mari la a doua grup de comparaie d~ct la ;;i-~~.' . '
sistematica
Aspectele enunate mai sus pot fi sintetizate astfel: h urma aplicrii testului
*. The mean difference is significant at the .05 level.
Tukey, ambele forme de terapie comportamental s-au dovedit a reduce
semnificativ frica de vampiri, prin comparare cu grupul de control. n schimb, nu
Figura 4.2. Rezultatele comparaii/ar post hac oferite de SPSS 11.0
putem afirma c una dintre cele dou forma de terapie, in vivo sau desensibilizare
SPSS este o marc nregistrat.
sistematic, este '1JELt?_ficient)n reducerea fricii de vampiri.

Pentru problema de fa, testul Levene a fost nesemnificativ statistic, iar

4.1.1.1. Mrimea efectu/ui n cazul procedurilor post hoc
numrul de subiecti din fiecare grup a fost egal, fiind cte 12 participan'tn fiecare
Prin testul de semnificaie statistic am reuit s artm o anumit influent
situaie experime~tal. Tn aceste condiii, testul Tukey este cea mai potrivit
a tipurilor de terapie asupra reducerii fobiei de vampiri. Rmne n continuare ~
procedur de calcul a diferentelor specifice dintre cele trei grupe. Oricare alt
stabilim ct de mare este aceast reducere? Ct de eficiente sunt tehnicile
procedur, dintre cele prezentate n tabelul de mai sus, ar fi neadecvate n aceast
terapeutice. n comparaie cu lipsa oricrei intervenii specifice grupului de control?
situaie, deoarece ar fi prea liberale (nu ar respecta condiia, ca probabilitatea de
Pentru a oferi un rspuns la aceste ntrebri vom calcula mrimea efectului
eroare de tip 1 s fie de maximum 5%) sau prea conservat()_re (cresc ansele de a
singura modalitate prin care putem decide importana practic a rezultatelo~
comite eroarea de tip 11). Totui, datorit faptului c omogenitatea dispersiei nu
obinute. Dup cum am demonstrat atunci cnd ne-am referit la mrimea efectului
poate fi cunoscut naintea rulrii programului statistic, pot fi selectate mai multe
un rezultat semnificativ statistic la un~p < .05 poate fi lipsit de important9 practic ~
proceduri post hoc cu mentiunea c vom lua n considerare rezultatele obinute
cazul unui-eff::)ct minuscul. -
prin tehnica ce respect cel ;"ai bine condiiile ntlnite n cazul respectiv, cum ar fi
Modul d~ c~-lculare a acestuia se poate face utiliznd una din cele dou
testul Tukey pentru problema de fa.
formule (Rosenthal, Rosnow i Rubin, 2000a; Rosenthal, Rosnow i Rubin,
Urmrind valorile testului Tukey vom putea decela urmtoarele aspecte:
2000b):
nu exist o diferent semnificativ n ceea ce privete reducerea fricii de
vampiri ntre perso~nele care au beneficiat de o terapie in vivo fa de cele
care au nvat desensibilizarea sistematic (Tukey = -1 ,08, P >.1 O); .

95
94
 WIIIUIIIIUIIUIIIIIIIIIIIIIIIII--IIIIIIIIIIIIIIIIIIII~IIIII~IIIIIIUIIIIILIIIIIIj

pe F omnibuz. Valoarea poate fi util doar n condiiile n care VI are doar dou
a) n cazul n care VI are doar dou trepte (modaliti):
. trepte, ns, chiar i n acele condiii, poate atinge valori eronate.
\
F (4.2)
ir=
L "~ .~. ~ ~fintragrup 4.1.2. Procedurile a priori
b) n cazul n care VI are mai m.ult de dou trepte (modaliti) i s-a procedat n cazul n care exist o anumit direqjg,";:L.ipotez.eLsta,tistice, ar fi mai util
la comparaii post b..<?.<: au la contraste: s se apeleze la tehnicile a priori J,gp.ntraste), care, n comparaie cu testul general
F, au o mai mare putere de decelare a influenei variabileL[QgE;)p\:)f19el1e,asupra
ceei deplndente_ Astfel, dac exist vreun efect, acesta este mai uor decelat prin
(4.3)
F*dF +dif.mtragrup apelul la con~~C::tte dect prin metoda clasic n doi pai, de calculare;;.J\li F,
":./..int.ergrup
- . -~--~. - :~
urmat de
alegerea LJnuiJ~t post h9c.
Contrastele sunt proceguri .~tatistiC,f?" care testeaz ipote.:_:.~p~cifice: Prin
F reprezint valoarea testului omnibuz, prin care se stabilete dac ipotez~
aceasta se deosebesc de testul g~neral F, prin faptul c ofer niai mult claritate
nul va fi sau...Ql!_!f?Spins. F contrast este valoarea obinut n cadrul unui anumit
conceptual. Mai mult, contrast~le stau la 'baza calcu@rli. rr1~gnitudinii influenei
contrast sau comparatie...p0st hoc, ffiildu-se faptul c F = F. .
variabilei independente asupra celei dependente (Rosenthal i colab., 2000a).
--~n cazul nostr'u, fiind vorba de trei comparaiipost hoc, putem calcula trei Exi~t mai multe modaliti de lucru, implicit mai multe tipuri de contraste.
mrimi ale efectelor. Totui, datorit faptului c nu au fost observate dif~~ene
Acestea pot fi grupate dup dou criterii majore: gradul lor.,_.de ,standardizare i
semnificative ntre cele dou intervenii psihoterapeutice nu vom calcula manme~
prezena .sau ab~n.a ortogppalitii. Astfel, avem contraste nestan9ardizate
efectului n acel caz deoarece diferentele observate s-ar putea datora hazardului
ortogonale sau non-ortogonale, respectiv contraste standardizate ortogonale sau
ntr-o mai mare ms,ur. Acest lucru n~ este obligatoriu, mrimea efectului. putnd
non-ortogona/8'. Numele de ortogonal vine de la faptul c setul de ipo~ze este
fi calculat i n conditiile n care un rezultat nu a fost semnificativ statistic. In cazul
inde~I191:!Xl.t, acestea neinfluenndu-se.... r~cipr?c. Astfel, e~oarea s~ului ~e
unui numr relativ mi~ de subieci i n situaia unei mrimi a efectului ridicate, un
comparaii rmne constant la nivelul alfa dorit de .05 sau .01. In plus, o categone
rezultat nesemnificativ statistic ar fi cauza unei puteri reduse de a decela
aparte de contraste standardizate sunt cele . polinomiale, care realizeaz o analiz
diferenele semnificative i nu a lipsei de influen sau asociere ntre cele dou
dir1_cional. TOate aceste aspecte vor fi discutate pe rnd.
variabile n cauz.
fn cazul nostru, obinnd valorile F= pe baza rezultatelor prezentate n figur~ 4.1.2.1. Contraste nestandardizate
4.2. i a faptului c F:::: F, vom utiliza formula 4.3 pentru a obine mrimea efectuiUI
Pentru a nelege mecanismul de funcionare i alegere a contrastelor vom
pentru terapia in vivo n comparaie cu rezultatele grupului de control:
arta modul n care ar putea fi mprtit!dispersia total, bazndu-ne pe exemplul
anterior legat de influena terapiilor 'c;;;;f;;ri~mental~ asupra reducerii fricii de
r=
9,602 :::0,82 vampiri.
50,98*2+ 33 Di~E~lat9ta,lf] = dispersia~2ffii}S:,?t.Q~ergrup) + dispers~~~"~DL0..f1.l~gr.~P)

ntr-un mod similar, mrimea efectului interveniei bazate P':

desensibilizare sistematic n comparaie cu grupul de control a fost r =. 0,64. _Daca
ar fi s ridicm aceste valori la ptrat pentru a observa procentul din dispers~a VD
influenat de VI n cauz vom obine 67%, respectiv 0,40%. Ambele valon sun: Contrast 1
foarte. ridicate, indicnd un tratament excelent al fobiei de vampiri prin cele doua
metode behavioriste. Evaluarea parametrilor s-a fcut pe baza tabelului 2.2.
prezentat n seciunea destinat mrimii efectului. . Dispersia Dispersia
n final doresc s amintesc c valorile r sau r2 pot fi transformate In ali explicat de explicat de Contrast 2
indicatori ai m~rimii efectului pe baza formulelor 3.4-3.9 i c SPSS-ul ofer 0
tehnica in vivo desensibiiizare
sistematic

variant de mr,imea efectului denumit eta ptrat (rJ 2 ). Aceasta nu poate ptrunde
la nivelul analitic, al comparaiilor dintre dou grupe, fiind doar un estimator bazat Figura 4.3. Exemplu de partiionare a dispersiei n cazul contraste/ar ortogona/e

97
96
 Contrastele nestandardizate non-ortogonale se aseamn pn la un
Avantajul co.ntrastelor este de a putea diviza disper_j)QteJ:Qr\.lpJn uniti
punct cu cele o~ogonale. Totui, n cazul lor nu ,.,~te-necesar respectarea celei
componente de.. intere;pentru cercettor, fiind astfel mult mai pecific d~ct ca~ul
de-a ?o~a reguli enunate mai sus, c;onform creia, o dat ce o grup a fost
testului general F. Spre exemplu, n problema noastr ar fi interesa~t sa stab1~1~ despnns_a pentru _a ~i comparat cu un set de grupe nu mai poate fLcomparat
dac fobia de vampiri se reduce semnificativ prin apelul la qncare teh01ca ultenor. In consecma, suma~RL29_l1sel6r a dou contrsteJ:JU va mai fi zero n acest
comportamental n comparaie cu grupul de control (co9.!!.3.:~t ~iJ Similar, am pu:~~ caz. Un exemplu de set de contraste nestandardizate non-ortogonale este: .
fi interesai s vedem dac exist diferene semnificative ntre cele dou mo9~~~~1
de terapie comportamental n ceea ce privete eficiena lor n reducerea fob1e1 ~e
vampiri (contrast 2). Aceste aspecte pot decurge din dispersia total la fel ca ID
reprezentarea grafic de mai sus.
n realizarea contrastelor nestandardizate ortogone~!e sunt totui cteva
Contrast 1
reguiLQe trebuie respectate: . . . .
a) :1 numrul de e,oJJtraste realizate este ntotdeauna Js;J, unde ~~!~prezinta
numrul total..d_~ -grupe ce pot fi comparare. n exemplul nostru, existnd
trei grupe denumiteg~neric "de control" ,,"desensibilizare sistematic" i "in
Contrast 2

vivo", pot fi realizate maximum dou contraste; , Figura 4.4. Exemplu de partiionare a dispersiei n cazul contraste/ar non-ortogonale
b) dac un grup a fost ndeprtaLde celelalte grupe pentru a fi com_parat cu
acestea, (ex. cazul grupului de control n primul contrast), el nu mal poate f1
O asemenea situaie ar putea fi transpus n urmtorii coeficieni de
utilizat n contrastele ulterioare; ponderare:
c) grupele v;fi pot}9_e_r:lte, astfel nct s existe o egalitate de coeficieni n
fiecare contrast efectuat. "in vivo" desensibilizare sistematic control
Aceast po~derar~ se face innd seama de numrul de subieci _dintr-o Contrast 1 1 -2
grup i de numrul de grupe dintr-un_"chunk". n situaii de grupe cu numar egal Contrast 2 o -1
de subiecti, ca n exemplul nostru, coeficienii atribuii pentru cele dou contraste
de mai su~ pot fi: n aceast situaie se observ reintroducerea grupului de control n cel de-
control al doilea contrast dup ce n prealabil a fost comparat singur n contrastul 1. Acest
desensibilizare sistematic
"in vivo'' fapt nu este permis n contrastele ortogonale, prin urmare nici suma produselor a
-2
Contrast 1 1
o dou contr~ste nu va mai fi zero [1 *1 + 1*O + (-2)*( -1) = 3].
-1
Contrast 2 Oarae ce este important s difereniem ntre contrastele ortogonale i
cele non-ortogonale? Primele au marele avantaj de a controla e[oarea setului de
La fel de bine, aceti coeficieni pot fi: coD!paraii,, fapt ce menine n limite normale valoarea pragului de semnificatie. Tn
control schimb, contrastele neortogonale, pltesc lipsa de independen dintre comp~~aii,
desensibilizare sistematic
"in vivo"
-1 fapt ?~ conduce la o cretere a risculuLQ.e~._produce eroarea de tip 1. Tn aceste
1/2 1/2
Contrast 1 condiii este necesar foarte mult precauie n interpretarea contrastelor
-1 o
Contrast 2 1 neortogonale, fapt pentru care recomand, de cte ori este posibil utilizarea

Pentru a determina dac toi coeficienii sunt atriElji! __ gg!:_~~, trebuie ca

exclusiv a contrasE)I()Lor199<Jr1all:). '
lat o a~naliz statistic concret, pe baza exemplului nostru. Ipotezele pe
oricare sum r~alizat pe orizontals fie zero (ex. 1 + 1 -2 =O; i - 1 +O= O sau
care dorim s le testm sunt:
Yz + Y2 -::--; .;;, O). Pentrl.t 'determina dac contrastele ndeplinesc criteriul
a a) !obia de vampm a subiecilor cuprini n grupele terapeutice
com.tasteloL ortogonale ar trebui ca su!l@..E[9~2.l!~el()r a. ~ou contraste s fie tot
comportamentale va fi semnificativ mai mic dect cea ntlnit n grupul
zero. Spre e~~mplu, n primul caz avem: i*i + i*(-i) + (-2)*0 =O; iar n al doilea:
de control;
Yz * i + y2 * (-i) + (-1)*0 = O. n concluzie, ambele cazuri respect criteriul
Ho1: 1 1.1. "in vivo" + 1 1.1. "desensibilizare" = 2 1.1. "control"
ortogonalitii.

99
98
 IIIIIIIIIIUIUIIIIIIII.UI-I!w_ _ _ _ _ _ _III-1111-I!!IIIIIIJWIJIIIIII!IUJIIImlllllllmiiii~IIIIIJI
il! 111111'1il!''l!lll!il' ",1'1,1["

b) terapia "in vivo" este mai eficient n acest scop n comparaie cu Se observ, n cazul primei ipoteze c, t (33) = 9,87, p < .01, rezultat ce
desensibilizarea sistematic. indic o diferen semnificativ ntre nivelul fobiei de vami)i~i' n grupul de control i
Ho2: 1 f.l. "in vivo" :::: 1 f.1. "desensibilizare" cel din grupele de subieci supuse terapiei comportamentale. Rezultatul poate fi
scris i sub forma: F(1, 33) = 97,41, p < .01. Urmrind valorile mediilor, vom
Se observ c ambele ipoteze s~rtt specifi~::' spre deosebire de o ipotez observa c ambele intervenii terapeutice sunt semnificativ mai bune n reducerea
general F de genul: .,n ce msur exist o diferen semnificativ ntre grupele fobiei de vampiri co111parativ cu lipsa oricrei intervenii (grupul. de control).
cercetrii n reducerea fobiei de vampiri". n cazul celei de-a doua ipoteze se observ c t (33) = 2,11, p < .05 este,
Ho: 1 IJ. "in vivo" = 1 IJ. "desensibilizare'!:::: 1 1J. "control". de asemenea, semnificativ statistic. innd cont de coninutul celui de-al doilea
contrast (tehnica "in vivo" este mai eficient dect cea bazat pe desensibilizare
n cazul utilizrii contrastelor, rezultatele pot fi exprimate n Fcoj)!L~~'"~J.,~':! t. __ , sistematic) i urmrind mediile celor dou grupe experimentale, vom concluziona
Indiferent de modul de exprimare, valorile pot fi transformate uor, cunoscndu-se 1
c, ntr-adevr, o terapie comportamental bazat pe tehnica "in vivo" este
1
faptul c: semnificativ mai bun n a reduce fobia de vampiri, n comparaie cu o intervenie
(4.4) terapeutic bazat pe desensibilizare sistematic.
Cititorii ateni au observat, probabil, un aspect deosebit. Prin testele post
Primul din cele dou grad~ c!~Jib~rt!~ ale lui Fcontrast este nto.t<:!13aun~ hoc, mai exact prin aplicarea procedurii Tukey, nu au aprut diferene sem11ificative
unu, n timp ce al doilea grad de lipertate este egal CU cel al lui t di!J.~O__nlj[)llta ntre cele dou modaliti terapeutice, n timp ce contrastele ortogonale au sesizat
situatie.
! ..r
Astfel, dac t 3, la 12 grade de libertate, atunci F (1, 12) 9.
= = c terapia "in vivo" este mai eficient.
Cum explicm o asemenea situaie i cum procedm n astfel de cazuri?
Contrast Coefficients Explicaia const n faptul c tehnicii~~.,J?JQfL (ex. contrastele nestandardizate
ortogonale) au o putere mai mare de a detecta diferene[~ !J.i!Jtre. populaiile din
situatie exnerimentala
desensibilizar
care au fost extral:;e cele dou grupe sau setul de grupe. Prin urma~~:fn asemenea
Contrast in vivo e sistematica control situaii,
ne vom ba~~m~i'~uTCpe-rezuHEitele obinute n urma aplicrii contrastelor
1 1 1 -2 ortogonale dect pe cele rezultate din aplicarea unor comparaii post hoc_ Acesta
2 1 -1 o este un motiv suplimentar, care ar trebui s determine cercettorii s prefere, ori
de cte ori au ocazia, aplicarea comparaiilor a priori, n dauna celor post hac.
ContrastTests
Mai mult, exist situatii, foar.J:e r9re, n care tetul F general nU--detecteaz
Contrast
Valueof
Contrast Std. Error t df Sig. (2-tailed)
diferene ntre grupele cer;~trii, n timp ce Fcontrast sa=;te.steie" t cor~spondenle.ar
frica de vampiri Assume equal variances 1 -8,75 ,886 -9,874 33 ,000 putea indica diferene ntre_ grupe. n asemene~ situaii, vom proceda ntr-un mod
2. -1,08
-
,512 -2,117 33 ,042
similar, bazndu-ne pe ideea'c aceste comparaii a priori au o putere mai mare de
Does not assume equal 1 -8,75 ,882 -9,926 22,255 ,000
variances 2 detectare a diferenelor reale dintre populaiile din care au fost extrase grupele n
-1,08 ,514 -2,106 21,543 ,047
comparaie cu testul general F (Rosenthal, Rosnow i Rubin, 2000a).

Figura 4.5. Output SPSS 11.0 cu modul de prezentare a rezultatelor contraste/ar

4.1.2.2. Mrimea etectului n cazul contraste/ar
SPSS este o marc nregistrat.
Vom aborda n continuare problema mrimii efectului n cazul utilizrii
n primul tabel din output sunt prezentai coeficienii atribuii celor d~u contrastelor. V reamintim c prin intermediul lor vom putea constata n ce msur
contraste, pentru a diferenia ntre cele dou ipoteze specifice prezenta~e. Al doilea diferentele semnificative observate ,Unt~~l~substantiale
1 ~---
sau nu. Pentr~ calCt..iluicelor
............ .. , .... .. ''"""""1 -,.

tabel din output prezint valorile lui t pentru fiecare dintre cele doua ~ontra~_te dou mrimi ale efectului am utilizat aceleai formule 4.3. i 4.4. Astfel, n cazul
specificate, inclusiv cu ajustri n cazul n care nu e~ist o e~alitate !ntre ~~s.persule primului contrast ce viza diferenele dintre cele dou intervenii terapeutice i
grupurilor comparate. Pentru problema de fa, ex1sta ~gal1tatea ~rsp_ersrer_ (testul grupul de control am obinut o mrime a efectului r de O, 72, rezultat care indic o
Levene a fost nesemnificativ statistic}, prin urmare, pnmele doua randun dm al scdere foarte 'mare a valorilor fobiei de vampiri la persoanele care au fost supuse
doilea tabel al figurii 4.5. sunt cele care ne intereseaz. oricrei interventii
' , terapeutice dintre cele dou amintite_ n cazul celui de-al doilea
contrast semnificativ statistic r a fost doar 0,03, fapt ce arat c_ terapia in vivo duce
la o scdere semnificativ, dar foarte mic a nivelului fobiei n comparaie cu

101
"'111111111111 IIIIIIIIIIIIIIIIII_IIIII'IIIIIJIIIILIIIILIIIIICIIIILIIIIIc'IIIILIIIIIJIIIILIIIIIilllllllllliiiii'IIIIIIIIIIIIII,IIIIIIIIII,IIII.IIIII'IIIIIIIIIJIIIL.IIIII!IIIIIIIIIIIIIIJIIILillll.llll:lllll:lllllllllllllllllllllllllllllllllllllllillll'lllll:llll'llll!llllllll,:llll!lll'lll! IIII!IIIIIIIIJIIillllllllllllilll!llllllllillllilllllllllll!illlllllll'lllllll!'lll'!llllll'llll lllill:lllilhlll!ll'l!'l 11 I I III' :III '1111 1111 '1111 1111 :111! 1111 1111 1111 !III' 1111 :111: 1111 1111' '1111 1111' .1111 1111 1 1111 1 1~' 1111 I I 1111 '1111 III: :1: 11' I I !1 I I 'li 'l! :! !III 1111 11 1 1111 1111 1111 1111' :1111 1111 III' 1111 'III 1111 I I 1111 III' !III :III' !11! 'III' 1111 'III III! III' 1111: 1111 1111, :1111 1111' :1111 1111' 1ll l 1111 illll III! 'llli 1111' 11111 '1111: 11111 .1111 1111: :1111 11111 :1111 .11111 illll 11111 :1111 1111' :111 1111 : :

diferenele dintre cele dou grupe experimentale. Aceste contraste standardizate

persoanele supuse desensibilizrii sistematice. Altfel spus, dei cele dou grupe
difer semnificativ, din punct de vedere practic nu exist diferene calitative ntre nu sunt disponibile n SPSS, n opiunea "one-way ANOVA", ci doar n "General
cele dou grupe de subieci, terapia in vivo avnd un avantaj foarte mic n faa Linear .Model.- Univariate". Tn schimb, contrastele nestandardizate se reg~;;
terapiei bazat pe desensibilizare sistematic. doar n "one-~Y ANOVA" i nu sunt disponibile, fr sintax, n "General Linear
Model - Univariate".
4.1.2.3. Contrastele standardizate Toate contrastele care nu sunt ortogonale, indiferent dac sunt
standardizate sau nu, trebuie e~te __ datorit anselor crescute de a comite
Aceast categorie de contraste const ntr-un set de comp~raii
~roare; d~"~~:~L Numai rezultate puternic semnificative (ex. p < .001) pot fi
stan&!9-t9J~I:l.te.
Ele pot fi ortogonale sau~QQO~Qrtogonale. SPSS-ul dispune, n
Interpretate fara probleme, dac au fost utilizate contraste non-oriogonale. Un alt
meniu, de apte contraste standardizate dintre care doar ultimele dou din tabelul 1 aspect tehnic, ine de modul de prezentare a rezultatelor n SPSS. Acesta nu ofer
4.2. sunt o~~.?_l2~1e. Field (2000) of~r o sintez ~xcelent a lor. Pentru a 1 direct valoarea lui t, ns ofer toate datele necesare ~alculrii sale, ct jp;~g-ul
simplifica recuno'aterea lor n SPSS am decis pstrarea denumirii lor din englez. 1 de semnificaie aferent acestuia. Pentru problema noastr~-rezu'ltate~ ar fi artat
astfel:
Tabelul 4.2. Descrierea contrastelor standardizate prezente n SPSS
Contrast Results (K Matrix)
Nume Descriere Contraste Trei grupe Patru grupe
Depende
Deviation Compar fiecare'grup (cu 1 2 vs. (1 ,2,3) 2 vs. (1 ,2,3,4) nt
3 vs. (1 ,2,3,4) Variable
(first) excepia primului) cu o 2 3 vs. (1 ,2,3)
. situatie experimentala frica de
combinatie a tuturor grupelor. 3 <
4 vs. (1 ,2,3,4) Difference Contrast vampiri
1 vs. (1 ,2,3) 1 vs. (1 ,2,3,4) Level 2 vs. Level 1 Contrast Estimate 1,083
Deviation Compar fiecare grup (cu 1
2 vs. (1 ,2,3) 2 vs. (1 ,2,3,4) Hypothesized Value o
(last) excepia ultimului) cu o 2 Difference (Estimate - Hypothesized)
3 vs. (1 ,2,3,4) 1,083
combinatie a tuturor grupelor. 3
1 vs. 2 Std. Error ,512
Simple Fiecare grup este comparat 1 1 vs. 2
Sig. ,042
(first) cu prima categorie. 2 1 vs. 3 1 vs. 3
95% Confidence Interval Lower Bound 4,238E-02
3 1 vs. 4 for Difference Upper Bound 2,124
Simple Fiecare grup este comparat 1 1 vs. 3 1 vs. 4 Level 3 vs. Previous Contrast Estimate . 4,375

(last) 2 2 vs. 3 2 vs. 4 Hypothesized Value o

cu ultima categorie. Difference (Estimate - Hypothesized)
3 3 vs. 4 4,375

Repeated Fiecare grup, cu excepia 1 1 vs. 2 1 vs. 2 Std. Error ,443

Sig. ,000
primei categorii este 2 2 vs. 3 2 vs. 3
95% Confidence Interval Lower Bound 3,474
comparat cu grupa imediat 3 3 vs. 4 for Difference UpperBound 5,276
precedent.
1 vs. (2,3,4)
Figura 4.6. Rezultate oferite de SPSS 11.0 pentru contrastul Differenc~
Helmert Fiecare categorie, cu excepia 1 1 vs. (2,3)
ultimei, este comparat cu 2 2 vs. 3 2 vs. (3,4)
SPSS este o marc nregistrat.
media grupelor ulterioare. 3 3 vs. 4
Difference Fiecare categorie, cu excepia 1 3 vs. (2,1) 4 vs. (3,2, 1)
Primul contrast prezentat n figura 4.6. este cel referitor la diferentele
existente dintre cele dou intervenii terapeutice de sorginte experimental (1 _:"in
(Helemert primei, este comparat cu 2 2 vs. 1 3 vs. (2,1)
invers) media grupelor precedente. 3 2 vs:1
vivo"; 2 - "desensibilizare sistematic"). Valoarea lui t este egal cu raportul dintre
estimarea contrastului i eroarea standard a diferenelor dintre medii. Tn acest prim
Dac am notat grupul "in vivo" cu 1, grupul "desensibilizare sistematic" cu caz, t este 1,083/0,512, adic t = 2,11, p < .05, tehnicile comportamentale "in vivo"
2 i grupul de control cu 3, vom observa c alegerea fcut de noi, n cadrul fiind mai eficiente dect cele bazate pe desensibilizare sistematic, n reducerea
contrastelor nestandardizate, se regsete n situaia "Difference" pentru trei grupe. fobiei de vampiri. Se observ c rezultatul este identic cu cel obtinut n sectiunea
Dac primul contrast teste'az diferenta n ceea ce privete nivelul fobiei de vampiri contrastelor nestandardizate, fiind vorba de aceeai situaie.
dintre grupul de control i cele dou g'rupe experimentale, cel de-al doilea compar

103
102
 llll'lllllllllliiiii'IIIIIIIIIIIWJJJJJID

Cel de-al doilea contrast testeaz diferenele dintre grupul de control (3) i.
celelalte dou grupe experimentale (1 + 2). Rezultatul t::: 9,87, p < .01 este identic Direci~"'l~, are o evoluie :_onst~nt de_ la o treapt la alta.
cu cel obinut prin contrastele nestandardizate, artnd c cele dou intervenii
comportamentale sunt mai eficiente n reducerea fobiei de vampiri Tn comparaie Dir~tie linia<~
cu absena oricrei intervenii (grupul de control).
15
Aadar, diferena dintre contrastele standardizate i cele nestandardizate
'"
~10
ine doar de sfera de cuprindere. Exist o multitudine de combinaii i, implicit, de
E, 1__._ Directie lnia-a 1
contraste nestandardizate. Cele mai des ntlnite sunt preluate de multe programe
statistice (ex. SPSS) i standardizate prin anumite denumiri, pentru a uura munca
.
.g
0..
5

o
de introducere a coeficienilor afereni. 2 3 4

4. 1.2.4, Contrastele po/inomia/e

:W.I;r:l''''~~~"ii>-::;;;:t:!<-----':::."<'"'-''";"'",-.,_c - ,,,-~

Aceste contraste reprezint o categorie aparte de contraste standardizate f~-~'-':;:';;">'E-,:::o=o~;.c;::-;-,-~.-

Figura 4.7. Direcie liniar
i ortogona)e. Cnd variabila independent este d~_Jipcordinal, permind astfel, o
ordonare a modalitilor sale, pot fi aplicate contrastele polioomiale, sub forma unei Direcia ~~t2!Jir}ie~presupune o ~Y9_1ui~c9n,~tatJJ pn la un anl!mit punct
analize girecion?l~ (-Hi~kle, Wiersma i Jurs, 1994). Acestea -~u numai c ofer (ex. ascendenta), dupa care sensul . directiei se schimb (ex_-~.evo.lu-,e
informaii legate ,~de difere:ntele _existente ntre anumite grupe, ci i arat descendent). ' ,-~-"'~" ~" -

complementar dire_ggateiocfn funcie de treptele variabilei independente.

[lrec1ie curtilhie
Procedurile analizei direcionale pornesc de la condiia c treptele
variabileU_fJ9epen9en~ sunt egal distanate, iar numrul de subieci din fiecare
grupc'Leste egal. Ambele condiii pot fi nclcate, ns n acele condiii se impun
criterii conser-Vatoare ale pragurilor de semnificaie, cum ar fi un rD, ~0.1 .. <
Exemplul ales pentru explicarea contrastele anterioartnu este potrivit
pentru a apela la contrastE:!Ie polinomiale, deoarece cele dou grupe de terapie
GrL.>;<le
"
eXJY-rimertale
comportamental nu sunt intrinsec ordonabile, fiind mai degrab variabile de tip
nominal. De aceea, vom apela la un alt exemplu:
Figura 4.8. Direcie curbilinie
Pentru a testa eficiena edinelor de hipnoterapie pe un eantion de subieci
bulimici au fost realizate cinci grupe, n care subiecii au fost inclui aleatoriu. . . ~-irecia <ci,tpic;~. presupune o evolui~j,Q~~1J?,nt, cu dou schimbri de
Grupul 1 este pstrat ca grup de control, al doilea grup urmeaz edine de direcie pe parcursul trecerii de la o treapt a variabilei independente Jaalta. ==
hipnoterapie o dat pe sptmn; al treilea grup face acelai lucru, dar de
dou ori pe sptmn, al patrulea grup are trei edine sptmnale, n timp Directie exponentiala-cubica

ce al cincilea grup urmeaz patru edine sptmnale de hipnoterapie.

.. 10
;: 8
Supunnd aceste grupe la o analiz direcional vom putea ntlni unul
dintre cele patru cazuri de evoluie a_Q_a._gLq[, prezentate grafic n Ct?)e ce urmeaz:
E6 -+-Directie
.g 4 .exponentiala-
dir~~i~JiDiar.~ (poate aprea n design-uri experimentale cu dou;tsau mai ., 2 cubica
ll. o
multe grupe); '"'=""-
2 3 4
. dire~-~-curbilinie (poate aprea n, design-uri experimentale cu trei_e~_u mai
multe grupe); . ---... Grupele experimentale-
trepte ale variabilei
dir~g!~--~~?ic (poate aprea n design-uri experimentale cu patru sau mai independente
multe grupe)'; "-""
Figura 4.9. Direcie cubic
direcie.cuartic (poate aprea n design-uri experimentale cu cinci sau mai
multe grupe). ,~

104
105
 lll'iiiii,IIIILIIIII!illllllllllllllli!llllllllll"'lllllllll'lllllllllllllllll,lllll.lll! :III !11. !ll!_!ll'_!lli_lll_!lldiiLJIIILIIII!JIIUIIIJIIiJIII_.IIII!.IIIIIJIIIIIIIUIIIilllll!'ll' 11! !111.1111111111'1111!11111!1111:11111!1111:111111111 -111.'111' !111111. !III !III!!IIIIIIIIL':IIII:IIII!.IIIII_IIII_!IIII_IIIIJIII'IIII ';111.':111111111111: 1111 ';11111111.1111 III! 1111',1111'1111-11111'.111111111:111. 1111..11', IJI III '.'1

Ultima posibilitate de evoluie a direciei este cuartig. Aceast direcie 4.2. ANOVA factorial
este foarte inconsecvent, avnd trei puncte de schimb~~-.-a.. .-. ..direciei. __,__~

Pn n prezent am discutat cazurile de ANOVA n care era prezent 0

Directie cuartica
. singur variabil independent cu mai multe trepte i o singur variabil
dependent. Aceasta nu este ns i singura modalitate de a realiza o cercetare.
Design-ul ~~-stei? poate incLL1,?e mai multe vari~bile independente. n acest caz se
utilizeaz\.~f::!QYA factoric:tl, prin care se urmrete-~s1u'Ciiulio]ii~htei simultane a
dou sau maLmulte variabile independente asupra unei variabile d~p,endente,
Exist mai multe avantaje n utilizarea unui design experimental factorial.
Un prim ctig este dat de un control ~f_i_ciental unor variabile Ql'l interes care n
ANO VA simpl sunt excluse din studiu. Unalt'~~ant;j const n eficl~nta ~tudiului
2 3 4
deoarece dou sau mai multe variabile independente sunt analizate si~ultari; fiind
Grupele eXperimentului
extrase informaii referitoare att la fiecare factor n parte, ct i la interactiunea
Figura 4.1 O. Direcie cuartic (neregula f) dintre acetia, viznd influena comqnasupra VD. '
Din aceast perspectiv, ANOVA factorial pentru dOIJ . varic:tbile
Contrastele polinomiale nu trebuie specificate n SPSS deoarece aYo..':'alori independente conduce la calculularea a trei teste statistice F.. Dou.di;t;e ele s-e
fixe, pentru direcii i numr de grupe diferite. lat cteva valori ale acestora pentru realizeaz' 'pentru a gsi efectel,iLf2ri1Jg_iP_?Ie, ('cl~ct~l- princip~l al variabilei A i
situaiile experimentale cu trei pn la ase grupe (Hinkle, Wiersma, Jurs, 1994 ). efectul principal al variabilei B), iar cel de-al treilea test msoar interactiunea
din:_:~~~~- Efectele p~in~tJ??Ie sunt analoge dispersieLintergrup din ANOVAsimpri'
=4 (patru grupe de subieci) iar testuf interac;iunil (sjiJlbolizat AB) ne arat dac rezultatele obtirrute- la diferite
K =3 (trei grupe de subieci) K
nivele ale variabilei A sunt~_endente de nivelul factoruluLB Lvice~ersa. .
1 o -1 Liniar -3 -1 1 3
Liniar
-2 Curbiliniu 1 -1 -1 . ,_Tri cele ce urmeaz~ ne vom opri doar asupra testului ANOVA bifC!ctorial (2
curbiliniu
Cubic -1 3 -3 variabilE) ~!D~ependente: __cu mai multe trepte fiecare), fiind ns posibile' i
experimente care necesit mai mult de doi factori. Algoritmul de rezolvare a
K == 6 (ase grupe de subieci) acestor situaii este asemntor cu ANOVA bifactorial. De exemplu, un design
K == 5 (cinci grupe de subieci)
-2 -1 o 1 2 Liniar -5 -3 ~1 1 3 5 factorial complet cu.reL\/CiriC!bile independente ar duce la calcularea a apte teste
Liniar
Curbliniu 5 -1 -4 -4 -1 5 F generc:~le. Trei dintre ele ar urmri efectele principale ale celor trei variabile
Curbiliniu 2 -1 -2 -1 2
o -2 Cubic -5 7 4 -4 -7 5 independente A,,_B, C, alte trei teste F ar urmri interactiunea dintre fiecar~
Cubic -1 2
-4 6 -4 Cuartic 1 -3 2 2 -3 1 pereche de variabile (AB, 6Q, BC), iar ultimul F ar surprinde o interactiune
complex a celor trei variabile studiate (ABC). ...
Cuartic
'
Orice ANOVA factori<:l.l are -s~pecificat designul experimental realizat sub
Dezavantajul utilizrii acestor contraste polinomiale const n posibilitatea forma unorcifre. Un design factorial cu dou variabile independente:riecare avnd
de a obine mai multe valori--F--semnificative, ceea ce implic mai multe direcii cte tr.ei_trepte, va fi notat ANOV~.3x3.Un alt design, n care prima variabil are
posibile de-evoluie: a variabilei dependente n funcie de treptel~--":~riabilei dou trepte, iar cea de a doua cinci, va fi simbolizat ANOVA 2x5. Un design
factorial, cu trei variabile independente, n care primele dou variabile au cte 3
indepe~!!lte. . . . ,
S presupunem c dintre toate testele t calculate, doar t l1mar a 1e1t trepte, iar cea de-a treia doar dou, va fi notat ANOVA 3x3x2 .a.m.d.
semnificativ statistic. Aceast situatie ar fi artat c direcia de evoluie a lucrurflor Voi prezenta n continuare forma grafic a unui design experimental
este una liniar. Consultnd m~diile. celor cinci grupe vom trage, probabil, bifactorial, n care cele dou variabile independente au cte trei trepte (tabelul 4.3).
urmtoarele concluzii: edintele de hipnoterapie se dovedesc a fi eficiente n Dup cum se observ, din combinarea celor doi factori,. fiecare cutrei

tratarea bulimiei, cu ct num,rul de edine de hipnoterapie crete, cu att scad trepte, se~_<:?.bin nou situaii experimentale diferite. Acestea poart nume!; d~
celule experimentale.
semnificativ manifestrile bulimice.

107
106
 . Baza de date aferent exemplului este anova factoriala.sav, iar calea de
Tabelul 4.3. Exemplu de design experimental de tip 3 x 3
ob1~er~ a" rezultatelor n SPSS este "Analyze" - "General' Linear Model" _
81 82 83 "Un1vanate .
A1B1 A1B2 A1B3 Medie A1
A1
A2B1 A2B2 A2B3 Medie A2
A2 Tests of Between-Subjects Effects
A3B1 A3B2 A3B3 Medie A3
A3 Dependent Variable viteza masinilor
Medie 81 Medie 82 Medie 83
Type III Sum
Source of Squares df Mean Square F Siq:
Dac 'n cazul ANOVA simpl dispers~.lCJ.!al era suma dispersiei)QJ~rgrup Corrected Model 1702,800"- 5 340,560 7,277 ,000

cu dispe@ia intragrup, n cazul ANOVA bifactorial exist patru surse al.. dispersie!
lntercept 38880,000 1 388/?0,000 830,769 ,000
SUGESTII
totale, i anume: disper.jpJ.n,Jr.!~e.!~l (echivalent cu dispersia intr.grup),~. dispersia
1139,400 2 569,700 12,173 ,000
EXPERIEN 97,200 1 97,200 2,077 ,162
de-a lungul mediei.Jiniilor (datorat factorului A); dispersia de-a lungul mediei SUGESTI_I * EXPERIEN 466,200 2 233,100 4,981 ,016
coloanelor (datorat facJQ,[IJiui B) i dispersia datorat interaciunii dintre cele dou Error 1123,200 24 46,800
variabile independente (Al},:,~suma ultimelor trei dispersii este echivalentul Total 41706,000 30
dispersiei inter.gndP Corrected Total 2826,000 29
De aceea, n cazul ANOVA-.bifp,ctorial sunt testate trei ipoteze nule. a; R Squared ,603 (Adjusted R Squared =,520)
Primele dou se refer la efectul V.Tic:!bilelor incjependente .. luate ,eparif'(~ 1=
~J-A2 =)1A3, respectiv ~J-81 =
!J-82 !J-83), iar cea de-a treia se refer la
= Figura 4.11. Output SPSS 11.0 cu tabelul sumar ANO VA factorial
interactiunea dintre cei doi factori. SPSS este o marc nregistrat.
' Pentru a con~~za 'elementele teoretice prezentate n cadrul ANOVA
factorial, voi oferi drept model de rezolvare 9 problem tipic viznd memoria. Eliminnd ~lementele car~ nu ne intereseaz n acest moment, din informatiile
Pornind de la experimentele clasice ale lui Loftus i Palmer (Eysenck i prezentate 1n modelul general liniar din SPSS, obinem urmtorul tabel ANOVA: '
Keane, 2000) care au artat c memoria are o natur reconstructiv, un cercettor
dorete s studieze n ce msur relatrile martorilor oculari sunt influenate de Tabelul 4.4. Tabelul sumar ANOVA 3x2 factorial
ntrebrile adresate i de experiena fa de situaia n cauz, avnd drept obiectiv
stabilirea gradului de ncredere n depoziile martorilor la procese. Sursa dispersiei ss df MS F p
_ Experimentul descris n continuare este o adaptare a cercetrilor iniiale Linii (A) - sugestii 1139,4 2 569,7 12,17 <.01
realizate de autorii menionai. Acetia propun subiecilor s vizioneze un film Coloane (8)- experien 97,2 97,2 2,07 >.10
despre un accident de circulaie. Dup vizionare subiecilor li se cere s estimeze Interaciune AxB 466,2 2 233,1 4,98 <.05
viteza cu care rulau mainile n momentul accidentului (variabila dependent), lntracelul 1123,2 24 46,8
cercettorii fiind interesai de influena a dou variabile independente. Total 2826,0 28
O prim variabil manipulat de experimentatori este modul de adresare a
ntrebrii. Astfel, ei cer unui grup s estimeze viteza cu care s-au "zdrobit" mainile; . . Aadar, se observ c din cele trei raporturi F, dou sunt semnificative
unui al doilea grup s estimeze viteza cu care "s-au lovit" mainile, n timp ce n a ~tat1st1c: ~"sugestii" [F_(2,_2~) = 12,17, P_ < :01] i F interaciune [F(2, 24) 4,98, p =
treia situaie, subiecii au fost _ntrebai ce vitez aveau mainile n momentul , .05]. _:nmul re~ultat _1nd1ca. un efect pnnc1pal semnificativ, care poate fi transpus
accidentului. Cea de a doua variabil independent a fost experiena subiecilor In ~rmatoarea af1~ma1e: estimarea vitezei de deplasare a mainilor n momentul
care a avut dou trepte: oferi i ne-oferi. Aadar, avem un model ANOVA acc~dentulw este Influenat semnificativ de modul de adresare a ntrebrii prin
factorial de tip 3x2 (trei linii i dou coloane). cuvintele a:ese n a~est scop. Aceasta nseamn c,. dac ignorm expe;ienta
Ipoteza cercettorului este c relatrile subiecilor sunt influenate att de celor. dou_a _ ~atego_ru de subieci (oferi vs. non-oferi), exist 0 diferent
expresiile utilizate (ntrebrile anchetatorului), ct i de experiena subiecilor n s~mmficat1va m esttmarea vitezei, influenat de modul de formulare a ntreb~ii.
situaia descris (profesiunea martorului) n sensul c subiecii - oferi pot estima Fund _un test F general, de tip omnibuz, nu putem deduce direct cum evolueaz
mai bine dect non-oferii viteza de deplasare a automobHelor). l~crunle. ~pre ~xemplu, utilizarea termenului "zdrobit" conduce la estimarea unei
Viteze ma1 man dect folosirea termenului "lovif'? Exist. diferene semnificative

109
108

ntre utilizarea termenului "zdrobit" fa de utilizarea sintagmei "cu ce vitez
circulau mainile n momentul accidentului?" etc. Pentru a observa care diferene
sunt semnificative putem apela, fie la-Gontraste, fie la compar.aiL.poLb,Qc, ambele
~etode fiind deja prezentate n seciunea destinat analizei dispersiqnale simple.
Tn urma aplicrii testului post h~Iukey,~ au fost observate diferene
semnificative n dou dintre cele trei comparaii. Mai precis, ignornd aspectul
experienei n conducerea autovehiculelor, persoanele crora ii s-a adresat
ntrebarea incluznd termenul "zdrobit" au estimat viteze de deplasare semnificativ
mai mari n comparaie cu situaia -utilizrii termenului "lovit" sau n comparaie cu
grupul asupra cruia s-a folosit expresia neutr "viteza cu care circulau mainile".
Tn schimb, nu au fost sesizate diferene semnificative n ceea ce privete viteza de
deplasare a automobilelor n cazul utilizrii expresiei "lovit" fa de cazul exprimrii
"viteza cu care circulau mainile".
Cel de-al doilea F din tabelul 4.4. a testat n ce msur exist o diferen
semnificativ ntre oferi i non-oferi, indiferent de cuvint~le utilizate, referitoare la
estimarea vitezei cu care circulau mainile n momentul accidentului. Rezultatul,
F(1, 24) = 2,07, p >.10, a fost nesemnificativ statistic, astfel c nu s-au gsit
diferente semnificative ntre cele dou categorii de persoane cu privire la viteza de
deplas~re a mainilor. Aceasta nseamn c, ignornd tipul de ntrebri adresate,
nu exist diferene ntre oferi i non-oferi n estimarea vitezei de deplasare a
mainilor, n momentul accidentului din filmul respectiv.
n schimb, cel de-al treilea test F, viznd gradul de interaciune dintre cei
doi factori, este semnificativ statistic, existnd o asociere ntre treptele celor dou
variabile independente. Cu alte cuvinte, efectul modului de formulare a ntrebrilor
asupra estimrii vitezei de deplasare a mainilor a fost diferit pentru oferi fa de
non-oferi. Cum a fost diferit, este o alt poveste, ce necesit nelegerea
conceptului de efect simplu.
55..--------'--,
:;
~ determin~nd posibile 9lf~[~f1e)ntr~.-~?atE) _cele asE:!_'cE)JuiEl_.~.>:<PE!ririeQt?l(:;! ale
E
~
perienta sofat
Q)
0
~"'
soferi
~ 25-i----~--:-:---1 * non~soferi
zdrobit lovit rulau in rrorrentul ac
expresie utilizata
Figura 4.12. Reprezentarea grafic n SPSS 11.0 a interaciunii
SPSS este o marc nregistrat.
110
'111'11111111111111111111111
. Un mod alterna~iv, dar simplificat, de a observa aceast ey,oluie,, se obine
pn~ rep~ezent~rea graf1c a interaciunii dint.c.e-.Cei~gqi factori. Acesta se poate
obine direct d1n SPSS utiliznd aceeai cale de obinere a rezultatelor n cazul
ANO VA factoria_l, "Analyz:::: "(;eneral Linear Mg.Q_~J" - "l,Jnivariate", dup care se
selecteaz butonul - .. ~t""~ Tnainte de a face acest lucru trebuie subliniat
urmtoarea idee: dei efeCte-le principale au rolul lor, dac interactiunea dintre doi-.
fa~to.r:i-e~t~ semnificativ, aceasta devine primordial n interpret~rea statistic i
ps1holog1ca a rezultatelor unei cercetri.
Ca o regul general, n cele mai multe situatii cnd cele dou linii se
intersecteaz, precum n figura 4.12., exist o interactiu~e semnificativ ntre acei
doi factori. Din desen, se pot desprinde cteva obs,ervatii. Diferentele cele mai
mari, dintre oferi i non-oferi, se observ n cazul n ~are expermentatorul a
folosit sintagma "cu ce vitez s-au zdrobit mainile n accident". Astfel, non-oferii
tind s fie influenai mai puternic de aceast expresie, acordnd o vitez de
deplasare mult mai mare dect media estimrilor fcute de oferi. De asemenea,
putem nota c cea mai mic diferen dintre cele dou categorii de persoane se
observ n situaia n care experimentatorul adopt o atitudine neutr, utiliznd
expresia "Cu ce vitez circulau mainile n momentul accidentului?". Ar fi bine ca
aceste observaii grafice s fie completate de analiza efectelor simple, o metod
riguroas, dar din nefericire absent din meniul SPSS-ului, ea fiind disponibil doar
prin apelul la sintax.
4.2.1. Metoda efectelor simple
.....__~"""""'"''~
. Tehnica are un caracter .post hoc i este menit s surprind n detaliu
diferenele dintre anumite_sglule_~xperimer1t;31e. Ea se deosebete de metodele
post hoc obinuite, fiind mult m~~f1(3litic_(Keppel, 1991; Pedhazur i Schmelkin,
1991 ). Spre exemplu, prin metoda -T:ukey se observ dac exist diferente ntre
situaiile experimentale determinate de modul de formulare a ntrebrilor, ig,nornd
aspectul experienei n conducerea automobilului. De exemplu, vom putea
compara dac exist diferene semnificative ntre persoanele ntrebate "cu ce
vitez s-au zdrobit mainile", respectiv persoanele aflate n grupa n care
ntrebarea a fost "cu ce vitez s~au lovit mainile". .
n schimb, prin metoda eJ!:J_c;:_telor ... simple, vom face un pas n plus,
probleme' date .. De exemplu, vom putea stabili dac exist diferente semnificative
ntre oferii care au fost ntrebai cu ce vitez circula main~ n momentul
'accidentului i non-oferii care au fost ntrebai cu ce vitez s-au zdrobit mainile.
Procedura de a obine efectele simple n SPSS este extrem de complicat,
presupunnd utilizarea sintaxelor. De aceea, vorrlj);:ezenta pe scurt formulele
dintre cei doi factori ~atematice -~~-E)fectelor...simple. Cei interesai pot consulta un material c--;;m-pie(pe
s1te-ul de statistic social (Sava, 2002).
Pentru a afla efectul simplu n cadrul acestei trepte vom parcurge trei pai:
111
 l!llllllillllllll

1
.
"_.~
.
Pasul al doilea const n obinerea. lui F - efect simplu - pentru treapta
1. vom calcula suma ptr;:>telor aferent acestui efect simplu; .
"zdrobit" a variabilei "mod de formulare a ntrebrilor''. Acesta se obine simplu, pe
2. pe baza sumei ptrateloc i cunoscnd gradele de lib~r~~. vom obme
media ptratic, iar din aceasta testui.J;,,efere~t; . . . .. .
') baza formulei:
pe baza iui.i=...vom $tabili dac treapta respectiv contnbUie sem.nificatlv la
3.
interactiunea dintre cei doi factori. l F = MS,,eJect_s>mp
. 1Il ( .6)
MSint mcelula
4
vom presupune c au fost obinute urmtoarele rezultate n situaia
1

experimental "cu ce vitez s-au zdrobit mainile".

Dac media ptratic intracelul exist n tabelul sumar ANOVA, lipsete
media ptratic a efectului simplu. Aceasta este egal cu raportul dintre suma
5 Rezultatele obtinute de oferi i non-oferi n situaia experimental "zdrobit"
Tabelul 4..
1 ptraelor efectului respectiv i gradul de libertate al celeilalte .variabile cu care
oferi (81) Non-oferi (82) TOTAL oferi i non-oferi interacioneaz variabila n cauz. n cazul de fa, media ptratic calculat a
Factorul 1
acestui efect simplu este egal cu suma ptratelor calculate, adic 476,1,
/

"mod de
formulare C! deoarece gradul de libertate a variabilei "experien n ofat" este unu. nlocuind n
ntrebrilor" formula de mai sus, vom obine un F - efect simplu - pentru treapta "zdrobit" a
X xz X xz variabilei "modul de formulare a ntrebrii" de 10,17 (476, 1:46,8). La fel se
2601 63 3969 t treapta 1 = 189 + 258 = 447 procedeaz i n cazul celorlalte trepte ale variabilelor incluse n studiu.
51
treapta 1 - 45 2025 57 3249 Reamintim datele din tabelul sumar ANOVA pentru a clarifica toate valorile
51 2601 t (treapta 1)2 = 7623 + 13644 introduse n calculele de mai sus:
"zdrobit" 39 1521
48 2304 = 21267
30 900
24 576 39 1521 o Tabelul 4.6. Tabelul sumar ANOVA pentru exemplul dat

Sum ( t) 189 7623 258 13644 Sursa dispersiei ss df MS F p

37,8 51,6 44,7
Viteza medie Formularea ntrebrilor (A) 1139,4 2 569,7 12,17 <.01
Experien ofat (8) 97,2 1 97,2 2,07 >.05
Formula de calcul a sumei ptratelor pentru fiecare treapt este: Interaciune 466,2 2 233,1 4,98 <.05
lntracelul (Rezidual) 1123,2 24 46,8
Total 2826 29
SS 1
_{2:
-
eli XY
+... +
((2: eul X Y)
.
(2: toti X Y(4.5)
. ncll ncnl ntotl n urma calculrii celor cinci efecte simple, corespondente fiecrei trepte a
variabilelor independente, dup modelul explicat anterior, vom obine un tabel
unde: SSI este suma ptratelor unei trepte; sumar ANOVA nuanat.
nc11 este numrul de subieci din prima celul a unei trepte;
ncnl este numrul de subiecti din ultima celul a unei trepte; Tabelul 4.7. Tabelul ANOVA extins, incluznd valorile F pentru efectele simple
ntotl este numrul de subiecti ai unei trepte indiferent de celul;
:Z:c11X este suma lui X din prima celul a unei trepte;
Sursa dispersiei ss df MS F 12
Formularea ntrebrii (A) 1139,4 2 569,7 12,17 <.01
:Z:cniX este suma lui X din ultima celul a unei trepte;
81 -oferi 154,8 2 77,4 1,65
:z:totiX este suma tuturor X din treapta respectiv. 82 - non-oferi 1450,8 2 725,4 15,50 <.01
n problema de fa avem doar dou celule al~ tr:ptei "zdr~bit" Experiena n conducerea mainii (8) 97,2 97,2 1,24
reprezentate de grupul de subieci of~ri, respectiv grupul de subieci non-ofen. A1 -cu ce vitez s-au zdrobit 476,1 476,1 10,17 <.01
A2 - cu ce vitez s-au lovit 72,9 72,9 1,55
Astfel, vom obine: A3 - cu ce vitez circulau 14,4 14,4 0,30
Interaciune 466,2 2 233,1 4,98 <.05
lntracelul 1123,2 24 46,8
Total 2826,0 29

113
1 11-:l
 lilllllllllllll'lll''lllillll'llllll:llllll'lll ':!111111 !11 lll'!lll':lli,'!iil:li
Dup ce am aflat valorile fui F- efecLsimplu (vezi tabelul 4.7.) -pentru
fiecare din cele cinci trepte, urmeaz ultimul pas de a stabili dac valorile obinute
sunt semnificatLv.e_ statistic. Trebuie s reinem c nu vom utiliza pragul de
semnificaie clasic de .05. n acest caz intervine o modificare a valqrii alfa pentru a
pstra constant eroarea setului de comparaii. Astfel, n cazul variabilei cu trei
trepte "formularea ntrebrii" vom avea ca limi p = .Qj:Z,J-05 1 3), n timp ce pentru
variabila "experien n conducerea mainii" vom avea p =.025 (.05 /2), deoarece
variabila are dou trepte: oferi i noncoferi.
Din cele cinci efecte simple, dou se dovedesc a fi semnificative statistic.
Este vorba de interaciunea dintre formularea ntrebrii i non-oferi (A-82),
respectiv dintre experiena n conducere i folosirea sintagmei "zdrobit" (B-A 1).
Interpretarea acestor efecte simple semnificative se face pe baza observrii
mediilor situaiilor respective i a graficului de reprezentare a interaciunii dintre
factori. Pentru problema noastr se desprind dou concluzii complementare, de
nuanare:
(1) primul efect simplu semnificativ (A-82) indic o difereniere mai clar, n
aprecierea vitezei de deplasare a mainii n momentul accidentului, la persoanele
care nu posed carnet de conducere. Acest fapt se datoreaz probabil lipsei de
experien n aprecierea vitezelor, determinnd aceast categorie de subieci s fie
mai uor influenabil de sugestiile experimentatorului, prin modul de formulare a
ntrebrilor. Acest aspect se poate observa i n graficul de interaciune a factorilor,
rezultatele subiecilor fiind mai variabile dect cele ale oferilor.
(2) al doilea efect simplu semnificativ (B-A 1) indic o diferen ntre oferi
i non-oferi n cazul primei situaii experimentale. Astfel, sintagma "zdrobit"
influeneaz ntr-o mai mic msur oferii dect non-oferii. Acetia din urm
estimeaz o vitez de deplasare a mainilor mult mai mare n cazul n care au fost
utilizate cuvinte sugestive pentru fora impactului ("zdrobit"). n schimb, oferii sunt
mai puin afectai de acest aspect. Graficul interaciunii identific aceast situaie,
n care formularea "zdrobit" conduce la cea mai mare difereniere ntre oferi i
non-oferi, n ceea ce privete estimarea vitezei de deplasare a mainii n
momentul producerii accidentului.
4.2.2. Mrimea efectelor n cazul ANOVA
Mrimea efectului poate fi calculat i n cadrul unui d~l9.,!ll<i!QJ2r~~- Prin
intermediul acestui indicator vom putea observa n ce msur difer.e.o,t!'lle
semnificative observate"au o ariufriftimportan practic. Modul de calcul este
similar celui prezentat n cazul ANOVA simpl, cu deosebirea c Freprezint
valoarea testului pentru un anumit factor iar F contrast este valoarea o6tinu1n
cadrul unei comparaii post hoc sau a unui contrast n _cadrul factorului respe-cti'ir.ln
cazul n care un factor are
doar dou trepte, F cci'iltr~st e~te egal cu F aljactorului
respectiv (formula 4.2.). n cazul unei VI cu trei sau mai multe modaliti se
----~.
114
ihllll'1 '1 U1111U '.," l'i1 ':1111:11111,1111'1111i:l l :l l l lli:ll'lll II "'''''l,'lwil , llillllllllllllll 'lllllll.lll.lll'llliiiIIIIII::IIIIII'IIIIII'IIIIII,IIIIIII'IIIIII.IIIIIII'II.II'JI'III
:olosete for~ ula 4.3, unde df intergrup devine df asociat factorului respectiv, iar df
1ntragrup dev1ne df corespunztor gispersiei intracelul.
Astfel, utilizarea expresiei "viteza cu-care s-au zdrobit mainile" a avut un
impact puternic asupra estimrii vitezei. Efectul nregistrat a fost foarte mare
comparativ cu viteza estimat de persoanele care au fost invitate s precizeze
viteza mainilor n momentul lovirii lor, r fiind 0,59, r2 fiind 0,35. Pentru a ajunge la
aceste valori am aplicat formulele 4.3 i 4.4, -utiliznd valoarea lui F sugestii din
tabelul 4.4 i calculnd t Tukey pentru comparaia dintre grupele "zdrobit" i "lovit".
Cu a~te cuvint~, 35% din dispersia vitezei estimate de ctre subiecii investigai
este mfluenata de modul de formulare a ntrebrii, n cazul sintagmei "viteza cu
care s-au zdrobit mainile". Acest aspect poate avea implicaii profunde n
veridicitatea depoziiilor martorilor n actul de justiie. Se observ c modul de
formulare a ntrebrii poate induce rspunsuri cu un impact profund diferit n
evaluarea unor situaii n care lipsesc reperele de apreciere.
4.2.3. Condiii aecesare pentru aplicarELCJ..AN"QYA simpl i
ANOVA factorial ...
~--:"<-~~
:;t (1) Eantionul a fost selecta.t.rc:tn_cjg_J]}i~~Lcl.lf:l, populaie. n cazul n care acest
fapt este greu de realizat, se recomanCi~r-ca msur compensatorie
distribuir:~a_a_l~at()?f. ~~subiecilor n grupele ex~erimentale.
~(2) Variabila depeflQ.smt...est.e~_disttiPJJl.!!TItfilaLAceast condiie este gre\J d__e.
ndeplinit n ..Qa;z:u! ..n.care grupele experimentale sunt constituite dint~:~n
numr mic ~~ypj~ci (ex. n = 10).
}(3) Fiecare persoan din_.eantion este testat o g_jngur. dat, astfel nct
evalurile_.s_fiei!JsleRgndeoe. Cnd acest aspect n~eSte-respectat, vom
utiliza, foarte probabil, ANovk.:c.u.msurtori repetate.
- '(4) Dispersia~_sub~ec]J.Q~ mprii pe grupe. experimentale s fie egal. Testul
L~e. este special construit pentru a observa n ce m~sur este realizat
aceast omogenit_e a dispersiei.
Tehnicile ANOVA s~-nt destul de robuste la nerespectarea primelor dou
condiii. Cu alte cuvinte, indicele generai-J;'~~u__este afectat foarte mult de primele
dou condiii (Hinkle, Wiersma i Jurs, 1994). n schimb7''1iendeplinirea conditiei
factorial patru, absena unei omog~_njEji a dispersiei dintre grupe, afecteaz semnific~tiv
valorile lui F. ntr-o asemenea situatie sunt posioile dou msuri alternative
(a) -renunarea la aplicarea tehni;iloL).\.~QYA i utilizarea unor tehnicl
corespondente n~P._~f.~!Il.~!rl<::~.; (b) aplicarea tehnicilor paramE?_!!i_ce ANOVA prin
apelul la o corecie gradelor de libertate de citire a lui F din tabelul distributiei
omonime. Tabelul poate fi consultat n aproape orice manual introductiv 'de
statistic.
__,..... ' . 1 ....
n situaia din urm, valoarea lui F obinut va fi comparat cu valoarea
prezentat n tabelul lui F 8oOtru.'1 i N-1 grade de libertate i nu cu valoarea sa
corespondent de la k-1 i N-k-1_ -~_rade de libertate, dac omogenitatea dispersiei
115
era ndeplinit. Menionm c N este. numrul total de subieci din eantion, iar k
este numrul de grupe sau de celule experimentale din cercetarea respectiv.
4.3. ANOVA cu msurtori repetate
fn condiiile in care aceiai JJI:Jie};i~~unt testai de mai multe.ori-vom apela
la ANOYA cu msurt9ri.JeP.etate. Dac ANOVA simpl era corespondentul
testuLLJiJ pef1tru_qoueantioaneindeRendente, ntr-o anumit msur ANOVA cu
msurtori repetate este corespondentul testl!lYLt p,entru dou ee1ntioane perechi.
Am utilizat sintagma "ntr-o anumit msur", deoarece am putea vor6re.NOVA
cu msurtori repetate, att in cazul in care un singur fa.ctor este luat n
considerare,- ct i n situaia n care mai muli factori sunt msurai repetat
(ANOVA factorial cu ms,urtori repetate). Termenul de msurtorr repetate
implic evaluarea unui individ de dou _sau mai multe ori privitor la .aceeai
variabil dependef)t.
Vom utiliza un exemplu de ANOVA cu msurtori repetate apelnd la un
exemplu din psihologia social. Tajfel recunoate categorizarea social ca o
component de baz a identitii sociale. Acest proces cognitiv de structurare a
stimuliJ(X din mediul nconjurtor pentru a simplifica percepia nu se rezum doar la
mediul social. Vom adapta un studiu descri.s pe scurt de Lyons (1998) i aparinnd
lui Tajfel i Wilkes. Autorii au demonstrat tendina de accentuare a diferenelor n
cazul unei categorizri prealabile a stimulilor. Concret, subiecii au fost rugai s
evalueze, n numr de cuvinte, lungimea unor replici dintr-o pies de teatru. Din
cele opt replici selectate, patru erau mai scurte, iar patru erau mai lungi. Vom
prezenta trei situaii experimentale, dintre care primele dou respect studiul iniial,
cea de a treia fiind introdus de noi cu scopul de a utiliza ANOVA cu msurtori
repetate n dauna unui simplu test t dependent. Prima situaie experimental
consta n faptul c cele patru replici mai lungi erau etichetate cu litera A, iar
celelalte patru replici mai scurte erau identificate cu B. A doua situaie a studiului
iniial, poate fi etichetat ca grup de control, deoarece cele opt rep,lici nu erau
asociate cu nici o liter. Cea de-a treia situaie, introdus de noi, const n.
asocierea mixt a literelor A i B cu cele opt replici, astfel nct s existe ,dou
replici mai lungi i dou replici mai scurte asociate literei A, iar restul replicilor
(dou replici mai lungi i dou replici mai scurte) fiind etichetate de litera B.
Conform efectului de accentuare activat prin etichetarea stimulilor, subiecii
au exagerat diferenele dintre replicile mai lungi i cele mai scurte n cazul
etichetrii primelor cu litera A i a celorlalte cu litera 8, comparativ cu lipsa
etichetrii acestora n grupa de control. Pornind de la aceste premise, ne vom
atepta ca etichetarea replicilor din a treia situaie experimental s reduc
diferenele dintre repliclle mai lungi i cele mai scurte, datorit identificrii mixte a
acestora cu litera A, respectiv 8.
Pentru a fi un design cu msurtori repetate, merit s pr,ecizm c au fost
fo!o~ii aceiai ubiecin cele treisituaii experimentale diferite. n plus, pentru a
el1mma aspectele de nvare, au fost folosite trei forme paralele ale replicilor, care
aveau acelai numr de cuvinte fiecare, iar' pentru a elimina posibilele efecte de
ordine sau oboseal, prezentarea replicilor a fost contrabalansat, astfel nct unii
subieci au rspuns mai nti la prima situaie experimental, altii la situatia de
control, iar alii la ultima situaie experimental. ' '
Pe baza unor. date imaginare vom testa urmtoarea ipotez general.
Categorizarea stimulilor afecteaz modul de percepie a acestora. Cele dou
ipoteze specifice sunt:
a) includerea n aceeai categorie a stimulilor similari conduce la accentuarea
percepiei deosebirilor dintre stimulii diferiti n comparatie cu absenta
categorizrii.. ipoteza nul pentru aceast situaie este ~-L1 = ).12, adic ~u
exist diferene semnificative n aprecierea distanei dintre replicile mai
lungi i cele mai scurte n primele dou situatii
b) includerea n aceeai categorie a stimulilor dif~riti va conduce la reducerea
percepiei deosebirilor dintre ei n comparaie' cu absena categorizrii.
Ipoteza nul este n acest caz Jl2 = /-L3, adic nu exist diferente
semnificative ntre aprecierea distanei dintre replicile mai lungi i cele m~i
scurte n situaia ultimelor dou grupe.
Altfel spus, utilizarea aceleiai etichete pentru stimuli similari conduce la
creterea asemnrilor percepute dintre ei, n timp ce utilizarea aceleiai etichete
pentru stimuli diferii conduce la scderea deosebirilor percepute dintre ei.
Exemplul prezentat poate fi exersat utiliznd fiierul anova repetate.sav,
urmand calea "Analyze':_:.__,nen.eraLLinear .. Model" .- ,;Repeated Measures". n
fereastra deschis va trebui asociat nurn..wl3.termenwlui "@~_}", pentru a defini
cele trei situaii experimentale ntlnite, prin acionarea butonului "detine". fn cazul
unei ANOVA factorial cu msurtori repetate, nainte de a actiona butonul
"d~", se apas "adct::_.,peqtru a permite definirea numrului de repetri Tn cazul
celui de-al doilea factor.
ANOVA cu msurtori repetate poate fi realizat att prin testarea lui F
9e.o.er.al, urmat de comp_araii pQ.st hac, ct i prin testarea unor_E_specifi~C J)fJn.
aplicarea unor C0!2_!~~ste. _!n cazul de fa ipotezele impun cea de-a doua abordare,
datorit specificitii existente n formularea lor. Totui, n scop didactic vor fi
analizate rezultatele obinute i prin metode.le post hac. '
Modul de prezentare a tabelului sumar pentru ANOVA cu msurtori
repetate din SPSS este puin diferit de modul de prezentare al tabelului sumar din
celelalte cazuri. El este constituit doar din dou swrse ale dispersiei: cea
determi_nat. de fa~torul=ceccetr(i (n cazul nostru, tipul de situcrt!~- experimental),
respectiv d1spers1!___~~torat erorii, De fapt, aceste surse sunt i cele mai
Importante pentru ca:Jcularea lui F.
Totui, aceast modalitate de prezentare a rezultatelor nu tine seama de
specificul tehnicii ANOVA cu msurtori repetate. Spre deosebi~e de ANOVA
117
 ',\"\,f,' ,.,,',\'
iilil'li:ll'ill,:llilll:lllill:il:l: '1 i:il ::::1

simpl, ce consider diferenele interindi'{j~~a}~ ca parte a disper~Le_i _erorii
(neexplicate), n ANOVA cu msurtori repetate putem -distinge trei surse ale
dis persiei: dispersia e)(plicatJ datorat treptelor variabilei independ~nte ), dispersia
subiecilor (datorat difereneior _dintre indivizi) i dispersia neexplicat, rezidual
sau dispersia erorii. Dac v reamintii, F nu era altceva dect raportul dintre.
dispersia explicat. i cea ne~_,.:plicat. Din acest punct de vedere, datorit reducerii
dispersiei neexplicate, prin eliminarea dispersiei datorate diferenelor individuale, F
Se observ, din compar~rea figurilor 4.13. i 4.14., c dispersia erorii 1n
cazul msurtorilor repetate s-a redus la 24,833. Dac nu am fi eliminat din cadrul
ei sursa dispersiei datorate diferenelor dintre indivizi, am fi obinut o valoarea mai
mare: 182,250 (157,417- + 24,833). Valoarea ar fi obinut i dac am face
abstracie de rezultatele care provin de la aceiai subieci (vezi figura 4.15.).
ANOVA

are mai mari anse s fie semnificativ statistic. Astfel, un design cu msurtori Diferenta replici lungi - scurte
repetate are o putere statistic mai mare de a detecta situaiile n care variabilele Sum of
independente influeneaz o anumit variabil dependent. Squares df Mean Square F Sig.
Between Groups 84,500 2 42,250 7,650 ,002
Tests of Within-Subjects Effects Within Groups 182,250 33 5,523
Measure: MEAS UR E 1
Total 266,750 35
Type III Sum
Source of Sauares df Mean Square F Sig.
SITUATIE Sphericity Assumed 84,500 2 42,250 37,430 ,000 Figura 4.15. Output SPSS 11.0 c_u tabelul sumar ANO VA simpl
Greenhouse-Gesser 84,500 1,784 47,367 37,430 ,000
pentru problema categorizrii
Huynh-Feldt 84,500 2,000 42,250 37,430 ,000
Lower-bound 84,500 1,000 84,500 37,430 ,000 SPSS este o marc nregistrat.
Error(SITUATIE) Sphericity Assumed 24,833 22 1,129
Greenhouse-Geisser 24,833 19,623 1,266
Huynh-Feldt 24,833 22,000 1,129 Trecnd peste aceste aspecte tehnice, se observ c testul F n urma
Lower-bound 24,833 11,000 2,258 aplicrii ANOVA cu msurtori repetate (figura 4.13.) a fost semnificativ statistic
[F(2, 22) = 37.43, p < .01]. Acest rezultat indic respingerea ipotezei nule conform
Figura 4.13. Output SPSS 11.0 cu tabelul sumar ANO VA
creia diferenele existente dintre mediile celor trei grupe s-ar datora hazardului. n
n cazul unui design cu msurtori repetate
consecin, etichetarea unor stimuli are un efect semnificativ asupra modului de
SPSS este o marc nregistrat.
percepie a gradului de asemnare sau deosebire dintre acetia.
n consecin, pentru a testa cele dou ipoteze specifice enuntate vom
Pentru a identifica n SPSS dispersia datorat illdivizilor i)rnplicit totalul
apela la contraste. n cazul ANOVA factorial..._~ ANOVA_c;u msurtori ~epetate,
sumei J2!3tratelqr, putem s tratm un design cu msurtori repetate ca un design
SPSS-ul ofer prin meniu doar oportunitate--m~-a alege ntre co'ntraste
normal, introducnd un factor aleatoriu denumit "subieci", pentru a identifica
standardizate. Din tabelul 4.2., putem observa c cea mai potrivit alegere pentru
scorurile aparinnd ace\eiai persoane. Tabelul sumar din SPSS devine:
testarea celor dou ipoteze este contrastuL.r:.epetaL("repeated"). Acesta testeaz,
Tests of Between-Subjects Effects pe rnd, dif~rena dintre grupele 1 i 2, respectiv dintre grupele 2 i 3. Primul
Dependent Variable: diferenta replici lun i - scurte contrast va testa prima ipotez, iar cel de-al doilea, pe cea de a doua. Rezultatele
Type IIISum n SPSS sunt prezentate astfel:
Source of Souares df Mean Sauare F Sia.
tntercept Hypothesis 10302,250 1 10302,250 719,903 ,000
Error 157,417 11 14,311 8

SITUATIE Hypothesis 84,500 2 42,250 37,430 ,000 Descriptive Statistics

Error 24,833 22 1,129b
SUBJECT Hypothesis 157,417 11 14,311 12,678 ,000
Mean Std. Deviation N
Error 24,833 22 1,129b
efect de accentuare 18,75 2,491
SITUATIE SUBJECT Hypothesis 24,83:J. 22 1,129 12
Error ,000 o c grup de control 17,00 2,174 12
a. MS(SUBJECT) efect de reducere 15,00 2,374
b. MS(GRUPA SUBJECT)
12
c. MS(Error)
Figura 4.16. Output SPSS 11.0 cu valorile descriptive pentru cele trei grupe oferite de SPSS
Figura 4.14. Output SPSS 11.0 cu tabelul sumar ANOVA factorial, SPSS este o marc nregistrat.
in cazul tratrii subiecilor ca factori aleatori
SPSS este o marc nregistrat.

118 119
 1'1111' 11111 11111' llllllllllllllllllll~lllll~llllllllllllllllllllllllllllllllllllllllllllllllllilllll, 11111111111 !1111 1111 III il'

Totui, criteriul de. selecie a acestor proceduri se schimb semnificativ, deoarece

Tests of Within-Subjects Contrasts
specificul design-Ului cu msurtori repetate i nendeplinirea frecvent a conditiei
Measure: MEASURE 1 de sfericitate afecteaz nivelul erorii de tip !. Detalii despre modul de comportar~ a
Type III Sum procedurilor post hac sunt furnizate n Field (2000), Kinnear i .Gray (2000) i
df Mean Square F Sig.
Source SITUATIE of Squares
SITUATIE Leve11 vs. Level 2 36,750 1 36,750 24,877 ,000 Weinfurt (2000). Concluzia principal este c cea mai bun opiune de a testa
Levef 2 vs. Level 3 48,000 1 48,000 17,600 ,001 diferenele dintre grupe este metod.a.B.oJJ.f~npql, pentru orice situaie existent. n
Error(SITUATIE) Level 1 vs. Level 2 16,250 11 1,477 exemplul dat, rezultatele confirm diferenele obinute prin contraste.
Level 2 vs. Level 3 30,000 11 2,727

Figura 4.17. Output SPSS 11.0 cu testul contraste lor standardizate "Repeated"
4.3.1~ Mrimea efectelor n ANOVA cu msurtori repetate
SPSS este o marc nregistrat.
n ceea ce privete calcularea mrimii efectului,
..;:::;.:,,,.-;;-.-.tf
~-..:~~;.:":;-:-
aceasta se realizeaz ntr-
n cazul primei ipoteze se obine un F (1, 11) = 24,87, p < .01. Astfel, un mod similar cu cel prezentat n cazul ANOVA simpl i ANOVA factorial. Spre
aplicarea unor categorii identice pentru stimuli similari conduce la accentuarea exemplu, vom calcula marimea efectului corespunztoare aprecierii distanei dintre
distanei percepute fa de stimulii diferii. Media distanei dintre stimuli n cazul stimuli n situaia etichetrii comune a stimulilor similari n comparaie cu
aplicrii etichetei a fost 18, 75, n timp ce media distanei dintre stimuli n grupul de etichetarea comun a stimulilor diferii, deci cazul grupelor 1 i 3. Lund n
control a fost 17,00. Similar, n cel de-al doilea contrast, F (1, 11) == 17,60, P < .01. considerare c F contrast este 65,59 {3,75/0,463)2, iar F {2, 22) este 37,43, vom
Acest rezultat arat c aplicarea unor categorii identice pentru stimuli diferii obine, pe baza formulei 4.3, un r de 0,82 i n consecin, un J!,..,este. 0,6('. Aceti
conduce la reducerea distanei percepute dintre stimulii diferii (media pentru indicatori arat un efect extrem de puternic produs de tipul de etichetare a
grupul de control a fost 17,00, iar cea pentru ultimul grup experimental a fost stimulilor n aprecierea distanelor dintre ei. Rezultatul are o importan deosebit
15,00). Se constat c pragul sczut de semnificaie a celor dou contraste (.000, n ameliorarea unor situaii practice. Astfel, ar trebui descurajat etichetarea diferit
respectiv .001) elimin problema unei valori inflaioniste a lui p, peste valoarea de a romilor de populaia majoritar, pentru a evita accentuarea diferenelor percepute
.05, datorat faptului c acest contrast "repetat" nu este ortogonal. n aceste dintre cele dou categorii. Similar, utilizarea acelorai etichete n descrierea sau
condiii, ambele ipoteze de lucru au rmas n picioare, sprijinind premisa general numirea persoanelor aparinnd celor dou etnii, poate determina o reducere
a cercetrii de fa, conform creia gruparea pe categorii a stimulilor afecteaz important a diferenelor percepute ntre cele dou populaii.
modul de percepie a acestora.
Testele~posrhocpot fi utilizate i n cazul ANOVA cu msurtori repetate.
4.3.2t. Condiii nece~~r~. pe,ntru aplicarea AN.,QY~"cu .m,surtori
rep~. ~t~~~
Pairwise Comparisons
dou condiii din tehnicile ANOVA_ir;J;}.pl sau ANOVA factorial se
Primele
M easure: MEASUREo 1
pstreaz, dei
nendeplinirea lor nu afecteaz foarte mult rezultatele obtinute.
Mean
95% Confidence Interval for
Differencea n schimb, nu este suficient ndeplinirea condiiei \ie,".om~genitate .. a
Difference
(!)SITUATIE (J) SITUATIE 11-J} Std. Error Sia
0
Lower Bound Uooer Bound _ dispersiilor diq,tre grupe pentru a aplica ANOVA cu.msurtori repetate. Conditia
1 2 1,750' ,351 ,001 ,761 2,739
necesar este denumit condiia de sfericitate. Ac;asta implic premJ.aJ'D~irel~ii
,463 ,000 2,445 5,055
3 3,75o similare ntrejiecare pereche de. conditii experimentale ea fiind o conditie mai
generala"';;~imetriei complexe. Aceasta, dln urm este ~deplinit, dac di~persia
2 ,361 ,001 -2,739 -,761
1 -1 ,750'
,004 ,656 3,344
3 2,000' ,477
3 1 -3,750' ,463 ,000 -5,055 -2,445 este egal n toate' si.tui!le- experimentale (omogenitatea dispersiei) i dac~
2 -2,000' ,477 ,004 '-3,344 -,656
covariana, implicit corelaia dintre fiecare condiie experimental e;t~ egal, adic
Based on estimated marginal means exist o dependen sim.ilar~ ntre toate condiiile experimentale. n practic se
. The mean difference is significant al the ,05 level. observ c este foarte dificil de ndeplinit dubla CQ.Q9_ii~, m~oritatea design"urilor
a. Adjustment for multiple compatisons: Bonferroni.
ANOVA cu msurtori repetate cu mai mult de dou grupe nclcnd aceast
condiie. S presupunem un design cu patf}lJnsurtori rE)petate. A respecta
Figura 4.18. Output SPSS 11.0 cu rezultatele comparaii/ar post hac
condiia de simetrie complex nseamn c toate cele patru grupe au dispersii
SPSS este o marc nregistrat.

121
120
r,, '11 1,'. /,, '1. 'i1 /, .' 'i, ,,, !, 1 iiLIIIUII'. '1 1 1'. 11 ',' ',' ',' '/, '.'1. , , ''"JI.I, i]],li','li li.lll.llllllllillllllllllllllllillllllllllllillll~--1-11111111111111

-- 'lllllllllllll

relativCcegale i c exist coeficieni de coreJ;:J_ie relativ egali ntre grupele 1 i 2, 1 i Rezultatele din figura 4.19. indic un caz fericit, dar, din pcate rar, de
3; 1 i 4; 2 i 3; 2 i 4; 3 i 4. Uneori, aceste condiii sunt parial ndeplinite. De ndeplinire a condiiei de sfericitate. Valoarea lui epsilon este cuprins undeva n
exemplu, exist o corelaie relativ egal ntre rezultatele din grupele 1 i 2, respec- intervalul .89 i 1.00, adic are o valoare mai mare de .90. Acest indiciu este nsotit
tiv 1 i 3, dar nu i ntre 2 i 3 etc. Aceast situaie este numit sfericitate local. de un test Mauchly nesemnificativ statistic. ln consecin, condiia de sfericitate 'a
Din punct de Vedere statistic, sfericitatea afeci~;z: valprile luiF, crescnd fost ndeplinit, nefiind necesare nici un fel de ajustri suplimentare n interpretarea
ansele de a comite ~roarea_q_;Jip), adic de a respinge ipoteza nul cnd nu lui F.
exist un efect real. Cum ne dm seama dac condiia de sfericitate este Vom folosi aceeai situaie de cercetare pe o alt baz de date imaginare
ndeplinit? SPSS-ul calculeaz testul W al lui Mauchly. Dac rezultatul acestuia pentru a demonstra modul de ucru n cazul n care condiia de sfericitate nu este
este semnifi9_tiv statistic, conditia de sferi;it~ie este Tnclcat. Dac rezultatul nu ndeplinit.
este semnificativ statistic (adic 'p este mai mare de ~os):pufem considera c este
respectat condiia. Totui, acest test este foarte sensibil la numrul de subieci i Descriptive Statistics
la forma distribuiei datelor, de aceea este necesar foarte mult precauie n Mean Std. Deviation N
interpretarea sa (O'Brien i Kaiser, 1985). efect de accentuare 18,75 2,491 12
ln primul caz, n care conditia de sfericitate r:IIJ?Ste ndeplinit, va trebui s grup de control 18,50 2,236 12
adoptm una dintre cele dou alternati~~: utilizarea tehnic.li_f\!!.61\JQYtdanaliza efect de reducere 15,83 4,282 1?

dispersional multivariat), sau ajustarea valorilorJ.wi .. t . ?in A~()_'!A ~Li msurtori

repetate. Prima nu face obiectul analizei de fat, n schimb ne vom opri s detaliem
cea.de a doua posibilitate. ' ....
~
Mauchly's Test of Sphericity

Measure MEASURE 1
Pentru a nelege aceste corecii vom porni de la prem.isa c ndeplinirea n
totalitate a sfericitii poate fi notat epsilon egal cu L.Pe asemenea, cea mai Eosilon

grav violare a acestei condiii este egal cu 11{~~ 1). ln cazul a trei grupe Within Subiects Effect Mauchly's W
Approx.
Chi-Square df Sia.
Greenhous 1
e-Geisser
1
Huvnh-Feldt Lower-bound
experimentale (k = 3), valoarea minim a lui epsilon este O!Q.,~Pe obicei, un SITUATIE ,341 10,764 2 ,005 ,603 1 ,636 1 ,500

epsilon ntre .99~i 1 ~~-ridic nici un fel de probleme. Cu ct valoarea lui epsilon a. May be used to adjust the degrees of freedom for the averaged tests of significance. Corrected tests are displayed in the
Tests of Within-Subjects Effects table.
este mai mic, cu' att sunt probleme mai mari legate"de nendeplinirea condiiei de
sfericitate. Ajustarea lui F se face folosind fie corectia Greenhouse-Geisser, fie cea Tests of Within-Subjects Effects
conceput de Huynh i Feldt. Prima modalitate est~ consef)t~Jqare (subestimeaz Measure MEASURE 1
valoarea lui-epsilon), iar cea de-a doua, liberal (suprae.tim~az valoarea lui Type III Sum Partial Eta
epsilon). Specialitii au preferi~te diferite de a alege una dintre cele dou modaliti
Source o!Squares df Mean Square F Sig. Squared
SITUATIE Sphencity Assumed 62,722 2 31,361 5,478 ,012 ,332
de ajustare a lui F. Everitt (1995) consider c ar trebui realizat o medie nrecele Greenhouse-Geisser 62,722 1,205 52,033 5,478 ,030 ,332
Huynh-Feldt
do~_!:_':l)ustri. Girden (apud Field, 2000) recomand utilizarea coreciei Jluynh- 62,722 1,273 49,285 5,478 ,028 ,332

F_Idt, dac epsilon este cuprins ntre .75 i .90, respectiv a coreciei Greenhouse- Error(SITUATIE)
- Lower-bound
Sphericity Assumed
62,722
125,944
1,000
22
62,722
5,725
5,478 ,039 ,332

Geisser pentru valori epsilon mai mici. = . Greenhouse-Geisser 125,944 13,260 9,498
Huynh-Feldt 125,944 13,999 8,997
Lower-bound 125,944 11,000 11,449
Mauchly's Test of Sphericity

Measure MEASURE 1 Figura 4.20. Valorile descriptive, testarea condiiei de sfencitate i tabelul sumar ANO VA cu
msurtori repetate pentru aceeai problem, utiliznd o alt baz de date
Eosilon
SPSS este o marc nregistrat.
Approx. Greenhous 1 1
Within Subiects Effec Mauchly's w Chi-Sauare df Sia. e-Geisser Huvnh-Feldt Lower-bound
SITUATIE ,879 1,291 2 ,524 ,892 1 1,000 ,500
ln aceast situaie se observ c att testul Mauchly, ct i valoarea lui
..
a. May be used to ad;ust the degrees of freedom for the averaged tests of signtf1cance. Correctecl tests are d1splayed epsilon indic o nclcare a condiiei de sfericitate. Acest aspect poate fi observat
Tests of Within-Subjects Effects table.
empiric prin faptul c abaterea standard a persoanelor aflate n a treia situaie
Figura 4.19. Output SPSS 11. o cu rezultatele referitoare la situaia sfericitii obinute experimental este aproape dubl fa de abaterea standard a celorlalte dou
SPSS este o marc nregistrat.
grupe. Or abaterea standard nu este altceva dect rdcina ptrat a dispersiei.

122 123

Din al doilea tabel prezentat Jn figura 4.20. observm c valoarea lui
lpsilon este undeva ntre .60.3 i .636, astfel nct sfericitatea este grav nclcat,
]e aceea vom alege corecia Greenhouse-Geisser a lui F. Ca urmare, n cel de-a!
:reilea tabel al figurii 4.20., nu vom citi prima valoare, adecvat respectrii condiiei
::le sfericitate [F(2, 22) = 5,47 la un p de .012], ci vom utiliza vaiQarea .lui F din
:::!reptul coreciei Greenhose-Geisser (F(1.20, 13.26) = 5,47, !a un p de .031. n
aceast situaie ambele valori F au fost semnificative statistic, ns se observ c
dup aplicarea coreciei pragul lui F a crescut. Acest lucru poate fi important n alte
situaii n care valorile corectate ale lui F nu sunt semnificative statistic, n timp ce
valorile originale ale lui F au fost semnificative, schimbnd astfel interpretarea
rezultatelor.
Un ultim aspect tehnic, ce merit a fi menionat pe scurt n cadrul analizei
dispersionale, ine de modul de calculare a sumei ptratelor (SS). Dac toate
rezultatele sunt complete, vom pstra tipul III de calcul, acesta fiind opiunea
standard n SPSS. Dac vom avea date lips, caz ntalnit mai ales n situaia
msurtorilor repetate, vom utiliza tipul IV de calculare a sumei ptratelor.
4.4. Alte modalitti ANOVA
' suntei o persoan foarte agresiv. n aceste condiii se ntmpl un paradox,
Cele trei modaliti prezentate mai sus reprezint cele mai frecvente situaii
care necesit analiza dispersional. Totui, n tabelul 4.8. sunt prezentate alte
cteva tehnici ANOVA. Criteriul de difereniere a lor este dat de independena
evalurilor (grupele formate din aceiai subieci sau din subieci diferii) i de
numrul de variabile independente (unul sau mai muli factori).
Tabelul4.8. Tipuri de ANOVA n funcie de designul cercetrii
Subiecti diferiti Aceiai subiecti
1 variabil ANOVA simpl ANOVA cu msurtori
independent (ANOVA unifactorial) repetate
2 sau mai multe ANOVA factorial ANOVA factoriaf cu
variabile independente msurtori repetate
Design mixt
(unul sau mai muli factori variai n grupe de subieci diferii
1 unul sau mai multi factori msurati pe aceiai subieci)
Un design mixt este oferit de Weinfurt (2000). Un cercettor dorete s
observe eficiena terapiei cognitiv-comportamentale n reducerea simptomelor
depresive la pacienii suferinzi depresie sever. Dup o eval\;(.[e,.iniial cu
"Inventarul de Depresie Beck", subiecii au fost mprii aleatoriu n dou grupe: de
controL.~:=:r~r::~ntal. Cei din grupa experimental au urmat o terapie cognitiv-
comportamental pe o perioad de trei luni. Inventarul Beck a mai fost administrat
124
l'l:mi,IIII:IIII:'IIII 1 :11111111111UIIIIIWIII~IIIIUIIIIIIUIII......_IIIIllllllllllllll:lllll~'ll
tuturor pa~ienilor la trei luni, la ase luni i fa dousprezece luni de la prima
evaluare. Intrebarea care s,e pune este dac pacienii care au urmat terapia
cognitiv-comportamental i-au redus semnificativ simptomele de depresie pe
parcursul acestei perioade de timp.
4.5. Exemplu de ANOVA factoriaf:
cazul euristicii de,_a~c;esipiJitate
n luarea deciziilor sunt utilizate o serie de strategii cognitive denumite
euristici.
Ps=h~lt
ntre acestea este vorba i de euristica ~...:::.=~.:.;oo:":::.-.~-
de accesibilitate ; "'':'.
care const n
tendma oamenilor de a acordsa..'"'g Jlr9babl!itSJte mai ridicat', alternativei sau
evenimentului~~Clr~--~StE?. TlJ'IL..Uor de amintit. Imaginai-v c~ suntei rugat s oferi i
cincisprezece exemple n care v-ai purtat agresiv. Probabil c vei oferi rapid
apte-opt exemple dup care v va fi din ce n ce mai greu s v amintiti celelalte
situaii pn l.a cincisprezece. Datorit acestui fapt, probabil, nu v veti e~aJua ca o
persoan foarte agresiv. Imaginai-v c suntei rugat s oferii cin~i exemple n
care v-ai comportat agresiv. Le vei oferi rapid i vei concluziona, probabil, c
persoanele din prima situaie se vor autoevalua ca fiind mai puin agresive dect
persoanele din al doilea grup, dei primele au oferit de trei ori mai multe exemple
de agresivitate. Acest lucru se produce datorit experimentrii dificulttii de a
rememora toate exemplele tip din prima situaie n comparaie cu uurina a~cesrii
lor n a doua situaie, n care trebuia prezentate doar cinci exemple. Tn aceste
condiii, vom concepe un experiment similar cu cel realizat de Schwartz (apud
Kunda, 1999), dar uor modificat prin introducerea unei trepte suplimentare.
Unii subieci inclui n experiment au fost rugai s ofere cinci exemple de situaii n
care s-au comporat asertiv. Ali subieci au fost rugai s ofere zece exemple, iar o a treia
grup de participani la studiu a fost rugat s ofere cincisprezece exemple de situatii n
care s-au manifestat asertiv. Prin urmare, prima var:iabil independent manipulat de
cercettor este numrul de exemple amintite, cu trei trepte de lucru: cinci, zece, respectiv
cincisprezece situaii de comportament asertiv. .
Alte trei grupe de participani au fost formate schimbnd obiectul reamintirii. Astfel,
i subiecii din a patra grup au fost rugai s-i aminteasc cinci exemple de situaii n care s-
au comportat non-asertiv, cei din grupa cinci au fost solicitai s-i aminteasc zece
asemenea situaii, n timp ce persoanelor din grupa ase li s-a cerut s prezinte
cincisprezece situaii n care s-au comportat non-asertiv. Aadar, cea de-a doua variabil
independent a constat n obiectul evalurilor situaiilor stimul, ea avnd dou trepte: asertiv
i non-asertiv. Avem de a face n acest caz cu un design factorial de tip 3 x 2, cu ase celule
experimentale, fiecare fiind alctuit din subieci diferii. Variabila dependent a constat ntr-
o singur ntrebare de autoevaluare a gradului de asertivitate a subiectului. ntrebarea este
pus pe o scal Likert cu zece puncte, situate de la 1 (deloc asertiv) la 10 (foarte asertiv).
125
 !llll!!llilllll'll

!'(.;..r'
Pentru a testa n ce msur dificulttile de reamintire a unor situatii

1
- f m ipoteza conform creia:
- -
Rmne de analizat n ce masura se con lr. .. - " . - -
ntmpin dificultti. n re:amintirea Sltuaulor cerute consid:'~~ ~~
"\ definitorii pentru comportamentul asertiv afect~az gradul de auto-percepere 'a
unei persoane ca fiind asertiv, vom apela la calcularea lui F din ANOVA factorial.
persoane. e care . - t de dezv~ltare a acelei trsturi datorit accesibllitau
au un n1vel mal scazu ... Am ales aceast tehnic datorit design-ului factorial de tip 3 x 2, cu tipul de stimul
sczute a unor exemple (euristica de accesibilitate). - . . 1 (asertiv vs. non-asertiv) i numrul de exemple cerute (5, 1O i 15) ca variabile
Orice analiz"~,.<j[persional necesit parcurgerea. urmatonlor pai. . .
./ selectarea modalitii$_analiz ulterioar testului F: metode a_pnof) sau
comparaii..p.osthoc; ~.
l independente. Toate condiiile specifice aplicrii probei au fost ndeplinite, inclusiv
omogenitatea dispersiei, unde testul Levene a fost F (5, 54) = 0,23, p > .10.
Valorile descriptive pentru fiecare situaie experimental sunt prezentate n
./ testarea condiiilor aferent~ tipuluLd_e ANOVAefectuata, primul tabel, iar rezultatele obinute n urma aplicrii testului ANOVA 3 x 2 sunt
./ interpretarea rezu~telorobinute. . sectiunea de analiz
1 trecute n cel de-al doilea.
Minimum de informaii care trebUie trecute m , --- Din tabelul sumar ANOVA se observ c nici unul dintre efectele principale
cantitativ a datelor atinge urmtoarele puncte: . ~ . . ~ (ANOVA factorial nu au fost semnificativ statistic. Tn aceste condiii, orice comparaie post hoc sau
- ..... . f tpulu1 d"' <=>nal1za mtrepnnsa
.; precizarea mtr-un paragra a 1 '"""""'= ''""--: ~ ' _ . . d ' orice contrast a priori nu-i mai gsesc rostul. Tn schimb, efectul determinat de
ANOVA simpl etc.) i a justificrii pentru alegere~~o9:!~J mcluzan aiCI o interaciunea dintre cei doi factori a fost semnificativ statistic, F (2, 54) = 16,66, p <

discutie scurt asupra CQD_dijilo,r: . t b l cu mediile i
eze,ntarea unui tabel sumacANOVA, ct I a unw a e . -.. ,... d.
./ pr . delul de mai jos msp1rat m
dispersiile...fiecreicelule .expenmentale -.vezi mo
Nicol i Pexman (1999); t persoanele care trebuiau s-i aminteasc cinci exemple n care s-au comportat
./ n cazul unui numr mare de tJ;;.ste F efectu~~e se poate. renu~a la prezen area
tabelului sumar ANO VA, valorile F obinute tltnQ_Jre~ute m tE?xt, -
.; re r~ze. tarea grafic dup caz, fie a relaiilor dir.JJre. facton '(1~. ca~ul. unei
in:ract~semrificative), fie a efectelor principale care sunts~l1ln~flc~t,vet de.
./ discut~rea rezultatelor de la testele post h().Q_~au a contrastetor, m unc,le
.01, indicnd o interdependen puternic ntre acetia Situaia special poate fi
observat eficient i n figura de mai jos .
Din analiza ei putem observa c ipoteza de lucru este susinut. Astfel,
asertiv s-au perceput pe sine ca fiind mai asertive dect persoanele care trebuiau
. s-i aminteasc cincisprezece situaii de acest gen. Mai mult, persoanele care
trebuiau s-i aminteasc cinci exemple n care s-au comportat non-asertiv au
urmat un proces similar, dar invers. Ele au obinut un scor mai mic la asertivitate n
situaia n care trebuiau s-i aminteasc cinci stimuli, n comparaie cu situaia n

caz care trebuiau s-i aminteasc cincisprezece asemenea situaii, deoarece au

./ inte,rpretarea sumar a r.!:;;<.ultatelor gsite. . - fi formulat n ntmpinat mai multe dificulti n amintirea situaiilor n care s-au comportat non-
Pentru exemplul dat, seciunea de analiza a datelor poate asertiv. Tn schimb, nu par a fi diferene majore ntre cele dou situaii-stimul n
modul urmtor: cazul de mijloc, de reamintire a zece situaii stimul. Aceste date sunt sprijinite i de
faptul c patru din cele cinci efecte simple sunt semnificative statistic, singurul efect
Media i abaterea standard a asertivitii auto-percepute n funcie de stimulul dat i numrul care n-a ndeplinit acest criteriu fiind tocmai situaia referitoare la amintirea a zece
de exemple cerute stimuli asertivi sau non-asertivi.
Dovezi de asertivitate , Dovezi de non-asertivitate 7.0.,--------,
M AS
Numr exemple M AS
0,96 4,30 0,94
Cinci 6,40
0,94 5,20 0,78
Zece 5,30
1,17 6,00 1,05
Cincisprezece 4,50

Tabelul sumar ANOVA

MS F
Sursa dispersiei ss df trasatura evaluata

2 0,065 0,06
Stimulul dat 0,13 J. asertilf

1 0,810 0,83
Numr exemple 0,81
2 16,265 16,66 **
Stimul dat X Numr exemple 32,53
52,70 54 0,976 numar exempte
Rezidual
86,18 59 Evoluia nivelului de asertivitate auto-perceput n funcie de condiiile experimentale
Total
** p < .O
127
126
 11' llllllll_lllll_llllll!IIIIIUIIIII~IIIIUIIIIIWIIIUIUIUIIIIIIIIUiliiiiiiiUI-11--IIHIII!IIIII-IIIIIIIIIIIJIIUIIIIIIIII

Rezultatele sugereaz ideea c oamenii tind s fie influenai ln percepiile are o fidelitate perfect, apare riscul de a grupa greit un individ. care a obtinut un
lor de dificultatea de a accesa informaiile cerute (este mai dificil s-i aduci aminte rezultat foarte apropiat T}ledianei. Tn plus, el va fi tratat la fel ca o--p~rsoan'care a
cincisprezece situaii stimul dect cinci) i mai puin de numrul de informaii realizat scoruri extreme, pierzndu-se foarte mult din nuanrile necesare existente
aduse. Cu alte cuvinte, chiar dac ni se cere s precizm ct mai multe situaii n prin msurarea caracteristicii pe o scal numeric. n aceste condiii, o alt variant
care s ne fi comportat asertiv, dac vom ntmpina dificulti n amintirea acelor poate fi utilizat pentru gruparea subiecilor n tr,~pt_,aleya!(abil~i independente.
situaii, vom fi tentai s ne caracterizm n direcie opus. r1 cazul de fa; vom_ De aceast dat sunt utilizate valori_l.e.....JlJedieL i a baterii st~ndard pentru . -~
evalua ca fiind mai degrab non-asertivi. Astfel, a fost . dovedit nc o dat categorisi subiecii. Varianta elimin multe dintre neajunsurilepreze.ntate anterior,
influena euristicii de accesibilitate n modul de evaluare a situaiilor dar are un alt dezavantaj major, i anume: eliminarea unor s,ubiecti testati din
analiza ulterioq@~ ~~_telor, fapt ce nu ni-l putem permite n multe sit~~ii.: T~tu-i,

4.6. Tehnicile.ANCOVA}
.

--- '"""---..-,-., . . ._.-,, .. ,,_;_,,.,;f
~- ~,..-.--.----"
pentru a exemplifica modalitatea de mprire a subiecilor vom porni de la cazul
msurrii gradului de extroversiune, unde media a fost 12, iar abaterea standard 4.
Grupa .,extroversiune sczut" ar putea fi alctuit din subiectii care au obtinut
f:'J.l:l tntotdeauna.variabilele independente de interes din cadrul unui studiu rezultate mai mici sau egale cu [media - 0,5 abateri standard], 'adic din subi~ctii
comparativ sunt de~Q,S:.~inal (ex. brbai sau femei) ori or~H~~x.grup control, cu un grad de extroversiune cuprins ntre O i 10. Grupa .,extroversiune ridicat" ~r
grup placebo, grup tratameritterapeutic). n multe situaii, factorii pot fi msurail]~ putea fi alctuit din subiecii care au obinut rezultate egale sau mai mari dect
scale..n.umerLce, fie ele de tip interval sau pr()portii. Inteligenta exprimat n valori [media + 0,5 abateri standard], adic din persoane care au avut rezultate egale sau
IQ, trsturile de personalitate m;~rat~ prin a~umite test~ sunt numai cteva mai mari dect 14. Astfel, subiecii cuprini n intervalul m0,5s nu vor fi cuprini n
cazuri n care datele sunt msurate pe un interval larg. A lua fiecare valoare nici una dint~e grupe i vor fi eliminai din analiza ulterioar a datelor. n cazul
numeric exprimat i a face din ea o treapt a \fQ.[iabilei independente se
prezentat ar fi fost vorba de toi subiecii care au obinut valorile 11, 12 sau 13 la
dovedete a fi o msur imposibil de adoptat practiC:tie i nUmai din motivul testul de extroversiune. n cazul n care distributia rezultatelor ar fi fost normal ar
necesitii unui numr imens 9.~ ~ubjeci. sg"''ile gndim la situaia unei testri fi nsemnat eliminarea a aproximativ 38% din s~bieci. Tn plus, numrul de subi~ci
psihologice, n urma creia avem 40 de valori numerice diferite. Nu putem realiza din cele dou grupe !]qu7formate ar fi fost egal doar n condiiile unei distribuii
patruzeci de grupe de comparaie, deoarece acest efort ar fi prea imens i lipsit de perfect sime~s~- innd cont de aceste limite descrise, ali cercettori, i includ
eficien n comparaie cu efortul depus. Dac factorii msurai pe o scal aici majoritatea specialitilor n metodologie, susin pstrare<;~, pe ct posibil, a
numeric continu sunt importani n clarificarea relaiilor de influen ntre VI i VD datel~r culese iniial i analizarea lor prin intermediul tehnicilor ~~,~.QYA .. Jotui, n
trebuie s inem cont de ei n studiu. Cum putem face acest lucru n situaia n care cazunle n care condiiile de utilizare a ,t.\2.b.niciL ANCOVA nu sunt ndeplinite,
nu ne putem permite i nici nu are sens s realizm grupe de subieci pentru varianta mpririi subiecilor n dou sau t~ei grupe,_ proces denumitgrlc!R.are (n
fiecare valoare numeric obinut? Dou variante de rspuns, utilizate frecvent de englez "blocking"), rmne o soluie viabil, ns designul cercetrii nu va mai fi
cercettori, vor fi prezentate n cele ce urmeaz. O a de-a treia modalitate const complet randomizat, ci va deveni de tip grup&J:.?I:!.cl_omizat (n englez "randomized
block design") (Kirk, 1982). .. - .,
n utilizarea regresiei ca metod de analiz i va fi discutat n capit~lul destinat
regres iei liniar.EJ ... (2) Analiza de~Q,\i.c:!fl'?D~ (ANCOVA) reprezint o extensie a tehnicilor
( 1) prif11a ro~gc;Jilc,const n stabilirea a dou sauJrei trepte ale variabilei ANOVA preze!}_ta~. .<:l:~~~ri?r. n contextul design-urilor de tip ANOVA, introducerea
independente::pe baza condensrii rezultatelor obtinut~!~ c~~~l"realizrii a dou une1. covariabjjg"Dlf.l11~Ii~e conduce, de cele mai multe ori, la o cretere a puterii de
trepte, subiecii pot fi mprii n dou..grupe, utiliz'~d v'aloarea rn~ian~i ca unitate decelare a efectului uoei variabile independente . asupra uneia dependente.
de demarcaie ntre cele dou categorii de subieci. Prin aceast metod, nu va fi Aceasta se poate face prin controlul statistic al unor diferente de inter~~-dintre
pierdut nici un subiect, iar cele dou grupe vor fi mprite n mod egal: grupa cu subiecii unei cercetri. Simplu spus, ANCOVA nu este altceva' dect o ANO\JA n ,
rezultate inferi.oare f!l.E:;9ianei (ex. abiliti sczute) i grupa cu performane care efectele principale i interaciunile Eiintre factori suntevaluate dup ce valorile
superioare medianei. (ex .. abiliti crescute). Totui, aceast mprire are marele variabilei 2_r:;pE:;r,tcJepte au fost ajustate n funcie de". valorile-covariabilei. Dac
dezavantaj de a distorsiona ntr-o anumit msur datele. Gnditi-v la o situatie n covariabila ar fi gradul de inteligen, VD ar fi abilitatea de a citi, iar VI ar fi tipul de
care ar fi vorba despre extroversiune, iar valoarea medianei a fost 12,7. n ~cest program educaional oferit, ANCOVA ar evalua efectul acestor programe asupra
caz subiectul care a obinut valoarea 12 a fost pus ntr-o grup, iar cel care a abilitilor. de .citire n situaia ipotetic n care toi,subiecii ar avea acelai nivel de

obinut valoarea 13 a fost distribuit n cealalt grup. Cunoscnd faptul c orice intelige~. Astfel, n ANCOVA valorile VD sunt mai nti ajustate 1h funcie de
instrument de msurare are anumite erori de msurare, reflectate n faptul c nu covariabil i apoi, analizate ntr-un mod similar ANOVA. .

128 129
 li I I 111 'lllliiiii!IIILIIIIIIIIIIIIIIIIIIIIIIIIIIII!III!III,IIIIII,IIII!,IIII ; ' 1 , ,1, , , ' ' 1 ,11 : III '11 : III 11 : III iIII III ~ J
1 1 III : 1III III' 1111 :11 '11 ' III 11 : III i
11 , :1 : 1111 11 1' 1111 1111 11111 : 11111 :1111 : 11111 111111 11111 111111 11111 . 11111 : 11111 111111 11111 11111 : 11111 11111 : 11111 11111 ' 11111 111111 111111 11111 : :11111 11111 :11111 11111 : 111111 11111, 111111 111 u: 111111 11111 111111 11111 11111 ' 111111 111111 111111 111111 11111 111111 11111 111111 111111 11111 :111 . 1111 III : lllll !:lllll llllll illll Lllllll ,lllli :III j III :l!

clasei de elevi. ntr-o astfel de situaie, randomizarea Iniial~ a elevilor 1111 este
posibil, cele dou grupe fiind constituite pe baza criteriului naturnl, Acela al
p~strrii loc~lui fiecrui elev n clasa din care face parte. ln asemenea situaii,
"' Dispasie . .~
. .
. Dlsperste. Oispasiede
explic>ita
dtferenele dintre clase pot aprea de la nceput, nainte de aplicarea Interveniei
- \)expl~~a de neexpltcata VI psihologice_ Prin utilizarea rezultatelor de la pretest pe post de covarlablla vom
. 1! putea rspunde la ntrebarea: se dovedete eficient intervenia Tn condi,ille n
Dispersie
neexplicata '. co; \ / - _j care cele dou grupe ar fi pornit de la condiii egale n ce privete gradul de
)-"
coeziune a clasei de elevi? ,
Dispersie
Pentru a putea oferi acest rspuns, pe baza relaiei dintrEU?()Variabil i VD
explicata de
c01ariabila
se obin valorile ajustate ale mediei grupelor incluse n cercetare pe baza unei '"
ecuaii de regresie. De remarcat c tehnicile ANCOVA nu. se limiteaz la o singur
covari_a,_~i!~..,!~.r(Jdus. Astfel, cu respectarea anumitor condiii ce vor fi amintite spre
Figura 4.21. Sursa dispersiei n situaia ANOVA (n stnga), respectiv ANCOVA (n dreapta)

ANCOVA poate fi utilizat att n sensul de."aJdentifica_..un efectct mai

l finalul acestui capitol, pot fi incluse mai multe c;ovariabile. De asemenea, acestea
pot fi introduse n diferite design-uri ANOVA, determinnd, ntr-o manier similar

"pur'' al VI asupr?.YR ct i de a reduce dispersja._datorat erori). Mai p;~is~sie

situaii de ANCOVA simpl, ANCOVA cu m~surtqri repetate, ANCOVA factorial~
sau ANCQVA n1TxHCn cele ce urmeaz, ne vom rezuma la un exemplu de
vorba de a elimina din calculul F acea parte a dispersiei VD care se datoreaz unui 1
ANCOVA simpl, implicnd o singur VI,O covariabil i o VD.
alt factor, ce iniial nu a fost luat.!!)_ c(31cul. Spre exemplu, dac am msura efectele
Situaia concret se bazeaz pe studiul efectuat de Din i Calao (2001),
diferitelor programe educaionale (ex. Step by Step, Waldorf, tradiional) asupra
modificat ns din punctul de vedere al design-ului cercetriL Cei doi au investigat
performanelor de a citi, ar fi bine s controlm nivelul de inteligen al copiilor, dat.
n ce msur copiii care au utilizat jocuri educ;3ionale pe calculator au progresat
fiind cunoscut influena acestui factor asupra abilitii de a citi. Dac inteligena
mai repede n ceea ce privete dobndirea cititului n comparaie cu copiii care nu
este msurat numeric pe o scal de la 50 la 130, ea nu poate fi introdus ca o
au beneficiat de aceast. facilitate. Astfel, acest design const n dou grupe de
alt variabil independent, ci va fi tratat ca o covariabil prin ANCOVA. n urma
subieci. Variabila dependent a constat ntr-un test de e~_l.uare a progresului n
acestui demers am putE_!? evalua care a fost efectul manipulrii VLS,L1~~<3.VD, dup
citire. Deoarece acest aspect era dependent i de un anumit nivel de dezvoltare a
ce am elimina influena asupra VD determinat de nivelul intelectual diferit al
nivelului intelectual, variabila inteligen general, msurat prin WISC a fost
copiilor inclui -n studiu. Textual, prin ANCOVA am rspunde n acest caz la
inclus ca o covariabil ..
ntrebarea: innd la nivel constant influena inteligenei asupra abilitii de a citi,
Baza de date aferent acestui exemplu este anc~va simpla.sav, iar calea
exist diferene semnificative ntre cele trei .programe de educaie n ce privete
de urmat n SPSS pentru a realiza ANCOVA simpl sau ANCOVA factorial este
abilitatea de a citi? De asemenea, de multe ori, prin introducerea acestei
"Analyze"- "GenerCJ.U..inear Model"- "Univariate".
covariabile s-ar reduce dispersia_erorii i va crete, astfel, puter:_ea experimentului,
neleas ca o capaci-tate de a decela existena sau inexistena~unui efect_ S ne Tabelul4.9. Tabelul sumar ANCOVA
reamintim c analiza disp!')rsional nu face altceva dect un raport ntre dispersia
ex_e!.icat 9i dispersia erorii. Astfel, pentru a obine un F semnificativ, -prima Sursa dispersiei ss df MS F
component ar trebui s fie cu un anumit grad mai mare dect cea de--a doua. Prin Nivel intelectual 2566,97 2566,97 91,28 **
introducerea covariabilei, o parte a dispersiei erorii (neexplicate) devine explicat_ Jocuri calculator 271,88 271,88 9,67 **
Figura 4:21. prezint cel mai bine modul de partiionarea dispersiei h ANOVA fa Rezidual (Eroare) 1040,53 37 28,12
de ANCOVA. Total 3879,38 39
De asemenea, ANCOVA este deosebit de rspndit i n design-urile ** p < .01
cvasi-experimentale de tip pretest =._postest, implicnd o grup experimental i
una de.cohtrol. Un exemplu tipic ar fi situaia n care dou clase paralele de elevi Din tabelul 4.9. se observ att influenta semnificativ a nivelului
sunt msurate iniial n privina gradului de coeziune a grupului din care fac parte. intelectual asupra abilitii de a citi, ct i faptul c cel~ dou grupe de copii incluse
Apoi, una dintre clase este supus unor tehnici de dinamic de grup menite s n studiu difer semnificativ n ceea ce privete abilitatea lor de a citi, chiar i dup
mbunteasc climatul i unitatea clasei. Dup finalizarea interveniei ce a fost controlat influena inteligenei asupra variabilei dependente. De
psihologice, cele dou clase vor fi testate din nou asupra gradului de coeziune a asemenea, se observ c n ANCOVA nu se calculeaz interaciunea dintre VI i

131
130
 '11 1 '1'JIIIiiiiiJIII ,11::1'
1.1 ill:lllill' III' li III' ll'hll lllllllll!,lli
ll:'ll,lllllllllllill:illill':lll'l:!l'"llil

covariabil. De altfel una dintre conditiile utilizrii ANCOVA presupune tocmai lipsa de 0,45, iar r2 = 0,20. Dac ar fi s utiliz m indicele d al lui Cohen am obtine d =
1,02. Toate aceste valori indic un efect pozitiv important (mare). fn con~ecin,
1 . 1 "r-.,.,...__ ..

unei interactiuni semnificative ntre cele dou.

Din' urmtorul tabel se pot observa uoarele ajustri ale mediei pentru cele dac rezultatele studiului sunt confirmate i n alte ocazii, se demonstreaz un fapt
dou grupe dup meninerea constant a inteligenei. Cea de-a doua coloan esenial: jocurile educative pe calculator au o influen foarte bun asupra

contine valorile reale ale mediilor obtinute n urma aplicrii probelor. Cea de-a
patr~ coloan contine, n schimb, 'valo.rile celor dou medii n situaia ipotetic n
care nu ar exista diferente ntre subiectii din cele dou grupe referitoare la nivelul
intelectual. Acestea sunt' mediile care ~unt luate n considerare pentru a constata
eventuale diferene semnificative ntre populaiile din care au fost extrase grupele
dezvoltrii abilitii de a citi.
' avantajelor prezentate mai sus, are o serie
Analiza de covarian, n ciuda
de limite i precauii de care trebuie s inem cont atunci cnd abordm
posibilitatea de a aplica aceast tehnic. Alturi de limitele i condiiile specifice
fiecrui tip de design ANOVA pe care le-am prezentat la momentul oportun, exist

n cazul ANCOVA. Se poate constata c, n situaia ipotetic n care inteligena altele suplimentare i particulare cazului ANCOVA.
copiilor cuprini n studiu ar fi constant, diferena dintre cele dou grupe ar scde
uor, dar ar rmne semnificativ statistic, n sensul c persoanele care au
4.6.2. Condiii suplimentare_~plicrii ANCOVA
beneficiat de jocuri educative pe calculator au obinut performane superioare celor
care nu au avut la dispoziie aceast facilitate. Mok i Wheldall (1995) sau Tabachnick i Fideli (1996) au oferit o serie de
argumente menite s atenioneze cercettorii asupra utilizrii, fr precauii, a
Tabelul 4.10. Valorile mediei reale, a celei ajustate i a abaterii standard reale n ca~ul tehnicii ANCOVA. Neluarea n considerare a condiiilor nepesare aplicrii analizei
abilitii de a citi de covarian poate conduce la ajustri eronate ale mediilor i n consecin, la
Date ajustate concluziL..er:oo~~~-"!J!".studiilor. Trei condiiLsuplimentare par a fi deosebit de
Date reale (neajustate)
importante n aceast situaie. . ..... '
Grup copii M AS M AS
Jocuri educative pe calculator 80,45 8,43 79,76
100 ..-----------~
Control 73,85 10,90 74,53

.. .
c "
* SPSS-ul nu ofer valorile abaterii standard pentru datele ajustate 90 8

Bineinteles c n cazul n care VI are mai mult de dou trepte vom putea E
80
o
utiliza, att m~toda contrastelorL.s;t i cea a comparaiilor postjlQt:; pentru a
"'
u
Q) 70
identifica mupele care qif;r,rT;tre ele. n cazul ANCOVA. procedurile post hoc
adecvate sunt Bonfe.rr.oni~i Sidak, indiferent de numrul de subieci din grupe sau "'
Q)
(ti
Q)
60

de omogenitatea disp_~rsi~i"(Field, 2000). Rmne de precizat c, n problema :!::

dat, pentru a obine att valorile iniiale ale mediilor, ct i valorile ajustate ale ~ 50.~~-~--~~~--~
70 80 90 100 110 120 130 1~0

acestora este necesar s bifm, n cadrul ferestrei "QRE9Ds"qin PSS, "descriptive inteligenta
statistics", respectiv "display me~~-~-~?.r g~~?a".
Figura 4.22. Norul de puncte (scatter-u/) ntre variabila dependent i covariabi/

SPSS este o marc nre_gistrat.

4.6.1. Mrimea efectului n tehnicile ANCOVA

_ \:; ntre covarig9Jl?..(~) i variabila dep~Q.cje[)t _e_xist o corelaie.li!Jiar ..
Fiind vorba de efecte concrete n plan educativ, vom calcula mrimea Dac riu exist o corelaie sau relaia dintre cele dou caracteristici, hu este liniar,.
efectului pe care-I au jocurile de calculator asupra dezvoltrii abilitii de a citi a rezultatele ajustrii mediilor sunt eronate, deoarece ntregul demers ANCOVA se
copiilor. Aa cum am afirmat de mai multe ori pe parcursul acestui capitol, un F bazeaz pe regresia liniar. Binefneie~ c metoda cea mai simpl de a verifica
semnific~..atistic ny nseamn neaprat o importan pracjc a efe~.t~lui gsit. aceast condiie este-de"'a observa_norul d.e puncte rezultat din asocierea celor
Diferenele dintre dou grupe pot fi semnificative, dar totui minuscu)e. Astfel, dou variabile i de a calcula un simplu coeficient de corelaie r Bravais-Pearson.
innd cont c exist doar dou trepte ale variabilei constituite din persoane care Pentru exemplul nostru am obinut o corelaie r (38) 0,82, p < .01 ntre nivelul =
au beneficiat sau nu de jocurile pe calculator, vom utiliza formula 4:2 ..prezentat n intelectual i abilitatea de a citi, iar norul de puncte indic o relaie liniar ntre cele
cadrul calculului mrimii efectului n ANO.Y:A..simpl. Rezultatul obinut indic un r dou caracteristici.

132
133

Tn cazul utilizrii mai multor covariabile, conditia se pstreaz pentru
fiecare pereche covariabil - variabil dependent 'n parte. 1n plus, ntre
covariabile hu-- trebuie s~l" existe corelaii foarte ridicate, datorit fenomenului de
multicoliniarifate (vezi seciunea 6.5.4.).
2. . Fidelitatea probei de msurare a covariabilei trebuie s fje ridicat. O
msurare fr erori este posibila numai n situaii Jqrte rare, n care variabila este
dat de vrsta subiectilor naltimea lor etc. Cele mai multe _este psihometrice au
un nivel de fidelitate c~re ~u atinge niciodat valoarea unu. Co~formTui Tabacknick
i Fideli (1996), n cazul utilizrii ANCOVA n situaii experimentale se ajunge la
valori F conservatoare, ceea ce crete ansa de a comite eroarea.o~_tip Il. Acest
lucru nu se pstreaz i n cazul situaiilor cvasi i non-experimentale, n care
putem ntln_Latt sub:ajustri, ct i supra-~j':!~t~rJ.ale mediilor iniiale. De aceea,
autoarele recomand utilizarea covariabilelor n situaii cvasi i non-experimentale
doar dac fidelitatea msurriL lor atinge cel -puin 0,80. O valoare ma_i __211ic:;_
introduce prea.mult ..eroare n estimarea mediilor ajustate i,. implicit, n clcularea
diferentelor dintre acestea.
~.:3. Efectul covariabilei asupra variabilei dependente este similar pentru
oricare treapt a variabilei independente. Aceast condiie este cunoscut sub
numele de omogenitatea pantei de regresie i face referire la absena unei
interactiuni semnificative ntre . variabila sau variabilele independente i
covari~bil(e). Unii autori, precum Dugard i Todman (1995-) consider c
ANCOVA este destul de robust la nclcarea acestei condiii, dac numrul de
subieci dirtmupe .este relativ egal i dac variabila dependent este distribuit
normal. Totui, n alte situaii, respectarea condiiei are o importan extrem.
Cele dou grafice prezentate n continuare exprim ambele situaii: n
stnga, de omogenitate.a regresiei; n dreapta, de heterogenitate a regresiei
(nclcarea conditiei). n cazul n care exist o omogenitate a regresiei, liniile ce
marcheaz panta 'de regresie sunt pafalele, acest fapt semnificnd coeficieni b de
90
90
=5 GRUPA
=5
"'
~ ~
"'
~ utilizeaza jocuri pe
m so
"'"'
.i!l 60 calculator
~
o
o O nu ulilzeaza jocuri
~
~ sol--~---1
~ 50 pe calculator
,.t-,-.."..,---,,""'os--,.,.120,---,.1135
inteligenta
Figura 4.23. Reprezentarea grafic a situaiilor de omogenitate (stnga) i
eterogenitate (dreapta) a regresiei
SPSS este o marc nregistrat.
134
regresie similari pentru a surprinde relaia dintre covariabil i variabila depende t"
la am?~le trepte ale variabilei independente. n situaia de heterogenitaten:
r~gr~~1e1, pantele nu sunt paralele, prin urmare coeficienii b de regresie vor fi
d1fen1 pent~u cele dou grupe de copii. n acest caz, nu putem aplica ANCOVA
deoa.rece aJustarea mediilor se face pe baza unui b general, obinut prin luarea ~
considerare a tuturor treptelor VI, iar acesta nu este reprezentativ pentru nici una
dintre treptele VI.
Deoarece desenul din dreapta, reprezentnd cazul eterogenittii regresiei
este bazat pe date simulate, iar cel din stnga este dat de datei~ reale ale
exe~pl~l~l oferit, condiia de omogenitate a fost respectat i ANCOVA a putut fi
realizata 1n exemplul nostru.
. o ~odalitate mai exact de testare a acestei condiii const n calcularea
u~u1 .F de Interaciune ntre VI i covariabil concomitent cu calcularea efectelor
pnnc1pale. Un rezultat semni!icativ . statistic indic nclcarea conditiei de
omogenitate a dispersiei, fapt ce mpiedic realizarea ANCOVA. o alt po;ibilitate
~e testare presupun.e rularea unei regresii ierarhice n doi pai. Mai nti sunt
1ntrodus.e d~ar co~anabila i variabila independent (ca variabil dummy) pe post
de pre~,ct~n; apoi att covariabila i variabila independent, ct i o variabil nou
~ormata din produsul celor dou, dup transformarea prealabil a variabilei
independente n variabfl de tip dummy (vezi seciunile 6.3. i 6.7.2.). Dac "F
step",. ce. msoar diferena aprut prin introducerea variabilei-produs este
semn1ficat1v statistic, exist o interaciune ntre covariabil i factor deci este
nclcat condiia de omogenitate a dispersiei. '
4.7. Tipuri de factori n design-urile de tip ANOVA sau
ANCOVA
n .ncheierea acestui capitol, vom face cteva scurte precizri de ordin
metodologie menite s faciliteze interpretarea corect a rezultatelor obtinute din
AN?~~ Aceasta nu se poate face fr o nelegere adecvat a tipurilor de factori
o po_:!brli. Vo~. folosi trei criterii de clasificare a variabilelor ind~pendente: scala de
o
masurare ut1l1zat; gradul de generalizare a rezultatelor i gradul-de ninipulare a
factorilor. - ..
(1) Dup primul criteriu, putem distinge ~tre factori msurati ~ominal
ordinar.. sau numeric (incluznd aici att scala de tip interval, ct\i cea d~
GRUPA
x utilizeaza jocuri pe
calculator ~roporn). Categoriile nominale ale .unui factor pot constitui treptele variabilei
0
O nu Utilizeaza jocuci
-~~~.~PE3~den~~ ~ fi~nd astfel adecvate tuturor tipurilor de analiz di~persional, c;u
pecalcula!Or
75 90 105 120 135 e)(_ce~1a ut111zarn contrastelor polinomiale, care necesit o ordonare a treptelor
inteligenta factonlor. Categoriile. ordin ale ale unui factor pot fi supuse tuturor tipurilor de
ANO~A, inclusiv contrastelor polinom!ale. n sfrit, variabilele numerice.nu pot fi
folos1te catrepte ale variabilei independente n ANOVA dect prin grupri grosiere
ale datelor n cteva categorii. Totui, prin" anumite ajustri, factorii relevani
135
 ' 11 " 111111111111111111 ~IIIIIIUIIII~IIIIIIUIUIIUIIIIUIUIIUIIIIU-IUIIIIIIII~IIII~IIIIIUIIIII.IIIII,'IIIIi 1, , ,
'111111!111111111''

msurai prin' scale numerice pot fi utilizai n analize de covarian - f\NCOVA Exemp/u/2:
Un cercettor este interesat s stabileasc n ce msur consumul de alcool
(Pedhazur i Schmelkin, 1991).
condUce la creterea erorilor de execuie. Cercettorul distribuie subiecii in
(2) Un al doilea criteriu de difereniere a factorilor urmrete gradul de
mod aleatoriu n trei grupe experimentale (50ml, 100 mi i 200 mi uic) i o
manipulare a variabilelor i Imparte factorii n: variabile IT!c:tDiPUlCibile i variabile
grup de control. n aceast situaie, consumul de alcool poate fi tratat ca o
etichet (Kirk, 1982; Radu i colab., 1993). Astfel, unele variabile, precum nivelul
variabil aleatorie deoarece treptele respective pot fi considerate ca valori
cOnsumului de alcool (ex. 50 mg; 150 mg, 250 mg) pot fi manipulate i alese de extrase dintr-un eantion mai larg. La fel de bine, treptele variabilei
ctre experimentator. Alte variabile, cum sunt sexul persoanei, vrstc: etc. sun_t independente puteau fi stabilite la 50 mi, 150 mi sau 250 mi. De interes este
date de caracteristicile subiectilor i nu pot fi manipulate de cercettor. In aceasta evoluia erorilor de execuie n urma consumului de alcool, treptele acestuia
situatie vorbim d~spre variabile eti;het. Importana distinciei dintre cele dou (50ml, 100 mi i 200 mi) fiind mai puin importante, ele fiind alese arbitrar.
aspe~te tine de subtilitatea.-interpretrii. Astfel, dac obinem diferene
semnificati,ve statistic ntre treptele variabilei manipulate, vom trage concluzii Primul ~~:nplu poate fi ulteri9ccomplicat prin introducerea unei noi
directe (e;. -~~ consum de alcool ridicat duce la.sc~derea semnificativ a vitezei de variabile explicative, cum ar fi obiectul interveniei. S presupunem .c factorul
~~~--'--"<.,., ... , ..
rea~~e la stimulii vizuali). Tn schimb, obinerea unei diferene semnificative ntre respectiv a fost operaionalizat prin dou trepte (modaliti): persoane care sufer
brbai i femei, cu privire la viteza lor de reacie, 'i:Ju .. nseamn prin sine c de depresie, respectiv anxietate. Acest factor poate fi conceptualizat att ca factor
eticheta de "a fi brbat" sau "a fi femeie" a condJJ~.. [a aceast situaie. Ceea ce a fix, ct i ca factor aleatoriu. El este factor fix dac cercettorul este interesat n
cauzat diferenta dintre sexe tine de anumite aspecte difereniale care sunt incluse mod concret de rspunsul la urmtoarea ntrebare: Terapia cognitiv-
n aceste etic,hete. Cei orie~tati spre tiinele medicale poate vor gsi cantiti comportamental este mai eficient n ameliorarea simptomelor pacienilor
diferite de anumiti neurotransmittori sinaptici. Unii care vin din sfera antropologiei, depresivi i anxioi dect terapia bazat pe analiz tranzacional? Factorul trebuie
vor afirma poate: c diferenele' sunt datorate unui stil cultural diferit, brbaii, prin tratat ca aleatoriu, dac ntrebarea are un caracter general: Terapia cognitiv-
natura lor de vntori fiind nevoiti s reactioneze mai rapid. Cu alte cuvinte, atunci comportamental este mai eficient n ameliorarea simptomelor dect terapia
cnd avem de a fac~ cu variab,ile manipulate, cauza este m<,~Q_ifest i poat~ fi bazat pe analiz tranzacional?
detectat direct. n schimb, n situaia unor variabile etichet, cauz'a._r.eal nu este n acest ultim caz, depresia sau anxietatea nu constituie un deosebit
detes<t;iliii, ea fiind ascuns n spatele multitudinii diferenelor. dintre categoriile interes, acestea putnd fi considerate ca aspecte extrase dintr-un eantion larg de
variabilei etichet (ex. diferenele dintre brbai i femei). tulburri psihice precum: tulburrile de conversie, cele obsesiv-compulsive etc~Prin
(3) n sfrit, dup cel de-al treilea criteriu, gradul de generalizare a urmare, consTd'er.re~ unei variabile independente ca factor aleatoriu permite o
~~-
rezultatelor, factorii se mpart n factgri...fici i factorL.aleator. De departe, cel generalizare mai lCJ[Q~_a ~e{::yl~_telor obinute.
mai.ntlnit tip cl_~)actori sunt.cei fici, n care treptele variabilei independente sunt Din nefericire, acest avantaj este compensat de riscuri mai mari de a
tratate ca msuri . de sine.stttoare. n schimb, factorii aleatori au stabilite trepte comite eroarea d~tip 1, deoarece factorii aleatori au o putere statistic de decelare
care nu sunt identificate ca fiind fixe, ci mai degrab sunt considerate ca valori a efectelor exlSt~nte mai.
=-- mic dect aceea a factorilor fici. n c~nsecint, n cazul
'< '

reprezentative pentru variabila independent 1n cauz (Smith, 2000). Exist dou unui set de date identice, exist o probabilitate mai mare de a sprijini ipoteza
criterii care ne ajut s distingem ntre factorii fici i cei aleatori. Pentru ca un cercet~ii, dac vom trata factorii ca fiind fici.
factor s fie considerat aleatoriu trebuie s ndeplineasc dou..J;Qf1diii de baz
(Jackson i Brashers, 1994)~treptele alese s fie arbitr~~..<3Ie_se dintr-ldll__eantion-de
condiii care se pot inter~c)limba, iar interpretarea rezultatelor s nu prezinte BIBLIOGRAFIE
interes la nivelul JiecreJJrepte selectate. Pentru a clarifica aceste aspecte, vom
apela la urmtoarele dou exemple: Clocotici, V., Stan, A. (2000). Statistic aplicat n psihologie. lai: Editura Polirom.
Din, F.S., Calao, J. (2001 ). The effects of playing educational video games on kindergarten
Exemp/u/1: achievement. Chi/d Study Journal, 31 (2), 95-102.
Un cercettor este interesat s 'stabileasc care dintre urmtoarele dou
Ougard, P., Todman, J. (1995). Analysis of pre-test post-test control group designs in
metode de terapie (cognitiv-comportamental vs. analiza tranzacional) este
educational research. Educational Psycho/ogy, 15(2), 181-198.
mai eficient. Din acest punct de vedere, tipul de terapie este un factor fix,
deoarece ambele trepte ale tipului de terapie au substan n sine, cercettorul Everitt, B.S. (1995). The analysis of repeated measures: a practica! review with exemples.
fiind interesat n mod special de diferenele dintre cele dou tipuri de terapie, The Statistician, 44(1 ), 113-135-.
dei exist i alte modaliti posibile de intervenie clinic.

137
 ---ellllllliiiiiWIIIIIIIIIIIIIIIIIIIII.IIIIII'IIIIIIIIIi
fat de sine; respectiv nelinite ! calm. Un alt studiu evideniaz numai trei factori:
n~multumire cinism respectiv pesimism. S presupunem c primul factor extras -
gradul' de ne~ulumi,re-- conine itemii scalelor de nelinite i insatisfacie din primul
studiu. Prin analiza factorial confirmatorie vom putea testa, pe un alt lot de
subiecti care dintre cele dou modele pare a fi mai potrivit pentru a caracteriza
ntreag~ scal de afectivitate negativ. . . .. ~ _ . ..
De obicei analiza factorial exploratone (EFA) se utrlrzeaza rn srtuaule rn
care nu exist ~ perspectiv teoretic clar asupra relaiilor dintre anu~ite
fenomene ce necesit analiza factorial. Pe msur ce sunt acumulate cunotrne
relevante pentru acel domeniu este preferabil s utilizm analiza f~c.~orial
c-onfirmatorie: aceasta depete caracterul exploratoriu n favoarea testarn unor
ipoteze specifice.
5.1. Analiza factorial exploratorie
Metoda essi__IJtilii: n atingerea unor obiediu.e...gg.oerale, mai .. i!J2Eortante
dect construirea unei simple scale. M refer la construirea U.QQ.L.t~.Q.rn, cum sunt
cele menti~ti:n:lnterior h domeniul persof}plitii i n cel al inteligenei. Acest fapt
se dator~az ideii c analiza factorial -;u -esfe doar o tehniCif"statistic, ci, n
primul rnd, o teorie-asupr.a.r~l}tii. De aceea este necesar o scurt prez~ntare
a teoriei analizei factoriale. n redactarea acesteia, m voi baza, n specral pe
introducerea excelent a lui Tucker i MacCallum (1997), dar i pe cele realizate
de Wegener i Fabrigar (2000), respectiv Bryant i Yarnold (1995).
5.1.1. Teoria analizei factoriale
ntr-o cercetare domeJliUL,i populaia gE)_ interes sunt dou CQ!J_~ep~
esentiale ';;";;;~;~;;;-n deseori la un nivel impli;;ra('trtare. Prin dqQJ~JJi9 ..se
lntel~ge un ansamblu de fenomene la care se refer studiul respectiv. Acesta
p~ate fi mai larg(ex."perso~aiTttea; abilitile mintale) sau mai restrns (ex.
neuroticism; hiperkinezie ). Populaia este dat de tota\i1,ateaentit_ilo.r car~ pot
intra n studiu (ex. toi copiii de vrst colar). De regul, drn ra1~nr ce rn ~e
reS'Lirse'"'lihiitate, se folosesc eauti.oane de subieci extrase drn popular~
respectiv. ntr-un mod similar, dintr-un anumit do~eni~ d: cercetare. v~r fi
selectate cteva variabile care vor fi incluse n stud[ll-I, masu~~te. Vanab1lele
selectate s;;;t"Cienumite atriaute de ~pr:afa~. Spre exemplu, n domeniul
abilitilor mintale pot fi utilizate mai multe proE,._<:l~~"I?Y.?luare: p,robleme. de
aritmetic, de vocabular, de percepere a relaiilor spaiale etc. Frecare drntre
aceste probe preziQ!. un atrJE~l1Lc!.~-~~J)r(lfa,t. h consecin, n,_fie~~r.~ ~.?meniu de
interes pot fi selectate o multitudine de ..astfel .de .atribute. Un set de astfel de
atribute supuse msurrii formeaz oJJ~te.cLe.<Acelai principiu se aplic i sc_a_lel~~
11'1'11'
iiliillllllll"'
11 11111'1111111'11111111 llll'i' 1 '1
~' 'III' 11' 11 III III III
de personalitate. Astfel, dac domeniukde_i!J1~res este afectivitatea negativ, vom
avea mai multe compoo~IJ~ (atribute de suprafa) cum ar fi cinismul, pesimismul
etc.
n urma testrii eantionului cu bateria aleas vom sesiza mai multe
aspecte .. Mai nti, vom observa c exist diferente individuale . ntre subiecti
rezultatele fiind dispersate n funcie de gradul de.sf~~cltare abiliti!or ~surat~: a
De asemenea, vom observa o anumit asogj.,?_fe (covarian) ntre rezultatele
obinue de subieci. l_a_gq_l,l<'tsau mai multe probe. Astfel,o.persoan care a obinut
o
un rezultat ridicat la problem de nmulire e foarte probabil s obin un scor bun
i la o problem de adunare.
Dat fiind numc.uLJD.[I? de probe, se pot obine "patternuri" de corelaii
diverse .J:Jtre.probeJe.unei baterii. Unele dintre acestea pot fi corelate -puternic; iar
altele pot fi n~_9orelate. La prima impresie, relaiile stabilite ntre varia-bile-( atributele
de suprafa) pot prea haotice. Ana-liza.flctqri?l vine i clarific aceast situaie,
identificnd o anumit orcjjne r structur n date. Acest lucru se face prin gsirea
' ~--~""!'
unei exp_!k~~_~ccinte privitoare la dispersia ~-~c;.oyariana observate n atributele
de suprafat.
-- '"Td'~ea fundamental In analiza factorial este postularea exi?(l!~L
atribu.telor interne. Un astfel de atribut face referire la caracteristici neob$;;rvabile
-
.,.......",.."_,..,.~ .-.. ,," :.\ .......
~,,.,.,p-.;;_,~".~-~,-,_. ~-~.
direct J<:L.9,?meni, dar care determin diferente ntre acetia. Ele se afl la baza
atributelor d,!;L,uprafa. De exemplu, am put~;;;~bi.de atiiiti numerice, abiliiti'
verbale etc. ca--atribute interne n domeniul abilitJJg.r...r.nintale. Acestea nu pot fi
msurate direct, dar pot fi reflectate prin intermediul evalurii atributelor de
suprafa. Astfel, am putea afirma c o persoan este superioar alteia n privina
abilitilor numerice, dac la o serie de probe ce implic adunare, scdere,
nmulire etc. obine rezultate mai mari dect cealalt persoan. Aceste atribute
interne sunt cunoscute, n general, sub denumirea de variabJ.L~Jatente, iar n cadrul
analizei factori ale ele se numesc factori. ..
Aceste variab,.~~-lc:tt.enJ.pot avea un subst~J~_gLsau pot fi doar construt::1~-.
t~~!L<?e care faciliteaz nelegerea i explicarea realitii. O analogie poate fi
fcut apelnd la concepte fizice precum grC!Wic;tJia. Existenta acesteia a fost
construit ipotetic, pornind de la observaii concrete. 'Toate obie~tele au tendina de
a cdea pe pmnt cu o vitez variabil n funcie, printre altele, de masa lor. Prin
urmare, exist o for nevzut care acioneaz.i determin aceast cdere a
obiectelor. Similar, am putea spune c unii elevi tind s rezolve, mai repede i mai
bine dect alii, probleme de matematic, datorit unui nivel mai ridicat al abilitilor
lor numerice. Altfel spus, variabilefa.-manifeste sunt influenate sistematic de
anumite var~~~ late~~Jatribute in!_El_rf!(3, factqri).
Se impune acum o nou distincie ntre dou categorii de atribute intem:
factor;i"cemuaL i factori"specifici:-Primii sunt aceia care influenteazf""'mar;:;,ult~
atribute de.~supr;::lfa din baterie (ex. abilitile numerice afecteaz re~tele
obinute att la proba de adunare, ct i la cea de nmulire). n schimb, factorii
specifici influeneaz o sing._IJ[. variabil -manifest. Dinamica dintre cele dou
141

categorii de factori este influenat de modificrile survenite n b~riE:l (scal).
Astfel, introducereg_ __,squ_"-~-lif11.lt:J~r_ea .. U_t:JOL pr<2_be (itemi), poate conduce la
transformarea unor factori s.r;>egifici n factori comuni i invers. S presupunem c
avem zece probe menite s msoare doi factori comuni: abilit?ile numerice i
relatiile spaiale. Pentru fiecare atribut intern sunt prevzute cinci probe. Dac .
elim'inm toi itemii care fac referire la abilitile numerice, cu excepia unei singure
probleme de adunare, abilitatea numeric devine un factor specific, deoarece se
bazeaz pe un singur atribut manifest. Alturi de aceti factori comuni i specifici,
n evaluarea atributelor de suprafa intervine i eroarecule-msurare. Aceasta nu
tine de atributele interne, constituie mai degrab, influen~~ tranzitorii i
~esistematice care afecteaz rezultatele obinute la atributele de suprafa (ex.
oboseal,momentul zilei ales pentru testare etc.). ntre fidelitatea -~!D.\Ji.test i
erorile de msurare exist o legtur invers. Cu ct un test este mai fidel, erorile
de ~;e-sunt mai mici i invers. n sfrit, eron~:2~.!l].~~!are com.,.b.in.ate..~cu
factqrii specifici ai fiec,i0~rLb1JL.Q.!L~~P~~fa_ sJetermin tactor:uLunic.....Astfel,
fie~~re'rezl:i"itat manifesfpoate fi vzut ca fiind o consecin a influenei unuia sau a
mai multor factori comuni i a factorului unic.
spre exemplu, vom lua ca model rspunsul afirmativ al unei persoane la
itemul "ntotdeauna atept s se ntmple ce este mai ru". din cadru! scalei de
pesimism i vom constata c el este afectat de trei surse de variaie. Prima surs
este dat de factorul comun msurat n scala respectiv, adic gradul de pesimism
al persoanei respective. A doua surs se refer la factorul specific al acestui ite~,
dat de totalitatea aspectelor care l individualizeaz fa de ceilali itemi ai scalei. In
acest caz, datorit formulrii, ar putea fi vorba de efectul de "framing" pus n
evident de Tversy i Kahneman (Miclea, 1994). Probabil c o formulare diferit,
. dar si~ilar de genul: "Nu atept niciodat s mi se ntmple lucruri bune" ar fi
condus la rezultate uor diferite, dat fiind specificitatea formulrii. Dac mai muli
itemi vor fi afectai, prin modul lor de formulare, de aceste efect de "framing", vom
obtine un alt factor comun determinat de modul n care sunt formulate afirmaiile
(e~. n termeni de ctig sau pierdere). Tn fine, a treia surs de variaie a
rezultatelor la iternul respectiv poate fi determinat de erorile de msurare (ex.
fidelitatea sczut a probei; prezena unor stimuli distractori etc.) Factorul specific
alturi de erorile de msurare constituie, mpreun, unicitatea dispersiei scorurilor.
Analiza factorialeste mai puin interesat de acest aspect. 1n schimb, ea
tine seama, -J;''m'od deosebit, de disperia i.. covariana rezultatelor datorate
factorilor comu~i. Aceast dispe,[:.i~.. ~Q!J;lUn se numete coml;tQ?I}t~.!_e Eventualele
coreifife<istente ntre anumite probe sunt explicate ca fiind determinate de
existe"ht unuia.sau mai multor factori comuni. n schimb, lipsa corelaiei sau o
corelati~ sczut indic existena posibii a unor factorL9i_f~JiJi. De exemplu,
rezult~tele diferite obinute la proba de adunare i la cea de vocabular constituie o
dovad c cele dou atribute de suprafa sunt influenate de factori diferii.
La o scal.mai .mare, cu ct exist mai multe.co.~~Jii ridicate ntre
atributele msurate, cu att ele tind a dovedi existena unui f!~tor comu~ La fel,
~-~--~
142
lipsa ~e.._corelaii dintre mai multe variabile ... manifeste constituie un indiciu al
absenei Uf\ei COfl!l:ln;:)lii ntre variabilele respective. n plus, ntr-un anumit
domeniu de interes, se pc)rnete de la prem'isa c majoritatea atributelor de
suprafa sunt influenate de un numr restrns de factori comuni.
Toat aceast discuie asupra analizei factoriale pornete de la ideea,un~i
legturi linigr~_ntre variabile. Acest aspect merit s fie retinut, deoarece ~tre
multe dintre fenomer18'1e realitii psihice nu exist o relatie' liniar. Tn astfel de
situaii este in adecvat folosirea analizei factoriale, cel puin Tn varianta sa clasic.
Aadar, analiza factorial nu este mai mult dect o teorie despre..dinamica
relaiilor dintre atributele g~ ~l!prafa i_ c~le_ interne. Ca orice teorie, ea ~~~ o mai
mare sau mai mic coresponden cu realitatea. Aplicarea ei n mod automat, fr
a ine cont de aceste precizri conceptuale, poate conduce la solutii greite.
. Sintetiz_nd, scopul primor5!L~!_aLf~estede a identifica ~Uf!lrul i natura
factonlou;omunl ca~e stau la baza unui set de.variabile manifeste. Tehnica este
utilizat att n const[lJirea de scale, ct i la dezvoltarea u~~r teorii. nainte de a
aprofunda modul de reaiizare practic a unei astfel de analiz~, se impune s facem
o ultim distincie ntre analiza factor-ial exglo(atorie i analiza Gomponentelor
pri_QC?]P.le (n englez "principal component analysis" sau PCA). "--- ----
5.1.2. Analiza componentelor principale vs. analiza factorial
Ambele metode au fost utilizate inadecvat, de nenumrate ori, n principal
datorit nenelegerii diferenelor dintre ele. Confuzia a fost ntreinut i de cazurile
numeroase n care soluiile, obinute pe acelai set de variabile, au fost similare.
Nu n ultimul rnd, unele cri de profil au euat n ncercarea de a face o distinctie
clar ntre cele dou metode. '
. . Prima ..Q.ifereng)mportanj~tre anali~CI fa~t~rial i analiza cor:nponentelor
pnnc1pale este determinat de modul_9ife-rit.~de a anailia datele: S ne reamintim
c analiza""factorial identifica trei su"rse a)e .V<?riaieic.d~t;;lor: factorii. comuoi, cei
specif[gLJ.erorile de..msurare. Gruparea ultimelor dou surse oferea unicitatea
varianei- ns intere~ul central cdea asupra comunalitii, ca dispersie explicat
de factorii comuni. In schimb, analiza componentelor principale ~nt.! recurge la
aceast ~ip~<:J.\~!Jncie, iar teoria de la baza ei ou postuleaz existenta unor. faCtori
C!2mUIJ. In PCA, dispersia d_CiJelor are la baz dou.surse: dispersia explicat i
cea datorat eroriloL..,_q~;t_r:nsljrare (lacobucci, 1994). n aceste c~ndffii, nll'ar fi
normals vorbim d~~prefactori n analiza componentelor principale, d'evr~;;e-ce
teoria nu specific e_)(ist~na ~cestora. De aceea, se folosete termenul substitut de
compOEJ(3nt principa.\. Att factorii, ~t_i_ componentele principale pot fi denumite
generic "eiQ~,Y(3ctort. Scopul analizei component~!!:>r principale este extragerea
unui num~r _ct mai mic de eigenvectori, care s explice 'cat maLmult din totalul
varianei.
Dispersia; I'n cazul celor dou metode, poate fi . reprezentat grafic n
funcie de sursele care compun totalul acesteia:
143
 'lhlllllllll:lllll'lllllilllllliiiiiiiUIIIIIIIIIIIII!IIIIIWIIIIIIIIIIIIIIIIIII.IIIIII:IIIIIIIilllll,llli.lll::ll'

5.1.3. Design-ul i metodologia analizei factoriale

ANALIZA FACTORIAL ANALIZA COMPONENTELOR PRINCIPALE
Obiectivul majQL,~LEFA, acela de a identifica factorii care influenteaz
Dispersie Dispersie Dispersie
Dispersie
atributele de supr_f~, r'i\J...Po~te fi rEl,~~at eficient printr-o sipgura cercetare. 'vom
datorat datorat datorat Dispersie
factorilor factorilor erorilor de explicat datoraterorilor avea nevoie de mai PJUite studii care s conduc treptat la o cunoatere bun a
comuni specifici msurare atributeloririterne. Nu se urmrete doar o simpl. replicare a lor. Dimpotr(v, prin
modificarea CL9GJ~risticilor eantionului i, mai ales, prin modificarea .baleriei
Figura 5.1. Diferene conceptuale mtre analiza factoriaf i analiza componentelor principale (setului de itemi) vom ajunge la clarificri conceptuale eseniale. De exemplu, dac
un studiu nu reuete s evidenieze foarte clar un anumit factor, care are
Pornind de la aceste considerente, vom constata a doua diferen importan teoretic, putem reine itemii care au fost puternic saturai n factorul

esenial ntre EFA i P_ff.\.,Analiza compoflentelor Qrincipale are ca obiectiv respectiv, putem elimina iternii care nu au dat satisfacie n aceast privin i
redUCf!!.9 dateto!'J?!Tn identificarea unui n.wrn~uestrns de comp~~nte prindp<;~le putem introduce alii, care par a msura factorul respectiv.
care explic mpreun ct mai mult din totaluLflts,p~rs,Jeiyariabilelor manifeste. Ea. Orice studiu care implic analiza factorial exploratorie rezid n
face acest lucru pe baza unei combi(l(jii liniare ntre variabilele rr1anifeste. ln parcucg(:;lr.ea urmtorilor pai:
schimb, analiza factorial exploratorie ncearc s determine un numr restrns de (a) alegerea tipului de ~<3trice care va fi analizat i a 111etodei de extragere a
factorilor; o~ . .
factori care influeneaz semnificativ o serie larg de variabile manifeste. Pe scurt,
PCA este o tehnic util de re.,ducere a datelor, n timp ce EFA este adecvat (b) stabilirea numrului de.. facto~Lc;::e trebuie extrai;
(c) rotirea f?-ctorilor pentru a facilita intere_r~tarea ace~tora.(dac este cazul);
identificrii unor constructe P-Sihologice latente.
O ultim difere~,~;;_;btil, i~e-s~~ma de aspectul ca~."".efect implicat n (d) identificare}Lf1tyrii factorilor i interpretarea-rezultatelor gsite.
cele dou-analize. ln EFA, facgrii .sunt vzui ca fiind responabilige_~~'!.Qt\Jia Vom aborda detaliat fiecare aspect pornind de la urmtorul exemplu din
variabiiE~J()~IJlC!I'!if.ete:"'asumnd 't'fGI unor varis..l?J.l."C:.c:l~~". Astfel, pare natural s psihologia educaional.
afirmm'(;~ o persoan obine rezultate ridicate la probe de aritmetic, vocabular, Didactogenia este aciunea involuntar a cadrelor didactice soldat cu o serie de
consecine negative asupra elevilor. Tntre cele mai rspndite astfel de aciuni, se regsesc
relaii spaiale etc. datorit unei inteligene ridicate. n PCA, componentele
principale n~)oac ~S~!c:J.i !oi. Mai degrab, ele sunt rezunlliLombinaiei li~i~~e a ridiculizarea elevului n public; favoritismul i incorectitudinea n notare; respectiv
variabi_l~lc:Jf. Tlanifeste, al crei scop este de a explica <:;~t mai mult din totalul agresivitatea verbal a dasclului. t:;;onsecinele acestor aciuni asupra elevului pot fi
dispersiei datelor. 6 situaie care necesit PCA este aceea n care dorim s grupate in: efecte pedagogice (ex. scderea motivaiei colare, absenteism, eec colar
obinem un singur indicator al "strii materiale" pe baza unor informaii multiple ce etc.); efecte psihologice (ex. stim de sine sczut, mutism electiv, manifestri anxioase,
privesc venitul personal al subiectului, venitul financiar al familiei, un index al frustrare crescut); i efecte somatice sau medicale (ex. dureri de cap, aciditate gastric,
tulburri intestinale etc.) (Poenaru, 1980; Poenaru i Sava, 1998).
bunurilor de lux detiriute etc. Alte situatii n care se aplic PCA sunt cele n care
mai multe varia-QjJ.~,independente cor~le<iz foarte puternic. ln acest caz, prin Vom analiza, n continu.are, o scal menit s evalueze aceste efecte la elevii de
extragerea uneia sau a: mai multor componente principale se elimin problema
o
liceu. Proba conine 15 itemi care necesit rspunsuri pe o scal de tip Likert cu rspunsuri
mulicoliniaritii (vezi seciunea 6.5.4.). Acestor diferene ntre EFA i PCA se notate de la unu la cinci. Ea a fost prezentat intr-un studiu anterior, n care se urmreau
adaug i altele, de ordin matematic, implicate n algoritmul de calcul al ~ efectele atitudinii conflictuale, ostile a profesorilor asupra elevilor (Sava, 2002). Cercetarea a
eigenvectorilor. Asupra lor nu vom insista aici. ln plus, trebuie reinut c SPSS-ul avut un eantion de 946 de elevi, care trebuiau s evalueze un numr de 111 profesori.
ofer doar posibilitatea realizrii analizei factoriale. Cei interesai de utilizarea Astfel, fiecare profesor era caracterizat n medie de 8,52 elevi. Deoarece analiza factorial
pornete de la asumpia independenei dintre cazuri, am realizat o medie a rspunsurilor
metodei componentelor principale pot apela la alte programe software precum
ViSta (Young, 2002) sau LISREL (Jreskog i Srbom; 1989). date de elevi pentru fiecare profesor caracterizat. ,l\stfel, eantionul total supus analizei
n concluzie, dei numeroase situaii dovedesc o similaritate a rezultatelor factoriale a fost de 111 subieci.
obinute prin cele dou metode, exist diferene semnificative din punct de vedere ltemii scalei sunt prezentai n tabelul '5.1., iar baza de date este analiza factoria/
teoretic. Acestea, la rndul lor, pot duce la rezultate i interpretri greite ale exploratorie.sav. Pentru a realiza o analiz factorial de acest tip n SPSS se utilizeaz
soluiilor obinute. ln continuare, vom insista asupra modului de realizare a analizei calea: "Analyze"- "Data reduction"- "Factor''.
factoriale. Totu i, analiza c~mponentelor principale implic parcurgerea acelorai
etape.

144 . 145
 '11, 1 1 1 1 illlllllllllllll!IIIILIIIIIIIIIUUUIIIUIUUIUUIUIIIJIIIIIIIIILIIII' 1111! 1 1 1 111111111111111111111111111111111 !I I 111111111' :1111 !11111111 !I I! 11111111 !III' III' 1 1 '" :li III' 1 1 il li 1 1 !11111111 11111111! 1111111111111 !11111111! 1 1 il l! 1 1 1 1 11' III' I I :11! I I '11 I I I I III' I I 1 1 I I I I
1 1
11' 11! 11: !11! 11' I I ' IIIIIIIIIIIIIIIIUIIIIIIIIIIiilllll!llllllll 1 1 !' !IIIIIIIII!IIIIIIIII:IIIIIIIIIIII!IIIII!IIIILIIIIIUIIIIIdlllllllllli'IIIIIJIII,JIIIUIIIIIIIIII!IIIIIIIIII:IIIIIIIIIII:IIIIIIIIIII.IIIIIi!llllllllllliiiiiiJIIIIJIII:IIIIIIIIIII'!III..I I llll:lllllllllllllllllllllllillllilllllllllllllllllllllllll.llll! llll'lllllllll!llllllllllilllllllllllllllllll!lllll:lllll!lllllllll!llll!lllll:llllllllll!,llllllllllllllllilllllllllllllllllllll !I I: 1 1 1 1 !11111111111' 11111111! !11111111111 1 1 !11111
1 1

Instruciuni:
Pri~ an9lj~)a~torial se ncearc gsirea unui "pattern" n matricea de
..
Indicai
in ce msur vi se potrivesc urmtoarele afirmaii ufifiznd scala de notare:
cor~l~11.
Pnntr-un algontm 11J.C3t~tT1atic sunt calculai anumiJp:ararrietri (ex. saturatia
1 -nu mi se potrivete deloc; 4 -mi se potrivete deseori;
f~c~onlo_r, gradu_l de comunalitate etc.) care conduc la un mod~jt~oretic al matri~ei
2- mi se potrivete rareori; 5- mi se potrivete Tn totalitate.
cat ma1 apropiat de cea observat rn realitate. Dac cele dou matrici au
3 -nu tiu 1 indecis;
"patt~rnu~J:~e ~~rt:)laii simila:e. implicit valori reziduale sczute, putem afirma c
soluia ~as1ta este adecvat: In cazul unei matrici red.!:!_s_e_ ca mrime, gsirea: unui
Tabelul 5.1. ltemii scalei de evaluare a efectelor psihologice, somatice i pedagogice
"pattern s-ar putea face Inspectnd vizual __gorelaiile obinute. ntr-o matrice
!TEMI complex, acest lucru devine imposibil, analizei factoriale revenindu-i meritul de a
1. mi plac orele de X. 1 2 3 4 5 sesiza eventualul "pattern" ntre corelaii. Tn exemplul nostru, matricea de corelatii
obinut a fost '
2. Dac ar fi dup mine a chiuli de la ora de X. 1 2 3 4 5
3. Dac toate disciplinele de la Bacalaureat ar conta la fel, a alege s 1 2 3 4 5
dau examen la X. Tabelul 5.2. Matricea de corelaii dintre cei 15 itemi ai scalei
4. M plictisesc repede la orele de X. 1 2 3 4 5 item 2 3 4 5 6 7 8 9 10 11 12 13 14 15
5. mi place s nv la X. 1 2 3 4 5 1. ed01
6. M-am simit umilit de ctre profesor. 1 2 3 4 5 2. ed02 .60
7. Profesorul mi insufl ncredere n forele proprii. 1 2 3 4 5 3. ed03 .73 .54
8. Mi-am imaginat moduri de rzbunare pentru suferina prilejuit de 1 2 3 4 5 4. ed04 .71 .64 .56
conduita profesorului. 5. ed05 .62 .53 .66 .50
9. Cnd m gndesc la ora de X simt un gol n stomac. 1 3 2 4 5 6. ed06 .55 .40 .35 .35 .36
1O. Am uneori impresia c nu sunt n stare de nimic. 1 3 2 4 5 7. ed07 .53 .37 .40 .44 .51 .36
11. n general m simt plin de energie la coal. 1 3 2 4 5 8. ed08 .53 .50 .27 .38 .39 .73 .38
12. n timpul orei de X palmele mi transpir mai tare dect la alte ore. 1 3 2 4 5 9. ed09 .54 .41 .30 .39 .29 .66 .46 .61
13. Dup o zi de coal spatele (gtui) meu devine ncordat. 1 2 3 4 5 10. ed10 .27 .19 .09 .18 .12 .50 .21 .39 .48
14. Mi .sca intmplat s mi se fac ru la coal. 1 2 3 4 5 11. ed11 .07 .15 -.06 .00 .10 .05 .09 .03 .01 .22
15. Dup ora de X m simt obosit. 1 2 3 4 5 12. ed12 .32 .20 .18 .16 .21 .51 .22 .48 .64 .50 -.06 --
Unde X vizeaz disciplina predat de cadrul didactic evaluat. 13. ed13 -.01 .04 -.04 -.07 .05 .05 -.08 .05 .02 .08 .28 -.02 __
14. ed14 -.08 .16 -.07 .00 -.03 .02 .03 .06 .03 .24 .27 .05 _
39
5.1.3.1. Tipuri de matrtc~e i metode .df! extragere a factorilor 15. ed15 .53 .44 .34 .40 .37 .59 .36 .61 .67 .47 .13 .57 .15 .1
5
Aceast etap este una pregtitoare. n contextul EFA exist dou tipuri de Coeficienii _ngroai sunt semnificativi la p < .01
rnatci.Q.i: cea de cor.elaiEL_,gea de covarian. Aa cum le spune numele, prima
este o form~staridardizat a celei de a doua. Matricea de corejaii este modalitatea
Tn privinta metodelor de extragere a facto~i.lor exist o diversitate de
cel mai frecvent folosit datorit uurinei interpretrii relaiilor dintre variabile i a alternative. Probabil, cea mai ntlnit metod este analiza factorial a
saturatiei . acestora n factorii extrai. Metoda are i un mic dezavantaj, n
componentelor principale, care este opiunea standan;!JrLSP.$S. Atenti~ 'n1'";3~6rns,
comp~raie cu matricea de covarian, introducnd o cantitate suplimentar de nt:e aceast analiz i analiza componentelor principale, n sensul, ei .clasic, nu
V

eroare , ca rezultat al standardizrii. Tn cazul unor date msurate pe scale foarte

ex1sta un semn -de egalitate. SPSS-ul nu ofer posibilitatea realizrii metodei
di-ferite' ca amplitudine (ex. vit~za de reacie exprimat n ms i randamentul colar
componentelor principale clasice. Ceea ce face SPSS-ul sub denumirea "prlnclpHI
exprimat n medie colar~) este binevenit standardizCirea variabjlelor nainte de a
c~m~onent method" nu este altceva dect analiza factqrial~ .. a componentelm
opta pentru matricea de corelaii sau cea de covarian. n alte cazuri, n care toii
pn~l[e ... ~iferena dintre cele dou este totui minim i constc'\ Tn fnptul el
itemii folosesc aceeai scal de rlsurare, nu este necesar standardizarea
?Plunea dm SPSS conduce la o standardL:;::are . suplimentartl dupl'l rollra,
variabilelor. Pentru scala de fat, vom pstra datele brute n vederea analizei i 1ntroducnd o surs suplimentar de .eroare. Varianta clasic:!'! a mmiinl
vom opta pentru matric.ea de co~elaii; din raiunile menionate mai sus. comp?nentelor principale poate fi regsit n PRELIS din cadntl progrMilliiiUI
stat1st1c LISREL. O alt modalitate de-extragere, ntalnlt destul do frecvent, .-eta

146
147
 llllll,lli'll''liii'lllllil,,llilllll '111111111111111 11111111111'111''1

analiz'Lf9torilorprincipali (n englez "principal axis factoring"). Ambele metode au Merit s fie menionate cteva aspecte. Mai nti, procentajul se

avantajul c nu sunt foacte pretenioase n ce privete prezena unei distribuii
multivarilte normale, dar i dezaiLantajul c pot conduce la soluii relativ diferite,
dac sunt analizate pe baza matricei de corelaii sau a celei de covarian. Dei
sensibil la forma di;:;tribuiei datelor, analiza factorial bazat pe estimarea
verosimilitii maxime (n englez "maximum likelihood factor analysis") nu este
afectat de tipul de m.Qtrice analizat. n plus, are marele avantaj de a tetC!__gradul
de semnificaie. statistic a saturaiei factorilor i a corelaiei dintreJactorii extrai.
Aceasta constituie o noutate n domeniul analizei factoriale exploratorii i poate fi
valorificat utiliznd programul . CEFA (Comprehensive Exploratory Factor
Analysis). Programul, realizat de cercettori de prim seam n domeniu, poate fi
descrcat gratuit de pe internet (Browne, Cudeck, Tateneni i Mels, 1998). SPSS-
ul, dei conine posibilitatea extragerii factorilor cu aceast metod, nu ofer
avantajele prezente n CEFA. Singurul indicator prezent n SPSS, legat de gradul
de potrivire a modelului, nu este de mare ajutor, fiind bazat pe o distribuie y}, deci,
foarte sensibil la volumul eantion ului. -Totui, dac vei folosi aceast metod, vei
extrage cel mai mic nur:nr de factori de la care y! devine nesemnificativ statistic,
fapt ce nseamn c nu mai exist diferene semnificative ntre matricea de
corelaii (covariabile) observat i cea estimat pe baza factorilor extrai.
stabilete pe baza valoriloc eigellye<:;_torilor extrai, denumite eigenvalue. ll cazul
utilizrii matricelor de corelaii, eigenvalue pentru fiecare variabil inclus n studiu
es~_~gal cu unu. Pe baza acestei informaii putem observa puterea explicativ a
fiecrui factor extras. Astfel, primul factor. are un eigenvalue de 5,90 ceea ce
nseamn c puterea.. sa explicativ este aproape egal cu suma aase dintre ~ei
cincisprezece_itemi ai scaleL Valoarea explicat prin suma celor trei eigenvalue
corespunztoare factorilor extrai se_ pstreaz i dup rotire. n situatii n care
efectum rotauLgrtogonale se pstre-az i procentajul de 63%. Totui, dup o
rotire obliS~ P.recum n cazul problemei de fa, procentajul explicativ al factorilor
extrai nu mai este precizat, deoarece suma acestora depete totalul dispersiei.
n sfrit, putem desprinde valoarea explic,?tLY~?.fi~crui factor, nainte i
dup . roire. Astfel, .nainte de rotire, primul factor explica 39~~:4%. din -totalul
dis persiei; cel de-al doilea, 13,53%, iar ultimul, 1O, 75%. Totalul acestora era de
63,62%. Dup rotaia oblic, se observ o relativ egalitate ntre valoarea
explicativ a primilor doi factori (eigenvalue de 4,81, respectiv 4,60), n timp ce al
treilea factor are o putere explicativ mai redus (1 ,80).
Total Variance Explained

Initial Eiaenvalues Extractian Sums of Sauared Loadinas Rotation

Component Total % of Variance Cumulative % Total % ofVariance Cumulative% Total
5.1.3.2. Metode de selectare a numrului adecvat de factori 1 5,901 39,341 39,341 5,901 39,341 39,341 4,816
n stabilirea J;U,Jr;nn.,JJ.yLcle factori trebuie s realizm o balan ntre 2 2,030 13,530 52,871 2,030 13,530 52,871 4,605
principjul parcimoniei (variabilele s fie influentate de un numr ct mai mic de 3 1,614 10,757 63,628 1.614 10,757 63,628 1,802

l<:!r::tori)tp;incipiuL.'curateii (obinerea unui ~odei suficient de ~decv~t ~ealitii 4

5
,834
,739
5,557
4,925
69,184
74,109
existente). - 6 ,673 4,485 78,594
n ceea ce ne privete, am putea distinge dou categorii de metode: statice 7 ,627 4.179 82,772

(a priori) i dinamice. n prima categorie voi include metode ce utilizeaz criterii de~ . 8
9
.510
,492
3,398
3,277
86,170
89.447
sele-c.ie prestablite: :" 10 ,360 2,401 91,848
11 ,336 2,238 94,086
12 ,298 1,989 96,075
Criteriul procental~lpr,g~--~ispersie explicat 13 .238 1,588 97,663
Un astfel de caz este criteriur',J-rocentajul!:!ide disper:3ie_ explicat (ntlnit 14 .206 1,372 99,035
n special n metoda componentelor principale).-Un cercettor poate_decide n 15 .145 ,965 100,000
Extractton Method. Pnnetpal Component Analysts.
avans o anum~t,~,..<~lntitate de di~persie explicat pe care s o considere
a. When components are correlated, sums of squared loadings cannot be.added to obtain a total variance.
satist_?_i_!toare.-S presupunerr(c el se oprete asupra unui procent de 70%. n
aceast situaie, el va selecta ati eigeJlY~9to,ri (factori sau componente principale) Figura 5.2. Output-uf SPSS 11.0 viznd numrul de factori extrai

ci sunt necesari pentru a explica acest procent. Dezavantajul major al metodei SPSS este o marc nregistrat.

este dat de caracte.ruLsubie.ctiv al acestor repere a priori. Nimic nu ne oprete s

decidem la fel de bine n favoarea unui procent de 60% din dispersie. Mai mult, n Criteriul lui Kaiser
cazul analizei factoriale, multe dintre cercetrile publicate se mulumesc, n cazul Un alt criteriu, extrem de popular n selecia factorilor este regula.,1wi
tiinelor sociale, cu un procentaj de 40%. ~~-~:. ~onform acesteia, vor fi selectai un numr de fa~].~oilunL egali cu
n. cazul problemei noastre, extragerea a trei factori comuni, care explic numn.il'<:le ~~g~nvalue care sunt mai maridectunu. Adic vor fi re'tinuti factorii
63% din totalul dispersiei poate fi considerat multumitoare. Rezultatele oferite de care ai:ro pute~~ ~xplicativ mai mare de;-it o singu~ variabil tin~nd' cont c
SPSS 11.0 sunt prezentate n figura 5.2. ' aceasta este compus, nu numai din factori_comun~,-.ci i din factori ~pecifici i er~"ri'

149
148
 trei factori se afl deasupra acestei linii, dup acel punct de cotitur. Tn consec t"
de msurare. Regula are o validitate acceptabil. Totui, ea prezint o serie de . t - 1n a,
vor f 1ex ra1, ducand la o soluie adecvat cu trei factori. '
dezavantaje: poate fi aplicat doar n cazul analizeLJctoriale a-matricelor de
Metoda a condus, mai mereu, la rezultate valide. Dezavantajul utilizrii ei
corelaii . nu ofer criterii de decizie clare. n cazul n care obinem valori foarte
apare n situaii n care punctul..:ae cotitur nu este att de evident, fiind dificil
apropiate de pragul critic unu (ex. eigenvalue = .99 sau 1.02), tinde uor s
localizarea i identificarea acestuia.
supraesjmeze~numruUactorilor .necesari. Totui, n cazul unor eantioane mari,
n situaii cu mai puin de 30 de variabile care toate au o comunalitate mai mare de
Metoda analizei paralele
.60, se dovedete a fi un indicator valid, la fel de eficient ca celelalte metode
Metoda analizei paralele se bazeaz, aa cum arat numele, pe
prezentate n continuare.
Pentru exemplul nostru se observ c primii trei factori ndeplinesc condiia compararea intensi~~~i...~e~~~_ll,~~.~~.e .9I~tre datele observate i un set de date
al~~t?~;e. Pe baza simulrilor se pot stabili valori aproximative eigenvalue n
de a avea un eigenvalue mai mare dect unu (5,90; 2,03; i 1,61), fapt ce indic o
funcie de numrul de subieci, numrul de vari_bile i numrul de factori extrai. n
soluie trifactorial.
aceste condiii, principiul de selecie stipuleaz extragerea acelor factori care au
eigenvalue .mai mare dect cel C<?~resp()ndent, . . rezultat n urma analizei datelor
Criteriul grafic.aiJuj <:;attel
aleatoare. O analiz a lui Zwick i Velicer (1986) arat c aceast metod d
Din categoria metodelor . dinamic~. ne vom opri asupra metodei
rezultate valide, indiferent de condiii!~ simulrii. Totui, metoda are limite, cea mai
reprezentarii grafice a lui Cattell, ;~noscut sub numele de scre.~_pM i asupra
important fiind dificultatea de a dedd"talegerea_unui factor, n conditiile n care
metodei analizei paralele propus de Horn. Scree plot-ul este o reprezentare
grafic a inten.)[fl'elgenvaiue pentru fiecare factor posibil a fi extras. n situaia
exist difer~oe infime ntre intensitatea eigenvalue pbinut Ain date r~ale i cea
corespondent,,rezultat n urma simulrii. Din pcate SPSS~ul nu ofer direct
concret este vorba de 15 factori posibili, dat fiind faptLli"c scta conine 15 itemi.
posibilitatea realizrii unei analize paralele.
Acetia sunt prezentai pe abscis,, n timp ce pe ordonat sunt trecute valorile
n schimb, vom putea adapta ecuaia de regresie dezvoli(je. Allen i
eigenvalue. Principiul selectiei tine seama de acel numr de factori de la care
Hut>.t:>ard (1986, apud Johnson i Wickern, 1998) la datele oferite de SPSS pentru
soliia nu se OJpt,Jptete:.se~nificativ. Grafic, acest lucru apare reprezentat sub
a obine aceast analiz ntr-un mod indirect. Ecuaia de regresie a fost dezvoltat
forma unei coti!!Jri ce indic ideea unei rupturi ntre situaiile anterioare, n care se
pentru a nu mai fi nevoii s realizm simulri pe date randomizate i are ca
constat mbuntiri semnificative ale soluiei i situaiile ulterioare, n care
rezultat estimarea...eigenvalue din...da!l randofT1i?(lt~ standardizate (ex. matrice de
soluiile se amelioreaz nesemnificativ. Graficul SPSS al problemei date este vizibil
corelaii). Regula de selecie stipuleazit"a.legerea acelor factori ai cror eigenvalue
n figura 5.3.
este mai mare dect valoarea rezultat prin analiza datelor randomizate. Dei
Scree Plat metoda a fost dezvoltat pentru analiza componentelor principale, rezultatele sunt
concludente i n EFA.
Ecuaia de regresie are forma:

lnA.k =ak+bkln(n-l)+ckln[(p-k-lXp-k+l)]+d
2 k
InA. k-l (51)
.

unde: a, b, c i d sunt nite'coeficieni ce pot fi luai din tabel;

Component Number
Figura 5.3. Analiza numrului de factori ce trebuie extrai pe baz de scree plat
SPSS este 'o marc nregistrat.
n este volumul eantionului;
Peste numrul de factori posibil a fi extrai (numrul de variabile manifeste),
k este un indicator ce face referire la un anumit factor.
Se mai postuleaz ca lambda zero s fie egal cu 1.

Se observ, pornind de ta dreapta spre stnga, c linia nceput n dreptul

celui de-al cincisprezecelea factor continu pn la nivelul factorului patru. Primii

151
150
 ,,111111111111111111111111
illll,llll'llllllllllllllllllll"lllllllllll,llllll:ll'lllllllllilllllllllllllllll::lllllllllllllllllll:lllllllll:,llllilllll:llll:llllllllll:llllllllllllllll:llli!llllll:llllillll'lll!illl:lllll,llllllllllllllllllllllll:lllllllllll::lllllllllll:llllll,lll'i:lll:llliii,JIIIJIII,IIIIIIII,,IIII,IIIIIIIII,IIIIIIII:,IIIIIIII:IIIIIIIIIillllllll:lllll,llllllllllillllllllll:llll!llll:lllllllllll:lll':lll ,lll:llilllllllllllll'lllillll,lll

lat cteva valori ale coeficienilor a, b, c i d pentru soluii de pn la opt Analiza paralel
1
factori.

Tabelul 5.3. Valorile coeficienilor ecuaiei de regresie

K a b c d K a b c d Q)
:::1
4

.0360 -.0024 1.0899 -;

.9794 -.2059 .1226 .0000 5 -.2670 ~date reale
~ 3
.0461 .0040 1.0578 6 -.2632 .0368 -.0040 1.1039 Q) - - date randomizate
2 -.3781 Ol

3 -.3306 .0424 .0003 1.0805 7 -.2580 .0360 -.0039 1.1173 iii 2

4 -.2795 .0364 -.0003 1.0714 8 -.2544 .0373 -.0064 1.1421

Dificultatea metodei este determinat de caracteru,L:.Jnetetic" al ecuaiei,

2 4
aspect contrabalansat deacurateea rezultatelor obinute. .
_ Numar factori
vom calcula n scop demonsrrativ, valorile eigenvalue obinute pnn
intermediul ecuaiei pentru primii doi factori. Reamintim c volumul eantionului a Figura 5.4. Reprezentarea grafic a factorilor prin metoda analizei paralele
fost de 111 profesori (n = 111 ), scala coninea 15 itemi (p = 15) i c, prin
conventie A zero este egal cu unu.
'P~ntru primul factor vom avea: n urma aplicrii mai multor metode de selecie a factorilor, soluia favorit
indic extragerea a trei factori. ntr-un mod similar se procedeaz i n cazurile de
(15-1-iX15-1+2) ..._ analiz a componentelor principale. Prin utilizarea a dou sau a mai multor
!niL, = .9794-.2059 * ln(111-1)+ .1226 *In . + .0000 * ln1 = .5811 modalitide selecie ce ofer aceeai soluie, cresc semnificativ ansele ca
2
Astfel, valoarea eigenvalue extras h cazul primului factor (vezi figura aceasta s fie i soluia corect pentru eantionul respectiv.
5.2.) a fost de 5,90, fiind mai mare dect cea obinut pe baz~ datelor :andomizate
5.1.3.3. Analiza statistic a factorilor extrai
(1 ,78). n consecin, primul factor a trecut pragul de sel~c1: t_va fi re1nut. .
Similar, putem calcula valoarea eigenvalue ob~nuta din date randomtzate ComWJ!H!~ea __,."..... ..,
i pentru cel de-al doilea factor:
Dup~ exraqerea factorilor, vom observa Q.f.~9,~1.. 9!" c,~,r];lld.D..!H9te.))[ecrei
varj~1l.iJe,"i ~~~J:;i=l:![~.~jcestom..g.~ntru
fiecare factor extras. Comun;~JtlC3tea se refer
la procentul din dis per~[;:~ datelor care este explicat de agtiunea comun a factorilor
ln.A, =-.3781+.046l"'ln(lll-1)+.0004*ln
(15-2-IXI5-2+2)
+1.0578*.5811=.471 reinui i se calcule~-pentru fiecare.Y<lriabil n parte. ct comunC~,!Ltate.a este
Cu.
2 mai. mare, cu att acea variabil . este ,influentat mai mult de factorii .extrai.
Sim{l;~ cu ct comunalitatea este' n,ai ~Ic, cu' att variabila respectiv este mai
puin influenat de aciunea comun a factorilor extrai. n plus, conform teoriei
A 1 = e A?l == 1 . 599
analizei factoriale prezentate anterior, di~R.!:~La care~r:!.~. este ,,~l9?.HGat de
Eigenvalue obinut din datele reale (2,03) este de asemenea mai mare comunalitate se presupune a fi legat de unicit;:~t~ . adic de erori i ~.E3__factori
dect cel obinut prin aceast ecuaie (1.599). Prin urmare i al doilea factor va fi speclf!fL Bunoar, valorile comunalitii mai mici de .J,J~;3rat c influena celor
retinut. Calculnd intensitatea eigenvalue pentru al treilea i al patrulea factor vom trei factori extrai este mai mic dect dispersia datorat unicittii. Prin urmare,
obtine 1,46, respectiv 1,34. Compararea acestor valori cu cele obinute din datele itemii respectivi sunt mai pu.ir)_saturai n cei trei factorl~~trai. n ~xemplul dat, se
re~le indic reinerea celui de-al treilea factor (1 ,614), dar respingerea celui de-al observ c itemii referitori la nivelul de energie fizic i la gradul de ncredere n
patrulea (0,834). Aadar, prin utilizarea, unei adaptri a ~nali~ei par~le!e, sol~ia forele proprii sunt cel mai puin explicai de cei trei factori extrai. n schimb, itemul
contine tot trei factori. Utilizatorii analizei paralele obtnutesc sa-t preztQte
rez~ltatele sub forma unuigrafic asemntor celui din figura 5.4.

J
---
Cei interesai de situaii factoriale mai complexe pot consulta Allen i Hubbard (1986, apud
Johnson i Wickern, 1998).
legat de preferina pentru obiectul de studiu i cel privitor la prezena unor
probleme gastrice au cel mai mare nivel de comunalitate. Altfel spus, ei sunt n cea
mai mare msur influenai de cei trei factori extrai.

152 153
11111111111~1 JJJIJJJtlJUJUJJJJlJJJUJJUJJJJJJUUJJJJ))JJ)IJJJl;~ li MiJ, ~ MW Mcllllllllllllli.illlll.llllll,lllllllllllll_llllllili.llllrllllllilill11i 11 ~~ irrr ,ffi irrr :ffi m1 .III, [
', 1 , I I, !1: :1 . III i1: :!1 ~1: UlllllllllmiiiiiiiLIIIIIUIIIII:

Tabelul 5.4. Saturaia itemilor n cei trei factori extrai

0.804 = (0.837)2 + (-0.311 )2 + (0.079)2
Etichet itemi SATURAIE TN FACTORI Comunalitate
2 3 Valoarea comunalittii se pstreaz i dup rotire, chiar dac saturatiile
preferin obiect (1) ,837 -,311 ,079 ,804 variabilelor Q__factorii re'Spectivi se vor schimba. Tntr-'un mod similar putem,expica
chiui* (2) ,707 -,210 ,314 . ,644 i intensitatea eigenvalue, dei, spre deosebire de comunalitate, valorile sale se
alegere examen (3) ,647 -,512 ,154 ,705 modific n urma rotirii. Dac observm pe vertical, gradul de saturaie a fiecrei
plictiseal* (4) ,686 -,389 ,164 ,649 variabile ntr-un anumit factor vom putea obine nivelul eigenvalue. De exemplu,
nvare obiect (5) ,664 -,389 ,253 ,656 intensitatea primului factor poate fi obinut dup formula:
umilin suferit (6)* ,766 ,237 -,220 ,692
ncredere perceput (7) ,621 -,203 ,061 ,431 5,90 =(0.837)2 + (0. 707)2 + (0.647) 2 + ... + (0. 769)2
rzbunare (8)* ,760 ,198 -,156 ,642
probleme gastrice (9)* ,775 ,264 -,286 ,752
5. 1.3.4. Rotirea factorilor
lips ncredere do)* ,514 ,557 -,098 ,584
energie fizic (11) ,109 ,332 -,610 ,493 n urma selectrii numrului adecvat de factori vom putea stabili saturaia
~"'"'~-~~-
ntr-un anumJUC:J.C:tQr peotru"Jil'lC:P.Ce .. itetL[Q_parte. Acest fapt este necesar n
.' . --..-- :c:"'"-'"--'-" -

transpiraie (12)* ,582 ,401 -,425 ,681

dureri musculare (13)*
stare de ru (14)*
oboseal (15)*
Not: itemii notai cu asterix au fost recodai invers; n paranteze este trecut numrul de
ordine al itemilor n scal
Saturatia
Un alt 'nivel de analiz este legat de gradul_9,~,~.J!;Ig=JisLC3,=Y~ilrii?.'?il~L~r m
fiecare factor- retinut. Astfel, se obserV c itemul 1 este puternic saturat n pnmu!.
factor i mai p~in ncrcat cu factorii doi i tr~i. Tn sch!m~, itemu_l 11_ par: a ft
influentat mai ales de factorul trei i prea pum cu cetlalt facton. Di~ paca~e~
aceast~ soluie iniial este greu de interpret~t, de cele_ mai mul_~e on. datonta
dualitii saturaiilor. De exemplu, itemul 3 este mfluenat, m ~!op~r11 re.lattv e~ale,
de primii doi factori, iar itemul 12 pare a fi influenat ntr-o masura relativ ~gala ~e
toti cei trei factorii. Aceast stare de fapt nu este dorit, deoarece scopttl pnmgg:Ji(;ll
al 'anafjzei_factoriale este identificlc:~Jactorilor extrai. Acest lucru se_ poat~ face
doar dac<i. structura saturaiejJt~f11ilor este simpl, ceea ce nseamna ca fiecare
variabil s fie infl~riJat~PrE?<:Jominant de un singur factor. Numai astfel vom putea
identifica cu claritate natura factorilor extrai.
Structura simpl . _
Pentru a,obtine o structur simpl se realizeaz o operaie suplimentara de
rotire ,a. factorilor. T~ainte de-;~~plica pe ndelete aceast operaie, .m~r~t s
facem c~t~va precizri suplimentare. COJ:!lt,JD.(3li~,~a, pentru fiecare vanabi~a, _nu
este altceva dect suma R.tr.S'ltelor fiecr~i saturaii factori.ale. Astfel, daca ~uam
itemul 1, observm c~ suma ptrate lor celor trei saturaii este egala cu
comunalitatea pentru itemul respectiv.
,047 ,433 ,590 ,538 interpretarea f~!(torilor. De fapt, tabelul prezentat anterior se constituie, ntre
,082 ,504 ,569 ,584 .anumite limite, ~tr~o matrice a corelaiilor care exist ntre fiecare item al scalei i
,769 ,309 -,053 )590 factorii extrai. Ca n orice proces de corelaie, cu ct saturaiile.erau mai mari, cu
att exista o legtur mai puterniC[Tntr.!"Jactorul respectiv i coni11utul itemului n
cauz. Au fost propuse mai multe praguri valorice ale gradului de saturaie de la
care s se considere c o anumit variabil este ncrcat n factorul respectiv.
Cele mai ntlnite sunt pragurile de .30, .4Q i .50 ..Ce nseamn aceste praguri
_ dac apelm la interpretarea coeficienilor de determinare corespondeni? Luarea
n considerare a unei saturaii de .30 indic o dispersie comun de numai 9% (.30 2 )
ntre factorul n cauz i variabila respectiv. Acceptarea unui prag de .40 indic
selectarea acelor itemi, ale cror dispersii sunt n proporie de 16% influenate de
factorul n cauz. Tn sfrit, acceptarea unui prag de .50 ca limit pentru C1
considera c un item este saturat n factorul-respectiv, indic o dispersie comun
de 25%. Desigur, aceste valori de corelaie sunt dependente de~yolumul
eantiQ!lUiui, deoarece o dat cu creterea acestuia vom obine valori tot mai mici
ale coeficientului de corelatie. fn aceste condiii, autori precum Hair et al. (1998)
propun cteva pra.gurl de ~cceptat, care s ofere o putere statistic de .80, n
condiiile unui p < .05. Astfel, n cazul a 100 de subieci, pragul minim de la care
putem spune c un factor influeneaz o anumit variabil este.;...~, n timp ce un
prag de .30 este suficient pentru un volum al e~antionului de cel puin 350 subieci.
De reinut c aceste valori nu trebuie interpretate n termeni absolui. Astfel, nu
putem spune c un item nu este influenat de uri anumit factor, dac saturaia sa
este de .53, la un eantion cu 100 de persoane. Tn schimb, putem aprecia c o
saturaie de .33 nu merit a fi luat n calcul, dei aceeai valoare ar fi fost mai
relevant pentru un eantion de 400 de persoane.
Analizai dinamica saturaiilor din tabelul <:lnterior pentru cei 111 profesori
evaluai. Se observ c cei mai muli itemi sunt ncrcai n primul factor (ex. toi
item ii, cu excepia 11, 13 i 14). Acest rezultat este normal pentru o soluie nerotit.

154
155
Merit, de asemenea, menionat c exist o serie de itemi care @ au O.-.tcu,ctur
simpl, par a fi influenai de aciunea concomiten~ a mai multor factori (ex. ite~~i
3, 10, 12, 13 i 14). Acest rezultat ngreuneaz interpretarea factorial a solu1e1.
De aceea, se obinuiete frecvent s se aplice rotir~JacQrilor ~pentru a elimina
aceste probleme i a obine structura ce<unai simpl.
. Criteriul structurii simple a fost definit de Thurstone. Ce nseamn acest
lucru'? Din multitudinea. de rotatii posibile, cele care concfuc la structuri simple vor fi
mai uor interpre1blle .-i vo~ avea o semnificaie ps~o~ogid3.__ ..seal. Aceast
structur simpl duce la obinerea unor satur9ii ridicate ntr-un singue,jactor i_
redus n -~~'i'ialti. De asemenea, numrul de item! saturai n primul factor va
scdea reechilibrnd ntr-o anumit msur, modul n c:are fiecare factor extras
contrib~ie la explica:ea dispersiei. Vom selecta patru din . itemii care par a fi
ncrcai n mai mult dect lin singur factor.
Tabelul 5.5. !temi cu structur factorial complex
alegere examen (3) .,647 -,512
plictiseal* (4) ,686 -,389
lips ncredere (1 O)* ,514 ,557
transpiraie (12)* ,582 ,401
Rotirea factorilor poate fi mai uor neleas prin apelul la reprezentarea
grafic din figura 5.5. Grafic, factorii sunt repreze.ntai prin sistemul de axe, iar o
variabil situat n apropierea unei axe indic saturaie crescut n acea
dimensiune (factor). nainte de rotire, poziia celor patru variabile era incert pentru
a desemna i interpreta cei doi factori. Toate cele patru variabile erau situate
aproximativ !a jumtatea distanei dintre sistemul iniial de axe. Prin rotirea
celor dou axe, cu aproximativ 40 n direcia acelor de ceasornic, structura
s-a simplificat (vezi liniile punctate). Astfel, se observ c itemii 3 i 4 sunt foarte
Factorul2
Factorul2
.-/10
12
Factorul!
Factorul!
Figura 5.5. Schematizarea procesului de rotire a factorilor
156
satu~ai n factorul 1 i prea puin n cel de-al doilea. n schimb, poziiile apropiate,
ale itemilor 1O i 12 de cea de-a doua ax indic o saturaie puternic n acest
factor i o slab saturare n primul.
n vederea obinerii structurii simple au fost dezvoltate mai multe modalitti
de rotire a factorilor. Cea mai important distincie ntre acestea mparte rotirile ~
dou categorii: ortogonale i oblice (Kachigan, 1991; Pedhazur i Schmelkin
" ~~----- . :.-~- - )
i 991 ). In cadrul rotirilor:,}]fto~fonale, factorii sunt constrni s rmn necorelati,
adic s formeze un ~.!lghi de 90. Figura 5.5 prezint o astfel de rotire, -~ ca~e
ambii factori sunt redirecionai spre dreapta cu aproximativ 40. Acest fapt menine
unghiul drept dintre cei doi factori.
n schimb, rotirile"",Q_bJice.._presupun redirecionarea factorilor cu intensitti
diferite. ~c.:est lucru face ca dup rotire, unghiul dintre sistemul de axe s<fnu fie d~
90. Transpus n termeni statistici, aceast informatie precizeaz c-factorii
exfri3.i-coreleaz ntre ei, nefiind independeni unul de c~llalt. Figura 5.6 prezint.
grafic diferena dintre cele dou modaliti de rotire.
ROTAIE ORTOGONAL ROTAIE OBLIC
.........................................................
../ .................. ...... ~ .....
/
,./ ............... .....................................
........
.:r......"'
_.,. ~
Figura 5.6. Tipuri de rotiri ale factorilor
Alegerea dintre cele dou tipuri de rotire este dependent de cunotinele
pe care leavem despre variabile i despre presupuii factori extrai. Dac credem
.c exist corelaii. ntre dimensiunile latent(3_E;!_Xtras.e,' ar trebui s optm pentru rotiri
de ti.P.Jl.Ql~. Dac considerm d3. factorii extrai nu trebuie s core!eze, vom alege
rotirea ortogonal. Evident c alegerea greit a tipulli! de~-rotfre~-1actoria! se
so!deazclT'oblnerea unei soluii ndeprtate de cea mai simpl structur, fapt ce
ngreuneaz interpretarea factorilor.
n cazul nostru, obiectivul specificat era de a distinge ntre efectele
educaionale, psihologice i somatice rezultate n urma didactogeniei. Ne ateptm
c aceste dimensiuni s fie independente, adic s nu core!eze deloc? Putin
probabil. Bunoar, elevii afectai de comportamentele inadecvate ale profesoril,or
157

pot suferi att n plan somatie (ex. "Dup ora de X m simt obosit".), ct i n plan
educaional (ex. "Dac a avea posibilitatea, a chiuli de la. ora de X".). Aceste
efecte se pot ntreptrunde, fiind probabil existena unei corelaii ntre cele dou
seturi de efecte. Lucrurile ar fi stat diferit, dac ne-am fi propus s~ realizm o prob
de evaluare a flexibilitii i am fi dorit s pstrm civa itemi ntr-o subscal de
minciun. Informaiile teoretice n domeniu nu specific existena vreunei relaii
ntre flexibilitate i scala de minciun. n aceste condiii, s-ar fi impus utilizarea unei
rotiri ortogonale pentru a obine o structur ct mai simpl.
Dincolo de aceast distincie esenial, putem identifica mai multe
modalit_i de rotire a factorilor (Garson, 2000; Field, 2000).
\vaiimax
sCtt3""acest nume se gsete cea mai utilizat rotire factorial de tip
ortogonal. Ea i propune s minimizeze numrul devariapile _care au o saturatie
crescut Jntr-un anumit factor. Aceasta." duce aparent ~T~.p~ri.;ea itemilor: o parte
avnd saturaii crescute n acel factor, iar cealalt parte, o saturaie sczut.
Aceast rotire este recomandat n toate situaiile n care decidem s rotim
ortogonal factorii i reprezint opiunea standard n SPSS.
.Quartimax . \
E;ife o rotire o~togon(3l alternativ. Ea i propune s minimizeze numrul
de factori neceari .Pentru a explica fiecare variabil. Tehnica este mai putin folosit
deoa;ce tinde s determine majoritatea varia.bilelor s fie saturate ntr~un singur
factor. Totui, n situaiile n care teoria afirm existena unui factor general unitar
(precum factorul g din domeniul inteligenei) este recomandat aceast rotire.
Okef?t ob!imin
Aceasta este o rotire oblic fle)(ipil, deoarece permite factorilor s
corelez~a intensiti variate, prin modflcarea valorii lor delta. n SPSS, delta este
prestabilifla valoarea zero, ceea ce nseamn c nu-pE;r;;ite corelaii ridicate ntre
factori. o astfel de valoare duce frecvent la valori absolute ale coeficienilor de
corelaie ntre factori cuprinse ntre O i .50. Delta poate fi modificat intre valorile.:...
0.8 i 0.8. Valorile pozitive permit corelaii ridicate intre factori, fiind posibile i
valori ale coeficienilor de corelaie de .80. Similar, valorile delta negative permit
corelaii foarte mici, coeficienii de corelaie fiind inferiori celor obinui dac
pstrm delta egal cu zero~ Desigur c valoarea delta va. fi stabilit tot din raiuni
teoretice. Totui, pentru cele mai multe situaii, valoarea standard (delta= O) poate
fi pstrat. Aceast rotire este cunoscut i sub numele de rotire direct quartimin,
fiind cea mai ntlnit rotire din categoria celor oblice.
!omax
n 'iine, Promax este o alt procedur de rotire oblic, mai putin utilizat
datorit pretrii sale mai ales la eantioane foarte mari d~-;,~-biecti. To~te aceste
tipuri de rotiri sunt prezente i ntre opiunile SPss:" -- ' dou
Rezultatele obtinute n urma rotirii factorilor sunt structurate n dou matrici
finale: matricea str_u~turii factoriale(T~ SPSS.: structure -m~trix) i matricea
mod.Jului fac;or~l (n SPSS: factor matrix). De remarcat c aceste matrici sunt
158
ide~tice ~a Vi<:J~i_o~~riute n_q3drul rotaiilor ortog6nale, caz in care SPSS-ul ofer
o Si~gura matnce (m englez "rotated component matrix" sau "rotated factor
matnx").
Matricea structurii factoriale i matricea modelului factorial
. _ ~atr!cea s~ructurikfactoriale conine corelaiile oiJinuite (ge ordinul zero)
dintre vanabilelepqginaleiJactoriiroii. Cu ct o corelatie este mai mare cuatt
variabila respectiv este mai strns legat de factorul re,spectiv. n situatii, n care
factorii sunt corelai ntre ei, valoarea corelaiei dintre ~n item i un anu~it factor
:ste ~ediat (in:luenat) de relaia dintre ceilali factori extrai i itemul respectiv.
In ..schimb; matncea. modelului factorial conii)~,J?S!Jlcjer~rj_(in englez "weights")
utiliZ~~e .m determmarea scor,!JlYL }_acor~al. Acestea sunt corespon_gentul
coeficieniiOL_~~ndardizai beta din ecuaia de regresie. Ponderrile indic influenta
"pur" a unui factor asupra variabilei respective, eliminnd influenta c~i~rl~iti
facti5f'i~"Cu alte cuvinte, ponder~rlie. indic val~rile coeficientilor d~ ~~relati~
semip;ar.iaJ n. situaii de standardizare a datelor. Cele dou 'mat~ici au val~ri
similare}n. condiiile n care factorii extr;iqucoreleaz ntre ei. Lip~a corelatiei
dintre factori este tipic cazurilor n care soTuiile factoriale obinute nuau fost rotite
sau au suferit rotiri de tip oxo,gq_nal. Din pcate, asemnrile dint;~ ele creeaz
confuzii p~ntru unii cercettori, matricea modelului factorial fiind interpretat greit,
ca o matnce de corelaii dintre variabilele i factorii extrai (Pedhazur i Schmelkin
1991; Kline, 1993). '
n cazul rotirilo.coblice,_ SPSS-ul ofer, complementar, o matrice de corelatii
!ntre factorjjeJ:ctrai, pentru" sesiza structura i intensitatea relaiilor dintre aceti~ ..
a"
In c~zul efectelor psihologice, educaionale i somatice din cazul prezentat
antenor, SPSS-ul ofer urmtoarea matrice de corelaii ntre factori:
Component Correlation Matrix
Comoonent 1 2 3
1 1 ;000
2 ,404 1,000
3 ,010 1,000
'110
o
Valoarea ingrosata este semnificativa statistic la p < .001
Figura 5.7. Output SPSS cu matricea corelaiilor dintre factori
SPSS este o marc nregistrat.
n figura 5.8 sunt prezentate matricile de baz oferite de SPSS. Tn cele
se observ o asemnare n structur dup rotirea oblic a celor trei factori
extr~i. Matricea modelului factorial indic o grupare a itemilor 1, 2, 3, 4, 5 i 7
dupa primul factor, a itemilor 6, 8, 9, 1O, 12 i 15 dup al doilea factor, respectiv a
159
lllllllll.llllllllli'lllllllllllllllllllll'llllllllllill!l'lll'll!llll,lll'llllll '!'1111111111.11111!111::111..1111!1!1!!1: 111''!1:!1!11! 111.111 1m:mlfiiJ11 '11111ill:'lll:1iii.'IIIIW.WI:!I:I

itemilor 11, 13 i, 14 dup al treilea factor. Matricea structurii factoriale, ne arat ntr-o manier similar se procedeaz la analiza i interpretarea celorlali
corelaiile dintre fiecare item i factorii n cauz. factori. Astfel, factorul doi pare a fi strns legat de item ii 6, 8, 9, 1O, 12 i 15.
Corelaiile acestor itemi cu factorul doi sunt foarte ridicate, variind ntre .718 i
.852. Analiza de coninut a aeestor itemi, evideniaz structura dubl, implicnd
Pattern MatriX' , Structure Matrix
efecte psihologice (ex. "M-am simit umilit de ctre profesor".) i efecte somatice
Component Comoonent (ex "Dup ora de X m simt obosit".). n consecin, acest factor poate fi etichetat
1 2 3 1 2 3
-,099 -,100 -,027
sub denumirea "efecte psihologice i somatice" ale didactogeniei. n sfrit, cel de-
E.D03 ,868 ED01 ,878 ,516
E.D05 ,831 -,059 ,048 ED03 ,827 ,240 -,103 al treilea factor este strns corelat cu item ii 11, 13 i 14, valorile coeficienilor de
E.D04 ,803 ,007 -,028 ED05 ,807 ,282 ,050 corelaie pentru acetia fiind cuprinse ntre .696 i .760. Se remarc, din coninutul
,797 ,200 -,057
E.D01 ED04 ,805 ,328 -,019 itemilor, c toi trei fac referire la o stare somatic gen~ral a elevilor la coal, fr
ED02 ,749 ,059 ,194 ED02 ,383 ,208
,775
ED07 ,572 ,167 -,026 a fi specifici unui anumit profesor (ex. "Dup o zi de coal gtui meu devine
ED07 ,639 ,395 -,002
ED12 -,145 ,877 -,144
,004
ncordat".).
ED09 ,470 ,852
ED09 ,147 ,803 -,085
ED06 ,490 ,811 ,041
ED10 -,153 ,756 ,216
ED12 ,208 ,803 -,049 Etichetarea faCtorilor
ED06 ,192 ,738 -,042
ED15 ,498 ,796 ,218
ED15 ,217 ,693 ,139
ED08 ,518 ,768 ,070
EDOS ,248 ,669 -,007 Aadar, interpretarea factorilor este un proces subiyctiy pazat pe matricea
ED10 ,154 ,718 . ,298
ED14 -,069 ,074 ,753 structuriiJactoriale sau pe matricea modelului f.q,_ctorial. Denumirile JactQrilor au la
-,009 ,734 ED14 -,032 ,129 ,760
ED13 -,028
ED13 -,024 ,060 ,732 baz o bun cunoatere te,,\?,I~tk:iLEJ_cjqmeniului. Totui, pot exista cazuri n care
ED11 ,098 -,061 ,702
Extraction Method: Pnnc1pal Component Analysis. ED11 ,081 ,056 ,696 etichetarea factorilor nu,_..Jlg_J _uor. Tn astfel de situaii, cercettorii tind s creeze
Rotation Method: Oblimin with Kaiser Normalization. Extraction Method: Principal Component Analysis. noi etichg!.C;LQ~ftru acetia. Dou exemple clasice n psihologie sunt date de
a, Rotation converged in 8 iterations. Rotation Methoo: Oblimin with Kaiser Normalizatior
denumirile celor 16 factori primari din teoria personalitii a lui Cattell sau de
personalitile de tip A sau B din cercetrile asupra stresului desfurate de
Figura 5.8. Matricea modelului factorial (n stnga) i matricea structurii factoriale (n dreapta) Friedman.
SPSS este o marc nregistrat. Dup etichetarea itemilor se poate studia matricea corelatiilor dintre factorii
extrai. n problema de fa, se observ c singura corelaie se~nificativ statistic
este cea obinut ntre primul i al doilea factor (r ::;; .40), adic ntre efectele
5.1.3.5. Interpretarea naturii factorilor pedagogice i efectele psihosomatice. Acest aspect pare normal, deoarece
Pornind de la matricea structyr,jJJc:~ctorial.~ rezultat n urme:~ rotirJlJ:'!<:;()rilO.r comportamentele inadecvate ale cadrelor didactice pot exercita influene negative
vom urmri s int~,!llmt.IJ1JC!ctorii, t:!xra.i. Din ambele matrici ale figurii 5.8. ~e n planuri multiple. De asemenea, prin lipsa corelaiei dintre efectele pedagogice i
observ c primul factor este prezent n itemul 7 i n primii cinci itemi. Corela1a efectele somatice generale, respectiv dintre efectele psihosomatice i efectele
acestor variabile cu factorul respectiv variaz ntre .639 i .878. Cu ct corelaia somatice generale, se constat o bun discriminare i validare a faptului c primii
este mai mare cu att variabila respectiv are un rol mai mare n interpretarea - doi factori msoar efectele declanate de conduita unui anumit cadru didactic,
factorului. Se pune ntrebarea general, ce au fn comun aceste variabile saturate fiind specifice interaciunii particulare dintre un anumit dascl i clasa de elevi.
puternic n primul factor? n plus, ce difereniaz acest set de variabile de celel~lte
care nu au obtinut saturaii ridicate n factorul respectiv? Din analiza de coninut 5.1.3.6. Ameliorarea structurii factoriafe
(vezi matricea 'modelului factorial din figura 5.8. i tabelele 5.1 sau 5.4) reie:e ~ De multe ori, o dat cu interpretarea-oa_ti,JijiJg_'2QriJor, cercettorii tind s
cei ase itemi privesc efectele n plan pedagogic, ei fiind strns legai de motivaia finalizeze procesul analizei factoriale. Recomandarea mea este s nu ne oprim la
colar. Astfel, elevii afectai n aceast direcie nu sunt atrai de orele res.pe~ti~e. acest"nivel. Urm~tQ;yf-pa_s const r~ evaluarea posibilit~[~orde. modificare sau
absenteaz de la acele ore atunci cnd au ocazia, nu nva la diSCiplina fmbunt~~ a scalei. Se vor urmri cteva aspecte, cele mai importante fiind
respectiv i evit contactul cu aceasta. La cellalt capt, se afl elevii care nu gradul de comlJ.[lalitate i de saturatie al fiecrei variabile incluse fn studiu.
sunt afectati n plan pedagogic, cei crora le face plcere s fnvee i sunt atrai Cu ct gradul decomun_litt~~st~ mai mare, cu att variabila respectiv
de disciplina respectiv, participnd activ la orele respective. este influenat mai mult de factorii comuni extrai. Spre exemplu, o comunalitate
de .804 a itemului ."mi plac orele de X." indic faptul c dispersia variabilei

160 161

respective este influenat n proporie de 80,4~. ~e.. a~iunea_ fact~ri~or co~uni i
doar un procent de 19,6% se datoreaz un1c1tau 1temuiU1, ad1ca eronlor de
msurare i factorilor specifici. O valoare a comunalitii ;.Y.J2...0in~ic__fapt~l c
itemul respectiv este..influenat Tn mai mare msur de aspecte un1ce, ?ecat d~
actiunea factorilor comuni extrai. Totui, o variabil care are o comunal1tate mal
redus (ex . .40) poate fi pstrat n scal, dac este ncrcat ntr-un _si~g~r factor
comun i ajut la definirea acestuia. Aceast regul nu se apl_1ca In cazul
comunalittilor foarte sczute (c < .30). .
Ratiunile acestei decizii pot fi nelese uor prin urmtoarea demonstraie.
Fie o scal,cu doi factori, n care doi itemi au, ambii, o comunalitate de .40 i grade
diferite de saturaie dup o rotire ortogonal.
(1) .40 = (.62) 2 + (-.12) 2
(2) .40 = (.45) 2 + (.44) 2
n cazul primului item, -se observ clar saturaia. n primul factor (.62) i
lipsa corelaiei dintre item i factorul al doilea. ntr-o astfel d~ :ituaie, n ciuda ~nei
comuna!itti relativ sczute, putem pstra variabila respectiva deoarece ofera un
bun ajutor Tn definirea primului factor. n schimb, n al doilea caz_am pute~ ex~lude
sau nlocui cel de-al doilea item deoarece, pe IE'mg comunal1tatea scazuta, nu
ofer nici claritate n interpretarea factorilor datorit saturaiilor. egale n cei doi
factori (ex. 45, respectiv .44). Acest criteriu al claritii interpretrii factori~o: poate
sta la baza eliminrii sau modificrii itemilor care, dei au un grad nd1cat de
comunalitate, nu ajut la interpretarea factorilor:
Aceste valori discutate ale comunalitilor sunt valabile pentru _lnallza
compofle'ritelr.p'ifilcipale, sub forma ei clas~c sau n cad~~~ an~lizei factoriale a--~
componentelor principale oferit de SPSS. In cazul alegem unei alt~ QJeto~~--9~""
extractie afactorilor, vom obtine comunaliti mai mici, de aceea pot f1 acceptate I
valori 'mai reduse (ex. c = '.20, n cazul anal'lzei factoriale a axelor principale).
Aceast sit~;i(t se explic prin apelul la teorie. n cazul analizei comp~f1E?nJg!p~
principale, prin comunalitate se nelege dispersia explicat c_e~ i~clude a~at fact~n
comU'ni, ct i factori specifici. Sensul tradiional al comunalltau_ se regasete ~~
analiza factorial exploratorie. Aici, prin comunalitate se nelege ~nfluena con:_u~~
de starea general de sntate a elevului i de particularitile colarizrii n
general. n consecin, un studiu ulterior poate conduce la eliminarea acestor itemi,
n condiiile n care dorim s ne concentrm pe efectele declanate de un anumit
cadru didactic.
Reversul paragrafului precedent const n nea>ariia unor factori care erau
ateptai n prealabil. n cazul de fa, ne ateptam s=;;-bfinem o difereniere mai
clar ntre-efedee psihologice i cele somatice. n schimb, acestea au corelat
puternic ntre ele, conducnd la extragerea unui singur factor. n astfel de situaii,
se recomand introducerea unor itemi S"!;!Rl~I]-~Dt?ri n cercetrile ulterioare pentru
a ameliora instrumentul de msurare. Criteriul de selectie utilizat n introducerea
acestor it~mi fi~; de t;starea structurii unilaterale s~u bifactoriale a itemilor
respectivi. Astfel, vom putea introduce doi itemi suplimentari, unul care face
trimitere la efecte n plan somatie (ex. "n timpul orelor de X m apuc durerile de
cap."), iar altul care se refer la efecte n plan psihologic (ex. "M simt descurajat
. s-mi exprim punctele de vedere n timpul orei de X."). n msura n care
introducerea acestor itemi nu va diferenia ntre efectele psihologice i cele
somatice, am putea conchide c o structur comun este mai potrivit n acest
caz. O regul uzuaJ.?,,.specific precizeaz necesitatea existenei a cel__puin trei
iteml pentruJ.'1ecareJactor extras.
n concluzie, un studiu explorator ulterior poate urmri ameliorarea scalei
de msurare a efectelor nedorite prin introducerea urmtoarelor modificri:
(1) eliminarea itemilor 11, 13 i 14 care nu fac referire la efectele declanate
de conduita unui anumit dascl, ci msoar o stare somatic general;
, (2) introducerea a doi itemi suplimentari pentru a vedea n ce msur se poate
. diferenia ntre 'efectele psihologice i cele somatice, adic pentru a
determina ct de adecvat este extragerea unui singur factor pentru cele
. dou tipuri de efecte:
5.1.3.7. Aspecte metodologice complementare
n analiza factorial merit s fie trecute n revist cteva aspecte care
influenteaz rezultatele .. demersuluLstatistic. -,Principalele probleme ce trebuie
discut~te ~~-~~feri-'!~ ~~fumul i caracteristicile eantion ului, la selectarea variabi-
-
lelor manifeste
.
dintr-un.dom'Ei"filu
.
i la conditii - . factorial.
, complementare n analiza .

asupra dispersiei datelor exercitat de aciunea simultan a factor~lor c~mum g:s11.
Prin urmare, factorjL_pE?cifici sunt exclui din coml(Jl~!~lte, formand, Impreuna cu
erorile de msurare, unicitatea dispersiei.
---Un alt motiv de nlocuire a unor itemi din scal este dat de apariia unor
factori care n prealabil. n-u er=aaa6rii. Acest rezultat este dependent n mare
msur i de conlnuitiite~'ilor introdu'i n analiz. n exemplul nostru,_ !ntenia a
fost de a construi o scal care s evidenieze efectele comportamentLJIUI 1nade~vat
al cadrelor didactice asupra elevilor. Item ii 11, 13 i 14, care au constituit al trell:a
factor - "efecte somatice generale" -, nu pot fi inclui n aceast categone,
deoarece nu coreleaz cu modul de comportare a dasclilor. ltemii in mai degrab
Volumul i caracteristicile eantion ului
Analiza factorial este o tehnic pretenioas n ceea ce privete numrul
de subiecti n;cesari."Minimul acceptat pentru o astfel de analiz este de 1'1)d de '
subieci, ~s~ este preferabil utilizarea unor eantioane de pest~"'?:Q9 d~ subieCi.
n plus, volumul eantionului este dependent de numruL<;le,_variabile supuse
analizei. Se recomand ca raportul numr de subieci per numr de variabile s fiJ
cel puin egal cu cinci. Astfel, pentru o scal cu 30 de itemi, ar fi de dorit un minim
de 150 de subiecti.'-Acest raport nu trebuie ns interpretat n mod rigid pentru
cazurile n care voiumul eantionului devine destul de mare. Astfel, putem efectua

163
162
 llll'lllllhll'lllllllll:lllllliiiiii'II'IIIIIIII'IIIIIIIIIIIIII'IIIIIIII''IIIIIIIIIIIIIII'IIIIIIIIII'IIIIIIIIIII.. III::II'III:III'!II!I:IIIIIUIIIIUIIIIIMIIIIUIIIIIUIIUIIIIII.IIUUIIU~--1
'llllllill'll!lll!'llllll 1
1'!11"''1''!'!11i:l!lll''li'!lill'lli!''l!!llllll:illll'lllli,ll'll'lilh

analiz factorial adecvat pe un eantion de 400 de subieci, chiar dac

o unui numr de itemi sub[.~prezentativi pentru domeniul de interes_ afecteaz
numrlll de variabile (itemi) este de 130. Mai rmne s reamintim doar c volumul coninutul factorl!J.~L~~~p~ctiv. Pentru a clarifica aceast ultim situaie voi apela la
eantionului determin, n anumit msur, valorile de la care considerm c un teoria de personalitate Big-Five a lui Costa i McCrae (1992). Unul dintre domeniile
anumit item este saturat de factorii extrai. personalitii este nivelul de agreabilitate. Acest domen(u contine ase fatete
n ce 'privete caracteristicilej'cmtionului, soluia ideal ar fi selectarea reprezentative: ncrederea (are ncredere n ali oameni), sinceritat~a (spune ce 'are
unui lot de persoane de o omogen[t<?t~ ;Tledie: Un eantion pr~<3 P!TlOgen poate pe suflet), altruismul (este disponibil spre ajutorarea celorlali), conformismul (evit
induce o soluie factorLal greit. Kline (1993) exemplific foarte bine aceast conflictele interpersonale), modestia (nu se comport n mod arogant), i
stare de fapt prin situaia urmtoare. S presupunem c un cercettor dorete s implicarea afectiv (receptivitate la apeluri umanitare, opusul fiind persoanele care
identifice care sunt factorii care afecteaz reuita academic i utilizeaz un lot de se consider realiste i iau decizii bazate pe o logic rece).
subiecti de elit studenti ai Universittilor Oxford i Cambridge. Datorit Pentru a msura agreabilitatea este important s fie prezenti itemi din
omoge,nitii lotulu,i, am put~a avea surpriz~ de a constata c inteligena nu joac toate aceste faete. Dac vom utiliza doar itemi care msoar nivelul de altruism,
un rol important n. reuita academic, deoarece majoritatea studenilor de la vom obine un factor care nu va putea fi etichetat "agreabilitate". n schimb, cel mai
aceste universiti au o inteligen superioar. Dac eantionul de subieci ar probabil, factorul va fi foarte distinct i va avea o consisten intern ridicat.
include studenti de la toate universittile britanice am avea mari anse s Validitatea de construct a agreabilitii, msurat exclusiv prin faeta altruismului,
demon-strm ci inteligena joac un rol i~portant n reuita colar. Un exemplu va dovedi ulterior caracterul eronat al etichetrii factorului prin acest domeniu
revelator este faptul c foamea nu a fost gsit ca fiind un factor motivaional general, n condiiile n care celelalte faete sunt absente.
fundamental ntr-o cercetare a lui Cattell i Child (apud Kline, 1993), deoarece Pornind de la acest aspect, se cuvine s precizm c n analiza factorial
subiecii erau provenii din ptura medie i superioar a unor ri foarte dezvoltate~
~e v_orbete d~ dou~ ~ategori_i de f~~to~i:cS?.QIJlU.fli: prim~Jrezultai din corel~till.E1-
La polul oR_U?. se regsete selectarea unui eantion fo~<;ir.te.~Je_rogen. In ,tem)J9.E ,upu1 analizei factonale) I sec~JJ1St~Li. (rezultai din corelaiile factorilor
astfel de situaii, apare riscul de a extrage o serie de factori irelevani pentru primad selectai). Aceast organizare ierarhic se poate observa i n ca~ul
obiectivele urmrite multi factori fiind rezultatul unor caracteri'stid demografice dimensiunilor personalitii din Big Five i nu numai. Astfel, agreabilitatea este din
difereniatoare. ntr-~ ase~enea situaie se recomand utilizarea analizei factoriale punct de vedere statistic un factor secundar bazat pe ase factori primari:
pentru fiecare "sub-eantion" relevant. ncrederea, sinceritatea, altruismul, conformismul, modestia i implicarea afectiv.
Testarea gradului de adecvare a eantionului se poate face prin metoda Fiecare dintre acetia au la baz itemi specifici care sunt msurai direct prin
KMO- (Kaiser-Meyer-Oikin) prezent n SPSS Factor ~.. Pe~griptives. Acesta poate afirmaiile prezente n inventar.
ua valori ntre Q..LJ" Dac valorile obinute sunt sub .50, eantionul nu este
adecvat pentru a realiza o analiz factorial. Valorile ntre .50 ..L.}O sunt
Factor
satisfctoare, cele pest~JO sunt adecvate, iar cele peste .8Q_.~unt excelente secundar
pentru a aplica analiza factorial pe eantionul respectiv (Field, 2000). Gradul de
Factori
adecvare a eantionului pentru fiecare variabil n parte poate fi testat prin _ primari
obinerea unei anti-imagini, opiune disponibil n SPSS n aceeai seciune.
Matricea obinut va avea, printre altele, o serie de valori pe diagonala principal, !temi
fiind necesare valori mai mari de .50 pentru fiecare variabil n parte.
Nendeplinirea acestui criteriu poate duce la eliminarea itemului respectiv din
Figura 5.9. Relaia dintre itemi, factori prim an i factori secundari
analiz.

Selectarea variabilelt;u:~supuse analizei factoriale

Asumpii complementare ale analizei factoriale exploratorii
Teoria analizei factoriale stipul.eaz selectarea unui g~~pJepre_zentativ de
n aceast c~:i'tegorle vom prezenta cteva metode de testare a msurii n
variabile pentru domeniul de interes. Selectarea unor variabile care nu fac parte din
care este potrivit utilizarea analizei factoriale.
domeniul respectiv se soldeaz cu obinerea unor fagtori nee~tepta1i sau irelevani.
O prim asumpie privete multico{{a,i.a(itatf!? va,riabilelor manifeste. Pentru
Cei trei itemi din scala prezentat pe ntreg parcursul acestui capitol pot fi inclui n
a efectua o analiz factorial semnificativ ar fi bine ca asocierile dintre variabile s
aceast categorie, deoarece ei nu se refer la domeniul efectelor produse de
nu_JieJg_rt~ mari (ex. r > .90), deoarece exist riscul de a msur~ acelai lucru.'
comportamentul unui anumit cadru didactic n particular. De asemenea, selectarea
SPSS-ul ofer posibilitatea de a calcula determinantul matricei de corelaii-Tncadrul

164
165

sectiunii "Descriptives" din analiza factorial. Dac valoarea acestLi!a este mai mic
dec~t o, 00001, putem diagnostica o situaie de multicoliniaritate. Intr-o asemenea
situatie va trebui s observm care coeficient de corelaie este mai mare de .80
sau :90 i s eliminm una dintre variabile, deoarece exist ansa .ca ele s
msoare acelai lucru. _ pe un lot de 71 O elevi din clasele a VIl-a i a VIII-a. Analiza factorial s-a realizat fi:jr a avea
o situatie, oarecum opus, este cazul n care variabilele nLI...coreleaz ntre
ele, prin urmar'e nu sunt afectate Q&.ff).ctori comuni. Testul de):;!ericita!e .al lui
Barlett: prezent n "Descriptives", SPSS, testeaz o asemenea tpotez_a:. _tn ce
msur avem de a face cu o matrice de identitate (corelaiile dintre vanabtle, cu
excepia diagonalei principale sunt zero)? Unre'Zultat semnificat~v statistic elimin
aceast posibilitate i ofer ansa realizrii analizei facton~l~-- Un rezultat
nesemnificativ indic faptul c analiza factorial nu este potnvtta pentru a fi
aplicat. Din pcate, numai situaiile clare sunt diagnostic~te, d~oarece test~l tinde,
de regul, a fi semnificativ datorit numrului mare de subtect dtntr-un eantton. _
Toate aceste teste preliminarii au fost efectuate i pentru scala de faa,
rezultatele indicnd o pretare foarte bun a variabilelor i a eantionului chestionat
pentru a fi analizate factorial. . .
n sfrit, analiza factorial poate fi aplicat n situaiile n care vanabtlele (6) probasteguleelor- include itemi sub forma unor steaguri rotite i reflectate n diferite
sunt msurate prinscale de tip intervaLsauraport, iar n cel mai ru caz, prin sca!e
de tip -ordinal. Nu este recomandat analiza factorial clasic a datel~r de_ ttp
categoria! (ex. rspunuri de tip da sau nu), deoarece coeficienii d~ c~relate pht nu_
pot lua valori pe ntreaga gam de la -1 la +1, iar relaia dintre vanabtle nu poat~ ~~
liniar. n aceast situatie se recomand utilizarea altor metode de analtza
factorial, precum "Cat~gorical Principal Components" din pachetul adiional
SPSS categories 11.0 (Meulman i Heiser, 2001) ori analiza claselor latente
(Finch i West, 1997). . . _
Totui, printr-un artificiu tehnic se poate aplica analtza factor_tala
expLore1torie, n cazul datelor dihot_ornice, dac se renun la utilizar~a itemulut ca
unitate de msur, n favoareascalei' ori a unui pachet de itemi. Pnntr~un pachet
de itemi se intelege gruparea mai multor itemi i analizarea lor mpreuna. Astfel, o
scal care av~a n prealabil 40 de itemi cu rspunsuri dihotomice de tip "Da" sau
"Nu" poate fi analizat factorial n stil clasic dup o grupare prealabi! a_ itemilor ~
1o pachete a cte patru itemi fiecare. n acest fel, rspunsurile subtectlor nu mat
5.1.4. Exemplu de analiz factorial exploratorie - cazul inteligenei
n cele ce urmeaz, vo.i prezenta mult mai succint paii unei analize factoriale
pornind de la o serie de probe ce msoar inteligena. Baza de date include rezultatele de la
no.u probe aplicate deThurstone i Thurstone n 1941 (apud Tucker i MacCallum, 1997),
acces la baza de date brute, pe baza matricei de corelaii prezentate mai jos. SPSS-ul ofer
aceast posibilitate prin sintax. lat o scurt descriere a celor nou teste:
(1} probe de adunare- include itemi ce presupun adunarea pe coloane;
(2) probe de nmulire- include itemi de nmulire a dou numere;
(3) proba seriei de numere - include itemi ce constau ntr-un ir de numere care se
multiplicau cu trei, cum ar fi seria: 1, 3, 9, 27, ... ; subiecii trebuiau s identifice numrul
urmtor;
(4} proba figurilor- include o serie de litere sau semne care au fost rotite sau reflectate n
oglind; sarcina este de a identifica care figuri dintr-o serie sunt identice cu prima figur;
(5) proba crilor - include itemi sub forma unor cri de joc reprezentnd diverse figuri
geometrice, rotite sau reflectate n diverse moduri; sarcina era de a gsi care cri pot fi
rotite pentru a se potrivi cu figura din prima carte;
direcii; sarcina era de a identifica care steaguri sunt identice, printr-o rotire de 90;
(7) proba identificrii numerelor - const ntr-o serie de coloane numerice; sarcina
subiecilor era de a identifica care numr din coloan este identic cu cel din capul
coloanei;
(8) proba feelor- const n seturi a cte trei fee umane, dintre care dou sunt identice;
sarcina avut era de a bifa pe cea care este diferit;
(9) proba citirii n oglind- fiecare item const ntr-un cuvnt scris normal, urmat de altele.
patru, tiprite ca i cum ar fi reflectate n oglind; sarcina era de a identifica care din
cele patru cuvinte este identic cu primul. .
Bineneles c obiectivul principal al aplicrii acestor probe era identificarea
unor factori comuni din cadrul domeniului inteligenei.
Matricea de corelaii dintre cele nou teste este:
2 3 4 5 6 7 8 9

sunt notate binar ("1 = Da", "0 = Nu"), ci pot lua valori de la O (n cazul n oare 1. Adunare

subiecii rspund "Nu" la toi itemii dintr-un pachet) la 4 (dac subiecii _rs?und 2. lnmulire .499

"Da" la toate afirmatiile din pachet). Metoda,care a fost propus de Catell, tar tntr-o 3. Serie numere .394 .436

variant modificat de Comrey (apud Kline; 1-993), are dou limite. Prima se refer 4. Figuri .097 .007 .292

la caracterul subiectiv de alegere a itemilor care vor fi grupai n acelai pachet, iar 5. Cri .126 .023 .307 .621

a doua limit vizeaz caracterul factorilor rezultai n urma unei astfel de analize. 6. Steaguri .085 .086 .328 .510 .623

Aceti factori sunt considerai de muli autori ca fiind factori de ordinulggj i nu 7. ldentificri numr .284 .467 .291 .044 .114 .086 >'j .
...
8. Fee .152 .235 :309 ,3j9 .376 .337 .393
....
factori primari. .. \-:.:.
9. Citire n oglind .232 .307 .364 .213 .276 .271 .431 .489 1: .

167
166
 i'IIIIIIUIIIIIrniiiii~IIIIIIIIIIIIIII-IIIIII~IIIIIIIIIIIIIUIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII'
il:l::.i1 '
1 IIII::IIIUIIIUIIIIIIIIIIIIII.IIIIIIIIIIIIIIiilll!:llllllllll:llllllllll:'lll !1' I I ll!lli 'lli 11: '" il: :111111 !III !III. 1111 'III.:: '1' i i, i: !i III' III! '

Dup alegerea tipui_\;JL de m?trice, orice analiz factorial necesit ITEM FAGTORI Comunalitate
parcurgerea urmtorilor pai: 2 3
./ testarea asumpiilor aferente; 1. Adunare -.06 -.04 .67 .30
./ alegerea metodeid_f.' extragerea factorilor; 2. nmulire .15 .14 .73 .42
./ selectarea numrului de factori extrai; 3. Serie numere .08 . -.28 .50 .36
./ inspectarea matricei '11Qdel-ului factorial urmat adeseori de rotjrea fact::>rilor; 4. Figuri -.01 -.73 .02' .43
./ interpretarea factorilor. , 5. Cri .05 -.82 .00 .53
Cele mai multe aspecte menionate anterior nu sunt trecute uzual m 6. Steaguri .05 -.69 .04 .44
sectiunea destinat analizei datelor, dei ele trebuie pc:~rcurse pentru a asigura o 7. ldentificri numr .61 .18 '.20 .35
analiz ct mai corect. Minimul de informaii ce trebuie oferit .n seciunea de 8. Fee umane .69 -.18 -.12 .36
analiz a datelor unui articol tiinific trebuie s ating urmtoarele puncte: 9. Citire n oglind .64 -.06 .03 .35
./ precizarea ntr-un paragraf a tipului de anajiz ntrepriQ~ (de ex_. P?A sau Corelaii ntre factori 1\ direct oblimin
EFA), a metodei de extracie a factorilor i a motivaiei pentru alegenlefa?ut~; Fact.or 1 2,18
./ precizarea ntr-un a~- paragraf, a numrului de !acto~i extrai, a. cnte~lllo~ 'Factor 2 -.36 2,18
folosite n acest scop, a tipului de rotire factorial, dac este cazul, I a ra1un11 Factor 3 .51 -.12 1,88
alegerii fcllte; . _
./ prezentarea unui tabel sumar care s conin matricea m?delulu1 factonal Se observ c primul factor este strns legat de ultimele trei probe. Toate acestea
(pattern matrix) i gradul de comunalitate a fiecrei variabile. _Nicol i Pex.ma~ necesit o examinare rapid astimulilor i identificarea acelora care sunt identici. Din aceste
(1999) ofer un asemenea model, pornind de la standardele Asoc1a1e1 considerente, am putea eticheta acest factor ca viteza de percepie. ntr-un mod similar, se
Psihologilor Americani (APA); observ c variabilele 4, 5 i 6 sunt saturate puternic n al doilea factor. Semnul minus este
./ n cazul rotatiilor oblice sunt specificate i corelaiile Jntre fac;tori. dat de modul invers de cotare a probelor. Aceste trei probe au n comun faptul c necesit
Pentru ~cest exemplu, o posibil formulare a seciunii de analiz a datelor abilitatea de a recunoate relaiile dintre diferite forme cu orientare spaial diferit. Prin
ar putea fi: urmare, am putea intitula acest factor- relaii spaiale. n ce~a ce privete cel de-al treilea
Obiectivul principal al studiului era de a identifica atributele interne care stau la factor, se observ saturarea ridicat n cazul primelor trei variabile i sczut pentru
baza celor nou probe de abiliti mentale i influeneaz evoluia acestora. De aceea, celelalte probe. Toate cele trei teste implic calcul numeric. Mai mult, nici una din restul
utiliznd programul SPSS 11.0, am apelat la analiza factorial a axelor principale pentru a probelor nu necesit calcul aritmetic. n consecin, am putea denumi acest factor ca abiliti
extrage factorii comuni. . de calcul.
n urma analizei, att criteriul scree plat al lui Cattell, ct i analiza paralel Se observ din tabel c cei trei factori nu sunt complet independeni. Dat fiind
adaptat dup Allen i Hubard (1986, apud Johnson i Wickem, 1998) sugereaz o soluie vorba de un eantion de 710 persoane, toate corelaiile intra factori sunt semnificative la un
adecvat cu trei factori. Acetia influeneaz mpreun 68,48% din totalul dispersiei celor p < .01. Se constat o corelaie ridicat, n special ntre viteza de percepie i abilitile de
nou probe. Fiind vorba de factori subsidiari factorului g din domeniul inteligenei, ne calcul numeric. Aceste corelaii ntre factori, vin s sprijine posibilitate,a existenei unui factor
ateptm s existe corelaii ntre acetia. n consecin, pentru a obine o structur ct mai supraordonat, fie el factorul g al inteligenei, aa cum a fost stipulat de Thurstone.
simpl, solutia a fost rotit oblic prin metoda direct oblimin la un delta egal cu zero.
n tabelul de mai jos sunt sintetizate trei categorii de informaii: gradul de Elementele prezentate mai sus constituie un minimum necesar de a fi
comunalitate a variabilelor, saturaia acestora n factorii extrai, cum rezult din matricea prezentat n seciunea de analiz cantitativ a datelor. Unii autori susin i
modelului factorial i corelaiile dintre f<;~ctori. Am ales s prezint matricea modelului factorial includerea matricei de corelaii ntre variabile. Prin aceast msur, cercettorii
deoarece este mai simplu de interpretat i pentru c ofer influena fiecrui factor asupra interesai ar putea reface sau modifica analiza, matricea fiind un element suficient
variabilelor n cauz, eliminnd medierea celorlali factori extrai. De remarcat ns c pentru a substitui baza de date. Introducerea matricei de corelaii este dependent
aceste saturaii nu reprezint coeficienii d.e corelaie simpl, ca n cazul rotaiilor de tip de spaiul editorial i de tipul publicaiei respective. n ceea ce m privete,
ortogonal sau a soluiilor nerotite. recomand prezentarea ei ori de cte ori exist spaiu suficient
n spatele acestei imagini de "vitrin" se regsesc o serie ntreag de
operaii, prezentate n detaliu n capitolul de fa i care se desfoar n
urmtoarea ordine:

169
168
'1111 11111 IIIIII.IIIIIII,IIIIII~IIIIIIIIIIIIIIIIII!IIIIIWIIIII, 111111'11111, 111111 11111' !11111 11111: 11111 :1111 1111' !IIIUIII .11111. :11111 IIIIL!IIIILIIIIUIIILIIIIIJIIIUIIIUIIIUII !IIILUIIIIJIIIIIUIIII~IIIIIIIIIIIIJIIIIIUIIIII, IIIIIIIIIIIIJIIIIIIIIII 11111, :11111 11111' lllllli:llllllllllll' ,111111111111 111111.11111 1111 1111 III: IIII!JIIII:_!III: 1111 IIUIIUIII ,IIIUIIi ,IIIILIIIII IIIIUIIIIJIIIILIIIIIJIIIIUIIII1 iiiiiLIIIIIuiiiiLIIIII! 111111 11111 ,III III, illl III' 'III 1111 11111 11111 1111, III 11' 11111!11111111111111'111111: '1111 '1111' 11111 11111 11111 1111 '1111' 111111 11111: 111111 111111 111111 111111111111 111111 11111! 111111111111: IIIIII~IIIIIWIIIII '11111 111111 '11111 111111 :11111 111111 :11111' 111111 '1111111111111111111111111 11111 111111 11111 11111111111111111111111111111111,1111111111111111111111111'111111111111111111111111111111111111111'11 111111 11111111111111111111111111111111111111111~1111111111111~111111~11111"111111'"11111111 ,,

(1) alegerea teoretic a tipului de analiz i a metodei d~_ ~xtragere a Pentru a rspunde la aceast ntrebare va trebui s aplicm analiza
factorilor; ~----" --- factorial confirmatorie. Cu ajutorul ei vom testa toate variantele enuntate mai sus
(2) verificarea condiiiloLrrecesare i inspectarea datelor descriptive; i, chiar mai mult, vom putea testa alte soluii noL Stabilirea unei struct~ri factoriale
(3) stabilirea numrului adecvat de factori extrai i rotirea factorilor (dac este adecvate este esenial att n cercetare, ct i n psihodiagnostic. Spre exemplu,
cazul); un individ procedeaz corect, dac reunete scorurile tuturor itemilor BAS pentru a
(4) interpretarea r:ez:ultatelor, finalizat cu identificarea naturii factorilor; obine un rezultat global n cazul n care soluia corect implic doi factori BIS i

(5) sugerarea eventualelor_ameliorri necesare n studii viitoare. BAS. Acelai lucru poate fi fcut i n cazul unei soluii cu patru factori, dintre care
cei trei factori BAS coreleaz ntre ei. n schimb, cercettorul va grei, dac va
calcula un rezultat global BAS n cazul unei soluii corecte cu patru factori
necorelai, deoarece ntre cei trei factori BAS n-ar exista o asociere.
Realizarea unei analize factoriale confirmatorii implic parcurgerea
5.2. Analiza factorial confirmatorie
_urmtoarelor etape: (1) specificarea modelelor _concurente, (2) identificarea
mQQelelor, (3) estimarea param~!r1!'9c--stalistici i testarea gradului de p~trivire a
Dac n cazul analizei factoriaJe ~e=_xploratorii numrul de factQJ:Le~trai se
moci~JE)lor, (4) re-specificarea modelelor (Kelloway, 1998). - -
stabilea pe baza unor cr[terii empirice, analiza factorial confirmatorie apeleaz la ..;....~. .. '"""'~. '<-.-.... ", . .:, '~

tes.tareaJp?tezelo[ pentru a stabili ~Gmrul deJactpri n c9re pgfireduse: datele.

Bineneles c~ pentru a putea testa aceste ipoteze, cercettorul trebuie s aib 5.2.1. Specificarea modelelor concurente
anumite informaii legate de numrul de factori care tret.Juie _extr_ai, de aceea
analiza factorial confirmatorie apare ca o faz uiteriqar tmlji demers descriptiv, Primul pas ntr-o analiz factorial e acest tip implic specificarea
de tip exploratoriu. structl.[i,L9L factoriale ce urmeaz a fi tgate. Ele se aleg pe baza informaHiior din
Problema care va nsoi explicaiile analizei factoriale confirmatorii privete literatura de -specialitate. Spre exemplu, n cazul scalei SIS-BAS vor fi sp~clficate
testarea numrul de factori prezeni n scala BIS-BAS, dezvoltat de Carver i trei asemenea modele: scala SIS-BAS cu doi factori, scala BIS-BAS cu patru
White (1994), privind sistemele comportamentale activator i inhibitor. Pentru cei factori necorelai i scala BIS-BAS cu patru factori, dintre care cei trei referitori la
mai puini familiarizai cu aceste constructe, sistemele respective sunt mecanisme sistemul comportamental activator sunt corelai.
neuropsihologice care difereniaz indivizii n privina orientrii lor comportamentale Se obinuiete ca cel puin unul dintre modelele specificate s fie
predominante, fie spre recompens i cutarea plcerii (BAS), fie spre pedeaps i reprezentat grafic ntr-o form tipic analizei factoriale confirmatorii. Figura 5.1 o
conine o asemenea reprezentare grafic, obinut prin AMOS (2001), pentru
evitarea suferinei (BIS).
modelul unei scale SIS-BAS cu patru factori, dintre care cei trei, referitori la BAS,
Scala BIS-BAS conine 20 de itemi i a fost conceput pentru a surprinde att coreleaz ntre ei. Un alt software, utilizat frecvent pentru a realiza analize

sensibilitatea persoanelor la recompens - BAS, ct i sensibiliatea persoanelor la factoriale confirmatorii este LISREL (Joreskog i Sorbom, 1989).
pedeaps- BIS. n urma unei analize factoriale exploratorii, cei doi autori ai probei identific Imaginea poate fi citit uor. Spre exemplu, se ateapt ca primii apte
patru factori primari: BIS (sistemul comportamental inhibitor), BAS-R (sistemul itemi ai scalei s fie saturai n factorul latent BIS. Mai mult, prin absena sgeilor
comportamental activator- sensibilitatea la recompens), BAS-O (sistemul comportamental care s lege celelalte variabile latente de primii apte itemi, se stipuleaz absenta
activator - tendine impulsive) i BAS-FS (sistemul comportamental activator - cutarea saturaiei itemilor respectivi n cei trei factori BAS. Similar, modelul prezice c ite~ii
plcerii). Dintre cei patru factori extrai, ultimii trei coreleaz ntre ei, probabil datorit unui 8-12 vor fi saturai doar n factorul BAS - recompens, c itemii 13-16 vor fi
factor secundar, denumit BAS. Totui, ali autori au obinut structuri factoriale diferite. De atributele manifeste pentru msurarea factorului BAS - impulsivitate, n timp ce
pild, Jorm i colaboratorii (1999), tot n urma unei analize factoriale exploratorii, ajung la item ii 17-20 vor exprima doar factorul BAS - cutarea plcerii.
concluzia c o soluie cu doi factori - SIS i BAS - este la fel de bun ca soluia cu patru De asemenea, se observ notarea diferit a variabilelot:.manifeste adic a
factori gsit de carver i White n 19,94. Pentru a complica lucrurile, Ross, Millis, datelor observate n realitate,, fa de cea a variabilelor-latente, adi~it a fac~orilor ce
Bonebright i Bailley (2002), n urma unei analize factoriale -confirmatorii, gsesc o alt stau n spatele covari(3[1ei itemilor: Astfel, variabilele manifeste sunt reprezentate
soluie adecvat. Rezultatele obinute de acetia sprijin ideea unei soluii cu patru factori grafic sub forma unui dreQtunghi; rezultnd n cazul exemplului dat douzeci de
ns spre deosebire de prima soluie, toii factorii sunt independeni, adic nu coreleaz ntre dreptunghiuri, cte unul pentru fiecare item al testului. n schimb, variabilele latente
eL Care dintre soluii pare cea mai potrivit? sunt simbolizate grafic sub forma unui oval, cte unul pentru fiecare factor
anicipat""Astfel, un model BIS-BAS cu patru factori, ca cel de fat, va avea patru
' '

171
170
 :'111:111.1111111111111 1 111'11111111111111111111111

~1 1 1 1 1 1 1 1111111111111111 :1111' 1111111111' 111111111 :IIIIIIIIIUIIIIIIIII~I Jm: Jm ~ ~. IJ! W1 m ~~ m ]l l'

1

::' 111: 1111 :1111 .11111111111111111. lllllllllllllilllllllllllllilllllllllllllllllllllllllllllll: :1111111111 :llllllllli :111111111111111111111 :11: 111 !1: 111 !III 111: 1111 11111111, illllllll! 1111 !1111111111, Mrrrm 1.1 111. Jm m 1ln .m 1!'1 @1M !M mllr . : 1 WilllM 111 mt .m 'III

ovale, n schimb un model SIS-BAS cu doi factori va avea doar dou asemenea s~him_b, _variabile_le end"ogen~ s~nt variab!l~ efect: fiind identificate grafic prin faptul
reprezentri. ca exista cel pum o sageata onent<?taspre ele. In exemplul nostru se observ c
att factorii comuni, ct i erorile de rnsurare (factorii unici) sunt variabile
exogen~, n timp ce itemii probei sunt variabile endogene.
In aceast etap sunt specificate toate modele!~ _care urmeaz a fi testate.
Totui, din lips de spaiu, nu toate modelele beneficiaz~ de reprezentare grafic,
deoarece. o dat nelese principiile de reprezentare grafic este suficient s
denumim modelul. De pild, patru factori identici, dar necorelai,. implic un desen
similar cu cel prezentat n figura 5.1 O din care sunt eliminate curbele cu s geti
duble care indicau existena corelaiilor dintre cele trei scale BAS. ,

5.2.2. ldentifiS.Irea modelelor

Prin analiza factorial confirmatorie se urmrete estimarea saturatiilor
itemilor n fe,gtorii respec;tivi, iar pe baza acestora, s se rspund la nt~~bare~: n
ce m~sur saturaiiler,E=;spective sunt conforme cu modell1L~pecificat? De exemplu,
este 1temul 5, saturat n factorul BIS i nesaturat n" ceilali factori, aa cum era
specificat n model? Pentru a estima aceti parametri, analiza factorial
confirmatorie apeleaz la un set de ecuaii structurale (Baer, 2000).
'1N-'';-'

Figura 5.10. Reprezentarea grafic a modelului BIS-BAS cu patru factori n AMOS.

Scalele BAS coreleaz rntre ele ' e
Figura 5.11. Modaliti minimale de reprezentare grafic pentru soluii identificabile
SPSS este o marc nregistrat.

O alt observaie important, pe baza figurii 5.10 este direcia de

Prin identificarea modeleJor se nelege n ce msur acestea, prin
ndreptare a sgeilor. Toate sgeile sunt ndreptate spre i~!!]ii _probei. De
structura lor, pot conduce la solyJiU~~[ltificabile. Fiind vorba de ecuaii structurale,
exemplu, n cazul primului item, rezultatul lui BIS01 este n funcie de trstura
se pune problema matematic dac exist: (1) mai multe necunoscute dect
!atent pe care o msoar itemul respectiv, adic BIS i de eroarea de msurare,
e~~i, (2) attea ecuaii ct~. necunoscute, (3) mai multe ec~;ii 'deci'
adicii..~?OJ .. /.t..ceast eroare poate fi conceput ca dispersie datorat_ factorilor unici necunoscute. Vom discuta puin mai trziu implicatiile acestor situatii distincte.~
n cazul <;~nalizei factoriale. DeoCiim"dt vom clarifica problema identificrii. ' '
Corelaia dintre doi factori este reprezentat g~lf.ic sub forma unei curbe. cu
De exemplu, n imaginea din stnga trebuie estimat saturatia celor trei
sge.LJ<i~ambele capete. Spre exemplu, n modelul propus ne ateptm s existe o
variabile M 1, M2 i M3 n factorul L1, adic trebuie identificate valorile a, b i c.
corelaie ntre BAS recompens (BAS-R) i BAS impulsivitate (BAS-O) ns Pentru a le identifica avem la dispoziie trei ecuaii:
stipulm absena corelaiei dintre oricare scal BAS i scala BIS.
n sfrit, trebuie s distingem ntre variabij~ ... exogene i variabile M1 = al1 + e1
endogen~_,J'rimele sunt cele care mLdepind de_nimeni, fiind socotite ca variabile M2 =bl1 + e2
Cf!~~~ i se disting grafic prin faptul c nuau nici o sgeat orientat spre ele. n
-- - M3= cl1 + e3

173
172
 :llllll:lll:i lllllllllllllllllllllllllllllll~lllllllllllrnlllllllllllll----~~~ 11 :,
llil:iiiiiiiiIIIIHIIIIIIIIIIIIIIIIIIIII1IIII,:IIIIIIII,IIIIIII:IIII,IIII:IIIIIIIII!IIIIIIIIII'IIIIIIIII1illllll:!llilll:lllllllll.iiiiiiiiiiiIIIIILIIIIIJIII1IIIII!IIII:JIIiIIIIIUIIII1IIII,II!,jlllil'lllllll1llllllllll111illllli,lllllllll: 1 111" ,i.l:,:'' ll,:lill,llillll:lll,llll.lll

Dei mai puin intuitiv, i ntre cele dou modele din partea de jos a figurii ~ x
statistic. Din pcate, valoare? lui 2 este afectat puternic de volumuL eantionului,
5.12 exist o relaie de tip cuib. Primul model poate fi transformat matematic n cel astfel c exist mari anse s obinem un X2 sel]lnificativ n cazul test rii unui
de-al doilea, dac vom constrnge cele dou variabile latente L1 i L2 s aib o numr mq.r de subieci, cum se ntmpl frecvent tll studiile ce implic analiza
corelaie egal cu 1. n schimb, dou modele QL1 se afl n relaie de tip cuii::J dac factorial. Totui, X2 este deosebit de util, deoarece st la baza mai multor
nu putem reduce unul din modele la cellalt. indicatori absolui care depesc aceast limit. Utiliznd fiierul "analiza factoriala
~.,. ...,, ..,__-
' confirmatorie.sav" n programul statistic AMOS 4.0, vom obine n cazul scalei BIS-
BAS cu patru factori (factorii BAS coreleaz ntre ei) o valoare a discrepanei
- X2 (167) = 375.85, p < .001 ns rezultatul trebuie interpretat cu precauie datorit
numrului mare de date observate (N=345}.
Un alt indicator absolut est~, .BMR (n englez "root mean squared
residuals"). Conform lui Steiger (apud Kelloway, 1998) valorile mai mici de .1 O
indic un model bun, iar valorile sub .05 un model foarte bun. Printr-un modeTbun
se nelege c modelul respectiv~_;;;;~;'d.(e. (~xplic) bine evolui~ datelor
obseryatSJ.J~entru scala BIS-BAS, RMR a fost de .04. ..
Figura 5.13. Exemple de modele factoriale care nu se afl n relaie de tip cuib Tot un indicator rezidual absolut este i .~f\!LSEA (n englez "root mean
squared error ot aproximatio~r1Ycre cii-8 aceleai proprieti i valori refereniale. n
plus, acesta are avantajul c ofer un interval de ncrede[~"_pentru valoarea
Cele dou modele nu se afl n relaie de tip cuib deoarece variabila calculat. Dac limita mc:p<im a intervalului nu depete .08, avem de-a face cu
!atentL2 este msurat prin item ii 3 i 4 (n stnga), n timp ce n dreapta, L2 este un model destul de bun. n problema noastr, modelul SIS-BAS cu patru factori,
msurat de itemii 3 i 5. Astfel, nici unul dintre modele nu este reductibil la cellalt.
dintre care cei trei Jega'i de_ BAS coreleaz ntre ei, RMSEA a fost .06, iar intervalul
Distincia dintre modelele aflate n relaie de tip cuib i cele care nu se
de ncredere de 90% este cuprins ntre .052 i .068, valori ce indic, din nou, o
regsesc ntr-o asemenea relaie este important, deoarece primul tip permite
bun potrivire a modelului.
compararea direct a ~~.l~r din perspectiva unui test de semnificaie. Un alt indicator absolut, probabil cel mai cunoscut, este12~1 (n englez
........,." ..,.,...... . '
"index of goodoess of fit"). Acesta ia valori cuprinse ntre O i 1.Jils sunt dorite
valori pestELc90 pentru a considera c modelul testat este unul pun. Totui, dup
5.2.3. Stabilirea gradului de -adecvare
. . . . ,..
a modelelor.,.. unele criterii ~ai liberale i valorile situate peste .85 pot semnala un model factorial
Ca n orice analiz factorial matricea de covariant sau cea de corelatie bun. GFl este un indicator sensibil, fiind dependent de numrul degate colectate i
constituie inputul demersului statisti~. Un model factc;;ial este considerat bu~~-da~ de complexitatea modelulu.i. De aceea, se poate calcula i un indi;tor ajustat al
prin parametriL.estimati reuete s refac ct mai bine matricea datelor iniiale. acestuia, si;:;bolizat j\GFI, care are aceleai valori de referin. n cazul modelului
Pentru a test~' gradul de adecvare a unei soluii -factodaie exist o BIS-BAS testat de ncii, am obinut un GFI de .90 i un AGFI de .88, valori care
multitudine de indicatori statistici, dintre care vom prezenta civa n continuare. Ei indic un model destul de bun.
pot fi mprii n dou categorii mari: indici absolui i indici comparativi. Cei din Merit s subliniem faptul c aceti indicatori se calculeaz pentru fiecare
urm pot fi de asemenea mprii n indicfri cornparativi ntre modele ~!l~_e n. model concurent anticipat. De obicei aceste valori se trec ntr-un singur.Jabel,
relaie g~_tip cuib i indicatori de comparare a modelelor care nu se afl n re)aii de pentru. a facilita analiza gradului de potrivire a fiecrui model fa de datele
.l!!
ti~ cuib . sfrit, acestea din urm pot fi divizate tot n dou categorii: indicatori ai observate.
grad~i_c:l~J>9.trivire i indicatori ai gradului de parcin:wnie a mo.9_elului.
Tabelul 5.6. Valorile principalilor indicatori absolui pentru cele trei modele testate
5.2.3.1. Indicatori absolui
Modelul testat x2 df p RMR RMSEA GFI AGFI
Aceti
indicatori urmresc n ce msur__un_anumit model- poate reproduce ,
Doi factori necorelai 915.3 170 .001 .07 .113 (.106- .120] .76 .70
matri~ __ de covariant (corelatie). Primul indicator este. testLJLX2 al gradyiui de ..
Patru factori necorelai 431.7 170 .067 [.059- .075] .89 .86
potrivire. o'
vaioare~'!nesemnifi~ativ a acestuia indic absenta-~un'or diferene ~ Patru factori (scalele 375.8 167
.001
.001
.06
.04 .062 [.052- .068] .90 .88
se--;:nnificative ntre ~atriZ~a dat~lor brute i matricea obinut p~ baza legturilor
BAS coreleaz)
specificate n model, de aceast dat fiind dezirabil situaia unui X2 nesemnificativ

. '~,~L
176 177
'1 '1. 11, ',11 '.11. III '.III,IIIII,IIIIIIIIIIIIIIIIIIIIIIIII.IIIIIIIIIIII.JIIIIiiiiUIIt.IIIIIIIUIIIIIIIUIIIILIIIIUIIII,JIIII'IIIIUIIIIJIUIIIJIII'.JIIIUUIIUIIUiliiiUIUIIIIIIILIIIIIJIIIIUIIIIJIII'"IIUIIIIUIIIIIJIIUIIIJIIIUIIIIJIIIIJIIIIIJIIII,IIIIIIJIIIIJIIIIIIIIIIJIIIIUIIIIIJIIII''IIIIIIIIIIillllll'lll', 1111' '11111111,1111'. 1111 111111111' 111'.1111,11111111111111111'111111111 111111111 ,11111111111 111111111111111111 iilli.IIIIIIIII::T--
III !111/llf i/11111111 111111111111111 1111111111 UIIIIIIIIUIIIIIIIIIfJIIIIllllll 'IIIIIIIIILIIIII'JIII 'IIIIIIIIJIIIIIIUIII~:IIIIIIIIIIllll~ llllflllllllllll III~ 11111 illl~ 11111 11111' 111111'11111111111111~ 1111~1111~ 11111' 1111~ 11111' 1111~ lllllliiiiiUIIIIIllllllllllllllllllliiiiiiLIIIIIIIIIIIIIIIIILIIIIIILIIIIILIIIIIfllllllllllllhlllllllllllllllllllllll IIIIIIIIIU IIIIIIIIIU 11111
1.1
11 1'11 :11 }1 !li 11 li 11111 111111111 '1111 1111 11111 1111''1111 1111 '1111 11111'11111111 'IIU IIU Jl

Din tabel se poate observa c dintre cele trei modele propuse spre a fi Se observ, i n acest caz, diferena valoric dintre primul model 1
testate, doar ultimele dou par a fi adecvate pentru a descrie datele culese. Primul celelalte dou. Totui, valorile indicatorilor de comparare sunt mai mici dect 1
. 1 ce e
model, al conceperii scalei BIS-BAS ca o prob ce msoar doi factori primari este t e, ~eea ce arunc o umbr de ndoial asupra c;elor trei modele testate.
r~ feren,Ia
inadecvat, valorile indicatorilor absolui fiind departe de valorile de referin amintite Dintre
. ele,. ultimul
. model se apropie cel mai mult de valorile dezirabile , acestea f"lin d
mai sus. Tntre cele dou modele rmase n curs sunt diferene mici, observndu- atinse ~hiar n caz.ul !FI i CFl i demonstrnd nc o dat superioritatea acestui'
se un avantaj uor n favoarea ultimului model. Pentru a compara aceste modele, model m comparaie cu celelalte.
putem s apelm la indicatorii de comparare.
Indicatori de comparare a parcimoniei modelelor
5.2.3.2. Indicatori de comparare Cu siguran c un model, cu ct este mai complex, cu att reproduce mai
lndicatori..cfe comparare a modelelor aflate fnrelatie de tip cuib ... bine,r,~alitatea. Transpus n termeni de indicatori de comparare, ideea impli~~ 0
Indicatorul de baz n astfel de cazuri e;t~x2 1'1 difereaejpr sa~ Li(delta) favonzare a"model\"lorcomplexe n dauna celorsirnple, primele avnd anse mai
X2 Aa cum i spune numele, el se calculeaz f2ifnd.diferena ntre x2 ,fespectiv mari de a obine indicatori de comparare dezirabili. ln tiin ns sunt favorizate
df _r:;orespunztori modelelor aflate n relaie de tip cuib. Pe tiZ'"1iiformaiilor explicaiile mai simple, dorindu-se eliminarea factorilor redundanti. De aceea
prezentate anterior distingem dou perechi de modele "cuib": unu cu trei, respectiv pentru a elimina distorsiunile indicatorilor de comparaie aflati 'sub influent~
doi cu trei. Cum primul model s-a dovedit a fi ineficient, vom compara doar complexitii modelului, se pot calcula ali indicatori menii s ava~tajeze modelele
modelele doi i trei. Vom obine ~::;, x2 (3) = 55.9, p < .001, ceea ce indic diferene mai simple, n cazul .n care cele complexe nu ofer un avantaj semnificativ. -
semnificative ntre cele dou modele, mai bun fiind cel de-al treilea model, adic Muli dintre indicatorii absolui sau de comparaie au formule .ajustate
cel care are un X2 mai .mic. Pe baza acestor rezultate putem concluziona c, dei pentru a avantajt;t soluiile cu un grad ridicat de parcimonie. Astfel, ntre dou solutii
ambele modele se dovedesc eficiente n a reproduce datele observate, modelul al _la fel de bune, cele mai simple vor fi avantajate din perspectiva acestor indicato;i.
treilea este semnificativ mai bun dect modelul cu patru factori necorelai. Cei mai ntlnii sunt PNFI (n englez "parsimony adjusted NFI") i ;.PCFI
("parsimony adjusted. CFI);-acetia fiind doi indicatori de baz oferii de AMOS.
Indicatori de COJI!Q.P.[?te a modelf!!or n gf!neral Ambii au valori cuprinse ntre_Q_J>i 1 ns spre deosebire de indicatorii neajustati nu
Cnd modelele nu s~afi Tn relaii de tip cuib, [1.\I putem aplica 2 al x au val~ri de referin prestabilite. De aceea, ca strategie de utilizare se obinui~te
diferenelor. Tn astfel de cazuri putem aplica ali indicatori. De fapt, aceti indicatori avantaJarea acelor modele care au o valoare mai ridicat .. Acelai rol l joac alti
pot fi aplicai indiferent de tipul relaiei dintre dou modele, ns n cazul relaiilor de doi coeficieni A)g ("Akaike lnformation Criterion") i CAlC ("Consistent Akaik~
tip cuib se prefer utilizarea lui x2 al diferenelor, datorit testului de semnificaie lnformation Criterion"). n cazul acestora este dezirabil modelul cu valori mai mici
asociat cu acesta. adic modelul mai ~implu. Se observ i din tabelul 5.8 c ultimele dou solutii
Dac indicatorii absolui testau difE)renel19 dintre mod_lul.stipuiC!t i un sunt mai bune, iar dintre ele, se constat o uoar inferioritate a modelului cu pat~u
factori necorelai.
model saturat (ntotdeauna adevrat ca n situatia unui model abia-identifitabil),
indicatorii de comparaie testeaz diferenele dint~ecmQdelul tl9?ta.t.~~\.Jn model nul,
sla_p: Exist mai muli indicatori utilizai n acest sens precum r~J.EL;j~~FJ Jn Tabelul 5.8. Valorile principalilor indicatori de comparaie a simplitii modelelor testate
englez "normed fit index", respectiv "non-normed fit index") dezvoltai de Bentler i Modelul testat PNFI PC FI AIC CAlC
Bonnet, CFI .. (n englez "comparative fit indeJS:~.) dezvoltat de Bentler, IFI (n Doi factori necorelai .43 .47 995.4 1189.4
englez :;intremental fit index") al lui Bollen sau')'FI(n englez ;,relative fit index") Patru factori necorelai .68 .75 511.7 705.4
al lui Marsh (Kelloway, 1998). Toi indicatorii, cu excepia NNFI sunt cuprini ntre O Patru factori (scalele BAS coreleaz) .69 .76. 431.7 630.3
i 1, valorile peste .90 ori .85 fiind dezirabile pentru a considera un model bun.

Pe baza tuturor acestor indicatori putem concluziona c modelul factorial

Tabelul 5.7. Valorile principalilor indicatori ,de comparaie pentru cele trei modele testate
adecvat pentru' a descrie scala BIS-BAS pe eantionul de 345 studenti romni este
Modelul testat NFI RFI IFI CFI cel de-al treilea, reprezentat grafic n figura 5.1 O. '
Doi factori necorelai .48 .42 .53 .53 Prezentarea rezultatelor se poate face, fie sub form grafic, fie sub form
Patru factori necorelai .75 .73 .84 .83 tabelar. Deosebirea dintre analiza factorial exploratorie i cea confirmatorie este
Patru factori (scaleHe BAS coreleaz) .80 .77 .87 .87 c n ultimul caz se calculeaz saturrile doar n factorii anticipai. De exemplu, se

178 179
, il' I I' 1 1 :llllllllllllll:lllllllllllilllllllllllllllll.llllllllllll!lllllillllll,lllll :ii 1i1 ,1 1 1 ~1 : 111111: 1 1 il : 1 ! !li! I I i: :' ' 1 ! 1 : 111.1111,1111 illlllllllll,llllllll,lllll III11IIII,IIII:IIIIIJIIIIII1,IIIIIIIIIillll 1111.11 :1! 1 1 1 il i: ,i ,11 :1 'i' ,1 i , ,1 ;1. 11111111 'li li! 1 1 1 1 I I 11i 1 1 1 , !li i
1
m .1!: :!1 :1 : : !! lllllllll.llllllllllllillllrnllllrnillllllllllllllllllllllllllllllll11---1111111' 1 m 11' 1 1 ' ' ' 1 1 '1 1' 11
1 1

1

ateapt ca itemul t s fie saturat n factorul BIS i nesaturat n ceilali factori. Prin conduc la o scdere substanial a lui X2 ( 1) i cele care au o semnificaie teoretic
urmare, se va estima doar saturarea n BIS, celelalte saturaii ale itemului n factorii important .(2). Dac ultima nu ridic probleme, fiind variabil de la caz la caz,
BAS fiind prestabilite la zero. Acelai lucru se ntmpl i n privina corelaiilor prima este mai ambigu. Aa cum remarca Kelloway (1998), nu se poate Vorbi de
dintre factori. Deoarece modelul presupune absena corelaiei dintre scala BIS i o valoare standard, de exemplu un MI de 5 nu nseamn mare lucru la un x2 de
oricare din scalele BAS, corelaiile dintre acestea sunt prestabilite la zero. n 300, ns modificarea devine important n cazul unui X2 de 100. Din experien,
schimb, sunt estimate corelaiile dintre cele trei scale de tip BAS, deoarece acelai merit a fi analizate propunerile de modificare a modelului care au indicatorii
model anticipa corelaii semnificative ntre cei trei factori. modificrii mai mari dect raportul x2 /25. n cazul modelului nostru, x2 (167) =
345.8, p < .001; rezult o valoare de referin a MI de 13,83.

Tabelul 5.9. Matricea modelului factorial BIS-BAS i

a corelatiilor inter-factori Covariances: M.I. Par Change Regression Weights: M.I. Par Change
Item SIS BAS-R BAS-O BAS-F
Oi. .50
02 .58 e15 <--> e16 23,011 0,105 bis15 <-- bis17 14,609 0,148
03 .60 <--> bas-f 17,644 -0,070 bis13 <-- bis19 15,390 -0,122
e13
04 .56
05 .30 e13 <--> e14 14,304 0,048 bis13 <-- bis17 15,572 -0,112
06 .33
e08 <--> e09 16,105 0,036 bis01 <-- bis08 13,992 0,334
07 .23
08 .48 Variances: M.I. Par Change
09 .46
iO .72
ii .63 Figura 5.15. Output-u/ oferit de AM(!S cu valorile indicilor modificrii mai mari de 13,83
i2 .58
i3 .75 SPSS este o marc nregistr<;Jt.
i4 .82
.32
i5 .62 Dintre cele opt propuneri de modificare observm c nu exist ntct una
i6 .72 care s aib o importan teoretic, majoritatea aspectelor privind corelaii ntre
i7 .62
i8 .77 erori. Singura modificare care ar fi putut avea Joc ar fi fost eliminarea itemului 7 din
i9 .85 scal, datorit unei saturaii mai reduse n BIS, sub valoarea recomandat de .30,
20 .39 dar indicatorul de modificare n urma renunrii la aceast relaie este insignifiant,
BAS-R fiind chiar mai mic dect 3. O asemenea valoare nu conduce dect la modificri
BAS-O .38
BAS-F .32 .2i minuscule n evoluia principalilor indicatori, aa cum reiese din tabelul 5.1 O.
Figura 5.14. Structura factorial 8/S-BAS
Tabelul 5.1 O. Evoluia comparativ a principalilor indicatori de testare a modelelor

Modelul testat x2 df GFI AGFI. RMSEA NFI PNFI

5.2.4. Modificarea modelului
-=-------------- .. BIS-BAS patru factori- 349.7 149 .90 .88 .063 [.054- .071] .80 .69
La fel ca n cazul analizei factoriale exploratorii, t In cazul celei 19 itemi
confirmatorii problema nu se ncheie o dat cu testarea modelelor i oferirea SIS-BAS patru factori- 345.8 167 .90 .88 .062 (.052 - .068] .80 .69
rezultatelor modelului selectat. Demersul poate fi continuat cu analiza eventualelor 20 de itemi
modificri n modelul selectat. Ce parametri noi pot fi estimai? La ce parametri
deja estimati se p~-~te"'rell'i'unta? La asemenea ntrebri se poate rspunde apelnd
la indicatorii. modifl~rn:--- Aceast situaie recomand pstrarea itemului 7. n test, deoarece
Aceti indicatori Langrange, calculeaz gradul de modificare a lui X2 al eliminarea sa nu conduce la o mbuntire a modelului. n urma renunrii la
modelului o dat cu introducerea sau eliminarea fiecrui parametru posibil. Dintre itemul respectiv nu se constat un avantaj comparativ al acestui model n dauna
toate valorile calculate, vor trezi interesul cele care ndeplinesc dou condiii:

180 181
 11111 11111 '1111 11111 illll 111111111111111111 111111111111111111111111111111111111111111111,1111111111 11111111111 11111111111 111111 11111111111 1111111111, 11111111111 :lllllllllllllllllllllliJIIIIIdllllll;llllllill~lllllllllldlllll illll 11111 11111 1111111111
celui cu 20 de itemL De aceea se recomand pstrarea variantei de 20 de itemi a
scalei 818-BAS.
De menionat, totui, c i n cazul n care acceptm modificrile pe baza
acestor indicatori, ele nu au un caracter confirmativ, ci doar exploratoriu.
5.2.5. Aspecte metodologice ale
confirmatorii
n finalul capitolului vom prezenta pe scurt informatii legate de volumul
eantionului n analiza factorial confirmatorie, de tipul de d~te colectate c~-potti
analizate .factorial, precum i de alte conditii ale distributiei datelor ce trebuie
ndeplinite pentru a putea aplica aceast tehni~. ' ~- --
n ce privete numrul de subieci necesari pentru a aplica aceast analiz
:se pstreaz regulile din analiza factorial exploratorie. Astfel, parametrii nu pot fi
estimai adecvat sub 100 de subieci i/ sau n condiiile n care nu exist un raport
de cinci-zece_subieci la :a
variabil. Totui, ar fi de dorit ca numrul de subiecti
de
testai s fie de cel puin 200 persoane pentru modele factoriale dn complexitat~
medie. ,__
Datele care pot fi analizate prin aceast metod pot fi de tip numeric sau
ordinal. Astfel, rspunsurile nominal;,pihotomice nu sunt cele mai potrivite pentru o
astfel de analiz, dei printr-un artificiu determinat de proprietile datelor
dihotomice ar putea fi tratate ca valori numerice binare 1 sau O. Totui, n acest caz
ar aprea o alt problem ce tine de imposibilitatea de a obtine o distributie
norm~~~ rn.L!Itivariat a datel()_r_dih~tomice, condiia respectiv fiind 'neces~r pent'ru
a aplica metoda ~,Stimrii verosimilitii maxime, cea mai ntlnit procedur n
analiza factorial confirmatorie. Rmne ca o alternativ posibilitatea gruprii
itemilor n pachete de \temi (n englez ,.parcels") care s fie analiz8te factorial.
Dup Bryant i Yarno!d (1995) datele cu amplitudine sczut sau distributii
asimetric~ conduc la atenuarea saturatiei itemilor n factorii respectivi. fn cazul un~r
distril)utii multivariate foarte anormale 'att metoda estimrii verosimilittii maxime
(n engez MLE - ,.maximum !ikeliho~d estimation"), ct i metoda celo'r mai mici
ptrate generalizate (n englez GLS - .,generalized least squared") vor produce
indicatori absolui i comparativi distorsionai, iar aplicarea altor metode cum ar fi
ADF ( n englez .. assumption distribution free") necesit un numr enorm de
subieci, de cteva mii.
fn sfrit, nu toate elementele discutate mai sus trebuie prezentate n textul
articolelor trimise spre publicare, datorit spaiului redus. Tn general, ca n orice
problem incluznd ecuatii structurale latente informatia minim oferit trebuie s
cuprind: ' ' ' Journal of Research in Persoriality, 31, 439-485.
1. o reprezentare grafic a unui model factorial structura\, de obicei a celui
rezultat din datele autorilor probei respective; aceast reprezentare poate fi
eliminat din motive practice n cazul probelor lungi, peste 50-100 de itemi;
n acea situaie, figura poate fi nlocuit cu un tabel care s prezinte att
182
.11111 1111111111111111111111111111111111111111111111111111 lllllllllll~llllllmllllilliU...ullll~llllliiiiiiiJIIIIIulllllllllllllllllllll, llll 1
l
IIIIIIIIIIII:IIIIIIIIII:IIIIIIIIIIUIIIIIIIII1illll1illlllllllll!llllllll1llllllllll:lllllllllll,,llllllllll111111111111lllllilllllcllllllllllllllllllllll1lll:llllllll:llllllll'llllllll,llllllllllllll'' lllilllll:llll1lllll1llll1lllll1lllllllllllllll:llllllllll1,lllllllllllllllll:lllllllllllllillllllllllllllllllllllllli:lllllllllllll:lllllllllllll:lllllllllllll:llllllllllll:llllllllllllillllllllllll'llllllllllilllllllll:llllllll11llllllllllllllllll'
facto:ii ateptai, ct ~ numrul de identificare al itemilor saturai n acetia;
totui, graficul poate f1 prezentat n cazul n care unitatea de baz nu este
itemul, ci pachetul de itemi similari;
2. . informaii sumare despre tipul de matrice utilizat: despre metoda folosit
pe.ntru estimarea parametrilor i despre tratamentul datelor lips i a celor
neobinuite;
aplicrii analizei factoriale 3. prezent~rea ntr-un tabel a principalilor..indicator'i absolui i comparativi
pentru f1ecare model testat, la care. vom aduga parametrii modelului
selectat modi~~at, dac este cazul; din pleiada de indicatori menionai, pe
baza propneta1lor lor sau a frecvenei de utilizare, recomand prezentarea
urmtorilor indici: X2 (<:if) cu_ pragul de semnificatie asociat GFI . AGFI
intervalul de ncredere RMSEA, NEI. CFI, PNF] i PCFI; ' ''- '
4. compararea, dac este cazul, a soluiilor aflate n relatii de tip cuib;
5. ultima pies necesar implic prezentarea soluiei alese din perspectiva
parametrilor standardizai estimai implicnd gradul desaturare a itemilor
n factoriirespectivi i, dac este cazul, a nivelului de corelatie ntre factori
(vezi figura 5.14.). '
BlBLlOGRAFlE
Baer, D. (2000). Latent variable structural equation models. A student's handbook at ICPSR
Summer Program, Ann Arbor, USA.
Browne, M.W., Cudeck, R., Tateneni, K., Mels, G. (1998). CEFA: Comprehensive
exploratoty factor analysis. Gsit la: http://quantrm2.psy.ohio-state.edu/browne/
Bryant, F.B., Yarnold, P.R .. (1995). Principal components analysis and exploratory and
confirmatory factor analysis. n L.G. Grimm i P.R. Yarnold (eds.) Reading and
understanding multivariate statistics (p.99-136). Washington DC: American
Psychological Association.
Carver, C.S., White, T.L. (1994). Behavioral inhibition, behavioral activation, and affective
responses to impending reward and punishment: The BIS/BAS scales. Joumal of
Personality and Social Psychology, 67, 319-333.
Costa, P.T., McCrae, R.R. (1992). Revised NEO Personality Jnventoty (NEO PI-R) and NEO
Five-Factor lnventoty (NEO-FFI). Professional Manual. Odessa, Florida: Psychological
Assessment Resources, lnc. .
Field, A. (2000). Discovering Statistics using SPSS tor Windows. London: Sage
Publications.
Finch, J.F., West, S.G. (1997). The investigation of personality structure: statistica! models.
Garson (2000). Factor ana/ysis. Gsit la: http://www2.chass.ncsu.edu/garson/pa765/
logistic.htm
Hair, J.F. Jr., Anderson, R.E., Tatham, R.L., Black, W.C. (1998). Multivariate data analysis
1
(5 h ed.). Upper Saddle River, NJ: Prentice Hali.
183
 lacobucci, O. (1994). Classic Factor Analysis. n R.P. Bagozzi (ed.} Principles of marketing
research. Cambridge, MA: Blackwell.
Johnson, R.A., Wickern, D.W. (1998). Applied multivariate statistica/ ana/ysis (4th ed.).
Englewood Cliffs, NJ: Prantice-Hall.
Joreskog, K.G., Sorbom, D. (1989). L/SREL-7 user's reference guide. Mooresville, IN:
Scientific Software.
Jorm, A.F., Chriestensen, H., Henderson, A.S., Jacomb, P.A., Korten, A.E., Rodgers, B.
(1999). Using the BIS/BAS scales te measure behavioral inhibition and behavioral
activation: Factor structure, validity, and norms in a large community sample.
Personality and Individual Oifferences, 26, 49-58.
Kachigan, S.K. (1991 ). Multivariate statistica/ analysis. A conceptual introduction (2nd ed.).
New York: Radius Press.
Kelloway, E.K. (1998). Using LISREL for tructural equation mode/ing. A researcher's guide.
Thousand Oaks, USA: Sage Publications.
Kline, P. (1993). The handbook of psychological testing. London: Routledge.
Mrgineanu, N. (1938). Analiza factorilor psihici. Cluj-Napoca: Editura Institutului de
Psihologie a Universitii din Cluj.
Meulman, J.J., Heiser, W.J. (2001 ). SPSS Categories 11.0. Chicago: SPSS lnc.
Miclea, M. (1994). Psihologie cognitiv. Cluj-Napoca: Casa de Editur Gloria.
Nicol, A.A.M., Pexman, P.M. (1999).Pres~;Jnting your find;ngs. A practica/ guide for creating
tab/es. Washington DC: American Psychological Association.
Pedhazur, E.J, Schmelkin, L. (1991 ). Measurement, design, and analysis. An integrated
approach. Hillsdale, NJ: Lawrence Erlbaum Associates, lnc.
Poenaru, R. (1980). Didactogenia n . coal. Pentru prevenirea i combaterea
didactogeniilor din nvmnt. Revista de pedagogie (9), 50-51.
Poenaru, R, Sava, F. (1998). Didactogenia n coal. Aspecte deontologice, psihologice i
pedagogice. Bucureti: Editura Danubius.
Ross, S.R., Millis, S.R., Bonebright, T.L., Bailley, S.E. (2002). Confirmatory factor analysis of
the Behavioral lnhibition and Activation Scales. Personality and Individual Differences,
33, 861-865.
Sava, F. (2002). Causes and effects of teacher conflict-inducing attitudes towards pupils: a
path analysis model. Teaching and teacher education, 17(8), 1007-1021.
, Stills, D.L. (Ed.).(1989). lntemtiona/ encyc/opedia of the social sciences: Biographical
supplement (Vol.18). New York: Macmillan.
Tucker, L.R., MacCallum, R.C. (1997). Exploratory factor ana/ysis. An online book. Gsit la:
http://quantrm2.psy.ohio-state.edu/maccallum/factornew.htm
.Wegener, D.T., Fabrigar, L.R. (2000). Analyzing nonexperimental data. n H.T. Reis i C.M.
Judd (Eds.). Handbook of research, methods in social and personality psycho/ogy
(p.412-450). Cambridge: Cambridg_e University Press.
Young, P. (2002). ViSta. Gsit la: http://forrest.psych.unc.edu/research/
Zwick, W.R., Velicer, W.F. (1986). Comparison of five rules for determining the number of
components to retain. Psychological Bul/elin, 99(3), 432-442.
184
CAPITOLUL 6
REGRESIA LINIAR
Predilecia firii umane de, a consulta horoscopul sau de a asculta opiniile
avizate ale unui "expert n ghicit viitorul ntr-o ceac de cafea" s-a meninut n
ciuda dezvoltrii tehnologice i tiinifice. Regresia statistic, dei nu la fel de
popular ca metodele amintite anterior, i propune, de multe ori, acelai obiectiv: o
predicie ct mai exact a performanelor din viitor pe baza unor indicatori din
prezent sau trecut. Denumirea de r~gresie poate induce n eroare specialitii n
psihologie, obinuii s utilizeze acest termen mai ales din psihanaliz, unde prin
regresie se nelegea o revenire spre trecut. n statistic, prin regresie ne
directionm frecvent n sens opus, spre viitor, ncercnd s prevedem ct mai
exact evoluia viitoare a lucrurilor. De exemplu, dac suntem un psiholog
organizaional, va trebui s prezicem, n procesul de selecie a personalului, care
persoan merit s fie angajat dintr-un grup de candidai, pe baza unei estimri a
performanei viitoare a acestora. Similar, dac suntem un psiholog colar i suntem
nevoii s identificm un grup cu risc crescut de a consuma droguri, va trebui s
estimm, pe baza caracteristicilor lor actuale, evoluia lor ulterioar. Ambele situaii
pot fi rezolvate prin apelul la tehnica statistic denumit regresie, n cazurile
respective fiind vorba de o regresie cu scop predictiv. Capacitatea de predicie
constituie de altfel una dintre caracteristicile definitorii ale unei discipline pentru a fi
considerat o tiin.
Un alt tip de regresie, similar n multe privine cu cea utilizat n scop
predictiv, este regresia n scop explicativ. Din titulatur reiese diferena esenial
dintre cele dou scopuri majore ale regresiei. Prima este utilizat pentru a prezice
performanele viitoare ale unui grup de oameni pe baza unuia sau a mai multor
indicatori actuali, denumii predictori. Cea de-a doua, vizeaz explicarea influeQei
unui set de factori asupra unei variabile criteriu, cunoscndu-se existena unei
relaii cauzale ntre acestea. Un exemplu tipic de utilizare a regresiei n scop
explicativ este acela al identificrii influenei fumatullii n perioada prenatal asupra
dezvoltrii emoionale a copilului n primii ani de via. Exist o multitudine de
factori care influeneaz dezvoltarea emoional a copilului. Regresia explicativ nu
face altceva dect s izoleze (controleze) statistic influena factorilor respectivi,
pentru a vedea n ce msur fumatul contribuie n plus la acest lucru. De pild,
dac se cunoate c tipul de ataament, stilul educaional al prinilor, prezena
sau absena altor frai sau surori etc. influeneaz dezvoltarea emoional a
copilului, prin regresie de tip explicativ se pot controla toate. aceste influene pentru
a se observa dac fumatul mamei n perioada graviditii contribuie, n plus, la
dezvoltarea emoional. normal a copilului.
185
'lllllllllll'llll'llllllllll'llllllllll'lllli'lllll'illll.llhllhillllll''lll''llllllllll'lll:lillh'll''llllilllll':l':l'"ll,l':l ll'llll:lllllllllill" ,:11 1lill ,111111111111111111~1111111111111~111 1111111111111 ,III 11 11"'' 'l!lll'!l!illll'!ll,liilll,::::i 'l,li 11111:'11

Din nefericire, situaia prezentat n figura 6.2 nu este real, deoarece, n

extravertire i performana din vanzri (figura 6.1.), se poate estima c persoanele
practic, nu se obin coeficieni de corelaie de +1 sau -1. De aceea, prin regresie
cu un nivel ridicat de extroversiune tind s obin performane superioare n
se urmrete gsirea acelei linii care s conduc la o estimare cat mai corect a
vnzri, fiind mai potrivite s ocupe asemenea poziii decat persoanele introvertite.
rezultatelor. Cu alte cuvinte, se dorete gsirea acelei linii de regresie care s
.l'l reproduc cel mai bine direcia de evoluie a norului de puncte .
"'
'6
()

;::
*
Q) Q)

;::
* * ~ ~
(.l
* (.l
*
"'c
N
*
'6
~
*
'O
;:: 1 *
>"' * 1 -~ -~

..
N
* * * c * N
c
.l'l
:J
N * >"' >"'
"'
() *
U)
Q)
:; * * Q)
:;
-~ 1 * N
* N
N
c
tU
"'
(.l
U) "'
(.l
(/)

> -~ (ii
N N
lntrovertite Extravertite c c
>"' >"'
Figura 6.1. Norul de puncte viznd relaia dintre nivelul de extroversiune i lntrovertite Extravertite 1ntrovertite Extravertite
volumul vnzrilor
Figura 6.3. Norul de puncte intr-o situaie de corelaie probabil (stnga)
unit prin cjreapta de regresie (dreapta)
Pornind de 1\3 aceast asociere se poate estima c persoanele cu un nivel
ridicat. de extravertire vor fi avantajate n domeniul vanzrilor, deoarece tind s
obin un numr mai mare de vnzri. Pentru a estima prin regresie rezultatele viitoare ale unui anumit criteriu
Regresia urmrete s gseasc o ecuaie care s ne ajute s estimm este necesar ca predictorul respectiv s coreleze destul de bine cu criteriul care
ct mai exact valoarea performanei viitoare. Oac corelaia dintre dou variabile ar trebuie estimat. Dac nu exist corelaie ntre cele dou elemente, linia de regresie
fi egal cu 1 sau cu -1 am putea- anticipa exact rezultatele viitoare, deoarece linia nu poate fi estimat acceptabil, deoarece poate lua direcii diferite.
de regresie obinut reuete s treac prin toate rezultatele. Aceasta ar nsemna
c nu exist nici o diferen ntre rezultatele constatate i estimrile fcute. ~(.) /,/"*
'6
c
*\ * // /
~ ri"' ~
N
1
l..1 .;/
'
* *
:g '6
c c
ro
* 1 '
/

~
N
-~
N
> ---*...... ;~-/'~. .,, __ 1'

*
c c
>"' >"' <D 1
* /// * \ ----...............*_
'S
N // *\ * *
.l'l .l'l
::J
ro
(.) /
' fc * \11 *
:J
N N
l1l
<J)
* .
"'
(.)
U)
(.)
U) -~
N
~ ~ c
N N
c ro
c >
> "' >"'
lntrovertite Extravertite lntrovertite Extravertite
lntrovertite Extravertite

Figura 6.2. Norul de puncte intr-o situaie de corelaie ideal (stnga) Figura 6.4. Direcii multiple posibile ale liniei de regresie in absena corelaiei
unit prin dreapta de regresie (dreapta) dintre predictor i criteriu

189
188
 11 '' ,III IIIIIIIIIIIIIII.IIIII.IIIIII.IIIII,IIIIII.IIIILIIIIII,IIIII..IIII! IIII[JIIIII.IIIImillmiJIIIIILmiiUIIIIIllmiUIIIIIIIIII illlllllll, lllluiiiUIIi iiiii:JIIIIIIIIIILIIIIILIIIII.IIIIIIJIIII.IIIIIIIIIIUIIIIJIIIIIIII! 11111,1111' 11111111: 11111:!1111111111:111111111111111111111111111 III !11' IIIII.IIIIII:IIIIIJIIIILIIIIIJIIILIIIIIJIIIILIIIIILIIIIILJIIIIliiiii~IIIIIJIIIUIIIIIIIUIIIiJIIUIIIIJIII, IIIILIIIII11111, IIIIJIIIIIII 111111111,1111,1111: III' l 1 :1. I~IIIIIUIIIIIIJIIIIUIIIILIIIIIIIIIIIIJIII III III' :III' mii 'IIIIIJIIIIJIIIIIJIIIIIIIIIIIIIIIIIII 111111111' '11111111' ,11111111' !11111111111111 11111 1111111111111111111111111 '1111 1111 111111111 1111 1111 1111 1111111111111111 1111111111 1111111111.1111111111 11111

Pentru a stabili linia de regresie se apeleaz la proprietile matematice ale n valoare absolut dect b1 = 0,50 din imaginea din stnga. Valoarea acestei
unei drepte, deoarece orice dreapt poate fi determinat prin urmtoarea ecuaie: pante indic cu ct crete (n cazul valorilor pozitive) sau cu ct scade (n cazul
valorilor negative) Y atunci cnd X crete cu o unitate.
(6. i) Linia de regresie care red cel mai bine norul de puncte nu se stabilete
pe baza unor criterii subiective, cum ar fi simpla inspectare vizual. Metoda
unde bO este punctul de intersecie al ordonatei (interceptul), iar b'l este panta de utilizat cel mai frecvent pentru a calcula interceptul i panta de regresie se
numete metoda celor mai mici ptrate (n englez "least squares"). Metoda se
regresie (cu ct crete y, atunci cnd x se modific cu o unitate). . .. ~
Panta de regresie ia o valoare pozitiv, dac exist o corelaie pozitiva bazeaz pe calcularea sumei ptratelor diferenelor dintre valorile observate i

ntre x i y i 0 valoare negativ, dac exist o corelaie negativ ntre cele dou valorile estimate. Ne vom baza pe datele din figura 6.6 pentru a explica metoda
amintit.
variabile. Pentru a uura nelegerea acestui demers putem inspecta vizual cele
dou imagini din figura 6.5. Imaginea din stnga are drept ecuaie de regresie:
=
y 2,5 + 0,5*X, n timp ce imaginea din dreapta are ca ecuaie de regresie:
Y= 1031 + 147X
y = 8- i,5*X o
o
N
N

o
o
Y= 2,50 + 0,50X .<:2...1.
Interceptul__.,
* ib1 =-1,50 Y= 8 -1,50X (])

r--
* o
o
CD
*
* * o
(")
o
C'l

lnterceptul ~ *
N o Suma = O Suma = 123.238
o
N * o Legenda: X - Nivel de extravertire
Y - Vanzari lunare realizate (in Euro)
o 2 3 4 5 6 7 Y' - Vanzari lunare estimate (in Euro)
o o

o 2 3 4 o 2 3 4 5
Figura 6.6. Linia de regresie viznd relaia dintre scorul/a extravertire i
valoarea vnznlor lunare n Euro
Figura 6.5. Dou exemple ipotetice de linie de regresie

Pe baza ecuaiei de regresie se estimeaz rezultate uor diferite dect

Pe baza imaginilor anterioare se poate observa mai bine cum se reprezint
grafic linia de regresie pe baza ecuaiei obinute. De exemplu, n imagi~ea din
stnga, punctul de intersecie a liniei de regresie cu ordonata este s1tuat la
valoarea de bO = 2,50, n timp ce n dreapta el ia valoarea 8 (bO = 8). Ele
reprezint estimrile lui Y, n situaia n care X ia valoarea O. Transpunnd n cazul
concret al vnzrilor, dac pe abscis este trecut numrul de itemi viznd
extrovertirea, iar pe ordonat este trecut numrul de maini vndute, din imaginea
din stnga am putea estima c o persoan care a obinut scorul zero la extravertire
va reui s vnd pe lun 2,5 maini (y = 2,5 + 0,5*0), iar o persoan care a
obinut scorul trei la extravertire va reui s vnd 4 maini pe lun (y = 2,5 +
0,5*3). . .
De asemenea, se observ din cele 'dou imagini c panta dreptei este mai
abrupt n cazul imaginii din dreapta, deoarece valoarea b1 = - i ,50 este mai mare
cele constatate. De exemplu, primul subiect a realizat vnzri lunare de 1500 de
EURO, n condiiile n care se estimau, pe baza ecuaiei de regresie, vnzri lunare
n valoare de 1619 EURO. Parametrii ecuaiei de regresie se stabilesc, astfel nct
suma ptratului diferenelor dintre valorile Y observate i cele estimate s ia
valoarea cea mai mic (ultima coloan din tabel). De exemplu, dac am fi schimbat
ecuaia de regresie n Y = 1050 + 150X, suma ptrate lor diferenelor ar fi fost mai
mare, mai exact 130.400. Prin urmare, n cazul de fa valorile bO de 1031 i b1 de
147 sunt oferite de ctre programele statistice pentru c duc la cea mai mic sum
a ptratelor diferenelor dintre cele dou seturi de date (valorile observate i
valorile estimate). Cu alte cuvinte, parametrii ecuaiei de regresie rezultai asigur
. soluia cea mai apropiat de rezultatele reale observate.
Pentru a decide dac o ecuaie de regresie descrie bine setul de date, spre
a putea fi folosit n scop predictiv, trebuie s decidem ct de mare poate fi

191
190
 11' 111'111111111111111111111111111,,111111111111JIIIIIIIIIIIIIIIII.IIII'III''III

llllllllillll 11:11111''1111''!111''1!1!''1

diferena dintre rezultatele observate i cele estimate. Tn acest sens, exist o serie Din cel de-al doilea tabel se observ c valoarea F este semnificativ
de parametri, valabili att n cazul regres iei lin iare simple, ct i in cazul regresiei statistic, fapt ce induce ideea superioritii ecuaiei de regresie, bazat pe
multiliniare, pentru a descrie eficiena ecuaiei de regresie in estimarea rezultatelor. introducerea nivelului de extravertire ca predictor, n estimarea vnzrilor n
comparaie cu estimarea vnzrilor pe baza mediei valorilor observate. Mai rnult,
consultnd primul tabel, se observ c nivelul de extravertire al unei persoane
6.1.2. Evaluarea eficienei unei ecuaii de regresie explic 83,8% din variaia vnzrilor observate (RZ = 0,838). Cu alte cuvinte, dac
ntre indicatorii care ne ofer informaii asupra eficienei unui model de am ncerca s explicm diferenele constatate ntre persoane. cu privire la vnzrile
regresie vom aminti testul F (ntlnit i n cazul ANOVA) i R2 (coeficient de lunare realizate de acestea, putem spune c o mare. parte se datoreaz
determinare ntlnit i n cazul corelaiei). diferenelor n nivelul de extravertire dintre acestea. Restul de 16,2% din variatia
Primul ne arat n cemsur exist diferene semnificative statistic ntre vnzrilor lunare. nregistrate se datoreaz altor factori, neluai n seam de
estimrile oferite pe baza ecuaiei de regresie implicate n comparaie cu estimrile modelul testat, care a inclus doar extroversiunea ca predictor. Aadar, putem
bazate pe valorile mediei. Dac predictorii inclui n ecuaia de regresie conduc la afirma c nivelul de vnzri realizate depinde i de ali factori, dei extroversiunea
estimri semnificativ mai bune dect estimrile bazate pe rezultatele medii, atunci pare a fi variabila principal pe baza creia putem estima nivelul de vnzri
valoarea F va fi semnificativ statistic. Dac F nu este semnificativ statistic, atunci realizate. Din nefericire, asemenea procentaje ridicate, precum cel prezentat n
ecuaia de regresie nu-i are rostul, deoarece ea nu poate estima cu nimic mai problema anterioar nu sunt ntlnite n tiinele sociale dect n exemple ipotetice.
bine dect simpla consultare a mediei rspunsurilor subiecilor la criteriu. De obicei, R2 are valori mult mai modeste, fiind cuprins destul de des ntre .10 i
Cel de-al doilea parametru poate fi consultat dac F este semnificativ .50, ceea ce nseamn c majoritatea modelelor estimativa din psihologie, bazate
statistic. Dup Field (2000), W ofer informaii privitoare la procentajul din pe regresie explic (estimeaz) ntre 10% i 50% din evoluia criteriului de interes.
dispersia variabilei criteriu care poate fi explicatii! prin modul de evoluie a Dup cum se observ din figura 6.8, valorile R2 sunt mai mari, dac linia
predictorilor. n cazul regresiei liniare simple, R2 este coeficientul de determinare, de regresie descrie bine direcia evoluiei norului de puncte (R2 = .88 n imaginea
acelai din cazul corelaiei simple, n timp ce n cazul regresiei liniara multiple, R2 din stnga) i mai mici, dac linia de regresie nu descrie adecvat norul de puncte,
este coeficientul de determinare multipl. Dei are acelai principiu de interpretare, acestea fiind mai deprtate de direcia estimat (RZ ~ .45 n imaginea din dreapta).
coeficientul de determinare multipl reprezint procentul din dispersia criteriului
explicat de aciunea comun a tuturor predictorilor implicai. *
n cazul datelor prezentate n figura 6.6, SPSS-ul ofer urmtoarele * * *
rezultate: *
* * * *
* * *
* * *
* * *
Model Summary
* * *
* * *
*
R * *
,915. *
*
a: Predictors: (Constant), Nivel de extraveriire

ANOVJll'

Sum of
Model Squares df Mean Square F Siq. Figura 6.8. Relaia dintre gradul de mprtiere a punctelor din nor .i valorile w
1 Regression 626471,5 1 626471,453 41,359 ,oooa
Residual 121178,5 8 15147,318
Total 747650,0 9
Din nefericire, aa cum remarcau Hankins, French i Horne (2000), un
a. Predictors: (Constant), Nivel de extravertire
model nu este adecvat doar pentru simplul fapt c R2 este mare sau inadecvat
b. Dependent Variable: Vanzari lunare in Euro
pentru c R2 este mic. Pentru a ne asigura c valoarea lui RZ este apreciat corect
Figura 6.7. Output oferit de SPSS 11.0 ar trebui s facem o analiz a reziduurilor, adic a diferentelor dintre valorile
SPSS este o marc nregistrat. observate i cele estimate pe baza ecuaiei de regresie. An~liza este necesar

192 193
deoarece nclcarea unor condiii simple (ex. relaie neliniar, heteroscedasticitate, CoefficientS'
prezena datelor neobinuite) poate conduce la distorsiuni grave ale coeficientului
Unstandardized Standardized
de determinare .. Despre aceste aspecte vom discuta n detaliu n seciunea Coefficients Coefficients
destinat conditiilor necesare de aplicare a regresiei lniare. Model B Std. Error Beta t SiQ.
Reveni~d la figura 6.7, observm i ali indicatori relevani. De pild, n 1 (Constant) 1031,249 101,614 10,150 ,000
Nivel de extravertire 147,232 22,894
primul tabel, sub titulatura "R" este trecut valoarea coeficientului de corelaie ,915 6,431 ,000
liniar ntre predictor i criteriu, n cazul de fa ntre nivelul de extravertire i a. Dependent Variable: Vanzari lunare in Euro

nivelul vnzrilor lunare realizate. n cazul regresiei liniare simple, aceast valoare
Figura 6.9. Output oferit de SPSS 11.0 cu valorile coeficieni/ar din ecuaia de regresie
indic, de fapt, coeficientul de corelaie r Bravais-Pearson, ntre predictor i criteriu.
SPSS este o marc nregistrat.
n cazul unei regresii multi!niare, R indic corelaia multipl dintre criteriu i grupul
de predictori inclui. De asemenea, merit s fie remarcat faptul c R2 reprezint
ptratul acestor coeficieni de corelaie.
Din aceast figur se poate deduce ecuaia de regresie care poate fi scris
Un alt parametru regsit n outputul SPSS ete R2 ajustat. Acesta ncearc
sub forma:
s elimine unele dintre neajunsurile lui R2 . Acesta din urm este dependent de
numrul de predictori inclui n ecuai<\ de regresie i de numrul de subieci
Vnzri lunare n EURO= 1031,2 + 147,2*Nivel extravertire;
testai. n forma sa ajustat, R2 ncearc s atenueze aceast influen, oferind un
parametru mai puin distorsionat. Totui, trebuie precizat c indicatorul R2 ajustat
sau, renunnd la zecimale:
oferit de SPSS nu are rol de contravalidare, aa cum muli specialiti ar fi tentai s
cread (Field, 2000). Astfel, el nu estimeaz procentajul din dispersia criteriului
Vnzri lunare n EURO= 1031 + 147*Nivet de extravertire.
explicat de predictori n cazul n care datele ar fi extrase pe baza rspunsurilor
subiecilor dintr-un alt eantion, ci arat -doar eficiena modelului estimativ propus
Pe baza acestei ecuaii putem estima vnzrile pe care le vor realiza alte
pentru eantionul de subieci testai, ntr-un mod ct mai puin distorsionat de
persoane cu caracteristici siml?re persoanelor testate. be exemplu, o persoan
numrul de predictori sau de volumul eantionului. Dei ofer informaii mai exacte
care nu ar bifa nici un item ce exprim extroversiunea va realiza vnzri de
dect coeficientul de determinare, RZ ajustat rmne sensibil la distorsiune n cazul
aproximativ 1031 de EURO lunar (a), n timp ce o persoan care a obinut scorul?
nerespectrii condiiilor necesare aplicrii regresiei liniare.
la nivelul de extroversiune va realiza vnzri lunare duble, de aproximativ 2060 de
EURO (b).

6.1.3. Testarea individual a eficienei predictorilor n estimarea
evoluiei criteriului
n cazul unei regresii liniare simple, dac F a fost semnificativ statistic
nseamn c predictorul inclus, n situaia .de fa nivelul de extravertire, poate fi
utilizat n estimarea performanelor din domeniul vnzrilor. n schimb, n cazul
unei regresii multiliniare, eficiena per ansamblu a modelului nu nseamn c
fiecare dintre predictorii inclui poate estima eficient evoluia criteriului. De pild, n
varianta unei regresii cu trei predictori, modelul poate fi considerat eficient, adic
mai bun dect o estimare pe baza valorii medii a criteriului, chiar dac numai un
singur predictor are legtur cu criteriul. Pentru a vedea care dintre predictori poate
estima ct mai corect evoluia criteriului, SPSS-ul ofer un alt output, pe baza
cruia se poate exprima i ecuaia de regresie.
Aceste rezultate au fost obinute nlocuind n ecuaia de regresie de mai
sus, valorile observate ale extroversiunii pentru cele dou persoane:
(a) Vnzri lunare n EURO== 1031 + 147*0
(b) Vnzri lunare n EURO== 1031 + 147*7
Cu alte cuvinte, valorile b reprezint coeficienii nestandardizai ai ecuaiei
de regresie, pe baza crora estimm cu ct crete criteriul atunci cnd predictorul
se, mrete cu o unitate. n exemplul dat, pornind de la faptul c b extravertire este
147, putem estima c volumul vnzrilor realizqte de o persoan care a obinut, s
zicem, cinci puncte la testul de extroversiune va avea vnzri mai mari cu 147 de
EURO dect o persoan care a obinut patru puncte la testul de extroversiune, iar
aceasta, la rndul ei, va obine cu 147 de EURO mai mult dect o persoan care
are doar trei puncte la testul de extroversiune. n plus, interceptul denumit n SPSS
"constant" exprim nivelul vnzrilor obinute de o persoan n condiiile n care
predictorul ia valoarea zero, n situaia dat, dac persoana obine zero puncte la
testul de extroversiune.

194 195
 'll'llliiiiiiiiiiiiiiiiiiiii~IIII'"III-UIII~IIIIIIIllllllllillll
Se poate observa c aceast evoluie se menine atunci cnd coeficientul
de regresie al predictorului .ales are valori pozitive. Dac am fi obinut un b negativ,
s~ presupunem b = -147, ar fi nsemnat c volumul vnzrilor lunare scade cu 147
de EURO de fiecare dat cnd scorul la extroversiune crete cu o unitate. Situaia
ar fi fost similar cu cea ntlnit n cazul unei corelaii negative: cnd X crete, Y
tinde s scad.
Totui, valorile nestandardizate b sunt dependente de scala de msurare a
predictorilor i a .criteriului. De exemplu, valoarea coeficientului b pentru testul de
extroversiune se modific, dac extroversiunea este msurat printr-o alt scal de
. msurare sau, dac vnzrile lunare sunt exprimate n lei sau dolari i nu n euro.
Astfel, dac vom transforma valorile exprimate n euro n lei, utiliznd drept rat de
schimb 40.000 lei = 1 EURO, vom obine ali parametri ai ecuaiei de regresie,. dei
eficiena modelului rmne aceeai.
Volum lunar de vnzri n lei =41.253.980 + 5.889.273*Nivel extravertire
Ce importan are acest lucru?
Prin faptul c parametrii nestandardizai sunt dependeni de scala de
msurare, rezult imposibilitatea de a compara direct influena a doi sau mai multor
predictori asupra criteriului. De exemplu, nu se poate compara direct dac influena
predictorului nivel de extroversiune asupra nivelului de vnzri (b1 = 147) este mai
mare dect influenta vrstei subiectilor asupra volumului de vnzri (b2 = 18).
Pentru a observa c~re predictor ajut~ mai mult la estimarea evoluiei criteriului, se
obinuiete compararea ~alorilor standardizate ale acestor coeficieni b, denumite,
inclusiv de SPSS, beta.
Din figura 6.9 observm c valoarea~ pentru extravertire este .91, ceea ce
nseamn c, atunci cnd nivelul de extroversiune crete cu o abatere standard,
criteriul, adic volumul vnzrilor, crete cu 0,91 abateri standard. Ecuaia de
regresie standardizat are interceptul egal cu zero, ceea ce face ca ea s poat fi
scris sub forma:
Z vnzri lunare n EURO= .91*Z nivelul de extroversiune
Dup cum se observ, o asemenea interpretare nu este la fel de
atrgtoare n comparaie cu cea bazat pe coeficienii nestandardizai, dar are
avantajul esenial, n cazul regresiilor multiliniare, de a putea compara simultan
eficiena predictorilor implicai n ecuaia de regresie. Astfel, dac am presupune c
~ vrst este 1,21, am putea afirma c vrsta unei persoane este un predictor mai
bun dect nivelul de extroversiune n estimarea vnzrilor lunare realizate. Acest
lucru poate fi fcut, deoarece toate datele standardizate n cote z au aceeai
unitate de msur: media este zero, iar abaterea standard este egal cu unu.
O alt informatie extras din figura 6.9 const n. faptul c ambii parametri,
att interceptul ct i panta de regresie, sunt semnificativi statistic. Tn cazul
196
regresiei linia re _simple, acest lucru era prevzut prin faptul c valoarea F pentru
ntregul model era semnificativ statistic. Tn schimb, n cazul existenei mai multor
predictori, existena unui F semnificativ statistic indic faptul c cel puin un
predictor poate estimi:) evoluia criteriului, fr a porni de la ideea c toi predictorii
vor avea capacitatea de a estima evolutia criteriului. Tn asemenea situatii, este
' '
necesar consultarea valorilor t din dreptul fiecrui parametru prezentat n figura
6.9. pentru a vedea care dintre predictori explic semnificativ statistic evoluia
criteriului. Interpretarea este simpl: dac valoarea t asoCiat unui parametru este
semnificativ statistic (ex. t = 6.41, p < .001 n. cazul extroversiunii), atunci
predictorul respectiv i aduce o contribuie semnificativ statistic la estimarea
evoluiei criteriului, n cazul respectiv a cifrei de vnzri lunare realizate.
Pentru a nelege mai bine aceste detalii tehnice n interpretarea regresiei
liniare, vom prezenta un exemplu de regresie multiliniar. Tnainte de a face acest
lucru, se cuvine s trecem n revist, pe scurt, principalele modaliti tehnice de
obinere a ectlaiei de regresie n cazul celei de tip multiliniar.
6.2. Modaliti de analiz n regresia multi liniar
De cele mai multe ori, modelele estimative bazate pe un singur predictor
nu sunt la fel de eficiente ca cele care includ mai muli predictori. De exemplu, un
psiholog poate considera c o persoan sufer de depresie, dac .are mai muli
indicatori (ex. stim de sine sczut, scderea apetitului alimentar i sexual,
preferina pentru culori nchise etc.) dect, dac ar lua n calcul un singur element.
Tn situaia n care sunt inclui mai muli indicatori n modelul estimativ, vorbim de o
regresie multipl. Analiza predictorilor inclui ntr-o asemenea ecuaie de regresie,
indiferent de scopul acesteia, se poate face prin patru modaliti de baz: metoda
simultan, metoda ierarhic, metoda pailor i metoda celui mai bun set posibil
(Licht, 1995).
Metoda simultan
Metoda simultan presupune introducerea concomitent a tuturor
predictorilor de interes n cadrul ecuaiei de regresie. De exemplu; dac vrem s
vedem n ce msur sexul persoanei, vrsta acesteia, nivelul de educaie i unele
trsturi de personalitate (ex. neuroticism i extroversiune) pot prezice atitudinea
subiecilor fa de tel~novele, am putea realiza o singur ecuaie de regresie, de
forma:
Atitudine telenovele =bO + b1*Sex + b2*Vrst + b3*Educaie + b4*Neuroticism + b5*Extroversiune
Aceast metod este cel mai frecvent ntlnit, fiind opiunea standard n
SPSS.
197
 '" ll'l'll'l'll'i'll'lllilllll'lllllillll''ll'll!lllll' ll'llll!ill1 111ill'll
Metoda ierarhic
Modalitatea presupune realizarea a cel puin dou analize de regresie,
aflate n relaie de tip cuib (toi predictorii utilizai ntr-unul dintre modele se gsesc
n cel de-al doilea). Pornind de la exemplul anterior, dac sunem interesai s
vedem n ce msur trsturile de personalitate extroversiune i neuroticism aduc
un plus predictiv n estimarea atitudinii fat de telenovele, dup eliminarea
influenei factorilor demografici, vom avea urmtoarele dou ecuaii de regresie: .
Atitudine telenovele = bO + b1*Sex + b2*Vrst + b3*Educaie
Atitudine telenovele =bO + b1*Sex + b2*Vrst + b3*Educaie + b4*Neuroticism + b5*Extroversiune
Fiecrei ecuaii i corespunde o anumit valoare F i un anumit coeficient
de determinare ajustat sau nu (R2 ajustat sau R2). Dac nu exist diferene ntre
cele dou ecuaii, n privina acestor valori, nseamn c neuroticismul, respectiv
extroversiunea, nu aduc un plus de informaie cu privire la estimarea atitudinii
subiecilor fa de telenovele. n schimb, dac F schimbare, obinut prin diferena
dintre cele dou modele este semnificativ statistic, nseamn c trsturile de
personalitate aduc un plus de informaii n estimarea atitudinii fa de telenovele. n
interpretare, acest lucru ar putea fi exprimat astfel: n condiiile n care persoanele
au aceeai vrst, acelai nivel de educaie i acelai sex, diferenele de
personalitate la nivel de extroversiune i neuroticism contribuie semnificativ
statistic la tipul de atitudine adoptat fa de telenovele. Din acest motiv, regresia
ierarhic este frecvent utilizat n cazul regresiilor cu scop explicativ ns ea apare
foarte rar n regresiile cu scop predictiv.
Metoda pailor
Cunoscut n limba englez sub titulatura de "stepwise", fie n variant
"forward", fie n variant "backward", metoda este criticat intens de specialitii in
statistic, dei se bucur de o anumit popularitate n tagma cercettorilor fr o
experien statistic deosebit.
n varianta "nainte" (..forward"), ea const n selectarea din setul de
predictori a aceluia care contribuie cel mai mult la estimarea criteriului, pe baz pur
statistic. n exemplul dat, prin aceast metod se realizeaz, ca prim pas, o
analiz de regresie simpl, introducnd separat fiecare dintre cei cinci predictori
(sexul persoanei, vrsta, educaia, extroversiunea i neuroticismul), pentru a vedea
influena lor n estimarea atitudinii fa d'!a telenovele. n urma acestui pas este
selectat acel predictor care contribuie cel mai mult, prin valoarea coeficientului de
determinare, la estimarea criteriului. S~ presupunem c dintre cei cinci predictori,
cea mai mare influen o exercit nivelul de educaie. Aceast variabil este
selectat i introdus n urmtorul pas. Tn acest de-al doilea pas se compar
modelele de regresie care au inclus aceast variabil i o alta, dintre cele rmase
pentru a fi testate. n cazul particular exprimat, n acest pas se compar patru
modele posibile rmase:
198
Atitudinea fa de telenovele = bO + b *Educaie + b2*Sex (1)
Atitudinea fa de telenovele = bO + b1*Educaie + b2*Vrsta (2)
Atitudinea fa de telenovele =bO + b *Educaie + b2*Extroversiune (3)
Atitudinea fa de telenovele =bO + b.Educaie + b2*Neuroticism (4)
Dintre acestea, se alege modelul care are cel mai mare coeficient de
dete:~inare multipl. S presupunem c dintre cele patru modele, primul are
coef1c1entul de determinare multipl cel mai mare. Dac acest model t
'f r . b es e
~emn1 1ca IV . ma1 . un dect modelul predictiv din pasul unu, bazat doar pe
mclu~ere~ n1velulu1 de educaie, el devine modelul cel mai bun i se trece la pasul
al tre1lea, m care se compar urmtoarele modele rmase:
Atitudinea fa de telenovele =bO + b*Educaie + b2*Sex + b3*Vrsta ()
Atitudinea fa de telenovele =bO + b*Educaie + b2*Sex + b3*Extroversiune (2)
Atitudinea fa de telenovele =bO + b *Educaie + b2*Sex + b3*Neuroticim (3)
S presupunem c cel mai bun model dintre acestea este cel de-al doilea
n care este inclus extroversiunea. Acest model se compar cu modelul de 1~
pasul 2, iar dac este semnificativ mai bun, el devine cel mai bun model i se trece
la pasul p~ru, ~ c~re vor rmne doar dou modele de comparat, dup algoritmul
pre_ze~tat In pnmu pa1. Demersul poate continua pn la epuizarea tuturor
vanab1lelor, caz n care cel mai bun model este acela n care sunt inclui toti cei
cin~i predictori. Dac, ns, diferena dintre cel mai bun model din pasul trei i cel
mal bun model din pasul doi nu este semnificativ statistic, vom concluziona c nici
unul dintre cele trei modele de mai sus nu poate fi considerat mai bun dect cel
obinut la pasul doi, iar modelul final poate fi cel obinut la pasul doi:
Atitudinea fa de telenovele = bO + b *Educaie + b2*Sex
.. "Prin urmare, prin metoda pailor se ncearc gsirea pe baz exclusiv
emp1nca a modelului care estimeaz cel mai bine evoluia datelor. n varianta
"napoi" ("backward"), metoda pailor pornete invers, n pasul unu fiind prezentat
modelul cu toate cele cinci variabile, n pasul doi fiind prezentate toate combinatiile
posibile de modele cu patru predictori. Dac vreunul dintre acestea nu e~te
semnificativ diferit de modelul cu cinci predictori, el devine cel mai bun model
posibil i se trece la pasul trei, de comparare a acestui model, cu cel mai bun
model obinut din combinarea a trei dintre cei patru predictori rmai etc.
" Dei, _n a~aren metoda pailor este atractiv, prin extragerea acelui
numar de pred1cton ci:lre explic cel mai bine evolutia criteriului ea sufer diverse
limite st~tistice i m:todologice. Din punct de vede~e metodolo~ic, apare pericolul
extragem unor predictori irelevani sau al renunrii la unii predictori relevanti sub
aspect teoretic. Din punct de vedere statistic, cresc ansele de a 'Obtine un ~odei
specific, aplicabil doar pe eantionul testat, ce nu poate fi replicat p~ ali subieci.
199
 i ~ i w
1111 11111 :11111 11111 11111 1.1111111.111111 1111111111111 1111111111111111111 111111 i11111 11111 :11

La aceste neajunsuri se adaug i unele greeli de atribuire a gradelor de libertate Pentru a da mai mult concretee acestei situaii, vom presupune c 60 de
111 cazul regresiei prin metoda pailor, fapt ce crete probabilitatea de a comite persoane angajate de dou luni n domeniul vnzrilor constituie lotul pe baza
cruia se va estima ecuaia de regresie viznd performana n vnzri. Pe baza
8 roarea de tip 1, care, n acest caz, ar consta n includerea unor predictori care nu
ar fi trebuit inclui (Pedhazur i Schmelkin, 1991; Thompson, 1995a). acestei ecuaii vor putea fi apoi selectai viitorii angajai n domeniu. Datele sunt
prezentate n fiierul regresie multiliniara.sav.
Metoda celui mai bun set posibil De asemenea, se cuvine s precizm modul .n care au fost
Acest gen de regresie se apropie de principiul regresiei n pai, fiind ntr-un operaionalizate variabilele utilizate pe post de predictori, precum i criteriul. Acesta
fel, o generalizare a acesteia. Ea const n compararea tuturor modelelor posibile din urm a fost reprezentat de venitul lunar obinut din vnzri, de fiecare angajat,
in funcie de numrul de predictori inclui in model. De exemplu, dac am include n cea de-a doua lun de munc. Dintre predictori, extroversiunea i neuroticismul
trei predictori i am utiliza metoda celui. mai bun set posibil, calculatorul va selecta au "fost obinute prin intermediul lnventarului de Personalitate Eysenck (EPI),
modelul cu coeficientul de determinare ajustat cel mai mare dintre toate cele apte scorurile obinute fiind cuprinse, pentru ambele scale, ntre O i 24 de puncte.
modele posibile (modelul care pstreaz toi cei trei predictori, trei modele cu cte Gradul de atractivitate a fost obinut pe baza sincronizrii rspunsurilor de la doi
doi predictori, trei modele cu un singur predictor). Deoarece se bazeaz pe colegi de sex opus, fiind utilizat o scal de la 1 la 1O, unde 1 nseamn un aspect
aceleai principii ca cele ntlnite n cazul regresiei n pai, metoda are aceleai fizic nengrijit i neplcut, iar 1O un aspect fizic ngrijit i foarte plcut. n privina
neajunsuri. experienei profesionale, aceasta a fost codat n trei categorii distincte.
Persoanele care nu aveau nici un fel de experien profesional anterioar au fost
Prin urmare, dei exist mai multe metode de estimare a modelului notate cu O, cele care beneficiau de experiena profesional, dar nu n domeniul
predictiv cu cel mai ridicat nivel de eficien in estimarea criteriului, recomand vnzrilor, au fost codate cu 1, iar cele care aveau experien profesional n
evitarea metodei pailor i cea a celui mai bun set posibil. n funcie de scopul domeniul vnzrilor erau cotate cu 2. Se observ c, spre deosebire de ceilali
urmrit, vei avea de ales ntre metoda simultan i metoda ierarhic, ambele predictori i de criteriu, care erau msurai prin scale de tip numeric, experiena
posibil de selectat iri SPSS. De altfel, metoda simultan este i opiunea standard profesional a fost op.eraionalizat prin intermediul unei scale de tip nominal (n
din SPSS (n englez "enter"). Pentru a utiliza regresia ierarhic,. vom menine acest caz particular poate fi perceput i ca o scal d~ tip ordinal). Pentru a analiza
metoda "enter" ns dup introducerea primului set de variabile vom apsa bUtonul influena predictorilor de acest tip se recurge la un artificiu metodologie ce necesit
"next", iar apoi vom introduce att variabilele din primul set, ct i cele care dorim transformarea variabilelorcategoriale n variabile de tip "dummy".
s le introducem n cel de-al doilea.
Variabilele de tip "dummy"
Sub aceast denumire sunt specificate n regresie toate variabilele
6.3. Regres ia multilinar n scop predictiv categoriale dihotomice, care permit rspunsuri de tip 1 sau O (Schroeder, Sjoquist
i Stephan, 1986). De exemplu categoriile "brbat" i "femeie" din cadrul variabilei
"sexul persoanei"; categoriile "da" sau "nu" viznd o anumit atitudine sunt din start
La fel cum "specialitii" n astrologie consider c pot deduce mai bine
variabile de tip dummy.. Una dintre categoriile de rspuns va fi notat cu 1 (ex.
personalitatea pe baza mai multor predictori (ex. ziua de natere, ora naterii, locul
femeie= 1; da= 1), iar cealalt categorie de rspuns va fi notat cu O (ex. brbat=
naterii) dect pe baza unui singur criteriu, i in cazul prediciei pe baz de
O; nu = 0). Rspunsurile notate cu zero mai sunt denumite i categorii de referin.
regresie sunt preferate modelele multiple (cu mai muli predictori) n faa celor
Prin intermediul regresiei, coeficienii b rezultai arat cu ct se modific criteriul
simple (cu un singur predictor). Dac revenim la exemplul prezentat n seciunea
atunci cnd predictorul crete cu o unitate. n cazul particular al variabilelor
destinat regresiei simple, ce viza gsirea unor predictori care s ne ajute s
dummy, b arat cu ct se modific criteriul atunci cnd predictorul i schimb
estimm ct mai bine performana n vnzri a candidailor testai, ar fi bine s
categoria de rspuns (de la O la 1). De exemplu, dac b pentru sexul persoanei ar
tinem seama i de alte variabile, n afara extroversiunii. De exemplu, am putea
fi 1000 i am pstra drept criteriu volumul vnzrilor realizate n EURO, am putea
presupune c performana n vnzri este. afectat de experiena profesional n
domeniu ("Ci ani de experien profesional in domeniul vnzrilor au
= =
spune c femeile (femeie 1), n comparaie cu brbaii (brbat O), reuesc s
obin cu 1000 de EURO vnzri mai mari n domeniu.
candidaii?), gradul de atractivitate fizic a personalului din vnzri i de gradul de
Dac lucrurile sunt simple n cazul variabilelor categoriale de tip dihotomic,
neuroticism al acestora, cunoscndu-se faptul c un nivel ridicat de neuroticism
ele se complic puin n cazul unor variabile categoriale cu mai mult de dou
corespunde unei afectiviti negative i unei rezistene sczute la frustrare i stres.
trepte. Spre exemplu, dac ar fi s inem cont de starea civil a unei persoane, ca

200 201
 11: III! :111:1111:11111111.11111111.:1111111 ,1, i ii :1 il !: III: lllllllltIIII:IIIIIJIIIJIII.IIIIIII. 11: li' !il I I 111111 11: I I 111111 :I I 1111111 !llllllllllll:lllllllll.llll.lllllillllllllllllll:lllllllllllllllllllllllllllillll!lllll.lllllllllll:lllllllllllllllilllllllllllllllllllllllll 11111111111111111111 1111111 I I 1

variabil predictor, aceasta poate fi exprimat prin patru categorii de rspuns: experien~ profesio_nal ~ n alte domenii; O. - fr experien profesional
O = necstorit (burlac); 1 = cstorit; 2 = divorat; 3 = vduv. ntr-o asemenea anteno~ra, ~n: dec1s sa alegem drept categorie de referin ultimul rspuns.
situaie, pentru a vedea efectul strii civile asupra unei variabile criteriu este Aceasta dec1z1e conduce la formarea a dou variabile dummy, pe care le vom
necesara transformarea variabilei n variabile .de tip dummy (dihotomice). Se vor denumi exp_vanz i exp_altd. Prima variabil dummy va cota indivizii care au
forma un. numr de k-1 variabile dummy, unde k este numrul de categorii de experien n domeniul vnzri-lor cu 1, iar pe toi ceilali cu O. Cea de-a doua
rspuns. n acest caz, dat fiind existena a patru categorii de rspuns vom obine variabil dummy va cota indivizii care au experien prefesional n alte domenii cu
trei variabile dummy. Ce vor avea n comun aceste variabile nou formate va fi 1, iar pe toi ceilali cu O. Tabelul 6.1 exemplific aceast transformare n cazul
categoria de referin. Alegerea acesteia se face n funcie de importana relativ a primilor zece subieci din fiierul regresie multipla.sav.
rspunsurilor posibile i de frecvena acestora. n cazul strii civile, am putea alege n cazul regresiei liniare SPSS-ul nu ofer posibilitatea de a transforma 0
ca valoare de referin prima categorie (O = necstorit), ceea ce nseamn c cele variabil categorial n variabile dummy din meniu. Acest lucru poate fi fcut doar
trei variabile dummy rezultate vor fi: cstorit, divorat i vduv. Pentru a obine prin apelul la sintax. De aceea, cei care nu sunt familiarizai cu apelul la sintax
noile variabile se recurge la urmtoarele transformri. Pentru variabila dummy vor trebui s recodeze variabila categorial n variabile dummy, fie manual, fie prin
"cstorit" vom avea doar dou rspunsuri posibile: { dac persoana este apelul la opiunea disponibil prin calea "Transform"-"Recode"-"lnto different
cstorit i O, dac persoana este necstorit, divorat sau vduv. Pentru variables". n alte situaii, precum n cazul regresiei logistice, SPSS-ul permite
variabila dummy "divorat" vom cota 1, dac persoana este divorat i O, dac recodarea automat a variabilelor categoriale n variabile dummy. n acest caz,
persoana este necstorit, cstorit sau vduv. n sfrit, variabila dummy rspunsul ales drept categorie de referint trebuie s fie ntotdeauna codat cu o
;,vduv" are cota 1, dac persoana este vduv i O, dac ea se afl ntr-una dintre pentru c SPSS alege automat aceast ~aloare ca referint. Dac nici unul dintr~
celelalte trei categorii. rspunsuri nu este codat O, SPSS-ul va alege ca valoare de referin categoria de
Dezavantajul transformrii variabilelor categoriale n variabile de tip rspuns cu valoarea cea mai mare. De exemplu, dac rspunsurile la variabila
dummy const n creterea artificial a numrului de predictori, ns aceast "starea civil" ar fi fost codpte: 1 - necstorit; 2 - cstorit; 3 - divortat; 4 -
soluie este singura care permite introducerea variabilelor categoriale ca predictori vduv, SPSS-ul ar fi ales automat categoria "vduv" ca valoare de ref~rint. n
n analiza de regresie. schimb, dac rspunsurile sunt codate precum n exemplul dat: O- necstori,t; 1 -
cstorit; 2 - divorat; 3 - vduv, va alege drept categorie de referint varianta
Tabelul 6.1. Transformarea variabilei "experien" n variabile de tip dummy: "necstorit". '
Revenind la exemplul dat, vom avea de testat eficienta unui model
Numr Subiect "Experien" Dummv 1 "Exp_ vanz" Dummy 2 "Exp_ altd"
predictiv alctuit din cinci predictori asupra performanelor n v~zri. Cei cinci
1 o o o
2 1 o 1 predi<:;tori sunt extroversiunea, neuroticismul, gradul de atractivitate fizic, dummy
3 2 1 o "experien n vnzri" i dummy "experien n alte domenii". Baza de date
4 1 o 1 aferent este denumit regresie multipla.sav.
5 o o o Prin intermeqiul regresiei liniare, disponibile n SPSS prin calea "Analyze"-
6 2 1 o "Regression"-"Linear", vom obine rspunsul la trei ntrebri importante:
7 1 o 1 1. este acest model eficient?
8 2 1 o 2. care dintre predictori contribuie la eficiena modelului?
9 1 o 1
3. care dintre predictori are cea mai mare influen asupra eficienei
10 o o o
modelului?
Legend categorie rspunsuri "experien":
Rspunsurile la cele trei ntrebri pentru cazul dat se gsesc sintetizate n
O-'fr experien profesional;
tabelele output oferite de SPSS 11.0. i prezentate n figura 6.1 O.
1 -experien profesional n alt domeniu;
Primele dou tabele arat c cei cinci predictori inclui conduc la un model
2- experien profesional n vnzri.
de regresie semnificativ statistic mai bun dect cel obinut pe baza mediei - F(5,
54) = 10.46, p < .001, care este capabil s explice, n form ajustat, o proporie
Dac ai neles procesul de transformare a variabilelor categoriale n
de 44,5% (R 2 ajustat= .445) din evoluia dispersiei performanelor n vnzri.
variabile de tip dummy, atunci vei intui corect transformrile necesare n cazul
exemplului ~at, viznd variabila experien profesional. Dintre cele trei categorii Restul de 55,5%, rmas neexplicat, se datoreaz altor factori, neintrodui
de rspunsuri: 2 - cu experien profesional n domeniul vnzri!or; 1 - cu n modelul de regresie. Totui, merit menionat c o asemenea valoare, indic o

202 203
1,11:1111 111111111111

bun putere explicativ n cadrul tiinelor sociale, deoa~ece majorita.tea mode/~lo~ Semnificaia statistic a predictorilor
de regresie din aceast arie se rezum la coef1cien1 de determ1nare multipla
Din ultimul tabel al figurii 6 .. 1O. se pot extrage informaii preioase legate de
cuprini ntre .10 i .50.
ultimele dou ntrebri formulate, i anume: care dintre predictori contribuie la
Model Summary eficiena modelului i care este ponderea predictorilor n cadrul modelului.
Adjusted 1 Std. Error of
r La o prim vedere, pe baza testului de semnificaie t, se constat c,
Model R R Square R Square the Estimate 1 excluznd interceptul, doar trei predictori din cinci contribuie semnificativ statistic la
1 ,701a ,492 ,445 1 209,850
1 estimarea performanelor din vnzri. Cei trei predictori sunt extroversiunea, nivelul
"
a. Predictors: (Constant), Expenenta 1n alte domenn,
de atractivitate fizic i variabila dummy- ce opune persoanele cu experien
Grad de atractivitate fizica, Neuroticism, Extroversiune,
Experienta in domeniul vanzarilor profesional n domeniul vnzrilor celor care nu aveau nici un fel de experien.
Totui, innd cont c alegerea predictorilor nu s-a fcut la ntmplare, ci
pe baza unor premise teoretice, am putea spune c avem de a face cu o ipotez
de tip unilateral, n care se specific din start direcia de evoluie a criteriului n
Sum of funcie de predictori. Astfel, ne-am atepta ca persoanele care au un nivel de
Model g_uares df Mean g_uare F SJ.g, extroversiune i de atractivitate fizic mai ridicat, care au experien profesional n
1 Regression 2302920 5 460583,993 10,459 ,oooa
domeniul vnzrilor i care au un nivel sczut de neu_roticism, vor obine
Residual 2377998 54 44036,996
Total 4680918 59
performane superioare n domeniul vnzrilor fa de persoanele care au
" .. caracteristici opuse. n asemenea condiii, trebuie s inem seama c semnificaia
a. Predictors: (Constant), Experienta in alte domenn, Grad de atra<;t1v1tate fiz1ca,
Neuroticism, Extroversiune, Experienta in domeniul vanzarilor testului t oferit de SPSS implic o ipotez de tip bilateral. n consecin, pragul de
b. Dependent Variable: Vanzari lunare in EURO semnificaie poate fi njumtit pentru a testa semnificaia ipotezei unilaterale. n
urma consultrii ultimului tabel prezentat n figura 1O, se observ c predictorul
neuroticism devine semnificativ statistic n estimarea evoluiei performanelor n
CoefficientS'
vnzri, deoarece n urma njumtirii pragului de semnificaie bilateral .096 se
Unstandardized Standardized obine unt=: -1.68, p < .05.
Coefficients Coefficients
Model B Std. Error Bela t Siq. Semnt~l predictorilor
1 (Constant) 1038,252 108,435 9,575 ,000
Extroversiune 24,472 5,830 ,420 4,198 ,000 Dac coeficientul de regresie b are o valoare pozitiv nseamn c exist o
Neuroticism -8,898 5,283 -,167 -1,684 ,098 relaie direct ntre predictor i criteriu. Astfel, atunci cnd predictorul crete cu o
Grad de atractivitate fizica 33,868 12,707 ,266 2,665 ,010 unitate, criteriul crete de asemenea. n cazul unor valori negative ale coeficientul
Experienta in domeniul
217,933 76,369 ,368 2,854 ,006 de regresie exist o relaie invers ntre predictor i criteriu: cnd -predictorul crete
vanzarilor
Experienta in alte domenii 13,661 72,104 ,024 ,189 ,850 cu o unitate, valoarea criteriului scade. Semnul predictorilor se interpreteaz doar
a. Dependent Variable: Vanzari lunare in EURO
n cazul n care acetia contribuie semnificativ statistic la evoluia criteriului. n
exemplul dat, nu ne intereseaz semnul ultimei variabile dummy, care face
Figura 6.1 O. Output SPSS 11.0 pentru regresia multipl
diferena dintre persoanele cu experien profesion?l n alte domenii i cele fr
SPSS este o marc nregistrat.
experien profesional, deoarece n lipsa semnificaiei statistice a acestui
predictor nu se poate afirma c acesta ajut n vreun fel la estimarea performanei
n vnzri. n schimb, cu excepia neuroticismului care are un coeficient de
6.3.1. Interpretarea coeficienilor. de regresie corelaie nestandardizat negativ (b = -8,898), toi ceilali au o relaie direct cu
criteriul.
Pentru a interpreta coeficienii de regresie corespunztori fiecrui predictor
introdus n ecuaie, se ine seama de trei criterii: Ponderea predictorilor
este acesta semnificativ statistic?
n forma lor nestandardizat, coeficienii de regresie corespunztori
are o valoare pozitiv sau negativ?
fiecrui predictor arat cu ct se modific criteriul, atunci cnd predictorii cresc cu o
este predictorul important?
unitate. n cazul regresiei multiple, precum n prop!ema de fa, aceast

204
205
,. iiUUIUI Jl! ,IIUI' !I I 111, 1 1 II I I, 1 1 11' 1111 1 1 1111 I I '11' .111 I I I I II I I 111' IUIIIJIUI!JIUI'JI!JIUIII 'IIUII 1111 1 11IIIIJII' 1 1 'I I I I: :111 1 1 :I I l l1 il l I I :11' ! 1 '11 il' 1 i' il il, '" ' ll!illillllllll,:llllll:llilll:llilll,jllllilllll'lll:lll,lil,il:ll.llllll!lli.ll;i',lll;lllilll!llll:llllllll111111lllllllll:lllllllllllllllllll,lllllli 1lll'lll'!llllll,lllllll:lllllll:illllll ill.ll!ill.ll,ill.li,!ll

interpretare se pstreaz, adugndu-se doar sintagma "n condiiile pstrrii persoa~ele care a.u :xperien n domeniul vnzrilor, am putea compara aceast
constante a celorlali predictori". categone de .. refenna cu persoanele care . au experient, n alte domenii i cu ~e
1
De exemplu, fn cazulextroversiunii, b a fost 24,47, ceea ce nseamn c o care nu au n1q un fel de experien profesional. Similar, ntr-un astfel de scenariu
persoan care a obinut, spre exemplu, scorul 1 1 la proba de. extroversiune, va nu am putea compara. .persoanele
~
care au experien profesional n alte dome nu.:
obine vnzri lunare mai mari cu 24,47 EURO dect o persoan care a obinut cu ce 1e care nu bene f IC!aza de nici un fel de experient.
doar 10 puncte la proba de extroversiune. Aceast estimare este valabil n Dac se vor alege alte categorii de referin: trebuie s retineti c valorile
condiiile n care pstrm constant influena celorlalte variabile, o asemenea coeficienilor standardizai se vor schimba, n asemenea situatii fi,ind 'necesar 0
situaie ipotetica fiind cazul n care cele dou persoane obin rezultate identice la
nou analiz de regresie. '
toate celelalte probe, singura diferen fiind faptul c la proba de extroversiune, Un alt aspect ce merit s fie lmurit se refer la stabilirea unei ierarhii a
una dintre ele obine un scor cu un punct mai mult dect cealalt. importanei i a ponderii predictorilor n estimarea evoluiei criteriului. n acest
Similar, n cazul neuroticismului, interpretarea asociat rezultatului domeniu, coeficienii nestandardizai b i dovedesc limitele, deoarece sunt
b = -8,898 ar fi: o persoan care obine la scala de neuroticism cu un punct mai dependeni de amplitudinea scalelor de msurare utilizate. De exemplu, valoarea
mult dect o alt persoan, n condiiile n care la celelalte probe au obinut aparent foarte mare b = 217,93 din dreptul variabilei dummy "exp_vanz" se
performane egale (ceilali predictori au fost inui constani), se estimeaz c va dato~eaz f~aptului c mo~ificarea cu o unitate, de la O la 1, indic, de fapt, ntreaga
avea cu 8,89 EURO vnzri lunare mai mici dect cea de-a doua. scala de raspuns, pe cand un b de 24,47 indic evolutia criteriului n conditiile
n cazul variabilelor dummy, interpretarea este uor diferit. Astfel, n cazul modificrii tot cu o unitate a scalei de extroversiune, s ~icem de la o la 1 chiar
variabilei dummy "exp_vanz", care are un coeficient nestandardizat de regresie dac rspunsurile sunt cuprinse de la O la 24 de puncte. Dac b ar fi des~mnat
semnificativ statistic (b = 217,93) se estimeaz diferenele n vnzri dintre o schimbarea de la O la 24, cu siguran valoarea sa ar fi fost mult mai mare (de 24
persoan care are rezultatul O la variabila dummy respectiv i o alt persoan
de ori).
care are cota 1 la aceeai variabil, n condiiile n care influena celorlali predictori Pentru a elimina acest neajuns al coeficienilor nestandardizati b SPSS-ul
este inut constant. n exemplul dat, dac dou persoane obin rezultate identice ofer i v~lorile coeficienilor standardizai, denumii beta. Acetia au' pr~prietatea
la nivelul de extroversiune, la cel de neuroticism i la cel de atractivitate fizic, dar d~ a nu .f1 dependeni de scala de msurare, prin urmare ei permit o comparare
difer n ceea ce privete experiena profesional, n sensul c una are experien direct a ponderii predictorilor. Din acelai ultim tabel al figurii 6.1 o se constat c
n domeniul vnzrilor (exp_vanz = 1), iar cealalt nu are nici un fel de experien n ordine descresctoare a importanei lor n estimarea criteriului se afl: un nivel
(exp_vanz = O), prima se estimeaz c va obine lunar, n vnzri, cu 217,93 ridicat de extroversiune CB = .420), experiena profesional n domeniul vnzrilor
EURO mai mult dect cea de-a doua. Cu alte cuvinte, n conditiile mentinerii CB = .368), atractivitatea fizic CB = .266) i un nivel sczut de neuroticism CB = _
constante a influenei celorlali predictori, experiena anterioar, n do~eniul .167). Cealalt variabil dummy, nefiind semnificativ statistic, nu prezint interes
vnzrilor aduce un plus lunar de 217,93 EURO n comparaie cu absena oricrei deoarece nu ajut la estimarea performantelor n vnzri '
experiene profesionale. Unii autori precum Lcht (1995), ~u atras atentfa asupra necesittii de a
Se observ n cadrul acestei variabile dummy c se face comparaia cu interpreta cu mai mult precauie aceti coeficieni st~ndardizati beta. Astfel nu
categoria de referin aleas, n cazul dat, persoanele fr nici un fel de experien este indicat jocul proporiei ponderilor. De exemplu, este riscant ~ interpret~ c
profesional. n cadrul acestei comparaii nu se ine seama de o alt categorie de un B de .42 indic o importan aproape dubl asupra estimrii performantei n
rspunsuri posibile, aceea a persoanelor care au experien profesional, dar n vnzri n comparaie cu un ~ de .26. De asemenea, ntre dou valori 'beta
alte domenii dect cel al vnzrilor. Comparaia dintre aceste persoane i cele fr apropiate, ex. B.42 i B.36 este dificil de apreciat c prima este mai mare dect a
experien se obine prin consultarea celei de-a doua variabile dummy "exp_altd", doua, dat fiind apropierea dintre cele dou care face posibil intersectia lor n
al crei coeficient de regresie a fost nesemnificativ statistic (b = 13,66). Se observ cazu~ precizrii unui interval" de ncredere pentru cele dou valori. Prin' urmare,
c prin alegerea categoriei de referin "persoane fr experien profesional" se val?nle beta trebuie interpretate ntr-un mod relativ. De exemplu, din valorile
face de fapt compararea dintre aceasta i toate celelalte categorii posibile. n ammtite mai sus reiese, destul de clar, c experiena profesional n domeniul
schimb, este imposibil compararea dintre categoriile care nu joac rol de referin, vnzrilor n comparaie cu absena oricrei experiene profesionale i nivelul de
n cazul de fa fiind imposibil tehnic s comparm diferenele n performana din ext:oversiune sunt cei mai importani predictori ai performanelor n vnzri, cel
vnzri dintre persoanele care au experien n acest domeniu i cele care au pu1n comparativ cu nivelul de neuroticism sau chiar cu gradul de atractivitate
fizic.
experien n alte domenii. Pentru a putea face acest lu.cru este necesar s alegem
alt categorie de rspuns ca variabil de referin. De exemplu, dac am nota cu O

206 207
 I IJI 'P_ _ _ IIIIIIIIIIilllllillllilllll,llll!lllll'll:i!
Din punct de vedere tehnic, aceti coeficieni standardizai se pot interpreta
ntr-un mod similar cu cei nestandardizai. Dac cei din urm arat cu ct se
modific criteriul n condiiile n care predictorul corespunztor crete cu o unitate,
iar ceilali predictori rmn constani, coeficienii standardizai arat cu ct se
modific criteriul n abateri standard dac predictorul n cauz crete cu o abatere
standard, iar ceilali rmn constani. De multe ori, interpretarea pe baza acestor
coeficieni devine dificil de neles sau fr un sens foarte clar. De exemplu, n.
cazul extroversiunii, ~ de .42 arat c, n condiiile meninerii constante a influenei
celorlali predictori, atunci cnd nivelul de extroversiune crete cu o abatere
standard, criteriul crete cu 0,42 abateri standard. Din aceste considerente,
interpretarea datelor se face, de obicei, din prisma coeficienilor nestandardizai de
regresie, valorile beta servind doar la aprecierea importanei i ponderii
predictorilor n estimarea evoluiei criteriului.
Ce sunt coeficienii de regresie din punct de vedere statistic?
n cazul regresiei liniare simple, beta este egal cu valoarea coeficientului
de corelaie simpl dintre predictor i criteriu. n cazul regresiei multiple, datorit
prezenei mai multor predictori, beta nu mai este egal cu valoarea coeficientului de
corelaie simpl ntre predictorul respectiv i criteriu. n astfel de cazuri, beta este
un coeficient standardizat ponderat de regresie (n englez "standardized partial
regression weight"), fiind din acest punct_ de vedere similar cu cel prezentat n
matricea modelului factorial, din cadrul analizei factoriale. n practic, se omite de
multe ori sintagma "partial" din titulatur, ceea ce poate duce la interpretri eronate
(Licht, 1995). Mai exact, coeficientul reprezint o corelaie semiparial ntre
predictor i criteriu. Dac corelaia parial indic relaia dintre predictor i criteriu,
dup ce se elimin influena celorlali predictori inclui n ecuaia asupra celor doi
termeni, corelaia semiparial arat relaia dintre predictorul n cauz i acea parte
a criteriului care nu a fost explicat de ceilali predictori din model.
6.3.2. Rolul ecuaiei de regresie n interpretarea datelor cu scop
predictiv
n urma oricrei analize de regresie efectuat n scop predictiv, ecuaia de
regresie are un rol esenial. Prin intermediul ei, putem estima rezultatele altor
persoane, pe baza predictorilor gsii relevani pentru evoluia criteriului. S lum
ecuaia de regresie pentru exemplul dat, extras din acelai ultim tabel al figurii
6.1 O, pornind de la coeficienii de regresie:
= 1038 + 24,5*Extroversiune - 8,9*Neuroticism + 33,9*Atractivitate
Performan vnzri
fizic+
217,9*Dummy Experien n vnzri + 13,6*Dummy Experien n alte domenii
Pe baza acestei ecuaii, se pot estima rezultatele unui individ care, s
presupunem, obine 1O puncte la proba de extroversiune, 5 puncte la scala de
208
neuroticism, primete nota 7 ca grad de atractivitate fizic i care are experient n
domeniul vnzrilor. Ecuaia de regresie n cazul acestui individ devine: '
Performan estimat n vnzri = 1038 + 24,5*10- 8,9*5 + 33,9*7 + 217,9*1 + 13,6*0 =
1693,7 EURO
Trebuie remarcat un alt aspect tehnic, legat de pstrarea celei de-a doua
variabile dummy n ecuaie, dei ea nu a contribuit semnificativ statistic la
estimarea valorii criteriului. Acest lucru a fost necesar, deoarece cealalt variabil
dummy a fost semnificativ statistic. n mod normal, variabilele care nu contribuie
~emnificativ la estimarea criteriului sunt eliminate din ecuaie, aceast msur fiind
urmat de o alt analiz de regresie, obinut doar pe baza predictorilor
semnificativi, deoarece valorile b ale_ acestora se modific prin renunarea la
anumii predictori. Singura excepie o constituie variabilele de tip dummy, care sunt
concepute mpreun ca un set de predictori. n cazul lor sunt posibile doar dou
decizii: fie se pstreaz toate variabilele, dac cel putin una dintre ele este
semnificativ (precum n exemplul dat), fie se elimin intreg 'setul de variabile
dummy, n cazul n care nici una dintre acestea nu contribuie semnificativ la
estimarea criteriului.
6.3.3. Instrumente complementare regresiei n scop predictiv
6.3.3.1. Decizia organizaional
n urma stabilirii unei ecuaii de regresie, se poate constata eficiena
modelului estimativ propus i prin alte mijloace dect consultarea valorii
coeficientului de determinare multipl. Astfel, am putea mpri subiecii pe seama
mediei ori a medianei, n funcie de distribuia statistic avut, n dou grupe:
subiecii care au obinut rezultate sub valoarea mediei (medianei), respectiv
subiecii care au obinut rezultate peste valoarea mediei (medianei). Aceeai
mprire se poate face utiliznd. rezultatele estimate ale subiecilor, utiliznd ns
drept criteriu, media sau mediana acestor estimri. n urma acestui demers, vom
. obine un tabel, precum cel de mai jos, n care .vor rezulta patru categorii de
subieci: cei pentru care att rezultatele observate, ct i cele estimate, se afl
deasupra mediei (1 ); cei pentru care att rezultatele observate, ct i cele estimate
se afl sub nivelul mediei (4); cei ale cror rezultate observate sunt deasupra
mediei ns rezultatele estimate se afl sub acest indicator (fals negativ) (2);
respectiv cei ale cror rezultate observate se afl sub nivelul mediei, dar a cror
estimare se afl deasupra acestei valori (fals pozitiv) (3).
209
 .11' il 1: ,i li" !III; 11.'!'11''1 il ll1
11:1'.11 111111111111
,:1:. I I !1' !!lllliilllllliillllllillll.,lllillllillllilli-'111 111111111 11 1 11111'111 11! 1111 ,,i :1 I I !li ill' I I !11 'III III'' I I '11 111111' l i III 111111' i

Tabelul 6.2. Distributia subiectilor pe categorii conform acestei metode ptratice sunt normale, din moment ce R2 ajustat corespunz tor ecuaiei de regresie nu a
' '
luat valoarea 1, ci doar 0,445.
Rezultate observate Rezultate observate
Pe baza acestui tabel se poate obine i un procentaj de. r~spunsuri
sub medie peste medie
corecte, pe baza formulei:
Rezultate estimate sub medie + + (4) - + (2)
Rezultate estimate peste medie +- (3) - - (1) A+B
Corect=----- (6.2)
A+B+C+D
Conform acestui tabel, cu ct procentul persoanelor ale cror rezultate au
fost estimate corect (cadranele 1 i 4) este mai mare, cu att modelul se dovedete n cazul dat, valoarea obinut indic 0,8166, ceea ce arat un procentaj
mai util n clasificarea performanei subiecilor pe baza ecuaiei de regresie de 81,66% de estimri corecte. Un asemenea rezultat se apreciaz subiectiv. De
obtinute. exemplu, a estima corect n aproximativ 4 din 5 cazuri performana n vnzri
' n cazul utilizrii ecuaiei de regresie din exemplul prezentat, pornind de la obinut de candidaii la un post n domeniu poate fi considerat o cifr destul de
baza de date "r.egresie multipla.sav", sunt necesare mai multe operaii. bun, pentru a include predictorii respectivi n decizia procesului de selecie. n alte
Prima dintre ele vizeaz salvarea valorilor estimate ale criteriului, ca situaii, mai ales din domeniul medical, un asemenea procentaj nu este
variabil nou, n urma rulrii analizei de regresie n cauz (calea "Analyze"- satisfctor, mai ales dac el privete atribuirea unui diagnostic greit, ns n
Regression" -Linear" -"Save" -Unstandardized"). situaii speciale, poate fi acceptat, dac alte metode nu reuesc o predicie mai
Cel de-al doilea pas const n calcularea mediei i a medianei pentru cele bun.
dou variabile de interes - criteriul observat, respectiv criteriul estimat - i .. Pitariu (1983, p. 140-145) ofer o analiz n detaliu a acestor aspecte,
alegerea celui mai potrivH ind'1cator descrlptiv pentru felul n care arat distribu'la oferind o serie de indicatori ce pot fi calculai i utilizai n decizii de selecie
datelor. Tn cazul dat, distribuia pare normal pentru ambele cazuri, iar valoarea profesional. Merit s fie menionat faptul c, n asemenea situaii, mprirea
mediei a fost de 1407,27 pentru datele observate, respectiv de 1407,266 pentru subiecilor n satisfctori i nesatisfctori nu trebuie s se fac innd seama
datele estimate, fiind practic egale. neaprat de medie. De exemplu, dac suntem interesai de candidaii foarte bunl
Al treilea pas const n recodarea celor dou variabile n dou variabile ~ pentru un anumit post, ar fi nepotrivit mprirea subiecilor n cele dou grupe pe
diferite, nou-create, astfel nct valorile mai mari dect media s ia valoarea 1, iar baza mediei sau a medianei, deoarece un rezultat puin mai mare dect aceti
cele mai mici dect media s ia valoarea O (calea "Transform"-"Recode"-"Into indicatori nu Tnseamn un rezultat foarte bun. De exemplu, dac cei care
Different Variables"). efectueaz selecia candidailor ntr-un post de vnzri consider c un angajat
n urma acestui pas, putem realiza un tabel de contingen cu rezultatele foarte bun ar trebui s vnd lunar n valoare de 1700 de EURO, am putea utiliza
obinute: acest criteriu de mprire a candidailor n "potrivii" i "nesatisfctori". Utiliznd
acelai procedeu explicat mai sus, n cazul segmentrii subiecilor pe baza mediei,
Tabelul 6.3. Situaia clasificrii subiecilor n exemplul dat i apelnd la aceeai baz de date vom obine urmtoarea distribuie a subiecilor:

Rezultate observate Rezultate observate

Tabelul 6.4. Situaia clasificrii subiecilor considerai "foarte buni" n exemplul dat
sub medie-O peste medie - 1
Rezultate estimate sub medie - O 26 (B) 6 (C) Rezultate observate Rezultate observate
Rezultate estimate peste medie - 1 5 (D) 23 (A) pan n 1700 peste 1700
Rezultate estimate pan n 1700 45 (8) 8 (C)
nterpretarea acestui tabel se face simplu: din totalul de 60 de subieci Rezultate estimate peste 1700 4(0) 3 (A)
testai, pe baza ecuaiei de regresie 49 dintre ei au fost identificai corect. Astfel, 26
dintre cei care au obinut rezultate ~ub medie, au fost estimai corect, pe baza Din acest tabel se vede c n ceea ce privete identificarea subiecilor cu
ecuaiei de regresie, ca obinnd rezultate sub medie. Similar, n 23 de cazuri, s-a rezultate foarte bune n domeniu, lucrurile nu stau la fel de bine. Astfel, dintre cei
reuit identificarea corect a persoanelor care au obinut rezultate superioare 11 subieci care au obinut performane superioare valorii de 1700 de EURO,
mediei. S-au nregistrat ns-i eecuri, Ia ase subieci s-au estimat rezultate sub intrnd n categoria personalului din vnzri foarte bun, doar trei au fost identificai
medie, ns ei au obinut rezultate peste medie, respectiv Ia cinci subieci s-au corect de ctre model. Ceva mai bine stau lucrurile n cazul celor considerai a nu
estimat rezultate peste medie ns s-au obinut rezultate sub medie. Aceste eecuri face parte din categoria celor buni. Astfel, dintre cei 49 de participani care au

211
210
 111: 1111111111: illlllllllllllllllhiiiiii~IIIII~IIIIIIIIIIIWIIIIIIIIIImllllll~llllll.llllllillllll

obinut performane Tn vnzri sub valoarea de 1700 EURO, 45 au fost identificai de subieci testai i nu unor caracteristici ale eantionului care nu permit
corect Prin urmare, modelul este destul de bun pentru a detecta pe cei care nu pot generalizarea.
face parte din categoria subiecilor .. foarte buni" Tn domeniul vnzrilor (fali O alt posibilitate const n testarea altor subieci i compararea
pozitivi) ns nu este foarte. bun n evaluarea subiecilor care fac parte din categoria rezultatelor celor dou ecuaii de regresie. Aceast metod este cea mai bun din
celor foarte buni, din cauza numrului relativ mare de subieci fali negativi. Totui, perspectiva validitii ecologice ns necesit. un consum mare de resurse. '
n ansamblu, modelul predictiv poate fi folosit Tn lipsa altora mai eficiente, deoarece n sfrit, cea de-a treia modalitate ar fi s consultm estimativ valoarea
conditia minim de acceptare a modelului, i anume, ca estimarea pe baza ajustat. a coeficientului de determinare multipl, R2 ajustat oferit de SPSS, care
predi~torilor inclui s fie mai bun dect cea realizat n absena acestora, este dei nu reprezint ceea ce mult lume crede, i anume, eficiena modelului d~
ndeplinit. Formula de verificare a acestei condiii este (Pitariu, ~ 983): regr~sie_ n cadrul populaiei din care a fost extras eantionul testat (Field, 2000),
ofera o idee despre eficiena utilizrii ecuaiei de regresie i pe alti subiecti dect
A A+C @cei testai. A~tfe~ dac~ valoarea sa ajustat este suficient de mare (e2:: Rz aJustat=
-->----- (6.3)
.40) I nu difera ma1 mult de tre1-patru procente de valoarea lui R2 neajustat
A+D A+B+C+D
exist premise pentru putea generaliza modeful estimativ pe toi subiecii din car~
a
a fost extras eantionul. Aceast ultim posibilitate este n mai mare msur
nlocuind datele din tabelul 6.4. n formula de mai sus, obinem (3/7 > 11/60), adic supus riscului de a ne nela n comparaie cu primele dou. De aceea, recomand
0,245, ceea ce se traduce prin faptul c, n urma utilizrii ecuaiei de regresie ca Tn situaia utilizrii regresiei n scop predictiv, s se realizeze o contravalidare
respective n selecia personalului n vnzri, crete procentul celor care vor fie prin analiza dubl a grupelor extrase prin njumttire~ lotului de subiecti fi~
corespunde cerinelor postului cu 24,5%. Mai multe detalii despre modul de (;"Jnprin testarea unui nou. eantion i compararea rezultat~lor obtinute pe cele d~u
utilizare a regresiei n procesul de selecie pot fi gsite n Pitariu (1983). W loturi. '
. Revenind la exemplul dat, numrul redus de subieci testai (N =60) nu ne
perm1te aplicarea metodei de njumtire. Cum nu exist un alt eantion de
6.3.3.2. Contravalidarea comparaie, va trebui s ne mulumim cu aprecierea valorii ajustate a coeficientului
n cazul regresiei utilizate n scop predictiv, o importan deosebit o are de determinare multipl. n condiiile n care R2 ajustat este .445, iar Rz este .492,
contravalidarea sau validarea transversal (n englez .,cross-validation"). se observ o distan destul de mare ntre cele dou valori, fapt care pune sub
Indiferent de termenul folosit, prin acest procedeu se urmrete s se stabileasc semnul ndoielii posibilitatea de a generaliza rezultatele obinute. Totui, nu ne
n ce msur o ecuaie de regresie obinut pe baza chestionrii unui eantion de p~tem baza foarte mult pe aceste rezultate, deoarece diferena destul de mare
subieci poate fi folosit cu succes n predicia performanei altor subieci. Pentru a d111tre cele dou valori se poate datora numrului relativ redus de subiecti testati
realiza acest tip de validare exist trei mijloace de baz, primele dou fiind i cele n ultimii ani s-au dezvoltat alte metode de contravalidare' inter~~ a
mai potrivite. Astfel, o prim posibilitate const n njumtirea eantionului testat modelelor de regresie precum bootstrap (o traducere aproximativ a termenului din
printr-o metod aleatorie, urmat apoi de calcularea coeficienilor ecuaiei de limba englez este de lrgire sau ntindere). Bootstrap-ul (Thompson, 1995b)
regresie pentru cele dou grupe. De exemplu, dac au fost testai 250 de subieci, implic copierea setului de date de cteva sute sau mii de ori ntr-un fiier foarte
se pot obine dou grupe a cte 125 de subieci care sunt analizai prin metoda mare. Apoi, din acesta sunt extrase sute sau mii de eantioane diferite a cror
regresiei. Dac coeficienii de regresie din cele dou ecuaii sunt apropiai ca mrime este egal cu cea a eantionului iniial. Tehnica permite datelor deja
valoare, se poate estima c ecuaia de regresie obinut prin agregarea celor dou extrase s fie selectate din nou, fiind astfel diferit de extragerile Iota, n care un
grupe este destul de solid i poate fi folosit n predicia evoluiei altor subieci. numr, o dat extras, nu mai poate fi pus la loc. pentru a putea fi ales din nou.
Avantajul acestei metode const Tn economia de timp i resurse, iar dezavantajul Pentru fiecare dintre sutele sau miile de eantioane obtinute se calculeaz
ccinst n numrul relativ mare de subieci ce trebuie testai pentru a putea mpri rezultatele individuale, n funcie de scopul urmrit (ex. medii, abateri standard,
eantionul Tn dou grupe. De exemplu .. dac avem n totaldoar 100 de subieci coeficieni de regresie etc.). De exemplu, se poate obine o medie general pentru
testai, njumtirea lor va conduce la un numr destul de mic de subieci pentru a coeficientul de regresie corespunztor unui anumit predictor pe baza coeficientilor
estima corect coeticienii de regresie, deoarece un eantion mic conduce la de regresie observai n fiecare eantion extras. Prin aceeai metod se calcule~z
estimarea unor coeficieni de regresie cu un grad ridicat de instabilitate.' n i eroarea standard a acestui coeficient general, care nu este altceva dect
asemenea condiii am putea ajunge la concluzia c nu vom putea utiliza ecuaia pe abaterea standard obinut n urma mprtierii mediilor din eantioanele extrase.
ali subieci, dei instabilitatea coeficienilor de regresie s-ar datora numrului mic Dac aceast eroare standard ia o valoare redus, ne putem ncrede ~

212 213
 11111111!111.1111
1
1111'1111:1111111 1111111' 1! 1' i: 1 ! ~1
~. .1 1 ' i :i '11 1 I I 1 1: ,I I. !11! .I I, !I I I I. il i :lli !11: I I' !I I :1 1 1ll ! ,1111. !llllliiiiiiiWIIIIWIIIII~IIIWIWIIIIrnUII il l: -ll i 1 1 i
1
'll':i. i 1111111 lli.llllllll.llllilll:llll:lllillll:llllllll.'llllilll:.llllilll:.llll!lllllll1.lll!illlilli:lll.llli:lll.l!lilll:ill!-!l11!!ii !l:.li i
1 11

coeficientul de regresie obinut, aspect esenial n orice analiz de regresie, cu att
mai mult n cea cu scop predictiv.
6.3.3.3. Analiza cazurilor influente
n stabilirea ecuaiei de regresie, nu toate cazurile, adic nu toi subiecii,
contribuie la fel la stabilitatea i corectitudinea ecuaiei de regresie gsite.
Regresia, fiind bazat pe ideea asocierii dintre variabile, are toate limitele
prezentate i n cazul corelaiei. Spre exemplu, aa cum valoarea coeficientului de
corelaie poate fi afectat grav de prezena unor date neobinuite i linia de
regresie poate fi grav afectat de asemeneavalori. Figura 6.11. ofer o ilustraie a
acestei situaii, n figura din stnga fiind prezentat linia de regresie n absena
cazului neobinuit, iar n dreapta se poate observa evoluia ei n prezena acestui
caz.
Simpla prezen a unor date neobinuite poate afecta linia de regresie i
conduce la rezultate distorsionate. Astfel, dac analizm linia de regresie din figura
din dreapta se observ c traiectoria ei nu urmrete corect evoluia majoritii
punctelor, adic a cazurilor observate, deoarece ine seama de influena datelor
extreme asupra modelului. Dac asemenea date ar fi eliminate, precum n
imaginea din stnga, linia de regresie va descrie mult mai bine evoluia criteriului.
Prin urmare, n cazul utilizrii regresiei n scop predictiv trebuie s analizm
neaprat dac exist date neobinuite i s neutralizm influena acestora prin
realizarea unei noi regresii dup eliminarea lor din analiz, deoarece ele afecteaz
valorile coeficieni lor de regresie.
-Ol
~tl
:g * ::0
-~
N
c
ro
> >
2:::J
N N
ro
tl
(j)
pai. Se calculeaz reziduurile, care aa cum am amintit, constituie diferena dintre
scorul estimat i cel observat n ceea ce privete criteriul. Deoarece reziduurile
sunt dependente de unitatea de msur utilizat n evaluarea criteriului, se poate
calcula rezidul standardizat, n stil clasic (n englez .. standardized reziduals"),
asemntor cu cel prezentat n seciunea destinat cotelor z sau printr-un artificiu
de calcul (n englez .. studentized reziduals"). Ultimul pare a fi mai eficient n
estimarea corect a valorilor standardizate n cazul reziduurilor. Interpretarea
acestora se face ntr-un mod similar . cu cel prezentat n standardizarea datelor.
Astfel, n mod normal aproximativ 95% din reziduurile standardizate ar trebui s
aib valori cuprinse ntre -2 i +2, iar aproximativ 99% ar trebui s aib valori ntre -
3 i +3. Dac observm un numr mult mai mare de valori situate n afara acestor
intervale, s zicem 4% se afl n afara intervalului [-3 +3]. am putea afirma c
ecuaia de regresie obinut este influenat n msur destul de mare de prezena
cazurilor extreme. Dac acestea se afl ntr-un numr redus (ex. 1% din reziduurile
standardizate au valori cuprinse n intervalul [-3 +3]), atunci influena datelor
neobinuite asupra ecuaiei de regresie poate fi socotit minim, i n consecin,
modelul estimativ poate fi utilizat n predicie.
Nu numai datele neobinuite pot exercita o influen mare asupra
coeficienilor din ecuaia de regresie. Alturi de acestea pot fi ntlnite i alte cazuri,
denumite influente, care pot afecta valorile coeficienilor de regresie. Logica
acestora este simpl: dac vom elimina un anumit caz din setul de date, iar acest
lucru va conduce la modificri importante n valorile anumitor coeficieni de
regresie, nseamn c acel caz e.xercit o influen important asupra modelului
estimativ. Pentru a verifica existena cazurilor influente se pot calcula o mulime de
-rotl *
indicatori precum: rezidul standardizat eliminat (n englez .,studentized deleted
rezidual), distana lui Cook, distana lui Mahalanobis etc. Dintre acestea, distana
;:: * lui Cook este cel mai uor de interpretat. Dac valoarea sa este mai mare de 1,
;::
ro *
N
c atunci cazul respectiv are o influen mare asupra parametrilor modelului (Cook i
ro * Weisberg, apud Field, 2000).
* Concluzia care ar trebui desprins din analiza diverilor indicatori este s
2:::J * se pstreze, pe ct posibil, toate cazurile observate n analiza de regresie. Totui,
ro '* n situaii excepionale, n care anumite cazuri constituie att date neobinuite
tl
(j)

-~ ~
clare, ct i cazuri care influeneaz n mare msur ecuaia de regresie obinut
N
c
N
c (valori ale distanei lui Cook mai mari de 1), acestea pot fi eliminate, pentru a
ro ro obine un model estimativ ct mai corect. Aceast recomandare trebuie urmat mai
> >
ales n situaia n care regresia este folosit n scop predictiv, deoarece va reduce
1ntrovertite Extravertite lntrovertite Extravertite
rezidul (distana) dintre valorile observate i cele estimate pe baza. ecuaiei de
regresie.
Figura 6.11. Influena datelor neobinuite asupra pantei liniei de regresie
n problema dat, viznd estimarea performanei subiecilor n vnzare,
datele indic absena unor cazuri neobinuite i 1 sau influente, aa cum rezult i
din outputul oferit de SPSS 11.0.
Pentru a identifica cazurile neobinuite, n vederea obinerii coeficienilor
de regresie cei mai potrivii pentru a descrie setul de date, se pot realiza urmtorii

214 215
 6.4.1. Logica regresiei utilizate n scop expl cativ
Residuals Statistic$'
Regresia cu scop explicativ este utilizat frecvent att n cercetrile
Minimum Maximum Mean Std. Deviation N
Predicted Value 1026,23 1814,13 1407,27 197,567 60 fundamentale, ct i n cele aplicative. n absena unui design experimental care s
Std. Predicted Value -"1,929 2,059 ,000 1,000 60 permit att manipularea variabilelor independente, ct i controlul acelora care ar

Standard Error of putea afecta relaia dintre VI i VD, este dificil s izolezi o relaie de tip cauza!. Mai
4"1 ,297 147,192 64,695 14,897 60
Predicted Value mult, datorit unor situaii specifice sau a nclcrii unor standarde etice de
Adjusted Predicted Value 10"1 8,69 1813,29 1408,34 197,618 60 cercetare, experimentul nu poate fi utilizat, chiar dac ne dorim s studiem o relaie
Residual -381,07 545,66 ,00 200,76"1 60 de tip cauz-efect n asemenea situaii, regresia multilinar reprezint metoda de
Std, Residual -1,816 2,600 ,000 ,957" 60 compromis,. prjn care se ncearc stabilirea unei relaii nedistorsionate ntre
-,002 1,004 60
Stud. Residual -1,897 2,736 variabila independent (predictor) i variabila dependent (criteriu), n condiiile
Deleted Residual -415,65 604,10 -1,07 221,466 60
controlului statistic al altor variabile de interes. De exemplu, dac am dori s
Stud. Deleted Residual -1,945 2,920 ,002 1,026 60
vedem care este influena factorilor de personalitate asupra conducerii agresive a
Mahal. Distance 1,302 28,044 4,917 3,526 60
60
automobilului, ar trebui s inem seama de o serie de aspecte intermediare care
Cook's Distance ,000 ,134 ,017 ,027
Centered Leverage Value ,022 ,475 ,083 ,060 60 pot afecta relaia dintre eL Astfel, nu puini dintre noi am vzut, de obicei seara,
maini strine conduse de "puti" ce ascult muzica la maxim gonind nebunete pe
a. Dependent Variable: Vanzari lunare in EURO
strzi, punnd n pericol viata oamenilor i a traficului din acele momente. Ar fi
imposibil s realizm un exp~riment pe aceast problem numai i din motivul c
Figura 6. 12. Indicatori descriptivi n analiza datelor neobinuite i a cazurilor influente
trsturile de personalitate nu pot fi manipulate experimental. n absena acestei
SPSS este o marc nregistrat. manipulri, ne rmne posibilitatea controlului efectelor altor variabile posibile
asupra variabilei dependente. De pild, tipul de main, sexul i vrsta subiecilor,
prezena sau absena altor persoane n automobil etc. sunt numai civa factori
Informaiile de interes maxim au fost ngroate. Se observ c nu exist
care pot influena conducerea agresiv a mainii. Pentru a controla aceti factori
n1c1 un caz neobinuit (valorile reziduurilor standardizate ajustate fiind cuprinse avem dou opiuni. Fie vom exercita un control n designul cercetrii, prin alegerea
ntre -1,89 i 2,73) i nici un caz influent (distanele Cook fiind cuprinse ntre O i unui eantion de subieci similari (au acelai gen de main, acelai numr de
O, 13). Dac s-ar fi ntlnit asemenea cazuri, acestea trebuiau identificate, persoane n main, acelai sex i aceeai vrst), aspect care nu ne avantajeaz
consultnd noua variabil creat i denumit automat de SPSS coo_1. din perspectiva resurselor avute la dispoziie, fie vom exercita un control statistic
asupra influenei acestor factori n relaia dintre trsturile de personalitate i
conducerea agresiv a autoturismului.
6.4. Regresia multiliniar n scop explicativ Regresia liniar multipl n scop explicativ, aplicat prin metoda ierarhic,
este calea principal de control statistic al influenei altor variabile asupra relaiei
Exist multe ntrebri interesante la care se poate oferi un rspuns dintre cele de interes. n cazul dat, prin regresie ierarhic putem rspunde la
tiinific, fr a fi interesai ns de evoluia unei anumite persoane. De pild, am ntrebarea: "influeneaz anumite trsturi de personalitate tendina subiecilor de a
putea studia care trsturi de personalitate pot prezice adulterul, dac consumul conduce maina n mod agresiv, n condiiile contrplrii (eliminrii) influenei altor
de tutun inhib sau faciliteaz procesul de nvare, dac stilul de personalitate factori situaionali precum tipul mainii, caracteristicile demografice ale oferilor
afecteaz performana n conducerea autovehiculelor etc. n toate aceste situaii etc.?".
ne intereseaz variabilele respective, care pot oferi un rspuns epistemic deosebit Drept exemplu, vom utiliza o baz de date ipotetic, adaptat dup
de util i nu subiecii utilizai, pentru c nu ne propunem s facem anumite predicii cercetarea realizat de Miles i Johnson (2003). Prin comportamentul de
concrete, precum cele ntlnite n selecia profesional. n consecin, dac n conducere agresiv se nelege un ansamblu de practici precum conducerea
regresia de tip predictiv eram interesai, n ultim instan, de valoarea estimat a automobilului cu vitez excesiv, inadecvat situaiei n trafic, nesocotirea unor
performanei subiecilor pe baza unei ecuaii de regresie obinute, n cazul regresiei reguli de circulaie de baz, nervozitate la volan asociat cu adresarea de njurturi
cu scop explicativ ne intereseaz procesul n sine, fr a acorda o importan sau gesturi obscene celorlali participani la trafic, stare de surescitare sau stres
estimrii valorilor subiecilor. intens. Aceti autori au identificat trei dimensiuni de personalitate din Big Five care
ar exercita o influen semnificativ asupra conducerii de tip agresiv. Astfel, o

217
llllll:llllll!.lli .llllllllll:illlll:lllillilllllllll'll,ll! li 11!11:11 :11'1!' .11 '111111!111!111:1 :! 1111:1111111,111,11, :lll:lll:illl.llll:lll:lllllllill1 ;,,.1,u;i.,IJIIIIIIUIIIIIIIIIIIrnWWIIWIIIIIIIIIIIIIIIBIIII:III,1II!il1
1
llll>llll.llllillllll!.illll.ll>lllill'li'l'lill'll>llll>lllll'illlli>llll''llllilll lillllllllll.llll'lllllllllilllllllllllllllllllll llllllllllll.lllillll.lll;llllllllllllllllllllllll>lllllllill llllllllllllllllilllllllllllillllllllll>lllllllllllillllllllllli>llllllllilllllll!lllllllillllllllilll>lllllllilllllllllllllllillillllll>lll

nu dovedete existena unei relaii cauzale, aceasta fiind demonstrabil doar prin
~ontiinciozitate i o agreabilitate sczut, asociate cu un nivel ridicat de apelul la metoda experimentului. Totui, pe baza unei analize logice bazate pe
1 euroticism favorizeaz conduita agresiv la volan.
antecedenta relatiilor de genul "fumatul afecteaz grav sntatea" i nu "sntatea
Dac am utiliza regresia, n forma sa simultan, am putea vedea care este afecteaz grav fu,matul", am putea deduce de multe ori direcia relaiei cauzale.
)onderea fiecruia dintre cei trei factori, ns nu am putea controla influena altor n cea de-a doua ecuaie, pe lng factorii prezentai n primul model, va fi
'actori (ex. vrsta, nivelul de educaie, sexul persoanei etc.) asupra conduitei inclus i setul de predictori (predictorul) despre care presupunem c influeneaz,
lgresive. Prin urmare, ar exista riscul ca relaiile observate ntre trsturile de de asemenea, evoluia VD.
)ersonalitate i conducerea agresiv a mainii s se datoreze acestor variabile Pentru a realiza n SPSS o regresie ierarhic vom apela la calea:
erte, pe care nu le-am controlat De aceea, pentru a vedea n ce msur aceste "Analyze"-"Regression"-"Linear". n Jereastra deschis vom introduce agresivitatea
r~turi de personalitate influeneaz comportamentul la volan al subiecilor n la volan ca variabil dependent i predictorii din prima ecuaie ca variabile
~ondiiile eliminrii influenei altor factori asupra acestei conduite n trafic, va trebui independente. Apoi vom apsa butonul "Next", iar de aceast dat vom introduce
; utilizm regresia liniar ierarhic, tehnic utilizat frecvent n cazul regresiei cu att predictorii inclui n primul pas, ct i variabilele independente de interes, n
;cop explicativ.
cazul dat: "agreabil", "neurotic" i "constiin".
Ca orice regresie de tip ierarhic, ea presupune compararea eficienei
~xplicative a cel puin dou modele ierarhice. n cazul de fa, innd cont c
tariabilele de control utilizate au fost sexul persoanei, tipul de main (strin sau 6.4.2. Testarea eficienei explicative a modelului propus
3utohton), vrsta i nivelul de educaie (superioare, respectiv medii sau
Jimnaziale}, cele dou ecuaii de regresie sunt: Prin intermediul rezultatelor oferite de SPSS 11.0 i prezentate n figura
6.13., vom obine rspunsul la ntrebarea: contribuie trsturile de personalitate la
~gresivitate la volan= bO + b1*Sex + b2*Tip main+ b3*Vrst + b4*Educaie
explicarea conduitei agresive la volan n condiiile n care vom controla influena
~gresivitate la volan =ba + b1*Sex + b2*Tip main + b3*Vrst + b4 *Educaie + b5*Neuroticism +
factorilor demografici care afecteaz comportamentul oferilor?
J6*Agreabilitate + b?*Contiinciozitate
Model Summary

Dac diferena dintre puterea explicativ a celor dou ecuaii este suficient
je mare, putem afirma c trsturile de personalitate influeneaz a~Jresivitatea la Chanae Statistics
tolan, chiar dac eliminm influena altor factori precum tipul de main sau R Adjusted Std. Error of R Square F Sig. F
~aracteristicile demografice ale subiectilor. Model R Square R Square the Estimate Change Change df1 df2 Change

nainte de a trece la compara~ea celor dou ecuaii, pornind de la baza de

1 ,562 ,316 ,303 1,859 ,316 24,926 4 216 ,000
2 ,688b ,473 ,456 1,643 ,157 21,202 3 213 ,000
jate "regresie multipla auto.sav", trebuie s discutm pe scurt ce fel de variabile a. Predictors: (Constant), EDUCATIE, MASINA, GENDER, VARSTA
;unt trecute n prima ecuaie de regresie. De obicei, aici sunt trecute variabilele b. Predictors: (Constant), EDUCATIE, MASINA, GENDER, VARSTA, constiinciozitate, agreabilitate,
~are se doresc a fi controlate, fie pentru c nu prezint interes pentru obiectivul neuroticism

;tudiului (precum n situaia de fa, n care ne intereseaz doar influena fa<;:torilor

Figura 6.13. Compararea eficienei modelelor
je personalitate asupra conduite agresive la volan), fie pentru c au fost dovedite
SPSS este o marc nregistrat.
>nterior ca avnd o influen semnificativ asupra variabilei dependente. O
>semenea situaie apare n cercetrile complexe n care se dorete izolarea unui
:!fect n condiiile unei aciunii comune a unei categorii de factori. De pild, n
Din tabel pot fi desprinse cteva informaii eseniale. De exemplu, se
;ercetrile viznd rolul nociv al fumatului asupra sntii, acesta a putut fi susinut
constat c 31 ,6% din evoluia dis persiei rezultatelor la agresivitatea la volan poate
lUmai dup eliminarea (controlarea) altor factori importani pentru evoluia strii de
;ntate a unei persoane precum poluarea, antecedentele familiale, vrsta, etc.
fi explicat de caracteristicile demografice ale oferilor (vrst, sex, educaie) i de
caracteristicile mainii. Acest procent crete dac lum n calcul i cele trei
Astfel, vom include n aceast prim ecuaie, fie factorii de interes despre
trsturi de personalitate, astfel nct nu mai puin de 47,3% din dispersia criteriului
;are exist suficiente informaii c ar influena evoluia variabilei dependente, fie
actorii care nu fac obiectul studiului respectiv, dar pot afecta relaia dintre variabila agresivitate la volan poate fi pus pe seama aciunii comune a factorilor
ndependent (VI) i cea dependent (VD). De asemenea, dei s~ obinuiete demografici, a tipului, de main i a acelor trei factori de personalitate selectai.
Jtilizarea titulaturii de VI pentru predictor, respectiv de VD pentru criteriu, regresia Mai mult, diferenta ' dintre cele dou valori ale coeficientului de determinare

219
!18
 '' 1' 1 ~llll~lllllmiiiiWJIIIII.IIIIII'IIIII 'III .,,

multipl~. 6.R2 (delta Rz sau R2 schimbare) este de 15,7%. Toat aceast cretere a Coefficients"
puterii explicative a modelului estimativ poate fi pus exclusiv pe seama influenei Unstandardized Standardized
celor trei dimensiuni de personalitate asupra agresivitii la volan a oferilor. Coefficients Coefficients
Rezultate' similare vom sesiza i dac vom ine seama de valorile ajustate ale Model B Std. Error Beta t Sig.
1 (Constant) 8,605 ,818 10,524 ,000
coeficienilor de determinare multipl.
Se poate observa, de asemenea, c acest plus explicativ adus de GENDER 1 '191 ',252 ~68 4,730 ,000
introducerea dimensiunilor de personalitate n explicarea agresivitii la volan MASINA 1,509 ,256 ,336 5,901 ',000
VARSTA
aduce o schimbare semnificativ statistic, F(3, 213) 21 ,20, p < .001, dup ce
= -,138 ,031 -,265 -4,488 ,000
EDUCATIE -,849 ,272 -,184 -3,121 ,002
modelul iniial, bazat doar pe factorii demografici i tipul de main, constituia o
2 (Constant) 10,991 ,785 14,001 ,000
soluie predictiv semnificativ mai bun dect cea bazat doar pe studiul mediei, GENDER ,289 5,593 ,000
1,285 ,230
F(4, 216) = 24,92, p < .001. n concluzie, dei factorii demografici i tipul de main MASINA 1,760 ,229 ,392 7,685 ,000
contribuie semnificativ la predicia nivelului de agresivitate la volan, controlnd VARSTA -,123 ,029 -,238 -4,328 ,000
influena acestor factori, dimensiunile de personalitate aduc un plus explicativ EDUCATIE -,656 ,243 -,143 -2,703 ,007
pentru nivelul agresivitii la volan. neuroticism 6,855E-03 ,025 ,014 ,271 ,787
constiinciozitate -,324 ,054 -,305 -6,028 ,000
agreabilitate -,215 ,041 -,278 -5,314 ,000
6.4.3. Interpretarea coeficienilor de regresie n analizele cu scop '.
a Dependent Vanable. agres1v1tatea la volan
explicativ
Dac la nivel global lucrurile sunt clare, din figura 6.14 vom deduce, la Figura 6.14. Valorile coeficienilor de regresie nestandardizai i standardiza i
nivel analitic, care dintre variabilele incluse n studiu ca predictori contribuie oferite de SPSS 11. O
semnificativ statistic la explicarea nivelului de agresivitate la volan. Pentrl1 a uura SPSS este o marc nregistrat.
procesul de interpretare vom oferi mai nti modalitatea de codare a rspunsurilor
utilizat n acest caz:
Gender (1- brbat; O - femeie); Main (1- strin; O - d~ fabricaie autohton); Vrst . Dac vom analiza rezultatele obinute din cea de-a doua ecuatie de
(variabil numeric exprimat n ani}; Educaie (1 - studii superioare; O - studii medii sau regr~s1e, vom observa c singura variabil care nu contribuie semnific~tiv la
gimnaziale); Neuroticism (variabil numeric); Contiinciozitate (variabil numeric); explrcarea agresivitii la volan este dimensiunea neuroticism, b == 0,0068 (n SPSS
Agreabilitate (variabil numeric); Agresivitate la volan (variabil numeric).
apare__su~ for~a 6,8E-03). Toi ceilali indicatori sunt factori care influenteaz
Pentru toate scalele numerice, un rezultat ridicat indic un nivel crescut al
semm_flcatrv n1velul agresivitii la volan. Mai mult, datorit utilizrii m~todei
variabilei respective. 1erarh_1_ce,_ ~utem concluziona c dimensiunile de personalitate agreabilitate i
Se constat c programul ofer valorile coeficienilor de regresie pentru
contunc1~zrtate ~~~tri~uie semnificativ la explicarea conduitei agresive a oferilor
ambele modele. n primul modei, toi cei patru predictori: sexul persoanei, tipul de la volan, m cond1ule m. care au fost eliminate influentele determinate de vrsta
main, vrsta i nivelul de educaie iau valori semnificative statistic, fapt ce poate ~e~ul,_ nivelul de educaie i tipul mainii. Cu alte c~vinte, n condiiile rn car~
fi interpretat c fiecare dintre aceti factori contribuie semnificativ la explicarea rntalnn~ pe_rsoane care au aceeai vrst, sunt de ~celai gen, au acelai nivel de
evoluiei variabilei dependente. Fiind mai puin interesai de estimarea agresivitii educaie I au acelai tip de main, dar care difer n privinta trsturilor de
la volan, ci mai mult. de prezena sau absena unui efect n sine, n regresiile cu
pers?~alit_ate, vor avea_ un nivel diferit de agresivitate la volan. Val~rile negative ale
scop explicativ accentul se mut dinspre coeficienii nestandardizai, dependeni de coef1cren1lor de regres1e asoc1ate acestor doi predictori semnaleaz c persoanele
scalele de msurare utilizate, spre coeficienii de regresie standardizai. Astfel, n care au un nivel sczut de contiinciozitate i agreabilitate vor avea tendinta de a
ceea ce privete primul model se obsery c, mai ales brbaii, foarte tineri, cu un adopta un comportament mai agresiv dect persoanele care nu au 'aceste
nivel de educaie mai sczut i posesori ai unor maini din import sunt cei mai
~aracteristici p~ihologice, ch_i~r. n condiiile fn care eliminm (inem constant)
susceptibili s conduc agresiv automobilul. Dintre predictori, se pare c tipul de Influena factonto:, demograf1c1 asupra acestei conduitei la volan. Din punctul de
main exercit cea mai mare influen (~ = .33), n timp ce nivelul de educaie vedere al pondem acestor efecte asupra variabilei dependente se constat c tot
contribuie cel mai puin (~ =- .18) la estimarea tipului de comportament adoptat la t1pul mainii contribuie cel mai mult la estimarea agresivitii la volan (13 = .39).
volan.

221
??O
 ,ll::llllillllllill.ill ll.il!l!'l:,l,i:,i liiill!ll:l,ll:lllll, lll.:llllll::lllill:lllilllll !11 'i 1:

6.4.4. Indicatorii mrimii efectului n cazul regresiei multiple

automobilului. Fiind vorba de un efect izolat i totodat de un coeficient de
Mrimea
efectului poate fi calculat i n cazul aplicarii regresiei de orice corelaie, se poate calcula coeficientul de determinare specific pentru relatia dintre
tip. Dac, n scop predictiv, accentul cade pe estimarea performanelor viitoare ale
c~le do~ vari~bile, reamintindu-ne faptul c acesta este egal cu ~aloarea
unui subiect, pornind de la valorile anumitor predictori i de la. determinarea p~tratui_UI coeficrentului de corelaie. Astfel, am putea afirma c 9% (-.302) din
eficientei per ansambfu a modelului propus, n utilizarea regresiei cu scop drspersra comportamentul agresiv la volan poate fi explicat de diferentele
explic~tiv accentul cade pe izolarea efectelor produse de fiecare factor inclus n interindividuale n ceea ce privete nivelul de contiinciozitate al subiectilor testati
model. Astfel, avem nevoie de stabilirea efectului fiecrei variabile independente
. ~l~men_tel.e prezentate mai sus constituie cele mai importante' aspecte ~le
asupra celei dependente,. deoarece indicatorii obinuii, valoarea coeficientului de mterpretaru statrstrce n cazul utilizrii regresiei n scop explicativ. Alturi de aceste
determinare multipl, n forma ajustat sau nu, ne arat doar mrimea efectului elen:e~te, pot fi analizate i alte aspecte, amintite n cazul regresiei n scop
rezultat n urma actiunii combinate ale acestor variabile.
predrct1v, precum contravalidarea sau analiza cazurilor influente. ns, dac n
Pentru ace~sta, dac vom bifa opiunea corespunztoare din cadrul cazul regresiei cu scop predictiv soluia nu poate fi conceput fr o analiz atent
regresiei, accesibil prin acionarea butonului "Statistics", SPSS-ul ne ofer a ace~tor ~~pecte, deoarece ecuaia va fi utilizat n scop estimativ, predictiv, n
indicatorii de corelaie parial i semiparial, pe baza crora putem stabili regresra utilrzat n scop explicativ acestea sunt importante, dar nu esentiale.
coeficieni de determinare individuali, n cazul fiecrui predictor n parte.
Rezultatele obinute ntr-o regresie cu scop explicativ pot fi reinute i apreciate n
felul lor, fr a realiza neaprat o analiz a cazurilor influente sau fr a
Coefficent:f
contr~v~lida :n?delul, dac vom respecta ns condiiile de aplicare a regresiei.
Unstandardized
Coefficients
Standardized
Coefficien1s Correlations
Numar lndeplmrnd aceste condiii, vom avea suportul c modelul explicativ rezultat
Model B Std. Error Bela t Sig, Zero-order Partial Part nu sufer de distorsiuni grave.
1 (Constant) 8,605 ,818 10,524 ,ooo
GENDER 1,191 ,252 ,268 4,730 ,000 ,292 ,306 ,266
MASINA 1,509 ,256 ,336 5,901 ,000 ,325 ,373 ,332
VARSTA
EDUCATIE
,138
-,849
,031
,272
,265
-,184
-4,488
-3,121
,000
,002
-,272
-,304
-,292
-,208
-,253
-,176 6.5. Condiii necesare pentru aplicarea regresiei Iiniare(Jg)
2 (Constant) 10,991 ,785 14,001 ,000
GENDER 1,285 ,230 ,289 5,593 ,000 ,292 ,358 ,278
MASINA 1,760 ,229 ,392 7,685 ,000 ,325 ,466 ,382 . n vederea aplicrii corecte a regresiei liniare este necesar ndeplinirea
mat multor condiii tehnice. o bun trecere n revist a acestora este oferit n
VARSTA -,123 ,029 -,238 4,328 ,000 ,,272 -,284 -,215
EDUCATIE -,65fj ,243 -,143 -2,703 ,007 '-,304 -,182 -,134
neuroticism 6,855E-03 ,025 ,014 ,271 ,787 -,004 ,019 ,013 Berry i Feldman (1985) sau Licht (1995).
constiinciozitate -,324 ,054 -,305 -6,028 ,000 -,326 ,382 -,300
agreabilitate -,215 ,041 -,278 5,314 ,000 -,193 -,342 -,264
a. Dependent Varlable: agresivitatea la volan
6.5.1. Evitarea erorii de specificare
Figura 6.15. Valori ale coeficieni/ar de corelaie oferite de SPSS 11. O
Sub aceast denumire pretenioas se regsesc acele modele incorect
SPSS este o marc nregistrat.
alese. O asemenea situaie apare atunci cnd ntre predictorii unei ecuatii de
regresie nu se gsesc unii care ar fi trebuit inclui. De exemplu, dac att t~oria
ct i practica din domeniul vnzrilor indicau asertivitatea ca o trstur d~
Coeficientii de ordinul zero, respectiv coeficienii de corelaie parial, nu
personalitate de baz n estimarea performanelor n vnzri, dar noi nu o includem
sunt altceva dec't coeficientii de corelatie r Bravais-Pearson, respectiv coeficienii
n modelul predictiv estimat, comitem o eroare de specificare. Similar, n cazul
de corelatie parial discutati pe ndelete n capitolul al treilea, destinat tehnicilor
conducerii agresive a automobilului, am realiza o eroare de specificare dac teoria
introducti~e de testare a ipotezelor. Ultima coloan, denumit "part", indic din _dom_~niu include reacia autoritilor fa de acest comporta~ent printre
valoarea coeficienilor de corelaie semiparial ntre factorul respectiv.i variabila
pred1ctoru care determin nivelul de agresivitate la volan iar noi nu tinem seama
dependent n condiiile eliminrii influenei celorlali predictori asupra VD. De
de el, neincluzndu-1 n modelul explicativ propus. Astf~l, neintrodu~erea tuturor
exemplu, valoarea lui r semiparial notat rsp este - .30, ceea ce nseamn c dac
factorilor relevani pentru problema n cauz, afecteaz rezultatele obtinute,
vom elimina influena celorlali predictori asupra agresivitii la volan, exist o
~xistnd chiar riscul de distorsiune a concluziilor, deoarece nu inem sea~a de
asociere unic, invers, ntre nivelul de contiinciozitate i agresivitatea la volan, o
Influena acestor factori cnd ar trebui s-i lum n considerare.
contiinciozitate sczut ducnd la un nivel ridicat de agresivitate n conducerea

222
223
 lllllu.!IIIIIIIIW--1111111111111111'111111-IIliiiiiiiiiiii~IIIIIWIIIIII:IIIIII!il
n direcie opus, eroarea de specificare poate aprea prin includerea n
model a unor predictori care nu ar fi trebuit introdui, deoarece ei nu relaioneaz
cu criteriul. Totui, aceast situaie este mai puin grav dect prima, deoarece ea
poate fi remediat prin eliminarea predictorului care nu contribuie semnificativ la
estimarea evoluiei criteriului, urmat de o nou analizare a modelului predictiv,
fr variabila n cauz. n sfrit, un alt caz al erorii de specificare este cel n care,
dei au fost selectai predictorii relevani, modelul unei regresii liniare nu este cel
adecvat. Modeluf regresiei liniare pornete de la premisa unei relaii liniare ntre
predictori i criteriu i de la ,un model adltiv al efectului pe care-I au aceti predictori
asupra modelului de estimat. n consecin, dac utilizm regresia liniar, n
condiiile n care nu exist o relaie de liniaritate ntre fiecare predictor i criteriu,
respectiv n cazul n care exist o situaie de multicoliniaritate ntre predictori,
datorit unei corelaii ridicate ntre acetia, vorbim tot de o eroare de specificare.
n plan tehnic, situaia unei erori_ de specificare conduce la obinerea unor
coeficieni de regresie distorsionai sau instabiiL De asemenea un alt indiciu const
ntr-o valoare sczut a coeficientului de determinare multipl (R'). Totui, nu orice
R2 sczut indic o problem de eroare de specificare, deoarece o asemenea
valoare se poate datora unui alt factor, precum includerea n model a unor
predictori cu o consisten intern sczut (implicit o eroare de msurare ridicat),
fapt des ntlnit n _psihologie, prin utilizarea scalelor ca modaliti de evaluare a
diferitelor variabile. De aceea, cazul erorii de specificare datorat neincluderii unor
variante relevante poate fi detectat doar pe baza unei teorii solide existente cu
privire la evoluia criteriuluL n schimb, cazul includerii unor variabile irelevante este
mult mai uor de detectat prin consultarea valorilor t corespunztoare fiecrui
coeficient de regresie. Dac aceast valoare nu este semnificativ statistic,
nseamn c variabila respectiv nu contribuie la estimarea evoluiei criteriuluL O
alt modalitate de evaluare este _aceea de a compara valorile ajustate ale lui R2 , iar
dac nu se constat diferene ntre modelul care include i cel care exclude
variabila n cauz, nseamn c aceasta poate fi eliminat din modelul predictiv.
6.5.2. Evitarea erorii de msurare
Din pcate, n psihologie, ca i n alte domenii alte tiinelor sociale, nu
putem msura direct constructul dorit, citrebuie s apelm la o serie de indicatori.
De exemplu, utilizm un test de inteligen pentru a msura nivelul intelectual sau
utilizm o scal de agresivitate pentru a msura magnitudinea acestei trsturi. Nu
ntotdeauna exist o coresponden ntre valoarea indicatorului i valoarea real
(!atent) a constructului teoretic respectiv. Acea diferen poate fi denumit eroare
de msurare. Ea este de dou feluri: sistematic i C~leatoare. Primul caz apare n
situaia n care instrumentul utilizat pentru a msura acel concept msoar i
altceva, aprnd o problem de validitate de construct. O asemenea situaie este
inut sub control prin studiile de validare a instrumentelor utilizate, de aceea, n
situaia utilizrii unor instrumente adecvate i validate, aceast eroare este
224
eliminat sau redus foarte mult. n schimb, eroarea de msware aleatorie. ine de
caracteristicele psihometrice ale instrumentului utilizat, n special de fidelitatea
probei, dar i de unele deficiene n codarea sau tehnoredactarea bazei de date.
Efectul acestui tip de eroare asupra coeficienilor de regresie este diferit,
dac eroarea apare n cazul criteriului sau n cazul predictorilor. Dac criteriul
utilizat are o fidelitate redus, scade. corelaia acestuia cu predictorii, fapt ce
afecteaz att valorile coeficienilor de regresie, ct i valoarea coeficientului de
determinare multipl, afectnd astfel eficiena predictiv a modeluluL Prin urmare,
criteriul utilizat ar trebui s aib o consisten intern ct mai ridicat, dac nu chiar
1. De aceea, recomand evitarea folosirii pe post de criteriu a acelor variabile care
au o consisten intern sub _80, n cazul utilizrii regresiei n scop predictiv,
respectiv de .70, n cazul utilizrii regresiei n scop explicativ. n cazul exemplului
dat, criteriul ales, performana obinut n vnzri, nu ridic probleme, deoarece
eroarea de msurare aleatorie este absent, singurele probleme putnd aprea
din deficiene n nregistrarea corect a datelor.
Dac eroarea de msurare apare n cazul predictorilor, efectul este ceva
mai puin grav, dar prezent. ntr-o asemenea situaie, dac variabila n cauz nu
coreleaz cu ceilali predictori, va fi afectat doar valoarea, coeficientului de
regresie corespunztor variabilei respective ns dac variabila coreleaz i cu
ceilali predictori, vor fi afectai, ntr-o anumit msur, toi coeficienii de regresie_
Modul n care sunt afectai aceti coeficieni nu este foarte clar, de aceea se
recomand utilizarea unor instrumente cu caliti psihometrice ct mai bune_
6.5.3. Eroarea rezidual ct mai mic
Prin termenul reziduuri se definete diferena dintre valoarea obseniat a
criteriului i cea estimat prin utilizarea ecuaiei de regresie_ Aa cum am precizat,
cu ct aceast diferen este mai mic, cu att modelul este mai bun n estimarea
evoluiei criteriului. Totui, datorit unor aspecte matematice care nu vor fi
discutate aici este de dorit ca aceste reziduuri: (1) s aib media egal cu zero;
(2) s ndeplineasc condiia de homoscedasticitate, avnd aceeai dispersie pe
ntreaga amplitudine a predictorilor; (3) s nu coreleze cu alte reziduuri sau cu
predictorii; (4) s aib o distribuie normal (Licht, 1995). Se pare c nclcri
moderate ale acestor condiii nu influeneaz foarte mult eficiena modelului
predictiv.
6.5.4. Evitarea multicoliniaritii
Sub aceast denumire este specificat nclcarea condiiei ca predictorii
aleipentru estimarea evoluiei criteriului s nu coreleze prea puternic ntre ei. Prin
urmare, nu se poate pune problema prezenei sau absenei multicoliniaritii, ci
225
doar a prezenei ei ntr-un grad mai mare sau mai mic, n funcie de corelaia
existent ntre predictori.
Efectul unei multicoliniariti crescute const n creterea probabilitii de a
obine coeficieni de regresie nesemnificativi statistic pentru una dintre variabilele
care coreleaz puternic, deoarece aceast problem afecteaz valorile t asociate
acestor coeficieni, din cauza dificultii de a decela efectele fiecrei variabile
asupra ~riteriului. Din aceast perspectiv, crete riscul de a comite eroarea de tip
11. Indiferent de scopul utilizrii regresiei, problema unei rT)Uiticoliniariti ridicate
este foarte grav. Astfel, n cazul utilizrii regresiei n scop predictiv, problema
principal const n instabilitatea coeficienilor de regresie, fapt ce conduce la
dificultatea de a generaliza coeficienii respectivi i de a-i utiliza pe un alt lot de
subieci. n schimb, n cazul utilizrii regresiei n scop explicativ, problema capital
const n dificultatea de a decela efectul fiecrui predictor implicat asupra evoluiei
criteriului (variabilei dependente). Detectarea unei situaii de multicoliniaritate se
poate face simplu prin realizarea unei corelaii ntre fiecare pereche de predictori
inclui n studiu. Dac exist vreo corelaie foarte ridicat, s spunem, peste .70,
am putea intui o problem de multicoliniaritate ce trebuie rezolvat. SPSS-ul ofer
alte dou modaliti de diagnosticare a unei multicoliniariti ridicate prin indicatorii
VIF (Tn englez "variance inflation factor"), respectiv tolerana (1N1F). Dac valorile
VIF sunt peste 1O, iar cele ale toleranei sunt sub O, 1O, avem de-a face cu o
problem grav de nclcare a condiiilor de utilizare a regresiei, datorit unei
multicoliniariti ridicate. Unii autori propun chiar praguri mai joase, astfel nct o
valoare VIF de 5 sau o toleran sub 0,20, poate indica probleme n estimarea
corect a modelului de regresie datorit multicoliniaritii (Field, 2000).
Efectul prezenei unei multicoliniariti ridicate este vizibil n exemplul
urmtor, al unei regresii n scop explicativ, n care avem trei predictori. S lum ca
valori de exemplu f3 de .80, .30 i .30. La o prim vedere am putea afirma c primul
predictor are o influen mai mare asupra criteriului dect ceilali doi. Totui,
aceast situaie se poate datora unei corelaii puternice ntre ultimii doi predictori.
Astfel, dac am elimina unul dintre ei, valorile f3 pentru cei doi predictori rmai ar fi
.70 i .66. n asemenea condiii nu ar mai fi foarte clar care dintre predictorii luai n
considerare are o influen mai mare n explicarea evoluiei criteriului. Acest
exemplu vine n sprijinul ideii de a interpreta n termeni relativi diferenele
observate ntre coeficienii standardizai de regresie, deoarece acetia pot suferi n
situaii de multicoliniaritate.
Pentru a elimina situaia de multicoliniaritate sunt disponibile cteva soluii.
Una dintre ele vizeaz creterea numrului de participani n studiu, cunoscndu-
se tendina ca valoarea coeficientului de ~orelaie dintre dou variabile s scad o
dat cu creterea volumului eantionului. o alt posibilitate const n combinarea
variabilelor care coreleaz puternic, fie prin alctuirea unui scor compozit, fie prin
reducerea datelor ca urmare a analizei componentelor principale. Prin aceast
ultim soluie se va pierde ns posibilitatea de a desprinde efectele separate ale
variabilelor care coreleaz puternic ns se ctig. timp i bani, nefiind nevoie de
226
testarea mai multor subieci. Tn fine, ali autori recomand eliminarea uneia dintre
variabilele care coreleaz prea puternic cu alte variabile.
SPSS-ul ofer posibilitatea unui diagnostic cu privire la nivelul de
multicoliniaritate prin bifarea opiunii n cauz disponibil prin accesarea butonului
,;statistics", urmnd calea "Analyze"-"Regression"-"Linear".
6.5.5. Existena unor relaii de tip liniar i aditiv
Prin liniaritatea unei relaii se nelege ideea c ntre fiecare predictor i
criteriu existo relaie de tip liniar, adic valoarea coeficientului de regresie se
menine constanta la orice nivel al predictorului. Astfel, dac b pentru extroversiune
este 24,47, performana unui individ n vnzri crete cu 24,47 EURO n situaia n
care el a obinut 3 puncte la scala de extroversiune fa de unul care a obinut 2
puncte la aceast prob. Aceast diferen, de 24,47 EURO, se menine i n
compararea unei persoane care a obinut, s zicem 21 de puncte, fa de o alta
care a obinut 20 de puncte. Mai multe informaii despre ce nseamn o relaie
liniar pot fi citite n seciunea 1.3.2. din capitolul introductiv, cnd am tratat
problema reprezentrii grafice a norului de puncte.
Prin relaia aditiv se nelege ideea c nu exist un efect de interaciune
ntre doi predictori, cu lte cuvinte, c efectul unui predictor asupra criteriului nu
este dependent de valoarea unui alt predictor. Dac acest lucru se ntmpl, este
nclcat ideea de aditivitate i trebuie s se in seama de interaciunea dintre cei
doi predictori, ca efect suplimentar n estimarea evoluiei criteriului.
Pentru detectarea situaiilor de relaii neliniare sau non-aditive cea mai
bun soluie este de ordin teoretic. Dac ne ateptm ca relaia dintre anumii
predictori i criteriu s fie neliniar sau s existe o interaciune ntre predictori care
poate explica evoluia criteriului, este bine s se specifice aceste lucruri nc din
formularea modelului predictiv.
S presupunem c avem doi predictori ntr-o ecuaie de regresie. Dac ne
ateptm ca ecuaia s ndeplineasc ambele cerine, atunci ea are forma simpl
de:
Criteriu = bO + b 1*Criteriu_1 + b2*Criteriu_2 (1)
Dac ne ateptm ca ecuaia s nu fie liniar, ci ci.Jrbilinie, n cazul predictorului 1,
dar liniar
n cazul predictorului 2, atunci ea are forma de:
Criteriu= bO + b11 *Criteriu_1 + b12*Criteriu_1 2 + b2*Criteriu_2 {2)
Dac ne ateptm ca ecuaia s fie liniar, dar nu i aditiv, atunci ea are forma
de:
Criteriu= bO + b1*Criteriu_1 + b2*Criteriu_2 + b12*Criteriui_1*Criteriul_2 {3)
227
 11
111.1111,111,1111.111 1 '111.1 11 !111!11 '111111 1 11111111111''11!111.!11

Prin urmare, efectul de aditivitate poate fi observat prin includerea unei performan); i nivelul de familiarizare cu un material tiprit (cte litere cunoate

variabile suplimentare care se obine prin produsul celor dou variabile aflate n copilul deja, aspect ce poate ascunde diferene socio-demografice). _
situaie de interaciune (mai multe detalii sunt prezentate n seciunea 6.7.2., n Pentru a msura cei doi factori: viteza de pronunare, respectiv abilitatea
timp ce relaia de non-liniaritate poate fi tratat printr-o ecuaie liniar, dup fonetic (abilitatea de a emite i manipula sunete) s-au utilizat mai multe probe,

includerea unei variabile reprezentate de ptratul predictorului care ncalc relaia
de liniaritate cu criteriul.
Detectarea statistic a unor asemenea relaii, atunci cnd teoria nu ne
ajut la estimarea tipului de relaie ntre variabile, se poate face printr-o metod
. elegant, dar costisitoare ca resurse de subieci. De exemplu, pentru a detecta
situaia de rion-liniaritate se poate mpri lotul de subieci n trei sau patru
categorii, pe baza rezultatelor obinute la criteriu. Spre exemplu, vom alege grupa
subiecilor cu performane superioare, cu performane medii, respectiv cu
performane inferioare n vnzri. Dac att interceptul, ct i coeficienii de
regresie rezultai nu difer foarte mult n cele trei cazuri nseamn. c exist o
relaie liniar ntre ansamblul de predictori i criteriu. n schimb, dac sunt diferene
foarte mari ntre acetia (ex. b pentru extroversiune variaz ntre 2,33 i -4,11 ),
atunci am putea sesiza o relaie clar neliniar. n SPSS, acest lucru poate fi testat
mai simplu, cernd calculatorului s ne prezinte valoarea coeficientului de
care au fost supuse ulterior wnei anal_ize a componentelor principale, rezultnd n
final dou scoruri, cte unul pentru fiecare predictor. Pentru a facilita interpretarea
datelor, trebuie s precizm c rezultatele ridicate indic performane superioare.
n acest exemplu, ca, de altfei, n orice ecuaie de regresie utilizat n scop
predictiv, se precizeaz cteva elemente eseniale n seciunea de analiz a
datelor:
precizarea ntr-un paragraf a tipului de analiz ntreprins (ex. regresie
multiliniar ierarhic), alturi de justificarea alegerii fcute; n plus, se
poate face o precizare scurt legat de respectarea sau nerespectarea
condiiilor de baz necesare pentru aplicarea acestei tehnici;
precizar~a. ntr-un alt paragraf, a predictorilor, a criteriului i a modului n
care au fost introdui acetia;
prezentarea unui tabel sumar a indicatorilor descriptiv! i a matricei de
corelaii ntre variabilele incluse n model, conform standardelor APA, dup

determinare multipl in situaia unei relaii liniare, respectiv a unei relaii neliniare. modelul oferit de Nicol i Pexman (1999);
n cazul n care R2 asociat modelului neliniar este semnificativ mai mare dect cel prezentarea ntr-un tabel sumar a coeficienilor standardizai de regresie
asociat modelului liniar putem presupune existena unei relaii neliniare. pentru fiecare predictor n parte, ct i a valorilor coeficienilor de
Pentru detectarea unei situaii de interaciune poate fi utilizat metoda determinare multipl afereni modelului estimativ propus; acest lucru se
regresiei ierarhice; astfel, dac diferenele dintre cele dou valori F asociate poate face utiliznd aceleai recomandri APA prezentate n Nicol i
modelelor 1 i 3 prezentate mai sus sunt semnificative statistic, putem trage Pexman (1999), cu precizarea c, n cazul regresiilor n scop predictiv,
concluzia existenei unui efect de interaciune ntre cei doi predictori care trebuie precizate, suplimentar, valorile coeficienilor nestandardizai de
influeneaz evoluia criteriului.
regresie i eroarea standard de msurare a acestora;
interpretarea pe scurt a rezultatelor obinute (o analiz cantitativ).
n cazul exemplului de fa, textul din seciunea de analiz a datelor ar
6.6. Exemplu de regresie multipl liniar- cazul citirii putea lua forma urmtoare:

Tabel cu indicatorii descriptivi i matricea de corelaii ntre variabilele implicate n model

ntr-un studiu realizat de Kirby, Parrilla i Pfeiffer (2003) s-a urmrit (clasa a 11-a)
identificarea influenei unor structuri cognitive asupra deprinderi! cititului. Mai Variabila M AS 2 3 4 5
concret, s-a studiat rolul pe care-I are viteza de pronunare i abilitatea de a emite Performana de recunoatere a 39.90 18.70. .16 .11 .45 ** .31 ** - .20 *
i manipula sunete n performana de citire a unui text Studiul nu are doar valene cuvintelor
de cercetare fundamental, ci urmrete un aspect aplicativ esenial: identificarea, PREDICTORI
nc din grdini, a copiilor susceptibil! s sufere de dislexie (dificulti de citire). 1. Nivel intelectual - probe verbale 12.90 2.88
Autorii au studiat aceste efecte pe parcursul mai multor ani. Noi ne vom rezuma la 2. Nivel intelectual- probe de 6.40 2.21 .57 ** --
rezultatele obinute de copii la proba de. citire n clasa a Il-a i la o singur variabil performan

dependent - capacitatea de recunoatere a cuvintelor la testul standard Gates- 3. Familiarizarea cu materiale tiprite 35.20 17.90 .49 ** .21
MacGintie Reading Comprehension Test 4: Abilitatea fonetic 6.50 5.69 .18 * .23 .36 **
5. Viteza de pronuntare 42.20 11.53 .06 .20 * .15 -.02
Pentru a izola influena celor doi factori a fost necesar controlul altor
ctorva variabile, ce pot afecta capacitatea de a citi. Variabilele controlate au fost: * p < .05; ** p < .01
nivelul de dezvoltare. intelectual (apreciat att prin probe verbale, ct i de.

229
228
 Analiza de regresie ierarhic a fost utilizat pentru a observa influena
de fa, nu este necesar precizarea acestor indicatori suplimentari. De altfel, autorii
vitezei de pronunare i a abilitii de manipulare a sunetelor asupra performanelor
studiului de fa nici nu ofer valorile acestora, de aceea am lsat spaiile respectrve
-n citire obinute de copii n clasa a 11-a. Am decis s utilizm regresia ierarhic necompletate).
pentru a controla influena abilitii intelectuale generale i a nivelului de
familiarizare cu materiale tiprite asupra performanei n citire. Merit remarcat
Rezultatele din tabelul de mai sus sprijin ipoteza conform care1a att
faptul c toi predictorii au fost evaluai cnd subiecii se aflau nc la grdini,
abilitatea fonetic, ct i viteza de pronunare a sunetelor influeneaz semnificativ
pentru a putea vedea n ce msur pot fi anticipate dificultile de citire, pentru a se
performana elevilor de a recunoate i citi cuvinte, n condiiile n care controlm
interveni nc de timpuriu. Din pt.mcte de vedere tehnic, nu au existat situaii
influena datorat diferenelor de nivelul intelectual i de familiarizare cu materialele
speciale, toate condiiile de aplicare a regresiei fiind susinute.
tiprite (6.A2 =: .1 01, p < .01 ). Astfel, cei doi factori explic mpreun 1 O, 1% din
(Comentariu: prin acest design, cercetarea dobndete un caracter mixt, att
performana obinut la proba de citire de ctre elevi, iar aceasta vine n plus, fat
explicativ- n izolarea i identificarea. influenei celor doi factori asupra abilitii de a citi, ct
de cele 37,8% explicate de factorii controlai (nivelul intelectual i gradul de
i predictiv, prin posibilitatea de a estima evoluia colar a elevilor n ceea ce privete familiarizare cu materialele tiprite).
cititul, pe baza unor predictori testai anterior. Datele prezentate n primul tabel sunt fictive,
(Comentariu: p nu este un atribut al lui R2 , ci este caracteristic lui F schimbare.
deoarece autorii nu au inclus un asemenea tabel, n schimb cele prezentate n tabelul de
Totui, se obinuiete trecerea acestei valori n dreptul lui R2 deoarece acesta ofer 0
mai jos sunt reale, dar adaptate conform cerinelor APA).
informaie n plus: ce procentaj din dispersia .criteriului poate fi explicat de variaia
predictorilor inclui n studiu?).
Tabel sumar cu rezultatele analizei de regresie ierarhice viznd estimarea performanelor de
recunoatere a cuvintelor pe baza predictorilor luati n studiu (N = 161).
La nivel analitic, din modelul estimativ final se observ c nivelul intelectual
VARIABILE R2 i.\R2 ~ B SE b nu influeneaz abilitatea de a identifica cuvinte, valorile beta nefiind semnificative
PASUL .378 .378 statistic. Acest lucru este aparent surprinztor, ns dac inem seama c proba de
Abilitate intelectual general identificare a cuvintelor are loc, n clasa a 11-a, ntr-o coal normal, i c ea nu
Probe verbale .178. const n elemente de comprehensiune a textului, ci doar n elemente de citire a
Probe de performan . 142 cuvintelor, rezultatele nu mai sunt surprinztoare .
Familiaritate cu materiale tiprite .421 n schimb, se constat c elevii care sunt familiarizai nc din grdini cu
PASUL2 .479 .101 materialele tiprite obin rezultate superioare la testul de identificare a cuvintelor
Abilitate intelectual general (~ = .45, p < .01 ), acelai fapt petrecndu-se i n cazul copiilor care dispun de o
Probe verbale .157 abilitate fonetic superioar (/} = .30, p < .01 ). n schimb, se constat o relaie
Probe de performan .153
.458
invers ntre viteza de pronunare i capacitatea de a identifica cuvintele m: : - .20,
Familiaritate cu materiale tiprite p < .01 ). Acest fapt se explic prin tendina subiecilor cu o vitez superioar de
Abilitate fonetic .302 pronunare de a se grbi i de a grei n identificarea corect a cuvintelor (probabil
Vitez de pronuntare - .209. citind primele litere i apoi ghicind cuvntul). Analiza erorilor ar putea oferi suport
* p < .05; ** p < .O acestei posibile explicaii.
n concluzie, datele obinute sprijin ideea c dincolo de diferenele
n fiecare model ierarhic, variabila dependent era constituit din intelectuale sau educaionale (familiarizarea cu materiale tiprite), exist anumite
performana obinut n citire privind recunoaterea literelor de ctre elevii din clasa structuri psihologice, precum abilitatea fonologic i viteza de pronunare, care
a 11-a. Predictorii inclui n primul pas au fost abilitatea intelectual general i influeneaz semnificativ performanele subiecilor n citire. Acest rezultat ofer
gradul de familiaritate cu materialul tiprit, pentru a putea controla efectul acestora psihologilor posibilitatea de predicie i intervenie timpurie (nc din grdini)
asupra variabilei dependente. n cel de-al doilea pas, pe lng aceti predictori au asupra copiilor care pot ntmpina dificulti n citire pe perioada colii,
fost introdui cei doi fact'ari de interes, i anume, viteza de pronunare i abilitatea realizndu-se astfel primii pai n vederea ameliorrii acestei situaii.
de manipulare a sunetelor.
(Comentariu: n cazul regresiei utilizate n scop predictiv este necesar i n spatele acestei seciuni stau ns o serie de operaii metodologice i
prezentarea coeficienilor nestandardizai de regresie (b), ct i a erorii standard de statistice precum:
msurare a acestora (SE b). n cazul regresiei cu scop explicativ, predominant n articolul identificarea scopului regresiei: de tip predictiv, explicativ sau mixt;

230
231
 1 illllllll'
1

alegerea celei mai bune modaliti de regresie: simultan, ierarhic etc;
selectarea predictorilor relevani -pentru estimarea evoluiei criteriului i,
dac este cazul, a ordinii de introducere a acestora fn model;
interpretarea per ansamblu a eficienei modelului;
interpretarea coeficienilor de regresie din perspectiva ipotezelor formulate;
verificarea ndeplinirii condiiilor de aplicare a regresiei pentru a ne asigura
c valorile gsite nu sunt distorsionate grav.
efecte izolate. pot ti- denumite efecte simple, fiind analoge efectelor simple din
tehnicile ANOVA.
Astfel, dac ntr-un design ANOVA factorial de tip 2x3, rezultau trei valori F
(FA, FB, FAB), ntr-o regresie de tip clasic, factorul interaciune nu poate fi
detectat, deoarece ecuaia de regresie, n form standardizat este:
(6.4)

Pentru a putea msura i cel de-al treilea efect, cel de interaciune, ecuaia
6.7. Direcii de evoluie ale regresiei de regresie ce tre.buie testat devine:

6.7.1. Alte tipuri de regresie

Interpretarea primar a datelor este simpl: dac coeficienii de regresie
Dei este aplicat foarte des, regresia liniar aa cum a fost prezentat n
sunt semnificativi statistic nseamn c predictorii respectiv) contribuie semnificativ
acest capitol, poate fi aplicat doar fn situaia n care criteriul (variabila
statistic la evoluia criteriului. Dei lucrurile par simple, la prima vedere msurarea
dependent) este msurat printr-o scal. numeric. Unii autori aplic regresia
efectului de interaciune ridic cteva probleme ce vor fi discutate, pe scurt, n
liniar i n condiiile fn care rspunsurile sunt evaluate pe o scal de tip Likert ns
continuare. Cum obinem variabila interaciune XA*Xa? Cnd se poate msura
aceasta trebuie s posede minimum 7 trepte de rspuns (Garson, 2000).
acest efect de interaciune? Cum se poate cunoate dac exist un efect de
n condiiile n care rspunsurile ordinale au mai puin de apte trepte sau
interaciune? Cum se interpreteaz coeficienii corespunztori unui efect de
n cazul fn care criteriul este o variabil de tip nominal, se aplic alte tipuri de
interaciune? Cum se aplic acest efect de interaciune fn cazul variabilelor
regresie. O clasificare a acestor tipuri, fn funcie de tipul de predictori i criterii
dummy?
permise, este oferit fn tabelul 6.5, iar una dintre cele mai ntlnite forme, regresia
fogistic pentru date dihotomice, va fi detaliat n capitolul urmtor.
Cum obtinem variabila de interactiune XA*Xa?
' '
n mare, exist dou modaliti de lucru, prima fiind mai intuitiv i mai des
Tabelul 6.5. O clasificare non-exhaustiv a tipurilor de regresie
fntlnit, ns cea de-a doua fiind mai potrivit din punctul de vedere al
Denumire Predictori Criteriu caracteristicilor statistice pentru variabilele de tip interval, att de frecvent ntlnite
Regresia logistic (binar) Orice variabile, indiferent de Numai variabile dihotomice n domeniul psihologiei.
scala de msurare Prima modalitate const n realizarea produsului termenilor celor dou
variabile despre care se crede c se afl n relaie de interaciune (una dintre efe
Regresia logit Numai variabile de tip nominal Numai variabile dihotomice modernd relaia celeilalte cu predictorul). Aceast modalitate simpl se aplic
Regresia \ogistic Orice variabile, indiferent de Numai variabile nominale atunci cnd una dintre variabilele implicate este de tip dummy i, de asemenea,
multinomial scala de msurare (exclus cele dihotomice) poate fi aplicat fr probleme, dac ambele variabile sunt msurate prin scale de
proporii. Dac nu ne aflm n vreuna din cele dou situaii, se prefer utilizarea
Regresia logistic ordinal Orice variabile, indiferent de Numai variabile ordinale celeilalte metode, deoarece simpla nmulire a variabilelor poate conduce la
scala de msurare (ex. scale Likert cu 5 clase) rezultate distorsionate datorit anselor mai mari de multicoliniaritate i a valorilor
erorilor standard mai ridicate (Jaccard, Turrisi, Wan, 1990).
Cea de-a doua metod, denumit centrat, const n nmulirea celor doi
termeni dup ce n prealabil s-a sczut fiecare valoare din media acestora. Tabelul
6.7.2. Identificarea efectelor de interaciune n regresia multipl de mai jos indic diferene ntre cele dou metode cu privire la modalitatea de
Din majoritatea modelelor discutate n acest capitol; analiza de regresie obinere CI variabilei interaciune.

viza identificarea efectelor pe care fiecare predictor la are asupra criteriului. Aceste

232 233
!111 'III 1111 11 ! ill ' 1111 111 1 III 1111 III iIII !! ! i ! ! !: !i
11111 11111 _11111 111111 11111 11111 :11111 11111 : 11111 111111 11111 11111 111111 11111 111111 '11111 111111 11111 ~ 111111 111111 !11111 11111 11111 111111 11111 11111 111111 111111 111111 !11111 : 111111 '111111 111111 :1111 !III: ! i
.1111 ' 11111 11111 11111 ' :1111 11111 '11111 11111 : 11111 11111 1111: 1111 ' ' III ! !III !
1111 ' 11 ' III: III III ---llllllllllllllll!lllllll'llllllllllllllllllllllll!llllllll'lllllillll!lll'llllllllll'lllll 1111111111'11111!11111111111!11111'11111!11111!1111!1111111111111111111111 111111llllllllll!llll11111.!1111!111111111111111!1111!11111!11111!11111!111111111111111!'1111111111!!1111111111111!!.111!11!1!1!1!1!1!1!1!1!1!1!1!1!1!1!11!1!1!!111!il!l!!.l!l!l!!lll!ill!l!ll!l!l!ll!l!l!l!l!ll!l!l!l!l!ll!ll!llllil!lllllllllllllllllllllllilll:llllllllllllllilllllllllll.l!.'

Relaia simpl dintre gradul de solicitare la locul de munc i stresul

Tabelul 6.6. Exemplu de calculare a variabilei interaciune prin metoda clasic (coloana a
perceput poate fi scris:
III-a), respectiv prin metoda centrat (coloana a VI-a)
1

l
X y X*Y X- X mediu Y-Y mediu {X- X mediu)(Y- Y mediu) Stres = bO + b 1*Grad de solicitare
3 5 15 -1 o o
2 6 12 -2 2 Aceasta poate fi calcl:llat pentru fiecare tip de intervenie psihologic:
5 3 15 -2 .. 2
1
6 7 42 2 2 4 1 Stres 1 = bO + b 1*Grad de solicitare (grupul de subieci supui consilierii psihologice)
1 5 5 -3 o o Stres 2 = bO + b 1*Grad de solicitare {grupul de subieci ce a urmat acas exercitii de
7 4 28 3 -1 .. 3 relaxare) '

X mediu = 4; Y mediu = 5
1
Stres 3 = bO + b1*Grad de solicitare (grupul de control)

Cnd se poate msura acest efect de interactiune? Dac valorile pantei de regresie, adic ale lui b1, sunt asemntoare
n mod normal, efeCtul de interaciune poate 'fi evideniat, dac ambele nseamn c nu exist un efect de interaciune determinat de tipul de interventie
variabile sunt de tip numeric, msurate fie prin scale de proporii, fie prin scale de psihologic propus. Totui, o asemenea abordare descriptiv are un grad ridi~at
interval. Unii autori recomand evitarea msurrii efectului de interaciune n cazul de subiectivitate, nefiind propice analizei de regresie (ex. nu ne putem da seama
n care variabilele sunt de tip ordinal ns distorsiunile determinate de includerea da"c b1 de 1,53, fa de un b1 de 1,82 este diferit sau nu). n consecin, pentru a
unei asemenea variabile nu sunt foarte mari. Fr a intra n. detalii tehnice, vom fi masura efectul de interaciune, ecuaia de mai sus nu este adecvat.
de acord cu poziia adoptat de Jaccard, Turrisi i Wan (1990) care afirm c . ~ici ~car_ o ecuaie care s msoare efectul simplu al variabilei tip de
includerea unor predictori msurai prin scale ordinale n analiza de regresie este mterven1e ps1holog1c asupra stresului nu este propice pentru a vedea dac exist

n sine un fapt controversat, iar analiza efectelor de interaciune dintre variabilele n un efect de interaciune:
care cel ~puin una este msurat prin scal ordinal nu este cu nimic mai
controversat dect analiza efectelor simple. Prin urmare, dac cercettorul va Stres =bO + b1 *Grad de solicitare+ b2*Dummy Consiliere + b3*Dummy relaxare
decide s-i asume riscul obinerii unor rezultate distorsionate, prin includerea unor
variabile msurate prin scale de tip ordinal, va putea analiza i efectul de . . O asemenea ecuaie de regresie, n care valoarea de referin pentru
interaciune dintre acestea, asumndu-i aceleai riscuri. vanab1la dummy este constituit de grupul de control, ne ofer posibilitatea de a
n schimb, variabilele de tip categoria! transformate n variabile de tip rspunde la ntrebrile dac gradul de solicitare contribuie semnificativ la nivelul de
dummy pot fi supuse unei analize a efectelor de interaciune,n condiiile n care stres_ p~rceput l~_lo~ul de munc, respectiv dac tipul de intervenie psihologic
una dintre variabile este msurat prin sc~e de tip interval sau proporii. Dac contnbu1e semn1f1cat1v la nivelul sresului perceput la locul de munc. Ea nu ne
ambele variabile interacionate sunt de tip categoria! se prefer ns o alt p~rmite. ns s vedem dac efectul tipului de intervenie psihologic asupra
abordare, prin apelul la metoda clasic a tehnicilor ANOVA. mvelulu1 de stres perceput este acelai, att la oameni care au un grad de
Un exemplu de msurare a efectului de interaciune dintre o variabil solicitare profesional ridicat, ct i la oameni care au un nivel de solicitare
profesional sczut.
numeric i o variabil de tip dummy poate fi sesizat n exemplul urmtor:
. Prin urmare, pe lng variabilele msurate direct, se creeaz alte dou
Un cercettor dorete s observe n ce msur relaia dintre volumul de munc variabile pentru a sesiza efectul de interaciune n,tre variabilele dummy i variabila
(gradul de solicitare) al angajailor i stresul profesional p-erceput de acetia este ce viza gradul de solicitare profesional.
moderat de participarea acestora n cadrul unor programe de consiliere
psihologic. S presupunem c exis trei loturi de subieci: o parte care au urmat
Stres = bO + b1 *Grad de solicitare + b2*Dummy Consiliere + b3*Dummy Relaxare +
edine de consiliere cu psihologul companiei, o parte care a primit instruciuni
b4*Grad de solicitare* Dummy Consiliere + bS*Grad de solicitare* Dummy Relaxare
pentru efectuarea unor exerciii de relaxare acas i un grup de control. Dac nu
exist un efect de interaciune ntre tipul de intervenie psihologic urmat i gradul
Dac exist o singur variabil dummy, ca n cazul variabilei "sexul
de solicitare la locul de munc asupra stresului perceput, ar nsemna c intervenia persoanei", efectul de interaciune implic includerea unei singure variabile
psihologic nu are un rol moderator n relaia dintre cele dou.

235
234
 lllllllllll'llllllllllllllll,llllllllllllhillllllll''lllllll''ll'lll,ll:lll'!'!lll,ll!'ll'l'lli''' 11 'il 11'1111111' "i .i ., 1 1 1111 1 1 1 1 'III' 1 1 I I 1 1 III' m: :m. 1111 .11 IIIIIIUIIIIUIIII. 1111 .ll : :111 1 1 :111 1111 I I: 1111 1111 :11 1 !Il III 1111 11111 lllllllllllllllllltllllllJIIIIIWIIIII~IIIIIWIIIIIWIIIIWIIIIII,IIIIII '11111 1111 l li lll r ll,lli'll'l'',11 ,'1l'll'l'.'!l',l,ll
n: 11,111'111
1
ll'l''lli','l',l,l li:llllll''lll,'ll'lll.'lll i'lll'll'll'.'l''llll''l'll''ll'.illl'll:'l'llllll[lllllllll'l'll"'l'

suplimentare, fa de modelul clasic, al efectelor simple, la fel ca n ecuaiile de mai intensitatea cu care se modific criteriul atunci c11d nivelul de solicitare crete cu o
jos: unitate, n condiiile n care ceilali predictori iau valoarea zero. Concretiznd, vom
spune c b asociat nivelului de solicitare n munc ne arat cu ct se modific
Stres = bO + b1 *Grad de solicitare+ b2*Dummy Sex (1) stresul perceput atunci cnd nivelul de solicitare crete cu o unitate, n condiiile n
Stres = bO + b1 *Grad de solicitare+ b2*Dummy Sex+ b3*Grad de solicitare*Dummy Sex (2) care sexul persoanei ia valoarea zero, adic n cazul subiecilor de sex feminin. n
cazul variabilei sexul persoanei, interpretarea devine: b indic diferena dintre
Cum se poate cunoate dac exist un efect de interaciune? stresul perceput de femei i brbai atunci cnd nivelul de solicitare n munc ia
Metoda obinuit de verificare a prezenei sau abser)ei acestui efect este valoarea zero.
regresia ierarhic, prin compararea modelelor estimative care includ sau nu efectul Se impun dou precizri. n cazul interpretrii efectelor simple n regresii
de interaciune. De exemplu, dac ecuaia notat cu unu ar avea un R2 = .23, iar care includ efecte de interaciune, b nu indic valoarea cu care se modific criteriul
cea notat cu doi ar avea un R2 = .31, atunci diferena de .08, adic 8% din atunci cnd predictorul respectiv crete cu o unitate, indiferent de nivelul celorlali
dispersia variabilei criteriu, este pus pe seama efectului de interaciune. Aceast predictori, ci arat modul n care se modific criteriul atunci cnd predictorul
cretere ce reprezint mrimea efectului variabilei interaciune este semnificativ asociat crete cu ounitate, n condiiile n care ceilali predictori iau valoarea zero.
statistic dac F schimbare (n englez .,F change") asociat acestei diferene Deosebirea apare, deoarece valorile b nu sunt constante pe toat amplittJdinea
explicative ntre cele dou modele este semnificativ statistic. Cu alte cuvinte, dac predictorilor cu rol moderator, ea fiind calc,ulat doar n situaia n care acetia iau
F schimbare de la modelul 1 la modelul 2 ar avea o valoare de genul F(1, 134) = valoarea zero. Uneori valoarea are o semnificaie real, ca n cazul variabilelor
8.29, p < .01, am putea afirma c exist un efect de interaciune ntre cei doi dummy, n care cota O indic prezena subiecilor de sex feminim, n alte situaii
predictori, care aduce un plus explicativ evoluiei criteriului. ns ea nu are o semnificaie real, precum se ntmpl n cazul nivelului de
solicitare n munc, ale crui valori sunt cuprinse ntre 1 i 15.
Cum se interpreteaz coeficienii corespunztori unui efect de Cea de~a doua precizare se refer la interpretarea acestei valori zerci, n
interaciune? funcie de tipul de metod adoptat n obinerea variabilei interaciune. Dac se
Interpretarea efectelor simple folosete metoda clasic, bazat pe produsul valorilor variabilelor de interaciune,
n cazul regresiei clasice, n care nu erau incluse efectele de interaciune, zero nu are o semnificaie special ns dac se folosete metoda centrat,
interpretarea coeficienilor b sau ~ se fcea simplu. De exemplu, coeficientul b valoarea zero reprezint, de fapt, media variabilelor interaciune. ntr-o asemenea
corespunztor gradului de solicitare n munc indica nivelul de modificare al situaie, interpretarea iniial a lui b (nivelul cu care se modific criteriul atunci cnd
criteriului (al stresului perceput) atunci cnd gradul de solicitare crete cu o unitate predictorul asociat se modific. cu o unitate n condiiile n care ceilali predictori iau
n conditiile eliminrii influentei variabilei "sexul persoanei". Cu alte cuvinte, valoarea zero) devine nivelul cu care se modific criteriul atunci cnd predictorul
coeficientul arta cum se modific stresul atunci cnd nivelul de solicitare n munc asociat se modific cu o unitate, iar ceilali predictori iau valori medii. Din aceast
crete cu o unitate, pstrnd la valori constante ceilali predictori. Similar, perspectiv, interpretarea i pierde sensul avut n cazul variabilei sexul persoanei
coeficientul ~ indica nivelul de modificare al stresului, exprimat n abateri standard, (n care valoarea medie nu semnific nimic) ns ctig n relevan n cazul
atunci cnd nivelul de solicitare n munc crete. cu o abatere standard, n condiiile variabilei nivelul de solicitare n munc, fiind vorba de o interpretare fcut la un
pstrrii constante a celorlali predictori. nivel mediu de solicitare n munc. De aceea, alegerea modului de construire a
De asemenea, b corespunzor sexului persoanei indic valoarea cu care variabilei interaciune pgate ine seama i de uurina interpretrii rezultatelor n
se modific stresul perceput atunci cnd variabila se modific cu o unitate, n funcie de metoda aleas.
condiiile n care nivelul de solicitare n munc ia valori constante. Cum este vorba
de o variabil dummy (O- femei; 1 -brbai), coeficientul b indic diferena n ceea Interpretarea efectelor de interaciune
ce privete stresul perceput ntre femei i brbai, n condiiile pstrrii constante a Vom utiliza ca exemplu aceeai ecuaie, cu urmtoarele valori asociate:
influenei nivelului de solicitare n munc asupra stresului. Aadar, se consider c
modificarea reprezentat prin valorile b sau ~ este aceeai indiferent de nivelul de Stres = bO + b1*Grad de solicitare + b2*Dummy Sex+ b3*Grad de solicitare*Dummy Sex
solicitare n munc. Stres =4,5 + 0,82*Grad de solicitare + O, 12*Dummy Sex+ O, 18*Grad de solicitare*Dummy Sex
n ecuaiile de regresie care includ un factor de interaciune, valorile b i ~
corespunztoare efectelor simple i modific puin modul de interpretare. Astfel, Interpretarea coeficientului de regresie b3, corespunztor efectului de
coeficientul de regresie specific nivelului de solicitare n munc este vzut ca interaciune, indic nivelul n care se modific b1 atunci cnd variabila sex se

236 237
""' """""""""J""'~"uuuulumuumuum_umLUmt.Juuuumc:u uuumuiiiiLIIIIIIIIIIIUIIIILIIIIh'IIIILIIIII'IIIIIJIIIILIIIIhlllllllllll1 1111111111 IIIIIIIIIIIIIIIIJIIII:IIIIIIIIIIII :m, 1111111111 1111 .1111 1111111111 11111 .1111 11111 1111 'IIIII:IIIIILIIIII '1111111111''1111111111' llllllllllllllll.illlli 11111'111111111111111111'11111, l l l l l 1111111111111111111111111111::11111111111111111111111il l l l l l'l l l'l l l l l 1 1111 .. 111111111111,11111!11111111111111111111111111~---liiiii~IIIOOIIIIWIIIII~IIIIUIIIIIUIIIII:IIIII :1111~ :1111 illl ill

~~~~~~~~~

modific cu o unitate. Tehnic, am putea spune c acest coeficient indic i nivelul

cu care se modific b2 atunci cnd variabila grad de solicitare se modific cu o Norme subiective
unitate. De obicei, n interpretare se ine seama de aceea dintre variabile care
joac un rol moderator. Cum n situaia de fa variabila moderatoare este sexul
persoanei, ne vom axa pe prima posibilitate de interpretare. Astfel, vom putea Atitudini
afirma c stresul perceput se.modific n funcie de gradul de solicitare n munc n
mai mare .msur n cazul brbailor dect n cazul femeilor, deoarece n cazul
brbailor b1 devine 1 (0,82+0, 18), n timp ce n cazul femeilor el este de 0,82. n Controlul aciunii
plan psihologic, am putea afirma c nivelul de stres perceput este n mai mare
m~sur dependent de nivelul de solicitare n munc n cazul brbailor, dect n
cazul femeilor. Ca i n alte situaii, o asemenea interpretare are sens doar dac
Figura 6. 6. Schema cauzal a teoriei comportamentului planificat
coeficientul de regresie asociat efectului de interaciune este semnificativ statistic.

a doua seciune ar avea drept variabil dependent comportamentul adoptat, iar

6.7.3. Analiza de cale
ca variabile independente: intenia de a aciona i controlul aciunii. Cele dou
Dei
regresia, n multiplele ei forme, se dovedete o tehnic statistic seciuni sunt sesizate clar n figura 6.17.
robust, ce poate fi utilizat ntr-o multitudine de situaii, realitatea psihologic
complex este uneori inadecvat pentru a permite utilizarea metodelor de regresie,
Norme subiective
dei avem de-a face cu un design corelaional. Intenia de a aciona
De exemplu, dac vom dori s testm teoria comportamentului planificat,
ca extensie a teoriei aciunii raionale elaborate de Fishbein i Ajzen, vom constata
c regresia nu poate fi utilizat dect printr-un artificiu tehnic (Hankins, French i Atitudini Intenia de a aciona Comportament
Horne, 2000). Conform teoriei planificrii comportamentului, prezentat n figura
6.16, o persoan adopt un anumit comportament, dac are intenia de a-1 adopta Controlul aciunii
i dac consider c are capacitatea de a derula acel comportament. De Controlul aciunii
asemenea, intenia de a aciona ntr-un anumit fel este dependent de trei factori:
atitudinea subiectului fa de problema respectiv, normele existente care aprob
sau dezaprob un anumit comportament i prerea subiectului cu privire la Figura 6. 7. Seciuni ale teoriei comportamentului planificat testa bile prin intermediul
capacitatea sa de a adopta un anumit comportament. Conform acestei teorii, dac regresiei
un student decide s opteasc unui coleg de-al su rspunsurile la examen face
acest lucru, pentru c are intenia de a-1 ajuta i pentru c este de prere c poate
face acest lucru fr probleme (are controlul aciunii). De asemenea, intenia sa de Tn termenii ecuaiei de regresie sub form standardizat, cele dou seciuni
a-1 ajuta se bazeaz pe atitudinea pe care o are fa de acesta (ex. "este o pot fi scrise sub forma:
persoan de treab"), pe normele subiective existente n grup (ex. "este bine s-i
ajui colegii", "este bine s fii solidar cu acetia") i pe credina c poate face acest Intenia de a aciona = (3Norme subiective + (3Atitudi11i + (3Controlul aciunii
lucru fr a fi observat i sancionat. Comportament = f3intenia de a aciona + f3Controlul aciunii
Dac ar fi s testm validitatea acestui model prin intermediul regresiei, ar
trebui s mprim modelul n dou seoiuni, fiecare fiind supus apoi unei analize Din pcate, chiar dac prin regresie putem observa n ce msur cele
de regresie. Prima seciune ar avea drept variabil dependent intenia de a dou ecuaii de regresie explic ntr-un mod eficient cele dou pri ale teoriei
aciona, iar ca predictori: normele subiective, atitudinea i controlul aciunii. Cea de comportamentului planificat, nici una dintre ele nu ofer informatiile necesare cu
privire la validitatea de ansamblu a teoriei propuse. Se pot face d'oar presupuneri,
pornind de la ideea c, dac ambele seciuni sunt sprijinite de rezultatele analizei
de regresie, atunci ntregul model este acceptat.

238 239
 1 1 IIIIIIIIII!IIIIII~IIIIIUIIIIIUIIIIIIIIIIIIIIIII 1 111-lllllllllll''ll'll':l:ll!l'llllllllllllllllllllllllllllllllllllllhllllllllllllll,llllllllllllllllll'llllllll'llllh
In asemenea situaii, n care modelul testat presupunE? mai multe variabile
dependente, am putea utiliza analiza de cale, ca modalitate mai eficient de a
testa modelele cauzale complexe.
Definirea variabilelor n analiza de cale
Aceast metod statistic este util n testarea unor modele cauzale,
precum este cel prezentat n figura 6.16, viznd teoria comportamentului planificat:
ntr-un asemenea model exist dou tipuri principale de variabile: variabile
exogene i variabile endogene (Kiem, 1995). De precizat c unii factori pot juca
ambele roluri. Variabilele exclusiv exogene sunt variabilele de la care se pornete
schema cauzal, fiind similare predictorilor din regresia multiliniar. Tn figura 6.16,
normele subiective, atitudinea i controlul comportamentului sunt variabile exclusiv
exogene, n timp ce intenia de a aciona joac rolul de variabil exogen n relaia
pe care o are cu comportamentul adoptat. n schimb, aceeai variabil, intenia de
a aciona, joac rolul de variabil endogen (similar criteriului din regresia
multiliniar), deoarece ea este considerat ca fiind cauzat de aciunea comun a
trei variabile: normele subiective, atitudinea i controlul comportamentului. De
asemenea, comportamentul adoptat este o variabil exclusiv endogen, deoarece
ea nu influeneaz alte variabile ns este influenat de intenia de aciune i de
controlul comportamentului.
Printr-un asemenea model putem stabili n detaliu relaia dintre variabile.
Spre exemplu, putem stabili c exist o relatie '
in direct ntre atitudinea unei.
persoane i comportamentul acesteia, relaia fiind mediat de intenia de a aciona.
Similar, putem afirma c percepia subiecilor despre uurina sau dificultatea de a
aciona (controlul comportamentului). are att o aciune direct asupra
comportamentului adoptat, ct i una indirect, prin intermediul inteniilor de a
aciona. De asemenea, putem compara dou sau mai multe modele concurente
pentru a vedea care dintre ele explic mai bine datele culese. Spre exemplu, prin
analiza de cale se poate estima dac teoria comportamentului planificat,
prezentat n figura 6.16 explic mai bine comportamentul adoptat de o persoan
n comparaie cu o variant modificat a acesteia (figura 6.18) sau fa de teoria
aciunii raionale (figura 6.19).
i~orme subiective
. -~-
Atitudini
Controlul aciunii
Figura 6.18. Teoria comportamentului planificat n variant modificat
240
i'lorme subiective
Atitudini lr~enia de a aciiona
Figura 6.19. Teoria aciunii raionale
Fr a insista mai mult asupra modului de realizare i interpretare a
analizei de cale i a coeficienilor rezultai, vom meniona c n selectarea
modelului care explic cel mai bine datele obinute se folosete aceeai strategie i
aceiai parametri, utilizai i n cazul analizei factoriale confirmatorii, interpretarea
fcndu-se ntr-un mod similar (vezi seciynea 5.2.3.). Din acest punct de vedere,
SPSS-ul nu ofer posibilitatea de a realiza direct o analiz de cale ns un program
complementar, AMOS, poate realiza asemenea analize.
BIBLIOGRAFIE
Berry, W .D., Feldman, S. (1985). Multiple regression in practice. (Sage University Papers on
Quantitative Applications in the Social Sciences, series no. 07-050). Newbury Park, CA:
Sage.
Field, A. (2000). Oiscovering statistic using SPSS for Windows. London: Sage Publications.
Garson (2000). Gsit la 14.1X pe www2.chass.ncsu.edulgarson/pa765/regression.htm
Hankins, M., French, D., Horne, R. (2000). Statistica! guidelines for studies of the theory of
reasoned action and the theory of planned behaviour. Psychology and Health, 15, 151-
161.
Jaccard, J., Tunisi, R., Wan, C.K. (1990). lnteraction effects in multiple regression. (Sage
University Papers on Quantitative Applications in the Social Sciences, series no. 07-
072). Newbury Park, CA: Sage.
Kirby, J.R., Parrilla, R.K., Pfeiffer, S.L. (2003). Naming speed and phonological awareness
as predictors of reading development. Journal of Educational Psychology, 95(3), 453-
464.
Klem, L. (1995). Path Analysis. n L.G. Grimm i P.R. Yarnold (eds.). Reading and
understanding multivariate statistics. (p. 65-98). Washington, DC: American
Psychological Association.
Licht, M.H. (1995). Multiple regression and correlation. n L.G. Grimm i P.R. Yarnold (eds.).
Reading and understanding multivariate statistics. (p. 19-64). Washington, DC:
American Psychological Association.
Miles, D.E., Johnson, G.L. (2003). Aggressive driving behaviors: are there psychological and
attitudinal predictors? Transportation Research Part F, 6, 147-161.
241
II'IIIILIIIIILIIIIIIolllllllllllloiiiiiiiiiiiiJIIIIIIIIIIIIIIIIhlllllllllllliiiiii'IIIIIIIIIIIWIIIIIIUIIIIIUIIIIUIIIIIUIIIIUIIIIIUIIIILJIIIIUIIIIUIIIIIJIIIILJIIIIUIIIIIJIIIIIUIIIIiJIIIIIIIIUIIIIIUIIIIIIJIIIIILIIIIIIIIIIII!IIIIIIIIIIII.IIIIIIIIIIIHIIIIIIIIIII'IIIII!IIIIII:IIIII'IIIIIIIIIII:IIIIIIIIIII,IIIIII:IIIIIIIIII:.IIIIIIIIIIiiiiiiiiiii,IIIIIIIIIILIIIIIJIIII,IIII!IIIILIIIILIIIIIIIIII!IIII.!IIIIIIIIII!IIII!IIIII'IIII'IIIIIIIIIILIIIIIIIIIIIIIIIIIIIIIIIIIII:IIIIIIIIIII.IIIIII.IIIIIIIIIIIIIIIIIIIIIi.llllllllll!llllllllll!'lllll:llli 1111. ll!llllllk!IIIIIWmlrnlllll~lllll!llllllJIIIIUIIIIJIIIIUIIIi 111111! 1

Nicol, A.A.M., Pexman, P.M. (1999). Presenting your findings. A practica/ guide for creating
tables. Washington DC, USA: American Psychological Assoclation. CAPITOLUL 7
Pedhazur, E.J., Schmelkin, L. (1991 ). Measurement, design, and ana/ysis: an integrated
approach. Hillsdale, USA: Lawrence Erlbaum Associates, lnc. REGRESIA LOGISTIC
Pitariu, H. (1983). Psihologia seleciei i formrii profesionale. Cluj-Napoca: Editura Dacia.
Schroeder, L.D., Sjoquist, D.L., Stephan, P.E. (1986). Understanding regression analysis.
An introductory guide. (Sage University _Papers on Quantitative Applications in the Dac criteriul sau variabila dependent inclus ntr-o regresie nu este
Social Sctences, series no. 07-057). Newbury Park, CA: Sage. msurat printr-o scal numeric, ci printr-una dihotomic de tipul "da" sau "nu";
Thompson, B. (1995a). Stepwise regression and stepwise discriminant analysis need not "admis" sau "respins"; "corect" sau "greit", "succes" sau "insucces colar" etc., se
apply here: a guidelines editorial. Educational and Psychological Measurement, 55(4), aplic o alt form de regresie, denumit regresie logistic.
525-534. Similar regresiei liniare, regresia logistic poate fi simpl sau multipl, cu
Thompson, B. (1995b). Exploring the replicability of a study's results: Bootstrap statistics for scop predictiv sau cu scop explicativ, cuprinznd doar efecte simple sau i pe cele
the multivariate case. Educational and Psychological Measurement, 55(1), 84-94. de interaciune. Modul de lucru n asemenea cazuri este analog cu cel prezentat n
[ capitolul destinat regresiei liniare. De exemplu, i n cazul regresiei logistice putem
ntlni att variabile numerice, ct i variabile dummy, ecuaii de regresie liniare
sau neliniare, modele simultane, ierarhice sau n pai etc. De aceea nu vom mai
prezenta toate aceste detalii, ci ne vom concentra asupra modului de realizare i
asupra particularitilor regresiei logistice.
Un exemplu tipic n care se poate utiliza regresia logistic este cazul
1 infidelitii n plan sexual. n funcie de acest criteriu am putea mpari oamenii n
fideli sau infideli fa de parteneri. Dac ar fi s gsim un set de variabile care s
realizeze o predicie ct mai corect a comportamentului n cuplu al partenerilor,
am putea utiliza regresia logistic n scop predictiv. n schimb, dac am fi interesai
s vedem ce factori psihologiei pot explica infidelitatea dup ce am controla unii
factori personali sau sociali precum vrsta, sexul subiectului, statutul subiectului,
venitul realizat, nivelul de educaie, OP,ortunitile existente la locul de munc etc.,
am utiliza regresia logistic n scop explicativ.

7.1. Concepte i principii teoretice

Aadar, regresia logistic este o form de regresie n care variabila

dependent (VD) este dihotomic, n timp ce variabilele independente (VI) pot fi
continue sau categoriale. Exist cazuri n care: VD, dei este categorial, are mai
multe alternative. Un exemplu ar fi identificarea unor predictori care s explice ct
mai mult din evoluia probabilitii ca oamenii s voteze pe unul dintre liderii politici
precum Adrian Nstase, Teodor Stolojan sau Corneliu Vadim Tudor. n aceast
situaie vorbim despre o regresie logistic multinomial. n capitolul de fa vom
aborda doar regresia logistic dihotomic sau binar, denumit generic "regresie
logistic". Modalitatea de interpretare a regresiei logistice multinomiale, ct i a
regresiei logistice ordinale nu poate fi neleas fr o bun aprofundare a regresiei

243
242
 m::lllllll:lll,llll:llllll:!llli:'III'IIIIIWIIIIIIIIIIIIIHIIIIIIIIIIIIIIJIIIIIIIII~IIIIIIIIIWIIIIWIIIIILIIIIIIJIIIIIIIIIII'III'IIII'III'III''IIIIIIill!'!lll':il''!''l'lllli''lll!llll'lll 'llllll,llllilllllilllllllllillll.lllll,llllllll, lllillll'lllllllllllllllllllllllllllll1111111111111' 1111111111111'1111111111111111111111 llllllll'llllllllllllllllllll,llllllllllllllllllllllllllllllilllllllllllllllllllllllllllllllllllllllillllllillllllllllllllllllllllllllllll'l

logistice binare. Mai multe detalii despre aceste modaliti de regresie logistic pot obinute la intervale de timp diferite, n perioada episodului psihopatologie,
fi gsite n Agresti (1990). respectiv dup nsntoire.
Asemeni regresiei liniare, cea logistic ncearc s gseasc un model Modelul logistic trebuie s cuprind VI semnificative din punct de vedere
explicativ ct mai bun, exprimat printr-o funcie matematic. Regresia logistic se teoretic pentr.u relaia cu VD. lnclucjerea unor VI care nu au legtur cu VD poate
aseamn cu ~naliza logit, cele dou tehnici oferind chiar rezultate identice, ns conduce la erori de estimare a coeficienilor logit. De asemenea, pot aprea
analiza logit are un caracter mai restrictiv, deoarece toi predictorii trebuie s fie corelaii false ntre VI i VD, caz n care este afectat calitatea modelului.
msurai prin scale de tip nominal. De asemenea, regresia logistic poate fi folosit
Utilizarea metodei de estimare a verosimilitii maxime necesit un numr
cu succes n locul analizei discriminantului, care este o tehnic mult mai mai mare de subieci dect utilizarea metodei celor mai mici ptrate. Din acest
pretenioas din perspectiva condiiilor necesare pentru a fi utilizat corect. Se motiv, pentru eantioane mici, testarea ipotezelor statistice poate fi inadecvat. Un
cuvine s precizm i cteva diferene existente ntre regresia liniar i regresia criteriu conservator susine necesitatea unui minimum de 50 de subieci pentru
logistic.
fiecare variabil predictor. Totui, pentru cercetri de peste 300 de subieci, acest
(a) Spre deosebire de regresia liniar, nu exist condiia de liniaritate ntre raport poate. s scad, situndu-ss undeva n jurul a 20-30 de subieci pentru
VI i VD, nu exist cerina ca VI s fie distribuite normal, fiind astfel mai uor de fiecare predictor (Wright, 1995).
aplicat. Din toate aceste puncte de vedere regresia logistic se dovedete a fi o
metod foarte robust i util.
(b) Din punct de vedere tehnic regresia logistic se bazeaz pe metoda
7.2. Modelul regresiei logistice
estimrii verosimilitii maxime (n englez "maximum likelihood estimation") i nu
pe metoda clasic, a celor mai mici ptrate.
Pentru a clarifica principiile teoretice ale regresiei logistice vom apela n
(c) n fine, dac n regresia liniar cunoaterea VI duce la predicia valorii
paralel la un exemplu din psihologia politic. Mai exact, vom surprinde n ce
VD, n regresia logistic cunoaterea VI duce la determinarea (predicia) unei
msur vrsta influenea:z: opiniile romnilor n ceea ce privete ntrebarea: "l;ra
probabiliti pentru fiecare dintre cele dou rspunsuri posibile ale VD. n cazul
mai bine nainte de 1989 dect dup 1989, din perspectiva conductorilor rii?".
regresiei liniare se obine o valoare estimat a criteriului, pentru fiecare subiect n
Datele provin din Barometrul de Opinie Public din octombrie 1999, rspunsurile
parte, pe baza ecuaiei de regresie rezultate. De exemplu, am putea estima
subiecilor fiind modificate prin a reduce alternativele de rspuns de la cinci la dou
performana n vnzri .a unei persoane pe baza experienei profesionale a
categorii. Aceste variante sunt: "1 - era mai bine nainte de 1989"; "O - era mai ru
acesteia i pe baza abilitilor sale psihologice. n cazul regresiei logistice, dat fiind
nainte de 1989".
faptul c nu exist dect dou rspunsuri posibile (ex. fidel sau infidel fa de
Dac modelul ecuaiei de regresie liniare simple este:
partener), se poate estima probabilitatea, pentru fiecare subiect n parte, de a se
comporta ntr-un mod fidel sau infidel, iar acest lucru ar fi obinut pe baza eci,Jaiei
Y=b0+b1*X (7.1)
de regresie logistic. Dei are aparent o form liniar, criteriul estimat este. o
variabil logit, denumire ce vine de la faptul c VD din ecuaie este logaritmul
modelul regresiei logistice simple este (Menard, 1995):
natural al unei valori ce intr n calculul probabilitii de a se ntmpla un eveniment'
sau altul. n cazul infidelitii, criteriul indic probabilitatea ca o persoan s se,
comporte ntr-un mod fidel n plan sexual sau dimpotriv.
ln(y) =bO + b1*X (7.2)

care poate fi scris i

Precizri metodologice necesare aplicrii regresiei logistice

Categoriile VD trebuie s fie reciproc exclusive. Fidel i infidel n plan 1

y = exp (bO + b1*X) (7.3)
sexual fa de partener pot constitui categorii ale VD n regresia logistic, deoarece:
ele se exclud reciproc. n schimb, fan ,al fotbalului i al tenisului sunt categorii care: unde y este ansa sau raportul dintre probabilitatea de a rspunde 1, (era mai bine
nu se exclud reciproc, deoarece exist persoane care pot intra n ambele categorii! nainte de 1989) i probabilitatea de a rspunde O (era mai ru nainte de 1989).
sau dimpotriv, n nici una. Prin urmare, regresia logistic nu poate fi aplicat ntr-o! Adic, In (y) = In [p/(1-p)]; bO i b1 sunt coeficienii fogit corespunztori
asemenea situatie. coeficienilor de regresie (bO fiind asociat interceptului, iar b1 fiind asociat pantei de
Datele trebuie s fie independente unele de altele. Dac avem categoriile! regresie determinate de predictorul X, n acest caz, vrsta subiecilor).
bolnav, respectiv sntos psihic, nu putem include datele de la acelai subiect:

244
245
 ,1'1111 l"ll"'ll',lllllllllil'l"llllllli.'llll' lllllllllllilll''llllllll'llllllll''lll'llllllllll 111111 1 1111111 1
lllllllllllillllllllllll:i:'i,:ltllilillll!lllllllll!lllllllllt:llllllll 1111 11111111:111 11 11111111111111111 lll!lli 111illlllll 1111111illlllll!illillllllli.ll1 11!ill'illlll',llllll'llillllllllll,lllilll'llllll!lll,llllllllllllhlllllllllll'llll
'
111111111111 11111111111111,11111111,11111111111

Adic, un subiect cu 5 copii, n comparaie cu cel care are un singur copil, direcia acesteia . Figura de mai jos prezint forma curbei logistice pentru trei valori
va avea de 7,38 ori mai multe anse de a afirma c era mai bine nainte de 1989, diferite ale coeficientului logit pornind de la ideea c interceptul a luat valoarea o.
din perspectiva conductorilor rii:' Se poate observa c panta este mai abrupt n cazul liniei continue,
n privina rezultatelor oferite de SPSS, lucrurile sunt diferite. SPSS-ui deoarece valoarea coeficientului logit a fost mai ndeprtat de O {b=3). Panta
ofer direct valoarea raportului anselor pentru fiecare VI atunci cnd acestea se scade Tn cazul liniei punctate, pentru c valoarea . coeficientului log it este mai
modific cu o unitate i d posibilitatea de a opta pentru afiarea intervalului de apropiat de O (b=1 ,5). Panta arat ct de bine poate discrimina coeficientul logit
ncredere corespunztor fiecrui raport al anselor. n schimb, programul nu luat n calcul. Cu ct este mai abrupt, cu att variabila predictor intervine mai mult
prezint direct ansele estimate pentru fiecare subiect. Acestea pot fi deduse n modificarea probabilitilor VD. Un coeficient log it (b=O) nu va influena n nici un
indirect pe baza probabilitilor obinute. Deoarece probabilitile se calculeaz fel modificarea probabilitilor atunci cnd variabila predictor va lua valori diferite. n
pentru fiecare subiect n parte, exist n SPSS opiunea de a salva ca variabil aceast situaie, curba se transform ntr-o linie orizontal (linia ntrerupt).
nou, probabilitatea fiecrui subiect de a rspunde 1 (de a afirma c era mai bine Pentru valori pozitive ale coeficientului logit, curba crete dinspre stnga
nainte de 989). spre dreapta. Aceasta nseamn c valorile mici ale predictorului determin o
Vom sublinia c n interpretarea coeficieni/ar /ogit obinui inem seama de probabilitate mai mic de a se ntmpla evenimentul 1, iar valorile mari cresc
raportul de anse i nu de probabiliti. Acestea, nu sunt eficiente deoarece au aceast probabilitate. Situaia se inverseaz dac obinem un coeficient logit
valori diferite la variaii constante ale variabilei predictor. n general, probabilitile negativ. Curba de regresie va crete dinspre dreapta spre stnga, ceea ce
se modific mai mult pentru valori medii ale VI i mai puin pentru valori extreme nseamn c valorile mari ale predictorului determin o probabilitate mic de
ale VI. apariie a evenimentului 1 i invers. Astfel, un b= -1,5 va determina o curb invers
Astfel, dac admitem un intercept bO = -1,02 i un coficient logit b1 = 0,50 fa de curba punctat rezultat din coeficientul logit b de 1,5, prezentat n figura
pentru variabila numr copii, vom observa c probabilitile nu se modific uniform 7.1. Ea va pstra ns celelalte caracteristici i va avea o pant mai abrupt
cnd VI crete cu o unitate. Concret, probabilitatea unei persoane cu un copil de a comparativ cu modelul 3 (b=O), dar mai lin dect modelul 1 (b=3). De remarcat c
afirma c era mai bine nainte de 1989 este .37, iar cea a unei persoane cu doi niciodat curba nu va depi probabilitatea 1 i nu va cdea sub probabilitatea O,
copii este .49, diferena de probabilitate dintre cele dou rspunsuri fiind de .12. n chiar dac vom utiliza valori extreme ale VI (Wright, 1995).
schimb, probabilitatea unui subiect cu cinci copii devine .81 fa de .87 ct este
probabilitatea pentru o persoan cu ase copii, diferena fiirid de numai .06.
7.3. Estimarea modelelor logistice
i.O

n aceast seciune vom discuta paii necesari pentru aplicarea regresiei

.a
logistice. Vom introduce, n paralel cu explicaiile conceptuale, urmtoarea situaie
..
.7
exemplu:
f]l
.s
.4
O serie de factori influeneaz naterea unor copii sntoi sau, dimpotriv, a unor
copii cu malformaii genetice diverse. Observnd un numr de 125 de nateri, un cercettor
~ .3

.2 a anchetat mamele cu privire la 4 factori: vrsta m~mei, existena n familie (rude de gradul 1
0.0
--- i 11) a unor malformaii genetice, consumul de alcool n perioada sarcinii i stresul cotidian
perceput.
o 3 4 6 7 10 11 12
1 Baza de date aferent acestui exemplu este regresie Jogistica.sav, iar
pentru analiza datelor n SPSS 11.0 se urmeaz calea: "Analyze"-"Regression"-
Figura 7. 1. Modalitide evoluie a curbei regresiei logistice simple l7 trei situaii ipotetice (b "Binary Logistic".
= 3 -linie continu; b = 1, 5 -lirie punctat; b =O -linie ntrerupt) Regresia logistic ofer posibilitatea de a:
testa dac un model este semnificativ statistic;
Acest lucru se ntmpl, deoarece regresia logistic nu are o form liniar, compara dou modele ntre ele;
ci o form specific n form de S, denumit curba de regresie logistic. Fiecare stabili eficiena modelului ales;
combinaie de coeficieni logit cu interceptul produce o modificare a formei interpreta coeficienii logit semnificativi din modelul ales;
acesteia. n funcie de valorile coeficientului logit al VI se modific panta curbei i stabili profiluri ideale pe baza ecuaiei logistice obinute;

248 249
 ''"11',111111!1111 illl!llllllllllllllllli:llll 'III llll.llllllllllllllllilllllllllilllllllilllli:llllllllillllllll,lllllll'llilll'll!lll'll'lll'll'!llillllll:llilll'lllll!'lll'll'ill'll,,li 1lli' !1111!111111'1111111'1111111'1111111 llll'lll!llll'lll:!llllllllllll:lll!llllllllllll'llllllllillllllll'llllllllll

Dac BIC' ia valori pozitive, modelul nu explic foarte bine datele obinute.
El este chiar mai slab n explicarea variaiei VD dect modelul nul, ce include
numai interceptul. Vom discuta n cadrul seciunii urmtoare modul n care este
utilizat BIC' pentru a compara dou modele ntre ele, dup un algoritm propus de
Long (1997) i Freese (2000),.
Tn exemplul amintit anterior, viznd factorii ce intervin n apariia unor
malformaii genetice la 125 de nou-nscui, vom evalua trei factori: consumul de
alcool n perioada sarcinii, existena unor rude apropiate cu malformaii genetice i
vrsta mamei la natere. Ecuaia logistic este:
In Handicap= bO + b 1*Alcool + b2*Factori genetici + b3*Vrsta mamei
SPSS-ul ofer rezultate pentru cea de-a treia metod de testare a
modelelor logistice, testul Hosmer i Lemeshow ca msur a potrivirii. Pentru
aceasta trebuie selectat opiunea corespunztoare n fereastra "Options" a
regresiei logistice.
Rezultatul obinut arat c ipoteza nul nu poate fi respins (p > .07), ca
urmare vom putea spune c datele rezultate, estimate pe baza modelului
explicativ, nu sunt semnificativ diferite de valorile observate. roate aceste rezultate
sprijin ideea c cel puin un predictor din cei trei (consumul de alcool, factorii
genetici i vrsta mamei) contribuie semnificativ la estimarea probabilitii de a da
natere unui copil sntos sau unuia cu malformaii genetice.

Pentru testarea modelului vom apela att la output-ul oferit de SPSS ct i 7.3.2. Compararea modelelor logistice
la anumite calcule suplimentare. nainte de a trece n revist principalele modaliti de a compara modele,
Omnibus Tests of Model Coefficients trebuie subliniat c exist dou tipuri de relaii ntre acestea: de tip "cuib", respectiv
modele diferite (Hair et al., 1998; Garson, 2000).
Chi-square df Siq. Dou modele logistice se afl ntr-o relaie de tip cuib, dac ntr-un model
Step 1 Step. 54,501 3 ,000
sunt incluse toate VI care se gsesc n cellalt. n caz contrar, modelele sunt
Block 54,501 3 ,000 socotite a fi diferite. Pentru exemplul dat, o relaie de tip "cuib" este:
Model 54,501 3 ,000
Ln y = bO + b1*Vrsta mamei+ b2*Consumul de alcool i
Hosmer and Lemeshow Test Ln y = bO + b1 *Vrsta mamei+ b2*Consumul de alcool+ b3*Stresul perceput

1 Chi-square 1
df 7 1 Sig. 1 Pentru aceeai situaie, comparaia ntre modele diferite ar fi:
12,966 ,073

unde Chi-Square Model este testul G 2 . Ln y = bO +b1*Vrsta mamei+ b2*Consumul de alcool+ b3*Stresul perceput i
Ln y = bO +b1 *Vrsta mamei + b2*Antecedentele genetice
Figura 7.2. Testarea modeluluj propus din perspectiva gradului de semnificaie
SPSS este o marc nregistrat. Pe baza acestei diferenieri stabilim tehnica necesar pentru compararea
modelelor. Vom descrie dou procedee: X2 al pasului i diferena dintre criteriile
bayesiene ajustate de informare. ArT).bele metode pot fi utilizate pentru modele de
Vom scrie rezultatul sub forma G2 (3) =
54.501, p < .001. Gradele de tip "cuib", iar ultima poate fi utilizat'i pentru compararea modelelor explicative
libertate sunt date de numrul VI incluse n modelul testat. Pornind de la aceti diferite.
indicatori poate fi calculat i BIC', procedeu care nu este oferit direct n output-ul Hi ptrat al pasului este metoda utilizat "n SPSS. Tehnica surprinde
SPSS-ului. mrimea modificrilor n ceea ce privete log likelihood prin introducerea unor VI

Vom avea:
SIC'= -54,501 + 3 *In 125 =- 40,01
Acest rezultat poate fi interpretat ca un credit dat modelului explicativ
propus. O valoare pozitiv a lui BIC' ar fi nsemnat c avem un model explicativ
mai slab dect modelul nul, ce ine seama doar de intercept.
noi, n condiiile n care VI anterioare sunt pstrate. Se verific astfel, dac anumite
VI merit a fi introduse n model, dac au un efect suficient de mare, nct
eliminarea lor ar conduce la un model explicativ inferior. Tehnica este eficient i n
identificarea variabilelor dummy semnificative statistic, care pot fi testate
distorsiona! prin proba Wald. Din punct de vedere tehnic, X2 al pasului este analog
lui F schimbam din cadrul metodei ierarhice din regresia liniar multipl.
Regresia logistic poate fi calculat i prin alte metode dect cea
simultan (n englez "enter'') ori cea ierarhic. SPSS-ul poate utiliza att metoda

252 253
I I 1111 1111! IIIIUIIILIIIIILIIIIIII!IIIIIIllllllllllllllllllllllllllllllllllllll!llllllllllllllllllllllllllllllllllll:lllllillllllllliiWillllllll!llllllliiiWI!IIIIIIlllllll~lllllliiiiiii~IIIIWIIIIIIIIIIILIIIIIUIIIII:IIIIIWIIIIIIIIIIIWIIIIIIIIIII! !IIIIIIIIIILIIIIII:IIIIILIIIIII~IIIIIIJIIIIUIIIIUIIIIIJIIIIILIIIIII.'IIIIIIIIIIIlJIIIIIUIIIILIIIIIIUIIIIIilliiiiUIIWJIIII~III~IIIIIlJIII~IIIIUIIIIUIIIIILWIIIJIIIIIWIIIIUIIIIIlJIIIIIJIIIIIUIIIIUIIIIIJIIIIlllll[ IIIIIUIIIIIJIIIUIIIIILJIIIIIJIIIIILIIIIIIJIIIW:IIIIII.IIIIIII~IIIIIUIIIIII:IIIIII.IIIIIIIIIIIIIIIIIIII.IIIIIIIIIIII: 111111 !11111: 1111111111111111. il l il i I I li '
1
i i!,lll 1111'11111111,1111llll.lllillll.lll:llll,llllllll,lllllll,lll:llll:lllll1llllllllllll'lll:'lllllllll:llllllllll'llli,lll,illllll:lllllllll.llll:lllll:llllllll'llllllii
1

progresiv "stepwise'', ct i pe cea regresiv "backwise". n aceste situaii este Omnibus Tests of Model Coefficients
oferit un X2 "improvement", similar ca funcie lui X2 al pasului. Dac modelele
comparate nu se afl ntr-o relaie de tip cuib, nu vom putea folosi X2 al pasului Chi-souare df Siq.
Step 1 Step ,034 .1 ,855
oferit de SPSS, ci va trebui s apelm la valorile SIC'.
Block ,034 1 ,855
Diferena dintre valorile BIC' a dou modele poate fi utilizat i'ndiferent Model 54,535 4 ,000
dac modelele se afl sau nu ntr-o relaie de tip cuib. Pentru aceasta trebuie nti
calculat SIC' pentru fiecare model, iar apoi fcut diferena dintre cele dou valori: Figura 7.3. Testarea eficienei modelului nainte i dup includerea variabilei stresul perceput
SIC'1 - BIC'2. Dac SIC'1 - BIC'2 > O, vom prefera modelul al doilea; dac SPSS este o marc nregistrat
SIC'1 - SIC'2 <O, vom prefera primul model.
Raftery, autorul conceptelor BIC i BIC', propune o gril empiric de Constatm c i al doilea model este semnificativ statistic, G 2 (4) = 54,535,
interpretare a diferenelor ce e;te prezentat n tabelul 7.1 (apud Freese, 2000). ca urmare, cel puin una dintre VI incluse influeneaz evoluia VD. Se pune
De pilda, dac diferena dintre dou modele n ceea ce privete BIC' este 8, putem problema comparrii celor dou modele pentru a vedea care dintre ele este mai
1
afirma c modelul cu BIC' mai mic este mult mai bun, existnd o probabilitate de bun n explicarea apariiei mlformaiilor congenitale.
.95- .99 ca acest fapt s fie adevrat. X2 al pasului apare notat ca Step x2 , valoarea sa fiind t.x2 {1) = 0.034,
p > .854. Valoarea este nesemnificativ statistic, ceea ce nseamn c
Tabelul 7.1. Diferenele critice ntre modele dup Raftery (apud, Freese, 2000) introducerea variabilei "stresul perceput" nu a adus mbuntiri suficiente
modelului. Formula de calcul este foarte simpl:
Diferenta n valoarea absolut Semnificatie Probabilitatea implicat

0-2 Slab .50- .75

Step X2 = G2 Model 2 - G2 Model 1 (7.7)
2-6 Medie .75- .95
6-10 Puternic .95- .99 unde modelul 2 este ntotdeauna modelul cu mai muli predictori inclui.
> 10 Foarte puternic >.99 Putem calcula i diferena absolut dintre valorile BIC' ale celor dou
modele:
Vom utiliza aceeai problem pentru exemplificare. Modelele comparate vor fi:
BIC'1 = -54,501 * 3*1n N =- 40,01
In Handicap= bO + b1*Aicool + b2*Factori genetici+ b3*Vrsta mamei BIC'2 =-54,535 * 4*1n N =- 35,22
In Handicap = bO + b1*Aicool + b2*Factori genetici + b3*Vrsta mamei + b4*Stresul IBIC'1-BIC'21 =4,79
perceput
Se observ c primul model este preferabil, dar consultnd tabelul 7.1.
Primul model a fost discutat i testat anterior, valoarea obinut fiind G2(3) observm doar o probabilitate ntre .75 i .95 ca acest model s fie mai bun dect
54,501. al doilea.
Trebuie s privim ntotdeauna i dintr-o perspectiv teoretic atunci cnd
comparm dou modele. Tehnicile statistice prezentate tind s prefere modelele ce
Block 1: Method = Enter dau dovad de parcimonie n dauna altora mai complexe. Dac exist numeroase
Omnibus Tests of Model Coefficients argumente care s ne fac s credem c o anume VI trebuie pstrat, n pofida
aparenelor matematice, putem face acest lucru. n cazul de fa este vorba de
Chi-square df Sig.
Step 1 Step 54,501 3 ,000 variabila stresul perceput. Dei este cunoscut importana ei n acest domeniu, ea
Block 54,501 3 ,000 nu a mbuntit primul model. Decizia rmne la latitudinea cercettorului, dac
Model 54,501 3 ,000 va pstra sau nu variabila respectiv n model, chiar dac includerea ei nu aduce
un plus explicativ. De obicei, n regresiile cu scop predictiv, asemenea variabile
sunt eliminate, deoarece obiectivul major este de a estima ct mai corect
Slock 2: Method = Enter probabilitatea subiecilor de a rspunde 1 sau O la criteriu.

254 255
 1
1:1111111'111111111111111:11111!1111:1111!1111

primul, fiind o ajustare a acestuia pentru ca R2 s poat lua valori ntre o i 1,

7.3.3. Stabilirea eficienei explicative a modelului ales asemeni h.Ji R2 din regresia liniar. Dintre toi indicatorii mai sus prezentai, R2 al lui
Modelele pot trece pragul testrii ipotezei statistice mai ales n cazul unor Negelkerke este singurul care poate lua valori ntre O i 1, ceilali avnd o valoare
maxim subunitar.
eantioane foarte mari. Exist ns o serie de indicatori, cu rol similar lui R2 din
regresia liniar, care arat n ce msur VI. influeneaz variaia VD, indicnd R 2 al proporiilor implic realizarea unui tabel de clasificare. Acesta
astfel, mrimea efectului. conine, n cazul regresiei logistice dihotomice, 2 linii i 2 coloane i clasific

Vom prezenta cinci asemenea indicatori: Pseudo - R2 , R2 al lui McFadden, observaiile i prediciile n doua grupe O sa~ 1 (ex. ang?jat sau omer).
R al lui Cox i Snell, R2 al lui Nagelkerke i W de stabilire a proporiilor. Ultimii trei
2

indicatori sunt calculai i de SPSS. Tabelul 7.2. Exemplu de clasificare a observaiilor n funcie de datele culese i de cele
Dac R2 din regresia liniar are rolul de a explica ce procent din dispersia estimate
VD este explicat de modificrile VI, indicatorii similari din regresia logistic explic Predig!i omeri (O) Predicii angaja!i (1)
modificarea probabilitii VD de a fi O sau 1 n funcie de variaia VI. Aceti Observatii omeri (O) 32 5
indicatori nu testeaz o anumit ipotez nul, ci doar evalueaz gradul de asociere Observatii angajati (1) 3 60
ntre VI i VD.
Pseudo-R2, coeficient dezvoltat de Aldrich i Nelson (apud Hair i colab., O ecuaie logistic va putea fi reprezentat printr-un asemenea tabel. Dac
1998), are valori pozitive, subunitare. Are dezavantajul c valoarea sa maxim nu VI sunt adecvate pentru explicarea VD, se va observa o similitudihe ntre observaii
poate atinge 1. n schimb, tehnica poate fi folosit att n cazul regresiei logistice (datele actuale) i predicii (pe baza VI) n a determina dac o persoan are anse
binare, clasice, ct i n cazul regresiei logistice multinominale sau a celei ordinale. mai mari s fie angajat sau, dimpotriv, s fie omer.
Pentru a-1 calcula utilizm formula: Vom prezenta, pe rnd, valorile indicatorilor. discutai pentru exemplul nou-
nscutilor viznd modelul care nu include variabila "stresul perceput".
Pseudo- R2 = 1 - (-2Llmodel 1 -2Llnull) (7.8) ' P~ntru calculul lui Pseudo - R2 trebuie s cunoatem valorile abaterii
modelului (-2LL model) i ale abaterii iniiale (-2LL nul), iar pentru calculul lui R2 a
Se poate calcula i un Pseudo-R2 ajustat, pentru a ine seama de mrimea lui McFadden avem nevoie de valorile logaritmice pentru cele dou situaii (LL -
eantionului (N) i numrul de regresori din m.odel (df '), excluznd interceptul: loglikelihood). Dac n. variante mai vechi, precum SPSS 7.5., programul ofera
valorile tuturor acestor abateri, versiunile mai noi, precum SPSS 11.0., permit
calcularea acestor indicatori ntr-un mod indirect.
Pseudo_R 2aJustat=
. d/-)*( N-,.1, )
( Pseudo_R 2 - - (7.9)
N-l N -df -1
Model Summary
R2 al lui McFadden (Long, 1997) este un indicator similar. Diferena este -2log Cox & Snell Nage!l<erke
c McFadden ia n considerare log likelihood (LL) i nu funcia -2LL. McFadden SteR likelihood R Square R S_g_uare
ofer posibilitatea unej ajustri (n englez "Adjusted McFadden W"), pentru a nu 1 109,970 ,353 ,483
spori artificial valoarea indicatorului o dat cu creterea numrului de VI incluse n
model. Figura 7.4. Indicatori de baz ai mrimii efectufui n regresia logistic
SPSS este o marc nregistrat.
R2 McFadden = 1 - (Llmodel 1 Llnull) (7.10)
R2 McFadden' (ajustat) = 1 - [(Llmodel- df ') 1 Llnull] (7.11)
SPSS-ul ofer valorile G2 i -2LL pentru model. Se tie ns c G2 = -2LL
null- (-2LL model), fapt ce ne ajut la calcularea abaterii iniiale. Astfel, dac G2 a
unde df ' este dat de numrul de parametri (VI) inclui n model, exceptnd
interceptul. fost 54,50, iar abaterea modelului a fost 109,97, rezult c abaterea iniial (-2LL
nul!) este 164,47.
Apoi, nlocuind n formulele prezentate mai sus (7.8; 7.9; 7.10 i 7.11), vom
R2 al lui Cox i Snell, respectiv R2 al lui Nagelkerke (Garson, 2000) sunt
obine:
indicatori prezentai n outputul SPSS-ului. Al doilea indicator se bazeaz pe

256 257

Classification Tablti'
Predicted
HANDICAP
copii cu
Observed jlrobleme copii sanatosi
Step 1 HANDICAP copii cu probleme 42
copii sanatosi 21
Overall Percentage
a. The cut value is ,700
Figura 7.6. Reclasificarea subiecilor pe baza datelor observate i a celor estimate
SPSS este o marc nregistrat.
n acest caz, se observ c ridicarea probabilitii pentru a ncadra nou-
nscuii n categoria celor sntoi duce la o mai bun estimare a viitorilor nou-
nscui care vor avea malformaii geneti.ce, 91 ,3% dintre acetia fiind identificai
corect. n schimb, scade la 73,4% puterea de estimare corect a nou-nscuilor
estimai ca fiind sntoi.
n aceste condiii, decizia de a alege punctul critic de clasificare ine
exclusiv de cercettor, pe baza obiectivelor urmrite. Astfel, n cazul cnd este mai
important s identificm corect, nc din primele, luni de sarcin, dac copiii vor fi
sntoi, vom alege un punct critic care s ne ajute s estimm ct mai corect
acest lucru. Dac, n schimb, este mai important s identificm de timpuriu copiii cu
malformaii genetice, pentru a permite avortul, atunci criteriul ales va trebui s
faciliteze detectarea corect a acestora.
De asemenea, trebuie s tinem seama n SPSS de modul de codare a VD.
Dac codurile date celor dou rspunsuri posibile sunt O i 1, programul va pstra
acest sistem de clasificare. Dac ns, cele dou rspunsuri vor fi codate 1 i 2,
SPSS-ul va recoda automat valorile VD n O i 1. Acest lucru s-a ntmplat i n
cazul explicat. Datele VD au fost introduse iniial cu urmtoarele coduri: 1- copii cu
malformaii genetice; 2- copii sntoi. Acestea au fost recodate automat n: O -
copii cu malformaii genetice i 1- copii sntoi. Aceast schimbare poate deruta
procesul de interpretare a coeficienilor logit semnificativi, de aceea se recomand
ca ntotdeauna VD din regresia logistic s fie codat, de la nceput, cu valorile 1
sau O.
7.3.4. Testarea i interpretarea co.eficienilor logit
Vom defini cteva concepte pentru a nelege mai bine aceast seciune.
Coeficieni( logit din regresia logistic corespund coeficienilor b din
regresia liniar. Sunt utilizai n ecuaia regresiei logistice pentru a estima raportul
de anse ca variabila dihotomic s fie 1 sau O. Mai exact, ei indic msura n care
260
'I1 1IIIIIIII!IIIIIIIIIII:IIIIIIIIIIIJIIIIIWIIIIIIIIIIhllllll!.llllll 11111111111'"' 111111:111111111!111'111!111'11'11' 'lllill'l!'lll'lllllll'll'llllllll 1111'11111''1111111!11111 llll',llllll'll'lll'llillilllll'll i1 illl'll1 11111'111;11'111111''111111 1ll'llllll111111111'111'1111111'11111111111ill'llll
se modific ansele ca VD s fie, 1 sau O cnd predictorul asociat crete cu 0
unitate, iar ceilali predictori rmn constani.
Coeficienii logit trebuie testai pentru a vedea dac au o influent
Percentage
semnificativ asupra VD. Exist n special dou tehnici folosite pentru acest scop:
Correct testul Wald i testul X2 al pasului.
4 91,3 Testul statistic Wald este o metod utilizat frecvent n regresia logistic
58 73,4
pentru a testa ipoteza nul conform creia un anumit coeficient logit este.zero. Cu
80,0
alte cuvinte, testul Wald ne arat dac predictorul respectiv influeneaz sau nu
criteriul. Rezultatului obinut i corespunde o valoare t sau z, similar ca
interpretare cu situaia din regresia liniar. n acest mod, pot fi eliminate din model
acele VI care nu au fost semnificative. Totui prin testul Wald exist posibilitatea
comiterii unei erori de tip 11 n cazul unor coeficienii logit foarte mari, i implicit, a
unor erori standard ridicate. Aceasta semnific respingerea unei VI, atunci cnd ea
este semnificativ. n aceast situaie (ex. un venit exprimat n milioane lei) sau n
cazul variabilelor dummy, ar fi mai bine s se utilizeze o alt tehnic pentru a
reduce ansele de a comite eroarea de tip 11. Alternativa implic calcularea lui X2 al
pasului, procedeu descris anterior, dup introducerea variabilelor n cauz.
Diferena obinut este evaluat ca x2 cu k-1 grade de libertate, k reprezentnd
numrul de categorii ~e variabilei introduse. Dac rezultatul este semnificativ
statistic la p < .05 vom pstra variabila respectiv sau blocul de variabile dummy.
n cazul n care nu sesizm dif~rene semnificative ntre modelul explicativ care
include variabila n cauz i cel care.o exclude, putem elimina variabila respectiv
pentru a simplifica modelul (Garson, 2000).
Coeficienii logit obinui, dei semnificativi statistic, nu pot fi comparai
direct ntre ei din cauza problemelor legate de utilizarea unor scale de msurare
distincte. Pentru a rezolva aceast problem exist posibilitatea de a calcula un
coeficient logit standardizat, indice similar lui beta din regresia liniar, sau de a
estima contribuia parial a lui R pentru fiecare VI n parte.
Coeficienii logit standardizai corespund coeficienilor beta din regresia
liniar. Sunt utilizai pentru a compara influena diferiilor predictori asupra
criteriului, n situaia n care cele dou VI sunt msurate pe scale diferite (ex. vrsta
evaluat n ani, venitul. exprimat n lei/lun). De notat c pentru variabilele de tip
dummy, coeficienii standardizai nu au nici o semnificaie inteligibil. SPSS-ul nu
ofer coeficienii logit standardizai, ns o msur acceptabil este multiplicarea
fiecrui coeficient logit cu abaterea standard a variabilei respective. Rezultatele
obinute Tn valori absolute sunt apoi ordonate pe ranguri. o alt posibilitate const
n standardizarea tuturor VI.
Contribuia parial a lui R este o metod de stabilire a importanei fiecrei
VI incluse n model fr a fi influenat de scala de msurare. R parial determin ce
procent din dispersie se datoreaz fiecrui coeficient logit semnificativ n parte
cnd ceilali sunt inui la valori constante. Valoarea este depl;)ndent de testul
Wald i de eroarea standard, fiind astfel supus neajunsuri/ar acestora amintite
261
 calculeaz, pe rnd, cte un X2 al pasului pentru modele care exclud succesiv
anterior ns are avantajul de a fi prezentat direct n variantele mai vechi ale SPSS-
aceste variabile dummy.
ului.
. nai~te de a explica cele dou modaliti de interpretare, prin factori,
Pentru situaiile descrise mai sus, n care exist riscul ca testul Wald s
respectiv pnn procente, se cuvine s precizm cum au fost codate toate aceste
ofere valori eronate, este mai util calcularea coeficienilor standardizai logit sau
variabile pentru a facilita nelegerea acestui demers. Astfel, vrsta a fost exprimat
multiplicarea coeficienilor logit cu abaterea standard a VI respective (Garson,
n ani, iar VD a avut doar dou coduri asociate: 1 - nou-nscui sntoi i
2000).
O- nou-~scui cu malformaii genetice (vezi, de asemenea, figura 7.8).
Din punctul de vedere al interpretrii coeficienilor logit, valorile negative
In utilizarea SPSS-ului trebuie s se diferenieze variabileie categoriala de
indic o descretere a anselor de a obine evenimentul codat 1, pe msur ce
cele continue (Garson, 2000). Pentru aceasta activm opiunea "Categorica!" n
valoarea predictorului crete. n schimb, un coeficient logit pozitiv indic o relaie
cadrul ferestrei legate de regresia Jogistic. Se va deschide o nou fereastr ce
direct, ansele crescnd o dat cu mrirea valorii predictorului. Pe baza
conine o list de "Covariates" cu toate VI incluse. Vom selecta din list doar
coeficienilor logit, prezentai n figura 7.7, se poate scrie ecuaia Iogistic a
predictorii care trebuie transformai n variabile dummy, adic doar variabilele
modelului propus.
msurate prin scale nominale, i Ti vom muta n lista denumit "Categorica!

In Handicap = 4,57+1 ,36*Fr alcooi-2,23*Factori genetici-0,09*Vrsta mamei
Dac coeficienii logit obinui sunt semnificativi statistic, urmtorul pas
const n interpretarea lor. Vom regsi dou modaliti principale de interpretare:
(a) interpretarea prin factori i (b) interpretarea prin procente (Long, 1997). Din
figura 7.7 se observ c toi cei trei predictori exercit o influen semnificativ din
punct de vedere statistic asupra evoluiei probabilitii criteriului de a lua valoarea
1, adic de a se nate copii sntoi. De exemplu, predictorul vrsta mamei la
natere are un coeficient log it de -0,09, rezultat semnificativ statistic Wald (1) =
1O, 11, p < .01.
Covariates". Opiunea standard a SPSS-ului este de a transforma ultima categorie
de rspuns codat ("last") n valoare de referin. Prin acest procedeu, SPSS-ul
permite crearea automat a variabilelor dummy. Modul de codare a variabilelor
dummy din exemplu apare n output-ul SPSS-ului (figura 7.8).
.; De exemplu, din totalul de 125 de mame chestionate, 42 au consumat
alcool regulat pe parcursul sarcinii, iar 83 s-au abinut de la acest lucru. Datele au
fost introduse n calculator cu urmtoarele coduri: 1 - dac mama nu a consumat
alcool n timpul sarcinii; 2 - dac mama a consumat alcool n timpul sarcinii. Prin
atenionarea SPSS-ului c predictorul respectiv necesit transformarea n variabil
dummy, 1 a devenit codul pentru mamele care nu consum alcool, iar O - codul
pentru mamele care au consumat alcool regulat n acea perioad.

Variable B S.E. Wald df Sig R

ALCOOL(1) 1, 3671 '6142 4,9541 1 ,0260 ,1340 Parameter
FACT. GENETIC(1)-2,2370 '5111 19', 1566 1 '0000 -,3230 Value Freq Coding
(1)
VARSTA -,0938 '0295 10,1136 1 ,0015 -,2221
FACTORI GENETICI
Constant 4, 5707 1,1631 15,4425 1 ,0001 Malformaii n familie 1 62 1,000
Lipsa de malformatii 2 63 ,000
ALCOOL
95% CI for Exp(B) nu bea in timpul sarcinii 42 1,000
Variable Exp(B) Lower Upper bea in timpul sar<;:inii 2 83 ,000

ALCOOL(1) 3,9238 1,1774 13,0768

FACT. GENETICI(1) ,1068 '0392 ,2908 Figura 7.8. Output SPSS 11.0 cu privire la modul de transformare a
VARSTA ,9105 ,8593 ,9647 variabilelor nominale n variabile dummy
SPSS este o marc nregistrat.

Figura 7 ~ 7. Output oferit cu privire la valorile coeficienilor logit

SPSS este o m~rc nregistrat.
n cazul celorlali doi predictori care sunt variabile dummy, testul Wald, dei
nu este cel mai potrivit de a fi aplicat ri asemenea cazuri, indic, de asemenea,
coeficieni logit semnificativi statistic. Acest lucru este confirmat dac se
(a) Interpretarea prin factori implic valorile exponentului coeficientului logit
obinut- exp(b) (vezi figura 7.7). De exemplu, n cazul variabilei consum de alcool,
b a fost 1,36, iar factorul rezultat, exp(b) a fost 3,92. Pe baza acestor rezultate
putem afirma c persoanele care nu au consumat alcool au de patru ori (3,92 ori)
mai multe anse de a nate copii sntoi n comparaie cu o persoan care a

263
262
 "lllllli.!llll.:llllilllll:llll '11 1
11 ! 1! III !1! 11! III ! 'III ! III ! 1111 'III' 1111 1111 1111 1111 1111 i 1111 1111 1111' '1111 1111' .1111 ' 1. '1 : '' III 1III !11' i11 ~ !11 1!i III .11! 1!!. .11' !11 , 1111 _!III'

(lOnsumat alcool n timpul sarcinii, n condiiile n care vom pstra constante valorile
oulorlulte VI implicate n model.
Pentru variabila vrst avem exp (-0,09) = 0,9139. Fiecare an de via n
plus modific cu un factor de 0,91 ansele de a nate un copil sntos. Valorile
subunitare ale factorului nseamn de fapt o relaie invers ntre cele dou
elemente (ex. mai muli ani, mai puine anse de a nate un copil sntos).
Formula general utilizat n interpretarea prin factori afirm c avem o
cretere (valori supraunitare) sau o descretere (valori subunitare) de exp(b) ori n
ceea ce privete ansele ca VD s fie 1 cnd VI respectiv crete cu o unitate, iar
ceilali predictori sunt meninui la valori constante:
Pentru VI continue putem interpreta valorile b i pentru situaii cnd VI
crete mai mult de o unitate. Vom exemplifica cum se modific ansele de a nate
un copil sntos la interval de 1O ani diferen. Formula de calcul devine: exp
(b*10) = exp (-0,09*10) = 0,4067. Astfel, o femeie de 30 de ani are 0,4067 anse
(mai puin de jumtate) de a nate un copil sntos n comparaie cu o alta de 20
de ani. Aceast interpretare este valabil dac ceilali predictori iau valori similare,
de exemplu, fie ambele femei comparate nu au consumat alcool n perioda sarcinii,
fie au fost comparate dou femei care au consumat alcool n perioada sarcini.i.
(b) Cea de-a doua posibilitate de interpretare este cea prin procente, caz
n care se utilizeaz formula:
wo(i -1) (7.12)
Pentru variabila "consum de alcool" vom obine 100 (3,925-1), adic
292,5%. O valoare negativ indic o descretere n ansele ca VD s fie 1 atunci
cnd VI crete cu o unitate, n timp ce o valoare pozitiv indic o cretere a lor.
Astfel, abstinena de la consumul de alcool n perioada sarcinii crete cu
292,5% ansele de a nate Uf! copil sntos comparativ cu o alt persoan ce a
consumat alcool n acea perioad, pstrnd toate celelalte variabile constante.
Pentru variabila vrst, vom obine 100 (0,91-1 ), adic -8,95%. Aceasta
nseamn c. fiecare an de via n plus determin o descretere cu 8,95% a
ansei de a da natere unui copil sntos, pstrnd toate celelalte variabile
constante.
7.3.5. Stabilirea unor profile ideale
Pe baza ecuaiei logistice putem stabili profile pentru diverse valori ale VI.
Avantajul acestora const n posibilltatea de a manipula mai multe VI, n acelai
timp, pentru a observa modificrile n evoluia VD (Freese, 2000). Reamintim c
ecuaia de regresie pentru exemplul nostru este:
In Handicap= 4,57 + 1,36*Aicool- 2,23*Factori genetici- 0,09*Vrsta la natere
Vom compara dou persoane diferite din perspectiva probabilitii ca VD
s fie 1 (nou-nscut sntos):
a) o mam de 20 de ani, care nu a consumat alcool n perioada sarcinii i care nu
are ntre rudele de gradul 1 i Il antecedente de copii cu handicap;
b) o mam de 40 de ani, care a consumat alcool n timpul sarcinii i car'e are n
familie persoane cu malformaii congenitale.
VD (a)= exp (4,57- 0,09*20 + 1,36*1 - 2,23*0) = 4,13 (a)
VD (b) = exp (4,57- 0,09*40 + 1,36*0- 2,23*1) =- 1,26 (b)
Acestea sunt apoi transformate n probabiliti pe baza formulei 7.4. Vom
obine o probabilitate de 0,9837 pentru cazul a i una de 0,2205 pentru cazul b. O
probabilitate. de 0,50 nseamn anse egale pentru ambele categorii VD.
Observm c primul subiect este mai probabil s nasc un copil sntos, iar al
doilea, unul cu malformaii genetice.
Pe baza probabilitii ca VD s fie 1 putem calcula i probabilitatea ca VD
s fie O (q = 1-p). Astfel, probabilitatea de a nate un copil cu malformaii genetice
este de 0,0163 n cazul primei manie i de 0,7795, n cel de-al doilea caz. n ce
privete ansele, observm c ansa de a nate un copil sntos este n primul
caz de 60,35 ori mai mare (.9837/.0163) n comparaie cu naterea unui copil cu
malformaii genetice. n schimb, exist de 3,54 ori mai puine anse de a nate un
copil sntos pentru cel de-al doilea caz (.2205 1 .7795 = 0,282). De asemenea,
putem compara direct rezultatele celor dou persoane. Astfel, raportul de anse
arat c prima persoan are 213,40 ori mai multe anse de a nate un copil
sntos n comparaie cu cea de-a dpua persoan [(.9837/.0163) 1 (.22051,7795)].
7.3.6. Analiza cazurilor infiuente asupra modelului
SPSS ofer, prin activarea butonului "Save" din regresia logistic,
posibilitatea de a calcula indicatori ce descriu sau analizeaz fiecare caz n parte,
asemenea situaiei amintite n cazul regresiei liniare.
De exemplu, prin bifarea "Predicted Values" putem stabili probabilitatea VD
de a fi 1 pentru fiecare obser-Vatie
'
sau putem determina . grupul n care a fost inclus
cazul respectiv (Hair et al., 1998).
Prin opiunea "lnfluence" avem posibilitatea de a msura influena fiecrui
caz asupra modelului. fn tabelul 7.3. vor fi descrii principalii indicatori utilizai n
detectarea cazurilor influente.
Cu ajutorul acestor indicatori putem studia cazurile care nu se ncadreaz
bine n modelul explicativ propus. Cu alte cuvinte, putem identifica att cazurile
neobinuite, ct i cele care au contribuit cel mai mult la obinerea valorilor logit din
ecuaia de regresie. Aceste informaii ne ajut n formarea unei impresii generale
despre stabilitatea soluiei. gsite, adic despre gradul de specificitate al soluiei la
lotul de subieci testat. Acesta are implicaii deosebite, mai ales n regresia cu scop

264 265
 lllllllllllilllllllllllillllllllll,,llllllllll,:muum::uuuuu:muiJIIIJIIILIIIIIUIIIIIIIIIIIIIIIUIIIIIIIII:IIIII!IIII:IIIII!IIII,.IIIIIIIIII.IIIIIIIIIIIIII:IIIIIIIIIIIIIIIIIIIIIIIIIIII.IIIIilllllillllllllllllllllllll_ _ _ lll~lllllllmiWIIrnllllllmiiii~IIIIUIIIIIJIIIII,IIIII!IIIII:I l i 11~ !li :11, 1 1
1
111111:1111.111 1111 111 !11! 1111111 1 1 1', :1. '1, :1 1 1 illlllllll
1
!11. 1 1 ill' 111.1111,11: 1111:111111,:111111: 1111111.1111:1111111 'III :11' :11111111111':11111111 1ll i 1111111111111111' 1
:1 1111111 11111111.111111111111111! :1111111111111 111111! 1111111 ;111111 ,III '

i~i;~r
predictiv. Ele sunt legate de posibilitatea de a generaliza rezultatele pe alte loturi .l Pentru exemplificare, vom prezenta seciunea de analiz a datelor ntr-o
de subieci. Ca regul general, cu ct exist mai multe cazuri neobinuite sau ! cercetare ipotetic, cu un scop predictiv, acela de a gsi un set de variabile care s
influente, cu att sunt mai mici ansele de generalizare a rezultatelor la nivelul
populaiei din care a fost extras lotul testat. l t
prezic cel mai bine probabilitatea unei persoane de a fi fidel, respectiv de a fi
infidel n plan sexual, fa de partenerul sau partenera sa. Tn cercetrile
anterioare au fost identificai civa factori care par a influena acest comportament.
Tabelul 7.3. Principalii indicatori de detectare a cazurilor influente ll
Ei pot fi mprii n factori personali (sexul persoanei, vrsta, nivelul de educatie
Denumire -SPSS Descriere Valori critice venitul realizat, tipul de religie adoptat, starea civil, statutul social), factori
Cook's Distance Evalueaz n ce msur eliminarea cazului > 41 (J1-k-1) 1 si:u~.i~nali (distana fizic dintre parteneri, numrul de parteneri de sex opus
respectiv schimb probabilitile ca VD s fie 1 eligibili la locul de m!Jnc, vrsta la care a avut loc cstoria (prima cstorie) sau
\ factori psihologiei (gradul de satisfacie marital n cuplu, gradul de implicare n
pentru celelalte observatii.
DfBeta Msoar modificrile coeficientului log it pentru Depirea relaie, nevoia de senzai tari, stilul de ataament etc.) (Atkins, Baucom i
fiecare VI n parte, n situaia excluderii cazului intervalului 2 1 Jacobson, 2001; Bogaert i Sad ava, 2002; Drigotas i Barta, 2001; Drigotas,
respectiv. Aceste valori se standardizeaz apoi. Safstrom i Gentilia, 1"999; Zal< i colab., 2002).
"LE!Verage value" Evalueaz msura n care un caz influeneaz > 3kln Dintre acetia, am decis s gsim nite predictori care s estimeze ct mai
abaterea modelului i implicit testul G~. corect persoanele care vor da dovad de fidelitate n plan sexual, pe un lot ipotetic
unde n este volumul eantionului, iar k numrul de VI. 1 de 200 de studeni necstorii, avnd vrsta cuprins ntre 18 i 30 de ani.
Seciunea de analiz a datelor ar putea lu-a urmtoarea form:
1 Pentru a gsi un model predictiv care s estimeze ct mai corect fidelitatea
sau infidelitatea n plan sexual, am utilizat ca predictori un numr de opt variabile:
vrsta; sexul persoanei; comportamentul religios (frecvena la biseric; pstrarea
7.4. Exemplu de regresie logistic binar- cazul infidelitii
ritualurilor in post etc.), atitudinea fa de relaii, stilul de ataament cu cele trei
scale (sigur; ambivalent-anxios; evitant) i nevoia de senzatii tari.
n scrierea seciunii de analiz a datelor n articolele care utilizeaz
Utiliznd metoda simultan, modelul testat are un' G2 (8) = 42.15, p < .01,
regresia \ogistic trebuie prezentate urmtoarele informaii:
valoare semnificativ satistic, iar R2 Nagelkerke a fost .56. De altfel, cinci predictori
precizarea ntr-un paragraf a variabilelor implicate n regresia logistic, att
din opt exercit o influen semnificativ statistic asupra probabilitii ca studenii
a predictorilor (V\), ct i a criteriului (VD), precum i a justificrii pentru
s fie fideli, respectiv infideli. innd cont de faptul c scopul acestei cercetri este
alegerea acestei tehnici, pornind de la ipoteza sau obiectivul studiului;
exclusiv predictiv, precum. i de faptul c modelul predictiv redus, ce include doar
precizarea ntr-un alt paragraf a datelor generale cu privire la eficiena
. cele cinci variabile semnificative statistic, are aproape aceeai putere explicativ,
modelului testat, a puterii sale explicative i a eventualelor comparaii cu
R2 Nagelkerke fiind .53, iar b. G2 (3) = 3.00, p > .05, vom interpreta acest model
alte modele alternative;
restrns, n care G2 (5) = 39.15, p < .01: Cei trei predictori eliminati sunt scorurile
prezentarea unui tabel sumar al valorilor coeficienilor logit i a
exponenilor acestora, precum i a indicatorilor utilizai pentru testarea
subiecilor la stilul de ataament sigur i la cel de evitare, r~spectiv vrsta,
deoarece coeficienii logit asociai acestora nu au fost semnificativi statistic.
gradului de semnificaie a acestora;
n cazul regresiilor n scop predictiv se poate prezenta i tabelul cu W al
Tabel cu clasificarea subiecilor n funcie de valorile observte i de cele estimate
proporiilor, pentru a afia gradur de corectitudine a clasificrii subiecilor
pe baza ecuaiei de regresie observate; Rezultate estimate
n cazul regresiilor cu scop explicativ, ar fi util de trecut n tabelul cu Studenti infideli Studenti fideli
coeficienii logit, valorile R sal,l coeficienii \ogit standardizai, pentru a Rezultate Studenti infideli 31 2
vedea contribuia fiecrei variabile la explicarea variabilei independente; de observate Studenti fideli 20 147
asemenea, in cazul utilizrii metodei ierarhice se va trece X al pasului,
2

pentru fiecare treapt adugat; Acest model cu cinci predictori. reuete s estimeze corect 89% din
interpretarea coeficienilor logit obinui folosind, fie varianta factorilor, fie cazuri, un procent uor superior fiind n identificarea cazurilor de infidelitate (94%,
pe cea a procentelor din .analiza raportului anselor- exp(b).

267
266
 llllllllllllllllllillll'lllll_lllll_llllllllllllh_lllllllll'llll'llllll:'l'

adic 31 din cele 33 de cazuri), dect n identificarea cazurilor de fidelitate. (88%, BIBLIOGRAFIE
~dlc 147 din cele 167 de observaii). .
O asemenea eficien predictiv este mbucurtoare, aproximativ 9 din 1O Agresti, A. (1990). Categorica/ data ana/ysis. New York: John Wiley & Sons.
studeni fiind identificai corect ca aparinnd, fie categoriei celor fideli sexual, fie Atkins, D-C., Baucom, D.H., Jacobson, N.S. (2001 ). Understanding .infidelity: Correlates in a
celor infideli sexual. Mai mult, doar 2 dintre studenii care au fost infideli nu au fost National Random Sample. Journal of Fami/y Psychology, 15(4), 735-749.
identificai corect prin ecuaia de regresie rezultat, ceilali 31 fiind identificai Bogaert, A.F, Sadava, S. (2002). Adult attachment and sexual behavior. Personal
corect. Relationships, 9, 191-204 ..
Drigotas, S.M., Safstrom, C.A., Gentilia, T .. (1999) .. An investment model prediction of dating
Tabelul cu coeficienii log it i raportul anselor pentru fiecare predictor din model infidelity. Joumal of Personality and Social Psychology, 77(3), 509-524.
Predictori b S.E. Exp(b) Wald Drigotas, S.M., Barta, W. (2001). The cheating heart: Scientific explorations of infidelity.
Current Directionsin Psychological Science, 10(5), 177-180.
Sexul persoanei 0,97 0,33 2,64 7,23 **
Freese, J. (2000). Categorica/ analysis. Note de curs. ICPSR Summer Program in
Comportamentul religios -0,33 0,14 0,72 4,91 *
Ouantitative Methods of Social Research, Ann Arbor.
Atitudinea fa de relaie 0,61 0,17 1,84 10,25 **
Hair, J.E.Jr., Anderson, R.E., Tatham, R.L., Black, W.C. (1998). Multivariate data analysis
Ataament ambivalent-anxios 0,22 O, 10 1,25 5,10 *
(fifth edition). New Jersey, Prentice Hali.
Nevoia de senzaii tari 0,30 0,19 1,35 6,32 **
Garson (2000). Gsit la 14.1X pe www2.chass.ncsu.edu/garson/pa7G5/Iogistic.htm
Co'nstanta (lnterceptul) 0,25 0,06 12,46 **
Long, Scott (1997). Regression models for categorica/ and Jimited dependent variab/es.
* p < .05, ** p < .01
Thousand Oal<s, Sage.
Menard, S. (1995). Applied logistic regression ana/ysis. Publications Series: Quantitative
Se constat c persoanele de sex masculin au de 2,64 ori mai multe anse
Applications in the Social Sciences, nr.106, Thousand Oaks, Sage.
de a fi infidele fa de partenerele (partenerii) lor, n comparaie cu persoanele de
Wickens,T.D. (1998). Categorica! data analysis. Annua/ Review in Psychology, 48,537-558.
sex feminin, n conditiile n care pstrm constante celelalte variabile. De
Wright, R.E. (1995). Logistic Regression. n L.G. Grimm i P.R. Yarnold (eds.). Reading and
asemenea, ansele ca persoanele care adopt un comportament religios (variabil
understanding multivariate statistics (p. 217-244). Washington, DC: American
msurat pe o scal cu 10 puncte) s adopte un comportament infidel scad cu
Psychological Association.
o 72 dac scorul la comportamentul religios crete cu un punct, n aceleai
c~ndiii, de pstrare a celorlalte variabile la valori constante. n schimb, ansele Zak, A., Coulter, C., Giglio, S., Hali, J., Sanford, S., Pellowski, N. (2002). Do his friends and
family like me? Predictors of infidelity in intimate relationships. North American Journal of
de infidelitate n relaie aproape se dubleaz (b = 1,84) cu fiecare punct adugat la Psychology, 4(2), 287-290.
variabila atitudinea fa de relaie, unde valorile ridicate indic o atitudine liberal.
ansele cresc de 1,25 ori, cu fiecare punct adugat n scala de ataament de tip
ambivalent-anxios. Cu alte cuvinte, un asemenea stil de ataament favorizeaz
apariia infidelitii n plan sexual. n sfrit, nevoia de senzaii tari favorizeaz, d~
asemenea, comportamentul infidel. Cu fiecare punct n plus la scorul acestui
predictor, ansele de a fi infidel cresc de 1,35 ori, n condiiile meninerii la valori
constante a celorlalte variabile.
Prin urmare, profilul persoanelor cu risc ridicat de a se angaja n relaii
sexuale n afara cuplului, rezultat din lotul de 200 de studeni testai, este acela al
unui brbat, care are un comportament religios redus (nu frecventeaz foarte des
slujbele sptmnale, nu ine post etc.), care are o atitudine liberal, deschis, fa
de cuplu (ex. consider normal s participe la petreceri i fr partener sau
partener), care are un stil de ataament de tip. ambivalent-anxios i o nevoie
puternic de senzaii tari.

268
269
 ''l
j
!
\
CAPITOLUL 8

SCALAREA MULTIDIMENSIONAL

Se pare c Torgerson a fost primul care a propus termenul de scalare

multidimensional (Notelaers, 2002). Acest termen a fost adoptat mai ales de
cercetrile din domeniul psihofizicii, n timp ce n domeniul psihometriei s-a utilizat
mult timp termenul de "analiza spaiului celui mai mic" (n englez "smallest space
analysis"). Chiar dac au existat unele distincii ntre aceti termeni, n special. la
nivelul algoritmilor de calcul, principiul este acelai. Prin urmare, vom utiliza, pentru
ambele situaii, termenul generic de scalare multidimensional.
Tn cadrul scalrii multidimensionale se regsesc un grup de tehnici menite
s identifice gradul de proximitate perceptiv ntre diferite aspecte studiate.
Principiul dup care funcioneaz aceste tehnici este simplu: exist o anumit
distan psihologic ntre obiecte, iar aceast distan poate fi reprezentat grafic
sub forma unei hri perceptive. Astfel, gradul de similaritate 1 disimilaritate ntre
obiecte (ex. concepte, trsturi comportamentale, imagini, afecte) este transpus
grafic sub forma unei distane ntre puncte, acestea nefiind altceva dect proiecii
ale obiectelor n plan sau n spaiu. Cu ct dou obiecte sunt percepute mai diferit,
cu att distana dintre punctele reprezentate grafic va fi mai mare. Tn schimb, dac
dou obiecte vor fi .percepute ca fiind asemntoare, distana dintre punctele
corespunztoare va fi mai mic. Prin acest demers, MOS (multi.Qimensional
_caling) se constituie ca o tehnic multivariat, exploratorie, ce poate fi utilizat
pentru a vizualiza proximitile dintre obiecte ntr-un spaiu redus dimensional.
Dimensiunile (axele) acestui spaiu vor constitui criteriile (variabilele) latente care
stau la baza stabilirii proximitii dintre obiecte. Din acest punct de vedere,
scalarea multidimensional se apropie de analiza factorial.
Analiza factorial presupune reducerea unui numr mai mare de variabile
la cteva variabile latente, denumite factori: Tn acelai mod, n MOS se ncearc
reprezentarea grafic n ct mai puine dimensiuni (axe) a unui numr mai mare de
puncte (obiecte). Ambele metode permit realizarea: unor rotiri ortogonale. Exist,
ns, diferene importante ntre cele dou tehnici. Dac analiza factorial,
exceptnd tehnica Q, necesit un numr relativ mare de rspunsuri (subieci) i un
numr relativ mic de variabile ce trebuie factorizate, scalarea multidimensional
necesit, mai degrab, un numr mare de puncte (variabile) i poate fi
desfurat, n anumite cazuri, chiar pe un singur subiect.

271
 ~1111111111111111111111-lllllllllllflllllllll:llllll!lllllllllllll
:~
8.1. Modele de scalare multidimensional
.!
. .!'
Din punct de vedere mcttematic, problema principal n MOS se reduce la
g~sirea unei modaliti de transformare a gradului de similaritate 1 disimilaritate
perceptiv dintre obiecte n distane ntre puncte reprezentate grafic. n acest scop
a fost creat o serie de algoritmi de calcul, a cror selecie este dependent de
caiva factori:
a) tipul de date prin care au fost evaluate proximitile psihologice dintre
obiecte;
b) sursa provenienei datelor: un singur grup, mai multe grupe, o singur
persoan;
c) tipul de relaii ntre obiectele' avute n vedere.
n funcie de aceste aspecte, exist mai multe categorii de modele MOS
(van Deun i Delbeke, 2000):
a) modele MOS .metrice vs. non-metrice
Conform primului criteriu, cel al tipului de date analizate, proximittile
obinute prin scale de tip interval sau raport (proporii) necesit tehnici metrice,' n
timp ce datele obinute prin scale de tip ordinal sau nominal fac apel la tehnici non-
metrice. Dei primul gen de tehnici a fost inventat mai nti, cele non-metrice sunt
mult mai des ntlnite n literatura de specialitate (Stalans, 1998). Cel mai ntlnit
tip de date utilizate n MOS sunt cele ordinale (ex. ierarhizri, scale Likert). De
pild, pentru a compara gradul de proximitate dintre dou direcii. ale psihologiei:
psihologia cognitiv i behaviorism, se poate utiliza o scal de comparaie cu apte
trepte, unde "1" ar nsemna "foarte asemntoare", iar "7", "foarte diferite".
b) modele MOS sintetice vs. analitice
Primele (n englez "unweighted models") pornesc de la premisa c toti
subiecii atribuie aceeai importan i utilizeaz aceleai criterii de evaluare. M~i
mult, obiectivul unui studiu, utiliznd asemenea modele, este de a observa cum i
reprezint toi subiecii dintr-un eantion relaiile de proximitate psihologic dintre
obiecte. Pentru. a lucra cu asemenea date se obinuiete s se calculeze media
rspunsurilor provenite de la toi subiecii din eantion pentru fiecare comparatie
fcut. Modelele analitice se mpart n dou categorii: modele replicative (n
englez "replicative models") i modele difereniale (n englez "weighted models").
Cele dinti se refer la situaii n care se realizeaz comparaii repetate la intervale
diferite de timp, pe acelai lot de subieci sau pe un singur subiect. Cele din urm
satisfac situaiile n care exist o singur testare, dar n care suntem interesati de
diferenele interindividuale sau intergrupale existente n cadrul unui eantion.' Din
aceast ultim perspectiv, cel mai probabil, vom constata diferente ntre
psihologia cognitiv i behaviorism, dac vom ntreba specialiti n d~meniul
psihologiei transpersonale sau profesioniti n domeniul inteligenei artificiale.
c) modele de similaritate vs. modele unfolding (extinse)
Proximitatea, conform teoriei lui Coombs, poate contine att relatii de
similaritate (gradul de apropiere ntre dou orae), ct i 'relaii de al~gere
272
,11 !1 il 11 :li 1' 1' '1" 11
li ,1 1 11!111 III' III' 1 11illlllllll'lllll!! 11:111'1''111!'11'1''11'1'
preferenial (prefer oraul A lui B). Primul tip de date face referire la modele
1 clasice de scalare. multidimensional, n timp ce alegerile preferentiale incumb
modele unfolding. Totui, acestea din urm pot fi transformate ~ date de tip
1
similaritate i supuse modelelor de tip MOS (Rotariu i colab., 1999).
Dincolo de aceste diferenieri, importante din perspectiv teoretic, exist
diferene i n utilizarea unor algoritmi de calcul. Aceasta se datoreaz, n mare
parte, lipsei de unitate conceptual n evoluia MOS i se regsete n modalitile
1 diferite de transformare a proximitii psihologice n distane ntre puncte
'i reprezentate grafic, dar i n diversitate? de programe statistice existente. Vom
amintipe scurt civa dintre algoritmi. Cititorul trebuie s rein c alegerea corect
1
a programul statistic ine de tipul de algoritmi de care acesta dispune. Fiecrui
design MOS i poate corespunde rularea unuia sau a mai multor algoritmi. Dac nu
este selectat algoritmul MOS adecvat design-ului cercetrii, se vor obine rezultate
eronate.
1
Pornind de la aceste precizri, au fost dezvoltate mai multe proceduri de
scalare multidimensional precum: KYST; MINISSA; MDPREF; TRISOSCAL;
1
MULTISCALE; INPSCAL; ALSCAL; PR0?<SCAL. Aceste proceduri sunt cuprinse
ntr-unul sau n mai multe programe statistice cum ar fi:
1 MOS(X) Library of Computers programs (Coxon, 19.82) este un program
l care conine majoritatea procedurilor amintite mai sus, alturi de alte
cteva i poate fi descrcat de pe internet gratuit, cu licen pe o perioad
de 60 de zile. Adresa web este: http://www.newmdsx.com
SPSS-ul conine n meniu trei dintre procedurile amintite mai sus: ALSCAL
i INDSCAL (n pachetul de baz), respectiv PROXSCAL (n modulul
1
"SPSS Categories") (Meulman i Heiser, 2001 ). Primele dou proceduri
sunt prezente i n versiuni mai vechi ale SPSS-ului. Datorit rspndirii
1 largi a programuluin ara noastr, toate exemplele prezentate se vor baza
pe aceti. algoritmi ai SPSS-ului. Totui, prin apelul la sintax, SPSS-ul
pune la dispoziie i alte tipuri de algoritmi.
SAS-ul conine, printre altele, i procedura MULTISCALE. Chiar dac
programul SAS nu este prea ntlnit n Romnia, merit reinut c aceast
procedur este revoluionar, fiind bazat pe estimarea rapoartelor de
verosimilitate (n englez "maximum likelihood estimation"). Acest fapt
permite realizarea unor MOS confirmatorii i nu doar exploratorii.
lat o scurt descriere a celor mai importante proceduri:
KYST (]Sruskal, ::foung, .hepard, Iorgerson) este unul din primele
programe menite s realizeze scalare multidimensional n situaii MOS metrice i
non-metrice de tip sintetic i bazate pe relaii de similaritate. Aceast procedur
este cuprins n programul MDS(X).
MINISSA (Michigan~lsraei-Hetherlands"lntegrated .mallest pace
Analysis) este o alt procedur ce poate fi utilizat n condiii similare cu cele ale
KYST. n versiunea sa metric este denumit MRSCAL. Ambele versiuni sunt
cuprinse n pachetul MDS(X). Avantajul programului fa de KYST const n
273
JIIIILIIIIIUIIIII~IIIIIIJIIIIIIIIIIIIIIIILIIIIIIIIIIIIIIIIIIIIIIII:IIIIIiiiiiii.!IIIIIIIIIIILIIIIILIIIIIImiiiUIIIILUIIIIJIIILUIIIILIIIIIUIIIIL!IIIUUIIIIL:IIIIIUIIII! IIIII~IIIIIUIIIIIIIIIIIJIIIILIIIII~IIIILIIIIIL'IIIIIJII!IIIIIUIIIIILIIIIIIIIIIIIIIIIIII:'IIIIIIIIIIII:IIIIIIIIIIIIIIIIIIIIIIIIJIIIII.IIIIIIiiiiiiJIIIlJIIIILIIIIIIJIIIILIIIIIUIIIII:liiiiLIIIIIUIIIIIUIIIILIIIIIUIIIILlllli IIIILllllllJIIIIUIIIII!JIIIIlJIIIII~IIIIIJIIIIlJIIIIILIIIIIIJIIIII~IIIIIIJIIIILIIIIII,IIIIIIIIIIIIII! 11111 :1111: 11111 !1111' 1111! lll'lllllm--llllllllllllllllllllllllllllllilllllllllllll,llllllllllllllllll'llllllllllll'llllllllllllllllllllllll,llllllllllll'llllllllllllllllllllllllllllllll!llllll.llllll':lllllll~ll.:lllllllllll! IIIIIIIIII:IIIIIIIIIIIIIIIIILIIIIIIIIIIIIIIIII illlllllllllllll!'llllllllll:'lllllllllli'llllllllll:llllllllllillllllilllll'lllllllllllll:lllllllllllll!llllllllllll!lllllllllllllllllllllllllllllll:lllll' lllllllllllllllll:lllllllllllll:lllllllllllllllllllllllllllllllll:llllllllllll:!llllllllllll:illllllllllllllllllll.llllll.lllll! lllllllllllli.llllllllllllillllllllllll!llllllllll: 111111111' 11111 :111111111111111111i 111111111 I I
posibilitatea de a realiza o simulare pentru a compara soluia obinut (ex. numrul
de dimensiuni obinute; valoarea stresului) cu cea rezultat n .cazul unei distributii
aleatoare a punctel_or obinut prin studii Monte-Carlo.
MDPREF (.M_ulti.Qimensional Preference Scaling) este un program adresat .
modelelor MOS metrice, sintetice, bazate n p~incipal pe relaii de tip unfolding, iar
secundar pe relaii de similaritate perceptiv.' Pe lng realizarea unui grafic cu
puncte, este prezentat un vector care- arat directia preferintelor subiectilor
chestionai. Vectorul are sgeata ndreptat n di~ecia medlei preferin~lor
subiecilor. Varianta non-metric pentru aceast procedur este PREFMAP care
folosete cercuri i puncte ideale _pentru sublinia preferinele respond~n-ilor.
Ambele programe sunt incluse n pachetul de programe MDS{X).
TRISOSCAL (Triadic .imilarities Qrdinal Scaling) este un program adresat
cazurilor de MOS non-metrice, sintetice, bazate pe relaii de similaritate.
Particularitatea se refer la modul de realizare a relaiei de similaritate. Nu se
recurge la metode tradiionale de colectare a datelor. Metoda folosit este dat de
comparaii n triade, fiind ntlnit mai ales n domeniul constructelor personale,
iniiate de Kelly n 1955 i dezvoltate apoi de Frarisella i Bannister ( 1977).
Triadele pot fi de dou feluri: pariale (alegei din trei obiecte, dou care sunt mai
apropiate) sau totale (alegei din trei obiecte, dou care sunt cele mai
asemntoare; apoi alegei din aceleai trei obiecte, dou care difer cel mai mult).
Programul este inclus tot n pachetul statistic MDS(X).
MULTISCALE (Multidimensional Scale) este inclus n SAS i, aa cum am
amintit, este singurul procedeu care are un caracter confirmatoriu. ntr-un fel,
MULTISCALE reprezint n cadrul procedurilor MOS ceea ce analiza factorial
confirmatorie reprezint n cazul analizei fattoriale.
ALSCAL (Aiternating 1east _quare Scaling) este probabil cea mai
rspndit procedur MOS. Ea poate fi utilizat att n cazuri metrice, ct i non-
metrice, att pentru relaii de similaritate, ct i pentru cele de tip unfolding. Totui,
procedura este specific datelor sintetice, fiind mai puin eficient n compararea
diferenelor individuale (situaii analitice). Programul este cuprins n numeroase
pachete statistice precum SPSS Base System, SAS sau VSta.
INDSCAL (Individual Qifferences Scaling) este o procedur aparte, fiind
destinat nivelului analitic diferenia! (privete diferenele individuale sau grupale).
Procedura este inclus n programe statistice cum ar fi SPSS Base System, SAS,
sau MDS(X) i este compatibil att pentru date. metrice, ct i non-metrice.
Algoritmul poate fi utilizat pentru a reprezenta relaiile de similaritate dintre obiecte.
PROXSCAL (Proximity Scaling) este o procedur recent introdus n
pachetul adiional SPSS Categories, CEi! promite foarte mult. n mare, metoda
conine dou avantaje: poate fi aplicat pentru orice tip de date (metrice sau non-
metrice), aflate n relaii de similaritate sau prefereniale, viznd att aspecte
analitice (difereniale, de replicare), ct i sintetice. Procedura include astfel
avantajele ALSCAL, INDSCAL i IDEOSCAL i, n plus, algoritmul de calcul utilizat
permite o mai bun aproximare grafic a punctelor pe baza distanelor dintre
274
'!!
obiecte. Principala limit a algoritmului rmne imposibilitatea analizrii datelor
aflate n relaii unfolding la nivel analitic. Altfel spus, nu putem surprinde diferentele
individuale sau de grup n ceea ce privete preferinele pentru anumite obi~cte
'
dect prin apelul la artificii tehnice. O asemenea cale este introducerea unui punct
ideal i compararea acestuia cu fiecare dintre obiectele incluse n analiz pentru a
afla gradul de similaritate sau de diferen a acestora fa de punctul ideal.
t
8.2. Design-ul cercetrii n scalarea multidimensional
a 1
Un design tipic implic rezolvarea a trei puncte fundamentale:
selectarea obiectelor analizate i a numrului acestora;
1.
1
2.
metodele de colectare a datelor;
j 3.
managementul datelor n utilizarea programelor statistice (ex. SPSS-ul).
nainte de analiza fiecrui punct n parte, trebuie s amintim c un design
tipic include, alturi de datele privind gradul de similaritate 1 disimilaritate dintre
1,.
1
obiecte, evaluarea acestora pe baza unor atribute externe (cu scopul de a uura
identificarea dimensiunilor latente), unele date demografice (cu scopul de a
surprinde caracteristicile subiecilor chestionai) i, eventual, informaii despre
trsturile fizice ale obiectelor. Pentru a nelege practic acest subcapitol, vom
apela la un exemplu construit pornind de la structura cercetrii ntreprinse de
Rhoades i Arnold (1999). Fiierul aferent exemplului este "scalare similar.sav", iar
calea de urmat n SPSS este "Analyze" - "Scale" - "Multidimensional scaling
(PROXSCAL)". Dac nu dispunei de modul SPSS Categories vei utiliza calea
"Analyze" - "Scale" - "Multidimensional scaling", dup ce n prealabil ai copiat
datele fiecrui grup "experi" vs. "novici", n dou fiiere separate, deoarece
modulul de baz al SPSS-ului nu permite compararea grupelor, dac datele au fost
introduse direct sub forma unei matrice de similaritate.
Context: n cercetrile pe tema managementului conflictului au fost descrise i
clasificate o serie de comportamente i modaliti de reacie n situaii conflictuale. Acestea-
se refer la stilul personal al fiecruia de a rspunde, pornind de la reacii de tip nevrotic,
pn la strategii de acaparare a puterii. Concepte precum evitarea, compromisul,
renunarea, confruntarea, medierea, cooperarea, utilizarea forei fizice etc., sunt de
notorietate n aceast problem. Aceste categorii au fost grupate dup nenumrate criterii
taxonomice precum: orientarea spre sarcin vs. orientarea spre relaii umane; active vs.
pasive; unilaterale vs. bilaterale; constructive vs. distructive; individuale vs. de grup etc.
Pornind de la aceste considerente, vom selecta ca obiecte supuse MOS urmtoarele zece
reacii i msuri n situaii de conflict: evitarea; compromisul; confruntarea; renunarea;
cooperarea; subminarea; manipularea; amnarea; arbitrajul i medierea.
Pe baza acestora vom ncerca s rspundem la urmtoarele ntrebri:
275
 1 111111111!1111111111illllll.'llil 11'1!1!' l!llli!l.ll!llill:ll!lll:ll''"i!l"!'' IIIIIIIIPIIIIIIIIIIIIIIIIIIII 'li'll 11illl!i 'lillllllllllll''llllllllllllllllll'll'''ll'lll'lll''lll''llll 11111111

1) care dintre criteriile taxonomice amintite mai sus au o relevan mai ma,re? cel mai frecvent, dou sau trei dimensiuhi. Alegerea numrului de dimensiuni va fi
n termeni tehnici, care dintre criterii contribuie mai mult la stabilirea aprofundat ntr-un subcapitol ce va urma.
distanei psihologice dintre cei zece stimuli inclui n studiu? c) Un alt aspect, (:le care trebuie s se in seama n selectarea numrului
2) care este, din perspectiva eantionului testat, ierarhia preferinelor de a de stimuli inclui, const n particularitatea MOS de a considera numrul de stimuli
reaciona n situaii de conflict? ca echivalent al numrului de subieci. Prin urmare, n utilizarea scalrii
3) dac mprim eantionul n dou grupe: cu i fr experien n multidimensionale pentru a identifica dimensiunile latente, N (volumul eantionului)
soluionarea conflictelor, exist diferene n ce privete modul de percepere este dat de numrul de stimuli i nu de numrul de subieci. De aceea, se prefer
a celor zece reacii incluse n studiu? un N care s conin de la 8-9 stimuli n sus, cifra opt fiind minimurnecesar pentru~
o soluie bidimensional.
Valoarea MOS optim cuprinde 20- 30 de stimuli. Numrul de stimuli alei
8.2.1. Selectarea obiectelor i a numrului acestora este dependent i de metoda utilizat pentru colectarea datelor, unele fiind
De cele mai multe ori nu putem include ntreaga populaie de stimuli dintr-o nepotrivite pentru un numr mare de stimuli.
anumit categorie. Numai n exemplul precedent pot fi trecute n revist mai mult
de o sut de reacii la conflict, pornind de la cele de tip nevrotic (ex. inhibiie,
frustrare), pn la msuri cu caracter global (grev, rzboi, embargo etc.). n 8.2.2. Metode de colectare a datelor
selectarea stimulilor care vor face obiectul scalrii multidimensionale este De la apariia tehnicilor MOS au fost dezvoltate o multitudine de metode de
important s reinem trei aspecte, pe care le vom prezenta pe rnd. colectare a datelor, dintre care vom prezenta pe larg trei:
a) Stimulii alei s fie ct mai reprezentativi pentru categoria aleas. Astfel, compararea fiecrei perechi de stimuli;
n studiile de marketing nu sunt inclui toi stimulii, orict de minori ar fi ei, ci se sortarea;
obinuiete s se aleag stimulii cu 6 cot de pia crescut, cu o diversitate ct ierarhizarea.
mai mare n ~ceea ce privete atributele pe care le dein. n exemplul nostru, se
observ c stimulii alei sunt reprezentativi doar dac facem referire la nivelul 8.2.2.1. Compararea fiecrei perechi de stimuli
conflictelor interpersonale (Bogathy, 2002). Dac vom ine seama de conflictele Este m~toda cel mai frecvent ntlnit n MOS. Ea presupune compararea
intrapsihice, intragrupale, intergrupale sau interstatale, vom observa c lipsesc a cte doi stimul.i. Numrul de comparaii crete foarte mult atunci cnd numrul de
multe dintre reaciile tipice, posibile n astfel de situaii conflictuale. stimuli se mrete, de aceea modalitatea este mai puin potrivit pentru a fi
b) ,Stabilitatea unei soluii este dependent de raportul dintre numrul de utilizat la un numr de stimuli N>20. Numrul de comparaii ce trebuie efectuate
stimuli inclui i numrul de dimensiuni selectate de soluia optim. Astfel, dac poate fi aflat cu ajutorul formulei [n(n-1)/2]. Astfel, pentru cei 10 stimuli din
anticipm un numr mai mare de dimensiuni (ex. criterii de evaluare a unor exemplul reaciilor la situaii de conflict, vor fi necesare 45 de comparaii ntre
produse), ar fi bine s includem un numr ct mai mare de stimuli. Au fost stimuli perechi (ex. 1 cu 2; 1 tu 3; 1cu 4; ... ; 9 cu 10). Dac numrul de stimuli ar fi
elaborate o serie de recomandri n acest sens. Jones i Koehly (1993) enumer fost 12, utilizarea aceleiai metode ar fi necesitat 66 de comparaii.
dou asemenea reguli. Prima susine c trebuie s avem ntre 4 i 6 stimuli pentru Din punctul de vedere al scalelor de msurare, cea mai ntlnit modalitate
fiecare dimensiune inclus n soluii. Cea de-a doua, mai general, sugereaz ca este cea ordinal, de tip Likert, cu 5, 7 sau 9 diviziuni, n care alegerea unei valori
numrul de dimensiuni extrase s nu depeasc valoarea (n-1 )/4, unde n capt (ex. "1 ") ar nsemna o foarte mare similaritate ntre obiecte, iar alegerea
reprezint numrul de stimuli (obiecte). n cazul nostru, avnd zece stimuli, ambele celuilalt capt (ex. "7") semnific diferene foarte inari ntre obiecte. lat dou
reguli indic o soluie stabil reprezentat n plan (dou dimensiuni). O soluie n 3 dintre cele 45 de comparaii efectuate n problema mai sus menionat:
dimensiuni pare a fi mai instabil, ns nu imposibil. Aceast regul nu are
caracter obligatoriu, ci doar de recomandare, prin urmare, ea nu trebuie aplicat
Confruntare vs. Mediere
automat. Alegerea numrului de dime,nsiuni este dependent n principal de Arbitraj vs. t"'l ediere
indicatorii statistici obinui i de gradul de interpretabilitate a dimensiunilor. Mai '<J/ 3 4 5 6 7 2 3 4 X 6 7
mult, n situaii cu un numr mare de obiecte, de exemplu 30, conform acestor 1 '' 1 1 1 1
foarte foarte
reguli ar putea fi selectate optim pn la apte dimensiuni. Aceasta ar complica diferite
similare diferite similare
interpretarea rezultatelor, fapt ce a determinat o tendin puternic de a selecta,
Figura 8.1. Exemple de comparaii perechi

276 277
' li ,111 111: 1111 11111 1111 Jlll 11111 !1111 :IIIIJIIILIIIIIIIIIIILIIIIIUIIIII~IIIII! IIIIIIJIIIIIIIIIIIIJIIIIIIIIIIII !11111: IIIIII,IIIIILIIIIIIIIIIII: 111111 :IIIIIUIIIII:IIIII 111111 11111 111111 :11111 111111 .11111 11111 :11111111111111111 111111.111111111111! 111111 11111! 111111 .11111 111111 11111 111111 11111 illlll 11111 11111! 11111 111111 :11111 11111 .. 11111 11111 1111! 11111 1111' 11111 1111, !11111:111111111111, 111111 :1111111111 1111: :1111 1111 111111 illlll 111111111111 11111 111111:11111! 111111111111 11111! 111111 llllli !1111 llli 1111 1111 'III 11'111'111111111111111111111::111111111111111111111,111':11'1 I::IIIIIIII,IIIIIIII''IIIIIIII'IIIIIIIIIIIIIIIIIIIIIJIIIII'IIIIIIIIIILIIIIIUIIIILIIIIIUIIIILIIIIICIIIIIIJIIIIIIII'IIIIIIIIII'IIIIL'IIII IIIIIIIIIIIIIIIIII'IIIIUIIIUIIIIIIIIIIIIIIIIII'III'IIIIIII'II"111'1111 1111111111

Conform acestor date, medierea, ca modalitate de rspuns la conflict, este dintre doi stimuli pornind de la formula N-k, unde N reprezint numrul total de
vzut ca fiind mai asemntoare arbitrajului. n schimb, ntre mediere i subieci investigai, iar k este numrul de subieci care au sortat n aceeai
confruntare exist o distan psihologic mai mare. Pentru a obine erori ct mai categorie stimulii vizai. Astfel, dac din zece subieci chestionai, ase sorteaz n
mici, nainte de a se trece la compararea efectiv a stimulilor se obinuiete s fie aceeai categorie evitarea i renunarea, indicele trecut n matrice, la intersecia
prezentat ntreaga list de stimuli, pentru a da posibilitatea respondenilor s-i dintre cei doi stimuli este 'patru.
formeze o impresie general asupra gradului de proximitate dintre acetia. Un
Subiectul! Evitare Arbitraj Cooperare Subminare
program software dezvoltat special pentru acest lucru exist i n limba romn.
Renunare Mediere Confruntare Manipulare
Denumit generic MultiScal, el a fost dezvoltat de firma SOFTAge S: R.L. printr-o Amnare Compromis
finanare dintr-un grant CNCSIS. Cei interesai s intre n posesia acestui program
Subiectul2 Cooperare Evitare Subminare
pot cere mai multe informaii la adresa de e-mail prezentat n seciunea Arbitraj Renunare Manipulare
introductiv. Mediere Amnare
Compromis
Confruntare
8.2.2.2. Sortarea stimuli/or
Sortarea stimulilor constituie o alternativ de colectare. a datelor ce permite Figura 8.2. Exemplu de colectare a datelor prin metoda sortrii
subiecilor s grupeze stimulii n cteva categorii, bazndu-se pe gradul de
disimilaritate ntre date. Sortarea poate fi de mai multe feluri: singular (subiectul 8.2.2.3. Ierarhizarea stimulilor
alege o singur dat) sau multipl (grupeaz obiectele de mai multe ori, dup Ierarhizarea stimulilor presupune ca subiecii s stabileasc o ordine a
criterii diferite); restrictiv (un stimul poate fi inclus ntr-o singur categorie) sau preferinelor, acordnd pentru fiecare stimul un rang. Spre exemplu, nota 1 revine
nerestrictiv (un stimul poate fi prezent simultan n mai multe categorii); fix stimulului preferat, nota 2 stimulului aflat pe locul secund n topul preferinelor,
(stimulii sunt grupai ntr-un numr prestabilit de categorii) sau liber (pot fi formate continund pn la nota N, acordat ultimului ales dintre stimuli. Aceast metod
oricte grupe de stimuli). este specific modelelor MOS non-metrice, bazate pe relaii de proximitate de tip
Avantajul acestei metode const n uurina de a colecta rezultatele n unfolding. Ea nu ofer, cel puin n SPSS, posibilitatea unor analize difereniale
cazul unui numr foarte mare de stimuli, depind astfel dezavantajul metodei pentru a surprinde deosebirile dintre subieci sau dintre grupe ale eantionului. n
comparaiei fiecrei perechi. Dezavantajul primar este dat ns de validitatea mai cadrul modelelor sintetice, rezolvabile prin SPSS, obiectele reprezint variabilele
redus a soluiilor obinute pentru situaiile cu mai mult de trei dimensiuni. Mai mult, cercetrii, iar fiecare linie conine rangurile acordate n urma ierarhizrii fcute de
utilizarea unor proceduri de difereniere interindividual din seria INDSCAL a fost un singur subiect.
mult timp neaplicabil n astfel de situaii, iar soluiile oferite de programe precum Alturi de aceste modaliti de colectare, ntlnite frecvent, exist altele
ALSCAL nu sunt ntotdeauna corecte (ex. soluii degenerative) (Carroll i Green, precum obinerea proximitilor prin triade, compararea incomplet a perechilor,
1997). utilizarea aprecierii binare de tip asemntor vs. diferit etc. Mai multe informaii
n cazul propus, datorit numrului redus de stimuli (doar 10), este sunt disponibile n lucrrile lui Coxon (1982), Tsogo, Masson i Bardot (2000).
preferabil s nu utilizm aceast metod de colectare, din cauza dezavantajelor pe Toate aceste modaliti de prezentare a datelor intr n categoria celor
care le prezint. n schimb, dac am fi avut 40 de stimuli, metoda ar fi fost cu obinute direct. Alturi de acestea, se pot estima proximiti ntre diferite obiecte pe
siguran adecvat, deoarece apelul la compararea fiecrei perechi de stimuli ar fi
baza unor indicatori derivai. Cel mai cunoscut indice derivat de disimilaritate este
presupus nu mai puin de 780 de evaluri succesive. Cu scop pedagogic, n figura obinut pe baza valorii coeficientului de corelaie dup formula (1-r2 ). Se pot obine
8.2. sunt prezentate gruprile celor 1O stimuli pe categorii obinute de la doi astfel reprezentri grafice care s ateste prin poziionare i distanare spaial,
subiecti. relaiile dintre mai multe concepte (obiecte). Din aceast perspectiv, MOS se
' n aceste cazuri se observ c tipul de sortare utilizat peritru colectarea apropie cel mai mult de modul de funcionare al analizei factoriale.
datelor este de tip singular (o singur sofiare), restrictiv (un stimul nu poate fi
simultan n mai multe categorii), i liber (pot fi construite oricte categorii i pot fi 8.2.3. Managementul datelor colectate prin SPSS
alese oricte elemente ntr-o categorie).
Rezultatele obtinute se trec ntr-o matrice, n care att pe linii. Ct i pe Modul uzual de introducere a datelor n SPSS pentru a. realiza o scalare
coloane sunt trecuti sti~ulii prezentati. De fiecare dat cnd doi stimuli sunt sortai multidimensional este sub forma unei matrice. Aceasta poate avea form
n acelai grup se 'primete un punct. n matrice, se trece indicele de disimilaritate ptratic (numr egal de linii i coloane) sau dreptunghiular (rectangular), poate

278 279
1111'1111111111111,1111111111111111111111111'11'111''111111:1111hlllllllllllllllllllllll:lllllllllllllllllllllllll!il:llllh'l!llll !111!111!!11111111!11111'1111 u,,ll'll:ill 1ll:': 111'111'111.111!1111111'!111" 1 '

fi simetric (relaia dintre A i B este aceeai cu cea dintre B i A) sau asimetric

(AB diferit de BA). Pentru simulare, vom presupune c avem un lot de ase persoane,
Cnd avem mai muli subieci, se obinuiete s se fac media mprite egal n dou grupe: experi i non-experi n managementul conflictelor. fn
rspunsurilor la o anumit comparaie. Astfel, revenind la problema c-u reaciile n 1 consecin, vom avea dou matrice, fiecare avnd zece linii i zece coloane. Dac
situaii de conflict, d_ac avem opt subieci testai, valoarea din matrice am fi interesai de modul n care ntregul eantion percepe cei zece stimuli, am
reprezentnd gradul de disimilaritate dintre mediere i confruntare este, de fapt, avea o singur matrice cu zece linii i zece coloane. Figura 8.3. prezint imaginea
media rspunsurilor celor opt respondeni la comparaia perechii respective. Dac fiierului "scalare similar.sav", dup introducerea datelor n cele dou matrice.
se consider c este important analiza pe subgrupe de subieci, vom construi mai Se observ din imagine dou matrice <:Je tip 10X10, una aparinnd
multe matrice. Dac dorim s realizm o analiz diferenial la nivelul fiecrui subgrupului de non-experi (sursa = 1)., iar cealalt, grupului de experi n
individ, vom construi attea matrice ci subieci avem. managementul conflictului (sursa = 2). Spre exemplu; valoarea de 4,66, existent
Pornind de la exemplul dat, vom pres!Jpune c suntem interesai att de o la intersecia coloanei 2 cu linia 4, reprezint media evalurilor subiecilor din
analiz de sintez, la nivelul ntregului eantion, ct i de diferenele existente ntre grupul non-experi viznd asemnarea dintre compromis i renunare. Se observ
dou grupe de subieci: cu i fr experien n managementul conflictelor. o coresponden ntre coloane i linii (ex. att coloana, ct i linia a cincea se
Colectarea datelor prin metoda comparaiei fiecrei perechi de stimuli conduce la refer la subminare). n introducerea datelor este important s pstrm ordinea
obinerea unor matrice simetrice i de form ptrat. Dac datele ar fi fost liniilor pornind de la cea a coloanelor.
selectate prin sortare, am fi obinut tot o matrice simetric, de form ptratic, fr De asemenea, fiind vorba de date simetrice; exist posibilitatea completrii
ns a avea posibilitatea de a analiza diferenele subgrupale sau interindividuale. n doar a unei pri din matrice. Aceast opiune, cu completare sub diagonala
schimb, dac am fi obinut datele pe baz de ierarhizare a preferinelor, matricea principal, este i opiunea standard n PROXSCAL. Numai n cazuri de matrice
ar fi fost asimetric i de form rectangular. asimetrice este necesar completarea ntregii matrice. Din nefericire, aceste
faciliti sunt prezente doar n PROXSCAL, procedur inclus n SPSS Categories.
Pachetul de baz,_care apeleaz la ALSCAL, permite efectuarea unei analize a
diferenelor individuale numai n situaiile n care datele nu sunt direct proximiti.
n astfel de situaii, datele sunt introduse normal (fiecare coloan reprezint o
variabil, iar fiecare linie semnific un subiect). Pornind de aici, se creeaz o
matrice de date automat prin selectarea i completarea opiunii "Create distances
from data". n cazul n care variabilele nu sunt apreciate cu aceeai unitate de
msur, se recomand standardizarea lor iniial. Numai astfel de date pot fi
supuse analizei diferenelor individuale prin INDSCAL, n pachetul de baz SPSS.
Dac datele sunt construite prin metoda sortrii stimulilor, vom introduce
datele ntr-o manier similar. Totui, este important s amintim c algoritmul de
calcul nu este foarte bine pus la punct pentru a realiza analize individuale sau
subgrupale prin aceast metod. n consecin, nu se recomand sortarea
stimulilor pentru modele MOS analitice, ea fiind util pentru MOS sintetice, n
situaii cu un numr mare de stimu!i, prezentai ntr-o singur matrice ptratic i
simetric. O modalitate elegant de a depi aceste neajunsuri este apelul la
msuri derivate. Astfel, dac datele iniiale sunt de tip categoria!, dihotomic, se
poate apela la calcularea disimilaritii dup formula 1-<p2 , unde phi reprezint
valoarea coeficientului de corelaie pentru acest tip de date.
n sfrit, dac dorim s introducem date obinute n urma ierarhizrii pe
baz de preferine a stimulilor, unica matrice introdus va avea o form asimetric
i rectangular. n cazul exemplului de fa matricea va fi de tip 1OX6, unde pe cele
Figura 8.3. Print-screen SPSS cu matricea datelor zece coloane se vor afla stimulii (variabilele), iar pe fiecare linie vor fi trecute
SPSS este o marc nregistrat. rezultatele unui anumit subiect. Fiind ase subieci chestionai, vom avea ase linii.

280 281
 llll!:ll:lllilllli.ll.lli,ll_llllllll
tt valorilor N Stres. n general, valorile mici ale stresului normalizat, precum cele
cuprinse ntre 0,00 i O, 15, indic prezena unei soluii adecvate, n timp ce valorile
m<ll mari de 0,20 semnaleaz faptul c soluia gsit nu este potrivit (Kachigan,
1991; Kruskal i Wish, 1994; Stalans, 1995).
Aceasf interpretare nu poate fi fcut fr a ine seama de numrul de
dimensiuni ale soluiei, deoarece valoarea stresului tinde s scad atunci cnd
numrul de dimensiuni crete. Mai mult, stresul este afectat i de raportul dintre
numrul de dimensiuni i cel al obiectelor. Kruskal i Wish (1.994) arat c exist
situaii cu o probabilitate de 50% de a obine un. stres = O (reprezentarea a apte
obiecte ntr-un spaiu tetradimensional) sau un stres = 0,02 (aceleai condiii, dar
ntr-un spaiu tridimensional). Ambele soluii sufer grav de lipsa stabilitii. Chiar
dac am respecta raportul minim optim dintre nl1mrul de obiecte i numrul de
dimensiuni, se ridic alte cteva ntrebri. Ce facem dac avem de ales ntre o
soluie bidimensional (N Stres = O, 12) i o soluie tridimensional (N stres =
0,08)? Ambele soluii satisf.ac criteriul valorii stresului. Care soluie ar trebui
adoptat? Rspunsul la aceast ntrebare ine de randamentul fiecreia dintre
soluii. Cu alte cuvinte, ntrebarea devine: scade suficient de mult stresul pentru a
accepta introducerea unei dimensiuni suplimentare?
Analiza grafic de tip scree plot
Analiza grafic de tip scree plat ofer un suport pentru a rspunde la
aceast ntrebare. Tehnica, introdus de Cattell, este preluat din analiza factorial
i const n realizarea unui grafic cu rol de suport. Pe abscis (OX) sunt trecute
dimensiunile posibile ale unei soluii, iar pe ordonat, valorile stresului (normalizat
sau nu) pentru fiecare situaie n parte. Interpretarea graficului pornete de la ideea
selectrii acelui numr de dimensiuni de la care nu mai sunt aduse mbuntiri
semnificative n evoluia stresului.
S presupunem c avem 35 de obiecte introduse n MOS. S ne reamintim
c pentru a asigura stabilitatea soluiei, numrul maxim de dimensiuni de care vom
ine seama este opt (n-1)/4, iar numrul minim, unu. Fie valorile stresului (graficul
din stnga al figurii 8.5.).
~~-----------------------
u_;f,----------------------.
\
\ sau bidimensionale. Conform algoritmului descris anterior, ar fi fost nevoie de
\ ~,,
~---------...__ ___
Hurn;r!flrn~nctunl
Figura 8.5. Interpretarea grafic prin metoda "scree plat"
284
.11!.11,:11!!1!:1! :1::11 'l!''il'!!''l! !1: 11:1 llllllll!.llllllll':llllllll.lllllllll.lllllllll'lllllllllill.lllliill.:l'lllllllll'llllilllllllll'ill!ll:illilll:lll
Se observ c valoarea stresului normalizat scade cel mai mult (a se citi
"soluia se mbuntete cel mai mult") cnd se trece de la o dimensiune
(N stres = 0,23) la dou dimensiuni (N stres =O, 12) i de la dou dimensiuni la trei
dimensiuni (N stres = 0,08}. Dup aceasta, scderea stresului este prea mic
pentru a merita s mai introducem o alt dimensiune. Grafic, aceast situaie este
reprezentat printr-o cotitur (punct terminus al unei descendene accelerate i
nceput al unei descreteri lente). Pentru a uura interpretarea, Kruskal i Wish
(1994)' propun o regul suplimentar. Cu excepia unor cazuri bine argumentate
teoretic, nu ar trebui s acceptm acel punct de cotitur (implicit dimensiunea
adiacent), dac valoarea stresului este mai mare de O, 1O. Din acest punct de
vedere, o soluie tridimensional pare a fi mai adecvat pentru graficul de mai sus.
Acest grafic poate fi realizat i pe baza altor indicatori dect stresul. Printre
acetia, a aminti DAF (dispersia explicat) sau coeficientul de congruen Tucker.
Ambii indicatori, spre deosebire de stres, arat ct de bine se potrivete
reprezentarea grafic a punctelor cu afinitile psihologice dintre concepte. Valorile
lor, dei cuprinse tot ntre O i 1, au o semnificaie invers. Cu ct DAF sau indicele.
Tucker sunt mai apropiate de 1, soluia este mai potrivit. Din pcate, numai
PROXSCAL-ul prezint valorile acestor indicatori. Pachetul de baz SPSS prezint
doar valorile Stres 1, S Stres i R, ultimul fiind un indicator echivalent pentru DAF.
Metoda Monte Carlo
O alt modalitate de selecie a numrului de dimensiuni este dat de
metoda de simulare Monte Carlo. Aceasta poate genera randomizat soluii diverse
de configurare spaial pentru numere diferite de dimensiuni. Prin compararea
valorilor stres obinute prin simulare cu cele bazate pe date reale se poate alege
numrul optim de dimensiuni. Soluia aleas este cea care semnaleaz prima
diferene semnificative n ceea ce privete valorile stresului. n graficul din dreapta
se observ c ncepnd cu a treia dimensiune, soluia bazat pe date reale pare a
fi semnificativ mai bun dect cea generat de configuraii aleatoare.
Gradul de stabilitate a soluiei
Un alt criteriu de sprijin utilizat n selectarea numrului de dimensiuni se
refer la stabilitatea soluiei. Efectuarea unei MOS pe 1 O stimUii, precum n
problema reaciilor la conflict, duce doar la reprezentri grafice unidimensionale
minimum 12 sau 13 stimuli pentru a putea lua n discuie o soluie stabil
tridimensional. n astfel de situaii, cu doar dou dimensiuni, analiza scree plat-
ului nu-i gsete justificarea.
285
 111111111111111111111111111111111111'11111111111111111111111111111 llll:lllll'lllllli,lh!lllllllllllllllllllllllh:llllllh:l'' 111111111111 11
1111
-----t.ut~~~~~llliiiiiLIIIIILliiiiiiiiiiiJIIIIIIIIIIIIilllllllllllllllllllllll:llllllllllllllllllllll,llllllllllllllllllllllilllllllllllllllllllllllllllllllll!lllllllllll!lllll :llllllll::lllllllllllll'llllllllll!lllllllllllllll,lllllillll:llllllllllllllll!lllllllllllllll:lllll1llllllllllll:lllllllllllllllllllllllllllll::llllllllll.:lllllllllllll:llllllllllllllllllll.llllllllllll::llllllllllll..llllllllllll.:llllllllllll'lllll11lllllllllllllllllllllllll11llll:llll1lllll!llllliiiii:IIII11IIII,IIII:JIII,1IIIILIIIII.IIIIILIIIII,IIIIII.IIIIIIIIII:IIIIlllll :m. 11

~;
Uurina reprezentrii grafice a soluiei soluia respectiv ar fi una corect, iar n termeni statistici ar fi vorba de 0
l echivalen ntre soluia local minim i soluia global minim. Dac terenul nu
n alegerea numrului de dimensiuni este util s inem cont i de uurina ar fi unul lin, ci unul accidentat, cu multe suiuri i coboruri, persoana legat la
reprezentrii i a interpretrii grafice. La baz, MOS este totui o tehnic f
1
ochi ar putea fi nelat i ar putea s declare locul cel mai jos posibil, o simpl
<3Xplorativ de vizualizare a relaiilor dintre obiecte. Ce facem ns dac soluia !: nfundtur. Dac ar fi luat-o ntr-o alt direcie, ar fi evitat aceast capcan i ar fi
optim are patru sau mai multe dimensiuni? Ar fi imposibil s reprezentm grafic o ajuns, ntr-adevr, n locul situat la cea mai joas altitudine. Cum rezolvm aceast
asemenea situaie i ar fi complicat s interpretm o asemenea configuraie. De
3ceea, de foarte multe ori, cercettorii au tendina de a selecta soluii
1i problem? Simplu, vom detecta mai multe puncte de start n cltoria persoanei.
Dac indiferent de acest punct, persoana ajunge n acelai loc sau ntr-un altul, cu
l)idimensionale sau tridimensionale, datorit avantajului oferit de posibilitatea altitudine apropiat, nseamn c ne putem baza pe soluia obinut. Dac exist
-1.
l
reprezentrii grafice. Totui, dac exist indicii clare c o soluie n patru 1 ns diferene mari n ceea ce privete altitudinea punctului' de sosire (valori etero-
!
dimensiuni ar fi mult mai adecvat dect una tridimensional, ar fi bine s o gene ale stresului), atunci ntmpinm situaia unei soluii minime locale. n astfel
reinem, n ciuda dezavantajului legat de dificultatea reprezentrii grafice.
l1 de situaii, vom alege configuraia corespondent valorii N stres cea mai mic.
~
Situaia n discuie poate fi recunoscut prin valori N stres destul de mari
lnterpretabilitatea soluiei
l.,. i, uneori, prin evoluiile paradoxale ale acestuia. Astfel, dac n condiii normale
1 stresul scade sau se menine constant o dat cu creterea numrului de
j
n fine, un ultim factor care influeneaz alegerea dimensiunilor ine de
qradul de interpretabilirate a acestora. Acestui aspect i va fi dedicat un ntreg
l dimensiuni, n situaii de soluii locale minime pot aprea cazuri ciudate n care
stresul crete, dac se adaug o dimensiune suplimentar (ex. o soluie
>ubcapitol. Pn atunci, vom preciza c dintre dou soluii relativ echilibrate pe
i)aza criteriilor mai-sus amintite, este preferat aceea care ofer o mai bun
l tridimensional poate fi suspectat dac valoarea stresului este mai mare dect n
cazul unei soluii bidimensionale).
1nterpretare a dimensiunilor i implicit, a atributelor pe care subiecii le folosesc n astfel de configuraii, interpretarea dimensiunilor i a relaiilor dintre
pentru a stabili proximitile dintre obiecte. n ce privete numrul de dimensiuni r puncte se face dificil. Pentru a reduce sau elimina aceast problem, PROXSCAL-
selectate, mai rmn de discutat dou probleme ce apar uneori n generarea
soluiilor MOS.
t. ul din SPSS ofer posibilitatea de a alege configuraii de start diferite (puncte de
plecare a persoanei diferite). Oferta ntlnit n SPSS conine ca variante de start:
Prima, denumit degenerarea soluiei, apare frecvent n condiii n care Simplex (iniial punctele se afl la distan egal ntre ele), Torgerson (metod
se tac MOS non-metrice utiliznd obiecte care sunt grupate n cteva clustere r clasic, propice mai ales MOS metrice), Random Single sau Multiple (care ofer
naturale. Dac ntlnim asemenea situaii, .interpretarea MOS se oprete dup
identificarea acestor grupe de obiecte, fr a merge mai departe (ex. interpretarea
dimensiunilor; analiza diferenelor interindividuale etc). Diagnosticarea unei
l una sau mai multe configuraii generate aleator), Custom (permite configurarea
iniial a punctelor pe baza unor rezultate anterioare}.

1
asemenea situaii este destul de uoar. n astfel de cazuri, valorile N stres sunt 1 Exemplu: Dimensiunile latente n evaluarea strategiilor de negociere
!
foarte mici sau chiar zero (0,00 - 0,02). Obiectele sunt reprezentate grafic prin Din dorina de oferi mai mult claritate selectrii numrului optim de
clustere deprtate spaial unul de altul. Dimensiunile obinute sunt greu sau deloc dimensiuni, vom ncheia prin a rezolva exemplul referitor la reaciile n situaii de
interpretabile, obiectele fiind configurate fr o logic anume. n plus, diagrama conflict. Soluia care pare s se impun este aceea a unei reprezentri grafice
Shepard ia forma unei scri cu cteva trepte foarte mari. Totui, putem ntlni bidimensionale. lat i argumentele n favoarea soluiei MOS cu dou dimensiuni:
situaii de soluii degenerat? fr a observa n mod obligatoriu toate aceste valoarea indicatorului N Stres era de 0,026, n condiiile n care nu au fost
simptome concomitent. ) observate alte simptome ale unei soluii degenerative;
Cealalt problem ce poate aprea este soluia local minim. In acest valoarea suficient de mic nu indic nici prezena unei soluii locale
caz, datorit unor deficiene legate de procesul iterativ de generare a soluiei, se minime;
pot obine valori destul de crescute ale stresului i implicit, configuraii mai puin soluia bidimensional are suficient de mult stabilitate, dat fiind prezena
optime. Cu alte cuvinte, procesul iterativ se poate ncheia nainte de a obine cea celor 10 obiecte evaluate; de altfel, cele zece obiecte indic existena a
mai bun soluie. n sprijinul nelegerii acestui proces vine imaginea clasic a unei doar dou solutii alternative: MOS unidimensional sau bidimensional;
persoane legate la ochi, care este pus s gseasc locul cu altitudinea cea mai prin urmare, argumentele care sprijin soluia tridimensional i pierd
joas (valoarea stres cea mai mic). Dac terenul este lin, persoana ar putea sensul, deoarece, o asemenea soluie ar fi instabil din cauza numrului
cobor pas cu pas pn ar gsi locul cel mai jos posibil. ntr-o asemenea situaie, redus de obiecte (puncte);

286 287
 1 llllllllllllllllll~lllllliiiiiiWIIIIllllllllllllliiiiiiUIIIIIIIIUIIIIIUIIIIIII:IIIIIIIIIIII 1 11111111111111111' 1111 .llli '11' III 11'111'1111!'1111'111'11:!1111!1'111,' 11 1
'1!' 1!1111!1!'1 illl,iiil,lliiili.llil, III illlliill IIIIIIIIUlllllllll~
'

soluia poate fi reprezentat grafic cu uurin; de altfel, reprezentrile Interpretarea configuraiei MOS primete i mai mult consistent, dac
bidimen.sionale pe dou axe Nord-Sud i Est-Vest sunt i cele mai uzuale identificm dimensiunile pe baza crora au fost plasate obiectele. Acestea' nu sunt
n cazul hrilor perceptive; altceva dect criterii de judecat a gradului de proximitate ntre obiecte. Figura 8.6
cele dou dimensiuni. selectate sunt uor interpreta bile. (vezi seciunea prezint harta perceptiv obinut n cazul problemei date.
8.3.2.).
Evaluarea subiectiv a dimensiunilor

8.3.2. Interpretarea configuratiei MOS O prim modalitate de interpretare (identificare) a dimensiunilor este de
'
ordin subiectiv. Observai pentru cteva secunde distribuia punctelor de-a lungul
Este timpul s reamintim o fraz esenial prezentat n introducere.
primei- dimensiuni. Gsii vreun sens pentru modul n care , sunt distribuite
Proximitatea psihologic dintre obiecte poate fi reprezentat spatial sub forma unei
punctele? ... Foarte bine! Se pare c n partea stng a primei dimensiuni se afl
distane ntre puncte. Cu ct punctele sunt mai apropiate unul de cellalt, cu att .
obiectele sunt vzute de eantionul testat ca semnnd mai mult. La fel, cu ct situate reacii precum cooperare, mediere, compromis, confruntare, arbitraj. Ce au
punctele sunt mai deprtate unul fa de cellalt, cu- att obiectele corespunztoare acestea n comun i mai ales, ce le deosebete de punctele aflate n partea
dreapt, ca manipularea, evitarea, subminarea, renunarea, amnarea? Cu
acestora sunt percepute mai diferit. Distanele dintre puncte nu trebuie
excepia confruntrii, se pare c medierea, cooperarea, compromisul sau arbitrajul,
absolutizate. Cu mici excepii, toate distanele sunt doar msuri relative. Aceasta
implic aciuni bilaterale. n schimb, punctele din partea dreapt par a fi mai
nseamn c nu putem trage concluzii de genul: obiectul A este de dou ori mai
degrab aciuni unilaterale. Din aceast perspectiv, am putea concluziona c
apropiat de obiectul B n comparaie cu distana de la A la C, dac observm
1- (ochio)metric o asemenea situaie. Ceea ce conteaz este doar distanta relativ. prima dimensiune care contribuie la reprezentarea grafic a punctelor, i implicit, la
stabilirea asemnrilor sau a deosebirilor psihologice dintre obiecte, este axa
Astfel, dac distana dintre punctele A i B e mai mic dect cea dintre i C sau A reactii bilaterale vs. reactii unilaterale.
cea dintre B i C, putem afirma doar c cele dou obiecte A i B par a fi percepute
' ~ntr:un mod sim,ilar, am putea observa i identifica configuraia punctelor
ca fiind mai asemntoare dect oricare alt combinatie. Pe baza acestor
observaii subiective putem grupa diferite obiecte n catego~ii. De exemplu, putem pe cea de-a doua dimensiune. Cum am putea denumi aceast ax, dac la un
capt conine aciuni energice, directe, de genul confruntrii, iar la cel~lalt se
observa din figura 8.6 c subiecii tind s perceap mai asemntor amnarea i
regsesc reacii precum compromisul, renunarea, evitarea sau amnarea. S~ fie
renunarea ca forme de reacie la situaii conflictuale dect, s zicem, amnarea i
vorba de un continuu al gradului de asertivitate? S fie vorba de gradul de
cooperarea. Mai mult, am putea chiar identifica un cluster de reacii reprezentat de
tripleta: amnare, evitare i renunare. . activism, pe o ax bipolar ce cuprinde reacii pasive vs. reacii active? Foarte
probabil,. mai cu seam c spre mijlocul axei se observ reacii de nivel mediu n
Spatiul comun ceea ce privete gradul de asertivitate sau activism.
confruntare
o
O astfel de interpretare subiectiv necesit cu siguran mult intuiie i
sensibilitate. Trei pericole mar[ fac ca aceast metod s nu fie prea iubit, n
special de statisticieni. Primul pericol se refer la tendina oamenilor de a identifica
m'e,diere arbitraj manipulare
subminare
c paternuri de obiecte acolo unde de fapt nu exist. Cel de-al doilea, se refer la
cooperare ., tJ c c
1:1 posibilitatea efecturii unei rotiri ortogonale a dimensiunilor, schimbndu-se astfel
) perspectivele de a privi punctele din grafic. Se cuvin"e aici s amintim c prin rotire
compromis
nu se pierd informaiile eseniale legate de distana dintre puncte.S ne nchipuim
evitare
c c harta Romniei. Indiferent dac n urma rotirii vom localiza Timioara sau Aradul n
1 amanare
c vest, sud, nord, sau est, distana dintre ele se va pstra. n sfrit, a treia i cea
renuntare mai consistent critic, se refer la alte situaii MOS dect cele bidimensionale.
c
2 .Astfel, este dificil s interpretm configuraia punctelor ntr-o reprezentare
-z~.1-------~1.oc------o~.o-------1.~0----~2.1
tridimensional (spaial) i chiar imposibil, n situaii mai complexe, cu patru sau
Dimension 1 mai multe dimensiuni.
Figura 8.6. Output SPSS cu reprezentarea spaial a distanelor psihologice
SPSS este o marc nregistrat.

288 289
 i IIIIIIIIIIIIIIIIIIIIIIIIIIEIP'P p1111111111111JIIII!IIIIIIIIIIIIIIIII IIIIIIIIIIIIIIIIIIIIIIIII'IIIII'IIII'IIIIIIIIIII!Ulllllilllhlllll"'
IIIIIIIIIIIIIIIII'IIIIIIIIIIIIINIIIIIIIIIIIIIIIIIIIIIIIIIIIIUIIIIIIIIIIIIIIIIIIIIIIIIIIIIWIIIIIIIIIIIII,IIIIIIIilllllllllllllllllllllllllillllll1lllllillllllllllllllllllllllllllllllllllllllllllllllll,'llllllllll,llllllllllllll'!llllllll 1111111111:111 1111 1 111'11'!1'"

(ex. R = .78), influena predictorilor trebuie s fie semnificativ~ statistic la

Evaluarea obiectiv a dimensiunilor
un prag p < .01 sau chiar mai mic;
b) valoarea coefjcienilor standardizai beta (denumii fn cadrul MOS i
AcaAta este motivul pentru care au fost dezvoltate o serie de tehnici
direcie cosinus) s fie ct mai apropiat de 1.
"nlllcmtlvo" da Interpretare a dimensiunilor, indiferent de numrul acestora. Ele sunt
ril'llllllllllo Tn jargon statistic adecvarea vectorial a atributelor (n englez "property
Tabelul 8.1. Valorile predictorilor i ale criteriilor pentru fiecare atribut studiat prezente in .J:,-
Vldt'lt" flttlng"). l n topul acestor msuri se afl regres ia multiliniar. Principiul
baza de date "scalare coordonate.sav"
i'IC~tltul nnsamblu de tehnici este acela de a gsi atribute (trsturi) ale obiectelor
proloctate care sa coreleze puternic_ cu modul de configurare a punctelor i cu ATRIBUTE DIM1 DIM2 Activ Bilat. Colectiv Rational Constructiv
c:oorcJom1lt~le punctelor pe axele hrii perceptive. Pentru a utiliza tehnica adecvrii evitare 1,233 -, 772 1,50 2,66 1,50 4,17 2,75
votorl11lt1 a atributelor este necesar colectarea unor date suplimentare. Tn funcie compromis -' 683 -,703 :i,75 5,60 3, 25 5,85 3,50
dN 1110d11l rn care este msurat variabila dependent se aplic regresia confruntare -,618 1,805 6,25 4,20 3,17 4,25 3,00
rnlilll/lnlilrtl, respecti~ analiza discriminantului (ori regresia Jogistic). Dac renunare ,823 -1,746 1,33 1,83 3,00 3,80 2,50
V&Uiithllnlo dependente constau n atributele complementare studiate, variabilele subminare 1,370 '703 5,00 1,25 1,80 5,17 1,75
-.
lnrlt~plmdonte sunt reprezentate de coordonatele stimulilor (punctelor) pe axele amnare ,539 -1,123 1,40 3,83 2,00 2' 87 2' 67
11/arll perceptlve. Astfel, ntr-o situaie MOS tridimensional vom avea trei arbitraj -,372 ,485 4,00 5,00 5,17 4' 50 3,33

pmrllctorl, Iar ntr-o situaie MOS bidimensional, ca n problema reaciilor la situaii mediere -1,171 ,490 5,00 5,50 5,00 4,33 4, 17
manipulare ,591 ,476 5,25 2,00 2,50 6,00 3,25
du conflict, vom avea doar doi predictori.
cooperare -1,712 ,386 5,50 6,17 3,50 4,83 5,83

Cum am proceda concret n acest exemplu?

Pnsul 1. Identificarea variabilelor dependente care pot avea o semnificaie Ce nseamn ndeplinirea acestor condiii? Prima ne arat ce legtur
psihologic!\\, i astfel, pot influena configuraia spaial a punctelor. n exemplul dat exist ntre configuraia punctelor i atributul respectiv. Cu ct corelaia multipl
am decis s~ evalum reactiile la situatii conflictuale prin prisma urmtoarelor dintre predictori i atribute este mai mare, cu att atributul este mai semnificativ
atribute: msuri pasive vs: active, u~ilaterale vs. bilaterale, individuale vs. pentru modul de configurare a punctelor. Coeficientul de regresie standardizat
colective, iraionale vs. raionale, distructive vs. constructive. (beta) ne arat ct de apropiat este atributul evaluat de sistemul de axe. Dac beta
Pasul 2. Alegerea unuia dintre cele dou moduri de msurare a acestora pentru o anumit dimensiune are valoarea 1, atunci exist o congruen total ntre
(scal bipolar n apte sau nou trepte) n cazul regresiei multiliniare sau (opiune dimensiunea respectiv i vectorul atributului respectiv, deoarece cosinus de unu
dihotomic) n cazul analizei discriminantului sau a regresiei logistice. Vom alege este egal cu zero grade. Aceast situaie ar constitui un indiciu extrem de puternic
pentru exemplul-model o scal bipolar cu apte trepte. Astfel, pentru atributul n favoarea denumirii dimensiunii respective prin apelul la acel atribut. Reinei ns
pasiv-activ, se acord un punct pentru o reacie considerat a fi_ pasiv, apte c este nevoie i de o corelaie multipl ridicat. Celor mai puin familiarizai cu
puncte pentru una activ i valori intermediare pentru nuane ale acestui aspect. aceste transformri trigonometrice le vin n ajutor manuale precum cel al lui Rogai
Slrnllar se procedeaz i pentru celelalte atribute. (1983) care conin tabele cu transformrile necesare.
Pasul 3. Realizarea unei medii a rspunsurilor la un obiect pentru fiecare Rezultatele obinute n urma analizei de regresie pot fi sintetizate asemeni
varle1bild dependent. exemplului dat:
Pasul 4: Utilizarea coordonatelor fiecrui punct reprezentat spaial ca
variabile predictor. i efectuarea analizei statistice corespunztoare (vezi tabelul Tabelul 8.2. Analiza atributelor
8.1.). De remarcat c valorile coordonatelor pentru fiecare stimul pot fi salvate ntr-
ATRIBUTE BETADIM 1 BETA DIM 2 R
un fiier nou, prin selectarea opiunii "common space coordinates", prezent prin
Pasiv- Activ -0,226 0,830 0,939**
actlvarea butonului "outp,ut" din cadrul SI;JSS Categories, PROXSCAL..
Dup Kruskal i Wish (1994), un atribut are importan n interpretarea
Unilateral - Bilateral -0,989 -0,172 0,938**
Independent- Colectiv -0,719 0,028 0,731
unei dimensiuni dac, n urma analizei de regresie, ndeplinete dou condiii:
Iraional - Raional 0,000 0,352 0,354
a) corelaia multipl dintre coordonatele punctelor i atri~utul respectiv s fie
foarte ridicat (R > .90, acceptabil ns i peste .80); n situaii limit Distructiv - Constructiv -0,926 -0,147 0,881*
** p < .001 * p < .01

291
~IlO
 11111 11 11
,,, 11: '11' 1111111111,111111111111111111111111,111111~111111111111111111 1111 ,l l 1 lllllillllll~lllll~lllllllllll~lllllllllllllllllllllltlllllllllllllllllllllll'lllllllllll'llllllllll !III:IIIIJIIIJIIIIIIILIIIIIJIIIiJIIIJIIIIIIIIIIIIIIIIIIJIUIIIIUIIIIIJIII!JIIiiii'IIIIIJIIIIIIIIIIciiiiLIIIIIUIIILIIIIUIIILIIIII,'IIIILIIIIIL'IIIILIIIIUIIJIILIIIIJIILIIIIJIIIIIIIJII'IIIIJII: IIIILIIIIIJIUIIIJIIII:JIIIJI, 11, 11 11: 'lr 11: :il 'i :11 IIII'IIIUIII,_,IIIIIIII:'IIIrllll'llllllll 1 -l'"---1011111111111111111111 I I '11 W 'JI Jll 11 III 'li 'V JF JV " ::tii' ' w .::

Se observ c dintre cele cinci atribute evaluate, trei sunt puternic corelate n cauz. A doua dimensiune este mai greu interpretabil, dei am putea afirma cu
cu rnodul de configurare a punctelor (R > .80). Mai mult, cele trei atribute sunt un anumit grad de flexibilitate c este vorba de axa pasiv - activ (unghiul dintre
destul de apropiate de sistemul de axe. Astfel, vectorul unilateral bilateral vectorul respectiv i a doua dimensiune fiind de 34 2).
formeaz un unghi de doar 82 cu prima dimensiune (cos 0,989), iar vectorul Aceasta nu este. singura explicaie posibil. Dac am roti ortogonal cele
distructiv - constructiv formeaz un unghi de 22 cu aceeai dimensiune (cos dou dimensiuni cu aproximativ 20 2 n sensul acelor de ceasornic, am putea obtine
0,926). Aceste unghiuri se msoar difl punctul de origine al hrii perceptive, unde o interpretare mai clar a dimensiunilor. Prima dimensiune ar putea fi dat' de
toate coordonatele iau valoa'rea zero. n sfrit, vectorul pasiv - activ indic un eficiena reaciei (msuri constructive, cu consecine bilaterale vs. msuri
unghi destul de ascuit cu dimensiunea a doua a hrii (cos 0,830 = 34 2 ). distructive sau beneficii unilaterale), iar a doua dimensiune ar constitui clar, axa
pasiv - activ. Reinei, n fine, c relaiile dintre vectori r:JU trebuie s fie ortogonale,
2
confruntare
n schimb dimensiunile, chiar dup rotire, trebuie s formeze un unghi drept ntre
o
ele. Mai mult, n cazul unor proceduri gen INDSCAL, dimensiunile nu trebuie rotite,
dei n practic mici rotiri pentru a maximiza interpretarea axelor sunt ntlnite
1
(Jones i Koehly, 1993). Spaiul comun rezultat n urma configurrii reaciilor la
mediere
cooP,;rare o situaii conflictuale este un astfel de exemplu, n care rotirea axelor cu 20 2 ofer o
interpretare mai clar a axelor.

evitare
o

1
ama re
8.3.3. Aplica:ii INDSCAL
renuntare
. Metodele MOS convenionale nu pot epuiza ntreaga gam de ntrebri i
probleme de cercetare. Uneori nu suntem interesai de obinerea unei hri
2,
2,1 -1.0 o.o 1,0 2.1
perceptive pe baza rezultatelor tuturor subiecilor, ci dorim s observm diferenele
Dimension 1 dintre subieci sau subgrupe ale acestora. Reamintim c, n situaia dat, subiecii
Figura 8.7. Interpretarea dimensiunilor pe baza adecvrii vectoriale a atributelor chestionai au fost mprii n dou categorii: cu i fr experien n soluionarea
conflictelor. Oare nu exist deosebiri ntre cele dou categorii de subiecti? Numai
prin modele INDSCAL se poate rspunde la o asemenea ntrebare.' n urma
Direcia vectorilor se poate stabili uor, observnd semnele coeficienilor aplicrii unei astfel de proceduri vom obine date pe care le vom prezenta pe rnd.
beta. Astfel, cnd ambii coeficieni beta au semn negativ, sgeata vectorului va fi (1) Un spaiu comun reprezentnd configuraia punctelor nedifereniat pe
orientat n cadranul din stnga jos, corespunztor unor coordonate negative categorii de subieci
pentru ambele dimensiuni (cazul unilateral - bilateral, respectiv distructiv ~ Graficul prezentat de noi n figura 8.6. este un astfel de exemplu, fiind o
constructiv). Similar, n cadranul de sus stnga, vor fi orientai vectorii care au beta hart perceptiv similar cu cea obinut direct prin ALSCAL sau prin PROXSCAL
negativ pentru dimensiunea 1 i beta pozitiv pentru dimensiunea 2 (cazul pasiv- identity matrix. Punctele vor fi la fel de distanate, singura diferen care poate
activ). Asemntor se procedeaz i n alte cazuri. Din pcate, un astfel de grafic aprea fiind la nivelul axelor. Acest fapt nu constituie o problem, deoarece
nu poate fi efectuat directn SPSS. Alternative rmn utilizarea altor programe dimensiunile pot fi rotite ortogonal n orice direcie. Se constat totui, c modelele
precum PROFIT [n cadrul pachetului MDS(x)] sau prelucrarea secundar a hrii INDSCAL (singurele la care rotaia nu este recomandat, fiind posibile doar mici
perceptive oferite de SPSS. ajustri) conduc la hri perceptive mai uor interpretabile pe baza poziiei iniiale a
n figura 8.7. se observ tendina subiecilor de a considera compromisul axelor, n timp ce alte proceduri necesit, aproape permanent, rotiri ale axelor
ca fiind o msur constructiv i bilateral, confruntarea ca fiind, prin excelen, o pentru a identifica corect dimensiunile obinute.
msur activ, medierea, cooperarea i arbitrajul, ca reacii bilaterale, constructive (2) Importana dimensiunilor pentru fiecare categorie de subieci (n
i active. n acelai fel, am putea interpreta manipularea i subminarea ca fiind englez "dimension weights" sau "saliences")
distructive i unilaterale, n timp ce evitarea, amnarea i renunarea sunt Pe baza acestora se observ eventualele diferene ntre subieci (grupe de
percepute ca reacii pasive. Dincolo de aceast ncrctur a obiectelor n subieci) n ceea ce privete gradul de adecvare a dimensiunilor selectate pentru
atributele respective, observm c prima dimensiune ar putea fi denumit axa fiecare categorie de respondeni .. Pentru exemplul nostru, output-ul SPSS ar oferi
unilateral vs. bilateral, datorit unghiului redus dintre acest vector i dimensiunea urmtoarele rezultate:

292 293
~111111111'1111'""''""'''""'"""''""'''"" 1111111,1111 .!!111!11'111 !1111' 111!11'111'1111 1111,1111ili,!ll III 111111111111111''11'1 =wnllllllllllllllllmllllllllliiiiiiWII !1. llll:'llllllllllllilllliillllllllillll:lllll::lllllllll:llllllll::llllillll:lllllllll,llll,lllli:llllll,lllllllllllllllll:lllllllll!lii:ll'l!li'i' 1
illll'lllllllllll:lllll:lllllllllll:lllllllllll!lllllllllll:lllllllllll:llllllllllllllll:llll:lllll:llll:lllll:llllllllll:llllll:lllll!llllll.lllll':llll:lll'llll 111

Grup cu experienta 82 Grup fara experienta S1

Dimension Weights
1'0r---:c:=oH=:~uN=T----.
..
,5
SUBMI R

...
MANIPULA.

Dlmenslon Welghts
..
.l COMPROMI COMPROMI

____
EVITARE EVrTARE
Oimens ion p .

"'e -.4 AMANA RE

i -.5
AMANA RE
Source 1 2
.,,,__....._
.Q
~
-~
... ~ RENUNlA
t-ara experienta S1 ,480 ,459 RENUNTA
E
-o.:--=.--'o,,

~
-
-
:
-
-
-
'
Cu experienta S2 ,512 ,416
-.1 o.a ,4 ,5 ,6
Q -.~1'';;,,-.-;,,---:
.6---c
...:--.,::-,-,::-,___".,,
o -1.~1.1;-_,-..:";-,6;-:;
__.-.~,,-_,,-:,,c:,,-..,.,,-J,,
Dimension \
Dimension 1
Dimension 1

Figura 8.8. Output SPSS cu analiza importanei dimensiunilor pe categorii de subieci

Figura 8.9. Output SPSS 11.0 cu reprezentarea grafic a spaiilor individuale
SPSS este o marc nregistrat. SPSS este o marc nregistrat.

Nu exist mari diferene ntre modul de reprezentare a reaciilor la conflict Configuratia punctelor nu pare a fi modificat, dovad fiind echivalenta
de ctre cele dou categorii. Totui, se observ o uoar tendin din partea relaiei dintre pun~tele reprezentate ncele dou grafice. Totui, am putea obse~a
persoanelor cu experien de a acorda o mai mare importan primei dimensiuni o uoar tendin de cretere a dimensiunii 2 pentru grupul S1 i a dimensiunii 1
(distructiv vs. constructiv) n comparaie cu cea de-a doua (WD1 = .512, fa de pentru grupul S2. Cum s-ar interpreta acest lucru? Persoanele din grupa celor fr
WD2 == .416). Acest fapt pare normal, pentru lotul de persoane cu experien n experien tind s utilizeze mai frecvent dimensiunea pasiv-activ n gruparea
acest domeniu tinnd cont c diferentierea reactiilor pe baza criteriului exprimat n datelor. Similar, persoanele cu experien n soluionarea conflictelor tind s aib o
aceast dime~siune este mai import~nt n re~olvarea conflictelor. De notat c putere discriminativ mai mare n ceea ce privete dimensiunea distructiv -
fiecare dimensiune selectat poate avea importan diferit pentru fiecare constructiv a obiectelor apreciate. Diferenele observate, bazate pe aspectele
categorie de subieci, i chiar pentru fiecare subiect n parte. Valorile pot fi cuprinse prezentate grafic n figura 8.9 sunt totui mici, interpretarea fiind forat n cazul de
ntre O i 1, unde zero reprezint lipsa total de importan a acelei dimensiuni fa.
pentru categoria de subieci respeCtiv, n timp ce 1 nseamn exclusivitatea
dimensiunii respective. De asemenea, ntre dimensiuni se pot stabili raporturi n
ceea ce privete importana acestora. n cazul de fa, raportul importanei dintre 8.4. Modele de scalare multidimensional conexe
cele dou. dimensiuni este 1,05 n favoarea primei dimensiuni pentru categoria
celor fr experien n soluionarea conflictelor i de 1,23 tot n favoarea primei
dimensiuni pentru categoria celor cu experien. Aceste aspecte pot fi, de
8.4.1. Modele MOS constrnse
asemenea, reprezentate i grafic (vezi figura 8.8.).
(3) Spaii individuale pentru fiecare categorie difereniat n cercetare ntlnim frecvent situaii n care avem date anterioare care
Prin INDSCAL putem reprezenta grafic, cu scopul de a observa diferenele pot fi integrate n configuraiile MOS. De exemplu, dac majoritatea studiilor
dintre acestea, attea hri perceptive cte categorii au fost incluse n studiu. anterioare n domeniul reaciilor la conflict ofereau ca dimensiune definitorie n
Pentru exemplul nostru, vor fi construite dou asemenea hri, deoarece am construirea hrii perceptive gradul de distructivitate - constructivitate a reaciei,
mprit lotul n dou categorii semnificative: cu i fr experien n soluionarea atunci am putea constrnge harta perceptiv s conin aceast dimensiune din
conflictelor. Interpretarea acestor grafice se face pe baza a dou tipuri de start. Constrngerea duce automat la configurarea punctelor de pe hart pe
informaii: modificarea n configuraia punctelor, respectiv gradul de cretere sau parcursul unei dimensiuni, astfel nct la un capt s se afle reaciile distructive, iar
scdere a amplitudinii axelor. lat cele dou grafice obinute tot prin SPSS: la cellalt reaciile constructive. Pentru a constrnge stimulij de pe hart este
nevoie de configurarea iniial a acestora ntr-un alt fiier. Din pcate, prin
utilizarea acestei metode toate dimensiunile selectate trebuie constrnse. SPSS-ul
l

294 fl 295
1
 1 1 1
' " 11 '"' ''lllllllllllllllllllllllllllllllllllllllllllllllllll:llll,lllllilllllllllllll'lllll'llll''llll'llll'lllllllll!!llllllll 'III! illl III 1111 III' il! .III !III III 'III III' 1111 1111:111 ill' lli !1! illl' 1111 1111 III: III, !1! III '11! 1111 111, illl 1ll III' 1111.1111 :lh .11 li: i!l i!, :11 i!l 11 1 !11111111 1111111111111.11111,11111111! 1111 !llllllll1l1 11 III !illlllllllll------
111111' 1' '11 11 '1' '11 III 11' '1' 11' 11111111 1111

ofer~ dou posibiliti n aceast direcie: identificarea direct a dimensiunilor, preferinelor

exprimate. Similar, distanele mai mari dintre un subiect i un anumit
astfel Tnct fiecrei axe s-i corespund uh atribut i realizarea unei combinatii stimul indic o preferin sczut pentru obiectul respectiv.
llnlare ntre atribute n definirea unei dimensiuni. Prin acest tip de MDS nu m~i Analiza extern const n stabilirea poziiei unui punct ideal ntr-o
trebuie interpretat~ dimensiunile ns rmn valabile celelalte aspecte ca: stabilirea configuraie iniial construit pe baza similaritii dintre stimuli. Pentru a realiza
gradului de adecvare a numrului de dimensiuni ales, interpretarea configuraiei aceast analiz vom avea nevoie de colectarea datelor referitoare att la
punctelor, eventual observarea diferenelor interindividuale sau intergrup. similaritate, ct i la preferin. Configuraia iniial este construit pe baza
similaritii dintre stimuli. Pe baza acestora se pot stabili puncte ideale sau cercuri
(zone) grafice ncrcate cu grade diferite de preferin. Din pcate, SPSS-ul nu
8.4.2. Modele MDS extinse poate integra ambele proximiti pentru a realiza analiza extern, dei poate
. efectua separat ambele operaii. Programul destinat acestui tip de analiz, denumit
Aceste modele permit realizarea de hri perceptive' pornind de la
PREFMAP, se gsete ns n pachetul MDS(X). innd cont de condiiile
preferinele subiecilor chestionai. Dac toate modelele discutate anterior artau
prezentate, vom exemplifica modul cum se interpreteaz o analiz intern,
ct de apropiate sau de diferite sunt unele obiecte n percepia, oamenilor,
disponibil i prin SPSS.
modelele extinse (unfolding) se finalizeaz prin hri .perceptive obinute pe baza
preferinelor respondenilor pentru obiectele studiate. De cele mai multe ori, astfel
1.5 amanare
de date se prezint sub forma unei matrice rectangulare, n care fiecare linie D
Row3

reprezint rezultatele unui subiect. n plus, harta perceptiv va conine nu numai mani~ulare
Ro&s
Q

obiectele, ca n cazul datelor de similaritate, ci i subiecii, poziionai grafic n ,5

funcie de preferinele exprimate. 0,0

Tn general exist dou abordri ale modelelor extinse (Hair, Anderson, ,5

Tatham, Black, 1998). Abordarea explicit const n includerea unui obiect ideal 8
1,0 itraj Row4
ntre stimuli, urmnd apoi procedura clasic de stabilire a gradului de similaritate Q

dintre obiecte. Problema n cazul acestei abordri const n tendina subiecilor de "':5
1,5

u; renuntare
a plasa acest obiect ideal, fie foarte departe de celelalte, fie foarte aproape de un :ii 2,0 c

alt stimul.preferat. Mai mult, prin aceast metod este greu s decelm dac ~ -2,5
2 -1
subiecii au reuit s aprecieze n comparaiile dintre obiecte, gradul de similaritate "
Oimension 1
existent i nu criteriul preferinei. Din aceste considerente este preferabil
Figura 8.1 O. Output SPSS 11.0 prelucrat cu reprezentarea grafic a
abordarea implicit. Ea poate fi realizat pe baza unei analize interne sau externe.
observaiilor i atributelor a MOS unfolding
SPSS este o marc nregistrat.
Analize interne i externe

Analiza intern implic ideea stabilirii directe a ierarhiei preferintelor

Din aceast reprezentare grafic se observ tendina subiecilor 2 i 4 de a
fiecrui subiect pentru obiectele incluse n studiu. Datele sunt adunate ~tr-o
prefera medierea i arbitrajul ca modaliti de reacie, precum i a subiecilor 1 ,3,5,
matrice rectangular, care n cazul exemplului dat are 1O coloane (1 O reacii la
i 6 de a prefera cooperarea, confruntarea i compromisul. Mai mult, exist o
conflict studiate) i 6 linii (6 subieci chestionai) (vezi baza de date "scalare
tendin medie la nivelul ntregului eantion de a opta pentru aceste reacii la
preferinte.sav"). n urma aplicrii MDS corespunztoare (versiune disponibil i n
conflict, i n special pentru cooperare i confruntare. n schimb, se observ c
SPS Base System), vom obine o hart perceptiv ce include att obiectele-
subminarea, manipularea, evitarea, renunarea sau amnarea nu strnesc prea
stimul, ct i subiecii. Mai mult, printr-o prelucrare secundar, similar celei
prezentate anterior, se poate poziiona i un vector al preferinei subiecilor, multe simpatii, prima fiind la nivelul ntregului eantion i cea mai puin agreat
rezultat dintr-o medie a rspunsurilor acestora. Interpretarea configuraiei punctelor dintre toate formele de reacie.
Vectorul preferinelor a fost obinut ntr-o manier similar cu cea descris
pe hart se face ntr-o manier asemntoare cu modelele MDS clasice. Astfel,
la adecvarea vectorial a atributelor. Variabilele independente incluse sunt date tot
dac dou puncte (fie ele stimuli i/sau subieci) sunt reprezentate grafic apropiat
de coordonatele spaiale ale obiectelor evaluate (nu i ale subiecilor), n timp ce
unul de cellalt, ele sunt percS'pute ca fiind apropiate i din punctul de vedere al
variabila dependent poate fi media (mediana) rangurilor acordate n ceea ce

297
296

prlvtt prefrlnt~llil subiecilor pentru fiecare obiect. Tn exemplul nostru, corelaia
rmll!ipll nblnuti Intre cesh!! elemente a permis constituirea Unei axe preferin vs.
f1!lll'lrlterll,\l (Il - .945; bntn dim1 = -.958 i beta dim2 = -.073) ntr-un spaiu
llhlillllllltilllrutl (Strfll'l 2"' .1 05).
8.5. Incursiune n opiunile SPSS
SPSSul Sase System (SPSS 11.0) ofer dou opiuni de introducere a
datelor. In modelul clasic, fiecare coloan reprezint o variabil i fiecare linie,
rezultatele unui anumit subiect. n modelul matricea!, datele sunt msurtori medii
ale proximitii dintre obiecte. Din nefericire, a doua opiune, nu este adecvat
pentru modele de tip INDSCAL. Selectnd butonul "shape" n "data are distances"
avem trei opiuni de matrice: simetrice (cazul comparrii fiecrei perechi de
obiecte), asimetrice (cazul testelor sociometrice) i rectangulare (modele
unfolding). Daca optm pentru "create data from distance", vom putea utiliza
modelul obinuit de introducere a datelor. Cele mai importante aspecte care
trebuie selectate aici sunt modul de msurare a datelor, cu variantele aferente
fiecrei situaii, respectiv standardizarea sau nestandardizarea variabilelor:
Variabilele trebuie standardizate dae:: nu sunt msurate cu aceeai unitate de
msur. Apsnd butonul "Continue" revenim n fereastra principal, unde putem
selecta tipul de model MOS. n cadrul MOS metrice putem alege variantele interval
sau raport, n funcie de datele avute, iar pentru modelele non-metrice, varianta
ordinal.
De asemenea, putem decide ntre un model sintetic, ALSCAL (Euclidian
Distance) i unul analitic, INDSCAL (Individual differences euclidian distance). n
plus, putem selecta numrul de dimensiuni dorite pentru care s obinem indicatorii
statistici de adecvare (ex. Stres). Deosebit de important este stabilirea tipului de
condiionalitate. Exist trei opiuni: "matrix" - pentru datele introduse direct ca
distane n matrice; "row" - pentru modele MOS unfolding; "unconditional" - pentru
cazurile "create distances from data". Dup alegerea modelului adecvat i
apsarea butonului "continue", vom putea apsa "options" pentru a selecta, n
principal, modalitatea n care dorim s arate output-ul. Pe lng aceste opiuni, prin
sintax putem apela la alte dou modele MOS importante: GEMSCAL, pentru
situatii n care testm aceiai subiecti de mai multe ori i ASCAL, pentru matrice
' '
asimetrice.
SPSS Categories ofer, ncepnd cu versiunea 1 0.0, procedura
PROXSCAL. Aceasta reprezint un progres n MOS, fiind preferabil utilizarea ei
n comparaie cu procedurile ALSCAL. Manualul SPSS Categories (Meulman !
Heiser, 2001) ofer mai multe amnunte legate de modul de utilizare a acester
proceduri i, n plus, unele informaii sunt similare cu cele prezentate anterior.
Acestea sunt, foarte pe scurt, opiunile ce trebuie selectate n principalele tipuri de
scalare multidimensional.
298
lllllollllllllllllllllll'llllllillllllllllllllllll'lllll'llllllllllllllllllllilllllllllll!llllllllllllllll'llllllli!ll:ll 1
'
Utilizarea modelelor analitice necesit formarea mai multor matrice, n timp
ce MOS sintetice au ca design prezentarea datelor ntr-o singur~ matrice. n cazul
exemplului nostru, am optat pentru un model echivalent INDSCAL (Weighted
Euclidian). Paii urmai pentru obinerea rezultatelor prezentate n capitolul de fa
(cu excepia MOS conexe) au fost: . . . . ..
1) introducerea datelor n SPSS sub forma uner matnce s1metrrce (vez1 frgura
8.3.);
2) selectarea opiunii MOS PROXSCAL;
3} alegerea opiunilor: "The data are proximities"; "Multiple matrix source";
The proximities are stacked matrices across columns" i apoi "Define";
4) i'ntroducerea variabilelor - reacii la conflict n "proximities" i selectarea
variabilei referitoare la experiena subiecilor n situaii de conflict n
"source";
5) ~electarea ca model a Weighted Euclidian (INDSCAL); "lower-triaungular
matrix"; "ordinal untie tied observations"; "dissimilarities"; "within each
source separately"; "minim2"; "maxim 3"; iar apoi "continue";
6) accesarea butonului "Piots" i selectarea opiunilor: "camon space";
~.individual spaces" i "individual weights" (opional putnd fi selectate i
celelalte grafice pentru a urmri gradul de adecvare a soluiei);
7) selectarea altor opiuni-output, n funcie de aspectele de interes avute.
n fine, pentru MOS constrnse, cercettorul poate interveni apelnd
butonul "restrictions", iar pentru modele unfolding, poate utiliza opiunea "the
proximities are in a single column".
BIBLIOGRAFIE
*** (2001). SPSS Base 11.0. User's guide. Chicago: SPSS lnc.
Bogathy, z. (2002). Conflicte i'n organizaii. Timioara: Editura Eurostampa.
Carroll, J.D. & Green, P.E. (1997):-Psychometric methods in marketing research: part Il,
multidimensional scaling. Journal of Marketing Research, 34, 193-204.
coxon, A.P.M. (1982). The user's guide to multidimensional scalihg with special reference to
the MDS(X) fibrary of computer programs. London: Heinemann Educational Books Ltd.
Fransella, F. & Bannister, D. (1977). A manual for repertory grid technique. New York:
Academic Press. .
Hair, J.F. Jr., Anderson, R.E., Tatham, R.L., i Black, W.C. (1998). Mu/tivariate data analysis
(5 1h ed.). Upper Saddle River, NJ: Prentice Hali.
Jones, L.E. & Koehly, L.M. (1993). Multidimensional Scaling. n G. Karen & C. Lewis (Eds.).
. A handbook tor data ana/ysis in the behavioral sciences: methodological issues (p. 95-
163). Hillsdale, NJ: Lawrence Erlbaum Associates. . . nct
Kachigan, S.K. (1991 ). Mult/variate statistica/ analysis. A conceptual mtroduct10n. (2 ed.).
New York: Radius Press.
299
llill!lll:illllllillll!lll,lllillllllllllllllllllll!illllllllll"llllllllllllllllllllllliillllllllllllllllll:lllll:llllllllllll!lllllllllli!lllllll:lll!ll!lllllllllllllllllllllllll!:llllllll!llllllll'illi!llllll!!lll!lll:llli!llllll::lllilli!lll!lll!l!lll!lll'!lllllllllllllll:llllllll''""'''''""'''""'''''''"'''''"''""""""""""'""'""""'""""''""'"''""''"'""'""''''""'" ,,,

1\IUt~kml, J.B. & Wish, M. (1 994). Multidimensional scaling. n M.S. Lewis-Beck (ed.).
/nttJmatlonal handbooks of quantitative applications in the social sciences. VoiA -
Bas/o measurement (p. 301-387). Loridon: Sage Publications.
M~uillnun, J.J. & Heiser, W.J. (2001). SPSS Categories 11.0. Chicago: SPSS /ne.
Nolu/aers, G. (2002). Multidimensional scaling. Experimenting with PROXSCAL. Gsit la
adresa http :1/homeusers.brute/e.be/nova-in rct!Nederi/NavNOVA_r5_c 1.htm#website.
/ltwndes, J.A. & Arnold, J.A. (1999). The cognitive representation of responses to social
conflict: the development of an integrat/ve taxonomy. The International Journal of
Conflict Management, 10(4), 360-384.
Rog~i, E. (1983). Tabele i formule matematice. Bucureti: Editura Tehnic.
Rotariu, T., Bdescu, G., Gulie, /., Mezei, E., Murean, C. (1999). Metode statistice aplicate
Tn tiinele sociale (p. 254-271). lai: Polirom,.
Stalans, L.J. (1995). Multidimensional scaling. n L.G. Grimm & P.R. Yarnold (eds). Reading
and understanding mult/variate statistics (p. 137-168). Waghington, DC: APA.
Tsogo, L., Masson, M.H., & Bardot, A. (2000). Mu/tidimensional scaling methods for many-
object sets: A review. Mult/variate Behavioral Research, 35(3), 307-319.
van Deun, K. & Delbeke, L. (2000). Multidimensional scaiing. Gsit la adresa:
http://www.mathpsyc.uni-bonn.de/doc/delbeke/de/beke.htm. j
1
1
r
J
'~
' '
' '
', il'
J
1
,.. :..1:
,.

,'

300