SPSS

Semnificatia statistica
Asocierea dintre variabile
Se refera la masurarea legaturii statistice dintre variabile
Se utilizeaza indicatori statistici in functie de scalele
utilizate pentru masurarea variabilelor
Se utilizeaza teste neparametrice pentru variabile
masurate cu ajutorul scalelor nominale si ordinale
Se utilizeaza teste parametrice pentru variabile masurate
cu ajutorul scalelor interval si proportionale
Daca variabilele masurate cu ajutorul scalelor interval si
proportionala nu au o distributie normala, se utilizeaza
teste neparametrice
Testul hi patrat 2
Este utilizat pentru masurarea semnificatiei
statistice dintre variabile masurate cu ajutorul
scalelor nominiala, ordinala, interval si
proportionala
Pentru relevanta statistica, trebuie indeplinite
doua conditii:
Frecventele asteptate sa fie mai > 1
Frecventele asteptate mai < 5 sa nu depaseasca 20%
Daca esantionul este < 40 si numarul liniilor este
egal cu numarul coloanelor din tabelul de
contingenta, se utilizeaza testul Fisher
Testul hi patrat 2
In situatia in care cele doua esantioane
studiate nu sunt independente, se
utilizeaza testul McNemar
Gradul de asociere si Testul hi patrat 2
Asocierea dintre variabile pe baza testului 2 se poate
determina utilizand:
Coeficientul de contingenta
Phi si Cramers V
Lambda- reda procentul cu care o variabila o influenteaza pe
cealalta
Coeficientul de Nesiguranta
Valoarea minima indicata in SPSS a coeficientilor de mai
sus este 0 si indica lipsa unei corelatii
Conform lui Cohen, valorile coeficientilor de mai sus pot
fi interpretate astfel:
Influenta scazuta: intre 0.1 si 0.3
Influenta medie: intre 0.3 si 0.5
Influenta ridicata: peste 0.5
Gradul de asociere si Testul hi patrat 2

Analyze > Descriptive statistics >

Crosstabs
Se selecteaza cel putin o variabila pentru
randuri si o variabila pentru coloane
Daca se selecteaza mai multe variabile,
se formeaza tabele cu fiecare pereche
posibila
Se selecteaza butonul de Statistics si aici
se selecteaza indicatorii statistici
Gradul de asociere si Testul hi patrat 2

Testpentru doua variabile masurate pe

scala nominala:
Educatia

Frecventa vizitarii magazinului

Gradul de asociere si Testul hi patrat 2
Gradul de asociere si Testul hi patrat 2
Gradul de asociere si Testul hi patrat 2
Gradul de asociere si Testul hi patrat 2
Cum interpretam rezultatele?
Conform valorii Asymp sig, care este 0, fiind mai mica decat
0,05, rezulta ca ipoteza nula se respinge, legatura dintre
educatie si frecventa vizitarii magazinului fiind una semnificativa
Valorile coeficientilor Phi, Cramers V si Contingency Coefficient,
datorita valorilor Approx. Sig mai mici decat 0,05 pot fi utilizati
din punct de vedere statistic. Valorile acestora indica o asociere
puternica intre cele doua variabile
Valoarea Approx. Sig pentru Lambda mai mica decat 0,05 arata
ca acest indicator poate fi utilizat din punct de vedere statistic.
Valoarea 0 a indicatorului apare, deoarece nu a putut fi calculata
din cauza erorii standard care a fost 0. Pe de alta parte,
frecventa deplasarii la magazin explica in proportie de 20%
ultimul nivel educational absolvit. Aceasta concluzie, valida
statististic, are o valoare nesemnificativa pentru cercetare
Gradul de asociere pentru variabile
ordinale
Pot fi utilizati indicatorii statistici:
Gamma
Somers d
Kendalls tau-b
Kendalls tau-c

Iau valori intre -1 si 1

-1 indica o legatura perfecta inversa
1 indica o legatura perfecta pozitiva
0 indica lipsa unei asocieri
Gradul de asociere pentru variabile
ordinale
Premize
Variabileletrebuie sa fie masurate cel putin la
nivel ordinal
Gradul de asociere pentru variabile
ordinale
Exemplu
Doua variabile masurate pe scala Likert
Ambalajul este important in decizia de
cumparare
Pozitia la raft este importanta in decizia de
cumparare
Gradul de asociere pentru variabile
ordinale
Gradul de asociere pentru variabile
ordinale
Interpretarea rezultatelor
Avand in vedere ca approx. sig este 0.536 in
toate cazurile, adica este mai mare decat
valoarea de 0.05, rezulta ca ipoteza nula se
accepta, adica nu exista o legatura
semnificativa intre ambalaj si pozitia la raft
Gradul de asociere intre o variabila de tip
nominal si una de tip interval
Se utilizeaza testul eta pentru a arata
dimensiunea asocierii
Pentru a testa semnificatia statistica, se
utilizeaza testul ANOVA
Se merge in AnalyzeCompare
MeansMeans
Gradul de asociere intre o variabila de tip
nominal si una de tip interval
Luam pentru testare o variabila masurata
cu o scala nominala (nivelul educational)
si o variabila masurata cu o scala interval
(parerea fata de produsele vandute)
In Compare means:
Lasam indicatorii preselectati in dreapta
Bifam in partea de jos Anova table and Eta si
Test of Linearity
Gradul de asociere intre o variabila de tip
nominal si una de tip interval
Gradul de asociere intre o variabila de tip
nominal si una de tip interval
Rezultate
Gradul de asociere intre o variabila de tip
nominal si una de tip interval
Interpretarea rezultatelor
Ne uitam in tabelul ANOVA, in coloana Sig, pentru a
compara valorile cu valoarea de 0.05
Avand in vedere ca valorile sunt mai mici de 0.05,
ipoteza nula se respinge, iar concluzia este ca nivelul
educational influenteaza parerea
Ne uitam in tabelul Measures of Association, in coloana
Eta squared.
Valoarea de 0.30 indica ca nivelul educational
contribuie in proportie de 30% la diferentele de atitudine
in privinta produselor vandute
Gradul de asociere intre doua variabile de
tip interval
Pentru masurarea asocierii se utilizeaza
Coeficientul de corelatie al lui Pearson
(Pearsons R)
Se merge in AnalyzeDescriptive
StatisticsCrosstabs
Se introduc doua variabile masurate cu scale
interval si/sau proportionale
Se bifeaza optiunea Correlations
Pentru exemplificare, folosim varsta in ani si
preferinta fata de produse
Gradul de asociere intre doua variabile de
tip interval
Gradul de asociere intre doua variabile de
tip interval
Rezultate
Gradul de asociere intre doua variabile de
tip interval
Interpretarea rezultatelor
Ne uitam in coloana Approx. sig pentru a
compara valoarea cu cea de 0.05. Valoarea
fiind mai mica, rezulta ca se respinge ipoteza
nula, adica exista o legatura semnificativa intre
cele doua variabile
Valoarea coeficientului de corelatie, adica
-0.643 indica o legatura puternica inversa
Pe masura ce creste varsta persoanei, scade
preferinta fata de produsele magazinului
Regresia
Utilizatapentru a vedea influenta mai multor
variabile independente asupra unei variabile
dependente
Toate variabilele sunt masurate prin intermediul
scalelor interval si proportionale
Utilizam regresia liniara in acest exemplu
Se merge in AnalyzeRegressionLinear
Utilizam ca variabila dependenta parerea fata de
produse si ca variabile independente varsta si
suma cheltuita
Regresia
Regresia
Rezultate
Regresia
Interpretarea rezultatelor
In tabelul ANOVA, ne uitam in coloana Sig pentru a vedea daca
valoarea este mai mica de 0.05. Deoarece valoarea este mai
mica de 0.05, inseamna ca legatura dintre variabile este
semnificativa, adica se respinge ipoteza nula
In tabelul Model Summary, ne uitam in coloana R square. Cu cat
valoarea de aici este mai mare, cu atat variabilele independente
impacteaza mai puternic variabila independenta
Valoarea de 0.452 inseamna ca cele doua variabile
independente explica in proportie de 45.2% variabila
dependenta
Pe baza valorilor din tabelul coeficientilor putem stabili ecuatia
modelului, adica putem explica variabila dependenta in functie
de variabilele independente
Parerea= 4.076 - 0.053 x Varsta + 0 x Suma alocata