Statistica Cu SPSS Dupa Opariuc Dan C PDF

I.
3 Prezentare general SPSS

for Windows2
SPSS sub Windows reprezint un
pachet de programe interactiv, de utilitate
general, destinat analizelor de date i in-
clude multiple faciliti i tehnici de natur
statistic. Pachetul de programe SPSS sub
Windows reprezint o aplicaie care folo-
Figura 1.2 Lansarea programului
sete ntreaga funcionalitate a sistemului SPSS for Windows
de operare Windows, regsind n structura sa
utilizarea mausului, ferestrele redimensionabi-
le i scalabile, meniuri derulante, casete de
dialog etc. Dei majoritatea utilizatorilor vor fi
complet satisfcui utiliznd doar interfaa
grafic pe care SPSS o pune la dispoziie, to-
tui pachetul de programe dispune i de un
Figura 1.3 Fereastra logo puternic limbaj de comenzi prin care se pot
SPSS for Windows realiza activiti automate (scripturi) ce deter-
2
Pe parcursul acestei prezentri, unele imagini sunt din SPSS 12.0 for Windows. Acest lucru
nu incomodeaz n utilizarea altor versiuni. Toate imaginile utilizate reprezint marc nre-
gistrat SPSS Inc.
Cristian Opariuc-Dan
min eficientizarea aciunilor utilizate n mod frecvent sau efectuarea unor

aciuni complexe, indisponibile n interfaa grafic (SPSS, 2001).
Programul SPSS, la fel ca orice alt aplicaie sub sistemul de operare
Windows, indiferent de versiunea acestuia, la instalare i creeaz un grup de
pictograme (iconuri) n seciunea Programs a meniului Start din sistemul de
operare Windows. Pentru a putea lansa n execuie aplicaia, va trebui ca mai
nti s efectuai clic cu maus-ul pe butonul start al desktop-ului Windows,
buton situat de obicei n partea din stnga jos a ecranului. Apoi mergei la
seciunea Programs i se va deschide o nou list
care conine toate programele instalate n calculato-
rul dumneavoastr (ei bine, cel puin programele la
care avei acces dumneavoastr). n aceast list,
cutai grupul de programe SPSS for Windows,
grup n care vei gsi pictogramele de lansare ale
aplicaiei SPSS. Probabil c ai identificat deja n
acest grup de programe pictograma numit SPSS
for Windows. Aceasta este imaginea pe care va
trebui s facei clic pentru a porni aplicaia.3
SPSS este un program extrem de complex.
Figura 1.4 Fereastra introductiv
Lansarea acestuia debuteaz cu prezentarea unei

ferestre introductive, denumit i fereastr logo. Ea cuprinde informaii
despre versiunea programului (n cazul nostru, SPSS 12.0 Standard), deoare-
ce exist i versiuni server, mai complexe, versiuni demonstrative (ca aceea
pe care o putei descrca gratuit de la http://www.spss.com) sau student
pentru nvare etc., precum i despre posesorul licenei de utilizare a acestui
produs informatic. Se cunoate faptul c, n conformitate cu legea dreptului
3
Desigur, n situaia n care SPSS for Windows este deja instalat pe calculatorul dumnea-
voastr. Dac nu avei instalat SPSS for Windows, putei descrca o versiune demonstrativ
de 30 de zile de pe site-ul http://www.spss.com Asigurai-v c avei o conexiune suficient
de rapid i de stabil la Internet, deoarece fiierul este destul de mare (aproximativ 160 MB)
31
Statistic aplicat n tiinele socio-umane
de autor i protecia creaiilor intelectuale, un produs software poate fi utilizat

doar n cazul n care se posed o licen de utilizare pentru acesta, altfel
riscndu-se pedepse severe, contravenionale sau de natur penal.
Dup cteva secunde, fereastra de prezentare se dezactiveaz, iar apli-
caia prezint o interfa prietenoas prin care ne invit s trecem la treab.
Putem n aceast etap s lansm n execuie un program tutorial care ne va
forma abilitile de baz n vederea utilizrii acestui pachet informatic com-
plex; de asemenea, putem trece direct la introducerea datelor sau putem rula
o cerere predefinit, se poate crea o nou cerere de date sau se poate deschide
o baz de date existent, situa-
ie n care va trebui s preci-
zm locaia acesteia. Nu n
ultimul rnd, putem deschide o
baz de date ntr-un alt format,
de exemplu Excel, Statistica
sau SAS, iar SPSS va ti s
converteasc aceste date pen-
tru a le face disponibile.
Exist, de asemenea, n
Figura 1.5 Fereastra principal SPSS
partea de jos a acestui formu-
lar introductiv, o caset denumit Dont show this dialog in the future.
Dac o vei bifa, avei posibilitatea ca, la viitoarea lansare a produsului, s
nu se mai afieze formularul, caz n care programul va trece direct n fereas-
tra principal SPSS.
Desigur, selectarea unei opiuni dintre cele prezentate mai sus nu n-
seamn i executarea acesteia de ctre SPSS. Pentru a lansa n execuie opi-
unea aleas, va trebui apsat, obligatoriu, butonul OK. Apsarea butonului
Cancel indic programului c trebuie s prseasc formularul introductiv i
32
s lanseze fereastra principal SPSS n modul de lucru configurat pentru o

nou baz de date.
n acest moment, nu ne intereseaz niciuna dintre opiunile predefini-
te, astfel nct vom apsa butonul Cancel. Iat c formularul prezentat mai
sus a disprut, fcnd loc ferestrei principale SPSS. S privim cu atenie
aceast nou interfa cu utilizatorul.
Ca orice alt aplicaie Windows, SPSS posed o bar de titlu bara
albastr din partea de sus a ferestrei , n partea stng a acesteia afindu-se
mesajul Untitled SPSS Data Editor. Acest mesaj ne informeaz c ne
aflm n fereastra de date (editare a datelor) din SPSS i c baza de date nu a
fost nc salvat (n momentul salvrii, textul Untitled este nlocuit cu nu-
mele fiierului salvat pe disc). n partea dreapt a barei de titlu, avem cele trei
butoane clasice ale oricrei ferestre Windows: butonul de minimizare sau de
transfer al aplicaiei n bara de sarcini, butonul de maximizare extindere a
aplicaiei pe ntregul ecran sau de restaurare a aplicaiei la dimensiunile inii-
ale i butonul de nchidere a aplicaiei, acel buton n form de X. Sub bara
de titlu, se afl meniurile, serii de etichete purtnd fiecare un nume (n limba
englez), prin intermediul crora putem comanda SPSS i putem efectua ope-
raiile i prelucrrile de care acesta este capabil. Nu vom insista acum asupra
explicrii tuturor meniurilor, acest lucru l vom face pe parcursul prezentului
curs. Bara de meniuri este urmat de bara de instrumente mici butoane cu
aspectul unor pictograme care, n general, dubleaz anumite funcii din meni-
uri, funcii mai des folosite. SPSS prezint o bar de instrumente dinamic,
adic aspectul butoanelor i, desigur, funcionalitatea acestora se modific
relaionat contextului n care ne aflm. De exemplu, vom avea anumite bu-
toane n modul de introducere a datelor i
alte butoane n modul de definire a varia-
bilelor ori n modul de afiare a rezultate- Figura 1.6 Seciunea de
lor analizelor de date. editare a datelor
33
Dup bara de instrumente, apare seciunea de editare a datelor. Aceas-

ta este format dintr-o parte needitabil, informativ, partea din stnga, n
care se afieaz n permanen poziia celulei active (celul pe care am selec-
tat-o). Formatul acestui identificator este un numr urmat de dou puncte i
apoi numele variabilei (spre exemplu, 8:time nseamn c suntem poziionai
pe rndul 8 a opta nregistrare a variabilei timp). Partea editabil arat
ntotdeauna valoarea acestei variabile n poziia specificat (n cazul nostru,
la rndul 8 al variabilei timp se afl valoarea 34).
Cea mai mare parte a ferestrei principale SPSS este dedicat seciunii
de date. Observm c datele, n SPSS, sunt organizate tabelar, pe linii i co-
loane, analog altor aplicaii mai cunoscute, cum ar fi foile de calcul tabelar
(Excel) sau bazele de date (FoxPro sau Access). Liniile (nregistrrile) sunt
identificate prin numere, iar coloanele reprezint variabilele. ntr-o baz de
date goal, toate variabilele sunt denumite implicit var, iar aceast de-
numire este scris cu culoarea gri, reprezentnd faptul c acestea nu au fost
nc definite. Navigarea prin baza de date se poate face cu cele dou casete de
derulare (numite i lifturi sau controale de derulare), situate n partea dreapt,
respectiv n partea de jos a ferestrei de date, la fel ca n orice program Win-
dows.
Seciunea de date conine, n partea din stnga-
jos, doi marcatori de seciune foarte importani: Data
View i Variable View. Aceste elemente permit co-
Figura 1.7 Marcato- mutarea ntre modul de vizualizare a datelor dintr-o
rii de seciune
baz de date (seciunea Data View) i modul de defini-
re a variabilelor (seciunea Variable View).
n partea de jos a programului SPSS, se afl bara de status cu dou
seciuni: seciunea de informaii, n partea stng, unde se afieaz scurte
instruciuni despre diferitele funcii ale meniurilor sau ale barei de instrumen-
te, i seciunea de stare a procesorului SPSS unde se afieaz informaii refe-
34
ritoare la rularea unor sarcini mari consumatoare de timp. n general, ncepe-

rea unei prelucrri statistice se poate face doar n condiiile n care vedei
mesajul SPSS Processor is ready n aceast seciune.
Prsirea programului SPSS se poate face fie apsnd butonul de n-
chidere al aplicaiei X din colul din dreapta sus al ferestrei principale, fie
folosind meniul File i apoi Exit. Dac ai fcut prelucrri de date sau modi-
ficri n baza de date, programul v va solicita mai nti salvarea documentu-
lui, ca msur de protecie mpotriva pierderii de informaie. Despre salvare,
ns, discutm n subcapitolul urmtor.
I.3.1 Bazele de date creare, salvare, deschidere

Dup ce ne-am familiarizat cu interfaa
programului SPSS, este momentul s vedem
cum putem deschide o baz de date existent
i care sunt elementele componente ale aceste-
ia. SPSS vine nsoit de o serie de baze de date
demonstrative n scopul facilitrii procesului
de nvare. Pe parcursul acestor exerciii,
vom folosi, din raiuni de compatibilitate,
aceste exemple de baze de date oferite de ctre
productorii programului SPSS.
Deschiderea unei baze de date n sco-
Figura 1.8 Deschiderea
pul efecturii prelucrrilor statistice se poate unei baze de date
face prin mai multe metode, rmnnd la lati-
tudinea dumneavoastr i potrivit experienei pe care o avei s alegei meto-
da care v convine mai mult.
Prima metod este aceea prin care apelm la meniul File (Fiier) i
apoi poziionm cursorul maus-ului pe submeniul Open (Deschide). Apare o
list de unde putem deschide o baz de date (Data), o procedur de sintax
35
(Syntax) o foaie de rezultate (Output), un set de comenzi (Script) sau un alt

tip de fiier (Other). Pentru a deschide o baz de date, va trebui selectat
opiunea Data. Observai c fiecare dintre aceste opiuni este urmat de punc-
te de suspensie (). ntotdeauna cnd vei ntlni aceste puncte de suspensie
alturi de o comand Windows (nu doar n SPSS, ci i n orice program Win-
dows), va trebui s tii c acea comand v invit la dialog. Adic se va des-
chide o nou fereastr, de unde va trebui s alegei ceva sau s furnizai anu-
mite informaii programului pentru a putea executa comanda respectiv.
O alt metod prin care putei deschide o baz de date este folosirea
aa- numitelor taste rapide. De obicei, meniurile sunt nsoite de combinaii
de taste prin care putei efectua direct o anumit sarcin. n loc s apelm la
meniul File, apoi Open i apoi Data, putem pur i simplu s inem apsat
tasta Ctrl n timp ce apsm tasta O (de la Open). O astfel de combinaie se
noteaz prin Ctrl+O, notaie pe care o vom folosi pe ntreg parcursul acestui
curs. Vom observa c aceast combinaie are acelai efect ca i parcurgerea
primei metode, avantajul fiind acela c este mult mai rapid.
A treia metod apeleaz la numitele taste fierbini (hot-keys). O
tast fierbinte este o tast folosit n combinaie cu tasta Alt. Dac vei pri-
vi cu atenie meniurile, vei putea observa c unele litere sunt subliniate de
exemplu, n meniul File este subliniat litera F. innd apsat tasta Alt i
apsnd apoi tasta F, vom obine deschiderea meniului File, ca i cnd am
efectua clic pe acesta. n mod analog, notarea acestei combinaii se face folo-
sind convenia Alt+F. Deci, pentru a deschide o baz de date, putem folosi
combinaiile Alt+F deschiderea meniului File i apoi Alt+O deschiderea
submeniului Open, iar, n final, Alt+A accesarea opiunii Data. Aceasta
este, dac dorii, o navigare prin meniuri fr maus.
Ultima metod se refer la folosirea barei de instrumente pentru a
deschide o baz de date. Pur i simplu apsai pe primul buton de pe bara de
instrumente, acela care are aspectul unui dosar deschis.
36
Indiferent de metoda folosit, efectul va fi acelai: deschiderea unei

casete de dialog, din care putei alege baza de date pe care o vei ncrca (v
mai amintii nota referitoare la punctele de suspensie?).
S analizm puin aceast nou fe-
reastr. n partea de sus avem o list deru-
lant intitulat Look in: Apsnd sgeata
orientat n jos din partea dreapt a acestei
casete, vom putea alege directorul n care
este localizat baza noastr de date. Ob-
servm c directorul curent este directorul
aplicaiei (SPSS), iar n seciunea de sub Figura 1.9 Fereastra de selectare a
aceast caset este afiat coninutul acestui fiierului n vederea deschiderii
dosar. Putei astfel selecta orice director n

care avei fiiere recunoscute de SPSS, pentru a le putea afia i/sau deschide.
Alturi de caseta Look in, se afl o serie de butoane care controleaz naviga-
rea prin structura de directoare de pe discul dumneavoastr. Primul buton, cel
de forma unei sgei orientate n partea stng, permite navigarea la ultima
aciune efectuat. Dac, de exemplu, din directorul SPSS v-ai poziionat pe
directorul Windows, apsnd acest buton vei reveni din nou n directorul
SPSS. La prima deschidere a acestei casete de dialog, butonul este inactiv,
deoarece nu ai efectuat nc nici o aciune care s fie nregistrat. Al doilea
buton, de forma unui dosar cu o sgeat orientat n sus, permite navigarea
ascendent prin arborele de directoare. La o prim apsare, v vei deplasa n
directorul Program Files, la urmtoarea v vei situa n directorul rdcin C
i aa mai departe. Cel de-al treilea buton permite crearea unui nou director
n directorul curent. Apsnd pe el, vei putea crea un nou director, numit
New Folder, denumire pe care o vei putea modifica dup dorin. n sfrit,
ultimul buton controleaz modul n care se afieaz pictogramele n caseta
central. Putei alege vizualizarea pictogramelor n format mare, mic, sub
form de list sau list detaliat.
37
Fereastra central afieaz, dup cum am menionat, structura de sub-

directoare i fiiere a directorului curent. Putei efectua dublu clic pe numele
unui director pentru a afia coninutul acestuia sau pe numele unui fiier pen-
tru a-l deschide n mod direct (fr a mai apsa butonul Open). Dac efectuai
doar un simplu clic, numele fiierului selectat va fi afiat n caseta File name
i va trebui s folosii apoi butonul Open pentru a-l deschide. Caseta derulan-
t Files of type reprezint un filtru pentru fiierele afiate. Dac o vom des-
chide, efectund clic pe sgeata orientat n jos din partea dreapt a acesteia,
vom putea alege ce anume tip de fiiere s se afieze n seciunea central.
Observm c, dei directorul SPSS conine mai multe fiiere, sunt afiate
doar fiierele cu extensia .sav, adic fiierele care conin baze de date SPSS,
deoarece n aceast caset de filtrare s-a ales extensia .sav. Putem alege alte
extensii de fiiere care sunt afiate, de exemplu formatul Excel (.xls) sau
dBase (.dbf), iar SPSS va afia doar fiierele ce au aceast extensie.
Deschiderea propriu-zis a unui fiier se face fie efectund clic pe
acesta i apsnd butonul Open, fie efectund dublu clic pe numele fiierului.
Spre exemplu, vom ncrca baza de date Cars din directorul implicit SPSS,
baz de date ce reprezint un inventar al diferitelor tipuri de maini i al ca-
racteristicilor acestora.
Dup deschidere, observm c s-a modificat aspectul ferestrei princi-
pale SPSS. n primul rnd, n bara de titlu a aprut mesajul Cars SPSS Da-
ta Editor, mesaj ce ne informeaz c am deschis baza de date Cars i c
ea este pregtit pentru analiz. De asemenea, constatm c structura acesteia
este compus din opt variabile, fiecare dintre ele reprezentnd o anumit ca-
racteristic a mainilor. Ultima variabil, variabila Filter_$ este o variabil
intern folosit de programul SPSS pentru o filtrare anterioar a datelor, vari-
abil pe care ne propunem s o tergem. Cum? Efectund clic pe numele
acesteia. Observm c ntregul coninut al coloanei Filter_$ s-a selectat. n
continuare, apsm tasta Delete, situat pe tastatur, n partea dreapt a gru-
pului principal de taste, iar variabila a fost eliminat mpreun cu toate datele
38
acesteia. Felicitri. Iat i prima dumneavoastr intervenie real n SPSS.

Dup cum bine tim, orice prim intervenie ntr-un program nseamn o
tergere a ceva. Nici noi nu puteam face excepie!
Baza de date deschis de ctre dumneavoastr a fost afiat n seciu-
nea Data view, fapt care ne atrage atenia c n acest mod putem afia i ur-
mri coninutul datelor din baza de date. Dac vom efectua clic pe seciunea
Variable view, vom intra n modul de definire a datelor. Dup cum ne spune
i numele seciunii, aici putem vizualiza i edita denumirea, tipul i alte in-
formaii referitoare la variabile. Ca s folosim un limbaj mai tehnic, dac n
Data view ne aflm n seciunea datelor propriu-zise, n Variable view ne
aflm n seciunea meta-datelor, adic n seciunea informaiilor despre date,
unde putem interveni asupra structurii lor interne. Vom clarifica imediat, prin
cteva exemple, aceste aspecte.
Astfel, prima variabil, denumit mpg este o variabil numeric, ce
accept maximum 4 caractere (adic cifre ntre 0 i 9999) i fr zecimale.
Figura 1.10 Seciunea de definire a variabilelor
Numele mpg nu este ns un nume intuitiv i nu ne putem da seama cu pre-

cizie la ce se refer aceast variabil. Din pcate, doar versiunile de SPSS de
la 13.0 n sus accept nume de variabile cu mai mult de 8 caractere, ns nu
se permite includerea spaiilor sau a altor semne de punctuaie n denumirea
acestora i de aceea va trebui s fim foarte restrictivi n momentul n care le
crem. Pentru a nelege mai uor la ce anume se refer o anumit variabil,
39
avem posibilitatea de a o eticheta, adic de a include un text descriptiv asoci-

at numelui ei. n cazul nostru, eticheta variabilei ne informeaz c mpg se
refer la Miles per Gallon, adic la consumul automobilului exprimat n
distana pe care acesta o poate parcurge cu un galon de combustibil.
Urmtoarea seciune prezint valorile pe care le putem defini pentru
respectiva variabil. Iat, n cazul variabilei origin, care se refer la ara de
producie a mainilor, observm c s-a asociat valoarea 1 pentru mainile de
producie american, valoarea 2 pentru cele de producie european i valoa-
rea 3 pentru cele japoneze.
n spaiul destinat definirii variabilelor, avem, de asemenea, posibili-
tatea de a controla modul de tratare a cazurilor lips, alinierea datelor n ca-
drul celulelor i definirea tipului de variabil nominal, ordinal i scalar.
Efectund clic pe aceste seciuni, ai observat c, uneori, apare n par-
tea dreapt a acestora fie un buton cu punctele de suspensie care va deschide
o caset de dialog unde se pot controla parametrii valorilor acceptate, fie un
buton de incrementare/decrementare cu ajutorul cruia putei mri, respectiv
micora o anumit valoare, fie o caset de selecie sgeata orientat n jos
prin care putei deschide o list, de unde s selectai anumite valori.
Exerciiu practic:
n exerciiul care urmeaz vom traduce pur i simplu n romnete
structura acestei baze de date i vom salva baza de date sub un nou nume,
Masini (atenie, nu folosii diacriticele romneti n scrierea literelor, prin
urmare, n acest caz, nu folosii litera , ci s. Deci nu vom salva cu Maini,
ci Masini), ntr-un director nou creat avnd calea C:\Exercitii SPSS
(aceeai meniune referitoare la diacritice).
n cazul primei variabile, numele va rmne acelai, iar noi vom mo-
difica doar descrierea. Vom da clic n seciunea Label, acolo unde se afl
afiat textul Miles per Gallon i vom scrie textul Mile per galon.
40
A doua variabil se numete engine. Vom schimba numele acesteia

n cilindree (ne-am ncadrat n 8 caractere), fcnd clic n coloana Name i
scriind noul nume. Eticheta va deveni, pentru a doua variabil, Capacitate
cilindric, pe care o vei modifica dup exemplul primei variabile.
Procedm la fel n cazul variabilelor 2, 3, 4, 5 i 6, lsnd traducerea
din englez n romn la latitudinea dumneavoastr. Atenie, ns, la acel
maximum de 8 caractere cnd redenumii o variabil.
Variabila numrul 7 se refer la
ara de origine a mainilor. O vom rede-
numi origine i vom modifica, desigur,
eticheta. Exist ns, la acest nivel, un
element n plus, i anume coloana Va-
lues. V mai amintii probabil de maini-
le americane, europene i japoneze. Da- Figura 1.11 Etichetarea variabilelor de
nivel nominal i ordinal
c vom da clic pe celula corespunztoare
coloanei Values pentru aceast variabil,
constatm apariia unui mic buton cu puncte de suspensie n partea dreapt a
celulei. Apsnd acest buton se deschide o nou fereastr, fereastra de confi-
gurare a valorilor asociate. Vorbeam anterior despre maini de producie
american, european i japonez. n aceast caset vedem lista acestor aso-
cieri n partea de jos. n stnga listei, exist 3 butoane: Add cu ajutorul cruia
putem crea o nou asociere, Change prin care putem modifica o asociere
selectat i Remove care terge, elimin asocierea selectat. Noi ne-am pro-
pus s traducem aceast structur de date n limba romn. Vom efectua clic
pe prima asociere 1 = American. Constatm c, automat, n caseta Value a
aprut cifra 1, iar n caseta Value Label textul American. Putem deduce cu
uurin c valorii 1 i s-a asociat textul American(apropo, la ce nivel de
msurare ne aflm aici i ce fel de variabil este aceasta?). De asemenea, s-a
activat butonul Remove, SPSS presupunnd c dorim s eliminm aceast
asociere din moment ce am selectat-o. Pentru a modifica textul, efectum clic
41
n interiorul casetei Value Label i scriem n loc de American, America

(mai bine spus, tergem un n). De data aceasta, se activeaz i butonul
Change, SPSS depistnd modificarea efectuat i presupunnd c vom dori
s o i aplicm efectiv. Dac vei apsa acest buton (Change), vei constata c
eticheta s-a modificat din 1 = American n 1 = America. Felicitri. Ai reali-
zat prima traducere. Acum procedai la fel pentru Europa i Japonia. De-
sigur, oricnd putei include o nou asociere. Tastai cifra 4 n caseta Value
(deoarece ar urma 4 n ordine logic) i textul Romnia n caseta Value
Label, apoi apsai butonul Add care ai observat c a devenit activ. Astfel
ai asociat valoarea 4 mainilor de producie romneasc. n momentul n
care ai terminat de efectuat toate asocierile, apsai butonul OK pentru a le
memora i a prsi formularul. Reinei c apsarea butonului Cancel duce la
prsirea formularului fr memorarea asocierilor.
Apare totui o ntrebare. De ce s folosim aceste asocieri n loc de a
scrie pur i simplu n baza de date America, Europa i Japonia? n
primul rnd, pentru c este mai uor. Imaginai-v c avei de introdus un
numr de 3000 de date n baza dumneavoastr de date. n loc s scriei de
fiecare dat un text format din 6-8 caractere, vei tasta pur i simplu 1 atunci
cnd v referii la America, 2 cnd v referii la Europa i 3 cnd v referii la
Japonia. SPSS va ti, de fiecare dat, n urma asocierilor realizate n etapa
anterioar, la ce anume se refer 1, 2 i 3. n al doilea rnd, dei 1, 2 i 3 sunt
doar nite etichete pentru America, Europa i Japonia, se preteaz mult mai
bine la prelucrrile statistice ulterioare, fiind date numerice.
Procedai la fel i cu ultima variabil, referitoare la numrul de cilin-
dri ai motorului, pentru ca, n final, s obinei structura complet a bazei de
date.
Prin acest exerciiu, ne-am deprins cu unele elemente ale configurrii
structurii bazei de date. n continuare, vom salva baza de date modificat sub
42
denumirea de Masini. Directorul folosit va fi C:\Exercitii SPSS (atenie

la diacritice!).
Putei alege meniul File i opiunea Save sau Save as, putei apsa
combinaia de taste Ctrl+S sau Alt+F, Alt+S sau putei apsa butonul de
salvare de pe bara de instrumente (acela care are o dischet drept pictogra-
m). Dar atenie! Diferena dintre opiunea Save i Save as este aceea c,
folosind Save, se vor salva modificrile efectuate tot n baza de date iniial,
n cazul nostru baza de date Cars. Noi ne-am propus s salvm baza de date
sub un alt nume i ntr-un alt loc, deci nu vom putea folosi dect opiunea
Save as (Salveaz ca). Se va deschide
caseta de salvare a unei baze de date
care are acelai aspect ca i caseta de
deschidere a unei baze de date, cu ex-
cepia butonului Open, n acest caz
denumirea acestuia fiind Save. Folosind
cunotinele dobndite anterior, va tre-
bui s v poziionai cu ajutorul casetei
Figura 1.12 Fereastra de salvare a
Save in (echivalenta casetei Look in unei baze de date
din fereastra de deschidere a bazei de
date) n directorul rdcin C:\, s creai un nou director folosind butonul de
creare a unui director din acest formular pe care s-l denumii Exerciii
SPSS, s efectuai dublu clic pe acesta pentru a-l deschide i s introducei
numele bazei de date Masini n caseta File name. Apsai apoi butonul Save
pentru a salva efectiv fiierul pe disc. Ai reuit, nu-i aa?
n urma acestor operaiuni, n bara de titlu SPSS va aprea mesajul
Masini SPSS Data Editor, care ne informeaz c programul a salvat cu
succes baza de date pe disc i a activat-o.
Reamintim faptul c, la crearea unei noi baze de date, folosirea oric-
ror opiuni de salvare (meniul File, butonul de pe bara de instrumente sau
43
tastele rapide) duce la apariia ferestrei Save as, deoarece fiind o baz de date
nou, acesteia nu i-a fost atribuit nc un nume printr-o operaie de salvare.
Putei cu uurin identifica dac o baz de date are un nume (a fost salvat)
sau nu, urmrind bara de titlu. Bazele de date noi sunt identificate prin mesa-
jul Untitled SPSS Data Editor, n timp ce bazele de date salvate au afiat
numele acestora n bara de titlu. Ai observat c, la lansarea programului
SPSS, acesta creeaz automat o baz de date nou i nedefinit i ateapt din
partea noastr definirea variabilelor i salvarea acesteia. Odat salvat baza
de date, orice modificri efectum n ea, la salvare ele vor fi scrise automat n
fiierul al crui nume este afiat n bara de titlu, fr a mai aprea fereastra de
salvare de mai sus. Singura modalitate prin care putem da un alt nume bazei
de date sau prin care o putem salva ntr-un alt loc este folosirea opiunii Save
as.
Crearea unei noi baze de date se poate face folosind meniul File,
submeniul New i opiunea Data, combinaiile de taste Ctrl+N sau Alt+F,
Alt+N, Alt+A. n oricare dintre aceste situaii, SPSS va crea o baz de date
goal i nedefinit, la fel ca n cazul lansrii programului.
Ca exerciiu, folosind cunotinele dobndite, v propunem crearea

unei noi baze de date avnd urmtoarea structur i salvarea acesteia sub
numele de IQ n directorul C:\Exercitii SPSS:
Variabila nume va fi de tip ir de caractere (string) i va stoca nu-

mele subiecilor, toate celelalte variabile fiind numerice. Exist dou definiii
de asocieri, i anume variabila sexul (1-Masculin 2-Feminin) i scoala
(1-Primare 2-Gimnaziu 3-Liceul 4-Postliceala 5-Facultate)
44
Dup construirea structurii de date, procedai la salvarea fiierului n

locul precizat.
Folosind cunotinele teoretice acumulate, precizai tipul fiecrei va-
riabile create n acest exerciiu.
Ne propunem n continuare aprofundarea definirii variabilelor n

SPSS. Pentru aceasta, ne vom folosi de baza de date IQ creat i salvat n
exerciiul anterior. n seciunea Data View, am remarcat deja prezena a zece
caracteristici prin care se poate defini o variabil n SPSS. Prima dintre aces-
tea se refer la numele variabilei (Name), caracteristic ce nu presupune prea
multe explicaii. Numele variabilei reprezint modul n care aceasta va fi ape-
lat n toate prelucrrile efectuate folosind baza de date. Nu putem ns s nu
precizm c SPSS impune o serie de restricii n denumirea variabilelor (ver-
siunile mai mici de versiunea 13): n primul rnd, numele acestora s nu de-
peasc 8 caractere, variabilele cu nume mai lungi de 8 caractere nefiind
acceptate. Apoi, nu pot fi folosite spaii sau semne de punctuaie n denumi-
rea variabilelor, putnd fi ns folosit linia de subliniere pentru cazurile n
care dorim s abreviem o variabil format din dou cuvinte. De exemplu,
dac avem o variabil care se refer la anul naterii, o vom putea abrevia de-
numind-o an_naste. Astfel, lungimea ei este de 8 caractere, fiind acceptat de
SPSS, iar cele dou cuvinte componente le-am separat printr-o linie de subli-
niere, fapt de asemenea acceptat de SPSS. Nu conteaz dac scriem numele
variabilelor cu litere mari sau cu litere mici, deoarece, n final, SPSS le con-
vertete automat n litere mici. Din punctul de vedere al primei caracteristici,
baza noastr de date IQ nu creeaz probleme, fiind definite cinci nume de
variabile: numele, varsta, sexul, scoala i iq.
A doua caracteristic se refer la tipul de date ce va fi stocat n aceste
variabile (Type), caracteristic pe care nu am abordat-o n detaliu n timpul
prezentrii noastre de pn acum. Aceast seciune conine un buton cu trei
puncte de suspensie, pe care l putem apsa pentru a deschide fereastra de
45
configurare a tipului de date. Aceasta conine o serie de butoane de opiuni,

dintre care putem selecta tipul de date pe care variabila noastr l va stoca,
dup cum urmeaz:
Tipul de date Numeric
se refer la numere. Valorile
acceptate vor fi, deci, numere, n
format standard. Alegnd acest tip
de date, putem stabili i dimensiu-
nea acestora valoarea maxim pe
care SPSS o poate accepta prin
precizarea numrului de caractere Figura 1.13 Stabilirea tipului de date
a unei variabile
n cmpul Width i numrul de
caractere dup virgul n cmpul Decimal Places. De exemplu, numrul ma-
xim de caractere 3 i 2 caractere zecimale nseamn c acea variabil poate
stoca valori numerice de la 0 pn la 999,99. Acest tip de date va scrie valori-
le numerice fr nici o separaie ntre sute i mii i folosind ca separator ze-
cimal separatorul configurat al sistemului. Un exemplu de numr scris n
acest format ar fi 78457845.57
Tipul de date Comma se refer, de asemenea, la numere i pot fi
definite la fel ca tipul anterior, numai c acestea vor fi afiate folosindu-se
virgula ca separator ntre valoarea sutelor i valoarea miilor i punctul ca se-
parator al valorilor zecimale. De exemplu, o valoare numeric n acest format
ar arta astfel: 9,999.89. Este, practic, formatul numeric clasic american.
Tipul de date Dot identic cu tipul de date anterior, doar c se in-
verseaz rolul punctului i al virgulei. Relund acelai exemplu, numrul de
mai sus va fi scris astfel: 9.999,89 n acest caz recunoatem formatul rom-
nesc.
Tipul de date Scientific notation se refer la modul tiinific de
afiare a cifrelor, folosind litera E pentru a reprezenta puterile lui 10. Modul
46
de configurare a dimensiunii variabilei este acelai, iar un exemplu de numr

folosind aceast reprezentare poate fi 1.23E2 ceea ce semnific de fapt
123.00.
Tipul de date Date se refer
la date calendaristice. Alegnd aceast
opiune, va trebui s configurai, selec-
tnd din lista ce se va deschide, modul de
afiare a datei calendaristice dintr-o mul-
ime de formate care vi se ofer.
Figura 1.14 Tipul de date
Tipul de date Dollar se refe- calendaristice
r la valori monetare, avndu-se n vede-
re moneda american. Putei alege i particulariza valoarea maxim pe care o
poate accepta variabila din lista ce se afieaz sau putei particulariza aceast
valoare, la fel ca n cazul valorilor numerice.
Tipul de date Custom currency permite definirea unor valori
monetare particularizate, valabile pentru alte ri n afara Statelor Unite. Se
poate defini forma de prezentare a variabilei i valoarea maxim acceptat, la
fel ca la tipul anterior.
Tipul de date String stocheaz doar iruri de caractere, cu alte
cuvinte texte, fr nici o posibilitate de prelucrare statistic. Poate fi definit
i aici dimensiunea maxim pe care o poate avea variabila din punctul de
vedere al numrului de caractere acceptate. n cazul nostru, variabila nume
este un exemplu excelent de variabil de tip string.
Caracteristica a treia i caracteristica a patra a unei variabile, respectiv
Width i Decimals se refer exact la valorile maxime pe care le pot accepta
variabilele i la numrul de zecimale, elemente pe care le-am discutat anteri-
or, iar aceste dou caracteristici nu fac dect s creeze o alt posibilitate de
definire a variabilelor sub acest aspect.
47
n cazul exemplului nostru, constatm c avem o singur variabil de

tip string, variabila nume care poate accepta maxim 20 de caractere, toate
celelalte variabile fiind de tip numeric; variabilele sexul i coala pot
accepta doar o singur cifr fr zecimale, iar variabilele varsta i iq pot
accepta 3 cifre fr zecimale. Aceast definiie permite stocarea subiecilor cu
numele format din maxim 20 de litere, vrsta poate lua valori de pn la 999,
suficient, deci, pentru scopurile noastre, acelai lucru fiind valabil i pentru
coeficientul de inteligen. Sexul i nivelul de colarizare accept doar o sin-
gur cifr, deoarece am convenit s asociem valoarea 1 cu sexul masculin i 2
cu sexul feminin, n mod analog procednd i cu nivelul de colarizare. Date-
le au fost definite ca numerice pentru a crea posibilitatea interpretrii lor ulte-
rioare, cunoscndu-se faptul c datele de tip string nu pot fi interpretate sta-
tistic.
Urmtoarea caracteristic, caracteristica Label, permite includerea
unei denumiri mai intuitive a variabilei, prin care s poat fi mai uor identi-
ficat i recunoscut. Astfel, variabilei nume i putem da eticheta Numele
subiecilor, variabila iq o putem eticheta drept Coeficientul de inteligen-
i aa mai departe. Putem include orice etichet descriptiv dorim pentru
numele unei variabile, cu condiia ca lungimea acesteia s nu depeasc 255
de caractere. Deci atenie la scrierea romanelor n descrierea variabilelor!!!
Aceast caracteristic mai are ns o funcie important; SPSS include etiche-
ta variabilelor n rapoartele finale rezultate n urma prelucrrii datelor. Dac
creai un tabel de frecven, SPSS nu va afia numai numele variabilei, de
exemplu iq, ci va include i descrierea acesteia, Coeficientul de inteligen-
, fcnd astfel mult mai estetice i mai inteligibile foile de raport.
Caracteristica Values am discutat-o pe larg n seciunile anterioare i
nu vom mai reveni asupra ei. Menionm doar c ea permite clasificri (deci
variabile categoriale) i asocieri de valori. Spre exemplu, putem asocia valoa-
rea 1 sexului masculin i valoarea 2 sexului feminin, pentru a putea introduce
48
mai uor datele i pentru a putea efectua prelucrri statistice la nivel de varia-
bile nominale.
Caracteristica Missing permite defi-
nirea modului n care vor fi tratate valorile
lips din cadrul unei variabile. Uneori, este
important s cunoatem de ce lipsesc valori
dintr-o variabil. Datele lips se pot datora,
spre exemplu, faptului c subiectul refuz
s rspund la o anumit ntrebare sau fap-
Figura 1.15 Tratarea valorilor lips
tului c ntrebarea nu este adresat acelui
subiect. Iat dou situaii care ar necesita un
tratament separat al valorilor lips. Datele pe care le vei trata n mod explicit
ca date lips pot fi supuse apoi unei analize statistice separate, fiind iniial
excluse din cele mai multe calcule. Un alt exemplu, frecvent ntlnit n ches-
tionarele sociologice, se refer la codificarea rspunsurilor de tip Nu tiu/Nu
rspund. Majoritatea cercettorilor codeaz aceste variante cu 9 sau 99. Evi-
dent, variantele incerte nu vor face obiectul prelucrrii iniiale a datelor. Fo-
losind aceast seciune se pot include aceste valori (9 sau 99) ca valori lips,
SPSS eliminndu-le din analiz. Definirea valorilor lips poate accepta trei
situaii. Situaia No missing values, cnd comunicm programului c nu
dorim un tratament special pentru valorile lips, acestea fiind tratate ca atare
n cursul fiecrei prelucrri de date pe care o realizm, situaia Discrete
missing values, cnd putem defini pn la trei valori care vor fi tratate ca
valori lips n cursul prelucrrilor statistice ulterioare (de exemplu, la un
chestionar cu 3 variante de rspuns, dorim ca doar rspunsurile 1 i 3 s fie
luate n calcul, rspunsul 2 fiind tratat ca non-rspuns. Pentru aceasta, vom
include cifra 2 n prima dintre cele trei casete ale acestei seciuni.) i situaia
Range plus one optional discrete missing value, n care putem stabili un
interval pentru care valorile vor fi tratate ca valori lips (spre exemplu, coefi-
cienii de inteligen cuprini ntre 10 i 75), n plus existnd posibilitatea de
49
a include i o valoare particular (discret), ca i n situaia anterioar. n

exemplul nostru de baz de date, nu avem nici un motiv de a trata n vreun fel
valorile lips, deci nu vom configura aceast caracteristic.
Caracteristica Columns permite specificarea limii coloanei n care
se vor afia valorile variabilelor n modul Data View. Implicit, coloanele au o
lime egal cu 8 caractere. Putem include aici o alt valoare sau putem redi-
mensiona limea coloanelor n modul Data View, prin tragerea cu ajutorul
maus-ului a liniei de separaie dintre dou coloane. Introducerea diferitelor
valori pentru aceast caracteristic permite ajustarea i redimensionarea pre-
cis a limii coloanelor. n cazul nostru, pentru variabila nume, dimensiu-
nea implicit de 8 caractere va fi insuficient pentru prezentarea unui subiect
cu numele Popescu Valentin, afindu-se doar primele 8 caractere i anume
Popescu . Pentru a vedea ntregul nume, fie introducei valoarea 16 pentru
caracteristica Columns a variabilei nume, fie tragei cu ajutorul maus-ului
linia de demarcaie dintre coloana nume i coloana varsta, pentru a mri
limea coloanei de afiare a numelui subiecilor. Aceast caracteristic, ca i
urmtoarea, nu influeneaz n niciun fel modul de prelucrare a datelor, ci
doar aspectul tabelului de date din Data View.
Caracteristica Align controleaz modul n care sunt aliniate valorile
variabilelor n tabelul de date. Putei opta pentru o aliniere la stnga, centrare
sau aliniere la dreapta a valorii variabilelor n cadrul coloanelor din Data
View, fr a influena n vreun fel modul de prelucrare al variabilelor. Ca
regul general, variabilele de tip string se aliniaz la stnga, iar variabilele
de tip numeric sau dat calendaristic se aliniaz la dreapta pentru o mai bun
lizibilitate n cadrul tabelelor de date.
Ultima caracteristic, Measure, este n acelai timp i una foarte im-
portant, permind alegerea nivelului de msurare al variabilei. Se poate
opta pentru dou sau trei niveluri de msurare, n funcie de tipul de variabil.
Astfel, pentru variabila nume, care este o variabil de tip string, sunt dis-
50
ponibile doar nivelurile nominal i ordinal de msurare. Stocarea numelui i a

prenumelui are o valoare pur informativ i nu permite nici mcar o clasifica-
re a acestora. Nivelul de msur va fi deci nivelul nominal. Variabila varsta
este variabila numeric prin care se stocheaz vrsta subiecilor. Aceast va-
riabil are intervale egale, zero absolut i permite rapoarte n cadrul scalei,
deci poate fi considerat la un nivel de msurare scalar4. Variabila sexul nu
este altceva dect tot o variabil nominal, care nu permite dect o clasificare
a persoanelor n funcie de genul lor biologic. Variabila scoala poate fi pri-
vit ca o variabil nominal, dac intenionm doar s clasificm subiecii n
funcie de studiile absolvite, sau se poate accepta un nivel ordinal de msura-
re la nivelul acesteia, dac ierarhizm subiecii n funcie de gradul lor de
colarizare. Vom lua n considerare a doua situaie i o vom accepta ca varia-
bil ordinal. n sfrit, variabila iq este fr discuie o variabil de tip or-
dinal.
Iat c, parcurgnd aceste etape, am reuit n cele din urm s constru-
im structura unei baze de date simple n acord cu principiile i domeniile de
definiie ale variabilelor i cu nivelul lor de msurare.
Un aspect important pe care merit s-l menionm se refer la proce-
sul de codare al variabilelor (proces pe care l-am ntlnit la codarea variabile-
lor sex i nivel de colarizare). n general, cercettorii cu experien cunosc
intuitiv modalitatea de codare optim a unei variabile. Pentru a veni n spriji-
nul debutanilor, Newton i Rudestam (1999) propun, n lucrarea Your
statistical consultant, un set de reguli folosite n acest proces (Field, 2005).
Toate datele trebuie codate numeric. Pentru a coda, de exemplu,
sexul, am putea folosi i M pentru masculin, respectiv F pen-
tru feminin. Un asemenea proces de codare ar fi complet eronat,
4
Ca observaie, n SPSS, nivelurile de msur de interval i de raport au fost reunite sub
denumirea generic de nivel de msur scalar. Proiectanii acestei aplicaii au renunat la
distingerea celor dou, reunindu-le sub denumirea de nivel scalar.
51
deoarece ar limita radical posibilitile de prelucrare statistic a

datelor. Recomandarea este aceea c, atunci cnd suntem n astfel
de situaii, este de preferat s folosim, de exemplu, 1 pentru Mas-
culin i 2 pentru Feminin. Aceste cifre nu au dect o valoare de
etichet i nu reprezint un proces de ierarhizare (nu spunem c
masculinul este mai jos dect femininul deoarece are valoarea
1). La fel de bine putem s scriem 2 masculin i 1 feminin sau 5
masculin i 7 feminin. Acest proces de codare poart numele de
codare dummy. Tot ceea ce trebuie s facei este s reinei codu-
rile atribuite.
Fiecare variabil trebuie s ocupe o coloan distinct n baza
de date i fiecare subiect va ocupa o singur nregistrare. Este
foarte important ca datele unui subiect s ocupe un singur rnd n
baza de date SPSS, iar fiecare coloan s se refere doar la o singu-
r variabil. n cazul n care o variabil este msurat de mai mul-
te ori (tipic pentru experimente de tip testare iniial testare fina-
l), se vor aloca dou coloane pentru acea variabil, una care s se
refere la testarea iniial i una viznd testarea final. De exemplu,
dac avem un experiment prin care, n urma unei tehnici oarecare,
presupunem c mbuntim memoria, va trebui s testm memo-
ria subiecilor nainte de aplicarea tehnicii, s aplicm tehnica i
apoi s testm din nou memoria subiecilor, pentru a vedea dac
au aprut modificri. n acest caz, putem defini cele dou variabile
prin mem_ini care reprezint testul iniial de memorie i mem_fin
care se refer la testul final. Astfel, nu nclcm aceast regul, iar
datele vor fi consistente.
Toate codurile pentru o variabil trebuie s fie mutual exclu-
sive. Cu alte cuvinte, nu trebuie s existe dect un singur numr ce
poate fi stocat ntr-o variabil. n anumite chestionare pot exista
52
itemi care permit alegeri multiple (de exemplu, la solicitarea: Bi-

fai din urmtoarea list partidele cu care n mod sigur nu vei vo-
ta la urmtoarele alegeri: pot fi variantele de rspuns PSD,
PD, UDMR, PNG etc. n acest caz, subiectul poate alege un
singur partid, dou partide sau le poate alege pe toate). O aseme-
nea situaie impune crearea unui numr de variabile egal cu vari-
antele de rspuns (de exemplu nu_PSD, nu_PD, nu_UDMR,
nu_PNG) cu categorii dihotomice de genul 0 Neselectat, 1 Se-
lectat care vor fi analizate ulterior. De obicei, asemenea itemi au
i o categorie de genul Altul. Care_______ prin intermediul creia
subiectul poate s-i exprime liber opiunea. n mod normal,
aceast categorie se analizeaz prin alte metode i nu folosind
SPSS, deoarece variabilitatea rspunsurilor confer o valoare sta-
tistic foarte redus.
Fiecare variabil trebuie codat astfel nct s se obin ma-
ximum de informaii. Categoriile sau valorile variabilei nu trebu-
ie sintetizate n prima variant, ci trebuie incluse exact aa cum
apar pe formularele de colectare a datelor. Sintetizarea valorilor i
cumularea categoriilor poate fi fcut mai trziu, utiliznd funcii-
le specifice SPSS. De exemplu, se prefer introducerea exact a
valorii pentru vrsta subiectului, n ani, i nu ncadrarea subiectu-
lui n categorii de vrst (sub 14 ani, ntre 14 i 20 de ani, peste 20
de ani etc.). Iniial, se va proiecta o variabil, varsta, care va stoca
vrsta exact a subiecilor. Ulterior, dac se va dori transformarea
acestei variabile scalare ntr-o variabil discret, ordinal, numit
grup_varsta, se pot folosi tehnici specifice de conversie. Ca idee
general, ntotdeauna cnd este posibil, se vor folosi variabile con-
tinui la un nivel de msur ct mai aproape de scala de raport. Este
uor s transformm o variabil continu ntr-una discret, ns
imposibil s trecem de la o variabil discret la una continu. Du-
53
p cum tii deja, valoarea informativ cea mai ridicat o au totui

variabilele continui, astfel nct profitai de ele.
Fiecare subiect trebuie s aib o valoare pentru fiecare varia-
bil. Uneori nu este posibil s includem valori n fiecare coloan,
fie deoarece subiectul nu a rspuns, fie pentru c itemul respectiv
nu i se adreseaz. n acest caz, se recomand s lsai acea celul
liber, deoarece SPSS este astfel proiectat nct s trateze celulele
goale drept cazuri lips. Introducerea altor valori pentru cazurile
lips poate crea confuzii. Respectai ntotdeauna regula ceea ce e
cel mai simplu este i cel mai bun.
Regulile de codare se vor aplica tuturor subiecilor. Acest lucru
nseamn c nu putei aplica reguli valabile doar pentru anumii
participani. De exemplu, dac dorii ca anumite valori s fie trata-
te ca valori lips pentru un anumit subiect, nu putei face acest lu-
cru. Valorile lips vor fi tratate similar pentru toi subiecii.
Folosii coduri n concordan cu sensul scalei. Unele chestio-
nare presupun tipuri de scale ordinale (de exemplu 1 niciodat, 2
rareori, 3 uneori, 4 deseori, 5 ntotdeauna). Dei scalele pot
fi codate i invers (1 ntotdeauna, 2 deseori, 3 uneori, 4 ra-
reori, 5 niciodat), se recomand pstrarea sensului natural al
scalei pentru evitarea problemelor ulterioare referitoare la inter-
pretare. Mai uor asociem niciodat cu 1 dect niciodat cu 5.
Oricum, chiar dac ulterior exist suficiente posibiliti de recoda-
re a valorilor astfel nct analiza s fie consistent, proiectarea
adecvat a cercetrii i codrii v poate scuti de bti de cap i
munc inutil.
54
Dup proiectarea bazei de date, se recoman-

d listarea structurii acesteia (a meta-informaiilor)
n vederea consultrii ulterioare. Dac nu vei lucra
cteva luni cu baza de date, probabil c nu vei reine
la ce se refer mem_ini sau mpg i nici de ce tip
este. SPSS prezint o modalitate uoar de a afia
structura bazei de date cu informaii complete. Nu
trebuie dect s accesai meniul File i apoi opiunea
Display Data File Information. Se va deschide o
Figura 1.16 Afiarea infor- nou seciune care v invit s alegei ntre a afia
maiilor despre baza de date informaiile bazei de date curente (Working File)
sau cele ale unei alte baze de date de pe disc
(External File). Noi suntem interesai de afiarea structurii bazei noastre
de date (IQ.sav) i vom alege, aadar, prima opiune.
n fereastra de rezultate (Output), vor aprea o serie de tabele cores-
punztoare definiiilor variabilelor din baza de date, astfel:
Tabelul 1.1 Tabelul de structur a bazei de date
Variable Information
Measurement
Variable Position Label Level Column Width Alignment Print Format Write Format
nume Numele
1 Nominal 14 Left A20 A20
subiectului
varsta Varsta
2 Scale 8 Right F2 F2
subiectilor
sexul Genul
3 biologic al Scale 8 Right F1 F1
subiectilor
iq Coeficientu
4 l de Scale 8 Right F3 F3
inteligenta
Variables in the working file
55
III.2.5 Obinerea indicatorilor tendinei centrale n SPSS

V mai amintii, cred, de baza de date creat n SPSS n capitolul unu
i pe care am numit-o IQ. Haidei s o deschidem. Dac nu reuii, revedei
primul capitol.
Acum vom introduce cteva date n SPSS. Trecem, deci, n modul
Data View prin apsarea tabulatorului din partea din stnga jos a progra-
mului SPSS.
Se afieaz o foaie de lucru, un tabel similar tabelului din Excel, n
care, pe prima coloan, cea de culoare gri (capul de tabel), ntlnim numele
variabilelor definite anterior.
Modul de lucru este analog celui din Excel. Se scriu pur i simplu da-
tele n celule. Atenie! Avem dou variabile pentru care am asociat valori:
variabila sexul i variabila scoala. Aici nu vom scrie cuvntul Mascu-
lin sau Feminin, ci vom tasta 1 pentru Masculin i 2 pentru Feminin.
La fel i n cazul variabilei scoala, vom tasta 1 pentru Primare, 2 pentru
Gimnaziu i aa mai departe.
Baza dumneavoastr de date trebuie s arate n final ca n figura de
mai sus. O mic precizare. Pe bara de instrumente, penultimul buton se nu-
mete Value Labels i arat ca n imaginea alturat. La o apsare a
acestuia, butonul se activeaz, iar
n baza de date se afieaz etiche-
tele asociaiilor fcute, ca n figu-
ra alturat. La o nou apsare,
etichetele asociaiilor nu se mai
afieaz, ci se afieaz valorile
asociaiilor ca n figura mare de Figura 3.2 Baza de date cu afiarea etichetelor
mai sus. asocierilor
92
Dup ce am introdus cele 30 de date, vom salva baza de date i vom

iniia procedura de extragere a indicatorilor tendinei centrale. Indicatorii
tendinei centrale ne sunt furnizai prin interme-
diul numeroaselor proceduri statistice. Cele mai
simple comenzi, pentru a nu complica inutil ex-
punerea, le gsim n meniul Analyze i apoi n
meniul Descriptive Statistics. n traducere,
Figura 3.3 Lansarea proce-
durilor de analiz descriptiv analize statistici descriptive. Primele trei co-
pe frecvene menzi din acest submeniu pot extrage indicatorii
tendinei centrale. Vom analiza doar prima comand, comanda
Frequencies, urmnd ca celelalte dou s le discutm cu alte ocazii,
deoarece presupun i alte informaii.
Comanda Frequencies sau
frecvene prezint cele trei puncte, fapt
care va duce la deschiderea unei noi case-
te de dialog. Dai clic pe aceast comand
i vei obine o caset ca cea din imaginea
de mai jos.
Figura 3.4 Caseta de analize descrip-
n partea stng se afl o list cu tive utilizndu-se frecvenele
toate variabilele din baza dumneavoastr
de date. Alturi de aceast list, se afl un buton de transfer (acel buton cu o
sgeat pe el). Urmeaz apoi lista
Variable(s), care nseamn variabile-
le pe care le introducem spre analiz.
Pentru a introduce o variabil spre ana-
liz, trebuie s o selectm, printr-un clic
simplu pe numele acesteia, din lista de
variabile din partea stng. O variabil
Figura 3.5 Includerea variabilelor spre
analiz
selectat are fundalul albastru (sau o
93
alt culoare n funcie de schema de culori a calculatorului dumneavoastr).

Dup ce o selectai, apsai butonul de transfer (care va avea sgeata orientat
spre lista Variable(s)) pentru a transfera variabila dumneavoastr n lista
variabilelor ce urmeaz a fi analizate. n figura din stnga, transferm variabi-
la Varsta subiectilor din lista variabilelor din baza de date n lista variabile-
lor supuse analizei. n final, va trebui s obinei o imagine ca cea de alturi.
Observai c dac am transferat variabila Varsta subiectilor n lista variabi-
lelor supuse analizei, butonul de transfer i-a schimbat sensul. Acum, dac
apsm pe el, scoatem variabila noastr din lista variabilelor supuse anali-
zei (dup ce, n prealabil, evident, o selectm) i o introducem n lista variabi-
lelor totale din baza de date. Oricum, acest buton de transfer ne va nsoi
permanent n analizele noastre, deoarece va trebui s spunem programului
ce variabile s analizeze i pe care s nu le analizeze.
Vom trece n revist acum toate comenzile din aceast fereastr, cu
precizarea c unele dintre ele vor fi abordate n detaliu n cadrul altor capito-
le.
Caseta de bifare Display frequency tables informeaz aplicaia
SPSS dac s afieze tabelul frecvenelor (n condiiile n care aceast caset
o bifai) sau s nu-l afieze (n condiiile n care nu o bifai). Tabelul frecven-
elor este acel tabel general, studiat la capitolul despre organizarea datelor,
nainte de a grupa valorile n clase. Iat c, acum, am ales ca acest tabel al
frecvenelor s fie afiat.
n partea dreapt a acestui formular, se afl un numr de cinci butoane
de acionare.
Butonul OK este butonul pe care vom apsa pentru a lansa
analiza, dup ce am configurat modul n care dorim ca analiza
s fie efectuat.
94
Butonul Paste este un buton pe care nu-l vom folosi deloc.

El permite lipirea codului care efectueaz analiza curent
ntr-o fereastr de sintax de comenzi. El se adreseaz utiliza-
torilor care doresc s fac programare n SPSS, utiliznd lim-
bajul propriu de programare al acestei aplicaii. ntr-o alt lu-
crare, vom aborda i aspecte legate de programarea n SPSS.
Butonul Reset permite reiniializarea ferestrei la starea ei
original. Cu alte cuvinte, toate variabilele din lista de analiz
sunt eliminate, toate configurrile de analiz pe care le-am f-
cut sunt iniializate la valoarea lor implicit. Este un buton pe
care-l vom folosi destul de frecvent.
Butonul Cancel este butonul prin care renunm la analiz
i nchidem aceast fereastr, fr a mai efectua nicio operai-
une.
Butonul Help este butonul cu ajutorul cruia obinem asis-
ten i informaii (n limba englez) referitoare la funciona-
rea acestei proceduri. Dac tii englez, nu ezitai s-l utili-
zai. SPSS are un tutorial excelent pe care l putei parcurge i
nelege cu succes.
n partea de jos a formularului,
se afl trei butoane care permit configu-
rarea statisticilor pe care le vom calcula.
Butonul Statistics este bu-
tonul pe care vom i apsa acum pentru
a calcula indicatorii tendinei centrale.
Dup cum i spune i numele, cu ajuto- Figura 3.6 Fereastra de alegere a
indicatorilor tendinei centrale
rul acestui buton, putem stabili ce statis-
tici descriptive vom analiza. Iat c cele
95
trei puncte de suspensie deschid acum o nou fereastr. Fereastra are mult
mai multe opiuni. Pentru moment, ne vom rezuma la cele care ne interesea-
z. Observm c, n partea dreapt a acestei noi ferestre, gsim seciunea
Central Tendency, adic exact ceea ce urmrim s punem n eviden. n
aceast seciune, observm casetele de bifare Mean (media), Median
(mediana) i Mode (modul). Acestea sunt elementele pe care dorim s le
calculm. Vom bifa deci, una cte una, aceste casete, prin efectuarea unui clic
simplu pe ele, astfel nct formularul s arate ca n figura de mai sus. Mai
exist i caseta de bifare Sum (suma), prin bifarea creia obinem suma
valorilor din variabila respectiv. Variabila noastr este vrsta subiecilor i
nu ne intereseaz s nsumm vrstele celor 30 de subieci. Ar fi un indicator
fr nici o relevan pentru noi.
Dup ce am bifat cele trei casete, apsm butonul Continue (conti-
nuare), pentru a prsi aceast fereastr i a ne ntoarce n cea iniial. Acum
am comunicat programului SPSS ce indicatori statistici s extrag.
Butonul Chart i Format permite afiarea unor grafice,
respectiv configurarea modali-
tii n care vor fi afiate re-
zultatele. Despre aceste bu-
toane vom discuta cu alt oca-
zie.
Cam asta ar fi tot.
Practic, am spus programului
SPSS s calculeze media, me-
diana i modul pentru variabi-
la Varsta subiectilor cu afi-
area tabelului de frecvene.
Figura 3.7 Fereastra de afiare a rezultatelor
Nu ne rmne acum dect s
apsm butonul OK i s
96
vedem ce se ntmpl.
Iat c a aprut fereastra de rezultate sau fereastra Output. Nu vom
intra acum n detalii explicative ale acestei ferestre, pentru c s-ar putea s v
speriai de prea multe informaii i s trecei la Solitaire. Ne vom concentra
asupra celor dou tabele pe care le-a generat SPSS n partea din dreapta a
ferestrei de rezultate (partea cea mare), care nu reprezint altceva dect cele
dou tabele pe care le-am solicitat. Primul tabel conine indicatorii tendinei
centrale pe care i-am configurat n etapa anterioar.
Tabelul se numete Statistics i conine n partea de sus numele va-
riabilei, Varsta subiectilor, pentru a putea identifica variabila cu care ope-
rm. Apoi ne d numrul de cazuri, N, i ne spune c sunt 30 de date vali-
de (Valid) i zero date lips (Missing). Cu alte cuvinte, toi cei 30 de
subieci au nregistrat vrsta lor. Nu exist nici un subiect la care s fi uitat
s introducem aceast valoare. n continuare, ne spune c media de vrst
este 29,33 (Mean), mediana este 29 (Median), iar modul. avem o
problem. SPSS ne infor- Tabel 3.7 Indicatorii tendinei centrale
Statistics
meaz n josul tabelului c
sunt mai multe valori cu Varst a subiectilor
N Valid 30
frecvena cea mai mare i Missing 0
c o va afia pe cea mai Mean 29,33
Median 29,00
mic, 24 (Multiple
Mode 24a
modes exist. The smallest a. Mult iple modes exist. The smallest v alue is shown
value is shown). Acesta
este, deci, un singur mod real, cel inferior, i urmeaz s vedem care este i
cealalt valoare modal, deoarece avem o distribuie cu mai multe moduri
(multimodal).
97
niciuna. Vom putea ns face media acestor dou eantioane. Adunm 178 cu
165 i mprim la doi. Obinem 171,5 centimetri, un indicator mai precis
pentru media populaiei. Iat c media eantioanelor este un indicator care
aproximeaz mai bine media unei populaii. Cu ct avem mai multe eantioa-
ne, cu att putem stabili mai precis media populaiei. Aceast caracteristic a
mediei eantioanelor de a tinde ctre media populaiei poart n statistic nu-
mele de teorema limitei centrale. Asupra acestui aspect vom reveni i
vom avea ocazia s-l tratm amnunit ntr-un alt capitol.
IV.1 Reprezentri grafice

Am studiat n primul capitol o serie de repre-
zentri grafice uzuale. Vom vedea cum putem repre-
zenta grafic datele folosind SPSS i ce semnificaie
au aceste reprezentri. Aadar, vom deschide baza de
date creat anterior, baza de date IQ, i ne propunem
s reprezentm datele noastre printr-un grafic cu ba-
re.
Figura 4.1 Meniul
pentru graficul cu bare Vom folosi pentru
aceasta meniul Graphs i
apoi opiunea Bar n general, n meniul
Graphs gsim toate posibilitile de reprezentare
grafic a datelor pe care SPSS le pune la dispoziie8.
n momentul n care am accesat opiunea
Bar... apare o nou fereastr, n care va trebui s
alegem tipul de grafic cu bare pe care dorim s-l re-
prezentm. Avem la dispoziie trei variante: Sim- Figura 4.2 Alegerea
ple (simplu), Clustered (pe clusteri) i tipului de grafic cu bare
8
n SPSS versiunea 15, modalitatea de construcie a graficelor difer radical, fiind mult mai
simpl i mai inteligent. Vom aborda aspectele grafice ale aplicaiei SPSS 15, la sfritul
acestui volum i n volumele viitoare
101
Stacked (aditiv). Graficul simplu ne permite reprezentarea cu bare doar a

variabilei noastre (n cazul nostru vom folosi reprezentarea cu bare a coefici-
entului de inteligen, iq). Graficul pe clusteri l folosim dac dorim s in-
cludem o variabil categorial (de exemplu, dac dorim s prezentm compa-
rativ coeficientul de inteligen al brbailor i al femeilor), iar graficul aditiv
prezint valorile una deasupra alteia i se folosete atunci cnd urmrim s
vedem cu ct crete o variabil n timp sau care este rezultatul cumulrii mai
multor variabile. n cazul nostru, vom folosi graficul cu bare simplu. Aadar
vom efectua clic pe imaginea graficului Simple pentru a-l selecta.
Exist, dup cum putei observa, un numr de trei opiuni pe care le
vei folosi: prima opiune, Summaries for group of cases arat c SPSS
va parcurge categoriile unei singure variabile i va afia, pentru fiecare bar,
categoria corespunztoare. A doua opiune, Summaries of separate varia-
bles arat c dou sau mai multe variabile vor fi parcurse, iar barele vor
indica fiecare dintre variabile. n sfrit, opiunea Values of individual cas-
es ne spune c SPSS va lucra cu o singur variabil, iar barele vor reprezen-
ta valorile sale. Aceasta este, de fapt, i opiunea care ne intereseaz pe noi.
Alegem, deci, aceast opiune, dup care apsm butonul Define pentru a
defini variabilele ce vor fi reprezentate.
Apare o nou fereastr cu mai
multe elemente. Recunoatem, n par-
tea stng, lista variabilelor din baza
noastr de date. n partea dreapt, pri-
mul element l reprezint caseta Bars
Represent care se refer la ceea ce
vor reprezenta barele noastre. Variabi-
la pe care dorim s o reprezentm este
Coeficient de inteligen. O vom
selecta i apoi vom apsa butonul de Figura 4.3 Opiunile de reprezentare ale
graficului simplu cu bare
102
transfer pentru a o include n caseta Bars Represent ca n figura de mai jos.

Pentru moment, att avem de fcut n vederea trasrii graficului cu bare.
Exist i alte opiuni pe care le putem folosi. Seciunea Category Labels
ne permite s alegem dac pe axa
categoriilor (axa OX) va fi afiat
numrul fiecrui caz (opiunea
Case number) sau valorile unei
alte variabile categoriale pe care le
vom specifica (opiunea
Variable:). Seciunea Panel
by permite gruparea barelor n
funcie de o alt variabil categori-
al. Gruparea poate fi efectuat fie
pe linii, fie pe coloane, cazuri n
Figura 4.4 Reprezentarea prin grafic cu bare
a QI pe nivele se colarizare i n funcie de sex care va trebui s specificm i vari-
abilele categoriale n funcie de
care se va face gruparea, introducndu-le n listele Rows: sau
Columns:. Dac avem vreun ablon de grafic preferat, descrcat de pe
Internet sau construit de noi, l putem folosi pentru a desena graficul nostru,
bifnd caseta Use chart specification from: i apoi apsnd butonul Fi-
le care se activeaz i ne invit s
ncrcm acel fiier. Putem, de aseme- 125
nea, da un titlu graficului nostru ap- 120

Value Coeficient de inteligenta
snd butonul Titles. Utilizarea 115
acestui buton v-o lsm dumneavoas-

tr ca exerciiu. Dup ce am terminat
110
de stabilit variabila pentru care dorim 105
s trasm graficul, apsm butonul 100

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
OK, care devine activ. SPSS va Case Number
genera graficul n fereastra de rezultate Figura 4.5 Graficul cu bare simplu al

coeficientului de inteligen
103
(Output), rezultnd un desen ca n figura de mai sus. Iat, aadar, reprezenta-

rea cu bare care ne intereseaz.
Pentru a exemplifica i ce- 125
lelalte faciliti ale acestei repre-

120
Feminin
115
zentri grafice, v prezentm, n

110
Sexul subiectilor
figura alturat, un grafic cu bare, 105
100
n care am folosit ca variabil eti- 125
chet Nivelul de colarizare, iar

120
Masculin
115
graficul este mprit pe linii dup 110
variabila Sexul subiecilor. Lan-

105
100
snd procedura de desenare prin

Li Li Li Gi Li Li Po Po Fa Fa Fa Fa Fa Pr Pr Gi Li Li Li Li Po Po Po Po Li Li Li Po Fa Fa
ce ce ce m ce ce stl stl cu cu cu cu cu im im m ce ce ce ce stl stl stl stl ce ce ce stl cu cu
u u u na u u ic ic lta lta lta lta lta ar ar na u u u u ic ic ic ic u u u ic lta lta
zi ea ea te te te te te e e zi ea ea ea ea ea te te
u la la u la la la la la
apsarea butonului OK, obinem Nivelul de scolarizare
urmtorul grafic cu bare: Figura 4.6 - Reprezentarea prin grafic cu bare

a QI pe nivele se colarizare i n funcie de sex
Observm dou grafice, n
cel de jos fiind reprezentat coeficientul de inteligen al brbailor, iar n gra-
ficul de sus cel al femeilor. Dac privim cu atenie pe axa OX, observm c,
pentru fiecare bar, este indicat i nivelul de colarizare al subiectului respec-
tiv. Dup ce vei stpni la un nivel suficient de ridicat lucrul n SPSS, vei
putea face combinaii ntre variabile pentru a realiza grafice intuitive cu care
s v susinei demonstraiile statistice.
Exerciiu:
Reprezentai, folosind un grafic cu bare, valorile variabilei Varsta
subiectilor.
n primul capitol discutam, de asemenea, despre poligonul frecvene-

lor absolute (al valorilor individuale), al frecvenelor relative i al frecvene-
lor cumulate absolute sau relative. Folosind SPSS, vom putea desena poligo-
nul valorilor individuale prin folosirea unui grafic cu linii. Pentru aceasta,
vom accesa, tot meniul Graphs i apoi, submeniul Line. La fel ca n
104
graficul cu bare, se afieaz o nou fereastr care ne invit s alegem tipul

graficului pe care-l dorim. Avem de ales ntre un grafic simplu (Simple),
care ne intereseaz i pe noi, un grafic cu linii multiple (Multiple), ce
permite trasarea a dou sau mai multe variabile pe ace-
lai grafic i un grafic de tip pivot (Drop-line), cu
ajutorul cruia putem reprezenta dou sau mai multe
categorii de date. Pentru exemplul nostru, vom alege
graficul de tip simplu. La fel ca n cazul graficului cu
bare, i aici avem cele trei opiuni cu exact aceeai
semnificaie. Vom alege, ca i n exemplul anterior,
opiunea Values of individual cases, deoarece dorim
Figura 4.7 Meniul
pentru graficul cu linii s reprezentm un poligon al
frecvenelor individuale. Pentru
a putea lansa procedeul de definire a graficului, putem
apsa butonul Define.
Observm apariia unei ferestre identice cu fe-
reastra pe care am ntlnit-o la graficul cu bare i care
are exact aceeai funcionalitate. Nu vom intra din
nou n detalii
Figura 4.8 Selecta-
asupra elemen- rea tipului de grafic cu
linii
telor pe care le
gsim aici, deoarece ele au fost discu-
tate la graficul cu bare. Vom transfera
doar variabila Coeficient de inteli-
gen, din lista variabilelor n lista
Line Represents, pentru a indica
programului SPSS variabila pe care
urmeaz s o reprezinte prin linii. De
Figura 4.9 Definirea graficului simplu cu fapt, aceasta este singura diferen
linii
ntre cele dou ferestre. n fereastra
105
anterioar, acest element se numea Bar 125
Represent, deoarece era vorba de un 120

grafic cu bare, iar aici se numete Line
115
Represents, deoarece suntem n faa

unui grafic cu linii. Nu ne rmne acum 110
dect s apsm butonul OK care 105
vedem c s-a activat, pentru a lansa pro- 100
cedura de desenare a graficului. Iat, n 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Case Number
fereastra de rezultate, apare dup cteva Figura 4.10 Poligonul frecvene-

momente i poligonul frecvenelor lor absolute pentru coeficientul de
inteligen
individuale pe
care l-am solicitat.
Cum am putea totui s reprezentm grafic
poligonul frecvenelor absolute cumulate? Ne
amintim, din capitolul despre organizarea datelor,
c frecvenele cumulate se calculeaz prin aduga-
rea frecvenei unei valori la frecvena cumulat a
valorii anterioare, irul valorilor fiind un ir ordo-
nat. La fel, am vzut c la desenarea unui grafic cu
Figura 4.11 Configurarea linii (sau cu bare) n SPSS, avem la dispoziie mai
graficului pentru
frecvenele cumulate
multe opiuni, iar
noi nu am folosit
dect opiunea Values of individual cases.
De data aceasta, vom merge tot n meniul
Graphs, opiunea Line.. . Nu vom mai
alege acum Values of individual cases, ci
Summaries for groups of cases, adic i
vom comunica programului s cumuleze ntr-
un fel valorile unei variabile. Rmnem tot la
graficul simplu, deoarece ne intereseaz s Figura 4.12 Stabilirea parametri-
lor de configurare a frecvenelor
cumulate
106
reprezentm o singur linie i nu un grup de linii sau categorii de linii. Lan-

sm apoi procedura de definire a graficului, prin apsarea butonului
Define.
n momentul n care am schimbat opiunea cu care vom defini datele
n zona grafic, evident, va aprea o alt fereastr de definiie a datelor, ca n
figura alturat.
Exist multe elemente comune cu fereastra anterioar, ns i seciuni
specifice pe care vom ncerca s le descriem pe scurt. Cea mai important
seciune este Line Represents, n care nu mai introducem pur i simplu
variabila, ci definim modul n care vor fi cumulate datele. Putem opta pentru
N of cases, prin care SPSS va numra apariiile fiecrei valori n irul de
date, obinnd un poligon al frecvenelor absolute pe date grupate, Cum.
N, adic apariiile fiecrei valori n irul de date (frecvenele), dar prezentate
cumulat i exprimarea procentual a acestora (sau frecvenele relative i rela-
tive cumulate) % of cases i Cum. %. Exist i posibilitatea s repre-
zentm grafic anumite statistici, folosind opiunea Other statistics, situaie
n care va trebui s includem varia- 30
bila pentru care vom extrage anumii

indicatori statistici i, de asemenea,
25
Cumulative Frequency
s precizm ce indicatori se vor fo- 20
losi prin activarea butonului 15
Change Statistic. Nu intrm 10
acum n detalii legate de aceast 5
opiune. n cazul nostru, am ales 0
opiunea Cum. N, deoarece dorim 100 101 103 104 105 107 108 109 110 111 120 121 124
Coeficient de inteligenta
s reprezentm frecvenele cumulate
Figura 4.13 Poligonul frecvenelor
absolute. Avem de stabilit i variabi- cumulate
la pentru care vom desena poligonul
frecvenelor cumulate absolute, pe care trebuie s o introducem n cmpul
Category Axis:, folosind butonul de transfer din faa acestui cmp. Acum,
107
nu mai trebuie dect s apsm butonul OK i obinem, iat, poligonul

frecvenelor absolute cumulate aa cum ne-am dorit. Folosind celelalte trei
opiuni, pot fi desenate poligoanele frecvenelor absolute i ale frecvenelor
relative i relative cumulate, activiti pe care vi le lsm ca exerciiu.
Reprezentarea procentual a unor variabile
categoriale, cum ar fi genul biologic sau nivelul
de colarizare, se poate face, cel mai bine, folosind
un grafic de tip plcint (pie), numit i diagram
de structur. Cu ajutorul programului SPSS, vom
ncerca s desenm graficul de tip plcint pentru
variabila nivel de colarizare. Pentru a reui acest
lucru, vom apela tot
Figura 4.14 Meniul
pentru diagramele de la meniul Graphs
structur i vom alege apoi
submeniul Pie....
De aceast dat, nu mai avem ce tip de
grafic plcint s selectm, iar urmtoarea Figura 4.15 Alegerea tipului de
grafic
fereastr prezint doar cele trei opiuni pe care
le-am discutat. Vom selecta acum prima
opiune, Summaries for groups of
cases, deoarece ne intereseaz s re-
prezentm grafic frecvenele cu care
apar subiecii cu studii primare, cei cu
gimnaziu, cu liceu etc. i, n plus,
aceast reprezentare s aib un caracter
procentual. Deci, alegnd aceast opi-
une, SPSS va aduna cazurile care au o
aceeai valoare.
Figura 4.16 Configurarea reprezentrii

prin diagram de structur
108
Pentru a defini graficul, procedm ca i n exemplul anterior, apsnd

butonul Define. Se va deschide fereastra de definire a graficului, o fereas-
tr pe care o cunoatem deja de la reprezentarea poligonului frecvenelor cu-
mulate. Singura deosebire const n seciunea Slices Represents sau, tra-
dus, ce reprezint feliile plcintei. Evident, n aceast seciune am selectat
opiunea % of cases, adic am comunicat programului SPSS s-mi repre-
zinte grafic procentul n care se gsete fiecare nivel al acestei variabile n
eantionul total.
Desigur, trebuie s precizm i variabila pentru care vor fi reprezenta-
te grafic procentele. Acest lucru l putem face prin transferarea variabilei
Nivelul de colarizare din lista variabilelor din baza de date n caseta De-
fine Slices by: Selectai, aadar, vari- Nivelul de scolarizare
Primare
abila n lista variabilelor din baza de Gimnaziu

Liceu
Postliceala
date i apsai butonul de transfer din Facultate
faa acestui element pentru a obine o

imagine ca n figura alturat. n acest
moment, se activeaz i butonul OK
pe care va trebui s apsm pentru a
lansa n execuie procedura de desena-
re a graficului. Dup cteva momente,
obinem n fereastra de rezultate urm- Figura 4.17 Diagrama de structur pentru
nivelul de studii
torul grafic plcint:
Observm c acest grafic prezint i o legend prin care suntem in-
formai asupra categoriilor variabilei analizate. Putem cu uurin constata c
majoritatea subiecilor sunt absolveni de liceu, apoi, n proporii relativ ega-
le, absolveni de postliceal i facultate. Cei mai puini sunt cei cu studii pri-
mare i gimnaziale.
Iat, aadar, cteva metode extrem de simple prin care putem desena
grafice intuitive utiliznd aplicaia SPSS. Toate aceste statistici pe care le-am
109
prezentat i pe care le vom mai prezenta fac parte din analiza de date explo-
ratorie, deoarece scopul acesteia este acela de a explora, de a cunoate struc-
tura datelor analizate.
V mai amintii, desigur,
fereastra studiat n capitolul ante-
rior, prin care am calculat indica-
torii tendinei centrale. Iat-o, v-o
reamintesc, iar dumneavoastr va
trebui s gsii comenzile prin
care s ajungei la ea, deoarece
reprezentarea grafic a datelor se
Figura 4.18 Selectarea variabilei ce ur-
meaz s fie reprezentat
poate face i n acest mod. S in-
troducem, la fel ca n capitolul
anterior, variabila Coeficient de inteligen, pentru a extrage indicatorii
tendinei centrale. Sper c v amintii cum se face. Dac nu, v dau un indi-
ciu: folosii butonul Statistics. Iat c, lng acest buton, se afl un alt
buton, butonul Charts pe care vom
apsa. Se deschide o nou fereastr, n
care putem stabili ce grafic s desenm
pentru variabila introdus n analiz.
Opiunea None nu deseneaz niciun
fel de grafic i ignor setrile grafice.
Opiunea Bar charts deseneaz un
grafic cu bare, opiunea Pie charts
deseneaz grafice plcint i, iat, opiu-
nea Histograms: ne permite desena-
rea unei histograme. Aceast opiune o Figura 4.19 Modul de reprezentare
grafic din analiza frecvenelor
ntlnim aici, alturi de caseta de bifare
With normal curve ce permite dese-
narea curbei normale care caracterizeaz datele din variabila noastr. Nu vom
110
bifa acum aceast caset, deoarece despre curba normal vom discuta ntr-un
alt capitol. Ne rezumm s alegem doar graficul sub form de histogram.
Anumite grafice pot fi reprezentate sub form de frecvene absolute
(opiunea Frequencies) sau sub form de frecvene relative (opiunea
Percentages), prin selectarea uneia dintre cele dou opiuni din seciunea
Chart Values. Folosind
Histogram aceast fereastr, avem de
configurat mult mai puine
5
elemente. Deoarece am in-

4
trodus anterior variabila pe
care dorim s o analizm,
Frequency
SPSS va lua singur decizia

2
modului n care va desena
1
graficul. Apsm butonul
Continue pentru a con-
Mean =111,33
Std. Dev. =8,511
firma aciunea noastr i

0 N =30
100 105 110 115 120 125
Coeficient de inteligenta
apoi butonul OK pentru a
Figura 4.20 Histograma pentru coeficientul lansa analiza.
de inteligen
Dup cteva momen-
te, SPSS va extrage indicatorii tendinei centrale sub forma celor dou tabele
discutate n capitolul anterior, ns ne va oferi i histograma variabilei Coe-
ficient de inteligen, alturi de o serie de date din inventarul statistic de
baz, pe care le vom discuta ntr-un alt capitol.
IV.2 Analiza grafic a tendinei centrale

Afirmam n capitolul dedicat indicatorilor tendinei centrale c media
este cel mai fin, cel mai precis indicator, ns ea are o problem este sen-
sibil la scoruri extreme i, n acest caz, nu mai aproximeaz bine tendina
central a setului de date. Totui, cum ne dm seama de existena acestor sco-
ruri extreme? Tot analiza exploratorie ne vine n ajutor. Utiliznd reprezent-
111
rile de date de mai sus, ne putem face o imagine intuitiv asupra acestor sco-
ruri extreme. Exist oare o metod mai precis de a le depista? Rspunsul
este pozitiv i vom prezenta n continuare dou tipuri de grafice deosebite,
dar care pot caracteriza mai precis scorurile extreme.
IV.2.1 Graficul tulpin i frunze

A fost conceput de ctre Tuckey (1977) i se aseamn foarte mult cu
histogramele de frecvene, ns, spre deosebire de acestea, afieaz i scoruri-
le individuale. Un asemenea grafic se deseneaz mai uor manual dect com-
puterizat i ofer o imagine precis a distribuiei, deoarece alturi de repre-
zentarea numeric ofer i o imagine vizual a datelor analizate (Dancey, i
alii, 2002).
Dac avem, de exemplu, urmtorul ir ordonat de date: 2, 12, 12, 19,
19, 20, 20, 20, 25 i dorim s construim un grafic tulpin i frunze, acesta
va arta dup cum urmeaz:
Tulpina Frunzele
0 2
1 2299
2 0005
Oare ce informaii noi ne aduce acest grafic i cum se interpreteaz?

Destul de simplu. Tulpina reprezint valorile zecilor, iar frunzele valo-
rile unitilor. Deci, tulpina 0 cuprinde scorurile de la 0 la 9, tulpina 1-
scorurile de la 10 la 19, tulpina 2 - scorurile de la 20 la 29 i aa mai departe.
Frunzele reprezint frecvenele scorului observat. Astfel, la tulpina 0 (scoruri
ntre 0 i 9) avem o singur apariie a lui 2. La tulpina 1 (scoruri ntre 10 i
19) avem frunza 2 de dou ori (adic dou apariii ale lui 12) i frunza 9 de
dou ori (dou apariii ale lui 19). La tulpina 2 (scoruri ntre 20 i 29) avem
frunza 0 cu trei apariii (trei scoruri de 20) i frunza 5 cu o singur apariie
(un singur scor de 25). Simplu, nu? Iat c, dei seamn cu o histogram,
acest grafic aduce n plus posibilitatea monitorizrii scorurilor individuale.
112
Pentru a nelege mai bine, s considerm un set mai voluminos de date: 1, 1,

2 ,2 ,2 , 5, 5, 5, 12, 12, 12, 12, 14, 14, 14, 14, 15, 15, 15, 18, 18, 24, 24, 24,
24, 24, 24, 25, 25, 25, 25, 25, 25, 25, 28, 28, 28, 28, 28, 28, 28, 32, 32, 33,
33, 33, 33, 34, 34, 34, 34, 34, 35, 35, 35, 35, 35, 42, 42, 42, 43, 43, 44. Pentru
acest set de date, avem urmtorul grafic tulpin i frunze:
0 11222555
1 2222444455588
2 44444455555558888888
3 22333344444455555
4 222334
Prin aceast reprezentare avem o metod mai concis i mai sintetic
de explorare a unui volum mare de date. Putem observa c scorurile de la
tulpina 2 (ntre 20 i 29) sunt cele mai frecvente, iar datele sunt relativ grupa-
te, fr scoruri extreme. n acest caz, am putea decide utilizarea mediei ca
indicator al tendinei centrale. Comparativ, s considerm un ir de date cu
scoruri extreme i s l reprezentm sub forma acestui grafic.
0, 0, 0, 0, 0, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5 , 5,
5, 5, 5, 5, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 9, 9, 9, 9, 9, 9, 9, 9, 10, 10, 10, 10, 10, 10, 10, 13,
13, 13, 13, 13, 18, 18, 18, 23, 64
Graficul pentru acest ir de date ar fi:

0 0000022222222333333333555555555555555777777777777799999999
1 000000033333888
2 3
6 4
Observm c graficul ne indic faptul c majoritatea scorurilor se si-

tueaz sub 20, ns avem i un scor extrem, scorul 64. Iat deci o situaie tipi-
c, n care mediana va fi cel mai bun indicator al tendinei centrale. Totui,
acest grafic efectuat pe blocuri de 10 valori nu este foarte informativ. Nu
avem o reprezentare foarte clar a scorurilor sub 20, deoarece exist foarte
multe. Prin urmare ar fi mai comod pentru noi s reprezentm grafic aceste
scoruri folosind nu blocuri de 10, ci blocuri de cinci (ntre 0 i 4, apoi ntre 5
113
i 9, ntre 10 i 14 i aa mai departe). Folosind un asemenea sistem, graficul

devine:
0. 0000022222222333333333
0* 555555555555555777777777777799999999
1. 000000033333
1* 888
2. 3
6. 4
Observm c am folosit punctul (.) pentru a desemna prima jumtate a

blocului (0-4) i stelua (*) pentru a desemna a doua jumtate a blocului (5-
9). De data aceasta, lucrurile au devenit ceva mai clare. Exist acelai scor
extrem, 64, ns acum putem afirma precis c cei mai muli subieci au obi-
nut rezultate ntre 5 i 9, ceea ce reprezint un plus de informaie. Rolul aces-
tei reprezentri este mai ales acela de a identifica existena scorurilor extreme
ntr-un set de date n vederea stabilirii indicatorului tendinei centrale ce va fi
folosit.
Discutam, pe la nceputul lucrrii noastre, despre situaia n care or-
donm toate valorile posibile i apoi stabilim frecvenele absolute prin num-
rarea apariiilor fiecrui scor individual. La fel, am abordat i problema orga-
nizrii datelor n clase. Am vzut atunci c un numr mare de clase reprezint
o abordare analitic, accentul cznd mai mult pe valori individuale i se
pierde tendina de ansamblu. Analog, un numr mic de clase determin o
perspectiv sintetic, unde vedem clar tendina de ansamblu, ns de pierde
viziunea individual. Unul dintre avantajele incontestabile ale acestui grafic
este acela c permite o viziune de ansamblu fr, ns, a se pierde repartiia
scorurilor individuale n distribuie.
Prin intermediul acestui tip de grafic, se pot reprezenta, comparativ,
dou distribuii, n situaia n care dorim, spre exemplu, s comparm rezulta-
tele la dou probe psihologice. Utiliznd cele dou seturi de date de mai sus,
am putea s le reprezentm grafic dup cum urmeaz:
114
Test 1 Test 2
9999999977777777777775555555555555553333333332222222200000 0 11222555
888333330000000 1 2222444455588
3 2 44444455555558888888
3 22333344444455555
4 222334
5
4 6
Datorit uurinei n realizare i a avantajelor pe care le ofer, acest
tip de grafic se utilizeaz tot mai frecvent n tiinele socio-umane.
IV.2.2 Graficul cutie (box-plot)

Dei graficul anterior sesizeaz scorurile extreme suficient de bine,
uneori devine destul de puin sensibil, iar scorurile extreme sunt greu de ob-
servat. O metod mai precis o reprezint graficul cutie sau graficul cutiei
cu musti. Aceast tehnic, la fel ca tehnica anterioar, a fost descoperit de
ctre Turkey (1977) i reprezint una dintre cele mai importante metode de
analiz exploratorie a datelor. La fel ca graficul tulpin i frunze, graficul
cutie descrie modul n care sunt distribuite datele i ofer, n plus, o metod
precis de depistare a scorurilor extreme (Dancey, i alii, 2002).
Acest tip de reprezentare este format dintr-un dreptunghi cu baza in-
ferioar situat n dreptul percentilei 25, iar baza superioar n dreptul
percentilei 75, cuprinznd ntre aceste limite, 50% dintre rezultate (n fapt,
intervalul cuartil despre care vom vorbi n capitolul urmtor). n interiorul
acestui dreptunghi se afl marcat linia median, corespunztoare percentilei
50. Distana dintre cele dou baze (intervalul cuartil) poart numele de h-
spread sau pe scurt H. De la cele dou baze pornesc, n sus i n jos, dou
musti de lungime maxim 1,5 H. ntre limitele acestor dou musti se
afl zona normal. Orice scor mai mare de limita mustii superioare sau
mai mic de limita mustii inferioare se consider a fi un scor extrem.
Pentru realizarea acestui grafic, vom parcurge urmtorii pai, conside-
rnd irul ordonat de date 2, 12, 12, 19, 19, 20, 20, 20, 25.
115
Pasul 1 Stabilirea medianei i a poziiei pe care aceasta o ocup n

cadrul irului de date. n cazul nostru, mediana este 19, iar poziia pe care o
ocup este poziia a cincea.
2, 12, 12, 19, 19, 20, 20, 20, 25
Pasul 2 Calculul pivoilor. Pivoii reprezint valorile care mpart
irul de date n sfertul inferior (primele 25% dintre scoruri, numit i cuartilul
inferior) i sfertul superior (ultimele 25% dintre scoruri, numit i cuartilul
superior). Dac mediana este valoarea care mparte irul ordonat de date n
dou pri egale, cuartilul este valoarea ce mparte acelai ir n 4 pri egale,
dup cum vom vedea n capitolul ce urmeaz. Reconsidernd exemplul, obi-
nem poziia primului cuartil ntre a doua i a treia valoare, adic primul
cuartil va avea valoarea 12 (amintii-v exemplul de calcul al medianei). Si-
milar, al treilea cuartil va fi situat ntre poziia 7 i poziia 8 i va avea valoa-
rea 20.
2, 12, 12, 19, 19, 20, 20, 20, 25
Pivoii, n cazul exemplului de fa, vor avea valorile 12 i 20. Putem
acum trasa dreptunghiul care ne intereseaz (box).
Pasul 3 Obinerea valorii
Pivot superior
valoarea 20 expansiunii (factorul h-spread).
Acest factor nu reprezint dect
Linia medianei Pivot inferior
valoarea 19 valoarea 12 amplitudinea scorurilor dintre cei
doi pivoi (intervalul cuartil). n
cazul nostru, h-spread = 20 12 =
Figura 4.21 Calculul pivoilor
8.
Pasul 4 Stabilirea scoruri-
lor extreme. Un scor extrem este un scor care depete o dat i jumtate
valoarea factorului h-spread raportat la cei doi pivoi. Aceste puncte de refe-
rin se numesc limite de barier. n cazul nostru, 1,5 x 8 = 12. Deci limitele
116
de barier sunt 12 12 = 0 i 20 + 12 = 32. Scorurile mai mici de 0 vor fi

considerate extreme, deoarece depesc limita de barier inferioar n jos, iar
scorurile mai mari de 32 vor fi considerate de asemenea extreme, deoarece
depesc n sus limita de barier superioar.
Pasul 5 Scorurile care se afl ntre pivoi i limitele de barier, mai
apropiate de limitele de barier se numesc scoruri adiacente. n cazul nostru,
scorurile adiacente sunt 2 i 25, deoarece 2 se afl ntre 0 i 12, iar 25 este
situat ntre 20 i 32.
2, 12, 12, 19, 19, 20, 20, 20, 25
Liniile cuprinse ntre pi-
voi i bariere (zonele scorurilor
adiacente) poart numele de
musti, iar dreptunghiul for-
mat de cei doi pivoi, care coni-
ne mediana, se numete cutie.
De aici provine i numele grafi-
cului, grafic cutie sau cutie cu
musti. Zona mustilor re-
prezint de fapt amplitudinea
scorurilor care prsesc zona
aa- numit normal, delimitat
de cei doi pivoi, scoruri care
ns rmn n limitele barierelor.
Orice scor care iese din limita
barierelor se numete scor ex-
trem.
Figura 4.22 Graficul box-plot
Dac reconsiderm irul
anterior de date, 0, 0, 0, 0, 0, 2,
117
2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5,
5, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 9, 9, 9, 9, 9, 9, 9, 9, 10, 10, 10, 10, 10, 10,
10, 13, 13, 13, 13, 13, 18, 18, 18, 23, 64, atunci graficul nostru se va prezenta
ca n figura de mai jos.
70,00
Iat c observm existena a
dou scoruri extreme ns. acestea
77
60,00
sunt notate cu 77 i 76. Am fi ncli-

50,00
nai s credem c aceste valori re-

prezint scorurile nsei. Totui, s
40,00
30,00
76
nu uitm c acest grafic se bazeaz
20,00
pe poziia unui scor n irul ordonat
10,00 de date. Prin urmare, 77 i 76 nu
0,00 reprezint scorurile propriu- zise, ci
Exemplu
poziia acestora n irul ordonat de
Figura 4.23 Graficul box-plot n SPSS. Se obser- date. Deci poziia 77 se refer la
v scorul extrem, al 77-lea element ultimul scor, adic la valoarea 64,
iar poziia 76 la penultimul scor,
adic la valoarea 23. Avem, aadar, dou scoruri extreme n irul nostru de
date i anume scorul 23 i 64. Desigur, n acest caz, indicatorul care exprim
cel mai bine tendina central este mediana. Programul SPSS ofer i o mo-
dalitate de a marca scorurile extreme. Observm c alturi de poziia 77 (co-
respunztoare scorului 64) apare o stelu. Aceast stelu are rol de avertis-
ment, n sensul c valoarea 64 este foarte ndeprtat de limita superioar a
irului de date. De asemenea, alturi de poziia 76 (corespunztoare scorului
23) apare un cercule. Acest cercule ne spune c, dei 23 este i el un scor
extrem, nu este, totui, att de deprtat de limita superioar a irului de date.
IV.3 Tratarea scorurilor extreme

Nu ne putem mulumi s constatm doar existena acestor scoruri ex-
treme, mai ales n condiiile n care acestea ar afecta puternic analiza datelor.
118
Un scor extrem duce la o distribuie de date care nu mai respect criteriul

normalitii, face media un indicator irelevant pentru acel set de date i, im-
plicit, determin imposibilitatea utilizrii statisticilor parametrice. Totui, de
unde pot s apar aceste scoruri extreme? Ce surse pot determina prezena
unor asemenea valori? (Popa, 2003)
Cea mai frecvent surs se refer la erorile de nregistrare a
datelor. Dac introducem un chestionar, la care subiecii rs-
pund la ntrebri pe o scal de la 1 la 5 i, n loc s tastm 5,
tastm, din greeal, 55, evident c acesta va aprea ca fiind
un scor extrem. Din fericire, remedierea acestei probleme este
simpl. Nu trebuie dect s analizm minimul i maximul dis-
tribuiei. Dac una dintre aceste valori iese din domeniul de
definiie, putem reveni uor la baza de date i o vom corecta.
Dac sunt mai multe valori incorecte, putem sorta datele cres-
ctor sau descresctor i putem corecta mai uor erorile sau
putem apela la o operaiune de recodificare;
Erorile de eantion se refer la situaia n care eantionul es-
tras este prea mic, iar posibilitatea de apariie a unui caz atipic
(extrem) va deveni foarte mare, dar i la cazul n care eantio-
nul a fost extras dintr-o populaie asimetric. Putem, de exem-
plu, s studiem nlimea unor subieci dintr-un liceu, iar pen-
tru aceasta extragem zece persoane din dou clase. Probabili-
tatea ca un elev s fie baschetbalist este destul de mare. Dac
avem ghinionul s l selectm tocmai pe acela, va aprea,
evident, i un caz extrem. De asemenea, dac una dintre clase
este reprezentat de clasa de sport, cu elevi nali, printre care
am gsit i un elev cu nlime normal, acea nlime normal
se va comporta ca un caz extrem;
119
Erorile determinate de existena unor populaii diferite de

valori apar atunci cnd n eantionul studiat gsim, sub aspec-
tul variabilei msurate, mai multe grupe de subieci care difer
ntre ele. De exemplu, dac studiem veniturile angajailor unei
ntreprinderi, avem suficiente anse ca salariile conducerii s
se comporte ca scoruri extreme n raport cu celelalte categorii
de angajai. n realitate, acestea nu sunt scoruri extreme, ci
problema se refer tocmai la faptul c exist mai multe catego-
rii de salarizare n acea instituie;
Erorile de msurare se datoreaz unor msurtori incorecte
sau apariiei unor situaii anormale n condiiile experimentale.
La nregistrarea temperaturii unor persoane, se poate defecta,
la un moment dat, aparatul de nregistrare sau, msurnd per-
formanele unor sportivi, putem constata apariia unor valori
extreme ca efect al dopajului.
Indiferent de sursa de eroare, naintea realizrii prelucrrilor statistice
prin metode i tehnici specifice, este absolut necesar analiza preliminar a
datelor, prin intermediul creia s depistm caracteristicile distribuiei, iar
dac acestea sunt inadecvate prelucrrilor necesare, s impunem msuri co-
rective. Din fericire, cu excepia situaiei defectrii unor aparate sau a design-
urilor de cercetare defectuoase, exist suficiente mijloace prin care putem
repara aceste disfuncionaliti. Deoarece tehnicile de transformare a date-
lor brute presupun i alte cunotine, vom amna tratarea acestora pentru un
capitol viitor.
Orice prelucrare mai avansat de date ncepe cu statisticile descriptive
i este absolut necesar o asemenea analiz exploratorie pentru a vedea care
sunt caracteristicile irului nostru de date i ce indicatori putem folosi. Pro-
gramul SPSS ne pune la dispoziie, iat, o serie de metode prin intermediul
crora putem verifica rapid i precis structura datelor cu care lucrm.
120
IV.3.1 Obinerea graficelor pentru tendina central n SPSS

Vom rmne la baza noastr de date IQ i ne propunem s obinem
aceste grafice folosind programul SPSS. Pentru a realiza acest lucru, apelm
la meniul Analyze, apoi la submeniul Descriptive Statistics i n final
utilizm opiunea Explore. Iat o
nou ancor mnemotehnic care ne
spune c ne aflm n analiza datelor, la
statistici descriptive i la analize explo-
ratorii. Efectund clic pe aceast opiu-
ne, se deschide o fereastr nou prin
Figura 4.24 Meniul de analiz explora-
torie a datelor intermediul creia putem stabili analize-
le de date ce vor fi efectuate.
Avem mai multe elemente
noi n aceast fereastr. n primul
rnd, caseta Dependent List:
care se refer la variabilele ce vor
fi incluse spre analiz. n aceast
caset vom include variabila
noastr i anume Vrsta subiec-
ilor, prin selectarea ei din lista
variabilelor din baza de date i Figura 4.25 Configurarea variabilelor n analiza
descriptiv exploratorie
apsarea butonului de transfer. n
acest moment, se activeaz i
butonul OK, ceea ce ne spune c putem face imediat prelucrarea datelor.
S nu ne grbim ns i s studiem mai atent aceast fereastr. ntr-un capitol
anterior, discutam despre faptul c indicatorii tendinei centrale (i nu numai
ei) pot fi obinui prin mai multe metode. Atunci am analizat numai opiunea
Frequencies i am promis c celelalte modaliti vor fi studiate cu alt
121
ocazie. Iat c a venit i momentul acesta. Caseta Factor List: se refer la

variabile categoriale ce pot fi utilizate n vederea gruprii analizei n funcie
de anumite criterii. Att aceast list, ct i ele-
mentul Label Cases by: vor fi studiate atunci
cnd vom clarifica conceptele de variabil de-
pendent i variabil independent. n seciunea
Display, situat imediat sub lista variabilelor
din baza de date, putem stabili ce fel de rezulta-
te s se afieze n fereastra de rezultate. Putem
opta pentru afiarea doar a rezultatelor prelucr- Figura 4.26 Stabilirea indi-
catorilor statistici
rilor statistice (Statistics), pentru afiarea
doar a graficelor (Plots) sau a ambelor
(Both). Noi vom dori s afim toate aceste date i, de aceea, am selectat
opiunea Both. Butonul Statistics permite afiarea statisticilor de-
scriptive care vor fi calculate. La apsarea acestuia va aprea urmtoarea fe-
reastr:
Sunt mai multe opiuni aici, noi vom bifa doar opiunea de calcul a
statisticilor descriptive, Descriptives. Seciunea Confidence interval for
Mean: se refer la intervalul de ncredere la care va fi calculat media.
Asupra acestui aspect vom reveni, ns, ntr-un alt capitol. De asemenea, ce-
lelalte opiuni nu ne intereseaz deocamdat, astfel nct le vom ignora pe
moment. Menionm doar c M-
estimators reprezint o alternativ la me-
dia i mediana eantionului, Outliers
afieaz primele cinci valori cele mai mari,
respectiv cele mai mici (extremele), iar
Percentiles permite calculul unor valori
percentile. n vederea confirmrii aciunii
Figura 4.27 Configurarea graficelor
exploratorii
noastre, va trebui s apsm butonul Con-
tinue pentru a reveni la fereastra anterioa-
122
r.
Acionarea butonului Plots determin afiarea unei alte ferestre,
care va configura modul de prezentare grafic a datelor. i aici avem mai
multe informaii. Pentru nceput observm c este bifat caseta Stem-and-
leaf, adic va fi afiat graficul tulpin i frunze.
De asemenea, vom afia i histograma, bifnd caseta Histogram.
Seciunea Boxplots, situat n partea stng-sus, permite configurarea mo-
dului de calcul al graficului cutie cu musti discutat anterior. Putem opta
pentru combinarea nivelurilor variabilei categoriale (dac am inclus vreuna n
fereastra anterioar), alegnd Factor levels together sau putem combina
mai multe variabile incluse n lista variabilelor independente alegnd opiu-
nea Dependents together. Desigur, putem renuna la afiarea acestui gra-
fic, selectnd opiunea Tabel 4.1 Sumarul cazurilor
None. n cazul nostru,
Case Processing Summary
Cases
avnd doar o singur varia- N

Valid
Percent N
Missing
Percent N
Total
Percent
Varst a subiect ilor
bil inclus spre analiz, pe
30 100,0% 0 ,0% 30 100,0%
oricare dintre primele dou opiuni am alege-o, obinem acelai efect. Prsi-
rea acestei casete va fi fcut tot prin apsarea butonului Continue. Nu ne
rmne acum dect s apsm butonul OK pentru a lansa procedurile de
analiz. n fereastra de rezultate avem acum mai multe tabele i grafice.
n tabelul Case Pro-
Tabel 4.2 Descriptives
Statistici descriptive
St at ist ic St d. Error cessing Summary ne sunt pre-
Varst a subiectilor Mean 29,33 1,008
95% Conf idence
Interv al f or Mean
Lower Bound
Upper Bound
27,27 zentate numrul de cazuri. Aflm
31,40
5% Trimmed Mean 29,33 c avem 30 de cazuri valide, adic

Median
30 de subieci ce au date comple-
29,00
Variance 30,506
St d. Dev iation 5,523
Minimum
Maximum
20
39
tate pentru variabila Vrsta sub-
Range
Interquart ile Range
19
10
iecilor, ceea ce reprezint un
Skewness ,116 ,427
Kurt osis -,878 ,833 procent de 100%. Evident, nu
avem nici un caz lips (Missing)
123
i, corespunztor, un procent de 0%. n total, sunt deci 30 de cazuri ce repre-

zint un procent de 100%.
Urmtorul tabel este acela al statisticilor descriptive (Descriptives).
Remarcm cu uurin media (Mean) egal cu 29,33 ani i mediana (Medi-
an) egal cu 29 de ani. Sunt mult mai multe informaii aici, legate de eroarea
standard a mediei, intervalul de ncredere al acesteia, precum i indicatori ai
dispersiei pe care-i vom studia n alt capitol. Observm c din acest tabel
lipsete modul. ntr-adevr, folosind aceast opiune nu putem calcula modul.
Urmeaz apoi histograma pentru variabila Vrsta subiecilor, nsoi-
t de o serie de date statistice cum ar fi media, abaterea standard i numrul
de cazuri i, iat, graficul tulpin i frunze, pe care l-am discutat anterior.
Varsta subiectilor Stem-and-Leaf Plot
Frequency Stem & Leaf
3,00 2 . 001
,00 2 .
5,00 2 . 44444
3,00 2 . 666
6,00 2 . 899999
4,00 3 . 0111
1,00 3 . 2
3,00 3 . 455
2,00 3 . 77
3,00 3 . 889
Stem width: 10
Each leaf: 1 case(s)
Observm c acest grafic a 39
fost creat din doi n doi (20-21, 22- 36
23, 24-25, 26-27, 28-29 ani i aa 33
mai departe), pentru a oferi o bun 30
reprezentare a datelor. Iat c, anali- 27
znd acest grafic, putem afirma c

24
21
Varsta subiectilor
Figura 4.28 Graficul box-plot

124
cei mai muli subieci au vrste de 28 i 29 de ani i nu exist scoruri extre-

me. Pentru a fi siguri de acest lucru, privim urmtorul grafic, graficul cutie.
Constatm lipsa scorurilor extreme, mediana fiind situat la valoarea 29 i o
distribuie destul de uniform a acestor rezultate.
Putem afirma, deocamdat, c aceste date permit utilizarea mediei ca
indicator al tendinei centrale pentru setul nostru.
125
poate fi folosit n situaii n care comparm, sub aspectul variabilitii, dou

distribuii diferite.
Exist anumite reguli care permit aprecierea gradului de mprtiere a
scorurilor n jurul mediei, utilizndu-se acest coeficient (Popa, 2006):
Un coeficient de variaie mai mic de 15% indic un grad de
mprtiere redus, media fiind un bun indicator al tendinei
centrale;
Un coeficient de variaie cuprins ntre 15% i 30% arat o m-
prtiere moderat, caz n care reprezentativitatea mediei este
satisfctoare;
Un coeficient de variaie de peste 30% arat o mprtiere ma-
re, media nemaifiind un bun indicator pentru tendina central.
V.3 Obinerea indicatorilor mprtierii n SPSS

Pentru a studia modul n care aflm
indicatorii dispersiei n SPSS, vom folosi
baza de date IQ.sav, n care avem deja
datele introduse n capitolul anterior. Folo-
sim, pentru aceasta, tot comanda
Figura 5.3 Meniul de analiz a
Analyze, apoi submeniul Descriptive frecvenelor
Statistics i opiunea Frequencies.
Se va deschide binecunoscuta de acum
fereastr, pe care am studiat-o n mo-
mentul n care am aflat cum putem cal-
cula indicatorii tendinei centrale. i de
data aceasta, vom folosi, ca exemplu,
variabila Varsta subiectilor, variabil
pe care o vom transfera din lista varia-
Figura 5.4 Includerea variabilei n bilelor din baza de date n lista variabi-
analiz
146
lelor supuse analizei (Variable(s)) din partea dreapt a formularului, aa

cum se poate observa n figura 5.4. Asupra modului n care se face acest
transfer nu mai insistm, deoarece procedeul a fost descris pe larg n capitolul
destinat indicatorilor tendinei centrale. Dac nu v putei aminti, revedei
capitolul 3.
Dup transfer, va trebui s comunicm aplicaiei SPSS s ne calculeze
indicatorii mprtierii. V amintii probabil c acest lucru l putem face ap-
snd butonul Statistics situat n partea de jos a acestui formular. Imedi-
at, se va deschide o nou fereastr, cunoscut de la calculul indicatorilor ten-
dinei centrale. Observm, n partea din stnga-jos a acestei ferestre, seciu-
nea destinat calculului indicatorilor dispersiei
(seciunea Dispersion). Vom putea calcula
abaterea standard, prin bifarea casetei Std.
deviation, variana, bifnd caseta
Variance sau amplitudinea de variaie cu
ajutorul casetei Range. De asemenea, este
posibil afiarea valorii minime i maxime din Figura 5.5 Selectarea
distribuia noastr prin bifarea casetelor Mi- indicatorilor mprtierii
nimum i Maximum. Seciunea permite i
calcularea erorii standard a mediei (caseta S.E mean), ns asupra acestui
element vom reveni ceva mai trziu.
Vom alege, dup cum putei observa n figura de mai sus, afiarea
Tabel 5.6 Indicatorii mprtierii
abaterii standard, a varianei, amplitudinii
distribuiei, minimului i maximului. Ap-
sm apoi butonul Continue pentru ca
SPSS s memoreze comenzile noastre i
ne ntoarcem n formularul anterior. Nu ne
mai rmne dect s apsm butonul
OK, pentru a lansa procedeul de analiz.
147
Dup cteva fraciuni de secund, SPSS va afia n fereastra de rezul-

tate tabelul cu rezultatele comandate de noi. Automat, SPSS include i num-
rul de cazuri (N). Aflm, din analiza acestui tabel, c avem un numr de 30
de subieci (N=30) i toi subiecii au valori pentru variabila Varsta
subiectilor (Valid=30; Missing=0). Cu alte cuvinte, niciunul dintre aceti
subieci nu are necompletat valoarea pentru variabila vrst. Aflm, n con-
tinuare, c abaterea standard (Std. Deviation) este 5,523, iar variana (Vari-
ance) este 30,506. Dac vei extrage rdcina ptrat din varian (30,506),
vei obine exact valoarea abaterii standard (5,523), ceea ce confirm teoria
expus mai sus. De asemenea, amplitudinea de variaie (Range) este 19, cu
alte cuvinte, ntre Minimum 20 i Maximum 39 pot exista cel mult 19 valori
posibile. Pare mult mai simplu dect s efectum manual calculele prezentate
la nceputul acestui capitol. Iat de ce SPSS i merit cu prisosin banii pe
care i solicit productorul
n concluzie:
Dincolo de tendina central, este necesar s studiem i modul n care rezultatele se
mprtie n jurul tendinei centrale prin calculul indicatorilor dispersiei;
Indicatorii dispersiei pot ine seama doar de anumite date i se numesc indicatori
elementari ai mprtierii sau de toate datele, cazul indicatorilor sintetici;
Indicatorii elementari ai mprtierii sunt:
o Amplitudinea de variaie absolut i relativ;
o Intervalul cuartil i abaterea cuartil;
Indicatorii sintetici ai mprtierii sunt:
o Diferena medie Gini;
o Oscilaia absolut i relativ;
o Abaterea medie;
o Abaterea median;
o Dispersia sau variana;
o Abaterea standard;
o Coeficientul de variaie.
Media i abaterea standard sunt indicatorii pe baza crora se caracterizeaz o dis-
tribuie normal;
Indicatorii dispersiei bazai pe medie pot fi calculai numai dac nivelul de msura-
re al variabilei este cel puin unul de interval i nu exist scoruri extreme n distri-
buie.
148
Etalonul se scrie la fel ca un etalon n cuantile i are aceeai semnifi-

caie. Nu uitai s inei cont de regulile elaborrii unui etalon, n momentul
n care intenionai s-l folosii sau s-l distribuii.
VI.7 Analiza distribuiei i realizarea etaloanelor n SPSS

Dup abordarea teoretic a distribuiei normale, a venit momentul
aplicrii practice a cunotinelor dobndite prin analiza unei distribuii de
date efectuat n SPSS. Vom utiliza aceeai baz de date pe care am creat-o
la nceputul acestui volum, baza de date IQ.sav.
Ne propunem s analizm modul n
care se distribuie scorurile obinute de cei 30
de subieci la variabila iq (Coeficientul de
inteligen).
Etapele le tii deja. Vom selecta din
meniul Analyze opiunea Descriptive
Figura 6.14 Includerea variabilei Statistics i apoi Frequencies. Apare
spre analiz.
cunoscuta caset de dialog, de unde vom
include spre analiz variabila iq.
Desigur, vom accesa apoi butonul
Statistics pentru a comunica progra-
mului SPSS ce fel de statistici s calcule-
ze.
Alturi de indicatorii tendinei
centrale (media, mediana i mod) i de
cei ai dispersiei (abaterea standard, am-
plitudinea distribuiei, minimul i maxi-
mul), vom include i cei doi indicatori ai Figura 6.15 Configurarea inventarului
statistic de baz
distribuiei (Skewness i Kurtosis), pen-
tru a putea analiza forma acestei distribu-
189
ii i a decide dac distribuia poate fi considerat sau nu o distribuie norma-

l.
Dup selectarea adecvat a acestor elemente, putem apsa butonul
Continue i revenim la fereastra iniial a alegerii variabilelor. n acest mo-
ment, SPSS a memorat operaiunile pe care trebuie s le execute.
Este uneori util s afim i un grafic al distribuiei datelor noastre.
Pentru aceasta, putem accesa butonul Charts i se va deschide fereastra de
definire a graficelor pentru setul de date.
Aceast fereastr o cunoatem destul
de bine din capitolele anterioare. Motivul
pentru care am abordat-o din nou este acela
c, pentru a reprezenta grafic anumite date,
trebuie s facem nite precizri suplimenta-
re.
De nenumrate ori mi-a fost dat s
vd studeni care reprezint o variabil con-
tinu printr-o diagram de structur (grafic
Figura 6.16 Alegerea graficului tip plcint), ba mai mult, profesori univer-
cu bare pentru reprezentarea
datelor
sitari de psihologie experimental, coordo-
natori de licen, care solicit studenilor
reprezentarea variabilelor continui printr-un asemenea procedeu. O reprezen-
tare prin diagram de structur se face n cazul unor date nominale sau cel
mult ordinale, atunci cnd dorim s vedem compoziia datelor i cnd num-
rul de valori pe care le ia variabila nu este prea mare. Este normal s repre-
zentm genul biologic al subiecilor printr-o plcint, deoarece vorbim n
acest caz de X% brbai i Y% femei. Variabila are doar dou niveluri, iar
aceast reprezentare ofer indicii clare asupra compoziiei unui eantion. Este
din nou normal s reprezentm prin plcint gradele didactice dintr-o univer-
sitate, deoarece variabila are cinci grade de intensitate. Este ns absurd s
190
reprezentm grafic prin plcint vrsta unor subieci, variabil continu, cu o

infinitate de valori. Un asemenea grafic nu ne spune nimic, ci, din contra,
induce distorsiuni care ne creeaz o imagine fals asupra datelor.
Foarte muli psihologi experimentaliti, care au rutin n analiza date-
lor, reprezint o variabil continu prin histogram, deoarece, folosind acest
procedeu, SPSS ofer o metod de estimare grafic a curbei de distribuie.
Unii chiar se rezum la a interpreta distribuia datelor dup aspectul grafic al
acestei curbe s fim serioi, statistica este totui o disciplin matematic, iar
demonstraiile se fac cu cifre, nu cu imagini i aprecieri subiective pe baza
acestora. Nu este att de grav n comparaie cu reprezentarea prin diagrame
de structur, ns probabil v amintii de faptul c histograma reprezint date-
le grupate n intervale. Este adevrat c SPSS efectueaz automat o grupare a
acestor date n intervale pe care le alege singur. Acesta nu este ns un motiv
n condiiile n care dorim s avem o viziune ana-
litic a scorurilor.
Prin urmare, pentru a reprezenta grafic o
variabil continu, atunci cnd discutm despre
distribuie, vom prefera graficul cu bare, care ne
ofer o viziune fin asupra modului n care datele
se distribuie sau graficul tip histogram, care
prezint datele ntr-un mod mai grosier, ns are
avantajul estimrii vizuale a curbei de distribuie.
Figura 6.17 Alegerea histo-
n nici un caz nu vom utiliza diagrame de structu- gramei pentru reprezentarea
r sau alte tipuri de diagrame, chiar dac acestea datelor
arat frumos.
n figura 6.16, am ales modul de reprezentare al unui grafic cu bare,
iar n figura 6.17, am optat pentru reprezentarea prin histogram. Vom anali-
za ulterior ambele tipuri de grafice i vom nva cteva metode de cosmeti-
191
zare a graficelor, astfel nct imaginile noastre s prezinte i un aspect ele-

gant.
Indiferent de tipul de grafic ales (cu bare sau histogram), vom apsa
din nou butonul Continue pentru a reveni la fereastra iniial. n acest mo-
ment, toate configurrile fiind realizate, nu ne rmne dect s apsm buto-
nul OK pentru a comunica programului SPSS s efectueze analiza.
n cteva secunde, va fi afiat fereastra de rezultate (Output) n care
regsim prezentate informaiile solicitate.
Tabel 6.8 Inventarul statistic de baz n aceast fereastr, cel
Statistics mai important tabel este tabelul
Coef icientul de inteligent a
N Valid 30
Statistics, numit i inventarul
Missing 0 statistic de baz sau indicatorii
Mean 111,33
Median 108,50 statistici de start. Utiliznd
Mode 124
numai acest tabel, putem decide
Skewness ,413 dac distribuia noastr este sau
St d. Error of Skewness ,427
Kurtosis -1,384 nu este o distribuie normal.
St d. Error of Kurtosis ,833
Cred c v mai amintii condii-
Range 24
Minimum 100 ile pe care trebuie s le ndepli-
Maximum 124
neasc o distribuie pentru a
putea fi considerat normal. O distribuie normal este o distribuie
unimodal, simetric i Tabel 6.9 Inventarul statistic de baz
Statistics
mezocurtic.
Varst a subiect ilor
N Valid
Unimodalitatea este uor Missing
30
0
de observat. SPSS raporteaz un Mean 29,33
Median 29,00
mesaj de genul Multiple mod Mode 24a
exist. The smallest value is Skewness ,116
shown, afiat la subsolul tabelu- St d. Error of Skewness
Kurtosis
,427
-,878
lui cu o not, de obicei a n drep- St d. Error of Kurtosis ,833
Range 19
tul valorii modului. Acest mesaj Minimum 20
Maximum 39
a. Multiple modes exist. The smallest v alue is shown
192
ne comunic faptul c programul a identificat mai multe valori mod i c o

afieaz pe cea mai mic.
n inventarul statistic alturat, unde am analizat distribuia acelorai
30 de subieci n funcie de variabila vrst, avem un exemplu de distribuie
multimodal. Nu putem ti, deocamdat, dac distribuia este bimodal,
trimodal sau prezint mai multe valori ale modului. Tot ceea ce tim este c
cea mai mic valoare mod, n cazul nostru, reprezint 24 de ani.
Tabel 6.10 Identificarea valorilor mod
Pentru a afla tipul distri-
Varsta subiectilor
Cumulat iv e
buiei sub aspectul modalitii i
Valid 20
Frequency
2
Percent
6,7
Valid Percent
6,7
Percent
6,7
a vedea toate valorile mod, vom
21
24
1
5
3,3
16,7
3,3
16,7
10,0
26,7
cuta n distribuia statistic (al
26 3 10,0 10,0 36,7
28 1 3,3 3,3 40,0
doilea tabel din fereastra de re-
29
30
5
1
16,7
3,3
16,7
3,3
56,7
60,0
zultate) valoarea 24. n cazul
31
32
3
1
10,0
3,3
10,0
3,3
70,0
73,3
nostru, observm c valoarea 24
34
35
1
2
3,3
6,7
3,3
6,7
76,7
83,3
se regsete n cinci cazuri (co-
37
38
2
2
6,7
6,7
6,7
6,7
90,0
96,7
loana Frequency). Nu trebuie
39
Total
1
30
3,3
100,0
3,3
100,0
100,0 acum dect s vedem ce valori,
mai mari de 24, au aceeai frec-
ven. Observm c valoarea 29 de ani are aceeai frecven i c nu exist o
alt valoare cu aceast frecven maxim. Aadar, distribuia vrstei subieci-
lor este o distribuie bimodal, cu modul de 24 i 29 de ani. Strict vorbind, o
distribuie multimodal nu este o distribuie normal. Analiza noastr ar tre-
bui s se opreasc aici i s folosim tehnici de eliminare a acestei anomalii (n
cazul nostru, renunnd la un subiect care are vrsta de 24 sau 29 de ani).
Totui, distribuia scorurilor subiecilor la variabila coeficient de inte-
ligen este o distribuie unimodal. n acest caz, vom trece la urmtoarea
etap i anume analiza simetriei.
Simetria sau oblicitatea este dat de valoarea indicatorului
Skewness. La modul teoretic, acest indicator are valoarea zero pentru o dis-
193
tribuie perfect simetric. O asemenea valoare este ns aproape imposibil de

regsit n practic. ntotdeauna, acest indicator va avea valori diferite de zero,
fie n sens negativ distribuie asimetric negativ cu tendine ctre scoruri
mari, fie n sens pozitiv distribuie asimetric pozitiv cu tendine ctre sco-
ruri mici.
Exist mai multe metode de verificare a asimetriei, prin intermediul
crora putem decide dac o distribuie poate sau nu poate fi considerat sime-
tric.
Una dinte metode, valabil pentru eantioane mari (peste 200 de sub-
ieci), este reprezentat de reperul propus de Lewis-Beck (Sava, 2004). Valo-
rile pentru Skewness mai mici de -0,80 sau mai mari de 0,80 indic o asime-
trie clar, negativ sau pozitiv. n cazul nostru, valoarea Skewness este de
0,41, iar eantionul este de doar 30 de persoane. Prin aceast metod, putem
considera distribuia scorurilor ca fiind o distribuie simetric, chiar dac nu
s-a respectat cerina unui eantion mare.
O alt metod (Sava, 2004) valabil n cazul eantioanelor medii i
mici, se bazeaz pe calcului cotei z a indicelui de oblicitate Skewness. Cu
alte cuvinte, mprim valoarea indicelui de oblicitate la valoarea erorii stan-
dard a acestuia. n acest caz, exist dou praguri ale lui z n funcie de valori-
le obinute (Sava, 2004). Pentru un eantion mai mic de 30 de subieci, valoa-
rea pragului de semnificaie este de 1,58, iar pentru eantioane mai mari sau
egale cu 30 de subieci, acest prag are valoarea de 1,96. n cazul nostru, va-
loarea Skewness este de 0,41, iar eroarea standard Skewness este de 0,42.
Fcnd raportul 0,41:0,42=0,97. Cum eantionul nostru este de 30 de sub-
ieci, pragul de semnificaie al lui z este de 1,96. Valoarea obinut de 0,97
fiind mai mic dect pragul, putem considera distribuia ca fiind simetric.
Aceast metod se folosete i n cazul boltirii.
A treia metod propus, aplicabil i pentru boltire, ia n considerare
stabilirea intervalului de ncredere al simetriei n baza erorii standard
194
Skewness i poate fi utilizat indiferent de mrimea eantionului. Eroarea

standard Skewness ne ofer limitele ntre care trebuie s se regseasc coefi-
cientul de oblicitate, astfel nct s putem considera, la un nivel de precizie
suficient de mare, distribuia ca fiind simetric. La acest nivel, exist dou
tipuri de intervale:
La un nivel de precizie de peste 99%, cu alte cuvinte n mai
puin de 1% din cazuri, distribuia noastr poate s se compor-
te ca o distribuie asimetric. Intervalul este determinat de o
eroare standard Skewness. Un asemenea interval este foarte
precis i se folosete atunci cnd simetria reprezint un ele-
ment critic pentru distribuia datelor.
La un nivel de precizie de peste 95%, cu alte cuvinte n mai
puin de 5% din cazuri, distribuia noastr poate s se compor-
te ca o distribuie asimetric. Intervalul este determinat de
dou erori standard Skewness. Un asemenea interval este mai
puin precis n comparaie cu primul i se folosete cnd sime-
tria nu reprezint un element critic pentru distribuia datelor.
Dac valoarea coeficientului de oblicitate Skewness intr ntr-unul
dintre aceste intervale, distribuia poate fi considerat simetric. Dac valoa-
rea coeficientului de oblicitate iese din acest interval la limita negativ, avem
de-a face cu o distribuie asimetric negativ, iar dac iese din interval la limi-
ta pozitiv, distribuia este asimetric pozitiv.
n situaia noastr, valoarea coeficientului de oblicitate Skewness este
de 0,41 iar valoarea erorii standard Skewness este de 0,42. Intervalul de n-
credere la un nivel de precizie de 99% este cuprins ntre -0,42 +0,42, iar la
un nivel de precizie de 95% este cuprins ntre -0,84 +0,84. Putem constata
cu uurin c valoarea coeficientului de oblicitate Skewness (0,41) intr att
n primul interval, ct i n al doilea interval. Putem aadar afirma, cu anse
195
mai mici de 1% ca distribuia noastr s se comporte asimetric, c avem de a

face cu o distribuie simetric.
Indiferent de metoda folosit, am decis c distribuia scorurilor celor
30 de subieci la coeficientul de inteligen este o distribuie simetric. A tre-
ia metod, datorit viziunii extrem de precise pe care o ofer, v-o recomand
s o folosii ori de cte ori analizai simetria sau boltirea unei distribuii.
Am artat pn acum c distribuia scorurilor subiecilor la variabila
coeficient de inteligen este o distribuie unimodal i simetric. Mai rmne
s demonstrm c este o distribuie mezocurtic, pentru a decide faptul c
scorurile la coeficientul de inteligen se distribuie normal.
Boltirea sau excesul reprezint tendina rezultatelor de a se concentra
n jurul mediei (distribuia ascuit sau leptocurtic) sau, din contra, de a se
rspndi, disipa puternic n jurul mediei (distribuia platicurtic). Dup cum
tim, indicatorul care ne d mrimea acestei mprtieri este Kurtosis. Anali-
za boltirii se poate face prin a doua sau a treia metod expus anterior, pentru
care nu intrm n detalii.
Distribuia scorurilor celor 30 de subieci la variabila coeficient de in-
teligen prezint coeficientul de boltire Kurtosis de -1,34 i eroarea standard
a acestui coeficient de 0,83.
Utiliznd a doua metod, obinem nota z pentru Kurtosis de
1,34:0,83= 1,61. Pragul de semnificaie pentru eantionul nostru este, la fel ca
i n cazul simetriei, 1,96. Valoarea notei z pentru Kurtosis fiind mai mic
dect pragul de semnificaie, putem aprecia c suntem n faa unei distribuii
mezocurtice.
Haidei acum s analizm boltirea prin prisma celei de-a treia metode,
pentru a vedea diferena de precizie. Intervalul de ncredere la un nivel de
precizie de 99% este cuprins ntre -0,83 +0,83, iar pentru un nivel de pre-
cizie de 95% ntre -1,66 +1,66. Observm c valoarea Kurtosis de -1,34
196
intr ntr-al doilea interval (cu precizie mai mic) ns nu i n primul interval
(de mare precizie). Deci, n situaia n care eterogenitatea sau omogenitatea
scorurilor n jurul mediei este un element important, vom considera distribu-
ia noastr ca fiind o distribuie platicurtic, deoarece nu intr n intervalul cu
precizie mare. n situaia n care excesul nu este un element att de important,
putem considera distribuia ca fiind mezocurtic.
Oricum, n tiinele sociale nivelul de precizie acceptat este de peste
95%, astfel nct distribuia noastr poate fi considerat o distribuie
mezocurtic.
Valorile coeficientului de boltire Kurtosis negative i care ies din in-
tervalul de ncredere sunt reprezentative pentru o distribuie platicurtic. Da-
c avem de a face cu valori pozitive care ies din intervalul de ncredere, dis-
tribuia este leptocurtic.
Demonstrnd faptul c distribuia scorurilor celor 30 de subieci la va-
riabila coeficient de inteligen este o distribuie unimodal, simetric i
mezocurtic am demonstrat de fapt c distribuia respect toate caracteristici-
le unei distribuii gaussiene i poate fi considerat o distribuie normal.
Analiza distribuiei trebuie s precead orice analiz ulterioar
de date, deoarece, n funcie de normalitatea distribuiei, pot fi alese sta-
tisticile parametrice sau nonparametrice utilizabile pe parcursul demer-
sului de cercetare, dup asumpiile teoretice ale fiecrei metode n parte.
Pentru a concluziona, v voi oferi un model complet de analiz a dis-
tribuiei scorurilor n funcie de variabila coeficient de inteligen. ntotdeau-
na furnizai, n analiz, ct mai multe informaii legate de variabila dumnea-
voastr. V rog s avei n vedere ataarea exact a inventarului statistic de
baz din SPSS i a eventualelor grafice care v pot susine demonstraia.
ntr-o analiz de date, va trebui s precizai: denumirea variabilei ana-
lizate, numrul de cazuri, indicatorii tendinei centrale i ai mprtierii, indi-
197
catorii distribuiei i explicarea acestora n cazul unor distribuii asimetrice,

platicurtice sau leptocurtice, tabelele valorice ale inventarului statistic de ba-
z, graficele sub forma graficului cu bare sau histogram.
Statistics
Coef icientul de inteligent a

N Valid 30
Missing 0
Mean 111,33
Median 108,50
Mode 124
Skewness ,413
St d. Error of Skewness ,427
Kurtosis -1,384
St d. Error of Kurtosis ,833
Range 24
Minimum 100
Maximum 124
Distribuia rezultatelor celor 30 de subieci la variabila Coeficient

de inteligen este o distribuie unimodal (modul=124 IQ), simetric
(Skewness=0,41; Eroarea standard Skewness=0,42) i mezocurtic
(Kurtosis=-1,38; Eroarea standard Kurtosis=0,83), cu media 111,33 IQ,
mediana 108,5 IQ i abaterea standard 8,51 IQ. Amplitudinea distribuiei
este de 24 scoruri IQ cuprins ntre un minim de 100 IQ i un maxim de 124
IQ.
Avnd n vedere aceste elemente, putem considera c scorurile obi-
nute de cei 30 de subieci se distribuie normal n cazul variabilei Coeficient
de inteligen, aceast variabil suportnd proceduri parametrice de anali-
z statistic.
Iat un exemplu complet i profesional prin care putei realiza o anali-
z a distribuiei datelor, valid n orice comunicare tiinific naional sau
internaional. Muli vor spune c nu e chiar profesional, c trebuia s speci-
fic tabelul numrul . figura numrul. i ce nseamn acel tabel i acea
figur. Asemenea lucruri in de normele de redactare a documentelor tiinifi-
ce elaborate APA i vi le las ca studiu, deoarece nu intenionez s le abordez
n prezenta lucrare. Oricum, m adresez unor oameni inteligeni, iar aceste
198
amnunte le tii sau le putei afla i singuri. Nici cartea de fa nu le respec-

t, ns prefer s am un stil propriu i a fi ncntat dac ai nva din aceste
rnduri cum s facei efectiv analize de date mai mult dect cum s v con-
formai unor norme.
Deschiznd o parantez, tiu, desigur, c pot s fiu acuzat c am copi-
at i lipit n document tabele i grafice din SPSS fr s le traduc n romne-
te. Departe de mine aceast intenie. n primul rnd, pentru c SPSS ofer
tabelele i graficele n englez, iar eu doresc s introduc coninutul lor origi-
nal. n al doilea rnd, conform acelorai norme APA, utilizarea elementelor
furnizate de programe informatice n lucrri tiinifice se face prin includerea
coninutului original i nemodificat. n al treilea rnd, pentru c vreau s v
nv, imediat, cum s editai coninutul elementelor din fereastra de rezulta-
te.
Orice element din fereastra de rezultate SPSS este un element editabil.
Putei s facei aproape orice cu tabelele i graficele pe care SPSS le furni-
zeaz. Nu avei dect s dai un dublu clic pe elementul pe care dorii s-l
editai i vei intra ntr-un alt mod pe care SPSS l suport, modul de editare.
Pentru nceput, s dm dublu
clic pe tabelul inventarului statistic de
baz, tabelul Statistics. Observm c
marginea care ncadreaz acest tabel a
devenit o margine haurat i, de ase-
menea, este posibil s se afieze o bar
de instrumente de editare, similar
celei din programul Microsoft Word.
Primul buton de pe aceast ba-
Figura 6.18 Tabelul Statistics n mod r de formatare permite anularea aci-
editare
unilor efectuate (Undo). Cel de-al doi-
199
lea buton este butonul pivot, care permite schimbarea rndurilor i a co-
loanelor n tabel.
Figura 6.19 Bara de formatare SPSS
Urmeaz apoi o caset derulant de aplicare a unui stil tabelului for-

matat, caseta derulant de alegere a fontului i caseta derulant de alegere a
dimensiunii fontului pentru textele selectate. Urmtoarele trei butoane permit
scrierea ngroat, nclinat i sublinierea, iar butonul al patrulea selecteaz
culoarea cu care s fie afiat fontul.
Cele patru butoane care se succed permit alinierea textului selectat, la
stnga, dreapta, centrat sau automat.
Ultimele dou butoane lanseaz sistemul de asisten (help) sau mo-
dul de creare a graficelor pentru variabila selectat iat o alt modalitate de
a realiza grafice, dac ai uitat s o facei n etapa de analiz. V recomand s
exersai aceste elemente, fr team c ai putea strica ceva (n definitiv avei
la dispoziie butonul de anulare - Undo). Nu vom intra n amnunte legate de
formatarea tabelelor, deoarece ar trebui s includem, inutil, mai multe pagini.
Un tabel n modul de edi-
tare permite modificarea elemen-
telor componente. Pentru nceput,
ne propunem s traducem n ro-
mnete cuvintele Missing (Lip-
s), Mean (Media), Media (Me-
diana) i Mod (Modul).
Aflndu-v n modul de
editare, efectum din nou dublu
Figura 6.20 Editarea valorilor n tabel

200
clic pe cuvntul Missing. Va rezulta o figur similar celei alturate. Obser-

vai c textul Missing este deja selectat acum; dac apsai orice tast, coni-
nutul selectat va fi nlocuit cu tasta apsat. Nu v rmne dect s scriei n
loc de Missing, Lips.
Cuvntul Missing este nlocuit
Inventar statisti c de baza
cu textul introdus, Lips. Procedai la Coef icientul de inteligent a
N Valid 30
fel cu toate celelalte cuvinte din tabel, Lipsa 0
pentru a putea traduce tabelul n limba Media
Mediana
111,33
108,50
romn. Putei folosi bara de formatare Modulul 124
Abaterea standard 8,511
pentru a ngroa, schimba culoarea sau Skewness ,413
Eroarea Skewness ,427
alinia textele selectate. Cnd ai terminat, Kurtosis -1,384
Eroarea Kurtosis
dai clic oriunde pe suprafaa alb a fe-
,833
Amplitudinea 24
restrei de rezultate, pentru a iei din mo- Minimum

Maximum
100
124
dul de editare.
Figura 6.21 Inventarul statistic dup editare
n final, tabelul dumneavoastr
trebuie s arate la fel ca cel din figura de mai sus.
Iat modalitatea prin care putei traduce, dac dorii, orice element al
formularului de rezultate ntr-o alt limb.
Din nefericire, la fel cum pot fi traduse cuvintele, pot fi modificate i
cifrele, ceea ce v poate determina uneori s schimbai datele oferite de SPSS
cu alte date mai convenabile vou. Nu uitai c, n general, trebuie s punei
la dispoziie i baza de date n momentul n care publicai un studiu i de cele
mai multe ori analizele sunt refcute de comisia de publicare a articolului.
Tot folosind modul de editare, putei ajusta limea coloanelor pentru
ca tabelul dumneavoastr s prezinte un aspect elegant.
Deplasai cursorul mausului deasupra unei linii, ca n figura alturat,
pn cnd se transform ntr-o sgeat orizontal. Apoi inei apsat butonul
din stnga al mausului i tragei micnd mausul la dreapta sau la stnga,
201
pentru a ajusta dimensiunea coloanei

din tabel. La fel putei proceda i
pentru ajustarea dimensiunilor pe
vertical.
Referitor la formatarea tabe-
lelor, SPSS pune la dispoziie mai
multe meniuri pe care nu le vom ana-
liza n detaliu aici, din considerente
de spaiu. Putei consulta, pentru
Figura 6.22 Inventar statistic tradus informaii suplimentare, manualul

SPSS. Ne vom limita doar s le pre-
zentm.
Meniul Insert permite adugarea, n cadrul tabelului
selectat, a unui nou titlu, a unei noi etichete n subsolul tabe-
lului sau a unei noi note se subsol ntr-un mod similar opera-
iunii pe care SPSS o face automat n momentul n care de-
pisteaz o distribuie multimodal.
Meniul Pivot permite marcarea tabelului cu-
rent n scopul unei regsiri rapide n fereastra de rezul-
tate, comutarea tabelului prin inversarea liniilor sau a
coloanelor sau lansarea ferestrei speciale prin care
poate fi controlat pivotarea tabelului. Acest meniu
este un meniu important n formatarea aspectului gra-
fic al tabelului, cu aplicaii n condiiile analizei unui volum mare de date.
Vom reveni asupra acestui meniu, n momentul n care vom discuta despre
studiile corelaionale.
Meniul Format cuprinde un set de utilitare prin intermediul crora
putem modifica aspectul celulelor din tabel, a ntregului tabel, a fonturilor
202
sau a notelor de subsol. SPSS conine, asemntor progra-

mului Microsoft Word, mai multe abloane grafice care pot
fi aplicate tabelelor. Alegnd un asemenea ablon grafic,
putei modifica complet aspectul tabelelor din foaia de re-
zultate.
Toate opiunile din acest meniu in doar de aspectul
grafic al tabelelor i nu afecteaz n niciun fel coninutul
datelor dumneavoastr. Se pot stabili, alturi de cele expuse mai sus, numrul
de zecimale pe care SPSS s le afieze, ordonarea datelor, includerea sau
excluderea capului de tabel etc. V invit s parcurgei acest meniu i s exer-
sai facilitile pe care le ofer. Oricnd v putei ntoarce la starea iniial,
anterioar unei aciuni, folosind butonul Undo.
VI.7.1 Calculul notelor z n SPSS

Programul SPSS permite calculul notelor z pentru fiecare dintre ca-
zurile individuale prezente n distribuia de date, ntr-un mod foarte simplu i
elegant.
Din acelai meniu, Analyze, vei alege opiu-
nea Descriptive Statistics i apoi opiunea Descrip-
tives
Figura 6.23 Meniul
statistici descriptive
Cunoatei deja fereastra care se deschide, de-
oarece am analizat-o pe parcursul acestei lucrri, drept pentru care nu vom
insista dect asupra unui singur element. Este
vorba despre caseta de bifare Save standard-
ized values as variables. Rolul acestei casete,
pe care o vom bifa, este acela de a crea o nou
variabil care va stoca scorurile z ale fiecrui Figura 6.24 Fereastra de
caz din baza de date. Evident, va fi lansat fe- configurare a analizei
reastra de afiare a rezultatelor care conine un
203
tabel pe care l-am discutat deja. Totui, unde sunt notele z att de cutate
de noi?
S ne amintim ce am bifat. Am bifat o op-
iune, dup ce am introdus variabila Coeficient
de inteligen n lista variabilelor ce trebuie ana-
lizate, prin care notele standardizate vor fi salvate
ca variabile. Trebuie, deci, s ne ntoarcem la baza
de date, unde vom regsi o nou variabil creat
automat. Este vorba despre variabila Ziq, ultima
din baza de date, care nu conine altceva dect
notele z ale fiecrui subiect.
Figura 6.25 Noua variabil Observm c primul subiect se afl la
ce conine scorurile z
1,33 abateri standard n stnga mediei, adic n
zona rezultatelor medii, al doilea la 1,01 abateri standard n dreapta mediei,
tot n zona scorurilor medii i aa mai departe.
Cum facem totui pentru a obine note standardi-
zate rezultate din notele z, scoruri sten spre exemplu.
Figura 6.26 Meniul de V mai amintii probabil c scorurile sten se obin adu-
transformare SPSS adunnd valoarea 5,5 la valoarea notei z. Dac avem
notele z, restul este simplu. Cum facem ns acest lucru n SPSS?
Vom folosi serviciile unui alt meniu, i anume meniul Transform, de
unde vom selecta opiunea Compute sau Compute variable, n funcie de
versiunea SPSS pe care o posedai.
Rezultatul acestei aciuni se concretizeaz
ntr-o fereastr similar celei alturate, care conine
urmtoarele elemente:
Target variable reprezint seciunea n care
Figura 6.27 Fereastra
de calcul a variabilelor
204
vom introduce numele variabilei destinaie, variabil n care se vor salva noi-
le rezultate. n cazul nostru, suntem interesai s calculm scorurile sten pen-
tru variabila iq i vom introduce un nume, ca spre exemplu StenIQ.
Sub aceast caset de text se afl un buton inti-
tulat Type & Label, pe care, dac apsm, vom pu-
tea configura proprietile noii variabile create.
Astfel, avem posibilitatea s adugm o etiche-
Figura 6.28 Proprie-
ti ale variabilei t variabilei nou create, folosind cele dou opiuni din
seciunea Label. Putem decide dac introducem un
text ca etichet (ca n cazul figurii alturate) ori vom folosi drept etichet
formula de calcul, situaie n care va trebui s alegem opiunea Use expres-
sion as label. Seciunea Type permite alegerea tipului de variabil. Putem
decide ntre un tip numeric implicit i un ir de caractere, caz n care va trebui
s includem i dimensiunea acestui ir, numrul de caractere pe care l permi-
te variabila.
Sub butonul Type & Label se afl binecunoscuta list a variabilelor
din baza de date. n partea dreapt, apare caseta de text Numeric Expres-
sion, cu ajutorul creia putem scrie formula de calcul prin care va fi obinut
noua variabil. n acest sens, putem utiliza calculatorul de sub caset sau
putem tasta pur i simplu valorile sau formula n caseta de text. Pentru a v
uura accesul la formule, SPSS v pune la dispoziie dou liste: lista Func-
tion group care conine funciile sistemului grupate pe categorii i lista
Functions and Special Variables care se refer la funciile din categoria
selectat anterior. Dac, de exemplu, n prima list, efectum clic pe elemen-
tul Arithmetic, atunci, n cea de-a doua list, vor fi afiate funciile referitoa-
re la operaiile aritmetice uzuale.
Butonul If permite efectuarea condiional a calculelor, adic cal-
cularea doar a datelor care ndeplinesc o condiie.
205
ntlnim aici posibilitatea de a include toate cazurile (Include all cas-

es) sau de a include doar cazurile care satisfac o condiie (Include if cases
satisfies condition). Dac, de exemplu, dorim s calculm scorurile sten doar
pentru brbai, vom alege aceast opiune, iar apoi vom scrie n caseta de
formule expresia sexul=1. n acest fel, SPSS va calcula scorurile sten nu-
mai pentru brbai, ignornd femeile. ntl-
nim i aici lista de funcii, util pentru crearea
unor expresii mai complexe. Deocamdat nu
ne intereseaz niciun calcul condiional, prin
urmare vom prsi fereastra fr a efectua
nicio modificare.
S vedem acum, concret, cum calcu- Figura 6.29 Calculul condiional

lm scorurile sten ale variabilei iq, folosind al datelor
aceste elemente. n primul rnd, am introdus numele i descrierea noii varia-

bile n caseta Target Variable, aa cum a fost
exemplificat mai sus. Ne amintim c nota sten se
calculeaz adunnd 5,5 la valoarea notei z. Nota
z, ns, am calculat-o anterior i o regsim n
baza de date sub denumirea Ziq (Zscore: Coefici-
entul de inteligen).
Figura 6.30 Calculul Restul e simplu. Nu v rmne dect s

scorurilor sten scriei n caseta Numeric Expression formula (5,5 +
Ziq), fie tastnd-o, fie folosind calculatorul. Variabila care conine nota z
(Ziq) se poate tasta sau se poate folosi butonul de transfer pentru a include
variabila din lista variabilelor n formul.
Nu mai trebuie dect s apsai butonului OK i s vedem ce se n-
tmpl. Apare, desigur, fereastra de rezultate care ne informeaz asupra fap-
tului c operaiunea a reuit. La fel ca la calculul notelor z, ne intereseaz
baza de date.
206
Iat c a aprut noua variabil StenIQ care conine, exact aa cum

am specificat, scorurile sten ale subiecilor. Observm c, de aceast dat,
notele nu mai sunt cuprinse ntre -3 i +3, ci pe o scal de la 1 la 10, exact ca
n sistemul colar. Este mult mai intuitiv, nu-i aa?
Ca exerciiu, v propun calculul notelor z i a scorurilor sten pen-

tru variabila vrsta subiecilor.
n concluzie:
Media i abaterea standard caracterizeaz pe deplin o distribuie i, de aceea,
aceti doi indicatori poart numele de parametri ai repartiiei normale;
O distribuie normal trebuie s ndeplineasc simultan urmtoarele trei condiii:
o S fie unimodal;
o S fie simetric;
o S fie mezocurtic;
Unimodalitatea reprezint existena unei singure categorii cu frecvena absolut
maxim i se analizeaz prin inspectarea valorii modale;
O distribuie normal este o distribuie unimodal;
Simetria reprezint echilibrarea distribuiei pe axa orizontal i se poate calcula
prin:
o Coeficientul Yule;
o Coeficientul Fisher;
o Relaia dintre medie, median i abaterea standard;
Referitor la simetrie, exist un sistem de relaii ntre indicatorii tendinei centrale
(medie, median i mod), distribuiile putnd fi simetrice, asimetrice la stnga i
asimetrice la dreapta.
O distribuie normal este o distribuie simetric
Boltirea reprezint o asimetrie vertical a distribuiei i se poate calcula prin:
o Coeficientul de boltire Pearson;
O distribuie normal este o distribuie mezocurtic;
ntr-o distribuie normal, exist un numr de ase abateri standard; trei la stnga
mediei i trei la dreapta mediei;
n funcie de abaterile standard, o distribuie normal prezint patru zone: zona
scorurilor normale, zona scorurilor accentuate, zona scorurilor atipice i zona sco-
rurilor aberante;
Notele z reprezint distana dintre un scor particular i medie, exprimat n ter-
meni de abateri standard;
207
Figura 1.15 arat norul de puncte al unei corelaii negative slabe de

0,28. Putem intui dreapta de evoluie a celor dou variabile, ns observai c
datele sunt mult mai mprtiate n jurul acesteia. Legtura, evident, exist,
ns nu are puterea celeia din figura 1.14. Variabilitatea datelor n acest caz
este mult mai mare.
Fcnd aceast incursiune prin analiza graficelor, am dorit s sublini-
em importana studiului diagramei de corelaie. Interpretarea exclusiv pe
baza coeficientului de corelaie nu se recomand, deoarece, foarte uor putem
cdea n capcana unei relaii neliniare sau specifice. Primul pas n interpreta-
rea coeficientului de corelaie este analiza diagramei de corelaie. n funcie
de aspectul datelor, se ajusteaz procedurile de calcul i de raportare.
Analiza datelor prin utilizarea creionului i a hrtiei reprezint un pro-
ces laborios, care presupune o important investiie de timp i este susceptibil
de a genera erori. Din fericire, programele specializate de analiz statistic
pot face aceste operaii n cteva fraciuni de secund. Iat c a venit timpul
s studiem corelaiile folosind cunoscutul pachet de programe, SPSS for
Windows.
I.5 Obinerea coeficienilor de corelaie n SPSS

Nu-i aa c v-ai sturat de attea calcule? Aa-i c v este dor de c-
teva clicuri? Sigur c vorbim despre o diferen enorm. Pe un lot de cerceta-
re de 200 de persoane, pentru a calcula pe hrtie coeficientul de corelaie r
Bravais-Pearson, probabil c v va lua jumtate de zi. Folosind SPSS for
Windows i presupunnd c avei deja datele introduse, v va lua sub un mi-
nut.
I.5.1 Coeficieni de corelaie bazai pe date parametrice

SPSS for Windows, n acest moment, a ajuns la versiunea 17, versiu-
ne cu multe mbuntiri i faciliti n comparaie cu variantele anterioare.
nainte de a ncepe, vom crea o baz de date nou, relund exemplul din capi-
113
tolul destinat studiului corelaiilor pariale. V reamintesc faptul c am dorit,

atunci, s aflm legtura dintre performana la examen i emoiile din timpul
examenului. Realizm, prin urmare, o baz de date cu urmtoarea structur:
Tabelul 1.35 Structura bazei de date
Variabila Eticheta Nivel de msur Tip Caractere
Timp Timp de studiu Scalar Numeric 2
Emotii Emotii examen Scalar Numeric 3.2
Gen Gen biologic Nominal Numeric 1
Nota Nota examen Scalar Numeric 3.2
Probabil c v mai amintii cum se creeaz o baz de date n SPSS.

Detalii despre aceste procedee putei gsi n lucrarea anterioar sau n alte
cri de specialitate. Observm c avem un numr de patru variabile, toate
elementele necesare realizrii bazei de date gsindu-se n tabelul 1.29. Varia-
bila Gen este o variabil nominal cu asocierile din
Valoare Etichet tabelul alturat.
Gen 1 Masculin
Dup realizarea structurii bazei de date, n fereas-
2 Feminin
tra principal SPSS, seciunea Data view vei avea
urmtoarea structur, prezentat n figura 1.16.
Aceast baz de date o vom folosi doar
pentru studiul coeficienilor de corelaie parame-
trici, aprofundarea corelaiilor neparametrice Figura 1.16 Structura bazei
fcndu-se pe baza altor date. de date
Pentru acest studiu, am investigat un numr de 103 subieci, nregis-

trnd timpul de studiu (n ore) necesar susinerii examenului de statistic,
media obinut la examenul de statistic (nota la examen i activitatea de se-
114
minar), genul biologic i scorul obinut la un instrument de evaluare a emoti-

vitii n condiii de examen3.
Nu este cazul s v mai explic modul n care vei introduce datele n
SPSS. Mai jos avei ntreaga baz de date, pe care v invit s o realizai. Nu
v speriai, nu v ia mai mult de 10 minute. Dup ce ai introdus datele, sal-
vai fiierul sub numele de Corelaii parametrice.
Tabelul 1.36 Baza de date Corelaii parametrice
Timp Emotii Gen Nota Timp Emotii Gen Nota
4 86,30 1 4,00 42 68,57 2 7,00
11 88,72 2 6,50 4 93,55 1 4,00
27 70,18 1 8,00 8 84,69 2 8,00
53 61,31 1 8,00 6 82,27 1 1,00
4 89,52 1 4,00 11 81,46 2 2,00
22 60,51 2 7,00 7 82,27 1 4,00
16 81,46 2 2,00 15 91,13 1 4,00
21 75,82 2 5,50 4 91,94 2 7,00
25 69,37 2 5,00 28 86,30 2 5,20
18 82,27 2 4,00 22 72,60 1 5,00
18 79,04 1 4,50 29 63,73 2 6,00
16 80,66 1 8,50 2 63,73 1 8,00
13 70,18 1 7,00 16 71,79 2 6,00
18 75,01 2 5,00 59 57,28 1 6,50
98 34,71 1 9,50 10 84,69 2 1,50
1 95,16 1 7,00 13 84,69 1 8,50
14 75,82 1 9,50 8 77,43 2 2,00
29 79,04 2 9,50 5 82,27 2 8,00
4 91,13 2 5,00 2 10,00 1 10,00
23 64,54 1 6,00 38 50,83 2 10,00
14 80,66 1 8,00 4 87,91 1 8,00
12 77,43 1 7,50 10 83,88 1 1,00
22 65,34 2 8,50 6 84,69 2 7,00
84 0,06 2 9,00 68 20,21 2 10,00
23 71,79 2 3,00 8 87,10 1 7,00
26 81,46 2 6,00 1 83,88 2 7,00
24 63,73 1 7,50 14 67,76 1 6,50
72 27,46 2 7,50 42 95,97 2 7,50
37 73,40 2 2,70 13 62,12 2 8,50
10 89,52 1 2,00 1 84,69 1 3,00
3 89,52 2 7,50 3 92,75 1 0,50
36 75,01 2 9,00 5 84,69 2 1,00
43 43,58 1 6,00 12 83,07 2 9,00
19 82,27 1 3,00 19 73,40 1 7,00
3
Datele sunt fictive i nu corespund unui studiu real. Ele au fost manipulate n aa fel nct
s corespund necesitilor didactice.
115
12 79,04 1 8,00 2 87,91 2 2,00

9 79,04 2 1,00 19 71,79 1 8,50
72 37,13 1 8,50 11 86,30 1 3,50
10 81,46 1 0,70 15 84,69 2 3,00
12 83,07 2 0,50 23 75,82 1 7,00
30 50,83 1 8,50 13 70,98 2 5,50
15 82,27 1 2,00 14 78,24 2 7,50
8 78,24 2 4,50 1 82,27 1 0,20
34 72,60 1 6,00 9 79,04 1 4,00
22 74,21 2 7,00 20 91,13 2 5,00
21 75,82 2 5,00 0 93,55 2 3,50
27 70,98 1 2,50 52 58,89 2 8,00
6 97,58 1 5,00 38 53,25 2 5,00
18 67,76 1 4,00 19 84,69 1 4,90
8 75,01 1 8,00 23 89,52 2 7,50
19 73,40 2 5,00 11 71,79 2 2,50
13 62,12 1 27 82,27 1 6,50
17 69,37 1 8,00
n primul rnd, s ncepem cu nceputul. Dorim

s aflm dac exist vreo legtur ntre nota obinut la
examen i emoiile din timpul examenului. nainte de a
ne grbi s calculm coeficientul de corelaie r Bravais-
Pearson, trebuie s ne asigurm c cele dou variabile
ndeplinesc condiiile de calcul ale statisticilor parametrice. Vom presupune
c ambele variabile au o distribuie normal, deoarece este evident faptul c
se situeaz la un nivel scalar de msur.
Figura 1.17 Lansarea
procedurii de calcul ale Lansarea
corelaiilor
procedurilor de
calcul ale corelaiilor se realizeaz prin
accesarea meniului Analyze, apoi din
submeniul Correlate vom alege opiu-
nea Bivariate. Imediat se va des-
chide o fereastr similar celei din figura
1.18.
Formularul conine dou liste,
Figura 1.18 Fereastra corelaiilor
bivariate
116
separate prin butonul de transfer n form de sgeat. Cu ajutorul acestuia,

putem transfera variabilele din baza de date (fereastra din stnga) n lista va-
riabilelor supuse analizei (fereastra din dreapta). n cazul nostru, am inclus
spre analiz, variabilele Nota examen i Emoii examen, n conformitate
cu planul de cercetare.
Sub aceste dou liste se afl seciunea Correlation Coefficients, ca-
re conine trei casete de bifare, corespunztoare celor trei coeficieni de core-
laie ce pot fi calculai: coeficientul de corelaie r Bravais-Pearson (Pearson),
coeficientul de corelaie Kendall (Kendalls tau-b) i coeficientul de corela-
ie al rangurilor Spearman (Spearman). Situaia noastr este clar; vom
calcula coeficientul de corelaie r Bravais-Pearson.
Urmtoarea seciune, Test of Significance are n vedere stabilirea
tipului de ipotez cu care lucrm. Putem alege ntre o ipotez nedirecional
(Two-tailed) i o ipotez direcional (One-tailed). Presupunem c ipoteza
noastr vizeaz stabilirea unei relaii ntre performana la examen i emoiile
din timpul examenului. tii deja c aceasta este o ipotez nedirecional,
corelaia fiind semnificativ att n cazul unei legturi pozitive, ct i n cazul
unei legturi negative.
ntrebare
Cum ai formula o ipotez direcional n acest design de cercetare?
Ce opiune ai alege n seciunea testelor de semnificaie?
Caseta de bifare Flag significant correla-

tions comunic programului SPSS s marcheze, n
mod distinct, corelaiile semnificative. Aplicaia va
marca, folosind un asterisc pentru corelaiile semni-
ficative la un prag de semnificaie mai mic de 0,05,
i dou asteriscuri n cazul corelaiilor semnificative
la un prag de semnificaie mai mic de 0,01. Figura 1.19 Fereastra
opiunilor avansate
117
Butonul Options v permite configurarea opiunilor avansate re-

feritoare la calculul coeficientului de corelaie. Seciunea Statistics ofer
posibilitatea calculului a dou elemente: mediile i abaterile standard pentru
fiecare dintre variabilele analizate (Means and standard deviation) i covari-
anele, respectiv produsului ncruciat al abaterilor (Cross-product deviations
and covariances). Acest din urm element se afieaz pentru fiecare pereche
de variabile supuse analizei. Produsul ncruciat al abaterilor reprezint suma
produselor mediilor corectate ale variabilelor. Acest indicator reprezint, de
fapt, valoarea numrtorului din formula de calcul a coeficientului de corela-
ie r Bravais-Pearson. Covariana, ca msur nestandardizat a relaiei dintre
cele dou variabile studiat la nceputul acestui capitol nu este altceva
dect produsul ncruciat, mprit la numrul gradelor de libertate (n cazul
nostru, n-1).
Seciunea Missing values cuprinde dou opiuni reciproc exclusive
i se refer la tratarea cazurilor lips. n situaia Exclude cases pairwise,
SPSS nu va lua n calcul nregistrrile n care lipsesc date din ambele variabi-
le. Dac o variabil conine date iar cealalt nu conine date, SPSS va calcula
totui coeficientul de corelaie, considernd valoarea lips ca fiind valoare
nul. n acest fel se asigur obinerea unui maximum de informaii din datele
introduse, dei exist riscul unor erori statistice. Situaia Exclude cases list-
wise exclude din analiz cazurile n care una dintre variabile nu are date.
Aceasta este o opiune mai riguroas, ns este posibil s se piard un volum
important de informaie. n general se utilizeaz prima opiune. Prsirea
ferestrei se face prin acionarea butonului Continue, caz n care se revine
la formularul iniial.
Celelalte butoane v sunt cunoscute i nu comport explicaii supli-
mentare. Lansarea procedurilor de calcul se face prin acionarea butonului
OK. n cteva fraciuni de secund, rezultatele analizei vor fi afiate n
fereastra de rezultate (Output).
118
Tabelul 1.37 Rezultatele corelaiei bivariate r Bravais-Pearson

Correlations
Nota examen Emotii examen
Pearson Correlation 1,000 -,441**
Nota examen Sig. (2-tailed) ,000
N 103,000 103
Pearson Correlation -,441** 1,000
Emotii examen Sig. (2-tailed) ,000
N 103 103,000
**. Correlation is significant at the 0.01 level (2-tailed).
Tabelul 1.31 prezint rezultatele acestei analize. Att pe linii, ct i pe

coloane, sunt afiate cele dou variabile analizate (Nota examen i Emoii
examen). Linia Pearson Correlation conine valoarea coeficientului de
corelaie ntre cele dou variabile. Evident, corelnd variabila cu ea nsi,
coeficientul de corelaie va fi 1,00. Pe noi ne intereseaz coeficientul de core-
laie dintre cele dou variabile. Iat c am obinut 0,441, corelaie semnifi-
cativ la un prag de semnificaie mai mic de 0,01, aa cum rezult i din sub-
solul tabelului. Linia Sig. (2-tailed) exprim n mod precis pragul de sem-
nificaie. Acesta este 0,00, valoare rotunjit. n realitate, valoarea exact este
de 0,000003, n mod evident mai mic de 0,01. n sfrit, ultima linie, N,
arat numrul de cazuri. Cercetarea a fost realizat pe un numr de 103 sub-
ieci.
Ce concluzii putem extrage
de aici? Desigur, avem de a face cu o
corelaie semnificativ, deoarece
pragul de semnificaie este mai mic
de 0,01. Totodat, corelaia este ne-
gativ i moderat, aspecte rezultate
din semnul coeficientului de corelaie
i din valoarea acestuia. Mrimea
Figura 1.20 Diagrama de corelaie

ntre cele dou variabile
119
efectului acestei relaii este de 0,194, sau 19,4% din

variana unei variabile poate fi explicat prin cealalt
variabil, intensitatea efectului fiind una medie. Pu-
tem, aadar, afirma c exist o corelaie moderat,
negativ i semnificativ ntre performana la examen
i emoiile din timpul examenului; persoanele cu note
slabe la examen, prezint i un nivel semnificativ mai
mare al emoiilor.
Nu ne-ar mai rmne dect s facem o poz
Figura 1.21 Crearea
manual a graficelor a acestei corelaii; cu alte cuvinte s realizm norul de
puncte, pentru a vedea dac apar situaii atipice.
Iat, n figura 1.20, diagrama de corelaie. Se observ clar sensul ne-
gativ al legturii, precum i intensitatea acesteia. n acelai timp, putem sus-
pecta o relaie heteroscedastic. Corelaia pare puternic doar n situaia note-
lor mici obinute la examen. Pentru notele mari, este posibil s nu existe nici
un fel de legtur ntre cele dou variabile (vedei grosimea norului de puncte
n cele dou cazuri. De asemenea, ar fi posibil existena unei alte variabile
care s modereze aceast corelaie (cred c tii deja despre ce variabil este
vorba).
ntrebarea pe care mi-o vei pune acum va fi una referitoare la modul
n care am ajuns la acest grafic. Puin rbdare.
Toate elementele grafice din SPSS se re-
gsesc n meniul Graphs. Exist, aici, dou
posibiliti: fie utilizarea unui expert de creare a
graficelor (opiunea Chart Builder, fie
crearea manual a acestora (opiunea Legacy
Dialogs). Pentru moment, vom avea n vedere Figura 1.22 Alegerea tipului
de diagram de corelaie
a doua situaie, urmnd ca pe parcursul acestui
volum s detaliem i expertul n grafice SPSS.
120
Graficul care ne intereseaz este Scatter/Dot. Accesarea acestui

meniu permite lansarea unei ferestre simple, de selecie a tipului de grafic,
aa cum se poate observa n figura 1.22.
Exist, n acest formular, un numr de 5 variante de grafice. Varianta
Simple Scatter este opiunea care ne intere-
seaz pe noi. n acest caz, graficul va desena
cele dou variabile pe ordonat i abscis, per-
mind eventual intervenia unei a treia variabila
categoriale (de exemplu sexul). Overlay Scat-
ter este o versiune a graficului simplu, permi-
nd afiarea, pe aceeai diagram, a mai multor
perechi de variabile, fiecare variabil fiind indi- Figura 1.23 Grafic tip Over-
lay Scatter cu dou perechi de
cat printr-un element de marcaj distinct. Vom variabile
folosi acest grafic dac, de exemplu, intenionm
s reprezentm pe acelai grafic, corelaia dintre performana la examen i
emoiile din timpul examenului (nor de puncte reprezentat prin cercuri) i
corelaia dintre timpul de studiu i performana la examen (nor de puncte
reprezentat prin ptrate).
A treia form, Matrix Scatter, se folo-
sete n momentul n care avem de reprezentat
mai mult de o pereche de variabile. Dac, de
exemplu, am include n analiz i timpul de stu-
diu, SPSS ar efectua un numr de 3 corelaii,
corespunztoare perechilor de variabile. Pentru
a nu desena mai multe grafice, se poate folosi
aceast form. Figura 1.24 Grafic tip
Matrix Scatter
Observm, n figura 1.24, reprezentarea tutu-
ror celor trei diagrame de corelaie. Pe ambele axe sunt incluse variabilele. La
intersecia a dou variabile se afieaz norul de puncte corespunztor. Putei
121
remarca, pe al doilea rnd, ultimul cadran, graficul din figura 1.20. Aceasta
este o modalitate ideal de a vizualiza ansamblul legturilor dintre variabile.
Graficul 3-D Scatter este util n reprezen-
tarea tridimensional a corelaiilor ntre mai multe
perechi de variabile. Este o diagram de corelaie
mai dificil de analizat i presupune o oarecare expe-
rien n analiza datelor, folosindu-se frecvent n
analiza factorial i n corelaii pariale. n figura
Figura 1.25 Grafic tip 3-
D Scatter
1.25, reprezentnd tridimensional cele trei variabile,
putem observa uor lipsa efectului emoiilor din tim-
pul examenului. Norul de puncte este concentrat preponderent n zona varia-
bilelor nota examen i timp de studiu, cu orientare ctre scoruri mici ale
dimensiunii emoiei din timpul examenelor.
Graficul de tip Sim-
ple dot nu-l vom discuta.
Acesta nu reprezint un nor
de puncte propriu-zis ci o
variant a graficului cu bare,
prin care reprezentm obser-
vaiile individuale ale unei
singure variabile.
Acum s trecem la
treab. Am ales norul de
puncte simplu, am apsat
butonul Define pentru a
intra n modul de definiie al
graficului, acum privim la
noua fereastr care ne ocup
Figura 1.26 Formularul de definire a graficului de tip
ecranul. nor de puncte
122
n partea stng, avem, de acum obinuita list a variabilelor din baza

de date. n partea dreapt regsim butoanele de transfer, corespunztoare sec-
iunilor care trebuie definite. Seciunea Y-Axis permite includerea variabi-
lei ce va fi reprezentat pe abscis (axa OY). n cazul nostru, am inclus emoi-
ile din timpul examenului. X-Axis va conine variabila reprezentat pe or-
donat (axa OX). Nota obinut la examen a fost selectat n vederea repre-
zentrii pe aceast ax. Caseta Set Markers by se folosete n cazul n care
dorim s includem o variabil categorial, ce va diferenia datele. De exem-
plu, dac dorim s reprezentm diferit norul de puncte al brbailor n compa-
raie cu cel al femeilor, vom include variabila Gen biologic n aceast sec-
iune. Graficul va reprezenta datele femeilor cu cercuri i datele brbailor cu
ptrare. Seciunea Label cases by reprezint un alt element deosebit de util
n condiiile n care dorim s identificm fiecare element din grafic. De
exemplu, dac am include genul biologic n aceast caset, deasupra fiecrui
cerc de pe grafic, se va afia genul biologic al subiectului respectiv. Desigur,
dac am dori s reprezentm datele separat pentru brbai i pentru femei,
vom prefera varianta Set Markers by, deoarece Label Cases by poate
duce la o supra-aglomerare a graficului. Alternativ, am putea include n
aceast caset, variabila timp de studiu. ntr-o asemenea situaie, deasupra
fiecrui cerc de pe grafic, va fi afiat valoarea timpului petrecut de ctre
fiecare subiect n vederea pregtirii pentru examen.
Seciunea Panel by permite separarea graficului n funcie de o va-
riabil categorial. Dac dorim s afim separat norul de puncte pentru br-
bai i pentru femei, putem include n aceast seciune variabila gen biolo-
gic. n funcie de dorin, graficul va fi separat pe orizontal dac variabila
se include n caseta Rows sau pe vertical dac o includem n caseta Col-
umns.
Seciunea Template permite ncrcarea unui ablon grafic dintr-un
fiier. Colecii de abloane grafice pentru SPSS pot fi gsite pe Internet, n
galeria aplicaiei sau pot fi comandate la compania productoare.
123
Butonul Titles este destinat denumirii graficului. Putem include

dou linii de text n antetul graficului (partea superioar) i dou linii de text
n subsolul graficului (partea inferioar). Opiunea se folosete pentru denu-
mirea graficului i pentru eventualele explicaii suplimentare referitoare la
semnificaia acestuia, ori la drepturile de autor.
Nu mai intrm n detalii referitoare la butonul Options deoarece
nu cred c v-ar putea interesa n mod deosebit. Oricum, acest buton are cte-
va variante de configurare avansat, de natur grafic i statistic. Dac dorii
s aflai mai multe, consultai excelentul sistem de asisten al programului
SPSS, prin apsarea butonului Help. Sistemul de asisten este furnizat n
limba englez i reprezint o adevrat enciclopedie statistic. Finalizarea
definirii graficului i lansarea opiunii de desenare se poate face prin apsarea
butonului OK. n cteva momente, n fereastra de rezultate, vei obine dese-
nul solicitat.
Excelent! n acest moment, avem toate datele necesare elaborrii unui
raport, privind studiul acestei corelaii. Mai jos, vei gsi o analiz complet a
studiului propus. V voi ruga s comparai cele expuse cu activitile dum-
neavoastr de cercetare. Dac considerai c studiile dumneavoastr sunt mai
complexe, v rog s-mi scriei. Dac nu, v rog ca de acum nainte s abor-
dai cel puin acest nivel.
Studiul efectuat pe un lot de cercetare

de 103 studeni, n baza ipotezei nedirecio-
nale conform creia exist o legtur semni-
ficativ ntre performana studenilor la exa-
men i emoiile acestora n timpul examenu-
lui, s-a bazat pe un plan corelaional. Cele
dou variabile (Nota examen i Emoii
examen) se situeaz la un nivel de msur
scalar, analiza distribuiei acestora permind utilizarea statisticilor parame-
124
trice. n consecin, a fost folosit coeficientul de corelaie r Bravais-Pearson,

rezultnd o valoare a corelaiei de r=-0,441, la un prag de semnificaie
p<0,01. ntr-o prim etap, putem respinge ipoteza nul, i putem afirma c
exist o corelaie medie, negativ i semnificativ ntre cele dou variabile.
Astfel, studenii cu note mici la examen sunt caracterizai prin niveluri ridi-
cate ale emoiilor n timpul examenului. Cei care obin performane la acest
examen, pot fi considerai ca fiind puin emotivi. Mrimea efectului acestei
corelaii este de 0,194, corespunztoare unei variane explicate de 19,4%.
Putem considera c, lipsa de performan n condiii de examen, se datorea-
z, n procent de 19,4%, emoiilor din timpul examenului. Totui, studiind
diagrama de corelaie, se remarc imediat existena unei legturi
heteroscedastice. Asocierea negativ ntre cele dou variabile pare a exista
doar n cazul notelor mici la examen, corespunztoare scorurilor mari la
emoii n timpul examenului. Pentru studenii cu note mari, relaia nu se mai
respect. Se poate suspecta existena unei variabile moderatoare, care s
influeneze att performana la examen, ct i emoiile din timpul examenu-
lui, ori existena unui optim emoional pn la care aceast atitudine poate
corela cu o contraperforman, n situaii de evaluare. n mod cert, planul
de cercetare este incomplet i urmeaz a fi optimizat.
Iat cam cum putei prezenta rezultatele unui studiu de acest tip. n
mod cert vor exista diferene ntre ceea ce tiai pn acum i ceea ce ai gsit
mai sus. Ai observat c nu m-am hazardat s ofer vreo explicaie psihologi-
c, sociologic sau economic a faptelor constatate. Nici nu este cazul. Statis-
tica se bazeaz pe datele existente i ofer un raport constatativ i nu explica-
tiv a fenomenelor. Interpretarea statistic nu se poate confunda cu un alt tip
de interpretare. Dei sunt psiholog de profesie, nu m-a hazarda s fac apreci-
eri asupra acestor fapte, n condiiile unei lucrri destinate nsuirii tehnicilor
de analiz a datelor. Avnd la dispoziie aceste date, un sociolog i poate
exprima punctul de vedere, un psiholog poate avea viziune proprie, la fel i
125
un economist sau un medic psihiatru. Reinei c metodele de analiz a date-

lor ofer fapte. Interpretarea faptelor cade n sarcina analistului.
Exerciii:
Studiai legtura care exist ntre performana la examen i timpul
alocat studiului, precum i ntre emoiile din timpul examenului i timpul
alocat studiului. Stabilii ipotezele, precizai tipul acestora, analizai cifric i
grafic coeficienii de corelaiei, elaborai raportul.
Presupunnd existena unei a treia variabile, care s modereze att

performana la examen, ct i emoiile din timpul examenului, ne gndim la
timpul de studiu. Automat, vom avea n vedere o corelaie parial. Meniul
din care putem lansa calculul corelaiilor pariale l regsim n aceeai locaie.
De data aceasta, nu mai apelm opiunea Bivariate ci vom folosi Par-
tial.
Fereastra se aseamn foarte mult cu cea ntlnit
la corelaiile bivariate. Singura diferen const n locaia
de includere a variabilelor spre analiz. n acest caz, lista
Figura 1.27 Lansarea
Variables conine variabilele ce urmeaz a fi corela-
corelaiilor pariale te, iar lista Controlling for se refer la variabilele de
control. Analiza noastr urmrete corelarea notei obinute la examen cu
emoiile din timpul examenului, n condiiile controlului asupra variabilei
tipul alocat studiului, astfel nct
fereastra dumneavoastr va trebui s
arate ca n figura 1.28.
Butonul Options va deschide
o alt fereastr, de configurare a opiu-
nilor avansate. Formularul este asem-
ntor cu cel de la corelaiile bivariate.
Singura diferen const n dispariia Figura 1.28 Configurarea corelaiilor
pariale
126
produsului ncruciat al abaterilor i apariia casetei

de bifare Zero-order correlations, a crei selectare
comunic programului calcularea corelaiilor r
Bravais-Pearson, ntre perechile formate din cele trei
variabile, fr moderare. Facilitatea este foarte util,
scutindu-ne de a efectua corelaii repetate, prin urma-
Figura 1.29 Opiuni re am bifat-o i noi. Apsarea butonului Continue
avansate de configurare nchide aceast fereastr i se revine n primul formu-
lar.
Dup ce am introdus cu atenie variabile care urmeaz a fi calculate,
putem lansa operaiunea prin apsarea butonului OK. n scurt timp vei obi-
ne, n fereastra de rezultate, tabelul 1.36.
Tabelul 1.38 Rezultatele corelaiei pariale

Correlations
Control Variables Nota examen Emotii examen Timp de studiu
-none-a Nota examen Correlation 1,000 -,441 ,397
Significance (2-tailed) . ,000 ,000
Df 0 101 101
Emotii examen Correlation -,441 1,000 -,709
Significance (2-tailed) ,000 . ,000
Df 101 0 101
Timp de studiu Correlation ,397 -,709 1,000
Significance (2-tailed) ,000 ,000 .
Df 101 101 0
Timp de studiu Nota examen Correlation 1,000 -,247
Significance (2-tailed) . ,012
Df 0 100
Emotii examen Correlation -,247 1,000
Significance (2-tailed) ,012 .
Df 100 0
a. Cells contain zero-order (Pearson) correlations.
127
Vi se pare un tabel complicat? Nu este cazul s v speriai. n partea

de sus, sunt afiate cele trei variabile analizate i corelaiile de rang zero ntre
ele. tim deja, ntre notele obinute la examen i emoiile din timpul exame-
nului, avem un coeficient de corelaie semnificativ de r=-0,441, p<0,01. ntre
nota la examen i timpul alocat studiului, corelaia este semnificativ i pozi-
tiv, r=0,397, p<0,01; similar, ntre timpul de studiu i emoiile din timpul
examenului exist o corelaie negativ, r=-0,709, p<0,01. Ai observat c
aceste corelaii de ordin zero nu reprezint altceva dect coeficienii de core-
laie r Bravais-Pearson ntre cele trei variabile, luate dou cte dou. n loc s
efectum trei corelaii bivariate, bifm caseta Zero-order correlations iar
SPSS le va calcula automat, realiznd astfel o important economie de timp.
n partea de jos a tabelului, regsim corelaia parial solicitat. Ob-
servm c ntre nota obinut de ctre studeni la examen i emoiile din tim-
pul examenului, n condiiile n care controlm efectul timpului alocat pentru
studiu, exist o corelaie parial negativ i semnificativ r12.3=-0,247;
p<0,05, la un numr de 100 de grade de libertate. Efectul acestei corelaii este
de 0,06, adic doar 6% din variana notei obinute la examen poate fi regsit
n emoiile din timpul examenului.
Reprezentarea grafic adecvat aces-
tei corelaii este graficul tridimensional 3-D
Scatter. Pe axele OX i OY se reprezint cele
dou variabile corelate, iar pe axa OZ vom
afia variabila de control. Se remarc foarte
uor intensitatea slab a corelaiei dintre nota
obinut i emoiile din timpul examenului,
n condiiile controlului exercitat de timpul
Figura 1.30 Graficul corelaiei
pariale de studiu, precum i traseul descendent al
norului de puncte.
128
Interpretarea corelaiei pariale se realizeaz similar corelaiei bivaria-

te simple, la care se adaug elemente ce in de variabila de control.
S-ar putea s fim interesai, la un moment dat, de relaia existent n-
tre genul biologic i timpul alocat studiului, pentru a vedea n ce msur se-
xul subiecilor determin efecte asupra timpului de studiu. Suntem n situaia
asocierii unei variabile dihotomice cu o dihotomie discret, real, cu o varia-
bil continu. Ce tip de corelaie folosim? Ai ghicit, corelaie punct biserial.
n SPSS, coeficientul de corelaie punct biserial nu este altceva dect coefici-
entul de corelaie r Bravais-Pearson, n condiiile n care una dintre variabile
este dihotomic. Unii autori (Field, 2000), (Bakeman, i alii, 2004),
(Swinscow, i alii, 2002) recomand codarea variabilei dihotomice cu valo-
rile zero i unu pentru a nu exista nici un fel de dubiu referitor la calculul
acestui coeficient. n realitate, SPSS realizeaz automat conversia. n cazul
nostru, variabila gen biologic este o variabil dihotomic codat cu unu i
doi, iar calculul coeficientului de corelaie punct biserial nu pune probleme.
Calculai coeficientul de corelaie r Bravais-Pearson ntre genul bio-
logic i timpul de studiu.
Tabelul 1.39 Rezultatele corelaiei punct biseriale
Correlations
Gen biologic Timp de studiu

Pearson Correlation 1,00 ,085
Gen biologic Sig. (2-tailed) ,391
N 103,00 103
Pearson Correlation ,085 1,00
Timp de studiu Sig. (2-tailed) ,391
N 103 103,00
n tabelul de mai sus, putei observa lipsa oricrei asocieri ntre cele
dou variabile. Putem afirma c cele dou variabile sunt independente, genul
biologic nu determin nici un efect asupra timpului de studiu.
129
SPSS nu dispune de proceduri distincte de calcul a coeficientului de

corelaie biserial. n cazul n care variabila dihotomic are o dihotomie conti-
nu i se impune calculul acestui coeficient, putei calcula nti coeficientul
de corelaie punct biserial i apoi putei aplica formula de transformare n
coeficient biserial, aa cum s-a artat n capitolul dedicat acestor coeficieni.
I.5.2 Coeficieni de corelaie bazai pe date neparametrice

Tabelul 1.40 Structura bazei de date
Variabila Eticheta Nivel de msur Tip Caractere
sex Genul biologic Nominal Numeric 1
culoare_ochi Culoarea ochilor Nominal Numeric 1
educatie Ultima scoala Ordinal Numeric 1
grad Grad militar Ordinal Numeric 1
inaltime Inaltimea Scale Numeric 3
greutate Greutatea Scale Numeric 3
Pentru a studia, utiliznd SPSS, legtura dintre variabilele situate la

un nivel de msur neparametric, baza de date creat mai sus nu ne este de
prea mare ajutor. Vom realiza o nou baz de date, avnd o structur diferit.
Tabelul 1.41 Valorile variabilelor Aceast baz de date corespunde unei
Valoare Etichet cercetri imaginare, efectuat la nivelul unei
Sex 1 Masculin
uniti militare, cercetare n care ne intere-
2 Feminin
culoare_ochi 1 Albastri
seaz s nregistrm variabilele prezente n
2 Verzi tabelul 1.40. Se observ existena unui numr
3 Caprui
de 2 variabile de nivel nominal, dou variabi-
4 Negri
Educatie 1 Liceul le ordinale i dou variabile scalare, structur
2 Scoala postliceala suficient ndeplinirii scopurilor noastre.
3 Facultate
Etichetele variabilelor neparametrice sunt
4 Postuniversitare
Grad 1 Subofiter prezentate n tabelul 1.41, i nu necesit ex-
2 Ofiter cu grad inferior plicaii.
3 Ofiter cu grad superior
4 General Cunoscnd toate aceste elemente, nu
v rmne dect s proiectai baza de date i
130
s o salvai sub un nume, s spunem, Corelaii neparametrice.sav.

Dup salvare, urmtorul pas este reprezentat de popularea bazei de
date. n tabelul 1.42 avei structura complet a acestor informaii. Desigur,
toate valorile sunt fictive i nu corespund unei cercetri reale. narmai-v,
aadar, cu mult rbdare i completai cele 50 de cazuri, pentru a putea dema-
ra apoi analiza. Desigur, la final, nu vei uita s salvai din nou baza de date,
sub acelai nume, pentru a evita surprizele provocate de o eventual blocare a
computerului.
Tabelul 1.42 Baza de date pentru corelaii neparametrice
Sex Culoare Educatie Grad Inaltime Greutate Sex Culoare Educatie Grad Inaltime Greutate
1 3 4 4 172 87 2 3 2 2 193 94
2 2 4 4 180 102 1 1 2 2 175 96
2 1 4 3 184 79 1 4 2 2 177 92
2 3 4 3 176 86 1 4 2 2 170 69
1 1 3 3 173 85 2 2 2 2 188 81
1 3 3 3 187 77 2 2 2 2 172 76
1 4 3 4 178 80 1 2 2 1 170 93
1 3 3 4 180 100 1 3 2 1 173 98
2 1 3 4 170 82 1 4 2 1 171 74
1 1 3 3 171 71 2 3 2 1 186 77
1 3 3 3 172 79 2 1 2 1 187 92
1 3 3 3 170 89 1 1 2 1 191 99
1 4 3 3 185 90 1 4 2 1 178 72
2 4 3 3 172 94 2 4 2 1 181 85
1 1 3 3 187 75 2 3 2 1 187 72
1 3 3 3 193 73 1 3 2 1 174 100
1 4 3 3 184 83 1 3 2 1 189 86
2 4 3 3 175 80 2 3 2 1 170 77
1 3 3 3 187 84 1 3 2 2 182 90
1 4 3 3 169 71 1 2 2 2 186 90
2 3 3 2 171 93 1 2 2 2 193 97
131
1 2 3 2 188 69 1 3 2 1 177 70
1 2 3 2 174 74 2 3 1 1 182 82
1 3 3 2 174 78 1 3 1 1 188 87
1 3 3 2 184 91 1 3 1 2 172 97
Pentru nceput, ne propunem s analizm re-

laia dintre nlimea i greutatea celor 50 de subieci.
Teoretic, ambele variabile sunt de tip scalar,
putndu-se folosi coeficientul de corelaie r Bravais-
Pearson. S presupunem, ns, c nlimea subieci-
lor nu are o distribuie normal, ci una puternic asi-
Figura 1.31 Meniul de metric la stnga, artnd faptul c tendina n gru-
lansare a analizei pul de studiu este ctre subiecii nali. Media nu
mai este un indicator reprezentativ pentru tendina central, i, prin urmare,
nu vom putea folosi coeficientul de corelaie menionat mai sus. Urmtoarea
alternativ este aceea a coeficienilor de corelaie Spearman i Kendall.
Pentru a ncepe calculul acestor doi coeficieni, vei proceda exact la fel ca
mai sus, la calculul coeficientului de corelaie r Bravais-Pearson. Vei accesa
meniul Analyze, apoi submeniul Correlate i, n final, opiunea Bivari-
ate. Se va deschide cunoscuta fereastr din figura 1.32.
Atunci cnd ai calculat coeficientul
de corelaie r Bravais-Pearson, v amintii,
ai inclus cele dou variabile n lista varia-
bilelor supuse analizei, apoi ai bifat caseta
Pearson. n cazul nostru, lucrurile stau la
fel, cu o singur excepie. Nu vom mai bifa
caseta Pearson din cadrul seciunii Cor-
relation Coefficients, ci casetele Ken-
dalls tau-b pentru a calcula coeficientul
Figura 1.32 Fereastra de analiz a
corelaiilor de corelaie Kendall i Spearman pen-
132
tru a calcula coeficientul de corelaie Spearman. Alte explicaii, la acest

nivel, nu sunt necesare, toate aspectele fiind lmurite anterior. Nu rmne
dect s apsai butonul OK pentru ca programul s iniieze calculul aces-
tor date.
Fereastra de rezultate va afia un tabel, la fel cu tabelul 1.41, n care
sunt prezentate cele dou analize, bazate pe coeficientul de corelaie Ken-
dall i pe coeficientul de corelaie Spearman, ambii fiind, v reamintim,
coeficieni de corelaie ai rangurilor.
La fel ca n cazul coeficientului de corelaie r Pearson, tabelul conine
trei elemente: valoarea coeficientului de corelaie, pragul de semnificaie pen-
tru o ipotez bilateral (sau unilateral, dac am specificat acest lucru n fe-
reastra de configurare a analizei) i numrul de subieci investigai (n).
Situaia noastr ar trebui s bucure sau s supere cercettorul, n func-
ie de modul n care i-a formulat obiectivele. Se poate observa existena unor
coeficieni de corelaie nesemnificativi, foarte mici (=0,069, =0,097) ntre
nlimea i greutatea subiecilor.
Tabelul 1.43 Rezultatul analizei legturii dintre nlime i greutate
Correlations
nlimea Greutatea
Kendall's tau_b nlimea Correlation Coefficient 1,000 ,069
Sig. (2-tailed) . ,491
N 50 50
Greutatea Correlation Coefficient ,069 1,000
Sig. (2-tailed) ,491 .
N 50 50
Spearman's rho nlimea Correlation Coefficient 1,000 ,097
N 50 50
133
Tabelul 1.43 Rezultatul analizei legturii dintre nlime i greutate

Correlations
nlimea Greutatea
Kendall's tau_b nlimea Correlation Coefficient 1,000 ,069
N 50 50
N 50 50
Spearman's rho nlimea Correlation Coefficient 1,000 ,097
N 50 50
N 50 50
n concordan cu datele cercetrii, nu exist nicio legtur ntre nl-

imea i greutatea subiecilor, cele dou variabile fiind independente, iar noi
putem s nu respingem ipoteza nul. O asemenea cercetare, presupunnd c
am fi lucrat cu date reale, poate fi lipsit de valoare? Depinde de modul n
care explicm rezultatele.
nali-Slabi
Privind figura 1.33, n care am repre-
zentat grafic aceast relaie, putem observa
cteva lucruri interesante. Exist, ntr-adevr,
o tendin ctre un tip de corelaie pozitiv,
tendin anulat ns de dou situaii particula-
re: de existena unui grup de persoane foarte
Scunzi-Grai
nalte i foarte slabe i de existena unui alt
Figura 1.33 Relaia dintre grup de persoane ceva mai numeros scunde
nlime i greutate
i supraponderale. Lipsa unui coeficient de
corelaie semnificativ se poate datora tocmai acestui lucru i, putem suspecta,
134
influena unei variabile de grup probabil tipul constituional pe care nu

am luat-o n considerare.
Analiza coeficientului de corelaie Kendall ori a coeficientului de
corelaie Spearman se realizeaz la fel ca i cea a coeficientului de corelaie
r Bravais-Pearson, drept pentru care nu vom intra
n amnunte referitoare la acest lucru.
Cum vom proceda n condiiile n care do-
rim s aflm dac exist vreo legtur ntre genul
biologic al subiecilor i culoarea ochilor? Ambele
Figura 1.34 Meniul de variabile sunt la un nivel de msur nominal, iar
accesare a tabelelor de singura posibilitate pe care o avem este aceea de a
contingen.
utiliza tabelele de contingen.
n SPSS for Windows, construcia i analiza tabelelor de contingen
se afl n cadrul meniului Analyze la Descriptive Statistics i apoi opiu-
nea Crosstabs. Termenul semnific ideea de tabele ncruciate, de fapt
chiar ideea conceptului menionat
mai sus, cea de tabel de contingen-
.
La accesarea acestei opiuni,
se va deschide o fereastr nou,
fereastra de configurare i de anali-
z a tabelului de contingen. Fiind
un element nou, ne vom concentra
atenia asupra formularului. Se ob-
serv cteva elemente comune: lista
variabilelor din baza de date, buto- Figura 1.35 Fereastra de configurare i analiz
nul de lansare a analizei OK, de a tabelelor de contingen
copiere a codului Paste, de reiniializare a formularului Reset, de anula-

re Cancel i de asisten Help, alturi de butoanele-sgeat de transfer.
135
Celelalte elemente sunt, n marea lor majoritate, controale noi, astfel nct le
vom trata n detaliu.
Listele Row(s): i Column(s): se refer la variabilele ce vor fi
reprezentate pe liniile, respectiv pe coloanele tabelului de contingen. SPSS
permite att analiza tabelelor de contingen bidimensionale, ct i a celor
multidimensionale. Rezult c, putem include mai multe variabile n listele
Row(s) ori Column(s), n vederea construciei unor tabele multidimensi-
onale.
Seciunea Layer vizeaz includerea n analiz a uneia sau a mai
multor variabile de control, variabile care presupunem c ar putea influena
tabelul de contingen. De exemplu, dac am studia relaia dintre culoarea
ochilor i culoarea prului i am presupune c aceast relaie este influen-
at de genul biologic, atunci am include variabila gen biologic n lista
Layer, aceasta funcionnd ca variabil de control. Mai mult, SPSS ne
permite construcia de modele ierarhice folosind variabile de control, pentru a
vedea efectul exercitat de introducerea, succesiv, a acestora.
La includerea uneia sau a mai multor variabile n aceast list, pro-
gramul efectueaz analize separate pentru fiecare categorie a fiecrei variabi-
le de control introduse. Vom obine, aadar, o analiz a relaiei dintre culoa-
rea ochilor i culoarea prului pentru brbai i o alt analiz, separat, pentru
femei. Butoanele Previous i Next permit navigarea prin modelele de
variabile de control, n vederea adugrii sau n vederea modificrii acestora.
Dac bifai caseta Display clustered bar charts, comunicai pro-
gramului SPSS s construiasc un grafic cu bare, grupat dup o variabil,
fiecare grup coninnd categoriile celeilalte variabile. n cazul nostru, SPSS
ar construi dou grupuri de grafice cu bare pentru femei i pentru brbai
fiecare grup coninnd graficul cu bare pentru culoarea ochilor.
136
Bifarea casetei Suppress tables are ca efect includerea tuturor tabe-

lelor de contingen ntr-unul singur (dezactivndu-se i butoanele Cells
i Format). Personal nu recomand bifarea acestei opiuni, deoarece re-
zultatele pot s piard foarte mult din lizibilitate. Caseta are efect numai asu-
pra modului de prezentare al datelor, nu i asupra
procedurilor de calcul.
Apsarea butonului Exact determin
deschiderea formularului de configurare a teste-
lor de semnificaie, furniznd o serie de metode
adiionale.
Varianta Asymptotic only este metoda
implicit, bazat pe calculul nivelului de semni-
ficaie n funcie de tipul distribuiei teoretice.
Figura 1.36 Configurarea
testelor de semnificaie Este, dac dorii, metoda clasic de calcul a sem-
nificaiei, aa cum a fost ea descris pn acum,
n acest volum. O valoare este considerat semnificativ dac pragul de sem-
nificaie este mai mic de 0,05. Totui, varianta pleac de la premisa c setul
de date este suficient de mare i uniform distribuit. Pentru un numr redus de
cazuri sau n condiiile n care omogenitatea distribuiei pune probleme,
aceast metod poate s nu reprezinte un bun indicator al pragului de semni-
ficaie.
Celelalte metode, Monte Carlo i Exact, se vor folosi n condiii-
le n care distribuia datelor nu permite utilizarea metodei clasice.
Metoda Monte Carlo reprezint o form precis de analiz a nive-
lului de semnificaie, bazat pe simulare, derivat din calculul repetat, efec-
tuat pe mai multe eantioane de tabele de contingen de aceleai dimensiuni,
i cu aceleai totaluri marginale ca i tabelul analizat. Metoda Monte Carlo
permite estimarea precis a pragului de semnificaie, chiar n condiiile n
care nu se poate aplica metoda clasic, asimptotic. Se poate folosi n cazul
137
n care numrul subiecilor este suficient de mare, ns avem de a face cu o

distribuie problematic. Singurele elemente care trebuie configurate, se refe-
r la nivelul de ncredere (Confidence level), care poate fi 95% pentru un
prag de semnificaie de 0,05 sau 99% pentru un prag de semnificaie de 0,01
i numrul de eantioane pe baza crora se va face simularea (Number of
samples). Valoarea implicit, 10.000, este suficient. O valoarea mai mare
determin i un nivel de precizie mai mare, ns consum foarte mult din pu-
terea de calcul a procesorului.
Metoda Exact permite calcularea precis a probabilitii de apariie
a unui rspuns. n mod normal, un nivel de semnificaie mai mic de 0,05 este
considerat, i aici, suficient, indicnd existena unei relaii ntre variabile.
Deoarece este o operaiune de durat, poate fi configurat limita de timp per
fiecare test. Bifnd caseta Time limit per test, putei comunica programului
s nu execute teste care depesc durata menionat.
n general, nu prea avem motive s folosim alt metod dect cea cla-
sic, asimptotic. Dac totui dorii s fii ex-
trem de precii, putei folosi metoda Monte
Carlo. Utilizarea metodei Exact presupune
un computer foarte puternic i mult rbdare,
analiza fiind de lung durat. Uneori s-ar putea
s avei surpriza c v nghea calculatorul i
singura variant va fi s-l scoatei din priz. S
nu spunei c nu v-am avertizat!
Apsarea butonului Continue permite
revenirea n formularul iniial, cu memorarea
testului de semnificaie dorit. Figura 1.37 Configurarea
coeficienilor de corelaie
Butonul Statistics ne intereseaz n
mod deosebit, deoarece din aceast fereastr putem alege indicatorii care ne
intereseaz. Formularul este foarte intuitiv, grupat pe seciuni, conine doar
138
casete de bifare. Remarcai o serie de indicatori pe care-i cunoatei, dar i

indicatori de care probabil nu ai auzit. Haidei s-i lum pe fiecare n parte.
Caseta Chi-square se refer exact la coeficientul de contingen 2.
Bifai aceast caset, pentru a calcula coeficientul de contingen Pearson 2,
coeficientul de contingen probabilistic-proporional 2, testul de semnifica-
ie Fisher i coeficientul de contingen Yate 2 corectat pentru continuitate.
tiu c nu ai auzit de aceti coeficieni. n esen, sunt forme derivate din 2,
pentru a rspunde unor necesiti specifice de cercetare. Spre exemplu, 2
corectat pentru continuitate se folosete strict pentru tabele de continuitate
bidimensionale de tip 2x2, aa cum am vzut deja. Pentru tabele bidimensio-
nale cu mai multe linii i coloane, reperul este 2 Pearson sau 2 probabilistic
proporional. Dac cele dou variabile nu sunt nominale sau ordinale, ci se
situeaz la un nivel scalar, cel mai bun indicator va fi coeficientul de asociere
liniar 2. Testul de semnificaie Fisher se folosete doar pentru tabele 2x2, n
cazul n care frecvena ateptat la nivelul unei celule este mai mic de 5. Nu
v impacientai. Toate aceste elemente le vom discuta n momentul n care
vom analiza rezultatele.
Caseta Correlations o putei folosi n condiiile n care tabelul de
contingen conine date aflate la un nivel ordinal sau scalar. Se va calcula
coeficientul de corelaie Spearman, dac datele se afl la un nivel ordinal
sau/i coeficientul de corelaie r Pearson dac datele se afl la un nivel scalar.
Iat, cel puin un motiv pentru care este important s definim corect nivelul
de msur atunci cnd proiectm baza de date.
Seciunea Nominal se refer la coeficieni de asociere pentru date
nominale. Putei bifa caseta Contingency coefficient pentru a calcula coe-
ficientul de contingen, caseta Phi and Cramers V pentru a calcula coe-
ficienii de contingen Pearson i v Cramer, caseta Lambda pentru coe-
ficientul de asociere , Goodman i Kruskal, acela care permite realizarea
unui fel de predicii i caseta Uncertainty coefficient, cu ajutorul creia
139
calculai coeficientul de incertitudine. Acesta din urm nu a fost studiat, ns

seamn mult cu coeficientul Goodman i Kruskal. Msoar, de asemenea,
reducerea proporional a erorilor atunci cnd o variabil este folosit pentru
a prezice o alt variabil.
Seciunea Ordinal permite calculul coeficienilor de corelaie n si-
tuaia n care variabilele se afl la un nivel ordinal. Bifarea casetei Gamma
permite calculul coeficientului de corelaie , pe care l-am studiat. Casetele
Kendalls tau-b i Kendalls tau-c permit calculul variantelor b i c ale
coeficientului de corelaie al rangurilor Kendall. Singura diferen dintre cei
doi coeficieni este aceea c b ine seama de rangurile egale iar c nu ine
seama de aceste ranguri. Caseta Somers d ofer posibilitatea calculului
coeficientului de corelaie d Somers. Acest indicator nu a fost studiat, ns se
folosete ca i coeficientul ce corelaie Spearman sau Kendall
Seciunea Nominal by Interval se refer la cazul n care o variabil
se afl la un nivel de msur de interval iar o alt variabil este nominal.
Singurul coeficient pus la dispoziie de SPSS este coeficientul (eta), pe care
nu l-am analizat n detaliu n aceast lucrare. Coeficientul este unul nedireci-
onal, ia valori ntre 0 i 1 i exprim intensitatea legturii dintre o variabil
nominal i una ordinal sau scalar.
n imensa lor generozitate, pltit, desigur, cu bani grei, programa-
torii de la SPSS Inc. ne ofer o serie de indicatori suplimentari, astfel:
Caseta Kappa ne ofer o msur a acordului. De fapt, calculeaz
coeficientul Cohen , un coeficient asemntor coeficientului de concordan
W Kendall. SPSS nu ofer o modalitate direct de calcul a coeficientului de
concordan W Kendall, dei include aceast procedur n anumite teste sta-
tistice. Oricum, coeficientul Cohen se poate folosi ca o alternativ la coefi-
cientul W Kendall, n situaia n care ambele variabile au acelai numr de
categorii i aceleai valori ale categoriilor.
140
Caseta Risk nu se refer la riscul de a v pierde buna dispoziie ci-

tind aceast carte, ci reprezint un coeficient care msoar puterea legturii
dintre prezena unui factor i apariia unui eveniment. Dac dorii s studiai
relaia dintre prezena soacrei i apariia unui
conflict n familie, acesta este coeficientul care
vi se potrivete cel mai bine.
Coeficientul McNemar studiaz leg-
tura dintre dou variabile dihotomice i se ba-
zeaz tot pe 2. Se folosete, de obicei, n cerce-
tri de tipul nainte i dup, pentru a se identi-
fica modificarea rspunsurilor n urma apariiei
unei situaii experimentale.
Cellalt element din aceast fereastr nu Figura 1.38 Configurarea
prezint un interes deosebit pentru subiectul datelor n tabele
nostru, referindu-se mai mult la studiul diferenelor dect la studiul corelaii-

lor, motiv pentru care l vom discuta cu alt ocazie.
Butonul Cells permite configurarea datelor ce vor fi prezentate n
tabelele de contingen.
Seciunea Counts are dou casete de bifare: Observed i Ex-
pected. Ele permit afiarea, n tabelul de contingen, a frecvenelor actuale
(observate) i/sau a frecvenelor estimate (teoretice), n condiiile n care se
lucreaz cu 2.
Seciunea Percentages permite adugarea i a frecvenelor relative
(procente) pentru variabilele situate pe linii (Row), i/sau pentru variabilele
situate pe coloane (Column) ori la nivelul rezultatelor marginale (Total).
Reziduurile nu reprezint altceva dect diferena dintre scorul obser-
vat i cel estimat. Controlul afirii acestor elemente se realizeaz prin inter-
mediul seciunii Residuals. Acestea se pot afia n form brut, nestandar-
141
dizat (Unstandardized), ca diferen ntre numrul de cazuri observate i

numrul de cazuri estimate. Ca s v reamintii, numrul de cazuri observate
reprezint numrul de subieci, din baza de date, care au acea caracteristic,
iar numrul de cazuri estimate (teoretice) se refer la numrul de cazuri care
ar trebui s existe n celula respectiv, dac nu ar exista nicio relaie ntre cele
dou variabile. Dac rezultatul acestui reziduu este pozitiv, atunci nseamn
c numrul de cazuri din acea celul este mai mare n comparaie cu situaia
n care cele dou variabile ar fi independente.
Forma standardizat se poate afia prin bifarea opiunii Standard-
ized. SPSS va calcula raportul dintre valoarea rezidual brut i abaterea
standard a acestei estimri. Aceste date sunt reprezentate pe o distribuie z, cu
media 0 i abaterea standard 1, avnd aceeai semnificaie ca i scorurile z.
Din acest motiv, se mai numesc i reziduuri Pearson.
Bifarea casetei Adjusted standardized permite afiarea reziduurilor
n form standardizat, exprimate ns ca abateri standard n jurul mediei.
Este, dac dorii, un fel de etalonare n uniti sigma a reziduurilor.
Seciunea Noninteger Weights are n vedere modul de reprezentare
a rezultatelor n celulele tabelului de contingen. n mod normal, celulele
tabelului de contingen conin numere ntregi. Sunt ns situaii n care se
pot opera deplasri ori ponderri. O deplasare cu o valoare fracionar (spre
exemplu o multiplicare a tuturor datelor cu o constant de tipul 1,19) va de-
termina afiarea n celulele tabelului a unor numere zecimale. Aceste valori
pot fi rotunjite sau trunchiate, folosindu-se opiunile acestei seciuni.
Opiunea Round cell counts are ca efect rotunjirea valorilor din ba-
za de date, nainte de a se efectua calculele statistice.
Opiunea Truncate cell counts are ca efect trunchierea valorilor din
baza de date nainte de a se efectua calculele statistice. Diferena dintre rotun-
jire i trunchiere const n faptul c la rotunjire valorile zecimale se transfor-
142
m n ntregi n sensul superior (de exemplu 1,39 va fi rotunjit la 2) iar la

trunchiere, valorile zecimale se transform n ntregi, n sensul inferior (1,39
va fi trunchiat la 1). Operaiunile nu afecteaz datele din baza de date, ci doar
rezultatele calculelor statistice.
Opiunea Round case weights are ca efect rotunjirea datelor direct
n baza de date, naintea efecturii oricror calcule
statistice.
Opiunea Truncate case weights are ca
efect trunchierea datelor direct n baza de date,
naintea efecturii oricror calcule statistice.
Figura 1.39 Configura-
Desigur, opiunea No adjustments nu rea formatrii datelor
efectueaz nicio ajustare, datele fiind folosite aa
cum sunt.
Ultimul buton rmas este butonul Format care controleaz ordi-
nea de sortare a variabilei reprezentate pe linii.
Putem opta pentru o sortare ascendent a categoriilor variabilei repre-
zentat pe linii (alegnd opiunea Ascending) sau pentru o sortare descen-
dent, de la mare la mic, a aceleiai variabile (alegnd opiunea
Descending).
Acestea sunt, n mare, opiunile referitoare la construcia i analiza ta-
belelor de contingen. Acum, s revenim la problemele noastre. Ne-am pro-
pus s studiem relaia existent ntre genul biologic al persoanelor i culoarea
ochilor. Ambele sunt variabile situate la nivel nominal, singurele statistici ce
pot fi calculate sunt cele bazate pe date nominale.
n lista Row(s) vom include genul biologic iar n lista Column(s)
includem culoare ochilor. Vom bifa i caseta Display clustered bar charts
pentru a fora SPSS s reprezinte graficul cu bare al acestor variabile i
cam att aici. Opiunea de calcul a testelor de semnificaie va rmne cea
143
implicit opiunea asimptotic, astfel nct putem ignora butonul

Exact. Butonul Statistics ne intereseaz ceva mai mult. Aici vom
bifa caseta Chi-Square, pentru a calcula coeficienii 2. De asemenea, n
seciunea Nominal, vom calcula coeficientul de contingen i coeficienii
i v Cramer. Celelalte casete nu le vom bifa, deoarece nu suntem n situaia
de a ncerca predicii i nici nu avem variabile situate la vreun nivel superior
de msur.
Apsnd butonul Cells vom comunica programului modalitatea
de afiare a rezultatelor. Dorim s prezentm att frecvenele ateptate, ct i
cele observate, ne intereseaz i toate reziduurile. Dup bifarea opiunilor
respective, putem apsa butonul Continue pentru a reveni la formularul
iniial i apoi butonul OK n vederea lansrii analizei.
Acum, dac vei privi n fereastra de afiare a rezultatelor, vei rmne
surprini. SPSS a generat nu mai puin de patru tabele i un grafic.
Tabelul 1.44 Sumarul analizei
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Genul biologic * 50 100,0% 0 ,0% 50 100,0%
Culoarea ochilor
Primul tabel se refer la sumarul analizei. Se poate observa c toi cei

50 de subieci au scoruri la cele dou variabile, nu exist cazuri lips, datele
sunt utilizabile 100%.
Al doilea tabel nu este altceva dect tabelul ncruciat de contingen.
Se poate observa reprezentarea pe coloane a variabilei culoarea ochilor, n
timp ce pe linii este reprezentat variabila gen biologic. Datele din acest
tabel ne ofer informaii valoroase referitoare la structura intern a analizei i
vor trebui incluse n orice raport de cercetare. Iat o prim situaie n care ar
144
fi trebuit s folosim opiunile de rotunjire sau trunchiere, fr afectarea bazei

de date. Vei vedea imediat de ce.
Ce ne spune acest tabel? n primul rnd avem un numr de 34 de br-
bai. Dintre acetia, 5 au ochi albatri, 5 au ochi verzi, 16 au ochi cprui i 8
au ochi negri. Similar, am investigat 16 femei, 3 cu ochi albatri, 3 cu ochi
verzi, 7 cu ochi cprui i 3 cu ochi negri. Frecvenele estimate, pentru brbai,
sunt 5,4 pentru ochi albatri, 5,4 pentru ochi verzi, 15,6 pentru ochi cprui,
7,5 pentru ochi negri. Situaia este redat n mod analog i pentru femei. To-
tui, ce nseamn, spre exemplu, 5,4? nseamn cumva cinci brbai i jum-
tate? La acest nivel de msur ar fi fost mai bine s folosim opiunile de ro-
tunjire pentru a evita asemenea exprimri zecimale. Cnd folosim, ns, trun-
chierea i cnd folosim rotunjirea? n general, dac baza de date conine un
numr mare de cazuri, vom folosi trunchierea. Chiar dac pierdem informa-
ie, ctigm precizie. Dac numrul de cazuri este relativ mic, este de prefe-
rat s utilizm rotunjirea. Beneficiem de mai mult informaie n detrimentul
preciziei.
Tabelul 1.45 Tabelul de contingen
Genul biologic * Culoarea ochilor Cross tabulation
Culoarea ochilor
Albastri Verzi Caprui Negri Total
Genul biologic Masculin Count 5 5 16 8 34
Expected Count 5,4 5,4 15,6 7,5 34,0
Residual -,4 -,4 ,4 ,5
Std. Residual -,2 -,2 ,1 ,2
Adjusted Residual -,4 -,4 ,2 ,4
Feminin Count 3 3 7 3 16
Expected Count 2,6 2,6 7,4 3,5 16,0
Residual ,4 ,4 -,4 -,5
Std. Residual ,3 ,3 -,1 -,3
Adjusted Residual ,4 ,4 -,2 -,4
Total Count 8 8 23 11 50
Expected Count 8,0 8,0 23,0 11,0 50,0
145
Urmtoarele linii din tabel se refer la reziduuri. Observm c pentru

culorile deschise (albatri i verzi) brbaii se situeaz sub frecvena atepta-
t, n timp ce femeile se situeaz sub frecvena ateptat la culorile nchise
(cprui i negri). Ne-am putea gndi la o predominan a culorilor nchise
pentru brbai i a culorilor deschise pentru femei, dei forma standardizat a
reziduurilor arat abateri mici de la situaia n care nu ar exista nici o relaie
ntre cele dou variabile.
Presupunerile anterioare se confirm n tabelul 1.44. Observm c nu
exist nicio legtur ntre cele dou variabile. Nu se poate stabili nicio relaie
ntre culoarea ochilor i genul biologic al subiecilor.
Tabelul 1.46 Coeficientul de contingen 2
Chi-Square Tests
Asymp. Sig. (2-
Value df sided)
Pearson Chi-Square ,361a 3 ,948
Likelihood Ratio ,359 3 ,949
Linear-by-Linear Association ,320 1 ,571
N of Valid Cases 50
a. 3 cells (37,5%) have expected count less than 5. The minimum expected count is 2,56.
Absena legturii este confirmat i de coeficienii de asociere derivai

2
din . ntr-adevr, putem s nu respingem ipoteza nul conform creia nu
exist nicio legtur ntre culoarea ochilor i genul biologic al subiecilor.
Tabelul 1.47 Coeficieni de asociere derivai din 2
Symmetric Measures
Value Approx. Sig.
Nominal by Nominal Phi ,085 ,948
Cramer's V ,085 ,948
Contingency Coefficient ,085 ,948
N of Valid Cases 50
146
Reprezentarea grafic
a datelor vine n sprijinul de-
monstraiei cifrice. Genul
persoanelor investigate nu are
nicio legtur cu culoarea
ochilor acestora. Graficul ara-
t doar o preponderen a
ochilor cprui, la ambele sexe
i o oarecare frecven mai
ridicat a ochilor negri la br-
bai. Culorile deschise au n
Figura 1.40 Reprezentarea grafic a relaiei dintre
culoarea ochilor i genul biologic. continuare o frecven sczu-
t, att la brbai ct i la fe-
mei. Iat c, prin procedee neparametrice, situate chiar la un nivel nominal, s-
a putut demonstra o ipotez de cercetare.
nainte de a ncheia, vom furniza cteva exemple, fr a intra n deta-
lii, pentru a v putea familiariza cu procedurile de lucru.
S presupunem c dorim s aflm relaia dintre culoarea ochilor i
gradul militar, adic s vedem dac, ntr-adevr, coloneii au ochi albatri.
Suntem n situaia analizei legturii ntre o variabil nominal (culoarea ochi-
lor) i o variabil ordinal (gradul militar). n acest caz avem dou posibili-
ti. Fie abordm analiza la nivel nominal, la fel cum am procedat anterior,
deoarece una dintre variabile se afl la acest nivel i aplicm principiul ana-
lizei bazate pe variabila cea mai slab, fie folosim coeficientul , coeficient
care relaioneaz o variabil nominal cu una ordinal sau scalar. Noi vom
aborda ambele situaii. Prin urmare, includem pe linii variabila culoarea
ochilor i pe coloane gradul militar. Bifm i caseta Display clustered bar
charts pentru a putea afia grafic variabilele, apoi alegem opiunile Chi-
147
square, Contingency coefficient, Phi and Cramers V, dar i opiunea

Eta din fereastra de configurare a statisticilor. Vom considera c una dintre
variabile nu ndeplinete condiiile testrii asimptotice i vom alege metoda
Monte Carlo din fereastra de configurare a testelor de semnificaie. n final,
apsm butonul OK pentru a lansa analiza.
Nu vom furniza toate tabelele, majoritatea fiind identice cu ele din
analiza de mai sus.
Constatm c statisticile bazate pe 2 sunt mult mai elaborate la utili-
zarea metodei Monte Carlo. Avem pragurile de semnificaie att pentru me-
toda clasic, asimptotic, dar i pentru metoda Monte Carlo, alturi de inter-
valele de ncredere. Desigur, nu exist nicio legtur ntre cele dou variabile,
aa cum reiese i din tabelul 1.47, tabelul coeficienilor de asociere derivai
din 2.
Tabelul 1.48 Coeficieni de asociere 2
Chi-Square Tests
Monte Carlo Sig. (2-sided) Monte Carlo Sig. (1-sided)
99% Confidence 99% Confidence
Interval Interval
Asymp. Sig. Lower Upper Lower Upper
Value df (2-sided) Sig. Bound Bound Sig. Bound Bound
Pearson Chi-Square 13,004a 9 ,162 ,158b ,149 ,168
Likelihood Ratio 14,002 9 ,122 ,210b ,200 ,220
Fisher's Exact Test 11,963 ,159b ,149 ,168
Linear-by-Linear ,123c 1 ,725 ,769b ,758 ,779 ,397b ,384 ,409
Association
N of Valid Cases 50
a. 13 cells (81,3%) have expected count less than 5. The minimum expected count is ,80.
b. Based on 10000 sampled tables with starting seed 2000000.
c. The standardized statistic is -,351.
Toi cei trei coeficieni de asociere calculai arat, din nou, indepen-
dena celor dou variabile. Oricum, se poate observa creterea preciziei pra-
148
gului de semnificaie la utilizarea metodei Monte Carlo n comparaie cu tes-

tul clasic.
Tabelul 1.49 Coeficieni de asociere derivai din 2
Symmetric Measures
Monte Carlo Sig.
99% Confidence Interval
Value Approx. Sig. Sig. Lower Bound Upper Bound
Nominal by Nominal Phi ,510 ,162 ,158a ,149 ,168
a
Cramer's V ,294 ,162 ,158 ,149 ,168
Contingency Coefficient ,454 ,162 ,158a ,149 ,168
N of Valid Cases 50
a. Based on 10000 sampled tables with starting seed 2000000.
Ultimul tabel analizat este cel al coeficientului de asociere . Aici va

trebui s facem cteva precizri, deoarece asocierea se trateaz direcional.
Acest lucru nseamn c avem o variabil dependent (variabila situat la
nivel scalar) i o variabil independent (variabila situat la nivel nominal).
SPSS nu are de unde s tie care este variabila dependent i care este varia-
bila independent, prin urmare furnizeaz ambele valori. n cazul nostru, va-
riabila dependent este gradul militar iar cea independent culoarea ochi-
lor. Coeficientul care ne intereseaz este, aadar, situat pe a doua linie
linia carte trateaz gradul militar (=0,184).
Tabelul 1.50 Coeficientul de asociere nominal ordinal
Directional Measures
Value
Nominal by Interval Eta Culoarea ochilor Dependent ,120
Grad militar Dependent ,184
Remarcm valoarea mic a acestei legturi i, de asemenea, lipsa pra-

gului de semnificaie. SPSS nu furnizeaz valoarea semnificaiei pentru acest
coeficient, ea fiind tratat la analizele folosind date nominale. De aceea, coe-
ficientul va fi ntotdeauna nsoit de analize bazate pe 2.
149
Un ultim exemplu i propune analiza relaiei dintre ultima coal ab-

solvit i gradul militar. Ambele variante se afl la nivel ordinal, astfel nct
putem bifa i caseta Correlations, dar i ceilali coeficieni de corelaie pen-
tru date ordinale: Gamma, Sommers d, Kendalls tau-b i Kendalls
tau-c. Dac avei curaj, alegei opiunea Exact cu limitare la 5 minute,
pentru a vedea cum funcioneaz i acest element. Apoi salvai dac ai lucrat
ceva, lansai analiza i luai-v o mic pauz. Glumeam! Numrul mic de
date permite analiza rapid a acestora.
Observm c legtura dintre cele dou variabile este semnificativ la
un prag de semnificaie mai mic de 0,01, prag furnizat att de testul clasic de
semnificaie, ct i de testul exact. Coeficienii au valori ridicate, fapt care
indic existena unei legturi pozitive, semnificative i puternice ntre gradul
militar i ultima coal absolvit. Desigur, gradele militare nalte presupun i
studii pe msur, relaia nefiind un fapt surprinztor.
Tabelul 1.51 Coeficieni de corelaie pentru date aflate la nivel ordinal
Symmetric Measures
Asymp. Std.
Value Errora Approx. Tb Approx. Sig. Exact Sig.
Ordinal by Ordinal Kendall's tau-b ,742 ,040 16,127 ,000 ,000
Kendall's tau-c ,661 ,041 16,127 ,000 ,000
Gamma ,942 ,040 16,127 ,000 ,000
Spearman Correlation ,823 ,034 10,025 ,000c ,000
c
Interval by Interval Pearson's R ,780 ,041 8,629 ,000 ,000
N of Valid Cases 50
a. Not assuming the null hypothesis.
b. Using the asymptotic standard error assuming the null hypothesis.
c. Based on normal approximation.
Exerciii:
Analizai i interpretai legturile dintre: gen biologic i grad mi-
litar, culoarea ochilor i ultima coal absolvit, gen biologic i
greutate. Explicai i argumentai utilizarea coeficienilor.
150
V voi lsa acum n compania SPSS, s v jucai cu opiunile i cu in-

dicatorii corelaiilor, s experimentai mai multe variante, deoarece numai aa
vei putea s v perfecionai. Nu vom ncheia, ns, acest capitol, dect dup
ce vom realiza cteva referiri generale la modul de raportare al studiilor core-
laionale.
I.5.3 Raportarea studiilor corelaionale

Pe parcursul acestui capitol am fcut deseori referire la stilul, modul
n care se pot raporta studiile de tip corelaional. Desigur, nu exist un ablon
standard de raportare, acest lucru rmnnd la latitudinea, experiena i talen-
tul cercettorului. Exist ns o serie de principii generale, a cror respectare
v poate scuti de surpriza neplcut a respingerii vreunei lucrri.
Am menionat deja c la raportarea unei corelaii sunt importante trei
elemente: intensitatea corelaiei, dat de valoarea coeficientului de corelaie,
sensul corelaiei, doar pentru coeficienii direcionali, dat de semnul coefici-
entului de corelaie i pragul de semnificaie. Unii autori (Field, 2000) afir-
m c este important raportarea efectului, sub forma varianei comune. De-
sigur, pot fi formulate i o serie de reguli, n general mai mult sau mai puin
acceptate i respectate:
1. Nu se recomand scrierea cifrei 0 naintea punctului zecimal,
deoarece reprezint o exprimare redundant, atta timp ct i
coeficientul, i pragul de semnificaie au o amplitudine cuprin-
s ntre 0 i 1. Prin urmare, nu se recomand publicarea unui
coeficient de corelaie r Bravais-Pearson sub forma r=0,57, ci
n forma r= ,57 sau r= .57. La fel raportm i pragul de semni-
ficaie. Nu vom scrie p<0,01 ci p< .01 sau p< ,05. Desigur, eu
nu am respectat aceast regul din considerente didactice. n
mod normal, o respect n lucrrile tiinifice i v recomand i
dumneavoastr s o facei.
151
2. Se recomand precizarea situaiei n care s-a utilizat o ipotez

unilateral (unidirecional). Neprecizarea acestui lucru
determin, implicit, considerarea ipotezei ca fiind bilateral. n
general, ipotezele bilaterale nu se specific, ci se specific
doar ipotezele unilaterale. Dac avei o ipotez de tipul exist
o legtur pozitiv ntre anxietate i depresie, aceasta este o
ipotez unilateral. Regula impune o raportare de genul r= ,87;
p(unilateral) < ,01 sau, dac publicai n strintate, r= .87; p(one-
tailed) < .01
3. Fiecare coeficient de corelaie se exprim printr-o anumit

liter, n general acceptat n literatura de specialitate. De
exemplu, coeficientul de corelaie Bravais-Pearson se
reprezint prin litera r, coeficientul Spearman prin i aa mai
departe, dup cum ai observat. Va trebui s respectai aceast
notaie. Totui, n situaia n care folosii alte simboluri (repet,
situaie care trebuie evitat), suntei obligat s furnizai o
legend explicativ a acestora, nsoit de formulele, expresiile
de calcul.
4. n tiinele socio-umane, pragul de semnificaie acceptat este
de .05. Am susinut deja c, n general, o cercetare nu implic
raportarea exact a acestui prag ci raportarea sub forma unei
inegaliti. Aadar, nu folosii niciodat expresia p= .000 sau
p= .003 ci expresii de forma p< .05, p< .01 sau p< .001, acesta
fiind i standardul raportrilor tiinifice.
5. Un prag de semnificaie p= .05 nu este semnificativ. Sunt
semnificative doar pragurile mai mici de .05, nu i cele egale
cu aceast valoare. n tiinele sociale, de obicei raportm
semnificaii mai mici de .05 sau mai mici de .01. Foarte rar
152
ajungem la niveluri mai mici de .001 i n mod excepional la

praguri de semnificaie mai mici de .0001.
n sfrit, am ajuns i la finalul acestui capitol. A fost, ntr-adevr, un
capitol destul de lung, ns i informaia a fost consistent. Acum, sper c
avei o idee precis asupra semnificaiei conceptului de corelaie, mai exact a
celui de legtur ntre variabile. Putei, s fii mndri i s dai lecii colegilor
n domeniul studiilor corelaionale, ns nu v bucurai prea tare, deoarece
avem de discutat lucruri cel puin la fel de interesante.
Luai-v o pauz. Mergei la un grtar, la iarb verde, relaxai-v, de-
oarece imediat vom aborda un alt capitol, i anume cel al testelor statistice.
n concluzie:
Relaiile stabilite n urma analizei a dou variabile poart numele de analize biva-
riate, spre deosebire de analizele univariate care au n vedere doar o singur vari-
abil;
Gradul de asociere ntre dou variabile se bazeaz pe conceptul ce covarian. M-
sura standardizat a covarianei poart numele de corelaie;
Coeficienii de corelaie pot fi parametrici i neparametrici, dup cum cele dou
variabile ndeplinesc sau nu condiiile de aplicare ale statisticilor parametrice;
Coeficientul de corelaie al rangurilor Spearman se poate folosi, n general, pen-
tru variabile ordinale provenite din variabile continui sau pentru variabile continui
care nu ndeplinesc condiiile necesare aplicrii statisticilor parametrice;
Coeficientul de corelaie al rangurilor Kendall, are mai multe forme, se bazeaz
pe calculul inversiunilor i al proversiunilor i se folosete pentru variabile aflate
natural la un nivel de msur ordinal sau pentru variabile cantitative care nu nde-
plinesc condiiile de aplicare a statisticilor parametrice;
Coeficientul de contingen 2 are mai multe forme i se folosete n cazul variabile-
lor nominale, n calcule bazate pe tabele de contingen. Este un coeficient nedirec-
ional i nestandardizat;
Coeficientul de asociere este o form standardizat a coeficientului 2 i se utili-
zeaz, n general, pentru dou variabile dihotomice. n cazul n care una dintre va-
riabile nu mai este dihotomic, acest coeficient nu are relevan;
Coeficientul de contingen Pearson (cc) este o variant a coeficientului , care
poate fi utilizat pentru variabile cu mai multe categorii;
Coeficientul de contingen Tschuprow (t) se bazeaz tot pe coeficientul i ine
seama de acesta i de numrul de categorii din cadrul fiecrei variabile, fiind o
form ajustat a coeficientului ;
153
( )
(formula 8.5)
Dac vom aplica formula pe cazul anterior, vom obine la un nivel de

precizie de 5%:
( )
Observm c valoarea se apropie mult de cea obinut anterior prin
corecie.
VIII.4 Construcia eantioanelor n SPSS

SPSS prezint un instrument foarte puternic de creare a eantioanelor
n condiiile n care avei la dispoziie baza de eantionare. Cu ajutorul pro-
gramului SPSS, putei crea urmtoarele tipuri de
eantioane:
Eantioane simple aleatorii, cu sau
fr nlocuire;
Eantioane stratificate i pe clusteri;
Eantioane multistadiale;
Eantioane probabilistice propori-
onal cu mrimea sau tipuri de ean-
Figura 8.4 Meniul de creare
tioane nealeatorii. i analiz a eantioanelor
Structura eantioanelor n SPSS se prezint sub forma unor fiiere tip

plan. Exist dou categorii de planuri:
Planul de eantionare conine specificaiile de definire a
eantionului;
Planul de analiz conine date necesare procedurilor de
analiz complex pentru a calcula variana eantionului. Planul
285
include structura eantionului, metodele de estimare pentru fi-

ecare stadiu, referinele la variabilele de interes.
Debutul procedurii de creare a unui eantion se face prin deschiderea
bazei de eantionare. Vom folosi, n acest scop, o baz de date pus la dispo-
ziie de SPSS Inc., situat n directorul n care s-a instalat aplicaia. Baza de
date se numete 1991 U.S. General Social Survey.sav i conine un numr
de 1517 nregistrri, reprezentnd rezultatele unui sondaj efectuat n Statele
Unite. Deoarece volumul de date este destul de mare, avnd i o serie de va-
riabile factuale i demografice, putem folosi acest fiier ca exemplu pentru
baza noastr de eantionare.
VIII.4.1 Crearea unui eantion n SPSS

Proiectarea unui nou plan de eantionare se realizeaz prin apelarea
meniului Analyze, iar din submeniul Complex Samples se alege opiu-
nea Select a Sample. Crearea unui eantion este asistat de un program
special (Wizard sau asistent) care presupune mai muli pai.
Figura 8.5 Primul pas al crerii unui eantion. Salvarea fiierului plan
Prima fereastr afiat ne solicit alegerea unui fiier n care va fi

stocat planul de eantionare. Opiunea implicit este Design a sample, pe
care o vom folosi pentru a specifica locaia i numele planului de eantionare.
Vom putea introduce direct calea ctre fiierul ce urmeaz a fi salvat sau vom
286
putea apsa butonul Browse pentru a alege locul pe hard-disc unde va fi

salvat planul de eantionare. Evident, va trebui s furnizm i un nume pentru
acest fiier. n cazul nostru, am denumit fiierul Test.csplan i a fost salvat
direct pe discul C:\. Observai c extensia fiierelor de tip plan de eantionare
este .csplan.
Pentru a modifica un plan de eantionare existent, avei la dispoziie
opiunea Edit a sample design. Cu ajutorul acesteia, vei putea reconfigu-
ra sau elimina stadii din cadrul unui plan de eantionare multistadial creat
anterior. Evident, acest plan de eantionare va trebui iniial deschis prin tasta-
rea cii ctre fiierul de tip .csplan sau folosind butonul Browse.
Dac avei deja un plan de eantionare fcut i dorii s creai un ean-
tion n baza acestuia, putei folosi opiunea Draw a sample, dup care ale-
gei fiierul plan dorit, la fel ca mai sus. Trecerea la urmtoarea etap se face
prin intermediul butonului Next. Putei oricnd abandona operaia apsnd
pe butonul Cancel sau putei parcurge sistemul de asisten contextual
prin accesarea butonului Help.
A doua fereastr presupune definirea planului de eantionare. n par-
tea stng, avnd o structur arborescent, sunt afiate opiunile acestui sta-
diu. Prima opiune implic precizarea variabilelor de eantionare n cazul
unor eantioane care presupun acest lucru (opiunea Design variables).
Avem prezentate, n seciunea central, toate variabilele din baza de eantio-
nare. Folosind butoanele de transfer (butoanele sgeat), vom putea include
aceste variabile n seciunea Stratify By, dac dorim un eantion stratificat
dup acea variabil. Se vor putea preciza astfel straturile sau subpopulaiile
(amintii-v de boabele de fasole de 1 an i de 10 ani). n urma acestei selecii
se obin eantioane separate pentru fiecare strat. Pentru a se putea mbunti
precizia estimrilor, unitile din fiecare strat vor fi ct mai omogene din
punctul de vedere al caracteristicii estimate.
287
Figura 8.6 Pasul 2: Definirea variabilelor cercetrii
O variabil introdus n seciunea Clusters permite crearea unui

eantion pe clusteri n care se definesc grupuri de uniti de observaie. Pen-
tru a se evita pierderea preciziei i a compensa dezavantajele eantionrii pe
clusteri, ntre clusteri trebuie s existe o eterogenitate ct mai mare sub as-
pectul variabilei de interes.
Dac planul de eantionare este parte dintr-un plan de eantionare mai
complex, putei introduce o variabil numeric n seciunea Input Sample
Weight, variabil ce reprezint dimensiunea unui eantion construit ntr-un
stadiu anterior.
Pentru claritate, se poate introduce un scurt text care va descrie stadiul
n curs, folosind caseta de text Stage Label.
288
n acest exemplu, vom dori s construim un eantion simplu randomi-

zat. Deocamdat nu ne intereseaz n mod deosebit opiunile prezentate.
Urmtoarea seciune, Method, permite stabilirea tehnicii de eanti-
onare pe care o folosim.
Figura 8.7 Pasul 2: Alegerea metodei de eantionare
SPSS permite selectarea, n funcie de variabilele precizate n etapa

anterioar, a mai multor tipuri de eantioane. Deoarece nu am inclus nici o
variabil n etapa anterioar optnd pentru un eantion simplu randomizat
, n caseta de selecie Type din cadrul seciunii Method, vor fi disponi-
bile doar opiunile de acest tip. Observm existena doar a eantioanelor de
tip randomizat simplu, sistematic i secvenial i a eantioanelor de tip pro-
porional cu mrimea PPS simplu, sistematic i secvenial. Din aceast list
vom alege eantionul simplu randomizat (opiunea Simple Random Sam-
ple).
289
La nivelul acestei etape, exist posibilitatea de a efectua selecia fr

reintroducerea bilei n urn opiunea Without replacement (WOR)
sau cu reintroducerea bilei n urn opiunea With replacement (WR).
Cu alte cuvinte, o unitate selectat n eantion va fi eliminat de la urmtoare-
le posibile selecii n cazul WOR sau nu va fi eliminat, existnd posibili-
tatea unei noi selecii n cazul WR. n acest din urm caz, bifnd caseta
Use WR estimation for analysis, comunicai programului SPSS s esti-
meze aceast probabilitate de reincludere a unui element n eantion. Implicit,
metoda de estimare este specificat n fiierul plan i este consistent cu tipul
de eantion selectat. Opiunea permite, de asemenea, forarea metodei cu in-
troducerea bilei n urn, chiar dac metoda de eantionare presupune o selec-
ie fr introducerea bilei n urn.
Pe scurt, tipurile de metode ce pot fi alese n aceast etap sunt:
Simple Random Sampling eantion aleatoriu simplu, n ca-
re unitile sunt selectate cu o probabilitate egal. Metoda poa-
te fi folosit cu sau fr reintroducerea bilei n urn;
Simple Systematic eantion sistematizat simplu (cu pas).
Unitile sunt selectate cu un pas fix de eantionare din baza
de eantionare. Se poate folosi i n cazul eantionrii stratifi-
cate, dac s-au specificat anterior variabilele de stratificare.
Selecia se face fr introducerea bilei n urn;
Simple Sequential unitile sunt extrase secvenial cu pro-
babilitate egal i fr introducerea bilei n urn;
PPS eantion proporional cu mrimea n care unitile sunt
extrase aleatoriu cu o probabilitate proporional cu mrimea.
Orice unitate se selecteaz cu reintroducerea bilei n urn, ex-
ceptnd configurarea anterioar a unui eantion pe clusteri;
290
PPS Systematic eantion proporional cu mrimea de tip

sistematic.
PPS Sequential eantion proporional cu mrimea de tip
secvenial;
PPS Brewer eantion proporional cu mrimea n care sunt
selectate dou clustere din fiecare strat cu o probabilitate pro-
porional cu mrimea clusterului, fr introducerea bilei n
urn. Necesit precizarea unei variabile de tip cluster;
PPS Murthy un eantion similar celui anterior. Difer doar
metoda statistic prin care sunt alese unitile;
PPS Sampford eantion proporional cu mrimea care se-
lecteaz mai mult de doi clusteri din fiecare strat cu o probabi-
litate proporional cu mrimea clusterului i fr introducerea
bilei n urn. Necesit, de asemenea, specificarea unui variabi-
le pentru cluster.
Opiunea Measure of Size (MOS) se aplic eantioanelor de tip
PPS proporionale cu mrimea i implic precizarea unei dimensiuni de-
finitorii pentru mrimea fiecrei uniti. Aceste valori pot fi definite n mod
explicit, extrase fiind dintr-o variabil (prin bifarea opiunii Read from var-
iable i introducerea variabilei din care vor fi extrase datele) sau pot fi cal-
culate automat selectnd Count data records. De asemenea, se poate pre-
ciza amplitudinea acestor dimensiuni, introducnd valorile minime i maxime
n casetele de text Minimum respectiv Maximum.
Determinarea mrimii eantionului reprezint ultima aciune din acest
stadiu. Pentru baza noastr de date, un eantion cu o marj de eroare de 2% i
un interval de ncredere de 95% implic un numr de 930 de subieci, pentru
a fi reprezentativ.
291
Acest pas presupune specificarea numrului sau a proporiei n care

vor fi selectate unitile de eantionare. Dimensiunea eantionului poate fi
fix sau poate varia n funcie de straturi.
Figura 8.8 Pasul 2: Stabilirea dimensiunii eantionului
Caseta de selecie Units permite alegerea ntre un numr fix de uni-

ti selectate alegnd opiunea Counts i o proporie de uniti n ean-
tion alegnd opiunea Proportions.
Opiunea Value permite aplicarea unei valori unice pentru toate
straturile. n modul numrului fix, va trebui s introducei valoarea dimensiu-
nii eantionului (n cazul nostru, 930). Dac optm pentru proporii, vom in-
clude proporia din populaie pe care o regsim n eantion (de exemplu 0,10
pentru 10% din populaie).
Opiunea Unequal values for strata permite introducerea valorilor
eantionului pentru fiecare strat definit, n condiiile n care dimensiunile
straturilor nu sunt egale.
292
Read values from variable permite selectarea unei variabile nu-

merice, n care sunt stocate dimensiunile fiecrui strat.
La alegerea eantionului bazat pe proporii, putem, de asemenea, spe-
cifica limitele inferioare i superioare ale numrului de uniti care vor fi se-
lectate (de exemplu, nu mai puin de 50 Minimul i nu mai mult de 200
Maximum).
Apsarea butonului Next determin afiarea ferestrei variabilelor
care urmeaz a fi calculate.
Figura 8.9 Pasul 3: Alegerea variabilelor eantionului
Pe parcursul acestei etape putem preciza ce variabile vor fi salvate n

baza de date n urma crerii eantionului, astfel:
Bifnd caseta Population size, vom comunica aplicaiei
crearea unei variabile care va stoca numrul estimat de uniti
din populaie la un anumit stadiu. n baza de date, aceast va-
riabil va ncepe cu PopulationSize_;
293
Bifnd caseta Sample size, vom putea salva o variabil care

s conin numrul de uniti selectate la un anumit stadiu. n
baza de date, aceast variabil va ncepe cu SampleSize_;
Bifnd caseta Sample proportion, se va crea o variabil ce
va conine proporia eantionului selectat din populaie. Varia-
bila va ncepe cu SamplingRate_;
Bifnd caseta Sample weight, comunicm programului
SPSS s creeze o variabil ce va stoca inversul probabilitilor
de includere a unui element n eantion. Numele variabilei va
ncepe n baza de date cu SampleWeightCumulative_, iar
variante ale acestei variabile au un rol important n procesul de
analiz a eantionului.
Alturi de aceste variabile, n baza de date va fi creat automat o serie
de noi variabile, dup cum urmeaz:
Probabilitatea de includere proporia unitilor selectate la
nivelul unui anumit stadiu, variabil identificat prin
InclusionProbability_;
Mrimea cumulat mrimea cumulat a eantionului de la un
stadiu la altul, variabil identificat prin
SampleWeightCumulative_;
Indexul permite specificarea unitilor selectate de mai multe
ori la nivelul unui stadiu, variabil identificat prin Index_.
Variabila este salvat doar n condiiile n care se folosete op-
iunea cu introducerea bilei n urn.
Ca regul general, n baza de date, fiecare variabil nou creat va fi
urmat, dup linia de subliniere, de o cifr care indic stadiul. De exemplu,
294
probabilitatea de includere a unei uniti n eantion, pentru primul stadiu, va

aprea n baza de date sub forma InclusionProbability_1_.
n exemplul nostru, am bifat salvarea tuturor variabilelor n baza de
date n vederea comentrii ulterioare a ctorva cazuri. Apsarea butonului
Next permite trecerea la urmtorul pas al crerii eantionului. Am observat
c, la un moment dat, s-a activat i butonul Finish. Acest lucru nseamn
c SPSS are deja suficiente informaii pentru a crea eantionul i putem sri
peste paii rmai. Noi vom parcurge, totui, ntregul proces pentru a putea
analiza etapele acestui instrument.
Figura 8.10 Pasul 4: Sumarul stadiului
Noua etap afieaz sumarul stadiului curent. Obinem scurte infor-

maii despre numrul stadiului, eticheta acestuia n cazul n care am definit
una , variabila de stratificare, variabila de cluster, dimensiunea eantionului
i metoda de eantionare folosit. La acest nivel, avem posibilitatea crerii
unui nou stadiu, selectnd opiunea Yes, add stage 2 now, n cazul n care
295
ne intereseaz o eantionare multistadial, sau posibilitatea iniierii etapelor

de creare efectiv a eantionului, alegnd No, do not add another stage
now, care este, de fapt, i varianta implicit selectat. De asemenea, ne pu-
tem ntoarce la etapele anterioare, apsnd butonul Back.
Pentru moment, nu suntem interesai dect de crearea unui eantion
simplu aleatoriu, fr alte stadii suplimentare, astfel nct vom apsa butonul
Next.
Figura 8.11 Pasul 5: Crearea eantionului. Opiuni de selecie
Noua fereastr prezint o serie de opiuni care iniiaz modalitatea de

creare efectiv a eantionului. Sistemul ne ntreab dac dorim s crem
acum eantionul (Do you want to draw a sample?). Putem alege crearea
eantionului, selectnd Yes, situaie n care vom avea posibilitatea de gene-
rare a tuturor stadiilor, alegnd All din lista derulant sau crearea eantio-
nului doar pentru un anumit stadiu, prin selectarea numrului acestuia. Stadii-
296
le pot fi generate doar n ordine. Prin urmare, nu putem crea stadiul 3 n con-
diiile n care nu au fost executate stadiile 1 i 2.
Seciunea What type of seed value do you want to use? permite
stabilirea valorii de iniializare pentru generatorul de numere aleatoare. Pu-
tem alege ntre un numr oarecare, generat automat de computer (selectnd
A randomly-chosen number) sau putem include o valoare n caseta de
text Custom value, n situaia n care se dorete reproducerea caracteristi-
cilor eantionului.
Cele dou casete de bifare permit tratarea cazurilor n care lipsesc in-
formaii la nivelul unor elemente i accelerarea procesului de generare a ean-
tionului. Bifarea primei casete are ca efect includerea ntr-o categorie separa-
t a unitilor cu date lips, iar debifarea acesteia ignor unitile care au date
lips.
Bifarea celei de-a doua casete are ca efect accelerarea procesului de
generare a eantionului, n condiiile n care datele sunt deja sortate dup va-
lorile unei variabile de stratificare. Altminteri, SPSS va proceda la o nou
resortare, operaiune consumatoare de timp.
Urmtoarea etap permite precizarea locului n care va fi salvat ean-
tionul i variabilele pe care acesta le genereaz. Putem opta ntre baza de date
curent (Active dataset), caz n care SPSS va selecta din baza de eantio-
nare unitile incluse n eantion i va calcula variabilele necesare doar pentru
acestea, putem alege o nou baz de date (New dataset), caz n care SPSS
va crea o nou baz de date, nesalvat, n care va include doar unitile selec-
tate n eantion sau putem crea o nou baz de date cu salvare (External
file), caz similar celui anterior, singura deosebire fiind aceea c SPSS va
crea un nou fiier pe disc i va salva eantionul. n cele dou situaii, va tre-
bui s precizm numele bazei de date, respectiv numele i calea ctre fiierul
de date.
297
Figura 8.12 Pasul 5: Crearea eantionului. Opiuni de salvare
n aceast fereastr se mai afl un numr de dou elemente:

Fiierul n care vor fi salvate probabilitile cumulate (Joint
probabilities), n cazul n care se folosesc eantioane propor-
ionale cu mrimea i fr introducerea bilei n urn.
Regulile de selecie ale cazurilor (Case selection rules), n
cazul n care se genereaz un singur stadiu la un moment dat i
se dorete salvarea regulilor de selecie a cazurilor ntr-un fii-
er separat. Opiunea este util la construirea sub-stadiilor.
n situaia noastr, am ales salvarea eantionului n aceeai baz de
date, pentru a putea urmri mai uor procesul de selecie. Apsarea butonului
Next permite trecerea la ultima etap a crerii eantionului.
298
Ultima fereastr ne ntreab dac dorim s salvm designul realizat n

planul de eantionare i s crem efectiv eantionul (opiunea Save the de-
sign to a plan and draw the sample) sau dorim s copiem ntr-un fiier de
sintax comenzile SPSS generate n urma prelucrrilor noastre (opiunea
Paste de syntax generated by the Wizard into a syntax window).
Evident, vom alege prima opiune i vom apsa apoi butonul Fin-
ish.
Figura 8.13 Pasul 6: Crearea eantionului
Dup cteva fraciuni de secund, SPSS procedeaz la crearea eanti-

onului i ne ofer o serie de informaii n fereastra de rezultate (Output).
Primul tabel din fereastra de rezultate se refer la informaii despre
planul de eantionare. Observm c avem un singur stadiu, metoda de selec-
ie este simplu aleatorie fr reintroducerea bilei n urn, iar eantionul coni-
299
ne un numr de 930 de cazuri. n acest tabel regsim informaii despre noile

variabile create n baza de date i, de asemenea, ne este furnizat fiierul care
conine planul de eantionare.
Tabelul planului de eantionare prezint i o serie de date utile n pro-
iectarea planului de analiz a eantionului pe care-l vom discuta n urmtorul
subcapitol.
O variabil foarte important la acest nivel este variabila
SampleWeight_Final_, folosit n general la proiectarea planului de anali-
z a eantionului ca variabil caracteristic a reprezentativitii cazurilor n
eantion.
Summary
Stage 1
Sample Inf ormation Selection Method Simple random sampling
without replacement
Number of Units Sampled
930
Variables Created or Stagewise Inclusion
InclusionProbability _1_
Modif ied (Selection) Probability
Stagewise Cumulativ e SampleWeight
Sample Weight Cumulativ e_1_
Stagewise Population
PopulationSize_1_
Size
Stagewise Sample Size SampleSize_1_
Stagewise Sampling
SamplingRate_1_
Rate
Stagewise Sample
SampleWeight_1_
Weight
Analy sis Inf ormation Estimator Assumption Equal probability
sampling without
replacement
Inclusion Probability Obtained from v ariable
InclusionProbability _1_
Plan File: C:\Test.csplan
Weight Variable: SampleWeight_Final_
Figura 8.14 Planul de eantionare
Summary for Stage 1
Number of Units Proport ion of Units

Sampled Sampled
Request ed Actual Request ed Actual Urmtorul tabel generat se refer
930 930 61,3% 61,3%
Plan File: C:\Test. csplan
la sumarul stadiului. Pentru fiecare sta-
Figura 8.15 Sumarul stadiului
300
diu al eantionrii va fi generat un asemenea tabel, n care regsim informaii

despre unitile i proporiile selectate.
Observm din nou numele i calea fiierului de tip plan de eantiona-
re. n cazul nostru, am solicitat includerea unui numr de 930 de cazuri n
eantion (Requested), iar SPSS a reuit selectarea tuturor subiecilor (Actu-
al). Procentul solicitat a fost de 61,3%, procent atins n final de ctre SPSS.
Figura 8.16 Noile variabile incluse n baza de date
Trecnd la baza de date, observm la sfritul acesteia variabilele nou

create. Vom constata i selecia eantionului fcut de SPSS. Programul a
ales n eantion primii apte subieci, pe urmtorii ase nu i-a selectat, a se-
lectat apoi un subiect, urmtorul nefiind selectat i aa mai departe.
Lund fiecare subiect n parte, observm o probabilitate de includere
egal de 0,61, dintr-o populaie de 1517 la mrimea unui eantion de 930.
Variabila SampleWeight este generat automat i corespunde oare-
cum frecvenei cu care fiecare caz selectat n eantion este reprezentat n po-
pulaia general. Suma acestor valori se apropie foarte mult de dimensiunea
populaiei. ntr-adevr, avem 930 de cazuri, fiecare avnd valoarea 1,63 la
301
aceast variabil. Prin urmare, 930 1,63 = 1515,9 valoare apropiat de m-

rimea populaiei. Aceast variabil este foarte important n procesul de ana-
liz a eantionului.
Iat c, urmnd aceti pai, ai reuit crearea unui eantion. Realizarea
acestuia nu ofer ns informaii legate de caracteristicile pe care le poate
avea. Dup selectarea subiecilor n eantion, urmeaz etapa de analiz a
eantionului n vederea identificrii proprietilor sale statistice.
VIII.4.2 Analiza eantionului

Crearea unui plan de analiz reprezint
prima etap n studiul proprietilor unui eanti-
on. Vom folosi din nou meniul Analyze, apoi
submeniul Complex Samples i n final vom
efectua click pe opiunea Prepare for Analy-
sis
Accesarea acestei comenzi determin
lansarea n execuie a unui nou asistent
(Wizard), specializat n proiectarea planului de
analiz, al doilea plan ca importan n studiul
eantionului.
Planul de analiz, similar planului de Figura 8.17 Meniul planului de

eantionare, reprezint o succesiune de pai, analiz
prin intermediul crora se creeaz premisele

studiului proprietilor unui eantion. Dup crearea unui eantion, este impor-
tant analiza acestuia n vederea determinrii caracteristicilor sale.
Primul pas este reprezentat de specificarea fiierului n care va fi sal-
vat planul de analiz. Opiunea Create a plan file ne permite alegerea lo-
cului i stabilirea numelui sub care va fi salvat planul de analiz. Putei tasta
302
calea complet sau putei folosi butonul Browse, prin intermediul cruia
vei alege locaia acestui fiier. Evident, va trebui s furnizai i un nume. n
cazul nostru, fiierul plan de analiz se numete Analiza.csaplan i a fost
salvat direct n directorul C:\.
Observai diferena de extensie. Dac planurile de eantionare aveau
extensia .csplan, planul de analiz are extensia .csaplan.
Figura 8.18 Pasul 1. Salvarea planului de analiz
Opiunea Edit a plan file v permite modificarea configuraiei unui

plan de analiz salvat anterior. Apsarea butonului Next determin trecerea
la urmtoarea etap.
Noua fereastr conine mai multe elemente. n primul rnd va trebui
s specificm variabila caracteristic reprezentativitii eantionului. Am
accentuat deja asupra importanei variabilei Sample Weight, tocmai n ide-
ea de a fi familiarizai cu aceasta. Dei n cazul unor eantioane complexe
303
aceast variabil poate lua diferite forme, n planul de analiz vom include,
de obicei, forma final a acesteia, forma n care SPSS pondereaz de fapt
toate stadiile. V recomand introducerea n seciunea Sample Weight a
variabilei de tipul Final Sample Weight, variabil care, de obicei, caracte-
rizeaz cel mai bine eantionul. n cazul planurilor complexe, s-ar putea in-
clude i alte variabile pariale de acest tip, dac se dorete investigarea la ni-
velul stadiilor, a straturilor ori a clusterilor.
Figura 8.19 Pasul 2. Stabilirea variabilelor
Alte posibiliti cuprinse la acest nivel pot fi reprezentate de:

Variabilele de stratificare (Strata) va fi inclus variabila
de stratificare n condiiile unui eantion stratificat. Eantionul
total va fi reprezentat din ponderile pe care le au cazurile par-
ticulare din fiecare strat;
Variabilele cluster (Clusters) se include variabila care de-
finete clusterii, grupuri de uniti de observaie n cazul n ca-
re se analizeaz un eantion pe clusteri;
304
Stage Label permite definirea unei etichete a stadiului de

analiz, similar procesului de creare a planului de eantionare.
Apsarea butonului Next determin trecerea la alegerea metodei de
estimare.
Figura 8.20 Pasul 2. Alegerea metodei de estimare
Alegerea metodei de estimare permite specificarea doar a tipului de

selecie utilizat. n funcie de modul de proiectare a eantionului, putei opta
pentru metoda cu introducerea bilei n urn (WR), n care nu vor fi incluse
corecii pentru eantioane provenite din populaii finite la estimarea varianei.
Forarea includerii acestor corecii se realizeaz prin bifarea casetei FPC care
se activeaz la alegerea acestei opiuni.
Metoda cu includerea bilei n urn (WOR) poate fi selectat n ca-
zul eantioanelor cu probabilitate egal de selecie i fr nlocuire. Aceast
metod include coreciile pentru populaii finite i pleac de la supoziia con-
form creia unitile au fost selectate cu o probabilitate egal.
305
Metoda cu includerea bilei n urn (WOR) i cu probabilitate inega-

l folosete i ea coreciile de populaie finit, dar pleac de la supoziia c
selecia unitilor din populaie s-a realizat cu o probabilitate inegal. n ge-
neral, metoda se folosete n cazul unor eantioane nealeatorii.
Eantionul nostru a fost creat fr includerea bilei n urn i cu o
probabilitate egal, prin urmare vom alege opiunea a doua.
Figura 8.21 Pasul 2. Alegerea dimensiunii
Apsarea butonului Next v permite s specificai probabilitile de

includere sau mrimea populaiei la nivelul stadiului curent. Aceste dimensi-
uni pot fi fixe sau pot varia la nivelul straturilor. Aceast etap este valabil
doar dac anterior ai ales opiunea WOR cu probabiliti egale.
Folosind caseta de derulare Units putei preciza dimensiunea exact
a populaiei sau probabilitatea cu care elementele au fost extrase. n primul
caz, putem introduce n caseta de text Value cifra 1517, valoare ce repre-
306
zint dimensiunea exact a populaiei sau 0,61, probabilitatea de includere.

Am preferat, n exemplul nostru, prima variant. Utilizarea acestei seciuni
presupune o singur valoare aplicat tuturor straturilor.
O alt variant o reprezint opiunea Unequal values for strata,
care se activeaz numai n situaia definirii anterioare a unei variabile de stra-
tificare. Caseta care se deschide la apsarea butonului Define permite
stabilirea valorilor pentru fiecare strat.
Ultima opiune, Read values from variable, ne permite includerea
unei variabile numerice care conine valorile pentru fiecare strat.
Figura 8.22 Pasul 2. Sumarul planului
Similar planului de eantionare, urmtoarea fereastr prezint un su-

mar al planului de analiz i ne permite construirea unor noi stadii. Nu vom
intra n detalii referitoare la aceast seciune, deoarece am tratat complet pro-
blema n cadrul capitolului referitor la planul de eantionare.
307
Ultimul ecran ne invit s salvm planul de analiz creat sau s copi-

em sintaxa ntr-o fereastr de comenzi SPSS, ntr-un mod identic cu planul de
eantionare.
Figura 8.23 Pasul 3. Salvarea planului de analiz
Un plan de analiz salvat va putea fi utilizat n vederea investigrii

proprietilor eantionului. La apsarea butonului Finish, planul de analiz
va fi salvat, iar n fereastra de rezultate va fi redat structura acestuia.
VIII.4.3 Investigarea proprietilor eantionului

Odat stabilite planul de eantionare i
planul de analiz, se poate trece la etapa final
a eantionrii, i anume investigarea propriet-
ilor eantionului.
SPSS pune la dispoziie mai multe me-
tode de investigare a unui eantion. Deoarece
nu dispunem nc de toate informaiile necesa-
Figura 8.24 Analiza eantionului
308
re studiului exhaustiv al acestor proceduri, vom limita expunerea doar la dou

proceduri ce implic statistici univariate, dup cum urmeaz:
Meniul Frequencies determin constituirea tabelelor de
frecvene pentru variabilele selectate i afiarea statisticilor de
tip univariat. Procedura estimeaz frecvenele eantionului i
erorile standard, intervalele de ncredere, coeficienii de varia-
ie i alte statistici utile studiului unui eantion;
Meniul Descriptives produce de asemenea statistici
univariate de tipul celor menionate, existnd i posibilitatea
analizei dup subgrupuri.
Accesarea primului meniu, Frequencies, determin afiarea pri-
mului ecran necesar analizei prin care urmeaz s alegem planul de eantio-
nare dorit.
Figura 8.25 Alegerea planului de eantionare
309
Toate operaiile din aceast etap impun anumite specificaii de anali-

z, specificaii coninute n planul de eantionare, dup cum am vzut n sub-
capitolul anterior. n seciunea Plan, caseta de text File, vom putea tasta
calea ctre planul de eantionare sau vom putea utiliza butonul Browse
n vederea navigrii ctre locaia ce conine acest fiier.
n cazul n care probabilitile de includere ale elementelor n eantion
nu sunt egale, situaie des ntlnit n cadrul eantionrii stratificate sau al
eantionrii pe clusteri, va trebui s specificm fiierul n care s-au precizat
aceste probabiliti, utiliznd seciunea Joint Probabilities. Astfel, putem
alege aceste probabiliti dintr-o variabil din baza de date, dintr-o alt baz
de date sau dintr-un alt tip de fiier.
Trecerea la analiza efectiv se face prin apsarea butonului Conti-
nue.
Figura 8.26 Stabilirea variabilelor de interes
Va aprea, iat, o fereastr pe care o cunoatei destul de bine. Acest

ecran permite stabilirea variabilei pe care dorim s o analizm. Se impune o
310
meniune la acest nivel: variabilele folosite pot fi doar variabile categoriale,

situate la un nivel de msur nominal sau ordinal. n partea stng a ferestrei
se afl seciunea Variables, o list care conine toate variabilele din baza
de date. Lista Frequency Tables permite includerea variabilelor pentru
care dorim s calculm tabele de frecven. Cu ale cuvinte, variabilele pe care
dorim s le analizm. n exemplul nostru, vom dori analiza eantionului sub
aspectul sexului (al genului biologic). Vom transfera, aadar, aceast variabi-
l n lista Frequency Tables, prin utilizarea butonului de transfer.
Lista Subpopulations permite includerea unei alte variabile catego-
riale, n condiiile n care am realizat, spre exemplu, un eantion stratificat.
Nu este cazul nostru, ns, dac am fi dorit s analizm reprezentativitatea
genului biologic n funcie de mediul de provenien (rural vs. urban), am fi
inclus aceast ultim variabil n lista Subpopulations. n aceast situaie,
SPSS ar fi analizat separat brbaii i femeile, n funcie de mediul lor de
provenien.
Un buton deosebit de important este butonul Statistics.... Apsarea
acestuia determin posibilitatea stabilirii indicatorilor statistici ce vor fi cal-
culai.
Figura 8.27 Stabilirea indicatorilor statistici
311
Exist destul de multe opiuni n cadrul acestei noi ferestre, unele din-
tre ele fiindu-v necunoscute, deoarece nu avei nc informaiile necesare
referitoare la anumite teste statistice. Noi le vom prezenta pe toate, studiind
aici, n detaliu, doar cteva, celelalte urmnd s le analizm n volumele ulte-
rioare.
Seciunea Cells permite afiarea informaiilor legate de populaia
int din care a fost extras eantionul. Vor fi afiate date referitoare la dimen-
siunea populaiei sub form de frecvene absolute, prin bifarea casetei Pop-
ulation size i sub form de frecvene relative (procente), bifnd caseta
Table percent.
Seciunea Statistics permite configurarea indicatorilor statistici
asociai dimensiunii populaiei sau a procentului din populaie, astfel:
Prin bifarea casetei Standard error, vom calcula eroarea
standard a estimrii;
Caseta Confidence interval permite stabilirea intervalului
de ncredere a estimrii n baza nivelului specificat. n mod
normal, intervalul de ncredere l vom stabili la 95%, dup
cum observai c am procedat i n exemplul nostru (caseta de
text Level%);
Caseta Coefficient of variation comunic programului cal-
culul coeficientului de variaie a estimrii, sub form de pro-
porii;
Caseta Unweighted count permite afiarea numrului de
elemente folosit n realizarea estimrii. Cu alte cuvinte, di-
mensiunea eantionului extras;
Caseta Design effect permite calculul varianei estimrii.
Indicatorul exprim proporia de varian a eantionului com-
parat cu variana unui eantion simplu randomizat. Coeficien-
312
tul nu este folosit n cazul eantioanelor simplu randomizate

n acest caz fiind ntotdeauna 1 , ci doar n cazul eantioane-
lor mai complexe. Cu ct valoarea este mai deprtat de unu,
cu att efectul este mai mare i deci variana este mai mare;
Caseta Square root of design effect reprezint rdcina p-
trat din variana estimrii (un fel de abatere standard dac v
mai aducei aminte), fiind o msur standard a efectului i
avnd acelai mod de interpretare;
Caseta Cumulative values calculeaz frecvena cumulat a
populaiei int, avnd aceeai semnificaie ca orice frecven
cumulat.
Caseta Test of equal cell proportions permite calculul a
dou teste statistice pe care nu le-am studiat: testul 2 i testul
de probabilitate a proporiilor. Fr a intra n amnunte, men-
ionm c ambele teste pornesc de la ipoteza nul c toate ca-
tegoriile unei variabile au frecvene egale. Testele ne permit s
verificm dac exist diferene semnificative ntre frecvenele
categoriilor variabilei (n cazul nostru, dac frecvena brbai-
lor este semnificativ mai mare sau semnificativ mai mic n
comparaie cu frecvena femeilor).
Pentru exerciiul nostru am comunicat programului SPSS s afieze
frecvena absolut i relativ a populaiei int (casetele Population size i
Table percent), s calculeze eroarea standard a estimrii, intervalul de
ncredere i doar demonstrativ mrimea efectului i s afieze mrimea
eantionului (casetele Standard error, Confidence interval la un nivel
de 95%, Unweighted count i Design effect). Apsnd butonul Con-
tinue, revenim la fereastra iniial.
313
Un alt buton prezent este butonul Missing Values, prin apsarea

cruia vom putea stabili modul de tratare a cazurilor lips.
Figura 8.28 Tratarea cazurilor lips
n seciunea Tables, putem stabili ce cazuri vor fi incluse n anali-

z. Opiunea implicit este Use all variable data n care vor fi analizate
doar valorile valide la nivelul fiecrei variabile. Spre exemplu, dac analizm
variabila gen biologic, SPSS va urmri s existe valori valide doar la nive-
lul acestei variabile, fr a fi preocupat dac exist valori valide la alte varia-
bile.
Opiunea Use consistent case base este ns mult mai restrictiv.
Va trebui s existe valori la nivelul tuturor variabilelor analizate pentru ca
subiectul respectiv s fie luat n considerare. De exemplu, dac analizm va-
riabilele gen biologic i mediu de provenien, un subiect va trebui s
aib scoruri valide la ambele variabile, chiar dac este analizat doar variabi-
la gen biologic. Un subiect care are un scor valid la gen biologic, dar nu
are date la mediul de provenien, va fi exclus din analiz.
314
Seciunea Categorical design variables determin, n cazul varia-

bilelor categoriale, dac valorile lips vor fi tratate ca fiind sau ca nefiind
valide.
Practic, nu este nevoie s intervenim n aceast fereastr dect extrem
de rar i n cazul unor planuri de eantionare complexe. Apsarea butonului
Continue va determina, i n acest caz, ntoarcerea la fereastra iniial.
Lansarea efectiv a analizei datelor se face prin apsarea butonului
OK. n cteva fraciuni de secund, va fi afiat un tabel n fereastra de re-
zultate, tabel care va conine exact datele solicitate.
Respondent's Sex
95% Conf idence

St andard Interv al Unweighted
Estimate Error Lower Upper Design Ef f ect Count
Population Size Male 662,260 15,355 632,126 692,395 1,000 406
Female 854,740 15,355 824,605 884,874 1,000 524
Total 1517,000 ,000 1517,000 1517,000 . 930
% of Total Male 43,7% 1,0% 41,7% 45,7% 1,000 406
Female 56,3% 1,0% 54,3% 58,3% 1,000 524
Total 100,0% ,0% 100,0% 100,0% . 930
Figura 8.29 Rezultatele analizei eantionului
Capul de tabel conine numele variabilei de interes i denumirea indi-

catorilor calculai. Primul rnd se refer la frecvenele absolute ale populaiei
int, iar al doilea rnd - la frecvenele relative. Observm c datele noastre
au fost mprite pe cele dou categorii ale variabilei de interes brbai i
femei.
A doua coloan (Estimate) exprim frecvenele absolute i relative
ale populaiei int, estimat n baza eantionului. Aceste elemente nu repre-
zint date reale, ci date estimate din eantion. Nu putem avea un numr de
662,26 brbai i 854,74 femei. Un brbat sau o femeie este un ntreg, nu are
zecimale. Observm ns c dimensiunea total a populaiei int estimate
(1517 subieci) este egal cu populaia int real. Exprimat procentual, ean-
315
tionul nostru estimeaz o populaie compus din 43,7% brbai i 56,3% fe-
mei.
Urmtoarea coloan (Standard Error) se refer la eroarea standard a
estimrii, exprimat att n form brut, ct i n form procentual. Eantio-
nul nostru estimeaz populaia int cu o eroare standard de 15,35 brbai i
15,35 femei (aproximativ 15 subieci pentru fiecare categorie, cifrele repre-
zentnd din nou o abstraciune). Acest indicator devine mai clar dac urm-
rim forma procentual. Iat c eroarea estimrii este de 1% att n cazul br-
bailor, ct i n cazul femeilor, care, la un nivel de ncredere de 95%, ne poa-
te determina s afirmm c avem un eantion reprezentativ sub aspectul sexu-
lui.
Urmeaz dou coloane ale intervalului de ncredere. n baza erorii
standard, eantionul estimeaz practic o populaie int format dintr-un nu-
mr de 632,12 pn la 692,39 brbai i de la 824,60 pn la 884,87 femei.
Cu alte cuvinte, compoziia populaiei int estimat de eantion este format
din 41,7% pn la 45,7% brbai i 54,3% pn la 58,3% femei. Undeva ntre
aceste limite putem gsi populaia int real estimat de eantion.
Coloana Design Effect are evident valoarea 1, deoarece am lucrat cu
un eantion simplu randomizat, fapt tratat mai sus.
Ultima coloan indic dimensiunea i compoziia eantionului (Un-
weighted Count). Dup cum tiam deja, eantionul are un numr de 930 de
cazuri, iar din punctul de vedere al sexului avem 406 brbai i 524 femei.
Iat c acest eantion estimeaz reprezentativ populaia int la o eroare de
doar 1% i la un nivel de ncredere de 95%. Suntem n faa unui eantion re-
prezentativ, acest lucru fiind demonstrat prin analiza efectuat.
Am analizat o variabil de interes situat la nivel nominal (sexul).
Cum procedm ns, dac avem o variabil de interes la un nivel scalar, de
exemplu vrsta? Analiza frecvenelor nu ne ajut prea mult. Este timpul s
316
abordm cea de-a doua metod propus i anume analiza descriptiv. Paii
sunt identici, astfel nct nu vom insista asupra lor. Exist ns o serie de me-
tode statistice uor diferite, pe care vom ncerca s le lmurim.
Figura 8.30 Analiza variabilei de interes de

tip scalar
Dup lansarea procedeului de analiz i alegerea planului de eantio-

nare prin apelarea meniului Descriptives, va trebui s includem, similar
procesului anterior, variabila de interes. n cazul nostru, am ales o variabil
scalar, vrsta subiecilor. Apsarea butonului Statistics determin apariia
unui ecran uor diferit n comparaie cu analiza frecvenelor.
Figura 8.31 Stabilirea indicatorilor statistici 317

Diferena rezid n seciunea Summaries prin intermediul creia

putem estima mediile i sumele variabilelor int. n cazul n care media po-
pulaiei este cunoscut (uneori se folosete media teoretic), putem folosi
testele t Student de comparaie ntre media populaiei i media unui eanti-
on pentru verificarea existenei unei diferene semnificative ntre medii. De-
spre aceste teste vom discuta ns n volumul urmtor.
Celelalte opiuni ale acestei ferestre au fost discutate i nu este cazul
s le relum. Executarea procedurii de analiz determin afiarea n fereastra
de rezultate a unui alt tabel:
Univariate Statistics
95% Conf idence

Standard Interv al Coef f icient Population Unweighted
Estimate Error Lower Upper of Variation Size Count
Mean Age of Respondent 46,33 ,369 45,60 47,05 ,008 1517,000 930
Figura 8.32 Rezultatele analizei eantionului
n acest caz, nu mai avem de a face cu estimri ale frecvenelor, ci cu

estimri ale mediilor, variabila analizat fiind o variabil continu. Iat c
eantionul nostru estimeaz o medie a populaiei de 46,33 de ani cu o eroare
standard de 0,36 ani. Media real a populaiei se gsete undeva ntre 45,60 i
47,05 ani. Eantionul este foarte omogen sub aspectul vrstei, dup cum re-
zult din coeficientul de variaie de 0,008, eterogenitatea fiind n jurul valorii
de 0,8%. ntr-adevr, eantionul de 930 de persoane estimeaz populaia int
de 1517 persoane, ns. cu o eroare standard mare. nsui intervalul de n-
credere de 1,45 ani (47,05 45,60) este edificator n acest sens. Este greu s
vorbim despre o reprezentativitate a acestui eantion sub aspectul vrstei sub-
iecilor.
318

Statistica Cu SPSS Dupa Opariuc Dan C PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Statistica Cu SPSS Dupa Opariuc Dan C PDF

Încărcat de

Drepturi de autor:

Formate disponibile

I.

3 Prezentare general SPSS

min eficientizarea aciunilor utilizate n mod frecvent sau efectuarea unor

Lansarea acestuia debuteaz cu prezentarea unei

de autor i protecia creaiilor intelectuale, un produs software poate fi utilizat

s lanseze fereastra principal SPSS n modul de lucru configurat pentru o

Dup bara de instrumente, apare seciunea de editare a datelor. Aceas-

ritoare la rularea unor sarcini mari consumatoare de timp. n general, ncepe-

I.3.1 Bazele de date creare, salvare, deschidere

(Syntax) o foaie de rezultate (Output), un set de comenzi (Script) sau un alt

Indiferent de metoda folosit, efectul va fi acelai: deschiderea unei

dosar. Putei astfel selecta orice director n

Fereastra central afieaz, dup cum am menionat, structura de sub-

acesteia. Felicitri. Iat i prima dumneavoastr intervenie real n SPSS.

Figura 1.10 Seciunea de definire a variabilelor

Numele mpg nu este ns un nume intuitiv i nu ne putem da seama cu pre-

avem posibilitatea de a o eticheta, adic de a include un text descriptiv asoci-

A doua variabil se numete engine. Vom schimba numele acesteia

n interiorul casetei Value Label i scriem n loc de American, America

denumirea de Masini. Directorul folosit va fi C:\Exercitii SPSS (atenie

Ca exerciiu, folosind cunotinele dobndite, v propunem crearea

Variabila nume va fi de tip ir de caractere (string) i va stoca nu-

Dup construirea structurii de date, procedai la salvarea fiierului n

Ne propunem n continuare aprofundarea definirii variabilelor n

configurare a tipului de date. Aceasta conine o serie de butoane de opiuni,

de configurare a dimensiunii variabilei este acelai, iar un exemplu de numr

n cazul exemplului nostru, constatm c avem o singur variabil de

a include i o valoare particular (discret), ca i n situaia anterioar. n

ponibile doar nivelurile nominal i ordinal de msurare. Stocarea numelui i a

deoarece ar limita radical posibilitile de prelucrare statistic a

itemi care permit alegeri multiple (de exemplu, la solicitarea: Bi-

p cum tii deja, valoarea informativ cea mai ridicat o au totui

Dup proiectarea bazei de date, se recoman-

Tabelul 1.1 Tabelul de structur a bazei de date

III.2.5 Obinerea indicatorilor tendinei centrale n SPSS

Dup ce am introdus cele 30 de date, vom salva baza de date i vom

alt culoare n funcie de schema de culori a calculatorului dumneavoastr).

Butonul Paste este un buton pe care nu-l vom folosi deloc.

IV.1 Reprezentri grafice

Stacked (aditiv). Graficul simplu ne permite reprezentarea cu bare doar a

transfer pentru a o include n caseta Bars Represent ca n figura de mai jos.

nea, da un titlu graficului nostru ap- 120

snd butonul Titles. Utilizarea 115

acestui buton v-o lsm dumneavoas-

de stabilit variabila pentru care dorim 105

s trasm graficul, apsm butonul 100

OK, care devine activ. SPSS va Case Number

genera graficul n fereastra de rezultate Figura 4.5 Graficul cu bare simplu al

(Output), rezultnd un desen ca n figura de mai sus. Iat, aadar, reprezenta-

lelalte faciliti ale acestei repre-

zentri grafice, v prezentm, n

Value Coeficient de inteligenta

n care am folosit ca variabil eti- 125

chet Nivelul de colarizare, iar

graficul este mprit pe linii dup 110

variabila Sexul subiecilor. Lan-

snd procedura de desenare prin

apsarea butonului OK, obinem Nivelul de scolarizare

urmtorul grafic cu bare: Figura 4.6 - Reprezentarea prin grafic cu bare

n primul capitol discutam, de asemenea, despre poligonul frecvene-

graficul cu bare, se afieaz o nou fereastr care ne invit s alegem tipul

anterioar, acest element se numea Bar 125

Represent, deoarece era vorba de un 120