Metode de analiz statistic

Analiza statistic presupune aplicarea unor metode de calcul datelor sau

irurilor de date statistice n vederea:

testrii anumitor caliti, caracteristici ale acestora

stabilirii existenei unei relaii ntre acestea

determinarea tipului de relaii dintre acestea

determinarea semnificaiei relaiei dintre date

n statistic exist 2 mari categorii de metode: parametrice i non

parametrice. Metodele parametrice sunt metode care se utilizeaz exclusiv n

tiinele exacte ,aplicndu-se n general dalor intervale. Datele crora li se aplic

trebuie s aib o distribuie normal. Sunt cunoscute ca fiind metode foarte

riguroase, cu greutate tiinific. Datorit rigiditii lor privind calitatea

datelor aceste metode NU SE UTILIZEAZ n tiinele sociale i deci nici n

turism.

Metodele non parametrice. Acestea se aplic datelor nominale, ordinale sau

intervale. Distribuia normal a datelor nu este o condiie pentru a putea fi

utiilizate n metode non parametrice. Aceste metode nu sunt la fel de rigide ca

cele parametrice dar sunt mult mai robuste i flexibile.

n turism aproape toate metodele aplicate sunt non parametrice.

Cu alte cuvinte n acest curs de statistic aplicat se vor utiliza numai metode

i tehnici non parametrice

Corelaia Introducere
Definiii.

Corelaia... reprezint o metod utilizat pentru exprimarea gradului de

asociere sau a intensitii unei relaii existente ntre dou valori sau mai multe

variabile(Goodall 1987)
 Corelaia ... este o metod... de descriere a gradului de asociere dintre 2

seturi de valori pereche (Hammond and McCullagh 1982)

Corelaia este o metod eficient de a detecta i nsuma relaiile dintre dou

variabile. Aspectul cel mai important privind corelaia este acela privind citirea

lor, adic interpretarea rezultatului obinut. Acest rezultat, n fapt , msoar

legtura dintre variabile; stabilete gradul de legtur dintre ele. Aceast

msurtoare sau grad se numete , coeficient.

Exist un numr mare de coefcieni de corelaie n statistic, n funcie de

natura variabilelor , a legturii, a modului de colectare a datelor etc. Toi

coeficienii de corelaie n final detecteaz dac valorile unor variabile co-

variaz (variaz mpreun). Adic indic dac diferenele aprute la nivelul

valorilorilor unei variabile tind s se asocieze cu diferenele aprute la nivelul

alteia. Odat stabilit corelaia, aceast NU presupune automat, faptul c o

variabil este determinat sau cauzat de cealalt. Corelaia stabilete prezena

de relaii cauzale, DAR NU ESTE SUFICINT PENTRU A DEMONSTRA

CAUZALITATEA UNEI RELAII. Cu alte cuvinte corelaia poate indica

prezena unei relaii de cauzalitate dar nu o demonstreaz.

n afar de faptul c prin corelaie se stabilte co-variaia, coeficienii de

corelaie pot furniza trei tipuri de informaie asupra relaiei descoperite:

1. intensitatea relaiei, indicat de valoarea coeficentului de corelaie;

cu ct acesta este mai mare cu att relaia este mai puternic

2. direcia relaiei (mai ales pentru datele ordinale i intervale), pozitiv

sau negativ

3. linearitatea, tendina de distribuia a datelor variabile, liar sau non-

linear
 Mai concret: n statistic corelaia are un neles/semnificaie specific/.

Presupune automat faptul c , spre exemplu ,n timp ce o variabil crete sau

descrete ca valoare a doua variabil crete sau descrete i ea.

Oare???? Aa este???? Privii figura de mai jos!!!!

Ea reprezint un exemplu de distribuie a dou variabile A i B. Vizual, se

poate detecta vreo relaie, corelaie ntre ele? Adic putem spune c se ntmpl

ceva cu A n timp ce cuB se ntmpl ceva sau altceva???? CO-VARIAZ N VRE-

UN FEL???

18
16
14
12
Variable B

10
8
6
4
2
0
0 5 10 15 20

Variable A
Rspuns corect: NU!!!

Dar n figura de mai jos????

 25

20

15

10

0
0 5 10 15

Rspuns corect:DA!!! Mai mult observm c atunci cnd una crete, cealalt

crete i ea. n limbaj statistic avem de a face cu o corelaie pozitiv ntre cele

2 variabile.

Repetm jocul observaei i cu figura de mai jos! Exist vreo relaie,

corelaie ntre variabilele de mai jos???

 25

20

15

10

0
0 5 10 15

Rspuns corect:DA!!! Mai mult observm c atunci cnd una scade, cealalt scade

i ea. n limbaj statistic avem de a face cu o corelaie negativ ntre cele 2

variabile.

Pn n acest stadiu am putut determina doar vizual existena sau

inexistena unei co-variaii i direcia. Evident pentru a determina aspecte

privind intensitatea relaiei i linearitatea ei este nevoie de mult mai mult

dect o observaie vizual. Este nevoie de obinerea prin calcul a coeficientului

de corelaie.

Corelaia ca i metod de calcul statistic va avea ntotdeauna ca rezultat o

valoare numeric cuprins ntre -1 i +1 ( Mesaj ptr An 3 IDD Turism!!!Luai

acest fapt ca atare, sau teorem, cum dorii. A v ntreba de ce, este

pierdere de vreme.....BELIEVE ME!!!!)

 Acesta poart denumirea de coeficient de corelaie i se noteaz cu r i va

avea precum aminteam mai sus valori ce se pot nscrie/reprezenta pe axa de mai

jos

-1____________ 0 ___________+1

Ca urmare n funcie de valorile nregistrate de r, n teoria modelelor de

corelare apar situaiile ideale i anume: corelaia perfect negativ i cea perfect

pozitiv, cu distribuie perfect linear ; adic valorile ambelor variabile se

distribuie perfect linear ascendent sau descendent (cu inclusiv situaia

exccepional cnd cele dou variabile se suprapun ca valoare). Privii figurile de

mai jos.

16
14
12
10
Variable B

8
6
4
2
0
0 5 10 15 20
Variable A

Corelaie perfect negativ (r = -1)

 16
14
12
Variable B

10
8
6
4
2
0
0 5 10 15 20
Variable A

Corelaie perfect pozitiv (r = +1)

Ele reprezint modelele ideale/perfecte de corelare. Acestea sunt evident

situaiile de exccepie, n realitate, relaia dintre variabile nregistrnd

intensiti, direcii i lineariti diferite comportndu-se ca atare!

Aa cum aminteam anterior, exist un numr foarte mare de metode

statistice de corelare ! Cele mai cunoscute i utilizate sunt:

1) Coeficientul de corelaie produs-moment, Person (Pearsons Product

Moment Correlation Coefficient). Acesta este un coeficient de corelaie

parametric, adic inutil tiinelor sociale i deci i n turism. ( Mesaj ptr An 3

IDD Turism!!! : Parametric??? Forget it!!!)

2) Coeficientul de corelaie cu rang, Spearman (Spearmans rank

correlation coefficient). ( Mesaj ptr An 3 IDD Turism!!! - non parametric ,

sta ne intereseaz)

Condiii de aplicare

- date pentru 2 variabile.

 - acelai numr de valori pentru ambele variabile.

- minimum 4 perechi de valori.

- date ordinale sau intervale.

Pentru calculare sunt necesare 12 stadii !

Studiu de caz

Rmania, perioada 1991 - 2000

Variabila 1: PNB (per cap loc.)

Variabila 2: Numr vizitatori strini

An PNB(US$) Numr vizitatori strini

1991 1243 5,359,000

1992 859 6,401,000
1993 1159 5,786,000
1994 1323 5,898,000
1995 1564 5,445,000
1996 1563 5,205,000
1997 1565 5,149,000
1998 1872 4,831,000
1999 1585 5,224,000
2000 1645 5,264,000

Dorim s vedem dac exist vreo relaie/corelaie ntre PNB i numrul de

vizitatori strini. ADIC DORIM S STABILIM DAC CELE DOU

VARIABILE CO-VARIAZ.

Stadiul 1

Se ntocmete reprezentarea grafic de distribuie a valorilor celor 2

variabile pentru analiz vizual.

 Dac distribuia nu pare s ia o form corelativ nseamn c nu exist o

corelaie i calculul nu se mai justific. Adic : DAC APARENT NU PUTEM

STABILI C CELE 2 VARIABILE CO-VARIAZ, C DEZVOLT VREO RELAIE

ATUNCI CALCULUL COEFICIENTULUI DE CORELAIE ESTE INUTIL!!!!

Pentru studiul nostru de caz distribuia valorilor se prezint ca n figura de

mai jos:

7000

6000
Numar vizitatori

5000

4000

3000

2000

1000

0
0 500 1000 1500 2000
PNB

Aparent ele par s co-varieze, avnd o tendin descendent, direcie negativ.

ADIC PARE S EXISTE O RELAIE NTRE CELE DOU.

Stadiul 2

Observnd datele i distribuia acestora situaia este aparent i neclar. n

acest caz, se FORMULEAZ O IPOTEZ. ACEASTA DE REGUL SE BAZEAZ

PE OBSERVAIA EFECTUAT. SE NUMETE IPOTEZ INIIAL I SE

NOTEAZ CU Hi. n cazul de fa o ipotez H i , evident. ar putea fi : Exist o

relaie ntre PNB i numrul de vizitatori strini n Romnia n perioada 1991

2000

Conform conveniei statistice n rigoare aceast ipotez se exprim

ntotdeauna negativ. Adic invers dect pare s fie situaia. .

( Mesaj ptr An 3 IDD Turism!!! ... exprimare PE DOS!!! INVERS, CU

SUSUL N JOS!!!, hai c aici trebuie s fii maetri!)

ACEASTA SE NUMETE IPOTEZA NUL I SE NOTEAZ CU H O. i dac

aparent exist o relaie ntre cele dou, ipoteza nul se va exprima: Nu exist

nici un fel de relaie ntre PNB i numrul de vizitatori strini n Romnia n

perioada 1991 2000

Stadiul 3

Se construiete un tabel cu 6 coloane n care se nscriu mai nti datele

exsitente, utilizndu-se primele 2 coloane (1 i 2)

Variabila 1 Variabila 2

(PNB) (vizitatori)

1243 5,359,000
859 6,401,000
1159 5,786,000
1323 5,898,000
1564 5,445,000
1563 5,205,000
1565 5,149,000
1872 4,831,000
1585 5,224,000
1645 5,264,000

Stadiul 4
 Se acord rang de mrime valorilor variabilei 1 (i.e. cea mai mare valoare =1,

urmtoarea = 2 etc). nscriei rangul fiecrei valori n coloana 3.

Stadiul 5

n mod similar acordai rang de mrime valorilor variabilei 2. nscriei rangul

fiecrei valori n coloana 4.

Tabelul va arta acum aa!

Variabila 1 Variabila 2 (numr Rang Rang

(PNB) vizitatori) Variabila 1 Variabila 2

1243 5,359,000 8 5
859 6,401,000 10 1
1159 5,786,000 9 3
1323 5,898,000 7 2
1564 5,445,000 5 4
1563 5,205,000 6 8
1565 5,149,000 4 9
1872 4,831,000 1 10
1585 5,224,000 3 7
1645 5,264,000 2 6

Stadiul 6

Se calculeaz diferena dintre rangi (rang 1 rang 2). Adic din coloana 3

scadei coloana 4. Diferena de rang se noteaz cu d i se nscrie n coloana

5.

Variabila 1 Variabila 2 (numr Rang Rang d

(PNB) vizitatori) Variabila 1 Variabila 2

1243 5,359,000 8 5 3
859 6,401,000 10 1 9
 1159 5,786,000 9 3 6
1323 5,898,000 7 2 5
1564 5,445,000 5 4 1
1563 5,205,000 6 8 -2
1565 5,149,000 4 9 -5
1872 4,831,000 1 10 -9
1585 5,224,000 3 7 -6
1645 5,264,000 2 6 -4

Stadiul 7

Se ridic la ptrat d (diferena de rang). Aceasta se noteaz cu d2 i se nscrie

n coloana 6.
Variabila 1 Variabila 2 (numr Rang Rang d d2

(PNB) vizitatori) Variabila 1 Variabila 2

1243 5,359,000 8 5 3 9
859 6,401,000 10 1 9 81
1159 5,786,000 9 3 6 36
1323 5,898,000 7 2 5 25
1564 5,445,000 5 4 1 1
1563 5,205,000 6 8 -2 4
1565 5,149,000 4 9 -5 25
1872 4,831,000 1 10 -9 81
1585 5,224,000 3 7 -4 16
1645 5,264,000 2 6 -4 16

Stadiul 8:

Se calculeaz d2 adic suma tuturor valorilor d2.

d2 = 294

Stadiul 9:

Utilizai datele obinute n formula urmtoare:

 6 d 2
rs 1 -
n3 n

unde

rs = este coeficientul de corelaie)

n = numrul de perechi ale variabilelor 1i 2 (sau A i B)

6 294
1
1000 10
1764
1
990
1 1,78 0,78

rs = - 0.78 (aceasta este Coef de corelaie)

Stadiul 10:

Se analizeaz semnificaia coeficientului de corelaie. Analiza semnificaiei

presupune n primul rnd testarea semnificaiei.Testarea semnificaiei presupune

sigurana, corectidunea, ncrederea n rezultatul oninut. Aceasta se exprim

prin gradul de confiden al coeficientului de crelaie.

De regul statisticienii au nevoie de 95% grad de confiden nainte s

accepte un coeficient. n statistic gradul de confien este notat cu p. El este

pre calculat i se gsete n tabele consacrate. Un grad de confiden de 95% se

noteaz n aceste tabele sub forma de p = 0.05. Gradul de confiden este

menionat ntotdeauna n interpretare i analiz i nscris obligatoriu n

forma p = 0.05

Pentru o siguran i o rigoare tiinific mai mare se poate merge la 99%

grad de confiden asupra rezultatului. Acesta se noteaz cu p = 0.01 Cu

ct valoarea lui p este mai mic cu att gradul de confiden este mai mare

ceea ce implic o siguran o mai mare siguran i rigoare de calcul. Gradul

de confiden cu care se lucreaz se stabilete nc din stadiile incipiente

de calcul n funcie de natura variabilelor i numrul de perechi de date

disponibile. n general pentru studiul proceselor, fenomene sociale cu

caracter amplu, general cnd sunt disponibile puine perechi de date i ne

raportm la perioade de timp mari, se lucreaz cu p = 0,05. Cnd se

studiaz procese, fenomene de detaliu cu numr mare de perechi de date,pe

perioade mici de timp se lucreaz c cu p = 0,01.

Tabelul de mai jos reprezint o variant simplicat a unui tabel consacrat cu

grade de confiden.

Pentru stabilirea semnificaiei din studiul nostru de caz se utilizeaz coloana

1 n care se afl N = numrul de perechi de variabile. n studiul nostru de caz

am utilizat 10 perechi. Astfel urmrim pentru N = 10, valorile de semnificaie fie

pentru p = 0.05 fie p = 0.01.

N 95% 99%

(numr de (p = 0.05) (p= 0.01)

perechi de

variabile)
5 1.000 -
6 0.886 1.000
7 0.786 0.929
8 0.738 0.881
9 0.683 0.833
10 0.648 0.794
12 0.591 0.777
14 0.544 0.715
16 0.506 0.665

Se raporteaz valoare lui r la valorile p = 0.05 pentru N =10.

Dac coeficientul de corelaie r este egal sau mai mare dect

valoarea lui p [se ignor semnul lui r (plus sau minus)] SE RESPINGE

IPOTEZA NUL.
 Coeficientul de corelare r, este 0.78, mai mare dect valorea lui p = 0,05 ( de

95%) aceasta fiind de0.648. n concluzie se respinge ipoteza nul (Nu exist

nici un fel de relaie ntre PNB i numrul de vizitatori strini n Romnia n

perioada 1991 2000) i se accept ipoteza iniial, (Exist o relaie ntre PNB

i numrul de vizitatori strini n Romnia n perioada 1991 2000)

Dac s-ar fi ales ca grad de confiden p = 0,01 situaia ar fi fost coplect

diferit. S-a stabilit ca grad de confiden p = 0,05 deoarece: variabilele se

refer la indicatori destul de ampli, la nvel de ar pe o perioad destul de

limitat de timp cu valori la nivel anual.

n concluzie se poate spune c cele dou variabile sunt corelate cu un grad de

confiden de 95%

Stadiul 11

Cel mai important lucru din punct de vedere al tiinelor sociale i deci i al

turismului este interpretarea i analiza rezultatelor.

Ce nseamn acea valoare rs i faptul c am acceptat Hi ?

n final oricine poate calcula un coeficient de corelare. Important este cum

interpretm rezultatul, ce nseamn el!

Pn aici am stabilit (ce-i drept, tiinific) faptul c exist o relaie. Care

este, ns natura relaiei dintre PNB i numrul vizitatorilor strini din Romnia

n perioada 1991-2000?

DE ce numrul turitilor strini pare s scad n timp ce al PNB-ului s

creasc?

Ce putem spune despre contribuia turismului la PNB-ul Romniei?

 Stadiul 12:

Se scriu intepretrile. Aici este locul i momentul n care se folosete

coeficientul de corelaie, pentru interpretarea rezultatelor

De regul se folosete formula:

Exist o puternic corelaie negativ ntrePNB inumrul de vizitatori strini

n Romnia n perioada 1991 2000 (r s = -0.78, p = 0.05). Acest fapt se

datoreaz