1.

MOTIVATIA TEMEI
2. OBIECTIVUL PROIECTULUI
3. DESCRIEREA INSTRUMENTELOR
4. ANALIZA SI PRELUCRAREA DATELOR
- Definirea variabilelor şi introducerea datelor în SPSS
- Verificarea bazei de date
-Analiza statistică univariată a datelor
-Analiza statistică bivariată a datelor
-Testarea diferenţei dintre două proporţii.
5. CONCLUZII

1. MOTIVATIA TEMEI
Piata adidasilor se diversifica mereu aparand firme noi producatoare , de diferite modele
menite sa satisfaca gusturile variate ale sportivilor, tineri si batrani, dar si a celor ce-i
utilizeaza ca “pantof de strada”. Pe langa frumusetea modelelor, ei trebuie sa fie si buni
din punct de vedere calitativ.
Dintre firmele renumite de adidasi amintim: NIKE, ADIDAS, LOTUS, PUMA.
Nu isi permite toata lumea sa se incalte cu aceste marci renumite, originale, exista insa
diversi producatori de adidasi contrafacuti ce se gasesc pe piata, in “Bazar” la preturi
accesibile tuturor.
O cerere ridicata de adidasi “de firma” exista din partea tinerilor, din randul lor fiind si
cei mai multi practicanti de sport, majoritatea studenti, ei cauta produse cat mai frumoase,
confortabile si rezistente in timp. Aceste branduri de adidasi: NIKE, ADIDAS, LOTUS si
PUMA, se gasesc de obicei in moll-uri sau prin reprezentante si distribuitori in marile
orase din tara.
2. OBIECTIVUL PROIECTULUI
In cadrul acestui proiect se va incerca analiza modului in care diversi factori (variabile)
influenteaza cererea de jeansi in randul studentilor.

3. DESCRIEREA INSTRUMENTELOR
Pentru a putea analiza problemele considerate s-a aplicat un chestionar (Anexa 1) unui
esantion de 35 de persoanae, studenti, in Compexul Studentesc Regie R1, R2, R3 si in
caminele de de la Agronomie A1 si A2, cat si in Campusul Studentesc Leu, caminele A,
B si C. Chestionarul a presupus răspunderea la un set de întrebări referitoare la vârstă,
anul de studiu, preferinţa pentru o anumită firma de adidasi conform preferintelor, venitul
lunar al studentului, preţul pe care acesta este dispus sa îl plătească pentru o pereche de
adidasi şi cantitatea de produse cumpărate in intervalul unui an calendaristic.
Variabilele ce vor constitui baza de date din SPSS vor fi: vârsta, sexul persoanei, venitul,
firma producatoare de adidasi, preţul acestora şi cantitatea. Acestea vor constitui baza de
date Adidas.sav

4. ANALIZA SI PRELUCRAREA DATELOR

-Definirea variabilelor şi introducerea datelor în SPSS
Atributele acestor variabile sunt definite în fereastra Data Editor – Foaia VariableView:

Figura 1 Fereastra Data Editor – Foaia Variable View pentru baza de date:Adidas.sav.

Astfel baza de date ce va fii analizata este urmatoarea:

Figura 2 Fereastra Data Editor – Foaia Data View pentru baza

-Verificarea bazei de date.Depistarea outlierilor
Outlierile reprezintă valorile aberante înregistrate la nivelul unui eşantion şi se pot depista
pe baza graficelor care verifică normalitatea distribuţiilor variabilelor.
Pentru această analiză se vor analiza ca variabile numerice preţul adidasului şi cantitatea
pe care studenţii sunt dispuşi să o achiziţioneze într-un an, iar ca variabile nominale sexul
şi firma adidasului preferata.
Outlierile se pot depista în cazul variabilelor numerice, iar valorile acestora se vor depista
astfel Analyze – Descriptive Statistics – Explore – Plots sau Analyze – Descriptive
Statistics – Q-Q Plots, outlierile fiind depistate implicit. Pentru variabila „Cantitate”:
În cazul acestei variabile în fereastra Explore se înlocuieşte în Dependent List variabila
„Preţ” cu variabila „Cantitate”
 Figura 4 Diagrama Boxplot pentru
Figura 3 Diagrama Boxplot pentru variabila „Cantitate”
variabila „Preţ”
Interpretare: Aşa cum se observă, nu există valori aberante.

Verificarea normalităţii distribuţiilor

Pentru a verifica normalitatea distribuţiilor variabilelor „Preţ” şi „Cantitate” se folosesc
procedeele grafice Q-Q Plot, P-P Plot, Boxplot, histograma, testul Kolmogorov-Smirnov-
Lilliefors.
Pentru a putea depista şi outlierile se va folosi procedeul Q-Q Plot. Q-Q Plot compară
valorile ordonate ale variabilei observate cu valorile quantilice ale distribuţieie teoretice
specificate (în acest caz distribuţia normală). Dacă distribuţia variabilei testate este
normală, atunci punctele Q-Q conturează o linie care se suprapune cu dreapta care
reprezintă distribuţia teoretică, adică trece prin origine şi are panta egală cu 1.
Pentru acesta se va urmări demersul: Analyze – Descriptive Statistics – Q-Q Plots,– la
Variables se introduce variabila de analizat, iar la Test Distribution se alege Normal.
Pentru cele două variabile numerice rezultatele sunt următoarele:

Figura 5 Q-Q Plot pentru variabila „Preţ”

Figura 6 Q-Q Plot pentru variabila „Cantitate”
Interpretare: Se observă că punctele nu sunt serios deviate de la linia dreaptă, ceea ce
indică o distribuţie normală.
-Analiza statistică univariată a datelor. Descrierea statistică a variabilelor nominale.
Cele două variabile nominale ce vor fi analizate sunt sexul persoanei chestionate şi firma
de adidasi folosita.Pentru a descrie aceste variabile se vor urma paşii: meniul Analyze –
Descriptive Statistics – Frequencies – Statistics (unde la Central Tendency se bifează
Mode) şi Charts (unde la Chart Type se bifează Pie sau Bar, iar la Chart Value
Frequencies sau Percentages). Astfel, se obţin următoarele rezultate:
Pentru variabila „Sexul persoanei” chestionate se obţin rezultatele:

Sexul persoanei

Cumulative
Frequency Percent Valid Percent Percent

Valid F 21 60.0 60.0 60.0

M 14 40.0 40.0 100.0

Total 35 100.0 100.0

Tabelul 7 Sexul persoanei

Figura 8 Diagrama Pie pentru variabila „Sexul persoanei”

Interpretare: Se observă şi din tabel şi din grafic că proporţie persoanelor de sex feminin
din eşantion este de 60%, iar cea a persoanelor de sex masculin este de 40%
Pentru variabila „Firma adidasului”:
 Firma de adidasi

Frequency Percent Valid Percent Cumulative Percent

Valid ADIDAS 14 40.0 40.0 40.0

Bazar 10 28.6 28.6 68.6

LOTUS 2 5.7 5.7 74.3

NIKE 5 14.3 14.3 88.6

PUMA 4 11.4 11.4 100.0

Total 35 100.0 100.0

Tabelul 9Firma de adidasi

Figura 10 Diagrama Pie pentru variabila „Firma adidasului”

Interpretare: Dupa cum se observă atât din tabel cât şi din grafic proporţiile firmelor de
adidasi sunt: PUMA(11.4%), LOTUS(5.7%), ADIDAS(40.0%), NIKE(14.3%),
BAZAR(28.6%).
-Descrierea statistică a variabilelor numerice.
În cazul variabilelor numerice se foloseşte acelaşi demers ca în cazul variabilelor
nominale, cu diferenţa că se bifează toţi indicatorii din Statistics iar la Charts se bifează
Histograms. Astfel, se obtin următoarele rezultate:
Statistics
Pretul adidasilor

N Valid 35

Missing 0
Mean 3.06
Std. Error of Mean .272
Median 3.00
Mode 2
Std. Deviation 1.608
Variance 2.585
Skewness .487
Std. Error of Skewness .398
Kurtosis -.829
Std. Error of Kurtosis .778
Range 5
Minimum 1
Maximum 6
Figura 11 Histograma si tabelul pentru variabila „Preţul produsului”

Statistics
Numarul de perechi

N Valid 35

Missing 0
Mean 1.97
Std. Error of Mean .133
Median 2.00
Mode 2
Std. Deviation .785
Variance .617
Skewness .824
Std. Error of Skewness .398
Kurtosis .992
Std. Error of Kurtosis .778
Range 3
Minimum 1
Maximum 4
Figura 12 Histograma si tabelul pentru variabila “Cantitate”

Interpretare: Pentru ambele variabile se citesc în tabel principalii indicatori: media,

mediana, varianţa, modul, valorile minime şi valorile maxime.
-Analiza statistică bivariată a datelor.
Analiza statistică a gradului de asociere între două variabile
Gradul de asociere se poate studia pentru variabilele nominale, în acest caz sexul
persoanei şi firmele de adidasi folosite. Gradul de asociere presupune obţinerea tabelului
de asociere, în care sunt prezentate relaţiile dintre variabilele categoriale. În fiecare celulă
a tabelului este prezentată frecvenţa parţială, adică efectivul care poartă simultan o
valoare a fiecărei variabile. Obţinerea acestui tabel presupune următorul demers: Analyze
– Descriptive Statistics – Crosstabs. La „rows”-completam „firma de adidasi”iar la
„columns”-completam „sex persoana”. La „statistics”-bifam „Chi-square”:
Firma de adidasi * sexpers Crosstabulation Chi-Square Tests
Count
Value df Asymp. Sig. (2-sided)
sexpers
Pearson Chi-Square 2.887a 4 .577
.00 1.00 Total Likelihood Ratio 2.898 4 .575
Firma ADIDAS 10 4 14 N of Valid Cases 35
de Bazar 6 4 10 a. 7 cells (70.0%) have expected count less than 5. The
adidasi LOTUS 1 1 2 minimum expected count is .80.

NIKE 3 2 5

PUMA 1 3 4
Total 21 14 35

Tabel 14 Testarea gradului de asociere folosind testul Chi – Square

Tabel 13 Statistică a gradului de asociere între firmele producatoare si sexul

cumparatorilor
Interpretare: În eşantionul analizat sunt 6 persoane de sex feminin care folosesc cu
precădere adidasi din BAZAR, 3 persoane de firma NIKE, 10persoane de la firma
ADIDAS, o persoana de la firma LOTUS si o persoana de la firma PUMA. Persoanele de
sex masculin care folosesc cu precădere adidasi sunt 4 persoane din BAZAR, 2 persoane
de la firma NIKE, 4 persoane de la firma ADIDAS, o persoana de la firma LOTUS si 3
persoane de la firma PUMA.
Analiza de regresie şi corelaţie
Analiza de corelaţie presupune măsurarea Correlations
gradului de intensitate a legăturii dintre
Numarul Pretul
variabilele numerice, precum şi testarea
semnificaţiei legăturii. Acest lucru se de perechi adidasilor

realizează urmând paşii: Analyze – Numarul Pearson Correlation 1 .514 **

Correlate – Bivariate. În cazul celor două de perechi Sig. (2-tailed) .002

variabile numerice studiate (preţul şi
N 35 35
numărul de adidasi cumpărati) se obţine
următorul rezultat: Pretul Pearson Correlation .514 1 **

adidasilor Sig. (2-tailed) .002

N 35 35

**. Correlation is significant at the 0.01 level (2-tailed).

Tabelul 15 Corelatia

Interpretare: Se observă că s-a obţinut un coeficient de corelaţie Pearson egal cu 0.514,

ceea ce înseamnă că între cele două variabile există o corelaţie directa, valoarea
coeficientului fiind apropiata de unu.
Testarea semnificaţiei coeficientului de corelaţie este realizată cu ajutorul testului t.
Valoarea Sig. corespunzătoare, egală cu 0.002, evidenţiază că s-a obţinut un coeficient de
corelaţie semnificativ la un prag de 0.002, adică sunt şanse mai mici de 1% (α = 0.01) de
a gresi in a afirma ca intre cele doua variabile exista o corelatie semnificativa.

Analiza de regresie presupune aproximarea modelului de regresie, estimarea şi testarea

parametrilor modelului de regresie. Între cele două variabile numerice se poate stabili o
legătură liniară dată prin ecuaţia de regresie liniară simplă, care are forma:
Yi = α + Βxi + εi
în care:
Y – variabila dependentă (numărul de adidasi)
X – variabila independentă (preţul adidasilor)
ε – variabila aleatorie eroare sau reziduu
Aproximarea modelului de regresie se realizează prin Scatterplot (din meniul
Graphs - Interactive). Se optine outputul:
 Figura 16 Regresia între „Numărul de
6    Linear Regression

5  
Pretul adidasului = 0.98 + 1.05 * cantit
R-Square = 0.26
Pretul
adidasilori
4 

3  

2   

1  

1 2 3 4

Numarul adidasi cumparat pe an

adidasi” şi „Preţul adidasilor”

Estimarea parametrilor modelului de regresie presupune parcurgerea demersului: Analyze
– Regession – Linear, prin care se deschide fereastra de dialog Linear Regession. Urmând
paşii necesari, în output se analizează Model Summary, ANOVA, Coefficients.
Model Summary

Model Change Statistics

R Adjusted R Std. Error of the R Square F Sig. F

R Square Square Estimate Change Change df1 df2 Change

dimension0
1 .514a .264 .242 1.400 .264 11.835 1 33 .002

a. Predictors: (Constant), Numarul de perechi

Tabelul 17 Model Summary prezintă valoarea coeficientului de corelaţie R, valoarea

raportului de determinaţie R2 şi eroarea standard a estimaţiei.
Interpretare: Valoarea lui R este 0.514, ceea ce indică faptul că între cele două variabile
există o legătură directă. Valoarea lui R2 este 0.264, ceea ce indică faptul că 26.4% din
variaţia variabilei Y este explicată prin variaţia variabilei X. Aceasta este o valoare destul
de mică, ceea ce înseamnă că modelul ales nu explică foarte bine legătura dintre
variabile.
ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 23.199 1 23.199 11.835 .002a

Residual 64.687 33 1.960

Total 87.886 34

a. Predictors: (Constant), Numarul de perechi

b. Dependent Variable: Pretul adidasilor
Tabelul 18 Regession ANOVA prezintă rezultatele analizei varianţei variabilei dependente
sub influenţa factorului de regresie şi a factorului reziduu. Prezintă informaţii asupra
sumei pătratelor abaterilor variabilei dependente, gradele de libertate, estimaţiile
varianţelor datorate celor două surse de variaţie, raportul F şi Sig
Interpretare: În cazul variabilelor considerate, valoarea Sig. pentru F este mai mică decât
0.05, fiind 0.02, prin urmare relatia liniară dintre cele două variabile considerate este
semnificativă.
Coefficientsa

Model Standardized
Unstandardized Coefficients Coefficients

B Std. Error Beta t Sig.

1 (Constant) .984 .648 1.519 .138

Numarul de perechi 1.052 .306 .514 3.440 .002

a. Dependent Variable: Pretul adidasilor

Tabelul 19 Coefficients prezintă coeficienţii nestandardizaţi ai modelului de regresie
estimat, erorile standard ale acestora, coeficienţii de regresie standardizaţi cu erorile
standard corespunzătoare, precum şi valorile statisticii test t şi valorile Sig.
corespunzătoare.
Interpretare: Pentru o încredere de 95% se observă că în cazul ambilor coeficienţi
valoarea lui Sig. este mai mică decât 0.05, ceea ce înseamnă că aceştia sunt semnificativ
diferiţi de 0. Astfel, ecuaţia de regresie are următoarea formă:
Y =1.204+ 0.251 X
-Estimarea şi testarea statistică
Estimarea este procedeul prin care se generalizează rezultatele observate pe un eşantion,
la nivelul populaţiei din care este extras, adică se află valoarea unui parametru al unei
populaţii pe baza datelor înregistrate la nivelul unui eşantion extras din aceasta.
Estimarea poate fi punctuală sau prin interval de încredere. În acest caz se va estima prin
interval de încredere.
-Testarea diferenţei dintre două proporţii.
Acest lucru presupune folosirea testului Chi-Square, urmând demersul: Analyze –
Nonparametric Tests – Chi-Square Test. Se va verifica dacă proporţia persoanelor de sex
feminin este egală cu proporţia persoanelor de sex masculin.
Observed N Expected N Residual
.00 21 17.5 3.5
1.00 14 17.5 -3.5
Total 35
SEXPERS
Chi-
1.400
Square(a)
df 1
Asymp. Sig. .237

Test Statistics
a 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is 17.5
Tabelele 20 Sexul persoanei si Test statistics
Interpretare: Se observă că sunt 21 de persoane de sex feminin şi 14 de sex masculin.
Conform ipotezei de nul (de egalitate a proporţiilor), pentru fiecare categorie ar trebui să
fie câte 17.5 persoane. În tabelul Chi-Square Test valoarea semnificaţiei este mai mare
decât 0.05 şi, prin urmare se acceptă ipoteza de nul.
5. CONCLUZII
În urma realizării anchetei privind cererea de adidasi in Complexul studenţesc Regie, in
caminele de de la Agronomie si in Campusul Studentesc Leu, se poate concluziona că
aceasta este relativ constantă, depinzând în oarecare măsură de preţul acestora. De
asemenea se observă că la nivelul întregii populaţii nu există diferenţe semnificative între
proporţia persoanelor de sex feminin care cumpara jeansi şi proporţia persoanelor de sex
masculin, întrucât multe dintre produse reprezintă o necesitate.

BIBLIOGRAFIE

Jaba, Elisabeta, Statistica, ediţia a III-a, Editura Economică, Bucureşti, 2002;

Jaba, Elisabeta; Grama, Ana, Analiza statistică cu SPSS sub Windows, Editura Polirom,
2004