Documente Academic
Documente Profesional
Documente Cultură
illlll,lIIlllllllllliIIIIIIIllIIIIWIIIIIIIIIIII11111111I_llllmlllllllllllrnlllll~lllllllIIlllllllllllll:1111,1111:111 I'
CUPRINS
PREFATA ix
INTRODUCERE xi
.'oJ'.
v
,I' " I,.IIU"III.,.'_ _ _IIIIIU"IIII_IIIIIIIIIIIIIIII' 1111'111111111'111111111'11111111'1111'111111111'111 'III ill' I ! !I I I :11' :11 'III 111~illlll: I I I I I I illl '1111111 I I illl 11111111"1111'111' ,Ii' I "II'illlillllll'llllIIlllI
vii
vi
11111111111111_1 III.IIIIII~·IIIIII,IIIIII'IIIII '11111'111', 'II' 'I 1,1,1
271
Capitolul 8. SCALAREA MUL TIDIMENSIONALA
272
8.1. Modele de scalare multidimensional~ . . _ 275 PREFATA
8.2. Design-ul cercetarii In scala rea multldl.menslonala
276
•
8.2.1. Seleclarea obieclelor ~i a numarulUl acestora
277
8.2.2. Metode de coleclare a datelor . ., 277
8.2.2.1. Compararea fiecarei perechl de sttmult o CARTE DE STA T/ST/CA PENTRU PSIHOLOGI
278
8.2.2.2. Sortarea stimulilor 279
8.2.2.3. lerarhizarea stimuli/or Cand mi s-a propus sa redactez un cuvant introductiv la cartea cole9ului meu, Florin
279
8 2 3 Managementul datelor colectate prin SPSS .' 5ava, am fost oarecum ~ocat, deoarece sun! mai mult un consumator de statistica decat un
283
8.3. H~rta perceptiva. Reprezentar~a sp~ti~la. a distantelor ~s~hologlce creator al acestui domeniu. Exista ~i percep\ia, uneori falsa, ca psihologii nu sunt prea buni
28::1
8.3.1. Selectarea, numarului de dlmenslunl dlnharta perceptlva 'statisticieni. Mul\i chiar se complac in aceasta convingere ~i nu fac nici un efort sa-~i optim}zeze
28B
8.3.2. Interpretarea configura~iei MDS 293 performan\ele intr-un domeniu, care, de ce sa nu recunoa~tem; da substan\a oricarei cercetari din
8.3.3. Aplica~ii INDSCAL ._ 29(; domeniul psihologiei. Personal, nici nu pot con cepe 0 investiga\ie psihologica fara 0 abordare
8.4. Modele de scalare multidimenslona1a conexe 29:; statistica adecvata; indiferent'ca se pune problema unui demers cantitativ sau calitativ.
8.4.1. Modele MDS constranse 29G Psihologia este atestata ca 0 ~tiin\a experimentala. Experimentul a fost acel element
8.4.2. Modele MDS extinse 298 care a conferit psihologiei calitatea de ~tiin\a. Ea este evaluata ca fiind 0 ~tiin\a tanara, nascuta ca
8.5. Incursiune In optiunile SPSS 29B o sinteza a cercetarilor lui E.H. Weber asupra senza\iilor tactile '(1849), ale lui H. Helmholtz
Bibliografie asupra senza\iilor vizuale 9ioptice (1862-1867) 9i studiilor de psihofizica (1860) ale lui G. Th.
Fechner, in' laboratorul lui Wilhelm Wundt de la Leipzi9, mai ales dupa publicarea manualului sau
de psihologie (1874), Aplicarea in mod consecvent a metodei experimentale ca regula in
investigarea psihologica a insemnat renuntarea 1<1 sistemele vaste filosofico-psihologice.
Psihologia cunoa~te in prezent 0 inser\ie talala in activita\ile practice in care deseori se reflecta
diverse categorii de probleme cu care se confrunta fiin\a umana in contextul existen\ei sale
cotidiene, In toate aceste cadre ac\ionale, psihologii dezvolta proiecte experimentale pe care Ie
fundamenteaza prin intermediul unui aparat statistic construit cu multa grija. Prin utilizarea
experimentului in psihologie s-a pus accent pe colectarea de date obiective privind
comportamentul uman, astfel fiind posibila generarea a numeroase legita~i privind senzaiiile,
percepjiile, reprezentarile, memoria etc" legita\i care au permis psihologiei sa devina 0 !?tiinia
independenta. Psihologia ~tiin\ifica este 0 provocare vizavi de practicile diletante, sau abordarile
parapsihologice de genul astrologiei,' psihobioritmurilor, telepatiei, grafologiei,chiromanjiei etc.
Acestor practici cu pro fund caracter ne$tiinjific, cat ~i adepjilor lor, psihologii Ie-au raspuns printr-o
abordare ~tiinjifica, proiectand 0 serie de experimente in care ecau folosite proceduri statistice
adecvate. La timpul sau, psihologul american R. Pintner, sublinia faja de preten\iile
caracterologilor 9i ale altor ~arlatani, ca pe ace9tia riu-i po\i combate decat cu fapte, prin aceasta
injelegandu-se argumente 9tiinjifice, rezultate ale unor investigajii. Ca atare, de-a lungul timpului
au fost proiectate 9i publicate 0 serie de investiga\ii menite sa demonstreze caracterul ne:;;tiin\ific
al astrologiei, horoscopului, psihobioritmurilor etc.
Cercetarea psihologica contemporana a adus stati~tica psihologica 9i educajionala la un
punct suficient de ina It, incat sa nu mai fie descifrata cu prea multa u:;;urin\a decat cu un efort
sus\inut 9i dupa 0 practica indelungata de catre orice cercetator. Azi, problema calculelor, cu care
se confruntau cercetatorii pana nu de mult, ,nu mai constituie 0 bariera, calculatorul :;;i pachetele
de programe statistice facand posibila printr-o simpla apasare pe 0 tasta, efectuarea celor mai
complicate calcule intr-un timp nebanuit de scurt. Creatorul cunoscutului chestionar de
personalitate 16PF, psihologul R.B. Cattell (1905-1998), s-a foiosit de 0 simpla ma:;;ina de calcul
pentru a descoperi cei 16 factori ai celebrului sau chestionar. 5e spune ca foile de hartie pe care
erau trecute, itera\iile analizei factoriale se intindeau din casa pan a in gri'ldina, fiind asistat de
cateva secretare. UneleVoci afirma chiar ca in noianul de calcule s-au strecurat :;;i.unele .erori, Cu,
tehnica actuaJa de calcul, acest lucru nu se mai poate intampla. Un singur calculator, software-ul
adecvat 9i un operator, pot rezolva orice problema statistica, Oeci, problema nu mai esta a
difiCLJlta\ii de a realiza ~i in\eJege demersul de cal cui al cutarui sau cutarui indice statistic, ci de a-i
ix
viii
"'!;! Ii !I':II'II! 11:'11,11,'1 I i',I'!"I'i ii"
corela\ie ne indica aC,ele c~zun de ~xcep~er~a;~:~ica psihdlogica §i educaiionala se pot ~p~ne larghete metodologica gre~it inteleasa, Erorile metodologice sau ignOranta
care se abat de la 0 regula generala, De P, bT ~ praetice afirmand iresponsabil ca el statistica sunt, din nefericire, prezente frecvent in practica psihologilor de la noi.
multe, la fel de multe §i despre cel c~re sunt Incapab,ll sac~ statistic~, Abordarea cantitativa §i Daca subiectele de cercetare specifice spatiului social romanesc merita
"prefera", metodele calitative, neavandu-se prea In~e ,
, ~, ' 't I se completeaza reclproc, promovate, standardele ~tiintifice de ordin metodologic ~i statistic trebuie pastrate
calitativa nu trebUte sa fie dlsocla e, e e, ," 'h 10 ica nu ne a§teptam sa gasim prea multe
la un nivel ridicat, cel putin similaf cu cel intalnit in majoritatea publicatiilor de
Cand vedem 0 carte d,e staltl~;~~t:~ ~al;ul, eventual utilizand alte simboluri §i poat~
lucruri noi. Acelea§1 Jormule, aC,ela§1 a 9 " I 'n re sa ne invete de ce folosim 0 anum Ita specialitate de Jimba engleza,
alte exemple, Pu\ine sunt ~ucranle dl~ domen~~t~:I:~ti~~te §i care esie procedura de utilizare,a Pentru a realiza ac;est lucru este nevoie acuta de texte statist ice
formuli3 §i nu alta, cum sa Interpretam rezul, ~ fl'~ sa" sa" verificam Cartea pe care Flonn comprehensibile, Tn ultimii ani, aceasta cerere a inceput sa fie acoperita prin
, 'd eea ce donm sa a am " '
calculatorulUt pentru a surpnn e, c, ' ~ , I ,~ , ducationala rezolva multe din problemele cu contributiile editoriale, in special ale colegilor din la~i sau Cluj-Napoca. Lucrarea de
Sava 0 ofera utilizatorilor de statJstlca pSlho oglca §I e 'I '~, este aceea ca este scrisa de catre
~ 'P t ~ calitate a acestel ucran .. fata se alatura acestor demersuri, oferind 0 viziune proprie asupra statisticii, ce are
care se confrunta ace~tla, oa e ca 0 , ' I' t" abundente in formule §i demonstra\1I
~ ' t " tete" lipslte de exp Ica 11, . ~ .. ca 0 prima sursa stagiul de specializare de la Universitatea Michigan din Ann Arbor
un psiholog, EI nu da nl§ e re, I~ . t 'n psiholog sau student prin aceea ca 11
reduildante, Aceasta carte este fundamenta ~ pendru, u , altul Ea ofera informatii pertinente din 2000, iflsa sursa principala de inspiratie in realizarea acestei carti are Tn vedere
, ~ ~ ~'t n anumJt mo §I nu I n , "
spune dar ce §I de :e sa ,aca In r-u f ulelor statistice pe care Ie utilizam intr-o cercetare, ~al intrebarile ~i sugestiile studentilor de la Facultatea de Sociologie ~i Psihologie,
despre ceea ce se gase§te In spate Ie orm "' I tot pasul in aceasta lucrare, se incearca 0 specializarea Psihologie, din cadrul Universitatii de Vest din Timi~oara ~i discutiile
mUlt, prin numeroasele exef!1ple pe ?are, Ie ga~rm a, a ro iata de realitate §i cu nenumarate
altfel de interpretare a fenomenulUl pSlholog lc , mal p p profesionale cu colegii. Lor Ie datorez in cea mai mare parte acest demers
oportunita\i interpretative, ,~' I' mana Lucrarea lui Florin Alin Sava am
intelectual.
o carte de statistica se studlaza cu crelon,u .. In, 'n f;ta calculatorului pentru a urmari, Bunaoara, formarea predominant umanista a majoritatii studentilor de la
citit-o facarid unele note succin~e ~e man§eta. pa~lnt i~1 ~cest'context, ea a constituit realmente psihologie Ii indeparteaza, cel putin in plan afectiv, de 0 abordare matematica a
uneori din pura curiozitate, algontmll de calcul pr~p §, ~ t' p-ortant~' umorul. Nu se poate sa statisticii. De aceea, pe fntreg parcursul lucrarii am incercat sa evit, pe cat posibil,
" \'tate care ml s-a paru 1m '
o provocare, A§ mal men\lona 0 ca I , t t'lst'lca~ se spun multe lucruri comice, dar un asemenea demers, substituindu-I printr-o prezentare a logicii acestor tehnici ~i
, ~ f~ ~ a zambe"tl Despre 5 a , ~
studiezi lucrar~a In,cauz~ ara 5 , -:,', tin cartea sa, Exemplele rezultate din practl~a
Florin a §tiut sa Ie dlstnbUie propor\lOnal §I,lnteli~en , t area sensurilor variatelor abordan printr-o multitudine de exemple-suport,
sau simplu' inventate, ne dau ancore slm?atlce In pene r Cartea se adreseaza studentilor interesati, dOctoranzilor ~i tinerilor
statistice, indiferent de ca: de ~omplicate ar II e~~, t ~ in rimul rand studen\ilor in psihologie care, cercetatori care urmaresc sa-~i clarifice multe din- conceptele st<;ltistice vehiculate,
Cartea coiegulul Flann Sava este de I~al at tPt' .. dar care sunt obligati sa 0 utilizeze, Din punctul de,vedere al gradului de complexitate"lucrareaare un nivel intermediar
, ~ ,f . ' e din studlu s a IS ICII, " ,
§tim prea blne ca rareon ac 0 pa~l~n , ~
/
d' d niul psihologiei, al oricarui pSlholog de dificultate, fiind deosebit de utila mai ~Ies dupa parcurgerea unui curs
Ea este un foarte bun ghid al oncarUi cercetato~ ~n, ,om: '
pentru care psihologia este 0 §tiin\a cu puternice radaclnl aplicatlve, introductiv de statistica,
Din punctul de vedere al continuturilor vehiculate, cartea este structurata
pe trei parti, criteriul de divizare fiind dat de complexitatea cuno~tintelor pe care
Prof, Haria D, Pitariu trebuie sa Ie detina cititorul. Astfel, partea I este alcatuita din trei capitole,
Universitatea "Babe§-Bolyai" introductive vizand statistica descriptiva, testa rea ipotezelor ~i tehnicile t, X2 sau r,
Cluj-Napoca
ca modalitati uzuale de testare a ipotezelor. Aceasta sectiune constituie, in
principal, 0 recapitulare originala a cuno~tintelor acumulate de cititori in urrna unui
xi
x
. ., . ela corect. Psihologul de azi este prea puiin inte:esat de
des copen semmficai,a, de a-I Interpr t I apl'lcatedin punct de vedere tehnlc. EI se
In diferite contexte de cercetare ~I pe cum tre ule
. f I de calcul cum sun e e ". b .
unde provln _unele. ormu e . . , '. .
concentreaza pe tlpul de ~tatlstici utlliza;e b da ea statistica adecvata demersului experimental ,
aceslea sa fie interpretate. A alege corec a or r te trece cu prea multa u~urinta, Desigur,
abordat este intr-adevar 0 problema pesle care nu_se ~ona ca faptul psihologic sa fie'mascat de 0 INTRODUCERE
nici abuzul de statistica nu este de ~ont. Un~on s a ,aJ~ sOlO incat unele articole din reviste
abordare statistica prea labonoasa, ~-a aJuns fan .~cI09~IObi~nuit ele devenind accesibile
Psihoiogia romaneasca a facutpa~i importanti pentru a recupera pierderile
prestigioase de psihologie sa fie de nemiele: pen r~ ~:~ ~ierde 9 rEwista ~i psihologia ca ~tiin\a,
i provocate de 0 decizie politica neinspirata, a regimului comunist. Se vorbe!?te tot
numai unui numar restrans de pSlhologl. Or, In aces ' I I' ne spune adesea mai mull decal
. , I diagrame de core a Ie ,
Sa nu uitam ca inspectarea unel slm~ e -'d Hi -m unel~ concenlrari specifice ale anumllor
mai mult deo pSihologie autohtona care sa nu mai fie tributara unor practici
'coeficientul de corelalie. Ea ne ,perm~te sa I en ~'Caot afecla corelatia etc. Apoi, diagrama de imitative, de divinizare a psihologiei americane. Cu siguranta, aceasta perspectiva
scoruri, sa intuim elementele .dlslorslOna~te car ~ constitui sUbiectul unui studiu de caz, cele merita incurajat8 pentru a oferi psihologiei romane§ti' un stU propriu.
corelalie ne indica acele cazun de excep\,e carte't~ot' pS'lho'log'lca <:i educationala se pot spune Totu!?i, exista destul de multi psihofogi care confunda acest deziderat cu 0
' - 1- rala Despre s a IS Ica "', . _ .
care se abat de la 0 regu a gene.. . b'Jj sa 0 practice afirmand iresponsabJ! ca el farghete metodologica gre§it inteleasa. Erorile metodologice sau ignoranta
multe, la fel de mulle ~i despre cel c~re sunt Incapab., cu statistic~. Abordarea cantitativa ~i
"prefera". metodele calitative, neavandu-se prea In_e . statistica sunt, din nefericire, prezente frecvent Tn practica psihofogilor de la noi.
. - ,. d' . t ele se completeaza reclproc. . Daca subiectele de cercetare specifice spatiului social romanesc merita
calitativa nu trebUJe sa lIe Isoc/a e, ., _ 'h I 'ca nu ne a!i'teplam, sa gasim prea mulle
Cand ved.em 0 carte ~e ~latl~t;~~iP;~ ~a~~~I, eventual utilizand alte simboluri ~i po~t: promovate, standardele !?tiintifice de ordin metodologic ~i statistic trebuie pastrate
lucruri noi. Acelea~1 Jormule, acela~1 alg . I . t't r sa- ne lnvete de ce fofosim 0 anumlla la un n;vel ridicat, cel putin similaf cu cel intalnit in majoritatea publicatiilor de
. . t I -'1 din domenlu amln I ca e . , .. . specialitate de Jimba engleza,
alte exem?le. PU\lne sun _ucran e _ Itatele oblinute 9 care este procedura de utJIJzare a
_ fl~ saw sa- verificam Cartea pe care Flonn
1 i
formula 9 nu alta, cum sa mterpretam rezu ,
. . d c ea ce donm sa a am Pentru a realiza a<:<est lucru este nevoie acuta de texte statistice
calculatarulUl pentru a surpnn e, ~'_
' .
. I . _ . d' cationala rezolva multe din problemele cu
Sava 0 ofera utilizatorilor de statlstlca pSlho oglca 9 e ~I '_. Ie aceea ca este scrisa de calfe
1 comprehensibile. in ultimii ani, aceasta cerere a inceput sa fie acoperita prin
- . P t - 0 calitate a acestel ucran es .. contributiile editoriale, in special ale colegilor din la§i sau Cluj-Napoca. Lucrarea de
care se confrunta ace9lia. oa e ca . , I' t" abundente in formule 9 demonstrat" a
t ~n psiholog sau student prin aceea ca II
d - . t "retete" lipslte de exp Ica II, i ~ "'
un psiholog. EI nu a n1!i' e . ' _ fat se alatura acestor demersuri, oferind 0 viziune proprie asupra statisticii, ce are
redundante. Aceasta carte este fundamentala pendru. u A a/lul Ea ofera inform, atii pertinente ca 0 prima sursa stagiuf de speciaJizare de la Universitatea Michigan din Ann Arbor
t un anumlt ma §I n
~al
-~ - A /n . "
spune clar ce §i de _ce sa ,aca In r- rmulelor statistice pe care Ie utilizam intr,o cercetare. din 2000. Illsa sursa principala de inspiratie in realizarea acestei carti are in vedere
despre ?eea ce se gase~te In spatele fo e aSlm la tol pasul in aCeasla lucrare, se incear_ca 0
intrebarile ;;i sugestiile studentilor de la Facultatea de Sociologie !?i Psihologie,
mult, pnn numeroasele exel'Tlple pe ?are 1 g, . ro iata de realitate 9 cu nenumarale
aItfe I de inlerpretare a fenomenulUl pSlhologlC, mal ap p i specia/izarea Psihologie, din cadrul Universitatii de Vest din Timi~oara ~i discutiile
oportunitati interpretative, . _ . 1 A ana Lucrarea lui Florin Alin Sava am prafesionale cu colegii. Lor Ie datorez Tn cea mai mare parte acest demers
o carte de statistica se studlaza cu crelonu .. In,~ faia calculatorului penlru a urmari, intelectual.
citit-o facarid unele note succin~e ~e man~ela, pagl~" i~' ~~esl 'context, ea a constituit realmente Bunaoara, formarea predominant umanista a majoritatii studentilor de la
uneori din pura curiozilate, algontmll de calcul pr~pU91. _ I 'mp-ortanta' umorul. Nu se poate sa
' . t' artate care mf s-a paru f . pSihologie ii Indeparteaza, cel putin In plan afectiv, de 0 abordare matematica a
o provocare. A~ ~al men,l~n~ o_c _I , . es re stalistica se spun mulle lucruri comice, ~a~
studiezi lucrarea In cauza fara sa ~ambe~~f. D. P A r t a sa Exemplele rezullale din practlca statisticii. De aceea, pe Tntreg parcursul lucrarii am 1ncercat sa evit, pe cat posibiJ,
Florin a 9
tiul
sa Ie dislribuie proportional 9 ,tnlel!~ent,ln ca et ar~a sensurilor varialelor abordari
1
un asemenea demers, substituindu-l printr-o prezentare a logicii acestor tehnici ~i
sau simplu' inventate, ne dau ancore Slm?atlce In pene r . printr-o multitudine de exemple-suport.
statistice, indiferent de ca: de ~omplicate ar fl e~e. ta in primul rand sludentilor in psihologie care, Cartea se adreseaza studenti/or interesati, doctoranzilor ~i tinerilor
Cartea colegulUl Flonn Sava este de I~al t t' t' .. dar care sunt obligali sa 0 utilizeze. cercetatori care urmaresc sa-~i clarifice mufte din -conceptele statistice vehiculate,
!i'tim prea blne ca rareon ~c 0 pa~l~n~
. - .f >, din studlu s a IS ICII, " ,
Din punctul d~vedere al gradului de complexitate,.lucrareaare un nivel intermediar
_ d' d eniul psihologiei, al oricarui pSlholog
Ea esle un foarte bun ghld al oncarul cercetato~ ~n. ,om, .
penlru care psihologia esle 0 9tiinla cu puternice radactnl aplicatlve. de dificultate, fiind deosebit de utifa mai ~Ies dupa parcurgerea unui curs
introductiv de statistica.
Din punctul de vedere al continuturilor vehiculate, cartea este structurata
Prof_ Horia 0_ Pitariu pe trei parti, criteriul de divizare fiind dat de complexitatea cuno~tintelor pe care
Universitalea "Babe!i'-Bolyai" trebuie sa Ie detina cititorul. Astfel, partee I este alcatuita din trei capitole,
Cluj-Napoca introductive vizand statistica descriptiva, testa rea ipotezelor §i tehnicile t, X2 sau r,
ca modalitati uzuale de testare a ipotezefor. Ateasta sectiune constituie, Tn
prinCipal, 0 recapitulare originala a cuno~tintelor acumulate de cititori in urma unui
x
xi
--
curs introductiv de statistica. Sectiunea nu poate fi neglijata de catre cei care
dispun de cuno§tinte lacunare Tn domeniu, parcurgerea celar trei capitole fiind CAPITOLUL 1
necesara pentru a putea Tntelege celelalte parti ale cartii.
Partea a II-a, cea mai voluminoasa de altfel, cuprinde tehnicile statistice
cele mai utilizafe Tn cercetarea psihologica de vart: regresia multiliniara, tehnicile ELEMENTE DE STATISTICA DESCRIPTIVA
ANOVA sau ANCOVA, analiza factoriala exploratorie sau cea confirmatorie.ln
privint lor exista 0 situatie paradoxala. De§i majoritatea cursurilor introductive de
a
statistica nu ajung sa cuprinda aceste tehnici din cauza lipsei de timp, cele mai Analiza date lor poate parea unora un . .. •
multe articolele de specialitate publicate utilizeaza aceste tehnici, mai ales Tn important acestui proces a- fost 'sesizat~ d ~ proces anost,. rutlnler. Insa
Pana §i titulatura de cercetare §tiintifica c e f:~e ~Intreaga ~om~nltate §tiintifica.
a a
literatura de limb8 engleza. Prin urmare, multe persoane Tntampina dificultati in
Tntelegerea demersului statistic din cadrul acestor cercetari, fiind nevoite sa tocmai modul de analiza a datelor' an I a Iva sau calitatlva are Tn vedere
studieze individual ori sa preia fara 0 reflectie critica orice studiu publicat. Din In prezent, com'unitatea' psih I '1 .•
tipuri de cercetare cu toate c~ .0 ogl or recunoa§te §I Incurajeaza ambele
nefericire, in literatura cje limba romana exista putine texte care prezinta adecvat
~. c~n~ervatoare, cercetarea
, a, In une le medii
aceste subiecte, cele mai multe tratand problemele intr-o maniera nepotrivita cantitativa are Tntaietate. Acest fapt oate fi
pentru profilul studentului sau absolventului de psihologie. Lucrarea de fata T§i didactice universitare care Tncura'e p ~. regaslt!?1 In practlca unor cadre
propune sa depa§easca. aceste neajunsuri, obiectivul central al partii a II-a fiind cantitative complementare unui de J aza I.ntotdeauna aplicarea unor metode
"traducerea" metodelor statistice utilizate frecvent Tn cercetare pe Tntelesul facultativ recomandarea unor deme~er~ cal~ttltt~tiv,.in schimb, utilizeaza cu caracter
Crt. ~. ~ un ca I a Ive Intr-o cercetare cantitativa.
a ea de fata vlzeaza doar tehrJic.i statistice n r - ~
psihologilor.
Pentru a realiza acest lucru, demersul matematic de tip hartie-creion a fost lucru dintr-o lipsa de respect fata de metodel';"~-'-"" .c~n la,lo~~' .lnsa nu face acest
substituit prin prezentarea §i discutarea rezultatelor oferite de doua din cele mai pentru a fi descrise yin sa co~plet t ~ calitatJve. Tehnlclle cantitative alese
din domeniu, precum cele ale lui ~e me ~ ~Ie prezentate Tn textele introductive
intalnite programe statistice: SPSS, Tn varianta 11.0 §i AMOS, Tn varianta 4.0. Pe
lang a interpretarea rezultatelor oferite de aceste programe, fiecare capitol contine (2000), Radu !?i colab. (1993) Rotari~o~~tJC\ §~ Stan (2000), Novak (1977), Hohn
una sau mai multe baze de date care pot fi descarcate gratuit de pe internet la introducere, de§i tehnicile pr~zentat _ I co a . (1999). ~!?a cum am precizat §i in
adresa http://statisticasociala.tripod.com.Fi§ierele respective pot fi utilizate de articolele §tiintifice publicate -Tn revietl~ ~crarea ~efata sunt foarte raspandite in
statistica ~u ~ting deca-t tang t. IS e e e~ speclalltate, cursurile introductive de
cititorii care dispun de aceste programe statistice pentru a exersa problemele
r~n
en la aceasta tematic ~ p'
cercetatorii din psihologie se vad nevoiti de a.. urmare,. studentii §i
discutate.
Tn ultima parte acartii sunt prezentate doua metode statistice necritic rezultatele publicate sau prezent~te
la dmulte on, sa ~~c~pte
Intr-un mod
de cuno!?tint Tn domeniu. Iverse comunJcan, dm cauza Iipsei
complementare: scalarea multidimensionaJa !?i regresia logistica. Ambele metode e
sunt considerate avansate din punctul de vedere al gradului de complexitate, Analiza datelor cu scop descriptiv inciud .
pentru a Ie putea Tntelege fiind nevoie de 0 buna stapanire a primelor doua sectiuni menite sa faciliteze Tntelegerea re Ire .e un co.mplex de metode §I tehnici
ale cartii. De pi Ida, Tntelegerea capitolului destinat regresiei logistice necesita Reprezentarilegrafice, ~ediile, tabel;~ ad: :r::v analiza ca~ti.tati.lor o.bservate.
cunoa§terea regresiei liniare, Tn timp ce scalarea multidimensionala face ape I atat reprezinta elemente Tntalnite des Tn rd' en_te sau alii Indlcaton statistici
la informatiile vizand regresia liniara, cat !?i la cele gasite Tn paginile referitoare la aceea este necesara 0 buna cunoa§ter~oall~~.n sau In textele de specialitate, de
a da piept cu un limbaj statistic pe alocuri neprietenos, cat §i pentru eventualele descriem evolutia~- d--O-Una)VIJ,aa"~I;~tb'~1 pentrbu 0 smgura..-Y.Clnabila), iar in situaiia Tn care
a I e vor 1m de 0 st f r .~ d
(pent(~_doua t~ ~ I~J~a e~cri~ti~a
, .",-"". .. -, I'
xii
',I,l', 'l'III'I','II',II',",'r 'II 'JII.'II'III.IIIIJII','III:III '1"Ii,"','il"1 '1IIIIi"II','II'III'II',111 111'11',111'11'"1,11',11 III 'I "11:11' r",',"/"; i:,','I"1 'j; JII. I,W }llr lilt 1IIIlIIIIILlIIII.IIIIIIIIIILlIIIIJIIIIIJIIIIL III j,II' :1,' jill IW 'III ,lllllllllf :IIIIIIIIW 1111I 'III 111~:111 111I IIII/Ilf IIII/Ilf lilt 'II~ 111I III I11I 111I :1111 111I ,lilt :1111,1111111111 1111111111 111I 111I 111111111 !IIII 11111 111I ,III 111I 1111 IIIU Illf 'III' 1111' 1111 1111' 11111,11111 ,'1111111111 11111111111 11111 11111111111' ,11111111111 11111111111111111,11111 ,'1111 1111 ,1111,111111,11111111111,111111111111111111111111111111 11111 111111 111111111111 111111 11111 III' ,I
.G"
v~nitul I~nar" (ex: 1o.ooo.o~o lei). ~~i~ autori, precum Kinnear §i Gray (2000), tind
o alta idee de baza Tn analiza statistica a datelor are Tn vedere ~centa sa restranga ultlmele doua modalltatl
. " . . ' de masurare la termenul 9enenc . de scala"
dintre analiz"LlaniV!lIY!Jotului testat §i analizal?opivelulpopula1i:! din care face ~umenca deoarece maJontatea tehnicilor statistice utilizate In cazul scalelor de f
parte acel e§antion. De exemplu, putem obtine anumite valori descriptive la nivelul Interval "sunt. d valabile
. .§i.Tn. .
cazul
. . .scalelor de tip proportii.
,§ AceeaI. pozl,le
·t· a fost Ip
lotului testat (ex. nivelul de empatie la 0 c1asa de elevi de c1asa aIX-a) §i alte valorl a op a t a §I e consIlient statlstici al SPSS-ului, care au renuntat la . d'f t'
• dt it d ". . ' a mal I eren la
la nivelul populatiei (ex. valoarea medie a empatieila nivelul populatiei de elevi de In re ce e oua tlpun de variabile (SPSS 11.0, 2001). '
clasa a IX-a). De multe ori, analiza datelor se bazeaza pe rezultatele ob\inute la ~n alt aspect. c:etCetgJie subliniat cu privire la scalele de masurare este
nivelul lotului de subiecti testa\i, Tnsa inferen\a se face la nivelul popula\iei din care ac:,la ca aproape '{)~E?...varia_bila poate fi masurata prin_J],pLrlJulte scale de
acesta face parte. Pent'ru a facilita distinc\ia dintre cele doua domen~ se uti~zeaza ~~.u!are.. Spre :xemplu, .nivelulde §colarizare poate fi evaluat prin-~~al~ nomTnala
termeni diferiti precum cei de pa~ametri, respectiv indicatori statistic(PCl.~~f0~~~j se In :az~1 .unor raspunsur~ de tiP. ,,~colarizat" sau "ne§colarizat" sau prin scala
refera la niv~~1 pOPiJla.tiei, iar inqi.catorii statistici se refera la nivel.2:lLlo,.~~Il:l~.§I.1!~~t.. ordlnala, In cazul unor raspunsurl precum "studii primare" studii medrl" t d"
Aceasta diferentiere se regase§te, frecvent, §i Tn modul de notare. Astfel, media §I tr I" d" . ' " , "S U II
pos Ic~a e, "stu ". unlversitare" etc. Realizarea unor" scoruri vizand gradul de
abaterea standard la nivelul populatiei se noteaza cu J;Lclespectiv~s:~jar la nivelul alfabe~lz.are s~~ .ntvelul cuno§tintelor generale implica obtinerea unor indicatori
e§antionului se utilizeaza simboil..irile .Q})}espectiv.§. . . . " nUmerlCI, ~?e~lflcl scale lor de tip interval. In cele din urma, prin intermediul scalei
Vom reaminti, pe scurt, informa\iile de baza din statistica descrlptlva, de propor1;lI, nlvelul de §colarizare poate fi reflectat prin numarul de ani de I"
e
pentru a patrunde mai bine semnificatia informatiilor prezentate Tn capitolel absolviti (ex. 5; 12; 16 etc.). §coa a
urmatoare. Cititorii interesati pot consulta lucrarile deja mentionate pentru mal De. as~menea, trebuie remarcata distinctia calitativa dintre scalele
.
multe detalii. nO~lnale §I or~lnale, pe de 0 parte, respectiv scalele de interval §i proportii, pe de •
Acestea vor fi grupate In trei sectiuni: (1) importanta modului de masurare alta . p~rte. Pnmele sun.t scale Il.QD.::n\:!m"€.r!~e, presupunand apelul la' teh nici
a variabilelor In analiza datelor; (2) analiza descriptiva univariata §i (3)analiza st~tlstlce nO.!1=parmnetn(fe, mai putin sofisticate. In schimb, variabilele masurate
descriptiva bivariata. pnn scal~ num~rice necesi~a, In cele mai multe cazuri, tehnici statistice
pa./:.3metnce;"mal ~omplexe. In ca~ea de fata ne vom axa preponder~~t"asupra
ultlmelor, deoarece In cercetarea pSlhologica ele constituie 0 majoritate clara.
1.1. ModaliHiti, de masurare a variabilelor studiate
. Primul element de baza In analiza datelor este identificarea modului In 1.2. Analiza descriptiva univariata
care au fost masurate variabilele de interes. Astfel, se pot distinge patru scale de
i
masurare: nominaLa,ordinala, de intervpL.§i proportii (raport), fiecare avand calitat . Luc~arile amintite anterior ~i cele prezentate Tn nota de subsol ofera 0 buna
diferite Tn ceea ~e prive§te poslbilitatile p~ care Ie ofera pentru analiza datelo~. In!roducere" In problema analizei statistice descriptive. De aceea, ne vom rezuma
t
" De pi Ida, variabilele de tip, nominal presupun raspunsuri care ,IJE§eun :a . pr:zen:a~ doar princip~I~le CO~c1uzii ale unui asemenea demers descriptiv,
numeric;:e'l §i nigi,.,nu... pot fi ierarhizate~rln urmare, scalele de tip nominal implica :nslstand Insa asupr~ coeficientulul de corelatie r, ca element fundamental Tn
!~ali4.e;.de frecvente. Un exemplu tipic de variabila masurata prin scala nominala I.ntel~gerea unor teh~~~i.~tatistice c0m.e.J~,x.e precum analiza factoriala sau regresia
~ste"apal!(3nenta 'laCf:;ligie" deoarece raspunsurile aferente - orto.dOX: c~tolic, I I n l a r a . - · - - . "', '"
protestant, rnusulman etc. - nu sunt nici numere, nici ordonablle mtnnsec.
Variabilele de
tip ordinal; de§i misunt deJifl::Dumeric, permit ordonarea intrinseca (1) Descrierea unui set de date necesita ~el putindoiparametri
1
a raspunsurilor, permitEmd asHel realiiar~or ..iE3rarhii. Acest fapt permite Unul vizeaza tenQ.inta..,..Q.E;ln!ral?~fl-aat~lor" add gasire~ unei valori
cercetatorilor sa apeleze la analize bazate pe ierarhii (ranguri). Un exemplu de ':epre"ze~tatlve pentru setu~. respectiv de date, -, 'iar celalalt vizeaza gradul de
variabila masurata prin scala ordinala este Tntalnit frecvent In studiile despre Imp~a§~~r.:a d~tel0r., urmannd omog..:~itatea sau eterogenitatea unui 9ru'p~';5e
atitudini §i implica raspunsuri de genul "foarte r~ "rar" , "mediu", "des", "foart~ pllda, daca am Incerca sa descriem un grup'doar prin prisma primului parametru
des". Un alt tip de scala de masurare este cea de'tip interval. Aceasta este 0 scala (ex. ambele c1ase de elevi obtin 0 medie generala de 8,25) nu am putea afla daca
numerica (ex. un IQ de 120; 7 puncte la 0 probMeasertivitate etc.). Tot 0 scala
numerica'este §i scala de prop o r1 ii , avantajul acesteia fata de scala de tip interval
'gas~;e~ulte.
M ' infcrmaiii tespr~ al~critmul de calc~1 a!'parametrilcr tendiniei centrale ~i ai impra~Uerii pct fi
con stand Tn faptul ca valoarea zeroQl;I este a1.eas.a prbitrar. Un exemplu de Hch (2nOcOOrlc) eRmanu~ mtro uctlV, recomandablle fllnd lucrarile lui Hchn, Varga ~i Maru~ter (1999)
variabila masurata prin scale de proportii este timp'ui de react ie (ex. 170 ms) sau n ,adu §I cclab. (1993), cn Sava (2002). ' '
3
2
!, i, ~i, ,'I ,! ': " :llIIIIIUIIIIIUIIII 1111I IIII'IIIIIIIIIIII'JIIIIIJIIIIII:IIIIllilllllWlllllIJlllIlEIillWllllWlllllOOllllWllllllIlllll:llll1lJllllllllllllll, 1111'1'
1111111,111, I I 1 1 IlIi'11i illlJ Ii ,I
IIIIIIIIII~III _ _ _.IIII.IIII! 'Ii illl :111: I111111I illi 1111111111111: :11111111,1111 ,I Ii' 'il I!' 'II !Ii II' 'il : 'II Iii I I: Ii I Iii ,I ,i: I; il ~I :11 :11 ~I
r-
Exista 0 multitudine de grafice posibil de realizat. Alegerea unu'l anum't t'
ciasel sunt similare, deoarece una ar putea fi formata din elevi omogeni, toti f f • f . - . I Ip
e d e ra IC/~ ace m. unctle de modul de masurare a variabilelor, dar ~i de aspecte
avand media Tn jurul valorii de 8,25, In timp ce cealalta cJasa de elevi ar putea fl
pre eren ,Ia e, ce ..t~n •d~ sUbiectivitatea fiecaruia. In functie de tipul de date
. formata din doua categorii diferite de elevi - foarte buni ~i slabi -" dar care colectate, cele mal mtalnlte grafice sunt: .
Tmpreuna ar conduce la 0 medie egala cu cea a primului grup. • diagrama circulaciU"p.lacinta") pentruvariabile de tip nominal;
Tn functie de scalele de masurare utilizate se stabile~te ~i parametrul
• hlstograma modificata pentru variabile de tip nominal sau ordinal'
tendin\ei central~, respectiv alTmpra~tierii datelor ,care ar trebui calculat. • histogramasau poligonul frecventelor pentru vari'~bilen~~eri~e:'
.. ~'-'
Mediana; Mod
lata un exemplu de reprezentare grafica prin metoda poligonului de frecvenie:
-
~
3
Figura 1.1. Parametri posibili ai tendintei centrale, In functie de tipul de varia bile
2
Tntre parametrii Impra~tierii, \ abat~rea standard ~i ?,i~yersia,sunt cei mai
Intalniti In cazuTOatelOr"riumerice, iar 'a"bi3tereElIhtercuartila este mai des utilizata In
cazul 'datelor masurate prin scale ordinale. Tn ceea ce prive~te datele nominale,
situatia indicatorilor'i~'pra~tierii este neclara. Indicatori precum entropia, indic~le
de fr~gmentare, indicele de diversitate sau cel al dispersiei calitative sunt aproa~e 20,2 23 25,8 28,6 31,4 34,2' 37 39,8
necUnoscuti ~i lipsesc cu desEiv§.r~ire din programele statistice pe calculator. In Figura 1.2. Exemplu de poligon a/ frecventelor, reprezentare tipica pentru datele numerice
consecin\a: raspandirea lor este minima, majoritatea cercetatorilor rezuma~du-se
la a urmari distri~iaprocentajelor pentru fiecare raspuns posibil (Weisberg, (3) Analiza datelor este influentata de forma distributiei datelor
. Dincolo de aspectul pur intuitiv al reprezentarii grafic~, foarte importanta
l 1992).
Tn gel1eral, indjcatorii lmpra~tierii iau vCl!?~~..':~~,,~er~9a,.c§ ~oate date~e
..,..... , .... • .
rezultate distorsionate, iar pentru a evita acest lucru este esential sa inspectam
grafic situa\ia rezultatelor obtinute.
L 4
5
_ _ _ _ _IIIII11IWI~1111111111111~IIIIIIUlllllnllllllnlllllllllllllUllllllmlllIrnlllll~IIIIII~lllllmllllltUlllllllllll~IIIIIIJII :1111. III, II! ',i
i,II!!IIIIIII,IIII!:IIII';IIIIIIII:IIIIIIIII!:11111111I 1111 '1111 'III:,IIII:IIIII'IIII:III! I111 ,1111 1111:'llll 1IIIi 1111.1111 1111: 11111il l l,111111J11111 1111,1111 I111 ;1111',1111:111 111111I III! 11111 111111 IIIII"IIII! 1IIIIi 11111 I11111 11111'1111 111111.111:111111111111'1111.1111111111111111:111111111,11111 1IIIIi 11111 '11111 11111'11111 11111'11111 '1111 1111111 1':111111'111111111111111111'11111'111111"11111111111111111111111111111111'1111111111111"1111111111111111111.11111:'1111111111 1IIIi 1111 111"1
aceasta ~r ti alca~uita. di~ copii cu perform ante apropiate. Cei mai multi ar Tnregistra
rezultate mtre 5 $1 7, m tlmp ce foarte putini elevi ar fi inclu$i Tn categoria elevilor cu
note sub 5 sau a celor cu note peste 7. Intr-o asemenea clasa lipsesc notele
extre_me, tapt c~ f~ce ca nu toata ga~a de la 1 la 10 sa fie distribuita. in sfar$it, 0
curba mezocurtlca are un nlv~1 medlu, normal d~. boltire, ceeace inseamna ca
multi copii au rezultate apropiate 'de valoarea mediei, de:;;i exista unii elevi foarte
·\
·'1
slabi, respectiv foarte buni, toata gama de note fiind acoperita.
(b) Distributia datelor po ate varia $i Tn functie de nivelul de sirnetrie a
dateior. In cazul !n care distributia este asin;atrLca P9.litiv, exista'-mai~ulte valori
mici deciit mario Intr-o situatie $colara, aceasta ar corespunde unui test diticil, in
Figura 1.3. Forma unei distributii norma/e a date/or.
care majoritatea elevilor obtin note mici, de$i sunt $i elevi care obtin rezultate
$colare bune. in schimb, 0 distributie asimeJ[i9.~.. negativ.jqdica un de~echilibru al
Multe teste statistice parametrice (utilizate in cazul datelor numerice) au
valorilor Tn directie opusa. Vor aparea mai multe rezultate mari decat mici, tapt
dreptcondit ie de aplicare normalitatea distributiei datelor. De ~ceea, est~ importan~
care, transpus Tn note $colare, arata predominanta notelor ridicate. in cazul
sa., <,::aracterizam forma distr,lPU\iei;.. ob.tiJ'tute. pri~ '. i.nt.e. e~lul ~ doua aspecte. r.T.. probelor psihologice, prima distributie poate fi socotita un indicator al unui grad de
(~) nivelul de bo)tire, respectiv (b) ri!"relul de.ob~lcltat~ LFlsl~etne!. _ .
dificultate ridicat pentruproba respectiva, Tn timp ce 0 distributie asimetrica negativ
.. 'TarO" distributie normala este me?oGurtlc~,,(J1ormala), adlc~ are. ~n n1~e~ semnifica un grad scazut de dificultate a probei. BineTntele~ ca aceste concluzii
mediu..de boltire (nici prea joasa, nici prea Inalta). Totodata ea este s'!l2ftnc;,,~, adlca
sunt valide Tn condi\iile Tn care valorile ridicate indica p~rforman\e superioare, Tn
nu este Inclinata evident niei spre stanga, niei spre dreapta. It timp ce valorile mici arata performante scazute.
,.~
Curba leptocurtlca
'\
I \
I \
I
I Curba normal a
I
I
I Curba platicurtica
L -____~ --------~
Figura 1.5. Distributie asimetrica pozitiv (in stanga) §i distributie asimetrica negativ (in dreapta)
Ij
\ au rezultate superioare, cuprinse intre B :;;i 10. Reversul sltuat1el este reprezentat mai mari de .BO semnifica 0 asimetrie pozitiva. Aceasta regula implicita merita a fi
de 0 distributie featocurtica. Aceasta indica un grup omog,en..9.?date, In care cele aplicata mai ales Tn conditiile unui e$antion mare de subiecti, sa zicem de peste
mai multe r~zultat;S&gKsesc distri~.0!altLiurJJL.m~gJ~i. in cazul clasei de elevi, 150 de perso?-ne.
I): '.-
~"
'1; j~ 7
6 1;
,1 ~
1:111111111111 '111111:111111111111,11
111111,'1II11I1111111II11111111111!,III"llilll:
'II II II: ':, :1 'I 'II :lli 1111 illl 1111 1111 :: '~ Ii 'II III, 1111 :llli 'I 'i: ~! 'III 1111111111' Jil ! :1111: 11111 :III! !lli ,III: illl I I~ :111 III; :111 lit ;m 1m ,m 1m !III: 1ffi 'III :11' 'III j, I ', 1'1 m l i, m 1W ',W, % ',% WI/, '111M WI/, WI Wr'W, ~,i fu ~,,~ l i ~ ~ 'i' " II 'I'
exceptia unor
. cazuri
~ grave de departare fata
" de 0 distributie
a normal~
. S"IIml ar -In
In cazul Tn care volumul,8J}antionului este mediu sau mic, putem adopta 0 cazu I ..unul . numar mare de date, sa zicem peste 150-200 . I'd .'
. ,nscu e a obtlne un z
alta strategie, bazata pe calcula;ea~. a indicelui d,e ~blic:iti!lJe. Aceasta semnl.flcatlv e~t~ f~art:: mare, chiar la departari minore ale datelor de' m d I I
presupune Tmpartirea valorii indlc§t9IHll:!Lge obliCftate la eroarea~~tand~!sLgstimata teoretlc al unel dlstnbutll, normale . 0 eu
;l: a acestuia. Ambele elemente sunt oferite de SPSS. Field (2000fpropune dOLia
,1',
prag~~i-ale lui z Tn functie de numarul ge persoane testate: 2,,li.ll.pentru un e~antion (4) Cunoa~terea mediei §i a abaterii standard permite analize
mai mic de 30 de subiecti ~i 1,96 pentru un e~antionmai mare de 30 de subiecti.
Acela~i recomand~ cazUT-Li-nui"num~;:'-mare
statistice compleme'ntare
. !n. cazul unei d!str.ib_u~iLn9LCQale, mediC!~~(abaterea standard au 0 serie de •
\i autor renun\area la regula Tn cie
1 subiect , sa zicem peste 150, deoarece z are mari ~anse de a deveni semnificativ,
i propneta\1 care permit obtlnerea unor inforn""latl'I'
fw.<.!._.,. __d . t'Ive sau inferent,iale
. escnp
complementare. . .-
(a) Standardizarea date/or
TabeluI1.1. Exemplu de valori ale mediei, medianei 9i oblicita\ii privind varsta ideala pentru
. .. _De obicei colectam datele Tn forma lor bruta, pastrand unitatile de masura
casatorie Iniliale. In aces~ ~od putem vorbi despre faptul ea 0 persoana a obti~ut 7 puncte la
t~stul de agreslvltate verbala, 18 puncte la un test de atentie con'centrata 43 de
Varsta ideala pentru casatorie
N
15 .«' raspuns~n coreete. la un test de acuitate vizuala sau ca ma'soara 180 de ~m. De
26,00 cele mi;lI .multe on nu cunoa9tem ce semnifica\ie au aeeste cifre. Exceptie fae
Media
25,00 cazunle m. care avem _o~ ~dee 'despre evolutia rezuitatelor, precum 'datele
Mediana
J Oblicitatea (skewness)
Eroarea standard a oblicitatii
2,240
,580
antr~pometr.lce I:gate de malilme, greutate ori unele informatii cu caracter general
de tlpul venJtulUl lunar, al temperaturii etc. Spre exemplu, nu yom eunoa!?te dac~
rezultatul de 18 punete la un test de atentie concentrata' este mai' bun decat
Fiind testaii doar 15 subiecti, vom imparti oblicitatea la eroarea sa ob\tnerea a 43 de raspunsuri corecte la testul de acuitate vizuala.
standard ~i vom obtine 3,86 (2,24 : 0,58). Rezultatul, Tn valoare absoluta, este . .. P~ntru a rezolva problema, se poate recurge la transform area rezultatelor
superioc pragului specificat, de 2,58, prin urmare avem de a face cu 0 distribut,ie Inltlale,
, din,
~ .~'".' . c., , Tn cote st~IL§CI~fte.
cote brute d d' . ~ mal. multe tipuri de
EXlsta
asimetrica pozitiv. Deoarece In astfel de cazuri mediana este un parametru transforman, toate avand la baza.cot~le_~. . ..
adecvat pentru a descrie ~irul de date, am putea spune ca subiec\ii chestiona\i ....Transforn:ate Tng~t~_,;z.:},,;scQr~~iIe brute.~are sunt egale cu media vor avea
considera varsta de 25 de ani ca varsta ideala pentru casatorie. E de remarcat ca , v.~lo~r::~ 0.. ~alonle negative vor aparea'peritru scoruri maf'-mi~i'd~~~t'~~dia iar
iile valonle pozltlve, pentru rezultate superioare mediei. Mai .mult, abaterea standa' d
opera\ia trebuie completata de inspectarea graficului rezultat, deoarece distribut
multimodale nu pot fi detectate prin urmarirea indicatorului de oblicitate. datelor transformate In cote ~va fi Intotdeauna 'e9al~'
cu1 ,''''A~tf~i,'' d~P:
Nu numai oblicitatea poate fi estimata exact. Boltirea beneficiaza, de. transformar~ putem c?mpara once variabile, deoarece toatevor a~ea media 0 iar
asemenea, de un astfel de coeticient pentru a determina normalitatea unei a~aterea standard 1. In plus.' se cunoa~te caTntr-o distribl!.\j~Dormala peste ~9%
distribu\ii. Indlc.aloful.de boltire (1n engleza "kurtosis") este estimat de SPSS pe din rezultate vor. c:.ve~ valorl z cup rinse Intre -3 ~i +3. Formu(;3-de~c~lcul p~";ltru
baza acelora~i principii ca In cazul obllcita\ii. Valoarea zero indica 0 distribu\ie transformarea oncarel valori in cote z este: ".. ..'
perfec(JuezocuQi.c a, valorile pozitive, cu cat sunt mai mari, arata 0 tendinta spre
distribu\ii Jeptocurtice, In timp ce valorile mai mici de zero, semnaleaza tendin\a \ x-m (1.1 )
; z=--
spre 0 distributie jJlaticurtica. Field (2000) recomanda calcularea lui z kurtosis dupa s
acelea~i criteri; en~fate pentru oblicitate. .........-.. ... - . ~
Daca exi!?tadubii cu privire la gradul de 1}9Dll§HtatSl,a distribuiiei datelor, se unde.X este valoa:ea c.e urm~az~,.a fi tr~l1pformata; m este m.§gia obtinuta Yn
recomanda testarea"conditiei de normalitate' prin tes~l<.• ,aLJlJ.i.,.,~slmogorov e~antlonul . respectlv on media popula\iei; iar s este abaterea standard a
sJDlmQY. Daca ..y.Ellorile\s,u....o.t semnificat\v_e. statistic, putem afirma ca "" .. ---.. distrlbi.iiia{n;J'~ e~antlonulUl sau a ~opulatiei ~Tn cazulin care este cunoscuta). ,V" ..
Tndepline~te caracteristl9lL~,~uoeL,curbe~ormale. In schimb, daca z este t Astfel: daca don~ sa transformam Tn cote z cele 43 de puncte obtinute la
nesemnificativ statistic, yom putea afirma ca distributia observata nu difera estul de aCUltate vlzuala, yom ob\ine valoarea -1,71, daca ~edia este' 55 iar
semnificativ de 0 distributie normala teoretica, deci poate fi considerata ca atare. ~~~~~r: s~anda.rd? Valoa~ea indica un numar de raspunsuri corecte mult mai'mic
Din pacate, rezultatele sunt sensibile la numarul de subiec\i testa\i. Daca edla. Similar, daca yom transforma in cote z rezultatul ob\inut In urma
ob\inem mai putin de 30 de date, exista ~anse mari ca z sa .nu fie semnificativ, cu
9
8
1IIIIIIIIIIIIIIIIIJIIIILlIIII~IIIII'IIIIJI! Illi !II Ii III 'II' !II 'II' III' ,III 'I!' 'II' '111111111111111111 i' i : 'I 1IIIIIIIILlIIII'~IIILlIIIIIIII~ !IIIIIIIII :IIIIJIIIIII'JIII !III'JlIIIIIIJlII:1II 1111 III ill! .III' 11111.,.1111'.
____-11_11111111111111:111111.11111,11111111111,111 11111111: '1111111111'.111111'11111 ,IIII! 11111,1111: 111111111' '11111111' '111'1111'11111111' '1111'111 :11111111, ,11111111, ,11111111111111111111 iIIllllllll ,1111 'III 1I1111~IIIIIIUIILlIILlII!IIIIIIIIIII.IIIIIIIIIIII.IIIIIIJIIIII.I1111lIlllll.IIllll'lllll 111111,11111.111111 11111 I11111 11111.11 """"1:""1""1:11'11"1.'""1""1."1"""111""1""""""""""""."""111111 11111:111111 1IIIIIillili 11111,,11111 11111 IIlIlillll 11111 1111 1111: 111111111111111111111 11111111111'111111111111,111111:1111' 1111 :II! 111111:11111'111111 111111111111 11111111111 111111111111 llillillllil 111111111111 111111111111 11111 , 1111111111111 !IIIII 11111,:11111 11111:111111 11111 111111 11111 111111 11111 111111 11111:11111 II 11111111'111111111 i i Ii
II
~ dezvoltare intelectuala cuprins Tntre 85 ~i 100 10. Daca yom face un simplu calcul,
~ _ . = 3 11" X = 18) yom obtine -0,96. Pe. ~
testului de aren~le concentrata (m -.21, s ~ , .' lar belerez~ltate su~t sub'medie, tl
yom constata ca 6~.,?7(o dintre persoanele testate au rezultate cuprinse Intre 85 §i
baza acestor transformari putem aflrma ca, de~1 am. ~ bfnuta la A
~
.~
1'15 10, adica Tntre valorile situate la cate 0 abatere standard Tn minus, respectiv In
performania la testul de ateniie concentrata este ;nal buna decat cea 0 ,I plus, de lamedie [m-1s; m+1s].
!
testul de acuitate vizuala. . . t I ij Tn mod similar se poate estima procentajul de persoane aflate Tntre diferite
Pe baza cotelor z se pot calcula ~i alte cote standardlzate, precum C?o..:~, ;~
Ii sectiuni ale acestei curbe. Spre exemplu, procentul de raspunsuri cuprins Tntre 0
·t t d t Ion are preliminara a testelor. - is
. T. Acestea apar frecvent ca moda II a e e e a :~~~C'::-,:~::.~':C--~~ !! abatere standard faia de medie §i doua abateri standard fata de medie este de
' . - - . ..• '-!, . • ~
13.,59%, Astfel, In problema nivelului de inteligenta, aproximativ 13,59% din
I rezultateau valori cuprinse Intre 70 §i 85, respectiv Tntre 115 §i 130.
(b) \CJ~sjfjC~:C3.:sU.bje~tilor . .' standard ofera mai I,
'In cazul'Unei dlStubutll normale, media ~I ~~~~c?a_ . :'C, . ~ Tn figura 1.6 sunt prezentate §i cotele z, respectiv T, corespunzatoare
. . ." '"~ .. ' ~ b'ect Intr-un grup de oamem. if
multe informa~ii, cum ar fi locul.pe care-!.~()cupa un su I . -- .,...... C de %
procentajelor stabilite pebaza proprietatii unei distributii normale. Astfel, Tntre
valorile -2 §i -1 cote z, respectiv Intre 30 §i 40 cote i, se regasesc 13,59% din
~
Spre exemplu 'putem determina poziiia unei persoane cu un mvel de mtetilgdenr,ad '1 5
' ., d' t 100 10 iar abaterea s an a rezultate. Similar, Tntre -1 §i +1' cote z, respectiv Intre 40 §i 60 cote T, yom obtine
5 10 In conditiile In care mteilgenia me Ie es e '. . d t
.11 , , . . . d' t'b t" rmale putem emons ra
10. Altfel spus, prin apelulla proprietai,le unel IS.n U,II n o . 'Ii cate aproximati\(§.~~I%.
ce procent de subiecti obtin rezultate mai man de 115 on p~teml sdtabl~ yom Pe baza acestor procentaje se pet stabili categorii calitative de includere a
" . I ' Totul va devem car aca rezultatelor, utilizand urmatoarea grila:
persoane au rezultate inferioare acestel va on.
Tntelege figura 1.6. '. d ~ arti • rezultate foarte slabe (valori mai mici decat cele aflate la doua abateri
In cazul unei distributii normale, media Tmparte §Irul de ?ate ~n, oua PI d'
A
0 • mic de 100 iar • rezultate slabe (valori aflate Tntre doua abateri standard sub medie !?i 0
fata ne a§teptam ca 50% dintre persoane sa alba un 10 mal , abatere standard sub medie -15,39%);
c~lelalte 50%, un IQ mai mare de 100. • rezultate medii (valori aflate Tntre o.abatere standard de-o parte §i de alta a
mediei - 68,27%);
• rezultate bune (valori aflate Tntre 0 abatere standard peste medie §idoua
abateri standard peste medie -15,39%);
• rezultate foarte bune (valori mai mari decat cele aflate la doua abateri
standard peste medie - 2,27%).
Proprietatile distributiei datelor observate sunt esentiale, nu doar Tn
statistica descriptiva, ci §i Tn cea inferentiala, cum ar fi testa rea ipotezelor. Trebuie
95,:44% remarcat ca nu toate tehnicile statistice inferentiale se bazeaza pe proprietatile
11
10
1111"1111,1111111111"11111'1111111111111111111,111111,11111,111111,,111111111 11 111111'111111"111"'._ _ _ _-• •_111111111,'" III 'I!,'II 'II II! III II!ill"il 111111 111 "I'IIII"II!'II"IIIIII"III!!'" ,"",, ""''''1111'1111111'111111'11: II! 111"11
"
Sa presupunem ca vrem sa masuram nivelul de empatie la 0 clasa de liceu ~~~~~~Id:;;:. p~~t~~~mplu ar fi absenta relat iei la adulti Intre ordinea la na~tere ~i
:;;i ob~inem un rezultat mediu de 14,3. Daca am fi evaluat nivelul de empatie i
a
. "Pent,ru a vedea graduL~q~ covariatie dintre d O ' .
clasa de vizavi am fi obtinut 14,7, iar daca am. fi extras un e:;;antion dintr-o alta diSpOZI\le trel elemente descriptive: ._....- .. '... oua vanablle avem la
clasa am fi. obtinut 14,2. Continuand, Tn cazul extragerii aleatorii de e:;;antioane
(1) calcularea coeficientilQC s:t~~c:o,rE?I.<3j!e _ca indicatori de asociere'
pentru a identifica nivelul de empatie, am obtine 0 serie de medii, pe baza datelor
observate. Majoritatea mediilor ar lua valori apropiate de cele mentionate anterior,
(2) rep~~?elltare.9..grafiQ§..§I}<?I.ului
(3) realizarea de t bid :-'-··'C···, 9 a "scatterpl~t ),
de p'Lincte (In en lez':=--- ' ".
ine a e e e cQ!1.~9.~~1~ (asoclere). ..
putine dintre ele Indepartandu-se de. acestea. Cu alte cuvinte, yom obt ' 0
distribut normala a medillor.e~antioanelor extrase, care vor avea 0 anumit8
ie 1.3.1. Coeficientii
, de corelatie
variabilitate. Gradul de Tmpra~tiere a a.sestor valori se nume~te eroar~ standard
,
a_mediei"ea fiind un estimator analog aba~rii standard la nivelul unuje~antion. Indicatorii descriptivi care arata gradul de cova'"
sunt denumiti coef' f d .
I
-, .. J 9\le dlntre doua vanabile
0 "
Aceasta poate fi calculata pornind de la datele obtinute dintr-un singur e~antion, iar CQI,Iariant~i ~limi ,lcleo,l. e.~ore!atle: ,~orela\ia este 0 forma.,.§JP"ndardizata a
n~nd problema masuraru datelor prin scale diferiteAstfela
~a~cula ~ca
_ _ ,L...! 0
\""',Noru,1 de punc:e, cuno~cut :;;i sub denumirea din engleza de scatter lot"
este un graflc cu doua axe flecare dintre ele" I" d _ ' "_~._",2~.,
Figura 1.7. Evo/ulia coeficienti/or de core/atie direclionali (sus) §i nedirecfionali Oos) . . . . , ~.;;' , " Imp Ican una dmtrg",Gele doua
vanabll~, ~u. eXlsta 0 regula clara pnvlnd care dintre variabile sa fie reprezenfata
Dupa cum· se observa In imagine, cu cat un coeficient direc\ional ia 0 ~e abscl~a ~I c.are pe ordon~ta,~Wtu§i, -dupa Neuman (1997),. daca putem distin e
valoare mai.mica de zero (minimum fiind -1), cu atat exista 0 asociere negativa mai mtre ~ana~lla irydep"endental(c,::auza) :;;i variabila c;lependenta (efect) at . .9
intensa fntre variabile. Prin asoG.ierenegativa Tntelegem ca cele doua variabile b . , .lar ulima
va fi sltuata pe .~_SCI~~) I' --....
pe ordonata.
. - . , uncI pnma
. ~-.c
- '--.---.-.
covariaza In sens invers: cand una cre:;;te".cealalta scade. Un exemplu de corelatie
negativa -;;te'relatia dintre consumul de tutun ~i rezistenta fizica la efort. Un
consum zilnic mare de tigari tinde sa duca la scaderea rezistentei orgariismului la
efort.
_9 5
In schimb, cu cat un coeficient ia 0 valoare mai mare de 0 (maximum fiind c
<D
"0
1), vorbim de 0 corelatie pozitiva fntre variabile,cele doua 41'lergand Tn aceea~i <D 8 4
o
di@£tie. Spre exemplu, exista 0 corelatie pozitiva Intre consumul de tutun ~i ~8 6 3
0.
9
numarul de probleme de sanatate la nivel pulmonar. Un con sum mare de tutun ;s 7
C
cre~te riscul de aparitie a unor boli pulmonare. in sfar:;;it, daca 0 corelatie este 0 co 2
c7
sau foarte apr:.oape de 0, atunci cele doua varia bile sunt independente, adigLD~l,.t=~~ '6
co 10
rel~tioneaza. Un asemenea coeficient se obtine, probabil, fntre numarulla pantofi Cii
al unei persoane ~i nivelul sau deinteligenta, fntre cele doua variabile neexistand 0 ~6
<D
asociere. OJ
co
Nu toti indicatorii iau valori cuprinse Tntre.-1 ~i 1. Unii pot varia dOar Tntre 0 'g5
~i 1, unde zero semnifica absenta corelatiei. Cu cat ne Indepartam de aceasta ::;::
valoare Inspre 1, cu atat exista 0 asociere mai mare Tntre variabilele studiate.
14
15
II III 11111111', '1111 ilil ~
1lllllllilllllllllllllillllllillllllMIIIII~IIIIIIWIIIII~IIIIIIIIIIIIIIIIIIIIIIIII' ,"", ilill ill'
10,00
,.00
'.00
'"'' 11,00
7.00
'.00
".., 10,00
lD,OO
5,00
5.00
'.00 8,00
'.00
',00
'.00 7.00
7,00
,.ool-_-~-_----~-~
2,00 4,00 6,00 &,00 10,00 12,00 14,00 16,00 '.00 '.00
,.., 5.00
,00 4,00
'.00 3,00
". 2.00 '.00 '.00 8,00 10,00 12.00 14,00 16,00 2PO~~~~ _ _-~-~-~~
ZollO <1,00 6,00 8,00 10,00 12,00 14,00 16,00
:1
'I 17
16
Ii Ii: '11'1111111111, IIIIIIIIIIIIIILIIIII, 1IIIUIIII"IIIIIJJJlIIJJJ 'lJjl 'ill'~' j' ,
.. ,
" .. .. ~a
!!? .'
;2
'.,
..
..
::
4 7 10 13 16 19 22
Figura 1.12. Nor de puncte descriind absen(a re/atiei dintre doua variabile
Figura 1.11. Structura norului de puncte in tuncfie de nivelul relafiei dintre doua varia6i1e
(6exemp/e)
. . Can? se obtine un scatterplot ca cel prezentat Tn figura 1 12 valoarea 0
coeflclentulUl de corelatie e~te una co recta Cele d " . b'l .: .~"' ...._.. a
Se observa ca punctele asociate unor coeficienti de corelatie mai redu~i ~~~,~~::, ~~d~1 ~e v~;iave'~1 ~'ui X nu r~la\iO~e~~: ~~r~c: eU~u;;II~~e:~~n~:
(ex. r :::: .35) sunt mai fmpra~tiate, pe eand punctele asociate unor eoefieienti. de ' . ~ .' u a e cuvlnte, nu putem estlma valoarea lui X cand Yare 0
va Ioare mica on mare :;;i viceversa.
corelatie puternici (ex. r = .85) sunt mai apropiate de 0 linie imaginara, care
. (2) EXistenta a. doua dire.cti~,"P9ral~~~. al~ punctelor din nor, datorate
mareheaza directia de evolutie a punctelor. Cu cat punetele sunt a~ezate mai probabll unor sUb-setun de.. d~te dlstmcte cum f'" .... , .. .,,- .~. .... . a.
apropiat de liD@.-itl]_§.ginara, cu atat intensitatea relatiei dintre doua variabile este cele"ale fE3~m.~ilor (figura 1.13). .. ......, c·., ' r I rezu tatele barl;latllor fata de
maLr!lQI~,-fie In directle pozitiva, apropiata de 1, fie Tn direetie negativa, apropiata'
de -1. Similar, eu eat punetele sunt mai dispersate, eu atat legatura dintre variabile
este mai scazuta, ori chiar absenta, valorile coeficientilor de corelatie fiind mai
apropiate de O.
o
'"
Importanta reprezentarii grafice prin norul de puncte
, r"··-",··· '; ,". ,._.... _~.,.':'c -,
'"
liniara :;;i pozitiva a norului de puncte, ce indica 0 cre§tere a cheltuielilor pe
0
cosmetice 0 data eu ere:;;terea venitului perso!1allunar. '"
(3) Existenia unei forme -curbm!.'ii.. echil!l?r~!e, care deterrnina
~
schimbarea noruiui de puncte dinspre.J2,,~~tiv-spi:e.""i'l'egati\1 sau vieeversa, elocventa
fiind relaiia dintre nivelul de motivare (arousal) .:;;i performania Tn sarcina (figura
~
1.14).
Atunci cand norul de puncte are 0 direciie ee poate fi surprinsa doar *.
U)
printr-o linie curba, putem spune ca variabilele \'l~.. ~ovariaza Tntr-un mod /iniar.
Aceasta situaiie poate fi cauzata, Tn principal, de doua motive: fie neglijarea unei
variabH~ ter1;s_..(imaginea din stanga), fie existent3 unei relaiii curbllinlLreale T~tre
4 7 10 13 16 19 22
doua variabile (imaginea din dreapta). Prima situatie implica prezenta unei variabile
moderatoare, precum Tn cazul discutat anterior, un alt exemplu elocvent putand fi
citit In Rotariu :;;i eolab. (1999, p.185-186). Cea de-a doua situatie va fi prezentata
.
'I
~ 10
'"
0
Tn continuare. Daca yom calcula coeficientul de corelatie liniara r dintre nivelul de C\I 0
0
0
'" I.
I .
contrazice una dintre eele mai vechilegi din psihologie ce afirma ca motiva\ia 0
0
0
~
. ,. I
0
~
* .
*
0
ca, pana la un moment dat, cu cat nivelul de motivatie este mai mare (pe abscisa), '" 0
10
performaniele in sarcina cresc (pe ordonata). Adica subiectii foarte slab motivaii
obpn performante modeste, Tnsa 0 data eu intensifiearea nivelului de arousal cre§te
:;;i performania. Toate acestea se Tntampla pan a la un punct, socotit a fi un nivel 1 4 7 10 13 16
if 19 22
optim motivational, dupa care situatia se inverseaza. Astfel, se poate constata ca la 4 7 10 13 16 19 22
intensitaii foarte ereseute ale nivelului de arousal, performania scade. Daca am
caleula eoeficientul decorelaiie doar pentru subieCiii aflati Tntre un nivel slab de Figura 1.14. Evolu{ia curbilinie a norului de puncte
motivare :;;i un nivel optim de motivare (In stanga liniei punctate), yom obtine un Situat~e dat~rata evolutiei diferite a unor subseturi de date (stangajos),
respecliv unel relatii non-liniare autentice fntre douB variabile (dreapta jos)
20
21
. (4) EXistenia unei q§,oeieri clare .,Tntre doua vqriabile,. ma.scata Tnsa de o alta anQ.mi3.!i~_ importanta, care trebuie depistata grafic, deoarece
unele dalecE:!l<Jreme cpre. reduc valoare~ coeficientului .de core/aile (f:gur~ 1.1 ~). influenteaza nivelul de asociere dintre doua variabile, se nume~te
o alt~ -'Situatie TI'1 care coeficientul de corelaile este putermc dlstorSJonat, het€'.rosc~c!~§.!~citate. Situatia dorita are 0 titulatura la fel de greu de retinut,
de;;; exista 0 relaiie intr~ variabile, apare in prezenta unor. d~te extreme, h~;;'os~edastiCiiale.
de p;~n·untar~"~'·~·~'~·~,~~f.
Din ferieire, cele -doua situatii sunt mai u~or de inteles decat
neobi;;nuite (in engleza "o~~Ii~~~"). Observand figura .1.15, putem dlstlnge 0 relat~e
I
finiara ;;i pozitiva, cu excepffa-- unui singur punct, sltuat depa~e_cle :elelalte, In Intr-o situattEL"sanatoasa", a unei relatlLUnJ~re, norulde puncte trebuie sa
dreapta jos a norului de puncte. Tn cazul In care datele sunt puilne, ca I~ exem.plul aiba aproximativ aceea§LQLs£rle.~.tte (grosiau~l pe Tntreaga amplitudioe a lui X ~i Y,
ilustrat, aceasta valoare singulara poate afecta esential valoarea co~ficlentulUl de determinand 0 forma =omogena denumita tehnic homoscedasticitate, Tntr-o
corelatie. Astfel, daca yom calcula r pentru toate datele,. exce~tand val~area distributie "riesanatoasa" a unei relatH Iiniare, norul de pund:enu are' aceea~i
respe~tiva, yom obtine un r extrem de mare, mai exact 0~98. In SChl~b, dac~ yom conformatiepetoata distributia lui X ~i Y. Faptul este denumit. heteroscedasticitate,
calcula r incluzand valoarea neobi~;nuita, r scade drastl~ la .0,55, lar da~a yom datorita eterogenitaiii 'norului de puncte. De exemplu, in imaginecf"Cfindreapta a
adauga 0 alta valoare extrema, coeficientul r va ~~~ea ~I mal mult, apropllndu-se figurii 1.16, se observa ca Iiniaritatea datelor este mai pregnanta Tn prima parte a
de 0. evoluiiei lui X, pana Tn dreptul valorii 110, dupa care aspectul .1iniar al distributiei
'!I punctelor se pastreaza Tntr-o forma mult estompata, punctele fiind mult mai
1,1
impra~tiate.
* •
• *
,* • *
4 7 10 13 16 19 22 4 7 10 13 16 19 22
Figura 1.15. Noru/ de puncte Tn situatia eXistentei unor va/ori extreme (outliers)
70 80 90 100 110 120 130 140
70 80 90 100 110 120 130 140
Cohen (1990) aminte9te de exemplul unui set de date a 25 de. ~ersoane,
conti nand informatii despre inaliimea ;;i greutatea acestora. Coe~lclentul ~e Figura 1.16. Situafiile de homoscedasticitate (stanga) §i heteroscedasticitate (dreapta)
cor~latie obtinut a 'fost de 0,83, Tnsa daca la un singur subie~t s-a I.n.versat din
gre!?e~la ordinea de trecere a datelor, trecandu-se Tnaltimea sublectulul In coloana Daca ati reu~it sa surprindeti ce Tnseamna acest lucru din perspectiva
destinata greutatii ;;i viceversa, r a devenit -0,26!. valorii coeficieniilor de corelatie, atunci veii intui ca r este aproximativ 0,90 pentru
Tn astfel de situatii, masurile care trebU/e luate sunt dependente. de s~rsa relaiia dintre valorile mici ale lui X ~i Y, respectiv aproape nul pentru a descrie
aparitiei acestei valori neobi;;nuite. Daca ea apare ca urmare a. unel ~r~n ?e relatia dintre valorile mari ale lui X ~i Y. Ironic, valoarea lui r pentru intregul set de
introducere a datelor Tn calculator sau ca urmare a unei neintelegen a sarClnll on a date este 0,45, rezultat care nu reflecta nici una din cele doua realitaii. Tn practica,
unei Iipse de motivaiie dinpartea subiectului care a of:rit ace st. rezultat, vo~_puteC1 o asemenea relatie heteroscei:lastica se intalne~te daca yom dori sa stabilim
efimina..informatia din baza de date. Daca niei unul dlntre motlvele de mal sus ~u gradul de asociere dintre nivelul de inteUg~:Qta ~i potentialul creativ. Potentialul
st~'baza apa~itiei valorilor neobi~nuite, se vor calcula doi c~efi~ient~ de corelatle: creativ este dependent, pana la un anumit nive'CdeTnteifgenta unei persoane. Cu
rezultatiprin includerea, respectiv excluderea acestor date. In fine, I~ .cazul ~nul cat aceasta este mai inteligenta, cu atat cre~te potentialul creativ. Dincolo de un
numar' foarte mare de date, influenta da1;g!9r~-extreme asupra c~gf!gle~tllILlI._ ~e anumit prag, situat dupa unii cercetatori la un 10 de 110, lucrurile se schimba,
cor.elatie--scade mUlt, iar asemenea date' nu mai constituie un Impediment In relatia dintre cele doua variabile diminuandu-se foarte mull. Explicatia pentru acest
obtine~ea uno~ "~e;~ltateacurate. ' lucru este simpla: potentialul creativ are nevoie de un anumit nivel de dezvoltare
22
23
corelaiie calcul~ti. ~s~fel, in 'cazul datelor ordinale, prin tabelul de contingenta
intelectuala. 0 data atins acel prag, intervin alii factori, intelectuali sau non-
putem nota daca eXlsta 0 relatle monotona Intre cele doua varia bile. '
intelectuali, care pot determina ca 0 persoana sa se com porte mai mult sau mai
Conee~tul de re,latieIll,9.Dotoo,§:este'analog"celui der~la@: liniara, din cazul
putin creativ. Astfel, importanta inteligentei in procesul creativ se estompeaza.
datelor l).LJ.menee (Lewis-Beck, 1995). 0 relatie este monoton~-daca exista 0
Lectia care trebuie dedusa din situatia descrisa mai sus const{! in
direct ie ciSlJi:tde..,e'Le>.lljtle.a,datelor. Directia poate fi pozitiva, un grad de multumire
importanta precizarii amplitudinii variabilelor studiate. Astfel, yom obtine un rezultat
ridicat ~e a~~ciaza eu 0 ~lJ1otivatie de a Invata, respectivnegativa, ~~-ndgradul de
complet diferit, daca yom studia relatia dintre nivelul de timiditate ~i frecvent a
multumlre ndlcat este asoclat cu un nivel scazut de motivarepentru Tnvatare. Cum
discursurilor tinute public, avand rezultate pe toata gama timiditatii (de la extrem de
ne putem da seama, dincolo de intuitie, de modul de'-as6dere a dou~ varia bile
timid la extrem de asertiv) sau daca yom masura aceea~i relat ie , tuand doar
ordinale? Simplu, asigurandu-ne ca ambele au trecute categoriile de raspunsuri
rezultatele persoanelor foarte timide. Daca nu yom tine seama, in ultimul caz, de
intr-~!1]od ~rdona~ (de ~xemplu de la mare la mic) ~i urmarind vai;rHetretute pe
caracterul selectiv al rezultatelor, yom ajunge la concluzii eronate, preeum aeeea
dlago,Q..§Ja pnnclpala (stanga sus - dreapta jos) ~i cele trecute pe diagonala
ca nu exista 0 asociere intre nivelul timiditatii unei persoane ~i comportamentul sau
secundara (stanga jos - dreapta sus). --
public. . Din ~a~elul. 1.3 se observa ca cele mai multe valori se regasesc Tn
dlagonaLa,.• PDnclpala (14; 19; 23), nu mai putin de 56 de subiecti din 100 dand
1.3.3. Tab~....~.~'£''1!LI]_9_enta - mod~ri de prezentare a asoci?lllLg!n~~e ras~un~uri care indica 0 asociere pozitiva intre variabile. Tn schi~b, doar 22 de
dateleFlon~oum~rice SUbl~Ctl, (2; 19; 1) ~e regasesc pe oiagonala Sec.l:!!l9C;lra, corespunzatoare unei
in cazwl datelor de .!iQ)lQmi,nal sau ~rdinal, norul2.,E!:!n,\?te$;est~J)ot~~vit asoclen negative. Pnn urmare, fara a trece la calcularea vreunui indicator statistic
pentru a descrie asocierile dintre variabile. De aceea" se folosesc tal?~.I~).~e intuim ca un grad de multumire ridicat, cu privire la conditiile oferite de universitate'
eontingenta (de asociere), menit!3 sa surprinda covarianta variabilelor studiate. conduce la ere9terea motivatiei pentru Inva\are a studentilor. '
Un astfel de tabel include datele de la un lot de 100 de student i, eu privire ~ai mult, din tabelul 1.3 deducem ca rel~\ia respecta conditia de
la motivatia lor de invatare (operationalizata prin trei categorii: "foarte motivat", m~notonle, ~eoarece directia de asociere .po:z:itiva~l:>$e[Vata oecesita fr~~vente
"partial motivat", "nemotivat") ~i la gradul lor de multumire fata de conditiile oferite nd~cate pg..dl~goDala ~rincipala. Pentru problema de fata, acest lucru Tnseamna ~a
de universitatea la care studiaza ("multumir', "nehotarat", "nemultumit"). cel mal ~~Itl oamenl multun;iti sunt foarte motivati, iar cei mai multi oameni
Tabelul se=realizeaza prin intersectarea raspu,osurilor suJ;>ieetilor la cele nemultumltl sunt nemotivati. In tabelul 1.4 este, prezentata 0 situatie clara de
doua intrebari adresate. Fiecare intersectie de raspunsuri se nume~e....celula. in incalcar~ a ,co~ditiei de monotonie (similara unei rela.\ii.-non~liniare), p~rnind de la
interiorul acesteia pot fi trecute fie frecventsJe,·. observate, fie proS,entajele acelea~1 vanablle.
eorespondente. in plus, la marginea liniilor ~i a eoloanelor se pot calcula ~,ume
marginaleTn cazul in care se trec frecvenielein tabel, respectiv mediile marginale, Tabelul 1.4. Exemplu de asociere care Tncaldi conditia de monotonie
in cazul in care se'fucreaza cu procente.
Gradul de multumire
!
25
24
1IIIIUIIIIIIIIIIUlllllllIIIIIWIIIIWllllrnIIIIIWIIII~1111II:
BIBLIOGRAFIE TESTAREAIPOTEZELOR
Clocotici, V., Stan, A. (2000). Statistica aplicata in psihologie. la:;;i: .Editura Polirom.
Cohen, J. (1990). Things I have learned (so far). American Psychologist, 45(12),1304-1312.
Field, A. (2000). Discovering statistic using SPSS for Windows. London: Sage Publications: Statistica descriptiva, foarte utila altminteri, se margine~te sa prezinte
Hohn, M., Varga, D., Maru:;;ter, L. (1999). Curs de statistica aplicata Tn §tiinte/e sociale. aspecte detaliate ale unor situatii observate. Cei douazeci de elevi au petrecut, In
VoLI. Timi:;;oara: Tipografia Universitatii de Vest. medie, 11 secunde pentru a citi textul dat; ~oarecele de laborator a atins 0
Hohn, M. (2000). E/emente statistice Tn analiza fenomenelor p$ihice. Arad: Editura "viat a frecventa de 30 de pedalari pe minut In conditia Tn care pedalarea ofere a accesul
Aradeana".
la hrana ~.a.m.d. $tiinta nu se rezuma Insa doar la fapte ~i la descrierea acestora.
Kinnear, P.R., Gray, C.D. (2000). SPSS for Windows made simple. Release 10. Hove, UK: Tn urma unui demers ~tiintific se pot face predictii, se pot descoperi mecanisme
Psychology Press.
cauzale sau se pot gasi explicatii pentru fenomenele observate. Toate aceste
Lewis-Beck, M.S. (1995). Data analysis. An introduction. A Sage University Paper on operatii necesita un demers logic, bazat pe inferente, ce trece dincolo de realitatea
Quantitative Applications in the Social Sciences, 07-103. Thousand Oaks, USA: Sage .. imediat observabila, supusa descrierii. De multe ori datele obtinute de cercetatori
Neuman, W.L. (1997). Social research methods. Qualitative and quantitative approache~ se rezuma la situatia existenta Tn anumite e$antioane, dar concluziile vizeaza
(3rd ed.). Needham, USA: Allyn and Bacon. populatia din care acestea au fost extrase. Pentru a realiza acest lucru se
Novak, A. (1977). Metode statistice in pedagogie §i psihologie. Bucure:;;ti: E.D.P. apeleaza din nou la inferente, pe baza unui demers logic inductiv. Inferenta
Radu, I., Miclea, M., Albu, M., Neme:;;, S., Moldovan, 0., Szamoskozi, $. (1993). statistica se bazeaza pe teoria probabilitatilor, permitand desprinderea. un~r
Metodologie psihologica §i analiza datelor. Cluj-Napoca: Editura Sincron. concluzii cu caracter probabilist. Tn practica, orice rezultat discutat Tn termeni de
Rotariu, T., Badescu, G., Culic, I., Mezei, E., Mure:;;an, C. (1999). Metode statistice aplicate valori semnificative statistic la un prag de .£§",§g,!,l.01.a, corespuns unui demers
Tn §tiinte/e socia/e. la:;;i: Editura Polirom. specific statisticii inferentiale.
Sava, F. (2002). Pagina de statistica socia/a. Gasita la http://statisticasociala.tripod.coni. Dupa Dyer (1995), tester'im.)potezelor reprezinta, alaturi de e;:;timarea
SPSS (2001). SPSS Base 11.0. User's guide. Chicago, USA: SPSS Inc. parametrilor statistici, unul dintre principalele aspecte ale inferentei
,,,,,,,,-(.',""':-~~!l""'"~'":\I".:o'!r> ~;."...,. .. ,..
statistice.
.. .-
Weisberg, H.F. (1992). Central tendency and variability. A Sage University Paper on Testarea..lpotezelor este 0 componenta fundamentala a activitatii ~tiintifice, fiind un
Quantitative Applications in the Social Sciences, 07-083. Newbury Park, USA: Sage. demers riguros ce reune~te trei dimensiunL§§~ntiple: (1) analiza datelor empirice;
(2) realizarea llnor inf§L~ntelogice pe baza acestora ~i (3) menti~~;:~,,!.lJneiatifudlni
sceptice legate de~9Pcluziileobtinute. Aceasta stare de spirit se regEiseite foarte
bine in ideile lui Einstein (apud Hastie ~i Stasser, 2000, p.86) extinse la nivelul
teoriilor:
27
26
11,111111:1111'
Ipotezele unidirectionale §ii bidirectionale Prin testa rea ipotezelor se intelege testa rea 'ipotezei nule, finalizata prin
re~I2L~.Q~E~.a sau nerespingerea •.acesteia. 0 ateniie--deosebita trebuie. acordata
Ipotei!;a__~!i.l!2tliLc;a. este 0 pre,dietie" care are. capacit~tea, ~e a fi alegerii cuvintelor. Sintagme de genul "ipoteza nula este acceptata sau confirmata"
opecaUQ[la/izatB l?i teSfata pentru a oferi UJ1.J.?spuns pr?~I~mel ~t~dlate. U~ sau "ipoteza cercetarii se confirma" trebuie evitate, deoarece sunt eronate.
exempluCdEtfpoteza ar fi: "persoanele cu un nivel de extroverslune ndlcat tlnd sa Singurul lucru care poate fi obtinut prin testa rea ipotezelbr este respingerea sau
experimenteze In mai mica masura 0 afectivitate negativa". Totu~i, din punct de nerespingerea ipotezei nule.
vedere tehnic exista doua categorii de ipoteze: unidireetionale, l?i bidirf;LGtL~~~le.
Modul de for~ulare a ipotezei cercetarii determina categoria In care este inclusa
ipoteza. Oaca se precizeaza direc\j(3.preQj9iiei, avem de-a face cu ipoteze 2.1.1. Logica testarii ipotezelor
unjdirectionale. In aceasta categorie intra formulari de geriul: "exista 0 corelat ie Pentru a intelege mai bine principiul testarii ipotezelor yom preciza ca
p;;itiva"'; "exista 0 corelaiie negativa"; "grupul A este mai bun decat grup~1 B~; ip.91e~a Dula(Ij,?) ne arata probabilitatea de a obtine datele.observate}n ~onditiile
"grupul A este mai slab decat grupul B". Oaca,eJireciia prediciieL~u :ste pre?IZ,at~, amfi
in care ipoteza....!lli@,j;)steadev,i:'\[,C3\8 (Cohen, 1 990; Cohen, 1 994)~br noi mult
vorbim de ipot~.§J~icJirectionale. Expresii precum "exista 0 corelaile mtre ~anablle , mai interesaii de raspunsul la Tntrebarea: "Oat fiind aceste date, care este
"exista diferente Intre loturi", reprezinta modalitaii tipice de formulare a Ipotezelor probabilitatea ca ipoteza nula sa fie adevarata?". lata cateva caracteristici ale
bidireciionale, , specifica fiind absenia precizarii directiei de evolutie a, dat~lor. testarii ipotezelor:
Alegerea tipului de ipoteza se face in funciie de informatiile avute antenor ~I ?e
presupunerile cercetatorului. Oaca exista suficiente indicii pentru a permlte (a) Se pome§te de la,12!fHlli[?a ea ipSJ1ezaJJy/~f}steaq~va[ata
formularea unor ipoteze unidireciionale, este de dorit sa alegem 0 ~semenea Consecinta acestui fapt consta Tn practica eronata de a atribui diferitelor
formulare, deoarece exista ~anse mai mari ca ipoteza. sa fie. sprijinita. In ~azul i~ praguri de semnificaiie sintagrna "semnificativ statistic", Tn cazul unui p de .05, cea .
care nu exista indicii cu privire la modul de evolutie a datelor, se alege 0 Ipoteza de "foarte semnificativ statistic", In cazul unui p de .01, ori cea de "extrem de
bidirectionala. Clocotici ~i Stan (2000) utilizeaza terminologii u~or diferite pentru a semnificativ statistic", in situatia unui p de .001. Toate aceste praguri arata doar
denum'i cele doua categorii de ipoteze. Astfel, ei utilizeaza termenul de ipoteza probabilitatea de j i ,.. obtine.datele culeseTn situatia Tn care ipoteza nula este
uuUaterala in locul celui de ipoteza unidireciionala, respectiv pe cel de ipoteza adevarata"§:rnu"probabilitatea de adevar a ipotE~zei' nule. A~a cum am amintit, Tn
biLatefi3la, in locul celei bidireciionale. Pe parcursul cariii yom utiliza ambele te'Sta'~;~'ipot'ezelor se pornel?te de la premisa ca ipoteza nula este adevarata.
terminologii. . "
Indiferent de modul de formulare a Jpotezei de cercetare, testareCi,potezel (b) Ipoteza nula nu poate fi ad(},''(e,r@,9icfoar;respinsa
se face prin apelul la conceptul de tp,Qtez:~Jlula sau ipoteza statistica. D~n Ideea poate fi Tnieleasa mai bine prin apelul la urmatoarea analogie:
pacate, sensul ipotezei nule a fost inieles gre~it l?i prezentat denatur~~ ~~ Oaca ploua, asfaltul este umed. '
majoritatea cartilor de specialitate. De aceea se impun cateva cI~nflcan Asfaltul nu este umed.
conceptuale, urmate de prezentarea a doua concepte importante, dar m.al puiln Oeci, nu a plouat.
cunoscute, l?i anume, marimea efectului ~i puterea statistica a unei cercetan.
Acest raiionament este corect l?i similar cu:
Oaca ipoteza nula este adevarata, probabilitatea. de a avea aceste date este mare.
2.1. Ipoteza nula - clarificari conceptuaJe Probabilitatea este mica (nu este mare).
Oeci, ipoteza nula este respinsa.
Tn mod normal orice student care a depal?it cursurile introductive de
statistica ~i metodologi~ cercetarii, cunoa~te ideeaca ipoteza cerce~~~~p?ate fi Lucrurile se schimba daca yom schimba rationamentul:
sprijinita sau nUQfu~volutia ipotezei nule. Oemersul este simplu: daca ipO~.~Cl."~LJIEI Oaca ploua, asfaltul este umed.
(ipoteza statistica)este r~spinsa, atunci ipoteza alte[n,ativa este sprijinit!3 de datele Asfaltul este umed.
Oeci, a plouat.
obiinute:., Oacaipoteza nula nu .~s.!~:.!e?pinsa, atunci ipoteza alternati.va. nu este
sprijinita de datele obtinute. Ipoteza propusa de cercetator este una din Ipotezele
alternative posibile. Pr'in urmare, sprijlnirea ipotezei alternative semnifica sprijinirea Rationamentul este incorect deoarece se produce eroarea logica a
afirmarii conseciniei. Afirmatia "daca ploua, asfaltul este umed" nu este echivalenta
ipotezei lan!?~te de cercetator.
L 28 29
_ _ _• • •
,1."1",.,1,,,,1,111111,11111 II II! II, ill' II ,II ,I' 1111, 111111, II Ii ,1"",1,1"""1,,1,,,1,1 "" 11111111'111;111111111111111111111111111111111' 1111 11111 1111'11111 1111,,111 il ,'', 1111111111111111',' ' j,IIIIIIIIIIIIIIIIIII!III' illlll'lli 1111111 t'lIlIlIlI 1111 I I !III III! ,I
31
30
alte cuvinte, muzica clasica nu faciliteaza Tnvaiarea limbilor straine. Simbolic, (4), 0 persoana vinovata,in-rea!itate este gasita nevinovata. de justitie (eroare
1
formularea poate fi HO: fJE ::; fJc. > de tip II, cadranul 4 ) . 2 , \ "
Tn urma analizarii datelor obtinute, ne putem afla Tn una dintre urmatoarele A!?adar, 'e[.<?§rea~Q.e"~tiE) este situatia Tn care cercetatorul decide sa
patru situatii: respifl9.~:iPotez:gnu~~, de!?i a~easta nu trel;)uiar~spinsAa, Tn timp ce eroarea de:j~'li;"~
(1) re~ping~Jp2tgza, nula, constatand diferenie SBJllnifi,c£\Jive intre cele doua este data de cazul In care Ipoteza nultl..,!l.LLa fost respinsa, de~i trebuia·.sa fie
A
grupe de-'subiecii, iar aceasta decizie ege,,I;:';Qrecta, deoarece in realitate r~~pinsa. Intre cele doua tipuri de erori exista 0 relatie de Ii§!J,,,"n.der'li a . 0 data ce
muzica c1asica afecteaza pozitiv invaiarea limbilor straine (cadranul 1 din ere.s.c ~ansele de a comite eroarea .sL~Jip }",;:s,?ad ~ansele de a comite eroar.ea .de tip
label); II.JJ,.'~vers. . .
(2) respingemjpoteza nula, constatand diferenie semnificative lotre cele,doua Cum procedeaza cei mai multi cercetatori Tn realitate? Ei tind sa tina
..9rupe, iar aceasta decizie.....S'l..s.te.,gC~§ita, deoarece in realitate ,,'-uzica seama doar.de.§LQ_?[??~Le~ip' I ~i sa ignore eroarea de tip II. Din perspectiva te~riei
c~a nu are nici 0 influenta asupra Tnvaiarii limbilor straine (cadranul 2 lui Neyman ~i Pearson, pragul de seinnificatie de .05, stabilit a priori, nu reprezinta
din tabel); altceva decat eroareade tip I. Acest prag, notat ex, reprezinta 0 probabilitate de 5%
(3) \Q.lJ! respingem ipoteza nula, constatand ca nu exista djf,gmoie sen;nificative de a obtine datele cuJese Tn conditiile 'in careJpoteza nula este adevarata. Ea
intre cele doua grupe, iar decizia este .c.QCeGta, in realitate muzica clasica Tnseamna, de fapt, 0 probabilitate de 5% de a gre~i, respingand ipoteza nula cand
neinfluentand invatarea limbilor straine (cadranul 3 din tabel); ea este adevarata. Un prag de .01 Tnseamna doar 0 probabilitatg de 1% de a
(4) nurespi~gerl!...iJlot~za nula, constatand absenta diferentelorj;emnificative comite ~!:99Eea de tip I, Tnsa~anse mai muJte de a comite eroarea de up"it- . .-'
tntre cele doua grupe cu privire la performantele de invatare a limbii Eroarea de tip II po ate fi prestabilita ~i este importanta mai ales din
straine, iar decizITr-este gre!?ita, deoarece in realitate muzica clasica perspec.tiva puterii statistice a unei cercetari. Daca eroarea de tip ~I-este.fixata
influenieaza invatarea limbilor str<'§ine (cadranul 4 din tabel). conventional IC!-valoarea de .05, eroarea de tip II, notata cu 13, nu are 0 asemenea
Ace.ste combinatii sunt reflectate Tn tabelul 2.1. valoare. Totu!?i, cel mai frecvent se alege 0 valoare de patru ori mai mare dec{lt
prima, adic:;a .20. Transformand probabilitatile Tn !?anse, yom constata ca 0 eroare
Tabelul 2.1. Erorile inlalnite in testarea ipotezelor de tip II de .20, indica de patru ori mai putine §anse de a comite aceasta eroare
decat de a lua 0 decizie co recta (.20/ .80).
Tn cercetare ipoteza nuJa
Tn reaJitate .. , A fast respinsa Nu a fast respinsil
Exista efect (HO trebuia respinsa) Oecizie OK (1 ) Eroare de tip II (4)
2.2. Marimeaefectului
.Nu exista efect (HO nu trebuia respinsa) Eroare de tip I (~ Oecizie OK (3)
Daca am face 0 analogie cu situatia din justitie !?i am considera ipoteza Datorita numeroaselor probleme pe care Ie ridica pragul de se,mnificatie In
nUla ca fiind situatia inculpatilor "nevinovaii pana la proba contrarie", am obtine tot cadrul testarii ipotezelor, tot mai multi autori au remarcat necesitatea compl~tarii
patru situatii: rezultatelor cu ceea ce se nume~te mar~rne(i~J~.(;tului (Cohen, 1990; Cohen,
(1) 0 persoana vinoy"ata Tn realitate ar fi gasita vinovata !?i de catre justitie .1994; Fan, 2001; Thompson, 1999; Thompson, 2002). Daca testul de semnificatie
(cadranul 1); '. raspunde fa intrebarea "exista 0 diferenta sau asociere semnificatjva?", marim~a
efectului ne arata "cat de mare este aceasta difE?renia sau asoci~re?". Daca nu
J (2) 0 persoana ne~.tJQyata in realitate ar fi gasita vinovat~ ..cl~justiiie (eroare
de tip I, cadranul 2); Vom tine seama de ambele aspecte yom putea ajunge la concluzii diferite. lata,
spre exemplu, 0 situatie personala, petrecuta Tn urma cu cativa ani. Am avut
(3) 0 persoana nevinovata Tn realitate este achitata ~i de catre justitie
(cadranul 3); posibilitatea de a testa un program de interventie menit sa ~mefioreze relatia
profesor-elevi (Sava, 2001). Un lot de profesori a fost testaL Tnainte !?i dupa
derularea unui program de training ce s-a Tntins pe durata a doua luni. Daca ar fi sa
luam in considerare doar praguf de semnificatie, atunci programul s-a dovedit a fi
, Modul de formulare a ipotezei nule In cazul teste lor unidirectionale variaza de la un autor la un succes, deoarece a reu~it sa reduca nivelul de ostilitate a dascalilor in perceptia
L altuJ. Unii prefera 0 formulare exacta (ex. Ho: /-IA =/lB), in timp ce allii prefera 0 formulare
~nexacta (ex. HO:/-IA:5 J.!B). Ambele modalitali sunt acceptabile l/i conduc \a acelal/i rezultat.
. ,
Insa, ultima expresie subJiniaza mai bine ideea testului unidirectional (Leventhal §i Huynh, 2 Unii autor~ arnintesc 7i d.e 0 eroare de tip III (foarte pulin probabila), care apare atunci cand
1996).
L
,! 32
Ipoteza nula este respmsa coree!, dar in direqie gre§ita (ex. m A> m B, dar /l A < J.! B).
33
Vo.m prezenta pe parcursul fiecarui capitol indicatorii adecva~i ai marimii
elevilor, rezultatul fiind semnificativ chiar la un p< .01. De altfel, 14 din cei 17
efectului. In consecinta, in continuare nu yom 'insista asupra particularitatilor
profesori au reu:;;it performan\e mai bune in situa\ia de post-test. Daca v.o~ tine
'fiecarui indicator amintit. '
seama :;;i de Il]arimea efectului, rezultatele nu mai sunt atat de promltatoare,
deoarece marimea efectului a fost mica tf=.29). Ce inseamna acest lucru? Se
pare caprogramul de interventie, de:;;i a avut un efect, nu a reu~it sa. ~chi~~e 2.2.2. Interpretaree,J)Jarimii efectului
foarte mult din perceptia elevilor Tn ce prive:;;te relatia lor cuprofesortl partlclpant l In".
program, 'Un profesor care anterior avea 0 relatie negativa cu .elevii. nu a f~st Magnitudinea unui efect poate fi interpretata in mai multe moduri. Utilizand
perceput in termerii favorabili nici dupa terminarea programulul de Intervent le , criteriile initiale propuse de gphen putem distinge trei nivele de intensitate: efect
Totu~i, imaginea lor s-a Tmbunatatit foarte U~OL Astfel, programul nu a avut capacl- minim sau efect s~azut; efect mediu ~i efect puternic sau mare. Valorile
tatea de a schimba radical relatiile dintre profesorii instruiti :;;i elevii acestora. Daca corespondente aproximative pentru fiecare tip de efect Tn cazul lui d :;;i r2 sunt
am fi ignorat informatiile oferite de marimea efectului :;;i ne-amfi rezumat doar la prezentate in tabelul 2.2.
cele oferite de testul de semnificatie, am fi avut 0 imagine distorsionata in mod Conform acestor valori, se observa ca marimea efectului obtinuta Tn urma
programului de interventie vizand ameliorarea relatiei profesor-eiev este una
favorabil.
Caracterul informativ al marimii efectului a inceput sa nu mai treaca redusa (d == .29, iar r2 = .02). Aceste valori pot fi interpretate :;;i altfel, in functie de
neobservat. Tot mai multe colective editoriale ale revistelor de specialitate cer tipul de indicatori ai marimii efedului folositi. Astfel, daca s-a utilizat coeficientul de
afi:;;area valorilor marimii efectului pe langa cele ale testului de semnificatie. Mai determinare r2, yom putea spune ca doar 2% din dis persia datelor reflectand relatia
mult, in manualul de publicare editat de Asociatia Psihologilor Americani se profesor-elev a fost influentata de programul de interventie aplicat. In schimb, da~a
recomanda prezentarea valorilor marimii efectului in manuscrisele trimise spre yom apela la calcularea lui d, yom deduce ca Tn urma aplicarii programului de
publicare (APA, 2001). A:;;adar, marimea efectului s-a impus tot mai mult .ca .u~ interventie media grupului a ajuns la centilul 62 in comparatie cu centilul 50,
termen generic pentru 0 familie de indicatori care informeaza asupra magnltudtnll corespunzator mediei grupului inainte de inceperea interventiei. Centilele sunt
utilizate Tn ierarhizarea rezultatelor, spre exemplu valoarea 50 Tnsemna un rezultat
unui efect.
mediu, iar centilul 90, un rezultat foarte bun, caz Tn care doar 10% din rezultate
sunt mai bune, in timp ce 90% sunt mai slabe. 0 marime a efectului d de .00
2.2.1. Indicatori ai marimii efectului corespunde centilului 50, in timp ce un d de .20 arata centilul 58, un d de .50
-.:''''':'' .~
corespunde centilului 69, iar d de .SO indica centilul 79. Mai multe amanunte peritru
Pragul de semnificatie statistica ne arata doar ca exista 0 probabilitate
cei interesati pot fi intalnite in Becker (2003).
foarte mica de a obtine datele observate in cazul in care ipoteza nula este
adevarata, insa nu ne'informeaza daca aceasta situatie are 0 important~!<3ctica.
Tabelul 2.2. Valorile reper d 9i r2 pentru marimea efectului
pentru a evidentia acest lucru yom apela la calcularea marimii efectului. Numarul
mare de indicat~ri existenti poate fi redus la doua categorii de indici: baz2S.Lpe 0 Marimea efectului d al lui Cohen coeficientul de determinare r2
diferenta standardizata intre medii, respectiv bazaF pe procentul g,§.,,,,cji~p~~,sie Efect scazut In jurul a 0.20 .01
el$plicata. in pri-;';'-~~c~t~goiie intalhim mai ales indicii",d..allui Coheu,_A.(delta) al lui Efect mediu In jurul a 0.50 .06
2
Glas~sau 9 alluiHedges. In cea de-a doua categorie avem r..,r!, 112 (eta), w Efect puternic In jurul a 0.80 .14
(omega) etc. (~diferent de categoria din care fac· parte, indicii pot fi u:;;or
transformati dintr-o categorie Tntr-alta. lata formulele pentru transformarea Interpretarea rezultatelor obtinute intr-o cercetare trebuie facuta Tnsa atat
reciproca ~ celor mai intalniti indicatori ai marimii efectului,d.c:;;i r (Rosenthal, in functie de marime? efectului, cat :;;i in functie de pragulde semnificatie obtinut.
Rosnow :;;i Rubin, 2000): Fan (2001) ofera 0 bun a sinteza a interpretarii tuturor posibilitatilor intalnite in
practica. 0 adaptare a concluziilor sale este prezentata Tn tabelul 2.3.
Revenind la programul de interventie men it sa amelioreze relatia profesor-
(2.1 ) (2.2) elev, observam, din tabelul 2.3., doua explicatii posibile pentru situatia unui test
semni-ficativ statistic (p < .05) :;;i a unui efect de intensitate scatuta. Fie exista mari
:;;anse de a se fi comis eroarea de tip I, fie rezultatele, de:;;i semnificative,riu au 0
importanta practica, Prima explicatie nu pare verosimila, tinand cont de numarul
35
34
. . . . . . . .11II11I~IIIIIIIIIIIIIUIIIIll!IIIIIIIIII!IIII'
J. .
mic de subiecti utilizati §i de puterea statistica redusa. Prin urmare, cel mai
probabil, ne afiam Tn ~itua-\ia In care programul contribuie In mica masura la
I
"II ''
facem acest lucru consta in selectarea numarului de subiecti necesari pentru a fi
testali Tn vederea surprinderii efectului prezis. Pentru aceasta avem la dispozitie
ameliorarea relatiei profesor-elev. mai multe strategii de lucru (Singer, A.D. Lovie ~i P. Lovie, 1986).
Prima alternativa implica valorificarea,.rezultatelor obt i1llJte Tn studii
Tabelul 2.3. Ghid simplifical de interprelare a marimii efectului ~i a testului de semnificalie
a(iJerioare. Spre exemplu, in studierea efectului pe care muzica clasica II are
Marimea Testarea ipotezelor asupra invatarii unei limbi straine ar putea fi consultate eventualele cercetari
efectufui tpoteza nuta nu este respinsa tpoteza nuta este respinsa anterioare in domeniu pentru a putea face predictii asupra nivelului de influentare
Mica 1. Se pare ca ipoteza nula este 1. De~i semnificative statistic, exercitat de prima variabila asupra celei de-a doua.
sprijinita, nu exista nici un efect rezultatele nu au 0 importania A doua strategie, oarecum simil<:lra, consta In realizarea unui ..studiu pilot,
semnificativ statistic sau practic. practica deosebita. incluzand doar cativa subiecti, pentru a estima cat mai bine valorile mediei, abaterii
2. Exista un risc crescut de a comite standard sau a altor indicatori care pot prezice valoarea marimii efectului.
eroarea de tip I (efectul detectat de in sfar§it, cea de-a treia strategie porne§te de la premise teoretice,
fapt nu eXista). Ea apare datorita une
utilizand valori a. priori alese pe baza conventiilor propuse de Cohen. Din aceasta
puteri statistice foarte marL
perspectiva, in lipsa unor informatii din literatur~ de specialitate, cei mai multi
Medie 1. Marimeaefectului arata promitator, 1. Efectuf oblinut este putin probabjl
cercetatori aleg un nivel mediu al efectulu~t.Jd= .50) ;;i in fun9tie de acesta T!?i
dar exista riscul ca efectuf sa fi aparut sa fi aparut din intamplare.
stabilesc numarul de subiecti necesari a fi testati.
din intamplare. 2. Efectul pare a fi destul de
2. Exista un risc crescut de a comite important din punct de vedere practic.
eroarea de tip II (exista un efect, dar nL Tn plus, efectul este semnificativ
a fost detectat). ProbabiJ'ca puterea statistic.
2.2.4. Limitele marimii efectului
statistica de a detecta efectul este
Vom afirma, fara Tndoiala, ca utilizarea indicatorilor de evaluare a marimii
mica.
efectului Tmbogate~te informatia statistica. Mai mult, indicatorii au devenit
Mare 1. Fie efectul a aparut din intamplare, 1. ConcJuziona\i cu incredere ca
indispensabili in realizarea meta-analizelor cantitative. Cu toate acestea, nici
fie rezuJtatul nesemnificativ statistic S8 efectul este semnificativ atat statistic,
marimea efectului nu este lipsita de unele neajunsuri. Dintre cele mai semnificative
datoreaza numarului redus de subiecti. cat ~i pracUc.
Cre~teli puterea cercetarii.
amintim o' anumita dependenta de marimea e~antionului, respectiv caracteruJ
relativ al importantei practice a unui efect.
2. Risc crescut de a comite eroarea
de tip II. De§i s-a evidentiat ca testul de semnificatie poate fi redus Ja RrodusuJ
dintre marimea efectului ~i marimea e§antionului (Rosenthal ~i DiMatteo, 2001),
Tn sfar§it, trebuie mentionata conventia legata de sen:~el: asocia~e nid marimea efectului nu este scutita de 0 anumita dependenta de marimea
indicatorilor marimii statistice. Ac~stora Ii se atribuie un semn 12<?zltlv In cazul In e:;;antionului. Ceimai afectati indici sunt cei bazati pe graduJ de dispersie explicata,
care efectele observate sunt In directia anticipata.ln caz contrar, indicatorii marirnii de genul r2. Acesta reprezinta patratuJ coeficientiJor de corelatie liniara de tip r. Se
efectului vor avea un sernn negativ. Informatia este importanta mai ales I'n cunoa§te ca un numar mic de. subiecti conduce la un r ridicat, Tn timp ce un numar
realizarea de meta-analize. De exemplu, daca 0 ipoteza anticipa rezultate foarte mare de subiecti duce la unr scazut.
superioare ale grupului A In fata grupulUl.B,.lar datele spnJlna
... ~ aces t I~cru, ~a~
~ imea
~ CeaJalta limita vizeaza relativitatea stabijirii importantei practice a unui
efectului va avea un semn pozitiv. Tn schimb, daca rezultatele obtmute mdlc~ 0 efect. De~i criteriile propuse de Cohen T~i pastreaza validitatea Tn multe cazuri,
situatie opusa celei exprimate In ipoteza, precum In situatia Tn care gru~a B obtme exista situatii Tn care lucrurile se schimba. Spre exemplu, marimea efectului
rezultate superioare grupei A, rezultatului marimil efectului ise va asocla un semn datorata ingerarii zilnice a unei doze mici de aspirina asupra prevenirii infarctului
2
negativ (ex. r2 == - .17). era r = 0,001, Tn conditiile In care r era doar 0,034. Acest rezultat infim arata ca
doar 0,1% din dispersia infarctului poate fi explicata de ingerarea de aspirina Tn
doze mici. Totu:;;i, realizand transformarile necesare §i luand Tn considerare
2.2.3. Stabilirea marimii efectului valoarea umana, un asemenea rezultat ar duce la prevenirea eficienta a infarctului
pentru 34 de persoane la 1000 de locuitori, fapt care nu este de neglijat (Rosenthal
Pentru a realiza un bun design al cercetarii este necesar sa stabilim a
§i DiMatteo, 2001). Similar, Tn studiile vizand cali.tatea VietH pentru persoane cu
priori valoarea a!?teptata a .marimii efectului. Ratiunea pentru care ar trebui sa.
diferite deficiente,· orice ameliorare poate avea 0 valoare practica, chiar daca la
36
37
_ _ _-."III_IIIII"_""""lIloIllllIIll,lllldll'IIII'IIII'111'1111 III 1111:111 1111 1111111 '11'1111 111'111 IIIILIIIII 111111 IIIII'illll:III,II'1i illllll,11111 '1111'llllllIlllllJIIIIIIII11111111111111I,'lllllllilllll111,1111 1111 dill 1111' II 111'11 11,'1111:111'1111:11111111 11I11111 1IIIi'III 1111111111111,111111111111111111111111111111111111111111111111111111,11111111,111111111111111111111_ _ _ __ '1111:11'1 "IIIIIUIIIIIIIIIIIIIIIIIIIIIIII 1111',11111111'1111111111111"111,1111"11111111111111I,IIIII!III III! 1111 1111 III 1111I111 1111'111 1111:111,111I 111:1111:11111111 11111111 IIII!III IIII!III III 11111'111 111111111111:1111111111111111111:,1111111111111111111111111111111111,1111111111111 1111,111111111:111111111111111 1111: III! !III'IIII I111 11111111:1111111111111 11111111111111111111111111111,:"
"
i\:'
r!i:
i~
nivelLiI schimbarilor, acestea nu sunt unele radicale. Considerentele acestea I-au De asemenea, inversand demersul logic, putem calcula numarul d
facut pe Thompson (2002) sa afirme ca exista trei Tntelesuri ale cuvantului subiecti de care avem pentru a realiza 0 cercetare cu 0 putere statistic: nev~oie
semnificativ:I Astfel, rezultatele pot fi semnificative statistic (p < .05), semnificative sufici~~n~ de ~are p.entru a re?uc~ ~ansele de a comite eroarea de tip II. Va
- .
Tn plan prctic, din punct de vedere al magnitudinii schimbarii(d sau r2 cat mai reamlntlm ca medlana puterll cercetarilor publicate Tn anumite reviste de
ari), respectiv semnificative din perspectiva clinica sau valorica, Tn funct ie de specialitate nu a depa~it .50, ceea ce Tnseamna' ca' erau ~anse egale (.50 I .50) de
importanta domeniului vizat (cazul aspirinei sau cel al ameliorarii calitaiii vieiii a observa un efect atunci cand acesta exista sau de a comite eroarea de tip II. lata
doua exemple concrete de utilizare a informaiiilof prezentate mai sus, pentru a
persoanelor cu deficiente diverse).
Tntelege importanta utilizarii conceptului de putere statistica a unei cercetari.
Tn primul caz, yom presupune ca un cercetator s-a aratat interesat de a
2.3. Puterea statistica a unei cercetari studia ,Tn ce masura exista 0 corelatie pozitiva Tntre doua probe de inteligenta
Matricele Progresive Raven - varianta standard ~i scorul general obtinut la WAI'S'
Sa presupunem ca el a testat 25 de persoane ~i a obtinut 0 corelatie r de 30·
Imaginati-va puterea statistica drept 0 capacitate de a detecta vizual
fenomene. Daca puterea statistica este mica, va fi dificil sa observam fenomenele
Aceasta valo~re nu este semnificativa statistic, deoarec~ p obiinuta 'fost de :07:
valoare supenoara pragului maxim acceptat de .05. Tn aceste conditii, cercetatorul
de interes ~i yom concluziona, poate, ca fenomenele respeetive nu exista.Acest
nu va putea respinge ipoteza nula ~i va afirma ca cele doua teste de inteligenta nu
lucru s-ar Tntampla datorita capacitaiii noastre red use de detectare vizuala a
corele~~a, ~u~a care, probabil, se va lansa Tn tot felul de speculaiii legat~ de
fenomenului Tn cauza. Tn schimb, daca yom reu~i sa ne Tmbunataiim aparatele de
domenille dlstlncte pe care cele doua probe Ie masoara. Totu~i, aceste teste ar fi
detectare a fenomenului, adica sa cre~tem puterea statistica a unui cercetari, yom
trebuit. sa corelez: Tntr-o anumita masura, deoarece, Tn principiu, fac referire la
avea mai multe ~anse sa detectam fenomenele a~teptate. Mai mult, Tn situatii Tn
acela~1 construct. In astfel de cazuri ne putem pune Tntrebarea: "chiar nu exista 0
care puterea statistica a devenit foarte mare, yom putea detecta orice fenomene,
corelatie Tntre cele doua probe sau rezultatul este 0 consecinta a riscului ridicat de
inclusiv.pe ace lea minuscule sau insignifiante. Tn practica se Tntampla mai rar acest
a comite 0 eroare de tip II?", adica de a ne Tn~ela ~i de a 'nu observa corelatia
lucru, deoarece majoritatea studiilor sufera de 0 puterestatistica scazuta. De altfel,
dintre cele Adoua teste. Pentru a raspunde la intrebare yom putea face un simplu
Tversky ~i Kahneman (1993) sau Smith (2000) reamintesc de un studiu mai veGhi
calcul apeland la Gpower. Au fost testaii 25 de subiecti, valoarea a. prestabilita a
al lui Cohen, care identifica, intr-o statistica incluzand studiile publicate Tn diverse
fost de .05, ipoteza era de tip unidireciional (exista corelaiie pozitiva?), iar marimea
reviste de specialitate, 0 valoare mediana a puterii statistice de .46. Acest rezultat
efectului a fost r2 de .09. Rezultatul obiinut indica 0 putere a cercetarii de .45, ceea
este mult sub valoarea optima prescrisa de .SO. Situatia nu s-a schimbat de atunci,
ce Tnseamna mai puiine ~anse de a observa corelatia Tntre cele doua variabile,
rezultate modeste, similare, fiind obtinute $i dupa 25 de ani de la efectuarea acelui
daca ea exista ~i are 0 valoare r de aproximativ .30, decat de a comite eroarea de
studiu (Cohen, 1990). tip II. Tn aceste condiiii, concluziile legate de nerespingerea ipotezei nule ~i de
Puterea statistica poate fi determinata foarte u~or, daca tinem seama de
aflrma~ea absentei corelatiei dintre cele doua probe devin extrem de discutabile ~i
valoarea lui [3 (riscul de a comite eroarea de tip II), deoarece puterea statistica este
atac~.blle. D~c~ cercetatorul ar fi cunoscut importania puterii statistice, ar fi putut
egala cu.1 - [3. Astfel, daca yom alege un [3 de .20, puterea statistica a cercetarii
planlflca mal blne studiul, pentru a ajunge la 0 valoare acceptabila a riscului de a
respective va fi de .SO, ceea ce semnifica 0 probabilitate de SO% de a detecta un
comite eroarea de tip II. Astfel, daca dorea sa testeze existenta unei asocieri
efect daca acesta exista. Similar, un [3 de .05, conduce la 0 probabilitate de 95% .
pozitive Tntre cele doua variabile, Tn condiiiile Tn care se a~tepta' la 0 marime a
de a identifica un efect, oricat de mic ar fi el, cu condiiia ca el sa existe. Importania
efectului Tn jurul lui .09 (r = .30), se multumea cu un p < .05, iar puterea cercetarii
practica a acestor informatii este capitala Tn constructia designului de cercetare,
dorite era de .SO ([3 = .20), ar fiavut nevoie de 64 de subiecti pentru a testa relatia
deoarece puterea statistica a unei cercetari poate fi modificata Tn funciie de trei
dintre probe. Daca ar fi procedat astfel, ~ansele de a comit~ ~roarea de tip II a~ fi
parametri importanii: marimea efectului ("Cat de mare trebuie sa fie un efect sau 0
fost mult reduse, facilitand astfel interpretarea rezultatelor.
relat ie dintre doua variabile pentru a fi identificata?"); marimea e§anponului ("De
Cel de-al doilea exemplu ar putea servi drept model Tn realizarea unui
caii subiecti avem nevoie pentru a observa fenbmenul de interes?"); va/oarea a
. design adecvat din perspectiva erorilor de testare a ipotezelor statistice. Sa
("Care este pragul de semnificatie de la care yom respinge ipoteza statistica?").
presupunem ca un cercetator dore~te sa studieze rolul feedback-ului Tn rezolvarea
Pentru calcularea puterii statistice exista programe precum Gpower (Faul ~i
unor sarcini noi. Tn acest scop, el grupeaza aleator participantii la studiu Tn patru
Erdfelder, 1992), ce poate fi descarcat gratuit la adresa http://www.psycho.uni-
grupe: unul de control, unul alcatuit din subiecti care primesc doar feedback
duesseldorf .de/aap/proiects/gpower/index.html. , negatlv legat de sarcina; un al treilea grup care prime~te doar feedback pozitiv
39
38
1' ,1 , "' 1! ~ I' ,Ii ' 11111"1111111111 1111111111'1111111111 IIIII!IIII'IIIII ,1111 11111 '1111'11111 11111'11111 IIIIIUIIII'IIIIII '111111 1111 11111111111'111',111'11 1111I 1111'1111111111'11111 1111'111111111'111111111'11111 1lllilllllllllullllJllllllllililUlllIlIIlllillIllllllllIIIIlllWIlllLIIIII:JII11111111"11111111111111111: :1
legat de sarcina, respectiv un al patrulea grup care prime:?te atat feedback pozitiv,
cat $inegativ. Variabila dependenta este masurata Tn secunde, vizand rapiditatea
rezolvarii sarcinii de catre subiec~i. Subiec~ii din cele trei grupe experimentale Mai mu~i Apelul la Design cat
prim esc feedbackul Tn timpul rezolvarii sarcinii, Tn timp ce subiectii din grupul de subiect i covariabile mai simplu
control nu primesc nici un fel de feedback. intr-un astfel de caz, cercetatorul poate
planifica acele caracteristici ale designului, astfelTncat sa aiba erori de tip I :?i II cat
mai reduse. \
Prob~bil cercetatorul va testa ipoteza apel~md la ANOVA simpla, urmata Tn.
VI ca facto· Ipoteze Scale
caz de suc¢s de 0 serie de compara~ii post hoc. Tn aceste condi~ii, el poate face 0 adecvata a
fic!?i unilaterale numerice
serle-de calcule pentru a determina volumul e:?antionului in condi~iile Tn care sunt VI
patru grupe, Ct. dorit este de .05, puterea statistica a:?teptata este de .80, iar efect,ul
feedback-ului asupra duratei de rezolvare a sarcinii este unul mediu (f = .25). In
urma calcului a rezultat ca cercetatorul va avea nevoie de un e$antion de 180 de
persoane, adica de 45 de subiecti Tn fiecare grupa pentru a putea testa optim testelor C alitatea
ipoteza :?i a mentine,scazute erorile. Tn cazul Tn care ar fi ales 100 de subiecti, catE~ ale nor grade masurarii
statistice
25 Tn fiecare grupa, ar fi obtinut 0 putere a cercetarii de .50, ceea ce ar fi Tnsemnat variabilelor de libertate VD
puternice
$anse egale de a observa efectul feedbackului asupra performantei, in cazul in
care acest efect exista $i are 0 inten5itate medie sau_ de a comite eroarea de tip II. Figura 2.1. Surse utile pentru a cre§te puterea statistica a unei cercetari
Marimea efectului poate fi stabilita, fie pe baza rezultatelor obtinute din cercetari
anterioare, fie pe baza teoretica, pornind de la conventiile discutate anterior care
Tmpart marimea efectului Tn: efect mic (influenta redusa a variabilei independente 1. Cre§terea numarului de subiec{i testa{i
(VI) asupra variabilei dependente (VO»; efect mediu (influenta moderata a VI Cea mai simpla $i comuna metoda de a cre9te puterea statistica a unei
asupra VO) $i efect mare (influenta puternica a VI asupra VOl· cercetari consta in includerea mai rT1ultor participan~i in studiu. Aceasta poate fi
facuta fie prin crei?terea_ nUlJlarcYJl:!LQ_~"§.~~iec.ti din""iL~c;?re lot t~stat, fie prin marirea
numarului de subiecti din CWJ,!Jl1ite grupe, mai impQctaote din perspectiva ipotezelor
Douasprezece modalitati de a cre~te puterea statistica Intr-o cercetare
testate. Spre exemplu, avem un design unifactorial intergrup Tn care, prin
Tinand cont ca majoritatea cercetarilor sufera de 0 putere statistica redusa, intermediul a trei grupe de subiecti (T1-grup de control; T2- terapie individuala; T3
se impun 0 serie de masuri menite sa imbunataieasca aceasta situaiie. Oe~i - terapie de grup), d,orim sa testam efectul terapiei cognitiv-comportamentale Tn
extrem de importanta, sectiunea poate. fi sarita de catre cititorii mai putin reducerea gradului de timiditate. Tn conditiile in care fiecare grup este format din 10
familiarizat i cu conceptele statistice, datorita dificultatii crescute de Tntelegere a subiecti, avem la dispozitie doua posibilitati de a cre$te puterea cercetarii prin
textului in lipsa unor cun09tinte statistice $i metodologice de nivel intermediar. marirea volumului e$antionului. Prima const?J'1_d.ublarea numarului de subiecti din
Totu9i, a data dobandite aceste informatii, cititorii vor putea parcurge masurile fiecare grupa, ajungand la 60 de subiecti testati. Metoda nierit~ utilizata Cal1.9Jgate
stipulate, lectura fiind deosebit de utila din punct de vedere practic. gnipele~aU-olmporta,J]taaproximativ-egala. Oaca grupele au 0 importanta difexita,
Aceste masuri pot fi impartite in trei categorii mari: orientate spre designul cum ar fi situaiia in care dorim sa aflam daca interventia de orice fel (in'CTIViduala
cercetarii (1-7), orientate spre masurarile efectuate in cadrul cercetarii (8-10) $i sau Tn grup) este semnificativ mai eficienta decat non-interventia, yom apela la 0
masuri exclusiv statist ice (11-12). Aceste modalitati se bazeaza pe lucrarile lui strategie diferita. De exemplu, yom adauga doar 5 subiecti Tn grupele
Embertson 9i Reise (2000), Hinkle, Wiersma $i Jurs (1994), Kirk (1982), Pedhazur experimentale, respectiv 20de subiecti in'grupul de control. Similar, daca este mai
:?i Schmelkin (1991), Smith (2000) sau West, Biesanz $i Pitts (2000), cu tolii important sa determinam care dintre formele de interventie (individuala vs. Tn grup)
interesati sa continue munca depusa de Jacob Cohen, parintele puterii statistice. este mai eficienta, yom putea cre$te grupul de control cu 6 subiecti, in timp .ce in
Majoritatea acestor masuri au fost prezentate Tn alta parte (Sava, 2002; Sava, fiecare grup experimental yom adauga 12 subiecti. Se observa ca numarul de
2003). subiecti adaugati 5e mentine constant la valoarea de 30, Tnsa strategia este diferita
in functie de ipotezele urmarite.
40 41
'III 1IIIIIIILilillIJIIIIUIIIIlIIIIILlIIII IIIUIi 11111111 ,11111111, "" """"""""",'1""""1""""'1"","",1",,,,,,illill IIII'JIII 11111 1111 """"""""IIIIUIIII IIIIJIII II ",",,, 11111 I11111 1IIIIJIII"IIIUII,IIIII'IIIIILlIIII,: '1111'1111"""""'1"""""1""'1",,,,"",""111"111111111111111111111:11111111111111111111' " 111'111 I111 1111 III! "11,,,1 '1111111 II ,II 1111 I '11',11""",1111""",11'"""",11"""",11"11,1111'",,1111111111111111111111111111111111111111111 ill ,II 111,11'111: ""1'""11",::,11"11"":""11,11""",11",,,,,11,,,,1"'11111:111111111111111111: "111""""'1"",""'11",,,"111"'11""""1111"""11 """","":1:111",:""'11""""""""""",,,11111:11111 "",""", 111111111111 11111: 11111 111111.11111 III1Ii 1111 I illlll 11111 IIIIIUIIII ,11111 11111 1111111111 1111111111'11111 ,11,1i"
'
ne ,care dintre rezultatele semnificative obtinute sunt reale? Prin aplicarea unor
2.
Utilizareal1f1uU!e$ign intragrup (cu masuratori repetate)
Tn cazul Tn care avem acela~Lol.lm~F de sub,lecti, un design intragrup are 0 corectii \lom putea reduce distorsiuQlL~9reatE!: dar yom cre~te ~ansele de a comite
o eroare dEl..!!p ..IL De exemplu, prin eorectia Bonferroni, aplieata la 0 matrice de
putere statistica mai mare decat designul de tip.jL1i~gr,~I?, datorita scaderii
coreratiUntre 16 variabile (de exemplu, factorli"primari de la ·16PF ai lui Cattel),
dispersieJ...?r9fjijnee)(P'1 cate ) Tn primul caz. Fiind yorba de aceia~j"subiecti testati Tn
pragul de semnifieatie peritru respingerea ipotezei nule se va modifica de la .05 la
situat ii diferite ~i \tw.
de subiecti'",diferiti tt:'lstati Tn cond.i.\iLJiiferite, yom avea 0
.0004 (.05/60). AstfeJ, 0 corelatie al carei prag de semnificatie obtinut este de 001
varialvilitafe:hiai redusaa rezultatelor. Aproape orice test statistic are, la numitor
nu va putea respinge ipoteza nula. Corectia este absolut ~eces'ara, deoare~e Tn
dispersia erorii ~i Tn consecinta, va duce la un scor t, sau F mai mare, fapt ce
mare~te ~ansele de a obtine un rezultat ?~f11_Q.~figativ stati~c.=·"~c=~~,= absenta ei, In conditiile Tn care nu exista asocieri reale intre variabile, probabilitatea
de a obtine, din intamplare, unul sau mai multe rezultate semnificative este de
99,3%.
Introduce rea l!JJei.QQyariabile eficien.te
3.
In situatiile Tn ~~~~. nu este posibil~ cre~terea volumului e~antioni.Jlui din
5. Cre§terea numarului de trepfJrpentru VI.sauJ§i cre§terea amplitudinii
cauza economi~i de timp ~01e resurse sau Tn situatiile Tn ca~-' designul de tip
factorilor
intragrup- riC:.este potrivit, ~i
e poate tine seama de efectul unei terte varia bile, _.~(·-'f
~
' , DispEfsie
Disp8rsie expliCtta'de
" \ explictta'de ~i implicit, ea nu exista un efeet al nivelului de motivare asupra performantei
neexplitati..'====l
subiectilor. Daca Tn loc de doua grupe, am utiliza trei loturi, corespunzatoare a t~ei
VI
, " \ VI
P
trepte ale VI (slab motivati, optim motivati, puternic motivati) am ajunge la rezultate
DiS"I'
neexp -'
8"t'S, iEi,
IColla: ' " '' ., './:jI.) diferite ~i am admite influenta nivelului de arousal asupra performantei subiectilor
. .-- ' Tn sarcina. ' ,
DispersiEi
'expli'cala 'de
Tratarea variabilejor c~l,g.p!},!ptfapt9ri fic§i
6.
Figura 2.2. Sursa dispersiei In ANOVA (stanga), respectiv ANCOVA (dreapta)
Din fericire, de cele mai multe ori, Vi..§!JD.iJ;ratate automat ca factod fie~i Tn
cadrul tehniciioI AliQY6,. De~i tratarea VI ca fact0L.?I~ator poate faCiIi'ta
generalizarea rezultateIQLobtin.u.t~Ja altetrepte ale VI, tehnicasufera de 0 putere
statistica red usa. Tntr-un experime~t tipie unifactorial, yom avea 2-3 trepte ale VI ~i
Utilizarea unui design df?".c~eJ.Q§!§[€.g~,~!!2alsimplu
4.
Acest principiu filosofie, eunoscut sub numele de brieiul lui Oe~I11' aproximativ 90.....c!e.subiecti. Acest lucru este normal, daca VI este trataTaca"fa~tor
exprima primatul unor expli~\ii §t[)J?Je~i eorecte Tn dauna unor modele complicate fix, insa daca VI este considerata factor aleatoriu va fi. nevoie, pe 1fu1'gi'! un numar
~i dense, cu prea multe variabile. Tn statistica, acest principiu a fost etiehetat de mare de s...02i~..cti, de un numar ridicat de trepte ale Vlp~ntru a cre~te puterea
Cohen (1990) sub forma "maiputin este mai bine". Tn studii cu fciarte _.multe statistiea necesara d,§.tectarii efectelor existente.
variaQ.iLe_cre~te ~ansa
. . de a comite eroarea,-...,.
de ...tip
-=-..I, adiea de a obtine anumite
rezultate semnifieative_c.lin
..... ,
Tnt<3mplare. Vom ajunge Tri'cealalta extrema, Tntrebandu-
~
43
42
IIlIlllllll~lIlIlInlllllRIIIIII ill ilil 'II' II III "I' J 'II II' .I' I, 'I' ill'III,'I'III:II'111 111', 11 ,'11,1'1'11 ,'1','11 III m !II 11:,'1 Ii ,11:1',1:1 ,I 'IIii 11 ' :11'11' I,,' :1 I: !:' I! 'I 1'''
7.
Utilizarea unor ipoteze unidirectionale (unilaterale) Tnainte de transformarea datelor se observa 0 deviere importanta de la
Tn conditiile utilizarii'Ufferrpoleze de tip~uniqirectional se dubleaza §a[1s~el~_., normalitate, fiind 0 distributie puternic asimetrica negativ. De altfel, anormalitatea
de a obtine rezultate semnificative statistic, deci cre§te puterea,~stCl~~~~~a a distributiei este sustinuta §i de rezultatul testului Kolmogorov-Smirnov (z = 1,50,
ce[Cg~arii. Astfel, daca-6fectuamo 'corelatie pe 25 de subiecti intre doua probe §i P < .05). Dupa ridicarea la patrat a .rezultatelor se reduce foarte mult asimetria
obtinem 0 valoare de -.30 yom interpreta diferit rezultatele in functie de tipul de datelor, Insa intervin unele modificarila nivelul boltirii. Totu§i, dupa transformare,
ipoteza avuta. Datele ar fi sprijinit 0 ipoteza unidirectionala ( "persoanele cu un distributia obtinuta nu difera semnificativ de una normala (z = 1,13, p> .05), fapt ce
nivel crescut de depresie tind sa petreaca mai putin timp in ora§?"), r = -.30, P < va permite aplicarea unor teste parametrice. Prin asemenea transformari scad
.05, Ins a ar fi infirm at 0 ipoteza bidirectionala ("exista vreo asociere Intre nivelul de §ansele de a comite erori de tip I sau II. 0 parte din transformarile posibile au fost
depresie a unei persoane §i perioada de timp petrecuta In ora§?"), r = -.30, p> .05 .. discutate In sectiunea 1.4.3. din capitolul vizand statistica descriptiva.
8.
Utilizarea scalelor de masL/,rat;e numerice,.de tip interval sau propg1Li 10. Selectarea unor probe C~9,~[f!(J!f!ristici psihometrice ridicate, mai ales Tn
cazul ~urarii V D . "." .. " ...,..
Acest gen de scale de masurare apeleaza frecvent I~ tehiliGLstati.?tice
0 .'. . ' " •
. '. 'e":':"~'·':·····'~l-'_"~';""1t:
paf.§T!letrice. Din perspectiva puterii statistice este cunoscut faptul ca tehnicile -\~teh1ii care au un nivel d5l-~[Q9T~ scazut §i care reu§esc sa reflectlLcu
statistice=parametrice au un niveLrnai ,Jidicat decat metodele statistice sensib~it~te orice variatii ale variabilei latent'8 c~i~spunzatoare conduc la -; pute~e
nepar9<r:netri~e~1;; consecinta, ar fi de dorit ca c~putip.xari,abilele dependente sau statisticamai mare decat cei care nu lndeplinesc aceste condiiii. Spre exemplu, 0
cdteriu sa fie r'nasurate prin scale numerice, evitandu-se, pe cat posibil, iTfa§'Crrarea scala care are 0 consistenta interna de .65, are un nivellidicat
..............,."....,........ --, .... ,. t ",'
al erorii , fapt ce
-.
lor prin scale de tip nominal sau ordinal. afecteaza relationarea sa cu alte probe. De pilda, In corelarea scalei cu alte probe
se vor obtine valori scazute, sub nivelul a .65, deoarece ea nu poate obtine
9. Transform1U~J3.odateloc. pentru a rndeplini condifiile diff}.[itelor.Jrq,hnici corela~ii mai mari decat cu ea insa~i (r = .65). Astfel,rela~ia sa cu 0 alta variabila
statistice este atenuata §i poate deveni chiar nesemnificativa statistic. Spre exemplu, am
'Chiar daca datele sunt masurate prin scale-J,lumer.ice, majoritatea
'0.
putea obiine 0 corelaiie de .25, care ar fi fost mai mare daca ambele probe ar fi
tehnicilor statistice necesita alte conditii suplimentare pentru a'putea fi aplicate. avut 0 consistenta interna ridicata, In jurul a .90. Tn privinta sensibilitaiii, teoria
Nerespectarea asumptiilor majore, in situatii de aplicare mecanica a testelor raspunsului laitemi ofera un bun mijloc de a testa §i selecta acei itemi care
statistice, poate conduce la erori de tip I sau II' In testarea ipotezelor. Spre raspund cel mai bine cerintei de sensibilitate. Nu in ultimul rand, scalele care
exemplu, 0 distributie complet anormala a variabilei dependente ar presupune coreleaza mO~_~L~.au.puternic cu probele de dezirabilitate socialapot duee la
renuntarea la aplicarea testului t pentru doua e§antioane independente, In seMerea puferii statistice.
favoarea unei metode neparametrice corespunzatoare, In acest caz, testul U al lui
Mann-Whitney. Puterea statistica a metodei este Insa la nivelul a 69% din 11. Salvarea unor'grq.Qgde libertate
capacitatea testului t de a detecta diferente Intre cele doua grupe. Tn asemenea De§i am amintit implicit de acest aspect la punctul patru, salvarea unor
conditii pot fi adoptate 0 serie de artificii statistice de transformare a datelor brute, grade de libertate, cu scopul de a spori puterea unE~Lc;~[~_~Jari, poate fi facut~-§i
menite sa corecteze distributia obtinuta, astfel Incat sa nu fie probleme cu Intr-un desigDcomple.x (de exemplu, ANOVA.~.;32<.:?_J:<3). Inti-un asemenea caz am
aplicarea teste lor parametrice.' Exist~ 0 multitudine de transformari posibile, cele putea calcula §apte indic§!~!~,.Y, cate trei pentru efectele ,~r,pr;*;)(FA, FB, Fc),
mai fntalnite fiind ridicarea la patrat, extragerea rMacinii patrate sau utilizarea pentru interactiunile de ordinul doi (FAB, FAC, FBC) §i unul pentru interactiunea
logaritmilor naturali. lata, spre exemplu, valorile indicatorilor de asimetrie §i boltire, complexa de"Qrdinu! ,trei (FAE3C):-'~Ju are rost sa calculam toate aceste efe~te in
inainte ~i dupa transformare, dintr-o baza de date fictiva (tabeluI2.4): conditiile in care'sunt interactiunicare nu ne intereseaza sau in cazul in care
interpretarea rezultatelor ar fi dificila sau,.J,ipsita de'Sens(ex. FABC). Renuntand la
Tabelul 2.4. Valori descriptive inainte de transformare X §i dupa transformare X2 calcularea acelor indici, yom salva un anumit"numar~(tegrade de libertat~, c~';;;'ce
ar duce la 0 cre§tere u§oara a puJ~rii statistice a testelor F ramase a fi ef~ctuate. In
Boltire Eroare standard
Variabila Asimetrie Eroare standard situatii limita, prin salvarea unor grade de libertate, rezultatele ;e~emn)fic~tive pot
.618
X
X2
-.978
-.439
.314
.314
.082
-.952 .618 -
deveni semnificative (de exemplu, un p de .07 se schimba intr-un p de .04) .
...-,~.
44 45
_ _ _ _-_".,_1111111111111 '!II: 1111'11111',11111111111'111111111 ILlIIIIJlIII!IIIIIJIILlIIIIJlIIILlIIIIJIIIILlIIIIJIII,'IIIIJIIIUIIII IIIILllIII'IIIILlIIII 11111:1111 11111 ,IIII! IIIILIIIIII 11111 11111'11111,lllllllllllllllllllllllliIIIIIIIIIIJIIII~111IIJIIII~IIIIIJIIIIL.JIIIIJIIIILlIIIIJlIUIIIJlIILlIIIIJIIIJlII'11111Jill 1111111: 'I' Ii' II I Ii I 1111'11111111"111"111'1111'111'1111 _ _ _ _ _ _ _ llIllllIllllIlllllIIllllwlllllnlllllllllllll~11111IUIIIII~IIIIIIIIIIIIIIIIIIII~IIIIIIIIIIIII~IIIIIIIIIIIII~IIIIIIIIIIIIHIIIIIIIIIIIII~IIIIIIIIIIIII~IIIIII'IIIIII111111111111'111111111111111111'111111111111'111111111111'111111'111111 111111 IIIIII! 111111 11111 1111'111111111111111111111111'1111 !III: 111'11:
-~,~>~~:~~--
/
procedurile TUKey ~i Bonferroni. Totu~i, pi'imele au 0 putere ru.aLmareode a detecta / *
/
diferenl~ T~tregrupe-.J!l Z;;~p~ratie cu ultimele. Similar, Tntr-un design intragrup I
I
putem apela la ANQVA pentru masuratori repetate Tn varianta cor~9ta.~a sau putem
,,' "
47
46
I
!,
ill' '111 111:1111 III!
'''''''''''''!~'''''''''''''''''''''i''''''
11111111'1111111 !i III I' Ili'II"!'i!'!IIII'lllllillll,IIIIIIII':1111111IIIIIII1 I! II! 'li'II"'II':I"il! 'I"!" II , I' "I:li Ili:1 li'II"I,ii lIil,'
31BLlOGRAFIE Thompson, B. (2002). "Statistical", "practical", and "clinical": how many kinds of significance
do counselors need to consider? Joumal of Counseling and Development, 80, 64-71.
l.PA (2001). Publication manual of the American Psychological Association (5th ed.). Tversky, A., Kahneman, D. (1993). Belief in the law of small numbers. In G. Keren & C.
Washington, DC: American Psychological Association. Lewis (eds.). A handbook for data analysis in the behavioral sciences: methodological
3ecker, L. (2003). Effect size. Gasit la: http://www.uccs.edu/-lbecker/psY590/es.htm. issues. Hillsdale, NJ: Lawrence Erlbaum Associates, Publishers.
::;Iocotici, V., Stan, A. (2000). Statistica aplicata In psihologie. la§i: Editura Polirom. West, S.G., Biesanz, J.C., Pitts, S.C. (2000). Causal inference and generalization in field
::;ohen, J. (1990). Things I have learned (so far). American Psychologist, 45(12),1304"1312. settings: experimental and quasi-experimental designs. In H.T. Reis & C.M. Judd (eds.).
::;ohen, J. (1994). The earth is round (p< .05). American Psychologist, 49(12), 997-1003. Handb?ok of .research methods in social and personality psychology. Cambridge:
Jyer, C. (1995). Beginning research in psychology: a practical guide to research methods . Cambridge University Press, 40-84. .
and statistics. Oxford, UK: Blackwell Publishers Ltd. Yu, c.~.~. (2003). Illustrating degrees of fr~edom in terms of simple size and dimensionality.
Embertson, S.E., Reise, S.P. (2000). Item response theory for psychologists. London: Gaslt la adresa http://seamonkey.ed.asu.edu/-alexicomputer/sas/df.html.
Lawrence Erlbaum Associates, Publishers.
Fan, X. (2001). Statistical significance and effect size in educational research: two sides of a
coin. The Joumal of Educational Research, 94(5), 275-282.
Faul, F., Erdfelder, E. (1992). GPOWER: A priori, post hoc, and compromise power
analyses for MS-DOS [Computer program]. Bonn, Germany: Bonn University, Dept. of
Psychology.
Hastie, R., Stasser, G. (2000). Computer simulation methods for social psychology. Tn H.T.
Reis & C.M. Judd (eds.). Handbook of research methods in social and personality
psychology (p.85-114). Cambridge: Cambridge University Press.
Hinkle, D.E., Wiersma, W., Jurs, S.G. (1994). Applied statistics for the behavioral sciences
fd
(3 ed.). Boston: Houghton Mifflin Company.
nd
Kirk, R.E. (1982). Experimental design: procedures for the behavioral sciences (2 ed.).
Belmont, CA: Brooks I Cole Publishing.
Leventhal, L., Huynh, C.L. (1996). Directional decisions for two-tailed tests: power; error
rates, and sample size. Psychological Methods, 1(3), 278-292.
Pedhazur, E.J., Schmelkin, L.P. (1991). Measurement, design, and analysis: an integrated
approach. Hillsdale, NJ: Lawrence Erlbaum Associates, Publishers.
Rosenthal, R., DiMatteo, M.R. (2001). Meta-analysis: recent developments in quantitative
methods for literature reviews. Annual Review of Psychology, 52, 59-82.
Rosenthal, R., Rosnow, R.L., Rubin, D.B. (2000). Contrasts and effects sizes in behavioral
research. A correlational approach. Cambridge: Cambridge University Press.
Sava, F. (2001). Reducing teachers' misbehaviour: an action approach. Revista de
Psihologie Aplicata, 3(4), 31-42.
Sava, F. (2002). Ten ways to increase statistical power. Analele Universitatii de Vest din
Timi§oara. Seria Sociologie, Psihologie, Pedagogie §i ASistenta Sociala, 8, 89-92.
Sava, F. (2003). Puterea statistica §i testarea ipotezelor. Psihologia Resurselor Umane,
1(2), 28-34.
Singer, B.R., Lovie, A.D., Lovie, P./(1986). Simple size and power. Tn A.D. Lovie (ed.). New
developments in statistics for psychology and social sciences (p.129-142). London: ThEl
British PSYChological SOCiety and Methuen.
Smith, E.R. (2000). Research design. Tn H.T. Reis & C.M. Judd (eds.). Handbook of
research methods in social and personality psychology (p.17-39). Cambridge:
Cambridge University.
Thompson, B. (1999). If statistical significance tests are broken / misused, what practices
should supplement or replace them? Theory & Psychology, 9(2), 165-181.
48
49
TEHNICI INTRODUCTIVE DE TESTARE A IPOTEZELOR
51
1111 111,1111 IIh'lII III: III 11,11111111:111:,1111111 1111111'111111,,1111111111 I: ,I!: 'II !I: !I I' :::11 I' '1::I,lli:II,II: I'!IIII:IIIII 11111 ,1111::111 1!111'!IIIIII::III,IIII.lII" "II,:illllll':IIIIIIIIII:IIIIII'II:,!1 111,11 il:'II,111
-.12 absen\a asocierii Intre cele doua variabile? Conform statisticii descriptive nu Intre agresivitate ~i frustrare", "temperaturile crescute tind sa conduca la un
ne putem da seama de acest lucru, deoarece valoarea de ;.12poate fi interpretata consutn ridicat de lichide", "vom analiza.@i§Jla dintre extroversiune ~i timiditate"
ca 0 u~oara asociere negativa Intre cele doua varia bile, ceea ce implica faptul ca indica ,ideea de corela\ie. Tn exemplul dat, e;presiile "un nivel crescut de auto-
persoanele cu scoruri ridicate la extroversiune tind sa aiba un nivel mai scazut de prezen'~are este asociat cu un consum maj mare de prod use cosmetice" ori "pentru
neuroticism. a studia\.r~ia" dintre cele doua variabile" sunt indiciile care ne con due 'Ia ideea
Dinpacate, valori!€;....d.e.$.~riptive sunt depensL~l]te de 0 serie de factori, In necesita\ii dea calcula un coeficient de corela\ie.
special de volumul e~antionului. 'Uh r de -.12 indica 0 legatur~ativa Intre cele
doua variabile Tn~'cazurLinui e~antion-€le._1QQO de•. persoane, respecti'v ab§~~ (2) Ce fel de date au fost cQlectate?
relatiei dintre variabile In cazul unui e~antion de'SO de persoane. Pentru a lamuri Cheltuielile lunare 'pe produ~e cos~etice, exprimate Tn euro, reprezinta
ace~sta dilema este nevoie sa privim valoarea coeficientului de corelaiie din date n~§£ls,e, de tip ~.(Qpor:\il, Tn timp ce nivelul de management al impresiei este
perspectiva statisticii inferen\iale. masurat prin scale numerice de tip interval, prin cumularea raspunsurilor la cele
lata un exemplu ipotetic, menit sa faciliteze interpretar~a inferen\iala a lui r: cinci Tntrebari. Astfel, cheltuielile pe prod use cosmetice sunt cuprins~ Intre 2 ~i 28
-"""'-'''------_... _-------
de EURO, iar nivelul de management al impresiei este situat intre 5 ~i 20 de
Conform unei analize efectuate de Leary, Tchividjian !?i Kraxberger (1994/1999), puncte, un rezultat ridicat Tnsemnand un nivel crescut de auto-prezentare. Tinand
intre nivelul de auto-prezentare (management al impresiei) !?i cheltuielile lunare pe prod use cont ca ambele variabile sunt mas~,-prin scale n~tmerice, yom apela, c~1 mai
cosmetice exista 0 asociere pozitiva. Un nivel ridicat de management al impresiei indica un probabil, la coeficientul de corela\ie r.
autocontrol puternic faia de modul in care 0 persoana este perceputa de catre cei din jur §i
implicit, mai multa grija faia de aspectul sau fizic. De aceea, ne a!?teptam ca un nivel crescut (3) Condi!iile aplicari~.luLr,.sLlnUlJdeplinite?
de auto-prezentare sa fie asociat cu mai multe cheltuieli pe produse cosmetice. Pentru a Pe lang a caracterul~R-umeric aLq§tE?I\Jr colectate, pentru a aplica r mai este
studia rela\ia dintre cele doua variabile, vom colecta date cu privire la cheltuielile lunare, nevoie ca rela\ia dintre cele doua varial;lll~sflJie Iini51ra ~i ca norul de puncte sa
exprimate in EURO, pe produse cosmetice !?i la nivelul de management al impresiei, ob\inut indice 0 situaiie de horgp,scedastjcjt§t§!~ Ambele aspecte, discutate Tn capitolul
pe baza unui chestionar. Lotul testat include 50 de adolescenii (25 de fete §i 25 de baie\i), introductiv de statistica descriptiva, pot fi apreciate prin inspectarea norului de
ale caror raspunsuri sunt prezentate in baza de date "corelatii.sav'. puncte din figura 3.1.
marimea efectului, adica de intensitatea relaiiei dintre cele doua variabile. managementul impresiei managementu( impresiei
52
53
_ _ _ _'• •
""IIIIIIIIIIIIIIII'lllllljIIIIUIIIIIUIIIIUIIIIUIIIIUIIIIUIIIIII,IIIII,IIIIILIIIIIIUIIIII"IIIILlIIIIIJIIIII:IIII"IIIIUllllldIIIILlIIIIUIIIIIJIIILlIIIIIIIIIIIJIIII"""""""",""""1"" 111'IIIIIIIIIILIIIIII'IIIIIIIIIIII'IIIIIII',IIIIIIIIIIIIIIIIIIII"'1I1I1I1I1I1I1I1111111111 11111 1111:'1111 :"1'"",,"11 'III' "",1""""1"",:""""1""111111""1,""1""1:""1'""111"""11""1""1"111,1111111111111111111'1111' """",,,"","""""11"",,"","",,"","", III' :11, ",":,", 11111111 :11111111 '11111111'111111111111111111111"1111' !IIII,IIII"IIII 11111 1111'11111 11111'1111,111 IIII!IIIII 11111111111'1111111111':1111111111111'11111111111111111111111111 !III' 111111111111' 11111111 'III 1111 III! I'II'II'!IIII,'II'IIIIII"IIII'II'IIII'II"IIII':IIII '11"'11' """""'"""""'""""'"""""""'""'""'''""""' """"""""""'''"'''""''""'""''""'""'"" 111111" ""' 1111 'II" "" 1111'" Ii'.,,'_ __
asociere liniara pozitiva Intre variabile), cat 9i homoscedasticitatea relat iei pearson), deoarece ipoteza dore§te stabilirea gradului, de asociere dintre
(punctele par a forma un nor de puncte de grosime similara pe Intreaga preo-cuparea pentru managementul impresiei §i cheltuielile lunare pentru prod use
amplitudine a evoluiiei celor doua variabile). Prin urmare, toate condiiiile aplicarii lui cosmetice. Ambele varia bile sunt masurate prin scale numerice, iar relatia dintre
r sunt Indeplinite. Totu9i, daca yom analiza 9i imaginea din dreapta, cu norul de ele e\'ite liniara 9i homoscedastica. Tn plus, pentru testa rea valorii r va trebui sa
puncte rezultat In urma diferentierii dintre cele doua sexe ale subiectilor tinem seama de faptul ca ipoteza este formulata Tn termeni unidirectionali
, (unilaterali). ~- -.--_.- - --- ,
respondenii, yom observa ca, In cazul baieiilor, punctele sunt c8va mai impra9tiate
(norul de puncte fiind mai gros). Aceasta imagine ne face sa credem ca Tn SPSS yom obtine valoarea lui r, daca yom urma calea din meniu:
intensi~atea legaturii dintre cele doua variabile este u§or diferita pentru fete, "Analyz~:,~()!!_~~"-"Bi~iate". Fereastra deschisa ca urmare a acestor optiuni
respectiv Mieti. Cu alte cuvinte, ne a§teptam sa existe 0 asociere mai mare Tntre are selectata ca varl~ta standard "f:earson", adica exact coeficientul de corelatie
preocuparea pentru managementul impresiei ~i cheltuielile lunare pentru prod use de care avem nevoie."Na,famane doar sa selectam variabilele ce urmeaza a fi
cosmetice In cazul fetelor, decat Tn cazul baietilor. De aceea, pe lang a valoarea lui corelate §i sa modificam optiunea "two-tailed" (bidirectional) Tn "one-tailed"
(unidirectional). Output-ul oferit de SPSS este prezentat Tn figura 3.2. ~.,-. ,>,~..-;:
r pentru Intregul lot de subiecti, yom calcula §i valorile r pentru fiecare sex Tn parte.
Aceasta masura este complementara Tn cazul corelatiei, Tnsa devine esentiala Tn
stabilirea unor ecuatii de regresie predictive. produse managementul
Tot din imaginea respectiva se observa cheltuieli mai ridicate din partea cosmetice impresiei
prod use cosmetice Pearson Correlation 1 ,699*
fetelor pentru prod use cosmetice Tn comparatie cu cele ale baietilor.
8ig. (1-tailed) , ,000
N 50 50
(4) Ce fel de ipoteza trebuie testata? managementul impresiei Pearson Correlation ,699* 1
Ipotezele de cercetare pot fi exprimate, fie in termeni unidirectionali 8ig. (1-tailed) ,000
(unilaterali), fie Tn termeni bidirecJ;i£l.Qali (bilaterali). Tn prima categori;"mcfudem N 50 50
expresii de genul "persoanele cu un nivel de inteligenta ridicat tind sa obtina ** . Correlation is significant at the 0.01 level (1-tailed).
performante superioare Tn rezo!varea problemelor de logica" sau "un nivel cresc~t
de anxietate tinde sa fie asociat cu un nivel scazut de agresivitate verbala". In ,Figura 3.2. Output-ul SPSS eu rezultatul eorelatiei dintre eele doua variabile
ambele expresii este ~ta clar directia asocierii dintre variabile, ea fiind SPSS este 0 marca inregistrata.
pozitiva in primul caz ("canCI Xcre~e, Y tinde sa creasca") 9i negativa in cel de-al
doilea ("cand X cre§te, Y tinde sa scada"). Tn schimb, ipotezele blIDrec~ionale_n~~,~ Rezultatul se poate scrie simplu sub forma: r(48) = .70, P < .01. In
precizata clar directia de asociere dintre doua variabile. Expresii de genul "exista ci ' expresie, r este simbolul coeficientului de corelatie liniara simpla, iar Tntre
coreiatie Tntrt:X'§i Y" sau "exista 0 corelatie intre problemele de sanatate 9i nivelul paranteze sunt trecute gradele de libertate ale testului. Valoarea 48 indica gradele
de management al impresiei" sunt tipice pentru cazul ipotezelor bidirectionale. de Ii~~rt~te, c~re se calcu.lea~a, Tn ~a2:J,l.t\<orE>latiei,.prin form~~"l.Jmie N
Tn exemplul nostru putem distinge situatia unei ipoteze unilaterale, ~ . semnJfJca numarul de subJect! testatl. Valoarea de .70 este rezultatul rotunjit
deoarece directia asocierii dintre variabile este precizata. Cercetatorul se a§teaPtat,' observat la intersectia dintre managementul impresiei 9i produsele cosmetice,
ca un nivel crescut de autoprezentare sa fie asociat cu un consum mai mare de • adica r. Tn sfar9it, p < .01 semnifica probabilitatea de a obtine datele observate Tn
prod use cosmetice. I condiiiile Tn c~.!J;~Jly.. exista 0 asociere intre malJe~Elm~fu( impr~~iei 9i nivelul
Importanta distingerii dintre cele doua tipuri de ipoteze se regase9 te Tn t cheltuielilor pentru produse cosmetice. Tn cazul de fat~se bbservao probabilitate
valorile r semnificative statistic. Testareq,.ipotezelbrunidirectionale urmare§te in ce "~ mai mica de 1 la 100 « .01) de a obtine un r de '.70 Tn conditiile Tn care nu ar
masura Y.9.l9§r:ea lui, r este semnificativ difedtade_O Tn sens pozitiv (in cazul unei exista 0 corelatie Tntre cele doua variablle. ' ,
prezise asocieri pozitive), respecthdO,sens negativ (in cazul unei prezise asocieri Prin urmare, datele sprijina ipoteza lansata, conform careia 0 preocupare
inverse). Tn schimb, testarea ipotez~lor bidirectionale urmare§te in ce masura r crescuta pentru crearea unei impresii favorabile Tn ochii celorlalti se asociaza cu
difera semnificativ de 0 Tn oricare directie,fie spre -1, fie spre +1. Datorita acestor cheltuieli mai ridicate pentru achizitionarea de prod use cosmetice. Ramane sa
diferente:ex;st~ d-;d~~a mLmai multe '9anse sa obiinem un rezultat semnificativ stabilim magnitudinea relatiei dintre cele doua variabile, nu Tnainte de a aminti ca
statistic Tn cazul ipotezelor unidirectionale decat in cazul celor bidireciionale. relatia dintre cele doua variabile este r(23) = .79, P < .01 Tn cazul fetelor, respectiv
Sintetizand raspunsurile cheie pentru problema data, yom concluziona ca r(23) = .58, P < .01 Tn cazul Mietilor.
putem aplica coeficientul de corelatie r (coeficientul de corelaiie r Bravais-
55
54
111,-lIlllJ1ll111i111l11111l111~IIIII~IIII_"'IIIIIIIIWIIIIIIIIIIII~IIIIIUIIIII:IIIII~II 111'111 11111:
(5) Cat de intensa este asoeierea dintre eele doua varia bile? Tn fine, se cuvine sa reamintim ca exista 0 conven\ie de folosire a semnelor
Majoritatea textelor statistice evita sa raspunda la aceasta Tntrebare, Tn cazul indicatorilor de marime a efectului. Ace~tia vor lua valorillega!ive Tn cazul
rezumandu-se sa prezinte rezultatele sub forma meniionata anterior. Totu~i, a~9 Tn care efectul apare in,di.r~$\L~ gp.usa,selei precizc:lte in ipoteza, respectiv semnul
cum am subliniat Tn capitolul destinat testarii ipotezelor, pragul de semnificatie pifu plus, daca efectul apare in directia scontata. _."•... -
indica intensitatea unei relatii ci raritatea de >.__a obtine asemenea date Tn condiiiiTe
- . . . . : . _ _ _ _ , _ " ' _ .. _ _ 0'" " ~ _ _ _ _ . " •• I __ ~
Tn care .ipoteza nU.la. este adevffirata. Spre eXemplu, la un numar de 700 de Limitele interpretarii eoefieientului de eorelat ie
persoane testate-p~t;;;obtineun -r foad.e~mic, dar semnificativ...s.tatistic, cum ar fi. r
(698) =: .08, p < .001. Pana la urma, corelaiia nu este decat un procedeu statistic ce masoara
Cel mai utilizat criteriu pentru a aprecia inte.g.sitaJ~~",£e.~§ll§j dintre dOLia covari9DJg9in tre. doua variabile standardizate. Totu~i, din punct de vedere
variabile se nume~te coeficie[lt de determinare, notat cu r2. A~a cum arata simbolul met~dologic, ca!ita.~ea un'urcbefiCieritCle corelaiie poate diferi, de~i indica aceeal?i
sau, se calculeaza foarte u~or, fiind patratul coeficientului de corelaiie. EI poate fi cantltate a aSOClerli. Spre exemplu, un r de .60 arata un grad de covarianta ridicat
exprimat ~i Tn procente, unde 100% corespunde unui coeficient de corelatie de ··1 intre doua variabile, de~i sursa legaturii dintre ele poate fi dif~rita~ti~at~vaidei
sau 1. Din pacate, acest criteriu nu este Tntotdeauna adecvat din cauza influen\ei de baza: _ ••.... , .•
pe care 0 are marimea lotului Tn determinarea valorii lui r ~i, implicit, a coeficientului
de determinare. EI trebuie analizat cu grija Tn cercetarile corelaiionale cu illi?iputin Corelatia nu impliea 0 eauzalitate
de20·desubiecti, respectiv cele care depa~esc200 de peU3gane.
Prin intermediul coeficientului de determinare se evalueaza p~rte,9~_(~e Multi incepatori tind sa testeze, prin metoda corelatiei, ipoteze ce contin
asociere comuna a. celor . dOllc3"Variabile,indicand procentul diR-dispersL9.. unei sintagme cauzale. 0 expresie de genul "Tn ce masura ini~ligenta influentea~a
variabile care s;;;~;iaz'~cu' modul de impral?tiere a celeilalte vqriabile. Cu' alte perfo[!I1an te1 e ~colare ale subieciilor" ~u'poate fi demonstrat~ prinX~t~rmediullui r.
cuvinte, coeficientul de determinare arata gra~1.g§ .. comunalitate dintre doua Valoarea coeficientului de corelaiie poate arata doar daca cele doua variabile
variabile. In cazul in care una dintre variabile este inClependenta, iar cealalta covariaza in aceea~i directie, Tnsa un r semnificativ nu poate fi un substitut pentru a
dependenta, interpretarea se modifica u~or. Coeficientul de determinare poate fi demonstra existenia unei relatii cauzale. Aceasta poate fi demonstrata, fie printr-un
Tn\eles ca procentul dir;J-!:Ii9.[2er.§i? ,.variabilei ... depen~tente .. <:xplicat.d~". evoluiia des}gn experimental ce presupune manipularea variabilelor de interes de catre
(influerliC'lL~~fi9!?jl<:iir:td,ep.~fldenteJPedhazur ~i Schmelkin, 1991). Cu alte cuvfnte', cercetator, fie printr-un demers logic, Tn care relaiia dintre cele dou~ variabile este
coeficientul de determinare nearata cat"..pe·mare este'influenta variabilei clara (caldura excesiva duce la cre~terea consumului de lichide ~i nu cre~terea
independente asupra variabiJei de pendente. consumului de lichide duce la cre~terea temperaturii aerului). .
In exemplul ilustrat, vom-6btine un coeficient de determinare r2 de .49
(49%), ceea ce Tnseamna ca aproape jumatate din dispersia celor doua variabile Sursa eOY~~i.~ntei dintre doua variabile poate fi diversa
. """
are 0 evolutie comuna. De obicei, coeficientul de determinare atinge valori mult mai -"H
mici. Prin comparatie cu criteriul orientativ stabilit de Cohen (1988) pentru indicele ~ . Brewer (2000) ofera 0 sinteza excelenta cu privire la posibilele surse ale
.' d, putem aprecia ca un coeficient de determinare de"'GQtindica 0 asocieresc.azuta corelatiei dintre doua variabile. Acestea au un rol deosebit in stabilirea validitatii
Tntre doua variabile, 0 valoare de ..D6...indica 0 asociere de intensitate medie intre interne a unei cercetari. '
doua variabile, iarun r2 de .>-1.i..~e~nifica 0 asociere puternica Tntre douc3 variabile. o posibila cauza a reJ.atiei dintredoua variabile este tocmai dependenta
In consecinta, Tntre gradul de preocupare pentru managementul impresiei ~i cauzala,g.JlneiaJat~i de cealalta, cum ar fi cre~terea consumului de lichide cu cilt
cheltuielile lunare pentru produse cosmetice exista 0 legatura foarte puternica. Cu gradul de deshidratare cre~te.
cat gradul de preocupare pentru imaginea avuta Tn ochii celorlalii este mai mare,
cu atat exista 0 tendin\a de a cheltui mai mult pe prod use cosmetice.
o alta limita a coeficientului ge determinare 0 constituie valoareapracticil.a
unei asocieri. Uneori, a~a cum am amintit de rela\ia dintre aspirina ~i infarctul
r miocardic, un coeficient de determinare extrem de mic, de numai 0,1%, arata ca 34
i din 1000 de atacuri de cord ar fi putut fi evitate prin consumul de aspirina. Deci, pe
Figura 3.3. Schema unei re/ati; cauza/e 7ntre doua variabile
56
57
II Illi:II!!
o alta cauz~posip@"a.. rela!iei dintre doua _variabile este asocierea doua variabile este mai intensa (r = .79) decat Tn cazul b-' t'l (_ .
(dependen!a) uneia-sal,le,arnbelor variabile c!~L9 terta.:.varia.t?Jla. Asemenea asocia!ii . . . ale,lor r - .58). Uneon
vanabilele moderatoare pot chlar bloca relatia cauzal- d' t X . Y --"'".,,,'
,,--~.~ .. - . . : ' a In re $1 . Astfel, am
se numesc corelatiiJalse (in engleza "spurious correlations")': putea concluzlona eronat ca tlmpul petrecut la soare nu I'nfl t' - .
. ' uen eaza nlvelul de
bronz~re a unel. pers_oan.e. Datele culese indica acest lucru, deoar~ce toti subiectii
testat l au fost Imbracatl in echipamente de protectl'e Ace t . -' I I' '.
. . ' " s ea jOaca ro u unel
, vanablle moderatoare a relatiei dintre X $i Y.
Tn parteastanga a figurii 3.4, corelatia dintre X ~i Y este rezultatul influen!ei Figura 3.5. Schema unei relatii dintre X §i Y moderata de 0 terta variabila
unei variabile terte C. Aceasta are 0 relatie non-cill!.~.cuX~i una cauzala-cu-:::{...
Sa presupunem ca un cercetator ajunge la concluzia ca zilele ploioase (X) duc la 0 . Tn sf~r$it, merita. facuta distinctia dintre variabilele moderatoare $i cele
dispozitie afectiva depresiva (Y). 0 asemenea concluzie este eronatc\ deoarece 0 medlatoare" In cazul ultlmelor, prezenta variabi!ei terte este _
aparitia relatiei d' t X . Y ~_~_.c __.'" c, necesara pentru
multime . de fenomene atmosferice, precum presiunea aerului sau gradul de , _ '. -:,LQ.f~~,.,.,.91,. . Astfef, X afes!§§.?a variabila C, care la randul ei
afect~:zaya[/a~1!9 Y.. I~ cazul .rel~tiei dintre prezenta sau absenta ploii $i dispozitia
c
luminozitate, sunt asociate cu prezenia sau absenia ploH fara a exista 0 relaiie de
cauzalitate Intre ele. Tn schimb, aceste conditii atmosferice pot influenta dispozitia afectl~a,.poate floofenta a exp~~catle alternativa, pe baza unei variabile mediatoa~e.
afectiva a subiectilor. in consecinta, dispozitia afectiva nu este dependenta de Atunci c~nd ploua (X), oamenll prefera sa ramana In casa (C). Or, aceasta implica
prezenta sau absenta ploii, ci de conditiile atmosferice care insotesc acest un n~mar redu.s d~ contacte sociale (C) ~i poate favoriza aparitia unei dispozitii
fenomen natural. De remarcat ca pot fi 0 multitudine de variabile terte care sa ~fectlve negatlv~ .rr). ~n ~It exemplu, din psihologia educationala, prive~te
afedeze relatia dintre doua variabile. Infl~enta c~nceptlel ~ascal.uIUJ. cu privire la calitatea relatiei profesor-elev. Aceasta
Tn partea dreapta a figurii 3.4, cele doua variabile X ~i Y ajung sa varieze la randul el, afecteaza motlvatla $colara a elevi!or.
deoarece ameele,suntintluentate de 0 variabila terta. 0 situatie tipicaar fi relatia
testata pe un lot de";~'pii cupri'n~i intre 2 §17 ani, di~tre numar~1 de ore de somn' $i
numarul de cuvinte $tiute. Corelatia talsa dintre cele doua variabile ne-ar putea
duce la concluzia ca 0 persoana care doarme mai putin, $tie mai multe cuvinte.
Situatia ar putea fi u$or remediata daca am con~tientiza $i controfa rofuf varstei Figura 3.6, Schema unei relatii dintre X §i Y mediata de 0 variabi/a terta
asupra celor doua variabile, ~tiindu-se dependenta evofutiei somnufui $i a
dezvoftarii fimbajului de varsta cronofogica. Toate. ~ceste situatii arata limitele validitatii asocierii dintre doua variabile
Variabi~e ascunse (neluate Tn seama\l].u sunt singurele care PCltinfluenta care nu pot fl Izolate de influenta altor aspecte neluate in studiu De aceea, un
vaHditatea int~rn5'a- ,r.ezuftatelor unei cercetari. Chiar $i in situatia existentei unei concept interesant $i important este acela de corelatie partiaJa. .
~.-"~---"" .,
relatii cauzale, aceastapoate fi rnoderata de prezenta altor variabile. Moderarea
reJatLE?l presupune cre$terea S}J.L_cj,§~cre$te~~.§.~~J!:).!~Dsitatiiasocierii dintre doua
3.1.2. Corelafia partiala
variabile. Un exemplu cotidian de variabila moderatoare este tipul de ten, care'
afedeaza relatia dintre perioada de stat la soare $i nivelul de bronz al pieHl. Tn Coeficientukdecorelatie dintre doua variabile noate ind •
psihologie, multe variabile de tip eticheta, precum sexul persoanei, varsta, nivelul Poate fi d"fi
c,
'1 d . t
I ICI
"..., ' '.
c, uce In eroare sau
e In erpretat atunci cand relatia dintre cele doua este afectata de
de experienta pot influenta relatia dintre doua variabife. Cef mai recent exemplu J.~C1Acest lucru este. e~ident mai ales Tn cazurile uno~ relatiifalsesau a te~o~
poate fiobservat In imaginea din dreapta a figurii 3.1, In care se observa ca sexul m.9.cger~te. Pen~rua elimma aceste neajunsuri se apeleaza Ii un artificiu statistic
unei persoane modereaza refatia dintre managementul impresiei $i vofumuf denumlt corelatle partiala.
cheftuielilor pentru produse cosmetice. Astfef, in cazul fetelor relatia dintre cele
58
59
_11111111111111111111111111111111111111111111111111111111 Ii Ii !'III, i I, I" I',i'il,il II Illi'lIlllll .""1 n,
serie de tehnici, precum C alLu.i P~~son sau V al lui l<ramer care au la baza
Luand exemplul corela\iei dintre nivelul de managemenJ al impresiei §i
calculare~~~i X2. Alegerea coefiCf9niilor de asociere In funcii~ de tipul de date
cheltuielile lunare destinate produselor cosmetice, yom aprecia probabil, ca relat ia
cu.,lese este prezEmtata Tn tabelul 1.2, dincapitolul destinat statisticii descriptive. 1
este moderata, printre altele, de nivelul ca§tigurilor lunare ale parintilor. Utilizand
baza de date "corelatii partiale.sav" §i urmand calea "Analyze"-"Correlate"-"Partial"
yom deschide fereastra din SPSS specifica indicatorului de corelaiie partiala .
Inainte de a efectua aceastaoperaiie putem calcula corelat iile simple r dintre
3.2. Tehnici de cornparatie 'intre grupuri
fiecare pereche de variabile. Astfel, yom obtine r (48) = .70, P < .01 pentru relaiia
dintre managementul impresiei §i cheltuielile 'Iunare destinate produselor Ipotezele nu se rezuma doar la posibilitatea de a stabili gradul~de·asociere
cosmetice, un r (48) = .51, P < .01, Intre managementul impresiei §i venitul familial dintre.. ,yariabile. De multe ori interesul cade asupra stabilirii un or diferente
lunar al subiectilor , respectiv un r (48) = .77, P < .01, Intre veritul familial lunar §i J""I'
semnificati~@,,)ntre.,grupe. Tntrebarea "Poate terapia prin ras reduce sim=;;t~~eie
cheltuielil,e lunare pe produse cosmetice. Ambele corelaiii ce implica venitul lunar depresive?" poate fi analizata prin comparargC3diferentelor In ce prive§te nivelul
sunt semnificative, ceea ce ne face sa credem ca variabila respectiva influenieaza depresiei pe ~,-:a grupe: un grup eX~I!1)1ental, care urmeaza 0 terapie prin ras §i
relaiia dintre managementul impresiei §i cheltuielile amintite. Venitul nu ar fi'i un grup de _C9}Jtrol, asupra caruia cercetatorl:ll nu intervine. Evaluarea ,.diferentelor
influeniat relaiia dintre ele daca nici una dintre relaiiile venitului cu cele doua J dintre grupe este dependenta de modalitatea de masurare a acestora. Cel mai'des
lntalnim, fie variabile daJip D.9mipal, ale caror raspunsuri sunt analizate pe baza
variabile nu era semnificativa. I'.
Pentru a vedea care este relatia dintre managementul impresiei §i diferentelor deft;ecvenJ;a",(X2). fie variabiLe de tip IJkIEneric. analizate pe baza
cheltuielile destinate produselor cosmetice, eliminand influenia venitului familial diferentelor dintre1D~2.iL{~estele t §i z).c,~,~
lunar asUpra celor doua, yom calcula coeficie~~1 de corelaiie part iala . Acesta are I
~:".<"-., ... -~"~",.-.,"
'
mai multe simboluri, Tnsa noi II yom nota cu;~er,!!respectand recomandarile "bibliei ·1l 2
psihologilor" (APA, 2001). Rezultatul obiinut indica pr (47) = .55, P < .01, valoare 3.2.1. Tehnicile X
mai mica decat cea exprimata Tn'relatia directa dintre cele doua variabile [r(48) = Distr~l;l:bLtia,x2.,Slste
frecvent intalnita Tn cazul datelor QEltjpnomin.al, fie sub
.70, P < .01]. Astfel, iinand constanta influenia venitului lunar asuprarelaiiei dintre forma unui test~x.:_~1
gradului de.J).otrivire. (in engleza "goodness of fit"), fie sub
cele doua, se constata, Tn continuare, 0 relatie pozitiva semnificativa Tntre
f~rm~ u~U,i ~e§1.x2.Jl.l ~raduluiAgr:!l<:>9E!~.i~~te (Tn engleza "homogenity test"). 0
preocuparea subiectilor pentru managementul impresiei §i cheltuielile efectuate sltuatle tJplca pentru pnmul caz este de a stabili daca exista..diferente semnificative
pentru achizitionarea de prod use cosmetice. De altfel, expresiile de genul Tntre raspunsuj:lle"la.oJ!l~r§t:l§(e de genul: '., ,
"eliminand influenta lui A" sau tinand constanta influenta lui A" sunt echivalente §i .',.,,'• 1":•.,'
speci~Tnf~~~~i~~ea interpr~t~rii coeficient~'i-d'Etco"r~latie partiala. "Daca duminica urmatoare ar avea loc alegeri prezideniiale, v-aii prezenta la vot?"
Coeficientul de corelaiie partiala poate fi calculat pentru mairtlIJ!U!~•.•.fL a) Da b) Nu c) Nu §tiu I Nu raspund
singura varigpliamoderatoare. Spre exemplu, putem calcula gradul de asociere
dintre managementul impresiei §i consumul de prod use cosmetice eliminand Pe baza simplei analize de frecvente, rezultatele colectate sunt sintetizate
influenta exercitata atat de venitul familial lunar, cat §i de sexul persoanei astfel:
chestionate. Cu fiecare variabila iinuta sub control statistic se pierde dUe un grad
de libertate. Daca In cazul lui r, gradele de libertate erau stabilite dupa formula N-2, Tabelul 3.1. Frecvenia raspunsurilor celor 70 de subiecti.chestionati
In cazu~~I~JieJ.par1;iale, gradelsu!!~U,ibertai~ sunt obtinute pe ba~a formul~,~.7,£:"~.
~,,-unde J~ieprezinta numarul de variabile tinute constante. Astfel, In cazul unul pr "Daca duminica urmatoare ar avea loc alegeri prezidentiale, v-ati prezenta la vot?"
de~QL~inul J (cu 0 singura variabila moderatoare) vom ave a ~I in cazul unui pr dEl DA , NU , NU :;lTIU NU RAsPUND
c!Lc!i~.~LI\ (cu doua variabile moderatoare) yom avea ~:~ ..9.C\.m.d. In exemplul dat, 35 , 20 -, 15
valoarea 47 a gradelor de libertate a, fast obtinuta scazand din totalul de 50 dE~
subiecti testaii, valoarea 3, deoarece exista 0 singura variabila ce trebuia tinut~\
constanta - venitul familial lunar.
Nu toate datele sunt exprimate prin $ale_lJumericepentru a se putea
calcula r. Destul de des variabilele sunt analizate pe baza freQl.ent ei de apariiie a 1
Pentru detalii, vezi Clocotici §i Stan (2000), Hinkle §i colab., (1994); Rotariu §i colab.
raspunsurilor §i ceva mai rar, pe baza ierarhLeLri3.§Q!dDsu~Hor. Au fost dezvoltate-o (1999); Sava (2003) sau Yaffee (1996). '
61
60
, II, ill II' III '1111 ,11111 1IIIIIIIIIIILlIIIILlIIIII 11111 111111 11111',11111 11111"11111 11111,11111 111,111 ""."Ii :111111' 1111 III', 'III ,III' iIliLlIIIIL'IIIIIIIIIII.IIIIIIIIIILlIIIIL'IIIIIIIIIILlIlIl IIIILIII' 'II, III 1111'1111,11111'111,1111'11111111,1111111111111, ,I" ,III :111 11111111, 'III ,III lili ,III, :lIIlIIi ,III, 1111111: '1111 IIIhlllll 1l1Ii'1I1I,IIII'IIII':1II1 11111 'llih 1I1I 1 _ _ _ _ _ _ _ TffflITffflTfffl TffIlITffllTfffl:Tfffllfffl Tfffl'TffflTfffl Tfffli TffflTffflTffflIfffllTffffTffffTfffP,'TrrnTfffP'TrrnTffl1fflTrrnTffl!WTffl TIl TIl TffI Tfl ,III 1ff III Tffl III TffI Tffllill 1111 TffI:Tfl TffIlTffl _ _ _ _ TffITfWTffHrnmnrrflffflmnmrnrrrmnmnlrrtlrrtmrtlrrt1fl'1ffrrrnrrrffTI
.. (
I
2) Ce .fel de grupe sau categorii de raspunsuri sunt comparate?
'Intu' 'It exact cum ar fi ce procent de studenti dintre colegii tai lucreaza?". Dupa 3) Ce fel de date au fost colectate?
erau greu de , ". ' u ' .. fi' d
erm'lnarea celor "ase intrebari, a intervenit manipularea experimentala, sublec~1I ~n 4) Conditiile aplicarii tehnicii respective sunt j'ndeplinite?
t db k T unand
I
impa~i~i aleatoriu Tn trei grupe. Gelor din prima grupa Ii sua dat ~nfee ~c. POZIIV, sp 5) Ce fel de ipoteza trebuie testata?
y U •
U u s mult ma'l bine decat media cinci din cele ~ase raspunsun filnd corede, Gelor 6) Cat de intensa este diferenta dintre grupe sau dintre categoriile de raspunsuri?
ca au raspun . ' ....
I,
din grupa a doua Ii sua oferit un feedback neutru, raspunsurile lor fll.nd medII, deoar~c.e au
I'.1'·' raspuns cored la trei intrebari din ~ase. in sfar~it, cei din al trellea grup ~u pnm.lt un
~1
feedback negativ, experimentatorii sugerand ca au raspuns m.ai slaub _decat media, ~n Slng~r (1) Gum identificam situatia de compar'!ti.e,.deJestare a diferentelor?
raspuns fiind cored. Dupa aceasta manipulare Ii sua pu.s 0 ~I~~~ra Intre~are suplimen~ara, Majoritatea studiilor din psihologie au la baza teste de stabilire a
legata de rezultatul echipei de fotbal american a unlverslta~1I res~ed~v~ la unul dln,tre semnificatiei diferentelor. dintre grupe sau categorii de raspunsuri. Pentru a
ultimele doua meciuri sustinute. Unii au fost intreba~i de rezultatul meclulUi plerdut de echlpa identifica aceste5tucHfestes'Uflcient sa analizam modul de formulare a ipotezelor.
universitatii iar altii de re~ultatul meciului ca~tigat. Raspunsurile la intrebare au fost .codate In exemplul dat yom regasi expresia: "raspunsurile de tip «noi» apar mai
in una din' cele 'doua categorii: "noi" sau "non-noi". In categoria "noi" au fost Inclus.e frecvent Tn situatii de victorie, decat in cazuri de j'nfrangere". Alte sintagme care
raspunsuri de gen~1 "I-am batuf', "Noi am pierdut", ,,Am ca§tigat cu 4-2", "Amuf~st ~Iecat din, indica necesitatea comparatiei pot fi: "grupul A are rezultate mai mari decat grupul
ora~ ~i nu ~tiu ce au facut ai no§tri", iar in categoria "non-noi" s-au regaslt raspunsun B", "tratamentul A este mai.,b!!'Q..decaMratamentul B" sau "amt>ele tratamente sunt
:ji
;'j,1 precum "Au pierdut", "ered ca au ca§tigat", "Nu §tiu ce-au tacut". _ . . mai bune decat absenta oricarei interventii". Toate aceste formulari au ca ipoteza
Studiul avea doua ipoteze:' (1) raspunsurile de tip "noi" apar mai frecvent In ~~tua~:a nula uzuala absenta diferentelor d0ire medii sau frecvente. 0 situatie aparte de
de victorie a echipei de fotbal, decat in cea de infrangere; (2) acest efect va fi intenslficat In comparare a grupurilor este intalnita in cazul testului x 2.al.-graduluLde olllQgenitate
63
62
"11'1111111111, Ii" '111,'IIII'JILIIIIIL:Ulllllllmlllllllru.IUIIIWIlllUIIIUIIIUI.,I _ _,.1I1!1II_IIIIIIIW~IIIIIIIIIIIIIIIIIIII~lllllulllllll
e"- .
,.-" Meci c8§tigat 30 25,5
trebuie sa fie m§il1)ica de 1; similar, un procent de pest~__40% din casut Meci plerdut 21 25,5
Total subiecii 51 51
65
64
,, IiI I I ~ I I iI ' I !' I Ii I I' Ii ;I :II 'II 'I! ':I II: I i :I ':' iI ! III III !II,III 'II' '1111 1111'11111 111111':111111 1IIIIIillllili 1111 II,IIIII!IIIII:IIII 'I 111'1111 111"111 !II"III 'III 'II 1111 111"111 1111 111'.1111 III 1111 III 111'111 II' ::'1'11'111':111111:111'11"11"
,I ~: I 'I I, Ii iII ,111111111 1111 ,' , , ' ,,'I " " :: :1'
I
..J
curand. . , . . " .., b ddt Tn figura 3.7 atrag atentia doua reziduuri staridardizate ajustate, am be Ie
Testarea celei de a doua ipoteze poate fl venficata utllizand aza e a e fiind legate de oferirea unui feedback negativ su~iectilor. Astfel, se constata 0
· t t a· i ' dupa ce In prealabil am ponderat variabila "frecv" utilizand calea frecvenia observata semnificativ mai mare decat cea a~teptata In situatia unui
" h I pa ra.s V , , . ' • 05
"Data"-"Weight cases". In urma dem~r~uIUi s-.~ ~btln.ut un %2(2) == ~,~.~, p <. . feedback negativ oferit persoanei §i a unui rezultat pozitiv al echipei universitatii.
Valoarea %2 este semnificativa statl~t1c,. spnJml~d ~poteza cerc~ta~II, fre~venta Inversul acestei situatii apare Tn situatia unui feedback negativ ~i a unei Infrangeri a
"
raspunsu r'lor
Ide" tip noi" In caz de vlctone
' . sau mfrangere a echlpel. sportive
. , de echipei universitaiii.
" este influentata diferit In functie de tlpul de feedback ofent sublectllor. Ce Inseamna acest lucru? Daca X2 ne ...............
arata
apa rt ene nta, '.. '". ' . 't ,__,___ca
:__ ....tipul
_..... _de feedback
. afecteaza ,,--_K~~'-_ ~
M' ult din consultarea figurll 3.7.se observa tendmta persoanelor care au pnml Tn modgill?[itreferinta directa la grupul de apartenen\a In functie de tipul de meci
fe:~~ack negativ sa utilizeze mai multe raspunsuri de tip "noi" In cazul In care vizat, ahaU;;;a-reziduurilor ne arata ca afirmatia de mai sus este valabila In cazul..
echipa universita\ii a ca§tigat. unui feedba'd<negatiit.Astfel, subiectii carora Ii s-a spus ca au ob\inut performan\e
....,
'-....
67
66
'1!',III'IIII'lllllillll'illll'IIII'11111 il 'II: 11111:11111'IIIIILlllllljIIIIIJIIIII~IIIIWIIIIIWIIIIItliII e."••III___UUIlIliIl.'l
..._ _ _
sub mediela Tntrebikile initiale tind sa foloseasca mai des, Tn caz de victorie a . De altfel, ,I'j reprezinta ~i valoarea maxima a luLx2 Tn situatia respectiva. Tn
echipei, sintagme de tipul "noi am batut", "echipa noastra a ca~tigat" etc. Similar, cazul primei ip.oteze poate fi calculat coeficientul de determinare, deoarece exista
subiectii care au primit un feedback negativ tjnd sa foloseasca Tn caz de Infrangere un singur grad de libertate - X2(1) = 1,93, P >.10. Aceasta valoare este comparata
cu X2 maxim pentru situatia respectiva, care este 51, deoarece totalul raspunsurilor
mai putine sintagme de identificare cu echipa universitatii.
Daca In locul raspunsurilor de tip "noi" ar fi fost contorizate frecven\ele de tip "noi" a fost 51 .. Tn consecinta, r2 este .037 sau 3,7%. Daca yom apela la
criteriile de comparatie prezentate in tabelul 2.2 din capitolul destinat principiilor
celor de tip "non-noi", am fi obtinut 0 situatie In oglinda. Adica, persoanele care au
primit un feedback negativ tind sa folosea~ca mai rar,-ln cazul victoriei echipei de testarii ipotezelor, vom constata ca exista un efect relativ redus al rezultatului
apartenenta, expresii de genul "au batut" sau "ei au ca~tigat". Astfel, se poate meciului echipei universita\ii asupra tendintei subiectilor de a formula raspunsuri de
concluziona ca subiectii al caror prestigiu personal a fost afectat tind sa utilizeze tip "noi". Mai mUlt, daca vom tine cont ca r2 nu este decM patratul coeficientului de
pronumele personal "noi" sau expresii care Ii includ implicit pentru a se asocia cu corelatie, yom putea observa ca unui X2(1) = 1,93, P > .10 Ii corespunde 0 corelatie
r de .19 Intre cele doua variabile. '
situa\ii d.e succes ale grupului de apartenen\a.
Inainte de a discuta marimea efectuiui pentru tehnicile x2 , yom prezenta, Atat in cazul unui~LU~ cat ~i Tn cazul unui X2.s_lJlTlai mult de un grad de
libertate, poate fi estimat un alt coeficient al marimii' efectului,;'noti3t w. Acest
pe scurt, modul de stabilire a gradelor de libertate. Tn cazul unui X:""eLgradului de
potrivire, gradele de libertate se stabil;;~'~~or:'-cfupa form1!t~~:_~, unde c reprezinta indicator. poate fi calculat prin intermediulsoftware-ului GPOWER'(Faul 9i
Erdfelder, 1992), disponibil gratuit de pe internet.
numarul de categorJi.deraspunsposibile. Tn prima ipoteza Intalnim doua categorii:
meciuri ca~tigate sau meciuri pierdute de echipa de fotbal a universitatii. Prin Marimea efectului Tn cazul primei ipoteze X2(1) = 1,93, P > .10 este .18, 0
valoare care indica acela9i efect slab al rezultatului partidei de fotbal asupra
urmare exista un singur grad de libertate. Tn schimb, In cazul unui X2 'lL9I9-duluL(le
utilizarii raspunsurilor de tip "noi". Pentru a avea 0 impresie generala, un w de .10
omqgeniJ!:lte._specific tabelelor de contingenta, formula devine (c-1j,U~l)J, unde c
semnifica un efect slab, un w de .30 semnaleaza un efect de intensitate medie iar
fnseamna numaruL".~e coloane (categ~riiaie primei variabile), iar I Inseamna
numarul dj~linii (categorii ale celei de-a doua variabile). Tn cea de-a doua ipoteza un w de.&Q"sau mai mare indicaun'efect puternic. Pe baza marimii efectului ~om
yom avea 2 grade de libertate (3-1)(2-1), deoarece tipul de feedback are trei constata ca puterea statistica de testare a primei ipoteze nuera mai mare de .25,
categorii de raspunsuri - feedback pozitiv, neutru sau negativ, iar tipul de meci ceea ce Tnseamna de trei ori mai putine ~anse de a observa acest efect mic, daca
el exista Intr-adevar, decat de a comite eroarea de tip II. Pentru a ating.e un nivel
ramane cu cele doua categorii - meciuri ca~tigate, respectiv pierdute.
optim al puterii statistice de .80, necesar testarii ipotezei, am fi avut nevoie de mai
(6) Cat de mare este diferenta dintre grupe sau categoriile de multi subiec\i. Mai exact, am fi avut nevoie de 122 de raspunsuri, cu 71 mai multe
raspunsuri? ' decat cele 51 de raspunsuri observate. Tn consecinta, datorita puterii red use,
Un rezultat $.8mnificativ statistic nu Inseamna decat ca grup~le cgJ1lparate
dife[afntre .eJe. EI nu Tnseamna neaparat ca diferenia,,8.ste,mare. Pentru a vedea
cat de mare este diferenta dintre-grupe sau categorii de raspunsuri yom apela la
indicatorii de apreeiere a marjmii eJectului.
I rezultatul nesemnificativ statistic are 0 explica\ie alternativa ipotezei nule.
Diferen\ele pot exista In realitate, Tnsa nu au .. fost identificate datorita unui risc
crescut de a comite eroarea de tip II. Tn cazul unei puteri statistice de .25,
probabilitatea de eroare este de 75% (1 - puterea statistica).
Din pacate, majoritatea indi~"atorilor pornesc de la ideea unei varj§lbil? Utilizand acela9i program statistic, yom constata un w de .38 Tn cazul celei
criteriu (dependente) masuratEq)rin scale numerice, fapt ce afecteaza calcularea de-a doua ipoteze, ceea ce indica 0 schirnbare de magnitudine medie In utilizarea
marimii efectului Tn cazul testeior X2. Totu~i, printr-un artificiu prezentat in raspunsurilor de tip "noi" Tn situa\ii de ca~tig sau pierdere, Tn functie de tipul de
Ros?nthal, Rosnow ~i Rubin (2000a), putem estima marimea efectului in mod feedback personal primit. Tn cea de-a doua ipoteza, X2(1) = 6,12, P < .05, puterea
ciaslc doar in cazul testelor X2 cu un singuI.gr<3,9,Sle li~ertate. Coeficientul de statistica era de .72, un nivel destul de apropiat de cel optim. De alttel, pentru a
determinare poate fi extras pe baza formulei: atinge valoarea optima de .80 a puterii statistice, am fi avut nevoie de 61 de
raspunsuri de tip "noi" , cu 10 mai multe decat datele colectate. Tn consecin\a,
(3.2) rezultatul semnificativ statistic corelat cu 0 marime medie a efectului celor doua VI
asupra VD, sprijina clar ideea ca subiectii, al caror prestigiu personal a fost afectat,
tind sa utilizeze mai frecvent termeni de referinta de genul pronumelui"noi" pentru
unde X2(1) reprezinta valoarea testului.de.cP.f.Dparatie a diferentei dintre a se asocia cu situa\ii de succes ale grupului de apartenenta, ca 0 masura de auto-
fr§9 ven t e , cifra 1 dintre paranteze ne amint;it'~ ca formula este valabiladoar daca Tnaltare.
testul are un singurgrad .de libertate iar Neste numarul
I, . __ .
total
'
de frecvent e
-~·._:.::.-'-'u
observate.
68 69
I : 'I"!I"II' I I "I' '11'11 II' il '11'111 I ! ill'lli '11'111 III' IIII!III:IIIIIIIIIIIII"IIII'!' I: I I I: 1111'111,"
Tn sfan;;it, 0 alta modalitate de calculare a marimii efectului in cazul X2 (1) daca cele.,-doua .grupe comparate au fost alese la Tnt~mplare, ··pe baza
2
consta in utilizarea indicatorilor de asociere obiinuti pe baza valorii X , precu[].Y",?1 situatiei~.~~.~~~e, c.a i~ cazul a doua clas~eJ;~'raTeie-deelevi sau a doua
grupe de var~tCl .d!fente, se utilizeaza testele pentru.._.e~antioane
lui Cramer. Acesta este un coeficient de corelatie non-directi(J~~1 ce variaza Tntre 0
;1, unde 0 semnifica absenta efectului, iar 1 un efecti~f~ern de-puternic. in~C!.~PE3ndente.
(2) daca cele doua grupe sunt Tn relatie Jma .. cu cealalta prin interventia
-~ ... De altfel, Tntregul demers X2 prezentat anterior poate fi interpretat ~i sub
forma asocierii di[1.tre.Aolja .variabile nominale. Intr-o asemenea si,tuatie, ipoteza experimentatorului~a,u,princorespondenta naturala a elementelor din c~le
nula indica ~nta relatiei dintre doua variabile, Tn timp ce un X2 semnificativ doua grupe, yom utiliza testele pentru e~antioane perechi (corelate). Exista
trei situatii Tn care vorbim de e~antioane dependente {perechi):
statistic sprijina ipoteza asocierii dintre doua variabile. De aceea, Tntr-un fel, X2
constituie un Jiant Tntre tehnicile de asociere ~i cele de comparatie. a) situa(ia masl4.@Q[i1orrepetate
o grupa de.J>_ubiecti este testata d,e ioua ori asupra aceleia~i variabile,
cercetatorul fiind interesat de modifici:\rile ap~rute Tntre cele doua testari
3.2.2. Testele t §i ~de comparare a diferentelor dintre doua medii pre-te~L~Lpo~t-test. Testand acelea~i ajunge la perecbi d~
persoane:s-e
Daca variabila dependenta nu este masurata prin scale nominale pentru a rezultate, de pilda scorurile obtinute de ,X' la Tnceputul ~i la finalul unei
fi supusa analizei de frecventa, ci este evaluata prin scale numerice, este nevoie inte7Ve'ntii terapeutice.
de compararea.mSlsijijQr pentru a testa ipoteza existentei diferentelor dintre doua b) situatia, perechilornatura/e _
~.'",....
populat ii pomind de la ;)mpararea a doua grupe. De altfel, cele mai multe dintre Cele doua grupe sunt forl]§t~w9upa una sau mai multe caracteristici
cercetarile studentilor la psihologie necesita apliGarea testelor t sau z. Exista trei pre~~bile,.care exista Tn mo;t~<l~~ral. Tn cazul studiilor privind impor1;anta
tipuri principale de tehnici t ~i z, Tn sa SPSS-ul permite doar caIG!:!.lsr~a, J§.;(t;~Lor t. ordlnll la na~tere se pot crea doua grupe de subiecti, dintre care (ntr-o
Valorile z pot fi totu~i dedu§5?din rezultatele oferite. grupa sa fie inclu~i primii nascuti, iar in cealalta grupa mezinii cu conditia
Cele trei tipuri deJeste t~i.z~.~.Qt ca fiecare dintre ace~tiasaaiba 11.n corespol",ldent (un frate) Tn ~rima grupa.
• tehnici care privesc diferenta dintre media~~le~antion ~i.f§§._C3Popul~tiei Se ajunge, din nou, la perechi de rezultate, de pilda scorurile obtinutede
din care acesta a fost extras; titulatura tehnicilor este testulJ.·pentruun. "Popescu A.", primul nascut; distribuit Tn grupa A ~i scorurile obtinute de
e~qntion., respectiv testul z pentru un e~antion; pentru a efectua, in SPSS, "Popescu Z.", fratele mai mic al primului, distribuit in grupa B. '
testul t pentru un e~antion yom urma calea "Analy~_~::,-"Q()mpare Mec;t~s"-
c) situatia perechilor artificia/e
. "One 9a[J1pl~ T Test". 1 .~"'"-"'':.
"._--'-"'""'M. .
71
70
1IIIIIiIIIIIIUIIIII~lllllIIlllllIllllIIlllllillllll:IIIIII'
:::'~\:::~":~::':::'::'2:':~:~::~:;:;~';i~~!~~~1~t~}';1i'm""
acestei categorii create ad-hoc. dorim sa studiem daca exista diferen\e'Tntre cele doua
grupe de oameni Tn ce prive~te nivetul tor de impulsivitate: Aceasta trasatura de
personalitate a fost masurata printr-o scala specifica pe un numar de 63 de persoane, dintre
, diferite, filnd:des.pi:irli\i de 1<3 na~tere. Ivlai [TJult, .dlferent~ er<3.de~r?!,~G;Cl!l~Cl~!~k~rl,IF:~~~p~n.~ ~n care 27 intrau Tn prima categorie. a celor care sareaza mancarea Tnainte de a 0 gusta. iar 36
farniiii :.n6rmale·.... la? ceilal\i 1n famiHi cu~,problelJle·, Obiectivul'$t~dlg!~I:f~Cl.u;r7:t::~~~~~Clqlh. m
erau persoane din a doua categorie. Datele oblinute pot fi consultate In baza de date "t
ce hia~~r~: agresivitatea este inva\ati:i soCial, cu·' altecuvii:lt~:Tri' PEl:m,ClsP!¥l' ,r?<.I~i?;;~lrerente
semnificative in mariifestilrile agres.ive al~,gef1lei:lilor diri cete. dalla' grupe/\g~El~IY,lt~te:~Cl.f()st independent.sav'. (0 cercetare pe 0 tema similara a fost efectuata Tn realitate de McGee §i
codqt~ P~ ~p.:.z~y,I). "i . prG!()Cotde()Ql5I?[V,~iie, ~c~~4rit\~ y~rijn<l1ptre,~,!i:~Q':';2\:t/:'\:i;»tt~ Y~:'/);i.:,
.',U, .' Snyder, fiind descrisa Tn Kerlinger §i Lee, 2000).
-" .• ; :;ie-.
Problema B
Un student din anul III este interesat sa stabileasca daca anul I Psihologie este mai
I dificit decat anul al II-tea. din perspectiva rezuttatelor §cotare. Pentru aceasta. et setecteaza
la lntamplare un grup de 28 de colegi, carora Ie catculeaza media generala ob\inuta de
ace~tia Tn primii doi ani. anticipand ca subiectii selectati vor avea rezultate mai mari Tn anul II
decat in anul I. Datele obtinute pot fi gasite Tn baza de date "t dependent.sav·.
calm[j'relaxanta iO timp ceal doilei'!gr.up Vi'! rezol:v:a'prpb!~.rp~ 9~\rnq bcaJ:~tr,Cl.~trT:1()s.tera In prima problema. variabilade grupare are doua,GCjtegorii: persoane care sareaza
Z}ps:i:;t~}~:8~;~~~~,t~~,~y,;~::,~I:'r::~~:!~~~~~;:t~~~~~%T~~~'~~;', ..f~}~!a;[:i~~{it:-:Y]t, manearea Tnainte de a 0 gusta $i persoane care sareaza mancarea dupa ce au
gustat-o. dupa preferinta. Daca variabila ar fi inclus 0 eategorie suplimentara. cea a
,.' . ' . ' , . ;.' " .c,' :<;:;;/:"::9\;,::;" :':,;:q;';;rgi;{<;;~~;~i<'>~:;"
•.~;~1;1~:~~~~:f'~~=!~~~ij6;·~j"~:~r~·;114:l\~~j~~i'. ~. . I~~;!~
persoanelor care nu sareaza deloe mancarea, am fi avut trei categorii VI, deci nu
am ~ fi aplicat testele t sau z. In problema B, avem tot doua grupe. prima fiind
constituita din rezultatele studen~ilor cand erau Tn anul I, iar cea de-a doua. din
rezultatele studen~ilor ob~inute in anullI.
s-a cibtinut un.scor rriediu de 80 §io abaterestar:idard' de 8: Serl~lca'tn~r~b~H~?,;aref3Geasta •
c1asa Gn nivel mediu dee~patie mai ridicatdecat media populatieid~eleYif?t"><'; , "
73
72
III 'III !II'III III III IIIIII :11111:111111:111,,111111111::1111
75
74
'I!II,II
77
76
,III, ilIIUIIIIIIIIIIIIIIII',IIIIIIIIIIIIIIIIIIIIIIIIIIIIII~111111:1111111 III II' '
d deoarece media generala din anul I era mai mica decat media generala a anului II.
r
''\
i\
r= g (3.4) ~1-r2
(3.5) r=.Jd 2 +; (3.6) Daca am fi inversat termenii operatiei am fi obtinut un rezultat pozitiv. Tn'
~g2 +{~J +
g= consecinta, spre deosebire de corelatii, Tn cazul testelor t §i znu conteaza
I '~'-,:,=:"::"~=-~~:'::::'."c .. ".,.,. .__ ..
semnul
dfv11 n2) acestora, ci doar rezultatul ca valoareabsoluta', ~Tn cazul de fata 1,BO. 0 alta
nl112 deosebire fata de tabel prive§te tipul de ipoteza testata. Din pacate, SPSS-ul ofera
doar valoarea pragului de semnificatie pentr!l testele bidirectionale. Daca ipoteza
~
11 d = 2r (3.7) (3.8) g=df!-
(3.9) cerceWrii este unidirectionala, precum in cazul problemei B, va trebui sa calculam
..)1- r2 d=g df manual pragul de semnificatie pentru testul unilateral. Valoarea acestuia este la
~. jumatate din cea a pragului unui test bidirectional. Tn cazul de fata, yom obtine
~,~-. ~
pentru testul unilateral un p ~de~,,04.L~.0824'2} Cu aceasta ocazie putem constata
.. ~. .. f t liN semnifica numarul total de
unde r 9 sau d reprezinta indicatorll manmll e ec u u , .' ~ importanta formularii ipotezei de cercetare. Tn cazul unui test bilateral ("exista,
, . . t fiecare din cele doua grupe
subiecti testati n1 ~i n2 numarul de sublecil pen ru ~ I diferente semnificative Tntre mediile ~colare din cei doi ani de studiu"), testul t nu ar
' ,' I'b rt t De remarcat ca formule e se
comparate iar df reprezinta gradele de I e a e. d fi fost semnificativ statistic, deoarece pragul obtinut de .08 era mai mare decat
' ' . a va fi yorba de gradele e
pastreaza ~i in cazul testelor ANOVA, cu preclzarea c pragul maxim admis de .05.
libertate ale dispersiei neexplicate (df intragrup). Prin urmare, datele nu ar fi sprijinit ideea unei diferente Tn dificultate intre
cei doi ani universitari. Tn schimb, in cazul unui test unidirectional ("media generala
lata ~i demersul statistic in cazul problemei B: din anul I va fi mai mica decat media generala din anul \I"), testul t a devenit
semnificativ statistic, deoarece un p de .04 este mai mic decat limita maxima de
"1 I an~ale pentru cele doua grupe
Tabelul 3.6. Mediile §i abaterile standard ale medII or §co are .05. Pe baza acestui rezultat §i analizand mediile din cele doua testari, yom putea
Anulll de studii afirma ca anul I de studiu este mai dificil decat anul al \I-lea. Tinand cont ca ipoteza
Anul I de studii
M AS problemei Beste unidirectionala, a doua interpretare ramane in picioare. Astfel,
M AS
8,22 0,94 datele susiin intuitia studentului, rezultatele §colare din primul an de studiu fiind
Media generala 8,14 1,00
mai slabe decat cele obtinute in anul al \I-lea.
.. ' t r i suficient de mare Gradele de Iibertate Tn cazul testului t dependent se obtin pe baza formulei
Este aceasta diferenta dintre medII, de doar op su 1m,
, . ~ . I t ' uc::or decat anul I? Pentru a ~L~,;J!!, unde N reprezinta numarul de perechi de date. Tn cazul de fata, au fost 28 de
pentru a sprijini ideea studentulUl ca anul I es e mal .,. . perechi (subiecti intr-o grupa), prin urmare sunt 27 de grade de libertate.
raspunde la intrebare vom aplica. testuI tpen tru doua ec::antioane
.,. perechl.
Ramane valabila intrebarea: cat de mare este diferenia dintre cele doua
medii? Aplicand acelea§i formule prezentate in cazul testului independent yom
obtine un r2 de 6,25%, corespunzator unui r de .25. Valoarea indica un efect de
intensitate medie, existand diferente destul de cbnsistente intre rezultatele §colare
Diferenta
t df Sig. (2-tailed) obtinute Tn cei doi ani. Anul I este mai dificil decat anul al II-lea. Pentru comparatie,
dintre medii
Pair Media generala in anul I - ~1 ,803 27 ,082 un efect scazut corespunde expresiei "putin mai dificil", iar un efect puternic,
-,0814
1 Media generala in anul " sintagmei "mult mai dificil". '
79
78
iii 'iii '1111 "III' 11111111111 '1IIIIUIIIIIWIIII~lIlIIillllll~lIlIIdlllll '11111 1111 ,iii 'II. ,
b~rbaii ~i femei), grupa de varsta (exista diferente Tntre tineri ~i vars~ni~i) etc: ~ai
De~i testele t ~i z sau tehnicile X2 sunt cele mai utilizate metode de campare a
mult uneori eriteriul-,:degrupare poate fi 0 consecinta a a~a-zlsel vanablle
dep~ndente. Obiceiul de a sara mancarea Tnainte sau dupa gustarea manearii ?a~~
diferentei dintre daua grupe, ele nu epuizeaza taate pasibilitaiile Tntalnite. Figura
3.10 prezinta un ghid simplificat de alegere a testelar de comparatie introductive,
a fi mai degraba un efeet al impulsivitaiii ~i nu 0 cauza a aeesteia. Aeeste subtlhtail
dar ~i a celor de asociere: Ghidul T~i pastreaza validitatea Tn cazul respectarii
joaca un rol important Tn interpretarea rezultatelor, precum identificarea co recta a
candiiiilar de aplicare a fiecarei tehnici statistice in parte (detalii despre taate
relaiiilor de tip cauza-efect.
aceste tehnici sau altele care Ie pot substituipot fi gasite Tn Clacatici ~i Stan
(2000), Field (2000), Hinkle ~icolab. (1994), Lungu (2001); Radu ~i calab. (1993),
Sava (2002) etc.).
Tn finalul acestui capitol yom discuta cateva masuri care trebuie luate in
ca;z:ul Tn care:
(1) exista d~,wJip,sa;
(2) exista date necmL~qU)~~"_.E:J~treme;
(3) datele brute trebuie. transformate pentru a Tndeplini conditiile de
aplieare ale unor teste.~_~Cl!isti~=_~~!~_~etrie_e.
80
81
1111'11111111,111111 'I,', ',',,'l'lj"I,,'11 ill',,';I,II',li 1IJIIIIUIIIII'jllllillllllllll_IIIIIIIIIIIIIIIIII,II,1 'I' II ,II ,I III 1111 III II ~ I J II II 'II 1111 1111 1I11 1111 IIU
'I
asociaza foarte mult cu criteriul, vor fi luate drept predictori. Totw;;i, estimarea
date lor lipsa pe baza regresiei are $i ea anumite limite: valorile prezise pot depa$i
Ii
astfel ~ncat conditiile de aplicare ale unor teste statistice sa fie Tndeplinite. Acestea
sunt dlscutate pe pareursul Tntregii luerari, la momentul prezentarii fieearei tehn' .
t t· t' • ICI
amplitudinea unei variabile (ex. raspunsurile se regasesc Tntre 1 $i 5, iar valoarea I S a IS Ice In parte. Deoeamdata yom preeiza doar ea eele mai Tntalnite eonditii sunt
normalitateq distributiei, respeetiv Iiniaritatea $i homoscedasticitatea relatiei'dintre
estimata este 6); pentru aplicarea ei avem nevoie de variabile care sa rela\ioneze
doua varic:b.il~.. . '
puternic cu variabila criteriu.
, Re!q1ij1e.neliol§fe pot fi tratate Tntr-unul din urmatoarele modurt. Prima
solu.tie posib~la duee la gruparea valorilor variabilei ~}!:lyei. categorii (mici, medii :;;i
3.3.2. Managementul datelor neobi§nuite man). 0 data grupate, se pot aplica, fie tehnici de comparatie a diferentelor dintre
liniara, T~sa acest lucru trebuie verificat prin jnspectarea n~rului de puncte.
amintit In sec\iunea destinata norului de puncte, cand am prezentat efectul lor
In cazul un or date numerice, homoscedasticitatea presupune ca
asupra valorii coeficientului de corela\ie. Tmpra$tierea punctelor sa fie aproximativ aceea:;;i pe toata distributianQrului de
Sursa valorilor neobi:;;nuite poate consta Tn introducerea locorectiLe....unor
puncte (finalul sec\iunii 1}.:?), jw _T~ eazul datelor . nominale, implica id~ea ca
date Tn calculator (de exemplu tastarea valorii 77, Tn locul lui 7) sau Tn includerea
variabila . depen~enta .~~.Jj~ Iq_J.eldeD:npra$tiata. pe parcursul fiecarei Gqtegorii
unui caz care nu faQ.,e parte din populatia de studiu, cum, din nefericire, este
(omogemtatea dlsperslel). Un exemplu de neindeplinire a acestei conditii Tn cazul
situatia miliardarlilui Tndoi~ri. 0 alta cauz~ este existen\a unui numar mai~.mar.e de
datelor nominale se regase$te Tn valorile de mai jos, deoarece datele su~t mult mai
valori extreme dec§fcele a:;;teptate Tntr-o di§trjbutie normala. Va reaminti\i probabil,
impra$tiate in cazul barbatilor decat Tn cazul femeilor:
. ca 99% din datele distribuite normal au valori cuprinse intre trei abateri standard
!nal\imebarbati = {1,75; 1,80; 1,86; 1,67; 1,62; 1,70}
distanta, de 0 parte :;;i de alta a mediei. Astfel, daca media unei variabile este 10,
~naltimefemei=={1,66; 1,68; 1,70; 1,65; 1,63; 1,71}
iar abaterea standard 1, ne a$teptam ca 99% dintre persoi:me sa obtina rezultate
. In multe cazuri, heterQ~ceti~.:>.ticitatea apare ca urmare a faptului ca una
cuprinse rntre 7 :;;i 13. Daca 7% din date se regasesc in afara acestui interval,
dlntre variabile nu este."distribuita normal.Tabaehnick $i Fidell (1996) ofera 0
precum in cazul unei distributii platicurtice, yom avea mai multe valori e)(treme.
excelenta ilustrare pentru a sustine aeest lucru, dand drept exelllplu relatia dintre
Tn functie de sursa datelor extreme, se impun :;;i masurile corective. Astfel,
venit :;;i varsta. La varste tinere, diferenta dintre venituri nu este atat de m~re, Tnsa
daca datele au fost introduse incorect, se poate face 0 verificare prin precizarea
o data cu Tnaintarea Tn varsta, distantele dintre oameni, Tn ceea ce prive:;;te venitul,
valorilor minime:;;i max,ime Tntalnite. Astfel, daca datele variaza de la.1 la 10, iar noi
cresco Gradul de asociere dintre cele doua variabile este atenuat de prezenta
observam ca valoarea'maxima este 66, cu siguranta ea este 0 eroare de
heteroscedasticitatii. Venitul este probabil variabila nedistribuita normal, deoare~e
tehnoredactare, ce poate fi corectata. Daca acel caz nu~face parte din. pqpulatia
exista mult mai multe valori mici :;;i medii, decat salarii foarte mari. Prin urmare
aflata Tn studiu, se elimitfa"valoarea extrema prin renunt::3rea la cazul respectiv. Tn
relatia varsta $i venit poate fi evaluata mai corect, daca yom transforma initia'i
sfar:;;it, daca ne aflam'T;;-;jt~~tia cu mai multe valori ext'reme decat sunt a$teptate
valorile venitului, prin logaritmare. Vom lamuri imediat ce Tnseamna aeest lucru '
intr-o distributie nQrmala, exi~ta doua solutii. Fie se realizeaza doua categorii de
In sfar$it, no(rnalitatea distdbuiiei datelor este esentiala in obtinerea ~nor
rezultate, prin includerea sau excluderea' valorilor neobi$nuite, pentiu studia a rezultate acurate pentru majoritatea tehnicile statistice, deoarece Tn realizarea lor
efectul acestora asCp"r"EtTndicatorilor statisticfc'alculatt, fie se va recurge la
s-a pomit de la premisa unei distributii normale. Cand acest lucru nu se Tntampla,
transformarea datelor brute. Ultima solutie este utila $i in cazul in care conditiile de
avem la dispozitie doua solutii: fie renuntam la aplicarea metodelor respective In
aplicare a unotteste statistice parametri~e nu suntTndeplinite.
favoarea unor tehnici Goncparametrice, fie yom transform a datele pentru a
normaliza, pe cat posibi1J;listribu\ia datelor. .
3.3.3. Transformarea datelor brute Pentru a Tntelege ideea de transformare a datelor, va punem urmatoarea
intrebare: folosind acela:;;i set de date, cum transformati, 0 distributie non-normala
",.,.,."",..," ...
Vom preciza de la rnceput ca Uti este yorba de 0 transformareadatelor
brute in date standardizate de tipul cQ!.~lor T sau z, ci de 0 re::§H,~!are a val.orilor,
83
82
:1 III :1111 :1111' IIIII ilill '1IIIIIIIIIIIHIIIII~IIII~lllllHIlllllIIllllmlllll~1111111II11I ,1111 illl III
Radacina patrata
Radacina patrata din numarul
reflectat
negativ, iar fn cazurile grave pot aparea atat devieri ale boltirii, cat §i ale oblicitatii.
Pentru fjecare situatie in parte exista transformari specifice. Figura 3.12 ofera mai
multe informatii utile.
Transformarile necesare sunt dependente de severitatea incalcarii
premisei de normalitate a distributiei. Tn cazul distributiiI9I-.asimetrice pazitiv putem
Asimetrie pozrrivii extrema Asimetrie negativa extrema
scoate radicaLdl!lJ!_?lo.[i\~J?[\:Ite, putem logarjj:[Da.sau putem obtine inve,c~~1 valorii.
De exemplu, in cazul unei distributii asimetrice pozitiv, care a deviat sever"fata de
Figura 3.12. Distribufii non-norma/e §i solutiile corespunzatoare
curba norrnala, datele pot fi transiormate prin logari!D]3re. Acelea§i operatii pot fi
efectuate §i in cazul asimetriilor negative, cu conditia ca transformarea sa aiba lac
utilizand datele reflectate. Reflectarea datelor se poate intelege u§or prin urmatorul
exemplu. Fie §irul de date: X {3, 7, 9, 12, 14, 17}. Pentru a rell~ va.lorile, yom
=
adauga mai fntai cifra 1 la valoarea maxima din §ir. Din valoarea rezliltata, Hl cazul BIBLIOGRAFIE
nostru 18, yom scadea fiecare valoare din §ir, obtinand X == {is, 11, 9, 6, 4, 1}.
Bineinteles ca acestea nu sunt singurele transformari posibile. Datele pot APA (2001). Publication manual of the American Psychological Association (5th ed.).
suferi diverse alte operatii , precum ridicarea la patrat, ridicarea la cub etc., insa Washington, DC: American Psychological Association.
solutiile prapuse mai sus dau cele mai bune rezulfate in cazul unor deviaiii de la Becker, l. (2003). Effect size. Gasit la: http://www.uccs.edu/-lbecker/psy590/es.htm.
Brewer, M.B. (2000). Research design and issues of validity. in H.T. Reis ;;i C.M. Judd
normalitate, asemenea celor prezentate Tn figura 3.12.
Dupa transformare, fn cazul normalizarii aproximative a distribuiiei, datele (eds.). Handbook of Research Methods in Social and Personality Psychology (p. 3-16) ..
pot fi utilizate, fara nici a problema, in arice fel de tehnici statistice, care au drept Cambridge: Cambridge University Press.
premisa distribuiia norrnala a datelor. SinguJ}!L'aspect care sepierde. prin
transformare este unitatea de masura a variabilei transformate. AstfeCdaca venitul
85
84
1111111111J111I1I1I1I1I11I• •11
Cialdini, R.B., Borden, R.J., Thorne, A., Walker, M.R., Freeman, S., Sloan, l.R. (1999).
Basking in reflected glory: three (football) field studies. In R.F. Baumeister (ed.). The
Self in Social Psychology (p.436-445). Ann Arbor: Taylor & Francis. CAPITOLUL 4
Clocotici, V., Stan, A~ (2000). Statistica aplicata In psihologie. la§i: Editura Polirom.
Cohen, J.(1988). Statistical power analysis for the behavioral sciences (2nd ed.). Hillsdale, TEHNICILE ANOVA
USA: Erlbaum.
Faul, F., & Erdfelder, E. (1992). GPOWER: A priori, post hoc, and compromise power
analyses for MS-DOS [Computer program]. Bonn, Germany: Bonn University, Dept. of . Cand dorim sa comparam mai mult de dou~grupe desubiecti nu vom mai
Psychology. I folosi testul t, ci vom apela la tehnicile IiliO~ANOVA este un ~cronim de la
Field, A. (2000). Discovering statistic using SPSS for Windows. London: Sage Publications.. I denumirea In engleza "Analysis Qf Varia~~~;'~'ln limba romana tehnica este
Hinkle, D.E., Wiersma, W., & Jurs, S.G. (1994). Applied statistics for the behavioral sciences cunoscuta ~i sub denumirea de"anaTiza dispersionala sau analiza-.devarianta.
(3'd ed.). Boston: Houghton Mifflin Company.
Kerlinger, F.N, & Lee, H.B. (2000). Foundations of behavioral research (4th ed.). Orlando,
I in§ill~_."de a aprofunda descrierea ~i explicarea tehnicii ANOVA, voi preze~ta
. moti'{~Je'pentru care preferamJ..ItilizareaANOVA in locul testului t .
USA: Harcourt College Publishers. -.=~ (1) Prima ratiune apref~rint~i p~~t~~ ANOVA tine de/d";;,ig~-ul cercetarii. .•.
Leary, M.R., Tchividjian, L.R., & Kraxberger, B.E. (1999). Self-presentation can be Testul t se limiteaza la compararea diferentelor dintre q.Q.!L?g[~pe,'aCifc~la situatii .
hazardous to your health: impression rnanagement and health risk. In R.F. Baumeister In care exista doar doua t~.~p!~\ (modalitati) ale variabilei independente. Orice
(ed.). The Self in Social Psychology (p.182-194). Ann Arbor: Taylor & Francis. manual de metodologie recomanda Insa utilizarea unuinumar cElfmai mare de
Lungu, O. (2001). Ghid introductiv pentru SPSS 10.0. Seria Psihologie Experirnentala §i trepte ale-variabilei independente pentru a observa mai bine efectuLp;~'~;~fa~torii
Aplicata. " au asupra vqria.i?il§L dependente. Pentru cei care simt nevoia unei clarificari
Pedhazur, E.J., & Schmelkin, l.P. (1991). Measurement, design, and analysis: an integrated suplimentare, voi apela la un exemplu bazat pe legea YerkeS-Dodson, care face
approach. Hillsdale, NJ: Lawrence Erlbaum Associates, Publishers. referire la relatia dintre motivatie ~i performanta. Se cunoa~te ca exista un optim
Radu, I., Miclea, M., Albu, M., Neme§, S., Moldovan, 0., Szarnoskozi, $. (1993). motivational care va duce la performante crescute. Tn schimb, daea subiectii sunt
Metodo/ogie pSihologica §i analiza datelor. Cluj-Napoca: Editura Sincron. submotivati sau supramotivati vor obtine performante scazute. Pornind' de la
Rosenthal, R., Rosnow, R.l., & Rubin, D.S. (2000a). Contrasts and effects sizes in aeeste considerente, sa ne imaginam situatia In care a~ apliea testul t pentru doua
behavioral research. A correlational approach. Carnbridge: Cambridge University Press. grupe de subiecti, cei care au 0 motivatie scazuta (submotivati) ~i cei care au 0
Rosenthal, R., Rosnow, R.l., & Rubin, D.B. (2000b). Contrasts and correlations in effect- motivatie foarte ridicata (supramotivati). Tn aceste conditii nu yom observa diferente
size estimation. Psychological Science, 11 (6), 446-453. Intre cele doua grupe In ceea ce pri~e~te nivelul lor d~ performanta ~i vom trage
Rotariu, T., Badescu, G., Culic, I., Mezei, E., Mure§an, C. (1999). Metode statistice aplicate concluzia ca motivatia nu afecteaza performanta. Tn schimb, daca yom introduce
In §tiintele socia/e. la§i: Editura Polirom. cel putin 0 grupa suplimentara, formata din subiecti optim motivati, yom observa
Sava, F. (2002). Pagina de statistica sociala. Gasit la http://statisticasociala.tripod.com. diferente semnificative Intre cele trei grupe ~i Yom trage concluzia ca motivatia
Tabachnick, B.G., Fidell, l.S. (1996). Using multivariate statistics (3rd ed.). New York: influenteaza nivelul de performanta. Astfel, cu cat numarul de gr1!l2e decomparatie
Harper Collins College Publishers. este mai mare, cu atat se diversifica treptele manipiJ!£lte .ale variabilei
Yaffee, RA (1996). A basic guide to statistical research and discovery. in F.T.l. Leong §i independente ~i vom observa mai bine infll,lenta.-variabilei independente asupra
J.T. Austin (eds.). The psychology research handook: a guide for graduate students and celei gependente.
research assistants (p.193-207). Thousand Oaks, USA: Sage Publications. (2) Cel de-al doilea motiv pentru care testul.t:G.lJ este agecvat In situatii de
comparare a mai mult de doua grupe este de ~b[diQ-:si~tl§R~,§i s~ n~me~te ero~rea
setului d~e.compar<3\ii.' "......,.,
Pentru a fntelege empiric acest concept,' iata cum ar sta lucrurile pentru
situatia de mai sus, referitoare la influenta motivatiei asupra performantei. Utilizand
testul t de comparatii Intre doua grupe yom obtine trei indicatod t, co;espunzatori
compararii grupei 1 eu grupa 2, grupei 1 cu grupa 3 ~i grupei 2 cu grupa 3.
Utilizand ANOVA, yom fi mult mai eficienti, obtinand un singur indic..<>torF. Acesta
nu este fnsa singurul neajuns. Nu este doar 0 problema de a munci de trei ori mai
86
87
I• •IIIIIF = .II.III'IIIIIIIIIIII~ l'IIIIIIIIIIIIILIIIIIIIIII~IIIIIIIIIIIIII!IIIIIIIIIIIIIIII_~lBIIl111Il1II1111~11111111111111111 I I1 Iii ,II
mult, ci de prezenta unor distQ.c~!!JnL~eclan~ate prin calcularea mai multor teste t, Prin urmare, Tn afaraobi~nuintei sau u§urintei de a aplica testul t, nu exista
un caz particular al erorii setului de comparatii. . . nici un motiv te(l1einic pentru pastrarea testelor t in situatii in care comparam mai
Aceasta este determinata -de for~uia urmatoare (Hinkle, Wiersma ~i Jurs, mult de doua grupe. Sintetizand, ele nu sunt deloc economice (ex. design-ul cu
1994): cinci grupe necesita zece teste t, in timp ce ANOVA necesita un singw indicator F);
cresc §ans8Ie'cl!:i'a comite:eroarea;~~Uip I, iar atunci cand aceasta estecontrolata,
1- (I-a)" (4.1 ) sporesc §ansele de comitere a erorii de
,...,......... , . ... ,..
tip II.
. --'..••
unde. Cl...~st~ pragul de semnificatie stabilit a priori pentru fiecare test t !?fectuat Tipologia tehnicilor ANQVA
(frecve'nt p=.05), iar c este dat de numarul de teste t ce trebuie efectuate.
Daca exista doar doua grupe de subiecti, se apiTca un singur test t pentru a Cele mat Tntalnite design-uri de cercetare experimentala u~ilizeaza una
testa diferentele dintre mediile celor doua popuiatii de subiecti (a). Daca exista tre~ dintre urmatoarele patru forme de analiza dispersionala:
grupe de subiecti, precum in situatia prezentata mai sus, vom avea de aplicat trel a) ANOYA sil}1pla(unifactoriala; 0 cale);
,testet (b). in cazul testarii diferentelor dintre patru grupe am fi aplicat ~ase t~ste t b) ANQ,\LA.cun:asJ!I§tQ!i~petate;
(1 cu 2; 1 cu 3; 1 cu 4; 2 cu 3; 2 cu 4; ~i 3 cu 4) (c). Aplicand formula de mal sus: c) ANQVAJaG1Qriala~ex. bifactoriala; douacai);
vom observa, insa, ca doar in primul caz (un singur test t pentru--un .design cu doua d) ANQ,\(t':. mixta.
grupe), probabilitatea de a comite 0 erciarest~,"~l?~~"r~r:nane .05.
lata 0 scurta descriere a acestor patru tipuri:
1- (1- O.osy = o.OS(a) (a) ANOVA simp/a este modelul eel mai simplu dintre tehnicile ANOVA, fiind un
corespondent al testului t pentru doua e§antioane io.depen,d,ell\e.
1-(1-0.0SY =O.lS(b) Exemplu: Trei g~pe':d~~'s~bi~cti sunt obiinute in mod aieatoriu pentru a testa
efectul pe care-I are "Viagra" asupra poteniei sexuale. 0 grupa de subiecii va
1-(1-0.0S)6 =O.27(c) primi "placebo", pentru a contmla efectul auto-sugestiei; 0 alta grupa va primi 0
doza mica de "Viagra", in timp ce a treia grupa prime~te 0 doza ridicata de
in situatiile in care compa@1l1 mai mult de doua grupe, eroarea de tip .. 1 "Viagra". Variabila dependenta a fost nivelul poteniei sexuale (Field, 2000).
depa~e~te limita maxima acceptata de .05, aparand eroarea setului de__ <::'Cl,~_~~r~tll.
Pentru situatia b, de compararea trei grupe, ea se cite~te in felul urmator: eXls~a- 0 (b) ANOVA eu miisuratori repetate este un mogel corespondent al testului
probabilitate de 15% de a comite eroarea de tip I intr-una din cele trei situatll doe pentru doua e~anlLQ§n§perechi. :"'~'-.""." ""
comparare. Astfel, noi vom respinge ipoteza nula cand ea nu ar fi trebuit respmsa. Exemplu: Zece subiecli se ofera voluntar pentru a testa efectul pe care-I are
Similar, pentru situatia c, de comparare a patru grupe, vom ave a 0 probabilitate de "Viagra" asupra potenlei sexuale. Mai Tntai subieciii vor primi "placebo", pentru ,
27% sa obtinem 0 eroare de tip lintr-una din cele ~ase comparatii facute. . a controla efectul auto-sugestiei, dupa care Ii se va masura potenla sexuala.
Asemenea situatii sunt inacceptabile, deoarece pragul maxim al Apoi, aceia~i subiecii vor primi ,,viagra" il'l doze mici, dupa care va fi masurata
probabilitatii de aparitie a erorii de tip I este de 5% (.05). Astfel, nu vom putea din nou polenia sexuala. Tn star~it, aceia~i subiecti vor primi 0 doza mare de
utiliza testul t in situatii de comparClI-E;Cl.mai mult de doua grupe. "Viagra", dupa care vor fi masurate efectele aparute la nivelul poteniei sexuale.
Chiar ~i in aceste co~(j,tK unii 'autori nu renunta la ideea utilizarii testelor t
~i efectueaza 0 ajustare, prin metoda BQnf~.c[2!:1, astfel incat sa eli mine erowea (e) ANOVA.LC!~l9rif!/a este un model mai complex, fara un echivalent direct Tn
setLJ.\.uLde comparatii §i sa controleze §ansele de a comite eroarea de tiP I. cadrul teste lor t. ANOVA factoriala se distinge prin faptul ca vor fi testate efectele
Ajustarea este simpla ~i consta in impaqirea pragului de semnificatie.ge.Q§ la mai multo~\{,adabile~indepen.dente (factori) asupra unei singure variabile
numarul-de teste.t care urmeaza a fi aplicat. in cazul unui design cu patru ~rupe, ." -~-..",-.""
dependent~"P[eCum in cazul unui design faS!9/ial.
fiind necesare ~ase teste t, vom obtine un nou prag de semnificatie pentru flecare Exemplu: Yom pastra partial situaiia din exemplul ANOVA simpla, referitor la
din cele ~ase teste t de .008. 0 a~emenea valoare,de~i controleaza §ansa de a manipularea variabilei independenle "Viagra" cu trei treple (modalitaii):
comite eroarea de tip I, este foarte conservatoare, ,crescand §ansele de a co mite placebo; doza redusa; doza mare. Participaniii la experiment vor fi impartiti
eroa.@.c:lAetip II, §i anume, de a n~~-e~pil2.gE;_,~p?tezanula, ~and. ar fi trebult aleatoriu intr-una din cele trei situaiii experimentale. Daca credemca nivelul de
respinsa, deoarece. exista diferente semnificative intre populat"le dm care sunt stres al participaniilor influenieaza potenia sexuala, vom putea introduce 0 alta
ext'rase grupele. '
88 89
11':lli I I III 111,11 111,11 111.1' '" ,:i:lli:h!"1 I : :I I!' ~!I """"",,,,",,'1'"'"11"'1""11",11'11,,'1"""111"'1"""'"11,111111,1111 111111 III! III 111I 111I1111 111I III! III ,III 111I1111 III
variabila independenta cu doua trepte (stres ridicat; stres scazut) !?i vom putea
fata de marea me~ie, .rezultata din toate raspunsurile exprimate Tn cercetare
impartiparticipan\ii in doua categorii dupa acest criteriu. in consecinia, vor
Pe~tr~ ,a ~ut~a distinge mai bine Tntre grupuri, ar trebui ca primlil,.9.omponenta ~
rezulta !?ase grupe experimentale, intr-un design factorial de tip 3 X 2. lata cele
vanat1el sa fie mai micadecj.Lcea de-a doua. Prima abatere intra Tii sfera
!?ase situaiii experimentale posibile:
dispersiei intr~g:~e,~! se datoreaza variatiilor individu~le, determinate de grupare;3
aleatoare a~ sU~lectllor,Cea de-a doua abatere intra Tn sfera dispersiei J0tergrup,
Placebo x stres scazut Viagra, doza mica x stres scazut Viagra, doza mare x sIres scazut
care reflecta atat gruparea aleato§.re a subie~tilor, cat mai ales fluctuatiile datorate '
influentei variabilei inde~D.9.ente asupra celei dependente. Simplificand IUcrurile
Placebo x stres ridical Viagra, doza mica x sIres ridicat Viagra, doza mare x stres ridicat
daca dispe~,llJ~~~Wup este mult mai-mare decat cea ihtragrup, exista diferent~
Fara a mai exemplifica, ANOVA factoriala poate fi utilizata fn cazul semnificative intre grOp~le,.compar?te, deci exista olnfluenta a variabil~i
masuratorilor repetate daca sunt manipulati cel putin doi factori. independente asupra celei dependente. '
Totu~i, trebuieprecizat faptul ca ANOVA simpla nu constituie un panaceu
(d) ANOVA mixtii presupune 0 combinatie Tntre ANOV-fL.simpla ~i ANOVA cu universal pentru orice situatie, Ea are doua.l1!nite,importante: ,
masu(;a0~rre'pet?te. . 1) poate fi aplicata, asemenea celorlalte tehnici ANOVA doar Tn cazul Tn care
Exemplu:~ Similar exemplului oferit Tn cazul tehnicii ANOVA simpla, treptele'y'9r[sl::)iJei.jnc::lflPE2lid~~~te ~s~n'td-; tip.D9mLnql (ex, barbati vs. femei)
manipularea variabilei independente ,,viagra" cu trei trepte (placebo, doza
sau de tip or9~r:t~l (placebo, ·doza mica, doza mare), Tn plus, variilbjla
redusa, doza mare) se face distribuind areatoriu participaniii intr-una din cele
d~p~nd,elJta este masurata printr-o scala d.E;lO?Olut!=JY;;lL,~9~,proport,ii,· car~
trei situaiii experimentale. Tn schimb, vom manipula diferit variabila "stres". Tndepline~te cateva conditii ce vor fi prezentate ,ldjterior;'" .
Vom utiliza aceia!?i subiecii Tn doua situaiii diferite, reprezentand cazuri de 2) rezuItatuI final, exprimat printr-o va\£9~\t.,,~, expri~~"un scor general, fara a
stres ridicat sau stres scazut. Stresul ridicat a fost reprezentat de perioada de preciza specificul evolutiei cClJ]1P.aratiei dintr§ grupuri.
lucru intens, cand persoanele au fost foarte ocupate !?i stresate de termenele Pentru a fntelege mai bine cel de-al do ilea aspect yom face 0 scurta
de finalizare a diferitelor proiecte, iar stresul scazut a fost manipulat pe incursiune In testarea ipotezei statistice pentru testele t ~i tehnicile ANOVA
acelea~i persoane, Tn situaiii de odihna, reprezentate de perioada de concediu. . in cazul testelor t, ipoteza nula este Ho: fl.l = fl.2. Respingerea ipotezei nule
Astfel, de!?i obiinem tot ~ase celule experimentale ca Tn cazul ANOVA fnsemna automat ca cele doua grupe difera semnificativ Tn ceea ce prive~te
factoriala, nu este vorba !?i de ~ase grupe de subiecii diferiii. in aceasta situaiie mediile lor (fl.1 '# f1;2),
vor fi doar trei grupe de subiecii diferiii (placebo, doza mica, doza mare), iar
in cazul ANOVA simpla pentru trei grupe, ipoteza nula este Ho: fl.1 = fl.2 =
fiecare din ace~tia va fi testat cu doua ocazii diferite (stres ridicat - fl.3, Respingerea ipotezei nule ne arata ca cele trei",medii.nusuntegale, fara a ne
suprasolicitare plus presiunea termenelor limita; respectiv stres scazut -
spune Tnsa cum dife[~~.eJE:;" ,In mod specific, Astfel, ram'an cateva alternative
concediu de odihna). valabile, de genul fl.1 '# fl.2 '# fl.3 sau 0.1
= fl.2, dar fl.2 '# fl.3 etc. La aceste aspecte nu
putem raspunde prin testul,~F;-.deoarece acesta ramane la un nivelgeneral de
testare a ipotez~L§J9ti!5ti,ce, enuntat Tn ipoteza nula, -,
4.1. ANOVA simpla Pornind de la acest inconvenient, exista doua strategii de rezolvare a,
problemei:
Tehnica permite compararea simultana a trei sau mai m.l!!~e:_"t~~pte • utilizarea comparatiIlgf",apriori, de genul contrastej,gr polinomiale, a celor
(modalitati) ale unei singure variabile_Lfls!,\,pendente, mentinand nivelul alfa la ortogonale sau a celor non-grtogonale\ fara a .~~ "b~~~ pre~ mult pe
valoarea dorita, de maximum .05. 0 modalitate' clasica de analiza matematica a calcularea indicatorului general F;
acestei tehnici este analiza dispersiei variabilg:Ji...dependente, Dispersia totala a •
utilizarea unor-compar.§!iiPQSL .09C;,'. fntre anumite grupe specifice,
acesteia poate fi Impar1;ita In doua componente: disper~ia d.iDJr!39[~e~ (intergrup) efectuate In cazul fn care F ClJo,$.L.§E2r:nnificativ statistic, indicand existenta
~i dispersia·dirflnteriorulgrupeloc..(intragrup). Clocotici ~i Stan (2000) denumesc unor diferente TDtre grupele cercetarii. Probele post hot au calitatea de 'a
aceste surse variatia dintre"grupuri, respectiv variatia Tn grupuri. in cadrul ANOVA pastra, In limitele acceptabileaie pragului de .05, riscul de a comite 0
exista doua catt;.9;di~'de roeelii: cea a raspunsurilor pentru"fJecare grupa In P?Jte ~i eroare de tip I ~i, totodata, de a identifica In mod specific care dintre grupe
marea medie rezultata din luarea Tn considerare a tuturor raspunsurilor, indiferent sunt"diferite ~Lau condus la respingerea ipotezei nule.
de g;;:;p~ din 'carefac subiectii parte, Spre exemplu, subiectur-"din grupa 1 are 0 Dintre cele doua modalitati deactiune prima este mai eleganta ~i mai
anUm~9.teIeJCltade medi?Jaspunsurilor din grupa respectiva ~i 0 alta abatere capabila de a detecta diferentele semnificative dintre grupe, Tnsa cea de a doua
90
91
1II1"IIIII~IIIItIIil-UlllUIIIIII~"_IIIIIII ___'II!IIIIIIIIUIIIIIIIIIIIII~11111~IIIIIUIIIIILlIIIII'IIIIIIIIIIIIII'
asta mai populara, majoritatea cercetarilor apeland, din traditie, la tehnici post hoc. lata 0 scurta explicitare a tabelului sumar A['JOVA din flgur~ 4.1 :
\fom_ prezenta, pe rand, ambele modalitati de lucru, Insa yom Incepe cu cea din • sursa totala a di$persiei (prima coloana) este constituita din dispersia
urma dator.ita simplitatii sale. intecgrup ~i dispersi§.Jntragrup;
lata exemplul utilizat pentrua explica ambele modalitati de lucru: • SSsau suma patrgtelor (a doua coloana) este 0 suma §Lj~baterilor pentru
ambefe situa~ii; - - .... -
Un behaviorist dore§te sa vada care este eficienta diferitelo'r tehni~i terapeutice
comportamentale In tratarea fricii de vampiri. Au 'fost cuprinse 36 de persoane •
gradele de libertate sunt prezentate In a treia cofoana. Pentru dispersia
voluntare In studiu, care declarau anterior credinta lor in existenta vampirilor ~i care il].tergrup.efe se calcufeaza pe baza numarului de grupe minus unu (3-1),
manifestau 0 fobie crescuta fa~a de ace§tia. P~rticipaniii au fo~t impa~i~i, in mod
Tn timp ce pentru dispersia intragrup ele sunt egale cu num~~~totarde
aleatoriu, in trei grupe. Grupa repartizata tehnicii "in vivo" a petre cut, timp de 0 subiecti minus numa..!:.t,J! df3 9I],1p~(;3,6'~3);
saptamana, noPiile intr-un motel aflat in vecinatatea unui cimitir parasit. Grupa • mediClpatratica este reiultatul raportult,J,Lctintce. suma patrate1oV;;i gradele
repartizata tehnicii de "desensibilizare sistematica" a invatat mai intai 0 tehnica de de.Jip!?rt~te pentru fiecare tip de dispersie Tn parte. Mai muft, priri raportul
relaxare, dupa care a vizionat, pe parc~rsul unei saptaman'i, cateva filme cu vampiri, celor dou'a m§.giip~tratice. se obtine rezultatul fiW:lI"I;
pe fondul unei muzici de relaxare ~i pe fondul exersarii tehnicilor fnvaiate cu scopul • F se interpreteaza intr-un mod similar altor teste statistice. Daca valoarea
de a reduce frica de vampiri. Cel de-al treilea grup a fost pastrat cu scop de control. sa este semnificativa statistic (p < .05), atunci yom respinge ipoteza nula
La finalul saptamanii to\i participaniii au fost testa\i printr-o scala specifica de conform careia nu exista diferente Intre populatiile din care au fost extrase
evaluare a fricii de vampiri. Rezultate/e mici indica 0 fobie scazuta, in timp ce grupele implicate in design-ul experimental;
rezultate/e mari indica un nive/ crescut de fobie. Exista diferente semnificative intre • :ezultatullui F se scrie in felul urmator: F (2",~~2. =:::.50,98; p < .01.
populatiile reprezentate prin cele trei grupuri cu privire /a acest a~pect? In asemenea situatii am putea afirma ca, diferenteledintre cele trei grupe
nu se datoreaza hazardului. Probabil, interventiile terapeutice de sorginte
Bazade date aferenta acestui exemplu este anova simpla.sav. In SPSS, comportamentala au efect asupra reducerii fobiei de vampiri la subieciii inclu~i in
AN OVA simpla poate fi obtinuta urmand una dintre cele doua cai fie Analyze"- studiu. Pentru a observa cum difera cele trei grupe yom apela la metodele post
"Co~p~re Means" ~ "One-~ay ANOVA", fie "Analyze" - "General Line~r M'~def;-- hoc.
"Un'!yClD8.:t~". ---- .' ,.• -,.,...•... , ---=-=- Dintre multitudinea procedurilor dezvoltate in acest scop, yom folosi doua
criterii importante in alegerea tehnicilor adecvate:
a) exista un numar de ~biecti egali in grupele cercetarii?
4.1.1. Procedurile post hoc b) exista 0 anumita omogenitat~_a dispersiei intre aceste grupe?
Tn cazul utilizarii procedurilor post h~9' rezolvarea problemei presupune Tabelul 4.1. Modul de selecVe a teste/or post hoc in funciie de cele doua criterii
urmarea a doi pa:?i: ---~ ......•.
AN OVA
!rica de vampiri
Daca numarul de sUbiecti este un criteriu evident Tnca din date Ie initiale ale
Sumo!
unei cercetari, omogenitatea disper!3iei se testeaza prin apelul la te$tul Le~ene. In
Squares d! 'Mean Square F Sig. situatia in care rezultatul este X!~~~mnificativ$tatistic, dispersiile sunt'~;~~Id;rate a
Between Groups 160,167 2 80,083 50,986 ,000
fi egale._Daca rezultatul este serrinificativ statistic, dispersiile sunt considerate a fi
Within Groups 51,833 33 1,571
Total 212,000
eterogene, di~ri~e. Tn aceasta situatie, vom incerca mai intai saeliminam problema
35
prin transformarea datelor variabilei dependente. Dad§ 0 asemenea solutie nu va
Figura 4.1. Output SPSS cu modul c1asic de prezentare a testului F in tabelul sumar ANOVA indrepta situatia, yom apela la metodele de comparare posl.hoc precizate'Tn cazul
SPSS este a marca inregistrata.
92 93
I : !!I 'I ' 'II I ~ I' !I I ,i'll 'I: I 'i II! 11111111111'llllllullllll!llllllmllllilllBlll.wmllllUllllll~11111111 I I, :1
'I 111'11:111,11'' ,I" '!',I""I 'III 'I"'i
-4,92'
,512
,512
,102
,000
II diferentele semnificative la un p < .05, acestea fiind marcate cu asterisc.
Totu§i, merita remarcat §i reversul acestei situatii. Valorile testului Tukey
control
,512 ,102
desensibilizare in vivo 1,08 nu sunt specificate direct, Tnsa ele pot fi calculate pe baza datelor din
sistematica control ·3,83' ,512 ,000 figura 4.2., facand un raport Tntre diferenla dintre medii §i eroarea standard
in vivo 4,92' ,512 ,000 a mediilor. De exemplu, valoarea testului Tukey Tn prima situatie nu este -
control
desensibilizare 3,83' ,512 ,000 1,08, ci 1,99 (1,08 /0,512). Similar, valoarea lui t Tukey pentru' comparatia
sistematica dintre subiec\ii supu§i terapiei in vivo §i cei din grupul de control a fost 9,60
Dunnett T3 in vivo desensibilizare -1,08 ,514 ,131
sistematica (4,92 I 0,512), iar pentru comparatia dintre subiectii supu§i desensibilizarii
-4,92' ,529 ,000
control sistematice §i grupul de control a fost 7,48 (3,83/0,512).
1,08 ,514 ,131
desensibilizare in vivo • ultima observatie prive§te semnul testelor post hoc. Asemenea testelor t
sistematica control -3,83" ,491 ,000
conteaza valoarea absolutaobtinuta, fara a.JLo.e-contde semn. Semnul
- 4,92' ,529 ,000
minus nu Tnseamna altceva deC§ffaptul ca subiectii au obtinut Tn medie
control in vivo
desensibilizare 3,83' ,491 ,000 rezultate mai marila a doua grupa de comparatie d~cat la P;'i-~~.'·· ,
sistematica
Aspectele enuntate mai sus pot fi sintetizate astfel: Th urma aplicarii testului
'. The mean difference is significant at the .05 level.
Tukey, ambele forme de terapie comportamentala s-au dovedit a reduce
semnificativ frica de vampiri, prin comparare cu grupul de control. Tn schimb, nu
Figura 4.2. Rezultateie comparatiilor post hoc oferite de SPSS 11.0
putem afirma ca una dintre cele doua forma de terapie, in vivo sau desensibilizare
SPSS este 0 mardI inregistrata.
sistematica, este '1JELt?ficienta)n reducerea fricii de vampiri.
Pentru problema de fata, testul Levene a fost nesemnificativ statistic, iar 4.1.1.1. l'v1arimea efectului in cazul procedurilor post hoc
numarul de sUbiecti din fiecare grupa a fost egal, fiind cate 12 participanrl1n fiecare
Prin testul de semnificatie statistica am reu§it sa aratam 0 anumita influenta
situatie experime~tala. Tn aceste conditii, testul Tukey este cea mai potrivita
a tipurilor de terapie asupra reducerii fobiei de vampiri. Ramane in continuare ~a
procedura de cal cui a diferentelor specifice dintre cele trei grupe. Oricare alta
stabilim cat de mare este aceasta reducere? Cat de eficiente sunt tehnicile
procedura, dintre cele prezentate In tabelul de mai sus, ar fi neadecvate Tn aceasta
terapeutice, Tn comparatie cu lipsa oricarei interventii specifice grupului de control?
situa\ie, deoarece ar fi prea liberale (nu ar respecta conditia, ca probabilitatea de
Pentru a oferi un raspuns la aceste Tntrebari yom calcula marimea efectului
eroare de tip I sa fie de maximum 5%) sau prea conservat()..§re (cresc §ansele de a
singura modalitate prin care putem decide importanta practica a rezultatelo~
comite eroarea de tip II). Totu§i, datorita faptului ca orrlOgenitatea dispersiei nu
obtinute. Dupa cum am demonstrat atunci cand ne-am referit la marimea efectului
poate fi cunoscuta Inaintea rularii programului statistic, pot fi selectate mai multe
un rezultat semnificativ statistic la un~p < .05 poate fi lipsit de important9 practica i~
proceduri post hoc cu mentiunea ca yom lua In considerare rezultatele obtinute
cazul unui-eff:3ct minuscul. .
prin tehnica ce respecta cel ;"ai bine conditiile intalnite Tn cazul respectiv, cum ar fi
Modul d~ c~-Iculare a acestuia se poate face utilizand una din cele doua
testul Tukey pentru problema de fata.
formule (Rosenthal, Rosnow §i Rubin, 2000a; Rosenthal, Rosnow §i Rubin,
Urmarind valorile testului Tukey vom putea decela urmatoarele aspecte:
2000b):
• nu exista 0 diferenta semnificativa Tn ceea ce prive§te reducerea fricii de
vampiri Intre perso~nele care au beneficiat de 0 terapie in vivo fala de cele
care au Tnvat at desensibilizarea sistematica (Tukey = -1,08, P >.10); -
95
94
WIllUIIIIUIIUlIIIIIIIIIIIIIIII• •_ • • • •_II.IIIIIIIIIIIIIIIIII~IIIII~IIIIIIUIIIIILlIIIII:I
pe F omnibuz. Valoarea poate fi utila doar in conditiile in care VI are doar doua
a) In cazulln care VI are doar doua trepte (modalitati):
. trepte, insa, chiar §i in acele conditii, poate atinge valori eronate.
\
F (4.2)
Ir=
..
L,,~ ~ ~~fintragrIlP 4.1.2. Procedurile a priori
b) In cazul in care VI are mai m'ult de doua trepte (modalitati) §i s-a procedat Tn cazul in care exista 0 anumita direqis1."ajpoteLeLsta,tistice, ar fi mai util
la comparatii post b..9.<:§au la contraste: sa se apeleze la tehnicile a priori J,gpntraste), care, Tn comparatie cu testul general
F, au 0 mai mare putere de decelare a influentei variabileUagE;)p\:)r1gel1te,8SUpra
eelei dep§lndente> Astfel, daca exista vreun efect, acesta este mai u§or decelat prin
(4.3)
F*d":./..int,ergrup
F
+dif·llltragrllp apelul la con~~c::ts.te decat prin metoda ciasica Tn doi pa:;;i, de calculare;;.§J\li p,
.- .. , , ... ~.-.~. '- :~
urmata dealegerea LjnuiJ~§tpost h9c.
Contrastele sunt proceguri ,~tatisti9f?> care testeaza ipote.:..:>~p~cifice: Prin
F reprezinta valoarea testului omnibuz, prin care se stabile§te daca ipotez~
aceasta se deosebesc de testul g~Deral F, prin faptul ca ofera mai multa ciaritate
nula va fi sau...Ql!.!£?spinsa. F contrast este valoarea obtinuta in cadrul unui anumlt
conceptuala. Mai mult, contrast~le stau la'baza calcu@c[i, rT1~gnitudinii influer1tei
contrast sau comparatie..,p0st hoc, ~ndu-se faptul ca 12:::: F. .
variabilei independente asupra celei dependente (Rosenthal §i colab., 2000a).
--~'In cazul nostr'u, fiind yorba de trei comparatiipost hoc, putem calcula trel Exi~ta mai multe modalitati de lucru, implicit mai multe tipuri de contraste.
marimi ale efectelor. Totu§i, datorita faptului ca nu au fost observate dlf~~en\e
Acestea pot fi grupate dupa doua criterii majore: gradul lor,,,,de .standardizare §i
semnificative Intre cele doua interventii psihoterapeutice nu yom calcula manme~
prezenta ,sau ab§~fltaQrtogpralitatii. Astfel, avem contraste nestan9ardizate
efectului in acel caz· deoarece diferentele observate s-ar putea datora hazardulUl
ortogonale sau non-ortogonale, respectiv contraste standardizat.e ortogonale sau
Intr-o mai mare mas'ura. Acest lucru n~ este obligatoriu, marimea efectului. putand
non-Qrtogonal8'. Numele de ortogonal vine de la faptul ca setul de ipo~~ze este
fi calculata :;>i In conditiile in care un rezultat nu a fost semnificativ statistic. In cazul
inde~119I:!Xl,t, acestea neinfluentandu-sEl.f~cipr?c. Astfel, e~oarea s~!Ului ~e
unui numar relativ mi~ de subiecti :;>i in situatia unei marimi a efectului ridicate, un
comparatii ramane constanta la nivelul alfa dorit de .05 sau ,01. In plus, a categone
rezultat nesemnificativ statistic ar fi cauza unei puteri reduse de a decela
aparte de contraste standardizate sunt cele.,polinomiale, care realizeaza 0 analiza
difereniele semnificative §i nu a lipsei de influenta sau asociere intre cele doua
dir€1.ctionala. wate aceste aspecte vor fi disGutate pe rand,
variabile in cauza.
in cazul nostru, obtinand valorile r:: pe baza rezultatelor prezentate In figur~ 4.1.2.1. Contraste nestandardizate
4.2. :;;i a faptului ca 12 :::: F, yom utiliza formula 4.3 pentru a obtine marimea efectulUl
Pentru a Tntelege mecanismul de functionare §i alegere a contrastelor yom
pentru terapia in vivo In comparatie cu rezultatele grupului de control:
arata modul in care ar putea fi impartit?dispersia totala, bazandu-ne pe exemplul
anterior legat de influenia terapiilor' c;;;;p;ri~mental~ asupra reducerii fricii de
2
r= 9,60 =0,82 vampiri.
50,98*2+ 33 Di~~~§lat9ta,l? = dispersia~E?2ffiI.iS:2t§.Q~!ergrup) + dispers~~~"~DL0,.fl.t~gr.~p)
97
96
111111111.111- ·.'IIIIIIIIIIIIWIIIIIIIIIIIIIIIIII ,I I I! illllill ,I!I I' I, ,I Ii '111 1111 11111111111'11111111111,11111111111111111,11111111111 'IIIIIIIW! '11111 I1111 1111111111, '11111 :lIIi 1111 '111: 1111 I! 1111, 1111 1111 1111 1111, !II 1111 1111 'I!! ,1111, I I! 1111, 11111 ,1111 I I! ! I I 1111' '1111 IIII' 11111 1111
vivo", pot fi realizate maximum doua contraste; . Figura 4.4. Exemplu de partitionare a dispersiei In cazul contrastelor non-ortogonale
b) . daca un grup a fost TndepartaLde celelalte grupe pentru a fi com.parat cu
acestea, (ex. cazul grupului de control In primul contrast), el nu mal poate fl
o asemenea situa\ie ar putea fi· transpusa In urmatorii coeficien\i de
utilizat-In contrastele ulterioare; ponderare:
c) grupele v;-fi po Q9_es;:;tte , astfel Tncat sa existe 0 egalitate de coeficien\i Tn
fiecare contrast efectuat. "in vivo" desensibilizare sistematica control
Aceasta. po~cjerar~ se face \inand seama de numarul de subiec\i .dintr-o
Contrast 1 1 -2
grupa ~i de numarul de grupe dintr-un_"chunk".ln situatii de grupe cu numar egal
Contrast 2 o -1
de subiecti, ca In exemplul nostru, coeficientii atribuiti pentru cele doua contraste
de mai su~ pot fi: Tn aceasta situatie se observa reintroducerea grupului de control Tn eel de-
control al doilea contrast dupa ce In prealabil a fost comparat singur In contrastul 1. Acest
desensibilizare sistematica
"in vivo" fapt nu este permis 7n contrastele ortogonale, prin urmare nici sum a produselor a
-2
Contrast 1 1
o doua contr~ste nu va mai fi zero [1 *1 + 1*0 + (-2)*(-1) = 3]. .'
-1
Contrast 2 Dar'Oece este important sadiferentiem Intre contrastele ortogonale ~i
cele non-ortogonale? Primele au marele avantaj de a controla emarea setului de
La fel de bine, ace~ti coeficienti pot fi: c0D!paratii" fapt ce mentine In limite normale valoarea pragului de semnificatie. Tn
control schlmb, contrastele neortogonale, platesc lipsa de independenta dintre comp~~a\ii,
desensibilizare sistematica
"in vivo"··
-1 fapt ?~ conduce la 0 cre~tere a risculuLQE?~§'J)roduce eroarea de tip I. Tn aceste
Contrast 1 1/2 1/2
o condltll este necesara foarte multa precautie In interpretarea contrastelor
Contrast 2 1 -1
neortogonale, fapt pentru care recomand, de cate ori este posibil utilizarea
exclusiva a contrastE:1 PLQri99() (lall:'). '
Pentru a determina daca toti coeficientii sunt atri£lJ,i1!._g9!:.~~!' trebuie ca
lata 0 a~naliza statistica concreta, pe baza exemplului nostru. Ipotezele pe
oricare suma r~alizata pe orizontalasa fie zero (ex. 1 + 1 -2 = 0; 1 - 1 + 0 = 0 sau
care dorim sa Ie testam sunt:
Yz + Y2 -::-;-";;' O).pentrLta-detefmina· daca contrastele Tndeplinesc criteriul
a) !obia de vamplrl a subiectHor cuprin~i In grupele terapeutice
conirastelQL ortogonale ar trebui ca su!I@..£[()~g.l)~el()r a, ~oua contraste sa fie tot
comportamentale va fi semnificativ mai mica decat cea Tntalnita In grupul
zero. Spre e~~mplu, Tn primul caz avem: 1*1 + 1*(-1) + (-2)*0 = 0; iar In al doilea:
de control;
Yz * 1 + Y2 * (-1) + (-1)*0 = O. In concluzie, ambele cazuri respecta criteriul
Ho1: 1 1.1. "in vivo" + 1 1.1. "desensibilizare" = 2 1.1. "control"
ortogonalitatii.
99
98
1IIIIIIIIIUlUIlIlllII.uI.-II!W_ _ _ _ _-.III_IIII_"IIIIIIIIWllIIIIIIIUllimWlllllmllll~11111J1
III ill·111 'Ii 11"11 111I11 ' 11,1'·1,'["
b) terapia"in vivo" este mai eficienta Tn acest scop Tn comparatie cu Se observa, Tn cazul primei ipoteze ca, t (33) = 9,87, P < .01, rezultat ce
desensibilizarea sistematica. indica 0 diferenia semnificativa intre nivelul fobiei de vamPi~i' in grupul de control :;;i
Ho2: 1 [.I. "in vivo" :::: 1 [.I. "desensibilizare" eel din grupele de subiecti sup use terapiei comportamentale. Rezultatul poate fi
scris :;;i sub forma: F(1, 33) = 97,41, P < .01. Urmarind valorile mediilor, vom
Se observa ca ambele ipoteze s~rlt specifi~:::, spre d.eosebire de 0 ipoteza observa ca ambele interveniii terapeutice sunt semnificativ mal bune Tn reducerea
generala F de genul: ..In ce masura exista 0 diferenia semnificativa Intre grupele fobiei de vampiri cOl11parativ cu lipsa oricarei interventii (grupul. de control).
cercetarii Tn reducerea fobiei de vampiri". In cazul cele; de-a doua ipoteze se observa ca t (33) = 2,11, P < .05 este,
Ho: 1 IJ. "in vivo" = 1 IJ. "desensibilizare'! :::: 1 IJ. "control"· de asemenea, semnificativ statistic. Tinand cont de conVnutul celui de-al do ilea
contrast (tehnica "in vivo" este mai eficienta decat cea bazata pe desensibilizare
In cazul utilizarii contrastelor, rezultatele pot fi exprimate Tn FcoJl!L~~,"~J.,~,:! t. .. , sistematica) §i urmarind mediile celor doua grupe experimentaie, yom concluziona
Indiferent de modul de exprimare, valorile pot fi transformate u§or, cunoscandu-se II ca, intr-adevar, 0 terapie comportamentala bazata pe tehnica "in vivo" este
faptul ca: semnificativ mai buna Tn a reduce fobia de vampiri, Tn comparaiie cuo interveniie
(4.4) terapeutica bazata pe desensibilizare sistematica.
Cititorii atenti au observat, probabil, un aspect deosebit. Prin testele post
Primul din cele doua grad~cl~Jib~rt§!~ ale lui Fcontrast este TntQ.t9I3aun~ hoc, mai exact prin aplicarea procedurii Tukey, nu au aparut diferente seml1ificative
unu, In timp ee al do ilea grad de lipertate sste egal cu eel al lui t di!l!I~o_9.nll[)1lta Intre cele doua modalitaii terapeutice, In timp ce contrastele ortogonale au sesizat
situatie.
! ..r
=
Astfel, daea t 3, la 12 grade de libertate, atunci F (1, 12) 9. = ca terapia "in vivo" este mai eficienta.
Cum explicam 0 asemenea situatie §i cum procedam in astfel de cazuri?
Contrast Coefficients Explicatia consta in faptul ca tehnicil~~.,J?.riQfL (ex. contrastele nestandardizate
ortogonale) au 0 putere mai mare de a '(jetecta diferente[~9ilJtre. populaiiile din
situatie exoerimentala
desensibilizar care au fost extral:;e cele doua grupe sau setul de grupe. Prin urma~~:rn asemenea
Contrast in vivo e sistematica control situaiii, ne Yom ba~~m~i'~uTCpe·reiu·ltEitele obiinute Tn urma aplicarii contrastelor
1 1 1 -2 ortogonale decat pe cele rezultate din aplicarea unor comparaiii post hoc. Acesta
2 1 -1 0 este un motiv suplimentar, care ar trebui sa determine cercetatorii sa prefere, ori
de cate ori au ocazia, aplicarea comparatiilor a priori, Tn dauna celor post hoc.
ContrastTests
Mai mult, exista situatii, foaljerClre, Tn care tel?tul F general nU--detecteaza
Contrast
Valueo!
Contrast Std. Error t df Sig. (2·tailed)
diferente Tntre grupele cer;~t~rii, Tn timp ce Fcontrast sa=;te'stele" t cor~spondenle'ar ,.'
frica de vampiri Assume equal variances 1 '8,75 ,886 '9,874 33 ,000 putea indica diferente Tntre.grupe. In asemene~situaiii, vom proceda Tntr-un mod
2. ·1,08
.
,512 ·2,117 33 ,042
similar, bazandu-ne pe ideea'c~ aceste comparatii a priori au 0 putere mai mare de
Does not assume equal 1 ·8,75 ,882 -9,926 22,255 ,000
variances 2 detectare a diferentelor reale dintre populaiiile din care au fost extrase grupele Tn
·1,08 ,514 -2,106 21,543 ,047
comparatie cu testul general F (Rosenthal, Rosnow §i Rubin, 2000a).
Figura 4.5. Output SPSS 11.0 cu modul de prezentare a rezultatelor contrastelor
4.1.2.2. Marimea efectului In cazul contrastelor
SPSS este a marca Tnregistrata.
Vom aborda Tn continuare problema marimii efectului Tn cazul utilizarii
In primul tabel din output sunt prezentati coeficieniii atribuiii celor d~ua contrastelor. Va reamintim ca prin intermediul lor vom putea constata In ce masura
contraste, pentru a difereniia Tntre cele doua ipoteze specifice prezenta~e. AI dOllea diferentele semnificative observate ,§.unt~~l~substantiale
I ''''~,
sau nu. Pentr~calCtjlurcelor
- .......... .. •. _.. ,., .•. ''"'' ... , _,.
tabel din output prezinta valorile lui t pentru fiecare dintre cele doua ~ontra~.te doua mariml ale efectului am utilizat acelea§i formule 4.3. ~i 4.4. Astfel, Tn cazul
specificate, inclusiv eu ajustari in cazul Tn care nu e~ista a e~alitate !ntre ~Is'persille primului contrast ce viza diferentele dintre cele doua interventii terapeutice §i
grupurilor comparate. Pentru problema de fata, eXlsta ~galltatea ~Isp.erslel. (testul grupul de control am obtinut 0 marime a efectului r de 0,72, rezultat care indica 0
Levene a fost nesemnificativ statistic), prin urmare, pnmele doua randun din al scadere foarte 'mare a valorilor fobiei de vampiri la persoanele care au fost supuse
doilea tabel al figurii 4.5. sunt cele care ne intereseaza. oricarei interventii
' , terapeutice dintre cele doua amintite. In cazul celui de-al doilea
contrast semnificativ statistic r a fost doar 0,03, fapt ce arata ca. terapia in vivo duce
la 0 scadere semnificativa, dar foarte mica a nivelului fobiei Tn comparatie cu
101
"'111111111111 1111 11111 1111 IIIIIJIII'IIIIIJIIIILlIIILlllllcIlIlLlllllc'IIIILlIIIIJIIIILlIlIl 111111 11111 11111'11111 ,1111 II 111,1111111111,1111,11111:1111 IIIIIJIIII.,IIIII !IIII'IIIII IIIlIjlll'-llili ,1111,11111 ,1111' 11111 ,1111' 11111'1111'11111'1111,1111111111'11111:1111'1111:'1111 1111,:1111 !III"III! 1111 !IIII 1111'jlll 1111 1111,1111 IIII! 1111 11111 1111 illl' IIII'IIII!IIIII 11111'1111 III! 'III'!III 111'1111 111'III,IIIIIIIIII!II'I!'1 II III III, !III' '1111 I111 '1111 1111 :III! 1111 1111 1111 !III' 1111 'III: 1111 1111' '1111 1111' ,1111 1111 III! 'III I~' 1111 III 1111 '1111 III, :,: II' III !I III 'II 'I! "! !III 1111 ,III 1111 1111 1111 1111' :1111 1111 III' 111I 'III 1111 III '111 III' !III :111' !II! 'III' 111I 'III III! III' 1111: 1111 1111' :1111 1111' :1111 1111' 11111 1111 I1111 III! 1IIIi 1111' 11111 '1111: 1111I .1111 1111: :1111 11111 :1111 ,11111 I1111 1111I :1111 1111':111 III: I::
persoanele supuse desensibilizarii sistematice. Altfel spus, de~i cele doua grupe diferentele dintre cele doua grupe experimentale. Aceste contraste standardizate
difera semnificativ, din punct de vedere practic nu exista diferente calitative Intre nu' sunt disponibile In SPSS, In optiunea "one-way ANOVA", ci doar In "General
cele doua grupe de subiecti, terapia in vivo avand un avantaj foarte mic Tn fai a Linear .Model.-Univariate". Tn schimb, contrastele nestandardizate se reg~;;
terapiei bazata pe desensibilizare sistematica. doar in "one-~§y ANOVA" ~i nu sunt disponibile, fara sintaxa, Tn "General Linear
Model - Univariate".
4.1.2.3. Contrastele standardizate Toate contrastele care nusunt ortogonale, indiferent daca sunt
standardizate sau nu, trebuie e~te .. datorita ~anselor crescute de a comite
Aceasta categorie de contraste consta Intr-un set de comp~raiii
~roare; d~"~£:~L Numai rezultate puternic semnificative (ex. p < .001) pot fi
stanQ9-!.gJ~l:1.te.
Ele pot fi ortogonale saU~QQO~Qrtogonale. SPSS-ul dTspune, in
meniu, de 9apte contraste standardizate dintre care doar ultimele doua din tabelu\
4.2. sunt o.!:!£~?.'2~le. Field (2000) of~ra 0 sinteza ~xcelenta a ·Ior. Pentru a
II Interpretate fara probleme, daca au fost utilizate contraste non-oliogonale. Un alt
aspect tehnic, tine de modul de prezentare a rezultatelor Tn SPSS. Acesta nu ofera
direct valoar.ea lui t, Tnsa ofera toate datele necesare £;aicularii sale,cat ;-p;~g-ul
simplifica recuno'a~terea lor in SPSS am decis pastrarea denumirii lor din engleza. I de semnificatie aferent acestuia. Pentru problema noastr~-rezuTtatel~ ar fi aratat
astfel:
Tabelul 4.2. Descrierea contrastelor standardizate prezente Tn SPSS
Contrast Results (K Matrix)
Nume Descriere Contraste Trei grupe Patru grupe
Depende
Deviation Compara fiecare'grup (cu 1 2 vs. (1,2,3) 2 vs. (1,2,3,4) nt
3 vs. (1,2,3,4) Variable
(first) excepiia primului) cu 0 2 3 vs. (1,2,3)
. situatie experimental a frica de
combinatie a tuturor grupelor. 3 <
4 vs. (1,2,3,4) Difference Contrast vampiri
1 vs. (1,2,3) 1 vs. (1,2,3,4) Level 2 vs. Level 1 Contrast Estimate 1,083
Deviation Compara fiecare grup (cu 1
Hypothesized Value 0
(last) excepiia ultimului) cu 0 2 2 vs. (1,2,3) 2 vs. (1,2,3,4)
Difference (Estimate - Hypothesized)
3 vs. (1,2,3,4) 1,083
combinatie a tuturor grupelor. 3
1 vs. 2 Std. Error ,512
Simple Fiecare grupa este comparata 1 1 vs.2
Sig. ,042
(first) cu prima categorie. 2 1 vs. 3 1 vs. 3
95% Confidence IntelVal Lower Bound 4,238E-02
3 1 vs. 4 for Difference Upper Bound 2,124
Simple Fiecare grupa este comparata 1 1 vs. 3 1 vs. 4 Level 3 vs. Previous Contrast Estimate
- 4,375
Hypothesized Value 0
(last) cu ultima categorie. 2 2 vs. 3 2 vs. 4
Difference (Estimate - Hypothesized)
3 3 vs. 4 4,375
103
102
11"111'1111111111111'- .IIIIIIIII!IIIIIIIIIIIIIIIIIIIIIIIOOIIIIWIIIIII
1111 '11111 11111 illll'lllll 11111"IWJJJJl m
Cel de-al do ilea contrast testeaza diferentele dintre grupulde control (3) ;;i.
celelalte doua grupe experimentale (1 + 2). Rezultatul t::: 9,87, p < .01 este identic DireC\i~\.,I~a,are 0 evolufje :.onst~nta de,la 0 treapta la alta.
" cu cel ob~inut prin eontrastele nestandardizate, aratand ea eele doua interventii
comportamentale sunt mai efieiente In redueerea fobiei de vampiri Tn compara~ie Dir~tie lini""
cu absenta oricarei interventii (grupul de control).
A;;adar, diferen~a dintre contrastele standardizate ;;i eele· nestandardizate ,. 10
~ine doar de sfera de cuprindere. Exista 0 multitudine de combinatii ;;i, implicit, de ~1O
E> 1--- Oirectie Inia-a 1
contraste nestandardizate. Cele mai des intalnite sunt preluate de multe programe
statistiee (ex. SPSS) §i standardizate prin anumite denumiri, pentru a u;;ura munca
.g 5
0..
.
o
de introdueere a coeficientilor aferenti. 2 3 4
informatii legate'~de difere:ntele _existente Intre anumite grupe, ci ;;i arata descendenta). ' ,'-~-"'~".~'" -
104
105
III' I1111 ,lllli 11111I ,11111 '11111 lilli, :11111 11111' '11111 11111' 111111 '11111111111 ,11111 III, :111 III !II' !II' III: III IlldllLJlllLIIll'Jll1 1111 Jill '1111 1111' 11111 11111 11111 '1111i 11111 "II Iii 'III 1111111111 1111' 11111 illll, 11111 :1111. 111111111 II' III' ~I I III ~I I 'III' I1111 11111 :1111 1111' 11111 '1111' !IIII 1111 11111 '1111 1111 "1111 1111 1111: 1111 '11111 1111 1111 III! 1111 ',1111 '1111 11111 '1111 11111 III 1111 'II', 'I11 'III '.'i
Ultima 'posibilitate de evolutie a directiei este CUfl-I!ig§. Aceasta direct ie 4.2. AN OVA factoriala
es te foarte inconsecventa, avand trei puncte de schimb§~~. a directiei. .-,...-~
107
106
, Baza de -date aferenta exemplului este anova factoriala.sav, iar calea de
Tabelul 4.3. Exemplu de design experimental de tip 3 x 3
obtl~er~ a" rezultatelor in SPSS este "Analyze" - "General' Linear Model" -
B1 B2 B3 "UniVariate.
A1B1 A1B2 A1B3 Medie A1
A1
' A2B1 A2B2 A2B3 Medie A2
A2 Tests of Between-Subjects Effects
A3B1 A3B2 A3B3 Medie A3
A3 Dependent Variable' viteza masinilor
Medie B1 Medie B2 Medie B3
Type III Sum
Source of Squares df Mean Square F Siq:
Daca'in cazul ANOVA simpla dispers~§.lCJ.!ala era suma dispersiei)Q1~[9rup Corrected Model 1702.800"- 5 340,560 7,277 ,000
Intercept 38880,00Q 1 3881?0,000 830,769 ,000
cu dispe@ia intragrup, in cazul ANOVA bifactorialaexista patru surse al,§, dispersiel
SUGESTII
totale, §i <inume: disper.9lpJ.f1Jr.§!~e.!~la (echivalenta cll dispersia intr£l.grup),~. dispersia
1139,400 2 569,700 12,173 ,000
EXPERIEN 97,200 1 97,200 2,077 ,162
de-a lungul mediei.Jiniilor (datorata factoruluiA); dispersia de-a lungul mediei SUGESTI,I * EXPERIEN 466,200 2 233,100 4,981 ,016
coloanelor (datorata fa c12,C1Jlui B) §i dis persia datorata interactiunii dintre cele doua Error 1123,200 24 46,800
variabile independente (AI?},:,~Suma ultimelor trei dispersii este echivalentul Total 41706,000 30
dispersiei intergDdP· Corrected Total 2826,000 29
De aceea, in cazul ANOVA-.bifpctorial sunt testate trei ipoteze nule. a; R Squared ,603 (Adjusted R Squared =,520)
Primele doua se refera la efectul v.§Tic:!bilelor incjependente .. luate .geparir(~ 1=
IlA2 = )1A3, respectiv IlB1 = IlB2 = IlB3) , iar cea de-a treia se refera la Figura 4.11. Output SPSS 11.0 cu tabelul sumar ANOVA factorialfi
interactiunea dintre cei doi factori. SPSS este a marca Tnregistrata.
, Pentru a con~~za'elementele teoretice prezentate in cadrul ANOVA
factoriala, voi oferi drept model de rezolvare 9 problema tipica vizt':!nd memoria. Eliminand ~Iementele car~ nu ne intereseaza in acest moment, din informatiile
Pomind de la experimentele ciasice ale lui Loftus ~i Palmer (Eysenck ~i prezentate In modelul generalliniar din SPSS, obtinem urmatorul tabel ANOVA: '
Keane, 2000) care au ari:Hat ca memoria are 0 natura reconstructiva, un cercetator
dore~te sa studieze in ce masura relatarile martorilor oculari sunt influentate de Tabelul 4.4. Tabelul sumar ANOVA 3x2 factorial
intrebarile adresate ~i de experienia faia de situaiia in cauza, avand drept obiectiv
stabilirea gradului de incredere in depozi~ile martorilor la procese. Sursa dispersiei SS df MS F p
_ Experimentul descris in continuare este 0 adaptare a cercetarilor iniiiale Linii (A) - sugestii 1139,4 2 569,7 12,17 <.01
realizate de autorii meniionaii. Ace§tia propun subieciilor sa vizioneze un film Coloane (B) - experienta 97,2 97,2 2,07 >.10
despre un accident de circulaiie. Dupa vizionare subiectilor Ii se cere sa estimeze Interacliune AxB 466,2 2 233,1 4,98 <.05
viteza cu care rulau ma§inile in momentul accidentului (variabila dependenta), Intracelula 1123,2 24 46,8
cercetatorii fiind interesati de influenta a doua variabile independente. Tatala 2826,0 28
o prima variabila manipulata de experimentatori este modul de adresare a
intrebarii. Astfel, ei cer unui grup sa estimeze viteza cu care s-au "zdrobit" ma~inile; . . A~adar, se observa CEl din cele trei raporturi F, doua sunt semnificative
unui al doilea grup sa estimeze viteza cu care "s-au lovit" ma~inile, in timp ce in a ~tatlstlc: ~ "sugestii" [F.(2',2~) = 12,17, P, < :01] ~i F interaciiune [F(2, 24)4,98, p =
treia situatie, subiectii au fost ,intrebati ce viteza aveau ma~inile in momentul , ,05]. :nmul re~ultat ,Indica, un efect principal semnificativ, care poate fi transpus
accidentului. Cea de a doua variabila independenta a fost experieni a subiectilor In ~rmatoarea afl~matle: estimarea vitezei de deplasare a ma~inilor in momentul
care a avut doua trepte: ~oferi ~i ne-§oferi. A§adar, avem un model ANOVA acc~dentulUl este Influentata semnificativ de modul de adresare a intrebarii prin
factorial de tip 3x2 (trei linii §i doua coloane). cuvlntele a!ese in a~est scop. Aceasta inseamna ca,. daca ignoram expe;ienta
Ipoteza cercetatorului este ca relatarile subieciilor sunt influentate atat de celor, dou,a "~atego,rll de subiecti (~oferi vs. non-~oferi), exista 0 diferenta
expresiile utilizate (intrebarile anchetatorului), cat ~i de experienia subieciilor in s~mnlficatlva In estlmarea vitezei, influentata de modul de formulare a Tntreba~ii.
situaiia descrisa (profesiunea martorului) in sensul CEl subiectii - §oferi pot estima Fllnd ,un test F general, de tip omnibuz, nu putem deduce direct cum evolueaza
mai bine decat non-~oferii viteza de deplasare a automobHelor). I~crunle, ~pre ~xemplu, utilizarea termenului "zdrobit" conduce la estimarea unei
vlteze mal man decat folosirea termenului "Iovin Exista. diferente semnificative
109
108
'111'1111'11111111111'11111111
Tntre utilizarea termenului "zdrobit"· fata de utilizarea sintagmei "cu ce viteza . Un mod alterna~iv, dar simplificat, de a observa aceast~ el(.olu~ie" se obtine
circulau ma§inile In momentul accidentului?" etc. Pentru a observa care diferente pn~ rep~ezent~rea graflcaa interactiunii dint.c.e-.cei~9()i factori. Acesta se po ate
sunt semnificative putem apela, fie la-Gontraste, fie la compar.atiLpo?LbPc, ambele obtlne direct din SPSS utilizand aceea§i cale de obtinere a rezultatelor Tn cazul
~etode fiind deja prezentate Tn sectiunea destinata analizei dispersiqnale simple. ANOVA factoria}, "Analyz§:;::,,(;eneraILinearMg.ci~J" - "l,Jnivariate", dupa care se
Tn urma aplicarii- testului post h~Iukey,~ au fost observate diferente selecteaza butonul - ,,~t,,"; Tnainte de a face acest lucrutrebuie sUbliniata
semnificative In doua dintre cele trei comparatii. Mai precis, ignorand aspectul urmatoarea idee: de§i efeCte"le principale au rolul lor, daca interactiunea dintre doi..
experientei Tn conducerea autovehiculelor, persoanele carora 'Ii s-a adresat fa~toJi"e~t~ semnificativa,aceasta devine primordiala Tn interpret~rea statistica §i
Intrebarea incluzand termenul "zdrobit" au estimat viteze de deplasare semnificativ pSlhologlca a rezultatelor unei cercetari.
mai mari Tn comparatie cu situatia ·utilizarii termenului "Iovit" sau Tn comparatie cu Ca 0 regula generala, Tn cele mai multe situatiicand cele doua linii se
grupul asupra caruia s-a folosit expresia neutra "viteza cu care circulau ma§inile". intersecteaza, precum Tn figura 4.12., exista 0 interactiu~e semnificativa fntre acei
Tn schimb, nu au fost sesizate diferente semnificative Tn ceea ce prive§te viteza de doi factori. Din desen, se pot desprinde cateva obs'ervatii. Diferentele cele mai
deplasare a automobilelor Tn cazul utilizarii expresiei "Iovit" fata de cazul exprimarii mari, dintre §oferi §i non-§oferi, se observa Tn cazul Tn ~are experimentatorul a
"viteza cu care circulau ma§inile". folosit sintagma "cu ce viteza s-au zdrobit ma§inile In accident". Astfel, non-§oferii
Cel de-al doilea F din tabelul 4.4. a testat In ce masura exista 0 diferenta tind sa fie influentati mai puternic de aceasta expresie, acordand 0 viteza de
semnificativa Tntre §oferi §i non-§oferi, indiferent de cuvint~le uti lizate , referitoare la deplasare mult mai mare decat media estimarilor facute de §oferi. De asemenea,
estimarea vitezei cu care circulau ma§inile In momentul accidentului. Rezultatul, putem nota ca cea mai mica diferenta dintre cele doua categorii de persoane se
F(1, 24) = 2,07, p >.10, a fost nesemnificativ statistic, astfel ca nu s-au gasit observa Tn situatia Tn care experimentatorul adopta 0 atitudine neutra, utilizand
diferente semnificative Tntre cele doua categorii de persoane cu privire la viteza de expresia "Cu ce viteza circulau ma§inile Tn momentul accidentului?". Ar fi bine ca
deplas~re a ma§inilor. Aceasta Inseamna ca, ignorand tipul de Intrebari adresate, aceste observatii grafice sa fie completate de analiza efectelor simple, 0 metoda
nu exista diferente Tntre §oferi §i non-§oferi In estimarea vitezei de deplasare a riguroasa, dar din nefericire absenta din meniul SPSS-ului, ea fiind disponibila doar
ma§inilor, In momentul accidentului din filmul respectiv. prin apelul la sintaxa.
In schimb, cel de-al treilea test F, vizand gradul de interactiune dintre cei
doi factori, este semnificativ statistic, existand 0 asociere Tntre treptele celor doua
variabile independente. Cu alte cuvinte, efectul modului de formulare a Intrebarilor 4.2.1. Metoda efectelor simple
asupra estimarii vitezei de deplasare a ma§inilor a fost diferit pentru §oferi fata de
~~""" .•... "~
, Tehnica are un caracter ,post hoc §i este menita sa surprinda Tn detaliu
non-§oferi. Cum a fost diferit, este 0 alta poveste, ce necesita fntelegerea
diferentele dintre anumite~lule_~xperimerlt<3le. Ea se deosebe§te' de metodele
conceptului de efect simplu.
post hoc obi§nuite, fiind mult m~~fl(3liticaJKeppel, 1991; Pedhazur §i Schmelkin,
55..--------'--,
1991). Spre exemplu, prin metoda .:[ukeyse observa daca exista diferente fntre
situatiile experimentale determinate de modul de formulare a Tntrebarilor, ig'norand
\ aspectul experientei Tn conducerea automobilului. De exemplu, yom putea
45 \, com para daca exista diferente semnificative Tntre persoanele fntrebate "cu ce
\ viteza s-au zdrobit ma§inile", respectiv persoanele aflate Tn grupa Tn care
Tntrebarea a fost "cu ce viteza s~au lovit ma§inile". .
om \,
Tn schimb, prin metoda e!!:l.c.telor ... simple, yom face un pas Tn plus,
~ ,
35
determin~nd posibile 9lf~[~flte)ntr~._~?atEl.cele $"asEl .. 'cElJuIEl_~'>:<PElrirT"leQt9IEl ale
-'
~ \,
E perienta sofat
~ problemeldate.,De exemplu, yom putea stabili daca exista diferente semnificative
\ lII-- Tntre §oferii care au fost Tntrebati cu ce viteza circula ma§in~ Tn momentul
Q)
sofer!
~'"
Q
~ 25,-I-_ _ _~--:-:-_I * non~soferi 'ac'cidentului §i non-§oferii care au fost fntrebati cu ce viteza s-au zdrobit ma§inile.
zdrobit lovil rulau in rrorrentul ac
Procedura de a obtine' efectele simple Tn SPSS este extremde complicata,
expresie utiHzata presupunand utilizarea sintaxelor. De aceea, vorrlj);:ezenta pe scur! formulele
Figura 4.12. Reprezentarea grafica In SPSS 11.0 a interactiunii dintre cei doi (actori ~atematice .~~_~fe9telor...simple. Cei interesati pot consulta un material c-;;m-pie(pe
slte-ul de statistica sociala (Sava, 2002).
SPSS este 0 marca fnregistrata.
Pentru a afla efectul simplu Tn cadrul acestei trepte yom parcurge trei pa§i:
110
111
1I'lIIlIIillll III ,I
~
,"c":'
·.······.······i
....".•.•
' ..............
' : :.. "..
,;0", ,
Pasul al doilea consta In obtinerea, lui F - efect simplu - pentru treapta
1. yom calcula suma patr;:>telor aferenta acestui efect simplu; . l· "zdrobit" a variabilei "mod de formulare a intrebarilor". Acesta se obiine simplu, pe
pe baza sumei patratelOL ~icunoscand gradele de lib~!":t~~~, yom obtlne
2.
mediapatratica, iar din aceasta testul!,,§fere~t; ..... .
'j baza formulei:
3. pe baza iUi.i=...vom$tabili daca treapta respectiva contnbUie sem.nlflcatlv la
interactiunea dintre cei doi factori. II F = MS., . I
eJeel_Slmp" (4.6)
MSillt meelllia
Vom presupline ca au fost obtinute urmatoarele rezultate In situatia
experimentala "cu ce viteza s-au zdrobit ma~inile".
Daca media patratica intracelula exista Tn tabelul sumar ANOVA, lipse~te
Tabelul 4..
5 Rezultatele obtinute de §oferi §i non-§oferi Tn situatia experimental a "zdrobit"
"mod de acestui efect simplu este egala cu sum a patratelor calculate, adica 476,1,
formulare C! deoarece gradul de libertate a variabilei "experienta in ~ofat" este unu. Inlocuind Tn
Tntrebarilor" formula de mai sus, yom obtine un F - efect simplu - pentru treapta "zdrobit" a
X X2 X X2 variabilei "modul de formulare a Tntrebarii" de 10,17 (476,1:46,8). La fel se
2601 63 3969 L treapta 1 = 189 + 258 = 447 procedeaza ~i Tn cazul celorlalte trepte ale variabilelor incluse Tn studiu.
51
treapta 1 - 45 2025 57 3249 Reamintim datele din tabelul sumar ANOVA pentru a clarifica toate valorile
2601 L (treapta 1)2 = 7623 + 13644 introduse Tn calculele de mai sus:
"zdrobit" 39 1521 51
48 2304 = 21267
30 900
24 576 39 1521 0
Tabelul 4.6. Tabelul sumar ANOVA pentru exemplul dal
113
f 11-:l
11111111'1111'111'111"11111111"111,111:111111"111 I I!I 11'111 III' 111'!III"II'I!"!!il,'I! iii ,II 11,'1 '!, UIIIIU 1 ',,, l'i":'IIII:IIIII,llll'lllli:IIII:11111 Ili:II"111 III II "'1' 1,'I':I'il "llillll'III'1111111 '1111111,111,111'111111,111111::111111',111111',111111,1111111'111111,1111111'11,II'!I'III
Dupa ce am aflat valorite lui F - efecLsimplu (vezi tabelul 4.7.) - pentru :olose§>te for~ula 4.3, unde df intergrup devine df asociat factorului respectiv, jar df
fiecare din cele cinci trepte, urmeaza ultimul pas de a stabifi daca valorile obtinute Intragrup devine df corespunzator gispersiei intracelula.
sunt semnificatLl£e. statistic. Trebuie sa retinem ca nu yom utiliza pragul de Astfel, utilizarea expresiei "vitezacU-care s-au zdrobit ma~inile" a avut un
semnificatie clasic de .05. Tn acest caz intervine 0 modificare a valqrii alfa pentru a impact puternic asupra estimarii vitezei. Efectul inregistrat a fost foarte mare
pastra constanta eroarea setului de comparatii. Astfel, Tn cazul variabilei cu trei comparativ cu viteza estimata de persoanele care au fost invitate sa precizeze
trepte "formularea Tntrebarii" yom ave a ca limi~a p = .Q1lI05 I 3), Tn timp ce pentru viteza ma~inilor in mQmentul lovirii lor, r fiind 0,59, r2 fiind 0,35. Pentru a ajunge la
variabila "experienta Tn conducerea ma~inii" yom ave a p =.025 (.05/2), deoarece aceste valori am aplicat formulele 4.3 ~i 4.4, ·utilizand valoarea lui F sugestii din
variabila are doua trepte: ~oferi ~i nonc~oferi. tabelul 4.4 §>i calculand t Tukey pentru comparatia dintre .grupele "zdrobit" ~i "Iovit".
Din cele cinci efecte simple, doua se dovedesc a fi semnificative statistic. Cu a~te cuvint~, 35% din dispersia vitezei estimate de catre subiectii investigati
Este yorba de interaciiunea dintre formularea Tntrebarii ~i non-~oferi (A-B2), este Influentata de modul de formulare a Tntrebarii, in cazul sintagmei "viteza cu
respectiv dintre experienta Tn conducere ~i fOlosirea sintagmei "zdrobit" (B-A 1). care s-au zdrobit ma§inile". Acest aspect poate ave a implicatii profunde Tn
Interpretarea acestor efecte simple semnificative se face pe baza observarii veridicitatea depozitiilor martorilor in actul de justitie. Se observa ca modul de
mediilor situatiilor respective ~i a graficului de reprezentare a interactiunii dintre formulare a Tntretarii poate induce raspunsuri cu un impact profund diferit Tn
factori. Pentru problema noastra se desprind doua concluzii complementare, de evaluarea unor situatii Tn care lipsesc reperele de apreciere.
nuant are :
(1) primul efect simplu semnificativ (A-B2) indica 0 difereniiere mai clara, Tn
aprecierea vitezei de deplasare a ma§inii Tn momentul accidentului, la persoanele 4.2.3. Conditii lJ..ecesare pentru aplicarELCl,AN"QYA simpla §i
ANOVA factoriala ...........
care nu posed a camet de conducere. Acest fapt se datoreaza probabil lipsei de ~,""<-,~~
experienia Tn apreCierea vitezelor, determinand aceasta categorie de subiecti sa fie ::;t (1) E~antionul
a fost selecta.t.[ClncjgD}i~~Lcl.l[1, populatie. Tn cazul In care acest
mai u~or influeniabila de sugestiile experimentatorului, prin modul de formulare a fapt este greu de realizat, se recomand~r-ca masura compensatorie
in trebarilor. Acest aspect se poate observa §>i Tn graficul de interactiune a factorilor, distribuir:~a_a.I~at()?r.§~~ subiectilor Tn grupele ex~erimentale.
rezultatele subieciilor fiind mai variabile decat cele ale ~oferilor. ~(2) Variabila depeI1Qsmta...esie~_disttiPJJ1.!!TI§tynaLAceasta canditie este gre\J d..e.
(2) al doilea efect simplu semnificativ (B-A 1) indica 0 diferenia Tntre ~oferi Indeplinit Tn ~a2\.l! }n,care grupele experimentale sunt constituite dini~:'~n
§>i non-§>oferi Tn cazul primei situatii experimentale. Astfel, sintagma "zdrobit" numar mic~~YQi~cti (ex. n = 10).
influenteaza Tntr-o mai mica masura ~oferii decat non-~oferii. Ace§tia din urma }'(3) Fiecare persoana din_e§antion este testata a §.mgura. data, astfel incat
estimeaza 0 viteza de deplasare a ma~inilor mult mai mare In cazul Tn care au fost evaluariIELsaJieiIJ9~RgDdente. Cand acest aspect n~eSte-respectat, yom
utilizate cuvinte sugestive pentru forta impactului ("zdrobit"). Tn schimb, ~oferii sunt utiliza, foarte probabil, ANOVAi.:c.u.ma,suratori repetate.
mai putin afectati de acest aspect. Graficul interactiunii identifica aceasta situatie, ,"(4) Dispersia~,sub~ectj!.Q~ lmpartiti pe grupe. experimentale sa fie egala. Testul
in care formularea "zdrobit" conduce la cea mai mare diferentiere Tntre §oferi ~i L~e, este special construit pentru a observa In ce m~sura este realizata
non-~oferi, in ceea ce prive§te estimarea vitezei de deplasare a ma~inii Tn aceasta omogenitsl~e a dispersiei.
momentul producerii accidentului. Tehnicile ANOVA s~-nt destul de robuste la nerespectarea primelor doua
conditii. Cu alte cuvinte, indicele general·j;'~~u,.este afectat foarte mult de primele
doua conditii (Hinkle, Wiersma §i Jurs, 1994). In schimb7"neTndeplinirea conditiei
4.2.2. Marimea efectelor In cazul ANOVA factoriala patru, absenta unei omog~_njtt3tia dispersiei dintre grupe, afecteaza semnific~tiv
Marimea efectului poate fi calculata ~i Tn cadrul unui d~l9.,U.lggJ~r~~, Prin valarilelui F. fntr-o asemenea situatie sunt posioile doua masuri alternative'
intermediul acestui indicator yom putea observa Tn ce masura difere.o,ij:lle (a) '-'renuntarea la aplicarea tehni;iloLJ.\_~QYA ~i utilizarea unor tehnicl
semnificative observate "auoariumira' importania practica. Modul de calcul este corespondente n~p..~r..~!Il.~!rl<::~.; (b) aplicarea tehnicilor paramE?1!i.ce ANOVA prin
similar celui prezentat in cazul ANOVA simpla., cu deosebirea ca. Freprezinta. apelul la 0 corectie agradelor de libertate de citire a lui F din tabelul distributiei
valoarea testului pentru un anumit factor iar F contrast este valoarea o6tinutain omonime. Tabelul paate fi consultat In aproape arice manual introductiv 'de
.--....., . I ....
statistica.
cadrul unei comparatiipost hoc sau a unui contrast Tn .cadrul factoriJlai resp·e-ctrir.ln
cazul Tn care un factor are
doar doua trepte, F c6n~~ste~te egal GU F alJactorului Tn situatia din urma, valoarea lui F obtinuta va fi comparata cu valoarea
prezentata Tn tabelul lui F R§otru.J ~i N-1 grade de /ibertate §i nu cu valoarea sa
respectiv (formula 4.2.). Tn cazul unei VI cu trei sau mai multe modalitaii se
----~, Gorespondenta de la k-1 ~i N-k-1..~:ade de libertate, daca omogenitatea dispersiei
114 115
era indeplinita. Mentionam ca Neste. numarul total de subiecti din e~antion, iar k Pentru a fi un design cu masuratori repetate, merita sa pr,ecizam ca au fost
este numarul de grupe sau de celule experimentale din cercetarea respectiva. fo!O~iti aceia~i §ubiecti-Tn cele treisituatii experimentale diferite. In plus, pentru a
ellmlna aspectele de invatare, au fost folosite trei forme paralele ale replicilor, care
aveau acela~1 numar de cuvinte fiecare, iar' pentru a elimina posibilele efecte de
4.3. ANOVA cu masuratori repetate ordine sau oboseala, prezentarea replicilor a fast contrabalansata, astfel incat unii
subiecti au raspuns mai intai la prima situatie experimentala, altii la situatia de
fn conditiile in care aceia!?i §Wl:Jie~9ti~~unt testati de mai multe<.ori-vomapela control, iar altii la ultima situatie experimentala. "
la ANOYA cu masurat9ri,Jepetate. Daca ANOVA simpla era corespondentul Pe baza unor. date imaginare yom testa urmatoarea ipoteza generala.
testulLJiJ pefltru,qouae!?antioane.indeRendente, intr-o anumita masura ANOVA cu Categorizarea stimulilor afecteaza modul de perceptie a acestora. Cele doua
masuratori repetate este corespondentul testl!iyLt p,entru doua e~C1ntioane perechi. ipoteze specifice sunt:
Am utilizat sintagma "Intr-o anumita masura", deoarece am putea vorbrae'ANOVA a) includerea in aceea$i categorie a stimulilor similari conduce la accentuarea
cu masuratori repetate, atat in cazul in care un singur fa.ctof este luat in perceptiei deosebirilor dintre stimulii diferiti Tn comparatie cu absenta
considerare,' cat ~i in situatia in care mai multi factori sunt masurati repetat categorizarii..lpoteza nula pentru aceasta situatie este 1J.1 '= ).12, adiea ~u
(ANOVA factoriala cu mas,uratori repetate). Termenul de masurator'l repetate exista diferente semnificative in aprecierea distantei dintre replicile mai
implica evaluarea unui individ de doua .,sau mai multe ori privitor laaceea~i lungi §i eele mai seurte In primele doua situatii'
variabila depender)ta. b) includerea In aeeea~i categorie a stimulilor dif~riti va conduce la reducerea
Yom utiliza un exemplu de ANOVA cu masuratori repetate apeland la un perceptiei deosebirilor dintre ei in eomparatie' cu absenta categorizarii.
exemplu din psihologia sociala. Tajfel recunoa$te categorizarea sociala ca 0 Ipoteza nula este in acest caz Jl2 = 1J.3, adica nu exista diferente
componenta de baza a identitatii sociale. Acest proces cognitiv de strueturare a semnificative Tntreaprecierea distantei dintre replicile mai lungi ~i cele m~i
stimulil()f din mediul inconjurator pentru a simplifica perceptia nu se rezuma doar la scurte In situaiia ultimelor daua grupe.
mediul social. Yom adapta un studiu descri,s pe scurt de Lyons (1998) $i apartinand Altfel spus, utilizarea aceleia~i etichete pentru stimuli similari conduce la
lui Tajfel ~i Wilkes. Autorii au demonstrat tendinta de accentuare a diferentelor in cre§terea asemanarilor pereepute dintre ei, in timp ce utilizarea aceleia~i etichete
eazul unei categorizari prealabile a stimulilor. Concret, subiectii au fost rugati sa pentru stimuli diferiti conduce la scaderea deosebirilor percepute dintre ei.
evalueze, in numar de cuvinte, lungimea unor replici dintr-o piesa de teatru. Din • Exemplul prezentat poate fi exersat utilizand fi~ierul anova repetate.sav,
cele' opt replici selectate, patru eraumai scurte, iar patru erau mai lungi. Vom urmand calea "Analyze':"':._JneneraL Linear .. Model"..- ,;Repeated Measures". In
prezenta trei situatii experimentale, dintre care primele doua respecta studiul initial, fereastra deschisa va trebui asociat nurna.wl3Jermenwlui "f9~_r, pentru a defini
cea de a treia fiind introdusa de noi cu scopul de a utiliza ANOVA cu masuratori cele trei situatii experimentale intalnite, prin aciionarea butanului "define". fn cazul
repetate in dauna unui simplu test t dependent. Prima situatie experimentala unei ANOVA factoriala cu masuratori repetate, Inainte de a actiona butonul
consta in faptul ca cele patru replici mai lungi erau etichetate cu litera A, iar "d~", se apasa "adct..peqtru a permite definirea numarului de repetari in cazul
celelalte patru replici mai scurte erau identificate cu B. A daua situatie a studiului celui de-al doilea factor.
initial, poate fi etichetata ca grup de control, deoarece cele opt rep,lic; nu erau ANOVA cu masuratori repetate poate fi realizata atat prin testa rea lui F
asociate eu nici 0 litera. Cea de-a treia situatie, introdusa de noi, consta in. ge.O.er.al,urmata de comp.araiii PQst hoc, cat ~i prin testarea unor_E_specTti~C!)fln'
asocierea mixta a Iiterelor A $i B cu eele opt replici, astfel incat sa existe ,doua aphcarea unor c0!2.!~~ste . .!n eazul de fata ipotezele impun cea de-a doua abordare,
replici mai lungi $i doua replici mai scurte asociate Iiterei A, iar restul replicilor datorita specificitatii existente In formularea lor. Totu~i, in scop didactic vor fi
(doua repliei mai lungi ~i doua replici mai scurte) fiind etichetate de litera B. analizate rezultatele obtinute ~i prin metodeJe post hoc. '
Conform efectului de accentuare activat prin etichetarea stimulilor, subiectii Modul de prezentare a tabelului sumar pentru ANOVA cu masuratori
au exagerat diferentele dintre replicile mai lungi ~i cele mai scurte in cazul repetate din SPSS este putin diferit de modul de prezentare al tabelului sumar din
etichetarii primelor cu litera A !?i a celorlalte cu litera B, comparativ cu lipsa celelalte cazuri. EI este eonstituit doar din doua surse ale dispersiei: cea
etichetarii acestora in grupa de control. Pornind de la aeeste premise, ne yom determi.nata. de fa~torul=ce[cetarli (In cazul nostru, tipul de situcrt!~_ experimentala),
a~tepta ea etichetarea replicilor din a treia situatie experimentala sa' reduea respectlv dlspersl!.__~~torata erorii, De fapt, aceste sursesunt ~i cele mai
diferentele dintre repliclle mai lungi ~i eele mai seurte, datorita identificarii mixte a Importante pentru ca:lcularea lui F. .
acestora cu litera A, respectiv B. Totu~i, aceasta modalitate de prezentare a rezultatelor nu tine seama de
specificul tehnicii ANOVA cu masuratori repetate. Spre deosebi~e de ANOVA .
117
',I ,,\ ,i',' i,",I' lilll'li:II'iII,'llilll'!IIIIII:il:I': 'I iiil ii:I'1
simpla, ce considera diferen\ele interindi'{i.~~a}~ ca parte a disper~Let_erorii Se observa, din compar~rea figurilor 4.13. ~i 4.14., ca dis persia erorii In
(neexplicate), Tn ANOVA cu masuratori repetate putem -distinge trei surse ale cazul masuratorilbr repetate s-a redus la 24,833. Daca nu am fi eliminat din cadrul
dispersiei:dispersiae)(plicataJ datorata treptelor variabilei independ~nte), dispersia ei sursa dispersiei datorate diferentelor dintre indivizi, am fi obtinut 0 valoarea mai
subiectilor (datorata diferenteior _dintre indivizi) ~i dis persia neexplicata, reziduala mare: 182,250 (157,417- + 24,833). Valoarea ar fi obtinuta ~i daca am face
sau dispersia erorii. Daca va reamintiti, F nu era altceva decat raportul dintre. abstractie de rezultatele care provin de la aceia~i subiecti (vezi figura 4.15.).
dispersia explicata' ~i cea ne~!plicata. Din acest punct de vedere, datorita reducerii
dispersiei neexplicate, prin ellminarea dispersiei datorate diferen\elor individuale, F ANOVA
are mai mari ~anse sa fie semnificativ statistic. Astfel, un design cu masuratori Dilerenta repJici lungi - scurte
repetate are 0 putere statistica mai mare de a detecta situa\ii1e Tn care variabilele Sum of
independente influenteaza 0 anumita variabila dependenta. Squares df Mean Square F Sig.
Between Groups 84,500 2 42,250 7,650 ,002
Tests 01 Within-Subjects Effects Within Groups 182,250 33 5,523
Measure: MEASURE 1
Total 266,750 35
Type 111 Sum
Source of Souares df Mean ~quare F Sio.
SITUATIE Sphericity Assumed 84,500 2 42,250 37,430 ,000 Figura 4.15. Output SPSS 11.0 qu tabe/ul sumar ANOVA simp/a
Greenhouse-Geisser 84,500 1,784 47,367 37,430 ,000
penfru problema categorizarii
Huynh·Feldt 84,500 2,000 42,250 37,430 ,000
Lower-bound 84,500 1,000 84,500 37,430 ,000 SPSS este omarca Tnregistrata.
Error(SITUATIE) Sphericity Assumed 24,833 22 1,129
Greenhouse-Geisser 24,833 19,623 1,266
Huynh·Feldt 24,833 22,000 1,129 Trecand peste aceste aspecte tehnice, se observa ca testul F in urma
Lower-bound 24,833 11,000 2,258 aplicarii ANOVA cu masuratori repetate (figura 4.13.) a fost semnificativ statistic
[F(2, 22) = 37.43, P < .01]. Acest rezultat indica respingerea ipotezei nule conform
Figura 4.13. Output SPSS 11.0 cu tabelul sumar ANOVA
careia diferen\ele existente dintre mediile celor trei grupe s-ar datora hazarduluL Tn
in cazul unui design cu masuratori repetate
consecinta, etichetarea unor stimuli are un efect semnificativ asupra modului de
SPSS este 0 mardi Tnregistrata.
percept ie a gradului de asemanare sau deosebire dintre ace~tia.
Tn consecinta, pentru a testa cele doua ipoteze specifice enuntate Vom
Pentru a identifica Tn SPSS dispersia datorata il"\divizilor~i)mplicit totalul
apela la confraste. Tn cazul ANOVA factorial~~ ANOVA.c:u masuratori ~epetate,
sumei J2!3tratelqr, putem sa tratam un design cu masuratori repetate ca un design
SPSS-ul ofera prin meniu doar oportunitatea'-dE~-'a alege intreco'ntraste
normal, introducand un factor aleatoriu denumit "subiecti", pentru a identifica
standardizate. Din tabelul 4.2., putem observa ca cea mai potrivita alegere pentru
scorurile apar1;inand ace\eia~i persoane. Tabelul sumar din SPSS devine:
testarea celor doua ipoteze este contrastuL.r:.epeiaL("repeated"). Acesta testeaza,
Tests of Between-Subjects Effects pe rand, dif~renta dintre grupele 1 ~i 2, respectiv dintre grupele 2 ~i 3. Primul
Dependent Variable: diferenta replici Iun i - scurte contrast va testa prima ipoteza, iar eel de-al doilea, pe cea de a doua. Rezultatele
Type 111 Sum in SPSS sunt prezentate astfel:
Source of Sou ares df Mean Square F Sio.
Intercept Hypothesis 10302,250 1 10302,250 719,903 ,000
Error 157,417 11 14,311"
SITUATIE Hypothesis 84,500 2 42,250 37,430 ,000 Descriptive Statistics
Error 24,833 22 1,129 b
SUBJECT Hypothesis 157,417 11 14,311 12,678 ,000
Mean Std. Deviation N
Error 24,833 22 1,129 b
efecl de accentuare 18,75 2,491
SITUATIE· SUBJECT Hypothesis 24,83:J. 22 1,129 12
Error ,000 0 c grup de control 17,00 2,174 12
a. MS(SUBJECT) efect de reducere 15,00 2,374 12
b. MS(GRUPA' SUBJECT)
c. MS(Error)
Figura 4.16. Output SPSS 11.0 cu valorile descriptive penfru cele trei grupe oferite de SPSS
Figura 4.14. Output SPSS 11.0 eu tabelul sumar ANOVA factorial, SPSS este 0 marca Tnregistrata.
in cazu/ tratarii subieetiJor ea (aetori aleatori
SPSS esteo marca Tnregistrata.
118 119
I '1111' 11111 11111' 1II1II1I1I1II11I1I1I~1I1II~1I1I11I1I1II1111II111I11111I1111I11111II1111111111111111,11111111111 !IIII IIII 'III 'ii'
Tn cazul primei ipoteze se obiine un F (1, 11) = 24,87, P < .01. Astfel, un mod similar cu eel prezentat In cazul ANOVA simpla ~i ANOVA factoriala. Spre
aplicarea unor categorii identice pentru stimuli similari conduce la accentuarea exemplu, vorn calcula marimea efectului eorespunzatoare aprecierii distantei dintre
distaniei percepute fata de stimulii diferiii. Media distan\ei dintre stimuli In cazul stimuli in situatia etichetarii comune a stimulilor similari 7n comparaiie cu
aplicarii etichetei a fost 18,75, Tn timp ce media distan\ei dintre stimuli In grupul de etichetarea comuna a stimulilor diferi\i, deci cazul grupelor 1 !?i 3. Luand 7n
control a fost 17,00. Similar, Tn cel de-al doilea contrast, F (1, 11) ::: 17,60, p < .01. considerare c· F contrast este 65,59 {3,75/0,463)2, iar F (2, 22) este 37,43, vom
Acest rezultat arata ca aplicarea unor categorii identice pentru stimuli diferiii ob\ine, pe baza formulei 4.3, un r de 0,82 ~i in consecin\a, un J!...este,Q,6(,. Ace~ti
conduce la reducerea distantei percepute dintre stimulii diferi\i (media pentru indicatori arata un efect extrem de puternic prod us de tipul de etichetare a
grupul de control a fost 17,00, iar cea pentru ultimul grup experimental a fost stimuli lor Tn aprecierea distantelor dintre ei. Rezultatul are a importanta deosebita
15,00). Se constata ca pragul scazut de semnificatie a celor doua contraste (.000, Tn ameliorarea unor situatii practice. Astfel, ar trebui descurajata etichetarea diferita
respectiv .001) elimina problema unei valori inflaiioniste a lui p, peste valoarea de a romilor de populatia majoritara, pentru a evita accentuarea diferentelor percepute
.05, datorata faptului ca acest contrast "repetat" nu este ortogonal. Tn aceste dintre cele doua categorii. Similar, utilizarea acelora9i etichete In descrierea sau
conditii, ambele ipoteze de lucru au ramas In picioare, sprijinind premisa generala numirea persoanelor apariinand celor doua etnii, poate determina 0 reducere
a cercetarii de fa\a, conform careia gruparea pe categorii a stimulilor afecteaza importanta a diferentelor percepute Tntre cele doua popula\ii.
modul de percep\ie a acestora.
Testele~po$rhocpotfiutilizate 9i1n cazul ANOVA cu masuratori repetate.
4.3.2 . Conditii nece~~r~.pe,ntru aplicarea AN.,QY~hcu,ma,suratori
rep~.t ~t~_~ , .,
Pairwise Comparisons
Primele doua conditii din tehnicile ANOVA_simplasauANOVAfactoriala se
Measure; MEASURE0 1
pastreaza, de9i nelndeplinirea lor nu afecteaza foarte mult rezultatele obtinute.
Mean
95% Confidence Interval for
Difference
a Tn schimb, nu este suficienta Indeplinirea conditiei \ie,".om~genitate ,. a
Difference
(I) SITUATIE (J) SITUATIE II-J} Std. Error Sioa Lower Bound UDDer Bound _ dispersiilor diq,tre grupe pentru a aplica ANOVA cu.masuratori repetate. Conditia
1 2 1,750' ,351 ,001 ,761 2,739
necesara este denumita condiiia de sfericitate. ACi"asta impliea premj§"9J!D~irel~iii
,463 ,000 2,445 5,055
3 3,750' similare TntreJiecare pereche de, conditii experimentale ea fiind a conditie mai
generala"';;'~imetriei complexe. Aceasta' dlnurma este T~dePlinita, daca di~persia
2 ,361 ,001 -2,739 -,761
1 -1,750'
,004 ,656 3,344
3 2,000' ,477
3 1 -3,750' ,463 ,000 -5,055 -2,445 este egala in to ate' si.tuati!le' experimentale (omogenitatea dispersiei) ~i dac~
2 -2,000' ,477 ,004 ' -3,344 -,656
covarian~a, implicitcorela~ia dintre fiecare condi~ie experimentala e;i~egala, adica
Based on estimated marginal means exista 0 dependenta sim'ilar~ Tntre toate conditiile experlmentale. Tn practica se
'. The mean difference is significant at the ,05 level. observaca este foarte dificil de Indeplinit dubla cQ.Qs!iti~, m~oritatea design"urilor
a. Adjustment for multiple comparisons; Bonferroni.
ANOVA cu masuratori repetate cu mai mult de dou~ grupe· Tncalcand aceasta
conditie. Sa presupunem un design cu patf}lJnasuratorirElpetate. A respecta
Figura 4.18. Output SPSS 11.0 cu rezultatele comparatiilor post hoc
conditia de simetrie complexa Tnseamna ca toate cele patn'; grupe au dispersii
SPSS este 0 mardi inregistrata.
121
120
i'" 'III,', i,' 'I, 'ii' i, ',' 'i, ,',', !, I iILIIIUII', 'I I, I', II ",' ',' ',',', "I, ':1, ",' ""Jl.I, 111,li','li li.III.llllllllilllllllllll·llllllllllllllllllillll~ _ _ '_11I11111111111
-- , I III Illlllli I
relativccegale ~i ea exista eoefieienii de eo[eJI'l,iie relativ egaJi Tntre grupele 1 ~i 2, 1 ~i Rezultatele din figura 4.19. indica un caz fericit, dar, din pacate rar, de
3; 1 ~i 4; 2 ~i 3; 2~i 4; 3 ~i 4. Uneori, aceste condiiii sunt Pl'll\ial Tndeplinite. De Tndeplinire a conditiei de sfericitate. Valoarea lui epsilon este cuprinsa undeva in
exemplu, exista 0 corelatie relativ egala Tntre rezultatele din grupele 1 ~i 2, respec- intervalul .89 ~i 1.00, adica are 0 valoare mai mare de .90. Acest indiciu este rnsotit
tiv 1 ~i 3, dar nu ~i Tntre 2 ~i 3 etc. Aceasta situaiie este numita sfericitate locala. de un test Mauchly nesemnificativ statistic. In consecinta, conditia de sfericitate 'a
Din punct de vedere statistic, sfericitatea afecl~:z:a valprileluiF, crescand fost indeplinita, nefiind necesare nici un fel de ajustari suplimentare in interpretarea
~ansele de a comite ~roarea_d~Jip), adica de a respinge ipoteza nula cand nu lui F.
exista un efect real. Cum ne dam seama daca conditia de sfericitate este Vom folosi aceea~i situatie de cercetare pe 0 alta baza de date imaginare
Tndeplinita? SPSS-ul ealculeaza testul W al lui Mauchly. Daca rezultatul acestuia pentru a demonstra modul de iucru Tn cazul Tn care conditia de sfericitate nu este
este semnifi9.§tiv statistic, conditia de sferi;it~ieeste Tncalcata. Daca rezultatul nu Tndeplinita.
este semnificativ statistic (adica 'p este mai mare de ~(5),'pufem considera ca este
respectata conditia. Totu~i, acest test este foarte sen sibil la numarul de subieeti ~i Descriptive Statistics
la forma distributiei datelor, de aceea este necesara foarte multa precautie Tn Mean Std. Deviation N
interpretarea sa (O'Brien ~i Kaiser, 1985). elect de accentuare 18,75 2,491 12
In primul caz, Tn care conditia de sfericitate f:IIJ?ste Tndeplinita, va trebui sa grup de control 18,50 2,236 12
adoptam una dintre cele doua alternati~~: utilizarea tehnigli_Nl.6i'JQYtdanaliza elect de reducere 15,83 4,282 1?
Measure' MEASURE 1
Pentru a Tntelege aceste corect ii vom porni de la prem'isa ca Tndeplinirea in
a
totalitate a sfericitatii poate fi notata epsilon egal cu L_pe asemenea, cea mai
grava violare a acestei conditii este egala cu 1/{~~ 1} In cazul a trei grupe Within Subiects Effect Mauchly's W
Approx.
Chi-Square df SiQ.
Greenhous
e-Geisser
I Eosilon
Huvnh-Feldt
I Lower-bound
experimentale (k = 3), valoarea minima a lui epsiloneste O!§Q.,~pe obicei, un SITUATIE ,341 10,764 2 ,005 ,603 I ,636 I ,500
epsilon Tntre .99~§i 1~~, ridica nici un fel de probleme. Cu cat valoarea lui epsilon a. May be used to adjust the degrees of freedom for the averaged tests of significance. Corrected tests are displayed in the
Tests of Within-Subjects Effects table.
este mai mica, cu- at~t sunt probleme mai mari legate"de neTndeplinirea conditiei de
sfericitate. Ajustarea lui F se face folosind fie corectia Greenhouse-Geisser. fie cea Tests of Within-Subjects Effects
conceputa de Huynh ~i Feldt. Prima modalitate est~ consef)t~!()are (subestimeaza Measure' MEASURE -1
valoarea lui_epsilon), iar cea de-a doua, Iiberala (suprae§.tim~aza valoarea lui Type III Sum Partial Eta
epsilon). Speciali~tii au preferi~te diferite de a alege una dintre eele doua modalitati
Source of Squares df Mean Square F Si9· Squared
SITUATIE Sphericity Assumed 62,722 2 31,361 5,478 ,012 ,332
de ajustare a lui F. Everitt (1995) considera ca ar trebui realizata 0 medie In!re.cele Greenhous8-Geisser 62,722 1,205 52,033 5,478 ,030 ,332
Huynh-Feldt
do~l:_':lJustari. Girden (apud Field, 2000) recomanda utilizarea corectiei J;-luynh-
62,722 1,273 49,285 5,478 ,028 ,332
F.§ldt, daca epsilon este cuprins intre .75 ~i .90, respectiv a corectiei Greenhouse- Error(SITUATIE)
- Lower-bound
Sphericity Assumed
62,722
125,944
1,000
22
62,722
5,725
5,478 ,039 ,332
Geisser pentru valori epsilon mai mici. .='., • Greenhouse-Geisser 125,944 13,260 9,498
Huynh-Feldt 125,944 13,999 8,997
Lower-bound 125,944 11,000 11,449
Mauchly's Test of Sphericity
Measure' MEASURE 1 Figura 4.20. Va/orile descriptive, testarea conditiei de sfencitate§i tabelul sumar ANOVA cu
masuratori repetate pentru aceea§i problema, utilizand 0 alta baza de date
Epsilon"
122 123
111:11II,1II1:11111'llllljIIIIIIIIIIUIIIIIWIII~lllIUIllllIUIll"""'llIllIlIIlllllllll:lllll~111
Din al doilea tabel prezentat 5n figura 4.20. observam ca valoarea lui tuturor pa~ientilor la trei luni, la §ase funi §i la douasprezece luni de la prima
lpsilon este undeva Intre .60.3 9i .636, astfel Incat sfericitatea este gray Incalcata, evaluare. Intrebarea care s,e pune este daca pacientii care au urmat terapia
je aceea yom alege corectia Greenhouse-Geisser a lui F. Ca urmare, Tn cel de-a! cognitiv-comportamentala §i-au rediJs semnificativ simptomele de depresie pe
:reilea tabel al figurii 4.20., nu yom citi prima valoare, adecvata respectarii conditiei parcursul acestei perioade de timp.
je sfericitate [F(2, 22) = 5,47 la un p de .012], ci yom utiliza valQarea .Iui F din
:::!reptul corectiei Greenhose-Geisser (F(1.20, 13.26) = 5,47, !a un p de .031. Tn
aceasta situa\ie ambe!e valori F au fost semnificative statistic, Tnsa se observa ca 4.5. Exemplu de ANOVA factoriala:
dupa aplicarea corectiei pragullui F a crescut. Acest lucru poate fi important Tn alte
situaiii In care valorile corectate ale lui F nu sunt semnificative statistic, Tn limp ce
cazul euristicii de,.ac;:c;:esipjJitate
valorile originale ale lui F au fost semnificative, schimband astfel interpretarea
rezultatelor. In luarea deciziilor sunt utilizate 0 serie de strategii cognitive dEinumite
Un ultim aspect tehnic, ce merita a fi mentionat pe scurt Tn cadrul analizei euristici.
'PS=h~1t
Intre acestea este yorba !?i de euristica ~"':::'=~""o,,,,;.-.·
de accesibilitate
.. ~.,. .." """
care consta Tn
dispersionale, tine de modul de calculare a sumei patratelor (SS). Daca toatE! tendlnia oamenilor de a acordsa.."gpr9babllitSlte mai ridicat,:( alternativei sau
rezultatele sunt complete, yom pastra tipul III de calcul, acesta fiind op\iunea evenimentului~~Clr~ __~stE?fD9L..U!?orde amintit. Imaginaii-va c~ sunteti rugatsa oferi\i
standard In SPSS. Daca yom avea date lipsa, caz Intalnit mai ales In situatia cincisprezece exemple in care v-ati purtat agresiv. Probabil ca Yeti oferi rapid
masuratorilor repetate, vom utiliza tipul IV de calculare a sumei patratelor. ~apte-opt exemple dupa care va va fi din ce Tn ce mai greusa va amintiti celelalte
situatiipana la cincisprezece. Datorita acestui fapt, probabil, nu va yeti e~aJua ca 0
persoana foarte agresiva. lmaginati-va ca sunteti rugat saoferiti cin~i exemple in
4.4. Alte modalitati, ANOVA care v-ati comportat agresiv. Le veii oferi rapid ~i yeti concluziona, probabiJ, ca
sunteti 0 persoana foarte agresiva. in aceste condi\ii se Intampla un paradox,
persoanele din prima situatie se vor. autoevalua ca fiind mai putin agresive decat
Cele trei modalitati prezentate mai sus reprezinta cele mai frecvente situa\ii
persoanele din al doilea grup, de§i primele au oferit de trei ori mai multe exemple
care necesita analiza dispersionala. Totu9i, Tn tabelul 4.8. sunt prezentate alte
de agresivitate. Acest lucru se produce datorita experimentarii dificultatii de a
cateva tehnici AN OVA. Criteriul de diferen\iere a lor este dat de independen\a
rememora toate exemplele tip din prima situa\ie in comparatie cu u:;;urinta a~cesarii
evaluarilor (grupele formate din aceia9i subiecti sau din subiecti diferi\i) §i de
lor Tn a doua situa\ie, In care trebuia prezentate doar cinci exemple. Tn aceste
numarul de varia bile independente (unul sau mai multi factori).
conditii, yom concepe un experiment similar cu cel realizat de Schwartz (apud
Kunda, 1999), dar u!?or modificat prin introducerea unei trepte suplimentare.
TabeluI4.8. Tipuri de ANOVA In funqie de des;gnul cercetarii
Unii subiecti inclu9i in experiment au fost rugati sa ofere cinci exemple de situatii In
Subiecti diferiti Aceia§i subiecti care s-au comportat asertiv. Alii subieC\i au fost rugati sa ofere zece exemple, iar 0 a treia
1 variabila ANOVA simpla ANOVA cu masuratori grupa de participanti la studiu a fost rugata sa ofere cincisprezece exemple de situatii In
independenta (AN OVA unifactoriala) repetate care s-au manifestat asertiv. Prin urmare, prima var:iabila independenla maniPulat~ de
2 sau mai multe ANOVA factorialll ANOVA factoriaill cu cercetator este numarul de exemple aminti!e, cu trei trepte de lucru: cinci, zece, respectiv
variabife independente masuratori repetate cincisprezece situatii de comportament asertiv. ,
Design mix! Aile trei grupe de participanli au fost formate schimbi'md obiectul reamintirii. Astfel,
(unul sau mai multi factor; variali In grupe de subiecti diferiti ~i subieciii din a patra grupa au fost rugaii sa-9i aminteasca cinci exemple de situaiii in care s-
au comportat non-asertiv, cei din grupa cinci au fost solicitati sa-9i aminteasca zece
I unul sau mai multi factori masurati pe aceia:;;i subiecti)
asemenea situ alii, In timp ce persoaneior din grupa ~ase Ii s-a cerut sa prezinte
Un design mixt este oferit de Weinfurt (2000). Un cercetator dore~te sa cincisprezece situaiii Tn care s-au comportal non-asertiv. A9adar, cea de-a doua variabila
observe eficienta terapiei cognitiv-comportamentale in reducerea simptomelor independenta a constat in obiectul evaluarilor siluaiiilor stimul, ea avand doua trepte: asertiv
depresive la pacieniii suferinzi depresie severa. Dupa 0 eval\!.§.[e,.initiala cu 9i non-asertiv. Avem de a face in acest caz cu un design factorial de tip 3 x 2, cu 9ase celule
"Inventarul de Depresie Beck", subiectii au fost Impartiti aleatoriu in doua grupe: de experimentale, fiecare fiind alcatuita din subiecti diferi!i. Variabifa dependenta a constat intr-
contro~~:::r~n.:~ntala. Cei din grupa experimentala au urmat 0 terapie cognitiv- o singura Intrebare de autoevaluare a gradului de asertivitate a subiectului. Intrebarea este
comportamentala pe 0 perioada de trei luni. Inventarul Beck a mai fost admiriistrat pusa pe 0 scala Likert cu zece puncte, situate de la 1 (deloc asertiv) la 10 (foarte asertiv).
124 125
!11'11!'!llill'IIIIII'
1"
7.:•
Pentru a testa Tn ce masura dificultatile de reamintire a unor situatii
I
. -' -
Ramane de analizat Tn ce masura se con Ir...
f ma ipoteza conform careia:
. " . _ _
Tntampina dificultati. Tn re;amintirea sltuat" lor cerute consld:~~ ~~
"\ definitorii pentru comportamentul asertiv afect~aza gradul de auto-percepere 'a
unei persoane ca fiind asertiva, vom apela la calcularea lui F din ANOVA factorial,
persoane. e care. _ t de dezv~ltare a aGelei trasaturi datorita acceslbllita~1I
au un nlvel mal scazu .. , Am ales aceasta tehnica datorita design-ului factorial de tip 3 x 2, cu tipul de stimul
scazute a unor exemple (euristica de acceslbilitate). _. '. \ (asertiv vs. non-asertiv) ~i numarul de exemple cerute (5, 1a ~i 15) ca variabile
Orice analiz,,~,.(H§persionala necesita parcurgerea. urmatonlor pa~\. . .
./ selectarea modalitaiii.,.,9gLanaliza ulterioara testulUl F: metode a _prior) sau
comparaiii..p.osthoc; ~.
I independente. Toate conditiile specifice aplicarii probei au fost fndeplinite, inc/usiv
omogenitatea dispersiei, unde testul Levene a fost F (5, 54) = 0,23, p> .10.
Valorile descriptive pentru fiecare situatie experimentala sunt prezentate Tn
./ testarea condiiiilor aferenj~ tipuluLd,8 ANOVAefectuata, primul tabel, iar rezultatele obtinute in urma aplic<3rii testului ANOVA 3 x 2 sunt
\
./ interpretarea rezu~§telorob\inute. . • sectiunea de analiza trecute Tn bel de-al doilea.
Minimum de inforniatii care trebUie trecute 1 0 , _-".' Din tabelul sumar ANOVA se observa ca nici unul dintre efectele principale
cantitativa a datelor atinge urmatoarele puncte: . ~ • ' . ~ (ANOVA factoriala nu au fost semnificativ statistic. Tn aeeste conditii, orice comparatie post hoc sau
.' 'preclzarea
./ - ' ' ' . .mtr-un paragraf a t'pulu'l
I
do
'""""'"'nallza ......,.. : ~sa'_.
.=.. ,•. "".,mtrepnn . d ,. ' orice contrast a priori nu-~i mai gasesc rostul. Tn schimb, efectul determinat de
ANOVA simpla etc.) ~i a justificarii pentru alegere~~o9:!~J mc1uzan aici 0 interaciiunea dintre cei doi factori a fost semnificativ statistic, F (2, 54) = 16,66, p <
discutie scurta asupra cQI1.dItiilo,r; . ' t b I cu mediile ~i .01, indicand 0 interdependenta putemica intre acei?tia Situaiia speclala poate fi
eze'ntarea unui tabel sumaLANOVA, cat 91 a unUi a e .-"""d' observata eficient ~i Tn figura de mai jos .
./ pr . ' delul de mai jos msplrat In
dispersiile...fiecareicelule.expenmentale -.vezl mo Din analiza ei putem observa ca ipoteza de lucru este sustinuta. Astfel,
Nicol §i Pexman (1999); . ' , t persoanele care trebuiau sa-i?i aminteasca cinci exemple In care s-au comportat
./ Tn cazul unui numar mare de t(:;.ste F efectu~~e se poate. renu~\a la prezen area asertiv s-au perceput pe sine ca fiind mai asertive decat persoanele care trebuiau
tabelului sumar ANOVA, valorile F obtinute fm1QJre~utem tE?xt,. • . sa-i?i aminteasca cincisprezece situatii de acest gen.Mai mult, persoanele care
./ re r~ze, tarea grafica dupa caz, fie a relaiiilor dll]Jre.facton '(I~ . ca~ul, unel trebuiau sa-~i aminteasca cinci exemple In care s-au comportat non-asertiv au
in:ract~'seml1ificative), fie a efectelor principale care sunts~l1ln~flc~tIVet' de' urmat un proces similar, dar invers. Ele au obtinut un scar mai mic la asertivitate in
./ discut~rea rezultatelor de la testele post h().Q_~au a contrast"eLor, m unc,le situatia Tn care trebuiau sa-~i aminteasca clnci stimuli, Tn comparatie cu situatia Tn
caz' care trebuiau sa-~i aminteasca clncisprezece asemenea situaiii, deoarece au
./ inte'rpretarea sumaraa rf;f:.ultatelor gasite. . _ fi formulata in intampinat mai multe dificultati in amintirea situatiilor in care s-au comportat non-
Pentru exemplul dat, sec\iunea de analiza a datelor po ate asertiv. Tn schimb, nu par a fi direrente majore Tntre cele doua situatii-stimul In
modul urmator: cazul de mijloc, de ream intire a zece situatii stimuL Aceste date sunt sprijinite ~i de
faptul ca patru din cele cinci efecte simple sunt semnificative statistic, singurul efect
Media !]i abaterea standard a asertivitaiii auto-percepute in funct ie de stimulul dat !]i numarul care n-a indeplinit acest criteriu fiind tocmai situatia referitoare la amintirea a zece
de exemple cerute stimuli asertivi sau non-asertivi.
Dovezi de asertivita!e • Dovezi de non-asertivitate 7,0.,--------,
M AS
Numar exemple M AS
0,96 4,30 0,94
Cinci 6,40
0,94 5,20 0,78
Zece 5,30
1,17 6,00 1,05
Cincisprezece 4,50
2 0,065 0,06
8timulul da! 0,13 J. asertilf
1 0,810 0,83
Numar exemple 0,81
2 16,265 16,66 **
Stimul dat X Numar exemple 32,53
52,70. 54 0,976 numar exempte
Reziduala
86,18 59 Evolu\ia nivelului de asertivitate auto-perceputa in func\ie de condiliile experimentale
Total
** P < .01
127
126
II '1IIIIIIUlIIllIlIIl'IIIII"IIIII~IIIIUIIIIIWIIiUlUIUllllllllUllIIIIIIIUl_'" __'IHIII!IIIII_IIIIIIIIIIIIIIUlllIIIIII
Rezultatele sugereaza ideea ca oamenii tind sa fie influentati In perceptiile are 0 fidelitate perfecta, apare riscul de a grupa gre~it un individ. care a obtinut un
lor de dificultatea de a accesa informatiile cerute (este mai dificil sa-Ii aduci aminte rezultat foarte apropiatT}ledianei. Tn plus, el va fi tratat la fel ca o--p~rsoana'carea-'
cincisprezece situaiii stimul decat cinci) ~i mai puiin de numarul de· informaiii realizat scoruri extreme, pierzandu-se foarte mult din nuaniarile necesare existente
aduse. Cu alte cuvinte, chiar daca ni se cere sa precizam cat mai multe situaiii Tn prin masurarea caracteristicii pe 0 scala numerica. Tn aceste condiiii, 0 alta varianta
care sa ne fi comportat asertiv, daca yom Tntampina dificultati in amintirea acelor poate fi utilizata pentru gruparea subiectilor in tr,~pt§_.aleva!\abilf:li independente.
situatii, yom fi tentati sa ne caracterizam Tn directie opusa. Trl cazul de fata; vom_ De aceasta data sunt utilizate valori.l.e .... mediei~i abaterii~~t~0_dardpentru" ~
evalua ca fiind mai degraba non-asertivi. Astfel, a fost. dovedita Tnca 0 data . categorisi subieciii. Varianta elimina multe dintre neajunsurile preze'ntate anterior,
influenia euristicii de accesibilitate In modul de evaluare a situatiilor dar are un alt dezavantaj major, ~i anume: eliminarea unor s,ubiecti testati din
analiza ulterioC!@~~~telor, fapt ce nu ni-I putem permite in m\.lJtesit~~tii.:T~tu-~i,
• 1,1 pentru a exemplifica modalitatea de impartire a subieciilor yom porni de la cazul
4.6. Tehnicile.
.. .. _,.,.-." ..
~- ~'"
ANCOV A}
....- "- ... '" . ,.:_".,;/"
':-
masurarii gradului de extroversiune, unde media a fost 12, iar abaterea standard 4.
Grupa "extroversiune scazuta" ar putea fi alcatuita din subiectii care au obtinut
t-J.l;lTntotdeauna.variabilele independente de interes din cadrul unui studiu rezultate mai micisau egale cu [media - 0,5 abateri standard], 'adica din subi~ctii
comparativ sunt dejirLQ.s:.n.:inal (ex. barbaii sau femei) ori or~H~~x. grup control, cu un grad de extroversiune cuprins Tntre 0 ~i 10. Grupa "extroversiune ridicata" ~r
grup placebo, grup tratamerit terapeutic). Tn multe situatii, factorii pot fi masuratilJe putea fi alcatuita din subieciii care au obiinut rezultate egale sau mai mari decat
scale..D.umerLce, fie ele de tip interval sau p[oportii. Inteligenta exprimata Tn valori [media + 0,5 abateri standard], adica din persoane care au avut rezultate egale sau
IQ, trasaturile de personalitate ma;~';:at~prin a~umite test~ sunt numai cateva mai mari decat 14. Astfel, subieciii cuprin!?i in intervalul m±0,5s nu vor fi cuprin!?i Tn
cazuri Tn care datele sunt masurate pe un interval larg. A lua fiecare valoare nici una dint~e grupe !?i vor fi eliminati din analiza ulterioara a datelar. Tn cazul
numerica exprimata ~i a face din ea 0 treapta a \f§.Oabilei independente se prezentat ar fi fost yorba de toti subieciii care au obiinut valarile 11, 12 sau 13 la
dovede~te a fi 0 masura imposibila de adoptat practiC:fie ~i nlJmaidin motivul testul de extroversiune. Tn cazul Tn care distributia rezultatelor ar fi fost normala ar
necesitatii unui numar imens 9.~~llbjecti. S¥"o'neg~ndim la situatia unei testari fi Tnsemnat eliminarea a aproximativ 38% din s~biecti. Tn plus, numarul de sUbi~c\i
psihologice, in urma careia avem 40 de valori numerice diferite. Nu putem realiza din cele doua grupe !JQu7Jormate ar fi fast egal doar Tn conditiile unei distributii
patruzeci de grupe de comparatie, deoarece acest efort ar fi prea imens ~i lipsit de perfect sime!~~~. Tinand cont de aceste limite descrise, alii cercetatori, !?i includ
eficienta Tn comparatie cu efortul depus. Daca factorii masurati pe 0 scala aici majoritatea speciali!?tilor in metodologie, sustin pastrare<;l, pe cat posibil, a
numerica continua sunt importanii in clarificarea relatiilor de influenta Tntre VI ~i VD datel~r culese initial ~i analizarea lor prin intermediul tehnicilor ~~,~9YA .. Jotu!?i, Tn
trebuie sa tinem cont de ei in studiu. Cum putem face acest lucru Tn situaiia in care cazunle in care condiiiile de utilizare a ,tgb.niciL ANCOVA nusunt Tndeplinite,
nu ne putem permite ~i nici nu are sens sa realizam grupe de subiecti pentru varianta Tmpariirii subiectilor Tn doua sau t~ei grupe,. proces denumitgrlc!l2..are (Tn
fiecare valoare numerica obiinuta? Doua variante de raspuns, utillzate frecvent de engleza "blocking"), ramane 0 soluiie viabila, insaaesignul cercetarii nu va mai fi
cercetatari, vor fi prezentate in cele ce urmeaza. 0 a de-a treia modalitate consta complet randomizat, ci va deveni de tip gruP&L?DEJ.omizat (In engleza "randomized
block design") (Kirk, 1982). .. -"-.
in utilizarea regresiei ca metoda de analiza ~i va fi discutata Tn capit~lul destinat
regresiei liniar..~ ... (2) Analiza de~Q,\i.c:!r.l'?Di~ (ANCOVA) reprezinta 0 extensie a tehnicilor
(1) prima ro~tQgi1'.consta Tn stabilirea a doua sauJrei trepte ale variabilei ANOVA preze!,l.~~. .<3:~~eri?r. Tn contextul design-urilor de tip ANOVA, introducerea
independente::pe baza condensarii rezultatelor obtinut~l~ c~~~r;:ealizarii a doua unel. covariab.iJg,"Dlf.l11~ri~e conduce, de cele mai multe ori, la 0 cre~tere a puterii de
trepte, subieciii pot fi impariiii in dOu;3..Q[Upe, utiliz§'~d valoarea m~iant~i ca unitate decelare a efectului uQei variabile indepenciente ... asupra uneia dependente.
de demarcaiie intre cele doua categorii de subiecii. Prin aceasta metoda, nu va fi Aceasta se poate face prin controlul statistic al unor dfferente de inter~~-dintre
pierdut nici un subiect, iar cele doua grupe vor fi impariite in mod egal: grupa cu subiectii unei cercetari. Simplu spus, ANCOVA nu este altceva' decat 0 ANO\jA Tn,
rezultate inferi.oarern,E:;gianei (ex. abilitati scazute) ~i grupa cu performanie care efectele principale ~i interactiunile Eiintre factori sunt evaluate dupa ce valorile
superioare medianei. (ex .. abilitaii crescute). T otu~i, aceasta Impariire are marele variabilei2.c:;pl:).t)(jente au rost ajustate Tn functie de.. valorile-covariabilei. Daca
dezavantaj de a distorsiona intr-o anumita masura datele. Ganditi-va la a situatie in covariabila ar fi gradul de inteligen\<,3, VD ar fi abilitatea de a citi, iar VI ar fi tipul de
care ar fi yorba des pre extraversiune, iar valoarea medianei a fost 12,7. Tn ~cest program educaiional oferit, ANCOVA ar evalua efectul acestor programe asupra
caz subiectul care a obiinut valoarea 12 a fost pus Tntr-o grupa, iar cel care a abilitatilor. de .citire Tn situatia ipotetica Tn Gare toti,subiectii ar ave a acela!?i nivel de
obtinut valoarea 13 a fost distribuit Tn cealalta grupa. Cunoscand faptul ca orice inteligenia. Astfel, Tn ANCOVA valorile VD sunt mai Tntai ajustate y.;:; funciie de
instrument de masurare are anumite erori de masurare, reflectate In faptul ca nu covariabila ~i apoi, analizate intr-un mod similar ANOVA. .
128 129
Ii, I I '" "'"I11111 II'LI"'I"I'I"I"I"I"I"I"II!"'!""'"II1,11111,1111 i I, I , I, ,I, ,I " 'i J
I 'II : III 'II : III ' II : III iIII III ~ I 1111: !III III' IIII :II 'II ' III II : III II ' II ' IIII II IIII IIII 'IIII i IIIII :1111 i IIIII IIIIII IIIII IIIIII IIIII , 11111 i IIIII IIIII1 IIIII IIIII : IIIII 11111 : IIIII IIIII ' IIIII 111111 111111
r 111111: 11111 IIIII :IIIII 11111! IIIII1 IIIII1 IIIII1 11111:111111 11111 ,11111 11111 11111' 111111 '111111 111111 111111 11111 111111 IIIII IIIII1 'IIII1 IIIII :111, i i:i
IIII iIII : IIIII!:11111 IIIIII IIII LlIIIII 'IIII III III !I!
clasei de elevi. Tntr-o astfel de situatie, randomizarea Inl\lal~ a alevllor 1111 aste
'" ..~
posibila, cele doua grupe fiind constituite pe baza criteriulul natuml, Rcela al
p~strarii loc~lui fiecarui elev Tn clasa din care face parte. in asemsnea sltuatll,
II
Dispasie . Oispa'siede dlferentele dlntre clase pot aparea de la inceput, Tnainte de apllcarea Interven\lei
. Dispersle.'.explic>:ta
- \)exPIi~~a de neexpllcata . VI psihologice_ Prin utilizarea rezultatelor de la pretest pe post de covarlablli1 vom
. ·1! putea raspunde la Intrebarea: se dovede:;;te eficienta intervenlia Tn condit'iile In
Dispersie
neexplicata c,. \ J - ,j care cele doua grupe ar fi pornit de la conditii egale In ce prlve:;;te gradul de
"---.-.
to; ) ....
coeziune a clasei de elevi? ,
Oispersie
Pentru a putea oferi acest raspuns, pe baza relatiei dintrEU?(jvariabila :;;1 VD
explicatade
cO\ariabiia
se obtin valorile aJustate ale mediei grupelor incluse Tn cercetare pe baza unei ."
ecuaiii de regresie. De remarcat ca tehnicile ANCOVA nu'se limiteaza la 0 singura
covari.a,_~i!~.,,!~,!r(Jdusa. Astfel, cu respectarea anumitor conditii ce vor fi amintite spre
Figura 4.21. Sursa dispersiei rn situafia ANOVA (In stanga), respectiv ANCOVA (rn dreapta)
131
130
'1I"I'llIIillll'lIIl ,1"1':,1'
'1,1 111:111 ill' III' Ii II" II 'h ,I l'IIIIIII!,'1Ii
11:'11,11 111111 III ill: ,ill iII':1II 'I: !I ''''II II
covariabila. De altfel una dintre conditiile utilizarii ANCOVA presupune tocmai lipsa de 0,45, iar ri = 0,20. Dac· ar fi s· utiliz· m indicele d al lui Cohen am obtine d =
1,02. Toate aceste valori indica un efect pozitiv important (mare). Tn con~ecinia,
I . I "r-.,.,.._ ....
80
Binelnteles ca In cazul Tn care VI are mai mult de doua trepte yom putea E
utiliza, atat m~toda contrastelorL ..fat ~i cea a comparaiiilor postJ1Qr:; pentru a
<:>
'"
Q) 70
identifica mupele care qif;r,fT;tre ele. In cazul ANCOVA, procedurile post hoc U
adecvate sunt Bonfe.rr.oni~§i Sidak, indiferent de numarul de subiecii din grupe sau '"
Q)
(ti
Q)
60
data, pentru a obtine atat valorile iniiiale ale mediilor, cat §i valorile ajustate ale ~ 50.~~-~--~~~--~
70 80 90 100 110 120 130 1~0
132
133
regresie similari pentru a surprinde relatia dintre covariabila ~i variabila depende nt"
Tn cazul utilizarii mai multor covariabile, conditia se pastreaza pentru
fiecare pereche covariabila - variabila dependenta Tn parte. 1n plus, Tntre
la am?~le trepte ale variabilei independente. in situatia de heterOgenitate :
r~gr~~lel, pantele nu sunt paralele, prin urmare coeficientii b de regresie Vor fi
covariabile hU" trebuie s~j" existe corelatii foarte ridicate, datorita fenomenului de diferltl pent~u cele doua grupe de copii. in acest caz, nu putem aplica ANCOVA
multicoliniaritate (vezi sectiunea 6.5.4.). deoa.rece aJustarea mediilor se face pe baza unui b general, obtinut prin luarea T~
2." Fidelitatea probei de masurare a covariabilei trebuie sa fie ridicata. 0 conslderare a tuturor treptelor VI, iar acesta nu este reprezentativ pentru nici una
masurare fara erori este posibila numai Tn situatii f()i:)rte rare, Tn care variabila este dintre treptele VI. .
data de varsta subiectilor Tnaltimea lor etc. Cele mai multe .teste psihometrice au Deoarece desenul din dreapta, reprezentand cazul eterogenitatii regresiei
un nivel de fidelitate c~re ~u atinge niciodata valoarea unu. Co~formTui Tabacknick este bazat pe date simulate, iar eel din stanga este dat de datel~ reale ale
~i Fidel! (1996), Tn cazul utilizarii ANCOVA Tn situatii experimentale se ajunge la exe:npl~I~1 oferit, conditia de omogenitate a fost respectata ~i ANCOVA a putut fi
valori F conservatoare, ceea ce cre~te ~ansa de a comite eroarea',o~.tip II. Acest realizata In exemplul nostru.
lucru nu se pastreaza ~i Tn cazul situatiilor cvasi ~i non-experimentale, Tn care , 0 ~odalitate mai exacta de testare a acestei conditii consta Tn calcularea
putem Tntaln.Latat sub:ajustari, cat ~i supra-~j':!~t~.rLale mediilor initiale. De aceea, U~UI .F de Interactiune Tntre VI ~i covariabila concomitent cu calcularea efectelor
autoarele recomanda utilizarea covariabilelor Tn situatii cvasi ~i non-experimentale prlnclpale. Un rezultat semni!icativ,statistic indica Tncalcarea conditieide
doar daca fidelitatea masurariLlor atingecel .putin 0,80. 0 valoare maL.:':l1 ic::.a omogenitate a dispersiei, fapt ce Tmpiedica realizarea ANCOVA. 0 alta pO;ibilitate
introduceprea.multa ..eroare Tn estimarea mediilor ajustate §i,'implicit, Tn calcularea ~e testare presupun.e rularea unei regresii ierarhice Tn doi pa~i. Mai Tntai sunt
diferentelbr dintre acestea. Introdus.e d~ar co~arlabila ~i variabila independenta (cavariabila dummy) pe post
~':3. Efectul covariabilei asupra variabilei dependenteeste similar pentru de pre~lct~rI; apol atat covariabila :;;i variabila independenta, cat :;;i 0 variabila nou
oricare treapta a variabilei independente. Aceasta conditie este cunoscuta sub ~ormata din produsul celor doua, dupa transformarea prealabila a variabilei
numele de omogenitatea pantei de regresie ~i face referire la absenta unei Independente Tn variabfla de tip dummy (vezi sectiunile 6.3. ~i 6.7.2,). Daca "F
interactiuni semnificative Tntre. variabila sau variabileleindependente ~i step",. ce. masoara diferenta aparuta prin introducerea variabilei-produs este
covari~bila(e). Unii autori, precum Dugard ~i Todman (1995') considera ca semnlficatlv statistiC, exista 0 interactiune Tntre covariabila :;;i factor deci este
ANCOVA este destul de robusta la Tncalcarea acestei condit ii , daca numarul de Tncalcata conditia de omogenitate a dispersiei. '
subiecti dirtmupe .este relativ egal ~i daca variabila dependenta este distribuita
normal. Totu:;;i, Tn alte situat ii , respectarea conditiei are 0 importanta extrema.
Cele doua grafice prezentate Tn continuare exprima ambele situati i: Tn
4.7. Tipuri de factori In design-uri Ie de tip ANOVA sau
stanga, de omogenitate,.a regresiei; Tn dreapta, de heterogenitate a regresiei
ANCOVA
(Tncalcarea conditiei). in cazul Tn care exista 0 omogenitate a regresiei, liniile ce
marcheaza panta'de regresie sunt paIalele, acest fapt semnificand coeficient i b de
in .Tncheierea acestui capitol, yom face cateva scurte precizari de ordin
100~---~ metodologlc menite sa faciliteze interpretarea corecta a rezultatelor obtinute din
AN?~~. Aceasta nu se poate face fara 0 Tntelegere adecvata a tipurilor de factori
100',--------,
90
90
o po:'lbdl. Vo~. folosi trei criterii de clasificare a variabilelor ind~pendente: scala de
o
masurare utllizata; gradul de generalizare a rezultatelor :;;i gradul'de manipulare a
faetorilor. . '"
(1) Dupa primul criteriu, putem distinge T~tre factori masurati ~ominal
=5
.ordinal.. sau numeric (incluzand aici atat scala de tip interval, cat\i cea d~
GRUPA
GRUPA
~ utillzeaza JOGun pe
'"
~
x utillzeaza jocuri pe
calculator
m 60
calculator ~roportll). Categoriile nominale ale .unui factor pot constitui treptele variabilei
o nu ulilizeaza jocuri
~
~
0
501--_ _ _-1
0 nu ulilizeaza jocuci
pecalculalOr
.~~~.~PE3~den~~, ~ fi~nd astfel adecvate tuturot tipurilor de analiza di~persionala,-c;u
pe calculator 75 90 105 120 135 e~ce~tla utllizarll contrastelor polinomiale, care necesita 0 ordonare a treptelor
inteligenta factonlor. Categoriile, ordinale ale unui factor pot fi supuse tuturor tipurilor de
inteligenta
ANO~A, inclusiv contrastelor polinom!ale. in sfar~it, variabilele numerice.nu pot fi
Figura 4.23. Reprezentarea grafica a situatiilor de omogenitate (stanga) §i foloslte catrepte ale variabilei independente Tn ANOVA decat prin grupari grosiere
eterogenitate (dreapta) a regresiei .
ale datelor Tn cateva categorii. Totu:;;i, prine anumite .ajustari, factorii relevanti
SPSS este 0 marca lnregistrata.
135
134
'lIhllllllllllllllllll~IIIIIIUIIII~IIIIlIUIUIIUllIIUIUllUllIIU_IUIIIIIIII~IIII~IIIIIUIIIII,11111,'11111 'I, 'I "
'1111111111111111"
masurati prin' scale numerice pot fi utilizaii in analize de covarianta - i\NCOVA Exemplul2:
Un cercetator este interesat sa stabileasca in ce masura consumul de alcool
(Pedhazur ~i Schmelkin, 1991),
condUce la cre~terea erorflor de executie. Cercetatorul distribuie subiectii in
(2) Un al doilea criteriu de diferentiere a factorilor urmare~te gradul de
mod aleatoriu in trei grupe experimentale (50ml, 100 ml ~i 200 ml \uica) ~i a
manipulare a variabilelor ~i 1m parte factorii in: variabile IT!c:tDipulCibile ~i variabile
grupa de control. in aceasta situa\ie, consumul de alcool poate ti tratat ca 0
eticheta (Kirk, 1982; Radu 9i colab., 1993). Astfel, unele variabile, precum nivelul
variabila aleatorie deoarece treptele respective pot fi considerate ca valori
cOnsumului de alcool (ex. 50 mg; 150 mg, 250 mg) pot fi manipulate ~i alese de extrase dintr-un e§antion mai larg. La fel de bine, treptele variabilei
c~ltre experimentator. Alte variabile, cum sunt sexul persoanei, varst,: etc. sun,t independente puteau fi stabilite la 50 ml, 150 ml sau 250 ml. De interes este
date de caracteristicile subiectilor ~inu pot fi manipulate de cercetator. In aceasta evolu\ia erorilor de execu\ie in urma consumului de alcool. treptele acestuia
situatie vorbim d~spre variabile eti;heta. Importanta'distinciiei dintre cele doua (50ml, 100 ml §i 200 ml) fiind mai pu\inimportante, ele fiind alese arbitraL
aspe~te tine de subtilitatea._interpretarii. Astfel, daca obtinem diferente
semnificati've statistic Tntre treptele variabilei manipulate, yom trage coneluzii Primul ~~:nplu po ate fi uiteri9Lcomplicat prin introduce rea unei noi
directe (e;. '~~ eonsum de aleool ridicat duce la'sc~derea semnificativa a vitezei de variabile explicative, cum ar fj obiectul jnterventiei. Sa presupunem ,ca factorul
!~~-"--","-.... ,.,... - ...
rea~~e la stimulii vizuali). Tn schimb, obtinerea unei diferente semnificative intre respectiv a fost operationalizat prin doua trepte (modalitati): persoane care sUfera
barbati ~i femei, cu privire la viteza lor de reactie, 'i:Ju .. lnseamna prin sine ca de depresie, respectiv anxietate. Acest factor poate fi conceptualizat atat ca factor
eticheta de "a fi barbat" sau "a fi femeie" a condJJ~.. la aceasta situatie . Ceea ce a fix, cat ~i ca factor aleatoriu. El este factor fix daca eercetatorul este jnteresat Tn
cauzat diferenta dintre sexe tine de anumite aspecte diferentiale care sunt incluse mod concret de raspunsu/ /a urmatoarea lntrebare: Terapia cognitiv-
In aceste etic'hete. Gei orie~tati spre ~tiintele medicalepoate vor gasi cantitati comportamentala este mai eficienta In ameliorarea simptomelor pacientilor
diferite de anumiti neurotransmitatori sinaptici. Unii care yin din sfera antropologiei, depresivi §i anxio§i decat terapia bazata pe analiza tranzacfjonala? FactoruJ trebuie
vor afirma poate: ea diferentele'sunt datorate unui ·stil cultural diferit, barbatii, prin tratat ca aleatoriu, dad3 Tntrebarea are un caracter general: Terapia cognitiv-
natura lor de vanatori fiind nevoiti sa reactioneze mai rapid, Cu alte cuvinte, atunei comportamentala este mai eficienta In ameliorarea simptome/or decat terapia
cand avem de a fac~ eu variab'ile manipulate, cauza este mc.mifesta§i poat~ fi bazata pe analiza tranzactionala?
detectata direct. in schimb, In situatia unor variabile eticheta, cauz'a.Jeala nu este Tn acest ultim caz, depresia sau anxietatea nu constituie un deosebit
detes<t;;bila,ea fiind ascunsa in spatele multitudinii diferentelor. dintre categoriile interes, acestea putand fi considerate ca as peete extrase dintr-un e§antion larg de
variabilei eticheta (ex. diferentele dintre barbati ~i femei). tulburari psihice precum: tulburarile de conversie, cele obsesiv-compulsive etc~'Prin
(3) Tn sfar~it, dupa cel de-al treilea criteriu, gradul de generalizare a urmare, consTaera;:e~ unei variabile independente ca factor aleatoriu permite 0
~~-
rezultatelor, factorii se Impart In factQri. ,fic~i ~i factori"aleatori. De departe, cel generalizaremailCJ[9~.a r.e?:yl~"telor obtinute. . " '"
maLlntalnit tip c!~)actori suntcei fiqi, in caretreptele variabilei independente sunt Din nefericire, acest avantaj este compensat de riscuri mai mari de a
tratate ca masuri .,desine.statatoare. In schimb, factorii aleatori au stabilite trepte co mite eroarea d~tip I, deoarece factorii aleatori au 0 putere statistica de decelare
care nu sunt identificate ca fiind fixe, ci mai degraba sunt considerate ca valori a efectelor exiSt~nte mai.mica decat aceea a factorilor fic~i. In c~nsecinta, in cazul
11!'!-- '< ,
reprezentative pentru variabila independenta In cauza (Smith, 2000). Exist<~ doua unui set de date identice, exista 0 probabilitate mai mare de a sprijini ipoteza
criterii care ne ajuta sa distingem Tntre factorii fic~i §i cei aleatori. Pentru ca un cerceta~ii, daca yom trata factorii ca fiind fic~i.
factor sa fie considerat aleatoriu trebuie sa indeplineasca doua..J;Qn.ditii de baza
(Jackson §i Brashers, 1994)~trePtele alese sa fie arbitr~~,.<3I.e.se dintr-Idll.,e~antion-de
conditii care se pot inte[~chimba, iar interpretarea rezultatelor sa nu prezinte BIBLlOGRAFIE
interes la nivelul JiecareJJrepte selectate. Pentru a ciarifica aceste aspecte, yom
apela la urmatoarele doua exemple: Clocotici, V., Stan, A. (2000). Statistica aplicata in psihologie. la~i: Editura PoJirom.
Din, F.S., Calao, J. (2001). The effects of playing educational video games on kindergarten
Exemplul1: achievement. Child Study Journal, 31 (2), 95-102.
Un cercetator este interesat sa 'stabileasca care dintre urmatoarele doua
Dugard, P., Todman, J. (1995). Analysis of pre-test post-test control group designs in
metode de terapie (cognitiv-comportamentala vs. analiza tranzac\ionala) este
educational research. Educational Psychology, 15(2), 181-198.
mal eficienta, Din acest punct de vedere, tipul de terapie este un factor fix.
deoarece ambele trepte ale tipului de terapie au substan~a In sine, cercetatorul Everitt, B.S. (1995). The analysis of repeated measures: a practical review with exemples.
fiind interesat In mod special de diferentele dintre cele doua tipuri de terapie, The Statistician, 44(1), 113-135'.
de~i exista ~i alte modalitcW posibile de interven(ie clinica.
137
- _ _ ellllllllIlIlWlIlIlIIIIIIIIIIIIIIILIIIIII'IIIIIIIIP 11'1 11'
" ",I iii II 11,111" ,
11'11111111'1111'1111 1111 1111',' I 'I
~, 'III' 'II' ,II III 'III III
fata de sine; respectiv nelini~te f calm. Un alt studiu evidentiaza numai trei factori: de personalitate. Astfel, daca domeniu\'de_i!!l~res este afectivitatea negativa, vom
n~multumire' cinism respectiv pesimism. Sa presupunem ca primul factor extras - avea mai multe compoQ~IJ~ (atribute de suprafata) cum ar fi cinismul, pesimismul
gradul' de ne~uliumi're-- contine itemii scalelor de nelini!?tE:,l :?i insatisfactie din primul etc.
studiu. Prin analiza factoriala confirmatorie yom putea testa, pe un alt lot de in 'urma testarii ei,iantionului cu bateria aleasa yom sesiza mai multe
sUbiecti care dintre cele doua model~ pare a fi mai potrivit pentru a caracteriza aspecte .. Mai fntai, yom observa ca exista diferente individuale. fntre subiecti
rezultatele fiind dispersate Tn functie de gradul de.9~~oltareaabilit~tilor ~asurat~:
Intreag~ scala de afectivitate negativa. .' .. ~ _ . .._
De obicei analiza factoriala exploratone (EFA) se utllizeaza In situatille In De asemenea, yom observa 0 anumita asogj.§.fe (covarianta) Intre rezultatele
care nu exista ~ perspectiva teoretica clara asupra relatiilor dihtre anu~ite obtinu~e de subiecti, l.a,gq.l,I~sau mai multe probe. Astfel,o'persoana care a obtinut
fenomene ce necesita analiza factorial!i Pe masura ce sunt acumulate cun09trnie un rezultat ridieat la 0' problema de Inrriultire e foarte probabil s~ obtina un scar bun
relevante pentru ace I domeniu este preferabil sa utilizam analiza f~c.~oriala §i la 0 problema de adunare.
c-onfirmatorie: aceasta depage:?te caracterul exploratoriu In favoarea testarll unor Oat fiind numac.uLJn§!:.l?de probe, se pot obtine "patternuri" de Gorelatii
diverse I-J:ltre.probeJB-unei baterii. Unele dintre acestea pot fi corelate -puternic; iar
ipoteze specifice.
altele pot fi n~.9o[elate. La prima impresie, relatiile 'stabilite Tntre varia-bile-(atributele
de suprafata) pot parea haotice. Ana-Hzal§lctQrigla vine :?i clarifica aceasta situatie,
identificand 0 anumita orcjjnB9f structura in date. Acest lucru se face prin g~sirea
5.1. Analiza factorialaexploratorie , ~ ..... ~""!'
direct ..!"L,9,?meni, dar care determina diferente intre ace9tia. Ele se afla la baza
se dator~aza ideii ca analiza factoriala -;u -este
doar 0 tehniCif'statistica, ci, In
atributelor d,!;L~uprafata. De exemplu, am put~;;;~bi'deabiiitati numerice, abilit~ti'
primul rand, 0 teorie-asupr,a.r~§IJt<'Wi. De aceea este necesara 0 scurta prez~ntare verbale etc. ca--atrlbute interne Tn domeniul abilitatJ1gr...[llintale. Acestea nu pot fi
a teoriei analizei factoriale. inredactarea acesteia, ma voi baza, In special pe masurate direct, dar pot fi reflectate prin intermediul evaluarii atributelor de
introducerea excelenta a lui Tucker !?i MacCallum (1997), dar 9i pe cele realizate
suprafaia. Astfel, am putea afirma ca 0 persoana este superioara alteia in privin\a
de Wegener 9i Fabrigar (2000), respectiv Bryant 9i Yarnold (1995). abilitatilor numerice, daca la a serie de probe ce implica adunare, scadere,
Inmultire etc. obtine rezultate mai mari decat cealalta persoana. Aceste atribute
interne sunt cunoscute, Tn general, sub denumirea de variabLL~Jatente, iar Tn cadrul
5.1.1. Teoria analizei factoriale analizei factoriale ele se numescfactori. "
intr-o cercetare domelliuL;9i populatia gEl.interes sunt doua CQ!l~ep!~ Aceste variaQ.~~.Ic:tten~~<pot avea un subst~!J~.gLsau pot fi doar construQ1~._"
esentiale ';;";;;'~;~m-§n deseori la un nivel impli;;t"'d'E('tratare. Prin dqQl~}]19.· .se t~~!L<?e care faciliteaza intelegerea 9i explicarea realitatii. 0 analogie poate fi
Intel~ge un ansamblu de fenomene la care se refera studiul respectiv. Acesta facuta apeland la concepte fizice precum graWic;t.tia. Existenta acesteia a fost
p~ate fi mai larg(ex."perso~aiTtatea;~ abiliti3tile mintale) sau mai festrans (ex. construita ipotetic, pornind de la observatii concrete. 'Toate obie~tele au tendinta de
neuroticism; hiperkinezie). Populaiia este data de tota\i1,atea"entitaYilo.r car~ pot a cadea pe pam§.nt cu 0 viteza variabila Tn functie, printre altele, de masa lor. Prin
intra In studiu (ex. toti copiii de varsta 9colara). De regula, din ratl~nr ce tin ~e urmare, exista 0 f0rla nevazuta care actioneaza.9i determina aceasta cadere a
reSLirse''''lihiitate, se folosesc e9antioanede subiecti extrase drn populatl~ obiectelor. Similar, am putea spune ea unii elevi tind sa rezolve, mai repede 9i mai
respectiva. Tntr-un mod similar, dintr-un anumit do~eni~ d: cercetare. v~r fr bine decat altii, probleme de matematica, datorita unui nivel mai ridicat al abilitatilor
selectate cateva variabile care vor fi incluse in studlll-§I,masu~¥lte. Vanabllele lor numerice. Altfel spus, variabilela_manifeste sunt influentate sistema tic de
selectate s;;;t-denumite atriautede ~pr:afat~. Spre exemplu, In domeniul anumite var~~~.late~~~Jatribute in!.ElfI!El, factqri).
abilitatilor mintale pot fi utilizate mai' multe ProE.§._9~~"I?y'gluare: p,robleme. de Se impune acum a noua distinctie Tntre doua categorii de atribute intem§):
aritmetica, de vocabular, de percepere a relatiilor spatiale etc. Flecare dlntre factor;i"cemuaL 9i factori"specifici:.Primii sunt aceia care influenteazrmar;:;'1Ult~
aceste probe preziQ!.a un atrJE_LJLc!,~,~~,erClfa,ta. in consecint a, in,_fie~~r,~, ~,<:lmeniu de atribute de.~suprflfata dinbaterie (ex. abilitatile numerice afecteaza re~i8le
interes pot fi selectate 0 multitudine de ,.astfel ,de .atribute. Un set de astfel de obtinute atat la proba de adunare, cat 9i la cea de Inmul\ire). Tn schimb, factorii
atribute supuse masurarii formeaza 0JJlte.cLe.<Acela9i principiu se aplica 9i sc_a,lel~~ specifici influenieaza 0 sing.I,l[a, variabila-manifesta. Dinamica dintre cele doua
141
lipsa.-£e...corelatii dintre mai multe variabile ... manifeste constituie un indiciu al
categorii de factori este influen~ata de modificarile survenite Tn b~riEl (scala). absentei Ufiei c0fl!l:ln<3li~ati intre variabilele respective. Tn plus, Tntr-un anumit
Astfel, introducere§.. ...squ."_~.lil11.lf.1~r.ea .. ul:1 0L pr(~be (item i), poate conduce la domeniu de interes, se pClrne$te de la prem'isa ca majoritatea atributelor de
transform area unor factori sJ;>egifici Tn factori comuni !?i invers. Sa presupunem ca suprafata sunt influeniate de un numar restrans defactori comuni.
avem zece probe menite sa masoare doi factori comuni: abilit?iile numerice ~i Toata aceasta discutie asupra analizei factoriale porne!?te de la ideea,un~i
relatiile spatiale. Pentru fiecare atribut intern sunt prevazute cinci probe. Daca . legaturi lini§.r~,intre variabile. Acest aspect merita sa fie retinut, deoarece T~tre
elim'inam toti itemii care fac referire la abilitatile numerice, cu exceptia unei singure multe dintre fenomer18'le realitatii psihice nu exista 0 relatie' liniara. Tn astfel de
probleme de adunare, abilitatea numerica devine un factor specific, deoarece se situatii este inadecvata folosirea analizei factoriale, cel putin Tn varianta sa clasica.
bazeaza pe un singur atribut manifest. Alaluri de ace$ti factori comuni $i specifici, A!?adar, analiza factoriala nu este maio mult decat 0 teorie despre..dinamica
Tn evaluarea atributelor de suprafata intervine !?i eroareaAe-masurare. Aceasta nu relaiiilor dintre atributeleg~~l!prafata~i. c~le_ interne. Ca orice teorie, ea ~~~ 0 mal
tine de atri5utele inteme, constituie mai degraba, influent~~ tranzitorii !?i mare saO mai mica corespondenia cu realitatea. Aplicarea ei Tn mod automat, fara
~esistematice care afecteaza rezultatele obtinute la atributele de suprafa~a (ex. a tine cont de aceste precizari eonceptuale, poate conduce la solutii gre$ite.
oboseala,'momentul zilei ales pentru testare etc.). Intra fidelitatea _~!D.\JL.test !?i . Sintetiza.nd, scopul primor5jL~!...aL§f~este·de a identifiea ~u!"!1§rul!?i natura
erorile de masurare exisla 0 legatura inversa. eu cat un test este mai fidel, erorile factonlou;omunlca~e stau la baza unui set de.variabile manifeste.Tehnica este
de ~a;e'sunt mai mici !?i invers. Tn sfar~it, efon~:2~.'!!l~~~!are com...b.jn.ate..~cu utilizata atat in constrl1irea de scale, cat ~i la dezvoltarea u~~r teorii. inainte de a
,.fsctqrii specifici ai fieca!0~§~rLbIJL.Q.!L~~p~~fata.getermina factor:uLunic .....Astfel, aprofunda modul de reaiizare practica a unei astfel de analiz~, se impune sa facem
fie~~re'rezLi'itat manifesfpoate fi vazut ca fiind 0 consecinta a influentei unuia sau a o ultima distinctie intre analiza factor-iala .exglo(atorie $i analiza Gomponentelor
mai mullor factori comuni ~i a factorului unic. • pri.QC?je~!e (in engleza "principal component analysis" sau PCA). "--- -_ ..
Spre exemplu, vom lua ca model raspunsul afirmativ al unei persoane la
itemul "Intoldeauna a~tept sa se Tntample ce esie mai rau". din cadru! scalei de
pesimism ~i YOm constata ca e! esle afectat de trei surse de variatie . Prima sursa 5.1.2. Analiza componenteJor principaJe VS. analiza factoriaJa
este data de factoru! comun masurat Tn scala respectiva, adica gradul de pesimism
al persoanei respective. A doua sursa se refera la factorul specific al acestui ite~, Ambele metode au fost utilizate inadecvat, de nenumarate ori, in principal
dat de totalitatea aspectelor care iI individualizeaza fata de ceilalt i itemi ai scalei. In datorita neTntelegerii diferentelor dintre ele. Confuzia a fost intretinuta ~i de cazurile
acest caz, datorita formularii, ar putea fi vorba de efectul de "framing" pus Tn numeroase in care soluiiile, obtinute pe acela!?i set de variabile, au fost similare.
evidenta de Tversy $i Kahneman (Miclea, 1994). Probabil ca 0 formulare diferita, Nu in ultimul rand, une!e carl) de prom au e!?uat in Incercarea de a face' 0 distinctie
. dar si~ilari~ de genul: "Nu a$tept niciodata sa mi se intample !ucruri bune" ar fi clara intre cele doua metode. '
condus la rezultate u!?or diferite, data fiind specificitatea formularii. Oaca mai multi . . Prima"Q.iferentg)mportan}aT~tre anali~CI fa~t~riala ~i analiza cOrnponentelor
pnnclpale este determinata de modul.9ife-rit.~de a .anaHia·dafele:·Sa ne reamintim
itemi vor fi afeelati, prin modul lor de formulare, de aceste efect de "framing", yom
obtine un alt factor comun determinat de modul in care sunt formulate afirmat iile ca analiza"factoriala identifica trei su"rse aje Y<?riatieiC.d~t;;lor: factorii.comulJi, cei
specif[QL~!?J.erorile de)J]asurare. Gruparea ultimelor doua surse of ere a unicitalea
(e~. In termeni de ca~tig sau pierdere). Tn fine, a treia sursa de variatie a
rezultatelor la iternul respectiv poate fi determinata de erorile de masurare (ex. variantei. insa intere~ul central cadea asupra com un alitatii , ca dispersie explicata
fidelitatea seazuta a probei; prezenta unor stimuli distraetori etc.) Factorul specific de factorii eomoni. In schimb, analiza componentelor principale ~nl! recurge la
alaturi de erorile de masurare conslituie, impreuna, unicitatea dispersiei scorurilor. aceasta ~ip~9.\~!Jnctie, iar teo ria de la baza ei !:'upostuleaza existerifa unor'faCtori
Analiza factorialaeste mai putin interesata de acest aspect Tn schimb, ea c!2mulJi. In PCA, dispersia d.CiJelor are la baza doua.surse: dispersia expllcata !?i
tine seama,-j';";.n'od'·cfeosebit, de dispe[~ia~i,covarianta rezultatelor datorate cea datorata erorilOL..,..c!i:LrnaSljrare (Iacobucci, 1994). In aeeste c~ndffjj,nu'ar fi
normalsa vorbim d~~prefactori Tn analiza componenteJor principale, d'evr~;;e'ce
factorilor eomu~i. Aceasta dispe!§i~_.~QUlUna se nume!?te coml;tQ?'lt~.!:. Eventualele
coreiafifexistente Intre anumite probe sunt explicate ca fiind determinate de teoria nu specifica e.)(ist~nta~Gestora. De aceea, se folose!?te termenul substitut de
compon~nta principa.la. Atat factorii, ~t.9i. eomponentele principale pot fi denumite
existe"htaunuia.s au maimultor faetori comuni. In schimb, Jipsa corelatiei sau 0
corelati~ scazuta indica eXistenta posibiia a unor factorL9i.f~siJi. De exemplu, generic "eiQ!~:2y(3ctort. Syopul analizei component~!!:>r principale este extragerea
rezult~tele diferite obtinute la proba de adunare !?i la cea de vocabular constituie 0 unui numfllr.cat maimic de eigenvectori, care sa explice"cat maLmult din totalul
dovada ea eele doua atribute de suprafata sunt influentate de factori diferiti. varianteL
La 0 scala.mai .mare, cu cat exista mai mulle.cO,~~J§Wridicate intre Oispersia; tn cazul celor doua metode, poate fi . reprezentata grafic in
atributele masurate, cu alat ele tind a dovedi existenta unui f?~tor comu~ La fel, functie de sursele care com pun totalul acesteia:
~.~ .. '~'
143
142
'lhlllllllli:IlIIi'llllllllllllilIIIIIUIIIIIIIIIIIIIIIIIIIWIIII111111111111111.I11111:1111111111111,llli,III::II'
Instrucjiuni:
.. Pri~ an911~§)a~toriala se incearca gasirea unui "pattern" in matricea de
Indicati in ce masura vi se potrivesc urmatoarele afirmatii utifizand scala de notare:
cQr~l~tll. Pnntr-un algontm 11J.C3t~rT1atic sunt calculati anumittp:arametri (ex. saturatia
1 - nu mi se potrive§te deloc; 4 - mi se potrive§te deseori;
f~c~onlo.r, gradu.I de comunalitate etc.) care conduc la un mod~Lt~oretic al matri~ei
2 - mi se potrive§te rareori; 5 - mi se potrive§te Tn totalitate.
cat mal aproplat de cea observata Tn realitate. Daca cele doua matrici au
3 - nu §tiu I indecis;
"patt~rnu~L~e~~r,"Iatii simila:-e, implicit valori reziduale scazute, putem afirma ca
solutla ~aslta este adecvata: In cazul unei matrici red.!:!.s.e. ca marime, gasirea: unui
Tabelul 5.1. Itemii scalei de evaluare a efectelor psihologice, somatice !?i pedagog ice
"pattern soar putea face Inspectand vizual .,gorelatiile obtinute. Tntr-o matrice
ITEM I complexa, acest lucru devine imposibil, analizei factoriaie revenindu-i meritul de a
1. Tmi plac orele de X. 1 2 3 4 5 sesiza eventualul "pattern" intre corelatii. Tn exemplul nostru, matricea de corelatii
obtinuta a fost: '
2. Daca ar fi dupa mine a!? chiuli de la ora de X. 1 2 3 4 5
3. Daca toate disciplinele de la Bacalaureat ar conta la fel, a!? alege sa 1 2 3 4 5
dau examen la X. Tabelul 5.2. Matricea de corelajii dintre cei 15 ilemi ai scalei
146
147
, 11111 111111 111,'111111 111"11"1
'II 11I,lIi '1I"li li'li lII'il,,1I il' III ' '
analizc.U§9torilorprincipali (In engleza "principal axis factoring"). Ambe\e metode au Merita sa fie mention ate cateva aspecte. Mai Tntai, procentajul se
avantajul ca nu sunt foactepretentioase Tn ce prive§te prezenia unei distribuiii stabile§te pe baza valoriioceigellye9Joriior extra§i, denumite eigenvalue. Til cazul
multivari?te normale, dar §i dezaiLantajul ca pot conduce la solulii relativ diferite, utilizarii matricelor de corelatii, eigenvalue pentru fiecare variabila inclusa in studiu
daca sunt analizate pe baza matricei de corelat ii sau a celei de covariania. De§i es~_~gala cu unu. Pe baza acestei inf()rmatii putem observa puterea explicativa a
sensibila la forma di;:;;tribuiiei datelor, analiza factoriala bazata pe estimarea fiecarui factor extras. Astfel, primul factor. are un eigenvalue de 5,90 ceea ce
verosimilitaiii maxime(in engleza "maximum likelihood factor analysis") nu este inseamna ca puterea"sa explicativa este aproape egala cu suma 8§ase dintre ~ei
afectata de tipul de mgtrice analizata. Tn plus, are marele avantaj de a te~tC!._gradul cincisprezece_itemi ai scaleL Valoarea explicata prin suma celor treieigenvalue
de semnificatie. statistica a saturaiiei factorilor §i a corelaiiei dintreJactorii extra§i. corespunzatoare fadorilor extra§i sec pastreaza §i dupa rotire. Tn situatii Tn care
Aceasta constitule 0 noutate in domeniul analizei factoriale exploratorii §i poate fi etectuam rotatiLgrtogonale se pastre"aza §i procentajul de 63%. Totu$i, dupa 0
valorificata utilizand programul. CEFA (Comprehensive Exploratory Factor rotire obliS~, p,recum in cazul problemei de tata, procentajul explicativ al factorilor
Analysis). Programul, realizat de cercetatori de prima seama In domeniu, poate fi extra§i nu mai esteprecizat, deoarece suma acestora depa§e§te totalul dispersiei. '
descarcat gratuit de pe internet (Browne, Cudeck, Tateneni §i Mels, 1998). SPSS- Tn sfar§it, putem desprinde valoarea explicJ3.tLY~?fi~carui factor, inainte §i
ul, de§i contine posibilitatea extragerii factorilor cu aceasta metoda, nu ofera dupa, ro!ire. Astfel, Jnainte de rotire, primul factor explica 39~~,!%. din -totalul
avantajele prezente In CEFA. Singurul indicator prezent in SPSS, legat de gradul dispersiei; eel de-al doilea, 13,53%, iar uitimul, 10,75%. Totalul acestora era de
de potrivire a modelului, nu este de mare ajutor, fiind bazat pe 0 distribuiie deci, 'X:, 63,62%. Dupa rotatia oblica, se observa 0 relativa egalitate intre valoarea
foarte sensibilia volumul e§antionului. -Totu§i, daca yeti folosi aceasta metoda, yeti explicativa a primilor doi factori (eigenvalue de 4,81, respectiv 4,60), Tn timp ce al
extrage cel mai mic nUr)lar de factori de la care 'X: devine nesemnificativ statistic, treilea factor are 0 putere explicativa mai redusa (1,80).
fapt ce Tnseamna ca nu mai exista diferenie semnificative Tntre matricea de
Total Variance Explained
corelatii (covariabile) observata §i cea estimata pe baza factorilor extra$i.
Initial Eioenvalues Extraction Sums of Souared Loadinas Rotation
Component Total % of Variance Cumulative % Total % of Variance Cumulalive% To\al
5.1.3.2. Metode de selectare a numarului adecvat de factori 1 5,901 39,341 39,341 5,901 39,341 39.341 4,816
Tn stabilireaJ;U,JJn.arl!J.YL.cle factori trebuie sa realizam 0 balanta Tntre 2 2,030 13.530 52,871 2,030 13,530 52,871 4,605
principjul parcimoniei (variabilele sa fie influentate de un numarcatmai mic de 3 1.614 10,757 63,628 1.614 10,757 63,628 1,802
149
148
trei factori se afla deasupra acestei lin ii, dupa acel punct de cotitura. Tn consec' tV
de masurare. Regula are 0 validitate acceptabila. Totu~i, ea prezinta 0 serie de . t' In a,
vor f I ex ra~l, ducand la 0 solutie adecvata cu trei factori.
A
'
dezavantaje: poate fi aplicata doar Tn cazul analizeUqctorialea-matricelor de
Metoda a condus, mai mereu, la rezultate valide. Dezavantajul utilizarii ei
corelat ii ,. nu ofera criterii de decizie clare. Tn cazul Tn care obtinem valori foarte
apare Tn situatii Tn care punctul..:aecotitura nu este atat de evident, fiind dificila
apropiate de pragu\ critic unu-(ex. eigenvalue = .99 sau 1.02), tinde u~or sa
localizarea ~i identificarea acestuia.
supraes1Jrneze'~numaruUactoriior .necesari. Totu~i, Tn cazul unor e~antioane mari,
Tn situatii 'GU mai putin de 30 de variabile care toate au 0 comunalitate mai mare de
Metoda analizei paralele
.60, se dovede~te a fi un indicator valid, la fel de eficient ca celelalte metode
Metoda analizei paralele se bazeaza, a~a cum arata numele, pe
prezentate Tn continuare.
Pentru exemplul nostru se observa ca primii trei factori Tndeplinesc conditia compararea intensi~~~i...~e~~~.rl,~~,I~.e .9i~tre datele observate ~i un set de date
al~~t?~re. Pe baza simularilor se pot stabili valori ap'roxlmative eigenvalue Tn
de a ave a un eigenvalue mai mare decat unu (5,90; 2,03; ~i 1,61), fapt ce indica 0
functie de numarulde subiecti, numarul de vari9.bile~inumarul de factori extra~i. In
solutie trifactoriala.
aceste conditii, principiul de selectie stipuleaza extragerea acelor factori care au
eigenvalue ·mai mare decat cel c9~resp()ndent, '.' rezultat Tn urma analizei datelor
Criteriul grafic.alJu!Gattel
aleatoare.O analiza a lui Zwick ~i Velicer (1986) arata ca aceasta metoda da
Din categoria metodelor. dinamic~, ne yom opri asupra metodei
rezultate valide, indiferent de conditE!~ simularii. Totu~i, metoda are limite, cea mai
reprezentarii grafice a lui Cattell, ;~noscuta sub numele de scre,~_pM ~i asupra
importanta fiind dificultatea de a deddEta-legerea_unui factor, Tn conditiile Tn care
metodei analizei paralele propusa de Horn. Scree plot-ul este 0 reprezentare
exista difer~Qteinfime Tntre intensitatea eigenvaluepbtinuta Ain date r~ale ~i cea
grafica a inte~f[frre,genvaiue pentru fiecare factorposibil a fi extras. In situat ia
corespondenta"rezultataTn urma simularii. Din pacate SPSS~ul nu' ofera direct
concreta este YOrba de 15 factori posibili, dat flind faptul"cascala contine 15 itemi.
posibilitatea realizarii unei analize paralele.
Ace~tia sunt prezentati pe abscisa" Tn timp ce pe ordonata sunt trecute valorile
. In schimb, vom putea adapta ecuatia de regresie dezvoli§~§(je. Allen ~i
eigenvalue. Principiul- selectiei' tine seama de acel numar de factori de la care
Hut>J:>ard (1986, apud Johnson ~i Wickern, 1998) la datele oferite de SPSS pentru
sofut ia ' nu se TOJPl,lnatate~te:'se~nificativ. Grafic, acest lucru aparereprezentat sub
a obtine aceasta analiza Tntr-un mod indirect. Ecuatia de regresie a fost dezvoltata
forma unei coti!!Jri ce ihdica ideea unel rupturi Tntre situatiile anterioare, Tn care se
pentru a nu mai fi nevoiti sa realizam simulari pe date randomizate ~i are ca
constata Tmbunatatiri semnificative ale solutiei ~i situatiile ulterioare, Tn care
rezultat estimarea...eigenvaluedin ..da!§l rand0rT1i?Clt~ standardizate (ex. matrice de
solutiile se amelioreaza nesemnificativ. Graficul SPSS al problemei date este vizibil
corelatii). Regula de selectie stipuleaz~'a-Iegerea-acelor factori ai caror eigenvalue
Tn figura 5.3.
este mai mare decat valoarea rezultata prin analiza datelor randomizate. De~i
Scree Plot metoda a fost dezvoltata pentru analiza componentelor principale, rezultatele sunt
concludente ~i Tn EFA.
Ecuatia de regresie are forma:
InAk =ak+bkln(n-l)+Ckln[(P-k-lXP-k+2)]+d
2 k
InA k -(51)
l'
~
i 1 unde: a, b, c ~i d sunt ni~te'coeficienti ce pot fi luati din tabel;
ill o~__~____~::~~~~~ n este volumul e~antionului;
1 2 3 4 5 6 7 a 9 10 11 12 13 14 15
peste numarul de factori posibil a fi extra~i (numarul de variabile manifeste),
Component Number
k este un indicator ce face referire la un anumit factor.
Figura 5.3. Analiza numarului de (actori ce trebuie extra§i pe baza de scree plot Se mai postuleaza ca lambda zero sa fie egal cu 1.
SPSS este '0 marca Inregistrata.
151
150
1 1,111111111111111111111111
""1,""'""1111111"11""1"""1""",""1:1"'""""11""1"""""","""111111111111111111111",,111111111'11111111111,1111,:111,1111,11,11111,111111,,1111"11""'"1111"11"",""1'""1""1""11"1"111"111,,"111""11,"11",111'11 III 1111 III,JIIIJIlI ,1111 1111,,1111,11111 1111 ,1111 1111:,1111 11111 1111 11111 ilil II 111111111,11111111111111111111111111 1111,11111111,1111111':111 ,111,111111111111111"11111111,111
lata cateva valor; ale coeficientilor a, b, c ~i d pentru solutii de pana la opt Analiza paraJeJa
1
factori.
K a b c d K a b c d Q)
:::I
4
(;
.9794 -.2059 .1226 .0000 5 -.2670 .0360 -.0024 1.0899 ~date reale'
~ 3
.0461 .0040 1.0578 6 -.2632 .0368 -.0040 1.1039 Q) - 0- date randomizate
2 -.3781 Ol
9i pentru cel de-al do ilea factor: DuP~ extraqerea factorifor, yom observa Qr.~9.~I,,9.!" c,~,r];llill,gJH9te.§))[ecarei
vari~ll.iJe'·9i ~~~J:;(31i~~$Icestora.g.~ntru
fiecare factor extras. Comunpitli3tea se refera
la procentul din disper~li3datelor care este explicat de agtiunea comuna a factorilor
InA, =-.3781+.0461i<ln(111-1)+.0004*ln
(15-2-IX15-2+2)
2 +1.0578*.5811=.471 relim.iii 9i se calcule~~'pentru fiecare"YClriabila in parte. Cu'c~t comuni3,!Ltate.a este
ma(mare, cu atat acea variabila. este ,influentata mai mult de factoriiextra 9i.
Sim;";~ cu cat comunalitatea este'n,'ai ~Ica, cu' atat variabila respectiva este mai
pu\in influen\ata de actiunea com una a factorilor extra9i. In plus, conform teoriei
A, = e .471 == 1.599
analizei factoriale prezentate anterior, di~R§.h~La care~r:!,~, este .,~)9?IjGata de
Eigenvalue oblinut din datele reale (2,03) este de asemenea mai mare comunalitate se presupune a fi legata de unicitC3t~, .adica de erori 9i ~.(3_Jactori
decat cel ob\inut prin aceasta ecua\ie (1.599). Prin urmare ~i al doilea factor va fi specgifL Bunaoara, valorile comunalita\ii mai mici de .§J,J~!3rata ca influenta celor
retinut. Calculand intensitatea eigenvalue pentru al treilea 9i al patrulea factor vom trei factori extra~i este mai mica decat dispersia datorata unicitatii. Prin urmare,
obtine 1,46, respectiv 1,34. Compararea acestor valori cu cele ob\inute din datele itemii respectivi sunt mai PL!litl_saturaii in cei trei factori~~tra~i. in ~xemplul dat, se
re~'e indica re\inerea celui de-al treilea factor (1,614), dar respingerea celui de-al observa ca itemii referitori la nivelul de energie fizica 9i la gradul de incredere Tn
patrulea (0,834). Madar, prin utilizarea, unei adaptari a ~nali~ei par~le!e, sol~tia fortele proprii sunt cel mai pu\in explica\i de cei trei factori extra 9i. in schimb, itemul
I
---
contine tot trei factori. Utilizatorii analizei paralele obl 9nulesc sa-91 prezlQte
Cei interesa\i de situalii factoriale rnai cornplexe pot consulta Allen :;;i Hubbard (1986, apud
Johnson :;;i Wickern, 1998).
legat de preferin\a pentru obiectul de studiu 9i cel privitor la prezenta unor
probleme gastrice au cel mai mare nivel de comunalitate. Altfel spus, ei sunt in cea
mai mare masura influentatide cei trei factori extra 9i.
152 153
IIIIIIIIIII~I JJlIJJJtlJUJUJJJJJlJJlUJJUJJJJJJJUUJJlJ»mIJJJl;~ Ii M/j, ~ M WM,IlJIIIIIIIIIUIIIII.IIIIII,IIIIIIIIIIIILIIIIIIIIIIIII.IlllllI1rIlllllIllllllII1«ii 1«i:~ irrr ,il irrr:ill ml .I I, [ , ,I' I I, !I: :I , I I iI: :!I ~I: Ull l Bl lml l l lLIIIIIUIIIII:
154
155
Merita, de asemenea, mentionat ca exista 0 serie de itemi care @auo.-§.t[u.c tura satu~ati Tn factorul 1 §i prea puiin in cel de-al doilea. Tn schimb, poziiiile apropiate,
simpla, par a fi influeniaii de aciiunea concomiten~a a mai multor factori (ex. ite~~i ale itemilor 10 §i 12 de cea de-a doua axa indica 0 saturatie puternica in acest
3, 10, 12, 13 §i 14). Acest rezultat Ingreuneaza interpretarea factoriala a solu\lel. factor §i 0 siaM saturare Tn primul.
De aceea, se obi§nuie§te frecvent sa se apliee rotir~JaGtQrilor ~pentru a elimina Tn vederea obiinerii structurii simple au fost dezvoltate maimulte modalitati
aceste probleme §i a obtine structura cecunai simpla. de rotire a factorilor. Cea mai importanta distinciie intre acestea imparte rotirile i~
. Criteriul structurii simple a fost definit de Thurstone. Ce Inseamna acest doua categorii:
"
ortogonale
~~.--.-.
§i .oblice
".:.-~'-' .
(Kachigan, 1991; Pedhazur §i Schmelkin )
lucru'? Din multitudinea,de rotatii posibile, cele care concfucla structuri simple vor fi 1991). In cadrul TotiriloL9fto~r(malEl,factorii sunt constran§i sa ramana necorelati,
mai u§or interprel§bile_§i vo~ avea 0 semnifica~ie ps~o~ogica,__.!:eala. Aceasta adica sa formeze un ~,!lghi de 90°. Figura 5.5 prezinta 0 astfel de rotire, -i~ ca~e
structura simpla duce la ob~inerea unor saturSlWridicate Intr-un singuc.Jactor~i_ ambii factori sunt redireciionati spre dreapta cu aproximativ 40°. Acest fapt meniine
redusa In -~~Walti. De asemenea, numarul de item! saturati In primul factor va unghiul drept dintre cei doi factori.
scact-e';3 reechilibrand Intr-o anumita masura, modul in Gare fiecare factor extras In schimb, rotirile"",Q_bJice.,_presupun redirectionarea factorilor cu intensitati
contrib~ie la explica:ea dispersiei. Vom selecta patru din' itemii care par a fi diferite.~c.:est lucru face ca dupa rotire, unghiul dintre sistemul de axe srilu fie d~
90°. Transpusa in termeni statistici, aceasta informatie precizeaza ca-factorii
incarcati In mai mult decat lin singur factor.
exfra~i-coreleaza intre ei, nefiind independenii unul de c~lalalt. Figura 5.6 prezinta .
Tabelul 5.5. Itemi cu structura factoriala complexa
grafic diferenia dintre cele doua modalitaiide rotire.
Rotirea factorilor poate fi mai u§or jnteleasa prin apelul la reprezentarea ............. ....
grafica din figura 5.5. Grafic, factorii sunt repreze.ntati prin sistemul de axe, iar 0 ............" ........................................
variabila situata In apropierea unei axe indica saturatie crescuta In acea ..• / •... .................. ...... ..... ....
~
dimensiune (factor). Inainte de rotire, pozitia celor patru variabile era incerta pentru ,- ,,/ .................. ..,.."" .." ..,.,.,•...•..
.:r....... , ..........
a desemna §i interpreta eei doi factori. Toate cele patru variabile erau situate
..,.... .....
aproximativ la jumatatea distantei dintre sistemul initial de axe. Prin rotirea
celor'doua axe, eu aproximativ 40° In directia acelor de ceasornic, structura
s-a simplificat (vezi liniile punctate). Astfel, se observa ca itemii 3 §i 4 sunt foarte
Figura 5.6. Tipuri de rotiri ale factorilor
Factorul2
Factoru12
./'10
12 Alegerea dintre cele doua tipuri de rotire este dependenta de cuno§tintele
pe care leavem despre variabile §i despre presupu§ii factori extra§i. Oaca credem
Factorull ca exista corelatii intre dimensiunilelatent(3_E:!,xtras.e,' ar trebui sa optam pentru rotid
det[p,J2Ql~. Daca consideram ca
factorii extra§i nu trebuie sa coreleze, yom alege
rotirea ortogonala. Evident ca alegerea gre§ita a tipullllde~-rotrre~-1actoriala se
soldeazacCl"obtinerea unei soluiii fndepartate de cea mai simpla structura, fapt ce
Tngreuneaza interpretarea factorilor.
Factorull
In cazul nostru, obieetivul specificat era de a distinge Intre efectele
educaiionale, psihologice §i somatice rezultate in urma didactogeniei. Ne a~teptam
ca aeeste dimensiuni sa fie independente, adica sa nu coreleze deloe? Putin
probabil. Bunaoara, elevii afecta~i de comportamentele inadecvate ale profesoril'or
Figura 5.5. Schematizarea procesului de rotire a factorilor
157
156
1IIIIIIIIILlIIIILlIIIIUIIIIl!JIIIIlJIIIIl!JIIIIUIIII~IIIIIIJIIIIILIIIII 1111111111 1111111111 1IIII.IIIIIIIIIIIIclllllllllllhIIIIILlIIIII~IIIIIUIIIIIJlIII!J1IIIIJlIIIUIIIILlIIIIL!IIIILlIIIIIIIIIIIWIIII~IIII~11111W1111~11111~1111111111111~lllllllllllllblllllliIIIII16111111'1111111111111'11111111111111111111111111111111::111111:11111 111111111111 IIIIII!IIIII 111111,11111 11111 :1111111111"1111111111 ,lllllllllllllli 1IIIIIIIIi illll.lIII,IIIIII~IIIIIIIIIIII:IIIIII:IIIII:IIIIII'111111,111111,111111 iIIlll 11111 1IIIIIIIIIIIIUlIIIII:II""._ _ _ _ _".IIIIII'III:lIIllmlllllllll~IIIIIIIIIIIII~1111111111111~1111111II1II,11111111111II1I1II1II11II1I1'1II1II11II1II,IIII1I1I11I1IJIIIIIL11111111111111111111111111.11111111111
159
158
'Iii.',m 1M ',I II, i I!' ": L 1 'J 'I II,'III! IIII! 1111 III',II! !II I!IIII' I! 11I'_IIIIIIIIlIlliIlIlIll'_I'"_ _ _ _ _ ,
I 1111111,1111111111'111111111111111111111"111111111111 I!I"III III! 1111"111"111 III '!'IIIIIIIIII"IIIII!III:IIII"IIII!I!'I! !I, III"II:!I!II! '111,111 Im:mlfllJII "1iII1iII:'lII:1iII,'IIIIW/I,WI:!I:I
itemilor ii, 13 ;;i,14 dupa al treilea factor. Matricea structurii factoriale, ne arata Tntr-o maniera similara se procedeaza la analiza ;;i interpretarea celorlalii
corelat iile dintre fiecare item §i factorii Tn cauza. factori. Astfel, factorul doi pare a fi strans legat de itemii 6, 8, 9, 10, 12 §i 15.
Corelatiile acestor itemi cu factorul doi sunt foarte ridicate, variind Tntre .718 ;;i
.852. Analiza de continut a aeestor itemi, evidentiaza structura dubla, implicand
Pattern MatriX' , Structure Matrix
efecte psihologice (ex. "M-am simiit umilit de catre profesor".) ;;i efecte somatice
Component Comoonent (ex "Dupa ora de Xma simt obosit".). In consecinia, acest factor poate fi etichetat
1 2 3 1 2 3
,868 -.099 -,100 EOOl ,516 -,027
sub denumirea "efecte psihologice ;;i somatice" ale didactogeniei. Tn star;;it, cel de-
ED03 ,878
ED05 ,831 -,059 ,048 E003 ,827 ,240 -,103 al treilea factor este strans corelat cu itemii 11, 13 ;;i 14, valorile coeficientilor de
ED04 ,803 ,007 -,028 E005 ,807 ,282 ,050 corelatie pentru ace;;tia fiind cuprinse fntre .696 ~i .760. Se remarca, din continutul
,797 ,200 -,057
ED01 E004 ,805 ,328 -,019 itemilor, ca toti trei fac referire la 0 stare somatica gen~rala a elevilor la ~coala, fara
ED02 ,749 ,059 ,194 ED02 ,383 ,208
,775
ED07 ,572 ,167 -,026 a fi specifici unui anumit profesor (ex. "Dupa 0 zi de ;;coala gatul meu devine
E007 ,639 ,395 -,002
ED12 -,145 ,877 -,144
ED09 ,852 ,004
Incordat".).
,470
ED09 ,147 ,803 -,085
ED06 ,490 ,811 ,041
ED10 -,153 ,756 ,216
ED12 ,208 ,803 -,049 Etichetarea faCtorilor
ED06 ,192 ,738 -,042
ED15 ,498 ,796 ,218
ED15 ,217 ,693 ,139
ED08 ,518 ,768 ,070
ED08 ,248 ,669 -,007 A;;adar, interpretarea factorilor este un proces subiyctiypazat pe matricea
ED10 ,154 ,718 . ,298
ED14 -,069 ,074 ,753 structuriiJactorialesau pe matricea modelului .til.ctoria!. Denumirile Jactqrilor au la
ED14 -,032 ,129 ,760
ED13 -,028 -,009 ,734
,098 -,061 ,702 ED13 -,024 ,060 ,732 baza 0 buna cunoa~tere te,'\?L~tk:iL.!LcjQmeniului. Totu;;i, pot exista cazuri In care
ED11
Extraction Method: Pnnclpal Component Analysis. ED11 ,081 ,056 ,696 etichetarea factorilor nu"§.§J€l£§J .u;;or. Tn astfel de situaiii, cercetatorii tind sa creeze
Rotation Method: Oblimin with Kaiser Normalization. Extraction Method: Principal Component Analysis. noi etichg!.C2.J2~fjtru ace~tia. Doua exemple clasice Tn psihologie sunt date de
a, Rotation converged in 8 iterations. Rotation Methoq: Oblimin with Kaiser Normalizatiol
denumirile celor 16 factori primari din teoria personalitatii a lui Cattell sau de
personalitatile de tip A sau B din cercetarile asupra stresului desfa;;urate de
Figura 5.S. Matricea modelului factorial (Tn stanga) §i matricea structurii factoriale (Tn dreapta) Friedman.
SPSS este 0 mardi Imegistrata. Dupa etichetarea itemilor se poate studia matricea corelatiilor dintre factorii
extra~i. Tn problema de fata, se observa ca singura corelaiie se~nificativa statistic
este cea obiinuta intre primul ;;i al doilea factor (r ::;; .40), adica Tntre etectele
5.1.3.5. Interpretarea naturii factorilor pedagog ice §i efectele psihosomatice. Acest aspect pare normal, deoarece
Pornind de la matricea structlJ.[,jJJC3ctorial.~ rezultata In urmC3 rotir]lJ:'I?!Cl.rilo. r comportamentele inadecvate ale cadrelor didactice pot exercita influente negative
yom urmari sa int~'!llmt§.IJ1JClctorii,t:!xt,ra;;i. Din ambele matrici ale figurii 5.8. ~e In planuri multiple. De asemenea, prin lipsa corelatiei dintre efectele pedagog ice ;;i
observa ca primul factor este prezent Tn itemul 7 ;;i In primii cinci itemi. Corelatla etectele somatice generale, respectiv dintre efectele psihosomatice ;;i efectele
acestor variabile cu factorul respectiv variaza Intre .639 ;;i .878. Cu cat corelat ia somatice generale, se constata 0 bunadiscriminare ;;i valid are a faptului ca primii
este mai mare cu atat variabila respectiva are un rol mai mare In interpretarea . doi factori masoara efectele decian;;ate de conduita unui anumit cadru didactic,
factorului. Se pune Intrebarea generala, ce au Tn comun aceste variabile saturate fiind specifice interactiunii particulare dintre un anumit dascal ;;i clasa de elevi.
puternic In primul factor? In plus, ce diferentiaza acest set de varia bile de celel~lte
care nu au obtinut saturatii ridicate In factorul respectiv? Din analiza de cont lnut 5.1.3.6. Ameliorarea structurii factoriaie
(vezi matricea 'modelului factorial din Figura 5.8. ;;i tabelele 5.1 sau 5.4) reie:e ~a De multe ori, 0 data cu interpretarea·oa.tl,lljiJ§.'2!QriJor, cercetatorii tind sa
cei ~ase itemi privesc efectele Tn plan pedagogic, ei fiind strans legat i de motivaila finalizeze procesul analizei factoriale. Recomandarea mea este sa nu ne oprim la
;;colara. Astfel, elevii afectati In aceasta directie nu sunt atra;;i de orele res.pe~ti~e, acest'nive!. urm~tQ;YL·pa.s constar~ evaluarea posibiIit~tl~orde. modificare sau
absenteaza de la acele ore atunci 'cand au ocazia, nu Tnvata la diSCI pima Imbunat~J!~ ascalei. Se vor urmari cateva aspecte, cele mai importante fiind
respectiva ;;i evita contactul cu aceasta. La celalalt capat, se afla elevii care nu gradul de com1J.[1alitate ;;i de saturatie al fiecarei variabile incluse In studiu.
sunt afectati In plan pedagogic, cei carora Ie face placere sa Invete ;;i sunt atra;;i Cu cat gradul decomun_alltat~~st~ mai mare, cu atat variabila respectiva
de disciplina respectiva, participand activ la orele respective. este influentata mai mult de factorii comuni extra;;i. Spre exemplu, 0 comunalitate
de .804 a itemului ."lmi plac orele de X." indica faptuI ca dispersia variabilei
160 161
IIIUIIIJIIIUIIIIJIIIUIIIIJIILIIIILlIIII I11111 11111.il l 111111,111111 11111'111111 11111 11111I 1IIIIJIllullliLlIII 1!IIIIILIIIIIUIIIILlIIII"'IIILlIIIIJIIILlIIIIJII~II~UUUUUUUlllllllllIllllLlIIIIUlllli'llll 1111:11111 1111I11111111111 1111111 111111111111 111111111111 11111,11111 11111 i1111Ll111 IJIIIIJIII illill 11111 1111 1IIIi'"1 11111111111111111111111111111111 IIIIILIII'III;III'IIIIIIIIIUIILIIILIII'"ILIII"IIILIIIIII. . . ._ _ _I
asupra dispersiei datelor exercitata de aciiunea simultana a factor~lor c~munl g:sl\1. Volumul $i caracteristicile e$antionului
Prin urmare, factorjU3.PE?cifici sunt exclu~i din coml!!l~!~~§lte, formand, Impreuna cu Analiza factoriala este 0 tehnica pretentioasa Tn ceea ce prive~te numarul
erorile de masurare, unicitatea dispersiei. de subiecti n;Cesari.'Minimul acceptat pentru 0 astfel de analiza este de 1'1)0 de"
---Un altmotiv de Inloeuire a unor itemi din scala este dat de aparitia unor subiecti, ¥;;s~este preferabila utilizarea unor e~antioane de pest~",-?:Q9d~ subiectf.
factori care in prealabil, n-u~era·u-·d6fiti. Acest rezultat este dependent in mare Tn plus, volumul e$antionului este dependent de numaruL<;le ..variabile supuse
masura ~i de contlnLJtlJ"lite~rlor introdu'~i in analiza. In exemplul nostru,. !nteniia a analizei. Se recomanda ca raportul numar de subiec~i per numar de varia bile sa fif')
fast de a construi 0 scala care sa evidentieze efectele comportamentL1IU1 Inade~vat eel putin egaJ cucinci. AstfeJ, pentru 0 scala cu 30 de itemi, ar fi de dorit un minim
al cadrelor didactice asupra elevilor. Itemii 11, 13 ~i 14, care au constituit al tre!l:a de 150 de subiecti.:-Acest raport nu trebuie Insa interpretat Tn mod rigid pentru
factor - "efecte somatice generale" -, nu pot fi inclu~i Tn aceasta categone, cazurile in care voiumul e~antionului devine destul de mare. Astfel, putem efectua
deoarece nu coreleaza cu modul de comportare a dascalilor. Itemii tin mai degraba
163
162
1111'111 1111 11'111 'III III 1111 III ill 111'11'11111111'11111111111111'11111111111111"11111111111' 1I1II1I1II'1II1II1I1II"IIII:II'III:III'IIIII:IIIIIUIIIIUIlIlIUlIIIUIIIIIUIIUllIIIl.IIUUIIU~_.'
'111 III iII' II! 1111'111'111 II'!II ""1' 'I 'II Iii 'I' 1I"li'll il' 'II !I"II II III II: ill 11'111 li,II'11'1II"
o analiza factoriala adecvata pe un e~antion de 400 de subiecti. chiar daca unui numar de itemi sub[<~prezentativipentrudomeniul de interes._afecteaza
numarlJl de variabile (item i) este de 130. Mai ramane sa reamintim doar ca volumul con\inutul factorl!1.~L~~~p~ctiv. Pentru a clarifica aceasta ultima situatie voi apela la
e~antionului determina. in anumita masura. valorile de la care consideram ca un teo ria de personalitate Big-Five a lui Costa ~i McCrae (1992). Unul dintre domeniile
anumit item este saturat de factorii extra~;;j. personalita\ii este nivelul de agreabilitate. Acest domen(u contine ~ase fatete
Tn ce, prive~te caracteristicilej'§clntionului, solutia ideala ar fi selectarea reprezentative: increderea (are Tncredere in alti oameni). sinceritat~a (spune ce 'are
unui lot de persoane de 0 omogenlt<?t~;nedie:' Un e~antion pr~<3PlTlogen poate pe suflet), altruismul (este disponibil spre ajutorarea celorlal\i). conformismul (evita
induce 0 solutie factorLala gre~ita. Kline (1993) exemplifica foarte bine aceasta conflictele interpersonale), modestia (nu se comporta Tn mod arogant). §i
stare de fapt prin situatia urmatoare. Sa presupunem ca un cercetator dore~te sa implicarea afectiva (receptivitate la apeluri umanitare, opusul fiind persoanele care
identifice care sunt factorii care afecteaza reu~ita academica ~i utilizeaza un lot de se considera realiste ~i iau decizii bazate pe 0 logica rece).
subiecti de elita studenti ai Universitatilor Oxford ~i Cambridge. Datorita Pentru a masura agreabilitatea este important sa fie prezenti itemi din
omoge'nitatii 10tUlu'i, am put~a ave a surpriz~ de a constata ca inteligentanu joaca toate aceste fa\ete. Daca yom utiliza doar itemi care masoara nivelul de altruism.
un rol important in. reu~ita academica, deoarece majoritatea studentilor de la yom ob\ine un factor care nu va putea fi etichetat "agreabilitate". Tn schimb, cel mai
aceste universitati au 0 inteligenta superioara. Daca e~antionul de subiecti ar probabil, factorul va fi foarte distinct ~i va avea 0 consistenta interna ridicata.
include studenti de la toate universitatile britanice am avea mari ~anse sa Validitatea de construct a agreabilit<3tii, masurata exclusiv prin fateta altruismului,
demon'stram ci inteligenta joaca un rol i~portant Tn reu~ita ~colara. Un exemplu va dovedi ulterior caracterul eronat al etichetarii factorului prin acest domeniu
revelator este faptul ca foamea nu a fost gas ita ca fiind un factor motivational general. Tn conditiile Tn care celelalte fatete sunt absente.
fundamental Tntr-o cercetare a lui Cattell ~i Child (apud Kline. 1993). deoarece Pornind de la acest aspect, se cuvinesa precizam ca Tn analiza factoriala
subiectii erau proveniti din patufa medie ~i superioara a unor tari foarte dezvoltate~ ~e v.orbe§te d~ dou~ ~ategori.i def~~tQ~i:cS1QI)lUT!1i: prim~Jrezultati din corel~till.E1_
La polul 0R.u? se regase§te selectarea unui e§antion fO~9-r.te_~JeJOgen. In Item)J9.E,§uPu§1 analizel factonale) §I secy.J)£t~Li.(rezultati din corelatiile factorilor
astfel de situatii, apare riscul de a extrage 0 serie de factori irelevanti pentru primad selecta\i). Aceasta organizare ierarhica se poate observa ~i Tn ca~ul
obiectivele urmarite multi factori fiind rezultatul unor caracteri'stiCi demografice dimensiunilor personalitatii din Big Five ~i nu numai. Astfel. agreabilitatea este din
diferentiatoare. Intr-~ ase~enea situatie se recomanda utilizarea analizei factoriale punct de vedere statistic un factor secundar bazat pe ~ase factori primari:
pentru fiecare "sub-e~antion" relevant. Tncrederea, sinceritatea, altruismul, conformismul, modestia §i implicarea afectiva.
Testarea gradului de adecvare a e~antionului se poate face prin metoda Fiecare dintre ace~tia au la baza itemi specifici care sunt masura\i direct prin
KMO, (Kaiser-Meyer-Olkin) prezenta Tn SPSS Factor ~,J~e~griptives. Acesta poate afirma\iile prezente Tn inventar.
ILla'Valori intre Q.§.LJ" Daca valorile obtinute sunt sub.50, e~antionul nu este
adecvat pentru a realiza 0 analiza factoriala. Valorile Tntre .50 ..§L.:70 sunt
Factor
satisfi3catoare, cele pest~JO sunt adecvate, iar cele peste .8Q.. ~unt excelente secundar
pentru a aplica analiza factoriala pe e~antionul respectiv (Field, 2000). Gradul de
Factori
adecvare a e~antionului pentru fiecare variabila in parte po ate fi testat prin _ primari
obtinerea unei anti-imagini, optiune disponibila Tn SPSS Tn aceea§i sectiune.
Matricea obtinuta va avea. printre altele,o serie de valori pe diagonala principala. itemi
fiind necesare valori mai maride .50 pentru fiecare variabila Tn parte.
NeTndeplinirea acestui criteriu poate duce la eliminarea itemului respectiv din
Figura 5.9. Refafia dintre itemi, (actori primarf §i factori secundari
analiza.
164
165
IIWIIIIIIIIIIIIIJlllllmllll~IIIIII~IIIII~11111tII1111WI111I8II1111lUIIIIlllmlllUlliWlllllllUllllllllllltIlllllIJllll~IIIII']IIIIUIIII~11111LlIIIIIJIIIII '1111'11111'111111 11111 111111'11111,111111'1111 l'IIIIIIJIIII'IIIIIIJIIIIIlillIIUJIIIUlJIIIILUIIIIlJIIUIILUII~1I1111ill111LU1IIIL'II' ,IIIUJlllllJIIIIIUIIIIIJIIIIILlIIIIUIIIII~llllllJIIIIIlJIIIIUI1IIILlIIIIUIIIII~IIIIIIIIIIIIIIIIIIIIIUlIIIIIJIIIIIUIIIIIIIIIIIIUIIIIII 1IIIIIulllili 111111 '11111: 111111.11111'111111 '11111.111IIIJIIIIIUIIIILlIIIII'IIIIIIJiIIIIJIIlllJIIIIIJIIIIUIIIIUIIIIUIIII.'IIIIII.lw_ _. ,_ _.'11 1111 :111' 1111 :111' 1111 III: '11I 11111111' 1111111111111' I111I1111 ,II: III III II, 'I 'I' II' III Ih, ,III III: iii III III III, ,II II' 'I: 'II
sectiunii "Oescriptives" din analiza factoriala. Oaca valoarea acestl.i!a este mai mica 5.1.4. Exemplu de analiza factoriala exploratorie - cazul inteligentei
dec~t 0,00001, putem diagnostica 0 situatie de multicoliniaritate. Intr-o asemenea in cele ce urmeaza, vo.i prezenta mult mai succint pa§ii unei analize factoriale
situatie, va trebui sa observam care coeficient de corelatie este mai mare de .80 pornind de la a serie de'probe ce masaara inteligenta. Baza de date include rezultatele de la
sau :90 :;;i sa eliminam una dintre variabile, deoarece exista :;;ansa .ca ele sa naua probe aplicate de Thurstane §i Thurstane in 1941 (apud Tucker §i MacCallum, 1997),
masoare acela:;;i lucru. . pe un lot de 710 elevi din clasele a VII-a §i a VIII·a. Analiza factariala s-a realizat fi:jra a ave a
o situatie, oarecum opusa, este cazulin care variabilele nLl..coreleaza Tntre acces la baza de date brute, pe baza matricei de carelatii prezentate mai jas. SPSS-ul afera
ele,prin urmar'e nu sunt afectate 9&.ff),ctori comuni. Testul de.$~ericita:e ,al lui aceasta pasibilitate prin sintaxa. lata a scurta descriere a celar naua teste:
Barlett: prezent Tn "Oescriptives", SPSS," testeaza 0 asemenea tpotez.a: .. 1n ce (1) probe de adunare - include itemi ce presupun adunarea pe calaane;
masura avem de a face cu 0 matrice de identitate (corelaiiile dintre vanablle, cu (2) probe de inmullire - inclUde itemi de Tnmultire a daua numere;
excepiia diagonalei principale sunt zero)? Unrezultat semnificat~v statistic elimina (3) proba seriei de numere - include itemi ce constau intr-un §ir de numere care se
aceasta posibilitate :;;i ofera :;;ansa realizarii analizei facton~I~.~ Un rezultat multiplicau cu trei, cum ar fi seria: 1, 3, 9, 27, ... ; subiectii trebuiau sa identifice numarul
nesemnificativ indica faptul ca analiza factoriala nu este potnvlta pentru a fi urmatar;
aplicata. Din pacate, numai situaiiile clare sunt diagnostic~te, d~oarece test~1 tinde, (4) proba figurilar - include a serie de litere sau semne care au fost rotite sau reflectate in
de regula, a fi semnificativ datorita numarului mare de sublectl dlntr-un e:;;antlon. ~ oglinda; sarcina esle de a identifica care figuri dintr·a serie sunt identice cu prima figura;
Toate aceste teste preliminarii au fost efectuate :;;i pentru scala de faia, (5) proba car(ilor - include itemi sub forma unor carli de jac reprezentand diverse figuri
rezultatele indicand 0 pretare foarte buna a variabilelor :;;i a e:;;antionului chestionat geometrice, rotite sau reflectate in diverse maduri; sarcina era de a gasi care carli pat fi
pentru a fi analizate factorial. . . rotite pentru a se potrivi cu figura din prima carte;
In sfar:;;it, analiza factoriala poate fi aplicata Tn situaiiile Tn care vanabllele (6) proba steguletelor - include itemi sub forma un or steaguri rotite §i reflectate in diferite
sunt masurate' prin'scale de tip intervaL sau raport, iar Tn cel mai rau caz, prin sca!e directii; sarcina era de a identifica care steaguri sunt identice, printr-o rotire de 90 0 ;
de tip .ordinal. Nu este recomandata analiza factoriala clasica a datel~r de. tiP (7) proba identificarii numerelor - cansta intr-a serie de calaane numerice; sarcina
categorial (ex. raspunuri de tip da sau nul, deoarece coeficieniii d~ c~relatle phi nu. subieclilar era de a identifica care numar din calaana este identic cu cel din capul
pot lua valori pe Tntreaga gama de la -1 la +1, iar relatia dintre vanablle nu poat~ ~I calaanei;
liniara. In aceasta situatie se recomanda utilizarea altor metode de analiza (8) proba felelar - cansta in seturi a cate trei fete umane, dintre care daua sunt identice;
factoriala, precum "Cat~gorical Principal Components" din pachetul adiiional sarcina avuta era de a bifa pe cea care este diferita;
SPSS Categories 11.0 (Meulman :;;i Heiser, 2001) ori analiza claselor latente (9) proba citirii in aglinda - fiecare item consta intr-un cuvant scris normal, urmat de altele
(Finch :;;i West, 1997). . . ~ patru, tiparite ca §i cum ar fi reflectate in aglinda; sarcina era de a identifica care din
Totu:;;i, printr-un artificiu tehnic se poate aplica analiza factor.lala cele patru cuvinte esle identic cu primul.
expLQrCjtorie, Tn cazul datelor dihot.omice, daca se renunta la utilizar~a itemulul ca Bineinieles ca obiectivul principal al aplicarii acestor probe era identificarea
unitate de masura, Tn favoarea"sc;alei' ori a unui pachet de itemi. pnntr~un pachet unor factori comuni din cadrul domeniului inteligentei.
de itemi se Tntelege gruparea mai multor itemi :;;i analizarea lor Tmpreuna. Astfel, 0
scala care av~a in prealabil 40 de itemi cu raspunsuri dihotomice . de tip "Oa" sau Matricea de corelatii dintre cele noua teste este:
"Nu" poate fi analizata factorial in stil clasic dupa 0 grupare prealabi!a a. itemilor T~
10 pachete a cate patru itemi fiecare.ln acest fel, raspunsurile sublectllor nu mal 2 3 4 5 6 7 8 9
sunt notate binar (,,1 = Oa", ,,0 = Nu"), ci pot lua valori de la 0 (In cazul Tn oare 1. Adunare
subiectii raspund "Nu" la toti itemii dintr-un pachet) la 4 (daca subiectii .ras?und 2.lnmul\ire .499
"Oa" la toate afirmatiile din pachet). Metoda,care a fost propusa de Cattell, lar Intr-o 3. Serie numere .394 .436
varianta modificata de Comrey (apud Kline; 1.993), are doua limite. Prima se refera 4. Figuri .097 .007 .292
la caracterul subiectiv de alegere a itemilor care vor fi grupati Tn acela:;;i pachet, iar 5. Carti .126 .023 .307 .621
a doua limita vizeaza caracterul factorilor rezultati in urma unei astfel de analiza. 6. Steaguri .085 .086 .328 .510 .623
Ace:;;ti factori sunt considerati de multi autori ca fiind factori de ordinulggj :;;i nu 7. Identiflcari numar .284 .467 .291 .044 .114 .086 ii.· ,«
167
166
l'IIIIIIUlllllrnlllll~IIIIIIIIIIIIIII_IIIIII~lllllllllllllul111111111111111111111111111111111111'
il:III,I'" 1111'i111UIIIUIIII 1111111111.1111111111 1IIIiil l!:11111 11111'111111111111'111 !I" I I I I Iii 'Ii I : '" il :1::111 !III !III, 1111 'III,:: 'I' ,i i, I:!i 'III'III! '
Dupa alegerea tiput\;lL de m?trice, orice analiza factoriala necesita ITEM FACTORI Comunalitate
parcurgerea urmatorilor pa:;;i: 2 3
./ testa rea asumptiilor aferente; 1. Adunare -.06 -.04 .67 .30
./ alegerea metodeld~f.1extragerea factorilor; 2. Tnmultire .15 .14 .73 .42
./ selectarea numarului de factori extra§i; 3. Serie numere .08 . -.28 .50 .36
./ inspectarea matricei '1lQdel'ului factorial urmata adeseori de rotjrea fact::>rilor; 4. Figuri -.01 -.73 .02' .43
./ interpretarea factorilor. " 5. Carti .05 -.82 .00 .53
Cele mai multe aspecte mentionate anterior nu sunt trecute uzual In 6. Steaguri .05 -.69 .04 .44
sectiunea destinata analizei datelor, de§i ele trebuie pc:lrcurse pentru a asigura 0 7. Identificari numar .61 .18 '.20 .35
analiza cat mai corecta. Minimul de informatii ce trebuie oferit.in sectiunea de 8. Fete umane .69 -.18 -.12 .36
analiza a datelor unui articol §tiintific trebuie sa atinga urmatoarele puncte: 9. Citire in oglinda .64 -.06 .03 .35
./ precizarea Tntr-un paragraf a tipului de anaJiza TntrepriQ~a (de ex: P?A sau· Corelalii intre factori /\ direct oblimin
EFA), a metodei de extractie a factorilor:;;i a motivatiei pentru alegenlefa?ut~; Fact.or 1 2,18
./ precizarea intr-un a~' paragraf, a numarului de!acto~iextra§i, a. cnte~lIlo~ 'Factor 2 -.36 2,18
folosite Tn acest scop, a tipului de rotire factoriala, dacaestecazul, §I a ra\lunll Factor 3 .51 -.12 1,88
alegerii faclJte; . .
./ prezentarea unui tabel sumar care sa contina matricea m?delululfactonal Se observa ca primul factor este strans legat de ultimele trei probe. Toate acestea
(pattern matrix) :;;i gradul de comunalitate a fiecarei variabile. ,Nicol :;;i Pex.ma~ necesita 0 examinare rapida a'stimulilor §i identificarea acelora care sunt identici. Din aceste
(1999) ofera un asemenea model, pornind de la standardele Asoclat lel considerente, am putea eticheta acest factor ca viteza de perceplie. Tntr-un mod similar, se
Psihologilor Americani (APA); observa ca variabilele 4, 5 §i 6 sunt saturate puternic in al doilea factor. Semnul minus este
./ Tn cazul rotatiilor oblice sunt specificate §i corelatiile .Tntre fa<;tori. dat de modul invers de cotare a probelor. Aceste trei probe au in comun faptul ca necesita
Pentru ~cest exemplu, 0 posibila formulare a sectiunii de analiza a date lor abilitatea de a recunoa§te relaliile dintre diferite forme cu orientare spatiala diferita. Prin
ar putea fi: . urmare, am putea intitula acest factor - relatii spa\iale. in ce~a ce prive§te cel de-al treilea
Obiectivul principal al studiului era de a identifica atributele interne care stau la factor, se observa saturarea ridicata in cazul primelor trei variabile §i scazuta pentru
baza celor noua probe de abilitaV mentale §i influenieaza evoluiia acestora. De aceea, celelalte probe. Toate cele trei teste implica calcul numeric. Mai mull, nici una din restul
utilizand programul SPSS 11.0, am apelat la analiza factoriala a axelor principale pentru a probelor nu necesita calcul aritmetic. Tn consecin\a, am putea denumi acest factor ca abilitaV
extrage factorii comuni. . de calcul.
in urma analizei, atat criteriul scree plot al lui Cattell, cat §i analiza paralela Se observa din tabel ca cei trei factori nu sunt complet independen\i. Dat fiind
adaptata dupa Allen §i Hubard (1986, apud Johnson §i Wickem, 1998) sugereaza 0 soluiie yorba de un e§antion de 710 persoane, toate corela\iile intra factori sunt semnificative la un
adecvata cu trei factori. Ace§tia influenieaza impreuna 68,48% din totalul dispersiei celor p < .01. Se constata 0 corelatie ridicata, in special intre viteza de perceplie §i abilitalile de
noua probe. Fiind yorba de factori subsidiari factorului 9 din domeniul inteligentei , ne calcul numeric. Aceste corelaiii Tntre factori, yin sa sprijine posibilitate,a eXistentei unui factor
a§teptam sa existe corelaiii Tntre ace§tia. in copsecinia, pentru a obtine 0 structura cat mai supraordonat, fie el factorul 9 al inteligen\ei, a§a cum a fost stipulat de Thurstone.
simpla, solutia a fost rotita oblic prin metoda direct oblimin la un delta egal cu zero.
in tabelul de mai jos sunt sintetizate trei categorii de informaiii: gradul de Elementele prezentate mai sus constituie un minimum necesar de a fi
comunalitate a variabilelor, saturatia acestora in factorii extra§i, cum rezulta din matricea prezentat In sectiunea de analiza cantitativa a datelor. Unii autori sustin §i
modelului factorial §i corelaliile dintre fgctori. Am ales sa prezint matricea modelului factorial includerea matricei de corela\ii intre varia bile. prin aceasta masura, cercetatorii
deoarece este mai simplu de interpretat §i pentru ca ofera influenia fiecarui factor asupra interesa\i ar putea reface sau modifica analiza, matricea fiind un element suficient
variabilelor Tn cauza, eliminand medierea celorialli factori extra§i. De remarcat insa ca pentru a substitui baza de date. Introducerea matricei de corelatii este dependenta
aceste saturaiii nu reprezinta coeficientii d'e corelaiie simpla, ca in cazul rotatiil or de tip de spatiul editorial :;;i de tipul publica\iei respective. In ceea ce ma prive§te,
ortogonal sau a solutiilor nerotite. recomand prezentarea ei ori de cate ori exista spatiu suficient.
in spatele acestei imagini de "vitrina" se regasesc 0 serie intreaga de
operatii, prezentate Tn detaliu in capitolul de fata §i care se desfa§oara in
urmatoarea ordine:
169
168
'1111, 11111 IIIIII.IIIIIII,IIIIII~IIIIIIIIIIIIIIIIII!IIIIIWIIIII, 111111'11111, 111111 lilli' !IIIII 11111: 11111' :1111 1111' !IIIUm ,11111, :1111, 1111l!IIIILIIIIUIIIUIIIIJIIIUIIIUIIIIJII, !IIILllIIIIJIIIIIUIIII~IIIIIIIIIIIIJIIIIIlJIIIII, 111111 1IIIIIJlIII 111111 11111, :11111 lilli' 1111111:111111111111',111111111111' 111111.11111 '1111 1111' III: 1111!JI111:-'lII: 1111 IIUIIUIII ,IIIUIii ,llllllllll IIIIUIIIIJIIIIUIIIIJIIIIUIIII, iIIIIUIIIILlIIIIUIIII! 111111 11111 ,III III, illl III' 'III 1111 11111 11111 1111, III II' IIIII!IIIIIIIIIIIIII'IIIIII: '1111 '1111' 11111 1111: 11111 1111, '1111' 111111 11111: :11111 11111: :11111 111111111111 111111 IIIII! 111111111111: IIIIII~IIIIIWIIIII '11111 111111 '11111 111111 :11111 111111 :11111' 111111 '1111111111111111111,111111 11111 111111 11111 11111111111111111111111111111111,1111111111111111111111111'111111111111111111111111111111111111111'11 111111 111·11I1I11111I·11II1""IIIIiIIlIlI~IIIIIIIIIIII~IIIII~III"IIII"'III"" "
(1) alegerea teoretica a tipului de analiza §i a metodei d~_~xtragere a Pentru a raspunde la aceasta intrebare va trebui sa aplicam analiza
factorilor; ~"'-" '" factoriala confirmatorie. Cu ajutorul ei yom testa toate variantele enuntate mai sus
(2) verificarea conditiiloLrrecesare §i inspectarea datelor descriptive; §i, chiar mai mult, vom putea testa alte solutii noL Stabilirea unei struct~ri factoriale
(3) stabilirea numarului adecvaide factori extra§i §i rotirea factorilor (daca este adecvate este esentiala atat Tn cercetare, cat §i Tn psihodiagnostic. Spre exemplu,
cazul); un individ procedeaza corect, daca reune§te scorurile tuturor itemilor BAS pentru a
(4) interpretarea r:ezultatelor, finalizata cu identificareanaturii factorilor; obtine un rezultat global Tn cazul Tn care solutia co recta implica doi factori BIS §i
(5) sugerarea eventualelor,ameliorari necesare Tn studii viitoare, BAS. Acela§i lucru poate fi facut §i Tn cazul unei solutii cu patru factori, dintre care
cei trei factori BAS coreleaza Tntre ei. In schimb, cercetatorul va gre§i, daca va
calcula un rezultat global BAS Tn cazul unei solutii corecte cu patru factori
necorelati, deoarece intre cei trei factori BAS n-ar exista 0 asociere.
Realizarea unei analize factoriale confirmatorii implica parcurgerea
5.2. Analiza factoriala confirmatorie
. urmatoarelor etape: (1) specificarea modelelor. concurente, (2) identificarea
mQQelelor, (3) estimarea param~!r1i'9C---stafistiCi "§i testarea gradului de p~trivire a
Daca Tn cazul analizei factoriaJe ~e=.xploratorii numarul de factQ,[Le~tra§i se m0cl~JEllor, (4) re-specificarea modelelor (Kelloway, 1998). . .
stabilea pe baza unor cr[terii empirice, analiza factoriala confirmatorie apeleaza la ..;....~. .. '"""'~' :<-."... " , • <:,,~
171
170
:'111:111.1111111111111"111'111'11111111111111111111 ,
II' III: illl' :1111' ,1111111111 11111, 111111 1111111I111111 1IIIIIIilllili 11111111111111 111111 1111 I: :1111111111 :1111111111 :111111111111111111111 :11: III ,11111111111111 1111111111' 11111 :1111 ' 1111111111' 111111111 !I: ill !III III: 1111 11111111, illllllll! '1111 1IIIIIIIIIIi :11111 IIIIUIIII 11111,1 Jm: Jm '1ff[1frm 1,1 III, ~ 1M 1.1 !In ,III 111'1 @1M !M mJIr .. : I 111M, I I I '1M t ,'1M I~ ~, '1.1 illi ill I~ ill ], I'
"
ovale, Tn schimb un model BIS-BAS cu doi factori va avea doar dOlla asemenea s~him.b, _variabile.le end"ogen~ s~nt variab!l~ efect: fiind identificate grafic prin faptul
reprezentari. ca eXlsta eel putln 0 sageata onent'?taspre ele. In exemplul nostru se observa ca
atat factorii comuni, cat ~i erorile demasurare (factorii unici) sunt variabile
exogen~, Tn timp ce itemii probei sunt variabile endogene.
In aceasta etapa sunt specificate toate modelel~Lcare urmeaza a fi testate.
Totu~i, din !ipsa de spatiu, nu toate modelele beneficiaz~ de reprezentare grafica,
deoarece. 0 data Tntelese principiile de reprezentare grafica este suficient sa
denumim modelul. De pilda, patru factori identici, dar necorelati,' implica un desen
similar cu cel prezentat Tn figura 5.10 din care sunt eliminate curbele cu sageti
duble care indicau existen\a eorelatiilor dintre eele trei scale BAS. '
o alta observa\ie importanta, pe baza figurii 5.10 este direc\ia de Prin identificarea modeleJorse intelege in ce masura acestea, prin
Tndreptare a sagetilor. Toate sageti1e sunt Indreptate spre i~!nii_probei. De
structura lor, pot conduce la soly.tiU~~rltificabile. Fiind vorba de ecuatii structurale,
exemplu, In cazul primului item, rezultatul lui BIS01 este In functie de trasatura
se pune problema matematica daca exista: (1) mai multe necunoscute decat
latenta pe care 0 masoara itemul respectiv, adica BIS ~i de eroarea de masurare,
e~~Ei, (2) atatea ecua\ii cat~.neeunoscute, (3) mai multe ec~;fii'decat'
adicii..I?OJ .. 8.ceasta eroare poate fi conceputa ca dispersie datorata_ factorilor unici
necunoscute. Vom discuta pu}in mai tarziu implicatiile acestor situatii distincte.~
in cazul <;lnalizei factoriale. DeoCiim"data vom ciarifica problema identificarii.' ,
Corela\ia dintre doi factori este reprezentata g~§1J.ic sub formaunei curbe. cu
De exemplu, In imaginea din stangatrebuie estimata saturatia celor trei
saget.U9<3mbele capete. Spre exemplu, In modelul propus ne a~teptam sa existe 0
variabile M 1, M2 §i M3 In factorul L1, adica trebuie identificate valorile a, b ~i c.
corelatie intre BAS recompensa (BAS-R) ~i BAS impulsivitate (BAS-D) Insa
Pentru a Ie identifica avem la dispozitie trei ecuatii:
stipulam absenta corelatiei dintre oricare scala BAS ~i scala BIS.
In sfar~it, trebuie sa distingem Intre variabi!~_"exogene ~i variabile M1 = aL1 + e1
endQgen~.yrimele sunt cele care mLdepind de.nimeni, fiind socotite ca variabile M2 =bL1 + e2
cC!~~~ §i se disting grafic prin faptul ca nuau nici 0 sageata orientata spre ele. Tn
-- - M3= cL1 + e3
173
172
111111111111111111111I111111111~lllllllllllrnlllllllllll11 ____1111 II' 'I,
,i,I:,:" 11'llill,IIIIIIIIIII,IIII.l11 :11,111:111:1
1111111111111,11111,111111111111111111111111111,11111,1111,1111111'1111,1111I 11111 IIIII! 11111 111111 11111 11111 1111 11I'!lIi 11I,:!lIIIIIII,IIIIIIIIIII,IIIIILlIlIlJIIIIIIIII!IIII!Jlli,IIIIIUIIIIIIIII,II',IIII"IIIIIIII'1II11I111I111I111I11i,11,1111111, ,1111'"
De§i mai putin intuitiv, §i Tntre cele doua modele din partea de jos a figurii ~ statistic. Din pacate, valoare? lui X2 este afectata puternic de volumuL e§antionului,
5.12 exista 0 relatie de tip cuib. Primul model poate fi transformat matematic Tn cel astfel ca exista mari §anse sa obtinem un X2 se'I1nificativ Tn eazul test· rii unui
de-al'doilea, daca yom constrange cele doua variabile latente L1 §i L2 sa aiba 0 numar mem, desubiecti, cum se tntampla frecventtll studiile ee ihlplica analiza
corelatie egala cu 1. In schimb, doua modele f1Llse afla In relatie de tip cwii::J daca factoriala. Totu§i, X2 este deosebit de uti!, deoarece sta la baza mai multor
nu putem reduce unul din modele la celalalt. " indicatori absoluti caredepa§ese aceasta lim ita. Utilizand fi§ierul "analiza factoriala
, __ ~."-"t,,.,-
confirmatorie.sav" Tnprogramul statistic AMOS 4.0, yom obtine in cazul scalei BIS-
BAS eu patru factori (factorii BAS coreleaza Tntre ei) 0 valoare a discrepan\ei
- X2 (167) = 375.S5, P < .001 insa rezultatul trebuie interpretat cu precautie datorita
numarului mare de date observate (N=345).
Un alt indicator absolut est~, ,BMR (Tn engleza "root mean squared
residuals"). Conform lui Steiger (apud Kelloway, 1995) valorile mai mici de .10
indica un model bun, iar valorile sUb.05 un model foarte bun. Printr-un mOd8lbun
se Tn\elege ca' modelul respectiv~-,~;p~;du(e·(~xplica) bine evolu\i~ datelor
obseryatSl.:Eentru scala BIS-BAS, RMR a fost de .04. .'.
Figura 5.13. Exemple de modele factoriale care nu se afii'i Tn relatie de tip cuib . Tot un indicator rezidual absolut este §i.~fILlSEA (In engleza "root mean'
squared error of aproximatio~nYcare cif-e acelea9i proprietati §i valori referentiale. In
plus, acesta are avantajul ca ofera un interval de rncrede[~"_pentru valoarea
Cele doua modele nu se afia In relatie de tip cuib deoarece variabila calculata. Daca limita mc:p<ima a intervalului nu depa§e§te ,OS, avem de-a face eu
latenta L2 este masurata prin itemii 3 §i 4 (Tn stanga), Tn timp ce Tn dreapta, L2 este un model destul de bun. Tn problema noastra, modelul SIS-BAS cu patru factori,
masurat de itemii 3 §i 5. Astfel, nici unul dintre modele nu este reductibil la celalalt. dintre care cei trei lega'ii de. BAS coreleaza Tntre ei, RMSEA a fost .06, iar intervalul
Distinctia dintre modelele aflate In relatie de tip cuib §i cele care nu se de Tneredere de 90% este cuprins Intre .052 §i .06S, valori ce indica, din nou, 0
regasesc Tntr-o asemenea relatie este importanta, deoarece primul tip permite buna potrivire a modelului.
compararea directa a ~~.I~r din perspectiva unui test de semnificatie. Un alt indicator absolut, probabil cel mai cunoscut, este.:,2~I(Tn engleza
""-'''''1/ .. ,.,...... • '
"index of goodness of fit"). Aeesta ia valori euprinse Tntre O§itJilsa sunt dorite
valori pestELc90 pentru a considera ca modelul testat este unul pun. Totu§i, dupa
5.2.3. Stabilirea gradului de "-adecvare a modelelor '.' "", .,.', unele criterii ~ailiberale §i valorile situate peste .S5 pot semnala un model factorial
Ca Tn orice analiza factoriala matricea de covarianta sau cea decorelatie bun. GFI este un indicator sensibil, fiind dependent de numarul degate colectate 9i
constituie inputul demersului statisti~. Un model Hiac;;ial este considerat bu~~'aa~~ de eomplexitatea modeluluL De aeeea, se poate calcula §i un indi;citor ajustat al
prin parametrii.,estimati reu§e§te sa refaca cat mai bine matricea datelor initiale. aeestuia, si;:;'-bolizat j\GFI, care are acelea§i valori de referinta. In cazul modelului
Pentru a test~' gradul de adecvare a unei solutii -factodale exista 0 BIS-BAS testat de neil, am obtinut un GFI de .90 §i un AGFI de .SS, valori care
multitudine de indicatoristatistici, dintre care yom prezenta c~tiva Tn continuare. Ei indica un model destul de bun.
pot fi lmpartiti In doua categorii mari: indici absoluti §i indici comparativi. Cei din Merita sa subliniem faptul ca ace§ti indicatori se calculeaza pentru fiecare
urma pot fi de asemenea Tmpartiti Tn indicatoricornparativi Intre modele ~!l~_e In. model concurent antieipat. De obieei aceste valori se tree Tntr-un singur.Jabel,
relatie g~,tip cuib §i indicatori de comparare a modelelor care nu se afla Tn rejatii de pentru. a facilita analiza gradului de potrivire a fiecarui model fata de datele
ti~ cuib.I~sfar§it, acestea din urma pot fi divizate tot In doua categorii: indicatori ai observife.
grad~ig~'p'9.triYire §i indicatori ai gradului de parCifTlOnie a m0,9.elului.
Tabelul 5.6. Valorile principalilor indicatori absolu\i pentru eele trei modele testate
5.2.3.1. Indicatori absoluti
Modelul testat X2 df P RMR RMSEA GFI AGFI
Ace§ti indicatori urmaresc Tn ce masura,_un_anumit model, poate reproduce,
Doi faetori necorela\i 915.3 170 .001 .07 .113 [.106 - .120] .76 .70
matri~ __ de covarianta (corelatie). Primul indicator este. testLJ!.x2 al gradyIui de"
Patru factori necorela\i 431.7 170 .001 .06 .067 [.059 - .075] .89 .86
potrivire.O'vaioare~'!nesemnifi~ativa a acestuia indica absenta--~un'or diferenie ~ Patru faetori (sealele 375.8 167 .001 .04 .062 [.052 - .068] .90 .88
se--;:nnificative Tntre ~atriZ~a dat~ior brute §i matricea obtinuta p~ baza legaturilor
BAS eoreleaza)
specificate In model, de aceasta data fiind dezirabila situatia unui X2 nesemnificativ
., ~,~L
176 177
" 'I., II, ',II '.11. III '.111,11111,1111111111111111111111111,111111111111.111111IIIUllt.IIIIIIIUIIIIIIUIILlIIIUIIII,IIIII'IIIIUIIIIJIUIIIJ111'.JIIIUUIIUIIUllIIIUIUIIIIIIILlIIIIJIIIIUIIIIJIII'JlIUIIUIIIIIJIIUIIIJIIIUlIIIJIIIIJIIIIIJIIII,IIIIIIJIIIIJIIIII'11IIIJIIIIUIIIIIJIIII"lIIlIlllIlIillllll'III', 1111' '11111111,1111',111111111111111' 11111',11111,11111111111111111111'1111111111 ,""11"" ,1111111111 '1111111111'1111' 1I1I1.,III'.::rn_ _
III illlllir ilill 1111111111 1111111111 ,1111111111 UllllllllUlllllllllfJlllllllll1 '1IIIIIIIILlIIII'JlII '1IIIIIIUIIIIIIIUIII~:lllIIlllllnll~ 1111[lllllllllll ,III~ 1111I illl~ 1111' lilli' 11111111Il1'11111111111I11~ IIII~IIII~ 11111' IIII~ 11111' IIII~ 1IIIIlIIIIIUIIIIIlIIIIIlIIIIIIIIIIIlIIIIIILIIIIIIIIIIIIIIIIILIIIIIILlIIIILIIII11',111111111111/111111111111111111111111 1I1I1'IilU IIIIIIIIIU 11111
1.1
II i'II :11 ,II !II II Ii 11111111' '1111 1111 '1111 1111"1111 1111 '1111 11111'11111111 'IIU IIU JI
Din tabel se poate observa ea dintre eele trei modele propuse spre a fi Se observa, §i in acest caz, diferenta valoriea dintre primul model .
testate, doar ultimele doua par a fi adeevate pentru a deserie datele eulese. Primul celelalte doua. Totu§i, valorile indicatorilor de comparare sunt mai miei deeat I§I
· I ee e
model, al eoneeperii sealei BIS-BAS ea 0 proba ee masoara doi faetori primari este t e, ~eea ee arunea 0 umbra de Indoiala asupra Gelor trei modele testate.
r~ feren,la
inadeevat, valorile indieatorilor absoluti fiihd departe de valorile de referinta amintite Dlntre
. ele,. ultlmul
. model se apropie eel mai mult de valorile dezirabile , acestea f"lin d
mai sus. Tntre eele doua modele ramase In eursa sunt diferente miei, observandu-' atJnse ~hlar In eaz.ul IFI ~i CFl ~i demonstrand inca 0 data superioritatea aeestui'
se un avantaj u§or In favoarea ultimului model. Pentru a eompara aeeste modele, model In eomparat,e eu celelalte.
putem sa apelam la indieatorii de eomparare.
Indica tori de campa rare a parcimoniei modele/or
5.2.3.2. Indica tori de comparare Cu siguranta ea un model, eu cat este mai complex, eu atatreproduee mai
Indicatofi"deeomparare a modele/or af/ate /nre/atie de tipcuib . ,. bine,r,~alitatea. Transpus in termeni de indicatori de eomparare, ideea impli~~ 0
Indieatorul de baza In astfel de eazuri e;t~'x21'1 difElrer:l~eJ9r sa~Li(delta) favonzarea"model~lorcomplexe In dauna eelorsirnple, primele avand ~anse mai
X2. A§a cum Ii spune numele, el se ealeuleaza fa2ifnd'diferenta Intre x2 ,fespeetiv mari de a obtine indicatori de comparare dezirabili. 1n ~tiinta lnsa sunt favorizate
df _c::orespunzatori modelelor aflate In relatie de tip euib. Pe baza"liiformatiilor explieatiile mai simple, dorindu-se eliminarea factorilor redundanti. De aeeea
prezentate anterior distingem doua pereehi de modele "euib": unu eu trei, respeetiv pentru a elimina distorsiunile indicatorilor de eomparatie aflati 'sub influent~
doi eu tre!. Cum primul model s-a dovedit a fi ineficient, vom compara doar eomplexitatii modelului, se pot caleula alti indicatori meniti sa ava~tajeze modeleie
modelele doi §i trei. Vom obtine /::;, X2 (3) = 55.9, p < .001, ceea ce indic' diferente mai simple, Tn cazulJn care cele complexe nu ofera un avantaj semnifieaUV'. ._, ,.
semnifieative Intre eele doua modele, mai bun fiind cel de-al treilea model, adiea Multi dintre indieatorii absoluti sau de comparatie au formule .ajustate
cel care are un X2 mai .mic. Pe baza acestor rezultate putem coneluziona c', de§i pentru a avantajt;l solutiile cu un grad ridicat de pareimonie. Astfel, Intre doua solutii
ambele modele sedovedesc efieiente In a reproduce datele observate, modelul al .Ia fel de bune, cele mai simple vor fi avantajate din perspeetiva acestor indicato;i.
treilea este semnifieativ mai bun decat modelul eu patru factori necorelati. Cei mai intalniti sunt PNFI (In engleza "parSimony adjusted NFl") §i:PCFI
("parsimony adjusted. CFI);·ace~tia fiind doi indieatori de baza oferiti de AMOS.
/ndicatori de eOJIlQ.P.[?te a mode/filar Tn gflneral Ambii au valori cuprinse Intre.Q.J,i 1 Insa spre deosebire de indieatorii neajustati nu
Cand modelele nu s~"afia Tn relatii de tip euib,Q.\I putem apliea X2 al au val~ri de referinta prestabilite. De aeeea, ca strategie de utilizare se obi§nui~§te
difereotelor. Tn astfel de eazuri putem aplica alti indicatori. De fapt, ace§ti indieatori avantaJarea aeelor modele care au 0 valoare mai ridieata., Acela~i rol II joaea alti
pot fi aplicati indiferent de tipul relatiei dintre doua modele, Insa In eazul relatiilor de doi eoeficientiA!9 ("Akaike Information Criterion") ~i CAlC ("Consistent Akaik~
tip cuib se prefera utilizarea lui X2 al diferentelor, datorita testului de semnifieatie Information Criterion"). In eazul acestora este dezirabil modelul eu valori mai mid
asociat cu acesta. adica modelul mai~implu, Se observa §i din tabelul 5.8 ea ultimele doua solutii
Daea indieatorii absoluti testau difElrentel~ dintre mod,Ellul.stipuIClt ~i un sunt mai bune, iar dintre ele, se constata 0 u§oara inferioritate a modelului eu pat~u
model saturat (lntotdeauna adevarat ea In situatia unui model abia-identifitabil), factori' neeorelati.
indieatorii de eomparatie testeaza diferentele dint~ecmQdelul tEl?tClt,~~\.ln model nUl,
sla.tJ: Exista mai multi indieatori utilizati Tn aeest sens precum r~lEL;§i~~FJJfn Tabelul 5.8. Valorile principalilor indicatori de comparaiie a simplita\ii modelelor testate
engleza "normed fit index", respeetiv "non-normed fit index") dezvoltati de Bentler §i Modelul testa! PNFI PCFI AIC CAlC
Bonnet, eFI" (in engleza "comparative fit inde)S:~.) dezvoltat de Bentler, IFI (In Doi factori necorelaii .43 .47 995.4 1189.4
engleza ::ihtremental fit index") allui Bollen sau'j,FI(fn engleza ;,relative fit index") Patru factori necorelati .68 .75 511.7 705.4
allui Marsh (Kelloway, 1998). Toti indieatorii, eu excePtia NNFI sunt euprin§i Intre 0 Patru factori (scalele BAS coreleaza) .69 .76· 431.7 630.3
§i 1, valorile peste .90 ori .85 fiind dezirabile pentru a eonsidera un model bun.
178 179
, i i III' il l I1111 1111' 11111I111111 11111 111111 111111 111111 ,111111 111111 !I I Iii 111111 ,11111 Iii, Iii ,II I I ~I I 111I11I I I il : Iii !I ! ,I I il :, 'II! I : I!I, 1111, 111I il l',1II1 1111,1111 1111,11111 1111 11111 11111I IIIIIJII 1111111111 1IIIIilili 1111,11 ;11 I i i II' Ii: ,i' ,Ii 11"1."",,, I :11'11' !I '
:11 ,ii ,I i , ,I ;" III! 1111 'II ,I ! I I 'III III, :lli I I I , :Ii i i i .I!: :11 ':1 :1: !! 1IIIIIIII.IIIIILlllllliIlllrnllllrnllIIllIIllllIlllllIIllllIllI.IIIII'I••_ _ _ _ , , ,I ,I 'I I' Ii ,I I I
aliiteapta ca itemul 1. sa fie saturat Tn factorul BIS §i nesaturat Tn ceilalii factori. Prin conduc la 0 scad ere substantiala a lui X2 (1) §i cele care au 0 semnificatie teoretica
urmare, se va estima doar saturarea in BIS, celelalte saturaiii ale itemului in factorii importanta .(2). Daca ultima nu ridica probleme, fiind variabila de la caz la caz,
BAS fiind prestabilite la zero. Acela§i lucru se Tntampla §i Tn privinia corelaiiilor prima este mai ambigua. A§a cum remarca Kelloway (1998), nu se poate Vorbi de
dintre factori. Deoarece modelul presupune absenta corelaiiei dintre scala BIS §i o valoare standard, de exemplu un MI de 5 nu inseamna mare lucru la un X2 de
oricare din scalele BAS, corelaiiile dintre acestea sunt prestabilite la zero. Tn 300, insa modificarea devine importanta in cazul unui X2 de 100. Din experienia,
schimb, sunt estimate corelaiiile dintre cele trei scale de tip BAS, deoarece acela§i merita a fi analizate propunerile de modificare a modelului care au indicatorii
model anticipa corelaiii semnificative Tntre cei trei factori. modificarii mai mari decat raportul X2/25. Tn cazuJ modelului nostru, x2(167) =
345.8, P < .001; rezulta 0 valoare de referinia a MJ de 13,83.
confirmatorii problema nu se Tncheie 0 data cu testa rea modelelor §i oferirea BIS-BAS patru factori - 345.8 167 .90 .88 .062 [.052 - .068] .80 .69
rezultatelor modelului selectat. Demersul poate fi continuat cu analiza eventualelor 20 de itemi
modificari in mOdelul seledat. Ce parametri noi pot fi estimaii? La ce parametri
deja estimati se p~'~te-'rElI'i'unta? La asemenea intrebari se poate raspunde apeland
la indicatorii' modifi~'rH:---' ' Aceasta situatie recomanda pastra:rea itemului 7. in test, deoarece
Ace§ti indicatori Lallgrange, calculeaza gradul de modificare a lui X2 al eliminarea sa nu conduce la 0 Tmbunataiire a modelului. In urma renuniarii la
modelului 0 data cu introducerea sau eliminarea fiecarui parametru posibil. Dintre itemul respectiv nu se constata un avantaj comparativ al acestui model in dauna
toate valorile calculate, vor trezi interesul cele care Tndeplinesc doua condi\ii:
180 181
11111 11111 '1111, 11111 illlI, 111111111111111111111111111111111111111111111111111111111111111 ,1111111111 11111111111,1111111111,11111 11111111111 1111111111, 11111111111 :lIIlllIIllllIIlllllllliJllllldllllll;llllllill~lllllllllldll111I1111 11111I1111 1111111111 ,1111, 1111111111111111111111111111111111111111111111111111 '11111111111~llllllmllllilllU...ullll~lllllilllllljlllllullllll111111111111111, 1111 'I
111111 """,",,, 11111,111111 IIIIUIIIII 11111 illlll:1I1I1 II "'11"'""'1"'11'""'11"","",,'""""'1""'""'1"""'"",""""'"11""1""'1":""11"1""""'"111111,""""11"""'"11""1'""'""1'""'""11111111111111111,11111111111,11111111111111111,1111111111111,11111111111111111111111111,1111111111111:1111111111111,1111111111111:111111111111,1111111111111111111111111"111111111'111111111:1111111111111111111111111111'
celui cu 20 de itemL De aceea se recomanda pastrarea variantei de 20 de itemi a facto:ii a§teptati, cat ~~ numarul de identificare al itemilor saturati Tn ace:;;tia;
scalei BIS-BAS. totW;;I, graficul poate fl prezentat Tn cazul in care unitatea de baza nu este
De men\ionat, totu~i, ca ~i Tn cazul Tn care acceptam modificarile pe baza itemul, ci pachetul de itemi similari;
acestor indicatori, ele nu au Un caracter confirmativ, ci doar exploratoriu. 2. . informatii sumare des pre tipul de matrice utilizata: despre metoda folosita
pe.ntru estimarea parametrilor §i despre tratamentul datelor !ipsa §i a celor
neobi~nuite;
5.2.5. Aspecte metodologice ale aplidirii analizei factoriale 3. prezent~rea Tntr-un tabel a principalilor..indicatori absoluti ~i comparativi
confirmatorii pentruflecare model testat, la care. vom adauga parametrii modelului
Tn finalul capitolului vom prezenta pe scurt informatii legate de volumul selectat modi~~at, daca este cazul; din pleiada de indicatori mentionati, pe
e~antionului In analiza factoriala confirmatorie, de tipul de d~te colectate c~-potfr baza propnetatllor lor sau a frecventei de utilizare, recomand prezentarea
analizate.factorial, precum ~i de alte conditii ale distributiei datelor ce trebuie urmatorilor indici: X2(jf) cu_ pragul de semnificatie asociat GFI . AGFI
Tndeplinite pentru a putea aplica aceasta tehni~a. ,~.,- intervalul de Tncredere RMSEA, NEI. CFI, PNF] ~i PCFI; , ", .,'
In ce prive§te numarul de subiecV necesari pentrua aplica aceasta analiza 4. compararea, daca este cazul, a solutiilor aflate Tn relatii de tip cuib;
:3e pastreaza regulile din analiza factoriala exploratorie. Astfel, parametrii nu pot fi 5. ultima piesa necesara implica prezentarea solutiei alese din perspectiva
estimati adecvat sub 100 de subiec\i ~i/ sau Tn condi\iile In Care nu exista un raport parametrilor standardizati estimati implicand gradul desaturare a itemilor
de cinci-zece_subiec\i la :'0' variabila. Totu§i, ar fi de dorit ca numarul de subiecti In factoriirespectivi ~i, daca este cazul, a nivelului de corelatie rntre factori
testa\i sa fie de cel pu\in 200 de persoane pentru modele factoriale dn complexitat~
(vezi figura 5.14.). '
medie. >-- .
Datele care pot fi analizate prin aceasta metoda pot fi de tip numeric sau
B1BLlOGRAF1E
ordinal. Astfel, raspunsurile nominal~.qihotomice nu sunt cele maipcitrivite pentru 0
astfel de analiza, de§i printr-un artificiu determinat de proprietatile datelor
dihotomice ar putea fi tratate ca valori numerice binare 1 sau O. Totu~i, Tn acest caz Baer, D. (2000). Latent variable structural equation models. A student's handbook at ICPSR
ar aparea 0 alta problema ce tine de imposibilitatea de a obtine 0 distributie Summer Program, Ann Arbor, USA.
norm~~~ rn.L!ltivariata a datel()rdih~tomice, conditia respectiva fiind 'neces~ra pent'ru Browne, M,W., Cudeck, R., Tateneni', K., Mels, G. (1998). CEFA: Comprehensive
a aplica metoda~.stim~rii verosimilitatii maxime, cea mai Tntalnita procedura in exploratoty factor analysis. Gasit la: http://quantrm2.psy.ohio-state.edu/browne/
analiza factoriala confirmatorie. Ramane ca 0 alternativa posibilitatea gruparii Bryant, F.B., Yarnold, P.R., (1995). Principal components analysis and exploratory and
itemilor Tn pachete de ltemi (Tn engleza "parcels") care sa fie analiz8te factorial. confirmatory factor analysis. In L.G. Grimm ~i P.R. Yarnold (eds.) Reading and
Dupa Bryant §i Yarno!d (1995) datele cu amplitudine scazuta sau distributii understanding multivariate statistics (p.99-136). Washington DC: American
asimetric~ conduc la atenuarea saturatiei itemilor In factorii respectivi. Tn cazul un~r Psychological Association.
distril)utii multivariate foarte anormale ' atat metoda estimarii verosimilitatii maxime Carver, C.S., White, T.L. (1994). Behavioral inhibition, behavioral activation, and affective
(in engieza MLE - "maximum !ike!iho~d estimation"), cat §i metoda celo'r mai mici responses to impending reward and punishment: The BIS/BAS scales. Journal of
Personality and Social Psychology, 67, 319-333.
patrate generalizate (Tn engleza GLS - "generalized least squared") vor produce
indicatori absoluti §i comparativi distorsiona\i, iar aplicarea altor metode cum ar fi Costa, P.T., McCrae, R.R. (1992). Revised NEG Personality Inventoty (NEO PI-R) and NEO
ADF ( in engleza "assumption distribution free") necesita un numar enorm de Five-Factor Inventoty (NEO-FFI). Professional Manual. Odessa, Florida: Psychological
subieqi, de cateva mii. Assessment Resources, Inc. .
In sfar§it, nu toate e!ementele discutate mai sus trebuie prezentate Tn textul Field, A. (2000). Discovering Statistics using SPSS for Windows. London: Sage
articole!or trimise spre publicare, datorita spatiului redus. Tn general, ca Tn Clrice Publications.
problema inciuzand ecuatii· structurale latente informatia minima oferita trebuie sa Finch, J.F., West, S.G. (1997). The investigation of personality structure: statistical models.
cuprinda: ' " Journal of Research in Personality, 31, 439-485.
1. 0 reprezentare grafica a unui model factorial structural, de obicei a celui Garson (2000). Factor analysis. Gasit la: http://www2.chass.ncsu.edu/garson/pa765/
logistic.htm
rezultat din dat'ele autorilor probei respective; aceasta reprezentare poate fi
eliminata din motive practice in cazul probelor lungi, peste 50-100 de itemi; Hair, J.F. Jr., Anderson, R.E., Tatham, R.L., Black, W.C. (1998). Multivariate data analysis
th
Tn acea situatie, figura poate fi inlocuita cu un tabel care sa prezinte atat (5 ed.). Upper Saddle River, NJ: Prentice Hall.
182 183
III III 'II' III 1111 III III II' 'I! Ii' :11 II, III 1111 111::111 III 'III III 1111 III 'III 1II'111i Illi :11' III III' !II 'II~ 'II '1'111111111111111'.1111_1111'
_ 111111.111IIIUIIIIIIWIII~IIIIWIIIIll~111111111111II11111111 :1111
___ 'I
Iacobucci, D. (1994). Classic Factor Analysis. In R.P. Bagozzi (ed.) Principles of marketing
research. Cambridge, MA: Blackwell.
Johnson, RA, Wickern, D.W. (1998). Applied multivariate statistical analysis (4th ed.). CAPITOLUL 6
Englewood Cliffs, NJ: Prantice-Hall.
Joreskog, K.G., Sorbom, D. (1989). LlSREL-7 user's reference guide. Mooresville, IN: REGRESIA LlNIARA
Scientific Software.
Jorm, A.F., Chriestensen, H., Henderson, A.S., Jacomb, PA, Korlen, A.E., Rodgers, B.
(1999). Using the BIS/BAS scales to measure behavioral inhibition and behavioral Predileciia firii umane de, a consulta horoscopul sau de a asculta opiniile
activation: Factor structure, validity, and norms in a large community sample. avizate ale unui "expert Tn ghicitviitorul Tntr-o cea~ca de cafea" s-a mentinut Tn
Personality and Individual Differences, 26, 49-58. ciuda dezvoltarii tehnologice §i §tiintifice. Regresia statistica, de§i nu la fel de
Kachigan, S.K. (1991). Multivariate statistical analysis. A conceptual introduction (2nd ed.). populara ca metodele amintite anterior, T§i propune, de multe ori, acela~i obiectiv: 0
New York: Radius Press. predictie cat mai exacta a performantelor din viitor pe baza unor indicatori din
Kelloway, E.K. (1998). Using LlSREL for $tructural equation modeling. A researcher's guide. prezent sau trecut. Denumirea de r~gresie poate induce Tn eroare speciali§tii Tn
Thousand Oaks, USA: Sage Publications. psihologie, obi§nuiti sa utilizeze acest termen mai ales din psihanaliza, unde prin
Kline, P. (1993). The handbook of psychological testing. London: Routledge. regresie se Tntelegea 0 revenire spre trecut. Tn statistica, prin regresie ne
Margineanu, N. (1938). Analiza factori/or pSihici. Cluj-Napoca: Editura Institutului de directionam frecventin sens opus, spre viitor, Tncercand sa prevedem cat mai
Psihologie a Universitaiii din ClUj. exact evolutia' vlitoare a lucrurilor. De exemplu, daca suntem un psiholog
Meulman, J.J., Heiser, W.J. (2001). SPSS Categories 11.0. Chicago: SPSS Inc. organizational, va trebui sa prezicem, Tn procesul de selectie a personalului, care
Miclea, M. (1994). PSihologie cognitive. Cluj-Napoca: Casa de Editura Gloria. persoana merita sa fie angajata dintr-un grup de candidati, pe baza unei estimari a
Nicol, A.A.M., Pexman, P.M. (1999).Presi!nting your find;ngs. A practical guide for creating performantei viitoare a acestora. Similar, daca suntem un psiholog :;;colar §i suntem
tables. Washington DC: American Psychological Association. nevoiti sa identificam un grup cu risc crescut de a consuma droguri, va trebui sa
Pedhazur, E.J, Schmelkin, L. (1991). Measurement, design, and analysis. An integrated estimam, pe baza caracteristicilor lor actuale, evolutia lor ulterioara. Ambele situaiii
approach. Hillsdale, NJ: Lawrence Erlbaum Associates, Inc. pot fi rezolvate prin apelul la tehnica statistica denumita regresie, Tn cazurile
Poenaru, R. (1980). Didactogenia in· §coala. Pentru prevenirea §i combaterea respective fiind vorba de 0 regresie eu seop predietiv, Capacitatea de predictie
didactogeniilor din invaiamant. Revista de pedagogie (9), 50-51. constituie de altfel una dintre caracteristicile definitorii ale unei discipline pentru a fi
Poenaru, R, Sava, F. (1998). Didactogenia In §coale. Aspecte deontologice, psihologice §i considerata 0 §tiinta.
pedagogice. Bucure§ti: Editura Danubius. Un alt tip de regresie, similara Tn multe privinte cu cea utilizata Tn scop
Ross, S.R., Millis, S.R., Bonebright, T.L., Bailley, S.E. (2002). Confirmatory factor analysis of predictiv, este regresia in seop exp/ieativ. Din titulatura reiese diferenta esentiala
the Behavioral Inhibition and Activation Scales. Personality and Individual Differences, dintre cele doua scopuri majore ale regresiei. Prima este utilizata pentru a prezice
33,861-865. performantele viitoare ale unui grup de oameni pe baza unuia sau a IT]ai multor
Sava, F. (2002). Causes and effects of teacher conflict-inducing attitudes towards pupils: a indicatori actuali, denumiti predictori. Cea de-a doua, vizeaza explicarea influel)tei
path analysis model. Teaching and teacher education, 17(8), 1007-1021. unui set de factori asupra unei variabile criteriu, cunoscandu-se existenta unei
,Stills, D.L. (Ed.).(19S9). Intemtional encyclopedia of the social sciences: Biographical relatii cauzale Intre acestea. Un exemplu tipic de utilizare a regresiei In scop
supplement (VoI.1S). New York: Macmillan. explicativ este acela al identificarii influentei fumatullii in perioada prenatala asupra
Tucker, L.R., MacCallum, R.C. (1997). Exploratory factor analysis. An online book, Gasit la: dezvoltarii emotionale a copilului in primii ani de viata. Exista 0 multitudine de
http://quantrm2,psy,ohio-state.edu/maccallum/factornew.htm factori care influenteaza dezvoltarea emotionala a copilului. Regresia explicativa nu
.Wegener, D.T., Fabrigar, L.R. (2000). Analyzing nonexperimental data. In H.T. Reis §i C.M. face altceva decat sa izoleze (controleze) statistic influenia factorilor respectivi,
Judd (Eds.). Handbook of researCh, methods in social and personality psychology pentru a vedea in ce masura fumatul contribuie in plus la acest lucru. De pilda,
(p.412-450). Cambridge: Cambridg.e University Press. daca se cunoa§te ca tipul de ata:;;ament, stilul educational al pariniilor, prezenia
Young, P. (2002). ViSta. Gasit la: http://forrest.psych.unc.edufresearch/ sau absenta altor frati sau surori etc. influenteaza dezvoltarea emotionala a
Zwick, W.R., Velicer, W.F. (1986). Comparison of five rules for determining the number of copilului, prin regresie de tip explicativ se pot controla to atE). aceste influente pentru
components to retain. Psychological Bulletin, 99(3), 432-442. a se observa daca fumatul mamei Tn perioada graviditatii contribuie, in plus, la
dezvoltarea emotionalanormala a copilului.·
184 185
1II1111!111"IIII!III"IIILlllliIIIILiIIIIlcllW~IIIILlIIII~1111IlJlllllJlllllJlllllJlIIIlJIIIII~IIIIIUIIIIItJIIIIUIIIIIJlIIIUIIIILlIIIIUIIIILlIIIIJlIIILlIIILIIIIILlIIII 111111 IIIIIJIIIIIJIIII LlllllljIIIIJlII!!III,IIIIIIIIIILlIIII!,WIIIJIIIIIJIIIILlIIIIUII1IIIIIIIclIIIILlIIIUIIIILlIIIIJIIIIJlIIIIJIIIIJIIIILlIIII!:11IIIIIIII'!IIIIIIIII!!IIIIIIIIII~IIIIIIIIIII:lllllljllllLlIIIIIJIIIIII 111111 111111,111111 1IIIILlIIIII 111111 111111,1111 111111!11111111111,IIIIIIIIIII'illllllllll'IIIII!IIIIIUIIIIIIJIIIIIIIIIIIIIIIIIIIIIII:IIIIII I!, !II 1111 :llli ,1111' 11111' lilli' '111111111111111111111' 1111111111' '1IIIIiIIIIIIIIIIUIIII,IIIIIIIIIIILlIIIIIIIIIIUIIII' 'III! 1111 '1111 1111-'1111 '1111' IIIIIJII '111' 1111 ~1111j1ll, 11111 !IIII 11111I1111 1111, IIII! 1111: '111' 1111 11111 iIIlll 11111 111111 '111111111111111111111' '1111111111 'IIIIIIIIII! 11111111111' '1111111111 '1111111111 !IIII! 11111 illll! 11111111111111111, 111111111111"111111 :1111111111' 11111111111: 1111111111' !III III: 1111 :111' !III 'III' III' 'III 1111 'II! 'II' 'II' III' III Jill illl ill 'II, 'I
Oiferentieri Tntre cele doua tipuri de regresie, Tn scop predictiv, respectiv Tn pre.dict~r, nu ihain~te ~e ~ preciza 0 informatie capitala: regresia Iiniara poate fi
scop explicativ, apar ~i la nivel terminologic. Tn cazul ultimei, se pot folosi termenii aplicat~ ~doar ?a.ca cntenul (variabila dependenta) a fost masurat printr-o scala
de variabila independenta ~i variabila dependenta, iar 'in cazul primului tip, se numerlca (de tlp mterval sau prop0rtii) ~i daca relatia dintre predictori ~i criteriu este
folosesc sintagmele predictor ~i criteriu. Aceasta diferentiere terminologica are la linia:a .. Pentru alt gen ~ de ~cale exista alte tipuri de regresie precum, cea logistica
baza logica metodologica folosita Tn cazul celor doua tipuri de regresie. Astfel, (vanablla. d:pend:nt.a . dlhotomica, de gen "Oa" sau "Nu"), cea logistica
regresia Tn scop explicativ urmare~te sa vada dacaun anumit factor influenteaza multmomlnala (vanablla dependenta este masurata prin scala nominala alta decat
evolutia variabilei dependente, prin controlarea influentei exercitate de' alte cea ~de tip .dih~tomic), sau cea ordinala (variabila dependenta este m~surata prin
varia bile incluse Tn model. Oaca prin controlarea acestor influente variabila scala ordlnala, de genul raspunsurilor Tn patru trepte: "nesatisfacator"
(variabilele) independenta( e) de interes contribuie semnificativ la evolutia' criteriului "satisfacator", "bine" sau "foarte bine"). '
am putea deduce existenta unei relatii Tntre acestea. Oaca relatia este 'sustinuta d~
o teorie relevanta Tn do~eniu sau de 0 logica temporala sau' spatiala a' relatiilor
dintre ele, ne yom permite sa utilizam termenii de variabila independent~ ~i 6.1. Regresia liniara simpla
variabila dependenta, chiar daca nu avem de a face cu un design experimenta\.
Prin urmare, Tntrebarea principala la care Tn.cearca sa raspunda regresia utilizata Tn
scop explicativ este: "Contribuie acest factor laevolutia variabilei dependente, Tn 6.1.1. Principii ale regresiei Hniare
conditiile Tn care am controlat statistic influenta altor factori asupra acesteia?".
Nu acela~i lucru se face ~i Tn cazul utilizarii regresiei Tn scop predictiv. Cu Imaginati-va ca sunteti un proaspat absolvent de psihologie ajuns sa
toate ca nu este exclusa posibilitatea existentei unei relatii cauzale Tntre predictori lucreze in departamentul de re$urse umane din cadrul unei mari companii. Tn
~i criteriu, nu acest lucru constituie interesul principal al analizei de regresie. A~a
aceasta calitate, sunteti pus sa selectati dintre mai multi candidati pe cei care vi se
cum Ii spune ~i numele, utilizarea regresiei Tn scop predictiv urmare~te gasirea par mai potriviti pentru a lucra in departamentul vanzari, in prima' linie a contactului
unei ecuatii care sa estimeze cel mai bine evolutia criteriuluLConcret, daca criteriul direct cu potentialii clienti. Care dintre candidati este mai potrivit pentru a fi
angajat? Pentru a raspunde la intrebare yom prezenta trei alternative posibile.
urmarit este nivelul de depresie, pot fi (nclu~i Tntre predictori tot felul de indicatori
care nu se afla Tn relatie cauzala cu criteriul, dar estimeaza bine nivelul acestuia. ?ituatia I. Ati facut un curs introductiv de statistica, dar nu v-a placut.
De exemplu, includerea prefei"intei pentru culoarea neagra, scaderea apetitului In acest caz, cel mai probabil, Yeti aborda intuitiv situatia "ghicind"
sexual etc., nu sunt cauze ale depresiei, dar Tmpreuna cu alti asemenea indicatori performanta candidatilor pe baza unui set de intrebari sau indicatori ga~diti ad-hoc
fara prea mare succes. ' ,
pot fi utilizati eficient Tn a prezice nivelul de depresie al unei persoane. Prin urmare,
Tntrebarea principala la care Tncearca sa raspunda regresia utilizata Tn scop Situatia II. Ati facut un curs serios, dar introductiv de statistica, fara a
include regresia.
predictiv este: "Care sunt predictorii care ne ajuta sa estimam cel mai bine evolutia
criteriului?". Tn cazuri rare, putem vorbi ~i de 0 regresie cu scop mixt, da~a Tntr-o asemenea situatie, Yeti putea estima ceva mai corect performantele
obiectivele cercetarii vizeaza atat aspecte estimative, cat ~i explicative. viitoare ale candidatilor pomind de la proprietatile distributiei normale a dat~lor.
o alta diferentiere terminologica importanta este Tntre regresie liniara Oaca performanta era exprimata in volumul vanzarilor dintr-o luna, am putea
simpla ~i regresie multiliniara. Tn primul caz, vorbim de 0 regresie bazata pe un estima ca aproximativ 68% din candidaii vor obtine performante Tn jurul mediei
singur predictor, de exemplu estimarea reu~itei ~colare pe baza coeficientului de (intr-un interval situat la 0 abatere standard distania de 0 parte i?i'de alta a mediei)
inteligenta. Regresia multiliniara include mai multi predictori Tn ecuatie, precum (vezi sectiunea 2.6.2. Proprieta(ile unei distribu(ii norma/e din cadrul capitolului I).
nivelul de inteligenta, motivatia ~colara, nivelul de educatie al parintilor, pentru a Situatia III. Ati facut un curs serios df! statistica §i intuiti ca regresia poate fi
so/uria corecta.
putea estima mai bine reu~ita ~colara. 0 alta denumire a regresiei multiliniare este
regresia liniara .multipla. Cu siguranta ca modelele multiliniare vor prezice Tntr-adevar, prin. regresie se pot estima rezultatele viitoare ale unor
Tntotdeauna mai bine decat mod~lele simple, care pornesc de la un singur persoane pe baza unor indicatori din prezent. A~a cum pe baza coeficientului de
predictor. Ideea este intuita ~i in astrologie, unde pentru a prezice stilul de inteligenta se poate prevedea intr-o anumita masura evolutia ~colara a elevilor f?i In
personalitate al unei persoane este necesar ca "specialistul" sa cunoasca mai multi cazul vanzarilor, se poate prevedea performanta pe baza unor indicatori care au
predictori: ziua de na~tere, ora la care s-a nascut, anul na~terii etc. ' legatura cu acest aspect. Totul porne~te de la existenta unei asocieri Tntre
Tn continuare, pentru a putea Tntelege mai bine modul de functionai-ea indicatorul utilizat pentru a estima performanta viitoare ~i 'criteriul ales pentrua
. ' ,
regresiei, yom explica mai intai regresia liniara simpla, bazata pe un singur masura aceasta performanta. De exemplu, daca exista 0 corelaiie pozitiva intre
186 187
"',:IIIIIIIIIII'IIII'IIIIIIIIII"IIIIIIIIIIIIIII!'IIIII'IIIII,III,lIhlllllll"III'IIIIIIII'III'1111 Iii I I '11"11 11I111 II':I'II:I'!I.I' I 11'1111:111111111111" ; ,:'1 ,:li"I:II 1,lllllllllllljIIIIIWIIIIIIIIIIII~IIIIIIIIIIIIIIIIIllIlllllllllllmIIIIIIIII'1111 ,111'11 11'1'11 'I! I I '!I!:II"II'!II ,Ii il 11",::, 'i, '" I,ll 11111:'11
* ~ ~
·c 0 0 •
<U
N
C * :g '0
·c .'
<U
.~ .~
> *
..
N
* * * C
N
C
.l'l <U <U
:J
N * > >
<U
() * Q) Q)
U)
:; :;
.~ * N
<U
N
<U
0 0
C U) II)
lU
.~
> N
«j
N
Extravertite C c
Introvertite <U <U
> >
Figura 6.1. Noru/ de puncte vizand re/aria dintre nive/ul de extroversiune §i Introvertite Extravertite Introvertite Extravertite
volumul vanzari/or
Figura 6.3. Noru/ de puncte lntr-o situatie de corelatie probabi/a (stanga)
unit prin cjreapta de regresie (dreapta)
Pornind de 1\3 aceasta asociere se poate estima ca persoanele cu un nivel
ridicat .de extravertire vor fi avantajate in domeniul vanzarilor, deoarece tind sa
obtina un numar mai mare de vanzari. Pentru a estima prin regresie rezultatele viitoare ale unui anumit criteriu
, Regresia urmare~te sa gaseasca 0 ecuatie care sa ne ajute sa estimam este necesar ca predictorul respectiv sa coreleze destul de bine cu criteriul care
cat mai exact valoarea performantei viitoare. Oaca corelatia dintre doua variabile ar trebuie estimat. Daca nu exista corelaiie intre cele doua elemente, linia de regresie
fi egala cu 1 sau cu -1 am putea- anticipa exact rezultatele viitoare, deoarece linia nu po ate fi estimata acceptabil, deoarece poate lua directii diferite.
de regresie obtinuta reu~e~te sa treaca prin to ate rezultatele. Aceasta ar Tnsemna
ca nu exista nici 0 diferenta intre rezultatele constatate ~i estimarile facute. ~()
'6
·c
ri'"
'6
.~
N
·c C
.~
ro
N
>
C
ttl
> <D
::; *
N
.l'l .l'l ro
()
:J ::J
N <J)
N ttl
ttl
(.)
(.)
U)
.~
U)
N
~ ~ c
N N
C
ro
C
ttl ttl >
> >
Introvertite Extravertite Introvertite Extravertite
Introvertite Extravertite
Figura 6.2. Noru/ de puncte lntr-o situatie de core/atie idea/a (stanga) Figura 6.4. Directii multiple posibiJe ale liniei de regresie Tn absenta corelatiei
unit prin dreapta de regresie (dreapta) dintre predictor §i criteriu
189
188
II " ,III 111111111111111.11111,111111.11111,111111,11111.111111,11II . I I ! IIlmJIIIII,llllmillmIJIIIIILmIIUlllllllmIUIIIIIIIIII' illlllllll, 1IIIulilUIli 11111:JlllllllllldIIIILlIIII,IIIIIIJlIII,IIIIIIIIIIUIIIJIIIIIIII! 11111,1111' '11111111: IIIII:!IIIII 11111:111111 11111'111111 11111 11111 III !II' 11111.111111:lIIIIJlIIILlIIIIJIIILlIIIIJIIIILlllllLIlllllJIllllI1111~IIIIIJlIIUlllllllloJllliJIIUIIIIJIII, IIIILIIIIIIIIII, IIIUIIIIIII 111111111,1111,1111: III' II, :1, 1~IIIIIUIIIIIlJIIIIUIIIILlIIIIIIIIIIIJIII III III' :111' mil '1IIIIJIIIIJIIIIIJIlIl 11111 11111 11111 ~IIIIIIII' '11111111' ,11111111' illlIlIlIIlIlII '111111111111111"11111111"111 '1111, 1111 1111111111111 11111111 1111111111111111,1111111111 1111111111 ,1111111111 11111
Pentru a stabili linia de regresie se apeleaza la proprietatile matematice ale in valoare absoluta decat b1 = 0,50 din imaginea din stanga. Valoarea acestei
unei drepte, deoarece orice dreapta poate fi determinata prin urmatoarea ecuatie: pante indica cu cat cre:;;te (In cazul valorilor pozitive) sau cu cat scade (In cazul
valorilor negative) Y atunci cand X cre~te cu 0 unitate.
(6.1 ) Linia de regresie care reda cel mai bine norul de puncte nu se stabile~te
pe baza unor criterii subiective, cum ar fi simpla inspectare vizuala. Metoda
unde bO este punctLiI de intersectie al ordonatei (interceptul), iar b'I este panta de utilizata cel mai frecvent pentru a calcula interceptul :;;i panta de regresie se
nume~te metoda celor mai mici patrate (Tn engleza "least squares"). Metoda se
regresie (cu cat cre~te y, atunci cand x se modifica cu 0 unitate). ." ~
Panta de regresie ia 0 valoare pozitiva, daca exista 0 corelatl e pozltlva bazeaza pe calcularea sumei patratelor diferenielor dintre valorile observate :;;i
Tntre x ~i y ~i 0 valoare negativa, daca exista 0 corelatie negativa intre cele doua valorile estimate. Ne vom baza pe date Ie din figura 6.6 pentru a explica metoda
variabile. Pentru a u~ura Tnielegerea acestui demers putem inspecta vizual cele amintita.
doua imagini din figura 6.5. Imaginea din stanga are drept ecuatie de regresie:
=
y 2,5 + O,5*X, in timp ce imaginea din dreapta are ca ecuatie de regresie:
y= 1031 + 147X
y = 8 -1,5*X o
o
N
N
o
o(J)
y= 2,50 + 0,50X Interceplul~
.<:2."\' * ib1 = -1,50 y= 8 -1,50X
r--
• * o
o
CD
*
* * o
C')
a
C'l
Interceptul ~ .
N a Suma = 0 Suma = 123.238
a
N * a Legenda: X - Nivel de extravertire
Y - Vanzari lunare realizate (in Euro)
o 23456 7 y' - Vanzari lunare estimate (in Euro)
o o
o 2 3 4 o 2 3 4 5
Figura 6.6. Linia de regresie vizand re/atia dintre scoru//a extravertire §i
va/oarea vanzanlor lunare In Euro
Figura 6.5. Doua exemp/e ipotetice de linie de regre'Sie
191
190
1I"II'IIIIIIIIIIIIIIIIIIIIIIIIIIII,IIIIIIIIIIIIJIIIIIIIIIIIIIIIII,IIII'III"11i
1111 1IIIi 1111
11::11 11"11 II"!I II"I! I!,"I
diferenia dinlre rezullatele observate ~i cele estimate. Tn acest sens, exista 0 serie Din eel de-al doilea tabel se observa ea valoarea F esle semnificativa
de parametri, valabili alai Tn cazul regresiei liniare simple, cat ~i in cazul regresiei statistic, fapt ce induce ideea superiorita\ii ecua\iei de regresie, bazata pe
multiliniare, pentru a descrie eficienia ecuaiiei de regresie in eslimarea rezultatelor. introducerea nivelului de extravertire ca predictor,in estimarea vanzarilor in
comparatie cu estimarea vanzarilor pe baza mediei valorilor observate. Mai mUlt,
consultand primul tabel, se observa ca nivelul de extravertire al unei persoane
6.1.2. Evaluarea eficientei unei ecuatii de regresie explica 83,8% din varia\ia vanzarilor observate (W = 0,838). Cu alte cuvinte, dac'
intre indicatorii care ne ofera informalii asupra eficienlei unui model de am incerca sa explicam diferentele constatate intre persoane.cu privire la vanzarile
regresie yom aminti testul F (Tntalnit ~i In cazul ANOVA) ~i R2 (coeficient de lunare realizate de acestea, putem spune ca 0 mare. parte se datoreaza
determinare Tntalnit ~i Tn cazul corela\iei). diferen\elor in nivelul de extravertire dintre acestea. Restul de 16,2% din variatia
Primul ne arata Tn ce"masura exista diferen\e semnificative statistic Intre vanzarilor lunare. Tnregistrate se datoreaza altor factori, neluati in seama de
estimarile oferite pe baza ecuatiei de regresie implicate in compara\ie cu estimarile modelul testat, care a inclus doar extroversiunea ca predictor. A 9adar, putem
bazate pe valorile mediei. Daca prediclorii inclu~i in ecua\ia de regresie conduc la afirma ea nivelul de vanzari realizate depinde ~i de alii factori, de§i extroversiunea
estimari semnificaliv mai bune decat estimarile bazate pe rezultatele medii, atunci pare a fi variabila principala pe baza careia putem estima nivelul de vanzari
valoarea F va fi semnificativa statistic. Daca F nu este semnificativ statistic, atunci realizate. Din nefericire, asemenea procentaje ridicate, precum eel prezentat Tn
ecua\ia de regresie "nu-l?i are rostul, deoarece ea nu poate estima cu nimic mai problema anterioara nu sunt intalnite in 9tiintele sociale decat in exemple ipotetice.
bine decat simpla consultare a mediei f<3spunsurilor subieciilor la criteriu. De obicei, R2 are valori mull mai modeste, fiind cuprins destul de des intre .10 ~i
Cel de-al doilea parametru poate fi consultat daca F este semnificativ .50, ceea ce inseamna ca majoritatea modelelor estimative din psihologie, bazate
statistic. Dupa Field (2000), W of era informalii privitoare la procentajul din pe regresie explica (estimeaza) intre 10% ~i 50% din evolutia criteriului de interes.
dispersia variabilei criteriu care poate fi explicatiiI prin modul de evolulie a DupE! cum se observE! din figura 6.8, valorile R2 sunt mai mari, dacE! linia
predictorilor. in cazul regresiei liniare simple, R2 este coeficientul de determinare, de regresie deserie bine directia evolutiei norului de puncte (R2 = .88 in imaginea
acela~i din cazul corelaiiei simple, Tn timp ce in Gazul regresiei Iiniare multiple, W din stanga) ?i mai mici, daca linia de regresie nu descrie adecvat norul de puncte,
este coeficientul de determinare multipla. De?i are acela?i principiu de interpretare, acestea fiind mai departate de directia estimata (R2 ~ .45 in imaginea din dreapta).
coeficientul de determinare multipla reprezinta procentul din dispersia criteriului
explicata de acpunea com una a tuturor predictorilor implica\i. .
In cazul datelor prezentate in figura 6.6, SPSS-ul ofera urmatoarele .. *
..
rezultate: *
* * * *
* * *
* * *
* * *
Model Summary
* * *
* * *
*
R * *
,915" *
a: Predictors; (Constant), Nivel de extraveriire
*
ANovJll'
Sum of
Model Squares df Mean Square F Siq. Figura 6.8. ReJatia dintre gradul de lmpra§tiere a pUr1ctelor din nor §i valodle W
1 Regression 626471,5 1 626471,453 41,359 ,000a
Residual 121178,5 8 15147,318
Total 747650,0 9
a. Predictors: (Constant), Nivel de extravertire
Din nefericire, a~a cum remarcau Hankins, French ~i Horne (2000), un
model nu este adecvat doar pentru simplul fapt ca R2 este mare sau inadecvat
b. Dependent Variable: Vanzari lunare in Euro
pentru ca R2 este mic. Pentru a ne asigura ca valoarea lui RZ este apreciata corect
Figura 6.7. Output o/erit de SPSS 11.0 ar trebui sa facem 0 analiza a reziduurilor, adica a diferentelor dintre valorile
SPSS este 0 mardi inregistrata. observate ~i cele estimate pe baza ecuaiiei de regresie. An~liza este necesara
192 193
deoarece Tncalcarea unor condi\ii simple (ex. rela\ie neliniara, heteroscedasticitate, CoefficientS'
prezenta datelor neobi$nuite) poate conduce la distorsiuni grave ale coeficientului
Unstandardized Standardized
de determinare .. Despre aceste aspecte yom discuta In detaliu In sectiunea Coefficients Coefficients
destinata conditiilor necesare de aplicare a regresiei liniare. Model B Std. Error Beta t Sip.
Reveni~d la figura 6.7, observam §i alti indicatori relevanti. De pilda, in 1 (Constant) 1031,249 101,614 10,150 ,000
Nivel de extravertire 147,232 22,894 ,915
primul tabel, sub titulatura "R" este trecuta valoarea coeficientului de corelatie 6,431 ,000
a. Dependent Variable: Vanzari lunare in Euro
liniara intre predictor §i criteriu, Tn cazul de tata Tntre nivelul de extravertire §i
nivelul vi:lnzarilor lunare realizate. Tn c'azul regresiei liniare simple, aceasta valoare
Figura 6.9. Output oferit de SPSS 11.0 cu valorile coeficien(ilor din ecuafia de regresie
indica, de fapt, coeficientul de corelatie r Bravais-Pearson, Tntre predictor §i criteriu.
SPSS este 0 mardi inregistrata.
Tn cazul unei regresii multiliniare, R indica corelatia multipla dintre criteriu§i grupul
de predictori inclu§i. De asemenea, merita sa fie remarcat faptul ca RZ reprezinta
patratul acestor coeficientide corelatie.
Din aceasta figura se poate deduce ecuatia de regresie care poate fi scrisa
Un alt parametru regasit in outputul SPSS e~te R2 ajustat. Acesta Tncearca
sub forma:
sa elimine unele dintre neajunsurile lui R2. Acesta din urma este dependent de
numarul de predictori inclu§i in ecuati<\ de regresie§i de numarul de subiecti
testati. Tn forma sa ajustata, R2 incearca sa atenueze aceasta influenta, oferind un
Vanzari lunare Tn EURO =1031,2 + 147,2*Nivel extravertire;
parametru mai putin distorsionat. Totu§i, trebuie precizat ca indicatorul R2 ajustat
sau,renuntfmd lazecimale:
oferit de SPSS nu are rol de contravalidare, a§a cum multi speciali§ti ar fi tentati sa
creada (Field, 2000). Astfel, el nu estimeaza procentajul din dispersia criteriului
explicata de predictori Tn cazul Tn care datele ar fi extrase pe baza raspunsurilor
Vanzari lunare Tn EURO =1031 + 147*Nivel de extravertire.
subiectilor dintr-un alt e§antion, ci arata -doar eticienta modelului estimativ propus
Pe baza acestei ecuatii putem estima vanzarile pe care Ie vor realiza alte
pentru e§antionul de subiecti testati, Tntr-un mod cat mai putin distorsionat de
persoane cu caracteristicisimil?re persoanelor testate. be exemplu, a persoana
numarul de predictori sau de volumul e§antionului. De§i ofera informatii mai exacte
care nu ar bifa nici un item ce exprima extroversiunea va realiza vanzari de
decat coeficientul de determinare, R2 ajustat ramane sensibil la distorsiune Tn cazul
aproximativ 1031 de EURO lunar (a), Tn timp ce 0 persoana care a obtinut scorul7
nerespectarii condi\iilor necesare aplicarii regresiei liniare.
la nivelul de extroversiune va realiza vanzari lunare dubIe, de aproximativ 2060 de
EURO (b).
6.1.3. Testarea individuala a eficientei predictorilor In estimarea Aceste rezultate au fost ob\inute Tnlocuind in ecuatiade regresie de mai
sus, valorile observate ale extroversiunii pentru cele doua persoane:
evolutiei criteriului
(a) Vanzari lunare Tn EURO:: 1031 + 147*0
Tn cazul unei regresii liniare simple, daca F a fost semnificativ statistic (b) Vanzari lunare Tn EURO == 1031 + 147*7
Tnseamna ca predictorul inclus, in' situatia .de fata nivelul de extravertire, poate fi Cu alte cuvinte, valorile b reprezinta coeficientii nestandardizati ai ecuatiei
utilizat in estimarea performantelor din domeniul vanzarilor. Tn schimb, in cazul de regresie, pe baza carora estimam cu cat cre§te criteriul atunci cand predictorul
unei regresii multiliniare, eficien\a per ansamblu a modelului nu inseamna ca se, mare!j>te cu 0 unitate. in exemplul dat, pornind de la faptul ca b extravertire este
fiecare dintre predictorii inclu§i poate estima eficient evolutia criteriului. De pilda, in 147, putem estima ca volumul vanzarilor realizqte de 0 persoana care a obtinut, sa
varianta unei regresii cu trei predictori, modelul poate fi considerat eficient, adica zicem, cinci puncte la testul de extroversiune va avea vanzari mai mari cu 147 de
mai bun decat 0 estimare pe baza valorii medii a criteriului, chiar daca numai un EURO decat 0 persoana care a obtinut patru puncte la testul de extroversiune, iar
singur predictor are legatura cu criteriul. Pentru a vedea care dintre predictod poate aceasta, la randul ei, va obtine cu 147 de EURO mai mult decat a persoana care
estima cat mai corect evolutia criteriului, SPSS-ul ofera un alt output, pe baza are doar trei puncte la testul de extroversiune. In plus, interceptul denumit in SPSS
caruia se poate exprima §i ecuatia de regresie. "constant" exprima nivelul vanzarilor obtinute de 0 persoana in conditiile Tn care
predictorul ia valoarea zero, In situatia data, daCE! persoana obtine zero puncte la
testul de extroversiune.
194 195
Se poate observa ca aceasta evolutie se men tine atunci cand coeficientul regresiei liniare _simple, acest lucru era prevazut prin faptul ca valoarea F pentru
de regresie al predictorului .ales are valori pozitive. Daca am fi obtinut un b negativ, Tntregul model era semnificativa statistic. Tn schimb, in cazul existeniei mai multor
s~ presupunem b = -147, ar fi Tnsemnat ca volumul vanzarilor lunare scade cu 147 predictori, existenta unui F semnificativ statistic indica faptul ca cel puiin un
de EURO de fiecare data cand scorul la extroversiune cre§te cu 0 unitate. Situatia predictor poate estimi:) evoluiia criteriului, fara a porni de la ideea ca toti predictorii
ar fi fost simiiara cu cea Tntalnita Tn cazul unei corelatii negative:cand X cre§te, Y vor avea capacitatea de a estima evolutia , criteriului. Tn asemenea situatii,
, este
tinde sa scada. necesara consultarea valorilor t din dreptul fiecarui parametru prezentat in figura
Totu§i, valorile nestandardizate b sunt dependente de scala de masurare a 6.9. pentru a vedea care dintre predictori explica semnificativ statistic evolutia
predictorilor §i a .criteriului. De exemplu, valoarea coeficientului bpentru testul de criteriului. Interpretarea este simpla: daca valoarea t asoCiata unui parametru este
extroversiune se modifica, daca extroversiunea este masurata printr-o alta scala de semnificativa statistic (ex. t = 6.41, P < .001 Tn. cazul extroversiunii), atunci
. masurare sau, daca vanzarile lunare sunt exprimate Tn lei sau dolari §i nu Tn euro. predictorul respectiv T§i aduce 0 contribuiie semnificativa statistic la estimarea
Astfel, daca yom transforma valorile exprimate Tn euro Tn lei, utilizand drept rata de evolutiei criteriului, in cazul respectiv a cifrei de vanzari lunare realizate.
schimb 40.000 lei = 1 EURO, yom obtine alti parametri ai ecuatiei de regresie,. de§i Pentru a intelege rnai bine aceste detalii tehnice in interpretarea regresiei
eficienta modelului ramane aceea§i. liniare, yom prezenta un exemplu de regresie multiliniara. Tnainte de a face acest
lucru, se cuvine sa trecem Tn revista, pe scurt, principalele modalitati tehnice de
Volum lunar de vanzi:iri Tn lei =41.253.980 + 5.889.273*Nivel extravertire obtinere a ecLlatiei de regresie in cazul celei de tip multiliniar.
196 197
III II 'I 'II 'I' II 'i'il'lIliII III '11'111 ill II"II'II!III'II' 11',11 II! iII' III ill 'II , II' ii II' '1'111111,,11 Ii '11Uli 11.1I1II.111IlII1!.
• ._ _ _ _._IIIIIIII!IIIIII~lIIlIjllililIlIIllJlIIlIlIIilIUIllIlUIllI~IIIII'IIIIII'1il1l ,1111111111'11111111111'1111111111
198 199
1111 1111, :11111 iIIIII ~ IIIII 1.1111111.111111 IIIIIIII11111 W1111111111111111111 IIIIII iIIIII IIIII :II
i
La aceste neajunsuri se adauga 9i unele gregeli de atribuire a gradelor de libertate Pentru a da mai multa concreteie acestei situatii, Yom presupune ca 60 de
111 cazul regresiei prill metoda pa9i1or, fapt ce cre9te probabilitatea de a comite persoane angajate de doua luni in domeniul vanzarilor constituie lotul pe baza
I:.lroarea de tip I, care, Tn acest caz, ar consta Tn includerea unor predictori care nu caruia se va estima ecuatia de regresie vizand performanta in vanzari. Pe baza
ar fi trebuit inclu9i (Pedhazur 9i Schmelkin, 1991; Thompson, 1995a). acestei ecuatii vor puteafi apoi selectati viitorii angajati in domeniu. Datele sunt
prezentate in fi 9ierul regresie multiliniara.sav.
Metoda celui mai bun set posibil De asemenea, se cuvine 'sa precizam modul Tn care au fost
Acest gen de regresie se apropie de principiul regresiei In pa9i, fiind Intr-un operationalizate variabilele utilizate pe post de predictori, precum 9i criteriul. Acesta
fel, 0 generalizare a acesteia. Ea consta In compararea tuturor modelelor posibile din urma a fost reprezentat de venitul lunar obtinut din vanzari, de fiecare angajat,
in functie de numarul de predictori inclu9i in model. De exemplu, daca am include in cea de-a doua luna de munca. Dintre predictori, extroversiunea 9i neuroticismul
trei predictori 9i am utiliza metoda celui. mai bun set posibil, calculatorul va selecta au 'fost 'obtinute prin intermediul Inventarului de Personalitate Eysenck (EPI),
modelulcu coeficientul de determinare ajustat cel mai mare dintre toate cele 9apte scorurile obtinute fiind Guprinse, pentru ambele scale, intre 0 9i 24 de puncte.
modele posibile (modelul care pastreaza to~i cei trei predictori, tre; modele cu cate Gradul de atractivitate a fost obtinut pe baza sincronizarii raspunsurilor de la doi
doi predictori, trei modele cu un singur predictor). Deoarece se bazeaza pe colegi de sex opus, fiind utilizata 0 scala de la 1 la 10, unde 1 inseamna un aspect
acelea9i principii ca cele intalnite in cazul regresiei in pa9i, metoda are acelea9i fizic nelngrijit 9i neplacut, iar 10 un aspect fizic ingrijit 9i foarte placut. Tn privinta
neajunsuri. experientei profesionale, aceasta a fost codata In trei categorii distincte.
Persoanele care nu aveau nici un fel de experienta profesionala anterioara au fost
Prin urmare, de9i exista mai multe metode de estimare a modelului notate cu 0, cele care beneficiau de experienta profesionala, dar nu In domeniul
predictiv cu cel mai ridicat nivel de eficienta in estimarea criteriului, recomand vanzarilor, au fost cod ate cu 1, iar cele care aveau experienta profesionala In
evitarea metodei pa9ilor 9i cea a celui mai bun set posibil.ln functie de scopul domeniul vanzarilor erau cotate cu 2. Se observa ca, spre deosebire de ceilalti
urmarit, Yeti avea de ales intre metoda simultana 9i metoda ierarhica, ambele predictori 9i de criteriu, care erau masurati prin scale de tip numeric, experienta
posibil de selectat in SPSS. De altfel, metoda simultana este 9i optiunea standard profesionala a fost op.erationalizata prin intermediul unei scale de tip nominal (In
din SPSS (in engleza "enter"). Pentru a utiliza regresia ierarhica,. vom mentine acest caz particular poate fi perceputa 9i ca 0 scala d!:? tip ordinal). Pentru a analiza
metoda "enter" insa dupa introducerea primului set de variabile yom apasa bUtonul influenta predictorilor de acest tip se recurge la un artificiu metodologic ce necesita
"next", iar apoi yom introduce atat variabilele din primul set, cat 9i cele care dorim transformarea variabilelorcategoriale Tn variabile de tip "dummy".
sa Ie introducem in eel de-al doilea.
Variabilele de tip "dummy"
Sub aceasta denumire sunt specificate In regresie toate variabilele
6.3. Regresia multilinara In seop predietiv categoriale dihotomice, care permit raspunsuri de tip 1 sau 0 (Schroeder, Sjoquist
~i Stephan, 1986). De exemplu categoriile "barbat" 9i "femeie" din cadrul variabilei
"sexul persoanei"; categoriile "da" sau "nu" vizand 0 anumita atitudine sunt din start
La fel cum "speciali9tii" in astrologie considera ca pot deduce mai bine
variabile de tip dummy.. Una dintre categoriile de raspuns va fi notata cu 1 (ex.
personalitatea pe baza mai multor predictori (ex. ziua de na9tere, ora na9terii, locul
femeie = 1; da = 1), iar cealalta categorie de raspuns va fi notata cuO (ex. barbat =
na9terii) decat pe baza unui singur criteriu, ~i in cazul predic~iei pe baza de
0; nu = 0). Raspunsurile notate cu zero mai sunt denumite 9i categorii de referinta.
regresie sunt preferate modele Ie multiple (cu mai multi predictori) in fata celor
Prin intermediul regresiei, coeficientii b rezultati arata" cu cat se modifica criteriul
simple (cu un singur predictor). Daca revenim lei exemplulprezentat In sectiunea
atunci cand predictorul cre9te cu 0 unitate. In cazul particular al variabilelor
destinata regresiei simple, ce viza gasirea unor predictori care sa ne ajute sa
dummy, b arata cu cat se modifica criteriul atunci cand predictorul l:;;i schimba
estimam cat mai bine performanta In vanzari a candidatilor testat i, ar fi bine sa
categoria de raspuns (de la 0 la 1). De exemplu, daca b pentru sexul persoanei ar
tinem seama 9i de alte varia bile, In afara extroversiunii. De exemplu, am putea
fi 1000 9i am pastra drept criteriu volumul vanzarilor realizate in EURO, am putea
presupune ca performanta In vanzari este. afectata de experienta profesionala in
domeniu ("Cati ani de experienta profesionala in' domeniul vanzarilor au
= =
spune ca femeile (femeie 1), in comparatie cu barbatii (barbat 0), reugesc sa
obtina cu 1000 de EURO vanzari mai mari Tn domeniu.
candidatii?), gradul de atractivitate fizica a personalului din vanzari 9i de gradul de
Daca lucrurile sunt simple In cazul variabilelor categoriale de tip dihotomic,
neuroticism al acestora, cunoscandu-se faptul ca un nivel ridicat de neuroticism
ele se com plica putin in cazul unor variabile categoriale cu mai mult de doua
corespunde unei afectivitati negative 9i unei rezistente scazute la frustrare 9i stres.
trepte. Spre exernplu, daca ar fi sa ~inem cont de starea civila a unei persoane, ca
200 201
II' '1111 11111 IIIIIUIIIUUlUlIl.IIIIUIIIIJIIIIIJIIIIJIIIIUIliILUIIIIUlIlIlIlliliclIIIIL,lIlIlllllll 11111"11111 11111 ,1111: '11111111111111 ,11111'111111111 !lIIh 11111 '1111111111 IIIIUIIIIIII: 1111111111 :1I1I'.IIIIIJUIIUIIII~IIIIILIIIIUIliLlIIII,:1II1I1I1II1 :111: '1111 'III' IIIIJIIUII '1IIUII'JIIUllulll: IIIIIJII'JIIJII!JIIJII 11111 IltIIIIIJIIIJII' 1IIIulili 1111111111 1111111111 '1111 1111 '1111 1111 III, :11' III 1111, ,11111111'.'1111.1-_ _ _ __ '" 111"11,,1111 :I'" 1111 ,1111 "11,:1111 III ,I, ,', 'i ,I, I " III, 'III ""'t,"":""IJI"J"I,"""I, II: lI'iil "' 111," 11,111" ,"I ,III, 1111 ,","1""1 1111:1111 11111,1111,11111111111111111111,11111111111111111111111111111111111111,11111111111:11111111"1""'"""",'""""""11'"1,"1'""'""'"111"' '"1111 ", "
variabila predictor, aceasta poate fi exprimata prin patru categorii de raspuns: experienl~ profesio.nala ~ Tn alte domenii; 0, - fara experienta profesionala
o = necasatorit (burlac); 1 = casatorit; 2 divor1;at; 3 vaduv. Tntr-o asemenea = = anteno~ra, ~n: decis sa alegem drept categorie de referinta ultimul raspuns.
situaiie, pentru a vedea efectul starii civile asupra unei variabile criteriu este Aceasta declzle conduce la formarea a doua varia bile dummy, pe care Ie Yom
necesan3 transformarea variabilei in variabile .de tip dummy (dihotomice). Se vor denumi exp_vanz :;;i exp_altd. Prima variabila dummy va cota indivizii care au
forma un· numar de k-1 variabile dummy, unde k este numarul de categorii de experienla Tn domeniul vanzari·lor cu 1, iar pe toli ceilal\i cuO. Cea de-a doua
raspuns. In acest caz, data fiind existenta a patru categorii de raspuns Yom obtine variabila dummy va cota indivizii care au experienta prefesionala Tn alte domenii cu
trei variabile dummy. Ce vor avea Tn comun aceste variabile nou formate va fi 1, iar pe toti ceilal\i cu O. Tabelul 6.1 exemplifica aceasta transformare Tn cazul
categoria de referinta. Alegerea acesteia se face in funciie de importania relativa a primilor zece subiecti din fi9ierul regresie multipla.sav.
raspunsurilor posibile 9i de frecventa acestora. Tn cazul starii civile, am putea alege In cazul regresiei liniare SPSS-ul nu ofera posibilitatea de a transforma 0
ca valoare de referinta prima categorie (0 = necasatorit), ceea ce Tnseamna ca cele variabila categoriala in varia bile dummy din meniu. Acest lucru poate fi facut doar
trei variabile dummy rezultate vor fi: casatorit, divor1;at 9i vaduv. Pentru a obtine prin apelul la sintaxa. De aceea, cei care nu sunt familiariza\i cu ape lui la sintaxa
noile variabile se recurge la urmatoarele transformari. Pentru variabila dummy vor trebui sa recodeze variabila categoriala Tn variabile dummy, fie manual, fie prin
"casatorit" yom avea doar doua raspunsuri posibile: { daca persoana este apelul la optiunea disponibila prin calea "Transform"-"Recode"-"lnto different
casatorita 9i 0, daca persoana este necasatorita, divor1;ata sau vaduva. Pentru variables". Tn alte situatii, precum in cazul regresiei logistice, SPSS-ul permite
variabila dummy "divor1;at" yom cota 1, daca persoana este divor1;ata :;;i 0, daca recodarea automata a variabilelor categoriale Tn variabile dummy. Tn acest caz,
persoana este necasatorita, casatorita sau vaduva. Tn sfar:;;it, variabila dummy raspunsul ales drept categorie de referinta trebuie sa fie intotdeauna codat cu 0
;,vaduv" are cota 1, daca persoana este vaduva 9i 0, daca ea se afla intr-una dintre pentru ca SPSS alege automat aceasta ~aloare ca referinta. Daca nici unul dintr~
celelalte Irei categorii. • raspunsuri nu este codat 0, SPSS-ul va alege ca valoare de referinla categoria de
Dezavantajul transformarii variabilelor categoriale Tn variabile de tip raspuns cu valoarea cea mai mare. De exemplu, daca raspunsurile la variabila
dummy consta Tn cre:;;terea artificiala a numarului de predictori, Tnsa aceasta "starea civila" ar fi fost codi3te: 1 - necasatorit; 2 - casatorit; 3 - divortat; 4-
soluiie este singura care permite introducerea variabilelor categoriale ca predictori vaduv, SPSS-ul ar fi ales automat categoria "vaduv" ca valoare de ref~rinta. in
Tn analiza de regresie. schimb, daca raspunsurile sunt codate precum in exemplul dat: 0 - necasatori't; 1 -
casatorit; 2 - divof\at; 3 - vaduv, va alege drept categorie de referinta varianta
Tabelul 6.1. Transformarea variabilei "experien" Tn variabile de tip dummy: "necasatorit". '
Revenind la exemplul dat, Yom avea de testat eficienta unui model
Numar Subiect "Experien" Dummv 1 "Exp. vanz" Dummy 2 "Exp. altd"
predictiv alcatuit din cinci predictori asupra performantelor in va~zari. Cei cinci
1 0 0 0
2 1 0 1 predi<:;tori sunt extroversiunea, neuroticismul, gradul de atractivitate fizica, dummy
3 2 1 0 "experienla in vanzari" :;;i' dummy "experienta Tn alte domenii". Baza de date
4 1 0 1 aferenta este denumita regresie multipla.sav.
5 0 0 0 Prin intermeqiul regresiei liniare, disponibile in SPSS prin calea "Analyze"-
6 2 1 0 "Regression"-"Linear", yom obtine raspunsulla trei Tntrebari importante:
7 1 0 1 1. este acest model eficient?
8 2 1 0
2. care dintre predictori contribuie la eficienta modelului?
9 1 0 1
10 0 0 3. care dintre predictori are cea mai mare influenla asupra eficientei
0
modelului?
Legenda categorie raspunsuri "experien":
Raspunsurile la cele trei Tntrebari pentru cazul dat se gasesc sintetizate Tn
o-' fara experienta profesionala;
tabelele output oferite de SPSS 11.0. 9i prezentate in figura 6.10.
1 - experienta profesionala Tn all domeniu;
Primele doua tabele arata ca cei cinci predictori inclu§i conduc la un model
2 - experienta profesionala Tn vanzari.
de regresie semnificativ statistic mai bun decat cel obtinut pe baza mediei - F(5,
54) = 10.46, p < .001, care este capabil sa explice, in forma ajustata, 0 propor1;ie
Daca ali Tnleles procesul de transformare a variabilelor categoriale Tn
de 44,5% (R2 ajustat = .445) din evolutia dispersiei performan\elor Tn vanzari.
variabile de tip dummy, atunci Yeti intui ·corect transformarile necesare Tn cazul
exemplului ~at, vizand variabila experienia profesionala. Dintre cele trei categorii Restul de 55,5%, ramas neexplicat, se datoreaza altor factori, neintrodu:;;i
de raspunsuri: 2 - cu experienta profesionala in domeniu! vanzari!or; 1 - cu Tn modelul de regresie. TotU9i, merita mentionat ca 0 asemenea valoare, indica 0
202 203
1,11:1111 111111111111
buna putere explicativa Tn cadrul ~tiintelor sociale, deoa~ece majorita.tea model~lo~ Semnificatia statistica a predictorilor
de regresie din aceasta arie se reiuma la coeflcientl de determlnare multlpla
Din ultimul tabel al figurii 6 ..10. se pot extrage informatii pretioase legate de
cuprin§i intre .10 §i .50.
ultimele doua intrebari formulate, §i anume: care dintre predictori contribuie la
Model Summary eficienta modelului §i care este ponderea predictorilor Tn cadrul modelului.
Model R R Square
Adjusted
R Square
I Std. Error of
the Estimate
r
!
La 0 prima vedere, pe baza testului de semnificatie t, se constata ca,
exc/uzand interceptul,doar trei predictori din cinci contribuie semnificativ statistic la
1 ,701 a ,492 ,445 I
a. Predictors: (Constant), Expenenta In alte domenn, "
209,850
I estimarea perform ante lor din vanzari. Cei trei predictori sunt extroversiunea, nivelul
de atractivitatefizica §i variabila dummy- ce opune persoanele cu experienta
Grad de atractivitale lizica, Neurolicism, Extroversiune,
Experienta in domeniul vanzarilor profesionala in domeniul vanzarilor celor care nu aveau nici un fel de experienta.
Totu§i, tinand cont ca alegerea predictorilor nu s-a facut la intamplare, ci
pe baza unor premis'e teoretice, am putea spune ca avem de a face cu 0 ipoteza
de tip unilateral, in care se specifica din start directia de evolu~ie a criteriului in
Sum of functie de predictori. Astfel, ne-am a§tepta ca persoanele care au un nivel de
Model %luares df Mean %luare F SJg, extroversiune §i de atractivitate fizica mai ridicat, care au experienta profesionala in
1 Regression 2302920 5 460583,993 10,459 ,Oooa
domeniul vanzarilor §i care au un nivel scazut de neuToticism, vor obtine
Residual 2377998 54 44036,996
Total 4680918 59
performante superioare in domeniul vanzarilor fata de persoanele care au
"
a. Predictors: (Constant), Experienta in alte domenn,
..
Grad de atraqtlvltate fizlca,
caracteristici opuse. in asemenea conditii, trebuie sa tinem seama ca semnificatia
Neuroticism, Extroversiune, Experienta in domeniul vanzarilor testuJui t oferita de SPSS implica 0 ipoteza de tip bilateral. in consecinta, pragul de
b. Dependent Variable: Vanzari lunare in EURO semnificatie poate fi injumatatit pentru a testa semnificatia ipotezei uniJateraJe. Tn
urma consultarii ultimului tabel prezentaf in figura 10, se observa ca predictorul
neuroticism devine semnificativ statistic in estimarea evolutiei performantelor in
CoefficientS' vanzari, deoarece in urma Injumatatirii pragului de semnificatie bilateral .096 se
Unstandardized Standardized obtine un t =: -1.68, p < .05.
Coefficients Coefficients
Model B Std. Error Bela t Siq. Semnlll predictorilor
1 (Constant) 1038,252 108,435 9,575 ,000
Exlroversiune 24,472 5,830 ,420 4,198 ,DOD Daea eoeficientul de regresie bare 0 valoare pozitiva inseamna ca exista a
Neuroticism -8,898 5,283 -,167 -1,684 ,098 relaiie directa intre predictor §icriteriu. Astfel, atunei cand predictorul cre§te cu a
Grad de atractivitate lizica 33,868 12,707 ,266 2,665 ,010 unitate, criteriul cre:;;te de asemenea. Tn cazul unor valori negative ale coeficientul
Experienta in domeniul
vanzarilor
217,933 76,369 ,368 2,854 ,006 de regresie exista 0 relatie inversa intre predictor §i criteriu: cand -predictorul cre§te
Experienta in alte domenii 13,661 72,104 ,024 ,189 ,850 cu 0 unitate, valoarea criteriului scade. Semnul predictorilor se interpreteaza doar
a. Dependent Variable: Vanzari lunare in EURO
in cazul in care ace§tia contribuie semnificativ statistic 18 evoluiia criteriului. Tn
exemplul dat, nu ne intereseaza semnul ultimei variabile dummy, care face
Figura 6.10. Output SPSS 11.0 pentru regresia multipia
diferenta dintre persoanele cu experienta profesion?la in alte domenii §i cele fara
SPSS este 0 marca inregistrata.
experienta profesionala, deoarece in lipsa semnificatiei statist ice a acestui
predictor nu se poate afirma ca acesta ajuta in vreun fel la estimarea performantei
Tn vanzari. In schimb, cu excePtia neuroticismului care are un coeficient de
6.3.1. Interpretarea coeficienlilor, de regresie corelat ie nestandardizat negativ (b = -8,898), toti ceilalti au a relatie directa cu
criteriul.
Pentru a interpreta coeficientii de regresie corespunzatori fiecarui predictor
introdus in ecuatie, se tine seam a de trei criterii: Ponderea predictorilor
• este acesta semnificativ statistic?
In forma lor nestandardizata, coeficientii de regresie corespunzatori
• are 0 valoare pozitiva sau negativa?
fiecarui predictor arata cu cat se modifica criteriul, atunci cand predictorii cresc cu 0
• este predictorul important?
unitate. Tn cazul regresiei multiple, precum in proplema de fata, aceasta
204
205
" 'iIUUIUI JlI! ,lUll' !I I I I, 1 1 'III 'III, 1 1 II' '1111 1 1 'III' I I 'II' ,I I I I I I, II I I 'II' 'IUIIIJlUI!JIUI'JI!JUIII 'IIUII 1111' III' IIIUII' 1 1 'III' 111I :111 1 1 I111 1 1 il l I I :11' ! I 'II i ' 'II 'i, ,il i , 'h " 'I! i ,I"I!:III !III'II! 111"111 11111:111'.111, _ _ __ I ! il il I I 111,1111 111:lli I I: ,Iii 111',il Ilil 1 1 'III: 111,lil ,11,:,1 ,11,,11 I! 111.l1;I',III:IIIIIII!IIII:111111111,11111111111111:1111111111111111111,,111 Illi '111 'III'!III 111,1111 111:1111 111:1111 I I, il ,I ! I I ,II,ill.li,!11
interpretare se pastreaza, adaugandu-se doar sintagma "Tn conditiile pastrarii persoa~ele care a.u :xperienta Tn domeniul vanzarilor, am putea compara aceasta
constante a celorlalti predictori". categone de refennta cu persoanele care au experienta In alte domenii <:oi cu I
.. " ' y ~e
De exemplu, in cazul"extroversiunii, b a fost 24,47, ceea ce Tnseamna ca 0 care nu au nlCj un fel de experienta profesionala. Similar, Intr-un astfeJde scenariu
persoana care a obtinut, spre exemplu, scorul 11 la proba de. extroversiune, va nu am putea compara persoanele care au experienta profesionala Tn alte dome .:
·· ~ nil
obtine vanzari lunare mai mari cu 24,47 EURO decat 0 persoana care a obiinut cu ce Ie care nu bene f IClaza de nici un fel de experienta.
doar 10 puncte la proba de extroversiune. Aceasta estimare este valabila Tn Daca se vor alege alte categorii de referinta: trebuie sa retineti ca valorile
conditiile Tn care pastram constanta influenta celorlalte variabile, 0 asemenea coeficientilor standardizati se vor schimba, Tn asemenea situatii fi'ind 'necesara
noua analiza de regresie. , 0
situatie ipotetica fiind cazul Tn care cele doua persoane obiin rezultate identice la
to ate celelalte probe, singura diferentEl fiind faptul CEl la proba de extroversiune, Un alt aspect ce merita sa fie lamurit se refera la stabilirea unei ierarhii a
una dintre ele obtine un scor cu un punct mai mult decat cealalta. importantei:;;i a ponderii predictorilor Tn estimarea evolutiei criteriului. Tn acest
Similar, Tn cazul neuroticismului, interpretarea asociat8 rezultatului domeniu, coeficientii nesfandardizati b T:;;i dovedesc limitele, deoarece sunt
b = -8,898 ar fi: 0 persoana care obtine la scala de neuroticism cu un punct mai dependenti de amplitudinea scalelor de masurare utilizate. De exemplu, valoarea
mult decat 0 alta persoana, Tn condiiiile Tn care la celelalte probe au obtinut aparent foarte mare b = 217,93 din dreptul variabilei dummy "exp_vanz" se
performante egale (ceilalti predictori au fost tinuti constanti), se estimeaza ca va dato~eaza f~aptului ca mo~ificarea cu 0 unitate, de la 0 la 1, indica, de fapt, intreaga
ave a cu 8,89 EURO vanzari lunare mai mici decat cea de-a doua. scala de raspuns, pe cand un b de 24,47 indica evolutia criteriului in conditiile
Tn cazul variabilelor dummy, interpretarea este u:;;or diferita. Astfel, Tn cazul modificarii tot cu 0 unitate a scalei de extroversiune, sa ~icem de la 0 la 1 chiar
variabilei dummy "exp_vanz", care are un coeficient nestandardizat de regresie daca raspunsurile sunt cuprinse de la 0 la 24 de puncte. Daca b ar fi des~mnat
semnificativ statistic (b = 217,93) se estimeaza diferentele Tn vanzari dintre 0 schimbarea de la 0 la 24, cu siguranta valoarea sa ar fi fost mult mai mare (de 24
persoana care are rezultatul 0 la variabila dummy respectiva :;;i 0 alta persoana de ori).
care are cota 1 la aceea:;;i variabila, Tn conditiile In care influenta celorlalti predictori Pentru a elimina acest neajuns al coeficientilor nestandardizati b SPSS-ul
este tinuta constanta. Tn exemplul dat, daca doua persoane obtin rezultate identice ofera :;;i v~lorile coeficientilor standardizati, denumiti beta. Ace:;;tia au' pr~prietatea
la nivelul de extroversiune, la cel de neuroticism :;;i la cel de atractivitate fizica, dar d~ a nu .fl dependenti de scala de masurare, prin urmare ei permit 0 comparare
difera Tn ceea ce prive:;;te experienta profesionala, Tn sensul ca una are experienta dlrecta a ponderii predictorilor. Din acela:;;i ultim tabel al figurii 6.10 se constata ca
Tn domeniul vanzarilor (exp_vanz = 1), iar cealalta nu are nici un fel de experienta Tn ordine descrescatoare a importantei lor in estimarea criteriului se afla: un nivel
(exp_vanz = 0), prima se estimeaza ca va obtine lunar, Tn vanzari, cu 217,93 ridicat de extroversiune (B = .420), experienta profesionala Tn domeniul vanzarilor
EURO mai mult decil.t cea de-a doua. Cu alte cuvinte, Tn conditiile mentinerii (B = .368), atractivitatea fizica (B = .266) :;;i un nivel scazut de neuroticism (B = _
constante a influentei celorlalti predictori, experienia anterioara' Tn do~eniul .167). Cealalta variabila dummy, nefiind semnificativa statistic, nu prezinta interes
vanzarilor aduce un plus lunar de 217,93 EURO In comparatie cu absenta oricarei deoarece nu ajuta la estimarea performantelor Tn vanzari '
experienie profesionale. Unii autori precum Licht (1995). ~u atras atentia asupra necesitatii de a
Se observa In cadrul acestei variabile dummy ca se face comparatia cu interpreta cu mai multa precautie ace:;;ti coeficienti st~ndardizati beta. Astfel nu
categoria de referinta aleasa, Tn cazul dat, persoanele fara nici un fel de experienia este indicat jocul prop0rtiei ponderilor. De exemplu, este riscant ~a interpreta~ ca
profesionala. Tn cadrul acestei comparatii nu se tine seama de 0 alta categorie de un B de .42 indica 0 importanta aproape dubla asupra estimarii performantei in
raspunsuri posibile, aceea a persoanelor care au experienta profesionala, dar Tn vanzari in comparatie cu un ~ de .26. De asemenea, intre doua valori' beta
alte domenii decat cel al vanzarilor. Comparatia dintre aceste persoane :;;i cele fara apropiate, ex. ~ .42 :;;i B.36 este dificil de apreciat ca prima este mai mare decat a
experienta se obtine prin consultarea celei de-a doua variabile dummy "exp_altd", doua, data fiind apropierea dintre cele doua care face posibila intersectia lor Tn
al carei coeficient de regresie a fost nesemnificativ statistic (b = 13,66). Se observa cazu~ precizarii unui interval" de incredere pentru cele doua valori. Prin' urmare,
ca prin alegerea categoriei de referinta "persoane fara experienta profesionala" se val?nle beta trebuie interpretate intr-un mod relativ. De exemplu, din valorile
face de fapt compararea dintre aceasta :;;i toate celelalte categorii posibile. Tn ammtite mai sus reiese, destul de clar, ca experienta profesionala in domeniul
schimb, este imposibila compararea dintre categoriile care nu joaca rol de referinta, vanzarilor in comparatie cu absenta oricarei experiente profesionale :;;i nivelul de
Tn cazul de fata fiind imposibil tehnic sa comparam diferentele Tn performania din ext:oversiune sunt cei mai importanti predictori ai performantelor in vanzari, cel
vanzari dintre persoanele care au experienta Tn acest domeniu :;;i cele care au putln comparativ cu nivelul de neuroticism sau chiar cu gradul de atractivitate
experienta Tn alte domenii. Pentru a putea face acest lu'cru este necesar sa alegem fizica.
alta categorie de raspuns ca variabila de referinta. De exemplu, daca am nota cu 0
206 207
IIIJII"_ _ _ IIIIIIIIIIIIIIIIIIIIIIIIIII,IIII!IIIII'II:I!
Din punct de vedere tehnic, ace!;>ti coeficienti standardizati se pot interpreta neuroticism, prime9te nota 7 ca grad de atractivitate fizica 9i care are experienta Tn
lnlr-un mod similar cu cei nestandardizati. Daca cei din urma arata cu cal se domeniul vanzarilor. Ecuatia de regresie Tn cazul acestui individ devine: '
modifica criteriul Tn conditiile Tn care predictorul corespunzator cre!;>te cu 0 unitate,
iar ceilalti predictori raman conslanti, coeficientii standardiza.ti arata cu cat se Performantaestimata Tn vanzari = 1038 + 24,5*10 - 8,9*5 + 33,9*7 + 217,9*1 + 13,6*0 =
modifica criteriul Tn abateri standard daca predictorul In cauza cre!;>te cu 0 abatere 1693,7 EURO
standard, iar ceilalti raman constanti. De multe ori, interpretarea pe baza acestor
coeficienti devine dificil de Tnteles sau fara un sens foarte clar. De exemplu, Tn. Trebuie remarcat un alt aspect tehnic, leg at de pastrarea celei de-a doua
cazul extroversiunii, ~ de .42 arata ca, Tn conditiile mentinerii constante a influentei variabile dummy Tn ecuaiie, de~i ea nu a contribuit semnificativ statistic la
celorlalti predictori, atunci cand nivelul de extroversiune cre~te cu 0 abatere estimarea valorii' criteriului. Acest lucru a fost necesar, deoarece cealalta variabila
standard, criteriul cre!;>te cu 0,42 abateri standard. Din aceste considerente, dummy a fost semnificativa statistic. In mod normal, variabilele care nu contribuie
interpretarea datelor se face, de obicei, din prisma coeficientilor nestandardizati de ~emnificativ la estimarea criteriului sunt eliminate din ecuatie, aceasta masura fiind
reg res ie, valorile' beta servind doar la aprecierea importantei ~i ponderii urmata de 0 alta analiza de regresie, obtinuta doar pe baza predictorilor
prediclorilor Tn estimarea evolutiei criteriului. semnificativi, deoarece valorile b ale_ acestora se modifica prin renuntarea la
anumiti predictori. Singura exeeptie 0 constituie variabilele de tip dummy, care sunt
Ce sunt coeficientii de regresie din punct de vedere statistic? eoncepute Tmpreuna ca un set de predietori. Tn cazul lor sunt posibile doar doua
in cazul regresiei liniare simple, beta este egal cu valoarea coeficientului decizii: fie se pastreaza toate variabilele, daca cel putin una dintre ele este
de corelatie simpla dintre predictor ~i criteriu. In cazul regresiei multiple, datorita semnificativa (precum Tn exemplul dat), fie se elimina intreg 'setul de variabile
prezentei mai multor predictori, beta nu mai este egal cu valoarea coeficientului de dummy, Tn cazul Tn care nici una dintre acestea nu contribuie semnificativ la
corelatie simpla intre predictorul respectiv !;>i criteriu. Tn astfel de cazuri, beta este estimarea eriteriului.
un coeficient standardizat· ponderat de regresie (Tn engleza "standardized partial
regression weight"), fiind din acest punct_ de vedere similar cu eel prezentat Tn
matricea modelului factorial, din cadrul analizei factoriale. Tn practica, se omite de 6.3.3. Instrumente complementare regresiei Tn scop predictiv
multe ori sintagma "partial" din titulatura, ceea ce poate duce la interpretari eronate
(Licht, 1995). Mai exact, coeficientul reprezinta 0 corelatie semipari;iala Tntre 6.3.3.1. Decizia organizafionala
predictor ~icriteriu. Daca corelatia pari;iala indica relatia dintre predictor ~i criteriu, In urma stabilirii unei ecuatii de regresie, se poate constata eficienta
dupa ce se elimina influenta celorlalti predictori inclu~i Tn ecuatia asupra celor doi modelului estimativ propus !;>i prin alte mijloace decat consultarea valorii
termeni, corelatia semipar1;iala arata relatia dintre predictorul in cauza ~i ace a parte coeficientului de determinare multi pia. Astfel, am putea impar1;i subiectii pe seama
a criteriului care nu a fost explicata de ceilalti predictori din model. mediei ori a medianei, in functie de distributia statistica avuta, in doua grupe:
subiectii care au obtinut rezultate sub valoarea mediei (medianei), respectiv
subiectii care au obtinut rezultate peste valoarea mediei (medianei). Aceea9i
6.3.2. Rolul ecuatiei de regresie in interpretarea datelor cu scop impar1;ire se poate face utilizand. rezultatele estimate ale subiectilor, utilizand insa
predictiv drept criteriu, media sau mediana acestor estimari. Tn urma acestui demers, yom
In urma oricarei analize de regresie efectuata Tn scop predictiv, ecuatia de . obtine un tabel, precum cel de mai jos, Tn care .vor rezulta patru categorii de
regresie are un rol esential. Prin intermediul ei, putem estima rezultatele altor subiecti: cei pentru care atat rezultatele observate, cat 9i cele estimate, se afla
persoane, pe baza predictorilor gasiti relevanti pentru evolutia criteriului. Sa luam deasupra mediei (1); cei pentru care atat rezultatele observate, cat 9i cele estimate
ecuatia de regresie pentru exemplul dat, extras a din acela~i ultim tabel al figurii se afia sub nivelul mediei (4); cei ale caror rezultate observate sunt deasupra
6.10, pornind de la coeficientii de regresie: mediei insa rezultatele estimate se afla sub acest indicator (fals negativ) (2);
respectiv cei ale caror rezultate observate se afla sub nivelul mediei, dar a caror
Performanta vanzari = 1038 + 24,5*Extroversiune - 8,9'Neuroticism + 33,9*Atractivitate estimare se afia deasupra acestei valori (fals pozitiv) (3).
fizica + 217,9*Dummy Experienta in vanzari + 13,6*Dummy Experienta Tn alte domenii
Pe baza acestei ecuatii, se pot estima rezultatele unui individ care, sa
presupunerri, obtine 10 puncte la proba de extroversiune, 5 puncte la scala de
208 209
.,1' i , I: ,'i Ii" 1111; '1,'!'Ii"1 11'1', ilill '11111 11111;,11111 ,1111 I I ,I 11:1',11 111111111111
I 111,111 !I' ! I 1IIIilii 11111111'11111111,,11111111,1111 IIII_'II'III"IIIII"'I'III"II"II'II!III"I",I:I I I !III11'111 !I 'IIi I I "111'11'111111'111111'111111' i
Tabelul 6.2. Oistributia sunt normale, din moment ce R2 ajustat corespunz- tor ecuatiei de regresie nu a
, subiectilor
, pe categorii conform acestei metode patratice
luat valoarea 1, ci doar 0,445.
Rezultate observate . Rezultate observate
Pe baza acestui tabel se poate obiine §i un procentaj de, r~spunsuri
sub medie peste medie corecte, pe baza formulei:
Rezultate estimate sub medie + + (4) - + (2)
Rezultate estimate peste medie + - (3) - - (1) A+B
Corect = - - - - - (6.2)
A+B+C+D
Conform acestui tabel, cu cat procentul persoanelor ale caror rezultate au
fost estimate coreet (cadranele 1 ~i 4) este mai mare, cu atat modelul se dovede~te Tn cazul dat, valoarea obtinuta indica 0,8166, ceea ce arata un procentaj
mai uti! Tn c1asificarea performantei subiectilor pe baza ecuatiei de regresie de 81,66% de estimari corecte. Un asemenea rezultat se apreciaza subiectiv. De
obtinute. exemplu, a estima corect in aproximativ 4 din 5 cazuri performania Tn vanzari
, Tn cazul utilizarii ecuatiei de regresie din exemplul prezentat, pornind de la 6btinuta de candidaiii la un post in domeniu poate fi considerata 0 cifra destul de
baza de date "regresie multipla.sav", sunt necesare mai multe operatii. buna, pentru a include predictorii respeetivi in decizia procesului de selectie. Tn alte
, Prima dintre ele vizeaza salvarea valorilor estimate ale criteriului, ca situaiii, mai ales din domeniul medical, un asemenea procentaj nu este
variabila noua, in urma rularii analizei de regresie in cauz8 (calea "Analyze"- satisfacator, mai ales daca el prive~te atribuirea unui diagnostic gre~it, insa In
Regression" -Linear" -"Save" -Unstandardized"). situatii speciale, poate fi acceptat, daca alte metode nu reu~esc 0 predictie mai
Cel de-al doilea pas consta Tn calcularea mediei ~i a medianei pentru cele buna.
doua variabile de interes - criteriul observat, respectiv criteriul estimat - ~i .. Pitariu (1983, p. 140-145) ofera 0 analiza in detaliu a acestor aspecte,
alegerea celui mai potrivH ind'lcator descr'lptiv pentru felul in care arata distribut'la oferind 0 serie de indicatori ce pot fi calculati ~i utilizati in decizii de selectie
datelor. Tn cazul dat, distributia pare normala pentru ambele cazuri, iar valoarea profesionala. Merita sa fie mentionat faptul ca, in asemenea situatii, impartirea
mediei a fost de 1407,27 pentru datele observate, respectiv de 1407,266 pentru subiectilor in satisfacatori ·~i nesatisfacatori nu trebuie sa se faca tinand seam a
datele estimate, fiind practic egale. neaparat de medie. De exemplu, daca suntem interesati de candidatii foarte bun'l
AI treilea pas consta in recodarea celor doua variabile in doua variabile ~ pentru un anumit post, ar fi nepotrivita impartirea subiectilar In cele doua grupe pe
diferite, nou-create, astfel Incat valorile mai mari decat media sa ia valoarea 1, iar baza mediei sau a medianei, deoarece un rezultat putin mai mare decat ace~ti
cele mai mici decat media sa ia valoarea 0 (calea "Transform"-"Recode"-"Into indicatori nu inseamna un rezultat foarte bun. De exemplu, dad;i cei care
Different Variables"). efectueaza selectia candidatilor intr-un post de vanzari considera ca un angajat
Tn urma acestui pas, putem realiza un tabel de contingenta cu rezultatele foarte bun ar trebui sa yanda lUnar Tn valoare de 1700 de EURO, am putea utiliza
obiinute: acest criteriu de impartire a candidatilor In "potriviti" ~i "nesatisfacatori". Utilizand
acela~i procedeu explicat mai sus, in cazul segmentarii subiectilor pe baza mediei,
Tabelul 6.3. Situatia c1asificarii subiectilor Tn exemplul dat ~i apeland la aceea~i baza de date yom obtine urmatoarea distributie a subiectilor:
211
210
III: 1111111111: 1IIIIIIIIIIIIIIIIIhllllll~IIIII~IIIIIIIIIIIWllllllllllmlIIIII~IIIIIUIIIIIIIIIIII
obllnut performante Tn vanzari sub valoarea de 1700 EURO, 45 au fost identificati de subiecti testati !?i nu unor caracteristici ale e!?antionului care nu permit
coract. Prin urmare, modelul este destul de bun pentru a detecta pe cei care nu pot generalizarea.
face parte din categoria subiec~ilor "foarte buni" Tn domeniul vanzarilor (fal!?i o alta posibilitate consta Tn testarea altor subiecti !?i compararea
pozitivi) Tnsa nu este foarte. bun Tn evaluarea subiectilor care fac parte din categoria rezultatelor celor doua ecuatii de regresie. Aceasta metoda este cea mai buna din
celor foarte buni, din cauza numarului relativ mare de subiecti fal!?i negativL Totu!?i, perspectiva validitatii ecologice insa necesita. un consum mare de resurse. '
Tn ansamblu, modelul predictiv poate fi folosit Tn lipsa altora mai eficiente, deoarece In sfar!?it, cea de-a treia modalitate ar fi sa consultam estimativ valoarea
conditia minima de acceptare a modelului, !?i anume, ca estimarea pe baza afustat-. a coeficientului de determinare multipl-, R2 afustat oferit de SPSS, care
predi~torilor inclu§i sa fie mai buna decat cea realizata in absenta acestora, este de!?i nu reprezinta ceea ce multa lume crede, !?i anume, eficienta modelului d~
indeplinita. Formula de verificare a acestei conditii este (Pitariu, ~ 983): regr~sie. in cadrul populatiei din care a fost extras e!?antionul testat (Field, 2000),
ofera 0 Idee despre eficienta utilizarii ecuatiei de regresie !?i pe alti subiecti decat
A A+C @cei testati. A~tfe~ dac~ valoarea sa ajustata este suficient de mare (e2:: R2 aj~tat =
-->----- (6.3)
.40) !?I nu difera mal mult de trel-patru procente de valoarea lui R2 neajustat-
A+D A+B+C+D
exista premise pentru putea generaliza modeful estimativ pe tOii subiectii din car~
a
a fost extras e!?antionul. Aceasta ultima posibilitate este In mai mare niasura
Inlocuind datele din tabelul 6.4. in formula de mai sus, obtinem (3/7> 11/60), adica supusa riscului de a ne in§ela in comparatie cu primele doua. De aceea, recomand
0,245, ceea ce se traduce prin faptul ca, in urma utilizarii ecuatiei de regresie· ca Tn situaiia utilizarii regresiei in seop predictiv, sa se realizeze 0 contravalidare
respective fn selectia personalului in vanzari, cre!?te procentul celor care vor fie prin analiza dubla a grupelor extrase prin Injumatatire~ lotului de subiecti fi~
corespunde eerintelor postului cu 24,5%. Mai multe detalii despre modul de (;")n prin testarea unui nou. e!?antion !?i compararea rezultat~lor obtinute pe cele d~ua
®utilizare a regresiei Tn procesul de selectie pot fi gasite Tn Pitariu (1983). wloturi. .
. Revenind la exemplul dat, numarul redus de subiecp testati (N = 60) nu ne
permlte aplicarea metodei de injumatatire. Cum nu exista un alt e!?antion de
6.3.3.2. Contravalidarea comparaiie, va trebui sa ne multumim cu aprecierea valorii ajustate a coeficientului
Tn cazul regresiei utilizate in scop predictiv, 0 importanta deosebita 0 are de determinare multipla. Tn condiiiile In care R2 ajustat este .445, iar R2 este .492,
contravalidarea sau validarea transversala (in engleza "cross-validation"). se observa 0 distanta destul de mare intre cele doua valori, fapt care pune sub
Indiferent de termenul folosit, prin acest procedeu se Urmare!?te sa se stabileasca semnul Tndoielii posibilitatea de a generaliza rezultatele obtinute. Totu§i, nu ne
in ce masura 0 ecuatie de regresie obtinuta pe baza chestionarii unui e!?antion de p~tem baza foarte mult pe aceste rezultate, deoarece diferenia destul de mare
subiecti poate fi folosita cu succes in predictia performantei altor subiectL Pentru a dll1tre cele doua valori se poate datora numarului relativ redus de subiecti testati
realiza acest tip de validare exista trei mijloace de baza, primele doua fiind !?i cele In ultimii ani s-au dezvoltat alte metode de contravalidare' inter~~ a
mai potrivite. Astfel, 0 prima posibilitate consta in injumatatirea e!?antionului testat mOdelelor de regresie precum bootstrap (0 traducere aproximativa a termenului din
printr-o metoda aleatorie, urmata apoi de calcularea coeficientilor ecuatiei de limba engleza este de largire sau Intindere). Bootstrap-ul (Thompson, 1995b)
regresie pentru cele doua grupe. De exemplu, daca au fost testati 250 de subiecti, implica copierea setuluide date de cateva sute sau mii de ori intr-un fi!?ier foarte
se pot obtine doua grupe a cate 125 de subiecti care sunt analizati prin metoda mare. Apoi, din acesta sunt extrase sute sau mii de e§antioane diferite a caror
regresiei. Daca coeficientii de regresie din cele doua ecuatii sunt apropiati ca marime este egala cu cea a e!?antionului initial. Tehnica permite datelor deja
valoare, se poate estima ca ecuatia de regresie obtinuta prin agregarea celor doua extrase sa fie selectate din nou, fiind astfel diferita de extragerile Iota, Tn care un
grupe este deslul de solida §i poate fi folosita in prediqia evolutiei altor subiec\i. numar, 0 data extras, nu mai poate fi pus la loc. pentru a putea fi ales din nou.
Avantajul acestei metode consta Tn economia de timp !?i resurse, iar dezavantajul Pentru fiecare dintre sutele sau miile de e§antioane obtinute se calculeaza
ccinsta in numarul relativ mare de subiecti ce trebuie testati pentru a putea imparti rezultatele individuale, in functie de scopul urmarit (ex. medii, abateri standard,
e!?antionul Tn doua grupe. De exemplu .. daca avem in total-doar 100 de subiecti coeficienti de regresie etc.). De exemplu, se poate obtine 0 medie generala pentru
testati, injumalatirea lor va conduce la un numar destul de mic de subiecti pentru a coeficientul de regresie corespunzator unui anumit predictor pe baza coeficientilor
estima coreet coeficientii de regresie, deoareee un e!?antion mie conduce la de regresie observati in fiecare e!?antion extras. Prin aceea!?i metoda se calcule~za
estimarea unor coeficienti de regresie cu un grad ridicat de instabilitate.' Tn §i eroarea standard a acestui coeficient general, care nu este altceva decat
asemenea condi\ii am putea ajunge la concluzia ca nu yom putea utiliza ecua\ia pe abate rea standard obtinuta in urma impra!?tierii mediilor din el?antioanele extrase.
alti subiec\i, de§i instabilitatea coeficientilor de regresie s-ar datora numarului mic Daca aceasta eroare standard ia 0 valoare redusa, ne putem increde I~
212 213
III:!III 1111'111 1 1 111':111 I I 'I I 111:'111 !II'III I I! I I I111'111:1111 1111'111'1111'111'1111 111"111 111"111 I I! '11':1"'11 Iii! 111"111 il : 'I I il l III'II:!II'" ""I!I' i I : .I : ~I~ I I I , i ,I I: :1, 'I : .I I I I: ,I I !I ! I I ~III II Iii !I : 111I il l 1 1 I I ! ,1111 '1IIIIiIIIIIIWIIIIWIIIII~IIIWlmllllrnUII il l Illi I I i: ,1111111:I',!1 11:111 Ili;11 I I I I I II' '1111111111111111111,1111:111,1111,11111111.111111111111:111:1111'11111111 111:1111 Illi,111 1111,111 1 1 111',111 I I I , ,1,11,,1;';'1
coeficientul de regresie obiinut, aspect eseniial Tn orice analiza de regresie, cu atat pa$i. Se calculeaza reziduurile, care a~a cum am amintit, constituie diferenia dintre
mai mult In cea cu scop predictiv. scorul estimat $i cel observat Tn ceea ce prive~te criteriul. Deoarece reziduurile
sunt dependente de unitatea de masura utilizata Tn evaluarea criteriului, se poate
6.3.3.3. Analiza cazurilor influente calcula rezidul standardizat, in stil clasic (Tn engleza "standardized reziduals"),
In stabilirea ecuaiiei de regresie, nu toate cazurile, adica nu toti subieciii, asemanator cu cel prezentat Tn sectiunea destinata cotelor z sau printr-un artificiu
contribuie la fel· la stabilitatea ~i coreditudinea ecuaiiei de regresie gasite. de calcul (Tn engleza "studentized reziduals"). Ultimul pare a fi mai eficient in
Regresia, fiind bazata pe ideea asocierii dintre variabile, are toate limitele estimarea co recta a valorilor standardizate Tn cazul reziduurilor. Interpretarea
prezentate ~i in cazul corelatiei. Spre exemplu, a~a cum valoarea coeficientului de acestora se face intr-un mod similar cu cel prezentat in standardizarea datelor.
corelatie poate fi afectata gray de prezenta unor date neobi~riuite ~i linia de Astfel, Tn mod normal aproximativ 95% din reziduurile standardizate ar trebui sa
regresie poate fi gray afedata de asemenea'valori. Figura 6.11. ofera 0 ilustraiie a aiba valori cuprinse Tntre -2 ~i +2, iar aproximativ 99% ar trebui sa aiba valori Tntre -
acestei situaiii, Tn figura din stanga fiind prezentata linia de regresie Tn abseni a 3 $i +3. Daca observam un numar mult mai mare de valori situate Tn afara acestor
cazului neobi~nuit, iar Tn dreapta se poate observa evolutia ei Tn prezenia acestui intervale, sa zicem 4% se afla In afara intervalului [-3 +3]. am putea afirma ca
caz. ecuaiia de regresie obtinuta este influeniata Tn masura destul de mare de prezenta
Simpla prezenta a unor date neobi~nuite poate afecta linia de regresie ~i cazurilor extreme. Daca acestea se afla intr-un numar redus (ex. 1% din reziduurile
conduce la rezultate distorsionate. Astfel, daca analizam linia de regresie din figura standardizate au valori cuprinse Tn intervalul [-3 +3]), atunci influenia datelor
din dreapta se observa ca traiectoria ei nu urmare~te coreet evolutia majoritaiii neobi~nuite asupra ecuaiiei de regresie poate fi socotita minima, $i Tn consecinia,
punctelor, adica a cazurilor observate, deoarece tine seam a de influenta datelor modelul estimativ poate fi utilizat Tn prediciie.
extreme asupra modelului. Daca asemenea date ar fi eliminate, precum Tn Nu numai datele neobi~nuite pot exercita 0 influenia mare asupra
imaginea din stanga, linia de regresie va descrie mult mai bine evolutia criteriului. coeficieniilor din ecuatia de regresie. Alaturi de acestea pot fi Tntalnite $i alte cazuri,
Prin urmare, in cazul utilizarii regresiei Tn scop predictiv trebuie sa analizam denumite influente, care pot afecta valorile coeficieniilor de regresie. Logica
neaparat daca exista date neobi~nuite ~i sa neutralizam influenta acestora prin acestora este simpla: daca yom elimina un anumit caz din setul de date, iar acest
realizarea unei noi regresii dupa eliminarea lor din analiza, deoarece ele afecteaza lucru va conduce la modificari importante Tn valorile anumitor coeficienii de
valorile coeficientilor de regresie. regresie, Tnseamna ca acel caz e,xercita 0 influenia importanta asupra modelului
estimativ. Pentru a verifica existenia cazurilor influente se pot calcula 0 muliime de
-0)
~tl 10
tl *
indicatori precum: rezidul standardizat eliminat (in engleza "studentized deleted
:g * ::0 rezidual), distania lui Cook, distania lui Mahalanobis etc. Dintre acestea, distania
·c * lui Cook este cel mai u~or de interpretat. Daca valoarea sa este mai mare de 1,
.~ ·c
co *
N
c
N
c atunci cazul respectiv are 0 influenia mare asupra parametrilor modelului (Cook ~i
rn co * Weisberg, apud Field, 2000).
> >
* Concluzia care ar trebui desprinsa din analiza diver~ilor indicatori este sa
.$ .$ *
:::J :::J se pastreze, pe cat posibil, to ate cazurile observate Tn analiza de regresie. Totu~i,
N N
co
tl
co
tl
.* Tn situaiii excepiionale, Tn care anumite cazuri constituie atat date neobi~nuite
(j) (j)
.~ .~ clare, cat ~i cazuri care influenieaza in mare masura ecuaiia de regresie obiinuta
N
c
N
c (valori ale distantei lui Cook mai mari de 1), acestea pot fi eliminate, pentru a
co co obtine un model estimativ cat mai cored. Aceasta recomandare trebuie urmata mai
> >
ales in situatia in care regresia este folosita in scop predidiv, deoarece va reduce
Introvertite Extravertite Introvertite Extravertite
rezidul (distanta) dintre valorile observate ~i cele estimate pe baza, ecuatiei de
regresie.
Figura 6.11. Influenta datelor neobi:;nuite asupra pantei Iiniei de regresie
In problema data, vizand estimarea performantei subiec\ilor in vanzare,
datele indica absenta unor cazuri neobii?nuite ~i I sau influente, a~a cum rezulta ~i
din outputul oferit de SPSS 11.0.
Pentru a identifica cazurile neobi~nuite, Tn vederea obtinerii coeficientilor
de regresie cei mai potriviii pentru a descrie setul de date, se pot realiza urmatorii
214 215
6.4.1. Logiea regresiei utilizate In seop explicativ
Residuals Statistics"
Regresia cu scop explicativ este utilizata frecvent ata! in cercetarile
Minimum Maximum Mean Std, Deviation N
Predicted Value 1026,23 1814,13 1407,27 197,567 60 fundamentale, cat ~i in cele aplicative, In absenta unui design experimental care sa
Std, Predicted Value -1,929 2,059 ,000 1,000 60 permita atat manipularea variabilelor independente, cat ~i controlul acelora care ar
Standard Error of putea afecta relatia dintre VI ~i VD, este dificil sa izolezi 0 relaiie de tip cauzaL Mai
41,297 147,192 64,695 14,897 60
Predicted Value mult, datorita unor situatii specifice sau a Incalcarii unor standarde etice de
Adjusted Predicted Value 1018,69 1813,29 1408,34 197,618 60 cercetare, experimentul nu poate fi utilizat, chiar daca ne dorim sa studiem 0 relaiie
Residual -381,07 545,66 ,00 200,761 60 de tip cauza-efect Tn asemenea situatii, regresia multilinara reprezinta metoda de
Std, Residual -1,816 2,600 ,000 ,957, 60 compromis,. prjn care se Tncearca stabilirea unei relatii nedistorsionate Tntre
Stud. Residual
Deleted Residual
-1,897
-415,65
2,736
604,10
-,002
-1,07
1,004
221,466
60
60
variabila independenta (predictor) ii variabila dependenta (criteriu), Tn conditiile
controlului statistic al altor variabile de interes, De exemplu, daca am dori sa
Stud, Deleted Residual -1,945 2,920 ,002 1,026 60
vedem care este influenta factoriIor de personalitate asupraconducerii agresive a
Mahal. Distance 1,302 28,044 4,917 3,526 60
60
autamobilului, ar trebui sa tinem seama de 0 serie de as peete intermediare care
Cook's Distance ,000 ,134 ,017 ,027
Centered Leverage Value ,022 ,475 ,083 ,060 60 pot afecta relatia dintre eL Astfel, nu putini dintre noi am vazut, de obicei seara,
ma~ini straine conduse de "pu§ti" ce aseulta muzica la maxim gonind nebune~te pe
a, Dependent Variable: Vanzari lunare in EURO
strazi, punand Tn pericol viata oamenilor ~i a traficului din acele momente, Ar fi
imposibil sa realizam un exp~riment pe aceasta problema numai ~i din motivul ca
Figura 6,12, Indicatori descriptivi In analiza datelor neobi§nuite §i a cazurilor influente
trasaturile de personalitate nu pot fi manipulate experimental. Tn absenta acestei
SPSS esteo marca lnregistrata, manipulari, ne ramane posibilitatea controlului efectelor altor variabile posibile
asupra variabilei dependente, De pilda, tipul de ma~ina, sexul ~i varsta subieciilor,
prezenia sau absenta altor persoane In automobiletc, sunt numai caiiva factori
Informaiiile de interes maxim au fost lngro~ate, Se observa ca nu exista care pot infiuenia conducerea agresiva a ma§iniL Pentru a controla ace§ti factori
nici un caz neobi!iinuit (valorile reziduurilor standardizate ajustate fiind cuprinse avem doua opiiuni. Fie vom exercita un control In designul cercetarii, prin alegerea
Intre -1,89 ~i 2,73) !iii nici un caz influent (distantele Cook fiind cuprinse Tntre 0 ~i unui e§antion de subiecti similari (au acela§i gen de ma~ina, acela§i numar de
0,13), Daca soar fi intalnit asemenea cazuri, acestea trebuiau identificate, persoane In ma~ina, acela~i sex ~i aceea~i varsta), aspect care nu ne avantajeaza
consultand noua variabila creata §i denumita automat de SPSS coo_1, din perspectiva resurselor avute la dispoziiie, fie yom exercita un control statistic
asupra influentei acestor factori In relatia dintre trasaturile de personalitate §i
conducerea agresivaa autoturismului.
6.4. Regresia multiliniara in seop explicativ Regresia Iiniara multipla in scap explicativ, aplicata prin metoda ierarhica,
este calea principala de control statistic al influentei altor variabile asupra relatiei
Exista multe Tntrebari interesante la care se poate oferi un raspuns dintre cele de interes, In cazul dat, prin regresie ierarhica putem raspunde la
~tiintific, fara a fi interesati Ynsa de evolutia unei anumite persoane, De pilda, am Intrebarea: "influenieaza anumite trasaturi de personalitate tendinia subiectilor de a
putea studia care trasaturi de personalitate pot prezice adulterul, daca consumul conduce ma§ina In mod agresiv, in condiiiile contrplarii (eliminarii) influeniei altor
de tutun inhiba sau faciliteaza procesul de Invatare, daca stilul de personalitate factori situationali precum tipul ma~inii, caracteristicile demografice ale ~oferilor
afecteaza performanta In conducerea autovehiculelor etc, Tn toate aceste situatii etc.?",
ne intereseaza variabilele respective, care pot oferi un raspuns epistemic deosebit Drept exemplu, vom utiliza 0 baza de date ipotetica, adaptata dupa
de uti! §i nu subiectii utilizaii, pentru ca nu ne propunem sa facem anumite predic~ii cercetarea realizata de Miles §i Johnson (2003), Prin comportamentul de
concrete, precum cele Intalnite In selectia profesionala, Tn consecinta, daca In conducere agresiva se In\elege un ansamblu de practici precum conducerea
regresia de tip predictiv eram interesati, In ultima instanta, de valoarea estimata a automobilului cu viteza excesiva, inadecvata situatiei In trafic, nesocotirea unor
performantei subiectilor pe baza unei ecuatii de regresie obiinute, in cazul regresiei reguli de circulaiie de baza, nervozitate la volan asociata cu adresarea de Injuraturi
cu scopexplicativ ne intereseaza procesul In sine, fara a acorda 0 importania sau gesturi obscene celorlalti participanti la trafic, stare de surescitare sau stres
estimarii valari/or subiectilor. intens, Ace~ti autori au identificat trei dimensiuni de personalitate din Big Five care
ar exercita 0 influenta semniflcativa asupra conducerii de tip agresiv, Astfel, 0
217
'I I I I: I I 111!.Ili .I I 1 1 111':111 111:,111 il ,,111 111,111 'II,II! Ii II!II:II il 'I!' .I 'I I I I! ,I I !III:I :! 1111:111,1111,111,11, :111:111:,111'.1111,111:1111111 il ,I ,; ,,'I.u;i "IIIIIIIIUI1IIIIIIIIIrnmmIlWI. . . . IIII':III,III!ii' 1""1111."",1""11.,1111",,,1,,111,'11',',;,'11,,,",1""'1"111'"11"11111111 111111111111,1111'1111111111111111111111111111111 1111'11111111,11111111,111,111111111111111111111111,1111111111 ""1"""""1'"111"""1""1""1,"""""1,11""""11'""""1111""11"'""1111111111111,1111111,1111111,,111111,'11111111111111111
nu dovede~te existenta unei relatii cauzale, aceasta fiind demonstrabila doar prin
~on~tiinciozitate ~i 0
agreabilitate scazuta, asociate cu un riivel ridicat de apelul la metoda experimentului. Totu~i, pe baza unei analize logice bazate pe
leuroticism favorizeaza conduita agresiva la volan.
antecedenta relatiilor degenul "fumatul afecteaza grav sanatatea" §i nu "sana!atea
Daca am utiliza regresia, Tn forma sa simultana, am putea vedea care este afecteaza grav fu'ma!ul", am putea deduce de multe ori directia relatiei cauzale.
)onderea fiecaruia dintre cei trei factori, Tnsa nu am putea controla influen~a altor In cea de-a doua ecuatie, pe langa fadorii prezentati Tn primul model, va fi
:actori (ex. varsta, nivelul de educatie, sexul persoanei etc.) asupra conduitei inclus §i setul de predidori (predictorul) despre care presupunem ca influenteaza,
19resive. Prin urmare, ar exista riscul ca relatiile observate Tntre tn3saturile de de asemenea, evolutia VD.
)ersonalitate ~i conducerea agresiva a ma~inii sa se datoreze acestor variabile Pentru a realiza Tn SPSS 0 regresie ierarhica vom apela la calea:
erte, pe care nu Ie-am controlat. De aceea, pentru a vedea Tn ce masura aceste "Analyze"-"Regression"-"Linear". In Jereastra deschisa vom introduce agresivita!ea
ra~aturi de personalitate influenteaza comportamentul la volan al subiectilor Tn la volan ca variabila dependenta §i predictorii din prima ecuatie ca variabile
~onditiile eliminarii influentei altor factori asupra acestei conduite Tn trafic, va trebui independente. Apoi vom apasa butonul "Next", iar de aceasta data vom introduce
,a utilizam regresia liniara ierarhica, tehnica utilizata frecvent Tn cazul regresiei cu atat predictorii inclu§i Tn primul pas, cat §i variabilele independente de interes, Tn
,cop explicativ.
cazul dat: "agreabil", "neurotic" §i "constiin".
Ca orice regresie de tip ierarhic, ea presupune com para rea eficientei
~xplicative a cel putin doua modele ierarhice. In cazul de fata, tinand cont ca
tariabilele de control utilizate au fost sexul persoanei, tipul de ma~ina (straina sau 6.4.2. Testarea eficientei explicative a modelului propus
3utohtona), varsta ~i nivelul de educatie (superioare, respectiv medii sau
Jimnaziale), cele doua ecuatii de regresie sunt: Prin intermediul rezultatelor oferite de SPSS 11.0 §i prezentate Tn figura
6.13., vom obtine raspunsul la Tntrebarea: contribuie trasaturile de personalita!e la
~gresivitate la volan = bO + b1*Sex + b2*Tip ma~inii+ b3*Varstii + b4*Educa\ie explicarea conduitei agresive la volan Tn conditiile Tn care vom controla influenta
~gresivitate la volan ='bO + b1*Sex + b2*Tip ma~inii + b3*Varstii + b4 *Educa\ie + b5*Neuroticism +
factorilor demografici care afedeaza comportamentul ~oferilor?
J6*Agreabilitate + b7*Con~tiinciozitate
Model Summary
Daca diferenta dintre puterea explicativa a celor doua ecuatii este suficient
je mare, putem afirma ca trasaturile de personalitate influenteaza a~lresivitatea la Chanae Statistics
tolan, chiardaca eliminam influenta altor factori precum tipul de ma~ina sau R Adjusted Std. Error of R Square F Sig. F
~aracteristicile demografice ale subiectilor. Model R Square R Square the Estimate Change Change df1 df2 Change
219
!18
I' I' I, ~1I1I~lIlIImIlIlWJIIIII.IIIIII'IIII' 'III 'II
l11ultipl~, 6.R2 (delta R2 sau R2 schimbare) este de 15,7%. Toat· aceast· cre~tere a Coefficients"
puterii explicative a modelului estimativ poate fi pusa exclusiv pe seama influentei Unstandardized Standardized
celor trei dimensiuni de personalitate asupra agresivitatii la volan a ~oferilor. Coefficients Coefficients
Rezultate'similare vom sesiza ~i daca vom tine seama de valorile ajustate ale Model B Std. Error Beta t Sig.
1 (Constant) 8,605 ,818 10,524 ,000
coeficientilor de determinare multi pia.
Se poate observa, de asemenea, ca acest plus explicativ adus de GENDER 1,191 ' ,252 ~68 4,730 ,000
introducerea dimensiunilor de personalitate in explicarea agresivitatii la volan MASINA 1,509 ,256 ,336 5,901 ' ,000
VARSTA
aduce 0 schimbare semnificativa statistic, F(3, 213) =
21,20, P < .001, dupa ce
EDUCATIE
-,138
-,849
,031
,272
-,265
-,184
-4,488
-3,121
,000
,002
modelul initial, bazat doar pe factorii demografici §i tipul de ma~ina, constituia 0
2 (Constant) 10,991 ,785 14,001 ,000
solutie predictiva semnificativ mai buna decat cea bazata doar pe studiul mediei,
GENDER 1,285 ,230 ,289 5,593 ,000
F(4, 216) = 24,92, P < .001. In concluzie, de~i factorii demografici ~i tipul de ma~ina MASII\jA 1,760 ,229 ,392 7,685 ,000
contribuie semnificativ la predictia nivelului de agresivitate la volan, controland VARSTA -,123 ,029 -,238 -4,328 ,000
influenta acestor factori, dimensiunile de personalitate aduc un plus explicativ EDUCATIE -,656 ,243 -,143 -2,703 ,007
pentru nivelul agresivitatii la volan. neuroticism 6,855E-03 ,025 ,014 ,271 ,787
constiinciozitate -,324 ,054 -,305 -6,028 ,000
agreabilitate -,215 ,041 -,278 -5,314 ,000
6.4.3. Interpretarea coeficjen~iIor de regresie in analizele cu scop .
a, Dependent Variable. agreslvltatea
'
la volan
explicativ
Daca la nivel global lucrurile sunt clare, din figura 6.14 vom deduce, la Figura 6.14, Valorile coeficientiJor de regresie nestandardizati §i standardizati
nivel analitic, care dintre variabilele incluse in studiu ca predictori contribuie oferite de SPSS 11.0
semnificativ statistic la explicarea nivelului de agresivitate la volan. Pentrll a u~ura SPSS este 0 mardI Tnregistrata.
procesul de interpretare vom oferi mai intai modalitatea de codare a raspunsurilor
utilizata in acest caz:
Gender (1- barbat; 0 - femeie); Ma§ina (1- s!raina; 0 - d~ fabrica\ie autohtona); Vars!a . Daca vom analiza rezultatele obtinute din cea de-a doua ecuatie de
(variabila numerica exprimata in ani); Educa\ie (1 - studii superioare; 0 - studii medii sau regr~sle, vom observa ca singura variabila care nu contribuie semnific~tiv la
gimnaziale); Neuroticism (variabila numerical; Con§tiinciozitate (variabila numerical; expllcarea agresivitatii la volan este dimensiunea neuroticism, b == 0,0068 (in SPSS
Agreabilitate (variabila numerical; Agresivitate la volan (variabila numerical·
apare. ,su~ for~a 6,8E-03). Toti ceilalti indicatori sunt factori care influenteaza
semm,flcatlv nlvelul agresivitatii lavolan. Mai mult, datorita utilizarii m~todei
Pentru to ate scalele numerice, un rezultat ridicat indica un nivel crescut al
variabilei respective. lerarh,l.ee,. ~utem concluziona ca dimensiunile de personalitate agreabilitate §i
Se constata ca programul ofera valorile coeficientilor de regresie pentru
con~tllnel~zltate ~~~tri~uie semnificativ la explicarea conduitei agresive a ~oferilor
ambele modele. in primul model, toti cei patru predictori: sexul persoanei, tipul de la volan, In condlt"le In, care au fost eliminate influentele determinate de varsta
ma~ina, varsta ~i nivelul de educatie iau valori semnificative statistic, fapt ce poate ~e~ul,. nivelul de educatie ~i tipul ma~inii. Cu alte c~vinte, in conditiile Tn car~
fi interpretat ca fiecare dintre ace~ti factori contribuie semnificativ la explicarea rntalnlr~ pe.rsoane care au aceea~i varsta, sunt de ~cela~i gen, au acela~i nivel de
evolutiei variabilei dependente. Fiind mai putin interesati de estimarea agresivitatii educatle ~I au acela~i tip de ma~ina, dar care difera in privinta trasaturilor de
la volan, ci mai mult. de prezenta sau absenta unui efect in sine, in regresiile cu
pers?~alit,ate, vor avea. un nivel diferit de agresivitate la volan. Val~rile negative ale
scop explicativ accentul se muta dinspre coeficien\ii nestandardizati, dependenti de coeflclentllor de regresle asoclate acestor do; predictori semnaleaza ca persoanele
scale Ie de masurare utilizate, spre coeficientii de regresie standardizati. Astfel, in care au un nivel scazut de con§tiinciozitate ~i agreabilitate vor avea tendinta de a
ceea ce prive~te primul model se obserya ca, mai ales barbatii, foarte tineri, cu un adopta un comportament mai agresiv deciit persoanele care nu au 'aceste
nivel de educatie mai scazut ~i posesori ai unor ma~ini din import sunt cei mai
~aracteristici P~ihologice, ch.i~r. in conditiile Tn care eliminam (\inem constanta)
susceptibili sa conduca agresiv automobilul. Dintre predictori, se pare ca tipul de
Influenta factonlo:. demografici asupra aeestei conduitei la volan. Din punctul de
ma~ina exercita cea mai mare influenta (~:= .33), in timp ce nivelul de educatie vedere al pondem acestor efecte asupra variabilei dependente se constata ca tot
contribuie eel mai putin (~ := - .18) la estimarea tipului de comportament adoptat la tlpul ma~inii contribuie eel mai mult la estimarea agresivitatii la volan (13 := .39).
volan.
221
??O
,11:,11 I ! I I Illill,111 II,il!I!'I:,I,II" Iii il !II:I, II: 11'111, 111,:111111::111111:111111111 !I 'i I:
222
223
In directie opusa, eroarea de specificare poate aparea prin includerea Tn eliminata sau redusa foarte mult. In schimb, eroarea de masware aleatorie. tine de
model a unor predictori care nu ar fi trebuit introdu~i, deoarece ei nu relationeaza caracteristicele psihometrice ale instrumentului utilizat, Tn special de fidelitatea
cu criteriul. Totu~i, aceasta situatie este mai putin grava decat prima, deoarece ea probei, dar ~i de unele deficiente in codarea sau tehnoredactarea bazei de date.
poate fi remediataprin eliminarea predictorului care nu contribuie semnificativ la Efectul acestui tip de eroare asupra coeficientilor de regresie este diferit,
estimarea evolutiei criteriului, urmata de 0 naua analizare a madelului predictiv, daca eroarea apare Tn cazul criteriului sau Tn cazul predictorilor. Daca criteriul
fara variabila Tn cauza. In sfar~it, un alt caz al erorii de specificare este cel Tn care, utilizat are 0 fidelitate redusa, scade. corelatia acestuia cu predictorii, fapt ce
de~i au fast selectati predictorii relevanti, modelul unei regresii liniare nu este cel afecteaza atat valorile coeficientilor de regresie, cat ~i valoarea coeficientului de
adecvat. ModeluC regresiei liniare porne!?te de la premisa unei relatii liniare Tntre determinare multi pia, afectand astfel eficienia predictiva a modeluluL Prin urmare,
predictori ~i criteriu ~i de la ,un model adltiv al efectului pe care-I au ace~ti predictori criteriul utilizat ar trebui sa aiba 0 consistenta interna cat mai ridicata, daca nu chiar
asupra modelului de estimat. in consecinta, daca utilizam regresia liniara, Tn 1. De aceea, recomand evitarea folosirii pe post de criteriu a ace lor variabile care
conditiile Tn care nu exista a relatie de liniaritate Tntre fiecare predictor ~i criteriu, au 0 consistenta interna sub ,80, Tn cazul utilizarii regresiei in scop predictiv,
respectiv Tn cazul Tn care exista 0 situatie de multicoliniaritate Tntre predictori, respectiv de .70, Tn cazul utilizarii regresiei Tn scop explicativ. In cazul exemplului
datorita unei corelatii ridicate Tntre ace~tia, vorbim tot de 0 eroare de specificare. dat, criteriul ales, performanta obtinuta Tn vanzari, nu ridica probleme, deoarece
In plan tehnic, situatia unei erori, de specificare conduce la obtinerea unar eroarea de masurare aleatorie este absenta, singurele probleme putand aparea
coeficienti de regresie distorsionati sau instabilL De asemenea un alt indiciu consta din deficiente Tn Tnregistrarea co recta a datelor.
Tntr-o valaare scazuta a coeficientului de determinare multipla (R'). Totu!?i, nu orice Daca eroarea de masurare apare Tn cazul predictorilor, efectul este ceva
R2 scazut indica 0 problema de eroare de specificare, deoarece 0 asemenea mai putin gray, dar prezent. Intr-o asemenea situatie, daca variabila Tn cauza nu
valaare se poate datora unui alt factor, precum includerea Tn model a unor coreleaza cu ceilalti predictori, va fi afectata doar valoarea\ coeficientului de
predictori cu 0 consistenia interna scazuta (implicit a eroare de masurare ridicata), regresie corespunzator variabilei respective insa daca variabila coreleaza §i cu
fapt des Tntalnit Tn ysihologie, prin utilizarea scalelor ca modalitati de evaluare a ceilalti predictori, vor fi afectati, Tntr-o anumita masura, toti coeficientii de regresie,
diferitelor variabile. De aceea, cazul erarii de specificare datorat neincluderii unor Modul Tn care sunt afectati ace!?ti coeficienti nu este foarte clar, de aceea se
variante relevante poate fi detectat doar pe baza unei teorii solide existente cu recomanda utilizarea unor instrumente cu calitati psihometrice cat mai bune,
privire la evolutia criteriuluL in schimb, cazul includerii un or variabile irelevante este
mult mai u!?or de detectat prin consultarea valarilor t corespunzatoare fiecarui
coeficient de regresie. Daca aceasta valoare nu este semnificativa statistic, 6.5.3. Eroarea reziduala cat mai mica
Tnseamna ca variabila respectiva nu contribuie la estimarea evolutiei criteriuluL 0 Prin termenul reziduuri se define§te diferenta dintre valoarea obseniata a
alta modalitatede evaluare este _aceea de a campara valorile ajustate ale lui R2, iar criteriului ~i cea estimata prin utilizarea ecuaiiei de regresie, A!}a cum am precizat,
daca nu se constata diferente Tntre modelul care include ~i cel care exclude cu cat aceasta diferenta este mai mica, cu atat modelul este mai bun In estimarea
variabila Tn cauza, Tnseamna ca aceasta poate fi eliminata din modelul predictiv. evolutiei criteriului. Totu~i, datorita unor aspecte matematice care nu vor fi
discutate aici este de dorit ca aceste reziduuri: (1) sa aiM media egala cu zero;
(2) sa Indeplineasca condiiia de homoscedasticitate, avand aceea~i dispersie pe
6.5.2. Evitarea erorii de masurare
intreaga amplitudine a predictorilor; (3) sa nu coreleze cu alte reziduuri sau cu
Din pacate, Tn psihologie, ca ~i in alte domenii alte ~tiintelor socia Ie, nu predictorii; (4) sa aiM 0 distribuiie normala (Licht, 1995). Se pare ca Tncalcari
putem masura direct constructul dorit, citrebuie sa ape lam la 0 serie de indicatori. moderate ale acestor conditii nu influenteaza foarte mult eficienta modelului
De exemplu, utilizam un test de inteligenta pentru a masura nivelul intelectual sau predictiv.
utilizam 0 scala de agresivitate pentru a masura magnitudinea acestei trasaturi. Nu
intotdeauna exista 0 corespondenta Tntre valoarea indicatorului ~i valoarea reala
(latenta) a constructului teoretic respectiv. Acea diferenta po ate fi denumita eroare 6.5.4. Evitarea multicoliniaritatii
de masurare. Ea este de doua feluri: sistematica ~i OIleatoare. Primul caz apare Tn Sub aceasta denumire este specificata Tncalcarea conditiei ca predictarii
situatia in care instrumentul utilizat pentru a masura acel concept masoara ~i ale~i pentru estimarea evolutiei criteriului sa nu coreleze prea puternic Tntre ei. Prin
altceva, aparand 0 problema de validitate de construct. 0 asemenea situatie este urmare, nu se poate pune problema prezentei sau abseniei multicoliniaritatii, ci
tin uta sub control prin studiile de validare a instrumentelor utilizate, de aceea, Tn
situatia utilizarii unor instrumente adecvate !?i validate, aceasta eroare este
224 225
_ _ _ _ _ _ _ _ 111'11111111'11111111'1111111111111111111111:11111 1111111111 11111 11111'11111 111111 11111 illll: I, II,: 1111: 1111 IIIII'IIIIJIII:III ~I: :11111:11111111111::1111111111111111:111:11111111',1111111I'III! 1111'1111 IIII! 1111 'III: 1111111111 11111:1111 1111111111 11111:1111111111111111111111111 '111111111111111111111111111111'111111 1111111 111111 1111111 111111:111111 IIIII! 11111 1111111111: 11111,1111111111111111111111111111 '11 11 'III
"
doar a prezentei ei intr-un grad mai mare sau mai mic, in functie de corelatia testa rea mai multor subiecti. Tn fine, alii autori recomanda eliminarea uneia dintre
existenta intre predictorL variabilele care coreleaza prea puternic cu alte variabile.
Efectul unei multicoliniaritati crescute consta in cre~terea probabilitatii de a SPSS-ul ofera posibilitatea unui diagnosticcu privire la nivelul de
obiine coeficienii de regresie nesemnificativi statistic pentru una dintre variabilele multicoliniaritate prin bifarea optiunii in cauza disponibila prin accesarea butonului
care coreleaza puternic, deoarece aceasta problema afecteaza valorile t asociate ,;Statistics", urmand calea "Analyze"-"Regression"-"Linear".
acestor coeficienti, din cauza dificull<3tii de a decela efedele fiecarei variabile
asupra ~riteriuluL Din aceasta perspectiva, cre~te riscul de a comite eroarea de tip
6.5.5. EXistenta unor relatii de tip lini~lr §i aditiv
II. Indiferent de scopul utilizarii regresiei, problema unei rTjulticoliniaritati ridicate
este foarte grava. Astfel, Tn cazul utilizarii regresiei Tn scop predictiv, problema Prin liniaritatea unei relatii se intelege ideea ca Tntre fiecare predictor ~i
principala consta Tn instabilitatea coeficientilor de regresie, fapt ce conduce la criteriu exista 0 relatie de tip liniar, adica valoarea coeficientului de regresie se
dificultatea de a generaliza coeficientii respectivi ~i de a-i utiliza pe un alt lot de mentine constanta la orice nivel al predictorului. Astfel, daca b pentru extroversiune
subiectL In schimb, Tn cazulutilizarii regresiei Tn scop explicativ, problema capitala este 24,47, performanta unui individ Tn vanzari cre~te cu 24,47 EURO in situatia in
consta Tn dificultatea de a decela efectul fiecarui predictor implicat asupra evolutiei care el a obtinut 3 puncte la scala de extroversiune fata de unul care a obtinut 2
criteriului (variabilei dependente). Detectarea unei situatii de multicoliniaritate se punde la aceasta proba. Aceasta diferenta, de 24,47 EURO, se mentine ~i in
poate face simplu prin realizarea unei corelatii intre fiecare pereche de predictori compararea unei persoane care a obtinut, sa zicem 21 de puncte, fata de 0 alta
inclu~i in studiu. Daca exista vreo corelaiie foarte ridicata, sa spunem, peste .70, care a obiinut 20 de punde. Mai multe informaiii des pre ce inseamna 0 relaiie
am putea intui 0 problema de multicoliniaritate ce trebuie rezolvata. SPSS-ul ofera liniara pot fi citite in sectiunea 1.3.2. din capitolul introdudiv, cand am tratat
alte doua modalitati de diagnosticare a unei multicoliniaritati ridicate prin indicatorii problema reprezentarii grafice a norului de puncte.
VIF (Tn engleza "variance inflation fador"), respediv toleranta (1N1F). Daca valorile Prin relatia aditiva se intelege ideea ca nu exista un efect de interactiune
V1F sunt peste 10, iar cele ale toleraniei sunt sub 0,10, avem de-a face cu 0 intre doi predictori, cu alte cuvinte, ca efedul unui predictor asupra criteriului nu
problema grava de incalcare a conditiilor de utilizare a regresiei, datorita unei este dependent de valoarea unui alt predictor. Daca acest lucru se Tntampla, este
multicoliniaritati ridicate. Unii autori propun chiar praguri mai joase, astfel incat 0 incalcata ideea de aditivitate ~i trebuie sa se tina seama de interactiunea dintre cei
valoare VIF de 5 sau 0 toleranta sub 0,20, poate indica probleme in estimarea doi predictori, ca efect suplimentar Tn estimarea evolutiei criteriului.
co recta a modelului de regresie datorita multicoliniaritatii (Field, 2000). Pentru detectarea situatiilor de relatH neliniare sau non-aditive cea mai
Efectul prezentei unei multicoliniaritati ridicate este vizibil Tn exemplul buna solutie este de ordin teoretic. Daca ne a~teptam ca relatia dintre anumiii
urmator, al unei regresii in scop explicativ, in care avem trei predictori. Sa luam ca predidori ~i criteriu sa fie neliniara sau sa existe 0 interactiune Tntre predictori care
valori de exemplu f3 de .80, .30 ~i .30. La 0 prima vedere am putea afirma ca primul poate explica evolutia criteriului, este bine sa se specifice aceste lucruri inca din
predictor are 0 influenta mai mare asupra criteriului decat ceilalti doL Totu~i, formularea modelului predictiv.
aceasta situatie se poate datora unei corelatii puternice intre ultimii doi predictori. Sa presupunem ca avem doi predictori intr-o ecuatie de regresie. Daca ne
Astfel, daca am elimina unul dintre ei, valorile f3 pentru cei doi predidori rama~i ar fi a~teptam ca ecuatia sa indeplineasca ambele cerinte, atunci ea are forma simpla
.70 ~i .66. In asemenea conditii nu ar mai fi foarte clar care dintre predictorii luaii in de:
considerare are 0 influenia mai mare in explicarea evolutiei criteriuluL Acest
exemplu vine in sprijinul ideii de' a interpreta Tn termeni relativi diferentele Criteriu = bO + b 1*Criteriu_1 + b2*Criteriu_2 (1 )
observate Tntre coeficientii standardizati de regresie, deoarece ace~tia pot suferi in
situatii de multicoliniaritate. Daca ne a~teptam ca ecuatia sa nu fie liniara, ci curbilinie, in cazul predictorului 1,
Pentru a elimina situatia de multicoliniaritate sunt disponibile cateva solutii. dar liniara Tn cazul predidorului 2, atunci ea are forma de:
Una dintre ele vizeaza cre~terea numarului de participanti Tn studiu, cunoscandu-
se tendinta ca valoarea coeficientului de ~orelatie dintre doua variabile sa scada 0 Criteriu =bO + b11 *Criteriu_1 + b12*Criteriu_12 + b2*Criteriu_2 (2)
data cu cre~terea volumului e~antionului. 0 alta posibilitate consta in combinarea
variabilelor care coreleaza puternic, fie prin alcatuirea unui scor compozit, fie prin Daca ne a~teptam ca ecuatia sa fie liniara, dar nu ~i aditiva, atunci ea are forma
reducereadatelor ca urmare a analizei componentelor principale. Prin aceasta de:
ultima solutie se va pierde insa posibilitatea de a desprinde efedele separate ale
variabilelor care coreleaza puternic insa se ca~tiga. timp ~i bani, nefiind nevoie de Criteriu = bO + b1*Criteriu_1 + b2*Crileriu_2 + b12*CrileriuU*Criteriul_2 (3)
226 227
"111,1111,111,1111,111"111,1 II !III!I' 'III 111'1111 '11' III"II! 1II'.!11
Prin urmare, efectul de aditivitate poate fi observat prin includerea unei performanta); ~i nivelul de familiarizare cu un material tiparit (cate litere cunoa~te
varia bile suplimentare care se obtineprin produsul celor doua variabile aflate Tn copilul deja, aspect ce poate ascunde diferente socio-demografice). .
situaii e de interactiune (mai multe detalii sunt prezentate Tn sectiunea 6.7.2., Tn Pentru a masura cei doi factori: viteza de pronuntare, respectiv abilitatea
timp ce relatia de non-liniaritate poate fi tratata printr-o ecuatie liniara, dupa fonetica (abilitatea de a emite ~i manipula sunete) s-au utilizat mai multe probe,
includerea unei variabile reprezentate de patratul predictorului care incalca relatia care au fost supuse ulterior wnei anal.ize a componentelor principale, rezultand fn
de liniaritate cu criteriul. final doua scoruri, cate unul pentru fiecare predictor. Pentru a facilita interpretarea
Detectarea statistica a urlOr asemenea relatii, atunci cand teoria nu ne datelor, trebuie sa precizam ca rezultatele ridicate indica performan\e superioare.
ajuta la estimarea tipului de relatie fntre variabile, se poate face printr-o metoda Tn acest exemplu, ca, de altfei·, fn arice eeuatie de regresie utilizata Tn seap
. eleganta, dar costisitoare ca resurse de subiectL De exemplu, pentru a detecta predictiv, se precizeaza cateva elemente esentiale Tn sectiunea de analiza a
situatia de rion-liniaritate se poate fmparl) lotul de subiecti Tn trei sau patru datelor: .
categorii, pe baza rezultatelor obtinute la criteriu. Spre exemplu, yom alege grupa • precizarea intr-un paragraf a tipului de analiza intreprinsa (ex. regresie
subiectilor cu perforniante superioare, cu performante medii, respectiv cu multiliniara ierarhica), alaturi de justificarea alegerii facute; fn plus, se
performante inferioare Tn vanzari. Daca atat interceptul, cat ~i coeficientii de poate face 0 precizare scurta legata de respectarea sau nerespectarea
regresie rezultati nu difera foarte mult Tn cele trei cazuri Tnseamna. ca exista 0 conditiilor de baza necesare pentru aplicarea acestei tehnici;
relat ie liniara Intre ansamblul de predictori ~i criteriu. in schimb, daca sunt diferente • precizar~a, intr-un alt paragraf, a predictorilor, a criteriului ~i a modului Tn
foarte mari Tntre ace~tia (ex. b pentru extroversiune variaza Tntre 2,33 ~i -4,11), care au fost introdu~i ace~tia;
atunci am putea sesiza 0 relatie dar neliniara. in SPSS, acest lucru po ate fi testat • prezentarea unui tabel sumar a indicatorilor descriptivi ~i a matricei de
mai simplu, cerand calculatorului sa ne prezinte valoarea coeficientului de corelatii intre variabilele incluse Tn model, conform standardelor APA, dupa
determinare multipla Tn situatia unei relatii liniare, respectiv a unei relatii neliniare. modelul oferit de Nicol ~i Pexman (1999);
fn cazul Tn care R2 asociat modelului neliniar este semnificativ mai mare dedit cel • prezentarea fntr-un tabel sumar a coeficientilor standardizati de regresie
asociat modelului liniar putem presupune existenta unei relatii neliniare. pentru fiecare predictor fn parte, cat ~i a valorilor coeficientilor de
Pentru detectarea unei situatii de interactiune poate fi utilizata metoda determinare multi pia aferenti modelului estimativ propus; acest lucru se
regresiei ierarhice; astfel, daca diferentele dintre cele doua valori F asociate poate face utilizand acelea~i recomandari APA prezentate Tn Nicol ~i
modelelor 1 ~i 3 prezentate mai sus sunt semnificative statistic, putem trage Pexman (1999), cu precizarea ca, fn cazul regresiilor in scop predictiv,
conciuzia existentei unui efect de interactiune fntre cei doi predictori care trebuie precizate, suplimentar, valorile coeficientilor nestandardizati de
influenteaza evolutia criteriuluL regresie ~i eroarea standard de masurare a acestora;
• interpretarea pe scurt a rezultatelor obtinute (0 analiza cantitativa).
in cazul exemplului de fata, textul din sectiunea de analiza a datelor ar
6.6. Exemplu de regresie multipJa Iiniara - cazul citirij putea lua forma urmatoare:
Tabel cu indicatorii descriptivi :;;i matricea de corelatii Tntre variabilele implicate Tn model
fntr-un studiu realizat de Kirby, Parrilla ~i Pfeiffer (2003) s-a urmarit (c1asa a II-a)
identificarea influentei unor structuri cognitive asupra deprinderii cititului. Mai Variabila M AS 2 3 4 5
concret, s-a studiat rolul pe care-I are viteza de pronuntare ~i abilitatea de a emite Performanta de recunoa:;;tere a 39.90 18.70. .16 .11 .45 ** .31 ** - .20 *
~i manipula sunete Tn performanta de citire a unui text Studiul nu are doar valente cuvintelor
de cercetare fundamentala, ci urmare~te un aspect aplicativ esential: identificarea, PREDICTORI
Tnca din gradinita, a copiilor susceptibili sa sufere de dislexie (dificultati de citire). 1. Nivel intelectual - probe verbale 12.90 2.88
Autorii au studiat aceste efecte pe parcursul mai multor ani. Noi ne yom rezuma la 2. Nivel intelectual - probe de 6.40 2.21 .57 ** --
rezultatele obtinute de copii la proba de. citire fn ciasa a II-a ~i la 0 singura variabila performanta
dependenta - capacitatea de recunoa~tere a cuvintelor la testul standard Gates- 3. Familiarizarea cu materiale tiparite 35.20 17.90 .49 ** .21 •
MacGintie Reading Comprehension Test 4: Abilitatea fonetica 6.50 5.69 .18 * .23 • .36 **
Pentru a izola influenta celor doi factori a fost necesar controlul altor 5. Viteza de pronun\are 42.20 11.53 .06 .20 * .15 - .02
catorva variabile, ce pot afecta capacitatea de a citi. Variabilele controlate au fost: * P < .05; ** P < .01
nivelul de dezvoltare. intelectuala (apreciat atat prin probe verbale, cat ~i de.
229
228
'I III' !I! !II'!II il ! 1111 IIIIIJIIIIIIJILlIlILIIIIJIIUIIIIlIIIlc'IIIIIIIIIILlIIII'IIIIUIIIILlI1IIIIIIILlIIILIIIII!llIlIIIIUIIIIIIIIILlIII! 1IIILlIIIUIUIII IIIUIIi 1111 !lIli 1111111111111'1111,1111111111'1111111111111111111111111111111111II 11"""'"IIIII! 11111 ,11111 11111'11111 1111111111 1111111111111111111111 III Ii 1"1""1'""1""11,1""""1'""1'"""""'""1,""1""11""1""1'""1JIII,IIIIUIIII.IIII.,M
_ _ _ _ __
230
231
• alegerea celei mai bUlle modalitati de regresie: simultana, ierarhica etc; etecte izolate, pot fi- denumite efecte simple, fiind analoge efectelor simple din
• selectarea predictorilor relevanti ·pentru estimarea evolutiei criteriuiui ~i, tehnTcile ANOVA.
daca este cazul, a ordinii de introducere a acestora Tn model; Astfel, daca fntr-un design ANOVA factorial de tip 2x3, rezultau trei valori F
• interpretarea per ansamblu a eficientei modelului; (FA, FB, FAB), Intr-o regresie de tip ciasic, factorul interactiune nu poate fi
• interpretarea coeficieniilor de regresie din perspectiva ipotezelor formulate; detectat, deoarece ecuatia de regresie, Tn forma standardizata este:
• verificarea Indeplinirii conditiilor de aplicare a regresiei pentru a ne asigura
ca valorile gasite nu sunt distorsionate gray. (6.4)
Pentru a putea masura §i cel de-al treilea efect, cel de interaciiune, ecuatia
6.7. Directii de evolutie ale regresiei de regresie ce tre.buie testata devine:
232 233
!II' ,III 1111 I! il , 1111 1111 II 111I I I illl IIIII! !IIIIIJII! '11111 illlllllill ,1111111111: 11111,1111 1 11111 !IIIIIIIIIII !IIIIIIIIIII ,IIIIIIIIIIIIIIII~ 111111111111 !IIIIIIIIII! :11111 111111 IIIII! illill 111111111111 111111 !IIIII: 111111 ,11111 1111111 :1111 !III: .1111, IIIII:IIII! 11111, :11111 11111 ,11111'1111: 11111111111111: 1111, ,III! !III I111 '!II, 1111 I I III ____'.,1,,1111111"111,11111111'1111'11111'11111111',1111 !IIII 1111'11111 ,IIII! 111'11111 11111'11111 """"'", "",11""11"""""'""""""",111""",,,,"""1111111'1111111111111111'1111111111,11111111111111111111""""11""""'111""""",,""""11"""11"11'"II 111111 11111 ,11111 """""" 111111 111111,111111 11111" llilli 11111,111111 11111,,11111 1111 """","""1"""""'"'",""1""""""'111,""'""",,,:""'11""""111",,,,111,,11,'
l
X Y X*Y X - X mediu Y-Y mediu {X - X mediu)(Y - Y mediu) Stres = bO + b 1*Grad de solicitare
3 5 15 -1 0 0
2 6 12 -2 ··2 Aceasta poate fi calcl:llata pentru fiecare tip de interventie psihologica:
5 3 15 -2 .. 2
2 4
III Sires 1 = bO + b1*Grad de solicitare (grupul de subiecti supu§i consilierii psihologice)
6 7 42 2
1 5 5 -3 0 0 Stres 2 = bO + b 1*Grad de solicitare (grupul de subiecti ce a urmat acasa exercitii de
-1 .. 3 relaxare) ,
7 4 28 3
I Sires 3 = bO + b1*Grad de solicilare (grupul de control)
X mediu = 4; Y mediu = 5
Cand se poate masura acest efect de interactiune? Daca valorile pantei de regresie, adica ale lui b1, sunt asemanatoare
In mod normal, efedul de interactiune poate 'fi evidentiat, daca ambele Inseamna ca nu exista un efect de interactiune determinat de tipul de interventie
varia bile sunt de tip numeric, masurate fie prin scale de proportii, fie prin scale de psihologica propusa. Totu§i, 0 asemenea abordare descriptiva are un grad ridi~at
interval. Unii autori recomanda evitarea masurarii efectului de interactiune Tn cazul de subiectivitate, nefiind prop ice analizei de regresie (ex. nu ne putem da seama
In care variabilele sunt de tip ordinal Insa distorsiunile determinate de includerea davca b1 de 1,53, fata de un b1 de 1,82 este diferit sau nul. Tn consecinta, pentru a
unei asemenea variabile nu sunt foarte mari. Fara a intra In. detalii tehnice, yom fi masura efectul de interactiune, ecuatia de mai sus nu este adecvata.
de acord cu pozitia adoptata de Jaccard, Turrisi §i Wan (1990) care afirma ca . ~ici ~acar. 0 ecuatie care sa masoare efectul simplu al variabilei tip de
includerea unor predidori masurati prin scale ordinale Tn analiza de regresie este '"terventle pSlhologlca asupra stresului nu' estepropice pentru a vedea daca exista
Tn sine un fapt controversat, iar analiza efectelor de interactiune dintre variabilele Tn un efect de interactiune:
care cel ~ putin una este masurata prin scala ordinala nu este cu nimic mai
controversata decat analiza efectelor simple. Prin urmare, daca cercetatorul va Sires =bO + b1 *Grad de solicitare + b2*Dummy Consiliere + b3*Dummy relaxare
decide sa-§i asume riscul obtinerii unor rezultafe distorsionate, prin includerea Linor
variabile masurate prin scale de tip ordinal, va putea analiza §i efectul de . . 0 asemenea ecuatie de reg res ie, In care valoarea de referinta pentru
interactiune dintre acestea, asumandu-§i acelea§i riscuri. vanablla dummy este constituita de grupul de control, ne ofera posibilitatea de a
Tn schimb, variabilele de tip categorial transformate In variabile de tip raspunde la Intrebarile daca gradul de solicitare contribuie semnificativ la nivelul de
dummy pot fi supuse unei analize a efectelor de interactiune,Tn conditiile In care stres. p~rceput 1~.lo~UI de munca, respectiv daca tipul de interventie psihologica
una dintre varia bile este masurata prin sc~e de tip' interval sau proportii. Daca contnbUie semnlflcatlv la nivelul stresului perceput la locul de munca. Ea nu ne
ambele variabile interactionate sunt de tip categorial se prefera Insa 0 alta p~rmite. Ynsa sa vedem dad§ efectul tipului de interventie psihologica asupra
abordare, prin apelulla metoda clasica a tehnicilor ANOVA. nlvelulUl de stres perceput este acela§i, atat la oameni care au un grad de
Un exemplu de masurare a efectului de interactiune dintre 0 variabila solicitare profesionala ridicat, cat §i la oameni care au un nivel de solicitare
numerica §i 0 variabila de tip dummy poate fi sesizata In exemplul urmator: profesionala scazut.
. Prin urmare, pe langa variabilele masurate direct, se creeaza alte doua
Un cercetator dore~te sa observe in ce masura rela\ia dintre volumul de munca variabile pentru a sesiza efectul de interactiune Tn.tre variabilele dummy §i variabila
(gradul de solicitare) al angajatilor ~i stresul profesional p-erceput de ace§tia este ce viza gradul de solicitare profesionala.
moderata de participarea acestora in cadrul un or programe de consiliere
psihologica. Sa presupunem ca exis~a trei loturi de subiec\i: 0 parte 'care au urmat Sires = bO + b1 *Grad de solicilare + b2*Dummy Consiliere + b3*Dummy Relaxare +
§edin\e de consiliere cu psihologul companiei, 0 parte care a primit instructiuni b4*Grad de solicitare* Dummy Consiliere + b5*Grad de solicilare* Dummy Relaxare
pentru efectuarea unor exerci\ii de relaxare acasa §i un grup de control. Daca nu
exista un efect de inleractiune inlre tipul de interven\ie pSihologica urmata §i gradul Daca exista 0 singura variabila dummy, ca In cazul variabilei "sexul
de solicitare la locul de munca asupra stresului perceput, ar Tnsemna ca interventia persoanei", efectul de interactiune implica' includerea unei singure variabile
psihologica nu are un rol moderator Tn rela\ia dintre cele doua.
235
234
1111111111"1111111111111111,1111 11111 IIIhlllll 1111"1111 111' '11'111 ,11,,11 '!'! III"II! ,I ,,'II 'i,,1 11'1'1 11'1111111' "'1 ,i" 1111 '1111 '111 1111 ,III' 1111 ,III 1111 Ill' 'n: III: :111, 1111 ,II 111111U1111UII I, 1111 ,1111 1111 1111 :111 1III Ill' 1III 1II1 :11 I :11 ,Ill 1111 11111 :llllllllllllllllltIIIIIIJIIIIIWIIIII~IIIIIWIIIIIWIIIIWIII111,111111 '11111 1111, III: III l' 11,lli'II'I","m'II'I',I!I',I,I' 11,'1"['11','1',',' 11:111111 111,'11 111','111 11','11'111 1'111'11'11' ,11"1111"1' 11"II',il 11"Il,'I'I'lIlII,IIIIIlIII"1',11,11'1'
" "
suplimentare, fala de modelul dasic, al efectelor simple, la fel ca in ecuatiile de mai intensitatea cu care se modifica criteriul atunci cal1d nivelul de solicitare cre~te cu 0
jos: unitate, in conditiile in care ceilalti predictori iau valoarea zero. Concretizand, yom
spuneca b asociat nivelului de solicitare in munca ne arata cu cat se modifica
Stres = bO + b1 *Grad de solicitare + b2*Dummy Sex (1) stresul perceput atunci cand nivelul de solicitare cre~te cu 0 unitate, in conditiile in
SIres = bO + b1 *Grad de solicitare + b2*Dummy Sex b3*Grad de solicitare*Dummy Sex (2) + care sexul persoanei ia va loa rea zero, adica in cazul subieCiilorde sex feminin. Tn
cazul variabilei sexul persoanei, interpretarea devine: b indica diferenia dintre
Cum se poate cunoa§te daca exista un efect de interac!iune? stresul perceput de femei ~i barbati atunci cand nivelul de solicitare in munca ia
Metoda obi~nuita de verificare a prezeniei sau abser)tei acestui efect este valoarea zero.
regresia ierarhica, prin compararea modelelor estimative care indud sau nu efectul Se impun doua precizari. In cazul interpretarii efectelor simple in regresii
de interaciiune. De exemplu, daca ecuaiia notata cu unu ar avea un R2 = .23, iar care indud efecte de interaciiune, b nu indica valoarea cu care se modifica criteriul
cea notat-cu doi ar avea un R2 = .31, atunci diferenia de .08, adica 8% din atunci cand predictorul respectiv cre~te cu 0 unitate, indiferent de nivelul celorlalii
dis persia variabilei criteriu, este pusa pe seama efectului de interaciiune. Aceasta predictori, ci arata modul in care se modifica criteriul atunci cand predictorul
cre~tere ce reprezinta marimea efectului variabilei interaciiune este semnificativa asociat cre~te cu ounitate, in conditiile in care ceilalii predictori iau valoarea zero.
statistic daca F schimbare (In engleza "F change") asociat acestei diferente Deosebirea apare, deoarece valorile b nu sunt constante pe toata amplittldinea
explicative intre cele doua modele este semnificativ statistic. Cu alte cuvinte, daca predictorilor cu rol moderator, ea fiind calc,ulata doar in situatia in care ace~tia iau
F schimbare de la modelul 1 la mode lui 2 ar avea 0 valoare de genul F(1, 134) = valoarea zero. Uneori valoarea are 0 semnificaiie reala, ca in cazul variabilelor
8.29, p < .01, am putea afirma ca exista un efect de interactiune intre cei do; dummy, Tn care cota 0 indica prezenta subiec\ilor de sex feminim, in alte situatii
predictori, care aduce un plus explicativ evoluiiei criteriului. insa ea nu are 0 semnificaiie reala, precum se intampla in cazul nivelului de
solicitare Tn munca, ale carui valori sunt cuprinse intre 1 §; 15.
Cum se interpreteaza coeficien!ii corespunzatori unui efect de Cea de~a doua precizare se refera la interpretarea acestei valori zero, in
interac!iune? functie de tipul ,de metoda adoptata in obtinerea variabilei interactiune. Daca se
Interpretarea efectelor simple folose~te metoda dasica, bazata pe produsul valorilor variabilelor de interactiune,
In cazul regresiei clasice, in care nu erau incluse efectele de interaciiune, zero nu are 0 semnificatie speciala insa daca se folose~te metoda centrata,
interpretarea coeficieniilor b sau ~ se facea simplu. De exemplu, coeficientul b valoarea zero reprezinta, de fapt, media variabilelor interactiune. Intr-o asemenea
corespunzator gradului de solicitare in munca indica nivelul de modificare al situatie, interpretarea initiala a lui b (nivelul cu care se modifica criteriul atunci cand
criteriului (al stresului perceput) atunci cand gradul de solicitare cre~te cu 0 unitate predictorul asociat se modifica. cu 0 unitate in condiiiile in care ceilalti predictori iau
in conditiile eliminarii influentei variabilei "sexul persoanei". Cu alte cuvinte, valoarea zero) devine nivelul cu care se modifica criteriul atunci cand predictorul
coeficientul arata cum se mOdifica stresul atunci cand nivelul de solicitare in munca asociat se modifica cu 0 unitate, iar ceilalV predictori iau valori medii. Din aceasta
cre~te cu 0 unitate, pastrand la valori constante ceilalti predictori. Similar, perspectiv<3, interpretarea i~i pierde sensul avut Tn cazul' variabilei sexul persoanei
coeficientul ~ indica nivelul de modificare al stresului, exprimat in abateri standard, (Tn care valoarea medie nu semnific<3 nimic) ins<3 ca~tiga in relevanta in cazul
atunci cand nivelul de solicitare in munca cre~te cu 0 abatere standard, Tn conditiile variabilei nivelul de solicitare in munca, fiind yorba de 0 interpretare facuta la un
pastrarii constantea celorlalii predictori. nivel mediu de solicitare in munc<3. De aceea, alegerea modului de construire a
De asemenea, b corespunza!or sexului persoanei indica valoarea cu care variabilei interactiune P9ate tine seama ~i de u~urinta interpretarii rezultatelor in
se modifica stresul perceput atunci cand variabila se modifica cu 0 unitate, in funetie de metoda aleasa.
condiiiile in care nivelul de solicitare in munca ia valori constante. Cum este yorba
de 0 variabila dummy (0 - femei; 1 - barbati), coeficientul b indica diferenta in ceea Interpretarea efectelor de interac(iune
ce prive~te stresul perceput intre femei ~i barbaii, in conditiile pastrarii constante a Vom utiliza ca exemplu aceea~i ecuatie, cu urmatoarele valori asoeiate:
influentei nivel.ului de solicitare in munca asupra stresului. A~adar, se considera ca
modificarea reprezentata prin valorile b sau ~ este aceea~i indiferent de nivelul de SIres = bO + b 1*Grad de solicitare + b2*Dummy Sex + b3*Grad de solicitare*Dummy Sex
solicitare in munca. Stres =4,5 + 0,82*Grad de solicitare + 0, 12*Dummy Sex + 0, 18*Grad de solicitare*Dummy Sex
Tn ecuatiile de regresie care indud un factor de interactiune, valorile b ~i ~
corespunzatoare efectelorsimple i~i modifica putin modulde interpretare. Astfel, Interpretarea coeficientului de regresie b3, corespunzator efeetului de
coeficientul de regresie specific nivelului de solicitare in munca este vazut ca interactiune, indicanivelul in care se modifica b1 atunei cand variabila sex se
236 237
"1II1II1II1II1II,"""J"III~"IIUlIlIlIIIIIUIIIIIUIIIIUIlIlLUIIII.JIIIIUIIIII,,1I IIIIUlIIIUIIIILlIIIII IIIIIUlIlIUllih '1IIIUIIII',IIIIIJIIIIUllih 111111 111111,11111 11111 ,11111 11111 IIIIIIJIlIl ,111111 111111 :111, 1111111111 1111' ,1111 1111111111 11111 ,1111 11111 1111 '1I1II:IIIIILlIIII '1111111111"1111111111' 11111 111111 11111,illlli 11111':11111111111111111'11111, 1111111111,111111111111111111111111111::1111111111:11111111IIIIiIIIII 111111'11111'111111 11111 1111"IIIIIIIIIIII,IIIII!lllllllllllllllllIIIIlllIl~ _ _ _ lillll~111OOIIIIWIIIII~IIIIUllllllllllll:11111 :IIII~ :1111 illl ill
I~I~I~IIII~'~I~I~I~IIII~IIIIIIIIIIII
238 239
111I1II1I1II!1I1I1I~IIIIIUIIIIIUIIIIIIIIIIIIIIIII'III_lIIl11l11l1:III'II':I:II!I'III'1I1II1II11I1II11111111111111111111111111111111'11111,1111'11111,111111111'11111111'111,111
240 241
_"'IILlIILlIIII,IIIILlIIII,llIlIlIlIIlJllllllllllllllllhIllIllIlIliLlIIIII'lIlIlIIlIIIWIIIIIIUIIIIIlJIIIIUIIIIIUIIIIUIIIIIUIIIILlIIIIlJIIIIUIIIIIJIIIILlIIIILJIIIIIJIIIIIUIiIliJIIIIIIIIUllllluIlIllIJIIIIILlIIIIIIIIIII'!IIIIII 111111.111111 11111i00i11111 111111 'IIIII! 111111:11111'111111 11111:111111 11111,111111 :11111 11111:,11111 11111,11111 11111,11111 11111LII111JlIII,1 III! 1IIILIIIILlIIII '11111 !IIII,!IIIII 11111 IIIII! 11111 'III 1'11111 11111LlIIII'1II111 11111 111111 11111:111111'11111,111111,1 11111111111111111111,,1111111111111111111111'11111:111i 1111, 11!111111[!IIIIIWmlrnlllll~IIIII!IIIIIlJIIIIUIIIIJlIIIUllli 1111111 II
Nicol, A.A.M., Pexman, P.M. (1999). Presenting your findings. A practical guide for creating
tables. Washington DC, USA: American Psychological Association. CAPITOLUL 7
Pedhazur, E.J., Schmelkin, L. (1991). Measurement, design, and analysis: an integrated
approach. Hillsdale, USA: Lawrence Erlbaum Associates, Inc. REGRESIA LOGISTICA
Pitariu, H. (1983). PSihologia selectiei §i formarii profesionale. Cluj-Napoca: Editura Dacia.
Schroeder, L.D., Sjoquist, D.L., Stephan, P.E. (1986). Understanding regression analysis.
An introductory guide. (Sage University .Papers on Quantitative Applications in the Daca criteriul sau variabila dependenta inclusa Tntr-o regresie nu este
Social Sctences, series no. 07-057). Newbury Park, CA: Sage. masurata printr-o scala numerica, ci printr-una dihotomica de tipul "da" sau "nu";
Thompson, B. (1995a). Stepwise regression and stepwise discriminant analysis need not "admis" sau "respins"; "corect" sau "gre;;it", "succes" sau "insucces ;;colar" etc., se
apply here: a guidelines editorial. Educational and Psychological Measurement, 55(4), aplica a alta forma de regresie, denumita regresie logistica.
525-534. Similar regresiei liniare, regresia logistica poate fi simpla sau multipla, cu
Thompson, B. (1995b). Exploring the replicability of a study's results: Bootstrap statistics for scop predictiv sau cu scop explicativ, cuprinzand doar efecte simple sau ;;i pe cele
the multivariate case. Educational and Psychological Measurement, 55(1), 84-94. de interac~iune. Modul de lucru Tn asemenea cazuri este analog cu cel prezentat Tn
[ capitolul destinat regresiei liniare. De exemplu, ;;i Tn cazul regresiei logistice putem
Tntalni atat variabile numerice, cat ;;i varia bile dummy, ecuatii de regresie liniare
sau neliniare, modele simultane, ierarhice sau Tn pa;;i etc. De aceea nu vom mai
prezenta toate aceste detalii, ci ne vom concentra asupra modului de realizare ;;i
asupra particularitatilor regresiei logistice.
243
242
1II::IIIIIII:III,IIII:III'III,!IIII:'I,II'IIIIIWIIIIIIIIIIIIIHIIIIIIIIIIIIllIIIIlllIII~IIIIIIIIIWIIIIWIIIIILlIIIIIJIIIII'IIIIII'III'IIII'111'1II"IIIIIIIII!"!IIII;i'I"!"I'llllli"III!IIII'111
'1'11111,111111111111111'1111111111,11111,11111111, Illi 1111 'III 1111'111'1111'111 11111111 11111111 11111111"1 1111111'1111'1111,111111111111111111 111'111"'11111111"1111'1111",111111'11111'11111"11111"11111"111111111111'111111111111'11111'111111111111111111111,11111111111111111111111'1
logistice binare. Mai multe detalii despre aceste modalita\i de regresie logistica pot ob\inute la intervale de timp diferite, in perioada episodului pSihopatologlc,
fi gasite In Agresti (1990). respectiv dupa insanato~ire.
Asemeni regresiei liniare, cea logistica Tncearca sa gaseasca un model Modelul logistic trebuie sa cuprinda VI semnificative din punct de vedere
explicativ cat mai bun, exprimat printr-o functie matematica. Regresia logistica se teoretic pentr.u relatia cu VO. Incluqerea unor VI care nu au legatura cu VD poate
aseamana cu ~naliza log it, cele doua tehnici oferind chiar rezultate identice, Tnsa conduce la erori de estimare a coeficientilor logit. De asemenea, pot aparea
analiza logit are un caracter mai restrictiv, deoarece toti predictorii trebuie sa fie corelat ii false Tntre VI ~i VD, caz in care este afectata calitatea modelului.
masurati prin scale de tip nominal. De asemenea, regresia logistica poate fi folosita Utilizarea metodei de estimare a verosimilitatii maxime necesita un numar
cu succes in locul analizei discriminantului, care este 0 tehnica mult mai mai mare de subiecti decat utilizarea metodei celor mai mici patrate. Din acest
pretentioasa din perspectiva conditiilor necesare pentru a fi utilizata corect. Se motiv, pentru e~antioane mici, testa rea ipotezelor statistice poate fi inadecvata. Un
cuvine sa precizam ~i cateva diferente existente intre regresia liniara ~i regresia criteriu conservator sustine necesitatea unui minimum de 50 de subiecti pentru
logistica. fiecare variabila predictor. Totu~i, pentru cercetari de peste 300 de subiecti, acest
(a) Spre deosebire de regresia liniara, nu exista conditia de liniaritate fntre raport poate. sa scada, situandu-sEl undeva in jurul a 20-30 de subiecti pentru
VI ~i VD, nu exista cerinta ca VI sa fie distribuite normal, fiind astfel mai u§or de fiecare predictor (Wright, 1995).
aplicat. Din toate aceste puncte de vedere regresia logistica se dovede§te a fi 0
metoda foarte robusta ~i utila.
(b) Din punct de vedere tehnic regresia logistica se bazeaza pe metoda
7.2. Mode\u\ regresiei \ogistice
estimarii verosimilitatii maxime (in engleza "maximum likelihood estimation") ~i nu
pe metoda clasica, a celor mai mici patrate.
Pentru a clarifica principii Ie teoretice ale regresiei logistice yom apela in
(c) Tn fine, daca Tn regresia liniara cunoa~terea VI duce la predictia valorii
paralel la un exemplu din psihologia politica, Mai exact, yom surprinde Tn ce
VD, in regresia logistica cunoa~terea VI duce la determinarea (predictia) unei
masura varsta influentea:z:a opiniile romanilor in ceea ce prive~te fntrebarea: "I;ra
probabilit3ti pentru fiecare dintre cele doua raspunsuri posibile ale VD. Tn cazul
mai bine inainte de 1989 decat dupa 1989, din perspectiva conducatorilor tarii?".
regresiei liniare se obtine 0 valoare estimata a criteriului, pentru fiecare subiect in
Datele provin din Barometrul de Opinie Publica din octombrie 1999, raspunsurile
parte, pe baza ecuatiei de regresie rezultate. De exemplu, am putea estima
subiectilor fiind modificate prin a reduce alternativele de raspuns de la cinci la doua
performanta in vanzari ,a unei persoane pe baza experientei profesionale a
categorii. Aceste variante sunt "1 - era mai bine fnainte de 1989"; "0 - era mai rau
acesteia §i pe baza abilitatilor sale psihologice. Tn cazul regresiei logistice, dat fiind
fnainte de 1989".
faptul ca nu exista decat doua raspunsuri posibile (ex. fidel sau infidel fata de
Daca modelul ecuatiei de regresie liniare simple este:
partener), se poate estima probabilitatea, pentru fiecare subiect Tn parte, de a se
comporta fntr-un mod fidel sau infidel, iar acest lucru ar fi obtinut pe baza eCl,Jatiei
Y=bO+b1*X (7.1)
de regresie logistica. De§i are aparent 0 forma liniara, criteriul estimat este. 0
variabila log it, denumire ce vine de la faptul ca VD dinecuatie este logaritmul
modelul regresiei logistice simple este (Menard, 1995):
natural al unei valori ce intra in calculul probabilitatii de a se intampla un evenimenti
sau altul. In cazul infidelitatii, criteriul indica probabilitatea ca 0 persoana sa se,
com porte fntr-un mod fidel in plan sexual sau dimpotriva.
In(y) =bO + b1*X (7.2)
Categoriile VD trebuie sa fie reciproc exclusive. Fidel 9i infidel fn plan! y = exp (bO + b1*X) (7.3)
sexual fata de partener pot constitui categorii ale VD in regresia logistica, deoarece;
ele se exclud reciproc. Tn schimb, fan ,al fotbalului §i al tenisului sunt categorii care: unde y este §ansa sau raportul dintre probabilitatea de a raspunde 1, (era mai bine
nu se exclud reciproc, deoarece exista persoane care pot intra in ambele categoriil inainte de 1989) ~i probabilitatea de a raspunde 0 (era mai rau inainte de 1989).
sau dimpotriva, in nici una. Prin urmare, regresia logistica nu poate fi aplicata intr-o! Adica, In (y) = In [p/(1-p)]; bO §i b1 sunt coeficientii fogit corespunzatori
asemenea situatie. coeficientilor de regresie (bO fiind asociat interceptului, iar b1 fiind asociat pantei de
Date/e trebuie sa fie independente une/e de alte/e. Daca avem categoriile! regresie determinate de predictorul X, in acest caz, varsta subiectilor).
bolnav, respectiv sanatos psihic, nu putem include datele de la' acela§i subiect:
244
245
, '" "'''' """"""-""" '"'" ""' """""'"W"UlliU'""""""lIlIInlllll'llIlI"rnlllll'JllIII~IIIIIIIIIIIII~IIIII~lllIlIl'IIIIILlIlUIIllllII!IIIIIWIIIIWllllltlllllll,IlIII~IIIIIIUIIIII~IIIIIIIIIIIII~IIIIII'IIIIII~IIIIII~1I1II1 11I1I1I'1I1I1II1I1I1I1'IIIIIIJIIIIIJIIIIIUIIII~IIIIILlIIIII,lIlIh 111111 ,111111111111 11111: IIIIIIJIII: 111111 ,111111111111 ,lilli' 1IIIII'IIIIIJIIIIJIIIIIJIIIIJIIIIIJIIIIJIIIIIJiliLlIIIII IIIIILIIIIILlIIIIIIIIIII 111"""1",111111111",,1111'1111", "1'" '1111 IIII! 1111 'i' _IIIIUIIIIILIIIIIIJIIII~IIIIIIIIIIII'!IIIIIIIIIIIIIIIIIIIII111'111111111111,111111111111'11111111111111111:111111:1111IIIIIIIILlIIIII~IIIIIJIIIIIJlIIIIIIIIIIIIII:;IIIIIIIIII,1111111111 IIIIUIIIIIIIIIII 111111111111 111111 111111 'IIIIII.IIIIIIUI 1111LlIIIII!!111111 111111 '11111' 111111 '11111: 111111:1111 1'11111"11111 !IIIII:IIIII'IIIIII 1111111 111111 111111'111 1111111111:1111111111111111111111111111111111.111111'1111111'111111'111111111111111111:111111111111:111111111111:111111111111"11111:,1111111111::1111111111:11111111111'11111111111111Ii 1IIIi ,11111 I1111 ,1111: 11111 1111 III II
Raportul ia valoarea 1 cand exista 0 egalitate intre cele doua probabilitati, conducatorilor tarii era de 0,396, in timp ce probabilitatea de a se opune unui
adica atunci cand fiecare raspuns are 0 probabilitate de .50 (50%) de a fi ales de 0 asemenea raspuns era 1-p, adicaO,604, 0 valoare mai mare.
anumita persoana. EI devine supraunitar cand exista mai mulle :;;anse sa se Repetand acela:;;i demers matematic pentru 0 persoana de 50 de ani yom
intample situatia 1 (subiectul sa afirme ca era mai bine inainte de 1989) :;;i obtine:
subunilar cand :;;ansele sunt mai mari de a prezice varianta (era mai rau inainte
de 1989).
° y = -1,02 + 0,03*50 = 0,48, iar exp (y) = 1,61
P = 1,61 / (1+1,61) = 0,616
Devine necesara diferentierea clara dintre probabilitati, §anse §i raportul In acest caz, pentru 0 persoana in varsta de 50 de ani exista 0
§anselor. In regresia logistica dihotomica, §ansele unui subiect de a intra In . probabilitate mai mare de a afirma ca era mai bine inainte de 1989 (p = .616) decat
categoria 1 (era mai bine inainte de 1989) sunt egale cu raportul dintre probabili- de a sustine contrariul (q = 1-p = .384).
tatea de a fi inc/us Tn acea categorie §i probabilitatea de a apar(ine ce/eilalte Decizia de a fi indus 7ntr-o categorie sau alta se face avand criteriu limita 0
categorii (0 - era mai rau inainte de 1989). Raportul se inverseaza daca dorim sa probabilitate de .50 insa aceasta valoare poate fi modificata in functie de
calculam :;;ansele cazului de a intra in categoria O. Daca probabilitatea de a fi inclus caracteristicile VD :;;i de frecventa reala a alternativelor de raspuns (Hair,
Tn categoria 1 este p = .80, ea devine .20 pentru categoria 0 (q=1-p). $ansele ca Anderson, Tatham:;;i Black, 1998). .
subiectul sa apartina primei categorii sunt de patru ori mai mari (.801.20). Se Pe baza probabilitatilor putem stabili :;;ansele de a fi indus intr-o categorie
observaca probabilitfjti1e pot lua va/ori Tntre 0 §i 1, in timp ce §ansele variazi3 de la sau alta. Un t<3nar de 20 de ani va ave a de aproximativ 1,5 ori mai multe :;;anse de
o la infinit. Prin urmare, se pune problema calcularii probabilitatii ca un anumit afirma ca este mai bine acum decat inainte de 1989 (.604/.396). In schimb, 0
subiect sa fie inclus in prima categorie. Ea se face dupa formula (Wright, 1995):
. persoana de 50 de ani va avea 'tot de aproximativ 1,5 ori mai multe :;;anse sa
afirme ca era mai bine inainte de 1989 decat acum (.616/.384) .
e Y
Un concept esen\ial In regresia logistica estecel de raport al §anselor. EI
p (7.4) estimeaz8 schimbarile intervenite Tn §ansa de a fi inclus Tn p·rima categorie (In
1 + eY cazul dat: era mai bine inainte de 1989), atunci cand variabila predictor cre§te cu 0
unitate. Pentru a-I calcula avem nevoie doar de coeficientul logit al variabilei
unde p = probabilitatea de a se petrece eVenimentul 1 ("era mai bine Tn.inte de predictor in cauza.
1989"); e simbolizeaza exponentul, iar y ia valori diferite in functie de tipul de Sa presupunem ca ·am obtinut un 'parametru b ~ 0,50 pentru un alt
ecuatie logistica. Astfel: predictor: numarul de copii. Pentru a afla raportul :;;anselor, yom calcula exponent
din valoarea acestuia (0,50).
y = bO + b1*X pentru regresii logistice simple
Y =bO + b1*X1 + b2*X2 ... pentru regresii logistice multiple eO,50 =1,64
Vom calcula, ilustrativ, probabilitatea unei persoane de 20 de ani Sa afirme Interpretarea raportului de .:;;anse va fi prezentata pe larg cand yom discuta
ca era mai bine inainte de 1989. Sa presupunem ca interceptul (bO) a fost -1,02, des pre coeficientii log it. Pana atunci ne yom rezuma sa citim rezultatul prezentat
iar coeficientul logit al variabilei varsta (bi) a fost 0,03. Vom obtine: y = -1,02 + mai sus, afirmand ca: un individ cu doi copii are de 1,64 ori mai multe :;;anse sa
0,03*20 = -0,42 afirme ca era mai bine inainte de 1989 in comparatie cu 0 persoana cu un singur
Deoarece y = exp (bO + b1 'X), exponentul valorii y de -0,42 este 0,657. copil (VI cre:;;te cu 0 unitate). Tn cazul mai multor VI incluse in model se specifica
Putem inlocui in formula pentru a afla probabilitatea ca un tanar de 20 de ani sa sintagma "pastrand cele(alte variabile constante" ..
afirme ca era mai bine inainte de 1989. Se poate calcula raportul :;;anselor §i pentru modificari ale VI mai mari de 0
unitate. Astfel, yom com para 0 persoana cu cinci copii cu 0 alta care a~e un copil.
p 0,657 = 0,396 Diferenta de patru unitati va fi exprimata astfel:
1+0,657 .
e4*O,50 =7,38
Valoarea ne determina sa credem ca tineriide 20 de ani vor afirma mai
degraba ca este mai bine acum comparativ cu situatia dinainte de 1989, deoarece
probabilitatea de a afirma ca era mai bine Tnainte de 1989 din perspectiva
246 247
,1'11'1 1"11"'11',11111111111'1"1111111,:1111' 1111111111':111"111'1111'111'1111"111'1111111111 111'111'1111111" 11111111 Illillll 11111111:i: 'i,:11 II iii IIII! 11111 'IIII! 11111 II 111:11111111 1111 11111111:111 "11111111111111111 1111 '111,1111 III! iii 'lI'ilil 111,1111 lIIillll lII!illl 'I' II iii ,II'II! iII'il' 111',111 III 'iii 111'1111 1II,11Ii III 'III 1111111,111111'111111111",11111111',1111 1111'111111111,1111111',111'111'111
Adica, un subiect cu 5 copii, in comparatie cu cel care are un singur copil, directia acesteia . Figura de mai jos prezinta forma curbei logistice pentru trei valori
va ave a de 7,38 ori mai multe 9anse de a afirma ca era mai bine inainte de 1989, diferite ale coeficientului logit pornind de la ideea ca interceptul a luat valoarea o.
din perspectiva conducatorilor tarii;' S8 poate observa ca panta este mai abrupta in cazul liniei continue,
Tn privinta rezultatelor oferite de SPSS, lucrurile sunt diferite. SPSS-ul deoarece valoarea coeficientului logit a fost mai Tndepartata de 0 (b=3). Panta
ofera direct valoarea raportului 9anselor pentru fiecare VI atunci cand acestea se scade Tn cazul liniei punctate, pentru ca valoarea. coeficientului log it este mai
modifica cu 0 unitate 9i da posibilitatea de a opta pentru afi 9area intervalului de apropiata de 0 (b=1,5). Panta arata cat de bine poate discrimina coeficientul logit
fncredere corespunzator fiecarui raport al 9anselor. Tn schimb, programul nu luat Tn calcul. Cu cat este mai abrupta, cu atat variabila predictor intervine mai mult
prezinta direct 9ansele estimate pentru fiecare subiect. Acestea pot fi deduse Tn modificarea probabilitatilor VD. Un coeficient logit (b=O) nu va influenta Tn nici un
indirect pe baza probabilitaiilor obiinute. Deoarece probabilitaiile se calculeaza fel modificarea probabilitaiilor atunci cand variabila predictor va lua valori diferite. Tn
pentru fiecare subiect Tn parte, exista Tn SPSS optiunea de a salva ca variabila aceasta situaiie, curta S8 transforma Tntr-o linie orizontala (IiniaTntrerupta).
noua, probabilitatea fiecarui subiect de a raspunde 1 (de a afirma ca era mai bine Pentru valori pozitive ale coeficientului log it, curba cre9te dinspre stanga
Tnainte de 1989). spre dreapta. Aceasta inseamna ca valorile mici ale predictorului determina 0
Vom sublinia ca in interpretarea coeficien(ilor logit ob(inuti (inem seama de probabilitate maj mica de a se fntampla evenimentul 1, iar valorile mari cresc
raportul de §anse §i nu de probabilita(i. Acestea, nu sunt eficiente deoarece au aceasta probabilitate. Situaiia se initerseaza daca obiinem un coeficient logit
valori diferite la variatii constante ale variabilei predictor. Tn general, probabilitatile negativ. Curba de regresie va cre§te dinspre dreapta spre stanga, ceea ce
se modifica mai mult pentru valori medii ale VI 9i mai putin pentru valori extreme Tnseamna ca valorile mari ale predictorului determina 0 probabilitate mica de
ale VI. apariiie a evenimentului 1 9i invers. Astfel, un b= -1,5 va determina 0 curba inversa
Astfel, daca admitem un intercept bO = -1,02 9i un coficient logit b1 == 0,50 faia de curba punctata rezultata din coeficientul logit b de 1,5, prezentat Tn figura
pentru variabila numar copii, vom observa ca probabilitaiile nu se modifica uniform 7.1. Ea va pastra Tnsa celelalte caracteristici ~i va avea 0 panta mai abrupta
cEmd VI cre9te cu 0 unitate. Concret, probabilitatea unei persoane cu un copil de a comparativ GU modelul 3 (b=O), dar mai lina decat modelul 1 (b=3). De remarcat ca
afirma ca era mai bine Tnainte de 1989 este .37, iar cea a unei persoane cu doi niciodata curba nu va depa:;;i probabilitatea 1 9i nu va cadea sub probabilitatea 0,
copii este .49, diferenta de probabilitate dintre cele doua raspunsuri fiind de .12. In chiar daca vom utiliza valori extreme ale VI (Wright, 1995).
schimb, probabilitatea unui subiect cu cinci copii devine .81 faia de .87 cat este
probabilitatea pentru 0 persoana cu ~ase copii, diferenta fUrid de numai .06.
7.3. Estimarea modelelor logistice
1.0
.7
logistice. Vom introduce, in para lei cu explicaiiile conceptuale, urmatoarea situaiie-
." exemplu:
f
]l
.5
.4
o serie de factori influenteaza na§terea unor copii sanato§i sau, dimpotriva, a unor
copii cu malformatii genetice diverse. Observand un numar de 125 de na~teri, un cercetator
~ .3
.2 a anchetat mamele cu privire la 4 fadori: varsta m~mei, existenta in familie (rude de gradul I
0.0
--- §i II) a unor malformatii genetice, consumul de alcool Tn perioada sarcinii §i stresul cotidian
perceput.
I 0 3 4 6 7 10 11 12
Baza de date aferenta acestui exemplu este regresie logistica.sav, iar
pentru analiza datelor Tn SPSS 11.0 se urmeaza calea: "Analyze"-"Regression"-
Figura 7,1. Moda/itati de evo/utie a curbei regresiei /ogistice simple In trei situatii ipotetice (b "Binary Logistic".
= 3 -linie continua; b =1,5 -lirie punctata; b =0 -linie fntrerupta) Regresia logistica ofera posibilitatea de a:
• testa daca un model este semnificativ statistic;
Acest lucru se Tntampla, deoarece regresia logistica nu are 0 forma liniara, • com para doua modele intre ele;
ci 0 forma specifica in forma de S, denumita curba de regresie logistica. Fiecare • stab iii eficienta modelului ales;
combinaiie de coeficienii log it cu interceptul produce 0 modificare a formei • interpreta coeficien\ii logit semnificativi din modelul ales;
acesteia. Tn functie de valorile coeficientului log it al VI se modifica panta curbei 9i • stab iii profiluri ideale pe baza ecuatiei logistice obiinute;
248 249
"" II' ,III III! 1111 illI'!1II1 1111,11111 1lIIi,IIII '111 1111,11111111,11111111 iII'III'lIIllIIlIlIIilllll:lIllIlIliIllIIllI,IIII'1il '11I III"II! III 'II,III 'II'!II illl III "ii III 'I III'I!'III'II'III"II"I"I'I'" !IIII!III'III"IIIIIII'IIIIIII'III'IIII 1111 'III! 1111 'III: !III 11111 IIII':III! 1111,1111 IIII' 1111 1111 ilill 1111' 1111 ,III 'II
Daca BIC' ia valori pozitive, modelul nu explica foarte bine datele ob\inute. SPSS-ul ofera rezultate pentru cea de-a treia metoda de testare a
EI este chiar mai slab Tn explicarea variaiiei VD decat modelul nul, ce include modelelor logistice, testul Hosmer 9i Lemeshow ca masura a potrivirii. Pentru
flumai interceptul. Vom discuta Tn cadrul sec\iunii urmatoare modul Tn care este aceasta trebuie selectata op\iunea corespunzatoare Tn fereastra "Options" a
utilizat BIC' pentru a com para doua modele Tntre ele, dupa un algoritm propus de regresiei logistice .
Long (1997) :?i Freese (2000) •. . Rezultatul obtinut arata ca ipoteza nula nu poate fi respinsa (p > .07), ca
Tn exemplul amintit anterior, vizand factorii ce intervin Tn apari\ia unor urmare· vom putea spune ca datele rezultate, estimate pe baza modeluiui
malforma\ii genetice la 125 de nou-nascuii, yom evalua trei factori: consumul de explicativ, nu sunt semnificativ diferite de valorile observate. roate aceste rezultate
alcool in perioada sarcinii, existen\a unor rude apropiate cu malformatii genetice :?i sprijina ideea ca cel pu\in un predictor din cei trei (consumul de alcool, factorii
varsta mamei la na9tere. Ecua\ia logistica este: genetici 9i varsta mamei) contribuie semnificativ la estimarea probabilitalii de a da
na§tere unui copil sanatos sau unuia cu malforma\ii genetice.
In Handicap =bO + b1*Alcool + b2*Factori genetici + b3*Varsta mamei
Pentru testarea modelului yom apela atat la output-ul oferit de SPSS cat 9i 7.3.2. Compararea modelelor logistice
la anumite cal6ule suplimentare. Inainte de a trece Tn revista principalele modalitati de a compara modele,
Omnibus Tests of Model Coefficients trebuie subliniat ca exista doua tipuri de rela\iiTntre acestea: de tip "cuib", respectiv
modele diferite (Hair et aI., 1998; Garson, 2000). .
Chi-square df Siq. Doua modele logistice se afla Tntr-o relaiie de tip cuib, daca Tntr-un model
Step 1 Step. 54,501 3 ,000 sunt incluse toate VI care se gasesc Tn celalalt. In caz contrar, modelele sunt
Block 54,501 3 ,000 socotite a fi diferite. Pentru exemplul dat, 0 relatie de tip "cuib" este:
Model 54,501 3 ,000
Ln y = bO + b1*Varsta mamei + b2*Consumul de alcool ~i
Hosmer and Lemeshow Test Ln y = bO + b1 *Varsta mamei + b2*Consumul de alcool + b3*Stresul perceput
I Chi-square
12,966
I df 7 I Sig.
,073
I Pentru aceea9i situatie, comparatia Tntre modele diferite ar fi:
unde Chi-Square Model este testul G2. Ln y = bO +b1*Varsta mamei + b2*Consumul de alcool + b3*Stresul perceput ~i
Ln y = bO +b1 *Varsta mamei + b2*Antecedentele genetice
Figura 7.2. Testarea modeluluj propus din perspectiva gradului de semnificafie
SPSS este a marca inregistrata. Pe baza acestei diferentieri stabilim tehnica necesara pentru compararea
modele/or. Vom descrie doua procedee: X2 a/ pasu/ui §i diferenta dintre criterii/e
bayesiene ajustate de inform are. ArT).be/e metode pot fi utilizate pentru modele de
Vom scrie rezultatul sub forma G2(3) = 54.501, P < .001. Gradele de tip "cuib", iar ultima poate fi utilizata"9i pentru compararea modelelor explicative
libertate sunt date de numarul VI incluse Tn modelul testat. Pomind de la ace9ti diferite.
indicatori poate fi calculat 9i BIC', procedeu care nu este oferit direct in output-ul Hi palrat al pasulu; este metoda utilizata "Tn SPSS. Tehnica surprinde
SPSS-ului. marimea modificarilor Tn ceea ce prive§te log likelihood prin introducerea unor VI
Vom avea: noi, Tn conditiile Tn care VI anterioare sunt pastrate. Se verifica astfel, daca anumite
VI merita a fi introduse Tn model, daca au un efect suficient de mare, Tncat
BIC' =-54,501 + 3 * In 125 =- 40,01 eliminarea lor ar conduce la un model explicativ inferior. Tehnica este eficienta 9i Tn
identificarea variabilelor dummy semnificative statistic, care pot fi testate
Acest rezultat po ate fi interpretat ca un credit dat modelului explicativ distorsionat prin proba Wald. Din punct de vedere tehnic, X2 al pasului este analog
propus. 0 valoare pozitiva a lui BIC' ar fi Tnsemnat ca avem un model explicativ lui F schimbam din cadrul metodei ierarhice din regresia liniara multi pia.
mai slab decat modelul nul, ce line seama doar de intercept. Regresia logistica poate fi calculata 9i prin alte metode decat cea
simultana (In engleza "enter") ori cea ierarhica. SPSS-u/ poate utiliza atat metoda
252 253
III 1111 IIII! 1IIII,JIIILlIIIIlJIIIIIIIIIIIIIlIIIIIIIlIIIIIIIIIIIIIlIIIIIIIlIIllllllllllIillIIIIIlIIIIIIIlIIIIIIlIII1III:IIIIIillIIIIIIlIIWIlllIIIII!IIIIIIlllIWI!IIIIIIlIIIIII~IIIIIlIIIIIII~IIIIWIIIII1IIIIILlIIIII.IIIIII:'IIIIIWIIIIIIIIIIIWIIIIIIIIIIII !11111',IIIIILlIIIII,:llllllIlllll~IIIIIIJIIIIUlllllllllllJIIIIILlIIIII.,llllllllllllJlIIIIUIIIILIiIIIIUIIIIIillIIIIUIIWjll11~111~11111lJ111~IIIIUIIIIUIIIIILWIIIJIIIIIWIIIIUIIIIIlJIII1IJllillUIIIIUIIIIIJIIIIllilm 1IIIIUIIIIIJlIIUIIIIIJIIIIIJIIIIILllllllJlllm:IIIIII.lIIIIII~111111.1111111:111111,11111111111111111111,111111111111: 111111 !IIIII: 11111111111,1111, illl' !lli III Ii -----,, ' , i ii, 111,1111' 11111111 '11111111.l11! 1111 ,III: 1111 ,11111111,111, 1111 ,111:1111:111111111111111111 'III: '11;111111: '1111111111' Illi ,III, illl 'III :111111111,1111:11111:11111111' 1111 Iii i
progresiva "stepwise", cat :;;i pe eea regresiva "baekwise". Tn aeeste situatii este Omnibus Tests of Model Coefficients
oferit un X2 "improvement", similar ca functie lui X2 al pasului. Daca modelele
eomparate nu se afla Tntr-o relatie de tip cuib, nu yom putea folosi X2 al pasului Chi-square df Siq.
Step 1 Step ,034 ·1 ,855
oferit de SPSS, ci va trebui sa apelam la valorile BIC'.
Block ,034 1 ,855
Diferenta dintre valorile BIC' a doua modele poate fi utilizata i'ndiferent Model 54,535 4 ,000
daca modelele se afla sau nu Tntr-o relatie de tip cuib. Pentru aceasta trebuie intai
calculat BIC' pentru fiecare model, iar apoi facuta diferenta dintre cele doua valori: Figura 7.3. Testarea eficientei modelului 7nainte §i dupa includerea variabilei stresul perceput
BIC'1 - BIC'2. Daca BIC'1 - BIC'2 > 0, vom prefera modelul al doilea; daca SPSS este 0 marca Tnregistrata
BIC'1 - BIC'2 <,0, yom prefera primul model.
Raftery, autorul conceptelor BIC :;;i BIC', propune 0 grila empirica de Constatam ca :;;i al doilea model este semnificativ statistic, G2(4) = 54,535,
interpretare a diferentelor ee e$te prezentata Tn tabelul 7.1 (apud Freese, 2000). ca urmare, eel putin una dintre VI incluse influenteaza evolutia VD. Se pune
problema compararii celor doua modele pentru a vedea care dintre ele este mai
De pilda, daca diferenta dintre doua modele in ceea ce prive:;;te BIC' este 8, putem
. afirma ca modelul cu BIC' mai mic este mult mai bun, existand 0 probabilitate de
I bun Tn explicarea aparitiei malformatiilor congenitale .
.95 - .99 ca acest fapt sa fie adevarat. X2 al pasului apare notat ca Step X2, valoarea sa fiind LlX2(1) = 0.034,
P > .854. Valoarea este nesemnificativa statistic, ceea ce Tnseamna ca
Tabelul 7.1. Diferentele critice intre modele dupa Raftery (apud, Freese, 2000) introducerea variabilei "stresul perceput" nu a adus Imbunatatiri suficiente
modelului. Formula de calcul este foarte simpla:
Diferenta Tn valoarea absoluta Semnificatie Probabilitatea implicata
0-2 SiaM .50 - .75
Step X2 ::: G2 Model 2 - G2 Model 1 (7.7)
2-6 Medie .75 - .95
6-10 Puternica .95 - .99
unde modelul 2 este Tntotdeauna modelul cu mai multi predictori inclu:;;i.
> 10 Foarte puternica >.99 Putem calcula :;;i diferenta absoluta dintre valorile BIC' ale celor doua
modele:
Vom utiliza aeeea:;;i problema pentru exemplificare. Modelele comparate vor fi:
BIC'1 = -54,501 * 3*ln N = - 40,01
In Handicap =bO + b1*Alcool + b2*Factori genetici + b3*Varsta mamei BIC'2 =-54,535 * 4*ln N = - 35,22
In Handicap = bO + b1*Alcool + b2*Factori genetici + b3*Varsta mamei + b4*Stresul IBIC'1-BIC'21 =4,79
perceput
Se observa ca primul model este preferabil, dar consultand tabelul 7.1.
Primul model a fost discutat :;;i testat anterior,valoarea obtinuta fiind G2(3) observam doar 0 probabilitate Tntre .75 :;;i .95 ca acest model sa fie mai bun decat
54,501. al doilea.
Trebuie sa privim intotdeauna :;;i dintr-o perspectiva teoretiea atunci cand
comparam doua modelEr. Tehnicile statistice prezentate tind sa prefere modelele ce
Block 1: Method = Enter dau dovada de parcimonie In dauna altora mai complexe. Daca exista numeroase
Omnibus Tests of Model Coefficients argumente care sa ne faca sa credem ca a anume VI trebuie pastrata, Tn pofida
aparentelor matematice, putem face acest lucru. Tn cazul de fata este yorba de
Chi-square df Sig.
Step 1 Step 54,501 3 ,000 variabila stresul perce put. De~i este cunoscuta importanta ei In acest domeniu, ea
Block 54,501 3 ,000 nu a Tmbunatatit primul model. Decizia ramane la latitudinea cercetatorului, daca
Model 54,501 3 ,000 va pastra sau nu variabila respectiva Tn model, chiar daca includerea ei nu aduce
un plus explicativ. De obicei, in regresiile cu scop predictiv, asemenea variabile
sunt eliminate, deoarece obiectivul major este de a estima cat mai corect
Block 2: Method = Enter probabilitatea subiectilor de a raspunde 1 sau Ola criteriu.
254 255
I I: 1111 111'1111 11111 111111111111 !IIII: IIII! 1111
Pseudo_R 2aJ!tStat=
. d/) *(
( Pseudo_R 2 - - -
N-l
N-,.1,
N -df-1
) (7.9)
calcularea acestor indicatori Tntr-un mod indirect.
Model Summary
R2 al lui McFadden (Long, 1997) este un indicator similar. Oiferenta este -2 log Cox & Snell Nagelkerke
ca McFadden ia in considerare log likelihood (LL) ~i nu functia -2LL. McFadden Ste~ likelihood R Square R S-.9.,uare
otera posibilitatea unej ajustari (in engleza "Adjusted McFadden W"), pentru a nu 1 109,970 ,353 ,483
spori artificial valoarea indicatorului 0 data cu cre~terea numarului de VI incluse Tn
model. Figura 7.4. Indicatod de baza ai marimii efectu!ui Tn regresia /ogistica
SPSS este 0 marca Tnregistrata.
R2 McFadden = 1 - (LLmodel / LLnull) (7.10)
R2 McFadden' (ajustal) = 1 - [(LLmodel - dt ') / LLnull] (7.11)
SPSS-ul ofera valorile G2 ~i -2LL pentru model. Se ~tie fnsa ca G2 = -2LL
null - (-2LL model), fapt ce ne ajuta la calcularea abaterii initiale. Astfel, daca G2 a
unde df ' este dat de numarul de parametri (VI) inclu:;;i Tn model, exceptand
interceptul. fost 54,50, iar abaterea modelului a fost 109,97, rezulta ca abaterea initiala (-2LL
null)este 164,47.
Apoi, Tnlocuind Tn formulele prezentate mai sus (7.8; 7.9; 7.10 ~i 7.11), yom
R2 al lui Cox §i Snell, respectiv R2 al lui Nagelkerke (Garson, 2000) sunt
indicatori prezentati in outputul SPSS-ului. AI doilea indicator se bazeaza pe obtine:
256 257
'I' 'II 1II,1II!1I1II1I1I1I:IIIIIIIIIIIJIIIIIWIIIII,lIlIIhIlIlIlLlIIIII'IIII'1il1 II,'" , I' 1111:111 '111 'II! III'III! III '11' III 'III iII,:'!' 111:1111 III '11' III 1111 I IIII,IIIIII"'II'IIIII!IIIII I 11",111,111"11: III 'II' 'ii ,11,11' 'II il ,i 111'11'111 ,II' 111;11' III 111"111 111,111' III 1111 III 111,11"111:1111,111:1111 1II"lIIiIIl, 1111
Classification TablS'
se modifica §ansele ca VD sa fie, 1 sau 0 cand predictorul asociat cre§te cu 0
Predicted unitate, iar ceilal\i predictori raman constanti.
Coeficientii logit trebuie testati pentru a yedeadaca au 0 influenta
HANDICAP
copii cu Percentage
semnificativa asupra VD. Exista in special doua tehnici folosite pentru acest scop:
Observed jJrobleme copii sanatosi Correct testul Wald §i testul X" al pasului.
Step 1 HANDICAP copii cu probleme 42 4 91,3 Testul statistic Wald este 0 metoda utilizata frecvent in regresia logistica
copii sanatosi 21 58 73,4
pentru a testa fpoteza nula conform careia un anumit coeficient log it este,zero. Cu
Overall Percentage 80,0
alte cuvinte, testul Wald ne arata daca predictorul respectiv influenteaza sau nu
a. The cut value is ,700
criteriul. Rezultatului ob\inut Ii corespunde 0 valoare t sau z, similara ca
Figura 7.6. Rec/asificarea subiectilor pe baza date/or observate §i a ce/or estimate interpretare cu situatia din regresia liniara. Tn acest mod, pot fi eliminate din model
SPSSeste 0 mardi inregistrata. acele VI care nu au fost semnificative. Totwiii prin testul Wald exista posibllitatea
comiterii unei erori de tip II Tn cazul unor coeficientii logitfoarte mari, §i implicit, a
unor erori standard'ridicate. Aceasta semnifica respingerea unei VI, atunci cand ea
Tn acest caz, se observa ca ridicarea probabilitatii pentru a incadra nou- este semnificativa. Tn aceasta situatie (ex. un venit exprimat in milioane lei) sau in
nascutii in categoria celor sanato~i duce la 0 mai buna estimare a viitorilor nou- cazul variabilelor dummy, ar fi mai bine sa se utilizeze 0 alta tehnica pentru a
nascuti care vor avea malformatii geneti.ce, 91,3% dintre ace~tia fiind identificati reduce §ansele de a comite eroarea de tip II. Alternativa' implica calcularea lui X2 al
corect. Tn schimb, scade la 73,4% puterea de estimare corecta a nou-nascutilor pasului, procedeu descris anterior, dupa introducerea variabilelor in cauza.
estimati ca fiind sanato~i. Diferenta obtinuta este evaluata ca X2' cu k-1 grade de libertate, k reprezentand
Tn aceste conditii, decizia de a alege punctul critic de ciasificare tine numarul de categorii ~e variabilei introduse. Daca rezultatul este semnificativ
exclusiv de cercetator, pe baza obiectivelor urmarite. Astfel, in cazul cand este mai statistic la p < .05 vom pastra variabila respectiva sau blocul de variabile dummy.
important sa identificam corect, inca din primele, luni de sarcina, daca copiii vor fi Tn cazul in care nu sesizam dif~rente semnificative intre modelul explicativ care
sanato§i, vom alege un punct critic care sa ne ajute sa estimam cat mai corect include variabila in cauza §i cel care.o exclude, putem elimina variabila respectiva
acest lucru. Daca, in schimb, este mai important sa identificam de timpuriu copiii cu pentru a simplifica modelul (Garson, 2000).
malformatii genetice, pentru a permite avortul, atunci criteriul ales va trebui sa Coeficien\ii logit obtinuti, de§i semnificativi statistic, nu pot fi compara\i
faciliteze detectarea co recta a acestora. direct intre ei din cauza problemelor legate de utilizarea unor scale de masurare
De asemenea, trebuie sa tinem seam a in SPSS de modul de codare a VD. distincte. Pentru a rezolva aceasta problema exista posibilitatea de a calcula un
Daca codurile date celor doua raspunsuri posibile sunt 0 §i 1, programul va pastra coeficient log it standardizat, indice similar lui beta din regresia liniara, sau de a
acest sistem de clasificare. Daca insa, cele doua raspunsuri vor fi cod ate 1 §i 2, estima contribuiia par1iala a lui R pentru fiecare VI in parte.
SPSS-ul va recoda automat valorile VD in 0 §i 1. Acest lucru s-a Tntamplat §i in Coeficientii logit standardizati corespund coeficieniilor beta din regresia
cazul explicat. Datele VD au fost introduse initial cu urmatoarele cod uri: 1- copii cu liniara. Sunt utilizaii pentru a com para influenta diferitilor predictori asupra
malformatii genetice; 2- copii sanato§i. Acestea au fost recodate automat in: 0 - criteriului, in situatia in care cele doua VI sunt masurate pe scale diferite (ex. varsta
copii cu malforma\ii genetice §i 1- copii sanato§i. Aceasta schimbare poate deruta evaluata in ani, venitul. exprimat in lei/luna). De notat ca pentru variabilele de tip
procesul de interpretare a coeficientilor log it semnificativi, de aceea se recomanda dummy, coeficien\ii standardizati nu au nici 0 semnificatie inteligibila. SPSS-ul nu
ca intotdeauna VD din regresia logistica sa fie codata, de la inceput, cu valorile 1 ' ofera coeficientii log it standardizati, Tnsa 0 masura acceptabila este multiplicarea
sau O. fiecarui coeficient logit cu abaterea standard a variabilei respective. Rezultatele
obtinute Tn valori absolute sunt apoi ordonate pe ranguri. 0 alta posibilitate consta
Tn standardizarea tuturor VI.
7.3.4. Testarea §i interpretarea co.eficientilor logit Contributia partiata a lui R este 0 metoda de stabilire a importantei fiecarei
VI incluse Tn model fara a fi influentat de scala de masurare. R par1ial determina ce
Vom defini cateva concepte pentru a intelege mai bine aceasta sectiune.
procent din dispersie se datoreaza fiecarui coeficient logit semnificativ in parte
Coeficienti( logit din regresia logistica corespund coeficientilor b din
cand ceilalti sunt tin uti la valori constante. Valoarea este dependenta de testul
regresia liniara. Sunt utilizati in ecua\ia regresiei logistice pentru a estima raportul
de !?anse ca variabila dihotomica sa fie 1 sau O. Mai exact, ei indica masura in care Wald ?i de eroarea standard, fiind astfel supusa neajunsurilor acestora amintite
260
261
calculeaza, pe rand, cate un X2 al pasului pentru modele care exclud succesiv
anterior insa are avantajul de a fi prezentat direct in variantele mai vechi ale SPSS-
aceste variabile dummy.
ului.
. inai~te de a explica cele doua modalitati de interpretare, prin fa ctori,
Pentru situatiile descrise mai sus, Tn care exista riscul ca testul Wald sa
respectlv pnn procente, se cuvine sa precizam cum au fost codate toate aceste
of ere valori eronate, este mai utila calcularea coeficientilor standardizati log it sau
variabile pentru a facilita intelegerea acestui demers. Astfel, varsta a fost exprimata
multiplicarea coeficientilor log it cu abaterea standard a VI respective (Garson,'
Tn ani, iar VD a avut doar doua coduri asociate: 1 - nou-nascuti' sanato~i ~i
2000).
Din punctul de vedere al interpretarii coeficientilor log it, valorile negative
o- nou-~ascuti cu malformatii genetice (vezi, de asemenea, figura 7.8).
In utilizarea SPSS-ului trebuie sa se diferentieie variabileie categoriale de
indica 0 descre~tere a ~anselor de a obtine evenimentul codat 1, pe masura ce
cele continue (Garson, 2000). Pentru aceasta adivam opiiunea "Categorical" Tn
valoarea predidorului cre~te. in schimb, un coeficient logit pozitiv indica 0 relatie
cadrul ferestrei legate de regresia logistica. Se va deschide 0 noua fereastra ce
directa, ~ansele crescand 0 data cu marirea valorii predictorului. Pe baza
contine 0 lista de "Covariates" cu toate VI inc/use. Vom selecta din lista doar
coeficientilor logit, prezentati Tn figura 7.7, se poate scrie ecuatia Iogistica a
predictorii care trebuie transformati Tn variabile dummy, adica doar variabilele
modelului propus.
masurate prin scale nominale, ~i Ti yom muta Tn lista denumita "Categorical
In Handicap = 4,57+1 ,36*Fara alcool-2,23*Factori genetici-O,09*Varsta mamei Covariates". OPtiunea standard a SPSS-ului este de a transform a ultima categorie
de raspuns codata ("last") Tn valoare de referinta. Prin acest procedeu, SPSS-ul
Daca coeficientii logit obtinuti sunt semnificativi statistic, urmatorul pas permite crearea automata a variabilelor dummy. Modul de codare a variabilelor
consta in interpretarea lor. Vom regasi doua modalitati principale de interpretare: dummy din exemplu apare in output-ul SPSS-ului (figura 7.8).
(a) interpretarea prin factori ~i (b) interpretarea prin procente (Long, 1997). Din .; De exemplu, din totalul de 125 de mame chestionate, 42 au consumat
figura 7.7 se observa ca toti cei trei predictori exercita 0 influenta semnificativa din alcool regulat pe parcursul sarcinii, iar 83 s-au abtinut de la acest lucru. Datele au
punct de vedere statistic asupra evolutiei 'probabilitatii criteriului de a lua valoarea fost introduse Tn calculator cu urmatoarele coduri: 1 - daca mama nu a consumat
1, adica de a se na~te copii sanato~i. De exemplu, predictorul varsta mamei la alcool in timpul sarcinii; 2 - daca mama a consumat alcool in' timpul sarcinii. Prin
na~tere are un coeficient logit de -0,09, rezultat semnificativ statistic Wald (1) = atentionarea SPSS-ului ca predidorul respectiv necesita transformarea in variabila
10,11, P < .01. dummy, 1 a devenit codul pentru mamele care nu consuma alcool, iar 0 - codul
pentru mamele care au consumat alcool regulat Tn acea perioada,
263
262
"III Illi !IIIIIIIII,IIIII:IIII 1111"11 11'11' III!I! lI'i'l III!'III'III! 1111'111'1111'111'1111 III! 1111 '111'1111 'lili III: 1111 '111' 1111 'lII,illl 11111111 11111111 1111 , II "'IIIIII'illllll':II'!II 1"111 II'I!' II ill' 1111 !III'IIII'III,IIII '1111 1111'_'111' 1111 I111'1111 1111 1111"111'1111 lIIi '1111 1111 1111'111111111111'111111,11111'111111,11111,1111 1111,1111 III
(lOnSUmat alcoa I Tn timpul sarcinii, Tn conditiile Tn care vom pastra constante valorile Vom com para doua persoane diferite din perspectiva probabilitatii ca VD
colorlults VI implicate Tn model. sa fie 1 (nou-nascut sanatos):
Pentru variabila varsta avem exp (-0,09) = 0,9139. Fiecare an de viata Tn a) 0 mama de 20 de ani, care nu a consumat aleool Tn perioada sarcinii ~i care nu
plus modifica eu un factor de 0,91 ~ansele, de a na~te un copil sanatos. Valorile are Tntre rudele de gradul I ~i II anteeedente de eopii eu handicap;
subunitare ale factorului Tnseamna de fapt 0 relatie inversa Tntre cele doua b) 0 mama de 40 de ani, care a consumat aleoolTn timpul sarcinii ~i car'e are Tn
elamente (ex. mai multi ani, mai pulfne ~anse de a na~te un copil sanatos). familie persoane cu malformatii eongenitale.
Formula generala utilizata In interpretarea prin factori afirma ca avem 0
cre~tere (valori supraunitare) sau 0 descre~tere (valori subunitare) de exp(b) ori Tn VD (a) = exp (4,57 - 0,09*20 + 1,36*1 - 2,23*0) = 4,13 (a)
ceea ce prive~te ~ansele ca VD sa fie 1 candVI respectiva cre~te cu 0 unitate, iar VD (b) = exp (4,57 - 0,09*40 + 1,36*0 - 2,23*1) = - 1,26 (b)
ceilalti predictori sunt mentinuti la valori constante:
Pentru VI continue putem interpreta valorile b ~i pentru situatii cand VI Aeestea sunt apoi transformate Tn probabilitati pe baza formulei 7.4. Vom
cre~te mai mult de 0 unitate. Vom exemplifica eum se modifica ~ansele de a na~te obtine 0 probabilitate de 0,9837 pentru cazul a ~i una de 0,2205 pentru eazul b. 0
un copil sanatos la interval de 10 ani diferenta. Formula de calcul devine: exp probabilitate. de 0,50 Tnseamna ~anse egale pentru ambele categorii VD.
(b*10) = exp (-0,09*10) = 0,4067. Astfel, 0 femeie de 30 de ani are 0,4067 ~anse Observam ea primul subiect este mai probabil sa nasea un copil sanatos, iar al
(mai putin de jumatate) de a na~te un copil sanatos Tn comparatie cu 0 alta de 20 doilea, unul cu malformatii genetice.
de ani. Aceasta interpretare este valabila daca ceilalti predictori iau valori similare, Pe bazaprobabilitatii ca VD sa fie 1 putem calcula ~i probabilitatea ca VD
de exemplu, fie ambele femei comparate nu au consumat alcool Tn perioda sarcinii, °
sa fie (q = i-p). Astfel, probabilitatea de a na~teun copil eu malformatii genetiee
fie au fost comparate doua femei care au consumat alcool Tn perioada sarcinij. este de 0,0163 Tn cazul primei marne §i de 0,7795, Tn cel de-al doilea eaz. Tn ee
(b) Cea de-a doua posibilitate de interpretare este cea prin procente, caz prive~te ~ansele, observam ca ~ansa de a na§te un eopil sanatos este Tn primul
Tn care se utilizeaza formula: eaz de 60,35 ori mai mare (.9837/.0163) Tn eomparatie cu na~terea unui copil cu
malformatii genetice. Tn sehimb, exista de 3,54 ori maiputine ~anse de a na~te un
lOo(i -1) (7.12) copil sanatos pentru cel de-al doilea eaz (.2205 / .7795 = 0,282). De asemenea,
putem compara direct rezultatele celor doua persoane. Astfel, raportul de §anse
Pentru variabila "consum de alcool" vom obtine 100 (3,925-1), adica arata ea prima persoana are 213,40 ori mai multe ~anse de a na~te un copil
292,5%. 0 valoare negativa indica 0 descre~tere Tn ~ansele ca VD sa fie 1 atunci sanatos Tn eomparatie cu cea de-a dpua persoana [(.98371.0163) / (.22051,7795)].
cand VI cre~te cu 0 unitate, Tn timp ce 0 valoare pozitiva indica 0 cre~tere a lor.
Astfel, abstinenta' de la consumul de alcool In perioada sarcinii cre!?te eu
292,5% ~ansele de a na!?te uf! copil sanatos eomparativ cu 0 alta persoana ee a 7.3.6. Analiza cazurilor infiuente asupra modelului
consumat alcool Tn acea perioada, pastrtmd toate celelalte variabile constante. SPSS ofera, prin activarea butonului "Save" din regresia logistica,
Pentru variabila varsta, yom obtine 100 (0,91-1), adica -8,95%. Aceasta posibilitatea de a caleula indieatori ce descriu sau analizeaza fieeare eaz Tn parte,
Tnseamna ca fiecare an de viata Tn plus determina 0 descre~tere cu 8,95% a asemenea situatiei amintite Tn eazul regresiei liniare.
~ansei de a da na!?tere unui copil sanatos, pastrand toate celelalte variabile
De exemplu, prin bifarea "Predicted Values" putem stabili probabilitatea VD
constante.
de a fi 1 pentru fieeare obserVatie
, sau putem determina . grupul Tn care a fost inc\us
eazul respectiv (Hair et aI., 1998).
Prin optiunea "Influence" avemposibilitatea de a masura influenta fiecarui
7.3.5. StabiIirea unor profile ideale
caz asupra modelului. Tn tabelul 7.3. vor fi descri~i principalii indicatoriutilizafj in
Pe baza ecuatiei logistice putem stabili profile pentru diverse valori ale VI. detectarea eazurilor influente.
Avantajul acestora eonsta Tn posibilltatea de a manipula mai multe VI, Tn acela~i Cu ajutorul acestor indieatori putem studia cazurile care nu se Tncadreaza
timp, pentru a observa modificarile Tn evolutia VD (Freese, 2000). Reamintim ca bine Tn modelul explicativ propus. Cu alte euvinte, putem identifica atat cazurile
ecuatia de regresie pentru exemplul nostru este: neobi~nuite, cat ~i cele care au eontribuit cel mai mult la obtinerea valorilor logit din
ecuatia de regresie. Aceste informatii ne ajuta Tn formarea uneiimpresii generale
In Handicap =4,57 + 1,36*Alcool- 2,23*Factori genetici - 0,09*Varsta la na§tere despre stabilitatea solutiei gasite, adica despre gradul de specificitate al solutiei la
lotul de subiecti testat. Acesta are implicatii deosebite, mai ales Tn regresia eu scop
264 265
11111 IIIlIIilllll ,lIlIIilllll 11111,,11111 11111,:11111 1I1II::UIILlIIII:illIIIJIIIJIIILIIIIIUIIIII 11111 ,1111 LlIIIIIIII!: 11111 !IIII: 11111 !1111,,11111 11111,.11111 11111, 11111 111111111111 11111 ,11111 11111,Ill i 11111 illllllllllllllllllll _ _ _IIIII~lllllllmlmllrnllllllmllll~IIIIUIIIIIJIIIII,IIIII!,IIIII:I III 111:1111,111'1111 'III' !II! 1111111 II, ", :i, 'I, :1 I il ill 1111 III, % III illi III, illl ,II: Illi :111 III, :111111: 1111 III, Illi :1111111 'III :lli :11111111111' :1111 1111 1II i 1111111111111'11' ' :1 1111111,11111111' ,11111111 1111 III! :111 1111 III III 'III III! 1111111, :111 Iii ,II, Iii, ,II, ,!Ii :11, I 1 ' ,
i~i;~r
predictiv. Ele sunt legate de posibilitatea de a generaliza rezultatele pe alte loturi .\
Pentru exemplifieare, yom prezenta sectiunea de analiza a datelor intr-o
de subiecti. Ca regula generala, cu cat exista mai multe cazuri neobi!?!luite sau ! eereetare ipotetica, cu un scop predietiv, aeela de a gasi un set de variabile care sa
influente, cu atat sunt mai .mici !?ansele de generalizare a rezultatelor [a nivelu[
populatiei din care a fost extras lotul testat. I t
prezica cel mai bine probabilitatea unei persoane de a fi fidela, respectiv de a fi
infidela in plan sexual, fata de partenerul sau partenera sa. Tn cercetarile
anterioare au fost identificaii cativa factori care par a influenta acest comportament.
Tabelul 7.3. Principalii indicatori de detectare a cazurilor influente II
Ei pot fi impar1;iti in factori personali (sexul persoanei, varsta, nivelul de educatie
Denumire -SPSS Descriere Valori critice venitul realizat, tipul de religie adoptata,starea civile., statutul social), factor;
Cook's Distance Evalueaza Tn ce masura eliminarea cazului > 4 / (l1-k-1) \ si:u~t.i~nali (distanta fizica dintre parteneri, numarul de parteneri de sex opus
respectiv schimba probabilitatile ca VD sa fie 1 ellglblll la locul de m!lnca, varsta la care a avut loc casatoria (prima casatorie) sau
\ factori psihologici (gradul de satisfaciie maritala in euplu, gradul de implicare in
pentru celelalte observatii.
DfBeta Masoara modificarile coeficientului logit pentru
fiecare VI Tn parte, Tn situatia excluderii cazului
Depa§irea
intervalului ±2 I relatie, nevoia de senzapi tari, stilul de ata§ament etc.) (Atkins, Baucom §i
Jacobson, 2001; Bogaert r;;i Sadava, 2002; Drigotas §i Barta, 2001; Drigotas,
respectiv. Aceste valori se standardizeaza apoi. Safstrom §i Gentilia, 1"999; Za1< §i colab., 2002).
"lElVerage value" Evalueaza masura Tn care un caz influenteaza > 3k1n Dintre ace§tia, am decis sa gasim nir;;te predictori care sa estimeze cat mai
abate rea modelului §i implicit testul G~. corect persoanele care vor da dovada de fidelitate Tn plan sexual, pe un lot ipotetic
unde n este volumul e§antionului, iar k numarul de VI. I de 200 de studenti necasatoriii, avand varsta cuprinsa Tntre 18 !?i 30 de ani.
Sectiunea de analiza a date lor ar putea Iu-a urmatoarea forma:
I Pentru a gasi un model predictiv care sa estimeze cat mai coreet fidelitatea
sau infidelitatea Tn plan sexual, am utilizat ca predictori un numar de opt variabile:
varsta; sexul persoanei; comportamentul religios (frecventa la biserica; pastrarea
7.4. Exemplu de regresie logistica binara - cazul infidelitatii
ritualurilor in post etc.), atitudinea fata de re!atii, stilul de ata§ament cu cele trei
scale (sigur; ambivalent-anxios; evitant) §i nevoia de senzatii tari.
Tn scrierea sectiunii de analiza a datelor in articolele care utilizeaza
Utilizand metoda simultana, modelul testat are un' G2(8) = 42.15, P < .01,
regresia logistica trebuie prezentate urmatoarele informaiii:
valoare semnificativa satistic, iar R2 Nagelkerke a fast .56. De altfel, cinci predictori
• precizarea intr-un paragraf a variabilelor implicate in regresia logistica, atat
din opt exercita 0 influenta semnificativa statistic asupra probabilitatii ca studentii
a predictorilor (VI), cat §i a criteriului (VD), precum !?i a justificarii pentru
sa fie fideli, respectiv infideli. Tinand cont de faptul ca scopul acestei cercetari este
alegerea acestei tehnici, pornind de la ipoteza sau obiectivul studiului;
exclusiv predictiv, precum. §i de faptul ca modelul predictiv redus, ce include doar
• precizarea intr-un alt paragraf a datelor generale eu privire la efieienta
. cele cinci variabile semnificative statistic, are aproape aceea§i putere explicativa,
modelului testat, a puterii sale explicative !?i a eventualelor eomparaiii cu
R2 Nagelkerke fiind .53, iar /j. G2(3) = 3.00, P > .05, vom interpreta acest model
alte modele alternative;
restrans, in care G2(5) = 39.15, P < .01: Cei trei predictori eliminati sunt seorurile
• prezentarea unui tabel sumar al valorilor coeficientilor logit §i a
subiectilor la stilulde ata§ament sigur !?i la eel deevitare, r~spectiv varsta,
exponentilor acestora, precum §i a indicatorilor utilizati pentru testa rea
deoarece coeficientii log it asociati acestora nu au fost semnificativi statistic.
gradului de semnificatie a acestora;
• in cazul regresiilor in scop predictiv se poate prezenta §i tabelul eu W al
Tabel cu clasificarea subiectilor Tn functie de valorile observgte !?i de cele estimate·
propor1;iilor, pentru a afi§a gradur de eoreetitudine a clasifidkii subieet ilor
pe baza eeuatiei de regresie observate; Rezultate estimate
• in ca2ul regresiilor cu scop explicativ, ar fi util de treeut in tabelul cu Studenti infideli Studenti fideli
eoeficientii log it, valorile R sal,l eoefieientii logit standardizaii, pentru a Rezultate Studenti infideli 31 2
vedea eontributia fieearei variabile la explicarea variabilei independente; de observate Studenti fideli 20 147
asemenea, in cazul utilizarii metodei ierarhice se va treee X2 al pasului,
pentru fiecare treapta adaugata; Acest model cu einci predictori. reu§e§te sa estirfleze corect 89% din
• interpretarea eoefieientilor logit obtinuti folosind, fie varianta faetorilor, fie cazuri, un procent u§or superior fiind Yn identificarea cazurilor de infidelitate (94%,
pe cea a procentelor din .analiza raportului §anselor - exp(b).
267
266
1111 11111 1111 11111 11I1I'IIIIUIIIUIiI '1111 IIIhJlI1 1111'1111'1111 II: 'I'
adlel:\ 31 din eele 33 de eazuri), decat Tn identificarea cazurilor de fidelitate· (88%, BIBLIOGRAFIE
~dlc~ 147 din cele 167 de observatii). .
o asemenea eficienta predietiva este Tmbucuratoare, aproximativ 9 din 10 Agresti, A. (1990). Categorical data analysis. New York: John Wiley & Sons.
studenti fiind identificati coreet ca apartinand, fie categoriei celor fideli sexual, fie Atkins, D_C., Baucom, D.H., Jacobson, N.S. (2001). Understanding 'infidelity: Correlates in a
celor infideli sexual. Mai mult, doar 2 dintre studentii care au fost iilfideli nu au fost National Random Sample. Journal of Family Psychology, 15(4),735-749.
identifica\i coreet prin ecuatia de regresie rezultata, ceilalti 31 fiind identificati Bogaert, A.F, Sadava, S. (2002). Adult attachment and sexual behavior. Personal
corect. Relationships, 9, 191-204 ..
Drigotas, S.M., Safstrom, C.A., Gentilia, T .. (1999) .. An investment model prediction of dating
Tabelul cu coeficientii logit §i raportul §anselor pentru fiecare predictor din model infidelity. Journal of Personality and Social Psychology, 77(3), 509-524.
Predictori b S.E. Exp(b) Wald Drigotas, S.M., Barta, W. (2001). The cheating heart: Scientific explorations of infidelity.
Current Directionsin Psychological Science, 10(5), 177-180.
Sexul persoanei 0,97 0,33 2,64 7,23 **
Freese, J. (2000). Categorical analysis. Note de curs. ICPSR Summer Program in
Comportamentul religios - 0,33 0,14 0,72 4,91 *
Quantitative Methods of Social Research, Ann Arbor.
Atitudinea fata de relatie 0,61 0,17 1,84 10,25 **
Hair, J.E.Jr., Anderson, R.E., Tatham, R.L., Black, W.C. (1998). Multivariate data analysis
Ata§ament ambivalent-anxios 0,22 0,10 1,25 5,10 *
(fifth edition). New Jersey, Prentice Hall.
Nevoia de senzaiii tari' 0,30 0,19 1,35 6,32 **
Garson (2000). Gasit la 14.IX pe www2.chass.ncsu.edu/garson/pa765/10gistic.htm
C6nstanta (Interceptul) 0,25 0,06 12,46 **
Long, Scott (1997). Regression models for categorical and limited dependent variables.
* p < .05, ** P < .01 Thousand Oaks, Sage.
Menard, S. (1995). Applied logistic regression analysis. Publications Series: Quantitative
Se constata ca persoanele de sex masculin au de 2,64 ori mai multe §anse
Applications in the Social Sciences, nr.106, Thousand Oaks, Sage.
de a fi infidele fata de partenerele (partenerii) lor, Tn comparatie cu persoanele de
Wickens,T.D. (1998). Categorical data analysis. Annual Review in Psychology, 48,537-558.
sex feminin, Tn conditiile Tn care pastram constante celelalte variabile. De
Wright, R.E. (1995). Logistic Regression. Tn L.G. Grimm §i P.R. Yarn old (eds.). Reading and
asemenea, §ansele ca persoanele care adopta un comportament religios (variabila
understanding multivariate statistics (p. 217-244). Washington, DC: American
masurata pe 0 scala cu 10 puncte) sa adopte un comportament infidel scad cu Psychological Association.
o 72 daca scorul la comportamentul religios cre§te cu un punct, Tn acelea§i
c~nditii, de pastrare a celorlalte variabile la valori constante. in schimb, §ansele Zak, A., Coulter, C., Giglio, S., Hall, J., Sanford, S., Pellowski, N. (2002). Do his friends and
family like me? Predictors of infidelity in intimate relationships. North American Journal of
de infidelitate Tn relatie aproape sedubleaza (b = 1,84) cu fiecare punet adaugat la Psychology, 4(2), 287-290.
variabila atitudinea fata de relatie, unde valorile ridicate indica 0 atitudine liberala.
$ansele cresc de 1,25 ori, cu fiecare punct adaugat Tn scala de ata§ament de tip
ambivalent-anxios. Cu alte cuvinte, un asemenea stil de ata§ament favorizeaza
aparitia infidelitatii in plan sexual. in sfar§it, nevoia de senzatii tari favorizeaza, d~
asemenea, comportamentul infidel. Cu fiecare punct Tn plus la scorul acestul
predictor, §ansele de a fi infidel cresc de 1,35 ori, Tn conditiile mentinerii la valori
constante a celorlaltevariabile.
Prin urmare, profilul persoanelor cu risc ridicat de a se angaja Tn relatii
sexuale Tn afara cuplului, rezultat din lotul de 200 de studenti testati, este acela al
unui barb at, care are un comportament religios redus (nu frecventeaza foarte des
slujbele saptamanale, nu tine post etc.), care are 0 atitudine liberala, deschisa, fata
de cuplu (ex. considera normal sa participe la petreceri §i tara partener sau
partenera), care are un stil de ata§ament de tiP. ambivalent-anxios §i 0 nevoie
puternica de senzatii tari.
268
269
, 'I
j
! !
\
CAPITOLUL 8
271
~IIIIIIIIIIIIIIIIIIIII'_.I!'IIIIIIIIIIIIIIIIII:IIIIIIIIIIIIIIIIIIII ,II !I'ill II: :Ii I' 'I' r" Ii ,I' I
'I! II'" III' III' 111'illllll'III'111 I ! II,'II","II'!'II"""""
8.1. Modele de sealare multidimensionala preferentiala (prefer ora9ul A lui B). Primul tip de date face referire la modele
clasice de scalare. multidimensionala, Tn timp ce alegerile preferentiale incumba
Din punct de vedere m<¥ematic, problema principala in MDS se reduce la modele unfolding. TotU9i, I acestea din urma pot fi transformate i~ date de tip
g~sirea unei modalit;~W de transformare a graduluide similaritate / disimilaritate similaritate9i supuse modelelor de tip MDS (Rotariu 9i colab., 1999). '
perceptiva dintre obiecte in distante intre puncte reprezentate grafic. In acest scop Dincolo de aceste diferentieri, importante din perspeetiva teoretica, exista
a fast creata a serie de algoritmi de calcul, a caror selectie este dependenta de diferente 9i in utilizarea unor algoritmi de calcul. Aceasta se datoreaza, in mare
cativa factori: parte, lipsei de unitate conceptuala in evolutia MDS 9i se regase9te in modalitatile
a) tipul de date prin care au fast evaluate proximitatile psihologice dintre diferite de transformare a proximitatii' psihologice in distante intre punete
obiecte; reprezentate grafic, dar 9i in diversitate? de programe statistice existente. Vom
b) sursa provenientei datelor: un singur grup, mai multe grupe, a singura amintipe scurt cativa dintre algoritmL Cititorul trebuie sa retina ca alegerea coreeta
persoana; a programul statistic tine de tipul de algoritmi de care acesta dispune. Fiecarui
c) tipul de relatii intre obiectele' avute in vedere. design MDS Ii poate corespunde rularea unuia sau a mai multor algoritmi. Daca nu
Tn functie de aceste aspecte, exista mai multe categorii de modele MDS este selectat algoritmul MDS adecvat design-ului cercetarii, se vor obtine rezultate
(van Deun 9i Delbeke, 2000): eronate.
a) modele MDS metriee VS. non-metriee Pornind de la aceste precizari, au fast dezvoltate mai multe proceduri de
Conform primului criteriu, cel al tipului de date analizate, proximitatile scalare multidimensionala precum: KYST; MINISSA; MDPREF; TRISOSCAL;
obtinute prin scale de tip interval sau raport (propoi\ii) necesita tehnici metrice,' in MULTISCALE; INPSCAL; ALSCAL; PR0?<SCAL. 'Aceste proceduri sunt cup rinse
timp ce datele obtinute prin scale de tip ordinal sau nominal fac apel la tehnici non- Tntr-unul sau in mai multe programe statistice cum ar fi:
metrice. De9i primul gen de tehnici a fast inventat mai intai, cele non-metrice sunt MDS(X) Library of Computers programs (Coxon, 19.82) este un prograrn
mult mai des fntalnite fn literatura de specialitate (Stalans, 1998). Cel mai fntalnit care contine majoritatea procedurilor amintite mai sus, alaturi de alte
tip de date utilizate in MDS sunt cele ordinale (ex. ierarhizari, scale Likert). De cateva 9i poate fi descarcat de pe internet gratuit, cu licenta pe 0 perioada
pilda, pentru a campara gradul de proximitate dintre doua directii ale psihologiei: de 60 de zi/e. Adresa web este: http://www.newmdsx.com
psihologia cognitiva 9i behaviorism, se poate utiliza a scala de comparatie cu 9apte • SPSS-ul contine in meniu trei dintre procedurile amintite mai sus: ALSCAL
trepte, unde "1" ar insemna "foarte asemanatoare", iar "7", "foarte diferite". 9i INDSCAL (in pachetul de baza), respectiv PROXSCAL (in modulul
b) modele MDS sintetiee vs. analitiee "SPSS Categories") (Meulman 9i Heiser, 2001). Prime Ie doua proceduri
Primele (in engleza "unweighted models") pornesc de la premisa ca toti sunt prezente 9i in versiuni mai vechi ale SPSS-ului. Datorita raspandirii
subiectii atribuie aceea9i importanta 9i utilizeaza acelea9i criterii de evaluare. M~i largi a programuluUn tara noastra, toate exemplele prezentate se vor baza
mult, obiectivul unui studiu, utilizand asemenea modele, este de a observa cum i9i pe ace9ti. algoritmi ai SPSS-ului. TOtU9i, prin apelul la sintaxa, SPSS-ul
reprezinta toti subiectii dintr-un e9antion relatiile de proximitate psihologica dintre pune la dispozitie 9i alte tipuri de algoritmL
obiecte. Pentru, 'a lucra cu asemenea date se obi9nuie9te sa se calculeze media • SAS-ul contine, printre altele, 9i procedura MULTISCALE. Chiar daca
raspunsurilor provenite de la toti subiectii din e9antion pentru fiecare comparatie programul SAS nu este prea intalnit in Romania, merita retinut ca aceasta
facuta. Modelele analitice 5e impart in doua categorii: modele replicative (in procedura este revolutionara, fiind bazata pe estimarea rapoartelor de
engleza "replicative models") 9i modele diferentiale (In engleza "weighted models"). verosimilitate (In engleza "maximum likelihood estimation"). Acest fapt
Cele dintai se refera la situatii in care se realizeaza comparatii repetate la intervale permite realizarea unor MDS confirmatorii 9i nu· doar exploratorii.
diferite de timp, pe acela9i lot de subiecti sau pe un singur subiect. Cele din urma lata a scurta descriere a celor maiimportante proceduri:
satisfac situatiile in care exista a singura testare, dar fn care suntem interesati de KYST (lSruskal, young, §.hepard, Iorgerson) este unul din primele
. diferentel e interindividuale sau intergrupale existente in cadrul unui e9antion.' Din programe menite sa realizeze scalare multidimensionala in situatii MDS metrice 9i
aceasta ultima perspectiva, eel mai probabil, yom constata diferente intre non-metrice de tip sintetic 9.i bazate pe relatii de similaritate. Aceasta procedura
psihologia cognitiva 9i behaviorism, daca yom intreba speciali9ti in d~meniul este cuprinsa in programul MDS(X).
psihologiei transpersonale sau profesioni9ti Tn domeniul inteligentei artificiale. MINISSA (Michigan~lsrael-Hetherlands"lntegrated §.mallest §.pace
e) modele de similaritate vs. modele unfolding (extinse) Analysis) este a alta procedura ce poate fi utilizata in condilii similan:! eu cele ale
Proximitatea, conform teoriei lui Coombs, poate contine atat relatii de KYST. Tn versiunea sa metrica este denumit MRSCAL. Ambele versiuni sunt
similaritate (gradul de apropiere intre doua orage), cat 9i 'relatii de al~gere cuprinse in pachetul MDS(X). Avantajul programului fata de KYST consta in
272 273
JIIIILlIIIIUIIIII~IIIIIIJIIIIIIIIIIIIIIIILlIIIIIIIIIII'1111111II111:lllllilllllUIIIIIIIIIIILlIIIILilllllmIIILJIIIILUIIIIJI1ILUIIIILIIIIIlJIIIIL!IIIUlJIIIIL:IIIIILJIIII! 11111~IIIIIUIIIII'IIIIIIJIIIILlIIII~IIIILlIIIIL:IIIIIJII'!lllllulllllLlIIIII 1111111 111111:1111111 111111:1111111 11111 l'IIIIIIIIIIIJIIIII.IIIIIIIIIIIIJllllJIIIILIIIIIIJIIIILlIIIIU1IIII:lIIIILIIIIllJlIIIllJIIIILlIllIUIIIlLlilii 1111Ll1111lJ1111lJ11111!J1111lJ11111~lllllJlllllJIIIIILlIIIIIJIIIII~111111J1111LlIIIII,IIIIIIIIIIIIII! 11111 :1111: 11111 !IIII' IIII! 1Il11111I.m_ _ 111111111111111111111111111111:11111111111111111111111111111111'111111111111'111111111111111111111111,111111111111'1111111111111111IIIIIIIIIIIIIIII!IIIIII.IIIIII':IIIIIII~II,:IIIIIIIIIII! 11
1111111111,11111,1111111111111,11111111111111111 iIIlll 11111 IIIII!'IIIII 11111:'11111 1IIIIi'IIIII 11111:111 II 1IIIIi111111 iIIll 'lIIll 1111111:111111 1111111I111111 111111 !IIII111111111111111111111111111:11111' 11111111111111111:1111111111111:111111111111111111111111111111111:1111111II1II:!IIIIIIIIIIII:iIIIIIIIIIIIIIlIIIIII,IIIIII,IIIII! 111111 IIIIIILIIIIII 1111111 111111 IIIIII!IIIIII 1111: 111111111' 11111 :11111111 11111111: 111111111 III 'II
275
274
i ,II III III! 11111 11111 'i III' 111,'111 1 II'I!I!' I! 1I"li !I',II !II"II:II! 111:11' 1 "I !I "! " 11111 IIIP 11111 11111 1111111111 'lI'II'IIIII,'i 'I ill ,II 111111,111'11"111111,,,11111111'11"'"'111'1111'111"1111 11111111
1) care dintre criteriile taxonomice amintite mai sus au 0 relevanta mai mare? cel mai frecvent, doua sau trei dimensiu'ni. Alegerea numarului de dimensiuni va fi
In termeni tehnici, care dintre criterii contribuie mai mult la stabilirea aprofundata Intr-un subcapitol ce va urma.
distantei psihologice dintre cei zece stimuli inclu~i in studiu? c) Un alt aspect, (:Ie care trebuie sa Se 1ina seama In selectarea numarului
2) care este, din perspectiva e~antionului testat, ierarhia preferintelor de a de stimuli inclu~i, consta In particularitatea MDS de a considera numarul de stimuli
reactiona in situatii de conflict? ca echivalent al numarului de subiecV Prin urmare, In utilizarea scalarii
3) daca impai\im e~antionul in doua grupe: cu ~i fara experienta in multidimensionale pentru a identifica dimensiunile latente, N (volumul e~antionului)
solutionarea conflictelor, exista diferente in ce prive~te modul de percepere este dat de numarul de stimuli §i nu denumarul de subiecti. De aceea, se prefera
a celor zece reactii incluse in studiu? un N care sa contina de la 8-9 stimuli in sus, cifra opt fiindminimul"necesar pentru ~
o solutie bidimensionala.
Valoarea MDS optima cuprinde 20 - SO de stimuli. Numarul de stimuli ale§i
8.2.1. Selectarea obiectelor §i a numarului acestora este dependent §i de metoda utilizata pentrucolectarea datelor, unele fiind
De cele mai multe ori nu putem include intreaga populatie de stimuli dintr-o nepotrivite pentru un numar mare de stimuli.
anumita categorie. NUmai in exemplul precedent pot fi trecute Tn revista mai mult
de 0 suta de reactii la conflict, pornind de la cele de tip nevrotic (ex. inhibitie,
frustrare), pana la masuri cu caracter global (greva, ri3zboi, embargo etc.). Tn 8.2.2. Metode de colectare a datelor
selectarea stimulilor care vor face obiectul scalarii multidimensionafe este De la aparitia tehnicilor MDS au fost dezvoltate 0 multitudine de metode de
important sa retinem trei aspecte, pe care Ie yom prezenta pe rand. colectare a datelor, dintre care yom prezenta pe larg trei:
a) Stimulii ale§i sa fie cat mai reprezentativi pentru categoria aleasa. Astfel, • compararea fiecarei perechi de stimuli;
Tn studiile de marketing nu sunt inclu~i toti stimulii, oricat de minori ar fi ei, ci se sortarea;
obi~nuie~te sa se aleaga stimulii cu 6 cota de piata crescuta, cu 0 diversitate cat • ierarhizarea.
mai mare Tn ~ceea ce prive~te atributele pe care Ie detin. Tn exemplul nostru, se
observa ca stimulii ale~i sunt reprezentativi doar daca facem referire 18 nivelul 8.2.2.1. Compararea fiecarei perechi de stimuli
conflictelor interpersonale (Bogathy, 2002). Daca yom tine seama de conflictele Este m~toda cel mai frecvent Tntalnita in MOS. Ea presupune compararea
intrapsihice, intragrupale, intergrupale sau interstatale, yom observa ca lipsesc a cate doi stimul.i. Numarul de comparatii cre§te foarte mult atunci cand numarul de
multe dintre reactiile tipice, posibile Tn astfel de situatii conflictuale. stimuli se mare~te, de aceea modafitatea este mai putin potrivita pentru a fi
b) ,Stabilitatea unei solutii este dependenta de raportul dintre numarul de utilizata la un numar de stimuli N>20. Numarul de comparatii ce trebuie efectuate
stimuli inclu§i §i numarul de dimensiuni selectate de solutia optima. Astfel, daca poate fi aflat cu ajutorul formulei [n(n-1)/2]. Astfel, pentru cei 10 stimuli din
anticipam un numar mai mare de dimensiuni (ex. criterii de evaluare a unor exemplul reactiilor la situatii de conflict, vor fi necesare 45 de comparatii Intre
produse), ar fi bine sa includem un numar cat mai mare de stimuli. Au fost stimuli perechi (ex. 1 cu 2; 1 tu 3; 1cu 4; ... ; 9 cu 10). Daca numarul de stimuli ar fi
elaborate 0 serie de recomandari in acest sens. Jones ~i Koehly (1993) enumera fost 12, utilizarea aceleia~i metode ar fi necesitat 66 de comparatii.
doua asemenea reguli. Prima sustine ca trebuie sa avem intre 4 ~i 6 stimuli pentru Din punctul de vedere al scale lor de masurare, cea mai Tntalnita modalitate
fiecare dimensiune inclusa Tn solutii. Gea de-a doua, mai generala, sugereaza ca este cea ordinala, de tip Likert, cu 5, 7 sau 9 diviziuni, in care alegerea unei valori
numarul de dimensiuni extrase sa nu depa~easca valoarea (n-1 )/4, unde n capat (ex. "1 ") ar Tnsemna 0 foarte mare similaritate intre obiecte, iar alegerea
reprezinta numarul de stimuli (obiecte). Tn cazul nostru, avand zece stimuli, ambele celuilalt capat (ex. "7") semnifica diferente foarte mari fntre obiecte. lata doua
reguli indica 0 solutie stabila reprezentata Tn plan (doua dimensiuni). 0 solutie in 3 dintre cele 45 de comparatii efectuate in problema mai sus mentionata:
dimensiuni pare a fi maiinstabila, insa nu imposibila. Aceasta regula nu are
caracter obligatoriu, ci doar de recomandare, prin urmare, ea nu trebuie aplicata
Arbitraj VS. t,,'l emere Confruntare vs. Mediere
automat. Alegerea numarului de dime,nsiuni este dependenta Tn principal de
indicatorii statistici obtinuti ~i de gradul de interpretabilitate a dimensiunilor. Mai 'q/ 3 4 5 6 7 2 3 4 X 6 7
mult, Tn situatii cu un numar mare de obiecte, de exemplu 30, conform acestor I l'
foarte
I I I
foarte
I I
foarte
I I I
forute
1
reguli ar putea fi selectate optim pana la ~apte dimensiuni. Aceasta ar com plica diferite
similare diferite similare
interpretarea rezultatelor, fapt ce a determinat 0 tendinta puternica de a selecta,
Figura 8.1. Exemp/e de comparatii perechi
276 277
, Ii ,II, III: 1111 11111 1111 Jill '1111 !IIII :IIIIJIIILlIIIIIIIIIILlIIIIUIIIII~111111 1IIIIIJlIIIII 1IIIIIJlIIIII 111111 111111: 111111 '1IIIILlIIIII 111111: 111111 :IIIIIUIIIII,IIIII 111111 11111 111111 :11111 111111 ,11111 11111' :11111111111111111 1IIIILlIIIIIIIIIIII 111111 'IIIII! 111111 ,11111 111111 11111' 111111 11111 iIIlll 11111 11111I '11111 111111 :11111 11111, ,11111 11111 'IIII! 11111 1111' 11111 1111, !IIIIII 111111 111111, 111111 :1111111111 1111: :1111 1111' 111111 illill 111111111111 '11111' IIIIII'IIIII! 111111111111 IIIII! 111111 1IIIIi !IIII' Illi 1111 1111 'III 11'111'111111111111111111111::111111111111111111111,111':11'I 11:1111 1111,'1111 1111"1111 1111'11111 11111 11111 11111!!1 1111'111111 1IIILillilLillilLililliJllilLilillcllllll-llill '1111'11111 IIIII'IIIIL'IIII 111111111111111111'11111-11111-1111111111111111111'111'1111111'11"111'111'1111111111
Conform acestor date, medierea, ca modalitate de f<3spUnS la conflict, este dintre do'; stimuli pornind de la formula N-k, un de N reprezinta numarul total de
vazuta ca fiind mai asemanatoare arbitrajului. In schimb, intre mediere ~i subiecti investigati, iar k este numarul de subiecti care au sortat Tn aceea~i
confruntare exista 0 distanta psihologica mai mare. Pentru a obtine erori cat mai categorie stimulii vizati. Astfel, dad) din zece subiecti chestionati, ~ase sorteaza Tn
mici, inainte de a se trece la compararea efectiva a stimulilor se obi~nuie~te Sa fie aceea~i categorie evitarea ~i renuntarea, indicele trecut Tn matrice, la intersectia
prezentata intreaga Iista de stimuli, pentru a da posibilitatea respondentilor sa-~i dintre cei doi stimuli este ·patru.
formeze 0 impresie generala asupra gradului de proximitate dintre ace~tia. Un
Subiectul1 Evitare Arbitraj Cooperare Subrninare
program software dezvoltat special pentru acest lucru exista ~i·in limba romana.
Renull!are Mediere Confruntare Manipulare
Denumit generic MultiScal, el a fost dezvoltat de firma SOFTAge S.R.L. printr-o Amanare Compromis
finantare dintr-un grant CNCSIS. Cei interesati sa intre Tn posesia acestui program
Subiectu12 Cooperare Evitare Subminare
pot cere mai multe informatii la adresa de e-mail prezentata in seciiunea Arbitraj Renllntare Maniplilare
introductiva. Mediere Amanare
Compromis
Confruntare
8.2.2.2. Sortarea stimuli/or
Sortarea stimulilor constituie 0 alternativa de colectare. a datelor ce permite Figura 8.2. Exemp/u de co/ectare a date/or prin metoda sorflirii
subiectilor sa grupeze stimulii Tn cateva categorii, bazandu-se pe gradul de
disimilaritate intre date. Sortarea poate fi de mai multe feluri: singulara (subiectul 8.2.2.3. lerarhizarea stimuli/or
alege 0 singura data) sau multipla (grupeaza obiectele de mai multe ori, dupa lerarhizarea stimulilor presupune ca subiectii sa stabileasca 0 ordine a
criterii diferite); restrictiva (un stimul poate fi inclus Tntr-o singura categorie) sau preferintelor, acordand pentru fiecare stimul un rang. Spre exemplu, nota 1 revine
nerestrictiva (un stimul poate fi prezent simultan in mai multe categorii); fixa stimulului preferat, nota 2 stimulului aflat pe locul secund Tn topul preferintelor,
(stimulii sunt grupati intr-un numar prestabilit de categorii) sau libera (pot fi formate continuand pana la nota N, acordata ultimului ales dintre stimuli. Aceasta metoda
oric~He grupe de stimuli).
este specifica modelelor MDS non-metrice, bazate pe relatii de proximitate de tip
Avantajul acestei metode consta in u~urinia de a colecta rezultatele Tn unfolding. Ea nu ofera, cel putin In SPSS, posibilitatea unor analize diferentiale
cazul unui numar foarte mare de stimuli, depa~ind astfel dezavantajul metodei pentru a surprinde deosebirile dintre subiecti sau dintre grupe ale e~antionului. Tn
comparaiiei fiecarei perechi. Dezavaritajul primar este dat insa de validitatea mai eadrul modelelor sintetice, rezolvabile prin SPSS, obiectele reprezinta variabilele
redusa a solutiilor obtinute pentru 'situatiile cu mai mult de trei dimensiuni. Mai mult, cercetarii, iar fiecare linie contine rangurile acordate In urma ierarhizarii fikute de
utilizarea unoi" proceduri de diferentiere interindividuala din seria INDSCAL a fost un singur subiect.
mult timp neaplicabila in astfel de situatii, iar solutiile oferite de programe precum Alaturi de aceste modalitati de colectare, intaln;te frecvent, exista altele
ALSCAL nu sunt Tntotdeauna corecte (ex. solutii degenerative) (Carroll ~i Green, precum obtinerea proximitatilor prin triade, compararea incompleta a perechilor,
1997). utilizarea aprecierii binare de tip asemanator vs. diferit etc. Mai multe informatii
In cazul propus, datorita numarului redus de stimuli (doar 10), este sunt disponibile Tn lucrarile lui Coxon (1982), Tsogo, Masson ~i Bardot (2000).
preferabil sa nu utilizam aceasta metoda de colectare, din cauza dezavantajelor pe Toate aceste modalitati de prezentare a datelor intra in categoria celor
care Ie prezinta. In schimb, daca am fi avut 40 de stimuli, metoda ar fi fost cu obtinute direct. Alaturi de acestea, se pot estima proximitati Tntre diferite obiecte pe
sigurania adecvata, deoarece apelul la compararea fiecarei perechi de stimuli ar fi baza unor indicatori derivati. Cel mai cunoscut indice derivat de disimilaritate este
presupus nu mai putin de 780 de evaluari succesive. Cu scop pedagogic, Tn figura obtinut pe baza valorii coeficientului de corelatie dupa formula (1-r2). Se pot obtine
8.2. sunt prezentate gruparile celor 10 stimuli pe categorii obtinute de la doi astfel reprezentari grafice care sa ateste prin poZitionare ~i distantare spatiala,
subiecti. relatiile dintre mai multe concepte (obiecte). Din aceasta perspectiva, MDS se
, In aceste cazuri se observa ca tipulde sortareutilizat peritru colectarea apropie eel mai mult de modul de functionare al analizei factoriale.
datelor este de tip singular (0 singura softare), restrictiv (un stimul nu poate fi
simultan Tn mai multe categorii), ~i liber (pot fi construite oricate categorii ~i pot fi 8.2.3. Managementul datelor colectate prin SPSS
alese oricate elemente Tntr-o categorie). .
Rezultatele obtinute se trec intr-o matrice, in care atat pe linii. Cat ~i pe Modul uzual de introducere a datelor Tn SPSS pentru a· realiza 0 sealare
coloane sunt trecuti sti~ulii prezentati. De fiecare data cand doi stimuli sunt sortaii multidimensionaJa este sub forma unei matrice. Aeeasta poate avea forma
Tn acela~i grup Se 'prime~te un punct'. In matrice, se trece indicele de disimilaritate patratica (numar egal de Iinii ~i coloane) sau dreptunghiulara (rectangulara), poate
278 279
:"1:'1111111111111,1111111111,11111,1111111111'11'111"111,111:1111111111111111'1111111111111,,11111111,1111111111111 IIII!,I: III III II! 1111 !III !III!!IIII IIII! 11111 '1111 11',11 'II: ill 'II II: 111'1111 """,!:", III'!III I " '11!~IIIUHmIIWIIIIW'III! 1111 III, I II' 1111 1111'11111,1111 IIIIIJIII'IIII Iii' 'III "II III! !III, "',1"" """'",111, """", 1111 !III 1111 !111I_1II_.I"_ _ _*I.-,III_lIlIlIllIIUU,11111 11111 'IIII ,III, III I!
280 281
11'III,IIII:IIIIIIIIII:IIIII'IIIIII,IIIIJllluIIIILlIIIIL1IIIILlIIIIJIIIII'.IIIIIJ11III.1IIII,',lllllllllllllllllllllmJIIIIIJlllllliIIIIILWllllillllllllllll'IIIIIIIJllllljllllllIIlllmlIIJIIIIJIIIIJIIIIIJIIIII,IIIIII'11111 11111',111111 III11',1II11111111',IIIIIIIIIIIIJIIIIIIIIIIIIIIIIIJIIIIIIIIII'JIIIII'IIIIILJIIIII'IIIII'IIIII'IIIIIJIIII',IIIIIIIIII"IIIII 11111,111111 11111,'11111 111111J11111.:IIIII,Jll l jl lIJIIII'JIIIIJIIIUIIIJIIII'llllllli 1II ,llllJIIIIIIIIIIJIIIIIJIIIIIUIIIIUllllltIIIIILIIIII,<a,_ _ _ _ _ _ IIIUIIII 11111 1IIIIlIIIII 11111 1111 1111 ilil illlr'llllI 11111011111 11111'11111 1IIIflllili 11111 111111 11111111111 1111111111"111 IIJIII~lIlIIllIIlllIrllllllllrlllllllllllllll'IIII'IIIIIIIIII'IIIIIIIIIIIIIIIIIIIW'IIIIIIIIII!IIII'IIIIIIIIII'IIII'IIIII"IIIIIIIIIIIIIIIIIIIIIIIIIIII'IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII~'III"[l1"1"'"I""III""IIIIL"I'" '""''''''''"1''''"'''""''''111111"''111 """'" "''','''' "'IL,"" ""'''''' ""''''
Rezultatele introduse In matrice se refera, de aceasta data, la rangurile (one-mode) prezentate anterior, In care se face referire numai la stimuli (at8.t pe
acordate stimulilor respectivi In ordinea preferintelor [unde 1 = prima alegere, iar linii, cat :;;i pe coloane), matrice precum cea de mai sus contin stimuli pe coloane :;;i
subiec~ pe linie. Situatia permite modelelor extinse ("unfolding") sa reprezinte
10 (N) = ultima alegereJ. Daca unii subiecti nu pot diferentia Intre doi stimuli, se pot
acorda ranguri egale (situatie mai putin dorita). lerarhizarea (notarea) continua grafic atat stimulii, cat :;;i subiectii. Principiul de interpretare ramane acela:;;i. Cu cat
un subiect este mai aproph3t spatial de un anumit stimul, cu atat exista 0 preferinta
apoi In conditii cunoscute :;;i Intalnite deja In cazul corelatiei Spearman a rangurilor.·
mai clara pentru acesta. '
Cercetatorul are posibilitatea de a preciza, atat In acest cai, cat §i Tn SitU8tii de
comparare a fiecarei perechi de stimuli, daca accepta sau nu egalitatea dintre
ranguri. lata print screen-ul SPSS 11.0 cu matricea datelor In urma iera(hizarii
stimulilor.
8.3. Harta perceptiva. Reprezentareaspatiala a distantelor
Matricea se cite:;;te foarte u:;;or: de exemplu, subiectul 4 claseaza psihologice "
compromisul pe locul opt In ordinea preferintelor sale de a reactiona In situatii de
conflict. In schimb, subiectul 5 pune aceasta' reactie In topul pr~ferintelor sal~, pe In aceasta sectiune vom discuta despre cum se stabile:;;te numarul de axe
locul al treilea. (dimensiuni) care contribuie cel mai mult la modul de a:;;ezare a punctelor Tn spatiu.
De asemenea, vom insista :;;i asupra modului de interpretare (identificare)
conceptuala a acestora.
283
282
______=_- I~II 111,:111 111'1111 ,III, 1111 ,11111111 ,11111111111'11111111'1111 1111 1111:11,1111 11111111:111111111,111111111111111'1111111111,1111:1,:, II 11':11 III ,II, 11'11 II: 11-'11111111111 I: II' ,I, 'II' !I' I: ,1::11 II', 1111,111,,1111 :1II,tiII_"IIII_"III_ _ _IIIIII~IIIIIlIIIII!:1111111II111111II 11!"il:!"I'!I'II:1 i 11111111'11111111"11111111'11111111111111111111111111 ill 1I,lli,II:IIIIIIIIIIIIII,IIIIIIIII,II'II,iIIiIIl,II' '11',111111,1111,11111111 11111111111111111,111111111,11111111,11111,1
It valorllor N Stres. Tn general, valorile mici ale stresului normalizat, preeum eele Se observa ca valoarea stresului normalizat scade cel mai mult (a se citi
cuprlnse Tntre 0,00 ~i 0,15, indica prezenta unei soluiii adecvate, Tn timp ce valorile "solLitia se irribunatate~te cel mai mUIt") cand se trece de la 0 dimensiune
ll1ell mari de 0,20 semnaleaza faptul ca solutia gas ita nu este potrivita (Kachigan, (N stres = 0,23) la doua dimensiuni (N stres = 0, 12) ~i de la doua dimensiuni la trei
'1991; Kruskal ~i Wish, 1994; Stalans, 1995). dimensiuni (N stres = 0,08). Oupa aceasta, scaderea stresului este prea mica
Aceasfa interpretare nu poate fi facuta fara a tine seama de numarul de pentru a merita sa mai introducem 0 alta dimensiune. Gratie, aceasta situatie este
dimensiuni ale solutiei, deoarece valoarea stresului tinde sa scada atunci cand reprezentata printr-o cotitura (punct terminus al unei descendente accelerate ~i
numarul de dimensiuni cre~te. Mai mult, stresul este afectat ~i de raportul dintre Tnceput al unei descre~teri lente). Pentru a u~ura interpretarea, Kruskal ~i Wish
numarul de dimensiuni ~i cel al obiectelor. Kruskal ~i Wish (1.994) arata ea exista (1994) propun 0 regula suplimentara. Cu excePiia unor cazuri bine argumentate
situatii cu 0 probabilitate de 50% de a obtine un. stres = (reprezentarea a ~apte ° teoretic, nu ar trebui sa acceptam acel punct de cotitura (implicit dimensiunea
obiecte fntr-un spaiiu tetradimensional) sau un stres = 0,02 (aeelea~i conditii, dar adiacenta), daca valoarea stresului este mai mare de 0,10. Din acest punct de
Tntr-un spaiiu tridimensional). Ambele soluiii sufera gray de lipsa stabilitatii. Chiar vedere, 0 solutie tridimensionala pare a fi mai adecvata pentru graficul de mai sus.
daca am respecta raportul minim optim dintre nl1 marul de obiecte ~i numarul de Acest grafic poate fi realizat ~i pe baza altor indicatori decat stresul. Printre
dimensiuni, se ridica alte cateva Tntrebari. Ce facem daca avem de ales Tntre 0 ace~tia, a~ aminti OAF (dispersia explicata) sau coeficientul de congruenta Tucker.
solutie bidimensionala (N Stres = 0, 12) ~i 0 solutie tridimensionala (N stres == Ambii indicatori, spre deosebire de stres, arata cat de bine se potrive~te
0,08)? Ambele solutii satisf.ac criteriul valorii stresului. Care solutie ar trebui reprezentarea grafica a punctelor cu afinitatile psihologiee dintre concepte. Valorile
adoptata? Raspunsul la aceasta Tntrebare iine de randamentul fieeareia dintre lor, de~i cuprinse tot intre 0 ~i 1, au 0 ser:nnificaiie inversa. Cu cat OAF sau indicele.
solutii. Cu alte cuvinte, Tntrebarea devine: scade suficient de mult stresul pentru a Tucker sunt mai apropiate de 1, soluiia este mai potrivita. Din pacate, numai
aceepta introdueerea unei dimensiuni suplimentare? PROXSCAL-ul prezinta valorile acestor indicatori. Pachetul de baza SPSS prezinta
doar valorile Stres 1, S Stres ~i R, ultimul fiind un indicator eehivalent pentru OAF.
Analiza grafica de tip scree plot
Metoda Monte Carlo
Analiza grafica de tip scree plot ofera un suport pentru a raspunde la
aceasta intrebare. Tehnica, introdusa de Cattell, este preluata din analiza factoriala o alta modalitate de seleciie a numarului de dimensiuni este data de
~i consta Tn realizarea unui grafic cu rol de suport. Pe abscisa (OX) sunt trecute metoda de simulare Monte Carlo. Aceasta poate genera randomizat solutii diverse
dimensiunile posibile ale unei solutH, iar pe ordonata, valorile stresului (normalizat de configurare spatiala pentru numere diferite de dimensiuni. Prin compararea
sau nul pentru fiecare situaiie Tn parte. Interpretarea graficului porne~te de la ideea valorilor stres obiinuteprin simulare cu eele bazate pe date reale se poate alege
selectarii acelui numar de dimensiuni de la care nu mai sunt aduse imbunataiiri numarul optim de dimensiuni. Solu\ia aleasa este cea care semnaleaza prima
semnificative In evoluiia stresului. diferenie semnificative Tn ceea ce prive~te valorile stresului. in graficul din dreapta
Sa presupunem ca avem 35 de obiecte introduse Tn MOS. Sa ne reamintim seobservaca incepand cu a treia dimensiune, solutia bazata pe date reale pare a
ca pentru a asigura stabilitatea solutiei, numarul maxim de dimensiuni de care vom fi semnifieativ mai buna decat cea generata de eonfiguraiii aleatoare.
iine seama este opt (n-1)/4, iar numarul minim, unu. Fie valorile stresului (grafieul
din stanga al figurii 8.5.). Gradul de stabilitate a solu!iei
"~~-----------------------
refera la stabilitatea solutiei. Efectuarea unei MOS pe 1 stimuli, precum Tn °
problema reaciiilor la conflict, duce doar la reprezentari grafice unidimensionale
\
\ sau bidimensionale. Conform algoritmului descris anterior, ar fi fost nevoie de
\.~'. minimum 12 sau 13 stimuli pentru a putea lua Tn discutie 0 solutie stabila
tridimensionala. in astfel de situatii, cu doar doua dimensiuni, analiza scree plot-
~---------------- ului nu-~i gase~te justifiearea.
Hurn;rlilrne-lllJunl
284 285
1111111111111111111111111'1111111111'111111111,11111111111'111'1111 ,1111111'11'111'111,111'1111'1111111111111111111111,11111111,1" 1111111111I111_1I1I_ _ _ _ _• • ,_1Il 1IIIILlIIIILlIIIII 111111 JIIIIII 111111 i11111Ll11111 11111 111111:11111 111111'11111 111111,1 1111 111111'11111 1IIIIIilllllllllll'IIIII'1II111111111 11111 !IIIIIIIIIII!IIIII :11111111::1111111111111'1111111111111111111111111111111I 11111,11111'111111 11111 !IIIII 11111 11111: 11111 1111111111 111:11111111111111111111111111111::1111111111,:1111111111111:11111111111111111111,111111111111::111111111111..111111111111,,111111111111'11111111111111111'111111111111111111111':11111 11111 111111 ilill '11111 11111 ,1111:JIIIIIIIIILlIIII,1 ImUIIIILIIIIII,lllllillll:lllll,1111 :111, 'II
.\~;
U~urinta reprezentarii grafice a solutiei solutia respectiva ar fi una co recta, iar Tn termeni statistici ar fi vorba de 0
t echivalenta Tntre solutia locala minima 9i solutia globa/a minima. Daca terenul nu
Tn alegerea numarului de dimensiuni este util sa tinem cont 9i de u9urinta ar fi unul lin, ci unul accidentat, cu multe sui9uri 9i cobora9uri, persoana legata la
reprezentarii 9i a interpretarii grafice. La baza, MDS este totu9i 0 tehnica f
1
ochi ar putea fi Tngelata 9i ar putea sa declare locul cel mai jOs posibil, 0 simpla
,3xplorativa de vizualizare a relatiilor dintre obiecte. Ce faeem Tnsa daca solutia I: Tnfundatura. Daca ar fi luat-o fntr-o alta directie, ar fi evitat aceasta capcana 9i ar fi
optima are patru sau mai multe dimensiuni? Ar fi imposibil sa reprezentam grafic 0 ajuns, Tntr-adevar, Tn locul situat la cea mai joasa altitudine. Cum rezolvam aceasta
asemenea situatie 9i ar fi complicat sa interpretam 0 asemenea configuratie. De
3ceea, de foarte multe ori, cercetatorii au tendinta de a selecta solutii
1i problema? Simplu, vom detecta mai multe puncte de start in calatoria persoanei.
Daca indiferent de acest punct, persoana ajunge Tn acela9i loc sau Tntr-un altul, cu
i)idimensionale sau tridimensionale, datorita avantajului oferit de posibilitatea altitudine apropiata, Tnseamna ca ne putem baza pe solutia obtinuta. Daca exista
-
1
I.
reprezentarii grafice. TotU9i, daca exista indicii clare ca 0 solutie Tn patru 1 Tnsa diferente mari Tn ceea ce prive§te altitudinea punctului'de sosire (valori etero-
!
dimensiuni ar fi mult mai adecvata decat una tridimensionala, ar fi bine sa 0 gene ale stresului), atunci Tntampinam situatia unei solutii minime locale. Tn astfel
retinem, In ciuda dezavantajului legat de dificultatea reprezentarii grafice.
I1 de situatii, vom alege configuratia corespondenta valorii N stres cea mai mica.
~
Situatia in discutie poate fi recunoscuta prin valori N stres destul de mari
1.,.
Interpretabilitatea solutiei §i, uneori, prin evolutiile paradoxale ale acestuia. Astfel, daca Tn conditii normale
I
j
stresul scade sau se mentine constant 0 data cu cre§terea numarului de
In fine, un ultim factor care influenteaza alegerea dimensiunilor tine de dimensiuni, in situatii de solutii locale minime pot aparea cazuri ciudate in care
qradul de interpretabilifate a acestora. Acestui aspect Ii va fi dedicat un Tntreg
1 stresul cre§te, daca se adauga 0 dimensiune suplimentara (ex. 0 solutie
;ubcapitol. Pana atunci, vom preciza ca dintre doua solutii relativ echilibrate pe 1 tridimensionala poate fi suspectata daca valoarea stresului este mai mare decat Tn
i)aza criteriilor mai-sus amintite, este preferata aceea care ofera 0 mai buna cazul unei solutii bidimensionale).
Interpretare a dimensiunilor 9i implicit, a atributelor pe care subiectii Ie folosesc Tn a stfe I de configuratii, interpretarea dimensiunilor §i a felatiilor dintre
pentru a stabili proximitatile dintre obiecte. Tn ce prive9te numarul de dimensiuni
selectate, mai raman de discutat doua probleme ce apar uneori in generarea
r puncte se face dificil. Pentru a reduce sau elimina aceasta problema, PROXSCAL-
ul din SPSS ofera posibilitatea de a alege configuratii de start diferite (puncte de
solutiilor MOS.
Prima, denumita degenerarea solutiei, apare frecvent In conditii Tn care
t· plecare a persoanei diferite). Oferta Intalnita Tn SPSS contine ca variante de start:
Simplex (initial punctele se afla la distanta egala Tntre ele), Torgerson (metoda
se fac MDS non-metrice utilizand obiecte care sunt grupate Tn cateva clustere
naturale. Daca Tntalnim asemenea situatii, .interpretarea MDS se opre9te dupa
r clasica, propice mai ales MDS metrice), Random Single sau Multiple (care ofera
una sau mai multe configuratii generate aleator), Custom (permite configurarea
identificarea acestor grupe de obiecte, fara a merge mai departe (ex. interpretarea 1 initiala a punctelor pe baza unor rezultate anterioare).
dimensiunilor; analiza diferenielor interindividualeetc). Diagnosticarea unei
asemenea situatii este destul de u90ara. Tn astfel de cazuri, valorile N stres sunt
I
I Exemplu: Dimensiunile latente in evaluarea strategiilor de negociere
!
foarte mici sau chiar zero (0,00 - 0,02). Obiectele sunt reprezentate grafic prin Din dorinta de oferi mai multa claritate selectarii numarului optim de
clustere deparlate spatial unul de al\Ul. Dimensiunile obtinute sunt greu sau deloc dimensiuni, vom incheia prin a rezolva exemplul referitor la reactiile Tn situatii de
interpretabile, obiectele fiind configurate fara 0 logica anume. Tn plus, diagrama conflict. Solutia care pare sa se impuna este aceea a unei reprezentari grafice
Shepard ia forma unei scM cu cateva trepte foarte marL Totu9i, putem Intalni bidimensionale. lata 9i argumentele Tn favoarea solutiei MDS cu doua dimensiuni:
situatii de solutii degenen:it? fara a observa in mod obligatoriu toate aceste • valoarea indicatorului N Stres era de 0,026, Tn conditiile in care nu au fost
simptome concomitent. ) • observate alte simptome ale unei solutii degenerative;
Cealalta problema ce poate aparea este solutia locala minima. In acest • valoarea suficient de mica nu indica nici prezenta unei solutii locale
caz, datorita unor deficiente legate de procesul iterativ de generare a solutiei, se minime;
pot obtine valori destul de crescute ale stresului 9iimp/icit, configuratii mai putin • solutia bidimensionala are suficient de mu/ta stabilitate, data fiind prezenta
optime. Cu alte cuvinte, procesul iterativ' se poate incheia inainte de a obtine cea celor 10 obiecte evaluate; de altfel, cele zece obiecte indica existenta a
mai buna solutie. Tn sprijinulintelegerii acestui proces vine imaginea clasica a unei doar doua solutii alternative: MDS unidimensionala sau bidimensionala;
persoane legate la ochi, care este pusa sa gaseasca locul cu altitudinea cea mai prin urmare, argumentele care sprijina solutia tridimensionala 19i pierd
joasa (va loa rea stres cea mai mica). Daca terenul este lin, persoana ar putea sensul, deoarece, 0 asemenea solutie ar fi instabila din cauza numarului
cobori pas cu pas pana ar gasi locul cel mai jos posibil. Tntr-o asemenea situatie, redus de obiecte (puncte);
286 287
I 111111111111'111111~lllllliIIIIIWlllllllllllllllllllllllUllllllllUlllllUI111111:111111111111'11111111111111111' 1111' ,llli 'II' III 11'111'11 II! 'II 'II' III 'II: !II 'II !I"II,,' "'I 'I'I"!'I 'I '!'I! 'I iI I ,ii il ,I, i ill ,II i , III ill III ill 1lllllIIUlIIIIIIII~
• solu\ia .poate fi reprezentata grafic cu ul}urin\a; de altfel, reprezentarile Interpretarea configLira\iei MDS prime§te §i mai multa consistenta, daca
bidimen.sionale pe doua axe Nord-Sud ~i Est-Vest sunt ~i cele mai uzuale identificam dimensiunile pe baza carora au fost plasate obiectele. Acestea' nu sunt
Tn cazul har\ilor perceptive; altceva decat criterii de judecata a gradului de proximitate Tntre obiecte. Figura 8.6·
cele doua dimensiuni. selectate sunt u~or interpretabile. (vezi sectiunea prezinta harta perceptiva ob\inuta Tn cazul problemeidate.
8.3.2.).
Evaluarea sUbieetiva a dimensiunilor
288 289
iilllllllllllllllllllllll lll. " ' , ,111'1111111111 1111111111111111111111 1111111 111111 ,lIlIIi 111111 '11111 '1111'11111 IIIIII!UIllIIIUlh 11111" ,
IIIII'IIII",IIIIUIIIIIIIIIIIIINIIIIIIIIIIIIIIIIIIIIIIIIIIIIUIIIIIIIIIIIIIIIIIIIIIIIIIIIIWIlIllI'IIIIII,lIlIlIIllIlIlIlIIlIlIlIIlIIlIIlIIillllll,lIlIIillllllllllllllllllllllllllllll'IIII'IIIIIIIIIIIIII,'1I1II1II1I,1I1II1I1II11I1'!IIIIIIII'IIIIIIII':III"II'III'II'!I'"
i'lc".hll IInsamblu de tehnici este acela de a gasi atribute (trasaturi) ale obiectelor
proloctate care sa coreleze puternic, cu modul de configurare a punctelor ~i cu ATRIBUTE DIM1 DIM2 Activ Bilat. Colectiv Rational Constructiv
c:oorcJomllt~le punctelor pe axele hartii perceptive. Pentru a utiliza tehnica adecvarii evitare 1,233 -,772 1,50 2,66 1,50 4,17 2,75
vaIJtorl111tl a atrlbutelor este necesara colectarea unor date suplimentare. Tn func~ie compromis -,683 -,703 3,75 5,60 3,25 5,85 3,50
liN IlIodlll 1"11 care este masurata variabila dependenta se aplica regresia confruntare -,618 1,805 6,25 4,20 3,17 4,25 3,00
1IllllU/llllilrtl, respecti~ analiza discriminantului (ori regresia logistica). Daca renuntare ,823 -1,746 1,33 1,83 3,00 3,80 2,50
vRrllthlltllo dependente constau Tn atributele complementare studiate, variabilele sUbminare 1,370 ,703 5,00 1,25 1,80 5,17 1,75
-.
Inrltlplmdonte sLint reprezentate de coordonatele stimulilor (punctelor) pe axele amanare ,539 -1,123 1,40 3,83 2,00 2,87 2,67
IIlartll perceptive. Astfel, intr-o situatie MDS tridimensionala vom avea trei arbitraj -,372 ,485 4,00 5,00 5,17 4, SO 3,33
pmrllctorl, lar intr-o situatie MDS bidimensionala, ca Tn problema reactiilor la situatii mediere -1,171 ,490 5,00 5,50 5,00 4,33 4,17
manipulare ,591 ,476 5,25 2,00 2,50 6,00 3,25
!lu conflict, vom ave a doar doi predictori.
cooperare -1,712 ,386 5,50 6,17 3,50 4,83 5,83
291
~!lO
'" I I 'II' IIIIIIIIII,IIIII'III'IIIIIIIIIIIIIII"IIII'~'IIIII"IIIIIIIIIII' 1111 "I"IIIIII'IIIII~IIIII~IIIIIIIIIII~IIIIIIIIIIII'IIIIIIII111'11111111111111111111111'11111111111'1111111111 !l1I,IIIIIJlIIJlII '1IIIUIIII'JllliJIIJIII 11111 '11111 IIIIIJIUllllUlllllJlllUllllll'llllljlllllllllljlllUllllUlllUIIIUIIIUIIII,'IIIIUIIIIL'IIIIUIIIUII'JlILIIIIJILIIIIJIIIIIIJI'IIIUII: IlliLIIIIIJIUIIIJilliLIllllJl, I , ,II 111'11 ,ii :i, 'i , 111'1111',111'-"111,--.11111111,'11111111'111111111.",11.,'••_ _ _ _IIJIIIIIIIIIIIIIIII 111'11 W 'll lit II 111'11 rv JF JV "11 :1111' ," W.l1
Se observa ca dintre cele cinci atribute evaluate, trei sunt puternic corelate In cauza. A doua dimensiune este mai greu interpretabila, de:;;i am putea afirma cu
au Inodul de configurare a punctelor (R > .80). Mai mult, cele trei atribute sunt un anumit grad de flexibilitate ca este yorba de axa pasiv - activ (unghiul dintre .
tlestul de apropiate de sistemul de axe. Astfel, vectorul unilateral - bilateral vectorul respectiv :;;i a doua dimensiune fiind de 34Q).
formeaza un unghi de doar 8Q cu prima dimensiune (cos 0,989), iar vectorul Aceasta nu este, singura explicatie posibila. Daca am roti ortogonal cele
dlstructiv - constructiv lormeaza un unghi de 22° cu aceea:;;i dimensiune (cos doua dimensiuni cu aproximativ 20 2 in sensul acelor de ceasomic, am putea obtine
0,926). Aceste unghiuri se masoara dif\ punctul de origine al hai\ii perceptive, unde o interpretaremai clara a dimensiunilor. Prima dimensiune ar putea fi data'de
toate coordonatele iau valoa'rea zero. Tn sfar:;;it, vectorul pasiv - activ indica un 'eficienta reactiei (masuri constructive, cu consecinte bilaterale vs. masuri
unghi destul de ascutit cu dimensiunea a doua a har1ii (cos 0,830 = 342). distructive sau beneficii unilaterale), iar a douadimensiune ar constitui clar, axa
pasiv - activo Retineti, In fine, ea relatiile dintreveetori r:Ju trebuie sa fie ortogonale,
2-
confruntare
Tn schimb dimensiunile, chiar dupa rotire, trebuie sa formeze un unghidrept Intre
o
ele. Mai mult, in cazul unor proceduri gen INDSCAL, dimensiunile nu trebuie rotite,
de:;;i In practica mici rotiri pentru a maximiza interpretarea axelor sunt Intalnite
1-
subminare (Jones :;;i Koehly, 1993). Spatiul eomun rezultat In urma configurarii reactiilor la
mediere manipulare l:I
co0p,;rare I;) situatii conflictuale este un astfel de exemplu, In care rotirea axelor cu 20 Q olera 0
interpretare mai clara a axelor.
evitare
o
ama re
·1- 8.3_3. Aplicalii INDSCAL
.2,
renllntare
. Metodele MDS conven~ionale nu pot epuiza Intreaga gama de lntrebari :;;i
probleme de cereetare. Uneori nu suntem interesati de obtinerea unei har1i
·2.1 -1.0 0.0 1,0 2.1
perceptive pe baza rezultatelor tuturor subiectilor, ei dorim sa observam diferentele
Dimension 1 dintre subiecti sau subgrupe ale aeestora. Reamintim ca, In situatia data, subieetii
Figura 8,7. Interpretarea dimensiunilor pe baza adecvarii vectoriale a atributelor ehestionati au fost Impai\iti In doua categorii: cu :;;i fara experien~a in solution area
conflietelor. Oare nu exista deosebiri Intre cele doua categorii de subiecti? Numai
prin modele INDSCAL se poate raspunde la 0 asemenea lntrebare.' In urma
Directia vectorilor se poate stabili u:;;or, observand semnele coeficientilor apliearii unei astfel de proeeduri yom obtine date pe care Ie yom prezenta pe rand,
beta. Astfel, cand ambii coeficienti beta au semn negativ, sageata vectorului va fi (1) Un spatiu comun reprezentand configuratia puncte/or nediferentiata pe
orientata In cadranul din stanga jos, corespunzator unor coordonate negative categorii de subiecfi
pentru ambele dimensiuni (cazul unilateral - bilateral, respectiv distructiv ~ Gralicul prezentat de noi In figura 8.6. este un astfel de exemplu, fiind 0
constructiv). Similar, In cadranul de sus stanga, vor fi orientati vectorii care au beta harta perceptiva similara cu cea obtinuta direet prin ALSCAL sau prin PROXSCAL
negativ pentru dimensiunea 1 :;;i beta pozitiv pentru dimensiunea 2 (cazul pas iv- identity matrix. Punctele vor fi la fel de distantate, singura diferenta care poate
activ). Asemanator se procedeaza :;;i In alte cazuri. Din pacate, un astfel de grafic aparea fiind la nivelul axelor. Aeest fapt nu eonstituie 0 problema, deoarece
nu poate Ii efectuat direct In SPSS. Altemative raman utilizarea altor programe dimensiunile pot fi rotite ortogonal In orice direetie. Se constata totu:;;i, ca modelele
precum PROFIT [In cadrul pacbetului MDS(x)] sau prelucrarea secundara a hai\ii INDSCAL (singurele la care rotatia nu este recomaridata, fiind posibile doar mici
perceptive oferite de SPSS. ajustari) condue la hal\i perceptive mai u:;;or interpretabile pe baza pozitiei ini~iale a
Tn figura 8.7. se observa tendinta subiectilor de a considera compromisul axelor, in timp ce alte proceduri necesita, aproape permanent, rotiri ale axelor
ca fiind 0 masura constructiva :;;i bilaterala, confruntarea ca fiind, prin excelenta, 0 pentru a identifica coreet dimensiunile obtinute.
masura activa, medierea, cooperarea :;;i arbitrajul, ca reactii bilaterale, constructive (2) /mportanta dimensiuni/or pentru fiecare categorie de subiecti (In
:;;i active, In acela:;;i fel, am putea interpreta manipularea :;;i subminarea ca fiind engleza "dimension weights" sau "saliences")
distructive :;;i unilaterale, In timp ce evitarea, amanarea :;;i renuntarea sunt Pe baza acestora se observa eventualele diferente Intre subieeti (grupe de
percepute ca reactii pasive. Dincolo de aceasta Incarcatura a obiectelor In subiecti) In ceea ce prive:;;te gradul de adecvare a dimensiunilor selectate pentru
atributele respective, observam ca prima dimensiune ar putea fi denumita axa fiecare categorie de respondenii .. Pentru exemplul nostru, output-ul SPSS ar oferi
unilateral vs. bilateral, datorita unghiului redus dintre acest vector :;;i dimensiunea urmatoarele rezultate:
292 293
~111111111'1I1I'111'""''''''''''''''''''''''''''' 111'1111,1111 ,il III !II"II' !II II' 111!11'III'IIII'III,lIlli'Ii,!1I III' 111'111111111111"11', =.lIlIlIllIlIlIlIIlImIIIIIIIIIllIIIIWII !I, 1111:11111 1IIIIIIIililliilili 1IIIi '1111: 11111': 1111 1111 1:111111111,1111,11111:1111,11111,1111,111111111111,11111111111111111'1111111111 !I,il: Il'li II 'I' ' ii' 111"111'1111 1111: 11111111111 111111 ,11111,111111 !IIII 1'111111:11111'111111111111111111'1111111111:1111111111:11111:11111 111111 111111 IIIIII! 111111.11111'11111: 111'1111 'I,
,5
SUBMl R
MAN/PULA.
D.D D,D
Dimension Weights
.,2
CQMPROMt COMPROMI
EViTARE EVrrARE
Dimension p .
'"e
.2
-.4 AMANARE
i -.5
AIo1ANARE
Source 1 2 ~ ..' ~
rara experienta S1 ,480 ,459 .~ RENUNTA RENUNlA
'.'-,1'---+-----~--:---' E
Cu experienta S2 ,512 ,416
o.a ,4 ,5 ,6
Q -·~1'';;,o-.-;,a---;-.ii---'•.4;--.,:;-'-,',--'::-,'-;.:--',0--'0" 5 -1'~1'';;-''-.,.:";-,6;-:;-.4-.~"-.'0-:"c:"-;.,-J,,
Dimension j
Dimension 1
Dimension 1
Nu exista mari diferente Tntre modul de reprezentare a reactiilor la conflict Configuratia punctelbr nu pare a fi modificata, dovada fiind echivalenta
de catre cele doua categorii. Totu~i, se observa 0 u~oara tendinta din partea relaiiei dintre pun~tele reprezentate Tn cele doua grafice. Totu~i, am putea obse~a
persoanelor cu experienta de a acorda a mai mare importanta primei dimensiuni a u~oara tendintade cre~tere a dimensiunii 2 pentru grupul S1 ~i a dimensiunii 1
(distructiv vs. constructiv) Tn comparatie cu cea de-a doua (WD1 = .512, fata de pentru grupul S2. Cum s-ar interpreta acest lucru? Persoanele din grupa celor fara
WD2 :::: .416). Acest fapt pare normal, pentru lotul de persoane cu experienta Tn experientatind sa utilizeze mai frecvent dimensiunea pasiv-activ Tn gruparea
acest domeniu tinand cont ca diferentierea reactiilor pe baza criteriului exprimat Tn datelor. Similar, persoanele cu experienta Tn 80lutionarea conflictelor tind sa aiba 0
aceasta dime~siune este mai import~nta Tn re~olvarea conflictelor. De notat ca putere discriminativa mai mare Tn ceea ce prive~te dimensiunea distructiv _
fiecare dimensiune selectata po ate ave a importanta diferita pentru fiecare constructiv a obiectelor apreciate. Diferentele observate, bazate pe aspectele
categorie de sUbiecti, ~i chiar pentru fiecare subiect Tn parte. Valorile pot fi cuprinse prezentate grafic Tn figura 8.9 sunt totu~i mici, interpretarea fiind fortata Tn cazul de
Tntre 0 ~i 1, unde zero reprezinta lipsa totala de importanta a acelei dimensiuni fata.
pentru categoria de subiecti respeCtiva, Tn timp ce' 1 Tnseamna exclusivitatea
dimensiunii respective. De asemenea, Tntre dimensiuni se pot stabili raporturi Tn
ceea ce prive~te importanta acestora. In cazul de fata, raportul importantei dintre 8.4. Modele de scalare muitidimensionaia conexe
cele doua, dimensiuni este 1,05 Tn favoarea primei dirnensiuni pentru categoria
celor fara experienta Tn solutionarea conflictelor ~i de 1,23 tot Tn favoarea primei
dimensiuni pentru categoria celor cu experienta. Aceste aspecte pot fi, de
8.4.1. Modele MDS constranse
asemenea, reprezentate ~i grafic (vezi figura 8,8.).
(3) Spatii individua/e pentru fiecare categorie diferentiata in cercetare Tntalnim frecvent situatii Tn care avem date anterioare care
Prin INDSCAL putem reprezenta grafic, cu scopul de a observa diferentele pot fi integrate Tn configuratiile MOS. De exemplu, daca majoritatea studiilor
dintre acestea, atatea harti perceptive cate categorii au fast ineluse Tn studiu. anterioare In domeniuJ reaciiiJor la conflict ofereau ca dimensiune definitorie in
Pentru exemplul nostru, vor fi construitedoua asemenea harti, deoarece am construirea hartii perceptive gradul de distructivitate - constructivitate a reactiei,
Tmpartit lotul Tn doua categorii semnificative: cu ~i fara experienta Tn solutionarea atunci am putea constrange harta perceptiva sa contina aceasta dimensiune din
conflictelor. Interpretarea acestor grafice se face pe baza' a doua tipuri de start. Constrangerea duce automat la configurarea punctelor de pe harta pe
informatii: modificarea Tn configuratia punctelor, respectiv gradul de cre~tere sau parcursul unei dimensiuni, astfel Tncat la un capat sa se afle reactiile distructive, iar
scadere a amplitudinii axelor. lata celedouagrafice obtinute tot prin SPSS: la celalalt reactiile constructive, Pentru a constrange stimulij de pe harta este
nevoie de configurarea initiala a acestora Tntr-un alt fi~ier. Din pacate, prin
utilizarea acestei metode toate dimensiunile selectate trebuie constranse. SPSS-ul
1
294 fI 295
I
, " 'II 'II' "111'1111'1111111111'1111111111111111111111111111111:1111,1111111111111111111'11111'1111"1111'1111'11II 'IIII! !IIII 1111 'III! illl 111'1111 III' il!' ,III !III III '111 111,,111'111:111 ill' Iii !I! illl' 1111 1111 III: III, !I! III' 'II! 1111 III, illl 1111 III, "", 1111 :11: ,II, Ii: ill i , :11 i!1 I I !IIIIIIII 1111 11111 1111,11111,1111 IIII! 1111 !IIII 1111 I,l, I III !illlllllllll••••I _ _ _---II-IIJIIIII'II' 'II 'II' II' 'II' III II' 'II 11'11111111' 1111
()rar~ doua posibilita\i in aceasta directie: identificarea directa a dimensiunilor, preferintelor exprimate. Similar, distantele mai mari dintre un subiect §i un anumit
astral Tncat fiecarei axe sa-i corespunda un atribut §i realizarea unei combinatii stimul indica a preferinia scazuta pentru obiectul respectiv.
IInlare intre atribute in definirea unei dimensiuni. Prin acest tip de MDS nu m~i Analiza externa consta in stabilirea poziiiei unui punct ideal intr-o
trebuie interpretat~ dimensiunile insa raman valabile celelalte aspecte ca: stabilirea configuraiie iniiiaia construita pe baza similaritaiii dintre stimuli. Pentru a realiza
gradului de adecvare a numarului de dimensiuni ales, interpretarea configuratiei aceasta analiza yom ave a nevoie de colectarea datelor referitoare atat la
punctelor, eventual observarea diferentelor interindividuale sau intergrup. similaritate, Gat §i la preferinta. Configura\ia initiala este construita pe baza
similaritatii dintre stimuli. Pe baza acestora se pot stabili puncte ideale sau cercuri
(zone) grafice incarcate cu grade diferite de preferinta. Dinpacate, SPSS-ul nu
8.4.2. Modele MDS extinse poate integra ambele proximitaii pentru a realiza analiza externa, de§i poate
. efectua separat ambele operatii. Programul destinat acestui tip de analiza, denumit
Aceste modele permit realizarea de harti perceptive' pornind de la
PREFMAP, se gase§te insa in pachetul MDS(X). Tinand cont de conditiile
preferiniele subiec\ilor chestionati. Daca toate modele Ie discutate anterior aratau
prezentate, yom exemplifica modul cum se interpreteaza 0 analiza interna,
cat de apropiate sau de diferite sunt unele obiecle in perceptia, oamenilor,
disponibila §i prin SPSS.
modelele extinse (unfolding) se finalizeaza prin harti .perceptive obtinute pe baza
preferintelor respondentilor pentru obiectele studiate. De cele mai multe ori, astfel
de date se prezinta sub forma unei matrice rectangulare, in care fiecare linie 1.5 .,---------;""'""'"'"'m'.-r""""-""""'-------,
D
su jrtare Row 3
reprezinta rezultatele unui subiect. in plus, haria perceptiva va contine nu numai 1,0 0
mani~ulare
RoWS
e
C\l -1,5
dintre obiecte. Problema Tn cazul acestei abordari consta Tn tendinta subiectilor de :5 renuntare
a piasa acest obiect ideal, fie foarte departe de celelalte, fie [oarte aproape de un .~ -2,0 c
alt stimul.preferat. Mai mUlt, prin aceasta metoda este greu sa decelam daca ~ .2,51--_~_ _ _ _-l_~~_---l
·2 ·1
subiectii au reu§it sa aprecieze Tn comparatiile dintre obiecte, gradul de similaritate
Dimension 1
existent §i nu criteriul preferiniei. Din aceste considerente' este preferabila
Figura 8.10. Output SPSS 11.0 prelucrat cu reprezentarea graficii a
abordarea implicita. Ea poate fi realizata pe baza unei analize interne sau externe.
observatiilor §i atributelor a MOS unfolding
SPSS este 0 marci~i Tnregistrata.
Analize interne !?i externe
297
296
""""""""""""'"""'""11"1111111111'11111'11111 1111' 1111'lllllill111111111!1111111111111111'1111"lIIi!II:II"I,
privett. pr.t.rlll\tllliI lubltlc\lIor pentru fiecare obiect. Tn exemplul nostru, corela\ia Utilizarea modelelor analitice necesita formarea mai multor matrice, in timp
,mlltlplA nbllnuti ,,,tr. leellte elemente a perm is constituirea unei axe preferin\a vs. ce MDS slntetice au ca design prezentarea datelor Tntr-o singura matrice. Tn cazul
"1lI11r11'1IIi1,tl (R - .945; bntn dim1 = -.958~i beta dim2 = -.073) Intr-un spa\iu exemplului nostru, am optat pentru un model echivalent INDSCAL (Weighted
IlitUIIllllltillllUl1 (BIroI'! 2 .... 105). Euclidian). Pa9ii urma\i pentru ob~inerea rezultatelor prezentate Tn capitolul de fata
(cu excep\ia MDS conexe) au fost: .. ., ..
1) introducerea datelor In SPSS· sub forma unel matnce Simetrrce (vezl flgura
8.5. Incursiunc in optiunile SPSS 8.3.);
2) selectareaop\iunii MDS PROXSCAL;
3} alegerea optiunilor: "The data are proximities"; "Multiple matrix source";
SPSS-ul Base System (SPSS 11.0) ofera doua optiuni de introducere a The proximities are stacked matrices across columns" 9i apoi "Define";
date lor. In modelul clasic, fiecare coloana reprezinta 0 variabila ~i fiecare lin ie, 4) j'ntroducerea variabilelor - reactii la conflict in "proximities" 9i selectarea
rezultatele unui anumit subiect. Tn modelul matriceal, datele sunt masuratori medii variabilei referitoare la experienta subiec\ilor in situatii de conflict in
ale proximita\ii dintre obiecte. Din nefericire, a doua optiune, nu este adecvata
"source";
pentru modele de tip INDSCAL. Selectand butonul "shape" In "data are distances" 5) ~eleetarea ca model a Weighted Euclidian (INDSCAL); "Iower-triaungular
avem trei optiuni de matrice: simetrice (cazul compararii fiecarei perechi de
matrix"; "ordinal untie tied observations"; "dissimilarities"; "within each
obiecte), asimetrice (cazul testelor sociometrice) 9i reclangulare (modele
source separately"; "minim2"; "maxim 3"; iar apoi "continue";
unfolding). Daca optam pentru "create data from distance", vom putea utiliza 6) accesarea butonului "Plots" 9i selectarea op\iunilor: "comon space";
modelul obi9nuit de introducere a datelor. Cele mai importante aspecte care ~,individual spaces" 9i "individual weights" (optional putand fi seleetate 9i
trebuie seledate aici sunt modul de masurare a datelor, cu variantele aferente celelalte grafice pentru a urmarl gradul de adecvare a soluiiei);
fiecarei situatii, respectiv standardizarea sau nestandardizarea variabilelor: 7) seleclarea altar opiiuni-output, in func\ie de aspectele de interes avute.
Variabilele trebuie standardizate dae::a nu sunt masurate cu aceea9i unitate de Tn fine, pentru MDS constranse, cercetatorul poate interveni apeland
masura. ApasE'md butonul "Continue" revenim In fereastra principala, unde putem butonul "restrictions", iar pentru modele unfolding, poate utiliza opiiunea "the
selecta tipul de model MDS. In cadrul MDS metrice putem alege variantele interval
proximities are in a single column".
sau raport, in funclie de datele avute, iar pentru modelele non-metrice, varianta
ordinal.
De asemenea, putem decide Intre un model sintetic, ALSCAL (Euclidian
BIBLIOGRAFIE
Distance) 9i unul analitic, INDSCAL (Individual differences euclidian distance). In
plus, putem selecla numarul de dimensiuni dorite pentru care sa obtinem indicatorii *** (2001). SPSS Base 11.0. User's guide. Chicago: SPSS Inc.
statistici de adecvare (ex. Stres). Deosebit de importanta este stabilirea tipultii de Bogathy, Z. (2002). Conflicte Tn organiza(ii. Timi§oara: Editura Eurostampa.
conditionalitate. Exista trei optiuni: "matrix" - pentru datele introduse direct ca Carroll, J.D. & Green, P.E. (1997):Psychometric methods in marketing research: part 11,
distante in matrice; "row" - pentru modele MDS unfolding; "unconditional" - pentru multidimensional scaling. Journal of Marketing Research, 34, 193-204.
cazurile "create distances from data". Dupa alegerea modelului adecvat 9i Coxon, A.P.M. (1982). The user's guide to multidimensional scaling with special reference to
apasarea butonului "continue", vom putea apasa "options" pentru a selecla, Tn the MDS(X) library of computer programs. London: Heinemann Educational Books Ltd.
principal, modalitatea Tn care dorim sa arate output-ul. Pe langa aceste op\iuni, prin Fransella, F. & Bannister, D. (1977). A manual for repertory grid technique. New York:
sintaxa putem apela la alte doua modele MDS importante: GEMSCAL, pentru
Academic Press. .
'situatii
, Tn care testam aceia9i subiecti, de mai multe ori 9i ASCAL, pentru matrice Hair, J.F. Jr., Anderson, R.E., Tatham, R.L., §i Black, W.C. (1998). Multivariate data analysis
asimetrice. th
(5 ed.).Upper Saddle River, NJ: Prentice Hall.
SPSS Categories ofera, Incepand cu versiunea 10.0, procedura Jones, L.E. & Koehly, L.M. (1993). Multidimensional Scaling. Tn G. Karen & C. Lewis (Eds.).
PROXSCAL. Aceasta reprezinta un progres in MDS, fiind preferabila utilizarea ei . A handbook for data analysis in the behavioral sciences: methodological issues (p. 95-
in comparatie cu procedurile ALSCAL. Manualul SPSS Categories (Meulman 9!
163). Hillsdale, NJ: Lawrence Erlbaum Associates. . . . nd
Heiser, 2001) ofera mai multe amanunte legate de modul de utilizare a acestel Kachigan, S.K. (1991). Multivariate statistical analysis. A conceptual introductIOn. (2 ed.).
proceduri 9i, Tn plus, unele informatii sunt similare cu cele prezentate anterior.
New York: Radius Press.
Acestea sunt, foarte pe scurt, op\iunile ce trebuie selectate in principalele tipuri de
scalare multidimensionala.
299
298
1 1
111111111';111111111111111,1111111111111111111111111'1111111111"1111I 111111 11111111111111111111111111 111111:11111;111111 IIIIII!IIIIIIIIIIIIIIIIIII:III;:I!IIIIIIIIIIIIIIIIIIIIIIIII!:IIII IIII! 1111 1111 "'IIIIIIIIIIIIIII!III:III'IIIIIIIIIIIIIIII :111 !III !I! 111I III'!III 11111111'11111111 1111"11111111 '1111111""1111111"11111"11""""""""11",""1"11"","11"",,""1"1 "",1"' "" "11111 'I I I !! III
'
I\lu[lkml, J.B. & Wish, M. (1994). Multidimensional scaling. Tn M.S. Lewis-Beck (ed.).
IlIltJmat/onal handbooks of quantitative applications in the social sciences. VoIA-
Basic meaSurement (p. 301-387). Loridon: Sage Publications.
M~uilllul1, J.J. & Heiser, W.J. (2001). SPSS Categories 11.0. Chicago: SPSS Inc.
Nolulasrs, G. (2002). Multidimensional scaling. Experimenting with PROXSCAL. Gasi! la
adresa http://homeusers.brutele.be/nova-in rctiNederl/NavNOV A_r5_c 1.htm#website.
Ilt1Ofldes, J.A. & Arnold, J.A. (1999). The cognitive representation of responses to social
conflict: the development of an integrative taxonomy. The International Journal of
Conflict Management, 10(4), 360-384.
Rog~i, E. (1983). Tabele §i formule matematice. Bucure!?li: Editura Tehnidl.
Rotariu, T., Badescu, G., Culic, I., Mezei, E., Mure!?an, C. (1999). Metode statistice aplicate
Tn §tiintele sociale (p. 254-271). la!?i: Polirom,.
Sialans, L.J. (1995). Multidimensional scaling. Tn L.G. Grimm & P.R. Yarn old (eds). Reading
and understanding multivariate statistics (p. 137-168). Waghington, DC: APA.
Tsogo, L., Masson, M.H., & Bardol, A. (2000). Multidimensional scaling methods for many-
object sets: A review. Multivariate Behavioral Research, 35(3),307-319.
van Deun, K. & Delbeke, L. (2000). Multidimensional scaling. Gasi! la adresa:
http://www.rnathpsyc.uni-bonn.de/doc/delbeke/delbeke.htm. j
1
I
r
J
,~
1 ,
,'i
,"il:
J
"":,',1:,
"
I
" ,
300