. "_ _ _ _ _' '1111111111111111111"11111',1111'111,",1,, ;, i ', 'II' III, 1III,IIIII!

illlll,lIIlllllllllliIIIIIIIllIIIIWIIIIIIIIIIII11111111I_llllmlllllllllllrnlllll~lllllllIIlllllllllllll:1111,1111:111 I'

CUPRINS

PREFATA ix

INTRODUCERE xi

Capitolul1. ELEMENTE DE STATISTICA DESCRIPTIVA

P<irintilor mei, Viorel !?i Zorita ,
1.1. Modalitati de masurare a variabilelor studiate
pentru ca m-au invatat s~ privesc lumea f<ira ura.
2
1.2. Analiza descriptiva univariata 3
1.3. Analiza descriptiva bivariata ' 12
1.3.1. Coeficien~ii de corela\ie 13
1.3.2. Reprezentarea grafics a asocierii dintre variabile 15
1.3.3. Tabele de contingents - moduri de prezentare a asocierii dinlre dalele
~ . '
non-numerlce . 24
Bibliografie 26

Capitolul 2. TEST AREA IPOTEZELOR 27

2.1. Ipoteza nula - clarificari conceptuale 28

2.1.1. Logica testarii ipotezelor 29
2.1.2. Ipoteza nula §i marimeae§antionului 31
2.1.3. Erorile de tip I §i II in testarea ipotezelor 31
2.2. Marimea efectului 33
2.2.1. Indicatori ai marimii efectului 34
2.2.2. Interpretarea msrimii efectului 35
2.2.3. Stabilirea marimii efedului 37
2.2.4. Limitele marimii efectului 37
2.3. Puterea statistics a unei cercetari 38
2.4. Appendix - Ce inseamna gradele de libertate? 46
Bibliografie 48

Capitolul 3. TEHNICI INTRODUCTIVE DE TESTARE A IPOTEZELOR 51

3.1. Testarea asocierii dintre doua variabile 51

3.1.1. Coeficientul de corela\ie r 51
3.1.2~ Corelatia partiala 59
3.2. Tehnici de comparatie intre grupuri 61
3.2.1. Tehnicilet 61
3.2.2. Testele t §i z de comparare a diferen\elor dintre doua medii 70
3.3. Managementul datelor brute 81
3.3.1. Managementul datelor !ipsa 81
3.3.2. Managemenlul dalelor neobi§nuite ,82
3.3.3. Transformarea dalelor brule 82
Bibliografie 85

.'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

87 Capitolul 6. REGRESIA LlNIAR.A. 185

Capitolul 4. TEHNICILE ANOVA
90 6.1. Regresia liniara simpla 187
4.1. ANOVA simpla 92 6.1.1. Principii ale regresiei Iiniare 187
4.1.1. Procedurile post hoc 95 6.1.2. Evaluarea eficien\ei unei ecua\ii de regresie 192
4.1.1.1. Manmea efectului Tn cadrui proceduriJor post hoc 6.1.3. Testarea individual a a eficientei predictorilorin estimarea evolutiei
97
4.1.2. Procedurile a priori 97 criteriului ' 194
4.1.2.1. Contraste nestandardizate 101 6.2. Modalitati de analiza In regresia multiliniara 197
4.1.2.2. Manmea efectuh.ii Tn cazui contrastelor 102 6.3. Regresia multilinara In seop predictiv 200
4.1.2.3. Contrastele standardiza'te 104 6.3.1. Interpretarea coeficien\i1or de regresie 204
4.1.2.4. Contrastele polinomiale 107 6.3.2. Rolul ecuatieLde regresie Tn interpretareadatelor cu scop predictiv 208
4.2. ANOVA factoriala . 111 6.3.3. Instrumente complE3mentare regresiei Tn seop predietiv 209
4.2.1. Metoda efectelor simple 114 6.3.3.1. Decizia organizationa/a 209
4.2.2. Marimea efectelor in cazul ANOVA factoriala 6.3.3.2. Contravalidarea' 212
4.2.3. Condiiii necesare pentru aplicarea ANOVA simpla !?i 115 6.3.3.3. Analiza cazurilor inffuente 214
ANOVA factoriala 116 6.4. Regresia multiliniara Tn seop explicativ 216
4.3. ANOVA cu masuratori repetate 121 6.4.1. Logiea regresiei utilizate In seop explieativ 217
4.3.1. Marimea efectelor in ANOVA cu masuratori repetate 121 6.4.2. Testarea eficientei explicative a modelului propus 219
4.3.2. Conditii necesare pentru aplicarea ANOVA cu masuratori repetate 124 6.4.3. Int~rpret~rea_ ~o~~cientilor de regresie in analizele cu scop explicativ 220
. 4.4. Alte modalltati ANOVA 125 6.4.4. l.n~lcatoril manmll efectului In cazul regresiei multiple 222
4.5. Exemplu de ANOVA facto'riala: cazul euristicii de accesibilitate 6.5. Condlt" necesare pentru aplicarea regresiei liniare 223
128
4.6. Tehnieile ANCOV A 132 6.5.1. Evitarea erorii de speeificare , 223
4,6.1. Marimea efectului in tehnicile ANCOVA 133 6.5.2. Evitarea erorii de masurare 224
4.6.2. Conditii suplimentare aplicarii ANCOVA 135 6.5.3. Eroarea reziduala cat mai mica 225
4.7. Tipuri de factori In design-urilede tip ANOVA sau ANCOVA 137 6.5.4. Evitarea multicoliniaritatii 225
Bibliografie _ 6.5.5. Existenla unor relatii de'tip liniar !?i aditiv 227
6.6. Exemplu de regresie multiplii liniara - cazul citirii 228
139 6.7. Directii de evolutie ale regresiei 232
Capitolul 5. ANALIZA FACTORIALt.. 6.7.1. Alte tipuri de regresie 232
140 6.7.2. Identificarea efectelor de interacliune in regresia multipla 232
5.1. Analiza factoriala exploratorie 141 6.7.3. Analiza de cale 238
5.1.1. Teoria analizei factoriale 143 Bibliografie 241
5.1.2. Analiza componentelor principale vs. analiza factoriala 145
5.1.3. Design-ul !?i metodologia analizei factoriale 146
5.1.3.1. Tipun de matnce §i metode de extragere a factonior Capitolul 7. REGRESIA LOGISTIC.A. 243
148
5.1.3.2. Metode de seiectare a numarului adecvat de facton
153
5.1.3.3. Analiza statistica a {actonior extra§i 155 7.1. Concepte §i principii teoretiee 243
5.1.3.4. Rotirea factorilor 160 7.2. Modelul regresiei logistiee 245
5.1,3.5. interpretarea naturii factorilor 161 7.3. Estimarea modelelor logistice 249
5.1.3.6. AmeJiorarea structurii factoriale 163 7.3.1. Testarea modelelor explicative logistiee 250
5.1.3.7. Aspecte metodologice compiementare 7.3.2. Compararea modelelor logistiee 253
167
5.1.4. Exemplu de analiza factoriala exploratorie - cazul inteligeniei . 7.3.3. Stabilirea eficien\ei explicative a modelului ales 256
170
5.2. Analiza factoriala confirmatorie 171 7.3.4. Test~~ea !?i interpretarea coeficien\ilor logit 260
5.2.1. Specificarea modelelor concurente 173 7.3.5. Stabilirea unor profile ideale· . 264
5.2.2. Identificarea modelelor 176 7.3.6. Analiza eazurilor influente asupra modelului 265
5.2.3. Stab iii rea gradului de adecvare a modelelor 176 7.4. Exemplu de regresie logistica binarii - cazul infidelitatii 266
5.2.3.1. Indica ton absoiuti 178 Bibliografie ' 269
5.2.3.2. indicatori de comparare 180
5.2.4. Modificarea modelului 182
5.2.5. Aspecte metodologice ale aplicarii analizei factoriale confirmatorii
183
Bibliografie

vii
vi
11111111111111_1 III.IIIIII~·IIIIII,IIIIII'IIIII '11111'111', 'II' 'I 1,1,1
Capitolul 8. SCALAREA MUL TIDIMENSIONALA
8.1. Modele de scalare multidimensional~ .
8.2. Design-ul cercetarii In scala rea multldl.menslonala
8.2.1. Seleclarea obieclelor ~i a numarulUl acestora
8.2.2. Metode de coleclare a datelor . .,
8.2.2.1. Compararea fiecarei perechl de sttmult
8.2.2.2. Sortarea stimulilor
8.2.2.3. lerarhizarea stimuli/or
8 2 3 Managementul datelor colectate prin SPSS
8.3. H~rta perceptiva. Reprezentar~a sp~ti~la. a distantelor ~s~hologlce
8.3.1. Selectarea, numarului de dlmenslunl dlnharta perceptlva
8.3.2. Interpretarea configura~iei MDS
8.3.3. Aplica~ii INDSCAL ._
8.4. Modele de scalare multidimenslona1a conexe
8.4.1. Modele MDS constranse
8.4.2. Modele MDS extinse
8.5. Incursiune In optiunile SPSS
Bibliografie
viii
271
272
. _ 275 PREFATA
276
•
277
277
o CARTE DE STA T/ST/CA PENTRU PSIHOLOGI
278
279
Cand mi s-a propus sa redactez un cuvant introductiv la cartea cole9ului meu, Florin
279
.' 5ava, am fost oarecum ~ocat, deoarece sun! mai mult un consumator de statistica decat un
283
creator al acestui domeniu. Exista ~i percep\ia, uneori falsa, ca psihologii nu sunt prea buni
28::1
'statisticieni. Mul\i chiar se complac in aceasta convingere ~i nu fac nici un efort sa-~i optim}zeze
28B
293 performan\ele intr-un domeniu, care, de ce sa nu recunoa~tem; da substan\a oricarei cercetari din
29(; domeniul psihologiei. Personal, nici nu pot con cepe 0 investiga\ie psihologica fara 0 abordare
29:; statistica adecvata; indiferent'ca se pune problema unui demers cantitativ sau calitativ.
29G Psihologia este atestata ca 0 ~tiin\a experimentala. Experimentul a fost acel element
298 care a conferit psihologiei calitatea de ~tiin\a. Ea este evaluata ca fiind 0 ~tiin\a tanara, nascuta ca
29B o sinteza a cercetarilor lui E.H. Weber asupra senza\iilor tactile '(1849), ale lui H. Helmholtz
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
 "'!;! Ii !I':II'II! 11:'11,11,'1 I i',I'!"I'i ii"

, " ' e t a coreet, Psihologul de azi este prea puiin inte~esat de

jescopen semnlficalla, de a-I Interpr t I pl'lcate din punct de vedere tehnlc, EI se
, I I d calcul cum sun e e a '
unde provln unele ormu e e ", 'd'f 't contexte de cercetare §i pe cum trebUle
~ ' I d t tistici utllizate In I en e , I
concentreaza pe tlpU e s a t b d a statistica adecvata demersului expenmenta ' INTRODUCERE
acestea sa fie interpretate, A alege corec a or are te trece cu prea multa u§urinta, Desigur,
, ~ bl ~ peste care nu se poa '
abordat este Intr-adevar 0 pro ema, '_' ca faptul psihologic sa fie'mascat de 0
nici abuzul de statistica nu este de d~nt. Une,on s a ,aJ~ns I indi.t unele articole din reviste Psihologia romaneasca a facutpa~i importanti pentru a recupera pierderile
, ' " laborioasa S-a aJuns pana aco 0, 'b'l provocate de 0 decizie politica neinspirata, a regimului comunist. Se vorbe~te tot
abordare statlstlca prea ' , t 'h logulobi§nuit ele devenind accesl Ie
prestigioase de psihologie sa fie ,de nemiele: pen r~ ps~ ~ierde §i revista §i psihologia ca §tiin\a, mai mult dec psihologie autohtona care sa nu mai fie tributara unor practici
numai unui numar restrans de pSlhologl. Or, In aces ca , I t'le ne spune adesea mai mult decat
~ , " Ie diagrame de core a , imitative, de divinizare a psihologiei americane, Cu siguranta, aceasta perspectiva
Sa nu uitam ca Inspectarea unel simp "'d ffi ~m unel~ concentrari specifice ale anumltor
merita incurajata pentru a oferi psihologiei romane~tHm stil propriu,
'coeficientul ?e corela\ie, Ea ne ,perm~te sa I ~:r~ICaot afecta corela\ia etc, Apoi, diagrama de
scoruri, sa Intulm elementele ,dlstorslonante ~ constitui subiectul unui studiu de caz, cele Totu~i, exista destul de multi psihologi care confunda acest deziderat cu 0

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

analiza factoriala. Acest minim de cuno§tinte t f .

Tn Tncheiere, a§ dori sa multumesc tuturor celor care au contribuit prin statistica descriptiva Ea nu . ' poa e I Integrat Tn termenul generic de
sugestiile §i observatiile lor la bunul mers al acestei lucrari. Acelea§i aprecieri mai co recta a realitatii.· Daca~ a-n§alll'zPa~ompune ~Itceva decat sa faca 0 radiografie cat
, un slnQ.ur aspect al .
statisti«.~descriptiva u· . t" ( ',p~,," : ~' ~ [(3a I a,1I vorblm despre 0
I·t~t"
deosebite vi Ie urez §i dumneavoastra, dragi cititori, pentru osteneala §i curajul de H'- '. .•

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'

variabile). $e vorbe . bivariata

In caresunt analizate simultan!?cel§1 ~~i~pre 0 statJstlca 1l],!J.!t1"~~I~ta Tn situatii
sugestii la afsava@socio.uvt.ro. Lectura utila! le
statistica tine cont nu d d .~~ .. _Jr.(3La~pecte ale realitatll. Prelucrarea ,
, oar e numarul variabil I .. .. '
masurare ufi/izate. e or, CI §I de calitatea scalelor de
Autoru/

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:
-
~

Medie; Mediana; Mod

......,..- Mod
I...... frecventa I
6

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
..,..... , .... • .

este mterpretarea formei dill~tji:L.?~t=lor. Aceasta ne ajuta sa lnielegem doua

dintr-un set sunt identice. Cu cat datele sunt mai Impr~_§tiat~.j~if.~r!!~l, cu atat as~ec.te e~entlale: (a) care sunt",l2.9rametrii tendintei, centrale care reprezinta cel
valorile ac~~ttwindicatori sunt mai mario ~:e~I~; ~Irul de date?; (b) ce te~~-c~tClti:=>ticep?t fi utilizate pentru a testa anumite
J Tn cazul datelbrriumerice,~~1 mai frecvent Tntalnita pereche de parametri
de~criptivi este _rll.E?s:tJsl", ca indicator al tendintei centrale, ~i abat~.§".§.tand~rd, ca Se spu~e ca multe dintreaspectele realita{ii ali 0 distributie normala. Sa
_
indicator al lmpra~tierii datelor. De altfel, ace~ti parametri au ~i cele mal multe lua~ caz.ul Intellgentei. Cei mai multi oameni au 0, inteligenta medie. Intalnim tot

J avantaje tehnice, permi\and realizarea mai multor operaiii precum standardizarea

datelor, c\asificarea raspunsl,lrilor etc.
mal pUy~1 oameni ~e ~asur~ ce mergem fie spre 0 inteligenta superioara, fie spre
un defl~lt gray de IntelJgenta. 0 asemenea situatie, denumita distributie normala
Totu~i, Tn anumite situatii media ~i abaterea standard pot conduce la po ate fl reprezentata grafic sub forma ul1.l,lU:lopot. ~"C- _. •... '

rezultate distorsionate, iar pentru a evita acest lucru este esential sa inspectam
grafic situa\ia rezultatelor obtinute.

(2) ReprezentareiLg[aiL<;_~jn~.o.te.§te analiza descrlptiva.a datelor

I Reprezentarea gr~fica este 0 metoda inl~ltiva.,<:le a observa distribuiia
L datelor,. ea fiindcu atat mai utila cu cat numarul de date~este·Tncre~tere.'·
-~ .. '~'-~ .....

L 4
5
 _ _ _ _ _IIII


I11



I




W




I




















~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

·\
·'1
Figura 1.3. Forma unei distributii norma/e a date/or.
Multe teste statistice parametrice (utilizate in cazul datelor numerice) au
dreptcondit ie de aplicare normalitatea distributiei datelor. De ~ceea, est~ importan~
sa., <,::aracterizam forma distr,lPU\iei;.. ob.tiJ'tute. pri~ '. i.nt.e. e~lul ~ doua aspecte.
(~) nivelul de bo)tire, respectiv (b) ri!"relul de.ob~lcltat~ LFlsl~etne!. _
.. 'TarO" distributie normala este me?oGurtlc~,,(J1ormala), adlc~ are. ~n n1~e~
mediu..de boltire (nici prea joasa, nici prea Inalta). Totodata ea este s'!l2ftnc;,,~, adlca
nu este Inclinata evident niei spre stanga, niei spre dreapta.
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
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 $colara, aceasta ar corespunde unui test diticil, in
care majoritatea elevilor obtin note mici, de$i sunt $i elevi care obtin rezultate
$colare bune. in schimb, 0 distributie asimeJ[i9.~.. negativ.jqdica un de~echilibru al
valorilor Tn directie opusa. Vor aparea mai multe rezultate mari decat mici, tapt
care, transpus Tn note $colare, arata predominanta notelor ridicate. in cazul
r.T.. probelor psihologice, prima distributie poate fi socotita un indicator al unui grad de
.
dificultate ridicat pentruproba respectiva, Tn timp ce 0 distributie asimetrica negativ
semnifica un grad scazut de dificultate a probei. BineTntele~ ca aceste concluzii
sunt valide Tn condi\iile Tn care valorile ridicate indica p~rforman\e superioare, Tn
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)

Pentru a evita interpretarile subiective, se pot calcula doi indicatori care sa

ajute la interpre~rea~formei.distributiei. .. '"'- -,' .
-- -- Indic~tor"~L"de,oblipitate (in engleza ,,~K~~~ss,statistic") evalueaza
! gradul j!.!3."aslmetne al unei distributii. Valoarea(zero indica 0 distributle_.perfect
. Figura 1.4. Devieri ale unei curbe simetrice din perspectiva bo/tirii date/or
sirneirica. Valorile negative, indepartate de zero,"-indica 0 distributie ~simetrica
II /~-' negativ, in. timp ce valorile pozitive, cu cat se indeparteaza de ~ero, arata 0
II Cum interpretam distributiile prezentate In figura
a
1.4?.2,~~rb~eqtiQurtic~; asimetrie pozitiva. Pentru a diferentia 0 distributie u$or asimetrica, ce poate fi
se obtine atunei cand subiectii au rezultate foa..d§,Jmpr~:;;tiate. N~Yfexlsta 0 fre,.£yent ~ratata ca 0 distributie normala, de 0 distributie clar asimetrica, Lewis-Beck (1995)
I
I'
i la drept prag valoarea absoluta de .BO. Astfel, 0 valoare a indicatorului de oblicitate
I' mare'a rezultatelorJnilJD,llmediei"tapt ce ne conduce la ideeaunui grup.,il.t!3ro?~n,
I Un exemplu ar fi 0 clasa de elevi, ale caror rezultate sunt foarte dis~er~ate. ~atlva inclusa Tn intervalul [-.BQ_§L"",80j"poate fi tratata ca un semn al unui. distributii
copii au note cuprinse Intre 1 :;;i 4, cativa copii au rezultate !ntr~ ~ :;;17, lar altl elevi s~!.rjqe. Valorile mai mici de -.80 indica 0 asimetrie negativa, in timp ce valoril'e

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

datorita scaderii erorii standard a oblicita\ii.o da!a cu marirea e~antionului. .

,

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

, standard sub~meare - 2,27%);

d" r 50% mal man. In cazu· e
egale: 50% din rezultate sunt mal mici decat m~e 1~,~la
, • ., 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

0,13%t 13,59%'" 34,13o/l34,13%~ 13,59%130~ 2,14% 1450,1 'f

unei distributii normale, Tnsa 0 logica similara este utilizata §i Tn cazul altor tipuri de
distributii. 3
55 85 100 115
m m + is m + 2s m + 3s (c) Estimarea parametri/.Qr.$.~f!tistici
mOo 3s m,2s mOo is
o 1 2 3 Daca analizele anterioare se plasau la nivelul lotului de subiecti testati, pe
Cotele z -3 -2 -1
50 60 70 80 baza !ll§.c;JleJ.~iabaterii standard ai e§antionului pot fi calculati §i param,e,trJi,statistici
Cotele t 20 30 40
de la nivelul populatiei din care a fqst extras e9antionul. Acest lucru se obtine prin
Figura 1.6. proprieta(i1e unei distributii noimale estimarea erorii .sja~dardiOwdiei §i a intervaluluLde Incredere asociat ace~teia.
Foarte rar poate fi testata Intreaga populatie, din cauza resurselor limitate,
Noi §tim ca abaterea standard pentru acest e§antion este de : 5 10~ Pe de aceea se obi§nuie§te a se extrage un singur e§antion din cadrul acesteia, de§i,
'1" t . I de persoane cupnnse mtre
baza acestei informatii putem stabll procen aJu .' r teoretic, pot fi extrase randomizat 0 multime de e§antioane.
anumite valori 10 deo~rece Intr-o distribuiie normala Intotdeauna vor fl aproxldmfatl~
-.=","",' . . I flata la 0 abatere standar a a
'3',1 J352/0 dintre rezultate Tntre medle §I va oarea a . 'I
, ~. . ~ ~ 34 135°,{ dmtre persoane e 3 C ..
de med 'le . Revenind la exemplul nostru, estlmam ca .
,0
t'
. I d
d on mve e
el Interesa\i sa cunoasca mai multe informa\ii despre proprieta\ile matematice ale diverselor tipuri de
testate ob~in rezultate Ihtre 100 §I 115 10, acela§1 procen aJ avan reparti\ii ale datelor pot consulta lucrarea lui Clocotici ~i Stan (2000).
A

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

formula de calcul este:

yom covananta dintre venit !?i numarul de an'
I, de ~coala absolvltl, pnma
0 " . '
S (1.2) vanabila va contribui mai mult la vale .',
sm = .j;;, . , area covanantel obtinute deoar
ampiltudlne mai ridicata (venitul poate varia mai
100.000000 rnsa I . . 0
,ece are 0
. ,sa spunem Intre 0 lei ~i
m~lt o· '
unde-seste abaterea_standard a e~antionului, iar n este volumuL.e.~a(ltionului. Din 25, incl~zand dOC~~~~~u id~a~:~ de !?co~l~ ~~solviti ,se poate afla doar Tntre 0 ~i
for~~(a se deduce ca In eroarea§st~,.maimare ~oiiditiile
u ine
in care datele -;ul1lP t dintre venit !?i numarul de!? . d a speclalizan). Mal mult, valoarea covariantei
ani e ~coala va fi cu siguranta' d '
§i TmJ2.!:§§tia!e, respectiv mai mica, daca exista multe date, iar grupul obseNat"este '. rezultata rntre doua variabile care sunt masurate printr-o mal mare
erge ecat cea sc~la
omogen. o la 1. Standardizareadatelor in cote z elimin ce doar de la
0 • rr:
varianta similara este eroarea standard a frecvent elor , utilizata des In
o toate v . ' b'l I ' .,..," a aceste Inconvenlente deoarece
rt d'
-3,5 !?i 3,5 qlte z. Aceasta standacdiza e amp I ~ In~, cuprins a~ro~imativ Intre
ana lee aJung la un nivel egal d '
sondajele din sociologie, fiind cunoscuta publicului larg sub numele de eroare de
e§antionare. Astfel, procentul de eroare dintr-un sondaj, sa zicem ± 3%, Tnseamna gradului de asociere d' t I . . ... r!2l,.y"~ egallza.. I(lfluenta vanabllelor asupra
d . ---~",.",., .. IO,.[e."e e !?I, mal Important, va permlte compararea gradului
tocmai eroarea standard a frecventelor. e asoclere dlntre douiiYS![\§l>~H.e cu asocierea dintre ~I.te doua varia bile,
Eroarea standard a mediei este capitala, atat pentru test<![s.a ipotezelpr
bazate pe diferenta dintre medii, cat ~i pentru estimarea unui interval ..de
incredenLal medie("J\cesta include valorile Intre care ne a~teptam sa gasim
Tabelul 1.2. Alegerea coeficien\ilor de core Ialie Tn func\ie de modul de masurare a
variabilelor
mediaunei~;arrabile la nivelul populaiiei, pornind de la media obtinuta In e§antionul "

Tip de variabila Dihotomica Nominalfi * Ordina/a Numerica

studiat. 2 2
Dihotomica r, <1>, X , X , 11., C, V 'C (tau) r, r biserial,
r tetrachorica r. punct biserial
1.3. Analiza descriptiva bivariata Nomina/a * X2 , 11., C, V X2 ,1I. X2 , 11. **
Ordina/a r Spearman, r Spearman,
In cazul Tn care doua variabile sunt analizate simultan, vorbim de 0 'C (tau) 'C (tau)
ie
statistica bivariata. Cei mai importanti indicatori descriptivi Tn aceasta direct sunt Numerica r
indicfJtprii... g~, .asociwe, A~er..~q; sau relationarea din!!:,~U:loua variabile poate fi •••Date
_ nomina Ie cu mai mult de do ua categorll
..

Inteleasa prin termenii de c~.t~. ~i indee~ngenta. (Neuman, 1997), Doua

0

" ,In cazul gruparii datelor numerice in c1ase

variabile covariaza daca. valorile uneia variaza Tmpreuna cuyalorile celeilalte. Tn
realitate se pot constata tot felul de astfel de legaturi. Se obseNa, Tn general, ca Exista
tipul mai
de d multi t ' .. ~. Gore.Ia,le,
coeficientJ.,.d f
venitul personal ridicat covariaza cu un numar crescut de kilometri parcur~i Tn
functie de t ' I selectarea lor facandu-se In
. . . a e.,GO ec ate (nomlnale dlhotom' ce . ,
ma~ina personala,' ca rezultateie ridicate la matematica sunt asociate cu rezultate doua categorl'l' 0 d' I
~
. , .,."t , nomlnale cu mal mult de
dintre doua vat" b'I~~"
, r lOa e sau numence)
"" . ' dar "I d I'" .
e, Inlaut;3tea (monotonia) relatiei
bune la fizica, ori ca un grad crescut de timiditate covariaza cu interactiuni socia Ie '~. la Ie,
y
'
mai puiine etc: Conceptul de independer)ia este opus celui d~ covariani a, Atunci
cand valorile a doua varia bile rluse
asociaza spunem ca cele doua variabile sunt
\
J 12
13
IIIIIIIIIIIIIIIIIIIIIIIIIII~IIIIIIIIIIIIIIIIIIIIIIII:'IIIII,1111 'Ii 'I
i : 111111iJlJl! il! Iii
1 1 III:!III I I: Iii ,I I 'I! !I , 'I ! il 'I ! I! ,!!IIII'WIIIIIIII,llllilllllJlllll,!! 'I : 11'111'11: !I: ,I': :Ii 111'1
11111'111111111111 IIIII:IIII! 1 1 1 '1111 111:;111 111"lli I I ,11:11 !Iilill 1III,IIIIIIII'lllillll'IIIIIIII,IIII,III'III:llli:::111:11111:11111111:1II1111:1II1111,III'illlill"
1
11' ,11 " 111111 111111111111"1 "I' "1"1:""11"'""""'""'""""""1""1"1""'""1.11
111'11111111'111,1'1111'111'1111'111'.",'1"1,,,1 1111111111111111'11111111111111111111111111111111111111 II' II: III 11I1!1I111 1111111111 1111:1111 1111 1111'111111111111111111111111 11111111 III III 1'"11"1"1'11111"'1"1111'"1"1'"1 III,"

Toii ace~ti coeficienti, cu excePtia lui _X2, sunt adil1!~~J.()I!"ali, permitand

unde N reprezinta numarul de' subiecti testati iar Z 'Z '"
compal!'liiidirecte. A~a cum remarcau Clocotici ~i Stan (2000), exista doua39al~:._ standardizate ale variabilei X, respectiv Y.' ,, X:;;I Y reprezlnta cote
de masurare a gradului de asociere: cele d]mr:;J!9!LaJ!', cuprinse fntre -1 ~i 1 , "
- P.entru a fi aplicata, ambele variabile trebuie masurate prin sc I . .
respectiv cele (ledirec-ti9na/e;, implicand valori Tntre 0 ~i 1 (figura. 1.7). (sau in cazuri exceptionale prin variabi.le nominale d'h t . ) • a ~numenc['l
.~<-

, . b'l '' , . I 0 omlce. In plus relatia

-1 o dlntre vana,_I:__~re_~u!e _s~}ie Iin~a~a. Pentru a fntEilege mai bine ideea de li~iarfta'te
. ~ .. yom apela la reprezentarea graflca a norului de puncte.
asociere negativa (inversa) lipsa de asociere asociere pozitiva (directa)
o 1.3.2. Reprezentarea grafica a a~ocieriidintre variabile

\ipsa de asociere prezen\a asocierii .,,-""'"1

\""',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.

Coeficientul de corela1ie r Bravais-Pearson 10 15 _ 20 25 30 35

Capacitate a de memo rare
Datorita caracterului numeric al majoritatii datelor observate Tn psihologie,
coeficientul de corelatie sirpQla r este cel mai utilizat~indicator de asociere. EI este Figura 1.8. Tabe/u/ curezultate §i norul de puncte rez~Jtat in urma reprezentlirii date/or
un coeficient~dire-;tio"~'aC~~~~'ce fnseamna ca poate lua valori Tn intervalul-1§i 1.
b t Pentru exemplifi~.are, yom realiza norul de puncte (diagrama decorelatie)
Coeficientul este cunoscut sub 'mai multe denumiri, precum: coeficientul de
corelaiie IiniS![a_simpla, coeficientul de corelatie a produselor momentului, .aza ?e rez~ltate~e m,edll a zece subiecti la doua probe: capacitatea de memor~re
coeficientul de corelatie_Bravais~l'earson. Dintre multitudinea de formule, cea mai vlzuala (exp,nmata pnn numarul de cuvinte memorate dintr-o plan~a fn 30 d
simpla este: secunde) ~i .performanta ~colara (masurata prin mediagenerala' din anu~
r=-"'zz
1
(1.3) precedent). Pnma va fi notata cu X, in timp ce performani a ~colara va fi notata cu
NL..J x y

14
15
 II III 11111111', '1111 ilil ~
1lllllllilllllllllllllillllllillllllMIIIII~IIIIIIWIIIII~IIIIIIIIIIIIIIIIIIIIIIIII' ,"", ilill ill'

Oaea relatia esteJi;]arfJ, atunei norul de punete pare a avea 0 sin ~

Y. Sa presupunem ca au fost obtinute rezultatele prezentate in partea 'din stanga a
direc\ie, care poate fi sUbliniata printr-o linie _dE~apta.
Oaca relatia este nEJ7lnTa~:
figurii 1.8.. . norul de punete are 0 direetie_~u!bilinie, care poate fi semnalala prl:-n·t···r·:····I· .'
Am Tnlocuit punctele din nor cu numarul de identificare al fieearui rezultat:. ~. '. '~"_"'_" 0 In Ie
eu.rb~ta. In .s~ar~lt,. abs.~nta[f}jatiei se poate observa In cadrul norului de punete
Astfel, indieele 1 reprezinta locul pegrafic dat de rezultatele obtinute de primul pnn IipSa_Qn~9~eLdlrectll, punetele fiind distribuite parea jaj!lt~mplare. .
subieet testat (X =
12; Y =
5,91), indieele 2 reprezinta loeul pe grafic aflat la
_ Reva~and flgu.ra ~ ,~, T~ntre capaeitatea de memorare vizuala ~i performan\a
intersectLaIezultatelor celui de-al doilea subiect (X = 18; Y=7,44) ~.a.m.d. ~eolara eXlsta 0 relatle linlara. Se observa ea norul de puncte evolueaza liniar,
\ ~torul de punete .ne ofera 0 serie deinforma\ii im[lortante, vizand (a).jQ£l]1,i!. dinspre stanga jos spre dreapta sus.
relatiei dintredoua varfabile (Iiniara sau non-liniara),' (b) djr.ecti~U~~.E}_S.1E)iajasociere
pozi'tiva, negativa sau absenta), respectiv (c) jntensitat~kg§~.t,I!lL.9.ir1!6~·yariabile (b) Direetia reiatiei
(puternica, medie, sd3zuta). Toate aeeste aspecte vor fi disGutate Tn eontinuare, nu . . Tn ea::ul unei reJatii.• liniare, se poate apreciadireetia norului de punete
Tnainte de a aminti ca nivelul ealitativ'al interpretarii bazate pe norul de puncte este
(flgura 1.: 0).. In aces.te eo.nditii vorbim de 0 relatiILpozitiva" daca norul de puncte
dependent de numarul de subiecti testati ~i, implicit,de punctele reprezentate
evolu:aza dlnspre .stanga JQlL~.FlL~_9re:<3pta sus. Aceasta Inseamn<3 ea valorile mici
grafic. Cu._pat sunt maL!nulte date, cu atat precizL§.~i. c;alitatea.i~t~rpretarii ale lUi X s~nt asoclate .cu valorile miei ale lui Y, iar valorile mari ale lui X corespund
descriptive, pe baza norului de punete, cre~te .• unor va.lon man, Y. Titulatura de directie pozitiva vine din faptul ca 0 astfel de
d~stn~utle a..p~nctelor duce la 0 valoare pozitiva a eoefieientului de eorelatie. 0
(a) Forma relatiei dlrectle pozltl~a poate fi sesizata ~i Tn graficul viz;3nd relatia dintre capacitat~a de
Relatia dintre doua variabile poate lua trei forme: liniara,
I ~-
non-Iio@.r~ sau
•. men:orare ~I performantele ~colare. Prin urmare, ne a~teptam ea valoarea
independenta, prin ultima Tn\elegand, de fapt, absen\a rela\iei (figura 1.9). coeflclentulUl de corela\ie dintre cele doua valori sa fie pozitiva. De altfel, r rezultat
-.,,"-"-
a fost 0,79, c~nfirmand estimarea faeuta pe baza norului de punete.
. RelatfB...ll~gCltiva dintre doua variabile poate fi sesizata grafie, daea directia
norulUl ~e puncte evolueaza dinspre stanQ.iLs.!1~spre;9.reapta jos, fapt ce semnifi~a
12,00
Ideea ca rezultatelor mari ale lui X Ie eorespund rezultate mici Y ~i viceversa.
",00

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

Figura 1.10. Nor de puncte cu directie pozitiva (in stanga)

sau cu directie negative. (in dreapta)

,l--~--------~-~ (e) ihtensitatea reiatiei

In cazul UMirelatiilD.t~[e., gradul de adunare a punetelor Tntr-o anumita
2.00 4,00 6,00, II.IlIl IIl.GO 12,00 14,00 16,00

directie poate varia (figura 1.11) ..

Figura 1.9. Exemple de nor: de puncte:
relatie liniara (stanga sus), relatie neliniara (dre,apta sus), absenta relatiei Oos)

:1
'I 17
16
 Ii Ii: '11'1111111111, IIIIIIIIIIIIIILIIIII, 1IIIUIIII"IIIIIJJJlIIJJJ 'lJjl 'ill'~' j' ,

r=0,70 r= 0,00 r = - 0,70

N'"
0
N

.. ,
" .. .. ~a
!!? .'
;2

r=0,35 r:::0,85 r= - 0,35 U')

'.,
..
..
::
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 -,

Pe baza infor:!1~9.tiilor.Jegate de LQ[[1Ja; directia :;;i i'ntensit(3tea unei relatii

putem obtine date importante din punct de vadere calitativ, Ele ar fi fost omise,
daca ne-am fi rezumatdoar la calcularea coeficienturu~~_9Qr~latie r.
Pentru a sublinia importanta realizarii diagram§Lg~._YQm!atie (norului de
'"
puncte) Tn interpretarea asocierii dintre doua variabile~ yom prezenta nu mai putin o
de patru grafice distincte, care au un singur lucru in comun: eoefieientul de
. corelatie r a fost, In toate cazurile, foarte apropiat de zero. Se !?tie ca un asemenea 4 7 10 13 16 19 22
1 4 7. 10 13 16 19 22
rezultat indica absenta unei relatii, lnsa yom vedea cat de ln$elatoarepot fi.valorile
lui-r,daca yom neglija sa inspedam'norul de puncte, Figura .1.13. ,!or de puncte descni'nd 0 re/arie mtre doua variabile mascate de
Tn continuare vom descrie cele patru situatii distincte care conduc la un prezenta unel a trela (stanga - varianta initia/a; dreapta - varianta in care cele doua seturi
coeficient de corelatie apropiat de 0..,. . sunt prezentate distinct) .
(1) Ab.§!ttl.tCi r~alaJI asocierii dintre doua variabile, reprezentata printr-un
nor de puncte a:;;ezate f§"ra nici 0 directie clara, cum ar fi relatia dintre nivelul de Graficul de mai
s~s poate fi considerat 0 reprezentare schematica a
inteligenta ~i numarulla p';lntofi pe ;poP~'atie de adulti (figura 1:12).
.
asociatiei reale dlntre venltul lunar al u·nei persoane (abscisa) §i cheltuielile
18
19
 ~lIIlIIUllIIIUUIIllIIIl_ •• .'1I111111111111U1111

acesteia pentrucosmetice (ordonata). Tn acelal?i grafic este inciusa evoluiia

ambelor sexe. Privind In imaginea din dreapta, cu puncte au fost reprezentate
rezultatele sexului frumos, iar cu cerculete au fost reprezentate cele aie,barbati/or.
Din grafic se observa ca ambele sexe, de:;;i evoiueaza paraiei, au 0 directie pozitiva
a norului de puncte, ceea ce Tnseamna ca un venit ridicat covariaza cu cheituieli
mai mari In domeniul cosmeticeior. Mai mult, se poate observa ca barba\ii, del?i au
venituri salariale ceva mai ridicate, cheltuiesc mai putini bani pe cosmetice In
comparaiie eu femeile. Daca nu am observa existenia celor doua subseturi de date
l?i am calcula coeficientul de corelaiie pentru Tntregul lot, am avea surpriza de a
obiine un coeficient de corelatie. apropiat de a :;;i, probabil, am concluziona gre§it
ca nu exista 0 legatura Tntre venit §i cheltuielile Tn domeniul cosmeticelor. Gre§eaia
s-ar datora faptului ca nu am tine cont de v2lriabila moderatoare "sexul persoanei",
care influenteaza relatia prin faptul ca unele venituri ridicate ale barbatilor ar fi
asociate cu cheltuieli mai red use Tn comparaiie cu cele realizate de sexul frumos,
iar unele venituri mai mici ale femeilor se vor asocia cu cheltuieli ceva mai ridicate
decat ale barbaiilor cu venituri superioare. Aceste aspecte vor masca evoiutia
rezultat pozitiv .de 0,65. Vom fi tentaii, astfel, sa afirmam ca exista 0 asociere
pozitiva fntre nlvelul de motivatie :;;i performanta in sarcina, ambele evoluand in
aeeea:;;i directie. Similar, daca am calcula coeficientul. de corelatie, r dear pe~t ru
datele aflate Tntre un nivei optim de motivare :;;i supramotivare (Tn dreapta liniei
punctate), yom obtJne un rezultat negativ, de -0,65. Valoarea ne indica 0 corelatie
inversa intre nivelul de arousal :;;i performanta in sarcina; cu cat gradul de motiva're
cre~te, performantele tind sa scada.
Pe intreg .lotUI de subiecti, cele doua directii opuse se anuleaza, fapt ce
conduce la sltuat 1a de a avea un coeficient de corelatie egal cu zero. Aceasta
valoare ne-ar induce in eroare, deoarece spre deosebire de situatia absentei
legaturii dintre variabile (figura 1.12), de aceasta data se observa ~a exista' 0
covarianta in evoiutia celor doua variabile, doar ea ea nu este liniara. De aceea in
astfel de conditii, nu este indicata calcularea coeficientului de corelatie liniar~ r
fiind necesare alte soluti i, precum cele prezentate in sectiunea 3.3.3.' ,
U)

'"
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

motivaiie in intreaga sa amplitudine (cuprinzand persoaneslab motivate,optim

motivate sau supramotivate) :;;i performanta lor in sarcina, yom avea surpriza de a ~
0

0
0
'" I.
I .
contrazice una dintre eele mai vechilegi din psihologie ce afirma ca motiva\ia 0
0
0
~
. ,. I

(nivelul de arousal) nu afecteaza performania in sarcina. Cum explicam acest

lucru? Simplu:. daca observam imaginea din dreapta a figurii 1.14, yom constata
~
.. 0
0 0

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
dreapta jos a norului de puncte. Tn cazul In care datele sunt puilne, ca I~ exem.plul
ilustrat, aceasta valoare singulara poate afecta esential valoarea co~ficlentulUl de
corelatie. Astfel, daca yom calcula r pentru toate datele,. exce~tand val~area
respe~tiva, yom obtine un r extrem de mare, mai exact 0~98. In SChl~b, dac~ yom
calcula r incluzand valoarea neobi~;nuita, r scade drastl~ la .0,55, lar da~a yom
adauga 0 alta valoare extrema, coeficientul r va ~~~ea ~I mal mult, apropllndu-se
de 0.
'!I
1,1
Intr-o situattEL"sanatoasa", a unei relatlLUnJ~re, norulde puncte trebuie sa
aiba aproximativ aceea§LQLs£rle.~.tte (grosiau~l pe Tntreaga amplitudioe a lui X ~i Y,
determinand 0 forma =omogena denumita tehnic homoscedasticitate, Tntr-o
distributie "riesanatoasa" a unei relatH Iiniare, norul de pund:enu are' aceea~i
conformatiepetoata distributia lui X ~i Y. Faptul este denumit. heteroscedasticitate,
datorita eterogenitaiii 'norului de puncte. De exemplu, in imaginecf"Cfindreapta a
figurii 1.16, se observa ca Iiniaritatea datelor este mai pregnanta Tn prima parte a
evoluiiei lui X, pana Tn dreptul valorii 110, dupa care aspectul .1iniar al distributiei
punctelor se pastreaza Tntr-o forma mult estompata, punctele fiind mult mai
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

intelectuala. 0 data atins acel prag, intervin alii factori, intelectuali sau non-
intelectuali, care pot determina ca 0 persoana sa se com porte mai mult sau mai
putin creativ. Astfel, importanta inteligentei in procesul creativ se estompeaza.
Lectia care trebuie dedusa din situatia descrisa mai sus const{! in
importanta precizarii amplitudinii variabilelor studiate. Astfel, yom obtine un rezultat
complet diferit, daca yom studia relatia dintre nivelul de timiditate ~i frecvent a
discursurilor tinute public, avand rezultate pe toata gama timiditatii (de la extrem de
timid la extrem de asertiv) sau daca yom masura aceea~i relat ie , tuand doar
rezultatele persoanelor foarte timide. Daca nu yom tine seama, in ultimul caz, de
caracterul selectiv al rezultatelor, yom ajunge la concluzii eronate, preeum aeeea
ca nu exista 0 asociere intre nivelul timiditatii unei persoane ~i comportamentul sau
public.
1.3.3. Tab~....~.~'£''1!LI]_9_enta - mod~ri de prezentare a asoci?lllLg!n~~e
dateleFlon~oum~rice
in cazwl datelor de .!iQ)lQmi,nal sau ~rdinal, norul2.,E!:!n,\?te$;est~J)ot~~vit
pentru a descrie asocierile dintre variabile. De aceea" se folosesc tal?~.I~).~e
eontingenta (de asociere), menit!3 sa surprinda covarianta variabilelor studiate.
Un astfel de tabel include datele de la un lot de 100 de student i, eu privire
la motivatia lor de invatare (operationalizata prin trei categorii: "foarte motivat",
"partial motivat", "nemotivat") ~i la gradul lor de multumire fata de conditiile oferite
de universitatea la care studiaza ("multumir', "nehotarat", "nemultumit").
Tabelul se=realizeaza prin intersectarea raspu,osurilor suJ;>ieetilor la cele
doua intrebari adresate. Fiecare intersectie de raspunsuri se nume~e....celula. in
interiorul acesteia pot fi trecute fie frecventsJe,·. observate, fie proS,entajele
eorespondente. in plus, la marginea liniilor ~i a eoloanelor se pot calcula ~,ume
marginaleTn cazul in care se trec frecvenielein tabel, respectiv mediile marginale,
in cazul in care se'fucreaza cu procente.
Tabelul 1.3. Tabel de contingen\2t pe bazEI de frecven\e - exemplu
Grad de motivare
Foarte motivat
Partial motivat
Acest tabel, sau unul similar exprimat inprocente, sta la baza de!D.~r~ului
statistic ,al datelor non-numerice. in cazul datelqr"nominale nu exista nici 0' restric"fie
cu . privire la utilizarea unor anumiti indic~lQfL de asgciere. in schimb, in cazul
datelor ordinale, tabel!1.L.cJEl contingenta jO;:lca rolul nOl-Wlui de' puncte. Prin
intermediul lui vedem in ce mas'ura ne putem increde in valorile coeficientilor de
24
corelaiie calcul~ti. ~s~fel, in 'cazul datelor ordinale, prin tabelul de contingenta
putem nota daca eXlsta 0 relatle monotona Intre cele doua varia bile. '
Conee~tul de re,latieIll,9.Dotoo,§:este'analog"celui der~la@: liniara, din cazul
datelor l).LJ.menee (Lewis-Beck, 1995). 0 relatie este monoton~-daca exista 0
direct ie ciSlJi:tde..,e'Le>.lljtle.a,datelor. Directia poate fi pozitiva, un grad de multumire
ridicat ~e a~~ciaza eu 0 ~lJ1otivatie de a Invata, respectivnegativa, ~~-ndgradul de
multumlre ndlcat este asoclat cu un nivel scazut de motivarepentru Tnvatare. Cum
ne putem da seama, dincolo de intuitie, de modul de'-as6dere a dou~ varia bile
ordinale? Simplu, asigurandu-ne ca ambele au trecute categoriile de raspunsuri
intr-~!1]od ~rdona~ (de ~xemplu de la mare la mic) ~i urmarind vai;rHetretute pe
dlago,Q..§Ja pnnclpala (stanga sus - dreapta jos) ~i cele trecute pe diagonala
secundara (stanga jos - dreapta sus). --
. 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
ras~un~uri care indica 0 asociere pozitiva intre variabile. Tn schi~b, doar 22 de
SUbl~Ctl, (2; 19; 1) ~e regasesc pe oiagonala Sec.l:!!l9C;lra, corespunzatoare unei
asoclen negative. Pnn urmare, fara a trece la calcularea vreunui indicator statistic
intuim ca un grad de multumire ridicat, cu privire la conditiile oferite de universitate'
conduce la ere9terea motivatiei pentru Inva\are a studentilor. '
~ai mult, din tabelul 1.3 deducem ca rel~\ia respecta conditia de
m~notonle, ~eoarece directia de asociere .po:z:itiva~l:>$e[Vata oecesita fr~~vente
nd~cate pg..dl~goDala ~rincipala. Pentru problema de fata, acest lucru Tnseamna ~a
cel mal ~~Itl oamenl multun;iti sunt foarte motivati, iar cei mai multi oameni
nemultumltl sunt nemotivati. In tabelul 1.4 este, prezentata 0 situatie clara de
incalcar~ a ,co~ditiei de monotonie (similara unei rela.\ii.-non~liniare), p~rnind de la
acelea~1 vanablle.
Tabelul 1.4. Exemplu de asociere care Tncaldi conditia de monotonie
Gradul de multumire
!
Grad de motivare Mul,umit Neutru Nemultumit
Foarte motivat
Partial motivat
Nemotivat
Se observa ca relatia nu are 0 directie de evolutie. Initial directia relatiei
era .pozitiv~, c.ei ma.i ~ulti oa~eni multumiti fiind foarte ~otiva'ti, iar ce'i indeci~i,
pa rt,la I mo~vatl. APOI, In loc sa observam continuarea directiei in sensul prezentei
~nul nu~ar mare. de persoane nemultumite ca fiind slab motivate (sageata
~ntreruPta~, observam 0 schln:bare ~e directie, astfel incat majoritatea persoanelor
em~l.tum,lte sunt foarte motivate. In astfel de cazuri, nu este indicata folosirea
coeflclentllor de corelatie specifici datelor ordinale, cum ar fi indicatorii 1: al lui
Kendall sau r al lui Spearman, deoarece vor conduce la rezultate eronate ~i
25

interpretari distorsionate. Exista totu~r 0 solutie care consta Tn renuntarea de a trata
variabilele ca masuri ordin;3le, In favoarea celor nominale, urmata de aplicarea
indicatorilor de asociere specifici datelor nominale.
BIBLIOGRAFIE
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:
Hohn, M., Varga, D., Maru:;;ter, L. (1999). Curs de statistica aplicata Tn §tiinte/e sociale.
VoLI. Timi:;;oara: Tipografia Universitatii de Vest.
Hohn, M. (2000). E/emente statistice Tn analiza fenomenelor p$ihice. Arad: Editura "viat a
Aradeana".
Kinnear, P.R., Gray, C.D. (2000). SPSS for Windows made simple. Release 10. Hove, UK:
Psychology Press.
Lewis-Beck, M.S. (1995). Data analysis. An introduction. A Sage University Paper on
Quantitative Applications in the Social Sciences, 07-103. Thousand Oaks, USA: Sage ..
Neuman, W.L. (1997). Social research methods. Qualitative and quantitative approache~
(3rd ed.). Needham, USA: Allyn and Bacon.
Novak, A. (1977). Metode statistice in pedagogie §i psihologie. Bucure:;;ti: E.D.P.
Radu, I., Miclea, M., Albu, M., Neme:;;, S., Moldovan, 0., Szamoskozi, $. (1993).
Metodologie psihologica §i analiza datelor. Cluj-Napoca: Editura Sincron.
Rotariu, T., Badescu, G., Culic, I., Mezei, E., Mure:;;an, C. (1999). Metode statistice aplicate
Tn §tiinte/e socia/e. la:;;i: Editura Polirom.
Sava, F. (2002). Pagina de statistica socia/a. Gasita la http://statisticasociala.tripod.coni.
SPSS (2001). SPSS Base 11.0. User's guide. Chicago, USA: SPSS Inc.
Weisberg, H.F. (1992). Central tendency and variability. A Sage University Paper on
Quantitative Applications in the Social Sciences, 07-083. Newbury Park, USA: Sage.
26
1IIIIUIIIIIIIIIIUlllllllIIIIIWIIIIWllllrnIIIIIWIIII~1111II:
CAPITOLUL 2
TESTAREAIPOTEZELOR
Statistica descriptiva, foarte utila altminteri, se margine~te sa prezinte
aspecte detaliate ale unor situatii observate. Cei douazeci de elevi au petrecut, In
medie, 11 secunde pentru a citi textul dat; ~oarecele de laborator a atins 0
frecventa de 30 de pedalari pe minut In conditia Tn care pedalarea ofere a accesul
la hrana ~.a.m.d. $tiinta nu se rezuma Insa doar la fapte ~i la descrierea acestora.
Tn urma unui demers ~tiintific se pot face predictii, se pot descoperi mecanisme
cauzale sau se pot gasi explicatii pentru fenomenele observate. Toate aceste
operatii necesita un demers logic, bazat pe inferente, ce trece dincolo de realitatea
imediat observabila, supusa descrierii. De multe ori datele obtinute de cercetatori
se rezuma la situatia existenta Tn anumite e$antioane, dar concluziile vizeaza
populatia din care acestea au fost extrase. Pentru a realiza acest lucru se
apeleaza din nou la inferente, pe baza unui demers logic inductiv. Inferenta
statistica se bazeaza pe teoria probabilitatilor, permitand desprinderea. un~r
concluzii cu caracter probabilist. Tn practica, orice rezultat discutat Tn termeni de
valori semnificative statistic la un prag de .£§",§g,!,l.01.a, corespuns unui demers
specific statisticii inferentiale.
Dupa Dyer (1995), tester'im.)potezelor reprezinta, alaturi de e;:;timarea
parametrilor statistici, unul dintre principalele aspecte ale inferentei
,,,,,,,,-(.',""':-~~!l""'"~'":\I".:o'!r> ~;."...,. .. ,..
statistice.
.. .-
Testarea..lpotezelor este 0 componenta fundamentala a activitatii ~tiintifice, fiind un
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:
"Oamenii de :;;tiinta nu sunt de invidiat. Natura, sau mai exact, experimentul
este un judecator neprietenos :;;i inexorabil al t"!luncii cercetatorului. Niciodata
nu Ii spune "Da" teoriei acestuia. Tn cele mai favorabile cazuri Ii spune
"Poate", iar in majoritatea eazurilor ii spune "Nu". Daca experimentul sprijina
o teorie, pentru aceasta inseamna "Poate", iar daca nu 0 sprijina Ynseamna
"Nu". Probabil ea orke teorie va experimenta intr-o buna zi pe "Nu"- cele mai
multe, chiar imediat dupa eoneeperea lor".
27
11,111111:1111'
Ipotezele unidirectionale §ii bidirectionale
Ipotei!;a__~!i.l!2tliLc;a. este 0 pre,dietie" care are. capacit~tea, ~e a fi
opecaUQ[la/izatB l?i teSfata pentru a oferi UJ1.J.?spuns pr?~I~mel ~t~dlate. U~
exempluCdEtfpoteza ar fi: "persoanele cu un nivel de extroverslune ndlcat tlnd sa
experimenteze In mai mica masura 0 afectivitate negativa". Totu~i, din punct de
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
unjdirectionale. In aceasta categorie intra formulari de geriul: "exista 0 corelat ie
p;;itiva"'; "exista 0 corelaiie negativa"; "grupul A este mai bun decat grup~1 B~;
"grupul A este mai slab decat grupul B". Oaca,eJireciia prediciieL~u :ste pre?IZ,at~,
vorbim de ipot~.§J~icJirectionale. Expresii precum "exista 0 corelaile mtre ~anablle ,
"exista diferente Intre loturi", reprezinta modalitaii tipice de formulare a Ipotezelor
bidireciionale, , specifica fiind absenia precizarii directiei de evolutie a, dat~lor.
Alegerea tipului de ipoteza se face in funciie de informatiile avute antenor ~I ?e
presupunerile cercetatorului. Oaca exista suficiente indicii pentru a permlte
formularea unor ipoteze unidireciionale, este de dorit sa alegem 0 ~semenea
formulare, deoarece exista ~anse mai mari ca ipoteza. sa fie. sprijinita. In ~azul i~
care nu exista indicii cu privire la modul de evolutie a datelor, se alege 0 Ipoteza
bidirectionala. Clocotici ~i Stan (2000) utilizeaza terminologii u~or diferite pentru a
denum'i cele doua categorii de ipoteze. Astfel, ei utilizeaza termenul de ipoteza
uuUaterala in locul celui de ipoteza unidireciionala, respectiv pe cel de ipoteza
biLatefi3la, in locul celei bidireciionale. Pe parcursul cariii yom utiliza ambele
terminologii. . "
Indiferent de modul de formulare a Jpotezei de cercetare, testareCi,potezel
se face prin apelul la conceptul de tp,Qtez:~Jlula sau ipoteza statistica. D~n
pacate, sensul ipotezei nule a fost inieles gre~it l?i prezentat denatur~~ ~~
majoritatea cartilor de specialitate. De aceea se impun cateva cI~nflcan
conceptuale, urmate de prezentarea a doua concepte importante, dar m.al puiln
cunoscute, l?i anume, marimea efectului ~i puterea statistica a unei cercetan.
2.1. Ipoteza nula - clarificari conceptuaJe
Tn mod normal orice student care a depal?it cursurile introductive de
statistica ~i metodologi~ cercetarii, cunoa~te ideeaca ipoteza cerce~~~~p?ate fi
sprijinita sau nUQfu~volutia ipotezei nule. Oemersul este simplu: daca ipO~.~Cl."~LJIEI
(ipoteza statistica)este r~spinsa, atunci ipoteza alte[n,ativa este sprijinit!3 de datele
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
ipotezei lan!?~te de cercetator.
L 28
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
alegerii cuvintelor. Sintagme de genul "ipoteza nula este acceptata sau confirmata"
sau "ipoteza cercetarii se confirma" trebuie evitate, deoarece sunt eronate.
Singurul lucru care poate fi obtinut prin testa rea ipotezelbr este respingerea sau
nerespingerea ipotezei nule.
2.1.1. Logica testarii ipotezelor
Pentru a intelege mai bine principiul testarii ipotezelor yom preciza ca
ip.91e~a Dula(Ij,?) ne arata probabilitatea de a obtine datele.observate}n ~onditiile
amfi
in care ipoteza....!lli@,j;)steadev,i:'\[,C3\8 (Cohen, 1 990; Cohen, 1 994)~br noi mult
mai interesaii de raspunsul la Tntrebarea: "Oat fiind aceste date, care este
probabilitatea ca ipoteza nula sa fie adevarata?". lata cateva caracteristici ale
testarii ipotezelor:
(a) Se pome§te de la,12!fHlli[?a ea ipSJ1ezaJJy/~f}steaq~va[ata
Consecinta acestui fapt consta Tn practica eronata de a atribui diferitelor
praguri de semnificaiie sintagrna "semnificativ statistic", Tn cazul unui p de .05, cea .
de "foarte semnificativ statistic", In cazul unui p de .01, ori cea de "extrem de
semnificativ statistic", in situatia unui p de .001. Toate aceste praguri arata doar
probabilitatea de j i ,.. obtine.datele culeseTn situatia Tn care ipoteza nula este
adevarata"§:rnu"probabilitatea de adevar a ipotE~zei' nule. A~a cum am amintit, Tn
te'Sta'~;~'ipot'ezelor se pornel?te de la premisa ca ipoteza nula este adevarata.
(b) Ipoteza nula nu poate fi ad(},''(e,r@,9icfoar;respinsa
Ideea poate fi Tnieleasa mai bine prin apelul la urmatoarea analogie:
Oaca ploua, asfaltul este umed. '
Asfaltul nu este umed.
Oeci, nu a plouat.
Acest raiionament este corect l?i similar cu:
Oaca ipoteza nula este adevarata, probabilitatea. de a avea aceste date este mare.
Probabilitatea este mica (nu este mare).
Oeci, ipoteza nula este respinsa.
Lucrurile se schimba daca yom schimba rationamentul:
Oaca ploua, asfaltul este umed.
Asfaltul este umed.
Oeci, a plouat.
Rationamentul este incorect deoarece se produce eroarea logica a
afirmarii conseciniei. Afirmatia "daca ploua, asfaltul este umed" nu este echivalenta
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

2.1.2. Ipoteza nul<1 ~i m.?rirnEla e~antionului

cu "asfaltul este umed, deci ploua". Asfaltul poate fi ud din diverse alte motive, cum
ar fi stropirea sa de catre ma~iniie de la salubrizare. Similar, confirmarea ipotezei . ' Mul\i cercetatori T~i aleg numarul ..desubiec\i ce urmeaza a fi testati in
func\le d resursele. avute la dispozitie.
. .t- de ' Aceasta
. modalitate nu este"1nsa- cea 'mal
.
nule este eronati:\.
Oaca ipoteza nuia este adevarata, probabilitatea de a avea aceste date este mare. fenci a,. eoarece
' pragul.~de-semnificatie-este-csensl·bl·1
.. , . " a vo umu e~antlofluluL.
I I I '
Probabilitatea este mare. Astfel, In cazul_un~1 e~antlon .r.edu~~p'f:)r§.~~~ (ex. 10 subiecti), sunt mari ~anse
Oeci, ipoteza nula este adevarata. ca :ezulta~ul sa fie nese~nlfl~ativ~statistic,:l de~i in realitate exista un efect. Tn
Astfel, ipoteza nula poate fi doar respin~.sau.nerEi~;Pins~, Tnsa niciodata schlmb,
.pnn , alegerea unul e~a. ntion foarte ~-.)' ;',-..
. . . mare (ex . 500 de persoane sunt~anse
man de a obtlne un re.zultat semmflcatlv statistic, de~i in realitate nu ar exista
~Q[lficmata.
efectul testat. Pentru a ilustra ultima situatie vom utiliza exemplul comic of 't d
(c) Oecizia de a r:1?§E!'2[J..~ jpC2.tezanuJa. se ia pe baza unui prag de I
Thompson (2002). I en e
Un cercetator decide sa compare inteligenta masurata prin scoruri IQ la
semnificatie
o alta problema Tn testarea ipotezei nule este caracterul arbitrar al pragului 12000 de studenti din doua ora~e diferite. Cei din primul ora~ au obtinut un
ales ,pentru respingerea sau nerespingerea ipotezei nule. Cel mai frecvent prag scor m~diu de : 00,.15 ~i_o abatere standard de 15, iar cei din al doil~a ora§,
ales este de .05, valoare stipulata initial de Fisher, parintele statisticii moderne. au . O~\lnut 0 Inteligenta medie de 99,85 ~i aceea~i abatere standard.
Ulterior aceasta valoare a fost feti~izata. Exagerand, am putea spune ca publicarea Apllc~nd testul z pentru doua e~antioane independente obtine un rezultat
sau nepublicarea studiilor, evolutia lucrarilor de doctorat sau licenta , fericirea sau semmficativ statistic. Pe baza rezultatelor, cercetatorul pro~une infiintarea
nefericirea cercetatorilor au devenit dependente de acest prag. unor ~coli speciale pentru supradota\i In primul ora~, deoarece ei' sunt
Exista mai multe interpretari posibile ale acestui prag. Fara a intra in semnificativ mai inteligenti decat cei din al doilea.
detalii, interpretarea co recta a unui rezultat semnificativ statistic poate fi rezumata
simplu Tn expresia: "exista 0 probabilitate de maximum 5% de a obtine din
Tntamplare datele observate pornind de la premisa ca ipoteza nula este adevarata". 2.1.3. Erorile de tip I ~i " In testarea ipotezelor
_ Int.erpre~a~ea pragl!lliLgeo-~e,'!1nificatie poate fi Tmboga\ita prin discutar.ea a
(d) Jpateza nuJa nu rnseamfJijJpotezaabsentei ~Ql,laerg,n poslblle ce. pot aparea in testa rea ipotezelor. Pentru a simplifi~a
in star~it, un aspect mai putin cunoscut estecaracterul restrans al sensului
a In_\elege:ea a,:estora vOlapela la urmatorul exemplu. Un cercetator este interesat
acordat ipotezei nule. Cei mai multi cercetatori inteleg prin ipoteza nula absent sa studleze In ce masura ascultarea muzicii clasice faciliteaza obtinerea unor
corelat iei sau \ipsa 'diferentei dintre, medii. Aceasta situatie se reflecta Tn perfor~a.nte s~perioare in domeniul Tnva\arli unei limbi straine. Pe~tru a testa
majoritatea cercetarilor Tntreprinse. De altfel, utilizand simbolurile aferente, ipoteza ~ceasta Ipote::a, el al~ge un lot de 50 de studenti voluntari, dornici de a invata
nula apare frecvent trecuta ca: Ho; rA~O Tn cazul corelat iilor sau Ho: !JA -!lB,~ Ilmba. suede:a. Ace~tla sunt Tmpartiti aleatoriu Tn doua grupe. Prima denumita
e:pe:lm.enta.la, este form_ata din 25 de subiecti care vor invata tim~ de patru
Tn cazul diferenielor dintre medii. Ipoteza nula nu implica automat aceste conditii.
Mai degraba, ipoteza nula este ipoteza care trebuie anulata, fie ca este yorba de sa~tamanl limba_ ~ued~za Tntr-un mediu controlat, al carui fundal muzical este
situatii amintit(3 (ex. Ho: rAB = 0), fie ca este stipulata 0 anumita valoare' a priori aSlgurat de I~cr~nle .IUI Bach ~i Grieg. Ceilalti 25 de participanti, din grupul de
(ex. Ho: rAB = 0,25). cont:ol, vor ~vata Ilmba suedeza Tntr-un mediu din care lipse~te orice fond
m~~lcal. Dupa cele patru saptamani, participantii din ambele grupe au fost testati
(e) Testare~jpate:?§?J9rprivf!~te popuJatiiJe din care au fast extrase Joturile pnvlnd cuno$tintele lor de Iimba suedeza. '
testate . Confo~n; ipotez:~. de cercetare, ne a~teptam ca subiectii care au Tnvatat
Daca analiza s-ar fi facut la nivelul e~antioanelor, nu am fi avut nevoie de
limba suedeza In condl\lIle unui fundal muzical sa obtina rezultate maibune' 1
un test de semnificatie cu valoare' probabilistica, deoarece asocierile dintre testul de limba s u: d eza_ " . cu studentii din grupul' a
. In comparatle de control. Simbolic
variabile sau diferentel~ dintre grupe s-ar fi dedus direct din datele observate. in formularea poate fI transpusa sub forma H1: !l§2:.J::l:Q,
acest caz ne-am fi situat la un nivel de analiza descriptiv. Testarea ipotezelor
:entru a t~~ta ipoteza va trebui sa ape lam la conceptul deipoteza nula. De
vizeaza Tnsa statistica inferentiala, ce urmare~te extinderea conCtuziilor de la cele mal multe. on Ipoteza statistica are 0 forma opusa ipotezei de cercetare. Tn
nivelullotului testat la nivelul populatiei din care a fost extras e~antionul respectiv. cazul nostru, Ipoteza nula ar putea fi: Nu exista diferente semnificative Tn
performan\ele de Tnvatare a limbii suedeze Tntre cele doua gr~pe de subiec\i. Cu

31
30
 alte cuvinte, muzica clasica nu faciliteaza Tnvaiarea limbilor straine. Simbolic,
1
formularea poate fi HO: fJE ::; fJc.
Tn urma analizarii datelor obtinute, ne putem afla Tn una dintre urmatoarele
patru situatii:
(1) re~ping~Jp2tgza, nula, constatand diferenie SBJllnifi,c£\Jive intre cele doua
(4), 0 persoana vinovata,in-rea!itate este gasita nevinovata. de justitie (eroare
> de tip II, cadranul 4 ) . 2 , \ "
A!?adar, 'e[.<?§rea~Q.e"~tiE) este situatia Tn care cercetatorul decide sa
respifl9.~:iPotez:gnu~~, de!?i a~easta nu trel;)uiar~spinsAa, Tn timp ce eroarea de:j~'li;"~
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
nUla ca fiind situatia inculpatilor "nevinovaii pana la proba contrarie", am obtine tot
patru situatii:
(1) 0 persoana vinoy"ata Tn realitate ar fi gasita vinovata !?i de catre justitie
(cadranul 1); '.
J (2) 0 persoana ne~.tJQyata in realitate ar fi gasita vinovat~ ..cl~justiiie (eroare
de tip I, cadranul 2);
(3) 0 persoana nevinovata Tn realitate este achitata ~i de catre justitie
(cadranul 3);
, Modul de formulare a ipotezei nule In cazul teste lor unidirectionale variaza de la un autor la
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.
Datorita numeroaselor probleme pe care Ie ridica pragul de se,mnificatie In
cadrul testarii ipotezelor, tot mai multi autori au remarcat necesitatea compl~tarii
rezultatelor cu ceea ce se nume~te mar~rne(i~J~.(;tului (Cohen, 1990; Cohen,
.1994; Fan, 2001; Thompson, 1999; Thompson, 2002). Daca testul de semnificatie
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
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
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
un succes, deoarece a reu~it sa reduca nivelul de ostilitate a dascalilor in perceptia
. ,

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

elevilor, rezultatul fiind semnificativ chiar la un p< .01. De altfel, 14 din cei 17
profesori au reu:;;it performan\e mai bune in situa\ia de post-test. Daca v.o~ tine
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
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
perceput in termerii favorabili nici dupa terminarea programulul de Intervent le ,
Totu~i, imaginea lor s-a Tmbunatatit foarte U~OL Astfel, programul nu a avut capacl-
tatea de a schimba radical relatiile dintre profesorii instruiti :;;i elevii acestora. Daca
am fi ignorat informatiile oferite de marimea efectului :;;i ne-amfi rezumat doar la
cele oferite de testul de semnificatie, am fi avut 0 imagine distorsionata in mod
favorabil.
Caracterul informativ al marimii efectului a inceput sa nu mai treaca
neobservat. Tot mai multe colective editoriale ale revistelor de specialitate cer
afi:;;area valorilor marimii efectului pe langa cele ale testului de semnificatie. Mai
mult, in manualul de publicare editat de Asociatia Psihologilor Americani se
recomanda prezentarea valorilor marimii efectului in manuscrisele trimise spre
publicare (APA, 2001). A:;;adar, marimea efectului s-a impus tot mai mult .ca .u~
termen generic pentru 0 familie de indicatori care informeaza asupra magnltudtnll
unui efect.
2.2.1. Indicatori ai marimii efectului
-.:''''':'' .~
Pragul de semnificatie statistica ne arata doar ca exista 0 probabilitate
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.
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
diferenta standardizata intre medii, respectiv bazaF pe procentul g,§.,,,,cji~p~~,sie
el$plicata. in pri-;';'-~~c~t~goiie intalhim mai ales indicii",d..allui Coheu,_A.(delta) al lui
2
Glas~sau 9 alluiHedges. In cea de-a doua categorie avem r..,r!, 112 (eta), w
(omega) etc. (~diferent de categoria din care fac· parte, indicii pot fi u:;;or
transformati dintr-o categorie Tntr-alta. lata formulele pentru transformarea
reciproca ~ celor mai intalniti indicatori ai marimii efectului,d.c:;;i r (Rosenthal,
Rosnow :;;i Rubin, 2000):
(2.1 ) (2.2)
34
Vo.m prezenta pe parcursul fiecarui capitol indicatorii adecva~i ai marimii
efectului. In consecinta, in continuare nu yom 'insista asupra particularitatilor
'fiecarui indicator amintit. '
2.2.2. Interpretaree,J)Jarimii efectului
Magnitudinea unui efect poate fi interpretata in mai multe moduri. Utilizand
criteriile initiale propuse de gphen putem distinge trei nivele de intensitate: efect
minim sau efect s~azut; efect mediu ~i efect puternic sau mare. Valorile
corespondente aproximative pentru fiecare tip de efect Tn cazul lui d :;;i r2 sunt
prezentate in tabelul 2.2.
Conform acestor valori, se observa ca marimea efectului obtinuta Tn urma
programului de interventie vizand ameliorarea relatiei profesor-eiev este una
redusa (d == .29, iar r2 = .02). Aceste valori pot fi interpretate :;;i altfel, in functie de
tipul de indicatori ai marimii efedului folositi. Astfel, daca s-a utilizat coeficientul de
determinare r2, yom putea spune ca doar 2% din dis persia datelor reflectand relatia
profesor-elev a fost influentata de programul de interventie aplicat. In schimb, da~a
yom apela la calcularea lui d, yom deduce ca Tn urma aplicarii programului de
interventie media grupului a ajuns la centilul 62 in comparatie cu centilul 50,
corespunzator mediei grupului inainte de inceperea interventiei. Centilele sunt
utilizate Tn ierarhizarea rezultatelor, spre exemplu valoarea 50 Tnsemna un rezultat
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
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
cei interesati pot fi intalnite in Becker (2003).
Tabelul 2.2. Valorile reper d 9i r2 pentru marimea efectului
Marimea efectului d al lui Cohen coeficientul de determinare r2
Efect scazut In jurul a 0.20 .01
Efect mediu In jurul a 0.50 .06
Efect puternic In jurul a 0.80 .14
Interpretarea rezultatelor obtinute intr-o cercetare trebuie facuta Tnsa atat
in functie de marime? efectului, cat :;;i in functie de pragulde semnificatie obtinut.
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-
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
 . . . . . . . .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

Altfel spus, sunt mai mari ~ansele de a obtihe un rezultat semnificativ

denumita~:p(Jl(ari~.kl!?~ Spre xemplu, cuno~cand important~ Tnc:ed.~liJQ.,.!~:ap~ut,
statistic Tn conditiile in care facton.!-'.:Q~.~za.'!.arja.za 'mult. Dupa trei_~edinte de
un cercetator poate masura- ~Lcontrola~lnfluen\a. acestel vanablle atunci cand
testeaza efectul interventiei cognitiv-comportamentale Tn reducerea timiditatii. Prin
terapie am putea conciuziona ca interventfa' nu condus la ameliorarea'slluatiei a
ciientului. Dupa douaspreze~.§~9.iiJte exista ~anse mai mari de evolutie pozitiv~ a
introducerea unei"covariabile care influenteaza relatia di!11re alte.~Y.QJjabile, fie ele
VI §i..VD,de cele'-;;;-;-i'~ulte' ori se reduc~ digt?,~~?~~_~~?rii(n~~XPlicat~T' ~i astfel
ciientului. De aceea, ester important sa acordam 0 atentie deosebita nivelului
intensitatiiYJ...asupra VD .. De cele mai multe ori acest nivel t~ebuie ales, astfel Tncat
cresc ~ansele obtinerii unui rezultat semnificativ 'statistic, fara a recurge la
sa eorespunda cat mai biner.ealitatii, pentru a ave a 0 validitate ecologica sporita.
cre~terea numarului de subiecti testati. Acest rationament poate fi vizualizat Tn
Nu Tntotdeauna trebuie sa""'marliTi"'ffitensitatea VI pentru a observ"a' efectul sau
figura 2.2. asupra VD. Alteori avem nevoie de 0 analiza detaliata a evolutieLYI petoata gama
amplitudinii_~~le: Acest fapt poate fi observat ~i Tnlegea Yerkes-Dodson. Daca am
dori sa vedem care este efectul nivelului de arousal (motivare) asupra performantei
Tn sarcina ~i am ave a doar doua grupe de subiecti (slab motivati, respeetiv puter~ic
Dispa-sie motivati) am putea ajunge la conciuzia ea nu exista diferente Tntre cele doua grupe

~
' , 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'
7.
Utilizarea unor ipoteze unidirectionale (unilaterale)
Tn conditiile utilizarii'Ufferrpoleze de tip~uniqirectional se dubleaza §a[1s~el~_.,
de a obtine rezultate semnificative statistic, deci cre§te puterea,~stCl~~~~~a a
ce[Cg~arii. Astfel, daca-6fectuamo 'corelatie pe 25 de subiecti intre doua probe §i
obtinem 0 valoare de -.30 yom interpreta diferit rezultatele in functie de tipul de
ipoteza avuta. Datele ar fi sprijinit 0 ipoteza unidirectionala ( "persoanele cu un
nivel crescut de depresie tind sa petreaca mai putin timp in ora§?"), r = -.30, P <
.05, Ins a ar fi infirm at 0 ipoteza bidirectionala ("exista vreo asociere Intre nivelul de
depresie a unei persoane §i perioada de timp petrecuta In ora§?"), r = -.30, p> .05 ..
8.
Utilizarea scalelor de masL/,rat;e numerice,.de tip interval sau propg1Li
Acest gen de scale de masurare apeleaza frecvent I~ tehiliGLstati.?tice
paf.§T!letrice. Din perspectiva puterii statistice este cunoscut faptul ca tehnicile
statistice=parametrice au un niveLrnai ,Jidicat decat metodele statistice
nepar9<r:netri~e~1;; consecinta, ar fi de dorit ca c~putip.xari,abilele dependente sau
cdteriu sa fie r'nasurate prin scale numerice, evitandu-se, pe cat posibil, iTfa§'Crrarea
lor prin scale de tip nominal sau ordinal.
9. Transform1U~J3.odateloc. pentru a rndeplini condifiile diff}.[itelor.Jrq,hnici
statistice
'Chiar daca datele sunt masurate prin scale-J,lumer.ice, majoritatea
'0.
tehnicilor statistice necesita alte conditii suplimentare pentru a'putea fi aplicate.
Nerespectarea asumptiilor majore, in situatii de aplicare mecanica a testelor
statistice, poate conduce la erori de tip I sau II' In testarea ipotezelor. Spre
exemplu, 0 distributie complet anormala a variabilei dependente ar presupune
renuntarea la aplicarea testului t pentru doua e§antioane independente, In
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
capacitatea testului t de a detecta diferente Intre cele doua grupe. Tn asemenea
conditii pot fi adoptate 0 serie de artificii statistice de transformare a datelor brute,
menite sa corecteze distributia obtinuta, astfel Incat sa nu fie probleme cu
aplicarea teste lor parametrice.' Exist~ 0 multitudine de transformari posibile, cele
mai fntalnite fiind ridicarea la patrat, extragerea rMacinii patrate sau utilizarea
logaritmilor naturali. lata, spre exemplu, valorile indicatorilor de asimetrie §i boltire,
inainte ~i dupa transformare, dintr-o baza de date fictiva (tabeluI2.4):
Tabelul 2.4. Valori descriptive inainte de transformare X §i dupa transformare X2
Variabila Asimetrie
X
X2
-.978
-.439
44
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'''
Tnainte de transformarea datelor se observa 0 deviere importanta de la
normalitate, fiind 0 distributie puternic asimetrica negativ. De altfel, anormalitatea
distributiei este sustinuta §i de rezultatul testului Kolmogorov-Smirnov (z = 1,50,
P < .05). Dupa ridicarea la patrat a .rezultatelor se reduce foarte mult asimetria
datelor, Insa intervin unele modificarila nivelul boltirii. Totu§i, dupa transformare,
distributia obtinuta nu difera semnificativ de una normala (z = 1,13, p> .05), fapt ce
va permite aplicarea unor teste parametrice. Prin asemenea transformari scad
§ansele de a comite erori de tip I sau II. 0 parte din transformarile posibile au fost
discutate In sectiunea 1.4.3. din capitolul vizand statistica descriptiva.
10. Selectarea unor probe C~9,~[f!(J!f!ristici psihometrice ridicate, mai ales Tn
cazul ~urarii V D . "." .. " ...,..
0 .'. . ' " •
. '. 'e":':"~'·':·····'~l-'_"~';""1t:
-\~teh1ii care au un nivel d5l-~[Q9T~ scazut §i care reu§esc sa reflectlLcu
sensib~it~te orice variatii ale variabilei latent'8 c~i~spunzatoare conduc la -; pute~e
statisticamai mare decat cei care nu lndeplinesc aceste condiiii. Spre exemplu, 0
scala care are 0 consistenta interna de .65, are un nivellidicat
..............,."....,........ --, .... ,. t ",'
al erorii , fapt ce
-.
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
corela~ii mai mari decat cu ea insa~i (r = .65). Astfel,rela~ia sa cu 0 alta variabila
este atenuata §i poate deveni chiar nesemnificativa statistic. Spre exemplu, am
putea obiine 0 corelaiie de .25, care ar fi fost mai mare daca ambele probe ar fi
avut 0 consistenta interna ridicata, In jurul a .90. Tn privinta sensibilitaiii, teoria
raspunsului laitemi ofera un bun mijloc de a testa §i selecta acei itemi care
raspund cel mai bine cerintei de sensibilitate. Nu in ultimul rand, scalele care
coreleaza mO~_~L~.au.puternic cu probele de dezirabilitate socialapot duee la
seMerea puferii statistice.
11. Salvarea unor'grq.Qgde libertate
De§i am amintit implicit de acest aspect la punctul patru, salvarea unor
grade de libertate, cu scopul de a spori puterea unE~Lc;~[~_~Jari, poate fi facut~-§i
Intr-un desigDcomple.x (de exemplu, ANOVA.~.;32<.:?_J:<3). Inti-un asemenea caz am
putea calcula §apte indic§!~!~,.Y, cate trei pentru efectele ,~r,pr;*;)(FA, FB, Fc),
pentru interactiunile de ordinul doi (FAB, FAC, FBC) §i unul pentru interactiunea
complexa de"Qrdinu! ,trei (FAE3C):-'~Ju are rost sa calculam toate aceste efe~te in
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
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
Eroare standard situatii limita, prin salvarea unor grade de libertate, rezultatele ;e~emn)fic~tive pot
.618
.314
.314
.082
-.952 .618 -
deveni semnificative (de exemplu, un p de .07 se schimba intr-un p de .04) .
...-,~.
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:

12. yti/izare.a !ehnicilor;I§tl$tice cu pute!~,c~~icata.. . .. -/*

In practlca, putem Tntalni situa\ii Tn care pot fl aphcate mal multe tehnici , I
I
I
statistice. De exemplu, Tn cadrul compara\iilor post hoc...9lQ AN OVA , pentrugrupe_/ */
egale . desubiecti ~i omogenitatea dispersiei asumata, am putea alege Intra ........ .. ,-'
/
/

-~,~>~~:~~--
/
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
,,' "

alege MANOVA"Prima oPti~;'-~a'reD"'pUfe're' statistica mai mare decat MANOVA,

*
de aceea ar fi preferabila utilizarea sa. Figura 2.3. Dependenta grade/or de numaru/ de observ~tii
(zero grade de libertate - stanga; dotrivirea perfecta - Tn mij/oc; supr~potriVirea - Tn
Toate aceste masuri pot fi utilizate Tn sprijinul cre~terii puterii statistice a dreapta)
unei. cercetari. Yom Tncheia precizand ca problema prezentata nu este doar un
moft al statisticienilor, menit sa indeparteze ~i mai mult comunitatea psihologica de Tn imaginea din stanga avem un singur caz, adica un singur subiect testat.
la 0 abordare ~tiintifica a problemelor. APA (2001) ofera dovada cea mai clara Tn Daca dorim sa estimam directia sa de evolu\ie, yom avea 0 multitudine de
acest sens ~i face recomandarea de a se tine cont de puterea statistica Tn posibilitati (Iiniile punctate). Pomind de la ideea ca gradele de libertate pot fi reduse
stabilirea designului ~i Tn interpretarea rezultatel~r unei cercetari. la expresia n-r, Tn cazul de fata yom obtine valoarea 0, deoarece avem un singur
subiect (n=1) ~i 0 singura estimare de facut, vizand evolutia ulterioara a subiectului
(r = 1). Intr-o situatie cu zero 9..L9P.edeji9e.rtate nu exista nici 0 posibilitate de a
2.4. Appendix - Ce inseamna gradele de Iibertate? dovedi falsitate§,,,§§.u~.,Y.e:.~9!~j!~tea.~~ui model, deoarece orice solutie poate fi
sl2rijinita. ~
Tn imaginea din mijloc, avem doua ,2J:?~~,r:Y.§!ii ~i osingura relatie de
Cei care s-au Tntrebat vreodata ce Tnseamna gradele de libertate ~i au
demonstrat (gradul de asociere dintre cele doua observatii). Facand calculul, ne
primit raspunsuri evazive ori prea elevate merita sa citeasca sectiunea de mai jOs.
Gradele Ac:LJibertate " - ' Tnsotesc
, Tntotdeauna rezultatele stath3ticii,.)r)f~Ientiale.
.........."
recomandarile APA (2001), Tn.artieolele de speeialitate se regasese exprimari de
La _.... aflam Tntr-o situatie cu un singYLgradde libertate. De aceasta data yom ave a 0
singura solvtie .corecta, estimata prin linia' punctat~ care trece prin cele doua
puncte. Cazul se nume~te "potri~~_pe.!1ecta" (Tn engleza "perfect fit"), Tnsa Tn ciuda
genul t,(23.) =: 4,11, P < .01, ori F (2, 20) =: 1,73, p> .05. Daea t §"c?,':1,.~J~'p~:.zinta
numelui, nu ne dorim 0 asemenea situatTe. De ce? Deoarece modelul gasit perfect
simboluri-ale·-tehnicilor statistice util'iZate, iar peste pragul dEi.semnificatie asociat
este singur.uLp~~ibil. Orice alt model altemativ nu poate fi comparat, pentru a
ae~lor valori, datele din p~ranteza Tnseamna eoordonat~gradelor de libertatr::: Tn studia Tn ce masura modelul initial descrie cel mai bine ~irul de dare:-·..·"
vananta clasiea, aceste coordonate ne ajutau sa descoperim valoriie.statisJige din
Tn imaginea din dreapta situatia se schimba u~or. Punctele din imagine nu
tabel care trebuie comparate cu valorile calculate de noi. 0 data cu aparitia
mai reprezinta observatii, ci variabile. Daca numarul variabilelor de estimat este
statisticii pe calculator, aeest lucru a devenitDn atavism, deoarece pragul de
mai mare decat numarul de observatii, ar trebui sa obtinem 0 valoarea negativa a
semnificatie este oferit de calculator, Tmpreuna cu rezultatele obtinute.
gradelor de libertate. Aceasta situatie nedorita se nume~te suprapotrivire (Tn
Totu~i, ce sunt gradele de libertate ~i care sunt elementele care determina engleza "over-fitting"). ~-- . ~
valoarea lor? Cu umor, Yu (2003) remarca faptul ca aceste grade de libertate nu
Reeapituland, la zero grqge . deJibertatE:!~nuputem determina 0 solutie; Tn
au nimic de a face cu casatoria, de~i un barbat Tnsurat, avand 0 singura partenera,
caz de pot~.::1!:~U:~!?d'~,9ta, solutia este Tntotdea;:tri~ . adevara.ta; ia7-in'" situ~tii de
nu mai are nici un grad de libertate. Acela~i autor ofera 0 excelenta explicatie
suprap~gt~ivire, solutia este aproape Tntotdealjna adevarata. De aceea Tntalnim
intuitiva pentru gradele de libertate pomind de la elementf:)le esentiale ce intervin Tn
putine cercetari bazate pe tehnici statistice i;;t~rentiale~* efectuate pe un numar mic
determinarea lor: Volu~~9ntio[1ului, respectiv numarul de pa~?J[letri c§re trebuie
de subiecti, iar atunci cand se intampla, rezultatele lor sunt privite cu
calculati. Fara a avea caracter de . lege, gradele de libertate pot fi exprimate
circumspectie. Pentru a elimina neajunsurile prezentate, va trebui sa avem rtllll.t
frecvent prin numarul de observatii minus numarulde relatii necesare pentru a
obtine i!9-ele date (n-r). -~,.......... ' mai m~~)~!:>servatii, decat parametrii de. estimat. Numai astfel yom putea eval~a'
\:
I' cu increderecalitatea (fa/sitatea) unuimqg.~./ul testat.
"

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

Daca Tn capitolul anterior am insistat asupra logicii §i principiilor de baza Tn

testarea ipotezelor, Tn sec~iunea urmatoare yom aplica cuno§tintele respective la
nivelul celor mai raspandite tehnici statistice introductive. Testarea ipotezelor, Tn
cazul unui studiu cu doua variabile, po ate fi Tnteleasa simplificat ca raspunsuri la .
una dintre urmatoarele intrebari: "Exista 0 asocier~_E!rT1nif19.?tiva statistic Tntre
doua variabile?" sau "Exista diferer:!tE!.~~l'lmDificative statistic Tntre doua grupe?". De
notat ca sintagma "semnificativa statistic~"rlU se refera la amplitudinea .corelatiei '
sau a diferentelor observate, ci implica ideea unei probabilitati foarte mici de a
obtine datele culese in conditiile in care ipoteza nula este adevarata. Premisele
acesteia indica, fie ca "nu exista asociere intre cele doua variabile", fie ca "nu
exista diferente intre cele doua populatii din care au fost extrase e!iiantioanele".

3.1. Testarea asocierii dintre doua variabile

3.1.1. CoeficientuJ de coreJatie r

Prin analiza corelationala se urmare§te in ce masura schimbaril~ dintr:o
variabila sunt insotite c1~schimbarLlntr-oalta ·variabjJa. Coeficientul de ccirelatie
liniara r este cel mai inb31nit indicator de masurare a gradului da.asociere dintre
dOl!~lLx§ri?bile. A§a cum am precizat in capitolul destinat prezentarii elementelor de
stErtistic~ descriptiva, r poate varia intre -1 §i 1, unde 0 semnifica absenta legaturii
dintre doua variabile.
Sa presupunem ca intre nivelul de extroversiune §i nivelul de neuroticism
nu exista legatura, adica avem un regal cu O. Pentru a testa relatia, yom extrage
un e§antion de 30 de persoane din cadrul studentilor la psihologie, yom testa
'nivelul celor doua dimensiuni ale personalitatii !iii yom obtine 0 valoare r de -.09.
Daca am fi testat aceea§i relatie pe alii 30 de 'studenti la psihologie, ale§i la
fntamplare, am fi obiinut un r de .04. Extragand alte loturi de subiecti, vomobserva
ca majoritatea indicatorilor r sunt apropiaii de zero §i mult mai puiini sunt
indepartati de aceasta valoare. Din pacate, in practica nu ne permitem sa
extragem atat de multe e§antioane pentru a testa relatia dintre doua variabile. De
obicei se testeaza un singur lot de persoane, rezultand 0 valoare r unica, sa zicem
-.12. intrebarea devine: ce probabilitate exista sa obiinemun r de -.12in conditiile
in care ru.WaX!§ta legatura Tntre cele doua variabile (r real este O)? Indica un r de

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.

Pentru a rezolva problema, va trebui sa raspundem la urmatoarele 3 0 , - - - - - - -_ _ _ _--,

30,--------,
Tntrebari:

1) Cum identificam faptul ca este yorba de 0 corelaiie?

20
2) Ce fel de date au fost colectate?
3) Condiiiile aplicarii corela\iei respective sunt Tndeplinite?
4) Ce fel de ipoteza trebuie testata?
5) Cat de intensa este asocierea dintre cele doua variabile?
sexul persoanelor
Raspunsurile la primele patru Intrebari ne ajuta sa gasim coeficientul de
o baieti
corelaiie care trebuie calculat ~i ne ofera 0 imagine des pre gradul de adecvare a
x fete
interpretarii valorii gasite. Ultima Intrebare vizeaza un aspect distinct, ce tine de 10 16

marimea efectului, adica de intensitatea relaiiei dintre cele doua variabile. managementul impresiei managementu( impresiei

(1)Cum identificam faptul cii este vorba;!fil,o corela!ie?

Figura 3.1. Norul de puncte dintre cele dOU8 variabile nediferentiat (in stanga), respectiv
Multe dintre studiile Intreprinse Tn psihologie apeleaza la metoda corelaiiei.
diferentiat in functie de sexul respondentului (Tn dreapta)
Putem identifica necesitatea analizei corela\ionale din modul de. forr::o.uJ.p.I~ a
obiectivului, respectiv a ipotezeL.de·,cercetare. Expresii de genul: "urmarim sa
Daca analizam imaginea din partea stanga, yom constata atat liniaritatea
eviden~em gradul,"de~asociere dintre inteligen\a ~i memorie", "exista-o"legatura relatiei (punctele par a evolua dinspre stanga jos spre dreapta sus, indicand 0

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,
asociere liniara pozitiva Intre variabile), cat 9i homoscedasticitatea relat iei
(punctele par a forma un nor de puncte de grosime similara pe Intreaga
amplitudine a evoluiiei celor doua variabile). Prin urmare, toate condiiiile aplicarii lui
r sunt Indeplinite. Totu9i, daca yom analiza 9i imaginea din dreapta, cu norul de
puncte rezultat In urma diferentierii dintre cele doua sexe ale subiectilor
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
intensi~atea legaturii dintre cele doua variabile este u§or diferita pentru fete,
respectiv Mieti. Cu alte cuvinte, ne a§teptam sa existe 0 asociere mai mare Tntre
preocuparea pentru managementul impresiei ~i cheltuielile lunare pentru prod use
cosmetice In cazul fetelor, decat Tn cazul baietilor. De aceea, pe lang a valoarea lui
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.
Tot din imaginea respectiva se observa cheltuieli mai ridicate din partea
fetelor pentru prod use cosmetice Tn comparatie cu cele ale baietilor.
(4) Ce fel de ipoteza trebuie testata?
Ipotezele de cercetare pot fi exprimate, fie in termeni unidirectionali
(unilaterali), fie Tn termeni bidirecJ;i£l.Qali (bilaterali). Tn prima categori;"mcfudem
expresii de genul "persoanele cu un nivel de inteligenta ridicat tind sa obtina
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
ambele expresii este ~ta clar directia asocierii dintre variabile, ea fiind
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~~,~
precizata clar directia de asociere dintre doua variabile. Expresii de genul "exista ci '
coreiatie Tntrt:X'§i Y" sau "exista 0 corelatie intre problemele de sanatate 9i nivelul
de management al impresiei" sunt tipice pentru cazul ipotezelor bidirectionale.
Tn exemplul nostru putem distinge situatia unei ipoteze unilaterale,
deoarece directia asocierii dintre variabile este precizata. Cercetatorul se a§teaPtat,'
ca un nivel crescut de autoprezentare sa fie asociat cu un consum mai mare de
prod use cosmetice.
Importanta distingerii dintre cele doua tipuri de ipoteze se regase9 te Tn
valorile r semnificative statistic. Testareq,.ipotezelbrunidirectionale urmare§te in ce
masura Y.9.l9§r:ea lui, r este semnificativ difedtade_O Tn sens pozitiv (in cazul unei
prezise asocieri pozitive), respecthdO,sens negativ (in cazul unei prezise asocieri
inverse). Tn schimb, testarea ipotez~lor bidirectionale urmare§te in ce masura r
difera semnificativ de 0 Tn oricare directie,fie spre -1, fie spre +1. Datorita acestor
diferente:ex;st~ d-;d~~a mLmai multe '9anse sa obiinem un rezultat semnificativ
statistic Tn cazul ipotezelor unidirectionale decat in cazul celor bidireciionale.
Sintetizand raspunsurile cheie pentru problema data, yom concluziona ca
putem aplica coeficientul de corelatie r (coeficientul de corelaiie r Bravais-
54
",":,", 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'.,,'_ __
pearson), deoarece ipoteza dore§te stabilirea gradului, de asociere dintre
preo-cuparea pentru managementul impresiei §i cheltuielile lunare pentru prod use
cosmetice. Ambele varia bile sunt masurate prin scale numerice, iar relatia dintre
ele e\'ite liniara 9i homoscedastica. Tn plus, pentru testa rea valorii r va trebui sa
tinem seama de faptul ca ipoteza este formulata Tn termeni unidirectionali
, (unilaterali). ~- -.--_.- - --- ,
Tn SPSS yom obtine valoarea lui r, daca yom urma calea din meniu:
"Analyz~:,~()!!_~~"-"Bi~iate". Fereastra deschisa ca urmare a acestor optiuni
are selectata ca varl~ta standard "f:earson", adica exact coeficientul de corelatie
de care avem nevoie."Na,famane doar sa selectam variabilele ce urmeaza a fi
corelate §i sa modificam optiunea "two-tailed" (bidirectional) Tn "one-tailed"
(unidirectional). Output-ul oferit de SPSS este prezentat Tn figura 3.2. ~.,-. ,>,~..-;:
produse managementul
cosmetice impresiei
prod use cosmetice Pearson Correlation 1 ,699*
8ig. (1-tailed) , ,000
N 50 50
managementul impresiei Pearson Correlation ,699* 1
8ig. (1-tailed) ,000
N 50 50
** . Correlation is significant at the 0.01 level (1-tailed).
,Figura 3.2. Output-ul SPSS eu rezultatul eorelatiei dintre eele doua variabile
SPSS este 0 marca inregistrata.
Rezultatul se poate scrie simplu sub forma: r(48) = .70, P < .01. In
expresie, r este simbolul coeficientului de corelatie liniara simpla, iar Tntre
paranteze sunt trecute gradele de libertate ale testului. Valoarea 48 indica gradele
de Ii~~rt~te, c~re se calcu.lea~a, Tn ~a2:J,l.t\<orE>latiei,.prin form~~"l.Jmie N
~ . semnJfJca numarul de subJect! testatl. Valoarea de .70 este rezultatul rotunjit
observat la intersectia dintre managementul impresiei 9i produsele cosmetice,
• adica r. Tn sfar9it, p < .01 semnifica probabilitatea de a obtine datele observate Tn
I condiiiile Tn c~.!J;~Jly.. exista 0 asociere intre malJe~Elm~fu( impr~~iei 9i nivelul
t cheltuielilor pentru produse cosmetice. Tn cazul de fat~se bbservao probabilitate
"~ mai mica de 1 la 100 « .01) de a obtine un r de '.70 Tn conditiile Tn care nu ar
exista 0 corelatie Tntre cele doua variablle. ' ,
Prin urmare, datele sprijina ipoteza lansata, conform careia 0 preocupare
crescuta pentru crearea unei impresii favorabile Tn ochii celorlalti se asociaza cu
cheltuieli mai ridicate pentru achizitionarea de prod use cosmetice. Ramane sa
stabilim magnitudinea relatiei dintre cele doua variabile, nu Tnainte de a aminti ca
relatia dintre cele doua variabile este r(23) = .79, P < .01 Tn cazul fetelor, respectiv
r(23) = .58, P < .01 Tn cazul Mietilor.
55

(5) Cat de intensa este asoeierea dintre eele doua varia bile?
Majoritatea textelor statistice evita sa raspunda la aceasta Tntrebare,
rezumandu-se sa prezinte rezultatele sub forma meniionata anterior. Totu~i, a~9
cum am subliniat Tn capitolul destinat testarii ipotezelor, pragul de semnificatie pifu
indica intensitatea unei relatii ci raritatea de >.__a obtine asemenea date Tn condiiiiTe
- . . . . : . _ _ _ _ , _ " ' _ .. _ _ 0'" " ~ _ _ _ _ . " ••
Tn care .ipoteza nU.la. este adevffirata. Spre eXemplu, la un numar de 700 de
persoane testate-p~t;;;obtineun -r foad.e~mic, dar semnificativ...s.tatistic, cum ar fi. r
(698) =: .08, p < .001.
Cel mai utilizat criteriu pentru a aprecia inte.g.sitaJ~~",£e.~§ll§j dintre dOLia
variabile se nume~te coeficie[lt de determinare, notat cu r2. A~a cum arata simbolul
sau, se calculeaza foarte u~or, fiind patratul coeficientului de corelaiie. EI poate fi
exprimat ~i Tn procente, unde 100% corespunde unui coeficient de corelatie de ··1
sau 1. Din pacate, acest criteriu nu este Tntotdeauna adecvat din cauza influen\ei
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
de20·desubiecti, respectiv cele care depa~esc200 de peU3gane.
Prin intermediul coeficientului de determinare se evalueaza p~rte,9~_(~e
asociere comuna a. celor . dOllc3"Variabile,indicand procentul diR-dispersL9.. unei
variabile care s;;;~;iaz'~cu' modul de impral?tiere a celeilalte vqriabile. Cu' alte
cuvinte, coeficientul de determinare arata gra~1.g§ .. comunalitate dintre doua
variabile. In cazul in care una dintre variabile este inClependenta, iar cealalta
dependenta, interpretarea se modifica u~or. Coeficientul de determinare poate fi
Tn\eles ca procentul dir;J-!:Ii9.[2er.§i? ,.variabilei ... depen~tente .. <:xplicat.d~". evoluiia
(influerliC'lL~~fi9!?jl<:iir:td,ep.~fldenteJPedhazur ~i Schmelkin, 1991). Cu alte cuvfnte',
coeficientul de determinare nearata cat"..pe·mare este'influenta variabilei
independente asupra variabiJei de pendente.
In exemplul ilustrat, vom-6btine un coeficient de determinare r2 de .49
(49%), ceea ce Tnseamna ca aproape jumatate din dispersia celor doua variabile
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
.' d, putem aprecia ca un coeficient de determinare de"'GQtindica 0 asocieresc.azuta
Tntre doua variabile, 0 valoare de ..D6...indica 0 asociere de intensitate medie intre
doua variabile, iarun r2 de .>-1.i..~e~nifica 0 asociere puternica Tntre douc3 variabile.
In consecinta, Tntre gradul de preocupare pentru managementul impresiei ~i
cheltuielile lunare pentru produse cosmetice exista 0 legatura foarte puternica. Cu
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
langa magnitudinea schimbarii eviden\iata prin indicatori ai marimii efectului,
precum r2, va trebui sa tinem seama ~i de aspectul valoric al schimbarii.
- .~~
56
111,-lIlllJ1ll111i111l11111l111~IIIII~IIII_"'IIIIIIIIWIIIIIIIIIIII~IIIIIUIIIII:IIIII~II 111'111 11111:
Tn fine, se cuvine sa reamintim ca exista 0 conven\ie de folosire a semnelor
Tn cazul indicatorilor de marime a efectului. Ace~tia vor lua valorillega!ive Tn cazul
Tn care efectul apare in,di.r~$\L~ gp.usa,selei precizc:lte in ipoteza, respectiv semnul
plus, daca efectul apare in directia scontata. _."•... -
I __ ~
Limitele interpretarii eoefieientului de eorelat ie
Pana la urma, corelaiia nu este decat un procedeu statistic ce masoara
covari9DJg9in tre. doua variabile standardizate. Totu~i, din punct de vedere
met~dologic, ca!ita.~ea un'urcbefiCieritCle corelaiie poate diferi, de~i indica aceeal?i
cantltate a aSOClerli. Spre exemplu, un r de .60 arata un grad de covarianta ridicat
intre doua variabile, de~i sursa legaturii dintre ele poate fi dif~rita~ti~at~vaidei
de baza: _ ••.... , .•
Corelatia nu impliea 0 eauzalitate
Multi incepatori tind sa testeze, prin metoda corelatiei, ipoteze ce contin
sintagme cauzale. 0 expresie de genul "Tn ce masura ini~ligenta influentea~a
perfo[!I1an te1 e ~colare ale subieciilor" ~u'poate fi demonstrat~ prinX~t~rmediullui r.
Valoarea coeficientului de corelaiie poate arata doar daca cele doua variabile
covariaza in aceea~i directie, Tnsa un r semnificativ nu poate fi un substitut pentru a
demonstra existenia unei relatii cauzale. Aceasta poate fi demonstrata, fie printr-un
des}gn experimental ce presupune manipularea variabilelor de interes de catre
cercetator, fie printr-un demers logic, Tn care relaiia dintre cele dou~ variabile este
clara (caldura excesiva duce la cre~terea consumului de lichide ~i nu cre~terea
consumului de lichide duce la cre~terea temperaturii aerului). .
Sursa eOY~~i.~ntei dintre doua variabile poate fi diversa
. """
~ . Brewer (2000) ofera 0 sinteza excelenta cu privire la posibilele surse ale
corelatiei dintre doua variabile. Acestea au un rol deosebit in stabilirea validitatii
interne a unei cercetari. '
o posibila cauza a reJ.atiei dintredoua variabile este tocmai dependenta
cauzala,g.JlneiaJat~i de cealalta, cum ar fi cre~terea consumului de lichide cu cilt
gradul de deshidratare cre~te.
Figura 3.3. Schema unei re/ati; cauza/e 7ntre doua variabile
-
-:':'''"~M"
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.

Figura 3.4. Schema unei re/atii false lntre doua variabile 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
afectiva a subiectilor. in consecinta, dispozitia afectiva nu este dependenta de
prezenta sau absenta ploii, ci de conditiile atmosferice care insotesc acest
fenomen natural. De remarcat ca pot fi 0 multitudine de variabile terte care sa
afedeze relatia dintre doua variabile.
Tn partea dreapta a figurii 3.4, cele doua variabile X ~i Y ajung sa varieze
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
asupra celor doua variabile, ~tiindu-se dependenta evofutiei somnufui $i a
dezvoftarii fimbajului de varsta cronofogica.
Variabi~e ascunse (neluate Tn seama\l].u sunt singurele care PCltinfluenta
vaHditatea int~rn5'a- ,r.ezuftatelor unei cercetari. Chiar $i in situatia existentei unei
relatii cauzale, aceastapoate fi rnoderata de prezenta altor variabile. Moderarea
reJatLE?l presupune cre$terea S}J.L_cj,§~cre$te~~.§.~~J!:).!~Dsitatiiasocierii dintre doua
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
psihologie, multe variabile de tip eticheta, precum sexul persoanei, varsta, nivelul
de experienta pot influenta relatia dintre doua variabife. Cef mai recent exemplu
poate fiobservat In imaginea din dreapta a figurii 3.1, In care se observa ca sexul
unei persoane modereaza refatia dintre managementul impresiei $i vofumuf
cheftuielilor pentru produse cosmetice. Astfef, in cazul fetelor relatia dintre cele
afectl~a,.poate floofenta a exp~~catle alternativa, pe baza unei variabile mediatoa~e.
Atunci c~nd ploua (X), oamenll prefera sa ramana In casa (C). Or, aceasta implica
un n~mar redu.s d~ contacte sociale (C) ~i poate favoriza aparitia unei dispozitii
~fectlve negatlv~ .rr). ~n ~It exemplu, din psihologia educationala, prive~te
Infl~enta c~nceptlel ~ascal.uIUJ. cu privire la calitatea relatiei profesor-elev. Aceasta
la randul el, afecteaza motlvatla $colara a elevi!or.
Figura 3.6, Schema unei relatii dintre X §i Y mediata de 0 variabi/a terta
Toate. ~ceste situatii arata limitele validitatii asocierii dintre doua variabile
care nu pot fl Izolate de influenta altor aspecte neluate in studiu De aceea, un
concept interesant $i important este acela de corelatie partiaJa. .
~.-"~---"" .,
3.1.2. Corelafia partiala
Coeficientukdecorelatie dintre doua variabile noate ind •
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
J.~C1Acest lucru este. e~ident mai ales Tn cazurile uno~ relatiifalsesau a te~o~
m.9.cger~te. Pen~rua elimma aceste neajunsuri se apeleaza Ii un artificiu statistic
denumlt corelatle partiala.

58
59
_11111111111111111111111111111111111111111111111111111111 Ii Ii !'III, i I, I" I',i'il,il II Illi'lIlllll .""1 n,

Luand exemplul corela\iei dintre nivelul de managemenJ al impresiei §i
cheltuielile lunare destinate produselor cosmetice, yom aprecia probabil, ca relat ia
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
fiecare pereche de variabile. Astfel, yom obtine r (48) = .70, P < .01 pentru relaiia
dintre managementul impresiei §i cheltuielile 'Iunare destinate produselor
cosmetice, un r (48) = .51, P < .01, Intre managementul impresiei §i venitul familial
lunar al subiectilor , respectiv un r (48) = .77, P < .01, Intre veritul familial lunar §i
cheltuielil,e lunare pe produse cosmetice. Ambele corelaiii ce implica venitul lunar
sunt semnificative, ceea ce ne face sa credem ca variabila respectiva influenieaza
relaiia dintre managementul impresiei §i cheltuielile amintite. Venitul nu ar
influeniat relaiia dintre ele daca nici una dintre relaiiile venitului cu cele doua
variabile nu era semnificativa.
Pentru a vedea care este relatia dintre managementul impresiei §i
cheltuielile destinate produselor cosmetice, eliminand influenia venitului familial
lunar asUpra celor doua, yom calcula coeficie~~1 de corelaiie part iala . Acesta are
serie de tehnici, precum C alLu.i P~~son sau V al lui l<ramer care au la baza
calculare~~~i X2. Alegerea coefiCf9niilor de asociere In funcii~ de tipul de date
cu.,lese este prezEmtata Tn tabelul 1.2, dincapitolul destinat statisticii descriptive. 1
3.2. Tehnici de cornparatie 'intre grupuri
Ipotezele nu se rezuma doar la posibilitatea de a stabili gradul~de·asociere
dintre.. ,yariabile. De multe ori interesul cade asupra stabilirii un or diferente
J""I'
semnificati~@,,)ntre.,grupe. Tntrebarea "Poate terapia prin ras reduce sim=;;t~~eie
depresive?" poate fi analizata prin comparargC3diferentelor In ce prive§te nivelul
depresiei pe ~,-:a grupe: un grup eX~I!1)1ental, care urmeaza 0 terapie prin ras §i
fi'i un grup de _C9}Jtrol, asupra caruia cercetatorl:ll nu intervine. Evaluarea ,.diferentelor
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
I'.
diferentelor deft;ecvenJ;a",(X2). fie variabiLe de tip IJkIEneric. analizate pe baza
diferentelor dintre1D~2.iL{~estele t §i z).c,~,~
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

.. (

Tn schimb, testul X2 al gradului de omogenitate se folose§te atunci can~

cazul subiectiiorcarora'ii sua dat anterior un feedback negativ. Ambele ipoteze pornesc de la

dorim sa vedem dite[en~e··,"(as0GierL) intre categoriile de raspunsde· ..Ia-·doua

premisa ca d persoana tinde sa se asocieze cu evenimente publice pozitive, respectiv sa se
distanteze de evenimente publice negative, efedul fiind potentat mai ales pentru subiectii
Tntrebari. t?" , care au suferit e~ecuri personale. .,
. 'D~~a duminica urmatoare ar avea loc alegeri preziden~iale; v-a~i prezenta la vo ,
Prima ipoteza necesita un test X2 al gradului de potrivire, Tn timp ce a doua
" a) Da b) Nu G) Nu ~tiu / Nu raspund .
ipoteza necesita un test X} al gradului de omogenitate. II) continuare vom detalia
asemanarile §i diferentierile dintre cele doua forme X2.
Ati votat la ultimele alegeri preziden~iale?"
II • , Ambele forme pornesc de la ideea cOIJ'lP~rii fre.GyeO!elor. observate cu
a) Da b) Nu cele ~ctate (a§teptate). De exemplu, aruncancto=-m~neda de 100 de ori,
observam ca stema a ie§it de 54 de ori, iar banul de 46. Acestea sunt frecventele
Tn acest caz, tehniGa~·X'?"al gradului de omogenitate va fi ,utilizata d~pa
observate. Cele a§teptate (teoretice) sunt cele stabilite pe baza de probabilitati.
sintetizarea prealabila a raspunsurilor -Ia ..cele. cl9u~Tntrebari, Tntr-un singur tabel.
Astfel, tinand cont ca sunt doar doua fete ale monedei §i au fost 100 de arunca~i,
ne-am a§tepta ca fiecare parte sa apara de 50 de ori. Diferentele dintre valorile
Tabelul 32'.. Frecventa raspunsurilor celor 70 de subiec~i chestiona~i frecventelor observate §i cele ale valorilor a§teptate sunt luale in considerare in
, ' tit?"
Daca duminica urmatoare ar avea loc alegeri preziden~lale, v-atl prezen a a vo . calcularea lui X2.
" Da Nu Nu ~tiu Formula de calcul a lui X2 este:
Nu raspund
A~i votat la ultimele
7 5
alegeri prezideniiale? Da 24 I k=:L(O-E)2 (3.1 )
Nu 11 13 10
r L..---.... § .. - i
Ipoteza nula a ambelor variante aLe.._JehniciLx2 stipuleaza ca .nu exista unde Q~.simbolizeazafrecventele
Q'p_$§fl/c;tJe, iar E frecve.ntele a§teptate.
diferente semnificative intre frecventa--r.asp.L1nsLJril?r ..QPserva~e §I cea a In orice tehnica de comparatie a datelor va trebui sa raspundem la
raspun~urilor a§tep~~~Jr .. "difer!~e categorii (Hi~~le, Wiersma ~I JU~s, 1~9~), urmatoarele j'ntrebari:
Exemplul ce insote§te explicarea celor d~ua ~e,h~lcl X2 este 0 adapta:e Ipotetlca a
celui de-al doilea experiment realizat de GlaldJnI §I colab, (1976/1999), 1) Cum identificam situatia de comparatie, de testare a diferentelor?
Studentilor Ii s-'au adresat prin telefon ~ase intrebari generale ale caror raspunsu~

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

care au frecvente teoretice mai mici d,(,!)5J.lucel;:l 0 valoare X2 ..discutabila· 0

(cea de-a doua ipoteza din exemplu). In acest caz, premisa ipotezei nule este ca
frecveni a de apariiiea raspunsurilor "noi" Tn situaiii de victorie sau de Tnfrangere nu
difera1rtmnc\l.€tcJ.8 tipuldefeedback primit de subiecti.
(2) Ce fel de grupe sau categorii de raspunsuri sunt comparate?
Vom amana pana la prezentarea testelor t $i z discuiia despre aceasta
problema. Pentru moment yom preciza doar cagrupeleJRLD12-a rate pot fi
independe]Jj:'§,.. §<3._u~_pa(echi. In cazul lui X2 raspunsurile subieciilor trebuie sa fie
inciep-eQ(I~~te. 0 Tncalcare a acestei condiiii se Tntalne$te Tn testa rea repelata. a
aceluia$i .grup_de subiecti deoarece Tn cazul masuratorilor repetate, rezultatele
exprimate anterio; sau uit'erior de un subiect nu sunt ifldepenQw.te ..col11p.l~t. In
asemenea situ~tii trebuie aplicate alte tehnici .statistice precum testul X2 MGN9-Ql~L
sau X2 Stuart-Maxwell (Hinkle, Wiersma $i Jurs, 1994).
(3) Ce fel de date au fost colectate?
. Variabilele.lJ:J.Q!'l.I2,~_1}9.!?~~9i.l1. cercetare pot fi considerate, fie de·tip or..c:Jltl~b,
cu trei categorii de raspunsuri: feedback pozitiv, feedback neutru, respectlv
feedback negativ, fie de-lli?~.:nglJlil1;:lI, cu doua categorii de raspunsuri - meci
ca$tigat, respectiv meci pierdut. Variabila j~endenta a cercetarii este tot de tiP
nominal, categoriile de raspunsuri posibile fiini:f "noi" $i "non-noi". Acestea pot fi
refleCtate $i diilotQmic sub forma1-raspunsuri de tip "noi" $i p-taspunsuri
,----,~,~" ,.-
de tip
"non-nor'. Tn cazul comparaiiilou:!mlr8 grupe, 0 importania deosebita 0 are.JIl??ul
de masurare a variabilei dependente (criteriu). Tn cazul unor date de tip nominal, ca
Tn situaiia defafii,-seva'calciJiax2.Jn schimb, Tn cazul unor date numerice, se vor
utiliza, cu mici excepiii, tehnicl!~lgu z.
-~,..',"''''-' .' "
Tabelul 3.3. Procentajul subieciilor care au' dat raspunsuri de tip "noi"
Tip de feedback
Neutru % Negativ %
Tip de meci Pozitiv %
28 (7/25) 64 (16/25)
Meci c8§tigat 28 (7/25)
32 (8/25) 16 ( 4/25)
Meci pierdut 36 (9/25)
~actica posibila Tn asemenea situatii este reunirea unor casuteadiacente:
• In c~zul unor tabele de contiQ~enia de Ji8cfX2, este necesara aplicarea
unel core.£:Jii ,.:..ates ce presupune cre$terea cu Q,5 a diferentei dintre
frecveniele obserii..§l!2_$i_cel~ t e o r e t i c e . ' ~ .. ~ ,
.Tn calculul X2 se tinecont d~tr:ecV~J!t~le $i~u.ae procentajele cOl1statate,
•
deoarece cele din urma duc la calcularea yf ca ~i cumadifostobtinute
100 de raspunsuri indiferent daca au fost colectate 5000, 500 sa~'50 de
observatii.
Tn exemplul nostru, toate conditiile sunt Tndeplinite, existand 51 de
raspunsuri de tip "noi" Tntr-un design experimental de tip 3 x 2.
(5)Ce fel de ipoteze au fost testate?
., . Tn general ramane valabila distinciia dintre ipotezeL~__ unidirectionale $i cele
b'd'r~_cl,onClle: Ceea ce se schimba tine de sintagmeleutilizate,' Astfel, Tn
eompararea di.ferentelor dintre grupe, ipotezele unidirectionaie pot fi de genui
"fete Ie au un nlvel de .empatie mairidicat ,~§fat cel al baieiilor", "metoda A duce la
un numar de gre$eli maimic.c9:rnp?[ativ cu metoda S" etc. Ipotezele bidirectionale
nu specific~ ~ire.ctia diferentelor dintre. grupe, fiind mai degraba formula~i vagi
precum "exista dlfer~D.tE3Tn,tr~fE)te,$L~§ieJi Tn ce prive~te nivelul de empatie" sau
"metodele A..$iSsunt diferite Tn ce prive$te numarul de gre$eli comise".
.. . Totu$i, in ca~u!.lui X2 ,; distinctia dintre ipotezele unigj[~Ftionale $i cele
bldlrecilonale poate fi aplicata doar in cazul unui test eu un sJog,uLgrad.de Iibertate.
P.rima ipoteza p.oate fi considerata ca fiind de tip unidirectional, deoarece X2 are un
slngur grS!d __deJlb~.r;tate, iar cercetatorii anticipeaza ca raspunsurile de tip "noi" apar
mal. frec~ent Tn situaii.a de victorie a echipei de totbal, decat in cea de infrangere. In
schlmb, ~n cazul celel de-a doua ipoteze, X2 poate fi dQ.§.~bidirec.iional, deoarece X2
are doua grade,j,~..IJb,§;rtate, fiind deja un test omnibuz. Acesta arata daca eXlsta
diferente Tntre frecvenie, Tnsa nu arata unde..se.aflaacele diferente. Astfel Tn cazul
Media % unui X2 semnificativ vom afla ca tipul de feedback prim it influent~aza dife~it nivelul
41 (30/75) raspunsurilor de tip "noi" in functie de rezuItatuI meciului echipei' universitatii. EI DU.
28 (21/75) ne va arata Tnsa nici .ceJel de feedback influenteaza raspunsurile subiectilor nici
daca aceste raspunsuri vor cre$te sau descre$te Tn frecventa. Tot ce vom-~fla'este

daca. :recventase.modifica saunu. Pentru a suplinillmitele ,!!-, exista modalitaii

(4) Conditiile aplicarii tehnicii respective au fost indeplinite?
speclflce de lucru, preeum analiza reziduurilor (Hinkle, Wiersma $i Jurs, 1994).
Pentru aplicareajestuluiX:..exista cateva con<Jitii $i restriciii de utilizare:
observatiile treb~~~" fie independente, fiind" e>s9Y.$.a."d~sig!l"urile; eu Tabelul 3.4. Frecvenia observata §i a§teptata privind subiectii care au dat raspunsuri de tip
masurat~lL..J:epetate; Tn pius':"'''cat~g~'rri~ d!iL.[~spunsuri, trebuie 's'a
se "noi" in funciie de tipul de meci chestionat.
exc!uda-'Feciproc, ceea ce presupune ca Tntrebarile care permit r~:punsuri
multiple nupot Ii analizate prin X}· " Tip de meci RaspLinsuri de tip "noi" Raspunsuri de tip "noi"
'" trebuie s~fie de cel putin 2D.dej[~9y"enieQbservate; mai mult, frecveniCl~ observate a§teptate
a$-teptata pentru ~car~~c~~uia (celula) a tabelului de contingeni a ri~Lt
{i •

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'

a~teptata pentru fiecare casuta este rezultatul pr,gdusului dintre

D"nU exista diferente Tntre cele doua categorii de subiecti chestionati ,
Frecv,enta
~----. .,,'...............
totalurile marginale'--corespunzatoare casutei respective Impartit la _tgtalul
-
~mcaca 'In fiecare situatie
ne a~ t ep a t '
sa existe 25,5 raspunsuri de tip "noi".Se observa
. , frecventelorobseNate.·Spre exemplu, frecven~a a§teptata a raspunsuril(;r de· ii'p'
ca frecventa 9b~~:va~"a este diferita de valonLe.~§teptate. Se pun~ Intrebarea "noi" Tn cazufpersoanelor care au· primit feedback neutru §i care ofereau rezultatul
. I"' t' a' ceasta diferenta Tntamplatoare sau dlferenta este suflclent de mare meciului pierdut de echipa universitaiii este de 6,2 [(21)(15)/51].
simp a. es e , . , " . ' ."
entru ca probabilitatea de a obtine astfel de date din Intamplare sa fie mal.n: lca
~e .05? Cu alte cuvinte, va trebuisa testam Tn .ce ma~ura ~iferent8.. e~te-sl:lflcle~t
. ntru a spriJ'ini afirmatia ca raspunsunle de tiP "I)OI",apar mal frecvent In Tipul de feedback
demare pe ' . , ." , " , ..
situa\ie de victorie a echipei de fotbal apartlnatoare decat In cazul Infrangerll feedback feedback feedback
pozitiv neutru negativ Total
acesteia. . " d' .. 'b'I', f t'e Rezultatul victorie Frecventa observata 7 7 16 30
T e h nI'c , pentru a calcula X} Tn SPSS avem doua Irec\1I POSI .
I e, In unc,l
.)
meciului Frecventa asteptata 9,4 8,8 11,8
d t' I testului (%2 al gradului de potrivire, respectiv %2 al gradulul de omogenlt~te . Adiusted Residual -1,5 -1,1 2,5
e ItPU t sta aceasta prima ipoteza ne aflam Tn situatia unui %2 al gradulUlde in/rangere Frecventa observata 9 8 4 21
Pen ru a e , , ' t " Frecventa asteptata 6,6 6,2 8,2
potJ:ivire .. Metoda poate fi selectataurmand ,calea ,AnalEt-"Nonparametnc tes ~ = Adjusted Residual 1,5 1,1. -2,5
"Ghi~square". Optiunea standard din ~PSS este de a.. calcula f~ecvelJta:teoretlca Total Frecventa observata 16 15 20 51
imparti'nd'totalul frecvel}\~!or,la nUrT1~rul de c~teg~n~ ~ceas~a modalitate este
va Ia· b.'l"
I a §I. pentru problema de fata " . TOtU~I, ..eXlsta ,
, (51'2) ~I 0 alta cale de calculare
. ' " Figura 3.7. Output SPSS cu frecvente/e observate,. ce/e a§teptate §i reziduurile
a frecventelor a~feptate, pe baza unor Inforn1 a\1I a pnon. Spre ~xem~lu, daca standardizate ajustate privind subiectii care au dat raSpunsuri de tip "nor' in functie
f recven ta ,
'de apariti6 a nevrozei Intr-o populatie este de 20%, lar nOI suntem de tipul de meci chestionat §i tipu! de feedback primit
. ' 'f ·t" f t" d
't 't'" vedem daca frecventa de aparitie In grupul testat este dl en a a,a e SPSS este 0 marcii inregistrata.
In eresa I sa " '. " 0/
popu Ia,la t·' d'In care a fost extras. e~antionul, atunci frecventa teoretlca va fi de __"_20/0
....
din numarul subiectilor testat!. . . Testul ~~!!? qn .test omnibuz, adica arata doar la.~ivel ge~L~Lc;:~ tipul de
In cazul primei ipoteze yom obtine un %2(1) == 1.59, P < .1 O~ test unilater~l, feedback primit afecteaza'oln'omod diferit frecven\a raspunsurilor de tip "noi" In
esemnificativ statistic. Prin urmare, nu putem afirma ca raspunsunle functie de tipul de meci vizat Pe baza frecven.ie1of.observate putem constata unde
un rezu It at n t" d -t
·
de tIp "nOI ." apar mai frecvent In situa\ii de victorie a echipei de apartenen ,a eca se afia aceste diferen\e,lnsa 0 asemenea perspectiva este foarte subiectiva.
. " I' d ' de
,In Sl't uat"II de 'Infra'ngere . Totuc:i
y ,
valoarea lui p aproplata
.
de pragu maxim
.."
a mls De aceea, Tn cazurile unui %2 semnificativ statistic se recomanda
.05, ne 'duce cu gandul ca am putea asista la 0 schlmbare a concluzlel, daca vom calcularea reziduurilor.i3tandardizate ajustate pentru fiecare celula In parte, pentru
cre~te puterea statistica a cercetarii. . , ., , a observa unde=S;'~'itueaza q9S!le~oif~[erite. Valorile reziduurilor standardizate
2 I gradulqL.d~ omogenitate poate fl calculat In SPSS utllizand 0 cale ajustate cuprinse Tn intervalul [-2, 2]nu.ne intereseaza. In schimb, valorile care nu
'f 't" % aa ma'l comp~lexa"·ft({§jy·ze"-,Descriptive S. tatis.tics"-"Crosstabs",
- .., -- - dupa ----
I
d lena cev . " ' --,-,~__ . se regasesc In acest interval sunt considerate ca indicatori_i;lL_uIl8i . ,di,ferente
, 1 ge butonul Statistic?' iar din fereastra deschisa vom selecta "C_~I- semnificative Intre frecventele observate ~i cele a~teptate. Valoarea absoluta de 2
care se a e ,,----.. ' ---
square~:-In pluS, revenind In Crosstabs, se po ate selecta ~i. butonul "C~ll$': pentru ~ este stabilita pe baza unei distribuiii z, a carei valoare corespunzatoare pentru un p
alege reziduurile standardizate ajustate. Asupra rolulUl acestora vom revenl de .05 este 1,96.

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. .

Elementele celor doua grupe sunt puse Tn corespondenta prin interventia

• tehnici care---privesc diferenta dintre mediile ~~ 9()lliL...e~alJ!Loane
experimentatofului. Aceasta tehnica este utilizata cu sc~pul de a"~g~~ii~a'
independente; ele sunt denumite testul t pentru e~antioa.ne)ndependente,
grupele ce urmeaza a fi comparate, pentru a elimina influent3 - unor
pre~~~rtat -f independ~nt, respectiv testulz .. pent ru e~antioane
variabile·tei'te:' De exemplu, daca vrem sa vedem Tn ce masura metod~d~
independente sal!..z. indep~n,dent; pentru a calcula t independent -Tn SPSS
predare A este mai buna decat metoda B, poate ar fi bine ca grupele ce
yom urma calea "Analyze" -2?QQ!!:1[:~.§.re_.. M~?ns" -"lndependentSaQ1pl.es_T
urmeaza a fi invatate prin metode diferite Sa fie echilibrate, adica alcatuite
Test". din elevi de calitate,~§iirnilara. De exemplu, ele patfi egalizate printr-un test
• tehnici care privesc diferent~ dintre mediile a .doua...J;l~(3ntJ.()ane._peX~9hi
initial de cuno~tinte. Subiectii care au obtinut primele doua locuri vor fi
(corelate,dependenie); Tn asemenea situatii vorbim de testul t peritru
distribuiti Tn grupe diferite ~i se va realiza, ulterior, 0 corespondenta (ntre
e~antioane perechi, prescurtat t d§penqent, respectiv testul z pentru
rezultatele lor. Algoritmul -de lucru se v'a pastra, pan a la fin~lizarea
e~antioane perechi, ori z dependent; in SPSS, t dependent poate fi obtinut
distribuirii Tn grupele de lucru nou formate a subiectilor testati prealabil.
pe calea "Analyze"-"Compare Means"-"Paired5.a,r:npl~~.r.I~st':.
Se observa ca e~antioanele perechi vor avea Tntotdeauna un numar de
Ce sunt e!?antioanele independente !?i e~antioanele perechi?
subiecti >~~al, .pe cand e!?antioanele independente au 0 libertate m~i-mare, cele
doua grupe comparate putand avea,sau nu un numaregal de subiecti.
In ce prive~te diferentierea dintre testele t. ~i z independente ~i
lata cateva exemple ilustrative-de studii care necesita aplica~ea testelor t:
dependente, ea se face in functie de natura grupelor comparate. Astfel apar doua
situatii:

71
70
 1IIIIIiIIIIIIUIIIII~lllllIIlllllIllllIIlllllillllll:IIIIII'

Dineolo de aeeste diferen~e, testele de eompara~ie sunt similare. eel putin

Testul t pentru doua e§antioane independente
din perspeetiva interpretarii datelor. De aeeea. vom prezenta doar doua exemple,
Un cercetator crede ca strategiile sintetice conduc mai repede la deprinderea cititu~ui de.c~t eazul unui test t independent, respeetiv al unur test t dependent. De altfel. orice
strategiile analitice.Pentru a testa ipoteza el selecteaza doua ciaseparalele de erev~ afla\l. I.n studiu care impliea stabilirea diferen\elor dintre doua medii necesita' raspunsuri
clasa I, fiecare dintre ere avand cate 20 de elevi. Primul grup a fost invatat ~a ~iteas~a ~nalitl~ clare la urmatoarele lntrebari:
(incepand cu literele, trecand apoi lacuvinte). in timp ce al dOllea grup .a Inva\at .sa ~Iteasca
sintetic (pornind de la asocierea cuvintelor cu imagini, pentru adepnnde ult~n?r .literele).
Variabila dependenta a constat intr-o proba de citire contra cronometru, obtlnandu,se un 1) Cum identifieam 0 situa~ie de eomparare intre doua grupe?
indicator pe baza formulei: numarul de cuvinte citite intr-un minut I numarul dE\~ron. 2) Ce fel de grupe sunt eomparate?
3) Ce fel de date au fost colectate?
Testul t pentru doua e§antioane perechi - cazul masuratorilor repetate .'•. '.", 4) Conditiile aplicarii tehnicii respective sunt indeplinite?
Obi~ctivul cercetarii este de a studiainfluenta metodelor ,de r~laXa~El~~l,Jprt3.redUCerii 5) Ce fel de ipoteza trebuie testata?
cond\Jitelor agresive la adolescen\i. 0 grupa de 15 subiec\i cu. t~l?~r.~ri G~lllportClr:'ef1tal~ e~te
6) Cat de intensa este diferen~a dintre grupe sau dintre eategoriile de raspunsuri?
testati:i'initial (pre-test) in ceea ce prive~te ,niveJul agreslvlt~\II, pnntrcunl~\/e:tltClr. de
persoriauta~e: DlJpa testare. cei 15 urmeaza un program de relaX~[e;'qotJsti~Ui~d,~l1cln:cI9~dln\e Problema A
de relaxare saptamanale, fiecare durand a ora. Dupa 0 penoadadedo\1a.'uSI?upl.ec\ll.s~n.~ Un student, cu un bogat spirit de observalie. a remarcat ca oamenii tind sa se
retesta\i (pgst-test)pentru a observa daca nivelul lor de agresivit9!~:~.s8a7ytJ~.p~,f)laprClqtI8~rll
Tmparta Tn doua categorii: cei care sareaza mancarea Tnainte de a 0 gusta. din obi§nuinta.
tehni?ilor de rela2ar~ inva\ate. ",:-.: '.'}::';':,;;,i:.)' respectiv cei care mai 1ntai gusta §i apoi T§i sareaza mancarea Tn func\ie de gust. Pe baza

:::'~\:::~":~::':::'::'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·.

(1) Cum identificam 0 situalie de compa~are 'intre doua grupe?

...
Raspunsul este foarte simplu: trebuie sa existe doar doua modalitati ale ._-VI.
~~~-"";'?~'='"'t,~~... "~"", ..
d,.·., ~

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

Acelea$i condi\ii se pastreaza ~i Tn cazul testelor z. Totu§i, cando utilizam

(2) Ce fel de grupe sunt comparate?
~n tesUcsau UTltf!st z? Raspunsul este mai complicat decat pare la prima vedere.
Aici trebuie sa facem distinctia Tntre situatia compararii medi§io. unui
, ' .
e$antion cu cea a'populatiei (testele t $i z pentru uri e$antion); situatia compararii
mediilor a doua e$antioa~e ipdependente (t independent); respectiv a compararii
I In ~od formal, cele doua teste au distribu\ii statistice diferite. Totodata, pentru a
a~IJca tes~ul z nu trebuie sa cunoa§tem abaterile standard ale grupelor comparate,

mediilor a doua e~antioane perechi (t dependent). In problema A' identificam

situatia a doua e~anti;~ne ind~pendente, deoarece este vorba de persoane diferite
I CJ aba~erJle s.t~ndard ale populatiilor din care sunt extrase cele doua grupe.
Tli cele doua grupe (cei care folosesc sarea Tnainte, respectiv cei care folosesc
sarea dupa mancare). In plus, Tntre subiectii celor· doua grupe nu exista 0
corespondenta prealabila naturala sau artificiala. Tn schimb, problema B ilustreaza
situa\ia a doua e!;;antioane perechi, fiind vorba de testa rea repetata a acelora$i
subiec\i.
(3) Ce fel de date au fost colectate?
Pentru a aplica testele+sau z avem nevoie de compa@~~diferE:l~J~I.or
dintre douamedii. Cum acestea au sens numai Tn cazul datelor m~'lsurate prin
scal;r;'~~~ri~~" Tflseamna ca testele t ~i z pot fi aplicate doar Tn cazul Tn cgr.~yD
(criteriul) este ~~surat prin scale de tip intePlal.sau.,propor1;ii. Daca VD a fost
masurat prin scale nominale sau ordinale trebuie aplicate alte tehnici, testele t $i z
nefiind adecvate. Pe lang a aceste cerinte vizand VD, reamintim ca testele t ~i z pot
fi aplicate doar pentru a testa diferentele din,!rE'..9'.Qb!~,~D::,~d,ii: In cazul compararii
simultane a mai multor-.meo.ii se aplica tehni.ciIe..AtJ9YA In cele doua probleme-
exemplu se constata ca datele permit aplicarea testelor t sau z, deoarece exista
doar doua grupe Tn fiecare problema, iar rezultatele VD sunt exprimate numeric
(punctajul la testul de impulsivitate, respectiv media generala anuala).
(4) Conditiile aplicarii tehnicii respective sunt lndeplinite?
Pentru a putea aplica Tn mod corect testul ales trebuie indeplinite unele
conditii_statistice. 0 conditie valabila pentru toate testele t $i z este aceea ca
distribut ia vari~jJE!isLEmendente.{a~r,ezultateIQr) ~.fl~,"~?!!!1ala. In cazul Tn .care se
constata devieri grave de la normalitatea distribu\iei, datele pot .tLJran$fof!!1ate,
dupa indicatiile prezentate in finalul capitolului de statistica descriptiva. Daca
aceste transformari .nu rezolva problema, se renunta la aplicarea testelor t $i z, Tn
favoarea unor tehnici non-parametrice.
In cazul testului t Tndependent exista 0 conditiesuplimentara, aceea ca
cele doua grupe sa aibaodispersi~~()JTlogerl;'t (dispersii rela.tilJ~gale). Condi\ia
este analogi:Lideii..dehomoscedasticitate din cazul corelatiilor $i al regresiilor.
Totu$i, daca ~ceasta conditie este Tn~~lcata, se po ate calcula 0 varianta Lajustata,
a carei formula este similara teste lor z. . studenti in anul II vor fi mai mari decat cele ob\inute de ei in anul I". F~rmularile
In cazul testului t depe;;d-;;;~tnu' e nevoie ca cele doua dispersii sa fie
omogene, Tnsa exista 0 alta conditie suplimentara, aceea a unei distributii normale
a dif::;r~ntei.scorl,!rilor. dintre pre-t~st $i post-test. Ambele exemple respeGtafci'iite
condi\iile de aplicare a testelor t···
Aceasta. ~o~dJ\Je nu poate fi indeplinita practic decat foarte rar. Totu$i, conform
teoremeJ limJtelor centrale (Kerlinger §i Lee, 2000), Tn cazul unui numar de subiecti
suficient de mare (cel pu\in 30 de subiec\i pentru fiecare grupa) distributi~
rezultatelor se apropie de forma unei distribu\ii normale z, iar estimarea abat~rii
standard a popula\iei pe baza rezultatelor ob\in'ute Tn cele doua grupe este destul
de adecvata. De aceea, se obi$nuie§te sa se aplice testele z candexista cel putin
3? de-stlbi~c\i Tn fiecare grupa comparata, respectiv testelE?J, daca Tn cel pJ:l\in u~ul
dmtre lotunle comparate exista mai pu\icLde 30de subiecti.
Totu~i, Tn practica se Tntalnesc des situa\ii dif~rite de cele postulate Tn
teorema, facand neadecvata aplicarea testelor Z. In plus, Tn destul de multe cazuri,
formula de calcul dintre t §i z nu difera. De aceea, exista tendinta dea renunta la
utilizarea testelor z Tn favoarea testelor t, ultimele putand Tnlocui 'cu succes te~tele
Z. De altfel, unele programe statistice, precum SPSS-ul, au renuntat la a prezenta
testele z, diferen\ele dintre doua medii putand fi testate pe baza te~telor t.
Chiar daca vom aplica testele z utilizand criteriul clasic al grupelor formate
din peste 30 de persoane, se observa ca ambele exemple necesita aplicarea
testelor t, deoarece in problema A, una dintre grupe avea mai putin de 30 de
subiecti (grupul celor 27 de subiecti care sareaza mancarea Tnainte d~ a 0 gusta),
iar problema B avea in ambele grupe cate 28 de rezultate. Testele z ar fi avut insa
avantajul unor valori standard pentru a decide daca doua medii difera semnificativ.
Astfel, pentru a sprijini ipoteza ca doua medii (:litera la un nivel semnificativ statistic,
ar trebui ca valoarea calculata z sa fie mai mare sau egala cu:
z = 1,96 pentru p < .05 sau z = 2,58 pentru p < .01 Tn cazul testelor bidirec\ionale;
z = 1,65 pentru p < .05 sau z = 2,33 pentru p < .01 in cazul teste lor unidirec\ionale.
(5) Ce fel de ipoteza ~mbujetestata?
Inainte de rezolvarea unei probleme trebuie sa stabilim tipul ipotezei de
cercetare: unidirectlqDql§Juqjlaterala) sau bidirec\ionala(bilaterala). in problema A
avem 0 ipoteza bilaterala, deoarece sintagma utilfzata "exista diferen\e Tntre cele
doua grupe in ceeace prive§te nivelul de impulsivitate" nu arata directia diferentei.
in schimb, problema B implica 0 ipoteza unilaterala: "rezultatele' obtinute 'de
unidirec\ionale sunt mai preCise, precum "A este mai)JJic d~cat B" sau ..A este mai
mare _d.e..caLB", fiind specificata directia de evolutie a diferentelor. Acest lucru nu se
Tntampla in cazul unei ipoteze bilater~le de tipul ;,A este dife;ifde B".
Pe baza raspunsurilor la aceste Tntrebari, puten, conciuziona ca este
nevoie de un test t pentru e$antioane independente Tn cazul problemei A, respectiv

75
74
 'I!II,II

Ce Tnseamna un t(61) = 2,26, P < .05? Rezultatul este semnificativ statistic

de un test t pentru e:;;antioane perechi Tn cazul problemei B. Vom aborda pe rand
ceea ce duce la respingerea ipotezei nule care stipula ca cele d~~a populatii n~
cele doua probleme.
difera Tn privinia nivelul de impulsivitate. Prin urmare, ipoteza cercetarii ' este
sprijinita, intre cele doua categorii de persoane existand diferente ale nivelului de
Tabelul 3.5. Mediile ~i abaterile standard privind nivelul de impulsivitate. din cele doua grupe
impulsivitate. Pentru a vedea directia diferentelor este sufici~nt sa consultam
Sareaza inainte de a gusta Sareaza dupa ce a gustat valorile mediilor prezentate in tabelul '3.5, Astfel: yom con~tata capersoanele care
mancarea mancarea obi:;;nuiesc sa sareze mancarea Tnainte de a 0 gusta sunt mai impulsive decat cele
M AS M AS care sareaza mancarea dupa ce au gustat din ea.
Nivel de Impulsivitate 14,81 1,78 13,64 2,22 Cele 61 de grade de libertate ale testl1lui t independent din exemplul de
mai sus pot fi calculate:;;i 'manual pe baza formulei (df = n1 + n2 - 2); Reamintim ca
Distan\a de 1,17 puncte dintre medii este suficient de mare pentru a sprijini cele doua grupe au fost- constituite din 36, resp~iV-2rdepersoane, fapt ce a
ipoteza existen\ei unei diferen\e Tn nivelul de impulsivitate intre persoanele care condus la cele 61 de grade de libertate-ale testului.
sareaza mancarea inainte de a gusta :;;i cele care folosesc sarea dupa ce au gustat
mancar~a? Constituie prima situalie un semn de impulsivitate? Pentru a raspunde (6) Gat de intensa este diferenta dintre grupe sau dintre categoriile de
la aceste Tntrebari va trebui sa respingem ipoteza nula care neaga eXistenia unor raspunsuri?
diferenie Tntre cele doua populatii de subiecti, iar pentru aceastavom aplicaJe~t~1 t Mai ramane sa raspundem la 0 singura Tntrebare: cat de mare este
pentru e:;;antioane independente. aceasta diferenia Tntre populaiii Tn ceea ce prive:;;te nivelul de impulsivitate? Pentru
..." ... ,.. -.. ,-.-'
~ .
aceasta va trebui sacalculam marimeaefe9tuiuL
Spre deosebire de tehnicile X2 care sufereau la acest capitol, exista 0
Testul Levene de
eaalitate a dispersiilor Testul t de eoalitate a mediilor multitudine de indicatori ai marimii efectului bazaii pe stab iii rea unor diferente
I Sia. (2·taile<:!l.
Nivel de impulsivitate Dispersie omogena
Dispersie eterogena
F
2,
164
1
I SiQ.
,146
t
2,262
2,335
II df
61
60,702
I ,027
,023
standardizate Tntre medii. Dintre cei mai cunoscuti amintim de indicele d al lui
Cohen sau 9 al~luLttSlgges. Mai multe informalH despre ace:;;ti coeficienti"-"potfl'
gasite Tn Cohen (1988) sau Rosenthal, Rosnow :;;i Rubin (2000a). Totu:;;i, pentru a
Figura 3.8. /nformatiiIe esentia/e din output-u/ oferit de SPSS nu suprasolicita cititorii cu explicarea unor noi indicatori, yom apela tot la
Tn cazu/ testului t pentru e§antioarie independente. coeficientul de detelJJ2inare r2 :;;i la corespondentul acestuia, coeficientul de
SPSS este 0 marca inregistrata. corelatie al marimii efectuTui"f,' de:;;i nu ne afiam Tn situatia unor analize
corelalionale. Formula de caW a acestora este extrem de simpla:
Pentru a respinge ipoteza nula trebuie sa aratam ca difereniel e sunt
suficient de clare incat :;;ansele ca ele sa apara din intamplare sa fie mai mici de
.05. Urmand calea "Analyze~,.compare Means"~"lndg[)!3ndentSampl~s T Tests" :;;i
stabilind grupele de comparat prin acti~narea butonului "Grouping \l.§'rlC!ble" yom
obline rezultatele din SPSS, prezentat~ in figura 3.8.
Pentru a afla valoarea luit~QDl~tili?:~L<3Ceea§i formula, darl~r~ .radical.
Se observa ca SPSS-ul ofera doua valori ale testului t, pentru fiecare
Prin urmare marimea efectului se poate calcula ~implu, pe baza valorii lui t :;;i a
situatie posibila: in cazul respectarii conditiei de omogenitate a dispersiei celor
gradelor de libertate aletestului respectiv, Inlocuind Tn formula (t = 2.26, iar df =
doua grupe - t(61) = 2.26, P < .05, test bilateral, iar Tn cazul Tncalcarii condiiiei
61), yom obiine un r de .19, respectiv un r2 de .035 (3,5%). Aceasta valoare indica
=
amintite, 0 varianta ajustata a lui t (60,70) 2.33, P < .05, test bilateral. Pentru a
o diferenta de magnitudine scazuta intre cele doua grupe cu privire la nivelul de
decide care dintre valori este adecvata cazului de fata yom consulta valoarea
impulsivitate. . .
testului ~_.C31 lui Levene. Un F semnificativ statistic i~dica faptul ca cele doua
Pentru a veni Tn sprijinul cititorilor familiarizati cu indicii d al lui Cohen
dispersii -sun,1j3t~J9g~Qe, incalcand astfel conditia de aplic~re a 1{?,8tul~U clasic. Tn
respectiv 9 al lui Hedges, precum :;;i pentru a facilita'realizarea de meta-analiz~
asemenea conditii se cite:;;te cel de-al doilea,t. Pentru problema data, testul Levene
unitare, vom prezenta formulele de transformare a lui r Tn d, respectiv Tn 9 :;;i
nu este semnificativ statistic F = 2,16, P ;:-.10, prin urmare ne yom putea increde in
viceversa (Becker, 2003; Rosenthal, Rosnow:;;i Rubin, 2000a; Rosenthal, Rosnow
prima valoare a lui t.
:;;i Rubin, 2000b):

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". '

Clarificari ale modului de constituire a celor doua grupe comparate

Figura 3.9. Informatiile esentiale din output-ul oferit ~e SPSS
prin testul t sau z
in cazul testului t pentru e§antioane perechl
SPSS este 0 marca lnregistrata.
Adesea se face confuzia-ca,.:testel~ t sau z masoara influenta VI asupra
. ' . - text sub forma t(27) = 1.80, P < VD. Acest lucru nu este intotdeauna adevarat. Pentru a Tntalni acest aspect este
Rezultatul respectiv poate fl transcns In _ I
,OS, test unilateral. Se pot observa unele diferenie intre datele prezen~ate In tabe)
nevoie, cel putin, ca treptele VI sa .fi~.,m§.Qjpulate de catre cercetator. Nu
. f I-f' 39 tare semnul minus (-1.80. Tntotdeauna se intampla a§a. De multe ori criteriileCiire stau'la baza constituirii
~i forma uzuala de scriere a lUI t. Ast e, In Igura . . ' .' d' t
. ~ - 'f I de calcul ailul t dlferenta In re celor dou~Lgrupe,nu pot fi manipulate de experimentator, ca in situatia variabilelor
Aceasta situatie se explica prin faptul ca In ormu a " .
'. ~ ~ -I ul respectiv restul este negatlv, etic.:ch~la, Exemple tipice ale acestora sunt sexul R~!,?Qanei (exista diferente Tntre
cele doua medii se gase~te la numarator. n caz ,

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.).

3.3. Managementul datelor brute

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.

3.3.1. Managementul datelor lipsa

Cu sigurania ca Tn viata reala, oricat de mult ne-am dori noi ea subiectii

testati sa camplete~ •.t~.~~~ _r_~~ricile, acestlucru are mig,.)?,anS,e .~? se Tntample di'n
diverse motive: ehestionare-prea lungi, gradwl . de intimitate ereseut al unar
rasp~suri etc. Tn consecinta, intre rezultatele obtinute vom regasi ~i spaiH libere,
care var eanstitui "eariile" bazei noastre de date. In astfel de eazuri avem la
dispozitie mai multe strategii a~r.native de lueru (Tabachnick !?i Fidell, 1996).
Prima alternativa, utilizata freevent, este de a nu tine cont de datele lipsa ~i
de a elimina,LeZl,J!!<,l~ele subiectului respectiv. Tehnica po";rtefi'~;;licat~ in cazul In"'
care sunt putinedate lipsa, iar absenta lor este aleatorie. Daca sunt mai multe date
lipsa, se pot realiza doua grupe de' subiecti: cei care au eompleta-tintreaga
secjJ,:;ntadata !?i cei care au date Jipsa. Daca exista diferente semnifica~'T~ir~
'o"
;::l eele dou;iLgrupe, In eazul unar variabile impartante. pentru stUdiu, nu serecamanda
"0
4l
~tergerea cazurilo.r...cu date lipsa, deaarece se pierd infarmatii impartante.
!:~
.s :0 Tn aceste candiJii, cereetatarul va trebui sa estimeze vai~area datelar lipsa
"0 '"
co: "C ~i sa Ie introdUCe} in baza de date. Pentru aceasta a masura paataJifni 99uirea
...
4l
Q)
>
'"
spatiilar gaal~pu una dintre valarile tendintei centrale (media, mediana sa~ ~adul),
·0
o alegerea fiind faeuta in funetie de tipul de date !?i de farma distributiei acestara.
.< . Tatu!?i, a~a cum vam vedea in sectiunea introductiva a c~pitalului destinat
regresiei, media nu reprezinta cea mai b'Lma modalitate de estimare aunei valari.
Datele lipsa pat fi estimate mai bine printr-a ecuaiie de regresie. Variabila care
Figura 3.10. Ghid de alegere a teste/or statistice inferentia1e de baza include datele lipsa este utilizata drept criteriu, in timp ce variabilele care se

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

Am 0 veste buna pentru dumneavoastra: Tn medie, grupul de prieteni pe

eele!~:~,gr~pe, ~ie. tehnici de asociere intre variabila Y3}.Jiecare vari~bila de tip
dummy, rezultata In urma gruparii valorilor X. Detalii despre aceste tehnici vor fi
care-I aveti ca$tiga, lunar, aproximativ 6.000 de USD ... Tnsa cu 0 singura condi\ie -
oferite in eazul capitolelor referitoare la tehnicile ANOVA, respectiv in sectiunea
sa va Tmprieteniti cu un miliardar In dolari. Astfel, cele cateva milioane de lei pe
despre variabile,.,.9.l1F1JnY din cadrul regresiei multiliniare. Cea de-a doua ~olutie
care Ie ca$tiga\i dumneavoastra:;;i ceilal\i prieteni "obi$nui\i", adunati cu sute de mii
implica "ridicare~ I~ patrat a valorilor X,obiinand astfel variabila x.~, care apoi v~ fi
de dolari ca$tigati de miliardar, vor da 0 medie care nu reprezinta pe nimeni - 6000
eorelata cu vanabila)":Uneori, prin aceasta masura, relatia dintre variabile devine
de USD. Tn cazuL datelor bivariate , efectul distorsionant al datelor ___extreme a fost
. .......,._..A~"'~~

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

exprimat in euro are a distribuiie asimetrica pozitiv care necesita logaritmare,

illlr-I,Hla normala? Altfel spus, cum puteti obtine imaginea din dreapta figurii 3.11,
valorile transformate reprezentand venitul vor avea ca unitate de masura eura
logaritmaii". Tn psihologil':l insa, multe rezultate de genul scorul 17 la un te~t de
pornlnd de la imaginea din stanga?
agresivitate, rezultatul 9 la 0 praba de sugestibilitate, nu au a unitate de masura
clara, a§a ca nu yom pierde nici macar atat prin transformarea datelor.

Radacina patrata
Radacina patrata din numarul
reflectat

Figura 3.11. Distributie non-norma/a, p/aticurtica (stanga),

respectiv 0 distributie norma/a (dreapta)
Asimetrie pozitiva moderata Asimetrie negativa maderata
Este greu? lata un alt indiciu! Sa presupunem ca imaginea din stanga este
Logaritm natural Logaritm
realizata pe baza urmatoarelor rezultate X = {2; 4; 7; 9; 12; 14; 16; 19; 22; 25}, natural din
numarul
astfel ca valoarea minima este 2, iar cea maxima 25. Tn schimb, imaginea din reflectat
dreapta, are valori mult mai apropiate X =={1,41; 2; 2,64; 3; 3,46; 3,74; 4,35; 4,69;
5}, minimum fiind 1,41, iar maximum 5. Spiritul de observatie §i abilitatile numerice
v-au condus cu siguranta la raspunsul corect. Datele initiale au fost transformate
prin uti\izarea~radicalului. Astfel 0 distributie "Impra§tiata" poate fi "adunata" prin
transformarea v§lorilor observ~te fncat ~oile valori sa ·~ib~'~6-·amplitudlne, mai
-==--' __ '.'_,,'_.. , I .,:. ··c·.
<"-
Asimetrie pazitiva severa Asimetrie negativa severa
redusa. ..... .
Nu toate distributiile non-normale sufera de aceea§i problema, a unei Inversul numarului re flectat
distributii platicurtice. Uneie sunt puternic asimetrice pozitiv, altele sunt ~simetrice Inversul numarului (11 X)

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

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.
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,
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
Psychology.
Field, A. (2000). Discovering statistic using SPSS for Windows. London: Sage Publications..
Hinkle, D.E., Wiersma, W., & Jurs, S.G. (1994). Applied statistics for the behavioral sciences
(3'd ed.). Boston: Houghton Mifflin Company.
Kerlinger, F.N, & Lee, H.B. (2000). Foundations of behavioral research (4th ed.). Orlando,
USA: Harcourt College Publishers.
Leary, M.R., Tchividjian, L.R., & Kraxberger, B.E. (1999). Self-presentation can be
hazardous to your health: impression rnanagement and health risk. In R.F. Baumeister
(ed.). The Self in Social Psychology (p.182-194). Ann Arbor: Taylor & Francis.
Lungu, O. (2001). Ghid introductiv pentru SPSS 10.0. Seria Psihologie Experirnentala §i
Aplicata.
Pedhazur, E.J., & Schmelkin, l.P. (1991). Measurement, design, and analysis: an integrated
approach. Hillsdale, NJ: Lawrence Erlbaum Associates, Publishers.
Radu, I., Miclea, M., Albu, M., Neme§, S., Moldovan, 0., Szarnoskozi, $. (1993).
Metodo/ogie pSihologica §i analiza datelor. Cluj-Napoca: Editura Sincron.
Rosenthal, R., Rosnow, R.l., & Rubin, D.S. (2000a). Contrasts and effects sizes in
behavioral research. A correlational approach. Carnbridge: Cambridge University Press.
Rosenthal, R., Rosnow, R.l., & Rubin, D.B. (2000b). Contrasts and correlations in effect-
size estimation. Psychological Science, 11 (6), 446-453.
Rotariu, T., Badescu, G., Culic, I., Mezei, E., Mure§an, C. (1999). Metode statistice aplicate
In §tiintele socia/e. la§i: Editura Polirom.
Sava, F. (2002). Pagina de statistica sociala. Gasit la http://statisticasociala.tripod.com.
Tabachnick, B.G., Fidell, l.S. (1996). Using multivariate statistics (3rd ed.). New York:
Harper Collins College Publishers.
Yaffee, RA (1996). A basic guide to statistical research and discovery. in F.T.l. Leong §i
J.T. Austin (eds.). The psychology research handook: a guide for graduate students and
research assistants (p.193-207). Thousand Oaks, USA: Sage Publications.
86
1111111111J111I1I1I1I1I11I• •11
CAPITOLUL 4
TEHNICILE ANOVA
. Cand dorim sa comparam mai mult de dou~grupe desubiecti nu vom mai
I folosi testul t, ci vom apela la tehnicile IiliO~ANOVA este un ~cronim de la
I denumirea In engleza "Analysis Qf Varia~~~;'~'ln limba romana tehnica este
cunoscuta ~i sub denumirea de"anaTiza dispersionala sau analiza-.devarianta.
I in§ill~_."de a aprofunda descrierea ~i explicarea tehnicii ANOVA, voi preze~ta
. moti'{~Je'pentru care preferamJ..ItilizareaANOVA in locul testului t .
-.=~ (1) Prima ratiune apref~rint~i p~~t~~ ANOVA tine de/d";;,ig~-ul cercetarii. .•.
Testul t se limiteaza la compararea diferentelor dintre q.Q.!L?g[~pe,'aCifc~la situatii .
In care exista doar doua t~.~p!~\ (modalitati) ale variabilei independente. Orice
manual de metodologie recomanda Insa utilizarea unuinumar cElfmai mare de
trepte ale-variabilei independente pentru a observa mai bine efectuLp;~'~;~fa~torii
" au asupra vqria.i?il§L dependente. Pentru cei care simt nevoia unei clarificari
suplimentare, voi apela la un exemplu bazat pe legea YerkeS-Dodson, care face
referire la relatia dintre motivatie ~i performanta. Se cunoa~te ca exista un optim
motivational care va duce la performante crescute. Tn schimb, daea subiectii sunt
submotivati sau supramotivati vor obtine performante scazute. Pornind' de la
aeeste considerente, sa ne imaginam situatia In care a~ apliea testul t pentru doua
grupe de subiecti, cei care au 0 motivatie scazuta (submotivati) ~i cei care au 0
motivatie foarte ridicata (supramotivati). Tn aceste conditii nu yom observa diferente
Intre cele doua grupe In ceea ce pri~e~te nivelul lor d~ performanta ~i vom trage
concluzia ca motivatia nu afecteaza performanta. Tn schimb, daca yom introduce
cel putin 0 grupa suplimentara, formata din subiecti optim motivati, yom observa
diferente semnificative Intre cele trei grupe ~i Yom trage concluzia ca motivatia
influenteaza nivelul de performanta. Astfel, cu cat numarul de gr1!l2e decomparatie
este mai mare, cu atat se diversifica treptele manipiJ!£lte .ale variabilei
independente ~i vom observa mai bine infll,lenta.-variabilei independente asupra
celei gependente.
(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
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

variabila independenta cu doua trepte (stres ridicat; stres scazut) !?i vom putea
impartiparticipan\ii in doua categorii dupa acest criteriu. in consecinia, vor
rezulta !?ase grupe experimentale, intr-un design factorial de tip 3 X 2. lata cele
!?ase situaiii experimentale posibile:
Placebo x stres scazut Viagra, doza mica x stres scazut Viagra, doza mare x sIres scazut
Placebo x stres ridical Viagra, doza mica x sIres ridicat Viagra, doza mare x stres ridicat
Fara a mai exemplifica, ANOVA factoriala poate fi utilizata fn cazul
masuratorilor repetate daca sunt manipulati cel putin doi factori.
(d) ANOVA mixtii presupune 0 combinatie Tntre ANOV-fL.simpla ~i ANOVA cu
masu(;a0~rre'pet?te. .
Exemplu:~ Similar exemplului oferit Tn cazul tehnicii ANOVA simpla,
manipularea variabilei independente ,,viagra" cu trei trepte (placebo, doza
redusa, doza mare) se face distribuind areatoriu participaniii intr-una din cele
trei situaiii experimentale. Tn schimb, vom manipula diferit variabila "stres".
Vom utiliza aceia!?i subiecii Tn doua situaiii diferite, reprezentand cazuri de
stres ridicat sau stres scazut. Stresul ridicat a fost reprezentat de perioada de
lucru intens, cand persoanele au fost foarte ocupate !?i stresate de termenele
de finalizare a diferitelor proiecte, iar stresul scazut a fost manipulat pe
acelea~i persoane, Tn situaiii de odihna, reprezentate de perioada de concediu.
Astfel, de!?i obiinem tot ~ase celule experimentale ca Tn cazul ANOVA
factoriala, nu este vorba !?i de ~ase grupe de subiecii diferiii. in aceasta situaiie
vor fi doar trei grupe de subiecii diferiii (placebo, doza mica, doza mare), iar
fiecare din ace~tia va fi testat cu doua ocazii diferite (stres ridicat -
suprasolicitare plus presiunea termenelor limita; respectiv stres scazut -
concediu de odihna).
4.1. ANOVA simpla
Tehnica permite compararea simultana a trei sau mai m.l!!~e:_"t~~pte
(modalitati) ale unei singure variabile_Lfls!,\,pendente, mentinand nivelul alfa la
valoarea dorita, de maximum .05. 0 modalitate' clasica de analiza matematica a
acestei tehnici este analiza dispersiei variabilg:Ji...dependente, Dispersia totala a
acesteia poate fi Impar1;ita In doua componente: disper~ia d.iDJr!39[~e~ (intergrup)
~i dispersia·dirflnteriorulgrupeloc..(intragrup). Clocotici ~i Stan (2000) denumesc
aceste surse variatia dintre"grupuri, respectiv variatia Tn grupuri. in cadrul ANOVA
exista doua catt;.9;di~'de roeelii: cea a raspunsurilor pentru"fJecare grupa In P?Jte ~i
marea medie rezultata din luarea Tn considerare a tuturor raspunsurilor, indiferent
de g;;:;p~ din 'carefac subiectii parte, Spre exemplu, subiectur-"din grupa 1 are 0
anUm~9.teIeJCltade medi?Jaspunsurilor din grupa respectiva ~i 0 alta abatere
90
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
fata de marea me~ie, .rezultata din toate raspunsurile exprimate Tn cercetare
Pe~tr~ ,a ~ut~a distinge mai bine Tntre grupuri, ar trebui ca primlil,.9.omponenta ~
vanat1el sa fie mai micadecj.Lcea de-a doua. Prima abatere intra Tii sfera
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,
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
daca dispe~,llJ~~~Wup este mult mai-mare decat cea ihtragrup, exista diferent~
semnificative intre grOp~le,.compar?te, deci exista olnfluenta a variabil~i
independente asupra celei dependente. '
Totu~i, trebuieprecizat faptul ca ANOVA simpla nu constituie un panaceu
universal pentru orice situatie, Ea are doua.l1!nite,importante: ,
1) poate fi aplicata, asemenea celorlalte tehnici ANOVA doar Tn cazul Tn care
treptele'y'9r[sl::)iJei.jnc::lflPE2lid~~~te ~s~n'td-; tip.D9mLnql (ex, barbati vs. femei)
sau de tip or9~r:t~l (placebo, ·doza mica, doza mare), Tn plus, variilbjla
d~p~nd,elJta este masurata printr-o scala d.E;lO?Olut!=JY;;lL,~9~,proport,ii,· car~
Tndepline~te cateva conditii ce vor fi prezentate ,ldjterior;'" .
2) rezuItatuI final, exprimat printr-o va\£9~\t.,,~, expri~~"un scor general, fara a
preciza specificul evolutiei cClJ]1P.aratiei dintr§ grupuri.
Pentru a fntelege mai bine cel de-al do ilea aspect yom face 0 scurta
incursiune In testarea ipotezei statistice pentru testele t ~i tehnicile ANOVA
. in cazul testelor t, ipoteza nula este Ho: fl.l = fl.2. Respingerea ipotezei nule
fnsemna automat ca cele doua grupe difera semnificativ Tn ceea ce prive~te
mediile lor (fl.1 '# f1;2),
in cazul ANOVA simpla pentru trei grupe, ipoteza nula este Ho: fl.1 = fl.2 =
fl.3, Respingerea ipotezei nule ne arata ca cele trei",medii.nusuntegale, fara a ne
spune Tnsa cum dife[~~.eJE:;" ,In mod specific, Astfel, ram'an cateva alternative
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, -,
Pornind de la acest inconvenient, exista doua strategii de rezolvare a,
problemei:
• utilizarea comparatiIlgf",apriori, de genul contrastej,gr polinomiale, a celor
ortogonale sau a celor non-grtogonale\ fara a .~~ "b~~~ pre~ mult pe
calcularea indicatorului general F;
•
utilizarea unor-compar.§!iiPQSL .09C;,'. fntre anumite grupe specifice,
efectuate In cazul fn care F ClJo,$.L.§E2r:nnificativ statistic, indicand existenta
unor diferente TDtre grupele cercetarii. Probele post hot au calitatea de 'a
pastra, In limitele acceptabileaie pragului de .05, riscul de a comite 0
eroare de tip I ~i, totodata, de a identifica In mod specific care dintre grupe
sunt"diferite ~Lau condus la respingerea ipotezei nule.
Dintre cele doua modalitati deactiune prima este mai eleganta ~i mai
capabila de a detecta diferentele semnificative dintre grupe, Tnsa cea de a doua
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: ---~ ......•.

a) calculareaJuLF. pentru a vedea daca exista diferenta..semnificative intre Numar de subiecti

gI~pe,cu alte cuvinte, pentru a vedea daca terapiile c~mp~rt~rnentale sunt Ega/i Relativ inega/i Profynd inegaJi
eficiente in reduce rea fobiilor' (ex. 10, 10, 10) (ex. 11, 10,9) (ex. 15, 10,7)
b) alegerea testelor post hoc~decvate pentru a vedea cum difera grupele Omogenitatea Dispersii ega/e Tukey
Gabriel
Hochberg GT2
intre ele,.pas necesar a fi facut doar in conditiile respingerii ipotezei nule Tukeyb
dispersiei
din primul pas. ' Dispersii inegale Dunnett T3 Games-Howell Games-Howell

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

• terapia comportamentala bazata pe tehnica in vivo este eficienta Tn

dispersiilor inegale, dupa ce, In prealabil, yom ajusta citirea lui F. Modul de lucru In reducerea fricii de vampiri, rezultatele subiec\ilor din aceasta grupa fiind
i
acest caz va fi specificat ulterior, in descrierea condi~iilor necesare aplicarii testului
1 semnificativ mai mici decat cele ob\inute de grupul de control, formata din
F. ! p.er~oane care. nu au urmat nici un fel de terapie (Tukey = -4,92, P < .01);
• Similar, terapla comportamentala bazata pe tehnica desensibilizarii
Multiple Comparisons sist~m~tice . este eficienta Tn reducerea fricii de vampiri,. rezultatele
. bl e: f'nca d e vamptn
Dependent Va na sublectllor din aceasta grupa fiind semnificativ mai mici decat cele obtinute
Mean
Difference
de grupul de control (Tukey = -3,83, P < .01); ,
(l.J) Std. Error Sig. • pentru cei comozi, SPSS-ul ofera un sprijin important Tn a identifica
(I) situatie experimentala (J) situatie experimentala
Tukey HSD in vivo desensibilizare
sistematica
-1,08

-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)

intr-un mod similar, marimea efectului interveniiei bazate p,:

desensibilizare sistematica in comparaiie cu grupul de control a fost r =.0,64 ..Daca
ar fi sa ridicam aceste valori la patrat pEmtru a observa procentul din dlspers~a VD
influeniat de VI in cauza yom obtine 67%, respectiv 0,40%. Ambele valon sun: Contrast 1
foarte. ridicate, indicand un tratament excelent al fobiei de vampiri prin cele doua
metode behavioriste. Evaluarea parametrilor s-a facut pe baza tabelului 2.2.
prezentat In sectiunea destinata marimii efectului. • . Dispersia Dispersia
In final doresc sa amintesc ca valorile r sau r2 pot fi transform ate In altl explicatade explicatii de Contrast 2
indicatori ai m~rimii efectului pe baza formulelor 3.4-3.9 §i ca SPSS-ul ofera 0
tehnica in vivo desensibilizare
sistematica
varianta de mar,imea efectului denumita eta patrat (112). Aceasta nu poate patrunde
la nivelul analitic, al comparaiiilor dintre doua grupe, fiind doar un estimator bazat Figura 4.3. Exemplu de partition are a dispersiei in cazul contrastelor ortogonale

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

Contrastele nestandardizate non-ortogonale se aseamana pana la un

Avantajul cootrastelor este de a putea diviza disper§j§)[)teJ:Q(wp)n unit;:3\i
punct cu cele o~ogonale, Totu~i, In cazul lor nu ,,~$te-necesara respectarea celei
componente de. intere;'pentru cercetator, fiind astfel mult mai ~pecifica d~cat ca~ul
de-a ?o~a reguli enuntate mai sus, c;onform careia, 0 data ce 0 grupa a fost
testului general F. Spre exemplu, Tn problema noastra ar fi interesa~t sa stabl~l~ despnns,a pentru .a ~i comparata cu un set de grupe nu mai poate fLcomparata
daca fobia de vampiri se reduce semnificativ prin apelul la Qrlcare tehDlca
ulterior. In consecmta, sUma~RL2~Il1seI6r a doua contrasteJluvamai fi zero Tn acest
comportamentala Tn comparatie cu grupul de control (c09.!!.a.:~t ~1J Similar, am pu:~~ caz. Un exemplu de set de contraste nestandardizate non-ortogonale este: .
fi interesati sa vedem daca exista diferente semnificative Tntre cele doua. m09~1~~\1
de terapiecomportamentala Tn ceea ce prive~te eficien\a lor Tn reducerea foblel ~e
vampiri (contrast 2). Aceste aspecte pot decurge din 'dispersia totala la fel ca \D
reprezentarea grafica de mai sus.
Tn realizarea contrasielor nestandardizateortogonCl!e sunt totu~i cateva
Contrast 1
regulL9.e trebuie respectate: - . - . •
a) :1 numarul de c'ojJtraste realizateeste Tntotdeauna J5:J, unde ~~!~prezlnta
numarul totaL.£1~-grupe ce pot fi comparafe. In exemplul nostru, existand
trei grupe denumiteg~neric "de control" ""desensibilizare sistematica" ~i "in
Contrast 2

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_"IIIIIIIIWllIIIIIIIUlli
mWlllllmllll~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

Repeated Fiecare grupa, cu excepiia 1 1 vs. 2 1 vs. 2 Std. Error ,443

Sig. ,000
primei categorii este 2 2 vs. 3 2 vs. 3
95% Confidence Interval Lower Bound 3,474
comparata cu grupa imediat 3 :3 vs. 4 for Difference Upper Bound 5,276
precedenta.
1 vs. (2,3,4)
Figura 4.6. Rezultate oferite de SPSS 11.0 pentru contrastu/ Differenc~
Helmert Fiecare categorie, cu excepiia 1 1 vs. (2,3)
ultimei, este comparata cu 2 2 vs. 3 2 vs. (3,4)
SPSS este 0 marca Tnregistrata.
media grupelor ulterioare. 3 3 vs. 4
Difference Fiecare categorie, cu excepiia 1 3 vs. (2,1) 4 vs. (3,2,1)
Primul contrast prezentat fn figura 4.6. este cel referitor la diferentele
(Helemert primei, este comparata cu 2 2 vs. 1 3 vs. (2,1)
existente dintre cele doua interventii terapeutice de sorginte experimentala (1 ...: "in
invers) media grupelor precedente. 3 2 vs:1
vivo"; 2 - "desensibilizare sistematica"). Valoarep lui teste egala cu raportul dintre
estimarea contrastului ~i eroarea standard a diferentelor dintre medii. Tn acest prim
Daca am notat grupul "in vivo" cu 1, grupul "desensibilizare sistematica" cu caz, teste 1,083/0,512, adica t = 2,11, P < .05, tehnicile comportamentale "in vivo"
2 ~i grupul de control cu 3, vom observa ca alegerea tacuta de noi, in cadrul fiind mai eficiente decat cele bazate pe desensibilizare sistematica, Tn reducerea
contrastelor nestandardizate, se regase~te In situatia "Difference" pentru trei grupe. fobiei de vampiri. Se observa ca rezultatul este identic cu cel obtinut fn sectiunea
Daca primul contrast teste'aza diferenta Tn ceea ce prive~te nivelul fobiei de vampiri contrastelor nestandardizate, fiind vorba de aceea~i situaiie.' ,
dintre grupul de control 9i cele doua g'rupe experimentale, cel de-al doilea com para

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

4.1.2.4, Contrastele polinomiale

':W.lir:I"i'~~~"ii ::;;;.:r",._._.':::"',"'{-""";-'"'''''-'''c·-
... '.o-~

Aeeste eontraste reprezinta 0 categorie aparte de contraste standardizate •. f~_~,,':;';'-·"E--'·::O:'~;'c;::-;-.-~._

Figura 4.7. Directie liniadi
§iortogona)e, Cand variabila independenta este d~.Jipcordinal, permitand astfel, 0
ordonare a modalitatilor sale, pot fi aplicate contrastele polioomiale, sub forma unei Directia ~~t2!Jlrlie~presupune 0 ~Y9-,uti~c9n~tafJJ§ pan a la un anl!mit punct
analize9ireetiOO?I~'(-Hi~kle, Wiersma §i Jurs, 1994). Acestea ·~u numai ea ofera (ex. ascendenta), dupa care sensu I . directiei se schimba (ex. -~·evo·lu··t·'I"e·' J

informatii legate'~de difere:ntele _existente Intre anumite grupe, ci ;;i arata descendenta). ' ,'-~-"'~".~'" -

complementar dire.,S@gateioLfn functie de treptele variabilei independente. .

[lrec1ie curtilhie
Proeedurile· analizei diree~ionale pornesc de la condi~ia ea treptele
variabileUElgeRengent~ sunt egal distantate, iar numarul de subiecti din fiecare
grupc'Leste egal. Ambele conditii pot fi incalcate, Insa In acele conditii se impun
criterii conser1/atoare ale pragurilor de semnificatie, cum ar fi un R<~O.1 ..
Exemplul ales pentru explicarea contrastele anterioarEtnu este potrivit
pentru a apela la contrastE:!le polinomiale, deoarece cele doua grupe de terapie "
GrlP"le eXp"rimertale
comportamentala nu sunt intrinsec ordonabile, fiind mai degraba variabile de tip
nominal. De aceea, yom apela la un alt exemplu:
Figura 4.8. Directie curbilinie
Pentru a testa eficien\a §edin\elor de hipnoterapie pe un e§antion de subiec\i
bulimici au fost realizate cinci grupe, Tn care subieciii au fost inclu§i aJeatoriu. . ,~.irectia <CI,J.tJic;~, presupune 0 evoluti~jQ~I}.~!9,nta, cu doua schimbari de
Grupul 1 este pastrat ca grup de control, al doilea grup urmeaza §edinie de dlrectle pe parcursul trecerii de la 0 treapta a variabilei independente la'alta. ==.
hipnoterapie 0 data pe saptamanii.; al treilea grup face acela~i lucru, dar de
doua ori pe saptamana, al patrulea grup are trei ~edinie saptamanale, In timp Directie exponentiala-cubica

ce al cincilea grup urmeaza patru ~edinte saptamanale de hipnoterapie.

.. 10
;: 8
Supunand aceste grupe la 0 analiza directionala vom putea Tntalni unul
dintre cele patru cazuri de evolutie a1ia..tgLq[, prezentate grafic In ct?!e ce urmeaza:
E6 . -+- Directie
.g 4 .exponentiala-
• dir~~ti~Jil}iar,~(poate aparea in design-uri experimentale cu dou;tsau mai ., 2 cubica
ll. 0
multe g r u p e ) ; ' ' ' ' = ' ' " " -
2 3 4
• . dire~.~.curbilinie (poate aparea in, design-uri experimentale cu trei.~CI.u mai
multe grupe); . . .'.,.... Grupele experimentale-
Irepte ale variabilei
• dir~3!~.,~~?ica (poate aparea in design-uri experimentale cu patru sau mai independenle
multe grupe)'; ."-",,
Figura 4.9. Directie cubica
• directie.cuartica (poate aparea in design-uri experimentale cu cinci sau mai
multe grupe). ,~

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. .-,...-~

Pana 1n prezent am discutat cazurile de ANOVA 1n care era prezenta 0

Directie cuartica
. singura variabila independenta' cu mai multe trepte l?i 0 singura variabila
. dependenta. Aceasta nu este Tnsa l?i singura modalitate de a realiza 0 cercetare.
Design-ul ~~_steia poate incLuge mai multe vari~bile independente. in acest caz se
utilizeaza'AfiQYA factoriala, prin care se urmare~e--slu'diuliD1iii~htei simultane a
doua sau maimulte variabile independente asupra unei vaciabiled~p'ende[Jte,
Exist;§ mai multe avantaje Tn utilizarea unui design experimental factorial.
Un prim c3l?tig este dat de un control ~fj.cienLal unor variabile dJ'l interes care Tn
ANOVA simpla sunt excluse din studiu. Una1f~~a;:;t;j consta in efici~nta ~tudiUlui
2 3 4
deoarece doua sau mai multe variabile independente sunt analizate si~ultari;fiirid
Grupele experimentului
extrase informatii referitoare atat la fiecare factor Tn parte, cat l?i la interactiunea
Figura 4.10. Directie cuartica (neregulata) dintre acel?tia, vizand influenta comunaasupra VD. '
Din aceasta perspectiva, ANOVA factoriala pentru doua variabile
Contrastele polinomiale nu trebuie specificate Tn SPSS deoarece aY,-,:,alori independente conduce la calculularea a trei testE;!statistice F.. Doua'di;t;eeles'~
fixe, pentru directii l?i numar de grupe diferite. lata cateva valori ale acestora peiifru realizeaza' 'pentru a gasi efectel$~~l2rilJg,iP_?le,(cl~ct~I' princip~1 al variabilei A l?i
situat iile experihientale cu trei pana la l?ase grupe (Hinkle, Wiersma, Jurs, 1994). efectul principal al variabilei B), iar cel de-al treilea test masoara interactiunea
din~.:~~~~. Efectele p~in~tpale sunt analoge dispersieLintergrup dinANOVAsimpl~:
K =4 (patru grupe de subiecti) iartestuf interactiunil (silJ1bolizat AB) ne arata daca rezultatele obtinute- la. diferite
K == 3 (Irei grupe de subiecti)
0 -1 Liniar -3 -1 1 3 nivele ale variabilei A sunt~.endente de nivelulfactorului.Bl?Lvice~ersa. .
Liniar 1
-2 Curbiliniu 1 -1 -1 ,--hi cele ce urmeaz~ ne vom opri doar asupra testului ANOVA bifactorial (2
Curbiliniu
Cubic -1 3 -3 variabiIE)~!~~epende~te .,eu mai multe trepte fiecare), fiind insa posibile' l?i
experimente care necesita mai mult de doi factori. Algoritmul de rezolvare a
K == 6 (§ase grupe de subiecti) acestor situatii este asemanator cu ANOVA bifactorial. De exemplu, un design
K == 5 (cinci grupe de subiecti)
-2 -1 0 1 2 Liniar -5 -3 ~1 1 3 5 factorial complet cu treL\fctriabile independente ar duce la calcularea a l?apte teste
Liniar
Curbliniu 5 -1 -4 -4 -1 5 F generale. Trei dintre ele ar urmari efectele principale ale celor trei variabile
Curbiliniu 2 -1 -2 -1 2
-1 2 0 -2 Cubic -5 7 4 -4 -7 5 independente A",B, C, alte trei teste F ar urmari interactiunea dintre fiecar~
Cubic
-4 6 -4 Cuartic 1 -3 2 2 -3 1 pereche de varlabile (AB,f.'.,G,BC), iar ultimul F ar surprinde 0 interactiune
Cuartic
complexa a celor trei variabile studiate (ABC). '. '
Orice ANOVA factorial are's:pecificatdesignul experimental realizat sub
Dezavantajul utilizarii acestor contraste polinomiale consta in posibilitatea forma unorcifre. Un design factorial cu doua variabile indepe~dente:'fiecare avand
de a obtine mai multe valori·-F"semnificative, ceea ce implica mai multe direc\ii cate t~ei. trepte, va fi notat ANOV~.3x3. Un alt design, Tn care prima variabila are
posibile de_evolutie' a variabilei dependente 1nfunctie de trepteIEL,,:~riabilei doua trepte, iar cea de a doua cinci, va fi simbolizat ANOVA 2x5. Un design
factorial, cu trei variabile independente, Tn care primele doua variabile au cate 3
indepe~!!lte. . . .,
Sa presupunem ca dintre toate testele t calculate, doar t IlnIar a lel?lt trepte, iar cea de-a treia doar doua, va fi notat ANOVA 3x3x2 l?a.m.d.
semnificativ statistic. Aceasta situatie ar fi aratat ca directia de evolut ie a lucrurflor Voi prezenta In continuare forma grafica a unui design experimental
este una Iiniara. Consultand m~diile. celor cinci grupe vom trage, probabil, bifactorial, Tn care cele doua variabile independente au cate trei trepte (tabelul 4.3).
urmatoarele concluzii: l?edintele de hipnoterapie se dovedesc a fi eficiente 1n Dupa cum se observa, din combinarea celor doi factori" fiecare cu trei
tratarea bulimiei, cu cat numarul de l?edinte de hipnoterapie crel?te, eu atat scad trepte, se~.£b~in noua situaiii experimentale diferite. Acestea poarta numel;d~
semnificativ manifestarile bulimice. celule experimentale.
."-~'.-

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

Tntre utilizarea termenului "zdrobit"· fata de utilizarea sintagmei "cu ce viteza
circulau ma§inile In momentul accidentului?" etc. Pentru a observa care diferente
sunt semnificative putem apela, fie la-Gontraste, fie la compar.atiLpo?LbPc, ambele
~etode fiind deja prezentate Tn sectiunea destinata analizei dispersiqnale simple.
Tn urma aplicarii- testului post h~Iukey,~ au fost observate diferente
semnificative In doua dintre cele trei comparatii. Mai precis, ignorand aspectul
experientei Tn conducerea autovehiculelor, persoanele carora 'Ii s-a adresat
Intrebarea incluzand termenul "zdrobit" au estimat viteze de deplasare semnificativ
mai mari Tn comparatie cu situatia ·utilizarii termenului "Iovit" sau Tn comparatie cu
grupul asupra caruia s-a folosit expresia neutra "viteza cu care circulau ma§inile".
Tn schimb, nu au fost sesizate diferente semnificative Tn ceea ce prive§te viteza de
deplasare a automobilelor Tn cazul utilizarii expresiei "Iovit" fata de cazul exprimarii
"viteza cu care circulau ma§inile".
Cel de-al doilea F din tabelul 4.4. a testat In ce masura exista 0 diferenta
semnificativa Tntre §oferi §i non-§oferi, indiferent de cuvint~le uti lizate , referitoare la
estimarea vitezei cu care circulau ma§inile In momentul accidentului. Rezultatul,
F(1, 24) = 2,07, p >.10, a fost nesemnificativ statistic, astfel ca nu s-au gasit
diferente semnificative Tntre cele doua categorii de persoane cu privire la viteza de
deplas~re a ma§inilor. Aceasta Inseamna ca, ignorand tipul de Intrebari adresate,
nu exista diferente Tntre §oferi §i non-§oferi In estimarea vitezei de deplasare a
ma§inilor, In momentul accidentului din filmul respectiv.
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
asupra estimarii vitezei de deplasare a ma§inilor a fost diferit pentru §oferi fata de
non-§oferi. Cum a fost diferit, este 0 alta poveste, ce necesita fntelegerea
conceptului de efect simplu.
55..--------'--,
\ aspectul experientei Tn conducerea automobilului. De exemplu, yom putea
45 \,
\ viteza s-au zdrobit ma§inile", respectiv persoanele aflate Tn grupa Tn care
om \,
~ ,
35
-'
~ \,
E perienta sofat
~ problemeldate.,De exemplu, yom putea stabili daca exista diferente semnificative
\ lII--
Q)
sofer!
~'"
Q
~ 25,-I-_ _ _~--:-:-_I * non~soferi
zdrobit lovil rulau in rrorrentul ac
expresie utiHzata
Figura 4.12. Reprezentarea grafica In SPSS 11.0 a interactiunii dintre cei doi (actori
SPSS este 0 marca fnregistrata.
110
'111'1111'11111111111'11111111
. Un mod alterna~iv, dar simplificat, de a observa aceast~ el(.olu~ie" se obtine
pn~ rep~ezent~rea graflcaa interactiunii dint.c.e-.cei~9()i factori. Acesta se po ate
obtlne direct din SPSS utilizand aceea§i cale de obtinere a rezultatelor Tn cazul
ANOVA factoria}, "Analyz§:;::,,(;eneraILinearMg.ci~J" - "l,Jnivariate", dupa care se
selecteaza butonul - ,,~t,,"; Tnainte de a face acest lucrutrebuie sUbliniata
urmatoarea idee: de§i efeCte"le principale au rolul lor, daca interactiunea dintre doi..
fa~toJi"e~t~ semnificativa,aceasta devine primordiala Tn interpret~rea statistica §i
pSlhologlca a rezultatelor unei cercetari.
Ca 0 regula generala, Tn cele mai multe situatiicand cele doua linii se
intersecteaza, precum Tn figura 4.12., exista 0 interactiu~e semnificativa fntre acei
doi factori. Din desen, se pot desprinde cateva obs'ervatii. Diferentele cele mai
mari, dintre §oferi §i non-§oferi, se observa Tn cazul Tn ~are experimentatorul a
folosit sintagma "cu ce viteza s-au zdrobit ma§inile In accident". Astfel, non-§oferii
tind sa fie influentati mai puternic de aceasta expresie, acordand 0 viteza de
deplasare mult mai mare decat media estimarilor facute de §oferi. De asemenea,
putem nota ca cea mai mica diferenta dintre cele doua categorii de persoane se
observa Tn situatia Tn care experimentatorul adopta 0 atitudine neutra, utilizand
expresia "Cu ce viteza circulau ma§inile Tn momentul accidentului?". Ar fi bine ca
aceste observatii grafice sa fie completate de analiza efectelor simple, 0 metoda
riguroasa, dar din nefericire absenta din meniul SPSS-ului, ea fiind disponibila doar
prin apelul la sintaxa.
4.2.1. Metoda efectelor simple
~~""" .•... "~
, Tehnica are un caracter ,post hoc §i este menita sa surprinda Tn detaliu
diferentele dintre anumite~lule_~xperimerlt<3le. Ea se deosebe§te' de metodele
post hoc obi§nuite, fiind mult m~~fl(3liticaJKeppel, 1991; Pedhazur §i Schmelkin,
1991). Spre exemplu, prin metoda .:[ukeyse observa daca exista diferente fntre
situatiile experimentale determinate de modul de formulare a Tntrebarilor, ig'norand
com para daca exista diferente semnificative Tntre persoanele fntrebate "cu ce
Tntrebarea a fost "cu ce viteza s~au lovit ma§inile". .
Tn schimb, prin metoda e!!:l.c.telor ... simple, yom face un pas Tn plus,
determin~nd posibile 9lf~[~flte)ntr~._~?atEl.cele $"asEl .. 'cElJuIEl_~'>:<PElrirT"leQt9IEl ale
Tntre §oferii care au fost Tntrebati cu ce viteza circula ma§in~ Tn momentul
'ac'cidentului §i non-§oferii care au fost fntrebati cu ce viteza s-au zdrobit ma§inile.
Procedura de a obtine' efectele simple Tn SPSS este extremde complicata,
presupunand utilizarea sintaxelor. De aceea, vorrlj);:ezenta pe scur! formulele
~atematice .~~_~fe9telor...simple. Cei interesati pot consulta un material c-;;m-pie(pe
slte-ul de statistica sociala (Sava, 2002).
Pentru a afla efectul simplu Tn cadrul acestei trepte yom parcurge trei pa§i:
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"

$oferi (81) Non-§oferi (82) TOTAL §oferi §i non-§oferi

I media patratica a efectului simplu. Aceasta este egala cu raportul dintre suma
patratelor efectului respectiv 9i gradul de libertate al celeilalte· variabile cu care
interactioneaza variabila in cauza. in cazul de fata, media patratica calculata a
Factorul 1
/

"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

Suma (L) 189 7623 258 13644 Sursa dispersiei SS df MS F p

37,8 51,6 44,7
Viteza medie Formularea Tntrebarilor (A) 1139,4 2 569,7 12,17 <.01
Experien~a §ofat (8) 97,2 1 97,2 2,07 >.05
Formula de calcul a sumei patratelor pentru fiecare treapta este: Interac~iune 466,2 2 233,1 4,98 <.05
Intracelula (Reziduala) 1123,2 24 46,8
Totala 2826 29
SSr-
_(2: ell X Y+... + ((2: cui X Y
.
) (2: totl X Y(4.5)
. nell nenl n lOI ! in urma calcularii celor cinci efecte simple, corespondente fiecarei trepte a
variabilelor independente, dupa modelul explicat anterior, yom obtine un tabel
unde: SSI este suma patratelor unei trepte; sumar ANOVA nuantat.
ncil este numarul de subiecti din prima celula a unei trepte;
ncnl este numarul de subiecti din ultima celula a unei trepte; Tabelul 4.7. Tabelul ANOVA extins, incluzand valorile F pentru efectele simple
ntotl este numaflll de subiecti ai unei trepte indiferent de celula;
Sursa dispersiei SS df MS F 12
l:cilX este suma lui X din prima celula a unei trepte;
Formularea Tntrebarii (A) 1139,4 2 569,7 12,17 <.01
l:cnlX este suma lui X din ultima celula a unei trepte;
81 - §oferi 154,8 2 77,4 1,65
l:totlX este suma tuturor X din treapta respectiva. 82 - non-§oferi 1450,8 2 725,4 15,50 <.01
in problema de fata avem doar doua celule al~ tr:ptei "zdr~bit"
Experienta in conducerea ma§inii (8) 97,2 97,2 1,24
reprezentate de grupul de subiecti ~of~ri, respectiv grupul de sublectl non-~ofen. Ai - cu ce viteza s-au zdrobil 476,1 476,1 10,17 <.01
A2 - cu ce viteza s-au lovil 72,9 72,9 1,55
Astfel, yom obtine: A3 - cu ce viteza circulau 14,4 14,4 0,30
Interactiune 466,2 2 233,1 4,98 <.05
Intracelula 1123,2 24 46,8
Totala 2826,0 29

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
este numarul de grupe sau de celule experimentale din cercetarea respectiva.
4.3. ANOVA cu masuratori repetate
fn conditiile in care aceia!?i §Wl:Jie~9ti~~unt testati de mai multe<.ori-vomapela
la ANOYA cu masurat9ri,Jepetate. Daca ANOVA simpla era corespondentul
testulLJiJ pefltru,qouae!?antioane.indeRendente, intr-o anumita masura ANOVA cu
masuratori repetate este corespondentul testl!iyLt p,entru doua e~C1ntioane perechi.
Am utilizat sintagma "Intr-o anumita masura", deoarece am putea vorbrae'ANOVA
cu masuratori repetate, atat in cazul in care un singur fa.ctof este luat in
considerare,' cat ~i in situatia in care mai multi factori sunt masurati repetat
(ANOVA factoriala cu mas,uratori repetate). Termenul de masurator'l repetate
implica evaluarea unui individ de doua .,sau mai multe ori privitor laaceea~i
variabila depender)ta.
Yom utiliza un exemplu de ANOVA cu masuratori repetate apeland la un
exemplu din psihologia sociala. Tajfel recunoa$te categorizarea sociala ca 0
componenta de baza a identitatii sociale. Acest proces cognitiv de strueturare a
stimulil()f din mediul inconjurator pentru a simplifica perceptia nu se rezuma doar la
mediul social. Yom adapta un studiu descri,s pe scurt de Lyons (1998) $i apartinand
lui Tajfel ~i Wilkes. Autorii au demonstrat tendinta de accentuare a diferentelor in
eazul unei categorizari prealabile a stimulilor. Concret, subiectii au fost rugati sa
evalueze, in numar de cuvinte, lungimea unor replici dintr-o piesa de teatru. Din
cele' opt replici selectate, patru eraumai scurte, iar patru erau mai lungi. Vom
prezenta trei situatii experimentale, dintre care primele doua respecta studiul initial,
cea de a treia fiind introdusa de noi cu scopul de a utiliza ANOVA cu masuratori
repetate in dauna unui simplu test t dependent. Prima situatie experimentala
consta in faptul ca cele patru replici mai lungi erau etichetate cu litera A, iar
celelalte patru replici mai scurte erau identificate cu B. A daua situatie a studiului
initial, poate fi etichetata ca grup de control, deoarece cele opt rep,lic; nu erau
asociate eu nici 0 litera. Cea de-a treia situatie, introdusa de noi, consta in.
asocierea mixta a Iiterelor A $i B cu eele opt replici, astfel incat sa existe ,doua
replici mai lungi $i doua replici mai scurte asociate Iiterei A, iar restul replicilor
(doua repliei mai lungi ~i doua replici mai scurte) fiind etichetate de litera B.
Conform efectului de accentuare activat prin etichetarea stimulilor, subiectii
au exagerat diferentele dintre replicile mai lungi ~i cele mai scurte in cazul
etichetarii primelor cu litera A !?i a celorlalte cu litera B, comparativ cu lipsa
etichetarii acestora in grupa de control. Pornind de la aeeste premise, ne yom
a~tepta ea etichetarea replicilor din a treia situatie experimentala sa' reduea
diferentele dintre repliclle mai lungi ~i eele mai seurte, datorita identificarii mixte a
acestora cu litera A, respectiv B.
Pentru a fi un design cu masuratori repetate, merita sa pr,ecizam ca au fost
fo!O~iti aceia~i §ubiecti-Tn cele treisituatii experimentale diferite. In plus, pentru a
ellmlna aspectele de invatare, au fost folosite trei forme paralele ale replicilor, care
aveau acela~1 numar de cuvinte fiecare, iar' pentru a elimina posibilele efecte de
ordine sau oboseala, prezentarea replicilor a fast contrabalansata, astfel incat unii
subiecti au raspuns mai intai la prima situatie experimentala, altii la situatia de
control, iar altii la ultima situatie experimentala. "
Pe baza unor. date imaginare yom testa urmatoarea ipoteza generala.
Categorizarea stimulilor afecteaza modul de perceptie a acestora. Cele doua
ipoteze specifice sunt:
a) includerea in aceea$i categorie a stimulilor similari conduce la accentuarea
perceptiei deosebirilor dintre stimulii diferiti Tn comparatie cu absenta
categorizarii..lpoteza nula pentru aceasta situatie este 1J.1 '= ).12, adiea ~u
exista diferente semnificative in aprecierea distantei dintre replicile mai
lungi §i eele mai seurte In primele doua situatii'
b) includerea In aeeea~i categorie a stimulilor dif~riti va conduce la reducerea
perceptiei deosebirilor dintre ei in eomparatie' cu absenta categorizarii.
Ipoteza nula este in acest caz Jl2 = 1J.3, adica nu exista diferente
semnificative Tntreaprecierea distantei dintre replicile mai lungi ~i cele m~i
scurte In situaiia ultimelor daua grupe.
Altfel spus, utilizarea aceleia~i etichete pentru stimuli similari conduce la
cre§terea asemanarilor pereepute dintre ei, in timp ce utilizarea aceleia~i etichete
pentru stimuli diferiti conduce la scaderea deosebirilor percepute dintre ei.
• Exemplul prezentat poate fi exersat utilizand fi~ierul anova repetate.sav,
urmand calea "Analyze':"':._JneneraL Linear .. Model"..- ,;Repeated Measures". In
fereastra deschisa va trebui asociat nurna.wl3Jermenwlui "f9~_r, pentru a defini
cele trei situatii experimentale intalnite, prin aciionarea butanului "define". fn cazul
unei ANOVA factoriala cu masuratori repetate, Inainte de a actiona butonul
"d~", se apasa "adct..peqtru a permite definirea numarului de repetari in cazul
celui de-al doilea factor.
ANOVA cu masuratori repetate poate fi realizata atat prin testa rea lui F
ge.O.er.al,urmata de comp.araiii PQst hoc, cat ~i prin testarea unor_E_specTti~C!)fln'
aphcarea unor c0!2.!~~ste . .!n eazul de fata ipotezele impun cea de-a doua abordare,
datorita specificitatii existente In formularea lor. Totu~i, in scop didactic vor fi
analizate rezultatele obtinute ~i prin metodeJe post hoc. '
Modul de prezentare a tabelului sumar pentru ANOVA cu masuratori
repetate din SPSS este putin diferit de modul de prezentare al tabelului sumar din
celelalte cazuri. EI este eonstituit doar din doua surse ale dispersiei: cea
determi.nata. de fa~torul=ce[cetarli (In cazul nostru, tipul de situcrt!~_ experimentala),
respectlv dlspersl!.__~~torata erorii, De fapt, aceste sursesunt ~i cele mai
Importante pentru ca:lcularea lui F. .
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'

TotU9i, criteriul de. selectie a aeestor proceduri se schimba semnificativ, deoareee

Tests of Within-Subjects Contrasts
specifieul design-ului cu masuratori repetate ~i nefndeplinirea frecventa a conditiei
Measure; MEASURE 1 de sfericitate afecteaza nivelul erorii de tip I. Oetaliidespremodul de comportar~ a
Type III Sum procedurilor post hoc sunt furnizate In Field (2000), Kinnear 9i. Gray (2000) 9i
df Mean Square F Sig.
Source SITUATIE of Squares
SITUATIE Level 1 vs. Level 2 36,750 1 36,750 24,877 ,000 Weinfurt (2000). Concluzia principala este ca cea mai buna op\iune de a testa
Lever 2 VS. Level 3 48,000 1 48,000 17,600 ,001 diferentele dintre grupe este metod.a.B.oJJl~n9ql, pentru orice situa\ie existenta. In
Error(SITUATIE) Level 1 vs. Level 2 16,250 11 1,477 exemplul dat, rezultatele confirma diferente1e obtinute prin contraste.
Level 2 VS. Level 3 30,000 11 2,727

Figura 4.17. Output SPSS 11.0 cu testu/ contrastelor standardizate "Repeated"

4.3.1~ Marimea efectelorin ANOVA cu masuratori repetate
SPSS este 0 marca inregistrata.
in ceea ce prive9te caleularea marimii efectului, aceasta se realizeaza fntr-
~';.C~~;,:<:;-:- ;"=';'':'"'''-;;-''-''''I''f
..

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?

dispersionala multivaril'lta), sau ajustarea valorilorJ.l.Jit ... 9inA~()yA ~li masuratori

repetate. Prima nu face obiectul analizei de fata, Tn schimb ne \10m opri sa detaliem
cea'dea doua posibilitate. ' ....
~
Mauchly's Test of Sphericity

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"

Within Subiects Effec Mauchly's W

Approx.
Chi-Sauare 'df Sia.
Greenhous
e-Geisser
I I
Huvnh-Feldt Lower-bound
SPSS este 0 marca inregistrata.

SITUATIE ,879 1,291 2 ,524 ,892 I 1,000 ,500

In aceasta situatie se observa ca atat testul Mauchly, cat ~i valoarea lui
..
a. May be used to adjust the degrees of freedom for the averaged tests of sigmflcance. Correctecl tests are displayed epsilon indica 0 incalcare a conditiei de sfericitate. Acest aspect poate fi observat
Tests of Within-Subjects Effects table.
empiriC prin faptul ca abaterea standard a persoanelor aflate in a treia situatie
Figura 4.19. Output SPSS 11. a cu rezu/tafele referifoare la situatia sfericitatii obtinute experimentala este apreape dubla fata de abaterea standard a celorlalte doua
SPSS este 0 marca inregistrata. grupe. Or abaterea standard nu este altceva decat radacina patrata a dispersiei.

122 123

Din al doilea tabel prezentat 5n figura 4.20. observam ca valoarea lui
lpsilon este undeva Intre .60.3 9i .636, astfel Incat sfericitatea este gray Incalcata,
je aceea yom alege corectia Greenhouse-Geisser a lui F. Ca urmare, Tn cel de-a!
:reilea tabel al figurii 4.20., nu yom citi prima valoare, adecvata respectarii conditiei
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
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
valorile originale ale lui F au fost semnificative, schimband astfel interpretarea
rezultatelor.
Un ultim aspect tehnic, ce merita a fi mentionat pe scurt Tn cadrul analizei
dispersionale, tine de modul de calculare a sumei patratelor (SS). Daca toatE!
rezultatele sunt complete, yom pastra tipul III de calcul, acesta fiind op\iunea
standard In SPSS. Daca yom avea date lipsa, caz Intalnit mai ales In situatia
masuratorilor repetate, vom utiliza tipul IV de calculare a sumei patratelor.
4.4. Alte modalitati, ANOVA
Cele trei modalitati prezentate mai sus reprezinta cele mai frecvente situa\ii
care necesita analiza dispersionala. Totu9i, Tn tabelul 4.8. sunt prezentate alte
cateva tehnici AN OVA. Criteriul de diferen\iere a lor este dat de independen\a
evaluarilor (grupele formate din aceia9i subiecti sau din subiecti diferi\i) §i de
numarul de varia bile independente (unul sau mai multi factori).
TabeluI4.8. Tipuri de ANOVA In funqie de des;gnul cercetarii
Subiecti diferiti Aceia§i subiecti
1 variabila ANOVA simpla ANOVA cu masuratori
independenta (AN OVA unifactoriala) repetate
2 sau mai multe ANOVA factorialll ANOVA factoriaill cu
variabife independente masuratori repetate
Design mix!
(unul sau mai multi factor; variali In grupe de subiecti diferiti
I unul sau mai multi factori masurati pe aceia:;;i subiecti)
Un design mixt este oferit de Weinfurt (2000). Un cercetator dore~te sa
observe eficienta terapiei cognitiv-comportamentale in reducerea simptomelor
depresive la pacieniii suferinzi depresie severa. Dupa 0 eval\!.§.[e,.initiala cu
"Inventarul de Depresie Beck", subiectii au fost Impartiti aleatoriu in doua grupe: de
contro~~:::r~n.:~ntala. Cei din grupa experimentala au urmat 0 terapie cognitiv-
comportamentala pe 0 perioada de trei luni. Inventarul Beck a mai fost admiriistrat
124
111:11II,1II1:11111'llllljIIIIIIIIIIUIIIIIWIII~lllIUIllllIUIll"""'llIllIlIIlllllllll:lllll~111
tuturor pa~ientilor la trei luni, la §ase funi §i la douasprezece luni de la prima
evaluare. Intrebarea care s,e pune este daca pacientii care au urmat terapia
cognitiv-comportamentala §i-au rediJs semnificativ simptomele de depresie pe
parcursul acestei perioade de timp.
4.5. Exemplu de ANOVA factoriala:
cazul euristicii de,.ac;:c;:esipjJitate
In luarea deciziilor sunt utilizate 0 serie de strategii cognitive dEinumite
euristici.
'PS=h~1t
Intre acestea este yorba !?i de euristica ~"':::'=~""o,,,,;.-.·
de accesibilitate
.. ~.,. .." """
care consta Tn
tendlnia oamenilor de a acordsa.."gpr9babllitSlte mai ridicat,:( alternativei sau
evenimentului~~Clr~ __~stE?fD9L..U!?orde amintit. Imaginaii-va c~ sunteti rugatsa oferi\i
cincisprezece exemple in care v-ati purtat agresiv. Probabil ca Yeti oferi rapid
~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
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
persoanele din al doilea grup, de§i primele au oferit de trei ori mai multe exemple
de agresivitate. Acest lucru se produce datorita experimentarii dificultatii de a
rememora toate exemplele tip din prima situa\ie in comparatie cu u:;;urinta a~cesarii
lor Tn a doua situa\ie, In care trebuia prezentate doar cinci exemple. Tn aceste
conditii, yom concepe un experiment similar cu cel realizat de Schwartz (apud
Kunda, 1999), dar u!?or modificat prin introducerea unei trepte suplimentare.
Unii subiecti inclu9i in experiment au fost rugati sa ofere cinci exemple de situatii In
care s-au comportat asertiv. Alii subieC\i au fost rugati sa ofere zece exemple, iar 0 a treia
grupa de participanti la studiu a fost rugata sa ofere cincisprezece exemple de situatii In
care s-au manifestat asertiv. Prin urmare, prima var:iabila independenla maniPulat~ de
cercetator este numarul de exemple aminti!e, cu trei trepte de lucru: cinci, zece, respectiv
cincisprezece situatii de comportament asertiv. ,
Aile trei grupe de participanli au fost formate schimbi'md obiectul reamintirii. Astfel,
~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
asemenea situ alii, In timp ce persoaneior din grupa ~ase Ii s-a cerut sa prezinte
cincisprezece situaiii Tn care s-au comportal non-asertiv. A9adar, cea de-a doua variabila
independenta a constat in obiectul evaluarilor siluaiiilor stimul, ea avand doua trepte: asertiv
9i non-asertiv. Avem de a face in acest caz cu un design factorial de tip 3 x 2, cu 9ase celule
experimentale, fiecare fiind alcatuita din subiecti diferi!i. Variabifa dependenta a constat intr-
o singura Intrebare de autoevaluare a gradului de asertivitate a subiectului. Intrebarea este
pusa pe 0 scala Likert cu zece puncte, situate de la 1 (deloc asertiv) la 10 (foarte asertiv).
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

Tabelul sumar ANOVA

df MS F
8ursa dispersiei 88 trasatura evaluata

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)

I finalul acestui capitol, pot fi incluse mai multegovariabile. De asemenea, acestea

pot fi introduse In diferite design-uriANOVA, determinand, Intr-o maniera similara
situatii de ANCOVA simpla, ANCOVA cu m~surat()ri repetate, ANCOVA factorial~
ANCOVA poate fi utilizata atat In sensul de."aJdentifica_..un efectcat mai
"pur"aIVlasupr?YR, cat ~i de a reduce dispersja._datorataerorij. Mai P;~is~ste
vorba de a elimina din calculul F acea parte a dispersiei VD care se datoreaza unui I sau ANcQvAolTxHCincele ce urmeaza, ne vom rezuma la un exemplu de
ANCOVA simpla, implicand 0 singura VI,<o covariabila ~i 0 YD.
alt factor, ce initial nu a fost -IU3tl!)_ c(;jlcul. Spre exemplu, daca am masura efectele
Situatia concreta se bazeaza pe studiul efectuat de Din :;;i Calao (2001),
diferitelor programe educationale (ex. Step by Step, Waldorf, traditional) asupra
modificat Insa din punctul de vedere al design-ului cercetariL Cei doi au investigat
performantelor de a citi, ar fi bine sa controlam nivelul de inteligenta al copiilor, daL
In ce masura copiii care au utilizat jocuri educi'ltionale pe calculator au progresat
fiind cunoscuta influenta 'acestui factor asupra abilitatii de a citi. Daca inteligent a
mai repede In ceea ce prive~te dobandirea cititului In comparatie cu copiii care nu
este masurata numeric pe 0 scala de la 50 la 130, ea nu poate fi introdLJsa ca 0
au beneficiat de aceasta. facilitate. Astfel, acest design consta In doua grupe de
alta variabila independenta, ci va fi tratata ca 0 covariabila prin ANCOVA. Tn urma
subiecii. Variabila dependenta a constat Tntr-un test de e~-,.uare a progresului In
acestui demers am putE.l? evalua care a fost efectul manipularii VL§S,LJ~~<3_VD, dupa
citire. Deoarece acest aspect era dependent ~i de un anumit nivel de dezvoltare a
ce am elimina irifluenta asupra VD determinata de nivelul intelectualctiferit al
nivelului intelectual, variabila inteligenta generala, masurata prin WISC a fost
copiilor inclu:;;i ,Tn studiu.fextual, prin ANCOVA am raspunde Tn acest caz la
inclusa ca 0 covariabila ..
Tntrebarea: tinand la nivel constant influeuta inteligentei asupra abilitatii de a citi,
Baza de date aferenta acestui exemplu este anc~va simpla.sav, iar calea
exista diferenve semnificative Intre cele trei .programe de educatie Tn ce prive~te
de urmat In SPSS pentru a realiza ANCOVA simpla sau ANCOVA factoriala este
abilitatea de a citi? De asemenea, de multe ori, prin introducerea acestei
"Analyze" - "GenergU..Jnear Model" - "Univariate".
covariabile s-ar reduce dispersia.erorii ~i va cre~te, astfel, puter:.ea. experimentului,
In~eleasa ca 0 capaci-tate de a decela existenta sau inexistenta~unui efect_ Sa ne TabeluI4.9. Tabelul sumar ANCOVA
reamintim ca analizadisp!')rsionala nu face altceva decat un raport Intre dispersia
exE!icata9idispersia erorii.Astfel, pentru a obtine un F 'semnificativ, -prima Sursa dispersiei SS df MS F
componenta ar trebui sa fie cu un anumit grad mai mare decat cea de--a doua. Prin Nivel intelectual 2566,97 2566,97 91,28 **
introducerea covariabilei, 0 parte a dispersiei erorii (neexplicate) devine explicata_ Jocuri calculator 271,88 271,88 9,67 **
Figura 4:21. prezinta cel mai bine modul de partitionare a dispersiei Ih ANOVA fata Reziduala (Eroare) 1040,53 37 28,12
de ANCOVA. Total 3879,38 39
De asemenea, ANCOVA este deosebit de raspandita ~i In design-urile ** P < .01
cvasi-experimentalede tip pretest =._postest, implicand 0 grupa experimentala ~i
una d!').cohtrol. Un exemplu tipic ar fi situatia In care doua clase paralele de elevi Din tabelul 4.9. se observa atat influenta semnificativa a nivelului
sunt masurate iniiial In privinta gradului de coeziune a grupului din care fac parte. intelectual asupra abilitatii de a citi, cat ~i faptul ca cel~ doua grupe de copii incluse
Apoi, una dintre clase este supusa unor tehnici de dinamica de grup menite sa In studiu difera semnificativ In ceea ce prive~te abilitatea lor de a citi, chiar ~i dupa
Tmbunatateasca climatul ~i unitatea clasei. Dupa finalizarea interventiei ce a fost controlata influenta inteligentei asupra variabilei dependente. De
psihologice, cele doua clase vor fi testate din nou asupra gradului de coeziune a asemenea, se observa ca in ANCOVA nu se calculeaza interactiunea dintre VI ~i

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-.,.,.._ ....

Linei interactiunLsemuificative intre cele doua .

. Din' urmatorul tabel se pot observa u§oarele ajustari ale mediei pentru cele daca rezultatele studiului sunt confirmate §i In alte ocazii, se demonstreaza un fapt
doua grupe dupa meniinerea constanta a inteligentei. Cea de-a doua coloana esential: jocurile educative pe calculator au 0 influenta foarte buna asupra
contine valorile reale ale mediilor obtinute in urma aplicarii probelor. Cea de-a dezvoltarii abilitatii de a citi. ,
patr~ coloana contine, in schimb, 'valo'rile celor doua medii In situaiia ipotetica in Analiza de covarianta, in ciuda avantajelor prezentate mai sus, are 0 serie
care nu ar exista diferente intre subiectii din cele doua grupe referitoare la nivelul de limite §i precautii de care trebuie sa tinem cont atuncicand abordam
intelectual. Acestea sunt' mediile care ~unt luate In considerare pentru a constata posibilitatea de a ap/ica aceasta tehnica. Alaturi de limitele $i condiiiile specifice
eventuale diferenie semnificative intre populaiiile din care au fost extrase grupele fiecarui tip de design ANOVA pe care Ie-am prezentat la momentul oportun, exista
In cazul ANCOVA. Se poate constata ca, Tn situaiia ipotetica in care inteligenia altele suplimentare $i particulare cazului ANCOVA.
copiilor cuprin§i In studiu ar fi constanta, diferenia dintre cele doua grupe ar scadea
u§or, dar ar ramane semnificativa statistic, in sensul ca persoanele care au
4.6.2. Conditii suplimentare_~plicarii ANCOVA
beneficiat de jocuri educative pe calculator au obiinut performanie superioare celor
care nu au avut la dispoziiie aceasta facilitate. Mok §i Wheldal! (1995) sau Tabachnick §i Fidel! (1996) au oferit 0 serie de
argumente menite sa ateniioneze cercetatorii asupra utilizarii, fara precauiii, a
Tabelul 4.10. Valorile mediei reale, a celei ajustate ~i a abaterii standard reale Tn ca~ul tehnicii ANCOVA. Neluarea in considerare a condiiiilor nepesare aplicarii analizei
abilitatii de a citi de covarianta poate conduce la ajustari eronate ale mediilor $i in consecinta, la
Date ajustate concluziL,.er:Qo~~~."!J!".studiilor. Trei conditiLsuplimentare par a fi deosebit de
Date reale (neajustate)
importante Tn aceasta situatie. . '. ' .. ,
Grupa copii M AS M AS
Jocuri educative pe calculator 80,45 8,43 79,76
100 ..---------~
Control 73,85 10,90 74,53
c "
* SPSS-ul nu ofera valorile abaterii standard pentru datele ajustate 90
. . '
8 •

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

de omogenitatea disp.~rsi~r(Field, 2000). Ramane de precizat ca, In problema :!:

data, pentru a obtine atat valorile iniiiale ale mediilor, cat §i valorile ajustate ale ~ 50.~~-~--~~~--~
70 80 90 100 110 120 130 1~0

acestora este necesar sa bifam, Tn cadrul ferestrei "QRE9DS".qin?PSS, "descriptive inteligenta

statistics", respectiv "display me~~.~_~?r g~~?a".
Figura 4.22. Norul de puncte (scatter-ul) lntre variabila dependenta §i covariabila
SPSS este 0 marca Tnre.9istrata.

4.6.1. Marimea efectului In tehnicile ANCOVA

FUnd yorba de efecte concrete In plan educativ, yom calcula marimea
efectului pe care-I au jocurile de calculator asupra dezvoltarii abilitaiii de a citi a
copiilor. A§a cum am afirmat de mai multe ori pe parcursul acestui capitol, un F
semnific~..§tatistic ny lnseamna neaparat 0 importania practica a efe~.t~lui gasit.
Difereniele dintre doua grupe pot fi semnificative, dar totu~i minuscu)e. Astfel,
iinand cont ca exista doar doua trepte ale variabilei constituite din persoane care
au beneficiat sau nu de jocurile pe calculator, yom utiliza formula 4:2. ,prezentata Tn
cadrul calculului marimii efectului In ANO.Y:A.,simpla. Rezultatul obiinut indica un r
_ \:; Intre covarig9Jl?,(~) ~i variabila dep~.r.!.cjeflta.e.xista 0 corelati~, lilJiara.,
Daca riu' exista 0 corelaiie sau relaiia dintre cele doua caracteristid hu este Iiniara, .
rezultatele ajustarii mediilor sunt eronate, deoarece intregul demers ANCOVA se
bazeaza pe regresia Iiniara. Binefnteie~' ca metoda cea mai simpla de a verifica
aceasta conditieeste-de"'a observa_Dorul qepuncte rezultat din asocierea celor
doua variabile §i de a calcula un simplu coeficient de coreli3iie r Bravais-Pearson.
Pentru exemplul nostru am obiinut 0 corelatie r (38) 0,82, p < .01 Intre nivelul =
intelectual :;;i abilitatea de a citi, iar norul de puncte indica 0 relaVe liniara Intre cele
doua caracteristici.

132
133

Tn cazul utilizarii mai multor covariabile, conditia se pastreaza pentru
fiecare pereche covariabila - variabila dependenta Tn parte. 1n plus, Tntre
covariabile hU" trebuie s~j" existe corelatii foarte ridicate, datorita fenomenului de
multicoliniaritate (vezi sectiunea 6.5.4.).
2." Fidelitatea probei de masurare a covariabilei trebuie sa fie ridicata. 0
masurare fara erori este posibila numai Tn situatii f()i:)rte rare, Tn care variabila este
data de varsta subiectilor Tnaltimea lor etc. Cele mai multe .teste psihometrice au
un nivel de fidelitate c~re ~u atinge niciodata valoarea unu. Co~formTui Tabacknick
~i Fidel! (1996), Tn cazul utilizarii ANCOVA Tn situatii experimentale se ajunge la
valori F conservatoare, ceea ce cre~te ~ansa de a comite eroarea',o~.tip II. Acest
lucru nu se pastreaza ~i Tn cazul situatiilor cvasi ~i non-experimentale, Tn care
putem Tntaln.Latat sub:ajustari, cat ~i supra-~j':!~t~.rLale mediilor initiale. De aceea,
autoarele recomanda utilizarea covariabilelor Tn situatii cvasi ~i non-experimentale
doar daca fidelitatea masurariLlor atingecel .putin 0,80. 0 valoare maL.:':l1 ic::.a
introduceprea.multa ..eroare Tn estimarea mediilor ajustate §i,'implicit, Tn calcularea
diferentelbr dintre acestea.
~':3. Efectul covariabilei asupra variabilei dependenteeste similar pentru
oricare treapta a variabilei independente. Aceasta conditie este cunoscuta sub
numele de omogenitatea pantei de regresie ~i face referire la absenta unei
interactiuni semnificative Tntre. variabila sau variabileleindependente ~i
covari~bila(e). Unii autori, precum Dugard ~i Todman (1995') considera ca
ANCOVA este destul de robusta la Tncalcarea acestei condit ii , daca numarul de
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
stanga, de omogenitate,.a regresiei; Tn dreapta, de heterogenitate a regresiei
(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
100~---~
100',--------,
regresie similari pentru a surprinde relatia dintre covariabila ~i variabila depende nt"
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
diferltl pent~u cele doua grupe de copii. in acest caz, nu putem aplica ANCOVA
deoa.rece aJustarea mediilor se face pe baza unui b general, obtinut prin luarea T~
conslderare a tuturor treptelor VI, iar acesta nu este reprezentativ pentru nici una
dintre treptele VI. .
Deoarece desenul din dreapta, reprezentand cazul eterogenitatii regresiei
este bazat pe date simulate, iar eel din stanga este dat de datel~ reale ale
exe:npl~I~1 oferit, conditia de omogenitate a fost respectata ~i ANCOVA a putut fi
realizata In exemplul nostru.
, 0 ~odalitate mai exacta de testare a acestei conditii consta Tn calcularea
U~UI .F de Interactiune Tntre VI ~i covariabila concomitent cu calcularea efectelor
prlnclpale. Un rezultat semni!icativ,statistic indica Tncalcarea conditieide
omogenitate a dispersiei, fapt ce Tmpiedica realizarea ANCOVA. 0 alta pO;ibilitate
~e testare presupun.e rularea unei regresii ierarhice Tn doi pa~i. Mai Tntai sunt
Introdus.e d~ar co~arlabila ~i variabila independenta (cavariabila dummy) pe post
de pre~lct~rI; apol atat covariabila :;;i variabila independenta, cat :;;i 0 variabila nou
~ormata din produsul celor doua, dupa transformarea prealabila a variabilei
Independente Tn variabfla de tip dummy (vezi sectiunile 6.3. ~i 6.7.2,). Daca "F
step",. ce. masoara diferenta aparuta prin introducerea variabilei-produs este
semnlficatlv statistiC, exista 0 interactiune Tntre covariabila :;;i factor deci este
Tncalcata conditia de omogenitate a dispersiei. '
4.7. Tipuri de factori In design-uri Ie de tip ANOVA sau
ANCOVA
in .Tncheierea acestui capitol, yom face cateva scurte precizari de ordin
metodologlc menite sa faciliteze interpretarea corecta a rezultatelor obtinute din
AN?~~. Aceasta nu se poate face fara 0 Tntelegere adecvata a tipurilor de factori

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
fata de sine; respectiv nelini~te f calm. Un alt studiu evidentiaza numai trei factori:
n~multumire' cinism respectiv pesimism. Sa presupunem ca primul factor extras -
gradul' de ne~uliumi're-- contine itemii scalelor de nelini!?tE:,l :?i insatisfactie din primul
studiu. Prin analiza factoriala confirmatorie yom putea testa, pe un alt lot de
sUbiecti care dintre cele doua model~ pare a fi mai potrivit pentru a caracteriza
Intreag~ scala de afectivitate negativa. .' .. ~ _ . .._
De obicei analiza factoriala exploratone (EFA) se utllizeaza In situatille In
care nu exista ~ perspectiva teoretica clara asupra relatiilor dihtre anu~ite
fenomene ce necesita analiza factorial!i Pe masura ce sunt acumulate cun09trnie
relevante pentru ace I domeniu este preferabil sa utilizam analiza f~c.~oriala
c-onfirmatorie: aceasta depage:?te caracterul exploratoriu In favoarea testarll unor
ipoteze specifice.
5.1. Analiza factorialaexploratorie
Metoda estsi__lJtil;l: In atingerea unor obiediu.e...gg.oerale, mai .. i!l2E°rtante
decat construirea unei simple scale. Ma refer la construirea Ull9.L.t~.Q.rn, cum sunt
cele menti~fi:n3nterior In domeniul persof}plitaiii 9i In cel al inteligentei. Acest fapt
se dator~aza ideii ca analiza factoriala -;u -este
doar 0 tehniCif'statistica, ci, In
primul rand, 0 teorie-asupr,a.r~§IJt<'Wi. De aceea este necesara 0 scurta prez~ntare
a teoriei analizei factoriale. inredactarea acesteia, ma voi baza, In special pe
introducerea excelenta a lui Tucker !?i MacCallum (1997), dar 9i pe cele realizate
de Wegener 9i Fabrigar (2000), respectiv Bryant 9i Yarnold (1995).
5.1.1. Teoria analizei factoriale
intr-o cercetare domelliuL;9i populatia gEl.interes sunt doua CQ!l~ep!~
esentiale ';;";;;'~;~m-§n deseori la un nivel impli;;t"'d'E('tratare. Prin dqQl~}]19.· .se
Intel~ge un ansamblu de fenomene la care se refera studiul respectiv. Acesta
p~ate fi mai larg(ex."perso~aiTtatea;~ abiliti3tile mintale) sau mai festrans (ex.
neuroticism; hiperkinezie). Populaiia este data de tota\i1,atea"entitaYilo.r car~ pot
intra In studiu (ex. toti copiii de varsta 9colara). De regula, din ratl~nr ce tin ~e
reSLirse''''lihiitate, se folosesc e9antioanede subiecti extrase drn populatl~
respectiva. Tntr-un mod similar, dintr-un anumit do~eni~ d: cercetare. v~r fr
selectate cateva variabile care vor fi incluse in studlll-§I,masu~¥lte. Vanabllele
selectate s;;;t-denumite atriautede ~pr:afat~. Spre exemplu, In domeniul
abilitatilor mintale pot fi utilizate mai' multe ProE.§._9~~"I?y'gluare: p,robleme. de
aritmetica, de vocabular, de percepere a relatiilor spatiale etc. Flecare dlntre
aceste probe preziQ!.a un atrJE_LJLc!,~,~~,erClfa,ta. in consecint a, in,_fie~~r,~, ~,<:lmeniu de
interes pot fi selectate 0 multitudine de ,.astfel ,de .atribute. Un set de astfel de
atribute supuse masurarii formeaza 0JJlte.cLe.<Acela9i principiu se aplica 9i sc_a,lel~~
11'1 11'
" ",I iii II 11,111" ,
11'11111111'1111'1111 1111 1111',' I 'I
~, 'III' 'II' ,II III 'III III
de personalitate. Astfel, daca domeniu\'de_i!!l~res este afectivitatea negativa, vom
avea mai multe compoQ~IJ~ (atribute de suprafata) cum ar fi cinismul, pesimismul
etc.
in 'urma testarii ei,iantionului cu bateria aleasa yom sesiza mai multe
aspecte .. Mai fntai, yom observa ca exista diferente individuale. fntre subiecti
rezultatele fiind dispersate Tn functie de gradul de.9~~oltareaabilit~tilor ~asurat~:
De asemenea, yom observa 0 anumita asogj.§.fe (covarianta) Intre rezultatele
obtinu~e de subiecti, l.a,gq.l,I~sau mai multe probe. Astfel,o'persoana care a obtinut
un rezultat ridieat la 0' problema de Inrriultire e foarte probabil s~ obtina un scar bun
§i la 0 problema de adunare.
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
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
, ~ ..... ~""!'
unei expJk~}~.~ccinte privitoare la dispersia ~.~c;.ov.arianta observate In atributele
de suprafata.
--"Ta~ea fundamentala In analiza factoriala este postularea exi?~§'H1!~L
atribu.telor interne. Un astfel de atribut face referire la caracteristici neobS;;rvabile
-","",",,""'~'-." ~I,",",p".,,-"~"'~-~'-"-··-·-".·:'\·· ..•.. ~1.
direct ..!"L,9,?meni, dar care determina diferente intre ace9tia. Ele se afla la baza
atributelor d,!;L~uprafata. De exemplu, am put~;;;~bi'deabiiitati numerice, abilit~ti'
verbale etc. ca--atrlbute interne Tn domeniul abilitatJ1gr...[llintale. Acestea nu pot fi
masurate direct, dar pot fi reflectate prin intermediul evaluarii atributelor de
suprafaia. Astfel, am putea afirma ca 0 persoana este superioara alteia in privin\a
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
analizei factoriale ele se numescfactori. "
Aceste variaQ.~~.Ic:tten~~<pot avea un subst~!J~.gLsau pot fi doar construQ1~._"
t~~!L<?e care faciliteaza intelegerea 9i explicarea realitatii. 0 analogie poate fi
facuta apeland la concepte fizice precum graWic;t.tia. Existenta acesteia a fost
construita ipotetic, pornind de la observatii concrete. 'Toate obie~tele au tendinta de
a cadea pe pam§.nt cu 0 viteza variabila Tn functie, printre altele, de masa lor. Prin
urmare, exista 0 f0rla nevazuta care actioneaza.9i determina aceasta cadere a
obiectelor. Similar, am putea spune ea unii elevi tind sa rezolve, mai repede 9i mai
bine decat altii, probleme de matematica, datorita unui nivel mai ridicat al abilitatilor
lor numerice. Altfel spus, variabilela_manifeste sunt influentate sistema tic de
anumite var~~~.late~~~Jatribute in!.ElfI!El, factqri).
Se impune acum a noua distinctie Tntre doua categorii de atribute intem§):
factor;i"cemuaL 9i factori"specifici:.Primii sunt aceia care influenteazrmar;:;'1Ult~
atribute de.~suprflfata dinbaterie (ex. abilitatile numerice afecteaza re~i8le
obtinute atat la proba de adunare, cat 9i la cea de Inmul\ire). Tn schimb, factorii
specifici influenieaza 0 sing.I,l[a, variabila-manifesta. Dinamica dintre cele doua
141

categorii de factori este influen~ata de modificarile survenite Tn b~riEl (scala).
Astfel, introducere§.. ...squ."_~.lil11.lf.1~r.ea .. ul:1 0L pr(~be (item i), poate conduce la
transform area unor factori sJ;>egifici Tn factori comuni !?i invers. Sa presupunem ca
avem zece probe menite sa masoare doi factori comuni: abilit?iile numerice ~i
relatiile spatiale. Pentru fiecare atribut intern sunt prevazute cinci probe. Daca .
elim'inam toti itemii care fac referire la abilitatile numerice, cu exceptia unei singure
probleme de adunare, abilitatea numerica devine un factor specific, deoarece se
bazeaza pe un singur atribut manifest. Alaluri de ace$ti factori comuni $i specifici,
Tn evaluarea atributelor de suprafata intervine !?i eroareaAe-masurare. Aceasta nu
tine de atri5utele inteme, constituie mai degraba, influent~~ tranzitorii !?i
~esistematice care afecteaza rezultatele obtinute la atributele de suprafa~a (ex.
oboseala,'momentul zilei ales pentru testare etc.). Intra fidelitatea _~!D.\JL.test !?i
erorile de masurare exisla 0 legatura inversa. eu cat un test este mai fidel, erorile
de ~a;e'sunt mai mici !?i invers. Tn sfar~it, efon~:2~.'!!l~~~!are com...b.jn.ate..~cu
,.fsctqrii specifici ai fieca!0~§~rLbIJL.Q.!L~~p~~fata.getermina factor:uLunic .....Astfel,
fie~~re'rezLi'itat manifesfpoate fi vazut ca fiind 0 consecinta a influentei unuia sau a
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
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~,
dat de totalitatea aspectelor care iI individualizeaza fata de ceilalt i itemi ai scalei. In
acest caz, datorita formularii, ar putea fi vorba de efectul de "framing" pus Tn
evidenta de Tversy $i Kahneman (Miclea, 1994). Probabil ca 0 formulare diferita,
. dar si~ilari~ de genul: "Nu a$tept niciodata sa mi se intample !ucruri bune" ar fi
condus la rezultate u!?or diferite, data fiind specificitatea formularii. Oaca mai multi
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
(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.
fidelitatea seazuta a probei; prezenta unor stimuli distraetori etc.) Factorul specific
alaturi de erorile de masurare conslituie, impreuna, unicitatea dispersiei scorurilor.
Analiza factorialaeste mai putin interesata de acest aspect Tn schimb, ea
tine seama,-j';";.n'od'·cfeosebit, de dispe[~ia~i,covarianta rezultatelor datorate
factorilor eomu~i. Aceasta dispe!§i~_.~QUlUna se nume!?te coml;tQ?'lt~.!:. Eventualele
coreiafifexistente Intre anumite probe sunt explicate ca fiind determinate de
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,
rezult~tele diferite obtinute la proba de adunare !?i la cea de vocabular constituie 0
dovada ea eele doua atribute de suprafata sunt influentate de factori diferiti.
La 0 scala.mai .mare, cu cat exista mai mulle.cO,~~J§Wridicate intre
atributele masurate, cu alat ele tind a dovedi existenta unui f?~tor comu~ La fel,
~.~ .. '~'
142
lipsa.-£e...corelatii dintre mai multe variabile ... manifeste constituie un indiciu al
absentei Ufiei c0fl!l:ln<3li~ati intre variabilele respective. Tn plus, Tntr-un anumit
domeniu de interes, se pClrne$te de la prem'isa ca majoritatea atributelor de
suprafata sunt influeniate de un numar restrans defactori comuni.
Toata aceasta discutie asupra analizei factoriale porne!?te de la ideea,un~i
legaturi lini§.r~,intre variabile. Acest aspect merita sa fie retinut, deoarece T~tre
multe dintre fenomer18'le realitatii psihice nu exista 0 relatie' liniara. Tn astfel de
situatii este inadecvata folosirea analizei factoriale, cel putin Tn varianta sa clasica.
A!?adar, analiza factoriala nu este maio mult decat 0 teorie despre..dinamica
relaiiilor dintre atributeleg~~l!prafata~i. c~le_ interne. Ca orice teorie, ea ~~~ 0 mal
mare saO mai mica corespondenia cu realitatea. Aplicarea ei Tn mod automat, fara
a tine cont de aceste precizari eonceptuale, poate conduce la solutii gre$ite.
. Sintetiza.nd, scopul primor5jL~!...aL§f~este·de a identifiea ~u!"!1§rul!?i natura
factonlou;omunlca~e stau la baza unui set de.variabile manifeste.Tehnica este
utilizata atat in constrl1irea de scale, cat ~i la dezvoltarea u~~r teorii. inainte de a
aprofunda modul de reaiizare practica a unei astfel de analiz~, se impune sa facem
o ultima distinctie intre analiza factor-iala .exglo(atorie $i analiza Gomponentelor
"--- -_ ..
5.1.2. Analiza componenteJor principaJe VS. analiza factoriaJa
Ambele metode au fost utilizate inadecvat, de nenumarate ori, in principal
datorita neTntelegerii diferentelor dintre ele. Confuzia a fost intretinuta ~i de cazurile
numeroase in care soluiiile, obtinute pe acela!?i set de variabile, au fost similare.
Nu in ultimul rand, une!e carl) de prom au e!?uat in Incercarea de a face' 0 distinctie
clara intre cele doua metode. '
. . 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
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
variantei. insa intere~ul central cadea asupra com un alitatii , ca dispersie explicata
de factorii eomoni. In schimb, analiza componentelor principale ~nl! recurge la
aceasta ~ip~9.\~!Jnctie, iar teo ria de la baza ei !:'upostuleaza existerifa unor'faCtori
c!2mulJi. In PCA, dispersia d.CiJelor are la baza doua.surse: dispersia expllcata !?i
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
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
generic "eiQ!~:2y(3ctort. Syopul analizei component~!!:>r principale este extragerea
unui numfllr.cat maimic de eigenvectori, care sa explice"cat maLmult din totalul
varianteL
Oispersia; tn cazul celor doua metode, poate fi . reprezentata grafic in
functie de sursele care com pun totalul acesteia:
143
 'lhlllllllli:IlIIi'llllllllllllilIIIIIUIIIIIIIIIIIIIIIIIIIWIIII111111111111111.I11111:1111111111111,llli,III::II'

5.1.3. Design-ul {ji metodologia analizei factoriale

ANALIZA FACTORIALA ANALIZA COMPONENTELOR PRINCIPALE
Obiectivul majQL,~LEFA, acela de a identifica factorii care influenteaza
Dispersie Dispersie Dispersie
Dispersie
atributeLede supr<:lf~ta, r'iU>'po~ate fi rEi,~~at eficient printr-o singuracefcetare. 'Yom
datorata datorata datorata Dispersie
factorilor factorilor erorilor de explicata datorata erorilor avea nevoie de mai p:Julte studii eare sa eonduca treptat la 0 eunoa§tere buna a
comuni specifici masurare atributelorirtterne, Nu se urmare§te doar 0 simpla. replicare a lor, Dimpotr(va, prin
modificarea e§LgGJ~risticilor e~antionului §i, mai ales, prin modificarea ,bateriei
Figura 5.1. Oiferente conceptua/e mtre analiza factorial§. §i analiza componente/or principale (setului de itemi) yom ajunge la clarificari conceptuale eseniiale. De exemplu, daca
un studiu nu reu§e§te saevidentieze foarte clar un anumit factor, care are
Pornind de la aceste considerente, yom constata a doua diferen\a importanta teoretica, putem retine itemii care au fost puternic saturaii Tn factorul
eseniiala intre EFA §i P.9!.\,..,Analiza compoflentelor QIincipale are ca obiectiv respectiv, putem elimina itemii care nu au dat satisfaciie In aceasta privinta §i
reducf!£§.(:ldatelo?J?!Tn identificarea unui n,\J[ll~uestrans de comp~~nte princ1p<;lle putem introduce aliii, care par a masura factorul respectiv.
care explica impreuna cat mai mult din totaluLgts,p~rs,Jeiyariabilelor manifeste. Ea, Orice studiu care implica analiza factoriala exploratorie rezida In
face acest lucru pe baza unei combill"iiiliniare Tntre variabilele rTlanifeste. Tn parcucg(;;lcea urmatorilor pa§i:
schimb, analiza factoriala exploratorie incearca sa determine un numar restrans de (a) alegerea tipului de ~<3trice care vafi analizata §i a l11etodei de extragere a
faetorilor; o~, . .
factori care influenieaza semnificativ 0 serie larga de varia bile manifeste. Pe scurt,
PCA este 0 tehnica utila de re.,ducere a datelor, in timp ce EFA este adecvata (b) stabilirea numarului de"facto~Lc;::e trebuie extra§i;
identificarii unor constructe p-sihologice latente. (c) rotirea f?-ctorilor pentru a facilita ihtere.r~tarea ace~tor~.(daca este cazul);
o ultima difere~\~,~'~btil~,i;~e-s'~~ma de aspectul ca~a,.,,"·efect implicat Tn (d) identificare}lfjgtyrii factorilor ;;i interpretarea-rezultatelorgasite.
cele doua.analize. In EFA, fac~9rii,sunt vazuii ca fiind respom:;abilic:le.~~,!.Qt\Jiia Vom aborda detaliat fiecare aspect pornind de la urmatorul exemplu din
variabilE~J()~mgl'!if,es,te:""asumand 'to'fGI unor vari9..Qj.l§."C:3:l~~a", Astfel, pare natural sa psihologia educationala.
afirmam 'c~ 0 persoana ob\ine rezultate fidicate Ja probe de aritmetica, vocabular, Didactogenia este actiunea involuntara a cadrelor didactice soldata cu a serie de
relaiii spa\iale etc. datorita unei inteligente ridicate .• In PCA, componentele consecinte negative asupra elevilor. lntre cele mai raspandite astfel de actiuni, se regasesc
principale n~)oaca ~S~!c:J.9i!ol. Mai degraba, ele sunt rezun§lliL§Cimbina\ieili~i~~e a ridiculizarea elevului in public; favoritismul ~i' incorectitudinea Tn nolare; respectiv
variabLl~Ic:Jf.f!1anifeste, al carei scop este de a explica <:;~t mai mult din totalul agresivitatea verbala a dascalului. C;;onsecintele acestor actiuni asupra elevului pot fi
dispersiei datelor. 6 situaiie care necesita PCA este aceea Tn care dorim sa grupate in: efecte pedagogice (ex. scaderea motivatiei ~colare, absenteism, e~ec' 9colar
obiinem un singur indicator al "starii materiale" pe baza unor informaiii multiple ce etc.); efecte psihologice (ex. stima de sine scazuta, mutism electiv, manifestari anxioase,
privesc venitul personal al subiectului, venitul financiar al familiei, un index al frustrare crescuta); ~i efecte somatice sau medicale (ex. dureri de cap, aciditate gastrica,
bun uri lor de lux detiriute etc. Alte situatii in care se apliea PCA sunt cele Tn care tulburari intestinale etc.) (Poenaru, 1980; Poenaru §i Sava, 1998).
mai rnulte varia_QjJ.~jl1dependente cor~lea:Za foarte puternic. Tn acest caz, prin Yom analiza, Tn continu'are, 0 scala menila sa evalueze aceste efecte la elevii de
extragerea uneia sau 0 a'
mai multoreomponente principale se elimina problema liceu. Proba conIine 15 itemi care necesita raspunsuri pe a scala de tip Likert cu raspunsuri
mulJicoliniaritatii (vezi sectiunea 6,5.4.), Acestor diferente intre EFA §i PCA se notate de launu la cinci. Ea a fost prezentala intr-un studiu anterior, In care se urmareau
adauga §i altele, de ordin matematic, implicate in algoritmul de calcul al ~ efectele atitudinii conflictuale, ostile a profesorilor asupra elevilor (Sava, 2002). Cercetarea a
eigenvectorilor. Asupra lor nu yom insista aiei. Tn plus, trebuie retinut ca SPSS·ul avut un e~antion de 946 de elevi, care trebuiau sa evalueze un numar de 111 profesori.
ofera doar posibilitatea realizarii analizei factoriale. Cei interesaii de utilizarea Astfel, fiecare profesor era caracterizat in medie de 8,52 elevi. Deoarece analiza factoriala
metodei componentelor principale pot apela la alte programe software precum porne9te de la asumptia independentei dintre cazuri, am realizat 0 medie a raspunsurilor
ViSta (Young, 2002) sau LlSREL (Joreskog §i Sorbom; 1989). date de elevi pentru fiecare profesor caraclerizat. ,L\stfel, e9antionul total supus analizei
Tn eoncluzie, de§i numeroase situa\ii dovedesc 0 similaritate a rezultatelor factoriale a fost de 111 subiecli.
obiinute prin cele doua metode, exista diferenie semnificative din punct de vedere Itemii scalei sunt prezentati Tn tabelul '5.1., iar baza de date este analiza facto ria/a
teoretie. Acestea, la randul lor, pot duce la rezultate ~i interpretari gre§ite ale exploratorie.sav. Pentrw a realiza 0 analiza facioriala de acest tip in SPSS se utilizeaza
solutiilor obtinute. Tn continuare, yom insista asupra modului de realizare a analizei calea: "Analyze" - "Data reduction" - "Factor".
factoriale. Totu;;i, analiza' c~mponentelor principale implica parcurgerea acelora§i
elape,

144 ' 145

 '11,111 1111 illIIIIIIIIIIIIIIIIIII,IIIIIIIIIUUUIIIUIUUlUUlUlIIJIIIIIIIIILIIII, 11111 IlIIi 111111111111111111111111111111111 !III 111111111' ,1111 111111111 1111' 11111111 !III'III' "I!" 'Ii 111'1111 '111i 1111 !IIIIIIII ,IIIIIIII! 1111111111111 1111111111 1111 ilill 1111 '11111' ill' III ,II! III 'II' III II; ill' ill illi 11111' II' II! II' :11: II' !II I', IIIIIIIIIIIIIIIIIIIIIII,IIIIIIIIIIII!IIIIIIII, ;11" !IIII IIIII!IIII 11111'1111 ,1111 111111111111111LlI I "11111 dIIUIIII'IIIIIJIII,jIIlUIIIII 11111 !IIIII 11111 !IIIII 111111 ,11111 111111,111111111111 1IIIII,IIIIIJllllllilldllili III1I'!III"IIII!II1:IIIIIIIIIIIIIIIIIIIIII';IIII,111111111111111 1111111111',11111 IIII!IIIII III!! 11111 1111111111 11111 III II IIII! 11111,11111 !IIII 11111 !IIII! 11111 '11111 11111:,1111 111111111111I11111111111111111 1111 !III: 1111 '1111 !III I I 1111'1111 IIII!!III1111 1111'1111 !IIIII

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

4. Ma plidisesc repede la orele de X. 1 2 3 4 5 item 2 3 4 5 6 7 8 9 10 11 12 13 14 15

5. Tmi place sa Tnvalla X. 1 2 3 4 5 1. ed01
6. M-am simjit umilit de catre profesor. 1 2 3 4 5 2. ed02 .60
7. ProfesorulTmi insufla Tncredere Tn forjele proprii. 1 2 3 4 5 3, ed03 .73 .54
8. Mi-am imaginat moduri de razbunare pentru suferinla prilejuita de 1 2 3 4 5 4. ed04 .71 .64 .56
conduita profesorului. 5. ed05 .62 .53 .66 .50
9. Cand ma gandesc la ora de X simt un golTn stomac. 1 3 2 4 5 6, ed06 .55 .40 ,35 .35 .36
10. Am uneori impresia ca nu sunt Tn stare de nimic. 1 3 2 4 5 7. ed07 .53 .37 .40 .44 .51 .36
11. Tn general ma simt plin de energie la !?coala. 1 3 2 4 5 8. ed08 .53 .50 .27 .38 .39 .73 .38
12. Tn timpul orei de X palmele imi transpira mai tare decat la alte ore. 1 3 2 4 5 9, ed09 .54 .41 .30 .39 .29 .66 .46 .61
13. Dupa 0 zi de !?coala spatele (gatul) meu devine Tncordat. 1 2 3 4 5 10, ed10 .27 .19 .09 .18 .12 .50 .21 .39 .48
14. Mi ,s,a intamplat sa mi se faca rau la !?coala. 1 2 3 4 5 11. ed11 .07 ,15 -.06 .00 .10 .05 .09 .03 .01 .22
15. Dupa ora de X ma simt obosil. 1 2 3 4 5 12. ed12 .32 .20 .18 .16 .21 .51 .22 .48 .64 .50 ,.06 __
Unde X vizeaza disciplina predata de cadrul didactic evaluat. 13. ed13 -.01 .04 -.04 -.07 .05 .05 -.08 .05 .02 .08 .28 -.02 ,_
14. ed14 -.08 .16 -.07 .00 ,.03 .02 .03 .06 .03 .24 .27 ,05 .39
5.1.3.1. Tipuri de matrlc~e §i metode .df!extragere a factorilor 15. ed15 .53 .44 .34 .40 .37 .59 .36 .61 .67 .47 .13 .57 .15 .15
Aceasta etapa este una pregatitoare. in contextul EFA exista doua tipuri de Coeficienjii .Tngro!?ati sunt semnificalivi la p < .01
rnat(i,Q,i: cea de cor.elatiEL§Lgea de covarianta. A,?a cum Ie spune numele, prima
Tn privinta metodelor de extragere a facto~i.lor exista 0 diversitate de
este 0 forma"stEiridardizata a celei de a doua. Matricea de coreJatii este modalitatea
eel maifrecvent folosita datorita u,?urintei interpretarii relatiilor dintre variabile ,?i a alternative. Probabil, cea mai Tntalnita metoda este analiza factoriala a
saturatiei ,acestora Tn factorii extra,?i. Metoda are ,?i un mic dezavantaj, Tn componentelorprincipale, care este optiunea standan;!}rLSPSS. Alenti~'m";3~erns~,
comp~ratie cu matricea de covarianta, introducand 0 cantitate 5uplimentara de Tnt:e uaceasta analiza ,?i analiza componentelor principale, Tn sensul,' ei .clasic, nu
eroare , ca rezultat al standardizarii. Tn cazul unor date masurate pe scale foarte eXlsta un sern.n-de egalitate. SPSS-ul nu ofera posibilitatea realizarii metodei
di'ferite' ca amplitudine (ex. vit~za de reactie exprimata Tn ms ,?i randamentul ,?colar componentelor principale clasice. Ceea ce face SPSS-ul sub denumirea "prlncipHI
exprimat Tn medie ,?colar~) este binevenita standardiz?rea variabjlelor Tnainte de a
c~m~onent method" nu este altceva decat analiza factqrial~ .. a componentelm
opta pentru matricea de corelatii sau cea de covarianta. in alte cazuri, Tn care totii
pn~§lle .., ~iferenta dintre cele doua este totu~i minima ~i constc'l Tn fnptlll cl
itemii folosesc aceea'?i scala de f!lasurare, nu este necesara standardizarea
?p\lunea din SPSS conduce la 0 standard.L:;::are . suplimentartl dl.lpl'l rollra,
variabilelor. Pentru scala de fata, yom pastra datele brute Tn vederea analizei !iii Introducand 0 sursa suplimentara de ,eroare. Varianta claslc:1'I a 11111111;1'11
yom opia pentru matric.ea de co~elatii; din ratiunile mentionate mai sus. comp?nentelor principale poate fi regasita Tn PRELIS din cadn'I progrMl1llllul
statistiC LlSREL. 0 alta modalitate de-extFagere, intalnlta destul do frecvant, ".tl'l

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

l<:jgtori)§f"p;inci'p'iuL,a'curatetii (obiinerea unui ~odel suficient de~decv~t ~ealit~iii

4 ,834 5,557 69,184
5 ,739 4,925 74,109
existente)
. - 6 ,673 4,485 78,594
. Tn ceea ce ne prive§te, am putea distinge doua categorii de metode: statice 7 .627 4,179 82,772

(a priori) §i dinamice. in prima categorie voi include metode ce utilizeaza criteriide~'"

8 .510 3,398 86,170
9 ,492 3.277 89,447
sele-c.\ie prestabiiite::" 10 ,360 2,401 91,848
11 ,336 2,238 94,086
12 ,298 1,989 96,075
Criteriul procental~lpr9~""~ispersie explicatii 13 ,238 1.588 97,663
Un astfel de caz este criterlU'r'p-rocentajul!:!ide disper!3ie_ explicata (intalnit 14 .206 1.372 99,035
15 .145 ,965 100,000
in special in metoda componentelor principale).-Un cercetator poate_decide in
ExtractIon Method. PnnClpal Component AnalYSIS.
avans 0 anum~t.§~".<~?ntitate de di~persie explicata pe care sa 0 considere a. When components are correlated, sums of squared loadings cannot be.added to obtain a total variance.
satisfa..?_i1toare.-Sa presupuheri(ca el 5e opre~te asupra unui procent de 70%. Tn
aceasta situaiie, el va selecta ataii eigeJlY~9tqri (factori sau componente principale) Figura 5.2. Output-u{ SPSS 11.0 vizand numaru{ de (actori extra§i
cati sunt necesari pentru a explica acest procent. Dezavantajul major al metodei SPSS este 0 marca Tnregistrata.
este dat de caracte,CuLsubie,ctiv alacestor repere a priori. Nimic nu ne opre§te sa
decidem la fel de bine in favoarea unui procent de 60% din dispersie. Mai mult, in Criteriul lui Kaiser
cazul analizei factoriale. multe dintre cercetarile publicate se muliumesc, Tn cazul Un alt criteriu, extrem de popular in selectia factorilor este regula,,1wi
$tiintelor sociale, cu un procentaj de 40%. ~~,~;.~onform acesteia, vor fi selectati un numar de fa~i. .. ~olDunL egali cu
Tn. cazul problemei noastre, extragerea a trei factori comuni, care explica numanjl'(je~igenvalue care sunt mai maridecatunu.Adica var fi relinuti factorii
63% din totalul dispersiei poate fi considerata multumitoare. Rezultatele oferite de care a;:ro pute~~ ~)(plicativa mai mare de;-it 0 singu~a variabila tin~nd' cont ca
SPSS 11.0 sunt prezentate in figura 5.2. ' aceasta este compusa, nu numai din factorLcomun~(,ci §i din factor; ~pecifiGi ~ier~'ri'

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.

Se observa, pornind de la dreapta spre stanga, ca linia Tnceputa Tn dreptul

celui de-al cincisprezecelea factor continua pana la nivelul fac1:orului patru. Primii

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.

Tabelul 5.3. Valorile coeficien\ilor ecua\iei de regresie

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

3 -.3306 .0424 .0003 1.0805 7 -.2580 .0360 -.0039 1.1173 iii 2

4 -.2795 .0364 -.0003 1.0714 8 -.2544 .0373 -.0064 1.1421

Dificultatea metodei este determinata de caracteru,L:.Jne$tetic" al ecuat iei ,

aspect contrabalansat de'acurateiea rezultatelor obtinute. .
Vom calcula in scop demonstrativ, valorile eigenvalue obtinute pnn
intermediul ecualiei pentru primii doi factori. Reamintim ca volumul e~antionului a
fast de 111 profesori (n = 111), scala con\inea 15 itemi (p = 15) 9i ca, prin
conventie A zero este egal cu unu.
, p~ntru primul factor vom avea:
(15-l-iX15 - 1+ 2 )
InA, = .9794 -.2059 * In(111-1)+ .1226 * In . 2 '
Astfel, valoarea eigenvalue extrasa ih cazul primului factor (vezi figura
5.2.) a fost de 5,90, fiind mai mare decat cea oblinuta pe baz~ datelor :andomizate
(1,78). In consecinla, primul factor a trecut pragul de sel~c\l: 91.va fi re\lnut. ,
Similar, putem calcula valoarea eigenvalue ob\lnuta din date randomlzate
2 4
, Numar factori
Figura 5.4. Reprezentarea grafica a ractori/or prin metoda analizei para/ele
In urma aplicariimai multor metode de selec\ie a factorilor, solulia favorita
indica extragerea a trei factori. lntr-un mod similar se procedeaza §i Tn cazurile de
,",- analiza a componentelor principale. Prin utilizarea a doua sau a mai multor
+ .0000 * lnl = .5811 modalitaii de seleclie ce ofera aceea9i so lUlie, cresc semnificativ 9ansele ca
aceasta sa fie 9i solu\ia co recta pentru e9antionul respectiv.
5.1.3.3. Analiza statistica a factorilor extra§i
ComWJ!m~ea , _,,,,,e,' .. ,

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

rez~'tatele sub forma unuigrafic asemanator celui din Figura 5.4.

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:

Tabelul 5.4. Saturatia itemilor Tn cei tre; factor; extra~i

0.804 == (0.837)2 + (-0.311)2 + (0.079)2
Eticheta itemi SATURATIE TN FACTORI Comuna/itate
2 3 Valoarea comuna/itatii se pastreaza :;;i dupa rotire, chiar daca saturatii/e
preferinta obiect (1) ,837 -,311 ,079 ,804 variabilelor IQ..factorii re'Spectivi se vor schimba. Tntr-'un mod similar putem"exphca
chiul* (2) ,707 -,210 ,314 ' ,644 ~i intensitatea eigenvalue, de:;;i, spre deosebire de comunalitate, valorile sale se
alegere examen (3) ,647 -,512 ,154 ,705 modifica In urma rotirii. Daca observam pe verticala, gradul de saturatie a fiecarei
plictiseala* (4) ,686 -,389 ,164 ,649 variabi/e Tntr-un anumit factor yom putea obtine nivelul eigenvalue. De exemplu,
Tnvatare obiect (5) ,664 -,389 ,253 ,656 intensitatea primu/ui factor po ate fi obtinuta dupa formula:
umilinta suferita (6)* ,766 ,237 -,220 ,692
incredere perceputa (7) ,621 -,203 ,061 ,431 5,90= (0.837)2 + (0.707)2 + (0.647)2 + '" + (0.769)2
razbunare (8)* ,760 ,198 -,156 ,642
probleme gastrice (9)* ,775 ,264 -,286 ,752
5.1.3.4. Rotirea factorilor
lipsa incredere dO)* ,514 ,557 -,098 ,584
energie fizica (11) ,109 ,332 ,,61O ,493 Tn urma se/ectarii numarului adecvat de factori yom putea stabili saturaiia
~":--'~'~~" ....-.. . :"":"''''''-''-'-'' .-.
intr-un anumjUC:l.c:t 9r peot[U-"fil'lc:p,Le',iterIL[rLparte. Acest fapt este necesar 'in
.'

transpiralie (12)* ,582 ,401 -,425 ,681

durer; musculare (13)*
stare de rau (14)*
oboseala (15)*
Nota: itemii notal; cu asterix au fost recoda\i invers; Tn paranteze este trecut numarulde
ordine al itemilor in scala
Saturatia
Un a/t 'nivel de analiza este legat de gradu/..£.~,~9Etyg'l~i5LC3;=Y~i!rti?,9i/~L~r In
fiecare factor· retinut. Astfel, se obserVa ca itemul 1 este puternic saturat Tn pnmu!,
factor :;;i mai p~tin incarcat cu factorii doi :;;i tr~i, Tn sch!m~, itemu.1 ii, par: a fl
inf/uentat mai ales de factorul trei :;;i prea putln cu cellaltl facton, DI~ paca~e~
aceast~ solutie initia/a este greu de interpret~t, de cele. mai mu/,~e on. datonta
dualitaiii saturatiilor. De exemplu, itemul 3 este Influentat, In ~!Op~rtll re.latlv e~a/e,
de primii doi factori, iar itemul 12 pare a fi inf/uentat lntr-o masura relatlv ~gala ~e
toti cei trei factorii. Aceasta stare de fapt nu este dorita, deoarece scoptll pnmgg:ll91
al 'ana/IzeiJactoriale este identific'llil9}actorilor extra:;;i. Acest lucru se_ poat~ face
doar dac<i' structura saturatieiJt~l11ilor este simp/a, ceea ce inseamna ca flecare
variabi/a sa fie infl~riJat<'Lp.rE?<:lominant de un singur factor. Numai astfel yom putea
identifica cu c/aritate natura factori/or extra:;;i.
Structura simpH! . _
Pentru a-obtine 0 structura simpla se realizeaza 0 operatie suplimentara de
rotirE,a. factorilor. T~ainte de-;'~~plica pe indelete aceasta operatie, .m~r~ta sa
facem c~t~va precizari suplimentare. CODlldD.,C3/i~~,t~a, pentru fiecare vanabl~a, _nu
este altceva decat suma R.atr.S'ltelor fietar~isaturatii factori,ale. Astfel, daca ~uam
itemul 1, observam c~ suma patrate/or celor trei saturatii este egala cu
comunalitatea pentru itemul respectiv.
,047 ,433 ,590 ,538 interpretarea f~!?tori/or. De fapt, tabe/ul prezentat anterior se constituie, intre
,082 ,504 ,569 ,584 .anumite limite, i~tr~'omatrice a corelatiilor care exista intre fiecare item al scalei :;;i
,769 ,309 -,053 ,690 factorii extra:;;i. Ca in orice proces de corelaiie, cu cat saturatiile.erau mai mari, cu
atat exista 0 legatura rnai puterniC[Tntr.eJactorul respectiv :;;i contil1utul itemului in
cauza. Au fost propuse mai multe praguri valorice ale gradului de saturatie de la
care sa se considere ca 0 anumita variabi/a este Tncarcata in factorul respectiv,
Ce/e mai Tnt§lnite sunt pragurile de .30, .40 :;;i.50 ..Ce 'inseamna aceste praguri
• daca apelam la interpretarea coeficient11or de determinare corespondenti? Luarea
in considerare a unei saturatii de ,3D indica 0 dispersie comuna de numai 9% (.30 2 )
intre factorul incauza §i variabila respectiva. Acceptarea unui prag de .40 indica
selectarea acelor itemi, ale caror dispersii sunt in prop0rtie de 16% influentate de
factorul in cauza. Tn sfar:;;it, acceptarea unui prag de .50 ca limita pentru Cl
considera ca un item este saturat in factorul'respectiv, indica 0 dispersie comuna
de 25%. Desigur, aceste valori de corelatie sunt dependente de~.'I0lumul
e:;;antiQllului, deoarece 0 data cu cre§terea acestuia Yom obtine va/ori tot mai mici
ale coeficientului de corelatie. fn aceste conditii, autori precum Hair et al. (1998)
propun cateva pra'gurlde ~cceptat, care sa ofere 0 putere statistica de .80, Tn
conditii/e unui p < .05. Astfel, Tn cazul a 100 de subiecti, pragul minim de la care
putem spune ca un factor inf/uenteaza 0 anumita variabila este.;.".~§, Tn timp ce un
prag de ,30 este suficient pentru un volum al e~antionului de cel putin 350 subiecti.
De retinut ca aceste valori nu trebuie interpretate 'in termeni absolutL Astfe/, nu
putem spune ca un item nu este inf/uentat de uri anumit factor, daca saturatia sa
este de .53, la un e:;;antion cu 100 de persoane. Tn schimb, putem aprecia ca 0
saturatie de .33 nu merita a fi luata In calcul, de:;;i aceea~i valoare ar fj fost mai
relevanta pentru un e§antion de 400 de persoane.
Analizati dinamica saturatiilor din tabelul qnterior pentru cei 111 profesori
evaluati. Se observa ca cei mai multiitemi sunt incarcati in primul factor (ex. toti
itemii, cu excepiia 11, 13 :;;i14). Acest rezultat este normal pentru 0 solut ie nerotita.

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
mai u§or interprel§bile_§i vo~ avea 0 semnifica~ie ps~o~ogica,__.!:eala. Aceasta
structura simpla duce la ob~inerea unor saturSlWridicate Intr-un singuc.Jactor~i_
redusa In -~~Walti. De asemenea, numarul de item! saturati In primul factor va
scact-e';3 reechilibrand Intr-o anumita masura, modul in Gare fiecare factor extras
contrib~ie la explica:ea dispersiei. Vom selecta patru din' itemii care par a fi
incarcati In mai mult decat lin singur factor.
Tabelul 5.5. Itemi cu structura factoriala complexa
1991). In cadrul TotiriloL9fto~r(malEl,factorii sunt constran§i sa ramana necorelati,
adica sa formeze un ~,!lghi de 90°. Figura 5.5 prezinta 0 astfel de rotire, -i~ ca~e
ambii factori sunt redireciionati spre dreapta cu aproximativ 40°. Acest fapt meniine
unghiul drept dintre cei doi factori.
In schimb, rotirile"",Q_bJice.,_presupun redirectionarea factorilor cu intensitati
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
exfra~i-coreleaza intre ei, nefiind independenii unul de c~lalalt. Figura 5.6 prezinta .
grafic diferenia dintre cele doua modalitaiide rotire.

alegere examen (3) ,,647 -,512

plictiseala* (4) ,686 -,389 ROTATIE ORTOGONALA ROTATlE OBLICA
!ipsa fncredere (10)* ,514 ,557
transpira\ie (12)* ,582 ,401

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:lII
llm
llllll
lll
~IIIIIIIIIIIII~1111111111111~1111111II1II,11111111111II1I1II1II11II1I1'1II1II11II1II,IIII1I1I11I1IJIIIIIL11111111111111111111111111.11111111111

ide~tice ~a v§i<:J~i.O~t~riute in_9i3drul r:otatiilor ortogonale, caz in care SPSS-ul ofera

pot suferiatat Tn plan somatic (ex. "Dupa ora de X ma simtobosit".), cat §i Tn plan
o sl~gura matnce (In engleza "rotated component matrix" sau "rotated factor
educational (ex. "Daca a§ avea posibilitatea, a§ chiuli de la. ora de X".). Aceste matnx").
efecte se pot Tntrepatrunde, fiind probabiJa existen~a unei corelaiii Tntre cele doua
seturi de efecte. Lucrurile ar fi stat diferit, daca ne-am fi propus s~ realizam 0 proba Matricea structurii factoriale ~i matricea modelului factorial
de evaluare a flexibilitatii §i am fi dorit sa pastram cativa itemi lntr-o subscala de
minciuna. Informatiile teoreticein domeniu nu specifica existenta vreunei relatii
.' ~atr!cea s~ructurikfactoriale contine corelatiile olJi§nuite(ge ordinul zero)
intre flexibilitate §i scala de minciuna. Tn aceste conditii, s-ar fi impus utilizarea unei
dlntre vanabllelepqginale§iJactoriirotiti. Cu cat 0 corelatie este mai mare cU'a-tat
rotiriortogonale pentru a ob~ine 0 structuro3 cat mai simpla.
variabila respectiva e5te mai strans legato3 de factorul re'spectiv. Tn situatii' Tn care
Dincolo de aceasta distinCiie esentiala, putem identifica mai multe
factorii sunt corelati Tntre ei, valoarea corelatiei dintre ~n item §i un anu~it factor
modalita.ti de rotire a factoriJor (Garson, 2000; Field, 2000).
:ste ~ediata (in:luentata) de relatia dintre ceilalti factori extra§i §i itemul respectiv.
(Vaiimax
In ..schlmb: matncea. modelului factorial contiD~,J?9D.qer~rL(Tn engleza "weights")
sCtt3'"acest nume se gase§te cea mai utiJizata rotire factQrialade tip
utl"z~~e .In determmarea scor,lJlyL )ac~or~al. Acestea sunt corespon.gentul
ortogonal. Ea l§i propune sa minimizeze numarul devariaqile .care au 0 saturatie
coeflclentiloL~~§ndardizati beta din ecuatia de regresie. Ponderarile indica influenta
crescuta Jntr-un anumit factor. Aceasta' Cluee aparentl~T~'p~rti';ea itemiJor: 0 parte
"pura" a unui factor asupra variabilei respective, eliminand influenta c~i~rl~iti
avand saturatii crescute Tn acel factor, 'iar cealalta parte, 0 saturatie scazuta.
facti5f'r~"'cu alte cuvinte, ponder~rJie'jndica val~rile coeficientilord~~~relati~
Aceasta rotire este recomandata in toate situa~iile Tn care decidem sa rotim
semiPcar.\iaJa in. situatii de standardizare a datelor. Cele doua' mat~ici au val~ri
ortogonal factorii §i reprezinta optiunea standard In SPSS.
similare}n. conditiile Tn care factorii extr;~iqUGoreleaza Tntre ei.Lip~a corelatiei
,Quartimax . \
E;iteo rotire o!1ogonCllaaltemativa. Ea l§i propune sa minimizeze numarul
dintre factori este tipica cazurilor in care factoriale obtinute nu\au fost rotite soTlitiile
sau au suferit rotiri de tip Qx1:.o.g().nal. Din pacate, asemanarile dint;~ ele creeaza
de factori nec6!?ari'pentru a explica fiecare variabila. Tehnica este mai putin folosita
deoa;ce tinde sa determine majoritafeavaria'bilelor sa fie saturate intr~un singur
confuzii p~ntru unii cercetatori, matricea modelului factorial fiind interpretata gre§it,
ca 0 matnce de corelatii dintre variabilele §i factorii extra§i (Pedhazur §i Schmelkin
factor. Totu§i, Tn situatiile In care teoria afirma existen~a unui factor general unitar
1991; Kline, 1993). '
(precum factorul 9 din domeniul inteligentei) este recomandata aceasta rotire.
In cazul rotirilo.Loblice,. SPSS-ul ofera, complementar, 0 matrice de corelatii
Qirel?t oblimin !ntre factoriieJ:<1ra§i, pentru' a'sesiza structura §i intensitatea relatiiJor dintre ace§ti~.·
Aceasta este 0 rotire oblica fle)(ipila, deoarece permite factorilor sa
In c~zul efectelor psihologice, educationale §i' somatice din cazul prezentat
corelez~a intensitati variate, prin modlflcarea valorii lor delta. Tn SPSS, delta este
antenor, SPSS-ul ofera urmatoarea matrice de corelatii intre factori:
prestabili(la valoarea' zero, ceea ce lnseamno3 ca nu-pE;r;;ite corelatii ridicate lntre
factori. 0 astfel de valoare duce frecvent la valori absolute ale coeficient ilor de
corelaiie intre factori cuprinse intre 0 §i .50. Delta poate fi modificat intre valorile .:... Component Correlation Matrix
0.8 §i 0.8. Valorile pozitive permit corelatii ridicate intre factori, fiind posibile §i
Component 1 2 3
valori ale coeficientilor de corelatie de .80. Similar, valorile delta negative permit 1 1 ;000
corelat ii foarte mici, coeficientii de corelatie fiind inferiori celor obtinuti daca 2 ,404 1,000
pastram delta egal cu zero~ Desigur ca valoarea delta va. fi stabilita tot din ratiuni 3 ,010 ,110 1,000
teoretice. Totu§i, pentru cele mai multe situatii, valoarea standard (delta = 0) poate 0

Valoarea ingrosata este semnificativa statistic la p < .001

fi pastrata. Aceasta rotire este cunoscuto3 §i sub numele de rotire directa quartimin,
fiind cea mai lntalnita rotire din categoria celor oblice. Figura 5.7. Output SPSS cu matricea core/atiilor dintre ractori
€!omax SPSS este 0 marcii Tnregistrata.
Tn 'fine, 'Promax este 0 alta procedura de rotire oblica, mai putin utilizata
datorita pretarii sale mai ales la e§antioane foarte mari ·'d·~'s~-biecti. To~te aceste Tn figura 5.8 sunt prezentate matricile de baza oferite de SPSS. Tn cele
tipuri de rotiri sunt prezente §i intre optiunile SPSS: "-'0 "- ' doua se observa 0 asemanare in structura dupa rotirea oblica a celor trei factori
Rezultatele obtinute In urma rotirii factorilor sunt structurate In doua matrici extr~§i. Matricea modelului factorial indica 0 grupare a itemilor 1, 2, 3, 4, 5 §i 7
finale: matricea str.u~turii factoriale(T~ . SPSS': structure'm~trix) §i matricea dupa primul factor, a itemilor 6, 8, 9, 10, 12 §i 15 dupa al doilea factor, respectiv a
mod.§Jului fac:tor~I' (in SPSS: factor matrix). De remarcatca aceste matrici sunt

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
. respective este influentata Tn proportie de 80,4~. ~e.. a~tiunea. fact~ri~or co~uni ~i
doar un procent de 19,6% se datoreaza unlcltatll ItemulUl, adlca eronlor de
masurare ~i factorilor specifici. 0 valoare a comunalitatii ,.§.y.!2...:~?9In~ica.!apt~1 ca
itemul respectiv este.. influentat Tn mai mare masura de aspecte unlce, ?ecat d~
actiunea factorilor comuni extra~L Totu~i, 0 variabila care are 0 comunalltate mal
redusa (ex . .40) poate fi pastrata In scala, daca este Incarcata Tntr-un .si~g~r factor
comun ~i ajuta la definirea acestuia. Aceasta regula nu se apl,lca In cazul
comunalitatilor foarte scazute (c < .30). ,
Ratiunile acestei decizii pot fi intelese u~or prin urmatoarea demonstratie.
Fie 0 scala'cu doi factori, in care doi itemi au, ambii, 0 comunalitate de .40 ~i grade
diferite de saturatie dupa 0 rotire ortogonala.
In cazul primului item, ·5e observa clar saturatia .In primul factor (.62) ~i
lipsa corelatiei dintre item ~i factorul al doi/ea. Intr-o astfel d~ :ituatie, Tn ciuda ~nei
comunalitati relativ scazute, putem pastra variabi/a respectlva deoarece ofera un
bun ajutor Tn definirea primului factor. Tn schimb, in al doilea caz.am pute~ ex~lude
sau inlocui cel de-al doilea item deoarece, pe IE'mga comunalltatea scazuta, nu
afera nici claritate In interpretarea factorilor datorita saturaiiilor. egale Tn cei doi
factori (ex. 45, respectiv .44). Acest criteriu al claritatii interpretarii factori~o: poate
sta la baza eliminarii sau modificarii itemilor care, de~i au un grad ndlcat de
comunalitate, nu ajuta la interpretarea factorilor: . diferentia Intre' efectele psihologice ~i cele somatice, adica pentru a
Aceste valori discutat.eale camunalitatilor sunt valabile pentru .§lnallza
compofle'nteIOr'p'i'lncipale, sub forma ei clas~ca sau Tn cad~~1 an~lizei factoriale -.~
componentelor principale oferita de SPSS. In cazul alegem unel alt~ lJJeto~~~_9~--.
extractie afactorilor, yom obtine comunalitati maimici, de aceea pot fl acceptate ~I
valori 'mai reduse (ex. c = '.20, In cazul anaHzei factoriale a axelor principale).
Aceasta sit~;ti(t se explica prin apelul la teorie. In cazul analizei comp~f1E?nJg!p~
principale, prin comunalitate se intelege dispersia explicata c.e~ i~clude a~at fact~n
comiJ'ni, cat ~i factori specifici. Sensul traditional al comunalltaill. se regase~te I~
analiza factoriala exploratorie. Aici, prin comunalitate se Tnteleg e ~nfluenta c0n:.u~~
asupra dispersiei datelor exercitata de aciiunea simultana a factor~lor c~munl g:sl\1.
Prin urmare, factorjU3.PE?cifici sunt exclu~i din coml!!l~!~~§lte, formand, Impreuna cu
erorile de masurare, unicitatea dispersiei.
---Un altmotiv de Inloeuire a unor itemi din scala este dat de aparitia unor
factori care in prealabil, n-u~era·u-·d6fiti. Acest rezultat este dependent in mare
masura ~i de contlnLJtlJ"lite~rlor introdu'~i in analiza. In exemplul nostru,. !nteniia a
fast de a construi 0 scala care sa evidentieze efectele comportamentL1IU1 Inade~vat
al cadrelor didactice asupra elevilor. Itemii 11, 13 ~i 14, care au constituit al tre!l:a
factor - "efecte somatice generale" -, nu pot fi inclu~i Tn aceasta categone,
deoarece nu coreleaza cu modul de comportare a dascalilor. Itemii tin mai degraba
162
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
de starea generala de sanatate a elevului ~i de particularitatile ~colarizarii in
general. Tn consecinta, un studiu ulterior poateconduce la eliminarea acestor itemi,
in conditiile in care dorim sa ne concentram pe efectele declan~ate de un anumit
cadru didactic.
Reversul paragrafului precedent consta in neaf)aritia unor factori care erau
a~teptati In prealabil. In caml de fata, ne a~teptam sa=;;-6finem 0 diferentiere mai
clara Tntre-efedele psihologice ~i cele somatice. Tn schimb, acestea au corelat
puternic intre ele, conducand la extragerea unui singur factor. Tn astfel de situatii,
se recomanda introducerea unor itemi s,,!;!E,l~I]_~Dt?ri Tn cercetarile ulterioare pentru
a ameliora instrumentul demasurare. Criteriul de selectie utilizat Tn introducerea
acestor'it~mifi~; de t;starea structurii unilaterale s~u bifactoriale a itemilor
respectivi. Astfel, Yom pure a introduce doi itemi suplimentari, unul care face
trimitere la efecte Tn plan somatic (ex. "In timpul orelor de X ma apuca durerile de
(1) .40 = (.62)2 + (-.12)2 cap."), iar a/tul care se refera la efecte in plan psihologic (ex. "Ma simt descurajat
(2) .40 = (.45)2 + (.44)2 . sa-mi exprim punctele de vedere in timpul orei de X."). Tn masura Tn care
introducerea acestor itemi nu' va diferen~ia intre efectele psihologice ~i cele
somatice, am putea conchide ca 0 structura comuna este mai potrivita Tn acest
caz. 0 regula uzuaJ.?-,.specifica precizeaza necesitatea existentei a celyutin trei
item', pentrul:,ecarefactor extras.
in concluzie, un studiu explorator ulterior poate urmari ameliorarea scalei
de masurare a efectelor nedorite prin introducerea urmatoarelor modificari:
(1) eliminarea itemilor 11, 13 ~i 14 care nu fac referire la efectele declan~ate
de conduita unui anumit dasca/, ci masoara 0 stare somatica generala;
, (2) introducerea a doi itemi suplimentari pentru a vedea In ce masura se poate
determina cat de adecvata este extragerea unui singur factor pentru cele
a . doua tipuri de efecte:
5.1.3.7. Aspecte metodologice complementare
Tn analiza fadoriala merita sa fie trecute Tn revista cateva aspecte care
influenteaza rezultatele ..demersuluLstatistic... Principalele probleme ce trebuie
discut~te ~~-~~feri"i~ ~~Iumu/ ~i caracteristicile e~antionu/ui, /a selectarea variabi-
-
lelor manifeste
.
dintr-un doniE"-filu~i lac6nditii
'. , -.'
complementare Tn analiza factoriala.
Volumul $i caracteristicile e$antionului
Analiza factoriala este 0 tehnica pretentioasa Tn ceea ce prive~te numarul
de subiecti n;Cesari.'Minimul acceptat pentru 0 astfel de analiza este de 1'1)0 de"
subiecti, ¥;;s~este preferabila utilizarea unor e~antioane de pest~",-?:Q9d~ subiectf.
Tn plus, volumul e$antionului este dependent de numaruL<;le ..variabile supuse
analizei. Se recomanda ca raportul numar de subiec~i per numar de varia bile sa fif')
eel putin egaJ cucinci. AstfeJ, pentru 0 scala cu 30 de itemi, ar fi de dorit un minim
de 150 de subiecti.:-Acest raport nu trebuie Insa interpretat Tn mod rigid pentru
cazurile in care voiumul e~antionului devine destul de mare. Astfel, putem efectua
163
 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.

Selectarea variabilelt;u:_supuse analizei factoriale

Asumptii complementare ale analizei factoriale exploratorii
Teoria analizei factoriale stipul,eaza selectarea unui g~~PJepre.zentativ de
Tn aceasta c~:aegorle vom prezenta cateva metode de testare a masurii Tn
variabile pentru domeniul de interes. Selectarea unor variabile care nu fac parte din
care este potrivita utifizarea analizei factoriale.
domeniul respectiv se soldeaza cu obtinerea unor fagtori neCi§teptali sau irelevanti.
Cei trei itemi din scala prezentata pe intreg parcursul acestui capitol pot fi inclu~i in
o prima asump\ie prive~te multicolla.la(itatf!? va,riabilelor manifeste. Pentru
a efectua 0 analiza factoriala semnificativa ar fi bine ca asocierile dintre varia bile sa
aceasta categorie, deoarece ei nu se refera la domeniul efectelor prod use de
nu_JieJ9_§rt~ lDari (ex. r > .90), deoarece exista riscul de a masui-~ acela~i lucru.'
comportarnentul unui anumit cadru didactic Tn particular. De asemenea. selectarea
SPSS-ul ofera posibilitatea de a calcula determinantul matricei de corela\ii-Yncadrul

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.· ,«

8. Fe\e .152 .235 :309 .3j9 .376 .337 .393 ....

factori primari. .. \':,:,"
9. Citire in oglinda .232 .307 .364 .213 .276 .271 .431 .489 1, ....

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 ..;....~. .. '"""'~' :<-."... " , • <:,,~

tes.tarea,iP?tezelo[ pentru a stabili~Gmarul deJactpri Tn c§reP9Uireduse: datele.

BineTnteles c~ pentru a putea testa aceste ipoteze, cercetatorul trebuie saaiba 5.2.1. Specificarea modelelor concurente
anumite informatii legate de numarul de factori care tret.Juie, extr,a§i, de aceea
analiza factoriala confirmatorie apare ca 0 faza ulte[iqara llnl1i demers descriptiv, Primul pas Tntr-o analiza factoriala de acest tip implica specificarea
de tip exploratoriu, structl.[tL9L factoriale ce urmeaza a fi t§?~ate. Ele se aleg pe baza informaflli6r din
Problema care va Tnsoti explicatiile analizei factoriale cCinfirmatorii prive§te literatura de -specialitate. Spre exemplu, In cazul scale; BIS-BAS vor fi sp~cificate
testarea numarul de factori prezenti in scala BIS-BAS, dezvoltata de Carver §i trei' asemenea modele: scala BIS-BAS cu doi factori, scala BIS-BAS cu patru
White (1994), privind sistemele comportamentale activator §i inhibitor. Pentru cei fadori necorelati §i scala BIS-BAS cu patru factori, dintre care cei trei referitori la
mai putini familiarizati cu aceste constructe, sistemele respective sunt mecanisme sistemul comportamental activator sunt corelati.
neuropsihologice care diferentiaza indivizii Tn privinta orientarii lor comportamentale Se obi§nuie§te ca cel putin unul dintre modelele specificate sa fie
predominante, fie spre recompensa §i cautarea placerii (BAS), fie spre pedeapsa §i reprezentat grafic Tntr-o forma tipica analizei factoriale confirmatorii. Figura 5.10
evitarea suferintei (BIS). contine 0 asemenea reprezentare grafica, obtinuta prin AMOS (2001), pentru
modelul unei scale BIS-BAS cu patru factori, dintre care cei trei, referitori la BAS,
Scala BIS-BAS contine 20 de itemi ~i a fost conceputa pentru a surprinde atat coreleaza Tntre ei. Un alt software, utilizat frecvent pentru a realiza analize
sensibilitatea persoanelor la recompensa - BAS, cat ~i sensibili!atea persoanelor la factoriale confirmatorii este L1SREL (Joreskog §i Sorbom, 1989).
pedeapsa - BIS. in urma unei analize factoriale exploratorii, cei doi autori ai probei identifica Imaginea poate fi citita u§or. Spre exemplu, se a§teapta ca primii §apte
patru factori primari: BIS (slstemul comportamental inhibitor), BAS-R (sistemul itemi ai scalei sa fie saturati Tn factorul latent BIS. Mai mUlt, prin absenta sagetilor
comportamental activator - sensibilitatea la recompensa), BAS-D (sistemul comportamental care sa lege celelalte variabile latente de primii §apte itemi, se stipuleaza absenta
activator - tendinte impulsive) ~i BAS-FS (sistemul comportamental activator - cautarea saturatiei itemilor respectivi Tn cei trei factori BAS, Similar, modelul prezice ca ite~ii
placerii). Dintre cei patru factori extra~i, ultimii trei coreleaza intre ei, probabil datorita unui 8-12 vor fi saturati doar Tn factorul BAS - recompensa, ca itemii 13-16 vor fi
factor secundar, denumit BAS. Totu~i, alti autori au obtinut structuri factoriale diferite. De atributele mariifeste pentru masurarea factorului BAS - impulsivitate, 7n timp ce
pilda, Jorm ~i colaboratorii (1999), tot Tn urma unei analize factoriale exploratorii, ajung la itemii 17-20 vor exprima doar factorul BAS - cautarea placerii.
conciuzia ca 0 solutie cu doi factori - BIS ~i BAS - este la fel de buna ca solutia cu patru De asemenea, se observa nota rea diferita a variabilelot:.manifesteadica a
factori gasita de 'Carver ~i White Tn 19,94. Pentru a com plica lucrurile, Ross, Millis, date lor observate Tn realitate,. fata de cea a variabilelorJatente, adi~~ a fac~orilor ce
Bonebright9i Bailley (2002), Tn urma unei analize factoriale ,confirmatorii, gasesc 0 alta stau Tn spatele covarigDteiitemilor:Astfel, variabilele manifeste sunt reprezentate
soluiie adecvatit Rezultatele obtinute de ace~tia sprijina ideea unei solutii cu patru factori grafic sub forma unui dreQtunghi; rezultand Tn cazul exemplului dat douazeci de
Tnsa spre deosebire de prima solutie, totii factorii sunt independenti, adica nu coreleaza Tntre dreptunghiuri, cate unul pentru fiecare item al testului. Tn schimb, variabilele latente
ei. Care dintre soluti.i pare cea mai potrivita? sunt simbolizate grafic sub forma unui oval, "cate unul pentru fiecare factor
an!icipat""Astfel, un model BIS-BAS cu patru .facto ri , ca cel de fata,'
va avea patru

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. '

5.2.2. IdentifiS.§Irea modelelor

Prin analiza factoriala confirmatorie se urmare§teestimarea saturatiilor
itemilor Tn iq,gtorii respe(;tivi, iar pe baza acestora, sa se raspunda la T;:;t~~bare~: in
ce m~sura satura\iiler,E';spective sunt conforme cu modeILJL~pecificat? De exemplu,
este Itemul 5, saturat In factorul' BIS ~i nesaturat In''ceilal\i factori, a~a cum era
specificat Tn model? Pentru a estima ace~ti parametri, analiza factoriala
confirmatorie apeleaza la un set de ecuatii structurale (Baer, 2000).
'1N. _',~

Figura 5.10. Reprezentarea grafica a mode/ului BIS-BAS cu patru factor! in AMOS.

Scalele BAS coreleazii Tntre ele I e
SPSS este 0 marca inregistrata. Figura 5.11. Modalitii(i minimale de reprezentare grafieli pentru soluW identificabile

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.

Pe baza tuturor aeestor indicatori putem eoncluziona ea modelul factorial

Tabelul 5.7. Valorile principalilor indicatori ,de compara\ie pentru cele trei modele testate
adecvat pentru' a deserie seal a BIS-BAS pe e§antionul de 345 studenti romani este
Modelul testat NFl RFI IFI CFI eel de-al treilea, reprezentat grafie in figura 5.10. '
Doi factori necorela\i .48 .42 .53 .53 Prezentarea rezultatelor se poate face, fie sub forma grafiea, fie sub forma
Patru factori necorela\i .75 .73 .84 .83 tabelara. Deosebirea dintre analiza factoriala exploratorie §i eea eonfirmatorie este
Patru factori (scalEHe BAS coreleaza) .80 .77 .87 .87 ea In ultimul eaz se ealeuleaza saturarile doar In factorii antieipati. De exemplu, se

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.

Tabelul 5.9. Matricea modelului factorial BIS-BAS §i

a corelaliilor inter-factori Covariances: M.l. Par Change Regression Weights: M.l. Par Change
Item BIS BAS-R BAS-D BAS-F
01. .50
02 .58 e15 <--> e16 23,011 0,105 bis15 <-- bis17 14,609 0,148
03 .60 <--> bas-f 17,644 -0,070 bisl] <-- bis19 15,390 -0,122
e13
04 .56
05 .30 e13 <--> e14 14,304 0,048 bis13 <-- bis17 15,572 -0,112
06 .33
e08 <--> e09 16,lQ5 0,036 bisOl <-- bis08 13,992 0,334
07 .23
08 .48 Variances: M.L Par Change
09 .46
10 .72
11 .63 Figura 5.15. Output-ul oferit de AMqS cu valorile indicilor modificarii mai mari de 13,83
.38 12 .58
13 .75 SPSS este 0 marca inregistr<;lta .
14 .82
.32
15 .62 Dintre cele opt propuneri de modificare observam ca nu exista nlcl una
16 .72 care sa aiba 0 importania teoretica, majoritatea aspectelor privind corelalii Tntre
.21 17 .62
18 .77 erori. Singura modificare care ar fi putut avea Joc ar fi fost eJiminarea itemului 7 din
19 .85 scala, datorita unei saturaiii mai reduse in BIS, sub vaJoarea recomandata de .30,
20 .39 dar indicatoruJ de modificare in urma renuniarii la aceasta relaiie este insignifiant,
BAS-R fiind chiar mai mic decat 3. 0 asemenea vaJoare nu conduce decatla modificari
BAS-D .38
BAS-F .32 .21 minuscule in evoluiia principalilor indicatori, a§a cum reiese din tabelul 5.10.
Figura 5.14. Structura factoriala BIS-BAS
Tabelul 5.10. Evolulia comparativa a principalilor indicatori de teslare a modelelor

5.2.4. Modificarea modelului -=_. . _.-_._. . . . .

La fel ca Tn cazul analizei factoriale exploratorii, §I In cazul celei
Modelul testa!
SIS-BAS palru factori -
19 itemi
X2
349.7
df
149
GFI
.90
AGFI.
.88
RMSEA
.063 [.054 - .071]
NFl
.80
PNFI
.69

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'





1



111

11111111111'.1111_1111'
_ 111111.111
IIIUIIIIIIWIII~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
Oiferentieri Tntre cele doua tipuri de regresie, Tn scop predictiv, respectiv Tn
scop explicativ, apar ~i la nivel terminologic. Tn cazul ultimei, se pot folosi termenii
de variabila independenta ~i variabila dependenta, iar 'in cazul primului tip, se
folosesc sintagmele predictor ~i criteriu. Aceasta diferentiere terminologica are la
baza logica metodologica folosita Tn cazul celor doua tipuri de regresie. Astfel,
regresia Tn scop explicativ urmare~te sa vada dacaun anumit factor influenteaza
evolutia variabilei dependente, prin controlarea influentei exercitate de' alte
varia bile incluse Tn model. Oaca prin controlarea acestor influente variabila
(variabilele) independenta( e) de interes contribuie semnificativ la evolutia' criteriului
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
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
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
toate ca nu este exclusa posibilitatea existentei unei relatii cauzale Tntre predictori
~i criteriu, nu acest lucru constituie interesul principal al analizei de regresie. A~a
cum Ii spune ~i numele, utilizarea regresiei Tn scop predictiv urmare~te gasirea
unei ecuatii care sa estimeze cel mai bine evolutia criteriuluLConcret, daca criteriul
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.
De exemplu, includerea prefei"intei pentru culoarea neagra, scaderea apetitului
sexual etc., nu sunt cauze ale depresiei, dar Tmpreuna cu alti asemenea indicatori
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
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
obiectivele cercetarii vizeaza atat aspecte estimative, cat ~i explicative.
o alta diferentiere terminologica importanta este Tntre regresie liniara
simpla ~i regresie multiliniara. Tn primul caz, vorbim de 0 regresie bazata pe un
singur predictor, de exemplu estimarea reu~itei ~colare pe baza coeficientului de
inteligenta. Regresia multiliniara include mai multi predictori Tn ecuatie, precum
nivelul de inteligenta, motivatia ~colara, nivelul de educatie al parintilor, pentru a
putea estima mai bine reu~ita ~colara. 0 alta denumire a regresiei multiliniare este
regresia liniara .multipla. Cu siguranta ca modelele multiliniare vor prezice
Tntotdeauna mai bine decat mod~lele simple, care pornesc de la un singur
predictor. Ideea este intuita ~i in astrologie, unde pentru a prezice stilul de
personalitate al unei persoane este necesar ca "specialistul" sa cunoasca mai multi
predictori: ziua de na~tere, ora la care s-a nascut, anul na~terii etc.
Tn continuare, pentru a putea Tntelege mai bine modul de functionai-ea
. ' ,
regresiei, yom explica mai intai regresia liniara simpla, bazata pe un singur
186
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
pre.dict~r, nu ihain~te ~e ~ preciza 0 informatie capitala: regresia Iiniara poate fi
aplicat~ ~doar ?a.ca cntenul (variabila dependenta) a fost masurat printr-o scala
numerlca (de tlp mterval sau prop0rtii) ~i daca relatia dintre predictori ~i criteriu este
linia:a .. Pentru alt gen ~ de ~cale exista alte tipuri de regresie precum, cea logistica
(vanablla. d:pend:nt.a . dlhotomica, de gen "Oa" sau "Nu"), cea logistica
multmomlnala (vanablla dependenta este masurata prin scala nominala alta decat
cea ~de tip .dih~tomic), sau cea ordinala (variabila dependenta este m~surata prin
scala ordlnala, de genul raspunsurilor Tn patru trepte: "nesatisfacator"
"satisfacator", "bine" sau "foarte bine"). '
6.1. Regresia liniara simpla
6.1.1. Principii ale regresiei Hniare
Imaginati-va ca sunteti un proaspat absolvent de psihologie ajuns sa
lucreze in departamentul de re$urse umane din cadrul unei mari companii. Tn
aceasta calitate, sunteti pus sa selectati dintre mai multi candidati pe cei care vi se
par mai potriviti pentru a lucra in departamentul vanzari, in prima' linie a contactului
direct cu potentialii clienti. Care dintre candidati este mai potrivit pentru a fi
angajat? Pentru a raspunde la intrebare yom prezenta trei alternative posibile.
?ituatia I. Ati facut un curs introductiv de statistica, dar nu v-a placut.
In acest caz, cel mai probabil, Yeti aborda intuitiv situatia "ghicind"
performanta candidatilor pe baza unui set de intrebari sau indicatori ga~diti ad-hoc
fara prea mare succes. ' ,
Situatia II. Ati facut un curs serios, dar introductiv de statistica, fara a
include regresia.
Tntr-o asemenea situatie, Yeti putea estima ceva mai corect performantele
viitoare ale candidatilor pomind de la proprietatile distributiei normale a dat~lor.
Oaca performanta era exprimata in volumul vanzarilor dintr-o luna, am putea
estima ca aproximativ 68% din candidaii vor obtine performante Tn jurul mediei
(intr-un interval situat la 0 abatere standard distania de 0 parte i?i'de alta a mediei)
(vezi sectiunea 2.6.2. Proprieta(ile unei distribu(ii norma/e din cadrul capitolului I).
Situatia III. Ati facut un curs serios df! statistica §i intuiti ca regresia poate fi
so/uria corecta.
Tntr-adevar, prin. regresie se pot estima rezultatele viitoare ale unor
persoane pe baza unor indicatori din prezent. A~a cum pe baza coeficientului de
inteligenta se poate prevedea intr-o anumita masura evolutia ~colara a elevilor f?i In
cazul vanzarilor, se poate prevedea performanta pe baza unor indicatori care au
' legatura cu acest aspect. Totul porne~te de la existenta unei asocieri Tntre
indicatorul utilizat pentru a estima performanta viitoare ~i 'criteriul ales pentrua
masura aceasta performanta. De exemplu, daca exista 0 corelaiie pozitiva intre
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

Din nefericire, situatia prezentata in figura 6.2 nu este reala, deoarece, Tn

extravertire ~i performanta din vanzari (figura 6.1.), se poate estima ca persoanele
practica, nu se obiin coeficienti de corelatie de +1 sau-1. De aceea, prin regresie
cu un nivel ridicat de extroversiune tind sa obtina performante superioare Tn
se urmarei?te gasirea ace lei linii care sa conduca la 0 estimare cat· mai co recta a
v~nzari, fiind mai potrivite sa ocupe asemenea pozitii decat persoanele introvertite.
rezultatelor. Cu alte cuvinte, se dorei?te gasirea acelei linii de regresie care sa
.l'l reproduca cel mai bine directia de evolutie a norului de puncte .
<U
() *
'6
·c *
Q) Q)

* ~ ~
·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

Pe baza ecuaiiei de regresie se estimeaza rezultate u~or diferite decat

Pe baza imaginilor anterioare se poate observa mai bine cum se reprezinta cele constatate. De exemplu, primul subiect a realizat vanzari lunare de 1500 de
grafic Iinia de regresie pe baza ecuatiei obtinute. De exemplu, in imagi~ea din EURO, Tn condiiiile Tn care se estimau, pe baza ecuaiiei de regresie, vanzari lunare
stanga, punctul de interseciie a liniei de regresie cu ordonata este sltuat la Tn valoare de 1619 EURO. Parametrii ecuaiiei de regresie se stabilesc, astfel Tncat
valoarea de bO = 2,50, Tn timp ce Tn dreapta el ia valoarea 8 (bO = 8). Ele suma patratului diferenielor dintre valorile Y observate ~i cele estimate sa ia
reprezinta estimarile lui Y, in situatia Tn care X ia valoarea O. Transpunand Tn cazul valoarea cea mai mica (ultima coloana din tabel).· De exemplu, daca am fi schimbat
concret al vanzarilor, daca pe abscisa 'este trecut numarul de itemi vizand ecuaiia de regresie Tn Y = 1050 + 150X, suma patratelor diferenielor ar fi fost mai
extrovertirea, iar pe ordonata este trecut numarul de ma~ini vandute, din imaginea mare, mai exact 130.400. Prin urmare, Tn cazul de faia valorile bO de 1031 ~i b1 de
din stanga am putea estima ca 0 persoana care a obiinut scorul zero la extravertire 147 sunt oferite de catre programele statistice pentru ca duc la cea mai mica suma
va reu:;;i sa vanda pe luna 2,5 ma~ini' (y = 2,5 + 0,5*0), iar 0 persoana care a a patratelor diferenielor dintre cele doua seturi de date (valorile observate ~i
obiinut scorul trei la extravertire va reu~i sa vanda 4 ma~ini pe luna (y = 2,5 + valorile estimate). eu alte cuvinte, parametrii ecuaiiei de regresie rezultati asigura
0,5*3). . . ' soluiia cea mai apropiata de rezultatele reale observate. .
De asemenea, se observa din cele'doua imagini ca panta dreptel este mal Pentru a decide daca 0 ecuaiie de regresie descrie bine setul de date, spre
abrupta in cazul imaginii din dreapta, deoarece valoarea b1 = -1,50 este mai mare a putea fi folosita Tn scop predictiv, trebuie sa decidem cat de mare poate fi

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
evolutiei criteriului
Tn cazul unei regresii liniare simple, daca F a fost semnificativ statistic
Tnseamna ca predictorul inclus, in' situatia .de fata nivelul de extravertire, poate fi
utilizat in estimarea performantelor din domeniul vanzarilor. Tn schimb, in cazul
unei regresii multiliniare, eficien\a per ansamblu a modelului nu inseamna ca
fiecare dintre predictorii inclu§i poate estima eficient evolutia criteriului. De pilda, in
varianta unei regresii cu trei predictori, modelul poate fi considerat eficient, adica
mai bun decat 0 estimare pe baza valorii medii a criteriului, chiar daca numai un
singur predictor are legatura cu criteriul. Pentru a vedea care dintre predictod poate
estima cat mai corect evolutia criteriului, SPSS-ul ofera un alt output, pe baza
caruia se poate exprima §i ecuatia de regresie.
Aceste rezultate au fost ob\inute Tnlocuind in ecuatiade regresie de mai
sus, valorile observate ale extroversiunii pentru cele doua persoane:
(a) Vanzari lunare Tn EURO:: 1031 + 147*0
(b) Vanzari lunare Tn EURO == 1031 + 147*7
Cu alte cuvinte, valorile b reprezinta coeficientii nestandardizati ai ecuatiei
de regresie, pe baza carora estimam cu cat cre§te criteriul atunci cand predictorul
se, mare!j>te cu 0 unitate. in exemplul dat, pornind de la faptul ca b extravertire este
147, putem estima ca volumul vanzarilor realizqte de 0 persoana care a obtinut, sa
zicem, cinci puncte la testul de extroversiune va avea vanzari mai mari cu 147 de
EURO decat 0 persoana care a obtinut patru puncte la testul de extroversiune, iar
aceasta, la randul ei, va obtine cu 147 de EURO mai mult decat a persoana care
are doar trei puncte la testul de extroversiune. In plus, interceptul denumit in SPSS
"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
de regresie al predictorului .ales are valori pozitive. Daca am fi obtinut un b negativ,
s~ presupunem b = -147, ar fi Tnsemnat ca volumul vanzarilor lunare scade cu 147
de EURO de fiecare data cand scorul la extroversiune cre§te cu 0 unitate. Situatia
ar fi fost simiiara cu cea Tntalnita Tn cazul unei corelatii negative:cand X cre§te, Y
tinde sa scada.
Totu§i, valorile nestandardizate b sunt dependente de scala de masurare a
predictorilor §i a .criteriului. De exemplu, valoarea coeficientului bpentru testul de
extroversiune se modifica, daca extroversiunea este masurata printr-o alta scala de
. masurare sau, daca vanzarile lunare sunt exprimate Tn lei sau dolari §i nu Tn euro.
Astfel, daca yom transforma valorile exprimate Tn euro Tn lei, utilizand drept rata de
schimb 40.000 lei = 1 EURO, yom obtine alti parametri ai ecuatiei de regresie,. de§i
eficienta modelului ramane aceea§i.
Volum lunar de vanzi:iri Tn lei =41.253.980 + 5.889.273*Nivel extravertire
Ce importanta are acest lucru?
Prin faptul ca parametrii nestandardizaii sunt dependenti de scala de
masurare, rezulta imposibilitatea de a compara direct influenta a doi sau mai multor
predictori asupra criteriului. De exemplu, nu se poate compara direct daca influenia
=
predictorului nivel de extroversiune asupra nivelului de vanzari (b1 147) este mai
mare decat influenta varstei subiectilor asupra volumului de vanzari (b2 = 18).
Pentru a observa c~re predictor ajut~ mai mult la estimarea evolutiei criteriului, se
obi§nuie§te compararea ~alorilor standardizate ale acestor coeficienti b, denumite,
inciusiv de SPSS, beta.
Din figura 6.9 observam ca valoarea ~ pentru extravertire este .91, ceea ce
inseamna ca, atunci cand nivelul de extroversiune cre§te cu 0 abatere standard,
criteriul, adica volumul vanzarilor, cre§te cu 0,91 abateri standard. Ecuatia de
regresie standardizata are interceptul egal cu zero, ceea ce face ca ea sa poata fi
scrisa sub forma:
Z vanzari lunare Tn EURO = .91*Z nivelul de extroversiune
Dupa cum se observa, 0 asemenea interpretare nu este la fel de
atragatoare Tn comparatie cu cea bazata pe coeficientii nestandardizati, dar are
avantajul eseniial, Tn cazul regresiilor multiliniare, de a putea compara simultan
eficienta predictorilor implicati Tn ecuatia de regresie. Astfel, daca am presupune ca
~ varsta este 1,21, am putea afirma CEi varsta unei persoane este un predictor mai
bun decat nivelul de extroversiune in estimarea vanzarilor lunare realizate. Acest
lucru poate fi facut, deoarece toate datele standardizate in cote z au aceea§i
unitate de masura: media este zero, iar abaterea standard este egala cu unu.
o alta informatie extrasa din figura 6.9 consta Tn' faptul ca ambii parametri,
atat interceptul cat §i panta de regresie, sunt semnificativi statistic. Tn cazul
196
regresiei liniare _simple, acest lucru era prevazut prin faptul ca valoarea F pentru
Tntregul model era semnificativa statistic. Tn schimb, in cazul existeniei mai multor
predictori, existenta unui F semnificativ statistic indica faptul ca cel puiin un
predictor poate estimi:) evoluiia criteriului, fara a porni de la ideea ca toti predictorii
vor avea capacitatea de a estima evolutia , criteriului. Tn asemenea situatii,
, este
necesara consultarea valorilor t din dreptul fiecarui parametru prezentat in figura
6.9. pentru a vedea care dintre predictori explica semnificativ statistic evolutia
criteriului. Interpretarea este simpla: daca valoarea t asoCiata unui parametru este
semnificativa statistic (ex. t = 6.41, P < .001 Tn. cazul extroversiunii), atunci
predictorul respectiv T§i aduce 0 contribuiie semnificativa statistic la estimarea
evolutiei criteriului, in cazul respectiv a cifrei de vanzari lunare realizate.
Pentru a intelege rnai bine aceste detalii tehnice in interpretarea regresiei
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
obtinere a ecLlatiei de regresie in cazul celei de tip multiliniar.
6.2. Modalitati de analiza in regresia multiliniara
De cele mai multe ori, modelele estimative bazate pe un singur predictor
nu sunt la fel de eficiente ca cele care inciud mai multi predictori. De exemplu, un
psiholog poate considera ca 0 persoana sufera de depresie, daca .are mai multi
indicatori (ex. stima de sine scazuta, scaderea apetitului alimentar §i sexual,
preferinta pentru culori inchise etc.) decat, daca ar lua in calcul un singur element.
Tn situatia in care sunt inciu§i mai multi indicatori in modelul estimativ, vorbim de 0
regresie multipla. Analiza predictorilor inclu§i intr-o asemenea ecuatie de regresie,
indiferent de scopul acesteia, se poate face prin patru modalitati de baza: metoda
simultana, . metoda ierarhica, metoda pa§ilor §i metoda celui mai bun set posibil
(Licht, 1995).
Metoda simultana
Metoda simultana presupune introducerea concomitenta a tuturor
predictorilor de interes in cadrul ecuatiei de regresie. De exemplu; daca vrem sa
vedem in ce masura sexul persoanei, varsta acesteia, niveluf de educatie §i unele
trasaturi de personalitate (ex. neuroticism §i extroversiune) pot prezice atitudinea
subiectilor fata de tel~novele, am putea realiza 0 singura ecuatie de regresie, de
forma:
Atitudine telenovele =bO + b1*Sex + b2*Varsta + b3*Educa\ie + b4*Neuroticism + b5*Extroversiune
Aeeasta metoda este eel mai frecvent intalnita, fiind op~iunea standard in
SPSS.
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.1


11IlII

1!.
• ._ _ _ _._

IIIIIII


I!


IIIIII~lIIlIjllililIlIIllJlIIlIlIIilIUIllIlUIllI~IIIII'IIIIII'1il1l ,1111111111'11111111111'1111111111

Metoda ierarhica Atitudinea fata de telenovele = bO + b1 *Educatie + b2*Sex (1)

Modalitatea presupune realizarea a cel putin doua analize de regresie, Atitudinea fala de telenovele = bO + b1*Educajie + b2*Varsta (2)
aflate in rela\ie de tip cuib (toti predictorii utilizaii fntr-unul dintre modele se gasesc Atitudinea fata de telenovele =bO + b1*Educatie + b2*Extroversiune (3)
fn cel de-al doilea). Pomind de la exemplul anterior, daca suntem interesati sa Atitudinea fala de telenovele =bO + b1'Educalie + b2*Neuroticism (4)
vedem in ce masura trasaturile de personalitate extroversiune !?i neuroticism aduc
un plus predictiv in estimare'a atitudinii fata de telenovele, dupa eliminarea Dintre acestea, se alege modelul care are cel mai mare coeficient de
influentei factorilor demografici, vom ave a urmatoarele doua ecuaiii de regresie: . dete:~inare multipla. Sa presupunem ca dintre cele patru modele, primul are
coeflclentul de determinare multipla cel mai mare. Daca acest model t
'f r . b es e
Atitudine telenovele = bO + b1*Sex + b2*Varsta + b3*Educalie ~emnl Ica IV . mal . un decat modelul predictiv din pasul unu, bazat doar pe
Atitudine telenovele =bO + b1*Sex + b2*Varstii + b3*Educalie + b4*Neuroticism + b5*Extroversiune Inclu~ere~ nivelulul de educatie, el devine modelul cel mai bun !?i se trece la pasul
al trellea, In care se com para urmatoarele modele ramase:
Fiecarei ecuatii Ii corespunde 0 anumita valoare F !?i un anumit coeficient
de determinare ajustat sau nu (R2 ajustat sau R2). Daca nu exista diferente intre Atitudinea fala de telenovele=bO + b1*Educalie + b2*Sex + b3*Varsta (1)
cele doua ecuatii, in privinta acestor valori, Tnseamna ca neuroticismul, respectiv Atitudinea fala de telenovele =bO + b1*Educalie + b2*Sex + b3*Extroversiune (2)
extroversiunea, nu aduc un plus de informatie cu privire la estimarea atitudinii Atitudinea fala de telenovele =bO + b1 *Educalie + b2*Sex + b3*Neuroticim (3)
subiec\ilor faia de telenovele. Tn schimb, daca Fschimbare, obtinut prin diferenta
dintre cele doua modele este semnificativ statistic, Tnseamna ca trasaturile de Sa presupunem ca cel mai bun model dintre acestea este cel de-al doilea
personalitate aduc un plus de informatii in estimarea atitudinii fata de telenovele. Tn in care este inclusa extroversiunea. Acest model se com para cu modelul de I~
interpretare, acest lucru ar putea fi exprimat astfel: Tn conditiile Tn care persoanele pasul 2, iar daca este semnificativ mai bun, el devine cel mai bun model !?i se trece
au aceea!?i varsta, acela!?i nivel de educaiie !?i acela!?i sex, difereniele de la pasul p~ru, i~ c~re vor ramane doar doua modele de comparat, dupa algoritmul
personalitate la nivel de extroversiune §i neuroticism contribuie semnificativ pre.ze~tat In prlmll pa!?1. Demersul poate continua p<':ma la epuizarea tuturor
statistic la tipul de atitudine adoptata fata de telenovele. Din acest motiv, regresia vanabllelor, caz Tn care cel mai bun model este acela in care sunt inclu!?i toti cei
ierarhica este frecvent utilizata Tn cazul regresiilor cu scop explicativ insa ea apare cin~i predictori. Daca, fnsa, diferenta dintre cel mai bun model din pasul trei ~i cel
foarte rar Tn regresiile cu scop predictiv. mal bun model din pasul doi nu este semnificativa statistic, vom concluziona ca nici
unul dintre cele trei modele de mai sus nu poate fi considerat mai bun decat cel
Metoda pa§i1or obtinut la pasul doi, iar modelul final poate fi cel obtinut la pasul doi:
Cunoscuta Tn limba engleza sub titulatura de "stepwise", fie Tn varianta
"forward", fie in varianta "backward", metoda este criticata intens de speciali!?tii Tn Atitudinea fata de telenovele = bO + b1*Educatie + b2*Sex
statistica, de!?i se bucura de 0 anumita popularitate in tagma cercetatorilor fi3ra 0
experienia statistica deosebita. .. "Prin urmare, prin metoda pa!?ilor se Tncearca gasirea pe baza eXciusiv
in varianta "Tnainte" ("forward"), ea consta Tn selectarea din setul de emplrlca a modelului care estimeaza cel mai bine evolutia datelor. Tn varianta
predictori a aceluia care contribuie cel mai mult la estimarea criteriului, pe baza pur "inapoi" ("backward"), metoda pa!?ilor porne!?te invers, in pasul unu fiind prezentat
statistica. Tn exemplul dat, prin aceasta metoda se realizeaza, ca prim pas, 0 modelul cu toate cele cinci variabile, Tn pasul doi fiind prezentate to ate combinatiile
analiza de regresie simpla, introducand separat fiecare dintre cei cinci predictori posibile de modele cu patru predictori. Daca vreunul dintre acestea nu e~te
(sexul persoanei, varsta, educatia, extroversiunea !?i neuroticismul), pentru a vedea semnificativ diferit demodelul cu cinci predictori, el devine cel mai bun model
influenta lor in estimarea atitudinii fata d'la telenovele. in urma acestui pas este posibil !?i se trece la pasul trei, de' comparare a acestui model, cu cel mai bun
selectat acel predictor care contribuie cel mai mUlt, prin valoarea coeficientului de model obtinut din combinarea a trei dintre cei patru predictori rama!?i etc.
determinare, la estimarea criteriului. S~ presupunem ca dintre cei cinci predictori, " De!?i, T.n a~arenta metoda pa!?ilor este atractiva, prin extragerea acelui
cea mai mare influenta 0 exercita nivelul de educatie. Aceasta variabila este numar de predictOr! ci3re explica cel mai bine evolutia criteriului ea sufera diverse
selectata !?i introdusa Tn urmatorul pas. -Tn' acest de-al doilea pas se compara limite st~tistice !?i m:todologice. Din punc! de vede~e metodolo~ic, apare pericolul
modelele de regresie care au inclusa aceasta variabila §i 0 alta, dintre cele ramase extrageru unor predlctori irelevanti sau al renuntarii la unii predictori reievanti sub
pentru a fi testate. Tn cazul particular exprimat, in acest pas se com para patru aspect teoretic. Din punct de vedere statistic, crese §ansele de a 'Obtine tln~odel
modele posibile ramase: specific, aplieabil doar pe e!?antionul testat, ce nu poate fi replicat p~ alii subiecti.

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:
o = necasatorit (burlac); 1 = casatorit; 2 divor1;at; 3 vaduv. Tntr-o asemenea
situaiie, pentru a vedea efectul starii civile asupra unei variabile criteriu este
necesan3 transformarea variabilei in variabile .de tip dummy (dihotomice). Se vor
forma un· numar de k-1 variabile dummy, unde k este numarul de categorii de
raspuns. In acest caz, data fiind existenta a patru categorii de raspuns Yom obtine
trei variabile dummy. Ce vor avea Tn comun aceste variabile nou formate va fi
categoria de referinta. Alegerea acesteia se face in funciie de importania relativa a
raspunsurilor posibile 9i de frecventa acestora. Tn cazul starii civile, am putea alege
ca valoare de referinta prima categorie (0 = necasatorit), ceea ce Tnseamna ca cele
trei variabile dummy rezultate vor fi: casatorit, divor1;at 9i vaduv. Pentru a obtine
noile variabile se recurge la urmatoarele transformari. Pentru variabila dummy
"casatorit" yom avea doar doua raspunsuri posibile: { daca persoana este
casatorita 9i 0, daca persoana este necasatorita, divor1;ata sau vaduva. Pentru
variabila dummy "divor1;at" yom cota 1, daca persoana este divor1;ata :;;i 0, daca
persoana este necasatorita, casatorita sau vaduva. Tn sfar:;;it, variabila dummy
;,vaduv" are cota 1, daca persoana este vaduva 9i 0, daca ea se afla intr-una dintre
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
dummy consta Tn cre:;;terea artificiala a numarului de predictori, Tnsa aceasta
soluiie este singura care permite introducerea variabilelor categoriale ca predictori
Tn analiza de regresie.
Tabelul 6.1. Transformarea variabilei "experien" Tn variabile de tip dummy:
Numar Subiect
1 0
2 1
3 2
4 1
5 0
6 2
7 1
8 2
9 1
10
0
Legenda categorie raspunsuri "experien":
o-' fara experienta profesionala;
1 - experienta profesionala Tn all domeniu;
2 - experienta profesionala Tn vanzari.
Daca ali Tnleles procesul de transformare a variabilelor categoriale Tn
variabile de tip dummy, atunci Yeti intui ·corect transformarile necesare Tn cazul
exemplului ~at, vizand variabila experienia profesionala. Dintre cele trei categorii
de raspunsuri: 2 - cu experienta profesionala in domeniu! vanzari!or; 1 - cu
experienl~ profesio.nala ~ Tn alte domenii; 0, - fara experienta profesionala
= = anteno~ra, ~n: decis sa alegem drept categorie de referinta ultimul raspuns.
Aceasta declzle conduce la formarea a doua varia bile dummy, pe care Ie Yom
denumi exp_vanz :;;i exp_altd. Prima variabila dummy va cota indivizii care au
experienla Tn domeniul vanzari·lor cu 1, iar pe toli ceilal\i cuO. Cea de-a doua
variabila dummy va cota indivizii care au experienta prefesionala Tn alte domenii cu
1, iar pe toti ceilal\i cu O. Tabelul 6.1 exemplifica aceasta transformare Tn cazul
primilor zece subiecti din fi9ierul regresie multipla.sav.
In cazul regresiei liniare SPSS-ul nu ofera posibilitatea de a transforma 0
variabila categoriala in varia bile dummy din meniu. Acest lucru poate fi facut doar
prin apelul la sintaxa. De aceea, cei care nu sunt familiariza\i cu ape lui la sintaxa
vor trebui sa recodeze variabila categoriala Tn variabile dummy, fie manual, fie prin
apelul la optiunea disponibila prin calea "Transform"-"Recode"-"lnto different
variables". Tn alte situatii, precum in cazul regresiei logistice, SPSS-ul permite
recodarea automata a variabilelor categoriale Tn variabile dummy. Tn acest caz,
raspunsul ales drept categorie de referinta trebuie sa fie intotdeauna codat cu 0
pentru ca SPSS alege automat aceasta ~aloare ca referinta. Daca nici unul dintr~
raspuns cu valoarea cea mai mare. De exemplu, daca raspunsurile la variabila
"starea civila" ar fi fost codi3te: 1 - necasatorit; 2 - casatorit; 3 - divortat; 4-
vaduv, SPSS-ul ar fi ales automat categoria "vaduv" ca valoare de ref~rinta. in
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
"necasatorit". '
Revenind la exemplul dat, Yom avea de testat eficienta unui model
"Experien" Dummv 1 "Exp. vanz" Dummy 2 "Exp. altd"
predictiv alcatuit din cinci predictori asupra performantelor in va~zari. Cei cinci
0 0
0 1 predi<:;tori sunt extroversiunea, neuroticismul, gradul de atractivitate fizica, dummy
1 0 "experienla in vanzari" :;;i' dummy "experienta Tn alte domenii". Baza de date
0 1 aferenta este denumita regresie multipla.sav.
0 0 Prin intermeqiul regresiei liniare, disponibile in SPSS prin calea "Analyze"-
1 0 "Regression"-"Linear", yom obtine raspunsulla trei Tntrebari importante:
0 1 1. este acest model eficient?
1 0
2. care dintre predictori contribuie la eficienta modelului?
0 1
0 0 3. care dintre predictori are cea mai mare influenla asupra eficientei
modelului?
Raspunsurile la cele trei Tntrebari pentru cazul dat se gasesc sintetizate Tn
tabelele output oferite de SPSS 11.0. 9i prezentate in figura 6.10.
Primele doua tabele arata ca cei cinci predictori inclu§i conduc la un model
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
de 44,5% (R2 ajustat = .445) din evolutia dispersiei performan\elor Tn vanzari.
Restul de 55,5%, ramas neexplicat, se datoreaza altor factori, neintrodu:;;i
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"_ _ _
Din punct de vedere tehnic, ace!;>ti coeficienti standardizati se pot interpreta
lnlr-un mod similar cu cei nestandardizati. Daca cei din urma arata cu cal se
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
modifica criteriul Tn abateri standard daca predictorul In cauza cre!;>te cu 0 abatere
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.
cazul extroversiunii, ~ de .42 arata ca, Tn conditiile mentinerii constante a influentei
celorlalti predictori, atunci cand nivelul de extroversiune cre~te cu 0 abatere
standard, criteriul cre!;>te cu 0,42 abateri standard. Din aceste considerente,
interpretarea datelor se face, de obicei, din prisma coeficientilor nestandardizati de
reg res ie, valorile' beta servind doar la aprecierea importantei ~i ponderii
prediclorilor Tn estimarea evolutiei criteriului.
Ce sunt coeficientii de regresie din punct de vedere statistic?
in cazul regresiei liniare simple, beta este egal cu valoarea coeficientului
de corelatie simpla dintre predictor ~i criteriu. In cazul regresiei multiple, datorita
prezentei mai multor predictori, beta nu mai este egal cu valoarea coeficientului de
corelatie simpla intre predictorul respectiv !;>i criteriu. Tn astfel de cazuri, beta este
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
multe ori sintagma "partial" din titulatura, ceea ce poate duce la interpretari eronate
(Licht, 1995). Mai exact, coeficientul reprezinta 0 corelatie semipari;iala Tntre
predictor ~icriteriu. Daca corelatia pari;iala indica relatia dintre predictor ~i criteriu,
dupa ce se elimina influenta celorlalti predictori inclu~i Tn ecuatia asupra celor doi
termeni, corelatia semipar1;iala arata relatia dintre predictorul in cauza ~i ace a parte
a criteriului care nu a fost explicata de ceilalti predictori din model.
6.3.2. Rolul ecuatiei de regresie in interpretarea datelor cu scop
predictiv
In urma oricarei analize de regresie efectuata Tn scop predictiv, ecuatia de
regresie are un rol esential. Prin intermediul ei, putem estima rezultatele altor
persoane, pe baza predictorilor gasiti relevanti pentru evolutia criteriului. Sa luam
ecuatia de regresie pentru exemplul dat, extras a din acela~i ultim tabel al figurii
6.10, pornind de la coeficientii de regresie:
Performanta vanzari = 1038 + 24,5*Extroversiune - 8,9'Neuroticism + 33,9*Atractivitate
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
IIIIIIIIIIIIIIIIIIIIIIIIIII,IIII!IIIII'II:I!
neuroticism, prime9te nota 7 ca grad de atractivitate fizica 9i care are experienta Tn
domeniul vanzarilor. Ecuatia de regresie Tn cazul acestui individ devine: '
Performantaestimata Tn vanzari = 1038 + 24,5*10 - 8,9*5 + 33,9*7 + 217,9*1 + 13,6*0 =
1693,7 EURO
Trebuie remarcat un alt aspect tehnic, leg at de pastrarea celei de-a doua
variabile dummy Tn ecuaiie, de~i ea nu a contribuit semnificativ statistic la
estimarea valorii' criteriului. Acest lucru a fost necesar, deoarece cealalta variabila
dummy a fost semnificativa statistic. In mod normal, variabilele care nu contribuie
~emnificativ la estimarea criteriului sunt eliminate din ecuatie, aceasta masura fiind
urmata de 0 alta analiza de regresie, obtinuta doar pe baza predictorilor
semnificativi, deoarece valorile b ale_ acestora se modifica prin renuntarea la
anumiti predictori. Singura exeeptie 0 constituie variabilele de tip dummy, care sunt
eoncepute Tmpreuna ca un set de predietori. Tn cazul lor sunt posibile doar doua
decizii: fie se pastreaza toate variabilele, daca cel putin una dintre ele este
semnificativa (precum Tn exemplul dat), fie se elimina intreg 'setul de variabile
dummy, Tn cazul Tn care nici una dintre acestea nu contribuie semnificativ la
estimarea eriteriului.
6.3.3. Instrumente complementare regresiei Tn scop predictiv
6.3.3.1. Decizia organizafionala
In urma stabilirii unei ecuatii de regresie, se poate constata eficienta
modelului estimativ propus !;>i prin alte mijloace decat consultarea valorii
coeficientului de determinare multi pia. Astfel, am putea impar1;i subiectii pe seama
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
impar1;ire se poate face utilizand. rezultatele estimate ale subiectilor, utilizand insa
drept criteriu, media sau mediana acestor estimari. Tn urma acestui demers, yom
. obtine un tabel, precum cel de mai jos, Tn care .vor rezulta patru categorii de
subiecti: cei pentru care atat rezultatele observate, cat 9i cele estimate, se afla
deasupra mediei (1); cei pentru care atat rezultatele observate, cat 9i cele estimate
se afia sub nivelul mediei (4); cei ale caror rezultate observate sunt deasupra
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
estimare se afia deasupra acestei valori (fals pozitiv) (3).
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
, subiectilor
, pe categorii conform acestei metode patratice
Rezultate observate
sub medie
Rezultate estimate sub medie
Rezultate estimate peste medie
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
mai uti! Tn c1asificarea performantei subiectilor pe baza ecuatiei de regresie
obtinute.
, Tn cazul utilizarii ecuatiei de regresie din exemplul prezentat, pornind de la
baza de date "regresie multipla.sav", sunt necesare mai multe operatii.
, Prima dintre ele vizeaza salvarea valorilor estimate ale criteriului, ca
variabila noua, in urma rularii analizei de regresie in cauz8 (calea "Analyze"-
Regression" -Linear" -"Save" -Unstandardized").
Cel de-al doilea pas consta Tn calcularea mediei ~i a medianei pentru cele
doua variabile de interes - criteriul observat, respectiv criteriul estimat - ~i
alegerea celui mai potrivH ind'lcator descr'lptiv pentru felul in care arata distribut'la
datelor. Tn cazul dat, distributia pare normala pentru ambele cazuri, iar valoarea
mediei a fost de 1407,27 pentru datele observate, respectiv de 1407,266 pentru
datele estimate, fiind practic egale.
AI treilea pas consta in recodarea celor doua variabile in doua variabile
diferite, nou-create, astfel Incat valorile mai mari decat media sa ia valoarea 1, iar
cele mai mici decat media sa ia valoarea 0 (calea "Transform"-"Recode"-"Into
Different Variables").
Tn urma acestui pas, putem realiza un tabel de contingenta cu rezultatele
obiinute:
Tabelul 6.3. Situatia c1asificarii subiectilor Tn exemplul dat
sunt normale, din moment ce R2 ajustat corespunz- tor ecuatiei de regresie nu a
luat valoarea 1, ci doar 0,445.
. Rezultate observate
Pe baza acestui tabel se poate obiine §i un procentaj de, r~spunsuri
peste medie corecte, pe baza formulei:
+ + (4) - + (2)
+ - (3) - - (1) A+B
Corect = - - - - - (6.2)
A+B+C+D
Tn cazul dat, valoarea obtinuta indica 0,8166, ceea ce arata un procentaj
de 81,66% de estimari corecte. Un asemenea rezultat se apreciaza subiectiv. De
exemplu, a estima corect in aproximativ 4 din 5 cazuri performania Tn vanzari
6btinuta de candidaiii la un post in domeniu poate fi considerata 0 cifra destul de
buna, pentru a include predictorii respeetivi in decizia procesului de selectie. Tn alte
situaiii, mai ales din domeniul medical, un asemenea procentaj nu este
satisfacator, mai ales daca el prive~te atribuirea unui diagnostic gre~it, insa In
situatii speciale, poate fi acceptat, daca alte metode nu reu~esc 0 predictie mai
buna.
.. Pitariu (1983, p. 140-145) ofera 0 analiza in detaliu a acestor aspecte,
oferind 0 serie de indicatori ce pot fi calculati ~i utilizati in decizii de selectie
profesionala. Merita sa fie mentionat faptul ca, in asemenea situatii, impartirea
subiectilor in satisfacatori ·~i nesatisfacatori nu trebuie sa se faca tinand seam a
neaparat de medie. De exemplu, daca suntem interesati de candidatii foarte bun'l
~ pentru un anumit post, ar fi nepotrivita impartirea subiectilar In cele doua grupe pe
baza mediei sau a medianei, deoarece un rezultat putin mai mare decat ace~ti
indicatori nu inseamna un rezultat foarte bun. De exemplu, dad;i cei care
efectueaza selectia candidatilor intr-un post de vanzari considera ca un angajat
foarte bun ar trebui sa yanda lUnar Tn valoare de 1700 de EURO, am putea utiliza
acest criteriu de impartire a candidatilor In "potriviti" ~i "nesatisfacatori". Utilizand
acela~i procedeu explicat mai sus, in cazul segmentarii subiectilor pe baza mediei,
~i apeland la aceea~i baza de date yom obtine urmatoarea distributie a subiectilor:

Rezultate observate Rezultate observate

Tabelul 6.4. Situatia c1asificarii subiectilor considerati "foarte buni" Tn exemplul dat
sub medie-O peste medie - 1
Rezultate estimate sub medie - 0 26 (8) 6 (C) Rezultate observate Rezultate observate
Rezultate estimate peste medie - 1 5 (0) 23 (A) pana In 1700 peste 1700
Rezultate estimate pana in 1700 45 (8) 8 (C)
®nterpretarea acestui tabel se face simplu: din totalul de 60 de subiecti Rezultate estimate peste 1700 4(0) 3 (A)
testati, pe baza ecuatiei de regresie 49 dintre ei au fost identificati corect. Astfel, 26
dintre cei care au obtinut rezultate ~ub medie, au fost estimati corect, pe baza Din acest tabel se vede ca in ceea ce prive~te identificarea subiectilor cu
ecuatiei de regresie, ca obiinand rezultate sub medie. Similar, in 23 de cazuri, s-a rezultate foarte bune in dorneniu, lucrurile nu stau la fel de bine. Astfel, dintre cei
reu~it identificarea co recta a persoanelor care au obtinut rezultate superioare 11 subiecti care au obiinut performante superioare valorii de 1700 de EURO,
mediei. S-au inregistrat lnsa'~i e:;;ecuri, la ~ase subiecti s-au estimat rezultate sub intrand In categoria personalului din vanzari foarte bun, doar tre; au fost identificati
medie, Tnsa ei au obiinut rezultate peste medie, respeetiv la cinci subiecti s-au coreet de catre model. Ceva mai bine stau lucrurile in cazul celor considerati a nu
estimat rezultate peste medie Tnsa s-au obtinut rezultate sub medie. Aceste e~ecuri face parte din categoria celor buni. Astfel, dintre cei 49 de participanti care au

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

Inainte de a trece la compara~ea celor doua ecuaiii, pomind de la baza de

1 ,562" ,316 ,303 1,859 ,316 24,926 4 216 ,000
2 ,688b ,473 ,456 1,643 ,157 21,202 3 213 ,000
jate "regresie multipla auto.sav", trebuie sa discutam pe scurt ce fel de variabile a. Predictors: (Constant), EDUCATIE, MASINA, GENDER, VARSTA
,unt trecute Tn prima ecuatie de regresie. De obicei, aici sunt trecute variabilele b. Predictors: (Constant), EDUCATIE, MASINA, GENDER, VARSTA, constiinciozitate, agreabilitate,
~are se doresc a fi controlate, fie pentru ca nu prezinta interes pentru obiedivul neuroticism

,tudiului (precum Tn situatia de fata, Tn care ne intereseaza doar influenta fa<;:torilor

Figura 6.13. Compararea eficientei modelelor
je personalitate asupra conduite agresive la volan), fie pentru ca au fost dovedite
SPSS este 0 marca inregistrata.
3nterior ca avand 0 influenta semnificativa asupra variabilei dependente. 0
3semenea situatie apare Tn cercetarile complexe Tn care se dore~te izolarea unui
,feet Tn conditiile unei actiunii comune a unei categorii de factori. De pilda, Tn
;ercetarile vizand rolul nociv al fumatului asupra sanataiii, acesta a putut fi susiinut Din tabel pot fi desprinse cateva informatii esentiaie. De exemplu, se
lUmai dupa eliminarea (controlarea) altor factori importanti pentru evolutia starii de consta!a ca 31,6% din evolu\ia dispersiei rezultatelor la agresivitatea la volan poate
,anatate a unei persoane precum poluarea, antecedentele familiale, varsta, etc. fi explicata de caracteristicile demografice ale ~oferilor (varsta, sex, educatie) ~i de
caracteristicile ma§inii. Aces! procent cre~te daca luam Tn calcul §i cele trei
Astfel, vom include Tn aceasta prima ecuatie, fie factorii de interes despre
;are exista suficiente informatii ca ar influenta evolut ia variabilei dependente, fie trasaturi de personalitate, astfel Tncat nu mai putin de 47,3% din dispersia criteriului
actorii care nu fac obiectul studiului respectiv, dar pot afecta rela\ia dintre variabila agresivitate la volan poate fi pusa pe seama ac\iunii comune a fadorilor
ndependenta (VI) §i cea dependenta (VD). De asemenea, de~i s~ obi~nuie~te demografici, a tipului, de ma§ina §i a acelor trei factori de personalitate selecta\i.
ltilizarea !itulaturii de VI pentru predictor,' respectiv de VD pentru criteriu, regresia Mai mult, diferenta , dintrecele doua valori ale coeficientului de determinare

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:

6.4.4. Indicatorii marimii efectului In cazul regresiei multiple

automobilului. Fiind yorba de un efect izolat l?i totodata de un coeficient de
Marimea efectului poate fi calculata l?i in cazul aplicarii regresiei de orice corelatle, se poate calculacoeficientul de determinare specific pentru relatia dintre
tip. Daca, Tn scop predictiv, accentul cade pe estimarea performantelor viitoare ale
c~le do~a vari~bile, reamintindu-ne faptul ca acesta este egal cu ~aloarea
unui subiect, pornind de la valorile anumitor predictori l?i de la. determinarea p~tratul.UI coeficlentului de corelatie. Astfel, am putea afirma ca 9% (-.302) din
eficientei per ansambfu a modelului propus, Tn utilizarea regresiei cu scop dlspersla comportamentul agresiv la volan poate fi explicata de diferentele
expJic~tiv accentul cade pe izolarea efectelor produse de fiecare factor inclus Tn interindividuale in ceea ce privel?te nivelul de conl?tiinciozitate al subiectilor testati
model. Astfel, avem nevoie de stabilirea efectului fiecarei varia bile independente
. ~I~men.tel,e prezentate mai sus constituie cele mai importante' aspecte '~Ie
asupra celei dependente,' deoarece indicatorii obi~nuiti, valoarea coeficientului de mterpretarll statlstlce in cazul utilizarii regresiei Tn scop explicativ.Alaturi de aceste
determinare multipla, Tn forma ajustata sau nu, ne arata doar marimea efectului elen:e~te, pot fi analizate ~i alte aspecte, amintite Tn cazul regresiei Tn scop
rezultata Tn urma actiunii combinate ale acestor variabile. predlctlv, precum contravalidarea sau analiza cazurilor influente, insa, daca Tn
Pentru ace~sta, daca yom bifa optiunea corespunzatoare din cadrul cazul regresiei cu scop predictiv solutia nu poate fi conceputa fara 0 analiza atenta
regresiei, accesibila prin actionarea butonului "Statistics", SPSS-ul ne of era a ace~tor ~~pecte, deoarece ecuatia va fi utilizata Tn scop estimativ, predictiv, Tn
indicatorii de corelatie partiala l?i semipari;iala, pe baza carora putem stabili regresla utllizata Tn scop explicativ acestea sunt importante, dar nu esentiale,
coeficienti de determinare individuaJi, Tn cazul fiecarui predictor Tn parte. Rezultatele obtinute Tntr-o regresie cu scop explicativ pot fi retinute ~i apreciate Tn
felul lor, fara a realiza neaparat 0 analiza a cazurilor influente sau fara a
Coefflcient:f
contr~v~lida :n?delul, daca yom respecta fnsa conditiile de apJicare a regresiei.
Unstandardized Standardized
Coefficients Coefficien1s Correlations
Numal Indeplmlnd aceste conditii, yom avea suportul ca modelul explicativ rezultat
Model B Sid. Error Bela t Sig, Zero-order Partial Part nu sUfera de distorsiuni grave.
1 (Conslant) 8,605 ,818 10,524 ,DOD
GENDER 1,191 ,252 ,268 4,730 ,000 ,292 ,3.06 ,266
MASINA 1,509 ,256 ,336 5,901 ,000 ,325 ,373 ,332
VARSTA ,,138 ,031 ,,265 -4,488 ,000 -,272 -,292 -,253
EDUCATIE -,849 ,272 -,184 -3,121 ,002 -,304 -,208 -,176 6.5. Condifii necesare pentru aplicarea regresiei liniare(Jg)
2 (Constant) 10,991 ,785 14,001 ,000
GENDER 1,285 ,230 ,289 5,593 ,000 ,292 ,358 ,278
MASINA 1,760 ,229 ,392 7,685 ,000 ,325 ,466 ,382 . in vederea aplicarii corecte a regresiei liniareeste necesara indeplinirea
VARSTA -,123 ,029 -,238 ·4,328 ,000 .,272 -,284 -,215
EDUCATIE -,65tj ,243 -,143 -2,703 ,007 ' -,304 -,182 -,134 mal multor conditii tehnice. 0 buna trecere Tn revista a acestora este oferita Tn
neuroticism 6,855E-03 ,025 ,014 ,271 ,787 -,004 ,019 ,013 Berry l?i Feldman (1985) sau Licht (1995).
constlinciozitate -,324 ,054 -,305 -6,028 ,000 -,326 -,382 -,300
agreabilitate -,215 ,,041 -,278 '5,314 ,000 -,193 -,342 -,264
a. Dependent Variable: agresivltatea la volan
6.5.1. Evitarea erorii de specificare
Figura 6.15. Va/ori ale coeficienfi/or de core/arie oferife de SPSS 11,0
Sub aceasta denumire pretentioasa se regasesc acele modele incorect
SPSS este 0 marca Tnregistrata.
alese. 0 asemenea situatie apare atunci cand intre predictorii unei ecuatii de
regresie nu se gasesc unii care ar fi trebuitinclul?i. De exemplu, daca atat t~oria
cat l?i practica din domeniul vanzarilor indicau asertivitatea ca 0 trasatura d~
Coeficientii de ordinul zero, respectiv coeficientii de corelatie pari;iala, nu
personalitate de baza Tn estimarea performantelor Tn vanzari, dar noi nu 0 includem
sunt altceva deca't coeficientii de corelatie r Bravais-Pearson, respectiv coeficientii
Tn modelul predictiv estimat, com item 0 eroare de specificare. Similar, Tn cazul
de corelatie pari;iala discutati pe Tndelete Tn capitolul al treilea, destinat tehnicilor
conducerii agresive a automobilului, am realiza 0 eroare de specificare daca teoria
introducti~e de testare a ipotezelor. Ultima coloana, denumita "part", indica din .dom.~niu include reactia autoritatilor fata de acest comporta~ent printre
valoarea coeficientilor de corelatie semipari;iala Tntre factorul respectiv,~i variabila
predlctoru care determina nivelul de agresivitate la volan iar noi nu tinem seama
dependenta Tn conditiile eliminarii influEmtei celorlalti predictori asupra VD. De
de el, neincluzandu-I in modelul explicativ prop us. Astf~l, neintrodu~erea tuturor
exemplu, valoarea lui r semipartial notat rsp este - .30, ceea ce Tnseamna ca daca
factorilor relevanti pentruproblema in cauza, afecteaza rezultatele obtinute,
yom elimina influenta celorlalti predictori asupra· agresivitatii la volan, exista 0
~xistand chiar riscul de distorsiune a concluziilor, deoarece nu tinem sea~a de
asociere unica, inversa, intre nivelul de conl?tiinciozitate l?i agresivitatea la volan, 0
Influenta acestor factori cand ar trebui sa-i luam in considerare.
conl?tiinciozitate scazuta ducand la un nivel ridicat de agresivitate in conducerea

222
223
 In directie opusa, eroarea de specificare poate aparea prin includerea Tn
model a unor predictori care nu ar fi trebuit introdu~i, deoarece ei nu relationeaza
cu criteriul. Totu~i, aceasta situatie este mai putin grava decat prima, deoarece ea
poate fi remediataprin eliminarea predictorului care nu contribuie semnificativ la
estimarea evolutiei criteriului, urmata de 0 naua analizare a madelului predictiv,
fara variabila Tn cauza. In sfar~it, un alt caz al erorii de specificare este cel Tn care,
de~i au fast selectati predictorii relevanti, modelul unei regresii liniare nu este cel
adecvat. ModeluC regresiei liniare porne!?te de la premisa unei relatii liniare Tntre
predictori ~i criteriu ~i de la ,un model adltiv al efectului pe care-I au ace~ti predictori
asupra modelului de estimat. in consecinta, daca utilizam regresia liniara, Tn
conditiile Tn care nu exista a relatie de liniaritate Tntre fiecare predictor ~i criteriu,
respectiv Tn cazul Tn care exista 0 situatie de multicoliniaritate Tntre predictori,
datorita unei corelatii ridicate Tntre ace~tia, vorbim tot de 0 eroare de specificare.
In plan tehnic, situatia unei erori, de specificare conduce la obtinerea unar
coeficienti de regresie distorsionati sau instabilL De asemenea un alt indiciu consta
Tntr-o valaare scazuta a coeficientului de determinare multipla (R'). Totu!?i, nu orice
R2 scazut indica 0 problema de eroare de specificare, deoarece 0 asemenea
valaare se poate datora unui alt factor, precum includerea Tn model a unor
predictori cu 0 consistenia interna scazuta (implicit a eroare de masurare ridicata),
fapt des Tntalnit Tn ysihologie, prin utilizarea scalelor ca modalitati de evaluare a
diferitelor variabile. De aceea, cazul erarii de specificare datorat neincluderii unor
variante relevante poate fi detectat doar pe baza unei teorii solide existente cu
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,
Tnseamna ca variabila respectiva nu contribuie la estimarea evolutiei criteriuluL 0
alta modalitatede evaluare este _aceea de a campara valorile ajustate ale lui R2, iar
daca nu se constata diferente Tntre modelul care include ~i cel care exclude
variabila Tn cauza, Tnseamna ca aceasta poate fi eliminata din modelul predictiv.
6.5.2. Evitarea erorii de masurare
Din pacate, Tn psihologie, ca ~i in alte domenii alte ~tiintelor socia Ie, nu
putem masura direct constructul dorit, citrebuie sa ape lam la 0 serie de indicatori.
De exemplu, utilizam un test de inteligenta pentru a masura nivelul intelectual sau
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
de masurare. Ea este de doua feluri: sistematica ~i OIleatoare. Primul caz apare Tn
situatia in care instrumentul utilizat pentru a masura acel concept masoara ~i
altceva, aparand 0 problema de validitate de construct. 0 asemenea situatie este
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
eliminata sau redusa foarte mult. In schimb, eroarea de masware aleatorie. tine de
caracteristicele psihometrice ale instrumentului utilizat, Tn special de fidelitatea
probei, dar ~i de unele deficiente in codarea sau tehnoredactarea bazei de date.
Efectul acestui tip de eroare asupra coeficientilor de regresie este diferit,
daca eroarea apare Tn cazul criteriului sau Tn cazul predictorilor. Daca criteriul
utilizat are 0 fidelitate redusa, scade. corelatia acestuia cu predictorii, fapt ce
afecteaza atat valorile coeficientilor de regresie, cat ~i valoarea coeficientului de
determinare multi pia, afectand astfel eficienia predictiva a modeluluL Prin urmare,
criteriul utilizat ar trebui sa aiba 0 consistenta interna cat mai ridicata, daca nu chiar
1. De aceea, recomand evitarea folosirii pe post de criteriu a ace lor variabile care
au 0 consistenta interna sub ,80, Tn cazul utilizarii regresiei in scop predictiv,
respectiv de .70, Tn cazul utilizarii regresiei Tn scop explicativ. In cazul exemplului
dat, criteriul ales, performanta obtinuta Tn vanzari, nu ridica probleme, deoarece
eroarea de masurare aleatorie este absenta, singurele probleme putand aparea
din deficiente Tn Tnregistrarea co recta a datelor.
Daca eroarea de masurare apare Tn cazul predictorilor, efectul este ceva
mai putin gray, dar prezent. Intr-o asemenea situatie, daca variabila Tn cauza nu
coreleaza cu ceilalti predictori, va fi afectata doar valoarea\ coeficientului de
regresie corespunzator variabilei respective insa daca variabila coreleaza §i cu
ceilalti predictori, vor fi afectati, Tntr-o anumita masura, toti coeficientii de regresie,
Modul Tn care sunt afectati ace!?ti coeficienti nu este foarte clar, de aceea se
recomanda utilizarea unor instrumente cu calitati psihometrice cat mai bune,
6.5.3. Eroarea reziduala cat mai mica
Prin termenul reziduuri se define§te diferenta dintre valoarea obseniata a
criteriului ~i cea estimata prin utilizarea ecuaiiei de regresie, A!}a cum am precizat,
cu cat aceasta diferenta este mai mica, cu atat modelul este mai bun In estimarea
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
intreaga amplitudine a predictorilor; (3) sa nu coreleze cu alte reziduuri sau cu
predictorii; (4) sa aiM 0 distribuiie normala (Licht, 1995). Se pare ca Tncalcari
moderate ale acestor conditii nu influenteaza foarte mult eficienta modelului
predictiv.
6.5.4. Evitarea multicoliniaritatii
Sub aceasta denumire este specificata Tncalcarea conditiei ca predictarii
ale~i pentru estimarea evolutiei criteriului sa nu coreleze prea puternic Tntre ei. Prin
urmare, nu se poate pune problema prezentei sau abseniei multicoliniaritatii, ci
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
varia bile suplimentare care se obtineprin produsul celor doua variabile aflate Tn
situaii e de interactiune (mai multe detalii sunt prezentate Tn sectiunea 6.7.2., Tn
timp ce relatia de non-liniaritate poate fi tratata printr-o ecuatie liniara, dupa
includerea unei variabile reprezentate de patratul predictorului care incalca relatia
de liniaritate cu criteriul.
Detectarea statistica a urlOr asemenea relatii, atunci cand teoria nu ne
ajuta la estimarea tipului de relatie fntre variabile, se poate face printr-o metoda
. eleganta, dar costisitoare ca resurse de subiectL De exemplu, pentru a detecta
situatia de rion-liniaritate se poate fmparl) lotul de subiecti Tn trei sau patru
categorii, pe baza rezultatelor obtinute la criteriu. Spre exemplu, yom alege grupa
subiectilor cu perforniante superioare, cu performante medii, respectiv cu
performante inferioare Tn vanzari. Daca atat interceptul, cat ~i coeficientii de
regresie rezultati nu difera foarte mult Tn cele trei cazuri Tnseamna. ca exista 0
relat ie liniara Intre ansamblul de predictori ~i criteriu. in schimb, daca sunt diferente
performanta); ~i nivelul de familiarizare cu un material tiparit (cate litere cunoa~te
copilul deja, aspect ce poate ascunde diferente socio-demografice). .
Pentru a masura cei doi factori: viteza de pronuntare, respectiv abilitatea
fonetica (abilitatea de a emite ~i manipula sunete) s-au utilizat mai multe probe,
care au fost supuse ulterior wnei anal.ize a componentelor principale, rezultand fn
final doua scoruri, cate unul pentru fiecare predictor. Pentru a facilita interpretarea
datelor, trebuie sa precizam ca rezultatele ridicate indica performan\e superioare.
Tn acest exemplu, ca, de altfei·, fn arice eeuatie de regresie utilizata Tn seap
predictiv, se precizeaza cateva elemente esentiale Tn sectiunea de analiza a
datelor: .
• precizarea intr-un paragraf a tipului de analiza intreprinsa (ex. regresie
multiliniara ierarhica), alaturi de justificarea alegerii facute; fn plus, se
poate face 0 precizare scurta legata de respectarea sau nerespectarea
conditiilor de baza necesare pentru aplicarea acestei tehnici;
• 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),
atunci am putea sesiza 0 relatie dar neliniara. in SPSS, acest lucru po ate fi testat
mai simplu, cerand calculatorului sa ne prezinte valoarea coeficientului de
determinare multipla Tn situatia unei relatii liniare, respectiv a unei relatii neliniare.
fn cazul Tn care R2 asociat modelului neliniar este semnificativ mai mare dedit cel
asociat modelului liniar putem presupune existenta unei relatii neliniare.
Pentru detectarea unei situatii de interactiune poate fi utilizata metoda
regresiei ierarhice; astfel, daca diferentele dintre cele doua valori F asociate
modelelor 1 ~i 3 prezentate mai sus sunt semnificative statistic, putem trage
conciuzia existentei unui efect de interactiune fntre cei doi predictori care
influenteaza evolutia criteriuluL
6.6. Exemplu de regresie multipJa Iiniara - cazul citirij
care au fost introdu~i ace~tia;
• prezentarea unui tabel sumar a indicatorilor descriptivi ~i a matricei de
corelatii intre variabilele incluse Tn model, conform standardelor APA, dupa
modelul oferit de Nicol ~i Pexman (1999);
• prezentarea fntr-un tabel sumar a coeficientilor standardizati de regresie
pentru fiecare predictor fn parte, cat ~i a valorilor coeficientilor de
determinare multi pia aferenti modelului estimativ propus; acest lucru se
poate face utilizand acelea~i recomandari APA prezentate Tn Nicol ~i
Pexman (1999), cu precizarea ca, fn cazul regresiilor in scop predictiv,
trebuie precizate, suplimentar, valorile coeficientilor nestandardizati de
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
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
_ _ _ _ __

Analiza de regresie ierarhica a fost utilizata pentru a observa influenta

vitezei de pronuntare "i a abilitatii de manipulare a sunetelor asupra performantelor
- Tn citire obtinute de copii Tn cia sa a II-a. Am decis sa utilizam regresia ierarhica
pentru a controlainfluenta abilitatii intelectuale generale1?i a nivelului de
familiarizare cu materiale tiparite asupra performantei Tn citire. Merita remarcat
faptul ca toti predictorii au fast evaluati cand subiectii se aflau Inca la gradinita,
pentru a putea vedea Tn ce masura pot fi anticipate dificultatile de citire, pentru a se
interveni Tnca de timpuriu. Din' pl.Incte de vedere tehnic, nu au existat situatii
speciale, toate conditiile de aplicare a regresiei fiind sustinute.
(Comentariu: prin acest design, cercetarea dobande9te un caracter mixt, atat
explicativ - Tn izolarea 9i identificarea.influen\ei celor doi factori asupra abilita\ii de a citi, cat
9i predictiv, prin posibilitatea de a estima evolutia 9colara a elevifor in ceea ce prive9te
cititul, pe baza unor predictori testali anterior. Datele prezentate Tn primul tabel sunt fictive,
deoarece autorii nu au inclus un asemenea tabel, Tn schimb cele prezentate in tabelul de
mai jos sunt reale, dar adaptate conform cerinlelor APA).
Tabel sumar cu rezultatele analizei de regresie ierarhice vizand estimarea performan\elor de
recunoa9tere a cuvintelor pebaza predictorilor luati Tn studiu (N = 161).
VARIABILE
PASUL1
Abilitate intelectuala generala
Probe verbale
Probe de performan\a
Familiaritate cu materiale tiparite
PASUL2
Abilitate intelectuala generala
Probe verba/e
Probe de performanta
Familiaritate cu materia/e tiparite
Abilitate fonetica
Viteza de pronuntare
* p < .05; ** P < .01
in fiecare model ierarhic, variabila dependenta era constituita din
performanta obtinuta Tn citire privind recunoa~terea literelor de catre elevii din c1asa
a II-a. Predictorii inclu:;;i Tn primul pas au fost abilitatea intelectuala generala "i
gradul de familiaritate cu materialul tiparit, pentru a putea controla efectul acestora
asupra variabilei dependente. in cel de-al doilea pas, pe IEmga ace§ti predictori au
fost introdu§i cei doi fact'ari de interes, §i anume, viteza de pronuntare ~1 abilitatea
de manipulare a sunetelor.
(Comentariu: in cazul regresiei utilizate Tn scop predictiv este necesara 9i
prezentarea coeficien\ilor nestandardiza\i de regresie (b), cat ~i a erorii standard de
masurare a acestora (SE b). in cazul regresiei eu seop explicativ, predominanta Tn artieolul
de fata, nu este necesara preeizarea acestor indicatori suplimentari. De altfel, autorii
studiulu; de fala nici nu ofera va/orile acestora, de aceea am lasat spa\iile respectrve
neeompletate) .
Rezultatele din tabelul de mai sus sprijina ipoteza conform carela atat
abilitatea fonetica, cat §i viteza de pronuntare a sunetelor influenteaza semnificativ
performanta elevilor de a recunoa~te 9i citi cuvinte, Tn conditiile Tn care controlam
influenta datorata diferentelor de niveluf intelectual ~i de familiarizare cu materialele
tiparite (6.A2 =: .101, P < .01). Astfel, cei doi factori explica impreuna 10,1 % din
performanta ob\inuta la proba de citire de catre elevi, iar aceasta vine in plus, fata
de cele 37,8% explicate de factorii controlati (nivelul intelectual 9i gradul de
familiarizare cu materiafele tiparite).
(Comentariu: p nu este un atribut al lui R2, ci este earaeteristie lui F sehimbare.
Totu~i, se obi§nuie9te trecerea aeestei valori Tn dreptul lui R2 deoareee acesta ofera 0
informa\ie Tn plus: ee proeentaj din dis persia .eriteriului po ate fi explieata de varia\ia
predictorilor inclu~i Tn studiu?).
La nivel analitic, din modelul estimativ final se observa ca nivelul intelectual
R2 i.\R2 ~ B SE b nu influenteaza abilitatea de a identifica cuvinte, valorile beta nefiind semnificative
.378 •• .378 •• statistic. Acest lucru este aparent surprinzator, Tnsa daca tinem Seama ca proba de
identificare a euvintelor are loe, In clasa a II-a, Tntr-o §coala normala, §i ca ea nu
.178 • consta in elemente de comprehensiune a textului, ci doar In elemente de citire a
. 142 cuvintelor, rezultatele nu mai sunt surprinzatoare .
.421 ••
In schimb, se constati:'! ca elevii care sunt familiarizati inca din gradinita cu
.479 •• .101 " materialele tiparite obtin rezultate superioare la testul de identificare a cuvintelor
(~ ::: .45, p < .01), acela§i fapt petrecandu-se §i Tn cazul copiilor care dispun de 0
.157 abilitate fonetiea superioara (I) = .30, P < .01). In schimb, se constata 0 relatie
.153
.458 ••
inversa Tntre viteza de pronuntare §i capacitatea de a identifiea cuvintele m: : - .20,
P < .01). Acest fapt se explica prin tendinta subieetiJor cu 0 viteza superioara de
.302 •• pronuntare de a se grabi §i de a gre§i Tn identificarea co recta a cuvintelor (probabil
- .209· citind primele litere ~i apoi ghicind cuvantul). Analiza erorilor ar putea oferi suport
acestei posibile explicatii.
In concluzie, datele obtinute sprijina ideea ca dincolo de diferentele
intelectuale sau educationale (familiarizarea cu materiale tiparite), exista anumite
structuri psihologice, precum abilitatea fonolagica ~i viteza de pronuntare, care
influenteaza semnificativ performantele subiectilor in citire. Acest rezultat ofera
psihologilor posibilitatea de predictie §i interventie timpurie (Tnca din gradinita)
asupra copiilor care pot Tntampina dificultati In citire pe perioada "colii,
reaJizandu-se astfel primii pa§i in vederea ameliorarii acestei situatii.
Tn spatele acestei sectiuni stau Tnsa 0 serie de operatii metodologice ~i
statistice precum:
• identificarea scopului regresiei: de tip predictiv, explicativ sau mixt;

230
231
 • alegerea celei mai bUlle modalitati de regresie: simultana, ierarhica etc;
• selectarea predictorilor relevanti ·pentru estimarea evolutiei criteriuiui ~i,
daca este cazul, a ordinii de introducere a acestora Tn model;
• interpretarea per ansamblu a eficientei modelului;
• interpretarea coeficieniilor de regresie din perspectiva ipotezelor formulate;
• verificarea Indeplinirii conditiilor de aplicare a regresiei pentru a ne asigura
ca valorile gasite nu sunt distorsionate gray.
etecte izolate, pot fi- denumite efecte simple, fiind analoge efectelor simple din
tehnTcile ANOVA.
Astfel, daca fntr-un design ANOVA factorial de tip 2x3, rezultau trei valori F
(FA, FB, FAB), Intr-o regresie de tip ciasic, factorul interactiune nu poate fi
detectat, deoarece ecuatia de regresie, Tn forma standardizata este:
(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:

6.7.1. Alte tipuri de regresie

Interpretarea primara adatelor este simpla: daca coeficieniii de regresie
De§i este aplicata foarte des, regresia liniara a§a cum a fost prezentata In
sunt semnificativi statistic Inseamna ca predictorii respeetivj eontribuie semnificativ
acest capitol, poate fi aplicata doar Tn situatia In care criteriul (variabila
statistic la evoluiia criteriuluL De§i lucrurile par simple, la prima vedere masurarea
dependenta) este masurat printr-o scala. numerica. Unii autori aplica regresia
efectului de interaciiune ridica cateva probleme ce vor fi discutate, pe scurt, in
liniara §i in conditiile Tn care raspunsurile sunt evaluate pe a scala de tip Likert Insa
continuare. Cum obiinern variabila interactiune XA*XB? Cand se poate masura
aceasta trebuie sa posede minimum 7 trepte de raspuns (Garson, 2000).
acest efeet de interaetiune? Cum se poate cunoa§te daca exista un efect de
In condiiiile In care raspunsurile ordinale au mai putin de §apte trepte sau
interactiune? Cum se interpreteaza coeficientii corespunzatori unui efect de
In cazul Tn care criteriul este 0 variabila de tip nominal, se aplica alte tipuri de
interaciiune? Cum se aplica acest efect de interaciiune Tn cazul variabilelor
regresie. 0 clasificare a acestor tipuri, Tn functie de tipul de predictori 9i criterii
dummy?
permise, este oferita Tn tabelul 6.5, iar una dintre cele mai fntalnite forme, regresia
logistica pentru date dihotomice, va fi detaliata In capitolul urmator.
Cum obtinem
, variabila de interactiune
, XA*XB?
In mare, exista doua modalitati de lucru, prima fiind mai intuitiva 9i mai des
Tabelul 6.5. 0 clasificare non-exhaustiva a tipurilor de regresie
Tntalnita, Insa cea de-a doua fiind mai potrivita din punctul de vedere al
Denumire Predictori Criteriu caracteristicilor statistice pentru variabilele de tip interval, atat de frecvent Tntalnite
Regresia logistica (binara) Orice variabile, indiferent de Numai variabile dihotomice Tn domeniul psihologiei.
scala de masurare Prima modalitate consta Tn realizarea produsuluitermenilor celor doua
variabile despre care se crede ca se afla Tn relatie de interactiune (una dintre ele
Regresia logit Numai variabile de tip nominal Numai variabile dihotomice moderand relatia celeilalte cu predictorul). Aeeasta modalitate simpla se aplica
Regresia logistica Orice variabile, indiferent de Numai variabile nominale atunci cand una dintre variabilele implicate este de tip dummy ~i, de asemenea,
multinomial a scala de masurare (exclus cele dihotomice) poate fi aplicata fara probleme, daca ambele variabile sunt masurate prin scale de
proportii. Daca nu ne· aflam Tn vreuna din cele doua situatii, 5e prefera utiJizarea
Regresia logistica ordinala Orice variabile, indiferent de Numai variabile ordinale celeilalte metode, deoarece simpla Inmultire a variabilelor poate conduce la
scala de masurare (ex. scale Likert cu 5 clase) rezultate distorsionate datorita §anselor mai maride multicoliniaritate ~i avalorilor
eroriJor standard mai ridicate (Jaccard, Turrisi, Wan, 1990).
Cea de-a doua metoda, denumita centrata, consta In Inmultirea celor doi
termeni dupa ce In prealabil s-a scazut fiecare valoare din media acestora. Tabelul
6.7.2. Identificarea efectelor de interactiune In regresia multipla de mai jos indica diferente Tntre cele doua metode cu privire la modalitatea de
Din majoritatea modelelor discutate In acest capitol; analiza de regresie obtinere q variabilei interactiune.
viza identificarea efectelor pe care fiecare predictor la are asupra criteriului. Aceste

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,'

Relatia simpla dintre gradul de solicitare la locul de munca §i stresul

Tabelul 6.6. Exemplu de calculare a variabilei interactiune prin metoda clasica (coloana a
perceput poate fi scrisa:
III-a), respectivprin metoda centrata (coloana a VI-a)
I

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
suplimentare, fala de modelul dasic, al efectelor simple, la fel ca in ecuatiile de mai
jos:
Stres = bO + b1 *Grad de solicitare + b2*Dummy Sex (1)
SIres = bO + b1 *Grad de solicitare + b2*Dummy Sex b3*Grad de solicitare*Dummy Sex (2)
Cum se poate cunoa§te daca exista un efect de interac!iune?
Metoda obi~nuita de verificare a prezeniei sau abser)tei acestui efect este
regresia ierarhica, prin compararea modelelor estimative care indud sau nu efectul
de interaciiune. De exemplu, daca ecuaiia notata cu unu ar avea un R2 = .23, iar
cea notat-cu doi ar avea un R2 = .31, atunci diferenia de .08, adica 8% din
dis persia variabilei criteriu, este pusa pe seama efectului de interaciiune. Aceasta
cre~tere ce reprezinta marimea efectului variabilei interaciiune este semnificativa
statistic daca F schimbare (In engleza "F change") asociat acestei diferente
explicative intre cele doua modele este semnificativ statistic. Cu alte cuvinte, daca
F schimbare de la modelul 1 la mode lui 2 ar avea 0 valoare de genul F(1, 134) =
8.29, p < .01, am putea afirma ca exista un efect de interactiune intre cei do;
predictori, care aduce un plus explicativ evoluiiei criteriului.
Cum se interpreteaza coeficien!ii corespunzatori unui efect de
interac!iune?
Interpretarea efectelor simple
In cazul regresiei clasice, in care nu erau incluse efectele de interaciiune,
interpretarea coeficieniilor b sau ~ se facea simplu. De exemplu, coeficientul b
corespunzator gradului de solicitare in munca indica nivelul de modificare al
criteriului (al stresului perceput) atunci cand gradul de solicitare cre~te cu 0 unitate
in conditiile eliminarii influentei variabilei "sexul persoanei". Cu alte cuvinte,
coeficientul arata cum se mOdifica stresul atunci cand nivelul de solicitare in munca
cre~te cu 0 unitate, pastrand la valori constante ceilalti predictori. Similar,
coeficientul ~ indica nivelul de modificare al stresului, exprimat in abateri standard,
atunci cand nivelul de solicitare in munca cre~te cu 0 abatere standard, Tn conditiile
pastrarii constantea celorlalii predictori.
De asemenea, b corespunza!or sexului persoanei indica valoarea cu care
se modifica stresul perceput atunci cand variabila se modifica cu 0 unitate, in
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
ce prive~te stresul perceput intre femei ~i barbaii, in conditiile pastrarii constante a
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
solicitare in munca.
Tn ecuatiile de regresie care indud un factor de interactiune, valorile b ~i ~
corespunzatoare efectelorsimple i~i modifica putin modulde interpretare. Astfel,
coeficientul de regresie specific nivelului de solicitare in munca este vazut ca
236
,,'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'
" "
intensitatea cu care se modifica criteriul atunci cal1d nivelul de solicitare cre~te cu 0
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
stresul perceput atunci cand nivelul de solicitare cre~te cu 0 unitate, in conditiile in
+ 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
stresul perceput de femei ~i barbati atunci cand nivelul de solicitare in munca ia
valoarea zero.
Se impun doua precizari. In cazul interpretarii efectelor simple in regresii
care indud efecte de interaciiune, b nu indica valoarea cu care se modifica criteriul
atunci cand predictorul respectiv cre~te cu 0 unitate, indiferent de nivelul celorlalii
predictori, ci arata modul in care se modifica criteriul atunci cand predictorul
asociat cre~te cu ounitate, in conditiile in care ceilalii predictori iau valoarea zero.
Deosebirea apare, deoarece valorile b nu sunt constante pe toata amplittldinea
predictorilor cu rol moderator, ea fiind calc,ulata doar in situatia in care ace~tia iau
valoarea zero. Uneori valoarea are 0 semnificaiie reala, ca in cazul variabilelor
dummy, Tn care cota 0 indica prezenta subiec\ilor de sex feminim, in alte situatii
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.
Cea de~a doua precizare se refera la interpretarea acestei valori zero, in
functie de tipul ,de metoda adoptata in obtinerea variabilei interactiune. Daca se
folose~te metoda dasica, bazata pe produsul valorilor variabilelor de interactiune,
zero nu are 0 semnificatie speciala insa daca se folose~te metoda centrata,
valoarea zero reprezinta, de fapt, media variabilelor interactiune. Intr-o asemenea
situatie, interpretarea initiala a lui b (nivelul cu care se modifica criteriul atunci cand
predictorul asociat se modifica. cu 0 unitate in condiiiile in care ceilalti predictori iau
valoarea zero) devine nivelul cu care se modifica criteriul atunci cand predictorul
asociat se modifica cu 0 unitate, iar ceilalV predictori iau valori medii. Din aceasta
perspectiv<3, interpretarea i~i pierde sensul avut Tn cazul' variabilei sexul persoanei
(Tn care valoarea medie nu semnific<3 nimic) ins<3 ca~tiga in relevanta in cazul
variabilei nivelul de solicitare in munca, fiind yorba de 0 interpretare facuta la un
nivel mediu de solicitare in munc<3. De aceea, alegerea modului de construire a
variabilei interactiune P9ate tine seama ~i de u~urinta interpretarii rezultatelor in
funetie de metoda aleasa.
Interpretarea efectelor de interac(iune
Vom utiliza ca exemplu aceea~i ecuatie, cu urmatoarele valori asoeiate:
SIres = bO + b 1*Grad de solicitare + b2*Dummy Sex + b3*Grad de solicitare*Dummy Sex
Stres =4,5 + 0,82*Grad de solicitare + 0, 12*Dummy Sex + 0, 18*Grad de solicitare*Dummy Sex
Interpretarea coeficientului de regresie b3, corespunzator efeetului de
interactiune, indicanivelul in care se modifica b1 atunei cand variabila sex se
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

modifica cu 0 unitate. Tehnic, am putea spune ca acest coeficient indica ~i riivelul

cu care se modifica b2 atunci cand variabila grad de solicitare se modifica cu 0 Norme subiective
unitate. De obicei, in interpretare se tine seama de aceea dintre variabile care
joaca un rol moderator. Cum in situatia de fata variabila moderatoare este' sexul
persoanei, ne yom axa pe prima posibilitate de interpretare. Astfel, yom putea Atitudini Inten\ia de a ac\iona f----~ Comportament
afirma ca stresul perceput se.modifica Tn functie de gradul de solicitare In munca in
mai mare .masura in cazul barbatilor decat in cazul femeilor, deoarece in cazul
barbatilor b1 devine 1 (0,82+0,18), in timp ce in cazul femeilor el este de 0,82. Tn Controlul ac\iunii
plan psihologic, am putea afirma ca nivelul de stres perceput este In mai mare
m~sura dependent de nivelul de solicitare in munca in cazul barbatilor, decat Tn
cazul femeilor. Ca ~i in alte situatii, 0 asemenea interpretare are sens doar daca
Figura 6.16. Schema cauza/a a teoriei comportamentului planificat
coeficientul de regresie asociat efectului de interactiune este semnificativ statistic.

a doua sectiune ar avea drept variabila dependenta comportamentul adoptat, iar

6.7.3. Analiza de cale
ca varia bile independente: intentia de a actiona ~i controlul aqiunii. Cele doua
De~i regresia, In multiplele ei forme, se dovede~te 0 tehnica statistica sectiuni sunt sesizate clar In figura 6.17.
robusta, ce poate fi utilizata Intr-o multitudine de situatii, realitatea psihologica
complexa este uneori inadecvata pentru a permite utilizarea metodelor de regresie,
Norme subiective
de~i avem de-a face cu un design corelational. Inten\ia de a ac\iona
De exemplu, daca yom dori sa testam teoria comportamentului planificat,
ca extensie a teoriei actiunii rationale elaborate de Fishbein ~i Ajzen, yom constata
ca regresia nu poate fi utilizata decat printr-un artificiu tehnic (Hankins, French ~i Atitudini Inten\ia de a ac\iona Comportament
Horne, 2000). Conform teoriei planificarii comportamentului, prezentata In figura
6.16, 0 persoana adopta un anurriit comportament, daca are intentia de a-I adopta Controlul acliunii
~i daca considera ca are capacitatea de a derula acel comportament. De Controlul ac\iunii
asemenea, intentia de a actiona Intr-un anumit fel este dependenta de trei factori:
atitudinea subiectului fata de problema respectiva, normele existente care aproba
sau dezaproba un anumit comportament ~i parerea subiectului cu privire la Figura 6.17. Sectiuni ale teoriei comportamentului planificat testa bile prin intermediul
capacitatea sa de a adopta un anumit comportament. Conform acestei teorii, daca regresiei
un student decide sa ~opteasca unui coleg de-al sau raspunsurile la examen face
acest lucru, pentru ca are intentia de a-I ajuta ~i pentru ca este de parere ca poate
face acest lucru fara probleme (are controlul actiunii). De asemenea, intentia sa de Tn termenii ecuatiei de regresie sub forma standardizata, cele doua sectiuni
a-I ajuta se bazeaza pe atitudinea pe care 0 are fata de acesta (ex. "este 0 pot fi scrise sub forma:
persoana de treaba"), pe normele subiective existente in grup (ex. "este bine sa-ti
ajuti colegii", "estebine sa fii solidar cu ace~tia") ~i pe credinta ca poate face acest Intentia de a actiona = (3Norme subiective + (3Atitudil1i + (3Controlul aqiunii
lucru faraa fi observat ~i sanctionat. Comportament= (3lntentia de a actiona + (3Controlul actiunii
Daca ar fi sa testam validitatea acestui model prin intermediul regresiei, ar
trebui sa impartim modelul in doua seotiuni, fiecare fiind supusa apoi unei analize Din pacate, chiar daca prin regresie putem observa in ce masura cele
de regresie. Prima sectiune ar avea drept variabila dependenta intenVa de a doua ecuatii de regresie explica intr-un mod eficient cele doua par1i ale teoriei
actiona, iar ca predictori: normele subiective, atitudinea ~i controlul actiunii. Cea de comportamentului planificat, nici una dintre ele nu ofera informatiile necesare cu
privire la validitatea de ansamblu a teoriei propuse. Se pot face d'oar presupuneri,
pornind de la ideea ca, daca ambele sectiuni sunt sprijinite de rezultatele analizei
de regresie, atunci intregul model este acceptat.

238 239
 111I1II1I1II!1I1I1I~IIIIIUIIIIIUIIIIIIIIIIIIIIIII'III_lIIl11l11l1:III'II':I:II!I'III'1I1II1II11I1II11111111111111111111111111111111'11111,1111'11111,111111111'11111111'111,111
Tn asemenea situatii, in care modelul testat presupunE? mai multe variabile
dependente, am putea utiliza analiza de cale, ca modalitate mai eficienta de a
testa modelele cauzale complexe.
Oefinirea variabilelor Tn analiza de cale
Aceasta metoda statistica este utila in testa rea unor modele cauzale,
precum este cel prezentat in figura 6.16, vizand teoria comportamentului planificat:
Tntr-un asemenea model exista doua tipuri principale de variabile: variabile
exogene :;;i variabile endogene (Klem, 1995). De precizat ca unii factori pot juca
ambele roluri. Variabilele exclusiv exogene sunt variabilele de la care se porne:;;te
schema cauzala, fiind similare predictorilor din regresia multiliniara. Tn figura 6.16,
normele subiective, atitudinea :;;i controlul comportamentului sunt variabile exclusiv
exogene, in timp ce intentia de a actiona joaca rolul de variabila exogena in relatia
pe care 0 are cu comportamentul adoptat. Tn schimb, aceea:;;i variabila, inteniia de
a actiona, joaca rolul de variabila endogena (similara criteriului din regresia
multiliniara), deoarece ea este considerata ca fiind cauzata de actiunea comuna a
trei variabile: normele subiective, atitudinea :;;i controlul comportamentului. De
asemenea, comportamentul adoptat este 0 variabila exclusiv endogena, deoarece
ea nu influenieaza alte variabile insa este influentata de intentia de actiune :;;i de
controlul comportamentului.
Printr-un asemenea model putem stabili in detaliu relatia dintre variabile.
Spre exemplu, putem stabili ca exista 0 relatie· , indirecta intre atitudinea unei.
persoane :;;i comportamentul acesteia, relatia fiind mediata de intentia de a actiona.
Similar, putem afirma ca perceptia subieciilor despre u:;;urinta sau dificultatea de a
aCiiona (controlul comportamentului). are atat 0 actiune directa asupra
comportamentului adoptat, cat :;;i una indirecta, prin intermediul intentiilor de a
aCiiona. De asemenea, putem campara doua sau mai multe modele concurente
pentru a vedea care dintre ele explica mai bine date Ie culese. Spre exemplu, prin
analiza de cale se poate estima daca teoria comportamentului planificat,
prezentata in figura 6.16 explica mai bine comportamentul adoptat de a persoana
in comparatie cu a varianta modificata a acesteia (figura 6.18) sau fata de teoria
actiunii rationale (figura 6.19).
I'~orme subiective
.. ~,
Atitudini t----"i Inten\ia de aaG\iana 1----:-1"1 Compartmnent
Controlul ac\iunii
Figura 6.18. Teoria comportamentului planificat Tn varianta modificata
240
!'Iarme subiective
Atitudini Ir~en\ia de a aciiona I---,.--~ Cornportarnent
Figura 6.19. Teoria acfiunii rationale
Fara a insista mai mult asupra modului de realizare :;;i interpretare a
analizei de cale :;;i a coeficientilor rezuItati, yom mentiona ca in selectarea
modelului care explica cel mai bine datele obtinute se folose:;;te aceea:;;i strategie :;;i
aceia:;;i parametri, utilizati :;;i in cazul analizei factoriale confirmatorii, interpretarea
facandu-se intr-un mod similar (vezi sectiynea 5.2.3.). Din acest punct de vedere,
SPSS-ul nu ofera posibilitatea de a realiza direct 0 analiza de cale insa un program
complementar, AMOS, poate realiza asemenea analize.
BIBLIOGRAFIE
Berry, W.D., Feldman, S. (1985). Multiple regression in practice. (Sage University Papers on
Quantitative Applications in the Social Sciences, series no. 07-050). Newbury Park, CA:
Sage.
Field, A. (2000). Discovering statistic using SPSS for Windows. London: Sage Publications.
Garson (2000). Gasit la 14.IX pe www2.chass.ncsu.edu/garson/pa765Iregression.htm
Hankins,M., French, D., Home, R. (2000). Statistical guidelines for studies of the theory of
reasoned action and the theory of planned behaviour. Psychology and Health, 15, 151-
161.
Jaccard, J., Turrisi, R., Wan, C.K. (1990). Interaction effects in multiple regression. (Sage
University Papers on Quantitative Applications in the Social Sciences, series no. 07-
072). Newbury Park, CA: Sage.
Kirby, J.R., Parrilla, R.K., Pfeiffer, S.L. (2003). Naming speed and phonological awareness
as predictors of reading development. Journal of Educational Psychology, 95(3), 453-
464.
Klem, L. (1995). Path Analysis. in L.G. Grimm §i P.R. Yarnold (eds.). Reading and
understanding multivariate statistics. (p. 65-98). Washington, DC: American
Psychological Association.
Licht, M.H. (1995). Multiple regression and correlation. In L.G. Grimm §i P.R. Yarnold (eds.).
Reading and understanding multivariate statistics. (p. 19-64). Washington, DC:
American Psychological Association.
Miles, D.E., Johnson, G.L. (2003). Aggressive driving behaviors: are there psychological and
attitudinal predictors? Transportation Research Part F, 6, 147-161.
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.

I Un exemplu tipic In care se poate utiliza regresia logistica este cazul

infidelita~ii Tn plan sexual. Tn functie de acest criteriu am putea Tmparii oamenii Tn
fideli sau infideli fata de parteneri. Daca ar fi sa gasim un set de variabile care sa
realizeze a predictie cat mai co recta a comportamentului in cuplu al partenerilor,
am putea utiliza regresia logistica Tn scop predictiv. Tn schimb, daca am fi interesati
sa vedem ce factori psihologici pot explica infidelitatea dupa ce am controla unii
factori personali sau sociali precum varsta, sexul subiectului, statutul subiectului,
venitul realizat, nivelul de educatie, op'ortunitatile existente la locul de munca etc.,
am utiliza regresia logistica Tn scop explicativ.

7.1. Concepte §i principii teoretice

A;;adar, regresia logistica este a forma de regresie in care variabila

dependenta (VO) este dihotomica, in timp ce variabilele independente (VI) pot fi
continue sau categoriale. Exista cazuri in care: VO, de;;i este categoriala, are mai
multe alternative. Un exemplu ar fi identificarea unor predictori care sa explice cat
mai mult din evolutia probabilitatii ca oamenii sa voteze pe unul dintre liderii politici
precum Adrian Nastase, Teodor Stolojan sau Corneliu Vadim Tudor. Tn aceasta
situatie vorbim despre 0 regresie logistica multinomiala. Tn capitolul de fata vom
aborda doar regresia logistica dihotomica sau binara, denumita generic "regresie
logistica". Modalitatea de interpretarea regresiei logistice multinomiale, cat ;;i a
regresiei logistice ordinale nu poate fi inteleasa fara a buna aprofundare a regresiei

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)

care poate fi scris ~i

Precizari metodologice necesare aplicarii regresiei logistice

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
Raportul ia valoarea 1 cand exista 0 egalitate intre cele doua probabilitati,
adica atunci cand fiecare raspuns are 0 probabilitate de .50 (50%) de a fi ales de 0
anumita persoana. EI devine supraunitar cand exista mai mulle :;;anse sa se
intample situatia 1 (subiectul sa afirme ca era mai bine inainte de 1989) :;;i
subunilar cand :;;ansele sunt mai mari de a prezice varianta (era mai rau inainte
de 1989).
Devine necesara diferentierea clara dintre probabilitati, §anse §i raportul
§anselor. In regresia logistica dihotomica, §ansele unui subiect de a intra In
categoria 1 (era mai bine inainte de 1989) sunt egale cu raportul dintre probabili-
tatea de a fi inc/us Tn acea categorie §i probabilitatea de a apar(ine ce/eilalte
categorii (0 - era mai rau inainte de 1989). Raportul se inverseaza daca dorim sa
calculam :;;ansele cazului de a intra in categoria O. Daca probabilitatea de a fi inclus
Tn categoria 1 este p = .80, ea devine .20 pentru categoria 0 (q=1-p). $ansele ca
subiectul sa apartina primei categorii sunt de patru ori mai mari (.801.20). Se
observaca probabilitfjti1e pot lua va/ori Tntre 0 §i 1, in timp ce §ansele variazi3 de la
o la infinit. Prin urmare, se pune problema calcularii probabilitatii ca un anumit
subiect sa fie inclus in prima categorie. Ea se face dupa formula (Wright, 1995):
unde p = probabilitatea de a se petrece eVenimentul 1 ("era mai bine Tn.inte de
1989"); e simbolizeaza exponentul, iar y ia valori diferite in functie de tipul de
ecuatie logistica. Astfel:
y = bO + b1*X
Y =bO + b1*X1 + b2*X2 ...
Vom calcula, ilustrativ, probabilitatea unei persoane de 20 de ani Sa afirme
ca era mai bine inainte de 1989. Sa presupunem ca interceptul (bO) a fost -1,02,
iar coeficientul logit al variabilei varsta (bi) a fost 0,03. Vom obtine: y = -1,02 +
0,03*20 = -0,42
Deoarece y = exp (bO + b1 'X), exponentul valorii y de -0,42 este 0,657.
Putem inlocui in formula pentru a afla probabilitatea ca un tanar de 20 de ani sa
afirme ca era mai bine inainte de 1989.
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
p (7.4)
pentru regresii logistice simple
pentru regresii logistice multiple
p 0,657 = 0,396
1+0,657
'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
conducatorilor tarii era de 0,396, in timp ce probabilitatea de a se opune unui
asemenea raspuns era 1-p, adicaO,604, 0 valoare mai mare.
Repetand acela:;;i demers matematic pentru 0 persoana de 50 de ani yom
obtine:
° y = -1,02 + 0,03*50 = 0,48, iar exp (y) = 1,61
P = 1,61 / (1+1,61) = 0,616
In acest caz, pentru 0 persoana in varsta de 50 de ani exista 0
. probabilitate mai mare de a afirma ca era mai bine inainte de 1989 (p = .616) decat
de a sustine contrariul (q = 1-p = .384).
Decizia de a fi indus 7ntr-o categorie sau alta se face avand criteriu limita 0
probabilitate de .50 insa aceasta valoare poate fi modificata in functie de
caracteristicile VD :;;i de frecventa reala a alternativelor de raspuns (Hair,
Anderson, Tatham:;;i Black, 1998). .
Pe baza probabilitatilor putem stabili :;;ansele de a fi indus intr-o categorie
sau alta. Un t<3nar de 20 de ani va ave a de aproximativ 1,5 ori mai multe :;;anse de
afirma ca este mai bine acum decat inainte de 1989 (.604/.396). In schimb, 0
. 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
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
predictor in cauza.
Sa presupunem ca ·am obtinut un 'parametru b ~ 0,50 pentru un alt
predictor: numarul de copii. Pentru a afla raportul :;;anselor, yom calcula exponent
din valoarea acestuia (0,50).
eO,50 =1,64
Interpretarea raportului de .:;;anse va fi prezentata pe larg cand yom discuta
des pre coeficientii log it. Pana atunci ne yom rezuma sa citim rezultatul prezentat
mai sus, afirmand ca: un individ cu doi copii are de 1,64 ori mai multe :;;anse sa
afirme ca era mai bine inainte de 1989 in comparatie cu 0 persoana cu un singur
copil (VI cre:;;te cu 0 unitate). Tn cazul mai multor VI incluse in model se specifica
sintagma "pastrand cele(alte variabile constante" ..
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.
Diferenta de patru unitati va fi exprimata astfel:
.
e4*O,50 =7,38
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

In aceasta seciiune vom discuta pa9ii necesari pentru aplicarea regresiei

.8

.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.
EI este chiar mai slab Tn explicarea variaiiei VD decat modelul nul, ce include
flumai interceptul. Vom discuta Tn cadrul sec\iunii urmatoare modul Tn care este
utilizat BIC' pentru a com para doua modele Tntre ele, dupa un algoritm propus de
Long (1997) :?i Freese (2000) •.
Tn exemplul amintit anterior, vizand factorii ce intervin Tn apari\ia unor
malforma\ii genetice la 125 de nou-nascuii, yom evalua trei factori: consumul de
alcool in perioada sarcinii, existen\a unor rude apropiate cu malformatii genetice :?i
varsta mamei la na9tere. Ecua\ia logistica este:
In Handicap =bO + b1*Alcool + b2*Factori genetici + b3*Varsta mamei
SPSS-ul ofera rezultate pentru cea de-a treia metoda de testare a
modelelor logistice, testul Hosmer 9i Lemeshow ca masura a potrivirii. Pentru
aceasta trebuie selectata op\iunea corespunzatoare Tn fereastra "Options" a
regresiei logistice .
. Rezultatul obtinut arata ca ipoteza nula nu poate fi respinsa (p > .07), ca
urmare· vom putea spune ca datele rezultate, estimate pe baza modeluiui
explicativ, nu sunt semnificativ diferite de valorile observate. roate aceste rezultate
sprijina ideea ca cel pu\in un predictor din cei trei (consumul de alcool, factorii
genetici 9i varsta mamei) contribuie semnificativ la estimarea probabilitalii de a da
na§tere unui copil sanatos sau unuia cu malforma\ii genetice.

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.
Figura 7.2. Testarea modeluluj propus din perspectiva gradului de semnificafie
SPSS este a marca inregistrata.
Vom scrie rezultatul sub forma G2(3) = 54.501, P < .001. Gradele de
libertate sunt date de numarul VI incluse Tn modelul testat. Pomind de la ace9ti
indicatori poate fi calculat 9i BIC', procedeu care nu este oferit direct in output-ul
SPSS-ului.
Vom avea:
BIC' =-54,501 + 3 * In 125 =- 40,01
Acest rezultat po ate fi interpretat ca un credit dat modelului explicativ
propus. 0 valoare pozitiva a lui BIC' ar fi Tnsemnat ca avem un model explicativ
mai slab decat modelul nul, ce line seama doar de intercept.
Ln y = bO +b1*Varsta mamei + b2*Consumul de alcool + b3*Stresul perceput ~i
Ln y = bO +b1 *Varsta mamei + b2*Antecedentele genetice
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
tip "cuib", iar ultima poate fi utilizata"9i pentru compararea modelelor explicative
diferite.
Hi palrat al pasulu; este metoda utilizata "Tn SPSS. Tehnica surprinde
marimea modificarilor Tn ceea ce prive§te log likelihood prin introducerea unor VI
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
eliminarea lor ar conduce la un model explicativ inferior. Tehnica este eficienta 9i Tn
identificarea variabilelor dummy semnificative statistic, care pot fi testate
distorsionat prin proba Wald. Din punct de vedere tehnic, X2 al pasului este analog
lui F schimbam din cadrul metodei ierarhice din regresia liniara multi pia.
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

primul, tiind 0 ajustare a acestuia pentru ca R2 sa poata lua valori intre 0 ~i 1,

7.3.3. Stabilirea eficienlei explicative a modelului ales asemeni Iwi R2 din regresia Iiniara. Ointre toti indicatorii mai sus prezentati, R2 al lui
Modelele pot trece pragul testarii ipotezei statistice mai ales in cazul unor Negelkerke este singurul care poate lua valori fntre 0 :;;i 1, ceilalii avand 0 valoare
eiiiantioane foarte mari. Exista Tnsa 0 serie de indicatori, cu rol similar lui R2 din maxima subunitara.
regresia liniara, care arata Tn ce masura VI. influenteaza variatia VO, indicand R2 al proportiilor implica realizarea unui tabel de clasificare. Acesta
astfel, marimea efectului. coniine, Tn cazul regresiei logistice dihotomice, 2 linii ~i 2 coloane ~i clasifica
Vom prezenta cinci asemenea indicatori: Pseudo - R2, R2 al lui McFadden, observatiile ~i predictiile Tn doua grupe 0 sa~ 1 (ex. ang?jat sau ~omer).
R2 al lui Cox ~i Snell, R2 al lui Nagelkerke ~i W de stabilire a proportiilor. Ultimii trei
indicatori sunt calculati ~i de SPSS. Tabelul 7.2. Exemplu de c1asificare a observaiiilor Tn funciie de dalele culese §i de cele
Oaca 'R2 din regresia Iiniara are rolul de a explica ce procent din dis persia estimate
VO este explicat de modificarile VI, indicatorii similari din regresia logistica explica Predig!i §omeri (0) Prediciii angaja!i (1)
modificarea probabilitatii VO de a fi 0 sau 1 Tn functie devariatia VI. Ace~ti Observatii ~omeri (0) 32 5
indicatori nu testeazao anumita ipoteza nula, ci doar evalueaza gradul de asociere Observalii angajati (1) 3 60
intre VI ~i VO.
Pseudo-H2, coeficient dezvoltat de Aldrich ~i Nelson (apud Hair ~i colab., o ecuatielogistica va putea fi reprezentata printr-un asemenea tabel. Oaca
1998), are valori pozitive, subunitare. Are dezavantajul ca valoarea sa maxima nu VI sunt adecvate pentru explicarea VD, S8 va observa 0 similitudihe intre observatii
poate atinge 1. Tn schimb, tehnica poate fi folosita atat Tn cazul regresiei logistice (datele actuale) ~i predictii (pe baza VI) Tn a determina dadi 0 persoana are ~anse
binare, clasice, cat ~i Tn cazul regresiei logistice multinominale sau a celei ordinale. mai mari sa fie angajata sau, dimpotriv3, sa fie ~omera.
Pentru a-I calcula utilizam formula: Vom prezenta, pe rand, valorile indicatorilor' discutati pentru exemplul nou-
nascutilor vizand modeJul care nu include variabila "stresul perceput".
Pseudo - R2 = 1 - (-2LLmodel / -2LLnull) (7.8) , P~ntru calculul lui Pseudo - R2 trebuie sa cunoa~tem valorile abaterii
modelului (-2LL model) ~i ale abaterii initiale (-2LL nul), iar pentru calculullui R2 a
Se poate calcula ~i un Pseudo-R2 ajustat, pentru a tine seama de marimea lui McFadden avem nevoie de valorile logaritmice pentru cele doua situatii (LL -
e~antionului (N) ~i numarul de regresori din m.odel (df '), excluzand interceptul: loglikelihood). Daca Tn· variante mai vechi, precum SPSS 7.5., programul ofera
valorile tuturor acestor abateri, versiunile mai noi, precum SPSS 11.0., permit

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

Classification TablS'
Predicted
HANDICAP
copii cu
Observed jJrobleme copii sanatosi
Step 1 HANDICAP copii cu probleme 42 4 91,3
copii sanatosi 21 58
Overall Percentage
a. The cut value is ,700
Figura 7.6. Rec/asificarea subiectilor pe baza date/or observate §i a ce/or estimate
SPSSeste 0 mardi inregistrata.
Tn acest caz, se observa ca ridicarea probabilitatii pentru a incadra nou-
nascutii in categoria celor sanato~i duce la 0 mai buna estimare a viitorilor nou-
nascuti care vor avea malformatii geneti.ce, 91,3% dintre ace~tia fiind identificati
corect. Tn schimb, scade la 73,4% puterea de estimare corecta a nou-nascutilor
estimati ca fiind sanato~i.
Tn aceste conditii, decizia de a alege punctul critic de ciasificare tine
exclusiv de cercetator, pe baza obiectivelor urmarite. Astfel, in cazul cand este mai
important sa identificam corect, inca din primele, luni de sarcina, daca copiii vor fi
sanato§i, vom alege un punct critic care sa ne ajute sa estimam cat mai corect
acest lucru. Daca, in schimb, este mai important sa identificam de timpuriu copiii cu
malformatii genetice, pentru a permite avortul, atunci criteriul ales va trebui sa
faciliteze detectarea co recta a acestora.
De asemenea, trebuie sa tinem seam a in SPSS de modul de codare a VD.
Daca codurile date celor doua raspunsuri posibile sunt 0 §i 1, programul va pastra
acest sistem de clasificare. Daca insa, cele doua raspunsuri vor fi cod ate 1 §i 2,
SPSS-ul va recoda automat valorile VD in 0 §i 1. Acest lucru s-a Tntamplat §i in
cazul explicat. Datele VD au fost introduse initial cu urmatoarele cod uri: 1- copii cu
malformatii genetice; 2- copii sanato§i. Acestea au fost recodate automat in: 0 -
copii cu malforma\ii genetice §i 1- copii sanato§i. Aceasta schimbare poate deruta
procesul de interpretare a coeficientilor log it semnificativi, de aceea se recomanda
ca intotdeauna VD din regresia logistica sa fie codata, de la inceput, cu valorile 1 '
sau O.
7.3.4. Testarea §i interpretarea co.eficientilor logit
Vom defini cateva concepte pentru a intelege mai bine aceasta sectiune.
Coeficienti( logit din regresia logistica corespund coeficientilor b din
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
260
'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
se modifica §ansele ca VD sa fie, 1 sau 0 cand predictorul asociat cre§te cu 0
unitate, iar ceilal\i predictori raman constanti.
Coeficientii logit trebuie testati pentru a yedeadaca au 0 influenta
Percentage
semnificativa asupra VD. Exista in special doua tehnici folosite pentru acest scop:
Correct testul Wald §i testul X" al pasului.
Testul statistic Wald este 0 metoda utilizata frecvent in regresia logistica
73,4
pentru a testa fpoteza nula conform careia un anumit coeficient log it este,zero. Cu
80,0
alte cuvinte, testul Wald ne arata daca predictorul respectiv influenteaza sau nu
criteriul. Rezultatului ob\inut Ii corespunde 0 valoare t sau z, similara ca
interpretare cu situatia din regresia liniara. Tn acest mod, pot fi eliminate din model
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
este semnificativa. Tn aceasta situatie (ex. un venit exprimat in milioane lei) sau in
cazul variabilelor dummy, ar fi mai bine sa se utilizeze 0 alta tehnica pentru a
reduce §ansele de a comite eroarea de tip II. Alternativa' implica calcularea lui X2 al
pasului, procedeu descris anterior, dupa introducerea variabilelor in cauza.
Diferenta obtinuta este evaluata ca X2' cu k-1 grade de libertate, k reprezentand
numarul de categorii ~e variabilei introduse. Daca rezultatul este semnificativ
statistic la p < .05 vom pastra variabila respectiva sau blocul de variabile dummy.
Tn cazul in care nu sesizam dif~rente semnificative intre modelul explicativ care
include variabila in cauza §i cel care.o exclude, putem elimina variabila respectiva
pentru a simplifica modelul (Garson, 2000).
Coeficien\ii logit obtinuti, de§i semnificativi statistic, nu pot fi compara\i
direct intre ei din cauza problemelor legate de utilizarea unor scale de masurare
distincte. Pentru a rezolva aceasta problema exista posibilitatea de a calcula un
coeficient log it standardizat, indice similar lui beta din regresia liniara, sau de a
estima contribuiia par1iala a lui R pentru fiecare VI in parte.
Coeficientii logit standardizati corespund coeficieniilor beta din regresia
liniara. Sunt utilizaii pentru a com para influenta diferitilor predictori asupra
criteriului, in situatia in care cele doua VI sunt masurate pe scale diferite (ex. varsta
evaluata in ani, venitul. exprimat in lei/luna). De notat ca pentru variabilele de tip
dummy, coeficien\ii standardizati nu au nici 0 semnificatie inteligibila. SPSS-ul nu
ofera coeficientii log it standardizati, Tnsa 0 masura acceptabila este multiplicarea
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.
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
procent din dispersie se datoreaza fiecarui coeficient logit semnificativ in parte
cand ceilalti sunt tin uti la valori constante. Valoarea este dependenta de testul
Wald ?i de eroarea standard, fiind astfel supusa neajunsurilor acestora amintite
261

anterior insa are avantajul de a fi prezentat direct in variantele mai vechi ale SPSS-
ului.
Pentru situatiile descrise mai sus, Tn care exista riscul ca testul Wald sa
of ere valori eronate, este mai utila calcularea coeficientilor standardizati log it sau
multiplicarea coeficientilor log it cu abaterea standard a VI respective (Garson,'
2000).
Din punctul de vedere al interpretarii coeficientilor log it, valorile negative
indica 0 descre~tere a ~anselor de a obtine evenimentul codat 1, pe masura ce
valoarea predidorului cre~te. in schimb, un coeficient logit pozitiv indica 0 relatie
directa, ~ansele crescand 0 data cu marirea valorii predictorului. Pe baza
coeficientilor logit, prezentati Tn figura 7.7, se poate scrie ecuatia Iogistica a
modelului propus.
In Handicap = 4,57+1 ,36*Fara alcool-2,23*Factori genetici-O,09*Varsta mamei
Daca coeficientii logit obtinuti sunt semnificativi statistic, urmatorul pas
consta in interpretarea lor. Vom regasi doua modalitati principale de interpretare:
(a) interpretarea prin factori ~i (b) interpretarea prin procente (Long, 1997). Din
figura 7.7 se observa ca toti cei trei predictori exercita 0 influenta semnificativa din
punct de vedere statistic asupra evolutiei 'probabilitatii criteriului de a lua valoarea
1, adica de a se na~te copii sanato~i. De exemplu, predictorul varsta mamei la
na~tere are un coeficient logit de -0,09, rezultat semnificativ statistic Wald (1) =
10,11, P < .01.
calculeaza, pe rand, cate un X2 al pasului pentru modele care exclud succesiv
aceste variabile dummy.
. inai~te de a explica cele doua modalitati de interpretare, prin fa ctori,
respectlv pnn procente, se cuvine sa precizam cum au fost codate toate aceste
variabile pentru a facilita intelegerea acestui demers. Astfel, varsta a fost exprimata
Tn ani, iar VD a avut doar doua coduri asociate: 1 - nou-nascuti' sanato~i ~i
o- nou-~ascuti cu malformatii genetice (vezi, de asemenea, figura 7.8).
In utilizarea SPSS-ului trebuie sa se diferentieie variabileie categoriale de
cele continue (Garson, 2000). Pentru aceasta adivam opiiunea "Categorical" Tn
cadrul ferestrei legate de regresia logistica. Se va deschide 0 noua fereastra ce
contine 0 lista de "Covariates" cu toate VI inc/use. Vom selecta din lista doar
predictorii care trebuie transformati Tn variabile dummy, adica doar variabilele
masurate prin scale nominale, ~i Ti yom muta Tn lista denumita "Categorical
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
permite crearea automata a variabilelor dummy. Modul de codare a variabilelor
dummy din exemplu apare in output-ul SPSS-ului (figura 7.8).
.; De exemplu, din totalul de 125 de mame chestionate, 42 au consumat
alcool regulat pe parcursul sarcinii, iar 83 s-au abtinut de la acest lucru. Datele au
fost introduse Tn calculator cu urmatoarele coduri: 1 - daca mama nu a consumat
alcool in timpul sarcinii; 2 - daca mama a consumat alcool in' timpul sarcinii. Prin
atentionarea SPSS-ului ca predidorul respectiv necesita transformarea in variabila
dummy, 1 a devenit codul pentru mamele care nu consuma alcool, iar 0 - codul
pentru mamele care au consumat alcool regulat Tn acea perioada,

Variable B S.E. Wald df Sig R

ALCOOL(l) 1,3671 ,6142 4,9541 1 ,0260 ,1340 parameter
FACT. GENETIC(1)-2,2370 ,5111 19',1566 1 , 0000 -,3230 Value Freq Coding
(1)
VARSTA -,0938 ,0295 10,1136 1 ,0015 -,2221
FACTORI GENETICI
Constant 4,5707 1,1631 15,4425 1 ,0001 Malforma1;ii in familie 1 62 1,000
Lipsa de malformatii 2 63 ,000
ALCOOL
95% CI for Exp(B) nu bea in timpul sarcinii 42 1,000
Variable Exp(B) Lower Upper bea in timpul sarqinii 2 83 ,000

ALCOOL(l) 3,9238 1,177413,0768

FACT. GENETICI(l) ,1068 ,0392 ,2908 Figura 7.8. Output SPSS 11.0 cu privire la modul de transformare a
VARSTA ,9105 ,8593 ,9647 variabilelor nominale In variabile dummy
SPSS este 0 marca inregistrata.

Figura 7 ~ 7. Output oferit cu privire la va/orile coeficientilor logit

SPSS este 0 m~rca Tnregistrata.
(a) Interpretarea prin factori implica valorile exponentului coeficientului logit
obtinut - exp(b) (vezi figura 7.7). De exemplu, Tn cazul variabilei consum de alcool,
in cazul celorlalii doi predictori care sunt variabile dummy, testul Wald, de~i b a fost 1,36, iar factorul rezultat, exp(b) a fost 3,92. Pe baza acestor rezultate
nu este cel mai potrivit de a fi aplicat in
asemenea cazuri, indica, de asemenea, putem afirma ca persoanele care nu au consumat alcool au de patru ori (3,92 ori)
coeficient i logit semnificativi statistic. Acest lucru este confirmat daca se mai multe ~anse de a na~te copii sanato~i In comparatie cu 0 persoana care a

263
262
 "III Illi !IIIIIIIII,IIIII:IIII
(lOnSUmat alcoa I Tn timpul sarcinii, Tn conditiile Tn care vom pastra constante valorile
colorlults VI implicate Tn model.
Pentru variabila varsta avem exp (-0,09) = 0,9139. Fiecare an de viata Tn
plus modifica eu un factor de 0,91 ~ansele, de a na~te un copil sanatos. Valorile
subunitare ale factorului Tnseamna de fapt 0 relatie inversa Tntre cele doua
elamente (ex. mai multi ani, mai pulfne ~anse de a na~te un copil sanatos).
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
ceea ce prive~te ~ansele ca VD sa fie 1 candVI respectiva cre~te cu 0 unitate, iar
ceilalti predictori sunt mentinuti la valori constante:
Pentru VI continue putem interpreta valorile b ~i pentru situatii cand VI
cre~te mai mult de 0 unitate. Vom exemplifica eum se modifica ~ansele de a na~te
un copil sanatos la interval de 10 ani diferenta. Formula de calcul devine: exp
(b*10) = exp (-0,09*10) = 0,4067. Astfel, 0 femeie de 30 de ani are 0,4067 ~anse
(mai putin de jumatate) de a na~te un copil sanatos Tn comparatie cu 0 alta de 20
de ani. Aceasta interpretare este valabila daca ceilalti predictori iau valori similare,
de exemplu, fie ambele femei comparate nu au consumat alcool Tn perioda sarcinii,
fie au fost comparate doua femei care au consumat alcool Tn perioada sarcinij.
(b) Cea de-a doua posibilitate de interpretare este cea prin procente, caz
Tn care se utilizeaza formula:
lOo(i -1) (7.12)
Pentru variabila "consum de alcool" vom obtine 100 (3,925-1), adica
292,5%. 0 valoare negativa indica 0 descre~tere Tn ~ansele ca VD sa fie 1 atunci
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
consumat alcool Tn acea perioada, pastrtmd toate celelalte variabile constante.
Pentru variabila varsta, yom obtine 100 (0,91-1), adica -8,95%. Aceasta
Tnseamna ca fiecare an de viata Tn plus determina 0 descre~tere cu 8,95% a
~ansei de a da na!?tere unui copil sanatos, pastrand toate celelalte variabile
constante.
7.3.5. StabiIirea unor profile ideale
Pe baza ecuatiei logistice putem stabili profile pentru diverse valori ale VI.
Avantajul acestora eonsta Tn posibilltatea de a manipula mai multe VI, Tn acela~i
timp, pentru a observa modificarile Tn evolutia VD (Freese, 2000). Reamintim ca
ecuatia de regresie pentru exemplul nostru este:
In Handicap =4,57 + 1,36*Alcool- 2,23*Factori genetici - 0,09*Varsta la na§tere
264
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
Vom com para doua persoane diferite din perspectiva probabilitatii ca VD
sa fie 1 (nou-nascut sanatos):
a) 0 mama de 20 de ani, care nu a consumat aleool Tn perioada sarcinii ~i care nu
are Tntre rudele de gradul I ~i II anteeedente de eopii eu handicap;
b) 0 mama de 40 de ani, care a consumat aleoolTn timpul sarcinii ~i car'e are Tn
familie persoane cu malformatii eongenitale.
VD (a) = exp (4,57 - 0,09*20 + 1,36*1 - 2,23*0) = 4,13 (a)
VD (b) = exp (4,57 - 0,09*40 + 1,36*0 - 2,23*1) = - 1,26 (b)
Aeestea sunt apoi transformate Tn probabilitati pe baza formulei 7.4. Vom
obtine 0 probabilitate de 0,9837 pentru cazul a ~i una de 0,2205 pentru eazul b. 0
probabilitate. de 0,50 Tnseamna ~anse egale pentru ambele categorii VD.
Observam ea primul subiect este mai probabil sa nasea un copil sanatos, iar al
doilea, unul cu malformatii genetice.
Pe bazaprobabilitatii ca VD sa fie 1 putem calcula ~i probabilitatea ca VD
°
sa fie (q = i-p). Astfel, probabilitatea de a na~teun copil eu malformatii genetiee
este de 0,0163 Tn cazul primei marne §i de 0,7795, Tn cel de-al doilea eaz. Tn ee
prive~te ~ansele, observam ca ~ansa de a na§te un eopil sanatos este Tn primul
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
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
arata ea prima persoana are 213,40 ori mai multe ~anse de a na~te un copil
sanatos Tn eomparatie cu cea de-a dpua persoana [(.98371.0163) / (.22051,7795)].
7.3.6. Analiza cazurilor infiuente asupra modelului
SPSS ofera, prin activarea butonului "Save" din regresia logistica,
posibilitatea de a caleula indieatori ce descriu sau analizeaza fieeare eaz Tn parte,
asemenea situatiei amintite Tn eazul regresiei liniare.
De exemplu, prin bifarea "Predicted Values" putem stabili probabilitatea VD
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
caz asupra modelului. Tn tabelul 7.3. vor fi descri~i principalii indicatoriutilizafj in
detectarea eazurilor influente.
Cu ajutorul acestor indieatori putem studia cazurile care nu se Tncadreaza
bine Tn modelul explicativ propus. Cu alte euvinte, putem identifica atat cazurile
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
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
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

SCALAREA MUL TIDIMENSIONALA

Se pare ca Torgerson a fost primul care a propus termenul de scalare

multidimensionala (Notelaers, 2002). Acest termen a fost adoptat mai ales de
cercetarile din domeniul psihofizicii, Tn timp ce Tn domeniul psihometriei s-a utilizat
mult timp termenul de "analiza spatiului celui mai mic" (Tn engleza "smallest space
analysis"). Chiar daca au existat unele distinctii Tntre ace§ti termeni, Tn special. la
nivelul algoritmilor de calcul, principiul este acela§i. Prin urmare, yom utiliza, pentru
ambele situatii, termenul generic de scalare multidimensionala.
Tn cadrul scalarii multidimensionale se regasesc un grup de tehnici menite
sa identifice gradul de proximitate perceptiva Tntre diferite aspecte studiate.
Principiul dupa care func~ioneaza aceste tehnici este simplu: exista 0 anumita
distanta psihologica Tntre obiecte, iar aceasta distanta poate fi reprezentata grafic
sub forma unei harti perceptive. Astfel, gradul de similaritate / disimilaritate Tntre
obiecte (ex. concepte, trasaturi comportamentale, imagini, afecte) este transpus
grafic sub forma unei distante Tntre puncte, acestea nefiind altceva decat proiectii
ale obiectelor Tn plan sau Tn spatiu. Cu cat doua obiecte sunt percepute mai diferit,
cu atat distan~a dintre punctele reprezentate grafic va fi mai mare. Tn schimb, daca
doua obiecte vor fi .percepute ca fiind asemanatoare, distanta dintre punctele
corespunzatoare va fi mai mica. Prin acest demers, MDS (multigimensional
~caling) se constituie ca 0 tehnica multivariata, exploratorie, ce po ate fi utilizata
pentru a vizualiza proximitatile dintre obiecte Tntr-un spatiu redus dimensional.
Dimensiunile (axele) acestui spatiu vor constitui criteriile (variabilele) latente care
stau la baza stabilirii proximitatii dintre obiecte. Din acest punct de vedere,
scalarea multidimensionala se apropie de analiza factoriala.
Analiza factoriala presupune reducerea unui numar mai mare de variabile
la cateva variabile latente, denumite factori: Tn acela§i mod, Tn MDS se Tncearca
reprezentarea grafica Tn cat mai putine dimensiuni (axe) a unuinumar mai mare de
puncte (obiecte). Ambele metode permit realizarea; unor rotiri ortogonale. Exista,
Tnsa, diferente importante Tntre cele doua tehnici. Daca analiza factoriala,
exceptand tehnica Q, necesita un numar relativ mare de raspunsuri (subiecti) §i un
numar relativ mic de variabile ce trebuie factorizate, scalarea multidimensionala
necesita, mai degraba, un numar mare de puncte (variabile) §i poate fi
desfa§urata, Tn anumite cazuri, chiar pe un singur subiect.

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

obiecte. Principala limita a algoritmului ramane imposibilitatea analizarii datelor

posibilitatea de a realiza 0 simulare pentru a compara solutia obtinuta (ex. numarul
aflate Tn relaiii unfolding la nivel analitie. Altfel spus, nu putem surprinde diferentele
de dimensiuni obtinute; valoarea stresului) cu cea rezultata Tn .cazul unei distributii
-individuale sau de grup tn ceea ce prive9te preferin\ele pentru anumite obi~cte
aleatoare a punctetor obtinuta prin studii Monte-Carlo. .
decat prin apelul la artificii tehnice. 0 asemenea cale este introducerea unui punct
MDPREF CMultigimensional Preference Scaling) este un program adresat _
ideal §i com para rea aeestuia eu fiecare dintre obiectele incluse Tn analiza pentru a
modelelor MDS metrice, sintetice, bazate Tn p~incipal pe relatii de tip unfolding, iar
secundar pe relatii de similaritate perceptiva.' Pe langa realizarea unui grafic cu
puncte, este prezentat un vector care- arata directia preferintelor subiectilor
t afla gradul de similaritate sau de diferen\a a acestora fa\a de punctul ideal.

chestiona\i. Vectorul are sageata Tndreptata Tn di~ectia mediei' preferint~lor

8.2. Design-ul cercetarii in scalarea multidimensionala
subiectilor. Varianta non-metrica pentru aceasta procedura este PREFMAP care
folose9te cercuri 9i puncte ideale .rentru sublinia preferintele respond~n·tilor. a I Un design tipic implica rezolvarea a trei punete fundamentale:
Ambele programe sunt incluse Tn pachetul deprograme MDS{X).
1.
seleetarea obiectelor analizate §i a numarului aeestora;
TRISOSCAL (Triadic §.imilarities Qrdinal Scaling) este un program adresat
cazurilor de MDS non-metrice, sintetice, bazate pe relalii de similaritate.
I 2.
metodele de colectare a datelor;
Particularitatea se refera la modul de realizare a rela\iei de similaritate. Nu se j 3.
managementul datelcir Tn utilizarea programelor statistice (ex. SPSS-ul).
recurge la metode traditionale de colectare a datelor. Metoda fol08ita este data de Inainte de analiza fiecarui punct Tn parte, trebuie sa amintim ca un design
compara\ii Tn triade, fiind Tntalnita mai ales Tn domeniul constructelor personale,
initiate de Kelly Tn 1955 9i dezvoltate apoi de Frarisella 9i Bannister (1977).
I ,,-
tipic include, alaturi de datele privind gradul de similaritate / disimilaritate dintre
obiecte, evaluarea acestora pe baza unor atribute externe (eu scopul de a u§ura
Triadele pot fi de doua feluri: partiale (alege\i din trei obiecte, doua care sunt mai identificarea dimensiunilor latente), unele date demografice (cu scopul de a
apropiate) sau totale (alege\i din trei obiecte, doua care sunt cele mai surprinde caracteristicile subiec\ilor chestiona\i) §i, eventual, informa\ii des pre
asemanatoare; apo! alege\i din acelea9i trei obiecte, doua care difera cel mai mUlt). trasaturile fiziee ale obiectelor. Pentru a Tn\elege practic acest subeapitol, yom
Programul este inclus tot Tn pachetul statistic MDS(X). apela la un exemplu construit pornind de la structura cercetarii Tntreprinse de
MULTISCALE (Multidimensional Scale) este inclus Tn SAS §i, a§a cum am Rhoades §i Arnold (1999). Fi 9ierul aferent exempluluieste "scalare similar.sav", iar
amintit, este singurul procedeu care are un caracter confirmatoriu. Intr-un fel, calea de urmat Tn SPSS este "Analyze" - "Scale" - "Multidimensional scaling
MULTISCALE reprezinta Tn cadrul procedurilor MDS ceea ce analiza factoriala (PROXSCAL)". Daca nu dispune\i de modul SPSS Categories ve\i utiliza calea
confirmatorie reprezinta Tn cazul analizei factoriale. "Analyze" - "Scale" - "Multidimensional scaling", dupa ce Tn prealabil ati copiat
ALSCAL (Alternating beast §.quare Scaling) este probabil cea mai datele fiecarui grup "experti" vs. "novici", Tn doua fi§iere separate, deoarece
raspandita procedura MDS. Ea poate fi utilizata atat Tn cazuri metrice, cat 9i non- modulul de baza al SPSS-ului nu permite compararea grupelor, daca datele au fost
metrice, atat pentru rela\ii de similaritate, cat §i pentru cele de tip unfolding. Totu§i, introduse direct sub forma unei matrice de similaritate.
proeedura este specifica datelor sintetice, fiind mai pu\in eficienta Tn compararea
diferen\elor individuale (situa\ii analitice). Programul este cuprins Tn numeroase Context: in cercetarile pe tema managementului conflictului au fost descrise 9i
pachete statistice precum SPSS Base System, SAS sau ViSta. clasificate 0 serie de comportamente 9i modalita\i de reac\ie In situa\ii conflictuale. Acestea -
INDSCAL (Individual Qifferences Scaling) este 0 procedura aparte, fiind se refera la stilul personal al fiecaruia de a raspunde, pornind de la reac\ii de tip nevrotic,
destinata nivelului analitic diferen\ial (prive~te diferen\ele individuals sau grupale). pana la strategii de acaparare a puterii. Concepte precum evitarea, compromisul,
Procedura esteinclusa Tn programe statistice cum ar fi SPSS Base System, SAS, renun\area, confruntarea, medierea, cooperarea,utilizarea forjei fizice etc., sunt de
sau MDS(X) 9i este compatibila atat pentru date, metriee, cat§i non-metrice. notorietate In aceasta problema. Aceste categorii au fost grupate dupa nenumarate criterii
Algoritmul poate fi utilizat pentru a reprezenta rela\iile de similaritate dintre obiecte. taxonomice precum: orientarea spre sarcina vs. orientarea spre rela\ii umane; active vs.
PROXSCAL (Proximity Scaling) esteo procedura recent introdusa Tn pasive; unilaterale vs. bilaterale; constructive vs. distructive; individuale vs. de grup etc.
pachetul adi\ional SPSS Categories, cS! promite foarte mult. In mare, metoda Pornind de la aceste considerente, vom selecta ca obiecte supuse MDS urmatoarele zece
contine doua avantaje: po ate fi aplieata pentru orice tip de date (metrice sau non- reactii 9i masuri In situatH de conflict: evitarea; compromisul; confruntarea; renuntarea;
metrice), aflate Tn rela\ii de similaritate sau preferen\iale, vizand atat aspecte cooperarea; subminarea; manipularea; amanarea; arbitrajul 9i medierea.
analitiee (diferentiale, de replicare), cat §i sintetice. Procedura include astfel
avantajele ALSCAL, INDSCAL 9i IDEOSCAL §i, Tn plus, algoritmul de calcul utilizat Pe baza acestora yom Tncerca sa raspundem la urmatoarele Tntrebari:
permite 0 mai buna aproximare grafica a punctelor pe baza distantelor dintre

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?
In termeni tehnici, care dintre criterii contribuie mai mult la stabilirea
distantei psihologice dintre cei zece stimuli inclu~i in studiu?
2) care este, din perspectiva e~antionului testat, ierarhia preferintelor de a
reactiona in situatii de conflict?
3) daca impai\im e~antionul in doua grupe: cu ~i fara experienta in
solutionarea conflictelor, exista diferente in ce prive~te modul de percepere
a celor zece reactii incluse in studiu?
8.2.1. Selectarea obiectelor §i a numarului acestora
De cele mai multe ori nu putem include intreaga populatie de stimuli dintr-o
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
selectarea stimulilor care vor face obiectul scalarii multidimensionafe este
important sa retinem trei aspecte, pe care Ie yom prezenta pe rand.
a) Stimulii ale§i sa fie cat mai reprezentativi pentru categoria aleasa. Astfel,
Tn studiile de marketing nu sunt inclu~i toti stimulii, oricat de minori ar fi ei, ci se
obi~nuie~te sa se aleaga stimulii cu 6 cota de piata crescuta, cu 0 diversitate cat
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
conflictelor interpersonale (Bogathy, 2002). Daca yom tine seama de conflictele
intrapsihice, intragrupale, intergrupale sau interstatale, yom observa ca lipsesc
multe dintre reactiile tipice, posibile Tn astfel de situatii conflictuale.
b) ,Stabilitatea unei solutii este dependenta de raportul dintre numarul de
stimuli inclu§i §i numarul de dimensiuni selectate de solutia optima. Astfel, daca
anticipam un numar mai mare de dimensiuni (ex. criterii de evaluare a unor
produse), ar fi bine sa includem un numar cat mai mare de stimuli. Au fost
elaborate 0 serie de recomandari in acest sens. Jones ~i Koehly (1993) enumera
doua asemenea reguli. Prima sustine ca trebuie sa avem intre 4 ~i 6 stimuli pentru
fiecare dimensiune inclusa Tn solutii. Gea de-a doua, mai generala, sugereaza ca
numarul de dimensiuni extrase sa nu depa~easca valoarea (n-1 )/4, unde n
reprezinta numarul de stimuli (obiecte). Tn cazul nostru, avand zece stimuli, ambele
reguli indica 0 solutie stabila reprezentata Tn plan (doua dimensiuni). 0 solutie in 3
dimensiuni pare a fi maiinstabila, insa nu imposibila. Aceasta regula nu are
caracter obligatoriu, ci doar de recomandare, prin urmare, ea nu trebuie aplicata
automat. Alegerea numarului de dime,nsiuni este dependenta Tn principal de
indicatorii statistici obtinuti ~i de gradul de interpretabilitate a dimensiunilor. Mai
cel mai frecvent, doua sau trei dimensiu'ni. Alegerea numarului de dimensiuni va fi
aprofundata Intr-un subcapitol ce va urma.
c) Un alt aspect, (:Ie care trebuie sa Se 1ina seama In selectarea numarului
de stimuli inclu~i, consta In particularitatea MDS de a considera numarul de stimuli
ca echivalent al numarului de subiecV Prin urmare, In utilizarea scalarii
multidimensionale pentru a identifica dimensiunile latente, N (volumul e~antionului)
este dat de numarul de stimuli §i nu denumarul de subiecti. De aceea, se prefera
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
este dependent §i de metoda utilizata pentrucolectarea datelor, unele fiind
nepotrivite pentru un numar mare de stimuli.
8.2.2. Metode de colectare a datelor
De la aparitia tehnicilor MDS au fost dezvoltate 0 multitudine de metode de
colectare a datelor, dintre care yom prezenta pe larg trei:
• compararea fiecarei perechi de stimuli;
sortarea;
• ierarhizarea.
8.2.2.1. Compararea fiecarei perechi de stimuli
Este m~toda cel mai frecvent Tntalnita in MOS. Ea presupune compararea
a cate doi stimul.i. Numarul de comparatii cre§te foarte mult atunci cand numarul de
stimuli se mare~te, de aceea modafitatea este mai putin potrivita pentru a fi
utilizata la un numar de stimuli N>20. Numarul de comparatii ce trebuie efectuate
poate fi aflat cu ajutorul formulei [n(n-1)/2]. Astfel, pentru cei 10 stimuli din
exemplul reactiilor la situatii de conflict, vor fi necesare 45 de comparatii Intre
stimuli perechi (ex. 1 cu 2; 1 tu 3; 1cu 4; ... ; 9 cu 10). Daca numarul de stimuli ar fi
fost 12, utilizarea aceleia~i metode ar fi necesitat 66 de comparatii.
Din punctul de vedere al scale lor de masurare, cea mai Tntalnita modalitate
este cea ordinala, de tip Likert, cu 5, 7 sau 9 diviziuni, in care alegerea unei valori
capat (ex. "1 ") ar Tnsemna 0 foarte mare similaritate intre obiecte, iar alegerea
celuilalt capat (ex. "7") semnifica diferente foarte mari fntre obiecte. lata doua
dintre cele 45 de comparatii efectuate in problema mai sus mentionata:
Arbitraj VS. t,,'l emere Confruntare vs. Mediere
'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!

fi simetrica (relalia dintre A ~i B este aceea~i cu cea dihtre B ~i A) sau asimetrica

(AB diferit de BA). Pentru simulare, yom presupune c§ avem un lot de §ase persoane,
Cand avem mai multi subiecti, se obi~nuie~te sa se faca media Tmpartite egal Tn doua grupe: experti §i non-experti Tn managementul conflictelor. in
raspunsurilor la 0 anumita comparatie. Astfel, revenind la problema c-u reactiile Tn
situatii de conflict, d.aca avem opt subiecti testati, valoarea din matrice
I consecinta, vom avea doua matrice, fiecare avand zece linii §i zece coloane. Daca
am fi interesati de modul Tn care Tntregul e§antion percepe cei zece stimuli, am
reprezentand gradul de disimilaritate dintre mediere ~i confruntare este, de fapt, avea 0 singura matrice cu zece linii ~i zece coloane. Figura 8.3. prezinta imaginea
media raspunsurilor celor opt respondenti la comparatia perechii respective. Daca fi§ierului "scalare similar.sav", dupa introducerea datelor Tn cele doua matrice.
se considera ca este importanta analiza pe subgrupe de subiecti, yom construi mai Se observa din imagine doua matrice ge tip 10X10, una apartinand
multe matrice. Daca dorim sa realizam 0 analiza diferentiala la nivelul fiecarui subgrupului de non-experti (sursa' = 1)., iar cealalta, grupului de experti Tn
individ, Yom construi atatea matrice cati subiecti avem. managementul conflictului (sursa = 2). Spre exemplu; valoarea de 4,66, existenta
Pornind de la exemplul dat, yom pres!Jpune ca suntem interesati atat de 0 la intersectia coloanei 2 cu linia 4, reprezinta media evaluarilor subiectilor din
analiza de sinteza, la nivelul Tntregului e§antion, cat §i de diferentele existente Tntre grupul non-experti vizand asemi!marea dintre compromis §i renuntare. Se observa
doua grupe de subiecti: cu §i fara experienta Tn managementul conflictelor. o corespondenta Tntre coloane §i linii (ex. atat coloana, cat ~i linia a cincea se
Colectarea datelor prin metoda comparatieifiecarei perechi de stimuli conduce la refera la subminare). in introducerea datelor este important sa pastram ordinea
ob\inerea unor matrice simetrice ~i de forma patrata. Daca datele ar fi fost liniilor pornind de la cea a coloanelor.
selectate prin sortare, am fi obtinut tot 0 matrice simetrica, de forma patratica, fara De asemenea, fiind yorba de date simetrice; exista posibilitatea completarii
Tnsa a avea posibilitatea de a analiza diferentele subgrupale sau interindividuale. in doar a unei parti din matrice. Aceasta optiune, cu completare sub diagonala
schimb, daca am fi obtinut datele pe baza de ierarhizare a preferintelor, matricea principala, este §i optiunea standard Tn PROXSCAL. Numai Tn cazuri de matrice
ar fi fost asimetrica §i de forma rectangulara. asimetrice este necesara completarea intregii matrice. Din nefericire, aceste
facilita\i sunt prezente doar Tn PROXSCAL, procedura inclusa Tn SPSS Categories.
Pachetul de baza,_care apeleaza la ALSCAL, permite efectuarea unei analize a
diferen\elorindividuale numai In situatiile Tn care datele nu sunt direct proximitati.
in astfel de situatii, datele sunt introduse normal (fiecare coloana reprezinta 0
variabila, iar fiecare Iinie semnifica un subiect). Pornind de aici, se creeaza 0
matrice de date automata prin selectarea ~i completarea op\iunii "Create distances
from data". In cazul Tn care variabilele nu sunt apreciate cu aceea§i unitate de
masura, se recomanda standardizarea lor initiala. Numai asUel de date pot fi
supuse analizei diferentelor individLJale prin INDSCAL, In pachetul de baza SPSS.
Daca datele sunt construite prin metoda sortarii stimulilor, yom introduce
datele Intr-o maniera similara. Totw;>i, este important sa amintim ca algoritmul de
calcul nu este foarte bine pus la punct pentru a realiza analize individuale sau
subgrupale prin aceasta metoda. In consecinta, nu se recomanda sortarea
stimulilor pentru modele MDS analitice, ea fiind utila pentru MDS sintetice, Tn
situatii cu un numar mare de stimuli, prezenta\i Intr-o slngura matrice patratica §i
simetrica. 0 modalitate eleganta de a depa~i aceste neajunsuri este apelul la
masuri derivate. Astfel, daca datele initiale sunt de tip categorial, dihotomic, se
poate apela la calcularea disimilarita\ii dupa formula 1_<p2, unde phi reprezinta
valoarea coeficientului de corela\ie pentru acest tip de date.
in sfar~it, daca dorim sa introducem date obtinute Tn urma ierarhizarii pe
baza de preferinte a stimulilor, unica matrice introdusa va avea 0 forma asimetrica
~i rectangulara. in cazul exemplului de fata matricea va fi de tip 10X-6, unde pe cele
Figura 8.3. Print-screen SPSS cu matricea date/or zece coloane se vor afla stimulii (variabilele), iar pe fiecare linie vor fi trecute
SPSS este 0 mardi inregistrata. rezultatele unui anumit subiect. Fiind §ase subiec\i chestionati, yom avea §ase linii.

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.

8.3.1. Selectarea numarului de dimensiuni din harta perceptiva

Scalarea multidimensionala este In primul rand 0 tehnica descriptiva de
reprezentare grafica a datelor. Cu exceptia procedurii MULTISCALE nu exista
modalitati de testare a ipotezelor legate de numarul de dimensiuni In care trebuie
reprezentate spatial obiectele.
Totu:;;i, exista mai multe indicii care pot fi utilizate In acest scop, printre
care enumeram: indicatorii statistici specifici (ex. stres sau OAF) (1), analiza grafica
de tip scree plot (2), compararea indicatorilor statistici prin metoda Monte Carlo (3),
gradul de stabilitate a solutiei (4), u:;;urinta de a reprez~nta grafic solutia gasita (5),
nu Tn ultimul rand, gradul de interpretabilitate a dimensiunilor (6).

Indicatori statistici 'in evaluarea numarului dedimensjuni

Gradul de potrivire sau nepotrivire a reprezentarilor spatiale pomind de la

proximitatile exprimate de subiecti poate fi apreciat printr-o serie de indicatori
statistici. Cel mai raspandit este conceptul de stres (raw stres sau raw phi). Au fost
concepute mai multe formule de ealeul, :;;i In conseeinta, mai multe forme de stres
(Stres 1; Stres 2; Stres S). Din neferieire, valoarea aeestora este dependenta de
Figura 8.4. Print-screen SPSS cu matricea rectangufara din fi§ieruf "scafare preferinte. S8 v" mai multi factori, preeum tipul de date (MDS metriee tind sa ia valori de stres mai
SPSS este 0 marca Tnregistrata. mari decat cele non-metriee) sau va loa rea nominala a acestora (scalelede la 1 la
10 conduc la valori stres mai mari deeat scalele de la 0 la 1) (Kruskal :;;i Wish,
1994). Din cauza aeestor inconveniente, a fost obtinuta 0 formanormalizata de
Din pacate, SPSS-ul nu dispune de mijloace adecvate pentru analiza stres (N Stres), care face posibila comparatia dintre reprezentarile grafice,
:nodelelor MDS analitice, unfolding. In schimb, datorita tipului de matrice duala (Tn indiferent de tipul de date. Aceasta are valori cuprinse Intre O:;;i 1 (Coxoh, 1982).
eng!. two-mode), exista solutii alternative. Spre deosebire de matricele unimode Pornind de 1i3 aceasta normalizare, au fost propuse mai multe reguli de interpretare

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

Un alt eriteriu de sprijin utilizat Tn selectarea 'numarului de dimensiuni se

"~~-----------------------
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

Figura 8.5. Interpretarea grafica prin metoda "scree plot"

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

8.3.2, Interpretarea configuratiei

, MDS o prima modalitate de interpretare (identificare) a dimensiunilor este de
ordin subiectiv. Observa\i pentru cateva secunde distribu\ia· punctelor de-a lungul
Este timpul sa reamintim 0 fraza esen\iala prezentata Tn introducere.
primei - dimensiuni. Gasi\i vreun sens pentru modul Tn care' sunt distribuite
Proximitatea psihologica dintre obiecte poate fi reprezentata spatial sub forma unei
punctele? ... Foarte bine! Se pare ca Tn partea stanga a primei dimensiuni se ana
distante Tntre puncte. Cu cat punctele sunt mai apropiate unul de celalalt, cu atat .
obiectele sunt vazute de e§antionul testat ca semanand mai mult. La fel, cu cat situate reac\ii precum cooperare, mediere, compromis, confruntare, arbitraj. Ce au
punctele sunt mai departate unul fata de celalalt, cu- atat obiectele corespunzatoare acestea Tn comun§i mai ales, ce Ie deosebe§te de punctele aflate Tn partea
dreapta, ca manipularea, evitarea, subminarea, renun\area, amanarea? Cu
acestora sunt percepute mai diferit. Distan\ele dintre puncte nu trebuie
excep\ia confruntarii, se pare ca medierea, cooperarea, compromisul sau arbitrajul,
absolutizate. Cu mici exceptii, toate distantele sunt doar masuri relative. Aceasta
Tnseamna ca nu putem trage concluzii de genul: obiectul A este de doua ori mai implica ac\iuni bilaterale. Tn schimb, punctele din partea dreapta par a fi mai
degraba ac\iuni unilaterale. Din aceasta perspectiva, am putea concluziona ca
apropiat de obiectul B Tn compara\ie cu distan\a de la A la C, daca observam
1·- (ochio)metric 0 asemenea situatie. Ceea ce conteaza este doar distanta relativa. prima dimensiune care contribuie la reprezentarea grafica a punctelor, §i implicit, la
stabilirea asemanarilor sau a deosebirilor psihologice dintre obiecte, este axa
Astfel, daca distan\a dintre punctele A §i B e mai mica decat cea dintre §i C sau A reactii bilaterale vs. reactii unilaterale.
cea dintre B §i C, putem afirma doar ca cele doua obiecte A §i B par a fi percepute
, ~intr:un mod sim'ilar, am putea observa §i identifica configura\ia punctelor
ca fiind mai asemanatoare decat oricare alta combinatie. Pe baza acestor
observa\ii subiective putem grupa diferite obiecte Tn catego~ii. De exemplu, putem
pe cea de-a doua dimensiune. Cum am putea denumi aceasta axa, daca la un
observa din figura 8.6 ca subiec\ii tind sa perceapamai asemanator amanarea §i capat contine ac\iuni energice, directe, de genul confruntarii, iar la cel~lalt se
regasesc reaC\ii precum compromisul, renun\area, evitarea sau amanarea. S~ fie
renun\area ca forme de reac\ie la situa\ii conflictuale decat, sa zicem, amanarea ~i
vorba de un continuu al gradului de asertivitate? Sa fie yorba de gradul de
cooperarea. Mai mult, am putea chiar identifica un cluster de reac\ii reprezentat de
tripleta: amanare, evitare §i renun\are. . . activism, pe 0 axa bipolara ce cuprinde reac\ii pasive vs. reac\ii active? Foarte
probabil,. mai cu seama ca spre mijlocul axei se observa reactii de nivel mediu Tn
Spaliul cornun ceea ce prive§te gradul de asertivitate sau activism.
confruntare o astfel de interpretare subiectiva necesita cu siguran\a multa intuitie §i
" sensibilitate. Trei pericole mar! fac ca aceasta metoda sa nu fie prea iubita, in
special de statisticieni. Primul pericol se refera la tendinta oamenilor de a identifica
m'e,diere arbitraj manipulare
submioare
c paternuri de obiecte acolo unde de fapt nu exista. Cel de-al doilea, se refera la
cooperare " tJ c c
1:1 posibilitatea efectuarii unei rotiri ortogonale a dimensiuniJor, schimbandu-se astfel
) perspectivele de a privi punctele din grafic. Se cuvin'e aici sa amintim ca prin rotire
compromis
nu se pierd informa\iile esenfjale legate de distan\a dintre puncte.Sa ne Tnchipuim
evitare
c C harta Romaniei. Indiferent daca Tn urma rotirii vom localiza Timi~oara sau Aradul Tn
·1 amanare
c
vest, sud, nord, sau est, distanta dintre ele se va pastra. Tn sfar~it, a treia §i cea
renuntare mai consistenta critica, se refera la alte situatii MDS decat eele bidimensionale.
c
·2 . Astfel, este dificil sa interpretam configura\ia punctelor Tntr-o reprezentare
.2·~.1------'~1.0C------O~.O-------1.~O----~2.1
tridimensionala (spatiala) §i chiar imposibil, Tn situatii mai eomplexe, cu patru sau
Dimension 1 mai multe dimensiuni. .
Figura 8.6. Output SPSS cu reprezentarea spatia/a a distante/or psih%gice
SPSS este 0 mardi inregistrata.

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'"

(ex. R = .78), influenta predictorilor trebuie sa fie semnificatlv~ statistic la

Evnluaro(l oblectiva a dimensiunilor
un prag p < .01 sau chiar mai mic;
b) valoarea coefjcientilor standardizati beta (denumiti Tn cadrul MDS ~i
AeRAta ests motivul pentru care au fost dezvoltate 0 serie de tehnici
directie cosinus) sa fie cat mai apropiata de 1.
"nlllclOtlvo" do Interpretare a dimensiunilor, indiferent de numarul acestora. Ele sunt
r/l'llIlllllllo Tn Jargon statistic adecvarea vectoriala a atributelor (Tn erigleza "property
Tabelul 8.1. Valorile predidorilor §i ale criteriilor 'pentru fiecare atribut studiat prezente in
r
VIL1It'lt" fitting"). n topul aces tor masuri se afla regresia multiliniara. Principiul
baza de date "scalare coordonate.sav"
.J:,-

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

Cum am proceda concret Tn acest exemplu?

Pnslil 1. Identificarea variabilelor dependente care pot ave a 0 semnificatie Ce inseamna indeplinirea acestor conditii? Prima ne arat13 ce legatur~
pslhologica, Iii astfel, pot influenta configuratia spatiala a punctelor. Tn exemplul dat exista intre configuratia punctelor ~i atributul respectiv. Cu cat corelatia multiplb
am deds s~ evaluam reactiile la situatii conflictuale prin prisma urmatoarelor dintre predictori ~i alribute este mai mare, cu atal atributul este mai semnificativ
alribute: masuri pasive vs: active, u~ilaterale vs. bilaterale, individuale vs. pentru modul de configurare a punctelor. Coeficientul de regresie standardiza!
colective, irationale vs. rationale, distructive vs.constructive. (beta) ne arata cat de apropiat este atributul evaluat de sistemul de axe, Daca beta
PaslIl2. Alegerea unuia dintre cele doua moduri de masurare a acestora pentru 0 anumita dimensiune are valoarea 1, atunci exista 0 congruenta tatala Tntre
(scala bipolara Tn ~apte sau noua trepte) Tn cazul regresiei multiliniare sau (optiune dimensiunea respectiva ;;i vectorul atributului respectiv, deoarece cosinus de unu
dihotomica) Tn cazul analizei discriminantului sau a regresiei logistice. Vom alege este egal cu zero grade. Aceasta situatie ar constitui un indiciu extrem de puternic
pentru exemplul-model 0 scala bipolara cu ~apte trepte. Astfel, pentru atributul Tn favoarea denumirii dimensiunii respective prin apelul la acel atribut. Retineti insa
pasiv-activ, se acorda un punct pentru 0 reactie considerata a fi. pasiva, ~apte ca este nevoie ~i de 0 corelatie multipla ridicata. Celor mai putin familiarizati cu
puncte pentru una activa ~i valori intermediare pentru nuante ale acestui aspect. aceste transformari trigonometrice Ie vin Tn ajutor manuale precum cel al lui Rogai
Similar se procedeaza ~i pentru celelalte atribute. (1983) care contin tabele cu transformarile necesare.
PnslIl3. Realizarea unei medii a raspunsurilor la un obiect pentru fiecare Rezultatele obtinute In urma analizei de regresie pot fi sintetizate asemeni
varlElbiid dependenta. exemplului dat:
Paslil 4: Utilizarea coordonatelor fiecarui punct reprezentat spatial ca
varia bile predictor' ~i efectuarea analizei statistice corespunzatoare (vezi tabelul Tabelul 8.2. Analiza atributelor
B.1.). De remarcat c13 valorile coordonatelor pentru fiecare stimul pot fi salvate Tntr-
ATRIBUTE BETADIM 1 BETA DIM 2 R
lin filiier nou, prin selectarea optiunii "common space coordinates", prezenta prin
Pasiv - Activ -0,226 0,830 0,939**
actlvarsa butonului "outp.ut" din cadrul S~SS Categories, PROXSCAL..
Dup;';\ Kruskal ~i Wish (1994), un atribut are importanta In interpretarea Unilateral - Bilateral -0,989 -0,172 0,938**
Independent - Colectiv -0,719 0,028 0,731
unel dimensiuni daca, in urma analize; de reg res ie, Tndepline~te doua conditii:
a) corelatia multipla dintre coordonatele punctelor ;;i atri~utul respectiv sa fie Irational - Rational 0,000 0,352 0,354
Distructiv- Constructiv -0,926 -0,147 0,881*
foarte ridicata (R > .90, acceptabil Tnsa ~i peste .80); Tn situatii limita
** p < .001 * p < .01

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,

Grup cu experienta 82 Grup tara experienta S1

Dimension Weights
I.' r---:C:=OH=:R~UN=T----'"
.0

,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

Figura 8.8. Output SPSS cu analiza importantei dimensiunilor pe categorii de subiecti

Figura 8.9. Output SPSS 11.0 cu reprezentarea grafica a spatiiJor individua/e
SPSS este 0 marca Tnregistrata.
SPSS este 0 marca Tnregistrata.

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

obiectele, ca Tn cazul datelor de similaritate, ci §i subiectii, pozitionati grafic In ,5 Row 6

c
functie de preferintele exprimate. 0,0 -\------;;;;~';;;;;am~~I=:;;ilmml\l,,------1
c
Tn general exista doua abordari ale modelelor extinse (Hair, Anderson, ,,5
Tatham, Black, 1998). Abordarea explicita consta in includerea unui obiect ideal
a itra/ Aow4
intre stimuli, urmand apoi procedura c1asica de stabilire a gradului de similaritate D

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

Analiza interna implica ideea stabilirii direcle a ierarhiei preferintelor

fiecarui subiect pentru obiectele incluse in studiu. Datele sunt adunate i~tr-o
Din aceasta reprezentare grafica se observa tendin\a subiec\ilor 2 :;;i 4 de a
prefera medierea :;;i arbitrajulca modalitati de reactie, precum :;;i a subiectilor 1,3,5,
matrice rectangulara, care Tn cazul exemplului dat are 10 coloane (10 reactii la
§i 6 de a prefera cooperarea, confruntarea §i compromisul. Mai mult, exista 0
conflict studiate) §i 6 linii (6 subiecti chestionati) (vezi baza de date "scalare
preferinte.sav"). In urma aplicarii MDS corespunzatoare (versiune disponibila §i in tendint a medie la nivelul Tntregului e:;;antion de a opta pentru aceste reactii la
conflict, :;;i in special pentru cooperare :;;i confruntare. Tn schimb, se observa ca
SPS~ Base System), vom obiine 0 harta perceptiva ce include atat obiectele-
subminarea, manipularea, evitarea, renuntarea sau amanarea nu starn esc prea
stimul, cat §i subiectii. Mai mult, printr-o prelucrare secundara, similara celei
multe simpatii, prima fiind la nivelul intregului e:;;antion :;;i cea mai putin agreata
prezentate anterior, se poate pozitiona :;;i un vector al preferintei subiec\i1or,
rezultat dintr-o medie a raspunsurilor acestora. Interpretarea configura\iei punctelor dintre toate formele de react ie .
Vectorul preferinielor a fost obtinut Tntr-o maniera similara cu cea descrisa
pe harta se face intr-o maniera asemanatoare cu modelele MDS c1asice. Astfel,
la adecvarea vectoriala a atributelor. Variabilele independente incluse sunt date tot
daca doua puncte (fie ele stimuli :;;i/sau subiec\i) sunt reprezentate grafic apropiat
de coordonatele spatiale ale obiectelor evaluate (nu :;;i ale subiectilor), Tn limp ce
unul de celalalt, ele sunt percS'pute ca fiind apropiate :;;i din punctul de vedere al
variabila dependenla poate fi media (mediana) rangurilor acordate In ceea ce

297
296

privett. pr.t.rlll\tllliI lubltlc\lIor pentru fiecare obiect. Tn exemplul nostru, corela\ia
,mlltlplA nbllnuti ,,,tr. leellte elemente a perm is constituirea unei axe preferin\a vs.
"1lI11r11'1IIi1,tl (R - .945; bntn dim1 = -.958~i beta dim2 = -.073) Intr-un spa\iu
IlitUIIllllltillllUl1 (BIroI'! 2 .... 105).
8.5. Incursiunc in optiunile SPSS
SPSS-ul Base System (SPSS 11.0) ofera doua optiuni de introducere a
date lor. In modelul clasic, fiecare coloana reprezinta 0 variabila ~i fiecare lin ie,
rezultatele unui anumit subiect. Tn modelul matriceal, datele sunt masuratori medii
ale proximita\ii dintre obiecte. Din nefericire, a doua optiune, nu este adecvata
pentru modele de tip INDSCAL. Selectand butonul "shape" In "data are distances"
avem trei optiuni de matrice: simetrice (cazul compararii fiecarei perechi de
obiecte), asimetrice (cazul testelor sociometrice) 9i reclangulare (modele
unfolding). Daca optam pentru "create data from distance", vom putea utiliza
modelul obi9nuit de introducere a datelor. Cele mai importante aspecte care
trebuie seledate aici sunt modul de masurare a datelor, cu variantele aferente
fiecarei situatii, respectiv standardizarea sau nestandardizarea variabilelor:
Variabilele trebuie standardizate dae::a nu sunt masurate cu aceea9i unitate de
masura. ApasE'md butonul "Continue" revenim In fereastra principala, unde putem
selecta tipul de model MDS. In cadrul MDS metrice putem alege variantele interval
sau raport, in funclie de datele avute, iar pentru modelele non-metrice, varianta
ordinal.
De asemenea, putem decide Intre un model sintetic, ALSCAL (Euclidian
Distance) 9i unul analitic, INDSCAL (Individual differences euclidian distance). In
plus, putem selecla numarul de dimensiuni dorite pentru care sa obtinem indicatorii
statistici de adecvare (ex. Stres). Deosebit de importanta este stabilirea tipultii de
conditionalitate. Exista trei optiuni: "matrix" - pentru datele introduse direct ca
distante in matrice; "row" - pentru modele MDS unfolding; "unconditional" - pentru
cazurile "create distances from data". Dupa alegerea modelului adecvat 9i
apasarea butonului "continue", vom putea apasa "options" pentru a selecla, Tn
principal, modalitatea Tn care dorim sa arate output-ul. Pe langa aceste op\iuni, prin
sintaxa putem apela la alte doua modele MDS importante: GEMSCAL, pentru
'situatii
, Tn care testam aceia9i subiecti, de mai multe ori 9i ASCAL, pentru matrice
asimetrice.
SPSS Categories ofera, Incepand cu versiunea 10.0, procedura
PROXSCAL. Aceasta reprezinta un progres in MDS, fiind preferabila utilizarea ei
in comparatie cu procedurile ALSCAL. Manualul SPSS Categories (Meulman 9!
Heiser, 2001) ofera mai multe amanunte legate de modul de utilizare a acestel
proceduri 9i, Tn plus, unele informatii sunt similare cu cele prezentate anterior.
Acestea sunt, foarte pe scurt, op\iunile ce trebuie selectate in principalele tipuri de
scalare multidimensionala.
298
""""""""""""'"""'""11"1111111111'11111'11111 1111' 1111'lllllill111111111!1111111111111111'1111"lIIi!II:II"I,
Utilizarea modelelor analitice necesita formarea mai multor matrice, in timp
ce MDS slntetice au ca design prezentarea datelor Tntr-o singura matrice. Tn cazul
exemplului nostru, am optat pentru un model echivalent INDSCAL (Weighted
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
8.3.);
2) selectareaop\iunii MDS PROXSCAL;
3} alegerea optiunilor: "The data are proximities"; "Multiple matrix source";
The proximities are stacked matrices across columns" 9i apoi "Define";
4) j'ntroducerea variabilelor - reactii la conflict in "proximities" 9i selectarea
variabilei referitoare la experienta subiec\ilor in situatii de conflict in
"source";
5) ~eleetarea ca model a Weighted Euclidian (INDSCAL); "Iower-triaungular
matrix"; "ordinal untie tied observations"; "dissimilarities"; "within each
source separately"; "minim2"; "maxim 3"; iar apoi "continue";
6) accesarea butonului "Plots" 9i selectarea op\iunilor: "comon space";
~,individual spaces" 9i "individual weights" (optional putand fi seleetate 9i
celelalte grafice pentru a urmarl gradul de adecvare a soluiiei);
7) seleclarea altar opiiuni-output, in func\ie de aspectele de interes avute.
Tn fine, pentru MDS constranse, cercetatorul poate interveni apeland
butonul "restrictions", iar pentru modele unfolding, poate utiliza opiiunea "the
proximities are in a single column".
BIBLIOGRAFIE
*** (2001). SPSS Base 11.0. User's guide. Chicago: SPSS Inc.
Bogathy, Z. (2002). Conflicte Tn organiza(ii. Timi§oara: Editura Eurostampa.
Carroll, J.D. & Green, P.E. (1997):Psychometric methods in marketing research: part 11,
multidimensional scaling. Journal of Marketing Research, 34, 193-204.
Coxon, A.P.M. (1982). The user's guide to multidimensional scaling with special reference to
the MDS(X) library of computer programs. London: Heinemann Educational Books Ltd.
Fransella, F. & Bannister, D. (1977). A manual for repertory grid technique. New York:
Academic Press. .
Hair, J.F. Jr., Anderson, R.E., Tatham, R.L., §i Black, W.C. (1998). Multivariate data analysis
th
(5 ed.).Upper Saddle River, NJ: Prentice Hall.
Jones, L.E. & Koehly, L.M. (1993). Multidimensional Scaling. Tn G. Karen & C. Lewis (Eds.).
. A handbook for data analysis in the behavioral sciences: methodological issues (p. 95-
163). Hillsdale, NJ: Lawrence Erlbaum Associates. . . . nd
Kachigan, S.K. (1991). Multivariate statistical analysis. A conceptual introductIOn. (2 ed.).
New York: Radius Press.
299
 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