variabile

I.1 Variabile
• obiectele pot fi cunoscute prin

– mă surarea indicatorilor proprietă ţilor sale

• obiectele devin mă surabile prin stabilirea caracteristicilor lor

• Caracteristica

– o particularitate
– o însuşire a unui obiect sau fenomen
– constituie obiectul mă sură rii
• masă poate fi caracterizată prin

– lungime
– lă ţime
– înă lţime
– greutate
– formă
– culoare
– Toate acestea constituie caracteristici prin care
• cât mai multe caracteristici

– cu atâ t obiectul se conturează mai precis

• variabile

– Caracteristicile prin care obiectul este descris

• O variabilă reprezintă

– principală proprietate este aceea că variază

– se disting de constante
• într-un studiu efectuat pe o populaţie generală

– genul biologic poate fi o variabilă

• dacă lotul de cercetare cuprinde atâ t bă rbaţi câ t şi femei
• numai pe femei
– genul biologic devine o constantă
• Modalitatea de realizare a unei variabile

– (modul în care îi sunt atribuite valorile)

– constituie un eveniment întâ mplă tor (probabilistic)
– se mai numeşte şi
 • variabilă aleatoare
• variabilă stocastică
• valorile pe care le poate lua variabila se grupează în interval de valori

– variabilă stocastică ce poate lua aleatoriu valori

• din domeniul de definiţie 150 – 190 centimetri
• elementelecare compun D unei variabile aleatorii

– poartă numele de valori sau scoruri

– numere
• variabila se mai numeşte şi variabilă aleanumerică
• variabilă aleatorie exprimă aşadar variaţia unei caracteristici

• ex

– înă lţimea elevilor este o variabilă alea-numerică

• Toate aceste caracteristici pot fi
– mă surate
– înregistrate
– catalogate
• Pentru aceasta

– variabilele vor trebui mai întâ i definite

– apoi înregistrate
– supuse analizei
• Frecvenţa

– ră spunsul la întrebarea
– „câ ţi indivizi câ te cazuri populează fiecare categorie a variabilei”
– T Rotariu
• "nr indivizi statistici
– care populează fiecare clasă a caracteristicii”
– 20 de persoane cu ochi albaştri
– 13 persoane cu ochi verzi
– 15 persoane cu ochi negri
– Valorile care însoţesc categoriile variabilei „culoarea ochilor”
• reprezintă tocmai frecvenţele
• mai exact frecvenţele absolute
• pot exista frecvenţe exprimate procentual
– (frecvenţe relative)
– frecvenţe cumulate
• O variabilă aleatoare poate fi

– discretă
 – continuă
• după cum mulţimea de definiţie a valorilor sale poate fi

– numă rabilă (discontinuă )

– nenumă rabilă (continuă )
• I.1.1 Variabile discrete

– în funcţie de nivelul de mă surare pot fi categoriale sau ordinale

• mulţimea de definiţie a valorilor sale este o mulţime discontinuă
– între două valori nu poate fi interpusă permanent valoare intermediară
• culoarea ochilor poate lua valorile

– negru
– că prui
– verde
– albastru şi putem clasifica subiecţii
• variabilă discretă

– nominală categorială (culoarea ochilor)

• deoarece permite doar clasificări
– fă ră a putea vorbi de o relaţie de ordine sau ierarhie
– între valorile pe care le poate lua respectiva variabilă
– ordinală sau de rang(gradul didactic)
• exista ierargie

I.1.2 Variabile continui

• D-continuu ne-numă rabilă
• variabile scalare
– de interval
– de raport
– între 2 valori ale X putem gă si valoare intermediară
• variabila „înă lţimea subiecţilor” tip scalar (continuu)
• referire la un înalt nivel de precizie cu valori zero absolute
• posibilită ţi de construire a scalelor de raport
– un subiect este x2 greu decâ t altul

I.2 Scale (nivele) de măsurare

• definiţia lui Stevens
– mă surarea poate fi realizată la diferite niveluri de mă surare
– organizate ca în figura de mai jos
• proprietăţile scalelor sunt incrementale
– adică proprietă ţile unui nivel inferior de mă surare
– valide şi la un nivel superior de mă surare
 – însă nu şi reciproc
• Cuantificare
– Neparametric(non-metric)
• Nominal(clasificare)(lipsa cuantificarii)
• Ordinal(rand sau ierargie)
– Parametric
• Interval
• Raport

I.2.1 Scale neparametrice

• grupează
– scala nominală
– scala ordinală
• cel mult
– o relaţie de ordine
• nu putem vorbi de parametri
• nici de statistici metrice
• Nu are sens calculul mediei
– sau al altor indicatori din sfera metrică
• nu putem stabili un interval

I.2.1.1 Scala nominală (de clasificare)

• primul nivel de mă surare
– clasificarea obiectelor
• în funcţie de existenţa/inexistenţa unei caracteristici
• presupune existenţa unor categorii disjuncte
• fiecare obiect să -şi gă sească locul într-o categorie
• cel puţin două categorii
– dihotomie sau clasificare dihotomică
• O variabilă nominală cu două categorii
– polihotomii
• clasifică ri multiple (polihotomice)
• Proprietăţi ale scalei
– Transformă rile permise la nivelul acestei scale
• Redenumirea
– atribuirea unor noi nume
• (în loc de masculin/ feminin
• Permutarea
– schimbarea ordinii elementelor
• Operaţii statistice permise
– Frecvenţa absolută şi relativă (procentul)
 • câ te observaţii au fost incuse în fiecare categorie
• (de exemplu 25 de bă rbaţi şi 40 de femei sau 30% bă rbaţi şi 78%
femei)
– Valoarea modală (modul)
• categoria cu frecvenţa cea mai mare
• din 200 de subiecţi
– 150 au ochi albaştri
• categoria cu frecvenţa cea mai mare – modul)
– Verificarea statistică prin χ2=procedeu de
• comparare a frecvenţelor
• verificare dacă diferenţele dintre ele sunt
– întâ mplă toare
– semnificative
– Coeficienţi de corelaţie între două variabile cu două valori fiecare
• coeficientul υ
• coeficientul tetragoric
• coeficientul de contingenţă
• toate bazâ ndu-se pe lucrul cu frecvenţe absolute sau relative

I.2.1.2 Scala ordinală (de rang sau topologică)

• al doilea nivel de mă surare
– ierarhizare în funcţie de mă rimea unei caracteristici
– fă ră a preciza cu câ t un nivel ierarhic este superior/inferior altuia
• nici de câ te ori
• Spre deosebire de scala nominală
– (ale că rei proprietă ţi le include)
– scala ordinală permite
• stabilirea unei relaţii de ordine între date
• exemplu
– gradele militare
• Proprietăţi ale scalei
– includ pe cele ale scalei nominale
– Transformările permise
• care nu afectează ordinea iniţială
• ridicarea la putere
• inversa ei
• extragerea de radicali
– Operaţiile statistice permise
• Frecvenţa sumelor în valori
– cumulate si procentuale
– valorile categoriale şi categoriale procentuale
 – valori categoriale centile
– valori de împră ştiere
• Procedee bazate pe date categoriale
– testul semnului
– Mann-Whitney
– Wilcoxon
– Kolmogorov-Smirnov
– analiza de varianţă Kruskal şi Wallis
• Coeficienţi de corelaţie de rang
– ρ Spearman
– τ Kendall <!–

I.2.2 Scale parametrice

Cuprind scalele de interval şi de raport Începâ nd de la acest nivel putem vorbi de statistici
parametrice sau metrice Are sens de acum să calculă m
I.2.2 Scale parametrice Cuprind scalele de interval şi de raport Începâ nd de la acest nivel
putem vorbi de statistici parametrice sau metrice Are sens de acum să calculă m Cristian
Opariuc-Dan 27 media abaterea standard sau alţi indicatori care fac parte din statisticile
numite şi statistici „tari” I.2.2.1 Scale de interval (intervale egale) Reprezintă al treilea nivel
de mă surare şi derivă din scala ordinală la care se adaugă proprietatea că intervalele dintre
un nivel de valori şi altul sunt egale Este un tip de mă surare în care distanţele dintre
treptele scă rii sunt distanţe egale sub aspectul cantită ţii caracteristicii de mă surat În
psihologie practic nu întâ lnim această scală decâ t în domeniul psihofiziologiei în care
înregistră m timpi de reacţie numă r de erori forţa unei reacţii etc Acest nivel de mă surare
ne permite să ră spundem la întrebarea „cu câ t este mai mare” dar nu şi la întrebarea „de
câ te ori” deoarece la nivelul acestei scale nu întâ lnim un punct zero absolut ci unul arbitrar
ales Un exemplu clasic de scală de interval este scala de temperatură Celsius După cum
ştim punctul de zero grade Celsius este un punct arbitrar ales definit ca punctul de îngheţ al
apei la presiunea atmosferică de la nivelul mă rii Intervalele acestei scale sunt egale ceea ce
ne permite să spunem că apa dintr-o gă leată este mai caldă cu 10 grade Celsius decâ t apa
dintr-o altă gă leată dar nu şi că apa este de două ori mai caldă deoarece punctul zero nu
este un zero absolut Prin analogie ne putem referi şi la scorurile unui test de inteligenţă
dacă admitem compromisul menţionat în subcapitolul anterior Putem spune că între un
subiect cu un IQ de 60 şi unul cu un IQ de 120 există o diferenţă de 60 de puncte dar nu că
cel cu un IQ de 120 este de două ori mai inteligent decâ t cel cu un IQ de 60 În definitiv nu
avem o inteligenţă zero La o privire mai atentă observă m şi compromisul efectuat
Performanţa la un test de inteligenţă depinde de mai mulţi factori nu numai de cei legaţi de
inteligenţă Astfel intervin motivaţia memoria atenţia condiţiile de examen etc Este cert că
cel de al doilea subiect este mai inteligent decâ t primul (ne situă m Statistică aplicată în
ştiinţele socio-umane 28 acum la nivel ordinal) însă a afirma chiar şi că este mai inteligent
cu 60 de unită ţi pe scala IQ consider că este hazardat (la nivel de interval) În definitiv la o
reexaminare a celor doi subiecţi cu acelaşi test există o probabilitate foarte mare ca această
distanţă de 60 de puncte să nu se pă streze Iată o mă surare care deşi la prima vedere pare la
nivel de interval totuşi mai exact o putem situa la nivel ordinal Diferenţa dintre scala
inteligenţei şi scala temperatorilor Celsius este totuşi foarte mare Mai mult intervalele pe o
scală IQ sunt doar aparent egale Diferenţa de 5 „puncte IQ” dintre un subiect cu un IQ de 60
şi unul cu un IQ de 65 are cu totul alt sens în comparaţie cu diferenţa dintre un subiect cu
un IQ de 120 şi altul cu un IQ de 125 şi de asemenea se deosebeşte de diferenţa dintre doi
subiecţi cu IQ 100 şi 105 Cele 5 „puncte IQ” nu sunt în aceste cazuri egal distanţate
Proprietă ţi ale scalei  Transformă rile permise la acest nivel sunt cele de tip liniar
caracteristice ecuaţiei y=ax+b unde a>0 iar y este valoarea transformată x – valoarea care
urmează a fi transformată a – constanta de extindere şi b – constanta de deplasare
(Vasilescu 1992) o Deplasă ri – prin mă rirea punctului „zero” relativ la o altă valoare
(modificarea constantei b) o Extinderi – amplificarea sau diminuarea intervalelor scalei cu
acelaşi factor (modificarea constantei a) fă ră să deterioră m rezultatul mă sură torilor (de
exemplu transformarea din note „z” în stanine sau sten)  Operaţii statistice permise o
Calculul mediei aritmetice al abaterii standard al boltirii şi al simetriei o Statistici
parametrice testul „t” Student „F” – Fisher analiza de varianţă Cristian Opariuc-Dan
o Toate tipurile de corelaţii „r” Pearson raport de corelaţie (R) coeficientul de regresie (b)
Anumite operaţii statistice deşi presupun scala de interval necesită şi îndeplinirea altor
condiţii şi anume respectarea unei legi de distribuţie în general legea distribuţiei normale
(gaussiene) Prin urmare în analiza datelor pe lâ ngă cerinţa nivelului de interval se impune
şi analiza distribuţiei datelor înregistrate Transformă rile permise la nivelul acestei scale au
o importanţă practică deosebită atunci câ nd procedă m la normalizarea unei distribuţii
statistice de date I.2.2.2 Scala de raport (proporţii) Ultimul nivel de mă surare – şi cel mai
precis – este reprezentat de scala de raport care are toate caracteristicile unei scale de
interval la care se adaugă existenţa unui zero absolut În sfâ rşit această scală ne permite să
ră spundem la întrebarea „de câ te ori” deoarece existenţa unui zero absolut face posibilă
compararea proporţiilor De exemplu dacă un subiect are greutatea de 60 de kilograme iar
un altul 120 kilograme putem spune că al doilea subiect este cu 60 de kilograme mai greu
decâ t primul dar şi că al doilea subiect este de două ori mai greu decâ t primul ambele
afirmaţii avâ nd sens Din nefericire un asemenea nivel de precizie nu poate fi atins în
ştiinţele socio-umane deoarece este imposibil să gă sim o variabilă care să admită un zero
absolut Este absurd să vorbim de o inteligenţă zero de o emotivitate zero de depresie sau
anxietate zero Proprietă ţi ale scalei (Vasilescu 1992)  Transformă rile permise la acest
nivel sunt cele de tip multiplicativ caracteristice ecuaţiei y=ax unde a>0 iar y este valoarea
transformată x – valoarea ce va fi transformată iar a – constanta de extindere Observă m
dispariţia constantei b constanta de deStatistică aplicată în ştiinţele socio-umane 30
plasare deoarece punctul zero este un punct de referinţă absolut şi nu unul arbitrar ales La
fel ca şi în cazul scalei de interval putem amplifica sau diminua intervalul (prin modificarea
constantei a) însă nu putem opera deplasă ri deoarece acest lucru ar determina scă derea
preciziei că tre o scală de interval (am stabili un punct zero arbitrar şi nu absolut)  Sunt
permise toate operaţiile statistice inclusiv calculul mediei geometrice şi al coeficientului de
variaţie I.3 Prezentare generală SPSS for Windows2 SPSS sub Windows reprezintă un
pachet de programe interactiv de utilitate generală destinat analizelor de date şi include
multiple facilită ţi şi tehnici de natură statistică Pachetul de programe SPSS sub Windows
reprezintă o aplicaţie care foloseşte întreaga funcţionalitate a sistemului de operare
Windows regă sind în structura sa utilizarea mausului ferestrele redimensionabile şi
scalabile meniuri derulante casete de dialog etc Deşi majoritatea utilizatorilor vor fi
complet satisfă cuţi utilizâ nd doar interfaţa grafică pe care SPSS o pune la dispoziţie totuşi
pachetul de programe dispune şi de un puternic limbaj de comenzi prin care se pot realiza
activită ţi automate (scripturi) ce deter- 2 Pe parcursul acestei prezentă ri unele imagini
sunt din SPSS 12.0 for Windows Acest lucru nu incomodează în utilizarea altor versiuni
Toate imaginile utilizate reprez
mină eficientizarea acţiunilor utilizate în mod frecvent sau efectuarea unor acţiuni
complexe indisponibile în interfaţa grafică (SPSS 2001) Programul SPSS la fel ca orice altă
aplicaţie sub sistemul de operare Windows indiferent de versiunea acestuia la instalare îşi
creează un grup de pictograme (iconuri) în secţiunea Programs a meniului Start din
sistemul de operare Windows Pentru a putea lansa în execuţie aplicaţia va trebui ca mai
întâ i să efectuaţi clic cu maus-ul pe butonul start al desktop-ului Windows buton situat de
obicei în partea din stâ nga jos a ecranului Apoi mergeţi la secţiunea Programs şi se va
deschide o nouă listă care conţine toate programele instalate în calculatorul
dumneavoastră (ei bine cel puţin programele la care aveţi acces dumneavoastră ) În această
listă că utaţi grupul de programe SPSS for Windows grup în care veţi gă si pictogramele de
lansare ale aplicaţiei SPSS Probabil că aţi identificat deja în acest grup de programe
pictograma numită SPSS for Windows Aceasta este imaginea pe care va trebui să faceţi clic
pentru a porni aplicaţia.3 SPSS este un program extrem de complex Lansarea acestuia
debutează cu prezentarea unei ferestre introductive denumită şi fereastră „logo” Ea
cuprinde informaţii despre versiunea programului (în cazul nostru SPSS 12.0 Standard)
deoarece există şi versiuni server mai complexe versiuni demonstrative (ca aceea pe care o
puteţi descă rca gratuit de la http://www.spss.com) sau „student” pentru învă ţare etc.
precum şi despre posesorul licenţei de utilizare a acestui produs informatic Se cunoaşte
faptul că în conformitate cu legea dreptului 3 Desigur în situaţia în care SPSS for Windows
este deja instalat pe calculatorul dumneavoastră Dacă nu aveţi instalat SPSS for Windows
puteţi descă rca o versiune demonstrativă de 30 de zile de pe site-ul http://www.spss.com
Asiguraţi-vă că aveţi o conexiune suficient de rapidă şi de stabilă la Internet deoarece
fişierul este destul de mare (aproximativ 160 MB) Figura 1.4 – Fereastra introductivă
Statistică aplicată în ştiinţele socio-umane 32 de autor şi protecţia creaţiilor intelectuale un
produs software poate fi utilizat doar în cazul în care se posedă o licenţă de utilizare pentru
acesta altfel riscâ ndu-se pedepse severe contravenţionale sau de natură penală După
câ teva secunde fereastra de prezentare se dezactivează iar aplicaţia prezintă o interfaţă
prietenoasă prin care ne invită să trecem la treabă Putem în această etapă să lansă m în
execuţie un program tutorial care ne va forma abilită ţile de bază în vederea utiliză rii
acestui pachet informatic complex de asemenea putem trece direct la introducerea datelor
sau putem rula o cerere predefinită se poate crea o nouă cerere de date sau se poate
deschide o bază de date existentă situaţie în care va trebui să preciză m locaţia acesteia Nu
în ultimul râ nd putem deschide o bază de date într-un alt format de exemplu Excel
Statistica sau SAS iar SPSS va şti să convertească aceste date pentru a le face disponibile
Există de asemenea în partea de jos a acestui formular introductiv o casetă denumită „Don’t
show this dialog in the future” Dacă o veţi bifa aveţi posibilitatea ca la viitoarea lansare a
produsului să nu se mai afişeze formularul caz în care programul va trece direct în
fereastra principală SPSS Desigur selectarea unei opţiuni dintre cele prezentate mai sus nu
înseamnă şi executarea acesteia de că tre SPSS Pentru a lansa în execuţie opţiunea aleasă va
trebui apă sat obligatoriu butonul OK Apă sarea butonului Cancel indică programului că
trebuie să pă ră sească formularul introductiv şi Figura 1.5 – Fereastra principală SPSS
Cristian Opariuc-Da –>