Sunteți pe pagina 1din 40

Student:Leanca Roxana-Mirela, an 1, MC Zi

CUPRINS
I. I.1. I.2.

Introducere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Definirea problemei . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 Obiectivul proiectului . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

II. II.1. II.2. II.3.

Crearea bazei de date . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4


Identificarea variabilelor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Definirea variabilelor si introducerea datelor in SPSS . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Verificarea datelor introduce (outlieri, greseli, valori lipsa) . . . . . . . . . . . . . . . . . . . . . . 7

III. III.1. III.2.

Descrierea statistica a variabilelor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11


Descrierea variabilelor categoriale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 Descrierea variabilelor numerice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

IV.

Inferenta statistica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

IV.1. Estimarea statistica prin interval de incredere a unei medii . . . . . . . . . . . . . . . . . . . . . . 18 4.1.1. Estimarea statistica prin interval de incredere a unei proportii . . . . . . . . . . . . . . . . . . . . 21 4.2. Testarea unei valori medii cu o valoare fixa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 4.2.1. Testarea unei proportii cu o valoare fixa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .24

V. Analiza statistica a legaturilor dintre variabile . . . . . . . . . . . . . . . . . . . . . . . 26 V.1. Analiza variantei ( ANOVA) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 V.2. Analiza de regresie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . 27 V.3. Analiza de corelatie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

VI.

Concluzii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

Bibliografie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 Anexa 1 , Anexa 2 Chestionar, Rezultatele chestionarului


2

I.

Introducere

1.1. Definirea problemei Compania Bit Computers S.R.L. este una dintre firmele care comercializeaza o gama larga de produse si servicii IT: monitoare, tastaturi, unitati centrale si mouse-uri, desfasurand-si activitatea in localitatea Botosani, Str. Balcescu Nicolae, Nr.6. Firma a luat fiinta in anul 2002 si este inregistrata in Registrul Comertului din data de 22 Martie 2002 cu Nr. J7/84/2002, avand cifra de afaceri de 1,866,149 lei. Numarul angajatilor acestei firme este de 5. In compania Bit Computers este promovata o cultura organizationala puternica, avand ca valoare fundamentala orientarea catre client. Produsele si serviciile acestei firme au ca piata principala de desfacere Romania, firma ocupandu-se cu vanzarea de produse si servicii hardware/software si echipamente IT: placi de sunet, placi video, componente, retelistica, laptopuri, notebook-uri, table, servere, dar ofera si consultanta tehnica de specialitate si servicii IT. Obiectivul firmei este de a mentine legatura cu companiile cu care colaboreaza atat clienti cat si parteneri- si sa isi integreze propriile activitati si principii de actiune cu acestia, promovandule in acelasi timp imaginea si interesele, castigand in acest fel increderea si parteneriatul celor mai prestigioase companii. 1.2. Obiectivul proiectului In cadrul acestui proiect am realizat o analiza statistica in urma aplicarii unui chestionar (Anexa 1) clientilor magazinului Bit Computers. Esantionul analizat vizeaza un numar de 40 de persoane si a fost aplicat clientilor in perioada ianuarie-aprilie 2011. Obiectivul realizarii proiectului il reprezinta verificarea existentei unei relatii intre 2 variabile categoriale (sexul si nivelul studiilor) si verificarea existentei unei relatii intre 3 variabile numerice (varsta , venitul lunar al individului si valoarea medie lunara acordata produselor IT). In vederea prelucrarii datelor s-au folosit diferiti indicatori pentru verificarea bazei de date in vederea depistarii si eliminarii erorilor, avand in vedere tipurile de variabile si gradul de asociere a variabilelor; analizarea tipurilor de colectivitati atat individual cat si in functie de interdependentele dintre ele, ca apoi sa fie prelucrate si analizate datele, iar in final sa fie estimati si testati parametrii

II. CREAREA BAZEI DE DATE


2.1. Identificarea variabilelor analizate Cu ajutorul programului SPSS s-au analizat raspunsurile date de clientii magazinului. Intrebarile din chestionar se refer la: nivelul studiilor, sexul persoanei, vrsta persoanei, venitul lunar si valoarea medie lunara acordata cumpararii produselor/ serviciilor IT. Fiecare ntrebare reprezint o variabil ce a fost introdus n programul SPSS. Rspunsurile clientilor la aceste ntrebri constituie valori ale variabilelor definite anterior. 2.2. Definirea variabilelor si introducerea datelor in SPSS Pentru alcatuirea bazei de date s-a pregatit setul de date in asa fel incat sa permita organizarea si efectuarea analizei. Pentru a realiza analizele propuse n obiectivul acestui proiect, am nceput prin a creea baza de date. Aceasta presupune prezentarea datelor ntr-o form care s permit organizarea i efectuare analizei lor i const n dou etape:definirea variabilelor i introducerea datelor Atributele acestor variabile sunt definite in fereastra Data Editor Foaia VariableView:

Figura 1. Fereastra Data Editor Foaia Variable View pentru baza de date: BIT COMPUTER.sav Atributele variabilelor sunt introduse in fereastra Data Editor Foaia Variable View

Figura 2. Fereastra Data Editor Foaia Data View pentru baza de date BIT COMPUTERS.sav Prelucrarea datelor are ca obiectiv centralizarea si gruparea statistica. Prin centralizare s-a urmarit obtinerea de indicatori totalitari la nivelul esantionului, iar prin grupare s-au obtinut siruri de date dupa mai multe variabile de grupare. Categoriile ordonate ale variabilelor observate si frecventele asocialte acestora au format distributii statistice. Am obtinut in acest mod tabele de frecventa in care sunt reprezentate pentru fiecare variabila selectata urmatoarele elemente: - valorile variabilelor - procentele - procentele cumulate corespunzator Tabel 1: Distributia dupa nivelul de studii a esantionului de clienti
nivel de studii efectuate/ in curs Cumulative Percent 37.5 75.0 100.0

Valid

elev universitar postuniversitar Total

Frequency 15 15 10 40

Percent 37.5 37.5 25.0 100.0

Valid Percent 37.5 37.5 25.0 100.0

Tabel 2: Distributia dupa varsta persoanei


varsta persoanei Cumulative Percent 27.5 70.0 87.5 100.0

Valid

14-18 ani 19-25 ani 26-30 ani >30 ani Total

Frequency 11 17 7 5 40

Percent 27.5 42.5 17.5 12.5 100.0

Valid Percent 27.5 42.5 17.5 12.5 100.0

Tabel 3: Distributia dupa sexul persoanei


sexul persoanei Cumulative Percent 47.5 100.0

Valid

masculin feminin Total

Frequency 19 21 40

Percent 47.5 52.5 100.0

Valid Percent 47.5 52.5 100.0

Tabel 4: Distributia dupa venitul lunar


venitul lunar al persoanei Cumulative Percent 32.5 70.0 100.0

Valid

<300 301-700 >700 Total

Frequency 13 15 12 40

Percent 32.5 37.5 30.0 100.0

Valid Percent 32.5 37.5 30.0 100.0

Tabel 5: Distributia dupa valoarea cumparaturilor lunare a produselor/serviciilor IT


valoare medie produse IT Cumulative Percent 37.5 62.5 80.0 90.0 100.0

Valid

< 50 51-100 101-200 201-500 >500

Frequency 15 10 7 4 4

Percent 37.5 25.0 17.5 10.0 10.0

Valid Percent 37.5 25.0 17.5 10.0 10.0

Total

40

100.0

100.0

2.3. Verificarea datelor introduse (outlieri, greseli, valori lipsa) Inainte de a incepe procesul de inferenta statistica este necesar ca variabilele sa respecte conditia de normalitate si apoi sa verificam daca sunt valori extreme,ca apoi sa se realizeze eliminarea acestora. Pentru a verifica dac distribuia valorilor unei variabile prezint asimetrie accentuat, dac sunt outlieri sau alte anomalii se pot utiliza diagramele Boxplot care se pot obtine folosind optiunea Boxplot a comenzii Interactive din meniul Graphs. Outlierii se depisteaza in cazul variabilelor numerice , valorile depistandu-se urmand demersul Analyze Descriptive Statistics Explore Plots, outlierile fiind depistate implicit.

Figura 3. Selectarea opiunii Analyze Descriptive Statistics Explore

Figura 3.1. Otinerea Diagramei Boxplot

Figura 3.2. Crearea diagramei Boxplot

n output-ul opiunii, opiunea Explore a comenzii Descriptive Statistics din meniul Analyze am obinut valorile extreme cele mai mari i cele mai mici pentru cele dou variabile numerice: venitul lunar al persoanei si sexul persoanei.

Descriptives sexul persoanei 1.6842 1.3231 2.0453 1.6491 2.0000 .561 .74927 1.00 3.00 2.00 1.00 .616 -.856 2.2381 Lower Bound Upper Bound 1.8883 2.5879 2.2646 2.0000 .590 .76842 1.00 3.00 2.00 1.00 -.453 -1.095 .501 .972 .524 1.014 .16768

venitul lunar al persoanei

masculin

Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis

.17189

Lower Bound Upper Bound

feminin

Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis

In urma utizilarii diagramelor Boxplot ( numai pentru variabilele numerice) am obtinut urmatoarele diagrame: Figura 3.3. Diagramele privind a).varsta persoanei b). valoare medie cumparaturi produse IT c). Venitul lunar al persoanei a.
4.0

3.5

3.0

2.5

2.0

1.5

1.0

varsta persoanei

b.
5

valoare medie produse IT

c.
3.0

2.5

2.0

1.5

1.0 venitul lunar al persoanei

Interpretarea diagramelor: Asa cum se observa, in nici una dintre aceste 3 diagrame nu exista outlieri ( valori aberante). 10

III. Descrierea statistic a variabilelor

3.1.Descrierea statistica a variabilelor categoriale Pentru variabile categoriale: proporii, valoarea dominant, diagrama de structur, diagrama Pareto Cele doua variabile categoriale ce vor fi analizate sunt sexul si nivelul studiilorefectuate/ in curs magazinului BIT Computers. In fereastra Frequencies vom lucra pe rand cu amandoua variabilele nominale; astfel, din lista sursa selectam una dintre variabilele nominale pe care o mutam in caseta Variabile(s). Din caseta Frequencies: Charts deschisa prin apasarea butonului de comanda Charts, optam pentru graficul Pie si de asemenea selectam Frequencies pentru a obtine tabelele de frecvente, dupa care prin butonul de comanda OK vom obtine in output graficul si tabelul de frecventa atat pentru variabila sexul, cat si pentru variabila nivelul studiilor efectuate/ in curs. Figura 4. Optiunea Analyze Frequencies

11

Figura 4.1. - Selectarea variabilelor si a indicatorilor

In figura 4.2 si 4.3 sunt prezentate diagramele variabilelor sexul persoanei, respectiv nivelul studiilor efectuate/ in curs. Figura 4.2. Diagrama pie a variabilei nivelul de studii efectuate/ in curs

nivel de studii efectuate/ in curs

elev universitar postuniversitar

Figura 4.3. Diagrama pie a variabilei sexul persoanei 12

sexul persoanei

masculin feminin

Pentru variabilele chestionate se obin rezultatele: Tabel 4.1. Frecventa variabila sexul persoanei:
sexul persoanei Cumulative Percent 47.5 100.0

Valid

masculin feminin Total

Frequency 19 21 40

Percent 47.5 52.5 100.0

Valid Percent 47.5 52.5 100.0

Tabel 4.2. Frecventa variabila nivelul de studii effectuate/ in curs:


nivel de studii efectuate/ in curs Cumulative Percent 37.5 75.0 100.0

Valid

elev universitar postuniversitar Total

Frequency 15 15 10 40

Percent 37.5 37.5 25.0 100.0

Valid Percent 37.5 37.5 25.0 100.0

13

Interpretare: Asadar, outputul frecventelor pentru fiecare variabila impreuna cu diagrama corespunzatoare, ne indica procentajul categorii de consumator din cei intervievati, in functie de studiile efectuate/ in curs si in functie de sexul persoanei. Din tabel putem observa ca 47,5% sunt consumatori de sex masculin si 52,5% sunt cei de sex feminin. De asemenea se observa din Tabelul 4.2. ca din totalul clientilor intervievati 37,5% sunt elevi, 37,5% sunt cu studii universitare si 25% postuniversitare. Diagrama Pareto
40 100%

80% 30

60%

Percent

Count

20

40%

10 15 15 10 20%

0 elev universitar postuniversitar

0%

nivel de studii efectuate/ in curs

3.2. Descrierea statistica a variabilelor numerice

14

Pentru variabile numerice: nivelul mediu (media aritmetic, modul, mediana), dispersia (variana, intervalul mediu de variaie, coeficientul de variaie), forma distribuiei (asimetrie, boltire), concentrare, grafice specifice (histograma, curba frecvenelor, box-plot, curba de concentrare) Pentru a realiza o descriere numerica in SPSS vom folosi cele doua variabile numerice varsta si valoare medie acordata cumparaturilor produselor IT cu ajutorul carora vom calcula indicatorii tendintei centrale, dispersiei si formei distributiei. In SPSS ca optiune de calcul am ales Descriptives din comanda Descriptives Statistics, subordonata meniului Analyze la fel ca in figura 5, dupa care in fereastra de dialog Descriptives selectam cele doua variabile numerice pentru care urmeaza sa calculam parametrii distributiei pe care ii selectam din fereastra Descriptives: Options activata in urma apasarii pe butonul Options, acestea fiind media, suma, abaterea medie patratica, varianta, valoarea minima si valoarea maxima a variabilelor, precum si boltirea si asimetria. Figura 5. Optiunea Analyze-descriptive

Figura.5.1. Selectarea optiunilor

15

Statistics varsta persoanei 40 0 2.1500 .15421 2.0000 2.00 .97534 .951 .558 .374 -.553 .733 3.00 1.00 4.00 valoare medie produse IT 40 0 2.3000 .21243 2.0000 1.00 1.34355 1.805 .752 .374 -.578 .733 4.00 1.00 5.00

N Mean Std. Error of Mean Median Mode Std. Deviation Variance Skewness Std. Error of Skewness Kurtosis Std. Error of Kurtosis Range Minimum Maximum

Valid Missing

Figura 5.2. Histograma pentru variabila varsta persoanei

16

varsta persoanei

20

15

Frequency

10

0 0.00 1.00 2.00 3.00 4.00 5.00

Mean = 2.15 Std. Dev. = 0.97534 N = 40

varsta persoanei

Figura 5.3. Histograma pentru variabila valoare medie produse IT


valoare medie produse IT

15

12

Frequency

3 Mean = 2.30 Std. Dev. = 1.34355 N = 40 0.00 1.00 2.00 3.00 4.00 5.00 6.00

valoare medie produse IT

Interpretare: Pentru ambele variabile se citesc n tabel principalii indicatori: media, mediana, variana, modul, valorile minime i valorile maxime.

IV. Inferenta statistica

17

Estimarea este procedeul prin care se generalizeaz rezultatele observate pe un eantion, la nivelul populaiei din care este extras, adic se afl valoarea unui parametru al unei populaii pe baza datelor nregistrate la nivelul unui eantion extras din aceasta. Estimarea poate fi punctual sau prin interval de ncredere. n acest caz se va estima prin interval de ncredere. 4.1. Estimarea statistica prin interval de incredere a unei medii n cazul mediei SPSS calculeaz valoarea tipic de sondaj, scorul Z corespunztor, eroarea standard a mediei, limita inferioar i limita superioar a intervalului de ncredere. Pentru baza de date Bit Computers.sav se va calcula media produselor IT vandute intr-o perioada de un an de zile i intervalul de ncredere corespunztor. Pentru aceasta se parcurge demersul: meniul Analyze Descriptives Statistics Explore. Se stabilete nivelul de ncredere de 95%, i apoi de 99%. Figura 6: Prezentarea demersului

18

Se obtin rezultatele cu intervalul de incredere 95%:


Case Processing Summary Cases Valid N valoare medie produse IT 40 Percent 100.0% N 0 Missing Percent .0% N 40 Total Percent 100.0%

Descriptives

valoare medie produse IT

Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis

Lower Bound Upper Bound

2.3000 1.8703 2.7297 2.2222 2.0000 1.805 1.34355 1.00 5.00 4.00 2.00 .752 -.578

.21243

.374 .733

19

Interpretare: Se poate spune cu o incredere de 95% ca valoarea medie lunara acordata de clienti pentru achizitionarea produselor si/sau serviciilor IT este cuprins intre 1,87 si 2,72 . Se obtin rezultatele cu intervalul de incredere de 99%:

Case Processing Summary Cases Valid N valoare medie produse IT 40 Percent 100.0% N 0 Missing Percent .0% N 40 Total Percent 100.0%

Descriptives

valoare medie produse IT

Mean 99% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis

Lower Bound Upper Bound

2.3000 1.7247 2.8753 2.2222 2.0000 1.805 1.34355 1.00 5.00 4.00 2.00 .752 -.578

.21243

.374 .733

Interpretare: Se poate spune cu o ncredere de 99% ca valoarea medie lunara acordata de clienti pentru achizitionarea produselor si/sau serviciilor IT este cuprins intre 1,72 si 2,87 .

20

4.1.1. Estimarea statistica prin interval de incredere a unei proportii SPSS nu calculeaz direct intervalul de ncredere pentru o proporie. Estimarea intervalului de ncredere presupune efectuarea mai multor operaii, i anume: - calculul estimaiei proporiei, prin demersul Analyze Descriptive Statistics Frequencies. Dup selectarea variabilei se bifeaz Display frequency tables; - se afl valoarea variabilei Z pentru intervalul de ncredere considerat. Pentru un nivel de ncredere de 95%, Z = 1.96; pentru un nivel de ncredere de 99%, Z = 2.55; - se calculeaz eroarea standard Sp = s/n, unde s= f(1 f) este abaterea standard, iar n este volumul eantionului; - se calculeaz limitele intervalului folosind formula f 1.96Sp, respectiv f 2.55Sp. Urmnd aceti pai se va estima proporia persoanelor de sex feminin care cumpr produse IT: Figura 7: Prezentarea demersului Analyze-Descriptive Statistics-Frequencies

21

Frequencies
Statistics sexul persoanei N Valid Missing

40 0

sexul persoanei Cumulative Percent 47.5 100.0

Valid

masculin feminin Total

Frequency 19 21 40

Percent 47.5 52.5 100.0

Valid Percent 47.5 52.5 100.0

Interpretare: Se observa ca proportia persoanelor de sex feminin este de 52,5%. Calculul erorii: Sp: pentru f = 52,5%, nlocuind n formula prezentat mai sus se obine valoarea 0.006. Calculul limitelor intervalului de ncredere: pentru z = 1.96, se obine: Li = f 1.96*SP = 0.525 1.96*0.006 = 0.513 Ls = f + 1.96*Sp = 0.525 + 1.96*0.006 = 0.536 Interpretare: Ne putem atepta, cu o ncredere de 95%, ca procentul persoanelor de sex feminin care cumpara produse/ servicii IT sa fie cuprins ntre 51.3% i 53,6%. pentru z = 2.55, se obine: Li = f 2.55*0.006 = 0.525 2.55*0.006 = 0.509 Ls = f + 2.55*0.006 = 0.525 + 2.55*0.006 = 0.540 Interpretare: Ne putem atepta, cu o ncredere de 99%, ca procentul persoanelor de sex feminin care cumpara produse/ servicii IT fie cuprins ntre 50.9% i 54%.

22

4.2. Testarea statistica a unei valori medii cu o valoare fixa Testarea mediei cu o valoare fixa se realizeaza utilizand procedeul One-Sample T Test. Acest lucru presupune parcurgerea demersului: Analyze Compare Means One-Sample T Test. Se va analiza daca valoarea medie a produselor/ serviciilor IT cumparate de o persoana in decurs de un an difera sau nu de 0. Figura 8: Prezentarea demersului Analyze-Compare Means-One-Sample T Test

23

Se obine outputul:
One-Sample Statistics Std. Error Mean .21243

N valoare medie produse IT 40

Mean 2.3000

Std. Deviation 1.34355

One-Sample Test Test Value = 0 95% Confidence Interval of the Difference valoare medie produse IT t 10.827 df 39 Sig. (2-tailed) .000 Mean Difference 2.30000 Lower 1.8703 Upper 2.7297

Interpretare: Valoarea medie observat este2.30; valoarea specificat este 0; diferena dintre valoarea medie observat i valoarea ipotetic este 2.30. Avnd n vedere c valoarea Sig. < 0.05, ntre valoarea medie observat i valoarea ipotetic exist diferene semnificative. 4.2.1. Testarea unei proportii cu o valoare fixa Pentru realizarea acestui lucru se foloseste Binomial Test. Acesta este un procedeu prin care se testeaza ipoteze cu privire la o variabila cu distributie binomiala, variabila care poate lua doar doua valori, cum ar fi sexul persoanelor.Binomial Test este folosit pentru a compara o proporie cu o valoare specificat i presupune parcurgerea demersului: Analyze Nonparametric Tests Binomial. Se va verifica dac proporia uneia din cele dou grupe de persoane definite prin variabila sexul persoanei, masculin i feminin difer semnificativ de 0.50. n Test Variable List se introduce variabila sexul persoanei. 24

Figura 9: Prezentarea demersului Analyze-Nonparametric Tests-Binomial

Interpretare: Proporia observat n eantion pentru grupa 1 (feminin) este de 53%, proporia specificat este 50%. Valoarea Sig. asociat testului este mai mare dect 0.05; astfel se poate

25

concluziona cu o ncredere de 95% c proporia persoanelor de sex feminin n eantion nu difer semnificativ de proporia specificat de 50%.

V. Analiza statistica a legaturilor dintre variabile


5.1. Analiza varianei (ANOVA) Analiza dispersional este un procedeu statistic, cunoscut sub denumirea de ANOVA, care poate fi utilizat n analiza variaiei unei variabile n raport cu factorii de influen. Principiul de baz: variaia total este descompus n suma variaiei dintre grupe i a variaiei din interiorul grupelor Pentru o distribuie bivariat cu variabile de natur diferit, o variabil nominal i una exprimat cantitativ se poate aplica analiza variaiei prin ANOVA. Procedeul ANOVA msoar impactul valorilor unor variabile nominale asupra dispersiei valorilor unei variabile cantitative. Variabilele utilizate n cadrul analizei ANOVA sunt: valoarea medie acordata cumpararii produselor IT (numerica) i sexul persoanei(categoriala). n SPSS, am ales opiunea One-Way ANOVA din comanda Compare Means a meniului Analyze. Figura 10: Prezentarea demersului Analyze-Compare Means- One-Way ANOVA

26

ANOVA valoare medie produse IT Sum of Squares .009 70.391 70.400 df 1 38 39 Mean Square .009 1.852 F .005 Sig. .945

Between Groups Within Groups Total

27

Cu o probabilitate de 95% ca valoarea medie a produselor IT sa depinda de sexul persoanelor care cumpara aceste produse.

5.2. Analiza de regresie Analiza de regresie presupune aproximarea modelului de regresie, estimarea i testarea parametrilor modelului de regresie. ntre cele dou variabile numerice se poate stabili o legtur liniar dat prin ecuaia de regresie liniar simpl, care are forma:

Yi = + xi + i
n care: Y variabila dependent (valoarea medie cheltuita pentru produse IT) X variabila independent (varsta individului) variabila aleatorie eroare sau reziduu Aproximarea modelului de regresie se realizeaz prin Scatterplot (din meniul Graphs Interactive Figura 11: Prezentarea demersului Graphs-Interactive-Scatterplot

28

Se obtine outputul:

29

5 .00

Linear Regres sion

valoare medie produse IT

4 .00

3 .00

valoare medie produse IT = 1.36 + 0.44 * varsta R-Square = 0.10

2 .00

1 .00

1 .00

2 .00

3 .00

4 .00

varsta persoanei

Estimarea parametrilor modelului de regresie presupune parcurgerea demersului: Analyze Regession Linear, prin care se deschide fereastra de dialog Linear Regession. Urmnd paii necesari, n output se analizeaz Model Summary, ANOVA, Coefficients. Figura 12: Prezentarea demersului Analyze-Regression-Linear

30

31

Tabelul Model Summary prezint valoarea coeficientului de corelaie R, valoarea raportului de determinaie R2 i eroarea standard a estimaiei.
Model Summary

Change Statistics Adjusted R Model R R Square Square 1 .317(a) .100 .077 a Predictors: (Constant), varsta persoanei Std. Error of the Estimate 1.29092 R Square Change .100 F Change 4.245 df1 1 df2 38

Sig. F Chan .0

Interpretare: Valoarea lui R este 0.317, ceea ce indic faptul c ntre cele dou variabile exist o legtur direct. Valoarea lui R2 este 0.10, ceea ce indic faptul c 10% din variaia variabilei Y este explicat prin variaia variabilei X. Aceasta este o valoare destul de mic, ceea ce nseamn c modelul ales nu explic foarte bine legtura dintre variabile. Tabelul Regression ANOVA prezint rezultatele analizei varianei variabilei dependente sub influena factorului de regresie i a factorului reziduu. Prezint informaii asupra sumei ptratelor abaterilor variabilei dependente, gradele de libertate, estimaiile varianelor datorate celor dou surse de variaie, raportul F i Sig.
ANOVA(b) Sum of Squares 7.074 63.326

Model 1

df 1 38

Regression Residual

Mean Square 7.074 4.245 1.666

F .046(a)

Sig.

Total 70.400 39 a Predictors: (Constant), varsta persoanei b Dependent Variable: valoare medie produse IT

Interpretare: Aici ne sunt prezentate informatii despre suma patratelor abaterilor variabilei dependente (Sum of Square), gradele de libertate (df), estimatiile datorate celor doua surse de variatie, adica regresie si reziduu (Mean Square), statistica testului F si valoarea nivelului de semnificatie Sig. Deoarece testul F ia o valoare mica F = 4,245, iar valoarea nivelului de semnificatie Sig = 0.46 ,corespunzatoare statistici F este mare, rezulta ca valoarea medie cheltuita nu depinde de varsta individului, iar relatia liniara dintre cele doua variabile nu este una semnificativa.

32

Un tabel important in analiza regresiei il reprezina cel al coeficientilor. Aceasta arata cu cat se modifica variabila valoare medie cheltuita in functie de modificarea variabilei varstei precum si daca modificarea este semnificativa, prin valoarea lui Sig
Coefficients(a) Model 1 (Constant) varsta persoanei Unstandardized Coefficients .499 .212 Standardized Coefficients B 1.361 .437 a Dependent Variable: valoare medie produse IT .317 t Std. Error 2.726 2.060 Beta .010 Sig. .046

Interpretare: In acest tabel avem prezentati coeficientii nestandardizati ai modelului de regresie estimat, erorile standard ale acestora, coeficientii de regresie standardizati cu erorile standard corespunzatoare, precum si valorile statisticii t si valorile Sig corespunzatoare.

5.3. Analiza de corelatie

Analiza de corelaie presupune msurarea gradului de intensitate a legturii dintre variabilele numerice, precum i testarea semnificaiei legturii. Acest lucru se realizeaz urmnd paii: Analyze Correlate Bivariate. n cazul celor dou variabile numerice studiate (varsta si venitul lunar) se obine urmtorul output:

Figura 13: Prezentarea demersului Analyze-Correlate-Bivariate

33

34

Interpretare: Se observ c s-a obinut un coeficient de corelaie Pearson egal cu 0.662, ceea ce nseamn c ntre cele dou variabile exist o corelaie directa, valoarea coeficientului fiind apropiata de unu.

VI. CONCLUZII

In urma analizei chestionarului aplicat unui esantion de 40 de clienti ai magazinului care comercializeaza produse si servicii IT s-a constatat ca achizitionarea acestor produse este relativ constanta, depinzand intr-o oarecare masura de venitul lunar al acestora. De asemenea, s-a observat ca nu exista proportii semnificative intre persoanele de sex feminin si cele de sex masculin care cumpara produse IT. Cu toate acestea, femeile sunt cele care cumpara mai mult: in proportie de 52,5% fata de barbati, care cumpara in proportie de 47,5%.. De asemenea s-a observat ca 37,5% sunt elevi, 37,5% sunt cu studii universitare si 25% postuniversitare. In concluzie, atat elevii cu varstele cuprinse intre 14-18 ani, cat si studentii cu varsta cuprinsa intre 18-25 ani achizitioneaza in decursul unei luni un numar egal de produse IT. Indivizii cu studii postuniversitare achizitioneaza aceste produse in proportie de doar 25%.

35

BIBLIOGRAFIE

1. Jaba Elisabeta, Grama Ana - Analiza statistica cu SPSS sub Windows, Editura Polirom, Iasi 2004 2. Jaba Elisabeta Statistica , editia a treia, Editura Economica, Bucuresti 2002

36

ANEXA 1

1. Care este varsta dumneavoastra? 14 - 18 18 - 25 2. Sexul persoanei: M 3. Nivelul de studii: liceal universitar postuniversitar F 25 - 30 > 30

4. De ce venit lunar dispuneti? < 300 RON 301 700 RON > 700 RON

37

5. Ce venit acordati in medie in decursul unei luni pentru achizitionarea de

produse si/ sau servicii IT? < 50 RON 50 100 RON 100 200 RON 200 500 RON > 500 RON

ANEXA 2
Rezultatele chestionarului Nr. Crt. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 Nivel de studii elev universitare universitare elev postuniversitare elev elev postuniversitare postuniversitare elev universitare universitare universitare universitare elev elev elev universitare elev postuniversitare universitare Sex f f m m f m m m f m f f m f m f m f m m f Categorie Varsta 14-18 18-25 18-25 18-25 25-30 14-18 14-18 >30 25-30 14-18 >30 25-30 18-25 18-25 14-18 14-18 18-25 >30 14-18 25-30 18-25
38

Venit lunar < 300 300 - 700 300 - 700 < 300 > 700 300 - 700 < 300 300 - 700 > 700 < 300 < 300 300 - 700 300 - 700 < 300 < 300 < 300 300 - 700 >700 <300 > 700 > 700

Valoare medie lunara cumparaturi produse/ servicii IT < 50 < 50 50 - 100 50 - 100 < 50 200 - 500 50 - 100 < 50 100 - 200 < 50 < 50 < 50 50 - 100 < 50 50 - 100 < 50 100 - 200 < 50 50 - 100 200 - 500 100 - 200

22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

postuniversitare postuniversitare postuniversitare elev elev universitare universitare universitare elev postuniversitare universitare elev universitare universitare postuniversitare elev elev postuniversitare universitare

m f f m f m m f f f f m m f f m m f f

25-30 18-25 >30 14-18 18-25 25-30 18-25 18-25 18-25 >30 18-25 14-18 18-25 25-30 18-25 14-18 14-18 18-25 18-25

>700 300 - 700 > 700 < 300 300 - 700 > 700 300 - 700 300 - 700 300 - 700 > 700 > 700 < 300 300 - 700 >700 300 - 700 < 300 < 300 300 - 700 > 700

>500 < 50 200 - 500 50 - 100 < 50 > 500 50 - 100 100 - 200 < 50 > 500 100 - 200 < 50 200 - 500 < 50 100 - 200 <50 50 - 100 100 200 > 500

Explicatii tabel Nr. Crt. 1 2 3 4 Nr. Crt. 1 2 3 4 5 Interval varsta 14- 18 19-25 26-30 > 30 Data corespondenta 1 2 3 4 Data corespondenta 1 2 3 4 5

Suma acordata lunar pentru achizitionare produse / servicii IT < 50 51 100 101 200 201 500 > 500

39

Nr. Crt. 1 2 3 Nr. Crt. 1 2 3

Venit lunar < 300 301 700 > 700 Nivel studii Elev Universitar postuniversitar

Data corespondenta 1 2 3 Data corespondenta 1 2 3

40