One-sample Test

A. Test Value : numărul pe care l-am introdus ca valoare de test în fereastra One-Sample T Test.
B. t Statistic : statistica testului testului t pentru un eșantion , notat cu t . În acest exemplu, t =
5,810. Rețineți că t se calculează împărțind diferența de medie (E) la media erorii standard (din
caseta Statistici cu un eșantion).
C. df : Gradele de libertate pentru test. Pentru un test t cu un eșantion , df = n - 1; deci aici, df = 408
- 1 = 407.
D. Semnificație (p unilateral și p bifață): valorile p corespunzătoare uneia dintre posibilele ipoteze
alternative unilaterale (în acest caz, µ Înălțime > 66,5) și ipotezei alternative cu două fețe (µ Înălțime ≠
66,5 ), respectiv. În formularea problemei noastre de mai sus, ne-a interesat doar ipoteza
alternativă cu două fețe.
E. Diferența medie : diferența dintre media eșantionului „observată” (din caseta Statistici unui
eșantion) și media „așteptată” (valoarea de test specificată (A)). Semnul diferenței medii
corespunde semnului valorii t (B). Valoarea pozitivă a t din acest exemplu indică faptul că
înălțimea medie a eșantionului este mai mare decât valoarea ipotetică (66,5).
F. Interval de încredere pentru diferență : intervalul de încredere pentru diferența dintre valoarea
specificată de test și media eșantionului.

Decizie și concluzie
Amintiți-vă că valoarea populației noastre ipotetizate a fost de 66,5 inci, înălțimea medie
[aproximativă] a populației totale adulte din SUA Deoarece p < 0,001, respingem ipoteza nulă
conform căreia înălțimea medie a studenților de la acest colegiu este egală cu media populației
ipotetice. de 66,5 inchi și concluzionează că înălțimea medie este semnificativ diferită de 66,5 inci.
Pe baza rezultatelor, putem afirma următoarele:

 Există o diferență semnificativă între înălțimea medie a studenților de la acest colegiu și

populația totală de adulți din SUA ( p < .001).
 Înălțimea medie a studenților de la acest colegiu este cu aproximativ 1,5 inci mai înaltă
decât media populației adulte din SUA (95% CI [1,013, 2,050]).
 T-independenta samples

A. test Levene pentru egalitatea variațiilor : Această secțiune conține rezultatele testului
pentru Testul Levene. De la stanga la dreapta:

 F este statistica de testare a testului lui Levene

 Sig. este valoarea p corespunzătoare acestei statistici de test.

Valoarea p a testului lui Levene este tipărită ca „.000” (dar ar trebui citită ca p < 0,001 -- adică p foarte
mic), așa că respingem valoarea nulă a testului lui Levene și concluzionăm că variația în timpul mile al
sportivii este semnificativ diferită de cea a non-sportivilor. Acest lucru ne spune că ar trebui să ne
uităm la rândul „Varianțe egale neasumate” pentru rezultatele testului t (și intervalul de încredere
corespunzător) . (Dacă acest rezultat al testului nu ar fi fost semnificativ -- adică dacă am fi
observat p > α -- atunci am fi folosit rezultatul „varianțe egale presupuse”.)
B. t pentru Egalitatea Mediilor furnizează rezultatele testului t pentru Eșantioane
Independente . De la stanga la dreapta:
 t este statistica de test calculată, folosind formula pentru statistica de test cu variații
egale presupuse (primul rând al tabelului) sau formula pentru statistica de test cu
variații egale-nepresupuse (al doilea rând al tabelului)
 df este gradele de libertate, folosind formula pentru grade de libertate presupuse cu
variații egale (primul rând al tabelului) sau formula cu variații egale cu grade de
libertate presupuse (al doilea rând al tabelului)
 Sig (2-tailed) este valoarea p corespunzătoare statisticii de test date și gradelor de
libertate
 Diferența medie este diferența dintre mediile eșantionului, adică x 1 − x 2 ; corespunde și
numărătorului statisticii testului pentru acel test
 Std. Diferența de eroare este eroarea standard a estimării diferenței medii; corespunde și
numitorului statisticii testului pentru acel test
Rețineți că diferența de medie se calculează scăzând media celui de-al doilea grup din media primului
grup. În acest exemplu, timpul mediu de kilometri pentru sportivi a fost scăzut din timpul mediu de
kilometri pentru non-sportivi (9:06 minus 6:51 = 02:14). Semnul diferenței medii corespunde semnului
valorii t . Valoarea pozitivă a t din acest exemplu indică faptul că timpul mediu de mile pentru primul
grup, non-sportivi, este semnificativ mai mare decât media pentru al doilea grup, sportivi.
Valoarea p asociată este tipărită ca „.000”; făcând dublu clic pe valoarea p va dezvălui numărul
nerotunjit. SPSS rotunjește valorile p la trei zecimale, astfel încât orice valoare p prea mică pentru a
rotunji până la .001 se va afișa ca .000. (În acest exemplu special, valorile p sunt de ordinul 10 -40 .)

C. Intervalul de încredere al diferenței : Această parte a rezultatului testului t completează

rezultatele testului de semnificație. De obicei, dacă IC pentru diferența de medie conține 0 în
 interval -- adică, dacă limita inferioară a IC este un număr negativ și limita superioară a IC
este un număr pozitiv -- rezultatele nu sunt semnificative la alegerea nivelul de
semnificație. În acest exemplu, CI de 95% este [01:57, 02:32], care nu conține zero; aceasta
este de acord cu valoarea p mică a testului de semnificație.

Decirie și concluzie
Deoarece p < .001 este mai mic decât nivelul de semnificație ales α = 0,05, putem respinge ipoteza nulă și
putem concluziona că timpul mediu de mile pentru sportivi și non-sportivi este semnificativ diferit.
Pe baza rezultatelor, putem afirma următoarele:
 A existat o diferență semnificativă în timpul mediu de kilometri între non-sportivi și sportivi
( t 315,846 = 15,047, p < 0,001).
 Timpul mediu de kilometri pentru sportivi a fost cu 2 minute și 14 secunde mai mic decât timpul
mediu de kilometri pentru non-sportivi.
 Paired sample t Test

Citirea de la stânga la dreapta:

 Prima coloană: Perechea de variabile testate și ordinea în care a fost efectuată

scăderea. (Dacă ați specificat mai mult de o pereche de variabile, acest tabel va avea mai
multe rânduri.)
 Medie: diferența medie dintre cele două variabile.
 Abaterea standard: Abaterea standard a scorurilor diferențelor.
 Eroarea standard înseamnă: eroarea standard (abaterea standard împărțită la rădăcina
pătrată a dimensiunii eșantionului). Folosit atât pentru calcularea statisticii testului, cât și
a limitelor superioare și inferioare ale intervalului de încredere.
 t: Statistica testului (notat cu t ) pentru testul T pereche.
 df: Gradele de libertate pentru acest test.
 Sig. (2-cozi) : Valoarea p corespunzătoare statisticii de test date t cu grade de libertate df .

Decizie și concluzie
Din rezultate putem spune că:

 Scorurile la limba engleză și la matematică au fost slab și pozitiv corelate ( r = 0,243, p <
0,001).
 A existat o diferență medie semnificativă între scorurile la engleză și la matematică
( t 397 = 36,313, p < 0,001).
 În medie, scorurile la limba engleză au fost cu 17,3 puncte mai mari decât scorurile la
matematică (95% CI [16,36, 18,23]).
 Chi-Square Tests
Primul tabel este rezumatul procesării cazului, care ne spune numărul de cazuri valide utilizate pentru
analiză. Numai cazurile cu valori care nu lipsesc atât pentru comportamentul de fumat, cât și pentru sex
pot fi utilizate în test.

Următoarele tabele sunt tabelele încrucișate și rezultatele testului chi-pătrat.

Rezultatul cheie din tabelul de teste Chi-pătrat este Chi-pătratul Pearson.

 Valoarea statisticii testului este 3,171.

 Nota de subsol pentru această statistică se referă la ipoteza numărului de celule așteptat
(adică, numărul de celule așteptat este mai mare decât 5): nicio celulă nu a avut un număr
așteptat mai mic de 5, așa că această ipoteză a fost îndeplinită.
 Deoarece statistica testului se bazează pe un tabel de tabel încrucișat 3x2, gradele de
libertate (df) pentru statistica testului sunt
df= ( R − 1 ) ∗ ( C− 1 ) = ( 3 − 1 ) ∗ ( 2 − 1 ) = 2 ∗ 1 = 2
 Valoarea p corespunzătoare a statisticii testului este p = 0,205.
 Decizie și concluzie
Deoarece valoarea p este mai mare decât nivelul de semnificație ales ( α = 0,05), nu respingem
ipoteza nulă. Mai degrabă, concluzionăm că nu există suficiente dovezi care să sugereze o asociere
între gen și fumat.

Pe baza rezultatelor, putem afirma următoarele:

 Nu a fost găsită nicio asociere între sex și comportamentul de fumat ( Χ 2 (2)> = 3,171, p =
0,205).
Testu Chi-pătrat pentru tabelul 2x2
Primul tabel este rezumatul procesării cazului, care ne spune numărul de cazuri valide utilizate pentru
analiză. Numai cazurile cu valori care nu lipsesc atât pentru clasa de clasă, cât și pentru locuința în
campus pot fi utilizate în test.

Următorul tabel este tabelul încrucișat. Dacă ați ales să bifați casetele pentru Număr observat, Număr
așteptat și Reziduuri nestandardizate, ar trebui să vedeți următorul tabel:

 Cu valorile Număr așteptat afișate, putem confirma că toate celulele au o valoare așteptată mai
mare de 5.

Putem confirma acest calcul cu rezultatele din tabelul de teste Chi-pătrat :

Rândul de interes aici este Pearson Chi-Square și nota de subsol.
 Valoarea statisticii testului este 138.926.
 Nota de subsol pentru această statistică se referă la ipoteza numărului de celule așteptat (adică,
numărul de celule așteptat este mai mare decât 5): nicio celulă nu a avut un număr așteptat mai
mic de 5, așa că această ipoteză a fost îndeplinită.
 Deoarece tabelul încrucișat este un tabel 2x2, gradele de libertate (df) pentru statistica testului
sunt
df= ( R − 1 ) ∗ ( C− 1 ) = ( 2 − 1 ) ∗ ( 2 − 1 ) ==1
.
 Valoarea p corespunzătoare a statisticii testului este atât de mică încât este întreruptă de
afișare. În loc să scriem „p = 0,000”, scriem în schimb afirmația corectă din punct de vedere
matematic p < 0,001.

Decizie și concluzie
Deoarece valoarea p este mai mică decât nivelul de semnificație ales α = 0,05, putem respinge ipoteza
nulă și putem concluziona că există o asociere între rangul clasei și dacă studenții locuiesc sau nu în
campus.

Pe baza rezultatelor, putem afirma următoarele:

 A existat o asociere semnificativă între rangul clasei și locuința în campus ( Χ 2 (1) =

138,9, p < 0,001).
 Pearson Corelation

A. corelație a înălțimii cu ea însăși (r=1) și a numărului de observații care nu lipsesc pentru

înălțime (n=408)
B. Corelația înălțimii și greutății (r=0,513), bazată pe n=354 observații cu valori nelipsă perechi.
C. Corelația înălțimii și greutății (r=0,513), bazată pe n=354 observații cu valori nelipsă perechi
D. Corelația ponderii cu ea însăși (r=1) și numărul de observații care nu lipsesc pentru pondere
(n=376).
Celulele importante pe care vrem să le analizăm sunt fie B, fie C. (Celulele B și C sunt identice, deoarece
includ informații despre aceeași pereche de variabile.) Celulele B și C conțin coeficientul de corelație
pentru corelația dintre înălțime și greutate, valoarea sa p și numărul de observații complete pe perechi pe
care s-a bazat calculul.

Corelațiile din diagonala principală (celulele A și D) sunt toate egale cu 1. Acest lucru se datorează
faptului că o variabilă este întotdeauna perfect corelată cu ea însăși. Observați, totuși, că dimensiunile
eșantionului sunt diferite în celula A ( n =408) față de celula D ( n =376). Acest lucru se întâmplă din
cauza datelor lipsă -- lipsesc mai multe observații pentru variabila Greutate decât pentru variabila
Înălțime.

Dacă ați optat pentru semnalarea corelațiilor semnificative, SPSS va marca un nivel de semnificație de
0,05 cu un asterisc (*) și un nivel de semnificație de 0,01 cu două asteriscuri (0,01). În celula B (repetată
în celula C), putem observa că coeficientul de corelație Pearson pentru înălțime și greutate este .513, ceea
ce este semnificativ ( p < .001 pentru un test cu două cozi), pe baza a 354 de observații complete (adică,
cazuri cu valori care nu lipsesc atât pentru înălțime, cât și pentru greutate).

Decizie și concluzii

Pe baza rezultatelor, putem afirma următoarele:

 Greutatea și înălțimea au o relație liniară semnificativă statistic ( r =.513, p < .001).

 Direcția relației este pozitivă (adică, înălțimea și greutatea sunt corelate pozitiv), ceea ce
înseamnă că aceste variabile tind să crească împreună (adică, înălțimea mai mare este
asociată cu o greutate mai mare).
 Mărimea sau puterea asocierii este aproximativ moderată (.3 < | r | < .5)
 ANOVA

Descriptive: Afișează statisticile descriptive pentru fiecare categorie pe variabila dependentă. De

exemplu, în cazul angajaților de nivel junior, angajamentul organizațional mediu a fost de 4,87.
Descriptive: Afișează statisticile descriptive pentru fiecare categorie pe variabila dependentă. De
exemplu, în cazul angajaților de nivel junior, angajamentul organizațional mediu a fost de 4,87.

Testul de omogenitate a variațiilor: Următorul tabel al Testului de omogenitate a variațiilor vă

arată rezultatele testului lui Levene; scopul este similar cu testul Levene al testului t eșantion
independent. Prin faptul că verificați variația între două grupuri, totuși, în acest caz, variațiile sunt
testate pentru mai mult de 2 grupuri. Deoarece valoarea lui Sig. pentru că testul lui Levene este mai
mic de .05, am deduce că există diferențe semnificative în variația scorului între grupele de
vârstă. Țineți cont de valoarea pe care o veți folosi în Analiza post-hoc, care va fi discutată mai târziu
în capitol.

ANOVA: Tabelul ANOVA este de interes principal. De fapt, sunteți interesat să știți dacă există
diferențe semnificative în ceea ce privește variabila dependentă ( angajament organizațional ) între
grupuri. Acum, dacă valoarea semnificației este mai mică de .05, ați deduce că există diferențe
semnificative între grupuri. În acest caz particular, valoarea Sig este .000 (p < .01) , astfel că există
diferențe semnificative în angajamentul organizațional la diferitele niveluri de management.
Dar întrebarea este că avem 3 grupuri și există diferențe semnificative între aceste 3 grupuri. Problema
acum este că, dacă cineva vă întreabă care grup este diferit de ce grup, rezultatele din
tabelul ANOVA nu îi lasă cercetătorului să cunoască semnificația diferențelor dintre două
grupuri. Semnificația statistică a diferențelor dintre fiecare pereche de grupuri este furnizată
prin Comparații multiple , pentru aceasta ar trebui să rulați teste post-hoc .

Problema:
Pentru a investiga dacă angajamentul organizațional diferă la diferite niveluri din cadrul organizației
(junior, mediu și senior)
Ipoteză
H 1 : Există diferențe semnificative în angajamentul organizațional la diferite niveluri de management.
Ipoteza testează dacă angajamentul organizațional al angajaților diferă la diferite niveluri de
management. Participanții au fost împărțiți în trei grupuri (Grupa 1: Junior; Grupa 2: Mijloc; Grupa 3:
Senior). Rezultatele ANOVA sugerează că scorurile de angajament organizațional ale grupurilor diferă
semnificativ ( F 2, 338 = 9,248, p < 0,001).
Deoarece statistica lui Levene este semnificativă, nu sa presupus o variație egală. Pentru a verifica
diferențele individuale între grupuri, comparațiile post-hoc au fost evaluate folosind T3 lui
Dunnett . Testul a indicat că scorul mediu pentru angajații de nivel Junior ( M = 4,8750, SD =
1,37723) a fost semnificativ diferit de angajații de nivel senior ( M = 5,8472, SD = .86393). Angajații
de nivel mediu ( M = 5,1420, SD = 1,25214) au diferit semnificativ de angajații de nivel
superior. Diferențele medii au fost semnificative la nivelul 0,05. Cu toate acestea, nu au fost detectate
diferențe semnificative între angajații de nivel junior și mediu. Tabelul 1 rezumă rezultatele One Way
Anova.