SPSS Prof Gherasim

SCOPUL UNIT II DE CURS
▪ ofer noţiuni, explicaţii şi aplicaţii pentru a înţelege şi opera eficient cu programul SPSS 10.0 în
scopul prelucr rii statistice a datelor.
OBIECTIVE OPERA IONALE

În urma studierii acestei unit ţi de curs, studenţii:
▪ vor putea s defineasc variabilele şi s conceap o baz de date adecvat ;
▪ vor redefini şi transforma variabile;
▪ vor prelucra datele statistice la nivel descriptiv;
▪ vor realiza analiza corelaţional a datelor şi vor interpreta rezultatele obţinute;
▪ vor folosi testul t pentru compararea unui eşantion cu o populaţie şi a dou eşantioane (perechi sau
independente) şi vor interpreta rezultatele obţinute;
▪ vor utiliza analiza de varianţ pentru analiza efectului unui singur factor şi vor interpreta rezultatele
obţinute;
▪ vor utiliza analiza de varianţ pentru analiza efectelor de interacţiune;
▪ vor utiliza metode non-parametrice de analiz a datelor.
EVALUARE
▪ 40% din nota final examen practic care presupune prelucrarea şi interpretarea datelor;
▪ 60% din nota final evalu rile de pe parcursul seminariilor, care vor presupune prelucr ri şi analize
statistice ale datelor.
OBSERVA IE !!!
Cursul nu epuizează opţiunile programului SPSS şi nu suplineşte lipsa informaţiilor statistice teoretice.
ANALIZA COMPUTERIZAT A DATELOR
I. FAMILIARIZAREA CU PROGRAMUL SPSS 10.0

I.1. TIPURI DE VARIABILE. DIFEREN A DINTRE VARIABILE, VALORI ŞI SCORURI
Variabile sunt definite ca propriet ţi ale fenomenelor, obiectelor sau proceselor, care pot lua
diferite valori. Exist mai multe criterii în funcţie de care se pot clasifica variabilele: dup natura m surii
variabilele pot fi: cantitative (variaz cantitativ, cum ar fi de exemplu greutatea sau vârsta subiecţilor)
sau calitative (sunt cele care variaz calitativ, cum ar fi genul sau etnia subiecţilor); dup felul variaţiei,
variabilele pot fi: continui (teoretic pot lua orice valoarea, între dou valori ale variabilei putând s apar
o a treia valoare; vârsta subiecţilor este un exemplu de variabil continu ) sau discrete (pot avea numai
anumite valori, între care nu mai apar altele; religia, tipurile temperamentale sunt exemple de variabile
discontinui); dup scopul folosirii lor în studii experimentale: independente (sunt variabilele manipulate
de experimentator şi care se presupune c influenţeaz variabila dependent ) sau dependente
(reprezint r spunsurile subiecţilor).
O variabil poate lua diferite valori. Valoarea reprezint o m sur calitativ sau cantitativ a
unui fenomen. Spre exemplu, pentru variabila “nota şcolar ” valorile acesteia sunt toate notele de la 1 la
10. Pentru variabila “zilele s pt mânii” valorile sunt toate cele şapte zile ale s pt mânii. În psihologie se
face distincţia între valori şi scoruri. Scorul este valoarea obţinut de o persoan , fenomen sau obiect
atunci când ne referim la o anume variabil . Spre exemplu, nota pe care o obţine un elev la o materie
(s zicem 7) reprezint scorul subiectului la variabila “nota şcolar ”.
I.2. PREZENTAREA APLICA IEI SPSS
SPSS (în traducere Pachet statistic pentru ştiinţele sociale) este numele unui pachet de
programe care ajut la analiza datelor obţinute în cercet rile din domeniul ştiinţelor sociale.
Deschiderea programului se poate face cu ajutorul mouse-ului, cu dublu-click asupra
pictogramei programului de pe desktop. Aplicaţia mai poate fi deschis de la butonul

START/PROGRAME, opţiunea SPSS FOR WINDOWS, ca în imaginea de mai jos:
Oricare ar fi metoda de deschidere a programului, pe ecran va ap rea urm toarea fereastr :
251
LOREDANA GHERASIM
Prima bar din partea de sus a ferestrei ofer informaţii despre denumirea aplicaţiei şi numele
fişierului cu care se lucreaz . Urmeaz bara de meniuri a programului şi cea cu butoane.
Foia cu date este organizat tabelar. Întotdeauna coloanele tabelului reprezint variabilele
studiului, în timp ce liniile, rândurile numerotate ale tabelului reprezint subiecţii cercet rii. În partea de
jos a ferestrei sunt dou opţiuni: DATA VIEW şi VARIABLE VIEW. Putem vizualiza datele brute ale
subiecţilor, dac este activ opţiunea DATA VIEW sau putem vizualiza descrierea variabilelor introduse
în baza de date, dac este
activat opţiunea
VARIABLE VIEW. De obicei,
atunci când deschidem
programul, este activ
opţiunea DATA VIEW, cum se
poate observa şi în imaginea
de mai sus. Printr-un simplu
click stânga pe opţiunea
VARIABLE VIEW, pe ecran
apare un alt tabel care permite
definirea variabilelor din baza
de date:
Din meniul FILE putem alege comanda deschidere a unei
noi baze de date (opţiunea NEW DATA) sau a unei noi foi de
rezultate (NEW OUTPUT):
Acest program prezint rezultatele prelucr rilor
statistice într-o pagin separat , numit OUTPUT. Comenzile
care sunt colorate în gri sunt comenzi inactive pentru c baza de
date nu conţine, deocamdat , nici o informaţie.
Din acest meniu putem deschide, folosind opţiunea
OPEN, o baz de date care a fost creat anterior (DATA) sau un
fişier cu rezultatele prelucr rilor statistice anteriore (OUTPUT).
252
Comanda SAVE permite salvarea obişnuit a fişierului cu

date sau cu rezultate, comanda SAVE AS permite salvarea unui
fişier modificându-i numele. Opţiunile RECENTLY USED DATA şi
RECENTLY USED FILES deschid bazele de date şi foile cu
rezultate recent create sau utilizate în programul SPSS.
Din meniul EDIT, comenzile COPY, CUT şi PASTE sunt
folosite pentru copierea sau mutarea datelor din celule, rânduri sau
coloane. Copierea sau mutarea datelor presupune selectarea
datelor, activarea comenzii COPY/CUT din meniul EDIT, plasarea
cursorului în noua locaţie şi apoi activarea comenzii PASTE.
I.3. DESCHIDEREA UNEI BAZE DE DATE
Pentru deschiderea unei baze de date create anterior se activeaz meniul FILE/OPEN opţiunea
DATA. Dup activarea comenzii
pe ecran apare o caset de
dialog care permite selectarea
directorului şi respectiv fişierului
care conţine baza de date. Vom
deschide fişierul opinii.sav (în
aplicaţia SPSS, fişierele cu
baze de date au întotdeauna
extensia sav) care se g seşte la
adresa C:\MY DOCUMENTS\EXEMPLE
SPSS. În momentul înc rc rii
bazei de date pe ecran va
ap rea urm toarea imagine:
Valorile din baza de
date reprezint r spunsurile brute ale subiecţilor. Pe coloane sunt definite variabilele. În aceast baz
de date avem pe coloan variabile
(ca de exemplu, gr_mult, prezent,
viitor, directie, guv, parlam), valorile
numerice din fiecare coloan
reprezentând scorurile subiecţilor la
aceste variabile. Rândurile conţin
r spunsurile subiecţilor la diferiţi
itemi. De exemplu, subiectul de pe
rândul 9 are valoare 3 la variabila
gr_mult, valoarea 3 la variabila
prezent, 4 la variabila viitor etc.
Pentru a vedea ce înseamn
fiecare dintre aceste variabile trebuie
activat opţiunea VARIABLE VIEW:
253
LOREDANA GHERASIM
Variabilele sunt aşezate pe rânduri, coloanele reprezentând diferite caracteristici ale

variabilelor. De exemplu, variabila gr_mult este o variabil de tip numeric, cu 20 de caractere la partea
întreaga şi 0 zecimale, reprezentând itemul „Cât de mulţumit sunteţi în general de felul în care trăiţi?”.
I.4. CREAREA UNEI NOI BAZE DE DATE
Pentru a crea o nou baz de date trebuie activat opţiunea DATA VIEW. Vom crea o baza de
date care s conţin rezultatele la anxietate obţinute de un num r de subiecţi, înainte şi dup intervenţia
terapeutic (anxietatea a fost m surat cu ajutorul unei scale de anxietate). La studiu au participat
subiecţi de gen feminin şi masculin. Baza de date va conţine patru variabile: num rul subiecţilor (nrsub),
nivelul anxiet ţii subiecţilor înaintea terapiei (ANX1) şi nivelul
anxiet ţii subiecţilor dup terapie (ANX2) şi genul subiecţilor
(1-subiecţi de gen masculin şi 2-subiecţi de gen feminin).
Pentru introducerea datelor se plaseaz cursorul în
celul şi se introduce valoarea cu ajutorul tastelor. Spre
exemplificare, vom introduce prima valoare (1) a primei
variabile. Dup introducerea primei valori automat programul
a denumit prima variabil (var0001), iar indicativul primei linii
devine activ.
La fel se vor introduce şi celelalte valori ale primei variabile. Pentru a utiliza cu uşurinţ datele
este indicat definirea sau redenumirea variabilelor cu care lucr m.
Definirea variabilelor presupune activarea câmpului VARIABLE VIEW, prin executarea unui
dublu click pe numele variabilei (în cazul nostru var0001) sau prin activarea butonului VARIABLE VIEW
din partea de jos a câmpului. Rezultatul va fi urm torul:
Numele variabilei poate s cuprind maxim opt caractere, f r spaţiu sau semne de
punctuaţie. Pentru a defini o variabil , trebuie plasat cursorul în celula în care este trecut numele
(NAME) generic al variabilei (var0001), apoi se introduce numele variabilei NRSUB folosind tastatura.
Opţiunea TYPE permite specificarea tipului de date. Aceast opţiune poate fi activat cu
ajutorul mouse-ului cu un click stânga pe butonul gri din celula corespunz toare variabilei.
254
Tipul NUMERIC permite introducerea valorilor cu sau f r zecimale. Tipurile COMMA şi DOT
permit introducerea valorilor cu orice num r de zecimale (mai mare de 16), reţinând întreaga valoare.
Tipul SCIENTIFIC NOTATION transform logaritmic valorile introduse, DATE permite folosirea spaţiilor,
punctelor, virgulelor, a barelor de separarea pentru a delimita zilele, lunile şi anii, respectiv orele şi
minutele. Tipul DOLLAR insereaz în faţa valorilor simbolul dolarului, iar CUSTOM CURRENCY permite
introducerea de valorilor pozitive dar şi a celor negative, cu sau f r separator pentru mii. Ultima opţiune
STRING permite introducerea variabilelor alfanumerice.
Este posibil alegerea num rului de cifre pentru partea întreag (WIDTH) şi a num rului de
zecimale (DECIMAL PLACES). Deşi sunt mai multe tipuri de variabile, în psihologie se utilizeaz dou
tipuri de variabile, NUMERIC şi STRING (foarte rar). Automat la crearea unei noi baze de date, apare
selectat tipul NUMERIC, presupunându-se c noile variabile vor fi numerice. Opţiunea TYPE este de
obicei folosit pentru modifica acest tip de date.
Caracteristica LABELS permite definirea detaliat a variabilei (pot fi folosite pân la maxim 256
caractere, inclusiv spaţiul). Definirea detaliat a variabilei apare în pagina de rezultate.
VALUE LABEL permite descrierea valorile pe care le poate lua o variabil . Opţiunea este
folosit pentru variabile care folosesc coduri numerice pentru a reprezenta categorii (de exemplu, se pot
folosi valorile 1 şi 2 pentru a codifica genul feminin şi masculin).
MISSING VALUES permite stabilirea valorilor care nu vor fi luate în seam la prelucrarea
datelor.
COLUMN permite specificarea num rului de caractere pentru o coloan , afectând vizualizarea
datelor.
ALIGNMENT permite modificarea modului în care sunt prezentate datele pe ecran, aliniate la
stânga, dreapta sau central.
În exemplu nostru, vom defini numele variabilei NRSUB şi vom detalia eticheta la opţiunea
LABEL ca în imaginea de mai jos:
Vom introduce valorile şi vom defini şi urm toarele variabile, ANX1, ANX2 şi Gen. Variabila Gen
este de tip categorial, în funcţie de aceast caracteristic subiecţii fiind împ rţiţi în dou categorii
distincte, femei şi b rbaţi. Din acest motiv trebuie precizat semnificaţia valorilor variabilei. Acest lucru
presupune atribuirea de valori şi etichete celor dou grupuri de subiecţi. Astfel, subiecţii de sex masculin
îi vom codifica cu valoarea 1, iar pe cei de gen feminin cu valoarea 2. În acest scop vom activa opţiunea
VALUE:
255
LOREDANA GHERASIM
Se trece valoarea în câmpul VALUE şi numele grupului sau categoriei în câmpul VALUE
LABEL, dup care se apas butonul ADD. Astfel, vom scrie „1” în câmpul VALUE şi „subiecţi de gen
masculin” în câmpul VALUE LABEL şi activ m butonul ADD, apoi vom scrie „2” în câmpul VALUE şi
„subiecţi de gen feminin” în câmpul VALUE LABEL şi activ m butonul ADD.
Se activeaz butonul OK pentru a salva modific rile şi închide caseta de dialog.
Aceast opţiune se foloseşte numai pentru variabilele categoriale, care împart subiecţii în
grupuri distincte.
Salvarea fişierelor se face fie acţionând butonul SAVE care se g seşte în bara de instrumente,
fie din meniul FILE se alege opţiunea SAVE. Reamintim c trebuie ales mai întâi directorul în care
vream s salv m fişierul si apoi scriem numele fişierului. Vom salva fişierul cu numele Baza1.sav în
subdirectorul EXEMPLE SPSS care se g seşte în directorul MY DOCUMENTS.
256
II. ELEMENTE DE STATISTIC DESCRIPTIV
II.1. ANALIZA FRECVEN ELOR
Tabelele de frecvenţ ajut la descrierea unui grup de scoruri, fiind cele mai simple procedee
ale statisticii descriptive, care permit înţelegerea tendinţei unui grup de scoruri. Tabelele de frecvenţa
grupeaz scorurile subiecţilor, informaţia devenind, astfel, mai comprehensibil . Histogramele,
reprezent ri grafice ale tabelelor de frecvenţ permit o mai bun înţelegere a tendinţei grupului de
rezultate. Acestea presupun transformarea intervalelor de frecvenţ în bare, în lţimea barelor
corespunzând frecvenţei fiec rui interval de frecvenţ din tabelul de frecvenţ . Poligoanele de frecvenţ
sunt o alt modalitate de reprezentare grafic a datelor din tabelele de frecvenţ . Acestea se obţin, prin
unirea mijloacelor p rţilor superioare ale barelor histogramelor.
Tabelul de frecvenţ , histograma şi poligonul de frecvenţ descriu o distribuţie de frecvenţ ,
prezentând modul în care se distribuie sau se împr ştie cazurile sau frecvenţele. Modalitatea, înclinarea
şi turtirea sunt indicatori care descriu forma distribuţie scorurilor. Modalitatea indic câte “vârfuri” are o
distribuţie, cu alte cuvinte, arat valorile în jurul c rora se grupeaz rezultatele subiecţilor. Din aceast
perspectiv , distribuţiile pot fi unimodale (au un singur vârf), bimodale (au dou vârfuri) sau multimodale
(au mai multe vârfuri). Înclinarea arat dac în distribuţie apar mai multe valori mari sau mai multe valori
mici. Cele mai multe aspecte m surate în psihologie prezint un num r aproximativ egal de cazuri de o
parte şi de alta a mijlocului, distribuţiile fiind aproximativ simetrice (nu prezint tendinţ de înclinare). O
distribuţie este înclinat atunci când are o extrem (o parte) mai împr ştiat şi mai lung . Atunci când
curba este înclinat spre dreapta, distribuţia este înclinat pozitiv, iar când curba este înclinat spre
stânga, distribuţia este înclinat negativ. Spre exemplu, notele şcolare au o distribuţie înclinat spre
dreapta, adic elevii au tendinţa de a obţine mai multe note mari. Turtirea unei distribuţii se raporteaz
la curba normal . Faţ de curba normal o distribuţie poate fi mai turtit (scorurile din cadrul ei variaz
foarte mult de la medie) sau mai ascuţit (scorurile variaz foarte puţin de la medie).
Analiza de frecven cu ajutorul programului SPSS

Opţiunea FREQUENCIES permite realizarea tabelului de frecvenţ şi a distribuţiei de frecvenţ
a rezultatelor. Aceasta se g seşte la meniul ANALYZE –
DESCRIPTIVE STATIASTICS:
257
LOREDANA GHERASIM
Dup activarea opţiunii pe ecran apare urm toarea caset de dialog:

În câmpul din stânga al casetei
FREQUENCIES sunt afişate toate variabilele
din baza de date, în ordinea introducerii lor în
baza de date, împreun cu denumirea extins
a variabilei. Câmpul din dreapta reprezint
câmpul de analiz . Astfel, analiza statistic se
realizeaz doar pentru variabilele trecute în
acest câmp. Trecerea variabilelor în câmpul de
analiz se realizeaz cu ajutorul butonului cu
s geat care se g seşte între câmpuri. Se
selecteaz din câmpul din stânga variabila pe care vrem s analiz m apoi se activeaz butonul de
trecere. Acest mod de organizare în dou câmpuri apare la aproape toate opţiunile de prelucrare a
datelor.
Bifarea opţiunii DISPLAY FREQUECY TABLES are ca efect afişarea în foaia de rezultate a
tabelul de frecvenţ . Opţiunea STATISTICS deschide o fereastr cu opţiuni de prelucrare statistic ,
butonul CHARTS permite afişarea histogramei de frecvenţ . Opţiunea FORMAT permite modificarea
formei de prezentare a datelor în foia cu
rezultate (OUTPUT).
Pentru exemplul nostru, dorim
realizarea tabelului de frecvenţ şi
histogramei pentru variabila „nivelul
anxiet ţii înainte de terapie” (ANX1). Se
selecteaz variabila ANX1 din câmpul din
stânga şi se activeaz butonul de trecere:
Pentru ca în foaia de rezultate s
apar tabelul de frecvenţ se selecteaz
opţiunea DISPLAY FREQUECY TABLES. Pentru afişarea histogramei de frecvenţ se activeaz
butonul CHARTS:
Opţiunea CHART TYPE permite alegerea unui tip de grafic (cu bare, pl cint sau histogram ).
CHART VALUES permite alegerea tipului de valori afişate în grafic (Frecvenţe sau Procentaje).
Pentru exemplul nostru se selecteaz opţiunea HISTOGRAMS, se bifeaz afişarea curbei
normale (WITH NORMAL CURVE), apoi se activeaz butonul CONTINUE.
Opţiunea FORMAT permite modificarea formei OUTPUT-ului. Activarea acestui buton are ca
efect apariţia urm toarei casete de dialog:
258
Câmpul din stânga al ferestrei conţine opţiuni de aranjare a rezultatelor (în ordine
descresc toare sau cresc toare a valorilor sau cantit ţilor), iar cel din dreapta conţine opţiuni de
prezentare comparativ a rezultatelor şi de organizare separat a foii de rezultate, pentru fiecare
variabil . Pentru exemplu nostru, vom p stra opţiunile selectate automat.
Dup selectarea opţiunilor de realizare a tabelului de frecvenţ şi histogramei, se activeaz
butonul OK al casetei FREQUENCIES. Pe ecran apare o fereastra cu rezultate, numit OUTPUT:
Fereastra OUPUT este organizat în dou câmpuri, cel din stânga, afişeaz structura sau
cuprinsul OUPUT-ului, iar cel din dreapta arat conţinutul foii cu rezultate. Rezultatele sunt organizate în
dou tabele. În primul tabel se precizeaz num rul de subiecţi şi num rul de r spunsuri. Pentru
exemplul nostru, avem 20 de subiecţi care au r spuns la chestionar (nu lipseşte nici o valoare).
Al doilea tabel este organizat în cinci coloane. Coloana VALID prezint valorile variabilei,
prezentate în ordine cresc toare (f r a ţine seama de cazurile lips ). Coloana FREQUENCY prezint
frecvenţa, adic num rul de subiecţi care obţin o anumit valoare.
Coloana PERCENT transform frecvenţa obţinut pentru fiecare valoare în procentaj ţinând
cont de num rul total de subiecţi luaţi în calcul, indiferent dac aceştia au sau nu scoruri la aceast
variabil . Spre exemplu, doi subiecţi au obţinut scorul 103, ceea ce reprezint 10% din totalul num rului
de r spunsuri obţinute. VALID PERCENT prezint procentajul luând în calcul doar subiecţii care au
r spuns la aceast variabil . În cazul nostru coloanele PERCENT şi VALID PERCENT sunt identice
deoarece toţi subiecţii au scoruri la aceast variabil . Dac unii subiecţi nu ar fi r spuns la chestionarul
de anxietate, atunci cele dou coloane ar fi conţinut valori diferite.
Coloana CUMULATIVE PERCENT prezint procentajul cumulat, de la cel mai mic scor la pân
la cel mai mare. De exemplu, 60% dintre subiecţi au note mai mici sau egale cu 106.
Derulând pagina cu rezultate sau selectând HISTOGRAM în câmpul din stânga, putem
vizualiza reprezentarea grafic a frecvenţei scorurilor:
259
LOREDANA GHERASIM
Histograma de frecvenţ se mai poate obţine folosind meniul GRAPHS – HISTOGRAM.

Activarea opţiunii duce la apariţia urm toarei casete de dialog:
2
Elementele principale ale ferestrei sunt:

1. câmpul în care sunt prezentate toate variabilele din baza de date
2. câmpul în care se introduce variabila pentru care dorim s realiz m histograma de frecvenţ
3. selectarea acestei opţiuni va duce la afişarea curbei normal de distribuţie a rezultatelor.
Pentru exemplificare introducem variabila ANX1, cu ajutorul butonului cu s geat , în câmpul
VARIABLE şi bif m opţiunea DISPLAY NORMAL CURVE. Se obţine aceeaşi reprezentare grafic ca şi
în cazul folosirii butonului CHART al ferestrei FREQUENCIES.
Vizualizarea ferestrei OUTPUT sau DATE (baza1.sav) se poate face
folosind meniul WINDOW, marcând opţiunea dorit (baza de date sau foaia
de rezultate):
II.2. IDENTIFICAREA TENDIN EI CENTRALE ŞI A VARIABILIT II SCORURILOR
Metodele descriptive pentru identificarea tendinţei centrale şi de împr ştiere indic tendinţa
central a unui grup de scoruri, folosind ca indicatori media, mediana şi modul şi tendinţa de împr ştiere
a grupului de scoruri, folosind ca indicatori varianţa şi abaterea standard.
Media aritmetic descrie tendinţa central într-un grup de rezultate, arat valoarea tipic ,
reprezentativ a unui grup de scoruri. Media este punctul faţ de care scorurile sunt egal dep rtate,
deoarece abaterile de la medie într-o direcţie (abaterile scorurilor mici de la medie) sunt egale cu
260
abaterile în cealalt direcţie (abaterile scorurilor mari de la medie). Mediana împarte distribuţia în dou
p rţi egale, jum tate dintre scorurile distribuţie având valori mai mici ca mediana, iar cealalt jum tate
valori mai mari. Modul reprezint valoarea cu frecvenţa cea mai mare. Este indicatorul care este cel mai
puţin afectat de schimb rile structurii (modific ri ale num rului de scoruri sau m rimii scorurilor
distribuţiei). Mediana este şi ea destul de puţin afectat de modific rile structurii distribuţiei. Media, îns ,
este cea mai “sensibil ” la modificarea num rului de scoruri sau m rimii scorurilor, fiind indicatorul cel
mai descriptiv (deoarece indic orice modificare survenit în distribuţie). Se recomand utilizarea mediei
în distribuţiile simetrice şi unimodale. Mediana şi modulul, care sunt mai stabile sunt recomandate
pentru descrierea distribuţiilor asimetrice şi multimodale. Cu toate acestea, media aritmetic r mâne
metoda cel mai des utilizat pentru descrierea tendinţei grupului de scoruri, acest indicator intrând în
componenţa multor metodele statistice. Exist îns metode statistice (cum a fi testele neparametrice) în
care se utilizeaz doar mediana şi modul.
Cunoaşterea acestor indicatori nu este suficient pentru a descrie complet o distribuţie. Trebuie
s cunoaştem gradul de variabilitate a scorurilor noastre. Mai precis, trebuie s ştim cât de mult (sau cu
cât) se împr ştie scorurile în jurul valorii medii.
Varianţa (SD2=( ∑ (X-M)2/N) unei distribuţii arat cât de “împr ştiate” sunt scorurile în jurul
valorii centrale, indic gradul de variabilitate a unui grup de rezultate. Este o m sur a gradului de
variabilitate a scorurilor şi arat cât de mult se abat scorurile de la tendinţa central . Cu cât este mai
mare aceast valoare, cu atât mai mult se împr ştie scorurile în jurul valorii centrale. Pentru a cunoaşte
exact cu cât variaz scorurile în medie este nevoie s calcul m deviaţia standard. Abaterea standard ne
arat cu cât se împr ştie scorurile în jurul valorii centrale şi se m soar în aceleaşi unit ţi de m sur ca
şi scorurile iniţial. Abaterea standard este r d cina p trat a varianţei (SD = SD 2 ).
În intervalul cuprins între medie şi o abatere standard la stânga şi dreapta mediei g sim
aproximativ 2/3 din totalul scorurilor. Aceste rezultate sunt considerate tipice sau normale pentru o
distribuţie. Ilustr m grafic acest lucru:
m-SD m m+SD
scoruri mici scoruri medii, tipice, normale scoruri mari
Scorurile care sunt mai mari decât media cu o abatere standard sunt considerare scoruri mari
iar cele mai mici decât media cu mai mult de o abatere standard sunt considerate ca fiind scoruri slabe.
Calculul tendin ei centrale şi a variabilit ii folosind SPSS

Meniul din SPSS care permite calculul indicatorilor tendinţei centrale şi ai împr ştierii se
g seşte la ANALYZE – DESCRIPTIVE STATISTICS – FREQUENCIES. Pentru analiz vom folosi baza
de date realizat anterior, „Baza1.sav”.
Vom calcula parametrii tendinţei centrale şi ai variabilit ţii pentru variabila ANX1 (nivelul
anxiet ţii înaintea terapiei). Se trece variabila în câmpul din dreapta apoi se activeaz butonul
STATISTICS. Dup cum se poate vede şi în imaginea de mai jos, caset de dialog care se deschide
cuprinde patru câmpuri cu opţiuni:
261
LOREDANA GHERASIM
Câmpul PERCENTILE VALUES conţine opţiuni care permit calculul valorilor corespunz toare
împ rţirii subiecţilor în grupuri egale, prin afişarea valorilor care delimiteaz aceste grupuri. Aceast
opţiune permite calculul cuartilelor (QUARTILES) sau altor cuartile (de exemplu CUT POINTS FOR 10
EQUAL GROUPS) sau centile (PERCENTILE).
Opţiunile din câmpul DISPERSION permit calcularea diferiţilor parametri referitori la dispersia
(împr ştierea) scorurilor în jurul valorii centrale: abatere standard (STD. DEVIATION), varianţ
(VARIANCE), amplitudine (RANGE), valori minime (MINIMUM) şi maxime (MAXIMUM) şi eroare
standard (S.E. MEAN care reprezint abaterea standard a distribuţii tuturor mediilor posibile calculate
pentru eşantioane aleatoare repetate).
CENTRAL TENDENCY conţine opţiunile folosite pentru calculul indicatorilor tendinţei centrale
ale distribuţiei: media (MEAN), mediana (MEDIAN), mod (MODE) şi suma valorilor seriei (SUM).
Câmpul DISTRIBUTION ofer posibilitatea afl rii indicatorilor de turtire (KURTOSIS)şi înclinare
ai unei distribuţii în comparaţie cu cea normal (SKEWNESS).
Pentru exemplu nostru ne intereseaz calculul parametrilor tendinţei centrale ai distribuţiei şi de
împr ştiere. În consecinţ se bifeaz (cu un simplu click stânga al mouse-ului) opţiunile MEAN,
MEDIAN, MODE din câmpul CENTRAL TENDENCY şi opţiunile STD DEVIATION şi VARIANCE din
câmpul DISPERSION:
Activ m butonul CONTINUE şi apoi cel OK al casetei FREQUENCIES. Valorile indicatorilor

sunt grupate în tabelul Statistics:
262
Astfel, M=107,90, Med=105,5, Mod=104, ceea ce însemn c distribuţia este unimodal (apare
o singur valoare la mod) şi uşor înclinat spre dreapta spre valorile mai mari ale variabilei (valoarea
mediei este mai mare decât a medianei). Reprezentarea grafic indic apariţia unui singur vârf
(distribuţie unimodal ) şi o alungire şi împr ştiere a extremei drepte a distribuţiei (distribuţie înclinat
spre dreapta).
La fel se calculeaz indicatorii tendinţei centrale şi de împr ştiere pentru variabila ANX2 (nivelul
anxiet ţii subiecţilor dup terapie). Rezultatele obţinute sunt urm toarele:
Astfel, M=107,95, Med=109,5, Mod=102, Mod=110 (a doua valoare a modul se extrage din
tabelul de frecvenţ ). Distribuţia scorurilor este bimodal (apar dou valori cu frecvenţa cea mai mare)
şi înclinat spre valorile mici ale variabilei (media este mai mic decât mediana). Distribuţia scorurilor
subiecţilor la aceast variabil indic aceeaşi form .
263
LOREDANA GHERASIM
Comparând reprezent rile histogramele de frecvenţ pentru variabilele ANX1 şi ANX2, putem
analiza variabilitatea rezultatelor la cele dou variabile. Astfel, distribuţia scorurilor pentru prima
variabil este mai ascuţit , valorile fiind mai grupate în jurul medie (şi varianţa şi abaterea standard au
valori mai mici). La variabila ANX2 se constat o mai mare variabilitate a rezultatelor, distribuţia fiind
mai turtit (în acest caz varianţa şi abaterea standard au valori mai mari).
II.3. SCORURILE Z
Nota Z indic deviaţia unui scor (x) de la medie (m) exprimat în deviaţii standard. Nota
standard Z arat cu câte deviaţii standard se abate un scor de la medie (Z=(X-M)/SD). Distribuţia în
note Z este o distribuţie ideal în care media are întotdeauna valoarea 0, iar abaterea standard valoarea
1.
Schema de mai jos prezint notele standard Z corespunz toare mediei şi limitelor de variaţie
maxim şi minim . Mediei îi corespunde întotdeauna mereu scorul standard 0, limitei minime de variaţie
tipic îi corespunde scorul standard -1, iar limitei maxime de variaţie normal îi corespunde nota
standard +1.
m-SD m m+SD x
scoruri”mici” scoruri medii, tipice normale scoruri”mari”

-1 0 +1 Z
Aceasta distribuţie ne permite s stabilim cum este scorul x în raport cu media (care este 0) şi
abaterea standard (care are valoarea 1). Trebuie ţinut seama de o serie de reguli. Astfel, un scor x
raportat la distribuţia Z este considerat “mic”, dac scorul s u Z are valoare mai mic decât –1; un scor
x este considerat “mediu” dac scorul s u Z este cuprins în intervalul [–1, +1]; un scor x este considerat
“mare” raportat la distribuţia Z, dac scorul s u Z va fi mai mare decât +1.
Scorurile Z îndeplinesc o serie de funcţii. Permit compararea unui scor cu o distribuţie la care
cunoaştem parametrii (media şi deviaţia standard), astfel, ne ajut s preciz m dac un scor este mic,
mediu sau mare. De asemenea, notele Z arat de câte ori acel scor este mai mare sau mai mic decât
media (ţinând cont de variabilitate). Spre exemplu, dac scorurile la un test de inteligenţ într-o
populaţia sunt descrise de media m=100 şi deviaţia standard SD=15, o persoan cu scorul brut 130
este „de dou ori mai deştept ca media celorlalţi”, deoarece acestui scor îi corespunde un scor Z de +2
(ceea ce înseamn c scorul este mai mare ca media cu dou deviaţii standard). O alt funcţie a notelor
z este aceea c permit compararea scorurilor obţinute de aceeaşi persoană la probe diferite, întrucât
notele Z arat raporturi şi sunt adimensionale (nu depind de ceea ce m sur m).
264
Calculul notelor Z folosind SPSS

Comanda DESCRIPTIVES care se g seşte în meniul ANALYZE – DESCRIPTIVE
STATISTICS, permite calculul notelor Z cu ajutorul SPSS. Vom folosi baza de date creat anterior
(„Baza1.sav”).
Activarea comenzii duce la apariţia pe ecran a casetei de dialog urm toare:
1
2
4
3
Prezent m principalele elemente ale ferestrei DESCRIPTIVES:

1. câmpul în care sunt prezentate variabilele din baza de date
2. câmpul în care se introduc variabilele care vor fi analizate
3. opţiunea SAVE STANDARDIZED VALUES AS VARIABLES permite salvarea în baza de date
a scorurilor standard sub forma unei noi variabile.
4. cuprinde opţiuni de calcul ai parametrilor distribuţiei.
Pentru exemplificare, vom calcula notele Z pentru variabila ANX1. Se bifeaz opţiunea SAVE
STANDARDIZED VALUES AS VARIABLES. Se activeaz butonul OPTIONS, care deschide
urm toarea fereastr :
Automat sunt selectate de computer opţiunile de calcul al mediei, abaterii standard şi al valorii
minime şi maxime. Vom activa butonul CONTINUE şi apoi butonul OK al ferestrei pentru a putea face
265
LOREDANA GHERASIM
analiza statistic . Rezultatele obţinute în urma comenzii DESCRIPTIVES sunt mai sumare şi prezentate
într-un singur tabel.
Vom vizualiza baza de date pentru a vedea dac apare noua variabil care conţine rezultatele
subiecţilor transformate în note Z.
Se observ apariţia unei noi variabile, pe ultima coloan , cu numele ZANX1.

Putem analiza rezultatele obţinute. Se constat c cel mai mare scor z este 2,6 care
corespunde unui scor standard 124 obţinut de subiectul 15, iar cea mai mic valoare la anxietate a
obţinut-o subiectul 8, care are un scor z–0,98 pentru o valoare brut de 102. Scorul primului subiect
este atipic, nivelul anxiet ţii acestuia fiind de 2 ori şi jum tate mai mare decât media, ceea ce semnific
faptul c subiectul are un nivel ridicat al anxiet ţii raportat la ceilalţi subiecţi. Subiectul al doilea are un
nivel normal al anxiet ţii, rezultatul fiind aproape cu o unitate mai mic decât media, dar plasându-se în
limita (–1 - +1).
II.4. COEFICIENTUL DE CORELA IE PEARSON
Notele Z fac posibil analiza legăturii dintre dou variabile. De exemplu, putem analiza leg tura
dintre nivelul stresului unui manager şi num rul de subordonaţi. Prin transformarea notelor brute
obţinute de subiecţi la cele dou variabile putem s identific m dac exista sau nu o leg tur între
aceste dou variabile.
Corelaţia este o metod statistic descriptiv , întrucât ea descrie ce se petrece într-un grup de
rezultate (r=( ∑( Z1 * Z 2) / N ). Corelaţia indic existenţa unei leg turi între variabile, leg tur care
poate fi pozitiv (când scorurile slabe la prima variabil se asociaz cu scoruri slabe la a doua variabil ,
scorurile medii la prima variabil se asociaz cu scoruri medii la a doua variabil şi scorurile mari la
266
prima variabil se asociaz cu scoruri mari la a doua variabil ), negativ (când scorurile slabe la prima
variabil se asociaz cu scoruri mari la a doua variabil , scorurile medii la prima variabil se asociaz
cu scoruri medii la a doua variabil şi scorurile mari la prima variabil se asociaz cu scoruri mici la a
doua variabil ). Bineînţeles c între variabile poate s nu apar nici o leg tur .
Coeficientul de corelaţie (r) indic gradul în care apare paternul unei relaţii între cele dou
variabile. Acest coeficient poate lua valori de la -1 la +1, corelaţia pozitiv poate lua valori de la 0 la 1,
iar corelaţia negativ poate lua valori la de -1 la 0.
Analiza corelaţiei dintre dou variabile nu permite stabilirea relaţiei de cauzalitate între aceste
variabile. Exist trei modalit ţi de interpretare a unui coeficient de corelaţie obţinut între dou variabile
(x şi y): fie x poate fi cauz pentru y, fie y poate fi cauz pentru x, fie a ap rut a o treia variabil care a
determinat apariţia simultan a celor doua variabile.
Pragul de semnifica ie (p)

În psihologie este necesar generalizarea concluziile studiilor. Astfel, dup analiza rezultatelor
corelaţiei ne intereseaz s vedem dac leg tura g sit (la un grup de oameni) poate fi extins la
întreaga populaţie. Mai precis, ne intereseaz s ştim în ce m sur rezultatele se datoreaz întâmpl rii.
Pragul de semnificaţie, p, indic în ce m sur ne înşel m atunci când afirm m ceva. În cazul corelaţiei,
pragul de semnificaţie, indic dac exist o leg tur între dou sau mai multe variabile.
În cercetarea ştiinţific se lucreaz de obicei cu dou praguri de semnificaţie, corespunz toare
procentajului de eroare: pragul de 0,01 (1% eroare) şi pragul de 0,05 (5% eroare). În general, când se
fac predicţii pot s apar patru situaţii, prezentate în tabelul de mai jos:
Evenimentul
Apare Nu apare
Predic ia Apare Corect Eroarea I
Evenimentului Nu apare Eroarea II Corect
Sunt dou situaţii în care se poate greşi: când afirm m c un eveniment se va produce şi în
realitate acesta nu va ap rea (eroare de tip I) sau când afirm m c un eveniment nu se va produce şi
aceste va apare (Eroare de tip II). Situaţia I corespunde minciunii, iar situaţia II corespunde ignoranţei.
Dac vrem s evit m primul tip de greşeal care are consecinţe mai grave (de a demonstra ceva ce nu
exist în realitate), alegem pragul de semnificaţie de 0,010 (prag de eroare de 1%). Dac dorim îns s
avem mai multe şanse în a demonstra ceva şi consecinţele nu sunt grave în caz de greşeal , atunci se
prefer pragul de eroare de 5% (deci un p=0,050). În concluzie, vom considera un test statistic ca fiind
semnificativ dac pragul de semnificaţie este mai mic sau cel mult egal cu valoarea 0,050.
În psihologie se lucreaz cu dou modalit ţi de formulare a ipotezelor (non-direcţionale sau
direcţional). Ipotezele non-direcţionale sunt cele în care nu se precizeaz tipul de relaţie dintre variabile.
În testarea acestor ipoteze probabilitatea de eroare de 1% sau 5% se împarte la cele extremit ţi (cozi)
ale distribuţiei scorurilor. Testul de semnificaţie pentru verificarea acestui tip de ipotez este
TWO-TAILED. În cazul nostru ipoteza ar putea fi formulat non-direcţional astfel: exist o leg tur între
salariul iniţial şi final al subiecţilor. Ipotezele direcţionale sunt cele în care se precizeaz tipul de
modificare, cercet torul se aşteapt la un anumit rezultat. Pentru aceste ipoteze probabilitatea de
eroare se stabileşte la una dintre extremit ţile distribuţiei. Testul de semnificaţie pentru verificarea
acestui tip de ipotez este ONE-TAILED. Ipoteza din exemplul nostru ar putea fi formulat direcţional,
267
LOREDANA GHERASIM
astfel: leg tura dintre salariul iniţial şi final este pozitiv , cu cât salariul iniţial este mai mare cu atât şi
salariul final va fi mai mare.
Calcularea corela iei Pearson cu ajutorul SPSS

Pentru a calcula acest coeficient de corelaţie cu ajutorul aplicaţiei SPSS vom crea o nou baz
de date “Baza2.sav”, care va cuprinde 3 variabile: STUDII (nivelul de studii al subiecţilor) cu trei valori 1
(studii generale), 2 (studii medii) şi 3 (studii superioare), Sal_in (salariul iniţial al subiecţilor) şi sal_fin
(salariul final al subiecţilor). aceste variabile au urm toarele valori:
• studii:1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3
• sal_in: 189, 198, 197, 168, 201, 185, 156, 175, 201, 220, 210, 214, 205, 301, 332, 341, 221,
206, 298, 301, 654, 214, 258, 245
• sal_fin: 201, 220, 205, 203, 185, 168, 178, 260, 280, 274, 298, 305, 582, 542, 392, 445, 401,
502, 403, 954, 425, 725, 625, 199
Pentru calculul corelaţiei se activeaz opţiunea BIVARIATE din meniul ANALIZE-
CORRELATE:
Activarea comenzii va deschide urm toarea fereastr :

2
1
4
5
Elementele principale ale ferestrei sunt:

1. câmpul care prezint lista variabilelor din baza de date;
2. câmpul de analiz , unde se introduc variabilele ce vor fi analizate; se pot introduce mai multe
variabile, calculatorul afişând corelaţiile între variabilele luate dou câte dou ;
3. în câmpul CORRELATION COEFFICIENTS se alege tipul de corelaţie: coeficientul Pearson
se foloseşte pentru date parametrice (variabile cantitative şi continui), coeficienţii KENDALL şi
SPEARMAN se folosesc pentru date categoriale şi ordinale.
268
4. câmpul TEST OF SEGNIFICANCE permite selectarea modului de testate a ipotezei (TWO-

TAILED sau ONE-TAILED); de obicei se foloseşte pragul TWO-TAILED în testarea ipotezelor de
cercetare cu ajutorul SPSS.
5. opţiunea FLAG SIGNIFICANCE CORRELATIONS are ca efect apariţia unui asterisc (*) în
dreptul corelaţiilor semnificative;
6. butonul OPTIONS este urmat de apariţia unei casete de dialog.
Aceasta permite realizarea unei analize descriptive a datelor (STATISTICS) şi precizarea

modalit ţii de tratament a datelor lips MISSING VALUES, prin excluderea din analiz a perechilor de
rezultate în care avem doar una dintre valori (EXCLUDE CASES PAIRWISE) sau de a exclude din
analiz un rând întreg dac doar una dintre valori lipseşte (EXCLUDE CASES LISTWISE). Se
recomand utilizarea primei variante selectat implicit.
Pentru baza de date creat vom analiza leg tura dintre variabilele salariu iniţial şi final al
subiecţilor. Vom introduce variabilele SAL_INI şi SAL_FIN în câmpul din dreapta.
Coeficientul de corelaţie Pearson este selectat implicit de c tre calculator, la fel ca şi celelalte
opţiuni test de semnificaţie TWO-TAILED şi marcarea cu asterisc a corelaţiilor semnificative FLAG
SIGNIFICANCE CORRELATIONS. Dup activarea butonului OK, în foaia OUTPUT sunt afişate
urm toarele rezultate:
269
LOREDANA GHERASIM
2
4
1
5
3
Se observ c cele dou variabile apar pe coloane da şi pe linii.

Pe rândul 1 - PEARSON CORRELATION se g sesc valorile coeficienţilor de corelaţie dintre
dou variabile
Pe rândul 2 - SIG. (2-TAILED) apare probabilitatea de eroare la respingerea ipotezei de nul şi
acceptare a ipotezei de cercetare
Rândul 3 - N conţine num rul de subiecţi care au scoruri la ambele variabile
În tabel apare leg tura dintre fiecare variabil şi ea îns şi (ANX1 şi ANX1 şi respectiv între
ANX2 şi ANX2) dar şi leg tura dintre cele dou variabile (între ANX1 şi ANX2 dar şi între ANX2 şi
ANX1).
Prima celul din stânga (notat cu 4) prezint coeficientul de corelaţie între variabila salariul
iniţial şi salariul iniţial (ANX1 şi ANX1). Între o variabil şi ea îns şi apare o corelaţie perfect pozitiv
(r=1,0), dar lipsit de semnificaţie (nu apare nici un prag de semnificaţie). Acest coeficient de corelaţie
nu aduce nici un fel de informaţie şi în consecinţ nu se analizeaz . La fel nu se analizeaz corelaţia
dintre variabila salariul final şi salariul final (ANX2 şi ANX2).
În celula din dreapta sus apare coeficientul de corelaţie dintre salariul iniţial şi salariul final
(ANX1 şi ANX2), semnificaţia acestuia şi num rul de perechi de scoruri. Acelaşi rezultate apar şi în
celula din stânga jos care prezint coeficientul de corelaţie dintre salariul final şi salariul iniţial (ANX2 şi
ANX1). Rezultatele sunt identice deoarece corelaţie este bidirecţional (corelaţia dintre variabilele A şi B
este acelaşi lucru cu cea dintre variabilele B şi A). În consecinţ rezultatul poate fi extras din oricare din
cele dou celule.
Vom extrage datele pentru leg tura dintre salariul iniţial şi salariul final al subiecţilor:
Interpretarea corelaţiei: r=0,81 (coeficientul de corelaţie), p<0,001 (pragul de semnificaţie), N=24
(num rul de subiecţi).
Sunt mai multe elemente de care trebuie s se ţin seama în interpretarea corelaţiei:
• semnul corelaţiei: arat natura leg turii care exist pozitive (dac semnul este pozitiv) sau
negative (dac semnul este negativ). În cazul nostru, semnul este pozitiv, ceea ce înseamn c un salar
iniţial mic se asociaz , dup cinci ani, cu un salariu tot mic, un salar iniţial mediu se asociaz cu un
salar final mediu şi un salar mare iniţial se asociaz cu salariu mare final.
• mărimea absolută a coeficientului: descrie t ria leg turii care apare între variabile. Se
consider , astfel, c leg tura este slab dac valoarea absolut a lui r nu dep şeşte 0,30, leg tura este
medie la o valoare a lui r cuprins între 0,30-0,50, leg turile puternice având o m rime absolut mai
270
mare de 0,50. În exemplul nostru, t ria leg turii este ridicat (r=0,81) coeficientul având valoare mi
• pragul de semnificaţie dac este mai mic de 0,05, atunci putem considera c există o relaţie
mare de 0,50
între variabilele studiate. În exemplu nostru, valoarea este 0,000. În aceste situaţii se raporteaz un
p<0,001, pentru a ar ta c probabilitatea de a greşi este mai mic decât 0,1% (calculatorul ne afişeaz
doar primele trei zecimale). Putem spune c exist o leg tur semnificativ între nivelul iniţial şi final al
• proporţia de varianţă. Coeficientul de corelaţie ridicat la p trat ne indic proporţia de varianţă

salariului subiecţilor, pragul de semnificaţie fiind mai mic de 0,05.
explicat de relaţia g sit . Proporţia de varianţ indic la ce procent din populaţia general apare
relaţia. Pentru exemplu nostru proporţia de varianţ are valoarea 0,65 (r=0,81, deci r2=0,65). Se
observ c abia 65% din variaţia observat se întâlneşte în realitate, deci relaţia g sit este prezent la
65% dintre subiecţi.
Toate aceste elemente trebuie s apar în interpretare, pentru ca ea s fie complet .
Comanda SELECT CASES

Uneori este necesar selectarea anumitor cazuri din populaţie pentru a face o prelucrare
statistic . Spre exemplu, vrem s vedem dac leg tura dintre salariul iniţial şi salariul final are aceeaşi
valoare la subiecţii care au studii generale. Subiecţii sunt împ rţiţi în grupe în funcţie de nivelul de studii
(studii), fiind codificaţi cu 1 în baza de date.
Pentru a selecta numai subiecţii care au studii generale, se foloseşte comanda SELECT
CASES din meniul DATA. Activarea meniului este urmat de apariţia urm toarei ferestre:
În câmpul din stânga al ferestrei sunt prezentate toate variabilele din baza de date. În dreapta
ferestrei apar mai multe opţiuni. Pe noi ne intereseaz opţiunea IF CONDITION IS SATISFIED,
deoarece vrem s select m numai cazurile care îndeplinesc o anumit condiţie (s aib valoarea 1 la
variabila studii adic s fie numai subiecţi cu studii generale).
Aceast opţiune se alege cu un simplu click stânga al mouse-ului:
Se activeaz butonul IF, care deschide urm toarea caset de dialog:
271
LOREDANA GHERASIM
Se selecteaz variabila în funcţie de cre se face selecţia şi se trece în câmpul dintre dreapta
sus. În cazul nostru se selecteaz variabila STUDII şi se trece în câmpul din dreapta:
Se ad ug condiţia. Pentru exemplul nostru, variabila Studii trebuie s aib numai valoarea 1
(STUDII=1). Se poate folosi tastatura sau se pot activa butoanele cu cifre şi semne ce se g sesc sub
acest câmp. Condiţia va ar ta astfel:
Se apas apoi butonul CONTINUE pentru a salva condiţia:
Se activeaz butonul OK, baza de date modificându-se, cum se poate observa şi în imaginea
de mai jos:
272
La sfârşitul bazei de date apare o nou variabil , intitulat FILTER_$, care indic rezultatul
selecţiei. Cazurile neselectate sunt “t iate”, adic ele vor fi ignorate de la analiz . În partea din dreapta-
jos a ecranului apare anunţul FILTER ON, care avertizeaz utilizatorul cu privire la activarea unei
comanzi de selecţie
Aten ie! Selectarea datelor nu implică şi efectuarea analizei statistice. Dup selecţie
trebuie f cut prelucrarea statistic a datelor. În cazul nostru trebuie utilizat comanda de analiz a
corelaţiei dintre salariul iniţial şi cel final. Se obţine urm torul tabel în fereastra cu rezultate:
Rezultatul obţinut este urm torul: r=0,69, p=0,056. În continuare vom interpreta aceste
• semnul corelaţiei: corelaţie pozitiv , leg tura este direct proporţional . În cazul subiecţilor cu studii
rezultate:
generale se constat c nivelul mic al salariului iniţial se asociaz cu un nivel mic al salariului final,
salariul iniţial mediu se asociaz cu un salar final mediu, salariul iniţial mare se asociaz cu un salar
• mărimea absolută a coeficientului: puterea leg turii dintre cele dou variabile este ridicat , valoarea
final mare.
lui r dep şeşte valoarea de 0,50.

• pragul de semnificaţie: valoarea pragului de semnificaţie este mai mare de 0,050, deci nu exist o
leg tur semnificativ între salariul iniţial şi final al subiecţilor care au studii generale.
• proporţia de varianţă explicat de relaţia este r2=0,47, deci relaţia g sit apare la 47% dintre
subiecţii cu studii generale. Explicaţia lipsei de semnificaţie a corelaţiei dintre cele dou variabile (în
condiţiile în care coeficientul de corelaţie are valoare ridicat ) este num rul mic de subiecţi. Num rul
de subiecţi din analiz influenţeaz valoarea pragului de semnificaţie al corelaţiei dar nu şi puterea
leg turii dintre variabile.
273
LOREDANA GHERASIM
Dup folosirea acestui “filtru” este indicat dezactivarea. Pentru dezactivarea selecţiei, se
deschide din nou în meniul iniţial DATA - SELECT CASES. În partea de jos a ferestrei se g seşte buton
RESET. Se activeaz apoi butonul OK, astfel, comanda de filtrare a datelor dispare.
Comanda SPLIT FILE

Uneori îns dorim s vedem ce se întâmpl pentru fiecare subgrup de subiecţi în parte. Pentru
baza de date BAZA2.sav, vom analiza leg tura dintre variabilele salariul iniţial şi salariul final pentru
toate categoriile de subiecţi în funcţie de variabila STUDII (nu numai pentru subiecţii cu studii generale
dar şi pentru cei cu studii medii şi superioare). Pentru a nu repeta comanda SELECT CASES de multe
ori se poate utiliza o alt comand din meniul DATA, şi anume comanda SPLIT FILE. Activarea
comenzii SPLIT FILE deschide urm toarea fereastr :
Dintre opţiunile din dreapta alegem ORGANIZE OUTPUT BY GROUPS şi apoi, cu ajutorul
s geţii, introducem variabila de grupare (STUDII) în câmpul care se activeaz sub aceast opţiune:
Dup ap sarea butonului OK, în partea dreapt -jos a bazei de date apare anunţul SPLIT FILE
ON, care avertizeaz utilizatorii c baza de date este împ rţit în funcţie de condiţiile (nivelurile)
variabilei de grupare . La fel ca şi în cazul comenzii SELECT CASES, simpla împ rţire a bazei de
date nu asigur prelucrarea statistic . De aceea, trebuie folosit comanda CORRELATIOS pentru a
analiza leg tura dintre variabilele salariu iniţial şi final al subiecţilor.
Rezultatele analizei statistice sunt prezentate separat, în fişierul OUTPUT, pentru fiecare
condiţie a variabilei independente: studii generale, medii şi superioare:
274
nivelul de studii al subiec ilor = studii generale
nivelul de studii al subiec ilor = studii medii
nivelul de studii al subiec ilor = studii superioare
Graficul corela iei

Relaţia dintre dou variabile poate fi reprezentat grafic sub forma unui nor de puncte. Practic,
graficul îl alegem din meniul GRAPHS, comanda SCATTER, care deschide fereastra:
Vom alege un grafic simplu, care s ilustreze relaţia dintre dou variabile, deci vom selecta
opţiunea SIMPLE. Se activeaz apoi butonul DEFINE, care deschide urm toarea fereastr :
275
LOREDANA GHERASIM
Se introduc cele dou variabile în câmpurile axei X şi axei Y (nu conteaz ordinea în care se
introduc variabilele deoarece corelaţia este bidirecţional ) şi apoi se apas butonul OK.
Reprezentarea grafic a corelaţiei este urm toarea:
Reprezentarea grafic a corelaţiei apare sub forma unui nor de puncte. Pentru exemplul nostru
norul de puncte este ascendent cresc tor (din stânga-jos spre dreapta-sus) deoarece relaţia dintre
variabile este pozitiv , iar punctele sunt apropiate, grupate deoarece coeficientul de corelaţie are
valoare ridicat (r=0,81). Dac relaţia ar fi fost invers proporţional , norul de puncte ar fi fost orientat
276
descresc tor (din stânga-sus spre dreapta-jos). În cazul în care nu ar fi nici o relaţie, punctele ar fi fost
distribuite uniform pe grafic.
II.5. COEFICIENTUL DE CORELA IE KENDALL'S TAU-B
Reprezint o m sur non-parametric a asocierii variabilelor ordinale sau rangate care

presupun cantit ţi. La fel ca şi în cazul corelaţiei Pearson, semnul coeficientului de corelaţie Kendall's
tau-b indic direcţia relaţiei, iar valoarea absolut a coeficientului indic puterea relaţiei. Cu cât valoarea
coeficientului este mai mare cu atât relaţia dintre variabile este mai mare. Acest coeficient de corelaţie
poate lua valori doar intre -1 şi 1.
Calcularea corela iei Kendall cu ajutorul SPSS

de date “Baza3.sav”, care va cuprinde 3 variabile: elevi (codul de identificare al elevilor), Prof_1
(evaluarea interesului elevilor faţ de şcoal de c tre primul profesorul) şi Prof_2 (evaluarea interesului
elevilor faţ de şcoal realizat de al doilea profesor). În tabelul urm tor prezent m valorile acestor
variabile.
Pentru a analiza leg tura dintre evaluarea f cut de primul profesorul şi evaluarea realizat de
al doilea profesor (prof_1 şi prof_2), trebuie s folosim coeficientul de corelaţie Kendall's.
Pentru calculul acestei corelaţii se activeaz opţiunea BIVARIATE din meniul ANALIZE-
CORRELATE, apoi se introduc variabilele prof_1 şi prof_2 în câmpul din dreapta. Din câmpul
CORRELATION COEFFICIENTS se bifeaz coeficientul de corelaţie Kendall's:
Dup confirmarea comenzii în foaia cu rezultate apare urm torul tabel:
277
LOREDANA GHERASIM
Se constat c apare o asociere pozitiv între variabile (r=0,60), elevii clasaţi pe primele locuri
de c tre primul profesor ocup tot o poziţie fruntaş din perspectiva celui de al doilea profesor.
Asocierea nu este îns semnificativ , p=0,091 posibila explicaţie fiind num rul mic de subiecţi din baza
de date.
Dac ar fi ap rut o asociere negativ dintre variabile (coeficientul de corelaţie ar fi fost negativ)
s-ar fi interpretat astfel: elevii plasaţi pe primele locuri de c tre primul profesor s-ar fi plasat în coada
clasamentului din perspectiva celui de al doilea profesor.
II.6. COEFICIENTUL DE CORELA IE SPEARMAN
Este o m surare non-parametric a corelaţiei dintre dou variabile ordinale. Pentru toate
cazurile, valorile fiec rui tip de variabil sunt rangate, de la cele mai mici la cele mai mari. Se foloseşte
atunci când nu este posibil m surarea caracteristicilor analizate ci doar evaluarea lor, în asemenea
manier încât indivizii statistici s fie ordonaţi în funcţie de dou criterii X şi Y. Aceast evaluare
presupune atribuirea de valori care indic ierarhia subiecţilor (cum ar fi primul, al doilea, al treilea).
Modalitatea de calcul a corelaţiei Spearman este similar coeficientului Pearson (de fapt de aplic
formula coeficientului Pearson). Acest coeficient de corelaţie mai este denumit şi coeficient de corelaţie
a rangurilor.
Calcularea corela iei Spearman cu ajutorul SPSS

de date “Baza4.sav”, care va cuprinde 3 variabile: elevi (codul de identificare al elevilor), eval_i
(evaluarea de c tre profesori a interesul pentru şcoal ) şi eval_re (evaluarea de c tre profesori a
relaţiilor cu ceilalţi elevi).
Pentru a analiza leg tura dintre evaluarea interesului faţ de şcoal al elevilor şi evaluarea
relaţiilor cu ceilalţi colegi (eval_i şi eval_re) se foloseşte coeficientul de corelaţie Spearman.
Pentru calculul acestei corelaţii se activeaz opţiunea BIVARIATE din meniul ANALIZE-
CORRELATE. Se introduc variabilele eval_i şi eval_re în câmpul din dreapta. Din câmpul
CORRELATION COEFFICIENTS se bifeaz coeficientul de corelaţie Spearman:
278
Dup confirmarea comenzii în foaia cu rezultate apare urm torul tabel:
Se constat c apare o inversare a clasamentului, corelaţia având semn negativ, ceea ce

semnific faptul c elevii plasaţi pe primele locuri ale variabilei interes pentru şcoal ocup ultimele
locuri dup cel de al doilea criteriu, relaţii bune cu ceilalţi elevi. Inversarea clasamentului nu este
semnificativ , pragul de semnificaţie fiind mai mare de 0,050 (p=0,260).
II.7. RECODIFICAREA ŞI TRANSFORMAREA VARIABILELOR
Uneori este necesar ca scorurile brute obţinute de subiecţii unui studiu s fie transformate
pentru a putea verifica ipoteza studiului. Aplicaţia SPSS are o serie de comenzi care permit
transformarea sau recodificarea unei variabile cantitative într-o variabil calitativ , prin crearea unei noi
variabile în baza de date sau modificarea valorilor unei variabile existente în baza de date.
Pentru a exemplifica utilizarea comenzilor de recodificare vom crea o nou baz de date
(baza5.sav) care conţine mediile obţinute de elevi la sfârşitul anului şcolar. Valorile variabilei sunt:
Media: 8,03, 8,73, 9,19, 8,81, 7,88, 9,06, 9,04, 6,86, 7,69, 7,80, 8,06, 9,06, 7,71, 7,16, 8,88,
8,49, 7,78, 9,76, 8,10, 7,49, 7,79, 6,91, 6,81, 7,54
Vom împ rţi elevii în dou grupe (grupul elevilor cu performanţe bune şi grupul elevilor cu
performanţe slabe). Împ rţirea elevilor în dou grupe se realizeaz în funcţie de median , acest
indicator statistic împ rţind şirul de scoruri în dou parţi egale (proba medianei). Deci vom calcula mai
întâi valoarea medianei şi apoi vom împ rţi subiecţii în grupe în funcţie de valoarea acestui indicator.
Pentru calculul medianei vom folosi comanda DESCRIPTIV STATISTICS– FREQUENCIES:
279
LOREDANA GHERASIM
Pentru exemplul nostru mediana are valoare 7,95. Subiecţii care au valori mai mici ca mediana
(7,95) vor forma grupul celor cu performanţe sc zute, iar subiecţii care au valori mai mari decât
mediana vor forma grupul celor cu performanţe ridicate. Pentru recodificarea variabilei MEDIA se
utilizeaz opţiunea RECODE care se g seşte la meniul TRANSFORM:
Comanda RECODE are dou opţiuni de recodificare. Se poate p stra variabila ce urmeaz s
fie recodificat (INTO SAME VARIABLES) sau se poate crea o nou variabil (INTO DIFFERENT
VARIABLES).
Comanda RECODE INTO DIFFERENT VARIABLES

Select m opţiunea de creare a unei noi variabile care s cuprind grupele obţinute în urma
recodific rii. Se selecteaz opţiunea INTO DIFFERENT VARIABLES, ceea ce are ca urmare apariţia
urm toarei casete de dialog:
3 2
1
5
4
1. câmpul care conţine variabilele din baza de date;

2. în câmpul NAME de la OUT VARIABLE se introduce numele variabilei create;
3 în câmpul INPUT VARIABLE →OUTPUT VARIABLE se introduce atât variabila ce urmeaz
s fie recodificat cât şi numele noii variabile;
4. butonul OLD AND NEW VALUE permite recodificarea variabilei iniţiale
5 butonul IF permite crearea unei noi variabile doar prin selecţia anumitor valori ale variabilei
iniţiale
Pentru exemplul nostru vom trece
variabila pe care dorim s o recodific m,
MEDIA, în câmpul din mijloc al ferestrei cu
ajutorul butonului de trecere. Vom denumi
noua variabil NIVPERF. Noul nume se
tasteaz în câmpul NAME al câmpului
OUTPUT VARIABLE:
280
Pentru ca noul nume al variabilei s apar în câmpul din mijloc INPUT VARIABLE →OUTPUT
VARIABLE şi astfel s aib loc recodificarea, se activeaz butonul CHANGE din câmpul OUTPUT
VARIABLE:
Se activeaz butonul OLD AND NEW VALUE pentru a defini valorile noii variabile. Activarea
acestui buton deschide urm toarea caset de dialog:
Aceast fereastr prezint mai multe câmpuri:

1. câmpul OLD VALUE se refer valorile variabilei iniţiale
2. câmpul NEW VALUE face referire la valorile noii variabile
3. în câmpul OLD→NEW se reunesc opţiunile de recodificarea a variabilelor
În exemplul nostru, trebuie ca valorile variabilei MEDIA (variabila iniţial ) s le redefinim,
formând o nou variabil . Astfel, subiecţii care au obţinut scoruri mai mici decât mediana (7,95) vor
forma grupul subiecţilor cu performanţa sc zut , care va reprezenta valoarea 1 a variabilei NIVPERF
(ce va fi creat ). În consecinţ , vom activa opţiunea RANGE, LOWEST THROUGH din câmpul OLD
VALUE şi vom trece în câmpul
activat valoarea medianei
(7,95). Cu alte cuvinte aceast
opţiune va însemna c toate
valorile variabilei MEDIA mai
mici de 7,95 vor fi recodificate,
prind valoarea în cadrul noii
variabile NIVPERF. În câmpul
NEW VALUE, în câmpul de
lâng opţiunea VALUE, vom
tasta valoarea 1:
281
LOREDANA GHERASIM
Se apas apoi butonul ADD al câmpului OLD→NEW, pentru a putea recodifica urm toarele
valori. Apoi se activeaz opţiunea RANGE, THROUGH HIGHEST din câmpul OLD VALUE şi se trece în
câmpul activat valoarea medianei
(7,95). Aceast opţiune va însemna
c valorile mai mari de 7,95 ale
variabilei MEDIA vor fi recodificate în
variabila NIVPERF primind valoarea
2. În consecinţ , în câmpul NEW
VALUE, în câmpul de lâng opţiunea
VALUE, vom tasta valoarea 2, dup
cum se poate observa şi în imaginea
din dreapta.
Pentru a fi reţinut şi aceast a doua condiţie de recodificare, se acţioneaz din nou butonul
ADD din câmpul OLD→NEW. În concluzie, scorurile mai mici de 7,95 ale variabilei MEDIA vor primi
valoarea 1 în cadrul variabilei NIVPERF, iar valorile mai mari de 7,95 ale variabilei MEDIA vor
reprezenta valoarea 2 al variabilei
NIVPERF, imaginea din stânga.
Se activeaz apoi butonul
CONTINUE şi butonul OK al
ferestrei RECODE INTO A
DIFFERENT VARIABLES, ceea
ce duce la modificarea bazei de
date, cum se poate observa şi în
imaginea din mai jos.
Se observ c în baza de
date apare noua variabil NIVPERF, cu dou valori. Puteţi verifica dac
recodificarea a fost corect realizat .
Exist posibilitatea de a împ rţi valorile unei variabile în mai mult de
dou grupe. Pentru exemplificare vom împ rţi scorurile la variabila MEDIA în
trei parţi egale. Prima treime va alc tui grupul subiecţilor cu performanţ
sc zut , a doua treime grupul subiecţilor cu performanţ medie, iar ultima
treime grupul subiecţilor cu performanţ ridicat . Pentru a putea face
împ rţirea, mai întâi trebuie s calcul m valorile corespunz toare percentilelor
care împart şirul de scoruri în 3 parţi egale (fiecare parte reprezentând 33,33%
din total). Se foloseşte comanda
DESCRIPTIV STATISTICS–
FREQUENCIES. Din câmpul
PERCENTILE VALUES se bifeaz
opţiunea PERCENTILE şi se introduc
centilele care împart şirul de scoruri în 3
parţi egale (adic 33,33% şi 66,66%).
Subiecţii cu valori mai mici de 7,73 vor forma grupul celor cu performanţa sc zut (grupul 1), cei
cu valori cuprinse între 7,73 şi 8,64 vor forma grupul subiecţilor cu performanţ de nivel mediu (grupul
2), iar cei cu medii mai mari de 8,64 vor reprezenta grupului cu performanţa ridicat (grupul 3).
282
Pentru a crea aceast nou variabil se activeaz meniul TRANSFORM – RECODE - INTO
DIFFERENT VARIABLES. Vom denumi noua variabila NIVPERF2, tastând noul nume în câmpul NAME
al câmpului OUT VARIABLE şi
apoi activând butonul CHANGE.
În acest exemplu, scorurile
mai mici de 7,73 ale variabilei
MEDIA vor forma primul grupului 1,
adic nivelul 1 al noii variabile
NIVPERF2. Vom activa opţiunea
RANGE, LOWEST THROUGH din
câmpul OLD VALUE şi vom trece
în câmpul activat valoarea 7,73, iar
în câmpul NEW VALUE vom trece
valoarea 1. Se activeaz apoi butonul ADD al câmpului OLD→NEW, pentru a putea introduce
urm toarea condiţie.
Valorile variabilei MEDIE
cuprinse între 7,73 şi 8,64 vor
reprezenta nivelul 2 al
variabilei NIVPERF2. Se
activeaz prima opţiune
RANGE THROUGH şi se
tasteaz valorile minime şi
maxime. În câmpul NEW
VALUE se trece valoarea 2,
cum se poate observa şi în
imaginea al turat .
Activ m apoi butonul ADD al câmpului OLD→NEW. Pentru

crearea ultimului grup, care cuprinde valori mai mari de 8,64 se activeaz
opţiunea RANGE, THROUGH HIGHEST din câmpul OLD VALUE. În
câmpul NEW VALUE se trece valoarea 3, apoi se activeaz butonul ADD.
Se activeaz apoi butonul CONTINUE şi butonul OK al ferestrei
RECODE INTO A DIFFERENT VARIABLES, ceea ce duce la modificarea
bazei de date, cum se poate observa şi în imaginea al turat :
Se observ c în baza de date apare noua variabil NIVPERF2,
cu trei valori.
Comanda RECODE INTO SAME VARIABLES

Rezultate similare se obţin dac se utilizeaz comanda RECODE
opţiunea INTO SAME VARIABLES, cu excepţia faptului c se p streaz
numele iniţial al variabilei recodificate. Pentru exemplificare vom utiliza
aceeaşi baz de date (baza5.sav) şi vom împ rţi în dou scorurile
subiecţilor. Activarea comenzii duce la apariţia casete de dialog:
283
LOREDANA GHERASIM
În câmpul din stânga apar toate variabilele din baza de date, în câmpul din dreapta se introduc
variabilele pe care dorim s le recodific m. În exemplu nostru vrem s recodific m variabil Media.
Trecem variabila în câmpul din dreapta:
Se activeaz butonul OLD AND NEW VALUES, care are aceleaşi opţiuni ca în cazul opţiunii
anteriore de transformare într-o variabil diferit :
Recodificare se realiz la fel ca în exemplu anterior, când am utilizat opţiunea de recodificare

într-o alt variabil :
284
Dup confirmarea recodific rii s vedem modific rile din baza de date. Se constat c s-au
modificat valorile variabilei MEDIA, aceasta având acum aceleaşi valori ca şi variabila NIVPERF. Acest
lucru demonstreaz c cele dou opţiuni duc la acelaşi rezultat.
Inversarea valorilor variabilelor

Comanda de recodificare poate fi utilizat şi pentru recodificarea valorilor scorurilor obţinute la
diferiţi itemi.
Pentru a exemplifica utilizarea acestor comenzi de
recodificare vom crea o nou baz de date (baza6.sav)
care conţine patru variabile: NRCHEST (codul de
identificare), PRES (Cât încredere aveţi în preşedinte?),
GUV (Cât încredere aveţi în guvern?), PARLAM (Cât
încredere aveţi în parlament?). Prezent m scorurile
obţinute de 16 dintre subiecţi.
Pentru itemii 1 şi 3 subiecţii au r spuns pe o scal
de la 1 (foarte puţin) la 4 (foarte mult). La itemul 2, îns ,
subiecţii au r spuns pe o scal de la 1 (foarte mult) la 4
(foarte puţin). Pentru a vedea atitudinea subiecţilor faţ de
instituţiile statului ar trebui s însum m r spunsurile subiecţilor de la cei 3 itemi. Pentru a putea face
285
LOREDANA GHERASIM
acest lucru ar trebui ca r spunsurile de la itemul 2 s fie transformate, pentru ca scala de evaluare s
aib aceeaşi semnificaţie cu a ceilalţi doi itemi (valoarea 1 s însemne foarte puţin iar valoare 4 s
însemne foarte mult).
Recodificarea în acest caz presupune inversarea scalei de evaluare pentru itemul 2, adic
valoarea 1 a itemului s devin 4 (ceea ce înseamn foarte mult), valoarea 2 s devin 3, valoarea 3 s
devin 2, iar valoarea 4 a itemului s devin 1 (ceea ce înseamn foarte puţin).
Pentru recodificare ar putea fi utilizat oricare dintre cele dou opţiuni prezentate anterior
RECODE INTO SAME
VARIABLES sau INTO
DIFFERENT VARIABLES. Vom
folosi comanda RECODE INTO
DIFFERENT VARIABLES pentru a
putea verifica dac recodificarea a
fost realizat . Vom redenumi
variabila recodificat GUV_R:
Vom activa butonul OLD AND NEW VARIABLES. Pentru inversarea scalei de evaluare a
itemului vom folosi numai
opţiunile VALUE din câmpul
OLD VALUE şi NEW VALUE.
Astfel, valoarea 1 a vechii
variabile devine 4 pentru noua
variabil , deci se tasteaz 1 în
dreptul opţiunii VALUE din
câmpul OLD VALUE şi cifra 4 în
dreptul opţiunii VALUE din
câmpul NEW VALUE.
Se activeaz butonul
ADD din câmpul OLD→NEW. Apoi se tasteaz 2 în câmpul de la opţiunea VALUE din câmpul OLD
VALUE şi cifra 3 în câmpul de la opţiunea VALUE din câmpul NEW VALUE:
La fel se procedeaz şi pentru celelalte valori care trebuie recodificate. În final trebuie s avem
urm toarele transform ri în câmpul OLD→NEW:
286
Dup activarea butonului CONTINUE şi butonului OK al ferestrei principale, baza de date va

conţine o nou variabil (GUV_R) care conţine valorile inversate ale itemului 2:
Comanda TRANSFORM COMPUTE

Pentru a calcula scorul total la atitudinea faţ de instituţiile statului, trebuie s însum m
scorurile subiecţilor obţinute la cei trei itemi. Pentru a putea face acest lucru se foloseşte meniul
TRANSFORM, opţiunea COMPUTE:
3
1
Prezent m caracteristicile principale ale acestei ferestre:

1. în câmpul TARGET VARIABLE se tasteaz numele noii variabile
2. în acest câmp sunt prezentate variabilele din baza de date
287
LOREDANA GHERASIM
3. în câmpul NUMERIC EXPRESSION se introduce formula de calcul a noii variabile; sub acest
câmp se g sesc butoane cu cifre şi semne, dar şi un câmp cu funcţii complexe care pot fi utilizate
pentru calculul noilor variabile.
Pentru exemplu nostru vom numi noua variabila ATIT, deci vom tasta numele noii variabile în
câmpul TARGET VARIABLE:
Apoi vom scrie formula de calcul care va consta în însumarea scorurilor obţinute la cele trei
variabile: PRES, GUV_R şi PARLAM. Variabile sunt trecute în câmpul NUMERIC EXPRESSION
folosind butonul de trecere. Semnul plus se introduce de la tastatur sau folosind butoanele care se
g sesc sub câmpul NUMERIC EXPRESSION:
Dup activarea butonului OK în baza de date apare o nou variabila, cu numele ATIT.
Aceast nou variabil reprezint atitudinea subiecţilor faţ de instituţiile statului şi reprezint
suma r spunsurilor la cei trei itemi.
288
III. ELEMENTE DE STATISTIC INFEREN IAL
III.1. DISTRIBU IA NORMAL
Variabilitatea rezultatelor urmeaz reguli care pot fi modelate matematic. Dac un fenomen
social observat este urm rit o perioad de timp mai îndelungat , distribuţia rezultatelor se va face dup
o curb normal , iar acest lucru poate fi demonstrat matematic.
Exist trei parametri ai unei distribuţii: modalitatea (indic valorile în jurul c rora se grupeaz
scorurile subiecţilor), înclinarea (indic tendinţa scorurilor de a fi mai mari sau mai mici) şi turtirea (arat
cât de mult variaz scorurile distribuţiei). Din perspectiva celor trei parametri, curba normal este
unimodală, simetrică şi mediu turtită. În plus, curba normal mai posed anumite propriet ţi speciale.
Astfel, matematicienii au pus la punct formule care permit calcularea diferitelor suprafeţe ale curbei.
Pentru a înţelege mai uşor despre ce este vorba, s lu m drept exemplu distribuţia rezultatelor
la un test de inteligenţ . La acest test media rezultatelor este 100, iar deviaţia standard este 16. În
imaginea de mai jos ilustr m grafic aceast distribuţie:
34% 34%
14% 14%
2% 2%
Scoruri brute 68 84 100 116 132

Scoruri z -2 -1 0 +1 +2
Dac urm riţi cu atenţie forma curbei normale veţi constata prezenţa unor „puncte de
inflexiune”, puncte în care linia curb îşi modific forma. Aceste puncte corespund deviaţiilor standard.
Întrucât distribuţia normal este simetric , exact 50% din cazuri vor avea scoruri sub valoarea medie.
Aproximativ 34% din cazuri se vor afla între medie şi o abatere standard la stânga sau la dreapta
mediei. Astfel, vom şti c 34% dintre subiecţi au scoruri cuprinse între medie (100) şi o deviaţie
standard. Având o deviaţie standard de 16, vom şti c 34% dintre indivizi vor avea scorul cuprins între
100 şi 116 (cei cu IQ situat deasupra mediei) sau între 84 şi 100 (cei cu IQ situat dedesubtul mediei).
Observaţi, de asemenea, c şi mai puţine cazuri sunt mai dep rtate de medie. Abia 16% din populaţie
vor avea scoruri mai mici sau mai mari de o deviaţie standard. Cu alte cuvinte, numai 16% dintre
oameni au coeficientul de inteligenţ mai sc zut de 84 sau mai ridicat de 116. Mai mult, doar
aproximativ 2% dintre indivizi vor avea scoruri şi mai extreme, mai mici sau mai mari decât dou deviaţii
standard faţ de medie (adic sub valoarea 68 sau peste valoarea 132).
Exist o strâns leg tur între scorurile standard (notele z) şi diferite procentaje sau frecvenţe
relative. Cunoscând nota Z a unui subiect putem şti cu precizie câţi indivizi din populaţie au scoruri mai
289
LOREDANA GHERASIM
mici sau mai mari decât al subiectului investigat. Orice manual de statistic are la sfârşit un tabel care
permite calcularea acestor procentaje cu precizie. În acel tabel, pentru fiecare not Z, este precizat un
procent, care arat câţi subiecţi au scorurile cuprinse între medie şi nota Z. S presupunem c o
persoan obţine la testul de inteligenţ scorul 125, putem calcula nota Z a acestui subiect, care are
valoarea 1,56 (dup formula: (125-100)/16). Dac vom consulta unul din tabelele de care aminteam
anterior, vom vedea în dreptul lui 1,56 valoarea 44,06%. Aceasta înseamn c de la medie (100) şi
pân la scorul nostru (125) sunt 44,06% dintre subiecţi. Aceasta arat c doar 5,94% dintre indivizi vor
avea scoruri mai mari (50%-44,06%) şi 94,06% (50%+44,06%) vor avea scoruri mai mici decât
subiectul ales de noi.
III.2. ETAPELE TEST RII UNEI IPOTEZE. TESTUL Z
Pentru a vedea cum se realizeaz inferenţa statistic , vom analiza cel mai simplu test, testul z,
în care se compar un eşantion format dintr-un singur caz cu o populaţie a c rei parametri sunt
cunoscuţi. Ca exemplu vom folosi un studiu (Aron & Aron, 1995), în care un grup de farmacişti a
sintetizat o vitamin care accelereaz procesele de asimilaţie la copii nou-n scuţi, aceştia
dezvoltându-se mai rapid. Unul dintre efecte este sc derea vârstei la care copii încep s mearg .
Farmaciştii au dorit s omologheze vitamina, dar pentru aceasta ei trebuie s demonstreze c
într-adev r vitamina accelereaz mersul copiilor. Farmaciştii au primit dreptul s administreze vitamina
unui singur copil nou-n scut, ales aleatoriu din populaţie. Copilul respectiv, dup administrarea
vitaminei, a început s mearg de la vârsta de 8 luni. Pot farmaciştii s susţin c vârsta precoce la
care a mers copilul se datoreaz vitaminei, ştiind c vârsta la care merg copii prima dat , în populaţia
normal este de 14 luni, cu o abatere standard de 3 luni?
Pentru a r spunde cu dovezi statistice la o astfel de întrebare, trebuie s facem apel la
distribuţia normal a variabilei alese în cadrul populaţiei şi s respect m anumite etape pentru
verificarea raţionamentului. Prezent m în continuare curba normal corespunz toare vârstei de debut
de la care copiii încep s mearg :
34% 34%
14% 14%
2% 2%
8 luni 11 luni 14 luni 17 luni 20 luni
Pentru testarea ipotezei trebuie s parcurgem mai multe etape:

Etapa I: Reformularea problemei în termenii populaţiilor de comparaţie. Deşi avem doar un singur caz
pe care trebuie s îl compar m cu o populaţie ai c rei parametri sunt cunoscuţi, ipotezele trebuie
reformulate în termenii generali ai populaţiilor de comparat pentru a putea face generalizarea
ulterioar . Astfel, în exemplul nostru avem de comparat dou populaţii: P0 – populaţia copiilor
290
normali care nu iau vitaminele şi P1 - populaţia copiilor normali care iau vitaminele. Vom formula
dou ipoteze:
Ipoteza de lucru (experimental ): afirm c noii n scuţi care iau vitamina vor merge mai repede
decât cei care nu iau vitamina (H1: P0 < P1)
Ipoteza de nul: Este ipoteza care descrie situaţia în care intervenţia noastr (vitamina) nu are nici
un efect. Dac vitamina nu ar avea nici un efect, cele dou populaţii de copii ar merge la aceeaşi
vârst . H0: P0 = P1
Într-o cercetare se testeaz de fapt ipoteza de nul pentru c ea descrie situaţia deja existent
înainte intervenţiei sau situaţia în care nu am obţine nici un efect. Dac ipoteza de nul este
respins , atunci putem accepta ipoteza de lucru.
Etapa II: Stabilirea parametrilor populaţiei de comparaţie şi a distribuţiei de comparaţie. Aceast etap
presupune cunoaşterea parametrilor (media şi abaterea standard) populaţiei la care ne raport m (în
cazul nostru distribuţia copiilor care nu iau vitamina). În mod obişnuit, f r nici o alt intervenţie,
copiii din populaţia normal merg la vârsta de 14 luni, cu o abatere standard de 3 luni. Distribuţia
acestei variabile este normal .
Etapa III: Stabilirea pragului de semnificaţie şi a notei z a punctului de „tăiere”. Orice ipotez , mai ales în
domeniul ştiinţelor sociale, este testat la un anumit prag de semnificaţie. Acest prag de
semnificaţie arat probabilitatea de eroare cu care noi test m ipoteza. Pragul de semnificaţie poate
fi de 1% (când dorim s fim mai precişi) sau de 5% (atunci când putem fi mai puţin exacţi).
Pentru aceast cercetare vom stabili un prag de semnificaţie de 1% întrucât efectele ei sunt
importante. Dup stabilirea pragului, trebuie s vedem care este nota Z corespunz toare acestuia. Am
precizat anterior c fiec rui punct de pe curba de distribuţie normal îi corespunde o anumit not
standard şi o anume distribuţie a cazurilor din populaţie faţ de acel punct. De exemplu, la o valoare Z
de 1 (adic 17 luni) se constat c 84% dintre copii merg la vârste mai mici de 17 luni, abia 16%
mergând mai târziu de aceast vârst .
Exist dou de valori Z de corespunz toare pragului 1%, una referitoare la scorurile mici (în
partea stâng a distribuţiei), care arat cei 1% dintre copii care merg cel mai timpuriu şi o alt valoare
referitoare la scorurile mari (în partea dreapt a distribuţiei) care arat acei 1% dintre copii care merg
cel mai târziu. Pe noi ne intereseaz prima dintre aceste valori.
34%
34%
-2,33 14%
14%
2% 2%
8 luni 11 luni 14 luni 17 luni 20 luni
Note z -2 -1 0 +1 +2
În tabelele statistice g sim valoarea scorului z (z=2,33) corespunz toare probabilit ţii de 1%
(numit şi punct de t iere). În cazul nostru ea va fi –2,33 pentru c ne referim la scorurile mai mici decât
media, aflate în partea stâng a curbei de distribuţie.
Etapa IV: Colectarea datelor şi transformarea lor în scoruri z. În cazul nostru colectarea datelor
înseamn a observa vârsta la care va merge copilul pentru prima dat (8 luni). Vom transforma scorul
291
LOREDANA GHERASIM
subiectului la variabila vârst în scor Z, prin raportare la distribuţia populaţiei normale de comparat
folosind formula notei Z (X-M)/SD), adic pentru exemplu nostru: Z=(8-14)/3)=-2
Etapa V: Compararea notei z astfel obţinută cu nota z a punctului de tăiere. Dup obţinerea
scorul Z corespunz tor datelor colectate, acesta trebuie comparat cu scorul Z corespunz tor punctului
de t iere. În cazul nostru, nota Z (-2) corespunz toare scorului brut este mai mare decât a notei Z a
punctului de t iere (–2,33). În ipoteza noastr experimental ne aşteptam ca nota Z corespunz toare
scorului brut s fie mai mic decât valoare Z a punctului de t iere. În consecinţ , accept m ipoteza de
nul, ipoteza experimental neconfirmându-se. Cu alte cuvinte, farmaciştii nu au reuşit s dovedeasc , la
un prag de probabilitate de 1% c vitamina lor are efectul scontat.
Am prezentat testul Z pentru a înţelege logica test rii ipotezelor şi înţelesul pragului de
semnificaţie. Vom prezenta în continuare, succint testele de comparaţie cele mai frecvent folosite.
III.3. TESTUL T PENTRU COMPARAREA UNUI EŞANTION CU MEDIA POPULA IEI
Acest test se aplic atunci când dorim s compar m rezultatele unui eşantion cu media
populaţiei (f r s avem informaţii despre varianţa rezultatelor populaţiei).
Pentru a vedea cum anume se foloseşte programul SPSS în aceast situaţie vom crea o nou
baz de date (baza7.sav), care conţine trei variabile: regiune (zona geografic , cu valorile: 1-
european , 2-asiatic şi 3-african ), ind_d (procentul anual de creştere a populaţiei) şi dens (densitatea
populaţiei pe km2). Prezent m în continuare valorile acestor variabile:
dens: 94, 800, 87, 79, 36, 216, 55, 27, 2,8, 5, 124, 36, 47, 39, 105, 4,2, 86, 81, 227, 80, 54, 94, 111, 2,5,
283, 102, 51, 188, 330, 49, 40, 29, 58, 63, 189, 102, 143, 221,
ind_d: 0,2, 2,4, 0,7, -0,2, 2,8, 2,3, 2,9, 2,9, 0,7, 2,4, 1,1, 0,5, 3,1, 0,3, 0,5, 1,5, 3,1, 0,8, 0,4, 0,8, -0,1, -
0,3, 1,1, 1,9, 1,6, 0,3, 0,2, 0,3, 3,1, 0,5, 3,3, 2,3, 2,1, 1,8, 3,1, 2,8, 1,9
reg: 1, 2, 1, 1, 3, 3, 2, 3, 1, 3, 2, 1, 3, 1, 1, 3, 3, 1, 1, 1, 2, 1, 1, 2, 2, 1, 1, 2, 3, 1, 3, 2, 3, 2, 3, 2, 2
Dorim s compar m scorurile eşantionului la variabila indice demografic cu media populaţiei,
care are valoarea 2,3. Media eşantionului nostru este mai mare sau mai mic comparativ cu cea a
populaţiei cu valoarea 2,3? Deoarece nu avem acces la alţi parametri ai populaţiei, în afar de medie
va trebui s estim m variabilitatea sa. Vom aplica testul t pentru a compara un eşantion cu o populaţie
la care cunoaştem media.
Ipoteza de cercetare: Indicele demografic al eşantionul nostru va avea o avea o valoare diferit
de indicele demografic al populaţiei
Ipoteza de nul: indicele demografic al eşantionului va avea aceeaşi valoare cu cel al populaţiei
Folosirea SPSS pentru compararea unui eşantion cu media unei popula ii
Aplicarea testului t se face activând din meniul ANALYZE-COMPARE MERANS opţiunea ONE
SIMPLE T TESTS:
292
Dup activarea acestei comenzi pe ecran apare urm toarea fereastr :
2
1
Aceast fereastr are trei elementele importante:

1. câmpul cu toate variabilele din baza de date;
2. câmpul unde vom introduce variabilele pe care vrem s le analiz m
3. câmpul în care se introduce valoarea medie a populaţiei cu care compar m eşantionul (cu
valoarea 2,3 pentru exemplul nostru).
Activare butonului OPTIONS duce la deschiderea urm toarei ferestre:
Se observ c automat calculatorul a ales un interval de încredere (CONFIDENCE INTERVAL)

de 95%, ceea ce implic un prag de semnificaţie de 5%. Nu vom modifica pragul de semnificaţie. Dup
activarea butonului CONTINUE şi apoi a butonului OK al ferestrei principale, pe ecran va apare
fereastra de OUTPUT:
1
One-Sample Statistics 2
Std. Error
N Mean Std. Deviation Mean 3
procentul de crestere
37 1,489 1,149 ,189
anuala a populatiei
293
LOREDANA GHERASIM
One-Sample Test
Test Value = 2.3

95% Confidence
Interval of the
Mean Difference
t df Sig. (2-tailed) Difference Lower Upper
procentul de crestere
-4,294 36 ,000 -,811 -1,195 -,428
anuala a populatiei
4 5 6 7 8
Rezultatele sunt grupate în dou tabele. Primul tabel, ONE SAMPLE STATISTICS, conţine
elemente de statistic descriptiv . Al doilea tabel, ONE SAMPLE TEST, conţine date despre testul t
propriu-zis. În continuare vom analiza elementele OUTPUT-ului:
1. în aceast celul este afişat media eşantionului, în cazul nostru m=1,49
2. în aceast celul este afişat abaterea standard a eşantionului, SD=1,1
3. celula cuprinde eroarea standard a mediei, mai precis deviaţia standard a populaţiei de eşantioane
de aceeaşi m rime cu al nostru (37), populaţie din care provine eşantionul nostru, σm=0,19
4. nota t a eşantionului nostru comparat la populaţia de eşantioane care are media (µm) 2,3 şi abaterea
standard (σm) de 0,19. Valoarea lui t este obţinut dup formula t=(m- µ m )/ σ m =(1,49-2,3)/0,19≈-
4,26. Valoarea nu este identic cu cea din tabel datorit aproxim rilor f cute.
5. cuprinde gradele de liberate pentru care a fost calculat valoarea lui t şi probabilitatea de respingere
a ipotezei de nul; în cazul nostru df=36
6. prezint pragul de semnificaţie real, care ne spune care este probabilitatea cu care greşim dac
respingem ipoteza de nul şi accept m ipoteza de cercetare. În exemplu nostru valoarea pragului de
semnificaţie este 0,000, dar se raporteaz ca un p<0,001, pentru a ar ta c probabilitatea de a
greşi este mai mic de 0,1% (calculatorul ne afişeaz doar primele trei zecimale).
7. celula conţine diferenţa dintre media eşantionului şi cea a populaţie la care ne raport m.
8. prezint intervalul de încredere al diferenţei dintre cele dou medii (-1,1 şi -0,4) corespunz tor
pragului de semnificaţie de 5%.
În interpretarea statistic a notei t, oricare ar fi tipul de test ales, sunt câte elemente pe care de
acre trebuie s ţinem seama:
• pragul de semnificaţie: care ne indic probabilitatea de eroare atunci când respingem ipoteza de
nul. Pentru a confirma ipoteze de cercetare, pragul de semnificaţie trebuie s fie mai mic sau cel
mult egal cu 0,05 (adic eroarea nu trebuie s fie mai mare de 5%).
• gradul de libertate: arat care este m rimea eşantionului pe care s-a f cut testarea ipotezei. Cu cât
eşantionul este mai mare, cu atât putem avea mai mult încredere în rezultatele obţinute, indiferent
dac ele confirm sau nu ipoteza;
• sensul diferenţei: este dat de valoarea mediilor comparate sau de semnul notei t şi arat în ce sens
apare diferenţa (care medie este mai mare).
Rezultatele pentru exemplul anterior sunt: Mediile: Meş=1,4, Mpop=2,3,
Valoarea lui t şi pragul de semnificaţie: t(36)=-4,29, p<0,001.
Aceste rezultate indic faptul c diferenţa dintre medii este semnificativ , în sensul c media
eşantionului nostru este semnificativ mai mic comparativ cu cea a populaţie. Putem afirm c
294
procentul de creştere a populaţie eşantionului nostru este mai mic semnificativ în comparaţie cu cel al
populaţiei.
S analiz m acum dac scorurile la variabila densitate din eşantionul nostru difer de cea a
populaţiei cu valoarea de 0,9. Rezultatele testului ONE SIMPLE T TEST indic urm toarele rezultate:
One-Sample Statistics
Std. Error
N Mean Std. Deviation Mean
Numar de oameni/
37 261,797 895,096 147,153
kilometru patrat
One-Sample Test
Test Value = 90
95% Confidence
Interval of the
Mean Difference
t df Sig. (2-tailed) Difference Lower Upper
Numar de oameni/
1,167 36 ,251 171,797 -126,643 470,237
kilometru patrat
Mediile: Meş=261,7, Mpop=90

Valoarea lui t şi pragul de semnificaţie: t(36)=1,16, p=0,251.
Rezultatele indic faptul c nu exist diferenţe semnificative între densitatea medie a
eşantionului şi cea a populaţie, cu valoarea 90 (dac am accepta ipoteza de cercetare am greşi în
25,1% din cazuri). Putem spune c avem densitatea eşantionului studiat de noi este aceeaşi cu cea a
populaţiei.
III.4. TESTUL T PENTRU COMPARAREA A DOU EŞANTIOANE PERECHI
În psihologia experimental se face distincţie între grupele independente şi dependente de

subiecţi. Atunci când cercet torul împarte subiecţii în grupe în funcţie de variabila independent , fiec rui
grup prezentându-i un grad de intensitate al variabilei independente, avem de a face cu grupe
independente de subiecţi. Pentru fiecare nivel al variabilei independente vom avea câte un grup de
subiecţi. Astfel, dac variabila independent are dou grade de intensitate, subiecţii vor fi împ rţiţi în
dou grupe, în final comparându-se rezultatele subiecţilor. Fiecare subiect va face parte dintr-un singur
grup experimental. S presupunem c variabila independent este tipul de feed-back, cu dou grade de
intensitate, pozitiv şi negativ. Subiecţii vor fi împ rţiţi în dou grupe, condiţia de feed-back pozitiv şi
respectiv condiţia de feed-back pozitiv.
Exist posibilitatea ca toate nivelurile variabilei independente s fie prezentate aceluiaşi
eşantion de subiecţi. Aceeaşi subiecţi vor trece prin toate condiţiile experimentale. În aceast situaţie
vom avea grupe perechi sau dependente de subiecţi. Subiecţii c rora le m sur m anxietatea înainte şi
dup intervenţia terapeutic formeaz eşantioane perechi. Cea mai simpl situaţie de comparare a
eşantioanelor este în situaţia de test-retest. De exemplu, m sur m nivelul anxiet ţii subiecţilor înainte şi
dup terapie, pentru a vedea schimb rile care apar ca urmare a intervenţiei terapeutice.
Nu cunoaştem nivelul mediu anxiet ţii populaţie de subiecţi anxioşi înainte de a veni la terapie
şi nici nivelul mediu al anxiet ţii dup terapie. Ceea ce ştim este nivelul anxiet ţii subiecţilor care au
295
LOREDANA GHERASIM
venit la terapie, înainte şi dup intervenţia terapeutic . Ceea ce ne intereseaz pe noi este de fapt
diferenţa dintre cele dou m sur tori ale anxiet ţii, înainte şi dup terapie.
Ipoteza de cercetare: susţine c vor fi diferenţe între cele dou m sur tori; ne aştept m ca
nivelul anxiet ţii dup terapie s fie mai mic decât cel iniţial.
Ipoteza de nul: diferenţele dintre cele dou m sur tori sunt nule, nu exist nici o diferenţ între
nivelul iniţial şi cel final al anxiet ţii.
Diferenţele dintre mediile celor dou eşantioane vor forma un eşantion de comparaţie. Acest
eşantion al diferenţelor se compar cu o populaţie la care cunoaştem media (media are valoarea 0
conform ipotezei de nul).
Folosirea SPSS pentru compararea a dou eşantioane perechi
Pentru a demonstra modul de utilizare a testului t pentru eşantioane perechi, vom folosi baza
de date Baza1.sav. Se utilizeaz testul t pentru eşantioane perechi, pentru c avem rezultatele
aceloraşi subiecţi înainte şi dup terapie.
Aplicarea testului t se face activând din meniul ANALYZE – COMPARE MEANS opţiunea
PAIRED-SAMPLES T TEST:
Odat activat comanda va apare fereastra de mai jos:
2
3
Prezent m principalele opţiuni ale ferestrei:

1. câmpul din stânga cuprinde variabilele din baza de date
2. indic selecţia curent , variabilele selectate pentru analiz ; pentru acest tip de test se
selecteaz o pereche de variabile;
3. câmpul în care se introduc cele dou variabile pereche
Dup introducerea variabilelor în câmpul de analiz fereastra ar trebui s arate astfel:
296
Butonul OPTIONS este identic cu cel de la testul t care permite compararea unui eşantion cu o
populaţie. Vom p stra intervalul de încredere de 95%.
Dup ap sarea butonului OK fereastra OUTPUT ne va prezenta urm toarele rezultate:
3 4
Paired Samples Statistics
2 Std. Error 5
Mean N Std. Deviation Mean
1 Pair nivelul anxietatii
107,9000 20 6,0166 1,3454
1 inainte de terapie
nivelul anxietatii
107,9500 20 5,3062 1,1865
dupa terapie
6
Paired Samples Correlations
7
N Correlation Sig.
Pair nivelul anxietatii inainte
1 de terapie & nivelul 20 -,259 ,270
anxietatii dupa terapie
10 Paired Samples Test 11 13
Paired Differences 12
9 95% Confidence
8 Interval of the
Std. Error Difference
Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed)
Pair nivelul anxietatii ina
1 de terapie - nivelul -0.05 8,9940 2,0111 -4,2593 4,1593 -,025 19 ,980
anxietatii dupa tera
14 15
Rezultatele sunt organizate în trei tabele, pentru fiecare dintre acestea vom analiza celulele.
Tabelul PAIRED SAMPLES STATISTICS:
1. conţine perechea de variabile analizat ; variabilele trebuie s fie perechi, adic s provin de la
aceeaşi subiecţi şi fie cuantificate cu aceeaşi unitate de m sur
2. conţine mediile celor dou grupe analizate: Mini=107,9, Mfin=107,95
3. prezint num rul de subiecţi din fiecare eşantion, N=20
4. conţine deviaţiile standard a scorurilor fiec rui eşantion: Sini=60,1, Sfin=5,3
297
LOREDANA GHERASIM
5. conţine abaterile standard ale populaţiilor de eşantioane de N subiecţi din care provin
eşantioanele noastre
Tabelul PAIRED SAMPLES CORRELATIONS
6. coeficientul de corelaţie dintre cele dou variabile pereche
7. pragul de semnificaţie al corelaţiei, adic probabilitatea de eroare dac am afirma c exist o
leg tur între cele dou variabile
Tabelul PAIRED SAMPLES TESTS
8. conţine numele perechii de variabile şi precizeaz diferenţa dintre variabile, în cazul nostru
anx1-anx2
9. cuprinde diferenţa medie dintre cele dou grupe de subiecţi. Valoarea negativ indic faptul c
anxietatea iniţial este mai mic comparativ cu cea final
10. cuprinde abaterea standard a eşantionului rezultat din diferenţele celor dou eşantioane
11. indic abaterea standard a populaţiei de eşantioane care cuprinde toate eşantioanele de
aceeaşi m rime
12. indic intervalul de încredere de 95%al diferenţei dintre mediile celor dou grupe
13. valoarea lui t, adic nota t a eşantionului de diferenţe în cadrul populaţiei de eşantioane:
t(19)=-0,02
14. gradele de libertate pentru care este calculat nota t, df=19
15. pragul de semnificaţie sau probabilitatea de eroare atunci când respingem ipoteza de nul:
p=0,980
În continuare prezent m rezultatele obţinute în urma analizei realizat anterior:

Mediile iniţiale şi finale ale subiecţilor: Mini=107,9, Mfin=107,95
Valoarea lui t şi a pragului de semnificaţie: t(19)=-0,02, p=0,980.
Interpretarea se face în funcţie de valoarea lui t şi pragul de semnificaţie. Reamintim c pentru
a respinge ipoteza de nul trebuie s avem cel mult 5% erori (p≤0,05). În cazul nostru se constat c nu
apare o diferenţ semnificativ între nivelul iniţial şi cel final al anxiet ţii (dac am respinge ipoteza de
nul am greşi în 98% din cazuri sau cu alte cuvinte valoarea lui t se plaseaz în zona de încredere a
ipotezei de nul). Subiecţii au acelaşi nivel al anxiet ţii dup intervenţia terapeutic , astfel c putem
spune c terapia nu a avut efect, nu a îmbun t ţit starea subiecţilor.
Corelaţia ne arat dac subiecţii îşi schimb ierarhia unii faţ de alţii, nu numai nivelul variabilei
dependente. Avem trei situaţii posibile:
• lipsa corelaţiei semnificative: în acest caz nu exist o leg tur între ierarhia subiecţilor la prima cu
cea de al dou m surare. Putem afirma c diferenţele între m sur tori nu sunt sistematice,
intervenţia acţionând oarecum haotic.
• corelaţie pozitiv semnificativ : indic faptul c ierarhia subiecţilor se p streaz de la o m surare la
alta. Cei care aveau rezultate mici la prima m surare au rezultate mici şi la a doua, iar cei care aveau
rezultate mari la prima m surare au rezultate mari şi la a doua m surare.
• corelaţie negativ , semnificativ : indic faptul c ierarhia subiecţilor se inverseaz de la o m surare
la alta. Cei care aveau rezultate mici la prima m surare au rezultate mari la a doua, iar cei care
aveau rezultate mari la prima m surare au rezultate mici la a doua m surare.
În exemplu nostru avem prima situaţie corelaţie nesemnificativ , r=-0,25, p=0,270, ceea ce
indic faptul c cele dou variabile sunt independente una de cealalt , deoarece diferenţele nu sunt
sistematice.
298
III.5. TESTUL T PENTRU COMPARAREA A DOU EŞANTIOANE INDEPENDENTE
Acest test se foloseşte când dorim s analiz m influenţa unei variabile independente, care
presupune eşantioane independente de subiecţi. Pentru a demonstrat modul de utilizare a testului vom
folosi datele din baza de date baza1.sav. Vom analiza dac genul subiecţilor influenţeaz nivelul iniţial
al anxiet ţii pacienţilor. În acest caz variabila independent este genul subiecţilor (cu dou grade de
intensitate, 1 - subiecţi de sex masculin şi 2 – subiecţi de gen feminin), variabila dependent fiind nivelul
iniţial al anxiet ţii. În funcţie de variabila independent se creeaz dou grupe de subiecţi independenţi
sau diferiţi (grupul 1 va fi format numai din subiecţii de gen masculin, iar grupul 2 numai din subiecţi de
gen feminin). Fiecare subiect va putea face parte doar dintr-un singur grup.
Ipoteza de cercetare: subiecţii de sex masculin vor avea un nivel al anxiet ţii iniţiale diferit de
cel al subiecţilor de gen feminin
Ipoteza de nul: subiecţii de gen masculin şi feminin vor avea acelaşi nivel al anxiet ţii iniţiale.
Folosirea SPSS pentru compararea a dou eşantioane independente

Aplicarea testului t pentru eşantioane independente se face activând meniul ANALYZE –
COMPARE MEANS, opţiunea INDEPENDENT SAMPLES T TEST:
Vom introduce variabila dependent (nivelul anxiet ţii înainte terapiei) în câmpul TEST
VARIABLE şi variabila independent în câmpul GROUPING VARIABLE:
2
3
4
Sunt trei câmpurile importante pe care trebuie s le avem în vedere:

1. câmpul cu variabilele din baza de date
2. câmpul în care vom introduce variabila dependent , adic variabila asupra c reia dorim s
analiz m influenţa variabilei independente.
299
LOREDANA GHERASIM
3. câmpul unde introducem variabila independent sau variabila de grupare (cea dup care
grup m subiecţii).
4. butonul care permite precizarea celor dou niveluri ale variabilei independente; chiar dac
variabila independent are mai multe grade de intensitate, se pot preciza doar dou dintre acestea.
Activarea butonului DEFINE GROUPS deschide o fereastr unde vom trece valorile
corespunz toare celor dou grupuri alese pentru comparaţie (în acest caz variabila independent are
doar dou niveluri 1 şi 2):
În fereastra OUTPUT sunt prezentate urm toarele rezultate:
1 2 Group Statistics 3 4
5
Std. Error
sexul subiectilor N Mean Std. Deviation Mean
nivelul anxietatii subiecti de gen masculin 9 104,8889 2,5712 ,8571
inainte de terapie subiecti de gen feminin 11 110,3636 6,9753 2,1031
Independent Samples Test
Levene's Test for

6 Equality of Variances t-test for Equality of Means
7
5% Confidence Interv
Mean Std. Error of the Difference
F Sig. t df Sig. (2-tailed) Difference Difference Lower Upper
nivelul anxietati Equal variance
6,683 ,019 -2,225 18 ,039 -5,4747 2,4605 -10,6442 -,3053
inainte de terap assumed
Equal variance
-2,411 13,144 ,031 -5,4747 2,2711 -10,3756 -,5739
not assumed
8 9 10 11
Vom prezenta succint semnificaţia datelor din tabele:

1. celula indic variabila dependent (nivelul anxiet ţii înainte de terapie) care este analizat în
funcţie de nivelurile variabilei independente (sexul subiecţilor)
2. indic num rul de subiecţi din fiecare grup independent; în cazul nostru avem 9 subiecţi de
sex masculin şi 11 de gen feminin
3. conţine media fiec rui grup independent, se observ c media grupului de subiecţi de gen
feminin este mai mare: Mgr1=104,8, Mgr2=110,3
4. conţine deviaţia standard pentru fiecare grup în parte: Sgr1=2,5, Sgr2=6,9
300
5. precizeaz deviaţia standard pentru populaţiile de eşantioane de N subiecţi din care provin
grupele noastre
6. precizeaz cele dou situaţii posibile în urma test rii varianţei populaţiilor: varianţe egale
(primul rând) sau varianţe inegale (al doilea rând)
7. arat valoarea testului F, Levene. Înainte de a analiza al doilea tabel, vom preciza faptul c
testul LEVENE testeaz egalitatea varianţelor populaţiilor din care provin eşantioanele noastre. Testul,
notat cu F, testeaz ipoteza de nul care afirm c varianţele populaţiilor din care provin eşantioanele
sunt egale
8. probabilitatea de eroare pentru respingerea ipotezei de nul în cazul testului Levene
9. celula conţine valorile lui t pentru varianţe egale sau inegale ale populaţiilor; semnul lui t ne
indic sensul diferenţei dintre medii, fapt de care ne putem da seama uitându-ne la valorile mediilor
10. arat gradele de libertate pentru care a fost calculat semnificaţia notei t; indiferent de
rândul pe care îl citim, în funcţie de testul Levene, convenţia este ca s raport m gradele de libertate de
pe primul rând (în cazul nostru df=18)
11. conţine pragul de semnificaţie sau probabilitatea de eroare care apare atunci când
respingem ipoteza de nul şi accept m ipoteza de cercetare. Pentru a respinge ipoteza de nul pragul de
semnificaţie trebuie s fie cel mult egal cu 0,05.
Interpretarea rezultatelor obţinute:
Mediile: subiecţii de gen masculin - Mgr1=104,8, subiecţi de gen feminin - Mgr2=110,3
Testul Levene are valoarea F=6,6, p=0,019, ceea ce indic faptul c putem respinge ipoteza de
nul (care afirm c varianţele sunt egale). Greşim doar în 1,9% din cazuri dac respingem ipoteza de
nul. Concluzia este c variantele celor dou populaţii sunt diferite, vom extrage nota t şi semnificaţia de
pe rândul EQUAL VARIANCES NOT ASSUMED.
Valoarea lui t şi semnificaţia: t(18)=-2,4, p=0,031. Putem respinge ipoteza de nul, pentru c
greşim doar în 3,1% din cazuri şi s accept m ipoteza de cercetare. Deci, apar diferenţe semnificative
între nivelul anxiet ţii iniţiale a subiecţilor de gen masculin şi feminin. Subiecţii de sex masculin au un
nivel al anxiet ţii semnificativ mai mic comparativ cu a celor de gen feminin.
Vom analiza efectul variabilei gen asupra nivelului anxiet ţii subiecţilor dup terapie.
Rezultatele obţinute sunt:
Group Statistics
Std. Error
sexul subiectilor N Mean Std. Deviation Mean
nivelul anxietatii subiecti de gen masculin 9 106,1111 4,0449 1,3483
dupa terapie subiecti de gen feminin 11 109,4545 5,9053 1,7805
Independent Samples Test
Levene's Test for

quality of Variance t-test for Equality of Means
95% Confidence
Interval of the
Mean Std. Error Difference
F Sig. t df ig. (2-tailedDifferenceDifference Lower Upper
nivelul anxie Equal varian
1,326 ,265 -1,441 18 ,167 -3,3434 2,3201 -8,2178 1,5309
dupa terapieassumed
Equal varian
-1,497 17,545 ,152 -3,3434 2,2334 -8,0444 1,3575
not assumed
301
LOREDANA GHERASIM
Mediile celor dou grupe: Mgr1=106,1, Mgr2=109,4

Testul LEVENE (F=1,3, p=0,256) este nesemnificativ (am greşi în 26,5% din cazuri dac am
respinge ipoteza de nul care afirm varianţele sunt egale). Deci varianţele celor dou populaţii sunt
egale şi vom extrage rezultatele din primul rând.
t(18)=1,44, p=0,167. Valoarea lui t este nesemnificativ (am greşi în 16,7% din cazuri dac am
respinge ipoteza de nul şi am accepta ipoteza de cercetare). Deci nu apar diferenţe semnificative între
nivelul anxiet ţii b rbaţilor şi femeilor dup terapie.
III.6. ANALIZA DE VARIAN - ANOVA UNIFACTORIAL
Se foloseşte atunci când vrem s analiz m efectul unei variabile independente, care are mai
mult de dou grade de intensitate (sau nivele), asupra variabilei dependente. Pentru a înţelege logica
acestei metode s lu m un exemplu. S presupunem c suntem interesaţi dac salariul românilor
depinde de nivelul de studii (nivel general, mediu şi superior). Mai precis ne aştept m ca subiecţii cu
studii medii s aib un salar mai mic comparativ cu cei cu studii, dar s aib un salariu mai mare
comparativ cu cei cu studii generale.
Reprezentarea grafic a situaţiei descris anterior este prezentat în imaginea de mai jos:
x
a
M1 M2 M3
MG
Cele trei linii curbe mici descriu distribuţia salariilor pentru cele trei categorii de studii, iar linia
curb mai mare descrie distribuţia salariului pentru toate cele trei niveluri de studii luate la un loc. M1,
M2 şi M3 reprezint salariul mediu pentru fiecare nivel de studii, iar MG este salariul mediu total al
tuturor salariaţilor. Distanţa a reprezint poziţia scorului x faţ de media grupului din care aparţine, iar
distanţa b exprim poziţia scorului x faţ de valoarea medie a populaţiei totale (format din cele trei
niveluri de studii la un loc).
Variaţia total a salariului populaţiei poate fi descompus în dou p rţi: o parte din variaţie se
datoreaz abaterilor fiec rui scor de la media grupului din care face parte (distanţa a), iar cealalt parte
din variaţie este produs de abaterile fiec rui scor de la media total a populaţiei. Pentru a distinge între
grupuri ar trebui ca prima component a variaţiei s fie mai mic decât cea de a doua, adic persoanele
aflate în acelaşi grup s difere mai puţin între ele şi mai mult de subiecţii din celelalte grupe. Atunci când
variaţia intragrup este mai mic decât variaţia intergrup înseamn grupele sunt diferite.
302
Analiza de varianţ (simbolul este F, coeficientul Fisher), calculeaz raportul între variaţia
provocat de diferenţele întergrupuri, MSB, şi variaţia cauzat de diferenţele intragrup, MSW, (formula de
calcul este F=MSB/MSW) şi stabileşte dac acest raport este suficient de mare pentru a putea distinge
între grupe. Semnificaţia coeficientului F se stabileşte în funcţie de dou grade de libertate: gradele de
libertate intergrup (valoare dat de num rul de grupuri minus 1) şi gradele de liberate intragrup (valoare
dat de suma gradelor de libertate a grupurilor sau de num rul total de subiecţi mai puţin num rul
grupurilor).
Folosirea SPSS - ANOVA unifactorial

Vom folosi baza de date Baza7.sav şi vom analiza efectul variabilei regiune (care are trei grade
de intensitate: 1-european , 2-asiatic şi 3-african ) asupra indicelui de creştere al populaţie.
Ipoteza de cercetare: variabila regiune influenţeaz valoarea densit ţii populaţie sau indicele de
creştere va varia în funcţie de regiune.
Ipoteza de nul: indicele de creştere (densitatea) va avea aceeaşi valoare, indiferent de zona
geografic .
Pentru realizarea acestei analize se deschide meniul ANALYZE – COMPARE MEANS,
opţiunea ONE WAY ANOVA:
Vom introduce variabila dependent (procentul de creştere al populaţie) în câmpul

DEPENDENT LIST şi variabila independent în câmpul FACTOR:
2
1
6
4
5
S analiz m fereastra:
1. câmpul în care sunt afişate variabilele din baza de date;
2. câmpul în care sunt introduse variabilele dependente (în cazul nostru densitatea);
3. este câmpul în care se introduce variabila independent sau factor (în exemplul nostru
factorul este regiunea);
303
LOREDANA GHERASIM
4. butonul CONTRAST permite realizarea unor comparaţii între grupe în funcţie de variabila
independent ;
5. butonul POST HOC permite alegerea unui anumit tip de contrast post-hoc;
6. butonul OPTIONS conţine elemente de statistic descriptiv .
Vom descrie pe scurt opţiunile butonului POST-HOC:
Toate testele de la aceast opţiune indic dac diferenţele obţinute pe ansamblu prin analiza
testului F se reg sesc şi la nivelul comparaţiilor dintre grupuri luate dou câte dou . Pragurile de
semnificaţie a acestor teste sunt ajustate în funcţie de num rul de grupe. Testele sunt prezentate în
ordinea descresc toare a puterii lor. Pentru a analiza efectul variabilei independente asupra celei
dependente se foloseşte testul BONFERRONI.
Activarea butonului descriptiv deschide urm toarea caset :
Opţiunile pe care le vom bifa sunt DESCRIPTIV pentru a vedea mediile celor trei grupe şi
reprezentarea grafic a efectului MEANS PLOT.
Dup activarea butonului OK al ferestrei principale în foia cu rezultate apr urm toarele tabele:
Descriptives
procentul de crestere anuala a populatiei
N Mean Std. Deviation

europa 15 ,433 ,376
asia 11 1,724 ,956
africa 11 2,693 ,564
Total 37 1,489 1,149
304
1 2 ANOVA
procentul de crestere anuala a populatiei

Sum of
Squares df Mean Square F Sig.
Between Groups 33,261 2 16,630 39,532 ,000
Within Groups 14,303 34 ,421
Total 47,564 36
3 4 5 6
Multiple Comparisons
Dependent Variable: procentul de crestere anuala a populatiei

Bonferroni 11
9
7 8
Mean
Difference 95% Confidence Interval
(I) regiunea geografic (J) regiunea geografic (I-J) Std. Error Sig. Lower Bound Upper Bound
europa asia -1,290* ,257 ,000 -1,939 -,642
africa -2,259* ,257 ,000 -2,908 -1,611
asia europa 1,290* ,257 ,000 ,642 1,939
africa -,969* ,277 ,004 -1,666 -,273
africa europa 2,259* ,257 ,000 1,611 2,908
10 asia ,969* ,277 ,004 ,273 1,666
*. The mean difference is significant at the .05 level.
Vom prezenta succint semnificaţia datelor din tabele:

1. în prima coloan sunt trecute cele dou componente ale variaţiei totale: cea intergrup şi
intragrup;
2. în a doua coloan sunt trecute deviaţiile p tratice care intr în componenţa fiec rui tip de
varianţ (intergrup şi intragrup);
3. în aceast coloan sunt prezentate gradele de libertate pentru care se calculeaz valoarea
prag a lui F, gradul de libertate intergrup (sau between) este 2 (3 grupe-1), iar cel intragrup este 34
(num rul total de subiecţi este 37 minus 3 num rul de grupe);
4. în aceast coloan sunt prezentate componente ale testului F;
5. conţine valoarea testului F obţinut prin împ rţirea mediei varianţei intragrup la media
varianţei intergrup (în exemplul nostru: 16,6/0,4=39,5);
6. conţine semnificaţia testului F sau probabilitatea de eroare când respingem ipoteza de nul.
Din datele pe care le avem pân acum, F(2,34)=39,5, p<0,001, putem concluziona c pe
ansamblu, regiunea influenţeaz valoarea indicelui demografic. Putem spune c doar pe ansamblu se
întâmpl acest lucru pentru c rezultatele analizei ANOVA se refer doar la existenţa diferenţelor globale
dintre grupe, f r a preciza care sunt grupele între care apar diferenţe semnificative.
Pentru a vedea diferenţele dintre grupuri trebuie s analiz m rezultatele prezentate în tabelul
POST HOC TESTS:
7. prima coloan indic nivelul de referinţ al variabilei independente, faţ de care se face
comparaţia. Coloana este notat cu I.
8. coloana a doua indic nivele variabilei independente care sunt comparate cu nivelurile de
referinţ . Coloana este notat cu J.
9. coloana afişeaz valorile diferenţelor dintre coloana I şi J.
305
LOREDANA GHERASIM
10. steluţa care apare în dreptul diferenţelor dintre medii indic existenţa unor diferenţe
semnificative între acestea.
11. coloana conţine valoarea exact a pragului de semnificaţie pentru fiecare diferenţ .
Astfel, în exemplul nostru observ m urm toarele rezultate:
Mgr1(Europa)-Mgr2(Asia)=-1,2, p<0,001
Mgr1(Europa)-Mgr3(Africa)=-2,2, p<0,001
Mgr2(Asia)-Mgr3(Africa)=-0,96, p=0,004
Între toate grupele apa diferenţe semnificative, cea mai mare valoarea a indicelui demografic îl
are regiunea african (indicele este semnificativ mai mare comparativ cu celelalte dou regiuni),
urmeaz apoi regiunea asiatic (indicele este semnificativ mai mare decât cel al regiunii europene, dar
mai mici decât cel al regiunii africane). Pe ultimul loc se plaseaz Europa cu cel mai mic (semnificativ
mai mic comparativ cu zona asiatic şi african ) indice demografic.
În imaginea de mai jos apare grafic a efectului:
În continuare vom analiza efectul variabilei regiune asupra densit ţii. Rezultatele obţinute sunt
urm toarele:
ANOVA
Numar de oameni/ kilometru patrat

Sum of
Squares df Mean Square F Sig.
Between Groups 3133461 2 1566730,638 2,072 ,142
Within Groups 25709646 34 756166,057
Total 28843107 36
306
Multiple Comparisons
Dependent Variable: Numar de oameni/ kilometru patrat

Bonferroni
Mean
Difference
(I) regiunea geografica (J) regiunea geografica (I-J) Std. Error Sig.
europa asia -627,447 345,186 ,234
africa 21,172 345,186 1,000
asia europa 627,447 345,186 ,234
africa 648,618 370,789 ,268
africa europa -21,172 345,186 1,000
asia -648,618 370,789 ,268
Din tabelul ANOVA extragem valoarea şi semnificaţia lui F: F(2,34)=2,07, p=0,142. Const m nu
exist un efect al variabilei regiune asupra densit ţii populaţiei (nu putem respinge ipoteza de nul pentru
c am greşi în 14,2% din cazuri). Deci, densitatea populaţiei este aproximativ aceeaşi indiferent de
regiune: european , asiatic sau african .
Testul POST HOC Bonferroni nu semnaleaz diferenţe semnificative între cele trei grupe care
se formeaz în funcţie de intensit ţile variabilei independente.
III.7. ANOVA UNIVARIATE
Cele mai multe studii realizate în domeniul psihologiei studiaz efectul mai multor factori
(variabile independente) asupra uneia sau mai multor variabile dependente. Metodele prezentate pân
acum (testele t şi ANOVA unifactorial) permit doar evidenţierea influenţei separate a fiec rui factor.
Pentru a analiza efectelor mai multor variabile independente se poate folosi analiza de varianţ
factorial . Logica acestei metode este identic cu a modelului ANOVA unifactorial, la fel coeficientul F
m soar raportul dintre variaţia cauzat de împ rţirea pe grupuri şi variaţia intrinsec a grupurilor.
Acest tip de analiz prezint dou tipuri de note F corespunz toare celor dou tipuri de efecte
pe care le m soar . Efectele principale m soar influenţa unei variabile independente asupra variabilei
dependente, indiferent de acţiunea celorlalte variabile independente. Efectele de interacţiune m soar
influenţa combinat a dou sau mai multor variabile independente asupra variabilei dependente.
Folosirea SPSS - GENERAL LINEAR MODEL - UNIVARIATE

Pentru a prezenta modul de folosire al programului SPSS pentru aplicarea acestei metode vom
crea o nou baz de date (baza8.sav) care conţine trei variabile: nota (notele obţinute de studenţi la
examen), niv_stim (nivelul stimei de sine, cu dou valori: 1 - nivel sc zut al stimei de sine şi 2 – nivel
ridicat al stimei de sine), niv_anx (nivelul de anxietate cu dou valori: 1 - nivel sc zut de anxietate
sc zut şi 2 nivel ridicat de anxietate). Prezent m mai jos datele care trebuie introduse în programul
SPSS:
Nota: 9, 9, 8, 10, 9, 10, 6, 8, 7, 7, 6, 5, 6, 7, 8, 8, 8, 7, 10, 7, 8, 7, 8, 9, 6, 5, 7, 5, 6, 5, 8
Niv_stim: 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2
Niv_anx: 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 1, 1, 1, 1, 1,1, 1, 1, 2, 2, 2, 2, 2, 2, 2
307
LOREDANA GHERASIM
În acest exemplu avem dou variabile independente niv_stim (nivelul stimei de sine) şi niv_anx
(nivelul de anxietate), fiecare din ele având dou grade de intensitate. Variabila dependent este nota
obţinut la examen.
Vom analiza efectul de interacţiune (sau combinat) al nivelului de anxietate şi al stimei de sine
asupra notei obţinute la examen.
Pentru analiza efectului combinat voma activa meniul ANALYZE - GENERAL LINEAR MODEL
opţiunea UNIVARIATE. Odat activat comanda pe ecran apare urm toarea fereastr :
1
4
Vom explica aceast fereastr :

1. conţine variabilele din baza de date
2. în câmpul DEPENDENT VARIABLE se introduce variabila dependent ; se poate introduce o
singur variabil dependent
3. în câmpul FIXED RACTOR se introduc variabilele independente (sau factorii) a c ror efect
este controlat (nu este cauzat de întâmplare)
4. în câmpul RANDOM FACTOR pot si trecute variabilele independente, care nu ne intereseaz
în mod direct sau a c ror acţiune nu o putem controla
5. în câmpul COVARIATE pot fi trecute variabile independente sau variabile dependente care
ar putea avea o leg tur sau un efect asupra variabilei dependente; astfel vom vedea dac variabilele
noastre independente (trecute în câmpul FIXED FACTORS) influenţeaz variabila dependent
indiferent de acţiunea factorilor covarianţi.
6. aici se trec valorile pe care le putem folosi atunci când b nuim c unele variabile
independente (factori) ar corela între ele; este o opţiune pentru utilizatorii avansaţi şi nu recomand m
folosirea metodei f r cunoaşterea precis a semnificaţiei sale.
Pentru exemplul nostru, variabilele independente sunt nivelul stimei de sine (NIV_STIM) şi
nivelul anxiet ţii (NIV_ANX), deci vom trece aceste variabile în câmpul FIXED FACTORS. Variabila
dependent este NOTA (vom trece aceast variabil în câmpul DEPENDENT VARIABLE:
308
În partea dreapt fereastra principal exist o serie de butoane care conţin opţiuni complexe de
analiz . Preciz m nu vom folosi în analiz toate opţiunile, acestea putând fi folosite pentru design-uri
experimentale mult mai complexe.
Butonul MODEL activeaz urm toarea fereastr :
2
Opţiunile din aceast fereastr folosesc la construirea unor modele de analiz în condiţiile în
care situaţia investigat este complicat (conţine multe variabile independente). S analiz m fereastra:
1. opţiunea FULL FACTORIAL este marcat implicit, ceea ce înseamn c se vor lua în calcul
toate efectele principale şi combinaţiile posibile de factori. Pentru modelele simple se recomandat
utilizarea acestei opţiuni
2. opţiunea CUSTOM se foloseşte dac se doreşte simplificarea modelul cu care se lucreaz ,
bifarea acestei opţiune activeaz automat câmpurile şi butoanele care se g sesc dedesubt, permiţând
calculul anumitor efecte pentru anumiţi factori
3. folosind opţiunile care se deschid din câmpul INTERACTION, putem alege efectele pe care
vrem s le analiz m; cu ajutorul butonului cu s geat se pot selecta factorii pentru care dorim s se
calculeze efectele.
309
LOREDANA GHERASIM
4. permite alegerea tipului de interacţiune dintre variabilele independente (cât de complex s

fie interacţiunea) şi calculul unor coeficienţi de regresie ai modelului (exist o leg tur strâns între
Regresia liniar şi analiza de varianţ ).
Pentru exemplul nostru, vom p stra opţiunea marcat implicit FULL FACTORIAL. Se apas
butonul CONTINUE pentru a reveni la fereastra principal .
Butonul CONTRAST deschide urm toarea fereastr :
Opţiunile acestei ferestre permit compararea diferitelor grupuri rezultate din împ rţirea
subiecţilor în funcţie de valorile sau categoriile variabilelor independente. Aici sunt trecute doar
variabilele independente. Se alege variabila independent pentru care se doreşte calculul contrastul
(diferenţa dintre nivelele sale de variaţie). Apoi, se alege tipul de contrast din câmpul CONTRAST. Se
recomand tipul de contrast DIFFERENCE.
Pentru exemplificare, am ales variabila NIV_STIM (nivelul stimei de sine).
Prin tipul de contrast DIFFERENCE, se cere programului s analizeze dac între cele dou
nivele ale variabilei nivel al stimei de sine vor ap rea diferenţe în ceea ce priveşte notele obţinute. Cu
alte cuvinte vom vedea dac cei cu stim de sine ridicat obţin note diferite de cei cu stim de sine
sc zut ). Dup alegerea tipului de contrast trebuie activat butonul CHANGE.
La fel se procedeaz şi pentru variabila independent nivelul anxiet ţii.
310
Butonul PLOTS activeaz o fereastr dedicat reprezent rilor grafice:
Pe axa HORIZONTAL AXIS se introduce variabila independent ale c rei categorii dorim s le
reprezent m pe axa X.
Pe axa SEPARATE LINES se introduce variabila pentru care se vor trasa linii ce vor reprezenta
categorii diferite ale factorului.
SEPARATE PLOTS se foloseşte introducerea celui de al treilea factor, ceea ce permite
obţinerea mai multor grafice, care indic relaţia dintre variabilele introduse anterior pentru fiecare nivel
al factorului trei.
În exemplul nostru avem doar doi factori. În consecinţ vom reprezenta notele la examen în
funcţie de nivelul stimei de sine, NIV_STIM (pe care o vom trece pe axa X) şi nivelul anxiet ţii,
NIV_ANX (reprezentat prin linii separate), ca în imaginea de mai jos:
311
LOREDANA GHERASIM
Se activeaz butonul ADD. Acest buton permite realizarea mai multor grafice, deoarece în urma
activ rii acestuia câmpurile ferestrei se golesc.
Revenim din nou în fereastra principal pentru a activa butonul POST HOC care va deschide
fereastra:
Acest buton are opţiuni similare cu butonul POST HOC din fereastra ANOVA ONE-WAY.
Aceast opţiune se foloseşte doar când variabile independente au mai mult de dou nivele de variaţie.
Pentru a analiza diferenţele dintre grupe se foloseşte testul Bonferroni.
Pentru exemplul nostru nu avem nevoie de comparaţii POST HOC, deoarece ambele variabile
independente au doar dou nivel. Vom reveni la fereastra principal f r a activa vreo opţiune.
Butonul SAVE activeaz urm toarea fereastr :
Opţiunile la care face referire acest buton se refer la o
alt metod statistic numit Regresia liniar . Nu vom mai
comenta aceste opţiuni, dar menţion m c ele faciliteaz
tratarea analizei de variant ca un model particular de regresie.
Recomand m folosirea acestor opţiuni doar celor care cunosc
regresia.
Butonul OPTIONS activeaz o fereastr specific
acestei analize de varianţ :
312
Prezent m elementele principale ale ferestrei:

1. prezint toate combinaţiile de factori pentru care avem grupuri diferite de subiecţi, permiţând
calcularea mediei pentru fiecare grup de subiecţi în parte. Opţiunea OVERALL se refer la media
calculat pentru toţi subiecţii, neîmp rţiţi în grupuri
2. este câmpul în care se trec factorii pentru care dorim s calcul m mediile grupurilor de
subiecţi
3. prezint opţiuni ce permit calcularea mai multor parametri. Dintre toate, ne intereseaz
calculul parametrilor descriptivi (media, deviaţia standard, minimul şi maximul), precum şi testele de
omogenitate (care trebuie s nu fie semnificative pentru a putea aplica acest model ANOVA).
Dup selecţia opţiunilor fereastr arat astfel:
În continuare vom prezenta foaia cu rezultate. Primele elemente ale output-ului se refer la
parametrii descriptivi ai modelului. Primul tabel precizeaz num rul de subiecţi pentru fiecare grup
obţinut în funcţie de nivelurile fiec rei variabile independente. De exemplu, sunt 16 subiecţi în grupul
celor cu nivel sc zut al stimei de sine.
313
LOREDANA GHERASIM
Al doilea tabel precizeaz mediile totale precum şi cele corespunz toare fiec rui subgrup de
subiecţi, subgrup determinat de categoriile factorilor din model. Aceste date sunt rezultatul opţiunilor
marcate de noi din fereastra butonului OPTIONS.
Mai departe, în foaia de rezultate sunt prezentate elementele cele mai importante ale
outputului, rezultatele testului F.
Tabelul cu testul lui Levene reprezint tocmai testul de omogenitate, care trebuie s fie
nesemnificativ pentru a utiliza aceast metod .
3
4 2
Cele mai importante elemente ale tabelului se refer la testul F. Ne intereseaz numai liniile
marcate prin acolade.
1. arat variabilele ale c ror efecte le lu m în calcul:
314
• linia cu NIV_STIM arat efectul principal al factorului nivelul stimei de sine, indiferent de
acţiunea celuilalt factor;
• NIV_ANX arat efectul principal al factorului nivel de anxietate, indiferent de acţiunea
celuilalt factor;
• linia NIV_STIM*NIV_ANX se refer la efectul de interacţiune al celor dou variabile
asupra variabilei dependente;
2. conţine notele F corespunz toare efectelor principale şi de interacţiune;
3. conţine pragurile de semnificaţie ale testelor F.
4. conţine gradele de libertate between subjects şi within subjects
Pentru exemplu nostru s-a obţinut doar un singur F semnificativ (p<0,05) şi anume cel
corespunz tor liniei NIV_STIM (F(1,30)=22,13, p<0,001). Deci apare un efect principal al variabilei
nivelul stimei de sine asupra notelor la examen. Restul efectelor sunt nesemnificative. Nu apare un
efect principal al variabilei nivelul anxiet ţii (F(1,30)=2,7, p=0,107), deci notele subiecţilor nu depinde de
cât de anxioşi sunt aceştia. De asemenea, nu apare un efect de interacţiune al variabilelor
independente nivelul stimei de sine şi nivelul anxiet ţii (F(1,30)=0,02, p=0,881), deci nota la examen nu
este influenţat de efectul
combinat al nivelului de
anxietate şi al stimei de sine.
Pentru a vedea modul
în care nivelul stimei de sine
(NIV_STIM) influenţeaz nota la
examen, trebuie s ne uit m în
tabelul de contrast:
Testul de contrast
calculeaz diferenţa între media
notelor obţinute de subiecţii cu
nivel ridicat al stimei de sine şi a celor cu nivel sc zut al stimei de sine (LEVEL 2 vs. LEVEL l). Aceast
diferenţ a fost comparat cu situaţia în care cele dou grupuri ar fi obţinut valoarea zero
(HYPOTHESIZED VALUE). Pragul de semnificaţie (notat cu SIG) indic apariţia unei diferenţe
semnificative. Sensul diferenţei
(-1,93) indic faptul c cei cu
nivel ridicat al stimei de sine
(LEVEL 2) au obţinut note mai
semnificativ mai mici
comparativ cu cei cu nivel
ridicat al stimei de sine (LEVEL
1).
Tabelul al turat reia
analiza contrastelor pentru
factorul nivelul anxiet ţii:
Aici nu mai apar diferenţe semnificative (fapt confirmat şi de lipsa unui efect principal pentru
aceast variabil ), deci nivelul anxiet ţii nu afecteaz nota la examen (Mdif=-0,68, p=0,107).
Urm toarele tabelele prezint media obţinut pe ansamblu (tabelul l), mediile obţinute pentru
fiecare factor în parte (tabelele 2 şi 3) şi cele pentru grupurile de subiecţi rezultat al combin rii nivelurilor
celor dou variabile independente. Aceste tabele ajut la interpretarea sensului diferenţelor la testele de
315
LOREDANA GHERASIM
contrast şi interacţiunii variabilelor. Tabelele prezint şi deviaţiile standard şi limitele valorii medii pentru
un interval de încredere de 95%.
La finalul foii de rezultate apare reprezentarea grafic a interacţiunii dintre variabilele

independente:
Liniile graficului reprezint nivelurile diferite de anxietate. Efectul principal al variabilei

NIV_STIM poate fi observat grafic cu uşurinţ : notele obţinute de subiecţii cu stim de sine ridicat au
valoare mai mic comparativ cu cei care au stim de sine sc zut . Putem concluziona, pentru exemplul
nostru, c nota la examen este influenţat de nivelul stimei de sine dar nu şi de nivelul anxiet ţii. Mai
mult, nivelul stimei de sine acţioneaz asupra notei la examen în acelaşi mod indiferent de nivelul
anxiet ţii.
316
III.8. ANOVA REPETED MEASURES
Modelul ANOVA UNIVARIATE prezentat anterior permite analiza efectului de interacţiune a

dou variabile independente care presupun grupe independente de subiecţi. Atunci când una dintre
variabilele independente presupune eşantioane perechi sau m sur ri repetate, trebuie s utiliz m un alt
model de analiz de varianţ , şi anume modelul ANOVA cu m sur ri repetate. Acest model de analiz de
varianţ se utilizeaz atunci când se doreşte analiza efectului de interacţiune a dou variabile
independente, una presupunând eşantioane independente, iar cealalt m sur ri repetate. La fel ca şi
modelul de varianţ prezentat anterior şi acest tip de analiz prezint dou tipuri de note F
corespunz toare tipurilor de efect m surate. Efectele principale m soar influenţa fiec rei variabile
independente asupra variabilei dependente, indiferent de acţiunea altei variabile independente. Efectele
de interacţiune m soar influenţa combinat a dou sau mai multor variabile independente asupra
variabilei dependente.
Folosirea SPSS - GENERAL LINEAR MODEL – REPETED MEASURES

Pentru a prezenta modul de utilizare a programului SPSS pentru aplicarea acestei metode vom
crea o nou baz de date (baza 8.sav) care conţine trei variabile: ANX1 (scorurile pacienţilor la scala de
anxietate înaintea terapiei, ANX2 (scorurile pacienţilor la scala de anxietate dup terapie), şi TERAPIE
(tipul de terapie utilizat, cu dou valori care corespund celor dou tipuri de intervenţii terapeutice 1- tip 1
de terapie şi 2 - tip 2 terapie). Prezent m mai jos datele, care trebuie introduse în programul SPSS:
ANX1: 109, 110, 104, 106, 112, 105, 121, 102, 103, 104, 106, 104, 105, 108, 124, 115, 109,
103, 104, 104,
ANX2: 110, 102, 103, 105, 115, 116, 110, 110, 112, 103, 102, 104, 110, 110, 102, 102, 102,
109, 115, 117,
TERAPIE: 1, 2, 1, 2, 2, 2, 2, 1, 1, 1, 1, 1, 2, 2, 2, 2, 1, 1, 2, 2
Variabila dependent este reprezentat de scorurile obţinute la scala de m surare a anxiet ţii
înainte şi dup terapie. Variabila independent tip de terapie (TERAPIE) are dou nivele (tip 1 de
terapie şi tip 2 terapie) şi presupune eşantioane independente. Pentru a analiza efectul terapiei asupra
st rii pacienţilor trebuie s compar m nivelul iniţial şi cel final al anxiet ţii pacienţilor. Astfel, se
formeaz o nou variabil independent , cu m sur ri repetate, pe care o vom denumit TRT. Aceast
variabil independente se refer la momentul m sur rii anxiet ţii pacienţilor şi are dou niveluri, 1 –
pretest (înainte terapiei) şi 2 posttest (dup terapie).
Scopul cercet rii ar putea fi analiza eficienţei intervenţiilor
terapeutice asupra nivelului anxiet ţii.
Activarea comenzilor pentru acest model ANOVA
se face din meniul ANALYZE - GENERAL LINEAR
MODEL opţiunea REPETED MEASURES. Dup activarea
comenzii, pe ecran apare fereastra al turat :
Pentru a putea face analiza trebuie definit variabila care presupune m sur ri repetate, în cazul
nostru aceast variabil este m surarea repetat a anxiet ţii înainte şi dup terapie (sau test-retest). Cu
alte cuvinte trebuie denumit variabila independent care presupune m sur ri repetate şi trebuie
precizate nivelurile acesteia. În locul denumirii generice a variabilei care presupune m sur ri repetate,
care apare în câmpul WITHIN-SUBJECTS FACTOR NAME (factor 1) vom trece numele noii variabile
317
LOREDANA GHERASIM
TRT. În câmpul NUMBER OF LEVEL trebuie trecut

num rul de m sur tori repetate. Pentru exemplul nostru
vom trece valoarea 2 pentru c anxietatea este m surat
înainte şi dup terapie (vezi imaginea din dreapta):
Se activeaz butonul ADD, pentru a putea

utiliza metoda şi defini variabilele independente (vezi
imaginea din stânga):
Dup salvarea definirii factorului cu m sur ri repetate se activeaz butonul DEFINE, care
activat deschide o nou fereastr :
Vom prezenta câmpurile acestei ferestre:

1. este câmpul ce conţine variabilele din baza de date;
2. aici se introduc variabilele care reprezint niveluri ale variabilei independente cu m sur ri
repetate;
3. în acest câmp introducem variabilele independente care presupun eşantioane independente;
4. se introduc variabile independente sau dependente care ar putea avea leg tur sau ar
influenţa variabila dependent .
În cazul nostru variabilele ANX1 şi ANX2 reprezint nivelurile variabilei TRT, în consecinţ
aceste variabile se introduc în câmpul WITHIN-SUBJECTS VARIABLES (TRT).
Variabila tip de terapie (TERAPIE) se introduce în câmpul BETWEEN-SUBJECTS FACTOR,
aceast variabil presupunând grupe independente de subiecţi şi reprezentând variabila factor.
318
În partea de jos a ferestrei principale apar o serie de butoane care conţin opţiuni complexe de
analiz . Opţiunile sunt similare celor care au ap rut în modelul de analiz de varianţ prezentat anterior
ANOVA UNIVARIATE.
Butonul MODEL activeaz urm toarea fereastr :
Opţiunile din aceast fereastr folosesc la construirea unor modele în condiţiile în care situaţia
investigat este prea complicat . Pentru exemplul nostru, vom
p stra opţiunea selectat implicit FULL FACTORIAL, ceea ce
va însemna c în foia cu rezultate vor ap rea atât efectele
principale ale celor dou variabile independente cât şi efectul
de interacţiune al acestora.
Butonul CONTRAST activeaz urm toarea caset de
dialog:
319
LOREDANA GHERASIM
Se observ c deja este selectat tipul de contrast pentru variabila independent care presupune
m sur ri repetate (TRT Polynomial). Trebuie s alegem tipul de
contrast pentru variabila TERAPIE, care presupune dou
niveluri. Vom selecta tipul de contrast Difference.
Butonul PLOTS activeaz o fereastr dedicat
reprezent rilor grafice. Vom reprezenta nivelul anxiet ţii
pacienţilor în funcţie de tipul terapiei (pe care o vom trece pe
axa X) şi momentul evalu rii anxiet ţii TRT (reprezentat prin
linii separate):
Se activeaz apoi butonul ADD pentru ca aplicaţia SPSS s reţin reprezentarea grafic a
interacţiunii dintre variabilele independente:
Butonul POST HOC deschide urm toarea fereastr :
Acest buton are opţiuni similare butonului POST HOC din fereastra ANOVA ONE-WAY şi
UNIVARIATE. Opţiunea se foloseşte atunci când variabile independente au mai mult de dou nivele de
variaţie. De asemenea, pentru a analiza diferenţele dintre grupe se foloseşte testul Bonferroni.
Pentru exemplul nostru nu avem nevoie de comparaţii POST-HOC, pentru c variabilele
independente au dor dou niveluri. În consecinţ , vom reveni la fereastra principal f r a activa vreo
opţiune.
320
Butonul SAVE activeaz urm toarea fereastr :
La fel ca la ANOVA UNIVARIATE, butonul

se refer la o alt metod statistic numit Regresia
liniar , facilitând tratarea analizei de variant ca un
model particular de regresie. Recomand m
folosirea acestor opţiuni doar celor care cunosc
regresia.
Butonul OPTIONS activeaz o fereastr
specific analizei de variant :
La OPTIONS avem posibilitatea de a cere
calculatorului s ne afişeze mediile grupelor de
subiecţi în funcţie de fiecare variabil independent ,
precum şi în funcţie ambele variabile, deci pentru
fiecare grup experimental.
În continuare vom prezenta foaia cu rezultate. Primele elemente ale output-ului se refer la
parametrii descriptivi ai modelului. Primul tabel precizeaz nivelurile (ANX1 şi ANX2) variabilei cu
m sur ri repetate (TRT).
Al doilea tabel precizeaz num rul de subiecţi pentru fiecare grup obţinut în funcţie de nivelurile
factorului care presupune eşantioane independente:
Urm torul tabel precizeaz mediile pentru fiecare subgrup de subiecţi format în funcţie de toate
categoriile factorilor din model.
321
LOREDANA GHERASIM
Urm toarele dou tabele prezint efectele principale şi de interacţiune ale variabilelor
independente. La fel ca şi la modelul de analiz de varianţ anterior se extrag valorile coeficienţilor F,
pragul de semnificaţie şi gradele de libertate.
În primul tabel se constat c nu apare un efect al variabilei TRT (p>0,050), ceea ce indic
faptul c nivelului iniţial al anxiet ţii pacienţilor nu difer de nivelul final al anxiet ţii pacienţilor dup
terapie (F(1,18)=0,006, p=0,940). Faptul c subiecţii au acelaşi nivel al anxiet ţii dup intervenţia
terapeutic indic faptul c terapia utilizat nu a avut efect.
De asemenea, nu apare un efect combinat al variabilelor independente, TRT*TERAPIE
(F(1,18)=0,267, p=0,661). Deci subiecţii au acelaşi nivel al anxiet ţii înainte şi dup terapie, indiferent
de tipul de terapie utilizat.
Urm torul tabel indic efectul variabilei independente tip de terapie, f r a ţine seama de
momentul m sur rii F(1,18)=13,23, p=0,002. Se constat c apare un efect principal al acestei
variabilei independente asupra nivelului anxiet ţii pacienţilor dup terapie.
Pentru a vedea cum
influenţeaz tipul de terapie nivelul
anxiet ţii pacienţilor vom analiza
tabelul Custom Hypothesis.
Astfel, pacienţii care au primit
tipul 2 de terapie au un nivel al
anxiet ţii semnificativ mai ridicat
comparativ cu pacienţii care au primit
terapia de tip 1 (Mdif=4,40, p=0,002).
322
Urm toarele tabelele prezint media obţinut pe ansamblu (tabelul l), mediile obţinute pentru
fiecare factor în parte (tabelele 2 şi 3) şi pentru grupele de subiecţi obţinute în urma combin rii
nivelurilor celor dou variabile independente (tabelul 4). Aceste tabele ajut la interpretarea sensului
diferenţelor la testele de contrast şi interacţiunii variabilelor. Tabelele prezint şi deviaţiile standard şi
limitele valorii medii pentru un interval de încredere de 95%.
La finalul foii de rezultate apare reprezentarea grafic a interacţiunii dintre variabilele

independente:
Liniile graficului reprezint momentele m sur rii anxiet ţii. Efectul principal al variabilei
TERAPIE poate fi observat grafic cu uşurinţ .
323
LOREDANA GHERASIM
IV. DATELE NEPARAMETRICE
Datele non-parametrice sunt mai frecvent utilizate în sociologie decât în psihologie, Deoarece
avem de a face cu scale nominale sau ordinale, parametrii obişnuiţi pe care i-am folosit pân acum în
analiz , precum media sau abaterea standard, nu mai pot fi utilizaţi. În consecinţ , datele pe care le
obţinem folosind aceste scale de m sur nu mai pot fi analizate folosind metodele prezentate anterior.
Aceste date se analizeaz pornind de la frecvenţele de apariţie ale diferitelor categorii sau de la
probabilit ţile de apariţie ale acestor categorii. Metodele statistice utilizate pentru analiza acestor date
sunt numite teste neparametrice.
Aplicarea acestor teste este mai facil decât folosirea testelor parametrice, deoarece nu exist
restricţii cu privire la distribuirea normal a rezultatelor. Totuşi, aceste metode pot eşua mai uşor în
demonstrarea diferenţele, acolo unde acestea exist în realitate. Din acest motiv, recomand m
conceperea instrumentelor utilizând scalele de interval în locul celor nominale sau ordinale. De
exemplu, în locul m sur rii preferinţei pentru un anume tip de muzic folosind o scal ordinal de tipul
„1-deloc, 2-puţin, 3-mediu, 4-mult, 5-foarte mult", este mai indicat m surarea pe o scal de interval de
tipul „1-deloc -2-3-4-5 - foarte mult". În acest fel, pot fi uşor detectate diferenţele folosind metodele
parametrice.
Vom prezenta câteva dintre metodele neparametrice, f r a intra în detaliile teoretice privind
aceste teste.
IV.1. TESTUL CHI P TRAT
Testul chi-p trat permite compararea distribuţiei frecvenţelor unei variabile pe mai multe
categorii, prin raportare la o distribuţie teoretic stabilit de cercet tor. Testul compar abaterile de la
aceast distribuţie teoretic obţinute în realitate şi estimeaz probabilitatea ca ele s apar aleatoriu.
Folosirea SPSS
Pentru a demonstrat modul de aplicare a acestei metode vom crea o nou baz de date
(baza9.sav) care cuprinde urm toarele variabile: VRST (vârsta subiecţilor), GEN (genul subiecţilor, cu
dou valori: 1 semnific subiecţi de gen masculin şi 2 subiecţi de gen feminin) şi VOT (cuprinde
r spunsurile subiecţilor la întrebarea „Cu cine aţi votat la ultimele alegeri prezidenţiale?, cu dou valori:
1 indicând persoanele care au votat pe Geoan , iar 2 indicând pe cei care au votat B sescu) şi variabila
GR_MULT (conţine r spunsurile subiecţilor la întrebarea „Cât de mulţumiţi sunteţi de situaţia actual a
ţ rii?”, cu dou valori: 1 - deloc mulţumit, 2 - puţin mulţumit şi 3 - foarte mulţumit). Prezent m scorurile
subiecţilor la cele patru variabile:
324
VRST: 45, 23, 54, 19, 22, 34, 37, 62, 36, 41, 47, 51, 38, 27, 35, 43, 32, 29
GEN: 1, 1, 2, 2, 1, 2, 1, 1, 2, 2, 2, 2, 1, 1, 1, 1, 2, 2
VOT: 2, 2, 1, 2, 2, 2, 2, 1, 2, 2, 2, 2, 1, 21, 2, 2, 2
GR_MULT: 1, 2, 3, 1, 1, 1, 3, 3, 3, 2, 2, 2, 1, 3, 2, 2, 2, 1
În exemplul nostru, dorim s vedem cu cine au votat aleg torii din lotul nostru la ultimele alegeri
prezidenţiale. Deci, vom compara frecvenţa cu care oamenii au votat cei doi candidaţi, folosind testul chi
p trat.
Vom activa fereastra specific testului din meniul ANALYZE - NONPARAMETRIC TESTS
opţiunea CHI-SQUARE:
Vom introduce variabila VOT în câmpul pentru analiz (TEST VARIABLES LIST).
Se observ faptul c în câmpul EXPECTED VALUES este bifat opţiunea ALL CATEGORIES
EQUAL, ceea ce semnific faptul c se va compara situaţia real a votului cu situaţia în care candidaţii
ar obţine acelaşi num r de voturi.
Dac îns doream s compar m distribuţia cu o alta, în care categoriile nu s-ar mai fi distribuit
egal, atunci foloseam opţiunea VALUES şi butonul ADD.
Rezultatele testului apar în foaia cu rezultate sub forma a dou tabele:
În primul tabel sunt trecute elementele descriptive ale testului, categoriile sale, frecvenţa
observat , cea teoretic la care se face raportarea şi abaterile frecvenţei observate de la frecvenţa
teoretic (coloana RESIDUALS).
325
LOREDANA GHERASIM
Valoarea statistic a testului, prezentat în tabelul al doilea ( χ 2 = 5,55 ), este semnificativ

(p=0,018) la un grad de libertate. Deci oamenii au votat în mod semnificativ diferit cei doi candidaţi la
preşedinţie. Semnificativ mai mulţi oameni au votat pe B sescu ca preşedinte comparativ cu cei care l-
au votat pe Geoan .
IV.2. TWO INDEPENDENT SAMPLES
Aceste teste sunt echivalentul testului t pentru eşantioane independente, doar c în acest caz
variabila dependent m surat nu este cantitativ , ci calitativ şi ordinal . Toate testele neparametrice
ce compar dou eşantioane independente au la baz comparaţii ale rangurilor diferitelor intervale
observate.
Folosirea SPSS
Pentru a ilustra aplicarea testului vom utiliza baza de date creat anterior (baza9.sav). Vom
analiza dac apr diferenţe între subiecţii de gen masculin şi cei de gen feminin în ceea ce priveşte
gradul de mulţumire faţ de situaţia actual a ţ rii.
Testul se activeaz din meniul ANALYZE - NON-PARAMETRIC TESTS opţiunea TWO
INDEPENDENT SAMPLES:
Fereastra care apare pe ecran sem n foarte mult cu cea care apare la activarea testului t
pentru eşantioane independente. Dintre cele patru tipuri de teste, vom folosi MANN-WHITNEY U, care
se bazeaz pe ierarhia rangurilor observaţiilor din cele dou grupuri.
Vom trece variabila dependent (GR_MULT) în câmpul TEST VARIABLE LIST, iar variabila
independent (GEN) în câmpul GROUPING VARIABLE. Grupurile variabilei independente se definesc
folosind butonul DEFINE GROUPS, la fel ca şi în cazul testului t.
În foaia cu rezultate apar urm toarele tabele:
326
Observaţi c stilul de prezentare al rezultatelor este similar cu cel de la testul chi-p trat. în
primul tabel este prezentat situaţia „descriptiv " (media rangurilor), iar valoarea pragului de
semnificaţie a testului este dat în tabelul al doilea (linia denumit ASYMP. SIG).
Astfel, rangul mediu pentru subiecţii de gen masculin are valoare 9,83, pentru cei de gen
feminin are valoarea 9,17. Valoarea pragului de semnificaţie (p=0,778) este mai mare de 0,050, deci
putem trage concluzia c femeile şi b rbaţii din studiul nostru nu difer semnificativ în ceea ce priveşte
gradul de mulţumire cu privire la situaţia actual a ţ rii.
Dac diferenţele ar fi fost semnificative (p<0,05), sensul diferenţei ar fi fost dat de semnul notei
Z, scris imediat deasupra valorii pragului de semnificaţie.
IV.3. TWO RELATED SAMPLES
Metodele care compar dou eşantioane perechi sunt similare aplic rii testului t pentru
eşantioane perechi. Pentru a ilustra aplicarea acestui test vom folosi o nou baz de date (baza10.sav)
care cuprinde dou variabile: ALINATA (cuprinde r spunsurile subiecţilor la itemul „Evaluaţi contribuţia
alianţei în integrarea europeană”; variabila are trei valori 1 - importanta, 2 - medie şi 3 - slab ) şi PSD
(cuprinde r spunsurile subiecţilor la itemul „Evaluaţi contribuţia alianţei în integrarea europeană”,
variabila are trei valori 1 - importanta, 2 - medie şi 3 - slab ). Prezent m rezultatele subiecţilor:
Alinata: 1, 1, 2, 3, 1, 1, 3, 2, 2, 2, 1, 1, 2, 2, 3, 3, 1, 3, 1, 1, 3, 2, 2, 2, 2, 2
PSD: 2, 3, 1, 1, 3, 2, 2, 1, 1, 1, 2, 2, 3, 1, 1, 1, 2, 1, 2, 2, 1, 2, 1, 1, 1, 2
Dorim s vedem dac subiecţii au o p rere mai bun despre unul dintre cele dou partide
politice. Deoarece subiecţii r spund la ambele întreb ri trebuie aplicat o metod care s permit
compararea eşantioanelor perechi.
Se foloseşte din meniul NON PARAMETRIC TESTS opţiunea TWO RELATED SAMPLES.
Fereastra seam n cu cea a testului t pentru eşantioane perechi. Ca şi la acest test, trebuie
selectat o pereche de variabile pentru analiz , pentru a se activa opţiunile ferestrei.
Pentru exemplul nostru vom selecta variabile ALIANTA şi PSD şi le vom trece în câmpul din
stânga:
327
LOREDANA GHERASIM
Vom utiliza testul WILCOXON, care se bazeaz pe rangul valorilor absolute al diferenţelor
dintre dou variabile, comparând separat diferenţele pozitive şi negative.
Prezentarea rezultatelor testului, în foaia cu rezultate, se face în dou tabele, unul pentru
valorile descriptive şi altul pentru semnificaţia testului, ca mai jos:
În primul tabel apare media şi suma rangurilor diferenţelor pozitive şi negative, precum şi
cazurile în care scorurile sunt la egalitate. Indicii de sub acest tabel arat sensul diferenţelor.
Din al doilea tabel observ m c testul este nesemnificativ (p=0,281). Aceste rezultat indic
faptul c oamenii consider ca ambele partide contribuie la fel de mult la integrarea României în
Uniunea European .
328

SPSS Prof Gherasim

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

SPSS Prof Gherasim

Încărcat de

Drepturi de autor:

Formate disponibile

SCOPUL UNIT II DE CURS

OBIECTIVE OPERA IONALE

I. FAMILIARIZAREA CU PROGRAMUL SPSS 10.0

I.2. PREZENTAREA APLICA IEI SPSS

pictogramei programului de pe desktop. Aplicaţia mai poate fi deschis de la butonul

Oricare ar fi metoda de deschidere a programului, pe ecran va ap rea urm toarea fereastr :

Comanda SAVE permite salvarea obişnuit a fişierului cu

I.3. DESCHIDEREA UNEI BAZE DE DATE

Variabilele sunt aşezate pe rânduri, coloanele reprezentând diferite caracteristici ale

I.4. CREAREA UNEI NOI BAZE DE DATE

Se activeaz butonul OK pentru a salva modific rile şi închide caseta de dialog.

II. ELEMENTE DE STATISTIC DESCRIPTIV

II.1. ANALIZA FRECVEN ELOR

Analiza de frecven cu ajutorul programului SPSS

Dup activarea opţiunii pe ecran apare urm toarea caset de dialog:

Histograma de frecvenţ se mai poate obţine folosind meniul GRAPHS – HISTOGRAM.

Elementele principale ale ferestrei sunt:

II.2. IDENTIFICAREA TENDIN EI CENTRALE ŞI A VARIABILIT II SCORURILOR

scoruri mici scoruri medii, tipice, normale scoruri mari

Calculul tendin ei centrale şi a variabilit ii folosind SPSS

Activ m butonul CONTINUE şi apoi cel OK al casetei FREQUENCIES. Valorile indicatorilor

scoruri”mici” scoruri medii, tipice normale scoruri”mari”

Calculul notelor Z folosind SPSS

Activarea comenzii duce la apariţia pe ecran a casetei de dialog urm toare:

Prezent m principalele elemente ale ferestrei DESCRIPTIVES:

Se observ apariţia unei noi variabile, pe ultima coloan , cu numele ZANX1.

II.4. COEFICIENTUL DE CORELA IE PEARSON

Pragul de semnifica ie (p)

Calcularea corela iei Pearson cu ajutorul SPSS

Activarea comenzii va deschide urm toarea fereastr :

Elementele principale ale ferestrei sunt:

4. câmpul TEST OF SEGNIFICANCE permite selectarea modului de testate a ipotezei (TWO-

Aceasta permite realizarea unei analize descriptive a datelor (STATISTICS) şi precizarea

Se observ c cele dou variabile apar pe coloane da şi pe linii.

• proporţia de varianţă. Coeficientul de corelaţie ridicat la p trat ne indic proporţia de varianţă

Comanda SELECT CASES

Se activeaz butonul IF, care deschide urm toarea caset de dialog:

Se apas apoi butonul CONTINUE pentru a salva condiţia:

lui r dep şeşte valoarea de 0,50.

Comanda SPLIT FILE

nivelul de studii al subiec ilor = studii generale

nivelul de studii al subiec ilor = studii medii

nivelul de studii al subiec ilor = studii superioare

Graficul corela iei

Reprezentarea grafic a corelaţiei este urm toarea:

II.5. COEFICIENTUL DE CORELA IE KENDALL'S TAU-B

Reprezint o m sur non-parametric a asocierii variabilelor ordinale sau rangate care

Calcularea corela iei Kendall cu ajutorul SPSS

Dup confirmarea comenzii în foaia cu rezultate apare urm torul tabel:

II.6. COEFICIENTUL DE CORELA IE SPEARMAN

Calcularea corela iei Spearman cu ajutorul SPSS

Dup confirmarea comenzii în foaia cu rezultate apare urm torul tabel:

Se constat c apare o inversare a clasamentului, corelaţia având semn negativ, ceea ce

II.7. RECODIFICAREA ŞI TRANSFORMAREA VARIABILELOR

Comanda RECODE INTO DIFFERENT VARIABLES

1. câmpul care conţine variabilele din baza de date;

Aceast fereastr prezint mai multe câmpuri:

Activ m apoi butonul ADD al câmpului OLD→NEW. Pentru

Comanda RECODE INTO SAME VARIABLES

Recodificare se realiz la fel ca în exemplu anterior, când am utilizat opţiunea de recodificare

Inversarea valorilor variabilelor

Dup activarea butonului CONTINUE şi butonului OK al ferestrei principale, baza de date va

Comanda TRANSFORM COMPUTE

Prezent m caracteristicile principale ale acestei ferestre: