Documente Academic
Documente Profesional
Documente Cultură
Memento
de cercetare
în psihologie
Un ghid prietenos pentru studenți
și nu numai...
2018
Cuprins
Cuvânt de început ..................................................................................... 5
Capitolul 1. Scurtă introducere în metodologia cercetării ................... 9
1.1. Suportul teoretic al cercetării ..................................................... 10
1.2. Obiective. Ipoteze........................................................................ 11
1.3. Metoda .......................................................................................... 16
1.4. Operaționalizarea constructelor. Variabile .............................. 16
1.5. Eșantionarea ................................................................................ 19
1.6. Participanții/Subiecții ................................................................... 21
1.7. Instrumente .................................................................................. 22
1.8. Procedura ..................................................................................... 23
1.9. Design experimental ................................................................... 24
Capitolul 2. Noțiuni de prelucrarea statistică a datelor ...................... 29
2.1. Noțiuni și concepte utilizate în prelucrarea statistică ............. 30
2.1.1. Pragul de semnificație. Erori statistice .............................. 31
2.1.2. Interval de încredere............................................................ 32
2.1.3. Eroarea standard ................................................................. 33
2.1.4. Tipuri de variabile ................................................................. 33
2.1.5. Distribuții de date. Tendința centrală și împrăștierea ..... 34
2.1.6. Boltire. Simetrie .................................................................... 38
2.1.7. Distribuția normală ............................................................... 41
2.1.8. Distribuția normală standard și scorurile Z....................... 42
2.1.9. Ranguri .................................................................................. 43
2.2. Introducerea datelor .................................................................... 44
2.3. Analiza descriptivă a datelor...................................................... 49
2.3.1. Analiza frecvențelor ............................................................. 50
2.3.2. Analiza descriptivă ............................................................... 53
2.3.3. Analiza Box-Plot și testul de normalitate .......................... 54
2.4. Analiza inferențială a datelor ..................................................... 59
2.4.1. Corelații sau asocieri între variabile .................................. 60
2.4.1.1. Corelații Pearson .............................................................. 63
2.4.1.2. Asociere Kendall ............................................................... 67
2.4.1.3. Asociere Spearman .......................................................... 68
2.4.1.4. Testul Chi-pătrat ............................................................... 69
2.4.1.5. Testul exact Fischer ......................................................... 72
2
2.4.2. Diferențe între grupuri ......................................................... 75
2.4.2.1. Testul t pentru eșantioane independente ..................... 76
2.4.2.2. Testul z pentru două proporții ......................................... 80
2.4.2.3. Testul Mann-Whitney U ................................................... 83
2.4.2.4. Testul t pentru eşantioane dependente ....................... 84
2.4.2.5. Testul semnului ................................................................. 87
2.4.2.6. Testul Wilcoxon................................................................. 88
2.4.2.7. Testul ANOVA unifactorială ............................................ 90
2.4.2.8. Testul Kruskal-Wallis........................................................ 94
2.4.2.9. Testul ANOVA pentru măsurători repetate ................... 95
2.4.2.10. Testul Friedman .............................................................. 98
2.5. Alte analize statistice .................................................................. 99
2.5.1. Scoruri standard z. Note standard .................................... 99
2.5.2. Regresia liniară .................................................................. 101
2.5.3. Analiza factorială ................................................................ 103
2.5.4. Studiul diagnostic ............................................................... 110
2.6. Puterea statistică și mărimea efectului. ................................. 113
2.6.1. Puterea statistică................................................................ 113
2.6.2. Mărimea efectului............................................................... 114
2.6.3. Determinarea puterii statistice și a mărimii efectului .... 115
Capitolul 3. Noțiuni de psihometrie .................................................... 120
3.1. Despre teste/chestionare ......................................................... 120
3.2. Construirea itemilor ................................................................... 122
3.2.1. Analiza dificultății itemilor.................................................. 123
3.2.2. Indicele de discriminare .................................................... 124
3.3. Aspecte ale fidelității ................................................................. 129
3.3.1. Consistența internă ............................................................ 129
3.3.2. Fidelitatea test-retest ......................................................... 132
3.3.3. Concordanța interevaluatori ............................................. 134
3.4. Aspecte ale validității ................................................................ 135
3.4.1. Validitatea de conținut ....................................................... 136
3.4.2. Validitatea de criteriu ......................................................... 136
3.4.2.1. Validitatea predictivă ..................................................... 137
3.4.2.2. Validitate concurentă...................................................... 138
3.4.3. Validitatea de construct ..................................................... 138
3
3.4.3.1. Validitate convergentă ................................................... 138
3.4.3.2. Validitatea de discriminare ........................................... 138
3.4.3.3. Matricea multitrăsătură-multimetodă ........................... 139
3.5. Etaloane ...................................................................................... 140
3.5.1. Etalonarea utilizând percentilele ...................................... 141
3.5.2. Etalonarea folosind unitățile sigma ................................. 142
3.5.3. Etalonarea folosind notele z ............................................. 144
Capitolul 4. Elaborarea unei lucrări științifice.................................... 148
Cuvânt de final....................................................................................... 157
Bibliografie ............................................................................................. 158
Anexa 1. Tabelul distribuției valorilor sub curba normală z ............ 162
Anexa 2. Etalon pentru un test cu doi factori. ................................... 163
Anexa 3. Exemplu de instrucțiuni pentru publicare ......................... 164
Anexa 4. Sisteme de clase standardizate ......................................... 170
4
Motto: “ENTIA NON SUNT MULTIPLICANDA
PRAETER NECESSITATEM”
(William Ockham, 1285-1349)
Cuvânt de început
6
instituții de cercetare. Pentru a exersa și chiar pentru a elabora o cercetare
se poate folosi cu succes și GNU PSPP, un sofware gratuit, care poate
opera sub Windows, Mac OS, Gnewsense, Fedora, Debian, Ubuntu,
OpenSuSe și FreeBSD. Interfața și meniurile sunt foarte asemănătoare
celor din SPSS.
Înainte de a trece la dezvoltarea tematicii propuse, dorim să facem
câteva precizări privind utilitatea apariției unui astfel de ghid. Există deja
lucrări foarte bine elaborate cu privire la disciplinele abordate în paginile
următoare. Conținutul acestora este suficient de exhaustiv pentru a oferi
răspunsuri la majoritatea întrebărilor ce pot să apară în demersul științific.
Multitudinea de definiții și demonstrațiile matematice constituie argumente
solide pentru a merita studiate. Unele lucrări vin cu exemple concrete și cu
capturi de ecran care să ușureze aprofundarea modului de lucru cu
programe de prelucrare statistică. Cu toate acestea, pentru cercetătorul
tânăr sau pentru oricine altcineva care este presat să elaboreze o lucrare
științifică, dacă mai are și convingerea că matematica este inutilă pentru
psihologie, aceste tratate devin un prag greu de trecut. Pe lângă asta, cele
mai multe lucrări au un număr mare de pagini redactate destul de mărunt.
Ne amintim bucuria cu care studenții masteranzi au aflat că lucrarea de
disertație trebuie să cuprindă doar analiza unor studii de caz, spre
deosebire de lucrarea de licență, care a presupus o cercetare
experimentală. În alt context, în timpul unei prezentări despre prelucrarea
statistică a datelor, „am îndrăznit” să scriem pe tablă o formulă matematică.
Formula mediei aritmetice! În acel moment studenții prezenți în anfiteatru
au avut o reacție greu de descris. Era un amestec de revoltă, derută și
dezamăgire. După pauză au mai rămas un sfert dintre ei la prezentare.
Lucrarea de față dorește, atât cât este cu putință, să evite formulele
și să pună accent pe descrierea și intuirea noțiunilor. Exemplele vin să
întărească înțelegerea lor. Scopul este de a mări distanța psihologică dintre
matematică și statistica aplicată în științele socio-umane. Materialul este
structurat după o înlănțuire logică, urmând pașii pentru realizarea unei
cercetări. Astfel, el poate fi aprofundat în paralel cu realizarea demersului
științific. Lucrarea ar putea fi comparată cu un consilier sau un terapeut
care-și însoțește clientul inspirat de principiile „aici și acum” și „împreună
spre scop”. Informațiile prezentate sunt la un nivel suficient-necesar pentru
elaborarea unei cercetări decente și cu reale șanse de succes.
7
Materialul este împărțit în patru capitole. Primul capitol îl ghidează
pe cercetătorul mai puțin experimentat, pas cu pas, de la idee până la
obținerea unei colecții de date utilă și validă pentru scopul propus. Capitolul
al doilea prezintă modalități posibile de prelucrare a datelor și interpretare a
rezultatelor, astfel încât să poată conduce la concluzii cât mai aproape de
realitate. Am introdus câteva scheme de decizie pentru alegerea testelor
statistice în funcție de caracteristicile bazei de date colectate de la
participanți/subiecți. Uneori, însă, cercetătorul se poate afla în situația de
ași construi singur probele pentru obținerea datelor de analizat. În capitolul
al treilea am exemplificat pașii necesari pentru construirea și validarea
acestora pentru populația căreia i se adresează cercetarea. În ultimul
capitol am recapitulat, schematic și cu exemple suplimentare, etapele
realizării demersului științific. Am încheiat prin a descrie structura generală
a raportului de cercetare, specificând că fiecare instituție de învățâmânt și
fiecare revistă științifică vine cu un manual propriu de redactare. Acesta
trebuie consultat pentru redactarea corespunzătoare a materialului.
Ne dorim ca acest ghid să devină un deschizător de drumuri pentru
toți cei ce doresc să urmeze o carieră științifică de succes și un prieten de
nădejde pentru cei ce urmăresc doar să treacă cu bine prin etapele
pregătirii academice.
8
Capitolul 1. Scurtă introducere în metodologia cercetării
9
2. Exactitatea. Constructele trebuie să fie definite cu un grad ridicat
de exactitate, permi/ând, astfel, utilizarea definițiilor pentru comăsurarea lor
și pentru a testa acea teorie;
3. Parcimonia. În situația în care un fenomen poate avea mai multe
explicații, oamenii de știință trebuie să accepte întotdeauna explicația cea
mai simplă sau logica cea mai simplă. De altfel, principiul se regăsește în
motto-ul acestei lucrări;
4. Falsificabilitatea. Presupune enunțarea unei teorii astfel încât ea
să poată fi combătută.
Vom recurge la un mic excurs pentru a explica mai bine principiul
falsificabilității. Teoria a fost formulată de Karl Popper în 1919, cu intenția
de a găsi criterii de demarcație între știință și pseudo-știință (metafizică,
parapsihologie, astrologie etc.). Popper presupune formularea unor situații
sau evenimente specifice care, dacă s-ar produce, ar duce la invalidarea
unei teorii. Autorul face distincția între falsificabilitate și falsificare. Conform
acestuia (Popper, 1981, p. 117), o teorie poate să fie falsificabilă fără a fi în
mod necesar falsificată vreodată. Argumentul cel mai puternic în favoarea
teoriei sale este acela că inferențele bazate pe observații nu garantează
caracterul științific al unei teorii. Popper respinge logica inductivă în
favoarea celei deductive, susținând că nu putem fi niciodată siguri de
adevăr, ci doar ne putem
Baze de date indexate: apropia de el într-un grad mai
http://www.apa.org/pubs/index.aspx
mic sau mai mare, scopul
https://www.researchgate.net/
http://www.sciencedirect.com/ științei fiind sporirea gradului de
http://www.proquest.com/ verosimilitudine (Popper, 2002,
http://www.scipio.ro/ p. 60).
https://www.elsevier.com/
https://www.ebsco.com/contact/ebsc 1.1. Suportul teoretic al
ohost-for-students cercetării
https://academic.oup.com/journals/ Următorul pas este
http://www.rcis.ro/ documentarea. Este necesar să
http://www.rjeap.ro/ analizăm definițiile și structurile,
https://www.mendeley.com/ specifice și la obiect, pentru
https://www.centerforclinicalexcellenc
constructele pe care le
e.com/
presupunem implicate în
proces. Este util să căutăm și să analizăm și alte constructe, care conțin
elemente asemănătoare în structura lor, pentru a stabili dacă influențează
10
sau nu relațiile presupuse de noi. Tot acest proces, precum și cele din
etapele următoare, trebuie să se realizeze cu scepticism. Cercetătorul
autentic va căuta pe tot parcursul demersului științific dovezi care să infirme
presupunerile inițiale. Atitudinea contrarie poate influența cercetarea în
oricare dintre etapele sale, prin tendințe subiective de a manipula designul
și datele în favoarea obținerii unui rezultat pozitiv, viciind concluziile finale.
Infirmarea sau confirmarea presupunerilor inițiale au aceeași valoare din
punct de vedere științific. Cazurile în care se infirmă existența fenomenului
supus cercetării pot deveni valoroase în situația replicării unor cercetări
anterioare, adică repetarea acestora, utilizând aceleași instrumente și
condiții experimentale, pe populații diferite.
În acest fel vom construi baza teoretică a cercetării. Totodată, vom
interoga bazele de date indexate sau orice surse credibile din punct de
vedere științific pentru a distinge elementele de noutate ale cercetării. Vom
căuta studii care pot confirma utilitatea demersului nostru științific. Vom
selecta lucrări care, în contexte diferite de cele ale observațiilor noastre
(alte populații), au evidențiat relații sau diferențe între grupuri referitoare la
constructele alese de noi.
Noțiunea de ipoteză conform
1.2. Obiective. Ipoteze www.dexonline.ro:
Următorul pas presupune presupunere, enunțată pe baza
stabilirea obiectivelor cercetării. unor fapte cunoscute, cu privire la
În acest capitol este necesar să anumite legături între fenomene
care nu pot fi observate direct sau
descriem motivele pentru care
cu privire la esența fenomenelor,
am ales să facem studiul, la cauza sau la mecanismul intern
noutatea științifică și utilitatea care le produce;
practică preconizată. Tot aici presupunere cu caracter
vom defini ipotezele în funcție de provizoriu, formulată pe baza
tipul de cercetare considerat cel datelor experimentale existente la
mai potrivit scopului propus. un moment dat sau pe baza
intuiției, impresiei;
Există demersuri în vederea
presupunere formulată pe baza
cunoașterii lumii, care implică unor fapte cunoscute.
formularea unor ipoteze și
confirmarea unui adevăr. În acest caz avem de a face cu cercetări
confirmatorii. În cazul în care căutăm un răspuns fără existența unor
presupuneri prealabile avem de a face cu cercetări exploratorii. Conform lui
(Bem, 2000; Schinka & Velicer, 2003), cercetarea confirmatorie este cea
11
mai des întâlnită și are un caracter anticipativ și pro-activ de interogare a
realității.
Etapele parcurse în aces caz sunt: Se elaborează o ipoteză în baza
unor teorii existente sau a unor cercetări anterioare, se stabilește un design
al cercetării, se elaborează metodologia de investigare și de analiză a
datelor care să conducă la confirmarea sau infirmarea ipotezei. Pe de altă
parte, cercetarea exploratorie are un caracter reactiv, de oportunitate. Se
bazează pe studierea unei
Formularea ipotezei pentru o anumite realități, fără a face o
relație cauzală: presupunere anterioară, prin
„Creșterea autoeficacității duce la o care se urmărește găsirea unui
performanță academică mai bună”
suport pentru formularea unor
Formularea ipotezei pentru o concluzii într-un domeniu de
relație de asociere: interes. O astfel de cercetare se
”Există o relație pozitivă între pretează cazurilor în care nu
motivație și satisfacția școlară”. există un suport teoretic sau
acesta este foarte redus.
ATENȚIE! O ipoteză formulată
Ipotezele se formulează cu
corect întrunește următoarele
referire la constructele
(variabilele) vizate de cercetare, trăsături:
și nu în legătură cu a) are caracterul de
instrumentele folosite pentru presupunere și implică un
măsurarea lor. rezultat așteptat;
b) descrie o relație
cauzală sau de altă natură dintre variabile;
c) se sprijină pe niște date sau informații existente;
d) necesită un proces de confirmare sau infirmare prin metode
empirice.
O ipoteză trebuie să îmbrace o formă argumentată, fie subiacentă
unei teorii, fie prin derivare din cercetări anterioare, fie apelând la
raționamente credibile. Argumentele pe care se sprijină ipoteza se
regăsesc întotdeauna în documentarea cercetării. Este de dorit ca
ipotezele să manifeste o anumită doză de creativitate. Acest lucru se
reflectă în procesul de rafinare, aprofundare și dezvoltare a unor ipoteze
anterioare. Creativitatea se manifestă și în faptul că o ipoteză trebuie să
încerce lămurirea unor aspecte cu adevărat problematice, despre care nu
deținem cunoștințele sau explicațiile necesare. Conform mai multor autori
12
(Coolican, 1996; Frankfort Nachmias & Nachmias, 2000; Mitchell & Jolley,
2001), ipotezele trebuie să dețină următoarele caracteristici:
a) Să fie clar formulate, adică exprimate prin propoziții scurte, în
care se pot identifica cu ușurință variabilele implicate;
b) Să denote obiectivitate față de valori și credințe personale. Un
asemenea fapt s-ar putea constitui într-o sursă sistematică de erori.
c) Trebuie să fie testabilă. Ipotezele trebuie supuse verificării printr-
un model de cercetare, astfel încât să se găsească dovezi în vederea
acceptării sau infirmării
acesteia. ÎNTREBĂRI DESCRIPTIVE:
„Care este rata abandonului
Dacă se specifică o
școlar?”
relație cauzală între variabile, în „Care sunt principalele surse de
cazul cercetărilor stres pentru tinerii adolescenți?”
experimentale, atunci
formularea ipotezei poate fi sub ÎNTREBĂRI NORMATIVE:
forma „dacă ... atunci ...”. În ”Care este frecvența eșecului
cazul în care aceste condiții nu școlar în țara noastră față de cea la
nivel european?”.
sunt îndeplinite, se recomandă
formularea de tipul „există… ÎNTREBĂRI CORELAȚIONALE:
sau anticipăm… o relație „Trăsăturile personale ale liderilor
pozitivă/negativă între ... și ...”. se asociază cu eficiența acestora?”
Mitchell și Jolley (2001)
consideră că orice ipoteză ÎNTREBĂRI DE IMPACT:
„Campania de prevenire a
trebuie să răspundă la
consumului de substanțe a redus
următoarele întrebări: consumul în școli?”
1) Poate fi falsă?
a. pot fi elaborate definiții operaționale ale variabilelor?
b. poate fi efectuată o predicție specifică?
2) Poate fi susținută?
a. este prezisă o diferență, o relație sau un efect?
3) Există o rațiune pentru care ne putem aștepta ca predicția să fie
corectă?
a. rezultă dintr-o teorie?
b. este consistentă cu rezultate ale unor studii anterioare?
c. este în concordanță cu simțul comun?
4) Rezultatele așteptate vor fi concordante în raport cu:
a. cercetări anterioare?
13
b. teorii existente?
c. probleme de ordin practic?
5) Testarea ipotezei este practică și etică?
a. există resurse materiale și financiare pentru a testa
ipoteza?
b. există pericolul de a produce daune fizice sau psihice
participanților?
c. există o aprobare pentru această cercetare din partea
unui organ profesional sau etic?
În generarea ipotezelor procesul cel mai important, conform
Hendrick et all. (1993, apud. Mertens, 2005), este formularea întrebărilor
cercetării. Autorii propun o taxonomie a tipurilor de întrebări:
a) Întrebările descriptive scot în evidență informații cu privire la
variabilele cercetării.
b) Întrebările normative compară cu anumite standarde sau
așteptări informația descriptivă obținută anterior.
c) Întrebările corelaționa-
le identifică relații între variabile
IPOTEZE ATRIBUTIVE:
care conduc la formularea unor
„Oamenii manifestă o predispoziție
stabilă cu privire la localizarea explicații. Acestea aduc
controlului, indiferent de situațiile la informații referitoare la
care se raportează.” intensitatea și sensul relației. Nu
oferă, însă, indicii privind
IPOTEZE ASOCIATIVE: raportul de cauzalitate dintre
„Conformismul crește odată cu variabilele studiate.
vârsta”.
d) Întrebările de impact
IPOTEZE CAUZALE: (cauzale) presupun existența în
„Oferirea de feedback este în mod explicit a unei relații
relație cu creșterea gradului de cauzale între variabile sau între
inteligență.” o anumită intervenție și
rezultatul obținut.
Putem clasifica ipotezele în: ipoteze de tip atributiv, ipoteze de tip
asociativ și ipoteze cauzale. Ipotezele atributive presupun existența unui
comportament care poate fi măsurat și distins față de altele similare.
Ipoteza vizează o singură variabilă (univariată) și cere o tehnică de
măsurare și înregistrare adecvată pentru evaluarea constructul vizat. Acest
tip de cercetare urmărește un scop descriptiv. Al doilea tip, asociativ,
14
presupune existența unei relații între două variabile (bivariată). Este o
ipoteză de tip predictiv și presupune găsirea unei relații între variabile.
Ipotezele cauzale presupun că manipularea variabilei independente
produce un efect asupra variabilei dependente. Aceste ipoteze cer
îndeplinirea unor condiții: cauza precede efectul, posibilitatea controlării
altor posibile variabile cu impact cauzal (variabile moderatoare sau
mediatoare), existența unei relații semnificative statistic între variabile.
Totodată, ipotezele pot fi direcționale, când se precizează explicit
sensul relației dintre variabile, sau non-direcționale, sensul nu este
precizat.
Ipoteza de lucru este o presupunere preliminară, insu-ficient
fundamentată sau în curs de fundamentare. În urma finalizării procesului de
funda-mentare ea devine ipoteză a cercetării. Ipoteza cercetării (codificată
H1) reprezintă expre-sia formală și riguroasă a ceea ce presupune
cercetătorul. Uneori poate fi identică cu ipoteza de lucru. Alteori, ipoteza de
lucru este mai imprecisă. Ipoteza statistică (codificată H0, denumită și
ipoteza de nul) este forma negativă a ipotezei cercetării. Noțiunea de
”ipoteza de nulă” a fost introdusă de Fisher (1925) ca suport al
mecanismului de testare a semnificației statistice.
Ipotezele nu reprezintă doar o necesitate stilistică. Modalitățile de
formulare a lor sunt un factor determinant al cercetării. O ipoteză incorect
formulată sau ambiguă poate compromite tot demersul științific construit
ulterior.
15
1.3. Metoda
Trebuie de la bun început să distingem metoda de tehnica de
cercetare. Prima poate fi gândită ca fiind o strategie a cercetării.
Cercetătorul realizează, astfel, o proiecție asupra faptelor. Tehnica
furnizează instrumentele și tacticile folosite în punerea în practică a
strategiei. Tehnica are o independență relativă în raport cu metoda.
Metoda circumscrie capitolele referitoare la: participanți/subiecți,
instrumente/aparatură, procedură și design experimental.
18
În opinia noastră, putem adăuga listei regresia spre medie, ceea ce
înseamnă că după mai multe repetări ale probei, participanții/subiecții cu
rezultate mai slabe își sporesc
performanța, iar cei cu rezultate Operaționalizarea variabilelor
mai bune își diminuează independente:
performanța. - lipsa sau prezența stimulului; -
Variabilele independente stimulul zgomot va avea valorile;
30 dB, 40 dB și 50 Db;
sunt constructe care, odată
- stimulul vizual, litera „R” va
manipulate, influențează com- apărea pe ecran rotită cu un număr
portamente, ce devin astfel de grade aleator.
variabile dependente. Modalită-
țile sau valorile variabilei Operaționalizarea variabilelor
independente pot fi fixate dependente:
anterior sau pot fi selectate Anxietatea poate fi operaționalizată
prin schimbările fiziologice (ritm
aleator. cardiac, transpirația mâinilor etc.)
Variabilele dependente prin comportamente specifice
sunt, de cele mai multe ori, (evitarea provocărilor, performanța
operaționalizări ale unui scăzută in regim de stres) sau prin
construct teoretic și pot avea senzații subiective resimțite
mai multe definiții. Uneori putem (teamă, vertij).
operaționaliza doar rezultatul,
sub forma unor laturi ale comportamentului global. Pentru a fi utilă
cercetării, variabila dependentă trebuie operaționalizată ținând cont de
condiții:
- să fie sensibilă la manipularea variabilei independente;
- să fie clar și precis definită și să fie ușor măsurabilă;
- să fie fiabilă, ceea ce înseamnă să fie stabilă la repetarea
măsurării în condiții experimentale identice.
1.5. Eșantionarea
Este important să definim limitele cercetării astfel încât alții să poată
căuta dovezi care să infirme sau să susțină rezultatele obținute de noi în
alte medii disjuncte, adică diferite. Pentru aceasta este necesar să definim,
cât mai specific, populația la care ne referim în cercetarea noastră.
Populația reprezintă o mulțime de indivizi care au una sau mai multe
caracteristici comune și din care ne propunem, având în același timp și
posibilitatea, să extragem eșantioane reprezentative.
19
EȘANTION REPREZENTATIV
POPULAȚIA
EȘANTIONARE INCORECTĂ
20
experimentale. Putem considera rezultatele unui singur experiment ca fiind
valide şi generalizabile în condițiile în care selecția grupurilor a fost corectă
din cel puțin două motive:
- comportamentele indivizilor sunt relativ constante şi, în același
timp, reprezentative pentru grupuri similare cu cele care au fost testate.
- dacă comparând rezultatele experimentului cu cele obținute la
repetarea acestuia obținem un rezultat semnificativ, putem conchide
asupra validității externe a acestora.
c) randomizarea multifazică se face prin alegerea inițială a unui
eșantion de dimensiuni mari, pe care se realizează unele faze ale
cercetării. Din acesta se selectează ulterior un eșantion pentru realizarea
altor faze, cu caracter mai intensiv. Operațiunea se poate repeta de mai
multe ori.
Literatura de specialitate descrie și alte metode de eșantionare care
pot fi utilizate în scopul realizării unei cercetări psihologice.
1.6. Participanții/Subiecții
Am folosit până acum termenii de participanți sau subiecți. Pentru a
da valoare demersului științific recomandăm folosirea termenului de
„participant” pentru cazul în care cercetarea implică persoane și cel de
„subiect” pentru cazul în care studiului este realizat pe animale.
Participanții/subiecții reprezintă elementele constitutive ale eșantioanelor
de lucru. Selecția acestora nu este de cele mai multe ori la îndemâna
cercetătorului. Așa cum observa McNemar (1946), o mare parte a datelor
provin din cercetări asupra șoarecilor de laborator sau a studenților din anul
I de la psihologie. O cercetare ale cărei rezultate sunt de încredere trebuie
să fie efectuată pe participanți aleși aleator, deziderat adesea greu de
atins. Ne putem asigura, totuși, că folosim grupuri naturale intacte, cu o
compoziție datorată întâmplării.
Repartizarea în grupul de control și în grupul sau grupurile
experimentale se face aleatoriu (randomizat). Randomizarea se poate face
prin mai multe tehnici, în conformitate cu Nunally (1967, p. 95), dintre care
cele mai utilizate sunt:
- randomizarea simplă (prin tragerea la sorți).
- randomizarea stratificată (în care eșantionul este împărțit pe
"straturi", după anumite criterii pentru fiecare strat, iar extragerea se face
aleatoriu din fiecare strat în parte).
21
1.7. Instrumente
În această fază a cercetării este necesară alegerea instrumentelor
cu care vom măsura constructele definite anterior. Acestea pot fi teste,
chestionare, interviuri etc., sau pot fi aparate de laborator care măsoară
timpi de reacție, abilități, răspunsuri fiziologice etc. Indiferent de natura
instrumentelor de măsură, acestea trebuie să fie fidele și să prezinte dovezi
ale validității pentru populația din care a fost extras eșantionul
reprezentativ. Calitățile psihometrice ale instrumentului trebuie să
corespundă cu tipul de cercetare ales. Nu este același lucru dacă dorim să
evidențiem relații între grupuri categoriale sau caracteristici individuale în
raport cu eșantionul ales. În caz de necesitate, se poate recurge chiar la
construirea unor instrumente noi. În cercetare este necesar să descriem
instrumentele alese sau modul cum le-am construit și să precizăm calitățile
psihometrice ale acestora.
În cazul utilizării unor dispozitive, este necesar să precizăm clasa
din care fac parte și, eventual, referiri către studii care arată precizia lor în
comparație cu unele omologate pentru cercetare. În condițiile în care se
realizează un studiu experimental care necesită aparate de testare, iar
accesul la acestea este dificil, se poate utiliza un program interactiv de
genul PsychoPy (Peirce, 2007, 2009), dezvoltat de Universitatea din
Nottingham. Acesta vine cu o interfață destul de prietenoasă, este open-
source și rulează sub platformele: Windows, MacOS, Debian, Ubuntu etc.
Se pot descărca diferite module care rulează pe un laptop pentru a
experimenta efectul Donders, rotirea mentală, efectul Stroop, diferite
module pentru a testa memoria, luarea de decizii etc. Modulele pot fi
personalizate sau se pot construi module noi. Poate fi utilizată tehnologia
aflată la îndemână, ca de exemplu derularea unor imagini cu impact
emoțional pe ecranul unui laptop și măsurarea, cu un chestionar sau test,
al nivelului de stres. Se poate utiliza în experimente realitatea virtuală cu un
simplu smartphone și o cască VR.
Tot la acest capitol se vor specifica instrumentele utilizate în
prelucrarea datelor și, dacă este cazul, licența de utilizare sau instituția
unde au fost accesate (de ex.: laboratorul de informatică al Universității
Hyperion din București). Informațiile privind tipul de licență trebuie
specificate și în cazul utilizării scalelor. Menționăm că existe scale care pot
22
fi utilizate gratuit în scop de cercetare. Trebuie citate în mod corespunzător
(indicațiile sunt date în manualele de utilizare), iar unele necesită acordul
autorilor.
1.8. Procedura
În acest capitol al cercetării este necesară descrierea exactă a
modului de realizare a acesteia. Informațiile trebuie să cuprindă: modul de
aplicare a testelor (individual, în grup, online etc.); modalitatea de
înregistrare (completare creion-hârtie, măsurarea cu aparatură specifică,
computerizat etc.); condițiile testării (interval orar, luminozitate,
temperatură, în laborator sau în mediul natural, alte condiții ce pot influența
testarea); persoana care înregistrează datele (experimentatorul, un
asistent, participantul); modul de testare (cu timp limitat sau fără limită de
timp); poziția experimentatorului (ascuns, la vedere). Descrierea modului
de obținere a datelor de la participanți/subiecți trebuie făcută în detaliu
pentru ca cercetarea să poată fi supusă ulterior falsificării în vederea
obținerii dovezilor de validitate externă.
Este imperios necesar să se specifice normele deontologice care au
fost respectate în funcție de afilierea cercetătorului, de cerințele
beneficiarului și de normativele internaționale în vigoare. Următorul
exemplu este reprezentativ pentru un cercetător care are calitatea de
membru al Colegiului Psihologilor din România.
Exemplu: „Prezenta cercetare s-a realizat cu respectarea Art. 7, 8,
10 și 11 din Codul deontologic al profesiei de psiholog cu drept de liberă
practică, adoptat prin Hotărârea 4CN/2013 de către Colegiul Psihologilor
din România, precum și a prevederilor din Anexa 2, Partea 1: Preambul din
Codul de procedură disciplinară [2]. Participanții au fost informați cu privire
la obiectivele urmărite și li s-au explicat conținutul probelor folosite și faptul
că participarea este voluntară, cu respectarea confidențialității datelor și a
rezultatelor evaluării. Aceștia au fost înștiințați că li se vor solicita date cu
caracter personal sau care ar putea conține informații considerate
confidențiale și li s-a cerut acordul prealabil, în scris sau prin bifarea opțiunii
Da/Nu pe formularele de testare. Totodată, li s-a adus la cunoștință faptul
că se pot retrage în orice moment din cercetare fără a exista vreo
repercusiune negativă asupra lor. Protocolul de acordare a
consimțământului de participare la cercetare a constat din libera alegere a
participanților de a preda sau nu chestionarele completate către evaluator.”.
23
1.9. Design experimental
Un design experimental reprezintă un plan despre cum se
colectează și cum se prelucrează datele. Putem distinge între planuri
nonexperimentale și planuri experimentale de cercetare (Graziano, Raulin,
2000). În continuare am ales descrierile date de cei doi autori și am indicat
o formă de reprezentare grafică a acestor planuri.
Planurile nonexperimentale definesc un demers mai puțin riguros și
un control al variabilelor mai scăzut. Aceste designuri de cercetare nu
presupun folosirea de grupuri aleatoare (randomizate) și nu există controlul
asupra variabilelor sau este redus.
24
Planurile experimentale presupun grupuri aleatoare (randomizate) și
un control riguros asupra variabilelor.
25
Cu „R:” au fost notate grupurile echivalente selectate aleator și cu
„C:” grupurile contrabalansate. Cu „X” a fost notată intervenția (manipularea
variabilei independente) iar cu „O” operația de măsurare (testare, evaluare)
a constructului (variabila dependentă).
Contrabalansarea este o metodă de a controla eventualele variabile
ascunse care ar putea vicia experimentul propus. Pentru a înțelege mai
bine să urmărim exemplul.
Exemplu: Presupunem că dorim să studiem dacă stima de sine
influențează performanța școlară a elevilor din clasa a XII-a. În acest caz,
populația o reprezintă elevii din ultimul an de liceu, iar eșantioanele,
experimental și de control, vor fi extrase ținând cont de structura acesteia.
Vom avea elevi, selectați aleator pentru ambele grupuri, de la licee cu profil
uman și de la licee cu profil real. Vom ține cont și de proporțiile dintre
participanții de gen masculin și cei de gen feminin. Totuși, din studii
anterioare sau din teorie, știm că anxietatea de performanță influențează
performanța școlară. În acest caz, anxietatea de performanță devine
variabila ascunsă. Pentru a contracara efectul acesteia testăm în prealabil
toți participanții selectatați pentru anxietatea de performanță și îi impărțim
în grupuri (anxietate scăzută și anxietate ridicată). Selectăm aleator din
toate grupurile nou formate participanții pentru eșantionul experimental și
cel de control.
O altă categorie de cercetări experimentale o constituie planurile
factoriale.
26
Acestea conțin două sau mai multe variabile independente și permit
evidențierea influenței fiecărei variabile independente și interacțiunilor
dintre acestea asupra variabilei dependente.
Față de cele prezentate mai există și alte tipuri de planuri
experimentale, mai complexe. Conform lui Fraisse (1970), putem construi
planuri experimentale în pătrat latin sau planuri experimentale în pătrat
greco-latin.
Planul experimental în pătrat latin prezintă avantajul că fiecare grup
de factori este luat o singură dată. Pentru un plan factorial cu trei factori și
trei niveluri am fi avut 3x3=9 cazuri experimentale. Planul experimental în
pătrat latin pentru același număr de factori cu același număr de niveluri
constituie o variantă ameliorată, gruparea făcându-se după linii și coloane
(în total șase cazuri). Nivelurile factorului 3 sunt evidențiate cu: C1, C2, C3.
Nivelurile K1 K2 K3
factorului 1
Nivelurile
factorului 2
L1 C1 C2 C3
L2 C1 C2 C3
L3 C1 C2 C3
A D1 A D2 A D3
B D2 B D3 B D1
C D3 C D1 C D2
27
R: O X O O
R: O O X O
28
Capitolul 2. Noțiuni de prelucrarea statistică a datelor
29
Există mai multe programe specializate pentru prelucrarea statistică
a datelor. În lucrarea de față, am ales să prezentăm modalitatea de lucru
cu SPSS. Precizăm că în cazul folosirii variantei gratuite PSPP meniurile
sunt foarte asemănătoare.
Indiferent de modalitatea aleasă pentru prelucrarea statistică a
datelor, sunt necesare câteva noțiuni care să ne ajute la alegerea testului
statistic și la interpretarea rezultatelor obținute. Așa cum am ales de la
început, vom insista mai mult pe înțelegerea intuitivă a noțiunilor de bază.
30
2.1.1. Pragul de semnificație. Erori statistice
În paginile care urmează vom utiliza frecvent noțiunea de coeficient
de semnificație (în rezultatele obținute cu ajutorul programului SPSS sau
PSPP apare de regulă notat cu „sig.”). Acesta reprezintă probabilitatea ca
fenomenul studiat să se întâmple. Efectuarea unui test de semnificație,
sau, altfel spus, testarea ipotezelor, este modalitatea a verifica o
presupunere, pe care o considerăm credibilă pentru o întreagă populație,
folosind datele colectate dintr-un eșantion reprezentativ. Coeficientul de
semnificație este comparat cu un prag de semnificație stipulat de Fisher ca
fiind 0.05. Acesta reprezintă nivelul acceptat de comunitatea științifică de a
respinge sau nu ipoteza nulă. Acesta nu este nicidecum un indicator al
faptului că ipoteza de cercetare este adevărată sau falsă, precum apare
uneori interpretat. Pragul de semnificație se referă la probabilitatea de a
obține datele culese, în condiția în care ipoteza nulă este adevărată.
În opinia noastră, interpretarea pragului de semnificație și a valoarii
puterii statistice (Cohen, 1988, 1994) este mai importantă decât
interpretarea dată rezultatului, ca fiind sau nu semnificativ statistic. În lipsa
analizei puterii statistice nu vom
avea suficiente informații pentru Testarea ipotezelor statistice:
a analiza corect rezultatele
De regulă ipoteza testată este
cercetării. Puterea statistică ipoteza nulă (H0). Presupunând că
depinde de erorile de măsurare am ales pragul de semnificație
a indicatorilor. Cu cât erorile de p=0.05 întâlnim două situații:
măsurare sunt mai mari, cu atât a) Pentru un coeficient de
puterea statistică este mai mică. semnificație p ≤ 0.05 respingem
Erorile de măsurare sunt, la ipoteza nulă;
b) Pentru un coeficient de
rândul lor, dependente de
semnificație p > 0.05 acceptăm
volumul eșantionului. Cu cât ipoteza nulă.
acesta este mai mare, cu atât
erorile de măsurare sunt mai mici.
Erorile statistice pot să apară în relație cu alegerea pragului de
semnificație. De regulă, pragul de semnificație este ales ca fiind p=0.05. În
cazul în care ne dorim o predicție probabilistică mai bună, putem scădea
acest prag la valoarea p=0.001.
Eroarea de tip I presupune respingerea ipotezei nule atunci când ea
este adevarată.
31
Eroarea de tip II presupune acceptarea ipotezei nule atunci când ea
este falsă.
Frecvent, probabilitatea de a comite o eroare de tip I este
prestabilită la 0.05, în timp ce probabilitatea de a comite eroarea de tip II
tinde să fie variabilă. Autori precum Cohen (1988, 1994) propun în acest
caz o probabilitate de 0.20. Între cele două erori există o relație de
dependență, astfel încât, cu cât sunt mai mari șansele de a comite eroarea
de tip I, cu atât scad șansele pentru eroarea de tip II și invers.
33
b) Dispersia variabilei în cadrul eșantionului selectat trebuie să fie
asemănătoare cu dispersia pentru întreaga populație din care a fost extras
eșantionul.
Dacă se îndeplinesc condițiile, este de preferat utilizarea tehnicilor
parametrice (cantitative), acestea fiind mai solide și crescând șansa de a
respinge o ipoteză nulă falsă.
Pentru fiecare variabilă se obține o colecție de date în urma
măsurării acestora pentru fiecare dintre participanții selectați în eșantionul
reprezentativ. Colecțiile de date obținute se organizează într-o bază de
date.
34
Media („m” sau „M”) cea mai folosită în științele socio-umane este
media aritmetică a valorilor obținute pentru variabila analizată. Putem folosi
media doar în cazul în care datele se află cel puţin la un nivel de măsurare
de interval. Mai există și alte tipuri de medii mai rar utilizate.
Exemplu: Pentru colecția de 7 date: 1,2,2,3,4,4,5 media se obține:
M = (1+2+2+3+4+4+5)/ 7 = 3
Modul („Mo”) este valoarea cea mai des întâlnită într-o distribuție,
valoarea cu frecvența cea mai ridicată. Accentul se pune pe litera „o” nu pe
„u” ca la modul spațial. În situația în care frecvența unui scor este mult mai
mare ca frecvența celorlalte, cel mai bun indicator al tendinței centrale este
modul. În cazul variabilelor nominale modul este singurul indicator al
tendinței centrale, celelalte două nu au nici un sens.
Exemplu: Pentru colecția de date: 1,1,2,1,7,2,2,3,2,1,1,2,1,1
valoarea 1 este cea mai des întâlnită. În acest exemplu Mo = 1.
Pentru colecția de date:
1,1,2,1,2,2,1,9,2,3,2,2,3,1,1,10,1,2,2,3,5,5,4
valoarea 1 apare cu o frecvență de 7 ori și valoarea 2 cu o frecvență de 8
ori. Aceasta este o distribuție bimodală unde Mo = 8 și Mo = 7. În tabelele
cu rezultatele analizei descriptive apare semnalată o astfel de situație.
35
O altă categorie o reprezintă indicatorii de împrăștiere. Aceștia pot fi
împărțiți în indicatori elementari și indicatori sintetici. Practic, aceștia arată
cum sunt împrăștiate datele în jurul tendinței centrale.
36
Exemplu: Pentru colecția de date, ordonată crescător pentru
ușurința interpretării, următoare cu 14 scoruri (N=14):
1,1,2,3,3,3,4,4,5,6,6,6,8,9 amplitudinea A=9-1=8.
Dacă calculăm valoarea mediei:
M=(1+1+2+3+3+3+4+4+5+6+6+6+8+9)/14=4,36
putem obține valoarea amplitudinii relative: Ar=(8/4,36)*100=183,5%.
37
Dispersia este tot un indicator sintetic al împrăștierii și mai poate fi
denumit varianță. Varianţa reprezintă media pătratică a diferenţelor
valorilor individuale faţă de media aritmetică. Se notează cu „s2 ” pentru un
eșantion și cu „σ2 ” pentru populație.
38
Distingem mai multe tipuri de distribuții:
39
Simetria (skewness) poate fi negativă (distribuție asimetrică la
stânga), pozitivă (distribuție asimerică la dreapta) sau cu valoarea zero
(distribuție perfect simetrică).
Conform lui Bulmer (1979), putem aplica următoarea regulă:
- dacă valoarea simetriei este mai mică ca −1 sau mai mare ca +1,
distribuția este puternic asimetrică.
- dacă valoarea simetriei este între −1 și −½ sau între +½ și +1,
distribuția este izomoderat asimetrică.
- dacă valoarea simetriei este între −½ și +½, distribuția este
aproximativ simetrică.
Atenție!: aceasta este o interpretare a datelor din eșantion și nu se
aplică neapărat întregii populații. Problema este de a putea decide ceva
asupra populației din care face parte eșantionul. Programele de calcul
statistic raportează, pe lângă valorile statistice ale acestora (le notăm Gk
pentru kurtosis și Gs pentru skewness), o eroare standard a boltirii (o notăm
cu SEK - standard error of kurtosis) și o eroare standard a simetriei (o
notăm cu SES - standard error of skewness). Testul statistic pentru a putea
face inferențe la nivelul populației constă din determinarea raportului dintre
valoarea statistică și eroarea standard (Zg1=Gs/SEK respectiv Zg2=Gk/SEK),
formule adaptate după Cramer și Duncan (1977, pp.85-89). Interpretarea
rezultatelor la nivelul populației este:
40
2.1.7. Distribuția normală
Distribuția normală se mai numește și distribuție Gauss-Laplace și
îndeplinește simultan următoarele condiții:
1. Este unimodală;
2. Este simetrică față de medie;
3. Boltirea este normală. Nu este nici ascuțită (foarte omogenă), nici
turtită (foarte eterogenă);
4. Limitele stânga – dreapta tind către zero;
5. Este evaluată numai pentru variabile continue;
6. Indicatorii tendinței centrale au aceeași valoare (M=Me=Mo).
Cunoscând media și abaterea standard pentru o distribuție normală,
putem calcula probabilitatea de apariție a oricărei valori particulare. În
practică întîlnim rareori o asemenea distribuție, dar pot exista distribuții
care să se încadreze în limita de normalitate.
Distribuția normală are mai multe proprietăți. Teoretic, la stânga și
la dreapta mediei regăsim o infinitate de abateri standard. Totuși
semnificative sunt primele trei abateri standard spre stânga și tot atâtea
spre dreapta.
Distribuția normală îndeplinește simultan condițiile:
1. De o parte și de alta a mediei câte 50% din rezultate;
2. Între o abatere standard la stânga și una la dreapta 68.28% din
rezultate, câte 34.13% de fiecare parte și se numește zona cu rezultate
normale;
3. Între două abateri standard la stânga și două abateri standard la
dreapta 95.44% din rezultate. Zona dintre o abatere standard și două
abateri standard se numește zona rezultatelor accentuate și cuprinde
fiecare câte 13.59% din scoruri.
4. Între trei abateri standard la stânga și trei abateri standard la
dreapta 99.74% din rezultate. Zona dintre două abateri standard și trei
abateri standard se numește zona rezultatelor atipice și cuprinde fiecare
câte 2.15% din scoruri.
5. Ceea ce se regăsește în afara celor trei abateri standard
reprezintă 0.26% din scoruri și se numește zona rezultatelor aberante.
41
În toate figurile prezentate până acum am considerat că pe axa
orizontală se regăsesc scorurile (note brute), iar pe axa verticală
frecvențele cu care apar acestea în distribuție.
Nota brută la matematică (m=70, s=10) Nota brută la gramatică (m=35, s=5)
este 68 este 49
2.1.9. Ranguri
Ne vom referi la ranguri atunci când avem de a face cu variabile
neparametrice. Pentru a înțelege noțiunea de rang vom da un exemplu
practic. Distribuția va trebui în prealabil ordonată în sens crescător.
Scor 11 32 32 60 65 65 65 77 91
Poziția 1 2 3 4 5 6 7 8 9
Rangul 1 2,5 2,5 4 6 6 6 8 9
43
2.2. Introducerea datelor
Datele pot fi introduse direct în SPSS/PSPP sau într-un editor de tip
tabelar (de exemplu Microsoft Office Excel) și importate ulterior sau direct
în SPSS/PSPP. Fereastra principală are două opțiuni: [Data View] și
[Variable View]. În prima se introduc valorile variabilelor.
44
În cea de-a doua fereastră [Variable View] se definesc variabilele.
Este de preferat, în cazul variabilelor categoriale, ca acestea să fie
transformate în valori numerice.
45
Definirea corectă a variabilelor în fereastra [Variable View] denotă
respectul pentru demersul științific și ajută substanțial la raportarea
rezultatelor statistice și la formularea concluziilor. Pentru exemplificare vom
utiliza următoarele date:
47
Pentru variabilele numerice, definite astfel în caseta [Type], se va
introduce mai întâi numărul de zecimale [Decimals] după care se va
introduce valoarea [Width] ținând cont și de punctul zecimal.
48
Documentul astfel construit în SPSS/PSPP va fi salvat cu opțiunea
[File] [Save As...] în dosarul pregătit inițial pentru prelucrarea datelor.
Programul deschide automat o fereastră nouă, în care vor fi afișate
rezultatele prelucrărilor.
Fereastra de Output, care va conține rezultatele prelucrărilor
ulterioare, se poate salva ca atare cu opțiunea [Save as...], unde se va
indica calea și numele fișierului salvat. O altă opțiune este de a o salva ca
un document, urmând calea: [File] [Export ...] [Type...] pentru a
alege tipul de document [File Name:] pentru a alege calea unde va fi
salvat și denumirea [OK] pentru salvare.
Recomandăm salvarea rezultatelor în același dosar în care se află
baza de date SPSS/PSPP. Calea este indicată în fereastra de Output.
Fereastra de Output
49
2.3.1. Analiza frecvențelor
[Analyze]
[Descriptive Statistics] [Frequencies...]
50
Primul tabel ne oferă date privind numărul de participanți, datele
valide introduse, tendința centrală, împrăștierea și alte caracteristici ale
distribuției.
Statistics
Scor la testare
Valid 12
N
Missing 0
Mean 2.50
Median 2.50
a
Mode 2
Std. Deviation 1.000
Variance 1.000
Skewness .000
Std. Error of Skewness .637
Kurtosis -.764
Std. Error of Kurtosis 1.232
Range 3
Minimum 1
Maximum 4
a. Multiple modes exist. The smallest
value is shown
Scor la testare
Frequency Percent Valid Percent Cumulative
Percent
1 2 16.7 16.7 16.7
2 4 33.3 33.3 50.0
Valid 3 4 33.3 33.3 83.3
4 2 16.7 16.7 100.0
Total 12 100.0 100.0
51
În prima coloană sunt valorile pe care le ia variabila Scor la testare
din distribuția analizată. În coloana a doua apar procentele absolute ale
scorurilor. Urmează procentele valide și procentele cumulate.
Rezultatele sunt reprezentate grafic sub forma unei histograme în
care este indicată, pentru comparație, forma curbei normale.
52
2.3.2. Analiza descriptivă
[Analyze]
[Descriptive Statistics] [Descriptives...]
Descriptive Statistics
N Range Minimum Maximum Mean Std. Variance Skewness Kurtosis
Deviation
Statistic Statistic Statistic Statistic Statistic Std. Statistic Statistic Statistic Std. Statistic Std.
Error Error Error
Genul 12 1 1 2 1.58 .149 .515 .265 -.388 .637 -2.263 1.232
Scor la
12 3 1 4 2.50 .289 1.000 1.000 .000 .637 -.764 1.232
testare
Valid N
12
(listwise)
53
2.3.3. Analiza Box-Plot și testul de normalitate
Pentru a identifica valorile aberante și pentru a verifica normalitatea
distribuției în cazul variabilelor tip scală vom proceda la următorii pași:
[Analyze]
[Descriptive Statistics] [Explore...]
a
Case Summaries
Id participant Genul Scor la testare
1 Costel Masculin 122,30
2 Maricica Feminin 99,40
3 Gigel Masculin 77,00
4 Ioana Feminin 102,00
5 Alina Feminin 99,80
6 Andrei Masculin 89,00
7 George Masculin 100,00
8 Maria Feminin 85,20
9 Mihaela Feminin 112,60
10 Mirela Feminin 93,50
11 Gina Feminin 75,00
12 Mihai Masculin 84,50
Total N 12 12 12
a. Limited to first 100 cases.
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
*
Scor la testare ,142 12 ,200 ,962 12 ,808
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
2,00 7 . 57
3,00 8 . 459
3,00 9 . 399
2,00 10 . 02
1,00 11 . 2
1,00 12 . 2
55
În engleză stem înseamnă tijă (trunchi) și leaf înseamnă frunze. În
tabel stem este asociat cu cifra zecilor iar leaf cu cea a unităților. Nu sunt
luate în considerare zecimalele.
Observăm că avem două cazuri cu scoruri în intervalul 70 - 79, unul
cu valoarea 75 și unul cu valoarea 77, trei cazuri cu scoruri în intervalul 80-
89, valorile 84, 85 și 89, trei cazuri cu scoruri între 90-99 și anume 93, 99 și
99. Pentru intervalul 100-109 avem două scoruri, adică 100 și 102, iar
pentru intervalul 110-119 un scor, valoarea de 112. Pentru intervalul 120-
129 avem un scor 122.
56
Graficul „Detrended Normal Q-Q Plot” compară distribuția Z cu
distribuția obținută pentru variabila analizată.
Graficul Box-Plot nu indică valori aberante.
57
Cutia din grafic are baza în dreptul primei cuartile (Q1) și partea
superioară în dreptul quartilei a treia (Q3). Linia din mijloc este mediana
(Me) cu aceeași valoare precum cuartila a doua (Q2). Distanța dintre Q3 și
Q1 se notează cu H. Mustățile care pornesc din cutie au o lungime de
1.5H. Între limitele Q1 și Q3 se regăsesc valorile normale. Mustățile
delimitează scorurile adiacente. Valorile care depășesc mustățile sunt
valori aberante și vor fi tratate separat.
Dăm spre exemplu un grafic Box-Plot cu scoruri aberante.
58
cazul de față participantul cu numărul 16 și 88. În acest caz ne uităm în
fereastra principală [Data View] și identificăm participanții de la pozițiile
respective. Prima dată comparăm scorurile din baza de date cu cele
colectate în timpul cercetării. Dacă sunt greșit introduse, le corectăm și
reluăm analiza de la început. Dacă sunt corect introduse, putem lua decizia
de a le păstra, admițând că acestea sunt importante pentru cercetare. În
acest caz, ne asumăm faptul de a utiliza mai departe teste neparametrice.
Altă decizie este să eliminăm aceste scoruri din cercetare, admițând că
sunt erori datorate designului cercetării sau participantului în cauză. Dacă
totuși nu le considerăm erori și luăm decizia eliminării lor din cercetare, ele
vor fi tratate separat într-un capitol special sau într-o cercetare ulterioară.
Atenție! În cazul eliminării scorurilor aberante, operațiunea se va
efectua începând cu poziția cea mai înaltă. În cazul prezentat eliminăm
întâi linia corespunzătoare poziției 88, după care cea corespunzătoare
poziției 16. Eliminarea se face dând <click buton stânga mouse> pe cifra
care indică poziția, urmat de <click buton dreapta mouse> și selectăm
opțiunea <Cut...>.
Este posibil ca în urma eliminării acestor valori să se verifice testul
de normalitate pentru distribuția rămasă.
59
2.4.1. Corelații sau asocieri între variabile
Decizia privind testul statistic ce va fi utilizat se va lua conform
tabelului de mai jos, în funcție de caracteristicile distribuțiilor analizate:
[Graphs]
[Legacy Dialogs] [Scatter/Dot] [Simple Scatter] [Define]
60
Lipsa corelației sau corelație slabă Există o corelație
61
Corelație pozitivă până la un punct după Lipsa corelației liniare dar totuși există
care negativă. Se analizeaza corelațiile un alt tip de corelație. Se analizează
parțiale. curba de corelație sau aproximează prin
corelații parțiale
[Analyze]
[Correlate] [Bivariate...]
63
Dacă ipoteza testată a fost formulată non-direcțional, atunci se
bifează opțiunea Two_tailed. Dacă ipoteza este direcțională, se bifează
opțiunea One_tailed.
Exemple:
Ipoteză direcțională: „Există corelații pozitive/negative (ambele cresc sau
scad/una crește și una scade) între variabila 1 și variabila 2.”
Ipoteză non-direcțională: „Există corelații între variabila 1 și variabila 2.”
Correlations
Variabila 1 Variabila 2
**
Pearson Correlation 1 ,789
Variabila 1 Sig. (2-tailed) ,000
N 100 100
**
Pearson Correlation ,789 1
Variabila 2 Sig. (2-tailed) ,000
N 100 100
**. Correlation is significant at the 0.01 level (2-tailed).
64
În celula A3 introducem numărul de participanți (N).
În celula B3 introducem coeficientul de corelație Pearson (r).
În celula C3 introducem intervalul de încredere (de regulă 95).
În celula D3 introducem funcția: =(EXP(2*G3)-1)/EXP(2*G3)+1)
În celula E3 introducem funcția: =(EXP(2*H3)-1)/EXP(2*H3)+1)
În celula F3 introducem funcția: =0.5*LN((1+B3)/(1-B3))
În celula G3 introducem funcția: =F3+NORMSINV((100-
C3)/100/2)/SQRT(B3-3)
În celula H3 introducem funcția: =F3-NORMSINV((100-
C3)/100/2)/SQRT(B3-3)
Ne vom asigura în prealabil că formatul liniei este de tip numeric
(Number).
În următorul exemplu observăm că deși am putea spune că avem o
corelație semnificativă (r=0.44), intervalul de încredere are valoarea minimă
negativă și cea maximă pozitivă, ceea ce ne duce la concluzia că nu există
corelații între variabilele analizate.
65
semn. În exemplul nostru, coeficientul de corelație r=0.44 devine
semnificativ de la un număr de 21 de partricipanți în sus.
Raportarea rezultatului:
Datele obținute cu privire la „variabila 1” pe un eșantion format din N
participanți au relevat o corelație semnificativă/nesemnificativă cu cele
obținute pentru „variabila 2” (r=..., p=...).
Opțional se poate trece și intervalul de încredere.
Exemple:
„Datele obținute la testul de anxietate pe un eșantion de 10
participanți au relevat o corelație nesemnificativă cu cele obținute la testul
de autoeficacitate (r=0.44, p=0.78).”
„Datele obținute la testul de anxietate pe un eșantion de 21 de
participanți au relevat o corelație semnificativă cu cele obținute la testul de
autoeficacitate (r=0.44, p=0.002, 95% CI: 0.01-0.73).”
[Analyze]
[Correlate] [Bivariate...]
Correlations
Variabila 1 Variabila 5
**
Correlation Coefficient 1,000 ,590
Variabila 1 Sig. (2-tailed) . ,003
N 15 15
Kendall's tau_b **
Correlation Coefficient ,590 1,000
Variabila 5 Sig. (2-tailed) ,003 .
N 15 15
**. Correlation is significant at the 0.01 level (2-tailed).
[Analyze]
[Correlate] [Bivariate...]
Correlations
Variabila 1 Variabila 5
**
Correlation Coefficient 1,000 ,721
Variabila 1 Sig. (2-tailed) . ,002
N 15 15
Spearman's rho **
Correlation Coefficient ,721 1,000
Variabila 5 Sig. (2-tailed) ,002 .
N 15 15
**. Correlation is significant at the 0.01 level (2-tailed).
Raportarea rezultatului:
Datele obținute cu privire la „variabila 1” pe un eșantion format din N
participanți au relevat o asociere semnificativă/nesemnificativă, între
ranguri, cu cele obținute pentru „variabila 2” (rs=..., p=...).
Atât pentru testul statistic Kendall, cât și pentru Spearman, este
suficientă și următoarea modalitate de raportare:
68
„Între rangurile „variabila 1” și cele ale „variabila 2” există o asociere
semnificativă/nesemnificativă (p=...).”.
[Analyze]
[Descriptive Statistics] [Crosstabs...]
Chi-Square Tests
Value df Asymp. Sig. (2-
sided)
a
Pearson Chi-Square 2,679 3 ,444
Likelihood Ratio 3,448 3 ,328
Linear-by-Linear
,891 1 ,345
Association
N of Valid Cases 15
a. 8 cells (100,0%) have expected count less than 5. The
minimum expected count is ,93.
70
În acest tabel ne interesează valoarea coeficientului Pearson Chi-
Square și mai ales coeficientul de semnificație, care în acest caz este
p=0.444. Fiind mai mare ca pragul de semnificație de 0,05, conchidem
reținerea ipotezei nul.
Raportarea rezultatului:
Dacă rezultatul testului ar fi fost semnificativ statistic (de ex.:
p=0.044), am fi raportat pentru fiecare coloană în parte:
„Cercetarea efectuată pe un număr de 15 participanți confirmă o
frecvență mai mare a rezultatelor slabe la cei de gen masculin, în
comparație cu cei de gen feminin (χ2=2.679, df=3, p=0.044). Astfel, 42,9%
dintre participanții de gen masculin au înregistrat rezultate slabe față de
25,0% în cazul celor de gen feminin.”
71
Symmetric Measures
Value Approx. Sig.
Phi ,423 ,444
Nominal by Nominal
Cramer's V ,423 ,444
N of Valid Cases 15
a. Not assuming the null hypothesis.
b. Using the asymptotic standard error assuming the null
hypothesis.
72
După introducerea datelor se urmează pașii:
[Analyze]
[Descriptive Statistics] [Crosstabs...]
73
Chi-Square Tests
Value df Asymp. Sig. Exact Sig. Exact Sig. Point
(2-sided) (2-sided) (1-sided) Probability
a
Pearson Chi-Square ,268 1 ,605 1,000 ,554
Continuity
b ,000 1 1,000
Correction
Likelihood Ratio ,273 1 ,601 1,000 ,554
Fisher's Exact Test 1,000 ,554
Linear-by-Linear c
,250 1 ,617 1,000 ,554 ,431
Association
N of Valid Cases 15
a. 2 cells (50,0%) have expected count less than 5. The minimum expected count is 1,40.
b. Computed only for a 2x2 table
c. The standardized statistic is -,500.
În acest tabel urmărim linia din dreptul lui Fischer’ Exact Test și
observăm dacă valoarea coeficientului de semnificație la nivel bidirecțional
este egală cu 1,000, iar la nivel unidirecțional este egală cu 0,554. În
ambele cazuri este peste limita pragului de semnificație de 0,05.
Alegem valoarea pragului de semnificație bidirecțional atunci când
ipoteza este formulată fără a indica un sens, iar cea unidirecțională în cazul
în care am anticipat sensul asocierii.
Raportarea rezultatului:
În cazul prezentat: „Între participanții de gen masculin și cei de gen feminin
nu există diferențe privind reacția la stimul. Probabilitatea bidirecțională
exactă Fischer p=0.554.”.
74
Desigur că și pentru acest test se recomandă analiza semnificației
statistice a rezultatului, într-un mod similar cu cel folosit la testul Chi-Pătrat.
75
2.4.2.1. Testul t pentru eșantioane independente
[Analyze]
[Compare Means] [Independent-Samples T Test...]
76
Apăsăm butonul [Continue], după care butonul [OK]. În fereastra
Output obținem rezultatele testului.
Salvăm rezultatele urmând calea: [File] [Export ...] [Type...]
pentru a alege tipul de document [File Name:] pentru a alege calea
unde va fi salvat și denumirea [OK] pentru salvare.
Group Statistics
Gen N Mean Std. Deviation Std. Error Mean
Masculin 44 155,30 22,304 3,362
V1
Feminin 56 152,84 20,265 2,708
77
Independent Samples Test
Levene's Test t-test for Equality of Means
for Equality of
Variances
F Sig. t df Sig. Mean Std. Error 95%
(2- Difference Difference Confidence
tailed) Interval of the
Difference
Lower Upper
Equal
variances ,463 ,498 ,576 98 ,566 2,456 4,268 -6,013 10,925
assumed
V 1 Equal
variances
,569 87,946 ,571 2,456 4,317 -6,124 11,036
not
assumed
Varianțele celor două distribuții sunt Varianțele celor două distribuții sunt
comparabile (aproape egale). Se reține diferite. Se respinge ipoteza nulă
ipoteza nulă (Levene). (Levene).
- Equal variances assumed - - Equal variances not assumed -
78
În cazul în care p<0.05, se interpretau rezultatele de pe rândul de jos
(Equal variances not assumed).
Testul t verifică dacă există diferențe între mediile celor două
eșantioane (distribuții). În acest caz, ipoteza nulă este că: „Între cele două
distribuții nu există diferențe semnificative între medii.”. În cazul prezentat,
coeficientul de semnificație p=0.566 > 0.05 (pragul de semnificație ales).
Putem conchide că reținem ipoteza nulă. Dacă ne uităm la intervalul de
încredere, acesta ne spune că diferența între mediile a două eșantioane
extrase din populație poate fi de minim -6.013 și +10.925. Acest lucru
indică că există probabilitatea ca diferența dintre medii să aibă inclusiv
valoarea 0, deci, practic, să nu existe diferențe între medii. Este încă un
argument pentru a reține ipoteza nulă.
Dacă am fi avut un coeficient de semnificație al testului t p<0.05, iar
valorile intervalului de încredere minimă și maximă ar fi avut același semn,
am fi putut respinge ipoteza nulă, iar raportarea rezultatului ar fi arătat ca
mai jos.
Raportarea rezultatului:
„Între media scorurilor obținute la ... de către participanții ... (m=m1,
s=s1) și cele obținute de către participanții ... (m=m2, s=s2) sunt diferențe
semnificative (t=..., df=..., p=...).”.
sau altfel:
„Scorurile obținute de participanții ... (m=m1, s=s1) la testarea ...
sunt semnificativ mai mari/mai mici (t=..., df=..., p=...) decât cele obținute de
către participanții ... (m=m2, s=s2).”.
79
2.4.2.2. Testul z pentru două proporții
[Analyze]
[Descriptive Statistics] [Crosstabs...]
Chi-Square Tests
Value df Asymp. Sig. (2- Exact Sig. (2- Exact Sig. (1-
sided) sided) sided)
a
Pearson Chi-Square 161,596 1 ,000
b
Continuity Correction 158,855 1 ,000
Likelihood Ratio 175,003 1 ,000
Fisher's Exact Test ,000 ,000
Linear-by-Linear
161,142 1 ,000
Association
c
McNemar Test ,004
N of Valid Cases 356
a. 0 cells (0,0%) have expected count less than 5. The minimum expected count is
65,29.
b. Computed only for a 2x2 table
c. Binomial distribution used.
În exemplul dat, valoarea critică a lui zcritic = 1,96, deci mai mic decât
valoarea calculată a lui zcalculat = 12,71. Conchidem că putem respinge
ipoteza nulă.
Raportarea rezultatului:
„Proporția participanților de gen masculin din categoria 2 este
semnificativ mai mare decât cea a participanților de gen feminin din
aceeași categorie.”.
81
Pentru a completa raportarea ne vom uita în tabelul următor:
Symmetric Measures
Value Approx. Sig.
Phi -,674 ,000
Nominal by Nominal
Cramer's V ,674 ,000
N of Valid Cases 356
a. Not assuming the null hypothesis.
b. Using the asymptotic standard error assuming the null
hypothesis.
82
2.4.2.3. Testul Mann-Whitney U
[Analyze]
[Nonparametric Tests]
[Legacy Dialogs...] [2 Independent Samples]
Ranks
Profil liceu N Mean Rank Sum of Ranks
uman 10 7,85 78,50
Autoeficacitatea real 12 14,54 174,50
Total 22
a
Test Statistics
Autoeficacitatea
Mann-Whitney U 23,500
Wilcoxon W 78,500
Z -2,414
Asymp. Sig. (2-tailed) ,016
b
Exact Sig. [2*(1-tailed Sig.)] ,014
a. Grouping Variable: Profil liceu
b. Not corrected for ties.
83
Raportarea rezultatului (folosind exemplul dat):
„În urma aplicării testului Mann-Whitney U am constatat că scorurile
autoeficacității al elevilor de la licee cu profil real sunt semnificativ mai mari
ca cele ale elevilor de la licee cu profil uman (U=23.5, N1=10, N2=12, p
bidirecțional = 0.016).”
84
Se urmează pașii de mai jos:
[Analyze]
[Compare Means] [Paired-Samples T Test...]
85
Paired Samples Test
Paired Differences t df Sig. (2-
Mean Std. Std. Error 95% Confidence tailed)
Deviation Mean Interval of the
Difference
Lower Upper
Scor initial -
Pair
Scor după trei -1,500 2,138 ,756 -3,287 ,287 -1,984 7 ,088
1
luni
Raportarea rezultatului:
„Scorurile la testarea după trei luni a participanților (m=..., s=...)
diferă/nu diferă semnificativ (t=..., df=..., p=...) de cele de la testarea inițială
(m=..., s=...).”
unde: m=media, s=abaterea standard, t=valoarea testului, df=numărul
gradelor de libertate și p=coeficientul de semnificație.
86
2.4.2.5. Testul semnului
[Analyze]
[Nonparametric Tests]
[Legacy Dialogs...] [2 Related Samples]
Frequencies
N
a
Negative Differences 2
b
Positive Differences 10
Variabila 8 - Variabila 7 c
Ties 3
Total 15
a. Variabila 8 < Variabila 7
b. Variabila 8 > Variabila 7
c. Variabila 8 = Variabila 7
87
a
Test Statistics
Variabila 8 -
Variabila 7
b
Exact Sig. (2-tailed) ,039
a. Sign Test
b. Binomial distribution used.
Raportarea rezultatului:
„În urma aplicării testului semnului am constatat că participanții din
categoria 1 au obținut scoruri semnificativ diferite statistic la proba de ...
față de cei din categoria a doua (p<0.039).”.
[Data]
[Split file...]
88
Aplicăm testul statistic.
[Analyze]
[Nonparametric Tests]
[Legacy Dialogs...] [2 Related Samples]
Ranks
Genul N Mean Rank Sum of Ranks
a
Negative Ranks 2 1,50 3,00
b
Positive Ranks 8 6,50 52,00
masculin Posttest - Pretest c
Ties 0
Total 10
a
Negative Ranks 2 3,00 6,00
b
Positive Ranks 6 5,00 30,00
feminin Posttest - Pretest c
Ties 0
Total 8
a. Posttest < Pretest
b. Posttest > Pretest
c. Posttest = Pretest
89
a
Test Statistics
Genul Posttest -
Pretest
b
Z -2,499
masculin
Asymp. Sig. (2-tailed) ,012
b
Z -1,680
feminin
Asymp. Sig. (2-tailed) ,093
a. Wilcoxon Signed Ranks Test
b. Based on negative ranks.
[Analyze]
[Compare Means] [One-Way ANOVA ...]
Descriptives
Sensul coerentei
N Mean Std. Std. 95% Confidence Minimum Maximum
Deviation Error Interval for Mean
Lower Upper
Bound Bound
scazută 10 44,70 11,954 3,780 36,15 53,25 24 63
medie 10 32,10 5,666 1,792 28,05 36,15 24 42
ridicată 10 31,20 3,521 1,114 28,68 33,72 27 36
Total 30 36,00 9,872 1,802 32,31 39,69 24 63
91
ANOVA
Sensul coerentei
Sum of df Mean Square F Sig.
Squares
Between Groups 1139,400 2 569,700 9,120 ,001
Within Groups 1686,600 27 62,467
Total 2826,000 29
Multiple Comparisons
Dependent Variable: Sensul coerentei
(I) (J) Mean Std. Sig. 95% Confidence
Autoeficacitatea Autoeficacitatea Difference Error Interval
(I-J) Lower Upper
Bound Bound
*
medie 12,600 3,535 ,004 3,58 21,62
scăzută *
ridicată 13,500 3,535 ,002 4,48 22,52
*
scăzută -12,600 3,535 ,004 -21,62 -3,58
Bonferroni medie
ridicată ,900 3,535 1,000 -8,12 9,92
*
scăzută -13,500 3,535 ,002 -22,52 -4,48
ridicată
medie -,900 3,535 1,000 -9,92 8,12
*
medie 12,600 4,183 ,030 1,13 24,07
scăzută *
ridicată 13,500 3,941 ,018 2,34 24,66
*
scăzută -12,600 4,183 ,030 -24,07 -1,13
Tamhane medie
ridicată ,900 2,110 ,966 -4,76 6,56
*
scăzută -13,500 3,941 ,018 -24,66 -2,34
ridicată
medie -,900 2,110 ,966 -6,56 4,76
*. The mean difference is significant at the 0.05 level.
92
Observăm că avem diferențe semnificative între medii, între
grupurile cu autoeficacitate scăzută și medie, sau scăzută și ridicată. Nu
avem diferențe între grupurile cu autoeficacitate medie și ridicată. De altfel,
se observă această tendință și în reprezentarea grafică.
Și pentru acest test intervalul de încredere de 95% trebuie să
conțină doar limite pozitive sau doar limite negative pentru ca ipoteza nulă
să fie respinsă.
Raportarea se va completa cu indicatorii mărimii efectului și ai
puterii statistice.
Raportarea rezultatului:
„În urma analizei de varianță unifactorială am constatat diferențe
semnificative (p=0.030) între scorurile sensului coerenței (m=44.70,
s=11.954) pentru cazurile cu autoeficacitate scăzută față de cele ale
sensului coerenței (m=32.10, s=5,666) în cazul autoeficacității medii. Am
constatat diferențe semnificative (p=0.018) între scorurile sensului
coerenței (m=44.70, s=11.954) pentru cazurile cu autoeficacitate scăzută,
față de cele ale sensului coerenței (m=31.20, s=3,521) în cazul
autoeficacității ridicate. Între scorurile sensului coerenței pentru cazurile cu
autoeficacitate medie și ridicată nu am constatat diferențe semnificative.”.
93
2.4.2.8. Testul Kruskal-Wallis
[Analyze]
[Nonparametric Tests]
[Legacy Dialogs...] [K-Independent Samples]
Ranks
mediu familial N Mean Rank
familie biparentală 5 12,20
familie monoparentală 5 8,30
incredere in sine
orfelinat 5 3,50
Total 15
94
a,b
Test Statistics
incredere in
sine
Chi-Square 9,615
df 2
Asymp. Sig. ,008
a. Kruskal Wallis Test
b. Grouping Variable: mediu
familial
Raportarea rezultatului:
„Există diferențe semnificative privind încrederea în sine (variabila
dependentă) a copiilor proveniți din medii familiale diferite (variabila
independentă) (χ2=9.615, df=2, p=0.008).”.
[Analyze]
[General Linear Model] [Repeated Measures ...]
95
Descriptive Statistics
Mean Std. Deviation N
efect de accentuare 18,75 2,491 12
grup de control 17,00 2,174 12
efect de reducere 15,00 2,374 12
a
Mauchly's Test of Sphericity
Measure: MEASURE_1
b
Within Mauchly's Approx. df Sig. Epsilon
Subjects W Chi- Greenhouse- Huynh- Lower-
Effect Square Geisser Feldt bound
factor1 ,879 1,291 2 ,524 ,892 1,000 ,500
Tests the null hypothesis that the error covariance matrix of the orthonormalized
transformed dependent variables is proportional to an identity matrix.
a. Design: Intercept
Within Subjects Design: factor1
b. May be used to adjust the degrees of freedom for the averaged tests of
significance. Corrected tests are displayed in the Tests of Within-Subjects Effects
table.
Raportarea rezultatului:
„Testul de sfericitate indică că asumpția de asumare a sfericității nu
este încălcată χ2(2) = 1.291, p = .524.”
Următorul tabel indică semnificația raportului F. Dacă p<0,05 atunci
există, per ansamblu, o diferență semnificativă între scorurile medii la
măsurătorile repetate. Pentru a determina între ce grupuri de măsurători
diferențele sunt semnificative, se aplică testul t pentru eșantioane pereche,
pe combinații de câte două grupuri de măsurători. Deoarece se efectuează
mai multe teste t, fiecare probabilitate obținută (coeficient de semnificație)
trebuie înmulțită cu numărul de teste t efectuat. Procedura este cunoscută
sub numele de corecția Bonferroni.
96
Tests of Within-Subjects Effects
Measure: MEASURE_1
Source Type III df Mean F Sig. Partial Eta
Sum of Square Squared
Squares
Sphericity
84,500 2 42,250 37,430 ,000 ,773
Assumed
Greenhouse-
factor1 84,500 1,784 47,367 37,430 ,000 ,773
Geisser
Huynh-Feldt 84,500 2,000 42,250 37,430 ,000 ,773
Lower-bound 84,500 1,000 84,500 37,430 ,000 ,773
Sphericity
24,833 22 1,129
Assumed
Greenhouse-
Error(factor1)Geisser 24,833 19,623 1,266
Huynh-Feldt 24,833 22,000 1,129
Lower-bound 24,833 11,000 2,258
Raportarea rezultatului:
„O analiză de varianță unidimensională cu scoruri corelate a indicat
un efect semnificativ al intervenției în cele trei condiții de evaluare
(F2,22=37.43, p=0.001). Media pentru efectul de accentuare (condiția 1) a
fost de 18.75, media pentru grupul de control a fost de 17.00, iar media
pentru efectul de reducere (condiția 3) a fost de 15.00.”.
Raportarea se completează cu rezultatele testelor t efectuate pe
perechi de câte două condiții.
97
2.4.2.10. Testul Friedman
[Analyze]
[Nonparametric Tests]
[Legacy Dialogs...] [K-Related Samples]
a
Test Statistics
N 11
Chi-Square 25,528
df 3
Asymp. Sig. ,000
a. Friedman Test
Raportarea rezultatului:
„Există diferențe semnificative statistic între măsurătorile repetate
ale ... (constructul măsurat) (χ2=25.528, df=3, p=0.001).”.
98
2.5. Alte analize statistice
Testele statistice prezentate sunt suficiente în cele mai multe cazuri
pentru a surprinde relații sau comparații. Pentru situațiile practice sunt
necesare uneori analize suplimentare pentru a ajunge la o concluzie cât
mai apropiată de realitate. Am ales câteva procedee care pot fi utilizate în
acest scop. În literatura de specialitate sunt prezentate mult mai multe teste
statistice care pot fi utilizate pentru a obține rezultate mai rafinate. Cu titlu
informativ, prezentăm câteva dintre ele. Atunci când cercetătorul dorește să
controleze sau să facă ajustări variabilelor independente care corelează cu
cea dependentă, înainte de a compara mediile pentru aceasta, se poate
utiliza analiza de covarianță ANCOVA. Când se dorește analiza mai multor
variabile dependente concomitent, se poate apela la analiza de varianță
multivariată MANOVA. Pentru selectarea predictorilor, dintre mai multe
variabile independente, unei variabile dependente, se poate utiliza regresia
multiplă pas cu pas. În cazul corelațiilor dintre două variabile, în condițiile
existenței unei variabile intermediare, putem apela la analiza de corelație
parțială. Pentru a identifica variabilele care disting la nivel colectiv cazurile
ce aparțin diferitelor categorii ale unei variabile nominale sau categorială,
se poate utiliza regresia logistică multinominală.
99
[Analyze]
[Descriptive Statistics] [Descriptives...]
[Transform]
[Compute Variable...]
100
În fereastra de dialog se tastează în câmpul <Target Variable:>
numele intern ales pentru nota standard nouă. Numele intern apare între
parantezele pătrate. În câmpul <Numeric Expression:> se introduce
formula de transformare. Pentru a finaliza, se selectează butonul [OK] și
încă o dată [OK].
[Analyze]
[Regression] [Linear...]
a
Coefficients
Model Unstandardized Standardized t Sig. 95,0%
Coefficients Coefficients Confidence
Interval for B
B Std. Error Beta Lower Upper
Bound Bound
1(Constant) 19,477 ,471 41,370 ,000 18,460 20,494
Variabila 1 -1,057 ,049 -,986 -21,625 ,000 -1,163 -,952
a. Dependent Variable: Variabila 2
[Graphs]
[Legacy Dialogs] [Scatter/Dots...]
104
[Analyze]
[Dimension Reduction] [Factor...]
105
Descriptive Statistics
Mean Std. Deviation Analysis N
1Testare 2,00 ,673 334
2Testare 2,30 ,679 334
3Testare 1,62 ,851 334
4Testare 2,69 ,590 334
5Testare 1,87 ,818 334
6Testare 2,35 ,614 334
7Testare 2,06 ,670 334
8Testare 2,34 ,782 334
9Testare 2,05 ,756 334
10Testare 1,90 ,768 334
11Testare 1,85 ,853 334
12Testare 2,35 ,680 334
13Testare 2,55 ,659 334
14Testare 1,68 ,872 334
15Testare 2,24 ,628 334
106
1 atunci avem de a face cu un model factorial incorect, datorat unui volum
prea mic al eșantionului sau unui număr inadecvat de factori. Putem reface
analiza modificând numărul de factori (opțiunea Number of factor din
fereastra de dialog [Extraction...]).
Communalities
Initial Extraction
1Testare ,244 ,257
2Testare ,270 ,318
3Testare ,346 ,466
4Testare ,254 ,374
5Testare ,297 ,398
6Testare ,469 ,638
7Testare ,209 ,233
8Testare ,309 ,492
9Testare ,135 ,185
10Testare ,290 ,377
11Testare ,378 ,420
12Testare ,365 ,455
13Testare ,395 ,573
14Testare ,482 ,707
15Testare ,241 ,267
Extraction Method: Principal Axis
Factoring.
107
Total Variance Explained
Factor Initial Eigenvalues Extraction Sums of Rotation Sums of Squared
Squared Loadings Loadings
Total % of Cumulative Total % of Cumulative Total % of Cumulative
Variance % Variance % Variance %
1 3,971 26,474 26,474 3,401 22,677 22,677 2,146 14,305 14,305
2 2,105 14,035 40,509 1,628 10,851 33,527 1,790 11,932 26,238
3 1,244 8,293 48,802 ,629 4,191 37,719 1,262 8,410 34,648
4 1,061 7,076 55,878 ,503 3,351 41,070 ,963 6,422 41,070
5 ,838 5,587 61,465
6 ,836 5,570 67,036
7 ,798 5,318 72,354
8 ,702 4,682 77,036
9 ,611 4,076 81,112
10 ,568 3,788 84,900
11 ,537 3,579 88,479
12 ,510 3,398 91,878
13 ,454 3,025 94,902
14 ,413 2,755 97,657
15 ,351 2,343 100,000
Extraction Method: Principal Axis Factoring.
Tabelul este explicat sub formă grafică. Se pot observa primii factori
care ating criteriul.
108
Înainte de rotație, itemii erau încărcați în factori după cum urmează:
a
Factor Matrix
Factor
1 2 3 4
6Testare ,695 -,273 ,123 -,256
13Testare ,645 -,283 ,277
12Testare ,567 -,320 -,161
8Testare ,523 -,348 -,313
10Testare ,515 ,328
2Testare ,508 -,145 ,189
15Testare ,476 -,184
1Testare ,453 -,215
4Testare ,450 -,405
7Testare ,441 -,140 ,113
5Testare ,439 ,294 ,344
9Testare ,292 ,254 ,182
14Testare ,320 ,777
11Testare ,298 ,568
3Testare ,296 ,561 -,239
Extraction Method: Principal Axis Factoring.
a. 4 factors extracted. 12 iterations required.
a
Rotated Factor Matrix
Factor
1 2 3 4
6Testare ,766 ,159 ,148
12Testare ,634 ,167 ,148
2Testare ,491 ,255
8Testare ,464 ,197 ,435 -,220
15Testare ,446 ,161 ,206
1Testare ,367 ,263 ,225
7Testare ,326 ,188 ,301
14Testare ,822 ,145
3Testare ,119 ,670
11Testare ,599 ,192 ,135
5Testare ,250 ,453 ,355
13Testare ,253 ,126 ,631 ,309
4Testare ,184 ,575
10Testare ,195 ,139 ,304 ,477
9Testare ,185 ,386
Extraction Method: Principal Axis Factoring.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 7 iterations.
109
Atunci când o variabilă are încărcare aproximativ egală pentru doi
sau mai mulți factori, aceasta nu va fi inclusă în niciunul dintre ei. În
exemplul nostru, variabila 7Testare nu va fi inclusă în niciun factor.
Denumirea fiecărui factor se va stabili analizând semnificația
psihologică a fiecărui item din componența sa, mai ales cei cu încărcare
semnificativă.
Raportarea rezultatului:
Analiza factorială este o modalitate de descriere a structurii
variabilelor și nu o analiză inferențială. Se vor raporta informațiile cuprinse
în analiza descriptivă, analiza corelației și cele evidențiate mai sus.
Validitatea soluției factoriale finale (după rotație) este dată de posibilitatea
de a interpreta rezultatele ca un model explicativ care are sens din punct
de vedere psihologic.
113
2.6.2. Mărimea efectului
Testul de semnificație, adică pragul la care respingem ipoteza nulă (H0),
răspunde la întrebarea „există o relație sau o diferență semnificativă?”.
Mărimea efectului ne arată în schimb „cât de mare este această
corelație/asociere sau diferență”. Pragul de semnificație statistică indică
doar că există o probabilitate de a obține datele observate în cazul în care
ipoteza nulă este adevarată. Nu ne sunt, însă, oferite și informații cu privire
la importanța practică a cercetării.
Indicatorii privind mărimea efectului pot fi împărțiți în două categorii:
indici bazați pe o diferență standardizată dintre medii, respectiv d al lui
Cohen, Δ (delta) al lui Gauss sau g al lui Hedges, și indici bazați pe
procentul de dispersie explicată, adică r, r², η² (eta), ω² (omega) etc. Între
acești indici există relații de transformare dintr-unul în altul. Cei mai utilizați
sunt d (Cohen) și r (Pearson).
114
1. Fie efectul a apărut din 1. Concluzionați cu încredere că
întâmplare, fie rezultatul efectul este semnificativ atât statistic,
nesemnificativ statistic se datorează cât și practic.
Mare eșantionului redus de subiecți.
Creșteți puterea cercetării.
2. Risc crescut de a comite eroarea
de tip II.
115
În urma aplicării testelor statistice putem utiliza programul pentru a
calcula puterea statistică și mărimea efectului pentru cercetare.
Aplicația poate estima, după aplicarea testului statistic, puterea
statistică și mărimea efectului. Se introduc datele corespunzătoare în
câmpurile din ferestrele de dialog deschise în urma selectării testului pentru
care s-au obținut rezultatele.
116
După accesarea butonului [Calculează] se va deschide o fereastră
în care se specifică calea unde vor fi salvate rezultatele și numele
documentului.
Vom exemplifica interpretarea datelor pentru două situații:
117
Testul t
t df p
2.65 552 0.008
119
Capitolul 3. Noțiuni de psihometrie
121
- validitatea – calitatea unei probe de a măsura exact ceea ce-și
propune să măsoare.
Pentru a realiza o probă care să respecte aceste deziderate, itemii
trebuie construiți și verificați cu multă atenție și responsabilitate. Proba
trebuie, pe de altă parte, să aibă și o utilitate practică. Aceasta trebuie să
poată fi aplicată, iar rezultatele să fie integrate cu alte informații, pentru a
descrie cât mai corect starea psihică a unui individ. Conform lui Rizeanu
(2014, p. 60) „Testarea psihologică constituie procesul de administrare,
cotare și interpretare ale rezultatelor unui test psihologic și are un câmp
mult mai îngust, deoarece include doar testul psihologic ca instrument de
evaluare”.
122
3. Se identifică comportamentele specifice constructului și se caută
constructe asemănătoare, care pot genera comportamente asemănătoare.
4. Se definesc comportamentele și se caută formulări pentru itemi
care să fie cât mai specifice comportamentului.
5. Itemii trebuie să fie clar formulați, ținând cont de diferențele
culturale care pot să apară în interiorul populației pentru care va fi
elaborată proba. Se vor utiliza formulări general valabile, evitându-se
regionalisme, jargoane, termeni foarte academici etc.
6. Se recurge la o consultare cu alți specialiști pentru a stabili
formulările optime și itemii păstrați în cercetare.
7. În primele faze ale cercetării se include în final un item care
interoghează participanții asupra gradului de înțelegere a sensului.
„Care itemi vi s-au părut mai greu de înțeles, cu o formulare ambiguă?”
8. Se aplică testul pe un eșantion reprezentativ.
9. Se face analiza de item și se reformulează sau se elimină itemii
necorespunzători. Se repetă pașii 8 și 9 până la obținerea unui rezultat
satisfăcător.
[Analyze]
[Descriptive Statistics] [Frequencies...]
123
În tabela de frecvențe, pentru exemplul dat, observăm procentele
răspunsurilor corecte 42,1% pentru scorul 4 și 20,5% pentru scorul 3.
Procentul cumulat al răspunsurlor corecte este 42,1%+20,5%=62,6%, ceea
ce reprezintă indicele de dificultate. Practic, este recomandat ca acesta să
fie cuprins între 30% și 70% (moderat între 30%-40%).
7Testare
Frequency Percent Valid Percent Cumulative
Percent
0 13 4,5 4,5 4,5
1 28 9,6 9,6 14,0
2 68 23,3 23,3 37,3
Valid
3 60 20,5 20,5 57,9
4 123 42,1 42,1 100,0
Total 292 100,0 100,0
124
Prima dată se calculează scorul fiecărui participant la test. Pentru
exemplu avem un test cu 10 itemi. Pentru fiecare participant am introdus
scorul la fiecare item în parte (I1=I10).
[Transform]
[Compute Variable...]
125
Împărțim eșantionul în trei grupuri aproximativ egale (33%): scoruri
totale mari, scoruri totale medii și scoruri totale mici. Pentru aceasta
consultăm tabela de frecvențe pentru variabila TOTAL și identificăm
valoarea aproximativă a scorurilor din dreptul procentelor cumulate de 33%
și 66%.
[Analyze]
[Descriptive Statistics] [Frequencies...]
[Transform]
[Recode into Different Variables]
Introdu-
cem
valoarea
1 pentru
variabila
GRUP
(scoruri<
24)
126
Introdu-
cem
valoarea
2 pentru
variabila
GRUP
(scoruri
>25 dar
<32)
Introdu-
cem
valoarea
3 pentru
variabila
GRUP
(scoruri>
33)
[Data]
[Split File...]
127
Se parcurg pașii următori:
[Analyze]
[Descriptive Statistics] [Frequencies...]
7Testare
GRUP Frequency Percent Valid Percent Cumulative
Percent
0 8 8,9 8,9 8,9
1 17 18,9 18,9 27,8
2 37 41,1 41,1 68,9
1,00 Valid
3 20 22,2 22,2 91,1
4 8 8,9 8,9 100,0
Total 90 100,0 100,0
0 4 4,2 4,2 4,2
1 9 9,5 9,5 13,7
2 24 25,3 25,3 38,9
2,00 Valid
3 27 28,4 28,4 67,4
4 31 32,6 32,6 100,0
Total 95 100,0 100,0
0 1 ,9 ,9 ,9
1 2 1,9 1,9 2,8
2 7 6,5 6,5 9,3
3,00 Valid
3 13 12,1 12,1 21,5
4 84 78,5 78,5 100,0
Total 107 100,0 100,0
128
Ebel (1965) recomandă pentru D<0,20 eliminarea sau revizuirea
completă a itemilor. Pentru 0,20<D<0,30 se recomandă revizuirea itemului.
Un indice de discriminare bun are valori între 0,30 și 0,40.
[Analyze]
[Scale] [Reliability Analysis...]
Reliability Statistics
Cronbach's Cronbach's N of Items
Alpha Alpha Based on
Standardized
Items
,786 ,789 10
Item-Total Statistics
Scale Mean if Scale Variance Corrected Item- Squared Cronbach's
Item Deleted if Item Deleted Total Multiple Alpha if Item
Correlation Correlation Deleted
1Testare 28,98 9,541 ,479 ,322 ,765
2Testare 29,26 9,928 ,391 ,186 ,776
3Testare 29,11 9,999 ,352 ,147 ,781
4Testare 29,02 9,553 ,490 ,377 ,764
5Testare 29,08 9,721 ,493 ,394 ,764
6Testare 28,87 9,693 ,467 ,310 ,767
7Testare 29,23 9,445 ,430 ,210 ,773
8Testare 28,99 10,075 ,396 ,195 ,775
9Testare 29,18 9,884 ,501 ,277 ,764
10Testare 29,07 9,327 ,580 ,367 ,752
R: Otest Oretest
133
Designul experimental în acest caz este de tipul:
R: O1 O2
R: O2 O1
[Analyze]
[Descriptive Statistics] [Crosstabs...]
134
Evaluator 1 * Evaluator 2 Crosstabulation
Count
Evaluator 2 Total
1 2 3
1 1 1 0 2
Evaluator 1 2 0 0 2 2
3 0 0 8 8
Total 1 1 10 12
Symmetric Measures
b
Value Asymp. Std. Approx. T Approx. Sig.
a
Error
Measure of Agreement Kappa ,400 ,219 2,000 ,046
N of Valid Cases 12
a. Not assuming the null hypothesis.
b. Using the asymptotic standard error assuming the null hypothesis.
136
Criteriul trebuie:
- să fie relevant în raport cu constructul și cu modul de scorare al
probei;
- să fie fidel, ceea ce presupune că în urma mai multor evaluări
diferite să fie congruent;
- să fie practic din punct de vedere al costurilor de evaluare;
- să fie exprimat în aceleași unități și pe aceeași scală (în caz
contrar se transformă în note standard z sau transformări ale acesteia T).
Exemplu: Performanța academică (notele obținute) a studenților de
la specialități diferite pe un semestru sunt măsurate pe scale diferite.
Fiecare profesor are propriul mod de evaluare, iar materiile diferă ca
structură și grad de dificultate. În acest caz, notele se vor transforma în
scoruri z sau note standard T pentru fiecare materie și specialitate în parte.
137
3.4.2.2. Validitate concurentă
Reprezintă o altă strategie de validare de criteriu și presupune
obținerea scorului la criteriu aproximativ în același timp cu cele obținute la
proba analizată. Spre deosebire de validitatea predictivă, cea concurentă
presupune o problemă de evaluare a stării actuale a individului.
Se analizează corelațiile/asocierile dintre rezultatele probei supuse
validării și a scorurilor obținute la criteriu și se calculează coeficientul de
determinare r2 pentru a evalua procentul de varianță al probei raportat la
criteriu.
138
3.4.3.3. Matricea multitrăsătură-multimetodă
Este o strategie de validare în situația în care avem două sau mai multe
trăsături (constructe) distincte, măsurate cu două sau mai multe
instrumente. Metoda, propusă de Campbell și Fiske (1959), organizează
colectarea și prezentarea datelor de validare convergentă și
discriminatorie. Vom analiza o matrice multitrăsătură-multimetodă ipotetică
în care se colectează datele pentru trei trăsături (anxietate, afiliere și
dominanță), prin trei metode diferite (chestionare cu autoadministrare,
observații ale comportamentului și tehnici proiective). Exemplul este preluat
din Urbina (2004, pp. 270-273).
140
3.5.1. Etalonarea utilizând percentilele
Etalonarea este specifică distribuțiilor care nu sunt normale.
Presupunem că realizăm un etalon cu cinci clase (rezultate foarte slabe,
rezultate slabe, rezultate medii, rezultate bune, rezultate foarte bune).
Aceasta presupune că eșantionul va fi împărțit în loturi de câte 20% (adică
100%/5). Vom folosi tabela de frecvențe din analiza de frecvențe.
[Analyze]
[Descriptive Statistics] [Frequencies...]
V
Frequency Percent Valid Percent Cumulative Percent
86 1 1,9 1,9 1,9
87 1 1,9 1,9 3,8
89 1 1,9 1,9 5,8
91 1 1,9 1,9 7,7
92 2 3,8 3,8 11,5
94 1 1,9 1,9 13,5
96 1 1,9 1,9 15,4
Valid
97 2 3,8 3,8 19,2
98 1 1,9 1,9 21,2
101 4 7,7 7,7 28,8
102 3 5,8 5,8 34,6
104 1 1,9 1,9 36,5
105 1 1,9 1,9 38,5
106 2 3,8 3,8 42,3
141
107 3 5,8 5,8 48,1
108 3 5,8 5,8 53,8
109 4 7,7 7,7 61,5
110 1 1,9 1,9 63,5
112 1 1,9 1,9 65,4
113 2 3,8 3,8 69,2
114 3 5,8 5,8 75,0
115 2 3,8 3,8 78,8
116 2 3,8 3,8 82,7
117 1 1,9 1,9 84,6
118 2 3,8 3,8 88,5
121 1 1,9 1,9 90,4
123 1 1,9 1,9 92,3
124 1 1,9 1,9 94,2
125 1 1,9 1,9 96,2
135 1 1,9 1,9 98,1
142 1 1,9 1,9 100,0
Total 52 100,0 100,0
142
Luăm ca exemplu realizarea unui etalon în cinci clase. Acest lucru
presupune că prima clasă va cuprinde scorurile dintre trei abateri standard
și două abateri standard de la stânga (între -3s și -2s), adică 2,14%, zona
scorurilor atipice. A doua clasă va cuprinde scorurile dintre două abateri
standard și o abatere standard la stânga (între -2s și -1s), adică 13,59%,
zona scorurilor accentuate. A treia clasă va cuprinde scorurile din zona
normală, între o abatere standard la stânga și una la dreapta (între -1s și
+1s), adică 68,28% din rezultate. A patra clasă va cuprinde zona dintre o
abatere standard dreapta și două abateri standard dreapta (între +1s și
+2s), zona de 13,59% a rezultatelor accentuate. Clasa a cincea va
cuprinde zona rezultatelor atipice, situată între două abateri standard la
dreapta și trei abateri standard la dreapta (între +2s și +3s), adică 2,14%.
Asemănător cu procedura utilizată la etalonarea cu percentile, vom
selecta din tabela de frecvențe (exemplul de mai sus) scorurile din dreptul
procentelor cumulate: 2,14%, 15,73% (adică 2,14% + 13,59%), 84,02%
(adică 2,14% + 13,59% + 68,26%), 97,61% (adică 2,14% + 13,59% +
68,26% + 13,59%). Valorile pentru exemplul nostru, aproximate în minus,
sunt: 86, 96, 116, 125. Etalonul rezultat este:
143
3.5.3. Etalonarea folosind notele z
Este o derivată a metodei de etalonare folosind unitățile sigma. Se bazează
pe utilizarea fracțiunilor din abaterea standard.
[Analyze]
[Descriptive Statistics] [Descriptives...]
144
Transformăm scorul z în nota standard aleasă (vezi secțiunea
2.5.1.). Pentru a realiza acest lucru în SPSS, se definește în fereastra
[Variable View] o nouă variabilă (de exemplu QI). După aceasta, se
urmăresc pașii de mai jos:
[Transform]
[Compute Variable...]
145
În fereastra principală [Variable View] putem observa apariția
notelor standard QI obținute prin transformare liniară din note z.
Pentru a realiza un etalon cu cinci clase normalizate, vom urmări
tabela de frecvențe a notelor standard QI pentru procentele cumulate:
6,7%, 30,9%, 69,1%, 93,3%, asemănător cu procedura din exemplele
anterioare.
Obținem valorile de graniță ale QI, după cum urmează: 74, 90, 106,
121. Valorile corespunzătoare ale notelor brute V sunt: 89, 101, 112, 123.
Etalonul obținut este:
147
Capitolul 4. Elaborarea unei lucrări științifice
2. DOCUMENTARE
TEORETICĂ: CONSTRUCTELE CERCETATE
148
3. STABILIREA OBIECTIVELOR CERCETĂRII
149
Exemplu ipoteză privind comparații între grupuri
nondirecțională: „Există diferențe semnificative statistic între scorurile
obținute pentru stima de sine pentru participanții de gen masculin și cei de
gen feminin.”
150
Exemple de variabile dependente biologice: „Sunt scoruri
obținute prin măsurări fiziologice: presiunea sanguină, undele cerebrale,
ritmul cardiac, rezistența galvanică a pielii, temperatura corpului etc.”
Exemple de populație:
Exemple de eșantionare:
151
100.000 unic. Se extrag aleator, manual (dintr-o urnă) sau cu ajutorul unui
generator automat (computerizat), atâtea numere cât se dorește a fi
volumul eșantionului. Se constituie eșantionul din indivizii ale căror numere
au fost extrase”.
152
4.3. DESCRIEREA PARTICIPANȚILOR
153
5. REZULTATE
5.1. ANALIZA DESCRIPTIVĂ
5.2. ANALIZA INFERENȚIALĂ
5.3. ALTE ANALIZE (dacă este cazul)
Realizarea unei cercetări științifice este meritorie pentru toți cei care
și-au propus acest demers. Rezulatele trebuie, însă, împărtășite comunității
pentru a căpăta utilitate practică. Fie că suntem nevoiți să elaborăm o astfel
de lucrare, din motive practice cum ar fi: o temă la o animită disciplină, o
lucrare de licență, o disertație sau o lucrare de doctorat, sau fie că avem
imboldul de a scrie pur și simplu un articol, trebuie să respectăm anumite
reguli. Câteva pot fi desprinse din cele prezentate anterior.
O regulă o constituie modul de organizare a cercetării sub forma
Raportului de cercetare. După cum se observă, acest manual este
structurat pe secțiunile unui raport de cercetare.
RAPORTUL DE CERCETARE
155
După unii autori, capitolul de „Discuții. Concluzii” este cea mai
importantă parte a studiului. Vom descrie elementele necesare pentru a
structura acest capitol (Sava, 2013, pp. 343-346): 1) Reiterarea obiectivului
major al studiului și oferirea unui răspuns succint la întrebarea cercetării; 2)
Oferirea de explicații pentru rezultate neașteptate; 3) Integrarea rezultatelor
în literatura de specialitate; 4) Valoarea adăugată a studiului; 5) Implicații
teoretice și practice ale rezultatelor; 6) Limitele studiului; 7) Propuneri
pentru studii viitoare; 8) Mesaj concluziv.
Date fiind caracterul interpretativ al acestei secțiuni și limitele
cercetării, formulările concluziilor trebuie să fie făcute în termeni
probabilistici, ca de exemplu: „datele sugerează că ...”, „se pare că ...”, „o
posibilă explicație ar fi ...”.
De obicei fiecare instituție (universitate, institut de cercetare, revistă
de specialitate) oferă autorilor un ghid de redactare al lucrărilor.
Recomandăm consultarea acestora pentru mai multe informații. În Anexa 3
prezentăm un astfel de ghid cu cerințele Revistei de Studii Psihologice a
Universității Hyperion din București.
156
Cuvânt de final
Resurse web:
https://www.ibm.com/analytics/data-science/predictive-
analytics/spss-statistical-software. (accesat 14 decembrie 2017).
http://psycnet.apa.org/record/2011-03489-011 (accesat 6 decembrie
2017).
http://www.gpower.hhu.de (accesat 11 ianuarie 2018).
https://www.psihologietm.ro/download/membrii//Help/pstim.htm
(accesat 5 noiembrie 2017).
161
Anexa 1. Tabelul distribuției valorilor sub curba normală z
Z 0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0 0 0,004 0,008 0,012 0,016 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,091 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,148 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,17 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,195 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,219 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,258 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,291 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,334 0,3365 0,3389
1 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,377 0,379 0,381 0,383
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,398 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,437 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,475 0,4756 0,4761 0,4767
2 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,483 0,4834 0,4838 0,4842 0,4846 0,485 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,489
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,492 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,494 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,496 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,497 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,498 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,499 0,499
162
Anexa 2. Etalon pentru un test cu doi factori.
163
Anexa 3. Exemplu de instrucțiuni pentru publicare
Colectivul Editorial
TITLU ARTICOL
Rezumat
Acest document arată cum trebuie trimise articolelel spre publicare în „Revista de
studii Psihologice” a Universității Hyperion din București. Rezumatul trebuie să conțină
200-250 de cuvinte și se va prezenta sub forma unui singur paragraf. Numărul maxim de
cuvinte cheie este de cinci. Rezumatul și cuvintele cheie vor fi scrise la un rând, folosind
fontul Time New Roman (TNR), Italic,10.
Cuvinte cheie: experimentala, psihologie, articol, publicare, Italic 10 TNR.
*
Detalii de corespondență: Prenume, Nume Autor. Adresa de e-mail: author_email@email.com
164
1. INTRODUCERE/ELEMENTE TEORETICE
2. OBIECTIVE ȘI IPOTEZE
2.1. OBIECTIVE
Obiective 1
Obiective 2
2.2. IPOTEZE
Ipoteza 1
Ipoteza 2
3. METODA
3.1. PARTICIPANȚI/SUBIECȚI
Descrierea eșantionului.
3.2. INSTRUMENTE/APARATRA/STIMULI/MATERIALE
Prezentarea instrumentelor/stimulilor/materialelor.
165
3.3. PROCEDURA
Descrierea procedurii.
4. REZULTATE
166
Este de dorit ca tabelele și imaginile, în cazul în care acestea există, să fie
plasate în apropierea comentariilor care fac referire la acestea.
Exemplul 2:
Tabel 2. Matricea de corelații între variabile (MODEL)
Variabila 1. 2. 3. 4. 5. 6. 7. 8. 9.
Exemplul 3:
167
4.2. CONȚINUT
5. CONCLUZII
CONFIRMĂRI
Aici autorii pot scrie despre grantul de suport sau alte contribuții financiare
primite pentru cercetarea la care face referire articolul.
REFERINȚE ÎN TEXT
Referințele în text trebuie să cuprindă numele și anul. Dacă sunt mai mult de
trei autori se va scrie numele primului autor urmat de „și alții”.
De exemplu:
Așa cum se arată în ... (Sava, 2010) ... sau
Conform David... și alții (200X) ... sau
După cum arată studiile privind … (Rizeanu, Gâtej, Vasiliu, 2016) … sau
În cercetările privind … (Mânzat și alții, 2016).
6. BIBLIOGRAFIE
168
Pentru un capitol din carte:
Autor, A. A., & Autor, B. B. (2012). Titlul capitolului. In A. Editor, B. Editor, & C.
Editor (Eds.), Titlul cărții (pp. xxx-xxx). Localitatea: Editura.
169
Anexa 4. Sisteme de clase standardizate
170