SPSS

Step by Step
 CUPRINSUL

1. Introducere
2. Introducere termeni SPSS
3. Variabile
4. Ipoteze
5. Scale
6. Introducerea datelor în SPSS
7. Alpha Cronbach
8. Scor total
9. Recodarea itemilor inversați
10. Teste T
11. ANOVA
12. Corelația
13. Regresia
Bibliografie

1
 1. INTRODUCERE
Bine te găsim, drag coleg și student,

Acest ghid al programului SPSS a fost realizat cu drag

și dedicare de dragii noștri colegi din Asociația
Studenților Psihologi și Pedagogi. De-a lungul timpului
ne-am lovit de nevoia reluării unor cursuri de statistică
aplicată pentru că, până ajungem să aplicăm statistica
în studii, la licență sau disertație, trec cel puțin 2 ani de
facultate și informațiile se uită. Cu acest motiv în minte,
Departamentul de Cercetare al asociației a lucrat cu
dăruire la a pune împreună aceste informații, astfel
încât ele să fie ușor de înțeles, sau ușor de reluat, atunci
când vine vremea să le folosim.
Scopul punctual a fost de a ne susține colegii în
realizarea lucrărilor de licență și disertație, de
asemenea de a-l folosi cu mai multă ușurință în
viitoarele cercetări realizate de Departamentul de
Cercetare, și nu numai.

Departamentul de Cercetare
Colaboratori
Coordonator: Munteanu Paula

Membrii departamentului:
Agape Gina Departamentul de Relații Publice
Duță Ștefania
Diesis Elena Coordonator: Davidoaia Ștefania
Huțan Alexandra
Membrii departamentului:
Alexe Răzvan
Boșca Anca
Chiricheș Florentina
Boțu Florin
Botezatu Ion
Vîlsan Bianca
Ocraim Teodora
Petroiu Antonia
Poleac Andreea
Matei Ingrid

2
Anghel Maria
Pricope Adelina
 2. INTRODUCERE TERMENI SPSS

Această introducere are ca scop familiarizarea noastră cu termenii pe care îi vom întâlni pe
parcursul intregului ghid SPSS. Multe cuvinte ne sunt complet străine, iar cum aceasta aplicație are
o bază matematică, vă vom ajuta să vedeți lucrurile într-o manieră mult mai simplă și ușor de
înțeles. Într-o altă oride de idei, va aducem la dispoziție un mini dicționar al SPSS-ului:

Distribuția scorurilor = Ansamblul valorilor pe care le au

participanţii la un studiu la o anumită variabilă;

Variabilă = O însușire sau o proprietate care variază în

funcție de persoană / context /moment etc. De exemplu,
caracteristici personale (ex. Vârstă, gen, mediu de
proveniență, anxietate, stimă de sine, vârstă) sau caracteristici
ale mediului (luminozitate, temperatura, etc.);

Scor = Valoarea pe care o are un participant la o anumită

variabilă măsurată printr-un anumit instrument (de
exemplu, un chestionar de anxietate care cuprinde 5 itemi).
Scorul unui participant poate fi de 10, iar al altui
participant – de 30. Astfel, scorurile variază (vezi mai sus
definiția variabilei).

Variable view = fereastra din SPSS (tab-ul) unde introducem

variabilele și unde trebuie să introducem anumite informații
despre ele (de exemplu, nivelele variabilei, numele întreg al
variabilei, scala pe care se măsoară, numărul de decimale pe
care îl dorim la scoruri); fiecărei variabile îi corespunde o
linie (în coloana NAME, nu folosim niciodată spațiu între
cuvinte, ci folosim „.” sau „_”);

Data view = fereastra din SPSS (tab-ul) unde introducem datele numerice, adică scorurile totale la
instrumentele cu care măsurăm variabilele, scorurile la itemii care alcătuiesc scalele, dar și valori ale
unor variabile care nu sunt măsurate prin chestionare, cum ar fi vârsta, înălțimea etc. Tot aici
introducem și variabile măsurate pe scala nominală (categoriale), cum ar fi genul, culoarea ochilor etc.
Vom exprima nivelele acestor variabile categoriale prin valori numerice atribuite de noi fiecărui nivel
ca etichete, pe care le scriem în Variable view.
De exemplu, 1 pentru persoane care se identifică cu genul feminin, 0 pentru cei care se identifică cu

3
genul masculin. Fiecărui participant îi corespunde o linie și fiecărei variabile îi corespunde o coloană;
Values levels = un câmp din Variable view unde putem
defini nivelele variabilelor;

Inventar statistic de bază = cu ajutorul lui, vom reuși să

aflam indicatorii statistici de bază, a fiecărei variabile dorite:
medie, mediană, mod, scor minim, scor maxim, varianță,
abatere standard;

Medie = Notată cu „Mean/M”, este măsură a tendinței

centrale a unei distribuții; ea reprezintă media aritmetică a
scorurilor tuturor participanților la o variabilă. Abaterile de
la medie într-o direcţie (ale scorurilor mai mici ca ea) sunt
egale cu abaterile în cealaltă direcţie (scorurile mai mari);

Mod = Găsită sub forma „mode”, reprezintă valoarea cu

frecvenţa cea mai mare dintr-o distribuție de scoruri la o
variabilă; este scorul care apare cel mai des / de cele mai
multe ori la o variabilă;

Abatere standard = Notată cu „std, deviation/s”,

reprezintă măsura gradului de variabilitate a scorurilor şi
arată cât de mult se abat acestea de la tendinţa centrală; de
exemplu, dacă abaterea standard are o valoare mică, asta
arată că majoritatea scorurilor au valori apropiate de
medie;

Scor minim și maxim = Valoarea cea mai mare și valoarea cea

mai mică a distribuției unei variabile;

Mediană = notată cu „median/mdn”, împarte distribuţia în

două părţi egale ca număr de scoruri, din punctul de vedere
al frecvenţelor;

Eșantion = participanții la un studiu.

4
 Scalele de măsurare = arată tipul de
informație pe care ni-l furnizează
scorurile la o anumită variabilă.
Ele sunt 4 la număr:

Scala nominală (de clasificare), unde găsim variabile categoriale. Ele au nivele care nu pot fi
măsurate cu unități de măsură. Astfel, diferențele dintre ele sunt de natură calitativă. De exemplu, culoarea
ochilor nu poate fi exprimată în centimetri sau altă unitate de măsură. De asemenea, o culoare a ochilor nu
e mai bună/mai rea decât alta, deci nu putem vorbi despre superioritate sau inferioritate ierarhică. Aceste
variabile pot avea 2 sau mai multe nivele;

Scala ordinală (de rang), unde găsim variabile similare cu cele categoriale. Aceste similarități țin în
principal de faptul că diferențele dintre nivele nu pot fi exprimate în unități de măsură. Așadar, nu pot fi
cuantificate exact. Diferența față de scala nominală este că aici putem compara / ierarhiza nivelele
variabilei.
De exemplu, putem ruga participanții la studiu să ne spună culorile lor preferate, în ordinea
preferințelor: de la prima culoare preferată până la a cincea, de exemplu. În felul acesta, pentru
participantul X, culoarea albastră poate fi comparată cu cea roșie, și poate primi un scor mai mare. Practic,
aici avem variabile care ne arată ordinea, ordonarea.
Un alt exemplu ar fi variabila magazinul preferat. Un participant poate pune pe primul loc LIDL, pe
locul 2 Kaufland, pe locul 3 Mega Image. Un alt participant poate proceda invers;

Scala de interval, unde găsim variabile mai similare cu cele de pe scala ordinală. Și aici putem face
comparații între nivele, cu mai multă acuratețe, deoarece intervalele dintre un nivel și altul sunt egale. De
exemplu, putem măsura atitudinea despre un anumit magazin, pe o scală de la 5 (foarte favorabilă), 4
(favorabilă), 3 (mai mult sau mai puțin favorabilă), 2 (nefavorabilă), 1 (foarte nefavorabilă). Aici,
presupunem că distanțele între cele 5 opțiuni de răspuns (care nu mai sunt numite nivele, pentru a nu
genera confuzie) sunt egale;

Scala de raport, unde găsim variabile care pot fi măsurate cu unități de măsură clasice, care exprimă
mărimea, cantitatea, în raport cu alte valori, dar şi cu o valoare absolută (acestea nu pot lua o valoare mai
mică de 0). De exemplu, înălțimea în centimetri;

5
 3. VARIABILE

a) Variabile independente (VI) vs. Variabile dependente (VD)

b) Nivelurile variabilei independente
c) Variabile independente manipulate vs. invocate
d) Variabile parazite și strategii de control

a) Variabile independente (VI) vs. Variabile dependente (VD)

Variabila independentă (VI) → Variabila dependentă (VD)
(Cauză) → (Efect)

VI → reprezintă condiția antecedentă

→ are cel puțin două niveluri, în experimente. În regresie, poate fi o variabilă continuă,
măsurată pe scala de interval sau raport;

VD → reprezintă comportamentul care este așteptat să se schimbe ca rezultat al variabilelor

independente (intervenții experimentale, caracteristici, atitutini, aptitudini etc.);
→ valorile pe care le ia variabila dependentă depind de valorile variabilei independente;

b) Nivelurile variabilei independente (în design-uri

experimentale sau cvasi-experimentale)

● Caracteristici ale variabilelor ● Gradul de prezență al variabilei

→ ex: tipul modelului agresiv (personaj animat/persoană reală) → intensitatea, durata
influențează răspunsurile agresive ale copiilor. → nivel scăzut/ mediu/ ridicat
→ ex: culoarea părului influențează atractivitatea percepută. → nivel pozitiv/negativ/neutru

● Prezența variabilei (grup experimental) vs Absența variabilei (grup de control)

6
→ expunerea la anumiți stimuli: prezența/ absența zgomotului
c) Variabile independente manipulate (doar în designuri
cvasiexperiementale sau experimentale) vs. Invocate

Distincția este valabilă doar pentru VI și se stabilește în funcție de:

- modul de împărțire a participanților în grupe
- controlul pe care îl are cercetătorul asupra VI

Tipuri de variabile manipulate sau invocate

7
 d) Variabile parazite și strategii de control

Variabilele parazite (sau variabile externe cercetării) = alte variabile decât variabila independentă
care pot influenţa variabila dependentă.

Strategii de control pentru variabilele parazite:

● Randomizarea

Randomizarea sau distribuirea aleatorie a subiecților în grupe…

…este cea mai importantă și puternică modalitate de control a variabilelor parazite
…face ca variabila parazită să fie distribuită cam în aceeași măsură în toate grupele experimentale
…prin aceasta, fiecare participant are șanse egale de a face parte din oricare grup experimental
…menține constantă influența variabilelor parazite, în toate condițiile experimentale

● Construirea grupelor echivalente

a. Echivalență prin menținerea constantă a variabilei parazite

➔ variabila parazită va avea o influență constantă pentru toți participanții și nu va influența
diferențiat variabila dependentă
➔ toți participanții vor avea același nivel al variabilei parazite
➔ este selectat un singur nivel al variabilei parazite

b. Echivalență prin construcția unei noi variabile independente

➔ variabila parazită e transformată în variabilă independentă
➔ utilizată dacă se dorește aflarea efectelor variabilei parazite
➔ utilizată dacă e de interes interacțiunea variabilei parazite cu una dintre variabilele independente

8
 4. IPOTEZE DE CERCETARE
⭐Ce este o ipoteză?

prezic efectele unor condiții

antecedente asupra unor sunt afirmaţii care propun
comportamente. explicaţii care pot fi testate
prin intermediul metodei
Ipotezele experimentale, dar și prin
studii corelaționale. Se
susţin că schimbările referă la tipul de asociere pe
variabilelor independente care ne așteptăm să o găsim
vor produce modificări ale între variabilele
variabilei dependente. Deci, independente și cele
cu alte cuvinte, variabilele dependente. Activitatea de
independente reprezintă cercetare testează direct
cauzele, iar variabilele ipoteza, deci formularea ei
dependente, efectele; este cea mai importantă
etapă a cercetării;

predicții cu privire la relația

dintre variabile;

Exemplu: Anxietatea influențează tendința de afiliere.

⭐Cum poate fi formulată o ipoteză -ipoteze cauzale?

Direcțional: - este menționată direcția efectului unei variabile x asupra unei variabile y;
- este specifică;
- variabila x influențează variabila y, în sensul că ….. (se compară cel puțin două condiții).
Exemplu: Starea afectivă influențează comportamentul altruist, în sensul că participanții cu stare
afectivă pozitivă vor fi mai altruiști comparativ cu cei cu stare afectivă negativă.

Non-direcțional: - nu menționează direcția efectului;

- este generală;
- variabila x influențează variabila y.
Exemplu: Starea afectivă influențează comportamentul altruist.

9
 ⭐ Ce condiții trebuie să îndeplinească o ipoteză?

Să fie.....
∆ Sintetică – Are șansa de a fi adevărată sau falsă; nu este o afirmație analitică (întotdeauna
adevărată) sau contradictorie (întotdeauna falsă);
∆ Testabilă - Este posibilă manipularea condițiilor antecedente, măsurarea comportamentelor.
Poate fi respinsă prin rezultatele cercetării
∆ Simplă - prezintă doar relația dintre variabile, fără alte asumpții sau explicații care să o susțină;
∆ Productivă - poate genera realizarea altor studii;

Exemplu : Starea afectivă influențează tendința de a oferi ajutor, în sensul că

persoanele cu o stare afectivă pozitivă vor manifesta într-o mai mare măsură
tendința de a ajuta, comparativ cu persoanele cu o stare afectivă negativă.

1. Afirmație sintetică: nu este nici analitică (întotdeauna adevărate), nici contradictorie (întotdeauna
false); are șansa de a fi atât adevărată, cât și falsă.
2. Afirmație testabilă: VI stare afectivă poate fi manipulată prin expunerea participanților la stimuli
vizuali sau auditivi cu diverse valențe, în timp ce tendința de ajutorare (VD) poate fi observată într-o
situație concretă în care participanții ar putea oferi ajutor.
3. Poate fi respinsă prin rezultatele cercetării
4. Afirmație simplă: nu conține asumpții/ explicații care să o susțină; prezintă doar relația dintre VI și
VD.
5. Afirmație productivă: în măsura în care generează alte studii (ex.efectul stării afective asupra
comportamentelor de cooperare).

10
 5. SCALE ȘI INSTRUMENTE

TIPURI DE SCALE

1. SCALA NOMINALĂ

Este cunoscută și sub denumirea de scală calitativă, scală

categorială sau scală de clasificare.

În producerea unei scale nominale sunt folosite operațiile

de clasificare și enumerare.

Este o scală de identificare (valoarea identifică un individ)

Exemplu: nr. matricol, CNP.

Este o scală categorială (indică apartenența la o categorie)

=> criteriu de clasificare.

Cel mai redus nivel de măsurare

Valorile au doar o semnificație calitativă, sunt simple

Nu suportă etichete/simboluri, nu există relații de ierarhie iar
operații codificarea este arbitrară.
matematice!

Alfa-numerică:
A1, A2, A3, A4, A5 …
Numerică:
1, 2, 3, 4, 5 …;
Alfabetică:
A, B, C, D, E 11
 Operații asupra categoriilor unei scale nominale:

Gruparea (condensarea): operație Rafinarea (diversificarea): operație

prin care din două sau mai multe
categorii se obține o singură categorie
care va purta o etichetă nouă, distinctă
de celelalte. Prin grupare o scală
nominală cu n categorii se transformă
într-o scală nominală cu m categorii,
unde m<n.
prin care dintr-o categorie se obțin
două sau mai multe categorii noi,
etichetate distinct. Astfel, o scală cu n
categorii se transformă într-o scală cu
m categorii, unde n<m.

Exemple:
Genul (masculin = 1 sau M; feminin = 2
sau F);
Temperamentul (1 = flegmatic, 2 =
sangvinic, 3 = coleric, 4 = melancolic);
Proveniența (1 = rural, 2 = urban, 3 =
suburban);
Lateralitatea (1 = dreptaci, 2 = stângaci);
Religia (a = catolic, b = ortodox, c =
protestant, d = neoprotestant).

2. SCALA ORDINALĂ

Cunoaștem ordinea: valorile indică poziția unora față de altele, fără o

semnificație cantitativă clară
=> doar mai mare / mai mic / egal cu - Mai mult / mai puțin / la fel.

Permite ordonarea observațiilor, indivizilor, situațiilor,

de la mic la mare, de la simplu la complex, de la mai puțin
la mai mult.

Este cunoscută și sub numele de scală de ordine, scală de

Intervalele
rang, scală ierarhică. dintre valori
nu sunt
precizate!

12
 Codurile valorilor pot fi acordate și arbitrar, dar ele trebuie să exprime ideea de ordine
(ex: 2, 5, 7, 12 … sau A, C, F, M …).
Exemple:
Forme învățământ (primar, gimnazial, liceal);
Poziția pe lista de admitere, în funcție de notă;
Gradele în armată;
Clasele de vârstă (1 = 20-30 ani; 2 = 31-40 ani; 3 = 41-50 ani);
Cicluri de studii universitare (a = licență, b = master, c = PhD, d = postdoc).

3. SCALA DE INTERVAL

Intervalele dintre valori sunt egale, iar valorile au un

caracter cantitativ, exprimat numeric.

Lipsește punctul zero absolut.

0℃ nu înseamnă absența temperaturii!

Lipsește punctul zero absolut.

10℃ față de 5℃ este „mai mare cu 5℃ ...”

dar nu și de „două ori mai cald”!

Suportă transformări matematice.

Două enunțuri principale pot defini scalele cu intervale

egale:
S1< S2< S3< S4< … Sn
S2 – S1 = S3 – S2 = S4 – S3 = S5 – S4 = ... = Sn – Sn-1
Unde S1 …Sn sunt grade relative la care un atribut se
prezintă pentru diferiți subiecți.

13
 4. SCALA DE RAPORT

Este cunoscută și sub denumirea de scală de proporții

Cunoaștem raportul dintre valori, deoarece

valorile sunt pur cantitative, exprimate numeric

Are intervale egale plus punct zero absolut

Punctul zero absolut indică absența

atributului la un obiect sau individ;

Cel mai înalt nivel de măsurare

(valorile au mai multă informație)

Suportă toate transformările matematice posibile

14
 6. INTRODUCEREA DATELOR
ÎN SPSS
DATAVIEW

Acest ecran reprezintă datele concrete din baza noastra de date.

Aici completăm datele necesare în

căsuțele corespunzătoare.
Acestea trebuie să fie formate doar din
numere!

VARIABLE VIEW

Acest ecran reprezintă

tipurile de date
ale bazei noastre de date.

Aici ne vom defini

variabilele, precum și
informațiile necesare
pentru a le defini.

Primul pas ar fi denumirea variabilei cu ajutorul căsuței “Name”.

Este important ca numele acestor variabile să nu aibă spații sau alte
simboluri invalide.

15
 Următorul pas ar fi definirea tipului cu
ajutorul ferestrei “Variable type”.
Aici alegem din opțiunile date tipul cel mai
potrivit pentru ce avem nevoie.

Coloana “Width” Numărul decimalelor

determină lungimea permise este
maximă pe care o determinată de
permitem variabilei. valoarea introdusă în
coloana “Decimals”.

Pentru a vedea mai bine ce reprezintă

variabila noastră și pentru a oferi o descriere
succintă a variabilei create,
ne putem folosi de coloana “Label”.

Coloana values ne permite să atribuim

anumite etichete anumitor valori.
De exemplu, dacă ne creăm o variabilă ce
reprezintă genul, putem, cu ajutorul acestei
funcționalități, să atașăm eticheta de
“masculin” codului 0 și “feminin” codului 1.
Astfel, în baza de date, când vom avea
valoarea 0, în coloana gen aceasta va putea fi
recunoscută ca și genul masculin.

Pentru a determina modul în care sunt Dacă avem scoruri lipsă la anumite variabile
măsurate variabilele, putem folosi coloana (de exemplu, unii participanți nu au răspuns
“Measure”. la unele întrebări din chestionar),

16
Aici putem alege între 3 opțiuni oferite. putem folosi coloana “Missing Values”.
 7. COEFICIENTUL DE CONSISTENȚĂ INTERNĂ
ALPHA CRONBACH

Acest coeficient este folosit pentru a studia
consistența internă a
itemilor unui chestionar sau poate fi folosit ca
metodă de reducere
a numărului de itemi dintr-un chestionar
(de exemplu, de la 60 la 15, ca să poată fi
completat mai repede
și ca să ne crească șansele de a nu avea valori
lipsă în baza de date).
El se calculează întotdeauna atunci când
construim o scală noua (chestionar) și este
recomandat ori de cate ori avem de a face cu
un instrument nou, aplicat la o altă populație
sau alt mediu cultural decât pentru care a fost
construit. Practic, ori de câte ori folosim un
chestionar sau o subscală a unui chestionar
într-o cercetare, trebuie să îi calculăm și
raportăm alpha cronbach-ul obținut în
eșantionul nostru de participanți.

În unele cazuri, când este folosită doar

o subscală a unui instrument,
se calculează doar coeficientul subscalei respective.

Pentru a calcula
coeficientul Alpha,
vom da un clic pe:
Analyze – Scale – Reliability Analysis

Selectez toţi itemii necesari

(în funcţie de instrucţiunile şi modalitatea de calcul
oferită de autorii care au construit chestionarele).
De exemplu, dacă doresc să calculez consistenţa internă (
coeficientul Alpha Cronbach)
pentru tot chestionarul, selectez aceşti itemi
şi îi “mut” din căsuţa din stânga în căsuţa din dreapta
cu ajutorul săgeţii din mijloc.

Este selectat automat la “Model” –

coeficientul Alpha.
Ulterior click pe Statistics – şi bifăm
opţiunile
Item, Scale, Scale if Item Deleted
si din câmpul Inter-item bifăm
Correlations – Continue – Ok.

17
Valori ale coeficientului Consistența

Mai mare ca 0,9 Excelent

Între 0,7 și 0,9 Bună

Între 0,6 și 0,7 Acceptabilă

Între 0,5 și 0,6 Slabă

Mai mică de 0,5 Inacceptabilă – nu avem

consistență internă a itemilor, deci trebuie să scoatem niște itemi din
chestionar pentru a obține o valoare mai mare (de regulă, se cere să
depășească 0,7, cu unele excepții).

Exemplu de output al coeficientului Alpha

Coeficientul obținut este 0,779, deci are

o consistență internă bună.
Al treilea tabel îl vom folosi pentru a
îmbunătății valoarea coeficientului.
Observăm că, dacă vom elimina itemul
07, obținem o valoare de 0,816 pentru
coeficientul alpha.
Vom relua operațiile pe care le-am
realizat la începutul acestei postări (nu
am selectat itemul 07 și nu mai e nevoie
să dăm un clic pe Statistics deoarece
opțiunea selectată a rămas activă).
Itemii sunt eliminați doar în cazul
instrumentelor create de noi, nu a celor
deja formate.
Aici avem excepții – dacă Alpha
Cronbach-ul pentru un chestionar creat
de altcineva și aplicat de noi are o
valoare mai mică de 0.7, vom încerca să
eliminăm itemi pentru a obține valoare
de peste 0.7 și în eșantionul nostru.

18
 8. SCOR TOTAL

Pentru a calcula scorul total, identificăm itemii pentru fiecare dimensiune în parte.

Pașii în SPSS sunt:

Transform – Compute
Variables

În câmpul Target Variable se trece

denumirea variabilei ( ex.
„scor_depresie„) iar la Numeric
Expression facem media itemilor pe
care îi selectăm din dreapta. După ce
alegem itemii și scriem expresia
numerică (+), apăsăm OK. Vom
observa în baza de date, la Variable
View că a fost creată o noua variabilă,
pe care o vom folosi la următoarele
etape. Folosim aceeași pași pentru a
calcula scorurile pentru fiecare
dimensiune, iar în unele cazuri pentru
fiecare subscală.

De precizat este că scorul total la un chestionar se calculează conform indicațiilor autorului

(autorilor) acelui chestionar. Uneori facem media aritmetică a scorurilor, dar alteori le
adunăm pentru a obține scorul total. Când folosim un instrument creat de altcineva, trebuie
neapărat să respectăm indicațiile autorilor despre cum anume se calculează scorul total și
ce înseamnă acesta.

19
 9. Recodarea itemilor invesați
Trebuie să ținem cont de faptul că într-un chestionar nu toți itemii măsoară constructul
vizat în mod direct. Unii itemi pot fi formulați în direcția opusă a constructului măsurat.
Astfel, dacă avem itemul „Îmi las lucrurile împăștiate”, putem observa faptul că
formularea directă măsoară un construct opus conștiinciozității.
Prin urmare, se va face o scorare inversă pentru acest item, unde dezacord total (1)
devine acord total în raport cu conștiinciozitatea (5), dezacord (2) devine acord (4) s.a.m.d.

IDENTIFICAREA ITEMILOR INVERSAȚI

1. Stabilirea noilor valori în funcție de tipul de scală
(de ex., pentru o scală în 5 trepte:
1 devine 5, 2 devine 4, 3 rămâne 3, 4 devine 2, 5 devine 1);
2. Realizarea transformarii în SPSS:
Se recodează itemii inversați din chestionare (acolo unde este cazul):
Transform – Recode into Same Variabile
sau Recode into Different Variable (la final apare un nou item)

20
 În funcţie de tipul de scală de răspuns utilizată
în chestionar facem inversările.
De exemplu pentru inversarea itemilor
cu o Scală Likert, în 5 trepte
(în care 1 înseamnă Dezacord total, iar 5 înseamnă Acord total).

Prin recodarea itemilor inversaţi

se schimbă „polaritatea” scalei:
1->5
2->4
3->3
4->2
5->1

21
 10. Teste T
Teste T pentru eșantioane perechi

Acest tip de teste sunt folosite în cazul în care avem un singur grup de participanți, care vor trece
pe rând prin toate condițiile experimentale, sau cărora le vom măsura aceeași caracteristică
(variabilă) de mai multe ori, în funcție de ipoteze.

Pași de urmat în SPSS:

1. ANALYZE – COMPARE MEANS opțiunea PAIRED SAMPLES T TEST, la fel ca în

imaginea de mai jos:

În cadrul acestei ferestre avem:

● În chenarul din partea stângă

sunt enumerate toate variabilele din
baza de date curentă;
● Pasul următor este de a selecta
variabilele pentru analiză, iar în
cazul testelor T pentru esantioane
2. În continuare va apărea o fereastră de acest tip:
dependente/ perechi, vom alege
două variabile perechi: facem click
pe cele două variabile, le selectăm,
apoi apăsăm pe săgeată pentru a le
muta în câmpul PAIRED
VARIABLES .

După introducerea variabilelor în câmpul de analiză fereastra ar trebui să arate astfel:

22
 Butonul OPTIONS este identic cu cel de la testul T care permite compararea unui eșantion cu o
populație. Se va păstra intervalul de încredere de 95%.

După apăsarea butonului OK fereastra OUTPUT ne va prezenta următoarele rezultatele:

Rezultatele sunt organizate în trei tabele, pentru fiecare dintre acestea vom analiza celulele.

Tabelul PAIRED SAMPLES STATISTICS:

1. Conține perechea de variabile care trebuie analizată, variabilele trebuie să fie perechi, adică să
provină de la aceeași participanți și să fie cuantificabile cu aceeași unitate de măsură;
2. Apar mediile celor două grupe de participanți analizați (de exemplu: Media inainte =107,9,
Media după =107,95);
3. Precizează numărul de participanți de la fiecare măsurare (la studiu au participat 20 la ambele
măsurători);
4. Conține abaterile standard ale scorurilor de la fiecare măsurare (S înainte =6,01; S după =5,3);
5. Conține abaterile standard ale scorurilor la anxietate la fiecare măsurare a acesteia;

Tabelul PAIRED SAMPLES CORRELATIONS:

6. Coeficientul de corelație dintre cele două variabile pereche;

7. Pragul de semnificație al corelației (care arată probabilitatea de eroare dacă am afirma că există
o legătură între cele două variabile);

23
 Tabelul PAIRED SAMPLES TESTS:

8. Conține numele perechii de variabile și precizează diferența dintre ele (în cazul de față anx1 –
anx2);
9. Cuprinde diferența medie dintre cele două măsurări / momente ale măsurării (valoarea negativă
din acest caz arată că anxietatea inițială este mai mică comparativ cu cea finală);
10. Cuprinde abaterea standard a diferenței medii dintre cele două măsurări / momente ale
măsurării. Indică variabilitatea scorurilor în eșantionul nostru;
11. Estimează variabilitatea scorurilor în populația din care este extras eșantionul nostru;
12. indică intervalul de încredere de 95% al diferenţei dintre mediile celor două grupe;
13. Este coeficientul statistic specific testelor t;
14. gradele de libertate pentru care este calculată nota t, df=19;
15. pragul de semnificaţie sau probabilitatea de eroare atunci când respingem ipoteza de
nul:p=0,980.

Etape de lucru cu output:

Ipoteze:
H0: Nu există diferenţe semnificative între rezultatele subiecţilor la variabilele anxietate înainte de
terapie si anxietate după terapie.
H1: Există diferenţe semnificative între rezultatele subiecţilor la variabilele anxietate înainte de
terapie ți anxietate după terapie.

Testul T:

t(19) = 0,025
p = ,980 =>; p < 0.05 => acceptăm H1 şi respingem H0
=> p < 0.05 => respingem H1 şi acceptăm H0

Extragem mediile:

x̅ 1 =107,9000
x̅ 2 =107,9500

Concluzie:

Nu există diferenţe semnificative între rezultatele subiecţilor la variabilele anxietate

înainte de terapie și anxietate după terapie.

24
 Teste T pentru eșantioane independente
Acest tip de teste sunt folosite atunci când vrem să comparăm două grupuri diferite de subiecți în
ceea ce privește mediile variabilelor dependente. Acesta tip de test este un test parametric.
În primul rând vom prezenta etapele care vor fi urmate pentru a lucra în SPSS cu acest tip de
variabile:
Pentru a aplica testul T pentru eșantioane independente pe o anume bază de date vom activa
meniul ANALYZE – COMPARE MEANS și vom alege opțiunea INDEPENDENT SAMPLES
T TEST.
După ce activăm testul vom introduce variabilele. Variabila independentă va fi introdusă în
câmpul TEST VARIABLE și variabilele independente în câmpul GROUPING VARIABLE,
apoi vom apăsa pe butonul DEFINE GROUPS unde vom trece valorile corespunzătoare celor
două grupuri alese pentru comparație. În cele din urmă apăsăm pe CONTINUE și apoi pe OK și
vom obține fereastra OUTPUT.

OUTPUT

25
Vom explica pe scurt ce se află în fiecare casetă:

1. Caseta indică cele două grupuri de subiecți (gen masculin și gen feminin în cazul nostru);
2. A 2-a casetă indică numărul subiecților din fiecare grup;
3. În cea de-a treia găsim media fiecărui grup la variabila dependentă;
4. Cea de-a patra conține abaterea standard pentru fiecare grup în parte;
5. Următoarea conține abaterea standard pentru populațiile de eșantioane de N subiecți din care fac
parte grupurile noastre;
6. Aici se prezintă cele două situații posibile în urma testului Levene: varianțe egale între grupe
sau varianțe inegale;
7. Valoarea F a testului Levene, efectuat pentru compararea varianțelor la o anumită variabilă
între
cele două grupuri;
8. Posibilitatea de eroare pentru a respinge ipoteza de nul a testului Levene. Dacă testul este
nesemnificativ (p >.05), atunci raportam T de pe rândul 1;
9. Valoarea t pentru varianțe egale sau inegale;
10. Arată gradele de liberate pentru care a fost calculată nota t;
11. Această casetă conține probabilitatea de eroare în funcție de care noi acceptăm sau repingem
ipoteza de nul.

Etape de lucru cu output-ul:

Ipoteze
Ipoteza H0(de nul): Nu există diferenţe semnificative între cele două grupuri în ceea ce priveşte
variabila nivel anxietate înainte de terapie.
Ipoteza H1(de cercetare): Există diferenţe semnificative între cele două grupuri în ceea ce
priveşte variabila nivel anxietate înainte de terapie

Testul Levene- interpretare

F =6,683
p = ,019 => p > 0.05 => varianţele sunt EGALE => extragem valorile (t si p) de pe primul rand
din tabel
=> p < 0.05 => varianţele sunt INEGALE => extragem valorile (t si p) din al doilea rand
din table

26
 Testul t
t(18) = -2,411
p = ,031 => p < 0.05 => acceptăm H1 şi respingem H0
=> p < 0.05 => respingem H1 şi acceptăm H0

Extragem mediile celor două grupuri comparate

x̅ grup1 =104,8889
x̅ grup2 =110,3636

Concluzie:

Există diferenţe semnificative între cele două grupuri în ceea ce priveşte variabila anxietate
ianinte de terapie, însensul că media persoanelor de gen feminin este semnificativ mai mare
decât a persoanelor de gen masculin.

27
 11. ANOVA
Anova One Way- test parametric

Condiții:
1. VI are minim 3 grupuri formate din participanți diferiți;
2. VD: normal distribuită, scală de interval;

Pași:

1. Redactăm ipoteza de nul (H 0 ) și ipoteza de cercetare (H 1 ):

H 0 : Nu există diferențe semnificative între grupurile ..., ..., ..., la variabila ... .
H 1 : Există diferențe semnificative între grupurile ..., ..., ..., la variabila ... .

2. Extragem valori Anova - valoarea lui F, cele două valori ale gradelor de libertate (df) și pragul
de semnificație p ( notat cu sig.). Aceste valori se iau din Tabelul Anova- coloane df , coloana F și
coloana Sig.
F=coeficientul testului Anova
F(df 1 , df 2 )=...
df 1 -se ia de pe primul rând de la Between subjects
df 2 - se ia de pe al doilea rând de la Within subjects
p=...
I.dacă p&lt;0,05 atunci se respinge H 0, se acceptă H 1 (în acest caz se continuă rezolvarea)
II.dacă p&gt;0,05 atunci se acceptă H 0 , se respinge H 1 (în acest caz ne oprim aici cu rezolvarea)
Să presupunem ca suntem în cazul I. Așadar, vom trece mai departe la pasul 3.

3. Extragem diferențele dintre grupuri și pragul de semnificație (din Tabelul Multiple

Comparisons - coloana Mean Differences și coloana Sig).
De exemplu, dacă avem 3 grupuri, vom compara:
GR1-GR2
GR1-GR3
GR2-GR3
Dacă avem 4 grupuri, vom compara
GR1-GR2
GR1-GR3
GR1-GR4
GR2-GR3
GR2-GR4
GR3-GR4
Și vom extrage diferențele dintre medii, de exemplu X̅ GR1 - X̅ GR2=... , p=...
Dacă p&lt;0,05 diferență semnificativă (compar mediile grupurilor)
Dacă p &gt;0,05 diferență nesemnificativă (Nu există diferențe semnificative între grupuri.)

28
 4. Dacă avem diferențe semnificative, extragem mediile (X̅ ) grupurilor comparate (Tabel
Descriptives –coloana Mean)
5. Concluzie finală.

Exercițiu:

Verificați dacă există diferențe semnficative între ingineri, funcționari și vânzători la variabila
sociabilitate (scală de interval și este normal distribuită).

Pași SPSS:

Pentru realizarea acestei analize se deschide meniul ANALYZE – COMPARE MEANS,

opţiunea:

ONE WAY ANOVA:

Vom introduce variabila dependentă

(sociabilitate) în câmpul DEPENDENT
LIST şi variabila independentă în câmpul
FACTOR:
VI-profesie (1-funcționari, 2-vânzători, 3-
ingineri)
VD-sociabilitate

Să analizăm fereastra:
1. câmpul în care sunt afişate variabilele din baza de date;
2. câmpul în care sunt introduse variabilele dependente (în cazul nostru densitatea);
3. este câmpul în care se introduce variabila independentă sau factor (în exemplul nostru factorul
este regiunea);
4. butonul CONTRAST permite realizarea unor comparaţii între grupe în funcţie de variabila
independentă;
5. butonul POST HOC permite alegerea unui anumit tip de contrast post-hoc;
6. butonul OPTIONS conţine elemente de statistică descriptivă.
Vom descrie pe scurt opţiunile butonului POST-HOC:
29
 Toate testele de la această opţiune
indică dacă diferenţele obţinute pe
ansamblu prin analiza testului F se
regăsesc şi la nivelul comparaţiilor
dintre grupuri luate două câte două.
Pragurile de semnificaţie a acestor
teste sunt ajustate în funcţie de
numărul de grupe. Testele sunt
prezentate în ordinea descrescătoare
a puterii lor. Pentru a analiza efectul
variabilei independente asupra celei
dependente se foloseşte testul
BONFERRONI.
Activarea butonului descriptiv
deschide următoarea casetă:

Opţiunile pe care le vom bifa sunt

DESCRIPTIV pentru a vedea
mediile celor trei grupe şi
reprezentarea grafică a efectului
MEANS PLOT. După activarea
butonului OK al ferestrei principale
în foia cu rezultate apar următoarele
tabele:

Output-uri SPSS

30
Rezolvare

1. Ipoteze
H 0 : Nu există diferențe semnificative între rezultatele subiecților care sunt funcționari, vânzători
și ingineri la variabila sociabiliatate.
H 1 : Există diferențe semnificative între rezultatele subiecților care sunt funcționari, vânzători și
ingineri la variabila sociabiliatate.

2. F(2,47)=12,05
p=0,000<0,001<0,05 ceea ce înseamnă că se respinge H 0 , se acceptă H 1 ; rezultă o concluzie
parțială: Există diferențe semnificative între rezultatele subiecților care sunt funcționari, vânzători
și ingineri la variabila sociabilitatate.

3. funcționari (f)-vânzători (v)

funcționari (f)-ingineri (i)
vânzători(v)-ingineri(i)
X̅ f - X̅ v =4,18 , p=0,14>0,05 => diferență nesemnificativă
X̅ f - X̅ i =9,76 , p=0.000<0,05 => diferență semnificativă
X̅ v - X̅ i =5,57 , p=0,02<0,05 => diferență semnificativă

4. X̅ f =19,87
X̅ v =15,68
X̅ i =10,11

5. Concluzie
Concluzii parțiale:
I.Nu există diferențe semnificative între media funcționarilor și media vânzătorilor la
variabila sociabilitate.
II. X̅ f &gt; X̅ i
III. X̅ v &gt; X̅ i
Concluzia finală: Rezultatele inginerilor sunt semnificativ mai mici decât cele ale

31
funcționarilor și vânzătorilor la variabila sociabilitate, iar între funcționari și
vânzători nu există diferențe semnificative la variabila sociabilitate.
 Anova Univariate

1) Efectul principal al VI1 asupra VD

2) Efectul principal al VI2 asupra VD
3) Efectul de interacțiune dintre cele două variabile VI1 și VI2 asupra VD

Exercițiu: Verificați dacă există un efect de interacțiune între tratamentul psihologic și ședințele de coaching
asupra variabilei autoîndreptățire. Discutați și efectele principale.

VI1:tratament psihologic 0-absent

comparații intergrup-2 grupe
1-prezent

VI2: ședințele de coaching 1) -3 ședințe

2)- 5 ședințe comparații intergrup-3 grupe
3)- control

VD: autoîndreptățire

Pași:

1.Calea: Analyze – General Linear Model – Univariate

32
 2.Câmpuri:
- dependent variable: se trece VD
- fixed factors: se trec VI (toate)

3.Opțiuni:
-contrast: se folosește atunci când VI are DOAR două niveluri. De exemplu, pentru VI – gen, se selectează
opțiunea difference, apoi change. Atenție! Pot fi studii în care toate VI sunt dihotomice. Astfel, se alege
această opțiune pentru TOATE variabilele. De asemenea, pot fi studii în care toate VI au mai mult de două
niveluri. În acest caz, nu se activează această opțiune. După ce alegem, apăsăm continue.

33
- plots – este reprezentarea grafică a efectului de interacțiune. Prima VI se trece în câmpul horizontal
axis iar cea de-a doua VI se trece în câmpul separate lines. După ce variabilele sunt „mutate” în cele
două câmpuri, se apasă add și apoi continue.

- post hoc. Această opțiune se folosește DOAR pentru VI cu cel puțin 3 niveluri! Dacă nu aveam această
situație, atunci se folosește butonul de contrast (detalii mai sus). Dacă avem VI cu cel puțin 3 niveluri
atunci se „mută” în partea dreaptă a ferestrei și se bifează bonferroni (presupune comparații două câte
două între nivelurile VI; ca la One-way anova). Dacă toate VI au cel puțin trei niveluri, se trec toate în
câmpul din dreapta. Ulterior, apăsăm continue.

34
- options - această opțiune ne oferă informații cu privire la datele descriptive ale variabilelor introduse
în analiză (mediile la variabila dependentă în funcție de prima variabilă independentă, în funcție de
cea de-a doua, și în funcție de cele două concomitent). Se „mută” toate variabilele și se bifează
descriptive statistics. Ulterior, apăsăm continue.

După ce selectăm toate menționate mai sus, apăsăm OK!

35
 4.Outputul:

Tabele:
● Test of Between Subjects effects – conține informații cu privire la valoarea testului de
semnificație F, gradele de libertate și pragul de semnificație pentru fiecare efect în parte
(atât efecte principale, cât și efecte de interacțiune)
● Estimated Marginal Means – conține informații cu privire la valoarea mediei la variabila
dependentă în funcție de variabila independentă.
● Contrast results – conține informații cu privire la semnificația diferenței în cazul efectului
unei VI dihotomică asupra VD. Ne interesează două categorii de informații: difference
(estimate-hypothesized) și sig. Atenție! Dacă nu avem VI cu două niveluri, atunci nu avem
acest tabel!
● Multiple comparison - conține informații cu privire la mărimea și semnficația diferenței
în cazul efectului unei VI cu cel puțin trei niveluri asupra VD (tabel identic cu cel din one
way anova). Și aici ne interesează două categorii de informații: mărimea diferenței dintre
două grupuri (mean difference) și semnificația acestei diferențe (sig). Atenție! Dacă nu avem
VI cu cel puțin trei niveluri, atunci nu avem acest tabel.
● Profile plots – reprezentarea grafică a efectului de interacțiune între cele două variabile
asupra variabilei dependente.

5.Interpretarea:

a)Efectul principal al variabilei tratament psihologic asupra autoîndreptățirii

1. Ipoteze
H0: Nu există un efect principal al tratamentului psihologic asupra autoîndreptățirii.
H1: Există un efect principal al tratamentului psihologic asupra autoîndreptățirii.

2. Extragere valori (Tabel Test of Between Subjects Effects)

F (1, 114)=7,72
df1=1
zx df2=114 (se ia de la Corrected Total)
p=0,006<0,05 => se respinge H0, se acceptă H1 =>există un efect principal al tratamentului
psihologic asupra autoîndreptățirii

3. Extragere medii (Tabel Estimated Marginal Means)

X̅ t_absent=36,09
X̅ t_prezent=32,18
=> X̅ t_absent> X̅ t_prezent

4.Concluzie : Există un efect principal al tratamentului psihologic asupra autoîndreptățirii, în

sensul că cei cu tratament absent au o medie smnificativ mai mare decât cei cu tratament psihologic

36
prezent la variabila autoîndreptățire.
b) Efectul principal al variabilei ședințe de coaching asupra autoîndreptățirii

1.Ipoteze
H0: Nu există un efect principal al ședințelor de coaching asupra autoîndreptățirii.
H1: Există un efect principal al ședințelor de coaching asupra autoîndreptățirii.

2.Extragere valori (Tabel Test of Between Subjects Effects)

F(2,114)=8,61
P=0,000<0,05 => resp.H0, acc.H1=>Există un efect principal al ședințelor de coaching asupra
autoîndreptățirii.

3.Extragere diferențe dintre medii (Tabelul Multiple Comparisons)

X̅ 3șed- X̅ 5șed=-1,74, p=1>0,05=>diferență nesemnificativă
X̅ 3șed- X̅ control=4,64, p=0,003<0,05=> diferență semnificativă
X̅ 5șed- X̅ control=6,39, p<0,001<0,05=> diferență semnificativă

4.Extragere medii (Tabel Estimated Marginal Means)

X̅ 3șed=35,33 X̅ 3șed> X̅ control
X̅ 5șed=36,66 =>
X̅ control=30,40 X̅ 5șed> X̅ control

5.Concluzie: Există un efect principal al ședințelor de coaching asupra autoîndreptățirii, în

sensul că cei din condiția de control au obținut o medie semnificativ mai mică comparativ cu cei
care au realizat 3 sau 5 ședințe de coaching. Însă, nu există diferențe semnificative între cei care
au participat la 3 ședințe față de cei care au participat la 5 ședințe de coaching în ceea ce privește
autoîndreptățirea.

c) Efectul de interacțiune între tratamentul psihologic și ședințele de coaching asupra

autoîndreptățirii.

1.Ipoteze
H0:Nu există un efect de interacțiune între tratamentul psihologic și ședințele de coaching
asupra autoîndreptățirii.
H1:Există un efect de interacțiune între tratamentul psihologic și ședințele de coaching
asupra autoîndreptățirii.

2. Extragem valori
F(2,114)=5,94
P=0,004<0,05 => se resp.H0, se accep.H1=>concluzie parțială=>Există un efect de
interacțiune între tratamentul psihologic și ședințele de coaching asupra autoîndreptățirii.

37
 Explicații tabel

COMPARAȚII PE VERTICALĂ
Gr1 cu Gr4
Gr2 cu Gr5 Teste t pt. eșantioane independente
Gr3 cu Gr6

COMPARAȚII PE ORIZONTALA:
Gr1 cu Gr 2 cu Gr 3
Anova One Way
Gr 4 cu Gr 5 cu Gr 6

Comparații pe verticală

38
 G1-G4
F=13,71
p<0,05=>Varianțele dintre variabile nu sunt egale (RÂND 2); *df se ia mereu mereu de pe RÂND 1
t(29)=2,64
p=0,013<0,05=> există diferențe semnificative=> COMPAR MEDIILE (coloana Means)
X̅ G1> X̅ G4(din tabel)
În condiția de 3 ședințe de coaching, participanții fără tratament psihologic au obținut o medie
semnficativ mai mare decât participanții care au primit tratament psihologic la variabila
autoîndreptățire.

G2-G5
F=13,62
p=0,002<0,05=>Varianțele dintre variabile nu sunt egale (RÂND 2); *df se ia mereu mereu de pe
RÂND1
t(17)=1,13
p=0,27>0,05=> nu există diferențe semnificative
În condiția de 5 ședințe de coaching, nu există diferențe semnificative între persoanele care nu au
primit tratament psihologic și cele care au primit tratament psihologic la variabila autoîndreptățire.

G3-G6
F=2,10
p=0,15>0,05=> varianțele dintre variabile sunt egale (RÂND 1)
t(63)=0,79
p=0,42>0,05=>nu există diferențe semnificative

În condiția grupului de control, nu există diferențe semnificative între persoanele care nu au primmit
tartament psihologic și cele care au primit tratament psihologic la variabila autoîndreptățire.

Comparații pe orizontală

39
 G1-G2-G3

INTERPRETARE ANOVA ONE WAY (CLASIC)

Coeficienți ANOVA: F(2, 78) = 4.73; p = 0.01< 0.05 = dif semnificative

Media diferențelor dintre grupuri:
X̅ G1 – X̅ G2= -6.15; p = 0.042 < 0.05 => diferente semnificative
X̅ G1– X̅ G3= 0.13; p = 1 > 0.05 => diferente nesemnificative
X̅ G2– X̅ G3 = 6.29; p = 0.01 < 0.05 => dif semnificative
In cazul celor care se afla sub tratament psihologic, cei care au participat la 5 sedinte de coach
au obtinut o medie semnificativ mai mare la autoindrept comparativ cu cei care au participat la
3 sedinte sau cu cei din conditia de control. Nu exista diferente semnificative intre cei care au
participat la 3 sedinte fata de cei care au participat la în grupul de control de sedinte la variabila
autoindreptatire.

G4 – G5 – G6
F(2, 31) = 10.22; p < 0.001 < 0.05 => dif semnificative între grupuri
X̅ G4– X̅ G5= 3.50; p = 0.56 > 0.05 => dif nesemnificative
X̅ G4– X̅ G6= 9.73; p < 0.001 < 0.05 => dif semnificative
X̅ G5– X̅ G6= 6.23; p = 0.07 > 0.05 => dif nesemnificative

In cazul celor fara tratament psihologic, exista diferente semnificative intre cei din cond de
control si cei cu 3 sedinte, in sensul ca cei care au participat la 3 sedinte de coaching au obtinut o
medie semnificativ mai mare comparativ cu cei din grupul de control la autoindreptatire. In
schimb, nu exista dif semnificative intre cei care au participat la 5 sedinte fata de cei din grupul
de control sau intre cei care au participat la 3 sedinte fata de cei cu 5 sedinte la variabila
autoindreptatire.

40
 Anova Mixtă

Variabila intragrup-within subjects

Variabila intergrup-between subjects

Exercițiu: Analizaţi efectul de interacţiune între momentul testării şi nivelul de anxietate asupra
agresivităţii. Analizați și efectele principale.

Etape:
a) Efectul principal al VI 1 asupra VD
b) Efectul principal al VI 2 asupra VD
c) Efectul de interacțiune al VI 1 și VI 2 asupra VD

VD = agresivitatea
VI1 = momentul testarii (test vs retest) => variabila intragrup
VI2 = nivelul de anxietate (1 – scazut, 2 – ridicat) => variabila intergrup
O variabilă independentă intragrup și o variabilă independentă intergrup => ANOVA Mixtă

41
SPLIT FILE ÎN FUNCȚIE DE VARIABILA ANXIETATE REZULTATE TESTE T PENTRU
ESATIOANE PERECHI (variabila care își menține constant nivelul la fiecare comparație este
anxietatea)

42
43
 Aplicam teste T pentru esantioane independente, fara Split
File (cand variabila constanta este cu masuri repetate)

1.Redactare ipoteze
H 0 – Nu există un efect principal al momentului testării (VI 1 ) asupra agresivității (VD)
H 1 – Există un efect principal al momentului testării (VI 1 ) asupra agresivității (VD)

2. Extragem coeficenți (Variabila intragrup => Within Subjects Contrasts)

Df + error + coeficientul F + Sig
F(1, 48) = 6.84; p = 0.01 < 0.05 => acceptat H1 și am respins H0 - Există un efect principal al
momentului testării asupra agresivității.

3.Extragem mediile (Estimated Marginal Means – tabelul aferent variabilei – Coloana Means)
X̅ agres_testare initiala = 8.44
X̅ agres_retestare = 10.26
X̅ agres_retestare > X̅ agres_testare initiala

4.Redactare concluzie
Concluzie: Există un efect principal al momentului testării asupra agresivității, în sensul că media
la retestare este semnificativ mai mare comparativ cu media la testare.

44
 b) Efectul principal al nivelului de anxietate asupra agresivității.

1.Redactare ipoteze
H 0 - Nu există un efect principal al nivelului de anxietate (VI 2 ) asupra agresivității (VD)
H 1 - Există un efect principal al nivelului de anxietate (VI 2 ) asupra agresivității (VD)

2.Extragem coeficienții (Tabel Test of Between Subjects Effects)

F(1, 48) = 43.29; p = 0,001 < 0.05 => se respinge H0, acceptam H1 => Există un efect principal al
nivelului de anxietate asupra agresivității.

3.Medii (Estimated Marginal Means, tabelul aferent variabilei – coloana Mean)

X̅ scăzut = 5.92
X̅ ridicat = 12.79
X̅ ridicat &gt; X̅ scăzut

4.Concluzie: Există diferențe semnificative în ceea ce privește agresivitatea în funcție de nivelul

de anxietate, în sensul că cei cu un nivel ridicat de anxietate au o medie semnificativ mai mare
comparativ cu cei cu un nivel scăzut de anxietate.

c) Efectul de interacțiune

1.Redactare ipoteze
H 0 – Nu există un efect de interacțiune între momentul testării (VI 1) și nivelul de anxietate (VI 2)
asupra agresivității (VD).
H 1 – Există un efect de interacțiune între momentul testării (VI 1) și nivelul de anxietate (VI 2)
asupra agresivității (VD).

2. Extragem coeficienții
F(1, 48) = 4.07; p = 0.049 < 0.05 => se respinge H0, acceptam H1 => există un efect de
interacțiune între momentul testării și nivelul de anxietate asupra agresivității

45
Comparații pe orizontală (Independent Sample t Test – variab constantă este momtest) G1 –G2
TEST LEVENE F = 14.84; p < 0.001 < 0.05 => varianțe inegale (rând 2) t (48) = -7.22; p < 0.001
< 0.05 => diferență semnificativă
Compar mediile: G1 < G2
G1a – G2a
F = 40.34; p < 0.001 < 0.05 => varianțe inegale (rând 2)
t(48) = -3.95; p < 0.001 < 0.05 => diferență semnificativă
Compar mediile: G1a < G2a

Concluzie:
● În ceea ce privește prima testare a agresivității, există diferențe semnificative între cei cu
nivel scăzut și cei cu nivel ridicat de anxietate, în sensul că cei cu un nivel ridicat de anxietate
prezintă o medie semnificativ mai mare comparativ cu cei cu un nivel scăzut de anxietate.
● Cea de-a doua testare a agresivității indică diferențe semnificative în funcție de nivelul de
anxietate, în sensul că cei cu un nivel ridicat de anxietate au o medie semnificativ mai mare
comparativ cu cei cu un nivel scăzut.

Comparații pe verticală (Test t eşant perechi – variab constantă anxietate)

G1 – G1a: t(25) = -5.62; p < 0.001 < 0.05 => diferență semnificativă => compar mediile G1a > G1
G2 – G2a: t(23) = -0.318; p = 0,75 > 0.05 => diferență nesemnificativă
Concluzie: În cazul celor cu nivel scăzut de anxietate, există diferențe semnificative între cele
două testări ale agresivității, în sensul că media la retestare este semnificativ mai mare comparativ
cu media la prima testare. În cazul celor cu nivel ridicat de anxietate, nu există diferențe
semnificative între cele două testări ale agresivității.

Analiza de varianță
ANOVA (VD-scala de interval)

46
 12. Corelațiile în statistică

1. Ce este corelația și cum este reprezentată?

În statistică, coeficientul prin care se verifică dacă există o relație liniară între două variabile este o
corelație. În alte cuvinte, coeficientul evaluează dacă există sau nu există o legătură între două
fenomene. De asemenea, aceasta măsoară direcția mișcării variabilelor și cât de aproape se
modifică o variabilă în raport cu modificările unei alte variabile.

2. Cum este clasificată corelația după valori?

Corelațiile pot avea valori în intervalul [-1,1], indicând o primă clasificare a corelațiilor după
valoarea lui r, coeficient de corelație exprimat tehnic (regresie). Interpretarea lui r depinde de două
lucruri: valența lui r (arată direcția corelației, pozitivă și negativă) și puterea corelației (ilustrează
cât de mare este corelația respectivă). Dacă aceasta este pozitivă, va exista o corelație pozitivă
între cele două variable într-o cercetare. O corelație pozitivă este o relație dintre două variabile în
care scorurile variabilelor scad sau cresc în aceeași direcție. De aceea, pentru rămâne o corelație
pozitivă nu e necesar ca variabilele să crească. În acest tip de corelație, scorurile mici, medii și
mari se asociază la ambele variabile: scoruri mici la variabila 1 cu scoruri mici la variabila 2,
medii cu medii, mari cu mari.
Contrar, dacă r<0 atunci va exista o corelație care negativă între variabile. O corelație negativă
este o relație între două variabile în care creșterea scorurilor uneia dintre ele este asociată cu o
scădere în cealaltă variabilă. Scăderea scorurilor primei variabile este asociată cu creșterea
scorurilor în cealaltă variabilă, iar dacă avem scoruri medii în prima variabilă, vom avea scoruri
medii și în a doua variabilă.

Ce se întâmplă în schimb când valoarea corelației este 0? Acest lucru indică faptul că nu există
o relație între două variabile. Acest tip de corelație pe grafic ese afișat ca un grup de elemente de
analizat dispersat pe tot graficul, fără a fi posibil de trasat linia regresiei.

Coeficientul care exprimă semnificația corelației este p. În cercetări, p are rolul să ne spună dacă
datele din grafic susțin ipoteza de nul (H0: nu există o asociere semnificativă între variabile) sau o
ipoteză alternativă, ipoteza de cercetare, H1 (există o asociere semnificativă între variabile). Dacă
p<0.05, corelația este una semnificativă, iar dacă p>0.05 corelația este nesemnificativă.
În SPSS, când vom vedea o corelație de 0.000 o vom nota cu 0.001 pentru a arăta ca e
semnificativă. Pe un grafic, coeficientul p este notat ca ”Sig.” Iar valoarea lui r se gășește în
tabelul PRF, la fel ca în imaginea următoare:

47
 Corelația Pearson aparține testelor statistice parametrice. Ia valori între -1 şi +1 și
indică puterea (interpretăm valoarea coeficientului) şi direcţia (interpretăm semnul
coeficientului) asocierii lineare.

Condițiile de realizare a coeficientului: Formula coeficientului

a) Variabilele sunt cantitative (se pot număra) corelațional este:

b) Variabilele sunt normal distribuite Covarianța lui X și Y

r= varianța lui X și Y separat
c) Relația dintre variabile este liniară

3. Cum se calculează corelația Pearson în SPSS?

Calcularea corelației Pearson se face prin urmarea pașilor Analyze, Correlate, Bivariate.

După ce vom urma aceste instrucțiuni ni se va afișa un meniu în care ni se cere să selectăm minim
două variabile pentru a fi corelate. În cazul nostru, acestea sunt înălțimea și greutatea. Vom marca
apoi că Pearson este coeficientul de corelație cu care vrem să lucrăm, Pentru corelația Pearson,
ambele variabile trebuie să fie măsurate pe scala de interval sau raport, iar scorurile lor trebuie să
urmeze o distribuție gaussiană normală. Aceste aspecte se verifică înainte de a executa testul
Pearson. De regulă, vom alege opțiunea two-tailed.

48
 Ultimul lucru de executat pentru a calcula o corelație Pearson în acest meniu este bifarea optiunii
de a semnala corelații semnificative. În urma efectuării tuturor pașilor vom obține un tabel precum
cel din figura de jos:

Variabilele au fost corelate cu ele înseși și între ele. Întotdeauna, dacă efectuăm corelații între
aceleași variabile vom avea valoarea 1. În cazul corelării cu alte variabile, observăm că avem o
corelație puternică în funcție de r (.574) și nesemnificativă în funcție de p (.083).
În SPSS putem corela mai mult de două variabile printr-o singură operațiune, dar rezultatul nu ne
va indica asocierea dintre cele 3 variabile simultan, ci le va grupa câte 2.

Pentru asocierea dintre 2 variabile nominale, se

foloseste testul chi-square. Nu putem folosi
corelația, deoarece variabilele nu sunt continue.
Pentru asocierea dintre 2 variabile ordinale,
folosim corelația Spearman`s rho (bifăm
Spearman în Figura de mai sus în loc de
Pearson).
Pentru asocierea dintre o variabilă categoriala si
una continua, folosim corelatia punct biserială.
Aceasta se efectueaza bifând tot opțiunea
Pearson.

Variabilele nominale pot fi și ele corelate,

dar ele trebuie să fie la același nivel.
Corelarea lor se face la fel dar tabelul lor va
arăta în felul următor:

Observăm din tabel că relația dintre greutate

și sex este semnificativă ( sexul este a treia
variabilă) la .009 și a fost marcată.

49
 13. Regresia liniară
Regresia este o analiză care permite prezicerea scorurilor la o variabilă pe baza unei alte variabile
sau a unui set de variabile. Aici, variabilele independente nu au nivele (nu se măsoară pe scala
nominală), ci sunt continue (scala de interval sau raport).

Variabila predictor/variabila independentă – variabila care prezice (o variabilă sau mai multe).
Variabila criteriu/variabila dependentă – variabila care este prezisă (mereu o singură variabilă).

1.Dacă există o singură variabilă predictor – REGRESIE LINIARĂ SIMPLĂ.

2.Dacă există mai multe variabile predictor - REGRESIE LINIARĂ MULTIPLĂ.

Exemplul 1:
Motivația academică (variabila preductor) prezice performanța la matematică (variabila
criteriu) – REGRESIE LINIARĂ SIMPLĂ.

Exemplul 2:
Motivația academic, abilitățile spațiale și abilitățile de calcul ( variabila predictor) prezic
performanța la matematică (variabila criteriu) – REGRESIE LINIARĂ MULTIPLĂ.

Exerciții:
1.Regresia liniară simplă
Variabila predictor: Nivelul de stres
Variabila criteriu: Satisfacția vieții
H1: Nivelul de stres prezice negativ satisfacția vieții
H0: Nivelul de stres nu prezice negativ satisfacția vieții

Din tabelul ANOVA

a. Dependent Variable: satisfactia vietii T1

b. Predictors: (Constant), Stres T1
F=60, 61
df=1, 288 (coloana 3, primele două valori)
p<0, 001
Interpretare: Deoarece p<0,05, analiza de regresie, F(1, 288)=60, 61 este una semnificativă.

50
 a
Din tabelul Coefficients
Pentru variabila stres, Beta = -0, 14, p<0,
001. Deoarece p<0 ,05 predictorul este unul
semnificativ. Predictorul este negativ.
-Dacă Beta este cu „+” – ESTE POZITIV
-Dacă Beta este cu „-” – ESTE NEGATIV
a
Din tabelul Model Summary
2 R ajustat = 0, 171 (coloana 4)
R ajustat * 100 = 17, 1%
Interpretare: Modelul format din nivelul de
stres este responsabil/explică 17, 1% din
varianța scorurilor la satisfacția vieții.

2.Regresia liniară multiplă

Variabile predictor: satisfacția vieții, capital psihologic, anxietate, stres.
Variabila criteriu: depresie.
H1: Satisfacția vieții și capitalul psihologic prezic negativ depresia, în schimb anxietatea și stresul prezic
pozitiv depresia.
H0: Satisfacția vieții, capitalul psihologic, anxietatea și stresul nu prezic semnificativ depresia.

a
Din tabelul ANOVA
F = 133,95
df = 4, 285
p<0, 001
Interpretare: Deoarece p<0,05, analiza de
regresie F(4, 285) = 133, 95 este una
semnificativă.

a
Din tabelul Coefficients
Pentru variabila satisfacția vieții, Beta =
-0,14, p = 0,001. Deoarece p<0, 05,
predictorul este unul semnificativ.
Predictorul este negativ.
Pentru variabila capital psihologic, Beta =
-0.22, p<0, 001. Deoarece p<0, 05,
predictorul este unul semnificativ.
Predictorul este negativ.

51
 Pentru variabila anxietate, Beta = 0, 47, p<0, 001. Deoarece p<0, 05, predictorul este
semnificativ. Predictorul este unul pozitiv.
Pentru variabila stres, Beta = 0, 19, p<0, 001. Deoarece p<0, 05, predictorul este semnificativ.
Predictorul este unul pozitiv.

Ierarhizare a predictorilor (se face doar pentru predictorii semnificativi) -se realizeaza pe baza
modulului de Beta.
Modul Beta satisfacția vieții = 0,14
Modul Beta capital psihologic = 0,22
Modul Beta anxietatea = 0,47
Modul Beta stres = 0,19
Satisfacția vieții < Stres < Capital psihologic < anxietate

Din tabelul Model Summary:

2
R ajustat = 0.648
2
R ajustat *100 = 64.8 %
Modelul format din satisfacția vieții, capital psihologic, anxietate și stres este
responsabil pentru 64.8 % din varianța scorurilor la depresie.

52
 Exemple de ipoteze

Cum recunoaștem ce test folosim?

Anova one way- Se folosește atunci când avem o variabilă independentă cu 3 sau mai multe
nivele și o variabilă dependentă distribuită normal și măsurată pe scala de interval/raport.
Teste T pentru eșantioane perechi- ne uitam mereu după aceeași variabila măsurată la 2
momente temporare diferite sau aceeași variabila măsurată la alte 2 variabile ( ne gândim la
sensul propriu al cuvântului pereche)
Teste T pentru eșantioane independente- Se folosește atunci când avem o variabilă
independentă cu 2 nivele și o variabilă dependentă distribuită normal și măsurată pe scala de
interval/raport.
Ne dam seama ca sunt teste T sau ANOVA după numărul de nivele al variabilei independente.
Ne dam seama ca este Regresie atunci când ipotezele propun o asociere între variabile continue
(măsurate pe scala de interval/raport).

Anova one way

Comparați rezultatele subiecților cu nivel scăzut al stării affective pozitive cu ale celor cu
nivel mediu și ridicat,la variabila altruism.
altruism-scala de interval,normal distribuită

Testul t pentru eșantioane independente

Comparați rezultatele subiecților de gen masculin si feminin la variabila egoism

egoism –sc.interval,date normal distribuite

Testul t pentru eșantioane independente

Comparați rezultatele subiecților cu loc al controlului intern cu ale celor cu loc al controlului
extern la variabila asumarea responsabilitățiilor.
Asumarea responsabilităților –sc.interval,date normal distribuite

Anova one way

Comparați rezultatele subiecților de 4 ani cu ale celor de 5 și 6 ani, la variabila fantezie.

Fantezie-sc.Interval,normal distribuită.

Testul t pentru eșantioane perechi

Există o diferență între nivelul anxietății elevilor în timpul în timpul școlii fizice comparativ cu
școala online

53
 Anova univariată
Perceptia asupra autonomiei este influentată semnificativ de gen și mediu de proveniență.
Vd-perceptia autonomie
Vi-gen și mediu de proveniență

Regresie liniară

Influența parentală prezice nivelul anxietății elevilor.

Corelaţia Pearson

Analizaţi legătura dintre variabilele percepţia riscului şi comportament riscant.

Percepţia riscului - sc. interval, date normal distribuite
Comportament riscant - sc. interval, datele normal distribuite

Test T pentru eșantioane independent

Există un efect al stării afective asupra dominanței, în sensul în care persoanele care au o stare afectivă
negativă percep persoanele ca fiind mult mai dominante decât cele care au o stare afectivă pozitivă.

Test Anova One-Way

I3: Există un efect principal al posturii capului asupra dominanței, în sensul în care persoanele care au
capul înclinat în sus sunt percepute ca fiind mai atractive decât persoanele care au capul înclinat normal
sau înclinat în jos.

VI 1 - postura capului

Niveluri: înclinat în sus, înclinat normal, înclinat în josx

VD: Dominanță

Testul Anova Univariate

I5:Există un efect de interacțiune dintre postura capului și a stării afective a observatorului asupra
dominanței percepute.

VI 1 - postura capului
Niveluri: înclinat în sus, înclinat normal, înclinat în jos
VI 2 – starea afectivă Niveluri: fericit, trist
VD – dominanța

Test T pentru eșantioane perechi

Compararea stării afective a participanților înainte și după expunerea la un film cu valență negativă.

Test T pentru eșantioane perechi

Există un efect principal al momentului testării asupra agresivității, în sensul că media la retestare
este semnificativ mai mare comparativ cu media la testare.
54
 Bibliografie

Zancu, A. S., (2021). Psihologie experimentală, Seminar 2, Anul II, Semestrul I

[Diapozitive PowerPoint].

Popușoi, S. A., (2020).Statistica, Seminar 3, Anul I, Semestrul I [Diapozitive

PowerPoint].

Labăr, A.V. (2008), SPSS pentru Științe ale Educației, Iași: Polirom

Prundeanu Oara.Suport de curs-ACD.

Măirean Cornelia. Suport de curs-ACD.

Gherasim Ruxandra-Loredana. Suport de curs-ACD.

Labăr, A. V. (2008). SPSS pentru Științele Educației. Iași : Polirom.

Maftei, A. (s.d.). Seminar 4. Metodologia Cercetării psihopedagogice. Corelația sau

legătura dintre Variabile.

55