Analiza Datelor-Florin Alin Sava

F. i i. I I.
‘_—lll l:l| 1111 :11 1 :

mmuwmw1111111111 ‘1: 1 :.
p—
CU PRINS
PREFATA‘ ix
INTRODUCEHE xi
Capitolul 1. ELEMENTE DE STATISTICA DESCRIPTIVA 1

Périntilor mei, Viorel §i Zorita,
1.1. Modalitégi de mésurare a yariabilelor studiate. 2
1umea féré uré. '
pentru (:51 m-au invétat $5. privesc 1.2. Analiza descriptivé univariaté' 3
1.3. Analiza descriptivé bivariaté 12
1.3.1. Coeficientji de corelagie 13
1.3.2. Reprezentarea graficé a asocierii dintre variabile 15
1.3.3. Tabele de contingenté — moduri de prezentare a asocierii dintre datele
“ non-numerice 24
Bibliografie 26
gag-:29.
Capitolul 2. TESTAREA lPOTEZELOR 27
_:s.' -_
2.1. [poteza nulé — clarificéri conceptuale 28
2.1.1. Logica testérii ipotezelor 29
2.1.2. 1poteza nu1é§i mérimea~e§antionului 31
2.1.3. Erorile de tip 1 $1 [I in testarea ipotezelor 81
2.2. Mérimea efectului ‘
33
2.2.1. Indicatori ai mérimii efectului 34
2.2.2. Interpretarea mérimii efectului 35
2.2.3. Stabilirea mérimii efectului 37
2.2.4. Limitele mérimii efe'ctului 37
2.3. Puterea statisticé a unei cercetéri 38
. 2.4. Appendix - Ce inseamné gradele de libertate? 46
Bibliografie 48
Capitolul 3. TEHNICI INTRODUCTIVE DE TESTARE A IPOTEZELOR 51
3.1. Testarea asocierii dintre dqué variabile 51

3.1.1. Coeficientul de corelatje r 51
a
3.1.2; Corelatja partialé 59
a
3.2. Tehnici de comparagie intre grupuri 61
'1
1
:1 3.2.1. Tehnicile x2 61
3.2.2. Testele t §i 2 de comparare a diferentelor dintre doué medii 70
3.3. Managementul datelor brute 81
3.3.1. Managementul datélor lipsé 81
- 3.3.2. Managémentul datelor neobi§nuite . 82
3.3.3. Transformareadatelor brute 82 1
Bibliografie 85
1‘ l lillllllll_flllll/Wlllllllll‘ llll illll lllll ‘llll lllll ‘llll llll‘ llll‘ lllll llll ‘lll ‘lll lll‘ l l l l l l lll‘ l l ‘lll lllL il il : l l l l l l llll l l} ‘lll llll l l llll llll llll‘ ‘llll ‘11 11‘ l‘
‘
Capitolul e. REGRESlA LINIARA 185
Capitolul 4. TEHNICILE ANOVA
6.1. Regresia liniaré simplé 187
4.1. ANOVA simplé 6.1.1. Principii ale regresiei liniare 187
4 . 1 .1. Pr cedurile ost h oc .
posthoc _ 6.1.2. EvalLiarea eficientei unei ecuagii de regresie 192
4.1 ?1.1 . Méfirgiiea efectu/ui in cadrul procedurilor
‘ 6.1.3. Testarea individualé a eficientei predictorilorin estimarea evolugiei
4.1.2. Procedurile a priori . . criteriului . 194
4. 1.2. 1. Contrasts nestandardlzate 6.2. Modalitégi de ana‘lizé in regresia multiliniaré
4.1.2. 2. Mén‘mea efectu/ui in caz_ul contrastelor 6.3. Regres‘ia multilinaré in scop predictiv
4.1.2.3. Contrastele standardizate “gum-2.15. Wuw m 6.3.1. lnterpretarea coeficientjlor de regresie .
4.1.2.4. Contrastele polinom1ale 6.3.2.,Rolul ecuatjelde regresie in interpretareavdatelor cu scop predictlv
4.2. ANOVA factorialé .~.*~.-w;ci. 6.3.3. lnstrumente complementare regresiei in scop predictiv
4.2.1. Metoda efectelor simple
1
. 6.3.3.1. Decizia organizationalé
factoriala' .:::
4.2.2. Mérimea efectelorin cazul ANOVA
-
. 6.3.3.2. Contravalidarea
Simpla 5|
4.2.3. Condigii necesare pentru aplicarea ANOVA
-
115 6.3.3.3. Analiza" cazurilor influente

ANOVA factorialé 6.4. Regresia multiliniaré in scop explicativ
4.3. ANOVA cu mésurétori repetate « . 6.4.1. Logica regresiei utilizate Tn scop explicativ
masuratorl repe‘Eate
4.3.1. Mérimea efectelor in ANOVA cu
-
. 6.4.2. Testarea eficiengei explicative a modelului propus

cu masuratori repeta t e
4.3.2. Conditii necesare pentru aplicarea ANOVA
-
‘ 6.4.3. lnterpretarea coeficiengilor de regresie in analizele cu scop explicativ

. . Alt modailtéti ANOVA . . __
euristicu de accesubilitate.
. __ 6.4.4. lndicatorii mérimii efectului in cazul regre'siei multiple
in: Exzmplu de ANOVA facto‘rialé: cazul . 6.5. Condigii necesare pentru aplicarea regresiéi liniare
4.6. Tehnicile ANCOVA _ 6.5.1. Evitarea erorii de specificare
4.6.1. Mérimea efectului in tehriicilg 6.5.2. Evitarea erorii de mésurare
4.6.2. Conditii suplimentare apli-carii 161$n
_ 6.5.3. Eroarea rezidualé (:51 mai micé
ANOVA sau ANCOVA
4.7. Tipuri de factori in design-urlle de tip 137 6.5.4. Evitarea multicoliniaritétji
1..
Bibliografie , 6.5.5. Existenta unor relatii de tip liniar 5i aditiv
6.6. Exemplu de regresie multiplé liniaré —~ cazul citirii
139 ‘‘«.- .;,. ~1. ,. 6.7. Direcgii de evolutie ale regresiei
Capitolul 5. ANALIZA FACTORIALA 17..
6.7.1. Alte tipuri de regresie
140 6.7.2. Identificarea efectelor de inleractiune in regresia multiplé
5.1. Analiza factorialé exploratorie 141 6.7.3. Analiza de cale
5.1.1.Teoria analizei factoriale . . V“ 143 Bibliografie
componentelor principale factoriala
5.1.2. Analiza
‘ - 145
5.1 ac oria e
l i metodolo ia analizei f\Is.tan_a:iza .
a fasten/or 146
3513191391“Tlfipzim' de matn'ge §i metode de egtragere 148 Capitolul 7. REGRESIA LOGISTlCA 243
de facton
‘9 5.1.3.2. Metode de selectare a numérulut agecvat 153
5.1.3.3. Analiza statistics? a facton‘lor extra§l 155 7.1. Concepte §i principii teoretice 243
5.1.3.4. Hotirea factorilor . 160 7.2. Modelul regresiei logistice 245
.. 5.1.3.5. lnterpretarea naturii factonlor 7.3. Estimarea modele|or logistice 249
5.1.3.6. Ameliorarea structurii factoriale
13' 163 7.3.1. Testarea modele|or explicative logistice 250
13' ‘ 5.1.3.7. Aspecte metodologice complemgntare
-
‘ . . . 167 7.3.2. Compararea modele|or logistice 253
cazul Inteligen’gei
5.1.4. Exemplu de analizé factorialé exploratorie 170 7.3.3. Stabilirea eficientei explicative a modelului ales 256
1;. 5.2. Analiza factorialé confirmatorie 171 7.3.4. Testarea 5i interpretarea coeficiengilor logit 260
5.2.1. Specificarea modele|or concurente 173 7.3.5. Stabilirea unor profile ideale ' . 264
5.2.2. ldentificarea modele|or 176 7.3.6. Analiza cazurilor influente asupra modelului 265
5.2.3. ’Stabilirea gradului de adecvare a modele|or
' 176 7.4. Exemplu de regresie logistics] binaré — cazul infidelitétii 266
5.2.3.1. lndicatori absoluti 178 Bibliografie 269
5.2.3.2. Indicator'i de comparare 180
' ‘ . _
rea modelului __
facioriale confirmatorn 182
:2: “1:53;: metodologice ale aplicérii analizei
- 183
Bibliografie
vii
vi
lillllllllllilWHillllllllllillllllll‘lllll ‘l l l ‘l l‘. ‘Il‘ ‘l ii
i—
271 .
Capitolul 8. SCALAREA MULTlDlMENSlONALA
272
8.1. Modele de‘scalare multidimensionala . _ . 275 PREFA ,TA
8.2. Design-ul-cercetarii in scalarea multidimenstonala
-
acestora 276
8.2.1. Selectarea obiectelor si a numérulut 277
. 8.2.2. Metode de colectare a datelor ‘ _ . 277
‘ 8.2.2.1. Compararea fiecérei perechl de stimuli 0 CARTE DE STA TIST/C/i PENTRU PSIHOLOGI
278
8.2.2.2. Sortarea stimuli/or 279
8.2.2.3. Ierarhizarea stimuli/or Cénd mi s-a propus sa redactez un cuvant introductiv la Cartea colegulul meu, Florin
‘ _ 2-79
ul datelor colectat e prin SPSS . . 283 Sava, am fost oarecum socat, deoarece sunt mai mult un consumator de statistica decat un
distantelor psihologlce
8.3.8lll2a-Britalvrlaeienrf‘:ge(iiirtlii'gi‘.t Reprezentarea spatiala'a 283 creator al aoestui domeniu. Exista si perceptia’, uneori false, ca psihologii nu sunt prea buni'
perceptive
8.3.1. Selectareajnumarului de dimensiunl dinharta‘ 288 vstatisticieni. Multi chiar se complac in aceasta convingere si nu fac nici un efort sa-si optinlizeze
8.3.2. interpretarea configuratiei MDS 293 performantele intr—un domeniu, care, de ce sé nu recunoastem; da substanta oricarei cercetéri din
8.3.3. Aplicatii lNDSCAL _ 295 'domeniul psihologiei. Personal, nici nu pot concepe o investigatie psihologicé féra o abordare
conexe
-
8.4. Modele de scalare multidimenslonala 295' 7 statistica adecvata; indiferent~ca se pune problema unui demers cantitativ sau calitativ.
8.4.1. Modele MDS constranse 296 Psihologia este. atestata ca 0 stiinté experimentala. Experimentul a fost acel element
8.4.2. Modele MDS extinse 298 care a conferit psihologiei calitatea de stiinté. Ea este evaluate c'a fiind o stiinta tanara, nascuté ca
8.5. Incursiune in optiunile SPSS 299 0 sintezé a cercetérilor lui E.H. Weber asupra senzatiilor tactile ~(1849), ale lui H. Helmholtz >
Bibliografie aslupra senzatiilor vizuale sioptice (1862-1867) si studiilor de psihofizica (1860) ale lui G. Th.
Fechner, in' laboratorul lui Wilhelm'Wundt de la Leipzig, mai ales dupa publicarea manualului sau
de psihologie (1874). Aplicarea' in mod consecvent a metodei experimentale ca regulé in
investigarea psihologica a' insemnat renuntarea. Ia sistemele vaste filosofico—psihologice.
'uq, Psihologia cunoaste in prezent o insertie totala in activitétile practice in care deseori se reflecté
V diverse categorii de probleme cu care se confrunta fiinta umané in contextul existentei sale
cotidiene. in toate aceste cadre actionale, psihologii dezvolta proiecte experimentale pe care le
fundamenteaza prin intermediul unui aparat statistic construit cu multé grija. Prin utilizarea
experimentului in psihologie s-a pus accent pe colectarea de date obiective privind
comportamentul uman, astfel flind posibila generarea alnumeroase legitétj privind .senzatiile,
perceptiile, reprezentarile. memoria etc., legitéti care au permis psihologiei sé devina o stiinta
independenté. Psihologia stiintifica este o provocare vizavi de practicile diletante‘sau abordarile
- parapsihologice de genul astrologiei,'psihobioritmurilor, telepatiei, grafologiei, ,chiromantiei etc.
,,1' Acestor practici cu profund caracter nestiintific, cat si adeptilor lor, psihologii Ie-au raspuns printr-o
t abordare stiintifica, proiecténd o serie de eXperimente in (care erau folosite proceduri statistice
x
*2 adecilate. La timpul sau, psihologul american R. Pintner sublinia fata de pretentiile
caracterologilor si ale altor sarlatani, ca pe acestia n'u-i poti combate decat cu fapte. prin aceasta
intelegandu-se argumente stiintifice, rezultate ale unor investigatii. Ca atare, de-a lungul timpului
. au fest proiectate si publicate o serie de investigatii menite sé demonstreze caracterul nestiintific
al astrologiei, horoscopului, psihobioritmurilor etc. .
Cercetarea psihologicacontemporana a adus statistica psihologica si educationalé la un
punct suficient de inalt, incat sa nu mai fie descifrata cu 'prea multa usurinta decét cu un efort
sustinut si dupa o practica indelungata de catre orice cercetétor. Azi, problema calculelor, cu care
se confruntau cercetétorii pana nu de mult, =nu mai constituie o bariera, calculatorul sl pachetele
de programe statistice facand poslbilé printr-o simpla apasare pe o tasta, efectuarea celor mai
complicate calcule intr-un timp nebénuit de scurt. Creatorul cunoscutului Chestionar de
personalitate 16PF, psihologul RB. Cattell (1905—1998), s-a folosit de 0 simple“: masina de calcul
Pentru a descoperi cei 16 factori ai celebrului sau chestionar. Se spune ca foile de hartie pe care
erau trecutexiteratiile analizei factoriale Se Tntindeau din casa pana in gradina, fiind asistat de
céteva secretare. Uneleyoci afirma chiar oil in noianul de calcule s-au stre‘curat siunele .erori, Cu
_ tehnica actuate de calcul. acest lucru nu se mai poate intémpla. Un singur calculator, softwarejul
auecvat si un operator, pot rezolva orice problema statisticé. Deci, problema nu mai este a
dlfic'ultatii de a realiza si intelege demersul de calcul al cutarui sau cutarui indice statistic. Ci de a-i
ix
viii
“indium:
de
de azi este prea putin interesat
a-l interpreta corect. Psihologul
descoperi semnificatia, de
palm»
din punctde vedere tehnic. El se
de calcul, cum sunt ele aplicate ei pe cum trebuie
unde provin unele formule
dun.“
diferite contexte de cercetare
concentreazé pe tipul de statistici
A
utilizate in
alege corect abordarea statisticé
adecvata demersului experimental
vl
lNTRODUCERE
acestea sa fie interpretate. cu prea multa ueurinté. Desigur,
nu se poate trece
problema peste care
abordat este intr-adevar o psihologic sé fie'mascat de 0
I
de dorit. Uneori s—a ajuns ca faptul

nici abuzul de statistica nu este
4 . A v y - .
articole din reviste a facutvpaei importanti pentru a recupera pierderile

acolo, incat unele '
P
laborioasai S-a ajuns péna pm we neinspirataA a regimului comu nIS-t 8e V0Fbe§te tOt
abordare statisticé prea psihologul'obienuit, ele devenind accesibile provocatesgjglEQQZEiazmeaneasca
fie de neinteles pentru 4 V ' ' ' '
prestigioase de psihologie 5a acest caz, pierde 5i revista 5i psihologia ca etiinta. mai mult de 0 psihologie autohtona care sa nu mai fie tributaré UHOF PraCtI
de psihologii Or, in . . . . . . ‘ ' ' “
numai unui numar restrans ne spune adesea mai mult decét imitative, de diVinizare a psihologiei ame ricane. Cu Siguranta, aceasta P e rSPeCta
simple diagrame de corelatie
Sé nu uitam ca inspectarea unei specifice ale anumitor . v . _ v
Ea ne permite sa identificam unele concentréri merita a oferi psihologiei romaneetmn stil propriu
‘coeficientul de corelatie. corelatia etc. Apoi, diagrama de pentru
distorsionante care pot afecta irilouraiata multi ‘psihologi care confundé acest deziderat cu o
scoruri, 5a intuim elementele subiectul unui studiu de caz,
cele 3 ' ' ’
de exoeptie care pot constitui a greei
dte inteleasa. Erorile' metod l SBU Ignorant?
corelatje ne indicé acele cazuri psihdlogica ei educationala se pot spune larghete , ontlftgdeojgséacdestul , ‘ 1009106
' ' '
generala. Despre statistical
care se aba’t de la 0 regula
incapabili 551 0 practice, afirmand
iresponsabil ca ei
E
i? statisticé sunt , din nefericire , prezente frecvent in practiCa p5ihologilor de la nor.
multe ei despre cei care sunt 'i
v . _
multe, la fel de statistical; Abordarea cantitativa $i de specn‘ice spatiului cial romanesc merita
neavandu-se prea bine cu cercetare
"prefera'V metodele calitative, etiintifice ordin metodologic §i statistic
ele se completeaza reciproc. Dgrfiovzitibiectele ' trebuie pastrate
calitativa nu trebuie sa fie disociate, sa gasim prea multe de ' ” ' ' ' " ‘
carte de statistica psihologica nu ne aeteptam I: un ”NZ, , ca, ce putin similar cu cel int“alnit in majoritatea publicatiilor de
:iEndtardEIf
, Cénd vedem o alte simboluri §i poate .
eventual utilizand
aceiaei algoritmi de calcul, Specmmate dejimbé engiezé.
lucruri noi. Aceleaeitformule, sa ne invete de ce folosim o anumita
din domeniul amintit care
alte exemple. Putine sunt lucrarile 5i care este procedura de utilizare‘a acest lucru este nevoie acuta de texte statistice
interpretém rezultatele obtinute " ‘ '" ‘
formulé gi nu alta, cum sa aflam sau sa verificam. Carlee pe care Florin . n u imii ani, aceasta cerere a ince DU t 58 fie aCOperlta Prln
compreh::r;tigiileaireaa.za
ceea ce dorim sa " ' '
calculatorului pentru a surprinde multe din problemele cu editoriale , in special alec olegilor din la§i sau Cid-N d9
utilizatorilor de statistica psihologicé §i edhcationala rezolva contributiile
, ' ' ' ' J apoca’ ' Lucrarea
' "
Sava o oferé aceea ca este scrisa de cat're
Poate ca 0 calitate a acestei
lucrari este fata, se _ alatura acestor demersu ri oferind o Vi2iune proprie asu Dre 8 tatisticn 1 cea re
care se confrunta aceetia. in formula ei demonstratii V V . _, . ‘ ' '
lipsite de explicatii, abundente ca 0 prima sursa stagiul de speCializare de l a UniverSItatea Michi 930 dm Ann Arbor
un psiholog. El nu da niete "retete" sau student prin aceea cé ii _ ” ' ' ' ‘ ‘ “ '
pentru un psiholog
redundante. Aceasta carte este'fundamentala mod §i nu in altul. Ea ofera informatii pertinente din 2000 . lnsa sursa princi pala de inspiratie , in realizarea aceStel car? are Tn VEdere
-
, ' ' ' '

intr—un anumit
spune clar 06 g] de ce sé faca' utilizém intr—o cercetare. Mai intrebarile §i sugestiile studentilo , r de la Facultatea de Sociolo gie i PSIholo ie
formulelor statistice pe care le _ _ _ . _ _
despre ceea ce se gaseete in spatele in a‘ceasté lucrare, se incearca
o
speCIalizarea PSihologie, din cadrul Universitétii de Vest din Timi§oafa §i discugiile‘
pe care le gésim la tot pasul
mult, prin numeroasele exemple de realitate e1 cu nenumarate I
psihologic, mai apropiata da 0 e I C a
altfel de interpretare a fenomenului
.‘
. -
oportunitéti interpretative, lui Florin Alin Sava am

cu creionul in mane. Lucrarea umanisté a majoritatii de la
O carte de statistica se studiaza calculatorului pentru a urman'. I studentilor
I ' "
pe maneeta paginii ei in fata
citit-o facand unele note succinte acest context, ea a constituit realmente pSihOlogliaurTiiagadrgséfzrengarea p'redominant
za, ce putin
I in plan afectiv y de O a b ordare matemama a
de calcul propuei. in “ " ‘ ' '
uneori din pura curiozitate, algoritmii importanta: Umorul. Nu se
poate sé statisticii. De aceea , pe intre g parcursul lucrarii am incercat 833 e VI't 1 P8 Oat POSIbIl.
o calitate care mi s~a pérut ' ' " ' ' '
o provoca're. Ae mai mentiona multe lucruri cornice. dar
un asemenea demers , substituindu - | printr-o
sa zémbeeti. Despre statistica
se spun
‘ P rezen tare a logic“ aCEStOF tehnlCi $1
studiezi luorarea in’cauza faré rezultate din practice . .
ei inteligent in cartea sa. Exemplele
:2:4
printr-o multitudine de exemple-suport.
Florin a etiut sa le distribuie proportional variatelor abordari
ne dau ancore simpatice in penetrarea sensurilor ' studentilor interesati, do'ctoranzilor §i tinerilor
sau simplu'inventate, . ' ' '
ar ii ele.
statistice, indiferent de cat de complicate in psihologie care, aresc sa-ei clarifice multe din.conc ep tele statistice vehiculate.
cercetétgra::ae lsiremadreseazé
colegului Florin Sava este dedicaté in primul rand studentilor .
: Cartea obligati 55 o. utilizeze. Din de complexitatehlucrareavare un nivel intermediar
din studlul statisticii, dar care sunt " ‘ '
etim prea bine ca rareori fee 0 pasiune
{2;
psihologiei, al oricarui psiholog de Eggifiggeyfeigzredal gratt):lit1lucii
eose i e utilé ma'I ales dupa parcurgerea unur curs
cercetétor din domeniul ' ,
Ea este un foarte bun ghid al oricarui
L.
.
radécini aplicative. i mtmducfiv de Statistic;
pentru care psihologia este o etiinté cu puternice i5 al continuturilor vehiculate, cartea este structuraté
if '
pe trei p221,, pgrntctul
ieriu Id: evidere
ivizare fiind dat de com P6X! | 't 8 t ea CU00§tmlelor P9 care
ii “ ' “ ‘ ’ ‘
Prof. Horia D. Pitariu trebuie sa le detiné , citito rul. Astfel partea l este acatwta l dm trel capItOIG I
i . ' ‘1“ ' '
Universitatea "Babee-Bolyai" E Introductive vizand statistica d escriptiva, testarea ipotezelor $1"t e h ”'0'“? t, X2 53” rl
Cluj-Napoca ' ' ' ' ”
ca modalitati, uzuale de testare a ipotezelor. Aceasta sectiu , ne constitwe
. - ' . . v
p n noipal, o originala a cunoetintelor acumulate de Cititori in urma unluni
reca-pitulare
xi
descoperi semnificatia, de a-l interpreta corect. Psihologul de azi este prea putin interesat de
unde provin unele formule de calcul, cum sunt ele apiicate ‘din punctlde vedere tehnic. El 36
concentreaza pe tipul de etatistici utilizate in diferite coniexte de cercetare ei pe cum trebuie
acestea sa fie interpretate. A alege corect abordarea statistica adecvaté demersului experimental
abordat este intr—adevér o problema peste care nu se poate trece cu prea multa ueurintar Desigur, n;vermin:haywimuiaumwimw
,4.:
lNTRODUCERE
nici abuzui de statistica nu este de dorit. Uneori s—a ajuns ca faptul psihologic sa fie‘mascat de 0 my
abordare statisticé prea laborioasar S—a aiuns pane acolo, incat unele articole din reviste
prestigioase de psihologie sa fie de neinteles pentru psihologul'obien'uit, ele devenind accesibile
numai unui numar restréns de psihologi. Or, in acest caz, pierde $i révisia $i psihologia ca etilnta.
ea nu uitém ca inspectarea unei simple diagrame de corelatie ne spune adesea mai muii decal Wflmmmm
'coeficientul de corela’gie. Ea ne permits sa identificam unele concentrari specifice ale anumitor AMI-1
scoruri. sa intuim elementele distorsionante care pot afecta corelatia etc. Apoi, diagrama de merita a oferi psihologiei romanegti‘Un
stil propriu
corelatie ne indica aoele oazuri de exceptie care pot constitui subiectui unui studiu de caz, cele ifurajaté pentru multi psihologi care confunda
care se abat de la 0 regula generala. Despre statistica psiho‘logica 5i educationala se pot spune acest deziderat cu o
multe, la fel de multe ei despre cei care sunt incapabili sa 0 practice, afirmand iresponsabil ca ei
{arghete . iiigdifisgigestul greetcite inteleasa.
‘ Erorile metodol ‘ ' '
”preferé‘V metodele caiitative, neavandu-se prea bine cu ‘statistica. Abordarea cantitativa §i
statistical sunt , din nefericire prezente
, frecvent “V ' 09,09 SGU‘ lgnoranta
i'
v - In practice psiholo gllor de la
Daca subieotele de cercetare ‘ ~ n .
calitativé nu trebuie $5 fie disco/"ate, ele se completeaza reciproc. < specmce spatiului social
romanesc merit);
Cand vedem o carte de statisticé psihologicé nu ne aeteptam. 5a gasim prea multe
l-yjmubdflmfi‘wL!,bk.i¥$fi'\€n£fi'6‘fli"
' )
la un nivel ridicat , cel putin si milar
cu cel “int“almt' ‘in majorltatea
lucruri noi. Aceleaeiformule, aceiaei algoritmi de calcul, eventual utilizand alte simboluri ei poate ’ '
3 ‘ .4 . ' " ‘
alte exemple. Putine sunt lucrarile din domeniul amintit care 551 ne invete de ce folosim o anumita 7: publicatnior de
specmmate dejimbé eng'ezé.
formula 5i nu alta, cum sé interpretam rezultatele obtinute §i care este procedure d9 utilizare‘a
calculatorului pentru a surprinde ceea ce dorim sa aflam sausé verificém, Cartea pe care Florin acest lucru este nevoie
acuta de texte statistioe
.7 n u lmli ani, aceasta cerere
comprehZEZELuleaTrealitilz'a'
Sava o ofera utilizatorilor de statistica psihologica §i educationala rezolva multe din problemele cu a ince PU t 58“ L' ‘“
fie acopenta ‘
contributiile "
editoriale , in special ale colegilor ' ' pm
care se confrunté aceetia. Poate ca 0 calitate a acestei luoréri esie aceea ca este scrisa de catre , din la e isa u Cl '
ui-Napoca. Lucrarea de
un psiholog. El nu da ni§te "retete" lipsite de explicatii, abundente in formula ei demonstratii t“ se alatura acestor demersun,.
fa,a . .
ofermd o Vlziune
-
redundante. Aceasta cane este'fundamentala pentru un psiholog sau student prin aceea cé ii proprie asupra statisticii ce are
spune clar ce §i de as $5 facé Tntr—un anumit mod §i nu Tn allul. Ea ofera informatii pertinente suursa stagiul de specializare de la Universitatea Michigan din Ann Arbor
31283;? . nsa sursa pnncnpala de inspiratie in realizarea
despre ceea ce se gaseete in spatele formulelor statistice pe care le utilizam intr~o cercetare. Mai acestei carti are in vedere
mult, prin numeroasele example pe care le gasim la tot pasul in a‘ceasta lucrare, se inCearcé o
altfel de interpretare a fenomenului psihologic, mai apropiaté de realitate ei cu nenumarate
profesionale cu colegii. Lor le
oportunitétj interpretative, . , , datore 2 ‘In cea mar' mare part9
O carte de statistica se studiaza cu creionul in mane. Lucrarea lui Florin Alin Sava am intelectual- acest demers
citit-o facand unele note succinte pe maneeta paginii si in fata calculatorului pentru a urméri.
uneori din pura curiozitate, algoritmii de calcul propuei. in acest context, ea a constituit realmente umanista a majoritatii studentilor
. de la
o provoca're. Ae mai mentiona o calitate care mi s—a parut importanté: Limorul. Nu se poate sa pSihOlogiuEanééfrotgjgea
.. , cepredgminant
pu I in in plan afectiv de 0 ab
’ 0!”d are matemahca ‘ “
statistic“. De aceea , pe intre g parcursul ” " a
studiezi lucrarea incauza fara sa Zambeeti. Despre statisticé se spun multe lucruri cornice, dar lucrarn am incercat 351 6V1't “ ' ‘
Florin a etiut sa le distribuie proportional ei inteligent in cartea sa’. Exempiele rezultate din practica un asemenea demers substituindu-l ' ' "
J P8 Oat 9051b”.
. , , prinir—o P reze ”tare a ' '
sau simplu'inventate, ne dau ancore simpatice in penetrarea sensurilor variatelor abordéri prinir-o multitudine de exemple-suport. logic“ aCSStOF tEt‘ $1‘
'
statistice, indiferent de cat de complicate ar fi ele.
studentilor interesati, do'ctoranzilor
‘ Cartea colegului Florin Sava este dedicate in primul rand studentilor in psihologie care, cercetétga::ae :reméadreseaza ei tinerilor
resc Sé-§l clarifice multe din-conce ' ' '
etim prea bine ca rareori fac o ‘pasiune din studiul statisticii, dar care suni obligati 351 o- utilizeze.
. p t ele statistlce vehiculate.
Din .
Ea este un foarte bun ghid al oricarui cercetétor din domeniul psihologiei, al oricarui psiholog de complexrtate,_ lucrareaare un nivel intermediar
pentru care psihologia este o etiinté cu puternice radacini aplicaiive.
' -' de Eggfigtie/edcejredai
, nn eose it de utilé ma‘i ales dupa” "
gratdulul
. parcurgerea unu:‘ curs
mtmducfiv de Statistic;
was”).
1, vedere al continuturilor}vehiculate
pe {reg pig:-,1, puntctul
CH erlu td: e divizare fiind dat Y cartea este structurata
de com PeXlatea
l "i: ’
Prof. Horia D. Pitariu trebuie sé le detiné cititor care
, ul. Astfel ‘ CUHO§tlnie‘0r
'“ ' ‘ De '
Universitatea "Babe§~Bolyai“ . partea l este acatUltal
Introductive vizénd statistica ‘ I“ ' dm trel Gamma.
Cluj-Napoca d escriptiva, testarea ipotezelor ' '
ca modalitati uzuale de ‘ ‘ $1"t6 h “10116 t] X2 SEU r'
' . , testare a ipotezelor. Aceasta secti,une ' ‘
. _ . constitute, ”
p m_CIpal, o ongmalav a cunogtintelor .
acumulate
recapitulare de cititori in urma unit;f
xi
Ayn-4mm
ran-.m
cei care
nu poate ti neglijata de catre
curs introductiv de statistica. Sectiunea trei capitole fiind
in domeniu, pa'rcurgerea celor CAPITOLUL 1
dispun de cunostinte lacunare -
celelalte pérti ale cartii.
necesara pentru a putea lntelege
de altfel, cuprinde tehnicile statistice
Partea a ll—a, cea mai voluminoasa
cele mai utilizate in cercetarea
psihologica de varf‘. regresia
multiliniara, tehnicile
confirmatorie. in
ELEMENTE DE STATISTlC/XDESCRIPTIVA
factoriala exploratorie sau cea
ANOVA sau ANCOVA, analiza de‘
Desi majoritatea cursurilor introductive
privinta lor exista o situatie paradoxala. de timp, cele mai
aceste tehnici din cauza lipsei poate parea unora un proces anost, rutinier. insa
statistica nu ajung sa cuprinda mai ales in d‘atelor
publicate utilizeaza aceste tehnici, im orta1¢t\naliza a fost‘sesizata de catre intreaga comunitate stiintifica '
multe articolele de specialitate intampina dificultati in ' ‘ " ‘ I
urmare, multe persoane
literatura de limba engleza. Prin fiind nevoite 5a
ura e cercetare stiintifica
péié $1” lgtualtgfsturdproces , cantitativa saU Galltata are m VEdere
din cadrul acestorr cercetari, tocmai nnodulde analiza adatelor.
intelegerea demersului statistic studiu publicat. Din
0 reflectie critica orice
studieze individual ori sa preia fara care prezinta adecvat
prezent, comunitatea psihologilor recunoaste si incurajeazé ambele
romana exista putine texte fl Uri d": cu toate Ca, in unele medii conservatoare, cercetarea
nefericire, in literatura de limba nepotrivita
multe tratand problemele intr-o maniera Acest fapt poate fi regésit si in practica unor cadre
aceste subiecte, cele mai Lucrarea de faté isi C:nfitativécercefitarfle, I
absolventulul de psihologie.
pentru profilul studentului sau central al partii a ll-a fiind didactice 3:3: ersr are
intaietate. care incurajeaza7 intotdeauna a Picarea
' ' “ '
l‘ “nor metOde
neajunsuri, obiectivul complementare unui demers cantitativ in schimb utilizeaza cu caract e r
propune 5a depaseasca aceste pe intelesul
cantitative
_ .
, ,
utilizate frecvent in cercetare ‘ demersuri calitative intr-o cercetare cantitativa
,,traducerea” metodelor statistice .unor
psihologilor. facultatiérecornandareaVizeaza doar tehnicistatjstice cantitative, insé nu face acest
demersul matematic de tip hanie-creion
a fost
- ' ' '
Pentru a realiza acest lucru, lucru dintragtei: sa
dveJatae respect fata de metodele caiitative' . Tet-1‘ DICI le cantitative a l 959
doua din cele mai
rezultatelor oferite de . ' ' a ' '
substituit prin prezentarea si discutarea pentru a fl descrlse Vin sa completeze m etodele prezentate in t 9X59 t | lntrOdUCte
-
4.0. Pe
in varianta 11.0 si AMOS, in varianta . ‘ ' '
intalnite programe statistice: SPSS, capitol contine .»m§‘
din domeniu , precum cele ale lu'l Clocotrcr §l Stan (2000) I N 0V3 k (1977), HOhn
' ' ' ‘
oferite de aceste programe, fiecare (2000) , Radu si colab . (1993) , Rotari u sl colab. (1999) I A § a cum am PreClzat $l m
langa interpretarea rezultatelor de pe internet la
i
‘ “
care pot fi descércate gratuit " " ' “
una sau mai multe baze de date introducere , desi tehnicile prezentate in lucrarea de fata sunt fo a rte Faspandlte In
7.
Fisierele respective pot fi utilizate

de , {£-
3 . _
- ' ‘ I ' '
adresa httg://statisticasocialatrigod.com. articolele stiintifice
‘ , publicate in revi stele de specralitate ’ cur SUl'le‘l lntrOdUCte de
Statistice pentru a' exersa problemel'e
” . ' ‘ ’ " '
cititorii care dispun de aceste programe statistica nu ating decat tan gential aceasta tematrcé Prin
-' I
u Fmare, StUdentll §I
'“
discutate. cercetatorii din psihologie se vad nevo" Iti,, de multe on , sat acce pte Intr-un mod
prezentate doua metode statistice .. . "I '
in ultima parte a cartii sunt metode
M'wwmrékt-q necntic publicate sau prezentate la diverse comunicari ’ din c auza “Psel
si regresia logistica. Ambele rezultatele
complementare: scalarea multidimensionalé de cunostlnte in domeniu.
new
t,
de complexitate,
punctul de vedere al gradulul
w
sunt considerate avansate din a primelor doua sectiuni m
datelor‘cu
scop descriptiv include un complex de metode si tehnici
de 0 buna stapanire
pentru a le putea Tntelege fiind nevoie necesita meme Analrfza intelegerea realitatii prin analiza cantitatilor observate I
capitolului destinat regresiei logistice gra ice, mediile , tabelele de frecvente
' ‘ 1' ' '
ale cartii. De pilda, intelegerea face apel atét m.rylhdu’v‘m“. Reprezerstaiéril:crlrte:e
V ' V , A , “
, s au altlI indicator: ' '
stt t"
aISICI
ce scalarea multidimensionala
cunoasterea regresiei liniare, in timp
1.
la reprezrnta elemente intalnite des in cotid'ran sau In textele de SPEClalitate» d9
referitoare
cat si la cele gasite in paginile
la informatiile vizand regresia liniara, este necesara o buna cunoastere a lor.
“Mn-
. aceea
analiza factoriala. cunostinte poate fi integrat in termenul generic de
tuturor celor care au contribuit prin " ' I '
in Tncheiere, as dori sa multumesc aprecieri statisticécziscnrqigrydg
‘. l a. a nu—si propune altceva
V d’ecat 5a 1‘ aca 0 radio Q rafie c‘t
a
mers al acestei lucréri. Aceleasi v . .. v _ '
sugestlile s1 observatiile lor la bunul mar corecta a realitatii . Daca analizam uIn srnguraspectal
N realitati’v or ‘m
b' deSPre O
, W '~ ' 0"“ ‘
-
si curajul de _ _ v ' ‘
dragi cititori, pentru osteneala
‘iT“‘q-¥‘«"\‘:“b“'( “ifi
deosebite vi le urez si dumneavoastra, statisticafidescriptivé

. ._ , «a--. univariaté ( pentru osrngura variabila)
R '" , W m SItUatla m Gare
alocuri neprietenos, cat si pentru
eventualele ‘ ‘ i ‘ ' ' ' "i ' ' "
a da piept cu un limbaj statistic pe descriem evolutieLa doua .1 .1va riabrle, vorbim de 0 stat'st' l 4.93 deSCFIPtIVav blVarlata
utila!
maths-rm» ' ‘ ' ” ‘ ' "
sugestii la afsava@socio.uvt.ro. Lecture (pentru doua variabile) . Se _ vo rbeste st despre o statisticé rgfiultivarrata in srtuatllle
:u,
c“, ‘
2a-. . _ ‘
. m care sunt analizatesrmultan celkputinwtrgiwaspecte ale realitatii. ‘Preluc‘ra‘rea ,
I , $
Timisoara, 25.01.2004 Autorul
xii
, i), ll 1) ll 11 ll, w; l) ll ill ll‘ lll l l llll ill; ill )1 1), la ll l ‘, ‘1 ‘ ill it it ll‘ l l‘ lll l l l l ‘l l ll‘ ll l , ll l l l l‘ l: ll lWMWMWMWMNMMMIRL. . LikflNNWHWMWWMWWWNWmmWHMWWWWWHMMmWWWWHMWWWWWHWWWMWWWWWWWWWWHMWWMWNWMWWWWWmmwwmWWWWWMWWmmwwmnwmwmmmwwwmwmmwwwmar
New
‘
. A5? ”“1 venitul lunar (ex. 10.000.000 lei). Unii autori, precum Kinnear §i Gray (2000), tind
a datelor are in veoere
O alta idee de baza-in analiza statistica ¢%re:§: sa restrangé ultimele doua modalltati de mésurare la termenul generic de scala
§i
I I ' “ testat analizaLa/‘fnivelul,popglatignlizrnivelu‘
dintre analiza.lmniygl,u,l,_lotului va on escr
numerica deoarece majoritatea tehnicilor statistice utilizate in cazul scalelor de tip
De exemp lu ,. putem obtine anumlte . , . interval sunt valabile §i in cazul scalelor de tip proportii. Aceeaei pozitie a fost
parte acel eeantlon. )v . 5 ‘ alte valon
' '
' nivelul de empatie la 0 c lasa de elevt de 0 | asa a,1x-a)
. . adoptata ei de consilierli statistici ai SPSS-ului, care au renuntat la a mai diferentia
lotulul testat (ex. ' ' ' . . .7 . de
' atiel la nivelul populatiel d e ele“
emp
la nivelul opulatiei (ex. valoarea medie a v _ Tntre cele doua tipuri de variablle (SPSS 11.0, 2001).
se bazeaza pe Un alt aspegtrgetrepuie subliniat cu privire Ia scalele de masurare este
clasa a" lXFja). De multe ori, analiza'datelor rezultatel‘et.opt;ijrii:t:a:
se
nivelul lotului de’ subiecti‘ testati,"insé ‘ inferenta
' tia dintreface oua pme ,
popnuiaégelufiuzeazé
acela ca aproape {ofieilvariapila poate ti masuraté prin’maimngul‘te Vscalede
ceeladnlvelgl . ‘ fl _ ~-.. .. se
acesta face parte. Pentru a facrlita distinc, ' . . _ masur_a_re..vSpre exemplu, nivelul de ecolarizare poate fi evaluat prin scale nominale
termeni diferitiI precum cei de parametri, respectlv innc—azul unor raspunsuri de tip ,,§colarizat“ sau ,,ne§colarizat” sau prin scala
' ‘ ' 'iar Inclloatoni etatistici seindicator:
" la nive‘lrulpopulatiei, niveu
refera astatisltienbfggfngfifiizat
a“: ....~W-,,,_..gI
:=
refera . dia ordinala, Tn cazul unor raspunsuri precum ,,studii primare”, ”studii medii”, ,,studii
frecvent, §| In de
regaseete, postliceale”, ,,studii universitare” etc. Realizarea unor-~scoruri vizand gradul de
-
w
Aceasta diferentiere se nmdul (giivelil
notare. AstE,
abaterea standard" la nivelul populatiei se noteaza cu filiLérespec
' wig-,4- alfabetizare sau nivelul cunoetintelor generale implica obtinerea unor indicatori
' ' ” ' " s.
tronulu1 se utilizeaza Slmbolunlemkrespec fl , tiv _ _ . . _ ‘ U numerici, specifici scalelor de tip interval. in cele din urma, prin intermediul scalei
6§an de baza din statisticah
Vom reaminti pe scurt, informatiile
-
de proportii, nivelul de ecolarizare poate fi reflectat prin numarul de ani de ecoala

Indescript1|vaé
o
semnificatia informatiilor prezentate *
pentru a patrunde mai bine mentionate pencat):J :13} absolviti (ex. 5', 12; 16 etc).
lucrarile deja
urmatoare. Cititorli interesati pot consulta De asemenea, trebUie remarcata distinctia calitativé dintre scalele‘
. v nominale §i ordinale, pe de 0 parte, respectiv scalele de interval §i proportii, pe de
multe detalii. - _ ‘ ' rnodulul de re-
in trei sectlunl: (l) Importanta alta parte. Primele sunt scale n33);n_umgrjce, presupunand apelul Ia tehnici
Acestea vor fi grupate )
$1 (nga::;fiza
analiza descriptlva unlvanata
a variabilelor in analiza datelor; (2) statistice nop=parametrice, mai putin sofistioate. in schimb, variabilele masurate
descriptive bivariata. prin scale numerice necesita, in cele mai multe cazuri, tehnici l§_t_ati_stice
_ paizametrice‘fmai complexe. ln cartea de fate ne vom axa preponderent aéupra
ultimelor, deoarece in cercetarea psihologica ele constituie o majoritate claré.
stUdiate
1.1. Modalitati de masurare a variabilelor
datelor este 1.2. Analiza descriptiva univariaté
Primul element de baza in analiza pa [“212]: 0']:
identificareat
interes. Astfeluse pot distinge
care au fost masurate variabilele de Vrgind calitéti,
interval,§i,,_proportln (raport), Lucrarile amintite anterior §i cele prezentate in nota de subsol ofera o buné
masurare: nomipala, .ordinalaude fieczlare :atelor
pe le introducere in problema analizei statistice descriptive. De aceea, ne vom rezuma
diferite in ceea ce privegtepo'éibilitatile care n?) §unt
cartla pr
De pilda, variabilele de tip migrnina“ :iirsuaepéréipalggzr?
‘ ‘ ; ‘
[\implicé
sa prezentam doar principalele concluzii ale unui asemenea demers descriptiv,
' ' scalele
ioi..n.uw ot fi ierarhizate. Prin urmare, due tip nomipa ‘_ v insistand insa asupra ‘coeficientului de corelatie r, ca element fundamental in
de variabila masurata prin
“grigqhigczjlfrgcxventepm exemplu tipic — o:cacgixnogltrgfif intelegerea unor tehgigimstatietioe cornplexe precum analiza factprjala sau regresia
réspunsunle aferente
eetesnapartenenta laifirgeligie” deoarece :19 {mrinsec’
liniara.
— nu sunt nici numere,
protestantjwrnusulman etc.
k
nicrorcjjoalea intrinsecé.‘ n—I
Variabilele de tip ordinal;- degl nu’sunt

H.
(1) Descrierea unui set de date necesité eel putin.cloiparametri1
$e§%qufiitricte$:milt _ 7 . egg; _
fapt permite
”s unsurilor, ermitand ast’fel reaizar’ewMVHW: ‘ Unul vizeaza tengmtamcmentralgja"Hat or, adica gasirea unei valori
pe ierarhu (rangun).
:errcaetgtorilor sa :peleze la analize bazate Ur; jximgleuspdr:
1631*:3‘L'i‘2-LHMWI reprezentative pentru setul respectiv de clatefviar celalalt vizeaza gradul de
variabila mésurata prin scala ordinala este in ”s impraetije‘re a datelor, urmérind omogenitatea sau eterogenitatea unui 5‘3;m
frefvent
RAJ»?!
intalnlt ,,rar, ,,mediu ”(135" made
,,foarte
atitudini §i implicé raspunsurl degenul pal"- a este, C: stalé
,t”
pilda, dac§"am incerca sa descriem unmgr‘fipbdoar prin prisrna primului parametru
deflpflintervgl.
des". Un alt tip de scala de masurare este cea Acea: Tet O scalé
(ex. ambele clase de elevi obtin 0 media generale de 8,25) nu am putea afla daca
120; 7 puncte la 0 probe deasertvlwtate
numerice (ex. un IQ de a e t.1p interval
sea
acesteiavfata tie elc.)(.j
nutnerica"ieste §i scala de proportii, avantajul m de . 1 Mai multe informatii despre algoritmul de caloul al parametrilor tendintei centrale §i ai impraeti‘erii pot fi
este aleaea arbitrar. Un
constand in faptul ca valoarea zero nu. m sau gésite in orice manual introductiv, recomandabile fiind lucrarile lui Hohn, Vargé §i Mérueter (1999),
este timpul de reactie (ex. fxgmps)
variabila masurata prin scale de proportii
Hohn (2000), Radu §i colab. (1993), ori Sava (2002). .
K i i 3i i i “ i fli i iUi i iLi i i i i i iiii‘iiiiiiiiiflI—llriiiiiuiiiiiiiiii i i i i i ‘i‘
r2
' ‘ ‘ ' ‘ i toti Exista o multitudine de grafice posibil de reaiizat. Aiegerea unui anumit tip
ciasele sunt similare, deoarece Lina ar putea fl h de grafic se face in functie de modui de mésurare a variabiie‘lor, dar §i de aspecte
' “ ' ” 5 in tim‘p .ce¥ ceaa a casa nieiTSSZEt’ea
folrnlwtataldin
avand media in iurui vaiorn de 8,2 , . ' ‘ J
slabi ar
d. Gare preferentiaie, 9e gin de subiectivitatea fieCaruia. in functie de tipul de date
de eleVI — bum $1 '
-formata din doua categorii diferite' ” coiectate, oele mai‘intainite grafice sunt:
‘ " medie egala cu cea a p ioarlte‘
rimu Ui grup.
_
mm euna ar conduce la 0 ‘ - diagrama circuiata_(,,piacinta”) pentruyariabiie de tip nominaigr
utilizate set stabiiegte $1 parametrui
in functie de scaieie de masurare . hisiQrgrama modificata pentru variabile de» tip nornjnafinsvauprdinal;
dateior pare ar trebUI calculat.
tendintei centraié, respectiv ai impragtierii . histogramasau poiigonpi frecventeior pentru variaatgdiignumeride:
- . .
'- Iae or-ina e Mediana, ‘ Mod
‘ M“ ‘ iata un exemplu de reprezentare grafica prin metoda poiigonului de frecvenge:
- Da e numence -I
Medie; Mediana;A Mod'
my“, late nomlna e Mod ‘
+ frecventa
‘mm
variablle
centrale, in functie de tipul de
Figura 1.1. Parametri poéibili ai tendiniei
V " ' ' " i mai
intre parametrii impra§tierii,gapatergawstanciardEl gfieqél‘aalsumtg-Zitain
iar abaterea mtggiartila
/
i. . intalnitiI in cazuT‘a‘été[bfnfi‘meriéé,
' ‘estetmaiat
e :1: 1:]ominale ,
‘ scale ordinale. In ceea 0e prlve§ . V
cazui dateior masurate ”MW prin
I ' ” .
' ' ' ‘ ' ‘ “ " .
precum en t ropla, in d.ice [e
Situatia Indicatonior impra§tierii este neclara. indicator:
. . _ . .
‘ ' ' ' ' sunt aproape '
' te sau cel ai disperSIei _calitative 20,2 23 25,8 28,6 31,4 34,2 37 , 39,8
2t de iragmen’iare, indiceie de diversiiafi: '
"5.1.... 'ire din p e caicu I ator. | n
”M" ‘ ' ‘
-
I statis t'Ice
necunoscuti’ $1 lipsesc cu desavar§ ' “ programeie v
/L
' ” V ‘ ' ‘ ' . 1 or rezuman d u - se Figura 1.2. Exemp/u de pol/gen a/ frecvenfe/or, reprezentare tip/ca pentru date/e numerice
a , majoritatea cercetaton
-
consecm’ga, raspandirea ior este minim ’ v . . ‘

pOSIbll (W eiSber9,
pentru fiecare raspuns
la a urmari distribuiia ,prooentajeior (3) Analiza dateior este influeniata de forma distribugiei datelor
1992). A papa toate datele Dincolo de aspectul pur intuitiv ai reprezentarii grafice, foarte importanta
""" rea z‘er‘ov ~
-- ~
i
. - val
in general, Indicator“ imp‘ré § tierii iau«~— - este interpretarea formei djégiggtjgi datelor. Aceasta ne ajuta sa ingeiegem doua
“fl sunt "§fl§§§m(nciife[ij§)._CU
atat
dintr—un set sunt iden'tice. Cu cat dateie ma aspecte eseniiaie: (a) care sunggéfarnétrii tendinieixentrale ‘care reprezinta cei‘
. .
WV: . .
.
valoriie aceét‘b‘riindicatorisunt‘rnai'mgn. A A .- pereche de mai bine‘ girui de date?‘; (b) ce teste tatistice
' pot
Intalnlia W 5fi utiiizate pentru a testa anumite
H in cazul détél’fl'fiLimerice, cel mai frecvent piragneéi; ipoteze?
centrale,
deécriptivi este medial, ca indicator ai tendintei au
Se spune ca multe dintre'aspecteie reaiitatIii au 0 distributie normaia. 8a
' ' “ W“ ti paramerifi.abat§[me__c%§arfiéarm,ufle
, Indicator al impra§tierll datelor. De altfei,.ace§ .. . iuém cazul inteligentei. Cei mai multi oameni au 0, inteiigenia medie. intainim tot
reaiizarea mal muitor operaiu precum standardizare a
l avantaje tehnice, permiiand mai putjni oameni pe masura ce mergem fie spre o inteligenga superioaré, fie spre
dateior, ciasificarea raspunsurilor etc. un deficit grav de inteiigenia. O asemenea situatie, denumita distribugie nqmala,
abaterea ' W“
Totugi, in aniJmite situatii media §i standard-potucpndueccetéira1 poate fi reprezentata grafic sub forma und,l.,ii.clopot.
acest iucru eseniial sa Insp
I rezultate distorsionate, iar pentru a evita ' eate
4 grafic situatia rezultateior obiinute.
Idascrjpjivéa
, . (2) Reprezentarea__gpafigajngogfite analiza
datei:rt .bufia
,
2LN
Reprezentarea graficé este o metoda inggi‘tiigap.gatuauppaevrva "ismn
de date este In cregtere.
datelor,. ea fiind'cu atat mai utila cu cat numarul
mmwmmmmwwmmmwww NW)
,,;iWWWWWWWWWWWWWWWWWWWWWMWWWWWWWWMWWWWWWMWWWWWWWWWWWWWWWWWWWWWWMWWWWWWWWWWWWWWWWWWWWWWWWWWWWWMWW
3
exam
ufiq
aceasta ar fi aicatuita din copii cu performante apropiate. Cei mai multi ar aegiétra
rezultate Tntre 5 §i 7, Tn timp ce foarte putini elevi ar fi incluei Tn categoria elevilor cu
note sub 5 sau a ceior cu note peste 7. Tntr—o asemenea clasa lipsesc notele
extreme, fapt ce face ca nu toata gama de la 1 la 10 sé fie distribuita. in sfareit, o
awuu"'
curba mezocurticé are un nivei, mediu, normal de__boit_i[e, ceea ‘ce Tnseamna ca
'
multi Copii au rezultate apropiate ’de vaioarea mediei, de§i exista‘ unii elevi foarte
slabi, respectiv foarte b‘uni, toata gama de note fiind acoperita.
(b) Distributia dateior poate varia §i Tn functie de nivel‘gimge __sim__etrie a
datel‘or. in cazul in care distributia este asirneflqipgzitiv, exista mai muite valori
a datelor .
mdecat mari. Tntr-o situatie ecoiaré, aceasta ar corespunde unui test dificil, in
Figura 1.3. Forma unei distributii normale care majoritatea elevilor obtin note mici, de§i sunt §i elevi care obtin rezuitate
ecolare bune. in schimb, o distributie asimejfigé.negatiu..indica un dezechiiibru al
Tn cazul dateior numerice)
Muite teste statistice parametrioe (utilizate at: val'oriior Tn directie opusa. Vor apérea mai multe rezultate mari decét mici, fapt
distributiei dateior. De aceea, este
drept'conditie de apiicare normalitatea a doua import:-
aspe . care, transpus in note §coiare, arata predominanta noteior ridicate. in cazul
prin..intermediul
sa caractefirjzam ema distrib.utiei;;~optingte ‘ probelor psihoiogice, prima distributie poate fi socotité un indicator a! unui grad de
de-oblicitate(asimetrie).
(a‘)wniv.elu| de boltire, respectiv (b) niiyelul adioé dificultate ridicat pentruuproba respectivé, Tn timp ce 0 distributie asimetrica negativ
este megocurticétgknormaia),
N~7.:ae.)..—z....o.z("ji‘étritiutie normalé are. Lin Ica
rgvei semnifica un grad scazut de dificultate a probei. Bineinteles ca aceste concluzii
mediu..de boltire (nici prea joasa, nici prea Tnalta). Totodata ea este SQQLLEER
_, sunt valide Tn conditiiie in care vaiorile ridicate indica performante superioare, Tn
mcr spre dreapta.
nu, este Tnciinaté evident nici spre stanga, “k.
timp oe vaiorile mici araté performante scazute.
Curba ieptocurtica »,:-;:-it.m;~:y,«.-si
Curba normaia ,
w...
Curba platicurtica .,u-
Figura 1.5. Distfibutie asimetrica“ pozitiv (Tn stanga) §i distributie asimetricé negativ (Tn dreapta)
. -.-'
HIM}:
Pentru a evita interpretarile subiective, se pot calcula doi fldicatori care 5a
-' ajute la interpretareamfiormeidistributiei. -~-
‘— 1
____——v—
lndicato;ui...,_de...ob|i9_i_tate (Tn engleza ,j’élgegnesswstatistic") evaiueaza
gradul ”gemasimetrie a] unei distributii. Valoareaég/ero'indica o distributie,.perfect
‘ simetrioa. Vaiorile negative, Tndepértate de zerofi'ndica o distributie asimetricé
simetrice din perspectiva boltirii date/or
Figure 1.4. Devieri ale unei curbe negativ, Tn timp ce vaiorile pozitive, cu cat se Tndepérteazé de zero, araté o
Tn 1.4?.59 xcqrbagp aJ§_ asimetrie pozitiva. Pentru a diferentia o distributie U§or asimetrica, ce poate fi
Cum interpretam distributiiie prezentate figure. téa
THE"yr-TSPIfiMvI-Tlfiquwm-‘li
trataté ca 0 distributie normala, de 0 distributie clar asimetrica, Lewis—Beck (1995)
foaflgjmpflehate. NgggeXIsta o freggenh
se obtine atunci cand subiectii au rezuitate ia drept prag vaioarea absoluta de .80. Astfei, o valoare a indicatoruiui de obiicitate
Ce ne conduce la ideea'unoi
mare a rezultateioLTniggyl.mediei,,fapt grupweteggten; inclusa Tn intervalui [-.8QW§‘LH.«80]Hpoate fi tratata ca un semn ai unui, distributii
elevi, ale céror rezuitate sunt foarte disoereate. .aJv '
Un exempiu ar fi 0 ciasa de 5 e1 7. iar alti smitgioe. Vaiorile mai mici de -.80 indica o asimetrie negativa, Tn timp ce vaiorile
1 5i 4, cativa copii au rezultate
copii au note cuprinse Tntre Tntre elevi maimari de .80 semnifica o asimetrie pozitiva. Aceasta regulé implicita merité a fi
au rezultate superioare,
I ouprinse Tntre .8 $1 10. Reversui
‘ ' ' V grup omog.en..._he,. ae, in c
srtuaitieidetsteflrepgezegélae aplicata mai ales Tn conditiiie unui egantion mare de subiecti, sa zicem de peste
7 Iepjggudrca. Ace asta indicé un
»:
de 0 distributie i
150 de persoane.
in cazui clasei de elevt,
,r.
mai multe rezuitate Sgfiésesc distripyitealnfljumiwmeg‘iei. .
WWux-mm
lllllllWlllWlllllllWl‘WillllllHlIMilI r
Il l il } il l it w it it till Ill: lit it Ill il iI Il‘I l ll: it it 11 in it ill 11
I i i i ‘11 II it ‘I ‘l til l l l l l l ill I: ‘1 l ‘11 1il il , l l :ll l il l, l I i: l ‘l l l l l lllll‘i‘llll l l li l l l l l l ‘l l: l l ill: il l il !
exceptia grave de departare faté de 0 distributie normala. Similar in

este mediu sau mic, putem adopta o unor cazuri
in cazul tn care volumultesantionului ~32) ' ‘ V " cazul unur numar mare de date, sa zicem peste 150-200, riscul' de a obtine urn z
“ '
bazata
"
pe calcularea a indlcelUI'-deeplrcitate . Ace at
3a
aita strategle, 9.93%, semnificativ este foarte mare, chiar lav departéri minore ale datelor de modelul
' I
impartirea valorii Indicatgrul deoblrcrtate la eroareastanda’rdxestimata teoretic aluneidistributiinormale.
presupune (2000j'flpropune doua
Field
a acestuia. Ambele elemente sunt oterite de SPSS.
W
numarul _de persoane testatef 2,5,8’pentru un esantion
praguri ale lui z in functie de (4) Cunoasterea mediei si a abaterii standard permite analize
pentru un esantion .mai mare degpfldemsubiecti. . .1
mai mic de 30 de subiecti st 1,96 mare de statistice complementaré
regula in cazfl“'ifnui"numar
Acelasi ‘autor recomanda renuntarea la cazul unei distrailduttitngmlale, m'ediaysicalgaterea,standard au 0 serie de:
t7; deoarece z are mari sanse de a deveni semnificativ,
' ' in
sa zicem peste 150,
subiecti, propnetati care permit obtinerea unor
> 7 ' A sau
informagiiwdescriptive inferentiale
1
a oblicitétiio data cu marirea esantionului. -
datorita scaderii erorii standard
'
complementare.
(a) Standardizarea date/or
ideala pentru ”my
mediei, medianei si obiicitétii privind varsta
.
Tabelul 1.1. Exemplu de valori ale ‘De obicei colectam datele in forma [or bruta, pastrand unitatile de mésura
. .
casatorie initiale. In acest mod putem vorbi despre faptul ca 0 persoana a obtinut 7 puncte la
testul de agresivitate verbala, 18 puncte la un test de atentie concentrate 43 de
Vérsta ideala pentru césétorie 15
, M . corecte la un test de acuitate vizuaia sau ca mascara 180 de cm. De
N * “ raspunsuri
26,00 cele ori nu cunoastem ce semnificatie au aceste cifre. Exceptie fac
Media
25,00
malAmulte
(Tm.- cazurile in care avem _o idee ‘despre evolutia rezuitatelor, precum 'datele
Mediana
2,240 antropometrice legate de inaltime, greutate ori unele informatii cu caracter general
Oblicitatea (skewness)
,580 de tipul venitului lunar, al temperaturii etc. Spre exemplu, nu vom cunoaste daca
Eroarea standard a oblicitatii
i;¢;,mg'!r.,w.mm rezultatul de 18 puncte la un test de atentie concentrate/este mai‘bun decat
imparti oblicitatea la eroarea sa obtinerea a 43 de réspunsuri corecte la testul de acuitate vizuala.
Fiind testati doar 15 subiecti, vom este
'. 0,58). Rezultatul, in valoare absolute, Pentru a rezolva problema, se poate recurge la transformarea rezultateior
yudufinm
standard si vom obtine 3,86 (2,24

.
face cu o distributie _ ~ .
prin urmare avem de a initiale, din-«,hgfipt‘ewbrute, in cote stagdardizate. Exista mai multe tipuri de
superior pragului specificat, de 2,58,
drag
I 1
Deoarece Tn astfel de cazuri mediana este un parametru transformari, toate avand la bazatcoteleflz.
asimetrica pozitiv. \
' date, am putea spune ca subiectii chestionati- _Transtormatefi‘mflggtewzkscgrurile brute care sunt egale cu media vor avea
adecvat pentru a descrie sirul de
mahwwg
ca
ideala pentru casatorie. E de remarcat negative vor ape-feambén‘t’ru scoruri mai mici decat media, iar
consideré varsta de 25 de ani ca vérsté distributiile I, valoarea OI..\‘/alorile
graficului rezultat, deoarece valorile pozrtive, pentru rezultate superioare medial. Mai mutt, abaterea standard a
operatia trebuie completaté de inspectarea _ ,* -.~ 0“ ‘""',p..
pot fi detectate prin urmarirea indicatorului de oblicitate. datelor transformate in cote z va fi Tntotdeauna "egala- cu 1.; Astfei .mdupé
multimodale nu V.r-='.-u1:ér~‘i§«3¢-":‘
exact. Boltirea beneficiaza, de', transformare putem compara orice variabile, deoarece {claret/“6r éiéa media 0 iar
Nu numai oblicitatea poate fi estimate
A».
unei
pentru a determina normalitatea standard 1. in plus, se cunoaste ca-intr-o distributie normaia peste 9,33%
asemenea, de un astfel de coeficient
M'M'u-"z
abaterea
este estimat de SPSS pe
(in englezé ,,kurtosis”) din rezultate vor avea valori z cuprins‘e intre -3 s1’ +3.I Fi'r‘fifiéfl‘é‘ééicui peritr‘u"
distributii. lncatqru»i.»=de boltire M
obilcitatii. Vaioarea zero indica o distributie transformarea oricérei valori in cote z este:
baza acelorasi principii ca in cazul
Iamng-J-w'm.
spre
cu cat sunt mai mari, arata o tendinta
perfectkmezocunjpa, valorile pozitive,
warm
mai mici de zero, semnaleazé ,tendinta

distributiideptocurtice, in timp ce valorile (1.1)
calcularea lui mrtgsisfidupé
spre o distributie platicurtica. Field (2000) recomandé
'5;k
aceleasi criterii enuntygfé pentru oblicitate.

_,». -3 n
distributiei datelor, se
.wum'w.
Daca existandubii cu privire la gradul de wmalltatefi

I
W,“ unde X este valoarea ce urmeazak a fi transformata; m este media obtinuta in
prin testauzlmz,‘_lfi_§;1l,,_,,l,_ti,i,Kg:91mcgorov-~
recomandé testarea’acdnditiei de normalitat‘é’
x
.~,.
esantionul respectiv ori. media flbvcilatiei; iar ls este abate’r‘ea‘
v standard a
afirma ca distribtiti' 53”":
statistic, putem esantionului sau a populatiei (tn cazul in care este cunoscuta).
Smirnqy. Dagafiyalorile‘syhut Semnificz’atiye. mists;-
in schimb, dacé z este
Tndepiineste caracteristgltemuneia.Qurbe> lgormaie. Astfei, daca dorim sa transformém in cote 2 Gate 43 de puncte obtinute la
mu.
,
observata nu diferé
afirma ca distributia
nesemnificativ statistic, vom putea
I
. testul de acuitate vizuala, vom obtine valoarea -1,71, daca media este’55, iar
deci poate ti considerate ca atare.
-,,
teoretica, , abaterea standard 7. Vaioarea indica un numar de raspunsuri corecte mult mai mic
semnificativ de o-distributie normala
,
de subiecti testati. Daca

Din pacate, rezuitatele sunt sensibile la numarul cu
decat media. Similar, daca vom transforma in cote z rezultatul obtinut in urma
sanse mari ca 2 ea nu fie semnificativ,
obtinem mai butin de 30 de date, exista
"“"Mmfl‘w‘f'
a: 9
I.
I IIIII IIIII IIIIIUIIIILIIIIIIJIIIII ‘IIIIJIIII III‘ I I I I I ‘II‘ I I ‘II‘ III‘ I“ ‘II‘ ‘II‘ ‘III IIIII IIIII IIIII I I I ‘I IIII IIIIILIIIII‘IIIIIIJIIII III} III III IIIIIJIIII IIII‘JIIII IIII‘JIIII IIII,‘IIII IIII IIII I I III I I in mm IIIII IIIIII IIIII iIII IIII III III IIIIII‘IIIIII‘IIIII IIIIi IIIII IIIIII IIIII ‘III‘ III III III IIII ‘III‘ III III ‘III III III III III III IIIII IIIIIIIIIXE i: III III IIIIIIIIIIII IIIIIIIIIIII iI I i I I I I I I I I I ‘I I I I I I III III I I I ‘I I I ““I‘III IIIII‘IIIIII IIIIIIIIIIII IIIIIIIIIIII I I I I I I 1W I I I III III ‘IIIIIIIIIIIIIIIIII I I I I I I IIIIIIIIIIIIIIIIIIIIIIIIIIIII‘ I I I I : IIIIIIIIIIII‘IIIIII‘IIIII:IIIIII‘IIIIIIIIIIII‘IIIIIIIIIIII‘IIIIIIIIIIII‘IIIIIIIIIIIIIIIIIIIIIIII IIIII:IIIIIIIIIIIIIIIIIII IIIIIIIIIII IIIIIIIIIIII IIIIIIIIIII IIIII‘IIIIII III III III III IIIII‘IIIII‘ III III I I I ‘
III
\
;
dezvoltare intelectuala cuprins Tntre 85 si 100 IQ: Daca vom face un simplu caIcuI,
= 2 1‘ s = 3,11; iar X = 18), vom obtine 0,96. I89 vom constata ca 6M6 dintre persoaneIe testate au rezultate cuprinse Tntre 85 si
testuiui de atentie concentrata (m V media,
desi ambeIe‘rezuItate sunt sub 115 IQ, adica intre valbrile situate Ia Cate o abatere standard in minus, respectiv in
baza acestor transformari putem afirma ca,“ obtinuta Ia
es te mai buna decat cea
performanta Ia testul de atentie concentrata
'
plus, de Iamedie [m-1s; m+1s].
In mod similar se poate estima procentajui de persoane afIate intre diferite
testul de acuitate vizuala. gotele
alte cote standardizate, precum
Pe baza cotelor 2 se pot calcuia si a testeior.
W sectiuni ale acestei curbe. Spre exempIu, procentul de raspunsuri cuprins Tntre o
de etanargwglrinttin ara abatere standard fata de medie si doué abateri standard fata de medie este de
. T. Acestea apar frecvent ca modalitate "hm
\ 13,5934); Astfei, in problema nivelului de inteIigenta, aproximativ 13,59% din

' v
b "CJasificarea subiectilor . ' ‘rezuitate‘au vari cuprinse intre 70 si 85, respectiv Tntre 115 si 130.
égéigligeaastangarddzfifmrgr: i
$905531«uriéifd‘istributit.ggrmale, media slsublect In figura 1.6 sunt prezentate §i cotele z, respectiv T, corespunzatoare
.multe informatii, cum ar ti Idculpe care-Iyggupé un procentajelor stabilite pe 'baza p‘ropr‘ietatii unei distributii normale. Astfel, intre
‘ '‘ ' , dé
cu unInga—:51"321:,{engenté _
p ersoane valoriie -2,si -1 cote z, respectiv intre 30 si 40 cote T, se regasesc 13,59% din
8 re exempiu, putem determina pozrtia unai . ‘ d 15
este
1:)5 IQ, in conditiile in care inteiigenta medle 1.00 IQ, rarabaterfa s’tdaétrizgzstra rezultate'. Similar, Tntre -1 si +1 'cote z, respectiv intre 40 si 60 cote T, vom obtine
IQ I AltfeI spus ‘ prin ’apeIuI
unei
Ia ’proprietatiie '
mist risi‘ c
-' aproximatiigsggZ‘Xs.
' ‘
0- mal distributnflgrmaie
ari de pueanm7 stabm Cate
en pu H
Pe baza acestor procentaje se pct stabili categorii caiitative de includere a
ca rocent de subiecti obtin rezuItate mi . v m
TotuI va deveni cIar daca vo
:-i-'
x
inferioare acestei vari. rezultatelor, utilizand urmatoarea grila: ,
perspoane au rezuitate \
. ‘- rezu/tate foarte slabe (vaiori mai mici decat ceIe afIate Ia doua abateri
. g e figura 1.6.
intele de ”rti . A .
standard s'UB‘Arn’iSéIi’é — 2,27%);
:-‘.': rw ws.
-
in cazuI unei distributii normale, media intparte slrui date

midociilrdé
-
mediaziar 50/0 mar

egale: 50% din rezuitate sunt mai mici depat 100 , tar,
. rezu/z‘ate slabe (valori afIate Tntre doua abateri standard sub medie si 0
sa aiba un IQ mat mand:
mic
abatere standard sub medie —'15,39%);
fata ne asteptam ca 50% dintre persoane amt-04mm“
celeIaIte 50%, un IQ mai mare de 100..

‘
0 rezultate medii (valori afIate intre oabatere standard de—o parte si de aIta a
mediei — 68,27%); -
. rezultate bune (valori afIate Tntre o abatere standard peste medie sidoua
abateri standard paste medie — 15,39%); ~‘ '
- rezultate foan‘e bune (valori mai mari decat ceIe afIate Ia doua abateri
standard peste medie — 2,27%).
Proprietatile distributiei dateior observate sunt esentiale, nu, doar in
I I
statistica descriptiva, ci si in cea inferentiala, cum ar fi testarea ipotezeIor. Trebuie
I 95,,44% remarcat ca nu toate tehniCiIe statistice inferentiaie se bazeaza pe proprietatile
i I “'l1ifv‘lb'.i 1.rm"“
~' unei distributii normale, insa o logica similara este utilizata si in cazul altor tipuri de
I
13,59%¢2,14% y 0,1
distributii. 3
0
0,13%; 214%? 1359°/o%v 34,13%v 34,13°/o 145

70 85 100 115
55 .130
m+1s m+23 m+Ss (c) Estimarea parametrilpggstatlstici
m-23 m-is m
111-35 3
— 1 O 1 2 Daca analizele anterioare se plasau Ia niveIuI Iotului’de subiecti testati, pe
Coteie z - 3 — 2
60 7O 80 mu
baza mdiei.,si..abaterii_ standard ai esantionuiui ppt fi caiculati si param§t[1.i,,statistici
20 30 4O 50
Cotele t
de la niveIuI populatieflifidfiinflgara a Vst extras esantionui. Acest Iucru se obtine prin
normals
Figura 1.6. Proprietétile unei distributii ‘
estimarea eroriistandardlawmtediei si a intervalului..de.incredere asociat acesteia.
Foarte rar poate fi testata intreaga populatie, din cauza resurselor Iimitate,
esantion caste de .u-AS-u
Noi stim ca abaterea standard pentru asest
de aceea se obisnuieste a se extrage un singur esantion din cadrul acesteia, desi,
persoane 155;Q%nl;: teoretic, pot fi extrase randomizat o multime de esantioane.
procentajulv
baza acestei informatii putem stabiIi de vorcuprin OXimafiv
normaIa
anurnite vari IQ, deoarece intr-o distributie intotdeauna itapéard faté
la 0
33.13532: dintre re2ultate intre medie si valoarea afIata aEaterets anerS-Oaneie 3
estimam 34,135/0 Cei interesati sé cunoascé mai multe informatii despre proprietatile matematice ale diverselor tipuri de
de medie. Revenind la exempIuI nostru, (Fa drn ‘p nive| de
un
acelasi procentaj avan :je fepartitii ale dateior pot consulta Iucrarea Iui Clocotici si Stan (2000).
testate'obtin rezuItate Tntre 100 si115 IQ,
11
10
‘¢
' ‘ ‘
indep'endente. Un
. exemplu ar fi absenta
, relatiei l a adult] mtre ordinea la nastere §l'
nivelul de empatie la 0 clasé de liceu ,
Sé presupunem ca vrem sa masuram de empatie la de la pantofi.
14,3. Daca am fi evaluat lnivelul nu. arul ' ' ‘ ' ' '
st obtinem un rezultat mediu de esantion dintr—o alta Pentru a. vedea
. de cov arlatle dint re doua varlabrle avem la
graduL ---
14,7, ia_r dac'a am.fi extras
un . .. ' ”MANN";
clasa de vizavi am fi obtinut aleatorii de esantioane drspozrtletreielemente descriptive:
in cazul extragerii
clasa am fi.obtinut 14,2. Co'ntinuand, de medii, pe baza datelor ' 1
calcularea coeficientilgr: decoreladtie ca indicatori de asociere'
am obtine'o serie
pentru a identifica nivelul de empatie, reprggttafia_graficaa nor’uluidve‘puricte 1 nen g leza,,sc atterplot),
armw witwm mgwm
anterior, (3 ._.. . ...~.u,w._‘__y~m
de tabelegegg ‘ “WV-(”aeocifere)
cele mentionate
ar lua valori apropiate de ' ‘ ___
(3) realizarea
observate. Majoritatea mediilor obtine‘o
de‘acestea. Cu alte cuvinte,vvom
putine dintre ele indepartandu—se vor avea o anumita
extrase, care (.,Warm-Wm:
distributie normala a mediilor..esantioanelor eroarggmstandard 1.3.1. Coeficientii de corelatie
a agestor valorise numeste '2'
variabilitate. GradiJl de imprastiere . l . .. . . .
z
e
abaterii standard la nivelul unu'i esantion.
:1
analog care arata gradul dgqoyariatie dintre doua variabile
aflmedieiflea fiind un estimator esantion, iar it descriptrw
de la datele obtinute dintr-un singur s um denrlrldlcatoru Corelatia este 0 form; mr‘zs‘mgw.
standardizata a
Aceasta poate fi calculata pornind
x
’ rm).coefrcrentlndehcorelatie.
. v v ..
{ problemamasuraru datelor prin scale diferite . Astfel 1 "daca
formula de calcul este: il? ' " '
,
firingfiaehmrnand covarranta dintre, venit si num'arul , de am de scoala abs olvrtl, rlma
S
(1.2) . .1 . ' , . .
mar mult la valoarea covariantei I obtinute I deoarece :re O
-
Sm
‘
:7;
2:13:33” ne mar
contrIZw
ri icata (venitul_
' poate v
’
aria mar ‘ I
mult sa
J
5 p unem In t re 0 lei' g!’'
‘
v
d e anl de scoala absolviti. se poate afla doar ‘mtre O
Din, 100.000.000 , msa numarul _
esantionului, tar n este volumu.l.._e.s,anticnnului. .
l
\.1»,.v_£L.\31r., cl:. ‘,a'.=~ h
unde;s..este apatereawstandard a in care datele SUULEHWEM s1 cateva specralrzarl). Mai mult, valoarea covenant;
. ,, . . V .
“.-
in cb’nditiile "
l
' " ‘ I
formula se deduce ca eroareame§temmaimare multe date, iar grupul observat'e'ste
’
Sitrenc/lgiin; doctoratutlj
numaru e ani de scoala va fi cu srguranta , mar mare d eca“t 088
respectiv mai mica, daca existé V . ' ‘
si imprastiate, rezultata mtre doua variabile c are sunt masurate printr-o scal‘ace mer9 edoard e | a
. . “ ‘ ' ' '
omogen. des in 0 la 1. Standardizarea . ,dat elo ' Jcote z ellmlna ' ace ste Inconveniente , d eoarece
standard a frecventelor, utilizata . ' . ' ' ' ‘
O varianta similara este eroarea eroare de toate variabilele ajung la u n nivel egal de amplrtudine , cuprlns aproxrmatlv m t re
publicului larg sub numele de ‘ . _
sondajele din sociologie, fiind cunoscuta i 3%, inseamné 6,5 (3 z. egahzaJnfluenta variabilelor asupra
-
eroare dintr-un sondaj, sa zicem Aceasta standandizaremyg

esantionare. Astfel, procentul de gradjmi ,dSe cite s1, mal important, va permite compararea gradului
, erevduln‘trerele
tocmai eroarea standard a frecventelor. ipotezelpr de 3500i ere”E‘smtre doualéflgfll!§ Cu asocierea dintre alte doua variabile
capitala, atat pentru testzgga .
Eroarea standard a mediei este unui intervalwde
cat si pentru estimarea
bazate pe diferenta dintre medii,
. v
valorile intre care ne'asteptam. sa gasim labelul [-2- Alegaea coelIClelltIIOI de , Cole atle ll IUHCtle de llOdU de IaSUlale a
incredere“all“.med-iméifwAcesta include la media obtinuta in esantionul

vatlablleIOI
media...unei.variabilela nivelul populatiei, pornind de

de Dihotomicé Nomina/é * Ordinalé Numen'cé
studiat. Ti'p variabile?
DIhotomIca r. (D, x2, A, C, V ’E (tau) r, r biserial
X2,
r tetrachorica r.punct biserial
'
1.3. Analiza descriptiva bivariaté Nominalé * X" A. c, V
2 - x2.1\ x2. A **
de 0
- Ordinalé r Spearman, r Spearman,
sunt analizate simultan, vorbim
in cazul in care doua variabile directie sunt
’l.’ (tau) ’1? (tau)
indicatori descriptivi in aceaSta
statistical bivariata. Cei mai importanti poate fi
Numeficé r
relationarea dintrgédoua variabile
in_d/'C§I,W<Driim_ge,.asociere. Asggierefisau 1997). Doué
Date nominale cu mai mutt de doué calegorii
(Neuman,
inteleasa prin termenii de covarianfiytg si independenta', cu‘___\_/_alorile
-
u .4
.ln cazul gruparu datelor numerice in clase
it
celeilalte. ln ,
variaza impreuna
variabile covariaza daca“_.valorile uneia ca
de legaturi. Se observa, in general,
realitate se pot constata tot felul de astfel parcu'rsi in dEX'5ta mai multi COGfiCiEHELade.Icorelatie, selectarea lor facandu-se in
un numar crescut de kilometri functie e Ipul de,date..colectate (nominale dihotgmi_ce, nominale cu mai mult de
venitul personal ridicat covariaza cu cu rezultate ,
la matematica sunt asociate
masina personala,'ca rezultatele ridicate
de timiditate covariaza cu interactiuni sociale
bune la fizicé, ori ca un grad crescut dintre dougyariabile.
este opus celui decovarianta. Atunci
mai putine etc; Conceptul de independenta
ca cele doua variabile sunt
cand valorile a doua variabile nause’asociaza spunem
l- 12
13
iiiiIiiiiimiiiiIiiiiiliiiiiliiiiiiuiiiiiimm111111111 i i ‘1 ‘. ii i i ii .....
ii ii ii ii ii iii.ii i i‘‘1‘1‘ i 111111111 ii ‘11! i i 11‘ i i‘ iiiiiliiiiiiiiiiiiiiiji ‘11 1111111111111 1111 111 1111 ‘11 i ? ii 1 1‘ ‘i i i i 11 ii ii ii ii i i} ii iii 1 1 iii 11‘ iii iii 1““ 111 iii iii 11 1‘ 1‘ “ii 1111 “ii 111 “ii iii lilii ' i: ‘i i iii 11 iii 11 i ? 1 1 11111111 11111111 iii 111111111.“ 1 1‘ i i i 1 ‘ i i 1‘ ii 111‘ ii iii iilii i i i i ii iii 11 111‘ ii ii ii ii ii ii ii ii i i
' ' ”
lui._x2, sunt adim‘e‘g‘si‘gneli, permi’génd unde N reprezinté numérul de'subiecti testatiI, iar Zx si Zy reprezlnta cote
- Toti acesti coeficienti. cu exceptia
{I
companetiifldirecte. Asa cum remarcau Clocotici si Stan (2000), eXisté doué £93152; standardizate ale variabilei X, respectiv Y.
‘
"i dfiQflQQflf, cuprinse inire -.1 si 1,
a fi aplicaté, ambeie variabile trebuie mésurate prin scale u
'11 ‘de mésurare a gradului de asociere: cele 1.7).
‘. Pentru exceptionaie, prin variabile nominale dihotomice)
(sau in in lun melnc'?
valori intre O si1 (figure. cezun E2308
respectiv cele ne.direc,§ipnale-,-. implicénd dintre varia‘tiilveyiifebuie se fie liniaré. Pent'ru a inteiege mai bine ideea 5e IS‘Inlarltate
’ ' 1 “vom apeia Ia repreient'areé graficé a noruiui de nuncte.
-1 0 . .
~
iipsé de asociere asociere pozitivé (directa) MW.
as‘atiere negativé (inversé) 1.3.2. Reprezentarea graficé a asocierii—dintre variab‘ile
_ , 1
0 ,rcrw‘m‘m
1:
.
A. “gflfi
iipsé de asociere prezenia asocierii as...Nor,u_i si sub denumirea din englezé de ,,scatterplot"
rderpuncfe, cunoscut
grafic ue fiecare dintre ele implicénd un’a dintre-:ehiewdguéi
este un euvd 3136'
directionali (sus) §i nedirecfionali (ios) variabiie. o regulé cieré privind care dintre variabile sé fie Mien‘reienfaté
Figura 1.7. Evolutia coeficiengfilor de corelagfie abscnsa
[\iu'eXIsta
pe ordone'té.g[gtusi,‘dupé Neuman (1997),, dacé putem distinge
Cét un coeficient directional ia o Fe s1 c'are ' '
Dupe cumlse observé 1n imagine, cu asociere negative mai
Intre yarlabila independentafigauzé)
.\ v ., _ KM”
si variabiia dependent"
. _ fa (egg).
f c atunCI prima
-1), cu atét existé o va fl s: t ua t“a pegbsc m. iar ultima pe ordonaté.
valoare maimicé de zero (minimum fiind
‘
Tn’gelegem cé ceie doué variabiie

C N
‘ T
i intense intre variabile. Prin asoqj.e_re.negativé

scade. Un exempiu de coreiagie
”.351!
covariazéin sens invers: cénd una creste,._cealalté Un

de tutun si rezistenta fizicé la efort.
negativé es?3"'”‘relat,ia dintre consumul organismului Ia _
:Z‘HEWH
ducé ia scéderea rezisten’gei 5

consum ziinic mare de tigéri tinde sé s9
C
efort. fiind
o valoare mai mare de 0 (maximum 8
Tn schimb, cu cét un coeficient ia
84
(1)
variabiie, .cele doué «mergénd, in aceeasi 0
6 3
1), vorbim de 0 coreiatje pozitivé intre es
si
pozitivé intre consumul de tutun
—.~«I,xgv=4ir~1£:w,fi‘1+'=r~‘_fl.
r o. 9
dicegtie. Spre exempiu, existé o corelagie 75 7

Un consum mare dertutun .5”
ia nivei puimonar.
C 2
numérul de probleme de sénétate
L (U
este 0
a unor boli pulmonare. in sfz‘arsit, dacé o corelatje £7
1 creste riscul de aparitje adigéflnyfigg
’0
10
variabile sunt ind'ependente,
sau foarte aprgape de 0, atunci cele doué
59
(U
coeficient se obtjne, probabil, intre numérul'la pantofi as

relationeazé. Un asemenea o
intre ceie doué variabiie neexisténd
C6 1
(D
1‘ al unei- persoane si nivelul séu deinteiigenié, "
O)
‘ - . . .29
asociere. pot varia do‘ar intre 0
'0
025
iau valori cuprinse intre—1 si 1. Unii 2
Nu toti indicatorii
Cu cat ne indepértém de aceasté
1 $1 1, unde zero semnificé. absenta corelatjei.
mai mare intre variabiiele studiate.
valOare inspre 1, cu atét existé o asociere 10 15 ‘ 2Q 25 30 35
Capacxtatea de memorare
Coeficientul de corela’gie r Bravais-Pearson
datelor observate in psihologie,
- I
Datorité caracterului numeric al majoritétii igura 1.8. Tabelu/ cu_rezu/tate s: norul de puncte rezultat Tn urma reprezentérii date/or
.
‘ coeficientul de CQLQQfiQEWBQ r este cel mai utilizatmindicator de asociere. El este

F.
; in intervaiul..--1 *si 1.
Cé poate lua vaiori
un coeficient-«direc‘gie‘n’éi, ceee ce inseamné de Pentru exemplificare, vom realiza norul de puncte (diagrama de ’corelatie)
denumiri, precum: coeficientul .. . . .
Coeficientul este cunoscut sub ‘mai multe ba a zece subiecti la doué probe: capacitatea de memorare
coreiatie a produselor momentului, Pe rezuitateie med“
‘ corelatje liniggéwsimplé. coeficientul de Viziatl
aa (expnmata pnn numérul de cuvinte membrate dintr—o piansé in 30 de
Dintre multitudinea de formule, cea mai ' “ “ “ '
coeficientui de corelaflefiravaisfearson.
\ ,secu nde) si performania scolara (masurata pnn media generalé din anui
simplé este: .1 precedent). Prima va fi notaté cu X. in timp ce performanta scolaré va fi notaté cu
7' = NZZXZ)’
(1.3)
‘
9...... .4"...
.5
5.
w 15
14
m.;_-.—_._.
,‘Elllf-jllli, , mnuiuwky w
g;
iIi i i Ii i i li i i i i i i i i i Ni i iHi i i Hi i ihi i i i i i i 1 1 1 11111 ‘i i i i i i ii
Y. Sé pre'supunem 0231 au fost obtjnute

rezultatele prezentate in partea'din stg‘anga a
g. Dacé relatia esterjjnjaré, atunci norui de puncte pare a avea o singUré
digecgie, care :poate fi sublimaté printr-o 1M? dggaapté. Dacé «relatia‘este néfihiaré,
flgum norui de ‘puncte are 0 directiemg‘gitgilinie, care poate fi semnaiaté prinfi36""linie
de identificare al necérui rezdltat.
1am iniocuit puncteleb din nor cu numérui curbaté. in sféigit, abseng‘auggléfieifisé' poate observe in Cadrui norului de puncte
pe 'grafic dat de obtinute
Astfei, indiceie. 1 reprezinté locul reguliateie, .de primLil
aflat la prin lipsa’giigérei;direc‘gii, puncteie fiind distribuite parcé iajfltémpiare. ‘
= 5,91), indiceie 2 reprezmta locul pe grafic
subiect testat (X = 12; Y Revézénd figura 1.8, intre capacitatea de memorare vi2ualé $1 performanta
subiect (X = Y=7,44)
intersectia..1:ezultatelor celui de-al doilea 18; §.a:rr:.d.
Vizand (aLfgggggg §colaré existé o relaiie liniaré. Se observé cé norul de puncte evoiueazé' liniar,
punctene oferé o serie de‘informgin imppriante,
\ Elorul de din'spre sténga jos spre dreapta sus.
non—iiniaré), (b) dmcpgvigcestela
reiatiei dinire‘dOUé variébile (liniaré sau (gso-CIe're
gyyariabiie
(c) intensitaiqgfiggg
pozitivé, negativé‘ sau’ absenté), respectiv . (b) Direcfia relagiei
medie, scézuté). Toate aceste aspecte vor fi discutate in ,continuare; nu in cazul unei relaiiimiiniare, se poate aprecia ‘directia norului de puncte
(puternicé, este
interpretérii norul
inainte de a aminti cé nivelul calitativ’al na'za-tepe de-puncte (figufa 1.10). in aceste conditii vorbim de 0 relaflgppzit/va, dacé norul de puncte
gi, implicit) de'pundteie rdprezentaitfi
dependent de numérui de subiec’gi testatj evolueazé dinspre sténga jogs} rgmdreapta susi Aceasta inseamné cé vaioriie mici
date, cu atét premzigflflgm. qaiitatea”inigrvpretaiu
grafic. Cuwgét (sunt .majflm‘uit‘e ‘ ale iui X sunt asociaie cu vaioriiexnwici‘éile iui Y, iar valorile mari ale iui X corespund
descriptive, pe baza norului de puncté,_ creg‘te., Unor vaiori mari Y. Titulatura dé direcgie pozitivé vine din faptul cé o astfel de
distributie a puncteior duce la 0 valoare pozitivé a coeficientului de corelatie. O
(a) Farina relagfiei , directie pozitivé poate fi sesizaté 5i in graficul vizénd reiatia dintre capacitatea de
trei forme: Iiniaré, non-liniargl sau
Relatia dintre doué variabiie poate lua memorare §i performantele gcoiare. Prin urmare, ne agteptém ca vaioarea
(figuTa 1.9,).
"MM
. .
de fapt, absenta relatiei

independenté, prin ultima intelegénd, _ coeficientului de corelagie dintre cele doué vaiori sé fie pozitivé. 'De altfei, r rezultat
a fest 0,79, confirménd esti’marea fécuté pe baza norului de puncte.
Relayiaflggativa' dintre doué variabile poate fi sesizaté grafic. dacé directia
norului de puncte evoiueazé dinspre sténgigy’gngp‘tgdreapta jos, fabt ce semnificé
‘ ‘
ideea cé 'rezuitateior mari ale iui X Ie corespund rezuitate mici Y §i viceversa.
5,00 6.09 5.00 lam Izoo

mu mm [2.00 14,00 15,00
Figura 1.10. Nor de puncte cu direcfie poiit/vé (in sténga)

sau cu direcfie negative“ (in dreapta)
2rv um 10,00
(c) Intensfigte Trflelagiei
um 490
In cazul unei" iétiiliimflaggz, gradul de adunare a‘punctelor Tntr-o anumité
hr '
7.0.3»?
directie poate varia (figura 1.11).
Figura 1.9. Example de no; de puncte: i,u:
(/05)
relatie liniaré (sténga sus), relafie neliniaré (dreapta sus), absengfa relaltle/ c,
mm;
,
17
16
1 11 ‘11 11 “11111111111111“ 1111111111. 11111.11111111111111 1111111111 1111‘ 111‘ 11‘ 1‘ ‘
r = 0,85 . r= ' Q35
..auu
.“‘
A.
Figura 1.11. Structure norului de puncte in funcltie de nivelu/ relayiei dintre doua“ vanablle
(6 exemp/e) '
Se observé cé punctele asociate uno’r coeficienti

(ex. r = .35) sunt mai 1mpré§tiate. pe Cénd ge'curelatle m_a1
resins:
puncrele asocratg .unur
corelatie puternici (ex. r = .85) sunt mai de 0 hme cpgficnvenézére (2) Existenta a doué direct“-
marchéazé directia de evolutie a punctelor.aproplatAe
Cu tmagmarat. mai ugra1el§flalg
probabif unor sub-seturi de‘date >d‘sgi'nct’e,’ V‘din‘ nor, datorate punctelor
cat_ puructele surjt é'um‘ér‘fi 'réz'filta’télébbérb'étilor '
apropiat de ligjgirngginaré, cu atét intensitatea doua $.83: este 0919 ale. fgmgilor (figura 1.13). fate“! de
rglaglel ulntrfe ‘vavrla
mamatg, fie 1n direcfie pozitivé, apropiaté de 1, he In 1m iaté‘ '1"
de -1. Sirriwiiar, cu cét punctele sunt mai di'spersate,
drrecperegatrvi,
legatura aparigbfle .
cu a1at
dmrefunn d mag
este mai scézuté, ori chiar absenté, valorile coefimentllor de core1at1e
apropiate de 0.
Importanta reprezggtérij grgficgflpfirin norul de punch:

Pe baza informatiiior..l_egate défiqma; direétia.gi'ihtensitateg»unet
re1agu
putem obtine date imggrtante din punct de ar fl fost omlse,
vederigahtatlvr El?
dacé ne—arn fi rezumat‘doar la calcularea r.
coeficientulunrpgrglape . ._ mwm m mfiflwm
Pentru a sublinia importanta realizérii diagramggmggmggrglat'le d
(norulw
puncte) 1n interpretarea ‘asocierii dintre doué variabile. t.e
uom preze‘nta
de patru grafice distincte, care au un singur lucru m n:1C22:51:
comun. 906
'corelatie r a fost, 1n toate cazurile, foarte aproplat de zero. Se ca un nea
gtvle
rezultét indicé absenta unei relatii, TnSé vom vedea cét de ingelatoare-vpot fI-Ma on'| e
as_emele
' " " “ ' Figura 1.13. Nor de puncte descn'ind
ectém'norul de puncte. o relatie intre doué variabile mascate
de
prezeng‘a unei a treia (sténga — variants
'U‘Jvdaci: ntfiglrj: flirgsgescrie cele patru situatii distincte care conduc Ia un inifialé; dreapta — varianta in care
cele doué seturi
‘ ' ‘
o iatde O.-. sunt prezentate distinct)
figgzigérglr‘é: asocierii v .
coefpclerzt1 dintre doué
nor de puncte' ageiate fiéré'nici o ‘djrevqtieglaré, variabilg, rep'rezgntata
f1 relatla dmtre mverang-:2 Graficul de mai sus poate fi
cum-gr. considerat o reprezentare schematics“;
inteligengé $1 numérul 1a pantofi pa 0. populatie de adult) (figura 1.12). asociagiei reale dintre venitul a
. lunar a1 u’nei persoane (abscisé) $1 cheltuielife
18
19
‘I ,.
acesteia pentru 'cosmetioe (ordonata). in acelaai grafic este inclusa » 1. Irezultat pozitiv de 0,65. Vom fi tentaii, astfel, sa afirmam ca exista o asociere
ambelor sexe. Privlnd in imaginea din dreapta, cu punote au fost evolugia , mtre'nivelui demotiVagie §i performanga
reprezentae pozitlvé Tn Sarcina, ambele evoluand in
rezultatele sexului frumos, iar cu cerculege au fost reprezentate cele aceeagi directle. Similar, dacé am calcula coeficientul de corelagie r dear pentru
Din grafic se observe ca ambele sexe, deal au .alexoarba’gitlorv. datele a’flate lntre un nivel 'optim de motivare §i supramotivare (in dreapta liniei
evolueaaa Paralel, o directie
a norului de puncte, ceea ce inseamna ca un venit ridlcat polzti iv? , punotate), vom obtine un rezultat negativ, de -O,65. Valoarea ne i ndica o corelagie
covanaza cuuohe ulel
mai mari in domeniul cosmeticelor. Mai mult, se poate observa barbatn, 'inversa intre nivelul de arousal §i performanla in sarcina; cu Cat gradul de motivare
ca deal au
venituri salariale ceva mai ridicate, cheltuiesc mai putini pe In Create, performantele’ tind sa scada.
bani cosmetice
comparatie 'ou femeile. Daca nu am observa existenta celor doua de Pe intreg lotul de subiecti, cele doua directii opuse
se anuleazé, ,fapt ce
subseturi
$1 am caloula coeficientul de corelatje pentru intregul lot, am avea c(fate
e conduce la situatia de a avea un coeficienl: de corelatje egal
surpriza cu zero. Aceasta
obtine un coeficient de corelatieapropiat de 0 $1, probabil, am gregia: valoare ne—ar induce in eroare, deoarece spre deosebire de situatia
concluzmna absentei
ca’nu exista o legatura intre venit §i cheltuielile Tn domeniul cosmetioelor. 'legaturii dlntre variabile (figura 1.12), de aceasta data se obs erva
Greeealua Ca, exista- o
s—ar datora faptului Ca nu am tine cont de variabila moderatoare , covarianté in evolutia celor doua variabile, doar ca ea nu este liniara. De
,,sexul persoanei aceea, in
care lnfluenteaza relatia prin faptul ca unele venituri ridicate ale barba’gilor ar fi astfei de condiiii, nu este indicata calcularea coeficientulul de corelatie
liniara r,
asociate cu oheltuieli mal reduse in comparatie cu cele de fiind necesare alte soiutii, precum cele prezentate in‘ sectiunea 3.3.31
realizate sexullfr'umos,
iar unele veniturl mai mlci ale femeilor se vor asocia cu cheltuieli oeva mai
ridicate 1.0
decat ale barbatilor cu venituri superioare. Aceste aspecte vor N
masca evolutJa
liniara §i pozitiva' a norului de puncte, ce indioa o createre a pe
' " Cheltulelllor O
N
e terea venitului ersonal lunar. *
. , a it *
cosmenf dEaiifeuntcar $unei forme upcunbilinii care
-
weeflililgsrgge,‘ determina f *
v: v:
fl,
schimbarea norului de_ puncte dinspregggiiwsprebnegativ sau
Viceversa,lelvocventa 'k
*
w
*
fiind relaiia dintre nivelul de motivare (arousal).§i performant‘a in sarcma (figura

* w *
vo— * *
H4). 4:
-
1+
i *
* *
Atunci cand norul de'puncte are 0 direotielce poate fi surprlnsa
.doar
printr-o linie curba, putem spune ca variabilele Quflpovariaza
intr-un mod liniar.‘
Aceasta Situatie poate fi cauzaté, in principal, de fie
doué. motnre: neoluarea unei
variamlgile tertveflomaginea din stanga), fie existenta unel
.relagn
curbiLlrlJJ.i,i.reale._Ira:
doua variabile (imaginea din dreapta). Prima situat'ie implica prezen’ga unei
varia
moderaioare, precum in cazul discutat anterior, un alt putan (1|: 25
exemplu elocve-nt 25
oitit in Rotariu §i colab. (1999, p.185—186). Cea de-a doua fi a
t“.
situagie va prezenta
in continuare. Daca vom calcula coeficientul de corelatje linlara r 20
dintre nivelul de 20
motivaiie in intreaga sa amplitudine (cuprinzand persoane slab motivate, optim
motivate sau supramotivate) §i performanga lor in sarcina, vom avea surpriza de a
"
15 yr
o 15 :1
contrazice una dintre cele mai vechi ‘legi din psihologie ce afirma
ca Vmotivagla 0 O )1» ar- *
(nivelul de arousal) nu afecteaza performan’ga in explicam 10

0 :r
sarcina. Pum acetat
10
lucru? Simplu':,daca observam imaginea din a vom
dreapta figuru'1.14,
ca, pana la un moment dat, cu cat nivelul de motivatie este mare (pe conataial
mai
performantele in sarcina cresc (pe ordonata). Adica slababsctisat,i
mo
sublectll foarte
obtin performante modeste, insa 0 data cu intensificarea mvelulur de aroueal we:
si performanta. Toate acestea se intampla pana la un punct, socotit a fi uncreeeI
optim motivational, dupa care situatia se inverseaza. Astfel, se poate constata ca my: 14710131619 22
. - "
intensitati foarte crescute ale nivelulu1 de arousal, performanta scade. Daca am.
Figura 1.14. Evo/ufla curbilinie a nom/ui de puncte
calcula coeficientul de 'corelatje doar pentru subiectji aflati intre un nivel
slab Situafie datorata evo/ufiei diferfte a Unor subsetun'
motivare §i un nivel optim de motivare (in stanga liniei punctate), vom ob’gine S: de date (stanga jos),
respect/v unei re/afii non-liniare autentice
fntre doué variabile (dreapta 10$)
2D
21
(4) Existenta unei a§pciericlarezjntre doua va‘riabile, mascata Tnsa de O alté importanta, care trebuie depistata grafic,
, .angrnalje: deoarece
unele daieéezgtgerne care reduc valoareafidéficientului de corelatie (figure 1.15). influenteaza de asociere dintre doua variabile,
niYelul se numeete
O alta sitijsatie Tn care coeficientul de corelatie este putemic distorsionat, 'hgggfirggggqagsticitat‘e. Situatia dorité’ are 0 titulatura la fel de greu de ‘retinut
i I
deei existé o relatie Tntre variabile, 'apare Tn prezenta unor date extreme, homoscedastici at’é. Din fericire celedoua “ situatii sunt mai u § or
Mm... fl.,\..,-:v;.
5....
I
’
_ delnteles decat
‘de pronuntat.
.
neobienuite (Tn engleza ,,ogflers”). Observand figura 1.15, putem distinge o relatie _ ,
liniaré $1 pozitivé, cu except’i’rfunui singur punct, situat departewder celelalte,,in . u lntr-o slituagireflfianatoasa",
a unei relatLLljnjare, norul ~de puncte trebuie
sa
aiba aceeaeLgLetggdfie (grosime) pe Tntreaga amplitudine
dreapta jos a norului de puncte. in cazul in care datele sunt putine, ca Tn exemplul aprdxrmativ a lui X §i Y
ilustrat, aceasté valoare singulara poate afecta esential valoarea coeficientului de Gomogena. denumité tehnic homoscedasticitate.
d?te.rm”7a“d. 0. fvorma lntrp
corelatie. Astfel, daca vorn calcula r pentru toate datele, exceptand valoarea distributie',,nesanatoasa” a unei relatii liniare, norul de fifi'é‘té‘h‘q are‘aceeaei
respective, vom obtine un r extrem de mare, mai exact 0,98. Tn schimb, daca vo_m conferrnatlejpeto'atadistributia lui X §i Y. Faptul este denumit-heteroscedasticitate
calcula r incluzand valoarea neobi§nuita, r scade drastic la 0,55, iar daca vom eterogenitatii ‘norului de puncte. De exemplu,
datonta Tn imaginea“'din ’dreapta a
adéuga o alta valoare extrema, coeficientul r va sagadea §i mai mult, apropiindu-se figuru se ca liniaritatea datelor este mai pregnanta in
1.16, opserva prime parte 3
de 0. lur X, pana Tn dreptul valorii 110, dupe care aspectul
,liniar al distributiei
,
evoluttitlel
punceor se péstreazé Tntr—o formé mult estom p ata ” '
, p un cele
t fund mult mai
3 fl imprégiate'
4‘ ~k
o o
N g N i
‘k *
Ln «k m a:
'k *
i: ‘R
o o Valoare
"' ‘— extrema
* *
t creaiiv
i:
creativ
In to
it * k
Potential
Potential
1 4 7 10 13 16 19 22 1 4 7 10 13 16 19 22
Figura 1.15. Norul de puncte in situatia existentei unor valon' extreme (outliers)
70 so go mo 110 120 130140 70 so 90 100 110 120 130140
Cohen (1990) aminteete de exemplul unui set de date a 25 de persoane, Figura 1.16. Situatiile de homoscedasficitate (sténga)
continand informatii despre Tnaltimea §i greutatea adestora. Coefioientul de §i heteroscedasticitate (dreapta)
corelatie obtinut a fost de 0,83, Tnsa dacé la un singur subiect s—a inversat din
ati reueit sé surprindeti ce Tnseamné acest
greeeala ordinea de trecere a datelor, trecandu—se Tnaltimea subiectului Tn coloana .. Daca lucru din perspective
coeficientilor de corelatie, atunci veil intui ca
destinata greutatii §i viceversa, r a devenit -0,26l valorii r este aproximativ 0 90 entru
valorile mici ale lui X §i Y, respectiv aproape
in astfel de situatii, masurile care trebuie luate sunt dependente de sursa relatia dintre nul pentrula discrie
relatla dintre valorile mari ale lui X §i Y. Ironic,
aparitiei acestei valori neobienuite. Daca ea apare ca urmare a unei erori de valoarea lui r pentru Tntregul set de
date este 0,45, rezultat care nu reflecta
introducere a datelor Tn calculator sau ca urmare a unei neTntelegeri a sarc‘inii ori a nici una din cele doué realitati in practice
0 asemenea relatie heteroscedasticé se Tntélneete
unei lipse de motivatie din’partea subiectului care a oferit acest rezultat, vom‘putea dacé vom dor’i‘sé stabilimf
gradul de asociere dintre nivelul de inteligenté
elmnaflinformatia din baza de date. Daca nici unul dintre motivele de mai sus nu ei potentialul creativ. Potentialul
_ _ 'Creativ este pane la un anumit nivel, de inteligenta unei
sta la baza aparitiei valorilor neobienuite, se vor calcula doi coeficienti de corelatie, [cat aceasta dependent,
perscane. Cu
. este mar inteligenta, cu atat creete potentialul
rezultati .prin includerea, respectiv excluderea acestor date. in fine, in cazul unui creativ. Dincolo de un
situat dupa unii cercetatori la un IQ
numar toartemare- de date, influenta datelpmextreme asupra ccejigientglpi de anurnit prag, de 110, lucrurile se schimba
doué variabile diminuéndu-se foarte mult. Explicatia
conelatiescademult, iar. asemenea datelnu mai constituie un impediment Tn lrelatia dmtre. cele pentru acest
‘ Ucru este Simpla: potentialul creativ are nevoie de un anurnit niveil
obtinerea unor Fezultate acurate, de dezvoltare
22
23
alti factori, intelectuali sau non- , corelatie calculati. Astfel, Tnzcazul datelor ordinale, prin tabelul de contingenta
intelectuala. 0 data atins acel prag, intervin putem nota daca exista o relatie molotona lntre cele doua variabile.
se comporte mai mult sau mai
intelectuali, care pot determina ca 0 persoana sa Conceptul de relatie monotonaié‘s‘téanélog"célUi d’eiirfefllatie liniara din cazul
creativ se estompeaza.
putin creativ. Astfel, importanta lnteligentei in procesul datelor numerice (Lewis-Beck, 1995). O relatie este monotonfiamdaca’ exista o
descrisa mai sus consta’ in
Lectia care trebuie 'dedusa din situatia
importanta precizarii amplitudinii variabilelor studiate.
Astfel, vom obtine un rezultat directie claté.de—t.cQ4lHlle_fi(datelor. Directia poate fi pozitiva, un grad de multumire
nivelul de timiditate §i frecventa ridicat $8 acociazé cu ofmotivatie de a invata, respectiv negativa, onwa‘n‘d'mgradul de
complet diferit, daca vom studia relatia dintre multumire ridicat este asociat cu un nivel scazut de motivare ’p‘entru invatare. Cum.
gama timiditatji (de la extrem de
discursurilor tinute public, avand rezultate pe toata ne putem da seama, dincolo de intuitie, de modul dgéua'éoci‘ére a doua variabile
aceeagi relatie, luand doar
timid la extrem de asertiv) sau daca vom masura
tine seama, in ultimul caz, de ordinale? Simplu, asigurandu-ne-ca ambele au trecute categoriile de raspunsuri
rezultatele persoanelor foarte timide. Daca nu vom . ordonat (de exemplu de la mare la mic) §i urmarind valoTil'é'treCUte pe
eronate, preCum aceea , Implilmgd
caracterul selectiv al rezultatelor, vom ajunge la concluzii (1990.331? principala- (stanga sus — dreapta.. jos)
’ §i cele trecute pe diagonala
r
timiditatii unei persoane §i comportamentul séu

ca nu exista o asociere intre nivelul
m;
’ .1.
secundara(stangajos—dreapta sus).
public. Din tabelul 1.3 se observa ca cele mai multe valori se regasesc in
a asocipemgiimgigge
1.3.3. Tabefllgwgwgacgnflngenté — moduri de prezentare raspunsuri care indica o asociere pozitiva intre variabile. Tn schimb, doar 22 de
datele-nonrnumgrice (2; 19', 1) se regasesc pe diagonala secundara, corespunzatoare unei
potrivit subiecti
ln cazul datelor deatj‘gflgominal sau ordinal, norulwgigmpufinlctebflggeste negative. Prin urmare, fara a trace la calculareafivreunui indicator statistic
variabilé. De aceeah se folosesc tagee'de asocien
pentru a descrie asocierile dintre intUIm ca un grad de multumire ridicat, cu privire la conditiile oferite de unlversitate:
variabilelor studiate. ,, conduce la cregterea motivatiei pentru invatare a studentilor. »
contingenta (de asociere), menite sa surprinda covarianta '
'”muni rmx wéan‘“thwa‘n dwx
datele de la un lot de 100 de studenti, cu privire

Un astfel ole tabel include Mai mult, din tabelul _1.3 deducem ca relatia respecta conditia de
prin trei categorii: ,,foarte motivat", monotonie, deoarece directia de asociere _pozitiva observata necesita frecvente
la motivatia Ior de invatare (operationalizata
la gradul Ior de multumire feta de conditiile oferite ridicate padlagonala principala. Pentru problemaade‘tata, acest lucru inseamna ca
"partial motivat", ,,nemotivat") §i
,,nemultumit").' cei mai multi oameni multumiti sunt foarte motivati, iar cei mai multi oameni
de universitatea la care studiaza (,,multumit”, ,,nehotarat",
la cele m7
Tabelul searealizeaza prin intersectarea raspunsurilor.supieotilor nemultumiti sunt nemotivati. ln tabelul 1.4 este.prezentata o situatie Clara de
se numegiacelulé. ln
doua intrebéri adresate. Fiecare intersectie de raspunsuri a de monotonic (similara unei relatii=«n'on‘—Iiniare), pornind de la
wen».
fie pro’c‘entajele incalcare conditiei

interiorul acesteia pot fi trecute fie frecventceleLobservate, acelea§I variabile.
la marginea liniilor§i a coloanelcr se pot calCula sUme
coregpondente. in plus,
mediile marginale,
marginale'in cazul in care se trec frecventele-in tabel, respectiv Tabelul 1.4. Exemp'lu de asociere care Tncalca conditia de monotonie
in cazul in care sel'ucreaza cu procente. /
fl . Gradul de multumire
Multumit Neutru Nemultumit
A
— exemplu .5 Grad de motivare
Tabelul 1.3. Tabel de contingentépe baza de frecvente
Y
Ei: . Foarte motivat 14 23 4
’
Gradul de multumire
gt
a.3 Partial motivat 7 \19/
‘~~ 19
Nemultumit rt1: ~‘
Grad de motivare Multumit Neutru ,5. Nemotivat , 2 11 $1
14 11 1
Foarte motivat
- 19 ~ 19 a,
Partial motivat 7 _ observa ca relatia nu are 0 directie de evolutie. Initial directia relatiei
4 23 'S‘e
era cei mai multi oameni multumiti fiind foarte motivati, iar cei indeci§i
a lpozrtiva,
:5 Apoi, in loc 3a observam continuarea directiei 1n sensul prezentei
partial motivati.
:3-if numar mare do persoane nemultumite ca fiind slab motivate (sageata
demersului unur
Acest tabel, sau unul similar exprimat Tn-procente, sta la. baza Intrerupté), observam o schimbare de directie, astfel incat majoritatea persoanelor
' . ‘ A
In cazul
-
datelqmnominale nu eXIsta
V . A
mm
" “\«c
o restrictie E
statisticaldatelor non-numerice. g.
to
homultumite sunt foarte motivate. ln astfel de cazurl, nu este indicata folosirea
schimb, in cazul
culprivire la utilizarea unor anumiti. indica ',,,de' asgciere. in
fr
. _Prin
h
. CoefiCIentilor de corelatie specifici datelor ordinale, cum ar fi indicatorii 'c al lui
datelor ordinale, tabelulwde contingenta Joaca rolul nowlui-de puncte.
2::
5:
E Kendall sau r al lui Spearman, decarece vor conduce la rezultate eronate §i
de 3!;
intermediul lui vedem 1n ce masura ne putem increde Tn valorilelcoeficientilor
B
EQ'
m
%’
17'.
25
24
iiiiiitiiiiii iiiiiiiiiiiiLiiiiiiHiiiiilliiiiilliiiiillliiiilliiiiiil
trata
interpretari distorsionate. Exista totusi o solutie care constaIn renuntarea de a
variabilele ca masuri ordinale In favoarea celor nominale urmata de aplicarea
CAPITOLUL 2
indicatorilor de asociere specifici datelor nominale.
BlBLlOGRAFlE TESTAREA IPOTEZELOR

Clocotici, V., Stan, A. (2000). Statistics? aplicata' in psihologie. lasi: Editura Polirom.
Cohen, J. (1990). Things I have learned (so far). American Psychologist, 45(12), 1804-1312.
Field, A. (2000). Discovering statistic using SPSS for Windows. London: Sage Publications.
Statistica descriptive, foarte utila altminteri, se margineste sa prezinte
Hohn, M, varga, D., Maruster, L. (1999). Curs de Statistics aplicata in stiintele sociale. aspecte detaliate ale unor situatii observate. Cei douazeci de elevi au petrecut, in
Voi.i. Timisoara: Tipografia Universitatii de Vest. medie, 11 secunde pentru a citi textul dat; soarecele de laborator a atins o
Hohn, M. (2000). Elemente statistics in analiza fenomenelor pSIhice. Arad: Editura
,,Viata frecventa de 30 de pedalari pe minut in conditia in care pedaiarea oferea accesul
Aradeané”. la hrana s.a.m.d. Stiinta nu se rezuma insa doar Ia fapte si la descrierea acestora.
UK: in urma unui demers stiintific se pot face predictii, se pot descoperi mecanisme
Kinnear, P.R., Gray, CD. (2000). SPSS for Windows made simple. Release 10. Hove,
Psychology Press. cauzale sau se pot gasi explicatii pentru fenomeneie observate. Toate aceste
Lewis—Beck, MS. (1995). Data analysis. An introduction. A Sage University Paper
on operatii necesita un demers logic, bazat pe inferente, ce trece dincolo de realitatea
‘
Quantitative Applications in the Social Sciences, 07-103. Thousand Oaks, USA: Sage. imediat obsen/abila, supusa descrierii. De multe ori datele obtinute de cercetatori
Neuman, W.L. (1997). Social research methods. Qualitative and quantitative approaches’ se rezuma Ia situatia existenta in anumite esantioane, dar concluziiie vizeaza
(8rd ed.). Needham, USA: Allyn and Bacon. populatia din care acestea au test extrase. Pentru a realiza acest lucru se
Novak, A. (1977). Metode statistics in pedagogic si psihologie. Bucuresti: E.D.P. apeleazé din nou la inferente, pe baza unui demers logic inductiv. lnferenta
Radu, l., Miclea, M., Albu, M., Nemes, 8., Moldovan, 0., Szamoskozi, S. (1993). statistica se bazeaza pe teoria probabilitatilor, permitand desprinderea unor
Metode/ogie psihologica sf anal/’za xdatelor. Cluj~Napocaz Editura Sincron. concluzii cu caracter probabilist. in practica, orice rezultat discutat in termeni de
Rotariu, T. Badescu G. Culic l., Mezei, E, Muresan, C. (1999). Metode statistics ap/icate valori semnificative statistic la un prag deaf; 41.7.01 acorespuns unui demers
in stiintele sociale. last: Editura Polirom. specific statisticii inferentiale.
Sava F (2002). Pagina de statistica sociala. Gasita la htztgllstatisticasocialatripod. com. Dupa Dyer (1995) testarea ipotezelor reprezinta, alaturi de estimarea
SPSS (2001). SPSS Base 11.0. User’s guide. Chicago USA. SPSS lnc. statistici, unui dintre principalele aspecte ale InferenteI statistice
r
Weisberg, H.F. (1992). Central tendency and variability. A Sage University Paper on tezelor este o componenta fundamentala a activitatii stiintifice,fiind un
Quantitative Applications in the Social Sciences, 07-083. Newbury Park, USA: Sage. demers riguros ce reuneste trei dimenSIunLesentIale (1) analiza datelor empirice;
(2) realizarea unor inferentelogice pe baza acestora si (3) mentinerea unei att 'dini
sceptics legate de concluziiieobtinute Aceasta stare de spirit se regaseste foarte
bins in ideile lui Einstein (apud Hastie si Stasser, 2000, p.86) extinse la nivelul
teoriilor: »
,,Oameni-i de stiinta nu sunt de invidiat. Natura, sau mai exact, experimentul

este un judecator neprietenos si inexorabil al muncii cercetatorului. Niciodaté
nu ii spune ,,Da” teoriei acestuia. Tn cele mai tavorabile cazuri ii spune
,,Poate", iar in majoritatea cazurilor ii spune ,,Nu”. Daca ex‘perimentul sprijina
o teorie, pentru aceasta Tnseamné ,,Poate", iar daca nu o sprijina inseamna
,,Nu". Probabil ca orice teorie va experimenta Tntr-o buna zi pe ,,Nu”- cele mai
multe, chiar imediat dupa conceperea lot".
27
26
Prin testarea ipotezelor se intelege testarea‘ipotezei nule, finalizata prin
lpotezele unidirectionale 5i bidirectionale
respg‘iflgerga sau nerespinge.rea...acesteia_. O atentiefideosebita trebuie‘acordata
l’potezawgtiintniflcca
was“
este o predictie,, care are capacitateax de a fi alegerii uvintelor. Sintagme de genul ,,ipoteza nula este acceptatasau confirmata”
openatignalizata“ §i [estate pentru a oferi unmrgspuns pro‘lcalemei studiate. Un sau ,,ipoteza ceroetarii se confirma” trebule evitate, deoarece sunt eronate.
exemplutdé‘ripoteza ar fi: ,,persoanele cu un nivel de eXtroVersiune ridicat tind‘ sa singurul lucru care poate fi obtinut prin testarea
' ipotezelor este respingerea sau
experimenteze in mai mica mastira o afectivitate negativa". TotU§i, din punct
de nerespingerea ipotezei nule.
vedere tehnic, exista doua categOrii de ipoteze: unidirectionalefii bidireflotimqnale.
Modul de formulare a ipotezei cercetarii determine categoria in care este inclusa
2.1.1. Logica testérii ipotezelor
ipoteza. Daca se precizeaza directia..,..prediptiei, aver'n de-a face cu ipoteze
_. ungdirectionale. Tn aceasta categorie intra formulari de genul: ,,exista o corelatie Pentru a intelege mai bine principiul testarii ipotezelor vom preciza ca
M
pozitivé"; "exista o corelatie negativa, ,.grupul A este mai bun decat grupul B";
v”.
l“ $91,623 nulé-(l—lg) ne araté probabilitatea de a obtine datelewo‘byservate incqnditiile
,,grupul A este mai slab decat grupul B”. Dacéidirectia predictiemu BStS .Pfiegi;§té. in care ipotezag‘glgrgste.adewarata (Cohen, 1990; Cohen, 1994)?‘or'n6i‘ ar‘n'fizmult
' vorbim de ipotezwgwpidirectionale. Expresii precum ,,exista o corelatie intre variablle , ' mai interesati de raspunsul la intrebarea: ,,Dat fiind aceste date, care este
,,exista diferente intre loturi", reprezinta modalitati tipice de formulare a ipotezelor probabilitatea ca ipoteza nuia 3a fie adevarata?”. lata cateva caracteristici ale
1‘???“
bidirectionale,, specifica flind absenta precizarii directiei de evolutie a datelor. testarii ipotezelor:
Alegerea tipului de ipoteza se face in functie de informatiile avute anterior §| de
presupunerile cercetétorului. Daca exista suficiente indicii pentru a permite (a) $6 pome§te de la‘gremna .cé I'PDIQZQflklléfifeTie.adfivégata“ .
formularea unor ipoteze'unidirectionale, este de dorit sa alegem o asemenea Consecinta acestui fapt consta in practica eronata de a atribui diferitelor
formulare, deoarece exista ga'nse'mai mari ca ipotezasa fie. sprijinita. In Cazul in praguri de semnificatie sintagma ,,semnificativ statistic”, in cazul unui p de .05, cea .
care nu exista indicii cu privire la modul de evolutie a datelor, se alege o ipoteza de ,,foarte semnificativ statistic”, in cazul unui p de .01, ori cea de ,,extrem de
bidirectionala. Clocotici §i Stan (2000) utilizeaza terminologii ugor diferite pentru a semnificativ statistic”, in situatia unui p de .001. Toate aceste praguri arata doar
denumi cele doua categorii de ipoteze. Actfel, ei utilizeaza terrnenul de ipoteza probabilitatea de>_,a-...0btine..,__datele,culese“in situatia in care ipoteza nula este
ipoteza
Unilaterala in locul celui de ipoteza unidirectionala, respectiv pe cel de aflératfiffi'nu probabilitatea de adevar a ipotezei nule. Aga cum am amintit, in
bilaterala. in locul celei bidirectionale. Pe parcursul cartii vom utiliza ambele testarea ipotezelor se porne§te de la premisa ca ipoteza nula este adevaraté.
terminologii. . , ’
lnditerent de modul de formulare aipotezei de cercetare, teetarea lpotezel (b) lpoteza nula" nu poate fi adgmerjgfa,lci ,doar, respinsé
se face prin apelul la conceptul de i_p,gtg_z,é_._nulé sau ipotezi..statisticé. Din ldeea poate fi inteleasa mai bine prin apelul la urmatoarea analogies
inteles greeit §i prezentat denaturat 1n ‘
pacate, sensul ipotezei nule a fost Dace“ ploué, asfaltul este umed.
majoritatea cartilor de specialitate. De aceea se impun cateva clarifican Asfaltul nu este umed.
conceptuale, urmate de prezentarea a doua concepte importante, dar mat putln Deci, nu a plouat.
cunoscute, §i anume, marimea efectului 5i puterea statistica a unei cercetén.
47.1mm
Acest rationament este correct §i similar cu:
Dacé ipoteza nula este adevératé, probabilitatea de a avea aceste date este mare.
‘
2.1. lpoteza nulé — clarificéri conceptuale "mv-‘sflm-r:
rr-
Probabilitafea este mica“ (nu este mare).
Deci, ipoteza nula” este respinsa.
de
in mod normal, orice student care a depa§it cursurile introductive
statistical 5i metodologia cercetarii, cunoaete ideea‘cé ipoteza cercetamrwirfipoate Lucrurile se schimba daca vom schimba rationamentul:
ti
spriiinita sau nu de evolutia ipotezei nule. Demersul este srmplu: daca lpoteza nula Dacé ploué, asfa/tu/ este umed.
,
g
de datele
(lpoteza statisticé)geste respinsa, atunci ipoteza alternative"! este sprijinita
Asfaltu/ este umed.
Deci, a plouat.
obtlinute, Daca ipoteza nula nugste'qspinsa. atunci ipoteza alternatlva nu este
sprijinit’aude datele obtinute. lpotezapropusa de cercetator'este una din ipotezele -. r,\x4:.,il:;.m.- Rationamentul este incorect deoarece se produce eroarea logica a
alternative posibile. Prin urmare, sprijinirea ipotezei alternative semnifica sprijinirea an
i:-..
afirmarii conseointei. Afirmatia ,,daoa ploua, asfaltul este umed" nu este echivalenta
ipotezei lanegte‘demcercetator. A
28 ranfll‘m wszr
29_
..'
_Hlllllllllllllllllllllllllllllllllill il Ill il
‘9”
Astaltul poate fi ud din'diVerse alte

moth/e,
cum
2.1.2. ipoteza nula si mfirimea esantionului _
cu asfaltul este umed, deci ploua“. confirmarea ipotezel
de la salubrizare. Similar, Multi cercetatori Tsi aleg numarul..de..subieoti ce urmeaza a fi testati in
ar fi stropirea s‘a de catre masinile
. functie de resursele. avute la dispozitie. Aceasta modalitate nu este insa cea mai
nule este eronata, .. ~
probabilitatea de a avea aoeste date este-mare. ferioita, deoarece pragul,.,de«semnificatieaesterrsensibil..la volumul esantionului.
Daca ipoteza nula" este adevaraté,
Probabilitatea este mare.
Astfel, in oazul unui esantion FBdU§§£Q§§O.@De (ex. 10 subiecti), sunt marl sanse
Deci, ipoteza nula este adevarata. . v . v .. ca rezultatul sa fie nesemnificativgstatistigrdfési in realitate existamun efect. ln
insa moiodata
-
ipoteza nula poate fi doar respin‘s‘aflysau”nerespinsa, schimb, prin alegerea unui esantion foarte mare (ex. 500 de perEEahefsmfintsanse
Astfel
marl de a obtine un rezultat‘ semnificativ statistic, desi in realitate nu ar exista
ognfirmaté.
efectul testat. Pentru a ilustra ultima situatie vom utiliza exemplul comic oferit de
se ia pe baza unut prag de Thompson (2002). ‘
(c) Decizia de a regpinge‘mipgt‘ez‘aH-nula,
Un cercetator decide sa compare inteligenta masurata prin scoruri lQ la
nule este caracterul arbitrar al 12000 de studenti din doua erase diferite. Cei din primui oras au obtinut un
semmflcgyZIta problema in testarea ipotezei prtagu‘lfl
Cel scor mediu de 100,15 si 0 abatere standard de 15, iar cei din al doilea oras,
ales gpentru respingerea sau nerespingerea ipotezei nule. mat t're'cvend prrneg.
de Fisher, parintele au obtinut o inteligenta medie de 99,85 si aceeasi abatere standard.
ales este de .05, valoare stipulate initial statistic“ mo.e
ca
a fost fetisizata. Exagerand, am putea Aplicand testul z pentru doua esantioane independente obtine un rezultat
Ulterior aceasta valoare spune
licenta, publrcar:
fencrrea s
de doctorat sau semnificativ statistic. Pe baza' rezultatelor, cercetatorul propune Tnfiintarea
sau nepublicarea studiilor, evolutia lucrarilor
de aoest unor scoli speciale pentru supradotati in primul oras, deoarece ei sunt
nefericirea oercetatorilor au devenit dependente prag. v v .
Fara‘a Intra
-
mai multe interpretari posibile ale acestUI Semnificativ mai inteligenti decét cei din al doilea.
Exista prag. in
semnificativ poate fi
detalii, interpretarea Corecta a unui rezultat statistic me
Liaumafi:
de maxrmum 5/0 de a 0
simplu in expresia: ,,exista o probabilitate
la premisa ca ipoteza n'ula este adevarata . 2.1.3. Erorile de tip lrsi II in testarea ipotezelor
intamplare datele observate pornind de
“ lnterpretarea pragulfiuitdefsemhificatie poate fi imbogatita prin discutareaa
nula nu inseam 'poteza5absentei . dogé ergri posibile ce pot aparea in testarea ipotezelor. Pentru a simplifica
restrans
E:)slg(::tz,aunaspect mai pficunoscuteste ‘Caract-erul all intelegerea acestora voi .apela la urmatorul exemplu. Un ceroetator este interesat
.sc—gnstll’iial1
oercetaton inteleguprin Ipoteza
'acorda‘t ipotezei nule. Cei mai multi se re
nulafla ts~en%n sé studieze in ce masura ascuitarea muzicii clasice faciliteaza obtinerea unor
,medii. srtuatte
corelatiei sau lipsa ’diferentei dintre _Aceasta ateza
ec performante superioare, in domeniul invatarii unei limbi stréine. Pentrua‘testa
alttel, utilizand Simoolurile
majoritatea oercetarilor intreprinse. De aferente,
Ho. pLA 1pc;
—p _0 aoeasta ipoteza, el aiege un lot de 50 de studenti volUntari, dornici de a invata
30 in cazulcorelatulor sau
hula apare frecvent treouta ca: Ho; rAB a??? limba suedeza. Ac‘estia sunt impartiti aleatoriu in doua grupe. Prima, denumita
nula nu avuto'matuaceste
in cazul diferentelor dintre medii. lpoteza impllca experimentala, este formata din 25 de subiecti care vor invata timp de patru -
care trehwe este co: dé
Mai degraba, ipoteza nula este ipoteza anulata, fie cavaloarevor
a pariori saptémani limba suedeza intr¥un mediu controlat, al carui fundai muzical este
= ca este stipulata o anumita
situatii amintite (ex. Ho: rAB 0), fie asigurat de lucrarile lui Bach si Grieg. Ceilalti 25 de participanti, din grupul de
(ex. Ho: rAB = 0,25). control, vor invata limba suedezé intr—un mediu din care lipseste orice fond
muzical. Dupa cele patru saptamani, participantii din ambele grupe au fost testati
din care au fost extrase loturlle
(e) Testareajpotezelgr\p‘rjigestte Vpppulaltii/e privind cunostintele lor de limba suedezé. _
de Conform ipotezei de cercetare, ne asteptam ca subiectii care au invatat
Niagara nu am fi
Daca analiza s—ar fi facut la nivelul esantioanelor, avut nevoie limba su'edezé in conditiile unui fundai muzical sa obtina rezultate mai .bune la
, asocierile
un test de semnificatie cu valoare probabilistica, deoa-rece dintgen
dateie observate.
testul de limbé suedeza in comparatie cu studentii din grupul de control. Simbolic
dedus direct
variabile sau diferentele dintre grupe s-ar ii din fOrmularea poate fi transpusa sub forma H1: HEZHQ:
descriptiv. Testareauipotezelor
!= acest caz ne-am fi 'situat la un nivel de analiza Pentru a testa ipoteza va trebui sa apelam la conceptul de ipoteza nula. De
extinderea concluzulor de la
vizeaza insa statistica inferentiala, ce urmareste celemai multe ori ipoteza statistica are 0 forma opusa ipotezei de cercetare. in
a fost extras esantionul respectlv.
nivelul lotuiui testat la nivelul populatiei din care cazul nostru, ipoteza hula ar putea fi'. Nu existé diferente semnificative in
performantele de invatare a limbii suedeze intre cele doua grupe de subiecti. Cu
31
30
aite cuvinte muzica ciasica nu faciliteazé invatarea limbiior stréine. Simbollc, (4),. o persoana vinovatarmmeaiitate este gasité nevinovatéoe
justitie (eroare
.
formutarea poate fl HO: (E 3 (40.
1
. de tip ii, cadranui 4).2 '
A .
in urma anaiizérii dateior obtinute, ne putern afia in una dintre urmatoareel Aeadar, ’ergareaogewtipgl este situatia in care cercetétorul
-
decidgm§a“N
patru situatii: -
. . ‘ .g . V respingviipotezfiafli‘ia, de§i acéaéta nu trebuiarespinsfla, in timp ce eroarea deli-tip ll’ '
(1) respingem (potezamuia, constaténd diferente semmfloajwe intre cele d .este data de cazui‘ in care ipoteza nuiégtuflahfsqst respinsa, degi
.oua trebuiawsé 'fie'
grupe defiguoieoti, iar aceasta \decizie e§t,e,..§o,recté, deoarece in reepinsré, intre ceie doué tipuri de erori existé o relatie de 31%92099013 0 data
reaiitate ce
muzica clasicé afecteaza pozitiv invétarea iimbiior stréine (cadranui 1 din oresc ganseie de a comite eroarea gigejp Iasgcad ganseie de a comite
eroareadetip
tabei); , _ . H giinvers. _ ,
' . ' A y 2.1.
(2) res-pingem..ipoteza nuia, constaténd diferente semnificative mtre (Cum procedeazé cei mai muiti cercetétori in reaiitate?
ceiegdo'ua Ei tind sé tiné
grupe iar aceasté decizieaegtewgrgité, deoareoe in reahtate muztca seama doapdeegoareawge tip 1 $1 351 ignore eroarea de tip ii.
m: ' ' ‘ ' V I; " ' " Din perspective teoriei
ciaSica nu are me: o influenta asupra invataru i'im b'i10 rstraine (cadranui 2 iui Neyman §i Pearson, pra‘g‘ui de semnificatie de .05, stabiiit a priori, nu reprezinta
din tabel); aitceva decét eroareade tip 1. Acest prag, notat oc', reprezinté
. v . .‘ . w o probabilitate de 5%
(3) intuitrespingemipoteza nuié, constatand ca nu eXista djgrente u-
de a obtine datele cuiese in condigiiie in care‘ipoteza
nuié este adevératé. Ea '
.serrlnificative
intre cele doué grupe, iar decizia este smack}, in realitate muzma clasma 5mm. inseamna, de fapt, o probabilitate de 5% de a gregi, respingand
ipoteza nuié cand
neinfluenténd invétarea iimbiior stréine (cadranui 3 din tabei); ..i) ea este adevératé. Un prag de .01 inseamné doar
. o probabilitafiflqiefijl%wge a
(4) nuisrespingem ipoteza nLilé, constaténd absenta diferenteion Semnificative comite ergafirea de tip i, insé §anse mai multe de a comite eroarea de "
- g tip H.
‘in'tre ceie doua grupe cu privire' Ia performant'ele de invatare a Eroarea de tip il poate fi prestabiiita oi este importanté
mai ales din
Iirnbii Rev-arm.
perspectiva puterii statistice a unei cercetéri. Daca
stréine, iar decizfia""eete gregité, deoarece in realitate muzioa clasma eroarea de tip-i~este..>fixaté
influenteazé invatarea limbiior stréine (cadranui 4 din tabel). conventional larvaloarea ole .05, eroarea de tip Ii,
notaté cu )3, nu are 0 asemenea
. Aceste combinatii sunt reflectate in tabeiui 2.1. ' file. 'i'm valoare. TotU§i, cei mai frecvent se alege o vaioare
de patru ori mai mare decét
prima, adioa .20. Transforménd probabilitétile in §anse,
vom constata ca 0 eroare
Tabelul 2.1. Erorile intélnite in testarea ipotezelor de tip II de .20, indicé de patru ori mai putine ganse
de a comite aceasté eroare
deoat de a lua o decizie corecté (.20/ .80).
in cercez‘are ipoteza nulé
7
in realitate A fost respinsé Nu a fost respinsz‘é
7
Existé efeci (H0 trebuia respinsé) Decizie OK (1) Eroare de tip ll (4)
2.2. Mérimea'efectului 7
'Nu existé efect (HQ nu trebuia respinsé) Eroare de tip 1 (2) Decizie OK (3)
Datorita numeroaselor probleme pe care ie ridioa pra'gul-de

Dacé am face 0 analogie cu situatia din justitie §i am considera semnificatie in
, hula ca fiind situatia inculpatilor "nevinovati péné la proba contrane am obtine iotr ipoteza cadrui testarii ipotezelor, tot mai multi autori au
, remarcat necesitatea compietérii
reitatelor cu ceea ce se numeete mérifimqjggtuiui
Patru situatii: .
(Cohen, 1990; Cohen,
. ' v . y . .. .1994; Fan, 2001; Thompson, 1999; Thompson,
(1) o persoané vinoigata. in realitate ar fi géSIta vmovata §l de catre Justi’gie 2002). Daca testul de semnificatie
-
:r'lhr
71'1" réspunde ia intrebarea ,,exista o diferenté
(cadranul1); _
.g sau asociere semnificatjvé?”, mérimea
. W . v ._ .. . efectuiui ne araté ,,cat de mare este aceasté
(2) o persoané nevi‘noyata in realitate ar fl géSIta vunovataflcie J‘uetitie (eroare Wm.“ diferenta sau asociere?”. Dacé nu
q"
vom tine seama de ambele aspecte vom putea
de tip I, cadranui 2); (.7
w ajunge la conoiuzii diferite. laté,
. V _ . .. . spre exempiu, o situatie personalé, petrecuté
(3) o persoané nevinovaté in reaiitate este achitata §l de cétre Justitie in urma cu cativa ani. Am avut
posibiiitatea de a testa un program de interventie
(cadranul 3); menit sé amelioreze relatia
profesor—eievi (Sava, 2001). Un lot de profesori‘a
fost testatinainte §i dupé
deruiarea unui program do training ce s-a intins
pe durata a doua luni. Dacé ar fi 551
iuém in considerare doar pragui de semnificatie,
1 atunci programui s-a dovedit a fi
Modul de formulare a ipotezei nuie in cazui testeior unidirectionaie yariazé ia un autor la un succes, deoarece a reueit 5a reduca niveiui
fie de ostilitate a dascéliior in peroeptia
altul. Unii preferé o formuiare exacté (ex. Ho: pA = pB), in aitn prefera o formuiare
tirnp ce
inexacté (ex. Hoz-pA s pB). Ambeie modalitati sunt acceptabile conduc la aceia§i rezultat.
$1
insé, ultima expresie subiiniazé mai bine ideea testuiui unidirectional :2 Unii autori amintesc §i de 0 eroare de tip
' (Leventhal §I Huynh, Iii (foarte putin probabiié), care apare atunci cénd
1996). ipoteza nuié este respinsé corect, dar in directie
gre§ité (ex. m A > m B, dar p A < p B).
our 32
33
prezenta pe parcursul fieoarui capitol indicatorii adecvati ai marimii
un p< .01. De altfel, 14 din cei 17 Yom
elevilor, rezuitatul fiind semnificativ chiar la
in situatia de post-test. Dada vom tine yefectulur In oonsecmta, Tn oontinuare nu vom ~insista asupra particularitatilor
'
profesori au reueit performante mai bune .
sunt atat de promitatoare, fiecarui indicator amintit.
seama 5i de mérimea efectului, rezultateie nu mai
acest iucru? Se
deoarece marimea efectuiui a fost mica (d: .29). Ce inseamna
nu a reU§it sé schimbe
pare cé'programul de interventie, degi a ’avut un efect. 2.2.2. interpretar‘e’gmmérimii. efectului
eieviior in ca priveete relatia lor cu profesorii participanti'in...
foarte mutt din perceptia
profesor care anterior avea o reiatie negativé cu elevii nua fost Magnitudinea unui efeot poate fi interpretata in mai multe moduri. Utilizand
program. ‘Un
de interventie. criteriile initiale propuse de Qohen putem distinge trei niveie de intensitate: efect
perceput in termeni favorabili nici dupa terminarea programuiui
nu a avut capaci- minim. sau efect egazut; efect mediu §i efect puternic sau mare. Valoriie
Totuai, imaginea lor s—a imbunétatit foarte ueor. Astfel, programul
acestora. Dacé ‘ coreepondente aproximative pentru fiecare tip de efect in oazul lui 'd $1 r2 sunt
tatea de a schimba radical relatiiie dintre profesorii instruiti eielevii
rezumat doar la prezentate Tn tabelul 2.2.
am fi ignorat informatiile oferite de marimea efectuiui 5i ne-am.fi
distorsionata in mod Conform acestor valori, se observa ca marimea efeotului obtinuta in urma
ceie oferite de testul de semnificatie, am fi avut o imagine
programuiui de interventie vizand ameliorarea relatiei profesor-eiev este una
favorabil.
Caracterul informativ al marimii efectului a inceput sa nu
mai treaca redusa (d ‘= .29, iar r2 = .02). Aceste valori pot fi interpretate §i altfel, in functie de
ale revisteior de specialitate cer tipul de indicatori ai marimii efectului fOlositi. Astfei, daca s—a utiiizat coeficientul de
neobservat. Tot mai multe colective editoriale
de semnificatie. Mai determinare r2, vom putea spune ca doar 2% din dispersia datelor reflectand reiatia
afiaarea vaiorilor marimii efectului pe langa cele ale testuiui
Americani se profesor-elev a fost infiuentata de programul de interventie aplicat. Tn sohimb, daoa
mult, in manualui de pubiicare editat de‘Asociatia Psihologiior
efeotuiui in manuscrisele trimise spre vom apela Ia calcularea lui d, vom deduce 053 in urma apiicarii programului de
recomandé prezentarea vaioriior marimii
efectuiui s—a impus tot mai mult ca un interventie media grupuiui a ajuns Ia centiiul 62 in comparatie cu centilul 50
publicare (APA, 2001). Aeadar, marimea
de indicatori care informeaza asupra magnitudinii corespunzator mediei grupuiui Tnainte de inceperea interventiei. Centilele sunt
termen generic pentru o familie
utilizate in ierarhizarea rezultateior, spre exemplu valoarea 50 insemné un rezultat
unui efect.
mediu, iar centilul 90,/un rezultat foarte bun, caz in care doar 10% din rezuitate
sunt mai bune, in timp ce 90% sunt mai slabe. O marime a efectuiui d de .00
2.2.1. Indicatoriflaj"mérimiifiefectului oorespunde centilului 50, in timp ce un d de .20 araté centilui 58, un d de .50
.mm corespunde centiiuiui 69, iar d de .80 indica centilui 79. Mai muite amanunte pentru
0 probabilitate
Pragui de semnificatie statistica ne araté doar ca exists”: ' cei interesati pot fi intalnite in Becker (2003).
datele observate in cazul in care ipoteza nula este
foarte mica de a obtine
adevarata, insa nu ne informeaza daca aceasté situatie are 0 importantamgracticé. Tabelui 2.2. Valorile reper d §i r2 pentru marimea efectului
Numarui
Pentru a evidentia acest Iucru vom apela la calcularea marimii efectului.
indict: bazggimpe o
mare de indicatori existenti poate fi redus la doua categorii de Marimea efectului d al lui Cohen coeficientul de determinare :4
procentul dgmfiégjgpersie
diferenta standardizatg intre medii, respectiv bazati pe Efect scazut in jurul a 0.20 .01
almlui
eggpliggtg. in prima categov‘r‘i'e’ inta'lnim mai ales indiciixdflal lui Cohenwdelta) Efect mediu Tn jurui a 0.500 .06
avem rh;§,.n2 (eta), w‘
Glass éau g aigflluihHedges. in cea de-a doua categorie Efectputernic . injurul a 0.80 . .14 ~
pot fi ueor
(omega) etc. indiferé‘nt de categoria din care faoparte, indicii
transformarea
transformati dintr—o categorie intr—alta. lata formuleie pentru Interpretarea rezuitateior obtinute intr—o cercetare trebuie fécuta Tnsa atat
efectului, d1 _§i r (Rosenthal, .
greciproca a celor mai intalniti indicatori ai mérimii in functie de marimea efectului, cat §i in functie de praguide semnifioatie obtinut.
Rosnow 5i Rubin, 2000): Fan (2001) ofera o buna sinteza a interpretarii tuturor posibilitatilor intalnite in
practioé. O adaptare a concluziiior sale este prezentaté in tabeiul 23‘.
Revenind la programul de interventie menit sa amelioreze relatia profesor-
‘ (2.2)
(2.1) ,.= f 012 ’
eiev, observam, din tabeiul 2.3., doua explicatii posibile pentru situatia unui test
1—r2 d2+4 _ semni~ficativ statistic (p < .05) §i a unui efect de intensitate scéZuté. Fie exista mari
de se fi comis eroarea de tip I, fie rezultateie, degi semnificative, gnu au 0
aanse a
Importanta practnca. aa expiicatie nu pare verosimiié, tinand cont de numarul
35
34
Wiltiwiiiiliiiiiiiiiiiiiuiiiiii i i i i i i i i i
"§"
mic de subiecti utilizati 5i de puterea statisticé redusa. Prin, urmare, cei facem acest iucru consté in seiectarea numarumi de subiecti
rnal necesari pentru a fi
probabii, ne aflém in situa—tia in care programui contribure in mica masura la testati in vederea surprinderii efectuiuiprezis.‘ Pentru aceasta avem [a dispozitie
ameliorarea relatiei profesor-eiev. mai multe strategii de iucru (Singer, A.D. Lovie §i P. Lovie, 1986).
,
Prima aiternativé impiicé vaiorificarea....rezuitateior obtinzute .
Tabelul 2.3. Ghid simplificat de interpretare a marimii efectului 5i 3 testului de semnificatie
Min studii
anterioare. Spre exempiu, in studierea efectuiui pe, care muzica clasicé
ii are
Mérimea Testarea ipotezelor aéUpra invétérii unei iimbi stréine ar putea fi consultate eventualele
cercetéri
efectuiui Ipoteza nulé nu este re§pinsé Ipoteza nulé este respinsé anterioare in domeniu pentru a putea face, predictii asupra nivelului de infiuentare
Mica 1. Se pare ca ipoteza nula este 1. Desi semnificative exercitat de prima variabiia asupra celei de—a doua.
statistic1 A doua strategiekoarecum similara, consta in realizarea
sprijinita, nu exista nici un efect rezultatele nu au 0 importanta unui§tudiu pilot,
semnificativ statistic sau practic. practica deosebita. inciuzénd doar cétiva subiecti, pentru a estima cat mai bine valoriie mediei,
. abaterii
2. Existé un risc crescut de a comite standard sau a altor indicatori care pot prezice valoarea marimii efectului.
eroarea de tip i (efectui detectat de in sfareit, cea de—a treia strategie pornegte de la
premise teoretice,
fapt nu exista). Ea apare datorita une utilizand valori apricri alese pe baza conventiilor propuse de Cohen. Din
puteri statistice foarte mari. aceasta
perspective, in iips‘a unor informatii din literatura de specialitate,
Media 1. Marimeaefectuiui arata promitator, 1. Efectui obtinut este putin probabil cei mai muiti
cercetétori aleg un nivel mediu at efectulu_i§(.d..; .50) §i in functie de
dar exista riscui ca efectui sé fi apérut 85 fi aparut din intémplare. - ‘ acesta i§i
stabilesc numérui de subiecti necesari a fi teétati.
din intémpiare. 2. Efectui pare a fi destui de
.
2. Exista un risc crescut de a comite important din punct de vedere practic.
eroarea de tip ii (exista un efect, dar nu in plus, efectui este semnificativ
2.2.4.. Limitele mérimii efectului
a fost detectat). Probabii'ca puterea statistic.
statisticé de a detecta efectui este Vom afirma, fare indoiaia, ca utilizarea indicatorilor
' de evaluare a marimii
mica. \ efectuiui imbogétegte informatia statisticé. Mai muit, indicatorii
Mare 1. Fie efectui a apérut din intampiare, au devenit
1. Conciuzionati cu incredere ca indispensabiii in realizarea meta-analizeior cantitative. Cu
-
. _
fie rezuitatui nesemnificativ statistic se efectui este semnificativ atat statistic, toate acestea, nici
marimea efectului nu este lipsité de unele neajunsuri. Dintre
datoreazé numérUlui redus de subiecti. cat §i practic. cele mai semnificative
amintim o~anumita depe’ndenté de marimea eeantionului,
Crecteti puterea cercetérii. respectiv caracterui
relativ al importantei practice a unui efect.
2. Rise crescut de a comite eroarea
Deei s—a evidentiat ca testul de semnificatie poate fi redusuia
de tip ii. produsui
dintre marimea efectului §i mérimea eeantionului (Rosenthai
gi DiMatteo, 2001),
in sféreit, trebuie mentionata conventia iegaté de semneie nici mérimea efectuiui nu este scutita de 0 anumita
dependenté de mérimea
indicatoriior mérimii statistice. Acestora ii se atribuie un semn pgzitiv in. asociate egantionului. Cei 'mai afectati indici sunt cei bazati pe gradui
de dispersie explicate,
cazui in de genul r2. Acesta r'eprezinté patratui coeficientilor de coreiatie
care efecteie Observate sunt in directia anticipaté, in (:32 contrar, indicatorii iiniaré de tip r. Se
efectuiui vor avea un semn negativ. informatia este importanta mai ates mérrmu cunoa§te ca un numér mic desubiecti conduce ia un r ridicat,
m in timp ce un numar
reaiizarea de meta~analize. De exempiu, dacé o ipotezé anticipa rezuitate foarte mare de subiecti duce la unr scazut. ‘
superioare ale grupuiui A in fata grupuiui B, iar dateie sprijiné acest iucru, Cealalta limita vizeaza reiativitatea stabiiirii importantei
practice a unui
efectului va avea un semn pozitiv. in schimb, dacé rezuitateie obtinute manmeao efect. Deei criteriiie propuse de Cohen i$i péstreazé
vaiiditatea in muite cazuri,
indrca existé situatii in care iucruriie se schimba. Spre exemplu,
situatie opusa ceiei exprimate in ipoteza, precum in situatia in care B obtrne 'marimea efectuiui
grupa
rezuitate superioare grupei A, rezultatuiui mérimii efectului i-se va asocra datoraté ingerérii ziinice a unei doze mici de aspiriné
un semn asupra prevenirii infarctului
negativ (ex. r2 = - .17). - era r2 = 0,001, in conditiiie in care r era doar 0,034.
Acest rezultat infim arata cé
doar O,1% din dispersia infarctului poate fi explicata de
ingerarea de aspirina in
doze mici. Totuei, reaiizand transformarile necesare
§i luand in considerare
2.2.3. Stabilirea marimii efectului vaioarea umana, un asemenea rezultat ar duce la prevenirea
eficienté a infarctului
pentru 34 de persoane la 1000 de iocuitori, fapt care
Pentru a realiza un bun design ai cercetarii este necesar sa stabihm a nu este de negiijat (Rosenthal
§i DiMatteo, 2001). Similar, in studiile viza'nd caiitatea
priori vaioarea agteptata a mérimii efectuiui. Ratiunea pentru care ar trebur 5a. vietii pentru persoane cu
diferite deficiente,’ orice ameliorare poate avea
o vaioare practicé, ,chiar dacé la
36
37
Will it llllllllli illl l li illll till l li l l l l illl l l l l till it l l l l illl lllltilllllllllliiiiil ll il ill ill ill il l ill til it lllllllllillilllillli lilliillil i il illll illl l l illll l l illli l l illll illl it il ii! iii l l Illi‘ il l lllli ii it ill l l llll l l lllll llll illll l l ii iii! l l l l l l llll l l illll l l illll l l illll l l illll illl il l l lll_ll1 ‘1 i it l ‘1‘ l iiiiitilliiifliiiiiifliiiiiiliiiilfliiii il iiiiiiiii iiiii‘iiii‘liiiiiiiiiiiiil iiiiiiii iiiiiiii‘ iiiiliiii ii ii ii ii ii ii ii ii ii ii ii ii iii iiiiliiii ii iii ii i ? ii ii ii iii iiiii‘iiiiiiiiiiiiiiiiiiiii‘iiiilliiiiliiiiliiil li i iiiiiiiiiiiiiiiii‘iiiiiiiiiiliiiiiIiiiiiiii‘illlliiliiiliiiiiiiiii iiiiiliiiiiiii ii iii ii iii ii iii ii ii iii Elli ii iii iiiiliiiii ii ii i i
De asemenea, inversand demersul logic, putem calcula numarul de

nivelU'l schimbarilor, acestea nu sunt unele radicale. Considerentele acesteka l-au
ale subiecti de care avem nevoie pentru a realiza o cercetare cu o putere statisticé
'facut pe Thompson (2002) $23 afirme ca exista trei Tntelesuri cuvantulw
.05), suficient de mare pentru a reduce sansele de a comite eroarea de tip ll. Vé
semnificativ/L Asttel, rezultatele pot fi semnificative statistic (pv<" semnificative *
r2 mar reamintim ca mediana' puterii cercetarilor publicate in anumite reviste de
in plan pr ’ctic, din punct de vedere al magnitudinii schlmba‘rii id” sau- cat
~rfiri),‘ré:ectiv semnificative din perspectivé clinica sau valoncva,”|n functle‘de specialitate nu a depasit .50. ceea ce inseamna'ca‘ erau eanse egale (.50/ .50) de
calltatn vretn a observa un efect atunci cand acesta'exista sau de a comite eroarea de tip ll. lata
importanta domeniului vizat (cazul aspirinei sau cel al ameliorani
‘ doua exemple concrete de utilizare a informatiilor,’ prezentate mai sus, pentru a’
persoanelor cu deficiente diverse).
intelege importanta utilizarii conceptului de putere statistica a unei cercetari.
in primul caz, vom presupune ca un cercetator s-a aratat interesat de a
2.3. Puterea statisticé a unei cercetéri studia in ce masura exista o corelatie pozitiva intre doua probe de inteligenta,
Matricele Progresive Raven — varianta standard si scorul general obtinut la WAlS.
detecta vizual 8a presupunem ca el a testat 25 de persoane si a obtinut o corelatie r de .30.
Imaginati-va puter’ea statistical drept o capacitate de a- Aceasta valoare nu este' semnificativa statistic, deoarece p obtinuta fost de .07,
fenomenele
fenomene. Dace puterea statistica este mica, va fi dificilvsa observam valoare superioara pragului maxim acceptat de .05. in aceste conditii, cercetatorul
de interes si Vom concluziona, poate, ca fenomenele respective nu exrsta. Acest nu va putea respinge ipoteza nulé si va afirma ca cele doua teste de inteligenta nu
a
Iucru s-ar intampla datorita capacitatii noastre reduse de detectare Vizuala coreleaza, dupa care, probabil, se va Iansa in tot felul de speculatii leéate de
aparatele de
fenomenului in cauzé. in schimb, dacé vom reusi sa ne Tmbunatatim domeniile distincte pe care cele doua probe le masoara. Totusi, aceste teste ar fi
detectare a fenomenului, adica sa crestem. puterea statistical a unui cercetari,
vom trebuit sa coreleze intr—o anumita masura, deoarece, in principiu, fac referire la
in situatn in
avea mai multe eanse sa detectam fenomenele asteptate. Mai mult, acelasi construct. in astfel de cazuri ne putem pune intrebarea: ,,chiar nu exista o
orioe ienomene, ‘
care puterea statistical a devenit foarte mare, vom putea detecta corelatie intre cele doua probe sau rezultatul este o consecinta a riscului ridicat de
rar acest
inclusiv-pe acelea minuscule sau insignifiante. in practice se intampla mai a comite o eroare de tip ll?”, adica dea ne ineela si de a nu observa corelatia
statistica altfel,
lucru, deoarece majoritatea studiilor suferé de 0 putere scazuta. De dintre cele doué teste. Pentru a raspunde la Tntrebare vom putea face un simplu
de un studiu marvechl
Tversky si Kahneman (1993) sau Smith (2000) reamintesc calcul apeland la Gpower. Au fost testati 25 de subiecti, valoarea on prestabilita a
in diverse
al lui Cohen, care identifioa, intr-o statistical incluzand studiile publicate fost de .05, ipoteza era de tip unidirectional (exista corelatie pozitiva?) iar marimea
.46. Acest
reviste de specialitate, o valoare mediané a puterii statistice de rezultat efectului a fost r2 de .09. Rezultatul obtinut indica o putere a cercetarii de .45, ceea
de
este mult sub valoarea optima prescrisa de .80. Situatia nu s-a schirnbat atuncr, ce inseamna mai putine eanse de a observa corelatia intre cele doua variabile,
de ani de la efectuarea aceIUI
rezultate modeste, similare, fiind obtinute Si dupa‘25 daca ea exista si are 0 valoare r de aproximativ .30, decat de a comite eroarea de
studiu (Cohen, 1990). tip II. in aceste conditii, concluziile legate de nerespingerea ipotezei nule si de
tinem de
Puterea statistica poate fi determinata foarte usor, clacé seama afirmarea absentei corelatiei dintre cele doua probe devin extrem de discutabile si
valoarea lui B (riscul de a comite eroarea de tip ll), deoarece puterea statistica este atacabile. Daca cercetatorul ar fi cunoscut importanta puterii statistice, ar fi putut
a cercetarn
egala cu .1 ~13. Astfel, daca vom alege un B de .20, puterea statistical planifica mai bine studiul, pentru- a ajunge la 0 valoare acceptabila a riscului de a
ce semnifica o. probabilitate de 80% detecta un
respective va 11 de .80, ceea dea ; comite eroarea de tip ll. Astfel, daca dorea sa testeze existenta unei asocieri
efect daca acesta exista. Similar, un [3 de .05, conduce la 0 probabilitate de 95%
pozitive intre cele doua variabile, in conditiile in care se astepta la 0 marime a
de a identifica un efect, oricat de mic ar fi el, cu conditia ca el sé existe. lmportanta efectului in jurul lui .09 (r = .30), se'multumea cu un p < .05, iar puterea cercetarii
practice a acestor informatii este capitala in constructia designului de cercetare,‘ ‘dorite era de .80 ([3 = .20), ar fiavut nevoie de 64,.de subiecti pentru a testa relatia
de trei
deoarece puterea statistica a unei cercetéri poate fi modificata in functie dintre probe. Daca ar fi procedat astfel, sansele de a comite eroarea de tip ll ar fi
o
parametri importanti: ma'rimea efectului ("Cat de mare trebuie sé fie un efect sau fost mult reduse, facilitand astfel interpretarea rezultatelor.
relatie dintre doué variabile pentru a fi identificata?"); marimea esantionulul (,,De Cel de—al doilea exemplu ar putea servi drept model in realizarea unui
catisubiecti avem nevoie pentru a observa fenOmenul de interes?”); valoarea a 'design adecvat din perspectiva erorilor de testare a ipotezelor statistice. Sé
(,,Care este pragul de semnificatie de la care vom reSpinge ipoteza statistica7"). presupunem ca un cercetator doreste sé studieze rolul feedback-ului Tn rezolvarea
Pentru calcularea puterii statistice exista programe precum Gpower (Faul s1 unor sarcini noi. in acest scop, el grupeaza aleator participant‘ii la studiu in patru
Erdfelder, 1992), ce poate fi descarcat gratuit la adresa hfiQ://www.psycho.uni- grupe: unui de control, unui“ alcétuit din subiecti care primesc doar feedback
duesseldorf.de/aaD/Droiects/opower/index.html. .negativ legat de sarcina; un al treilea grup care‘primeste doar feedback pozitiv
39
38
IIIII‘IIIII IIIII IIIII IIIII III III IIIII IIIII‘ IIIII IIIII IIIII ‘IIII‘ IIIII IIIII‘ IIIII “IIIIJIIIII‘IIIIII‘IIIII‘IIIIII IIIII IIII ‘III‘ III ‘II III III III IIIII‘ III III lllll IIII‘ IIIII III III III III IIIILIIIIIJIIIIIIIIIIILIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIJIIIIIIIIIIII IIIII‘IIIII IIIII IIII III I ‘
legat de sarcina, respectiv un al patrulea grup care primeete atat feedback pozitiv,
cat einegativ. Variabila dependen'ta este masurata in secunde, vizand rapiditatea
rezolvérii sarcinii de catre subiecti. SUbiectiI din cele trei grupe experimentale M ai m ulti Design Apelul Ia Design Git
primesc feedbackul in timpuI rez‘olvarii sarcinii, in timp ce subiectii din grupul de subiecti intragrup mai simplu
control nu primesc nici urI feI de feedback. Intr-un astfel de caz, oercetatorul poate
planifica acele caracteristici ale designului, astfel incat 5a aiba erori de tip I ei II cat
mai reduse
Prob bII cercetatorul va testa ipoteza apeland la ANOVA simpla, urmata in, A ' Intensitate
caz de succés de 0 serie de comparatiI post hoc In aceste conditii, eI poate face 0 VI ca facto Ipoieze Scale
adecvata a
ficei unilaterale numerice
eerie de calcule pentru a determina volumul eeantionului In conditiile in care sum: ;. VI
patru grupe, on dorit este de 0.5 puterea statietica aeteptata este de .80, iar efectul
feedback~ului as'upra duratei de rezolvare a sarcinii este unul mediu ( = 2.5). In
urma calcului a rezultat ca cercetatorul va avea nevoie de un egantion de 180 de Utilizarea
persoane, adica de 45 de subiecti in fiecare grupa pentru a putea testa optim testelor
rm“,
iglrvarraege Calitatvea
ipoteza el a mentinescazute erorile. In cazui in care ar fi ales 100 de subiecti, cats: Transforman Iibgrtate statistice ”Swat"
25 in fiecare grupé, ar ii obtinut o putere a cercetarii de .50, ceea ce ar fi insemnat 'abe'l e I or
varia de VD
I puternice
eanse egale de a observe efectul feedbackului asupra performantei, in cazul in
care acest efect exista ei are 0 intensitate medie sau de a comite eroarea de tip II.
Figure 2.1. Surse utile pentru a cre§te puterea sfatistica' a unei cercetéri
Mérimea efectului poate fi stabilita, fie pe baza' rezCIltatelor ob’ginute din cercetéri
anterioare, fie pe baza teoretica, pornind de la conventiile discutate anterior care
impart marimea efectului in: efect mic (influenté redusé a variabilei independente
1. Cre§terea numéru/ui de subiecfi testafl .
(VI) asupra variabilei dependente'(VD)); efect mediu (influenta moderate a VI
Cea mai simpla ei comuna metoda de a creete puterea statistical a unei
asupra VD) §i efect mare (influenté puternica a VI asupra VD).
cercetari consta in includerea mai multor participanti in studiu. Aceasta poate fi
fécuta fie prin createreawflglgjfigéegbjgécti dinfiflecarelot testat, fie prin marirea
numarului de subiecti din ammite grupe, mai importante din perspective ipotezelor
Douasprezece modalitati de a cregte puterea statistica intr—o cerCetare
testate. Spre exemplu, avem un design unifactorial intergrup in care, prin
Tinand cont ca majoritatea cercetarilor sufera de 0 putere statistica redusa, intermediul a trei grupe de subiecti (T1-grup de control; T2- terapie individuala; T3
se impun o serie de masuri menite sa imbunatateasca aceasté situatie. De§i — terapie de grup), dorim 5a testém efectul terapiei cognitiv-comportamentale in
extrem de importanta, sectiunea poate. fi Sarita de catre cititorii mai putin reducerea gradului de timiditate. In conditiile in care fiecare grup este format din 10
familiarizati cu conceptele statistice, datorité dificultatii crescute de intelegere a subiecti, avem Ia dispozitie doua posibilitati de a creete puterea cercetarii prin
textului in lipsa unor cunoetinte statistice ei metodologice de nIvel intermediar. marirea vqmqi eeantionului Prima consta In dublarea numarului de subiecti din
Totuei, 0 data dobandite aceste Informatii, cititorii vor putea parcurge masurile fiecare grupa ajungand la 60 de subiecti testati. Metoda merita utilizata cand tgate
stipulate, lecture fIInd deosebit de utilé din punct de vedere practic. grupele au o Importanta aproximativ-egala. Daca grupele au 0 importanta diferita,
Aceste mésuri pot fi impartite in trei categorii mari: orientate spre designul Cum ar fi situatia in care dorim sa afIam daca interventia de orice feI (Individuala
cercetarii (1-7), orientate spre masurarile efectuate in cadrul cercetarii (8-10) 5| sau in grup) este semnificativ maI eficienta decat non- interventia, vom apela la 0
masuri exclusiv statistice (11—12). Aceste modalitati se bazeaza pe lucrérile Iui strategie diferita. De exemplu, vom adéuga doar 5 subiecti in grupele
Embertson §I Reise (2000), Hinkle, Wiersma §I Jurs (1994), Kirk (1982), Pedhazur experimentale, respectiv 20vde subiecti in'grupul de control. Similar, daca este mai
ei Schmelkin (1991), Smith (2000) sau West, Biesanz §i Pitts (2000), cu totii Important sa determinam care dintre fdrmele de interventie (individuala vs. in grup)
interesati ea continue munca depusé de Jacob Cohen, parintele puterii statistice. este mai eficienta, vom putea creete grupul de control cu 6* subiecIi, in timpce in
Majoritatea acestor masuri au fost prezentate in alté parte (Sava, 2002; Save, - fiecare grup experimental vorn adédga 12 subiecti. Se' observe ca numarul de
2003). subiecti adéugati se mentine constant Ia valoarea de 30, insé strategia este diferité
in functie de ipotezele urmarite.
40 41
Wi W iiiii.iiiill.liiiiiLiiiiilliiiiiiiiii 1W.W Wi li i W W W W! Wi i i i ‘W‘ Wi ‘W i i i W Wi W Wi W W i i LWl W W W W W WLWl Wt W W W iWi lWJW lWWi Wl‘Wlilllllillllll lW‘WW Wll W “W W W W W} W W W W W W W W W W i Wi W W W W W W W‘.W W W ii W l
nepare dintre rezuitatele semnlficative obtinute sunt re'ale’? Prin aplicarea unor
Utilizareaunuwealgn intragrup (cu mésurétori repetate)
2. I
ln cazul Tn care avem aoelaeiknungaroe supiecti, un design intragrup
are corectliiyom putea reduce distorsiunfilegpreate, dar vom create eansele de a comite
o
o eroare deitipjl. De exemplu, prin corectia. Bonferroni‘, apiicata la oumatrice de
puteré statistica mai mare decat designul de titfiefirgrfiup,‘datorita soadern
dispersiegkerorjilneiaggpljcate) Tn primul caz. Fiind vorba deaceiaeusubtecti
testati in coreratii,Tnt‘rmenG‘variabile (de exemplu, factord'iiwprima’ri de la '16PF ai lui Cattel),
Tn condltxiigdifente, vom o \ pragul de semnificatie pen‘tru respingerea ip_otezei nule se va modifica de la .05 la
situatii diferite 5i figde subiectivrdiferiti testati avea
test statistic are, la numltor _0004 (.05/60). Astfel, o corelatie al cérei prag de semnificatie obtinut este de .001
variabiltété’fM‘a’i recluse a rezultatelor. Aproape orice
mare, fapt pe nu va putea respinge ipoteza nulé. Corectia este absolutnecesaré, deoarece Tn
dispersia erorii §i Tn consecinta, va duce la un scor tvsau F mai
absenta ei, Tn conditiile Tn care nu exista asocieri reale Tntre variabile, probabilitatea
méreete gansele de a obtine un rezultat ggnlnifigativ statis TE“ de a obtine, din Tntémplare, unui sau‘mai multe rezultate semnificative este de
99,3%.
3. Introduoerea-@eficgyariabileeficiente _
in situatille Tn care nu este posibilé creeterea volumulglwe§antionumi din
designul 5. Cre§terea numéru/ui de trepwmpentru -VVI..saufi_/,,_§i cre§terea amp/itudinii
cauza economiei de timp ei/de resurse sau Tn situatiile Tn care oe 'tlp
.
intragrupNn/ujeste potrivit, “e poate tine seama de efectul

unei variabile, faqigflLQL,
7
terte Altfel spus, sunt mai marl eansele de a obtine un rezultat semnificativ
denumité,...po.ya[[a_lgjlaf. Spre ifmplu, cunoscénd importanta Tncredglfiélterapeut,
atunci‘can-d statistic Tn conditiile Tn care factorul—cauza‘yarjaga muit. Dupa trei_‘_§edinte de
un cerceqt’ator. poaten‘masura. §i...controla..~.influenta.acestei variabile
cognitiv-comportamentale Tn reducerea timiditétn. PrIn terapie am putea concluziona ca intervenfiaflnu a condus Ia ameliorareaasfiituatiei
testeaza efectul interventiei
fie ele clientului. Dupa douasprez/epcflewgegi.nte existé ganse mai mari de evolutie pozitivé a
introducerea unei...,gp,_1arjabile, care influenteaza reIatiag’glrtirgpafltem,yggianpgile,
astfel clientului. De aceea, este important sé acordém o atentie deosebita niveiului
Vl $i...VD,,de ceie mai muite ori se reduce digggyeia eroru (neexplioata),"§i intensitétiiQ/Laaupra .VD... De ceie mai multe ori acest nivel trebuie ales, astfel meat
a recurge la
cresc eansele obtinerii unui rezultat semnificativ etafistic, fara 52”] corespundé cat mai bine__£ealitatii», pentru a avea o validitate ecologicé sporita.
fi vizualizat Tn .
creeterea numérului de subiecti testa’gi. Acést rationament poate
Nu. Tntotdeauna trebuie séfimérim’mifitensitatea Vi pentru a observav éfectul sag
figura 2.2. ’ asupra VD. Alteori avem nevoie de 0 analiza detaliata a evolutiei...\./_l. Petoaté gama
amplitudinii sale. Acest fapt poate fi observat §i Tnvlegea Yerkes—Dodson. Daca am
dori sa ve’de-rn care este efectul niveiului cle arousal (motivare) asupra performantei
,Tn sarcina ei am avea doar doua grupe de subiecti (slab motivati, respectiv puternic
.. ._ -
_DlSpd’SlE . - - Dispersie
- motivati) am putea ajunge la concluzia ca nu exista diferente Tntre ceie doué grupe
.
a de»
ekpliceta‘de-v Disparate ‘ EXIT-111:3
§i implicit, ca nu exista un efeet al niveiului de motivare asupra performantei
..,-|
3“ . subiectilor. Daca Tn loc de doué grupe, am utiliza trei Ioturi, corespunzétoare a trei
Diapetsie trepte ale Vl (slab motivati, optim motivati, puternic motivati) am ajunge la rezultate
neexmicata ». diferite ei am admite influenta niveiului de arousal asupra performantei subiec’gilor
Dispersie Tn sarcina.
Expli'cata’de
(dreapz‘a) 6. Tratarea variabilelor egg; {eptfactora/ fiC§i
Figura 2.2. Sursa dispers/ei in ANOVA (sta‘nga), respecriv ANCOVA
Din fericire,‘ de ceie mai te ori, Vlaggpwtmtwratate automat ca factormggi Tn
cadrul tehniciloLn/fflQA/gg Deal tratarea Vl ca fac@.2§1?§t9f poate facilita
generalizarea rezultatelgr_,obtingte -13 alteutrepte ale Vl, tehnicaeufera de 0 putere
statistical redusa. lntr—un experiment tipic u'nil‘actorial, vom avea 2-3 treptewaleriyl §i
4. Utilizarea unui design defiflgggigugflmaieimplu
aproximativ 90,d.e«subiect,i. Acest lu’oru este normal, dacé Vl este trfla‘tadt’afl ca. factor
Acest principiu’ filosofic, cunoscut sup numele de briciui lui Oclfiam,
fix, Tnsa daca VI este considerata factor aleatoriu va fi‘ nevoie, pe langa'un numar
exprima primatui unor explifigatiiwshimple §i corecte Tn dauna unor modele complicate
de mare de sgpjeeti, de un numar ridicat de trepte aleNVl ,pentru a creete puterea
gi dense, cu prea multe variabile. in statistica, acest principiu a fost etichetat . statistica necesara detectérii efectelor existente.
Cohen'(1990) sub forma ,,mai putin este, mai bine”. ln studii cu foarteflmglte
variagilewcreete eansade a comite eroareawggtlpl adioa de a obtine anumite
rezultate semnTtigatiyegin Tntamplare. Vom ajunge Tn‘"cealalté extrema, Tntrebandu-
43
42
IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII Ili Ill I l lll ‘ll' .1 I I l ‘ .I I ‘l‘ . I l I . I ll lll II l l ,ll‘ l l ii ill .11 I‘l .I‘I ‘ll ii ii ill 11 il it it l Ill II II II i ‘l l
7. Utilizarea unor ipoteze unidirectiona/e (unilatera/e)

de tIp_unIdIrectIonal se dubleaza sansele
ln conditiile utilizariiunei Ipoteze
de a obtine rezultate semnificative statistic deci creste puterea statistica
a
J inainte de transformarea datelor se observa o deviere importanta de la
normalitate, fiind o distributie puternic asimetrica negativ. De altfel, anormalitatea
distributiei este sustinuta si de rezultatul testului .-Kolmogorov-Smirnov (z = 1 ,,50
ridicarea la patrat a rezultatelor se reduce foarte mult asimetria
cemetarii. Astfel, daca efectuam o corelatie pe 25 de subiecti intre doua
probe si p < 05). Dupa
obtinem o valoare de- 30 vom interpreta diferit rezultatele In functie de tipul de datelor, insa intervin unele modificari la nivelul boltirii. Totusi, dupa transformare,
—
ipoteza avuta. Datele ar fi sprijinit o ipoteza unidirectionala ( ,,persoanele cu un distributia obtinuta nu difera semnificativ de una normala (z— 1,13, p > .05), fapt ce
oras?"), r- - .30, p < va permite aplicarea unor teste parametrice. Prin asemenea transformari scad
nivel crescut de depresie tind sa petreaca mai putin timp In
,,05 Insa ar fi infirmat o ipoteza bidirectionala (,,exista vreo asociere intre nivelul de sansele de a comite erori de tip | sau ll. 0 parte din transformérile posibile au fost
= - .,30 p > 0.5 discutate in sectiunea 1.4.3. din capitolul vizénd statistica descriptive.
. depresie a unei persoane si perioada de timp petrecuta In eras?" ) r
8. Utilizarea scale/or de masuLare numerice, detip interval sau proportii

1O Selectarea unor probe CLIMCEFaCl‘eI’ISTICI psmometrice rIdIcate mai ales In
*
Acest gen de scale de masurare apeleaza frecvent la tehnIcI-,statIstIce cazul mégyr 3
\lteInii care au un nivel demeroare scazut si care reusesc sa reflecte cu
parametrice. Din perspective puterii statistice este cunoscut faptul ca tehnicile
statIstIceNparametrIce au un nivel“ mai ridicat decat metodele statistice sensibilitate orice variatii ale variabilei latente corespunzatoare conduc la 0 putere
neparalmetrice ln consecinta, ar fi de dorit ca CBLpUilD. variabilele depnendenie sau statistica mai mare decat cei care nu indeplinesc aceste conditii. Spre exemplu o
criteriu sa fie masurate prin scale numerice, evitandu~,se pe cat posibil, masurarea scala care are 0 consistenta interna de 6.5 are un nivel ridicat al erorii, fapt ce
lor prin scale de tip nominal sau ordinal. afecteaza relationarea sa ”6:1: alte pr6be. De pilda, In corelarea scalei cu alte probe
se vor obtine valori scazute, sub nivelul a .65, deoarece ea nu poate obtine
9. Transformflawrxeau”date/05.. pentru a _ indeplini conditiile difgfiteior....tehnici corelatii mai maridecat cu ea insasi (r = .65). Astfelprelatia sa cu o alta variabila
statisilce
este atenuata si poate deveni chiar nesemnificativa statistic. Spre exemplu, am
putea‘obtine o corelatie de .25, care ar fi fost mai mare daca ambele probe ar fi
Chiar daca datele sunt masurate prin scalenumeIice, majoritatea
tehnicilor statistice necesita alte conditii suplimentare pentru a putea fi aplicate avut o consistenta interna ridicata, in jurul a .90. in privinta sensibilitatii, teoria
raspunsului la 'itemi ofera un bun mijloc de a testa si selecta acei itemi care
Nerespectarea asumptiilor majore, in situatii de aplicare mecanica a testelor
raspund cei mai bine cerintei de sensibilitate. Nu in ultimul rand scalele care
statistice, poate conduce la erori de tip I sau ll In testarea ipotezelor. Spre
coreleaza moderat sau puternic cu probele de dezirabilitate sociala pot duce la
exemplu, o distributie complet anormala a variabilei dependente ar presupune ’
renuntarea la aplicarea testului t pentru doua esantio'ane independente, In
scaderea puteriistatistice
favoarea unei metode neparametrice corespunzatoare, in acest caz, testul U al lui

11. Salvarea uner’gradede libertate
Mann—~Whitney. Puterea statistica a metodei este insa la nivelul a 69% din
Desi am amintit implicit de acest aspect la punctul patru, salvarea U991:
capacitatea testului t de a detecta diferente intre cele doua grupe. ln asemenea
grade de libertate, cu scopul de a spori puterea uneicercetari, poate fi facuta si
conditii pot fi adoptate o serie de artificii statistice de transiormare a datelor brute,
Intr--un design complex (cle exemplu, ANOVA,3X3X3) lntr—un asemenea caz am
menite sa corecteze distributia obtinuta, astfel incat sa nu fie probleme cu
cele putea calcula sapte indicatori1 F, cate trei pentru efectele Simple_,(FA F8, F0),
aplicarea testelor parametrice. Exista o multitudine de transformari posibile,
mai intalnite fiind ridicarea la patrat extragerea radacinii patrate sau utilizarea pentru interactiunile de ordi doi (FAB, FAC, FBC) si unul pentru interactiunea
complexa de ordInul trei (FABC) l‘Ju are rost sa calculam toate aceste efecte in
logaritmilor naturali. lata, spre exemplu, valorile indicatorilor de asimetrie si boltire,
conditiile in care sunt interactiuni care nu ne intereseaza sau in cazul in care
inainte si dupa transformare, dintr—o baza de date fictiva (tabelul 2 4):
interpretarea rezultatelor ar fi dificila sau_iSIta desens (ex FABC). Renuntand la
Tabelul 2.4. Valori descriptive inainte de transformare X si dupé transformare X2
calcularea acelor indici, vom salva un anumit numar degradede libertate ceea ce
ar duce la 0 crestere usoara a puterii statistice a testelor F ramase a fi efectuate. ln
Variabila Asimetrie Eroare standard Boltire Eroare standard
situatii limita, prin salvarea unor grade de libertate, rezultatele nesemnifcative pot
* .082 .618
X -.978 .314 . deveni semnificative (de exemplu, un p de .07 se schimba intr—un p de .04).
X2 —.439 .314 —.952 .618 Wow L
44 45
‘ l ‘ l ‘ “l
_lfllllllllllllllllll‘llll llll‘ lllllulllll llllll‘lllll llllll‘lllllllllll lllll_lllllLlllllJllllLlllllJllllLlllllJllll ‘llllalllllJllll lllllJllll‘ lllllJllll lllll lllll lllll llllll lllllJlllll lllll lllll‘ lllll llllll lllll lllll lllll lllll lllll lllllJllllulllllJllllL‘lllllJlllllJllllJllllLlllllJllllLlllll,llllllJllllJllllLlllll ‘llllljllll llll llll l ‘ l l ‘ l l‘ l l ‘lll‘ W “W ‘lll‘ W W ‘lll‘ llll ‘ ‘l ‘1‘
5%
H
12. Utilizarea tehnicilor starlet/be cu putefekridicata . . .

in PFaCfiCé. putemyintalnl sltuatil in care pot fl apllcate mal myttgtepmcr
statistloe. De exemplu, in cadrul comparatlllor post hocjjflwANOV‘A, pentru 'grupe 7%
egaleAd'ev-Sublectl el- omogenltatea dlsperslel asumaté, am putea alege lntre
procedurile Tulgey el Bonferronl. Totuel, p‘rlmele au 0 putere maiamareéde a detecta
dlferente intrergrupflein comp—garage cu ultlmele. Similar, intr~un design lntragFUP
putem apela la ANQVApVVentru masuratorl repetate Tn varianta COVE??? 53”, putem _
r _
r
,
r
v
alege MANQVAWPrlma ofilunpe—Fa‘ré‘fifi‘fité'fe’étatlstlca mal mare decat MANOVA.

de aceea ar fl preferabllé utilizarea sa. A Flgura 2.3. Dependenfa grade/or de numérul de observatii
(zero grade de libertate — sta‘nga; potn'virea perfecta’ — fn mijloo; suprapotrivirea ~ in
Toate aceste masuri pot fl utilizate in sprijlnul creeterll puterll statistlce a dreaota)
unei cercetarl. Vom Tnchela precizand ca problema prezentata nu este clear un
moft'al statisticienllor, menlt sa indepar’teze ei mal mult comunltatea pslhologlca de in imaginea din stanga avem un slngur caz, adlca un slngur sublect testat.
la 0 abordare etllntlflca a problemelor. APA (2001) ofera dovada cea mal Clara in Daca dorim sa estlmém directla ‘sa de evolutle, vom avea o multitudlne de
In
acest sens §i face recomandarea de a se tine cont de puterea statistlca
poslblllta’gl (llnllle punctate). Pornind de la ideea ca gradele de libertate pot fl reduse
Ia expresla n-r, in cazul de faté vom obtlne valoarea O, deoarece avem un slngur
stablllre‘a deSlgnulul el Tn lnterpretarea rezultatelor unei cercetarl.
sublect (n=1’) el 0 singura estimare de facut, vlzénd evolutla ulterloaré a subiectulul
(r = 1). lntr-o sltua’gle cu zero agadewdewllbgrtate nu exista nlcl o poslbllltate de a
2-4- Appendix — Ce inseamna gradele de llbertate? -dovedl falsitateamgaflumyerldlcltatea unul model, deoarece orlce solutle poate fl
sgrljlnlta.‘ ».
ln imaginea din mljloc, avem doua gggerygtll el 0 ’singura 'relatIle de
Cel care s—au intrebat vreodata ce lnseamna gradele de llbertate gill-all
jOS. demonstrat (gradul de asociere dintre cele doua ob’servatil). Facand calculul, ne
primlt r518l-‘Mmsurl evazlve orl prea elevate merlté sé clteasca sectlunea de mal aflam intr-o sltuatle cu un slngu_rw.grad,_de Ilpertate. De aceasta data vom avea o
La
Gradele 4%.‘llbefiatginsotesc intotdeauna rezultatele igtlflsllciiwlnfgg lla'i. singura sOitie,,corecia, estimata prin llnla punctata care trece prin cele doua
reoomandarile APA (2001), Tn,artlcolele de specialltate se regasesc ex rlmarl.
de puncte. Cazul se numeete ,,potrl\_(l_re perfec a" (in engleza ,,perfect fit"), lnsé in ciuda
genul t.;(23l = 4,11, p < .01, orl F. (2, 20) = 1,73, p> .05. Daca t figirgprgzrnta numelul, nu ne dorim o asemenea sltuatle'. De ce? Deoarece modelul gaslt perfect
slmbolurlra-le—tehnlcilor,statisticafilllfite,’ lar p este pragul dgsemnlflcatie asocrat
este slnguwlmpgelbll. Orlce alt model alternatlv nu poate fl comparat, pentru a
acelor valorl, datele din paranteza inseamna coordonatgggradelor de llbertate. ln
studla in ca masura modelul initial descrie cel mal blne eirul de datEf"'""""”"
varianta ClaSicé. aceste coordonate ne ajutau sa descoperlm valorile_,,statlsllce din ln imaginea din dreapta sltuatla se schlmba ueor. Punctele din lmagln‘e nu
tabel care trebule comparate cu valorlle calculate de noi. 0 data cu aparltla
mal reprezinta observatil, cl variablle. Daca numarul varlabllelor de estimat este
statistlcli pe calculator, acest lucru a deve‘r‘l'lt‘l'ln' atavism, deoareoe pragul de
mal mare decat numarul de obéeé’rvatil, ar trebul ea obtlnem o valoarea negative a
semnlflcatie este oferlt de calculator, lmpreuna cu rezultatele obtlnute. . L gradelor de llbertate. Aceasta sltuatle nedorlté se numeete suprapotrlvlre (in
T0tU§L Ce sunt gradele de llbertate el care sunt elementele care determlna engleza ,,over-fittlng”). ,
"MM
‘_ V
valoarea IOF? Cu umor, Yu (2003) remarca faptul ca aceste grade de llbertate nu Recapltuland, Ia zero gragewde"libertatellpu{putem determining eolutle; in
au nlmlc de a face cu casatorla, deel un barbat lnsurat, avand o singuré1 partenera,
caz de pot‘r’ixlxrgwperfegté, solutla este intotdeau‘fiamadevérabta; larlln ’sltuatll de
“U mal are nlci un grad de libertate. Acelael autor oferé o excelenta expllcfa'lle
supraggtrlvlre, solutla este aproape lntotdgmayunaad'evarata. De aceea intalnlm
intUitiVé pentru gradele de libertate pornlnd de la elementele e'sentlale ce lntervm in putlne cercetari bazate pe tehnici statistice inferentiale’fefectuate pe un numar mic
determinarea lor: volumul egantionulul, respectlv numérul de Barametrl care trebure
de sublectl, lar atuncl cand se intémpla, rezultatele lor sunt prlvlte cu
calculati. Féré a aveamc‘a‘racter de'lege, gradele de libertate pot fl exprlma’te clrcumspectle. Pentru a ellmlna neajunsurile prezentate, va trebul 5a avem mult
frecvent prin numarul de observatll
M“ minus numarul-de relatll necesare pentru a mal multeugbseryatll, decat parametrll de.estlmat. Numal astfelV vom putea evalua
obtlneggele date‘(n—r)_
cu lncrederecalltatea (falsltatea) unul’mggelul testat.
47
46
mm—
1 ii ill ‘11,‘1Ill 1111 HI
iii, I111 111 ,IIll il ,,I.11 ‘11 ll llllllwlll , 111‘ 1111 1111 iii Ill 1 l Ill ‘lll ‘l 11‘ l‘ “I. ‘ll‘ ‘1‘ ,,
Il‘ Illll‘lllllllllHllll 1111111111 1111111111 ‘1‘ ‘l I “ C l
3|BLlOGFlAFlE . Thompson, B. (2002). ,,StatIstIcal”, ,,practIcal" and ,,clInIcaI" how many kinds of SIgnIfIcance
do counselors need to consider? Journal of Counseling and Development, 80, 64-71
3\PA (2001). Publication manual of the American Psychological Association (5th ed”) Tversky, A., Kahneman, D. (1993). Belief in the law of small numbers. In G. Keren & C
Washington, DC: American PsychologicalAssociation. Lewis (eds). A handbook for data analysis in the behavioral sciences: methodological
Becker, L. (2003). Effects/2e Gasitla: httgrllwwwuccs.edul~lbeckerlpsv590/es.htm. issues. Hillsdale, NJ: Lawrence Erlbaum Associates, Publishers.
‘ West, S. G. Biesanz, J C., Pitts, S. C. (2000).
3locotici, V., Stan, A. (2000). Statistica aplicata in psihologie. last: Editura Polirom. Causal inference and generalization in field
30hen, J. (1990). Things I have learned (so far). American Psychologist, 45(12), 1304—1312. settings: experimental and quasi—experimental designs. In H.T. Reis & C. M. Judd (eds).
Cohen, J. (1994). The earth is round (p< .05). American Psychologist, 49(12), 997—1003. Handbook of research methods in social and personality psychology. Cambridge:
Dyer, C. (1995). Beginning research in psychology: a practiCal guide'to research methods CambridgeUniversity Press, 40—84.
and statistics. Oxford, UK: Blackwell Publishers Ltd. Yu C. H.A. (2003). Illustrating degrees of freedom in terms of simple size and dimensionality.
Embertson, S. E. Reise, S P. (2000). Item response theory for psychologists. London: Gésit Ia adresa http ././seamonkey ed. asu. html.
. edul~alexlcomputer/sas/df.
Lawrence Erlbaum Associates, Publishers.
Fan, X. (2001). Statistical significance and effect size in educational research: two sides of a
coin. The Journal of Educational Flesearch, 94(5), 275282.
Faul, F., Erdfelder, E. (1992). GPOWEFt: A priori, post hoc, and compromise power
analyses for MS-DOS [Computer program]. Bonn, Germany. Bonn University, Dept. of
Psychology.
Hastie, R., Stasser, G. (2000). Computer simulation methods for social psychology. ln H.T.
Reis & C.M. Judd (eds). Handbook of research methods in social and personality
psychology (p.85-1 14). Cambridge: Cambridge University Press.
Hinkle, D.E., Wiersma, W., Jurs, S.G. (1994).,Applied statistics for the behavioral sciences
(3rd ed.). Boston: Houghton Miftlin Company.
Kirk, RE. (1982). Experimental design: procedures for the behavioral sciences (2nd ed.).
Belmont, CA: Brooks / Cole Publishing
Leventhal, L., Huynh, C. L. (1996). Directional decisions for two-tailed tests: power, error
rates, and sample size. Psychological Methods, 1(3), 278-292
Pedhazur, E.J., Schmelkin, LP, (1991). Measurement, design, and analysis: an integrated
approach. Hillsdale, NJ: Lawrence Erlbaum Associates, Publishers,
Rosenthal, FL, DiMatteo, MR. (2001). Meta-analysis: recent developments in quantitative
methods for literature reviews. Annual Review of Psychology, 52, 59—82.
Rosenthal, FL, Rosnow, R.L., Flubin, DB. (2000). Contrasts and effects sizes in behavioral
research. A correlational approach. Cambridge: Cambridge University Press.
Sava, F. (2001). Reducing teachers’ misbehaviour: an action approach. Fievista de
Psihologie Aplicata, 3(4), 31-42.
Save, F. (2002). Ten ways to increase statistical power. Analele Universitatii de Vest din
Timisoara. Seria Sociologie, Psihologia, Pedagogie si Asistenta Socia/a, 8, 89-92.
Sava, F. (2003). Puterea statistica si testarea ipotezelor. Psihologia Fiesurselor Umane,
12(), 2834.
Singer, B FL, Lovie, A..D, Lovie, P. (.1986) Simple size and power. lnA..D Lovie (ed.). New
developments in statistics for psychology and social sciences (p.1 29- 142). London: The-
British Psychological Society and Methuen.
Smith, ER. (2000). Research design. in H.T. Reis & C.M. Judd (eds). Handbook of
research methods in social and personality psychology (p.17—39). Cambridge:
Cambridge University
Thompson, B. (1999). If statistical significance tests are broken / misused, what practices
should supplement or replace them? Theory 8: Psychology, 9(2), 165- 181.
48
49
iUiiiiUiiiiiJiiiiiifliiiiiliiiiiliiiiiiliiiiilii—ul
1?;
CA ITOLUL 3
TEHNICI INTRODUCTIVE DE TESTARE A [POTEZELOR
Dacé Tn capitoiul anterior am insistat asupra iogicii §i principiilor de baza Tn

testarea ipotezelor,'Tn sectiunea urmétoare vom aplica cunogtinteie respective Ia
nivelui ceior mai taspandite tehnici statistice introductive. Testarea ipotezeior, Tn
’
cazul unui studiu cu doua variabile, poate fi Tnteieasé simpiificat ca raspunsuri ia
una dintre urmatoareie Tntrebari: ,,Existé o ascciergfig‘amnificativa statistic Tntre
doué variabile?” sau ,,Exista diferente se nificative statistic Tntre doué grupe?” De
notat ca sintagma ,,semnificativa Eta is [C nu se refera ta amplitudinea coreiatiei
sau a diferentelor observate, ci implica ideea unei probabilitati foarte mici de a
. obtine datele culese Tn conditiiie in care ipoteza nula este adevérata. Premisele
acesteia indica, fie ca ,,nu exista asociere Tntre ceie doua variabiie", fie ca ,,nu
existé diferente Tntre ceie doué populatii din care au fost extrase e5antioanele”.
3.1. Testarea asocierii dintre doué variabile
3.1.1. Coeficientul de coreiatie r

Prin analiza coreiationaia se urmaregte Tn ce masura schimbariigdintr-O
variabila sunt Tnsotite de schimbariTntr-o alta variabila. Coeficientul de coreiatie
iiniara r este cel mai Tntalnit indicator de masurare a graduiui daasociere dintre
doua i.abi|e_.,A§a cum am precizat Tn capitoiul destinat prezentérii elementeior de
statis escriptivé, r poate varia Tntre -1 §i 1, unde 0 semnificé absenta iegéturii
dintre doua variabile.
Sa presupunem ca Tntre nivelul de extroversiune §i niveiui de neuroticism
nu exista iegatura, adica avem un r egai cu O. Pentru a testa relatia, vom extrage
un egantion de 30 de persoane din cadrul studentiior Ia psihologie, vom testa
Vnivelui ceior doué dimensiuni ale personalitétii §i vom obtine o vaioare r de -.09.
Daca am fi testat aceeagi reiatie pe aiti 30 de 'studenti ia psihoiogie, 'alegi ia
intémpiare, am fi obtinut un r de .04. Extragand alte Ioturi de subiecti, vom'observa
ca majoritatea indica’torilor r sunt apropiati de zero at muit mai putini sunt
Tndepértati de aceasta vaioare. Din pacate, Tn practica nu ne permitem sé
extragerh atat de multe e§antioane pentru a testa reia’gia dintre doua varia‘bile. De
obicei se testeazé un singur tot de persoane, rezultand o valoare r unica, sé zicem
-.12. intrebarea devine: ce probabilitate exista sé obtinem‘un rde -.12 in conditiile
in care ngggifié legéturé Tntre ceie doué Variabile (r real este O)? indica un r de
51
1 ‘ ‘ “
1‘ 11111 1111“ “1111!! i ; , , , , .i l 1W IN “I: 1‘“, IN MI 3 I‘ ‘ “ “I: “II 1H1 I“ 1‘” HI I
-.12 absenIa asocierii intre cele doua variabile? Conform statisticii descriptive nu intre agresivitate si frustrare", ,,temperaturile crescute tind 5a conduca Ia un
ne putem da seama de acest lucru, deoarece valoarea de -,.12‘poate fi interpretaté consum ridicat de lichide” , ,,VQm analiza __re/atI'a dintre extroversiune si timiditate”
ca 0 usoara asociere negativa intre cele doué variabile ceea ce impllca faptul ca indica ideea de corelaIie. ln exemplul dat, expresiile ,,un nivel crescut de auto-
persoanele cu scoruri ridicate la extroversiune tind sa aiba un nivel mai scézut de prezen’tare este asociat cu un consum mal mare de produse cosmetice” ori ,,pentru
neuroticism. a studiaxriatia dintre cele doua variabile” sunt indiciile care ne conduc la ideea
Din pacate, valoriLfifldescriptive sunt dependente de 0 serie de factori, necesitaIii de a calcula un coeficient de corelaIie.
special de volumul esantionului. Un‘ r de- 12 indica o legaturaflegaIiva intre celle
doua variabile in cazdlfinui esantioneeleJQQQ de persoane respectiv absenta (2) Ce fel de date au fost cqléctate?
reIaIiei dintre variabile In cazul unui esantion de 50 de persoane. Pentru a lamuri Cheltuielile lunare pe produse cosmetice exprimate in euro, reprezinta
aceasta dilema este nevoie sa privim valoarea coeficientului de corelaIie din date numerIce, de tip pItorIii, In timp ce nivelul de management al impresiei este
perspective statisticii inferenIiale. masuratprin scale numerice de tip interval, prin cumularea raspunsurilor la cele
lata un exemplu ipotetic, menit sa faciliteze interpretarea Inferentiala a lui r: cinci Intrebari Astfel, Cheltuielile pe produse cosmetice sunt cuprinse Intre 2 si 28
de EURO, iar nivelul de management al impresiei este situat intre 5 si 20 de
Conform unei analize efectuate de Leary, Tchividjian si Kraxberger; (1994/1999), puncte, un rezultat ridicat insemnand un nivel crescut de auto—p—rezentare Tinand
intre nivelul de auto-prezentare (management al impresiei) si Cheltuielile lunare pe produse cont ca ambele variabile sunt masdggeprin scale numerice, vom apela, cel mai
cosmetice existé o asociere pozitiva. Un nivel ridicat de management al impresiei indice un probabil, la coeficientul de corelaIie r. ‘
autocontrol puternic faIa de modul in care 0 persoana este perceputa de catre cei din jur si
implicit, mai multé grijé faIa de aspectul sau fizic. De aceea, ne asteptam ca un nivel crescut (3) Conditiile aplicariidui r.sun;Igdeplinite?
de auto—prezentare sa fie asociat cu mai multe cheltuieli pe produse cosmetice. Pentru a Pe langa caracterullnumeric al datelor colectate, pentru a aplica r mai este
studia relaIia dintre cele dcua variabile, vom colecta date cu privire la Cheltuielile lunare, nevoie ca relaIia dintre cele doua vanabILewsafie liniara si ca norul de puncte sa
exprimate in EURO, pe produse cosmetice si la nivelul de management al impresiei, oinut indice 0 situaIie de horgoscedastICItate Ambele aspecte, discutate In c'apitolul
pe baza unui chestionar. Lotul testat include 50 de adolescenIi (25 de fete si 25 de baieIi). introductiv de statistica descriptiva, pot fi apreciate prin inspectarea norului
de
ale céror réspunsuri sunt prezentate in baza de date ,,corelatii.saI/’. puncte din figure 3 1.
Pentru a rezolva prcblema, va trebui sa réspundem Ia urmatoarele av av

intrebéri:
‘3 x
1) Cum identificém faptul ca este vorba7 de 0 corelaIie? D

D
u
a
. x
x x
20 I x
2) Ce tel de date au fost colectate?
I: 20.13
.
a
D u x,a
u
3 aU
D
CondiIiile aplicarii corelaIiei respective sunt indeplinite?

t. uu
3)
0" 3*x
S u :1 2min I:
I:
4) Ce fel de ipoteza trebuie testaté? u

I:
E U
a a aa u
xflx
l” m a x ‘3xfia
uu
o '
5) cat de intense este asocierea dintre cele doua variabile? 3
I0
n n g to
—-
I5
u a) a x a
E u a "L' Q
m E u E -—
8 u o x ‘4 sexul persoanelor
'=' n a g x: 5
Réspunsurile la primele patru intrebari ne ajuta sa gésim coeficientul de 3’,
D baieti
g u a 3 G
corelaIie care trebuie calculat ei ne ofera 0 imagine despre gradul de adecvare a 9
a. 0 8 Io
a
* fete
4 s a 10 12
interpretarii valorii gasite. Ultima intrebare vizeaza un aspect distinct, ce Iine de 14 16 18 20 22 4 I0 16 22
marimea efectului, adica de-intensitatea relaIiei dintre cele doua variabile. managementul impresiei managementul impresiei
(1)‘Cum identificém faptul ca este vorba4,1950 corelaIie? Figura 3.1. Norul de puncte dintre cele doua° variabile nediferenfiat (in sténga),
respectiv
Multe dintre studiile intreprinse in psihologie apeleaza la metoda corelaIiei. diferenflat in funcfie de sexul respondentului (in dreapta)
Putem identifica necesitatea analizei corelaIionale din modul dei formulae 3
obiILmIvului, respectiv a ipotezei,tdeécercetare. Expresii de genul: ,,urma_rim sa Daca analizam imaginea din partea stanga, vom constata atat liniaritatea
evidenIiem graduledewasociere dintre lnteligenIa si memorie”. "existaaomlegéturé relaIIeI (punctele par a evolua dinspre stanga jos spre dreapta sus, indicand o ’
52 53
millllllllllllll l l l l l l Jl l lLl l l l l l lJl l l l l l Ll l lbl l l l l l tl l l l l l il l l l l l l l l l l l il l l l l lLl l l tl l l .l l l l l l Ll l lLl l l l l l Ll l l l l l l l l ‘l l l l l l l l l ‘l li ii iii l l l gl l l l l l l l l ‘l l l l l l l l l l l l l l l l l l l l l ill l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l‘ l l l l l l l l l l l l Il l ‘ l l ‘ l l l l l l l l l l l l l l l l l l l l lit!!! 1 , , . l l l l ‘ l l il l l l ‘l l l l l l l l l lllllltll
.
1
Pearson), deoarece ipoteza doreste stabllirea gradului, de asociere dintre
asociere liniara pozitiva intre variabile), cat si homoscedasticitatea relatiei
prEBEUparea pentru managementul impresiei si cheltuielile lunare pe‘ntru produse
(punctele par a forma un nor de puncte de grosime ,similara pe- intreaga
cosmetics. Ambele variabile sunt mésurate prin scale numerice, iar relatia dintre
amplitudine a evolutiei celor doua variabile). Prin urmare, toate conditiile aplicarn Iur
ele este liniara si homoscedasticé. in plus, pentru testarea valorii r va trebui sa
r sunt indeplinite. Totusi; daca vom analiza si imaginea din dreapta, cu norul 'de
faptul ca ipotezareste formtiata in termenifl unidirectionali
puncte rezultat in urma diferentierii dintre celedoua sexe ale subiectilor V tinem seama de h‘
respondenti, vom observa ca, in cazul baietilor, punctele sunt ceva mai imprastlate (unilaterali). ’
in SPSS vom obtine valoarea lui r, daoa vom urma calea din meniu:
(norul de puncte fiind mai gros). Aceasta imagine ne face sa credem ca
”Analyzi—"C’orflrela e”-,,B_ivariate". Fereastra deschisa ca urmare a acestor optiuni
intensitatea legéturii dintre cele doua variabile este usor diferita pentru fete, '
are selectata ca standard ,,l?earson”, adica exact coeficientul de corelatie
respectiv béieti. Cu alte cuvinte, ne asteptam sa existe o asociere mai mare intre varigité
de care avem nevoiehNefié’hnéne doar sa selectém variabilele ce urmeaza a fi
preocuparea pentru managementul impresiei s’i cheltuielile lunare pent'ru produse
corelate si sa modificém optiunea ,,two-tailed" (bidirectional) in ,,one-tai_led”
cosmetice in cazul fetelor, decat in cazul baietilor. De aceea, pe Ianga valoarea lUI M
r pentru intregul lot de subiecti, vom calcula si valorile r pentru fiecare sex in parte.
(unidirectional). Output-ul oferit de SPSS este prezentat in figure 3.2.
Aceasté mésura este complementara in cazul corelatiei, insa devine esentiala in
"
stabilirea unor ecuatii de regresie predictive. produse managementul
Tot 'din imaginea respective se observa cheltuieli mai ridicate din partea cosmetice impresiei
produse cosmetice Pearson Correlation 1 ,699"
fetelor pentru produse cosmetice in comparatie cu cele ale baiegilor.
Sig. (1 ~tailed) , ,000
. . N 50 50
(4) Ce fel de ipoteza trebuie testaté? ‘ managementul impresiei Pearson Correlation ,699** 1
Ipotezele de cercetare pot fi exprimate, fie in termeni unidirectional! Sig. (1 -tailed) ,000 .
(unilaterali). fie in termeni bidirectigrlali (bilaterali). In prima categorimudem N 50 50
expresii de genul ,,persoanele cu un' nivel de inteligenta. ridicat tind sa obtlna "- Correlation is significant at the 0.01 level (Hailed).
performante superioare in rezolvarea problemelor de logica” sau ,,un nivel crescut
de anxietate tinde sa fie asociat cu un nivel scazut de agresivitate verbala". In Figure 8.2. Output—u] SPSS cu rezultatul core/atiei dintre cele doué variabile
ambele expresii este Wté clar directia asocierii dintre variabile, ea fiind SPSS este o marca inregistrata.
pozitiva in primul caz ("candcifif‘éj Y tinde 5a creasca”) si negative in cel de-al
doilea (,,cénd X creste, Y tinde sa scada"), in schimb, ipotezele biogirectionalenn Rezultatul se poate scrie simplu sub forma: r(48) = .70, p < .01. in
precizata Clar directia de asociere dintre doua variabile. Expresii de genul ,,existé o expresie, r este simbolul coeflcientului de oorelatie liniara simpla, iar intre
corelatie intre‘X’si Y" sau "exista o corelatie intre problemele de sanatate si nivelul paranteze sunt trecute gradele de libertate ale testului. Valoarea 48 indica gradele
de management al impresiei" sunt tipice pentru cazul ipotezelor bidirectionale. de libertate, care se calculeaza. in cazéinL{Agorelatiei,....prin formuallafiggl unde N
Tn exemplul nostru putem distinge situatia unei ipoteze unilaterale, ,semnifica numarul devsubiectictestat’i. Valoarea de .70 este, rezultatul rotunjit
deoarece directia asocierii dintre variabile este precizata. Cercetét‘orul se asteapté observat la intersectia dintre managementul impresiei si produsele cosmetice,
ca un nivel crescut de autoprezentare sa fie asociat cu un consum mai mare de adica r. in sférsit, p < .01 semnifica probabilitatea de a obtine datele pbservate in
‘
produse cosmetice. conditiile in Cgfi..fl.u.,,exi8té ,o asociere intre managementul;impresieisi nivelul
lmportanta distingerii dintre cele doué tipuri de ipoteze se regaseste in cheltuielilor pentru produse cosmetice. in cazul cle fatam'se Observe 'o'probabilitate
valorile r semnificative statistic. Testareaglpotezelbr ‘unidirectionale urmareste in ce mai mica de 1 la 100 (< .01) de a obtine un r de'.70, in conditiile in care nu ar
masuré Lalgarea lui~ r este' semnificativ diferjta »de-_O in sens pozitiv (in cazul unei exista o corelatie intre cele doua variabile.
prezise asocieri pozitive), respectivmin..sens negativ- (in cazul unei prezise asocien Prin urmare, datele sprijina ipoteza lansata, conform careia o preocupare
inverse). Tn schimb, testarea ipotezelor bidirectionale urmareste in ca mésura r. crescuta pentru crearea unei impresii favorabile in ochii celorlalti se asociaza cu
difera semnificativwgeo, in oricare directie, fie spre -1, tie spre +1. Datorita acestor cheltuieli mai ridicate pentru achizitionarea de produse cosmetice. Ramane sa
diferente, exista de doua oeai multe ’sanse sa obtinem un rezultat semnificativ _ stabilim magnitudinea relatiei dintre cele doué variabile, nu inainte de a aminti ca
statistic in cazul ipotezelor unidirectionale decat in cazul celor bidirectionale. relatia dintre cele dou'a variabile este r(23) = .79, p < .01 in cazul fetelor. respectiv
Sintetizand raspunsurile cheie pentru problema data, vom concluznona ca r(23) .= .58, p < .01 in cazul baietilor.
putem aplica coeficientul de corelatie r (coeficientul de corelatie r 85213.]?—
55
54
iiiiiiiiiuiiWaiiiiiiiliiiU—miiliiiiliiiiiliiiiiiiiiiiiiziiiiiiuiiiii iii.)
(5) cat de i‘ntensé este asocierea dintre cele doua in fine, se cuvine sé reamintim ca exista o conveniie
variabile? . de foiosire a semnelor
Majoritatea texteior' statistics evita sé raspunda .ia aceasta intrebare, in cazul indicatorilor de marime a efectului. Aoe§tia vor lua valorinegaflve
in cazul
rezuméndu-se sé prezinte rezuitatele sub forma mentionata anterior. TOtU§i, age} in care Vefectui apareimdireggia :gp’usédgeiei. precizate inripotez'é,
_ . respectiv semnul
cum am subiiniat in capitolul destinat testérii ipotezelor, pragui de semnificatie pgu plus, dacé efectui apare in directia scontaté.
indicé intensitateap unejmreiatji, ci raritateaLge a obtine asemenea datejn condi’gule
in care .ipoteza ‘nuiééeste adevgraté. Sprémexrémblu, la un de 700 de Limitele interpretérii coeficientului de corelatie
numér
persoane tesi‘a‘iéfijilié‘rfiiosginéhn rfoacte,mic, dar semnificativxstatistic, cum ar fi r
(698) = .08, p < .001. - Pana Ia urma, coreiatia nu este decét un procedeu
. , . statistic ce mésoara
Cei mai utilizat criteriu pentru a aprecia integsitajagfirelggfleg doua
-
covarianjva, "dintre doua variabile standardizate. TotU§i,

dintre
variabile se numegste coeficient de determinare, notat cu r9. Aea cum arata Simboiul
din punct de vedere
metodoiogic, calita‘t’eémunuifi‘ESEfihc’ientfide corelatie poate diferi, degi
indicé aceeaei
sau, se calculeazé foarte ugor, fiind patratul coeficientuiui de corelatie. El poate fi , cantitate a asocierii. Spre exempiu, un r de .60 araté un grad vde flé‘lififltéfldicat
exprimat §i in procente. unde 100% corespunde unui de intre doua variabile, degi sursa legéturii dintre ele
coeficient'de corelaiie
sau 1. Din pécate, acest criteriu nu este intotdeauna adecvat cauza
—'1'
de baza: .
poate‘fl‘d'f jeté. " IatéIEéIteva idei
din i‘niluentei .
pe care 0 are marimea lotului in determinarea valorii lui r ei, implicrt, a
de determinare. El trebuie analizaf cu grija in cercetérile corelagionalecoeficxentului
cu man .putin Corelatia nu implicé o cauzalitate
de,20»deas.ubiect,i, respectiv cele care depége’sc. 200 de peregane.
Prin Vintermediul coeficientului de determinare se evalueaza partea d Multi incepatori find 52”: testeze, prin metoda corelaiiei,
ipoteze ce COn’gin
asociere comuna a ceior douéwvariabiie, indicénd procentul din—dispersi ”unei sintagme cauzale. Q expresie'de genui ,,in ce masura
injgejjgenga”influenieaza
variabile care sSESSEi'QJi‘éEJ'modui de impré§tiere a celeilaite variabile. Cu alte perfqrmanteie §colare ale subiectiior” fi'U§poate fi demonstraté
prininterrnédiul lui r.
cuvinte, coeficientui de determinare araté gradwuwiwgemcomunalitate dintre doua Valoarea coeficientului de corelatie Seats arata doar
dacé cele doua variabile
variabile. in cazul in care una dintre variabile este' independenta, iar covariazé in aceeaei directie, insa un r semnificativ nu poate
cealalta fi un substitut pentru a
dependenta, interpretarea se modificé U§or. Coeficientul de demonstra existenta unei relagii cauzaie. Aceasta poate
determinare poateil fi demonstraté, fie printr—un
inteles ca procentul dinwdiggg§ia...variabilei----dependengeflexplicat design experimental ce presupune manipuiarea variabileior
”deeveiru’gia de interes de catre
(infiuen variapjiei,independente_(Pedhazur 5i Schmelkin, 1991). Cu alte cercetétor, fie printr-un demers logic, in care relatia dintre
cele doua variabile este
cu'vm'te,
ide detern1inare ne "arata catmdew-mare este "influen’ga variabilel Clara (céldura excesivé duce ia creeterea consumului
de lichide $1 nu creeterea
independente asupra variabiiei dependente. consumului de iichide duce ia cre§terea temperaturii
. aerului)
in exempiui iiustrat, Vifnziwbbtline un coeficient de
determmarevr2 de .119
(49%), ceea Ge inseamné ca aproape jumétate din dispersiacelor Sursa covariangei dintre doua variabile poate fi diverse“:
doua variabile
are 0 evolutie comuna. De obicei, coeficientui de determinare atinge vaiori mai
'
mici. Prin cemparatie cu criteriul orientatiMstabiiitde-Cohen (1988) pentru rnuii
indlcele Brewer (2000) oferé o sintezé excelenté cu privire
Ia posibileie surse ale
d, putem aprecia cé un coeficient de determinare deqfiofilrindica o asoc1ere.s.caz.uta corelatjei dintre doua variabile. Acestea au un rol deosebit
in stabiiirea validitaiii
Tntre doua variabile, o valoare de;..06—.indicé o asociere de. intensitate' interne a unei cercetéri.
doua medie mire
variabile, iar'un r2 de wLeggemnifica o asociere puternica intre O posibiié cauza a relaiiei dintrevdouanvariabile este
tocmai dependenta
in consecinté, intre gradul de preocupare pentru managementuldoua varianlle.
ImpreSIeI §| cauzalé.a.yn_ei.a..,faté.de ceaiaita, cum ar fi creeterea
' consumului de iichide cu cat
cheituieliie iunare pentru produse cosmetice exista o legéturé foarte puternlca. Lu 7 gradui de deshidratare cregte. '
cat gradul de preocupare pentru imaginea avuta in ochii este mai mare,
celorlai‘gi
cu atét existé o tendinta de a cheitui mai muit pe produse cosmetice.
. a
O aité limita a icoeficientuiui de determinare o constituie
vaioarea-practicaa
unei asocieri. Uneori, aea cum am amintit de relagia dintre aspiriné §i
miocardic, un coeficient de determinare extrem de mic, de numai O,1%. arata infarctul
34 Figura 3.3. Schema unei relaltii cauza/e intre doua
ca
din 1000 de atacuri de cord ar fi putut fi evitate prin consumul de aspiriné. DeCI, variabile
pe
‘Ianga magnitudinea schimbarii evidentiaté prin indicatori ai marimii efectului,
precum r2, va trebui sa tinem seama §i de asvpectul vaionc al schimnarn.
40>»!
56
57
u l li l l ‘l l ‘l l l ‘l l ‘ min—E I l‘llll l l l l l l l l l lllllllllll: l l l l l lLil l lUl l lUl l lUl l l l l l
il l l l l l l l l ‘l l l l l ‘llll lllll. i i
7 O a‘lta cauzaposibilgha relatiei dintre doua _variab'ile este asccierea doua variabile este mai intensa (r = .79) decat
in cazul baietilor ( r = .58). gneori,
(dependenta) uneiasaumarnbelor variabile dggo. terté;variapilé.lAsemenea asociatii variabilele ”7993535“? potclfriar bloca relatia cauzalé
dintre X gm Astfelf’éim
se numesc corelatiijalse (in engleza ,,spurious correlations”). putea eronat ca timpul petrecut la scare
concluziona nu influen teaza niveiul de
a
bronzare unei persoane. Datele culese indica acest lucru . deoa rece toti Subiectii
testati au fost imbracati Tn echipamente
de protectie. Acestea ioaca rolul' unei
.variablle moderatoare a relatiei dintre X §i Y.
Figura 3.4. Schema unei relatii false intre doué valiabi/e X §i Y
in partea 'stangé a figurii 3.4, corelatia dintre X §i Y este rezultatul influentei Figure 3.5. Schema unei relatii dintre
X §i Ymoderafa“ de 0 reds? variabila“
unei variabile terte C. Aceasta arevo relatie non-cggzhafllé..cunx.§i una cauzalacu—Y».
Sé presupunem ca un cercetator ajunge Ia concluzia ca zilele ploioase (X) duc la 0 ln stareit, merité facuta distinctia dintre
. variabilele moderatoare §i cele
dispozitie afectiva depresiva (Y). O asemenea concluzie este eronata, deoarece o mediatoare... ln cazul ultimelor, prezenta
variabilei terte este necesaré pen t TU
multime .de fenomene atmosferice, precum presiunea aerului sau gradul de aparitia relatiei dintre ' WWWW" ‘ i
, , “NMX |_ Y . Astfel, X afecfiteaga variabila
randul ei C, care la
luminozltate, sunt asociate cu prezenta sau absenta ploii fara a exista o relatie de afect‘eavzéuvariabila Y. in cazul relatiei dintre prezenta sau absenta ploii §i dis 0 it'
cauzalitate fntre ele. in schimb, aceste conditii atmosferice pot influenta dispozitia fi oferité
o explicatie alternative, pe caza unei variabile
afectni/aupoate mediaptozrla
afectivé a subiectilor. in consecinta, dispozitia afectivé nu este dependenta de Atuncr ploua (X), oamenii prefera sé ramané in
cand casa (C). Or aceasta implic:
prezenta sau absenta ploii, ci de conditiile atmosferice care insotesc acest un de contacte sociale (C) §i poate favoriza
ntimar redu-s aparitia unei dispozitii
fenomen natural. De remarcat ca pot fi 0 multitudine de variabile terte care 551 (negative '(Y). Un alt exemplu, din psihologia
afective edu‘caltionala prive § te
afecteze relatia dintre doua variabile. . influenta conceptiei dascélului cu privire
la calitatea relatiei
I, profesor-elevl A CBaSta
in partea dreapta a figurii 3.4, cele doué variabile X §i Y ajung sé varieze la randul ei, afecteazé motivatia §colaré ‘I
a elevilor.
deoarece ambele~sg§t influentatede o. variabila terta. O situatie tipica 'ar fi relatia
testata pe un lot de Copncuprinei intre 2 ei‘7‘ani, dintre numarul de ore de somn §i
numarul de cuvinte etiute. Corelatia falsa dintre cele doua variabile ne-ar putea
duce la concluzia ca 0 persoané care doarme mai putin, gtie mai multe cuvinte.
Figura 3.6. Schema unei relafii dintre
Situatia ar putea fi ueor remediaté daca am congtientiza §i controla roiul varstei- X §i Ymediata” de 0 van'abilé terté
asupra celor doua variabile, gtiindu-se dependenta evolutiei somnului 5i a
Toate aceste situatii arata limitele validitatii
dezvoltérii limbajului de varsta cronologicé. asocierii dintre doua variabile
Variabilele ascunse (neluate in seaméx‘nu~ sunt singurele care Eot_infl_uent,a 7_ care nu pot fi izolate de influent,a altor aspecte neluate in studiu. De
concept interesant §i important este acela aceea, un
validitatea interna‘a",rEZultatelor unei cercetari. Chiar- §i in situatia Qistentei unei de corelatie partiala
Wmfiéz. W, :Je
relatii cauzale, aceasta poate ti moderata de prezenta altor variabile. Moderarea
retake; presupune creeterea 531.14%creeteregirlteneitatii..asocierii dintre doué
3.1.2. Corelatia partialé
variabile. Un exemplu cotidian de variabila moderatoare este tipul de ten, carei
afecteaza relatia dintre perioada de stat la soare §i nivelUl de bronz al pielii. in? CoefiCIentulmde--corelatie dintre doua
variabile goatweflinduce in
eroare sau
psihologie, multe variabile de tip eticheta, precum sexul persoanei, varsta, nivelull; fl difiCil de interpretat atunci cand relatia dintre
cele doua este afectata de 0 a
cle experienta pot influenta relatia dintre doua variabile. Cel mai recent exemplul tpoate lucru este evrdent mai ales in cazurile
unor rel‘a‘tjiil‘falflseusau a Eélor
p‘bate fi ‘observat in imaginea din dreapta a figurii 3.1, in care se observe ca sexul; >é§ificey
“4.... ate. Pentru a elimina aceste neajunsuri se apeleaza la, u'n artificiu
unei persoane modereaza relatia dintre managementul impresiei §i volumul:E .‘denumit corelatie partiala. statistic
Cheltuielilor pentru produse cosmetics. Astfel, in cazul fetelor reiatia dintre cele.E
_ l
58
59
mmllllllllllllllllllllIllllllllllllllllllllllllll l l l l l l l
in
al serie de tehnici, precum C aliui Pearson sau V al lUi KEY“? care au la baza
Luand exemplul corelatiel dintre nivelul de management impresrei §l
vom aprecia ca calcularea lui x2. Alegereacoeficl‘én‘tilor de asociere in functie de tipul de date
cheltuielile lunare destinate produselor cosmetice, pro'balbll, relatla
lunare ale parlntilor.”Ut1lizancl, culese estE‘pi'e‘i'entaté in'tabelul 1.2, din’capitolul destinat statisticli descriptive.1
este moderata, printre altele, de nivelul castigurilor
—,,Partlal
baza de date ,,corelatii partialesav" si urmand calea ,,Analyze"-,,Qorrelate
lndicatorului de corelatie partiala.
vom deschide fereastra din SPSS specifica
calcula corelatlile simple r dintre . 3.2. Tehnici de comparatie intre grupuri
lnainte de a efectua aceasta .operatie putem
r (4_8) = .70, p < :01 pentru relatla
fiecare Péreche de variabile. Astfel, vom obtine
lpotezele nu se rezumé doar la posibilltatea de a stabili gradulade-asociere
dintre managementul impresiei si cheltuielile lunare destinate produselor
familial
§l
cosmetics, un r (48) = .51, p < .01, intre managementul impreslel veni‘tul s1
dintre__.,v,ar.iabile. De multe ori interesul cade asupra stabilirii unor Qjerente_
lunar al subiectilor, respectiv on r (48) = .77, p < .01, intre venitulfamiliallunar semnificatiua,i_ntre...grupe. lntrebarea ,,Poate terapia prin ras reduce slmptomele
cheltuielile li'Jnare pe produse cosmetice. Ambele corelatii ce Impllca yenitul lunar depresive?” poate fl analizata prin comparareavdiferentelor in ca priveste nivelul
depresiei peggia’grupe: un grup experimental, care urmeaza o terapie prin ras si
sunt semnificative, ceea ce ne face 523 credem ca variabila respectivainfluenteaza
relatia dintre managementul impresiei si cheltuielile amintite. Venttul
nu ar
fl
un grup decontrol, asupra caruia cercetatorul nu intervine. Evaluareadlferentelor
cu cele doua
influentat relatia dintre ele daca nici una dintre relatiile vemtulut
dintre grupe este dependenta de modalitatea de mésurare a acestora. Cel mai des
‘
rntalnim, fie variabile deutip. nominal, ale caror raspunsuri sunt analizate pe baza
variabile nu era semnificativa. _ . . .
managementul Impl'ESlel. I§3l diferentelor de irecve.nté-.,(x2), fie variabile de tip @312l analizate pe baza
Pentru a vedea care este relatia dintre ‘4
cheltuielile destinate produselor cosmetice, eliminénd influenta venitulw
familial diferentelor dintremeaqil t t letsi z).
lunar asupra celor doua, vom calcula coeficieniul de corelatie partiala. :Acesta are
recomandarile "blbllel
mai multe simboluri, insa noi il vom nota cuffeglkespecténd
= 55 p valoare 3.2.1. Tehnicile x2
psihologilor" (APA, 2001). Rezultatul obtinut indicé pr (47) f .01, =
cele doua variabile [r(4_8)
mai mica decat cea exprimaté in‘relatia directé dintre Distr;l;utia..x2..§ste frecvent intélnita in cazul datelor gehgjtjpnomlnal, tie sub
venitului lunar asuprarelat1el dintre
70. P < .01]. Astfel, tinand constanté influenta forma unui testmxi al gradului de_p.otr.ivirer(in engleza "goodness of fit”), fie sub
pozitiva semnificativa Intre
cele dOUé, se constata, in continuare, o relatie. forma unui te§t,,,x%,:;1l gradului’qqeflgrnggenitate (in engleza ,,homogenity test"). 0
impresiei si cheltuielile efectuate
Preocuparea subiectilor pentru managementul situatie tipica pentru primul caz este de a stabili daca existigiferentle semnificative
De altfel, expresule .de genul
Pentru achizitionarea de produse cosmetice. st
intre réspunsur,ile..la.0..l.n.t£§l2§le de genul:
echivalente
,,eliminénd influenta lui A"sau ,,tinand constafl’g‘aflj‘nflgenta lui A" sunt
de corelatie partiala. _
Specifimgrmularea interpretarii coeficientulul "Daca duminica urmétoare ar avea loc alegeri prezidentiale, v—ati prezenta la vot?"
mat ,mulwtgeypfl
Coeficientul de corelatie partialé poate fi calculat pentru a) Da b) Nu c) Nu stiu / Nu réspund
putem calcula gradul de ascetere
singura Variabilé_,_m,oderatoare. Spre exemplu,
- dintre managementul impresiei si consumul de produse cosmetice eliminand-
Pe baza simplei analize de frecvente, rezultatele colectate sunt sintetizate
cat si de sexul persoanei
influenta exercitata atat de venitul familial lunar, un grad
astfel: -
se pierde Cate
chestionate. Cu fiecare variabila tinuta sub control statistic
N-2,
de libertate. Daca in cazul lui r, gradele de libertate erau stabilite dupa formula Tabelul 3.1. Frecventa raspunsurilor celor 70 de subiecti-chestionati
_de libertate sunt
in cazul corelatiejflpartlale, gradeleww obtlnute pe baza formulefliNgLE
.
in cazul
.lsuunde‘fiéfiiézmté numérul de variabile tinute constante. Astfel, cazul unu1unUI
"Daca duminica urmatoare ar avea loc alegeri prezidentiale, v—ati prezenta la vot?"
-
avea Neg, in pr (pr9 DA NU NU srlu — NU RASPUND

deQLQlUUl .l (cu o singura variabilé moderatoare) vom
ln exemplul dat,
QLqlJUI (cu doua variabile moderatoare) vom avea N;fim§,.a_.m._d.
85 20 15
ua‘loar‘e‘a 47 a gradelor de libertate a, fost obtinuta scazand clin totalul de 50 de
variabila ce trebuta tlnuta
subiecti testati, valoarea 3, deoarece exista o singura
constanté — venitul familial lunar.
pentru a se putea
Nu toate datele sunt exprimate prin scalemumerice
de aparltie a’
calcula r. Destul de des variabilele sunt analizate pe baZa frecyentei. 1
Pentru detalii, vezi Clocotici si Stan (2000), Hinkle si colab., (1994); Rotariu si colab.,
Au fost dezvoltate o
Féspunsurilor si ceva mai rar, pe baza ierate.L[é§Eg.nsurjlor. (1999); Sava (2003) sau Yaffee (1996).
61
60
i i mi l l iii ‘iiiuiiiiiiiii111.111iiiiuiiiiuiiiiiiiiiiuiiii illi it until ii i i iii iii iii iii iii l l iii l l iii il l iii ii ii iii l l iii ‘l l (WM
i i ii i i il l l l l l il l l lllllllllllltllllllJlllll l l lllllli l l l l il l l il l n l l l iiii i l l l l l l l li l l ill-iiii iiii l l l l 11,111 il it il ‘ iii l l ‘ l l l l l (Wl l iii l l i: l l l l l i
il ‘l ‘ l l ‘l l l l‘(mi mu l l l l l l‘ l
-- r‘
se foloseste atunci cand . cazul subiectilor'carora Ii s-a dat anterior un feedback negativ. Ambele ipoteze pornesc de la
in schimb, testul )6 al gradului de omogenitate
intre categoriile de raspuns.denier-doua premise ca 0 pe’rsoana tinde sa se asocieze cu evenimente publice pozitive respectiv 55 se
dorim sa vedem diferente~--v(~asocieri) distanteze de evenlmente publice negative, efectul fiind potentat mai ales pentru subiectii
intrebari. prezenta la vot?”
’ care au suferit esecuri personaie.
prezidentjale; v-ati
,,Dacé duminica urmétoare ar avea ioc aiegeri '
Prim'alipoteza necesita un test 76 al gradului de potrivire, in timp ce a doua
b) Nu C) Nu stiu / Nu réspund .
a) Da I detalia
ipoteza necestta un test )6 al gradului de omogenitate. in.. continuare vom
asemanariie si diferentierile dintre cele doua forme x2.
,,Ati votat la ultimele alegeri prezidentiale?” » Ambele forme pornesc de la ideea comwrii frecventelor observate cu
3) Da b) Nu
cele (asteptate). De exempiu, aruncafia’Efiiiah’éd}: de 100 de en
e§pegtite
de omogenitate va ti utilizaté dupa observam ca stema a iesit de 54 de ori, iar banul de 46.; Acestea sunt frecventele
in acest caz, tehnieaaxgnal graduiui observate. Cele asteptate (teoretice) sunt cele stabilite pe bazé de probabilitéti
intr—un singur tabel:
sintetizarea prealabilé a réspunsurilor‘laceie,dpeuaintrebéri, Astfel, tinand cont ca sunt doar doua fete ale monedei si au feet 100 de aruncéri
ne-am astepta ca fiecare parte sé apara de 50 de ori. Diferentele dintre valorile
70 de subiecti chestionati
Tabelul 3.2.. Frecventa raspunsurilor ceior frecventelor si cele ale valorilor asteptate sunt luate in Considerare in
prezidentiale, v-atj prezenta la vot?” pbservate
,,Dacé duminica urmatoare ar avea loc alegeri calcularea iUl 76-.
Da Nu Nu stiu — Formula de calcul a lui x2 este:
4 Nu raspund
Ati votat la ultimele
5
alegeri prezidentiale? Da '- 24 7 i 0—E2’
)i (3.1)
7 Nu 11 13
' 1O
i52=2( E ‘
MW“
stipuleazé ca nu existé
ipoteza’ nulé a ambelor variante al§._...tehnicii.ax2 unde Q,,simbolizeazé--~frecventele qpservate, iar E frecventele asteptate.
si cea a
diferente semnificative intre frecventa\réspunsurilgrwpflbservate Jurs, 1994). V
in tehnica de comparatie a datelor va trebui sé réspundem la
(Hinkle, Wiersma si once
réspunsurilor astept‘atewjnmdjferite categorii ipoteticé a
urmatoarele intrebéri:
tehnici x2 este o adaptare
Exemplul ce insoteste explicarea celor doua
de Cialdini si colab. (1976/1999):
celui de-al doilea experiment realizat 1) Cum situatia de comparatie, de testare a diferentelor’?‘
'identificém
intrebéri generale ale céror raspunsuri 2) Ce ,fel de grupe sau categorii de raspunsuri sunt comparate’5'
Studentilor li s-‘au adresat prin telefon sase
de studenti dintre colegii téi lucreaza7". Dupa 3) Ce fel de date au fost colectate?
erau greu de intuit exact, cum ar fi ,,ce procent fiind .
manipularea experimentalé, subiectji 4) Conditiile aplicérii tehnicii respective sunt indeplinite?
terminarea celor sase intrebéri, a intervenit spunénd
grupé Ii s-a dat un feedback pozitiv, 5) Ce fel de ipotezé trebuie testata?
Tmpértiti aleatoriu in trei grupe. Celor din prima Celor
cinci din cele ease raspunsuri fiind corecte. 6) cat de intensé este diferenta dintre grupe sau dintre categoriile de réspunsuri’?
ca au réspuns mult mai bine decat media, deoarece au
neutru, raspunsurile Ior fiind medii,
din grupa a doua Ii s-a oferit un‘feedback au primit un
in sfarsit, cei din al treilea grup
raspuns corect Ia trei Tntrebéri din ease. un singur
ca au réspuns mai slab decét media, (1) identificém situatia de compa’rgtie,n_devtestare a diferentelor?-
feedback negativ, experimentatorii sugerénd .Cum
manipulare Ii s-a pus o singura Tntrebare suplimentara, Majoritatea studiilor din psihologie au la bazé teste de stapilire a
raspuns fiind corect. Dupé aceasta la unul dintre ' ‘
american a universitatii respective grupe sau categorii de raspunsuri Pentru a
legata de rezultatul echipei de fotbal de echipa semnificatiei mentelqrmdintre
de rezultatul meciului pierdut identifica aceste stfidii 'e'ste Vs‘i'ificient sé analizém modul de formitlare a ipotezelor
ultimele doua meciuri sustinute‘ Unii au fost intrebati
Réspunsurile la intrebare au fost codate In exemplul dat vom regési expresia: "raspunsurile de tip <<noi>> apar mai
universitatii; iar altii de rezultatul meciului céstigat. incluse
,,non-noi”. in categoria .,noi” au fost in situatii de victorie, decat in cazuri de infréngere". Alte sintagme care
in una din cele doua categorii: ,,noi" sau pleca’t din treevent
,,Am castigat cu 4-2“, ,,Am fost necesitatea comparatiei pot fi: ,,grupul A are rezultate mai mari decat grupul
raspunsuri de genul ,,l~am batut", ,,Noi am pierdut”, raspunsun Indica
categoria ,,non-noi” s-au regasit B A este mai”pumdecéta-tratamentul B” sau ,,ambele tratamente sunt
oras si nu stiu ce au facut ai nostri", iar in ,_,,tratamentul
precurn ”Au pierdut", ,,Cred (:51 au castigat",
,,Nu stiu ce~au facut’i. bune decét absenta oricare‘i interventii". Toate aceste forrnulari au ca ipotezé
mar
de tip ,,noi" apar mai frecvent in situatia nuia uzualé absenta diferen’gelor dintre medii sau frecvente. O situatie aparte de
Studiul avea doua ipotezez‘ (1) raspunsurile in
int'ensificat
de infrangere; (2) acest efect va ti comparare a grupurilor este intélnita in cazui testului fiat—(graduluivdeiomogenitate
de victorie a echipei de fotbai, decat 1n cea
63
62
care au frecvente teoretice mai mici d§._,5,,duce la 0 valoare xfidiscutabilé; o
‘ (cea de—a doua ipotezé din exemplu). in acest caz, premisa lpotezeianulfle este ca tactical posibila in asemenea situatii este reunirea unor oésute adiaoente.
in sltuatii de Victorie sau de infrangere nu
frecventa de aparitiea raspunsurilor ,,noi" . in cazui unor tabele de contingenté de ypZXZ este necesara aplicarea
diferéirqi‘functigge.tipul-defeedback primit de subiecti. unei coreggstjinYates ce presupune Greeterea cu 50“,; afidiferentei dintre
frecventele obé‘e gteweicele‘teoretice.
comparate?
(‘2) Ce fel dey grupe sau categorii de réspunsuri sunt ‘ o ,in calculul‘ )6— se tinecont defrecyentele $1139.99 procentajele constatate,
§i z discutla despre aceasta
-
testelor t
Vom‘amana pané la prezentarea deoarece cele din urmé duo la calcularea x2” ca §i cum"a'riififost.tinute
‘grupelewcgmpérat‘e pot 'fl
problemé. Pentru moment vom preciza doar ca 100 de réspunsuri indiferentdacé au fost colectate 5000, 500 sau 50 de
luix2 réspunsurile trebuie sa
lndependelt§,_,§a,uwp,er.echi. in cazui sublectilor “fie observatii.
intalneete in testarea repetataa
independente. O incalcare. a acestei conditii se in exemplul nostru, toate conditiile sunt indeplinite, existand 51 de
in cazui mésuréto’nlor repetate, rezultatele
aceluiaei ~9TGEwdexsubiecti, deoarece
'1! A
ln raspunsuri de tip ,,nor intr—un design experimental de tip 3 x 2.
indepengebte.._cornplet.
exprimate anterior sau ulterior de un subiect nu sunt
aplicate alte tehnici ,statistice precum testul X2 McNamaur,
asemenea situatii trebuie (5)Ce fel de ipoteze au fost testate? .
sau x2 Stuart-Maxwell (Hinkle, Wiersma ei Jurs, 1994). in general remane valabila distinctia dintre ipotezelg unidirectionale §i cele
bidiregtionale. Ceea ce se schimbé tine de ‘sintagmele; 'utiliiatet"; Astfel, in
(3) Ce fel de date au fost colectate? . . . . compararea diferentelor dintre grupe,. lpotezele unidirectionale pot fi de genul
fie devtip o;d_m_al4
Variabilelednggp_gndem§_ dinoercetare pot fi consrderate, ,,fetele au un nivel de empatie.mai.._rid_i_cat g‘eicatcel al béietilor“, ,,metoda A duce la
cu trei categorii de ”rasplunsuri’: feedback pozltiv, feedback Vneutru, respectni
— un numér de greeelimai._mi.c.cqmpar_ativ cu‘metoda B” etc. lpotezele bidirectionale
categorii de
feedback negativ, fie demtwi’pmjngminal, cu doua raepunsun meci nu specifics“: directia diferentelor dintre grupe, fiind mai degraba formulari vagi
este tot de tip
Cégtigat, respectiv meci pierdijt. Variabila gependenta a cercetarjli precum ,,existé difereflntheiintre" fete .§l.-9§l§.tii in ce priveete nivelul de empatie” sau
,,l'lOi"'§l Acestea pot
nominal, oategoriile de réspunsuri posibile fiind ,,non—noiv. .fl ,,metodele AetBsunt diferite in ce priveete numarul de greeeli comise".
,,noi” §l de tip
reflectat'e §i dibgtomic sub forma i1—‘raspunsuri de tip gjraepunsuri Totugi, in Cagulnlui xzfidistinctia dintre lpotezele Unlgl£99§10n8|e §i cele
,,non—noi”. in cazui—'Ebmparatiiloggifitte grupe, 0 importanté deosebitatiponominal,
are..m99fil
ca bidirectionale 'poate fi aplicaté doar in cazui unui test cu un sjngungradde libertate.
date de
de ma'surare a variabilei dependente (criteriu). in cazui unor Prima ipotezé poate fi considerata ca fiind de tip unidirectional, deoarece x2 are un
numerice, se vor
in situatia aé"i5{éj“§é”\7§Eéi’éfila.again schimb, in cazui unor date singur gradedeJibfie‘rtate, iar cercetatorii anticipeaza ca raspunsurile de tip ,,noi” apar
utiliza, cu mici exceptli, tehnfligilgtgafiu z. mai frecvent in situatia de victorie a echipei de fotbal, decat in cea de infrangere. Tn
schimb, in cazui celei de-a doua ipoteze, x2 poate fi dear bidirectional, deoarece x2
de tip ,,noi"
Tabelul 3.3. Procentajul subiectilor care au‘ dat raspunsuri are doua gradewdefllibeflrtate, fiind deja un test omnibuz. Acesta araté daca existafl
Tip de feedback diferente intre frecvente, insa nu araté underseafla .acele diferente. Astfel, in cazui
Pozitiv % Neutru % Negativ % Media % unui x2 semniflcativ vom afla ca tipul de feedback primit influenteaza diferit nivelul
Tip de meci
64 (16/25) 41 (30/75) réspunsurilor de tip ,,noi” in functie de rezultatul meciului echipei universitétii. El nu.
Meci cégtigat 28 (7/25) . 28 (7/25)
16 ( 4/25) 28 (21/75) ne va aréta insa nici .cejel de feedback influenteaza réspunsurile subiectilor, nici
Meci pierdut 36 (9/25) 32 (8/25)
clacé aceste raspunsuri vor creete sau descreete in frecventé. Tot ce vo—mfiafla este
fost indepli‘nite? ' . dacé frecventa..se...modificé sau inu. Pentru a suplinim'limitele x2, existé modalitati
(4) Conditiile aplicérii tehnicii respective au . specifice de lucru, precum analiza reziduurilor (Hinkle, Wiersma §i Jurs, 1994).
de
Pentru aplicareaJestuluifixfiexista cateva conditiigi restrict“ utilizare.
cu
if . observatiile trebuie ‘sa’ fie_ indepe‘ggefltfie, fiind emse...des_ignfurilei Tabelul 3.4. Frecventa observata §i aeteptata privind subiectii care au dat raspunsuri de tip
sa se
masurétori
Wm.»repetate;
» in plus, categoriile demdrwaspunsuntrebure ,,noi" in functie de tipul de meci chestionat.
care permit raepunsun
excludamreoiproc, ceea ce presupune Ca intrebérile
Tip de meci Réspdnsuri de tip ,,noi" Raspunsuri de tip ,,noi”
multiplenupot fi analizate prin X2-
”:- - trebuie sé' fie de eel putin 2,0,..de.f..r.e..qyente.Qbservate; mai mult. frecvvent;,_
nu
observate agteptate
contingenta
”A a$teptata pentru Ericéfeflcéeuta (celula) a tabelului de '>~ m .. Meci cé§tigat
-
30 ~, 25,5
peste,__2,0% din césute
trebuie sa fie maimicé de 1; similar, un procent de Meci pierdut 21
'
25,5
Total subiecti 51 51
65
64
i i i i iii i i ‘i ‘ ii iii i i i iiiiii‘iiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii i i i i i i
Frecveflaasteptaté pentru fiecare casuta este rezuitatul ptqdy§ylnmifltre

.Dacé nu exista diferente Tntre cele doua categorii de subiecti chestionati: totaiuriie marginaie"“c‘orespunzétoare césutei respective Tmpériit ia__,tgt_,al_ui
situatie sa existe detip observa
ne asteptam ca Tn fiecare 25,5'raspunsuri ,,n01”..Se frecventelbfrficbs’ervate."“‘SprelEXEmpiu, frecventa asteptata a raspunsuriior‘de tip
de valcnle..'asteptate. Se pune intrebatea
ca frecventa Qbfiéfvjié este diferita ,,noi” Tn ‘cwékz‘fiipemoaneior care au‘primit feedback neutru si care ofereau rezuitatul
Tntampiatoare este
simplé: este aceasta diferenta sau-diferenta suficient de. mare meciului pierdut de echipa universitatii este de 6,2 [(21x15)/51].
obtine astfei de date sa fie
pentru ca probabilitatea de a din mtampiare mat-mica
de .05? Cu aite cuvinte, va trebuirsa testam Tn -ce masura qlferenta;.e§te‘sufi0|eijt
afirmatia ca réspunsunle de tip ,,no|"...apar mai
dermare pentru a sprijini .ffemient In Ti oul de feedback
de fotbai apartinatoare decat Tn cazul infrangern feedback ‘ feedback feedback
situatie de victorie a echipei pozitiv neutru negativ Total
Fiezuitatul victorie Frecventa observata 7 Q 7_ 16 30
a calcuia x2 Tn SPSS avem doua directii posibiie, Tn fnnctie meciUIUi Frecventa asteptata
acesrela‘i’ehnic, penttu ‘ ' 9,4 8,8 11,8
de tipui testului (X2 al gradului de potrivire, respectiv x2 al graduiui
de omogenitate). Adjusted Residual . -1,5 -1,1 2,5
prima ipoteza ne aflam Tn Situatia unux x2 ai graduiui de infrangere
'
Frecventa obsen/ata 9 _ 3 4 21
Pentru a testa aceasta Frecventa asteptata 6,6 6,2 8,2 ,
pomy'lre,..Metoda poate fi seiectata »urmand calea uAnatYEEfuNonpaFame’IiriC tests : Adjusted Residual "1,5 1,1 . ~2,5 f
SPSS este de
,,Ghi.:square". Optiunea standard din acalcula trvecventa,.,teotetica Totai Frecventa observata 16 15 20 51
modalitate este
Tmpattindwtotalui fregflifltiélofllé “WET”! d9 Cétegérliv. Aceasta
alta cale de calculare
valabiié 5i pentru problema de fata (5132)..TOtU§l, leXista s1 c Figure 3.7. Output SPSS cu frecventele observate, cele asteptate §i feziduurile
a frecventelor asteptate, pe baza unor Inforrnatu a prion. Spre exempiu, daca standardizate ajustate pn'vind subiectii care au dat ras'punsun' de tip ,,noi” Tn functie
a nevrozei Tntr—o populatie este’de 20%, de tipul de meci chestionat §i tipul de feedback primit
frecventa ’de aparitié iat nciu suntem
fata
interesati 55 vedem dacé frecventa de aparitie Tn grupui testat este difenta cine
SPSS este 0 meme aegistrata.
atunci frecventa teoretlca va fi
populatia
' '“
din care a fost extras esantionul,
de_20fl> .,
dm biectilor testati. Testul metewpnwtest. omnibuz, adica arata doar ia nivei gagging; tipui de
un 76(1) = 1.59, p < .10, test unilateral, feedback primit afecteazétTnrmodwdiferit frecventa raspfinsutilornde'tip ,,noi" Tn
numianuclsgul pri‘mei ipoteze vom obtine
Prin urmare, nu ca réspunsunie
un rezuitat nesemnificativ statistic. putem afirma functie de tipul de meci vizat. Pe baza frecventeiqnpbservate putem constata unde
de tip ,,noi" apar mai frecvent Tn situatii de victorie a echipei de apartenenta decat se afié aceste diferente,v-Tnsa o asemenea perspectiva este foarte subiectiva.
valoarea lui p apropiata de pragui de De aceea, Tn cazurile unui x2 semnificativ statistic se recomanda
Tn situatii de infrangere. Totuei, ma'xtm adrnis
concluztel, ‘daca vom
‘05, ne lduce cu gandul ca am putea asista la 0 schimbare a calcularea rezidwugryiaigrgstandardizate.ajustate pentru fiecare celuia Tn parte, pentru
tisticé a cercetérii. a observa uncle se'situeaza agelegiTEEen‘te. Vaioriie. reziduurilor standardizate
creste
piie;7ag:;:uluLQw£genEate poate fi calculat Tn SPSS utilizanduo cale ajustate cuprinse Tn intervaiui [-gflg],_,nu..ne intereseaza. in schimb, valorile care nu
,
diferita, ceva mai complexa: TKLT'iZe"-,,DeSCriptive”genetics“,Qrospstabs dupa se regasesc Tn acest Tntervai sunt considerate ca indicatori ,_ai uneiwdiferente
vom
care 59 aiege butonul ,,Sta_tj§~t’sf’,‘i’ar din fereastra deschisé selecta "Q11: semnificative Tntre frecventeie observate si cele asteptate. Vaioarea absoluta de 2
Crosstabs, se poate seiecta butonul "Queue, pentru
squaret’rin plus, revenind Tn s1. a este stabilita pe baza unei distributii z, a carei vaioare corespunzatoare pentru un p
rolulux acestora vom reveni 4
alege reziduurile standardizate ajustate. Asupra de .05 este 1,96.
CUTand- in figura 3.7 atrag atentia doua reziduuri Standardizate ajustate, ambele
de date
Testarea ceiei de a doua ipoteze poate fi verificata utilizand baza fiind iegate de oferirea unui feedback negativ subiectiior. Astfel, se constata o
ce Tn preaiabil am ponderat ,,frecv" utilizand caiea frecventa observata semnificativ mai mare decat cea asteptata Tn situatia unui
,,hi patrat.sai/', dupa variabila
in urma demersului s—a un 752(2) = .05. feedback negativ oferit persoanei si a unui rezuitat pozitiv al echipei universitatii.
,,Data”—,,Weight cases". obtlnut €3,12,-p,<
frecven’ga
Valoarea X2 este semnificativa statistic, sprijinind ipoteza cercetani: inversul acestei situatii apare Tn situatia unui feedback negatiy ei a unei Tnfrangeri a
sau infrangere a de
raspunsurilor de tip ,,noi" Tn caz de victorie echipei. Sportive. echipei universitatii.
diferit Tn functie de tipul‘ de feedback cfent subiectiiot. Ce Tnseamné acest iucru? Daca X2_.D.§.§jéta ca tippi de feedback afecteaza
apartenenté este influentata
Mai muit, din consultarea figurii 3.7.se observe tendinta persoaneior care
an
primit in modhdif‘engreferintla directa ia grupul Ere apartenentjaTn fu‘nctie de tipui de meci
muite raspunsuri de tip ,,noi” Tn cazul in care
feedback negativ sa utilizeze mai vizat, afieliza-teziduuriior ne arata ca afirmatia de mai sus este valabilé Tn cazuI—t
echipa universitétiia Céstigat. feedback‘néfjfitiix."istfei, subiectii carora li s-a spus ca au obtinut performante
unui \Wv,
67
66
‘ l l ‘lli lllllllm—Wllllllllllflllllllllllllllllllllllfll ‘1 il ‘1
De altfel,il\l reprezinté si valoarea maxima a lui X2 in situatia respectiva. Tn

sub medie/la intrebarile initiale tind sa foloseascé mai des, in caz de victorie a
echipei, sintagme de tipul ,,noi‘ am bétut”l "echipa noastra a castigat" etc. Similar, cazul primei ipoteza poate ti calculat coeficientul de de‘terminare, deoarece exista
subiectii care au primit un feedback negativ tind sa foloseasca in caz de infrangere un singur grad de libertate - 96(1) = 1,93, p >».10. Aceasta valoare este comparata
cu X2 maxim pentru situatia reSpectiva, care este 51, deoarece totalul raspunsurllor
mai putine sintagme de identifi‘care cu echipa universitatii.
frecven‘tele 'd‘e tip ,,noi" a fost 51..ln'consecinta, r2 este .037 sau 3,7%. Daca vom apela la
. Daca in locul raspunsurilor de tip ,,noi” ar fi fost contorizate
celor de tip ,,non-noi", am fi obtinut o 'situatie in oglinda. Adica, persoanele care all criteriile de comparatie prezentate in tabelul 2.2 din capitolul destinat principiilor
testérii ipotezelor, vo‘m constata ca exista un‘ efect relativ redus al rezultatului .
primit U” feedback neQativ tind sa foloseascé mai rar, in cazul victoriei echipei de meciului echipei universitatii asupra tendintei subiectilor de a formula raspunsuri de
apartenenta, expresii de genul ,,au batut” sau ,,ei au castigat”. Astfel, se poate
tip ,,noi". Mai mult, daca vom tine cont ca r2 nu este decat patratul coeficientului de
COUClUZiQHa cé subiectii al caror prestigiu personal a fost afectat tind sa utilizeze
pronumele personal ,,noi” sau expresii care ii includ implicit pentru a se asocia CU corelatie, vom putea observa ca unui 96(1) = 1,93, p > .10 ii corespunde 0 corelatie
situatii de succes ale grupului de apartenenté. r de .19 intro cele doua variabile.
Atat in cazul unuimxjm), cat si in cazul unui xiqurmai mult de un grad de
lnainte de a diSCuta marimea efectului pentru tehnicile 96, vom prezenta, Iibertate, poate fl estimat "'u'rTalt coeficient al mérimli ”e'iectului,‘th'6taugnw. Acest
pe scurt, modul de stabilire a ‘gradelor de libertate. ln cazul unui xialgradului de
potri’vire, gradele de libertate se stabai‘éwéELESr'f dupa formula;9.7.1..) unde c reprezinta indicator poate fi calculat prin intermediul software-ului' GPOWER (Faul si
Erdfelder, 1992), disponibil gratuit de pe internet.
numarul 99 categorlLde,raspunsposibile. Tn prima ipoteza intalnim doua categorrlz Marimea efectului in cazul primei ipoteze 752(1) = 1,93, p > .10 este .18, o
meciuri castigate sau meciuri pierdute de echipa de fotbal a universitatii. Prln
valoare care ,indica acelasi efect slab al rezultatului partidei de fotbal asupra
urmare GXlSté U0 singur grad de libertate. ln schimb, in cazul unui x2 glfigffldulujflde
utilizarii raspunsurilor de tip ,,noi". Pentru a avea o lmpresie generala, un w de .10
Onenitatehfipecific tabelelor de con_ti_ngenta, formula devine (c—1,),(rl;_1_),,1 unde C
semnifica un efect slab, un w de .30 semnaleaza un efect de intensitate medie, iar
inseamna numéfUl-sgqe coloane (categorii ale primei variabile), iar l inseamna un w demggggsau mal mare indicéififfilefect puternic. Pe baza marimii efectului vom
numarul d’e.,.|inii (categorii ale’ celei de-a doua variabile). Tn cea de—a doua ipoteza
constata ca puterea statistlca de testare a primei ipoteze nuera mai mare de .25,
vom avea 2 grade de libertate (3-1)(2-1), deoarece tipul de feedback are trei
categorii de raspunsuri — feedback pozitiv, neutru sau negativ, iar tipul de mecr ceea ce inseamna de trei ori mal putine sanse de a observa acest efect mic, daca
ramane cu cele doua categorii — meciurl cé§tigate, respectiv pierdute. el exista intr—adevar, decat de a comite eroarea de tip ll. Pentru a atinge un nivel
optim al puterii statistice de .80, necesar testarii ipotezel, am fi avut nevoie de mal
(6) cat d9 mare este diferenta multi subiecti. Mai exact, am fi avut nevoie de 122 de raspunsuri, cu 71 mai multe
’ dintre g‘rupe sau categoriile de
raspunsuri? decat cele 51 de raspunsuri observate. in consecinta, datorita puterii ‘ recluse, -
Un FGZU|tat Saificativ statistic nu inseamna decat ca grupele 99‘mparate rezultatul nesemnificativ statistic are 0 explicatie alternativa ipotezei nule.
, difetaintreele. El nuvinseamna neaparat ca diferenta,,,este_.mare. Pentru a vedea Diferentele pot exista in realitate, Tnsa nu au,fost identificate datorita unui risc
cat de mare este diferenta dintrefi-‘gzrupe sau Categoril de réspunsuri vom apela la crescut de a comite eroarea de tip ll. ln cazul unei puteri statistlceI de .25,
’
indicatorii de apreeierea marimiiefectului. probabilitatea de eroare este de 75% (1 ~ puterea statistical).
,
Din pécate, majoritatea indicatorilor pornesc de la ideea unei variablle Utilizand acelasi program statistic, vom constata un w de .38 in cazul celei
criteriu (dependente) mésurat’e\prin scale numerice, fapt ce afecteaza calcularea -de—a doua ipoteza, ceea ce indica o schimbare de magnitudine media in utilizarea
marimii efectului in cazul testelcr X2~ Totusi, printr-un artificiu prezentat in raspunsurilor de tip ,,noi" in situatii de castig sau pierdere, in functie de tipul de
Rosenthal, Rosnow si Rubin (2000a), putem estima marimea efectului in mod feedback personal primit. ln cea de-a doua ipote‘za, 952(1) : 6,12, p < .05, puterea
clasic doar in cazul testelor X2 cu un singuurwgradmde libertate‘. Coeficientul de statistica era de .72, un nivel destul de aproplat de cel optim. De altfel, pentru a
determinare poate fi extras pe baza formulei: ‘ atinge valoarea optima de .80 a puterii statistics, am fi avut nevoie de 61 de
,3
. raspunsuri de tip ,,noi”, cu 10 mai multe decat datele colectate. ln consecinté,
962(1) rezultatul semnificativ statistic corelat cu o marime media a efectului celor doua Vl
r2 (32)
N asupra VD, sprijina clar ideea oé Subiectii, al céror prestigiu personal a fost afectat,
x....waw-~w~~« , tind sa utilizeze mai frecvent termeni de referinté de genul pronumelui,,noi" pentru
unde 762(1) reprezinta valoarea tesmilti...de“CQmPaEBtJe a diferentei dintre a se asocia cu situatii de succes ale grupului de apartenenta, ca 0 masura de auto—
frgcvente, cifra 1 dintre paranteze ne aminteste ca formula este valabiladoar dacé inaltare.
‘ '
'
testul are un singur grad .de libertate, iar N esgggggflmérul total de frecvente
otservats
68
69
l“ ‘l ll l ‘ ‘ " lll ‘ll ll' ‘ll ’ll l ‘ll l l llI l ‘ll l l ' l l u w l v i “ “ ‘ - ‘ 1‘ ‘ ‘ ‘ I l u ‘I‘ My lll il W m in m l l nu l l llllllll l l llll lllllllll mum» lllvlllll llllli l m» m l l llll ‘l ‘ ur ‘l l up ill in
.
- (1) dacé celen-doué.l.grupe comparate au fost alese la intampl_are,~~pe

mérimii in cazul X2 baza
in sféreit, o alté modalitate de calculare a efectului situatiei l3: naturale, ca in cazul a doué cla‘slezfifaiurflélele‘deelevi sau a doué
asociere obtjnu’gi pe pazevalonl x2,
consté in utilizarea indicatorilor de urecvuflmflyflgl grupe de “\“IEFEQV rdiferite, se utilizeazé teslele ’pentru ...... eeantioane
Acesta este un coeficient de corelatje non—dlgwrrecgig‘nglfce >variaza intre 0
lui Cramer. infdependente. , .
éi/l uncle 0 s'e'mnificé absenta 'efectului‘ iar 1 un efecllflegdrenj‘ de pulermc.
§l sub
. (2) daCé cele doué grupe sunt in relatie __,u_r_1a,_cu cealalté prin interventia
enterior poate fl
“1"“ De altfel, intregul demers X2 prezentat interpretat‘ experimentatoruluieg‘ukppfinrrcorespondenta naturalé a elementelor din cele
forma asocieglgintrrefiouéivariabile nominale. Alntr:o esemenea Sl‘tua‘gie, lpeteze doué’grupe, vom utiliza testele pentrueeantioane perechi (corelate). Existé
variabile,
doué tlmp ce un
nulé indicé absenta relatiei dintre in x“
semnificatn; trei situatii in care vorbim de egantioane dependente (perechi):
doué variablle. De aceea, Intr-un fel, X
statistic sprijiné ipoteza asocierii dintre
§i cele de comparagie. a) situazia mésuLflQc/‘lonrepetate
constituie un iiant intre tehnicile de asociere.
O grupé de§ubiecti este teetaté de doué ori asupra aceleiaei variabile,
cercetétorul fiind interesat de modifié‘fle‘ebérute intre cele doué testéri,
dintre doué medii pre-te_s_§_§i_pokst-test. Testénd aceleaei peFéaéfié;"§é‘ ajunge Ia perechi. de
3.2.2. Testele t §i g/de. comparare a .diferentelor
scale no_minale rezultéte, de filldé scorurile obtjnute de ,,X” la Tnceputul ei la finalul unei
Dacé variabila dependenté nu este mésuraté prin pentrua
int§r7§ntii terapeu’tice.‘
scale
fi sUpusé analizei de frecven’gé, ci este evaluate pnn numerice, este nevoue
testa ipoteza exustentei diferenteloi dintre doua b) situatia pgecnilcr,_naturale _
de comparareaumegiljgggentrume
De altfel, cele mal multe dintre
populatii pornind de la comfiér'érea a doué grupe. Cele doué grupe sunt fopmgtgmgupé una sau mai multe caracteristici
aphcarea testelor t sau z. EXIsta trei
cercetérile studentilor la psihologie necesité prealabile,«-eare existé in mogwnetural. Tn cazul studiilor privind importanta
doar calculerealeglglflor t.
tipuri principale de tehnici t ei z, insé SPSS—ul .permlte ordinil la na§tere se pot creel {deflué grupe de subiec’gi, dintre care intr-o
oferite.
Valorile z pot fi totuei dedugewdin rezultatele grupé sé fie lncluei primii néscuti, iar in cealalté grupé mezinii, cu conditia
Cele trei tipuri de”Lestetei..ze_§mun§é ~ ~ _ - . ca fiecare dintre aceetié'éé 'a'ibé un corespondent (un frale') in prime grupé.
eifigegg”populefgiei
. tehnici care privesc diferenta dintre media“Fugifeeantion Se ajunge, din nou, la perechi de rezultate, de pildé scorurile obtjnute'de
tehnicilor este
din care 368813 a fost extras; titulatura testuLj.i,p3entru..,un_ ,,Popescu A.", primul néscut,‘ distribuit in grupa A §i scorurile oblinute de
eeantion;7pentruna efectua, In
eganflqn, respectiv testul z pentru un SP8?- ,,Popescu Z.”, fratele‘mai mic al primului, distribuit in grupa B.
Means
un eeantion vom urma calea "Analy‘vzheflézggmpare
‘ testul t pentru c) situalia pergfgflilqrgcflfihciale _
One Sample T Test”. v . Elementele celor doué grupe sunt puse in corespondenté prin inteflenflaé
. :ehnici care‘wfifiiiesc diferenta dintre mediile gouem..,§§anllpane
'39 experimentatorului. Aceasté tehnicé este utilizaté cu scopul de amegaliza
jndependente; ele sunt denumite testul t pentru eeantioeneindependente, grupele ce urmeazé a fi comparate, pentru a elimina influen'ta;yuwn§[
prefspéfimr’fét Mt! independent, respectiv testul "ZFPBNTU eeentloane variabileléitié‘.“ De exemplu, dacé vrem sé vedem in ce mésuré metoda de
t Independent ~In SPSS
independente sagflzvindependent; pentru a calcula predare A este mai buné decét metoda B, poate ar fi bine ca grupele ce
vom urma calea ,,Anaiyze”199mga_rewMeansT’-nlndenendentmisarnplfij urmeazé a fi invélate prin metode diferite sé fie echilibrate, adicé alcétuite
Test”. K , 7 .. _ . din elevi de calitaitefiimilaré. De exemplu, ele pet’fi egalizate printr—un test
a douanmeeamnjqqanewperechi
tehnici care privesc diferenla dintre medule
-
. initial de cunoetinge. Subiectii care au obtjnut primele doué locuri vor fi

vorbim testul t pentru
(corelate,,Hdependenle); in asemenea situatii _de distribuitj in grupe diferite ei se va realiza, ulterior, o corespondengé intre
respectlv testul
eeantioéne perechi, Aprescurtat t dependent! z. pentru rezultatele lor. AlgoritmiJI /de lucru se v'a péstra, péné la finalizarea
t dependent fl oblinut
veeantloane perechi, ori 2 dependent; in SPSS, poete distribuirii in grupele de lucru nou formate a subiec’gilor testatj prealabil.
_
pe calea ,,Analyze”-,,Comp’are Means”-,,Paired§amplesTTest’
perechi? Se observé cé eeantioanele perechi vor avea intotdeauna Vunbinumér de

Ce sunt eeantioanele independente §i eeantioanele subiect‘iegal, pe cénd eeantioanele independente au 0 libertate mai mare, cele
doué grupe comparate puténd avee\_sau nu un numéregal de ELIB’i'eCtii
in ce priveete diferentjerea dintre testele t .5i 2 independente ei ‘
laté céteva exemple ilustrative de studii care necesité apllcarea testelor t:
comparate. Astfel apar doua
dependente, ea se face in functie de na‘tura grupelor
situatii:
71
70
IIIIIIiIIIIIIItIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII:IIIIII‘
. .;;, - . —| Dincolo de aceste dife‘renIe, testeie de comparaIie sunt similare, , ceI puIin
Testul t pentru doua e§antioane independente 1'.
din perspective interpretarii datelor. De aceea, vom prezenta doar doua exemple
Ia deprinderea cititului decat cazIII unui test I independent, respectiv aI unui test t dependent. De altfeI, orioe
Un cercetator crede ca strategiile sintetice conduc mai repede
clase paralele de elevi aflati In
strategiiie analitice. Pentru a testa ipoteza el seiecteaza doua studiu care implica stabilirea diferenIeIor dintre doua medii necesita réspunsuri
Primul grup a fost invatat sa citeasca analitic
ciasa I, flecare dintre eIe avénd cats 20 de elevi. Clare Ia urmatoareie intrebari:
al doilea grup a InyaIatsa;
(Incepand cu iitereie, trecénd apoi la cuvinte), In timp ce
cuvintelor cu imagini, pentru a deprinde- ulterior citeaslca
Iitere e)
sintetic (pornind de la asocierea Cum identificarn o situatie de comparare intre doua grupe?
de citire contra cronometru, qinandu7 'se un 1)
Variabila dependenta a constat Intr-o proba
indicator pe baza formulei: numarul de cuvinte citite intr-un minut / numarul de erori. 2) Ce fel de grupe sunt comparate?
3,) Ce feI de date au fost coiectate?
Testul t doua esantioane perechi— cazul masuratorildr repetate 4) CondiIiile aplicarii tehnicii respective sunt indepiinite?
pentru
de relaxare ‘a prahreducenI 5) Ce fel de ipoteza trebuie testaté?
Obiectivul cercetarii este de a stIIdia influenIa metodeior 6) cat de intensé este diferenIa dintre grupe sau dintre categoriile de réspunsuri?
tale este
5 conduitelor agresive Ia adolescenti. O grupa de 15 subiecII cu tuibura'ri Vcornport ‘ rne
ce- priveste nivelul agreSIVI at
testata initial (pre--test) In ceea
program de relaXar
persoriaiitaIe Dupa testare, cei 15 urmeaza un Probiema A ,
Dupa o perioada \
de reiaxare saptamanale, fiecare durand o. ora Un student, cu urI bogat spirit de observaIie, a remarcat cé oamenii tind sa se
a_gre'siv
retestati (pesttest) pentru a observa daca nivelul [or de - imparté in doua categorii: cei care séreazé mancarea inainte de a o gusta, din obisnuinIé,
tehnieiior de reIaXare invétate. respectiv cei care mai intai gusta si apoi isi sareazé méncarea in funcIie de gust. Pe baza
doua esantioane perechi.— cazul perechil acestei categorii create ad-hoc, dorim sé studiem daca existé diferenIe'intre cele doua
Testul t
pentru grupe de 0ameni in ce priveste nivelul ior de impuIsivitate; Aceasta traséturé de
personalitate a fost mésurata printr-o scaié specificé pe un numér de 63 de persoane, dintre
care 27 intrau in prima categorie, a ceior care séreazé mancarea inainte de a o gusta, iar 36
famIIII,IIOr ale, ,
erau persoane din a doua categorie. Datele oinute pot fi consuitate in baza de date ,,I‘
Ice magma agresivitatea este inyaIata social cu alt'enu
‘ r d cel independentsaV’. (o cercetare pe o temé similara a fost efectuaté in realitate de McGee 5i
semnIfcatIve in manifestarile agresive ategerne'nil
Snyder, fiind descrisa in Kerlinger si Lee, 2000).
Probiema B
Un student din anuI III este interesat sé stabileascé daca anul | Psihologie este mai
dificil decét anuI al II—Iea, din perspective rezultatelor scolare. Pentru aceasta, el selecteaza
la intémplare un grup de 28 de coiegi, cérora le calculeaza media generalé oinuté de
baza- ateIor o nut are Ioc distribuirea eieVIIor In :_ acestia in primii doi ani, anticipand cé subiecIii selectaIi vor avea rezuItate mai mari in anul ii
rezu reIaIiei dintré variabileie
acestora
asupra decat in anul I. Dateie oinute pot fi gésite in baza de date ,,tdependent.saI/’.
(1) Cum identificém o situatie de comparare intre doua

grupe?'
wnmm‘91
In prima probiema, variabila de grupare are doua categorii: mane care sareaza
mancarea inainte de a o gusta si persoane care séreaza méncarea dupa ce au
gustat-o, dupa preferinIa. Dace variabiia ar fi incius o categorie suplimentara, cea a
persoanelor care nu séreaza deioc manc'area,‘ am fi avut trei categorii VI, deci nu
amflfi apiicat testele t sau z. In problema B, avem tot doua grupe, prima fiind
constituité din rezultatele studenIilor cénd erau in anul I, iar 'cea de—a doua, din
'
1250);. o'btirIandu's'e 'un sc'orrné‘ditI de76. La una din cla rezultatele studenIiIor oinute in anul II.
sa oinut un Scor m'ediu de 80 si 0 abatere standard de ..
take
Ileasaun niveI mediu d_e empatie mai ridicat decat media puiaIieI.de
73
72
I I ‘I I III I I I I I I III I I I I I I III II I I III III IIIIIIIIIIIII I I I III I I I I I ‘ I I I I I I II III I I II I I ,
Aceleasi conditii se péstreazé si In' cazul testelor z. Totusi, cénduti/izam

(2) Ce feI de grupe sunt comparate? ‘ . . .
un tesgnttsauunftest z? Raspunsul este mai complicat decat pare la, prim‘a vedere.
Aici trebuie sa facem distinctia Intre situatia comparariI .medleifunul In mod formal, cele doua teste au distributii statistice diferite. Totodata, pentru a
compararll
esantion cu cea’ ‘apopulatiei (testele t si 2 pentru un esantion); situatra aplica testul z nu trebuie sa cunoastem abaterile standard ale grupelor comparate,
(tindependent); respectiy a
medillor a doua esantioane Independente lcompararn
A'Identitlcam ci’ abaterile standard ale populatiilor din care sunt extrase cele doua grupe.
mediilor a doua esantioa’ne perechi (t dependent). In problema
Aceasta conditie nu poate’fi Indeplinita p‘ractic decat foarte rar. Totusi, conform
Situatia a doua esantioane independente, deoarece este vorba de persoane dlferite teo‘remei limitelor centrale (Kerlinger si Lee, 2000), In cazul unui numar de subiecti
In cele doua grupe (ceI care folosesc sarea Inainte, respectiv cei care folosesc
nu‘eXIsta suficient de mare (ceI putIn 30 de subiecti pentru fiecare grupa) distributia
sarea dupa mancare). In plus, Intre subiectli celor~doua grupe o
B Ilustreaza rezultatelor se apropie de forma unei distributii normale z, iar estimarea abaterii
corespondenta prealabila naturala sau artificiala. In schimb, problema standard a popul'atiei pe, baza rezultatelor obtinute In cele doua grupe este destul
a acelorasl
situatia a doua esantioane perechi, fiind vorba de testarea repetata
de adecvata. De aceea, se oblsnuieste sa se aplice testele z candlexista ceI putin
subiecti.
30 desubieeti In fiec‘are grupa comparata, respectiv testetet,ndaca In cel pittin unul
dintre Ioturile comparate exista mai putinudesovde subiecti.
(3) Ce fel de date au fost colectate? . Totusi, In practical se Intalnesc des situatii diferite de ceIe postulate In
Pentru a aplica testele~t~sau z avem nevoie de COmpaiéifififiifefififilq teorema, facand neadecvata aplicarea testelor 2. In plus, In destul de multe cazuri,
masurate prin
dintre douamedii. Cum acestea au sens numai In cazul datelor
doar In cazul In QQISMD, formula de calcul dintre t si 2 nu difera. De aceea, existé tendinta dea renun-ta Ia
scaléfiajme‘tice,‘Inseamna ca testele t si 2 pot fi aplicate a utilizarea testelor 2 In ’favoarea testelor t, ultimele putand Inlocui cu succes testele
VD
(criteriul) este m’asurat prin scale de tip,intewalsauppQrtu: Dace fost
testele t s1 z 2. De altfel, uneIe programe statistice, precum SPSS—ul, au renuntat la a prezenta
masurat prin scale nominale sau ordinale trebuie aplicate alte tehaCI,
testele t sl 2 testele z, diferentele dintre doua medii putand fi testate pe baza testelor t.
nefiind adecvate. Pe Ianga aceste cerinte Vizand VD, reamintImAca pot Chiar daca vom aplica testele z utilizand criteriul clasic al grupelor formate
fi aplicate doar pentru a testa diferentele dintre $2,591,,“ d”. In compararn
cazul "din peste 30 de persoane, se observa ca ambele exemple necesita aplicarea
probleme:
simultane a mai multonmedii se apllca tehnicil.e_AI}_IQ.,A. In cele doua
t sau z, eXista testelor t, deoarece In problema A, una dintre grupe avea mai putIn de 30 de
exemplu se constata ca datele permit aplicarea testelor deoarece
numeric subiecti (grupul celor 27 de subiecti care sareaza mancarea Inainte de a o gusta),
doar doua grupe In fiecare problema, iar rezultatele VD sunt expvnmate
Iar problema B avea In ambele grupe Gate 28 de rezultate. Testele z ar fi avut Insa
(punctajul Ia testul de impulsivitate, respectiv media generala anuala). avantajul unor valori standard pentru a decide daca doua medii difera semnificativ.
Astfel, pentru a sprijini ipoteza ca doua medii difera Ia un niveI semnificativ statistic,
(4) Conditiile aplicarii tehnicii respective sunt Indepllininte? . _
IndepIInIte uneIe ar trebui ca valoarea‘ calculate“: 2 ea fie mai mare sau egalé cu:
Pentru a putea aplica In mod corect testul ales trebu1e
2 este ca
conditiimstatistice. O conditle valabila pentru toate testele t si Aaceea z = 1,96 pentru p < .05 sau z = 2,58 pentru p < .01 In cazul testelor bidirectionale;
cazul in ,care se
distrioutia variafligjleigmependentellasrezultatelor) 53.fl§.,fl9.fm§'é~ In
constata devie’ri drave de la normalitatea distributiei, datele pot .11”transtorrnatev, z = 1,65 pentru p < .05 sau Z = 2,33 pentru p < .01 In cazul testelor unidirectionale.
dupé Indicatiile prezentate In finalul capitolului de statistica descriptiva. IDa‘cfla ‘
testelor t si 2, In
, aceste transformari ,nu rezolva problema, se renunta Ia aplicarea (5) Ce feI de ipoteza tLeDuIetestaté?
favoarea unor tehnici non-parametrice. V Inainte de rezolvarea unei problems trebuie sa stabilim tipul ipotezei de
In cazul testului t‘i'nd‘ependent existé o conditie ,suplimentara, aceeaea cercetare: unidirectionalajunjlaterala) sau bidirectionala.(bilaterala). In problema A
cele doua grupe sé aiba'Fdi‘spersieflomogenat (dispersii relatiyvegale). Conditia avem o Ipoteza bilaterala, deoareCe sintagma utilizata ,,exista diferente Intre cele
este} analogéfilideiiwde .homoscewdaastigitate din cazui corelatiilor sl alvregresnlovr. doua grupe In ceea'ce priveste nIveIul de impulsivitate” nu arata directia diferentei.
twajustata,
Totusl, daea aceasta conditie este Incalcata, se poate calcula o varianta In schimb, probIema B Implica o ipoteza unilaterala: ,,rezultatele obtinute de
acareiformulé
I
este similarétestelgr,;._ , ‘ _ .. V . studenti In anuI IIvor fi mai mari decat cele obtinute de ei In anul I". Formularile
sa fie unidirectionale sunt mai preCise, precum ,,A este maiymicdecat B” sau ,,A este mai
In cazul testului t dependent nu e nevoie ca cele doua dispersll
normale
omogene, Insé exista o alta conditie suplimentara, aceea a unei distnbutu mare gecattB", fiind specificata directia de evolutie a diferentelor, Acest Iucru nu se
toate
a difergnteiuscorurilor“dintrenpre—test si post-test. Ambele exemple respec’ta Intampla In cazul unei ipoteze bilaterale de tipul ,,A estegiferitde B”.
I
condItIiIe de aplicare a testelor t."""“’ Pe baza raspunsurilor Ia aceste Intrebari, putem concluziona ca este
nevoie de un test t pentru esantioane independents In cazul problemei A, respectiv
75
74
,23115,,
Ce inseamna un t(61)= 2,26, p < 05? Rezultatul este semnificativ statistic,

de un test‘t pentru esantioane perechi in cazul problemei B. Vom aborda pe rand
ceea ce duce Ia respingerea ipotezei nule care stipula ca cele doua populatii nu
cele doua probleme.
difera in privinta nivelul de impulsivitatev Prin urmare, ipoteza cercetarii este
Tabelul 3.5. Mediile si abaterile standard privind nivelul de impulsivitate. din cele douévgrupe sprijinita, intre cele doua categorii de persoane existanddiferenIe ale nivelului de
impulsivitate; Pentru a vedea directia. diferengelor este‘suficient sa consultam
Séreaza inainte de a gusta Séreaza dupa a gustat valorile mediilor prezentate in tabelul 3. 5 Astfel, vom constata cé’persoanele care
ce
- mancarea mancarea obisnuiesc sa sareze mancarea inainte de a o gusta sunt mai impulsive decat cele
M - As 5 M As care sareaza mancarea dupa ce au gustat din ea.
Nivel de lmpulsivitate 14,81 1,78 13,64 2'22 Cele 61 de grade de libertate ale testului t independent din exemplul de
mai sus pot fi calculate si manual pe baza formulei (df= n1 + n2- 2). Reamintim ca
Distanta de 1,17 puncte dintre medii este suticient de mare pentru a sprijini cele doua grupe au fost constitUite din 36, respeEEiV"27 depersoane, fapt oe a
ipoteza existentei unei diferente In nivelul de impulsivitate Intre persoanele care condus la cele 61 de grade de libertate ale testului.
sareaza mancarea inainte de a gusta si cele care folosesc sarea dupa ce au gustat
mancarea? Constiiuie prima situatle un semn de impulsivitate? Pentru a raspunde (6) Cat de intensé este diferenIa dintre grupe sau dintre categoriile de
'
la aceste intrebari va trebui sa respingem ipoteza nula care neaga existenta unor raspunsuri?
diferente intre cele doua populatii de subiecti, iar pentru aceasta vom aplica testul t Mai ramane sa raspundem la 0 singura intrebare: cat de mare este
pentru esantioane Independente aceasta difeIenta Intre populatii in ceea ce priveste nivelul de impulsivitate? Pentru
aceasta va trebui sarcalculam marimea efectului.
Spre deosebire de tehnicile )6 care sufereau la acest capitol, exista o
Testul Levene de ..
e aliiate a disgersiilor
'
Testul I de egalitate a mediilor multitudine de indicatori ai marimii efectului bazati pe stabilirea unor diferente
'
F Sig. t dl Sig. (2-ialled standardizate medii. cei mai amintim dal
Nivel de lmpulsivitate Dispersie omogena 2,164 .146 2,262 61 ,027 intre- Dintre. cunoscuti de indicele lui
2,335 60,702 ,023
Dispersie eterogena
gasite in Cohen (1988) sau Rosenthal, Rosnow si Rubin (2000a). Totusi, pentru a
Figura 3.8. Informag‘iile esenIiaIe din output—u! oferit de SPSS nu suprasolicita cititorii cu explicarea unor noi indicatori, vom apela tot la
in cazul testului t pentru esantioane independente coeficientul de determinare r2 si la corespondentul acestuia, coeficientul de
SPSS este o marca inregistrata. corelatie al marimii efectulw r',‘ desi nu ne aflam in situatia unor anaiize
corelationale. Formula de calcul a acestora este extrem de simpla:
Pentru a respinge ipoteza nula trebuie sa aratam ca diferentele sunt
suficient de clare incat sansele ca ele sa apara din intamplare sa fie mai de 2
mici, Ir = g (3.3)
2
t +df
stabilind grupele de comparat prin actionarea butonulw ,,Grouping Vanable vom
1' muM‘zen“,n “I":
.
obtine rezultatele din SPSS, prezentateIn figura 3. 8.

Pentru a afla valoarea lui I2 vom utIlIza aceeasi formula, dar faIa Iadical.
Se observa ca SPSS ul ofera doua valori ale testului t, pentru fiecare
Prin urmare marimea efectului se poate calcula simplu, pe baza valorii lui t si a
situatie posibila: in cazul respectarii conditiei de omogenitate a dispersiei celor
gradelor de libertate ale testului respectiv. lnlocuind in formula (t-— 2.26, iar df~—
doua grupe ‘ t(61) = 2. 26 p < .05 test bilateral iar In cazul incalcarii conditiei 61), vom obtine un I de .19, respectiv un r2 de .035 (3.5%). Aceasta valoare indica
amintite, o varianta ajustata a lui t (60, 70)= 2. 33, p < .05, test bilateral Pentru a
o dlferenté de magnitudine scézuta intre cele ' doua grupe cu privire Ia nivelul de
decide care dintre valori este adecvata cazului de fata vom consulta valoarea
cele
lmpulslvitate.
lui Levene. Un F semnificativ faptul
testului Iliugl statistic indica ca. doua Pentru a veni in sprijinul cititorilor familiarizati cu indlcli d al lui Cohen,
respectiv 9 al lui Hedges, precum si pentru a facilita realizarea de meta—analize
asemenea condItII se Citeste cel de- al doilea t. Pentru problema data testul Levene
unitare, vom prezenta formulele de transformare a lui r in d, respectiv in g si
nu este semnificativ statistic F: 2,16, > 1.0, prin urmare ne vom putea IncredeIn
p viceversa (Becker, 2003; Rosenthal, Rosnow si Rubin, 2000a; Rosenthal, Rosnow
prima valoare a lui t.
si Rubin, 2000b):
76 77
ll: il li llllllllll l l l l l l —I.! i 2 ,
deoarece media generala din anul l era mai mica decat media generala a anului ll.
g 4* (3-5) _ Daca am fi inversat termenii operatiei am 1i obtinut un rezultat pozitiv. in
l
*4 | (3.5) T=——7-—“’
«J 1 - r2 -d‘+4f consecinta, spre deosebire de corelatii, in cazul testelor t §' g; ,.CQUt¢§.Z..5 semnul
df (711 + 712). acestora, ci doar rezultatul ca valoare.absolutagfiinw’afiQ de Etta-1,80. O alta
fl.-mmw g:
-.,
111112 deosebire fata de tabel privegte tipul de ipoteza testata. Din pacate, SPSS—ul ofera
doar valoarea pragului de semnificatie pen’tru testele bidirectionale. Daca ipoteza
._ d (df
d=g N (3.8 ) g
_._
N
(3.9) cercetarii este unidirectionala, precum in cazul problemei B, va trebui sa calculam
df manual pragul de semnificatie pentru testul unilateral. Valoarea acestuia este Ia
jumatate din cea a pragului unui test bidirectional. in cazul de feta, vom obtine
pentru testul unilateral un ppdea.0441...-(.-.-082-—-FA24).«. Cu aceasta ocazie putem constata
N semnifica numarul total de
unde r, g sau d reprezinta indicatorii marirnii e1ectului, importanta formularii ipotezei de cercetare. in cazul unui test bilateral ("existav
tru fiecare din cele' doua grupe
subiecti testati, M 51 n2 numarul de subiectlpen ca formulele se
diferente semnificative intre mediile ecolare din cei doi ani de studiu”), testul t nu ar
remarcat
comparate, iar df reprezinta gradele de libertate. De de fi fost semnificativ statistic, deoarece pragul obtinut de .08 era mai mare decat
Pastreaza ei in cazul testelor ANOVA, cu! precizarea ca va fi vorba de gradele
> pragul maxim admis de .05.
libertate ale dispersiei neexplicate (df intragrup). Prin urmare, datele nu ar 11 sprijinit ideea unei diferente in dificultate intre
cei doi ani universitari. 1n schimb, in cazul unui test unidirectional (,,media generala
laté $1 demersul statistic in cazul problemei B: din anul l va fi mai mica decat media generala din anul ll”), testul t a devenit
semnificativ statistic, deoarece un p de .04 este mai mic decat limita maxima de
anuale pentru cele doua grupe
Tabelul 3.6. Mediile ei abaterile standard ale mediilor ecolare .05. Pa baza acestui rezultat §i analizand mediile din cele doua testari, vom putea
Anul ll de studii afirma ca anul I de studiu este mai dificil decat anul al ll-lea. Tinand cont ca ipoteza
Anul I de studii
M AS problemei B este unidirectionala, a doua interpretare ramane in picicare. Astfel,
M AS
822 0,94 datele sustin intuitia studentului, rezultatele ecolare‘ din primul an de studiu fiind
Media generala 8,14 1,00
mai slabe decat cele obtinute'in anul al ll-Iea.
sutimi, suficient de mare Gradele de libertate in cazul testului t dependent se obtin pe baza formulei
Este aceasta diferenta dintre medii, d e doar opt
mai ueor decat anul I? Pentru a (3,. uncle N reprezinta numarul de perechi de date. in cazul de fata, au fost 28 de
pentru a Sprijini ideea studentului ca anul II as te perechi (subiecti intr-o grupa), prin urmare sunt 27 de grade de Iibertate.
egantioane perechi.
réSPUnde la intrebare vom aplica testul t pentru doua Ramane valabila intrebarea: cat de mare este diferenta dintre cele doua
medii? Aplicand aceleaei formule prezentate in cazul testului independent vom
obtine. un r2 de 6,25%, corespunzator unui r de .25. Valoarea indica un efect de
' . . intensitate medie, existand diferente destul de censistente intre reiultatele ecolare
D’ferenta _
dinltre medii t , df Sig. (2-tailed) obtinute in cei doi ani. Anul l este mai dificil decat anul al ll—lea. Pentru comparatie.
Media generala in anul | - ,082 un efect scazut corespunde expresiei ,,putin mai dificil”, iar un efect puternic,
Pair
—,0814 71,803
27 fi ‘
1 Media generala in anul ll ‘ sintagmei ,,mult mai dificil”.
ul oferit de SPSS’ Clarificari ale modului de constituire a celor doua grupe comparate
Figura 3.9. Infofmatiile esentiale din output- prin testul t sau z
ane perechi
7n cazul testului t pentru e§antio
SPSS este o marca inregistrata.
Adesea se face confuzia~cavtestelemteauz mascara influenta Vl asupra
p<
Rezultatul respectiv poate ii transcris in text sub forma t(27) = 1.80, VD. Acest lucru nu este intotdeauna adevarat. Pentru a intalni acest aspect este
datele prezentate in tabel nevoie, cel putin, ca ‘treptele VI sa .tig...manipulate Gaffe . cercetator. NU
.05, test unilateral. Se pot observa unele diferente intre * intotdeauna se intampla a§a. De multe ori criteriilemcraflre‘d9stau'la baza constituirii
figura 3.9. tare semnul minus (-1.80).
ei forma uzuala de scriere a lui t. Astfel, in
al lui t, diferenta dintre , celor dougmgrupenu pot fi manipulate de experimentator, ca in situatia variabilelor
Aceasta situatie se explica prin faptul ca in‘fcrmula de calcul 'etighg’ta. Exemple tipice ale acestora sunt sexul pereoanei (exista diferente intre
restul este negati‘v,
cele doua medli se gaseete la numerator. In cazu l respectiv,
79
78
. I I III III ll-mji 1 g ,
Deei testele t §i z sau tehnicile x2 sunt cele mai utiiizate metode de compare a
intre tInerI §I varstnici) etc.
barbati ei femei) grupa de varsta (exista diferente diferentei dintre doua grupe, eie nu epuizeaza toate posibilitatile intélnite. Figure
a aea—-zisei varia:iaiIe
muit, uneori criteriul de.grupare poate fi 0 consecinta 3.10 prezinté un ghid simplificat de aiegere a testeior de comparatie Introductive,
dupa gustarea mancarii
dependente. Obiceiul de a sara mancarea Tnainte sau ita I dar ei a ceior de asociere.’ Ghidul iei pastreaza vaiiditatea in cazui respectarii
a acesteia. Aceste subtiI‘Dar:
a fI mai degraba un efect ai Impuisivitatii ei nu o cauza conditiilor de aplicare a fiecarei tehnici statistice in parte (detalii despre toate
precum Identificarea corecta a
joaca un roi important In interpretarea rezuitatelor aceste- tehnici sau altele care Ie pot substitui pot fi gasite, in Clocotici §I Stan
reiatiiior de tip cauza--efect. (2000). Field (2000), Hinkie eicolab. (1994), Lungu (2001);' Radu §I colab. (1993),
‘
Save (2002) etc).
2 .E
a) C 5 ._
z: ‘1’ ,c 'U E
It) ‘0 o E a:
r": C
a)
m
L. g
30 CD> a)
73.3. Managementui datelor brute'
0-3: 0.... <1)
’ 0: 21),: 0.... a)
0‘4: Q: perech
'3- m *o ‘” I: 1:: q, o
EU “’0
CU at: :X independente
060 _.-_c m0
3 0 /“’m
I:
o:
.5.»
m a) g 0...o
3-3....
0: Ca. g, 1:;
(:3 tum co- 2
ma) 0‘: 9).- X catego
0:
‘51-
:v
on
..: «1-6
mN
:5
cm _
cl)::I McNemar In finalul capitoi vom discuta cateva masuri care trebuie luate in
m: m5
m ma categori acestui
m d )(2
"’0 w
“N oua
“’9‘ o“
:13 a)"
E
3A
0N Testui
cazuIIn care:
-— 0’3 my
(no: 1:: In.“
3'4
‘53
3m
0..
u-
,9
«1__
m:
3m
03 “P doua
a
Testul
(1) existé datedipssé;
3% « $3
g“ :%
3_
g3) «1% 52"", (2) exista date neggienujteauegdreme;
$3 In” at- 20
gi—
a.—
o. (3) datele brute trebuie transformate pentru a indeplini conditiiie de
m’m" E‘— I
0-4), 5' m E Comparafea
EI—,
° a.
EO
Q.
EO
‘0
o apiicare ale unor teste statIstIce
O
o
,Compararea parametrice.
o“
3.3.1. Managementui datelor lipsa
sunt
Cu siguranta Ca in viata reaia, oricat de mult ne—am dori noi ca subiectii
sunt
ordInaie nomInaie testati sa completezg oate rubriciie, acest’lucru are migfig e..§.é se Intampie din
diverse motive: chestIonare'n'brea iungi, gradul de IntimItate crescut al unor
scale scale
doua oomparate comparate raspunsuri etc. In consecinta intre rezuitatele obtinute vom regasi §I spatii iIbere
parametrice prin prin
non-parametrice non-parametrice care vor constitui ,,Cariiie” bazei noastre de date. in asttei de cazuri avem Ia
dintre dispozitie mai multe strategii alternative de lucru (Tabachnick ei Fideii, 1996).
Teste
Teste Taste
Rezultatele masurate Rezultateie masurate Prime alternative, utiiizata freCVent, este de a nu tinecont de dateie lipsa §i
Wfi apIIcata In cazui in
de a elimina rezuLtatele subiectuiui respectiv Tehnica poate
m
N3 .
«593% Comparatia
care sunt putine date lipsa, Iar absenta ior este aieatorie. Daca sunt mai m i (irate
<15”:
N “a.
38*. m
E _ v iipsa se pot realiza doua grupe de subiecti: cei care au completatw
._$3 c 3 g
t. E-—-m
«In:
>“'“’ 0’0 = .030
mm '7, a: sea secv9nta data §I cei care au date lipsa. Daca exista diferente semnIficatIve intre
“”9-
"" ”E:
9m
(0’0 cu. 0,
(no E: ”mm
goE
“00 Em '0» ‘ém’
ca
8
,_ .5
# SE
Q‘LV cele douamgrupe, in cazui unor variabile Importante pentru studiu nu se recomandé
owu m 3217 ‘5! 8 C $80 «1:5
0.“!
~ 3
0
:0 0"
=- E a)”
=,:
«':5
Ema
gm: etergerea cazuriior.cu date lipsa deoarece se pierd Informatii Importante.
£0; o 35>
.0 “a” '85 ’6 %” EEL‘ «:50 In aceste conditii cercetatorul va trebui sa estimeze valoarea datelor iipsa
’ 4’ ‘gha J: IE «we
3313i;
“it “it =(52—:
a.- ,g
‘6
we
$8:
am
:5
3:2
5'5
”Um
E;
>5
g
g»
ms
,30- 3> ‘c 3%.
ham
§I sa ie Introduca.In baza de date. Pentru aceasta o mésura poate.fi.,.in_ig§uirea
«1': 0"
a
0m
C1...
.0"
Dfix
m
>
3 own
0 15 spatiilor goalggu una dintre valoriie tendintei centraie (media, mediana sau modui),
on: h In
O
33> aiegerea fiind facuta in functie de tipul de date §I de forma distributiei acestora
a: Totuei, aea cum vom vedeaIn sectiunea introductiva a capitoluiui destinat
<
regresiei, media nu reprezinta cea mai buna modalitate de estimare a unei valori
“a
I“! Datele lipsa pot fi estimate mai bine printr-o ecuatie de regresie. Variabila care
Include dateie lipsa este utilizata drept criteriu, in timp ce variabileie care se
de bazé
Figura 3.10. Ghid de alegere a testelor statistics inferentia/e
81
80
l l ‘ ‘l l l l ‘ llll ll ,‘i‘ llllllllJlllll‘lllllllllllllll_ii if . w it ill il l l llll l l i i l I ll l ‘l l l l l l l l l ill
astfel Tncat conditiile de aplicare ale unor teste statistice 5a fie Tndeplinite. Acestea
asociaza foarte ,mult cu criteriul, vor fi luate drept predictori. Totuei, estimarea
sunt discutate pe parcursul Tntregii lucrarl, la momentul prezentaril fiecérei tehnici
datelor lipsé pe baza regresiel are ei ea anumite limite: valorile prezise pot depaei
statistice Tn parte. Deocamdata vom preciza doar ca cele mai Tntalnite conditii sunt
_ amplitudinea unei variabile (ex. raspunsurile 5e regasesc Tntre 1 ei 5, iar valoarea
351 relationeze normalitatea distributiei, respectiv liniaritatea §i homoscedasticitatea relatiei
EStlmaté BSte 6); pentru aplicarea ei avem nevOie de variabile care ” I dintre
. - doua variabile. ,
puternic cu variabila criteriu. _
Relatijle...nelin_iare pot ti tratate Tntr-unul din urmatoarele modurl. Prima
solutle posibila duce la gruparea valorilor variabilei XTn trei‘categorii (mici, medii §l
3.3.2. Managementul datelor neobi§nuite mari). 0 data grupate, se pot aplica, fie tehnici de comoaratie a diferentelor dintre
cele ‘trei grupe, fie tehniCi de asociere Tntre variabila Y §i fiecare variabila de tip
Am 0 veste buna pentru dumneavoastra: Tn medie, grupul de prieten‘i .pe dummW‘reiultaté Tn urmalgruparii valorilor X. Detalii ci‘éé‘fiie' aceste tehnici vor fi
-
care-l aveti ca§tiga, lunar, aproximativ 6000 de USD Tnsé cu o singura conditie
oterite Tn cazul capitolelor referitoare la tehnicile ANOVA, respectiv Tn sectiunea
sa va Tmprieteniti cu un miliardar Tn dolari. Astfel, cele cateva milioane de lel pe ‘
despre variabilefig'ufimmy din cadrul regresiei multiliniare. Cea de-a doua solutie
mu
care le caetigati dumneavoastra ei ceilalti prieteni ,,obi§nuiti”, adunati cu sute de
— 6000
implica ridicarea la patrat a valorilor-~X,‘.-obtinand astfel variabila XE, care apoi va fi
de dolari caetigati de miliardar, vor da 0 medie care nu reprezinta pe nlmenr
corelata cu variabilaj.u_Uneori,vprin aceasta masura, relatia dintre Variabile devine
de USD. Tn cazuldatelor bivariat‘e, efectul distorsionant al datelo‘rmext'r‘ewnlg a fost
liniara, Tnsa acest lucru trebuie verificat prin inspectarea norului de puncte.
amintit Tn sectiunea destinata norului de puncte, cand am prezentat efectul lor
V ln cazul unor date numerice, homoscedasticitatea presupune ca
asupra valorii coeficientului de corelatie. _ V impraetierea punctelor sa-fie aproximativ aceeagi pe toaté distributiaunorului cle
Sursa valorilor neobienuite poate consta Tn introducerea incorectaaunor puncte (finalul sectiunii 132),???c cazul datelor.,..nominale, implica ideea ca
date Tn calculator (de exemplu tastarea valorii 77, Tn locul lui 7) sau Tn includerea
variabila dependenté saga,” la,..fel,.deimpréetiaté.pe parcursul fiecarei categorii
unui caz care nu fag? parte din..populatia de studiu, cum, din nefericire, este (omogenitatea dispersiei). Un exemplu deneTndeplinire a acestei conditii Tn cazul
situatia miliardarului Tn Vdolari. O alté cauza este existenta unui numar mat-mare de
datelor nominale se regaseate Tn valorile de mai jos, deoarece datele sunt mult mai
valori extreme decat‘cele aeteptate Tntr—o divetriputie normala. Vé reamintltl probabil,
standard
impraetiate Tn cazul bérbatilor decat Tn cazul femeilor:
. ca 99% din datele distribuite normal au valori cuprinse Tntre trei abateri lnéltime barbati = {1,75; 1,80; 1,86; 1,67; 1,62; 1,70}
distanté, de 0 parte §i de alta a mediei. Astfel, daca media unei variablle este 10,
lnéltime'femei _= {1,66; 1,68; 1,70; 1,65; 1,63; 1,71}
iar abaterea standard 1, ne aeteptam ca 99% dintre perso‘ane ea obtina'rezultate
in multe cazuri, heterofisgedflafiicitatea apare ca urmare a faptului ca una
cuprinse Tntre 7 gt 13. Daca 7% din date se regésesc Tn afara acestui interval, dintre variabile nu este...distribuitéinormal-.W'Tabachnick §i Fidell (1996) ofera o
precum Tn cazul unei distributii platicu'rtice, vom avea mai multe valori extreme.
excelenta ilustrare pentru a sustine acest lucru, dand drept exemplu relatia dintre
in functie de sursa datelor extreme, se impun 5i masurile corective. Asttel, venit §i varsta. La varste tinere, diferenta dintre venituri nu este atat de mare, Tnsa
daca datele au fost introduse incorect, se poate face 0 verlficare prin precizarea
0 data cu Tnaintarea Tn vérsta, distantele dintre oameni, Tn ceea ce priveete venitul,
valorilor minime §i maxime Tntalnite. Astfel, daca datele variaza de la _1 la 10, iar n01
cresc. Gradul de asociere dintre cele doua variabile este atenuat de prezenta
observam ca valoareammaxima este 66, cu siguranta ea este o. eroare de heteroscedasticitétii. Venitul este probabil variabila nedistribuité normal, deoarece
tehnoredactare, ce poate fi corectata. Daca acel caz \nu‘lfface parte din,pulatia
exista mult mai multe valori mici §i medii, decét salarii foarte mari. Prin urmare,
aflata Tn studiu, se elimina"‘\'/aloarea extrema prin renuntjarea la cazul respectiv. ln
relatia varsta §i venit poate fi evaluata mai corect, daca vom transforma initial
stargit, daca ne aflémflTn‘Ei‘tua‘tia cu mai multe valori extreme decat sunt aeteptate
valorile venitului, prin logaritmare. Vom lamuri imediat ce Tnseamné acest lucru.
Tntr—o distributie normala, existé doua solutii. Fie se realizeaza doua categorii de
in starglt, normalitatea: distributiei datelor este esentialé Tn obtlnerea unor
rezultate, prin includgea sau excluderea valoril’orq‘neolgienuite, pentru a studla
rezultate acurate pentru majoritatea tehnicile statistice, deoarece Tn realizarea lor
efectul acestora asuorawindicatorilor statistici calculati, fie} se va recurge la s-a pornit de la premisa unei distributii normale. Cand acest lucru nu se Tntémpla,
transformarea datelor brute. Ultima solutie este utila ei Tn cazul in care conditnle de
avem la dispozltie doua solutii: fie renuntam la aplicarea metodelor respective Tn
aplicare a un‘o‘r’teste statistice parametrice nu suntTndeplinite.
favoarea unor tehnici nonrparametrice, fie vom ‘transforma datele pentru a
normalize, pe cat posiistributia datelor.
3.3.3. Transformarea datelor brute Pentru a Tntelege ideea de transformare a datelor, Va punem urmétoarea
Tntrebare: foloslnd acelaai set de date, cum transformati o distributie nQSaormalé
Vom preciza de la Tnceput ca gt] este vorba de 0 transformare-z-adatelor
brute Tn date standardizate de tipul QQIQJQFT sau 2, cl de 0 re alare a valorilor,
83
82
:I ill illlllllll‘ lllllilllIEII—I l I i E
exprimat in euro are 0 distributie asimetrica pozitiv’ care necesita logaritmare,

inlr-una normala? Altfei spus, cum puteti obtjne imaginea din dreapta figuril 3.11,
' vaiorile transformate reprezentand venitul vor avea ca unitate de masura ,,euro
pornlnd de la imaginea din stanga?
Iogaritmati". in psihologie insa, multe rezultate de genul scorul 17 la un test de
agresivitate, rezultatul 9 la 0 probe de sugestibilitate, nu au 0 unitate de masura
Clara, asa ca nu vom pierde nici macar atat prin transform'area dateior.
Radacina pétraté _
Radéciné patrata din numfirul
reflectat
Figure 3.11. Distributie non-normalé, platicurticé (sténga),

respectiv o distributie nonnalé (dreapta)
Asimetrie pozitivé moderate“: Asimetrie negativé moderate
Este greu? lata un alt indiciu! sa presupunem cé imaginea din stanga 95m
realizaté pe baza urmatoarelor rezultate X = {2; 4; 7; 9; 12? 14? 16; 19; 22; 25,}’ Logaritm natural Logaritm
natural din
astfel ca valoarea minima este 2, iar cea maxima 25. ln schimb, imaginea d‘.“ numarul
reflectat
dreapta, are valori mult mai apropiate X ={1,41; 2; 2,54; 3; 3:46; 374; 4'35; 4’69;
5}, minimum fiind 1,41, iar maximum 5. Spiritul de observatie §i abii’ita’gile numerice
v—au condus cu siguranta la raspunsul coreot. Dateie initiale au fost transformate
prin utilizarea-.radicaluiui. Astfel, o distributie ,,impré$@fL..99.?iE fimadunafé" pr'”.
transformarea vgélggrjlormobservate,
I incat noile valori 5a aibé o“'a'njplit_udine,mal Asimetrie pozitivé severé Asimetrie negalivé severé
redusa. .
Nu toate distributiile non—normale suferé de aceeaSgi problemé. a ”(‘9' lnvarsul numirului re flectat
distributii platicurtice. Unele sunt putemic asimetrice pozitiv, allele sunt asimetrviof‘: Inversul numarului (1/ X)
negativ, iar in oazurile grave pot aparea atat devieri ale boltirii, cat si ale Obll‘iltal'h
Pentru fiecare sltuatje in parte existé transforméri specifice. Figura 3.12 ofera mai
multe intormatii utile. ..
Transformérile necesare sunt dependente de severitatea incaicaru
-
premisei dé normalitate a distributiei. in cazul distribut,iiig,;.asimetric_e. pozitiv Puterj1

Asimelrie pozitivé extremé Asimetrie negative”: extrema
scoate putem logaritma..sau put’em obtine invergulvalorn.
radicalwdlualQtilembfiuta
De exempiu, in cazul unei Ldistribut‘ii asimetrice pozitiv, care a deviat sever falé de
curba normala, datele pot fi transformate prin logariLmare. Aceleasi opera’gll POt f'
Figura 3.12. Distributii non—normale si solutiile corespunzatoare
efectuate si in cazul asimetriilor negative, cu conditia ca transformarea sa aiba loo

utilizand datele reflectate. Reflectarea datelor se poate intelege U§0r Pill! Ufmétoru'
exemplu. Fie sirul de date: X = {3, 7, 9, 12, 14, 17}- Pentru a reflgflavalorlld, vom
BIBLIOGRAFIE
adauga mai intai cifra 1 la valoarea maximé din sir. Din valoarea rezultate, Th caZUl
nostru 18, vom 'scédea fiecare valoare din sir, obtinénd X = {15. 11» 9- 6» 4' 1}"
Bineint'eles ca acestea nu sunt singurele transformari posibile. Datele pot
APA (2001). Publication manual of the American Psychological Association (5th ed).
suferi diverse alte operatii, precum ridicarea la patrat, ridicarea Ia cub etc, insa-
Washington, DC: American Psychological Association.
de la
SOlUlllle PFOPuse mai sus dau cele mai bune ré‘z‘filta’te in cazul unor deviatii
Becker, L. (2003). Effects/2e. Gésit la: http://www.uccs.edu/~lbecker/psySQO/es.htm.
Brewer, MB. (2000). Research design and issues of validity. in H.T. Reis si QM. Judd
normalitate, asemenea ceior prezentate in figura 3.12.
distributiei, datele (eds). Handbook of Research Methods in Social and Personality Psychology (p. 3-16)..
DUPa transformare, in‘ cazul normalizérii aproximative a
au drept
POt fl utilizate, féré nici o problema, in orice fei de tehnici statistice, care
Cambridge: Cambridge University Pressf
prin
PTEmiSé distributia hormaia a datelor. Singululgaspect care sempierde.
transiormare este unitatea de masura a variabilei transformate. Astfel, daca venitul
85
84
IIIIIIIIIIIIIIIIIIWIII
Cialdini, RB, Borden, R.J., Thorne,‘A., Walker, M.FI., Freeman, 8., Sloan, LR. (1999).
Basking in reflected glory: three (football) field studies. In RF. Baumeister (ed.). The
Self in Social Psychology (p.436-445). Ann Arbor: Taylor & Francis. CAPITOLUL 4
Clocotici, V., Stan, A. (2000). Statistica aplicata in psihologie. lasi: EdItura PoIIrom.
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). HIIlsdaIe, TEHNICILE ANOVA
USA: Erlbaum.
.
Paul, F., & Erdfeider, E. (1992). GPOWEH: A prion; post hoc, and compromIse power
analyses for MS-DOS [Computer program], Bonn, Germany: Bonn University, Dept. of Cénd dorim sa comparam mai mult demggruaggrupe de subiecti nu
vom mai
Psychology. folosi testul t, Ci vom apela Ia tehnicile ANOVA ANOVA este
. . un acronim de la
Field, A. (2000). Discovering statistic using SPSS for Windows. London: Sage PubIIcatIons, denumirea In engleza ,,A__na|ysis of )/_ariance". In Iimba
romana tehnica este
Hinkle, D.E., Wiersma, W., & Jurs, S.G. (1994). Applied statistics for the'behavioral scIences cunoscuta si sub denumirea de analIza dispersionaia sau analiza
.de varianta.
(3rd ed.). Boston: Houghton Mifflin Company. , Inai de a aprofunda descrierea si explicarea tehnicii ANOVA, voi prezenta
Kerlinger, F.N, & Lee, HE. (2000). Foundations of behavioral research (4th ed.). Orlando, v ,e pentru care preferam utIIIzarea A_N__QVAIn locul testului t.
' W
USA: Harcourt College Publishersi (1) Prime ratiune a preterintei pentru ANOVA tine de 7d
. —u/ cercetarii. ,_
Leary, M.R., Tehividjian, L.R., & Kraxberger, BE. (1999). be Testul t se Iimiteaza Ia compararea diferentelor dintre douéngrupe
Self-presentatlon can aai‘eéIa situatii
hazardous to your health: impression management and health risk. In R.F. Baumelster in care exista doar doua trepte (modalitati) ale varia ei independents. Orice
(ed.). The Self in Social Psychology(p. 182- 194) Ann Arbor: Taylor & FranCIs. manual de metodologie recomanda insa utilizarea unui numar
cat mai mare de
Lungu, O. (2001). Ghid introductiv pentru SPSS 10.0 Seria Psihologie ExpeIimentaIa si trepte aleflvariabilei independente pentru a observa mai bine efectui pe
' care factorii
Aplicata il au asupra varia ”f dependents Pentru cei care simt nevoia unei
- . clarificari
Pedhazur, E.J., & Schmelkin, LP. (1991). Measurement, design, and ana/ySIs: an Integrated suplimentare, voi apela Ia un exempiu bazat pe Iegea Yerkes-
Dodson, care face
approach. HiIIsdaIe, NJ: Lawrence Erlbaum Associates, Publishers. referire Ia relatia dintre motivatie si performante. Se cunoaste
ca exista un optim
Radu, l., Miclea, M., Albu, M., Nemes, S., Moldovan, 0., Szamoskozi, S. (1993). motivational care Va duce Ia performante crescute. In schimb,
daca subiectii sunt
Metode/ogie psihologica“ si analiza date/or. Ciuj-Napoca: Editura Sincron. submotivati sau supramotivati vor obtine performante scazute Pornind
. . de Ia
Rosenthal, R., Rosnow, R.L., & Rubin, D.B. (2000a). Contrasts and effects SIzes In aoeste considerente, sa ne imaginam situatiaIn care am aplica
testul t pentru doua
behavioral research. A correlational approach. Cambridge: Cambridge University Press. grupe de subiecti, cei care au 0 motivatie scazuta (submotivati)
si cei care au 0
Rosenthal, R., Rosnow, R.L., & Rubin, D.B. (2000b). Contrasts and correlations in effect- motivatie foarte ridicata (supramotivati) In aceste conditii nu vom observa
diferente
size estimation. Psychological Science, 11(6), 446-453. intre cele doua grupe In ceea ce priveste nivelul Ior de performante si
. . . vom trage
Rotariu, T., Bédescu, G., Culic, I., Mezei, E., Muresan, C. (1999). Metode stat/shoe apllcate concluzia ca motivatie nu afecteaza performante. In schimb, daca vom
introduce
in stiintele sociale. lasi: Editura P'olirom. cei putin o grupa supiimentara, formata din subiecti optim motivati,
‘ ' vom observa
Sava, F. (2002). Pagina de statistics? sociala”. Gasit Ia 1m://statisticasomala.trIpod.com. diferente semnificative Intre cele trei grupe si vom trage concluzia
ca motivatia
Tabachnick, B.G., Fidell, LS. (1996). Using multivariate statistics (3rd ed.). New infiuenteaza nivelul de performante Astfel, cu cat numarul de grupede comparatie
York:
Harper Collins College Publishers. este mai mare, cu atat se diversifica treptele manipulate ale
. variabilei
Yaffee, RA. (1996). A basic guide to statistical research and discovery. In F.T.L. Leong sI independents si vom observa mai bine InfluentayvarIabIIeI independents
-
asupra
J.T. Austin (eds). The psychology research handook: a guide for graduate students and celei dependente.
research assistants (p.193-207). Thousand Oaks, USA: Sage Publications. (2) Ce! de- aI doiiea motiv pentru care test I
comparare a mai mult de doua grupe este de ordIaM
setului decomparatii.
Pentru a Intelege empiric acest concept iata cum ar sta lucrurile
pentru
situatia de mai sus, referitoare la infiuenta motivatiei asupra performantei
Utilizand
testul t de comparatii intre doua grupe vom obtine trei indicatori
t corespunzatOri
compararii grupei 1 cu grupa 2 grupei 1 cu grupa 3 si grupei
2 cu grupa 3
Utilizand ANOVA, vcm fi mult mai eficienti obtinand un singur indicator
F. Acesta
nu este Insa singurul neajuns. Nu este doar o problema de a munci
de trei ori mai
86
87
wwwm
mult, ci de prezenIa unor dISIOtSIunIIdeclaneate prin caicularea mai multor teste t, Prin urmare, in afara‘obienuinIei sau'ueurinIei de a laplica testul t, nu existé
un caz particular al erorii setului de comparatii nici un motiv temeinic pentru péstrarea testelor t in situaIii in care comparém mai
Aceasta este determinata de formula urmatoare (Hinkle, Wiersma ei Jurs mult de doué grupe. Sintetizénd, eIe nu sunt deloc economice (ex. design--uI cu
1994): - , ” cinci necesita zece teste t in timp ce ANOVA necesita un singur indicator F);
grupeIII
cresc eanselé dea comiteeroarealde tip, i iar atunci cand aceasta este
-
—I—aI (4.1). sporesc eansele de comitere a erorii de tip II.
controlata,
undeoc estepragul de semnificaIie stabilit a priori penIru iiecare test I efectuat Tipologia tehnicilor ANOVA
(frecvent p=. O5), iar‘ c este dat de numarul de teste t 09 trebuie efectuate.
Daca exista doar doua grupe de subiecIi, se apliCa un sin'gur test t pentru a Cele mai intélnite design-uri de cercetare experimentalé uIiIizeazé una
testa diferenIele dintre mediiie celor doua popuIaIii de subiecIi (a). Daca exista treI I dintre urmétoarele patru forme de analizé dispersionalé:
grupe de subiecIi, precum in situaIia prezentata mai sus vom avea de aplicat treI a) ANOSIA simplé-(unifactorialé; o caIe);
Iteste t (b) In cazul testarii diferenIeIor dintre patru grupe am fi aplicat ease teste t b) ANQMAcu,méeurétoflgpetate;
(1 cu 2,1 cu 3; 1 cu 4; 2 cu 3; 2 cu 4; ei 3 cu 4) (c). ApIicand formula de mai sus,
0) ANQVAiaQIQIIeI “'_ex. bifectorialé; douéIIIIcéi);
"
vom observa, insa, ca doarIn primul caz (un singur test I pentIu undesign cu doua d) ANCIVIA mixté.
grupe), probabilitatea de a comite o erdar3393?1.53m???'..05 Ihszm
Iaté o scurté descriere a acestor patru tipuri:

1— (1—0.05)1 = 0.05(a) (a) ANOVA simple“ este modelul cel mai simplu dintre tehnicile ANOVA, tiind un
corespondent al testului t pentru doua eeantioane Independente
— (1—0.05I)3 = 0.150;) Exemplu: Trei grupe desubiecIi sunt oinuteIn mod aleatbriu pentru a testa
etectul pe care— I are ,,Viagra" asupra potenIei sexuale. O grupa de subiecIi va
— (1—0.05)6 = 0.27(c) primi "placebo", pentru a controla efectul auto-sugestiei; o alté grupé va primi o
dozé micé de ,,Viagra", in timp ce a treia grupé primeete o dozé ridicaté de
In situaIiiIe in care compararn mai muIt de doua grupe eroarea de tip I ,,Viagra". Variabila dependenté a fost nivelul potenIei sexuale (Field, 2000).
depaeeete Iimita maxima acceptata de 0,5 aparand eroarea setului de comparatII
Pentru situaIia b de comparare a trei grupe, ea se citeete in feIuI urmator: exista o (b) ANOVA cu masuratori repetate este un model corespondent al
probabilitate de 15% de a comite eroarea de tip I Intr-una din cele trei situaIii de M2.. I’I I ’
testuiuiI
pentru doué eeantiqane perechi.
comparare. Astfel, noi Vom respinge ipoteza nulé cand ea nu ar fi trebuit respinsa. Exemplu. Zece subiecIi se oferé voluntar pentru a testa efectul pe care-I are
Similar, pentru situaIia c, de comparare a patru grupe, vom avea o probabilitate de ,,Viagra" asupra potenIei sexuale. Mai Tntéi subiecIii vor primi ,,placebo”, pentru I
27% ea oinem o eroare de tip I intr--una din cele ease comparaIii facute. a controla efectul auto—sugestiei, dupé care Ii 39 va mésura potenIa sexualé.
Asemenea situaIii sunt inacceptabile, deoarece pragul maxim al
Apoi, aceiaei subiecIi vor primi ,,Viagra” in doze mici, dupé care va fi mésuraté
probabilitétii de aparitie‘ a erorii de tip I este de 5% (05). Astfei, nu vom putea
" din nou potenIa sexualé. in sféreit, aceia§i subieCIi vor primi o dozé mare de
utiliza testul tIn situaIii de
compaIIare a Imai mult de doua grupe ,,Viagra”, dupé care vor fi mésurate efectele apérute Ia nivelul potenIei sexuale.
Chiar §i in aceste condiIii unii autori nu renunIa Ia ideea utilizarii testelort ,
ei efectueaza o ajustare prin metoda Bonferroni astfel incat sa elimine eroarea (c) ANOVAmfggIcgla” este un model mai complex, féré un echivalent direct in
setului de comparaIii §i sa controleze eanseie de a comite eroarea de Iip I. cadrul testelor t. ANOVA factorialé se distinge prin faptul cé vor fi testate efecteie
Ajustarea este simpla §i consta in Impézticea pragului de semnificaIie _de .05 la mai muItoIWIIaII,abiie..independente (factori) asupra unei singure variabiie
numarul deteste I care urmeaza a fi aplicat. In cazul unui design cu patru grupe dependenIIempIecumin cazul unui design fagIIQIIrIiaI.
Mew—yum «.21:
fiind necesare ease teste t, vom oine un nou prag de semnificaIie pentru fiecaIe
Exemplu: Vom péstra parIial situaIia din exemplul ANOVA simplé, referitor Ia
din cele ease teste I de ..008 O asemenea valoare, deei controleaza eansa de a
manipularea variabilei independente ,,Viagra" cu trei trepte (modalitéIi):
comite eroarea de tip i, este foarte crescand eansele de a comite placebo; dozé redusé; dozé mare. ParticipanIii Ia experiment vor fi impéIIiIi
conservatoare
eroareeI deIip II, ei anume, de a nu respingeI IpotIezaI nuIa, cand ar fi Irebuit aleaioriu intr-una din cele trei situaIii experimentaie. Dacé credemvcé nivelul de
resIinIsa, deoarece exista diferenIe semnificative intre populaIIiIe din care sunt stres al participanIiIor influenIeazé potenIa sexualé, vom putea introduce o alté
extrase grupele
88 89
variabila independenté cu doua trepte (stres ridicat; stres 5i vom putea fata de
scazut) marea medie, _rezultata din toate raSpunsurile exprimate in cercetare.
impér’gi-pariicipantii Tn doua categorii dupé acest criteriu. ln consecinté, vor Pentru a putea distinge mai bine intre grupuri, ar trebui ca
primawccmponenta a
rezulta ease grupe experimentale, intr—un design factorial de tip 3 X 2. laté cele variatiei sa fie mai mica .decatxcea de-a doua. Prima
V abatere intré Tn sfera
ease situatii experimentale posibile: dispersiei intragruphgi se datoreaza variatiilor individuale, determinate
de gruparea
aleatoare a subiectjilpr. ‘Cea de-a doua abatere intra in sfera dispersieiintergrup, '
Placebo x stres scézut Viagra, dozé mica x stres scézut Viagra, doza mare x stres scazut care reflecté atét gruparea aleitcare a subiectilor, cat mai'
ales fluctuatiile datorate ‘
Placebo x stres ridicat Viagra. dozé mica x stres ridicat Viagra, dozé mare x stres ridicat influentei variabilei independente as'uppr;_celei dependente. Simplificand
VlUCl’Ul‘l'Ie‘;
daca dispergiahigtergrup este mult mai mare decat cea intragrup,
exista diferente
Fare 23 mai exe'mplifica, ANOVA tactorialé poate fi utilizata in semnn‘icative intre grupelemcomparate, deCI mate 0 influenta
cazul a variabilei
masuratorilor repetate daca sunt manipUlati cel putin doi factori. '_ independente asupra celei dependente.
1
‘Totuei, trebuie-precizat faptul ca ANOVA simpla nu

constituie un panaceu
(d) ANOVA mixté presupune o combinatie intre ANOMA-.,simpla ei ANOVA cu universal pentru orice situatie. Ea are douaulimiteimponante:
.
masutéfitfigrirepetate. ‘ 1) poate fi aplicata, asemenea Celcrfilgltgtepnnici ANOVA, doar in
v cazul in care
Exempluz‘h Similar exemplului oferit Tn cazul tehnicii ANOVA treptelelvaflriabileimjngepen’defite “aunt de tipqrp'gminal (ex. barbati vs.
simpler, femei)
manipularea variabilei independente ,,Viagra" cu trei trepte (placebo, doza sau de tip opdinai (placebo, «doze mica, doza mare). in plus,
variapjla
redusa, doza mare) se face distribuind aleatoriu participantii intr-una din cele dependenta estemmasurata printr—o scale demigtglivaltééywl?FQBQFiiit
trei situatii experimentale. Tn schimb, vom manipula diferit variabila ,,stres”. indeplineete cateva conditii ce vor fi prezentate ,QJIEIIQr; care
Vom utiliza aceiaei subiecti in doua situatii diferite, reprezentand cazuri de 2) rezultatul final, exprimat printr-o valp‘arewli, exprima un scor general,
' fare”! a
stres ridicat sau stres scazut. Stresul ridicat a fost reprezentat de perioada de preciza specificul evolutiei cqmparatiei dintrevgrupuri.
lucru lntens, cand persoanele au fost foarte ocupate §i stresate de termenele Pen’tru a intelege mai bine cel de—al dcilea aspect vom face
0 scurta
de finalizare a diferitelor proiecte, iar stresul scazut a fost manipulat pe incursiune in testarea ipotezei statistice pentru testele t §i tehnicile
' ANOVA.
aceleaei persoane, in situatii de odihna, reprezentate de perioada de concediu. in cazul testelor t, ipoteza nulé este Ho: p1 = p2. Respingerea ipotezei
nule
Astfel, deei obtinem tot ease celule experimentale ca in cazul ANOVA insemna automat ca cele doua grupe ditera semnificativ in ceea
ce priveete
factorialé. nu este vorba 5i de ease grupe de subiecti diferiti. in aceasta situatie mediile lor (pi i p2).
vor fi doar trei grupe de subiecti diferiti (placebo, dozé mica, doza mare), iar in cazui ANOVA simpla pentru trei grupe, ipoteza nule este Ho:
p1 = p2 =
fiecare din aceetia va fi testat cu doua ocazii‘ diferite (stres ridicat — p3. Respingerea ipotezei nule ne arata ca ce‘le treimmediinnu--sunt~egale,
faré a ne
suprasolicitare plus presiunea termenelor limité; respectiv stres scézut — spune insa cum' diferaweleminflmcd specific. Astfel, raman
cateva alternative
concediu de odihna). valabile, de genul p1 #5 p2 95 us sau tit ipé,’ dar p2 ¢ p3 etc. La aceste
aspecte nu
putem raspunde prin testulmFrdeoareC'e acesta rémane la un
niveplwgeneral
”N de
testare a ipotez_gi§tati§tice, enuntat in ipoteza nula.
4.1. ANOVA simple": V Pornind de la acest inconvenient, exista doua strategii
de rezolvare a,
problemei:
Tehnica permite compararea simultane a trei sau mai . utilizarea comparat‘i.il‘g__rt,,a,,,priori, de genul contrastejprvpglinorniale,
.mglte‘dt‘rwepte a celor
(modalitati) ale unei singure variabileuin endente, mentinand nivelul orlogonale sau a celor non-gflogonalepfara a ne ba'za prea mult pe
altavla calcularea indicatorului generalF;
valoarea dorita, de maximum .05. 0 mod a e' clasica de analiza matematlca a
- _‘
acestei tehnici este analiza dispersiei variabilei.‘.idependente. Dispersia totala a utilizarea unor wCempapatii HpQStNHD‘QQ; intre anumite grupe specifice,
acesteia poate fi impartita in doua componente: dispers‘l'ggimrgrgtupe (intergrup) efectuate in cazul in care F a,fgeL mnificativ statistic, indicand
existenta
ei dispersiaV-rdin"‘T‘nteriorulv-grupeloL,(intragrup). Clocotici ei Stan £2000) denumesc unor diferente intre‘ grupele cercetarii. Probele post hd’c au calitatea
de a
aceste suree variatia .dintrewgrupuri, respectiv variatia 793,999.“ In cadrul ANOVA péstra, in limitele acceptabileual'e pragului de .05, riscul de a comite o
exista doua categdrjiniljde .medii: cea a raspunsurilor pentru'ii'ecare grupa 5i eroare de tip I ei, totodata, de a identifica Tn mod specific care dintre
in page grupe
marea m'edie, rezultata din luarea in considerare a tuturor raspunsurilor, Indiferent suntdiferite emu condus la respingerea ipotezei nule.
de' EFfipa din care 'fac subiectii parte. Spre exemplu, subiectul"“l"’din grupa 1 are 0 Dintre cele doua modalitati dei'actiUne prima este mai eleganta ei mai
anumifltgapatefiejatémde medIla/praspunsurilor din grupa respectiva ei o alta abatere capabila de a detecta diferentele semnificative dintre grupe, insa cea de
a doua
90
91
luIIIII-IIIII_llllllllllllllllllllllllllltlllllullllltlllllllllll l l l l I I
este mai populara majoritatea cercetérilor apeland, din traditie, la tehnici post hoc laté o scurté explicitare a tabelulul sumar ANOVA din tigIJra 4.1:
Vom prezenta, pe rand ambele modalitati de lucru, Insa incepe cu cea din . sursa totalé a dispersiei (’prima coloané) este constituita din dispersia
' vorn interggrup §i dispersiaflintragrup;
urma datorita simplitatii sale. \
lata exemplul utilizat pentru a explica ambele modalitati de lucru: - SS 'sau suma pétratelor (a doua A coloana) este o suma w£313,121paterI'lor
L pentru
H
Un behaviorist doreste sé vada care este eticienta diferitelor tehnici terapeutice ambele situatii;
C0mportamentale in tratarea fricii de vampiri. Au fost cuprlnse 36 de persoane
- gradele de libertate sunt prezentate in a treia coloana. Pentru dispersia
voluntare in studiu, care declarau’anterior credinta lor in existenta vampirilor si care' irltergrup- eie se calculeaza pe baza numarului de grupe minusMur_I_u (3-1,)
manifestau o febie crescuta faté de acestia. Participantii au fust impartiti, in mod in timp ce pentru dispersia intragrup ele sunt egale cu numarul totaide
aleatoriu, 1n trei grupe. Grupa repanizaté tehnicii ,,in vivo" 8 petrecu’t, timp d9 0 subiecti minUs numarul de grape(33-3);
Séptéména, noptile intr—un motel aflat in vecinétatea unui cimitir pérésit. Grupa . media patratica este' rezultatul raportului dintre suma patratelor si gradele
repartizata tehnicii de ,,desensibilizare sistematicé" a invatat mai intéi 0 tehnicé d9 de. iibertate pentru fiecare tip de dispersie in parte. Mai mult, prin raportul
relaxare, dupa care a vizionat, pe parcursul unei saptamani, céteva filme cu vampifi. ceior doua medII patratIce se obtine rezultatui final, E;_
Pe fondui unei muzici de relaxare si pe fondui exersarii tehnicilor invatate cu scopul . F se interpreteaza Intr-un mod similar altor teste statistice. Daca valoarea
de a reduce frica de vampiri. Cel de-al treilea grup a fost péstrat cu scop de control. sa este semnificativa statistic (p < .05), atunci vorn respinge ipoteza nula
La finaiul séptamanii toti participantii au fost testati printr—o scalé specificé de conform careia nu exista diferente intre populatiile din care ' au fost extrase
evaluare a fricii de vampiri. Rezultatele micl indica o fobie scazuta, 1n timp ce grupele implicate in design--ul experimental;
rezultatele marl indica un nivel crescut de fobie. Exista diferente semnificative intre . rezultatul lui F se scrie In felul urmator: F (2, 33); 50, 98, p < .01.
populatiile reprezentate prin cele trei grupuri cu privire la acest aspect? in asemenea situatii am putea afirma ca, diferentele dintre cele trei grupe
nu se datoreaza hazardului. Probabil, interventiile terapeutice de sorginte
Baza’de date aferenté acestui exemplu este anova simpla. sav. in SPSS componamentala au efect asupra reducerii fobiei de vampiri la sublectii inclusi in
ANOVA simpla poate fi obtinuta urmand una dintre cele doua cai, fie ,,Analyze studiu. Pentru a observa cum diferé cele trei grupe vom apela la metoclele post
' ’
' hoc.
IICOmDai'e Means"- ,-,One-way ANOVAi’, fie ,,Analyze” General Linear Model”
"Univariatg". , "1:“ Dintre multitudinea procedurilor dezvoltate in acest scop, vom folosi doua
criterii importante in aiegerea tehnicilor adecvate:
a) exista un numar de ;u_biecti egali in grupele cercetarii?
4.1.1. Procedurile post hoc b) exista o anumita omogenitateadispersiei intre aceste grupe?
In cazul utilizarii procedurilor post noc, rezolvarea probiemei

presupune Tabelul 4.1:. Modul de selectie a testelor post hoc in funcgie de cele doua criterii
urmarea a doi past:
a) calculareaJui E pentru a vedea daca exista diferente.semnlflcatIve intre i Numér de subiectLi
grupe cu alte cuvinte, pentru a vedea daca terapiile comportamentale sIInt Egali Relativ inegali Profgnd inegali
eficienteIn reducerea iobiilor; (ex. 10, 10, 10) (ex. 11, 10,9) (ex. 15, 10, 7)
b) alegerea testelor post hoc adecvate pentru a vedea cum difera grupele Omogenitatea Dispersii egale , Tukey
Gabriel
Hochberg GT2
intre ele pas necesar a fi facut doar In conditlile respingerii ipotezei nule Tukeyb
dispersiei .
din primul pas Dispersii inegale Dunnett T3 Games-Howell Games—Howell
ANOVA
frica de vampiri Daca numarul de subiecti este un criteriu evident inca din datele initiale ale
Sum of - unei cercetéri omogenitatea dispersiei se testeazé prin apelul la testul Levene. in
Squares d1 ‘Mean Square F Sig. situatia In care rezultatul este nesemnIfIcatIv statistIc dispersiile sunt considerate a
BLTMeen GrOUPS 160,167 2 ’ 80,083 50,986 ,000 fi egale. Daca rezultatul estesemnIfIcatIv statistic, dispersiile sunt considerate a fi
Minn Groups 51.833 33 1,571
212.000 eterogene, diferite. ln aceasta situatie, vom incerca mai Intai sa eliminam problema
LE“ , 35
prin transformarea dateldr variabilei dependente. Daca o asemenea solutie nu va
Figura 4.1. Output SPSS cu modul clasic de prezentare a testului F m tabelul sumar ANOVA indrepta situatia, vom apela la metodeie de comparare posthocprecizate In cazul
' SPSS este o marcé inregistrata.
92 93
Hil l l l llllll‘lllllllilllllllilllllllllllllll_f i 3 ‘
. terapia c-omportamentala bazata pe tehnica in vivo este eficienta in

lui F. Modul de
dispersiilor inegale, dupé ce, in prealabil, vom ajusta oitirea tee u lin reducerea fricii de vampiri, rezultatele subiectilor din aceasté grupa fiind
necesare aplicam lucrtu ur
3393 C32 va fi Specificat ulterior, in descrierea conditiilor » semnificativ mai mici decat cele obtinute de grupul de control, formata din
F. persoane care nu au urmat nici un fel de terapie (Tukey: -4,92, p < .01);
- similar, terapia comportamentala bazata pe tehnica desensibilizarii
Multiple Comparisons sistematice este eficienta in reducerea fricii de vampiri, , rezultatele
_ Dependent Variable: frica de vamlJiri subiectilor din aceasté grupa fiind semnificativ mai
I mici decét cele obtinute
..
. Mean
Difference
de grupul de control (Tukey = ~3,83, p < .01);
(l-J) 'Std. Error S.lg. . pentru cei comozi, SPSS-ul oferé un sprijin important in a identifica
(I) Situatie experimentala (J) situatie experimentala
Tukey H80 in lo desensibilizare —1,08 ’512 ’102 diferentele semnificative Ia un p < .05, acestea fiind marcate cu asterisc.
sistematica ‘
control 492* ,512 .000 Totuei, merité remarcat ei reversul acestei situatii. Valorile testului Tukey
' ' ,512 ,102
desensibilizare in vrvo 1,08 nu sunt specificate direct, insa ele pot fi calculate pe baza datelor din
sistematica control -3,83" .512 .000 figura 4.2., facand un raport intre diferenta dintre medii e1 eroarea standard
‘ '
in vrvo 4,92
* ,512 ,000 a mediilor. De exemplu, valoarea testului Tukey in prima situatie nu este -
control
desensibilizare 3,83“ .512 ,OOO 1,08, ci 1,99 (1,08 / 0,512). Similar, valoarea lui t Tukey pentru comparatia
, sistematica
dintre subiectii supuei terapiei in vivo §i cei din grupul de control a fost 9,60
Dunnett T3 in vivo desensibilizare ~1,08 ,,514 .131
sistematica (4,92 / 0,512), iar pentru comparatia dintre subiectii supuei desensibilizarii
-4,92* .529 .000
control sistematice §i grupul de control a fost 7,48 (3,83 / 0,512).
' ' 1,08 ,514 , 131
desensibilizare in vrvo _
‘ - ultima observatie priveete Semnul testelor post hoc. Asemenea testelor t,
SiStemafica c°“"°' 45,88“ ,491 ,ooo
' conteaza valoareaabsoluta 'obtinuta, fara a_'tine~-cont‘_,de semn. Semnul
‘
'in VIVO * ,000
control 4,92 ,529 minus nu inseamna altceva decamt'faptul ca subiectii au optinut;_inwmedie,
desensibilizare 3,83* ’491 ’000 rezultate mai mari'la a' doua grupa de comparatie decat la prima.
sistemalica
Aspectele enuntate mai sus pot fi sintetizate astfel: in ur‘fifia aplicarii testului
’- The mean difference is significant at the .05 levelo
Tukey, ambele forme de terapie comportamentala s—au dovedit a reduce
semnifioativ frica de vampiri, prin comparare cu grupul de control. in schimb, nu
de SPSS 11.0
Figure 4.2. Rezultatele comparatiilor post hoc ofen‘te putem afirma ca una dintre cele doua forma de terapie, in vivo s‘au desensibilizare
SPSS este o marcé inregistrata. sistematica, este mgifleficientadin reducerea fricii de vampiri.
ar
Pentru problema de faté, testul Levene a fost nesemnificativ statistic, 4.1.1.1. Mérimea efectului in cazul procedurilor post hoc
numarul de subiecti din fiecare grupa a fost egal, fiind cate 12 participant; 1n fiecare
este cea rnai potnvrta Prin testul de semnificatie statistica am reueit sé aratam o anumita influenta
situatie experimentala in aceste conditii, testul Tukey a tipurilor de terapie asupra reducerii fobiei de vampiri. Ramane in continuare 5a
cele trei grupe.
procedura de calcul a diferentelor specifice dintre Oncare alta stabilim cat de mare este aceasta reducere? Cat de eficiente sunt. tehnicile
procedure, dintre cele prezentate in tabelul de mai sus, ar
fl neadecvate in aceaSSae tera’peuticelin comparatie cu lipsa oricarei interventii specifice grupului de control?
situatie, deoarece ar fi prea liberale (nu ar respecta conditia ca probabilitatea
eroare de tip I 323 fie de maximum 5%) sau prea conservatoare (cresc gansele de a
. Pentru a oferi un raspuns la aceste intrebari vom calcula marimea efectului,
nu singura modalitate prin care putem decide importanta practioa a rezultatelor
00mite eroarea de tip ll). Totuei, datorita faptului ca omogenitatea Idisper-siei
obtinute. Dupa cum am demonstrat atunci cand ne-am referit la marimea etectului,
poate fi cunoscuté 1naintea rularii programului statistic, pot fl selectate mar rnulte
rezultatele obtinute un rezultat semnificativ statistic la ungpé< .05 poate fi lipsit de importanta practica in
proceduri post hoc cu mentiunea ca vom lua in considerare
respectiv, cum ar fi cazul unuLelfectrninuscul.
prin tehnica Ce respecta cel mai bine conditiile intalnite in cazul Modul de calculare a acestuia se poate face utilizand una din cele doua
testul Tukey Dentru problema de fata. . formule (Rosenthal, Rosnow §i Rubin, 2000a; Rosenthal, Rosnow §i Rubin,
Urmarind valoriie testului Tukey vom putea decela urmatoarele aspects...
fricn 2000b)
o nu exista o diferenta semnificativé in ceea ce priveete reducerea de
terapie in vivo fata de cele
Vampiri intre persoanele care au beneficiat de 0 =
care au invétat desensibilizarea sistematica (Tukey -‘l ,08, p >.10); ,
95
94
pe F omnibuz. Valoarea poate fi utila clear in conditiile in care Vl are clear doué
a) in cazul in care V! are doar doua trepte (modalitétDi ’
.trepte, insa, chiar 5i in acele conditii, poate atinge valori eronate.
'5. F (43
Ir: ______
i F+df.mtragrup .
L‘.
" 1- -e ~ . 4.1.2,~ Procedurile a priori
b) in cazul in care Vl are met m‘ult de doué trepte (modalité’ti) $l 5'3 l3r0(3"3‘d‘5‘t in cazul in care exista o anumita direone.,a..i.p.o.tezeLs.tatistice, ar fi mai util
'
la comparatii post nggyveau la contraste: sé se apeleze la tehnicile a priori (contraste) care in comparatie cu testul general
F au 0 mai mare putere de decelare a influentei variabileLIndependente asupra
'
Fcontrns! celei dependente Astfel, daoa exista vreun efect acesta este mai ueor decelat prin
(4.3)
: apelul la centraste decat prin metoda ciasica in doi paei, de calculareghalui F
F*4fml ergI up + dIII.Iaigrup- urmata de alegerea unui post noc.
Contrastele sunt proceduri statistlce care testeaza ipoteze specifice Prin
F reprezinta valoarea testuiui omnibuz, prin care se stabilegte daca ipoteza
aceasta se deosebeso de testul geneIalF, _prin faptul ca ofera mai multa claritate-
nula va fi saunu respinsé. F contrast este valoarea obtinuté in cadrul unui anumit
conceptuala Mai mutt contrastele stau Ia baza calcuLar'Ii magnitudinii influentei
contrast sau comparatiepost hec, Endu--se faptul ca t2- - F.
variabilei independente asupra celei dependente (Rosenthal §i ooiab., 2000a).
in cazul nostru, fiind vorba de trei comparatii post hoc, putem calcula trei
Exista mai multe modalitati de iucru, implicit mai multe tipuri de contraste.
marimi ale etectelor. Totuei, datorita iaptului ca nu au tost observate diterente
Acestea pot fi grupate dupa doua criterii majore: gradul lor,,d.e._standardizare §i
semnificative intre cele doua interventii psihoterapeutice nu vom calcula marimea
' prezenta ,sau ab§§0£a .Qiiogonalitatii. Astfel, avem contraste nestandatdizate
efectului In ace-l caz, deoarece diferentele observate s-at putea datora hazardului
ortogonale sau non-ortogonale respectiv contraste standardizate ortogonale sau
intr-o mai mare masura. Acest lucru nu este obligatoriu marimea efectului putand
nonortogonaie. Numele de ortogonal vine de la faptul ca setui de ipoteze este
fi calculate §i In conditiileIn care un rezultat nu a fost semnificativ statistic. ln cazul
IndeLndent acestea neinfluentandu--se_ reciproc Astfel eroarea setului de
unui numar relativ mic de subiecti $1 in situatia unei marimi a efeotului ridicate un
comparatii ramane constanta la nivelul alfa dorit dé .05 sau ..01 In plus, 0 categorie
rezultat nesemnificativ statistic ar ti cauza unei puteri reduse de a decela
aparte de contraste standardizate sunt cele .polinomiale, care realizeaza o analiza
diferentele semnificative §i nu a lipsei de influenta sau asociere intre cele doué
directionala.‘ T‘o‘ate aceste aspecte vor fi discutate pe rand.
variabile in cauza.
in cazul nostru, obtinand valorile F pe baza rezultatelor prezentate In figura
4.1.2. 1. Contraste nestandardizate
— F, vom utiliza formula 4.3 pentru a obtine marimea efectuiui
4. 2 si a faptului ca t2
Pentru a intelege meoanismul de functionare §i alegere a contrastelor vom
pentru terapia in vivo in comparatie cu rezultatele grupului de control:
totala, bazandunepe exemplul
arata modul in care ar putea fi impartita disperSIa
anterior legat de influenta terapiilor comportamentale asupra reducerii fricii de
2
r: __2£9___=032 vampiri.
\h
. 5038*2+33 rmmrnr::::
lntrun mod similar, marimea efectului interventiei bazate pe Dispersia totaié explicati
desensibilizare sistematica in comparatie cu grupul de control a test I— O 64. Daca sau dispersia intergrup
ar fi sa ridicam aceste valori la patrat pentru a observa procentul din dispersia VD
influentat de Vl in cauza vom obtine 67%, respectiv O40%. Ambele valori sunt
'/ \
Dispexsia explicati de DiSpersia explicatzi dc .
Contrast 1
foarte ridicate indicand un tratament excelent al fobiei de vampiri prin cele doua terapiile componamentaie grupul dc control
metode behavioriste. Evaluarea parametrilor s—a facut pe baza tabelului 2.2

prezentat in sectiunea destinata marimii efectului. Dispersia
‘ Dispersia
in final, doresc sé amintesc ca valorile r sau r2 pot fi transformate in alti cxpiicati de explicati dc Contrast 2
telmica in vivp desensibilizare
indicatori ai mérimii efectului pe baza formulelor 3.4-3.9 §i ca SPSS-ul ofera o sistematica
varianté de mérjmea efectuiui denumita eta pétrat (n2). Aceasta nu poate patrunde
la nivelul analitic, al comparatiilor dintre doua grupe, fiind doar un estimator bazat Figura 4.3. Exemplu de partitionare a idispersiei in cazul contrastelor ortogonale
97
96
r llllllllllllllll_l§llllll t l i t l r: 1 til llllillllllllll‘lllllllllllillllllllllllllllllllllllllll‘lllllllwl‘llllllllll llllllllllllllllllli l l l l l l l l l l l l llll l l l l l l lllllllll l l rll l l l ‘l l lllllllllll lllllllllllllll llllllllll llll“llll llllllllll llll‘lllll l l il l ii mil
Contrastele nestandardizate non-ortogonale se aseaméné pané la un

diviza dispersviaaflinteflrgrypjn
Avantajul contrastelor este de a putea unitatil punct cu cele ortogonale. Totusi, Tn cazul lor nufestemecesara respectarea celei’
fiind astfel
COmpOhente deinteregoentru cercetétor, molt marspecrficacleca’:
f1 interesant sa iii; de-a doua reguli enuntate mai sus, conform careia, 0 data ce 0 grUpé a fost
testului general F. Spre exemplu, Tn problema noastra ar desprinsa pentru a fi comparaté cu un set de grupe. nu mai poate fi,__c_omparaté
pnn apelul la. stahmcé
e
daca fobia de vampiri se reduce semnificativ ‘aare ulterior. Tn consecinté, sumaipggqgselor a, doua contrasteqnuvva'mai fi 'zero Tn acest
Similar, Utea
comportamentala Tn comparatie cu'grupul de control (contrast): angdpamélt.I caz. Un exemplu de set de contraste nestandardizate non-ortogonale’ este:
semnificative cele doua
fi interesati sé vedem dacé exista diferente intro
l‘or 51]}B’Taé
de tcftapie’rcomportamentala Tn ceea ce priveste eficienta in.
decurge din'disperSIa totala
reducereaa e i; in
fol Dispersia totali explicatfi
Vampiti (contrast 2). Aceste aspecte pot
- sau dispersia intergmp
. ‘ A
repiezentarea grafica de mai sus. sunt totusi cateva
in realizarea contrastelor--nestandardizate?:ortog‘onale DIS-Perm: explicata dc Dlspersm explicam de
Contrast 1
regul‘lfice trebuie respectate: . , . v tempulc componamentale grupul de control
"Linumarul de contraste realizate 'este Tntotdeauna 4311,1- ‘unde

a) .lgmrepresztgirtz
ln exemplul
numérul totalmcie grope ce pot ti comparat’e. 'nostru,.ei<ll’ st. ,,|.n
srstematica
Dispersia explicati
de tehnica in vivo
Dispersia explicati de
gmpul dc control
Contrast 2
trei grupe denumite generic ,,de control",,,,desensrbillzare

' " ‘ ‘ ' “
doua co ntraste', ‘ '
Hm VIVO , pot fi realizate maxrmum Figura 4.4. Exemplu de partitionare a dispersiei in cazul contrastelor non-ortogona/e
Tndepértatfidecelelalte grupe pentru a fi
b) dacé un grup a fost
I Tn primul contrast), elnu poa
comparattecfui
acestea (ex. cazul grupulul de control rnal O asemenea situatie ar putea fi~ transpusa Tn urmatorii coeficienti de
uti'liz‘atdin contrastele ulte’rioare; ' _ . _ 'A ponderare:
in
sé eXiste o egalitate oe coeftcrenti
0) grupele vofir‘fvi ponderate, astfel Tncét ~
fiecare contrast efectuat. v _ _ . . ,',in vivo” desensibilizare sistematicé control
ponderare se face tinénd searna de nomarul de subiecti
Aceasté cu olrgr; Contrast 1 1 . 1 -2
Situatn de grupe
grupé§i de numarul de grupe dintr-un~,,chunl<’i. ‘ln. con Contrast 2 1 0 -1
atriburti pentru oele douanumairagte
d9 SUbiecti ca Tn exemplul nostru, coeficientii
de mai sus potfi: in aceasta situatie se observé reintroducerea grupului de control Tn cel de-
al doilea contrast dupé ce Tn prealabil a fost comparat singur Tn contrastul 1. Acest
,,in vivo" desensibilizare sistematicé
1 congrol
Contrast 1 1 doué contraste nu va mai fi zero [1 *1 + 1*0 + (-2)*(-1) = 3]. -
-1 0
COntrast 2 1 D5?"'d'e"oe este important sé'diferentiem Tntre contrastele ortogonale si
cele non-ortogonale? Primele au marele avanta] de a controla eroarea setului de
La fel de bine, acesti coeficienti potfi: comparatiik fapt ce mentine Tn limite normale valoarea pragului de semnificatie. in
‘ control
schimb! contrastele neortogonale, platesc lipsa de independenté dintre comparatii,
n in vivo’“ desensibilizare sistematicé
'1 fapt ce conduce la 0 crestere a risculuiggezgproduce eroarea'de tip l. in aceste
1/2 1/2
Comrast 1 . .1 0- conditii este necesaré foarte multé precautie Tn interpretarea contrastelor
Contrast 2 1 neortogonale, fapt pentru care recomand, de cétte ori este posibil, utilizarea
" exclusiva a contrastelorvofirgggonale.
sunt atrilg ' \
Pentru a determina dacé toti coeficientii ‘corecit,
1 _
+tibebu'seS: laté owéfnaliza statisticé concreté, pe baza exemplului nostru. lpotezele pe
-2
oricare suma realizata pe orizontalé sé fie zero (ex. 1 + 1 ~“O, —. item“ care dorim 5a Ie testém, sunt: ‘
indeplinesc ,
V2 + 1/2 :l = O) I ‘l5Ven‘tro’“""'a"'dét’érnfiin’a "daca contrastele “ Vcrf to t a) fobia de vampiri a subiectilor cuprinsi Tn grupele terapeutice
contrastelorwg‘rltogonale ar trebui ca sumgmggggzggelor fawgooa Eomportamentale va fi semnificativ mai micé decat cea Tntalnité Tn grupul
, Iar
O coon-tram:1 saa 01:193- ’
zero. Spre exentwblu; Tn primul caz avem} 1*1 + 1 (-1) + (-2) =- de control;
cazuri respeca cr iteriu.‘
t"
V2 * 1 +’ V2 * (—1) + (-1)*Or= O. in concluzie, ambele H01: 1 Min vivo" + 1 nudesensibilizare” = 2 u,,control"
ortogonalitétii.
99
98
iiiiiIiiiiiluiiiliiiilumummwimliiiiiimiiiifliiiiiii
i i i i i ‘i i i i i i i 1 , , , , i ,r r, r; , r L, ,1 3,, i k, L, w J, W V, W A, ,, w , w W ,. x . u ‘ ‘ ‘
b) terapia ',,in vivo" este mai eficienta in acest scop 1n comparatie cu Se observe, in cazui primei ipoteze ca, t (33) = 9,87,
p < .01, rezuitat ce
. desensibiiizarea sistematicé. . indicé o diferenta semnificativé intre nivelui fobiei de vampiri
in grupul de control §i
H02: 1 min vivo” :1 u,,desensibilizare” cei din grupele de subiecti Supuse terapiei comportamentale.
Rezuitatul poate fi
' scris §i sub forma: F(1, 33) = 97,41, p < .01. Urmarind
vaioriie mediiior, vom
Se observé Cé ambeie ipoteze sunt specifice, spre deosebire de 0 ipoteza , observa ca
ambeie interventii terapeutice sunt sem_nificativ_ mai
bune 1n. reducerea
generaia F de genui: ,.1n ce mésuré existé o diferenté semnifrcativa intre grupeie fobiei de vampiri comparativ cu iipsa oricérei interventii
.(grupui. de control). ,
cercetérii 1n reducerea fobiei de vampiri”. in cazui ceiei de-a doua ipoteze se observé ca t (33) = 2,11.
. p < .05 este,
Ho: 1 p ,,in vivo” = 1 p ”desensibiiizare” : 1 p ,,controi" de asemenea, semnificativ statistic. Tinénd cont de continutui
ceiui de-al doilea
contrast (tehnica ,,in vivo" este mai eficienté decét
cea bazaté pe desensibiiizare
in cazui utiiizérii contrasteior, rezultateie pot fi exprimate in sistematicé) §i urmérind mediile' ceior doué grupe experimentaie,
vom conciuziona
Fcootessgjéauh
indiferent de modui de exprimare, vaioriie pot fi transformate ueor, cunoscandu—se ca, Tntr-adevér, o terapie compcrtamentaié bazaté
pe tehnica ,,in vivo” este
faptui cé: semnificativ mai buné 1n a reduce fobia de vampiri, in comparatie
7. cu-o interventie
F = t2 (4.4)) ‘terapeuticé bazata pe desensibiiizare sistematicé.
, ‘
Cititorii atenti au observat, probabil, un aspect deosebit.
Prin testeie post
Primul din ceie doué gradgdgjjpertate; ale iui hoc, mai exact prin apiicarea procedurii Tukey, nu au apérut
Fcontrast'este 1ntojgdeaun'a diferente semnificative
unu, in timp ce ai doiiea grad de Iibertate este egal cu cel ai [UI t dintrjo‘a‘numita intre ceie doué modalitéti terapeutice, tn timp ce contrasteie
ortogonale au sesizat
situatie. Astfei, dacé t = 3, ia 12 grade de iibertate. atunci F (1, 12) = 9. ca terapia ,,in vivo" este mai eficienté. “
Cum expiicém o asemenea situatie ei cum procedém in astfei
de cazuri?
Expiicatia consté in faptul cé tehniciigwamprigrjc(ex.
Contrast Coefficients contrastele nestandardizate
ortogonaie) au 0 putere mai mare de a’detecta diferentei, ' trewpopulatiile
__ _.._sit.megmimwge__~_ din
care au fost extraeewceievggyuigrupe sau setui de grupe. Prin ,urmarejn
desensibilizar asemenea
Contrast in vivo 9 sistematica control
situatii, ne vom baza mai muit'p‘e‘rEiUit-éztae"robtinute in urma apiicérii contrasteior
1 _ 1 1 —2 ortogonale decét pe ceie rezuitate din apiicarea unor
‘ comparatii post hoc. Acesta
2 1 ~1 0 este un motiv suplimentar, care ar trebui sé determine cercetétorii
sé prefere, ori
de Cate ori au ocazia, aplicarea comparatiiior a priori, in dauna
celor post hoc.
Contrast Tests Mai muit, existé si’tuatii, foarterare, in care teggi F general nddetecteazé
diferente Tntre grupeie cercetérii, in timp ce Egg East sau‘1éwéteie't cores—pondentewar‘"
1 df Sig. Q—laiied)
Contrast $211122: Std. Error
putea indica diferente 1ntrfie~>grupe in asemenea éituatii, vorn proceda intr-un
frica de vampiri Assume equal variances 1 -8.75 ,886 -9,874 33 ,000
mod
2. -1 ,08 .512 ~2,117 33 ,042 similar, bazéndu—ne pe ideeamcb'é‘aceste comparatii a priori au
Does not assume equal 1 -B,75
'
,882 «9,926 22,255 .000
0 putere mai mare de
detectare a diferenteior reaie dintre populatiiie din care au
variances 2 fost extrase grupeie in
4,08 .514 2,106 21 ,543 ,047
comparatie Cu testui general F (Rosenthal, Rosnow ei Rubin,
20003).
Figura 4.5. Output SPSS 1 1.0 cu modul de prezentare a rezultatelor contrastelor 4.1.2.2. Mérimea efectului in cazul contrastelor
SPSS este o marcé inregistrata.
Vom aborda in continuare probiema m'érimii efectului in
cazul utilizarii
' in primul tabel din output sunt prezentati coeficientii atribuiti ceior contrastelor. Vé reamintim cé prin intermediui ior vom putea
constgtai‘n ce masuré
doué diferenteie semnificative observate gug'tmeg‘pgtantiaie sau nu. Pentru céicuiuiceior
contraste, pentru a diferentia intre ceie doué ipoteze specifice Ai donea
prezentate. doué mérimi aie efectuiui am utiiizat aceieaei formuie 4.3.
tabei din output prezinté vaioriie iui t pentru fiecare dintre §i 4.4. Astfei, in cazui
ceie doua contrae-te primiJiui contrast ce viza diferentele dintre ceie doué interventii
specificate, inciusiv cu ajustéri in cazui in care nu exista o terapeutice ei
egahtate intre dispersnie grupui de control’ am obtinut o mérime a efectului r de 0,72,
grupuriior comparate. Pentru probiema de fate, exista egalitatea rezuitat care indicé o
dispflersrer (testui scédere foarte ’mare a valorilor fobiei de vampiri Ia persoanele
Levene a. fost nesemnificativ statistic), prin urmare, primeie doua randun din ai care au fost supuse
oricérei interventii terapeutice dintre cele doua amintite. in
doiiea tabei ai figurii 4.5. sunt ceie 'care ne intereseaza. cazui celui de-ai doiiea
contrast semnificativ statistic r a fost doar 0,03, fapt
ce araté Cé. terapia in vivo duce
la 0 scadere semnificativé, dar foarte mica a niveiuiui ‘fobiei Tn
comparatie cu
«nn
101
,1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 11111111111 lllllJllllLlllllJlllllllllLlllllullllLlllllulllllJllll 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1111, 1 1 1 1 1 1 1111111111.,11111ll l ‘l l l11111.il l l.l l l111111111111111111111111111111111111111111111‘1111111111‘1111111111111111‘1111 1111111111 111,111 1111 11111 1111:1111 1111 1111‘ 1111 11111 1111 11111 1111 1111‘ 1111‘ 11111 11111 1111111111 1111 1111‘ 1111 111‘ 1111 1111‘ 1111 111‘ 1111 1 1 1111 1 1 111‘ 11‘ l . . 2 i i 1 1 1111 1111‘ ‘1111 1111 ‘1111 1111 11111 1111 1111 1111 1111‘ 1111 11111 1111 1111‘ ‘1111 1111‘ 1111 1111 1111 1111 1W 1111 1 1 1111 ‘1111 1111 1 1 11‘ 1 1 “ ‘ 1
diferentele dintre cele doua grupe experimentale. Aceste contraste standardizate

persoanele supuse desensibilizarii sistematice. Altfel spus, desi cele doua grUPe ‘
difera semnificativ, din punct de vedere practic nu exista diferente calitative intre nu' sunt disponibile in SPSS, in optiunea ,,one—way ANOVA”, ci doar Tn ,,GgqgraL
cele doua grupe de subiecti, terapia in vivo avand un avantaj foarte mic in feta Linear Model-«rvUnivariate". in schimb, contrastele nestandardizate se regasesc‘
terapiei bazata pe desensibilizare sistem'aticé. deer in ,,one-ggyANOVA“ si nu sunt disponibile, fare sintaxa, in ,,General Linear
Model - Univariate”.
4.1.2.3. Contrastele standardizate Toate contrastele care nu sunt ortogonale, indiferent daca sunt
standardizate s‘au nu, trebuie ettatesdatorita sanselor crescute de a comite
Aceasta categorie de contraste consta intr-un set de43513251131“
eroarea’gem'tiig 1;, Numai rezultate puternic semnifiCative (ex. p < .001) pot fi
standargigate. Ele pot fi ortogonale saufiflgflrgfiogonaie- SPSS'L” dispune, .m
in‘terpr’e'tatefara probleme, daca au fost utilizate contraste non—eitogonale. Un alt
meniu, de sapte contrasts standardizate, dintre care doar ultimele doua din tabelul
aspect tehnic, tine de modul de prezentare a rezultatelor Tn SPSS. Acesta 31),,gfera
4.2. sunt clog ale. Field (2000) ofera o sinvteza excelenta a let. Pentruu a
direct valoarealul t, insa ofera toate datele necesare QaL‘EELéIiiEEJELEQt si pragul
simplifica recuno éierea lorin spss am decis pastrarea denumirii lor din engleza-
de semnificatie aferent acestuia. P‘entru problema noastra, rezultatele ar fi aratat
astfel:
Tabelul 4.2. Descrierea contrastelor standardizate prezente in SPSS
Contrast Results (K Matrix)
'
Nume Descriere Contraste Trei grupe Patru grupe
Depende
Deviation Compare fiecare‘grup (cu 1 2 vs. (1,2,3) 2 vs. (1 ,2,3,4) nt
(first) exceptia primului) cu o 2- 3 vs. (1,2,3) ‘3 vs. (1.2.314) Variable

' situatie experimentala frica de
combinatie a tuturor grupelor. 3 a 4 VS- (1.2.314) Difference Contrast vampiri
1 vs. (123,4) Level 2 vs. Level 1 Contrast Estimate ' 1,088
Deviation Compare fiecare grup (cu 1 1 vs. (1,2,3)
(last) exceptia ultimului) mi 0 2 2 vs. (1,2,3) 2 Vs. (1,2,3,4) Hypothesized Value
Difference (Estimate ~ Hypothesmed)
0
combinatie a tuturor grupelor. 8 . 3 V3. (1,233.4) 1,083
Simple Fiecare grupa este comparata 1 1 vs. 2 1 vs. 2 Std. Error ,512
Sig.
ifllSt) cu prima categorie. 2 1 vs. 3 1 vs. 3 95% Confidence interval Lower Bound
,042
4,238E-02
1 vs. 4 ‘
3 for Difference Upper Bound 2,124
Sirnple Fiecare grupa este comparata 1 1 vs. 3 1 vs. 4 Level 3 vs. Previous Contrast Estimate > ‘ 4,375
(1351) cu ultima categorie. 2 2 vs. 3 2 vs. 4 Hypotheéized Value 0

Difference (Estimate ~ Hypothestzed)
3 3 vs. 4 4,375
Repeated Fiecare grupa, cu exceptia 1 1 vs. 2 1 vs. 2 Std. Error ,443

‘ Sig. ,000
primei categorii este 2 2 vs. 3 3
2_vs. 95% Confidence Interval Lower Bound 3,474
comparata cu grupa imediat 3 3 VS. 4 for Difference Upper Bound 5,275
‘
precedenta.
Helmert Fiecare categorie, cu exceptia 1 1 vs. (2,3) 1 vs. (2,3,4) Figure 4.6. Rezultate oferite de SPSS 11.0 pentru contrastul Difference
ultimei, este comparaté cu 2_ 2 vs. 3 2 vs. (3,4)
media grupelor ulterioare. 3 3 VS- 4
Difference Fiecare categorie, cu exceptia 1 . 3 VS- (21) 4 V3- (31211) Primul contrast prezentat in figura 4.6. este cel referitor la diferentele
(Helemert primei, este comparata cu 2 2 VS- 1 3 VS' (2'1) existente dintre cele doua interventii terapeutice de sorginte experimentala (1 — ,,in
’
Livers) media grupelor precedente. 3 2 V351 J vivo”; 2 — ,,desensibilizare sistematica"). Valoarea lui t este egala cu raportul dintre
estimarea contrastului s1 eroarea standard a diferentelor dintre medii. in acest prim
Daca am notat grupul ,,in vivo" cu 1, grupul ,,desensibilizare sistematica" cu caz, t este. 1,083/0,512, adica t = 2,11, p < .05, tehnicile comportamentale ,,in vivo"
2 si grupul de control cu 3, vom observe ca alegerea facuta de noi, in cadrul fiind mai eficiente decat cele bazate pe desensibilizare sistematica, in reducerea
contrastelor nestandardizate, se regaseste in situatia ,,Difference" pentru trei fobiei de vampiri. Se observe ca rezultatul este identic cu cel obtinut in sectiunea
grupe.
Daca primul contrast teste’aza diferenta in ceea ce priveste nivelul fobiei de contrastelor nestandardizate, fiind vorba de aceeasi situat'ie.
vampiu
dintre grupul de control si cele doué grupe experimentale, cel de—al doilea comlDara
103
102
fl-I-I-I-MMMWWWWWW WWWWWWWMW
' I
Cel de-al dollea contrast testeazé diferentelei dintre grupuide control (3) §i.
ceielalte doua grupe experimentale (1 + 2). Rezultatul t = 9,37, p _< .01 este identio Di reC,Ia\
1' If?“
InIaIa, are 0 evolutIe oeia o treapta la alta.
' cu cel obiinut prin contrastele nestandardizate, arétand ca cele doué intervengii “”9”.” o—onstanta
compodamentale sunt mai efioiente in reducerea fobiei de vampiriin oompara’gie Direct": liniaa
cu absenga oricarei intervenlii (grupul de control). ‘_
Aeadar, diferenga dinfre contrastele standardizate §i cele'nestandardizate
’gine doar de sfera de cuprindere. Exista o multitudine de combinaiii ei, implicit, de
contraste nestandardizate. Cele mai des intalnite sunt preluate de multe programe -*- Directie lnisra
statistice (ex. SPSS) §i standardizate prin anumite denumiri, pentru a ueura munca Perfom‘Iar‘ ta
de introducere a coeficieniiior aferenii.

Brunei 2 experi mertale
4.1.2.4; Contrastele polinomiale
Aceste contraste reprezinta o categorie apar‘te de oontraste atandardizate Figura 4.7; Directie liniara
§i ortogonale. Cénd variabila independenta este de flip ordinal permitand astfel o"
ordonare a modalItatIlor sale pot fi aplicate contrastele poiinomiale, sub forma unei Directia CQfiQLnle presupune o eyoiutie constanta
pana la un anumit pu cl.
analize dIrectIonale (Hinkle Wiersma ei Jurs, 1994). Acestea nu numai ca ofera (ex. aspendenta), dupa care sensul directIei se schImba (ex.
evol
informatii legate de difegentele existente intre anumite grupe, ci §i arata descendenté).
complementar directia daiélbrIn functie de trepteie variabilei independente.
Cinema mrbii‘nie
Procedurilé analizei directionale pornesc de la conditia ca treptele
variabilei Independentesunt egal distantate, iar numarul de subieoti din fieoare
grupa _este egal. Ambele conditii pot fi incalcate Insa in acele oonditii se impun —§- D'recfie
criterii conservatoare ale praguriior de semnificatie cum ar fi un p < _0.1 cubilin‘e
Pen‘ci‘marta
Exemplul ales pentru explicarea contrastele anterioare nu este potrivit
pentru a apela la contrastele polinomiale, deoarece cele doua. grupe de terapie
: ;-._ Gele experimertale
oomportamentalé nu sunt intrinsec ordonabile, fiind mai degraba variabile de tip
nominal. De aceea, vom apela la un alt exemplu: Figura 4.8. Direcfie curbilinie
Pentru a testa eficienga §edinielor de hipnoterapie pe un eeantion de subiectj .
buiimici au fost realizate cinci grupe, in care subiecgii au fost inciU§i alealoriu. DIrec’gIacubIca presupune o evolutIenonstanta
cu doua schimbari d_e
Grupul 1 este pastrat ca grup de control, al doilea'grup urmeaza §edin§e de directie p'éparcursui treoerii de la 0 treapia a variabilei
independente laalta.
hipnoterapie 0 data pe séptéméné; al treilea grup face acela§i lucru, dar de
doué ori pe saptémané. al patrulea grup are trei eedinie séptamanale, in timp Directie exponentiaia~cubica
ce al cincilea grup urmeaza patru §edint,e séptémanale de hipnoterapie.

_x
Supunand aceste grupe la 0 analiza directionaié vom putea intalni unul '
—-¢— Direciie
dintre cele patru cazuri de evolutie a dagglgr, prezentate graficIn cele ce urmeaza: .exponentiala—
rformanta cubica
. directieliniara (poate aparea In design- uri experimentaie cu douagau ‘ mai Fe
multe grupe);
1 2 3 4
. . directie purbilinie (poate aparea in design— uri experimentale cu trei _saumai
Grupele experimentale~
multe grupe); trepte ale variabilei
. dIreggIecubica (poate aparea In design— uri experimentale cu patru sau mai independente
multe grupe) o/
Figura 4.9.. Direcfie cub/'65
. directie cuartica (poate aparea In design— uri experimeniaie cu cinci sau mai
multe grupe). z;
104
105
W ii iii Wil llllliillllillll llllllllll lllli‘lllll lllll‘llllll‘lllll WWWW W W W W W W W WullllUllll.llll‘.lllll llll.lllll W W l l l l l l l l l Wil l l l “W W W l l l l l l Wl‘ l l l WW l l l WW l l l l l W W W l l W W W l l i W W l W‘lW l l l l l Wi W W ‘Wi l l Wi l l ‘Wi l l W W l l lllll‘Wl WWW l l l l l It}! '1. E :
Ultima ’posibilitate de evolutie a directiei este cuagigg. .Aceasta directie

4.2. ANOVA fa‘ctorialé
directiei.
este foarte inconsecventé, avand trei puncte de SChlmbEE‘éa ""'-—.‘.‘a}\
Pana in prezent am discutat cazurile de ANOVA in care era prezenta o
singura variabile”: independenta‘ cu mai multe trepte si 0 singura variabila
Directie cuartica '
dependenta. Aceasta nu este insa si singura modalitate de a realize o cercetare.
O) Design-ul agesteia poate incLugle mai multe variabile independente. in acest caz se
01 utilizeaza‘ugflQYA .faqtoriala, prin care se urmare's‘tef'sfiidiiil’j ehtei simultane a
’
b
—+—-Directie doua sagmaimulteyariabile independente asupra unei variabiledependente,
{a} - '
N
cuartica
Exista mai multe avantaje in utilizarea unui design experimental factorial.
Performanta
-| Un prim castig este dat de un control Veijpient‘al u‘ngr‘variabile dejnteres, care in
O ANOVA simpla sunt excluse din studiu. Un lal'tw‘avantaj consta‘ in eficienta» studiului,
1 2 3 4 5
decarece doua sau mai multe variabile independente sunt analizate simultanrfiirid
Grupele experimentului
extrase informatii referitoare atat la fiecare factor in parte, cat si la interactiunea
Figura 4.10. Direcfie cuartica' (neregulaté)
dintre acestia, vizand influenta comunéflasupra \(D.
Din aceasta perspectiva, ANOVA. factoriala pentru dopagyariabile
Contrastele polinomiale nu trebuie specificate in SPSS deoarece agkyalori
independente conduce la calculularea a trei te§lggatistice EhDoua dintre-Elewse
lata cateva valori ale acestora pentru realiz‘eazéipentru a gasi efectelewpsringj‘pgal‘e (efectul principal al variabilei A si
fixe pentru directii si numér de grupe diferite.
Jurs, 1994). efectul principal al variabilei B), iar cel de-al treilea test mascarafiifln rectilinear.
situatiile Biri‘é‘r‘i'r'fi‘é‘n‘tale cu trei pané la sase grupe (Hinkle, Wiersma,
dintre ele. Efectele principale sunt analoge dispersieiintergrup dinAlc’iwfljsimpla,
K = 4 (patru grupe de subiecti) iar gestaltinteractiunii(si‘mbolizat AB) ne araté daca rezultatele obtin’ute |a..diferite
K ‘_—_ 3 (trei grupe de subiecti)
-1 Liniar -3 -1 1 3 nivele ale variabilei A suntggendente de nivelul~factorului..B.siviceversa.
Liniar 1 0
1 -2 1 Curbiliniu 1 -1 -1 1 f—Tn cele ce urmeaza ne vom opri doar asupra testului ANOVA bifagtgrial (2
Curbiliniu
Cubic -1 3 -3 1 variabile independents _cu mai multe trepte fiecare), fiind insa posibile' si
experimented care 'neces‘ita mai mult de doi factori. Algoritmul de rezolvare a
K = 6 (sase grupe de subiecti) acestor situatii este asemanator cu ANOVA bifactorial. De exemplu, un design
K = 5 (cinci grupe de subiecti)
2 Liniar —5 -3 —1 1 3 5 factorial complet cu treiyariabile independente ar duce Ia calcularea a sapte teste
Liniar -2 -1 0 1
2 Curbliniu 5 -1 -4 -4 -1 5 F generale. Trei dintre ele ar urmari efectele principale ale celor trei variabile
Curbiliniu 2 ~1 -2 -1
' Cubic -5 7 4 -4 5 independente A,:WB,..C, alte trei teste F ar urmari interactiunea dintre fiecare
'Cubic -1 2 0 -2 1 ,‘7
1 Cuartic 1 -3 2’ 2 —3 .1 pereche de variabile (AB, AQ,___.,BC), iar ultimul F ar surprinde o interactiune
Cuartic 1 -4 6 -4
complexa a celor trei variabile studiatejABC). ...-..
Orice ANOVA factorial arey'e‘pecificat designul experimental realizat sub
Dezavantajul utilizarii acestor contraste polinomiale consta in posibilitatea
forma unor cifre.. Un design factorial cu doua variabile independenteriiecare avand
catetreitrepte, va fi notatANOV/t‘3x3." Un alt design, in care prima variabila are
de‘a obtine mai multe valori-vsemnificative, ceea ce implica mai multe directii
de treptelegyanabrler doua trepte, iar cea de a douafloinci, Va fi simbolizat ANOVA 2x5. Un design
posibile decevolutie‘" a variabilei dependente in-rfunctie
- factorial, cu trei variabile independente, in care pi’imele doua variabile au Cate 3
independfme- _ _ _ : trepte, iar cea de—a treia doar doua, va fi notat ANOVA 3x3x2 §.a.m.d.
”8a presupunem ca dintre toate testele t calculate, doar t liniar a legit
a lucrurllor Voi prezenta in oontinuare forma grafica a unui design experimental
semnificativ statistic. Aceasta situatie ar fi aratat ca directia de evolutie
vom trage, bifactorial, in care cele doua variabile independente an Cate trei trepte (tabelul 4.3).
este una liniara. Consultand mediile. celor cinci grupe probabil,
concluzii: sedintele de hipnoterapie se dovedesc a fi etiolente m Dupa cum se observa, din combinarea’celor doi_hfactori,..fiecare cufitre‘i
urmatoarele
scad trepte, sewgbtin noua situatii experimentale diferite. Acestea poarta numele de
iratarea bulimiei, cu cat numarul de sedinte de hipnoterapie creste, cu atat ‘
celule‘exp-erimentale.
'semnificativ manifestarile bulimice.
107
106
Baza de ‘date aferenta exemplului este anova factorialasav, iar calea de
tip 3 X 3 .
Tabelul 4.3. Exempiu de design experimental de a rezultatelor Tn SPSS [este ,,Analyze" - "General! Linear Model” —
obtinere
B1 82 BB ,,Univariate”.
' Medie A1
A1 A1 B1 A1 132 A153
' A231 A252 A2B3 Medie A2
A2 ' Tests of Between-Subjects Effects
A3 A381 A382 A383 Medie A3
Dependent Variable: viteza masiniior
Medie B1 Medie 82 Medie 133 '
Type Ill Sum
,
3 ource Of df
dispersieiggtergrup Corrected Model
DacalTn cazul ANOVA simpla dispersiatgtaié era suma
115%:253061 5 Meansigusaég S 277 Sig000
surse ale dispersiei
cu dispegia intragrup, Tn cazul ANOVA bifactoriala‘EXista patru
Intercept 38880000 1 38880000 830,769 000
totale, ei anytime?disperg‘sgiaiintrr‘ag‘elula (echivalenta cd dispersia intragruplgedispersia

SUGESTII _ 1139,400 2 569,700 12,173 ’000
EXPERIEN 97,200 1 97,200 ' 2,077 ’162
de—a- iungul mediei
de—a lungul mediei~...liniilor (datorafa factoruluinA), dispersia SUGESTll * EXPERIEN 466,200 2 233,100 4981 .016
interactiunii dintre cele doua 1 ’
coloanelor (datoraté factgxr’ului B) §i dispersia datorata Error 1 123,200 24 46,800
este echivalentUl
variabile independente (A_l3v)‘.,;8uma ultimelor trei dispersii V Total 41706,000 80
dispersiei intergrup. nule.
Corrected Total v 2826,000 29
trei ipotege
De aceea, Tn cazul ANOVAwbitactial sunt testate a; R Squared = ,603 (Adjusted R Squared = ,520)
Primele doua se refera la efectui vgvriabiielor independente,,luate,gseparat‘lmAT:
treia se refera la
pA2 = HA3, respectiv ”B1 = 1182 = TABS), 'iar cea de-a Figura 4.11. Output SPSS 11.0 cu tabe/ul SumarANOVA facton'ala'
interactiunea dintre ceiflgfifactori. SPSS este o marca aegistrata.
' ANOVA
Pentru a con’cretizawelementele teoretice prezentate Tn cadrul
tipica Vizand memoria.
factoriala, voi oferi drept model de rezolvare o problema Eliminand care nu ne intereseaza Tn acest moment, din informatiile
’
clasice ale lui Loftus §i Palmer (Eysenck §i elementele
Pornind de la experimentele prezentate In modelul general liniar din SPSS, obtinem urmatorul tabei ANOVA:
natura reconstructive, un cercetétor
Keane, 2000) care au aratat ca memoria are-o
oculari sunt influentate de 0
doreete sa studieze Tn ce masura relatérile martorilor Tabelul 4.4. Tabelul sumar ANOVA 3x2 factorial
avand drept obiectiv
Tntrebarile adresate §i de experienta fata de situatia Tn cauza, ‘
la procese. Sursa dispersiei ss df MS F p
stabilirea gradului de Tncredere Tn depozitiile martorilor ‘
este o adaptare- a cercetarilor initiale Linii (A) - sugestii 1139,4 2 569,7 12,17 <.o1
, Experimentui descris Tn continuare
5a vizioneze un film Coloane (B) — experienta
realizate de autorii mentionati. Aceetia propun subiectilor
97,2 1 97 2 2 07 > 10
li se cere sa estimeze
despre un accident de circulatie. Dupa vizionare subiectilor
Interactiune AxB 466,2 2 . 233,1 4 1 98 < I 05
(variabila dependenta),
viteza cu care ruIau maeinile Tn momentul accidentului
lntracelula 1123,2 24 46 8
cercetétorii fiind interesati de influenta a doué variabile independente.

Totala 2826,0 29
modul de adresare a
O prima variabila manipulata de experimentatori este
care s-au "zdrobit" maeinile;
Tntrebarii, Astfei, ei cer unui grup sa estimeze viteza cu . .
Aeadar, se observé ca din cele trei raporturi F, doua sunt semnificative
maeinile, Tn timp ce Tn a statistic: F ,,sugestii" [F(2, 24) = 12,17, p < .01] ei F interactiune [F(2 24) = 4 98 p
unui al doilea grup sa estimeze viteza cu care "s—au iovit”
aveau maginile Tn momentul
treia situatie, subiectii au fost ,Tntrebati ce viteza f
.05]. Primul rezultat indica un efect principal semnificativ’, care poate fi transpjus
arfost experienta subiectiior in afirmatie: estimarea vitezei de depiasare a maeinilor Tn momentul
accidentului. Cea de a doua variabiiér independenta urmatoarea
avem un model ANOVA
care a avut doua trepte: eoferi 5i ne-§oferi. Aeadar, accidentului
este infiuentaté semnificativ de modul de adresare a Tntrebarii prin
factorial de tip 3x2 (trei Iinii §i doua coloane). cuvmteie alese Tn acest scop. Aceasta Tnseamné 0a,,dacé ignoram experienta
atat de
lpoteza cercetatorului este ca relatérile subiectilor sunt influentate celor.
doua categorii de subiecti (eoferi vs. non-eoferi), exista o diferenta
subiectilor Tn
expresiile utilizate (Tntrebarile anchetatorului), cat §i de experienta semnificativa
Tn estimarea vitezei, influentata de modui de formulare a Tntrebérii‘
— goferi pot estima
situatia descrisé (profesiunea martorului) Tn sensul ca subiectii Fund un test F general, de tip omnibuz, nu putem deduce direct cum evolueazét
mai bine decat non-eoterii viteza de depiasare a automobilelor). lucrurile.
Spre exemplu, utilizarea termenuiui ,,zdrobit” conduce la estimarea unei
vrteze mai mari decat'folosirea termenuiui ,,lovit”? Exista diferente semnificative
109
108
intre utilizarea termenuiui ,,zdrobit"'fat,é de utilizarea sintagmei ,,cu ce Viteza Un mod aiternativ, dar simplificat, de a observa
aceasta euplutieh se obtine
circuiau maeiniie in momentul accidentului’?” etc. Pentru a observa care diferente » prin reprezentarea graficé a interactiunii
dimigewgeifiglpi factori, ,Acesta se poate‘
sunt semnificative putem apela, fie la-‘eontraste, fie la ambele obiine direct din SPSS utilizand aceeagi cale de
comp.aratii-,po§t,.,hgc,‘ obtinere a rezultatelor in cazui
rnetode fiind deja prezentate in sectiunea destinaté analizei dispersionale ANOVA factoriai, ”Analyzggi;,QenerainLinearMggel”
-—_,,LJrJ.ivariate”, dupé care se
srrnple. selecteaza butdnui — "Egg; inainte' de a face ace—st
in urma apiicérii-testului post hg,g:,,WT.ukey.n au fost observate diferenie lucru ‘trebuie subliniata
semnificative in doué dintre cele trei comparatii. Mai precis, aspectul urmatoarea idee: deei efee'te‘ie principaie au roiul lor, daca
ignorénd interaciiunea dingre doi.
experientei in conducerea autovehiculelor, persoaneie cérora ‘h s-a factqriaeste semnificativa,.aceasta devine primordiala
adresat in interpretarea statiética e1
intrebarea incluzand termenul ,,zdrobit” au estimat viteze de deplasare psihoiogica a rezultateior unei cercetari.
semnlficativ
mai mari 1n comparaiie cu situagia utilizarn’ termenului ,,iovit" sau Ca 0 reguia generaia, in cele mai multe situatii 'cénd ceie
1n compararie cu doua iinii se
grupul asupra caruia s—a foiosit expresia neutré ,,viteza cu care . » intersecteaza, precum in figure 4.12., existé o interaciiune semnificativé intre acei
Clreulau m'aeiniie
in schimb, nu au fost sesizate diferente semnificative in ceea ce priveete doi factori. Din desen, se potdesprinde céteva observatii.
Viteaa de Diferentele ceie mai
depiasare a automobiielor in cazui utilizérii expresiei ,,|ovit" feta de cazul exprlmarn mari, dintre eoferi §i non-eoferi, se observé in cazul in care experimentatorul
a
H viteza cu care circuiau maeiniie". . folosit sintagma ,,cu ce viteza s—au zdrobit maginile in accident”.
V Astfel, non-eoferii
Cei de—al doiiea F din tabelui 4.4. a testat in ca masuré exista o diferenia tind sa fie influentati mai puternic de a'ceasté expresie,
acordand o vitezé de
semnificativé intre eoferi §i non-eoferi, indiferent de ouvinteie utilizate, referitoare la deplasare muit mai mare decét media estimérilor facute
de §oferi. De asemenea,
estimarea vitezei cu care Circulau maeinile in momentul accidentului. putem note (:51 cea mai mica diferenié dintre cele doué categorii
Rezuitaiui, de persoane se
F(1, 24) = 2,07, p >.10, a fost nesemnificativ statistic, astfel gasnt observé Tn situatia in care experimentatorui adopté o atitudine
neutra, utilizénd
ca-nu-sau
diferente semnificative Tntre cele doué categorii de persoane cu vrteza de expresia ,,Cu ce vitezé circulau maeinile in momentul accidentuiui?”.
prNirevia Ar fi bine ca
deplasare a maeiniior. Aceasta inseamné ca, ignorand tipul adresate, aceste observatii grafice sé fie completate de analiza efecteior
simple, 0 metodé
de intrebari
nu exista diferente Tntre eoferi §i non-eoferi in estimarea Vitezei de depiasare a riguroasé, dar din nefericire absenta din meniul SPSS-ului, ea
fiind disponibiié doar
maeinilor, in momentul accidentului din filmul respectiv. prin apelui Ia sintaxé. »
. . .
in schimb, cel de-ai treiiea test F, vizand gradui de interacgiune dintre
oer
doi factori, este semnificativ statistic, existand o asociere intre treptele celor
doua 4.2.1. Metoda
variabile independente. Cu alte cuvinte, efectul modului a
de fermulare intrebavnior efmf'mplf
asupra estimérii vitezei de deplasare a ma§iniior a fost dlferit de Tehnica are un caracte’rpost hoc gi este menita sa surprinda
pentru veofen feta in detaiiu
non—eoferi. Cum a fost diferit, este o alté poveste, ce neceSIta inteiegerea diférenteie dintre
anumiteflluleaexperimentaie. Ea se deosebeete‘de metodele
conceptului de efect simplu. post hoc obi§nuite, fiind muit mgiana_iitica__(Keppel, 1991; Pedhazur
§i Schmelkin,
55 1991). Spre exemplu, prin metoda Iliukeylée observé daca exista
diferenie intre
situatiiie experimentale determinate de modul de formulare a intrebariior,
ignorand
aspectui experientei in conducerea automobiiului. De exempiu,
\\ vom putea
compara daca exista diferenge semnificative fntre persoanele'
45- \ intrebate ,,cu ce
i
Viteza s—au zdrobit maeiniie”, respectiv persoanele aflate in
gruba in care
\\ Tntrebarea a fost ,,cu ce viteza stau lovit maeiniie”.
713 \ _
N in schimb, prin metoda ejggteior . . . Simple, vom face un pas
9. in pius,
=2 35-
«'6 determinénd posibiie digrematre tQatepeIe $8§9L9¢JU'9.-.§2.<P€rimec1t§l§ ale
E
'5m. \
./ '
'experienla sofai problemei‘datenDe exemplu, vom purge stabiii daca existé diferente semnifibafiVe
\g / 1 intre eoferii care au fost intrebati cu ce viteza circula maeina
2
L5
soieri
"‘ ‘ in momentui
.
g 25 @ nun-safari ‘ ‘ac’cidentului ei non-eoferii care au fost Tntrebati cu ce viteza s-au zdrobit maeinile.
zdrobit kwil ruiau in momentul ac Procedure de a obtine'efectele simple in SPSS este extrempde complicate,
,presupunénd utilizarea sintaxeior. De aceea, vomfip‘reki’énta‘ pe
expresie utilizata scurt 495?“..9191‘?
matematice ,aie yefecteiorwsimpie. Cei interesati pot consuita un material
Figure 4.12. Reprezentarea graficé 7n SPSS 11.0 a interactiunii dintre cei doi facton‘ comnietVI‘be
site-ul de staiiéficé sociaia (Sava, 2002).
SPSS este o marcé inregistraté.
Pentru a afla efectui simpiu 1n cadrul acestei trepte vom parcurge trei
pagi:
111
1 1‘ 11 l l l l l l 1
, Pasul al doilea consté in obtjnerea, lui F — efect simplu — pentru treapta

._L vom calcula suma rpatratielor aferenta aoestul efeot simplu; ‘ ,,zdroblt" a variabilei ,,mod de formulare a Tntrebarilof'. Aoesta se obtjne slmplu, pe
vom ob’gme
2. pe baza s'umei patratelon $1 ,cunoscand gradele‘ de libeifiage, baza formulei:
mediafipétratica, lar din aoeasta testulrlifiafeiegt; , . . .
. '
semoificativ la '
3. pe baza lui~E_,,vom.,stabili daca treapta respectiva contribuie MS .
F :
lnteractiunea dintre cei dol factori. , . . .
(46)
. MSEfecI_ximplu
urmatoarele rezultate in Situatia int mcelula
Vom presuofifie‘cé- aufost ob’ginute
experimentalé ,,cu' ce vitezé s—au zdrobit maginile".
media pétratioé a efectulul simplu. Aoeasta este egalé cu raportul dintre suma
experimentalé ,,zdrobit”
Tabelul 4.5. Rezultatele obginote de §oferi $1 non—goferi Tn situatia patratelor efeotului respectlv §i gradul de libertate al oeleilaltevvariabile cu care
$oferi (B1) Non-§oferi (82) TOTAL goferi §i non—§ofefl interactioneaza variabila Tn cauza.’ in cazul de fagé, media patratioé calculata a
Factorul 1 ‘ ”
,,mod de aoestui efeot simplu este egala cu suma pétratelor calculate, adicé 476,1,
formulare a deoarece gradul de libertate a variabilei ,,experien‘;é 1n §ofat" este unu. inlocuind in
intrebarilor” formula ole mai sus, vom obtjne un F - efeot simplu - pentru treapta ,,zdrobit” a
X X2 X X2 . variabilei ,,modul de formulare a intrebarii” de 10,17 (4761468). La fel se
=
51 2601 63 3969 Z treapta 1 = 189 + 258 447 procedeazé §i in cazul oelorlalte trepte ale variabilelor incluse in studiu. ‘
' , 5 57 3249 Reamintim datele din tabelul sumar ANOVA pentru a Clarifica toate valorile
‘ Z (treapta 1)2 = 7623 + 13644
:ZarZLait"1 :3 12:1 51 2501 introduse Tn calculele de mai' sus:
‘ 2304 =21267
so 900 48 .
576 39 1521 ,, Tabelul 4.6. Tabelul sumar ANOVA pentru exemplul dat
24
189 7623 258 18644
Sumé ( Z) Sursa dispersiei SS df MS F p
51,6 44,7
Viteza medie 37,8 Formularea Tntrebérilor (A) 1139,4 2 569,7 12,17 <.O1
Experienté §ofat (B) 97,2 1 97,2 2,07 >.05
Formula de calcul a sumei patratelor pentru fieoareireapta este: Interacflune 466,2 2 233,1 4,98 <.05
lntracelula (Reziduala) 1123,2 24 46,8
Totala 2826 29
SS!
# M+,,,+M_MX(45)
”all ncnl nlofl in urma calculérii oelor oinci efecte simple, corespondente fieoarei trepte a
variabilelor independente, dupé modelul explicat anterior, vom obtjne un‘ tabel
unde: SSl este suma pétratelor unei trepte; sumar ANOVA nuangat.
nc1l este numarul de subieoti din prima celula a unei trepte;
ncnl este numarul de sublectj din ultima oelulé a unei trepte; Tabelul 4.7. Tabelul ANOVA extlns, inoluzénd valori'le F pentru efectele simple
ntotl este numarol de subiecii ai unei trepte indiferent de celula; Sursa dispersiei SS . df MS F p
ZC1IX este suma lui X din prima celula a unei trepte;
Formularea intrebérii (A) 11394 2 569,7 12,17 <.’01
clX este suma loi X din ultima celula a unei trepte; B1 — goferi - 154,8 2 77,4 1,65
2’10t este suma tuturor X din treapta respectivé. ‘ >h B2 — non-§oferi 1450,8 2 725,4 15,50 <.O1
,,zdrobit 1 I
in problema de fata avem doar doua celule ale treptei Experienla 1n conducerea ma§inii (B) 97,2 1 97,2 1,24 4
non—§ofer1.
reprezentate de grupul de subiectj eoferi, reSpectiv grupul de subuect} A1 — cu ce viteza s-au zdrobit 476,1 1 476,1 10,17 <.01
A2 —— cu ce viteza s-au lovit 72,9 1 72,9 1,55 v
Astfel, vom obtjhe: A3 ~ cu ce vitezé circulau
'
14,4 1 14,4 0,30
Interacgiune 466,2 2 233,1 4,98 <.05
_1892+2§§i_£i7_2=
_ 476,1
lntraoelulé
Totala
1123,2
28260
24
29
46,8
SS“ 5 5 10
113
¢ 41')
1‘ ‘1‘ “ llllllll “ ‘1 ‘1‘ ‘1 1‘ 1‘ ‘1 111111111111111‘11111111111111111111 1 1 111‘ ‘111 1111111 ‘1‘ 1 ‘1 11‘ 1 ‘ ‘1 1 1 1111 ‘111‘ 1111 1 1 , , , :5 1 1 1 1 .111 111 1 1 111 1 1 1 1 1 1 1 1‘ 111 111 111 1 1 111 1 1 111 111 1 1 111 11 11 )1 1 1 111 1 1 1 1 1 1 11
1 1 1 11111111111 111111111111111111 1 1 111111 ‘1 l 1 1 11‘ 1 1 ‘111 1111111 1 1 ‘11 11‘ ‘11 1 1 ‘11 1 1 ‘11 1‘ 1 11 ‘11 11‘
A foloseste formula 4.3, unde df intergrup devine df asociat factorului respectiv, 1ar df
— pentru
Dupa ce am aflat valorile lui F — efecLsimplu (vezi tabelul 4.7.)
obtinute intragrup devine intracelula
fiecare din cele cinci trepte, urmeaza ultimul pasde a stabili daca valorile df corespunzator. dispersiei
sunt semnificathze,. statistic. Trebuie sa retinem ca ~nu vom utiliza pragul de
pentru a impact puternic asupra estimarii vitezei. Efectul inregistrat a fost foarte mare
semnificatje clasic de .05. in acest caz intervine o modificare a valorii alfa
. comparativ cu viteza estimate de persoanele care au fost invitate sa precizeze
pastra constanta eroarea setului de comparatii. Astfel, 1n cazul varia‘bilei cu tre1
viteza masinilor 1n momentul lovirii lor, r fiind 0,59, r2 fiind 0,35. Pentru a ajunge Ia
trepte ,,formularea intrebarii" vom avea ca limita p — 0
.Q1,Z,1( 5 / 3),1n timp ce pentru
aceste valori am aplicat formulele 4.3 s1 44, utilizand valoarea lui F sugestii din
var1ab1|a ,,experienta 1n conducerea masinii" vom avea p= .025 (.05 / 2), deoarece tabelul 4.4 s1 calculand t Tukey pentru comparagia d1ntre,grupele,,zdrob1t" s1 ,,lov1t".
variabila are doua trepte: soferi s1 non—soferi
Cu alte cuvinte, 35% din dispersia vitezei estimate de catre subiectji investigati
Din cele cinci efecte simple doua se dovedesc a fi semnificative statistic.
este influengata de modul de formulare a intrebarii, 1n cazul sintagmei ,,viteza cu
Este vorba de interactiunea dintre formularea 1ntrebarii s1 non-soferi (A-B2) care s-au zdrobit masinile". Acest aspect poate avea implicatii profunde 1n
respectiv dintre experienta 1n conducere s1 tolosirea sintagmei ,,zdrob1t",(B-A1).
veridicitatea depozitiilor martorilor 1n actul de justitie. Se observa ca modui de
interpretarea acestor efecte simple semnificative se face pe baza observérii
formulare a 1ntrebar11 poate induce raspunsuri cu un impact pro‘fund diferit 1n
mediilor situatjiior respective $1 a graficului de reprezentare a interactiunii dintre
evaluarea unor situatii 1n care lipsesc reperele de apreciere.
factori. Pentru problema noastra se desprind doua concluzii complementare, de
nuantare: -
(1) primul efect simplu semnificativ (A—B2) indica o diferentiere mai Clara, 1n 4. 2. 3. Conditii necesare pentru aplicareafi
ANOVA simpla s1
aprecierea vitezei de deplasare a masinii 1n momentul accidentului, la persoanele ANOVA factoriala
care nu poseda carnet de conducere. Acest fapt se datoreaza probabil lipsei de
experienta 1n aprecierea vitezelor, determinandaceasté categorie de subiectj 3a fie 1 (1)Esantionul a fost selectat randomIZat din populatIe ln cazul 1n care acest
mai usor 1nfluen1abila de sugestiile experimentatorului, prin modul de formulare a fapt este greu de realizat se recomanda ca masura compensatorie
1ntrebérilor. Acest aspect se poate observa st 111 graficul de interac1iune a factorilor, aleatoea expenmentale
distribuirea sub1ect1lor1n grupele
rezultatele subiectilor fiind mai variabile decat cele ale soferilor.
(2) al doilea etect simplu semnificativ (B-A1) 1ndica o diferen’ga intre soferi 1ndeplinit 1n cazul nscare grupele experimentale sunt constituite dintr—un
s1 non—soferi 1n cazul primei situatii experimentale. Astfel, sintagma ,,zdrobit” numar mic desubiecti (ex n = 10)
influenteaza 1ntr-o mai mica masura soferii decét nonsoferii. Acestia din urma 521(3)
' Fiecare persoana dinaesantion este testata o smgura data, astfel moat
estimeaza o viteza de deplasare a masinilor mult mai mare 1n cazul1n care au tost evaluarile sa tie 1ndependente Cand acest aspect nu eéwtwefiFespectat,vom
utilizate cuvinte sugestive pentru forta impactului (,,zdrobit”). In schimb, soferii sunt utiliza, foarte probabil, ANOVAcu masuratori repetate.
mai putin afectati de acest aspect. Graficul interactiunii identifica aceasta situatie ,.-~"(4)
' Dispersia subiectjior 1mpart1t1 pe grupe experimentale sa fie egalé. Testul
1n care tormularea ,,zdrobit” conduce la cea mai mare diferentiere 1ntre soferi s1 Levene este special pentru a observa1n ce masura este realizata
construit
non—soferi, 1n ceea ce priveste estimarea vitezei de deplasare a masinii 1n
momentul producerii accldentului. Tehnicile ANOVA su‘nt destul de robuste la nerespectarea primelor doua
conditii. Cu alte cuvinte, indicele general Fwnu este afectat foarte mult de primele
doua conditii (H1nkle,Wiersma s1 Jurs, 1994). In schimb? fie1ndeplinirea conditiei
4.2.2. Marimea efectelor 1n cazul ANOVA factoriala patru, absenta unei omogenitatIa dispersiei dintre grupe afecteaza semnificativ
valorile lui F. lntr—o asemenea situatie sunt poéibile doua masuri alternative:
(a) renunta’rea la aplicarea ANOVA s1 unor tehnici
intermediul acestui indicator vom putea observa in ca masura d1ferentele tehnictlor utilizare-a
semnificative observate au 6 anum1taimportanta practica. Modul de calcul este
apelul la 0 corectie a gradelor de libertate de citire a lui F din tabelul distributiei
similar celui prezentat 1n cazul ANOVA simpla, cu deosebirea ca F reprezinta
omonime. Tabelul poate ti consultat 1n aproape orice manual introductiv de
valoarea testului pentru un anumit factor, 1ar F contrast este valoarea obtinuta1n
statistica.
cadrul unei comparatii post hoc sau a unui contrast1n cadru1 factorului respectiv ln
ln situatia din urma, valoarea lui F obtinuta va fi comparata cu valoarea
cazul 1n care un factor are doar doua trepte F contésjmeste egal 011 F atfactorului prezentata 1n tabelul lui F pentruj s1 N--1 grade de libertate s1 nu cu valoarea sa
respectiv (formula 4.2.). in cazul unei Vl cu trei sau mai multe modalitati se corespondenta de la k-1 si N—_k-1_ grade de libertate, daca omogenitatea dispersiei
mfi\
1»...
115
114
era Indepiinité. MenIioném cé N este, numérul total de subiecII din eeantion, iar k Pentru a fI un design cu masuratori repetate, merita sé precizam
ca au fost
este numérul de grupe sau de ceiule experimentale din cercetarea respective. folosiIi aceiaei subieeIi In cele trei situaIii experimentaie diferite in plus,
pentru a
elimina aspecteie de InvaIare, au fost folosite trei forme paralele ale
replicilor, care
Iaveau acelaei numar de cuvinte fiecare, iar pentru a eiimina posibilele efecte
4.3. ANOVA cu mésurétori repetate ‘
de
ordine sau oboseala prezentarea replicilor a fost contrabaiansata,
astfel Incat unii
subiecIi au raspuns mai Intal la prima situaIie experimentala, alIii la situaIia
de
In condiIiileIn care aceiagi guwecIIMsunt testaIi de mai multe‘orwom apela control iar aiIii la ultima situaIie experimentala.
la ANOVA cu. masuratorI,_Nrjep_etate. Daca ANOVA simpla era corespondentul Pe baza unor date imaginare vom testa urmatoarea ipoteza generala.
testuLuI I penIIu doué eeantioaneindependente Intr-o anumité mésuré ANOVA cu Categorizarea stimulilor afecteaza modul de percepIie a acestora. Cele
doua
masurétori repetate este corespondentui testuLui t pentrudoua e§anIioane perechI. ipoteze specifice sunt:
Am utilizat sintagma ,,Intr—o anumita masuré", deoarece am putea vorbI deANOVA a) includerea In aceea§i categorie a stimulilor similari conduce la accentuarea
cu masuratori repetate, atat In cazul In care un singur factor, este luat In percepIiei deosebiriior dInIre stimulii diferiIi In comparaIie cu absenIa
considerare; cat ei In situaIia In care' mai mulIi factori sunt mésuIeIII repetat categorizarii. lpoteza nula pentru aceasta situaIie este III = p2, adicé nu
(ANOVA factorielé cu méeurétori repetate). Termenui de' mésurétor’i‘repetater exista diferenIe semnificative In aprecierea distanIei dintre replicile mai
implicé evaluarea unui individ de‘ douéwsau mai multe ori privitor laeceeagI lungi §i cele mai scurteIn primele doué situaIii;
variabilé dependenfié. b) inclUdereaIn aceeaei categorie a stimuiilor diferiIi va conduce la reducerea
'Vom utilize un exemplu de ANOVA cu mésurétori repetate apelénd la un percepIiei deosebirilor dintre ei In comparaIie cu absenIa categorizarii.
exemplu din psihologia sociaié. Tajfel recunoagte categorizarea socialé ca 0 ipoteza nula este In acest caz p2: M3. adica nu exista diferenIe
componenté de bazéi a identitéIii sociale. Acesi: proces cognitiv de structurare a semnificative Intre aprecierea distanIei dintre replicile mai lungi §i
cele mai
stimuliior din mediul Inconjurétor pentru a simplifica percepIia nu se rezumé doar la scurteIn situaIia ultimelor doua grupe
mediul social. Vom adapta un studiu descris pe scurI de Lyons (.1998) §i aparIinénd Altfei spus, utilizarea aceleiaei etichete pentru stimuli similari conduce la
lui Tajfel §i Wilkes. Autorii au demonstrat tendinIa de accentuare a diferenIelor In creeterea asemanarilor percepute dintre ei, In timp ce utilizarea aceleiaei
etichete
cazul unei categorizéri prealabile a stimulilor. Concret, subiecIii au fost rugaIi sé pentru stimuli diieriIi conduce la scaderea deosebirilor percepute dintre ei
evalueze, In numér de cuvinte, lungimea unor replici dintr-o piesé de teatru. Din Exemplul prezentat poate fi exersat utilizand fieierui anova repetate. sav,
cele’opt replici selectate, patru erau ‘mai scurte, iar patru erau mai lungi. Vom urmand calea "Analyze”; ,,_General Linear.Model.” "Repeated Measures".
In
prezenta Irei situaIiI experimentale, dintre care primeie doué respecté studiul IniIial, fereastra deschisa va trebui asociat numagui 3 termenului ,fac__1”,pentru a defini
cea de a treia fiind introdusé de noi cu scopul de a utiliza ANOVA cu mésurétori cele trei situaIii experimentale Intalnite, prin acIionare‘a butonului ,,define". In cazul
repetate In dauna unui simplu test I dependent. Prima situaIie unei ANOVA factoriala cu masuratori repetate Inainte de a acIiona butonul
experimenteié "define”, se apasa ,,add" peniru a permite definirea numarului de repetari In cazul
consta In faptul céi cele patru replici mai lungi erau etichetate cu litera A, Iar
celelalte patru replici mai scurte erau identificate cu B. A doua situaIie a studiului celui de-al doilea factor
iniIial, poate fi etichetaté ca grup de control, deoarece cele opt replici nu erau ANOVA cu mésuratori repetate poate fi realizata atat prin Iestare_ Iui F
general urmata de comparaIii post hoc cat5i prin testarea unoe,specifiCI ' I
associate cu nici o literé. Cea de-a treia situaIie, introdusé de noi, consté In, ' prin
asocierea mixté a iiterelor‘A §i B cu cele opt replici, astfei Incét sé existedoué aplicarea unor contraste. in cazul de faIa ipotezele impun cea de——a doua abordare,
replici mai lungi §i doué replici mai scurte asociate literei A, iar restul repliciior datorita specificitaIii eXisIente In formularea lor Totugi, In scop didactic, vor
fi
(doué replici mai lungi §i doué replici mai scurte) fiind etichetate de litera B. analizate rezultatele oinute §i prin metodele post hoc
.. Modul de prezentare a tabeluiIII sumar pentru ANOVA cu mésuratori
Conform efectuiui de accentuare activat prin etichetarea stimuiilor, subiecIII '
au exagerat diferenIele dintre replicile mai lungi §i celemai scurte In cazul repetate din SPSS este puIin diferit de modul de prezentare al tabelului su’mar din
etichetérii primelor cu literaI A §i a celorlalte cu litera B, comparativ cu lips‘a celelalte cazuri. El este constituit doar din doua surse ale dispersiei:
cea
etichetérii acestora In grupa de control. Pomind de la aceste premise, ne vom determinata de factoruLcercetariI (In cazul nostru, Iipul de situatie experimentala)
agtepta ca etichetarea replicilor din a treia situaIie experimentalé sé' reducé respectiv dispersia datoraté erorii De fapt, aceste surse sunt §i cele mai
'
diferenIele dintre replicile mai lungi ei cele mai scurte, datorité identificérii mixte a importante pentru caIcularea lui F.
acestora cu litera A, respectiv B. Totugi, aceasta modalitate de prezentare a rezultatelor nu Iine seama de
specificui Iehnicii ANOVA cu masuratori repetate Spre deosebire de ANOVA
117
din
simple, ce consideré diferentele interindiyiduale ca parte a dispersiei,_,erorii_ 5e observé, compararea figurilor 4.13. si 4.14., can dispersia erorii in
(neexplicate), in ANOVA cu masurétori repetate putem ‘distinge trei surse ale masuratorilor repetate s-a redus la 24,833. Dace
cazul nu am fi eliminat din cadrul
dispersiei:-dispersia.explicataidatorata treptelor variabilei independente), dispersia' ei sursa dispersiei datorate diferentelor dintre indivizi, am
fi obtinut o valoarea mai
subiectilor (datorata diferentelondintre indivizi) si dispersia neexplicaté, reziduala. mare: 182,250 (157,417- + 24,833). Valoarea ar
fi obtinuta si dacé am face
sau dispersia erorii. Daca va reamintiti, F nu era altceva decat raportul dintre, abstractie de rezultatele care provin de la aceiasi subiecti (yezi figura
4.15.)
dispersia explicata‘si cea neexplicata. Din acest punct devedere, datorita reducerii
dispersiei neexplicate, prin eliminare'a’ dispersiei datorate diferentelor individLiale, F ANOVA ,
are mai mari sanse sé fie semnificatiy statistic. Astfel, un design cu masuratori Diferenta replici luhgi - scurte
repetate are 0 putere statistica mai mare de a detecta situatiiie in care variabilele Sum of
Squares df Mean Square
independente influenteaza o anumita variabila dependenta. Between Groups
F Sig.
84,500 2 42,250 7,650 ,002
Within Groups 182,250 33
Tests of Within-Subjects Effects 5,523
Measure: MEASURE_1
Total 266,750 35
Type I” Sum
Source of Squares d1 Mean Square F Sig.
SlTUATlE Sphericity Assumed 84,500 2 42,250 37,430 ,000
Figura 4.15. Output SPSS 1 1.0 cu tabelul sumar ANOVA simple
'
Greenhouseeeisser 84,500 1,784 47,367 37,430 ,000 pentru problema categorizérii
Huynh-Feldt 34,500 2,000 42,250 37,430 ,000
, Lower-bound 84,500 1,000 84,500 37,430 ,000 SPSS este ovmarca inregistraté.
Error(SlTUATlE) Sphericity Assumed 24,833 22 1,129
Greenhouse-Geisser 24,833 19,623 1,266
Trecand peste aceste aspecte tehnice, se observe ca testul
Huynh-Feldt 24, 833 22,000 1,129 . F in urma
’' " ' " aplicarii ANOVA cu mésurétori repetate (figLira 4.13.) a fost
Lower—bound 24,833 11,000 2,258 semnificativ statistic
[F(2, 22) = 37.43, p < .01]. Acest rezultat indica respingerea ipotezei
nule <33nform
Fi'gura 4.13. Output SPSS 11.0 cu tabelu/ sumarANOVA careia diferentele existente dintre mediile celor trei grupe s-ar datora
hazardului. in
in cazu/ unui design cu mésuraton' repetate consecinté, etichetarea unor stimuli are un efect Semnificativ asupra
' modului de
SPSS este o marcé inregistraté. a gradului de asemanare sau deosebire dintre acestia.
perceptie
in pentru a testa cele doua ipoteze specificeienuntate vorn
consecinté,
Pentru a identifica in SPSS dispersia datoraté indivizilor..siximplicit totalul apela Ia contraste. in cazul ANOVA factorialaHsi‘ ANOVA cu mésuratori
repetate
sumei ,patratelor, putem sa tratam un design cu mésuratori repetate ca un design SPSS-ul ofera prin meniu ‘doar oportunitatea“d€'”awrailege intremczontraste
normal, introducénd un factor aleatoriu denumit ,,subiecti", pentru a identificia standardizate. Din tabelul 4.2., putem observa ca cea mai potrivité
alegere pentru
scorurile apartinénd aceleiasi persoane. ‘Tabelul sumar din SPSS devine: testarea celor doua ipoteze este contrastul¢epetat.(,,repeated”).
Acesta testeaza
pe rand, diferenta dintre grupele 1 si 2, respectiv dintre grupele
Tests of Between-Subjects Effects 2 si 3. Primu1
contrast va testa prima ipoteza, iar cel de-al doilea, pe cea de
Dependent Variable: dilerenta replici lungi - scurte
V
a doua. Rezultatele
Type Ill Sum in SPSS sunt prezentate astfeI:
Source . of Squares d1 Mean Sguare F V_Si£.__‘
intercept Hypothesis 10302250 1 10302250 719,903 ,000
Error , 157,417 11 14,311El
SITUATIE Hypothesis 84,500 2 42,250 37,430 ,000 Descriptive Statistics
Error 24,833 22 1,129b
SUBJECT Hypothesis 157,417 11 14,311 12,678 ,000 Mean Std. Deviation N
Error 24,833 22 1,129)b efect de accentuare
SITUATlE " SUBJECT
18,75 2,491 12
Hypothesis 24,833,. 22 1,129 , ,
Error ' ,000 grup de control 17,00 _ 2,174
0 ,° 12
21- MS(SUBJECT) efect de reducere 15,00 2,374 12
13- MS(GRUPA*SUBJECT)
0- MS(Error)
Figure 4.16. Output SPSS 11.0 cu valori/e descriptive pentru cele
trei grupe oferite de SPSS
SPSS este o marcé inregistrata. '
Figura 4.14. Output SPSS 11.0 Cu tabelul sumar ANOVA factorial,
in cazul tratan'i subiectilor ca facton' aleaton'
SPSS este .o marca inregistrata.
118 119
l‘llll lllll lllll‘lllllllllllllilllll_.lllll lllll llll ‘lll ‘ll‘
Totusi, criteriui de. selectie'a acestor proceduri se schimba semnificativ, deoarece

Tests of Within-Subiects Contrasts
specificui design-uiui cu masuratori repetate si neindeplinirea freoventa a conditiei
Measure: MEASURE_1
' de sfericitate afecteaza niveiul erorii de tip 1. Detailidespre'modul de comportare a
Type lil Sum - .
. 'proceduriior post hoc sunt furnizate in Field (2000), Kinnear siGray (2000) si
Source SITUATIE of Squares df Mean square F 519-
SlTUATlE Level 1 vs. Level 2 , 36,750 1 36,750 24,877 ,000 Weinfurt (2000). Concluzia principala‘es‘te ca cea mai buné optiune de a testa
.
Level‘2 vs. Level 3 48,000 1 48,000 17,600 .
,001 diferentele dintre grupe este metodaBopLerrgnTi, pentru orice situatie existenté. ln
Error(SlTUATlE) Level 1 vs. Level 2 15,250 11 . 1,477 exemplul dat, rezultatele confirma diferentele obtinute prin contrasts.
Level 2 vs. Level 3 30,000 11 2,727
Figura 4.17. Output SPSS 11.0 cu testul contrastelor standardizate ,,Hepeated” 4.3.1. Mirimea efectelor in ANOVA cu masurétori repetate
7 SPSS este ‘o marcé inregistrata.
ln ceea ce priveste calcuiarea magpii 91‘9“”!n aceasta se realizeazé intr—
ln cazul primei ipoteze se obtine un F (1, 11)
= 24,87, p < .01. Astfel, un mod similar cu cel prezentat in cazul ANOVA Simple si ANOVA factoriala. Spre
aplicarea unor categorii identice pentru stimuli similari conduce la. accentuarea exempiu, vom calcula marimea efectului corespunzatoare aprecierii distantei dintre
distantei percepute fata de stimulii diferiti. Media distantei dintre stimuli in cazul stimuli in situatia etichetarii comune a stimulilor similari in comparatie cu
de
aplicérii etichetei a fost 18,75, in timp ce media distantei dintre stimuli in grupul etichetarea comune a stimulilor diferiti, deci cazul grupelor 1 si 3. Luénd in
control a fost 17,00. Similar, in cei de—al doilea contrast, F (1, 11) = 17,60, p <. .01. considerare c' F contrast este 65,59 ,(3,75/O,463)2, iar F (2, 22) este 37,43, vom
Acest rezuitat arata ca aplicarea unor categorii identice pentru stimuli dlferlil obtine, pe baza formulei 4.3, un r de 0,82 si in consecinté, un fieste.,0,.67. Acesti
conduce la reducerea distantei percepute dintre stimulii diferiti (media pentru indicatori araté un efect extrem de puternic produs de' tipul de etichetare a
grupul de control a fost 17,00, iar cea pentru ultimul grup experimental
a lost stimulilor in aprecierea distantelor dintre ei. Rezultatul are 0 importanté deosebita
contraste (.000,
15.00) Se constaté ca pragul scézut de semnificatie a celor doué
in ameliorarea unor situatii practice. Astfel, ar trebui descurajaté etichetarea diferité
de
respectiv .001) eliminé problema unei vaiori inflationiste a lui p, peste valoarea a 'romilor de populatia majoritara, pentru a evita accentuarea diferentelor percepute
.05, datorata faptului ca acest contrast ,,repetat" nu este ortogonal. In aceste dintre oele doué categorii. Similar, utilizarea acelorasi etichete in descrierea sau
conditii, ambele ipoteze de lucru au ramas in picioare, sprijinind premisa generala numirea persoanelor apartinand celor doué ,etnii, poate determina o reducere
a cercetarii de tata, conform careia gruparea pe categorii a stimulilor afecteaza importanté a diferentelor percepute intre cele doua populatii.
modul de perceptie a acestora. .
Testelewosfhoc-potti--utiiizate siin cazul ANOVA cu masuratorl repetate.
4.3.2. Conditii necesflarepentru aplicarea ANQXQ CUAméSUratori
.. , .
repetaterr.
Pairwise Comparisons
Measure: MEASUREJ
Primele doua conditii din tehnicile ANOVAsimplasauANOVA.factorialé se
pastreaza, desi neindeplinirea lcr n‘u afecteaza toarte mult rezultatele obtinute.
' 95% Confidence Interval for
Differencea
ln schimb, nu este suficienta indeplinirea conditiei de....omogenitate,a
‘Mean
Difference
(H) Sid. Error
, a
Sig.
>
Lower Bound Upper B oun d dispersiilor dintregrupe pentru a aplica ANOVA cumésuratori repetate. Conditia
ll)SlTUATlE (J)SlTUATlE
2,739
1 2 1,750" ,351 ,001 .761 necesara este denumité cdnditia de sfericitate. Aceasta implica premisamgnreirelatii
3,750“ ,463 ,000 2,445 5,055
3 ' -,761 similare in el‘fiecarev-pereche. deconditii experimentale, ea fiind o conditie mai
2 1 4,750' ,351 ,001 -2,739
2,000* ,477 ,004 ,656 3,344 generalize simetriei complexe. Aceasta difi""firmé este indepiinité, daca dispersia
3-
3 1 ~3,750' .453 ,000 ~5.055 , -2,445 este egalé in toe-tell situatiiieexperimentale (omogenitatea dispersiei) si dacé
—2,000* ,477 .004 . ”3,344 -,656 covarianta, implicit'coreiatia dintre tiecare conditie experimentala este egalé, adica
2
Based on estimated marginal means exista o dependenta similara intre toate coniditiile experimentale. ln practicé se
'- The mean difference is significant at the ,05 level. observaoé este foarte dificii de indeplinit dubla conditie-Lmajoritatea designeurilor
a. Adjustment for multiple comparisons: Bonferroni.
ANOVA cu masurétori repetate cu mai mult de doué grupe-incalcand aceasté
conditie. 8a presupunem un design cu patryuwrnésuretoriWrepetate. A respecta
Figura 4.18. Output SPSS 1 1.0 cu rezultate/e comparatiilorpost hoc conditia de simetrie complexé inseamné ca toate cele patru grupe au dispersil
SPSS este o mama inregistraté.
120 121
I. . I ., “ Ill. li‘. ‘l ll. illllllllllIlllllII_-llllllllll|llllllillll lllllllllllllllllllllllllllllll ‘ . I llll IIIIIIIII . II . .I i
Rezultatele din figura 4.19. indica un caz‘fericit, dar, din pacate rar, de
3' l §l 4.2 $l 3 2 §i 4; 3 si 4. Uneori, aceste conditii sunt partial indeplinite. De indeplinire a conditiei de sfericitate Valoarea lui epsilon este cuprinsa undeva in
exemplu, exista O COIeIatie relativ egala intre rezultatele din grupele 1 si 2, respec- intervalul 89 si 1 00, adica are 0 valoare mai mare de. 90. Acest indiciu este Insotit
ilV l §I 3: dar “U S intre 2 si 3 etc. Aceasta situatie este numita sfericitate locala. de un test Mauchly nesemnificativ statistic in oonsecinta conditia de sfericitate a
Din Punct de vedere statistic sfericitatea afecteaza valorile lui F, crescand fost Indeplinita, nefiind necesare nici un fel de suplimentareIn interpretarea
fiajustari .
sansele de a comite eroarea d'etip|_ adica de a respinge ipotezanula cand nu lui F.
exista UFI efect real. Cum ne dam seama daca conditia de sfericitate este Vom folosi aceeasi situatie de cercetare pe o alta baza de date imaginare
indeplinita? SPSS ul calculeaza testul W at lui Mauchly .Daca rezultatul acestuia pentru a demonstra modul de iucru in cazul in care conditla de sferlcitate nu este
este semnificativ _Siatistic conditia de sfericitate este i lcata. Daca rezultatul nu indeplinita.
este semniflcativ statistic (adica p este mai mare de 05) utem considera ca este
respectata conditia. T-otusi, acest test este foarte sensibil la numarul de subiecti si Descriptive Statistics
la forma distributiei datelor, de aceea este necesara foarte multa precautie in Mean Std. Deviation N
interpretarea sa (O’Brien si Kaiser, 1985) etect de accentuare 18,75 2,491 12
in Primul caz, In care conditia de siericitate nu este Indeplinita, va trebui sa grup de control 18,50 2,236 12
adoptam una dintre cele doua alternative: utilizarea tehnici_l MANOVA (analiza
efect de reducere 15,83 4,282 12
dispersionala multivariate) sau ajustarea valorilorlui F din ANQyA cu masuratori

repetate Prima nu lace obiectul analizei de fata, In schImb ne Vom oprisa detaliem Mauchly's Test of Sphericity
cea de a doua posibilitate. .2
Measure: MEASURE_1
Pentru a intelege aceste corectii vom ‘porni de la premisa ca indeplinirea in
totalitate a sfericitatii poate fi notata epsilon egal cu _1_ {De asemenea, cea mai Epsilona
’
grava violare a acestei conditii este egala cu 1/(k- ). in cazul a trei grupe Within Subiects Effect Mauchly's W
Approx.
Chi-Square dt Sig.
Greenhous
e—Geisser Huynh-Feldt Lower-bound
experimentale (k- 3), valoarea minima a lui epsilon este 0,5 De obicei, un SITUATlE ,341 10,764 2 ,005 .603 .636 ,500
epsilon Intre 90 §i1 nu ridica nici un fel de probleme. Cu cat valoarea lui epsilon 3- 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.
este mai mica CU alat sunt probleme mai mari legate de neindeplinirea conditiei de
sfericitate. Ajustarea lui F se face folosind fie corectia Greenhouse- Geisser, fie cea Tests of Within-Subjects Effects
COfiagbUté d9 HUyIIh §i Feldt. Prima modalitate este conseryatoare (subestimeazé Measure: MEASUREj
valoarea lui—epsilon), iar cea de—a doua, liberala (supraestinleaza valoarea lui Type lll Sum Partial Eta
Source of Squares » - df Mean Square F Sig. Squared
epsilon), Sp'ecialistii au preferinte diferite de a alege una dintre cele doua modalitati SlTUATlE Spherlcity Assumed 62,722 2 31,361 5,478 .012 .332
de ajustare a lui Everitt intre cele
considera ca ar trebui realizata 0 medie Greenhouse-Geisser 62,722 1,205 52,033 5,478 ,030 ,332
F. (1995) Huynh- Feldt 62,722 1,273 49,285 5,478 ,028 ,332
, Lower-bound 62,722 1,000 62,722 5,478 ,039 ,332
Feldt. daca epsilon este cuprins intre 75 .90,respectiv Greenhouse-
a corectiei:
‘’ “
Error(SITUATlE) Sphericity Assumed 125,944 22 5,725
Geisser pentru valori epsilon mai mici. Greenhouse-Geisser 125,944 13,260 9,498
Huynh-Feldt 125,944 13,999 8,997
Lower—bound 125,944 11,000 11,449
Mauchly's Test of Sphericity

i
Measure: MEASURE_1 Figura 4.20. Valorile descriptive, testarea conditiei de sfeh‘citate '§i tabelul sumarANOVA cu
masuratori repetate pentru aceeasi problemé, utilizand o a/ta baza de date
Epsilona SPSS este o marca inregistraté.
Approx. Greenhous
‘
Within Subiects Effec Mauchly's w Idf Sig, e—F Huynh»Feldt Lower—bound
SITUATIE ,879 Chi-Square
1.291 2 .524 ,892 1,000 .500 in aceasta situatie se observa ca atat testul Mauchly, cat si vaioarea lui
. a. May be used to adjust the degrees of freedom for the averaged “35‘s Correctecl‘tests are displayed epsilon indica o incalcare a conditiei de sfericitate. Acest aspect poate fi observat
0f significance.
Tests oi Within~Subjects Effects table.
empiric prin faptul ca abaterea standard a persoanelor aflate in a treia situatie
Figura 419- Output SPss 11.0 cu rezultatele referitoare la situatia sfericitatii obtinute experimentala este aproape dubla fata de abaterea standard a celorlalte doua
SPSS este 0 meme inregistraté.
grupe. Or abaterea standard nu este altceva decat radacina pétrata a dispersiei.
' 123
122
I II:1imummy“)lliilllllllllllltllllllilllll‘ll
Din al doilea tabel prezentat in figura 4.20. observam ca valoarea lui tuturor pacientilor la trei luni la sase luni si la douasprezece luni de la prima
epsilon este undeva intre .603 si .636, astfel incat sfericitatea este grav incalcata, evaluate. lntrebarea care se pune este daca pacientii care au urmat terapia
je aceea vom aiege corectia Greenhouse-Geisser a lui F. Ca urmare, in cel de-al cognitivcomportamentala si-au red'us semnificativ simptomele de depresie pe
:reilea tabel al figurii 4.20.. nu vom citi prima valoare, adecvaté respectarii conditiei , parcursul acestei perioade de limp;
:le sfericitate [F(2, 22) : 5,47 la un p de .012], ci vom utiliza valoar‘ea lul F din
dreptul corectiei Greennose—Geisser [F(1.20, 13.26) = 5,47, la un p de .031. In
aceasta situatie ambele valori F au fost semnificative statistic, insa se observe ca 4.5. ExemplLi de ANOVA factorialé:
dupa aplicarea corectiei pragul lui F a crescut. Acest lucru poate fi important in alte
situatii in care valorile Corectate ale lui F nu sunt semnificative statistic, in timp ce
cazul euristicii deagcesibilitate
valorile originale ale lui F au iost semnificative, schimband astfel interpretarea
rezultatelor.
in luarea deciziilor sunt utilizate o serie de strategii cognitive de‘numite
,
Un ultim aspect tehnic, ce merita a fi mentionat pe scurt in cadrul’ analizei eugsflci lntre acestea este vorba si de euristica de; cesibllitate care consta in
tendinta oamenilor de a acorda QprobabIlItate m dlcata alternatiyei sau
dispersionale, tine de ‘modul de calculare a sumei patratelor (SS). Dace. toate
evenimentului care este maiusorde amintit. imaginatiVa ca suntetl rugat sa oferiti
rezultatele sunt complete, vom pastra tipul lll de calcul, acesta fiind optiunea
cinclsprezece example in care v—ati purtat agresiv Probabil ca veti oferi rapid
standard in SPSS. Daca vom avea date lipsa, caz intalnit mai ales in situatia
. sapte-opt exemple dupa care va va fi din ea In ce mai greu sa va amintiti celelalte
masuratorilor repetate, Irom utiliza tipul N de calculare a sumei patratelor.
situatii pana la cincisprezece. Datorita acestui fapt probabil nu Va veti evalua ca 0
persoana foarte agresiva. lmaginati-va ca sunteti rugat sa oferiti cinci exemple In
care v—ati comportat agresiv. Le veti'oferi rapid si veti concluziona, probabil, ca
4.4. Alte modalitéti ANOVA
Sunteii o persoana foarte agresiva. in aceste conditii se intampla un paradox,
persoanele din prima situatie se vor autoevalua ca fiind mai putin agresive decat
Cele trei modalita’gi prezentate mai sus reprezinta cele mai frecvente situatii persoanele din al doilea grup, desi primele au oferi’r de trei ori mai multe exemple
care necesita analiza dispersionala. Totusi, in tabelul 4.8. sunt prezentate alte de agresivitate. Acest lucru se produce datorita experimentarii dificultatii de a
cateva tehnici ANOVA. Criteriul de diferentiere a lor este dat de independenta rememora toate exemplele tip din prima situatie in comparatie cu usurinta accesarii
evaluérilor (grupele formate din aceiasi subiecti sau din subiecti diferiti) si de lor in a doua situatie, in care trebuia prezentate doar cinci example. in aceste
numarul de variabile independente (unul sau' mai multi factori). conditii, vom concepe un experiment similar cu cel realizat de Schwartz (apud
Kunda, 1999), dar usor modificat prin introducerea unei trepte suplimentare.
Tabelul 4.8. Tipuri de ANOVA in functie de designul cercetérii Unii subiecti inclusi in experiment au fost rugati sa ofere cinci exemple de situatii in
Subiegti diferiti Aceiasi subiecti care s—au comportat asertiv. Alti subiecti au fost rugati sa otere zece exemple, iar o a treia
7 variabilér ANOVA simpla ANOVA c'u masuratori grupa de participanti la studiu a fost rugata sa ofere /cincisprezece exemple de situatii in
independenta (ANOVA unifactoriala) repetate care s—au manifestat asertiv. Prin urmare, prima variabilé independenté manipulate de
2 sau mai multe ANOVA factoriala ANOVA factoriala cu cercetétor este numarul de exemple aminiite cu trei trepte de lucru: cinci. zece, respectiv
variabile independente masuratori repetate cincisprezece situatii de comportament asertiv
Design mixt Alte trei grupe de participanti au fost formaie schimbénd obiectul reamintirii. Astfel,
subiectii din a patra grupa au fost rugati sa-si aminteasca cinci exemple de situatii in care s~
(unul sau mai multi factori variati in grupe de subiecti diferiti §Ii
au comportat non—asertiv, cei din grupa cinci au fost solicitati sé—si aminteascé zece
unul sau mai multj factori masurati pe aceiasi subiecti)
asemenea situatii, in limp ce persoanelor din grupa sase li s-a cerut sa prezinte
Un design mixt este oferit de Weinfurt (2000). Un cercetator doreste sa cincisprezece situatii in care s—au comportat non—asertiv. Asadar, cea de-a doua variabilé
observe eficienta terapiei cognitiv-comportamentale in reducerea simptomelor independenta a constat in obiectul evaluérilor situatiilor stimul, ea avand doua trepte: asertiv
depresive la pacientii suferinzl depresie severa. Dupa' o evaltfirewinitiala cu 5i non-asertiv. Avem de a face in acest caz cu un design factorial de tip 3 x 2, cu sase celule
experimentale, fiecare fiind alcatuité din subiecti diferiti. Variabila dependenia a consial intr-
,,lnventarul de Depresie Beck", subiectii au fost impartiti aleatoriu in doua grupe: de
controfiLexperirnentalé. Cei din grupa experimentala au urmat o terapie cognitiv- o singura intrebare de autoevaluare a gradului de asenivitate a subiectului. lntrebarea este
comportamentala pa 0 perioada de trei luni. lnventarul Beck a mai fost admiriistrat pusa pe 0 scale Liker’r cu zece pun-cte, situate de la 1 (deloc asertiv) la 10 (foarte asertiv).
124 125
Pentru a testa in ca mésura dificultétile » de reamintire a unor situatii
se contirmé ipcte'zarcgnfomt cateiav:
Réméne de analizat in‘ce mésuté conSIdcta
definitorii pentru comportamentul asertiv afecteazé gradul de auto—petcepere ’a
reamintirea situatuicr ca
ersoanele care intampina dificultétiin cerutc unei persoane ca fiind asertiva, vom apela la calcularea lui F din ANOVA factorial.
‘ a acelei tréséturi datorita acceSIbIlitatn
:u un ' nivel '
mai scazut cle dezvoltare
' ' ' Am ales aceasta tehnicé datorita design-ului factorial de tip 3 x 2, cu tipul de stimul
“
1 a unor exemple
scazute (euristica de accesi‘bilitate). . .. (asertiv vs. non-asertiv) si numarul de exemple cerute (5, 10 st 15) ca variabile
parcurgerea urmatcnlor past.
-
Orice anali;a,_d_i,§persionalé[neceSIta independents. Tcate conditiile specifice aplicérii probei au fost indeplinite, inclusiv
F: metode a,,priori_rrsa0 .
\/ de an-aliza, ulterioaré testului
selectarea modalitatii WV. omogenitatea dispefsiei, unde testul Levene a fost F (5, 54) = 0,23, p > .10.
c6mparatii.posthoc; 0, Valorile descriptive pentru fiecare situatie experimentalé sunt prezentate in
. _
\/ testarea conditiilor aferenie tlpUlULdB. ANOVAefectuata, primul tabel, iar rezultatele obtinute in urma aplicérii testului ANOVA 3 x 2 sunt
/ interpretarea regifitatelo'rcbtinute, ' trecute in be! de—al doilea. .
de analizé
Minimum de . inform‘atii care trebute trecute in sectiunea Din tabelul sumar ANOVA se observé ca nici unul dintre efectele principale
. . M ,
puncte', . v nu au fost semnificativ statistic. in aceste conditii, or'ice comparatie post hoc sau
cantttatlva a datelor atmge urmatoarele ~ . v
-
Q precizarea intr-un paragraf a tipului dwnalg hagtinsay ("ANOYAfaStZriZlaé orice contrast a priori nu-si mai gése‘éc rostul. in schimb, eféctul determinat de
pentru a g refiaficflag inc
ANOVA simplé etc.) si a justificérii Lizan interactiunea dintre cei doi factori a fost semnificativ statistic, F (2, 54) = 16,66, p <
discutie scurta asupra cqtgitiiicr; , . si .01, indican/d o interdependenté puternicé Tntre acestia Situatia specialé poate ti
cat. si a unui tabel cu rnedule
/ prezentarea unui tabel sumaLANOVA, din observaté eficient st in figura de mai jos.
—..veZi m odelul de mai ios inspirat Din analiza ei putem observa cé ipoteza de lucru este sustinuté. Astfel,
dispersiilaflecéreivcelule,_,experimentale
. . \ .. persoanele care trebuiau sé—si-aminteascé cinci exempie in care s-au ccmportat
Nicol si Pexman (1999); . renunta la prezentarea
F efectuate se poate
J in cazul unui numar mare de taste intaxt,
asertiv s-au perceput pe sine ca fiind mai asertive decét persoanele care trebuiau
flingttecute
tabelului sumar ANOVA, valorile F obtinute cazul unet
sa-si aminteascé cincisprezece situatii de acest gen. 'Mai mult, persoanele care
fie a relatiilor dintre=t;ztactori"'(in
/ reprettgrea graficé dupa caz, trebuiau sa-si aminteasca cinci example in care s-au comportat non-asertiv au
principale care. suntmsar'nnificative,
interactiuni seifiniticati‘iie), fie a efectelor de urmat un proces similar, dar invers. Ele au obtinut un scor mai mic la asertivitate in
post hqgwsau a contrastglcr, in functie
\/ discutarea rezultatelor de la testele situatia in care trebuiau sé—si aminteasca cinci stimuli, in comparatie cu situatia in
caz; . 7 v care trebuiau sé-si aminteasca cincisprezece' asemenea situatii, deoarece au
interpretarea sumaré‘a ragtiltate ‘ or gasn'te. . V intémpinat mai multe dificultéti in amintirea situatiilor in care s-au comportat non—
/ in
de analiza a datelor poa te ti formUlaté
Pentru exemplul dat, sectiunea asertiv. in schimb, nu par a fi diferente majore intre cele doué situatii—stimul in
modul urmator: cazul de mijloc, de reamintire a zece situatii stimul. Aceste date sunt sprijinite si de
faptul cé patru din cele cinci efecte simple sunt semniticative statistic, singurul efect
dat si numérul
auto-percepute in functie de stimulul care n-a indeplinit acest criteriu fiind tocmai situatia referitoare la amintirea a zece
Media si abaterea standard a asertivitétji
de exemple cerute , ~ - stimuli asertivi sau non—asertivi.
Dovezt de asertivitate \ DOVeZI de non-asemvnate 7.0
AS M AS
Numér example M
0,96 4,30 0 , 94
Cinci 6,40 -
' 0,94 5,20 a 5,0 \\
5,30
Zece \ ./
.7!
E \\ r/
’
1,17 6,00 (1)7):
,
Cincisprezece 4,50 K‘
g 5 'a
5 . \t\
7‘'=: / ~ \1
Tabelul sumar ANOVA » 32
a
w"
df MS F a: ,
Sursa dispersiei SS § 4'“ trasatura evaluata
0,13
' 2 0 06 33 T”assru‘v
Stimulul dat
1 O,
02?: 0,8? 4% ""
Numér exemple' 0,81 H 2 3,0 ‘3 non-aseriiv
2 16,2'65 16,6.6
, . 5 si uatii 10 silualii 15 s ualli
Stimul dat X Numér example 82,53 .

52,70, 54 0,976 numar example
Rezidualé 1
86,18 59 Evolutia nivelului de asertivitate auto—perceputé in functie de conditiile experimentale
Total
** p < .01
127
126
_1 'I [RE-l—Iiiiiiliiiiiifliiiiii
Rezultateie sugereaza ideea ca oamenii tind sa fie influentati .in perceptiile are 0 fidelitate perfecta, apare riscul de a grupa gresit un incliyjd care a obtinut
un
Ior de dificultateade a accesa informatiile cerute (este mai dificil sa-ti aduci aminte rezultat foarte apropiat" medianei. in plus el va fi tratat la fel ca 0 persoana care a
cincisprezece situatii stimui decat cinci) si mai putin de numarui de informatii realizat scoruri extreme, pierzandu-se foarte mult din nuantarile necesare existente
aduse Cu alte cuvinte, chiar daca ni se cere sa precizam Cat mai multe situatii In prin masurarea caracteristicii pe o scala numerica in aceste conditii, o alta varianta
care sa ne fi comportat asertiv, daca vom intampina dificultati in amintirea acelor poate fi utilizata pentru gruparea subiectiior in trepteale variabIIeI independente
situatii, vom fi tentati sa ne caracterizam in directie opusa. in cazul de feta, vom, De aceasta data sunt utilizate valorije mediei§i abaterii s dard pentru a
evalua ca fiind mai degraba non-asertivi. Astfel, a fost .dovedita inca 0 data ‘categorisi subiectii. Varianta elimina multe dintre neajunsurile prezentate anterior
influenta euristicii de accesibilitate in modui de evaluare a situatiilor dar are un alt dezavantaj major, si anume: eliminarea unor subiectjfitestati”din
analiza ulterioarji a datelor, fapt ce nu ni-l putem permite in multesituatii; Totusi,
pentru a exemplmca’rrnOdalitatea de impartire a subiectiior vom porni de la cazui
‘
masurarii gradulUi de extroversiune, unde media a fost 12, iar abaterea standard 4
Grupa ,,extr0versiune scazuta" ar putea fi alcatuita din subiectii care au obtinut
rezultate mai mici sau egale cu [media — 0,5 abateri standard], adica din subiectii
Nu intotdeauna variabilele independente'de interes din cadrul unui studiu
cu un grad de extroversiune cuprins intre O si 10. Grupa ,,extroversiune ridicata" ar
comparativ sunt dewpwnominal (ex. barbati sau femei) ori ordinal (exgrup control,
putea fi alcatuita din subiectii care au obtinut rezultate egale sau mai mari decat
grup placebo grup tratament terapeutic) ln multe situatii, factorii pot fi masurati de
[media + 0,5 abateri standard], adica din persoane care au avut rezultate egale sau
scalemnnumeri‘ce, fie ele de tip intervgjflsaamuwpwportii. lnteligenta exprimata in valori
mai mari decat 14. Astfel, subiectii cuprinsi in intervalul m,i0,55 nu vor fi cuprinsi in
iQ, trasaturile de personalitate masurate prin anumite teste sunt numai cateva
nici una dintre grupe si vor fi eliminati din analiza ulterioara a datelor. in cazul
cazuri in care datele sunt masurate pe un interval iarg. A lua fiecare valoare
prezentat ar fi fost vorba de toti subiectii care au obtinut valorile 11, 12 sau 13 la
numerica exprimata si a face din ea 0 treapta a vaLiabilei independente se
testul de extroversiune. in cazul in care distributia rezultatelor ar fi fost normala, ar
dovedeste a ti o masura imposibila de adoptat practic, fie si nUmai din motivul
fi insemnat eliminarea a aproximativ 38% din subiecti. in plus, numarul de subiecti'
necesitatii unui numar imens de subjecti Sa ne gandim la situatia unei testari
din cele doua grupe noufiormate ar fi fost ega|~doar in conditiile unei distributii
psihologice, In urma careia avem 40 de vaiori numerice diferite. Nu putem realiza
patruzeci de grupe de comparatie, deoarece acest efort er fi prea imens si iipsit de
aici majo'ritatea specialistilor in metodologie sustin pastrarea, pe cat posibil a
eficienta in comparatie cu efortul depus. Dacé factorii masurati pe o scala
datelor culese initial si analizarea Ior prin intermediul tehnicilor ANQOVA Totusi in
numerica continua sunt importanti in clarificarea reiatiilor de influenta intre Vl si VD
cazurile in care conditiile de utilizare a tehnicii ANCOVA nu sunt indeplinite
trebuie sa tinem cont de ei in studiu. Cum putem face acest lucru in situatia in care
varianta impartirii subiectiior indoua _sau tr__ei grupe, proces denumit Lgflrupare (in
nu ne putem permite si nici nu are sens sa realizam grupe de subiecti pentru
engleza ,,blocking"), o solutiefiviabila, insa'designul cercetarii nu va mai fi
fiecare valoare numerica obtinuta? Doua variante de raspuns, utilizate irecvent de ramane
cercetatori. vor fi prezentate in cele ce urmeaza. O a de-a treia modalitate consta
block design”) (Kirk, 1982).
in utilizarea regresiei ca metoda de analiza si va fi discutata in capitolul destinat
(2) Analiza dew covarianta (ANCOVA) reprezinta o extensie a tehnicilor
regresiei iiniare. ..........
ANOVA prezentatel anterior. in contextul design— urilor de tip ANOVA, introducerea
(1) PrIma metoda consta in stabilirea a doua sautrej trepte ale variabilei
unei covariabjle:w
numerice conduce, de cele mai multe ori, la 0 crestere a puterii de
independente pe baza condensarii rezultatelor obtinute. in cazul realizarii a doua
decelare a efectului unei variabile independe'nte ..asupra uneia dependente.
trepte, subiectii pot fi impartitiIn douagrupe utilizand valoarea medianei ca unitate
Aceasta se poate face prin controlul statistic al unor diferente de interes dintre
de demarcatie intre cele doua categorii de subiecti. Prin aceasta metoda,nu va fi
subiectii unei cercetari. Simplu spus, ANCOVA nu este altceva decat 0 ANOVAIn
pierdut nici un subiect, iar cele doua grupe vor fi impartite in mod egal: grupa cu
care efectele principale si interactiunile dintre factori sunt evaluate dupa ce valorile
rezultate inferioareL m‘edianei (ex abilitati scazute) si grupa cu performante
variabilei dependente au fost ajustate in functie de valorile covariabilei. Daca
superioare medianei (ex. abilitati crescute) Totusi, aceasta impartire are mareie
covariabila ar ti gradul de inteligenta, VD ar fi abilitatea de a citi, iar Vl ar fi tipul de
dezavantaj de a distorsiona intr--o anumita masura datele Ganditi-va la 0 situatieIn
program educational oferit, ANCOVA ar evalua efectul acestor programe asupra
care ar fi vorba despre extroversiune, iar valoarea medianei a fost 12,7. in acest
abilitatilor de citire in situatia ipotetica in care toti subiectii ar avea acelasi nivel de
caz subie‘ctul care a obtinut valoarea 12 a fost pus intr—o grupa, iar cel care a
inteligenta. Astfel, in ANCOVA valorile- VD sunt mai intai ajustate in functie de
obtinut valoarea 13 a fost distribuit in cealaita grupa. Cunoscand faptul ca orice
covariabila si apoi, analizate intr—un mod similar ANOVA.
instrument de masurare are anumite erori de masurare, reflectate in faptul ca nu
128 129
iWMMMWWWWMMWWWMWWWWWWWMHiiiiilifl limtttwwwwwwwwtiiWmItWWWWWWWWWWWWWWWWWWWWWwwmwwuwwwwwnwuwuWWWWWWWWWWWIWWWWWWWWWMW
clasei de elevi. Tntr—o astfel de situaIie, randomizarea inlIlala a elevilor IIII aste
posibiia, cele doua grupe fiind constituite pe baza criteriulul natmml, aceia al
pastrarii locului fiecarui elev in ciasa din care face parte. in asemenea sltuaIil,
Diapereie _ , Diapersie
‘ D'SPEFS‘E’ explicate de diferenIeie dintre clase pot aparea de la inceput, inainte de apiicarea intervenIlei
explicate de -
Vi
neexplIcata Vi psihologice. Prin ,utilizarea rezultateior de la pretest pe post de covarlablla, vom
putea raspunde la intrebarea: se dovedeete eficienta intervenIia Tn condiIiile in
DiSmie
neemzil ica’ta care cele doua grupe ar fi pomit de la condiIii egale in ca prive$te gradul de
coeziune a claSei de elevi? ,
Di spersie Pentru a putea oferi acest réspuns, pe baza relaIiei dintre_oovariabila ei VD
explicata ’cle '-
coxariabila se oin valorile ajustate ale mediei grupelor incluse in cercetare pe baza unei
ecuaIii de regresie De remarcat ca tehnicile ANCOVA nu se limiteaza la 0 singura
covarIabilaI introdusa Astfel, cu respectarea anumitor condiIii ce vor fi amintite spre
Figure 4.21. Sursa dispersiei in situaIia ANOVA (in stanga), respectiv ANCOVA (in dreapta)
finalul acestUI capitol, pot fi incluse mai multe covariabile De asemenea, acestea
pot fi introduseIn diferite design— uriIANOVAI determinand, intr--o maniera similara,
ANCOVA poate fi utilizata atat in sensui deaaldentitica un efectcatrnIai
situatii de ANCOVA simpia, ANCOVA cu mésuratori. repetate, ANCOVA factoriala
puraiVl asupra VD cat §i de a reduce dispersja.datorata erorII. Mai precis este
sau ANCOVA,fiataiflinflceie ce urmeaza, ne vom rezuma la un exemplu de
vorba de a elimina din calculul F acea parte a dispersiei VD care se datoreaza unui
ANCOVA simpla, implicand o singura Vl»,~.o. covariabila §i o VD.
In calcul. Spre exemplu daca am masura efectele
alt factor as iniIial nu a fost luatIII‘III SituaIia concreta se bazeaza pe studiul efectuat de Din §i Calao (2001),
diferitelor programs educationaie (ex. Step by Step, Waldorf traditional) asupra
modificat insa din punctul de vedere al design—ului cercetarii. Cei doi au investigat
performanIelor de a citi, ar fi bine sa controlam niveiui de inteiigenIa ai copiiior, dat.
in ce masuré copiii care au, utilizat jocuri educaIionale pe calculator au progresat
fiind cunoscuta influenIa'acestui factor asupra abilitatii de a citi. Daca inteligenIa
mai repede in ceea ce privegte dobandireacititului in comparaIie cu copiii care nu
este masurata numeric pe o scala de la 50 la 130, ea nu poate fi introdUsa ca 0
au aceasta. facilitate. Astfel, acest design consta in doua de
alta variabila independenté ci va fi tratata ca 0 covariabila prin ANCOVA. in urma beneficiatI de grupeI
acestui demers am putea evalua care a test etectul manipularii Vi asupraVD dupa
citire Deoarece acest aspect era dependent §i de un anumit nivel de dezvoitare a
ce am elimina influenta asupra VD determinaté de niveiui inteiectual diferit al
nivelului intelectuai, variabila inteligenIa generala, masurata prin WISC a fost
copiiior inciuei instudiu. Textual prin ANCOVA am raspunde in acest caz Ia
inclusa ca 0 covariabila.
intrebarea: Iinand la nivel constant influerIIa inteligenIei asupra abilitaIii de a citi,
Baza de date aferenta acestui exemplu este ancova simpla. sav, iar calea
exista diferenIe semnificative intre cele trei programe de educaIie in ce priveete
de urmat in SPSS pentru a realiza ANCOVA simpla sau ANCOVA factoriala este
abilitateaI de a citi? De asemenea, de multe ori, prin introducerea acestei
,,Ana|yze” - ,,GeneraLLinear Model” — ,,Univariate”.
covariabile 3-ar reduce dispersia erorii §i va creete, astfel puterea experIrnentului,
inIeleasa ca 0 capacitate de a decela existenIa sau inexistenIa unuiefect. Sa ne
Tabelul 4.9. Tabelui sumar ANCOVA
reamintim ca analiza dispersionaia nu face altceva decat un raport intre dispersia
explIIicata I§iI dispersia erorii. Astfel, pentru a oine un F semnificativ, prima Sursa dispersiei ss df MS F
**
componenta ar trebui sa fie cu un anumit grad mai mare decat cea de--a doua. Prin Nivel inteleotual 2566,97 1 2586,97 91,28
**
introducerea covariabilei, 0 parte a dispersiei erorii (neexplioate) devine explicata Jocuri calculator 271,88 1 271,88 9,67
Figura 4:21. prezinta cel mai bine modui de partiIionare a dispersiei in ANOVA faIa Reziduala 37 28,12
(Eroare)I104O,53
de ANCOVA. Total 3879,38 39
De asemenea, ANCOVA este deosebit de raspandita ei in design--urile “p < .01
cvasi-experimentale de tip pretest :...postest,, implicand o grupa experimentala oi
una decontrol. Un exemplu tipic ar fi situaIia in care doua clase paraleie de elevi Din tabelul 4.9. se observé atat influenIa semnificativa a niveiUlui
intelectuai asupra abilitaIii de a citi, cat ei faptul ca cele doua grupe de copii incluse
sunt masurate iniIiaI in privinIa gradului de coeziune a grupu‘lui din care fac parte.
Apoi una dintre clase este supusa unor tehnici de dinamica de grup menite sa in studiu difera se'm'nificativ in ceea ce prive§te abilitatea Ior de a citi, chiar §i dupa
ce a fost controlata influenIa inteligenIei asupra variabilei dependente. De
imbunataIeasca climatul ei unitatea clasei Dupa finalizarea intervenIiei
asemenea, se observa ea in ANCOVA nu se calculeaza interacIiunea dintre Vl oi
psihologice, cele doua clase vor ti testate din nou asupra gradului de coeziune a
131
130
‘i‘li“l‘lll‘llllil,
l l il 1 .l i.
l ii w
i i i i l l‘ il. l l ‘l i i l ‘l l 1 il l l l i. il l i ‘ l l ‘l ii i i il l l l li il l l l‘ l l i: l “‘ il il‘ ‘
covariabila. De altfel, una dintre conditiile utilizarii ANCOVA presupufirlevtocmai

lipsa de 0,45, iar r? =.0,20. Dac- ar fi so utiliz-m indicele d al lui Cohen am obtine d =
' 1,02. Toate aceste valori indica un efect pozitlv important (mare). in consecinta,
Linei interactiunisemnificative intre'cele doua.
'
Din urmatorul tabel se pot observe usoarele ajustari ale mediei pentru cele daca rezultatele studiului sunt confirmate si in alteocazii, se demonstreaza un fapt
doua grupe dupa mentinerea constanta a inieligentei. Cea de—a doua coloana esential: jocurile educative pe calculator au 0 influenta foarte buna asupra
contine valorile reale ale mediilor, obtinute in urma aplicarii probelor. Cea. de:a dezvoltarii abilitatii de a citi. ,
in Analiza de covarianta, in ciuda avantaielor prezentate mai sus, are 0 serie
patra coloana contine, in schimb, valorile celor doué medii in' situatia ipotetica
care nu ar exista diferente intre subiectii din cele doua grupe referitoare la niveiul de iimite si precautii de care trebuie 5a tinem cont atunci ‘cand abordam
intelectual. Acestea sunt mediile care sunt luate Tn cdnsiderare pentru a constata
posibilitatea de a aplica aceasta tehnica. Alaturl de limitele si conditiile specifice
eventuale diferente semnificativein’tre populatiile din care au fost extrase grupele fiecarui tip de design ANOVA pe care le—am prezentat la momentul oportun, exista
in cazul ANCOVA. Se poate constata ca, in situatia ipotetica in care inteligenta altele suplimentare si particulare cazulul ANCOVA.
copiilor cuprinsi in studiu ar fi constanta, diferenta dintre ceie doua grupe ar scadea
usor, dar ar ramane semnlficativa statistic, in sensul .ca persoanele care au 4.6.2. Conditii suplimentarewahglicérii ANCOVA
'
beneficlat de jocuri educative pe calculator au obtinut performante superloare celor
care nu au avut la dispozitie aceasta facilitate. Mok si Wheldall (1995) sau Tabachnick si Fidell (1996) au oferit o serie de
argumente menite sa atentioneze cercetatorii asupra utilizarii, faré precautii, a
Tabelui 4.10. Valorile medial reale, a celei ajustate si a abaterii standard reale in caaul tennicii ANCOVA. Neluarea in considerare a conditiilor ne’cesare aplicarii analizei
'
abilitatii de a citi de covarianta poate conduce la ajustari eronate ale mediilor si in consecinta, la
concluzii_,_er:onat_§wavlgmstudiilor. Trei oomditii....suplimentare par a fi deosebit de
W W '
' importante in aceasta situatie.
Grupé copii M AS M A3
*
Jocuri educative pe calculator 80,45 8,43 79,76
* 100
Control 73,85 10,90 74,53
’
* SPSS-ul nu ofera valorile abaterii standard pentru datele ajustate 90
a u
Bineinteles ca in cazul in care Vl are mai muit de doua trepte vom putea
80<
citi
utiliza, atat metoda contrastgl ,gat si cea a comparatiilor postt pentru a a
7o~== “u“
identifica grupel‘e» caredjtera'intre ele. in cazul ANCOVA, procedunle post hoc de
an
sau
adecvate sunt Bonfegpnigi Sidak, indiferent de numarul de subiectl din grupe 60'
de omogenitatea tfispersieiwiFiéld, 2000). Ramane de precizat ca, in problema

abil teatea
data, pentru a obtinematat valorile initiale ale mediilor, cat’si valorile ajustate ale
50
70 80 90 100 110 120 130 130
acestora este riecesar sa bifam, in cadrul ferestrei ..QR§,iQ.0§f’.uginuSPSS, "descriptive inteligenta

statistics”, respectiv ,,display means for grupa".
N.-.“ .. Hm”. Figura 4.22. Norul de puncte (scatter-u!) intre variabila dependenté s] covariabila“
4.6.1. Marimea efectului in tehnicile ANCOVA

.0 1,5 intre COVariéPflE‘fi?) si variabila dependenta‘erxista o corelatiejiniarér
Fiind vorba de efecte concrete in plan educativ, vom calcula marimea Daca ri'u exista o corelatie sau relatia dintre cele doua caracteristici. ”nu este liniara,
a
etectului pe care-l au jocurile de calculator asupra dezvoltarii abilitatii de a crti rezultatele ajustarii mediilor sunteronate, deoarece intregul demers ANCOVA se
copiilor. Asa cum am afirmat de mai .multe oripe parcursul acestui capitol, uri 'F bazeaza pe regresia liniara. Bineintelésvca metoda cea mai simpla de a verifica
semnificativfistatistic nu inseamna neaparat o importanta praCiiQé, ahefectulur gasrt. aceasta conditie ‘é‘s‘tE‘E’éwa’ observamnorul de ~puncte rezultat din asocierea celor
Diferentele- dintre doua grupe pot fi semnificative, dar totusi minuscule. Astfel, doua variabile si de a calcula un simplu coeficient de coreiatie r Bravais-Pearson.
tinand cent ca exista doar doua trepte ale variabilei constituite din persoane care Pentru exemplul nostru am obtinut o corelatie r (38) = 0,82, p < .01 intre niveiui
au beneficiat sau nu de jocurile pe calculator, vom utiliza formula (4,12. .prezentata in intelectual si abilitatea de a citi, iar norul de punCte indica o reiatie liniara intre ceie
cadrul calculului marlmii efectului in ANOMAeimpla. Rezultatul obtinut indica un r doua caracteristici.
132
133
lllll il l llllllilllll llllllllll llllllllllllllllllllllll lllllilllll llll ii iii lllll lllllilllll l l l l l l l l l l l l l l l l l l: l l l lllll l l l lllllllllll l l li . l l l lllllllllllllilllll
r i ii i i “ii i i ‘l l ii iii l l l ii iii llll :lllllllllllllllll llllllilllll lllll‘lllll lllllllllll lllllllllll lllllllllll llllllllllllll ‘llllllllll lllllllllllllll l l l l l l l i llll l l l l llll l l l lllllllllllllllllllllllllllllllllllllllllllllllllll.lllll llll l l l
regresie similari pentru a surprinde relatia dintre covariabila ei variabila dependenté

conditia, se pastreaza - la ambele trepte ale variabilei independente. in situatia de heterogenitate
in cazul utilizarii mai multor covariabila, pentru a
Tn in plus,
fi'eC'are perecne covariabila —' variabila dependenta parte. lntre
de regresiei, pantele nu. sunt paralele, prin urmare coeficientii b de regresie vor fi
fencmenulun
covariablle nu trebuie'ts'a‘existe corelatii foarte ridicate, datonta diferiti pentru cele doua grupe de copii. Tn acest caz, nu putem aplica ANCOVA,
multicoliniaritate (vezi sectiunea 6.5.4.). . . _ . deoarece ajustarea mediilor se face pe baza unui b general, obtinut prin luarea Tn
sa fie O
2 Fidelitatea probei de masurare a cOvariabilei trebure
-
-
ridicata. considerate a tuturor treptelor Vl, iar acesta nu este reprezentativ pentru nici una
rare, Tn care ‘vanabila este ‘ ' '
mésurare faraerori este posibila numai Tn situatii .foarte dintretreptele Vl. .
data de varsta subiectilor, Tnaltimea Ior etc. Cele mai multe teetepelnometrlce ‘au Deoarec'e desenul din dreapta, reprezenténd cazul eterogenitatii regresiei
lur Tapacknlck
un nivel de fidelitate care nu atinge niciodata valoarea unu. Confor este bazat pe date simulate, iar cel din stanga este dat de datele reale ale
ajunge la
§i Fidell (1996), in cazul utilizarii ANCOVA Tn sltuatii egperimentale se exemplului oferit, conditia de omogenitate a fost respectata 5i ANCOVA a putut fi
Acest
valori F conservatoare, ceea ce Create aansa de a comite eroarea..dentl_p ”L realizata Tn exemplul nostru. .
.
In care
lucru nu se pastreaza 5i Tn cazul situatiilor cvasi gt non-euperimentale, O modalitate mai exacta de testare a acestei conditii consta Tn calcularea
mednlor initiale. aceea,
putem Tntalni atat ,sub:ajustari, cat at supra—ajugtgri ale De unui F de interactiune Tntre Vl ei covariabila concomitant cu calcularea efectelor
autoarele recomanda utilizarea ccvariabilelor Tn situatii cvasi $1 non-experimentale principale. Un rezultat semni’ficativ,"statistic indicé Tncalcarea conditiei Ade
0 valoare “16113193
doar daca fidelitatea mésurarii,.,,lor, atinge vcel =put,in 0,80. omogenitate a dispersiei, fapt Ce Tmpiedicé realizarea ANCOVA. O alta posibilitate
ajustate ei, implicit, In calcularea
introduce“preammultaeroare Tn estimarea medillor de testare presupune rularea unei regresii ierarhice Tn doi paei, Mai Tntai sunt
diferentel‘ordintre acestea. . ' introduse doar covariabila §i vari‘abila independenta (ca'variabila dummy) pe post
Slmllal‘
cql‘y3.-Efectul covariabilei asupra variabilei,,dependenteeste pentru de predictori; apoi atat covariabila §i variabila independenta, cat 5i 0 variabilé nou
cunoscuta
oricaremtreapta avariabilei independente‘. Aceasta conditie este suo formata din produSul celor doua, dupa transformarea prealabila a variabilei
absenta unel
numele de omogenitatea pantei de regresie 5i face referlrella independente Tn variabila de tip dummy (vezi sectlunile 6.3. ei 6.7.2.). Dacé ,,F
variabllele.....,,Independente §I
interactiuni semnificative Tntre ,,,variabilai sau step”, ce mascara diferenta aparuta prin introducerea variabilei-produs este
Todman (T995) consndera ca
COVarlal.biié(e). Unii autori, precum Dugard ei numarul
semnificativ statistic, exista o interactiune Tntre covariabila §l factor, deci este
daca
ANCOVA este destul de robusté la Tncalcarea acestei condltn, de Tncalcaté conditia de omogenitate a dispersiei.
§i daca variabila dependenta este
subiecti dinm,,/g,rupe,,este ‘relativ egal diatribwta
extrema.
normalfiTotug,
__, Tn alte situatii, respectarea conditiei are 0 Importanta
expnma Situatu.
-
Tn continuare
Cele doua grafice prezentate ambele in 4.7. Tipuri de factori Tn design-urile de tip ANOVA sau
Tn dreapta, de heterogenltatea regreSIei
Sténga, de omogenitate...a regresiei; ce ‘ANCOVA
(Tncalcarea conditiei). ln cazul Tn care exista o omogenltate aregrestel, llnnle
acest fapt semnn‘icand coeftcnenti b de
marcheaza panta de regresie sunt paralele,
in Tncheierea acestui capitol, vom face cateva scurte precizari de ordin
metodologic menite sa faciliteze interpretarea corecta a rezultatelor obtinute din
ANOVA. Aceasta nu se poate face fara o Tntelegere adecvata a tipurilor de factori
pOSibili. Vom folosi trei criterii de clasificare a variabilelor independente: scala de
mésurare utilizata; gradui de generalizare a rezultatelor §i gradui Vde manipulare a
‘ '
factorilor. . '.
GRUPA (1) Dupa primul criteriu, putem distinge Tntre factori masurati nominal,
citi citi
a GRUPA a
. X utilizeazaiocuri pe ordinal sau numeric (incluzand aici atét scala de tip interval, cat si 'Cea de'
de -
utilizeaza Jocufl P e
' de
proportin. Categoriile nominale ale unui factor pot constitui treptele variabllei H
x
calculator
8 calculator . . _
0 nu ulilizeaza locum
0 nu ulilizeaza Jocun
independente,_fiind astfel adecvate tuturor tipurilor de analiza diepersionala, cu
abilitatea pecalculabr
abifiteatea pe calculator
75 90 105 120 135 "exceptia utilizarii contrastelor polinomiale, care necesita o ordonare a treptelor
75 90 105 120 135
.
' inteligenta
fé‘étdrilOr. Categoriile ordinale Vale unui factor pot fi s‘upuse tuturor tipurilor de
inteligenta
V , ANOVA, inclusiv contrastelor polinomiale. in stareit, variabilele numericeln‘u pot fi
(stanga) {5i
Figura 4.23. Reprezentarea graficé a situatiilor de omogenitate folosite catrepte ale variabilei independente Tn ANOVA decat prin grupari grosiere
eterogenitate (dreapta) a regresiei ale datelor Tn cateva categorii. Totuei, prin” anumite 'ajustari, factorii relevanti
SPSS este o marca aegistrata. 1
135
134
I I
llllIlllllllliiiilllllli1iiiiiiIiiiiiiliiiiiliiiW“mi“MiimWiwiiiimiiiiwiiiiiuwiWIW I, I I it i
-
masurati prin scale numerice pot ii utilizati in analize de covarianta ANCOVA . Exemplulz:
(Pedhazur si Schmelkin, 1991) Un cercetator este interesat sa stabileasca in Ge masura consumul de alcool
cond'uce la cresterea erorilor Ida executie. Cercetatorul distribuie subiectii in
(2) Up at doilea criteriu de diferentiere a factorilor urmareste gradui de .
mod aleatoriu in trei grupe experimentale (50ml, 100 ml si 200 ml tuicé) si 0
manipulare a variabilelor si imparte factoriiin: variabile manipulabile si variabile
grupé de control. in aceasta situatie, consumul de alcool poate ii tratat ca 0
eticheté (Kirk, 1982; Radu si colab., 1993). Astfel, unele variabile, precum nIvelul variabila aleatorie deoarece treptele respective pot fi considerate ca valori
co'n'sumului de alcool (ex. 50 mg; 150 mg, 250 mg) pot fi manipulate si alese de extrase dintr—un esantion mai larg. La fel de bine, treptele variabilei
catre experimentator Alte variabile, cum sunt sexul persoanei varsta etc. sunt independente puteau ti stabilite la 50 ml, 150 ml sau 250 ml. De interes este
date de caracterlstioile subiectilor sinu pot ii manipulate de cercetator ln aceasta evolutia erorilor‘de executie in urma consumului de alcool, treptele acestuia
situatie vorbim despre variabile eticheta. lmportanta dietinctiei dintre cele doua (50ml, 100 ml si 200 ml) fiind mai putinimportante, ele fiind alese arbitrar.
aspecte tine de subtilitateaainterpretarii. Astfel, daca obtinem diferente
statistic intre variabilei manipulate trage Primul eenplu poate ti ulterior complicat prin introducerea unei noi
semniticative treptele vom concluzii
“w-w.‘\ variabile explicativ'e, cum ar fi obIectgLInteNentIeI sa presupunem .ca factorul
respectiv a fost operationalizat prin doua trepte (modalitati) perscane care sufera
barbati si femei, cu privire la viteza lor de reactie nu inseamna prin sine ca de depresie, respectiv anxietate. Acest factor poate ii conceptualizat atat ca factor
eticheta de ,,a ti barbat” sau ,,a ti femeie a condos _la aceasta situatie. Ceea ce a fix, cat si ca factor aleatoriu. El este factor fix daca cercetatorul este interesat in
cauzat diierenta dintre sexe tine de anumite aspecte diferentiale care sunt incluse mod concret de raspunsul la urmatoarea intrebare: Terapia cognitiv-
in aceste etichete. Cei orientati spre stiintele medicale poate vor gasi cantitati comportamentala este mai eficr‘enta“ in ameliorarea simptome/or pacientiior
diferite de anumiti neurotransmitatori sinaptici. Unii care vin din siera antropologiei depresivi si anxiosi deceit terapia bazata pe anal/2a tranzaciionalé? Factorul trebuie
vor afirma poate, ca diferentele sunt datorate unui-stil cultural diferit, barbatii, prin tratat ca aleatoriu, daca intrebarea are un caracter general: Terapia cognitiv-
natura lor de vanatori, fiind nevoiti sa reactioneze mai rapid. Cu alte cuvinte, atunci . compon‘amentala‘ este mai eficienta in ameliorarea simptome/or decaf terapia
. cand avem de a face cu variabile manipulate cauza este magifesta si poate ii bazata pe analiza' tranzaciionalé?
detectelé direct. in schimb, in situati-a unor variabile eticheta cauz'a reala nu este in acest ultim caz, depresia sau anxietatea nu constituie un deosebit
detectabila ea iiind ascunsa in spatele multitudinii diferentelor dintrecategonile interes, acestea putand ti considerate ca aspecte extrase dintr-un esantion laIg de
variabilei eticheta (ex. diferentele dintre barbati si femei). tulburari psihiceprecum tulburarile de conversie cele obsesiv--compulsive etc. Prin
(3) in sfa'rsit, dupa cel de-al treilea criteriu, gradul de generalizare a urmare con3Iderarea unei variabile independents aleatoriu permite o
cafactor
rezultatelor tactorii se impart in factori. ficsi si factdri .aleatori. De departs, cel generalizare mai largaa rezultatelor obtinute. 7
mai intalnit tip de iactori sunt cei ficsi, in care treptele variabilei independente sunt Din nefericire, acest avantaj este compensat de riscuri mai marl de a
tratate ca masuri.de sine statatoare. ln schimb, factorii aieatori au stabilite trepte comite eroareade tip l, deoarece factorii aleatori au 0 putere statistica de decelare
care nu sunt identificate ca fiind fixe, ci mai degraba sunt considerate ca valori a etectelor existente mai mica decat aceea a factorilor ficsi ln conseCinta in cazul
reprezentative pentru variabila independenté in cauza (Smith 2000). Exista doua unui set de date identice, exists 0 probabilitate mai mare de a sprijini ipoteza
criterii care ne ajuta sa factorii ficsi si cei aleatori. ca un cercetaIii, daca vom trata factorii ca fiind ficsi.
distingem intre Pentru
conditii care se pot interschimba, iar Interpretarea rezultatelor sa nu prezinte BIBLIOGRAFIE

interes la nivelul.fiecareimtrepte. selectate. Pentru a clarifica aceste aspecte, vom
apela Ia urmatoarele doua exemple: Ciocotici, V., Stan, A. (2000). Statistica' aplicaté in ps/hologie. lasi: Editura Poiirom.
Din, F.S., Calao, J. (2001). The effects of playing educational video games on kindergarten
Exempiul 7:
achievement. Child StudyJoumaI, 31(2), 95 102.
Un- cercetator este interesat sa stabileasca care dintre urmatoarele doua
Dugard, P. Todman, J. (1995) Analysis of pre--test post-test control group in
metode cle terapie (cognitiv—comportamentala vs. analiza tranzactionala) este designs
educational research Educational Psychology, 15(2), 181- 198.
mai eticienta. Din acest punct de vedere, tipul de terapie este un factor fix,
deoarece ambele trepte ale tipului de terapie au substanta in sine, cercetatorul Everitt, B. S. (1995). The analysis of repeated measures. a practical review with exemples.
The Statistician, 44(1), 118-135. *
fiind interesat in mod special de diferentele dintre cele doua tipuri de terapie,
desi existé si alte modalitati posibile de interventie ciinicé.
137
‘ “H ‘ llllhillll I I I IIIIIIIIIII ,I I I liliiiilll III III“
‘ I I I I I I I“ I I I III III “1‘
iii ,Illi l l l I I I IIIII ‘I
I I I I I I IIIII I I I I I I llllllil m
llllllllllllliiiiiIIIIIIIlllllllillllllIIIIIIIIIIIIIIIllllllllllllillllllIIIIIIIJIiiiiullllllllllllllllllulliillilllllillllliIIIIIIIIIIIIIIIIIIIIIIIIIIIIlllllllliiillii‘llllllllllll l l l l l l IIIIIIIIIIIIIIIIIIIIIIIIll l l l l l l l l Il l IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII I Il l llllllllllil,IIIIIIIIIIIIIllllllillllllllllillllllIllllllilllliiliillIIIIIIIIIIII
Eysenck MW.. Keane, MT. (2000). Cognitive psychology. A student’s handbook (4“ ed.). '
Hove, UK: Psychology Press Ltd. CAPITOLUL 5
Field A. (2000). Discovering statistics using SPSS for Windows. London: Sage Publications.
HinkIe, D. E Wiersma, W. Jurs, S. G. (1994). Applied statistics for the behavioral
sciences
ANALIZA FACTORIALA'
(3“). Boston, USA: Houghton Miftlin Company.
Jackson, S. Brashers, D..E (1994). Random factors in ANOVA. Sage University Paper
series on Quantitative Applications in the Social Sciences, 07098. THousand Oaks,
' Sub acest termen generic pot fi incluse teorla sificedeele corespondente
CA: Sage. menite ea ditegentteze anumite dimenSIugIfigatente pe baza analizei corelatlllor sau
d
Keppel. G. (1991). Design and analysis: a researcher’s handbook (3r ed.). Englewood covanantelqgdIntre mai multe variabile manifests Probabil ca nlci o metoda
Cliffs, USA: Prentice—Hall Inc. statistica nu a fost mai strans legata dearia de interes a psihologlei De altfel,
Kinnear P. R. Gray, C. D (2000). SPSS for Windows made simple. Release 10.0. Hove, UK: Cattell era de parere ca analiza factoriala “este un instrument care poate fi aplicat
Psychology Press Ltd. studiului comportamentului si poate duce Ia rezultate ale caror obiectivitate si
Kirk RE. (1982). Procedures for the behaVIoral solenoes (2 ed.). Belmont, USA. Brooks] . validltate se ridica laknivelul celor obtinute in stiintele naturale" (Stills,1989, p.114).
Cole Publishing. Aceasta incredere imensa acordata analizei factoriale a due Ia aplicatii pe scare
Kunda. Z. (1999). Social Cognition. Making sense of people. London, UK: Massachusetts large in psihologie. 8a ne amintim, doar, de teorlile personalitatii dezvoltate de
Institute of Technology. fi Eysenck, Cattell, sau Costa si McCrae pe baza analizei factoriale Sau de intreaga
Lyons, E. (1998). Social psychology 1. In M. Eysenck (ed.). Psychology: an integrated istorie a studiilor din domeniul inteligentei (ex. factorul g, expresie a inteligentei
approach. Harlow, UK: Prentice Hall Inc'. generale', cele doua components verbala si neverbala ca forme ale inteligentei)
Mok, M., Wheldall, K. (1995). Some reservations about the use of the analysis of covariance Merita sa subliniem faptul ca istoricul analizei factoriaie In Romania 61 inceput 1n
in educational research: a response to Dugard and Todman. Educational Psychology, perioada interbelica promotor fiind scoala clujeana de psiholOgie. De altfel,
15(2), 199-202. Nicolae Margineanu a scris prima carte de profil in 1938, denumita “Analiza
Nicol, A,A.M., Pexman, PM (1999). Presenting your findings. A practical guide for creating factorilor psihici".
tables. Washington DC, USA: American Psychological Association. Din pacate, numarul mare de studii efectuate, precum si diversitatea
O’Brien, Fl.G., Kaiser, MK. (1985). MANOVA method for analyzing repeated measures procedeelor utilizate au condus la 0 serie de conceng[esiteéfigrivitoare Ia analiza
designs: an extensive primer. Psychological Bulletin, 97(2), 316—333. factoriala. Alteori,-aplicarea unor retete rigide In extragerea si analiza factorilor au
Pedhazur, E.J., Schmelkin, L. (1991). Measurement, design, and analysis: an integrated condus la rezultate eronate. Pedhazur si Schmelkin (1991) sintetizeaza foarte bine
- approach. Hillsdale, USA: Lawrence Erlbaum Associates, Inc.
aceasta imagine, asemanand analiza factoriala
7 cu o padure frumoasa, clar In care
Rosenthal, FL, Rosnow, R.L., Rubin, DB. (2000a). Contrasts and effectsizes in behavioral te poti pierde.
research. A correlational approach. Cambridge, UK: Cambridge University Press. Din aceste considerente, este necesara o scurta Introducere a teoriei
Rosenthal, R, Flosnow, Fl.L., Rubin, D.B. (2000b). Contrasts and correlations in effect—size analizei factoriale a Tntelege Iogica acesteia Intai, se cuvine sa distingem
estimation. Psychological Science, 11(6), 446-453. cIar existenta a ouap%ntru
forme fundamentals analiza factoriaIa, care vor fi
Radu. I., Miclea, M., Albu, M., Names, 8., Moldovan, 0., Szamoskozi, S. (1993). de tratate
Melodologie psihologicé si analiza date/or. CIuj—Napoca: Editura Sincron.
Sava, F. (2002). Pagina de statistics sociala. Gasit Ia: http://statisticasociala.tripod.com
Smith, E. (2000). Research design. In H.T. Reiss si C.M. Judd (eds). Handbook of research comuni pentrfigon set datfideyariabIIesi identificarea natgrii pSIhoIogIce a acestora..
methods in social and personality psychology. Cambridge, UK: Cambridge University In schimb, analiza factoriala confirmatorie (In engleza ,,confirmatory
factor
Press. analysis” sau CFAWesteaza”
:Tabachnick, B.G., Fidel], LS. (1996). Using multivariate statistics (3rd ed.). New York, USA: obtinuteIn urmmlizei eXpI‘ atorii
Harper Collins College Publishers. . lata doua eeaé Clarificatoare. Un cercetator este interesat de a
liWeinfurt, K.P. (2000). Repeated Measures Analyses: ANOVA, MANOVA, and HLM. In L. identifies care sunt dimenslunile Iatente ale unei scale de 28 de itemi ce vizeaza
Grimm si P.R. Yarnold (eds). Reading‘and understanding more multivariate statistics afectivitatea negative In urma analizei factoriale exploratorii sunt ldentificati patru
(p.317-362). Washington DC, USA: American Psychological Association. factori: pesimism / optimism; cinism / incredere in ceilalti; insatisfactie / satisfactie
139
:138
m l il l “ , m u u i; ‘ l l, l‘ ,‘ l l l l l ill l l l l l l l llll‘lllll l l l l‘ i i ll , il : J H, u w W W W W W M W l WW w “ w W N
numai trei factori: de personalitale. Astfel, dacé domeniulsdeV-iggeres este, afectivitatea negative, vom
feta de sine; respectiv fieliniste / calm. Un alt studiu evidentiaza —
ca primul factor avea mai multe compoggg£(atribute de suprafata) cum ar fi cinismul, pesimismui
nernulturnire; cinism, respectiv pesimism. sa presupunem extras ‘ ‘
si insatisfactle din prlmul etc. f . .
gradui’de nemullumire: contine itemii scaieior de neliniste .
testa, pe un alt lot in ‘urma testarii esantionuiui cu bateria aieasé vom sesiza mai multe
studio. Prin anaiiza factoriaia confirmatorie vom putea .de
fi mai potrivit peritru a caracterlza aspecte... Mai intai, vom observa ca exista diferenge‘r' diyicluhalenintre rsgbieotj,
subiecti, care dintre cele doua modele pare a
intreag'a scala de afectivitate negatlvé. , .. .
rezultatele fiind dispersate in funclie de gradul de‘genloit "a abilitatilor masurate.
.. V .
in srtuatniein De’asemenea, vom observa o anumité asociere (covarianta) intre rezultatele
De obicei, analiza factoriala exploratorie (EFA) se utilizeaza
-
dihtre anumlte obtinule de subiectjiagggasau mai multe probe. Aslfe’i'fo'b'ersoana care a obtinut
care no exista o perspective teoretica Clara asupra relatiilor
mésura ce sunt acumulate cunostlnte , un rezultat ridicat la'olproblema Jae’i’nrnhltire e .foarte probabil sa obiina un scor bun
fenomene ce necesita analiza factorialé. Pe -
sa utilizam analiza factoriala si la 0 problema de adunare.
relevante pentru‘ acel domeniu este preferabil
exploratoriu in favoarea testaru unor Dat .fiind numarui.._~mgrrfle_v,de.probe, se poi obtine ,,patternuri”wde_corela(ii
confirmatorie: aceasta depaseste caracterui
diverse Tntre,_prob.e_le.-unei-baterii. Unele dintre acestea pot fi aa'ieiéré putemic, iar
ipoteze specifice.
5.1 . Analiza factoriala ,exploratorie

identificand o anomita orginesi’structuré in date. Acest luc'ru se face prin géejflgeam
unei exp‘li‘gagiqims'yhccinte privitoare la oispersia QLQQYWQUQ observate Tn atributele
de salaries}?-
Metoda esté-Jfltj,l§5*-'in atingerea unor obieciilrcmgegerale, mai imgortante
cum sunt _ ld‘eea fundamentala. Tn analiza factoriala este postularea ‘ex‘
decal construlrea Uriel simple scale. Ma refer la construirea u'rfligrugegrii, atribdgglor interne. Un ash‘ei devatribut face referire la caractegigigfigggbfi _ 4
Acestiapt
cele mention'afé'anterior in domeniul persgrg_§li3alii sl in cei ai intelig‘en’gei. direct i “gameni, dar care determina diferen’geflgfirenacesgia. Ele se afla la J2???
o tehnica Statistical, or, in '
8e datoreazé ldeii ca analiza factoriala nu esfe doar atributelor d.§=»~§i_{9f§f3t,é- De exemplu, am putea vorbi de abilita’gi nuurlnerice, abilitéti
o scurta prezentare
primul rand, o teoriewas-uprarealitagii. De aceea este necesara verbale etc. ca atribute interne Tn domeniui abilitatflgrmmintaie. Acestea nu pot fi
in redactarea acestela, ma voi in special pe
a teoriei analizei factoriaie. baza, masurate direct, dar pot fi reflectate prin intermediul evaluarii atributelor de
51 pe cele realizate
introducerea excelenta a lui Tucker si MacCalium (1997), dar suprafata. Astfel, am putea afirma ca 0 persoana este superioara allele in privlnia
(1995).
de We'gener si Fabrigar (2000), respectiv Bryant si Yarnold abilitétiior numerlce, dacé la 0 serie de probe ce implica adunare, scadere,
inmulgire etc. obtjne rezultate mai mari decat cealalta persoana. Aceste atribute
inlerne sunt cunoscute, in general, sub denumirea de variabLLeJJatenIe, iar in cadrul
5.1.1. Teoria analizei factoriale analizei factoriaie eie 3e numesc-factori.._.-
lntr-o, cercetare, domeniulqgsi populatiam interes sunt dOUMQIJESPE? Aceste variabfiileylatenjapot avea un substrmavtu Jsau pot fi doar constrcem
esentiale :argraman deseori la un nivei impll ratare. Prin d9fl£fll§hse tE‘BIBtLQS care facilitea’za intelegerea si expiicarea Ireaitatji. O analogie poate li
Acesta facuwtahapeland la concepte fizice precum graldLatia. Existenla acesteia a fost
ftféTéEe un ansambiu cle ferrwqrrlenela care se refera studiul respectiv;
(ex.
poate fi mai larmfiegonalitafeaj“ abilitétjle mintaie) sau malvrestrans construita ipotetic, pornind de la observagii concrete. Toate obiectele au tendinta de
pot
neuroticism;hiperkinezie). Populagia este data de totaljgatea-wentitatilor care a cédea pe pamant cu o viteza variabila in functie, printre alteie, de masa lor. Prin
din ratiuni ce (in
intra in studiu (ex. toti copiii de varsta scolara). De regulé, cle urmare, exista o forge nevazuta care actioneazasi determina aceasta cadere a
resfi‘se"”"limitate, se folosesc esantioanemde Subiectj extrase' din popuia’gla obiectelor. Similar, am putea spune ca unii eievi tind sa rezolve, mai repede si mai
fl
respective. intr—un mod similar, dintr~un ahomit domenlu de cercetare‘vor bine decat algii, probleme de matematica, datorita unui nivei mai ridicat al abilitaliior
Variabilele ior numerice. Aitfei spus, variabilelewmanifeste sunt influenfate sistematic de
selectate cateva variabile care vor fi incluse in studigwsi,...masurate.
selectate smaaeriijmife atributeede mgqprafalta“. Spre exemplu, in domeniul anumite varlagilelam’r‘errtefitribute ingerge, factori).
de
abilitatilor mintale pot fi utilizate mai' multe proggwgkefiyaiuarez probleme Se impune acum o noué distincgie intre doua categorii de aflbgfejflfiimg:
spatiale etc. Fiecare dmtre factorincemuaj si factorimspecificirimii sunt aceia care influenteazfi'éimmgije
aritmetica, de vocabular, de percepere a reiatjilor
de
aceste probe prezirga un atf199££§.§9.9[§f.a.§,é~ in consecin’gé, injjegaregomeniu atriloute demsuprafaga din...baterie (ex. abilitétiie numerice afecteaza rezulta’rele
.atribute. Un se’r de astfei de
interes pot fi selectate o movllitooihe deflastfelhde oblinute atat la proba de aduhare, cat si la cea de inmuitjre). in schimb, factorii
sr 39?.[3'9L
atribute supuse masurarii formeaza owgvaie_rie...Aceiasi principiu se aplica specifici influenteaza o singgra..variabilé-samanifesta. Dinamica dintre cele doua'
«ea—«.3». =, J
141
l l l l l l l l l W l l l‘ l l l W W W ‘l l l mm mm mm mm ml. mm m“
W W W W W W WWW
i . . l WW W WW , W _WW WW. .W _WW, Jl‘. ll. W W W WWII—3K llllll‘ l l l l l l W
. i l : ‘l l ‘l l l l l l l l l l l l l l l l l l l l il l l ,l l l l l l l l l ul l tl l lt‘l l l l l l l l l l l l ,l l ltl l lUl l Ul l l l l l l l fll l lLl l lJl l tl l lul l l l l lul l l l l l ‘l l l l l ltl l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l lWWJWiWJWWWWWW WWW WW
Iipsawie corelatli dintre mai multe variabile..manifeste constituie un indiciu al

de modificérlle sorvenite 1n bite—fie
categorii de factori este lnfluentaté (scalél).
conduce
absente'lmijfiei comynelltéti intre variabilele regpectiVe. in plus, intr-un anumit
probe.
Astfel, introdUcefii.....$§u,.j_limingreaHypo; ('lt.eml),‘ povate e domeniu de interespse‘por'neste de la prem'i‘se'cé majoritatea atributelor' de
sl
transformarea unor factori 3%...f'93 infactorr comtinl invers. .Slay presupunem car suprafaté sunt influentate de un numér restrénsgefactori comuni. ,
mésoare dor facton comuni: abilltatile numenoe si
avem zece probe menite sé Toaté aceasté discutie asupra analiz'ei factoriale porneste de la ideeaynei
fiecare atribut intern sunt prevézute clnoi probe. Dacéx
relatiile Spatiale. Pentru unei singure
- legéturi “glare intre variabile. Acest aspect merité sé fie retinut, deoarece intre
eliminém toll itemll care fao referire la abllitétilenumerice, cu exceptia multe dintre fefinofimenvele realitétii psihice nu existé o relatie liniaré. Tn astfel de
de adunare, abilitatea numericé devrne un .5?
probleme fector specrfic, cleoarece situatii este inadecvaté folosirea analizei factoriale, cel putin Tn varianta sa clasicé.
acestl si specrficr
bazeazé pe un singur atribut manifest Aléturi de factoriucomunr Asadar, analiza factorialé nu este mai‘mult decét o teorie desprexdlnacaw.
in evaluaregitrlbgtelor de suprafat‘érintervine s1 eroareajde‘masura-re, Aceaste nLl relatiilor dintre atributele ~ge prefaté Vsitcelefl interne. Ca orice teorie, ea are 0 mai
s! constituie mai degrabat Influentxe“ tranzrtoru
fine de atribiltele interne, ma’fééé’i] mar mice corespon enté cu realitetea. Aplicarea ei in mod automat, féré
suprafeta
nesistemafice care afecteazé rezultatele obtinute la Aatrrbutelede (ex. a fine cont de aceste precizérl conceptuale, poate Conduce la solutii gresite.
oboségigf"momentul zilei ales pentru testare etc). lntre fidelitatemifitgrnurlest‘si Sintetizénd, scopul primorc’lihavLeLEfAeste‘de a identifica numérul si natyra
mar fidel, eronle
erorile de “EWFEW existé o legéturé inverse. CUE? un testveste factoepqomunice‘r-‘e stau la baia unui set Idemyeriabile VmenifestefTehnica este
igsorere comfblrtatgcu
de mare sunt mai mici si invers. ln sférsit. eFOTlEEET. utilizaté atét in constrgirea de scale, cét si la dezvoltarea unor teorii. lnainte de a
.,factom specifici ai fiecé/Inryjmgftrl_bgt-g§- @fa’fi‘geter‘mivna _facto_r.L/L,._unlc.‘....Astfel,
aprofunda modul de reallzare practicé a unei astfel de analize, se impune sé facem
a
fiegggfiifiltét manifest'poate fi vézut ca rind o consecmta a Influentei unura sau o ultimé distinctie lntre analiza factorialé-exploratorie si analiza coinponentelor ’
comunl si 3 factorului unic. ‘ . - ‘ pl’LllClp e (in englezé ,,principal component analysis” sau PCA).
mai multorlactori la
Spre exemplu, vom lua ca model réspunsul afirmativ al unei persoane
rau . cadrul'scalel
itemul “intotdeauna astept sé se intémple ce este- mai din de
5i vom constata 0721 el este afectat de trei
surse de Vvanage. aasursa 5.1.2. Analiza componentelor principale vs. analiza factorialé
peslmism de
este daté de factorul comun mésurat in scale respective, adica gradul peslmism
doua sursé se al Ambele metode au fost utilizate inadecva-t, de nenumérate ori, in principal
al persoanel reSpective. A referé Is factorul specn‘ic ecestur Item, datorité neintelegerii diferentelor dintre ele. Confuzia a fost intretinuté si de cazurile
dat de totalitatea aspectelor care il individualizeaza fata de ceilaltr lrtemr 'ai sealer. ln
framing numeroase in care solutiile, obtinute pe aCelasi set de variabile, au fost similare.
acest caz. datorité formulérii, ar putea fi vorba de efectulvde pus. rn
ca 0 formulare Nu in ultimul rand, unele oérti de profil au esuat in incercarea de a faceo distinctie
(Miclea, 1994).
. evidenté de Tversy si Kahneman -Probabrl dri‘erlta,
ar 11 claré intre cele doué metode.
se
dar sinnilaré de genul: "Nu astept niciodaté 52“: mi intamplev incrurr pune multi Primamdiferentéwimportanté intre analizavfactorialé si analiza componemelor
condus la rezultate usor diferite, daté fiind specificrtatea formularn. Dace mar
lor de formulare, de aoeste efect de ”framing , vo-m principale este determinate de modulfi'gifé‘ritfde éfenejjizeijggetelefI'Sé ne reamintim
itemi vor fi afectati, prln modul
de modul in care cé analizawfactorialé identifica trei surse ale ..ygriatiei datelor: factorii,,comuni, cei
obtine un alt factor comun determinat StJnt formulate afirmetule
variatle a speciflgjwsiwerorile dewméstrrare. Gruparea ultimelor doué surse oferea unicitatea
((9);. in termeni de Céstig sau pierdere). in fine, a treia .sursa de \Iarian’gei insé interesul central cédea asupra comunalitétii, ca dispersie explicaté
masurare
rezultatelor la itemul respectiv poate fi determinate de erorrle de (e).<.
prezenta unor stimuli de factorli eomuni. in schimb, analiza componefitélor“principale inu reogrge la
fidelitatea scézuté a probei; drstrecton etc.) Factorul specn‘rc
dispersrel scorunlor. aceasté triplé d ’nctie, iar teoria de la baza ei n_u_.postuleazé existerifa unor tectorl
aléturi de erorile de mésurare constituie, impreuné, unicrtatea
ea CQMUL ln 56A, dispersia detelor are la bazé doué..,surse: dispersia ex“ iceté si
Anali‘gflgjagtgrl‘alémeste mai putin interesaté de acest aspect. in schimo,
datorate cea datoraté erorilorxsdehmésurare (lacob‘ucci, 1994). in aceste condit‘l'l', nuflar rfim‘
tine 563m, in “mod deosebit, de dispersia sit-covenants rezoltatelor
se numeste comgrfllie. Eventualele normal sé yorbim desprefactorl in analiza componentelor. principale, devremévic’e‘
tactorilor comunl. Aceasté dispersiepomuné teoria n'u specificé egist nte___‘acestora. De ace'ea, se foloseste termenul substitut de
ca determinate de
core‘flil”"€£i§téfite intrev anumite probe sunt explicate fund componenté .principéla. Atét léctorii, (ggtsi_componentele principals pot fi denumite
lipsa corelatiel sau o
exigg‘fit'é“'fifi'nie...sau mainmultor factorl comuni. In schrmb,
De exemplu, generic “eigg’rlyectori’f. Scopul analizei componentglor principale este extragerea
corelatie scézuté indicé existenté posib‘ilé a unor factggjggg' ti.
la proba de adunare si la cea de vocabnler constitule o unui num‘éruqcét maimic de eigenVectori, care sé explice "Cit maMfi‘uu
' din totalul
rezultatele diferite Obtinute variantei. '
sunt influentate de factorrolferlti.
dovadé cé cele doué atribute de suprafaté A Dispersia; in cazul celor doué metode, poate finreprezentaté grafic Tn
La 0 soalé...mai.mare, cu cét‘ existé mai multa...cqrcelatu .ridlcete intre
existenta unur factor comunJ La fel, functie de sursele care compun totalul acesteia:
atributele mésutate, cu atét ele tind a dovedi
143
142
5.1.3. Design-u! §i metodoiogia analizei factoriaie
ANALIZA FACTORIALA ANALIZA COMPONENTELOR PRINCIPALE
Obiectivul major a!EEA, aceia de a identifica factorii
Dispersie Dispersie Dispersie
care influenteaza
datorata
.
Disperste
9 .
Dispersle' atributele de suprafata, nu apoate fi reaIizat eficient printr—o smgura ceICetare Vom
datorata datoraté '
factoriior factoriior erorilor de epIcaté datorata erorIIor avea nevoie de mai multe studii care sa Conduca treptat Ia o cunoagtere buna a
cemuni specifici mésurare . atributeiortinterne. Nu se urmareete dear o simpia, repIicare a Ior. Dimpotriva. prin
modificarea CQLQCIeristiciIor ,e§antionuiui ei, maI aies, prin modificarea .bateriei
(setqi de itemi) vom ajunge Ia clarificari conceptuaie esentiale. De exempiu, daca
FiQura 5.1. Difereng‘e conceptuale intre analiza factofialé §i analiza componentelorpn‘ncipale
un studiu nu reueeete sa 'evidentieze foarte clar un anumit factor, care are
Pornind de la aceste vom constata a doua importanta teoIetica putem retine itemii care aufost puternic saturati in factorul
considerente, diferenta
respectiv, putem elimina itemii care nu au dat satisfactie In aceasta privinta
putem introduce aItii care par a masura factorui reSpectiv. 9i
reducerea datelor
prin identificarea Unui n..-
care explica Impreuna cat mai mult din totaIuLdIsperSIeIyariabiielor IIIanIfeste Orice studiu care impiica ~anaIiza factoriaia exploratorie rezida in
face acest Iucru pe baza unei combinatiiiiniare Intre variabiieie manifeste ETa. In parcurger,ea urmatorilor pagi:
schimb, analiza factoriaia expioratorie incearca sa determine un numar restrans de (a) aIegerea tipuiui de rnatrice care va I‘i analizaté ei a njetodei de extragere a
_..
factoricare infiuenteaza semnificativ o serie large de variabile manifeste. Pe scurt, factorilor;
PCA este 0 tehnica utila de reducere a dateior, in timp ce EFA este adecvata (b) stabilirea numérului de. factorige trebuie extraei;
Identificarii unor constructe pSIhoIogiceIatente (c) rotirea factoriior pentru a facilita intergretarea acestora (daca este cazui);
seama de aspectui cauzanr~efectimpiicat in
O uItima diferenta subtila tine (d) identificarea naturii factoriior ei interpretare "zuitateiorgasite.
cele doua analize In EFA factorii. sunt vazuti ca tIind responsabiii de ev9iutia Vom aborda detaiiat fiecare aspect pornind de Ia urmatorui exempiu din
varIabIleIor manifeste asuniandr‘oluI unor variaoiie. ,,cau_za" AstfeI pare natural sa’ psihoiogia educationaia
afirmam ca 0 persoané obtine rezuitate ridicate Ia probe de aritmetica, vocabular, Didactogenia este actiunea involuntaré a cadrelor didactice soldata cu o serie de
relatii spatiaie etc datorita unei inteiigente ridicate. In PCA, componentele consecinte negative asupra eIeviIor. Intre cele mai raspéndite astfei de actiuni. 5e regésesc
principale nu joaca aceIa§IroI. Mai degraba eIe sunt rezuitatui combInatIeI Iiniare a ridiculizarea elevuiui In public; favoritismul sii incorectitudinea in notare; respectiv
variabiiei __‘_Inanifest‘e aI carei scop este de a expiica 9at mai muit din totaiui agresivitatea verbaIa a dascaiului. Consecintele acestor actiuni asupra eIevqi pot fi
disperSIeI dateior O situatie care necesita PCA este aceea in care dorim sa grupate in: efecte pedagogice (ex. scéderea motivatiei §coiare, absenteism. eeec'scoiar
obtinem un singur indicator 3] ”starii materials" pe baza unor Informatii muItipIe ce etc); efecte psihoiogice (ex. stima de sine scézuté, mutism eiectiv, manifestéri anxioase,
privesc venitul personal al subi‘ectuiui, venitui iinanciar at familiei, un index aI frustrare crescuté); §i efecte somatice sau medicaIe (ex. dureri de cap, aciditate gemstricé,
bunuriior de q detinute etc. AIte situatii in care se apiica PCA sunt cele In care tulburéri intestinaIe etc.) (Poenaru,y1980; Poenaru §i Sava, 1998). _
Vom analiza, in continu'are, o scala menita sé evaiueze aceste efecte Ia eIevii de
mai multe variabIIe ,inpiependente coreleaza foarte puternic In acest caz, prin
extragerea uneia sau a men muitor componente principaie se eIimina probiema Iiceu. Proba contine 15 Itemi care necesité réspunsuri pe o scaia de tip Likert cu raspunsuri
.
mulfiicoiiniaritatii (vezi sectiunea 6.5.4.). Acestor diferente Intre EFA ei PCA se
notate de launu Ia cinci. Ea a fost prezentaté Intr~un studiu anterior, In care se urmareau
efecteie atitudinii conflictuaie, ostiie a profesoriior asupra eieviior (Save, 2002). Cercetarea a
adaUQé §i aiteie, de ordin matematic, implicate in algoritmui de caicui aI‘
eigenvectoriior. Asupra Ior nu vom insista aici. In plus, trebuie retinut ca SPSS—ul avut un eeantion de 946 de eievi, care trebuiau sa evaiueze un nurnar de 111 profesori.
oferé doar' posibiiitatea realizarii analizei factoriaie. Cei interesati de utiIizarea Astfel, fiecare profesor era caracterizat in medie de 8,52 eIevi. Deoarece anaIiza factorialé
metodei componenteior principaie pot apeia Ia aite programe software precum porneete de la asump’gia independentei dintre cazuri, am reaIizat o medie a réspunsurilor
Vista (Young, 2002) sau LISREL (Joreskog ei serbom. 1989). date de elevi pentru fiecare profesor caracterizat. Astfel, eeantionul total supus analizei
.
In conciuzie, de§i numeroase situatii dovedesc o similaritate a rezuitatelor factoriale a fost de 111 subiecti.
obtinute prin ceie doué metode. exista diferente semnificative din punct de vedere Itemii scaiei sunt prezentati in tabeIuI 5.1., iar baza de date este analiza factoriaié
teoretio. Acestea, Ia randul Ior, pot duce Ia rezuItate §i interpretari greeite aIe expioratorie.sav. Pentru a reaIiza o analiza factoriaié de acest tip in SPSS se utilizeazé
caiea: ,,Analyze” — ,,Data reduction” — "Factof’.
soiutiilor obtinute. In continuare, vom insista asupra modului de reaIizare a analizei
factoriaiel Totuei, anaIiza-componenteior principaie implica parcurge’rea aceIora§I
etape.
144’ 145
. ‘ii ii ii iii i i i iiiiiiiiiiiii1iiiiiHiiiiiifliiiifliiiiifliiiiiifliiiwiiiWiMiiiMiWiiMiiiiuiiiii‘iiiiHiii ii! “ii iii “ii “ii “ii “ii “ii i “ ii ii iii . jiiiiUiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii iiiiiiii iiiiiiiiiiiiiiiiiiiiiiiiiiiii‘iiiiiiiiiiiiiiiiiiiiiuiiiiiiiiiiiiiii 113111 11111111111211 i i iii!iiiiiiiiiiiiiii‘iiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiliiiiiiiiiii111111131111 HHH‘1111111111
instructiuni: . . Prin anaijuzwajactorialé se incearca gésirea

unui "pattern”
.. .. .
lndicati in ca mésura vi se potrivesc urma'toarele aflrmag‘u utilizand sea/a de notare.. cogelatii. Printr—un algoritm magmatic sunt calcuiaii anumitijfia‘ram'étriin matricea de
1 ~ n‘u mi se potfive§te de/oc; factorilor, gradul de comunalitate etc.) care conduc la u
(ex. sa'furagia
"
n model___iecretic ai ‘matiicei '
4 ~mi se potrive§te
fjeseori;
2 — mi se potnve§te rareori; 5 ~mi se potiive§te in total/fate. cat‘ mai apropiat de cea observata in realitate.
Daca cele doua matrici au
3 - nu §tiu / indecis,‘ ”patternurji‘de:‘ccrreiagii simiiaie, implicit valori'reziduale
scazute, putem afirma ca
soiuiia gasitéeste adecvatav. in cazul unei matrici requee ca mafime,
Tabeiui 5.1. Itemii scalei de evaluare a efecteior psihoiogice, somatice $1 pedagogice ”pattern” s-ar putea face inspectand vizual gasirea' unui
\ccrelatiiie obtinute. Tntr—o matrice
complexé, acest iucru deviné imposibil, anaiizei
ITEMI factorial'e reVenindu-i meritul de a
' . sesiza eventuaiul ”pattern" intre coreiagii. in exempiul
1. Tmi piac orele dé X. 1 2 3 4 5 nostru, matricea de coreiaiii
‘ _ obtinuté a fost: ’ “
2. Daca arfi dupé mine a5 chiuii de la ora de X. 1 2 3 4 5
3. Daca toate disciplinele de la Bacalaureat ar conta la fel, a5 aiege sa 1 2 3 4
Tabelui 5.2. Matricea de corelaiii dintre cei 15 itemi
dau examen ia X. ai scalei
4. Ma plictiSesc repede la oreie de X. 1 2 3 4 5 item 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
5.Tmi place 351 invaila X. 1 2 3 4 5 1. ed01 —- .
6. M-am simtit umilii de catre profesor. 1 2 3 4 5 2. ed02 .60 ~-
7. Profesorul’imi insuflé'incredere in for1,e|e proprii. 1 2 3 4 5 3. edOS .73 .54 -- .
8. Mi-am imaginat moduri de razbunare pentru suferinta priiejuité de 1 2 3 4 5 4. ed04 .71 .64 .56 —
conduita profesoruiui. 5. 6005 .62 .53 .66 .50 ‘
9. Cand m5 géndesc Ia ora de X simt un 901 in stomac. 1 2 3 4 5 6. ed06 .55 .40 .35 .35 .36 —-
10. Am uneori impresia ca nu sunt in stare de nimic. 1 2 3 4 5 7. ed07 .53 .37 .40 .44 .51 .36 —
11. in general ma simt piin de energie ia §coaia. 1 2 3 4 5 8. edOB .53 .50 .27 .38 .39 .73 ‘
.38 -<
12. in timpul orei de X palmele imi transpira mai tare decat Ia aite ore. 1 2 3 4 5 9.5109 .54 .41 .30 .39 .29 .66 .45 .61 ~-
13. Dupé 0 2i de §coalé spatele (gatul) meu devine Tncordat. 1 2 3 4 5 10. ed10 .27 .19 .09 .18 .12 .50 .21 .39 .43
14. Mi .Sra intampiat 53 mi se faca rau la ecoala. 1 2 3 4 5 115011 .07 .15 -.06 .00 .10 .05 .09 .03 .01 .22
15. Dupa ora de X ma simt obosit. 1 2 3 4 5 ~12.ed12 .32 .20 :19 .16 .21 .51 .22 .48 .64 .50 -.06
Unde X vizeaza disciplina predata de cadrul didactic evaiuat. 13. ed18 —.01 .04 -.04 -.07 .05 .05 -.03 .05 .02 .08 .28 -.02 -
14. 6014 -.03 .16 -.07 .00 -.03 .02 .03 .06 .03 .24 .27 .05 .39
5.1.3.1. Tipuri de matrice §i métode,.de,extragere a factorilor 15.ed15 .53 .44 .34 .40 .37 .59 .36 .61 .67
. 3 ' - .47 .13 .57 .15 .15
Aceasta etapa este una pregatitoare. In contextul EFAeXIsta doua de Coeficientiiingi’ogati sunt semnificativi la p < .01
-
tipuri
matti: cea de conelagiem§imgea de covarianta. A§a cum ie
spune numeie,lpr1ma
e‘6te 4; formél's'ia‘n'daTdizaté a ceiei de a doua. Matriceayde coreja’gu este in privin’ga metodelor de extragere a factcgiior
medalltatea exista o diversitate de
cel mairfrecvent. fclosita datorita ueuriniei interpretarii relaiiilor dintre alternative. Probabii, cea mai intalniia metoda este analiza $3910???
saturatieiwacestora in factorii extra5i. Metoda are 5i
\ianablleielna
componentelor‘principaie‘, care este opiiunea standarg a
un' Wage-gamma)“, 1n «111.3388. Atentie‘ ‘m‘aflr‘e Thea,
comparatie cu matricea de covarianta, introducand o cantltateVsupllmentara de intre aceasta analiza 5i analiza componentelor principale,
Tn sensuihei .ciasiqnu
eroare,. ca rezultat ai standaggizarii. 1n cazui unor date masurate pe scale foarte exista un semn..de egalitate. SPSS-ul nu ofera posibilitatea
'afliuferite ca amplitudine (ex. vitezade reaciie exprimata in ms §colar
realizérii m'éto'd‘ei
componenielor principale clasice. Ceea ce face SPSS<ui
61 randameniul sub denumirea "prlncipnl
exprimatliny medie ecoiara) este binevenita de component method" nu este altceva decat analiza
standardizarea variabjkeior~ Inainte a fac'tgriaiéi,,a_componentol0r
opta pentru matricea de corelatii sau cea de covarianta. In alte In to’gu prinflpaie. Diferenta dintre ceie doua este totuei minima
cazurl, caie 6i constfi Tn fnpiul ca
itemii folosesc aceea§i scalé de masurare, nu este necesara optiur'féa ‘din SPSS conduce la 0 standardizare..‘suplimentarfi
standardizaiea dupa roilfe.
variabilelor. Pentru scaia de faté, vom péstra'dateie brute in analizei 61 introducand o sursa supiimentara, de Veroare.
vederea Varianta clasica a nnnilée'al
vom opfa pentru matriceade coreiaiii; din ragiuniie mentionate mai sus. componentelor principale poate fi regasita in PRELIS
din cadrul programulul
statistic LISREL. O alta modalitate de~extfagere, intalnlta
destul 110 fracvant.eate
146
147
I
- II II III WWIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII‘III IIIIIIIIIIII i i il l l l l l i l l l l l l il l l l l l l‘ l l l l II l li 11 Il il 11 l l l l l l Il l ‘l I l I: l ‘ I I l I I
Merita sa fie menIionate cateva aspecte. Mai intai, procentajui se

analizajagtorilor.princip-aii (in engleza ,,principal axis factoring"). Ambele metodeau
avantajul ca nu sunt foaIteapretenIioase in ce priveste prezenIa unei distributii *stabileste pe baza valoriloI eIgenvectorIlorextrasi, denumite eigenvalue. In cazul
multivariate normale, dar si dezavantajul ca pot conduoe la s’oluIii relativ diferite, utilizarii matricelor de corelaIii, eIgenvalue pentru fiecare variabila inclusa In studiu
este egala cu unu. Pe baza acestei informaIii putem observa puterea explicativa a
daca sunt analizate pe baza matricei de corelaIii sau a celei de covarianIa. Desi
sensibila la forma disIribuIiei datelor, analiza factorialé bazata pe estimarea
fiecarui factor extras. Astfel, primul factor are un eigenvalue de 5, 90 ceea ce
verosimilitatii maxime (in engleza ,,maximum‘ likelihood factor analysis”) nu este
Inseamna ca puterea sa explicativa este aproape egala cu suma a ease dintre cei
cincisprezece itemi ai scalei, Valoarea explicata prin suma celor trei eigenvalue
afectata de tipul de matrice analizata in plus are marele avantaj de a testa gIadul
corespunzatoare factorilor extrasi se pastreaza si dupa rotire. ln situaIil In care
de semnificaIie statistica a satuIaIiei factorilor si a corelaIiei dintre factorii extrasi
Aceasta constituie o noutate In domeniul analizei factoriale exploratorii si poatelfi
efectuam rotaLugItogonale se pastreaza si procentajul de 63%. Totusi, dupa oi
valorificata utilizand programul ,CEFA (Comprehensive Exploratory Factor. rotire obIIga, purecumiin cazul problemei de faIa, procentajul explicativ al factorilor
'
Analysis). Programul, realizat de cercetatori de prima seama in domeniu, poate fi _ extrasi nu mai este precizat deoarece suma acestora depaseste totalul dispersiei.
In starsit, putem desprinde valoarea explicativa a ecaIUI factor, inainte ei
descarcat gratuit de pe internet (Browne, Cudeck, Tateneni si Mels, 1998). SPSS—
ul, desi conIine posibilitatea extragerii factorilor cu aceasta metode, nu ofera
dupa. roIIre. Astfel, inainte de rotire, primul faCtor explica 39 34%din totalul
dispersiei; cel de-al doilea, 13,53%, iar ultimul, 10,75%. Totalul acestora era de
avantajele prezente in CEFA. Singurul indicator prezent in SPSS, legat de gradul
63,62%. Dupa rotaIia oblica, se observe 0 relative egalitate intre valoarea
de potrivire a modelului, nu este de mare aIutor, fiind bazat pe o distributie x2, deci,
foarte sensibil la volumul esantionuluifTotusi, dacaveII foiosi aceasta metoda. VeIi
explicativa a primilor doi factori (eigenvalue de 4,81, respectiv 4,60), in timp ce al
extrage cel mai mic nuInar de factori de la care 75 devine nesemnificativ statistic, treilea factor are 0 putere explicativa mai redusa (1,80).
fapt ce inseamna ca nu mai exista diferenIe semnificative intre matricea de
Total Variance Explained
corelaIii (covariabile) observaté si cea estimate pe baza factorilor extrasi.
initial Eigenvalues Extraction Sums of Squared Loading§ Rotation
‘
Component Total “/9 of Variance Cumulative % Total “/9 of Variance Cumulative % Total
5.1.3.2. Metode de selectare a numérului adecvat de factori 1 5,901 39,341 39,341 5,901 39,341 39,341 4,816
in stabilirea numéruluide factori trebuie sa realizam o balanta intre 2 2,030 13,530 52,871 2,030 . 13,530 52,871 4,605
,
principiul' paICImonIeI sa fie de un numar cat mai mic 3 1.614 10,757 63,628 1,614 . 10,757 63,628 1.302
influentate de 4 ,834 5,557 69,184
(variabilele 5 ,739 4,925 74,109
existente). 6 ,673 4,485 78,594
ln ceea ce ne priveste, am putea distinge doua categorii de metode: statice 7

‘
,627 4,179 82,772
8
ce utilizeaza criterii de,,
,510 3,398 86,170
(a priori) si dinamice. in prima categorie voi include 9 ,492 3,277 89,447
selecIie prestabiiite metode 10 360 2,401 91,848
11 ,336 2,238 94,086
12 ,298 1,989 96,075
Criteriul procentajeIor de dispersie explicate 13 ,238 1,588 97,663
Un astfel de caz este criteriul' procentaIulmde dispersie explicata (intalnit 14 ,206 1,372 99,035
in special in metoda componentelor principale). Un cercetator poate decide In 15 ,145 ,‘965 100,000
Extraction Methodz‘Principal Component Anaiysis.
avans o anumita cantitate de dispersie explicata pe care sa 0 considere a. When components are correlated, sums of squared loadings cannot beadded to obtain a total variance.
satisfacatoare. Sa presupunem cael se opreste asupra unui procent de 70% in
aceasta situaIie, el va selecta ataIi eigenvecton (factori sau componente principale) Figura 5.2. Output-u] SPSS 11.0 vizand numarul de facton' extrasi
cati sunt necesari pentru a explica acest procent Dezavantajul major al metodei SPSS este o maroa inregistrata.
este dat de caracteIul subiectiv al acestor Iepere a priori. Nimic nu ne opreste sa
decidem la tel de bineIn favoarea unui pIOCent de 60% din dispersie. Mai mult, In Criteriul lui Kaiser
cazul analizei factoriale, multe dintre cercetarile publicate se mulIumesc, in cazul Un alt criteriu, extrem de popular in selecIia factorilor este regula lui
stiinIelor sociale, cu un procentaj de 40%. Kaiser. Conform acesteia, vor fi selectaIi un numar de factoI comuni egaii cu
in cazul problemei noastre, extragerea a trei factori comuni, care explica numaru ‘jdeeIgenvalue care sunt mai mari decatunu. Adica, vor fi reIinuIi factoril
63% din totalul dispersiei poate fi considerate mulIumitoaIe. Rezultatele oferite de care au 0 putere explicativa mai mare decat o singura variabila, Iinand cont ca,
SPSS 11.0 sunt prezentateIn tigura 5.2. aceasta este compusa, nu numai din factori comuni,ci si din factori specifici si erori
149
148
I I I I I I I I I‘ I I I ‘I I I I I I I I I IIIII I I I III III I I I :IIII I I I III III I I I I I I I I I IIIII I I ‘I I I I I I I I I I I I I I I III III I I I I I I IIIIIIIIIII
serie de trei factori se afia deasupra

acestei linii, dupé acel punct de coti‘turé. In consecinta,
de masurare. Regula are 9 validitate acceptabila. T9tu9i, ea prezinta o ' I
amatricelor de vor fi extra9i, ducand la 0 soluIie adecvata cu trei factori.
dezavantaje: poate fi aplicata doar In cazul analizei. factoriale
foarte Metoda a condus, mai mereu, la rezultate valide. Dezavantajul utilizarii ei
corelatii nu ofera criterii de decizie clare In cazul In care obtinem valori
sa apare in situatii in care punctuI‘Ldetcotituré. nu este atat de evident, fiind dificila
apropiate de pragul critic unu (ex eigenvalue = .99 999 1,02) tinde u9or
unor e9antioane mari, localizarea 9i identificarea acestuia. \
suprae9timeze numarultactorilor necesari. Totu9i, in cazul
in situ'atii cu mai putin de 30 de variabile care toate au 0 comunalitate mai mare de
Metoda analizei paralele
.60, se dovede9te a fi un indicator valid, Ia fel de eficient ca celelalte metode
Metoda analizei paralele se bazeaza, a9a cum arata numele, pe
prezentate In continuare.
compararea intensitatii eigenvaI99 dIntre datele observate 9i un set de date
Pentru exemplui nostru se observa ca primii trei factori indeplinesc conditia
ce indica o ale9t9are Pe baZa SImularIIorse pot stabili valori aproXImatIve eigenvalue in
de a avea U“ eigenvalue mai mare decat unu (5,90; 2,03; 9i 1 ,,61) fapt functie de numarul desubiecti, numarul de variabII9 9inumérul de‘ factori extragi. In
solutie trifactorialé.
aceste conditii,. principiul de selectie stipuleaza extragerea acelor factori care 99
eigenvalue mai mare decat cel corespondent rezultat in urma analizei datelor
Criteriul graficwal luI .Cattel
aleatoare. _O analizé a Iui Zwick 9i Velicer (1986) arata ca aceasta metoda da
Din categoria met9delor dinamice, ne vom opri asupra metodei
rezultate valide, indiferent de conditII simularii. Totu9i, metoda are limite, cea mai
reprezentarii grafice a lui Cattell cunoscuta sub numele de scree plot 9i asupra
importanta fiind dificultatea de a de . Ie‘gereaunui factor in conditiile in care
metodei analizei paraleiePropusa de Horn. Scree plotul este o reprezentare exista diferente infime intre intensitatea eigenvalue cbtinuta din date reale 9i cea
grafica a InIeILIIaI”eigenvalue pe‘ntru fiecare factor p99ibil a fi extras. In situatia corespondenta, rezultatain urma simularii. Din pacate SPSS- ui nu ofera direct
concreta este vorba de 15 factori posibili, dat fiind faptul Ca scala contine 15 itemi.
po9IbilItatea realizarii unei analize paralele.
Ace9tia sunt prezentati pe ab9cisa, In timp ce pe ordonata sunt trecute valorile
In schimb, vom putea adapta ecuatia de regresie dezvoIt9t9 99 Allen 9i
eig9nv9lue. Principiul selectiei tine seama de acel numar de t9ctori de la care
sub Hubbard (1986, apud Johnson 9i Wickern, 1998) la datele oferite de SPSS pentru
SOIUIIa nu $6 Imbunatate9te's'emnificativ. Grafic, acest Iucru apare reprezentat a obtine aceasta analiza intr-un mod indirect. EcuaIia de regresie a fost dezvoltata
in care 9e
forma unei COIILUII ‘39 IIICIICEI Ideea unei rupturi intre situatiile anterioare, pentru a nu mai fi nevoiti sa realizém simuléri pe date randomizate 9i are ca
ulterioare, in care
constata Imbunatatjri seITIIIII‘ICative ale solutiei 9i situatiile rezultat estimarea..,eigenvalue dindate randomiz9te standardizate (ex. matrice de
solutiile 9e amelioreaza nesemnificativ. Graficul SPSS aI problemei date este vizibii
. corelatii) Regula de selectie stipuleaza alegereaacelor factori ai caror eigenvalue
in figure 5. 3.
este mai mare decat valoarea rezultata prin analiza datelor randomizate. De9i
Scree Plot
metoda a fost dezvoltata pentru analiza componentelor principale, rezultatele sunt
concludente 9i in EFA.
Ecuatia de regresie are forma:
1n 1k = ak + bk 1n(n -1)+ ck IHIWI 'I' dk lnlk_1(5.1)
unde: a, b 9 9i d sunt ni9te coeficienti ce pot fi Iuati din tabel,

Eigenvalue n este volumul e9antionului;
p este numarul de factori posibil a fl extra9i (numarul de variabile manifeste),
123455789101112131415
COMponent Number
k este un indicator Ce face referire Ia un anumit factor.
plot
Figura 5- 3- Ana/Iza numarului de factori ce trebuie extra9i pe baza de scree Se mai postuleazé ca lambda zero 99 fie egal cu 1.
SPSS este o marca Inregistrata.
, '
Seobserve, pornind de la dreapta spre stanga, ca Iinia Inceputa In d'reptul
Primii
CGIUI d9aI CIIICISPIPZECEIea factor continua pana la niveiul factorului patru.
151
150
. : illiilili
lata cateva valori ale coeficientjlor a, b, c ei d pentru solu1ii de pane la opt Analiza paraiela
‘
factori.1
Tabelul 5.3. Valoriie coeficien1iior ecua1iei de regresie
K a-bc dK a bvc_d
‘
1 .9794 -.2059 .1226 .0000 5 -.2670 .0360 -.0024 1.0899 —~—date reale‘
— I- date randomizate
h)
2 -.3781 .0461 .0040 1.0578 6 -.2632 .0368 -.0040 1.1039

3 -.3306 .0424 .0003 1.0805 7 -.2580 .0360 -.0039 1.1173 Eigenvalue
4 -.2795 .0364 ~.0003 1.0714 8 -.2544 .0373 -.0064 1.1421
Dificultatea meiodei este determinata de caracteruzlfifzigestetic" al ecua1iei,

aspect contrabalansat de acuratetea rezultatelor ob1inute
_ Numar factori
Vom caicula in scop demonstrativ, valorile eigenvalue obtinute prin
intermediul ecua1iei pentru primii doi factori. Reamintim ca volumul eeantionului a Figura 5.4. Reprezentarea graficé a factorilorprin metoda analizei paralele
= 15) ei ca, prin
fost de 111 profesori (n = 111), scaia con1inea 15 itemi (p
conventie, A zero este egal cu unu.
[Pentru primul factor vom avea: _ 1n urma apiicarii "mai multor metode de selec1ie a factorilor, solu1ia favorita
indica extragerea a trei factori. intr-un mod similar se procedeaza §i in cazurile de‘
_ _' -1 2 analiza a componentelor principale Prin utilizarea a doua sau 3 mai multor
III/1, =.9794—.2059*ln(111‘1)+-1226*1“M2(M +.0000*1n1=.581l modalita1i de selec1ie ce ofera aceeaei solu1ie creso semnificativ gansele ca
aceasta sa fie §i solutia corecta pentru eeantionul respectiv.
Astfel, valoarea eigenvalue extrasa in cazul primului factor (vezi figura
5.2.) a fost de 5.90, fiind mai mare decat oea ob1inuta pe baza datelor randomizate
5.1.3.3. Analiza statisticé a factorilor extra§i
(1 ,78), in consecin1é, primul factor a trecut pragul de selectie 5i va fi re1inut.
Comunalitatea
Similar, putem oalcula vaioarea eigenvalue obtinuta din date randomizate fl .m.
Dupaw
extragerea factorilor, vom observa g_radul _ comunalitate aLfiecarei
§i pentru cei de-ai doiiea factor:
M1 =—.3781+.046l*1n(111—1)+.0004*1n W+l.0578*.5811= .471 're1inu1i ei se calcuieaza pentru fiecare yariabila in parte Cuoat comunalitatea este
mai mare, cu atat acea variabilafl__este influen1ata mai mult de factorii extragi
Similar, cu cat comunalitatea este mai mica, c'u aiat variabiia respective este mai
pu1in influen1ata de ac1iunea comuna a factorilor extraei. In plus, conform teoriei
11.1 = e'471 =‘ 1.599
analizei factoriale prezentate anterior, disperSIa carexnu este explicata cle
Eigenvalue ob1inut din datele reale (2,03) este de asemenea mai mare comunalitate se presupune a fi legata de unICItate adicacie erori §i de factori
decat cei obtinut prin aceasta ecua1ie (1.599) Prin urmare ei al doilea factor va fi specifioL Bunéoara valorile comunaiitatji mai mici de .50_arata ca influen1a celor
re1inut. Calculand intensitatea eigenvalue pentru al treilea §i al patrulea factor vom trei factori extraei este mai mica decat dispersia datorata Unicita1ii. Prin urmare,
ob1ine 1,46, respectiv 1, 34. Compararea acestor valori cu cele ob1inute din datele itemii respéotivisunt mai pu1in__satura1iIn cei trei factori extraei. in exemplul dat, se
reale indica re1inerea celui de-al treiiea factor (1 6,14) dar respingerea celui de-al observa ca itemii referitori la niveiul de energie fizicé ei la gradul de incredere in
patrulea (0,834). Aaadar prin utilizarea unei adaptari a analizei paraleie,solu1ia for1ele proprii sunt cei mai pu1in eXplica1i de cei trei factori extraei. 1n schimb, itemul
contine tot trei factori Utilizatorii analizei paralele obienuiesc sa-ei prezinte legat de preferin1a pentru obiectul de studiu ei cel privitor Ia prezen1a unor
rezultatele sub formwgrafic asemanator celui din figura 5.4. . probleme gastrice au cel mai mare nivel de comunalitate. Altfel spus, ei suntIn cea
mai mare masura infiuen1a1i de cei trei factori extraei.
I Cei interesaij de situa1ii factoriale mai complexe pot consulta Allen §i Hubbard (1986, apud
Johnson §i Wickern, 1998).
’ 153
152
‘ l l l l l lllilllll lllllllllJlllJllLlllLllllJlllLllllL‘llll
iiimlllll llll ill ll ii ii iii :ll ill ill. 1 . ‘ ‘. ii iii il Il . l
LllllllElllllllllllllllllllUlllll l l l l lllllillllllllll‘lllllllllllllll:lllllllllllllllllllllilullllllllllll.llllllllllllllllllllllllllllllllllliiiiiiiiilllllli‘lllliiiiiiiill:iiiiiiiiiiiiiiiiiiliiiiiiiii‘iiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiwiiiiii .l l ‘l l l l ‘l l l i m i. ii i.
Tabelul 5.4. Saturatia itemilor in cei trei factori extraei 0.804 = (0.837? + {-0.31 1)2 + (0.079)2
Eticheta itemi SATURATlE TN FACTORl Comunalltate
Valoarea comugalitalii se pastreaza §l dupakrotire.
1 2 3 chiar daca saturagiile
preferinlé obiect (1) ,837 —,31 1 ,079 . ,804
variabilelOr afactorii reepeotivi se vor schimba. lntr-un mod similar pufem’exrallca
‘ $1 intensitatea eigenvalue, deei, spre deosebire de
ohiul" (2) .707 -,210 ,814 . .644 comunalitate, valorile sale 58
modifica in. urma rofirii. Daca observam pe verticala, gradul
alegere examen (3) .647 —,51 2 ,154 .705 de saturafie a fiecérei
variabile intr-un anumit factor vom putea obfine nivelul
plictiseala" (4) ,686 -,389 ,164 .649 eigenvalue. De exemplu,
intensitatea primului factor poate fi oblinuta dupa formula:
invafare obieot (5) ,664 -,389 ,258 .656
umilinla suferita (6)* ,766 ,237 , -,220 .692
incredere perceputé (7) ,621 -,203 ,061 .431
5,90: (0837? + (0.707)2 + (0.647)2 + + (0.769)?-
. razbunare (8)* .760 ,198 ~,156 .642
probleme gastrice (9)* ,775 .264 -,286 ,752
= 5.1.3.4. Rotirea factorilor
lipsa incredere (1‘0)* ,514 .557 -,098 .584
in urma eelectarii numaru‘lui adecvat defactori vom putea stabili
energie fizica (11) .109 ,332 .,610 ,493 saturalia
transpiralie (12)* .582 ,401 -,425 .681
intr-un anumiiiaqtor DQUKLL... afe'mifernhinwparte. Acesl fapt este neceéracruifi‘
’ interpretarea fa morilor. De fapt, tabelul prezentat anterior
dureri musculare (13)* ,047 .433 ,590 ,538 se constituie, intre
.anumite limite, intrfo‘A‘matrice a corelaliilor care exista Tntre
stare de rau (14)* ,082 ,504 , ,569 fiecare item al scalei ei
,584 factorii extraei. Ca in orice proces de corelatje, cu cat saturaliileyerau
oboseala (15)* .769 .309 -,053 .,690 mai mari, cu
atat exista o legatura mai puternigawi‘ntrefactorul.respectiv 5i
Nota: itemii notali cu asierix au fost recodali inverS; in paranteze este trecut numarul ide continutvul itemului in
cauza. Au fost propuse mai multe praguri valorice ale gradului
ordine al itemilor in scala de saturafie de la
care sa se considere ca 0 anumifa variabila este incarcata
in factorul respectiv.
Cele mai intalnite sunt pralgurile de .30. .40 .$_i.._.50._Q__e inseamna
aceste praguri
Saturatia daca apelam la interpretarea coeficienlilor de determinare corespondenii?
Luarea
Un alt nivel de analiza este legat de gradulnqfieme in considerare a unei saturalii de .30 indica o dispersie comuna de numai
9% (.302)
fiecare faCtorrelinut. Astfel, se observe”: Ca itemul 1 este pu Tntre factorul in *cauza §i variabila respectiva. Acceptarea unui prag
de .40 indica
, selectarea aceior itemi, ale caror dispersii sunt fn prOporfie de 16% influenlate
factor ei mai pufin incarcat cu factorii doi §i trei. in schimb, itemul a fi de
11. pare factorul in cauza. in sfareit, acceptarea unui prag de .50
influentat mai ales de factorul trei ei prea pu‘gin cu ceilalti factori. Din ca limila pentru ’a
pacafey, considera ca un item este saturat in factorul 'respectiv, indica
aceas’ra solutie initiala este greu de interpretat, de cele mai multe o dispersie comuna
ori-datonta de 25%. Desigur, aceste vaiori de corelatje sunt dependente
dualitafii saturafiilor. De exemplu, itemul 3 este influentat, in demyolumul
de primii doi factori, iar itemul 12 pare a fi lnfluen’gat intr—o masura relatlv
proportii relativ eqale, eeantionului, deoarece 0 data cu creeterea acestuia vom
obline vaiori tot mai mici
egala 0e ale coeficientului de ggrelatie. in aceste conditii, autori precum Hair
toti cei trei factorii. Aceasta stare de fapt nu este dorita, deoareoe scopulprlmfigmqial et al. (1998)
al’analizeifaotoriale este identificarfiefia‘factorilor extraei. Acest lucruee face propun cateva praguri de acceptat, care sé ofere o putere
statistical de .80, in
poate condifiile unui p < .05. Astfel, in cazul a 100 de subiecti,
doar dacamistructura saturatieiwifemilor
V este simp/é, ceea ce Tnseamna ca fiecare pragul minim de la care
variabila sa fie rnfltEntatap oominant de un singur factor. Numai astfel vom putea putem spune ca un factor influenfeaza o anumita variabila
estefifi, in timp ce un
identifica cu claritate natura factorilor extraei. prag de .30 este suficient pentru un volum al e§antionului de cel
putjn 350 sublectj.
De refinut ca aceste valor] nu trebuie lnterpretate in termeni
absoluli. Astfel, nu
Structura simplé putem spune caun item nu este influenlat de Lin anumit
factor, daca saturafia sa
Pentru azobtline o strugmflraflsimplamse realizeaza o operafie suplimentara este de .53, la un eeantion cu 100 de persoane. in schimb,
putem aprecia ca 0
de saturatie de .33 nu merita a fi luata in calcul, de§i aceeaei
rotirea factorilor. lnainte de a lexpllca pe indelete aceasté operafie, merité sa valoare ar fl fost mai
facem cater/amorbecizari suplimentare. Comugalittalea, ‘pentru fiecare variabila, relevanta pentru un eeantion de 400 de persoane.
“nu _ ‘
este altceva decat suma p_afra1elor fie'care' saturatii factoriale. Astfel, daca luam Analizatj dinamica saturatiilor din tabelul anterior pentru
cei 111 profesori
itemul 1, observam ca“ suma patratelor celor trei slaturatlii este egala cu evaluatj. Se observa ca cei mai multj ’itemi sunt Tncércatj in
primul factor (ex. toll
comunalitatea penfru itemul respectiv. ' ltemli, cu excepfia 11, 13 §i .14). Acest rezullat este normal pentru
o solufie nerotita.
1521
155
l l ‘1 W
W‘ “W W ‘W W WWJWWWWW WWWLWLW WW W‘l W WW WW WWWWEm—lllllll
‘ ‘ ‘ ‘ ‘
‘ ‘ “ “ W W W W ‘W W W‘ W W.. W l‘W
WW WW WW WW WW WW WW WW WWW WW WW WW WWW W W WW W W W W W W W W W W W
‘ ‘ ‘
W W W W WW WW WWW WW WWW WWW WWW WW WWW WW WW WW‘WW WW WW WW WW WW WW WW WW WW WW WW WW WW WW WW WW WW WW WW
ryauvofigtructure saturati in factorul 1 §i prea putin in cel de-al doilea. ln schimb, pozitiile apropiate,
Merité, de asemenea, mention‘at cé existé o serie de itemi care
multor (ex. ale itemiior 10 §i 12 de cea de-a doua axe indicé o saturatie puternicé 1n acest
simplé, par a fi influenta’gi de actiunea concomitenté a mai factori itel‘nll
factoriala a factor §i o slabé saturare in primul.
3, 10, 12, 13 5i 14). Acest rezultat ingreuneazé interpretarea solutiei.
a elimina in vederea obtinerii structurii simple au fost dezvoltate mai 'multe modalitéti
De aceea, se obienuieete frecveni sé se aplice rotir§g%lf§§tgrii_or.pentru
‘
de rotire a factoriior. Cea mai importanté distinctie intre acestea Tmparte rotirile in
aceste probleme gt a obtine structure ceajnai simplé. «
inseamna doué cetegorii: ortoggggle §i cplice (Kachigan, 1991; Pedhazur §i Schmelkin,
Criteriul structuril simple a fost definit de Thureggne. Ce acest
structuri. simple 1991). in cadrul rotirilorfitjfibé‘bfiéléjzfiactorii sunt constrénei sé réméné necgreletl,
lucru? Din multitudineaylde rotatii posibile, cele care conauc'la VOI'il
’ ceaste adicé sé formeze un fiunghi de 90°. Figure 5.5 prezinté o astfel de retire, in care
mai ueor interprefitgfbiile..§i vor avea o semnificatie psmclolgicérrealé.
smgurufactorugl’ ambii factori Sunt redirectionati spre dreapta cu aproximativ 40°. Acest fapt mentine
structuré simplé duce la obtinerea unor saturgtilwriclicate intr—un
itemi'saturati in primul factor‘va unghiul drept dintre cei doi factori.
redusé in—celialti De asemenea, numérul de
factor
scéaEE,‘ reechilibrend, lntr-o anumité mésuré, modul in care fiecare
in schimb, rotirileug,b,llce_..presupun redirectionarea factorilOr cu intensitéti
extrae
itemii care par 21 fi diferite. Acest lucru face ca dupé rotire, unghiul dintre sistemul de axe sé‘t‘ru fie de
contribuie la explicarea dispersiei. Vom selecta‘patru din
90°. Transpusé in termenl statisticl, aceasté informatie precizeazé cé'fi'acto'rii
incércati in mai mult decét u‘n singur factor.
extrésfcoreieazé intre ei, nefiind independenti unul de celéialt. Figura 5.6 prezinté,
grafic diferentadintre cele doué modalitéti-de rotire.
Tabelul 5.5. ltemi cu structuré factorialé complexé
' —,512
alegere examen (3) .,647
plictisealé* (4) ,686 —,389 , ROTAIIE ORTOGONALA ROTATIE OBLICA
lipsé incredere (1 O)* ,514 ,557
transpiratie (12)* .582 ,401
la reprezentarea
Rotirea factorilor poate fi mai U§or inteleasé prin apelul
factorii sunt reprezentati prin sistemul Iar o
graficé din figura 5.5. Grafic, de axe,
crescuta acea
variabiié situaté in apropierea unei axe indic’é saturatie in
lnainte de rotire, pozitia celor patru variabile era incerie
dimensiune (factcr). pentru
variabile
a desemna §i interpreta cel doi factori. Toate cele patru eraiu Situate
de axe. rotrrea
aproximativ la jumétatea distantei dintre sistemul initial 'Prin
ceasomic, structura
celor-doué axe, cu aproximativ 40° in directia acelor de
3 §i 4 sunt foarte
s—a simplificat (vezi linlile punctate). Astfel. se observé cé itemii
Figura 5.6. Tipuri' de rotiri ale factorilor
Factorul 2
Factorul 2
f" 10
Alegerea dintre cele doué tipuri de rotire este dependenté de cun0§tinteie
pe care leavem despre variabile §i despre presupueil factori extragi. Dacé credem
Factorul 1 .cé existé corelatli intre dimensiunile.latefgtekextrase,‘ ar trebui sé Optém pentru rotiri
de fihpgblgc. Dace considerém cé factorii extrasi nu trebuiewegvcoreleze. vom alege
rotirea onogonelé. Evident cé alegerea greeité a upi‘iiui ’de’ Fatiret-Tfactorialé se
' soldeazéffi“w't'i'nerea
b unei soiutii indepértate de cea mai simplé structure, fapt ce
" ingreuneazé interpretarea factorilor.
Factorul 1
in cazul nostru, obiectivul specificat era de a distinge intre efectele
educationale, psihologice cl somatice rezultate in urma didactogeniei. Ne aeteptém
cé aceste dimensiuni sé fie independente, adicé sé nu coreleze deloc? Putin
Figura 5.5. Schematizarea prooesu/ui de rotire a factori/or
probabil. Bunécaré, elevii afectati de comportamentele inadecvate ale profesorilor
157
156
identice ca valori obtinuteIncadrul rotatiilor ortogdnale, caz in care SPSS- ul ofera
si in plan
pot suferi atat Tn plan somatic (ex. “Dupa ora de X ma simt obosit" .), cat o singura matrice (Tn engleza component matrix” sau ,,rotated factor
educational (ex. “Daca as avea posibilitatea as chiuli de la ora de X”..) Aceste matrix") ,,rotated
doua
efecte se pot Tntrepatrunde, fiind probabila existenta unei corelatii Tntre cele
seturi de efecte Lucrurile ar fi stat diferit, daca ne-am fi propus sa realizam o proba structurii factoriale si matricea modelului factorial
de evaluare a fiexibilitatii si am fi dorit sa pastram cativa itemi Tntr-o subscala de Matricea
minciuna. lnformatiile teoretice -Tn domeniu nu specifiCa existenta vreunei relatii Matricea structuriiafactoriale contine corelatiile obisnuite (de ordinul zero)
Tntre flexibilitate si scala de minciuna In aceste conditii, s— ar fi impus utilizarea unei
dintre variabilele orIgInaiesifactorii rotiti Cu cat 0 corelatie este mai mare, cuatat
I rotiri ortogonale pentru a obtine o structuré cat mai simpla. variabiia respectiva este mai strans legata de factorul respectiv In situatii in care
Dincolo de aceasta distinctie esentiaia, putem identifica mai multe factorii sunt corelati Tntre ei, valoarea- corelatiei dintre un item si un anumit factor
modalitati de rotireafactorilor (Garson, 2000; Field 2000). este mediata (influentata) de relatia dintre ceilalti factori extrasi si itemul respectiv.
(Varlmax
In schimb, matricea modelului factorial contine B,9.EIq§3.F§EI..(In engleza ,,weights")
Sub acest nume se gaseste cea mai utilizata rotire factoriala de tip
utilizate Tn determinarea scorului factoriaI. Acestea sunt corespondentul
care au 0 saturatie
ortogonal Ea I§I propune $3 minimizeze numarul de varIabIle coeficientilorstandardizati beta din ecuatia d’é regresie Ponderarile indica infl enta
cresoLItaTntr—un anumit factor. Aceasta du‘ée aparent la Tmpartirea itemilor: 0 parte “pura factor asupra varIabIleI respectIve
avand saturatii crescute Tn acel factor, iar cealalta parte, 0 saturatie scazuta. a unui eliminand infiuenta
celorlaltI
Aceasta rotire este recomandata Tn toate situatiile in care decidem sa rotim semipartiala Tn situatii de standardizare a datelor. Cele doua matrICI au valori
ortogonal factorii si optiunea standardIn SPSS.
reprezinta , similare Tn conditiile Tn care factorii extrasi coreleaza Tntre ei. Lipsa corelatiei
QuartImaXI dintre factori este tipica cazurilorIn care solu, Ie factoriale obtinute nu au fost rotite
Este o rotire ortogonala alternativa EaIsi propune sa minimizeze numarUl
sau au suferit rotiri de tip ortogonal Din pacate, asemanarile dintre ele creeaza
de factori necesari pentru a explica fiecare variabila. Tehnica este mai putin folosita confuzii pentru unii cercetatori, matricea modelului factorial fInd interpretata gresit,
deoarece tinde sa determine majoritatéa variabilelor sa fie saturate Tntr—un singur
ca 0 matrice de corelatii dintre variabilele si factorii extrasi (Pedhazur si Schmelkin,
factor. Totusi, Tn situatiile Tn care teoria afirma existenta unui factor general unitar ‘
1991; Kiine, 1993).
(precum factorui 9 din domeniul inteligentei) este recomandata aceasta rotire. In cazul rotirilor oblice, SPSS ul ofera, complementar, o matrice de corelatii
Dfl'ect oblimin
Tntre factorii extrasi, pentru asesiza structura si intensitatea relatiiior dintre acestia
Aceasta este o rotire oblica flexibiia deoarece permite factorilor sa
In cazul efectelor psihologice, educationale si somatice din cazul prezentat
coreleze Ia intensitati variate, prin modicarea valorii lor delta. InCPSS, delta este
anterior, SPSS-ul ofera urmatoarea matrice de corelatii Tntre factori:
prestabilit la valoarea zero, ceea ce Tnseamna ca nu permitecorelatii ridicate Tntre
de
factori. O astfei de valoare duce frecvent la valori absolute ale coeficientilor
—
corelatie Tntre factori cuprinse Tntre 0 si ..50 Delta poate fi modificat Tntre valorile Component Correlation Matrix
si
0 8 si 0 8. Valorile pozitive permit corelatii ridicate Tntre factori, fiind posibile 1
'
2 3
Component
valori ale coeficientilor de corelatie de ..80 Similar valorile delta negative permit 1 ' 1,000
_
corelatii foarte mici coeficientii de corelatie fiind inferiori celor obtinuti daca 2 ,404 1,000 .
pastram delta egal cu zero.’ Desigur ca valoarea delta va fi stabilita tot din ratiuni 3 ,010 ,110 1,000
teoretice. Totusi, pentru cele mai multe situatii valoarea standard (delta: 0) poate
Valoarea ingrosata este semnificativa statistic Ia p < .001
fi pastrata. Aceasta rotire este cunoscuta si sub numele de rotire directa quartimin,
fiind cea mai Tntalnita rotire din categoria celor oblice. Figura 5.7. Output SPSS cu matn'cea corelatii/or dintre facton'
Promax SPSS este o marca aegistrata.
In fine, Promax este o alta procedura de rotire oblica mai putin utilizata
datorita pretarii sale mai ales la esantioane foarte maride subIectI Toate aceste In figura 5.8 sunt prezentate matricile de baza oferite de SPSS. In cele
tipuri de rotiri sunt prezente si Tntre optiunile SPSS. doua se observa o, ase'manare in structure dupa 'rotirea oblica a celor trei factori
Rezultatele obtinuteIn urma rotirII factorilor sunt structurate Tn doua matrici extrasi, Matricea modelului factorial .indica o grupare a itemilor 1, 2, 3, 4, 5 si 7
finale. matricea structurii factoriale (Tn SPSS: structure matrix) si matricea dupa primul factor, a itemilor 6, 8, 9, 10, 12 si 15 dupa al doilea factor, respectiv a
mode..lului factorial (Tn SPSS: factor matrix). De remarcat ca aceste matrici sunt
159
158
ill‘ ‘lli il il llli lit it til llll W n n 1 . .111111111111.IIIIIIIIIIIIII.IIII.IIIIIIIIIIIII1 11111 ‘llll ‘llli llll illl ill‘ .11! il 1 1 111‘ l “WWIWMW
I Ill til .1111 Illlllilllll 111111 11111 111111111111 11111 1 ill ‘lll til 11111 111‘ ‘lll il ‘1‘ Hil llllliillll 1111: 1111. .1111 i i Ill l 1 1. 1
ne erata
itemilor 11, 13 si 14 dupe al treilea factor. Metricee structurii fectoriale, '
lntr-o maniere similare se procedeeza la enalize si interpretarea celorlalti
corelatiile dintre fiecere item si factorii in Gauze. feetori. Astfel, factorul doi pare a fi sirens leget de itemiI 6, 8, 9, 10, 12 si 15'
Corelatiile acestor itemi cu fectorul doi sunt foarte ridicete, variind intre .718 si
.852. Aneliza de continut a acestor itemi evidentiaza structure dubla, implicand
Pattern Matri)? , Structure Matrix
efecte psihologice (ex. “M—am simtit umilit de cetre profesor“.) si efecte somatice
F_ .
Component Com orient (ex “Dupe ora de Xime simt obosit”.). in consecinta, acest factor poete fi etichetat
1 2 3 1 2 3
,aes .099 -,100 ED01 —,027 sub denumirea “efecte psihologice sisomatice" ale didactogeniei. in starsit, cel de-
E003 , ,878 . .516
ED05 ,831 -.059 .048 51303 ,327
1240 '.103 al treilee factor este strans corelet cu itemii 11, 13 si 14,‘ valorile coeficientilor de
EDO4 ,803 .007 -,028 ED05
-
1807 ,282 '050 corelatie pentru acestie fiind cuprinse intre .696 si .760. Se remarca, din continutui
E001 ,797 ,200 .057 E004 ’805 ,325 3019 itemilor, ca toti trei fac referire la 0 stare sematica generate a elevilor la scoaia, fare
ED02 ,749 .059 .194
E007 ,572 .167 —,026
E002 ’775 1383 ,208
a fi specifici unui anumit profesor (ex. "Dupe o 21 de scoale gatul meu devine
‘
ED07 ,639 _395 “002 -
ED12 -,145 , .377 -,144
€009 ‘00“:-
incordet”.).
.470 ,852
E009 ,147 ,803 3085
E006 ,490 '811 ‘041
«,153 ,756 ,216
ED10
E012 208 803 ' -,O49 Etichetarea
EDOB .192 ,738
3042' ED15 .498 ,796 .213
faétorilor
Mm... .. .
E015 '21? ’6” ,070
(1):: ED08 :518 :768 Asader, interpretarea factoriior este un proces subIectIv bazat pe matricee
:33: L753 ED10 ,154 ,718 . .298
:33: 3:: . structurii fectorialesau pe matricea modelului factorial. Denumirile factorilor au la
ED13 -,028 -,009 ,734 5914 '1032 .129 76“ -
,7“ E013 —,024 .060 .732 baza o buna cunoastere tee _tigaweudomeniului. Totusi, pot exista oezuri In care
E011 mg .051
ED1 1 1081 1056 ’696 etichetaree factorilor “1.4,.seface usor. in astfel de situatii, cercetatorii tind sa creeze
Extraction Method: Principal Component Analysis.
Rotation Method: Oblimin with Kaiser Normalization.
, Extraction Method: Principal Component Analysis. noi etichetefl; peritru acestia. Doua exemple clesice in psihologie sunt date de
3- Rotation converged in 8 iterations. Rotation Method: Oblimin with Kaiser NormalizatiOI denumirile celor 16 factori primari din teorie personalitatii a lui Cattell sau de
personalitatile de tip A sau B din, cercetarile asupra stresului desfesurate de
Figure 5.8. Matricea modelului factOriaI (in stanga) §i matncea structurii factonale (in dreapta) Friedman.
SPSS este o merca inregistrata. Dupe etichetaree itemilor se poete studie metricea corelatiilor dintre factorii
extresi. in probleme de fete, se observe Ce singure corelatie semnificative statistic
este cea obtinuté intre primul si el doilea factor (r =' .40), adica intre efectele
5. 1. 3. 5. Interpretarea naturii factorilor pedagogice si _efectele psihosomatice. Acest aspect pare normal, deoare'ce
Pornind de la matricea structurjj fectonale rezultata in urma rotirii factorilor comportementele inadecvate ale cadrelor didactice pot exeroite influente negative
vom urmeri sa Interpretam factorii extrasi Din ambele matrici ale figurii 5 8 se in planuri multiple. De asemenea, prin lipsa corelatiei dintre efectele pedagogice si
observa ce primul factor este prezent In itemul 7 si 10 primii cinci itemi Coreletie efectele somatice generale, respectiv dintre efectele psihosomatice si efectele
acestor variabile cu fectorul respectiv varieza intre .639 si ..878 Cu cat corelatie sometice generele, se consteté o bunadiscriminare si validare a feptului ca primii
este mei mere cu atat veriabila respective are un rol mei mere in interpretarea I doi factori mascara efectele declansete de conduita unui anumit cadru didactic,
factorului Se pune intrebarea generelé, ce au 1n comun aceste veriebile saturate fiind specifice interectiunii particulare dintre un anumit descal si clasa de elevi.
puternic in primul factor? In plus ce diferentiaze acest set de variebile de celelalte
care nu au obtinut seturetii ridicate In factorul respectiv? Din enaliza de continut 5.1.3.6. Ameliorarea structurii factoriale
(vezi matricea modelului factorial din figure 5.8. sl tebelele 5.1 sau 5 4) reiese ca De multe ori, 0 date cu interpretarea naturii_f_e_ctorilor, cercetatorii tind se
cei sase itemi privesc efecteleIn plan pedagogic, ei fiind strans legati de motivatia finalizeze procesulanalizei fectoriele. Recomandaree mea este sa nu ne oprim la
scolara Astfel elevii afectati in aceasta directie nu sunt atrasi de orele respective, acest nivel Urmat pa .. consté in evaluarea pOSIbIlItatIlor de modificare sau
absenteeze de la acele ore atunci cand eu ocezia, nu invata le discipline imbunatatire a scalei Se vor urmeri cateva especte, cele mei importante fiind
respective §i evita contactul cu eceaste. La celalelt capat, se efla elevii care nu gradul de comunalitate si de seturatieal fiecereivariabile incluseIn studiu.
sunt afectati in plan pedagogic cei carora Ie face plecere sa invete si sunt etrasi Cu cat gradul de comunalitate este maI mare, cu atat variebila respective
de discipline respective, peIticipend activ Ia orele respective. este influenteta mai mutt de factorii comuni extresi. Spre exemplu, o COmIInalitete
de .804 e itemului '“lmi plec orele de X." indice faptul ca dispersie veriebilei
160 161
II II III II III III
l l Ll l lJl l Ll l l.l l l .l l l_l l l.l l l.l l l Il l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l IIll l l l lI Illlll.llllllllllll.llllltllllll.lllllulllltlllll1illllllllllllllLllllllllllllllllllilllllflllll1lllitllllllIlllllLllllltlllllI l l l ‘l l l l l l l l l tl l l jl l l‘ l l l l l l l l l l l l l l l l l l l l l l l l.l l l;l l l .l l l. il l l l l l :l l l l i Il l l l l‘ l l l l l l l l li l l l l l lI l l l .l l lI l l l Il l l‘ l l l l l lUli iLl l lIl l I illitlllli lllllLlllllllllllllllllllllI-llllllllllllllllllllllllllllllllllllllllllllllllLlllllLllllll‘lllllll I I I I I I I I I l l l I I I l l l l l l III I I I l l l l l l l l l l IIIIIIIIIIIIIIIIIIIIIIIIIIIIII.IIIuIInIIIIII IIIIIIIIIIII l l l l l l l l l l l l III III III III
: de starea generala de sanatate a elevului at de particulalitatile scolarizarii In

reSpectlve este influentaté in proportie de 80,4% de actiunea factorilor comuni si general. In consecinta un studiu ulterior poate Conduce la eliminarea acestor itemi
doar un procent de 19 6% se datoreazé unicitétii ltemului adica erorllor de
in conditiile In care dorim sa ne pe efectele declansate de un anumit
masurare sf factorilor specifici. O valoare a comunalitatii sub.50 indica faptul ca concentram
.
cadru didactic
itemul respectlv este influentat in mai mare masura de aspecte unice, decaf de
Reversul paragrafului precedent consta In neaparitia unor factori care erau
actiunea factorilor comuni extrasi. Totusi o variabila care are c comunalitate mai asteptati In prealabil. in cazui de fata ne asteptam sa obtinem o diferentiere mai
redusa (ex. .40) poate fi pastrataIn scala, daca este incarcata intr—un singur factor clara intre efectele psihologice si cele somatice in schimb acestea au corelat
comun si ajuté la definirea acestuia. Aceasté regula nu se aplicé ’ in cazui
puternic intre ele, conducand la extragerea unui singur factor. in astfel de situatii
comunalitétilor foarte scézute (c < .30). se recomanda introducerea unor itemi sgpli Qtari in cercetarile ulterioare pentru
Ratiunile acestei decizii pot fi intelese usor prin urmatoarea demonstratie.
a ameliora instrumentul de masurare. Criteriul de selectie utilizat in introducerea
Fie 0 scale cu doi factori, in care doi itemi au, ambii, o comunalitate de .40 si grade acestor itemi tine de testarea structurii unilaterale sau bII‘actoriale a itemilor
diferite de saturatie dupa o rotire ortogonala. respectivi. Astfel, vom pufea introduce doi itemi suplimentari, unul care face
trlmitere la efecte in plan somatic (ex. “in timpul orelor de X ma apuca durerile de
(1) .40 = (.62)2 + (:12)2
cap”), iar altul care 39 refera la efecte in plan psihologic (ex. ”Ma simt descurajat
(2) .40 : (.45)2 + (.44)2
,sa—mi exprim punctele de vedere in timpul orei de X."). in masura in care
introducerea acestor itemi nu‘ va diferentia intre efectele psihologice si cele
in cazui primului item, .se observe clar saturatia in primul factor (.62) si
somatice, am putea conchide ca 0 structure comuna este mai potrivita in acest
lip‘sa corelatiei dintre item si factorul al doilea. lntr—o astfelde situatie. in ciuda unei caz. O regulé uzuaia...specifica precizeaza nece‘sitatea existentei a cel putin trei
comunalitati relativ scazute, putem péstra variabila respectivé deoarece ofera un .2
ifemi pentruiiecarefactor extras. . 7
bun ajutor in definirea primului factor. in schimb, in al doilea caz am putea‘ exclude in concluzie, un studiu explorator ulterior poate urmari ameliorarea scalei
sau inlocui cel de-al doilea item deoarece, pe Ianga comunalitatea scazuta, nu de mésurare a efectelor nedorite prin introducerea urmatoarelor modificari:
oferé nici claritate in interpretarea factorilor datorité saturatiilor egale in cei doi (1)eliminarea itemilor 11, 13 si 14 care nu fac referire la efectele declansate
factori (ex. 45, respectiv .44). Acest criteriu al claritétii interpretarii factorilor poate de conduita unui anumit dascal,‘ ci mascara o stare somatica generala;
sta Ia baza eliminarii sau modificarii itemilor care, desi au un grad ridicat de \ (2) introducerea a doi itemi suplimentari pentru a vedea in ce mésuré se poate
comunalitate nu ajuté la interpretarea factorilori diferentia intre ’efectele psihologice sf cele somatice, 'adica pentru a
Aceste valori discutate ale comunalitatilor sunt valabile pentru analIza
~ determina cat de adecvata este extragerea unui singur factor pentru cele
componentelor'prInCIpale sub forma ei cla'sica sau in cadrul analizei factoriale a
doua tipuri de efecte.-
componentelor principale oferita de SPSS. in cazui alegerii unei alte metode de
extractie a factorilor, vorn obtine comunalltati mai- mlci de aceea pot fi acceptate si 5.1.3.7. Aspecte metodologice complementare
valori mai Ieduse (ex. 0 = .20 in cazul analizei factoriale a axelor principale). In analiza factoriala merita sa fie trecute in revista cateva aspecte care
Aceasta situatie se explica prin apelul la teorle. ln cazui analizei componentelor influenteaza Iezu le“demersului statistic Principalele probleme ce trebui'e
principale prin comunalitate se intelege dispersia explicaté ce include atat factori discutate se refera a volumul si caracteristicile esantionului la selectarea variabi-
comuni cat si factori specificl. Sensul traditional al comunalitatii se regaseste in lelor manifeste dintr—un domeniusi la COnditii complementareIn analiza factoriala
analiza factoriala exploratorie. Aici prin comunalitate se Intelege influenta comuna
asupra dispersiei datelor exercitata de actiunea simultané a factorilor comuni gasiti. Volumul §i caracteristicile esantionului
forménd, impreuna cu
. Prin urmare. factorjiumspecificl sunt exclusi din conjunmaflate, Analiga factoriala este o tehnica pretentioasa in ceea ce priveste numarul
erorllxekg—ewmésurare, unicitatea dispersiei. de subiecti nec "ariMinimul acceptat pentru o astfel de analiza este de 100
Un alt motiv de inlocuire a unor itemi din scala este dat de aparitia unor subiecti insa este preferabila utilizarea unor esantioane de peste200 de subiecti.
factori care In prealabil n rau dbriti. Acest rezultat este dependent in mare ln plus volumul esantionulul este dependent de numaruL_de variabilesupuse
masura si de continutul itemilor introdusi in analiza. ln exemplul nostru intentla a analizei. Se recomanda ca raportul numar de subiecti per numar de variabile .sa fie
fost de a construi o scala care sa evidentieze efectele comportamentului inadecvat cel putin egal cu-cin‘ci. Astfel, pentru 0 scale cu 30 de itemi, ar fi de dorif un minim
al cadrelor didactice asupra elevilor. ltemii 11, 13 si 14, care au Constituit al treilea de 150 de sflubiécti.‘Acest raport nu trebuie insa interpretat in mod rigid pentru
factor — “efecte somatice generale” -, nu pot fi inclusi. in aceasta categorie, cazurile in care volumul esantionului devine destul de mare. Astfel, putem efectua
deoarece nu coreleaza cu modul de comportare a descalilor. ltemii tin mai degrabé
163
162
llll llll‘ lllll llll lllll ‘llll lllll ‘llll“lllll llllll‘lllll iiiii‘iiiiii iiiiliiiii l l ‘iii :ii lllllJlllllLllllllJllllllilllliltill—lllltlil‘ ‘ i l ‘l l l l‘ l ‘ u i“ l
o analiza factoriala adecvata pe un esantion de 400 desubiecti, chiar daca . unui numar de itemi sub/geprezentativi-‘pentru.domeniul
-- de interesuafecteaza
numérul de variabile (itemi) este de 130. Mai ramane sa reamintim doar ca volumul factoru‘luyiwrgspectiv. Pentru a ciarifica aceasta ultima situatie
voi apela Ia
continutul
eea‘ntionului determina, in anumita masuré, valorile
I de la care consideram ca un teoria Big-Five a lui Costa si McC.rae‘(1992). Unul di’ntre domeniile
depersonalitate
anumit item este saturat de factorii extrasi. personailtatii este nivelul de agreabilitate. Acest domeniu
contine sase fatete
in ce ,priveste caracteristicilegsantionului, solutia ideala’ ar fi selectarea reprezentative: increderea (are Tncredere in aiti oameni),
sinceritatea (spune ce 'are
unui lot de persoane de 0 omogenit Reflmedie.‘ Un esantion preapmogen poate pe suflet), altruismul (este disponibil spre ajutorarea
celorlalti), conformismul (evita
induce o solutie factorialé gresita. Kline (1993) exemplifica foarte bine aceasta interpersonale), modestia (nu se comporta 'in mod
conflictele arogant) si
stare de fapt prin situatia urmatoare. 8a presupunem ca un cercetator doreste sa implicarea afectiva (receptivitate la apeiuri umanitare,
opusul fiind persoanele care
identifice care sunt factorii care afecteaza reusita academica si utilizeaza un lot de se considera realiste si iau decizii bazate pe o logica I
' rece).
subiecti de elita, studenti ai Universitatilor Oxford si Cambridge. Datorita Pentru a masura agreabilitatea este important sa fie
prezenti itemi din
omogenitatii lotului, am putea avea surpriza de a constata ca inteligenta nu joaca toate aceste fatete. Daca vom utiliza doar itemi care
mascara nivelul de altruism
un rol important in. reusita academica, deoarece majoritatea studentilor de la . vom obtine un factor care
nu va putea fi etichetat “agreabilitate”. in Schimbr cel mai
aceste universitati au 0 inteligenta superioara. Daca esantionul de subiecti ar, probabil, factorul va fi foarte distinct si va avea o consistenta
interna ,ridicata
include studenti de la toate universitatile britanice am avea’ mari sanse sa Validitatea de construct a agreabilitatii, masurata exclusiv
prin ‘fateta' altruismului‘
demonstrém ca inteligenta joaca un rol important in reusita scolara. Un exemplu va dovedi ulterior caracterul eronat al eti‘chetarii factorului
prin! acest domeniu
revelator este faptul ca foamea nu a fost gésita ca fiind un factor motivational . general, in conditiile in care celelalte fatete sunt absente. .
fundamental intr—o cercetare a lui Cattell si Child (apud Kline, 1993), deoarece Pornind de la acest aspect, se cuvine ,sa precizam ca in
analiza factoriala
subiectii erau proveniti din patura medie si superioara a unor tari foarte dezvoltate. de doua categorii de *facto' “uni: primari ,_(.rezultati din coreiatiile
se vorbeste
itemi_lor,,,supusi analizei factoriale) si se ggdaiiwtrezultI—atimdin corelatiile factohr’ilgrfi
La poiul apps se regaseste selectarea unui esantion fqacteweterogen. in
astfei de situatii, apare riscul de a extrage o serie de factori irelevanti pentru selectati). Aceasta organizare ierarh’ica se poate observa'
primari si in 55211”
obiectivele urmarite, multi factori fiind rezultatul unor caracteri’éti'ci demografice dimensiunilor personalitatii din Big Five 5i nu numai. Astfel,
agreabilitatea este din
diferentiatoare. intr-o asemenea situatie se recomanda utilizarea analizei factoriale punct de vedere statistic un factor secundar bazat pe
sase factori primari:
pentru fiecare ,,sub—esantion" relevant. . increderea, sinceritatea, altruismul, conformismul,
modestia si impiicarea afectlva.
Testarea gradului de adecvare a esantionului se poate face prin metoda dintre acestia au la baza itemi specifici care sunt masurati
Fiecare direct prin
KMQ (Kaiser—Meyer-Olkin) prezenta in SPSS Factor grpespriptives. Acesta poate afirmatiile prezente in inventar.
l‘u’a'VValori intre £1311 Daca valorile obtinu‘te sunt sub 150' esantionul nu este
adecvat pentru a realiza o analiza factoriala. Valorile intre .50 iiMJO sunt Factor
satisfacatoare, cele pesteflJ‘ZO sunt adecvate, iar cele peste .8Q,7,.Zsunt excelente secundar
pentru a aplica analiza factoriala pe esantionui respectiv (Field, 2000). Gradul de
FactOri
adecvare a e§antionului pentru fiecare variabila in parts poate fi testat prin
3/ [3/
primari
obtinerea unei anti—imagini, optiune disponibila in SPSS’in aceeasi sectiune.
Matricea obtinuta va avea, printre altele,"o serie de valori pe diagonala principala, g
fiind necesare valori mai mari ‘de .50 pentru fiecare variabila in parte.
Neindeplinirea acestui criteriu poate duce la eliminarea itemului respectiv din Figura 5.9. Relatia dintre itemi, facton' pn'man’si facton' secundari
analiza.
Selectarea variabilelggmsupuse»analizei factoriale illsumptii

Teoria analizei factoriale .stipuleaza selectarea unui grupwrepregentativ de cgmpiernentare ale analizei factoriale exploratorii
in aceasta categorievom prezenta cateva metode” de testare
variabilepentru domeniul de interes. Selectarea unor variabile care nu fac parte' din a masurii in
care este potIta utilizarea analizei factoriale.
domeniul respectiv se soldeazé cu obtinerea unor fagtori neasteptati sau irelevanti. O prima asumptie priveste multicoiggiariz‘aiea variabilelor
manifeste. Pentru
Cei trei itemi din scala prezentata pe intreg parcursul acestui capitol pot fi inclusi in » a efectua o analiza factoriala semnificativa ar fi bine
ca asocierile dintre variabile 5a
aceasta categorie, deoarece ei nu se refera la domeniul efectelor produse de nu-.fie.,jg~arte marl r > .90), deoarece exista riscul de a masura acelasi Iucru.
comportamentul unui anumit cadru didactic in particular. De asemenea, selectarea .(ex.
SPSS-ul ofera posnbilitatea de a calcula determinantul matricei de corelatiiminmcadrul
164
165
este mai mica 5.1.4. Exemplu de analiza factoriala exploratorie — cazul inteligentei
sectiunii “Descriptives” din analiza factoriala. Daca valoarea acestdia
intr—o asemenea
decat 0,00001, putem diagnostica o situatie de multicoliniaritate. Tn cele ce urmeaza, voi prezenta mult mai succint paeii unei analize factoriale
mai m'are de .80
situatie, va trebui sa observarn care coeficient de corelatie este pornind de la 0 serie de‘probe ce mascara inteligenta. Baza de date include rezultatele de la
exista gansa .ca ele sa
sau .90 9i sa elimi‘ném una dintre variabile, deoarece noua prdbe aplicate deyThurstone 5i Thurstone in 1941 (apud Tucker 6i MacCallum, 1997),
mascare acelaei lucru. pe un lot de 710 elevi din clasele a Vll-a 6i a Vlll-a. Analiza factoriala s—a realizat faré a avea
intre
O situatie, oarecum opusa, este cazul in care variabilele nucoreleaza acces la baza de date brute, pe baza matricei de corelatii prezentate mai jos. SPS'S-ul ofera
al lui
elekprin urmare nu sunt aiectate ggk‘vtactori comuni. Testul defietericitate aceasta posibilitate prin sintaxa. late 0 scurté descriere a celor noua teste:
asemenea ipotez'az. in ce
Barlet't: prezent in “Descriptives”, SPS‘S',L"testeaza o (1) probe de adunare — include itemi ce presupun adunarea pe coloane;
variabile, cu
masuraavem de a face cu o matrice de identitate (corelatiile dintre (2) probe de inmultire .. include itemi de inmultire a doua numere;
semnificativ statistic elimina
exceptia diagonalei principale sunt zero)? UnTeiultat (3) proba seriei de numere —- include itemi ce constau intr-un §ir de numere care se
analizei factoriale. Un rezultat
aceasta posibilitate 6i ofera eansa realizérii multiplicau cu trei, cum arfi seria: 1, 3, 9, 27, subiectii trebuiau sa identifice numarul
pentru a fi
nesemnificativ indica faptul ca analiza factoriala nu este potrivita urmétor; \
sunt diagnosticate, deoarece testul tinde,
aplicaté. Din pécate, numai situatiile Clare (4) probe figurilor — include 0 serie de litere sau semne care au fost rotite sau reflectate in
mare de subiecti dintr-un egantion.
de regula, a fi semnificativ datorita numarului oglindé; sarcina este de a identifica care figuri dintr-o serie sunt identice cu prima figura;
feta,
Toate aceste teste preliminarii au fost efectuate 9i pentru scala de (5) probe cartilor — include itemi sub forma unor cérti de joc reprezentand diverse figuri
foarte buna a Variabilelor 5i 9 eeantionului chestionat
rezultatele indicénd o pretare geometrice. rotite sau reflectate in diverse moduri; sarcina era de a gasi care carti pot fi
pentru a fi analizate factorial. rotite pentru a se potrivi cu figura din prima cane;
variabilele
in sférsit, analiza factoriala poate fi aplicata in situatiile in care (6) probe steguletelor — include itemi sub forma unor steaguri rotite 9i reflectate in diferite
rau caz, prin scale
sunt masuratevprin"s.cale~de tip intervalsauraport, iar in cel mai directii; sarcina era de a identiflca care steaguri sunt identice. printr—o rotire de 90°;
datelor de tip
de tip ordinal“ Nu este recomandata analiza factoriala clasica a (7) probe identificérii numerelor — consta Tntr-o serie de coloane numerice; sarcina
phi nu
categorial (ex. raspunuri de tip da sau nu), deoarece coeficientii de corelatie subiectilor era de a identifica care numar din coloané este identic cu cel din capul
nu poatefi ' '
pot lua valori pe Tntreaga gama de la —1 la +1, iar rela’tia dintre variabile coloanei;
liniara. in aceasta situatie se recomanda utilizarea altor metode de analiza (8) proba fetelor -— consta in seturi a cate trei fete umane. dintre care doua sunt identice;
factoriala, precum “Categorical Principal Components" din pachetul aditional sarcina avuté era de a bifa pe cea care este diferita;
latente
SPSS Categories 11.0 (Meulman 9i Heiser, 2001) ori analiza claselor (9) probe citirii in oglinda fiecare item consta intr-un cuvant scris normal, urmat de altele
-
(Finch gi West, 1997). 7

patru, tiparite ca §i cum ar fi reflectate in oglindé; sarcina era de a identifica care din
factoriala ‘
Totugi, printr—un artificlu tehnic se poate aplica analiza cele patru cuvinte este identic cu primul. . .
renunta la utilizarea itemului ca
exploratorie, in cazul datelor dihotomice, daca se Bineinteles ca obiectivul principal al aplicarii acestor probe era identificarea
unitate de mésura, in favoarea"'§6alei‘ori a unui pachet de itemi. Printr-un pachet unor factor] comuni din cadrul domeniului inteligentei.
impreuné. Astfel, o
de itemi se Tntelege gruparea mai multor itemi §i analizarea lor
tip ,,Da” sau
scala care avea in prealabil 40 de itemi cu raspunsuri dihotomlce/de Matricea de corelatii dintre cele noua teste este:
Tn stil clasic dupa o grupare prealabilé a itemilor in
,,Nu” poate fi analizaté factorial '
fiecare. ‘ln acest fel, réspunsurile subiectilor nu mai 1 ~ 2 3 4 5 6 7 8 9
10 pachete a Cate patru itemi
cazul in care 1.Adunare 1
sunt notate binar (,,1 = Da”, ,,0 = Nu”), ci pot lua valori de la 0 (in
raspund 2. lnmultjre .499 1 -,
subiectii raspund ,,Nu” la toti itemii dintr—un pachet) la 4 (daca subiectii
din pachet). Metoda,care a fost propusa de Cattell, iar Tntr-o 3. Serie numere .394 .436 1
,,Da" la toate afirmatiile
Comrey (apud Klinei 14993), are doua limite. Prima se referé 4. Figuri .097 .007 .292 1
varianta modificata de
iar 5. can) .126 .023 .307 .621 1
la caracterul subiectiv de alegere a itemilor care vor fi grupati in acelaei pachet,
caracterul factorilcr rezultati in urma unei astfel de analize. 6. Steaguri .085 .086 .328 .510 .623 1
a doua limité vizeaza
9i nu 7.ldentifi.carinumér .294 :467 .291 .044 .114 .086 1
Aceeti factori sunt considerati de multi autori ca fiind factori de ordinulwgzgai ' '
tactori primari.
I8.Fete ~. .152 1.235 3309 .319 .376 .337 .393 1 ..
9. Citire in oglindé .232 .307 .364 .213 .276 .271 .431 .469 1;
167
166
‘ ‘ ‘ l‘ ‘
11‘ ll “ ‘ ‘ ‘ t i‘ lllllllllllllllllllllllllllllllllllllIl—lllllllllllllllllllll llll l l l1
necesita '
Dupa alegerea tipului rdev‘matrice, orice' analiza factoriala lTEM FAGTORl Comunalitate
'
, 1 4 2‘ 3
parcurgerea urmatorilor pasi: '
testarea asumptliloraferente; 1. Adunare —.06 -.04 .67 .30
alegerea metodéi deextragerea factorilor; 2. lnmultire .15 .14 .73 .42
3. Serie numere - -.28
selectarea numarului defactori extrasi; .08 .50 .36
inspectarea‘ matricei modelului factorial urmata adeseori de rotireafactorllor;
‘
4. Figuri -.01 -.73 .02" .43
\\\'\\ interpretarea factorilor. 5. Carti ..O5 -.82 .OO .53
Cele"'mai multe aspecte mentionate anterior nu sunt trecute uzual in 6. Steaguri .05 -.69 .04 .44
asigura o
sectiunea destinata analizei datelor, desi ele trebuie parcurse pentru a 7. ldentificéri numar .61 .18 _ 120 .35
ce trebuie oferitin sectiunea de 8. Fete umane ” .69 -.18 -.12 .36
analiza cat mai corecta. Minimul de informatii
puncte: '
analiza a datelor unui articol stiintific trebuie sa atinga urmatoarele 9. Citire in oglinda .64 -.06 .03 .35
sau.
/ preclzarea Tntr-un paragraf a tipului de anajizaintreprin’sa (de ex. PCA . Corelatii Tntre factori /\ direct oblimin
EFA), a metodei de extractie a factorilor si a motivatiei pentru alegerilefacute; Factor 1 --— - , 2,18
/ precizarea intr-un alt parag’raf, a numarului dewfacto’ri extract, a criteriilor 7Factor 2 -.36 --- 2,18
folosite in acest ' scop, a tipului de rotire factoriala, d‘aca'eéte "cazul, si a ratiunii Rider 3 , .51 -.12 --- 1,88
alegerii facute;
/ prezentarea unui tabel sumar care 551 contina matricea modeluluififactorial Se observa ca primul factor este strans legat de ultimele trei probe.'Toate acestea
(pattern matrix) si gradul decomunalitate a fiecérei variabilegNicol si PeXman necesité o examinare rapida a‘stirnulilor si identificarea acelora care sunt identici. Din aceste
(1999) ofera un asemenea model, pornind de la standardele Asoclatiei considerente, am putea eticheta acest factor ca viteza de perceptie. intr-un mod similar, 5e
Psihologilor Americani (APA); observa ca variabilele 4, 5 si 6 sunt saturate puternic in al doilea factor. Semnul minus este
/ in cazul rotatiilor oblice sunt specificate si corelatiileintre factori. dat de modul invers de cotare a probelor. Aceste trei probe au in comun faptul ca necesita
Pentru acest exemplu, o posibila formulare a sectiunii de' analiza a datelor abilitatea de a recunoaste relatiile dintre diferite forme cu orientare spatiala diferita. Prin
‘
ar putea fi: urmare, am putea intitula acest factor — relatii spatiale. in ceea ce priveste cel de-al treilea
stau la
Obiectivul principal al studiului era de a ldentifica atributele interne care factor, se observa saturarea ridicata in cazul primelor trei variabile si scézuta pentru
acestora. De aceea,
baza celor noua probe de abilitati‘ mentale si influenteaza evolutia celelalte probe. Toate cele trei teste implica calcul numeric. Mai mult, nici una din restul
axelor principale pentru a
utilizand programul SPSS 11.0, am apelat la analiza factoriala a probelor nu necesita calcul aritmetic. in consecinté, am putea denumi acest factor Ca abilitéti‘
extrage factorii comuni. . de calcul.
paralela
in urma analizei, atat criteriul scree plot al lui Cattell, cat s1 analiza Se observa din tabel ca cei trei factori nu sunt complet independenti. Dat fiind
1998) sugereazé o solutie
adaptata dupa Allen si Hubard (1986, apud Johnson si Wickern, vorba de un esantion de 710 persoane, toate corelatiile intra factori sunt semnificative la un
din totalul dispersiei celor
adecvata cu trei factori. Acestia influenteaza impreuné 68,48% p < .01. Se constaté o corelatie ridicata, in special intre viteza de perceptie st abilitatile de
9 din domeniul inteligentei, ne
noua probe. Fiind vorba de factori subsidiari factorului calcul numeric. Aceste corelatii intre factori, vin sa sprijine poslbilitatea existentei unui factor
o structura cat mai
asteptam sa existe corelatii Tntre acestia. in consecinta, pentru a obtine supraordonat, fie el factorul 9 al inteligentei, asa cum a fost stipulat de Thurstone.
zero.
simpla, solutia a fost rotita oblic prin metoda direct oblimin la un delta egal cu
trei categorii cle informatii: gradul de Elementele prezentate mai sus constituie un minimum necesar de a fi
in tabelul de mai jos sunt sintetizate
rezulta din matricea
comunalitate a variabilelor, saturatia acestora in factorii extrasi, cum prezentat in sectiunea de analiza cantitativa a datelor. Unii autori sustin si
factorial
modelului factorial si corelatiile dintre factori. Am ales sa prezint matricea modelului includerea matricei de corelatii intre variabile. Prin aceasta masuré. cercetatorii
ca ofera influenta fiecarui factor asupra . interesatl ar putea reface sau modifica analiza, matriCea fiind un element suficient
deoarece este mai simplu de interpretat 5i pentru
insa ca
variabilelor in cauza, eliminand medierea celorlalti factori extrasi. De remarcat pentru a substitui baza de date. lntroducerea matricei de corelatii este dependenta
de tip
aceste saturatii nu reprezinta coeficientii de corelatie simpla, ca in cazul rotatiilor de spatiul editorial si de tipul publicatiei respective. in ceea ce ma priveste,
1
ortogonal sau a solutiilor nerotite. recomand prezentarea ei ori de cate ori exista spatiu suficient.
in spatele acestei imagini, de’,,vitrina” se regasesc oi serie intreaga de\
operatii, prezentate in detaliu in capitolul de fata si care se desfasoara Tn
urmatoarea ordine:
169
168
'
‘IIIII IIIII IIIIII,IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIILIIIIIIIIIIIII‘IIIIIIIIIIII IIIII‘IIIIII IIIIIIIIIII‘ IIIII IIII‘ IIIILIIIIIIIIIIIIIIIII IIIILIIIIIIJIIIIIIIIII,IIIILIIIIILIIIIILIIIILIIII IIII IIIIIJIIIILIIIIIIIJIIIILIIIIIIIIIIIIIJIIIIIUIIIIIIIIIIIIIIIIUIIIIIIIIIII IIIIIIIIIIII IIIII‘IIIIIIiIIIIIIIIIIIII‘IIIIIIIIIIIIIIIIIIIIIIIII III III III: IIIIIJIIIILIIIII IIII IIILIIILIIIII IIIIILIIIII IIIIIIIIIII IIIII,IIIIIJIIIIIJIIIUIIIIUIIIIIIIIIIUIIIILIIIIILIIIIIIIIIIII Illlliil 11 11111 i
a Pentru 'a raspunde Ia aceasta Intrebare va trebui sa aplicam analiza

' '7 ’ si a metodei dewextragere
(1) alegerea teoretica a tipqLdeyanaIiza:
factoriala confirmatorie. Cu ajutorul ei vom testa toate variantele enuntate mai sus
facto rilor; _
(2) verificarea ccnditiiIoLnecesare s1 inspectarea datelor descriptive; ($1, chiar mai mult, vom putea testa aIte solutii noi. Stabilirea unei structuri factoriaie
(3) stabilirea' numarului adecvatde factori extrasi si rotirea factorilcr (dacé este adecvate este esentiala atat In cercetare, cat si in psihodiagnostic. Spre exemplu,
‘ un individ procedeaza corect, da'ca reuneste scorurile tuturor itemilor BAS pentru a
cazul);
(4) Interpretarea nezultatelor, finalizata cu identificareanaturii factorilor; obtine un rezultat global in cazul In _care solutia corecté implica doi factori BIS si
(5) sugerarea eventualelor,,ameliorari necesare in studii viitoare. BAS. Acelasi lucru poate fi facut si in cazul unei solutii cu patru factori, dintre care
cei trei factori BAS coreleazé intre ei. In schimb, cercetatorul va gresi, daca va
calcula un rezultat global BAS in cazul unei solutii corecte cu patru factori
necorelati, deoarece Tntre cei trei factori BAS n-ar exista o asociere.
Realizarea unei analize factoriale confirmatorii implica parcurgerea
5.2. Analiza factorialé confirmatorie
,urmétoarelor etape: (1) specificaga modelelor concurente, (2) identjficarea
modelelor, (3) estimarea parametrllorw‘tatIstICI §I testarea gradului d? potrivire a ~
Daca in cazul analizei factoriale __explcratorii numarul de factorL extrasi se ‘
modelelor, (4) re-specificarea eIoI'(Ke||oway, 1998).
stabilea pe baza unor criterii empIrIce analiza factoriala confirmatorie apeleaza Ia mo
testarea Ipotezelorpentru a stabili nurnarul de. factori in care p9t___fi __reduse dateie.
Bineinteles ca pentru a putea testa aceste Ipoteze cercetétorui trebuie sa aiba 5.2.1 .Specificarea modelelor concurente
anumite informatii Iegate de numarul de factori care {EEPUIQGXFEE‘fi de aceea '
analiza factoriala ccnfirmatorie apare ca 0 faza uILericara unui demers descriptiv, Primul pas Intr——o analiza factoriala de acest tip Implica specII‘icarea
de tip exploratoriu structuriIor Iactoriale ce urmeaza a fi testate. Ele se aleg pe baza InformatIllor din
Problema care va Insoti explicatiile analizei factoriale co‘nfirmatorii priveste literatura de specialitate. Spre exemplu In cazul scalei BIS—BAS vor fi specificate
testarea numarul de factori prezenti In scala BIS— BAS dezvoltaté de Carver si trei asemenea modeIe: scala BIS— BAS cu doi factori, scala BIS- BAS cu patru
White (1994), privind sistemele comportamentale activator si inhibitor. Pentru cei factori necorelati si scala BIS-BAS cu patru factori, dintre care cei trei referitori Ia
mai 'putini familiarizati cu aceste constructe, sistemele respective sunt mecanisme sistemul comportamental activator sunt corelati.
neuropsihologice care diferentiaza indivizii in privinta orientarii lor comportamentale Se obisnuieste ca ceI putin unul dintre modelele specificate ‘sa fie
predominante, fie spre recompensa si cautarea placerii (BAS), fie spre pedeapsa si reprezentat grafic intr-o forma tipicé analizei factoriale confirmatorii. Figure 5.10
evitarea suferintei (BIS) contine o asemenea reprezentare grafica, obtinuta prin AMOS (2001), pentru
modelul unei scale BIS—BAS cu patru factori, dintre care cei trei, referitori Ia BAS,
Scala BIS-BAS contine 20 de itemi si a fost conceputé pentru a surprinde atat coreleaza intre ei. Un alt software, utilizat frecvent pentru a realiza analize
sensibilitatea persoanelor Ia recompensé — BAS, cat si sensibiliIatea persoanelor Ia factoriale confirmatorii este LISREL (Joreskog si Sorbom, 1989).
pedeapsé —— BIS. In urma unei analize factoriale exploratorii, cei doi autori ai probei identificé Imaginea poate fi citita uscr. Spre exemplu, se asteapta ca primii sapte
, patru factori primari: BIS (sistemul comportamental inhibitor), BAS-R (sistemul Itemi ai scalei sa fie saturati in factorul latent BIS. Mai mult, prin absenta ségetilor
comportamental activator— sensibilitatea Ia recompensé), BAS-D (sistemul comportamental care 551 Iege celelalte variabile latente de primii sapte itemi, se stipuleazé absenta
activator —— tendinte impulsive) si BAS-F8 (sistemul comportamental activator ~ cautarea saturatiei itemilor respectivi in cei trei factori BAS. Similar, modelul prezice ca itemii
placerii). Dintre cei patru factori extrasi, uitimii trei coreleaza intre ei. probabil datorité unui 8-12 vcr fi saturati deer in factorul BAS — recompense, ca Itemii 13-16 vor fi
factor secundar, denumit BAS. Totusi, alti autori au obtinut structuri factoriale diferite. De atributele manifeste pentru masurarea factorului BAS — impulsivitate, in timp ce
pildé, Jorm si colaboratorii (1999), tot Tn urma unei analize factoriale exploratorii, ajung la itemii 17-20 vor exprima doar factorul BAS — cautarea placerii.
concluzia cé o solutie cu doi factori — BIS si BAS — este la fel de buna ca solutia cu patm _ De asemenea, se observa notarea diferita a variabilelogmanifeste,adica a
factori gasita de Carver 5i White in 1994. Pentru a complica lucrurile, Ross, Millis, datelor observate In realitate, feta de cea a variabilelomatente, adica a factorilcr ce
Bonebright 'si Bailley (2002), in urma unei analize factoriale confirmatorii, gasesc o alta stau in spatele covarianteiitemilor:"Astfel, variabilele manifeste sunt reprezentate
solutie adecvaté. Rezultatele obtinute de acestia spriiina ideea unei solutii cu patru factori grafic sub forma unui dreptunghI;-= rezultand in cazul exemplului dat douaZeci de
Tnsé spre deosebire de prima solutie, totii factorii sunt independent], adicé nu coreleaza intre dreptunghiuri, Cate unul pentru fie-care item al testului In schimb variabilele Iatente
(ei. Care dintre solutii pare cea mai potrivita? sunt simbolizate grafic sub forma unui oval,- cate unul pentru fiecare factor
angicipat.*Astfel, un model BIS- BAS cu patru’factori, ca cel de fata, Va avea patru
171
170
‘ , ; E 1‘ llllk! :I‘ 111‘ 1 1 1 1 I 1 1 1 1 1111 1 1
“ , ,1 II 11111 1111111111111 111 ‘1III II 111 ii 111 1‘ II 111 III I
11 111 III III‘11,I,IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII‘IIIIIIIIIIIIIIIiigif
1 11‘ III 111111111111111111111111111111111111111111111111111111111111111111II11111111111111111111111111111111111111111111111111111111111111 I1 1 1 1 I111111111111111111111111‘11111111111111111111‘111111111 11 1 1 1 1 1 1 1 1 1 1 111111111 1 1 1 11111111111111111111111111111111111111111,
ovaie, in schimb Lin model BIS-BAS cu doi factori va avea doar dOUé asemenea schimb, variabiieie endogene sum variabiie efect, fiind identificaie grafic prin faptui
reprezentéri. cé existé ceI putin o ségeaté orienteté’sfife eIefIn exempIuI nostru se observé cé
atét factorii comuni, cét Qi eroriie ‘de ”n‘Iésurare (factorii unici) sunt variabiie
e'xogene In timp ce itemii probei sunt variabiie endogene.
In aceasta etapa sunt specificate toate modeleiezgare urmeazé a fi testate.
Totugi, din Iipsé de spagiu, nu toate modeIeIe beneficiazé de reprezentare graficé,
’
deoarece. o daté I‘nIeIese principiiie de reprezentare graficé este suficient sé
denumim modelui De piidé, patru factori identici, dar nebOIeIati, ”Implicé un desen
simiiar cu cei prezentat in Iigura 5.10 din care sunt eliminate curbeie cu sageti
duble care indicau existenta coreiatiiior dintre ceie trei scale BAS
5.2.2. Identifigarea moldeleior

Prin analiza factoriala confirmatorie se urmarte estimarea Qaturatiiior
itemilorIn tactgrii respetvi iar pe baza acestora, 53 se raspunda Ia intrebarea: in
ca masura satIJratiiIe respective sunt conforme cu modeIIII specificat? De exempiu,
este itemui 5, saturat in factorui BIS Qi nesaturat in ceiiaiti factori, aQa cum era
specificat in model? Pentru a estima acti parametri, anaiiza factoriala
confirmatorie apeieazé Ia Lin set de ecuatiiflstructuraie (Baer, 2000).
I
I
i
I
I
I
I
I
Figura 5.10. Reprezentarea graflcé a modeIqI' BIS-HAS cu patru factori in AMOS. I
Scale/e BAS core/eazé intre ele I
Figura 5.11. Modalitélti min/male de reprezentare graficé pentru solufii identificabile

O alta observa’Iie importanta, pe baza figurii 5.10 este directia de Prin identificarea modeIQIor,.se inIeIege in ce mésuré acestea, prin
indreptare a sagetilor. Toate sagetile sunt indreptate spre iteIII'Ii probei. De
structura Ior, poi conduce Ia soIiII'gentificabile. Fiind vorba de ecuatji structurale,
exempiu, in cazui primuiui item, rezuItatuI Iui BISOI este in functie de trasatura
se pune probiema matematicé dacé existé: (1) mai multe necunoQqIteqdecéI?
Iatenta pe care 0 masoara itemui respectiv, adicé BIS Qi de eroarea de mésurare,
(2) atatea ecuatii céte necunoscute, (3) mai muIte ecua 7 decatk
adica Q01Aceasta eroare poate fi conceputa ca dispersie datorata factorilor unici eggftii
necijnoscute. Vom discuta putin Inai tarziu impiicatiiie acestor situatii distinctef
in cazui anaIizei factoriaIe.
Deocamdata vom ciarifica probiema identificarii
Coreiatia dintre doi factori este reprezentata grafjc sub forma unei curbe cu De exemplu, in imaginea din stanga trebuie estimaté saturaIia celor trei
sagetiIa ambeie capete. Spre exempIu, in modelui propus ne aQteptam 5a existe o variabiie M1, M2 Qi M3 in factorul L1, adicé trebuie identificate vaioriie a, b Qi c.
coreIatie intre BAS recompensa (BAS— R) Qi BAS impuIsivitate (BAS— D) Insa
Pentru a Ie identifica avem Ia diépoziIie trei ecuaIii:
stipulam absenta corelatiei dintre oricare scaia BAS Qi scaia BIS.
In sfarQit, trebuie sa distingem intre variabiIe.exogene Qi variabile MI=aL1+e1
ennenQPrimeie sunt ceIe care nudepind de.nimeni, fiind socotite ca variabile M2=bL1+92
cauza se disting grafic prin faptui ca nu au nici o sageata orientaté spre ele. In M3: CL1+ e3
E1
172 173
”Iii; ii iii l l llll l l l lllllllllllUlllllllllUlllllLlllllLlllll1lllllillllllllllillllJllll1.llllljlllll.lllll.llllli.llllLllllli.lllli.‘llllllUlllllllllllllUlllllllllllllllll lllllillllll lllll‘lllll l l l l l i il l l l l l l l llll‘llllllllllll_‘llllllllllllJlllllilllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllll l l l llllllilllll‘llllll‘lllll llllllilllllilllllllllllliilllllllllllllillllllllllllullllllllllll‘illlllllllllllllllllli‘llllllllllllllzllllll‘.illll l l llll lllllJlllll‘.llllllillllllJlllll il : l l il l llllll.lllll.lllll‘_lllll.lllll llll:.‘llll il l
Algebric aceste eoua‘gii pot fl transpuse Tn matricea decovarian‘gé: pot fi identificate prin zeoe covarianle non-redundante (covariantele
M1M2, M1M3
M1 M4, M2M3, M2M4, M3M4 ei dispersiile M1,'M2, M3 §i M4). Aceasté
situatie este
colMl covM2M1 covM3M1 dezdab‘ilé, ca oricare alta in care numérui de ecuagii este mai mare decét n'umérul
de neounoscute, oferind posibllitatea testérii §i comparérii mai multor modele
colMZ covM2M2 COVM3M2~ ' ' ,
concurentjale.
covM1M3 covM2M3 covM3M3 7 De exemplu, in cazul modelului factorial al scalei BIS-BAS
prezentat in
figure 5.10 existé 210 elemente non-redundante; ldintre care 20 de dispersil
corespunzétoare celor 20 de‘ itemi ei 190 de covarianie (obtjnute pe baza formulei
unde pe diagonala principalé se regéseso, de fapt, dispersiile variabilelornMLMZ ej
- k(k-1)/2, unde k reprezinté numérul de itemi ai scalei). De asemenea, existé
M3 (Covarianta dintre o variabilé ei ea inséei). 43 de
eiemente de estimat (20 de saturatii factoriale, trei oorelatji intre factorii
Am insistat asupra acestor aspecte tehnice pentru a facilita ingelegerea de tip BAS
$1 20 de erori sau factori unioi). Se poate observe cé solutia poate fi identificaté,
identificérii unui model. Astfel, pentru ca'un model sé fie identifioabil, adicé testabil,
deoarece numérul elementelor non-redundante este mai mare deoét
trebuie ca nLImérul elementelor,non—redundante din matriceade covariante.$é fie numérul
elementelor de estimat. Diferenia de 167 dintre ele reprezinté, de fapt,
mai mare decét sume dintre totalul variabilelor exogene ei totalul parametrilor =numérul de
grade de libertate pentru testarea modelului respectiv.
(saturatiilor) de estimat. Regula este cunoscuté sub numele de criteriul lui t (Baer,
lnainte de a trece Ia discutarea solutiei gésite §i de a o ‘compara pe
2000)"
aceasta cu modeiele concurente, trebuie sé distingem faptul oé doué modele pot
in matricea de mai sUs, corespunzétoare imaginii din sténga a figurii 5.11, fi
in relatie ’de tip cuib sau nu.
existé ease elemente non-redundante (covarian’gele M1M2, M1M3 ei M2M3 §i
dispersiile Iui M1, M2 §i M3). De asemenea, putem distinge din imagine prezenga a
trei variabile endogene (itemii M1, M2 ei M3), patru variabile exogene (L1, e1, e2 e1
e3) ei respectiv 3 parametri de estimat (a, b ei c). Suma dintre ultimele doué
categorii indicé'7 elem’ente. Totuei, in analiza factorialé confirmatorie, dispersia Iui
L1 este tinuté constanté la 1, pentru a standardize saturérile ob’ginute, de aceea
suma devine ease §i indicé o egalitate cu numérul elementelor non-redundante. O
alté posibilitate de ac’giune nu implicé prestabilirea dispersiei variabllei latente la 1,
Ci presupune calcularea ei. in schimb, se alege o valoare de referinté intre
coeficiengii de saturatie oe urmeazé a fi estimati, Céreia i se atribuie o valoare
constanté, de obicei egalé cu 1. Astfel, numérul parametrilor de estimat réméne
acelaei. Ambele situaiii sunt denumite ,,abia identificabile” (in englezé ”just-
identified”) ei implioé un numér de ecua’gii egal cu numéful de necunoscute.
Datorité acestui fapt, solugiile unioe rezultate Tn asemenea situatii vor indica un
model perfect, ce nu va putea fl comparat cu altele concurente. Situatia prezinté,
din punctul de vedere al numérului de elemente, minimul necesar, dar nu §i
Figura 5.12. Exemple de modele factorial/e aflate in relafie de tip cuib
suficient pentru a aplica analiza factorialé confirmatorie.
in alté ordine de idei, o variabiléolatentéfiou doar doué variabile manifeste
implicé trei elemente..non—,redundante (covarianta M1M2, dispersia M1 ei dispersia
Dacé privim cele doué modele despér’gite prin linie punctaté din partea de
M2) $1 patru elementedeestimat(-coeficien‘gii de saturatie a §i b ai variabilelor M1 5i
sue a figurii 5.12, vorn vedea cé cel de-al doiiea model este identic cu
M2 in L1, respectiv factorii unici e1 ei e2). 0 asemenea situatie corespunde unUI primul,
lipsindu—i doar simbolul prezen’gei unei corelatii intre cele doué variabile latente L1
, numér‘de..ecuat,ii mai miovdecét/numérul de necunoscute;v’prin urmare, modelui nus;
§i L2. 0 asemenea relatie Tntre modele se numeete de tip cuib (in englezé
este testabil, deoarece solUtiile nu. pot fi identificate. Totugi, o astfel de situatie
,,nested"), deoarece putem spune cé modelui al. doiiea eigi'winolus in primul. De
poate fi reparaté, fie prin impunerea unor_ constrictii de egalitate precunlmugfliggfie
fapt, vom obiine doué modele identioe, dacé vom constrénge- pe celde-al___doilea sé
prin includerea altei variabile latente euplimentare care coreleazé cu prima. I
aibé o corelatje eagle cu O.
lmaginea din dreapta figurii 5.11. corespunde uitimei situalii, deoarece cele 9
elemente de estimat (coeficien‘gii a, b, c, d $1 e, respectiv erorilexe1. e2, e3 5i e4)
174 175
‘ . I I I 1 I I I I I I III I I I I I I I I I I I I ‘ IllllllllIlllllIllllIlllllIlllllllllllllllllllllllllllllllll—IlllIi II II
‘I I I I I IIIIIIIII‘IIIIIllllIIlIlIlllllIlllIIlllllll I I I I IIIIlllllllllIlllllllllllllll‘lllllllll IIII‘III III I I illllIlliilllllllllIllllltlllllilllllllllIIIIIIIIIIIllllltlllllIlllilli I I i‘ I I III I I I I I I I II I II I I I I II I II I I
A
Desi mai putin intuitiv, si intre ceIe doua modele din partea de jos a figurii statistic. Din pacate, _valoarea Iui X2 este afectata puternic de volumulesantionului,
5.12 exista o relatie de tip cuib. Primul model poate Ii transformat matematic in cel astfel ca exista mari sanse sé obtinem on X2 semnificativ in cazul test-rii unui
de-alldoiiea, daca vom constrange cele doua variabile latente L1 si L2 351 aiba o numar marede .subiecti, cum se intampla frecvent‘in'studiile ce i‘mplica analiza
corelatie egala cu 1. In schimb, doua modele-nurse
H afla in relatie de tip cuib‘d‘aca factoriala. Totusi, x2 este deosebit de util, deoarece sta Ia baza mai multor
'
nu putem reduce unul din celalalt indicatori absoluti care Id‘epésesc aceasta limita. Utilizand fisierul ,,analiza factoriala
modeIe la ”A
confirmatorie. sav I n programul statistic AMOS 4.0, vom obtine in cazul scalei BIS-
BAS cu patru factori (factorii BAS coreleaza intre ei) o _valoare a discrepantei
XZ(167) = 375.85, p < .001 insa rezultatul trebuie interpretat cu precautie datorita
numarului mare de date observate (N=345),.,
fib®
Un alt indicator absolut estafiMR (in englezé ,,root mean squared
residuals”.) Conform Iui Steiger (apud Kelloway, 1998) valorile mai mici de .10
indica un model bun, iar valorile sub 05_un model fgarte bun. Printr-un model bun
se inteIege ca modelul respectiv reproduce (explica) bine evolutia
datelor
obserLate. l?entruscala BIS BAS, RMR a fost de .04
Figure 5.13. Example de modele factoriale care nu se af/a' in relatie de tip cuib Tot un indicator rezidual absolut este si RMSEA (In engleza ,,root mean,
squared error of aproximation): care are proprietati si valori referentiale In
aceleasi
Cele doua modele nu se afla in relatie de tip cuib deoarece variabila
calculatéuDaca Iimita maximé avintervalului nu depaseste,08, avem de-a face cu
latenta L2 este masurata prin itemii 3 si 4 (in stanga), in timp cein dreapta, L2 este un model destul de bun. In problema noastré, modelul BIS-8A8 cu patru factori,
masurat de itemii 3 si 5. Astfel, nici unui dintre modele nu este reductibil Ia celal‘alt. dintre care cei trei leéféti‘de BAS coreleaza intre ei, RMSEA a fost .06, iar intervalul
Distinctia dintre modelele aflate in relatie de tip cuib si cele care nu se
de incredere de 90% este cuprins intre .052 si .068, Avalori ce indica, din nou. 0
regésesc intr-o asemenea relatie este importanta, deoarece primul tip permite
buna potrivire a modelului.
compararea directa a Welor din perspectiva unui test de semnificatie.
Un alt indicator absolut, probabil cel mai cunoscut, esteNGFI (in engleza
,index of goodness of fit".) Acesta ia valori cuprinse Intre 0 _si1insa sunt dorite
valori peste.90 pentru a considera ca modelul testat este unui bun. Totusi, dupa
5. 2. 3. Stabilirea gradului de adecvare a modeleIoI
flmc— .-.-. unele criterii mai Iiberale si valorile situate peste .85 pot semnala un model factorial
Ca In orice analiza factoriala, matricea de coyarianta sau cea de corelatie , bun. GFI este un indicator sensibil, fiind dependent de numarul de date colectate §i
constituie inputul demersului statistic Un model factonal este considerat bun, daca . de compleXItatea modelului De aceea, se poate calcula si un indicatOr ajustat al
prin parametrii estimati reusestesa refaca cat mai bine matricea datelor initiale. acestuia, simbolizat AGFI, care are aceleasi valori de referinta. In cazul modelului
Pentru a testa graduI de adecvare a unei solutii factoriale éxista 0 BIS- BAS testat de noi, am obtinut un GFI de .90 si un AGFI de .,88 valori care
multitudine de indicatori statistici, dintre care vom prezenta cativa in continuare. Ei indica un model destui de bun.
, pot fi impartiti In doua categorii mari: indici absoluti si indici comparativi. Cei din Merité sa subliniem faptul ca acesti indicatori se calculeaza pentru fiecare
urma pot II de asemenea Impartiti In indicatOri comparativi Intre modele afIate In model concurent anticipat. De obicei aceste valori se trec intr—un singurfigabel,
relatie de tip cuib si indicatori de comparare a modelelor care nu se aflaIn relatii de pentru‘a facilita analiza gradului de potrivire a fiécérui model fate de datele
tip cuib. In starsit acestea din urma pot fi divizate totIn doua categorii: indicatori ai . observatfléf"
gradului_de potrivire si indicatori ai gradului parcimonie a modelului
de
Tabelul 5.6. Valorile principalilor indicatori absoluti pentru cele trei modele testate
5.2.3.1. Indicatori absoluti
Modelul testat x2 df p RMR RMSEA GFI AGFI
Acesti indicatori urmaresc in ce mésura unanumit model poate reproduce
, . Doifactorinecorelati 915.3 170 .001 .07 .113[.106—.120] .76 .707
matricea decovarianta (corelatie). Primul indicator este testul x2al gradului de
1’73: . _. Patrufactorinecorelati 431.7 170 .001 .06 .067 Loss-.075] .89 .86
potrivire. O valoare nesemnificativa a acestuia indicé absenta unor diferente ‘ '
Patrufactori<scalele 375.8 167 .001 .04 .062 [052-0681 .90 .88
semnificative intre matricea datelor brute §i matricea obtinuta pe baza Iegaturilor BAS coreleaza)
specificate in model, de aceasta data fiind dezirabila situatia unui x? nesemnificativ
176 177*
‘l ‘11 ii ii i i il . il llli Ill l i l l l l l l l llllllilllll.llllll.llllll.illllfiilllUllllt‘.lllll lllllJlllll llllblllllilllflllll l l l ‘llll‘iillllillUllllilliilllLlllllLllllLllllllJllllLillllLlllllLillll 1U“U“IUWUHIUIHMIIIUIIIIUIWJIWHUIWJIIIUIIIUIIIIUIIIIIW“JWJIIII‘JIIIIUIIII‘IIIW1WIIIIMIIIW“ Ill l il l‘ ‘l l illlillll‘I ‘il l lllllllll‘illllillllliilllllllllz‘illll llllll‘illlllllll Illllllllll illlllllll Illllllllll ‘l l I illiliillll_l ll I‘ll Ill ii iii ii i HIWWWWWI1WWIIWIWIW“HUN“IIHHWIWI‘WWHWUW‘HIIWNWWWW“WWWWI’WIWIIWWI‘HWIU‘HII‘iiiiliiiiU‘iiiiHiiilIiiiUiiiiViiiiViiiiliilllllllll‘llllllllllllllllllilllllllllllllllllllllllllllllllllllllllllllllllllllllllLlllllllllIllIlllllllllllllilllllllllllllllllllllllllllllllllllllllllllllllllllllllllll’llllllllllllllllll‘llllllll‘lllllllllllllillll‘llllll ll . '
,2.
Se observa Si in acest caz, diferenIa valoricé dintre primul model $1

Din tabel se poate observa ca dintre cele trei modele propuse spre a fi
celelalte doua. TotuSi vaioriie indicatorilor de comparare sunt mai mici decat cele
testate doar ultimele doua par a fi adecvate pentru a descrie datele culese. Primul
referenIiale, ceea ce arunca o umbra de indoiala asupra celor trei modele testate
model, al conceperii scalei BlS- BAS ca 0 proba ce mascara doi factori primari este
Dintre ele, ultimul‘mcdel se apropie cel mai mult de vaioriie dezirabile, acestea fiind
. inadecvat vaioriie indicatorilor absoluIi fiind departe de vaioriie de referinIa amintite
atinse chiar in cazul lFl Si CFi Si demonstrand inc’é o daté superioritatea acestui "
mai sus. Intre cele doua modele rémase In cursa sunt diferenIe mici, observandUr
model in comparaIie cu celelalte.
se un avantaj uSor in favoarea ultimului model. Pentru a compara aceste modele,
putem sa apelam la indicatorii de comparare.
lndicatori de comparare a parcimoniei modele/or
Cu siguranIa ca un model cu cat este mai complex, cu atét reproduce mai
5.2.3.2. lndicatori de comparare
bine realItatea Transpus In termeni de indicatori de comparare ideea implica o
Indicateddecomparare a modele/or aflate in reiaI‘ie de tip cuib , ,
favorizare a modelelorcomplexe in dauna celor simple, primele avand Sanse mai
indicatorul de baza In astfel de cazuri este x2 al diferenIelor sau A(delta)
mari de a oine indicatori de comparare dezirabili ln StiinIa insa sunt favorizate
75.2 ASa cum ii spune numeie, el se calculeaza facand diferenIa Intre”x2, respectiv
explicaIiile mai simple dorindu——se eliminarea factorilor redundanIi. De aceea,
df "corespunzatori modelelor aflate In relaIie de tip cuib. Pe baza informaIiilor
pentru a elimina distorsiunile indicatorilor de comparatie aflaIi sub influenIa
prezentate anterior distingem doua perechi de modele ,,cuib”:_ unu cu trei, respectiv
complexitaIii modelului, se pot calcula alIi indicatori meniIi sa ayantajeze modelele
doi cu trei. Cum primul model s-a dovedit a fi ineficient, vom compara doar
mai simple, In cazulIn care cele complexe nu ofera un avantaj semnificativ.
modelele doi Si trei. Vom oine A x2 (3) = 55.9, p < .001, ceea, ce indic- diferenIe MulIi dintre. indicatorii absoluIi sau de comparaIie au formule .ajustate
semnificative intre cele doua modele mai bun fiind cel de-al treilea model, adica
pentru a avantaja soiuIiile cu un grad ridicat de parcimonie. Astfel, intre doua soluIii
cel care are un x2Inai mic. Pe baza acestor rezultate putem concluziona c- deSi
_|a tel de bune, cele mai simple vor fi avantajate din perspectiva acestor indicatori.
ambele modele se dovedesc eficiente In a reproduce datele observate, modelul al
Cei mai intalniIi sunt PNFl (in englezé ,,parsimony adjusted NFI”) Si IPCFI
treilea este semnificativ mai bun deCét modelul cu patru factori necorelaIi.
(parsimony CFl)‘;'“aceStia fiind doi indicatori de de
adjusted baza oferiIi AMOS
lndicatori de comp _ a modelelor in general
au valori de referinIa prestabiliIe. De aceea ca strategie de utilizare se obiSnuieSte
Cand modelele nu se aflaIn relaIii de tip cuib, nu putem aplica )6 al
avantajarea acelor modele care au 0 valoare _AcelaSi ii joaca
diferenIelor. in astfel de cazuri putem aplica alIi indicatori De fapt, aceSti indicatori mai ridicata rol alIi
pot fi apliCaIi indiferent de tipul relaIiei dintre doua modele Insa In cazul reiaIiilor de information CriteIicn’ ). In cazul acestora este dezirabil modelul cu valori mai mici,
tip cuib se prefera utilizarea lui X2 al diferenIelor, datorité testulLIi de semnificaIie
' adicé modelul mainsimplu. Se observa Si din tabelul 5.8 ca ultimele doua soluIii
asociat cu acesia. sunt mai bune, iar dintre ele, se constata o uSoaré inferioritate a modelului cu patru
Daca indicatorii absolu’gi testau difegenIele dintre modelulustipuiatm Si un
factori'necorelaIi.
model saturat (intotdeauna adevarat ca in situaIia unui model abia-idemificabil),
indicatorii de comparaIie testeaza difererIIele dintre modelul teSIat Siun model nul
Tabelul 5.8. Valorile principalilor indicatori de comparaIie a simplitéIii modelelor iestate
slab. Exista mai mulIi indicatori utilizaIi in acest sens precum NFI SLNNFI (Tn
engleza ,,normed fit index", respectiv ,,non- fit index”) dezvoltaIi de Bentler Modelul testat PNFl PCFI AlC CAlC
-noImed
Si Doi factori necorelaIi .43 .47 995.4 1189.4
Patru factori necorelaIi .68 .75 511.7 705.4 .
al lui Marsh (Kelloway, 1998). ToIi indicatorii, cu excepIIa NNFI sunt cuprinSi Intre 0 Patru factori (scalele BAS coreieaza)‘ .69. '
.76 431.7 630.3
Si 1. vaioriie peste .90 ori .85 fiind dezirabile pentru a considera un model bun.
Pe baza tuturor acestor indicatori putem concluziona ca modelul factorial
Tabelul 5.7. Valorile principalilor indicatori Ade comparaIie pentru cele trei modele testate adecvat pentru a descrie scala BlS— BAS pe eSantionul de 345 studenIi roméni este
CFl Icel de- al treilea, reprezentat graficIn figura 5.10.
Modelul testat NFl RFI lFl
Prezentarea rezultatelor se poate face. fie sub formé grafica, fie sub forma
Doi factori necorelaIi .48 .42 .53 .53
tabelara. Deosebirea dintre analiza factoriala exploratorie Si cea confirmatorie este
Patru factori necorelaIi .75 .73 .84 .83
ca in ultimul caz se calculeaza saturariie doar “In factorii anticipaIi. De exemplu, se
Patru factori(scale‘le BAS coreleazé) .80 :77 .87 .87
179
178
asteapta ca itemul 1 sa fie saturatIn factorul BIS §i nesaturatIn ceilalti factori Prin conduc la 0 scédere substantialé a Iui x2 (1) $1 cele care au 0 semnificatie teoreticé
urmare, se va estima doar saturarea In BIS celelalte saturatii ale itemuiuiIn factorii importanté (.2). Daca ultima nu ridiCa probleme, fiind variabila de la caz Ia caz,
BAS fiind prestabilite la zero. Acelaei lucru se intampla 5i In privinta corelatiilor prima este mai ambigua A§a cum remarca Kelloway (1998), nu se poate vorbi cle
dintre factori. Deoarece modelul presupune absen’ga corelatjei dintre scala BIS §i 0 valoare standard, de exemplu un Ml de 5 nu Inseamna mare lucru la un 76 de
oricare din scalele BAS, corelatjile dintre acestea sunt prestabilite la zero. in 300, insé modificarea devine importanté In cazul unui x2 de 100. Din experienté,
schimb, sunt estimate corelagiile dintre cele trei scale de tip BAS, deoarece aCelagi merité a fi analizate propunerile de modificare a modelului care au indicatorii
model anticipa corelatii semnificative intre cei trei factori. modificérii mai 'mari decét raportul 76/25. Tn cazul modelului nostru, 96067) =
345.8, p < .001; rezulté o valoare de referinté a Ml de 13,83.
Tabelul 5.9. Matricea modelului factorial BIS-BAS §i I

Q bisO1 a corelatiilor inter-factori Covariances: M.I. Par Change Regression Weights: M.I. Par Change
Item BIS BAS-R BAS-D BAS-F
O1 . .50
02 58 e15 <--> e16 23,011 0,105 bislS <—-> bisl7 14,609 0,148
I
03 50
e13 <—-> ba‘s—f 17,644 -0,070 bisl3 <—- bil 15,390 -0,122
04 56
‘
05 30 e13 <--> e14 14,304 0,048 bisl3 ’<—- bisl7 15,572 -0,112
06 33
e08 <--> e09 16,105 0,036 bis01 <-— bisO8 13,992 0,334
07 23
08 .48 Variances: M.I. Par Change
09 .46
10 .72
11 .53
Figura 5.15. Output—u] ofen't de AMQS cu valon'le indicilor modiflcén'i mai man‘ de 13,83
12 .58
13 .75 SPSS este o marcé aegistraté.
14 .82
15 .62 Dintre cele opt propuneri de modificare observém ca nu existé nici una
16 .72
care 521 aibé o importantlé teoreticé, majoritatea aspectelor privind corelatii Intre
17 .62
18 .77 erori. Singura modificare care ar fi pUtut avea loc ar fi fost eliminarea itemuiui 7 din
19 .85 scalé, dator‘ité unei saturatii mai reduse in BIS, sub valoarea recomandaté de .30,
'
20 39 dar indicatorul de modificare in urma renuntérii la aceasté relagie este insignifiant,
BAS-R
--
fiind chiar mai mic decét 3. O asemenea valoare nu conduce decét‘la modificari
BAS-D .38
BAS-F .32 .21 minuscule In evolutia principalilor indicatori, a§a cum reiese din tabelul 5.10.
Figura 5.14. Structura factorialé BIS—BAS
TabeIuI 5.10. Evolugia comparativé a principalilor indiCatori de Iestare a modelelor
Modelul testat x2 df GFI. AGFI . RMSEA NFI PNFI

5. 2. 4. Modificarea modelului .
W... Wm, BIS-BAS patru factori - 349.7 149 .90 .88 .063 [.054 - .071] .80 .69
La fel ca In cazul analizei factoriale exploratorii, §i in cazul celei 19 itemi
confirmatorii problema nu se Tncheie 0 data cu testarea modelelor §i oferirea BIS-BAS patru factori — 345.8 167 .90 .88 .062 [.052 ~ .068] .80 .69
rezultatelor modelului selectat. Demersul poate fi continuat cu analiza eventualelor 20 de itemi
modificari In modelul selectat. Ce parametri noi pot fi estimati? La ce parametri
deja estimati se poate' renunta’? La asemenea intrebéri 5e poate raspunde apeland
‘Aceasté situagie recomandé péstra‘rea itemuiui 7, in test, deoarece
Ace§ti indicatori Langranvgehcalculeazé gradul de modificare'a lui x2 al ' eliminarea sa nu conduce la 0 imbunétégire a modelului. In urma renuntarii Ia
modelului 0 data cu introducerea sau eliminarea fieCarui parametru posibil. Dintre itemul respectiv nu se constaté un avantaj comparativ al acestui model 1n dauna
toate valorile calculate, vor trezi interesul cele care indeplinesc doué conditii:
180 181
II IIIIHIIIIIIIII lllll‘lllllllllll llllllllll‘llllllllllllllillllll.llllllIllllllllllllllllllllllllllllllllllllllllllllllllllIllllllllll IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII lllllIllll IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIllllllIIIIIIIllIIIIIltlllllulllllllllllllllflllllllltlllllllllilllllllllllllllllllltlllllllllllllllll IIIIIIll Tl ll . l l l llllllIlllll llllllllllll lllllLlllllllllll llllllllllll lllllllllll llllllllllll lllll‘llllll lllllllllll l l l l l l lllll,llllllllllllLllllll il l l l l l l l l l I ‘l l l l l l l l llll ‘l l l l ‘ llll l l l lllllllllll l l l l l l l l l l l l l l l llllll‘lllll l l l l l l lllllllllll lllllllllllllllllllllllllllllllllllllllllllllllllllllIlllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllll l l l l l l l l l l l l l l l l l l l l l l l l l l l‘
celui cu 20 de iteml; De aceea-se recomanda pastrarea variantei de 20 de Ttemi a tactorii asteptati, cat si numarul de identificare _a| Ttemilor saturati in acestia;
scalei BlS-BAS. totusi, graficul' poate fi prezentat Tn cazul in care unitatea de baza nu este .
De mentionat totusi, ca si Tn cazul Tn care acceptam modificarile pe baza itemul, ci pachetul de itemi similari;
acestor Tndicatori, ele nu au un caracter confirmativ, ci doar exploratoriu 2. (informatii sumare despre tipul de matrice utilizata despre metoda folosita
pentru estimarea pa'rametrilor si despre tratamentul datelor lipsa si a celor
neobisnuite;
5.2.5. Aspecte metodologice ale aplicarii analizei factoriale 3. prezentarea Tntr-un tabel a principalilor..indicator'i absoluti si comparativi
. confirmatorii pentru ’fiecare modeltestat, la care vom adauga parametrii modelului
selectat modificat, daca estecazul; din pleTada de Tndicatori mentionati, pe
in finalul prezenta scurt Tnformatii legate de volumul
capitolului vom pe baza proprietatilor Ior sau a frecventei de utilizare, recomand prezentarea
urmatorilor indici: X%(dt),cu,pragul .de ,semnificatie asociat, GFITLAGFT,
analizatewtactorial, precum si de alte conditii ale distributiej,_4d_atelor ce trebuie
Tndeplinite pen‘tru a putea aplica aceasta tehnica. P compararea, daca este cazul, a solutiilor aflate Tn relatii de tip cuib;
in ce priveste numarul de subiecti necesari pentrua aplica aceasta analiza 5. ultima piesa necesara implicé prezentarea solutiei alese din perspective
:se pastreaza regulile din anaiiza factoriala exploratorie. Astfel, parametrii nu pot fi 'parametrilor standardizati estimati implicand gradul desaturare aitemilor
estimati adecvat sub 100 de subiecti si/ sau Tn conditiile Tn care nu exista un raport .
Tn factorii..respectivi st, daca este cazul, a nivelului de corelatie intre factori
de cincizece subiecti la 0' variabila. Totusi, ar fi de dorit ca numarul de subiecti (vezi tigura 5.14.).
persoane pentru modele factoriale de complexitate
testati sa fie de cel putTn 200 dé I;
w“-
medie.
‘ \
Datele care pot fi analizate prin aceasta metoda pot fi de tip numeric sau
BIBLTOGRAFTE
ordinal. Astfel, réspunsurile nominale,,dihotomice nu sunt cele mai'pdtriVTte pentru o
astfel de analiza, desi printr«un artificiu determinat de proprietatile datelor Baer, D. (2000). Latent variable structural equation models. A student’s handbook at TCPSR
dihotomice ar putea fi tratate ca valori numerice binare 1 sau O. Totusi, in acest caz Summer Program, Ann Arbor, USA.
ar aparea o alta problems ce tine de imposibilitatea de a obtine o distributie
Browne, M.W., Cudeck, FL, Tateneni‘, K., Mels, G. (1998). CEFA: Comprehensive
normalamultIvarIata fiind pentru
a datelor dihotomice, conlditia respective 'necesara exploratory factor analysis. Gésit la: http://duantrm2.psvohio-stateedu/browne/
Bryant, F.B., Yarnold, PR. (1995). Principal components analysis and exploratory and
analiza factoriala confirmatorie. Ramane ca 0 alternativa posibilitatea gruparii confirmatory factor analysis. ln,L.G. Grimm si P.R. Yarnold (eds) Pleading and
itemilor Tn pachete de itemi (Tn engleza ,,parcels") care sa fie analizate factorial. understanding multivariate statistics (p.99-136). Washington DC: American
Dupa Bryant si Yarnold (1995) datele cu amplitudine scazuta sau distributii Psychological Association.
asimetrice conduc la atenuarea saturatiei itemilorIn factorii respectivi. In cazul unor
Carver, C.S., White, T.L. (1994). Behavioral inhibition, behavioral activation, and affective
distributii multivariate foarte anormale atat metoda estimarii verosirnilitatii maxime responses to impending reward and punishment: The BlS/BAS scales. Journal of
(Tn engleza MLE- ,,maximum likelihood estimation") cat si metoda celor mat mici Personality and Social Psychology, 67, 819-333.
patrate generalizate (Tn engleza GLS — ,,generalized least Squared”) vor produce Costa, P.T., McCrae, RR. (1992). Revised NEOI' Personality Inventory (NEO PH?) and NEO
indicatori absoluti si comparativi distorsionati, Tar aplicarea altor metode cum ar fi FiveFactor Inventory (NEO-FFI). Professional Manual. Odessa, Florida: Psychological
ADF ( Tn engleza ,,assumption distribution free") necesité un numar enorm de Assessment Resources, lnc
subiecti, de cateva mii.
Field, A. (2000). Discovering Statistics using SPSS for Windows. London: Sage
ln sfarsit, nu toate elementele discutate mai sus trebuie prezentate Tn textul Publications.
articolelor trlmise spre publicare, datorita spatiului redds. in general, ca Tn orice Finch, J.F., West, 36‘. (1997). The investigation of personality structure: statistical models.
problemé incluzand ecuatiT-structurale latente, Tnformatia minima oferita trebuie sa Journal of Research in Personality, 31, 439-485. '
cupnnda:
‘Garson (2000)._Factor analysis. Gasit Ia: httpi//www2.chass.ncsu.edu/oarson/pa765/
1. o reprezentare grafica a unui model factorial structural de obicei a celui logistic.htm
- rezultat din datele autorilor probei respective; aceasta reprezentare poate fi .IHaTr, J.F. Jr., Anderson, FT.E., Tatham, R.L., Black, WC. (1998). Multivariate data analysis
eliminate din motive practice Tn cazul probelor lungi, peste 50-1 00 de itemi; (5“1 ed.). Upper Saddle Fliver, NJ: Prentice Hall.
Tn acea situatie, figura poate Ti inlocuita cu un tabel care 85 prezinte atat
183
182
I I, I ,1 11‘ I I til 11:11 l l 111 il til it 111 111‘ it it it til it il ‘lll ‘l ‘ll‘llllllI1llllllllwlllllllllllllllllllllllllllllllillllllllllllllllllllllllllll til ‘1
lacobucci, D (1994). Classic Factor Analysis. in R. P. Bagozzi (ed. ) Principles of marketing

research Cambridge, MA: Blackwell
Johnson, R.A, Wickern, D.W. (1998). Applied multivariate statistical analysis (4th ed) CAPITOLUL 6
Englewood Cliffs, NJ: Prantice- Hall.
Joreskog, K G., Sorbom, D. (1989).
. LISREL7 user’s reference guide. Mooresviile, IN: REGRESIA LINIARA
Scientific Software.
Jorm, A. F, Chriestensen, H., Henderson, A. 8., Jacomb, P .A, Korten A. E. Rodgers, B.
(1999). Using the BlS/BAS scales to measure behavioral inhibition and behavioral Predilectia firii umane de, a consulta horoscopui sau de a ascuita opiniile
activation: Factor structure, validity, and norms in a large community sample. avizate ale unui ,,expert in ghicit ‘viitorul intr-o ceasca de cafea" s-a mentinut in
' Personality and Individual Differences, 26, 49-58.
ciuda dezvoltarii tehnologice si stiintifice. Regresia statistica, desi nu la fe/l de
Kachigan, SK (1991). Multivariate statistical analysis. A conceptual introduction (2nd ed.). populara ca metodele amintite anterior, isi propune, de multe ori, aceiasi obiectiv: o
New York: Radius Press. predictie cat mai exacta a performantelor din viitor pe baza unor' indicatori din
Keiloway, E.K. (1998). Using LISREL for structural equation modeling. A researcher's guide. prezent sau trecut. Denumirea de regresie poate induce in eroare specialistii in
.
Thousand Oaks, USA: Sage Publications. psihologie, obisnuiti sa utilizeze acest termen mai ales din psihanaliza, uncle prin
Kline, P. (1993). The handbook of psychological testing. London: Routledge. regresie se intelegea o revenire spre trecut. in statistica, prin regresie ne
Margineanu, N. (1938). Analiza factorilor psihici. Cluj— Napoca: Editura lnstitutului de directioném frecvent ‘in sens opus, spre viitor, incercand sa prevedem cat mai
Psihologie a Universitatii din Cluj. exact evolutia ~ viitoare a lucrurilor. De exemplu, daca suntem un psiholog
Meulman, J.J., Heiser, W.J. (2001). SPSS Categories 11.0. Chicago: SPSS inc. organizational, va trebui sa prezicem, in procesul de selectie a personalului, care
Miclea, M. (1994). Psihologie cognitive. Cluj—Napoca: Casa de Editura Gloria. persoana merita sa fie angajata dintr-un grup de candidati, pe baza unei estimari a
Nicol, A.A.M., Pexman, P.M. (1999).Presenting your findings. A practical guide for creating performantei viitoare a acestora, Similar, daca suntem un psiholog scolar si suntem
tab/es. Washington DC: American Psychological Association. nevoiti sa identificam un grup cu risc crescut de'a consuma droguri, va trebui sa
Pedhazur, E.J, Schmelkin, L. (1991). Measurement, design, and analysis. An integrated estimam, pe baza caracteristicilor Ior actuale, evolutia Ior ulterioara. Ambele situatii
approach. Hillsdaie, NJ: Lawrence Erlbaum Associates, inc} pot ti rezolvate prin apelul la tehnica statistica denumita regresie, in cazurile
Poenaru, R. (1980). Didactogenia in ~ scoala. Pentru prevenirea si combaterea respective fiind vorba de 0 regresie cu scop predictiv. Capacitatea de predictie
didactogeniilor din invatamant. Hevista de pedagogic (’9), 50-51. constitute de altfel una dintre caracteristicile detinitorii ale unei discipline pentru a fi
Poenaru, R, Sava, F. (1998). Didactogenia in scoalé. Aspects deontologice, psihologice si considerate o stiinta.
pedagogice. Bucuresti: Editura Danubius. Un alt tip de regresie, similara in multe privinte cu cea utilizata in scop
Ross, S.R., Millis, S.R., Bonebright, T.L., Bailley, SE. (2002). Contirmatory factor analysis of predictiv, este regresia in scop explicativ. Din titulatura reiese dlferenta esentiala
the Behavioral Inhibition and Activation Scales. Personality and Individual Differences, dintre celedoua scopuri majore ale regresiei. Prima este utilizata pentru a prezice
33, 861-865. performantele viitoare ale unui grup de oameni pe baza unuia sau a mai multor
Sava, F. (2002). Causes and effects of teacher conflict-inducing attitudes towards pupils: a indicatori actuali, denumiti predictori. Cea de-a doua, vizeaza explicarea infiuentei
path analysis model. Teaching and teacher education, 17(8), 1007-1021. unui set de factori asupra unei variabile criteriu, cunoscandu-se existenta unei
,Stills, D.L. (Ed.).(1989). Interntional encyclopedia of the social sciences: Biographical relatii cauzale I‘ntre acestea. Un exemplu tlpic de utilizare a regresiei in scop
supplement (Vol.18). New York: Macmillan. explicativ este acela al identificarii influentei fumatuldi in perioada prenatala asupra
Tucker, L.R., MacCallum, RC. (1997). Exploratory factor analysis. An online book. Gésit la: dezvoltarii emotionale a copilului in primii ani de viata. Exista o multitudine de
http://quantepsychic-state.edu/maccallum/factornew.htm factori care influenteaza dezvoltarea emotionaia a copilului. Regresia explicativa nu
.Wegener, D.T., Fabrigar, LR. (2000). Analyzing nonexperimental data. in H.T. Reis si CM. face altceva decat sa izoleze (controieze) statistic influenta factorilor respectivi,
Judd (Eds). Handbook of research methods in social and personality psychology pentru a vedea in ce masura fumatul contribuie in plus la acest lucru. De pilda,
(p.412~450). Cambridge: Cambridge University Press. daca se cunoaste ca tipul de atasament, stilul educational al parintilor, prezenta
Young, P. (2002). ViSta. Gasit la: http://iorrest.psvch.unc.edu/research/ sau absenta altor trati sau surori etc. influenteaza dezvoltarea emotionala a-
Zwick, W..R., Velicer, W.F. (1986). Comparison of five rules for determining the number of copilului, prin regresie de tip explicativ se pot controla toate, aceste influente pentru
components to retain. Psychological Bulletin, 99(3), 432—442. a se observa daca fumatul mamei in perioada graviditétii contribuie, in plus, la
dezvoltarea emotionaianormala a copilului]
184 185
II il l l I I I III IIIIIIIIIIIIIII I I I l l l III III Iiii‘iiiii iiiiiiiiiiiiIIIIIIIIIII IIIIILIIII IIIIIuIII IIII l l III III IIII lllll,‘llll III l l IIILIII l l l III l l l I I I l l I I I I I I I III III I I I I I I I I I IIIIIIIIIII I I I I I I IIIIIIIIII l l l IIIII IIIIIIIIIII IIIIIIIIII I I I IIII I I I III I I I IIII I I I IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII IIIIIIIIIII IIIIIIIIIIII IIII III III I I IIII I I III III III I I III II II III III I I I I II I .
’ predictor,' nu inainte de a preciza o informatie

Diferentieri Tntre ceie doua tipuri de regresie, in scop predictiv, respectiv in capitala: regresia iiniara poate fi
scop explicativ, apar si la nivel terminologic. in cazul ultimei, se pot tolosi termenii aplicata doar daca criteriul (variabila dependenta) a fost masurat printr-o scala
de variabila independenta si variabilé dependenté, iar in cazul primului tip, se numerica (de tip interval sau proportii) si daca relatia dintre predictori si criteriu este
foiosesc sintagmele predictor si criteriu. Aceasta diferentiere terminologica are la liniara. Pentru alt gen de scale exista alte tipuri de regresie precum, cea logistica
baza logica metodoiogica folosita in cazul celor doué tipuri de regresie. Astfel, (variabila dependenta dihotomica de gen ,,Da" sau ,,Nu”) cea logistica
regresia in scop explicativ urmareste sa vada daca 'un anumit factor influenteaza multinominala (variabila dependenta este masurata prin scala nominala alta decat
evolutia variabiiei dependente, prin controlarea influentei exercitate de alte cea de tip dihotomic), sau cea ordinala (variabila dependenta este masurata prin
variabile inciuse in model. Daca prin controlareal acestor influente, variabila scala ordinala, de genul raspunsurilor in patru trepte: "nesatisfécator",
(variabilele) independenta(e) de interes contribuie semnificativ la evolutia criteriului, ,,satisfacator", ,,bine" sau ,,foarte bine”).
am putea deduce existenta unei relatii intre acestea. Daca reiatia este sustinuta de
0 teorie relevanta In domeniu sau de 0‘ logica temporala sau spatiala a relatiilor
dintre eie, ne vom permite 5a utilizam termenii de variabila independenta si 6.1. Regresia liniara simpla
, variabila dependenta, chiar daca nu avern de a face cu un" design experimental.
Prin urmare, intrebarea principala Ia care incearcé sa réspunda regresia utilizata in
‘
scop explicativ este: ,,Contribuie acest factor lavevolutia variabilei dependente, in 6.1.1. Principii ale regresiei liniare
conditiile in care am controlat statistic influenta altor factori asupra acesteia?".
lmaginati-va ca sunteti un proaspét absolvent de psihologie ajuns sa
Nu acelasi lucru se face si in cazul utilizarii regresiei Tn scop predictiv. Cu
Iucreze in departamentul de resurse umane din cadrul unei mari companii. in
toate ca nu este exclusa posibilitatea existentei unei relatii cauzale intre predictori
aceasta calitate, sunteti pus sa selectati dintre mai multi candidati pe cei care Vi se
si criteriu, nu acest lucru constituie interesul principal al analizei de regresie. Asa
par mai potriviti pentru a lucra in departamentul vanzari, in prima linie a contactului
cum ii spune si numele utiiizarea ‘regresiei in scop predictiv urmareste gasirea
direct cu potentialii clienti. Care dintre candidati este mai potrivit pentru a fi
unei ecuatii care sa estimeze cei mai bine evolutia criteriului Concret daca criteriul
angajat? Pentru a raspunde la intrebare vom prezenta trei alternativeposibile.
urmarit este nivelul de depresie, pot fi inclusi Intre predictori tot felui de indicatori
Situatia l Ati facut un curs introductiv de statistica“ dar nu v-a p/écut.
care nu se afla in relatie cauzala cu criteriul, dar estimeaza bine nivelul acestuia.
in acest caz cei mai probabii, veti aborda intuitiv situatia ,,ghicind"
De exemplu, includerea preferintei pentru cuioarea neagra, scaderea apetitului
performanta candidatilor pe baza unui set de intrebari sau indicatori ganditi ad- hoc,
sexual etc, nu sunt cauze ale depresiei, dar impreuné cu alti asemenea indicatori
fara prea mare succes.
pot fi utilizati eficient in a prezice nivelul de depresie al unei persoane. Prin urmare,
Situat/a ll. Ati fécut un curs series, dar introductiv de statistical“, fare 6
intrebarea princi'pala la care incearca 5a raspundé regresia utilizata in scop
include regresia.
predictiv este: ,,Care sunt predictorii care ne ajuta ea estimam cei mai bine evolutia
lntr--o asemenea situatie, veti putea estima ceva mai corect performantele
criteriului?". in cazuri rare 'putem vorbi si de 0 regresie cu scop mixt, daca
viitoare ale candidatilor pornind de la proprietatile distributiei normale a datelor
obiectivele cercetaril vizeaza atat aspecte estimative cat si explicative
Daca performanta era exprimata In volumul vanzarilor dintr—o luna am putea
O alta diferentiere" terminologica importanta este intre regresie liniara
estima ca aproximativ 68% din candidati vor obtine performante in jurul mediei
simpla si regresie multiliniara. In primul caz, vorbim de 0 regresie bazata pe un
(intr-un inten/al situat la 0 abatere standard distanta de 0 parte si de alta a mediei)
singur predictor, de exemplu estimarea reueitei scolare pe baza coeficientului de ‘
, (vezi sectiunea 2.6.21Proprietatile unei distributii normale din cadrul capitolului l).
inteligenta. Regresia multiliniara include mai multi predictori in ecuatie, precum
Situatia III. Ati facut un curs serios de statistica §i intuiti ca regresia poate f/
nivelul de inteligenta, motivatia scolara, nivelul de educatie al périntilor, pentru a
solutia corecta“. .
putea estima mai bine reusita scolara. O alta denumire a regresiei multiliniare este
Tntr-adevar, prin. regresie se pot estima rezultatele viitoare ale unor
regresiav liniaré .multiplé. Cu siguranta ca modelele multiliniare vor prezice
persoane pe baza unor indicatori din prezent. Asa cum pe baza coeficientului de
intotdeauna mai bine decat modelele simple, care pornesc de la un singur
inteligenta se poate prevedea intr—o anumita masura evolutia scolara a eievilor si in
predictor. ldeea este intuita si in astrologie, unde pentru a prezice stilul de
cazul vanzarilor, se poate prevedea performanta pe baza unor indicatori care au
personalitate al unei persoane este necesar ca ,,specialistul" sa cunoasca mai multi
legatura cu- acest aspect. Totul porneste de la existenta unei asocieri intre
predictori: ziua de nastere, ora la care s-a néscut, anul nasterii etc.
indicatorul utilizat pentru a estima performanta viitoare si criteriul ales pentru ‘a
in continuare, pentru a putea intelege mai bine modul de functionare a
masura aceasta perfomianta. De exemplu, daca exista o corelatie pozitivé intre
regresiei, vom’ explica mai intai regresia'liniara simpla, bazata pe un singur
186 187
1 1 . 88L
68l—
. n11911I0 1§ 10131p91d 91,1u1p (91d991p) 91391591 9p 91d991p u11d11un

ag 91n61:1
1911919100 ejuesqe u1 91391591 9p 191u1/ 9/9 911q1sod 9/d11/nw111'0911a '7'9 91n61:1 (95u913) 9199p1 911919103 9p 9119n11s o11u1 91ound 9p 1n1oN
911119A011u1 911119A911X3 911119/1011111

911119A911X3 « SHUGAOJIUI 911119A911x3
<
9)
3
N 1 92u9/\ 119zu9/\
9)
:1.
¥
.\
.1 ‘ I
8
91n2909
at * \\ ‘* y g
91n29 9
\\ ¥
’z E
\\\\\
~~~ \\\ 1,. / 11. (D
"‘ =1 “\‘~y/
3/ ‘¥‘~\‘\ <
119zu9/\ 119zu9/\
// \ g
¥ 4‘ N
AK 45‘:
// X g
//
\ ,1.
_'
91901p1 919o1p1
4‘ :1
, x, 9:
90
91n091 91119Lu11991§ 919191su00 9191911n291 911u1 9'1u91911p 0 10111 91S1X9 nu
0
%
vV~/
u11d 909911 93 91é9§n91 91nu1‘1qo 91991691 9p

9u1u99u1 19 91999091 9191911n291 91901
no 91969 11
'9111911p 1110911p 9n1 919od 9091909p ‘11q91d9009 919w1199 119190d nu 91u11 9091909p‘919o111I1 9191911n291 109x9 9d1o11u9~991nd we 1- no n93 L
9190111A 191u9Lu10119d 9919019A109X9 19111 190
91391691 9p 91u11 ‘91u9111919 9nop 9190 mm 911919100 91s1x9 nu 909G '19u11199 91nq911 19 911q9119A 9nop 911u1p 911919100 9090
9190 1n1191110 n0 9u1q 9p 1n199p 92919100 99 A1109d991 1n10101p91d 90 19590911 9139 Lu9Lu1199 9s 91n19 9U 98 9190 91‘19n09 0 90999396 93 919919u11n 91391693
n119111o 11u1nu9 mm 919 9190111A 9191911n291 91391691 u11d 9w1199 9 n11u9d 119zu9I1 9p 919w 19w 19111nu un 9u1‘1qo
'
95 mm 9091909p ‘101119zu9A 1n1u91u0p u1 919191u9/19 11 JOA 911119A911x9 9p 1901p11
19A1u un n0 919u90919d 90 9u11189 9190d as 91910039 9139909 91 9p pu1u10c1
(91d991p) 91391691 9p 91d99115 u11d11un
(95u91s) 911q9q01d 9119/9100 9p 911'9n11s o-11u1 91ound 9p 1n10N ‘9'9 91n61:1
1011192u9/1 mum/0A
911119A911x3 911119A011u1 911119A911x51 911119Ao11u1 15‘ 9un1s19/1011x9 9p 1n19/11u 911u1p 9119191 pu9z1/1 910und 9p 1n10N '1‘9 91n61:1
’
911119A911x3 911119A011111
119zu9/\ 119zu9/\
119zu9/\
91nz9os it -)( 91nz9os
91n290s
119zu9/\ 1192u9/\
119zu9/\
91901p1 91901 31
‘910und 9p 1n1n1ou 9 911n10A9 9p 9110911p 9u1q 19w 190 90npo1d91 91901 31

9s 9190 91991691 9p 11u11 191909 9911395 91991013 93 '91u1An0 9119 ng ‘10191911n291
'1192U8A‘
9 9109100 19111190 9191111199 0 91 90npu00 99 9190 11u11 191909 9911996 919919Lu1n 99 1 911119I1011u1 919u90919d 1909p 11‘11zod 99u91u999 9dnoo 9s 911A111od19u1 pu111
9u1'1qo 99 mg 9un1s19/1011x9 9p 1901p11 19/1111 un no
91991691 u11d ‘99909 9c1 f1-~ n99 1+ 9p 911919190 9p 1'1u91011900 u‘1‘1qo 99 nu ‘9011091d _ U1 9190119dns 9‘1u9w10119d
919u90919d 90 9u11199 91901:! 99 ‘( 1, 9 91n611) 119zu9/1 u1p 9'1u9Lu10119d 19 911119A911xe
111 9091909p 91991 9199 nu 3'9 91n511 u1 9191u9291d 9119n11s ‘911011919u u1c1
A 1 l
7E‘1‘—WHHWNWHW1 1 1 11‘ ‘11 1‘ 1 1 1 1 1 1 1‘ I 1

“i “i“ wmwwwwwmwwwwmllalli; Ill! WWWWWWMWWWWWWMWWWMWwwwwwwwwmwwwwwwwnwmwmww
i “i 1‘ i T ii ii iii TTTHTTHTMW iiiiiinui iiiiiiiiii iiiiiiiiii‘iiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiuiiiiiiiiii iiiiiiiiiiiiiiiiii i i ii
ale Tn valoare absoluta decat b1 = 0,50 din imaginea din stanga. Valoarea acestei
Pentru a stabiii linia de regresie se apeleazé Ia proprietatile matematice
urmatoarea ecuatie: pante indica cu cat cregte (Tn cazui valorilor pozitive) sau cu cat scade (Tn cazui
unei drepte, deoarece orice dreapta poate fi determinate prin
vaiorilor negative) Y atunci cénd X cregte cu o unitate.
y=b0+b1X ' (6.1) Linia de regresie care reda cei mai bine norul de puncte nu se stabiiegte
pe baza unor criterii subiective, cum ar fi simpia inspectare vizuala. Metoda
iar b'l este panta de utilizata cel mai frecvent pentru a caicuia interceptul $1 panta de regresie se
unde b0 este punctdi de intersectie ai ordonatei (interceptui),
numeete metoda celor mai mici patrate (Tn engiezé ,,ieast squares”). Metoda se
regresie (cu cat creete y, atunci cand x se modificé cu o unitate). ..
bazeaza pe calcularea sumei patratelor diferentelor dintre valoriie observate §i
Panta de regresie Ta 0 valoare pozitiva, daca exista o coreiatie pozmva
Tntre ceie doué valoriie estimate. Ne vom baza pe datele din figura 6.6 pentru a expiica metoda
Tntre X §i y §i o valoare negative, daca exista o oorelatie negative
demers putem inspecta vizuai ceie amintita.
variabile. Pentru a ueura Tntelegerea acestui V
de regresie: .
doué imagini din figura 6.5. Imag-inea din stanga are drept ecuatie
de regresie:
y = 2,5 + O,5*X, Tn timp ce imaginea din dreapta are ca ecuatie Y: 1031 + 147x
—
y = 8 1,5*X 0_
o
. Q *
0..
o
Y= 8 -1,50X m
Y= 2,50 + 0,50X
o
0....
<0
0
o __
co
‘
0 Suma = O Suma = 123.238
81
:— Legenda: X « Nivel de extravertire
Y - Vanzari lunare realizate (in Euro)
0 1 2 3 4 5 6 7 Y* - Vanzari iunare estimate (in Euro)
0 1 2 3 Figura 6.6. Linia de regresie viza‘nd relatia dintre soorul la extraveifire §i

valoarea vénzafilor/unare Tn Euro
Figura 6.5. Doué exemp/e ipotetice de linie de regre‘sie
Pe baza ecuatiei de regresie se estimeaza rezultate ueor diferite decat

Pe baza imaginilor anterioare se poate observe mai bine CLim se reprezinta oele constatate. De exemplu, primul subieot a realizat Vanzari iunare de 1500 de
din
grafic linia de regresie pe baza ecuatiei obtinute. De exemplu, Tn imaginea EURO, Tn conditiile in care se estimau, pe baza ecuatiei de regresie, Vanzari iunare
cu ordonata este Situat la
stanga, punctul de intersectie a liniei de regresie Tn valoare de 1619 EURO. Parametrii ecuatiei de regresie se stabilesc, astfel Tncat
8 (b0 = 8). Ele suma patratuiui diferenteior dintre vaiorile Y observate §i cele estimate sé ia
vaioarea de b0 = 2,50, Tn timp ce Tn dreapta el ia valoarea
Tn cazul
reprezinta estimarile lui Y, Tn situatia Tn c'are X ia valoarea O. Transpunénd valoarea cea mai mica'(ultima coloané din tabei).-De exemplu, daca am fi schimbat
trecut numarul de itemi vizénd ecuatia de regresie Tn Y = 1050 + 150x, suma patrateior diferentelor ar fi fost mai
concret al vénzérilor, daca pe abscisé ‘este
de ma§ini vandute, din imaginea mare, mai exact 130.400. Prin urmare, Tn cazul de fata vaiorile b0 de 1031 §i b1 de
extrovertirea, Tar pe ordonata este trecut numérui
la extravertire .
din stanga am putea estima ca 0 persoana care a obtinut scorui zero 147 sunt oferite de catre programeie statistice pentru 051 due la cea mai mica sumé
a
va reuei sé Vanda pe luna 2,5 maeini'(y = 2,5 + O,5*O), Tar o persoané care a patratelor diferentelor dintre cele doua seturi de date (valorile observate §i
(y = 2,5 + '
obtinut scorul trei la extravertire va reugi sa Vanda 4 maeini pe iuné vaiorile estimate). Cu aite cuvinte, parametrii ecuatiei de regresie rezultati asiguré
'
0,5*3). _ , ‘ solutia cea mai apropiaté de rezultateie reale observate.
De asemenea, se observe din cele‘doua imagini ca panta dreptei este maI Pentru a deeide dacé o eouatie de regresie descrie bine setui de date, spre
= -1,50 este mai mare a putea fi folosita Tn scop 'predictiv, trebuie 5a decidem cat de mare poate fi
abrupta Tn cazui imaginii din dreapta, deoarece vaioarea bi
191
1‘90
diferenta dintre rezultatele observate si cele estimate. in acest sens, exista o serie Din cel de—al doilea tabel se observe ca valoarea F este se’mnificativa
de parametri, valabili atat in cazul regresieiliniare simple, cat si in cazul regresiei statistic, fapt ce induce ideea superioritétii ecua’giei de regresie, bazata pe
multiliniare, pentru a descrie eficienta ecuatiei de regresie in estimarea rezultatelor. introducerea nivelului de extravertire ca predictor, ’in estimarea vénzariior in
comparatie cu estimarea vanzérilor pe baza mediei valorilor observate. Mai mult,
consultand primul tabel, se observe ca nivelul de extravertire al unei persoane
6.1.2. Evaluarea eficientei unei ecuatii de regresie explica 83,8% din. variatia vanzarilor observate (R2 = 0,838). Cu alte cuvinte, dac-
intre indicatorii care ne ofera informatii asupra eficientei unui model de am incerca sé explicam diferentele constatate intre persoanecu privire la vanzarile
regresie vom aminti testul F (intalnit si in cazul ANOVA) si R2 (coeficient de lunare realizat'e ,de acestea, putem spune ca 0 mare, parte se datoreazé
determinare intalnit si in cazul corelatiei). diferenielor in nivelul de extravertire dintre acestea. Restul de 162% din variatia
Primul ne arata in cé masuré exista diferente semnificative statistic intre yanzérilor lunare, inregistrate se datoreeza altor factori, neluati in seama de
estimérile oferite pe baza ecuatiei de regresie implicatein comparatie cu estimarile modelul testat, care a inclus doar extroversiunea ca predictor. Asadar, putem
' afirma ca nivelul de vanzari realizate depinde si de alti factori, desi extroversiunea
bazate pe valorile mediei. Daca predictorii inclusi in ecuatia de regresie conduc la
estimari' semnificativ mai bune decét estimarile bazate pe rezultatele medii, atunci pare a fi variabiia principala pe baza careia putem estima nivelul de venzari
valoarea F va ii semniiicativé statistic. Dace _F nu este semnificativ statistic, atunci realizate. Din nefericire, asemenea procentaje ridicate, precum cel prezentat in V
ecuatia de regresie Anu-si are rostul, deoarece ea nu poate estima cu nimic mai problema anterioara nu sunt intalnite in stiintele sociale decét in exempie ipotetice.
bine decat simpla censultare a mediei raspunsurilor sublectilor la criteriu. De obicei, R2 are valori mult mai modeste, fiind cuprinsvdestul de des intre .10 si
Cel de<al doilea parametru poate fi consultat dacé F este semnificativ .50, ceea ce inseamna ca majoritatea modelelor estimative din psihologie, bazate
statistic. Dupa Field (2000), R2 ofera informatii privitoare Ia procentajul din pe regresie explicé (estimeazé) intre 10% si 50% din evolutia criteriului de interes.
dispersia variabilei criteriu care poate fi explicate”) prin modul de evolutie a Dupa cum se'observé din figura 6.8, valorile Ft2 sunt mai mari, daca linia
predictorilor. in cazul regresiei liniare simple, R2 este coeficientul de determinare, de regresie descrie bine directia evolutiei norului de puncte (R2 = .88 in imaginea
acelasi din cazul corelatiei simple, in timp es in cazul regresiei liniare multiple, R2 din stanga) si mai mici, daca linia de regresie nu descrie adecvat norul de puncte,
este coeficientul de determinare multiple. Desi are acelasi principiu de interpretare, acestea fiind mai departate de directia estimate (R2 3: .45 in imaginea din dreapta).
coeticientul de determinare multiple reprezinta procentul din dispersia criteriului
explicate de actiunea comuné a tuturor predictorilor implicati.
in cazul datelor prezentate in figure 6.,6 SPSS—ul ofera urmatoarele
rezultate:
Model Summary
Adjusted Std. Error of

Model R R Square Ft Square the Estimate
1 ,915a ,838 ,818 123,074
a.‘ Predictors: (Constant), Nivel de extravertire
ANOV/JP
Sum of
Model Squares df Mean Square F Siq. Figure. 6.8. Relatia dintre gradul de impréstiere a punctelor din nor §i valorile R2
1 Regression 6264715 1 626471 ,453 41,359 ,OOOa
Residual 1211785 8 15147,318
.
Total 747650,0 9
Din nefericire, asa cum remarcau Hankins, French si Home (2000), un
a. Predictors: (Constant), Nivel de extravertire
model nu este adecvat doar pentru simplul fapt 051 R2 este mare sau inadecvat
b- Dependent Variable: Vanzari lunare in Euro
pentru ca R2 este mic. Pentru a ne asigura ca valoarea lui R2 este apreciaté corect
Figure 6.7. Output oferit de SPSS 7 1.0 ar trebui sa facem o analizé a reziduurilor, adica a diferentelor dintre valorile
SPSS este o marca inregistraté. observate si cele estimate pe baza ecuatiei de regresie. Analiza este necesara
192 193
:
l l Wl W W W l l W W Wl W l l ill l l l I i! a: ll] 1 a
WWWll WllWl WlWl W l l W l l W W W l l l l l W W W W Wl Wl Wl W l l W llll 1W Wl W W W: l l l 1W: Wll W W
i W W lW l l l W W W lW l l lW W W l l l W il l l lW Wll WW l l l ‘lW l l l l l W W W W W il W Wl Wll il l l
Coefficientsa
heteroscedasticitate,
deoarece ineéicarea unor conditii simple (ext relatie neliniara,
Ia distorsiUni grave ale coeficientului
prezenta datelor'neoblsnuite) poate conduce Unstandardized Standardized
in detaliu Tn sectiunea Coefficients Coefficients
de determinare. . Despre aceste aspeote vom discuta ' - '
Model B Std . Error Beta 1 Si .
destinata conditiilor necesare de aplicare a regresiei liniare. 1 (Constant) 1031,249 101,614 10,150 $000
pildé, in
Revenind Ia figura 6.7, observam $1 alti indicatori relevanti. De Nivei de extraveriire 147,232 , 22,894 ,915 6,431 000
coeficientului de corelatie
primul tabei, sub titulatura ,,R“ este trecuté valoarea a. Dependent Variable: Vanzari lunare in Euro
de extravertire §i
'liniara Tntre predictor si criteriu, in cazul de'faté intre nivelul
simple, aceasté valoare Figure 6.9. Output oferif de SPSS 11.0 cu valori/e coeficienti/or din ecuatia de regresie
nivelul vénzérilor lunare realizate. 1n cazul regresiei liniare
predictor si criteriu.
indica, de fapt, coeficientul de coreiatie r Bravais-Pearson, intre SPSS este o marcé aegistraté.
R indica coreiatia multiple dintre criteriu §i grupul
in cazul unei regresii 'multiiiniare,
De asemenea, merité sé fie remarcat faptui ca R2 reprezinté
de predictori inclusi.
patratul acestor coeficient’i‘de corelatie. Din aceasta figuré se poate deduce ecuatia de regresie care poate fl scrisa
incearcé '
Un alt parametru regasit in outputul SPSS este R2 ajustat. Acesta sub forma:
este dependent de
sé elimlne unele dintre neajunsurile lui R2. Acesta din urma
si de numérul de subiecti Vénzéri lunare in EURO = 1031,2 + 147,2*Nivel extraverTire;
numérul de predictori inclusil in ecuatia de regresie
oferind un
testati. in forma sa ajustata, R2 incearcé sé atenueze aceasté influenta,
precizat ca indicatorul F’.2 aiustat
parametru mai putin distorsionat. Totusi, trebuie sau, renuntand la ‘zecimale:
multi specialist: at fl tentati sa
oferit de SPSS nu are rol de contravalidare, asa cum
din dispersia criteriului Vénzéri lunare in EURO = 1031 + 147*Nivel de extravertire.
creada (Field, 2000). Astfel, el nu estimeazé procentajul
fi extrase pe baza raspunsurilor
explicate de predictori-‘Tn cazul in care dateie ar
estimativ propus Pe baza acestei ecuatii putem estima vénzérile pe care le vor realiza alte
subiectilor dintr-un alt esantion, ci arata doar eficienta modeluiui
mod cat mai putin distorsionat de persoane cu caraoteristici ‘similare persoanelor testate. De exem‘plu, o persoané
pentru esantionul de subiecti testati, Tntr-un
Desi ofera informatii mai exacte care nu ar bifa nici un item ce exprimé extroversiunea va realiza vanzéri de
numarul de predictori sau de volumul esantionului.
remane sensibil la distorsiune tn cazul aproximativ 1031 de EURO lunar (a), 1n timp .ce 0 persoana care a obtinut scorul 7
decét coeficientul de determinare, R2 ajustat
nerespec’tarii conditiilor necesare aplicarii regresiei liniare. la nivelul de extroversiune va realiza vanzari lunare duble, de aproxim'ativ 2060 de
EURO (b).
Aceste rezultate au fost obtinute Tniocuind 1n ecuatia 'de regresie de mai
6.1.3. Testarea individuaié a eficientei predictorilor in stimarea sus, valorile observate ale extroversiunii pentru cele doua persoane:
evolutiei criteriuiui (a) Vénzéri lunare in EURO = 1031 + 147*0
statistic (b) Vénzari lunare 1n EURO = 1031 + 147*7
in cazul unei regresii linia‘re simple, dacé F a fost semnifioativ
poate fi Cu alte cuvinte, valori’le b reprezinté coeficientii nestandardizati ai ecuatiei
inseamné ca predictorul inclus, in situatia ,de feta nivelul de extravertire,
in cazul de regresie, pe baza carora estimém cu cat creste criteriul atunci cand predicto‘rul
utilizat in estimarea performan‘telor din domeniul vanzériiori in schimb,
inseamna ca se, méreste cu o unitate. 1n exemplul dat, pornind de la faptul ca b extravertire este
unei regresii multiliniare, eficienta per ansamblu a modelului nu
De pilda, 1n 147, putem estima ca volumul vanzarilor realizate de 0 persoana care a obtinut, sé
fiecare dintre predictorii inciusi poate estima eficient evolutia criteriului.
etioient, adicé zicem, cinci puncte la testul de extroversiune va avea vanzari mai mari cu. 147 de
varianta unei regresii cu trei predictori, modelul poate fi considerat
chiar daca numai un EURO decat o persoané care a obtinut patru puncte la testul de extroversiune, iar
mai bun decét o estimare pe baza valorii medii a criteriului,
predictori poate aceasta, la randul ei, va obtine cu 147 de EURO mai muit decét o persoana care
singur predictor are legatura cu criteriul. Pentru a vedea care dintre
output, pe baza are doar trei puncte la testul de extroverslune. in plus, interceptui denumit in SPSS
estima cat mai corect evolutia criteriului, SPSS-u! oferé un alt
,,constant" exprlma nivelul vénzérilor obtinute de 0 persoana Tn conditiile 1n care
caruia se poate exprima si ecuatia de regresie.
predictorul ia vaioarea zero, in situatia data, daca persoana obtine zero puncte la
testul de extroversiune.
195
194
“I ‘ ‘II III III I I I l l l llllll!lllllhill-Hilliliiiiliiiililllllilllillllii III l l l l l IIIIuIII ill
Se poate observa ca aceasta evolutie se mentine atunci cand coeficientul regresiei liniarehsimple, acest lucruera prevazut prin faptul ca vaioarea F pentru
de regresie al predictorului ales are valori pozitive. Daca am fi obtinut un b negativ, intregul model era semnificativa statistic. in schimb, in cazul existentei mai multor
sa presupunem b = 447, ar fi fnsemna‘t ca volumul vanzarilor lunare scade cu 147 predictori, existent-a unui F semnificativ statistic indica faptui ca cel putin un
de EURO de fiecare data cand scorul la extroversiune creste cu o unitate. SituatIa ‘
predictor poate, estima evolutia criteriului, faré a porni de la ideea ca .toti predictorii
ar fi fost similara cu cea intalnita in cazul unei oorelatii negative: ’cand X oreste, Y
4
vor avea capabitatea de a estima evolutia criteriului. in asemenea situatii, este
tinde sa scadé. _ necesara consultarea valorilor t din dreptul fiecarui parametru prezentat in figura
Totusi, valorile nestandardizate b sunt dependente de scala de masurare. a 6.9. pentru a vedea care dintre predictori explica’semnificativ statistic evolutia
predictorilor si a. criteriului De exemplu, vaioarea coeficientului b pentru testul de criteriului. lnterpretarea este simpia: daca vaioarea t asoCiata unui parametru este
extroversiune se modificé daca extroversiunea este masurata printr-o alta scala de semnificativa statistic (ex. t = 6.41, p < .001 in. cazul extroversiunii), atunci
, masurare sau, daca vanzarile lunare sunt exprimate In lei sau doiari si nu In euro. predictorul respectiv Tsi aduce o contributie semnificativé statistic la estimarea
Astfel, daca vom transforma valorile exprimate in euro in lei, utilizand drept rata de evolutiei criteriului, in cazul respectiv a cifrei de vanzari lunare realizate.
schimb 40.000 lei = 1 EURO, vorn obtine alti parametri ai ecuatiei de regresie, desi Pentru} a intelege inai bine aceste detalii tehn-ice in interpretarea regresiei
eficienta modelului ramane aceeasi. liniare, vom prezenta un exemplu de regresie multiliniara. inainte de a face acest
Iucru, se cuvine sa trecem 1n revista, pe scurt, principalele modalitati tehnice de
Volum lunar de vanzari in lei = 41.253.980 + 5.889.273*Nivel extravertire obtinere a ecdatiei de regresie in cazul celei de tip multiliniar.
Ce importanta are acest lucru? .

Prin faptul ca parametrii nestandardizati sunt dependenti de scala de 6.2. Modalitéti de analiza in regresia multiliniaré
masurare rezulta imposibilitatea de a compara direct influenta a doi sau mai multor
predictori asupra criteriului. De exemplu, nu se poate compara direct daca influenta De cele mai multe ori, modelele estimative bazate pe un singur predictor
predictorului nivel de extroversiune asupra nivelului de vanzari (b1 = 147) este mai nu sunt la tel de eficiente ca cele care includ mai multi predictori. De exemplu, un
mare decat influenta varstei subiectilor asupra volumului de vanzari (b2 = 18). psiholog poate considera ca 0 persoana sufera de depresie, daca .are mai muiti
Pentru a observa care predictor ajuta mai mult la estimarea evolutiei criteriului, se indicatori (ex. stima de sine scazuta, scaderea apetitului alimentar si sexual,
obisnuieste compararea valorilor
A standardizate ale acestor coeficienti b, denumite, preferinta pentru culori inchise etc.) decat, daca ar lua in calcul un singur element.
inclusiv de SPSS, beta. in situatia in care sunt inclusi mai multi indicatori 1n modelui estimativ, vorbim de 0
Din tigura 6.9 observam ca vaioarea B pentru extravertire este .91, ceea ce regresie multipla. Analiza predictorilor inclusi Tntr-o asemenea ecuatie de regresie,
inseamna ca, atunci cand nivelul de extroversiune creste cu o abatere standard, indiferent de scopul acesteia se poate face prin patru modalitati de baza: metoda
criteriul, adica volumul vanzarilor, creste cu 0,91 abateri standard. Ecuatia de simultana, metoda ierarhica metoda pasilor si metoda celui mai bun set posibil
regresie standardizata are interceptul egal cu zero, ceea ce face ca ea sé poata fi (Licht, 1995).
scrisa sub forma:
Metoda simultana ,.
Z vanzari lunare in EURO = .91*Z nivelul de extroversiune Metoda simultana presupune introduoerea concomitanta a tuturor
predictorilor de interes tn cadrul ecuatiei de regresie. De exemplu,- daca vrem sa
Dupa cum se observa, o asemenea interpretare nu este la fel de vedem in ce masura sexul persoanei, varsta acesteia, nivelul de educatie si unele
atragatoare in comparatie cu cea bazata pe coeficientii nestandardizati, dar are trasaturi de personalitate (ex. neuroticism si extroversiune) pot prezice atitudinea
avantajul esential, in cazul regresiilor multiliniare, de a putea compara simultan subiectilor fata de telenovele, am putea realiza o singura ecuatie de regresie, de
eficienta predictorilor implicati in ecuatia de regresie. Astfel, daca am presupune ca forma:
6 varsta este 1,21, am putea afirma ca varsta unei persoane este un predictor mai
bun decat nivelul de extroversiune Tn estimarea vanzarilor lunare realizate. Acest Atitudine telenovele = b0 + bl‘Sex + b2*Vérsta + b3'Educatie + b4'Neuroticism + b5*Extroversiune
lucru poate fi facut, deoarece toate datele standardizate in cote z au aceeasi
unitate de masura: media este zero, iar abaterea standard este egala cu unu. Aceasta metoda este cel mai frecvent intalnita, fiind optiunea standard in
O alta informatie extrasa din figura 6. 9 consta In faptul ca ambii parametri, SPSS.
atat interceptul cat si panta de regresie sunt semnificativi ln cazul
statistic.
196 197
A Atitudinea faté de telenovele = b0 + b1*Educatie + b2‘Sex (1)
Met’oda ierarhicé . Atitudinea fate de telenovele = b0 + b1*Educatie + b2*Vérsta (2)
Modalitatea presupune realizarea a cel putin doué analize de regtes-ie, Atitudinea fata de telenovele = b0 + b1*Educatie + b2*Extroversiune (3)
modele se
aflate Tn relatie de tip cuib (toti predictorii utilizati Tntr-unul dintre gasesc Atitudinea faté de telenovele = b0 + b1‘Educatie + b2*Neuroticism (4)
interesati sa
in cel de-al doilea). Pornind de la exemplul anterior, dacé suntem
aduc
vedem in ce masuré trésaturile de personalitate extroversiune si neuroticism Dintre acestea, se alege modelul care are cel mai mare coeficient de
eliminarea
un plus predictiv Tn estimarea atitudinii tata de telenovele, [dupa determinare multipla. sa presupunem ca dintre cele patru modele, primul are
de regreSIe: .
influentei factorilor demografici, vom avea urmatoarele doua ecuatu coeficientul de determinare multiple cel mai mare. Dacé acest model este
semnificativ mai bun decat modelul predictiv din pasul unu, bazat doar pe
Atitudine telenovele = b0 + b1*Sex + b2*Varsté + b3*Educatie includerea nivelului de educatie, el devine modelul cel mai bun si se trece la pasul
+ b5*Extrover3iune
Atitudine telenovele = b0 + b1*SeX + b2*Vérsté + b3*Educatie + b4*Neuroticism al treilea, in care se comparé urmatoarele modele ramase: *
Fiecarei ecuatii Ti corespunde o anumita valoare F si un anumit coeficient Atitudinea fate“! de telenovele = b0 + b1*Educatie + b2*Sex + b3‘Vérsta (1)
diferente
de determinare ajustat sau nu (R2 ajustat sau R2). Daca nu existé intre Atitudinea fate de telenovele = b0 + b1*Educatie + b2‘Sex + b3*Extroversiune (2)
cele doua ecuatii, in privinta acestor valori, Tnseamné ca neuroticismul, respect“: Atitudinea faté de telenovele = bO + b1*Educatie + b2*Sex + b3*Neuroticim (3)
estimarea atitudinii
extroversiunea, 3nu aduc un plus de informatie cu privire la
prin
subiectilor fate de telenovele. in schimb, daca F schimbare, obtinut diferenta Sé presupunem ca cel mai bun model dintre acestea este cel de-al doilea,
Tnseamna ca trésétunle de
dintre pele doua modele este semnificativ statistic, Tn care este inclusé extroversiunea. Acest model se compara cu modelul de la
atitudinii fata de telenovele. In
personalitate aduc un plus de informatii in estimarea pasul 2, iar daca este semnificativ mai bun, el devine cel mai bun model si se trece
astfel: Tn conditiile in persoanele 7 .
interpretare, acest lucru ar putea ti exprimat care la pasul patru, Tn care vor ramane doar doué modele de comparat, dupé algoritmui
diferentele de .
au aceeasi Varsta, acelasi nivel de educatie si acelasi sex, prezentat Tn primii pasi. Demersul poate continua péna la epuizarea tuturor
personalitate la nivel de extroversiune si neuroticism contribuie
semmficativ variabilelor, caz in care cel mai bun model este acela Tn care sunt inclusi tot] cei
regreSIa
statistic la tipul de atitudine adoptata fate": de telenovele. Din acest motiy, cinci predictori. Daca, Tnsa, diferenta dintre cel mai bun model din pasul trei si cel
Tnsa ea apare
ierarhicé este frecvent utilizata Tn cazul regresiilor cu scop explicativ mai bun model din pasul doi nu este semnificativé statistic, vom concluziona ca nici
foarte rar in regresiile cu scop predictiv. unul dintre cele trei modeie de mai sus nu poate fi considerat mai bun decat cel
obtinut la pasul doi, iar modelul final poate fi cel obtinut la pasul doi:
Metoda pasilor . ‘ V
fie Tn
Cunoscuta Tn limba englezé sub titulatura de ,,stepwise”, yarianta Atitudinea faté de telenovele = b0 + b1 *Educatie + b2‘Sex
deusp§Clall$vtltln
,,forward”, fie Tn T/arianta ,,backward”, metoda este criticata intens
fara o
statisticé, desi se bucuré de 0 anumité popularitate Tn tagma cercetatorilor Prin urmare, prin metoda pasilor se Tncearca gésirea pe bazé exclusiv
experienté statisticé deosebitai . empiricé a modelului care estimeazé cel mai bine evolutia datelor. in varianta
din de
in varianta ,,Tnainte” (,,forward”), ea consté Tn selectarea setul ,,Tnapo_i" (,,bacl<ward"), 'metoda pasilor porneste invers, Tn pasul unu fiind prezentat
criteriului, baza pur
predictori a aceluia care contribuie cel mai mult Ia estimarea pe modelul cu toate cele cinci variabile, in pasul doi fiind prezentate toate combinatiile
'statistica. in exemplul dat, prin aceasta metodé se realizeazé, ca. pnm pas, o posibile de modele cu patru predictori. Dacé vreunul dintre acestea nu este
cei ClnCl predictori
analiza de regresie simplé, introducénd separat fiecare dintre semnificativ diferit de 'modelul cu Cinci predictori, el devine cel mai bun model
neurpticxsmul), penti'u a vedea
(sexul persoanei, varsta, educatia, extroversiunea si posibil si se trece la pasul trei, de’comparare a acestui model, cu cel mai bun
pas
influenta lor Tn estimarea atitudinii faté d’e telenovele. ln urma acest'ui este model obtinut din combinarea a trei dintre cei patru predictori rémasi etc.
selectat acel predictor care contribuie cel mai mult, prin valoarea coeficientul'w de Desi, Tn aparenté metoda pasilor este atractivé, prin extragerea acelui
determinare, la estimarea criteriului. Sé presupunem ca dintre cei Cincipredlctorl, numér de predictori care explicé cel mai bine evolutia criteriului, ea suferé diverse
cea mai mare influenta o exercita nivelul de educatie. Aceasté variabilé este limite statistice si metodologice. Din punct de vedere metodologic, apare pericolul
'
pas se
selectata si introdusa Tn urmétorul pas. in acest de-al doilea compare extragerii unor predictori irelevanti sau al renunté'rii la unii predictori relevanti sdb
aceasta variabilé si 0 alta, dintre cele
modelele' de regresie care au inclusa rvamase aspect teoretic. Din punct de vedere statistic, cresc sansele de a obtinev un model
patru
pentru a ti testate. in cazul particular exprimat, Tn acest pas se compara specific, aplicabil doar pe esantionul testat, ce nu poate fi replicat pe alti subiecti.
modele posibile rémase:
199
198
\
La aceste neaiunsuri se adauga si unele greseli de atribuire a gradeior de libertate Pentru a da mai multa concretete acestei situatii vom presupune ca 60 de
In cazul regresiei prin metoda pasilor, fapt ce creste probabilitatea de a comite persoane angajate de doua luni in domeniul vanzarilor constituie iotul pe baza,
eroarea de tip i, care, in acest caz, ar consta in includerea unor predictori care nu caruia se va estima ecuatia de regresie vizand performanta in vanzari. Pe baza
arfi trebuit inclusi(Pedhazur si Schmelkin, 1991; Thompson, 1995a). acestei ecuatii vor putea‘fi apoi selectati viitorii angajati in domeniu. Datele sunt
prezentateIn fisierul regresie multiliniara sav
Metoda celui mai bun set posibil De asemenea, se cuvine sa precizam modul in care au fost
Acest gen de regresie se apropie de principiul regresiei In pasi, fiind intr-un operationalizate variabilele utilizate pe post de predictori, precum si criteriul. Acesta
fei, o generalizare a acesteia. Ea consta In compararea tuturor modeielor posibile '
din urma a fost reprezentat de venitul lunar obtinut din vanzari, de fiecare angajat,
in functie de numarul de predictori inclusi in model. De exemplu, daca am include in cea de-a doua luna de munca. Dintre predictori, extroversiunea si neuroticismul
trei predictori si am utiliza metoda celui mai bun set posibil, calculatorul va selecta au ‘fost ”obtinute prin intermediul inventarului de Personalitate Eysenck (EPl),
modelul cu coeficientul de determinare ajustat cei mai mare dintre toate cele sapte scorurile obtinute fiind cuprinse, pentru ambele scale, intre 0 si 24 de puncte.
‘
modele posibile (modelul care pastreaza toti cei trei pr,edictori trei modele cu cate Gradul de atractivitate a fost obtinut pe baza sincronizarii raspunsurilor de la doi
doi predictori, trei modele cu un singur predictor) Deoarece se bazeaza pe colegi de sex opus, fiind utilizata o scala de la 1 la 10, unde 1 inseamna un aspect
aceleasi principii ca cele intalnite in cazul regresiei in pasi, metoda are aceleasi fizic neingrijit si neplacut, iar 10 un aspect fizic ingrijit si foarte placut. in privinta
neajunsuri. _ -. experientei profesionale, aceasta a fost codata in trei categorii distincte.
Persoanele care nu aveau nici un fei de experienta profesionala anterioara au fost
Prin urmare, desi exista mai multe metode de estimare a modelului notate cu 0, ceie care beneficiau‘de experienta profesionala dar nu in domeniul
predictiv cu cei mai ridicat nivel de eficienta in estimarea criteriului, recomand' vanzarilor, au fost codate cu 1, iar cele care aveau experienta profesionaia in
evitarea metodei pasilor si cea a celui mai bun set posibil. in functie de soopul domeniul vanzarilor erau cotate cu 2. Se observa ca, spre deosebire de ceilalti
urmarit, veti avea de ales intre metoda simultana si metoda ierarhica, ambele predictori si de criteriu care erau masurati prin scale de tip numeric, experienta
posibil de selectat in SPSS. De altfel, metoda simultana este si optiunea standard profesionala a fost operationalizata prin intermediul unei scale de tip nominal (in
din SPSS (in engleza ,,enter"). Pentru a utiliza regresia ierarhica, vom mentine acest caz particular poate fi perceputé si ca 0 scala de tip ordinal). Pentru a analiza
metoda ,,enter" insa dupa introducerea primului set de variabile vom apasa b'utonul influenta predictoriior de acest tip se recurge la un artificiu metodologic ce necesita
,,next" , iar apoi vom introduce atat variabilele din primul set, cat si cele care dorim transformarea variabilelorcategoriale in variabile de tip ”dummy/2
3a le introducem in cei de—al doilea.
Variabilele de tip ,,dummy”
Sub aceasta denumire sunt specificate in regresie toate variabilele
6.3. Regresia multilinara in sc0p predictiv categoriale dihotomice, care permit raspunsuri de tip 1 sau 0 (SChroeder, Sjoquist
si Stephan, 1986). De exemplu categoriile ,,barbat" si ,,femeie” din cadrul variabilei
,sexul persoanei”; categoriile ,,da” sau ,,nu” vizand o anumita atitudine sunt din start
La fei cum ,,specialistii" in astrologie considera ca pot deduce mai bine
variabile de tip dummy..Una dintre categoriile de raspuns va fi notata cu 1 (ex.
personalitatea pe baza mai multor predictori (ex. ziua de nastere, ora nasterii, locul
femeie = 1; da = 1), iar cealalta categorie de raspuns va fi notata cu _0 (ex. barbat =
nasterii) decat pe baza unui singur criteriu, si in cazul predictiei pe baza de
0; nu = 0). Raspunsurile notate cu zero mai sunt denumite si categorii de referinta.
regresie sunt preferate modelele multiple (cu mai multi predictori) in fata celor
Prin intermediul regresiei, coeficientii b rezultati arata‘ cu cat se modifica criteriul
simple (cu un singur predictor). Daca revenim la‘ exemplul‘prezentat in sectiunea
atunci cand predictorul creste cu o unitate. in cazul particular al variabilelor
destinata regresiei simple, ce viza gasirea unor predictori care sa ne ajute sa
dummy, b arata cu cat se modifica criteriui atunci cand predictorui isi schimba
estimam cat mai bine performanta in vanzari a candidatilor testati, ar fi bine sé
categoria de raspuns (de la 0 la 1). De exemplu, dacé b pentru sexul persoanei ar
tinem seama si de alte variabile, in afara extroversiunii. De exemplu, am putea
fl 1000 si am pastra drept criteriu volumul vanzarilor realizate in EURO, am putea
presupune ca performanta in vanzari esteafectata de experienta profesionala in - O),
spune ca femeile (femeie = 1), in comparatie cu barbatii (barbat— sa
domeniu (,,Cati ani de experienta profesionala in 'domeniul vanzarilor au reusesc
obtina Cu 1000 de EURO vanzari mai marl in domeniu
candidatii?), gradui de atractivitate fizica a personalului din vanzari si de gradui de
Daca lucrurile sunt simple in cazul variabilelor categoriale de tip dihotcmic,
neuroticism al acestora, cunoscandu--se faptul ca un nivel ridicat de neuroticism
ele se complica putin in cazul unor variabile categoriale cu mai mult de doua
corespunde unei afectivitati negative si unei rezistente scazute la frustrare si stres.
trepte. Spre exemplu, daca ar fi sa tinem cont de starea civila a unei persoane, ca
200 201
L L L L
LLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLJLLLLLJll lJl l lL LLuLLLLLLLLLLLLLLLLLLLLLLLLL LLLLLLLLLLL L L L L L L LLLLLLLLLL LLLLL LLLL L L L LLLL L L L LLLLLLLLLLL LLLLLLLLL l l L Lll l L L L LLLLL LLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLL LLLLLLLLLLL L L L L L L L L L LLLLLLLLL L L LLLLL LLLLLLLLLLL LLLLLL L LLLLLLLLLLLLLLLLL.LLLLLLLLLLLLL L Lll l LLLLLLLLLLLLLLLLLLLLLLL LLLLLLLLLL LLLLLLLLL LLLLLLLLLL L L L L L L L L L L L L L L Lll L L L L L L L L L L LLLLllLIlll_IlllllIlllllllll L LL L L ii iii L L L L LLL L L L L L L L L L L L L L L L L L L L L L L L L L Lll l l l L L L L LLL L L L L Li L L L LllL Lll Lll‘LLLLLLll l itillll l Lll l‘ LLll l: ‘l L
variabila predictor aceasta poate fi exprimaté prin patru categorii de réspuns: experienté profe‘sionalé in alte domenii; 0 — faré experienta profesionala
O = necasatorit (burlac); 1= casétorit; 2 — divortat; 3— vaduv lntr--o asemenea anterioara am decis sa alegem drept categorie de referinta ultimul raspuns.
situatie, pentru a vedea efectul starii civile asupra uneL variabile criteriu este Aceasta decizie conduce la formarea a doua variabile dummy, pe care le vom
necesara transformarea variabilei in variabile .de tip dummy (dihotomice). Se vor denumi exp_vanz §i exp_altd. Prima variabila dummy va cota indivizii care au
forma unnumér de l<~1 variabile dummy, unde k este numarul de categorii de experienté in domeniul vénzérilor cu 1, iar pe toti ceilalti cu ’O. Cea de-a doua
raspuns. in acest caz, data fiind existenta a patru categorii de réspuns vom obtine variabila dummy va cota indivizii care au experienté prefesionala 1n alte domenii cu
trei variabile dummy. Ce vor avea in comun aceste variabile nou formate va ti 1, iar pe toti ceilalti cu 0. Tabeiui 6.1 exemplifica aceasta transformare in cazul
categoria de referinté. Alegerea acesteia se face in functie de importanta relative a primilor zece subiecti din fisierul regresie multipla.sav.
raspunsurilor posibile ei de frecventa acestora. Tn cazul starii civile, am putea alege in cazul regresiei liniare SPSS- ul nu oferé posibilitatea de a transforma o
ca valoare de referinté prima categorie (0 = necasétorit), ceea ce inseamné ca cele variabila categoriala Ln variabile dummy din meniu. Acest lucru poate fi facut doar
trei variabile dummy rezultate vor fi: césétorit, divortat si véduv. Pent‘ru a obtine prin apelul la sintaxa De aceea, cei care nu sunt familiarizati cu apelul Ia sintaxa
noile variabile se recurge la urmétoarele transforméri. Pentru variabila dummy vor trebui sa recodeze variabila categoriala in variabile dummy, fie manual, fie prin
,,césétorit“ vom avea doar doué réspunsuri posibile: 1, dacé persoana este apelul la optiunea disponibilé prin calea ,,Transform”-,,Recode”—,,lnto different
césétorita si 0, daca persoana este‘necasétorité, divortaté sau Vaduvé. Pentru variables”. in alte situ‘atii, precum in cazul regresiei logistice, SPSS-ul permite
variabila, dummy ,,divortat" vom cota 1, dacé persoana este divortaté §i 0, dacé recodarea automata a variabilelor categoriale in variabile dummy. in acest caz,
persoana este necésétorita, casatorité sau véduva. in sférsit, variabila dummy réspunsul ales drept categorie de referinta trebuie sé fie intotdeauna codat cu O,
,L,véduv" are cota 1, daca persoana este véduvé si 0, dacé ea se afla intr-una dintre pentru ca SPSS alege automat aceasta valoare ca referinté. Daca nici unul dintre
'
celeialte trei categorii. réspunsuri nu este codat O, SPSS—ul va alege'ca valoare de referinté categoria de
Dezavantajul transformérii variabilelor' categoriale in variabile de tip raspuns cu valoarea cea mai mare. De exemplu, dacé réspunsurile Ia variabila
dummy consta in crester‘ea artificialé a numérului de predictori, Tnsé aceasta ,,starea civilé” ar ti fost codate: 1 — necésétorit; 2 — casétorit; 3 — divortat; 4 —
solutie este singura care permite variabilelor categoriale ca predictori vaduv, SPSS- ul ar fi ales automat‘categoria ,,véduv" ca valoare de referinté. in
introducerea schimb, dacé réspunsurile sunt codate precum Tn exemplul dat: O — necasétorit; 1 —
in analiza de regresie.
césatorit; 2 — divortat; 3 -— vaduv, va alege drept categorie de referinté varianta
Tabeiui 6.1. Transformarea variabilei ,,experien" in variabile de tip dummy: ,,necésatorit”
Revenind la exemplul dat, vom avea de testat eficienta unui model
Numér Subiect 1 vanz”
predictiv alcatuit din cinci predictori asupra performantelor in vanzari. Cei cinci
1.
O
predictori sunt extroversiunea, neuroticismul, gradul de atractivitate fizica, dummy
1
2
,,experienta in vanzari" gi-dummy ,,experienta in alte domenii", Baza de date
aferenté este denumita regresie multiplasav. . ‘
1
0 Prin intermediul regresiei liniare, disponibile in SPSS prin calea ,,Analyze”-
2 ,,Regression” ,,Linear",vom obtine raspunsul la trei Lntrebari importante:
1 1_.
este acest model eticient?
2 2.
care dintre predictori contribuie la eficienta modelului?
9 1
3.
care dintre predictori are cea mai mare influenté asupra eficientei
1O O O —‘O—‘O —lo O—lO—kO J‘O-‘O
modelului?
Legendé categorie réspunsuri ,,experien":
Raspunsurile Ia cele trei mtrebéri pentru cazul dat se gasesc sintetizate in
O —' fare-experienté prbfesionalé;
tabelele output oferite de SPSS 11.0, si prezentatein figure 6.10.
1 — experienté profesionalé in alt domeniu; ‘
Primele doua tabele araté ca cei cinci predictori inclusi conduc Ia un model
2 — experienté profesionalé in vénzéri.
de regresie semnificativ statistic mai bun decét cei obtinut pe baza mediei F(5,—
54) = 10.46, p < .001, care este capabil sa explice, in formé ajustaté, o proportie
Daca ati inteles procesul de transformare a variabilelor categoriale Tn
de 445% (R2 ajustat = .445) din evolutia dispersiei performantelor Tn vanzari.
variabile de tip dummy, atunci veti intui-corect transformarile necesare in cazul
Restul de 55,5%, rémas neexplicat, se datoreazé altor factori, neintrodusi
exemplului dat, vizand variabila experienté profesionalé. Dintre cele trei categorii
in modelul de regresie. Totu’si, merité mentionat cé o asemenea valoare, indicé o
de réspunsuri: 2 - cu experienta profesionalé in domeniul Vanzérilor; 1 — cu
202 203
buna putere explicativa in cadrul stiintelor sociaie, deoarece majoritatea
modelelor
Semnificatia statistica a predictorilor
de regresie din aceasta arie se rez‘umé la coeficienti de~ determinare multipla Din ultimui tabel al figurii 6.,10. se pot extrage informatii pretioase
cuprinsi intre .10 si .50. legate de
ultimeie doua intrebari formulate, si anume: care dintre predictori contribuie la
Model Summary eficienta modelului si care este ponderea predictorilor in cadrul modelului.
La 0 prima vedere, pe baza testului de semnificatie t, se constata
Adjusted Std. Error of ca,
Model H Ft Square R Square the Estimate excluzénd intercepiui, vdoar trei predictori din Cinci contribuie semnificativ statistic
1 ,7013 .492 .445 209,850 la
estimarea performantelor din vanzari. Cei trei predictori sunt extroversiunea, nivelul
3- Predictors: (Constant), Experienta in alte domenii,- de atractivitate ’fizica si variabila dummy~ ce opune persoanele cu experienta
Grad de atractivitate tizica, Neuroticism, Extroversrune,
Experienta in domeniul vanzan‘lor
profesionala in domeniul vanzarilor celor care nu aveau nici un fel de experienta.
Totusi, tinand cont ca, alegerea predictorilor nu s-a facut lavintampiare,
ci
pe baza unor premise teoretice, am putea spune céavem de a face
cu o ipoteza
ANoiIAb de tip unilateral, in care se specifica din start directia de evolutie a criteriuiui in
functie de predictori. Astfel, ne-am astepta ca persoanele care au un
Sum of
. nivel de
Model Squares df Mean fiuare F Sig. extroversiune si de atractivitate fizica mai ridicat, care au experienta profesionala in
1 Regression 2302920 5 460583393 10,459 ,000 a domeniul vanzariior si care au un nivel scazut de neuroticism,
Residual 2377998 54 44036996 vor obtine
performante superioare in domeniul vanzarilor feta de persoanele
Total 4680918 59 care au
caracteristici opuse. in asemenea conditii. trebuie sé tinem seama ca
a. Predictors: (Constant), Experienta in alte domenii, Grad de atractivitate flzica, semnificatia
Neuroticism, Extroversiune, Experienta in domeniul vanzarllor testului t oferita de SPSS implica o ipoteza de tip bilateral. in consecinta, pragut de
semnificatie poate fi' injumatatit pentru a testa semnificatia ipotezei
13- Dependent Variable: Vanzari lunare in EURO unilateraie. in
urma consultarii ultimului tabei prezentat' in figure 10, se observa ca
predictorul
neuroticism devine semnifi‘cativ statistic in estimarea evolutiei performantelor
in
Coefficientsa vanzari, deoarece in urma injumatatirii pragului de semnificatie bilateral
.096 se
Unstandardized Standardized obtine un t = 4.68, p < .05.
Coefficients Coefficients
Model B Std. Error Beta t 81‘
J. Semnul predictorilor
1 (Constant) 1038.252 108,435 9,575 ,000
Daca coeficientul de regresie b are 0 valoare pozitiva inseamna ca exista
Extroversiune
’ 24.472 5,830 .420 4,198 .000 o
Neuroticism -8,898 5,233 ~,167 -1 ,684 .093 relatie directa intre predictor si 'criteriu. Astfel, atunci cand predictorui creste Cu 0
Grad de atractivitate fizica 33,868 12,707 ,266 2,665 .010 unitate, criteriul creste de asemenea. in cazul unor vaiori negative ale
coeficientul
Experiénta i” domeni‘”
vanzarilor
217,933 76,369 .368 2,854 ,006 de regresie exista o relatie inversa intre predictor si criteriu: candpredictorul
crests
cu o unitate, valoarea criteriului scade. Semnui predictoriior se interpreteaza
Experienta in alte domenii 13,661 72,104 ,024 ,189 ,850 doar
in cazul in care acestia contribuie semnificativ statistic la evolutia criteriului.‘
a. Dependent Variable: Vanzari lunare in EURO in
exemplul dat, nu ne intereseaza semnul ultimei variabile
dummy, care face
difere‘nta dintre persoanele cu experienta profesionala in alte domenii
Figura 6.10. Output SPSS 11.0 pentru regresia multiple" si cele fara
experienta profesionaia, deoarece in lipsa semnificatiei statistice
SPSS este 0 marca inregistrata. a acestui
predictor nu se poate afirma ca acesta ajuta in vreun fel la estimarea
performantei
in vanzari. in schimb, cu exceptia neuroticismului care are un coeficient de
corelatie nestandardizat' negativ (b = ~8,898), toti ceilalti au 0 relatie
6.3.1. lnterpretarea coeficientilor' de regresie directa cu
criteriul.
Pentru a interpreta coeficientii de regresie corespunzatori fiecarui predictor
introdus in ecuatie, se tine seama de trel criterii: Ponderea predictorilor
. este acesta semniiicativ statistic? in forma lor nestandardizata, coeficientii de regresie corespunzatori
- are 0 valoare pozltiva sau negative? fiecarui predictor arata cu cat se modifica criteriui, atunci cand predictorii cresc
. este predictorul important? cu o
unitate. in cazul regresiei multiple, precum in probiema de feta, aceasta
204
205
I III I I ‘l i l l III I I III III I I I I III II III l l II III I I III I I I I II III I I III III II I I III I I III II It l l III III III III III I I III I I IIII III I I ‘l l‘ l l III III III I I II it I I I I II I I II l ‘ Ii 1 ll iI l ‘ ‘1 i i , i‘ i t I“ ‘I ii i l Ii ll Ill ii ii ii ii ii i i ll l l‘ iiil_llllllllllllllltlliiiulllluliii l l ii i“ ii ii ii, iii il ill llllIllll llllIllll lllliillll will i ii i i i II 1‘ it il il l l ill ii i i ii ii: ii iii ii iii l l ill ii i i ll it it Il i il i ll Ill ill ill ill lilI llllIlllI lllllllllllllllllll lllllllll ii ii iii it ill ill l l lll l l lll l l ill it il ii i i ii ii ii il 1
persoanele care au experienta In domeniui vanzarilor, am putea compara aceasta

interpretare se pastreaza, adaugandu—se doar ,,in conditiile pastrarii
sintagma categorie de referinta cu persoanele care au experienta In alte domenii §i cu cele
constante a celorlalti predictori”.
care nu au nici un fei de experienta profesionala. Similar, intr——un astfel de scenariu,
De exemplu, In cazui extroversiunii, b a fost 24 47, ceea ce Inseamna ca 0
nu am putea compara persoanele care au experienta profesionala in alte domenii
persoana care a obtinut, spre exemplu, scorui 11 la proba de~ extroversiune, va
cu ceie care nu beneficiaza de nici un fel de experienta.
obtine vanzari lunare mai mari cu 24,47 EURO decat o persoana care a obtinut
- Daca se vor alege alte categorii de referinta, trebuie sa retineti ca vaiorile
doar 1O puncte la proba de extroversiune. Aceasta estimare este vaiabila Tn
coeficientilor standardizati se vor schimba, in asemenea situatii fiind necesaré o
conditiile in care pastram constanta influenta celorialte variabile, o asemenea
noua analiza de regresie. ,
situatie ipotetica fiind cazui in care ceie doua persoane obtin rezuitate identice Ia
Un alt aspect ce merita sa fie lamurit se refera la stabilirea unei ierarhii a
toate celelalte probe, singura diferenta fiind faptul ca la proba de extroversiune,
importantei ei a ponderii predictorilor in estimarea evolutiei criteriUlui. in acest
una dintre ele obtine un scor 'cu un punct mai mult decat cealalta.
asociata rezultatului
domeniu, coeficientii nestandardizati b i§i dovedesc limitele, deoarece sunt
Similar, in cazui neuroticismului, interpretarea
dependenti de amplitudinea scalelor de mésurare utilizate. De exemplu, valoarea
= ~8,898 ar fi: 0 persoana care obtine la scaia de neuroticism cu un ‘punct mai
aparent foarte mare b = 217,93 din dreptul variabilei dummy ,,exp_vanz" se
mult decat o alta persoana, in conditiile in care la celelalte probe au obtinut
\ datoreaza faptului ca modificarea cu o unitate, de la 0 la 1, indica, de fapt, intreaga
performante egale (ceilalti predictori au fost tinuti constanti), se estimeaza ca va
scala de raspuns, pe cand un b de 24,47 indica evolutia criteriului in conditiile
avea cu 8,89 EURO vanzari lunare mai mici decat cea de-a doua.
modificarii tot cu o unitate a scalei de extroversiune, sa zicem de la 0 la 1, chiar
in cazui variabiielor dummy, interpretarea este ueor diferita. Astfel, in cazul
daca raspunsurile sunt cuprinse de la 0 la 24 de puncte. Daca b ar fi desemnat
variabilei dummy ,,exp_vanz”, care are un coeficient nestandardizat de regresie
schimbarea de la 0 la 24, cu siguranta valoarea sa ar fi tost mult mai mare (de 24
semnificativ statistic (b =’ 217,93) se estimeaza diferentele in vanzari dintre c
de ori). , -
persoana care are rezultatul 0 la variabila dummy respective ei o alta persoana
Pentru a elimina acest neajuns al coeficientilor nestandardizati b, SPSS—ul
care are cota 1 la aceeaei variabila, In conditiile In care infiuenta celorialti predictori
ofera ei vaiorile coeficientilor standardizati, denumiti beta. Aceetia au proprietatea
este tinuta constanta in exemplul dat, daca doua persoane obtin rezultate identice
de a nu fi dependenti de scala de masurare, prin urmare ei permit 0 comparare
la nivelul de extroversiune, la cei de neuroticism ei la cel de atractivitate fizica, dar,
directa a ponderii predictorilor. Din acelaei ultim tabel al figurii 6.10 se constata ca,
diferé in ceea ce priveete experienta profesionala, in sensul ca una are experienta
In ordine descrescatoare a importantei ior Tn estimarea criteriuiui se afia: un nivei
Tn domeniui vanzariior (expflvanz = 1), iar cealalta nu are nici un fel de experienta
ridicat de extroversiune (B = .420), experienta profesionala in domeniui vanzarilor
(exp_vanz = O), prima se estimeaza ca va obtine lunar, in vanzari, cu 217,93
(B = .368), atractivitatea fizica ([3 = .266) ei un nivei scazut de neuroticism (B = -
EURO mai mult decat cea de-a doua. Cu alte cuvinte, in conditiile mentinerii
.167). Cealalta variabila dummy, nefiind semnificativa statistic, nu prezinta interes,
constante a influentei celorialti predictori, experienta anterioara in domeniui
deoarece nu ajuta la estimarea performantelor in vanzari.
vanzarilor aduce un plus lunar de 217,93 EURO in comparatie cu absenta oricarei
Unii autori precum Licht (1995), au atras atentia asupra necesitatii de a
experiente profesionale.
interpreta cu mai multa precautie aceeti coeficienti standardizati beta Astfei, nu
~Se observe in cadrul acestei variabiie dummy ca se face comparatia cu
este indicat jocui proportiei ponderiior De exemplu, este riscant sa interpretam ca
categoria de referinta aieasa, in cazui dat, persoanele fara nici un tel de experienta
un B de .42 indica o importanta aproape dubia asupra estimarii performantei In
profesionala. in cadrul acestei comparatii nu se tine seama de 0 alta categorie de
vanzari In comparatie cu un fide .26. De asemenea, intre doua valori beta
ras‘punsuri posibile, aceea a persoanelor care au experienta profesionala, dar in
apropiate, ex. [3 4.2 ei B 36 este dificil de apreciat ca prima este mai mare decat a
alte domenii decat cei al vanzarilor. Comparatia dintre aceste persoane ei ceie fare
doua data fiind apropierea dintre ceie doua care face posibiia intersectia Ior in
experienta se obtine prin consultarea celei de—a doua variabile dummy ,,exp_altd”,
cazui precizarii unui interval de Incredere pentru ceie doua valori. Prin urmare
al carei coeficient de regresie a tost nesemnificativ statistic (b = 13,66). Se observa
vaiorile beta trebuie interpretate Intr-un mod relativ. De exemplu, din vaiorile
ca prin alegerea categoriei de referinta ,,persoane fara experienta profesionala” se
amintite mai sus reiese, destul de clar, ca experienta profesionala in domeniui
face de fapt compararea dintre aceasta 5i toate celeialte categorii posibile.|in
vanzarilor‘ in comparatie cu absenta oricarei experiente profesionale ei nivelul de
schimb, este imposibila compararea dintre categoriile care nu joaca rol de referinté,
extroversiune sunt cei mai importanti predictori ai pertormantelor in vanzari, cel
in cazui de fata fiind imposibil tehnic sa comparam diferentele in performanta din
putin comparativ cu nivelul de neuroticism sau chiar cu gradui de atractivitate
vanzari dintre persoanele care au experienta in acest domeniu §i ceie care au
fizica.
experienta in alte domenii. Pentru a putea face acest lucru este necesar sa alegem
alta categorie de raspuns ca variabila de referinta. De exemplu, daca am nota cu O
206 207
_lllllllii ; ,
Din punct de vedere tehnic, acesti coeficienti standardizati se pot interpreta neuroticism, primeste note 7 ca grad de atractivitate fizica si care, are experienta in
intr-un mod similar cu cei nestandardizati. Daca cei din urma arata cu cat se domeniul vanzarilor. Ecuatia de regresie in cazul acestui individ devine:
modifica criteriul in conditiile in care predictorul corespunzator creste cu o unitate,
iar ceilalti predictori raman constanti, coeficientii standardizati arata cu cat se Performanta-estimata in vanzari = 1038 + 24,5*1O —- 8,9*5 + 33,9*7 + 217,9*1 + 13,6*O =
'
modifica criterlul in abateri standard daca predictorul in cauza creste cu 0 abatere 1693.7 EURO
standard, iar ceilalti réman constanti. De multe orifinterpretarea pe baza acestor
coeficienti devine dificil de inteles sau fara un sens foarte clar. De exemplu, in. Tre'buie remarcat un alt aspect tehnic, legat de pastrarea celei de-a doua
cazul extroversiunii, [3 de .42 arata ca, in conditiile mentinerii constante a influentei variabile dummy in ecuatie, desi ea nu a contribuit semnificativ statistic la
celorlalti predictori, atunci cand nivelul de extroversiune creste cu o abatere estimarea valorii criteriului. Acest lucru a fost necesar, debarece cealalta variabila
standard; criteriul creste cu 0,42 abateri standard. Din aceste considerente, dummy a .fost semnificativa statistic. in mod normal, variabilele care nu contribuie
interpretarea datelor se face, de obicei, din prisma coeficientilor nestandardizati de semnificativ la estimarea criteriului sunt eliminate din ecuatie, aceasta masuré fiind
regresie, valorile‘ beta servind doar la aprecierea importantei si ponderii urmata de 0 alta analiza de regresie, obtinuta doar pe baza predictorilor
predictorilor in estimarea evolutiei criteriului. semnificativi, deoarece valorile b ale acestora se modifica prin renuntarea la
anumiti predictori. Singura exceptie 0 constituie variabilele de tip dummy, care sunt
Ce sunt coeficientii de regresie din punct de vedere statistic? concepute impreuna ca un set de predictori. in cazul lor sunt posibile doar doua
in cazul regresiei liniare simple, beta este egal cu vaioarea coeficientului decizii: fie se pastreaza toate variabilele, daca cel putin una dintre ele este
de corelatie simpla dintre predictor si criteriu. In cazul regresiei multiple, datorita semnificativa (precum in exemplul dat). fie se elimina intreg ’setul de variabile‘
. dummy, in cazul in care nici una dintre acestea nu contribuie semnificativ la
prezentei mai multor predictori, beta nu mai este egal cu vaioarea coeficientului de
corelatie simpla intre predictorul respectiv si criteriu. in’astfel de cazuri, beta este 9-4- ~ estimarea criteriului.
un coeficient standardizat ponderat de regresie (in engleza ,,standardized partial
regression weight”), tiind din acest punct_de vedere similar cu cei prezentat in
matricea modelului factorial, din cadrul analizei factoriale. in practice, se omite de 6.3.3. lnstrumente complementare regresiei in scop predictiv
multe ori sintagma ,,partial" din titulatura, ceea ce poate duce la interpretari eronate
(Licht, 1995). Mai exact, coeficientul reprezinta o corelatie semipartiala Tntre 6.3.3.1. Decizia organizationala" '
predictor si-criteriu. Daca corelatia partiala indica relatia dintre predictor si criteriu, in urma stabilirii unei ecuatii de regresie, se poate constata eficienta
dupa ce se eliminé influenta celorlalti predictori inclusi in ecuatia asupra celor doi modelului estimativ propus si prin alte mijloace decat consultarea valorii
termeni, corelatia semipartiala arata relatia dintre predictorul in cauza si acea parte coeficientului de determinare multipla. Astfel, am putea imparti sUblectii pe seama
a criteriului care nu a fost explicata de ceilalti predictori din model. mediei ori a medianei, in functie de'distributia statistica avuta, in doua grupe:
subiectii care au obtinut rezultate sub vaioarea mediei (medianei), respectiv
subiectii care au obtinut rezultate peste vaioarea mediei (medianei). Aceeasi
6.3.2. Rolul ecuatiei de regresie in interpretarea datelor cu scop impartire se poate face utilizandl rezultatele estimate ale subiectilor, utilizand insa
predictiv ‘
drept criteriu, media sau mediana acestor estimari. in urma acestui demers, vom
in urma oricarei analize de regresie efectuata in scop predictiv, ecuatia de ‘obtine un tabel, precum cel de mai jos, in care _vor rezulta patru categorii de
regresie are un rol esential. Prin intermediul ei, putem estima rezultatele altor subiecti: cei pentru care atat rezultatele cbservate, cat si cele estimate, se afla
persoane, pe baza predictorilor gasiti relevanti pentru evolutia criteriului. 8a luam deasupra mediei (i); cei pentru care atat rezultatele observate, cat si cele estimate
ecuatia de regresie pentru exemplul dat, extrasa din acelasi ultim tabel al figurii se afla sub nivelul mediei (4); cei ale caror rezultate observate sunt deasupra
6.10, pornind de la coeficientii de regresie: mediei insa rezultatele estimate se afla sub acest indicator (fals negativ) (2);
respectiv cei ale caror rezultate observate se afla sub nivelul mediei, dar a caror
Performanta vanzari = 1038 + 24,5*Extroversiune — 8,9*Neuroticism + 33,9*Atractivitate estimare se afla deasupra acestei valori (fals pozitiv) (3).
fizica + 217,9*Dummy Experienté in'vanzéri + 13,6*Dummy Experienté in alte domenii
Pe baza acestei ecuatii, se pot estima rezultatele unui individ care, sa
presupunem, obtine 10 puncte la probe de extroversiune. 5 puncte la scala de
208 209
“ l l it il lll‘ l l lll‘ l l ill 1 1 1 l w i illllllll l ll l1 m l ‘l‘ l l l ‘l, ‘l‘ ‘l‘ ‘l‘ l 1‘ I ,
l lll l l l ‘ l l llll llll llll llll‘ llll illlllll illli llll illiqll‘ lll‘ ‘lll W ‘1‘ ill ‘ll‘ lll‘ l l ill 1 i l l l l l lll‘ l l ‘lll l l ‘lli l l
Tabelul 6.2. Distributia subiectilor pe categorii conform acestei metode pétratice 'sunt normale, din moment 0e R2 ajustat corespunz- tor ecuatiei de regresie nu a
“ Iuat valoarea 1, Ci doar 0,445.
Rezultate observate Rezultate observate
Pe baza acestui tabel se poate obtine si un procenlaj de, raspunsuri
sub'medie V' peste medie
corecte, pe baza tormulei:
Rezultate estimate sub medie + + (4) - - + (2)
Rezultate estimate peste medie + - (3) - - (1)
A-l-B
Cored = “— (6.2)
A+B+C+D
Conform acestui tabel, cu cat procentul persoanelor ale carer rezultate au
fost estimate corect (cadranele 1 si 4) este mai mare, cu atat modelul se dovedeste in cazul dat, valoarea obtinuta indica 0,8166, ceea ce arata un procentaj
mai util in clasificarea performantei subiectiior pe baza ecuatiei de regresie de 81,66% ('19 estimari corecte. Un asemenea rezultat se apreciaza subiectiv. De
obtinute. , . exemplu, a estima corect in aproximativ 4 din 5 cazuri performan’ga in vanzéri
ln cazul utilizarii ecuatiei de regresie din exemplul prezentat, pornind de la Obtinuta de candidatii la un post in domeniu poate fi considerata o cifré destul de
baza
‘ de date ,,regresie multiplasav", sunt necesare mai multe operatii. buna, pentru a include predictorii respectivi in decizia procesului de seleciie. in alte
Prima dintre ele vizeaza salvarea valorilor estimate ale criteriului, ca situatii, mai ales din domeniul medical, un asemenea procentaj nu este
variabil’a noua, in urma rularii analizei de regresie in cauza (calea ,,Analyze"- satisfacator, mai ales daca el priveste atribuirea unui diagnostic gresit, insa in
Regression"—Linear”-,,Save”-Unstandardized"). situatii speciale, poate fi acceptat, dacé alte metode nu reusesc 0 predictie mai
Cel de-al doilea pas consta in calcularea mediei si a medianei pentru cele buna,
doua variabile de interes —— criteriul observat, respectiv criteriul estimat — si ‘ Pitariu (1983, p. 140—145)
' ofera o analiza in detaliu a acestor aspecte,
alegerea celui mai potrivit indicator descriptiv pentru felul in care arata distributia _ oferind o serie de indicatori ce pot fi calculati si utilizati in decizii de selectie
datelor. in cazul dat, distributia pare normala pentru ambele cazuri, iar valoarea profesionala. Merita sa fie mentionat faptul ea, in asemenea situatii, impartirea
mediei a fost de 1407,27 pentru datele observate, respectiv de 1407,266 pentru subiectilor in satisfacatori ‘si nesatisfacatori nu trebuie sa se facé tinénd seama
datele estimate, fiind practic egale. neaparat de medie. De exemplu, daca suntem interesati de candidatii fearte buni
AI treilea pas consta tn recodarea celor doué variabile in doua variabile . pentru un anumit post, ar fi nepotrivité impartirea subieciildr in cele doué grupe pe
diferite, nou-create, astfel incat valorile mai mari decat media sa ia valoarea 1, iar baza mediei sau a medianei, deoarece un rezultat putin mai mare decaf acesti
‘
cele mai mici decat media ea ia valoarea 0 (calea ,,Transform”-,,Recode”-,,lnto indicatori nu inseamna un rezultat foarte bun. De exemplu, daca cei care
' '
Different Variables”). efectueaza selectia candidatilor intr-un post de vanzari considera ca un angajat
in urma acestui pas, putem realiza un tabel de contingenta cu rezultatele foarte bun ar trebui sa Vanda lunar in valoare de 1700 de EURO, am putea utiliza
obtinute: acest criteriu dé impartire a candidatilor in ,,potriviti" si "nesatisfacatori". Utilizand
acelasi procedeu explicat mai sus, in caz'ul segmentarii subiectilor pe baza mediei,
Tabelul 6.3. Situatia clasificarii subiectilor in exemplul dat - si apeland la aceeasi baza de date vom obtine urmatoarea distributie a subiectilor:
Rezultate observate Rezultate obsen/ate
peste medie — 1
Tabelul 6.4. Situatia clasificarii subiectilor considerati ,,foarte buni” in exemplul dat
sub medie — 0
Rezultate estimate sub medie — 0 26 (B) . 6 (C) Rezultate observate Rezultate observate
Rezultate estimate peste medie — 1 5 (D) 23 (A) pane in 1700 peste 1700
Rezultate estimate péné in 1700 45 (a) a (C)
@nterpretarea acestui tabel se face simplu: din totalul de 60 de subiecti (Rezultate estimate peste 1700 4' (D) 3 (A)
testati, pe baza ecuatiei de regresie 49 dintre ei au fost identificati corect. Astfet, 26
dintre cei care au obtinut rezultate sub medie, au fost estimati corect, pe baza Din acest tabel se vede ca in ceea ce priveste identificarea subiectilor cu
ecuatiei ele regresie, ca obtinand rezultate sub medie. Similar, in 23 de cazuri, s—a rezultate foarte bune in domeniu, Iucrurile nu stau la tel de bine. Astfel, dintre cei
reusit identificarea corecta a persoanelor care au obtinut rezultate superioare 11 subiecti care au obtinut performante superioare vaiorii de 1700 de EURO,
mediel. S—au inregistrat insé'si esecuri, la'sase subiecti s—au estimat rezultate sub intrand in categoria personalului din vanzari foarte bun, doar trei au fost identificati
medie, insa ei au obtinut rezultate peste medie, respectiv la cinci subiecti s-au corect de catre model. Ceva mai bine stau Iucrurile in cazul celor considerati a nu
estimat rezultate peste medie insa s-au obtinut rezultate sub medie, Aceste esecuri face parte din categoria celor buni, Astfel, dintre cei 49 de participanti care au
210 211
de subiecti testati si nu unor caracteristici
i ale esantionului care nu permit
obtlnut performanie Tn vanzari sub valoarea de 1700 EURO, 45 au fost identificati
corset. Prin urmare, modelul este destul cle bun pentru a detecta pe cei dare nu pot
-.generalizarea. _
O alta posibilitate consta Tn testarea altor subiecti si compararea
face parte din categoria subiectilor ,,foarte buni" Tn domeniul vanzanlor (fats:
rezultatelor celor, doua ecuatii de regresie. Aceasta metoda este cea mai buna, din
pozitivi) Tnsa nu este foartepun Tn evaluarea subiectilor care fac parte din categona
falsi negatrvr. Totusr, perspectiva validitatii eoologice Tnsa necesita un consum mare de resurse.
celor foartefibuni. din cauza numarului relatiy mare de subiecti
lipsa altora mai eficiente, deoarece in starsit, cea de—a treia modalitate ar fi sa consultam estimativ valoarea
Tn ansamblu, modelul predictiv poate fi folosit Tn
ca estimarea pe baza ajusiatfi a coeficientului de determinare multipln R?— ajustat oferit de SPSS, care,
conditia minima de acceptare a modelului, si anume,
'desi 'nu reprezinta ceea ce multa lume crede, si anume, eficienta modelului de
prediotorilor inclu§i sa fie mai buna deoat cea realizata Tn absenta acestora, este
regresie Tn cadrul populatiei din care a fost extras esantionul testat (Field, 2000),
Tndeplinitar Formula de verificare a acestei conditii este (Pitariu, 1983):
ofera o idee despre eficienta utilizarii ecuatiei 'de regresie si pe alti subiecti decat
A+C testati. Astfel, daca valoarea sa ajustata este suficient de mare (e; R2 ajustat =
A @cei
——>———————-— (6.3) ‘40) si nu difera mai mult de trei—patru procente de valoarea lui R2 neajustat-,
A+D _A+B+C+‘D
exista premise pentru a putea generaliza modelul estimativ pe toti subiectii din care
a fost extras esantionul. Aceasta ultima posibilitate este Tn mai mare masura
supusa riscului de a ne Tnsela Tn comparatie cu primele doua. De aceea, recomand
lnlocuind datele din tabelul 6.4. in formula de mai sus, obtinem (3/7 > 11/60), adicav
ecuatiei de regresie ca Tn situatia utilizarii regresiei Tn scop predictiv, sa se realizeze o contravalidare,
0,245, ceea ca 53 traduce prin faptul ca, Tn urma utilizarii
fie prin analiza dubla a grupelor extrase prin Tnjumatatirea lotului de subiecti, fie
reSpective Tn selectia personalului Tn vanzari, crests procentul celor care vor
prin testarea unui nou, esantion si compararea rezultatelor obtinute pe ceie doua
corespunde cerinteior postului cu 24,5%. Mai multe detain despre modul de
@‘Ioturi.
a regresiei in procesul de selectie pot fi gasite Tn Pitariu (1983).
Revenind Ia exemplul dat, numarul redus de subiecti testati (N = 60) nu ne
@utiiizare permite aplicarea metodei de Tnjumatatire, Cum nu exista un alt esantion de
\ comparatie, va trebui sa ne muitumim cu aprecierea valorii ajustate a coeficientultii
6.3.3.2. Contravalidarea
de determinare multiple. in conditiile Tn care R2 ajustat este'.445, iar R2 este .492,
in cazui regresiei utilizate Tn scop predictiv, o importanta deosebita o are
se obsen/a o distanta destul de mare Tntre cele doua valori, fapt care pune sub
contravalidarea Sau validarea transversala (Tn engleza ,,cross-validation”). semnul indoielii pesibili‘tatea de a generaliza rezultatele obtinute. Totusi, nu ne
lndiferent de termenul folosit, prin acest procedeu se urméreste sa se stabileasca
unui esantion de
putem baza foarte mult pe aceste rezultate, deoarece diferenta destul de mare
Tn ce masura 0 ecuatie de regresie obtinuta pe baza Chestionarii dintre cele doua valori se poate datora numarului relativ redus de subiecti testati.
cu succes Tn predictia performantei altor subiecti. a
subiecti poate fi folosita Pentru in ultimii ani s-au dezvoltat alte metode de contravalidare interna a
realizaiacest tip de validare exista trei mijloace de baza, primele doua fiind si cele modelelor de regresie precum bootstrap (o traducere aproximativa a termenului din
mai potrivite. Astfel, o prima posibilitate consta Tn Tnjumatatirea esantlonulurtestat limba engleza este de largire sau Tntindere). Bootstrap-ul (Thompson, 1995b)
printr-o metoda aleatorie, urmata apoi de calcularea coeficrentilor ecuatiei de implica copierea setului .de date de cateva sute sau mii de ori Tntr—un fisier foarte
regresie pentru cele doua grupe. De exemplu, daca au fost testati 250 de subiecti,
mare. Apoi, din acesta sunt extrase sute sau mii de esantioane diferite a carer
se pot obtine doua grupe a Cate 125 de subiecti care sunt analizati prin metoda
mérime este egala cu cea a esantionului initial. Tehnica permite ydatelor deja
regresiei. Dacé coeficientii de regresie din cele doua ecuatn sunt apropiati ca extrase sa fie selectate din nou. fiind astfel diferita de extragerile loto, Tn care un
valoare, se poate estima ca ecuatia de regresie obtinuta prin agregarea celor doua ,
numar, 0 data extras, nu mai poate fi pus la loopentru a putea fi ales din nou.
grupe este destul de solidé si poate fi folosita Tn prediotia evolutiei altor subieotj. Pentru fiecare dintre suteie sau miile de esantioane obtinute se calculeazé
Avantajul acestei metode consta Tn economia de timp sl resurse, Tar dezavantajul rezultatele individuale, Tn functie de scopul urmérit (exfmedii, abateri standard,
co'nsta Tn numérul relativ mare de subiecti ce trebuie testati pentru a putea Tmparti coeficienti de regresie etc.). De exemplu, se poate obtine o medie generala pentru
esantionul Tn doua grupe. De exemplu, daca avem Tn total‘doar 100 de subiecti coeficientul de regrresie corespunzator unui anumitpredictor pe baza coeficientilor
a
testati, Tnjumatatirea lor va conduce la un numar destul de mic de subiecti pentru
de regresie observati Tn fiecare esantion extras. Prin aoeeasi metoda se calculeaza.
estimia coreci Coeficientii de regresie, deoarece un esantion mic conduce la si eroarea standard a acestui coeficient general, care nu este altceva decat
ln
estimarea unor coeficientj de regresie cu un grad ridicat de instabilitate.‘ abaterea standard obtinuta Tn urma Tmprastierii mediilor din esantioanele extrase,
asemenea conditii am putea ajunge la concluzia ca nu vom putea utiliza ecuatia pe
Daca aceasta eroare standard la 0 valoare redusa, ne putem Tncrede Tn
alti subiecti, de§i instabilitatea coeficientilor de regresie s-ar datora numarului mic
213
212
coeficientul de regresie obtinut, aspect esential in orice analiza de regresie, cu atét peel. Se oalculeaza reziduurile, care aea cum am amintit, constituie diferenta dintre
mai mult in oea cu soop predictiv. scorul estimat ei oel observat in ceea ce priveete oriteriul. Deoarece reziduurile
sunt dependente de unitatea de ”masura utilizata in evaluarea criteriului, se poate
6.3.3.3. Analiza cazurilor influente oalcula rezidul standardizat, in stil olasio (in engleza ,,standardized reziduals"),
'
adioa nu toti subieo’tii,
' eouatiei de regreéie, nu toate cazurile,
in stabilirea asemanator cu cel prezentat in sectiunea destinata cotelor z sau printr-un anificiu
contribuie la fel la stabilitatea $1 corectitudinea ecuatiei de regresie gasite. de oaloul (Tn englezé ,,studentized reziduals”). Ultimul pare a fi mai efioient in
Regresia, fiind bazata pe ideea asocierii dintre variabile, are. toate limitele estimarea corecta a 'valorilor standardizate in cazul reziduurilor. lnterpretarea
p'rezentate $1 in cazul oorelatiel. Spre exemplu, aea cum valoarea .coefioientului de acestora se face intr-un mod similarcu cel prezentat in 'standardizarea datelor.
corelatie poate fi afectata grav de prezenta unor date neoblenuite ei linia de Astfel, in mod normal aproximativ 95% din reziduurile standardizate ar trebui sa
regresie poate fi grav afectata de asemenea-valori. Figura 6.11. ofera o ilustratie a aiba valori cuprinse intre -2 $1 +2, iar aproximativ 99% ar trebui 5a aibé valori intre —
acestei situatii, in figure din stanga fiind prezentata Iinia de regresie in absenta 3 §i +3. Daca observam un numar mult mai mare de valori situate in afara acestor
cazului neobienuit, iar in dreapta se poate observa evolutia ei in prezenta acestui
' intervale, sa zicem 4% se afla in afara intervaluI'Ui [-3 +3], am putea afirma ca
caz. 3 » ecuatia de regresie obtinuta este influentata in masura destul de mare de prezenta
Simpla prezenta a unor date neobienuite poate afeota Iinia de regresie 5i cazurilor extreme. Daca acestea se afla intr—un numar redus (ex. 1% din reziduurile
conduoe la rezultate distorsionate. Astfel, daca analizam linia de regresie din figura standardizate au valori cuprinse in intervalul [—3 +31), atunci influente datelor
din dreapta se observe ca traiectoria ei nu urmareete corect evolutia majoritatii neobienuite asupra ecuatiei de regresie poate fi socotita minima, §i in consecinta,
punctelor, adica a cazurilor observate, deoarece tine, seama de influente datelor modelul estimativ poate fi utilizat in predictie.
extreme asupra modelului. Daca asemenea date ar fl eliminate, precum in Nu numai datele neobienuite pot exercita o influente mare asupra
imaginea din stanga, Iinia de regresie va desorie mult mai bine evolutia criteriului. coeficientilor din ecuatia de regresie. Alaturi de acestea pot fl intalnite §i alte oazuri,
Prin urmare, in cazul utilizarii regresiei in scop predictiv trebuie sa analizam denumite influente, care pot afecta valorile coeficientilor de regresie. Logica
neaparat daca exista date neobienuite 5i sa neutralizam influente acestora prin acestora este simple: daoé vom elimina un anumit caz din setul de date, iar acest
realizarea unei noi regresil dupa eliminarea lor din analiza, deoareoe ele afecteaza lucru va conduce la modificari importante in valorile anumitor coeficienti de
valorile coeficientilor de regresie. regresie, inseamné ca ace‘l oaz exercita o influente importanta asupra modelului
estimativ. Pentru a verifioa existenta cazurilor influente se pot calcula o multime de
indicatori precum: rezidul standardizat eliminat (in engleza ,,studentized deleted
rezidual), distanta lui Cook, distanta lui Mahalanobis etc. Dintre acestea, distanta
ridicate ridlcate
lui Cook este oel mai ueor de interpretat. Daca valoarea sa este mai mare de 1,
atunci cazul respectiv are 0 influente mare asupra parametrilor modelului (Cook $1
Vanzari Vanzari Weisberg, apud Field, 2000).
Concluzia care ar trebui desprinsa din analiza divereilor indicatori este sé
se pastreze, pe oat posibil, toate cazurile observate in analiza de regresie. Totuei,
in situatii exceptionale, in care anumite cazuri constituie atat date neobienuite
scazute scazute
Clare, cat §i cazuri care influenteazé in mare masura ecuatia de regresie obtinuta
(valori ale distantei lui Cook mai mari de 1), acestea pot fi eliminate, pentru a
Vanzari Vanzari obtine un model estimativ oat mai coreot. Aceasta recomandare trebuie urmata mai
ales in situatia in care regresia este folosita 1n scop predictiv, deoarece va reduce
lntrovertite Extravertite lntrove’rtite Extravertite
rezidul (distanta) dintre valorile observate §i cele estimate pe bazaeouatiei de
regresie. . .
Figura 6.11. Influenta datelor neobi§nuite asupra pantei Iiniei de regresie
Tn problema data, vizand estimarea performantei subiectilor in Vanzare,
datele indica absenta unor cazuri neobienuite §i / sau infente, aea cum rezulté $1
'
din outputul oferit de SPSS 11.0.
Pentru a identifioa cazurile neobignuite, in vederea obtineril coeficientilor
de regresie cei mai potriviti pentru a desorie setul de date, se pot realiza urmatorn
214 215
Jillilllll‘lllll
6.4.1. Logica regreSiei utilizate in scop explicativ

Residuals Statistics"
» N
Regresia cu scop explicativ este utilizata frecvent atat in cercetarile
Minimum Maximum .. Mean Std. Deviation
Predicted Value 1026,23 1814,13 1407,27 197.567 . 60 fundamentale, cat si in cele aplicative. ln absenta unui design experimental care sa
. " ‘
Std. Predicted Value -1 ,929 2,059 ,000 1,000 00 permita atat manipularea variabilelor independente, cat si controlul acelora care ar
v '
Standard Error of v . putea afecta relatia dintre Vl si VD, este dificil sa lzolezi o relatie de tip cauzal. Mai
147,192 64,695 14,897 60
Predicted Value 41,297 mult, datorita unor situatii specifice sau a incalcarii unor standards etice de
Adjusted Predicted Value 1018,69 1810,29 1408,34 197,618 60 cercetare, experimentul nu poate fi utilizat, chiar daca ne dorim sa studiem o reiatie
Residual ~381,07 545.66 ,00 200,761 60 ‘
de tip cauzé-etect. in asemenea situatii, regresia multilinara reprezinta metoda de
Std. Residual -1,816 2,600 ,000 ,957. 60
compromis,. prin care se incearca stabilirea unei relatii nedistorsionate intre
Stud. Residual 4,897 2,736 -,002 1,004 60
variabilaindependenta (predictor) si variabila dependenta (criteriu), in conditiile
Deleted Residual 415,65 604,10 -1,07 221,466 50
controlulul statistic al altor variabile de interes. De exemplu, daca am dori sa
Stud. Deleted Residual —1,945 2,920 ,002 1.026 60
vedem care este infenta factorilor de personalitate asupraconducerii agresive a
Mahal. Distance 1,302 28,044 4,917 3,526 60
Cook's Distance 5000 ,134 ,017 ,027 60
automobilului, ar trebui sa tinem seama de 0 serie de aspecte intermediare care
Centered Leverage Value ,022 ,475 ,083 ,060 60 pot afecta relatia dintre ei. Astfel, nu putini dintre noi am vazut, de obicei seara,
masini stralne conduse de ,,pusti" ce asculta muzica la maxim gonind nebuneste pe-
a. Dependent Variable: Vanzari lunare in EURO
strazi, punand in pericol viata oamenilor si a traficului'din acele momente. Ar ti
imposibil sa realizam un experiment pe aceasta problema numai si din motivul ca
Figura 6.12. Indicate/7‘ desoriptivi in ana/iza daielor neobisnuite er’ a cazurilorinfluente
trasaturile de personalitate nu pot fi manipulate experimental. in absenta acestei
SPSS este'o marca inregistrata. manipulari, ne ramane posibilitatea controlului efectelor altor variabile posibile
asupra variabilei dependente. De pilda, tipul de masina, sexul si varsta subiectilor,
prezenta sau absenta altor persoane in automobil etc. sunt numai Cativa factori
lnformatiile de interes maxim au fost ingrosate. Se observe ca nu exista
care pot influenta conducerea agresiva a masinii. Pentru a controla acesti factori
nici un caz neobisnuit (valorile reziduurilor standardizate ajustate fiind cuprinse avem doua optiuni. Fie vom exercita un control in designul cercetarii, prin alegerea
intre 4,89 si 2,73) si nici un caz influent (distantele Cook fiind cuprinse intre 0 si unui esantion de subiecti similari (au acelasi gen de masina, acelasi numar de
0,13). Daca s-ar ti intalnit asemenea cazuri, acestea trebuiau identificate, persoane in. masina, acelasi sex si aceeasl varsta), aspect care nu ne avantajeaza
consultand noua variabila creata si denumita automat de SPSS coo_1. din perspective resurselor avute la dispozitie, fie vom exercita un control Statistic
asupra influentei acestor factori in relatia dintre trasaturile de personalitate si
conducerea agresiva a autoturismului.
6.4. Regresia multiliniara in scop explicativ Regresia llnlara multipla in scop explicativ, aplicata prin metoda ierarhicé,
este calea principala de control statistic al influentei altor variablle asupra relatiei
Exista multe lntrebari interesante la care 56 poate oferi un raspuns dintre Cele de interes. ln cazul dat, prin regresie ierarhica putem raspunde la
stiintific, fara a fl interesati insa de evolutia unei anumite persoane. De pilda, am intrebarea: “influenteaza anumite trasaturi de personalitate tendinta subiectilcr de a
putea studia care trasaturi de personalitate pot prezice adulterul, daca consumul conduce masina in mod agresiv, in conditiile contrplarii (eliminarii) influentei altor
de tutun inhlba sau faciliteaza procesul de invatare, daca stilul de personalitate factori sltuationali precum tipul masinii, caracteristicile demogratice ale soferilor
afecteaza performanta in conducierea autovehiculelor etc. in toate aceste situatii etc.?”. '
,
ne intereseaza variabilele respective, care pot oferi un raspuns epistemic deosebit Drept exemplu, vom utilize o'baza de date ipotetica, adaptata dupa
de util si nu subieCtii utilizati, pentru ca nu ne propunem sa facem anumite predictil cercetarea realizata de Miles si Johnson (2003). Prin comportamentul de
concrete, precum cele intalnite in selectia profeslonala. in consecinta, daca in conducere agresiva se lntelege un ansamblu de practici precum conducerea
regresia de tip predictiv eram interesati, in ultima instanta, de valoarea estimate a automobilului cu viteza excesiva, inadecvata situatiei in trafic, nesocotirea unor
'
performantei subiectilor pe baza unei ecuatii de regresie obtinute, in cazul regresiei reguli de circulatie de baza, nervozitate la volan asociata cu adresarea de injuraturi
cu scop 'explicativ ne intereseaza procesul in sine, fara a acorda o importanta sau gesturi obscene celorlalti participant} la trafic, stare de surescitare sau sires
estimarii valorilor subiectllor. intens. Acesti autori au identificat trei dimensiuni de personalitate din Big Five care
ar exercita ov influenta semnificativa asupra conducerii de tip agresiv. Astfel, o
217
Ill iiiiiitiiiiiiiliiiillillill_1i I l
nu dovedeete existenta unei relatii cauzale. aceasta fiind demonstrabilé doar prin
gongtiinciozitate §i o vagreabilitate scazuté, asociate cu un nivel ridicat de apelul Ia metoda experimentului Totuei. pe baza unei analize logice bazate pe
weurotiCism favorizeaza COnduita agresivé la volan. ~ antecedenta relatiilor de genul ,,fumatul afecteaza grav sanatatea' at nu ..sanatatea
Dacé am utiliza regresia, in forma sa simultané, am putea vedea care este
afecteaza grav fumatul”. am putea deduce de multe ori directia relatiei cauzale
30nderea fiecéruia dintre cei trei factori. inséi' nu am putea controia. influenta altor ln cea de--a doua ecuatie, pe Ianga factorii prezentati in primul model. va fi
=actori (ex. varsta. nivelul de educatie. sexul persoanei etc.) asupra conduitei
inclus §i setul de predictori (predictorul) despre care presupunem cé'influent‘eazé,
agresive. Prin urmare. ar exista riscul ca relatiile observate Tntre tréséturile de '
de asemenea. evolutia VD.
Jersonalitate §i oonducerea agresivé a maginii sé se datoreze acestor variabile Pentru a realiza in SPSS o regresie ierarhicé vom apela Ia calea:
:erte, pe care nu Ie—am controlat. De aceea, pentru a vedea in ce mésuré aceste
,,Analyze”-,,Regression”-..Linear". in .fereastra deschisé vom introduce agresivitatea
:rasaturi de personalitate influenteaza comportamentul Ia volan al subiectilor in ' la volan ca variabilé dependenté ei predictorii din prima ecuatie ca variabile
:onditiile eliminérii influentei altor factori asupra acestei conduite in trafic. va trebui independente. Apoi vom apésa butonul ,.Next". iar de aceasté data vom introduce
sé utilizém regresia iiniaré ierarhicé. tehnicé utilizaté frecvent in cazul regresiei Cu atat predictorii inciuei in primul pas. cat ei variabilele independents de interes. in
5cop expiicativ
cazul dat: ..agreabil”. .,neurotic" §i ..constiin".
Ca 0009 regresie de tip ierarhic, ea presupune compararea eficientei
explicative a cel putin doua modeie ierarhice In cazul de fata tinénd cont ca
lariabilele de control utilizate au fost sexul persoanei, tipul de maeina (straina sau 6.4.2. Testarea eficientei explicative a modelului propus
autohtona). varsta §i nivelul de educatie (superioare. respectiv medii sau
gimnaziale), cele doua ecuatii de regresie sunt: Prin intermediul rezultatelor oferite de SPSS’ 11.0 §i prezentate in figura
6.13.. vom obtine réspunsul la Tntrebarea: contribuie tréséturile de personalitate Ia
\gresivitate la volan = b0 + b1*Sex + b2*Tip maeiné? b3*Vérsta + b4*Educatie explicarea conduitei agresive Ia volan in conditiile in care vom controla influenta
— b0 + b1*Sex + b2*Tip maeina + b3‘Varsta + b4*Educatie
\gresivitate la volan
factorilor demografici care afecteazé comportamentul eoferilor?
+ b5*Neuroticism +
)5*Agreabilitate + b7*Con§tiinciozitate
Model Summary
Dacé diferentavdintre puterea explicativa a celor doué ecuatii este suficient
1e mare putem afirma ca trasaturile de personalitate influenteaza aqresivitatea la
. Change Statistics
Iolan Chiar daca eliminam influenta altor factori precum tipul de maeina sau Fl Adjusted Std. Error of R Square F Sig. F
:aracteristicile demografice ale subiectilor Model H Square Ft Square the Estimate Change Change df1 dt2 Change
1 ,5623 ,316 .303 1.859 .316 24.926 4 216 .000
Inainte de a trece la compararea celor doua ecuatii. pornind de la baza de
2 .688b .473 .456 1.643 .157 21.202 3 213 .000
late .regresie multiple autosav” , trebuie sa discutam pe scurt ce fel de variabile a. Predictors: (Constant). EDUCATIE. MASINA. GENDER, VARSTA
sunt trecute in prime ecuatie de regresie. De obicei. aici sunt trecute variabiiele b. Predictors: (Constant). EDUCATlE, MASINA. GENDER. VARSTA. constiinciozitate. agreabilitate.
:are se doresc a fi controlate. fie pentru ca nu prezinté interes pentru obiectivul neuroticism
studiului (precum in situatia de feta. in care he intereseazé doar influenta factorilor

:le personalitate asupra conduite agresive la volan), fie pentru ca au fost dovedite Figura 6.18. Compararea eficieng‘ei modelelor
anterior ca avénd o influenté semnificativa asupra variabilei dependente. O SPSS este o marcé aegistraté.
asemenea situatie apare in cercetérile complexe in care se doreete izolarea unui
efeot in conditiile unei actiunii comune a unei categorii de factori. De pildé, in
:ercetarile vizand rolul nociv al fumatului asupra sanététii, acesta a putut fi sustinut Din tabel pot fi desprinse céteva informatii esentiale. De exemplu. se
Iumai dupé eliminarea (controla'rea). altor factori impdrtan’gi pentru evolutia stérii de constaté 051 31.6% din evolutia dispersiei rezultatelor la agresivitatea la volan poate
sénétate a unei persoane precum poluarea. antecedentele familiale. vérsta, etc. fi explicaté de caracteristicile demografice ale goferilor (varsta, sex, educatie) gi de
Astfei. vom include In aceasta prima ecuatie fe factorii de interes despre caracteristicile maeinii. Acest procen‘t cregte dacé luém in calcul §i cele trei
:are exista suficiente informatii ca ar influenta evolutia variabilei dependente, fie traséturi de personalitate, astfel incét nu mai putin de 47.3% din dispersia criteriului
actorii care nu fac obiectul studiului respectiv dar pot afecta relatia dintre variabila agresivitate la volan poate fi pusa pe seama actiunii comune a factorilor
ndependenta (VI) §i cea dependenta (VD) De asemenea. deei se obienuieete demografici. a tipuluilde maeiné §i a acelor trei factori de personalitate selectati.
Itilizarea UtUlaTUFli d9 Vi Dentru Mai mult. diferenta dintre 'cele doué valori ale coeficientului de determinare
respectiv de VD pentru criteriu, regresia
predictor,
219
218
:kl—lllii‘
de 15,7%. aceast-
multiple, ARZ (delta R2 sau R2 sohimbare) este
Coefficientsa
Toat- ciestere a
estimativ poate fi pusé ex‘clusiv pe influentei ’
puterii explicative a modelului seama Unstandardized Standardized
agresiVitatu la volan a sofenlor.
celor trei dimensiuni de personalitate asupra Coefficients Coefficients
seama de valorile aiustate ale
Rezulta’te‘similare vom sesiza si daca vom tine Model B Std. Error
‘
Beta
.
t Sig.
1 (Constant) 8,605 ,818 10,524 ,000
coeficientilor de determinare multipla. . .
explicatiu adus cle . ' ,252
Se. poate observa, de asemenea, cé' aoest plus
GENDER 1,191 ,268 4,730 .000
'
agreswitatu la MASlNA 1,509 ,256 , ,336 5,901 ,OOO
introducerea dimensiunilor de personalitate in explicarea velan VARSTA -,138 ,031 —,265 -4,488 - ,000
213) = 21,20, p < .001, dupa ce
aduce 0 schimbare semnificativa statistic, F(3, EDUCATIE -,849 ,272 «,184 -3,121 ,002
tipul de masina, constitwa o
modelul initial, bazat 'doar pe factorii-demografici s1 2 (Constant) 10,991
‘
,785 14,001 .000
studiul
solutie predictiva semnifioativ mai buné decat cea bazata doarlpe‘ medieiv, GENDER 1,285 .280 ,289 5,593 ,000
in concluzie, desi factorii demografioi sl tipul de .
F(4, 216) = 24,92, p < .001. masma MASlNA 1,760 ,229 ,392 7,685 . ,OOO
agresivitate la volan, contreland
contribuie semnificativ la predictia nivelului de VARSTA -,123 ,029
i
—,238 4,328 ,000
aduc un plus explicativ
influenta acestor factori, dimensiunile de personalitate EDUCATIE —,656
' ,243 -,143 -2,703 ,007
pentru nivelul agresivitatii la volan. neuroticism 6,855E-03 ,025 ,014 ,271 ~ ,787
constiinciozitate —,324 ,054 ~,305 —6,028 ,000
agreabilitate . -,215 ,041 '~,278 ~5,314 ,000
In anallzele cu scop
6.4.3. Interpretarea coeficientilor de regresie a. Dependent Variable: agresivitatea la volan
expficaflv
figura 6.14 vom'deduce, la
Daca la nivel global lucrurile sunt Clare, din Figura, 6.14. Valon'le coefioienfilor de regresie nestandafdizafi s] standardizati
ca predicton contnbune
nivel analitic, care dintre variabilele incluse in studiu oferite de SPSS 11.0
de agresivitate la volan. a
semnitioativ statistic la explicarea nivelului Pentru usura SPSS este o marcé aegistraté.
a raspunsunlor
vom oferi mat tntai mo’dalitatea die codare
A procesul de interpretare
utilizata in acest caz: . .
- de fabricatie autohtona);
Gender (1- bérbat; O — femeie); Masina (1- strainé; O Dacé vom analiza rezultatele obtinute din cea de~a doua ecuatie de
-
Vuarsta
(1 ~ studii superioare; 0 — regresie, vom observa ca singura variabilé care nu contribuie semnificativ la
(variabilé numericé exprimata in ani); Educatie studii medusau
Constiinciozitate (variablla numerical);
gimnaziale); Neuroticism (variabila numerica); explicarea agresivitétii la volan este dimensiunea neuroticism, b = 0,0068 (in SPSS
(variabilé numerica).
Agreabilitate (variabilé numerical); Agresivitate Ia volan ' apare sub forma 6,8E—03). Toti ceilalti indicatori sunt factori care influenteaza
un nivel crescut al
Pentru toate scalele numerice, un rezultat ridicat indica semnificativ nivelul agresivitatii la ‘volan. Mai mult, datorité utilizarii metodei
'
variabilel respective. ‘ ierarhice, putem concluziona ca dimensiunile de personalitate agreabilitate s1
de
Se constata ca programul ofera valorile coeficientilor regresie .pentru constiinciozitate contribuie semnificativ la explicareaeonduitei agresive a soferilor
tipul de
ambele modele. in primul model, toti cei patru predictoriz‘sexul petsoanei, la volan, in conditiile incare au fest eliminate influentele determinate de varsta,
fapt ce-poate
masiné, varsta si nivelul de educatie iau valori semnificatlve statistio, sexul, nivelul de educatie 5i tipul masinii. Cu alte cuvinte, tn conditiile in care
semnlfioatlv la expllearea
fl interpretat ca fiecare dintre acesti factori contribUIe intalnim persoane care au aceeasi varsta, sunt de acelasi gen, au acelasi nivel de
de estimarea agresiVItatn
evolutiei variabilei dependente. Fiind mai putin interesati educatie si au acelasi tip de masina, dar care difera in privinta trésaturilor de
efect in reg‘resnle- cu
la volan, oi mai mult de prezenta sau absenta unui sineptn personalitate, vor avea un niVel diterit de‘ agresivitate la volan. Valorile negative ale
nestandardizati, dependent: de
scop explicativ accentul se muta dinspre coeticientii coeficientilor cle regresie asociate acestor doi predictori semnaleaza ca persoanele
standardizati. Astfel, in
scalele de masurare utilizate, spre coeficientii de regresie care au un nivel scazut de constiinciozitate si agreabilitate vor avea tendinta de a
bérbatii, foarte tlnen, eu un
ceea ce priveste primul model se obseryé ca, mai ales adopta un comportament mai agresiv decat persoanele care nu au aceste
din import mal
nivel de educatie mai scézut si posesori ai unor masini sunt cei caracteristici psihologice, chiarfln conditiile in care eiiminém (tinem constanta)
pare ca tipul
susceptibili sé eonduca agresiv automobilul. Dintre predictori, 5e de influenta factorilor demografici asupra acestei conduitei la volan. Din punctul de
nivelul de educatie
masina exercita cea mai mare influenté (B = .33), in timp ce vedere al ponderii. acestor efecte asupra variabilei dependente se constata cé tot
adoptat la
contribuie cel mat putjn ([3 = — .18) la estimarea tipului de comportament tipul masinii contribuie cei mai mult la estimarea agresivitétii la volan (13 = .39).
volan.
221
990
liiiuiiimmlllll_flllllll l l l . . .‘ . I ii i i ii i i ii i i. il l . i .
6.4.4. lndicatorii mérimii efectului Tn cazul regresiei multiple automobilului. Fiind vorba de un efect
izolat §i totodaté de un coeficient de
Mén’mea efectului poate fl calculaté §i Tn cazul aplicérii de once corelaiie, se poate calcula coeficientul de determinare
regresiei specific pentru relaiia dintre
tip. Dacé, Tn soop predictiv, accentul cade pe ale cele doué variabile, reamintindu—ne faptul cé
estimanBa pieddrman’gelm vutoeire acesta este egal
cu valoarea
unui subiect, pornind de la valorile anumitor §i de la. pétratului coeficientului de corela’gie. Astfel,
predicidn deierminarea am putea afirma 051 9% (-302) din
eficientei per ansamblu a modelului propus, Tn regreSIei Vdispersia comportamentul agresiv la
utilizarda nu volan poate fi explicaté de difereniele
explicativ accentul bade pe izolarea efectelor inc lscdp
us interindividuale Tn ceea ce prive§te nivelul de
pro-dusevdd flee-are. fantor congtiinciozitate al subieciilor testati
model. Astfel, avem nevoie de stabilirea variabile Itn Elementele preientate mai sus constituie cele
efectulul fiddarei mai importénte aspecte ale
asupra celei dependenté, deoarece indicatorii oblgnunti, Indiapenddnde interpretérii statistice Tn cazul utilizé’rii regresiei
\u/aloarea (EO'efICIET‘ltUIUI Tn scop explicativ. ,Aléturi de aceste
determinare multiplé, Tn forma ajustaté sau nu, ne arata doar manmea efectu |e' u: elemente, pot fi analizate §i alte aspects,
amintite Tn cazul regresiei Tn scop
rezultaté Tn urma actiunii combinate ale acestor variabile. predictiv, precum contravalidarea sau
v . analiza cazurilor influente. lnsé, dacé
cazul regresiei cu scop predictiv~ solutia Tn
Pentru aceésta. dacé vom bifa optiunea corespunzatoare din nu po‘ate fi conceputé féré o analizé atenté
cadru]
regresiei, accesibilé prin act‘ionarea butonului ,,Statistics", ne a acestor aspecte, deoarece ecuaiia va
"SPSS-ul fi utilizaté Tn scop estimativ, predictiv, Tn
indicatorii de corelaiie pariialé §i semipariialé, pe putem sta ll
01:? regresia utilizaté Tn scop explicativ acestea
baga Cdrora sun’c importante. dar nu eseniiale.
coeficienti de determinare individuali, Tn cazul fiecérui predictor in parts. Rezultatele obiinute Tntr-o regresie cu
scop explicativ pot fi reiinute §i apreciate
felul Ior, féré a realiza neapérat o analizé Tn
a cazurilor influente sau féré a
contravalida modelul, dacé vom respecta
Coefficients“ Tnsé conditiile de aplicare a regresiei.
Numai Tndeplinind aceste conditii, vom avea
Unslandardized ’
Coefficients
Standardized
Coefficienls
. . suportul cé modelul explicativ rezultat
1 Sig. Zero-order
Correlaiions
Pamal Pan
nu suferé de distorsiuni grave.
M od a| B Sid . Error Beta
1 (Consiani) 8,605 .818 10.524 _ .000
GENDER 1.191 .252 .268 4,730 .000 . 292 305 255
MASINA 1,509 .256 .336 5.901 .000 .325 - .373 . .332
6.5. Condigii necesare pentru aplicarea
~
VARSTA ».138 .031 -.265 ‘»4,438 .000 -.292 .253
EDUCATlE —,849 ,272 -.184 -3,121 ~23:
-.3 :203
, £175
. . regresiei liniare®
2 Conslant) 10,991 .785 14 . 001 .08:
.0
EEENDER 1,285 .230 .289 5.593 .000 .292 8
> ln vederea aplicérii corecte a regresiei liniare'este
MASINA 1,760 .229 .392 7,685 .22: 22322 necesaré Tndeplinirea
VARSTA , -,123 - .238 -4 . 328 .o
.022 -...23: ~..284
. -..215 mai multOr conditii tehnice. O buné trecere Tn
EDUCATIE
.029
‘ - . 134 revisté a acestora éste oferité Tn
neurolicism
-,656
6,855E—03
.243 -.143 -2.703 .007
Berry §i Feldman (1985) sau Licht (1995).
.025 .014 .271 “3(0):
~
.318: .013
constiinciozitale -,324 .054 -.305 -6,026 .32;
. :.326 :332 .300
agreabililale -.215 .041 -.278 -5.314 .000 -..193 .342
. ' . 254
a. Dependent Variable: agresivilatea Ia volan
6.5.1. Evitarea erorii de speCificare
Figura 6.15. Valori éle coeflcientilor de core/afie oferite de SPSS 11.0 Sub aceasté denumire pretentioasé se regésesc
acele modele Tncorect
SPSS este o marcé aegi'slraté. alese. O asemenea sitUa’gie apare atunci cénd
Tn-tre predictorii unei ecua‘gii de
régresie nu se gésesc unii care ar fl trebuit 'incIU§i.
De exemplu, dacé atét teoria,
cét §i practica din domeniul vénzérilonindicau
asenivitatea ca 0 tréséturé de
Coeficientii de ordinul zero, respectiv coeflcieniii de personalitate de bazé Tn estimarea performanielor
corelaiid partiailéi, nu Tn vénzéri, dar noi nu o includem
sunt altceva decé't coeficientii de corelatje r Tn modelul predictivvestimat, comitém o eroare
Bravais—Pearson, respecinv coeficien’gn de specificare. Similar, in cazul
de corelatie pariialé discutati pe Tndelete Tn capitolul al trellea, conducerii agresive a automobilului, am realiza
dustinat Eehniciloi o eroare de specificare, dacé teoria
introductiue de testare a ipotezelor, Ultima coloané, denumlta din domeniu include reactia autoritéiilor faié
,,par1, I0d|0a de acest comportament printre
valoarea coeficieniilor de corelatie semipargialé intre variablla predictorii care determiné nivelul de agresivitate
iactorul redpedtiv.§i la volan, iar noi nu iinem seama
dependenié Tn conditiile eliminérii influéntei celorlalli de el. neincluzéndu-l Tn modelul explicaiiv
predictor! asupra: D? propus. Astfel, neiniroducerea tuturor
exemplu, valoarea lui r semipariial notat rsp este - .30, inseamna VPd factorilor relevangi pentru Iproblema Tn cauzé,
cdedvc'd cai flea afecteazé rezultatele ob’ginute,
vom elimina influenta celorlalii predictori asupraragreswitain eXIsta o rexisténd chiar riscul de distorsiune a concluziilor,
l‘a'volan, deoarece nu tinem seama de
asociere unicé, inversé, Tntre nivelul de con§tiinciozitate §i la volan, o influenta acestor factori cénd ar trebui sé—i luém Tn considerare.
agidSIVItafea
congatiinciozitate scézuté ducénd la un nivel ridicat de agreswitate in conducerea
222
223
in directie opusé, eroarea de specificare poate aparea prin includerea in eliminate sau recluse foarte mult. in schimb, eroarea de masurare aleatorietine de
model a unor predictori care. nu ar fi trebuit introdugi, deoarece ei nu relationeaza caracteristicele psihometrice ale instrumentului utilizat,.in special de iidelltatea
cu criteriul. Totuei. aceasta situatie este mai putin grave decat prima, deoarece ea probei dar §i de unele deficiente in codarea sau tehnoredactarea bazel de date. .
poate fi remediata’prin eliminarea predictorului care nu contribuie semnificativ la Efectul acestui tip de eroare asupra coeficientilor de regresie este diferit
estimarea evolutiei criteriului, urmata de 0 noué analizare a modelului predictiv, daca eroarea apare in cazul criteriului sau in cazul predictorilor. Daca criteriul
fara variabila in cauza. in sfar§it, un alt caz al erorii de specificare este cel in care, utilizat are 0 fidelitate redusa, scade. corelatia acestuia cu predictorii, fapt ce
deal au fost selectati predictorii relevanti, modelul unei regresii liniare nu este cel afecteazé atat valorile coeficientilor de regresie, cat §i valoarea coeficientului de
‘
adecvat. Modelul’ regresiei liniare porneate de la premisa unei relatii liniare intre determinare multiple, afectand astfel eficienta predictivé a modelului. Prin urmare,
predictori §i criterlu 5i de la ,un model aditiv al efectului pe care-l au acecti predictori criteriul utilizat ar trebui sa aiba o consistenté interné cat mai ridicata, dacé nu chiar
asupra modelului de estimat. in consecinta, daca utilizam regresia liniara, in 1. De aceea, recomand evitarea folosirii pe post de criteriu a acelor variabile care
conditiile in care nu exista o relatie de liniaritate intre fiecare predictor §i criteriu, au 0 consistenté interna sub .80, in cazul utilizérii regresiei in scop predictiv,_
respectiv in cazul in care exista o situatie de multicoliniaritate intre predictori, respectiv de .70, in cazul utilizarii regresiei Tn scop explicativ. in cazul exemplului.
datorita unei corelatii ridicate intre aceatia, vorbim tot de 0 eroare de specificare. dat, criteriul ales, performanta obtinuta in vanzari, nu ridica probleme, deoarece
in plan tehnic, situatia unei eroride specificare conduce la obtinerea unor eroarea de masurare aleatorie este a‘bsenta singurele probleme putand aparea
coeficienti de regresie distorsionati sau instabili. De asemenea un alt indlciu consté din deficienteIn Inregistrarea corecta a datelor
intr—o valoare scazuté a coeficientului de determinare multiplé (R2). TotU§i, nu orice Daca eroarea de masurare apare in cazul predictorilor, efectul este ceva
R2 scazut indica o problema de eroare do specificare, 'deoarece o asemenea mai putin grav, dar prezent. lntr-o asemenea situatie, daca variabila In cauza nu
valoare se poate datora unui alt factor, precum includerea in model a unor coreleazé cu ceilalti predictori, va fi afectata doar valoarealcoeficientului de
predictori cu o consistenta interna scazuta (implicit o eroare de masurare ridicaté), regresie corespunzator variabilei respective insa daca variabila coreleaza ei cu
fapt des intalnit in ,psihologie, prin utilizarea scalelor ca modalitati de evaluare a ceilalti predictori. vor fi afectati, intr-o anumita masura, toti coeficientil de regresie.
diferitelor variabila. De aceea, cazul erorii de specificare datorat neincluderii unor Modul in care sunt afectati aceeti coeficienti nu este foarte clar, de aceea se
variante relevante poate fi detectat doar pe baza unei teorii solide existente cu recomanda utilizarea unor instrumente cu calitati psihometrice cat mai bune.
privire la evolutia criteriului. in schimb, cazul includerii unor variabile irelevante este
mult mai ueor de detectat prin consultarea valorilor t corespunzatoare fiecarui
coeficient de regresie. Daca aceasta valoare nu este semnificativa statistic, 6.5.3. Eroarea rezidualé cat mai mica
inseamna ca variabila respective nu contribuie la estimarea evolutiei criteriului. O Prin termenul reziduuri se definegte diferenta dintre valoarea obserVata a
alta modalitate de evaluare este’aceea de a compara valorile ajustate ale lui R2, iar
criteriului §i cea estimaté prin utilizarea ecuatiei de regresie. Aga cum am precizat,
dacé nu se constaté diferente intre modelul care include §i cel care exclude cu cat aceasta diferenta este mai mica, cu atat modelul este mai bun in estimarea
variabila in cauza, inseamna ca aceasta poate fi eliminate din modelul predictiv.
evolutiei criteriului. Totuai, datorita unor aspecte matematice care nu vor fi
discutate aici este de dorit ca aceste reziduuri: (1) 5a aibé media egala cu zero;
(2) sé indeplineasca conditia de homoscedasticitate, avand aceeaai dispersie pe
6.5.2. Evitarea erorii de mésurare
intreaga amplitudine a predictorilor; (3) sé nu coreleze cu alte reziduuri sau cu
Din pacate, in psihologie,‘ca §i in alte domenii alte §tiintelor sociale, nu predictorii; (4) sé aiba o distributie normala (Licht. 1995). Se pare ca incélcari
putem masura direct constructul dorit, citrebuie sa apelém la 0 serie de indicatori. moderate ale acestor ' conditii nu influenteaza foarte mult eficienta modelului
De exemplu, utilizém un test de inteligenta pentru a masura nivelul intelectual sau predictiv.
utilizam o scalé de agresivitate pentru a mésura magnitudinea acestei trasaturi. Nu
lntotdeauna existé o corespondenta intre valoarea indicatorului §i valoarea reala
(latenté) a constructului teoretic respectiv. Acea diferenta poate fi denumita eroare 6.5.4. Evitarea multicoliniaritétii
de masurare. Ea este de doua feluri: sistematicé ei aleatoare. Primul caz apare in
Sub aceasté denumire este specificaté Tncélcarea conditiei ca predictorii
situatia in care instrumentul utilizat pentru a maSLira acel concept mascara §i
alegi pentru estimarea evolutiei criteriului sé nu coreleze prea puternic intre ei. Prin
altceva, aparand o problema .de validitate de construct. O asemenea situatie este ,urmare, nu se poate pune problema prezentei sau absentei multicoliniaritatii. ci
tinuta sub control prin studiile de validare a instrumentelor utilizate, de aceea, in
situatia utilizarii unor instrumente adecvate ei validate, aceasta eroare este
224 225
i Li i iLi i Mi i Ui i Li i i‘ui i Ui i gi i ti i i i i iiiiiiiiiiiiiiii HHUHH‘ i i iti i i i i i fli mflii i mi i ti i i Ui i ti i iUi i UHHUHHUHHUHHUii i i i iti i iti i i “ii iii mitiiiiiiii‘ “ii i i! iiiiLiiiiHiiitiiiii W3 “ii ii“ ii“ i i” i i i iiiiiiiiii i i i W W Iii i gi i i i i iti i iti i i “ii “ii ii“ “ii “ii W W i i i ‘i i i ii“ Ni ii“ W: ii“ “ii ii“ iii “ii iii i i i iiiiWiiiiIiiiWWW—iii iii “11‘ i i i i ‘ “ii ii” “ii “ii i i i‘i i i i i i i iiiii‘iiii‘iiiiiiiiiiiiiiiiiiiii i i i i ? i i iiiii‘iiii‘iiiiiii 1‘1 i iiiiiiiiiiiiiiiliiiiiiiiiiiiiiiiiii i i iiii‘iiii ii i i! i i ‘ ii iii ii iii i i i i i iiiiiiiii iiiiiiiii iiiiitiiiiiiii i i i i i iiiii‘iiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii iiiiiiiiiiiiiiiiiiiiii iii i i i i ii i i ‘i ‘ i i i
mai mic, in functie de corelatia testarea mai multor subiecti. in fine, aiti autori recomandé eliminarea uneia dintre
doar a prezentei ei intr-un grad mai mare sau
'
» ‘ variabiieie care coreleazé prea putemic cu aite variabile.
existenté intre predictori.
SPSS—ul oferé posibiiitatea unui diagnostic cu privire Ia nivelul de
Efectul unei multicoliniaritéti cresoute consté Tn Greeterea probabilitétii de a
multicoiiniaritate prin bifarea optiunii Tn cauzé disponibilé prin accesareé butonului
obtine coeficienti de regresie nesemnificativi statistic pentru una dintre variabileie
,,Statistios", urménd calea ,,Analyze”-,,Regression”-,,Linear”.
care coreieazé puternio, deoarece aceasté problemé afecteazé valorile t asociate
acestor coeficienti, din cauza dificuitétii de a deoeia efectele fiecérei variabiie
asupra criteriului. Din aceasté perspectivé, creete riscul de a comite eroarea de tip
6.5.5. Existenta unor relatii de tip liniar §i aditiv
H. indiferent de scopui utiiizérii regresiei, problema unei multicoiiniaritéti ridicate
este foarte gravé. Astfei, in cazul utilizérii regresiei in scop predictiv, problema Prin iiniaritatea unei relatii se intelege ideea cé Tntre fieca‘re predictor §i
principalé consté in instabilitatea coeficientilor de' regresie, fapt ce conduce la criteriu existé o relatie de tip liniar, adicé vaioarea coeficientuiui de regresie se
dificultatea de a generalize coeficientii respectivi ei de a—i utilize pe un alt lot de mentine constanté la orice nivel al predictorului. Astfel, decé b pentru extroversiune
subiecti. in schimb, in oazul-utilizérii regresiei in scop explicativ, probiema capitalé este 24,47, performanta unui individ in vénzéri creete cu 24,47 EURO Tn situatia in
consté in dificultatea de a decela efectul fiecérui predictor impiioat asupra evolutiei care el 3 obtinut 3 puncte la scaia de extroversiune faté de unui care a obtinut 2
criteriului (variabilei dependente). Detectarea unei situatii de multicoliniaritate se puncte Ia aceasté probé. Aceasté diferenté, de 24,47 EURO, 5e mentine ei in
poate face simplu prin realizarea unei corelatii Tntre fiecare pereohe de predictori compararea unei persoane care a obtinut, sé zioem 21 de puncte, faté de 0 alta
inciuei in studiu. Daoé existé- vreo corelatie foarte ridicaté, sé spunem, peste .70, care a obtinut 20 de puncte. Mai multe informatii despre ce 1nseamné o relatie
am putea intui o problemé de multicoliniaritate ce trebuie rezolvaté. SPSS—ul oferé liniaré pot fi citite in sectiunea 1.3.2. din capitolui introductiv, cénd am tratat
alte doué modalitéti de diagnosticare a unei multicoliniaritéti ridicate prin indicatorii probiema reprezentérii grafice a norului de puncte.
VIF (in englezé ,,varianoe inflation factOr”), respectiv toleranta (1MP). Dacé valorile Prin relatia aditivé se Tnteiege ideea oé nu existé un efect de interactiune
VIF sunt peste 10, iar cele ale tolerantei sunt sub 0,10, _avem de~a face cu o Tntre doi predictori, cu éite cuvinte, cé efectul unui predictor asupra criteriului nu
problemé gravé de incélcare a oonditiilor de utilizare a regresiei, datorité unei este dependent de valoarea unui ait predictor. Dacé aoest lucru se intémpié, este
multicoliniaritéti ridicate. Unii autori propun chiar praguri mai joase, astfel Tncét o incélcaté ideea de aditivitate §i trebuie sé se tiné seama de interactiunea dintre cei
valoare VIF de 5 530 o toleranté sub 0,20, poate indica probleme Tn estimarea doi predictori, ca efect suplimentar Tn estimarea evolutiei criteriului.
corecté a modelului de regresie dato‘rité multicoliniaritétii (Field, 2000). Pentru detectarea situatiilor de relatii neli‘niare sau non—aditive cea mai
Efectu! prezentei unei muiticoiiniaritéti ridicate este vizibil Tn exemplul buné solutie este de ordin teoretic. Dacé ne aeteptém ca reiatia dintre anumiti
urmétor, al unei regresii Tn scop expiicativ, in care avem trei predictori. Sé iuém ca predictori §i criteriu sé fie neiiniaré sau sé existe o interactiune Tntre predictori care
valori de exemplu B de .80, .30 ei .30. La 0 primé vedere am putea afirma cé primul poate explica evoiutia criteriului, este bine sé se specifice aceste lucruri Tncé din
predictor are 0 influenté mai mare asupra criteriului decét ceilalti doi. Totugi, formularea modeluiui predictiv.
aceasté situatie se poate datoraunei corelatii puternice intre ultimii doi predictori Sé presupunem cé avem doi predictori intr—o ecuatie de regresie. Dacé ne
Astfel, dacé 'am elimina unui dintre ei, valoriie B pentru cei doi predictori rémaei ar fi aeteptém ca ecuatia sé indeplineascé ambele cerinte, atunci ea are forma simplé
.70 ei .66. in asemenea conditii nu ar mai fi foarte ciar care dintre predictorii iuati in de:
considerare are 0 infiuenté mai mare in explicarea evolutiei criteriuiui. Acest
exemplu vine in sprijinul ideii de 'a interpreta in termeni relativi diferenteie Criteriu = b0 + b1*Criteriu_1 + b2*Criteriu_2 (1)
observate intre coeficientii standardizati de regresie, deoarece aceetia pot suferi Tn
situatii de muiticoiiniaritate. Dacé ne aeteptém ca ecuatia sé nu fie Iiniaré, ci c'urbilinie, in cazul predictoruiui 1,
Pentru a eiimina situatia de multicoiiniaritate sunt disponibiie céteva solutii. dar iiniaré Tn cazul predictorului 2, atunci ea are forma de:
Una dintre ele vizeazé creeterea numérului de participanti Tn studiu, cunoscéndu-
se tendinta ca valoarea coeficientuiui de corelatie dintre doué variabile sé scadé o Criteriu = b0 + b11*Criteriu__1 + b12*Crite‘riu_12 + b2*Criteriu_2 (2)
daté cu creeterea voiumului e§antionului O aité posibilitate oonsté in cornbinarea
variabilelor care coreieazé puternic, fie prin alcétuirea unui scor condpozit, fie prin Dacé ne aeteptém ca ecuatia sé fie liniaré, dar nu ei aditivé, atunci ea are forma
' '
reducerea vdatelor ca urmare a analizei componentelor principale. Prin aceasté de:
ultimé solutie se va pierde Tnsé posibilitatea de a desprinde efectele separate ale
variabileior Care ooreleazé puternic insé se céetigé. timp ei bani, nefiind nevoie de Criteriu = b0 + b1 *Criteriu_1 + b2*Criteriu_2 + b12*Criteriul_1*Criteriul_2 (3)
227
226
zillilllii 211133513.“ .I ll ‘IIIIIIIIIIIII
§i nivelul de familiarizare cu un material tiparit (cate litere cunoaete

Prin urmare, efectul de aditivitate poate ti observat prin includerea unei V performanta);
variabile suplimentare care se obtine prin produsul celor doua variabile aflate In copilul deja, aspect ce poate ascunde diferente socio-demografice).
situatie de interactiune (mai multe detalii sunt prezentate In sectiunea 6.7.2, in Pentru a masura cei doi factori: viteza de pronuntare respectiv abilitatea
timp ce relatia de non-I-iniaritate poate fi tratata printr-o ecuatie liniara, dupa fonetica (abilitatea de a emite 5i manipula sunete) sau utiiizat mai multe probe,
includerea unei variabile reprezentate de patratul predictorului care Incalca relatia care au fost supuse ulterior unei anaiize a componentelor principale, rezultand in
de liniaritate cu criteriul. final doua scoruri, cate unui pentru fiecare predictor Pentru a facilita interpretarea
Detectarea statistical a unor asemenea relatii, atunci cand teoria nu ne datelor, trebuie sa precizam ca rezultatele ridicate indica performante superioare
ajuta la estimarea tipului de relatie intre variabile, se poate face printr—o metcda in acest exempiu, ca, de altfel, In orice ecuatie de regresie utilizataIn scop
_eleganta, dar costisitoare ca resurse de subiect‘i. De exemplu, pentru a detecta predictiv, se precizeaza cateva elemente esentiale In sectiunea de analiza a
datelor: - -
situatia de non-liniaritate se poate imparti Iotul de subiecti in trei sau patru
oategorii, pe baza rezultatelor obtinute Ia criteriu. Spre exemplu, vorn alege grupa . precizarea intr-un paragraf a tipului de analiza intreprinsa (ex. regresie
subiectilor cu performante superioare, cu performante medii, respectiv cu multiliniara ierarhica), alaturi de justificare'a alegerii facute; in- plus, se
performante inferioare in vanzari. Daca atat interceptul, cat §i coeficientii de poate face 0 precizare scurta legata de respectarea sau nerespectarea
regresie rezultati nu difera foarte mult in ceie trei cazuri inseamna ca exista o conditiilor de baza necesare pentru aplicarea acestei tehnici;
relatie Iiniara intre ansamblul de predictori ei criteriu. ln schimb, daca sunt diferente . precizarea Intr-~un alt paragraf, a predictorilor, a criteriului §i a modului In
foarte mari intre aceetia (ex. b pentru extroversiune variaza intre 2 33 $1 -41,1), care au fost introduei aceetia;
fl testat q prezentarea unui tabel sumar a indicatorilor descriptivi ei a matricei de
_ atunci am putea sesiza o relatie clar neliniara. In SPSS, acest lIJcru poate
mai simplu, cerand calculatorului sa ne prezinte vaioarea coeficientului de corelatii intre variabilele incluse in model, conform standardelor APA, dupa
determinare multipla in situatia unei relatii liniare, respectiv a Unei relatii neliniare. modelul oferit de Nicol $1 Pexman (1999);
in cazul in care R2 asociat modelului neliniar este semnificativ mai mare decét cel . prezentarea intr-un tabel sumar a coeficientllor standardizati de regresie
asociat modelului liniar putem presupune existenta unei relatii neliniare. pentru fiecare predictor in parte, cat §i a valorilor coeficientiior de
Pentru detectarea unei situatii de interactiune poate fi utilizata metoda determinare multiple aferenti modelului estimativ propus; acest lucru se
regresiei ierarhice; astfel, daca diferentele dintre ceie doua valori F asociate poate face utilizand aceleaei recomandari APA prezentate in Nicol 5i
modelelor 1 cl 3 prezentate mai sus sunt semnificative statistic, putem trage Pexman (1999), cu precizarea ca, in cazul regresiilor in scop predictiv,
concluzia existentei unui efect de interactiune intre cei doi predictori care trebuie precizate, suplimentar, valorile coeficientilor nestandardizati , de
influent‘eaza evolutia criteriului. regresie §i eroarea standard de mésurare a acestora;
. interpretarea pe scurt a rezultatelor obtinUte (o analiza cantitativa).
ln cazul exemplului de fata, textul din sectiunea de analizé a datelor ' ar
aiin iara— cazulcitirii
6. .Exempiu deregresie multipia putea lua forma urmatoare:
Tabel cu indicatorii descriptivi §i matricea de corelatii intre variabilele implicate in model

lntr—un studiu realizat de Kirby, Parrilla §i Pfeiffer (2003) s—a urmarit (clasa a Il-a)
identificarea influentei unor structuri cognitive asupra deprinderii cititului. Mai Variabila
’
M As 1 2 3 4 5
concret, s—a studiat rolul pe care-I are viteza de pronuntare ei abilitatea de a emite Performanta de recunoagtere a 39.90 18.70. .18 . .11 .45 ** .31 ** '— .20 *
5i manipula sunete in performanta de citire a unui text. Studiul nu are doar valente cuvintelor
de cercetare fundamentala, ci urmareete un aspect aplicativ esential: identificarea. PREDICTORI
inca din gradinita, a copiiior susceptibili sa sufere de dislexie (dificultati de citire). 1. Nivei intelectual — probe verbale 12.90 2.88 —-
Autorii au studiat aceste efecte pe parcursul mai multor ani. Noi ne vom rezuma la 2. Nivei intelectual 4 probe de ' 6.40 2.21 .57 ** --
rezultatele obtinute de copii la proba de citire in clasa a II——a §i la 0 singura variabilé performanta
dependenta — capacitatea de recunoaetere a cuvintelor la testul standard Gates- 3. Familiarizarea cu materiale tiparite 35.20 17.90 .49 ** .21 * --
MacGintie Reading Comprehension Test. 45Abilitatea fonetica 6.50 5.69 .18* .23” .36 ** ~-
5. Viteza de pronuntare 42.20 11.53 .06 20* .15 - .02 ~-
Pentru a izola influenta celor doi factori a fost necesar controlui altor
catorva variabile, ce pot afecta capacitatea de a Citi. Variabllele controlate au fost: *p<.05;**p<.01
nivelul de dezvoltare intelectuala (apreciat atat prin probe verbale, cat 5i de
228 229
. I III IIIIIJIIII.IIIII‘IIIUIIII.IIIIIIIIIII‘IIIIIIIIIIIIIIII‘IIIILIIIILIIIIIIIIIILIIIILIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII IIIILIIIIIJIIILIIII IIIIIII‘IIII III III IIIIIIIIIIIIIIIIIIIIII‘IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII IIIIIIIIIIIIIIIIIIIIIIIII I IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIILII_IIIIIIIIIIIIIIHIII III‘IIIIIIIIIIIIIIIIIII III I I I I III I I III III I I I I IIIIIIII III IIIIIIII II I II I I I I II‘ I I III I I I I I I I I I I I I I I IIIIIIII III I I III I I I I I I I I I I I I III I I I I IIIIIIIIIIIIIIIIIIII IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII‘IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII II II II II II II I I I I I .
Analiza de regresie Ierarhica a fost utilizaté pentru a observe influenIa cIe faIa nu este necesa-ra precizarea acestor indicatori suplimentari.
De altfel, autorii
vitezei de pronunIare §I a abIlIIéIii de manipulare a sunetelor asupra performanIelor studiului de faIa nici nu ofera valorile acestora, de aceea am Iésat spaIiIle
respective
”In citire oinute de copiI In clasa a “-81. Am decis sé utilizém regresia Ierarhicé necompleIate).
pentru a controla ‘iaUenIa abIIItéIiI, InIeIecIuaIe generale "ei a nivelului de
familiarizare cu maIeriaIe'tIpérite asupra performanIeI In citire. Merité remarcat Rezultatele din tabelul de mai sue sprijina IpoIeza conform céreia
atat
fapIuI céI~ IoII predictorli au fest evaluaIi cénd subiecIiI 5e aflau Inca Ia grédInIIé, abIIiIatea fonetica, Cat ei viteza de pronunIare a sunetelor InfluenIeaza semnificativ
I
pentru a putea vedea In ce mésura pot fi anticipate dificultéIiIe de citire pentru a se performanIa elevilor de a recunoaete §i citI cuvinte, In condiIiIle In care controlam
interveni Inca de IImpuriu. Din puncte de vedere IehnIc, nu au exIstaI situaIii influenIa datorata diferenIeIor de nIveIuI intelecILIal ei de Iamiliarizare cu materialele
speciale, toate condiIiile de aplicare a regresiei fiind suinute tiparite (AR2 = .101, p < 0.1) AsIfeI, cei doi Iactori explicé Impreuné 10,1% din
(Comentariu: prin Iacest design, cercetarea dobandeete un caracter mixt, atét performanIa oinuta Ia proba de citire de catre elevi, iar aceasta vine In plus, faIa
explicativ — In izoIarea ei IdentificareainfluenIeI celor doi factori asupra abilitaIII de a citi, cat de cele 37, 8% explicate de factorii controIaII (nIveIuI intelectual §I gradul de
5i predictiv, prIn posibilitatea de a estima evoluIIa ecolaré a elevilor In ceea ce prIveete familiarizare cu materialele tiparite)
_
citiIul, pe baza unor predIctori testaIi anterior. Datele prezentaIe In primul tabel sunt fictive, (Comentariu: p nu esIe un atribuI al Iui R2, oi este caracteristic Iui F schimbare.
deoarece autorii nu au Inclus un asemenea Iabel, In sohimb cele prezenIate In tabelul de Totuei, se obi§nuie§te trecerea acestei valori In dreptul Iui R2 deoarece acesta oferé o .
mai jos sunt reale, dar adaptate conform cerinIelor APA). InformaIIe In plus: ce procentaj din dispersia criteriului poate fI explicaté de variaIia
predictorilor incluei In studiu?)
Tabel sumar cu rezultatele analizei de regresie ierarhice vizénd estimarea performanIelor de.
recunoaetere a cuvintelor pe baza IuaIIIn studiu (N~ 161). La nivel analitic, din modelul estimativ final se observe ca nIveIuI Intelectual
predictorilor
VAFIIABILE R2 AR2 [3 B SE b nu influenIeazé abilitatea de a Identifica cuvinte, valorile beIa nefiind semnIfIcaIIve
PASUL 1 .378 *‘ .378 ** statistic. Acest lucru este aparent surprinzétor, Insé dacé Iinem seama cé proba de
Abilitate Intelectualé generaIé Identificare a cuvintelor are Ioc, In clasa a ll-a, InIr-o ecoalé normalé, ei ca ea nu
Probe verbale > .178 * consté In elemente de comprehensiune a textului, ci doar In elemente de ciIire a
Probe de performanIa - .142 cuvintelor, rezulIaIele nu mai sunI surprinzéIoare.
Familiaritate cu materiale tipérite .421 ** In schimb, se constaté ca elevII care sunI IamiliarizaIiInca din gradiniIa cu
PASUL2 .479 ** .101 ** . materialele Iiparite oin rezuIIate superioare la IesIul de Identificare a cuvintelor
Abilitate intelectualé
I generalé . (I?)n .45, p < .01), acelaei fapt petrecanduse ei In cazul copiilor care dispun de 0
7
Probe verbale .157 abIIIIaIe foneIicé superioaré (B: .30 p < .01). In schimb, se constata o reIaIie
Probe de performanIé .153 inversa Intre viteza de pronunIare §I capacitatea de a identifica cuvintele (B: - .20,
FamiliarIIate cu materiale tipérite .458 ** p < 0.1.) Acest fapI 'se explica prin tendinIa subiecIilor cu o viteza superioara de
Abilitate fonetica .302 ** pronunIare de a se grébi 5i de a greei In identificarea corecté a cuvintelor (probabil
VIteza de pronunIare - .209 * ciIInd primele litere ei apoi ghicind cuvantul). AnalIza erorilor ar putea oferi suport
*p<.05;**p<.01 acestei posibile explicaIiI.
In concluzie, datele obIInute sprijina ideea ca dincolo de diferenIele
In fiecare model Ierarhic, variabila dependenta era constituité din Intelectuale sau educaIionale (familiarizarea cu materiale tiparite), exista anumite
performanIa obIInuté In citire privind recunoaeterea Iiterelor de céIre eleviI din clasa structuri psihologice, precum abilitatea fonologica ei viteza de pronunIare, care
a II—a. Predictorii Incluei In primul pas au fost abiIiIaIe-a intelectualé generalé §i InfluenIeaza semnificativ performanIeIe subiecIilor In citire. Acest rezultat ofera
gradIJI de familiaritatecu materialul tipérit, pentru a putea controla efectul acestora psihologilor posibilitatea de predIcIie ei intervenIie timpurie (Inca din gradinIIa)
asupra variabilei dependxente. In cel de-al doilea pas, pe Iangé aceati predictori au asupra copiilor care pot Intampina dificultaII In citire pe perioada ecolii,
Iost introduei cei doi factori de interes, §I anume, viteza de pronunIare $1 abilitatea realizandu-se astfel primii paei In vederea ameliorarii acestei situaIII.
de manipulare a sunetelor.
'(Comentariu: In cazul regresiei utilizate In scop predictiv esIe necesaré §i In spatele acestei secIIuni stau Insa o serie de operaIii metodologice ei
prezentarea coeficienIilor nesIandardizaII de regresie (b), céI §i a erorIi standard de statistice precum:
mésurare a acestora (SE b). In cazul regresiei cu scop explicativ, predominanté In articolul . . Identificarea scopului regresiei: de tip predictiv, explicativ sau mixt;
230 231
ii‘illliilliilllllllll'
/
aiegerea celei mai bune modalitati de regresie: simultana, ierarnica etc; efecte izolate pot fi‘denumite efecte simple, fiind analoge eiectelor simple din
selectarea predictoriior relevanti pentru estimarea evolutiei criteriul‘ui
7 si, tehnicile ANOVA.
dacé este cazui a ordinii de introducere a acestora in model; Astfel daca Intr—un design ANOVA factorial de tip 2x3, rezultau trei vaiori F
interpretarea per ansamblu a eficientei modeluiui; (FA, FB, FAB), intr-o regresie de tip clasic, factorul interactiune nu poate fi
. interpretarea coeficientilcr de regresie din perspectiva ipotezelor formulate; detectat, deoarece ecua’gia de regresie, in .formé standardizata este:
. verificarea Indeplinirii conditiilor de apl-icare a regresiei pentru a ne asigura ‘_
ca valorile gasite nu sunt distorsionate grav. y = BAIXA 1C BNXB (6.4)
Pentru a putea masura si cel de-al treilea elect, cel de interactiune, ecuatia
6.7. Directii de evolutie ale regresiei de regresie ce trebuie testaté devine:
y = BMXA + BB*XB + BAB*XA*XB (6.5)

6.7.1. Alte tipuri de regresie
lnterpretarea primara a «datelor este simpla: daca coeficientii de regresie
Desi este aplicata foarte des, regresia liniaré asa cum a fost prezentata in
sunt semnificativi statistic inseamna ca predictorii respectivi contribuie semnificativ
acest capitol, poate fi aplicata deer in situatia in care criteriul (variabila
statistic la evolutia criteriului. Desi lucrurile par simple, la prima vedere masurarea
dependenté) este mésurat printr—o scala, numericé. Unii autori aplicé regresia .
efectului de interactiune ridica cateva probleme ce vor fi discutate, pe scurt, in
liniaré'si I‘n conditiile in care raspunsurile sunt evaluate pe o scalé de tip Likert insé
aceasta trebuie sa posede minimum 7 trepte de raspuns (Garson, 2000).
continuare. Cum obtinem variabila interactiune XAr-«XB?'Cand se poate masura
acest efect de interactiune? Cum se poate cunoaste dacé exista un efect de
in conditiile in care raspunsurile ordinale au mai putin de sapte trepte sau
interactiune? Cum se interpreteaza coeficientii- corespunzatori unui efect de
‘ in cazui in care criteriul este o variabila de tip nominal. se aplicé aite tipuri de interactiune? Cum se aplica acest efect de interactiune In cazui variabiieior
regresie. O clasificare a acestor tipuri, in functie de tipul de predictori §i criterii
dummy?
permise, este oferita in tabelul 6.5, iar una dintre ceie mai intélnlte forme, regresia
logistica pentru date dihotomice, va fi detaliaté in capitolul urmator.
Cum obtinem variabila de inte‘ractiune XA*XB?
in mare, exista doua modalitati de lucru, prima fiind mai intuitivé si mai des
Tabeiul 6.5. O clasificare non-exhaustiva a tipurilor de regresie
intélnita, insa cea de-a doua fiind mai potrivité din punctul de 'vedere al
Denumire Predictori Criteriu caracteristicilor statistice pentru variabilele de tip interval, atat de frecvent intalnite
‘
Regresia iogisticé (binara) Orice variabile, indiferent de Numai variabile dihotomice In domeniul psihologiei.
scala de masurare Prima modalitate consta In realIzarea produsului termenilor celor doua
variabile despre care se crede ca se afla In relatie de interactiune (una dintre ele
Fiegresia logit Numai variabile de tip nominal Numai variabile dihotomice moderénd relatia celeilalte cu predictorul). Aceasta modalitate simpla se aplica
Regresia logisticé Orice variabile, indiferent de Numai variabile nominate atunci cand una dintre variabilele implicate este de tip dummy si, de asemenea,
multinomiala scala de mésurare (exclus cele dihotomice) poate fi aplicaté fara probleme, daca ambele variabile sunt mésurate prin scale de
I propOItii. Daca nu ne'aflam in vreuna din ceie doua situatii, se prefera utilizarea
Regresia logisticé ordinalé Orice variabile, indiferent de Numai variabile ordinale celeilalte metode. deoarece simpla inmuitire a variabileior poate conduce la
scala de mésurare (ex. scale Likert cu 5 clase) rezultate distorsionate datorita sanselor mai mari 'de multicoliniaritate ei alvalorilor
eroriior standard mai ridicate (Jaccard, Turrisi, Wan, 1990).
Cea de-a doua metodé, denumita centrata, consta in inmultirea celor doi
termeni dupa ce in prealabil s-a scazut fiecare valoare din media acestora. Tabelul
6.7.2. ldentificarea efectelor de interactiune in regresia multiple”: _ de mai jos indica diferente intre cele doua metode cu privirev Ia modalitatea de
Din maioritatea modelelor discutate in acest capitol; analiza de regresie obtinere a variabilei interactiune.
viza Identificarea efecteior pe care fiecare predictor la are asupra criteriului. Aceste
232 233
‘
ill ll ll ll l l lll ll lll l l l l l l ill lllllillllll,llllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllilllllllllllljlllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllll:llll lllli,lllllllllllllllllllllllllllllllillllllllllllllllllll il li llllllll l l l l ‘lll ll ll ll ill ‘l i l l llllilllllllll llll,‘llll l l l l l lllliillll illllllll llll W1 W lllllillllLllllUllllL‘lllllUlllllllllllllllllllllllllllllllllllllllllll—Illllllllll l l l l llll l l ‘ l l l l l l lllll l l l lllll l l l ‘l l ‘ l l l 1ll l W W W “W 1Hil l l l ‘l l l llllllllllll‘llllll‘lllllillllll‘llllllllllll lllllilllll “W Hil l l l l l l ‘l l l l l l ill “will“ l l li lllllllllll llllllllllll llllllilllll llllll‘lllll llllll‘lllllllllll l l l lllll llllllllllll llllllllllllilllllllllllllllllll lllllllllll lllllilllll lllllllllllllllllllllllll l l l l l l lllll l l l l l l lllllllllll l l l illl l l l l l l ill llll W “l ll l
Relatia simpla dintre gradul de solicitare la locul de munca si stresul

Tabelul 6.6. Exemplu de calculare‘a variabilei interactiune prin metoda clasicé (coloana a perceput poate fi scrisa: ‘
ill-a), respectiv 'prin metoda centrata (coloana a Vl-a)
X Y X*Y X — X mediu Y —— Y mediu (X - X mediu)(Y — Y mediu) Sires = b0 + b1*Grad de solicitare

‘ ‘
3 5 15 -1 0 o
2 6 12 -2 ' 1 -2 Ac'easta poate fi calculate pentru fiecare tip de interventie psihologica:
5 3 15 1 -2 -2
2 4 . Stres 1 = b0 + b1*Gra_d de solicitare (grupul de subiecti supusi consilierii psihologice)
6 7 42‘ 2
5 5 -3 O 0 Stres 2 = b0 + ’b1*Grad de solicitare (grupul de subiecti ce a urmat acasa exercitii de
1
7 4 28 3 —1 i3 relaxare)
Stres 8 = b0 + b1*Grad de solicitare (grupul de control)
X mediu = 4; Y mediu = 5
Daca valorile pantei de regresie, adica ale lui b1, sunt asemanatoare
Cénd se poate mésura acest efect de interactiune?
inseamna ca nu exista un efect de interactiun'e determinat de tipul de interventie
ln mod normal, efeCtul de interactiune poate fi evidentiat, daca ambele
psihologica propusa. Totusi, o asemenea abordare descriptiva are un grad ridicat
variabile sunt de tip numeric, masurate fie prin scale de proportii, fie prin scale de
de subiectivitate, nefiind propice analizei de regresie (ex. nu ne putem da seama
interval. Unii autori recomanda evitarea masurarii efectului de interactiune in cazul
daca b1 de 1,53, faté de un b1 de 1,82 este diferit sau nu). ln consecinta, pentru a
in care variabilele sunt de tip ordinal insa distorsiunile determinate de includerea
masura efectul de interactiune, ecuatia de mai sus nu este adecvata.
unei asemenea variabile nu sunt toarte mari. Fara a intra in‘detalii tehnice, vom fl
Nicimacar o ecuatie care sé mésoare efectul simplu al variabilei tip de
de acord cu pozitia adoptata de Jaccard, Turrisi si Wan (1990) care afirma ca
interventie psihologica
includerea unor predictori mésurati prin scale ordinale in analiza de regresie este asupra stresului nu‘ estepropice pentru a vedea daca exista
un efect de interactiune:
in sine un fapt controversat, iar analiza efectelor de interactiune dintre variabilele in
care eel/putin una este masurata prin scala ordinala nu estecu nimio mai
Stres = b0 + b1*Grad de solicitare + b2*Dummy Consiliere + b3*Dummy relaxare
controversata decat analiza efectelor simple. Prin urmare, daca cercetatorul va
decide sa-si asume riscul obtinerii unor rezultate distorsionate, prin includerea unor
O asemenea ecuatie de regresie, in care valoarea de reterinta pentru
variabile m’asurate prin scale de tip ordinal, Va putea analiza ei efectul de
variabila dummy este constituita de grupul de control, ne ofera posibilitatea de a
interactiune dintre acestea, asumandu—si aceleasi riscuri.
raspunde la intrebarile daca gradul de solicitare contribuie semnificativ la nivelul de
in schimb, variabilele de tip categorial transrmate in variabila de tip
stres perceput la locul de munca, respectiv daca tipul de interventie psihologica
dummy pot fi supuse unei analize a efectelor de interactiune,"i\n conditiile in'care
contribuie semnificativ la nivelul stresului perceput la locul de muncé. Ea nu ne
una dintre variabile este masurata prin scale de tip' interval sau proportii. Daca
permite insa sa vedem daca efectul tipului de interventie psihologica asupra
ambele variabile interactionate sunt de tip categorial se prefera insa o alta
nivelului de stres perceput este acelaei, atat la oameni care au un grad de
abordare, prin apelul la metoda clasica a tehnicilor ANOVA.
solicitare profesionala ridicat, cat si la oameni care au un nivel de solicitare
Un exemplu de mésurare a efectului de interactiune dintre o variabila
profesionala scazut.
numerica si 0 variabila de tip dummy poate fi sesizata in exemplul ur'mator:
Prin urmare, pe langa yariabilele masurate direct, se creeaza alte doua
.
variabile pentru a sesiza etectul de interactiune intre variabilele dummy ei variabila
Un cercetator doreste 3a observe in ce mésura relatia dintre volumul de munca
ce viza gradul de solicitare profesionala.
(gradul de solicitare) al angajatilor si stresul profesional perceput de acestia este
moderata de participarea acestora in cadrul unor programe de consiliere
Stres = b0 + b1*Grad de solicitare + b2*Dummy Consiliere + b3*Dummy Relaxare +
psihologicé. Sé presupunem ca exista trei loturi de subiecti: o parte'care au urmat
b4*Grad de solicitare* Dummy Consiliere + b5*Grad de solicitare" Dummy Relaxare
sedinte de consiliere cu psihologul companiei, 0 parts care a primit instructiuni
pentru efectuarea unor exercitii de relaxare acasa si un grup de control. Dacé nu
Daca exista o singu‘ra variabila dummy, ca in caz-ul variabilei ,,sexu|
exista un efect de interactiune intre tipul de interventie psihologica urmaté 5i gradul
persoanei", efectul de interactiune implica includerea unei singure variabile
de solicitare la locul de muncé asupra stresului perceput, ar Tnsemna ca interventia
.
psihologica nu are un rol moderator in relatia dintre cele douér ,
235
234
‘ ‘1 l l llll l l l l il l‘ l l lll l l l l‘ ‘l l l l llll l l ll ,
l l l Ll l lUl l . l l llll l l l l lll Ill ill l l l l Ill i . l l lll l l llllllllllllllllllllllll‘llllll.lllllllllllllllllllllllllllllllllllll‘lllllllillllll‘lllll llll l li l l l‘ l‘lillliililfiiillllllil‘ Ulli‘ll‘l‘l‘lll‘ll‘l‘lll‘ ii ii iii l l i ll l l i l ‘l ‘ i l ‘ I l ‘ l i i i Ii i i il‘ l i- i ii l l ii ‘l‘ ii I i
suplimentare, feta de modelul clasic, al efectelor simple, |a_fel ca Tn ecuatiile de mai intensitatea cu care se modifica criteriul atunci cand nivelul de solicitare creete cu o
'
jos: unitate, Tn conditiileIn care ceilalti predictori iau valoarea zero Concretizand vom
“a
spune ca b asociat nivelului de solicitare Tn munca ne arata cu cat se modificé
= b0 + b1*Grad de solicitare + b2*Dummy Sex (1)
Stres- stresul perceput atunci cand nivelul de solicitare creete cu o unitate Tn conditiile in
Stres—— b0 + b1*Grad de solicitare + b2*Dummy Sex + b3*Grad de solicitare*Dummy Sex (2) care sexul persoanei ia valoarea zero, adica Tn cazul subiectilor. de sex feminin. In
cazul variabilei sexul persoanei, interpretarea devine: b indica diferenta dintre
Cum se poate cunoagte dacé existé un efect de interactiune? stresul peroeput de femei §i barbati atunci cand nivelul de solicitare‘in muncé ia
Metoda obienuita de verificare a prezentei sau absentei acestui efect este valoarea zero.
regresia ierarhicé, prin compararea modelelor estimative care includ sau nu efectul Se impun doua precizari In cazul interpretarii efectelor simple Tn regresii
de interactiune. De exemplu, daoa ecuatia notata cu unu ar avea un R2 = .23, iar care includ efecte de interactiune, b nu indica valoarea cu care se modifica criteriul
cea notat- ecu doi ar avea un R2 = .31, atunci diferenta de .08, adicé 8% .din atunci cand predictorul respectiv creete our 0 unitate, indiferent de nivelul celorlalti
dispersia variabilei criteriu, este pusa pe seama efectului de interactiune. Aceasta predictori, ci arata modul in care se modificé criteriul atunci cand predictorul
creetere ce reprezinta mérimea efectului variabilei interactiune este semnificativa asociat create cu ounitate, Tn conditiile in care ceilalti predictori iau valoarea zero.
statistic daca F schimbare (Tn englezéi ,,F change”) asociat acestei diferente Deosebirea apare, deoarece valorile b nu sunt constante pe toata amplitudinea
explicative Tntre oele doua modele este semnificativ statistic. Cu alte cuvinte, dacé predictorilor cu rol moderator, ea fiind oalculaté doar Tn situatia in care aceetia iau
F schimbare de la modelul 1 la modelul 2 ar ave'a o valoare de genul F(1, 134) = valoarea zero. Uneori valoarea are 0 semnificatie realé, ca Tn cazul variabilelor
8.29, p < .01, am putea afirma ca exista un efect de interactiune Tntre cei doi dummy, in care cota O indicé prezenta subiectilor de sex feminim, Tn alte situatii
predictori, care aduce un plus explicativ evolutiei criteriului. Tnsé ea nu are 0 semnificatie reala, precum se Tntampla Tn cazul nivelului de
solicitare Tn muncé, ale cérui valori suntcuprinse Tntre 1 ei 15.
Cum se interpreteazé coeficientii corespunzatori unui eferct de Cea deja doua precizare se refera la interpretarea acestei valori zero, in
interactiune? functie de tipul ede metoda adoptata Tn obtinerea variabilei interactiune. Daca se
Interpretarea efecte/or simple foloseete metoda clasica, bazata pe produsul valorilor variabilelor de interactiune,
in cazul regresiei clasice, Tn care nu erau incluse efectele de interactiune, zero nu are 0 semnificatie speciala Tnsé dacé se foloseete metoda centrata,
interpretarea coeficientilor b sau [3 se facea simplu. De exemplu, coeficientul b valoarea zero reprezinta, de fapt, media variabilelor interactiune. lntr-o asemenea
corespunzétor gradului de solicitare Tn muncé indioa nivelul de modificare al situatie, interpretarea initiala a lui b (nivelul cu care se modifica criteriul atunci cand
criteriului (al stresului perceput) atunci cand gradul de solicitare creete cu o unitate predictorul asociat se modificacu o unitate Tn conditiile in care ceilalti predictori iau
in conditiile eliminarii influentei variabilei ,,sexul persoanei”. Cu alte cuvinte, valoarea zero) devine nivelul cu care se modifica criteriul atunci cand predictorul
coeficientul aréta cum se modifica stresul atunci cand nivelul de solioitare Tn munca asociat se modifica cu o unitate, iar ceilalti predictori iau valori medii. Din aceast'a
creete cu o unitate, pastrand Ia valori constante ceilalti predictori. Similar, perspective, interpretarea Tei pierde sensul avut Tn cazulrvariabilei sexul persoanei
coeficientul [3 indica nivelul de modificare al stresului, exprimat in abateri standard, (in care valoarea medie nu semnificé nimic) Tnsé caetigé Tn relevanta Tn cazul
atunci cand nivelul de solicitare Tn muncé creete. cu o abatere standard, in conditiile variabilei nivelul de solicitare Tn munca, fiind vorba de 0 interpretare facuta la un
pastrarii constante-a celorlalti predictori. nivel mediu de solicitare Tn munca De aceea, alegerea modului de construire a
De asemenea, b oorespunzator sexului persoanei- indica valoarea cu care variabilei interactiune poate tine seama ei de interpretarii rezultatelor Tn
se modifica stresul perceput atunci cand variabila se modificé cu o unitate, In functie de metoda aleasa ueurinta
conditiile in care nivelul de solicitare Tn munca ia valori constante. Cum este vorba
de 0 variabilé dummy (0 — femei; 1 — bérbati), coeficientul b indicé diferenta Tn ceea Interpretarea efectelor de interactiune
ce priveete stresul perceput Tntre femei ei bérbati, Tn conditiile pastrarii constante a Vom utiliza ca exemplu aceeaei ecuatie, cu urmétoarele valori asociate:
influentei nivelului de solicitare Tn munoa asupra stresului. Agadar, se considera ca
modificarea reprezentata prin valorile b’ sau [3 este aceeaei indiferent de nivelul de Stres = b0 + b1 *Grad de solicitare + b2*Dummy Sex + b3*Grad de solicitare*Dummy Sex
solicitare in muncé. Stres = 4,5 + O,82*Grad de solicitare + 0,12*Dummy Sex + O,18*Girad de solicitare*Dummy Sex
in ecuatiile cle regresie care includ un factor de interactiune, valorile b 5i [3
corespunzatoare efectelor 'simple Tei modifica putin modul de’ interpretare. Astfel, lnterpretarea coeficientului de regresie b3, corespunzétor efectului de
coeficientul de re‘gresie specific nivelului de solicitare in muncé este vazut ca. interactiune, indicé nivelul in care se modificé b1 atunci cand variabila sex se
236 237
llllll ‘l l l l ‘ l l l ll ll l l l l l l l l l ll l l l l l l l l l l lJl l ‘l l l l l l 1111 l l l‘ l l l l l l l l l l l l l l l‘l l l l l l l l l ‘l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l lll‘lll‘lllit'll—InliSIItl ‘: 1 llllllllllllllllllllll lllllllll l l l l llllllll l l l l l l l l l lll llll‘lll l l l l l l l l ll 1 “
lllllllllllllllllllllllllllllllllllllllllllllllllllll
modificé cu o unitate. Tehnic, am putea spune ca acest coeficient indicési nivelul

Norme subiective
cu care se modificé b2 atunci cénd variabila grad de solicitare Se modifica' cu Q
unitate. De obicei, 1n lnterpretare se tine seama de aceea dintre variabile care
joacé un rol moderator. Cum 1n situatia de fate variabila moderatoare este‘sexul
‘ ‘
persoanei, ne vom axa pe prima posibilitate de interpretare. Astfel, vom putea MtUdiniv lntenlia de a actiona Comportament
.
afirma ca stresul percepursezmodifica Tn functle de gradul de solicitare Tn munca in
mai mare .masuré Tn cazul barbatilor decat Tn cazul femeilor, deoarece in cazul
bérbatilor b1 devine 1 (O,82+O,18), 1n timp ce'ln cazul femeilor el este de 0,82. in Controlul ac’glunll
plan pslhologic, am putea afirma ca nivelul de stres perceput este Tn mai mare
mésuré dependent de nivelul de solicitare Tn muncé Tn cazul barbatilor, decat Tn
cazul feme‘ilor. Ca ei 1n alte situatii, o asemenea interpretare are sens doar dacé Figura 6.16. Schema cauzalé a teon'ei compon‘amenfu/ui plan/float
coeficientul 'de regresle asociat efectului de lnteractiune este semnificativ. statistic.
a doua sectiune ar avea drept variabilé dependenté comportamentul adoptat, lar

6.7.3. Analiza de cale- ca variabile independente: intentia de a actiona §i controlul actiunii. Cele doua
De§i regresia, Tn multiplele ei forme, se dovedeete o tehnicé statistics“: sectluni sunt seslzate clar Tn figura 6.17.
robusta, ce poate fi utilizata Tntr—o multitudine de situafii, realitatea psihologicé.
complexa este uneori lnadecvaté pentru a permlte utilizarea metodelor de regresie,
Norme subiective . .
deei avem de—a face cu un design corelational. lntentla de a actiona
De exemplu, daca vom dori sa testam teoria comportamentului planificat,
ca extensie a teoriei actiunii rationale elaborate de Fishbein ei Ajzen, vom constata
Atitudlni '
cé regresia nu poate fi utilizata decét printr-un artificiu tehnic (Hankins, Frenchsi . _ lntentia de a actiona Comporlamenl
Home, 2000). Conform teoriei planificarii comportamentului, prezentata in figure
6.16, o persoana adopta un anumit comportament, dacé are intentia de a~l adopta Controlul actlunii
§i dacé considera ca are capacitatea de a derula acel comportament. De Controlul actiunii
asemenea, intentia de a aotiona lntr-un anumit fel este dependenté de trei factori:
atitudinea subiectulul fata de problema respective, normele existente care aproba
sau dezaprobé un anumit comportament ei parerea subiectului cu privire la Figure 6.17. Sectiuni ale teoriei comportamentului planiflcat festabil'e pn'n intermediu/
'
capacitatea 5a de a adopta un anumit comportament. Conform acestei teorii, daca regresiei
un student decide 5a eopteascé unul coleg de-al séu raspunsurile la examen face
acest lucru, pentru ca are intentia de a—I ajuta el pentru ca este de parere cé poate
face acest lucru fare probleme (are controlul actiunii). De asemenea, intentia sa de Tn termenii ecuatiei de regresle sub forma standardizata, cele doua sectiuni
a-l ajuta se bazeazé pe atitudinea pe care ‘0 are fate de acesta (ex. ,_este o pot fi scrise sub forma: '
persoana de treabé”), pe normele subiective existente Tn grup (ex. ,,este bine sé-ti
ajuti colegli”, ,,este.bine sé fii solidar cu acegtia”) §l pe credinta ca poate face acest Intentia de a actiona = BNorme subiective + BAtitudihi + BControlul actiunii
lucru fara‘a fi observat ei sanctionat. Comportament: Blntentja de a actiona + BControlul actiunii
'
Daca ar fi 3:? testam validitatea acestui model prin intermediul regresiei, ar
trebui sa impartim modelul I‘n doua seotiuni, flecare filnd supusé apoi unei analize Din pacate, chiar dacé prin regresie putem observa fn ce mésuré cele
de regresie. Prima sectiune ar avea drept variabilé dependenté intentia de a doua ecuatii de regresie explica Tntr-un mod eficient cele doua part] ale teoriei
actiona, iar ca predictori: normele subiective, atltudinea ei controlul actiunil. Cea de comportamentului planificat, nici una dintre ele nu ofera informatiile necesare cu
, pr‘ivire la validitatea de ansamblu a teoriei propuse. Se pot face doar presupuneri,
pornind de la ideea ca, daca ambele sectiuni sunt sprijinite de rezultatele anallzei
de regresie, atunci Tntregul model este acceptat.
238 239
ll‘lll I‘lllIlll‘ llllIlll III III III II I I I .I l‘ l‘ ‘ll it I II I II I I it I ill‘lll‘ III III lllllIllllllllll‘llllllllll‘llllllllll I l‘ I I III llll , , , Rim—infilllllllli I ‘l ‘ il l l i l lI l l l l l l l l l l l l l I I I I I I I I l l l I I I I I I I I I I I I I I I I I I I I I l l l III I I II I
Tn asemenea sltuatii, in care modelul testat presupune mai multe variabile

. Norma subiective
dependents, am putea utiliza analiza de cale, ca modalitate mai eficienta de a
testa modelele cauzale complexe.
‘
Definlrea variabilelor in analiza de ca/e _ Atitudini 1 lrtentia tie a actiona ‘1 Cnmpnrtament
Aceasta metoda statistical este utila in testarea unor modele cauzale
este cel prezentatIn figura 6.16, vizand teoria comportamentului planificat.
precum
lntr-un asemenea model exista doua tipuri principale de variabile: Figure 6.19. Teoria actiunii rationale
variabilei'
exogene si variabile endogene (Klem, 1995). De precizat ca unii factori pot juca
ambel‘e roluri. Variabilele exclusiv exogene sunt variabilele de la care se porneste
schema cauzalé, fiind similare predictorilor din regresia multiliniara. in figure 6.16, Fara a insista mai mult asupra modului de realizare si interpretare a
normele subiective, atitudinea si controlul comportamentului sunt variabile exclusiv analizei de cale si e coeficientilor rezultati, vom mentiona ca in selectarea
exogene, in timp ce intentia de a act'iona joaca rolul de variabila exogena Tn relatia modelului care explica cel mai bine datele obtinute se foloseste aceeasi strategie si
pe care 0 are cu comportamentul adoptat. in schimb. aceeasi variabila, intentia de analizei factoriale confirmatorii, interpretarea
' aceiasi parametri, utilizati si in cazul
a actiona, joaca rolul de variabila endogena (similara criteriului din regresia facandu-se intr-un mod similar (vezi sectionea 5.2.3.). Din acest punct de vedere,
multiliniara), deoarece ea este considerate ca fiind cauzata de actiunea comuna a SPSS-ul nu ofera posibilitatea de a realiza direct o analiza de cale insa un program
trei variabile: normele subiective, atitudinea si controlul comportamentului. De complementar, AMOS, poate realiza asemenea analize.
asemenea, comportamentul adoptat este o variabila exclusiv endogena, deoarece
ea nu influenteaza alte variabile Insa este influentata de intentia de actiune si de-
controlul comportamentului. BIBLIOGRAFIE
Printr—un asemenea model putem stabili in detaliu relatia dintre variabile.
I
Spre exemplu, 'putem stabili ca exista o relatie‘indirecta intre atitudinea unei Berry, W.D., Feldman, S. (1985). Multiple regression in practice. (Sage University Papers on
persoane si comportamentul acesteia, relatia fiind mediate de intentia de a actiona. Quantitative Applications in the Social Sciences, series no. 07—050). Newbury Park, CA:
Similar, putem afirma ca perceptia subiectilor despre usurinta sau dificultatea de a Sage.
actiona (controlul comportamentului). are atat o actiune directé asupra Field, A. (2000). Discovering statistic using SPSS for Windows. London: Sage Publications.
comportamentului adoptat, cat si una' indirecta, prin intermediul intentiilor de a . Garson (2000). Gasit Ia 14.IX pe www2.chass.ncsu.edu/garson/pa765lregression.htm
actiona. De asemenea, putem compara doua sau. mai multe modele concurente '_ Hankins,'M., French, D., Home, R. (2000). Statistical guidelines for studies of the theory of
pentru- a vedea care dintre ele explica mai bine datele culese. Spre exemplu, prin _ reasoned action and the theory of planned behaviour. Psychology and Health, 15, 151-
analiza de cale se poate estima daca teoria comportamentului planificat, 161.
prezentata in figure 6.16 explicamai bine comportamentul adoptat de 0 persoana Jaccard, J. Turrisi, R., Wan, C.K. (1990). Interaction effects in multiple regression. (Sage
in comparatie cu o varianta modificata a acesteia (figura 6.18) sau fata de teoria University Papers on Quantitative Applications in the Social series no. O7-
' Sciences,
actiunii rationale (figura 6.19). 072) Newbury Park, CA: Sage
Kirby, J.R., Parrilla, R.K., Pfeiffer, S.L. (2003). Naming speed and phonological awareness
as predictors of reading development. Journal of Educational Psychology, 95(3), 453-
Norma suhiecti're
464. . .
Klem, L. (1995). Path Analysis. in LG. Grimm si PAR. Yarnold (eds). Reading and
understanding multivariate statistics. (p. 65—98). Washington, DC: American
Atitudini V lntentia de a actions 1 Compottarnent
Psychological Association.
Licht, M H. (1995). Multiple regression and correlation. in L G. Grimm si P R. Yarnold (eds)
Reading and understanding multivariate statistics. (p. 19-64). Washington, DC:
. ContrrJlul actiunii American Psychological Association.
Miles, D. E. Johnson, G. l_. (2003). Aggressive driving behaviors. are there psychologIcal and
Figura 6.18. Teon'a comportamentului planiflcat in varianté modificata attitudinal predictors? Transportation Research Pan‘F, 6,147-161.
240 241
Nicol, A.A.M., Pexman, PM. (1999). Presenting your findings. A practical guide for creating
tab/es. Washington DC, USA: American Psychological Association. CAPITOLUL 7
'
Pedhazur, E.J., Schmslkin, L. (1991). Measurement, design, and analysisran integrated -
approach. Hillsdale, USA: Lawrence Erlbaum Associates,'|nc. REGRESIA LOGISTICA
Pitariu, H. (1983). Psihologia selectiei si forma'n'i profesionale. Cluj-Napoca: Editura Dacia.
Schroeder, L.D., Sioquist, D.L., Stephan, PE. (1986). Understanding regression analysis.
'
An introductory guide. (Sage University Papers on Quantitative Applications in the Daca criteriul sau variabila dependenta inclusé intr-o rsgresis nu este
Social Sciences, series no. 07-057). Newbury Park, CA: Sage. masurata printr-o scala numerica, ci printr-una dihotomica de tipui ,,da” sau ,,nu";
Thompson, B. (1995a). Stepwise regression and stepwise discriminant analysis need not ,,admis” sau ,,rsspins"; ,,corect” sau ,,gresit”, ,,succes" sau ,,insucces scolar" etc, se
apply here: a guidelines editorial. Educational and Psychological Measurement, 55(4), aplica o alté forma de rsgresie, denumita regresie logistics.
525— 534. Similar regresiei liniare, regresia logistics poats fi simplé sau multiple, cu
Thompson B (1995b). Exploring the replicability of a study’3 results: Bootstrap statistics for scop predictiv sau cu scop explicativ, cuprinzand doar efecte simple sau si pe ceie
‘
the multivariate case. Educational and Psychological Measurement 55(1), 84-94. de interactiune. Modul ds lucru in asemenea cazuri este analog cu cel prszentat in
capitolul destinat regresisi liniars. Ds exemplu, si in cazul regresiei logistics putem
intalni atat variabile numerics, cat si variabils dummy, ecuatii de regrssie liniare
sau nsliniare, modele simultane, ierarhice sau in pasi etc. De acesa nu vom mai
prszenta toate aceste detalii, cl ne vom concentra asupra modului de realizare si
asupra particularitatilor regresiei logistics
Un exemplu tipio in care ss poate utiliza regresia logistics este cazul
infidelitatii in plan sexual. In functis de acest criteriu am putsa imparti oamenii in
fideli sau infideli fata ds parteneri. Daca ar ti sa gasim un set de variabile care sa
realizeze o predictie cat mai corecta a comportamentului in cuplu al partsnenlor,
am putea utilize rsgresia logistica in scop predictiv. in schimb, daca am fi interesati
sa vedem cs factori psihologici pot explica infidelitatea dupa ce am controls unii
'
factori personali sau sociali precum varsta, sexul subiectului, statutul subiectului,
venitul realizat, nivelul ds educatie, oportunitatile existente la locul de munca etc,
am utiliza regresia logistica in scdp explicativ.
7.1. Concepts §i principii teoretice
Asadar, rsgresia logistical este o forma ds‘rsgrssis in care variabila

dependenté (VD) este dihotomica, in timp cs variabilels independents (Vl) pot fi
continue sau categoriale. Existé cazuri in care VD, desi este catsgoriala, are mai
multe alternative. Un exemplu ar fi identificarsa unor predictori caress sxplice cat
mai mult din evolutia probabilitatii ca oamenii sé voteze pe unul dintre liderii politici
precum Adrian Nastass, Teodor Stolojan sau Corneliu Vadim Tudor. in aceasta
situatie vorbim despre o regrssie logistics multinomiala. in capitolul de fata vom
aborda doar regresia logistica dihotomica sau binara, denumita generic ,,regresie
logistics” Modalitatea de interpretars a regresiei logistics multinomials, cat si a
regrssisi logistics ordinale nu poate fi inteleasa fara o buna aprofundare a regrssisi
243
242
I III l lI IIII, IIII IIIII III III III III lllll lllll llli illl l lI illl Ill I llll ‘lllI llll ‘lllI l Iiii‘iiiiiilliiiiiiiiiiiiiIiiiiiiliiiWiiiiliiiillWWWiiiliiiiiiiiiiiiifliiiiitiiiiiiliiiii‘iiiiil W W ‘iii‘ ii ii it il “ i W i ‘i‘ ‘i‘ ‘i‘ ‘I l i i ‘i I ‘1 liii‘ ii! iii i i ‘ ‘ ‘ ‘1 “ i
i ‘ iiiii IiiiiI iiiii liiii‘ iiiii IN Hil Iiiii iiiiI ill l l ‘l l l l III ii ii ii ii ii ii ii iii ‘i l IIII III III I I I I I l l l I I IIII I I l l ‘ Ill l IIII I I I IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII I I I I I I 1 I
iogistice binare. iVlai multe detalii despre aceste de regresie logistica pot obtinute la intervale de timp diferite, in perioada episodului psihopatologlc,
modalitati
fi gasiteIn Agresti (1990). respectiv. dupe insénétosire.
Asemeni regresiei liniare, cea logisticé inéearca sa gaseasca un model Modelul logistic trebuie sa cuprinda V/ semniflbatlve din puncf de vedere
explicativ cat mai bun, exprimat printr-o functie matematicé. Regresia logistica se teoretic pentru relatia cu VD Includerea unor Vl care nu au legatura cu VD poate
aseaména cu analiza logit, cele doué tehnioi oferind chiar rezultate identice, insé conduce la erori de estimare a coeficientilor logit. De asemenea, pot aparea
analiza logit areun caracter mai restrictiv, deoarecetoti predictorii trebuie sa fie oorelatii false Intre Vi si VD caz in care este afeotata calitatea modelUlui
masurati prin scalede tip nominal. De asemenea, regresia logistica poate fi foiosite . Utilizarea metodei de estimare a verosimilitatii maxime necesita un numa'r
cu succes in iocul analizei discriminantului, care este o tehnica \muit mai mai mare de subiect‘i decét utilizarea metodei celor mai mici .patrate. Din acest
pretentioasa din perspective conditiilor necesare pentru a fi utilizata corect. Se motiv, pentru esantioane mici, testarea ipotezelor statistice poate fi inadecvata. Un
cuvine sa precizém si cateva diferente existente intre regresia liniaré si regresia criteriu conservator sustine necesitatea unui minimum de 50 de subiecti pentru
logistica. ~
fiecare variabila predictor Totusi, pentru cercetari de peste 300 de subiecti, acest
(a) Spre deosebire de regresia liniaré, nu existé conditia de liniaritate intre raport poate sa scada, situandu—se undeva in iurul a 20-30 de subiecti pentru
Vi si VD, nu existé cerinta ca Vi sa fie distribuite normal, fiind astfel mai usor de fiecare predictor (Wright, 1995). .
aplicat. Din toate aceste puncte de vedere regresia logistica se dovedeste a fi 0
metodé foarte robusté si utila.
(b) Din punct de vedere tehnic regresia logistica se bazeaza pe metoda
7.2. Modelul regresiei logistice
estimarii verosimilitatii maxime (in englezé ,,maximUm likelihood estimation") si nu
pe metoda clasicé, a celor mai mici pétrate.
Pentru a Clarifioa principiile teoretice ale regresiei logistice vom apela Tn
(C) in fine, daca in regresia liniara cunoasterea Vl duce la predictia valorii
paralel la un exemplu din psihologia politica. Mai exact, vom surprinde in ce
VD, in regresia logisticé cunoasterea VI duce la determinarea (predictia) unei
masura varsta influenteaza opiniile romanilor in ceea ce priveste intrebarea: “Era
. probabilitati pentru fiecare dintre cele doua raspunsuri 'posibile ale VD. in cazul
mai bine inainte de 1989 decat dupa 1989, din perspective conducétorilor tarii?".
regresiei liniare se obtine o valoare estimate a criteriului, pentru fiecare subiect in
Datele provin din Barometrul de Opinie Publicé din octombrie 1999, raspunsurile
parte, pe baza ecuatiei de regresie rezultate. De exemplu, am putea estima
subiectilor fiind modificate prin a reduce alternativele de raspuns de la Cinci la doué
performanta in vanzari \a unei persoane pe baza experientei profesionale a
categorii. Aceste variante sunt: “1 — era mai bine inainte de 1989”; “O — era mai rau
acesteia si pe baza abilitatilor sale psihologice. in cazul regresiei logistice, dat fiind, '
inainte de 1989”
faptul ca} nu exista decat doué raspunsuri posibiie (ex. fidei sau infidel fata de
Daca modelul ecuatiei de regresie liniare simple este:
partener), se poate estima probabilitatea, pentru fiecare subiect in parte, de a se
comporta intr—un mod fidei sau infidel, iar acest Iucru ar fi obtinut pe baza ecuatiei
Y=bO+b1*X (7.1)
de regresie logistica. Desi are aparent o forma liniaré, criteriul estimat este o
variabila logit, denumire ce vine de la faptul 05: VD din .ecuatie este logaritmulj
modelul regresiei logistice simple este (Menard, 1995):
natural al unei valori ce intra in calcuiul probabilitatii de a se intémpla un evenimentI
sau aitui. in cazul infidelitétii, criteriul indicé probabilitatea ca 0 persoana 5331 se,
in(y) = b0 + b1*X (7.2)
comporte fntr—un mod fidei in plan sexual sau dimpotriva.
care poate fi scris si
Precizéri metodologice necesare aplicarii regresiei logistice
Categoriile VD trebuie sé fie reciproc exclusive. Fidel si infidel in planE y = exp (b0 + b1*X) (7.3)
sexual fate de partener pot constitui categorii ale VD in regresia logisticé, deoarece;
eie se exclud reciproc. in schimb, fan ,al fotbalului si al tenisului sunt categorii care; unde y este sansa sau raportul dintre probabilitatea de a raspunde 1‘ (era mai bine
nu se exciud reciproc, deoarece exista persoane care pot intra in ambele categoriil inainte de 1989) si probabilitatea de a raspunde O (era mai rau inainte de 1989).
sau dimpotrivé, in nici una. Prin urmare, regresia logistica nu poate fi aplicaté intr-oi Adicé, In (y) = ln [p/(1-p)]; b0 si b1 sunt coeficientii logit corespunzétori
asemenea situatie. coeficientilor de regresie (b0 fiind asociat interceptului, iar b1 fiind asociat pantei de
Datele trebuie sa fie independente unele de altele. Daca avem categoriileI regresie determinate de predictorui X, in acest caz, varsta subiectilor).
bolnav, respectiv sanatos pSihic, nu putem include datele de la acelasi subiect
244 245
Raportul ia valoarea 1 cand existé o egalitate intre cele doua’probabilitati, ‘ conducatorilor garii era de 0,396, in timp ce probabilitatea de a se opune unui
adica aiunci cand fiecare raspuns are 0 probabilitate de .50 (50%) de a fi ales de 0 . asemenea raspuns era 1-p, adica 0,604, o valoare mai mare.
anumita persoané. El devine supraunitar cand existé mai _multe aanse sé se Repetand acelaei demers matenfiatic pentru o persoané de 50 de ani vom
intample situatia 1 (sublectul sé afirme ca era mai bine inainte de 1989) $i obflne:
subunitar cand §ansele sunt mai mari de a prezice varianta O mai rau inainte y = -1,02 + 0,03*50 = 0,48, iar exp (y) = 1,61
(era p :1,61/(1+1,61)= 0,616
de 1989).
Devine necesara diferentierea Clara dintre probabilitati, §anse §i raportul in acest caz, pentru o persoana 1n varsta de 50 de ani exista o
§anselor. ,ln regresia logistica dihotomica, §ansele unui subiect de a intravIn ,probabilitate mai mare de a afirma ca era mai bine inainte de 1989 (p = .616)'deoat
categoria 1 (era mai bine inainte de 1989) sunt egale cu raportul dintre probabili— de a susline contrariul (q = 1—p = .384).
tatea de ‘a fi inc/us Tn acea categorie §i probabilitatea de a apartine celeiialte Deoizia de a fi inclus intr-o categorie sau alta se face avand criteriu limita o
categorii (O - era mai réu inainte de 1989). Raportul se inverseazé daca dorim sé probabilitate de .50 insé aceasté valoare poate fi mod-ificata in functie de
calculam eansele ca'zulu-i de a intra in categoria O. Daca probabilitatea de a fi inclus caracteristicile VD §i de frecvenga reala a alternativelor de raspuns (Hair,
'
in categoria 1 este p = .80, ea devine .20 pentru categoria O (q=1-p). $ansele ca Anderson, Tatham §i Black, 1998).
subiectul sa apariina primei categorii sunt de patru ori mai marl (BO/.20); Se Pe baza probabilitétilor putem slabili §ansele de a fi inclus intr—o categorie
observa ca probabilitéti/e pot lua valori I‘ntre, 0 §i 1, in timp ce §ansele variazé de la sau alta. Un tanér de 20 de ani va avea de aproximativ 1,5 ori mai multe eanse de
0 la infinit Prin urmare, se pune problema calcularii probabilitatii ca un anumit afirma ca este mai bine acum decat inainte de 1989 (604/396). in schimb, o
subiect sa fie inclus in prima categorie._Ea se face dupé formula (Wright, 1995): persoané de 50 de ani va'avea [tot de aproximativ 1,5 ori mai multe §anse sa
afirme ca era mai bine inainte de 1989 decét acum (616/884).
Un concept esential in regresia logisticé este‘cel de rapon‘ a/ §anselor. El
H
(74)
' estimeazé schimbarile intervenite in §ansa de a fi inc/us in prime categorie (in
p_1+ey cazul dat: era mai bine inainte de 1989), atunci cénd variabi/a predictor cre§te cu o
unitate. Pentru a-l calcula avem nevoie doar de coeficientul logit al variabilei
unde p = probabilitatea de a se petrece eVenimenlul 1 (“era mai bine inainte de predictorIn cauza
1989"); e simbolizeaza exponentul, iar y la valori diferite in funcztie de tipul de Sa presupunem ca am obtinut un parametru b= 0,50 pentru un alt
ecua’gie logistica. Astfel: predictor: numarul de copii. Pentru a afla raportui eanselor, vom calcula exponent
din valoarea acestu‘ia (0,50).
y = b0 + b1*X ' pentru regresii logistice simple
y = b0 + b1*X1 + b2*X2 pentru regresii logistice multiple 6°50 =1,64
Vom calcula, ilustrativ, probabilitatea unei persoane de 20 de ani sa afirme Interpretarea raportului de§anse va fi prezentata pe larg cand vom discuta
ca era mai bine inainte de 1989. Se”: presupunem ca interceptul (b0) a fost —1,02, despre coeficieniii iogit. Pané atunci ne vom rezuma 5a ciiim rezultatul prezentat
iar coeficientul logit 'al variabilei varsta (b1) a fost 0,03. Vom obtjne: y = -1,02 +. mai sus, afirmand ca: un individ cu doi copii are de 1,64 ori mai multe canse sa
O, 08*20—_ -0, 42 afirme ca era mai bine inainte de 1989 in comparatie cu o persoana cu un singur
Deoarece y = exp (b0 + b1*X), exponentul valorii y de -O,42 este 0,657. copil (Vl creete cu o unitate). in cazul mai multor Vl incluse in model se specifica
Putem inlocui In formula pentru a afla probabilitatea ca un tanar de 20 de ani sé sintagma "pastrénd celelalte variabile constante“. ,
afirme ca era mai bine inainte de 1989. Se poate calcula rapo'rtul ganselor §i pentru modificari ale Vl mai marl de 0
unitate. Astfel, vom compara o persoana cu cinci copil cu o alta care are un copil.
= fl = 0,396 Diferenta de patru unitati va fi exprimata astfel:
1+ 0,657 , \
em” =7,38
Vaioarea ne determine“: sa credem ca tineriivde 20 de ani vor afirma mai
degrabé ca este mai bine acum comparativ cu situatia dinainte de 1989, deoarece
probabilitatea de a afirma car era mai bine inainte de 1989 din perspectiva
246 247
u u u r u u uu lll il il III I I uu III II I I l l l III uu‘uuI l l ‘li ‘ lllt‘lll llll il l l éilllli:
Adica, un subiect cu 5 copii, in comparatie cu cel care are 'un singur copil, directia acesteia, Figura de mai jos prezinté forma curbei logistice pentru trei valori
va avea de 7, 38 ori mai multe sarise de a afirma ca era mai bine de diferite ale coeficientului logit pornind de la ideea ca interceptul a luat valoarea 0.
Inainte 1989,
din perspective conducatorilor tarii.’ Se poa’te observa ca panta este mai abrupté in cazui li'niei continue,
in privinta rezuitatelor oferite de SPSS, lucrurile sunt diferite. SPSS ul deoarece vaioarea coeficientului logit a fost mai indepartata-de 0 (b=3), Panta
ofera direct vaioarea raportuiui sanselor pentru fiecare Vi atunci cand acestea se scade [in cazul iiniei punctate, pentru ca valoareacoeficientuiui logit este mai
modifica cu o unitate si (151 posibilitatea de a opta pentru afisarea intervaiului de -apropiaté de 0 (b=1,5). Panta arata cat debinepoate discrimina coeficientui logit
incredere corespunzator fiecarui report ai sanselor. in schimb, programul nu Iuat in caicul. Cu cat este mai abrupta, cu atat variabila predictor intervine mai mult
prezinta direct sansele estimate pentru fiecare subiect. Acestea pot fi deduse in modificarea probabilitétilcir VD. Un coeficient logit (b=0) nu va influenta in nici un
indirect pe baza probabilitatilor obtinute. Deoarece probabilitatile se calcuieaza fel modificarea probabilitétilor atunci cand variabila predictor va lua valori diferite. in
pentru fiecare subiect in parte, existé in SPSS optiunea de a salva ca variabila aceasté situatie, ,curba se transforma intr—o linie orizontala (liniaintrerupta).
noua, probabilitatea fiecarui subiect de a raspunde 1 (de a afirma ca era mai bine Pentru valori pozitive ale coeficientuiui logit, curba creste dinspre stanga
inainte de 1989) spre dreapta. Aceasta inseamna ca valoriie mici ale predictorului determine 0
‘
Vom sublinia ca in interpretarea coeficienti/or logit obtinuii tinem seama de probabilitate mai mica’de a se intampla evenimentul 1, iar valorile mari cresc
rapon‘ul de sense si nu de probabilitati. Acestea, nu sunt eficiente deoarece au aceasté probabilitate. Situatia se inverseaza daca obtinem un coeficient logit
valori diferite la variatii constante ale variabilei predictor. in general, probabilitatile negativ. Curba de regresie va creste dinspre dreapta spre stanga, ceea ce
se modifica mai mult pentru valori medii ale Vi si mai putin pentru valori extreme inseamné ca valorile mari ale predictorului determine 0 probabilitate mica de
ale Vl. aparitie 'a evenimentuiui 1 si invers. Astfel, un b= -1,5 va determine 0 curba inverse
Astiei, daca admitem un intercept b0 = ~1,02 si un coiicient logit b1 = 0,50 fate de curba punctata rezultata din coeficientul logit b de 1,5, prezentat in figure
pentru variabila numar copii, vom observa'ca probabilitatiie nu se modifica uniform . 7.1. Ea va pastra insa celelalte caracteristici si va avea o panta mai abrupta
cand Vl creste cu o unitate. Concret, probabilitatea unei persoane cu un copil de a comparativ cu modelui 3 (b=0), dar mai lina decat modelui 1 (b=3). De remarcat ca
afirma ca era mai bine inainte de 1989 este .37, iar cea a unei persoane cu doi niciodaté curba nu va depasi probabilitatea 1 si nu va cadea sub probabilitatea 0,
copii este .49, diferenta de probabilitate dintre ceie doué réspunsuri fiind de .12. in chiar daca vom utiliza valori extreme ale Vi (Wright, 1995).
schimb, probabilitatea unui subiect cu cinci copii devine .81 fata de .87 cat este
probabilitatea pentru o persoana cu sase copii, diferenta fiind de numai .06.
7.3. Estimarea modelelor logistice
in aceasta sectiune vom discuta pasii necesari pentru aplicarea regresiei

logistice. Vom introduce, in paralel cu expiicatiile conceptuale, urmatoarea situatie-
exemplu:
Probabil'r y O serie de factori influenteazé nasterea unor. copii sénétosi sau, dimpotrivé, a unor
icopii cu malformatii genetice diverse. Observand un numar de 125 de nasteri, un cercetator
Predicted
‘ a anchetat mamele cu privire la 4 factori: vérsta mamei, existenta in familie (rude de gradul I
si ii) a unor malformatii genetice, consumul de alcool in perioada sarcinii si stresul cotidian
'
perceput.
BaZa de date aferenta acestui exemplu este regresie logisticasav, iar
pentru analiza datelor in SPSS 11.0 se urmeaza caiea: ,,Analyze"‘,,Fiegression”-
Figure 7.1. Modalitaii de evolui‘ie a curbei regresie] logistics simple in trei situatii ipotetice (b , ,,Binary Logistic’.
= 3 ~Iinie continua“; b = 1,5 — linie punctata; b = 0 — linie intrerupté) Regresia logistica ofera posibiiitatea de a:
. testa daca un model este semnificativ statistic;
Acest lucru se intampla, deoarece regresie logisticé nu are 0 forma liniara, - compare doué modeie intre ele;
ci 0 forma specifica in forma de S, denumita curba de regresie logistica. Fiecare . stabili eficienta modeiuiui ales;
‘
combinatie de coeficienti logit cu interce'ptui produce 0 modificare a formei . interpreta coeficientii logit semnificativi din modelui ales;
acesteia. in functie de vaiorile coeficientuiui logit ai Vl se modifica panta curbei si . stabili profiluri ideale pe baza ecuatiei logistice obtinute;
248 249
Ill Im ‘II Im IIII Illmtlliml l iflnll l IIImIIILiIm Ill ’ lllll Illm mm In lllll IIm Illll Illm Inmmm mmmm l l l ‘l l l l l l l l lI , , l l l l l l l l l l l l l l l l l l I‘l lI
analiza cazurile influente din modelul explicativ gasit. Testul (32 urmeaza o distributie x2, unde numarul gradelor de libertate este
.
dat de numarul de Vl incluse in model. Daca G2 este semnifioativ statistic (p < .05),
respingem ipoteza nula si putem concluziona ca modelul propus este superior celui
7.3.1. Testarea modelelor explicative Iogistice care cuprinde doar interceptul, deoarece exista cel putin un predictor, in model,.
care influenteaza semnificativ logaritmul sanselor ca VD sa se modifice spre O sau
. Vor' fl prezentate trei metode ce testeaza daca un model este sau nu spre 1. G2 este analog testului F din regresia liniara multipla (Garson, 2000)
semnificativ statistic. Este vorba de testul G2 al rapoartelor de verosimilitate (in Un alt criteriu de testare a modelului explicativ presupune o actiune inversa
'
engleza ,,chi-square likelihood ratio test"); testul Hosmer si Lemeshow de masurare" pentru a surprinde diferenta semnificativa dintre un model saturat si modelul
a potrivirii (in engleza ,,'Hosmer and Lemeshow’s Goodness of Fit Test“); si CI‘itel‘lUl propus. Aceasta este metoda preferata de lucruIn anallza logllniara ierarhica.
bayesian ajustat de informare notat cu BIC' (in engleza ,,Adjusted Bayesian B. Testul Hosmer si Lemeshow ca masura a potrivirii testeaza ipoteza
Information Criterion”) Primele doua metode sunt incluse in outputul SPSS- ului, iar nula conform Careia datele observate sunt generate de modelul explicativ propus.
ultima poate fi usor calculata pornind de la datele acelasi program Daca testul se dovedeste a fi semnificativ statistic (p < .05) inseamna ca datele
prezentate de
statistic generate de modelul propus sunt diferite de datele observate. Ca urmare, dorim ca
A. Testul G2 al rapoartelor de verosimilitate este o varianta a testului X2 ' 7 rezultatul sa fie nesemnificativ statistic, pentru a nu respinge ipoteza hula ce afirma
cu proprietati care—l fac mai potrivit pentru a identifica modelele explicative optime. ca nu exista diferente intre valorile observate si cele prezise de model. Testul nu
Pentru a intelege modul sau de functionare vom introduce cateva concepte. Desi, se refera Ia intensitatea relatiei, ci doar demonstreaza ca exista o anumita influenta
la prima vedere acestea par complicate trecerea lor in revista este necesara a VI din model asupra VD Cu cat esantionul devine mai mare, cu atat sansele ca
pentru a intelege rezultatele oferite de SPSS, concretizate in indicatori -:precum X2 ipoteza nula sa fie respinsa cresc (Garson, 2000)
initial X2 al pasului, G2 etc. \
Ambele modele prezentate mai sus sunt derivari ale lui )6, in consecinté
Un prim concept este log—likelihood (LL) un logaritmul calculat prin iteratii sunt dependents de volumul esantionului. Un numar mare de subiecti (ex. 1500
utilizand metoda estimarii verosimilitatii maxime. Valorile LL sunt negative, fiind subiecti) creste sansa de a respinge ipoteza nula in comparatie cu un esantion mai
zero doar daca verosimilitatea este 1. _ mic (ex. 200 subiecti). Acest fapt determine testul Hosmer si Lemeshow sa devina
Din acest considerent se prefera utilizarea abaterii, notata (-2LL), care este mai conservator pe masura ce volumul‘ esantionului creste, in timp ce testul G2
egala cu dublul logaritmului de‘mai sus (log—likelihood) inmultit cu minus unu pentru devine mai liberal. Pentru a elimina aceste etecte, vom prezenta Criteriul bayesian
a lua valori pozitive. Abaterea este modalitatea de lucru a SPSS—ului, iar pe baza ei ’ de informare in forma sa ajustata (BIC’), dezvoltat pe baza principiilor statisticii
pot fI calculati mai multi indicatori. bayesiene.
Hi patrat initial mascara erorile asociate cu modelul explicativ propus in C. Criteriul Bayesian Ajustat de Informare,(BlC’) poate fi utilizat atat
situatia in care singurul parametru inclus este interceptul. Se noteaza cu —2LLnuII pentru testarea unui modelanume, cat mai ales pentru a compara doua modele
sau —2 log likelihood initial. diferite. Bineinteles ca exista si un Criteriu Bayesian de Informare (BIC) neajustat,
Hi pétrat ca masura“ a nepotrivirii se noteaza cu —2_|_Lmodel ’sau —2 log . care este insa afectat, in mai mare masura decat varianta ajustata, de numarul de
likelihood si reflecta erorile asociate cu modelul explicativ propus cand includem variabile incluse in model si de volumul esantionului. Formula de calcul al lui BIC'
atat interceptul, cat si toate Vl dorite de cercetator. porneste de la testul C52 si este:
Testul rapoan‘elor de verosimilitate se noteaza cu G2 si este hi patrat al
modelului. Este principalul indicator care ne arata In ce masura modelul explicativ BIC’: - G:2 + df’ model * In N (7.6)
propus este sau nu semnificativ statistic. Matematic se obtine utilizand formula:
V unde df' se refera Ia numarul de grade de libertate ajustate, adica la
G2 = (~2LLnull) — (~2LLmodel) (7.5) numarul de parametri regresori din model (excluzand interceptul), iar N este
' numarul de subiecti din studiu.
G2 testeaza ipoteza nula conform careia nici 0 VI nu este asociata cu Totusi, BIC’ avantajeaza modelele oe dau dovada de parcimonie in dauna
logaritmul sanselor ca VD 5a ia 'valoarea O sau 1. Cu alte cuvinte, testul verifica ._ unor modele complexe. Acelasi rol Tl Tndeplineste si un alt indicator AlC (Akaike
daca tothcoeficientii logit ai VI, exceptand interceptul, sunt zero. Asadar, testul 62 Information Criterion), care insa, este mai putin conservator in avantajarea
masoara modelul in ansamblu si nu se refera la fiecare coefic‘ient logit in parte. . modelelor simple (Wickens, 1998).
Acestia sunt verificati prin testul Wald sau alte probe similare.
251
250
IIIII l l l III lllllJllll lllllJlllli l l l ‘l l I l l l III III l l III l l III lllllllllllllllllllmllllllllll l l l l l lI l l I III l l ‘ I I l l l IIIII l l l l l li l l l l l l l l l IIII l l l l l I I I l l III l l l l l l l I I I l l III l l ‘l l‘ l l III l l III l l III
Dacé BlC‘ ia valori pozitive. modelul nu explicé foaite bine datele obtinute. SPSS— ul ofera rezultate pentru cea dea treia metoda de testare a
El este chiar mai slab in expl'icarea variatiei VD decét modelul nul, ce include modelelor logistice testul Hosmer si Lemeshow ca masura a potrivirii Pentru
numai interceptul. Vom discuta in cadrul sectiunii urmétoare modul in care este aceasta trebuie selectata optiunea corespunzatoare In fereastra "Options” a
utilizat BlC’ pentru a compara doua modele Intre ele dupa un propus de regresiei logistice.
algoritm
Long (1997) si Freese (2000).. Rezultatul obtinut araté ca ipoteza nulé nu poate fi respinsé (p > .07), ca
In exemplul amintit anterior vizand factorii ce intervin In aparitia unor urmare= vom‘ putea spune oé datele rezultate, estimate pe baza modelul‘ui
malformatii genetice la 125 de nou— nascuti, vom evalua trei factori: consumul de - explicativ, nu suni semnificativ diferite de valorile observate. Toate ao’esie rezultate
alcool in perioada sarcinii, existenta unor rude apropiate cu malformatii genetice §i sprijiné ideea cé oel putin un predictor din cei trei (consumul de alcool, factorii
varsta mamei la naetere. Ecuatia logisticé este: genetici si vérsta mamei) contribuie semnificativ la estimarea probabilitétii de a da
nastere unui copil sénétos sau unuia cu malformatii genetice.
ln Handicap = b0 + b1*Aloool + b2*Factori genetici + b8*Vérsta mamei
Pentru testarea modelului vom apela atét la output-ul oferit de SPSS Cat si 7.3.2. Compararea modelelor logistice
la anumite caléule suplimentare.
lnainte de a trece in revisté principalele modalitéti de a compara modele
Omnibus Tests of Model Coefficients trebuie subliniat ca exista doua tipuri de relatii intre aoestea: de tip cuib", respectiv
modele diferite (Hairetalq 1998; Garson, 2000).
Chi-square df Sig. Doua modele logistice se aflé‘ intr-o relatie de tip cuib, dacé intr-un model
Step 1 Step . 54,501 3 ,000
' sunt inoluse toate Vl care se gésesc in celélalt. ln caz contrar, modelele sunt
Block 54,501 3 ,ooo socotite a fi diferite. Pentru exemplul dat, o relatie de tip “cuib” este:
Model 54,501 . 3 ,OOO
Ln y = b0 + b1*Va-rsta mamei i- b2*Consumul de alcool si
Hosmer and Lemeshow Test Ln y = b0 + b1*Vérsta mamei + b2*Consumul de alcool + b3*Stresul perceput
Step Chi-square df Sig.

1 12,966 7 ,073 Pentru aceeasi situatie, comparatia intre modele diferite ar fi:
unde Chi-Square Model este testul G2. Ln y = b0 4-b1*Vérsta mamei + b2*Consumul de alcool + b3*Stresul perceput si
Ln y = b0 +b1*Vérsta mamei + b2*Antecedentele genetice
Figura 7.2. Testarea modelulur’ propus din perspective gradu/ui de semnificafle
SPSS este o marcé inregistraté. Pe baza acestei diferentieri stabilim tehnica neoesara pentru compararea
modelelor. Vom descrie doué procedee: X2 al pasului si diferenta dintre criteriile
bayesiene ajustate de informare. Ampele metode pot fi utilizate pentru modele de
Vom scrie rezultatul sub forma G2(3) = 54.501, p < .001. Gradele de tip “ouib”, iar ultima poate fi Utilizaté'si pentru compararea modelelor explicative
libertate sunt date de numérul Vl incluse in modelul testat. Pornind de la acesti diferite.
indicatori poate fi calculat si BIC‘, procedeu care nu este oferit directIn -u| Hi péi‘rat a/ pasu/ui este metoda utilizaté'in SPSS. Tehnica surprinde
SPSS- ului. output- mérimea modificérilor in ceea ce priveste log likelihood prin introducerea unor Vl
Vom avea: not, in conditiile in care Vl anterioare sunt péstrate. Se verificé astfel, dacé anumite
Vl merité a fi introduse in model, dacé au un efect suficient de mare, incét
BlC’ = -54,501+ 3 * in 125 = - 40,01 eliminarea Ior ar conduce la un model explicativ inferior. Tehnica este eficienté si in
identificarea variabilelor dummy semnificative statistic, care pot fi testate
Acest rezultat poate ii interpretat ca un credit dat modelului explicativ ' distorsiOnat
prin proba Wald Din punct de vedere tehnic, x2 al pasului este analog
propus. O valoare pozitiva a lui BlC' ar fi insemnat cé avem un model explicativ lui F schimbare din cadrul metodei ierarhice din regresia liniara multiple.
mai slab decét modelul nul, ce tine seama doar de intercept. Regresia logistica poate fi calculata si prin alte metode decét cea
simultané (in englezé ,,enter”) ori cea ierarhicé. SPSS—ul poate utiliza atét metoda
252
. 253
‘1 l ‘ l l IIIIIII III ‘ ‘
llllllllllllll.lllllll.‘llllll.llllllllllllllllllllllllllllllll:lllllllllllllllllllllllIllll.llll‘ l l
progresiva “stepwise" Cat si pe cea regresivé “backwise”. in aceste situatii este Omnibus Tests of Model Coefficients
oferit un X2 "improvement”, similar ca functie lui 752 al pasului. Daca modelele '
putea folosi 952 al pasului Chi-square df Sig.
comparate nu se afla intr—o relatie de tip cuib, nu vom ' Step1 Step . 1
,034 ,855
oferit de SPSS, Ci va trebui sa apelam la valorile BlC’. Block
'
,034 1 ,855
Diferenta dintre valor/[e BIC’ a doua modele poate fi utilizata indiferent Model 54,535 4 .000
daca modelele se afla sau nu Intr-oreiatiede tip cuib. Pentru aceasta trebuie Intai
calculat BlC' pentru fiecare model, iar apoi facuté diferenta dintre cele doué valori: Figura 7.3 Testarea eflciem‘ei mode/u/ui inainte §i dupa includerea variabi/ei stresui perceput
BlC’i — BIC'2. Daca BIC‘1 — BIC’2 > O, vom pretera modelui al doilea; daca SPSS este o marca Inregistrata
BIC'1 —- BlC’2 <0, vom prétera primul model.
Raftery, autorul conceptelor BIC si BlC’, propune o grilé empiricé de Constatém ca si al doilea model este semnificativ statistic, G2(4) = 54,535,
interpretare a diferentelor ce este prezentate in tabelul 7.1 (apud Freese, 2000). ca Lurmare, cel putin una dintre Vl incluse influenteazé evolutia VD. Se pune
De pild‘a, daca diferenta dintre doua modele in ceea ce priveste BlC’ este 8, putem problema compararii celor doué modele pentru a vedea care dintre ele este mai
'afirma ca modelui cu BIC’ mai mic este mult mai bun, existand o probabilitate de bun in explicarea apariti‘ei malformatiilor congenitale.
.95 - .99 ca acest fapt sé fie adevarat. X2 al pasului apare notat ca Step 76, valoarea sa fiind A7611) = 0.034,
p > .854. Valoarea este nesemnificativa statistic, ceea ce inseamna ca
Tabelul 7.1. Diferentele critice intre modele dupé Raftery (apud, Freese, 2000) introducerea variabilei ,,stresul perceput" nu a adus imbunatétiri suficiente
modelului. Formula de calcul este foarte simple:
Diferenta in valoarea absolute Semnificatie Probabilitatea implicaté
O—2 Slaba .50 - .75 -
‘ Step x2 = G2 Model 2 - G2 Model 1 (7.7)
2~5 Medie .75 — .95
6 -— 1O Puternica .95 - .99 unde modelui 2 este intotdeauna modelui cu mai multi predictori inclusi.
> 10 Foarte puternicé > .99 Putem calcula si diferenta absoluta dintre valorile BlC’ ale celor doué
modele:
Vom utiliza aceeasi problema pentru exemplificare. Modelele comparate vor fi:
BlC’1 = 54,501 * 3*ln N = — 40,01
ln Handicap = b0 + b1*Alcool + b2*Factori genetici + b3*Varsta mamei 13102-— -54535 * 4*ln N = - 35,22
ln Handicap = b0 + b1*Alcoo| + b2*Factori genetici + b3*Varsta mamei + b4*Stresu| lBlC1-‘BlCZl:~ 4,79
perceput
Se observé cé primui model este preferabil, dar consultand tabelul 7.1.
Primui model a fost disoutat si testat anterior, valoarea obtinuta fiind 62(3) = observém doar o probabilitate intre .75 si .95 ca acest model 551 fie mai bun decat
54, 501. al doilea.
Trebuie sa privim intotdeauna si dintr—o perspectivé teoretica atunci cand
comparém doué modele”. Tehnicile statistice prezentate tind sa prefere modelele ce
Block 1: Method = Enter dau clovadé de parcimonie in dauna altora mai complexe. Daca exista numeroase
Omnibus Tests of Model Coefficients argumente care sé ne face 551 credem ca 0 anume Vl trebuie péstrata, in pofida
aparentelor matematice, putem face acest Iucru. in cazul de fata este vorba de
Chi—square d1 Sig.
variabila stresul perceput. Desi este cunoscuté importanta ei in acest domeniu, ea
Step
‘ 1 Step 54,501 . 3 ,000
Block 54,501 nu a imbunatétit primui model. Decizia ramane la latitudinea cercetétorului, daca
3 , ,000
Model 54,501 3 .000 va pastra sau nu variabila respectivé in model, chiar daca includerea ei nu aduce
un plus explicativ. De obicei, in regresiile cu scop predictiv, asemenea variabile
sunt eliminate, deoarece obiectivul major este de a estima cat mai corect
Block 2: Method = Enter probabilitatea subiectilor de a réspunde 1 sau Ola criteriu.
254 255
, ; ; illumlli , IJIIIIIIIIIIIII I I I III III I I I I I I III I I I I I I III III III I I III I I III I I III I I III. III I I I I II I I II I I I I I I III III I I I .I I I I I I III I I I ‘I . “ I . I. ‘I I III ‘I I III III 1 1 III I I II II I I I: I I I IIII III III I I IIII I I IIII I I III IIIIIIIIII I I I IIII IIII IIIIIIIIIIIIII I I III I I I .
primul, flind'o ajustare a acestuia pentru ca R2 sa poata Iua valori intre O si 1,

7.3.3. Stabilirea eficien’gei explicative a modelului ales asemeni lui R?- din regresia liniara. Dintre togi indicatorii mai sus prezentaii, R2 al lui
Modelele pot trece pragul testaril ipotezei statistice mai ales in cazul unor Negelkerke este singurul care poate Iua valori intre 0 si 1, ceilaltj avand o valoare
esantioane foarte marl. Exista insa o serie de indicatori, cu roI similar lui R2 din maxima subunitara.
regresia Iiniara, care arata in ce masura VI influenteaza variatia VD, indicand R2 a! propoq‘iilor Implica realizarea unui tabel de clasificare. Acesta
astfel marimea efectului. ' contine, in cazul regresiei Iogistice dihotomice, 2 linii si 2 coloane si clasifica
, _
Vom prezenta cinci asemenea indICaIOri: Pseudo - R2, R2 al lui McFadden, observaliile si predicliile in doua 0 sau 1 (ex. angajat sau somer).
grupe
R2 al lui Cox si Snell, R2 al lui Nagelkerke si R2 de stabilire a proportiilor. Ultimii trei
indicatori sunt calculati si de SPSS. Tabelul 7.2. Exemplu de clasificare a observaliilor In functie de datele culese §i de cele
Daca R2 din regresia Iinlara are rolui de a explica ce procent din dispersia estimate
VD este explicat de modificarile VI, indicatorii similari din regresia logistica explica Preditji someri (0) -' Predictii angajatj (1)
modificarea probabilitatii VD de a fi 0 sau 1 in functie de variatia VI. Acesti Observatji someri (O) 32 5
indicatori nu testeaza o anumita ipoteza ci doar evalueaza gradul de asociere Observa’gii angajakifl) 60
nula, 3
Intre VI si VD
Pseudo-R2 coeficient dezvoitat de Aldrich si Nelson (apud Hair si colab., O ecuatje logisticé va puteavfi reprezentata printr—un asemenea label. Daca
1998), are valori pozitive, subunitare. Are dezavantajul ca vaioarea sa maxima nu
VI sunt adecvate pentru explicarea VD, se va observa o similitudi'ne inlre observalii
poate atinge 1. In schimb, tehnica poate fi folosita atat in cazul regresiei logistice
(datele actuale) si predictii (pe baza VI) in a determina decal 0 persoana are sanse
binare, clasice, cat si in cazul regresiei logistice multinominale sau a celei ordinale.
mai mari 5a fie angajata sau, dimpotrivé, sa fie someré.
Pentru a-l calcula utilizam formula:
Vom prezenta, pe rand, valorile indicatorilor discutali pentru exemplul nou-
nascugilor, vizand modelul care nu include variabila “stresul perceput”.
Pseudo - R2 = 1 - (-2LLmodel / -2LLnuI|) (7.8) Pentru calculul lui Pseudo R2 trebuie sa cunoastem valorile abaterii -
modelului (-2LL, model) si ale abaterii initiale (~2LL nul), iar pentru calculul lui R2 a
Se poate calcula si un Pseudo-Fl2 ajustat, pentru a tine seama de marimea lui McFadden avem nevoie de valorile logaritmice pentru cele doua situatil (LL 7
esantionului (N) si numarul de regresori din model (df ’), excluzand interceptul:
loglikelihood). Daca in variante mai vechi, precum S'PSS 7.5., programul ofera
valorile tuturor acestor abateri, versi‘unile mai noi, precum SPSS 11.0., permit
calcularea acestor indicatori intr-un mod indirect. ~
Pseudo_ Rzajustat= [Pseudo_ R2 — i] *[J-fl—j (7.9)
N—l N—df —1 .
Model Summary
R2 al lui McFadden (Long, 1997) este un indicator similar. Diferenla este
-2 Log Cox & Snell Nagelkerke
ca McFadden ia in considerare log likelihood (LL) si nu funclia —2LL. McFadden Ste}; likelihood Fl Square R nre >
ofera posibilitatea unej ajustari (in engleza ,,Adjusted McFadden F12”), pentru a nu 1 109,970 ,353 ,483
spori artificial valoarea indicatorului o data cu cresterea numarului de VI incluse in
model. Figura 7.4. Indicaton' de baza' ai marimii efectu1ui Tn regresia logistica
SPSS este o marca inregis’rrata.
R2 McFadden = 1 ~ (LLmodeI / LLnuIl) (7.10)
R2 McFadden’ (ajuslat) = 1 — [(LLmodel - df ‘) / LLnuII] (7.11)
SPSS-ul ofera valorile G2 si -2LL pentru model. Se stie insa ca 62 = -2LL
unde df ' este dat de numarul de parametri (VI) inclusi in model, exceptand null 4 (—-2LL model), fapt ce ne ajuta la calcularea abaterii initiale. Astfel, daca G2 a
interceptul. fost 54 50, iar abaterea modelului a fost 109, 97, rezulta ca abaterea initiala (2LL
null) este 164, 47.
R2 al lui Cox si Snell, respectiv Fl2 al lui Nagelkerke (Garson, 2000) sunt Apoi, inlocuind In formulele prezentate mai sus (7. 8, 7.9; 7.10 si 7 11) vom
indicatori prezenta’gi in outputul SPSS-ului. AI doilea indicator se bazeaza pe obtine:
256 257
I I I I II I I I I I I III III I I I I I I I III II lliiiilliiiilllliIilillilli_liiilliiilliiiiliiiiiliiiiiliiiiiliiiiiiiiiilllllillliLiillllIIilillLiilllluillliLillllifiiiiiiliiiiiUilllliiilllllJllillIiililllIililliIiillilliillliLillliliiilillLilliiiiillllilllllJllilliiiilll1illllllillilliilllllflililllilllllllllllllIilllllillllllllllllIlllllulllllllllllilllllliIIIIIlIllllllllllltllllllllllllulllllllllllllllll‘llllllIlllll‘,lllllllllllllllll‘IIIIIlIIIIIlIIIIIlIllllllllllllllllll‘llllllllllllllllllllllllllllllliliiiiliiiiiiiiiiilllll‘illlllIlllll‘lllllllIiiiiiiiiiiil‘iiiiiiiiiiiiiiiiiiiIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIlllllllIIIIIIIIIIIIIIIIllIllIllIIIIIIIIIIIIIIIIIIIIIIIIIIIII‘IIIIIIIIIIIIIIIIIIIIIIIIIIIIIiliilliili III ‘I I‘ I‘ I
Pseudo - R? = .3313 Pseudo - R2 ajustat = .3222 acest caz 23,4%. Astfei, aproximativ un caz din patru va fi prezis incorect de
R2 a lui McFadden: .3313 R2 a lui McFadden ajustat =’ .2948 model. In schimb, a'cesta se va dovedi a II valid pentru celelalte % din cazuri.
De asemenea, ’exista gradul de sensibilitate (In englezé ,,sensitivity”) care
Aceste valori pot fI interpretate in termeni de procente In consecinta, cbnsté In raportul dintre numérul de predictii corecte si numarui de observatii ale
putem afirma ca predictorii inciusI In model explioa aproximativ Intre 29, 48% $1 evenimentuiui 1. Pentru exemplui dat, este vorba de raportul dintre numarul de
33,13% din variatia probabilitatii VD de a fi 1 sau 0 (de a naste un copii sanatos predictii corecte referItoare la réspunsul ,_,nou-nascut sanatos", din numérul total de
sau‘ unul cu malformatii). copii sénatosi observati. Vom obtine 66/ (66 + 13), adica 83.50%. In acest context
R2 ai lui Cox si Snell si R2 al lui Nagelkerke sunt Indicatori asemanatori ca se poate vorbi de 13 cazuri de diagnosticare gresité (falsi negativi — preziei cu
mod de functionare si interpretare, fiind prezentati direct In SPSS (vezi figura 7.4.). malformatii, dar nascuti sanatosi). Similar, se poate calcula si specificitatea (In
Se observa ca valorile obtinute sunt mai mari, mai ales In oazul lui R2 al lui engieza ,,speoifioity”), care se refera la raportul dintre numarui de predict,“ oorecte
Nagelkerke. Conform ior, VI incluse In model expiica Intre 35 ,3%- si numarul de observa’gii ale evenimentului O. Pentru situatia data au fost estimati
48 3% din variatia probabilitatii VD de a fi 1 sau O. aproximativ corect, pe baza modelului, 31 dintre cei 46 de nou—néscutj cu malformatii genetice,
R2 de stabiiire a proportiilor este ultimui Indicator prezenlat. Ei mascara adioa 67,40% [31 / (31 + 15)]. Se observa 'un numér de 15 cazuri diagnosticate
_
‘ gradul In care exista o compatibilitate Intre observatii si predictii, adica gradui de gresit (faisi pozitivi -« prezisi sénétosi, dar nasouti cu unele malformaIii).
corectitudine a predictiilor. In constituirea sa are loo urmétorul demers. Pentru lnterpretarea se face tinand oon‘t atat de valoarea globaia a lui R2 de
fiecare subiect In parte se caiculeaza probabilitatea de a se situa Intr—una dintre stabilire a proportiilor, cat si In functie de sensibilitate si specificitate. Pentru
ceie doua situatii posibile ,,nou-néscut cu malformatii genetice" sau ,,nou—nascut exemplui nostru am putea spune ca modelul propus reuseste sa ofere 0 mai buné
sanétos”. Pe baza probabilitatilor calculate, subiectii s'unt ciasificati Intr-una dintre predictie a cazurilor de copii néscuti sanatosi (In proportie de 83,84% din totalul
ceie doua grupe Dupé aceasta ciasificare a subiectiidr pe baza estimarilor obtinute copiilor néscuti sanétosi), comparativ cu predictia naste‘rii unor copii cu malformatii
prin ecuatia de regresie logistica, se compara corectitudinea clasificarii cu (numai 65,26% din cazuriie de copii nascuti cu diverse handicapuri). Totusi, valoriie
rezultatele observate. In acest sens exista un rezultat global dat de raportui dintre I ob’ginute sunt situate mult peste media unui réspuns dat la intamplare (50% din
prediotiile corecte si totalul predictiilor. Pentru exemplui dat, in'spectand datele cazuri). ,
observate In figure 7.5, am obtinut 776% de réspunsuri corecte (notat "overall Trebuie sa precizam ca Impartirea subiectiior Intr-una dintre ceie doué
‘
percentage"): grupe, pe baza rezultatelor estimate, are ca valoare standard In SPSS
probabilitatea de .50. Daca un subiect are 0 probabilitate estimate pentru
R2 proporIIi = (31 + 66)-/ (31 + 15 + 13 + 66) = 77.6% evenimentul 1 (,,nou-nascuti sénatosi”) mai mare de .50 se considera ca va fi un
nou-néscut féré probleme. Daca probabilitatea-pentru acelasi réspuns va fi mal
Classification Tablé‘ mica de .50, se va estima ca va fI un nou-nasout cu malformatii genetice. SPSS-ul
ofera posibilitatea de a modifica aceasta valoare oriticé (In englezé ,,cut value"),
masura ce va conduce Ia modificari ale valorii R2 al proportiilor sau ale indicatorilor
subsidiari acestuia. ‘
Observed
. copii cu
sanatosi
Percentage
De exemplu, schimbarea valorii critice de clasificare de la probabilitatea de
cu 31 15 67,4 .50 la cea de .70 ca subiectii sa fie Inoadrati ca ,,nou—nasouti sanatosi”, va conduce
‘
copii sanatosi 13 66 83,5
la urmatorui tabel de clasificare.
Overall 77
3- The cut value is ,500
Figura 7.5. Clasificarea subiecfilor pe baza date/or observafe 5i 3 ce/or estimate

SPSS este o marcé Inregistrata.
Se pot caloula alti trei indicatori specifici (Wright, 1995). Opusé lui R2 de
stabilire a proporiiilor, este valoarea predictiilor negative data de suma predictiilor
gresite supra totalul predictiilor. Ea este egalé cu 1 — R2 de stabilire a proportiilo‘r, In
258 259
, , i lilklumull i e i 5
Classification Tablea se modifica sansele ca VD sa fie 1 sau O cand asociat creste cu o

Predicted unitate, iar ceilalti predictori raman constant] predictorul
Coeticientii logit trebuie testati pentru a vedea daca au 0 influenta
HA DICAP
semnificativa asupra VD. Exista In special tehnici folosite pentru scop:
copii cu Percentage doua acest
Observed probleme copiisanatosi
'
Correct testul Wald si testul X2 al pasului.
Step1 HANDICAP copiicu probleme 42 4 91.3 Testul statistic Wald este o metoda utilizata frecvent in regresia logistica
‘ copii sanatosi 21 58 73,4 pentru a testa ipoteza nula conform careia un anumit coeficient logit estezero. Cu
Overall Percentage 80,0
alte cuvinte, testul'Wald ne arata daca predictorul respectiv influente’aza sau nu
a. The cut value is ,700
criteriul. Rezultatului obtinut ii corespunde o valoare t sau z, similara ca
'
interpretare cu situatia din regresia liniara. in acest mod, pot fi eliminate din model
Figura 7.6. Rec/asiflcarea subiectilor pe baza date/or observate si a celor estimate
acele Vl care rIu au fost semnificative. Totuei prin testul Wald'exista posibilitatea
SPSS’este o mama inregistraté.
comiterii unei erori de tip ll in caZul'unor cdeficientii logit 'foarte mari, si implicit, a
unor erOri standard'ridicate. Aceasta semnifica respingerea unei Vi, atunci cand ea
in acest caz, se observe ca ridicarea probabilitétii pentru a incadra nou- este semnificativa. in aceasta situatieiex. _un venit exprimat in milioane lei) sau in
nascutii in categoria celor sénétosi duce la 0 mai buna estimare a viitorilor nou- cazul variabilelor dummy, ar ti mai bine sa se utilizeze o alta tehnica pentru a
nascuti care vor avea malformatii genetice. 91.3% dintre acestia fiind identificati reduce sansele de a cbmite eroarea de tip ll. Alternative. implica calcularea lui 76 al
corect. ln schimb, scade Ia 73,4% puterea de, estimare corecté a nou-nascutilor pasului, procedeu descris anterior, dupe introducerea variabilelor in cauza.
estimati ca fiind sénétosi. Diferenta obtinuta este evaluata ca 76‘ cu k-1 grade de libertate, k reprezentand
Tn aceste conditii, decizia de a alege punctul critic de clasificare tine numarul de categorii ale variabilei intrdduse. Daca rezuitatul este semnificativ
exclusiv de cercetator, pe baza obiectivelor urmarite. Astfel, in cazul cand este mai statistic la p < .05 vom pastra variabila respectiva sau blocul de variabile dummy.
important sa identificam corect. inca din primeleluni de sarcina, daca copiii vor fi in cazul in care nu sesizam diferente semnificative intre modelul explicativ care
sénétosi, vom alege un punct critic care sa ne ajute sa estimam cat mai corect include variabila in cauza si cel care.o exclude, putem elimina variabila respectiva
acest lucru. Daca, in schimb, este mai important sa identificam de timpuriu copiii cu pentru a simplifica modelul (Garson, 2000).
malformatii genetice, pentru a permite avortul, atunci criteriul ales va trebui sa Coeficientii logit obtinuti, desi semnificativi statistic, nu pot fi comparati
faciliteze detectarea corecta a acestora. direct intre ei din cauza problemelor legate de utilizarea unor scale de masurare
De asemenea trebuie 5a tinem seama in SPSS de modul de codare a VD distincte. ‘Pentru a rezolva aceasta problema exista posibilitatea de a calcula un
Daca codurile date celor doua raspunsuri posibile sunt O si 1, programul va pastra coeficient logit standardizat, indice similar lui beta din regresia liniara, sau de a
‘
acest sistem de clasificare. Daca insa, cele doua raspunsuri vor fi codate 1 si 2, estima contributia partiala a lui R pentru fiecare Vl in parte.
SPSS-ul va recoda automat valorile VD in 0 si 1. Acest lucru s—a intamplat si in Coeficientii logit standardizati corespund coeficientilor beta din regresia
cazul explicat. Datele VD au fost introduse initial cu urmétoarele coduri: 1- copii cu liniara. Sunt utilizati pentru a compara influenta diferitilor predictori asupra
malformatii genetice; 2— copii sanatosi. Acestea au fost recodate automat in: 0 — criteriului, in situatia in care cele doua Vl sunt masurate pe scale diferite (ex. varsta
copii cu malformatii genetice sl 1- copii sanatosi. Aceasta schimbare poate deruta evaluata in ani, venitul exprimat in lei/luna). De notat ca pentru variabilele de tip
procesul de interpretare a coeficientilor logit semnificativi, de aceea se recomanda dummy, coeficientii standardizati nu au nici o semnificatie inteligibila. SPSS—ul nu
ca intotdeauna VD din regresia logistica sé fie codata, de la inceput, cu valorile 1‘ ofera coeficientii logit standardizati, i’nsa o masura acceptabila este multiplicarea
sau 0. fiecarui coeficient logit cu abaterea standard a variabilei respective. Rezultatele
obtinute in valori absolute sun't apoi ordonate pe ranguri. O alta posibilitate consta
in standardizarea tuturor .Vl.
7.3.4. Testarea si interpretarea coeficientilor logit Contributia partiala a lui R este o metoda de stabilire a importantei fiecarei
Vl incluse in model féra a fi influentat de scala de masurare. R partial determine ce
Vom defini cateva concepte pentru a intelege mai bine’ aceasta sectiune.
procent din dispersie se datoreaza fiecarui coeficient logit semnificativ in parte
Coeficientii, logit din regresia logistica corespund coeficientilor b din
cand ceilalti, sunt tinuti la valori constante. Valoarea este dependenté de testul
regresia liniara. Sunt utilizati in ecuatia regresiei logistice pentru a estima raportul
Wald si de eroarea standard, fiind astfel supusa neajunsurilor acestora amintite
de sense ca variabila dihotomica sa fie 1 sau 0. Mai exact, ei indica masura in care
260
261
III-Il-IIIHWW
iWMWWWWMWWWMWWWWWWWWWWWWWMMMMMMMMMMMMMMWWWMWMWMMWMMMMMWMMWWWMMMWMWMMMMWWMMWWWMWWWWWllllillllliil
I calculeaza pe rand cate‘ un 78 al pasului pentru modele care exclud succesiv

anterior insé are avantajul de a fi prezentat direct in variantele mai Vechi ale SPSS- aceste variabiie dummy.
~ .
ului. .
lnainte de a explica cele doua modalitati de interpretare, prin factori,
Pentru situatiile descrise mai sus, in care existé riscul ca testul Wald sa
respectiv prin procente, se cuvine sa precizam cum au fost codate toate aceste
ofere valori eronate, este mai utila calcularea coeficientilor standardizati logit sau
variabiie pentru a facilita intelegerea acestui demers. Astfel, varsta a fost exprimata
multiplicarea'coeficientilor logit cu abaterea standard a VI respective (Garsonf
in ani, iar VD a avut doar doua coduri asociate: 1 — nou- nascuti'sanatosi si
2000).
0 — nou--nascuti cu malformatii genetice (vezi de asemenea, figural 7 8)
Din punctul de vedere al interpretarii coeficientilor logit, valorile negative
In utilizarea SPSS— ului trebuie sa se diferentieze variabiiele categoriale de
indica o descrestere a senselor de a obtine evenimentul codat 1, pa masura ce
cele continue (Garson, 2000). Pentru aceasta activam optiunea “Categorical" in
valoarea predictorului creste. in schimb, un coeficient logit pozitiv indicé o relatie
cadrul I‘erestrei iegate de regresia logistica. Se va deschide o noua fereastra ce
directa, sansele crescand 0 data cu marirea valorii predictorului Pe baza
contine o lista de “Covariates” cu toate Vl inciuse. Vom selecta din lista doar
coeficientilor logit, in figure 77 se poate scrie ecuatia logistica a
predictorii care trebuie transformati in ‘variabile dummy, adica doar variabileie
modelului propus. prezentati
mésurate prin scale nominale, si ii vom muta in’lista denumita "Categorical
In Handicap = 4,57+1,36*Fara alcool—2,23*Factori genetici—0,09*Varsta mamei Covariates". Optiunea standard a SPSS—ului este de a transiorma ultima categorie
de raspuns codata (“last”) in valoare de referinté. Prin acest procedeu, SPSS—ul
Daca coeficientii logit obtinuti sunt semnificativi statistic, urmatorul pas permite crearea automata a variabilelor dummy. Modui de c-odare a variabilelor
consta in interpretarea ior. Vom regasi doua modalitéti principals de interpretare: dummy din exemplu apare in output-ul SPSS-ului (figura 7.8).
(a) interpretarea prin factori si (b) interpretarea prin procente (Long, 1997) Din J De exemplu, din totalul de 125 de mame chestionate, 42 au consumat
figura 7 7 se observe ca toti cei trei predictor] exercita o influenta semnificativa din aicool regulat pe parcursul sarcinii, iar 88 s—au abtinut de la acest lucru. Datele au
punct de vedere statistic asupra evolutiei probabilitatii criteriului de a lua valoarea fost introduse in calculator cu urmétoarele coduri: 1 — daca mama nu a consumat
'
1, adica de a se naste copii senatosi. De exemplu, predictorul varsta mamei Ia aicool in timpul sarcinii; 2 — daca mama a consumat aicool in‘ timpul sarcinii. Prin
nastere are un coeficient Iogit de -0,09, rezultat semnificativ statistic Wald (1) ,= atentionarea SPSS-ului ca predictorul respectiv necesita transformarea in variabiie
10,11,p< .01. dummy, 1 a devenit codul pentru mamele care nu consuma aicool, iar 0 — codul
pentru mamele care au consumat aicool regulat in acea perioada.
Variable B S.E. Wald df Sig R
ALCOOL(1) 1.3671 .6142 4.9541 1 .0260 .1340 Parameter

‘
FACT. GENETIC(1)—2.2370 .5111 1931566 1 .0000 ~.3230 Value Freq Coding
.0295 10.1136 1 .0015 —.2221

(1)
VARSTA —,0938
FACTORI GENETICI
Constant 4.5707 1,1631 15.4425 1 .0001
> Malformatii in familie 1 62 1,000
~Lipsa de malformatii 2 63 .000
ALCOOL
95% CI for Exp(B) nu bea in timpul sarcinii 1 42 1,000
Variable Exp(B) Lower Upper bea in timpul sarcinii 2 83 .000
I
ALCOOL(1) 3,9238 1.1774 13.0768
FACT. GENETICI(1) .1068 .0392 .2908 Figura 7.8. Output SPSS 11.0 cu privire la modul de transformare a
VARSTA .9105 .8593 .9647 variabilelor nominale in variabile dummy
. SPSS este o marca inregistrata.
Figure 7.7. Output oferit cu pn'vire Ia valorile coeficienfllorlogit
(a) lnterpretarea prin factori implica valorile exponentului coeficientului logit
obtinut — exp(b) (vezi figura 7.7). De exemplu, in cazul variabilei consum de aicool,
in cazul celorlalti doi predictori care sunt variabiie dummy, testul Wald, desi b a fost 1,36, iar factorul rezultat, exp(b) a fost 3,92._ Pe'baza acestor rezultate
putem afirma ca persoanele care nu au consumat aicool au de patru ori (3,92 ori)
nu este cei mai potrivit de a fi aplicat in asemenea cazuri, indica, de asemenea.
coeficienti logit semnifioativi statistic. Acest lucru este confirmat daca se mai multe sanse de a naste copii sanatosi in comparatie cu o persoana care a
263
262
II . Illl I I Ill ‘ I I llli il ‘lllJ , , , 3 ii lllilll! i
consumat alcool in timpul sarcinii, in conditiileIn vom constante valorile Vom compara doua persoane din perspectiva probabilitatii ca VD
care pastra diferite
oulorlulie Vl implicateIn model. sa fie 1 (nou——nascut sanatos):-
Pentru variabiia varsta avem exp (-0,09) = 0,9139. Fiecare an de via’gé in a) o mama de 20 de ani, care nu a consumat alcooiIn perioada sarcinii si care nu
plus modifica c‘u un factor de 0,91 sanselerde a naste un copil sanatos. 'Valorile are Tntre rudele de gradul i §i ll antecedente de copil cu handicap;
subunitare ale factorului inseamna de fapt ov relatie inversa 'Tntre cele doua b) o mama de 40 de ani, care, a consumat alcool in timpul sarcinii si care are in
elemente (ex. mai multi ani, mai purine sanse de a mate un copil sanatos). familie persoane cu malformatii congenitaie.
Formula generala utilizata in interpretarea prin factori afirma ca avem o
crestere (valori supraunitare) sau o descrestere (valori subunitare) de exp(b) ori in VD (a) = exp (4,57 — 0,09*20 + 1,36*1 — 2,230) = 4,13 (a)
ceea ce priveete sansele ca VD sa fie 1 cand'Vl respectiva crests cu o unitate, iar VD (p) = exp (4,57 — 0.0940 + 1,36*0 — 2,23*1) = - 1,26 (b)
ceilalti predictori sunt mentinugi la valori constante.
Pentru Vl continue putem interpreta valorile b si pentru situaiii cand VI Acestea sunt apoi transformate in probabilitagi pe _baza formulei 7.4. Vom
creste mai mult de 0 unitate. Vom exemplifica Cum se modifica sansel'e de a naste ob’gine 0 probabilitate de 0,9837 pentru cazul a §i una de 0,2205 pentru cazul b. O
un copil sénatos la interval de 10 ani diferenlé. Formula de calcul devine: exp probabilitate. de 0,50 inseamna sanse egale pentru ambele categorii VD.
(bi) = exp (-0,09*10) = 0,4067. Astfel, o femeie de 30 de ani are 0,4067 sanse Observém ca primul subiect este mai probabil sa nascé un copil senatos, iar al
'
(mai pugin de jumatate) de a naste un copil sanatos in oomparaiie cu o alta de 20 doilea, unui cu malformatii genetice.
de ani. Aceasté interpretare este valabilé daca ceilalti predictori iau valori similare, Pe baza probabilitétii ca VD sé fie 1 putem calcuia si probabilitatea ca VD
de exemplu, fie ambele femei comparate nu au consumat alcool in perioda sarcinii, * 1——.p) Astfel probabilitatea de a naste un copil cu malformatii genetice
sé fie 0 (q—
fie au fost comparate doué femei care au consumat alcool in perioada sarcinii. este de 0,0163 in cazul primei mame si de 0,7795, in Cal de al doilea caz. In ce
(b) ,Cea de-a doua~ posibilitate de interpretare este cea prin procente, caz priveste sansele, observam ca sansa de a naste un copil sanatos este in primul
in care se utilizeazé formula: caz de 60,35 ori mai mare (9837/0163) in comparatie cu nasterea unui copil cu
malformatii genetice. in schimb, exista de 3,54 ori mai‘pu’gine sanse de a naste uni
10012 _I) (7.12) copil sénatos pentru cel de-al doilea caz (.2205 / .7795 = 0,282). De asemenea,
putem compara direct rezultatele celor doué persoane. Astfel, raportul de sanse
Pentru variabila ,,consum de alcool" vom obtine 100 (3925-1), aclica arata ca prima persoana are 213,40 ori mai multe sense de a naste un copil
292,5%. 0 valoare negativa indica o desorestere in sansele ca VD sa fie 1 atunci sénatos in comparatie cu cea cle-a doua persoana [(.9837/.0163) / (.2205l.7795)]. .
cand Vl creste cu p unitate, in timp ce 0 valoare pozitiva indicé o crestere a Ior.
Astfel, abstinenial de la consumul de alcool in perioada sarcinii creste cu
'
‘ 292,5% sansele de a naste un copil sanatos comparativ cu o alté persoana ce a 7.3.6. Analiza cazurilor influente asupra modelului
consumat alcool in acea perioada, pastrand toate celelalte variabile constante.
SPSS ofera, prin activarea. butonului "Save" din regresia logistica,
Pentru variabila vérsta, vom obtine 100 (0,91—1), adica —8,95%. Aceasta posibilitatea de a calcula indicatori ce descriu sau analizeaza fiecare caz in parte,
inseamné Cé. fiecare an de viaga in plus determina o descrestere cu 8,95% a
asemenea situatiei amintite in cazul regresiei liniare.
sansei de a da nastere unui copil sanatos, péstrénd toate celelalte variabile
De exemplu, prin bifarea “Predicted Values” putem stabili probabilitatea VD
constante.
de a fi 1 pentru fiecare observatie sau putem determina grupul in care a fost incius
cazul respectiv (Hair et al., 1998).
Prin optiunea “Influence" avem posibilitatea de a masura influen’ga fiecarui
7.3.5. Stabilirea unor profile ideale
caz asupra modelului'ln tabelul 7.3. vor fl descrisi principalii indicatori‘utilizati
’ in
Pe baza ecuaiiei logistice putem stabili profile pentru diverse valori ale VI. detectarea cazurilor influente.
Avantajul acestora‘ consté in posibilitatea de a manipula mai multe VI, in acelasi Cu ajutorul acestor indicatori putem studia caZurile care nu se incadreaza
limp, pentru a observa modificarile in evolutia VD (Freese, 2000). Reamintim Ca bine in modelul explicaiiv propus. Cu alte cuvinte putem identifica atat cazurile
ecualia de regresie pentru exemplul nostru este: neobisnuite, cat si cele care au oontribuit Gel mai mult la obtinerea vaiorilor iogit din
ecuatja de regresie. Aoeste informatii ne ajuta in formarea unei impresii generale
In Handicap = 4,57 + 1,86*Alcool '— 2,23*Factori genetici — 0,09*Varsta la nastere despre stabilitatea soluliei gasite, adica despre gradul de specificitate al solutiei Ia
iotul de subiec’gi testat. Acesta are implioaiii deosebite, mai ales in regresia cu scop
264 265
mu i l l lllllllllllilllllillllllllllllllllnllllllllllillllllllllllllllll‘lllllllllllLlllllJlllllJlllllLlllllllllllillllUllllillllllllllllllllllllllllllnllllllllllullllllllll‘llllllllllllllllllllllillllllllll,llllilllllilmllllllllmll“—1““Iml““lll“mWlml“Ill“WllMl““Ulllllllllmllh1““ll ii ii ii ii ii ii ii i i ii ii i" ii ‘i i i i ii ii ii ii i i ii ii ii iii l li l li ill fil ii ii ii ii ii ii iii ll l l ii iii il li ii iii ii iii iii ‘1‘ ‘i i i i lili ii iii ii ii ii iii Jil i “ ii i i ii iii Til ill il i ii iii ill iii ‘l l Ill l 1 ‘1 i l
predictiv. Eie sunt legate de posibilitatea de a generaliza rezuitatele pe alte l‘oturi Pentru exemplificare, vom prezenta sectiunea de analiza a datelor Tntr—o
de subiecti. Ca regulé generala, cu cat exista mai multe cazuri neobisnuite sau cercetare ipotetica, cu un scop predictiv, acela de a gasi un set de variabile care sa
influente, cu atat sunt mai ’mici sansele de generalizare a rezultatelor la nivelui prezica cel mai bine probabilitatea unei persoane de a fi fideia, respectiv de a fi
'
populatiei din care a fost extras iotul testat. infideié _Tn plan sexual, feta de partenerul sau partenera ea. in cercetariie
anterioare au fost identifieati cativa factori care-par a influenta acest comportament.
Tabelul 7.3. Principalii indicatori de detectare a cazurilor influente
ET pot fi Tmpartiti Tn factori personaii (sexul persoanei, varsta, nivelul de educatie,
Denumire -SPSS Descriete Valori oritice venitul realizat, tipul de religie ado’ptata, 'starea civila, statutul social), factori _
Cook’s Distance Evalueaza Tn ce mésuré el'iminarea cazului >4/(n-k-1) situationali (distanta fizicé dintre parteneri, numarul de parteneri de sex op-Us
' eligibiii la locul de munca, varsta la care a avut loc casatoria (prima césatorie) sau
respectiv schimbé probabilitatile ca VD sé fie 1
pentru celelaite observatii. factori psihologici (gradul de satisfactie maritala Tn cuplu, gradul de implicare Tn
DfBeta Mésoara modificérile coeficientului logit pentru Depésirea relatie, nevoia de senzatii tari, stiiul de atasament etc.) (Atkins, Baucom si
fiecare Vl Tn parte, Tn situatia excluderii cazului intervaluiuiiZ Jacobson, 2001', Bogaert si Sadava, 2002; Drigotas si Berta, 2001; Drigotas,
respectiv. Aceste valori se standardizeazé apoi. Safstrom s1 Gentilia, 1999; Zak si colab., 2002).
“Leverage value” Evaiueazé masura Tn care un caz influenteazé; >3k/n Dintre acestia, am decis sa gasim niste predictori care sé estimeze cat mai
.
abaterea modelului si implicit testul G2. corect persoanele care vor da dovada de fidelitate Tn plan sexual, pe un lot ipotetic
unde n este voiumul esantionului, iar k numérul de Vl.
de 200 de studenti necésatoriti, avand varsta cuprinsa Tntre 18 si 30 de ani.
Sectiunea de analiza a datelor ar putea lua urmatoarea forma:
Pentru a gasi un model predictiv care sa estimeze Cat mai coreot fidelitatea
sau infidelitatea Tn plan sexual, am utilizat ca predictori un numar de opt variabile:
7.4. Exemplu de regresie logisticé binaré — cazui infidelitatii varsta; sexui persoanei; comportamentui religios (frecventa la biserioa; pastrarea
ritualurilor Tn post etc), atitudinea fata de relatii, stilul de atasament cu cele trei
scale (sigur; ambivalent-anxios; evitant) si nevoia de senzatii tari. .
in scrierea sectiunii de analiza a dateior Tn articolele care utilizeaza
Utilizand metoda simultana, modelul testat are un 62(8) = 42.15, p < .01,
regresia logistics“: trebuie prezentate urmatoarele informatii:
valoare semnificativa satistic, iar R2 Nagelkerke a fost .56. De altfel, cinci predictori
- precizarea Tntr—un paragraf a variabilelor implicate Tn regre'sia logistica, atat
din opt exercita o influenta semnificativa statistic asupra probabilitatii ca studentii
a predictorilor (VI), cat §i a criteriului (VD), precum si a justificarii pentrum
sa fie fideli, respectiv infideli. Tinand cont de faptul ca scopui acestei cercetari este
alegerea acestei tehnici, pornind de la ipoteza sau obiectivul studiului;
exclusiv predictiv, precumsi de faptul ca modelul predictiv redus, ce include doar
. precizarea Tntr-un alt paragrat a datelor generale cu privire la eficienta
, cele cinci variabile semnificative statistic", are aproape aceeasi putere explicativa,
modelului testat, a puterii sale explicative si a eventualelor comparatii cu ,
R2 Nagelkerke tiind .53, iar A 62(3) = 3.00, p > .05, vom interpreta acest model
alte modele alternative;
restrans, Tn care G2(5) = 39.15, p < .01. Cei trei predictori eliminati sunt scorurile
. prezentarea unui tabel sumar al valorilor coeficientilor logit si a
subiectilortla stilul 'de atasament sigur si la cel de evitare, respectiv varsta,
exponentilor acestora, precum si a indicatorilor utilizati pentru testarea
‘ deoarece coeficientii logit asociati acestora nu au fost semnificativi statistic.
gradului de semnificatie a acestora;
-‘ Tn cazui regresiilor Tn scop predictiv se poate prezenta si tabelul cu R2 al '
Tabel cu clasificarea subiectilor Tn functie de valorile observate si de cele estimate
proportiilor, pentru a afisa gradui’ de corectitudine a clasificarii subiectilor
pe baza ecuatiei de regresie observate; Rezultate estimate
. Tn cazui regresiilor cu scop explicativ, ar fi util de trec’ut Tn ta‘belul cu '
Studenti infideli Studentifideli
coeficientii logit, valorile R sau coeficientii logit standardizati, pentru a .Rezultate Studentiinfideli 31 2
vedea contributia fieoarei variabile la explicarea variabilei independente; de observate Studenti fideli 20 147
asemenea, Tn cazui utilizarii. metodei ierarhice se va trece )(2 al pasului,
pentru fi'ecare treapté adaugata; . Acest model cu cinci predictori'reuseste sa estimeze coreot 89% din
. interpretarea coeficientilor logit obtinuti folosind, fie varianta factorilor, fie cazuri, un procent usor superior fiind Tn identificarea cazurilor de infidelitate (94%,
pe cea a procentelor din analiza raportului sanselor — exp(b).
267
266
adlca 31 di'n cele 33 de caziJri), decat in identiticarea
' cazurilor de fidelitate- (88%, BIBLIOGRAFIE
miles 147 din cele 167 de observatii). .
O asemenea eticienta predictiva este imbucuratoare, aproximativ 9 din 10 Agresti, A. (1990). Categorical data analysis. New York:
John Wiley & Sons.
studentj fiind identificati corect ca apartinand, fie categoriei celor tideli sexual, tie Baucom, D.H., Jacobson, N.S. (2001).7Understandinginfidelity:
Atkins,'D.C., Correlates in a
celor infideli sexual. Mai mult, doar 2 dintre studentii care au fost infideli nu au fost National Random Sample. Journal of Family Psychology,
15(4),-735-749.
identificati corect prin ecuatia de regresie rezultaté, ceilalti 31 fiind identificati Bogaert, AF, Sadava, S. (2002). Adult attachment
' .
and sexual behavior. Personal
'
corect. Relationships, 9, 191 204. - ' -
Satstrom, C.A., Gentilia, T. .(1999)..An investment
Drigotas, .S'M" model prediction of dating
Tabelul cu coeficientii logit si raportul sanselor pentru fiecare predictor din model infidelity. Journal of Personality and Social Psychology,
77(3), 509-524.
' Drigotas, S.M., Barta, W. (2001'). The cheating heart:
Predictori b ~ SE. Exp(b) Wald Scientific explorations of infidelity.
' Current Directions, in Psychological Science, 10(5), 177-180. ‘
Sexul persoanei 0,97 0,33 2,64 7,23 ** Freese, J. (2000). Categorical analysis. Note d'e
Comportamentul religios - 0,33 * curs. lCPSR Summer Program in
0,14 0,72 4,91
‘ Quantitative Methods of Social Research, Ann Arbor. »
Atitudinea tata de relatie 0,61 0,17 1,84 10,25 **
Anderson, R.E., Tatham, R.L., Black, W.C. (1998).
Atasament ambivalent-anxios 0,22 0,10 1,25 5,10
* Hair,'J.E.Jr., Multivariate data analysis
’ (fifth edition). New Jersey, Prentice Hall.
Nevoia de senzatii tari‘ **
0,30 0,19 1,35 6,32
Garson (2000). Gasit la 14.lX pe www2.chass.ncsu.edu/garson/pa755/logistic.htm
Constanta (lnterceptul) - 0,25 0,06 12,46 ** Long, Scott (1997). Regression models for categorical
and limited dependent variables I
*p<.05,**p<.01 Thousand Oaks, Sage.
S. (1995). Applied logistic regression analysis.
Se constata ca persoanele de sex masculin au de 2,64 ori mai multe sanse Menard,
Applications in the Social Sciences, nr.106, Thousand
Publications Series: Quantitative
Oaks, Sage .
de a fi infidele fata de partenerele (partenerii) Ior, in comparatie cu persoanele de (1998). Categorical data analysis. Annual Peviewin Psychology,
sex feminin, in conditiile in care pastram constante celelalte variabile. De Wickens,T.D. 48, 537-558.
Wright, HE. (1995). Logistic Regression. in LG. Grimm
si PR. Yarnold (eds). Reading and
asemenea, sansele ca persoanele care adopta un comportament religios (variabila understanding multivariate statistics (p. 217-244).
Washington, DC: American
masurata pe 0 scale cu 1O puncte) sa adopte un comportament infidel scad cu Psychological Association. . .
0,72, daca scorul la comportamentul religios creste cu un punct, in aceleasi Zak, 0., Giglio, 8., Hall, J., Sanford, S., Pellowski, N. (2002).
A., Coulter, Do his friends and
conditii, de pastrare a celorlalte variabile la valori constante. in schimb, sansele family like me? Predictors of infidelity in intimate relationships.
North American Journal of
de intidelitate in relatie aproape se 'dubleaza (b = 1,84) cu fiecare punct adaugat la Psychology, 4(2), 287-290.
variabila atitudinea fata de relatie, unde valorile ridicate indica o atitudine liberala.
Sansele cresc de 1,25 ori, cu fiecare punct adaugat in scale de atasament de tip
ambivalent-anxios. Cu alte cuvinte, un asemenea stil de atasament favorizeaza
aparitia infidelitatii in plan sexual. in sférsit, nevoia de senzatii tari favorizeaza, de
asemenea, comportamentul infidel. Cu fiecare punct in plus la scorul acestui
predictor, sansele de a fi infidel cresc de 1,35 ori, in conditiile mentinerii la valori
constante a celorlaltek‘variabile.
Prin urmare, profilul persoanelor cu risc ridicat de a se angaja in relatii
sexuale in afara cuplului, rezultat din Iotul de 200 de studenti testati, este acela al
unui barbat, care are un comportament religios redus (nu frecventeaza foarte des
slujbele saptamanale, nu tine post etc), care are 0 atitudine liberala, deschisa, feta
de cuplu (ex. considera normal 551 participe la petreceri si fara partener sau
paitenera), care are un stil de atasament de tip ambivalent-anxios si 0 nevoie
‘
puternica de senzatii tari.
268
269
/\
CAPITOLUL 8
SCALAREA MULTlDlMENSIONALA
Se pare ca Torgerson a fost primul care a propus termenul de scalare

multidimensionalé (Notelaers, 2002). Acest termen a fost ado’ptat mai ales' de
cercetarile din do‘meniul psihofizicii, in timp ce in domeniul psihometriei s—a utilizat
mult timp termenul de “analiza spatiului celui mai mic” (in engleza ,,smallest space
analysis”). Chiar daca au existat unele distinctii Tntre acegti termeni, in special. la
nivelul algoritmilor de calcul, principiul este acelaeil Prin urrnare, vom utiliza, pentru
ambele situatii, termenul generic de scalare‘ multidimensionala.
in cadrul scalarii multidimensionale se regésesc un grup de tehnici menite
sé identifice gradul de proximitate perceptivé intre diferite aspecte studiate.
Principiul dupé care functioneazé a'ceste tehnici este simplu: exista o anumita
distanté psihologicé Tntre obiecte, iar aceasté distanga poate fi reprezentaté grafic
sub forma unei hargi perceptive. Astfel, gradul de similaritate / disimilaritate intre
obiecte (ex. concepte, trasaturi comportamentale, imagini, afecte) este transpus
grafic sub forma unei distanie Tntre puncte, acestea nefiind altceva decét proiectii
ale obiectelor in plan sau in spatiu. Cu cat doua obiecte sunt percepute mai diferit,
cu atét distanta dintre punctele reprezentate grafic va fi mai mare. in schimb. daca
doué obiecte vor fi .percepute ca fiind aseménatoare, distanta dintre punctele
corespunzatoare va fi mai mica. Prin acest demers, MDS (multigimensional
goaling) se constituie ca 0 tehnica multivariata, exploratorie, ce poate fi utilizata
pentru a vizualiza proximita’gile dintre obieete intr-un spatiu redus dimensional.
Dimensiunile (axele) acestui spatiu vor constitui criteriile (variabilele) latente care
stau la baza stabilirii proximitatji dintre obiecte. Din acest punct de vedere,
scalarea multidimensionala se apropie de analiza factorialé.
Analiza factorialé presupune reducerea unui numar mai .mare de variabile
la cateva variabile latente, denumite factori'. in acelaei mod, in MDS se incearca
reprezentarea grafica in cat mai pugine dimensiuni (axe) a unui 'numar mai mare de
puncte (obiecte). Ambele metode permit realizarea: unor rotiri ortOgonale. Exista,
insa, diferente importante intre cele doua tehnici. Daca analiza factoriala,
exceptand tehnica Q, necesité un numar relativ mare de raspunsuri (subiecti) §i un
numar relativ mic de variabile ce trebuie factorizate, scalarea multidimensionalé
necesita, mai degraba, un numér mare de puncte (variabile) gi poate fi
deSféguraté, in anumite cazuri, chiar pe un singur subiect.
27 _A
l
8.1. Modele de scalare multidimensionala preferentiala (prefer orasul A lui B). Primul tip de date face referire la modele
clasice de scalare‘multidimensionala, in'timp ce alegerile preferentiale incumba
Din punct de vedere matematic, problema principala in MDS se reduce la modele unfolding. Totusi,”acestea din urma pot fi transformate in date de' tip:
gésirea unei modalitati de transformare a gradului'de similaritate / disimilaritate _ similaritate‘si supuse modelelor de tip MDS (Rotariu si colab., 1999).
perceptivé dintre obiecte in distante intre puncte reprezentate grafic. in acest SCOp Dincolo de aceste diferentieri, importante din perspectiva teoretica, exista
a‘fost create 0 serie de aigoritmi devcalcul, a carer selectie este dependenta de diferente si in utilizarea unor aigoritmi de calcul. Aceasta se datoreaza, in mare
cativa factori: parte, lipsei de unitate conceptuala in evolutia MDS si se regéseste in modalitatile
a) tipui de date prin care au fost evaluate psihologice dintre diferite de transformare-_ a proximitatii psihologice in distante intre puncte
' proximitatile-- » reprezentate grafic dar si in diversitatea de programe statistice existente. Vom
obiecte;
b) sursa provenient‘ei datelor: un singur grup, mai multe grupe, o singuré aminti pe scurt cativa dintre aigoritmi Cititorul trebuie sa retina ca alegerea corecta
persoana; a programul statistic tine de tipui de aigoritmi de care acesta dispune. Fiecarui
c) tipui de relatii intre obiectele‘avute in vedere. design MDS ii poate corespunde rularea unuia sau a mai multor aigoritmi Daca nu
in functie de aceste aspecte, exista mai multe categorii de modele MDS este selectat algoritmul MDS adecvat design—ului cercetarii, se vor obtine rezultate
(van Deun si Delbeke, 2000): eronate. _
{
a) modele MDS metrice vs. non-metrice . Pornind de la aceste precizari, au fost dezvoltate mai multe proceduri de
Conform primului criteriu, cel al tipuiui de date analizate proximitatile scalare multidimensionala precum: KYST; MlNlSSA; MDPREF; TRISOSCAL;
obtinute prin scale de tip interval sau raport (proportii) necesita tehnici metrice, In MULTlSCALE; INDSCAL; ALSCAL; PRQXSCAL. 'Aceste proceduri sunt cuprinse
timp ce datele obtinute prin scale de tip ordinal sau nominal fac apel la tehnici n0n~ intr-unul
I sau in mai multe programe statistice cum ar ii:
metrice. Desi primul gen de tehnici a fost inventat mai intai, cele non--metrice sunt - MDS(X) Library of Computers programs. (Coxon, 19482) este un program
contine majoritatea procedurilor amintite mai sus, alaturi de alte
mult mai des intalnite in literatura de specialitate (Stalans, 1998). Cel mai intalnit ' care
tip de date utilizate in MDS sunt cele ordinale (ex: ierarhizari, scale Likert). De cateva si poate fi descarcat de pe internet gratuit, CU licenta pe o perioada
pilda, pentru a compare gradul de proximitate dintre doua directii. ale psihologieifl de 60 de zile. Adresa web este: http://wwwnewmdsxcom
psihologia cognitiva si behaviorism, se poate utiliza o scala de comparatie cu sapte - SPSS-ul contine in meniu trei dintre procedurile amintite mai sus: ALSCAL
trepte, unde “1” arinsemna "foarte asemanatoare", iar “7" “foarte diferite”. si lNDSCjAL (in pachetul de baza), respectiv PROXSCAL (in modulul
b) modele MDS sintetice vs. analitice ,,SPSS Categories") (Meulman si Heiser, 2001). Primele doua proceduri
Primele (in engleza ,,unweighted models”) pornesc de la premisa ca toti sunt prezente siin versiuni mai vechi ale SPSS—ului. Datorita raspandirii
subiectii atribu'ie aceeasi importanta si utilizeaza aceleasi criterii de evaluare. Mai largi a pregramuluiin tara noastra, toate exempleie prezentate se vor baza
mult, obiectivul unui studiu, utilizand asemenea modele, este de a observa cum isi pe acesti‘algoritmi ai SPSS—ului. (Totusi, prin apelul la sintaxa, SPSS-ul
reprezinta toti subiectii dintr—un esantion relatiile de proximitate psihologica dintre pune la dispozitie si alte tipuri dealgoritmi.
obiecte. Pentru/a lucra cu asemenea‘ date se obisnuieste sa se calculeze media - SAS—ul contine, printre altele, si procedure MULTISCALE. Chiar daca
raspunsurilor provenite de la toti subiectii din esantion pentru fiecare comparatie programul SAS nu este prea intalnit in Romania, merita retinut ca aceasta
fécuta. Modelele analitice se impart in doua categorii: modele replicative (in proceduré este revolutionara, fiind bazata pe estimarea rapoartelor de
engleza ,,replicative models") si modele diferentiale (in engleza ,,weighted models"). verosimilitate (in engleza ,,maximum likelihood estimation”). Acest tapt
Cele dintai se referé la situatii in care se realizeaza comparatii repetate la intervale permite realizarea unor MDS. confirmatorii si nu'doar exploratorii.
diferite de timp, pe acelasi lot de subiecti sau pe un singur subiect. Cele din urma lata o scurta descriere a celor mai importante proceduri:
satisfac situatiile in care existé 0 singura testa‘re, dar in care suntem interesati de KYST (firuskal, loung, _S_hepard, Iorgerson) este unul din primele
- diferentele interindividuale sau intergrupale existente in cadrul unui esantion. Din programe menite sa realizeze scalare multidimensionala in situatii MDS metrice si
aceasta ultima perspectiva, cel mai probabil, vom constata diferente ‘intre non-metrice de tip sintetic si bazate pe relatii de similaritate. Aceasta procedura
psihologia cognitivé si behaviorism, daca vom intreba. specialisti in domeniul este cuprinsa in programul MDS(X).
psihoiogiei transpersonale sau profesionisti in domeniul inteligentei artificiale. MlNlSSA (Michigan-lsraelfletherlandselntegrated _8_mallest §pace
c) modele de similaritate vs. modele unfolding (extinse) Analysis) este o'alta procedura ce poate fi utilizata in conditii similare‘ Cu cele ale
Proximitatea, conform teoriei lui Coombs, poate contine atat relatii de KYST. in versiunea sa metrica este denumit MRSCAL. Ambele versiuni sunt
similaritate (gradui de apropiere intre doua orase), cat si relatii de alegere cuprinse in pachetul MDS(X). Avantajul programului fata de KYST consta in
272 273
l l l l l l l l l ‘l l l l l l l l l‘ l l l lilil_llllilllfllllllllllllllllllllllllllllllllli il l i l l l l il l i lil li‘ l l li lil li‘ l l li l l li l l l il l l l l l i l l l ‘il l li l l l il l l l l l l l l i llllllllllll‘lllllli Wil l l l l l l li il l il l i liiii l l l lllllllllllll l l l l l l il l l l l l l l i ‘il li i li l ‘i li i l li ‘l l l l l l l l l
obiecte. Principala limita a algoritmului ramane imposlbllitatea analizarii datelor

pOSibiiitatea de a realiza o simulare pentru a compara solutia obtinuta (ex. numarul
aflate in relatii unfolding la nivel analitic. Altfel spus, nu putem surprinde diferentele
de dimensiuni obtinute; valoarea stresului) cu cea rezultata in .cazul unei distributii
individuals sau de grup in ceea ce priveste preferintele pentru anumite obiecte
aleatoare a punctel‘or obtinuta prin studii Monte-Carlo.
decat prin apelul la artificii tehnice. O asemenea cale este introducerea unui punct
MDPREF (Multidimensional P__reference Scaling) este un program adresat _
ideal si compararea acestuia cu fiecare dintre obiectele inciuseIn analiza pentru a
modeleior MDS metrics sintetice bazate in principal pe relatii de tip unfolding, iar
afla gradul de similaritate sau de difersnta a acestora fata de punctul ideal
secundar pe relatii ds similaritats perceptive Pe Ianga realizarea unui grafic cu
puncte este prezentat un vector care arata directia preferinteior subiectiior
Vchestionati. Vectorul are sageata indreptaté in directia mediei 'preferintelor
subiectiior. Varianta non--metrica pentru aceasta procedure este PREFMAP, care
8.2. Design-ul cercetérii in scalarea multidimensionaié
foloseste cercuri si puncte ideals pentru a sublinia preferintele respondentilor
Ambele programe sunt incluseIn pachetul de programe MDS(X). Un design tipic implica rezolVarea a trsi puncte fundamentals:
TRISOSCAL (medic §imilarities Qrdinai S_ca_ling) este un program adresat 1. selectarea obiecteior analizate si a numarului acestora;
cazurilor de MDS non-metrics, sintstice, bazate pe relatii de similaritatef 2. metodele de colectare a datelor;
Particularitatea se refera la modul de realizare a rslatiei de similaritate. Nu se 3. managementul datelorIn utilizarea programelor statistics (ex. SPSS-ul).
recurge la metods traditionaie de colectare a datelor. Metoda foios'ita este data de inainte de analiza fiscarui punct in parte, trebuie sa amintim ca un design
comparatii Tn triads, fiind intalnita mai ales in domeniul constructelor personals, tipic include, alaturi de datele privind gradui de similaritate / disimilaritate dintre
initiate de'r Kelly in 1955 si dezvoltate apoi de Fran'seila si Bannister (1977). obiecte, evaluarea acestora pe baza unor atribute sxterne (cu scopul de a usura
Triadele pot fi de doua fsluri: partials (alegeti din trei obiecte, doua care sunt mai identificarea dimensiunilor latente), unele date demogratice (cu scopul de a
apropiate) sau totals (alegeti din trei obiecte, doua care sunt cele mai surprinde caracteristicile subiectilor chestionati) si, eventual, i'nformatii despre
asemanatoare; apoi alegeti din acsleasi trei obiecte, doua care difera cei mai mult). trasaturiie fizice ale obiectelor. Pentru a inteiege practic acsst subcapitol, vom
Programui este inclus tot I‘n pachetui statistic MDS(X). apela la un exemplu construit pornind de la structure cercetarii intreprinss de
MULTISCALE (Mdimensionai Eats) este inclus in SAS si, asa cum am Rhoades si Arnold (1999). Fisierul aferent sxempiuluieste ,,scalare similarsav”, iar
amintit, este singurul procedeu care are un caracter confirmatoriu. intr—un fel, calea' de urmat in SPSS este ,,Analyze” - ,,Scale” - ,,Multidimensionai scaling
MULTISCALE reprszinta in cadrul procedurilor MDS ceea ce analiza factoriala (PROXSCAL)". Dace nu dispuneti ds modul SPSS Categories veti utilize calea»
confirmatorie reprezinta in 'cazul analizei factoriaie. ,,Analyze” — ,,Sca|e” - Multidimensional scaling", dupa es in prealabil ati copiat
ALSCAL (Alternating Least §quare S_ca_iing) este prObabii cea mai datele fiecarui grup ,,experti" vs. ,,novici", in doua fisiere separate deoarece
raspandita procedure MDS. Ea poate fi utilizata atat in cazuri metrics, cat si non- modulul de baza al SPSS- ului nu permits compararea grupelor daca datele au tost
‘
metrice, atat pentru reiatii de similaritate, cat si pentru cels de tip unfolding. Totusi, introduse direct sub forma unei matrice de similaritate
procedure este specificé datelor sintetice, fiind mai putin sficienta in compararea
diferenteior individuals (situatii anaiitice). Programui este cuprins in numeroase Context: in oercstarile pe tema managementuiui confiictului aufost descrise si
’
pachete statistics precum SPSS Base System, SAS sau ViSta. clasificate o serie de comportamente si modalitéti de reactie in situatii conflictuale. Acestea
INDSCAL (mgividuai Qifferences §_c_a_iing) este o procedure aparts, fiind se refera la stilui personal al fiecéruia de a raspunde. pornind de la reactii de tip nevrotic,
destinata nivslului analitic diferentiai (priveste diferentele individuals sau grupaie). péna la strategii de acaparare a puterii. Concepts precum svitarea, compromisul,
Procedura este'inclusa in programs statistics cum ar fi SPSS Base System, SAS, rsnuntarea, confruntarea, medierea, cooperarea, 'utilizarea fortei fizice etc., sunt de
sau MDS(X) si este compatibiia atat pentru date metrics, cat ‘si non-metrics. notorietate in aceasta problema. Aceste categorii au fost grupate dupa nenumérate criterii
Algoritmul poate fi utilizat pentru a rsprezsnta reiatiile de similaritate dintre obiecte. taxonomice precum: orientarea spre sarcina vs. orientarea spre relatii umane; active vs.
PROXSCAL (Proximity Scaling) este .o proceddra recent introdusa in pasive; unilaterale vs. bilaterale; constructive vs. distructive; individuals vs. de grup etc.
pachetul aditional SPSS Categories, cs promite foarte mult. in: mare, metoda Pornind de la aceste considerente, vom selecta ca obiecte supuse MDS urmatoarele zece
contine doué avantaje: poate fi apiicaté pentru orice tipde date (metrics sau non- reactii si mésuri in situatii de conflict: evitarea; compromisul; confruntarea; renuntarea;
metrics), aflate in reiatii de similaritate sau preferentiaie, vizand atat aspecte cooperarea; subminarea; manipuiarea; aménarea; arbitrajul st msdiersa.
analitice (diferentiale, de replicate), cat st sintetice. Proce’dura include astfel
avantajele ALSCAL, lNDSCAL si iDEOSCAL si, in plus, algoritmui de calcul utilizat Pe baza acestora vom incerca sa raspundem la urmatoarele intrsbéri:
permits 0 mai buna aproximare grafica a punctelor pe baza distantelor dintre
275
274
‘l lillliili E
1) care dintre criteriile taxonomice amintite mai sus auo relevanta mai mare? cel mai frecvent“ doué sau trei dimensiuni. Alegerea numarului de dimensiuni va fi
Tn termeni tehnici, care dintre criterii contribuie mai mult la stabilirea aprofundata intr—un subcapitol ce va urma. /
distantei psihologice dintre cei zece stimuli inclusi in studiu? c) Un alt aspect, de care trebuie sa se tine seama in selectarea numarului
2) care este din perspectiVa esantionului testat ierarhia de a
preferintelor g de stimuli inclusi, consta in pan‘lcu/aritatea MDS de a considera numarUI de stimuli
reactionaIn situatii de conflict? ca echivalent al numérului' de sublecti. Prin urmare, in utilizarea scalarii
3) daca impartim esantionul in doua grupe: cu si‘ fara experienta in multidimensionale pentru a identifica dimensiunile latente, N (volumul esantionului)
solutionarea (conflictelor, exista diferente in ce priveste modul de percepere este dat de numarul de stimuli si nu de'numarul de subiecti. De aceea, se prefera
a celor zece reactii incluse in studiu? un IN care sa contina de la 8~9 stimuli in sus, cifra opt fiind'minimul'necesar pentru
o solutie bidimensionalé. _
Valoarea MDS optima cuprinde 20 — 30 de stimuli. Numarul de stimuli alesi
8.2.1. Selectarea obiectelor si a numérului acestora este dependent si de metoda utilizata pentru ‘colectarea datelor, unele fiind
De cele mai multe ori nu putem include intreaga populatie de stimuli dintr—o nepotrivite pentru un numar mare de stimuli.
anumité categorie. Numai in exemplul preCedent pot fi trecute in revista mai mult
de 0 suta de' reactii Ia conflict, pomind de la cele de tip nevrotic (ex. inhibitie,
frustrare). péné Ia masuri cu caracter global (greva, razboi, embargo etc). in 8.2.2. Metode de colectare a datelor
selectarea stimulilor care vor face obiectul scalarii mUltidimensionale este De la aparitia tehnicilor MDS au fost dezvoltate o multitudine de metode de
important sa retinem trei aspecte, pe care Ie vom prezenta pe rand. colectare a datelor, dintre care vorn prezenta pe larg trei:
a) Stimulii alesi sa' fie cat mai reprezentativi pentru categoria aleasa. Astfel, - compararea fiecérei perechi de stimuli;
in studiile de marketing nu sunt inclusi toti stimulii, oricat de rninori ar fi ei, ci se 5 - sortarea;
obisnuieste sé se aleaga stimulii cu o coté de piata crescuta, cu o diversitate cat . ierarhizarea.
mai mare In ceea ce priveste atributele pe care le detin ln exemplul nostru, se
*observa ca stimulii alesi sunt reprezentativi doar daca facem referire la nivelul 8.2.2.1. Compararea fiecérei perechi de stimuli
conflictelor interpersonale (Bogathy, 2002). Daca vom tine seama de conflictele Este metoda cel mai frecvent intalnita in MDS. Ea presupune compararea
intrapsihice, intragrupale, intergrupale sau interstatale, vom observa ca lipsesc la Cate doi stimuli. Numarul de comparatii cr'este foarte mult atunci cand numérul de
multe dintre reactiile tipice, posibile in astfel de situatii conflictuale. stimuli se méreste, de aceea modalitatea este mai putin potrivité pentru a fi
b) .Stabilitatea unei solutii este dependenta" de raportul dintre numérul de utilizata la un numar de stimuli N>20. Numérul de comparatii ce trebuie efectuate
stimuli inclusi sl numérul de dimensiuni selectate de solutia optima. Astfel, daca poate ti aflat cu ajutorul formulei [n(n-1)/2]. Astfel, pentru cei 10 stimuli din
anticipém un numér mai mare de dimensiuni (ex. criterii de evaluare a unor exemplul reactiilor la situatii de conflict, vor fi necesare 45 de comparatii intre
produse), ar fi bine sa includem un numar cat mai mare de stimuli. Au fost stimuli perechi (ex. 1 cu 2; 1 Cu 3; 1cu 4; 9 cu 10). Daca numarul de stimuli arfi
elaborate o serie de recomandari in acest'sens. Jones si Koehly (1993) enum'era fost 12, utilizarea aceleiasi metode ar fi necesitat 66 de comparatii.
doua asemenea reguli. Prima sustine ca trebuie sa avem intre 4 si 6 stimuli pentru Din punctul de vedere al scalelor de masurare, cea mai intalnita mOdalitate
fiecare dimensiune inclusa in solutii. Cea de-a doua, mai generalé, sugereaza ca este cea ordinala, de tip Likert, cu 5, 7 sau 9 diviziuni, in care alegerea unei valori
numarul de dimensiuni extrase sa nu depéseasca valoarea (n—1)/4, unde n capét (ex. “1”) ar insemna o foarte mare similaritate intre obiecte, iar alegerea
reprezinté numarul de stimuli (obiecte). in cazul nostru, avénd zece stimuli, ambele celuilalt capét (ex. “7”) semnificé diferente foarte marl intre obiecte. laté doua
reguli indicé o solutie stabila reprezentata in plan (doua dimensiuni). O solutie in 3 dintre cele 45 de comparatii efectuate in problema maisus mentionaté:
dimensiuni pare a fi mai 'instabila, insé nu imposibila. Aceasta regulé nu are
caracter oblig‘atoriu, ci doar de recomandare, prin urmare, ea nu trebuie aplicaté
ArbitrqS vs. I'x-‘Iediere Confruntare vs. Mediere .
automat. Alegerea numarului de dimensiuni este dependenta in principal de
1 \q/ ~l 1 2 e 3 4 ,5’
“a s 7
indicatorii statistici obtinuti st de gradul de interpretabilitate a dimensiunilor. Mai A 3 4 s 6 _
mUlt. in Situatii cu un numar mare de obiecte, de exemplu 30, conform acestor .
' £0 ante f0 artr: in arts . to arts
reguli ar putea fi selectate optim pané la sapte dimensiuni. Aceasta ar complica
similare diferite similarc ‘ diferite
interpretarea rezultatelor, fapt. ce a determinat o tendinté puternicé de a selecta,
Figura 8.1. Exemple de comparatii perechi
276 277
E i gal-muzzz I i iii iiil llll llll‘ ‘llll llll‘ llll lllll lllll llllllJlllll‘llllll lllll.lllllLllllll.llllllJlllllrlllllLllllllJllll IIIIII IIIII lllll‘ lllllJllll llll‘ ‘llll llll lllll llll lllll ‘IIIII.IIIII.IIIIIIIIIII IIII llll ‘llll llll lll‘ lll‘ lll‘ llll lllll lllll lllll lllll ‘lllli llll llllll‘lllll llllllllllll llllllllllll
Conform aceétor date, medierea, ca modalitate de réspuns la conflict, este dintre doi stimuli pornind de la formula N—k, unde N reprezinta numarul total de
vézuta ca fiind mai aseménétoare arbitrajului. Tn schimb, intre mediere §i subiecti investigati, iar k este numarul de subiecti care au sodat In aceeasi
‘
confruntare existé o distanta psihologicé mai mare. Pentru a obtine erori cat mai categorie stimulii vizati. Astfel, daca din zece subiecti chestionati, sase sorteazaIn
mici, inainte de a se trece la compararea efectiva a stimulilor se obisnuieste sé fie aceeasi categorie evitarea si renuntarea, indicele trecut In matrice, la intersectia
7' I
prezentata intreaga lista de stimuli pentru a da posibilitatea respondentilor sa-si . dintre cei doi stimuli este p.atru
formeze o impresie generala asupra gradului de proximitate dintre acestia Un '
' ’ Subiectull Evitare Arbitraj Cooperare Subminare
program software dezvoltat special pentru acest lucru exista si In limba roména. Renuntare Mediate COnfi'untare Manipulare
Denumit generic MultiScal, el a fost dezvoltat de firma SOFTAge S. R L. printr-o Amanare Compromis
finantare dintr-un grant CNCSIS. Cei interesati séintre in posesia acestui program
Subicctu12 Cooperare Evitare Subminare
pot cere mai multe informatii la adresa de e-mail prezentata in sectiunea Arbitmj Remmtare Manipularc
introductiva. Mediere Amfinare
Compromis
Confmntarc
8.2.2.2. Sortarea stimulilor
Sortarea stimulilor constituie 0 alternative“: de colectarea datelor ce permite Figura 8.2. Exemplu de co/ectare a date/orprin metoda son‘én‘i
subiectilor sa grupeze stimulii in céteva categorii, bazéndu-se pe gradul de
disimilaritate Tntre date. Sortarea poate fi de mai multe feluri‘: singulara (subiectul 8.2.2.3. Ierarhizarea stimulilor
alege o singuré data) sau multiplé (grupeaza obiectele de mai multe ori, dupé lerarhizarea stimulilor presupune ca subiectii sé stabileasca o ordine a
criterii diferite);rrestrictivé (un stimul poate fi inclus intr-o singura categorie) sau preferintelor, acordénd pentru fiecare stimul un rang. Spre exemplu, note 1 revine
nerestrictiva (un stimul poate fi prezent simultan in mai multe categorii); fixa stimulului preferat, note 2 stimulului aflat pe locul secund in topul preferintelor,
(stimulii sunt grupati intr-un numar prestabilit de categorii) sau libera (pot fi formats continuénd pana la nota N, acordata ultimului ales dintre stimuli. Aceasta metoda
oricéte grupe de stimuli). este specificé modelelor MDS non-metrice, bazate pe relatii de proximitate de tip
'
Avantajul acestei metode consta in usurinta de a colecta rezultatele in unfolding. Ea nu ofera, cel putin in SPSS, posibilitatea unor analize diferentiale
cazul unui numér foarte mare de stimuli, depasind astfel dezavantajul-metodei pentru a surprinde deosebirile dintre subiecti sau dintre grupe ale esantionului. in
comparatiei fiecarei perechi. Dezavantajul primar este dat insé de validitatea mai cadrul modelelor sintetice, rezolvabile prin SPSS, obiectele reprezinté variabilele
redusa a solutiilor obtinute pentru ‘situatiile cu mai mult de trei dimensiuni. Mai mult, cercetarii, iar fiecare linie contine rangurile acordate in urma ierarhizarii facute de
utilizarea unor proceduri dediferentiere interindividuala din seria lNDSCAL a fost un Singur subiect.
mult timp neaplicabila in astfel de situatii, iar solutiile oferite de programe precum Alaturi de aceste modalitati de ‘colectare, intalnite frecvent, exista altele
ALSCAL nu sunt intotdeauna corecte (ex. solutii degenerative) (Carroll si Green, precum obtinerea proximitatilor prin triade, compararea incompleta a perechilor,
‘
1997) . utilizarea aprecierii binare de tip asemanator vs. diferit etc. Mai multe informatii
Tn cazul propus, datorita numérului redus de stimuli (doar 10),. este sunt disponibile in lucrérile lui Coxon (1982), Tsogo, Masson si Bardot (2000). ,
preferabil sé nu utilizam aceasté metoda de colectare, din cauza dezavantajelor pe Toate aceste modalitéti de prezentare a datelor intré in categoria celor
care le prezinté. in schimb, daca am fi avut 40 de stimuli, metoda ar fi fost cu obtinute direct. Alatun de acestea, se pot estima proximitati intre diferite obiecte pe
siguranté adecvata, deoarece apelul Ia compararea fiecarei perechi de stimuli ar fi baza unor indicatori derivati. Cel mai cunoscut indice derivat de disimilaritate este
presupus nu mai putin de 780 de evaluari succesive. Cu scop pedagogic, in figure obtinut pe baza valorii coeficientului de oorelatie dupa formula (1-r2). Se pot obtine
'
82. sunt prezentate gruparile. celor 10 stimuli pe categorii obtinute de la doi astfel reprezentari grafice care 351 ateste. prin pozitionare si distantare spatialé,
subiecti. relatiile dintre mai multe concepte (obiecte). Din aceasté perspective, MDS se
, ln aceste cazuri se observé ca tipul 'de sortareutilizat pentru colectarea apropie cel mai mult de modul de functionare al analizei factoriale.
datelor este de tip singular (o singuré sortare), restrictiv (un stimul nu poate fi
simultan in mal multe categorii), si liber (pot fi construite oricz‘ate categorii si pot fi 8.2.3. Managementul datelor colectate prin SPSS
'
alese oricéte elemente intr-o categorie). ’
Modul uzual de introducere a datelor in SPSS pentru arealiza o scalare
Rezultatele obtinute se trec intr—o matrice, in care atét pe linii Cat si pe
multidimensionalé este sub forma unei matrice. Aceasta poate avea formé
coloane sunt trecuti stimulii prezentati. De fiecare data cand doi stimuli sunt sortati
patraticé (numar egal de linii si coloane).sau dreptunghiulara (rectangulara), poate
in acelasi grup se primeste urI punct. In matrice, se trece indicele de disimilaritate
278 279
l l ‘ l l l l l ‘ l l l l l l l l l m: w l l ‘l l l l l ‘ l l l l l l l l l l l l l l l l : it il l l l l ‘l i m l l l l l l‘ l l‘ l li l l il l l l‘ l l it :1 :i ,ll l Ll l l tl l l lLl l l Ll l l l l l li l l ‘ l l l l ‘ l l l il l lllll,lllll‘ l l l i‘ ‘l l iii l l‘ l l l l ‘l l l l l l l l l l l l l l l l l l
fi simetrica (relatia dintre A si B este aceeasi cu cea dintre B si A) sau asimetrica

(AB diterit de BA). Pentru simulare, vom presupune 'cé avem un lot de sase persoane,
Cénd avem mai multi subiecti, se obisnuieste sa se faca media impartite egal in doua grupe: experti si non-experti in managementul conflictelor. in
raspunsurilor la 0 anumita comparatie. Astfel, revenind la problema ou reactiile in consecinta, vom avea doua matrice, fiecare avand zece linii si zece coloane, Daca
situatii de conflict, daca avem opt subiecti testati, valoarea din matrice- am fi interesati de modul in care intregul esantion percepe oei zece stimuli, am
reprezentand gradul de disimilaritate dintre mediere si confruntare este, de fapt, avea o singura matrice cu zece linii si zece. ooloane. Figura 8.3. prezinta imagine‘a
media raspunsurilor celor opt respondenti la comparatia perechii respective. Daca fisierului ,,sca|are similarsav", dupa introducerea datelor in' Cele doua matrice.
se considera ca este importanta analiza pe s‘ubgrupe de subieCti, vom construi mai Se observe din imagine doua matrice de tip 10X10, una apartinand
multe matrice. Dacé dorim sé realizam o analiza diferentialé la nivelul fiecarui subgrupului de non-experti (sursa‘ = 1), iar cealalta, grupului de .experti in
individ, vom construi atatea matrice can subiecti avem. managementul conflictului (sursa = 2). Spre exemplui‘ valoarea de 4,66, existenta
Pornind de la exemplul dat, vorn presupune ca suntem interesati atat de 0 la intersectia coloanei 2 cu linia 4, reprezinté media evaluarilor subiectilor din
analiza de sinteza, la nivelul intregului esantion, cat si de diferentele exiStente Tntre grupul non—experti vizand asemanarea dintre Compromis si renuntare. Se observa
doua grupe de subiecti: cu si fara experienté in managementul conflictelor. o corespondenta intre coloane si linii (ex. atat coloana, cat si linia a cincea se’
Colectarea datelor prin. metoda comparatiei‘fiecarei perechi de stimuli conduce la refera Ia subminare). in introducerea datelor este important 8a pastram ordinea
obtinerea unor matrice simetrice si de forma patrata. Dacé datele ar fi fost liniilor pornind de la cea a coloanelor.
selectate prin sortare, am fi obtinut tot o matrice simetrica, de forma patratica, fara De asemenea, fiind vorba de date simetrice,‘ exista posibilitatea completarii
insa a avea'posibilitatea de a analiza diferentele subgrupale sau interindividuale. in doar a unei parti din matrice. Aceasta optiune,’cu completare sub diagonala
schimb, daca am fi obtinut datele pe baza de ierarhizare a preferintelor, matricea r , principala, este si optiunea standard in PROXSCAL. Numai in oazuri de matrice
ar fi fost asim'etrica si de forma rectangulara. asimetrice este necesara completarea Tntregii matrice. Din nefericire, aceste
facilitati sunt prezente deer in PROXSCAL, procedure inclusa in SPSS Categories.
PaChetul de bazabcare apeleaza la ALSCAL, permite efectuarea unei analize a
diferentelorindividuale numai Tn situatiile in care datele nu sunt direct proximitati.
in astfel de situatii, datele sunt introduse normal (fiecare coloana reprezinta o
variabila, iar fiecare linie semnifica un subiect). Pornind de aici, se creeazé o
matrice de date automata prin selectarea si completarea optiunii “Create distances
‘
from data", in cazul in care variabilele nu sunt apreciate cu aceeasi unitate de
masura, se recomanda standardizarea lor initiala. Numai astfel de date pot fi
supuse analizei diferentelor individUale prin lNDSCAL, in pachetul de baza SPSS.
Daca datele sunt oonstruite prin metoda sortarii stimulilor, vom introduce
datele intr-o maniera similara. Totusi, este important 'sa amintim ca algoritmul de
calcul nu este foarte bine pus la punct pentru a realiza analize individuale sau
subgrupale prin aceasté metoda. in consecinta, nu se- recomanda sortarea
stimulilor pentru modele MDS analitice, ea fiind utila pentru MDS sintetice, in
situatii cu un numar mare de stimuli, prezentati intr-o slngura matrice patraticé si
simetrica. O modalitate eleganta de a depasi aceste neajunsuri este apelul Ia
masuri derivate. Astfel, daca datele initiale sunt de tip oategorial, dihotomic, se
poate apela la calcularea disimilaritatii dupa formula 1~<p2, unde phi reprezinta
valoarea coeficientului de corelatie pentru acest tip de date.
in sfarsit, daoé dorim. sé introducem date obtinute in urma ierarhizarii pe
baza de preferinte a stimulilor. unica matrice introdusa va avea o forma asimetrica
si rectangulara. in cazul exemplului de fata matricea va fi de tip 10X6, unde pe cele
Figura 8.3. Print—screen SPSS cu matricea date/0r zece coloane se vor afla stimulii (variabilele), iar pe fiecare linie vor fi trecute
SPSS este o marca inregistraté. rezultatele unui anumit subiect. Fiind ease subiecti chestionati, vom avea ease linii.
280 281
lllll lllll‘ llll lll‘ llll “‘ ““ ““ im- l l l llllll l l l l l l l l l l llll lllll‘lllll l l l 1111 ll) ’lllll lllllllllll l l i l l l lllllllllll l l i lllll’lllll lllll l l l il l) 'llll l l l 'llll l l l l l i l l l ‘l l ‘ l l l lllll ‘l l l l l l l l l l l l l l l l l i l l l‘ l l l lllll l l ‘ l l l l l l um
l ‘lll l l i l l l il l i l l l illll illll,lllllullllLllllitllllll,.llllUlllllllllllJlllllillll lllll l l l Illl l l l llllllllllllllllllllllllllllllllllllllllllllllilllllllllllllllllllllllllllllllllllllillllJ ulllillllll‘ ‘
Rezultateie introduse in matrice se refera, de aceasta data, la rangurile (one-mode) prezentate anterior, in care se lace referire numai la stimuli (atat pe
linii, cat si pe coloane), matrice precum cea de mai sus contin stimuli pe coloane si
acordate stimulilor respectivi in ordinea preferintelor [unde 1 = prirna alegere, iar
10 (N) = ultima alegere]. Daca unii subiecti nu pot diferentia Tntre doi stimuli, se pot subiect‘i pe linie. Situatia permite modelelor extinse (,,unfolding") sa reprezinte
grafic atat stimulii, cat si subiectii. Principiul de interpretare ramane acelasi. Cu cat
acorda ranguri egale (situatie mai putin dorita). lerarhizarea (notarea) continua
un subiect este mai apropiat spatial de un anumit stimul, cu atat eXista o preferinta' ’
apoi in conditii cunoscute si intalnite deja in cazul corelatiei Spearman a rang’urilorf
mai Clara pentru acesta.
Cercetatbrul are posibilitatea de a preciza, atat in acest caZ, cat si in situatii de
compatare a fiecarei perechi de stimuli, daca accepta sau nu egalitatea dintre
ranguri. lata print screen-ul
' SPSS 11.0 cu matricea datelor in utma ierarhizarii
stimulilor.
3.3. Harta perceptivé. Rep'rezentareaspatialé a distahtelOr
Matricea se citeste foarte usor: de 'exemplu, subiectul 4 claseaza psihologice
compromisul pe locul opt in ordinea preferintelor sale de a reactiona in situatii de
conflict. in schimb. subiectul 5 pune aceasta reactie in topul preferintelor sale, pe in aceasta sectiune vom discuta des'pre cum se stabileste numarul de axe .
locul al treilea. (dimensiuni) care Contribuie oel mai mult la modul de asezare a punctelor in spatiu.-
De asemenea, vom insista si asupra modului de interpretare (identificare)
conceptuala a acestora.
8.3.1. Selectarea numarului de dimensiuni din harta perceptive“:

Scalarea multidimensionala este in primul rand o tehnica descriptiva de
reprezentare grafica a datelor. Cu exceptia procedurii MULTlSCALE nu exista
modalitati de testare a ipotezelor legate de numarul de dimensiuni in care trebuie
mmww m '
reprezentate spatial obiectele.
Totusi, exista mai multe indicii care pot fi utilizate in acest scop, printre
care enumeram: indicatorii statistici specifici (ex. stres sau DAF) (1),‘ana|iza grafica
de tip scree plot (2), compararea indicatorilor statistici prin metoda Monte Carlo (3),
gradul de stabilitate a solutiei (4), usurinta de a reprezenta grafic solutia gasité (5),
nu in ultimul rand, gradul de interptetabilitate a dimensiunilor (6).
lndicatori statistici in evaluarea numarului de .dimensiuni
Gradul de potrivire sau nepotrivire a reprezentarilor spatiale pornind de la

proximitatile exprimate de subieoti poate fi apreciat printr-o serie de indicatori
statistici. Cel mai raspandit este conceptul de stres (raw stres sau raw phi). Au fost
‘ concepute mai multe formule de calcul, si in consecinta, mai multe forme de stres
(Stres 1; Stres 2; Stres 8). Din nefericire, valoarea acestora este dependenté de
Figura 8.4. Print—screen SPSS cu matricea rectangulara” din fi§ierul ,,scalare preferinte.sav” mai multi factori, precumv tipul de date (MDS metrice tind sa ia valori de stres mai
mari decét cele non-metrice) sau valoarea nominala a acestora (scalelelde la 1 la
10 conduc la valori stres mai mari decat scalele de la 0 la 1) (Kruskal si Wish,
1994). Din cauza acestor inconveniente, a fost obtinuta o forma normalizata de
Din pacate, SPSS-ul nu dispuneoe mijloace adecvate pentru analiza -stres (N Stres), care face posibila comparatia dintre reprezentarile grafice,
rnodelelor. lVlDS analitice, unfolding. in schimb, datorita tipului de matrice duala (Tn indiferent de tipul de date. Aceasta are valori cuprinse intre O_ si 1 (Coxon, 1982).
engl. two-mode), exi-sta solutii alternative. Spre deosebire de matricele unimode Pornind de la aceasta normalizare, au fost propuse mai multe reguli de interpretare
283
282
W llll llll llll lll‘ illl illl, llll ,llll llll illll llll l l llll lllll ‘llll lllll llll lllll llll llli llll illl‘ llll lllll lllll lllll illll lllll lllll ‘lllll lllll illlli lll l l l l“ l l ill l ‘ l l l llrllll llll llll l l l ll ll l l: il ll‘i llll rill llll lllllllllll_llll; , ,
n valorllor N Stres. in general, valorile mici ale stresului‘ normalizat, precum cele Se observe ca valoarea stresului normalizat scade cel mai mult (a se citi
‘ ",solu'tia se imbunataieete cel mai mult”) cand se trece de la 0 dimensiune
cuprlnse intre 0,00 §i 0,15, indicé prezenia unei soluiii-adecvate, in timp ce valorile
mal marl de 0,20 semnaleaza faptul ca soluiia gasité nu este potrivita (Kachigan, (N stres = 0,23) Ia doua dimensiuni (N sires = 0,12) §i de la doua dimensiuni la trei
1991; Kruskal §i Wish, 1994; Stalans, 1995). . dimensiunl (N stres = 0,08). Dupe aceasta, scaderea stresului este prea'mica
Aceasfé interpretare nu poate fi facuta féré a tine seama de numérul de pentru a merita 35 mai introducem o alté dimensiune. Grafic, aceasté situaiie este
dimensiuni ale soluiiei, deoarece valoarea stresului tinde sa scada atunci cand reprezentaté printr-o cotitura (punct terminus al unei descendenie accelerate §i
numarul cl'e dimensiuni create. Mai mult, stresul este afectat 5i de raportul dintre inceput al unei descreeteri lente). Pentru a U§ura interpretarea, Kruskal §i Wish
numarul de dimensiuni 5i cel al obiectelor. Kruskal 5i Wish (1994) araté ca existé (1994) propun o regulé suplimentara. Cu exceptia unor cazuri bine argumentate
situaiii cu o probabilitate de 50% de a obiine uni sires = 0 (reprezentarea a capte teoretic, nu ar trebui sé acceptam acel punct de cotitura (implicit dimensiunea
obiecte intr-un spa‘glu tetradimensional) sau un sires = 0,02 (aceleael conditii, dar adiacenté)’, dacé valoarea stresului este mai mare de 0,10. Din acest punct de
intr—un spaiiu tridimensional). Ambele solutii sufera grav de lipsa stabilitéiii. Chiar vedere, o soluiie tridimensionalé pare a fi mai adecvaté pentru graficul de mai sus.
daca am respecta raportul minim optim dintre numarul de obiecte 5i numérul de Acest grafic poate fi realizat §i pe baza altor indicatori decal stresul. Printre
’
dimensiuni, se ridica alte Cateva intrebéri. Ce facem daca avem de ales intre o aceetia, a§ aminti DAF (dispersia explicate) sau coeficientul de congruenga Tucker.
soluiie bidimensionala (N Stres = 0,12) §i o soluiie tridimensionala (N sires = Ambii indicatori, spre deosebire de sires, arata cat de bine se potriveete
0,08)? Ambele soluiii satisfac criteriul valorii stresului, Care soluiie ar trebui reprezentarea graficé a punctelor cu afinitétile psihologice dintre concepte. Valorile
adoptata? Réspunsul la aceasté intrebare tine de randamentul fiecéreia dintre lor, de§i cuprinse tot intre O §i 1, au 0 semnificatie inversa. Cu cat DAF sau indicele
soluiii. Cu alte cuvinte, intrebarea'devine: scade suficient de mull stresul pentru a Tucker sunt mai apropiate de 1, solutia este mai potrivité. Din pécate, numai
accepta introducerea unei dimensiuni suplimentare? PFlOXSCAL-ul prezinté valorile acestor indicatori. Pachetul de bazé SPSS prezinta
doar valorile Stres 1, S Stres §i R, ultimul fiind un indicator echivalent pentru DAF,
Analiza graficé de tip scree plot
Metoda Monte Carlo
Analiza grafica de tip scree plot ofera un suport pentru a raspunde la
aceasté intrebare. Tehnica, introdusa de Cattell, este preluata din analiza factoriala O alta modalitate de selectie a numérului de dimensiuni este data de
§i consté in realizarea unui grafic cu roi de supon. Pe abscisa (OX) sunt trecute metoda de simulare Monte Carlo. Aceasta poate genera randomizat solutii diverse
dimensiunile posibile ale unei soluiii, iar pe ordonaté, valorile stresului (normalizat de configurare spatiala pentru numere diferite de dimensiuni. Prin compararea
sau nu) pentru fiecare situatie in parte. lnterpretarea graficului porneete de la ideea valorilor stres obiinute 'prin simulare cu cele bazate pe date reale se poate alege
seleciérii acelui numér de dimensiuni de la care nu mai sunt aduse imbunététiri numérul optim de dimensiuni. Solutia aleasé este cea care semnaleazé prima
semnificative in evolutia stresului._ diferenge semnificative in ceea ce priveste valorile stresului. in graficul din dreapta
Sé presupunem ca avem 35 de obiecte introduse in MDS. 8a ne reamintim se‘observé'ca incepand cu a treia dimensiUne, solu’gia bazata pe date reale pare a
ca pentru a asigura stabilitatea soluiiei, numérul maxim de dimensiuni de care vom fi semnificativ mai buné decaf cea generaté de configuraiii aleatoare.
tine seama este opt (n-1)/4, iar numérul minim, unu. Fie valorile stresului (graficul
din sténga al figurii 8.5.). Gradul de stabilitate a solugiei
Un alt criteriu de sprijin utilizat in selebtarea'numarului de dimensiuni se

Eizdarerrmidrrya‘eimda— Semeplct . u t _— .- , a
referé la stabilitatea soluiiei. Efeciuarea unei MDS pe 10 stimuli, precum in
1U
w a,
£113 _
problema reactiilor la conflict, duce d'oar la reprezentari grafice unidimensionale
‘13 n» “l
\
i ’55 132 sau bidimensionale. Conform algoritmului descris anterior, ar fi fost nevoie de
g (1,141 . \ ,
3
g \x ua ,V‘ minimum 12 sau 13 stimuli pentru a putea lua in discu’gie o soluiie stabilé
E ‘1‘ ‘- ..
8 m- "K ’r‘
n l w ' . ‘ ' -~ tridimensionala. in astfel de situaiii, cu doar doué dimensiuni, analiza scree plot-
is 51,, 'i haw“--.__ . ‘
H‘H-
am
‘
. P-"l—iq
_‘_‘—‘
ului nu-ei géseete justificarea.
a . I: . . . . -
t A 4 f: as r 8 v e 3 a; 5 e r a
Huma’dlmen dunl HM mirvilm‘en dun!
Figure 8.5. Interpretarea graficé pn’n metoda ,,scree plot"
284 285
ll,:lllllllllllllzllllllllllllllllllll,llllllllllllllllllllllllllullllllllllllillllllllllll‘llllliilllll lllll‘llllll Ill l l l l l lil‘zl l l l l l l l l l l l l l l l l l illitllllllillllljlllllillllllllltllllllillll l l l illllilll ill ‘li i
Usurinta reprezentérii grafice a solutiei. solutia respectiva ar fI una corecta, iar In termenl statistici ar fl vorba de 0
echivalenta Intre solutia locala minimé si solut’ia globala minima. Daca terenul nu
in alegerea numarului de dimensiuni este util sa tinem cont sI de usurinta ar fi unul lin, ci unul accidentat, cu multe suisurl si coborasuri, persoana legata la
I'eprezentarii si 3 interpretarii grafice La baza, MDS este totusi o tehnica ochi ar putea fi Inselata si ar putea sa declare locul cel mai jos posibil o simpla
explorativa de vizualizare a relatiilor dintre obiecte. Ce facem Insa daca solutia Infundatura. Daca ar fl luat--o Introalta directie, ar fl evitat aceasta capcana si ar fl
optima are patru sau mai multe dimensiuni? Ar fi imposibll sa reprezentam grafic o ajuns, Intr-adevar, In locul situat la cea mai joasa altitudine Cum rezolvam aceasta
asemenea situatie si ar fi complicat sa interpretam o asemenea configuratie. De problema? Simplu, vom detecta mai multe puncte de startIn calatoria persoanei.
aceea, de foarte multe ori, cercetatorii au tendinta de a selecta solutiI Daca indiferent de acest punct, persoana ajunge In acelasi loc sau Intr-un altul, cu
bidlmensionale sau tridimensionale, datorita avantajului oferit de posibilitatea altitudine apropiata, Inseamna ca ne putem baza pe solutia obtinuta. Daca exista
I‘eprezentarii grafice. Totusi, da‘cé exista IndIcIi Clare cavo 'solutie In patru Insa diferente mari In ceea ce priveste altitudinea punctului‘de sosire (valori etero-
dimensiuni ar fi mult mai adecvata decat una tridimensionala, ar fi bine 32?] o gene ale stresulul), atunci Intampinam situatia unei solutii minime locale. in astfel
I'etinem, In ciuda dezavantajului legat de dificultatea reprezentarii grafice, de situatii, vom alege configuratia corespondenta valorii N stres cea mai mica.
Situatia In discutie poate fl recunoscuta prin valori N stres destul de marl
lnterpretabilitatea solutiei si, uneori, prin evolutiile paradoxale ale acestuia. Astfel, daca In conditii normale
stresul scade sau se mentine constant 0 data cu cresterea numarului de
in fine, un ultim factor care Influenteaza alegerea dImensIunIlor tine de dimensiuni, In situatii de solutil locale minime pot aparea cazuri ciudate In care
gradul de interpretabilit'ate a acestora. Acestul aspect II va fi dedicat un Intreg stresul creste, daca se adaugé o dimensiune suplimentara (ex. 0 solutie
subcapitol. Pana atunci, vom preciza ca dintre doua solutii relativ echilibrate pe tridimensionala poate fl suspectata daca valoarea stresului este mai mare decat In
baza criterillor maI—sus amintite, este preferata aceea care ofera 0 mai buna cazul unei solutii bidimensionale).
Interpretare a dimensiunilor si Implicit, a atributelor pe care subieotii le folosesc in astfel de configuratii, interpretarea dimensiunilor si a relatillor dintre
pentru a stabili proximitatile dintre obiecte. in ce priveste numarul de dimensiuni puncte se face dificil. Pentru a reduce sau elimina aceasta problema, PROXSCAL-
selectate, mai raman de discutat doua probleme ce apar uneorI In generarea ul din SPSS ofera posibilitatea de a alege configuratii de start diferite (puncte de
solutiilor MDS. plecare a persoanei diferite). Oferta-Intalnita In SPSS contine ca variante de start:
Prima, denumita degenerarea solutiei, apare frecvent In Conditii In care Simplex (initial punctele se afla la distanta egala Intre ele), Torgerson (metoda
se fac MDS non-metrice utilizand obiecte care sunt grupate In céteva clustere , clasica, propice mai ales MDS metrice), Random Single sau Multiple (care ofera
naturale. Daca Intalnim asemenea situatii, Interpretarea MDS se opreste dupé una sau mai multe configuratii generate aleator), Custom (permite configurarea
identificarea acestor grupe de obiecte, fara a merge mai departe (ex. interpretarea initialé a punctelor pe baza unor rezultate anterioare)‘.
dimensiunilor; analiza diferentelor interindividuale etc). Diagnosticarea unei
asemenea situatii este destul de usoara. in astfel de cazurI, valorile N stres sum Exemplu: Dimensiunile latente in evaluarea strategiiior de negbciere
foarte mici sau chiar zero (0,00 — 0,02). Obiectele sunt reprezentate grafic prin Din dorinta de oferi mai multa claritate selectarii numérului optim de
clustere departate spatial unul de altul. Dimensiunile obtinute sunt greu sau deloc dimensiuni, vom Incheia prin a rezolva exemplul referitor la reactiile In situatii de
interpretabile, obiectele fiincl configurate fara o logica anume. in plus, diagrama conflict. Solutia care pare sa se impuna este aceea a unei reprezentari grafice
Shepard ia forma unei scari cu cateva trepte foarte marI. Totusi, putem Intalni bidimensionale. lata si argumentele In favoarea solutiei MDS cu doua dimensiuni:
situatii de solutii degenerate fara a observa In mod obligatoriu toate aceste . valoarea indicatorului N Stres era de 0,026, In conditiile In, care nu au fost
simptome concomitant. observate alte simptome ale unei solu‘tii degenerative;
Cealalta problema ce poate aparea este solutia locala minima. in acest . valoarea suficient de mica nu indica nici prezenta unei solutii locale
caz, datorita unor deficiente legate de procesul iterativ de generare a solutiei, se minime;
pot obtine valori destul de crescute alestresului sI Implicit, configuratii mai putin . solutia bidimensionala are suficient de multa stabilitate data flind prezenta
optime. Cu alte cuvinte, procesul iterativ‘se poate Incheia Inainte de a obtine cea celor 10 obiecte evaluate; de altfel, cele zece obiecte indica existenta a
mai buna solutie. in sprijinul'IntelegeriI acestui proces vine Imaginea clasica a unei doar doua solutii alternative: MDS unidimensionala sau bidimensionala;
persoane legate la ochi, care este pusa sa gaseasca locul cu altitudinea cea mai prin urmare, argumentele care sprijiné solutia tridimenslonala Isi pierd
joasa (valoarea stres cea mai mica). Daca terenul este lin persoana ar putea sensul, deoarece, o asemenea solutie ar fI instabila din cauza numarului
coborI pas cu pas pana ar gasi locul cel mai jos posibil lntr—o asemenea situatie, redus de obiecte (puncte);
286 287
lllIIIllllIlllIll‘lllli III I ,I i llll‘l‘lIl‘llIl‘lll‘l‘l’l"l“ii',
. solutia'poate fi reprezentata grafic cu usurinta; de altfel, reprezentarile Interpretarea Confi’gIJratiei MDS primeste si mai multa consistenta, daca ,
'
bidimensionale pe doua axe Nerd-Sud si Est-Vest sunt si cele mai uzuale identificam dimensiunile pe baza carora au fost plasate obiectele. Acestea nu'sunt,
Tn cazul hartilor perceptive; altceva decat criterii de judecata a gradului de proximitate Tntre obiecte. Figure 8 6
- cele doua dimensiuni. selectate sunt usor interpretabileivezi sectiunea prezinta obtinutaIn cazul problemei date.
harta perceptive
8.3.2.).
Evaluarea subiectivé a dimensiunilor
8.3.2. lnterpretarea configuratiei‘ MDS O prima modalitate de interpretare (identificare) a dimensiunilor este de
Este timpul sé reamintim o frazé esentialé prezentata Tn introducere. ,. ordin subiectiv. Observati pentru céteva secunde distribu’tia'punctelor de-a lungul
Proximitatea psihologicé dintre obiecte poate fi reprezentata spatial sub forma unei s: primei- dimensiuni. Gasiti vreun sens p‘entru modul in care ‘sunt distribuite
distante Tntre puncte. Cu cat punctele sunt mai apropiate unul de celalalt, cu atat .
i".
punctele? Foarte bine! Se pare ca Tn partea stangé a primei dimensiuni se afl'a
obiectele sunt vézute de esantionul testat ca semanand mai mult. La fel, cu cat situate reactii precum cooperare, mediere, compromis, confruntare, arbitraj. Ce au
punctele sunt mai departate unul fate de celalalt, cu/atat obiectele corespunzétoare acestea Tn comun si mai ales, ce Ie deosebeste de pUnctele aflate Tn partea
acestora sunt percepute mai diferit. Distantele dintre puncte nu trebuie dreapta, ca manipularea, evitarea, subminarea, renuntarea, aménarea? - Cu
absolutizate. Cu mici exceptii, toate distantele sunt doar masuri relative. Aceasta exceptia confruntarii, se pare ca medierea, cooperarea, compromisul sau arbitrajul,
Tnseamna ca nu putem trage concluzii de genul: obiectul A este de doua ori mai implicé actiuni bilateraie. in schimb,_punctele din partea dreapta par a fi mai
apropiat de obiectul B Tn comparatie cu distanta de la A la C. daca observam degraba actiuni unilaterale. Din aceasté perspective, am putea concluziona ca
(ochio)metric o asemenea situatie. Ceea ce conteaza este doar distanta relative. prima dimensiune care contribuie la reprezentarea graficé a punctelor, si implicit, la
Astfel, daca distanta dintre punctele A si B 6 mai mica decat cea dintre A si C sau stabilirea asemanérilor sau a deosebirilor psihologice dintre obiecte, este axa
cea dintreB si C, putem afirma doar ca cele doua obiecte A $1 B para fi percepute reactii bilaterale vs. reactii unilaterale.
ca fiind mai asemanatoare decét oricare alta combinatie, Pe baza acestor Ilntr—un mod similar, am putea ob'serva si identifica configuratia punctelor
observatii subiective putem grupa diferite obiecte Tn categorii. De exemplu, putem pe cea de-a doua dimensiune. Cum am putea denumi aceasta axé, daca Ia un
observe din figura 8.6 ca subiectii tind sa perceapa'mai asemanétor emanarea st capat contine actiuni energice, directe, de genul confruntérii. iar la celalalt se
renuntarea ca forme de reactie la situatii conflictuale decat, sé zicem, aménarea si regasesc reactii precum compromisul, renuntarea, evitarea sau amanarea. sa fie
cooperarea. Mai mult, am putea chiar identitica un cluster de reactii reprezentat de vorba de un continuu al gradului de asertivitate? sa fie vorba de gradul de
’ activism, pe o axa bipolara ce cuprind‘e reactii pasive vs. reactii active? Foarte
tripleta: amanare, evitare si renuntare.,
probabil, mai cu seama ca spre mijlocul axei se observe
‘ reactii de nivel mediu Tn
Spaliul cnmun ceea ce priveste gradul de asertivitate sau activism. I
.
~ 2 conlruntare
D
O astfel de interpretare subiectivé necesita cu siguranta multé intuitie si
sensibilitate. Trei pericole mari fac ca aceasta metoda sa nu fie prea iubita, Tn
1 . special de statistiCieni. Primui pericol se refera la tendinta oamenilor de a'identifica
_
m\e,diere arbitraj manipulare
subminare
'3 paternuri de obiecte acolo unde de fapt nu exista. Cel de-al doilea, se refera la
cooperare I: n
. u
u
posibiiitatea efectuarii unei rotiri ortogonale a dimensiunilor,‘ schimbandu—se astfel
o- / perspectivele de a privi punctele din grafic. Se cuvin'e aici sa amintim ca prin rotire
nu 5e pierd informatiile esent’iale legate de distanta dintre puncte..Sé ne Tnchipuim
avilara
cumprlojmis
n harta Romanieil lndiferent daca Tn urma rotirii vom localize Timisoara sau Aradul Tn
amanare
_1 .
N
u
vest, sud, nord, sau est, distanta dintre ele se va pastra. in sfarsit, a treia si cea
E
,9
"’-_'
m
lenunlare mai consistenté critica, se referé la alte situatii MDS decat cele bidimensionale.
n
.E
o -2 ‘Astfel, este dificil sé interpretém configuratia punctelor Tntr~o reprezentare
-2.1 —1,0 0.0 1,0 '2.1 tn‘dimensionala (spatiala) si chiar imposibil, Tn situatii mai complexe, cu patru sau
Dimension 1 mai multe dimensiuni.
Figura 8.6. Output SPSS reprezentarea spaflalé a distantelor psihologice
cu
SPSS este o marcé aegistraté.
288 289
IIIIIuIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIiIIIIIIIIIIIIIIIIIIIIIIIIIIIIIiIIIIIIiIIIIII.IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII III III i i i i i IIIIII‘IIIII I I I. i i i i i i i i ‘ i i i I i Ill 111 ill ‘1‘ i i ‘1‘ il I l
(ex. R = .78), infiuenta predictoriior trebUie sa fie semnificativé statistic la

Evaluaroa obiectivé a dimensiuniior un prag p < .01 sau chiar mai mic;
b) valoarea coeficientilor standardizati beta (denumiti in cadrui MDS si
Acetate este motivul pentru care au fost dezvoitate o serie de tehnici directie cosinus) sé fie cat mai apropiata de 1.
"niileutiwi" do lnterpretare a dimensiunilor, indiferent de numarul acestora. Eie sunt
I'ieIIIIIIIiiIa in Jargon statistic adecvarea vectoriaia a atribUtelor (in engieza ,,property Tabeiui 8.1. Vaiorile predictoriior si ale criteriiior 'pentru fiecare atribut studiat prezente in
vector fitting"). in topul acestor masuri se afla regresia multiliniara. Principiul baza de date ,,soalare coordonatesav"
e1 eettii unsamblu de tehnici este acela de a gasi atribute (trasaturi) aie obiectelor
proleoteie care 53 coreleze puternic cu modui de configurare a punctelor si cu ATRIBUTE DIMl DIMZ Activ Bilat. Colectiv Rational Constructiv
coerdonualiala punctelor pe axeie hartii perceptive Pentru a utiiiza tehnica adecvarii evitare 1,233 -,772 1,50 2,66 1,50 4,17 2,75
veutoilnlri a atributelor este necesara coiectarea unor date suplimentare In functie compromis —,683 —,703 5,75 5,60 3,25 5,85 3,50
tie IIIotiIII in care este masurata variabiia dependenta se aplica regresia confruntare -,618 1,805 6,25 4,20 3,17 4,25 3,00
II'uiitlilnla, respectiv, analiza discriminantuiui (ori regresia iogisticé). Daca renuntare ,823 —1,746 1,33 1,83 3,00 3,80 2,50
val'lethllnln dependente constau in atributele compiementare studiate, variabilele subminare 1,370 ,703 5,00 1,25 1,80 5,17 1,75
lI'IrluIIenrionte sunt reprezentate de coordonatele stimuiilor (punctelor) pe axele aménare ,539 —l,123 1,40 3,83 2,00 2,87 2,67
lIartii perceptive. Astfel, intr-o situatie MDS tridimensionaia vom avea trei arbitraj -,372 ,485 4,00 5,00 5,17 4,50 3,33
predictori, iar intr-o situatie MDS bidimensionala, ca in problema reactiiior ia situatii mediere -1,171 ,490 5,00 5,50 5,00 4,33 0,17
Ile conflict, vom avea doar’ doi predictori. .

manipulare ,591 ,476 5,25 2,00 2,50 6,00 3,25
cooperare —1,712 ,386 5,50 6,17 3,50 4,83 5,83
Cum am proceda concret 1n acest exemplu?

Pasul 1. ldentificarea variabiieior dependente care pot avea o semnificatie Ce inseamna indepiinirea acestor conditii? Prima ne arata ce legaturé
pslhoiogica, si astfel, pot infiuenta configuratia spatialé a punctelor. in exempiul dat exista intre configuratia puncteior si atrlbutul respectiv. Cu cat corelatia multiple“:
am decis sa evaluam reactiiie la situatii confiictuaie prin prisma urmétoarel‘or dintre predictori si atribute este mai mare, cu atét atributul este mai semnificativ
attribute: masuri pasive vs. active, unilaterale vs. bilaterale, individuaie Vs. pentru modui de configurare a p‘uncteior. Coeficientul de regresie standardizat
coiective, irationaie vs. rationale, distructive vs..constructive. (beta) n'e araté Cat de apropiat este atributul evaluat de sistemul de axe. Daca beta
Pasul 2. Alegerea unuia dintre cele doua moduri d_e masurare a acestora pentru o anumlta dimensiun‘e are valoarea 1, atunci exista o congruenta totala intre
(scaié bipolaré in sapte sau noua trepte) in cazul regresiei multiliniare sau (optiune dimensiunea respectiva si vectorul atributului respectiv, deoarece cosinus de unu
dihotomicé) in cazul analizei discriminantului sau a regresiei logistice. Vom aiege este egai cu zero grade. Aceasta situatie ar co‘nstitui un indiciu extrem de puternic
pentru exemplul--model 0 scaia bipolara cu sapte trepte. Astfel, pentru atributul in favoarea denumirii dimensiunii respective prin apelui la acel atribut. Retineti insa
pasiv--activ se acorda un punct pentru o reactie considerate a fi pasiva, sapte ca este' nevoie si de 0 corelatie multipia ridicata. Ceior mai putin familiarizati cu
puncte pentru una activa si vaiori intermediare pentru nuante ale acestui aspect. aceste transformari trigonometrice ie vin in ajutor manuale precum cei al lui Rogai
Similar se procedeaza si pentru celelalte atribute. (1983) care contin tabeie cu transformariie necesare.
Pasul 3. Realizarea unei medii a raspunsurilor Ia un obiect pentru fiecare Rezuitatele obtinute in urma (analizei de regresie pot fi sintetizate asemeni
variablld dependenta. exemplului dat:
Pasul 4: _Utiiizarea coordonatelor fiecarui punct reprezentat spatial ca
variabiie predictor si efectuarea analizei statistice corespunzatoare (vezi tabeiui Tabeiui 8.2. Anaiiza atributeior
8.1.). De remarcat ca valorile coordonatelor pentru fiecare stimui pot fi salvate intr- ‘
ATRIBUTE BETA'DIM1 BETA DiM 2 R
Iin fisier nou, prin selectarea optiunii ,,common space coordinates”, prezenta prin
Pasiv — Activ -0,226 . 0,830 0,939”
activarea butonului ,,outp,ut” din cadrul SPSS Categories, PROXSCAL.
Unilateral - Bilateral -0,989 -O,172 0,938“
Dupa Kruskai si Wish (1994), un atribut are importanta in interpretarea
independent - Coiectiv -0,719 0,028 0,731
Iinei dimensiuni dacé, Tn urma analizei de regresie, indeplineste doua conditii: . '
Iratjonal ~ Rational 0,000 0,352 0,354
a) coreiatia multipla dintre coordonateie punctelor si atributui respectiv sa fie *
Distructiv.- Constructiv -O,926 -0,147 0,881
foarte ridicata (R > .90, acceptabil insasi peste .80); in situatii limita
**p<.001 *p<.01
291
990
l l l! W 1) Iv ‘* w ill w ill iv ill . . - . V .
lllll lllll llll illll llll‘ ‘llll illlll llllli‘lllli lllll ‘lllll lllll illlll lllll lllll llllllllllll‘lllll ‘lll llll‘ . ‘ l llllli‘lllll lllll illlll llllli‘lllll llllli llll‘,‘llll,llllJlllHlllJllll Willi llll,lllll llllLlllll,llllltllllljllllLllll‘,ill it ill l l ‘ll ‘lll ‘l it ill llll illlljlllullll llll‘llll llll ‘llll llll l_— 11 I ’A Ill ll
Se observa ca dintre cele cinci atribute evaluate, trei sunt puternic corelate in cauza. A doua dimensiune este mai greu interpretabila, desi am putea afirma cu
.
cu modul de contigurare a punctelor (R > .80). Mai mult, cele trei atribute sunt un anumit grad de flexibilitate ca este vorba de axa pasiv — activ (unghiul dintre
- bilateral
destul de apropiate de sistemul de axe. Astfel, vectorul unilateral vectorul respectiv si a doua dimensiune flind de 349). .
lormeaza un unghi de doar 89 cu prima dimensiune (cos 0,989), iar vectorul Aceasta nu este, singura explicatie posibila. Dacé am roti ortogonal cele
dlstructiv —— constructiv tormeaza un unghi de 22° cu aceeasi dimensiune (cos. doua dimensiuni cu aproxlmativ 209 in sensul acelor de ceasornic, am putea obtine
0,926).‘Aceste unghiuri se masoara din punctul de origine al hartii perceptive, unde o interpretare ‘mai Clara'a dimensiunilor. Prima dimensiune ar putea fi data’de
— activ indica un
toate coordonatele iau valoa'rea zero. in starsit, vectorul pasiv -eficienta reactiei (masuri constructive, cu consecinte bilaterale vs. masuri
unghi destul cle ascuti't cu dimensiunea a doua a hartii (cos 0,830 = 349). distructlve sau beneficii unilaterale), iar a doua ‘dlmensiune ar constitui olar, axa
pasiv — activ. Retineti, in fine, ca relatiile dintre 'vectori nu trebuie sa fie ortogonale,
confruntare
in s'chimb dimensiunile, chiar dupa rotire, trebuie sa formeze un unghi drept intre
“div °
ele. Mai mult, in cazul unor proceduri gen INDSCAL, dimensiunile nu trebuie rotite,
desi in practice mici. rotiri pentru a maximiza interpretarea axelor sunt intalnite
(Jones si Koehly, 1993). Spatiul comun rezultat in urma configurarii reactiilor la
1-
. subminare
mediere a 'traj' manipulare ‘
cooperate :
u
a situatii conflictuale este un asttel de exemplu, in care rotirea axelor cu 209 ofera o
o interpretare mai Clara a axelor.
/
hiinlkrul r miS '
evrtare
(compao a
cumu-uun’v
N
‘-
ama
=
I?
8.3.3. Aplicatiii INDSCAL
C
.2
2 renuntare
‘l
Metodele MDS conventionale nu pot epuiza intreaga gama de intrebari si
'5 -2_I
E
. ' ' probleme de cercetare. Uneori nu sUntem interesatl de obtinerea unei harti
.24 4.0 0'0 1'0 2'1
perceptive pe baza rezultatelor tuturor subieotilor, ci dorim sa observam diferentele
Dimension 1 dintre subiecti sau subgrupe ale acestora. Reamintim ca, in situatia data, subiectii
Figura 8.7. Interpretarea dimensiuni/or pe baza adecvérii vectoria/e a atn'bute/or chestionati au fost impartiti in doua categorii: cu st féra experienté in solutionarea
conflictelor. Oare nu exista deosebiri intre cele doua categorii de subiecti?‘ Numai
prin modele INDSCAL se poate raspunde la 0 asemenea intrebare. Tn urma
Directia vectorilor se poate stabili usor, observand semnele coeficientilor aplicarii unei astfel de proceduri vom obtine date pe care le vom prezenta pe rand.
beta. Astfel, cand ambii coeficienti beta au semn negativ, sageata vectorului va fi (1) Un spatiu comun reprezenta‘nd configuratia punctelor nediferentiaté pe
'
orientaté in cadranul din sténga jos, corespunzator unor coordonate negative categor/i de sub/eat]
—
pentru ambele dimensiuni (cazul unilateral — bilateral, respectiv distructiv Graticul prezentat de noi in figura 8.6. este un astfel de exemplu, fiind o
constructiv). Similar, in cadranul de sus stanga, vor fi orientati vectorii care au beta harta perceptiva similara cu cea obtinuta direct prin ALSCAL sau prin PROXSCAL
negativ pentru dimensiunea 1 si beta pozitiv pentru dimensiunea 2 (cazul pasiv- identity matrix. Punctele vor fi la fel de distantate, sing'ura diferenta care poate
activ). Asemanator se procedeaza si in alte cazuri. Din pacate, un astfel de grafic aparea fiind la nivelul axelor. Acest fapt nu oonstituie o problema, deoarece
nu poate fi efectuat direct'in SPSS. Alternative raman utilizarea altor programe dimensiunile pot fi rotite ortogonal in orice directie. Se constata totusi, ca modelele
precum PROFIT [in cadrul pacbetului MDS(X)]' sau prelucrarea secundara a hartii INDSCAL (singurele la care rotatia nu este recomandata, fiind posibile doar mici
'
perceptive oferite de SPSS. ajustari) Conduc la harti perceptive mai usor interpretabile pe baza pozitiei initiale a
in figura 8.7. se observa tendinta subiectilor de a considera compromisul axelor, in timp ce alte proceduri necesita, aproape permanent, rotiri ale axelor
ca fiind o masura constructive si bilaterala, confruntarea ca fiind, prin excelenta, o pentru a identifica corect dimensiunile obtinute.
masura activa, medierea, cooperarea si arbitrajul, ca reactii bilaterale, constructive (2) Importanta dimensiuni/or pentru fiecare categorie de subiecti (in
si active. in acelasi fel, am putea interpreta manipularea si subminarea ca fiind engleza "dimension weights” sau ,,saliences”)
distructive si unilaterale, in timp ce evitarea, amanarea si renuntarea sunt Pe baza acestora se observe eventualele diferente intre subiecti (grupe de
percepute ca reactii pasive. Dincolo de aceasta incarcatura a obiectelor in subiecti) in ceea ce priveste gradul de adecvare a dimensiunilor selectate pentru
atributele respective, observam ca prima dimensiune ar putea‘fi denumitavaxa fiecare categorie de respondentL Pentru exemplul
' nostru, output—Lil SPSS ar oferi
’
unilateral vs. bilateral, datorita unghiului redus dintre acest vector si dimensiunea urmatoarele rezultate:
292 293 -
I I I I I I . I I I I I II I I I I I I I I I III I I I I I I II I l‘ I I I I I I I I I I I I I I I I I: l Wlwlllmlllwllllwll 3‘ ii ii iii ‘llll lllll Hil illll lllll ‘lllli lllll‘iillll lllll Illll llllI Illll illll Illlli lllll Illlli lllliIllllllillllllllllll lllll‘Illlll llll ii i i l ‘ l l 1‘ I‘ ‘ ii iii ‘lll‘ llll llllI lllllIlllll llllllIlllllillllllllllll‘llllllllllll‘llllllllllll llllll‘lllll llllll lllll llllll lllll illlll lllllllllllllllllllllllllillll‘Illlll lll‘ llli il ‘l I
W
MuMMWINii!“ill”‘llll'llllll'lllll"lllll"llll
Grup cu experienta 82 Grup fara experienta S1

Dimension WeIghts .5 I-ONFRIINT Ln
.5
"
)M_I 5 coumum-
a
ska; s
‘ .1 7’ 2"
A SUBMI AR
5
1,1“, facgsaA’ltE:DIERE
. ARBITRAJ MANIFULA " SUBMIN R
A I ,' ,D .V : e
>
I. ’ oofisflgglERBRBLTRN MATI‘IzPUlA
‘
Dimension Weights ‘2 ,3’”
on 0.0
_ 7
. J i" _ ‘3 common“ COMPROMI
N ‘.4 n EWARE i
9 a
Dimension :23; / C A MAM A RE ‘ N -.5
°'“ a
Source . 1 , " 2 E
m “5
E
E
ara experienta S1 .480 ,459 -.I g RENUNTA .1,
o -.s “
"‘ M J '2 '5 '4 '5 '6 .E
a
Cu experienta 82 .512 .416 Umanaiorn
4.0 a a 4 -.2 a 0 4 6 “0'
Dimension 1
Dimension 1
Figura 8.8. Output SPSS cu analiza importantei dimensiunilor pe categorii de subiecti Figura 8.9. Output SPSS 11.0 cu reprezem‘area graficé a spafiilorindiI/iduale
SPSS este o marca aegistrata. SPSS este o marcé aegistrata.
Nu exista mari diferente Tntre modul de reprezentare a reactillor la conflict Configuratia punctelor nu pare a fi modificaté dovada filnd echlvalenta
de ,catre cele doué categorii. Totuei, se observa o ueoara tendinta din partea relatiei dintre punctele reprezentateIn cele doua grafice. Totuei am putea observa
persoanelor cu experienté de a acorda 0 mai marelimportanta primei dimensiuni o ueoara tendinta de creetere a dimensiunii 2 pentru grupul S1 5i 3 dimensiunii 1
(distructiv vs. constructiv) in comparatie cu cea de-a doua (WD1 = .512, faté de pentru grupol 82 Cum 3- ar interpreta acest lucru? Persoanele din grupa celor fara
WD2 = .418). Acest fapt pare normal, pentru Iotul de persoane cu experienta Tn experienta tind sa utilizeze mai frecvent dimensiunea pasiv—activ in gruparea
acest domeniu, tinénd cont ca diterentierea reactiilor pe baza criteriului exprimat Tn datelor. Similar persoanele cu experienta Tn solutionarea conflictelor tind sa aiba o
aceasta dimensiune este mai importanté in rezolvarea conflictelor. De notat ca, putere discriminativé mai mare Tn ceea ce priveete dimensiunea distructiv ~
fiecare dimensiune selectata poate avea impdrtanta diferita pentru fiecare constructiv a obiectelor apreciate Diferentele observate bazate pe aspectele
categorie de su‘biecti, §i chiar pentru fiecare subiect Tn parte. Valorile pot fi cuprinse‘ prezentate graticIn figura 8. 9 sunt totuei mici interpretarea fiind fortataIn cazul de
intre .0 ei l, unde zero reprezinté lipsa totalé de importanté a acelei dimensiuni
pentru categoria de subiecti respective, Tn timp ce '1 Tnseamna exclusivitatea fate.
dimensiunii respective. De asemeneapintre dimensiuni se pot stabili raporturi Tn
ceea ce priveete importanta acestora. Tn cazul de fata, raportul importantei dintre 8.4. Modele de scalare multidimensionaié conexe
cele doua. dimensiuni este 1,05 Tn‘favoarea primei dimensiuni pentru categoria
celor féra experienté Tn solutionarea conflictelor ei de 1,23 tot Tn favoarea primei
. dimensiuni pentru categoria celor cu experienta. Aceste aspecte pot fi, de
8.4.1. Modele MDS constrénse
asemenea, reprezentate ei grafic (vezi figura 8.8.).
(3) Spatii individuale pentru fiecare categorie diferentiaté in ceroetare intalnim frecvent situatii in care avem date anterioare care
Prin lNDSCAL putem reprezenta grafic, cu scopul de a observa diferentele pot fi integrate Tn configuratiile MDS. De exemplu, dacé majoritatea studiilor
dintre acestea atatea harti perceptive cate categorii au fost incluse Tn studiu. anterioare in domeniul reactiilor la conflict ofereau ca dimensiune definitorie Tn
Pentru exemplul nostru, vor fi construite doua asemenea harti, deoarece am construirea hértii perceptive gradul de distructivitate —— constructivitate a reactiei,
Tmpértit lotul in doua categorii Semnificative: cu gi fare experienta Tn solutionarea atuncl am putea constrange harta perceptive sa continé aceasta dimensiune din
conflictelor. lnterpretarea acestor graficé se‘ face pe' baza‘a doua tipuri de start. Constrangerea duce automat la configurarea punctelor de pe harta pe
informatii: modificarea Tn configuratia punctelor, respectiv gradul de creetere sau ,parcursul unei dimensiuni, astfel Tncat la un capat 52“} se afle reactiile distructive, iar
scadere a amplitudinii axelor. laté cele 'doua ‘grafice obtinute tot prin SPSS: la celalalt reactiile constructive. Pentru a 'constrange stimulii de pe harté este
nevoie de configurarea initiala a acestora Tntr-un alt fieier Din pacate prin
utilizarea acestei metode toate selectate trebuie constranse SPSS- ul
climensiunile
294 295
I
i":
biera doua posibilitati in aceasta directie: identificarea directa a dimensiunilor, preferintelor exprimate. Similar, distantele mai'mari dintre un subiect si un anumit
'
astfel incat fiecarei axe sa-i corespunda un atribut si realizarea unei combinatii stimul indica o preferinta scazuta pentru obiectul respectiv.
llnlare intre attribute in definirea unei dimensiuni. Prin acest tip de MDS nu mai Analiza ‘externa consta in stabilirea pozitiei unui punct ideal intr-o
trebuie interpretate dimensiunile insa raman valablle celelalte-aspecte ca: stabilirea configuratie initiala construita pe baza similaritatii dintre stimuli. Pentru a realize
gradului devadecvare a numarului de dimensiuni ales, lnterpretarea configuratiei aceasta analiza vom avea nevoie de colectarea datelor referitoare atat la
punctelor, eventual observarea diferentelor interindividuale sau intergrup. similaritate, oat si la preferinta. Configuratia initiala este construita pe baza
similaritatii dintre stimuli. Pe baza acestora se pot stabili puncte ideale sau cercuri
(zone) grafice incarcate cu grade diferite de preferinta. Din pacate, SPSS—ul nu
8.4.2. Modele MDS extinse poate integra ambele proximitati pentru a realiza analiza externa, desi poate
Aceste modele permit realizarea de harti perceptive’ pornind de, la , efectua separat ambele operatii. Programul destinat acestui tip de analiza, denumit
preferintele subiectilor chestionati. Daca toate modelele discutate anterior aratau PREFMAP, se gaseste Insa in pachetul MDS(X). Tinand cont de conditiile
cat de apropiate sau de diferite sunt unele obiecte in perceptiat oamenilor, prezentate, vom exemplifica modul cum se interpreteaza o analiza interna
modelele extinse (unfolding) se finalizeaza prin harti perceptive obtinute pe baza disponibila si prin SPSSI
preferintelor respondentilor pentru obiectele studiate. De cele mai multe ori, astfel
de date 5e prezinta sub forma unei matrice rectangulare, in care fiecare linie (.5
amannare
n
suhninare Flows
reprezinta rezultatele unui s'ubiect in plus harta perceptiva va contine nu numai 1.0 manipulare R0: 5
n
obieotele, ca in cazul datelor de similaritate, ci si subiectii, pozitionati grafic in '5 Rows
=
functie de preferintele exprimate °'°
In general exista doua abordari ale modelelor extinse (Hair, Anderson,
where
n I: I
‘N
-.5 Hedi W?
Tatham, Black, 1998). Abordarea explicita consta in includerea unui obiect ideal n
4.0 “if” Row4
intre stimuli, urmand apoi procedura clasica de stabilire a gradului de similaritate z:
dintre obiecte, Problema in cazul acestei abordari consta in tendinta subiectilor de N 4,5
a plasa acest obiect ideal, fie foarte departe de celelalte, tiefoarte aproape de un
.5 ,
:35: -2,0 Imam
alt stimulpreferat. Mai mult, prin aceasta metoda este greu sa decelam daca .E. ,
o -2,5
<1 .2 .1 o I 2
subiectii au reusit sa aprecieze in comparatiile dintre obiecte, gradul de similaritate
Dimension 1
existent §i nu criteriul preferintei. Din aceste considerente‘ este preferabila
abordarea implicita. Ea poate fi realizata pe baza unei analize interne sau externe. Figure 8.10. Output SPSS 11.0 prelucrat cu reprezentarea grafica“ a
observatii/or §i attribute/or a MDS unfolding
Analize interne §i externe SPSS este o marca inregistrata.
Analiza interna implica ideea stabilirii directe a ierarhiei preferintelor

fiecarui subiect pentru obiectele incluse in studiu. Datele sunt adunate intr-o Din aceasta reprezentare grafica se observa tendinta subiectilor 2 si 4 de a
matrice rectangulara, care in cazul exemplului dat are 10 coloane (10 reactii la prefera medierea si arbitrajul ca modalitati de reactie, precum si a subiectilor 1, 3, 5,
conflict studiate) si 6 linii (6 subiecti chestionati) (vezi baza de date ,,scalare si 6 de a prefera cooperarea, confruntarea si compromisul Mai mult, exista o
preferintesav"). in urma aplicarii MDS corespunzatoare (versiune’ disponibila si in tendinta medie la nivelul intregului esantion de a opta pentru aceste reactii la
SPS§ Base System), vom obtine o harta perceptiva ce include atat obiectele— conflict, ei in special pentru cooperare si confruntare. In schimb, se observa ca
stimul, cat si subiectii. Mai mult, printr-o prelucrare secundara, similara celei subminarea, manipularea, evitarea, renuntarea sau amenarea nu starnesc prea
prezentate anterior, se poate pozitiona si un vector al preferintei subiectilor, multe simpatii, prima fiind la nivelul intregului esantion si cea mai putin agreata
rezultat dintr-o medie a raspunsurilor acestora. lnterpretarea configuratiei punctelor dintre toate formele de reactie. ’
pe harta se face intr-o maniera asemanatoare cu modelele MDS clasice. Astfel, Vectorul preferintelor a fost obtinut Intr--o maniera similara cu cea descrisa
daca doua puncte (fie ele stimuli si/sau subiecti) sunt reprezentate grafic apropiat la adecvarea vectoriala a atributelor. Variabilele independente incluse sunt date tot .
unul de celalalt, ele sunt percepute ca fiind apropiate si din punctul de vedere al de coordonatele spatiale ale obiectelor evaluate (nu si ale subiectilor), In timp ce
variabila dependenta poate fi media (mediana) rangurilor acordate in ceea ce
296 297
iiiiliiiiiliiiiiliiiii. i i Ei i i IIIIIIIIIIIiiiiiiiiiiiiiiiiiiiiiiiiiiii‘iiiiiiIiiiiiiiiiiii‘iiiiiIIiiiiiiiiiiI‘iiiiiIiiiiIWilli—{iiiiiiiiIiiiiiiiiiiiiiiiiiiiiiiiiliiiiitiiiiiitiiiiiiIiiiiiiiiiiiiiiiiiiiiiiliiiiiiiliiiiiiliiiii IIIIIIIIIIIIIIIIIIII i i i Iii , Mil I I III I ‘
IIIIVsete preterlnieie subleciilor pentru fiecare obiect. In exemplul nostru, corelatia Utilizarea modelelor analitice necesité formarea mai multor matrice In timp
multiple IILIilIIIIIe IIItII IIIzeatI elements a permis constituirea unei axe preferinta VS - ce MDS sintetice au ca design prezentarea datelor intro singura matrice in cazuI
neprefeIinte (R e HMS beta dim1= -.958 si beta dim2= -.073) intr—un Spatiu exemplului nostru, am optat pentru un model echivalent INDSCAL (Weighted
* I -
iIiIiIIIIeIIeiIIIIeI (Sires 2 In .105). Euclidian) Pasii urmati pentru obtinerea rezultatelor prezentate in capitolul de feta
(cu exceptia MDS conexe) au fost:
1) introducerea datelorIn SPSS sub forma unei matrice simetrice (vezi Iigura
8.5. Incursiune in optiunile SPSS 8.3.);
2) selectarea optiunii MDS PROXSCAL;
3) alegerea optiunilor: ,,The data are proximities"; ,,Multipie matrix source";
SPSS- ul Base System (SPSS 11.0) ofera doua optiuni de introducere a;
,,The proximities are stacked matrices across columns” si apoi ,,Define",
datelor. in modelul clasic, fiecare coioana reprezinta o variabila si fiecare linie
4) introducerea variabiIeIor ~ reactii Ia conflict in “proximities” si seiectarea
rezultateie unui anumit subiect. In modelul matriceal, datele sunt masuraton medii
variabilei referitoare Ia experienta subiectiior in situatii de conflict in
ale proximitatii dintre obiecte Din nefericire, a doua optiune, nu este adecvata
f‘source";
pentru modele de tip INDSCAL. Selectand butonui ,,shape”In in“data are distances"
5) selectarea ca model a Weighted Euclidian (INDSCAL); ,,IOWer-triaungular
avem trei optiuni de matrice: simetrice (cazul compararii fiecarei perechi de
matrix”; ,,ordinai untie tied observations”; ,,dissimiiarities”; ,,within each
obiecte), .asimetrice (cazul testeior sociometrice) si rectangulare (modele
source separateiv’; ,,minim2”; ,,maxim 3”; iar apoi ,,continue”;
unfolding). Dace optam pentru “create data from distance", vom putea utiliza
6) accesarea butonuiui ,,Plots" si seiectarea optiunilor: ,,comon space";
modeluiobisnuit de introducere a dateior. Cele mai importante aspecte care
,,individual spaces" si ,,individuai weights" (optional puténd fi selectate si
trebuie seiectate aici sunt modui de mésurare a dateior, cu varianteie aferente
celelaite g‘rafice pentru a urmari gradul de adecvare a solutiei);
fiecarei situatii, respectiv standardizarea sau nestandardizarea variabilelor".
selectarea altor optiuni—output, in functie de aspectele de interes avute.
7)
Variabiieie trebuie standardizate daca nu sunt masurate cu aceeasi unitate de'
in fine, pentru MDS constranse, cercetatorul poate interveni apeiand
masura. Apasand butonuI ”Continue" revenim in ,fereastra principals, unde putem
butonul “restrictions", iar'pentru modele unfolding, poate utilize optiunea' ”the
selecta tipul de model MDS. in cadrui MDS metrice putem alege varianteie interval
proximities are in a single column".
sau report, in functie de datele avute, iar pentru modeleie non-metrics, varianta
ordinal. ,
De asemenea, putem decide intre un model sintetic, ALSCAL (Euclidian
BIBLIOGRAFIE
Distance) si unui analitic, INDSCAL (individual differences euclidian distance). in' ‘
plus, putem seiecta numarui de dimensiuni dorite pentru care 531 obtinem indicatorii *** (2001). SPSS Base 11.0. User’s guide. Chicago: SPSS Inc.
statistici de adecvare (ex. Stres). Deosebit de importanta este stabiiirea tipuldi de
Bogathy, Z. (2002). Conflicte in organizatii. Timisoara: Editura Eurost‘ampa.
conditionaiitate. Exista trei optiuni: ,,matrix" — pentru dateie introduse direct ca
Carroll, J.D. & Green, P.E. (1997)."Psychometric methods in marketing research: part II,
distante in matrice; ,,row” — pentru modele MDS unfolding; ,,unconditional” — pentru
multidimensional scaling. Journal of Marketing Research, 34, 193-204.
cazuriie “create distances from data". Dupa aiegerea modeluiui adecvat si
Coxon, A.P.M. (1982). The user's guide to multidimensional scaling with special reference to
apasarea butcnului “continue”, vom putea’ apasa “optiOns” pentru a selecta, in
the MDS(X) library of computer programs. London: Heinemann Educational Books Ltd.
principal, modalitatea in care dorim 5a arate output-ui. Pe Ianga aceste optiuni, prin
Franselia, F. & Bannister, D. (1977). A manual for repertory grid technique. New York:
sintaxa putem apela Ia alte doua modele MDS importante: GEMSCAL, pentru
Academic Press.
'situatii in care testam aceiasi subiecti de mai multe ori si ASCAL, pentru matrice
i-Iair, J. F. Jr., Anderson, R. E. Tatham, R. L'., si Black, W. C. (1998). Multivariate data analysis
asimetrice.
(5'h ed.). UpperSaddle River, NJ. Prentice Hall.
SPSS Categories ofera, incepand cu versiunea 10.0, procedure
Jones, L.E. & Koehiy, L.M. (1993). Multidimensional Scaling. in G. Karen & C. Lewis (Eds).
PROXSCAL. Aceasta reprezinta un progres in MDS, fiind preferabila utilizarea ei
A handbook for data analysis in the behavioral sciences: methodological issues (p. 95-
in comparatie cu proceduriie ALSCAL. Manualul SPSS Categories (Meulman si
163). Hilisdaie, NJ: Lawrence Erlbaum Associates.
Heiser, 2001) oferé mai multe amanunte Iegate de modui de utilizare a acestei
Kachigan, S K. (1991). Multivariate statistical analysis A conceptual Introduction (2‘1ded.)
proceduri si, in plus, unele Informatii sunt similare cu cele prezentate anterior. .
New York: Radius Press.
Acestea sunt, foarte pe scurt, optiuniie ce trebuie seiectate in principaiele tipuri de .
scalare multidimensionaia.
299
298
. l l ll ll ll ll l l llllllllllilllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllll l l ll. llllllllllllllll llllll lllllllll l l l ll l l l l lll l l lll l l l l l l ll ll ll l ll ll ll ll llllll ll lllll lllll llllllllllllllllllll l l l l lll l l l l lll l l lll l l l l llllllll l l l l ill lllllll l l l l l l l i
luusksl. J.B. & Wish, M. (1994). Multidimensional scaling. in MS. Lewis-Beck (ed.).
International handbooks of quantitative applications in the social —
' sciences. Vol.4
Basic measurement (p. 301-387). London: Sage Publications.
Meulmun. J.J. & Heiser, W.J. (2001). SPSS Categories 71.0. Chicago: SPSS Inc. _
Nolcllmars, G. (2-002). Multidimensional scaling. Experimenting with PFiOXSCAL. Gasit la 3
adresa http://homeusers.brutele.be/nova-inrct/NederllNavNOVA_r5_ci .htm#website. ‘*
llhoades, J.A. & Arnold, J.A. (1999). The cognitive representation of responses to social
conflict: the development of an integrative taxonomy. The International Journal of
Conflict Management, 10(4), 360-384.
‘
Regal, E. (1983). Tabele'siformule matematice. Bucuresti: Editura Tehnicé.
Rotariu, T., Bédescu. 6., Culic, l.. Mezei, E., Muresan, C. (1999). Metode statistice ap/icate
7n stiintele sociale (p. 254-271). lasi: Pollrom,.
Stalans, L.J. (1995). Multidimensional scaling. in LG. Grimm & P.Fi. Yamold (eds). Reading
and understanding multivariate statistics (p. 137—168). Waghington, DC: APA.
Tsogo, L.,‘ Masson, M.H., & Bardot, A. (2000). Multidimensional scaling methods for many-
object sets: A review. Multivariate Behavioral Research, 35(3), 807-319.
van Deun, K. & Delbeke, L. (2000). Multidimensional scaling. Gési‘tla adresa:
http://www.mathpsyc.uni-bonn.de/doc/de|beke/delbeke.htm.
. u]
300 . i,
v

Analiza Datelor-Florin Alin Sava

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Analiza Datelor-Florin Alin Sava

Încărcat de

Drepturi de autor:

Formate disponibile

F. i i. I I.

‘_—lll l:l| 1111 :11 1 :

Capitolul 1. ELEMENTE DE STATISTICA DESCRIPTIVA 1

Capitolul 3. TEHNICI INTRODUCTIVE DE TESTARE A IPOTEZELOR 51

3.1. Testarea asocierii dintre dqué variabile 51

115 6.3.3.3. Analiza" cazurilor influente

. 6.4.2. Testarea eﬁciengei explicative a modelului propus

‘ 6.4.3. lnterpretarea coeﬁciengilor de regresie in analizele cu scop explicativ

de dorit. Uneori s—a ajuns ca faptul

articole din reviste a facutvpaei importanti pentru a recupera pierderile

, ' ' ' '

oportunitéti interpretative, lui Florin Alin Sava am

Fisierele respective pot fi utilizate

deosebite vi le urez si dumneavoastra, statisticaﬁdescriptivé

Timisoara, 25.01.2004 Autorul

de proportii, nivelul de ecolarizare poate fi reﬂectat prin numarul de ani de ecoala

Variabilele de tip ordinal;- degl nu’sunt

consecm’ga, raspandirea ior este minim ’ v . . ‘

Curba ieptocurtica »,:-;:-it.m;~:y,«.-si

Curba platicurtica .,u-

mai multe rezuitate Sgﬁésesc distripyitealnﬂjumiwmeg‘iei. .

exceptia grave de departare faté de 0 distributie normala. Similar in

standard si vom obtine 3,86 (2,24

mai mici de zero, semnaleazé ,tendinta

aceleasi criterii enuntygfé pentru oblicitate.

Daca existandubii cu privire la gradul de wmalltateﬁ

de subiecti testati. Daca

\ 13,5934); Astfei, in problema nivelului de inteIigenta, aproximativ 13,59% din

in cazuI unei distributii normale, media intparte slrui date

mediaziar 50/0 mar

celeIaIte 50%, un IQ mai mare de 100..

0,13%; 214%? 1359°/o%v 34,13%v 34,13°/o 145

eroare dintr-un sondaj, sa zicem Aceasta standandizaremyg

incredere“all“.med-iméifwAcesta include la media obtinuta in esantionul

media...unei.variabilela nivelul populatiei, pornind de

Tn’gelegem cé ceie doué variabiie

i intense intre variabile. Prin asoqj.e_re.negativé

covariazéin sens invers: cénd una creste,._cealalté Un

ducé ia scéderea rezisten’gei 5

dicegtie. Spre exempiu, existé o corelagie 75 7

coeficient se obtjne, probabil, intre numérul'la pantoﬁ as

‘ coeficientul de CQLQQﬁQEWBQ r este cel mai utilizatmindicator de asociere. El este

Y. Sé pre'supunem 0231 au fost obtjnute

de fapt, absenta relatiei

5,00 6.09 5.00 lam Izoo

Figura 1.10. Nor de puncte cu direcfie poiit/vé (in sténga)

r = 0,85 . r= ' Q35

Se observé cé punctele asociate uno’r coeﬁcienti

Importanta reprezggtérij grgficgﬂpﬁrin norul de punch:

fiind relaiia dintre nivelul de motivare (arousal).§i performant‘a in sarcma (ﬁgura

(nivelul de arousal) nu afecteaza performan’ga in explicam 10

timiditatii unei persoane §i comportamentul séu

datele de la un lot de 100 de studenti, cu privire

fie pro’c‘entajele incalcare conditiei

BlBLlOGRAFlE TESTAREA IPOTEZELOR

,,Oameni-i de stiinta nu sunt de invidiat. Natura, sau mai exact, experimentul

Astaltul poate fi ud din'diVerse alte

Datorita numeroaselor probleme pe care ie ridioa pra'gul-de

De asemenea, inversand demersul logic, putem calcula numarul de

intragrupNn/ujeste potrivit, “e poate tine seama de efectul

7. Utilizarea unor ipoteze unidirectiona/e (unilatera/e)

8. Utilizarea scale/or de masuLare numerice, detip interval sau proportii

favoarea unei metode neparametrice corespunzatoare, in acest caz, testul U al lui

12. Utilizarea tehnicilor starlet/be cu putefekridicata . . .