Statistica I

STATISTIC APLICAT N TIINELE SOCIO-UMANE
Noiuni de baz - Statistici univariate
Cristian Opariuc-Dan
Constana, decembrie 2009
Statistic aplicat n tiinele socio-umane
Fiicei mele, Luana-tefana
Statistica este precum fumatul La prima igar, i-e ru. Dac continui, ncepe s-i plac i n final termini prin a fi dependent. Diferena dintre statistic i fumat este c statistica nu duneaz grav sntii.
Cuprins
Cuprins ......................................................................................................... 3 Prefa .......................................................................................................... 7 Cuvntul autorului ...................................................................................... 11 I. Natura msurrii n tiinele socio-umane ............................................ 15 I.1 Variabile....................................................................................... 18 Variabile discrete................................................................... 20 Variabile continui .................................................................. 21 Scale neparametrice ............................................................... 23 Scale parametrice .................................................................. 26 Bazele de date creare, salvare, deschidere ........................... 35 I.1.1 I.1.2 I.2 I.2.1 I.2.2 I.3 II. I.3.1 II.1 II.2 III. III.1
Scale (nivele) de msurare ............................................................ 22
Prezentare general SPSS for Windows ........................................ 30
Organizarea datelor ............................................................................. 58 Sistematizarea datelor ................................................................... 60 Reprezentarea grafic a datelor ..................................................... 67 Statistici descriptive Tendina central .......................................... 70 Populaie i eantion ................................................................. 71 III.1.1 Eantionarea simplu randomizat........................................... 73 III.1.2 Randomizarea pe cote............................................................ 74 III.1.3 Eantionarea stratificat ......................................................... 75 III.1.4 Eantionarea pe cluster .......................................................... 76 III.2 Indicatori ai tendinei centrale ................................................... 76 III.2.1 Media .................................................................................... 78 III.2.2 Mediana i rangurile .............................................................. 83
III.2.3 Modul.................................................................................... 87 III.2.4 Precizia indicatorilor tendinei centrale .................................. 88 III.2.5 Obinerea indicatorilor tendinei centrale n SPSS .................. 92 IV. Media populaiei. Reprezentri grafice ale tendinei centrale .......... 100 Reprezentri grafice ................................................................ 101 Analiza grafic a tendinei centrale.......................................... 111 IV.1 IV.2
IV.2.1 Graficul tulpin i frunze .................................................. 112 IV.2.2 Graficul cutie (box-plot)................................................... 115 IV.3 V. Tratarea scorurilor extreme ..................................................... 118 IV.3.1 Obinerea graficelor pentru tendina central n SPSS .......... 121 Statistici descriptive mprtierea ................................................... 126 V.1 Indicatori elementari ai mprtierii ............................................ 128 Amplitudinea de variaie...................................................... 128 Abaterea cuartil sau abaterea intercuartil .......................... 129 Diferena medie Gini ........................................................... 133 Oscilaia .............................................................................. 134 Abaterea medie.................................................................... 137 Abaterea median ................................................................ 139 Dispersia ............................................................................. 139 Abaterea standard ................................................................ 142 Coeficientul de variaie ........................................................ 145 V.1.1 V.1.2 V.2 V.2.1 V.2.2 V.2.3 V.2.4 V.2.5 V.2.6 V.2.7 V.3 VI. VI.1 VI.2
Indicatori sintetici ai mprtierii ................................................ 133
Obinerea indicatorilor mprtierii n SPSS................................ 146 Distribuia normal ........................................................................ 149 Modalitatea ............................................................................. 151 Simetria .................................................................................. 152
VI.2.1 Coeficientul Yule ................................................................ 153 4
Cristian Opariuc-Dan VI.2.2 Coeficientul de asimetrie Fisher........................................... 153 VI.3 VI.4 VI.5 VI.6 Boltirea sau excesul ................................................................ 158 Caracterizarea distribuiei normale .......................................... 162 Transformarea datelor brute .................................................... 171 Sisteme de etalonare ............................................................... 175
VI.4.1 Notele z i note standard derivate ..................................... 164
VI.6.1 Etaloane n cuantile ............................................................. 180 VI.6.2 Etaloane normalizate ........................................................... 183 VI.7 VII. Analiza distribuiei i realizarea etaloanelor n SPSS ............... 189 VI.7.1 Calculul notelor z n SPSS ............................................... 203 Probabiliti i semnificaie statistic .............................................. 209 Patru reguli de probabilitate .................................................... 212 Probabilitatea simpl pentru evenimente egale ................. 213 Evenimentele mutual exclusive ........................................ 214 Evenimentele independente .............................................. 217 Probabilitatea condiionat ............................................... 218 VII.1.1 VII.1.2 VII.1.3 VII.1.4 VII.2 VII.3 VII.1
Eroare standard i intervale de ncredere ................................. 220 Metoda tiinific n tiinele socio-umane .............................. 227 Enunarea problemei ........................................................ 228 Formularea ipotezelor ...................................................... 231 Proiectarea cercetrii ........................................................ 246 Efectuarea observaiilor ................................................... 247 Interpretarea datelor ......................................................... 247 Formularea concluziilor ................................................... 249
VII.3.1 VII.3.2 VII.3.3 VII.3.4 VII.3.5 VII.3.6 VIII. VIII.1 VIII.2
Eantionare i reprezentativitate.................................................. 251 Populaia ................................................................................. 252 Surse de date ........................................................................... 253 5
VIII.2.1 VIII.2.2 VIII.3 VIII.3.1 VIII.3.2 VIII.3.3 VIII.3.4 VIII.3.5 VIII.4 VIII.4.1 VIII.4.2 VIII.4.3
Sursele principale de date................................................. 253 Sursele secundare de date................................................. 254 Mrimea eantionului ....................................................... 257 Caracteristicile populaiei ................................................. 258 Procedee de eantionare ................................................... 258 Stabilirea eantionului prin analiz ................................... 260 Determinarea mrimii eantionului .................................. 278 Crearea unui eantion n SPSS ......................................... 286 Analiza eantionului......................................................... 302 Investigarea proprietilor eantionului ............................ 308
Eantionul ............................................................................... 254
Construcia eantioanelor n SPSS ........................................... 285
Bibliografie .............................................................................................. 321 n loc de ncheiere .................................................................................... 323
Prefa
Apariia unei noi cri de statistic n domeniul tiinelor sociale este un fapt tiinific remarcabil n zona intelectual de resort din Romnia. Denumirea alternativ pentru aceast preocupare academic este Metode cantitative n domeniul tiinelor sociale, avnd n vedere faptul c statistica este un vast ansamblu de metode folosite pentru culegerea, gruparea, prelucrarea, interpretarea i prezentarea datelor culese din sectorul cercetrii sau al practicii profesionale. Din acest ansamblu de metode, psihologii i ali specialiti n domeniul socio-uman nu ntrebuineaz dect o parte. Statistica este o preocupare teoretic i practic, ale crei acumulri a dat roade care se revars ntr-un vast ansamblu de domenii tiinifice i preocupri empirice, domeniul economic fiind cel mai cunoscut marelui public. Oamenii sunt din ce n ce mai bombardai pe canalele media cu informaii statistice, care se constituie, n frecvente cazuri, n surse de manipulare. Orice persoan care dorete s decodeze corect noianul de date statistice cotidiene trebuie s cunoasc sensul i corecta folosire a unor noiuni i a unor raportri din acest areal de preocupri. Dup cum spune un statistician englez, m refer la Milton Smith, nenorocirea nu const n faptul c statisticile mint, ci n faptul c mincinoii se folosesc de statistici. Referinele domnului Cristian Opariuc se fac mai ales la domeniul psihologiei, domeniu n care autorul a avut o rodnic activitate profesional, n calitate de psiholog practician. Se poate spune c expozeul domniei sale din lucrarea de fa reprezint o statistic trit, adic aplicat prin experien profesional ntr-o mulime de situaii de cercetare tiinific i aplicaii empirice. Contribuia domniei sale la rspndirea teoriei i a aplicaiei statistice n domeniul socio-uman, n general, i n cel psihologic, n special, este notabil, avnd n vedere precizrile anterioare referitoare la contactul nemijlocit cu situaii care cereau competen i pertinen n interpretare. Pentru cei tineri i neexperimentai, amintesc faptul c domeniul interpretrii cantitative
i calitative a datelor rezultate din practica profesional i cercetarea tiinific a fost n grea suferin n Romnia. Introducerea consistent in Romnia a spiritului experimental n psihologie i a curentului aplicativ n diverse sectoare de activitate cunoate o dezvoltare promitoare n perioada interbelic, mai ales prin activitatea colii experimentale de la Cluj, al crei iniiator este profesorul tefnescu Goang. Vrful de valoare academic a fost reprezentat de profesorul Nicolae Mrgineanu, prima personalitate romneasc de talie mondial din domeniul psihologiei. Format la instituii academice reputate din Statele Unite, cunosctor al personalitilor tiinifice de prim rang de nivel mondial, citat n lucrri tiinifice de anvergur, Nicolae Mrgineanu a lansat n circuitul tiinific romnesc dou lucrri, intitulate Analiza factorilor psihici i Probleme de psihometrie, care anunau o frumoas perspectiv de dezvoltare a domeniului analizelor cantitative n psihologie. Din pcate, Leviatanul s-a dovedit a fi din nou foarte imprevizibil i a adus n loc de dezvoltare cultural tiinific un pustiitor i secetos vnt asiatic peste destinele oamenilor de valoare din domeniul cultural i tiinific. Vreme de mai bine de cinci decenii, Romnia a cunoscut dictatura celor care proveneau din zona lumpen-proletar, fapt care a afectat foarte serios progresul cercetrilor psihosociale. n aceast perioad, preocuprile statistico-experimentale s-au redus puternic, fiind aproape anihilate de o concepie ngust-pragmatic de organizare a nvmntului i a cercetrii. O tiin care se ocupa cu diagnoza psihic nu putea trezi dect suspiciune n rndul unei nomenclaturi cldite pe principiul contra-seleciei valorice. n aceast perioad, lucrrile de specialitate au lipsit aproape cu desvrire, consecina resimindu-se n rndul puinilor practicieni care activau n domeniul colar, al transporturilor, industrial i militar. ntre 1948 i 1990 au existat profesioniti i cercettori din domeniul psihologiei cu interes i iniiativ, dar mediul n care evoluau era puternic srcit de informaie i via tiinific. Majoritatea celor ce activau n laboratoare au avut un inventar redus de procedee de prelucrare a datelor. n lipsa unor instituii universitare de profil consolidate, care s creeze specia-
Cristian Opariuc-Dan liti, au primit titulatura de psihologi absolveni de filosofie, filologie, pedagogie, sociologie. Pentru acetia, chiar construirea etaloanelor prea o tain de neptruns. Dup 1990, revirimentul s-a realizat intens, progresiv. Schimburile culturale i tiinifice s-au intensificat, accesul la informaie s-a democratizat i ne gsim aproape de limita normalitii. Fac aceast afirmaie, deoarece folosirea procedurilor avansate de prelucrare statistic este nc deficitar n Romnia i rafinamentul interpretativ este nc insuficient dezvoltat. Cartea lui Cristian Opariuc este o contribuie notabil pentru intrarea n normalitate. Autorul nu realizeaz un inventar sec de noiuni i procedee statistice, ci se concentreaz prioritar pe explicaii amnunite i pe prezentarea consecinelor aplicrii de procedee statistice. n lipsa unei astfel de atenii, interveniile statistice n cercetare i n practica profesional se pot transforma n capodopere din antologia umorului. Se poate ntocmi o list apreciabil de folosiri inadecvate ale procedurilor cantitative; de exemplu, calcularea mediei pentru frecvenele absolute ale modalitilor scalei nominale, introducerea de date lipsite de consisten scalar adecvat n analiza factorial, folosirea procedurilor parametrice n locul celor neparametrice, interpretarea ngust tehnicist a rezultatelor cercetrilor. Este apreciabil modul n care se concentreaz autorul spre evitarea situaiilor de artefact, spre adecvarea reprezentrilor grafice, spre explicarea particularitilor situaiilor experimentale. De mare importan este acea parte a crii care se refer la domeniul inferenial i la testele statistice adecvate situaiei de cercetare, fiind cunoscut situaia c n acest domeniu se fac cele mai frecvente confuzii. Interesant este faptul c aceste rezultate confuze se constituie n baz de pornire pentru alte demersuri metodologice, de unde o diluare a consistenei faptului tiinific i, drept urmare, a concluziilor care se pot trage din efectuarea unui studiu. Un merit al autorului este atenia acordat unei corecte introduceri a datelor n programul computerizat de prelucrri statistice din domeniul tiinelor sociale, autorul fiind lovit din greu de patima informaticii. Realizrile din 9
domeniul informaticii, n special a bncilor de date n domeniul examenului psihologic, au constituit fapte de pionierat n domeniu. Lucrarea are un aspect cursiv i se citete uor, explicaia acestor situaii fiind talentul i rbdarea autorului; nimic nu este considerat de la sine neles, ambiguitile sunt excluse, identitatea noional este asigurat i verificat prin exerciii. Lucrarea poate servi drept baz de tratament pentru a nltura idiosincrazia statistic a studenilor i profesionitilor din domeniul tiinelor sociale.
Iai, 23 septembrie 2008
Prof. univ. dr. Aurel Stan Universitatea Al. I. Cuza, Iai
10
Cuvntul autorului
Bun venit la cursul de statistic aplicat n tiinele socio-umane. Dac ai cumprat aceast carte, probabil c suntei student sau absolvent al unei faculti pe care ai urmat-o tocmai din dorina de a scpa de matematic, de calcule, probabil c v plac mai mult cuvintele, v place s vorbii cu oamenii, s-i nelegei i s-i ajutai, s ptrundei fenomenele i evenimentele sociale. mi imaginez surprinderea i ngrijorarea dumneavoastr n momentul n care, abia pind pe bncile facultii, ai aflat cu stupoare c trebuia s studiai statistic. Mai mult, c statistica v-a urmat n toi anii de facultate, inclusiv la licen. tiu! i eu, la rndul meu, am trit aceleai sentimente i nu m pot luda c am obinut, de la nceput, performane deosebite n acest domeniu. Asta pentru c statistica nu se las uor dezvluit. Totui, statistica reprezint fundamentul tiinific al unor discipline precum psihologia, sociologia, antropologia i multe altele. Fr sprijinul su, nu am reui s vorbim astzi de inteligen, trsturi de personalitate, tipuri de memorie, nu am avea teste care s le msoare la nivelul la care reuesc acum s le msoare. Statistica nu este att de grea. Nu este nevoie s tim concepte avansate de matematic superioar pentru a nelege i aplica principii statistice. Dac tii s adunai, s scdei, s nmulii i s mprii, sunt sigur c vei putea nva foarte bine i statistica. Nu trebuie s v sperie formulele complexe i neinteligibile. De cele mai multe ori, aceste formule nu sunt altceva dect algoritmi, pai simpli, proceduri de calcul elementar, care v introduc n lumea fascinant a probabilitilor. Chiar dac uneori apar termeni precum logaritmi, integrale, derivate i limite, stai linitii. Nimeni nu v pune s le calculai. Unele calcule pot presupune utilizarea unui calculator tiinific i cam att. Am ncercat s fac din acest volum un material special i am evitat de fiecare dat s utilizez concepte matematice laborioase. Fiecare formul pe care o prezint aici va fi explicat, descompus. Uneori abundena de exemple
11
i repetiiile sunt destinate fixrii unor concepte mai dificile sau mai importante. Sigur c statistica presupune nc de la nceput stpnirea unor concepte noi. Nu putem avansa dac nu nelegem sensul termenului a msura sau dac nu tim ceea ce este o variabil, un nivel de msur sau un indicator statistic. Muli dintre dumneavoastr abia acum iau contact cu aceti termeni i, desigur, lucrul acesta i sperie. Fii fr grij. O mare parte din terminologia statistic o folosii deja i ai folosit-o de mii de ori. Doar c nu tiai c se numete aa i nici de unde provine. mpreun vom face lumin. Acest volum este unul practic. Fiecare capitol i propune obiective precise i abund de exemple i exerciii concrete. n definitiv, m intereseaz s stpnii practica statisticii, s o utilizai n activitatea dumneavoastr de zi cu zi i nu s facem speculaii teoretice pe aceast tem. Majoritatea capitolelor sunt formate din dou pri: un fundament teoretic i conceptual nsoit de algoritmii (paii) clasici ai unui procedeu statistic i o aplicaie folosind un pachet de programe de prelucrri statistice, SPSS for Windows. n aceast carte am utilizat mai multe versiuni SPSS, ultima fiind versiunea 15. Sunt sigur c principiile prezentate aici vor putea fi aplicate i n versiunile urmtoare. La momentul scrierii acestei cri, ultima versiune de SPSS este versiunea 16. n general, fiecare capitol se finalizeaz cu un set de ntrebri i exerciii pe care v invit s le parcurgei singuri, deoarece sunt menite s stabilizeze cunotinele dobndite. Totui, de ce este important s studiem statistica? Desigur, argumentele sunt nenumrate, ns m voi rezuma doar la cteva. Cel ce nu cunoate statistic nu poate nelege articolele de specialitate. Toate cercetrile care se fac n acest domeniu folosesc metode statistice mai mult sau mai puin elaborate. Un specialist n domeniu care nu cunoate statistic, nu poate citi i nelege n profunzime coninutul unui material de specialitate, corectitudinea sau incorectitudinea datelor expuse. n alt ordine de idei, necunoscnd statistic, nu se poate face cercetare experimental, nu pot fi nelese principiile constructive ale unui instrument sau ale unei metode de msurare a unor caliti 12
Cristian Opariuc-Dan psihologice sau a unor fapte sociale i, prin urmare, un asemenea instrument nu va putea fi utilizat corect. Materialele pe care le-am folosit pentru a scrie aceast carte sunt, n marea lor majoritate, prezentate n bibliografia final. De asemenea, am utilizat multiple surse de pe Internet, precum i experiena mea ca practician i dascl n ale statisticii. Nu pot s nu-i menionez pe cei care mi-au fost primii ndrumtori n aceast aventur i de la care am avut i nc mai am de nvat foarte mult. Astfel, i sunt recunosctor profesorului doctor Cornel Havrneanu, mentorul i prietenul meu, care mi-a ghidat formarea i m-a susinut permanent, prietenului meu asistent doctor Ovidiu Lungu, un statistician nnscut, care m-a determinat s neleg c acesta ar fi domeniul ce mi sar potrivi cel mai bine i care mi-a sprijinit nceputurile, lector doctor Loredana Ruxandra Gherasim, cu care de nenumrate ori am nvat s aplic practic ceea ce tiam teoretic sau s mi fundamentez teoria plecnd de la practic, profesor universitar doctor Aurel Stan, care a avut bunvoina i rbdarea, alturi de cei menionai mai sus, s mi citeasc lucrarea i s mi fac observaii pertinente pe seama ei, prin intermediul cruia am luat cunotin de statistic prima dat, n anii studeniei, i care, ulterior, mi-a furnizat informaii valoroase ce mi-au permis s m perfecionez. Fr contribuia lor, n mod sigur nu a fi ajuns niciodat s scriu aceste rnduri i lor le datorez recunotina mea. Nu pot, de asemenea, s nu mulumesc unei situaii, situaia care ma determinat s vin din Iai la Constana. Am nvat c, statistic, un eec personal creeaz premisele unei relansri. Dac aceast situaie, dac propriile mele eecuri nu ar fi existat, probabil c aceast carte nu ar fi existat nici ea. ntotdeauna, chiar atunci cnd ceva pare sigur imposibil, s tii c soluia e chiar la ndemna dumneavoastr. Referitor la acest fapt, nu pot s nu mulumesc fiicei mele, Luana-tefana, care mi-a fost sprijin i speran n toate momentele dificile i care, n ciuda vrstei, nu a ncetat s m sprijine i s m ncurajeze. i mulumesc i i dedic prima mea lucrare. 13
Aceast carte nu ar fi vzut tiparul fr susinerea profesorului universitar doctor Mircea Miclea, care m-a ncurajat, m-a neles i a sprijinit apariia acestui volum. i mulumesc i mi exprim recunotina i pe aceast cale. Nu pot, de asemenea, s nu i amintesc pe prinii mei i pe toi prietenii mei, mai mult sau mai puin apropiai, datorit crora am avut energia s ncep aceast lucrare i crora le mulumesc pentru c m-au ajutat s trec peste momentele dificile din ultimii ani i fa de care nu pot s nu mi exprim recunotina. Orict a ncerca, nu reuesc s mi scot din minte vorbele i imaginea primului meu profesor adevrat de matematic, domnul Crezant Ghenghea, din cadrul liceului industrial (pe atunci), actualmente Colegiu Naional Nicu Gane din Flticeni, care a reuit s-mi induc, cum nu a fcut nimeni, dragostea fa de aceast disciplin. Chiar dac nu l nelegeam n acel moment al adolescenei mele, el a fost primul (i singurul) care m-a vzut cu aptitudini n acest domeniu, aptitudini pe care eu nsumi mi le repudiam. A trebuit s treac muli ani ca s ajung la vorbele sale: Eti pentru tiine exacte. Nu poi scpa de ceea ce eti. Ai s-mi dai dreptate mai trziu. i i-am dat dreptate. Mi-a dori s fie acum mndru de ceea ce-am realizat i voi folosi aceast ocazie pentru a-i mulumi. Nu n ultimul rnd, v mulumesc dumneavoastr, care ai cumprat aceast carte, i v invit s m urmai n cltoria din lumea statisticii, s v convingei c lucrurile sunt mai simple dect credei. Eu nu pot dect s v garantez c v voi scoate la liman. Observaiile dumneavoastr sunt foarte importante pentru mine i m vor putea orienta n viitoarele lucrri sau reeditri ale acestui volum. Dac unele informaii nu vi se par clare, dac dorii i altceva, nu v rmne dect s-mi scriei pe adresa copariuc@gmail.com i s-mi comunicai opinia dumneavoastr. V mulumesc i v doresc succes! Constana, miercuri, 2 decembrie 2009
14
I. NATURA MSURRII N TIINELE SOCIO-UMANE

n acest capitol se va discuta despre: Sensul i semnificaia termenului de msurare; Variabile discrete i continui; Niveluri de msurare; Descrierea programului SPSS; Crearea unei baze de date SPSS; Operaii elementare n SPSS. Dup parcurgerea capitolului, cititorii vor fi capabili s: neleag conceptul de msurare n tiinele socio-umane; Disting ntre variabilele continui i variabilele discrete; Diferenieze nivelurile de msurare; Se familiarizeze cu aplicaia SPSS; Creeze o baz de date SPSS i s defineasc corect variabilele.
Statistica se refer la msurare i probabiliti. Cuvntul statistic, provine din latinescul statista i desemna, pe vremuri, persoanele care se ocupau cu afacerile statului, care numrau populaia sau realizau alte aciuni ce ajutau statul s gestioneze mai bine politica de taxe i costurile rzboaielor. n perioada medieval, prin statistic, armatorii i calculau costurile echiprii corbiilor, incluznd n calculele lor i probabilitatea ca acestea s fie atacate de pirai sau de a naufragia (Lungu, 2001). Foarte multe dintre conceptele statistice au avut rdcini n alte discipline, unele complet diferite de matematic. Astfel, corelaiile provin din biologie, din analiza asemnrii dintre copii i prinii lor. Analiza de varian provine din fabricile de bere i se folosea la alegerea tipului potrivit de orz i a timpului optim de fermentare, astfel nct berea s aib un anumit gust. Mai interesant este faptul c nsi teoria msurrii i are originea n psihologie, mai precis n studiul inteligenei i al personalitii umane, iar testele
15
neparametrice provin din sociologie. Unii statisticieni ncercau chiar s demonstreze existena lui Dumnezeu cu ajutorul numerelor, iar astzi, statistica joac un rol important n viaa noastr, indiferent dac ne referim la psihologie, sociologie, tiine economice sau alte discipline. n viziunea lui T. Rotariu, statistica se axeaz n principal pe tratarea informaiilor numerice obinute la nivelul unor mulimi de entiti, informaii prelevate de la fiecare entitate n parte (sau de la o submulime) i care conduc la rezultate cu referin la ansamblu, i nu la entitile componente luate individual. (Rotariu, i alii, 2006) Operaiile statistice presupun, prin urmare, un proces de msurare. La o analiz atent, sintagma a msura un obiect nu nseamn altceva dect a msura proprietile unui obiect. Noi nu putem msura obiectele, ci, pentru a le cunoate, msurm anumii indicatori ai proprietilor acestora. Este adevrat c, n anumite tiine (fizica, chimia etc.), msurarea dobndete un caracter mai concret, deoarece obiectele i proprietile acestora sunt mai accesibile observrii directe. Putem msura cu uurin lungimea i limea unei mese (deci indicatori ai proprietilor lungime i lime ale obiectului mas), deoarece aceste dou proprieti sunt direct accesibile observaiei noastre. ns, n momentul n care discutm de anxietate, depresie, inteligen, atenie, responsabilitate, nivel de trai etc. constatm c aceste proprieti nu pot fi direct observate. Prin urmare, va trebui s deducem aceste caracteristici din observarea unor indicatori presupui ai proprietilor. Aadar, msurarea n tiinele socio-umane are un caracter subtil, care scap observrii directe. (Vasilescu, 1992) n tiinele socio-umane, noi nu cunoatem i uneori nu putem cunoate n mod precis semnificaia mrimilor pe care le determinm, iar cifrele pe care le obinem sunt aproximri mai mult sau mai puin exacte ale realitii. Acest lucru se ntmpl din cauza apariiei erorilor de msurare i a faptului c realitatea social nu are un caracter fix, ci unul fluctuant, variabil.
16
Cristian Opariuc-Dan Cantitatea n care un obiect este saturat ntr-o caracteristic nu este reprezentat printr-un punct, ci printr-un nor de puncte, care oscileaz ntr-un anumit interval, n jurul unei valori. (Vasilescu, 1992) Discutnd despre sensul termenului de a msura, acceptm definiia dat de S. S. Stevens (1959) prin care, n sensul su larg, msurarea nseamn atribuirea de numere obiectelor sau evenimentelor, potrivit unor reguli. Msurarea este, deci, o funcie prin care unui obiect i corespunde un numr i numai unul, la o anumit msurare. Aceast funcie de atribuire va trebui s fie suficient de clar, pentru a permite ca unui obiect s i se atribuie un numr i numai unul i pentru a ne permite s decidem concret i corect ce numr va fi atribuit fiecrui obiect, dar i suficient de simpl pentru a putea fi aplicat. (Vasilescu, 1992) Spre exemplu, codificarea genului biologic al subiecilor este o msurare; dac persoana este brbat, i se acord valoarea 1, iar dac persoana este femeie, i se acord valoarea 2. Observm c regula de atribuire nu permite confuzii brbatul este notat cu 1, iar femeia cu 2 , ofer o selecie exhaustiv de categorizare a oricrui element care apare n mulimea gen biologic i este suficient de simpl pentru a fi utilizat. Acesta este un proces de msurare conform definiiei lui Stevens, dei putem constata cu uurin lipsa posibilitii de ierarhizare. Nu putem construi, la acest nivel, o ierarhie a subiecilor, deoarece nivelul de msurare este unul categorial. Despre nivelurile i scalele de msurare, vom discuta ns mai trziu. Un alt exemplu de msurare l reprezint codificarea gradelor didactice: notm cu 0 preparatorul, cu 1 asistentul, 2 lectorul, 3 confereniarul, 4 profesorul. Observm, din nou, univocitatea i simplitatea regulii; ntr-o universitate, fiecare cadru didactic poate s fac parte dintr-o categorie i numai una, iar fiecare persoan se afl, la un moment dat, ntr-o asemenea categorie. n plus, observm existena unei ierarhii; confereniarul este inferior n grad profesorului i superior n grad lectorului, fr ns a se putea pre-
17
ciza nici cu ct, nici de cte ori. Aceasta este ns, din nou, o problem a nivelului de msurare, pe care o vom aborda ulterior.
I.1 Variabile
Am stabilit deja faptul c obiectele pot fi cunoscute prin msurarea indicatorilor proprietilor sale. Aadar, obiectele devin msurabile prin stabilirea caracteristicilor lor. Caracteristica este, prin urmare, o particularitate, o nsuire a unui obiect sau fenomen, care constituie obiectul msurrii. De exemplu, o mas poate fi caracterizat prin lungime, lime, nlime, greutate, form, culoare etc. Toate acestea constituie caracteristici prin care ncercm s descriem ct mai exact obiectul msurat. Cu ct avem mai multe asemenea caracteristici, cu att obiectul se contureaz mai precis. Caracteristicile prin care obiectul este descris, poart numele de variabile. O variabil reprezint un concept-cheie n statistic i nu este altceva dect un nume pentru un element a crui principal proprietate este aceea c variaz, i modific valorile. Prin aceast proprietate principal, variabilele se disting de constante, elemente care au valori fixe. De exemplu, ntr-un studiu efectuat pe o populaie general, genul biologic poate fi o variabil dac lotul de cercetare cuprinde att brbai, ct i femei. Dac, ns, intenionm s desfurm o cercetare numai pe femei, atunci genul biologic devine o constant, deoarece nu prezint proprietatea principal a variabilelor, aceea de a-i modifica valorile. Modalitatea de realizare a unei variabile (modul n care i sunt atribuite valorile) constituie un eveniment ntmpltor (probabilistic), de aceea variabila se mai numete i variabil aleatoare sau variabil stocastic. De exemplu, nlimea unor elevi dintr-o clas este o variabil care poate lua aleatoriu diferite valori pe care le pot avea elevii la aceast caracteristic. Desigur, valorile pe care le poate lua variabila se grupeaz ntr-un anumit interval de valori. Nu putem vorbi de elevi de 5 centimetri, dup cum nu putem gsi elevi de 5 metri. De aceea, putem considera c nlimea elevilor din 18
Cristian Opariuc-Dan clasa a X-a este o variabil stocastic ce poate lua aleatoriu valori din domeniul de definiie 150 190 centimetri. Aadar, elementele de baz care compun domeniul de definiie al unei variabile aleatorii poart numele de valori sau scoruri. n momentul n care aceste elemente sunt numere, variabila se mai numete i variabil aleanumeric. O variabil aleatorie exprim, aadar, variaia unei caracteristici. Dup cum am spus, nlimea elevilor este o variabil alea-numeric; la fel greutatea acestora, capacitatea toracic, temperatura corpului sau numrul de la pantofi. Nu toate variabilele sunt ns alea-numerice. Culoarea ochilor, culoarea prului, genul biologic, tipul temperamental etc. sunt variabile ale cror valori nu pot fi exprimate prin numere, dei sunt i ele variabile aleatorii. Asemenea variabile nu sunt considerate variabile alea-numerice. Toate aceste caracteristici pot fi msurate, nregistrate i catalogate i, de asemenea, difer de la o persoan la alta sau de la o situaie la alta. De aceea, toate aceste concepte le vom include sub denumirea generic de variabile. De ce suntem ns att de interesai de aceste variabile, de ce sunt importante i la ce ne folosesc? Rspunsul este acela c nu putem fi mulumii doar cu ideea c variabilele variaz. Ne intereseaz, n principiu, s nelegem de ce variaz, cnd i n ce condiii variaz, care este efectul acestor variaii ale lor. Pentru aceasta, variabilele vor trebui mai nti definite, apoi nregistrate i, n final, supuse analizei, crend premisele extragerii unor concluzii i, implicit, ale generalizrii. Realizarea unei variabile prin intermediul scorurilor creeaz posibilitatea abordrii conceptului statistic de frecven. Frecvena reprezint rspunsul la ntrebarea ci indivizi, cte cazuri populeaz fiecare categorie a
19
variabilei sau, aa cum exprim T. Rotariu, numrul de indivizi statistici care populeaz fiecare clas a caracteristicii (Rotariu, i alii, 2006). Dac ne propunem s nregistrm persoanele dintr-o sal de curs sub aspectul culorii ochilor vom avea, spre exemplu, 20 de persoane cu ochi albatri, 13 persoane cu ochi verzi, 15 persoane cu ochi negri i 50 de persoane cu ochi cprui. Valorile care nsoesc categoriile variabilei culoarea ochilor reprezint tocmai frecvenele mai exact frecvenele absolute, deoarece mai pot exista frecvene exprimate procentual (frecvene relative) i frecvene cumulate, despre care vom discuta n urmtorul capitol. O variabil aleatoare poate fi discret sau continu, dup cum mulimea de definiie a valorilor sale poate fi numrabil (discontinu) sau nenumrabil (continu) 1.
I.1.1 Variabile discrete

n cazul variabilelor discrete (care, n funcie de nivelul de msurare, pot fi categoriale sau ordinale vom vedea imediat ce nseamn acest lucru), mulimea de definiie a valorilor sale este o mulime discontinu (elementele sale pot fi numrate), iar ntre dou valori nu poate fi interpus, n permanen, o valoare intermediar. Spre exemplu, variabila culoarea ochilor este o variabil discret; ea poate lua valorile: negru, cprui, verde, albastru i putem clasifica subiecii ntr-una din aceste patru categorii. Iat c, mulimea de definiie a valorilor acestei variabile este una numrabil (are doar patru valori) i nu avem posibilitatea ca ntre dou valori s includem, n permanen, o a treia valoare intermediar. Nu putem vorbi despre ochi verde-albastru i apoi verde-verdealbastru i aa mai departe, la infinit.
Exist mai multe clasificri ale variabilelor. Le vom aborda atunci cnd situaia o va impune, pentru a nu complica inutil, la acest nivel, expunerea noastr.
20
Cristian Opariuc-Dan Un asemenea exemplu de variabil este o variabil discret nominal sau variabil discret categorial, deoarece permite doar clasificri, fr a putea vorbi de o relaie de ordine sau ierarhie ntre valorile pe care le poate lua respectiva variabil. Un alt exemplu de variabil discret este variabila grad didactic. Ea poate lua valorile: preparator, asistent, lector, confereniar, profesor. Sigur c, i n acest caz, putem clasifica subiecii n funcie de gradul lor didactic. Nu putem ns vorbi, nici acum, de o nou categorie intermediar, de exemplu asistent-lector i apoi asistent-lector-lector i aa mai departe, lucru care i confer caracterul discret. De data aceasta ns, putem pune o relaie de ordine ntre valorile variabilei. Putem vorbi de faptul c asistentul este inferior n grad lectorului sau profesorul este superior n grad confereniarului. O asemenea variabil se numete variabil discret ordinal sau variabil discret de rang.
I.1.2 Variabile continui

n cazul variabilei continui, mulimea de definiie a valorilor sale este una continu, ne-numrabil. Aceste variabile se mai numesc i variabile scalare (de interval sau de raport). n aceast situaie, ntre dou valori ale variabilei continui putem gsi, oricnd, o valoare intermediar. Cu alte cuvinte, o caracteristic continu poate lua orice valoare ntre anumite limite. Spre exemplu, variabila nlimea subiecilor este o variabil de tip scalar (continuu). ntre un subiect de 178 centimetri i un subiect de 180 centimetri, putem gsi, oricnd, un subiect de 179 centimetri, apoi ntre unul de 178 i unul de 179 putem gsi un subiect de 178,5 centimetri i aa mai departe, la infinit. O asemenea variabil se caracterizeaz prin faptul c, tipul de date msurat de aceasta este format din uniti de dimensiune egal. Ca exemplu de variabile continui putem da greutatea subiectului, intervalul de tip petrecut
21
pentru a juca jocuri agresive pe computer etc. Astfel, nlimea subiecilor o putem msura n centimetri, greutatea n kilograme, timpul n minute sau ore, toate acestea fcnd referire la un nalt nivel de precizie, cu valori zero absolute i posibiliti de construire a scalelor de raport putem spune, de exemplu, c un subiect este de dou ori mai greu dect altul sau de dou ori mai nalt.
I.2 Scale (nivele) de msurare

n capitolul anterior am vzut c variabilele discrete pot fi categoriale sau de rang; cele continui de interval sau de raport. Dac acceptm definiia lui Stevens, atunci putem intui c msurarea poate fi realizat la diferite niveluri de msurare, organizate ca n figura de mai jos. Nivelul nominal de msurare (clasificare) i nivelul ordinal (de rang sau ierarhic) se grupeaz n scala neparametric (nonmetric) de msurare. Nivelul de interval (intervale egale) i nivelul de raport (proporii) formeaz scala parametric (metric) de msurare.
Raport Parametric Cuantificare Interval Ordinal Neparametric Nominal Figura 1.1 Reprezentarea schematic a nivelurilor de msurare
Observm c termenul de cuantificare dobndete sens ncepnd cu scala ordinal, deoarece abia la acest nivel ne permitem realizarea unor ierarhii. Scala nominal nu accept cuantificare, ci doar clasificare. Se cuvine s facem meniunea c proprietile scalelor sunt incrementale, adic proprietile unui nivel inferior de msurare sunt valide i la un nivel superior de msurare, ns nu i reciproc.
22
I.2.1 Scale neparametrice

Grupeaz scala nominal i scala ordinal, scale la nivelul crora putem pune, cel mult, o relaie de ordine ntre nivelurile variabilei. Nu putem vorbi de parametri i nici de statistici metrice. Nu are sens calculul mediei sau al altor indicatori din sfera metric, deoarece nu putem stabili un interval (cu ct) fa de care o valoare este mai mare n comparaie cu alta.
I.2.1.1 Scala nominal (de clasificare)

Reprezint primul nivel de msurare i const n clasificarea obiectelor n funcie de existena sau inexistena unei caracteristici. Aceast clasificare presupune existena unor categorii disjuncte, astfel nct fiecare obiect s-i gseasc locul ntr-o categorie i numai n una (Vasilescu, 1992). Pentru ca scala s aib sens, trebuie s existe cel puin dou categorii. O variabil nominal cu dou categorii poart numele de dihotomie sau clasificare dihotomic. Dac exist mai multe categorii, vorbim despre polihotomii sau clasificri multiple (polihotomice). mprirea subiecilor n brbai i femei reprezint o clasificare dihotomic. mprirea n funcie de profesie, culoarea ochilor sau a prului, grupa sanguin etc. sunt tot attea exemple de polihotomii. n mod curent, folosim aceast scal n vederea categorizrii subiecilor n funcie de unul sau mai multe criterii (de obicei, n cercetarea psihologic sau sociologic) sau atunci cnd culegem date n urma anchetei sau observaiei. Proprieti ale scalei: Transformrile permise la nivelul acestei scale sunt (Vasilescu, 1992): o Redenumirea atribuirea unor noi nume (n loc de masculin/feminin putem spune brbat/femeie);
23
o Permutarea schimbarea ordinii elementelor, deoarece nu se poate stabili o ierarhe ntre valorile unei variabile pe aceast scal. Aceast proprietate este caracteristic doar scalei nominale. Operaii statistice permise n principal, operaiile de baz, derivate din numrare, astfel: o Frecvena absolut i relativ (procentul), cte observaii au fost incuse n fiecare categorie (de exemplu 25 de brbai i 40 de femei sau 30% brbai i 78% femei); o Valoarea modal (modul), categoria cu frecvena cea mai mare (de exemplu, din 200 de subieci, 150 au ochi albatri, aceasta fiind categoria cu frecvena cea mai mare modul); o Verificarea statistic prin 2 procedeu de comparare a frecvenelor i de verificare, dac diferenele dintre ele sunt ntmpltoare sau, din contra, semnificative, nentmpltoare; o Coeficieni de corelaie ntre dou variabile cu dou valori fiecare, coeficientul , coeficientul tetragoric, coeficientul de contingen, toate bazndu-se pe lucrul cu frecvene absolute sau relative.
I.2.1.2 Scala ordinal (de rang sau topologic)

Reprezint al doilea nivel de msurare i const n ierarhizare, n funcie de mrimea unei caracteristici, fr ns a se putea preciza cu ct un nivel ierarhic este superior sau inferior altuia i nici de cte ori. Spre deosebire de scala nominal (ale crei proprieti le include), scala ordinal permite stabilirea unei relaii de ordine ntre date.
24
Cristian Opariuc-Dan Strict vorbind, acesta este nivelul la care ne situm n tiinele socioumane, n general, i n psihologie, n particular. Din perspectiva statisticii, ca disciplin matematic, nu putem vorbi de medie, abatere standard sau ali indicatori care presupun un nivel de msur cel puin de interval, deoarece o asemenea scal nu exist n domeniul socio-uman la o rigoare (nc) demonstrabil matematic. Scorurile testelor de inteligen, aptitudini, personalitate sunt variabile, avnd valori simplu ordonate la un nivel ordinal de msur. Un test de inteligen nu ne arat, de fapt, cantitatea de inteligen a subiecilor, ci ierarhizarea acestora, poziia, rangul pe care l ocup fiecare ntr-o populaie. Lansarea, n 1905, a scalei metrice a inteligenei de ctre Alfred Binet, se fcea cu urmtoarea meniune din partea autorului: calitile intelectuale nu se msoar precum lungimile, nu satisfac cerina aditivitii; scala permite un clasament ierarhic ntre inteligene diferite i, din raiuni practice, acest clasament echivaleaz cu o msurare. (Radu, i alii, 1993). Autorul a sesizat foarte bine limitele msurrii n tiinele socio-umane nc din acea perioad, limite pe care muli psihologi actuali astzi le ignor. Nu ne mir faptul c matematicienii consider aplicarea statisticii n psihologie ca fiind defectuoas. Datorit faptului c, dac ne-am limita doar la o msurare pe scala ordinal, metodologia psihologic i psihosociologic ar fi srcit de aportul statisticilor parametrice (tari), pentru anumite msurtori se accept utilizarea scalei de interval prima care permite calculul mediei i a abaterii standard ns, acest lucru se face printr-un important compromis statisticomatematic (Clocotici, i alii, 2000). Variabile precum gradul didactic, gradul militar, nivelul de educaie se gsesc la acest nivel de msurare, deoarece pe lng posibilitatea clasificrii, a includerii unui individ ntr-o categorie, avem i posibilitatea ordonrii categoriilor, putnd afirma c o categorie este superioar sau inferioar alteia.
25
Dac lum, de exemplu, gradele militare, putem spune c ntr-o unitate se afl 30 de locoteneni, 10 maiori i 60 de cpitani sau 15% locoteneni, 5% maiori i 30% cpitani (ne aflm la un nivel nominal de msur), dar i c maiorii sunt superiori n grad cpitanilor sau locotenenii sunt inferiori n grad cpitanilor (nivelul ordinal de msur). Nu putem preciza ns cu ct i nici de cte ori o categorie este superioar sau inferioar alteia. Nu putem afirma c doi locoteneni fac ct un cpitan. De asemenea, este absurd s vorbim despre medie. Care este media dintre un locotenent i un cpitan??!!! Proprieti ale scalei: Aa cum am admis anterior, proprietile specifice scalei ordinale le includ pe cele ale scalei nominale, astfel nct la cele ale scalei anterioare se adaug (Vasilescu, 1992): Transformrile permise la nivelul acestei scale sunt cele care nu afecteaz ordinea iniial. Astfel de operaii sunt ridicarea la putere sau, inversa ei, extragerea de radicali. Din aceste operaii, deriv: Operaiile statistice permise: o Frecvena sumelor n valori cumulate i procentuale, valorile categoriale i categoriale procentuale, valori categoriale centile, valori de mprtiere; o Procedee bazate pe date categoriale: testul semnului, Mann-Whitney, Wilcoxon, Kolmogorov-Smirnov, analiza de varian Kruskal i Wallis; o Coeficieni de corelaie de rang: Spearman, Kendall.
I.2.2 Scale parametrice

Cuprind scalele de interval i de raport. ncepnd de la acest nivel, putem vorbi de statistici parametrice sau metrice. Are sens de acum s calculm
26
Cristian Opariuc-Dan media, abaterea standard sau ali indicatori care fac parte din statisticile numite i statistici tari.
I.2.2.1 Scale de interval (intervale egale)

Reprezint al treilea nivel de msurare i deriv din scala ordinal, la care se adaug proprietatea c intervalele dintre un nivel de valori i altul sunt egale. Este un tip de msurare n care distanele dintre treptele scrii sunt distane egale sub aspectul cantitii caracteristicii de msurat. n psihologie, practic, nu ntlnim aceast scal dect n domeniul psihofiziologiei, n care nregistrm timpi de reacie, numr de erori, fora unei reacii etc. Acest nivel de msurare ne permite s rspundem la ntrebarea cu ct este mai mare, dar nu i la ntrebarea de cte ori, deoarece la nivelul acestei scale nu ntlnim un punct zero absolut, ci unul arbitrar ales. Un exemplu clasic de scal de interval este scala de temperatur Celsius. Dup cum tim, punctul de zero grade Celsius este un punct arbitrar ales, definit ca punctul de nghe al apei la presiunea atmosferic de la nivelul mrii. Intervalele acestei scale sunt egale, ceea ce ne permite s spunem c apa dintr-o gleat este mai cald cu 10 grade Celsius dect apa dintr-o alt gleat, dar nu i c apa este de dou ori mai cald, deoarece punctul zero nu este un zero absolut. Prin analogie, ne putem referi i la scorurile unui test de inteligen, dac admitem compromisul menionat n subcapitolul anterior. Putem spune c, ntre un subiect cu un IQ de 60 i unul cu un IQ de 120 exist o diferen de 60 de puncte, dar nu c cel cu un IQ de 120 este de dou ori mai inteligent dect cel cu un IQ de 60. n definitiv, nu avem o inteligen zero. La o privire mai atent, observm i compromisul efectuat. Performana la un test de inteligen depinde de mai muli factori, nu numai de cei legai de inteligen. Astfel, intervin motivaia, memoria, atenia, condiiile de examen etc. Este cert c cel de al doilea subiect este mai inteligent dect primul (ne situm
27
acum la nivel ordinal), ns a afirma, chiar i c este mai inteligent cu 60 de uniti pe scala IQ, consider c este hazardat (la nivel de interval). n definitiv, la o reexaminare a celor doi subieci cu acelai test exist o probabilitate foarte mare ca aceast distan, de 60 de puncte, s nu se pstreze. Iat o msurare care, dei la prima vedere pare la nivel de interval, totui, mai exact, o putem situa la nivel ordinal. Diferena dintre scala inteligenei i scala temperatorilor Celsius este totui foarte mare. Mai mult, intervalele pe o scal IQ sunt doar aparent egale. Diferena de 5 puncte IQ dintre un subiect cu un IQ de 60 i unul cu un IQ de 65 are cu totul alt sens n comparaie cu diferena dintre un subiect cu un IQ de 120 i altul cu un IQ de 125 i, de asemenea, se deosebete de diferena dintre doi subieci cu IQ 100 i 105. Cele 5 puncte IQ nu sunt, n aceste cazuri, egal distanate. Proprieti ale scalei: Transformrile permise la acest nivel sunt cele de tip liniar, caracteristice ecuaiei y=ax+b unde a>0 iar y este valoarea transformat, x valoarea care urmeaz a fi transformat, a constanta de extindere i b constanta de deplasare (Vasilescu, 1992). o Deplasri prin mrirea punctului zero relativ la o alt valoare (modificarea constantei b); o Extinderi amplificarea sau diminuarea intervalelor scalei cu acelai factor (modificarea constantei a), fr s deteriorm rezultatul msurtorilor (de exemplu, transformarea din note z n stanine sau sten). Operaii statistice permise: o Calculul mediei aritmetice, al abaterii standard, al boltirii i al simetriei; o Statistici parametrice: testul t Student, F Fisher, analiza de varian; 28
Cristian Opariuc-Dan o Toate tipurile de corelaii: r Pearson, raport de corelaie (R), coeficientul de regresie (b). Anumite operaii statistice, dei presupun scala de interval, necesit i ndeplinirea altor condiii, i anume respectarea unei legi de distribuie, n general legea distribuiei normale (gaussiene). Prin urmare, n analiza datelor, pe lng cerina nivelului de interval se impune i analiza distribuiei datelor nregistrate. Transformrile permise la nivelul acestei scale au o importan practic deosebit atunci cnd procedm la normalizarea unei distribuii statistice de date.
I.2.2.2 Scala de raport (proporii)

Ultimul nivel de msurare i cel mai precis este reprezentat de scala de raport care are toate caracteristicile unei scale de interval la care se adaug existena unui zero absolut. n sfrit, aceast scal ne permite s rspundem la ntrebarea de cte ori, deoarece existena unui zero absolut face posibil compararea proporiilor. De exemplu, dac un subiect are greutatea de 60 de kilograme, iar un altul 120 kilograme, putem spune c al doilea subiect este cu 60 de kilograme mai greu dect primul, dar i c al doilea subiect este de dou ori mai greu dect primul, ambele afirmaii avnd sens. Din nefericire, un asemenea nivel de precizie nu poate fi atins n tiinele socio-umane, deoarece este imposibil s gsim o variabil care s admit un zero absolut. Este absurd s vorbim de o inteligen zero, de o emotivitate zero, de depresie sau anxietate zero. Proprieti ale scalei (Vasilescu, 1992): Transformrile permise la acest nivel sunt cele de tip multiplicativ, caracteristice ecuaiei y=ax unde a>0, iar y este valoarea transformat, x valoarea ce va fi transformat, iar a constanta de extindere. Observm dispariia constantei b, constanta de de29
plasare, deoarece punctul zero este un punct de referin absolut i nu unul arbitrar ales. La fel ca i n cazul scalei de interval, putem amplifica sau diminua intervalul (prin modificarea constantei a) ns nu putem opera deplasri, deoarece acest lucru ar determina scderea preciziei ctre o scal de interval (am stabili un punct zero arbitrar i nu absolut) Sunt permise toate operaiile statistice, inclusiv calculul mediei geometrice i al coeficientului de variaie.
I.3 Prezentare general SPSS for Windows2

SPSS sub Windows reprezint un pachet de programe interactiv, de utilitate general, destinat analizelor de date i include multiple faciliti i tehnici de natur statistic. Pachetul de programe SPSS sub Windows reprezint o aplicaie care folosete ntreaga funcionalitate a sistemului
Figura 1.2 Lansarea programului SPSS for Windows
Figura 1.3 Fereastra logo SPSS for Windows
de operare Windows, regsind n structura sa utilizarea mausului, ferestrele redimensionabile i scalabile, meniuri derulante, casete de dialog etc. Dei majoritatea utilizatorilor vor fi complet satisfcui utiliznd doar interfaa grafic pe care SPSS o pune la dispoziie, totui pachetul de programe dispune i de un puternic limbaj de comenzi prin care se pot realiza activiti automate (scripturi) ce deter-
Pe parcursul acestei prezentri, unele imagini sunt din SPSS 12.0 for Windows. Acest lucru nu incomodeaz n utilizarea altor versiuni. Toate imaginile utilizate reprezint marc nregistrat SPSS Inc.
30
Cristian Opariuc-Dan min eficientizarea aciunilor utilizate n mod frecvent sau efectuarea unor aciuni complexe, indisponibile n interfaa grafic (SPSS, 2001). Programul SPSS, la fel ca orice alt aplicaie sub sistemul de operare Windows, indiferent de versiunea acestuia, la instalare i creeaz un grup de pictograme (iconuri) n seciunea Programs a meniului Start din sistemul de operare Windows. Pentru a putea lansa n execuie aplicaia, va trebui ca mai nti s efectuai clic cu maus-ul pe butonul start al desktop-ului Windows, buton situat de obicei n partea din stnga jos a ecranului. Apoi mergei la seciunea Programs i se va deschide o nou list care conine toate programele instalate n calculatorul dumneavoastr (ei bine, cel puin programele la care avei acces dumneavoastr). n aceast list, cutai grupul de programe SPSS for Windows, grup n care vei gsi pictogramele de lansare ale aplicaiei SPSS. Probabil c ai identificat deja n acest grup de programe pictograma numit SPSS for Windows. Aceasta este imaginea pe care va trebui s facei clic pentru a porni aplicaia. 3 SPSS este un program extrem de complex. Lansarea acestuia debuteaz cu prezentarea unei ferestre introductive, denumit i fereastr logo. Ea cuprinde informaii despre versiunea programului (n cazul nostru, SPSS 12.0 Standard), deoarece exist i versiuni server, mai complexe, versiuni demonstrative (ca aceea pe care o putei descrca gratuit de la http://www.spss.com) sau student pentru nvare etc., precum i despre posesorul licenei de utilizare a acestui produs informatic. Se cunoate faptul c, n conformitate cu legea dreptului
Figura 1.4 Fereastra introductiv
3
Desigur, n situaia n care SPSS for Windows este deja instalat pe calculatorul dumneavoastr. Dac nu avei instalat SPSS for Windows, putei descrca o versiune demonstrativ de 30 de zile de pe site-ul http://www.spss.com Asigurai-v c avei o conexiune suficient de rapid i de stabil la Internet, deoarece fiierul este destul de mare (aproximativ 160 MB)
31
de autor i protecia creaiilor intelectuale, un produs software poate fi utilizat doar n cazul n care se posed o licen de utilizare pentru acesta, altfel riscndu-se pedepse severe, contravenionale sau de natur penal. Dup cteva secunde, fereastra de prezentare se dezactiveaz, iar aplicaia prezint o interfa prietenoas prin care ne invit s trecem la treab. Putem n aceast etap s lansm n execuie un program tutorial care ne va forma abilitile de baz n vederea utilizrii acestui pachet informatic complex; de asemenea, putem trece direct la introducerea datelor sau putem rula o cerere predefinit, se poate crea o nou cerere de date sau se poate deschide o baz de date existent, situaie n care va trebui s precizm locaia acesteia. Nu n ultimul rnd, putem deschide o baz de date ntr-un alt format, de exemplu Excel, Statistica sau SAS, iar SPSS va ti s converteasc aceste date pentru a le face disponibile. Exist, de asemenea, n Figura 1.5 Fereastra principal SPSS partea de jos a acestui formular introductiv, o caset denumit Dont show this dialog in the future. Dac o vei bifa, avei posibilitatea ca, la viitoarea lansare a produsului, s nu se mai afieze formularul, caz n care programul va trece direct n fereastra principal SPSS. Desigur, selectarea unei opiuni dintre cele prezentate mai sus nu nseamn i executarea acesteia de ctre SPSS. Pentru a lansa n execuie opiunea aleas, va trebui apsat, obligatoriu, butonul OK. Apsarea butonului Cancel indic programului c trebuie s prseasc formularul introductiv i
32
Cristian Opariuc-Dan s lanseze fereastra principal SPSS n modul de lucru configurat pentru o nou baz de date. n acest moment, nu ne intereseaz niciuna dintre opiunile predefinite, astfel nct vom apsa butonul Cancel. Iat c formularul prezentat mai sus a disprut, fcnd loc ferestrei principale SPSS. S privim cu atenie aceast nou interfa cu utilizatorul. Ca orice alt aplicaie Windows, SPSS posed o bar de titlu bara albastr din partea de sus a ferestrei , n partea stng a acesteia afindu-se mesajul Untitled SPSS Data Editor. Acest mesaj ne informeaz c ne aflm n fereastra de date (editare a datelor) din SPSS i c baza de date nu a fost nc salvat (n momentul salvrii, textul Untitled este nlocuit cu numele fiierului salvat pe disc). n partea dreapt a barei de titlu, avem cele trei butoane clasice ale oricrei ferestre Windows: butonul de minimizare sau de transfer al aplicaiei n bara de sarcini, butonul de maximizare extindere a aplicaiei pe ntregul ecran sau de restaurare a aplicaiei la dimensiunile iniiale i butonul de nchidere a aplicaiei, acel buton n form de X. Sub bara de titlu, se afl meniurile, serii de etichete purtnd fiecare un nume (n limba englez), prin intermediul crora putem comanda SPSS i putem efectua operaiile i prelucrrile de care acesta este capabil. Nu vom insista acum asupra explicrii tuturor meniurilor, acest lucru l vom face pe parcursul prezentului curs. Bara de meniuri este urmat de bara de instrumente mici butoane cu aspectul unor pictograme care, n general, dubleaz anumite funcii din meniuri, funcii mai des folosite. SPSS prezint o bar de instrumente dinamic, adic aspectul butoanelor i, desigur, funcionalitatea acestora se modific relaionat contextului n care ne aflm. De exemplu, vom avea anumite butoane n modul de introducere a datelor i alte butoane n modul de definire a variabilelor ori n modul de afiare a rezultateFigura 1.6 Seciunea de editare a datelor lor analizelor de date.
33
Dup bara de instrumente, apare seciunea de editare a datelor. Aceasta este format dintr-o parte needitabil, informativ, partea din stnga, n care se afieaz n permanen poziia celulei active (celul pe care am selectat-o). Formatul acestui identificator este un numr urmat de dou puncte i apoi numele variabilei (spre exemplu, 8:time nseamn c suntem poziionai pe rndul 8 a opta nregistrare a variabilei timp). Partea editabil arat ntotdeauna valoarea acestei variabile n poziia specificat (n cazul nostru, la rndul 8 al variabilei timp se afl valoarea 34). Cea mai mare parte a ferestrei principale SPSS este dedicat seciunii de date. Observm c datele, n SPSS, sunt organizate tabelar, pe linii i coloane, analog altor aplicaii mai cunoscute, cum ar fi foile de calcul tabelar (Excel) sau bazele de date (FoxPro sau Access). Liniile (nregistrrile) sunt identificate prin numere, iar coloanele reprezint variabilele. ntr-o baz de date goal, toate variabilele sunt denumite implicit var, iar aceast denumire este scris cu culoarea gri, reprezentnd faptul c acestea nu au fost nc definite. Navigarea prin baza de date se poate face cu cele dou casete de derulare (numite i lifturi sau controale de derulare), situate n partea dreapt, respectiv n partea de jos a ferestrei de date, la fel ca n orice program Windows. Seciunea de date conine, n partea din stngajos, doi marcatori de seciune foarte importani: Data View i Variable View. Aceste elemente permit coFigura 1.7 Marcatomutarea ntre modul de vizualizare a datelor dintr-o rii de seciune baz de date (seciunea Data View) i modul de definire a variabilelor (seciunea Variable View). n partea de jos a programului SPSS, se afl bara de status cu dou seciuni: seciunea de informaii, n partea stng, unde se afieaz scurte instruciuni despre diferitele funcii ale meniurilor sau ale barei de instrumente, i seciunea de stare a procesorului SPSS unde se afieaz informaii refe-
34
Cristian Opariuc-Dan ritoare la rularea unor sarcini mari consumatoare de timp. n general, nceperea unei prelucrri statistice se poate face doar n condiiile n care vedei mesajul SPSS Processor is ready n aceast seciune. Prsirea programului SPSS se poate face fie apsnd butonul de nchidere al aplicaiei X din colul din dreapta sus al ferestrei principale, fie folosind meniul File i apoi Exit. Dac ai fcut prelucrri de date sau modificri n baza de date, programul v va solicita mai nti salvarea documentului, ca msur de protecie mpotriva pierderii de informaie. Despre salvare, ns, discutm n subcapitolul urmtor.
I.3.1 Bazele de date creare, salvare, deschidere

Dup ce ne-am familiarizat cu interfaa programului SPSS, este momentul s vedem cum putem deschide o baz de date existent i care sunt elementele componente ale acesteia. SPSS vine nsoit de o serie de baze de date demonstrative n scopul facilitrii procesului de nvare. Pe parcursul acestor exerciii, vom folosi, din raiuni de compatibilitate, aceste exemple de baze de date oferite de ctre productorii programului SPSS. Deschiderea unei baze de date n scoFigura 1.8 Deschiderea pul efecturii prelucrrilor statistice se poate unei baze de date face prin mai multe metode, rmnnd la latitudinea dumneavoastr i potrivit experienei pe care o avei s alegei metoda care v convine mai mult. Prima metod este aceea prin care apelm la meniul File (Fiier) i apoi poziionm cursorul maus-ului pe submeniul Open (Deschide). Apare o list de unde putem deschide o baz de date (Data), o procedur de sintax
35
(Syntax) o foaie de rezultate (Output), un set de comenzi (Script) sau un alt tip de fiier (Other). Pentru a deschide o baz de date, va trebui selectat opiunea Data. Observai c fiecare dintre aceste opiuni este urmat de puncte de suspensie (). ntotdeauna cnd vei ntlni aceste puncte de suspensie alturi de o comand Windows (nu doar n SPSS, ci i n orice program Windows), va trebui s tii c acea comand v invit la dialog. Adic se va deschide o nou fereastr, de unde va trebui s alegei ceva sau s furnizai anumite informaii programului pentru a putea executa comanda respectiv. O alt metod prin care putei deschide o baz de date este folosirea aa- numitelor taste rapide. De obicei, meniurile sunt nsoite de combinaii de taste prin care putei efectua direct o anumit sarcin. n loc s apelm la meniul File, apoi Open i apoi Data, putem pur i simplu s inem apsat tasta Ctrl n timp ce apsm tasta O (de la Open). O astfel de combinaie se noteaz prin Ctrl+O, notaie pe care o vom folosi pe ntreg parcursul acestui curs. Vom observa c aceast combinaie are acelai efect ca i parcurgerea primei metode, avantajul fiind acela c este mult mai rapid. A treia metod apeleaz la numitele taste fierbini (hot-keys). O tast fierbinte este o tast folosit n combinaie cu tasta Alt. Dac vei privi cu atenie meniurile, vei putea observa c unele litere sunt subliniate de exemplu, n meniul File este subliniat litera F. innd apsat tasta Alt i apsnd apoi tasta F, vom obine deschiderea meniului File, ca i cnd am efectua clic pe acesta. n mod analog, notarea acestei combinaii se face folosind convenia Alt+F. Deci, pentru a deschide o baz de date, putem folosi combinaiile Alt+F deschiderea meniului File i apoi Alt+O deschiderea submeniului Open, iar, n final, Alt+A accesarea opiunii Data. Aceasta este, dac dorii, o navigare prin meniuri fr maus. Ultima metod se refer la folosirea barei de instrumente pentru a deschide o baz de date. Pur i simplu apsai pe primul buton de pe bara de instrumente, acela care are aspectul unui dosar deschis.
36
Cristian Opariuc-Dan Indiferent de metoda folosit, efectul va fi acelai: deschiderea unei casete de dialog, din care putei alege baza de date pe care o vei ncrca (v mai amintii nota referitoare la punctele de suspensie?). S analizm puin aceast nou fereastr. n partea de sus avem o list derulant intitulat Look in: Apsnd sgeata orientat n jos din partea dreapt a acestei casete, vom putea alege directorul n care este localizat baza noastr de date. Observm c directorul curent este directorul aplicaiei (SPSS), iar n seciunea de sub Figura 1.9 Fereastra de selectare a fiierului n vederea deschiderii aceast caset este afiat coninutul acestui dosar. Putei astfel selecta orice director n care avei fiiere recunoscute de SPSS, pentru a le putea afia i/sau deschide. Alturi de caseta Look in, se afl o serie de butoane care controleaz navigarea prin structura de directoare de pe discul dumneavoastr. Primul buton, cel de forma unei sgei orientate n partea stng, permite navigarea la ultima aciune efectuat. Dac, de exemplu, din directorul SPSS v-ai poziionat pe directorul Windows, apsnd acest buton vei reveni din nou n directorul SPSS. La prima deschidere a acestei casete de dialog, butonul este inactiv, deoarece nu ai efectuat nc nici o aciune care s fie nregistrat. Al doilea buton, de forma unui dosar cu o sgeat orientat n sus, permite navigarea ascendent prin arborele de directoare. La o prim apsare, v vei deplasa n directorul Program Files, la urmtoarea v vei situa n directorul rdcin C i aa mai departe. Cel de-al treilea buton permite crearea unui nou director n directorul curent. Apsnd pe el, vei putea crea un nou director, numit New Folder, denumire pe care o vei putea modifica dup dorin. n sfrit, ultimul buton controleaz modul n care se afieaz pictogramele n caseta central. Putei alege vizualizarea pictogramelor n format mare, mic, sub form de list sau list detaliat.
37
Fereastra central afieaz, dup cum am menionat, structura de subdirectoare i fiiere a directorului curent. Putei efectua dublu clic pe numele unui director pentru a afia coninutul acestuia sau pe numele unui fiier pentru a-l deschide n mod direct (fr a mai apsa butonul Open). Dac efectuai doar un simplu clic, numele fiierului selectat va fi afiat n caseta File name i va trebui s folosii apoi butonul Open pentru a-l deschide. Caseta derulant Files of type reprezint un filtru pentru fiierele afiate. Dac o vom deschide, efectund clic pe sgeata orientat n jos din partea dreapt a acesteia, vom putea alege ce anume tip de fiiere s se afieze n seciunea central. Observm c, dei directorul SPSS conine mai multe fiiere, sunt afiate doar fiierele cu extensia .sav, adic fiierele care conin baze de date SPSS, deoarece n aceast caset de filtrare s-a ales extensia .sav. Putem alege alte extensii de fiiere care sunt afiate, de exemplu formatul Excel (.xls) sau dBase (.dbf), iar SPSS va afia doar fiierele ce au aceast extensie. Deschiderea propriu-zis a unui fiier se face fie efectund clic pe acesta i apsnd butonul Open, fie efectund dublu clic pe numele fiierului. Spre exemplu, vom ncrca baza de date Cars din directorul implicit SPSS, baz de date ce reprezint un inventar al diferitelor tipuri de maini i al caracteristicilor acestora. Dup deschidere, observm c s-a modificat aspectul ferestrei principale SPSS. n primul rnd, n bara de titlu a aprut mesajul Cars SPSS Data Editor, mesaj ce ne informeaz c am deschis baza de date Cars i c ea este pregtit pentru analiz. De asemenea, constatm c structura acesteia este compus din opt variabile, fiecare dintre ele reprezentnd o anumit caracteristic a mainilor. Ultima variabil, variabila Filter_$ este o variabil intern folosit de programul SPSS pentru o filtrare anterioar a datelor, variabil pe care ne propunem s o tergem. Cum? Efectund clic pe numele acesteia. Observm c ntregul coninut al coloanei Filter_$ s-a selectat. n continuare, apsm tasta Delete, situat pe tastatur, n partea dreapt a grupului principal de taste, iar variabila a fost eliminat mpreun cu toate datele 38
Cristian Opariuc-Dan acesteia. Felicitri. Iat i prima dumneavoastr intervenie real n SPSS. Dup cum bine tim, orice prim intervenie ntr-un program nseamn o tergere a ceva. Nici noi nu puteam face excepie! Baza de date deschis de ctre dumneavoastr a fost afiat n seciunea Data view, fapt care ne atrage atenia c n acest mod putem afia i urmri coninutul datelor din baza de date. Dac vom efectua clic pe seciunea Variable view, vom intra n modul de definire a datelor. Dup cum ne spune i numele seciunii, aici putem vizualiza i edita denumirea, tipul i alte informaii referitoare la variabile. Ca s folosim un limbaj mai tehnic, dac n Data view ne aflm n seciunea datelor propriu-zise, n Variable view ne aflm n seciunea meta-datelor, adic n seciunea informaiilor despre date, unde putem interveni asupra structurii lor interne. Vom clarifica imediat, prin cteva exemple, aceste aspecte. Astfel, prima variabil, denumit mpg este o variabil numeric, ce accept maximum 4 caractere (adic cifre ntre 0 i 9999) i fr zecimale.
Figura 1.10 Seciunea de definire a variabilelor
Numele mpg nu este ns un nume intuitiv i nu ne putem da seama cu precizie la ce se refer aceast variabil. Din pcate, doar versiunile de SPSS de la 13.0 n sus accept nume de variabile cu mai mult de 8 caractere, ns nu se permite includerea spaiilor sau a altor semne de punctuaie n denumirea acestora i de aceea va trebui s fim foarte restrictivi n momentul n care le crem. Pentru a nelege mai uor la ce anume se refer o anumit variabil,
39
avem posibilitatea de a o eticheta, adic de a include un text descriptiv asociat numelui ei. n cazul nostru, eticheta variabilei ne informeaz c mpg se refer la Miles per Gallon, adic la consumul automobilului exprimat n distana pe care acesta o poate parcurge cu un galon de combustibil. Urmtoarea seciune prezint valorile pe care le putem defini pentru respectiva variabil. Iat, n cazul variabilei origin, care se refer la ara de producie a mainilor, observm c s-a asociat valoarea 1 pentru mainile de producie american, valoarea 2 pentru cele de producie european i valoarea 3 pentru cele japoneze. n spaiul destinat definirii variabilelor, avem, de asemenea, posibilitatea de a controla modul de tratare a cazurilor lips, alinierea datelor n cadrul celulelor i definirea tipului de variabil nominal, ordinal i scalar. Efectund clic pe aceste seciuni, ai observat c, uneori, apare n partea dreapt a acestora fie un buton cu punctele de suspensie care va deschide o caset de dialog unde se pot controla parametrii valorilor acceptate, fie un buton de incrementare/decrementare cu ajutorul cruia putei mri, respectiv micora o anumit valoare, fie o caset de selecie sgeata orientat n jos prin care putei deschide o list, de unde s selectai anumite valori. Exerciiu practic: n exerciiul care urmeaz vom traduce pur i simplu n romnete structura acestei baze de date i vom salva baza de date sub un nou nume, Masini (atenie, nu folosii diacriticele romneti n scrierea literelor, prin urmare, n acest caz, nu folosii litera , ci s. Deci nu vom salva cu Maini, ci Masini), ntr-un director nou creat avnd calea C:\Exercitii SPSS (aceeai meniune referitoare la diacritice). n cazul primei variabile, numele va rmne acelai, iar noi vom modifica doar descrierea. Vom da clic n seciunea Label, acolo unde se afl afiat textul Miles per Gallon i vom scrie textul Mile per galon.
40
Cristian Opariuc-Dan A doua variabil se numete engine. Vom schimba numele acesteia n cilindree (ne-am ncadrat n 8 caractere), fcnd clic n coloana Name i scriind noul nume. Eticheta va deveni, pentru a doua variabil, Capacitate cilindric, pe care o vei modifica dup exemplul primei variabile. Procedm la fel n cazul variabilelor 2, 3, 4, 5 i 6, lsnd traducerea din englez n romn la latitudinea dumneavoastr. Atenie, ns, la acel maximum de 8 caractere cnd redenumii o variabil. Variabila numrul 7 se refer la ara de origine a mainilor. O vom redenumi origine i vom modifica, desigur, eticheta. Exist ns, la acest nivel, un element n plus, i anume coloana Values. V mai amintii probabil de mainile americane, europene i japoneze. Dac Figura 1.11 Etichetarea variabilelor de nivel nominal i ordinal vom da clic pe celula corespunztoare coloanei Values pentru aceast variabil, constatm apariia unui mic buton cu puncte de suspensie n partea dreapt a celulei. Apsnd acest buton se deschide o nou fereastr, fereastra de configurare a valorilor asociate. Vorbeam anterior despre maini de producie american, european i japonez. n aceast caset vedem lista acestor asocieri n partea de jos. n stnga listei, exist 3 butoane: Add cu ajutorul cruia putem crea o nou asociere, Change prin care putem modifica o asociere selectat i Remove care terge, elimin asocierea selectat. Noi ne-am propus s traducem aceast structur de date n limba romn. Vom efectua clic pe prima asociere 1 = American. Constatm c, automat, n caseta Value a aprut cifra 1, iar n caseta Value Label textul American. Putem deduce cu uurin c valorii 1 i s-a asociat textul American(apropo, la ce nivel de msurare ne aflm aici i ce fel de variabil este aceasta?). De asemenea, s-a activat butonul Remove, SPSS presupunnd c dorim s eliminm aceast asociere din moment ce am selectat-o. Pentru a modifica textul, efectum clic 41
n interiorul casetei Value Label i scriem n loc de American, America (mai bine spus, tergem un n). De data aceasta, se activeaz i butonul Change, SPSS depistnd modificarea efectuat i presupunnd c vom dori s o i aplicm efectiv. Dac vei apsa acest buton (Change), vei constata c eticheta s-a modificat din 1 = American n 1 = America. Felicitri. Ai realizat prima traducere. Acum procedai la fel pentru Europa i Japonia. Desigur, oricnd putei include o nou asociere. Tastai cifra 4 n caseta Value (deoarece ar urma 4 n ordine logic) i textul Romnia n caseta Value Label, apoi apsai butonul Add care ai observat c a devenit activ. Astfel ai asociat valoarea 4 mainilor de producie romneasc. n momentul n care ai terminat de efectuat toate asocierile, apsai butonul OK pentru a le memora i a prsi formularul. Reinei c apsarea butonului Cancel duce la prsirea formularului fr memorarea asocierilor. Apare totui o ntrebare. De ce s folosim aceste asocieri n loc de a scrie pur i simplu n baza de date America, Europa i Japonia? n primul rnd, pentru c este mai uor. Imaginai-v c avei de introdus un numr de 3000 de date n baza dumneavoastr de date. n loc s scriei de fiecare dat un text format din 6-8 caractere, vei tasta pur i simplu 1 atunci cnd v referii la America, 2 cnd v referii la Europa i 3 cnd v referii la Japonia. SPSS va ti, de fiecare dat, n urma asocierilor realizate n etapa anterioar, la ce anume se refer 1, 2 i 3. n al doilea rnd, dei 1, 2 i 3 sunt doar nite etichete pentru America, Europa i Japonia, se preteaz mult mai bine la prelucrrile statistice ulterioare, fiind date numerice. Procedai la fel i cu ultima variabil, referitoare la numrul de cilindri ai motorului, pentru ca, n final, s obinei structura complet a bazei de date. Prin acest exerciiu, ne-am deprins cu unele elemente ale configurrii structurii bazei de date. n continuare, vom salva baza de date modificat sub
42
Cristian Opariuc-Dan denumirea de Masini. Directorul folosit va fi C:\Exercitii SPSS (atenie la diacritice!). Putei alege meniul File i opiunea Save sau Save as, putei apsa combinaia de taste Ctrl+S sau Alt+F, Alt+S sau putei apsa butonul de salvare de pe bara de instrumente (acela care are o dischet drept pictogram). Dar atenie! Diferena dintre opiunea Save i Save as este aceea c, folosind Save, se vor salva modificrile efectuate tot n baza de date iniial, n cazul nostru baza de date Cars. Noi ne-am propus s salvm baza de date sub un alt nume i ntr-un alt loc, deci nu vom putea folosi dect opiunea Save as (Salveaz ca). Se va deschide caseta de salvare a unei baze de date care are acelai aspect ca i caseta de deschidere a unei baze de date, cu excepia butonului Open, n acest caz denumirea acestuia fiind Save. Folosind cunotinele dobndite anterior, va trebui s v poziionai cu ajutorul casetei Figura 1.12 Fereastra de salvare a Save in (echivalenta casetei Look in unei baze de date din fereastra de deschidere a bazei de date) n directorul rdcin C:\, s creai un nou director folosind butonul de creare a unui director din acest formular pe care s-l denumii Exerciii SPSS, s efectuai dublu clic pe acesta pentru a-l deschide i s introducei numele bazei de date Masini n caseta File name. Apsai apoi butonul Save pentru a salva efectiv fiierul pe disc. Ai reuit, nu-i aa? n urma acestor operaiuni, n bara de titlu SPSS va aprea mesajul Masini SPSS Data Editor, care ne informeaz c programul a salvat cu succes baza de date pe disc i a activat-o. Reamintim faptul c, la crearea unei noi baze de date, folosirea oricror opiuni de salvare (meniul File, butonul de pe bara de instrumente sau
43
tastele rapide) duce la apariia ferestrei Save as, deoarece fiind o baz de date nou, acesteia nu i-a fost atribuit nc un nume printr-o operaie de salvare. Putei cu uurin identifica dac o baz de date are un nume (a fost salvat) sau nu, urmrind bara de titlu. Bazele de date noi sunt identificate prin mesajul Untitled SPSS Data Editor, n timp ce bazele de date salvate au afiat numele acestora n bara de titlu. Ai observat c, la lansarea programului SPSS, acesta creeaz automat o baz de date nou i nedefinit i ateapt din partea noastr definirea variabilelor i salvarea acesteia. Odat salvat baza de date, orice modificri efectum n ea, la salvare ele vor fi scrise automat n fiierul al crui nume este afiat n bara de titlu, fr a mai aprea fereastra de salvare de mai sus. Singura modalitate prin care putem da un alt nume bazei de date sau prin care o putem salva ntr-un alt loc este folosirea opiunii Save as. Crearea unei noi baze de date se poate face folosind meniul File, submeniul New i opiunea Data, combinaiile de taste Ctrl+N sau Alt+F, Alt+N, Alt+A. n oricare dintre aceste situaii, SPSS va crea o baz de date goal i nedefinit, la fel ca n cazul lansrii programului. Ca exerciiu, folosind cunotinele dobndite, v propunem crearea unei noi baze de date avnd urmtoarea structur i salvarea acesteia sub numele de IQ n directorul C:\Exercitii SPSS:
Variabila nume va fi de tip ir de caractere (string) i va stoca numele subiecilor, toate celelalte variabile fiind numerice. Exist dou definiii de asocieri, i anume variabila sexul (1-Masculin 2-Feminin) i scoala (1-Primare 2-Gimnaziu 3-Liceul 4-Postliceala 5-Facultate)
44
Cristian Opariuc-Dan Dup construirea structurii de date, procedai la salvarea fiierului n locul precizat. Folosind cunotinele teoretice acumulate, precizai tipul fiecrei variabile create n acest exerciiu. Ne propunem n continuare aprofundarea definirii variabilelor n SPSS. Pentru aceasta, ne vom folosi de baza de date IQ creat i salvat n exerciiul anterior. n seciunea Data View, am remarcat deja prezena a zece caracteristici prin care se poate defini o variabil n SPSS. Prima dintre acestea se refer la numele variabilei (Name), caracteristic ce nu presupune prea multe explicaii. Numele variabilei reprezint modul n care aceasta va fi apelat n toate prelucrrile efectuate folosind baza de date. Nu putem ns s nu precizm c SPSS impune o serie de restricii n denumirea variabilelor (versiunile mai mici de versiunea 13): n primul rnd, numele acestora s nu depeasc 8 caractere, variabilele cu nume mai lungi de 8 caractere nefiind acceptate. Apoi, nu pot fi folosite spaii sau semne de punctuaie n denumirea variabilelor, putnd fi ns folosit linia de subliniere pentru cazurile n care dorim s abreviem o variabil format din dou cuvinte. De exemplu, dac avem o variabil care se refer la anul naterii, o vom putea abrevia denumind-o an_naste. Astfel, lungimea ei este de 8 caractere, fiind acceptat de SPSS, iar cele dou cuvinte componente le-am separat printr-o linie de subliniere, fapt de asemenea acceptat de SPSS. Nu conteaz dac scriem numele variabilelor cu litere mari sau cu litere mici, deoarece, n final, SPSS le convertete automat n litere mici. Din punctul de vedere al primei caracteristici, baza noastr de date IQ nu creeaz probleme, fiind definite cinci nume de variabile: numele, varsta, sexul, scoala i iq. A doua caracteristic se refer la tipul de date ce va fi stocat n aceste variabile (Type), caracteristic pe care nu am abordat-o n detaliu n timpul prezentrii noastre de pn acum. Aceast seciune conine un buton cu trei puncte de suspensie, pe care l putem apsa pentru a deschide fereastra de
45
configurare a tipului de date. Aceasta conine o serie de butoane de opiuni, dintre care putem selecta tipul de date pe care variabila noastr l va stoca, dup cum urmeaz: Tipul de date Numeric se refer la numere. Valorile acceptate vor fi, deci, numere, n format standard. Alegnd acest tip de date, putem stabili i dimensiunea acestora valoarea maxim pe care SPSS o poate accepta prin Figura 1.13 Stabilirea tipului de date precizarea numrului de caractere a unei variabile n cmpul Width i numrul de caractere dup virgul n cmpul Decimal Places. De exemplu, numrul maxim de caractere 3 i 2 caractere zecimale nseamn c acea variabil poate stoca valori numerice de la 0 pn la 999,99. Acest tip de date va scrie valorile numerice fr nici o separaie ntre sute i mii i folosind ca separator zecimal separatorul configurat al sistemului. Un exemplu de numr scris n acest format ar fi 78457845.57 Tipul de date Comma se refer, de asemenea, la numere i pot fi definite la fel ca tipul anterior, numai c acestea vor fi afiate folosindu-se virgula ca separator ntre valoarea sutelor i valoarea miilor i punctul ca separator al valorilor zecimale. De exemplu, o valoare numeric n acest format ar arta astfel: 9,999.89. Este, practic, formatul numeric clasic american. Tipul de date Dot identic cu tipul de date anterior, doar c se inverseaz rolul punctului i al virgulei. Relund acelai exemplu, numrul de mai sus va fi scris astfel: 9.999,89 n acest caz recunoatem formatul romnesc. Tipul de date Scientific notation se refer la modul tiinific de afiare a cifrelor, folosind litera E pentru a reprezenta puterile lui 10. Modul
46
Cristian Opariuc-Dan de configurare a dimensiunii variabilei este acelai, iar un exemplu de numr folosind aceast reprezentare poate fi 1.23E2 ceea ce semnific de fapt 123.00. Tipul de date Date se refer la date calendaristice. Alegnd aceast opiune, va trebui s configurai, selectnd din lista ce se va deschide, modul de afiare a datei calendaristice dintr-o mulime de formate care vi se ofer.
calendaristice Tipul de date Dollar se refer la valori monetare, avndu-se n vedere moneda american. Putei alege i particulariza valoarea maxim pe care o poate accepta variabila din lista ce se afieaz sau putei particulariza aceast valoare, la fel ca n cazul valorilor numerice. Figura 1.14 Tipul de date
Tipul de date Custom currency permite definirea unor valori monetare particularizate, valabile pentru alte ri n afara Statelor Unite. Se poate defini forma de prezentare a variabilei i valoarea maxim acceptat, la fel ca la tipul anterior. Tipul de date String stocheaz doar iruri de caractere, cu alte cuvinte texte, fr nici o posibilitate de prelucrare statistic. Poate fi definit i aici dimensiunea maxim pe care o poate avea variabila din punctul de vedere al numrului de caractere acceptate. n cazul nostru, variabila nume este un exemplu excelent de variabil de tip string. Caracteristica a treia i caracteristica a patra a unei variabile, respectiv Width i Decimals se refer exact la valorile maxime pe care le pot accepta variabilele i la numrul de zecimale, elemente pe care le-am discutat anterior, iar aceste dou caracteristici nu fac dect s creeze o alt posibilitate de definire a variabilelor sub acest aspect.
47
n cazul exemplului nostru, constatm c avem o singur variabil de tip string, variabila nume care poate accepta maxim 20 de caractere, toate celelalte variabile fiind de tip numeric; variabilele sexul i coala pot accepta doar o singur cifr fr zecimale, iar variabilele varsta i iq pot accepta 3 cifre fr zecimale. Aceast definiie permite stocarea subiecilor cu numele format din maxim 20 de litere, vrsta poate lua valori de pn la 999, suficient, deci, pentru scopurile noastre, acelai lucru fiind valabil i pentru coeficientul de inteligen. Sexul i nivelul de colarizare accept doar o singur cifr, deoarece am convenit s asociem valoarea 1 cu sexul masculin i 2 cu sexul feminin, n mod analog procednd i cu nivelul de colarizare. Datele au fost definite ca numerice pentru a crea posibilitatea interpretrii lor ulterioare, cunoscndu-se faptul c datele de tip string nu pot fi interpretate statistic. Urmtoarea caracteristic, caracteristica Label, permite includerea unei denumiri mai intuitive a variabilei, prin care s poat fi mai uor identificat i recunoscut. Astfel, variabilei nume i putem da eticheta Numele subiecilor, variabila iq o putem eticheta drept Coeficientul de inteligen i aa mai departe. Putem include orice etichet descriptiv dorim pentru numele unei variabile, cu condiia ca lungimea acesteia s nu depeasc 255 de caractere. Deci atenie la scrierea romanelor n descrierea variabilelor!!! Aceast caracteristic mai are ns o funcie important; SPSS include eticheta variabilelor n rapoartele finale rezultate n urma prelucrrii datelor. Dac creai un tabel de frecven, SPSS nu va afia numai numele variabilei, de exemplu iq, ci va include i descrierea acesteia, Coeficientul de inteligen, fcnd astfel mult mai estetice i mai inteligibile foile de raport. Caracteristica Values am discutat-o pe larg n seciunile anterioare i nu vom mai reveni asupra ei. Menionm doar c ea permite clasificri (deci variabile categoriale) i asocieri de valori. Spre exemplu, putem asocia valoarea 1 sexului masculin i valoarea 2 sexului feminin, pentru a putea introduce
48
Cristian Opariuc-Dan mai uor datele i pentru a putea efectua prelucrri statistice la nivel de variabile nominale. Caracteristica Missing permite definirea modului n care vor fi tratate valorile lips din cadrul unei variabile. Uneori, este important s cunoatem de ce lipsesc valori dintr-o variabil. Datele lips se pot datora, spre exemplu, faptului c subiectul refuz s rspund la o anumit ntrebare sau fapFigura 1.15 Tratarea valorilor lips tului c ntrebarea nu este adresat acelui subiect. Iat dou situaii care ar necesita un tratament separat al valorilor lips. Datele pe care le vei trata n mod explicit ca date lips pot fi supuse apoi unei analize statistice separate, fiind iniial excluse din cele mai multe calcule. Un alt exemplu, frecvent ntlnit n chestionarele sociologice, se refer la codificarea rspunsurilor de tip Nu tiu/Nu rspund. Majoritatea cercettorilor codeaz aceste variante cu 9 sau 99. Evident, variantele incerte nu vor face obiectul prelucrrii iniiale a datelor. Folosind aceast seciune se pot include aceste valori (9 sau 99) ca valori lips, SPSS eliminndu-le din analiz. Definirea valorilor lips poate accepta trei situaii. Situaia No missing values, cnd comunicm programului c nu dorim un tratament special pentru valorile lips, acestea fiind tratate ca atare n cursul fiecrei prelucrri de date pe care o realizm, situaia Discrete missing values, cnd putem defini pn la trei valori care vor fi tratate ca valori lips n cursul prelucrrilor statistice ulterioare (de exemplu, la un chestionar cu 3 variante de rspuns, dorim ca doar rspunsurile 1 i 3 s fie luate n calcul, rspunsul 2 fiind tratat ca non-rspuns. Pentru aceasta, vom include cifra 2 n prima dintre cele trei casete ale acestei seciuni.) i situaia Range plus one optional discrete missing value, n care putem stabili un interval pentru care valorile vor fi tratate ca valori lips (spre exemplu, coeficienii de inteligen cuprini ntre 10 i 75), n plus existnd posibilitatea de
49
a include i o valoare particular (discret), ca i n situaia anterioar. n exemplul nostru de baz de date, nu avem nici un motiv de a trata n vreun fel valorile lips, deci nu vom configura aceast caracteristic. Caracteristica Columns permite specificarea limii coloanei n care se vor afia valorile variabilelor n modul Data View. Implicit, coloanele au o lime egal cu 8 caractere. Putem include aici o alt valoare sau putem redimensiona limea coloanelor n modul Data View, prin tragerea cu ajutorul maus-ului a liniei de separaie dintre dou coloane. Introducerea diferitelor valori pentru aceast caracteristic permite ajustarea i redimensionarea precis a limii coloanelor. n cazul nostru, pentru variabila nume, dimensiunea implicit de 8 caractere va fi insuficient pentru prezentarea unui subiect cu numele Popescu Valentin, afindu-se doar primele 8 caractere i anume Popescu . Pentru a vedea ntregul nume, fie introducei valoarea 16 pentru caracteristica Columns a variabilei nume, fie tragei cu ajutorul maus-ului linia de demarcaie dintre coloana nume i coloana varsta, pentru a mri limea coloanei de afiare a numelui subiecilor. Aceast caracteristic, ca i urmtoarea, nu influeneaz n niciun fel modul de prelucrare a datelor, ci doar aspectul tabelului de date din Data View. Caracteristica Align controleaz modul n care sunt aliniate valorile variabilelor n tabelul de date. Putei opta pentru o aliniere la stnga, centrare sau aliniere la dreapta a valorii variabilelor n cadrul coloanelor din Data View, fr a influena n vreun fel modul de prelucrare al variabilelor. Ca regul general, variabilele de tip string se aliniaz la stnga, iar variabilele de tip numeric sau dat calendaristic se aliniaz la dreapta pentru o mai bun lizibilitate n cadrul tabelelor de date. Ultima caracteristic, Measure, este n acelai timp i una foarte important, permind alegerea nivelului de msurare al variabilei. Se poate opta pentru dou sau trei niveluri de msurare, n funcie de tipul de variabil. Astfel, pentru variabila nume, care este o variabil de tip string, sunt dis-
50
Cristian Opariuc-Dan ponibile doar nivelurile nominal i ordinal de msurare. Stocarea numelui i a prenumelui are o valoare pur informativ i nu permite nici mcar o clasificare a acestora. Nivelul de msur va fi deci nivelul nominal. Variabila varsta este variabila numeric prin care se stocheaz vrsta subiecilor. Aceast variabil are intervale egale, zero absolut i permite rapoarte n cadrul scalei, deci poate fi considerat la un nivel de msurare scalar 4. Variabila sexul nu este altceva dect tot o variabil nominal, care nu permite dect o clasificare a persoanelor n funcie de genul lor biologic. Variabila scoala poate fi privit ca o variabil nominal, dac intenionm doar s clasificm subiecii n funcie de studiile absolvite, sau se poate accepta un nivel ordinal de msurare la nivelul acesteia, dac ierarhizm subiecii n funcie de gradul lor de colarizare. Vom lua n considerare a doua situaie i o vom accepta ca variabil ordinal. n sfrit, variabila iq este fr discuie o variabil de tip ordinal. Iat c, parcurgnd aceste etape, am reuit n cele din urm s construim structura unei baze de date simple n acord cu principiile i domeniile de definiie ale variabilelor i cu nivelul lor de msurare. Un aspect important pe care merit s-l menionm se refer la procesul de codare al variabilelor (proces pe care l-am ntlnit la codarea variabilelor sex i nivel de colarizare). n general, cercettorii cu experien cunosc intuitiv modalitatea de codare optim a unei variabile. Pentru a veni n sprijinul debutanilor, Newton i Rudestam (1999) propun, n lucrarea Your statistical consultant, un set de reguli folosite n acest proces (Field, 2005). Toate datele trebuie codate numeric. Pentru a coda, de exemplu, sexul, am putea folosi i M pentru masculin, respectiv F pentru feminin. Un asemenea proces de codare ar fi complet eronat,
Ca observaie, n SPSS, nivelurile de msur de interval i de raport au fost reunite sub denumirea generic de nivel de msur scalar. Proiectanii acestei aplicaii au renunat la distingerea celor dou, reunindu-le sub denumirea de nivel scalar.
51
deoarece ar limita radical posibilitile de prelucrare statistic a datelor. Recomandarea este aceea c, atunci cnd suntem n astfel de situaii, este de preferat s folosim, de exemplu, 1 pentru Masculin i 2 pentru Feminin. Aceste cifre nu au dect o valoare de etichet i nu reprezint un proces de ierarhizare (nu spunem c masculinul este mai jos dect femininul deoarece are valoarea 1). La fel de bine putem s scriem 2 masculin i 1 feminin sau 5 masculin i 7 feminin. Acest proces de codare poart numele de codare dummy. Tot ceea ce trebuie s facei este s reinei codurile atribuite. Fiecare variabil trebuie s ocupe o coloan distinct n baza de date i fiecare subiect va ocupa o singur nregistrare. Este foarte important ca datele unui subiect s ocupe un singur rnd n baza de date SPSS, iar fiecare coloan s se refere doar la o singur variabil. n cazul n care o variabil este msurat de mai multe ori (tipic pentru experimente de tip testare iniial testare final), se vor aloca dou coloane pentru acea variabil, una care s se refere la testarea iniial i una viznd testarea final. De exemplu, dac avem un experiment prin care, n urma unei tehnici oarecare, presupunem c mbuntim memoria, va trebui s testm memoria subiecilor nainte de aplicarea tehnicii, s aplicm tehnica i apoi s testm din nou memoria subiecilor, pentru a vedea dac au aprut modificri. n acest caz, putem defini cele dou variabile prin mem_ini care reprezint testul iniial de memorie i mem_fin care se refer la testul final. Astfel, nu nclcm aceast regul, iar datele vor fi consistente. Toate codurile pentru o variabil trebuie s fie mutual exclusive. Cu alte cuvinte, nu trebuie s existe dect un singur numr ce poate fi stocat ntr-o variabil. n anumite chestionare pot exista
52
Cristian Opariuc-Dan itemi care permit alegeri multiple (de exemplu, la solicitarea: Bifai din urmtoarea list partidele cu care n mod sigur nu vei vota la urmtoarele alegeri: pot fi variantele de rspuns PSD, PD, UDMR, PNG etc. n acest caz, subiectul poate alege un singur partid, dou partide sau le poate alege pe toate). O asemenea situaie impune crearea unui numr de variabile egal cu variantele de rspuns (de exemplu nu_PSD, nu_PD, nu_UDMR, nu_PNG) cu categorii dihotomice de genul 0 Neselectat, 1 Selectat care vor fi analizate ulterior. De obicei, asemenea itemi au i o categorie de genul Altul. Care_______ prin intermediul creia subiectul poate s-i exprime liber opiunea. n mod normal, aceast categorie se analizeaz prin alte metode i nu folosind SPSS, deoarece variabilitatea rspunsurilor confer o valoare statistic foarte redus. Fiecare variabil trebuie codat astfel nct s se obin maximum de informaii. Categoriile sau valorile variabilei nu trebuie sintetizate n prima variant, ci trebuie incluse exact aa cum apar pe formularele de colectare a datelor. Sintetizarea valorilor i cumularea categoriilor poate fi fcut mai trziu, utiliznd funciile specifice SPSS. De exemplu, se prefer introducerea exact a valorii pentru vrsta subiectului, n ani, i nu ncadrarea subiectului n categorii de vrst (sub 14 ani, ntre 14 i 20 de ani, peste 20 de ani etc.). Iniial, se va proiecta o variabil, varsta, care va stoca vrsta exact a subiecilor. Ulterior, dac se va dori transformarea acestei variabile scalare ntr-o variabil discret, ordinal, numit grup_varsta, se pot folosi tehnici specifice de conversie. Ca idee general, ntotdeauna cnd este posibil, se vor folosi variabile continui la un nivel de msur ct mai aproape de scala de raport. Este uor s transformm o variabil continu ntr-una discret, ns imposibil s trecem de la o variabil discret la una continu. Du-
53
p cum tii deja, valoarea informativ cea mai ridicat o au totui variabilele continui, astfel nct profitai de ele. Fiecare subiect trebuie s aib o valoare pentru fiecare variabil. Uneori nu este posibil s includem valori n fiecare coloan, fie deoarece subiectul nu a rspuns, fie pentru c itemul respectiv nu i se adreseaz. n acest caz, se recomand s lsai acea celul liber, deoarece SPSS este astfel proiectat nct s trateze celulele goale drept cazuri lips. Introducerea altor valori pentru cazurile lips poate crea confuzii. Respectai ntotdeauna regula ceea ce e cel mai simplu este i cel mai bun. Regulile de codare se vor aplica tuturor subiecilor. Acest lucru nseamn c nu putei aplica reguli valabile doar pentru anumii participani. De exemplu, dac dorii ca anumite valori s fie tratate ca valori lips pentru un anumit subiect, nu putei face acest lucru. Valorile lips vor fi tratate similar pentru toi subiecii. Folosii coduri n concordan cu sensul scalei. Unele chestionare presupun tipuri de scale ordinale (de exemplu 1 niciodat, 2 rareori, 3 uneori, 4 deseori, 5 ntotdeauna). Dei scalele pot fi codate i invers (1 ntotdeauna, 2 deseori, 3 uneori, 4 rareori, 5 niciodat), se recomand pstrarea sensului natural al scalei pentru evitarea problemelor ulterioare referitoare la interpretare. Mai uor asociem niciodat cu 1 dect niciodat cu 5. Oricum, chiar dac ulterior exist suficiente posibiliti de recodare a valorilor astfel nct analiza s fie consistent, proiectarea adecvat a cercetrii i codrii v poate scuti de bti de cap i munc inutil.
54
Cristian Opariuc-Dan Dup proiectarea bazei de date, se recomand listarea structurii acesteia (a meta-informaiilor) n vederea consultrii ulterioare. Dac nu vei lucra cteva luni cu baza de date, probabil c nu vei reine la ce se refer mem_ini sau mpg i nici de ce tip este. SPSS prezint o modalitate uoar de a afia structura bazei de date cu informaii complete. Nu trebuie dect s accesai meniul File i apoi opiunea Display Data File Information. Se va deschide o nou seciune care v invit s alegei ntre a afia Figura 1.16 Afiarea informaiilor despre baza de date informaiile bazei de date curente (Working File) sau cele ale unei alte baze de date de pe disc (External File). Noi suntem interesai de afiarea structurii bazei noastre de date (IQ.sav) i vom alege, aadar, prima opiune. n fereastra de rezultate (Output), vor aprea o serie de tabele corespunztoare definiiilor variabilelor din baza de date, astfel:
Tabelul 1.1 Tabelul de structur a bazei de date
Variable Informati on Variable nume v arst a sexul 3 iq 4 Position 1 2 Label Numele subiectului Varst a subiectilor Genul biologic al subiectilor Coef icientu l de inteligenta Measurement Lev el Nominal Scale Scale Column Width 14 8 8 Alignment Lef t Right Right Print Format A20 F2 F1 Writ e Format A20 F2 F1
Scale
Right
F3
F3
Variables in the working f ile
55
Variable Values Value sexul Label 1 2 Masculin Feminin
Tabelul Variable Information conine informaii despre variabile. Prima coloan conine numele variabilelor, urmeaz apoi poziia acestora n structura de date, eticheta, nivelul de msur, limea coloanei i alinierea. Ultimele dou coloane se refer la tipul variabilei. Astfel, prima variabil poate stoca 20 de caractere, a doua 2 caractere, a treia un caracter i a patra 3 caractere. Urmtorul tabel conine variabilele codate. n cazul nostru, singura variabil codat este sexul i conine valorile 1 Masculin i 2 Feminin. V recomand ca, dup ce proiectai baza de date, s imprimai structura acesteia i s o stocai pentru a o putea consulta ori ce cte ori avei nevoie. n concluzie:
Msurarea n tiinele socio-umane are un caracter subiectiv, deoarece nu putem observa direct indicatorii funciilor psihice sau ai funciilor sociale; Msurtorile sunt aproximri ale realitii, deoarece sunt supuse n permanen surselor de eroare, iar realitatea social are un caracter fluctuant; Dup S. S. Stevens, n sensul su larg, a msura nseamn a atribui numere obiectelor sau evenimentelor potrivit unor reguli. Regula de atribuire trebuie s fie: o Suficient de clar pentru a permite atribuirea univoc, la un moment dat, a unui numr unui obiect i numai a unui singur numr; o Suficient de simpl pentru a fi utilizat; O variabil este un nume pentru un element a crui caracteristic este aceea c variaz, i modific valorile; O variabil este aleatorie i poate lua valori numerice (alea-numeric) sau nenumerice; O variabil se caracterizeaz printr-un domeniu de definiie, o mulime de valori pe care aceasta le poate lua. n funcie de acest domeniu de definiie, variabilele pot fi discrete sau continui;
56
O variabil discret nu permite existena unor valori intermediare ntre valorile pe care le poate lua variabila. Ea este definit pe o mulime numrabil de valori n baza unei funcii de probabilitate; o O variabil continu permite existena unor valori intermediare ntre dou valori ale acesteia, iar acest lucru poate continua la infinit. Ea este definit pe un interval de valori, mulimea fiind infinit, iar legea de distribuie este o densitate de probabilitate; Scalele de msurare se grupeaz n scale neparametrice (nominal i ordinal) i scale parametrice (de interval i de raport); Termenul de cuantificare are sens ncepnd cu scala ordinal; Scala nominal prezint doar posibilitatea unor clasificri, a unor grupri ale datelor n categorii; Scala ordinal permite, n plus, ierarhizarea datelor n funcie de apartenena lor la o categorie. Strict, aceasta este scala utilizat n psihologie; Scala de interval este o scal ordinal n care intervalele sunt egale. Ea permite s rspundem cu ct o cantitate este mai mare dect o alta, ns nu i de cte ori; Scala de raport este o scal de interval la care exist un zero absolut. Ea permite s rspundem la ntrebarea de cte ori o cantitate este mai mare dect cealalt. o
57
II. ORGANIZAREA DATELOR

n acest capitol se va discuta despre: Colecii de date brute; Amplitudinea de variaie; Diagrame de date; Clase i intervale de grupare; Efective, frecvene absolute i relative; Reprezentri grafice. Dup parcurgerea capitolului, cursanii vor fi capabili s: neleag elementele de baz ale unei distribuii statistice; Calculeze numrul de clase i intervalele de grupare; Grupeze elementele n clase; Construiasc o distribuie statistic; Reprezinte grafic o distribuie statistic.
Orice experiment, evaluare psihologic, observaie sau convorbire pornete de la o ntrebare care-i propune s rezolve o anumit problem. De cele mai multe ori, problema n tiinele socio-umane nu transpare imediat ntr-o form cuantificabil. Avem nevoie de o serie de etape intermediare pentru a stabili ce dimensiuni msurabile sunt n relaie cu problema sau tema studiat. Procesul prin care transformm o dimensiune general, necuantificabil, n indicatori msurabili i apoi construim itemi pentru acei indicatori poart numele de operaionalizare a conceptelor. Dac, de exemplu, dorim s studiem nivelul de trai al populaiei dintr-un ora, o asemenea abordare este mult prea general. Ce nseamn, n definitiv, nivel de trai? Dimensiunea nu poate fi cunoscut direct, astfel nct apelm la anumii indicatori care au legtur cu nivelul de trai (bugetul alocat pentru achiziionarea de produse electronice, bugetul pentru concediu etc.) Urmeaz apoi s construim itemi, ntrebri referitoare la indicatorii stabilii (Unde v petrecei concediile?, Ce produse electronice ai cumprat n ultimele trei luni? i aa mai depar-
58
Cristian Opariuc-Dan te). Studiind rspunsurile la aceste ntrebri, putem avea o imagine general asupra nivelului de trai. Aceti indicatori nu reprezint altceva dect variabile rezultate n urma operaionalizrii conceptului general de nivel de trai i care pot fi populate cu datele rezultate din rspunsurile subiecilor la ntrebrile stabilite. n urma procesului de operaionalizare a conceptelor, rezult una sau mai multe variabile, reprezentative pentru studiul propus, variabile ce vor trebui populate cu date n vederea verificrii ipotezelor i a gsirii rspunsului la ntrebarea formulat iniial. Datele cu care urmeaz a fi populat respectiva variabil pot proveni din (Radu, i alii, 1993): Lectura unor aparate; Msurtori antropometrice i/sau bio-fiziologice; Notele brute (rspunsurile subiecilor) la anumite teste psihologice sau chestionare; Protocolul de observaie sau interviu; Analiza de coninut sau analiza produselor activitii etc.
n practic, putem fi interesai de modul n care se grupeaz datele n jurul unor valori, de variabilitatea acestora sau de stabilirea poziiei relative a unui individ sau a unui rezultat n cadrul unui grup mai mare de indivizi sau rezultate. Fie c desfurm o evaluare psihologic, un studiu sau o cercetare experimental, fie c iniiem un proces de colectare a datelor prin observaie, rezultatul const ntr-o colecie (set) de date brute. La acest nivel, nu avem nicio modalitate prin care putem trage concluzii asupra semnificaiei datelor pe care le avem la dispoziie. Putem doar constata c unele valori se repet i cam att. De aceea, prima etap n iniierea unei proceduri statistice de analiz a datelor const n clasificarea, ordonarea, condensarea acestora n
59
vederea conturrii unei imagini ct mai precise. Valorile msurate trebuie aezate ntr-o anumit ordine (cresctoare sau descresctoare), care s permit i o eventual reprezentare grafic a acestora. Exemplu: Presupunem c msurm nlimea unor subieci n centimetri i obinem urmtoarele rezultate: 182, 175, 174, 189, 177, 177, 180, 173, 188, 171, 184, 192, 180, 172, 177, 193, 184, 192, 172, 177, 174, 171, 172, 179, 185, 179, 183, 172, 179, 188. ntrebare: Ce tip de variabil este variabila menionat mai sus i la ce nivel de msurare se afl? Dac privim irul de date de mai sus, observm c nu putem extrage nici o informaie util. Unele valori se repet, e adevrat, ns nu putem spune, n lipsa unei organizri, nici care este cel mai nalt subiect, nici care este cel mai scund, nici ce nlime au cei mai muli subieci. Acest lucru va deveni posibil abia n urma unui proces de organizare a acestor date. La volume mici de date, acest proces nu pune probleme deosebite. Operaiunea devine ns greoaie i mare consumatoare de timp pentru volume mari de date i, de aceea, se recomand utilizarea unui program computer care poate efectua aproape instantaneu aceste operaii.
II.1 Sistematizarea datelor

Primul pas n sistematizarea datelor l reprezint stabilirea valorilor extreme. Prin inspecie vizual, verificm cea mai mic valoare din irul de date (Xmin) i cea mai mare valoare din irul de date (Xmax), pentru a putea calcula poate cel mai simplu indicator statistic, i anume amplitudinea de variaie. Numim amplitudine de variaie (Range) diferena dintre valoarea maxim i valoarea minim a distribuiei de date. (A = Xmax Xmin). n exemplul nostru, subiectul cel mai scund (cu nlimea cea mai mic) are 171 centimetri, iar subiectul cel mai nalt are 193 centimetri. Prin urmare, Xmin = 171
60
Cristian Opariuc-Dan centimetri, Xmax = 193 centimetri, iar amplitudinea de variaie devine A = 193 171 = 22 centimetri. Dac amplitudinea de variaie este mic n comparaie cu numrul de valori din irul de date, atunci irul de date poate fi uor reprezentat fr necesitatea gruprii valorilor. n cazul nostru, putem sistematiza datele scriind ntr-o coloan valorile n ordine cresctoare i notnd n dreptul fiecreia, prin linii verticale, de cte ori se repet n irul iniial. Dac reconsiderm exemplul anterior, obinem datele grupate n tabelul alturat: De data aceasta, obinem un protocol sistematizat numit diagrama n linii. Putem acum observa c toi cei 30 de subieci (n=30) au fost repartizai cresctor, n funcie de nlimea lor, i putem afirma c cei mai scunzi subieci au 171 cm, iar cel mai nalt 193 cm. De asemenea, cei mai muli subieci au 172 cm i 177 cm. Iat, aadar, c aceast diagram ne aduce un plus de informaie n raport cu irul nesistematizat prezentat anterior.
Tabel 2.1 Diagrama n linii i efectivul
Valoare 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193
Diagrama n linii || |||| | || | |||| ||| || | | || |
Efectiv 2 4 1 2 1 0 4 0 3 2 0 1 1 2 1 0 0 2 1 0 0 2 1
|| |
|| Aceast sistematizare a unui protocol | reprezint o procedur statistic liminar, deoarece se afl la limita analizei statistice, pregtind aplicarea tehnicilor ulterioare de prelucrare a datelor.
Diagrama n linii reprezint o metod intuitiv de reprezentare grafic a datelor. Urmtorul pas este acela prin care vom numra liniile trasate n vederea stabilirii efectivului (frecvena absolut) fiecrei valori din ansam-
61
blul rezultatelor. Observm c efectivul valorii 171 cm este de 2 subieci, adic doi subieci au nlimea de 171 cm, efectivul valorii 172 cm este de 4 subieci, patru subieci au nlimea 172 cm i aa mai departe. Stabilirea efectivelor prin acest procedeu este posibil n momentul n care amplitudinea de variaie este relativ mic (de exemplu pentru notele colare, de la 1 la 10). La o amplitudine mai mare, acest procedeu este extrem de laborios i inutil deoarece variabilitatea distribuiei devine prea mare i se pierde viziunea de ansamblu. Deja, n exemplul nostru, constatm o serie de tendine, dar care sunt ns abia conturate. n plus, gsim multe valori pentru care efectivul este zero. Prin urmare, ar fi util s facem distribuia mai compact prin gruparea valorilor n clase, astfel nct s putem releva regularitatea ansamblului de date. Vom alege, spre exemplu, gruparea datelor din patru n patru, astfel: 171, 172, 173, 174 175, 176, 177, 178 179, 180, 181, 182 183, 184, 185, 186 187, 188, 189, 190 191, 192, 193 sau sau sau sau sau sau 171 174 175 178 179 182 183 186 187 190 191 193
A rezultat un numr de ase clase care cuprind, fiecare, patru valori, ultima clas fiind format din trei valori. Distribuia de mai sus va deveni: Iat c acum lucrurile sunt ceva mai clare. Observm c cei mai muli subieci au nlimea cuprins ntre 171 cm i 174 cm, n timp ce destul de puini subieci pot fi considerai ca fiind nali. Este mai uor de sesizat acum imaginea de ansamblu, modalitatea n care se organizeaz datele. Un asemenea procedeu pune n eviden, compact, regularitatea de ansamblu a datelor.
62
Tabel 2.2 Diagrama n linii i efectivul La acest nivel va trebui s facem o pentru date grupate n clase serie de precizri, deoarece au aprut doDiagrama Clasa Efectiv u concepte noi: conceptul de clas i n linii 171 174 ||||||||| 9 conceptul de interval de grupare. n cazul 175 178 ||||| 5 nostru, numrul de clase a fost stabilit la 179 182 |||||| 6 183 186 |||| 4 ase. Intervalul de grupare (i) se refer 187 190 ||| 3 la numrul de valori pe care le poate con191 -193 ||| 3 ine o clas, cu alte cuvinte lrgimea unei clase. Practic, intervalul de grupare se exprim ca raport dintre amplitudinea de variaie i numrul claselor. Dac notm intervalul de grupare cu i i numrul de clase cu k, avem formula:
(formula 2.1)
193171 6
n cazul nostru formula devenind =
22 6
= 3,67 4
n exemplul anterior am rotunjit intervalul de grupare i la valoarea 4. Datorit faptului c nlimea este o variabil continu, ar fi corect s reprezentm clasele i astfel: 171,00 174,67 174,68 178,35 178,36 182,03 182,04 185,71 185,72 189,39 189,40 193,07 (171,00 + 3,67 = 174,67) (174,68 + 3,67 = 178,35) (178,36 + 3,67 = 182,03) (182,04 + 3,67 = 185,71) (185,72 + 3,67 = 189,39) (189,40 + 3,67 = 193,07)
Totui, de ce ne-am rezumat la ase clase i de ce nu am folosit opt clase sau 3 clase? Care a fost argumentul pe baza cruia am decis utilizarea unui numr de 6 clase? Exist vreo metod prin care putem stabili numrul de clase necesare sau le alegem noi arbitrar? 63
Atunci cnd numrul de msurtori (n) nu este prea mare, numrul claselor (k) poate fi calculat pe baza formulei Hahn-Shapiro (Vasilescu, 1992): =
5
(formula 2.2)
unde INT nseamn partea ntreag. n cazul nostru, numrul subiecilor (n) este 30. Dac mprim 30 la 5, obinem valoarea 6. Evident c partea ntreag a lui 6 este tot 6, pe baza acestei formule stabilindu-se numrul optim de clase n care pot fi grupate valorile. Cunoscnd numrul claselor, am stabilit, dup cum s-a precizat mai sus, intervalul de grupare. Dac volumul msurtorilor este mare, se utilizeaz specificaiile lui Kolker referitoare la numrul de clase:
Tabelul 2.3 Specificaiile lui Kolker referitoare la alegerea numrului de clase
n k 25-40 6 41-60 7 61-99 8 100 10 101-160 11 161-250 12 251-400 13 401-630 14 631-1000 15 > 1000 16-20
dup (Vasilescu, 1992)
Din considerente practice, numrul claselor nu va depi valoarea 20. O alt metod prin care putem stabili intervalul de distribuie, dar i numrul claselor, cunoscnd amplitudinea de variaie i numrul de msurtori, o reprezint utilizarea formulei lui Sturges (Vasilescu, 1992):
= +,()
(formula 2.3)
n situaia noastr, logaritmul zecimal din 30 este 1,47. n mod curent, putem gsi logaritmul zecimal n tabelele de logaritmi sau utiliznd un calculator tiinific. Cunoscnd aceast valoare, intervalul de distribuie devine: = 193 171 22 = = 3,74 4 1 + 3,322 1,47 5,88
64
Cristian Opariuc-Dan Observm c valoarea obinut aici se apropie foarte mult de valoarea stabilit prin formula anterioar. Aceast formul poate fi folosit pentru valori destul de mari ale lui n, respectnd ns limita de 20 de clase. Referitor la numrul claselor i la intervalele de grupare, se impun urmtoarele observaii: 1. Dac alegem intervale de grupare prea mici, gruparea datelor scoate n eviden lucruri de amnunt care estompeaz tendina de ansamblu a datelor i deci a procesului pe care l studiem; Intervalele de grupare prea mari pot estompa iregularitile distribuiei i atenueaz specificul fenomenului studiat, pierzndu-se precizia cu care identificm o valoare individual; n mod obinuit, vom utiliza, dac msurtoarea s-a fcut folosind numere ntregi, limite de interval exprimate tot n numere ntregi. Limita inferioar a intervalului superior va trebui s fie mai mare cu o unitate dect limita superioar a intervalului inferior. De exemplu: i nu 171 174 174 178
2.
3.
171 174 175 178
deoarece nu vom ti unde s ncadrm valoarea 174. La fel, 171,00 174,67 174,68 178,35 i nu 171,00 174,67 174,67 178,35
Dup cum putem ns observa, msurtorile iniiale s-au efectuat n numere ntregi. Un exces de precizie la acest nivel este exagerat i poate produce confuzii. Un subiect cu nlimea de 174 centimetri unde va fi inclus? n
65
primul caz, evident, n prima clas. n al doilea caz ns, poate fi inclus i n prima i n a doua clas. De aceea, niciodat precizia claselor nu va depi precizia msurtorilor efectuate. Gruparea n clase fiind ncheiat, Clasa obinem aa-numita 171 174 distribuie statistic 175 178 179 182 ce formeaz baza 183 186 prelucrrilor de date 187 190 ulterioare. n exem- 191 -193 plul nostru vom avea urmtoarea distribuie statistic:
Tabelul 2.4 Distribuia statistic pe clase
Distribuia n linii ||||||||| ||||| |||||| |||| ||| |||
fa 9 5 6 4 3 3
30
fc 9 14 20 24 27 30
fc 30 21 16 10 6 3
% 30,00 16,66 20,00 13,33 10,00 10,00
300,00 166,66 200,00 133,33 100,00 100,00
nsumnd efectivele (frecvenele) tuturor intervalelor, va rezulta, evident, numrul total de msurtori (n). Este, de asemenea, posibil s calculm frecvenele cumulate, fie ascendent, fie descendent, ca expresie a adunrii frecvenei intervalului curent la frecvena cumulat a intervalului anterior. Astfel, pentru primul interval, att frecvena, ct i frecvena cumulat ascendent au valoarea 9. Pentru al doilea interval, frecvena absolut este 5, iar frecvena cumulat ascendent devine 9+5=14. Al treilea interval are frecvena absolut 6, iar frecvena cumulat ascendent 14+6=20 i aa mai departe. Procedura de calcul este analoag i n cazul frecvenelor cumulate descendent, cu singura deosebire c adunarea se face ncepnd de la ultimul interval. Rolul frecvenelor cumulate este acela de a ordona cresctor sau descresctor datele grupate n intervale i de a indica numrul de cazuri, ci subieci se afl pn la o anumit valoare (frecvenele cumulate ascendente) sau ci subieci au depit o anumit valoare (frecvenele cumulate descendente). Dac discutm de ordonare, este evident c variabila trebuie s se afle cel puin la un nivel ordinal de msur, calculul frecvenelor cumulate n cazul variabilelor nominale fiind un nonsens.
66
Cristian Opariuc-Dan Putem exprima, de asemenea, frecvenele relative, ca proporie a scorurilor dintr-o clas. Cele mai utilizate frecvene relative sunt procentele (%) i promilele (). Ca modalitate de calcul al procentelor sau al promilelor vom folosi regula de trei simpl, astfel: Pentru prima clas vom avea urmtoarea valoare: dac 30 reprezint reprezint = 100% x 9 100 900 = = 30% 30 30
atunci 9
II.2 Reprezentarea grafic a datelor

Sintagma o imagine face mai mult dect o mie de cuvinte este valabil i n statistic. Uneori, este mai convenabil s reprezentm grafic datele pentru a ne forma intuitiv o reprezentare a acestora. Nu trebuie s uitm ns faptul c, n statistic, afirmaiile pe care le facem trebuie demonstrate, iar demonstraia se poate face doar cifric. Exist multe moduri prin care putem reprezenta grafic datele pe care le vom discuta n momentul n care tematica le va impune. Pentru moment, ne vom rezuma la graficele cu bare, histograma, poligonul frecvenelor, poligonul frecvenelor cumulate i plcinta. Reprezentarea prin graficele cu bare const n ridicarea unei perpendiculare de lungime egal cu frecvena pentru fiecare valoare sau clas aezat pe axa Ox. Cu ajutorul barelor, putem reprezenta att datele negrupate, ct i datele grupate. Astfel, pentru exemplul nostru, prezentm reprezenta-
Figura 2.1 Graficul cu bare al nlimii subiecilor
67
rea prin grafice cu bare a nlimii subiecilor sub form de valori. Un tip particular de reprezentare a graficelor cu bare este histograma. O histogram se deosebete de un grafic cu bare prin aceea c, n locul liniilor, sunt ridicate dreptunghiuri cu baza egal cu intervalul folosit. Pentru a putea folosi histogramele, datele trebuie s fie grupate, aadar, pe intervale egale. Dac unim prin linii vrfurile graficelor cu bare sau mijlocul bazei de sus a histogramelor obinem un alt tip de grafic, i anume poligonul frecvenelor absolute
Figura 2.2 Histograma pentru nlimea subiecilor
sau relative. Poligonul frecvenelor absolute se refer la exprimarea cifric direct a efectivelor, n timp ce poligonul frecvenelor relative conine exprimarea procentual a acestora. De asemenea, este posibil construirea poligonului frecvenelor cumulate ca reprezentare grafic a
Figura 2.3 Poligonul frecvenelor absolute
funciei de repartiie cumulativ. La fel ca n cazul graficului cu bare, n dreptul fiecrei valori se nal o perpendicular de mrime egal cu frecvena cumulat. Unind vrfurile acestor perpendiculare se obine poligonul frecvenelor cumulate, care poate fi exprimat absolut sau relativ.
Figura 2.4 Poligonul frecvenelor cumulate
68
Cristian Opariuc-Dan Uneori este mai convenabil s reprezentm, mai ales atunci cnd lucrm cu procente, compoziia msurtorilor printr-o structur radial. Un asemenea grafic se numete plcint (pie) i este util atunci cnd ne intereseaz s urmrim proporia cu care fiecare clas particip la construcia ntregului. Pentru o variabil continu, deoarece avem o densitate de probabilitate pe intervalul de valori, reprezentarea grafic se face sub forma unei curbe numit curb de distribuie, ns acest aspect va face obiectul unui capitol viitor.
Figura 2.5 Reprezentarea prin diagram de structur (plcint)
n concluzie:
O colecie de date are o valoare informativ extrem de redus. n vederea extragerii unor informaii preliminare, este necesar ordonarea i gruparea datelor; La o amplitudine de variaie mic, pot fi ordonate valorile i numrate efectivele fiecrei valori, realizndu-se astfel un protocol sistematizat; La o amplitudine de variaie mare i la msurtori numeroase, se va realiza gruparea datelor n clase, pe baza unui interval de grupare. Att numrul claselor, ct i intervalul de grupare pot fi calculate n baza unor formule sau a unor tabele de referin; O distribuie statistic reprezint un protocol de date sistematizat i organizat care conine clasele, diagramele n linii (puncte, stelue etc.) i frecvenele absolute. Alte informaii care mai pot fi incluse sunt frecvenele relative (procentuale), frecvenele cumulate absolute i relative; Distribuiile statistice pot fi reprezentate i grafic, folosindu-se graficele cu bare, histogramele, poligoanele de frecvene sau graficele plcint.
69
III.STATISTICI DESCRIPTIVE TENDINA CENTRAL

n acest capitol se va discuta despre: Conceptul de statistici descriptive; Definirea noiunilor de populaie i eantion; Indicatori ai tendinei centrale media, mediana i modul; Obinerea indicatorilor tendinei centrale n SPSS; Dup parcurgerea capitolului, cursanii vor fi capabili s: neleag semnificaia statisticilor descriptive; Fac distincia ntre populaie i eantion; Disting ntre diferitele modaliti de eantionare; Calculeze indicatorii tendinei centrale; Utilizeze corect indicatorii tendinei centrale, n funcie de modul de distribuie al datelor; S extrag indicatorii tendinei centrale utiliznd programul SPSS.
Statistica descriptiv se refer la totalitatea metodelor care permit descrierea i gruparea n diferite moduri a datelor rezultate din cercetri. Orice procedeu de analiz a datelor presupune efectuarea unor operaiuni preliminare de statistic descriptiv. Statisticile descriptive nu au ca scop efectuarea unor predicii, ci doar sumarizarea i prezentarea datelor. Procedeele utilizate n statisticile descriptive se refer la gruparea i prezentarea datelor n tabele i grafice, calculul indicatorilor tendinei centrale i ai variabilitii, indicatori ai asocierii i ai legturii dintre variabile (studii corelaionale simple). nc de la nceput s-a stabilit c, prin statistic, putem descrie, compara i relaiona variabile. Totodat, modul de realizare a unei variabile se face prin atribuirea de valori rezultate din diferite surse de date. Totui, cum culegem aceste date? Cum facem ca, pornind de la un numr relativ redus de su-
70
Cristian Opariuc-Dan bieci, s extindem cunotinele noastre la nivelul ntregii populaii? i, n definitiv, ce nseamn populaie i ce nseamn eantion?
III.1 Populaie i eantion

Cnd discutm de populaie, nu este obligatoriu s ne referim la populaia unei ri sau a unui ora; n general, ne referim la un grup distinct de persoane sau obiecte. De exemplu, vorbim de populaia fumtorilor, populaia deficienilor mintali, populaia consumatorilor de Coca-Cola sau populaia mainilor Lamborghini. Acest lucru se refer la totalitatea obiectelor, de un anumit tip, existente ntr-un spaiu sau teritoriu, la un moment dat. O prim observaie se refer la faptul c populaia este relativ la un criteriu (de exemplu, cel teritorial) sau la mai multe criterii (de exemplu, automobile i Romnia). Prin urmare, cnd vorbim de populaie relevant, avem n vedere totalitatea obiectelor care satisfac unul sau mai multe criterii. De exemplu, dac desfurm un studiu n care dorim s demonstrm eficiena unui medicament care va accelera abandonul fumatului n Romnia, ne intereseaz criteriul teritorial (Romnia), dar i calitatea de fumtor, prezent sau trecut. Populaia este definit, deci, ca fiind totalitatea unitilor de informaie care constituie obiectivul de interes al unei investigaii. ntotdeauna, la nceputul unei cercetri, trebuie menionat populaia cercetrii, n vederea specificrii domeniului la care vom extinde rezultatele, concluziile obinute. De cele mai multe ori, nu putem studia ntreaga populaie, din cauza numeroaselor limitri pe care le-ar impune un asemenea demers (costuri, timp, accesibilitate, dinamica populaiei etc.). De aceea, majoritatea cercetrilor se efectueaz pe un grup de subieci extrai din populaie, care s prezinte caracteristicile acesteia, grup mult redus ns din punct de vedere numeric. Un asemenea grup poart numele de eantion. Un eantion este, deci, o se-
71
lecie a indivizilor dintr-o populaie. Cercettorii utilizeaz eantioane, deoarece lucrul cu acestea este mai ieftin, mai rapid i mai uor n comparaie cu cercetarea ntregii populaii, iar rezultatele pot fi extinse la nivelul ntregii populaii. Eantionul reprezint unitile de informaie selecionate pentru a fi efectiv studiate. Ideea pe care se bazeaz cercetrile orientate pe eantioane este aceea c se pot face aprecieri asupra unei ntregi populaii, n anumite condiii, doar pe baza caracteristicilor msurate pe o parte a acesteia. Totui, pentru ca rezultatele obinute prin studiul eantionului s poat fi extinse la nivelul ntregii populaii, acel eantion trebuie s fie reprezentativ, adic s ntruneasc caracteristicile de baz ale populaiei din care a fost extras. S presupunem, de exemplu, c dispunem de o urn foarte. Cum verificm dac boabele de fasole au fost fierte? n primul rnd, amestecm boabele n oal. Dac nu le-am amesteca, am putea risca s le lum pe cele de la suprafa (care sunt mai puin fierte), nu i pe cele de la fund (care probabil sunt mai fierte). Dup aceea, lum o lingur de fasole i gustm. n funcie de rezultat, decidem dac aceasta este sau nu este fiart. Nu trebuie se mncm toat oala de fasole ca s decidem dac boabele sunt sau nu fierte. Este suficient s verificm un eantion de boabe de fasole, pentru ca mai apoi s extindem cunoaterea la nivelul ntregii oale. Iat c exact acesta este i principiul eantionrii. Prin amestecarea n oala cu fasole, am creat posibilitatea ca fiecare boab de fasole s aib ansa de a fi aleas. Apoi, am extras aleatoriu un eantion de boabe de fasole pe care l-am verificat. Dac am decis c sunt fierte, nu voi mai continua cercetarea. ansele s m nel sunt prea mici 5. Afirmam anterior c un eantion trebuie s fie reprezentativ, adic s ndeplineasc caracteristicile populaiei din care face parte. Evident, n mo5
Exemplul a fost preluat i adaptat dup Lungu Ovidiu Ghid introductiv pentru SPSS 10.0 pentru Windows
72
Cristian Opariuc-Dan mentul n care voi dori s tiu dac sunt fierte boabele, voi extrage un eantion de boabe de fasole i nu unul de boabe de mazre din oala alturat. Posibilitatea de a generaliza la nivelul ntregii populaii a cunotinelor dobndite la nivelul eantionului este vital n cercetarea experimental. De aceea, asigurarea reprezentativitii unui eantion este de maxim importan. Metoda prin care selectm un eantion dintr-o populaie are implicaii asupra validitii i generalizrii concluziilor dobndite n urma studiului eantionului. Metodele de eantionare se mpart n dou mari categorii: metode prin care eantionul este extras aleatoriu dintr-o populaie i metode prin care eantionul nu este extras aleatoriu. ntr-un eantion care nu este extras aleatoriu, probabilitatea ca un subiect s fac parte din eantion nu poate fi calculat. Este exemplul clasic n care subiecii sunt selectai pe baz de voluntariat sau dintre cei care returneaz chestionarele completate prin pot. ntr-un eantion extras aleatoriu, fiecare individ are o probabilitate calculabil de a fi inclus n eantion, iar aceast probabilitate va urmri s fie egal pentru fiecare subiect. Este cazul extragerii unui eantion dintr-o baz de date care conine, aleatoriu, ntreaga populaie. Orice eantion se stabilete n baza unei scheme de eantionare. O schem de eantionare reprezint un set de tehnici i reguli, n baza crora din populaie se extrage eantionul necesar, iar compoziia acestuia este aleatoriu derivat n funcie de definiiile probabilistice ale schemei de eantionare.
III.1.1 Eantionarea simplu randomizat

Randomizare nu nseamn hazard absolut, ci este o metod prin care fiecare individ are o ans calculabil de a fi ales n eantion. Prin randomizare simpl, fiecare individ are anse egale s fie selectat. Pentru a efectua o asemenea eantionare, avem nevoie de o baz de eantionare, o list a ntregii populaii (de exemplu, lista exhaustiv a fumtorilor din Romnia). Fieca-
73
re individ din acea list are asociat un numr. Se folosesc apoi tabelele de numere aleatoare sau numerele aleatoare se genereaz de un computer. Practic, numrul aleatoriu generat reprezint numrul de ordine al individului de pe list. Procedura continu pn cnd s-a extras ntregul eantion. Metoda randomizrii este o metod foarte simpl, ns dificultatea const n posibilitatea obinerii unei liste exhaustive pe criteriile dorite.
III.1.2 Randomizarea pe cote

Este o metod pseudo-randomizat de selectare a unui eantion n care se iau n considerare anumite caracteristici ale populaiei cum ar fi sexul, vrsta, profesia etc. n eantion se intenioneaz respectarea proporiei n care aceste caracteristici se regsesc n populaie. Dup ce se identific proporia fiecrei caracteristici ce va fi inclus n eantion, fiecrui evaluator i revine sarcina s investigheze un anumit numr de persoane ce prezint acea caracteristic, alegerea persoanelor rmnnd la latitudinea acestuia. Este important ca acea caracteristic s poat fi identificat cu uurin i fr ambiguitate de ctre evaluator, altminteri putnd apTabel 3.1 Structura populaiei rea serioase probleme la nivelul reprezentati- Vrsta (ani) Brbai Femei 15-20 10000 9000 vitii. De exemplu, dac avem urmtoarea 21-30 12000 13000 structur a populaiei din Romnia dup dou 31-50 12000 14000 criterii vrst i sex: peste 50 12000 18000 O eantionare pe cote presupune resTabel 3.2 Proporii eantion pectarea proporiei n care se gsete popula- Vrsta (ani) Brbai Femei 15-20 10% 9% ia general, la aceste dou criterii i n ean21-30 12% 13% tion. Astfel, dac extragem un eantion de 31-50 12% 14% peste 50 12% 18% 1000 de persoane, proporia subiecilor din acest eantion va respecta proporia subiecilor din populaia general. Prin urmare, vom obine un eantion avnd structura cuprins n tabelul 3.2: Acesta este principiul eantionrii pe cote. Un evaluator va administra instrumentele de cercetare unui numr de, s spunem, 120 de brbai cu vr74
Cristian Opariuc-Dan sta cuprins ntre 31 i 50 de ani, avnd libertatea de a alege singur persoanele, atta timp ct respect aceste dou criterii. O problem apare, ns, n momentul n care unul dintre criterii are o pondere extrem de mic n populaie (de exemplu, cnd studiul se refer la persoane cu un IQ sub 70). n acest caz, numrul persoanelor selectate n eantion s-ar putea s fie prea mic pentru a permite generalizarea. ntr-o asemenea situaie, se procedeaz la supra-eantionare, adic la mrirea acestui numr. Se consider c, pentru anumite caracteristici foarte rare, acest fapt nu afecteaz reprezentativitatea eantionului.
III.1.3 Eantionarea stratificat

n condiiile n care putem identifica o serie de straturi dup care este mprit populaia n funcie de unul sau mai multe criterii, vom putea proceda la o eantionare randomizat pentru fiecare strat. Acest lucru ne permite s ne asigurm c fiecare grup este reprezentat n eantionul final. Numrul fiecrui grup este proporional cu mrimea stratului, ns dac acel grup este foarte mic, se procedeaz, la fel ca n cazul anterior, la mrirea numrului de subieci n eantion pentru asigurarea reprezentativitii. De exemplu, putem depista stratul fumtorilor, stratul nefumtorilor i stratul celor care au renunat la fumat. Aflm care este ponderea fiecrui strat n populaia general i apoi, din fiecare strat, extragem aleatoriu eantionul nostru. Metoda se aseamn cu cea prezentat anterior, diferena fiind aceea c, n eantionarea pe cote, evaluatorul poate alege liber subiecii dintr-un grup, n timp ce aici subiecii din grup sunt alei dinainte n baza eantionrii randomizate simple. Dac discutm de eantionare randomizat simpl, evident c se ridic din nou problema bazei de eantionare. Dei este mai precis n comparaie cu eantionarea pe cote, eantionarea stratificat se lovete de aceeai problem, dificultatea obinerii bazei de eantionare.
75
III.1.4 Eantionarea pe cluster

Un cluster reprezint o unitate care prin ea nsi se prezint ca un individ dintr-o populaie. Spre exemplu, dac populaia o considerm ca fiind aceea a liceelor din Romnia, un cluster este liceul C Negruzzi din Iai, un alt cluster liceul Mircea cel Btrn din Constana i aa mai departe. n acest caz, eantionarea se face pe uniti de eantionare, iar evaluarea se face exhaustiv la nivelul clusterului. Aadar, eantionul este stabilit pe uniti de eantionare i nu pe indivizi, iar la nivelul unei uniti de eantionare se evalueaz exhaustiv toate persoanele. Spre exemplu, dac baza de eantionare o constituie liceele din Romnia, care sunt, s presupunem, n numr de 3000, atunci vom extrage aleatoriu un eantion de 30 de licee pe care le vom investiga exhaustiv. Un asemenea liceu joac rolul unui individ dintr-o eantionare randomizat i poart numele de unitate de eantionare. Exist i alte modaliti de eantionare, ns acestea sunt cele mai importante pentru cercetarea n tiinele socio-umane. Rmne ns problema ct de mare s fie eantionul pentru a asigura generalizarea concluziilor la nivelul ntregii populaii. Pentru a trata acest aspect, va trebui s tim cteva lucruri despre distribuia datelor ntr-o populaie, mai precis despre curba de distribuie normal. De aceea, asupra acestei probleme vom reveni i o vom trata n amnunt ntr-un alt capitol.
III.2 Indicatori ai tendinei centrale

Calitatea datelor colectate este fundamental pentru scopul cercetrii. Am aflat n capitolul al doilea cum putem organiza setul de date brute, astfel nct informaiile s devin inteligibile. Urmeaz s ne asigurm c metoda prin care am colectat datele este adecvat i c acestea ne pot informa ntr-o manier tiinific. Am spus, de asemenea, c pentru volume mari de date, acest proces de organizare poate fi unul extrem de laborios i mare consumator de timp. De asemenea, probabil c ai fost surprini c n capitolul al doilea nu avem nici o aplicaie n SPSS. Motivul pentru care nu am inclus nici o
76
Cristian Opariuc-Dan aplicaie practic a fost acela c, n realitate, n momentul n care lansm o procedur de analiz de date, SPSS face automat aceast organizare. Indiferent ct de sofisticate ar fi analizele de date pe care le efectum, nu putem obine la ieire dect ceea ce am introdus la intrare. n statistic este perfect valabil principiul GIGO (Garbage In, Garbage Out Gunoi la intrare, gunoi la ieire). Iat c, nainte de a intra n procedee statistice mai elaborate, am discutat cteva elemente referitoare la eantionare. Ceea ce trebuie s reinei, este faptul c o cercetare greit proiectat duce n mod sigur la rezultate eronate. n cele mai multe cazuri, organizarea i sistematizarea datelor i reprezentarea grafic a acestora nu sunt suficiente. Avem nevoie de mai mult dect de desene i grafice frumoase pentru a da un sens acelor date i pentru a extrage concluzii utile. Uneori, avem nevoie s stabilim relaiile dintre dou sau mai multe variabile sau s vedem cum scorul la o anumit variabil este influenat de scorurile altor variabile. Alteori, trebuie s comparm variabilele, s vedem dac sunt diferene ntre ele i care este sensul acestor diferene. Toate aceste aspecte sunt reunite sub denumirea generic de analiz a datelor. n al doilea capitol, am vzut deja cum datele se concentreaz n jurul unor valori i am constatat c, n raport cu dimensiunea eantionului, subiecii pot fi considerai mai degrab scunzi dect nali. Iat c prin acest procedeu putem intui c datele noastre tind spre anumite valori considerate ca fiind centrale. Aadar, putem vorbi despre o tendin central a rezultatelor. Prima i cea mai comun form de descriere a datelor o reprezint analiza tendinei centrale. Msura tendinei centrale ne d o indicaie asupra scorurilor tipice din colecia de date. Cu alte cuvinte, ne indic modul n care se grupeaz datele n jurul unei valori. Cei mai importani indicatori ai tendinei centrale sunt media, mediana i modul.
77
Procedeele statistice urmresc, n aproape toate cazurile, modelarea lumii reale. Un model statistic este o reprezentare probabilistic a unei realiti care nu poate fi cunoscut nemijlocit. Ar fi foarte greu s cunoatem structura geologic a unui munte. Nu putem aduce muntele n laborator ca sl studiem i nici nu putem trimite mii de geologi care s investigheze fiecare roc din compoziia muntelui. Totui, tim c muntele este calcaros sau granitic, putem aprecia vechimea acestuia i era geologic de formare. Acest lucru devine posibil prin studiul unor eantioane prelevate din munte, pe baza crora s-a construit un model probabilistic al muntelui.
III.2.1 Media
Considerm c termenul de medie mai precis media aritmetic este conceptul cel mai uor de neles din ntreaga statistic. Au fost nenumrate situaiile n care ai ntlnit media: media la matematic pe trimestru sau semestru prin care putei ti dac ai rmas corigent sau ai luat premiu, media de la bacalaureat care v ridic sau v coboar ansele de admitere la facultate, la fel i media anilor de studiu, media de vrst din familia dumneavoastr sau media cheltuielilor zilnice care v ajut s v planificai mai bine bugetul. Deci ce este media? Media nu este altceva dect suma valorilor unei variabile, raportat la numrul msurtorilor, fiind, poate, cel mai simplu model statistic. Aceasta este media aritmetic, deoarece n statistic mai discutm i despre media geometric, media caracteristicilor alternative, media ptratic, media rangurilor etc. Aceste concepte le ntlnim ns mai rar n domeniul tiinelor socio-umane i, prin urmare, nu vom face dect s le amintim. Probabil c vi se va prea ciudat afirmaia anterioar. Cum adic media este un model statistic? Ei bine, aa este, deoarece nu reprezint altceva dect o valoare ipotetic ce poate fi obinut din orice set de date msurate la un nivel parametric. Dac, de exemplu, am nregistra numrul de frai pe care-i au cinci dintre prietenii mei, am obine urmtoarele valori: primul 78
Cristian Opariuc-Dan prieten are un frate, al doilea 2 frai, al treilea i al patrulea 3 frai i al cincilea 4 frai. Ci frai au n medie cei cinci prieteni ai mei? Dac adunm cele cinci valori i mprim la cinci, obinem o medie de 2,6 frai. Ci frai??? Repet, ci frai? Media spune clar: 2,6 frai. Ce nseamn 2,6 frai? Probabil doi frai ntregi i unul cruia i lipsete o mn sau un picior. Iat de ce media nu este altceva dect un model ipotetic, un model statistic care reprezint tendina, direcia spre care converg datele. Cnd vorbim de medie, trebuie s nelegem i condiiile n care o putem folosi, deoarece utilizarea ei n condiii inadecvate este inutil i primejdioas, putnd duce la multe confuzii i erori de interpretare. Am spus deja c putem folosi media doar n cazul n care datele se afl cel puin la un nivel de msurare de interval, altminteri nu are sens s discutm despre medie. Nu putem face, v amintii, media ntre un colonel i un cpitan. Ce-ar rezulta??!! n nici un caz un maior. De asemenea, media poate fi folosit doar n cazurile n care valorile individuale se grupeaz n jurul acesteia, iar valorile care se abat de la medie se anuleaz reciproc. Cu alte cuvinte, suma valorilor individuale mai mari dect media i suma valorilor mai mici dect media tind s se anuleze. Vom vedea, n acest capitol, care sunt limitele mediei i cum le putem evita i atunci vei nelege mai bine aceste concepte. =
=1
(formula 3.1)
Iat i prima formul care are darul s v sperie. n realitate, aceast formul este formula mediei aritmetice menionat mai sus. S-ar traduce prin suma tuturor valorilor de la i la k, mprit la numrul valorilor n. Semnul sigma este un semn folosit pentru a exprima suma. Observm c, pentru a avea sens, trebuie s existe cel puin un element. Pn acum nimic avansat. Media aritmetic se mai noteaz cu m sau folosind ca n formula noastr. De fapt, dac respectm strict conveniile de notare din literatura de speciali-
79
tate, atunci cnd vorbim de o populaie vom nota media cu (miu), iar cnd de referim la un eantion o vom nota cu m sau . Iat, avem un numr de 10 msurtori ale unor scoruri brute la un chestionar de anxietate, dup cum urmeaz: 10, 22, 31, 9, 24, 27, 29, 9, 23, 12. Media aritmetic va fi suma acestora mprit la numrul lor, n cazul nostru 10. Prin urmare, efectund calculele, obinem media de 19,6. Este greu, nu? = 10 + 22 + 31 + 9 + 24 + 27 + 29 + 9 + 23 + 12 196 = = 19,6 10 10
Vom reconsidera acum exemplul din capitolul al doilea i vom ncerca s-l utilizm pentru a efectua calculele n vederea stabilirii celor trei indicatori ai tendinei centrale. Vi-l reamintesc: Exemplu: Presupunem c msurm nlimea unor subieci n centimetri i obinem urmtoarele rezultate: 182, 175, 174, 189, 177, 177, 180, 173, 188, 171, 184, 192, 180, 172, 177, 193, 184, 192, 172, 177, 174, 171, 172, 179, 185, 179, 183, 172, 179, 188. Pentru a calcula media, va trebui s adunm toate aceste 30 de valori i s mprim suma rezultat la 30 care reprezint numrul msurtorilor. ncepei s adunai.. Suma tuturor acestor valori este 5391. Dac mprim aceast sum la 30, vom obine valoarea 179,7, care nu reprezint altceva dect media nlimii celor 30 de subieci. Ai observat probabil c v-a luat destul de mult timp s calculai aceast medie folosind adunarea valorilor. Nu ai avut dect 30 de valori de adunat. Acum imaginai-v c avei 3000 sau 5000 de valori. V putei da cu uurin seama c, n asemenea condiii, calculul mediei devine extrem de dificil i foarte susceptibil la erorile ce pot s apar. Cnd volumul datelor este destul de mic, putem calcula media prin nsumarea valorilor i prin raportarea acestei sume la numrul de msurtori. Dac volumul de date este
80
Cristian Opariuc-Dan ns mare, iar datele sunt grupate, vom prefera o alt metod de calcul, folosind aceste date grupate. Iat o prim aplicaie a datelor grupate. V mai aducei aminte de distribuia statistic folosit n capitolul doi? O vom reproduce i apoi vom modifica acest tabel astfel nct s ne permit calculul mediei. tim c intervalul de grupare este i=4, iar acest interval a fost stabilit prin aproximare. Urmeaz s stabilim valoarea central xk Clasa f fc % %c ,care nu reprezint altceva 171 174 9 9 30,00 30,00 175 178 5 14 16,66 46,66 dect mijlocul intervalului 179 182 6 20 20,00 66,66 curent. Astfel, pentru pri183 186 4 24 13,33 80,00 mul interval avem valorile 187 190 3 27 10,00 90,00 191 -193 3 30 10,00 100,0 171, 172, 173, 174. Valoan=30 100% rea central a intervalului va fi, aadar, ntre 172 i 173, mai precis 172,5. Pentru al doilea interval, avem 175, 176, 177, 178 i, deci, valoarea central devine n acest caz 176,5 i aa mai departe. Ultimul interval conine ns doar trei elemente i anume 191, 192, 193. Aici valoarea central va fi, deci, 192.
Tabelul 3.3 Distribuia statistic
Distribuia n linii ||||||||| ||||| |||||| |||| ||| |||
Urmeaz apoi, stabilirea valorii fxxk care reprezint nmulirea, pentru fiecare clas, a valorii xk cu frecvenTabel 3.4 Calculul mediei aritmetice a absolut f. Pentru primul interval Clasa xk f fxxk 171 174 172,5 9 1552,5 vom avea, aadar, 172,5 x 9 = 175 178 176,5 5 882,5 1552,5. Al doilea interval va avea ca 179 182 180,5 6 1083 183 186 184,5 4 738 rezultat produsul 176,5 x 5 = 882,5 187 190 188,5 3 565,5 i aa mai departe pn la ultimul 191 -193 192 3 576 interval. n=30 = 5397,5 Adunm apoi toate aceste produse obinute n coloana fxxk , pentru a stabili suma produselor, . n cazul nostru, 1552,5 + 882,5 + 1083 + 738 + 565,5 + 576 = 5397,5. Constatm c valoarea este foarte apropiat de valoa-
81
rea exact obinut prin nsumarea tuturor valorilor (5391). Acum, dac mprim totalul 5397,5 la numrul de msurtori n vom obine valoarea mediei 179,91. Aceast nou valoare difer foarte puin de media real obinut prin nsumarea valorilor. Acest lucru se ntmpl, deoarece media pune n eviden tendina central a rezultatelor constatate ntr-o cercetare, iar gruparea datelor introduce o eroare n calculul mediei pentru c se face ipoteza c elementele fiecrei clase sunt concentrate la mijlocul intervalului, ceea ce nu este aa. Cei zece subieci din primul interval, tim bine, nu au nlimi concentrate n jurul valorii de 172,5 i cu att mai puin subiecii din celelalte intervale. Cu ct intervalul de grupare este mai mare, cu att aceast eroare de grupare va avea o valoare mai mare. Statisticienii consider ns c, la volume mari de date, eroarea este neglijabil comparativ cu timpul alocat nsumrii valorilor. Iat c, din cele expuse mai sus, putem deduce o nou formul pentru medie, valabil n cazul datelor grupate: =
=1
(formula 3.2)
unde fk reprezint frecvena absolut a unei clase k, xk reprezint mijlocul clasei k, iar n reprezint numrul total de subieci. Calculnd media, se obine o msur a nivelului mediu relativ la un eantion studiat, fapt ce permite apoi comparaii ntre grupe. Media aritmetic prezint o serie de proprieti importante, foarte utile nelegerii condiiilor de utilizare a acestui indicator statistic. Adugnd sau scznd o constant la fiecare valoare (scor) individual, media se mrete sau se micoreaz cu valoarea acelei constante; nmulind sau mprind fiecare scor individual cu o constant, media se multiplic sau se divide cu valoarea acelei constante;
82
Cristian Opariuc-Dan Suma scorurilor cu valori mai mici dect media este egal cu suma scorurilor mai mari dect media, astfel nct scorurile mai mici dect media anuleaz scorurile mai mari dect media;
O variant a mediei, utilizat destul de des n cercetrile socio-umane, se refer la media ponderat. n cazul mediei aritmetice simple, fiecare scor particular are aceeai pondere n calculul acestui indicator, situaie care se schimb atunci cnd ne referim la media ponderat. n acest caz, ponderea scorurilor este diferit. S presupunem c administrm unui subiect un numr de 4 teste de inteligen, notate testul 1, testul 2, testul 3 i testul 4, la care subiectul obine urmtoarele scoruri (pe o scal de la 1 la 10): 6, 8, 9, 7. Media aritmetic se calculeaz foarte simplu, adunnd aceste valori i apoi mprind suma rezultat la patru. Obinem un scor mediu de 7,5. Pentru calcului mediei ponderate, trebuie ca fiecare dintre cele patru teste s aib o pondere n scorul final. Primul test, fiind mai greu, va avea o pondere mai mare, s spunem 5. Al doilea test va avea ponderea 1, al treilea test 2 i al patrulea test 3. Totalul ponderilor va fi, aadar, 5+1+2+3=11. Cunoscnd aceste elemente, putem calcula media ponderat, astfel: =
5 6 + 1 8 + 2 9 + (3 7) 30 + 8 + 18 + 21 77 = = =7 11 11 11
Avnd n vedere algoritmul de mai sus, putem scrie n continuare formula mediei ponderate, dup cum urmeaz: =
=1 =1
(formula 3.3)
unde pi reprezint ponderea scorului, iar xi reprezint scorul
III.2.2 Mediana i rangurile

Mediana este o alt msur a tendinei centrale i reprezint valoarea care mparte irul de msurtori n dou pari egale; jumtate din 83
irul de date va avea valori mai mici dect mediana, n timp ce cealalt jumtate va avea valori mai mari dect mediana. S considerm urmtorul ir de date: Scoruri: 12, 14, 10, 11, 15, 14, 12, 20, 19, 20, 13, 11, 14, 8 Pentru a calcula mediana, primul pas este acela de a ordona cresctor sau descresctor aceste date. Ordonnd cresctor irul de mai sus, obinem: Scoruri: 8, 10, 11, 11, 12, 12, 13, 14, 14, 14, 15, 19, 20, 20 Dup definiia medianei, n cazul nostru avem 14 valori. Prin urmare, mediana va fi valoarea care mparte acest ir ordonat n dou pri egale. Fiind 14 valori, mediana este situat la limita primelor apte valori. Deoarece irul este un ir par, mediana se situeaz, n cazul nostru, ntre valoarea 13 i valoarea 14, mai precis la valoarea 13,5. n cazul unui ir impar, mediana este valoarea de la mijlocul unui ir. Dac relum exemplul anterior, i mai adugm un scor, obinem: Scoruri: 12, 14, 10, 11, 15, 14, 12, 20, 19, 20, 13, 11, 14, 8, 9 irul are acum 15 valori. Ordonnd irul, obinem: Scoruri: 8, 9, 10, 11, 11, 12, 12, 13, 14, 14, 14, 15, 19, 20, 20 De data aceasta, la mijlocul acestui ir, gsim valoarea 13, valoarea medianei. Ordonnd un ir, putem preciza poziia fiecrui element n cadrul acelui ir. Astfel, dac lum irul ordonat de 15 valori din exemplul de mai sus, obinem: Scoruri: Poziia: 8, 9, 10, 11, 11, 12, 12, 13, 14, 14, 14, 15, 19, 20, 20 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15
84
Cristian Opariuc-Dan Altfel spus, mediana nu este altceva dect poziia rangului din mijloc n irul ordonat de date. ntr-o serie de la 1 la 15, poziia din mijlocul irului este evident, poziia 8. Acesta este de altfel i locul n care gsim mediana. Am accentuat asupra poziiei n ir i nu am discutat despre rang. n cazul n care avem dou sau mai multe scoruri identice (n exemplul nostru fiind vorba despre 11, 12, 14 i 20), poziia n cadrul irului exprim poziia fizic a acelui element. Observm c scorul 12 ocup poziia 6 i 7 n cadrul irului, elementul 14 poziia 9, 10 i 11 i aa mai departe. Cnd vorbim de rangul unui scor i avem mai multe scoruri care se repet, rangul acestora va fi media aritmetic a poziiilor pe care scorurile le ocup n cadrul irului. Astfel, dac relum exemplul nostru, l putem completa i cu rangul scorurilor, astfel: Scoruri:8, Poziia:1, Rang: 1, 9, 10, 11, 11, 12, 12, 13, 14, 14, 14, 15, 19, 20, 2, 3, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 20 15
4.5, 4.5, 6.5, 6.5, 8, 10, 10, 10, 12, 13, 14.5, 14.5
Iat, deci, c scorul 11 apare pe poziia 4 i 5 de dou ori. Prin urmare, rangul acestor scoruri este media dintre 4 i 5, adic 4,5. La fel, scorul 12 apare pe poziiile 6 i 7, rangul acestora fiind 6,5. Scorul 14 apare pe poziiile 9, 10 i 11, rangul acestora fiind 10 i aa mai departe. Mediana poate fi calculat i atunci cnd avem datele grupate 6. n acest sens, am reluat exemplul anterior de calcul al mediei. Ceea ce trebuie s tim sunt frecvenele cumulate i numrul total de cazuri. n exemplul nostru, numrul total de cazuri este 30. Mediana fiind valoarea care mparte grupul de subieci n dou pri egale, ea poate fi calculat dup formula alturat, unde l este limita inferioar a intervalului care conine mediana, i este intervalul de clas care conine mediana, PozMe poziia medianei, fc reprezint
6
Asemenea mediei, calculul medianei prin acest procedeu reprezint o aproximare a acesteia i nu valoarea ei exact.
85
frecvena cumulat a intervalului pre-median (totalul frecvenelor situate nainte de median, iar f reprezint frecvena absolut a intervalului medianei. = +
1
(formula 3.4)
n cazul nostru, avnd 30 de msurtori, mediana va fi undeva ntre poziia 15 i poziia 16, mai precis la 15,5, Tabel 3.5 Distribuia statistic calcul aa cum am prezentat anterior. Practic, median Distribumsurtoarea care reprezint poziia meClasa f fc ia n linii dianei este determinat de formula 171 174 |||||||||| 9 9 =
+1 2
,dac numrul de cazuri n
este un numr par. Dac n este un numr impar, poziia medianei este dat de formula = 2 . n cazul nostru, poziia medianei va fi la a
30+1 2
175 178 179 182 183 186 187 190 191 -193
||||| |||||| |||| ||| |||
5 6 4 3 3 n=30
14 20 24 27 30
= 15,5-a msurtoare. Dac privim n tabelul de mai
sus, la frecvene cumulate, observm c aceast poziie corespunde intervalului 179-182, intervalul imediat superior celei de a 14-a msurtori. Limita inferioar a acestui interval (l) este 179, intervalul de clas (i) este 4 (179, 180, 181, 182), frecvena cumulat a intervalului pre-median (fc) este 14, iar frecvena absolut (f) este 6. Avem acum toate datele necesare pentru a le nlocui n formul i obinem valoarea 180. Iat i valoarea medianei, pe care o putem obine n cazul n care valorile sunt grupate n clase. = 179 + 4
30 +1 14 2
= 179 + 4
15,514 6
= 179 + 4
1,5 6
= 180
Mediana i rangurile sunt intens folosite atunci cnd lucrm cu date neparametrice sau atunci cnd media nu este un indicator fidel al tendinei centrale.
86
III.2.3 Modul
Doamnele, domnioarele ne pot spune cel mai bine ce este mdul, cruia i se mai spune mod, mod sau valoare modal, n niciun caz modl cum am auzit deseori. Un modul poate fi ataat unei staii cosmice eventual, ns nu poate identifica indicatorul tendinei centrale despre care vrem s discutm. Deci, doamnelor, ce este n definitiv moda? Ce nelegem cnd spunem c ceva este la mod? Desigur, ceva este la mod atunci cnd o mare parte dintre oameni poart, utilizeaz acel lucru. Spunem c cizmele roz sunt la mod, adic foarte multe fete poart cizme roz. Iat un alt cuvnt din limbajul uzual, provenind din acelai cmp etimologic al statisticii. Prin urmare, modul nu este altceva dect categoria cu frecvena cea mai mare. Foarte complicat, ntr-adevr Dac avem irul de date: 2, 15, 16, 18, 18, 21, 21, 21, 21, 25, 26 n acest caz, observm c exist un singur 2, un singur 15, un singur 16, doi de 18, patru de 21, un 25 i un 26. Care e categoria cu frecvena cea mai mare? Evident 21. Deci, modul este 21. Modul poate fi calculat i n cazul n care datele sunt grupate n clase 7. n acest caz, este prezentat mai jos formula de calcul, n care l reprezint limita inferioar a intervalului modal (intervalul cu frecvena absolut cea mai mare), fm reprezint frecvena absolut a intervalului modal, fm-1 frecvena absolut a intervalului pre-modal (intervalul aflat naintea intervalului modal), fm+1 frecvena absolut a intervalului post-modal (intervalul aflat dup intervalul modal), iar i este intervalul de clas al clasei modale. = + 2
1
1 +1
(formula 3.5)
Asemenea mediei i a medianei, calculul modului prin acest procedeu reprezint o aproximare a acestuia i nu valoarea sa exact.
87
n cazul nostru, intervalul modal este intervalul cu frecvena absolut cea mai mare, adic primul interval, 171-174, care are frecvena absolut 9. Intervalul pre-modal nu exist, deci frecvena lui este 0, iar intervalul postmodal este intervalul 175-178, care are frecvena absolut 5. Evident, intervalul de clas (i) este din nou 4 (171, 172, 173, 174). Aplicm acum formula i Tabel 3.6 Distribuia statistic calcul mod obinem 173,76. 90 = 171 + 4 2905 9 = 171 + 4 13 36 = 171 + 13 = 173,76
Clasa 171 174 175 178 179 182 183 186 187 190 191 -193 Distribuia n linii |||||||||| ||||| |||||| |||| ||| ||| f 9 5 6 4 3 3 n=30
III.2.4 Precizia indicatorilor tendinei centrale

Am ntlnit, iat, trei indicatori ai tendinei centrale. Care dintre cei trei indicatori caracterizeaz mai bine setul nostru de date? Care este mai precis? Media, vei spune toi i poate aa i este. Dar haidei s ne mai gndim ce nseamn, totui, tendina central? Evident, un indicator al scorurilor tipice din setul nostru de date, un model statistic al unei realiti. Cu alte cuvinte, un indicator care descrie ct mai exact setul de date i care ne poate spune cum se prezint majoritatea datelor. Haidei s considerm urmtorul set de date:
1, 2, 3, 4, 5, 6, 7, 8, 9, 10
n acest caz, media este 5,5, iar mediana tot 5,5. S modificm puin ultima cifr din setul nostru de date:
1, 2, 3, 4, 5, 6, 7, 8, 9, 20
Iat c, media devine acum 6,5, n timp ce mediana rmne 5,5. Haidei s modificm mai mult ultima cifr:
88
1, 2, 3, 4, 5, 6, 7, 8, 9, 100
Acum media va fi 14,5, n timp ce mediana rmne tot 5,5. Putei intui care indicator caracterizeaz cel mai bine tendina central n ultimul set de date? Mediana, vei spune i avei dreptate. Iat c, atunci cnd avem scoruri extreme, foarte mari sau foarte mici n comparaie cu setul de date, mediana este un indicator mai bun dect media. Despre modul n care depistm scorurile extreme, vom discuta ntr-un alt capitol. Pentru a nelege mai bine, lum ca exemplu veniturile zilnice ale unor persoane, dup cum urmeaz, n RON:
100, 105, 110, 115, 120, 125, 130, 135, 140
n cazul nostru, media este 120, iar mediana este tot 120. Putem concluziona ca aceti oameni sunt relativ sraci, ctig doar 120 de RON pe zi. Dar haidei s modificm ultima valoare, n loc de 140 vom stabili 1400. irul devine:
100, 105, 110, 115, 120, 125, 130, 135, 1400
n acest caz, media devine 260, n timp ce mediana rmne tot 120. Putem, oare, afirma c aceti nou oameni ctig n medie 260 RON zilnic? Categoric nu; observm c, n afar de ultima persoan, eventual un mare latifundiar i implicat n tranzacii sportive, niciuna dintre cele opt persoane rmase nu ctig nici mcar 150 RON, darmite 260. Dac ne-am lua dup medie, am putea spune c oamenii acetia sunt relativ bogai, ceea ce este complet fals. Prin urmare, acest scor extrem face media nereprezentativ pentru setul de date. Cel mai bun indicator rmne tot mediana. Desigur, mediana nu este un indicator att de sensibil ca i media, ns n momentul n care nu putem folosi media datorit valorilor extreme, folosim mediana ca indicator al tendinei centrale.
89
O alt observaie o facem n situaia datelor neparametrice, aflate la un nivel nominal de msurare. Spre exemplu, urmrim culoarea ochilor unor elevi dintr-o clas i obinem:
Albatri = 5, Verzi = 6, Cprui = 15, Negri = 10
n acest caz, nu putem folosi media ca indicator al tendinei centrale pentru c nu are sens (care e media? Un soi de albastro-verzuio-cpruinegri????), dar nici mediana, pentru c nu putem ierarhiza categoriile. Nu putem spune c o culoare de ochi este superioar alteia. Singurul indicator al tendinei centrale rmne modul. Bazndu-se pe o simpl numrare de frecvene, are sens s vorbim aici de mod i s afirmm c modul este cprui, aceasta fiind categoria cu frecvena cea mai mare. Prin urmare, pentru date neparametrice aflate la un nivel nominal de msurare, singurul indicator al tendinei centrale care poate fi calculat este modul. Modul poate fi, de asemenea, un bun indicator al tendinei centrale i n cazul datelor parametrice. S considerm urmtorul exemplu:
1, 2, 2, 2, 2, 2, 2, 2, 3, 4, 5, 6, 7, 8 1, 2, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12
n primul caz, observm c avem o frecven foarte mare a categoriei 2 comparativ cu al doilea caz. Deci, n primul caz, modul ar fi cel mai bun indicator al tendinei centrale (al scorurilor tipice din serie). i n al doilea caz, modul este tot doi, ns observm c apare doar o singur dat n plus n comparaie cu celelalte valori, spre deosebire de primul caz n care apare de ase ori n plus. Iat c n al doilea caz, modul nu este un bun indicator al tendinei centrale i se prefer media, n timp ce, n primul caz, se prefer modul, acesta indicnd cel mai bine scorurile tipice.
90
Cristian Opariuc-Dan n situaia n care frecvena unei categorii este mult mai mare n comparaie cu frecvena celorlalte categorii, cel mai bun indicator al tendinei centrale este modul. Cel mai sensibil indicator este media, deoarece se bazeaz pe scoruri, ns media induce erori dac avem scoruri extreme, mult mai mari sau mult mai mici n comparaie cu celelalte scoruri. Mediana se bazeaz pe ranguri i, de aceea, este mai puin precis dect media, ns i insensibil la aceste scoruri extreme. Modul se bazeaz pe frecvena de apariie i este cel mai imprecis indicator al tendinei centrale, dar i cel mai flexibil. l putem folosi n cazul datelor categoriale sau n cazul n care o categorie are o frecven mult mai mare n comparaie cu celelalte categorii. De asemenea, pentru date categoriale (neparametrice la nivel nominal de msurare), putem folosi doar modul ca indicator al tendinei Figura 3.1 Baza de date populat cu date afiarea asociacentrale. Pentru date oriilor sub form de coduri dinale, unde putem stabili ierarhii, putem folosi modul sau mediana, iar pentru date parametrice (scalare) putem folosi modul, mediana sau media n funcie de tipul datelor.
91
III.2.5 Obinerea indicatorilor tendinei centrale n SPSS

V mai amintii, cred, de baza de date creat n SPSS n capitolul unu i pe care am numit-o IQ. Haidei s o deschidem. Dac nu reuii, revedei primul capitol. Acum vom introduce cteva date n SPSS. Trecem, deci, n modul Data View prin apsarea tabulatorului din partea din stnga jos a programului SPSS. Se afieaz o foaie de lucru, un tabel similar tabelului din Excel, n care, pe prima coloan, cea de culoare gri (capul de tabel), ntlnim numele variabilelor definite anterior. Modul de lucru este analog celui din Excel. Se scriu pur i simplu datele n celule. Atenie! Avem dou variabile pentru care am asociat valori: variabila sexul i variabila scoala. Aici nu vom scrie cuvntul Masculin sau Feminin, ci vom tasta 1 pentru Masculin i 2 pentru Feminin. La fel i n cazul variabilei scoala, vom tasta 1 pentru Primare, 2 pentru Gimnaziu i aa mai departe. Baza dumneavoastr de date trebuie s arate n final ca n figura de mai sus. O mic precizare. Pe bara de instrumente, penultimul buton se numete Value Labels i arat ca n imaginea alturat. La o apsare a acestuia, butonul se activeaz, iar n baza de date se afieaz etichetele asociaiilor fcute, ca n figura alturat. La o nou apsare, etichetele asociaiilor nu se mai afieaz, ci se afieaz valorile asociaiilor ca n figura mare de Figura 3.2 Baza de date cu afiarea etichetelor asocierilor mai sus.
92
Cristian Opariuc-Dan Dup ce am introdus cele 30 de date, vom salva baza de date i vom iniia procedura de extragere a indicatorilor tendinei centrale. Indicatorii tendinei centrale ne sunt furnizai prin intermediul numeroaselor proceduri statistice. Cele mai simple comenzi, pentru a nu complica inutil expunerea, le gsim n meniul Analyze i apoi n meniul Descriptive Statistics. n traducere, Figura 3.3 Lansarea proceanalize statistici descriptive. Primele trei codurilor de analiz descriptiv pe frecvene menzi din acest submeniu pot extrage indicatorii tendinei centrale. Vom analiza doar prima comand, comanda Frequencies, urmnd ca celelalte dou s le discutm cu alte ocazii, deoarece presupun i alte informaii. Comanda Frequencies sau frecvene prezint cele trei puncte, fapt care va duce la deschiderea unei noi casete de dialog. Dai clic pe aceast comand i vei obine o caset ca cea din imaginea de mai jos.
Figura 3.4 Caseta de analize descripn partea stng se afl o list cu tive utilizndu-se frecvenele toate variabilele din baza dumneavoastr de date. Alturi de aceast list, se afl un buton de transfer (acel buton cu o sgeat pe el). Urmeaz apoi lista Variable(s), care nseamn variabilele pe care le introducem spre analiz. Pentru a introduce o variabil spre analiz, trebuie s o selectm, printr-un clic simplu pe numele acesteia, din lista de variabile din partea stng. O variabil Figura 3.5 Includerea variabilelor spre selectat are fundalul albastru (sau o analiz
93
alt culoare n funcie de schema de culori a calculatorului dumneavoastr). Dup ce o selectai, apsai butonul de transfer (care va avea sgeata orientat spre lista Variable(s)) pentru a transfera variabila dumneavoastr n lista variabilelor ce urmeaz a fi analizate. n figura din stnga, transferm variabila Varsta subiectilor din lista variabilelor din baza de date n lista variabilelor supuse analizei. n final, va trebui s obinei o imagine ca cea de alturi. Observai c dac am transferat variabila Varsta subiectilor n lista variabilelor supuse analizei, butonul de transfer i-a schimbat sensul. Acum, dac apsm pe el, scoatem variabila noastr din lista variabilelor supuse analizei (dup ce, n prealabil, evident, o selectm) i o introducem n lista variabilelor totale din baza de date. Oricum, acest buton de transfer ne va nsoi permanent n analizele noastre, deoarece va trebui s spunem programului ce variabile s analizeze i pe care s nu le analizeze. Vom trece n revist acum toate comenzile din aceast fereastr, cu precizarea c unele dintre ele vor fi abordate n detaliu n cadrul altor capitole. Caseta de bifare Display frequency tables informeaz aplicaia SPSS dac s afieze tabelul frecvenelor (n condiiile n care aceast caset o bifai) sau s nu-l afieze (n condiiile n care nu o bifai). Tabelul frecvenelor este acel tabel general, studiat la capitolul despre organizarea datelor, nainte de a grupa valorile n clase. Iat c, acum, am ales ca acest tabel al frecvenelor s fie afiat. n partea dreapt a acestui formular, se afl un numr de cinci butoane de acionare. Butonul OK este butonul pe care vom apsa pentru a lansa analiza, dup ce am configurat modul n care dorim ca analiza s fie efectuat.
94
Cristian Opariuc-Dan Butonul Paste este un buton pe care nu-l vom folosi deloc. El permite lipirea codului care efectueaz analiza curent ntr-o fereastr de sintax de comenzi. El se adreseaz utilizatorilor care doresc s fac programare n SPSS, utiliznd limbajul propriu de programare al acestei aplicaii. ntr-o alt lucrare, vom aborda i aspecte legate de programarea n SPSS. Butonul Reset permite reiniializarea ferestrei la starea ei original. Cu alte cuvinte, toate variabilele din lista de analiz sunt eliminate, toate configurrile de analiz pe care le-am fcut sunt iniializate la valoarea lor implicit. Este un buton pe care-l vom folosi destul de frecvent. Butonul Cancel este butonul prin care renunm la analiz i nchidem aceast fereastr, fr a mai efectua nicio operaiune. Butonul Help este butonul cu ajutorul cruia obinem asisten i informaii (n limba englez) referitoare la funcionarea acestei proceduri. Dac tii englez, nu ezitai s-l utilizai. SPSS are un tutorial excelent pe care l putei parcurge i nelege cu succes.
n partea de jos a formularului, se afl trei butoane care permit configurarea statisticilor pe care le vom calcula. Butonul Statistics este butonul pe care vom i apsa acum pentru a calcula indicatorii tendinei centrale. Dup cum i spune i numele, cu ajutorul acestui buton, putem stabili ce statistici descriptive vom analiza. Iat c cele
Figura 3.6 Fereastra de alegere a indicatorilor tendinei centrale
95
trei puncte de suspensie deschid acum o nou fereastr. Fereastra are mult mai multe opiuni. Pentru moment, ne vom rezuma la cele care ne intereseaz. Observm c, n partea dreapt a acestei noi ferestre, gsim seciunea Central Tendency, adic exact ceea ce urmrim s punem n eviden. n aceast seciune, observm casetele de bifare Mean (media), Median (mediana) i Mode (modul). Acestea sunt elementele pe care dorim s le calculm. Vom bifa deci, una cte una, aceste casete, prin efectuarea unui clic simplu pe ele, astfel nct formularul s arate ca n figura de mai sus. Mai exist i caseta de bifare Sum (suma), prin bifarea creia obinem suma valorilor din variabila respectiv. Variabila noastr este vrsta subiecilor i nu ne intereseaz s nsumm vrstele celor 30 de subieci. Ar fi un indicator fr nici o relevan pentru noi. Dup ce am bifat cele trei casete, apsm butonul Continue (continuare), pentru a prsi aceast fereastr i a ne ntoarce n cea iniial. Acum am comunicat programului SPSS ce indicatori statistici s extrag. Butonul Chart i Format permite afiarea unor grafice, respectiv configurarea modalitii n care vor fi afiate rezultatele. Despre aceste butoane vom discuta cu alt ocazie. Cam asta ar fi tot. Practic, am spus programului SPSS s calculeze media, mediana i modul pentru variabila Varsta subiectilor cu afiarea tabelului de frecvene. Nu ne rmne acum dect s apsm butonul OK i s
Figura 3.7 Fereastra de afiare a rezultatelor
96
Cristian Opariuc-Dan vedem ce se ntmpl. Iat c a aprut fereastra de rezultate sau fereastra Output. Nu vom intra acum n detalii explicative ale acestei ferestre, pentru c s-ar putea s v speriai de prea multe informaii i s trecei la Solitaire. Ne vom concentra asupra celor dou tabele pe care le-a generat SPSS n partea din dreapta a ferestrei de rezultate (partea cea mare), care nu reprezint altceva dect cele dou tabele pe care le-am solicitat. Primul tabel conine indicatorii tendinei centrale pe care i-am configurat n etapa anterioar. Tabelul se numete Statistics i conine n partea de sus numele variabilei, Varsta subiectilor, pentru a putea identifica variabila cu care operm. Apoi ne d numrul de cazuri, N, i ne spune c sunt 30 de date valide (Valid) i zero date lips (Missing). Cu alte cuvinte, toi cei 30 de subieci au nregistrat vrsta lor. Nu exist nici un subiect la care s fi uitat s introducem aceast valoare. n continuare, ne spune c media de vrst este 29,33 (Mean), mediana este 29 (Median), iar modul. avem o problem. SPSS ne inforTabel 3.7 Indicatorii tendinei centrale Statistics meaz n josul tabelului c Varst a subiectilor sunt mai multe valori cu N Valid 30 frecvena cea mai mare i Missing 0 Mean 29,33 c o va afia pe cea mai Median 29,00 mic, 24 (Multiple modMode 24a es exist. The smallest a. Mult iple modes exist. The smallest v alue is shown value is shown). Acesta este, deci, un singur mod real, cel inferior, i urmeaz s vedem care este i cealalt valoare modal, deoarece avem o distribuie cu mai multe moduri (multimodal).
97
Urmtorul tabel este tabelul de frecvene. i aici se afieaz numele variabilei. Probabil c acest Tabel 3.8 Distribuia statistic Varsta subiectilor tabel v pare extrem de cunosCumulat iv e cut. Desigur, nu avem diagraFrequency Percent Valid Percent Percent Valid 20 2 6,7 6,7 6,7 ma n linii, ns tabelul seam21 1 3,3 3,3 10,0 24 5 16,7 16,7 26,7 n frapant cu cel descris de noi 26 3 10,0 10,0 36,7 28 1 3,3 3,3 40,0 la capitolul despre sistematiza29 5 16,7 16,7 56,7 30 1 3,3 3,3 60,0 rea datelor. Astfel c acum 31 3 10,0 10,0 70,0 32 1 3,3 3,3 73,3 toate valorile sunt ordonate 34 1 3,3 3,3 76,7 35 2 6,7 6,7 83,3 cresctor i avem frecvena 37 2 6,7 6,7 90,0 38 2 6,7 6,7 96,7 absolut (Frequency) pen39 1 3,3 3,3 100,0 tru fiecare valoare, frecvena Total 30 100,0 100,0 relativ (Percent) i frecvena relativ cumulat (Cumulative percent). Mai apare o coloan, frecvena relativ valid (Valid percent), care este identic cu frecvena relativ, deoarece nu exist valori lips n irul nostru de date. Iat c acum putem s gsim i cellalt mod. tim c primul mod este 24, iar acesta este modulul inferior. Ne uitm n tabelul de frecvene i vedem c valoarea 24 are frecvena 5. Cutm acum o valoare mai mare de 24 cu aceeai frecven i observm c este 29. Prin urmare, cele dou valori modale sunt 25 i 29. Aceasta este metoda cea mai simpl i cea mai complet de extragere a indicatorilor tendinei centrale. nchidem acum fereastra de rezultate, prin efectuarea unui clic pe butonul X din colul din dreapta sus al acesteia. n concluzie:
Populaia reprezint totalitatea unor elemente dintr-un anumit spaiu la un anumit moment dat; n mod curent, nu putem studia populaia i de aceea lucrm cu eantioane extrase din populaie, care s fie reprezentative, adic s respecte caracteristicile populaiei pe anumite criterii; Cele mai utilizate metode de eantionare sunt: o Eantionarea simplu randomizat;
98
o Eantionarea pe cote; o Eantionarea pe straturi; o Eantionarea pe clusteri. Indicatorii tendinei centrale sunt media, mediana i modul; Media este cel mai precis indicator, urmat fiind de median i de mod; Pentru date categoriale, singurul indicator ce poate fi utilizat este modul; Pentru date ordinale, se poate utiliza modul sau mediana; Pentru date parametrice se folosete modul, mediana sau media; Media nu se folosete atunci cnd avem scoruri extreme, foarte mici sau foarte mari n distribuia noastr; Modul se folosete la date parametrice atunci cnd frecvena unei valori este foarte mare n comparaie cu frecvena celorlalte valori; Media nu poate fi folosit la date neparametrice.
99
IV. MEDIA POPULAIEI. REPREZENTRI GRAFICE ALE

TENDINEI CENTR ALE
n acest capitol se va discuta despre: Teorema limitei centrale; Reprezentri grafice ale datelor; Interpretri ale reprezentrilor grafice de date; Dup parcurgerea capitolului, cursanii vor fi capabili s: neleag termenul de medie a eantioanelor; Reprezinte grafic datele utiliznd SPSS; Interpreteze semnificaia reprezentrilor grafice.
Atunci cnd lucrm cu un eantion, deci cu un numr relativ redus de subieci, calculul mediei nu este o operaiune att de dificil. Indiferent dac folosim formula de definiie a mediei sau o alt modalitate de calcul, n final, vom reui obinerea acestui indicator al tendinei centrale. Ce ne facem ns atunci cnd avem de stabilit un asemenea indicator la nivelul populaiei? Dac ne propunem s aflm media nlimii populaiei din Romnia, cum am putea, oare, proceda? Teoretic ar trebui s msurm nlimea fiecrui om din Romnia i apoi s mprim suma acestor nlimi la populaia total a rii. Practic, acest lucru este imposibil. Avem oare vreo variant prin care s putem afla totui acest indicator? Vei afirma c putem extrage un eantion din populaie i avei dreptate. Vom extrage un eantion, ns exist posibilitatea s selectm n acest eantion oameni mai curnd nali. Dac, de exemplu, obinem o medie a nlimii persoanelor din eantion de 178 centimetri, putem afirma c aceasta este media populaiei din Romnia? Nu cred c putem face aceast supoziie. Putem ns s mai extragem un eantion i obinem o medie a nlimii populaiei de 165 centimetri. Aceast nou valoare este evident diferit de prima evaluare i putem suspecta c am ales n eantion persoane mai curnd scunde. Prin urmare, care dintre cele dou medii se apropie mai mult de media nlimii populaiei din Romnia? Rspunsul este acela c
100
Cristian Opariuc-Dan niciuna. Vom putea ns face media acestor dou eantioane. Adunm 178 cu 165 i mprim la doi. Obinem 171,5 centimetri, un indicator mai precis pentru media populaiei. Iat c media eantioanelor este un indicator care aproximeaz mai bine media unei populaii. Cu ct avem mai multe eantioane, cu att putem stabili mai precis media populaiei. Aceast caracteristic a mediei eantioanelor de a tinde ctre media populaiei poart n statistic numele de teorema limitei centrale. Asupra acestui aspect vom reveni i vom avea ocazia s-l tratm amnunit ntr-un alt capitol.
IV.1 Reprezentri grafice

Am studiat n primul capitol o serie de reprezentri grafice uzuale. Vom vedea cum putem reprezenta grafic datele folosind SPSS i ce semnificaie au aceste reprezentri. Aadar, vom deschide baza de date creat anterior, baza de date IQ, i ne propunem s reprezentm datele noastre printr-un grafic cu bare.
Vom folosi pentru aceasta meniul Graphs i apoi opiunea Bar n general, n meniul Graphs gsim toate posibilitile de reprezentare grafic a datelor pe care SPSS le pune la dispoziie8. n momentul n care am accesat opiunea Bar... apare o nou fereastr, n care va trebui s alegem tipul de grafic cu bare pe care dorim s-l reprezentm. Avem la dispoziie trei variante: Simple (simplu), Clustered (pe clusteri) i
8
Figura 4.1 Meniul pentru graficul cu bare
Figura 4.2 Alegerea tipului de grafic cu bare
n SPSS versiunea 15, modalitatea de construcie a graficelor difer radical, fiind mult mai simpl i mai inteligent. Vom aborda aspectele grafice ale aplicaiei SPSS 15, la sfritul acestui volum i n volumele viitoare
101
Stacked (aditiv). Graficul simplu ne permite reprezentarea cu bare doar a variabilei noastre (n cazul nostru vom folosi reprezentarea cu bare a coeficientului de inteligen, iq). Graficul pe clusteri l folosim dac dorim s includem o variabil categorial (de exemplu, dac dorim s prezentm comparativ coeficientul de inteligen al brbailor i al femeilor), iar graficul aditiv prezint valorile una deasupra alteia i se folosete atunci cnd urmrim s vedem cu ct crete o variabil n timp sau care este rezultatul cumulrii mai multor variabile. n cazul nostru, vom folosi graficul cu bare simplu. Aadar vom efectua clic pe imaginea graficului Simple pentru a-l selecta. Exist, dup cum putei observa, un numr de trei opiuni pe care le vei folosi: prima opiune, Summaries for group of cases arat c SPSS va parcurge categoriile unei singure variabile i va afia, pentru fiecare bar, categoria corespunztoare. A doua opiune, Summaries of separate variables arat c dou sau mai multe variabile vor fi parcurse, iar barele vor indica fiecare dintre variabile. n sfrit, opiunea Values of individual cases ne spune c SPSS va lucra cu o singur variabil, iar barele vor reprezenta valorile sale. Aceasta este, de fapt, i opiunea care ne intereseaz pe noi. Alegem, deci, aceast opiune, dup care apsm butonul Define pentru a defini variabilele ce vor fi reprezentate. Apare o nou fereastr cu mai multe elemente. Recunoatem, n partea stng, lista variabilelor din baza noastr de date. n partea dreapt, primul element l reprezint caseta Bars Represent care se refer la ceea ce vor reprezenta barele noastre. Variabila pe care dorim s o reprezentm este Coeficient de inteligen. O vom selecta i apoi vom apsa butonul de
Figura 4.3 Opiunile de reprezentare ale graficului simplu cu bare
102
Cristian Opariuc-Dan transfer pentru a o include n caseta Bars Represent ca n figura de mai jos. Pentru moment, att avem de fcut n vederea trasrii graficului cu bare. Exist i alte opiuni pe care le putem folosi. Seciunea Category Labels ne permite s alegem dac pe axa categoriilor (axa O X) va fi afiat numrul fiecrui caz (opiunea Case number) sau valorile unei alte variabile categoriale pe care le vom specifica (opiunea Variable:). Seciunea Panel by permite gruparea barelor n funcie de o alt variabil categorial. Gruparea poate fi efectuat fie pe linii, fie pe coloane, cazuri n Figura 4.4 Reprezentarea prin grafic cu bare care va trebui s specificm i varia QI pe nivele se colarizare i n funcie de sex abilele categoriale n funcie de care se va face gruparea, introducndu-le n listele Rows: sau Columns:. Dac avem vreun ablon de grafic preferat, descrcat de pe Internet sau construit de noi, l putem folosi pentru a desena graficul nostru, bifnd caseta Use chart specification from: i apoi apsnd butonul File care se activeaz i ne invit s ncrcm acel fiier. Putem, de asemenea, da un titlu graficului nostru apsnd butonul Titles. Utilizarea acestui buton v-o lsm dumneavoastr ca exerciiu. Dup ce am terminat de stabilit variabila pentru care dorim s trasm graficul, apsm butonul OK, care devine activ. SPSS va Figura 4.5 Graficul cu bare simplu al genera graficul n fereastra de rezultate
125
Value Coeficient de inteligenta
120
115
110
105
100
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Case Number
coeficientului de inteligen
103
(Output), rezultnd un desen ca n figura de mai sus. Iat, aadar, reprezentarea cu bare care ne intereseaz. Pentru a exemplifica i celelalte faciliti ale acestei reprezentri grafice, v prezentm, n figura alturat, un grafic cu bare, n care am folosit ca variabil etichet Nivelul de colarizare, iar graficul este mprit pe linii dup variabila Sexul subiecilor. Lansnd procedura de desenare prin apsarea butonului OK, obinem urmtorul grafic cu bare:
125 120
Feminin
115
110 105 100 125 120
Sexul subiectilor Masculin
115 110 105 100

Li Li Li Gi Li Li Po Po Fa Fa Fa Fa Fa Pr Pr Gi Li Li Li Li Po Po ce ce ce m ce ce stl stl cu cu cu cu cu im im m ce ce ce ce stl stl u u u na u u ic ic lta lta lta lta lta ar ar na u u u u ic ic zi ea ea te te te te te e e zi ea ea u la la u la la Po stl ic ea la Po Li Li Li Po Fa Fa stl ce ce ce stl cu cu ic u u u ic lta lta ea ea te te la la
Nivelul de scolarizare
Figura 4.6 - Reprezentarea prin grafic cu bare a QI pe nivele se colarizare i n funcie de sex
Observm dou grafice, n cel de jos fiind reprezentat coeficientul de inteligen al brbailor, iar n graficul de sus cel al femeilor. Dac privim cu atenie pe axa O X, observm c, pentru fiecare bar, este indicat i nivelul de colarizare al subiectului respectiv. Dup ce vei stpni la un nivel suficient de ridicat lucrul n SPSS, vei putea face combinaii ntre variabile pentru a realiza grafice intuitive cu care s v susinei demonstraiile statistice. Exerciiu: Reprezentai, folosind un grafic cu bare, valorile variabilei Varsta subiectilor. n primul capitol discutam, de asemenea, despre poligonul frecvenelor absolute (al valorilor individuale), al frecvenelor relative i al frecvenelor cumulate absolute sau relative. Folosind SPSS, vom putea desena poligonul valorilor individuale prin folosirea unui grafic cu linii. Pentru aceasta, vom accesa, tot meniul Graphs i apoi, submeniul Line. La fel ca n
104
Cristian Opariuc-Dan graficul cu bare, se afieaz o nou fereastr care ne invit s alegem tipul graficului pe care-l dorim. Avem de ales ntre un grafic simplu (Simple), care ne intereseaz i pe noi, un grafic cu linii multiple (Multiple), ce permite trasarea a dou sau mai multe variabile pe acelai grafic i un grafic de tip pivot (Drop-line), cu ajutorul cruia putem reprezenta dou sau mai multe categorii de date. Pentru exemplul nostru, vom alege graficul de tip simplu. La fel ca n cazul graficului cu bare, i aici avem cele trei opiuni cu exact aceeai semnificaie. Vom alege, ca i n exemplul anterior, opiunea Values of individual cases, deoarece dorim Figura 4.7 Meniul s reprezentm un poligon al pentru graficul cu linii frecvenelor individuale. Pentru a putea lansa procedeul de definire a graficului, putem apsa butonul Define. Observm apariia unei ferestre identice cu fereastra pe care am ntlnit-o la graficul cu bare i care are exact aceeai funcionalitate. Nu vom intra din nou n detalii Figura 4.8 Selectaasupra elemen- rea tipului de grafic cu linii telor pe care le gsim aici, deoarece ele au fost discutate la graficul cu bare. Vom transfera doar variabila Coeficient de inteligen, din lista variabilelor n lista Line Represents, pentru a indica programului SPSS variabila pe care urmeaz s o reprezinte prin linii. De Figura 4.9 Definirea graficului simplu cu fapt, aceasta este singura diferen linii ntre cele dou ferestre. n fereastra
105
anterioar, acest element se numea Bar Represent, deoarece era vorba de un grafic cu bare, iar aici se numete Line Represents, deoarece suntem n faa unui grafic cu linii. Nu ne rmne acum dect s apsm butonul OK care vedem c s-a activat, pentru a lansa procedura de desenare a graficului. Iat, n fereastra de rezultate, apare dup cteva momente i poligonul frecvenelor individuale pe care l-am solicitat.
125
120
115
110
105
100
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Case Number
Figura 4.10 Poligonul frecvenelor absolute pentru coeficientul de inteligen
Cum am putea totui s reprezentm grafic poligonul frecvenelor absolute cumulate? Ne amintim, din capitolul despre organizarea datelor, c frecvenele cumulate se calculeaz prin adugarea frecvenei unei valori la frecvena cumulat a valorii anterioare, irul valorilor fiind un ir ordonat. La fel, am vzut c la desenarea unui grafic cu linii (sau cu bare) n SPSS, avem la dispoziie mai Figura 4.11 Configurarea graficului pentru multe opiuni, iar frecvenele cumulate noi nu am folosit dect opiunea Values of individual cases. De data aceasta, vom merge tot n meniul Graphs, opiunea Line.. . Nu vom mai alege acum Values of individual cases, ci Summaries for groups of cases, adic i vom comunica programului s cumuleze ntrun fel valorile unei variabile. Rmnem tot la graficul simplu, deoarece ne intereseaz s Figura 4.12 Stabilirea parametrilor de configurare a frecvenelor cumulate
106
Cristian Opariuc-Dan reprezentm o singur linie i nu un grup de linii sau categorii de linii. Lansm apoi procedura de definire a graficului, prin apsarea butonului Define. n momentul n care am schimbat opiunea cu care vom defini datele n zona grafic, evident, va aprea o alt fereastr de definiie a datelor, ca n figura alturat. Exist multe elemente comune cu fereastra anterioar, ns i seciuni specifice pe care vom ncerca s le descriem pe scurt. Cea mai important seciune este Line Represents, n care nu mai introducem pur i simplu variabila, ci definim modul n care vor fi cumulate datele. Putem opta pentru N of cases, prin care SPSS va numra apariiile fiecrei valori n irul de date, obinnd un poligon al frecvenelor absolute pe date grupate, Cum. N, adic apariiile fiecrei valori n irul de date (frecvenele), dar prezentate cumulat i exprimarea procentual a acestora (sau frecvenele relative i relative cumulate) % of cases i Cum. %. Exist i posibilitatea s reprezentm grafic anumite statistici, folosind opiunea Other statistics, situaie n care va trebui s includem variabila pentru care vom extrage anumii indicatori statistici i, de asemenea, s precizm ce indicatori se vor folosi prin activarea butonului Change Statistic. Nu intrm acum n detalii legate de aceast opiune. n cazul nostru, am ales opiunea Cum. N, deoarece dorim s reprezentm frecvenele cumulate Figura 4.13 Poligonul frecvenelor absolute. Avem de stabilit i variabicumulate la pentru care vom desena poligonul frecvenelor cumulate absolute, pe care trebuie s o introducem n cmpul Category Axis:, folosind butonul de transfer din faa acestui cmp. Acum,
30 25
Cumulative Frequency
20
15
10
100
101
103
104
105
107
108
109
110
111
120
121
124
Coeficient de inteligenta
107
nu mai trebuie dect s apsm butonul OK i obinem, iat, poligonul frecvenelor absolute cumulate aa cum ne-am dorit. Folosind celelalte trei opiuni, pot fi desenate poligoanele frecvenelor absolute i ale frecvenelor relative i relative cumulate, activiti pe care vi le lsm ca exerciiu. Reprezentarea procentual a unor variabile categoriale, cum ar fi genul biologic sau nivelul de colarizare, se poate face, cel mai bine, folosind un grafic de tip plcint (pie), numit i diagram de structur. Cu ajutorul programului SPSS, vom ncerca s desenm graficul de tip plcint pentru variabila nivel de colarizare. Pentru a reui acest lucru, vom apela tot la meniul Graphs i vom alege apoi
Figura 4.14 Meniul pentru diagramele de structur
submeniul Pie.... De aceast dat, nu mai avem ce tip de grafic plcint s selectm, iar urmtoarea Figura 4.15 Alegerea tipului de grafic fereastr prezint doar cele trei opiuni pe care le-am discutat. Vom selecta acum prima opiune, Summaries for groups of cases, deoarece ne intereseaz s reprezentm grafic frecvenele cu care apar subiecii cu studii primare, cei cu gimnaziu, cu liceu etc. i, n plus, aceast reprezentare s aib un caracter procentual. Deci, alegnd aceast opiune, SPSS va aduna cazurile care au o aceeai valoare.
Figura 4.16 Configurarea reprezentrii prin diagram de structur
108
Cristian Opariuc-Dan Pentru a defini graficul, procedm ca i n exemplul anterior, apsnd butonul Define. Se va deschide fereastra de definire a graficului, o fereastr pe care o cunoatem deja de la reprezentarea poligonului frecvenelor cumulate. Singura deosebire const n seciunea Slices Represents sau, tradus, ce reprezint feliile plcintei. Evident, n aceast seciune am selectat opiunea % of cases, adic am comunicat programului SPSS s-mi reprezinte grafic procentul n care se gsete fiecare nivel al acestei variabile n eantionul total. Desigur, trebuie s precizm i variabila pentru care vor fi reprezentate grafic procentele. Acest lucru l putem face prin transferarea variabilei Nivelul de colarizare din lista variabilelor din baza de date n caseta Define Slices by: Selectai, aadar, variabila n lista variabilelor din baza de date i apsai butonul de transfer din faa acestui element pentru a obine o imagine ca n figura alturat. n acest moment, se activeaz i butonul OK pe care va trebui s apsm pentru a lansa n execuie procedura de desenare a graficului. Dup cteva momente, Figura 4.17 Diagrama de structur pentru obinem n fereastra de rezultate urmnivelul de studii torul grafic plcint:
Primare Liceu Gimnaziu Postliceala Facultate
Nivelul de scolarizare
Observm c acest grafic prezint i o legend prin care suntem informai asupra categoriilor variabilei analizate. Putem cu uurin constata c majoritatea subiecilor sunt absolveni de liceu, apoi, n proporii relativ egale, absolveni de postliceal i facultate. Cei mai puini sunt cei cu studii primare i gimnaziale. Iat, aadar, cteva metode extrem de simple prin care putem desena grafice intuitive utiliznd aplicaia SPSS. Toate aceste statistici pe care le-am
109
prezentat i pe care le vom mai prezenta fac parte din analiza de date exploratorie, deoarece scopul acesteia este acela de a explora, de a cunoate structura datelor analizate. V mai amintii, desigur, fereastra studiat n capitolul anterior, prin care am calculat indicatorii tendinei centrale. Iat-o, v-o reamintesc, iar dumneavoastr va trebui s gsii comenzile prin care s ajungei la ea, deoarece reprezentarea grafic a datelor se Figura 4.18 Selectarea variabilei ce urpoate face i n acest mod. S inmeaz s fie reprezentat troducem, la fel ca n capitolul anterior, variabila Coeficient de inteligen, pentru a extrage indicatorii tendinei centrale. Sper c v amintii cum se face. Dac nu, v dau un indiciu: folosii butonul Statistics. Iat c, lng acest buton, se afl un alt buton, butonul Charts pe care vom apsa. Se deschide o nou fereastr, n care putem stabili ce grafic s desenm pentru variabila introdus n analiz. Opiunea None nu deseneaz niciun fel de grafic i ignor setrile grafice. Opiunea Bar charts deseneaz un grafic cu bare, opiunea Pie charts deseneaz grafice plcint i, iat, opiunea Histograms: ne permite desenaFigura 4.19 Modul de reprezentare rea unei histograme. Aceast opiune o grafic din analiza frecvenelor ntlnim aici, alturi de caseta de bifare With normal curve ce permite desenarea curbei normale care caracterizeaz datele din variabila noastr. Nu vom
110
Cristian Opariuc-Dan bifa acum aceast caset, deoarece despre curba normal vom discuta ntr-un alt capitol. Ne rezumm s alegem doar graficul sub form de histogram. Anumite grafice pot fi reprezentate sub form de frecvene absolute (opiunea Frequencies) sau sub form de frecvene relative (opiunea Percentages), prin selectarea uneia dintre cele dou opiuni din seciunea Chart Values. Folosind aceast fereastr, avem de Histogram configurat mult mai puine elemente. Deoarece am introdus anterior variabila pe care dorim s o analizm, SPSS va lua singur decizia modului n care va desena graficul. Apsm butonul Continue pentru a confirma aciunea noastr i Coeficient de inteligenta apoi butonul OK pentru a Figura 4.20 Histograma pentru coeficientul lansa analiza.
5 4
Frequency
Mean =111,33 Std. Dev. =8,511 N =30
100
105
110
115
120
125
de inteligen
Dup cteva momente, SPSS va extrage indicatorii tendinei centrale sub forma celor dou tabele discutate n capitolul anterior, ns ne va oferi i histograma variabilei Coeficient de inteligen, alturi de o serie de date din inventarul statistic de baz, pe care le vom discuta ntr-un alt capitol.
IV.2 Analiza grafic a tendinei centrale

Afirmam n capitolul dedicat indicatorilor tendinei centrale c media este cel mai fin, cel mai precis indicator, ns ea are o problem este sensibil la scoruri extreme i, n acest caz, nu mai aproximeaz bine tendina central a setului de date. Totui, cum ne dm seama de existena acestor scoruri extreme? Tot analiza exploratorie ne vine n ajutor. Utiliznd reprezent111
rile de date de mai sus, ne putem face o imagine intuitiv asupra acestor scoruri extreme. Exist oare o metod mai precis de a le depista? Rspunsul este pozitiv i vom prezenta n continuare dou tipuri de grafice deosebite, dar care pot caracteriza mai precis scorurile extreme.
IV.2.1 Graficul tulpin i frunze

A fost conceput de ctre Tuckey (1977) i se aseamn foarte mult cu histogramele de frecvene, ns, spre deosebire de acestea, afieaz i scorurile individuale. Un asemenea grafic se deseneaz mai uor manual dect computerizat i ofer o imagine precis a distribuiei, deoarece alturi de reprezentarea numeric ofer i o imagine vizual a datelor analizate (Dancey, i alii, 2002). Dac avem, de exemplu, urmtorul ir ordonat de date: 2, 12, 12, 19, 19, 20, 20, 20, 25 i dorim s construim un grafic tulpin i frunze, acesta va arta dup cum urmeaz:
Tulpina 0 1 2 Frunzele 2 2299 0005
Oare ce informaii noi ne aduce acest grafic i cum se interpreteaz? Destul de simplu. Tulpina reprezint valorile zecilor, iar frunzele valorile unitilor. Deci, tulpina 0 cuprinde scorurile de la 0 la 9, tulpina 1scorurile de la 10 la 19, tulpina 2 - scorurile de la 20 la 29 i aa mai departe. Frunzele reprezint frecvenele scorului observat. Astfel, la tulpina 0 (scoruri ntre 0 i 9) avem o singur apariie a lui 2. La tulpina 1 (scoruri ntre 10 i 19) avem frunza 2 de dou ori (adic dou apariii ale lui 12) i frunza 9 de dou ori (dou apariii ale lui 19). La tulpina 2 (scoruri ntre 20 i 29) avem frunza 0 cu trei apariii (trei scoruri de 20) i frunza 5 cu o singur apariie (un singur scor de 25). Simplu, nu? Iat c, dei seamn cu o histogram, acest grafic aduce n plus posibilitatea monitorizrii scorurilor individuale. 112
Cristian Opariuc-Dan Pentru a nelege mai bine, s considerm un set mai voluminos de date: 1, 1, 2 ,2 ,2 , 5, 5, 5, 12, 12, 12, 12, 14, 14, 14, 14, 15, 15, 15, 18, 18, 24, 24, 24, 24, 24, 24, 25, 25, 25, 25, 25, 25, 25, 28, 28, 28, 28, 28, 28, 28, 32, 32, 33, 33, 33, 33, 34, 34, 34, 34, 34, 35, 35, 35, 35, 35, 42, 42, 42, 43, 43, 44. Pentru acest set de date, avem urmtorul grafic tulpin i frunze:
0 1 2 3 4 11222555 2222444455588 44444455555558888888 22333344444455555 222334
Prin aceast reprezentare avem o metod mai concis i mai sintetic de explorare a unui volum mare de date. Putem observa c scorurile de la tulpina 2 (ntre 20 i 29) sunt cele mai frecvente, iar datele sunt relativ grupate, fr scoruri extreme. n acest caz, am putea decide utilizarea mediei ca indicator al tendinei centrale. Comparativ, s considerm un ir de date cu scoruri extreme i s l reprezentm sub forma acestui grafic.
0, 0, 0, 0, 0, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 9, 9, 9, 9, 9, 9, 9, 9, 10, 10, 10, 10, 10, 10, 10, 13, 13, 13, 13, 13, 18, 18, 18, 23, 64
Graficul pentru acest ir de date ar fi:

0 1 2 6 0000022222222333333333555555555555555777777777777799999999 000000033333888 3 4
Observm c graficul ne indic faptul c majoritatea scorurilor se situeaz sub 20, ns avem i un scor extrem, scorul 64. Iat deci o situaie tipic, n care mediana va fi cel mai bun indicator al tendinei centrale. Totui, acest grafic efectuat pe blocuri de 10 valori nu este foarte informativ. Nu avem o reprezentare foarte clar a scorurilor sub 20, deoarece exist foarte multe. Prin urmare ar fi mai comod pentru noi s reprezentm grafic aceste scoruri folosind nu blocuri de 10, ci blocuri de cinci (ntre 0 i 4, apoi ntre 5
113
i 9, ntre 10 i 14 i aa mai departe). Folosind un asemenea sistem, graficul devine:

0. 0* 1. 1* 2. 6. 0000022222222333333333 555555555555555777777777777799999999 000000033333 888 3 4
Observm c am folosit punctul (.) pentru a desemna prima jumtate a blocului (0-4) i stelua (*) pentru a desemna a doua jumtate a blocului (59). De data aceasta, lucrurile au devenit ceva mai clare. Exist acelai scor extrem, 64, ns acum putem afirma precis c cei mai muli subieci au obinut rezultate ntre 5 i 9, ceea ce reprezint un plus de informaie. Rolul acestei reprezentri este mai ales acela de a identifica existena scorurilor extreme ntr-un set de date n vederea stabilirii indicatorului tendinei centrale ce va fi folosit. Discutam, pe la nceputul lucrrii noastre, despre situaia n care ordonm toate valorile posibile i apoi stabilim frecvenele absolute prin numrarea apariiilor fiecrui scor individual. La fel, am abordat i problema organizrii datelor n clase. Am vzut atunci c un numr mare de clase reprezint o abordare analitic, accentul cznd mai mult pe valori individuale i se pierde tendina de ansamblu. Analog, un numr mic de clase determin o perspectiv sintetic, unde vedem clar tendina de ansamblu, ns de pierde viziunea individual. Unul dintre avantajele incontestabile ale acestui grafic este acela c permite o viziune de ansamblu fr, ns, a se pierde repartiia scorurilor individuale n distribuie. Prin intermediul acestui tip de grafic, se pot reprezenta, comparativ, dou distribuii, n situaia n care dorim, spre exemplu, s comparm rezultatele la dou probe psihologice. Utiliznd cele dou seturi de date de mai sus, am putea s le reprezentm grafic dup cum urmeaz: 114
Test 1 9999999977777777777775555555555555553333333332222222200000 888333330000000 3 Test 2 11222555 2222444455588 44444455555558888888 22333344444455555 222334
0 1 2 3 4 5 6
Datorit uurinei n realizare i a avantajelor pe care le ofer, acest tip de grafic se utilizeaz tot mai frecvent n tiinele socio-umane.
IV.2.2 Graficul cutie (box-plot)

Dei graficul anterior sesizeaz scorurile extreme suficient de bine, uneori devine destul de puin sensibil, iar scorurile extreme sunt greu de observat. O metod mai precis o reprezint graficul cutie sau graficul cutiei cu musti. Aceast tehnic, la fel ca tehnica anterioar, a fost descoperit de ctre Turkey (1977) i reprezint una dintre cele mai importante metode de analiz exploratorie a datelor. La fel ca graficul tulpin i frunze, graficul cutie descrie modul n care sunt distribuite datele i ofer, n plus, o metod precis de depistare a scorurilor extreme (Dancey, i alii, 2002). Acest tip de reprezentare este format dintr-un dreptunghi cu baza inferioar situat n dreptul percentilei 25, iar baza superioar n dreptul percentilei 75, cuprinznd ntre aceste limite, 50% dintre rezultate (n fapt, intervalul cuartil despre care vom vorbi n capitolul urmtor). n interiorul acestui dreptunghi se afl marcat linia median, corespunztoare percentilei 50. Distana dintre cele dou baze (intervalul cuartil) poart numele de hspread sau pe scurt H. De la cele dou baze pornesc, n sus i n jos, dou musti de lungime maxim 1,5 H. ntre limitele acestor dou musti se afl zona normal. Orice scor mai mare de limita mustii superioare sau mai mic de limita mustii inferioare se consider a fi un scor extrem. Pentru realizarea acestui grafic, vom parcurge urmtorii pai, considernd irul ordonat de date 2, 12, 12, 19, 19, 20, 20, 20, 25.
115
Pasul 1 Stabilirea medianei i a poziiei pe care aceasta o ocup n cadrul irului de date. n cazul nostru, mediana este 19, iar poziia pe care o ocup este poziia a cincea. 2, 12, 12, 19, 19, 20, 20, 20, 25 Pasul 2 Calculul pivoilor. Pivoii reprezint valorile care mpart irul de date n sfertul inferior (primele 25% dintre scoruri, numit i cuartilul inferior) i sfertul superior (ultimele 25% dintre scoruri, numit i cuartilul superior). Dac mediana este valoarea care mparte irul ordonat de date n dou pri egale, cuartilul este valoarea ce mparte acelai ir n 4 pri egale, dup cum vom vedea n capitolul ce urmeaz. Reconsidernd exemplul, obinem poziia primului cuartil ntre a doua i a treia valoare, adic primul cuartil va avea valoarea 12 (amintii-v exemplul de calcul al medianei). Similar, al treilea cuartil va fi situat ntre poziia 7 i poziia 8 i va avea valoarea 20. 2, 12, 12, 19, 19, 20, 20, 20, 25 Pivoii, n cazul exemplului de fa, vor avea valorile 12 i 20. Putem acum trasa dreptunghiul care ne intereseaz (box).
Pivot superior valoarea 20 Linia medianei valoarea 19 Pivot inferior valoarea 12
Figura 4.21 Calculul pivoilor
Pasul 3 Obinerea valorii expansiunii (factorul h-spread). Acest factor nu reprezint dect amplitudinea scorurilor dintre cei doi pivoi (intervalul cuartil). n cazul nostru, h-spread = 20 12 = 8.
Pasul 4 Stabilirea scorurilor extreme. Un scor extrem este un scor care depete o dat i jumtate valoarea factorului h-spread raportat la cei doi pivoi. Aceste puncte de referin se numesc limite de barier. n cazul nostru, 1,5 x 8 = 12. Deci limitele
116
Cristian Opariuc-Dan de barier sunt 12 12 = 0 i 20 + 12 = 32. Scorurile mai mici de 0 vor fi considerate extreme, deoarece depesc limita de barier inferioar n jos, iar scorurile mai mari de 32 vor fi considerate de asemenea extreme, deoarece depesc n sus limita de barier superioar. Pasul 5 Scorurile care se afl ntre pivoi i limitele de barier, mai apropiate de limitele de barier se numesc scoruri adiacente. n cazul nostru, scorurile adiacente sunt 2 i 25, deoarece 2 se afl ntre 0 i 12, iar 25 este situat ntre 20 i 32. 2, 12, 12, 19, 19, 20, 20, 20, 25 Liniile cuprinse ntre pivoi i bariere (zonele scorurilor adiacente) poart numele de musti, iar dreptunghiul format de cei doi pivoi, care conine mediana, se numete cutie. De aici provine i numele graficului, grafic cutie sau cutie cu musti. Zona mustilor reprezint de fapt amplitudinea scorurilor care prsesc zona aa- numit normal, delimitat de cei doi pivoi, scoruri care ns rmn n limitele barierelor. Orice scor care iese din limita barierelor se numete scor extrem. Dac reconsiderm irul anterior de date, 0, 0, 0, 0, 0, 2,
Figura 4.22 Graficul box-plot
117
2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 9, 9, 9, 9, 9, 9, 9, 9, 10, 10, 10, 10, 10, 10, 10, 13, 13, 13, 13, 13, 18, 18, 18, 23, 64, atunci graficul nostru se va prezenta ca n figura de mai jos.
70,00
60,00
50,00
40,00
30,00
20,00
10,00
0,00
Iat c observm existena a dou scoruri extreme ns. acestea sunt notate cu 77 i 76. Am fi nclinai s credem c aceste valori reprezint scorurile nsei. Totui, s nu uitm c acest grafic se bazeaz pe poziia unui scor n irul ordonat de date. Prin urmare, 77 i 76 nu reprezint scorurile propriu- zise, ci poziia acestora n irul ordonat de date. Deci poziia 77 se refer la Figura 4.23 Graficul box-plot n SPSS. Se observ scorul extrem, al 77-lea element ultimul scor, adic la valoarea 64, iar poziia 76 la penultimul scor, adic la valoarea 23. Avem, aadar, dou scoruri extreme n irul nostru de date i anume scorul 23 i 64. Desigur, n acest caz, indicatorul care exprim cel mai bine tendina central este mediana. Programul SPSS ofer i o modalitate de a marca scorurile extreme. Observm c alturi de poziia 77 (corespunztoare scorului 64) apare o stelu. Aceast stelu are rol de avertisment, n sensul c valoarea 64 este foarte ndeprtat de limita superioar a irului de date. De asemenea, alturi de poziia 76 (corespunztoare scorului 23) apare un cercule. Acest cercule ne spune c, dei 23 este i el un scor extrem, nu este, totui, att de deprtat de limita superioar a irului de date.
77 76
Exemplu
IV.3 Tratarea scorurilor extreme

Nu ne putem mulumi s constatm doar existena acestor scoruri extreme, mai ales n condiiile n care acestea ar afecta puternic analiza datelor.
118
Cristian Opariuc-Dan Un scor extrem duce la o distribuie de date care nu mai respect criteriul normalitii, face media un indicator irelevant pentru acel set de date i, implicit, determin imposibilitatea utilizrii statisticilor parametrice. Totui, de unde pot s apar aceste scoruri extreme? Ce surse pot determina prezena unor asemenea valori? (Popa, 2003) Cea mai frecvent surs se refer la erorile de nregistrare a datelor. Dac introducem un chestionar, la care subiecii rspund la ntrebri pe o scal de la 1 la 5 i, n loc s tastm 5, tastm, din greeal, 55, evident c acesta va aprea ca fiind un scor extrem. Din fericire, remedierea acestei probleme este simpl. Nu trebuie dect s analizm minimul i maximul distribuiei. Dac una dintre aceste valori iese din domeniul de definiie, putem reveni uor la baza de date i o vom corecta. Dac sunt mai multe valori incorecte, putem sorta datele cresctor sau descresctor i putem corecta mai uor erorile sau putem apela la o operaiune de recodificare; Erorile de eantion se refer la situaia n care eantionul estras este prea mic, iar posibilitatea de apariie a unui caz atipic (extrem) va deveni foarte mare, dar i la cazul n care eantionul a fost extras dintr-o populaie asimetric. Putem, de exemplu, s studiem nlimea unor subieci dintr-un liceu, iar pentru aceasta extragem zece persoane din dou clase. Probabilitatea ca un elev s fie baschetbalist este destul de mare. Dac avem ghinionul s l selectm tocmai pe acela, va aprea, evident, i un caz extrem. De asemenea, dac una dintre clase este reprezentat de clasa de sport, cu elevi nali, printre care am gsit i un elev cu nlime normal, acea nlime normal se va comporta ca un caz extrem;
119
Erorile determinate de existena unor populaii diferite de valori apar atunci cnd n eantionul studiat gsim, sub aspectul variabilei msurate, mai multe grupe de subieci care difer ntre ele. De exemplu, dac studiem veniturile angajailor unei ntreprinderi, avem suficiente anse ca salariile conducerii s se comporte ca scoruri extreme n raport cu celelalte categorii de angajai. n realitate, acestea nu sunt scoruri extreme, ci problema se refer tocmai la faptul c exist mai multe categorii de salarizare n acea instituie; Erorile de msurare se datoreaz unor msurtori incorecte sau apariiei unor situaii anormale n condiiile experimentale. La nregistrarea temperaturii unor persoane, se poate defecta, la un moment dat, aparatul de nregistrare sau, msurnd performanele unor sportivi, putem constata apariia unor valori extreme ca efect al dopajului.
Indiferent de sursa de eroare, naintea realizrii prelucrrilor statistice prin metode i tehnici specifice, este absolut necesar analiza preliminar a datelor, prin intermediul creia s depistm caracteristicile distribuiei, iar dac acestea sunt inadecvate prelucrrilor necesare, s impunem msuri corective. Din fericire, cu excepia situaiei defectrii unor aparate sau a designurilor de cercetare defectuoase, exist suficiente mijloace prin care putem repara aceste disfuncionaliti. Deoarece tehnicile de transformare a datelor brute presupun i alte cunotine, vom amna tratarea acestora pentru un capitol viitor. Orice prelucrare mai avansat de date ncepe cu statisticile descriptive i este absolut necesar o asemenea analiz exploratorie pentru a vedea care sunt caracteristicile irului nostru de date i ce indicatori putem folosi. Programul SPSS ne pune la dispoziie, iat, o serie de metode prin intermediul crora putem verifica rapid i precis structura datelor cu care lucrm.
120
IV.3.1 Obinerea graficelor pentru tendina central n SPSS

Vom rmne la baza noastr de date IQ i ne propunem s obinem aceste grafice folosind programul SPSS. Pentru a realiza acest lucru, apelm la meniul Analyze, apoi la submeniul Descriptive Statistics i n final utilizm opiunea Explore. Iat o nou ancor mnemotehnic care ne spune c ne aflm n analiza datelor, la statistici descriptive i la analize exploratorii. Efectund clic pe aceast opiune, se deschide o fereastr nou prin Figura 4.24 Meniul de analiz exploraintermediul creia putem stabili analizetorie a datelor le de date ce vor fi efectuate. Avem mai multe elemente noi n aceast fereastr. n primul rnd, caseta Dependent List: care se refer la variabilele ce vor fi incluse spre analiz. n aceast caset vom include variabila noastr i anume Vrsta subiecilor, prin selectarea ei din lista Figura 4.25 Configurarea variabilelor n analiza variabilelor din baza de date i descriptiv exploratorie apsarea butonului de transfer. n acest moment, se activeaz i butonul OK, ceea ce ne spune c putem face imediat prelucrarea datelor. S nu ne grbim ns i s studiem mai atent aceast fereastr. ntr-un capitol anterior, discutam despre faptul c indicatorii tendinei centrale (i nu numai ei) pot fi obinui prin mai multe metode. Atunci am analizat numai opiunea Frequencies i am promis c celelalte modaliti vor fi studiate cu alt
121
ocazie. Iat c a venit i momentul acesta. Caseta Factor List: se refer la variabile categoriale ce pot fi utilizate n vederea gruprii analizei n funcie de anumite criterii. Att aceast list, ct i elementul Label Cases by: vor fi studiate atunci cnd vom clarifica conceptele de variabil dependent i variabil independent. n seciunea Display, situat imediat sub lista variabilelor din baza de date, putem stabili ce fel de rezultate s se afieze n fereastra de rezultate. Putem Figura 4.26 Stabilirea indiopta pentru afiarea doar a rezultatelor prelucrcatorilor statistici rilor statistice (Statistics), pentru afiarea doar a graficelor (Plots) sau a ambelor (Both). Noi vom dori s afim toate aceste date i, de aceea, am selectat opiunea Both. Butonul Statistics permite afiarea statisticilor descriptive care vor fi calculate. La apsarea acestuia va aprea urmtoarea fereastr: Sunt mai multe opiuni aici, noi vom bifa doar opiunea de calcul a statisticilor descriptive, Descriptives. Seciunea Confidence interval for Mean: se refer la intervalul de ncredere la care va fi calculat media. Asupra acestui aspect vom reveni, ns, ntr-un alt capitol. De asemenea, celelalte opiuni nu ne intereseaz deocamdat, astfel nct le vom ignora pe moment. Menionm doar c Mestimators reprezint o alternativ la media i mediana eantionului, Outliers afieaz primele cinci valori cele mai mari, respectiv cele mai mici (extremele), iar Percentiles permite calculul unor valori percentile. n vederea confirmrii aciunii Figura 4.27 Configurarea graficelor noastre, va trebui s apsm butonul Conexploratorii tinue pentru a reveni la fereastra anterioar.
122
Cristian Opariuc-Dan Acionarea butonului Plots determin afiarea unei alte ferestre, care va configura modul de prezentare grafic a datelor. i aici avem mai multe informaii. Pentru nceput observm c este bifat caseta Stem-andleaf, adic va fi afiat graficul tulpin i frunze. De asemenea, vom afia i histograma, bifnd caseta Histogram. Seciunea Boxplots, situat n partea stng-sus, permite configurarea modului de calcul al graficului cutie cu musti discutat anterior. Putem opta pentru combinarea nivelurilor variabilei categoriale (dac am inclus vreuna n fereastra anterioar), alegnd Factor levels together sau putem combina mai multe variabile incluse n lista variabilelor independente alegnd opiunea Dependents together. Desigur, putem renuna la afiarea acestui grafic, selectnd opiunea Tabel 4.1 Sumarul cazurilor Case Processing Summary None. n cazul nostru, Cases Valid Missing Total avnd doar o singur variaN Percent N Percent N Percent Varsta subiectilor 30 100,0% 0 ,0% 30 100,0% bil inclus spre analiz, pe oricare dintre primele dou opiuni am alege-o, obinem acelai efect. Prsirea acestei casete va fi fcut tot prin apsarea butonului Continue. Nu ne rmne acum dect s apsm butonul OK pentru a lansa procedurile de analiz. n fereastra de rezultate avem acum mai multe tabele i grafice. n tabelul Case Processing Summary ne sunt St at ist ic St d. Error Varst a subiectilor Mean 29,33 1,008 95% Conf idence Lower Bound 27,27 prezentate numrul de cazuri. Interv al f or Mean Upper Bound 31,40 Aflm c avem 30 de cazuri vali5% Trimmed Mean 29,33 Median 29,00 Variance de, adic 30 de subieci ce au date 30,506 St d. Dev iation 5,523 Minimum 20 completate pentru variabila VrMaximum 39 Range 19 sta subiecilor, ceea ce reprezint Interquart ile Range 10 Skewness ,116 ,427 un procent de 100%. Evident, nu Kurt osis -,878 ,833 avem nici un caz lips (Missing) i, corespunztor, un procent de 0%. n total, sunt deci 30 de cazuri ce reprezint un procent de 100%.
Tabel 4.2 Descriptives descriptive Statistici
123
Urmtorul tabel este acela al statisticilor descriptive (Descriptives). Remarcm cu uurin media (Mean) egal cu 29,33 ani i mediana (Median) egal cu 29 de ani. Sunt mult mai multe informaii aici, legate de eroarea standard a mediei, intervalul de ncredere al acesteia, precum i indicatori ai dispersiei pe care-i vom studia n alt capitol. Observm c din acest tabel lipsete modul. ntr-adevr, folosind aceast opiune nu putem calcula modul. Urmeaz apoi histograma pentru variabila Vrsta subiecilor, nsoit de o serie de date statistice cum ar fi media, abaterea standard i numrul de cazuri i, iat, graficul tulpin i frunze, pe care l-am discutat anterior.
Varsta subiectilor Stem-and-Leaf Plot Frequency 3,00 ,00 5,00 3,00 6,00 4,00 1,00 3,00 2,00 3,00 Stem width: Each leaf: Stem & 2 2 2 2 2 3 3 3 3 3 . . . . . . . . . . Leaf 001 44444 666 899999 0111 2 455 77 889
10 1 case(s)
39
Observm c acest grafic a fost creat din doi n doi (20-21, 2223, 24-25, 26-27, 28-29 ani i aa mai departe), pentru a oferi o bun reprezentare a datelor. Iat c, analiznd acest grafic, putem afirma c cei mai muli subieci au vrste de 28
36
33
30
27
24
21
Varsta subiectilor
Figura 4.28 Graficul box-plot
124
Cristian Opariuc-Dan i 29 de ani i nu exist scoruri extreme. Pentru a fi siguri de acest lucru, privim urmtorul grafic, graficul cutie. Constatm lipsa scorurilor extreme, mediana fiind situat la valoarea 29 i o distribuie destul de uniform a acestor rezultate. Putem afirma, deocamdat, c aceste date permit utilizarea mediei ca indicator al tendinei centrale pentru setul nostru. n concluzie:
Media unei populaii la un parametru poate fi aproximat prin media eantioanelor extrase din populaie; Analiza scorurilor extreme se poate face n baza a dou tipuri principale de grafice: graficul tulpin i frunze i graficul tip cutie; Prezena scorurilor extreme scade puterea statistic a analizei. Prin urmare, trebuie s efectum analize statistice preliminare asupra setului de date i, eventual, s procedm la tehnici de transformare a datelor naintea analizei statistice efective.
125
V. STATISTICI DESCRIPTIVE MPRTIEREA

n acest capitol se va discuta despre: Conceptul de mprtiere; Indicatori simpli i compleci ai abaterii de la tendina central; Calculul indicatorilor abaterii de la tendina central; Dup parcurgerea capitolului, cursanii vor fi capabili s: neleag legtura dintre tendina central i dispersie; Calculeze indicatorii abaterii de la tendina central; Utilizeze SPSS n calculul indicatorilor abaterii de la tendina central.
Indicatorii tendinei centrale caracterizeaz, dup cum am vzut, valoarea n jurul creia se grupeaz datele. Ei au, desigur, o mare putere informativ, ns nu ne prezint o msur a compoziiei acestor date. De exemplu, media greutii unui numr de 2 copii este 20 Kg. Cei doi copii pot s aib 20 de Kg fiecare, unul 10 Kg i cellalt 30 Kg sau unul 15 Kg, iar cellalt 25 Kg i aa mai departe. Iat c indicatorii tendinei centrale nu pot caracteriza singuri o distribuie. Avem nevoie, pentru aceasta, de o msur a gradului de rspndire, de mprtiere a datelor n jurul tendinei centrale, cum se repartizeaz rezultatele n jurul acestei valori. Aceti indicatori, care msoar gradul de mprtiere a rezultatelor n jurul tendinei centrale poart numele de indicatori ai mprtierii. Indicatorii mprtierii pot fi grupai n indicatori elementari ai mprtierii i indicatori sintetici ai mprtierii. Modelul statistic al mediei va trebui, aadar, completat cu ali indicatori caracteristici gradului de mprtiere a rezultatelor n jurul tendinei centrale. Dac relum exemplul cu prietenii mei i numrul de frai pe care fiecare dintre ei i are, am stabilit c, primul prieten are un frate, al doilea are doi frai, al treilea i al patrulea au cte trei frai i al cincilea are patru frai. Re126
Cristian Opariuc-Dan zultase o medie de 2,6 frai, cu alte cuvinte doi frai ntregi i unul fr un picior. Fiind un model statistic, media estimeaz o realitate. S vedem acum dac aceast medie estimeaz corect sau nu realitatea frailor prietenilor mei.
+1,4 +0,4 +0,4 m=2,6 -0,6 -1,6 Figura 5.1 Diferenele dintre scorul observat i medie
n figura 5.1 am reprezentat grafic distanele la care se situeaz fiecare scor particular fa de medie. Este, aadar, media un bun model pentru numrul de frai ai primului prieten? Primul meu prieten are un singur frate, iar media postuleaz 2,6 frai. Iat c, n ceea ce-l privete pe primul prieten, media supraestimeaz modelul real cu 1,6 frai. Pentru al doilea prieten, media supraestimeaz realitatea cu doar 0,6 frai (probabil, o mn i un picior dintr-un frate). Referitor la ceilali trei frai, media subestimeaz realitatea cu 0,4 frai i 1,4 frai. Mrimea acestor supraestimri, respectiv subestimri se obine foarte simplu, scznd din medie scorul particular (x-m). Cum am putea folosi aceste informaii pentru a testa acurateea modelului? O variant ar fi s adunm toate aceste abateri pentru a vedea suma, totalul abaterilor elementelor de la modelul statistic al mediei. (-1,6)+(-0,6)+(0,4)+(0,4)+(1,4)=0 Am obinut totalul erorilor, totalul abaterilor de la medie ca fiind zero. Cu alte cuvinte, modelul nostru statistic reprezint perfect realitatea? Aa s fie? Ei bine, nu, deoarece tocmai am demonstrat particularitatea esenial a mediei, conform creia scorurile mai mici dect media balanseaz perfect 127
scorurile mai mari dect media. Totui, cum putem obine mrimea erorii? Cum putem estima dac modelul statistic este o imagine suficient de bun pentru a reprezenta realitatea? Vom vedea imediat. Pentru nceput, s ne concentrm asupra unor indicatori elementari ai mprtierii.
V.1 Indicatori elementari ai mprtierii

Indicatorii elementari ai mprtierii in cont doar de cteva valori, iar calculele sunt efectuate n baza acestora. Dei sunt foarte uor de obinut, sunt sensibili la modul de distribuie a rezultatelor n colecia de date.
V.1.1 Amplitudinea de variaie

Termenul englezesc pentru acest indicator este acela de Range, iar noi l-am abordat deja n momentul n care am fcut sistematizarea datelor, doar c nc nu tiai (dei probabil bnuiai) c el reprezint un indicator al mprtierii. Amplitudinea de variaie nu este altceva dect diferena dintre valoarea maxim i valoarea minim din irul nostru de date. Prin urmare, A = Xmax Xmin. Dac avem, de exemplu, urmtoarele date: 10, 22, 31, 9, 24, 27, 29, 9, 23, 12, atunci constatm cu uurin c valoarea cea mai mare din ir este 29, iar cea mai mic valoare este 9. n acest caz, amplitudinea de variaie devine A = 29 9 = 20. tim, de asemenea, semnificaia acestei valori. ntre maxim i minim pot exista cel mult 20 de valori diferite. Amplitudinea de variaie indic, n mod absolut, domeniul de valori ntre care este cuprins distribuia. Amplitudinea de variaie poate fi exprimat i procentual, ca expresie a raportului dintre amplitudinea de variaie i medie. % =

(formula 5.1)
n cazul nostru, % = , = %. Acest indicator poart numele de amplitudine relativ de variaie. n exemplul nostru, avem 10
128
Cristian Opariuc-Dan valori, iar media acestora este 19,6. Amplitudinea relativ de variaie este, n cazul nostru, 102%. Amplitudinea relativ de variaie o putem utiliza n condiiile n care cunoatem domeniul teoretic ntre limitele cruia se ncadreaz distribuia. Putem astfel s comparm amplitudinea real de variaie a datelor cu amplitudinea de variaie teoretic. Indicatorii amplitudinii de variaie pot fi utilizai atunci cnd cunoatem plaja de variaie normal a unui fenomen, deoarece apariia unor valori extreme duce la amplitudini de variaie aberante. n exemplul nostru, dac introducem o singur valoare n plus, 120, atunci minimul rmne 9, iar maximul devine 120. Amplitudinea de variaie va fi 120 9 = 111, desigur o valoare suspect pentru irul nostru de date. Analiznd figura alturat, observm c cele dou distribuii au aceeai amplitudine de variaie. Totui, forma lor difer foarte mult. n timp ce distribuia A este puternic eterogen, distribuia B este mult mai omogen.
Figura 5.2 Dou distribuii cu aceeai amplitudine
V.1.2 Abaterea cuartil sau abaterea intercuartil

Este un alt indicator elementar al mprtierii, independent de existena unor valori extreme, fiind, prin urmare, mai stabil i mai precis n comparaie cu amplitudinea de variaie. Ce este ns un cuartil? Am mai adus discuia despre acest subiect n capitolul anterior. Dac tii ce este mediana i dac v spunem c mediana nu este altceva dect al doilea cuartil, atunci cred ca putei deduce semnificaia termenului de cuartil. tim c mediana este valoarea care mparte setul ordonat de date n dou pri egale; jumtate dintre valori sunt mai mici dect mediana, jumtate dintre valori sunt mai mari dect mediana. Ei bine, valorile cuartile sunt valorile care mpart acelai set ordonat de date n patru pri egale. Un sfert din valori (25%) sunt mai mici dect primul cuartil (Q1), dou sferturi din valori (jumtate) sunt mai 129
mici dect al doilea cuartil (Q2 iat c, de fapt, Q2 nu este altceva dect mediana), iar trei sferturi din valori (75%) sunt mai mici dect al treilea cuartil (Q3). Abaterea cuartil nu este altceva dect diferena dintre cuartilul 3 i cuartilul 1. Prin urmare, RQ=Q3 Q1. (formula 5.2) Abaterea cuartil poate fi absolut cazul prezentat sau relativ, raportat la median (abaterea intercuartil relativ). % =
2
3 1 2
(formula 5.3)
Dac mprim abaterea cuartil la valoarea 2, adic dac facem media diferenei dintre Q3 i Q1, obinem abaterea semi-intercuartil. RSQ= RQ:2 =
2
3 1 2
(formula 5.4)
ntr-o distribuie de date perfect simetric, abaterea semi-intercuartil va fi egal cu mediana. Aceasta reprezint un indicator al distanei unui scor considerat reprezentativ n raport cu ntreaga distribuie. Dac relum urmtoarele date 10, 22, 31, 9, 24, 27, 29, 9, 23, 12 i apoi le ordonm, obinem: 9, 9, 10, 12, 22, 23, 24, 27, 29, 31. Procedura de calcul a cuartilelor este similar medianei. Primul cuartil va fi situat, evident, n poziia 2,75 1 =
+1 4
11 4
= 2,75 , deoarece am mprit irul ordonat de
date n patru pri egale. Urmrind irul ordonat de date, poziia 2,75 se afl ntre 9 i 10, adic la 9,5. Al doilea cuartil, mediana (Q2), se va afla la de dou ori poziia primului cuartil, adic 2x2,75 = 5,5. S-a observat probabil c ai obinut exact poziia medianei. n cazul nostru, poziia 5,5 este cuprins ntre 22 i 23, adic 22,5. Similar, al treilea cuartil (Q3) este de trei ori poziia primului cuartil, adic 3x2,75=8,25. Iat c, valoarea lui Q3 se afl ntre 27 i 29, adic 28. Abaterea cuartil devine, aadar, RQ=Q3Q1=289,5=18,5. Cu alte cuvinte, ntre valoarea obinut de 75% din populaie i valoarea obinut
130
Cristian Opariuc-Dan de 25% din populaie pot exista cel mult 18,5 valori diferite. Iat c doar 18,5 puncte fac diferena dintre persoanele considerate slabe sau cu scoruri inferioare i persoanele considerate bune, cu scoruri superioare. Observai c acest indicator este mai precis n comparaie cu amplitudinea. Dac vei include acum acel scor de 120, vei constata c nu influeneaz deloc valoarea abaterii cuartile. Abaterea semi-intercuartil va fi, prin urmare, RSQ=RQ:2=18,5:2=9,25. Acest lucru nseamn c, teoretic, 9,25 valori ar trebui s fie mai mici dect mediana i tot attea valori mai mari dect mediana. Din grupul oamenilor medii, 9,25 valori i difereniaz pe cei mediu-slabi i 9,25 valori pe cei mediu-buni. Similar medianei, cuartilele pot fi calculate folosind i date grupate. Dac vom considera distribuia statistic din tabelul alturat: Tabelul 5.1 Calculul cuartilelor Cuartilul inferior (Q1) va fi situat n poziia
+1 4
Clasa <= 4 59 10 14 15 19 20 29 30 39 >= 40
45 4
= 11,25, iar
quartilul superior (Q3) n poziia 3Q1=3x11,25=33,75. Aadar, primul cuartil se va afla undeva n intervalul n care se gsete a 11-a msurtoare iar al treilea cuartil n intervalul n care se gsete a 33-a msurtoare.
Distribuia n linii || |||||| |||||||| |||||||||||| |||||||||| |||| ||
f 2 6 8 12 10 4 2 n=44
fc 2 8 16 28 38 42 44
n cazul nostru, Q1 se va gsi n intervalul 10-14, iar Q3 n intervalul 20-29. Sper c v mai aducei aminte formula de calcul a medianei pentru date grupate. = + 1
131
Dac ne reamintim, poziia medianei a fost reprezentat prin cazul unui ir de date par sau prin
2
+1 2
pentru irul impar de date. Dar cum me-
diana nu era altceva dect Q2, valoarea preciza, de fapt, poziia cuartilului al doilea. Deci, singura modificare n formul ar fi nlocuirea poziiei medianei cu poziia cuartilului care ne intereseaz. Formula generalizat devine cea alturat, unde PQn nseamn poziia cuartilului n (1, 2 sau 3), iar fcQn-1 frecvena cumulat a intervalului pre-cuartil de ordin n. = +
1
(formula 5.5)
+1 4
Am specificat mai sus c poziia lui Q1 este 1 = este 2 = 2

+1 4
, poziia lui Q2
, iar poziia lui Q3 este 3 = 3

11,258 8 33,7528 10
+1 4
. Aplicnd n formu-
le, obinem valorile corespunztoare cuartilului 1 i cuartilului 3, astfel: 1 = + 3 = +

1 11 3 31
= 10 + 5 = 20 + 10
= 10 + 5
3,25 8
= 12,03
10
= 20 + 10
5,75
= 25,75
Abaterea cuartil va deveni RQ=Q3-Q1=25,75 12,03=13,72, iar abaterea semi-intercuartil RSE=RQ:2=13,72;2=6,86. Abaterea cuartil este un indicator mai precis dect amplitudinea de variaie. Totui, dac distribuia este puternic asimetric (dac, de exemplu, foarte multe valori se concentreaz n zona cuartilului superior), atunci acest indicator nu furnizeaz o imagine real a dispersiei. Se prefer, n acest caz, utilizarea abaterii semi-intercuartile n locul abaterii cuartile, indicator care ne d numrul de valori diferite ce separ 50% din mijlocul eantionului, ns nu explic modul n care se grupeaz aceste valori n jurul medianei. Discutnd despre median i cuartile, am vzut c acestea nu reprezint dect valori la care se situeaz un anumit procent din eantion, n condi-
132
Cristian Opariuc-Dan iile n care setul de date este unul ordonat. Mediana este valoarea la care se situeaz 50% din eantion, cuartilele sunt valorile la care se situeaz 25%, 50%, 75% din eantion i aa mai departe. n termeni generali, putem afla orice valoare la care se situeaz un anumit procent din eantion. Astfel, dac vom dori s aflm valorile la care se afl procente de 20% din eantion, vom avea cinci categorii cvintile. Procentele de 33,33% reprezint valorile trecile i aa mai departe. Generic, valoarea la care se afl un anumit procent din populaie poart numele de percentil. nelegerea conceptului de percentile are o importan deosebit n problematica realizrii etaloanelor, a normelor, prin metoda cuantilrii, metod folosit de obicei ntr-o distribuie care nu este normal. Despre aceste lucruri vom discuta, ns, atunci cnd vom aborda sistemele de etalonare.
V.2 Indicatori sintetici ai mprtierii

Indicatorii sintetici ai mprtierii nu in cont doar de cteva valori, ca n cazul celor elementari, ci iau n considerare toate msurtorile care apar n colecia de date i de aceea au o valoare informativ mult mai mare n comparaie cu indicatorii elementari.
V.2.1 Diferena medie Gini

Este un indicator independent de ordinea de efectuare a msurtorilor, iar valoarea acestuia nu depinde de medie. De aceea, diferena medie Gini se folosete n distribuii n care media nu este un bun indicator al tendinei centrale (v mai amintii probabil de distribuiile cu scoruri extreme). Indicatorul nu exprim altceva dect modul n care valorile se mprtie, n interiorul seriei, unele fa de altele. Practic, nu este altceva dect o medie aritmetic a diferenelor obinute prin asocierea n perechi, dou cte dou, a tuturor valorilor din irul de date. Aceste diferene se vor lua n valori absolute.
133
Dac avem, spre exemplu, urmtoarele 4 msurtori: 25, 23, 21, 27, atunci, cu aceste valori putem forma un numr de 42 ,adic 16 perechi de diferene dup cum urmeaz: 2525; 2523; 2521; 2527; 2325; 2323; 2321; 2327; 2125; 2123; 2121; 2127; 2725; 2723; 2721; 2727. Fcnd apoi diferenele, obinem: 0; 2; 4; -2; -2; 0; 2; -4; -4; -2; 0; -6; 2; 4; 6; 0 Analiznd aceste diferene, observm c nu reprezint altceva dect modul n care se abat valorile unele fa de altele. Fcnd apoi suma acestor valori, luate fr semn, obinem: 0+2+4+2+2+0+2+4+4+2+0+6+2+4+6+0 = 40 Indicatorul diferenelor medii al lui Gini nu este altceva dect media diferenelor luate n valori absolute. Aceast sum va fi, aadar, mprit la numrul de perechi rezultate (16). Obinem, aadar, 40:16 = 2,5, care reprezint valoarea acestui indicator. Mai condensat, am putea scrie acest lucru astfel: =
=1 =1
(formula 5.6)
Dei procedura de calcul a acestui indicator este extrem de simpl, la un numr mare de valori, calcularea manual a diferenei medii Gini devine imposibil, iar pentru obinerea indicatorului este absolut necesar utilizarea unui program computer. Diferena medie Gini este un indicator slab al gradului de mprtiere i arat cum se abat, n medie, scorurile unul fa de cellalt.
V.2.2 Oscilaia
Calculul oscilaiei reprezint tot o medie a diferenelor dintre perechi, ns, de aceast dat, ordinea de efectuare a msurtorilor conteaz. n mod 134
Cristian Opariuc-Dan normal, sunt rare situaiile n care ne intereseaz ordinea de efectuare a msurtorilor. Vizm acest fapt ndeosebi n experimente, atunci cnd ntre msurtori intervenim prin manipularea unor variabile. Dac avem, de exemplu, urmtoarele 4 msurtori ale ritmului cardiac al unui subiect la prezentarea unor imagini 80, 85, 91, 96, constatm c, de la o msurtoare la alta, ritmul cardiac s-a accelerat i putem concluziona c imaginile au avut ca efect creterea constant a tensiunii psihice manifestate prin astfel de reacii. Dac ns ordinea msurtorilor ar fi fost 80, 96, 91, 85, atunci am observa c avem de a face cu o cretere rapid a tensiunii psihice urmat de o diminuare progresiv a acesteia. Este cu totul altceva. Iat c, uneori, ordinea msurtorilor poate avea o semnificaie important. n asemenea situaii, se calculeaz oscilaia ca indicator sensibil la aceste diferene. Oscilaia nu este altceva dect media diferenelor dintre o valoare i cea anterioar i se poate calcula n valori absolute sau relative, iar numrul acestor diferene este n-1. Oscilaia absolut reprezint un indicator care furnizeaz volumul oscilaiilor aprute de la o msurtoare la alta i se calculeaz utilizndu-se valorile absolute ale diferenelor dup formula urmtoare: =
=2
1 1
(formula 5.7)
Relund cele dou exemple anterioare, obinem pentru oscilaia absolut a primului set de date, valoarea: = 85 80 + 91 85 + 96 91 = 5,33 3
Pentru al doilea set de date, obinem, dup efectuarea calculelor, urmtoarea valoare: = 96 80 + 91 96 + 85 91 =9 3
135
n mod evident, cele dou valori difer, deoarece ordinea de efectuare a msurtorilor difer i ea. Prima valoare, mai mic, indic un volum mai mic al oscilaiilor, o cretere constant, dei rapid a ritmului cardiac. Valoarea a doua, mare, arat un volum mare al oscilaiilor, o fluctuaie a msurtorilor efectuate. Oscilaia relativ ine cont de semnul diferenelor, spre deosebire de oscilaia absolut care lua diferenele n valori fr semn. De aceea, oscilaia relativ, dei nu ofer o imagine a volumului oscilaiilor, ne informeaz ns asupra direciei lor, n ce sens oscileaz msurtorile, aspect care nu poate fi sesizat de oscilaia absolut. De aceea, aceti doi indicatori se calculeaz n general mpreun. Oscilaia relativ are o formul de calcul asemntoare celei absolute, ignorndu-se modulul: =
=2
1 1
(formula 5.8)
Pentru primul set de date, oscilaia relativ rmne 5,33, n timp ce oscilaia relativ pentru al doilea set de date devine 1,66. tim c valoarea nu este reprezentativ pentru volumul oscilaiilor, ns, comparnd cele dou valori, putem trage concluzii importante. Iat c, la primul subiect, sub influena imaginilor, ritmul su cardiac crete n mod constant pe msur ce-i sunt prezentate noi informaii, n timp ce, la al doilea subiect, dup o cretere iniial foarte mare (tim acest lucru din oscilaia absolut), urmeaz o scdere a ritmului cardiac, ca urmare, probabil, a instalrii obinuinei. Indicatorii oscilaiei ne furnizeaz informaii valoroase asupra tendinei tipice sau atipice de evoluie a scorurilor, reprezentnd un rezultat important atunci cnd urmrim s vedem evoluia unui fenomen n timp sau sub influena unor modificri experimentale.
136
V.2.3 Abaterea medie

Se mai numete variaie medie, deviaie medie, abatere absolut medie sau abatere liniar medie i se poate calcula atunci cnd media este un bun indicator al tendinei centrale. Acest indicator informeaz asupra modului n care se abat, n valori absolute, rezultatele de la medie, acordnd aceeai pondere tuturor variabilelor. Abaterea medie se poate calcula pe date grupate sau pe date discrete. S ne amintim de exemplul cu prietenii. Am vzut c simpla adunare a abaterilor fiecrui scor de la medie nu rezolv problema verificrii gradului de potrivire a modelului statistic cu modelul real, suma lor fiind ntotdeauna nul. Ce-ar fi, ns, dac am lua aceste valori n modul, adic nu am ine cont de semn. Am obine, atunci, urmtoarea valoare: 1,6+0,6+0,4+0,4+1,4=4,4 Rezult un indicator mai bun al erorii totale, care indic faptul c toate abaterile de la medie sunt n valoare de 4,4, adic numrul de frai cu care se abat toi cei 5 prieteni ai mei de la media de 2,6 este de 4,4 frai. Ideea nu este rea, ns aceast sum depinde de numrul de msurtori i crete pe msur ce crete numrul de cazuri. Dac a avea 1000 de prieteni, suma ar avea valori foarte mari. De aceea, se mparte aceast sum la numrul de cazuri i se obine media cu care modelul statistic se abate de la modelul real. Aceasta este i ideea abaterii medii. n cazul nostru, mprind 4,4 la 5, obinem 0,88, adic numrul de frai ai prietenilor mei se abate, n medie, cu 0,88 frai. Calculul abaterii medii se realizeaz dup formula urmtoare, n care xi reprezint valoarea msurtorii, x barat reprezint media, iar n reprezint numrul de msurtori. =
=1
(formula 5.9)
137
Dac avem urmtoarele date 10, 22, 31, 9, 24, 27, 29, 9, 23, 12, pentru care media este 19,6, iar numrul de msurtori este 10, avem:
Tabel 5.2 Calculul abaterii medii
xi 10 22 31 9 24 27 29 9 23 12
xi-m -9,6 2,4 11,4 -10,6 4,4 7,4 9,4 -10,6 3,4 -7,6
| xi-m| 9,6 2,4 11,4 10,6 4,4 7,4 9,4 10,6 3,4 7,6 76,8
Practic, formula ne spune s scdem din fiecare valoare valoarea mediei, adic s realizm diferena dintre scor i medie. Aceast diferen o vom trata n termeni de valori absolute (fr semn), dup care facem suma acestor valori absolute, iar suma o mprim la numrul de msurtori. Rezultatul obinut reprezint tocmai valoarea abaterii medii. n cazul nostru, efectund calculele conform tabelului alturat, am obinut suma diferenelor absolute de 76,8. Dac mprim aceast valoare la numrul de msurtori, 10 n cazul nostru, obinem 7,68, valoa-
rea abaterii medii. Pentru date grupate n intervale vom utiliza, n vederea calculrii abaterii medii, urmtoarea formul, unde xi reprezint mijlocul intervalului de distribuie, fi frecvena absolut a acestui interval, x barat media i n numrul de msurtori. =
=1
(formula 5.10)
S lum urmtorul exemplu de distribuie n clase. tim dintr-un capitol anterior c media calculat a acestei distribuii este 179,9. Similar exemplului anterior va trebui s calculm diferena dintre mijlocul fiecrui interval i medie, diferen pe care o vom considera n valori absolute. Cu alte cuvinte, dorim s aflm n ce msur se abaTabel 5.3 Calculul abaterii medii (clase)
Clasa 171 174 175 178 179 182 183 186 187 190 191 -193
xi 172,5 176,5 180,5 184,5 188,5 192
f 9 5 6 4 3 3 n=30
|xi-m| 7,4 3,4 0,6 4,6 8,6 12,1
|xi-m|*f 66,6 17 3,6 18,4 25,8 36,3 =167,7
138
Cristian Opariuc-Dan te fiecare interval de la media general a eantionului. Urmeaz apoi s nmulim aceste abateri cu frecvena absolut a fiecrui interval i s realizm suma acestor rezultate. n cazul nostru, suma abaterilor intervalelor de la media general este 167,7. mprind aceast valoare la numrul de msurtori, obinem 5,59, care nu reprezint altceva dect abaterea medie (d) calculat pe intervale de clase.
V.2.4 Abaterea median

Se mai numete i variaie median sau deviaie median i se utilizeaz n situaia n care nu putem folosi media, fie datorit faptului c nivelul de msur al variabilei este unul ordinal, fie c avem scoruri extreme ntr-o distribuie, fapt ce face media un indicator inadecvat. Modalitatea de calcul a abaterii mediane este similar celei de mai sus (abaterea medie), sigura diferen fiind aceea c, n loc de valoarea mediei, vom folosi valoarea medianei. Calculul acesteia vi-l lsm dumneavoastr ca exerciiu. Exerciiu: Calculai abaterea median pentru datele discrete i datele grupate, utiliznd exemplele de mai sus.
V.2.5 Dispersia
Atunci cnd putem utiliza media, un indicator frecvent este indicatorul dispersiei sau indicatorul varianei (atenie, nu variaie, ci varian) notat cu 2 pentru populaie sau s2 n cazul unui eantion. Variana reprezint media ptratic a diferenelor valorilor individuale fa de media aritmetic i are o relaie direct cu cel mai important indicator al gradului de mprtiere a rezultatelor, abaterea standard. n loc s folosim valorile absolute (n modul) pentru a realiza suma diferenelor, preferm s ridicm la ptrat aceste diferene. tim foarte bine c
139
dac ridicm un numr la ptrat, indiferent de semn, rezultatul este ntotdeauna pozitiv. Iat o alt modalitate prin care evitm anulrile reciproce determinate de semn. Pentru fraii prietenilor mei, vom avea: (-1,6)2+(-0,6)2+(0,4)2+(0,4)2+(1,4)2 2,56+0,36+0,16+0,16+1.96 = 5,20 Aceast valoare, 5,20, poart numele de suma abaterilor ptratice i reprezint un indicator mai bun dect suma abaterilor simple luate n modul. La fel, aceast sum depinde de numrul de cazuri i de aceea, pentru a compensa acest lucru, se mparte suma abaterilor ptratice la numrul de cazuri. n situaia noastr, 5,20:5=1,04, exact valoarea varianei. Ajuni aici, se impune, totui, o precizare. mprirea la numrul cazurilor (n) se realizeaz atunci cnd vorbim de o populaie. Dac ne referim la eantion, atunci nu mprim la numrul de cazuri, ci la numrul de cazuri minus unu (n-1). Aceasta este o ajustare statistic, iar motivele care o susin vor fi explicate mai trziu. Iat c, 5,20:4 = 1,30 este adevrata msur a varianei. Formula de calcul a dispersiei este urmtoarea, n care xi reprezint valoarea msurat, x barat media, iar n numrul de msurtori. 2 =
=1
(formula 5.11)
n activitatea curent, deoarece lucrm cu eantioane i nu cu populaii, se nlocuiete n cu n-1, astfel nct formula dispersiei pentru eantioane devine: 2 =
=1
(formula 5.12)
140
Cristian Opariuc-Dan i dispersia se poate calcula pe date discrete sau pe date grupate n intervale. Relund exemplul anterior, ne amintim c avem urmtoarele date: 10, 22, 31, 9, 24, 27, 29, 9, 23, 12, pentru care media este 19,6, iar numrul de msurtori este 10. Vom utiliza un tabel similar cu Tabel 5.4 Calculul cel prezentat n exemplul de mai sus i vom analiza dispersiei xi xi-m (xi-m)2 formula. Privind cu atenie, observm c trebuie s facem, prima dat, diferena dintre scorul brut i medie (xi-m), la fel ca n procedura de calcul a abaterii medii. Deoarece obinem valori negative i valori pozitive, dac le-am nsuma n aceast etap, valorile contrare s-ar anula reciproc i nu am obine nici o informaie sintetic util. Pentru a preveni acest lu cru, vom ridica la ptrat fiecare diferen. n acest fel, compensm anularea reciproc ce poate s apar la nsumarea valorilor, toate valorile rezultate fiind pozitive. Dup ridicarea la ptrat, putem face, fr s ne preocupe anularea valorilor, suma rezultatelor (suma abaterilor ptratice). n cazul nostru, suma abaterilor ptratice este 684,4. mprind acum suma ptratelor la numrul de msurtori (10), obinem valoarea 68,44, ca valoare a indicatorului varianei sau dispersiei. Deoarece lucram cu un eantion i nu la nivelul populaiei, mprirea o vom face la n-1 (10-1=9), rezultnd valoarea corectat a dispersiei. Deci, pentru setul nostru de date, variana s2=70,04. Pentru date grupate n intervale de clas, formula de calcul a varianei se modific puin, unde fi reprezint frecvena absolut a intervalului de clas, xi reprezint mijlocul acestui interval, restul elementelor fiind cunoscute. 2 =
=1
10 22 31 9 24 27 29 9 23 12
-9,6 2,4 11,4 -10,6 4,4 7,4 9,4 -10,6 3,4 -7,6
92,16 5,76 129,96 112,36 19,36 54,76 88,36 112,36 11,56 57,76 684,4
(figura 5.13)
141

=1
2 =
(figura 5.14)
Relund distribuia prezentat n seciunea anterioar, ne reamintim c media acestor rezultate a fost de 179,91, iar numrul de cazuri 30. Primul lucru pe care l vom face va fi s calculm diferena dintre mijlocul fiecrui interval de clas i medie. Din motivele expuse anterior, nu putem face, n Tabel 5.5 Calculul dispersiei (clase) acest moment, Clasa xi f xi-m (xi-m)2 f*(xi-m)2 suma diferenelor 171 174 172,5 9 -7,41 54,90 494,1729 175 178 176,5 5 -3,41 11,62 58,1405 obinute. Va trebui 179 182 180,5 6 0,59 0,34 2,0886 s ridicm la ptrat 183 186 184,5 4 4,59 21,06 84,2724 187 190 188,5 3 8,59 73,78 221,3643 aceste diferene, 191 -193 192 3 12,09 146,16 438,5043 dup care s nn=30 =1298,54 mulim ptratele obinute cu frecvena absolut a fiecrui interval. Dup aceast operaiune, putem calcula suma abaterilor ptratice, care, n cazul nostru, va deveni 1298,54. mprind aceast sum la numrul de msurtori (n=30), obinem valoarea varianei 43,28. Totui, numrul de msurtori fiind mic, acest rezultat n corectm mprind nu la 30, ci la 29. Va rezulta astfel 44,77, valoarea corectat a varianei.
V.2.6 Abaterea standard

Se noteaz cu s n cazul unui eantion sau cu n cazul unei populaii i o putem ntlni sub numele de abatere etalon, abatere tip, abatere ptratic medie. Acest indicator este cel mai precis i inteligibil pentru msura gradului de mprtiere al rezultatelor n jurul tendinei centrale i contribuie la definirea distribuiei normale. Poate fi calculat i dobndete semnificaie numai atunci cnd poate fi calculat media. Variana ne d expresia medie a abaterilor dintre medie i observaii, ns aceast valoare este exprimat sub form ridicat la ptrat. Nu tiu dac 142
Cristian Opariuc-Dan v este foarte util o expresie de genul n medie, numrul de frai ridicat la ptrat, cu care se abat fraii prietenilor mei de la media de 2,6 frai, este de 1,3 frai. Cred c, mai degrab, v poate crea confuzie. Acest lucru se ntmpl deoarece, pentru a evita problemele legate de semn, am ridicat la ptrat diferenele. Cum scpm acum de aceast ridicare la ptrat? V mai amintii probabil c inversul ridicrii la ptrat este extragerea rdcinii ptrate (a radicalului). Exact acest lucru l vom face i noi. Extrgnd radical din 1,3 vom obine valoarea 1,14, expresia abaterii standard. Putem acum afirma c, n medie, numrul de frai ai prietenilor mei se abate de la valoarea de 2,6 cu 1,14. Abaterea standard se calculeaz dup formula urmtoare, unde toate datele ne sunt deja cunoscute. Dac privim cu atenie aceast formul, constatm c expresia de sub radical nu este altceva dect variana. Prin urmare, dup ce calculm variana, putem afla uor abaterea standard, extrgnd radicalul de ordin doi din varian. = =
=1
=1
= 2 (formula 5.15) = 2 (formula 5.16)
n primul exemplu, cel n care am folosit date discrete, variana obinut a fost s2=70,07. Deci, abaterea standard va fi egal cu rdcina ptrat din 70,07, adic 8,37. Similar, pentru datele grupate n intervale, variana a fost 44,77, iar abaterea standard devine 6,69. Abaterea standard msoar modul n care rezultatele se mprtie n jurul mediei, valorile mari indicnd un grad mare de mprtiere. Este, dac dorii, un indicator ce arat n ce msur media este reprezentativ pentru observaii, n ce msur modelul statistic se potrivete cu modelul real. Abaterile standard mici arat c valorile sunt puin distanate fa de medie, acest
143
indicator al tendinei centrale reprezentnd foarte bine datele. Valorile mari ale abaterii standard arat c datele sunt distanate, mprtiate puternic n jurul mediei, aceasta nefiind un bun model statistic. Abaterea standard zero indic faptul c avem aceleai valori (de exemplu, o distribuie 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5 are media 5 i abaterea standard 0). Comparnd cele dou rezultate de mai sus, constatm c, n primul exemplu, rezultatele sunt mai mprtiate n jurul mediei dect n al doilea exemplu. Cu ct abaterea standard este mai mic, cu att datele sunt mai grupate n jurul tendinei centrale. Abaterea standard se exprim n aceleai uniti de msur ca i media. Dac media nlimii unor subieci este de 179,91 centimetri, atunci abaterea standard de 6,69 va fi exprimat tot n centimetri. Convenim, aadar, s descriem o distribuie de acest gen, prin media nlimii subiecilor din eantion egal cu 179,91 centimetri cu o abatere standard de 6,69 centimetri. Ridicarea la ptrat din formula dispersiei, introduce o oarecare distorsiune n analiza mprtierii datelor, deoarece, prin aceast operaie, se atribuie o pondere mai mare valorilor aflate la o distan mare fa de medie. Reinei c mprirea la numrul de cazuri n este valabil pentru o variabil teoretic sau n cazul populaiei. Deoarece, n general, lucrm cu eantioane i nu cu populaii, vom folosi n formul mprirea la n-1, valabil pentru variabila empiric. Aceast corecie se folosete n vederea evitrii subestimrii gradului de mprtiere a rezultatelor n jurul mediei i poart numele de grade de libertate. Media i abaterea standard sunt cei doi indicatori importani n analiza distribuiei normale. Utilizarea lor este condiionat de absena unor scoruri extreme i de variabile situate cel puin la un nivel de msur de interval. La fel ca i media, indicatorul principal al tendinei centrale, abaterea standard are i ea o serie de proprieti utile n practic:
144
Cristian Opariuc-Dan Dac adugm sau scdem o valoare constant la fiecare scor din distribuie, abaterea standard nu sufer modificri; Dac nmulim sau mprim fiecare scor din distribuie cu o constant, abaterea standard se multiplic sau se divide cu valoarea acelei constante; Distana dintre valoarea abaterii standard i medie este mai mic n comparaie cu distana dintre abaterea standard i orice alt scor. Cu alte cuvinte, media se distaneaz cel mai puin de abaterea standard n comparaie cu orice alt scor.
V.2.7 Coeficientul de variaie

Prezint, mai intuitiv dect abaterea standard, gradul de mprtiere al rezultatelor n jurul mediei, deoarece este o expresie procentual a mpririi abaterii standard la medie. De asemenea, pentru datele ordinale, se poate calcula coeficientul de variabilitate ca expresie procentual a mpririi abaterii mediane la median. Formulele de calcul n acest caz sunt: = 100, =

(formula 5.17) (formula 5.18)
100,
Prin nmulirea coeficientului de variaie cu 100, obinem exprimarea procentual a acestui indicator, mai intuitiv n comparaie cu valoarea brut. n exemplul nostru, = 8,37:19,6=0,42x100=42%, adic o variaie de 42% n cazul datelor discrete i = 6,69:179,91=0,03x100=3%, o variaie de doar 3,00% pentru datele grupate n interval. Cu ct valoarea acestui coeficient este mai mare, cu att media este un indicator mai imprecis pentru tendina central. Valoarea acestui coeficient nu depinde de unitatea de msur, ca n cazul abaterii standard, i de aceea el
145
poate fi folosit n situaii n care comparm, sub aspectul variabilitii, dou distribuii diferite. Exist anumite reguli care permit aprecierea gradului de mprtiere a scorurilor n jurul mediei, utilizndu-se acest coeficient (Popa, 2006): Un coeficient de variaie mai mic de 15% indic un grad de mprtiere redus, media fiind un bun indicator al tendinei centrale; Un coeficient de variaie cuprins ntre 15% i 30% arat o mprtiere moderat, caz n care reprezentativitatea mediei este satisfctoare; Un coeficient de variaie de peste 30% arat o mprtiere mare, media nemaifiind un bun indicator pentru tendina central.
V.3 Obinerea indicatorilor mprtierii n SPSS

Pentru a studia modul n care aflm indicatorii dispersiei n SPSS, vom folosi baza de date IQ.sav, n care avem deja datele introduse n capitolul anterior. Folosim, pentru aceasta, tot comanda Figura 5.3 Meniul de analiz a Analyze, apoi submeniul Descriptive frecvenelor Statistics i opiunea Frequencies. Se va deschide binecunoscuta de acum fereastr, pe care am studiat-o n momentul n care am aflat cum putem calcula indicatorii tendinei centrale. i de data aceasta, vom folosi, ca exemplu, variabila Varsta subiectilor, variabil pe care o vom transfera din lista variaFigura 5.4 Includerea variabilei n bilelor din baza de date n lista variabianaliz
146
Cristian Opariuc-Dan lelor supuse analizei (Variable(s)) din partea dreapt a formularului, aa cum se poate observa n figura 5.4. Asupra modului n care se face acest transfer nu mai insistm, deoarece procedeul a fost descris pe larg n capitolul destinat indicatorilor tendinei centrale. Dac nu v putei aminti, revedei capitolul 3. Dup transfer, va trebui s comunicm aplicaiei SPSS s ne calculeze indicatorii mprtierii. V amintii probabil c acest lucru l putem face apsnd butonul Statistics situat n partea de jos a acestui formular. Imediat, se va deschide o nou fereastr, cunoscut de la calculul indicatorilor tendinei centrale. Observm, n partea din stnga-jos a acestei ferestre, seciunea destinat calculului indicatorilor dispersiei (seciunea Dispersion). Vom putea calcula abaterea standard, prin bifarea casetei Std. deviation, variana, bifnd caseta Variance sau amplitudinea de variaie cu ajutorul casetei Range. De asemenea, este posibil afiarea valorii minime i maxime din Figura 5.5 Selectarea indicatorilor mprtierii distribuia noastr prin bifarea casetelor Minimum i Maximum. Seciunea permite i calcularea erorii standard a mediei (caseta S.E mean), ns asupra acestui element vom reveni ceva mai trziu.
Tabel 5.6 Indicatorii mprtierii
Vom alege, dup cum putei observa n figura de mai sus, afiarea abaterii standard, a varianei, amplitudinii distribuiei, minimului i maximului. Apsm apoi butonul Continue pentru ca SPSS s memoreze comenzile noastre i ne ntoarcem n formularul anterior. Nu ne mai rmne dect s apsm butonul OK, pentru a lansa procedeul de analiz.
147
Dup cteva fraciuni de secund, SPSS va afia n fereastra de rezultate tabelul cu rezultatele comandate de noi. Automat, SPSS include i numrul de cazuri (N). Aflm, din analiza acestui tabel, c avem un numr de 30 de subieci (N=30) i toi subiecii au valori pentru variabila Varsta subiectilor (Valid=30; Missing=0). Cu alte cuvinte, niciunul dintre aceti subieci nu are necompletat valoarea pentru variabila vrst. Aflm, n continuare, c abaterea standard (Std. Deviation) este 5,523, iar variana (Variance) este 30,506. Dac vei extrage rdcina ptrat din varian (30,506), vei obine exact valoarea abaterii standard (5,523), ceea ce confirm teoria expus mai sus. De asemenea, amplitudinea de variaie (Range) este 19, cu alte cuvinte, ntre Minimum 20 i Maximum 39 pot exista cel mult 19 valori posibile. Pare mult mai simplu dect s efectum manual calculele prezentate la nceputul acestui capitol. Iat de ce SPSS i merit cu prisosin banii pe care i solicit productorul n concluzie:
Dincolo de tendina central, este necesar s studiem i modul n care rezultatele se mprtie n jurul tendinei centrale prin calculul indicatorilor dispersiei; Indicatorii dispersiei pot ine seama doar de anumite date i se numesc indicatori elementari ai mprtierii sau de toate datele, cazul indicatorilor sintetici; Indicatorii elementari ai mprtierii sunt: o Amplitudinea de variaie absolut i relativ; o Intervalul cuartil i abaterea cuartil; Indicatorii sintetici ai mprtierii sunt: o Diferena medie Gini; o Oscilaia absolut i relativ; o Abaterea medie; o Abaterea median; o Dispersia sau variana; o Abaterea standard; o Coeficientul de variaie. Media i abaterea standard sunt indicatorii pe baza crora se caracterizeaz o distribuie normal; Indicatorii dispersiei bazai pe medie pot fi calculai numai dac nivelul de msurare al variabilei este cel puin unul de interval i nu exist scoruri extreme n distribuie.
148
VI. DISTRIBUIA NORMAL

n acest capitol se va discuta despre: Distribuia normal; Analiza distribuiei normale; Note standardizate; Inventarul statistic de baz Etaloane i sisteme de etalonare. Dup parcurgerea capitolului, cursanii vor fi capabili s: neleag caracteristicile unei distribuii normale; Analizeze o distribuie sub aspectul caracteristicilor acesteia i s precizeze dac este sau nu normal; Realizeze i s interpreteze inventarul statistic de baz utiliznd SPSS; Transforme o not brut n note standardizate i s precizeze poziia pe care o ocup scorul particular; Decid ce sistem de etalonare poate fi utilizat n funcie de distribuie i s realizeze un etalon.
Am menionat deseori acest concept al distribuiei normale i a venit momentul s l abordm n detaliu. Vom ncepe, ca de obicei, cu un exemplu: dac am avea posibilitatea s msurm nlimea tuturor brbailor din Romnia, am observa c exist foarte puini pitici i foarte puini gigani; ceva mai muli oameni mici i, la fel, ceva mai muli oameni foarte nali, iar cei mai muli oameni sunt de statur medie. Care ar fi, aadar, probabilitatea ca s nlimea subiecilor ntlnim n populaia masculiFigura 6.1 Distribuia nlimii tuturor brbailor din Romnia
Frecvena de apariie
149
n un gigant? Foarte mic. Ceva mai mare ar fi probabilitatea de a ntlni n populaie un om nalt i foarte mare probabilitatea s ntlnim, de exemplu, un om cu nlimea de 178 centimetri, nlime medie. Dac am reprezenta grafic, printr-un grafic cu bare, nlimea tuturor brbailor din Romnia, am obine o figur asemntoare cu figura de mai sus. Privind cu atenie figura, observm c, la nlimi ale subiecilor foarte mici (piticii), frecvena de apariie este i ea foarte mic, apropiat de zero. Pe msur ce nlimea crete, crete i frecvena de apariie a acesteia, astfel nct va atinge un maximum n zona tendinei centrale, dup care ncepe din nou s scad spre nlimi mari. La nlimi foarte mari (giganii), frecvena de apariie se apropie din nou de zero. Aceast distribuie este o distribuie normal i poate fi evaluat numai n cazul unei variabile continue. De aceea, distribuia normal se mai numete i distribuie continu. O distribuie normal este pe deplin caracterizat de medie, ca indicator al tendinei centrale i de abaterea standard, ca indicator al dispersiei. Aceti doi indicatori poart numele de parametri ai repartiiei normale. Dac cunoatem media i abaterea standard, putem oricnd calcula probabilitatea de apariie a unei valori particulare n aceast distribuie. Distribuia normal a fost descris prima dat de Ch. Fr. Gauss (17771855) i de aceea distribuia normal se mai numete i distribuie gaussian. Deoarece la demonstrarea acestui concept a participat i P.S. Laplace (1749-1827), n literatura de specialitate se va ntlni i termenul de distribuie gauss-laplace. Toi aceti termeni se refer la acelai lucru, distribuia normal. Am vzut deja c media i abaterea standard descriu complet o distribuie normal. n literatur, se folosete pentru medie simbolul m sau x barat, iar pentru abaterea standard simbolul s, atunci cnd vorbim de un eantion.
150
Cristian Opariuc-Dan La nivel teoretic sau atunci cnd vorbim de populaii, folosim simbolul pentru medie i simbolul pentru abaterea standard. Pentru ca o distribuie s fie considerat normal, vor trebui ndeplinite simultan urmtoarele condiii: S fie unimodal adic s existe un singur mod, o singur categorie cu frecven maxim; S fie simetric fa de medie adic s nu fie deplasat spre stnga sau spre dreapta; S fie normal boltit adic s nu fie nici ascuit (foarte omogen) i nici turtit (foarte eterogen).
De asemenea, limitele din stnga i din dreapta ale unei distribuii normale tind spre valoarea zero, pe care, ns, nu o ntlnesc niciodat. O distribuie perfect normal are aceeai valoare pentru toi cei trei indicatori ai tendinei centrale (media, mediana i modul), adic media = mediana = mod. n practic, acest lucru se ntlnete extrem de rar i, de aceea, ne punem problema ntre ce limite putem considera o distribuie ca fiind normal.
VI.1 Modalitatea
O distribuie normal este o distribuie unimodal, adic exist doar o singur categorie cu frecvena maxim. Prezena a dou sau mai multe valori modale determin distribuii bimodale, trimodale, n general polimodale (multimodale), distribuii ce nu pot fi considerate ca fiind distribuii normale. O distribuie ca aceea din figura 6.1 este o distribuie normal. O distribuie similar distribu-
Figura 6.2 Distribuie bimodal
151
iei din figura 6.2 este o distribuie bimodal, deoarece observm existena a dou categorii cu frecvena egal i maxim. Normalitatea distribuiei, sub aspectul modalitii, se verific prin calcularea valorii mod. Dac exist o singur valoare cu frecvena maxim, atunci distribuia poate fi considerat normal sub acest aspect. n condiiile n care sunt dou sau mai multe valori cu frecvena maxim i, evident, egal, distribuia este polimodal (multimodal) i nu poate fi considerat ca fiind normal.
VI.2 Simetria
O distribuie este simetric, dac valorile sunt egal (simetric) rspndite n jurul tendinei centrale. Atunci cnd rezultatele tind ctre valori mici, sunt aglomerate n partea stng a distribuiei, avem de a face cu o distribuie asimetric spre dreapta (sau distribuie skewness pozitiv). Cnd rezultatele tind ctre valori mari, se aglomereaz n partea dreapt a distribuiei, vorbim despre o distribuie asimetric la stnga (skewness negativ). Iat c Figura 6.3 Distribuie simetric (B), asimetric asimetria este dat de panta distrila dreapta (A) i asimetric la stnga (C) buiei i nu de vrful acesteia, aa cum trateaz i consider unii. n figura 6.3, distribuia B este o distribuie simetric. Distribuia A este o distribuie asimetric la dreapta (skewness pozitiv), unde predomin scorurile sczute, n timp ce distribuia C este o distribuie asimetric la stnga (skewness negativ), n care predomin scorurile mari.
152
Cristian Opariuc-Dan Nu ne putem limita la o apreciere pur vizual a simetriei; acest lucru necesit demonstrarea statistic a simetriei sau a asimetriei distribuiei. n acest scop exist mai muli coeficieni care pot fi calculai.
VI.2.1 Coeficientul Yule

Coeficientul msoar gradul de asimetrie prin raportul dintre diferena i suma abaterilor cuartile i se calculeaz dup formula alturat. Observm c, pentru a calcula acest coeficient, este necesar s calculm pur i simplu cele trei cuartile, dup metoda prezentat ntr-unul dintre capitolele anterioare. =
3 2 2 1 3 2 + 2 1
(formula 6.1)
Coeficientul poate lua, n general, valori de la -1 la +1 i indic mrimea asimetriei negative sau pozitive. Cu ct valorile sunt mai apropiate de 0, cu att distribuia este mai simetric. Cu ct se apropie de -1 sau de +1, ea devine tot mai asimetric spre stnga sau spre dreapta. Acest coeficient este foarte uor de calculat, ns ine cont doar de cteva valori valorile cuartile i nu de toate valorile din distribuie, fapt care i limiteaz precizia i se consider c este doar un coeficient elementar al simetriei. S ne reamintim exemplul de calcul al cuartilelor, din capitolul anterior. Am stabilit atunci i nu vom mai intra acum n detalii, c primul cuartil (Q1) are valoarea 12,03, al doilea cuartil (Q2) este 16,16, iar al treilea cuartil (Q3) avea valoarea 25,75. nlocuind n formula noastr, obinem valoarea negativ -1,35, indicnd o asimetrie spre stnga, adic o tendin ctre scoruri mari, fapt ce se poate observa cu uurin din distribuia statistic.
VI.2.2 Coeficientul de asimetrie Fisher

Coeficientul de asimetrie al lui Fisher nu se bazeaz pe cteva elemente, precum coeficientul Yule, ci pe toate valorile din distribuie i se cal153
culeaz folosindu-se momentele centrate. Variana, de exemplu, este momentul centrat de ordin doi, deoarece am ridicat la ptrat fiecare diferen dintre o valoare particular i medie. Dac ridicm aceste diferene la cub, obinem momentul centrat de ordin 3, iar dac ridicm la puterea a patra, momentul centrat de ordin patru. tim, de la abaterea standard, c ridicarea la ptrat amplific ponderea pe care o au variabilele distanate puternic de la medie. Aceast pondere este amplificat i mai mult prin ridicare la cub, ns, de aceast dat, va fi luat n considerare i semnul cubului diferenelor. 1 = 3 = 3
=1
(formula 6.2)
Dac raportm momentul de ordin trei la cubul abaterii standard, obinem exact expresia coeficientului de asimetrie a lui Fisher. Iat o prim formul care, probabil, v va determina s aruncai cartea din mn. Dac ai ajuns la aceast fraz, dac acum continuai s citii, nseamn c dumneavoastr chiar dorii s nvai serios aceste noiuni Ideea este c, dei pare complex, formula nu face altceva dect s calculeze un fel de varian, doar c nu mai ridiTabel 6.1 Calculul coeficientului de cm numai la ptrat fiecare diferen asimetrie xi xi-m (xi-m)2 (xi-m)3 ntre scorul obinut, ci i la cub. Proce10 -9,6 92,16 -884,736 deul nu este deloc mai complicat dect 22 2,4 5,76 13,824 31 11,4 129,96 1481,544 calculul varianei, dup cum vom vedea 9 -10,6 112,36 -1191,02 n urmtoarele exemple. Relund exemplul cu date discrete, ne amintim c avem urmtoarele date 10, 22, 31, 9, 24, 27, 29, 9, 23, 12, pentru care media este 19,6, iar numrul de msurtori este 10.
24 27 29 9 23 12 4,4 7,4 9,4 -10,6 3,4 -7,6 19,36 54,76 88,36 112,36 11,56 57,76 684,4 85,184 405,224 830,584 -1191,02 39,304 -438,976 -850,08
154
Cristian Opariuc-Dan De asemenea, am aranjat aceste date ntr-un tabel pentru a ne uura procedeul de calcul. Tot la calculul dispersiei, v amintii, am fcut ptratul diferenelor (xi-m)2, dup care suma ptratelor. n formul trebuie s mai calculm cubul acestor diferene (pentru momentul centrat de ordin trei). Vom mai aduga o coloan pe care o vom denumi (xi-m)3 i vom ridica la puterea a treia fiecare diferen xi-m. La final, vom face suma ptratelor i suma cuburilor. Suma cuburilor poate fi un numr pozitiv sau negativ, n funcie de ponderea pe care o au abaterile scorurilor nspre partea dreapt sau nspre partea stng fa de medie. n acest moment, nu ne rmne dect s nlocuim n formul. Suma ptratelor este 684,4, suma cuburilor este -850,08, iar numrul de msurtori este 10. nlocuind, obinem urmtoarele momente de ordin trei i doi, prezentate n figura alturat. Dup efectuarea calculelor, obinem un coeficient de asimetrie de - 0,15, coeficient care indic o distribuie simetric. 1 = 3 = 3 850,08 10 684,4 10
3
850,08 = 0,15 5661,93
Similar se realizeaz calculele i n cazul datelor grupate n clase, derivnd din formula de calcul a dispersiei pentru date grupate. Acest exemplu l lsm ca exerciiu. Acest coeficient are valoarea zero pentru distribuii perfect simetrice. Valorile negative sunt considerate asimetrii la stnga, iar valorile pozitive indic asimetrii la dreapta. O valoare zero este ns o valoare pe care o vom ntlni foarte rar n practic. n mod normal, valorile sunt diferite de zero. ns nu orice valoare diferit de zero poate indica o asimetrie care s devieze semnificativ de la distribuia normal. Vom vedea, puin mai trziu, care sunt limitele ntre care, totui, putem considera normal o distribuie asimetric. Exerciiu:
155
Calculai coeficientul de asimetrie, folosind distribuia n clase prezentat la capitolul de calcul a dispersiei. Atunci cnd discutm despre asimetrie, trebuie s precizm o serie de relaii care apar ntre indicatorii tendinei centrale, medie, median i mod. ntr-o distribuie perfect simetric, media, mediana i modul au exact aceleai valori. Caracteristica acestei distribuii o reprezint coincidena absolut a celor trei indicatori ai tendinei centrale. Dup cum putei observa n figura alturat, att media, ct i mediana i modul, se afl n acelai punct, la mijlocul distribuiei. Grupa subieci- Figura 6.4 O distribuie perfect simetric lor cu scoruri mai mici dect media este perfect simetric cu grupa subiecilor cu scoruri mai mari dect media. Acest aspect este menionat din raiuni teoretice. n practic, nu vom ntlni o distribuie perfect normal, ci o distribuie care poate fi acceptat ca fiind o distribuie normal. ntr-o distribuie asimetric la dreapta (distribuie skewness pozitiv, vezi figura alturat), predomin scorurile mici. n acest caz, modul este valoarea situat cel mai Figura 6.5 O distribuie asimetric la stnga n irul de date, iar la dreapta mediana este mai mic dect media. Evident, mediana fiind valoarea care mparte irul or-
156
Cristian Opariuc-Dan donat de date n dou pri egale, iar dac n distribuie predomin scorurile mici, atunci scorurile mari sunt considerate ca scoruri extreme. tim, de la analiza preciziei indicatorilor tendinei centrale, c, ntr-o serie de date n care ntlnim scoruri extreme mari, media tinde s le pun n valoare. Iat c acest fapt este ilustrat grafic n figura de mai sus. Observai relaia existent ntr-o asemenea distribuie: Mo<Me<m. Aceast relaie este relaia caracteristic a unei distribuii asimetrice pozitiv. ntr-o distribuie asimetric la stnga (distribuie skewness negativ, vezi figura alturat), predomin scorurile mari. n acest caz, modul este valoarea situat cel mai la dreapta n irul de date, iar mediana este mai mare dect media. Evident, mediana fiind valoarea care mparte irul ordonat de date n dou pri egale, iar dac n distribuie predomin scorurile mari, atunci scorurile mici sunt considerate ca scoruri extreme. Figura 6.6 O distribuie asimetric la stnga tim, de la analiza preciziei indicatorilor tendinei centrale, c, ntr-o serie de date n care ntlnim scoruri extreme mici, media tinde s le pun n valoare. Iat c acest fapt este ilustrat grafic n figura de mai sus. Observai relaia existent ntr-o asemenea distribuie: Mo>Me>m. Aceast relaie este relaia caracteristic a unei distribuii asimetrice negativ.
n baza acestor relaii stabilite ntre medie i median, dar lund n considerare i abaterea standard, o variant a coeficientului skewness poate fi
157

3
calculat dup formula: =
, unde x barat reprezint media, Me
reprezint mediana, iar abaterea standard. Valorile sale se interpreteaz la fel ca orice coeficient de asimetrie. Avnd n vedere simplitatea acestei formule, exersarea ei pe unul dintre exemplele de mai sus v-o lsm ca exerciiu. Simetria este al doilea aspect important al unei distribuii normale. O distribuie normal este o distribuie simetric.
VI.3 Boltirea sau excesul

Asimetria pe orizontal presupune, dup cum am vzut, o deplasare a tendinei centrale spre stnga sau spre dreapta, ctre scoruri mici sau ctre scoruri mari. Aceasta este singura asimetrie posibil? Ei bine, nu. Exist i un fel de asimetrie vertical sau boltire. Termenul folosit generic pentru acest concept este termenul de kurtosis (din limba greac, kurtos = cocoat). Practic, boltirea se refer la aspectul cocoaei distribuiei rezultatelor. Cocoaa poate fi ascuit i atunci putem vorbi de o Figura 6.7 Distribuie mezocurtic (A), distribuie ascuit sau leptocurtic, leptocurtic (C) i platicurtic (B) poate fi turtit, distribuia turtit, plat sau platicurtic sau normal, distribuie mezocurtic. O distribuie normal este ntotdeauna o distribuie mezocurtic. n figura de mai sus, distribuia C este o distribuie leptocurtic, ascuit. Distribuia B este o distribuie platicurtic, turtit, iar distribuia A este o distribuie normal sub aspectul boltirii sau mezocurtic.
158
Cristian Opariuc-Dan Ai observat deja c boltirea nu este altceva dect simetria pe axa vertical (OY), spre deosebire de simetria propriu zis, deplasarea valorilor pe axa orizontal (O X). Dac la simetrie vorbeam de frecvene (Care sunt cele mai frecvente scoruri obinute, unde se concentreaz acestea? n eantionul nostru avem mai degrab subieci mici sau subieci nali? Ori, poate, exist un echilibru ntre subiecii scunzi i cei nali?), la boltire discutm de valori, de modul n care aceste valori se grupeaz n jurul tendinei centrale (dac sunt mai grupate valorile n jurul mediei sau, din contra, foarte mprtiate). La fel ca simetria, boltirea nu poate fi apreciat pur ochiometric, ci avem nevoie i aici de anumii coeficieni rezultai din formule de calcul specifice. Pearson a discutat despre boltire n termeni de momente, la fel ca simetria, rezultnd astfel coeficientul de boltire sau coeficientul kurtosis. 2 = 4 = 2
2
=1
(formula 6.3)
Dac skewness reprezenta raportul dintre momentul centrat de ordin trei i momentul centrat de ordin doi, coeficientul de boltire reprezint raportul dintre momentul centrat de ordin patru i momentul centrat de ordin doi. Formula nu ar trebui s v pun probleme dac ai neles modalitatea de calculare a coeficientului de asimetrie. Tehnica este asemntoare. Una dintre recomandrile interpretative ale coeficientului de boltire afirm c o distribuie normal are un coeficient de boltire egal cu 3, iar comparaiile se fac n funcie de aceast valoare. Pe msur ce coeficientul de boltire are valori mai mari de 3, distribuia este din ce n ce mai cocoat (leptocurtic), iar cu ct acest coeficient scade de la valori mai mici dect 3, cu att distribuia este mai plat (platicurtic). Deoarece n practica statistic suntem obinuii mai degrab cu coeficieni care iau n considerare valori ntre -1 i +1, o variant a formulei de mai sus, care-i pstreaz aceeai valoare interpretativ, poate fi urmtoarea:
159

4
2 2 =1
2 =
(formula 6.4)
Sunt i alte modaliti de interpretare ale acestui coeficient, modaliti pe care le vom discuta imediat, n subcapitolul destinat aplicaiilor practice. Vom reconsidera exemplul folosit la aprecierea simetriei, n vederea calculrii boltirii. De data aceasta, nu mai suntem interesai de ridicarea la cub a diferenelor dintre valori i medie, ci de ridicarea la puterea a patra, pentru a afla momentul centrat de ordin Tabel 6.2 Calculul coeficientului de boltire xi xi-m (xi-m)2 (xi-m)4 patru. Dup efectuarea calculelor, suma 10 -9,6 92,16 8493,466 ptratelor diferenelor este 684,4, iar 22 2,40 5,76 33,1776 suma ridicrii la puterea a patra a dife31 11,40 129,96 16889,6 renelor va fi 65316,59. Acum va trebui 9 -10,60 112,36 12624,77 24 4,40 19,36 374,8096 s aplicm formula de calcul i vom 27 7,40 54,76 2998,658 obine valoarea coeficientului kurtosis 29 9,40 88,36 7807,49 de 1,39, ceea ce determin o distribuie 9 -10,60 112,36 12624,77 uor platicurtic. Acest lucru devine 23 3,40 11,56 133,6336 mai evident, dac aplicam formula a 12 -7,60 57,76 3336,218 Suma 684,4 65316,59 doua i scdem valoarea 3. Va rezulta un coeficient de boltire de -1,61, putnd suspecta aceast form a distribuiei. 2 = 4 2 = 2 65316,59 10 684,4 10
4
65316,59 = 1,39 46840,30
O distribuie leptocurtic, ascuit, arat c datele sunt foarte grupate i apropiate de medie, lotul de subieci avnd un mare grad de omogenitate a scorurilor. Aceast distribuie nu ridic niciun fel de probleme atunci cnd trebuie s difereniem subiecii care obin scoruri mici sau mari. Avem ns dificulti atunci cnd trebuie s difereniem subiecii din zona medie a distribuiei. De exemplu, ntr-o clas de 30 de elevi, 27 obin 160
Cristian Opariuc-Dan medii anuale ntre 7,9 i 8,1. Iat c, doar dou zecimi difereniaz ntre elevii aproape a ntregului efectiv al clasei. Nu avem nicio problem cu repartizarea celorlali trei elevi. Pe aceia i vom considera ori foarte buni, ori foarte slabi, n funcie de media obinut sub 7,9 sau peste 8,1. Ce ne facem ns cu cei 27 de subieci? Suntem, iat, n imposibilitatea de a-i ierarhiza n vreun fel. Dac presupunem c cei trei subieci au note mai mari de 8,1, atunci cine va lua, dintre cei 27 de elevi, premiul I, cine va lua premiul II i cine va lua premiul III. Decizia ar fi, dup cum se poate vedea, extrem de dificil, dac nu chiar imposibil. Singura variant n acest caz, ar putea fi creterea preciziei. Nu calculm media cu o singur zecimal, ci cu 2, 3 sau 4 zecimale. Totui, sunt situaii n care un asemenea nivel de precizie este ridicol. O evaluare n care distribuia rezultatelor este leptocurtic va fi o evaluare ce nu poate diferenia ntre subiecii de nivel mediu, iar o curb leptocurtic nu este o distribuie normal. O distribuie platicurtic, plat este o distribuie n care rezultatele sunt foarte mprtiate fa de medie i care indic un grad ridicat de eterogenitate a scorurilor. Problema general a acestei distribuii, n opoziie cu distribuia leptocurtic, este aceea c difereniaz greu la extreme i destul de bine n zona mediei. Va fi greu, utiliznd o asemenea distribuie, s facem diferenieri ntre elevii slabi i elevii buni, dei putem diferenia relativ uor elevii medii. Datorit acestui fapt, o distribuie platicurtic nu este nici ea o distribuie normal. O distribuie normal este o distribuie mezocurtic.
Analiza unei distribuii sub aspectul normalitii este primul pas pe care-l facem n orice prelucrare de date. Deoarece, n funcie de rezultatul
161
acestei analize, vom putea alege tehnicile i procedeele statistice pe care le putem folosi, aceast etap o ntlnim, de obicei, la nceputul oricrui raport de cercetare, imediat dup descrierea eantionului. Dei modalitatea, simetria i boltirea se pot analiza separat, n practic putem avea surpriza ca cei doi indicatori, al simetriei i al boltirii, s-i cumuleze efectele i, cu toate c separat putem aprecia o distribuie ca fiind normal, luat per ansamblu, vom constata c distribuia nu este normal. Exist, aadar, alte tehnici de verificare a distribuiei normale, tehnici pe care le vom discuta ntr-un alt volum, deoarece mai avei nevoie de unele informaii suplimentare.
VI.4 Caracterizarea distribuiei normale

Afirmam, n capitolul anterior, c media i abaterea standard caracterizeaz pe deplin o distribuie normal. Teoretic, exist un numr infinit de abateri standard la dreapta i la stnga mediei. Practic, considerm c o distribuie normal are un numr de ase abateri standard: trei la dreapta mediei i trei la stnga mediei, deoarece volumul de populaie care rmne n afara acestor limite este nesemnificativ i Figura 6.8 Distribuia normal poate fi ignorat. La o distribuie perfect normal, jumtate din rezultate se situeaz n dreapta mediei (rezultatele mari) i jumtate din rezultate se situeaz n stnga mediei (rezultate mici). ntre o abatere standard la stnga mediei i o abatere standard la dreapta mediei, ntlnim aproximativ 68% din populaie (mai precis 68,28%, cu 34,13% ntre medie i o abatere standard la stnga i tot 34,13% ntre medie i o abatere standard 162
Cristian Opariuc-Dan la dreapta). Aceasta este zona normal, zona n care rezultatele pot fi considerate tipice. Dac lum, ca exemplu, coeficientul de inteligen, n aceast zon se afl persoanele considerate normale sub aspect intelectual. ntre dou abateri standard la stnga mediei i dou abateri standard la dreapta, ntlnim aproape 95% din populaie (mai precis 95,44% cu 47,72% ntre medie i dou abateri standard la stnga i 47,72% ntre medie i dou abateri standard la dreapta.). Zona ntre o abatere standard i dou abateri standard, att la stnga ct i la dreapta, este zona rezultatelor accentuate i cuprinde, fiecare, cte 13,59% din populaie. Astfel, ntre o abatere standard la stnga i dou abateri standard la stnga, de afl persoanele cu un intelect mai redus, intelect de limit. La fel, ntre o abatere standard la dreapta i dou abateri standard la dreapta, se afl persoanele cu o inteligen peste medie, cei detepi. ntre trei abateri standard la stnga mediei i trei abateri standard la dreapta mediei, ntlnim aproximativ 99% din populaie (mai precis 99,74% cu 49,87 % ntre medie i trei abateri standard la stnga i 49,87% ntre medie i trei abateri standard la dreapta). Aceast zon este zona rezultatelor atipice. Zona ntre dou abateri standard la stnga i trei abateri standard la stnga, este zona deficienilor mintali, cu un intelect extrem de redus. n aceast zon, ntlnim 2,15% din populaie, acelai procent ca i n zona situat ntre dou i trei abateri standard la dreapta, zona celor cu o inteligen deosebit, a persoanelor supradotate. Iat c, ntre deficienii mintali i supradotai ntlnim aproape ntreaga populaie, peste 99%.
163
Mai rmne, aproximativ 1% din populaie (mai exact 0,26%), situat fie dup trei abateri standard la stnga (0,13%), fie dup trei abateri standard la dreapta (0,13%). Iat i zona rezultatelor aberante, zon n care gsim mai puin de 1% din populaie. Dup trei abateri standard la stnga, l gsim pe idiotul idioilor, iar dup trei abateri standard la dreapta, l gsim pe Einstein. Iat, aceast zon este zona idioiei sau a geniilor.
Spuneam c, dac noi cunoatem media i abaterea standard, putem calcula probabilitatea cu care un rezultat particular se ncadreaz ntr-una dintre aceste zone. S considerm c figura de mai sus reprezint o distribuie perfect normal a rezultatelor unui test, la care scorurile variaz de la 0 la 100. Un subiect care obine nota brut 64, este situat n zona medie, foarte aproape de rezultatele zonei superioare, n timp ce un subiect cu nota brut 27 se situeaz n zona accentuat inferioar. Iat c, astfel, ajungem la un alt concept n statistic, i anume la conceptul poziie a unui scor particular n raport cu rezultatele unui grup reprezentativ de persoane (eantion). Oare nu cumva acest lucru seamn foarte bine cu un alt termen vehiculat n psihologie i anume termenul de etalon? Ba da, ai presupus foarte bine, chiar despre etaloane este vorba. ns, pn s le aprofundm, vom aborda un alt element de baz, i anume conceptul de note z.
VI.4.1 Notele z i note standard derivate

Cnd am discutat de abaterea standard, am vzut c aceasta reprezint un mijloc de raportare a modului n care rezultatele se mprtie n jurul mediei. De asemenea, am spus c, dac cunoatem media i abaterea standard a unei distribuii, putem foarte uor s precizm probabilitatea ca un scor particular s se situeze ntr-o anumit poziie. Pentru disciplinele socio-umane, acest lucru este vital, deoarece, atunci cnd msurm, practic precizm poziia pe care o are un subiect n raport cu o populaie de referin. Este ideal ca aceast poziie s poat fi prezentat ntr-o manier standardizat. Acest lucru
164
Cristian Opariuc-Dan poate fi uor de ndeplinit atunci cnd avem n vedere conceptul de note standardizate. La baza acestui concept stau notele z. Notele z reprezint diferena dintre scorul observat i medie, n termeni de abatere standard. Cu alte cuvinte, notele z nu sunt altceva dect distanele la care se situeaz scorurile particulare n raport cu media grupului, iar aceast distan este exprimat standardizat. Teoretic, notele z sunt note obinute pe o curb cu media 0 i abaterea standard 1. n acest caz, o distribuie normal are practic notele z cuprinse ntre -3 i +3, ntre aceste note regsindu-se peste 99% din populaie, dup cum observai n figura de alturi.
Figura 6.9 Diferite sisteme de note standard
Transformarea notelor obinute de ctre un subiect n note z este foarte simpl i se face dup formula: =

(formula 6.5)
n care x reprezint nota brut, scorul obinut de ctre subiect, x barat reprezint media eantionului cu care comparm performana subiectului, iar sigma se refer la abaterea standard a acelui eantion.
165
De exemplu, ntr-o coal, media elevilor unei clase la matematic este de 6,25 cu o abatere standard de 3,94. Georgel a obinut, la matematic, media 7,15. Ne intereseaz s tim dac Georgel este un elev mediu la matematic, un elev bun sau un elev slab. Intuitiv, am putea spune c este un elev bun, deoarece media lui este mai mare dect media clasei. Nu putem ti ns cu precizie acest lucru, deoarece nu cunoatem cum se distribuie notele celorlali elevi n jurul mediei. Acest lucru ni-l spune abaterea standard. Cu alte cuvinte, va trebui s precizm poziia pe care o ocup Georgel n cadrul grupului de referin din care face parte, adic raportat la elevii din clasa sa. Acest lucru devine posibil prin calculul notei z a lui Georgel, not care ne spune la cte abateri standard se afl scorul su n raport cu clasa. Aplicnd formula de mai sus, observm c nota z a lui Georgel la matematic este de
7,156,25 3,94
0,9 3,94
= 0,22.
Deci
Georgel se situeaz, din punctul de vedere al performanei sale la matematic, la 0,22 abateri standard fa de medie, adic n zona punctului rou marcat pe figura 6.10.
Figura 6.10 Reprezentarea poziiei unui subiect n funcie de nota z
Performana sa la matematic este, prin urmare, o performan medie, situndu-se ntre medie i o abatere standard la dreapta, deci n zona scorurilor medii. Spre deosebire de Georgel, Costel are media la matematic de 4,08. Este oare Costel un elev slab, un elev mediu sau un elev foarte slab? Nota z a lui Costel este 0,55. i aceast not se situeaz ntre medie i o abatere standard la stnga de aceast dat. Iat c, n ciuda aparenelor, raportat la
166
Cristian Opariuc-Dan performana elevilor din clas, dei are media sub cinci, Costel este un elev mediu la aceast disciplin. Cred c intuii deja ce se ntmpl. n domeniul socio-uman, noi nu putem niciodat s msurm ceva cu exactitate. Putem doar s comparm rezultatul unui subiect cu rezultatul unui grup de referin. Comparaia aceasta se poate realiza numai dac cunoatem media i abaterea standard a grupului de referin, n cazul n care, distribuia caracteristicii msurate n cadrul grupului de referin este o distribuie normal. Pentru a v clarifica mai bine acest concept, s lum un nou exemplu. Avem un test de inteligen cu 20 de probleme. Dac subiectul rezolv corect o problem, primete un punct. Dac nu o rezolv corect, primete zero puncte. Deci, scorul unui subiect poate varia de la zero puncte, atunci cnd nu rezolv corect nici o problem, i pn la 20 de puncte, atunci cnd le rezolv corect pe toate. Avem dou persoane: Vasile, obine un scor la acest test de 10 puncte, iar Viorel, un scor de 12 puncte. ntrebare: putei spune care dintre cei doi subieci este mai bun? Care are un nivel intelectual mai ridicat? Cei mai muli dintre dumneavoastr vor zmbi acum complice i mi vor spune: Evident c Viorel, deoarece a rezolvat mai multe probleme. Poate avei dreptate. ns, iat c v mai dau un amnunt. Vasile este cioban, iar ciobanii rezolv corect, n medie, 7 probleme. Lucrurile se schimb acum. Vasile poate obine linitit funcia de baci, deoarece nivelul su intelectual este mai ridicat n comparaie cu nivelul ciobanilor. Viorel este profesor, iar profesorii rezolv corect, n medie, 18 probleme. Fa de grupul profesorilor, Viorel este cioban. Dei exagerat, scopul acestui exemplu este acela de a v convinge c notele brute, scorurile, nu ne spun nimic prin ele nsele. Notele brute dobndesc semnificaie numai n urma comparrii cu o populaie de referin. Pu-
167
tem afirma despre cineva c este bun sau slab numai n raport cu un reper, cu un grup de referin. Probabil c eu sunt bun la statistic n comparaie cu studenii crora le predau aceast disciplin i slab n raport cu unii profesori de ai mei sau cu Spearman ori Pearson. Termenul de bun sau slab dobndete semnificaie numai raportat la un reper. Toate aceste informaii servesc drept suport procesului de etalonare. Un etalon nu este altceva dect un sistem de norme, la care se raporteaz performana unui individ, la o anumit sarcin. Evident, un etalon este fcut pe o anumit populaie, iar raportnd un rezultat al unui subiect la un etalon, nu facem altceva dect s comparm performanele acelui subiect cu performanele grupului pe care a fost construit etalonul. Despre etaloane vom discuta ns imediat. Notele z au i ele o serie de proprieti cu aplicabilitate practic deosebit, dintre care menionm (Popa, 2006): Media unei distribuii z este egal cu zero, afirmaie care rezult din proprietatea acestui indicator de a se diminua atunci cnd scdem o constant din fiecare scor particular. Deoarece din formul rezult aceast diferen (se scade fiecare scor particular din medie), n final media va ajunge la valoarea zero. Abaterea standard a unei distribuii z este ntotdeauna 1. i aceast afirmaie rezult din proprietile abaterii standard. tim c, dac mprim abaterea standard la o constant, valoarea acesteia se divide corespunztor. Din formul, observm c acea constant la care mprim este chiar abaterea standard, iar mprirea a dou numere egale are ca rezultat 1.
Notele z sunt note direct calculabile, utilizndu-se media i abaterea standard i reprezint temelia oricrui proces de standardizare. Totui,
168
Cristian Opariuc-Dan principalul dezavantaj al notelor z este acela c sunt puin intuitive. Trebuie s tim bine ce nseamn distribuia normal, pentru a nelege corect semnificaia acestor note. n plus, au valori pozitive i negative, ceea ce le face, iari, greu de utilizat. Ar fi mai uor pentru noi dac, n loc s folosim o scal de la 3 la 3 pentru ncadra aproximativ 99% din populaie, am folosi o alt scal, de exemplu de la 1 la 10, mult mai intuitiv, deoarece se asociaz rapid sistemului colar de evaluare sau o scal de la 1 la 5, de la 1 la 9 i aa mai departe. Este oare posibil acest lucru? Dac ne amintim de proprietile scalei de interval, prezentate la nceputul acestei lucrri, vom constata c una dintre aceste proprieti se referea la deplasare, prin modificarea constantei de deplasare. Notele z au o constant de deplasare zero. Dac mrim aceast constant de deplasare, vom putea s deplasm distribuia, astfel nct s nu ne mai situm n zona scorurilor standardizate negative. Obinem astfel un alt sistem de note standardizate, mai intuitiv i mai practic. Asemenea scale standardizate, derivate din notele z, sunt staninele (numele provine din englezescul standard nine), un sistem n nou clase normalizate, sten (din englezescul standard ten), n zece clase normalizate, notele T sistem raportat la o distribuie cu media 50 i abaterea standard 10, abateri IQ media 100 i abaterea standard 15 etc. Relund exemplele anterioare, ne propunem s convertim scorurile z ale lui Georgel i Costel n stanine, sten, note T i abateri IQ. V reamintesc c media elevilor clasei la matematic este de 6,25 cu o abatere standard de 3,94, iar Georgel a obinut, la matematic, media 7,15 i Costel 4,08. Pentru a calcula scorurile sten, vom deplasa distribuia cu media scalei sten care este, evident, 5,5, iar formula de calcul va deveni: = 5,5 +

= 5,5 + . (formula 6.6)
169
Aadar, scorul sten al lui Georgel este de 5,5+0,22, adic 5,72. Observm c poziia acestui scor nu modific punctul n care se afl Georgel pe distribuia normal, ns scorul devine mult mai intuitiv. Media 5,75 la matematic ne spune mult mai multe dect 0,22. Scorul n stanine al lui Georgel se calculeaz similar. Pe o scal de la 1 la 9, media este evident 5. Prin urmare, deplasm scala cu 5 de aceast dat i obinem 5 + 0,22 = 5,22. Obinem, de fapt, exact acelai lucru, ns pe o scal de la 1 la 9 i nu de la 1 la 10 ca n exemplul anterior. Pentru notele T, avem de a face att cu o deplasare, ct i cu o extindere a intervalelor. Afirmam c scala T este o scal cu media 50 i abaterea standard 10, iar n acest caz, formula de calcul a notelor T va deveni: = 50 + 10

= 50 + 10. (formula 6.7)
Nota T a lui Georgel, pe o scal de la 1 la 50 va fi, aadar, 50 + 10x0,22, adic 50 + 2,2 ceea ce nseamn 52,2. Surpriz. Din nou, nu se modific poziia acestui scor pe curba de distribuie. La fel putem proceda i n cazul calculului abaterilor IQ. Formula, de aceast dat, va fi similar celei pentru note T: = 100 + 15

= 100 + 15. (formula 6.8)
n cazul nostru, rezultatul devine 100 + 15x0,22, adic 100 + 3,3, ceea ce nseamn 103,3. Remarcm c, nici n acest caz, nu se modific poziia subiectului pe curba de distribuie. Iat ct de uor putem raporta att performanele subiectului la performanele grupului din care acesta face parte, ct i care sunt semnificaiile acestei raportri, indiferent de sistemul de scale standard utilizat. Calculul notelor standardizate derivate ale lui Costel vi-l lsm dumneavoastr ca exerciiu.
170
Cristian Opariuc-Dan O alt caracteristic extrem de important a scorurilor standardizate este aceea c putem efectua comparaii ntre rezultatele obinute de ctre subieci la probe diferite care folosesc ele nsele scale diferite. De exemplu, dac comparm performanele unui subiect la un test de inteligen, care are 60 de probleme cu performanele obinute de acelai subiect la o prob de comprehensiune semantic, ce are 30 de probleme, iar subiectul obine o not brut la testul de inteligen de 40, iar la cel de comprehensiune semantic de 28, atunci putem oare afirma c subiectul are o inteligen mai bun n comparaie cu capacitatea sa de comprehensiune semantic? Categoric nu! Chiar i la prima vedere, n condiiile n care ambele teste au acelai sistem de scorare, constatm c primul are mai multe ntrebri dect al doilea. Sunt 20 de probleme nerezolvate de subiect la testul de inteligen n comparaie cu 2 nerezolvate la cel de comprehensiune semantic. Este imposibil s comparm direct aceste dou rezultate, mai nti trebuie s le aducem la un numitor comun. Acest numitor comun l reprezint notele standardizate. Prin urmare, va trebui s calculm notele z (sau orice alte note standardizate) ale acestui subiect la cele dou teste i apoi vom putea s comparm rezultatele obinute utilizndu-se aceste note standardizate. De nenumrate ori mi-a fost dat s vd lucrri ale studenilor prin care acetia comparau rezultatele subiecilor la dou teste diferite att sub aspectul numrului de itemi, ct i sub aspectul sistemului de cotare. E ca i cum a compara dou kilograme de mere cu 2 metri de sfoar. O asemenea abordare este complet eronat i nu duce la niciun fel de rezultat. Trebuie gsit un numitor comun, pe care l regsim sub forma acestor note standardizate.
VI.5 Transformarea datelor brute

Consider c v-am convins de avantajele utilizrii notelor standardizate. Totui, folosirea lor este condiionat de o distribuie normal sau foarte apropriat de cea normal. n absena criteriului normalitii, tot demersul menionat mai sus nu se mai susine. Am vzut c sunt destule situaii n care
171
distribuia rezultatelor nu mai este normal, putnd aprea scoruri aberante care duc la o asimetrie pronunat sau un eantion extrem de omogen sau extrem de eterogen ce poate influena radical boltirea. De asemenea, prezena mai multor vrfuri n distribuie determin nclcarea criteriului modalitii. Ce ne facem n aceste cazuri? Vestea bun este c avem la dispoziie metode prin care putem normaliza aceast distribuie fcnd-o utilizabil. Am vzut deja c, prin inspectarea datelor, putem vedea i corecta scorurile extreme rezultate din erorile de introducere a datelor. Dac aparatele de nregistrare sunt defecte ori designul de cercetare este defectuos, nu avem prea multe posibiliti dect reproiectarea cercetrii sau repararea aparatelor. Totui, ce facem dac nu sunt erori de introducere a datelor, aparatele sunt bune, iar designul este n regul, ns nu am obinut o distribuie normal? Soluia este transformarea datelor brute prin anumite procedee de rescalare a valorilor, pentru ca noile valori s respecte condiiile de aplicare a unor teste statistice (Sava, 2004). Dac i n urma acestor transformri, distribuia continu s pun probleme, vom utiliza statistici nonparametrice, renunnd la prelucrrile parametrice de date. Exist multe procedee de modificare a valorilor care s nu afecteze semnificaia datelor, iar dintre cele mai cunoscute sunt tehnicile de normalizare a distribuiei. O distribuie multimodal poate fi corectat relativ uor, inspectnd valorile modale i renunnd la un singur scor. Deoarece modul este categoria cu frecvena cea mai mare, renunnd la un singur caz din categoria modal, transformm o distribuie bimodal ntr-una unimodal. De exemplu, dac msurm greutatea unui numr de 50 de subieci i constatm c avem dou categorii mod: subieci cu greutatea de 78 de kilograme 10 cazuri i subieci cu greutatea de 84 de kilograme 10 cazuri, eliminnd din eantion un singur subiect care are 78 de kilograme sau 84 de kilograme, determinm
172
Cristian Opariuc-Dan transformarea ntr-o distribuie unimodal. Desigur, nu vom mai avea 50 de cazuri, ci 49, ns este mai bine s tai un deget dect s pierzi mna. O distribuie asimetric sau excesiv presupune utilizarea unor tehnici diferite, dintre care menionm: Folosirea mediei 5% trim este o tehnic ce utilizeaz o medie ajustat n care nu se ine cont de 5% dintre scorurile aflate la extremitile distribuiei. Metoda se folosete n cazul n care avem scoruri extreme reale. Prin acest procedeu, ele sunt eliminate din calculul acestui indicator. Extragerea radicalului din toate valorile distribuiei este o tehnic folosit n special atunci cnd avem o distribuie asimetric moderat. Radicalul strnge o distribuie puternic platicurtic i corecteaz asimetria. Ridicarea la ptrat sau la cub este o tehnic utilizat n cazul distribuiilor leptocurtice, deoarece prin acest procedeu se mprtie rezultatele n jurul tendinei centrale. Logaritmarea valorilor individuale i inversarea valorilor sunt alte procedee de normalizare utilizate n cazul unor distribuii asimetrice severe.
Dup aceste prelucrri de date este necesar, n mod obligatoriu, o reverificare a distribuiei pentru a vedea modul n care se respect criteriile normalitii distribuiei pe date astfel normalizate. Toate aceste operaii sunt permise fr a afecta semnificaia iniial a datelor, dac lum n considerare proprietile scalei de interval discutate n primul capitol. Pentru a clarifica aceste situaii, vom considera o serie de exemple intuitive propuse de F. Sava (Sava, 2004) i pe care am apreciat c ar fi util s le reproducem aici.
173
Figura 6.11 Distribuie asimetric moderat
Cele dou figuri de mai sus indic o asimetrie pozitiv, respectiv negativ moderat. n primul caz, extragerea rdcinii ptrate din fiecare scor individual va conduce la normalizarea acestei distribuii. n al doilea caz, radicalul se extrage din reflexia scorurilor. Prin operaia de reflectare, transformm o asimetrie negativ ntr-o asimetrie pozitiv, dup care putem extrage rdcina ptrat. Operaia de reflectare este una extrem de uoar i presupune practic inversarea valorilor. Dac, de exemplu, avem urmtorul ir de date: irul normal: 5, 9, 13, 8, 7, 19 primul pas pe care trebuie s l facem este acela de a identifica valoarea maxim din irul de date. n cazul nostru, valoarea cea mai mare din ir este 19. Adugm apoi 1 la valoarea maxim i obinem valoarea 20. La al doilea pas, vom scdea din valoarea obinut (20) fiecare scor i vom obine irul reflectat. Constatm c aceast operaiune este similar unei reflexii n oglind, n care stnga devine dreapta i dreapta stnga. Procedura este necesar n cazul distribuiilor asimetric negative n vederea extragerii radicalului, n vederea logaritmrii sau pentru inversare. irul reflectat: 15, 11, 7, 12, 13, 1
174
Figura 6.12 Distribuie asimetric sever
O asimetrie ca cea din figura de mai sus reprezint o asimetrie sever. n acest caz, extragerea radicalului din fiecare valoare sau din valorile reflectate nu rezolv satisfctor problema. Avem nevoie, similar situaiei de mai sus, de logaritmul natural din fiecare valoare sau, n cazul asimetriei negative, de logaritmul natural din fiecare valoare reflectat. n cazul asimetriilor extreme, curba are un aspect de curb n J, cu asimetrie pozitiv sau negativ. n aceast situaie nici logaritmul natural nu ne mai rezolv problema. Vom proceda la calcularea inversului fiecrei valori pentru a normaliza distribuia. Inversul unei valori l putem obine mprind 1 la fiecare valoare din irul de date. Cu alte cuvinte, inversul valorii X este dat de 1/X. Aceast inversare se realizeaz folosind valorile din irul nostru de date, dac asimetria este pozitiv, sau valorile din irul reflectat de date, dac asimetria este negativ.
VI.6 Sisteme de etalonare

Muli psihologi consider c realizarea unui etalon nseamn, de fapt, adaptarea unei probe psihologice la specificul unei populaii. Nimic mai fals. Etalonarea reprezint ultima etap n procesul de adaptare a unui instrument sau de construcie a unei probe noi i nu are nici o treab cu celelalte caliti psihometrice ale unui test. Un etalon reprezint un sistem de norme prin care putem compara rezultatele unui subiect (caz individual) cu rezultatele obinute de ctre un grup reprezentativ de subieci. Un etalon este, aadar, o unitate de msur, care se folosete n acelai mod n care utilizm
175
orice aparat de msurare. Atunci cnd msurm greutatea unei persoane, avem valoarea acestei variabile, obinut prin folosirea unui cntar. ns semnificaia acestei valori depinde de sistemul de referin la care ne raportm. Dac o persoan are 100 de kilograme i se raporteaz la obezi, cu o greutate peste 120 de kilograme, atunci acea persoan va fi una slab. Dac, ns, pe acelai individ l comparm cu persoane de 70-80 de kilograme, l putem considera o persoan grea. Mai delicate sunt ns lucrurile n tiinele socio-umane. Dac atunci cnd ne referim la greutate, avem totui un zero absolut, iar un kilogram nseamn un kilogram indiferent despre ce am vorbi, n tiinele sociale lucrurile nu stau chiar aa. tii deja de ce, astfel nct nu vom mai insista asupra acestor aspecte. n domeniul nostru, msurarea nseamn de fapt ierarhizare. Seciunea anterioar a lmurit modul n care comparm performana unui subiect cu performana unui grup. Nu avem cum s facem n permanen acest lucru. Dac lucrm ntr-o ntreprindere i trebuie s evalum un strungar nou angajat, atunci, pentru evaluarea acestuia, nu va trebui s reexaminm toi strungarii din ntreprindere, pentru ca s comparm performana acestuia cu performana grupului din care face parte. Ar fi absurd. Vom considera c performana grupului rmne stabil un anumit interval de timp. n aceste condiii, examinnd la un moment dat grupul de referin, putem reine concluziile desprinse i apoi putem compara orice nou individ cu aceste concluzii. Ne referim acum tocmai la conceptul de etalon. Etaloanele se construiesc n funcie de aspectul distribuiei datelor populaiei pe care s-a fcut studiul. Pentru distribuii care se abat de la normalitate, singura metod de realizare a unui etalon este cuantilarea, utiliznduse valorile percentile. Deoarece se bazeaz pe poziia valorilor n irul ordonat de date, similar medianei i cuartilelor, asemenea etaloane sunt considerate ca fiind etaloane slabe i au o serie de limitri pe care le vom discuta. O distribuie normal, n care media este un indicator bun al tendinei centrale, permite construcia unor etaloane normalizate, n uniti sigma sau 176
Cristian Opariuc-Dan folosindu-se notele z, mult mai precise i mai utile n comparaie cu etaloanele bazate pe percentile. nainte de a intra n detalii tehnice referitoare la construcia unui etalon, s menionm cteva criterii care indic un etalon bun, precum i aspectele pe care le urmrim atunci cnd ntr-o prob psihologic ni se ofer un asemenea sistem de norme. Un etalon bun este un etalon construit pe un numr suficient de mare de persoane. Deoarece scopul unui etalon este acela de a compara un caz individual cu o populaie de referin, aceast populaie de referin trebuie s includ un numr suficient de mare de subieci, astfel nct s fie reprezentativ. Cunoatem deja problemele pe care le poate pune un eantion redus ca dimensiuni. Din nefericire, acestea nu sunt singurele. Exist i alte aspecte pe care le vom discuta ulterior. Un numr mic de persoane selectate n eantionul pe baza cruia se construiete etalonul numit i eantion normativ duce la o reprezentativitate sczut a acestuia. Comparnd apoi un subiect cu acest eantion, avem toate ansele s ajungem la concluzii complet eronate. Un eantion prea mare crete considerabil costul etalonrii, fcnd cercetarea extrem de scump. Trebuie, astfel, gsit un optim ntre numrul subiecilor inclui n eantionul normativ i reprezentativitatea acestuia. Un etalon bun este un etalon construit pe un numr de 250-300 de subieci. Se accept, n anumite situaii, i etaloane construite pe mai puin subieci, dac acestea sunt specifice unui anumit grup (de vrst, profesional, clinic etc.). Etaloanele testelor profesionale se construiesc pe mii de subieci. De exemplu, eantionul normativ pe care a fost etalonat chestionarul 16PF de ctre Pitariu i Iliescu a cuprins cca. 3000 de subieci de pe ntreg teritoriul Romniei.
177
Un etalon bun este un etalon adaptat specificului probei psihologice i condiiilor de evaluare. Un etalon pe populaie general are o valoare limitat ntr-un scop specific, spre exemplu ntr-o uzin. De aceea, se recomand efectuarea de etaloane specifice atunci cnd situaia o impune. Un etalon bun are un numr suficient de mare de clase care s poat diferenia subiecii. Un etalon cu dou clase nu ne este prea util. O mprire a subiecilor n buni i slabi este rigid i fr o mare valoare informativ. Ceva mai bine ar sta lucrurile, dac am avea trei clase: buni, medii i slabi, doar c i n acest caz vom avea o ncadrare oarecum forat a subiecilor n cele trei clase. Putem discuta de un etalon cu o capacitate acceptabil de a diferenia subiecii de la cinci clase n sus. La cinci clase vom avea urmtoarele niveluri: foarte slab, slab, mediu, bun, foarte bun, niveluri ce permit ordonarea mai fin a subiecilor. Un numr prea mare de clase, ns, poate crea confuzii, iar o asemenea precizie devine, din nou, exagerat. n psihologie se utilizeaz, n general, etaloanele n cinci clase, n apte clase, n nou clase sau n unsprezece clase.
De multe ori, atunci cnd un psiholog primete i utilizeaz o prob psihologic, el nu i pune probleme asupra etalonului furnizat i l accept ca atare. Mai mult, unele etaloane sunt pur i simplu scrise de mn pe o bucat de hrtie, circul ntre psihologi, iar acetia le accept necondiionat. Nimic mai eronat. Nu uitai c etalonul este unitatea noastr de msur. Avem obligaia s obinem informaii legate de construcia etaloanelor, cine i cum le-a fcut, deoarece numai n acest fel vom putea avea ncredere n instrument i vom trage concluzii diagnostice pertinente. De fiecare dat cnd primii un etalon, acesta trebuie s conin, n mod obligatoriu, urmtoarele informaii:
178
Cristian Opariuc-Dan Structura eantionului pe care s-a realizat etalonul, sub aspectul variabilelor de eantionare. Etalonul este realizat pe populaie general sau pe subieci care fac parte dintr-o anumit categorie? Un etalon realizat pe studeni sau pe elevi de liceu va avea o valoare mai mult dect discutabil ntr-o uzin chimic. Care este vrsta i genul biologic al subiecilor? Care este distribuia acestor variabile n structura eantionului? Dac avem un etalon realizat pe copii ntre 10 i 14 ani, cum oare l vom putea folosi n studiile asupra btrnilor? Nu exist o regul asupra variabilelor de eantionare utilizate la construcia unui etalon. n general, se folosete vrsta, sexul, nivelul de colarizare. Indiferent de variabilele folosite de ctre realizatorul etalonului, acesta trebuie s le prezinte. Nu ne putem mulumi doar cu sintagma etalonul a fost realizat pe populaie general. Trebuie precizat i structura acestei populaii. Numrul subiecilor din eantion va trebui, de asemenea, bine precizat. Un etalon realizat pe 100 de subieci nseamn cu totul altceva n comparaie cu un etalon realizat pe 1000 de subieci. Distribuia rspunsurilor subiecilor la funcia investigat are o deosebit importan. Ne intereseaz s tim dac distribuia a fost normal sau dac s-au aplicat metode de normalizare a distribuiei, caz n care trebuie prezentate ambele distribuii. Suntem interesai s aflm dac, de exemplu, n eantion majoritatea persoanelor au rezolvat corect 18 sarcini din 20 sau, din contra, au realizat corect 6 sarcini din 20. Acest lucru ne informeaz asupra nivelului populaiei cu care vom compara rezultatele cazurilor individuale.
179
Metoda de etalonare folosit se stabilete n funcie de distribuia rezultatelor. La o distribuie normal, vor fi folosite, n general, unitile sigma sau clasele normalizate. n cazul unei distribuii care se abate de la normalitate, se utilizeaz sistemul de etaloane bazat pe valorile percentile. Data la care a fost realizat etalonul ne furnizeaz informaii despre momentul n care a fost construit. Datorit dinamicii sociale i noilor achiziii tehnologice, atitudinile, normele sociale se modific rapid, astfel nct un etalon devine depit ntr-un timp destul de scurt. Un adolescent de astzi, examinat, de exemplu, cu Inventarul Multifazic de Personalitate Minnesota, ar intra cu uurin n normele patologice din anii 1950. Un etalon, n general, se reactualizeaz dup 5-6 ani.
VI.6.1 Etaloane n cuantile

Au la baz valorile percentile i se stabilesc ntr-un mod similar calculului medianei sau al cuartilelor. Bazndu-se pe poziia valorilor n cadrul unui ir ordonat de date, aceste etaloane nu au precizia celor n clase normalizate, ns au avantajul c pot fi construite foarte uor i pe distribuii care se abat de la distribuia normal. Construcia unor asemenea etaloane se realizeaz dup urmtorul algoritm: Se stabilete minimum i maximum dintr-o distribuie; Se nscriu toate valorile situate ntre minimum i maximum; Se stabilesc frecvenele absolute i cumulate; Se alege numrul de clase al etalonului; Se calculeaz scorul corespunztor procentului pentru fiecare limit de clas. 180
Cristian Opariuc-Dan S lum, spre exemplu, urmtorul ir de date, care reprezint nlimea unor subieci exprimat n centimetri: 182, 175, 174, 189, 177, 177, 180, 173, 188, 171, 184, 192, 180, 172, 177, 193, 184, 192, 172, 177, 174, 171, 172, 179, 185, 179, 173, 172, 179, 188. n acest exemplu, minimul este 171, iar maximul este 193. Acum, vom ordona cresctor toate valorile situate ntre Tabel 6.3 Realizarea unui etalon n cuantile minim i maxim i vom stabili frecvenele abDiagrama solute i cumulate. Valoare f fc
171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 n linii || |||| | || | |||| ||| || | | || | 2 4 1 2 1 0 4 0 3 2 0 1 1 2 1 0 0 2 1 0 0 2 1 2 6 7 9 10 10 14 14 17 19 19 20 21 23 24 24 24 26 27 27 27 29 30
Ne propunem s construim un etalon n cinci clase (cvintile). tim c un asemenea etalon mparte lotul de subieci n procente de cte 20%. n prima clas, se vor afla 20% dintre subieci, cei cu nlimea cea mai mic, urmai fiind de ali 20% dintre subieci, cu nlime mai mare i aa mai departe. n ultima clas, se vor afla 20% dintre subieci, cu nlimea cea mai mare. Pentru prima clas, vom aplica regula de trei simpl, astfel: Dac 30 nseamn 100% Atunci x nseamn 20% Din cte tim, l putem afla pe x nmulind 30 cu 20 i mprind la 100. Deci x=(3020)/100=6.
|| |
Cutm acum n tabel, n coloana frecvenelor cumulate, valoarea cea mai aproape de 6, valoare corespunztoare primilor 20% dintre subieci, cu nlimea cea mai mic. Observm c valoarea 6 corespunde chiar cotei 172. n prima clas 181
|| |
vom include subiecii cu nlimea cuprins ntre minim i 172. n general, acest lucru se scrie i astfel < 173. Acest lucru nseamn c, n prima clas, vom include toi subiecii cu o nlime mai mic sau egal cu 172. n eantionul normativ, am avut minimul egal cu 171, aceasta fiind cea mai mic nlime din eantion. n practic, putem oricnd gsi un subiect cu o nlime de 169. Prin urmare, prima clas nu o vom scrie, n etalon, de forma 171 172, ci < 173, pentru a asigura un loc n clasificare subiecilor cu valori ale caracteristicii mai mici dect minimul distribuiei eantionului normativ. Aceast regul este valabil i pentru ultima clas. Pentru a doua clas, aplicm aceeai regul de trei simpl, de data aceasta pentru un procent de 40% din eantion: Dac 30 nseamn 100% Atunci x nseamn 40% Noua valoare devine 12. n tabelul frecvenelor cumulate, cel mai apropiat scor cu frecvena cumulat 12 este 175. Clasa a doua va avea, ca intervale de clas, 173 175. n mod similar procedm i pentru calcularea celorlalte repere i obinem Scoruri Clasa Semnificaia < 173 I Foarte scunzi valorile 18 pentru clasa a treia, corespun173 175 II Scunzi ztor scorului 179, i 24 pentru clasa a 176 179 III Medii patra, corespunztor scorului 186. Avnd 180 186 IV nali > 186 V Foarte nali reperele claselor, putem acum scrie etalonul sub forma unui tabel ca cel de mai sus.
Tabel 6.4 Etalon n 5 clase
La distribuirea acestui etalon, nu vom uita s includem structura eantionului normativ, distribuia scorurilor la variabila nlime cu precizarea mediei, a medianei, a modului i a abaterii standard, precum i informaii despre sistemul de etalonare folosit, n cazul nostru n cvintile.
182
Cristian Opariuc-Dan Dac ai fost ateni, ai observat deja o serie de limitri ale acestui etalon. n primul rnd, intervalele inegale. Dac, teoretic, nlimea minim a unui om poate fi, s spunem, 150 de centimetri, iar nlimea maxim 220 de centimetri, atunci remarcm numrul diferit de valori din fiecare clas. n prima clas, putem include subiecii de la 150 de centimetri pn la 173 de centimetri, deci 23 de valori diferite. n a doua clas, includem subiecii cu nlimea cuprins ntre 173 i 175, deci doar 3 valori. n clasa a treia, gsim 5 valori posibile, n clasa a patra, 7 valori, iar n ultima clas, 33 de valori. Iat c un asemenea etalon difereniaz inegal subiecii, aceasta fiind i principala sa limit. n al doilea rnd, dac avem o distribuie foarte omogen, nu mai putem diferenia aproape deloc utiliznd un asemenea etalon, deoarece intervalele de clase vor avea valori apropiate. Iat doar dou motive pentru care preferm utilizarea claselor normalizate, deoarece, la nivelul acestora, intervalele sunt aparent egale. Exerciiu: Realizai, folosind acelai sistem de etalonare, un etalon n decile (10 clase) i precizai problemele ntmpinate. Explicai situaia aprut.
VI.6.2 Etaloane normalizate

Aceast metod de realizare a etaloanelor se bazeaz pe distribuia normal i presupune, evident, respectarea criteriului normalitii. Dac vom ncerca s realizm un asemenea etalon, utiliznd o distribuie care nu este normal, vom avea surpriza s constatm c anumite intervale depesc chiar i amplitudinea teoretic de distribuie a variabilei noastre. De exemplu, n cazul nlimii subiecilor, s-ar putea s ntlnim, n prima clas, subieci cu nlimea cuprins ntre 30 i 5 centimetri, ceea ce reprezint o aberaie.
183
Dac distribuia scorurilor la variabila studiat este o distribuie gaussian (normal), atunci putem folosi un etalon n clase normalizate, datorit avantajelor nete pe care le prezint un asemenea sistem de etalonare. Cel mai simplu etalon n clase normalizate este reprezentat de unitile sigma, n care folosim doar media i abaterea standard. Cu ajutorul acestor indicatori, putem construi un etalon n 3, 5 i 7 clase normalizate, lund n calcul 1, 2 sau 3 abateri standard (vezi figura alturat). S considerm, de exemplu, urmtoarele date, reprezentnd vrsta unor subieci exprimat n ani: 35, 20, 21, 24, 29, 28, 29, 29, 24, 31, 26, 20, 38, 37, 38, 29, 24, 26, 29, 26, 24, 37, 30, 35, 24, 32, Figura 6.13 Distribuia normal 31, 34, 39, 31. Amplitudinea de variaie a acestui set de date este situat ntre un minim de 20 i un maxim de 39 de ani, media este de 29,33 ani, iar abaterea standard este de 5,52 ani. Aceste scoruri se distribuie normal i putem construi un etalon n clase normalizate. Pentru a construi un etalon n cinci clase normalizate folosind unitile sigma, va trebui s lum intervalele formate de una i dou abateri standard n jurul mediei. Prima clas va ncepe de la minim i se va finaliza la dou abateri standard n stnga mediei. Dou abateri standard nseamn 2 x 5,52 = 11,04. Dac scdem din medie valoarea 11,04, obinem reperul pentru limita primei clase. Deci, 29,33 11,04 = 18,29 ani, rotunjit 18 ani. Prima clas, care cuprinde 2,14% din populaie, este situat ntre 0 ani i 18 ani i reprezint subiecii cu vrst foarte mic. A doua clas se situeaz ntre 2 abateri standard i 1 abatere standard n stnga mediei i cuprinde 13,59% din populaie. Dac scdem din medie o abatere standard, obinem limita superioar a celei de-a
184
Cristian Opariuc-Dan doua clase. Prin urmare, 29,33 5,52 = 23,81 ani, rotunjit 24 de ani. A doua clas va include subiecii cu vrsta cuprins ntre 19 i 24 de ani, subiecii tineri. Clasa a treia, clasa medie, cuprinde 2x34,13% din populaie, adic 68,26% din populaie i are ca limite o abatere standard n stnga mediei i o abatere standard n dreapta mediei. Prin urmare, a treia clas va avea ca limite de interval 25 de ani i 29,33 + 5,52 = 34,85, rotunjit 35 de ani. Clasa a patra, care cuprinde 13,59% din populaie, are ca limit inferioar 36 de ani i ca limit superioar dou abateri standard n dreapta mediei, 29,33 + 11,04, adic 40,37, rotunjit 40 de ani. Constatm c deja am ieit din amplitudinea distribuiei noastre, ceea ce ne face s suspectm o uoar asimetrie. n realitate, numrul redus de subieci a determinat aceast situaie. n sfrit, clasa a cincia cuprinde subiecii peste 40 de ani i conine 2,14% din populaie. Etalonul poate fi scris n acelai Tabel 6.5 Etalon n 5 clase Scoruri Clasa Semnificaia mod ca i etalonul n cvintile i are aceeai < 19 I Foarte tineri semnificaie. Evident c la distribuia 19 24 II Tineri acestui etalon va trebui s furnizm date 25 35 III Medie 36 40 IV Maturi legate de structura eantionului normativ, > 40 V Foarte maturi distribuia variabilei i sistemul de etalonare folosit, n cazul nostru n cinci clase n uniti sigma. Exerciiu: Realizai un etalon n trei clase normalizate n uniti sigma. Pentru trei clase normalizate se folosete o abatere standard n dreapta i n stnga mediei. Etaloanele n clase normalizate nu sunt altceva dect derivaii ale etaloanelor n uniti sigma i se bazeaz pe transformarea notelor z n alte categorii de note. Algoritmul de calcul este oarecum similar celui utilizat n realizarea etaloanelor n uniti sigma i se bazeaz pe fraciuni de uniti sigma.
185
Astfel, un etalon n cinci clase normalizate are ca fraciuni ale lui z valoarea z/2 ,iar clasele devin:
I II III IV V Min -3z/2 -z / 2 z /2 3z /2 -3z/2 -z / 2 z /2 3z /2 Max. 6,7% din populaie 24,2% din populaie 38,2% din populaie 24,2% din populaie 6,7% din populaie
Un etalon n apte clase normalizate are ca fraciuni ale lui z valoarea /3 ,iar clasele devin:
I II III IV V VI VII Min -5z/3 -3z/3 -z / 3 z /3 3z /3 5z /4 -5z/3 -3z/3 -z / 3 z /3 3z /3 5z /3 Max. 4,8% din populaie 11,1% din populaie 21,2% din populaie 25,8% din populaie 21,2% din populaie 11,1% din populaie 4,8% din populaie
Un etalon n nou clase normalizate (stanine) are ca fraciuni ale lui z valoarea z/4 ,iar clasele devin:
I II III IV V VI VII VIII IX Min -7z/4 -5z/4 -3z/4 -z / 4 z /4 3z /4 5z /4 7z /4 -7z/4 -5z/4 -3z/4 -z / 4 z /4 3z /4 5z /4 7z /4 Max. 4,0% din populaie 6,6% din populaie 12,1% din populaie 17,5% din populaie 19,6% din populaie 17,5% din populaie 12,1% din populaie 6,6% din populaie 4,0% din populaie
n mod similar, putem construi etaloane i n alte clase normalizate, lund ca referin notele z. Astfel, printre cele mai uzitate sisteme de clase normalizate putem meniona: Sten (standard ten), distribuie cu media 2 i abaterea standard 5,5 rezultnd clase de la 1 la 10;
186
Cristian Opariuc-Dan Stanford-Binet, distribuie cu media 100 i abaterea standard 16; Notele T, distribuie cu media 10 i abaterea standard 50 rezultnd clase de la 1 la 100; Wechsler (abateri IQ), distribuie cu media 100 i abaterea standard 15; Army General Clasification, distribuie cu media 100 i abaterea standard 50; Scala de aptitudini generale pentru colegiu, distribuie cu media 500 i abaterea standard 100. Haidei acum s ncercm construirea unui etalon n cinci clase normalizate, folosind datele corespunztoare nlimii subiecilor 182, 175, 174, 189, 177, 177, 180, 173, 188, 171, 184, 192, 180, 172, 177, 193, 184, 192, 172, 177, 174, 171, 172, 179, 185, 179, 173, 172, 179, 188. Ne putem aminti c aceast distribuie are media 179,9 centimetri cu o abatere standard de 6,69 centimetri, fiind considerat o distribuie normal.
Tabel 6.6 Etalon n clase normalizate
Valoare 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193
Diagrama n linii || |||| | || | |||| ||| || | | || |
f 2 4 1 2 1 0 4 0 3 2 0 1 1 2 1 0 0 2 1 0 0 2 1
fc 2 6 7 9 10 10 14 14 17 19 19 20 21 23 24 24 24 26 27 27 27 29 30
|| |
Exist mai multe metode de construire a unui asemenea etalon. Cea mai simpl metod || | const n utilizarea valorilor procentuale corespunztoare fiecrei clase, ntr-un mod identic cu cel descris la construirea etaloanelor n cuantile.
187
Vom relua alturat tabelul distribuiei nlimii celor 30 de subieci cu precizarea frecvenelor absolute i cumulate. Prima clas, cea cu scorurile cele mai mici, conine primii 6,7% din eantion. Prin regula de trei simpl, dac 30 de subieci nseamn ntregul eantion, ci subieci nseamn 6,7%. Vom avea astfel (6,730)/100=210/100=2,1. La fel cum am procedat i la etalonul n cvintile, cutm n tabelul frecvenelor cumulate valoarea cea mai apropiat de 2,1. Aceast valoare este chiar prima valoare, nlimea de 171 de centimetri. Prima clas va cuprinde, aadar, subiecii cu o nlime mai mic sau egal cu 171 centimetri. Urmtoarea clas conine nc 24,2% din populaie. Reperul de clas va fi situat, aadar, la 6,7+24,2=30,9%. n continuare, aplicm din nou regula de trei simpl. Dac 30 de persoane nseamn 100%, cte persoane nseamn 30,9%. Vom avea (30,930)/100=9,27. Valoarea cea mai apropiat de frecvena cumulat 9,27 este 174 de centimetri. Cea de-a doua clas va cuprinde subiecii cu nlimea cuprins ntre 172 i 174 de centimetri. Reperul pentru a treia clas va fi situat la 30,9+38,2=69,1. Analog, avem (69,130)/100=20,73, iar reperul de clas va fi 183 de centimetri. A treia clas cuprinde subiecii cu nlimea ntre 175 i 183 de centimetri. Pentru a patra clas vom avea 69,1+24,2=93,3, iar reperul de clas va fi valoarea situat n dreptul frecvenei Tabel 6.7 Etalon n 5 clase cumulate de (93,330)/100=27,99. AceasScoruri Clasa Semnificaia 171 I Foarte scunzi t valoare este 191 de centimetri. Clasa a 172 - 174 II Scunzi patra va cuprinde subiecii cu nlimea 175 183 III Medii 184 191 IV nali ntre 184 i 191 de centimetri. Evident, pentru ultima clas nu e nevoie s mai calculm nimic. Aceast clas va conine subieci cu nlimea mai mare de 191 de centimetri.
> 191 V Foarte nali
188
Cristian Opariuc-Dan Etalonul se scrie la fel ca un etalon n cuantile i are aceeai semnificaie. Nu uitai s inei cont de regulile elaborrii unui etalon, n momentul n care intenionai s-l folosii sau s-l distribuii.
VI.7 Analiza distribuiei i realizarea etaloanelor n SPSS

Dup abordarea teoretic a distribuiei normale, a venit momentul aplicrii practice a cunotinelor dobndite prin analiza unei distribuii de date efectuat n SPSS. Vom utiliza aceeai baz de date pe care am creat-o la nceputul acestui volum, baza de date IQ.sav. Ne propunem s analizm modul n care se distribuie scorurile obinute de cei 30 de subieci la variabila iq (Coeficientul de inteligen). Etapele le tii deja. Vom selecta din meniul Analyze opiunea Descriptive Statistics i apoi Frequencies. Apare cunoscuta caset de dialog, de unde vom include spre analiz variabila iq.
Figura 6.14 Includerea variabilei spre analiz.
Desigur, vom accesa apoi butonul Statistics pentru a comunica programului SPSS ce fel de statistici s calculeze. Alturi de indicatorii tendinei centrale (media, mediana i mod) i de cei ai dispersiei (abaterea standard, amplitudinea distribuiei, minimul i maximul), vom include i cei doi indicatori ai distribuiei (Skewness i Kurtosis), pentru a putea analiza forma acestei distribu-
Figura 6.15 Configurarea inventarului statistic de baz
189
ii i a decide dac distribuia poate fi considerat sau nu o distribuie normal. Dup selectarea adecvat a acestor elemente, putem apsa butonul Continue i revenim la fereastra iniial a alegerii variabilelor. n acest moment, SPSS a memorat operaiunile pe care trebuie s le execute. Este uneori util s afim i un grafic al distribuiei datelor noastre. Pentru aceasta, putem accesa butonul Charts i se va deschide fereastra de definire a graficelor pentru setul de date. Aceast fereastr o cunoatem destul de bine din capitolele anterioare. Motivul pentru care am abordat-o din nou este acela c, pentru a reprezenta grafic anumite date, trebuie s facem nite precizri suplimentare. De nenumrate ori mi-a fost dat s vd studeni care reprezint o variabil continu printr-o diagram de structur (grafic tip plcint), ba mai mult, profesori univerFigura 6.16 Alegerea graficului cu bare pentru reprezentarea sitari de psihologie experimental, coordodatelor natori de licen, care solicit studenilor reprezentarea variabilelor continui printr-un asemenea procedeu. O reprezentare prin diagram de structur se face n cazul unor date nominale sau cel mult ordinale, atunci cnd dorim s vedem compoziia datelor i cnd numrul de valori pe care le ia variabila nu este prea mare. Este normal s reprezentm genul biologic al subiecilor printr-o plcint, deoarece vorbim n acest caz de X% brbai i Y% femei. Variabila are doar dou niveluri, iar aceast reprezentare ofer indicii clare asupra compoziiei unui eantion. Este din nou normal s reprezentm prin plcint gradele didactice dintr-o universitate, deoarece variabila are cinci grade de intensitate. Este ns absurd s
190
Cristian Opariuc-Dan reprezentm grafic prin plcint vrsta unor subieci, variabil continu, cu o infinitate de valori. Un asemenea grafic nu ne spune nimic, ci, din contra, induce distorsiuni care ne creeaz o imagine fals asupra datelor. Foarte muli psihologi experimentaliti, care au rutin n analiza datelor, reprezint o variabil continu prin histogram, deoarece, folosind acest procedeu, SPSS ofer o metod de estimare grafic a curbei de distribuie. Unii chiar se rezum la a interpreta distribuia datelor dup aspectul grafic al acestei curbe s fim serioi, statistica este totui o disciplin matematic, iar demonstraiile se fac cu cifre, nu cu imagini i aprecieri subiective pe baza acestora. Nu este att de grav n comparaie cu reprezentarea prin diagrame de structur, ns probabil v amintii de faptul c histograma reprezint datele grupate n intervale. Este adevrat c SPSS efectueaz automat o grupare a acestor date n intervale pe care le alege singur. Acesta nu este ns un motiv n condiiile n care dorim s avem o viziune analitic a scorurilor. Prin urmare, pentru a reprezenta grafic o variabil continu, atunci cnd discutm despre distribuie, vom prefera graficul cu bare, care ne ofer o viziune fin asupra modului n care datele se distribuie sau graficul tip histogram, care prezint datele ntr-un mod mai grosier, ns are avantajul estimrii vizuale a curbei de distribuie. n nici un caz nu vom utiliza diagrame de structur sau alte tipuri de diagrame, chiar dac acestea arat frumos.
Figura 6.17 Alegerea histogramei pentru reprezentarea datelor
n figura 6.16, am ales modul de reprezentare al unui grafic cu bare, iar n figura 6.17, am optat pentru reprezentarea prin histogram. Vom analiza ulterior ambele tipuri de grafice i vom nva cteva metode de cosmeti-
191
zare a graficelor, astfel nct imaginile noastre s prezinte i un aspect elegant. Indiferent de tipul de grafic ales (cu bare sau histogram), vom apsa din nou butonul Continue pentru a reveni la fereastra iniial. n acest moment, toate configurrile fiind realizate, nu ne rmne dect s apsm butonul OK pentru a comunica programului SPSS s efectueze analiza. n cteva secunde, va fi afiat fereastra de rezultate (Output) n care regsim prezentate informaiile solicitate. n aceast fereastr, cel mai important tabel este tabelul Coef icientul de inteligent a Statistics, numit i inventarul N Valid 30 Missing 0 statistic de baz sau indicatorii Mean 111,33 statistici de start. Utiliznd Median 108,50 Mode 124 numai acest tabel, putem decide St d. Dev iation 8,511 Skewness ,413 dac distribuia noastr este sau St d. Error of Skewness ,427 nu este o distribuie normal. Kurtosis -1,384 St d. Error of Kurtosis ,833 Cred c v mai amintii condiiRange 24 Minimum ile pe care trebuie s le ndepli100 Maximum 124 neasc o distribuie pentru a putea fi considerat normal. O distribuie normal este o distribuie unimodal, simetric i Tabel 6.9 Inventarul statistic de baz Statistics mezocurtic.
Tabel 6.8 Inventarul statistic de baz
Statistics
Unimodalitatea este uor de observat. SPSS raporteaz un mesaj de genul Multiple mod exist. The smallest value is shown, afiat la subsolul tabelului cu o not, de obicei a n dreptul valorii modului. Acest mesaj
Varst a subiect ilor N Mean Median Mode St d. Dev iation Skewness St d. Error of Skewness Kurtosis St d. Error of Kurtosis Range Minimum Maximum
Valid Missing
30 0 29,33 29,00 24a 5,523 ,116 ,427 -,878 ,833 19 20 39
a. Multiple modes exist. The smallest v alue is shown
192
Cristian Opariuc-Dan ne comunic faptul c programul a identificat mai multe valori mod i c o afieaz pe cea mai mic. n inventarul statistic alturat, unde am analizat distribuia acelorai 30 de subieci n funcie de variabila vrst, avem un exemplu de distribuie multimodal. Nu putem ti, deocamdat, dac distribuia este bimodal, trimodal sau prezint mai multe valori ale modului. Tot ceea ce tim este c cea mai mic valoare mod, n cazul nostru, reprezint 24 de ani. Pentru a afla tipul distribuiei sub aspectul modalitii i Cumulativ e Frequency Percent Valid Percent Percent a vedea toate valorile mod, vom Valid 20 2 6,7 6,7 6,7 21 1 3,3 3,3 10,0 cuta n distribuia statistic (al 24 5 16,7 16,7 26,7 26 3 10,0 10,0 36,7 doilea tabel din fereastra de re28 1 3,3 3,3 40,0 29 5 16,7 16,7 56,7 zultate) valoarea 24. n cazul 30 1 3,3 3,3 60,0 31 3 10,0 10,0 70,0 nostru, observm c valoarea 24 32 1 3,3 3,3 73,3 34 1 3,3 3,3 76,7 se regsete n cinci cazuri (co35 2 6,7 6,7 83,3 37 2 6,7 6,7 90,0 loana Frequency). Nu trebuie 38 2 6,7 6,7 96,7 39 1 3,3 3,3 100,0 acum dect s vedem ce valori, Total 30 100,0 100,0 mai mari de 24, au aceeai frecven. Observm c valoarea 29 de ani are aceeai frecven i c nu exist o alt valoare cu aceast frecven maxim. Aadar, distribuia vrstei subiecilor este o distribuie bimodal, cu modul de 24 i 29 de ani. Strict vorbind, o distribuie multimodal nu este o distribuie normal. Analiza noastr ar trebui s se opreasc aici i s folosim tehnici de eliminare a acestei anomalii (n cazul nostru, renunnd la un subiect care are vrsta de 24 sau 29 de ani).
Varsta subiectilor
Tabel 6.10 Identificarea valorilor mod
Totui, distribuia scorurilor subiecilor la variabila coeficient de inteligen este o distribuie unimodal. n acest caz, vom trece la urmtoarea etap i anume analiza simetriei. Simetria sau oblicitatea este dat de valoarea indicatorului Skewness. La modul teoretic, acest indicator are valoarea zero pentru o dis-
193
tribuie perfect simetric. O asemenea valoare este ns aproape imposibil de regsit n practic. ntotdeauna, acest indicator va avea valori diferite de zero, fie n sens negativ distribuie asimetric negativ cu tendine ctre scoruri mari, fie n sens pozitiv distribuie asimetric pozitiv cu tendine ctre scoruri mici. Exist mai multe metode de verificare a asimetriei, prin intermediul crora putem decide dac o distribuie poate sau nu poate fi considerat simetric. Una dinte metode, valabil pentru eantioane mari (peste 200 de subieci), este reprezentat de reperul propus de Lewis-Beck (Sava, 2004). Valorile pentru Skewness mai mici de -0,80 sau mai mari de 0,80 indic o asimetrie clar, negativ sau pozitiv. n cazul nostru, valoarea Skewness este de 0,41, iar eantionul este de doar 30 de persoane. Prin aceast metod, putem considera distribuia scorurilor ca fiind o distribuie simetric, chiar dac nu s-a respectat cerina unui eantion mare. O alt metod (Sava, 2004) valabil n cazul eantioanelor medii i mici, se bazeaz pe calcului cotei z a indicelui de oblicitate Skewness. Cu alte cuvinte, mprim valoarea indicelui de oblicitate la valoarea erorii standard a acestuia. n acest caz, exist dou praguri ale lui z n funcie de valorile obinute (Sava, 2004). Pentru un eantion mai mic de 30 de subieci, valoarea pragului de semnificaie este de 1,58, iar pentru eantioane mai mari sau egale cu 30 de subieci, acest prag are valoarea de 1,96. n cazul nostru, valoarea Skewness este de 0,41, iar eroarea standard Skewness este de 0,42. Fcnd raportul 0,41:0,42=0,97. Cum eantionul nostru este de 30 de subieci, pragul de semnificaie al lui z este de 1,96. Valoarea obinut de 0,97 fiind mai mic dect pragul, putem considera distribuia ca fiind simetric. Aceast metod se folosete i n cazul boltirii. A treia metod propus, aplicabil i pentru boltire, ia n considerare stabilirea intervalului de ncredere al simetriei n baza erorii standard
194
Cristian Opariuc-Dan Skewness i poate fi utilizat indiferent de mrimea eantionului. Eroarea standard Skewness ne ofer limitele ntre care trebuie s se regseasc coeficientul de oblicitate, astfel nct s putem considera, la un nivel de precizie suficient de mare, distribuia ca fiind simetric. La acest nivel, exist dou tipuri de intervale: La un nivel de precizie de peste 99%, cu alte cuvinte n mai puin de 1% din cazuri, distribuia noastr poate s se comporte ca o distribuie asimetric. Intervalul este determinat de o eroare standard Skewness. Un asemenea interval este foarte precis i se folosete atunci cnd simetria reprezint un element critic pentru distribuia datelor. La un nivel de precizie de peste 95%, cu alte cuvinte n mai puin de 5% din cazuri, distribuia noastr poate s se comporte ca o distribuie asimetric. Intervalul este determinat de dou erori standard Skewness. Un asemenea interval este mai puin precis n comparaie cu primul i se folosete cnd simetria nu reprezint un element critic pentru distribuia datelor.
Dac valoarea coeficientului de oblicitate Skewness intr ntr-unul dintre aceste intervale, distribuia poate fi considerat simetric. Dac valoarea coeficientului de oblicitate iese din acest interval la limita negativ, avem de-a face cu o distribuie asimetric negativ, iar dac iese din interval la limita pozitiv, distribuia este asimetric pozitiv. n situaia noastr, valoarea coeficientului de oblicitate Skewness este de 0,41 iar valoarea erorii standard Skewness este de 0,42. Intervalul de ncredere la un nivel de precizie de 99% este cuprins ntre -0,42 +0,42, iar la un nivel de precizie de 95% este cuprins ntre -0,84 +0,84. Putem constata cu uurin c valoarea coeficientului de oblicitate Skewness (0,41) intr att n primul interval, ct i n al doilea interval. Putem aadar afirma, cu anse
195
mai mici de 1% ca distribuia noastr s se comporte asimetric, c avem de a face cu o distribuie simetric. Indiferent de metoda folosit, am decis c distribuia scorurilor celor 30 de subieci la coeficientul de inteligen este o distribuie simetric. A treia metod, datorit viziunii extrem de precise pe care o ofer, v-o recomand s o folosii ori de cte ori analizai simetria sau boltirea unei distribuii. Am artat pn acum c distribuia scorurilor subiecilor la variabila coeficient de inteligen este o distribuie unimodal i simetric. Mai rmne s demonstrm c este o distribuie mezocurtic, pentru a decide faptul c scorurile la coeficientul de inteligen se distribuie normal. Boltirea sau excesul reprezint tendina rezultatelor de a se concentra n jurul mediei (distribuia ascuit sau leptocurtic) sau, din contra, de a se rspndi, disipa puternic n jurul mediei (distribuia platicurtic). Dup cum tim, indicatorul care ne d mrimea acestei mprtieri este Kurtosis. Analiza boltirii se poate face prin a doua sau a treia metod expus anterior, pentru care nu intrm n detalii. Distribuia scorurilor celor 30 de subieci la variabila coeficient de inteligen prezint coeficientul de boltire Kurtosis de -1,34 i eroarea standard a acestui coeficient de 0,83. Utiliznd a doua metod, obinem nota z pentru Kurtosis de 1,34:0,83= 1,61. Pragul de semnificaie pentru eantionul nostru este, la fel ca i n cazul simetriei, 1,96. Valoarea notei z pentru Kurtosis fiind mai mic dect pragul de semnificaie, putem aprecia c suntem n faa unei distribuii mezocurtice. Haidei acum s analizm boltirea prin prisma celei de-a treia metode, pentru a vedea diferena de precizie. Intervalul de ncredere la un nivel de precizie de 99% este cuprins ntre -0,83 +0,83, iar pentru un nivel de precizie de 95% ntre -1,66 +1,66. Observm c valoarea Kurtosis de -1,34
196
Cristian Opariuc-Dan intr ntr-al doilea interval (cu precizie mai mic) ns nu i n primul interval (de mare precizie). Deci, n situaia n care eterogenitatea sau omogenitatea scorurilor n jurul mediei este un element important, vom considera distribuia noastr ca fiind o distribuie platicurtic, deoarece nu intr n intervalul cu precizie mare. n situaia n care excesul nu este un element att de important, putem considera distribuia ca fiind mezocurtic. Oricum, n tiinele sociale nivelul de precizie acceptat este de peste 95%, astfel nct distribuia noastr poate fi considerat o distribuie mezocurtic. Valorile coeficientului de boltire Kurtosis negative i care ies din intervalul de ncredere sunt reprezentative pentru o distribuie platicurtic. Dac avem de a face cu valori pozitive care ies din intervalul de ncredere, distribuia este leptocurtic. Demonstrnd faptul c distribuia scorurilor celor 30 de subieci la variabila coeficient de inteligen este o distribuie unimodal, simetric i mezocurtic am demonstrat de fapt c distribuia respect toate caracteristicile unei distribuii gaussiene i poate fi considerat o distribuie normal. Analiza distribuiei trebuie s precead orice analiz ulterioar de date, deoarece, n funcie de normalitatea distribuiei, pot fi alese statisticile parametrice sau nonparametrice utilizabile pe parcursul demersului de cercetare, dup asumpiile teoretice ale fiecrei metode n parte. Pentru a concluziona, v voi oferi un model complet de analiz a distribuiei scorurilor n funcie de variabila coeficient de inteligen. ntotdeauna furnizai, n analiz, ct mai multe informaii legate de variabila dumneavoastr. V rog s avei n vedere ataarea exact a inventarului statistic de baz din SPSS i a eventualelor grafice care v pot susine demonstraia. ntr-o analiz de date, va trebui s precizai: denumirea variabilei analizate, numrul de cazuri, indicatorii tendinei centrale i ai mprtierii, indi-
197
catorii distribuiei i explicarea acestora n cazul unor distribuii asimetrice, platicurtice sau leptocurtice, tabelele valorice ale inventarului statistic de baz, graficele sub forma graficului cu bare sau histogram.
Statistics Coef icientul de inteligent a N Valid Missing Mean Median Mode St d. Dev iation Skewness St d. Error of Skewness Kurtosis St d. Error of Kurtosis Range Minimum Maximum
30 0 111,33 108,50 124 8,511 ,413 ,427 -1,384 ,833 24 100 124
Distribuia rezultatelor celor 30 de subieci la variabila Coeficient de inteligen este o distribuie unimodal (modul=124 IQ), simetric (Skewness=0,41; Eroarea standard Skewness=0,42) i mezocurtic (Kurtosis=-1,38; Eroarea standard Kurtosis=0,83), cu media 111,33 IQ, mediana 108,5 IQ i abaterea standard 8,51 IQ. Amplitudinea distribuiei este de 24 scoruri IQ cuprins ntre un minim de 100 IQ i un maxim de 124 IQ. Avnd n vedere aceste elemente, putem considera c scorurile obinute de cei 30 de subieci se distribuie normal n cazul variabilei Coeficient de inteligen, aceast variabil suportnd proceduri parametrice de analiz statistic. Iat un exemplu complet i profesional prin care putei realiza o analiz a distribuiei datelor, valid n orice comunicare tiinific naional sau internaional. Muli vor spune c nu e chiar profesional, c trebuia s specific tabelul numrul . figura numrul. i ce nseamn acel tabel i acea figur. Asemenea lucruri in de normele de redactare a documentelor tiinifice elaborate APA i vi le las ca studiu, deoarece nu intenionez s le abordez n prezenta lucrare. Oricum, m adresez unor oameni inteligeni, iar aceste 198
Cristian Opariuc-Dan amnunte le tii sau le putei afla i singuri. Nici cartea de fa nu le respect, ns prefer s am un stil propriu i a fi ncntat dac ai nva din aceste rnduri cum s facei efectiv analize de date mai mult dect cum s v conformai unor norme. Deschiznd o parantez, tiu, desigur, c pot s fiu acuzat c am copiat i lipit n document tabele i grafice din SPSS fr s le traduc n romnete. Departe de mine aceast intenie. n primul rnd, pentru c SPSS ofer tabelele i graficele n englez, iar eu doresc s introduc coninutul lor original. n al doilea rnd, conform acelorai norme APA, utilizarea elementelor furnizate de programe informatice n lucrri tiinifice se face prin includerea coninutului original i nemodificat. n al treilea rnd, pentru c vreau s v nv, imediat, cum s editai coninutul elementelor din fereastra de rezultate. Orice element din fereastra de rezultate SPSS este un element editabil. Putei s facei aproape orice cu tabelele i graficele pe care SPSS le furnizeaz. Nu avei dect s dai un dublu clic pe elementul pe care dorii s-l editai i vei intra ntr-un alt mod pe care SPSS l suport, modul de editare. Pentru nceput, s dm dublu clic pe tabelul inventarului statistic de baz, tabelul Statistics. Observm c marginea care ncadreaz acest tabel a devenit o margine haurat i, de asemenea, este posibil s se afieze o bar de instrumente de editare, similar celei din programul Microsoft Word.
Figura 6.18 Tabelul Statistics n mod editare
Primul buton de pe aceast bar de formatare permite anularea aciunilor efectuate (Undo). Cel de-al doi-
199
lea buton este butonul pivot, care permite schimbarea rndurilor i a coloanelor n tabel.
Figura 6.19 Bara de formatare SPSS
Urmeaz apoi o caset derulant de aplicare a unui stil tabelului formatat, caseta derulant de alegere a fontului i caseta derulant de alegere a dimensiunii fontului pentru textele selectate. Urmtoarele trei butoane permit scrierea ngroat, nclinat i sublinierea, iar butonul al patrulea selecteaz culoarea cu care s fie afiat fontul. Cele patru butoane care se succed permit alinierea textului selectat, la stnga, dreapta, centrat sau automat. Ultimele dou butoane lanseaz sistemul de asisten (help) sau modul de creare a graficelor pentru variabila selectat iat o alt modalitate de a realiza grafice, dac ai uitat s o facei n etapa de analiz. V recomand s exersai aceste elemente, fr team c ai putea strica ceva (n definitiv avei la dispoziie butonul de anulare - Undo). Nu vom intra n amnunte legate de formatarea tabelelor, deoarece ar trebui s includem, inutil, mai multe pagini. Un tabel n modul de editare permite modificarea elementelor componente. Pentru nceput, ne propunem s traducem n romnete cuvintele Missing (Lips), Mean (Media), Media (Mediana) i Mod (Modul). Aflndu-v n modul de editare, efectum din nou dublu
Figura 6.20 Editarea valorilor n tabel
200
Cristian Opariuc-Dan clic pe cuvntul Missing. Va rezulta o figur similar celei alturate. Observai c textul Missing este deja selectat acum; dac apsai orice tast, coninutul selectat va fi nlocuit cu tasta apsat. Nu v rmne dect s scriei n loc de Missing, Lips. Cuvntul Missing este nlocuit cu textul introdus, Lips. Procedai la fel cu toate celelalte cuvinte din tabel, pentru a putea traduce tabelul n limba romn. Putei folosi bara de formatare pentru a ngroa, schimba culoarea sau alinia textele selectate. Cnd ai terminat, dai clic oriunde pe suprafaa alb a ferestrei de rezultate, pentru a iei din modul de editare.
Inventar statisti c de baza Coef icientul de inteligent a N Valid Lipsa Media Mediana Modulul Abaterea standard Skewness Eroarea Skewness Kurtosis Eroarea Kurtosis Amplitudinea Minimum Maximum
30 0 111,33 108,50 124 8,511 ,413 ,427 -1,384 ,833 24 100 124
Figura 6.21 Inventarul statistic dup editare
n final, tabelul dumneavoastr trebuie s arate la fel ca cel din figura de mai sus. Iat modalitatea prin care putei traduce, dac dorii, orice element al formularului de rezultate ntr-o alt limb. Din nefericire, la fel cum pot fi traduse cuvintele, pot fi modificate i cifrele, ceea ce v poate determina uneori s schimbai datele oferite de SPSS cu alte date mai convenabile vou. Nu uitai c, n general, trebuie s punei la dispoziie i baza de date n momentul n care publicai un studiu i de cele mai multe ori analizele sunt refcute de comisia de publicare a articolului. Tot folosind modul de editare, putei ajusta limea coloanelor pentru ca tabelul dumneavoastr s prezinte un aspect elegant. Deplasai cursorul mausului deasupra unei linii, ca n figura alturat, pn cnd se transform ntr-o sgeat orizontal. Apoi inei apsat butonul din stnga al mausului i tragei micnd mausul la dreapta sau la stnga, 201
pentru a ajusta dimensiunea coloanei din tabel. La fel putei proceda i pentru ajustarea dimensiunilor pe vertical. Referitor la formatarea tabelelor, SPSS pune la dispoziie mai multe meniuri pe care nu le vom analiza n detaliu aici, din considerente de spaiu. Putei consulta, pentru
Figura 6.22 Inventar statistic tradus
informaii suplimentare, manualul SPSS. Ne vom limita doar s le pre-
zentm. Meniul Insert permite adugarea, n cadrul tabelului selectat, a unui nou titlu, a unei noi etichete n subsolul tabelului sau a unei noi note se subsol ntr-un mod similar operaiunii pe care SPSS o face automat n momentul n care depisteaz o distribuie multimodal. Meniul Pivot permite marcarea tabelului curent n scopul unei regsiri rapide n fereastra de rezultate, comutarea tabelului prin inversarea liniilor sau a coloanelor sau lansarea ferestrei speciale prin care poate fi controlat pivotarea tabelului. Acest meniu este un meniu important n formatarea aspectului grafic al tabelului, cu aplicaii n condiiile analizei unui volum mare de date. Vom reveni asupra acestui meniu, n momentul n care vom discuta despre studiile corelaionale. Meniul Format cuprinde un set de utilitare prin intermediul crora putem modifica aspectul celulelor din tabel, a ntregului tabel, a fonturilor
202
Cristian Opariuc-Dan sau a notelor de subsol. SPSS conine, asemntor programului Microsoft Word, mai multe abloane grafice care pot fi aplicate tabelelor. Alegnd un asemenea ablon grafic, putei modifica complet aspectul tabelelor din foaia de rezultate. Toate opiunile din acest meniu in doar de aspectul grafic al tabelelor i nu afecteaz n niciun fel coninutul datelor dumneavoastr. Se pot stabili, alturi de cele expuse mai sus, numrul de zecimale pe care SPSS s le afieze, ordonarea datelor, includerea sau excluderea capului de tabel etc. V invit s parcurgei acest meniu i s exersai facilitile pe care le ofer. Oricnd v putei ntoarce la starea iniial, anterioar unei aciuni, folosind butonul Undo.
VI.7.1 Calculul notelor z n SPSS

Programul SPSS permite calculul notelor z pentru fiecare dintre cazurile individuale prezente n distribuia de date, ntr-un mod foarte simplu i elegant. Din acelai meniu, Analyze, vei alege opiunea Descriptive Statistics i apoi opiunea DescripFigura 6.23 Meniul statistici descriptive
tives
Cunoatei deja fereastra care se deschide, deoarece am analizat-o pe parcursul acestei lucrri, drept pentru care nu vom insista dect asupra unui singur element. Este vorba despre caseta de bifare Save standardized values as variables. Rolul acestei casete, pe care o vom bifa, este acela de a crea o nou variabil care va stoca scorurile z ale fiecrui Figura 6.24 Fereastra de caz din baza de date. Evident, va fi lansat feconfigurare a analizei reastra de afiare a rezultatelor care conine un
203
tabel pe care l-am discutat deja. Totui, unde sunt notele z att de cutate de noi? S ne amintim ce am bifat. Am bifat o opiune, dup ce am introdus variabila Coeficient de inteligen n lista variabilelor ce trebuie analizate, prin care notele standardizate vor fi salvate ca variabile. Trebuie, deci, s ne ntoarcem la baza de date, unde vom regsi o nou variabil creat automat. Este vorba despre variabila Ziq, ultima din baza de date, care nu conine altceva dect notele z ale fiecrui subiect. Observm c primul subiect se afl la 1,33 abateri standard n stnga mediei, adic n zona rezultatelor medii, al doilea la 1,01 abateri standard n dreapta mediei, tot n zona scorurilor medii i aa mai departe. Cum facem totui pentru a obine note standardizate rezultate din notele z, scoruri sten spre exemplu. V mai amintii probabil c scorurile sten se obin adunnd valoarea 5,5 la valoarea notei z. Dac avem notele z, restul este simplu. Cum facem ns acest
Figura 6.25 Noua variabil ce conine scorurile z
Figura 6.26 Meniul de transformare SPSS
lucru n SPSS? Vom folosi serviciile unui alt meniu, i anume meniul Transform, de unde vom selecta opiunea Compute sau Compute variable, n funcie de versiunea SPSS pe care o posedai. Rezultatul acestei aciuni se concretizeaz ntr-o fereastr similar celei alturate, care conine urmtoarele elemente: Target variable reprezint seciunea n care
Figura 6.27 Fereastra de calcul a variabilelor
204
Cristian Opariuc-Dan vom introduce numele variabilei destinaie, variabil n care se vor salva noile rezultate. n cazul nostru, suntem interesai s calculm scorurile sten pentru variabila iq i vom introduce un nume, ca spre exemplu StenIQ. Sub aceast caset de text se afl un buton intitulat Type & Label, pe care, dac apsm, vom putea configura proprietile noii variabile create. Astfel, avem posibilitatea s adugm o etichet variabilei nou create, folosind cele dou opiuni din seciunea Label. Putem decide dac introducem un text ca etichet (ca n cazul figurii alturate) ori vom folosi drept etichet formula de calcul, situaie n care va trebui s alegem opiunea Use expression as label. Seciunea Type permite alegerea tipului de variabil. Putem decide ntre un tip numeric implicit i un ir de caractere, caz n care va trebui s includem i dimensiunea acestui ir, numrul de caractere pe care l permite variabila.
Figura 6.28 Proprieti ale variabilei
Sub butonul Type & Label se afl binecunoscuta list a variabilelor din baza de date. n partea dreapt, apare caseta de text Numeric Expression, cu ajutorul creia putem scrie formula de calcul prin care va fi obinut noua variabil. n acest sens, putem utiliza calculatorul de sub caset sau putem tasta pur i simplu valorile sau formula n caseta de text. Pentru a v uura accesul la formule, SPSS v pune la dispoziie dou liste: lista Function group care conine funciile sistemului grupate pe categorii i lista Functions and Special Variables care se refer la funciile din categoria selectat anterior. Dac, de exemplu, n prima list, efectum clic pe elementul Arithmetic, atunci, n cea de-a doua list, vor fi afiate funciile referitoare la operaiile aritmetice uzuale. Butonul If permite efectuarea condiional a calculelor, adic calcularea doar a datelor care ndeplinesc o condiie.
205
ntlnim aici posibilitatea de a include toate cazurile (Include all cases) sau de a include doar cazurile care satisfac o condiie (Include if cases satisfies condition). Dac, de exemplu, dorim s calculm scorurile sten doar pentru brbai, vom alege aceast opiune, iar apoi vom scrie n caseta de formule expresia sexul=1. n acest fel, SPSS va calcula scorurile sten numai pentru brbai, ignornd femeile. ntlnim i aici lista de funcii, util pentru crearea unor expresii mai complexe. Deocamdat nu ne intereseaz niciun calcul condiional, prin urmare vom prsi fereastra fr a efectua nicio modificare. S vedem acum, concret, cum calcu- Figura 6.29 Calculul condiional al datelor lm scorurile sten ale variabilei iq, folosind aceste elemente. n primul rnd, am introdus numele i descrierea noii variabile n caseta Target Variable, aa cum a fost exemplificat mai sus. Ne amintim c nota sten se calculeaz adunnd 5,5 la valoarea notei z. Nota z, ns, am calculat-o anterior i o regsim n baza de date sub denumirea Ziq (Zscore: Coeficientul de inteligen). Restul e simplu. Nu v rmne dect s scriei n caseta Numeric Expression formula (5,5 + Ziq), fie tastnd-o, fie folosind calculatorul. Variabila care conine nota z (Ziq) se poate tasta sau se poate folosi butonul de transfer pentru a include variabila din lista variabilelor n formul.
Figura 6.30 Calculul scorurilor sten
Nu mai trebuie dect s apsai butonului OK i s vedem ce se ntmpl. Apare, desigur, fereastra de rezultate care ne informeaz asupra faptului c operaiunea a reuit. La fel ca la calculul notelor z, ne intereseaz baza de date. 206
Cristian Opariuc-Dan Iat c a aprut noua variabil StenIQ care conine, exact aa cum am specificat, scorurile sten ale subiecilor. Observm c, de aceast dat, notele nu mai sunt cuprinse ntre -3 i +3, ci pe o scal de la 1 la 10, exact ca n sistemul colar. Este mult mai intuitiv, nu-i aa? Ca exerciiu, v propun calculul notelor z i a scorurilor sten pentru variabila vrsta subiecilor.
n concluzie:
Media i abaterea standard caracterizeaz pe deplin o distribuie i, de aceea, aceti doi indicatori poart numele de parametri ai repartiiei normale; O distribuie normal trebuie s ndeplineasc simultan urmtoarele trei condiii: o S fie unimodal; o S fie simetric; o S fie mezocurtic; Unimodalitatea reprezint existena unei singure categorii cu frecvena absolut maxim i se analizeaz prin inspectarea valorii modale; O distribuie normal este o distribuie unimodal; Simetria reprezint echilibrarea distribuiei pe axa orizontal i se poate calcula prin: o Coeficientul Yule; o Coeficientul Fisher; o Relaia dintre medie, median i abaterea standard; Referitor la simetrie, exist un sistem de relaii ntre indicatorii tendinei centrale (medie, median i mod), distribuiile putnd fi simetrice, asimetrice la stnga i asimetrice la dreapta. O distribuie normal este o distribuie simetric Boltirea reprezint o asimetrie vertical a distribuiei i se poate calcula prin: o Coeficientul de boltire Pearson; O distribuie normal este o distribuie mezocurtic; ntr-o distribuie normal, exist un numr de ase abateri standard; trei la stnga mediei i trei la dreapta mediei; n funcie de abaterile standard, o distribuie normal prezint patru zone: zona scorurilor normale, zona scorurilor accentuate, zona scorurilor atipice i zona scorurilor aberante; Notele z reprezint distana dintre un scor particular i medie, exprimat n termeni de abateri standard;
207

Notele z pot fi transformate, n baza proprietilor acestora, n alte sisteme de note standardizate; Prin intermediul notelor z, scorurile brute se aduc la un numitor comun, putnd apoi face comparaii att ntre subieci, ct i ntre rezultate la probe diferite; O distribuie care nu este normal poate fi normalizat prin procedee statistice specifice: o Media 5% trim; o Extragerea radicalului; o Ridicarea la ptrat sau la cub; o Logaritmarea pe valori normale sau inversate; o Reflectarea. Etaloanele sunt sisteme de norme ce permit compararea scorului unui subiect cu performana obinut de un grup reprezentativ de subieci; Etaloanele se construiesc n funcie de aspectul distribuiei rezultatelor, astfel: o Pentru distribuii normale se pot folosi etaloanele n cuantile sau etaloane n clase normalizate, preferndu-se cele din urm; o Pentru distribuii care nu sunt normale i nu pot fi normalizate, singurul sistem de etalonare care poate fi folosit este cel al etaloanelor n cuantile.
208
VII. PROBABILITI I SEMNIFICAIE STATISTIC

n acest capitol se va discuta despre: Conceptul de probabilitate; Tipuri de probabiliti; Eroare standard i intervale de ncredere; Etapele metodei tiinifice; Ipoteze i testarea ipotezelor; Semnificaie statistic i erori n testarea ipotezelor. Dup parcurgerea capitolului, cursanii vor fi capabili s: neleag regulile de probabilitate; Disting ntre diferitele tipuri de probabiliti; neleag i s calculeze eroarea standard i intervalul de ncredere; nsueasc etapele demersului tiinific; Planifice o cercetare tiinific i s formuleze ipotezele; neleag logica testrii ipotezelor; neleag conceptul de semnificaie statistic; Recunoasc i s trateze tipurile de erori aprute n procesul testrii ipotezelor.
Desigur, n activitatea dumneavoastr de zi cu zi, ai ntlnit frecvent termenul de probabilitate. Care este probabilitatea s plou n momentul n care ai decis s v petrecei o sptmn pe litoral sau care este probabilitatea s avei un cmin fericit n momentul n care v-ai cstorit? Dac aruncai o moned n sus, care este probabilitatea s cad cap sau stem? Unii dintre dumneavoastr i doresc s poat afla probabilitatea prin care s obin un ase la zar pentru a scpa de mar i aa mai departe. Dac aruncm o moned n sus, atunci cnd cade, va putea s cad pe faa cu capul sau pe faa cu stema. Exist doar dou posibiliti n acest caz, care acoper complet posibilitile de manifestare ale acestui fenomen. Care este ns probabilitatea s cad stema? Este una dintre cele dou posibiliti,
209
adic, exprimat n termeni cifrici, =0,5. Dac avem un zar, care este probabilitatea s dm un ase? De data aceasta cte posibiliti sunt? Poate s cad 1, 2, 3, 4, 5 sau 6, deci avem 6 posibiliti. Dac dm cu zarul, exist o singur ans raportat la 6 anse de a nimeri, dintr-o singur ncercare, zarul cu ase. Exprimat din nou cifric, avem o probabilitate de 1/6=0,166 s scpm de mar. Dac ns, pentru a scpa de mar, ne trebuie un 6 sau un 4, care este probabilitatea de a iei cu fa curat? De data aceasta, exist dou alternative raportate la un total de ase, prin urmare 2/6=0,33. Nu cred c toate aceste lucruri sunt elemente noi. n general, atunci cnd vorbim de probabiliti, acestea se exprim sub form cifric, cu valori de la 0 la 1, n care 0 reprezint probabilitatea nul, niciodat evenimentul nu se va ntmpla, iar 1 reprezint probabilitatea maxim, evenimentul se ntmpl ntotdeauna. De foarte multe ori, este mai intuitiv s reprezentm procentual probabilitile prin nmulirea probabilitii cu 100. Astfel, exist 50% anse s cad stema la aruncarea unei monede (0,5x100) sau 16,6% anse s scap de mar, dac nimeresc un ase i 33% dac nimeresc un ase sau un patru. Muli prefer aceast exprimare, deoarece suntem obinuii s gndim sub form de pri ale unui ntreg. n definitiv, fie c folosim exprimarea 0,33, fie c avem n vedere o form procentual, 33%, de fapt spunem acelai lucru. Toate aceste exemple reprezint cazuri de probabilitate necondiionat, deoarece nu exist niciun factor, niciun element care s influeneze desfurarea lor. Dac nu exist vreun magnet n zar sau vreun grunte de plumb care s influeneze obinerea lui ase, atunci suntem n faa unui caz de probabilitate necondiionat. Probabil c la ora actual exist o sut de cri de statistic care trateaz problemele pe care le-am expus aici, unele n mod cert mai complete i mai academic scrise. Care ar fi, aadar, probabilitatea ca dumneavoastr s citii acum cartea scris de mine? Este simplu de calculat 1/100=0,01 sau, ex-
210
Cristian Opariuc-Dan primat procentual, 1%. Cam mici anse, nu-i aa? n mod sigur, nu cred cam s m mbogesc din vnzarea acestei cri Care ar fi probabilitatea ca prietenul sau prietena dumneavoastr s citeasc aceast carte? Tot 1% dac nu i-o recomandai dumneavoastr. Dac i-o recomandai, probabilitatea va crete n funcie de numrul de recomandri efectuate i, iat cum, cu ajutorul dumneavoastr, mi voi lua o vil pe plaj. Acest exemplu, n care probabilitatea de apariie a unui eveniment este influenat de prezena sau absena unui alt eveniment, se numete probabilitate condiionat. Exist aadar alte aspecte care influeneaz probabilitatea de apariie a unui eveniment. Probabilitatea de a muri de cancer la plmni n urma fumatului este foarte mare, n condiiile n care nu cunosc faptul c fumatul mi poate declana un cancer. Dac tiu acest lucru, crete probabilitatea s reduc igrile i chiar s abandonez fumatul, ceea ce va determina i reducerea probabilitii de a muri. n prima situaie, ne aflm n faa unui exemplu de probabilitate necondiionat. n al doilea caz, avem de a face cu o probabilitate condiionat. De ce, totui, am abordat aceste probleme pe care le tii att de bine? Nu am fcut-o ca s va jignesc inteligena, ci pentru a ne asigura c avem bazele nelegerii importanei probabilitilor n statistica social. nelegerea acestor aspecte asigur, mai apoi, nelegerea conceptelor de inferen statistic, de relaii ntre variabile, praguri de semnificaie i semnificaie statistic. Dup cum am afirmat, scopul unei cercetri este acela ca, pornind de la rezultatele obinute la nivelul unui eantion de populaie, s tragem concluzii valabile pentru o ntreag populaie. Dac voi studia cantitatea de bere consumat de studenii de la psihologie i voi face afirmaia c n general studenii de la psihologie consum mai mult bere n comparaie cu ceilali studeni, la ce nivel de precizie m voi situa? Care este probabilitatea ca afirmaia mea s fie exact? Pentru a calcula aceast probabilitate, avem nevoie s nelegem foarte clar ce nseamn probabilitate de apariie a unui eve-
211
niment, fie ea condiionat sau necondiionat. Toate cercetrile n care se folosesc procedee statistice urmresc, n principal, acelai scop. Din raiuni de costuri i volum de munc, studiind un eantion, urmrim extinderea concluziilor obinute la nivelul ntregii populaii. Singura problem care se pune este aceea referitoare la ct de precise i adecvate sunt aceste concluzii. Probabilitatea condiionat i simpl necondiionat reprezint dou dintre cele mai importante reguli de probabilitate, alturi de evenimentele mutual exclusive i evenimentele independente. n urmtoarele subcapitole, vom aprofunda aceste noiuni, n vederea unei nelegeri complete.
VII.1Patru reguli de probabilitate

n exemplul anterior cu zarul, totalitatea rezultatelor care pot fi obinute (1, 2, 3, 4, 5 sau 6) poart numele de eveniment n teoria probabilitilor. Probabilitatea de scpa de mar, dac dau un ase sau dac dau un ase sau un patru, poart numele de probabilitate de succes. Generaliznd, probabilitatea de succes, n cazul unor asemenea evenimente, poate fi calculat cu ajutorul formulei () =

, n care P(S) reprezint probabilitatea de succes, ns
reprezint numrul rezultatelor de succes, iar n reprezint numrul total al rezultatelor. Este exact ceea ce am stabilit anterior. Care este probabilitatea de a scpa de mar (probabilitatea de succes)? S dau un ase. Deci un singur rezultat va fi de succes dintr-un total de cte rezultate? Dintr+un total de ase rezultate posibile (pot s dau un 1, 2, 3, 4, 5 sau 6). Aplicnd n formul, gsim c probabilitatea de succes este de 1/6=0,166. n mod similar, pot calcula probabilitatea de succes pentru dou evenimente (ase sau patru), pentru trei evenimente i aa mai departe.
212
VII.1.1
Probabilitatea simpl pentru evenimente egale
Se refer exact la evenimente tip aruncarea unei monede sau la aruncarea unui zar i reprezint cea mai simpl regul de probabilitate. Pentru a nelege mai bine acest lucru, s lum cazul unei rulete cu nou culori. Dumneavoastr va trebui s aruncai o moned de 50 de bani, n timp ce ruleta se rotete. Dac, atunci cnd ruleta se oprete, moneda dumneavoastr se afl pe culoarea verde, ctigai doi lei; n caz contrar, pierdei moneda. Cunoscnd formula de mai sus, care este probabilitatea de succes? Evident, numrul total de rezultate posibile este nou; moneda poate s cad pe oricare dintre cele nou culori. O singur culoare este ns ctigtoare, i anume culoarea verde, deci un singur rezultat va fi cel ctigtor. Probabilitatea de succes este, aadar, 1/9=0,111 sau 11,1%. Pn aici toate sunt clare i limpezi. Care este ns probabilitatea de eec? Evident, toate celelalte culori rmase, adic 8/9=0,888 sau 88,8%. Din nou anse posibile, avei, prin urmare, o singur ans s ctigai i opt anse s pierdei, adic 1/8 anse de ctig. Acum v vei uita nedumerii la mine i m vei ntreba. Parc era 1/9 probabilitatea de succes. Cum a devenit dintr-o dat 1/8? Dac ai fost ateni, am fcut deja incursiunea ntr-un alt concept statistic, i anume cel de ans, oarecum similar cu cel de probabilitate de succes i de eec, pe care, de altfel, se bazeaz. ansa de succes poate fi scris ca raportul dintre probabilitatea de succes i probabilitatea de eec (P(s)/P(e)). Pentru a nu mai folosi probabilitatea de eec, putem exprima ansa de succes doar n termeni de probabilitate de succes, dup formula =
() 1 ()
. Acest lucru devine evident, dac
nlocuim n raportul iniial semnificaia probabilitii de eec. Atunci cnd vorbim n termeni de ans, putem spune c exist o ans s ctig doi lei i opt anse s pierd 50 de bani, adic ansa mea de succes este de 1/8; una de ctig i opt de pierdere. Haidei s vedem dac aa stau lucrurile. Probabilitatea de succes, n cazul ruletei, este de 1/9 i cea de eec este de 8/9. Vom face apel la cunotine 213

() () 1 1 9
de aritmetic de baz i vom spune c ansa de succes este

9 8 1
=89=
9
= 8. Nu am folosit dect cunotine elementare de aritmetic. Demonstraia
formulei a doua este evident, deoarece probabilitatea de eec va fi 1 probabilitatea de succes. Dac nlocuii i efectuai calculele, rezultatul va fi acelai: o ans s ctig doi lei i opt anse s pierd 50 de bani. De ce folosim totui termenul de ans de succes i nu cel de probabiliti de succes i de eec. Foarte simplu. Pentru a sintetiza ntr-o singur exprimare att succesul, ct i eecul. O ans s ctig doi lei i opt anse s pierd 50 de bani se prezint mai concis i mai elegant n comparaie cu o probabilitate de unu pe nou s ctig doi lei i o probabilitate de opt pe nou s pierd 50 de bani. Desigur, sunt i alte motive pe care le vom discuta la momentul potrivit.
VII.1.2
Evenimentele mutual exclusive
Toat discuia noastr s-a bazat pn acum pe un singur eveniment: aruncarea unui singur zar, a unei singure monede sau jocul la o singur rulet. Ce se ntmpl, ns, dac avem dou evenimente? tii c la jocul de table avem dou zaruri. Fiecare dintre cele dou zaruri poate lua, n mod independent, valori de la unu la ase, n urma unei aruncri. Dac pentru a scpa de mar, nu avem nevoie de un ase sau un patru, ci de un apte sau un zece, cum vom calcula probabilitatea? S nu mi spunei c vei picta mai multe puncte pe faa unui zar Iat o situaie tipic de dou evenimente mutual exclusive. De ce mutual exclusive? Pentru c punctele obinute pe un zar depind de punctele obinute pe celalalt zar, pentru a rezulta scorul total. Fiecare dintre cele dou zaruri poate lua valori de la unu la ase. Cumulat, exist un numr de 36 de posibiliti de a se combina cele dou zaruri (6x6 posibiliti). Pentru a obine un apte, putem avea una dintre urmtoarele situaii:
214
Cristian Opariuc-Dan Zar 1: Zar 2: Total: 1 6 7 2 5 7 3 4 7 4 3 7 5 2 7 6 1 7
n acest caz, funcioneaz o alt regul, derivat din regula probabilitilor simple a evenimentelor egale, numit regula aditiv pentru evenimente mutual exclusive. Nu v speriai, c nu este cine tie ce demonstraie matematic complex. Care este numrul total de rezultate al celor dou evenimente? Primul zar are un total de ase rezultate, iar al doilea zar un numr total de ase rezultate. Numrul total al rezultatelor celor dou evenimente este de 6x6=36 de rezultate. Care este numrul de rezultate de succes, adic numrul de rezultate care, prin nsumare, duc la cifra apte? Numrai rezultatele din tabelul de mai sus. Sunt ase rezultate. Nu avem acum dect s nlocuim n formula de mai sus pentru a calcula probabilitatea de succes () =

= 36 = 6 = 0,16. Cunoscnd probabilitatea de succes, este uor s
calculm ansa de succes. Aplicai doar formula specificat n capitolul anterior i vei afla ansa de succes. Nu mi se pare deloc complicat. M vei ntreba acum de ce vorbesc de o alt regul, cnd ,de fapt, este exact prima regul studiat. Pentru c aceast regul spune c probabilitatea de succes a unui numr de k evenimente mutual exclusive reprezint suma probabilitilor de succes a fiecrui eveniment. Dac avem k evenimente (n cazul nostru k are valoarea ase, deoarece sunt ase evenimente), atunci probabilitatea de succes va fi P(s)=P(e1) + P(e2) + P(e3) + . P(ek) Acest lucru se verific i n cazul nostru, dac ar fi s scriem formula desfurat: () = 1 1 1 1 1 1 6 1 + + + + + = = 36 36 36 36 36 36 36 6
Iat c v-am lmurit i motivul pentru care aceast regul se numete regula aditiv pentru evenimentele mutual exclusive. 215
Ca exerciiu, calculai probabilitatea de succes i ansa de succes pentru a obine la table un 10, ca s scpai de mar. Am abordat pn acum situaia n care evenimentele sunt egale (cele dou evenimente au acelai numr de rezultate fiecare dintre cele dou zaruri poate genera un numr de ase rezultate). Cum procedm, ns, dac evenimentele nu sunt egale? S presupunem c suntei un juctor de poker electronic i v aflai n faa unui asemenea aparat care funcioneaz cu monede. Programatorul aparatului a implementat urmtorul algoritm de ctig (Dowdy, i alii, 2004):
Careu de ai se ctig 50 de monede Careu de popi se ctig 30 de monede Careu de dame se ctig 25 de monede Careu de valei se ctig 10 monede Pierderea monedei probabilitate 0,001 probabilitate 0,010 probabilitate 0,040 probabilitate 0,359 probabilitate 0,590
Probabilitatea de succes este practic probabilitatea de a ctiga ceva, fie valeii, fie damele, fie popii, fie aii. n acest caz, probabilitatea de succes este suma probabilitilor evenimentelor, i anume 0,001+0,010+0,040+0,359 rezultnd 0,41. Observm c probabilitatea de succes, aplicnd regula aditivitii evenimentelor mutual exclusive, nu este altceva dect inversul probabilitii de eec. n termeni probabilistici, opusul probabilitii de succes poat numele de complement i se noteaz cu PS . ntotdeauna, suma dintre probabilitatea de succes i complementul acesteia este unu. Dac revenim la formula ansei, practic ansa de succes este raportul dintre probabilitatea de succes i complementul acesteia.
216
VII.1.3
Evenimentele independente
Ai observat, din exemplul anterior cu jocul electronic, c probabilitatea de succes este destul de mare (0,41). Dac introducei o moned n aparat, avei practic o probabilitate de 41% s ctigai ceva i 59% s pierdei. Totui, de ce nu ctigai? Dac suntei un mptimit al jocurilor de noroc, n mod singur ai trecut prin situaia n care v spuneai: Am pierdut prea mult. De acum, ar trebui s mai i ctig. n realitate ns, ai risipit toi banii fr un ctig substanial. De ce? Rspunsul este foarte simplu. Deoarece evenimentele sunt n realitate independente. Introducerea unei noi monede n aparat nu are nici o legtur cu ceea ce ai jucat dumneavoastr anterior. Jocurile anterioare nu influeneaz cu nimic probabilitatea de ctig pe care o avei. n acest caz, evenimentele nu sunt mutual exclusive, ci independente. Dac vei introduce n aparat 100 de monede, probabil c vei ctiga de 41 de ori i vei pierde de 59 de ori. Atunci cnd discutm despre evenimente independente, trebuie s avem n vedere probabilitatea comun ca dou sau mai multe evenimente s se ntmple simultan. S considerm un alt exemplu, n care presupunem c avem la dispoziie un pachet de cri de joc. tii foarte bine c un pachet de cri de joc conine un numr de 52 de cri aranjate pe dou culori: negru i rou. De asemenea, exist, pentru fiecare culoare, un numr de 8 cri speciale: asul, popa, dama i valetul. Dac am sistematiza distribuia crilor de joc, am obine o imagine similar tabelului de mai jos (Dowdy, i alii, 2004):
Carte special Da Nu Total Negru 8 18 26 Rou 8 18 26 Total 16 36 52
n continuare, vom amesteca foarte bine crile din pachet i vom ncerca s gsim probabilitatea cu care putem extrage o carte special de culoare neagr, dintr-o singur extragere. Cred c intuii deja rspunsul. Putem
217
extrage oricare dintre cele 52 de cri din pachet. Deci totalitatea rezultatelor este de 52. Totui, dintre aceste 52 de cri, doar 8 cri sunt speciale i negre. Prin urmare, probabilitatea de a extrage o carte special i de culoare neagr este de = 52 = 13 = 0,15. Dac n cazul evenimentelor mutual exclusive am avut o regul aditiv, n acest caz, ne confruntm cu o regul multiplicativ a evenimentelor independente. Conform acestei reguli, probabilitatea de succes a unui numr de k evenimente independente reprezint produsul probabilitilor de succes ale fiecrui eveniment. Dac avem k evenimente (n cazul nostru k are valoarea doi, deoarece primul eveniment se refer la extragerea unei cri de culoare neagr i al doilea eveniment - la extragerea unei cri speciale), atunci probabilitatea de succes va fi P(s)=P(e1) x P(e2) x P(e3) x . P(ek). n situaia de fa, = =
26 52 8 2
16 52
=
2
4 13
4 26
2 13
0,15. Am obinut, dup cum ai constatat, exact acelai rezultat.
VII.1.4
Probabilitatea condiionat
Atunci cnd ne gndim la un african, ne vine n minte imaginea unei persoane cu tenul nchis la culoare, prul negru, eventual ondulat, buzele groase. Dac ntlnim o asemenea persoan pe strad, putem afirma cu o probabilitate foarte mare de succes c respectiva persoan este un african. Poate fi vorba ns i despre un arab sau chiar un european. Ne-am bazat afirmaia pe o serie de indicii fizice care au condiionat probabilitatea de succes. Un asemenea exemplu este un caz tipic de probabilitate condiionat. n aceast situaie, unul sau mai multe evenimente influeneaz, condiioneaz probabilitatea de apariie a unui alt eveniment. S presupunem c facem un studiu pe 100 de persoane bolnave de cancer pentru a vedea n ce msur fumatul contribuie la apariia cancerului la plmni. Dup colectarea rezultatelor, le putem prezenta ntr-un tabel similar celui de mai jos (Dowdy, i alii, 2004):
218
Cancer Pulmonar Alt tip de cancer Total Nefumtor 5 60 65 Fumtor 20 15 35 Total 25 75 100
Ne punem evident ntrebarea, avnd un numr de 25 de persoane cu cancer pulmonar, care este probabilitatea ca un fumtor s contacteze un cancer pulmonar. Rspunsul este din nou simplu, dac privim cu atenie tabelul de mai sus. Avem un numr total de 25 de bolnavi de cancer pulmonar, din care 20 sunt fumtori. n acest caz, probabilitatea ca un fumtor s prezinte cancer pulmonar este de 20/25 = 0,80. Cam mare, nu-i aa? n realitate, probabilitatea condiionat are i ea o regul proprie, numit regula probabilitii condiionate, care se scrie sub forma 2|1 =
12 1
i semnific probabilitatea ca evenimentul al doilea s fie determinat de
primul eveniment. n cazul nostru, care sunt evenimentele? Lotul nostru conine 100 de persoane, toate bolnave de cancer. Primul eveniment l reprezint probabilitatea ca, dintre toi bolnavii de cancer, unii s fie bolnavi de cancer la plmni. Avem un numr de 25 de bolnavi de cancer la plmni dintr-un numr de 100 de bolnavi de cancer. Probabilitatea va fi aadar 25/100. Al doilea eveniment este reprezentat de bolnavii de cancer la plmni, fumtori. Avem un numr de 20 de bolnavi de cancer la plmni care fumeaz. Probabilitatea pentru al doilea eveniment va fi aadar 20/100. Dac aplicm formula de mai sus, obinem | = rezultat.

20 100 25 100
= 25 = 0,8. Am obinut, prin urmare, exact acelai
20
219
VII.2 Eroare standard i intervale de ncredere

Incursiunea anterioar n domeniul probabilitilor, dei puin mai arid fa de cum v-ai obinuit, nu a fost deloc ntmpltoare i este menit s v familiarizeze cu demersul tiinific. n momentul n care utilizai statistica ntr-un studiu tiinific, trebuie c reinei c aceast metod nu ofer nici pe departe concluzii certe. Orice afirmaie pe care o facem i care deriv din procedee statistice are o anumit probabilitate de a fi adevrat, dup cum exist i o probabilitate de a ne nela. Acest lucru se ntmpl, deoarece, n demersul tiinific, rareori lucrm cu ntreaga populaie. De obicei, studiile se Figura 7.1 Distribuia coeficientului de fac pe un segment din populaie, numit inteligen i a notelor la matematic pentru ntreaga populaie de elevi eantion, iar concluziile se extind la nivelul ntregii populaii. Devine evident faptul c indicatorii statistici obinui prin studiul eantionului difer de parametrii populaiei generale din care acest eantion a fost extras. Acest lucru induce anumite erori n momentul n care extindem concluziile la nivelul populaiei, erori numite n literatura de specialitate erori sistematice de eantionare. Scopul oricrui studiu este s minimizeze aceste erori, astfel nct datele obinute prin studiul eantionului s se apropie ct mai mult de parametrii reali ai populaiei. Dac vom dori, de exemplu, s studiem relaia care exist ntre coeficientul de inteligen i notele Eantion 90% din populaie. Exist mari obinute la mateanse s fie inclui att subieci buni ct i matic de ctre slabi elevii de gimnaziu din Romnia, vom ti c cele Figura 7.2 Distribuia coeficientului de dou variabile se inteligen i a notelor la matematic
pentru un eantion de 90%
220
Cristian Opariuc-Dan distribuie normal la nivelul populaiei, ca n figura alturat. Pentru a afla parametrii reali ai populaiei (media i abaterea standard ) ar trebui s nregistrm notele la matematic i rezultatele unui test de inteligen pentru toi elevii de gimnaziu din Romnia. Un asemenea studiu va fi extrem de greu de realizat i foarte costisitor. Dac, n loc s analizm toat populaia, vom studia doar 90% din populaie, media obinut se va apropia foarte mult de aceea a populaiei generale. Acest lucru devine posibil, deoarece probabilitatea de a selecta subieci care vor obine scoruri egal rspndite n jurul mediei populaiei este foarte mare. ns resursele nu sunt suficiente n vederea realizrii unui studiu de o asemenea amploare i se va lucra cu un numr mai redus de subieci. Ce se va ntmpla dac, n loc de a studia un eantion suficient de mare, vom folosi doar trei elevi? n Putem selecta 3 acest caz exist o elevi cu rezultate Putem selecta 3 foarte bune probabilitate foarte elevi cu rezultate foarte slabe mare s selectm trei elevi cu rezultate foarte slabe sau cu rezultate foarte Figura 7.3 Distribuia coeficientului de inteligen i a notelor la matematic bune. n aceast pentru un eantion de 3 elevi situaie, concluziile pe care le tragem sunt eronate, deoarece eantionul ales nu este reprezentativ pentru populaia investigat. Pe msur ce cretem dimensiunea eantionului, crete i probabilitatea de a selecta subieci cu scoruri deasupra i sub media populaiei, fapt ce determin reducerea erorilor de eantionare, indicatorii obinui la nivelul eantionului apropiindu-se din ce n ce mai mult de parametrii populaiei. ntr-un capitol anterior, am discutat despre teorema limitei centrale. Acest concept afirm c, dac extragem mai multe eantioane dintr-o popula-
221
ie i calculm media acestor eantioane, media eantioanelor aproximeaz cel mai bine media populaiei. n mod surprinztor, distribuia mediei eantioanelor, n cazul unui numr mare de subieci (peste 30 de subieci), este o distribuie normal, indiferent de modul n care variabila se distribuie la nivelul ntregii populaii. Pentru a nelege mai bine acest concept, s presupunem c avem la dispoziie un zar. Dup cum tim, aruncnd un zar, putem obine 1, 2, 3, 4, 5 sau 6. nsumnd aceste valori i mprind suma rezultat la ase, rezult media teoretic a populaiei de 3,5. Acum, s considerm un numr de 5 eantioane de cte 10 aruncri cu zarul. Poate nu v vine s credei, ns chiar acum fac acest experiment pe care vi-l recomand i dumneavoastr. Iat rezultatele pe care le obin:
Eantion 1: Eantion 2: Eantion 3: Eantion 4: Eantion 5: 1, 2, 1, 2, 6, 6, 4, 6, 4, 1 2, 2, 1, 2, 6, 5, 6, 3, 3, 4 4, 1, 2, 5, 6, 6, 3, 5, 5, 2 4, 2, 2, 2, 5, 3, 1, 4, 3, 4 5, 3, 4, 2, 6, 6, 1, 1, 4, 2 media = 3,6 media = 3,4 media = 3,9 media = 3,0 media = 3,4
Fiecare eantion are o medie diferit de media teoretic, se abate ntrun sens sau altul de la media populaiei 3,5. Dac aplicm principiile teoremei limitei centrale, vom realiza media acestor eantioane. Adunai toate cele cinci medii i mprii la cinci. Obinei valoarea 3,46 care, iat, aproximeaz cel mai bine media populaiei. n mod similar, aceste principii se aplic i n cazul cercetrilor tiinifice. Media de sondaj (m) obinut pe baza unui eantion reprezint un estimator consistent, deoarece tinde spre valoarea teoretic pe msura creterii numrului de observaii, nedeplasat, eficient, fiind estimatorul cu cea mai mic abatere de la media populaiei i suficient n sensul c nicio alt estimare nu ofer informaii suplimentare cu privire la parametrul estimat. (Vasilescu, 1992).
222
Cristian Opariuc-Dan Dei media de sondaj aproximeaz bine media populaiei, gravitnd n jurul acesteia, noi nu tim ct de bine o aproximeaz. Dac vei cumpra o pung de cafea de 100 de grame, s nu v ateptai ca punga respectiv s cntreasc exact 100 de grame. Vei observa pe ambalaj o specificaie important: 100 de grame 5 grame. Ce nseamn acest lucru? nseamn c punga dumneavoastr conine minimum 95 de grame i maximum 105 grame de cafea. Cantitatea exact de cafea se gsete undeva ntre aceste limite, n acest interval, numit i interval de ncredere. Dac vom evalua o caracteristic a populaiei prin mai multe eantioane, mediile fiecrui eantion vor reprezenta estimri punctuale ale parametrului populaiei, estimri situate, n general, n acest interval de ncredere. De aceea, putem spune c media de sondaj este un estimator punctual al mediei populaiei n timp ce intervalul de ncredere reprezint un estimator de interval al mediei populaiei. Acest indicator ne ofer un interval de valori ntre limitele cruia putem regsi media real a populaiei studiate. Nu ntmpltor am menionat anterior o proprietate foarte important a repartiiei mediei eantioanelor care tinde spre o distribuie normal, indiferent de modul n care se distribuie real variabila la nivelul populaiei. Cunoscnd acest lucru, ne amintim c distribuia normal este complet caracterizat prin medie i abaterea standard, iar aceste concepte ne vor ajuta s determinm intervalul de ncredere. n figura numrul 7.4, am reprezentat distribuia nlimii brbailor din Romnia. Evident, media acestei ? caracteristici la nivelul populaiei este i va rmne necunoscut. Dac vom extrage cteva eantioane din populaFigura 7.4 Distribuia nlimii brbailor din Romnia ie, mediile obinute le vom putea reprezenta prin punctele de pe grafic. Media fiecrui eantion se abate n sens pozitiv i negativ de la media real, 223
ns, dac am face media acestor eantioane, ne-am apropia cel mai bine de valoarea exact a acestui parametru. Dar, dup cum am spus, media eantioanelor are proprietatea de a se distribui normal. Folosind acest element i proprietile distribu? iei normale, putem calcula cu ct se abate media unui eantion fa de media teoretic care rmne n continuare necunoscut , stabilind astfel intervalul de ncreFigura 7.5 Distribuia normal a nlimii brbaidere. n mod practic, mediile lor din Romnia eantioanelor se vor abate de la media teoretic cu un numr de abateri standard sau, mai precis, vor dobndi, fiecare, o cot z. Indiferent de eantion, media acestui eantion se poate situa ntre -3 i + 3 abateri standard, pentru o probabilitate de aproximativ 99,74%. Acest interval este ns prea mare i permite mediei de sondaj s aib aproximativ orice valoare din domeniul de variaie al nlimii brbailor din Romnia. n general, trebuie s ne asigurm, la un nivel de probabilitate de 95%, c zona din curba de distribuie a populaiei conine media de sondaj, adic intervalul de ncredere al mediei Figura 7.6 Zona distribuiei normale corespunztoare unui interval are o precizie de 95%, existnd mai puin de ncredere de 95% de 5% anse ca media populaiei s nu fie
224
Cristian Opariuc-Dan coninut n acest interval. n termeni de abateri standard, zona corespunztoare unui interval de ncredere de 95% se afl situat ntre 1,96 i + 1,96 abateri standard. Urmnd firul logic, dac scorul z al mediei eantionului se afl situat ntre 1,96 i + 1,96 abateri standard, nseamn c aceast medie aproximeaz suficient de bine media teoretic sau media populaiei la un nivel de ncredere de 95%. Dac v amintii, o procedur similar am utilizat atunci cnd am analizat simetria i boltirea unei distribuii. Abaterile mediilor de sondaj fa de media teoretic seamn foarte mult cu un alt indicator studiat anterior, ca msur a Figura 7.7 Media eantionului mprtierii, i anume abaterea standard. De ntr-un interval de ncredere de fapt, abaterea standard a mediilor eantioa95% nelor reprezint un alt concept statistic care poart numele de eroare standard a mediei. Eroarea standard a mediei reprezint o msur n care media unui eantion deviaz de la media eantioanelor, avnd o importan deosebit n stabilirea real a intervalului de ncredere i a msurii n care media unui eantion aproximeaz media real a populaiei. Metoda tradiional prin care am putea estima eroarea standard a mediei ar fi aceea de a extrage mai multe eantioane din populaie, de a calcula media eantioanelor i apoi abaterea standard a acestora dup unul dintre procedeele descrise n capitolele anterioare. Totui, acest lucru nu se ntmpl, deoarece, de cele mai multe ori, n cercetarea tiinific lucrm cu un singur eantion. Din fericire, eroarea standard a mediei este n legtur cu mrimea eantionului aa cum am artat anterior i poate fi calculat cunoscnd doar mrimea eantionului i abaterea standard a acestuia. Cu ct eantionul este mai mare, cu att eroarea standard este mai mic i invers. O
225
bun aproximare a erorii standard a mediei este dat de raportul dintre abaterea standard a rezultatelor obinute de ctre subiecii din eantion i rdcina ptrat din volumul eantionului. Aadar, eroarea standard a mediei poate fi calculat prin intermediul formulei: =

(formula 7.1)
unde Sm reprezint eroarea standard a mediei, reprezint abaterea standard a scorurilor la variabila analizat i n reprezint volumul eantionului. Vom considera valorile ce reprezint nlimea subiecilor exprimat n centimetri: 182, 175, 174, 189, 177, 177, 180, 173, 188, 171, 184, 192, 180, 172, 177, 193, 184, 192, 172, 177, 174, 171, 172, 179, 185, 179, 173, 172, 179, 188. tim c am msurat un eantion de 30 de brbai i am obinut scorurile anterioare, distribuia avnd media de 179,7 centimetri i abaterea standard de 6,69 centimetri. Dac aplicm acum formula, vom obine eroarea standard a mediei de =
6,69 30
= 5,47 = 1,22 . ntr-adevr, n acest caz eroarea standard a me-
6,69
diei este destul de mic, media aproximnd bine media general a populaiei. Cunoscnd eroarea standard a mediei, putem acum estima limitele ntre care gsim media populaiei () la un interval de ncredere de 95%. Dup cum tim, n termeni de abateri standard, pe o distribuie normal, intervalul de ncredere corespunztor nivelului de 95% este situat ntre +/- 1,96 abateri standard. Particulariznd, intervalul de ncredere al mediei teoretice poate fi calculat dup formula: = 1,96

= 1,96
(formula 7.2)
226
Cristian Opariuc-Dan n cazul nostru, media nlimii celor 30 de subieci este de 179,9 centimetri, iar eroarea standard a mediei este de 1,22 centimetri. Limita inferioar a intervalului de ncredere va fi de 179,9 1,96x1,22 = 177,51 centimetri, iar limita superioar a intervalului de ncredere va fi de 182,29 centimetri. Cu alte cuvinte, ntre 177,51 centimetri i 182,29 centimetri se va afla media de nlime a populaiei masculine din Romnia.
VII.3 Metoda tiinific n tiinele socio-umane

Avnd n vedere informaiile prezentate pn acum, ar fi momentul s discutm despre metoda tiinific pe care o utilizm ori de cte ori suntem n faa desfurrii unui studiu serios i valid n tiinele socio-umane. Abordez aceast problem, pentru c am vzut de multe ori, n rndul cercettorilor sau al cadrelor universitare, opinii cel puin paradoxale. Ce spunei, de exemplu, de o replic de genul: Aplicai instrumentele, vedem ce iese i dup aceea formulm ipotezele. Nu tiu dac v-ai confruntat sau nu cu o asemenea atitudine. Eu m-am confruntat pe parcursul multor lucrri de licen i chiar teze de doctorat i am rmas stupefiat de lipsa elementar de cunotine n ceea ce privete metoda tiinific. Este la fel cum am spune: Construim acoperiul, vedem cum arat i dup aceea facem fundaia i pereii. Un asemenea demers este unul diletantist, amatoristic, un demers care nu are nicio legtur cu cercetarea tiinific. Demersul tiinific presupune, de fiecare dat, un proces strict etapizat, care se raporteaz la urmtoarele aspecte (Dowdy, i alii, 2004): 1. Enunarea problemei; 2. Formularea ipotezelor; 3. Proiectarea cercetrii; 4. Efectuarea observaiilor; 5. Interpretarea datelor;
227
6. Formularea concluziilor. Dei nu intenionez abordarea n detaliu a tuturor etapelor, a dori s menionez faptul c, n principal, metoda statistic intervine n etapa a cincia, etapa interpretrii datelor. Deoarece o interpretare a datelor presupune, ns, i o colectare corect a lor, cunotine de statistic sunt necesare att n etapa a doua formularea ipotezelor , ct i n etapa proiectrii experimentului sau n aceea a sondajului. Numai n acest mod ne putem asigura de prezena unui set valid de date, care va face posibil interpretarea acestora i transferul ctre etapa a asea etapa formulrii concluziilor. Iat motivul pentru care fiecare dintre aceste ase etape vor fi analizate separat.
VII.3.1
Enunarea problemei
Enunarea problemei vi se pare, probabil, cea mai simpl etap a demersului tiinific. Trebuie s v informez, de la nceput, c acest stadiu nu este deloc simplu i necesit un mare volum de cunotine, o bun intuiie tiinific, un volum impresionant de observaii i, de asemenea, un potenial creativ. Pot, spre exemplu, s enun problema cltoriei n timp. Demersul tiinific va eua din start, deoarece, la ora actual, problema este insolvabil. O problem apare n urma unui mare numr de observaii. Pot constata, de exemplu, c un element major al ineficienei instituionale l reprezint incapacitatea de comunicare la diferitele structuri ierarhice din cadrul instituiei. Aceast problem, pe care mi-o propun spre soluionare, rezult n urma unui numr semnificativ de observaii referitoare la analiza dinamicii i a climatului organizaional la nivelul multiplelor instituii. n acelai timp, trebuie s ne asigurm de faptul c problema nu are nc o soluie pertinent. Degeaba observ c, stnd la umbra unui mr, mi cade un fruct n cap. Poate voi fi capabil s m ntreb de ce cade, s mi pun problema i apoi s gsesc explicaia. ns aceast problem a fost rezolvat acum mult timp de ctre Newton. Referitor la acest aspect, investigarea soluiilor pertinente este de domeniul
228
Cristian Opariuc-Dan metaanalizei, demers ce ar trebui s precead etapa enunrii problemei i pe care l vom aborda n al treilea volum al prezentei lucrri. Legturile omului de tiin cu domeniul investigat sunt, din nou, de mare importan. Am depit epoca renascentist n care un om putea fi foarte bun n chimie, fizic, anatomie, arte, matematici i aa mai departe. Volumul de cunotine acumulat de omenire este att de mare, nct, chiar i ntrun subdomeniu limitat, fiina uman este depit. Vorbind de psihologie ca s nu lum n discuie domeniul supraordonat al tiinelor socio-umane numai un diletant poate pretinde c e psiholog. Este ca i cum a spune c un medic este pur i simplu medic. Evident c e medic, ns n ce? n ortopedie, pediatrie, neurologie, oftalmologie i aa mai departe. La fel, un psiholog poate fi psihoterapeut, experimentalist, consilier colar, specialist n organizaii, n psihologia social etc. Mie, de exemplu, mi place psihologia experimental i, n special, metoda statistic. Totui, la momentul n care scriu aceste rnduri, consider c tiu cel mult 15-20% din metoda statistic i m ntreb dac mi va ajunge viaa s dein un procent de 50-60%, dei studiul acestei metode face parte din activitatea mea zilnic. n aceste condiii, cum a putea, oare, s formulez o problem din domeniul psihoterapiei, ca s nu mai vorbim de domeniul chimiei sau al astronomiei. Poate pare deplasat, ns sunt adeptul strictei specializri i al lucrului n echipe multidisciplinare. Dac sunt psihoterapeut, desigur, am anumite cunotine de statistic psihologic, ns nu m pot considera un expert n aceast problem. Este de preferat lucrul ntr-o echip cu un specialist n psihologie experimental, care stpnete la un nivel perfect satisfctor metoda statistic, n momentul n care apare necesitatea unui studiu tiinific care presupune analiza datelor, n locul unui efort pe termen scurt de abordare pe cont propriu a unui domeniu n care competenele sunt mediocre. Dincolo de aceste meniuni, enunarea problemei presupune formularea acesteia n scris, n termeni clari i explicii. n urma formulrii proble-
229
mei, rezult obiectivele cercetrii, obiective exprimate n termeni de obiective generale i specifice. Obiectivele generale ghideaz cercetarea n ansamblul ei. Un studiu tiinific are unul, maxim dou obiective generale. Nu ne putem concentra eforturile pe mai multe planuri; or, planurile sunt ghidate exact de modul de formulare al obiectivelor generale. Obiectivele generale ale unei cercetri sunt formulate n urma unui cumul de observaii i, eventual, n urma unui studiu metaanalitic. n ultima situaie, este necesar prezentarea rezultatelor studiului metaanalitic care a ghidat formularea obiectivului general i prin care se demonstreaz lipsa de abordare sau abordarea nepertinet a problemei studiate. Spre exemplu, constatm c, pe msur ce crete numrul de kilometri parcuri cu un automobil, crete i riscul de apariie al unui accident i ne propunem s studiem tiinific aceast problem. n mod normal, ar trebui s ncepem prin a analiza cercetrile existente n acest domeniu i s desfurm un studiu metaanalitic. n urma acestui studiu, putem preciza obiectivul general al cercetrii, de forma: Obiectivul general al cercetrii l reprezint stabilirea relaiei existente ntre numrul de kilometri parcuri i probabilitatea de apariie a unui accident rutier. Observm c enunarea problemei ce urmeaz a fi studiat s-a fcut extrem de clar i explicit, astfel nct se pot defini termenii i condiiile proiectrii unui studiu experimental sau a unei cercetri bazate pe sondaj. Obiectivele specifice reprezint aspecte detaliate ale investigaiei tiinifice, deriv din obiectivul general i creeaz baza formulrii ipotezelor de cercetare (alternative). n funcie de dimensiunile cercetrii i de resursele pe care le are la dispoziie cercettorul, se pot formula unul, dou, trei douzeci de obiective specifice, aflate n legtur cu obiectivul general. Concluzionnd, enunarea problemei reprezint prima etap a demersului tiinific. Ea este nsoit de un studiu al cercetrilor n domeniu i de
230
Cristian Opariuc-Dan prezentarea clar i precis, n termeni cuantificabili, a obiectivelor generale i specifice.
VII.3.2
Formularea ipotezelor
A doua etap a demersului tiinific este reprezentat de formularea ipotezelor cercetrii. O ipotez reprezint o prezumie clar, explicit i verificabil referitoare la relaiile sau diferenele existente ntre dou sau mai multe variabile. Plecnd de la definiia menionat mai sus, rezult faptul c o ipotez de cercetare este legat, evident, de obiectivele cercetrii. Deoarece o ipotez urmeaz s fie testat statistic, formularea acesteia trebuie fcut n termeni de claritate maxim, fr ambiguiti, demersul testrii ipotezelor fiind unul logic i demonstrabil prin procedee statistice specifice. Deoarece formularea ipotezelor i nelegerea logicii testrii acestora reprezint un element vital n cercetarea tiinific, vom analiza pe larg modalitatea prin care sunt elaborate i verificate ipotezele. Ipotezele sunt formulate att n cazul studiilor care urmresc stabilirea unor relaii dintre variabile (numite i studii corelaionale), ct i pentru cercetrile ce vizeaz existena unor diferene dintre variabile (studii factoriale). O prim distincie se poate face ntre ipoteze unilaterale (unidirecionale) i ipoteze bilaterale (bidirecionale) (Clocotici, i alii, 2000). Ipotezele unilaterale se utilizeaz n momentul n care avem o idee despre sensul, direcia n care evolueaz variabilele. Aceste ipoteze sunt mai precise i permit dezvoltarea unor studii pertinente, existnd anse mai mari s fie susinute de analiza datelor. O ipotez unilateral se recunoate dup modul de formulare, deoarece n enunul acesteia regsim direcia de evoluie a variabilelor. De exemplu, dac desfurm o cercetare care are ca scop analiza legturii dintre anxietate i depresie, am putea formula o ipotez unidirecional de tipul:
231
exist o legtur pozitiv ntre nivelul anxietii i nivelul depresiei. n aceast situaie, ipoteza va fi susinut numai n cazul n care legtura dintre anxietate i depresie este pozitiv, adic n situaia n care subiecii cu anxietate mare manifest i puternice simptome depresive sau subiecii cu anxietate mic nu prezint simptome depresive. Ipoteza nu se susine dac, de exemplu, subiecii cu anxietate mic manifest puternice simptome depresive (cazul unei corelaii negative). Dei mult mai precis, exist n permanen riscul s nu putem susine ipoteza, n condiiile n care sensul formulat nu este reprezentat de datele cercetrii, chiar dac, n urma analizei, pot rezulta i alte sensuri specifice; Ipotezele bilaterale nu impun direcia de evoluie a variabilelor. Dei mai puin precise n comparaie cu cele unilaterale, ipotezele bilaterale ofer o mai mare libertate cercettorului. O formulare de genul exist o legtur ntre nivelul de anxietate i predominana simptomelor depresive poate fi susinut att n cazul n care corelaia este pozitiv, ct i n situaia unei corelaii negative. Ipoteza nu este susinut doar n condiiile n care, cu o mare probabilitate, se demonstreaz inexistena unei asemenea relaii.
Chiar dac vi se poate prea puin ciudat, testarea unei ipoteze nu se face prin formularea menionat mai sus denumit i ipotez alternativ , ci printr-un fel de invers al acesteia, pe care l numim n statistic ipoteza nul sau ipoteza statistic. Testarea unei ipoteze nseamn, de fapt, testarea ipotezei nule n vederea respingerii sau a nerespingerii acesteia.
VII.3.2.1
Ipoteza nul i ipoteza alternativ
nainte de a aborta testarea ipotezelor, ar trebui s nelegem foarte clar ce nseamn ipoteza nul i ipoteza alternativ. 232
Cristian Opariuc-Dan Relund exemplul de mai sus, ipoteza alternativ se noteaz, de obicei, cu H1 i poate fi enunat astfel: H1: Presupunem c exist o legtur ntre nivelul de anxietate i nivelul de depresie. Din punct de vedere statistic, nu putem verifica direct aceast ipotez. Singura modalitate prin care putem sprijini ipoteza alternativ este s enunm i apoi s testm ipoteza nul. De obicei, ipoteza nul notat cu H0 este o negare logic a ipotezei alternative i poate fi formulat astfel: H0: Nu exist nici o legtur ntre nivelul de anxietate i nivelul de depresie. ntr-o cercetare, exist o singur ipotez nul i una sau mai multe ipoteze alternative. Ipoteza nul este cea care orienteaz planul (designul) cercetrii. Dac n urma analizei datelor, respingem ipoteza nul, nseamn c datele noastre susin una dintre ipotezele alternative. Dac ipoteza nul nu este respins, datele nu sprijin ipoteza alternativ. Acesta este singura modalitate prin care se poate testa o ipotez. Reinei c nu putem confirma sau infirma ipoteza alternativ i nici ipoteza nul. Singurul lucru pe care l putem face este s respingem sau s nu respingem ipoteza de nul. Nu v revoltai. Acesta este adevrul, chiar dac nu v place. Pentru ca acest lucru s v devin clar, vom explica puin, prin exemplu, logica testrii ipotezei de mai sus. Cum ai proceda pentru a studia legtura dintre anxietate i depresie? Vom lua cazul cel mai simplu, n care dispunem de dou chestionare, unul care msoar anxietatea i un al doilea care msoar depresia. Administrm apoi cele dou chestionare unui eantion de, s zicem, 30 de subieci. Dup colectarea datelor, plecm de la ideea c nu exist nici o legtur ntre nivelul de anxietate i nivelul depresiei. Nu trebuie s uitm faptul c scopul acestei cercetri l reprezint extragerea unei concluzii valabile la nivelul ntregii populaii, pe baza studiului
233
unui eantion. Chiar dac observm o relaie ntre cele dou variabile, ntotdeauna exist o probabilitate mai mare sau mai mic ca rezultatul s fie obinut pe baza unei erori de eantionare. Ipoteza nul ne indic, de fapt, probabilitatea de a obine aceste date n condiiile n care ar fi adevrat, adic n condiiile n care datele se obin n urma unei erori de eantionare. Practic, n momentul n care calculm relaia dintre cele dou variabile, calculm probabilitatea de obinere a acestei relaii ca rezultat al unei erori de eantionare. Oricnd exist posibilitatea ca relaia constatat la nivelul eantionului s nu se regseasc ntr-adevr la nivelul populaiei, deoarece datele colectate la nivelul eantionului sunt rezultate n urma unei erori de eantionare. n exemplul nostru, s presupunem c gsim o relaie ntre anxietate i depresie, n sensul c persoanele anxioase prezint i simptome depresive. Am lucrat, totui, pe un eantion i nu cu ntreaga populaie. nainte de a face aceast afirmaie valabil pentru ntreaga populaie, ne putem pune problema care ar fi probabilitatea ca relaia pe care am descoperit-o s nu existe de fapt (ipoteza nul), adic relaia s fie rezultatul unor erori de eantionare este, evident, o probabilitate condiionat. Dac aceast probabilitate este suficient de mic, s spunem 5%, atunci putem concluziona c relaia descoperit nu este rodul unor erori de eantionare, ci o putem regsi la nivelul populaiei. Acest procent de 5% nu nseamn altceva dect c, la doar 5 subieci dintr-o sut de subieci, relaia s-ar putea s nu se verifice. n acest caz, probabilitatea ca ipoteza nul s fie adevrat este foarte mic i o putem respinge. Respingnd ipoteza nul, putem sprijini ipoteza alternativ. Nu am spus c o confirmm sau c o acceptm. n realitate, ipoteza alternativ nu poate fi confirmat sau acceptat, deoarece n permanen apare excepia (cele 5 persoane dintr-o sut) pentru care ipoteza alternativ nu este adevrat. Sperm c, n baza exemplului de mai sus, ai reuit clarificarea modului n care are loc testarea ipotezelor ntr-o cercetare tiinific. Dac ar fi s concluzionm, am putea spune c logica testrii ipotezelor cuprinde patru etape (Dancey, i alii, 2002): 234
Cristian Opariuc-Dan Formularea ipotezei; Msurarea variabilelor implicate i stabilirea relaiilor dintre variabile; Calcularea probabilitii de obinere a acestor relaii n condiiile n care relaiile de fapt nu exist la nivelul populaiei; Dac probabilitatea calculat n etapa anterioar este destul de mic, atunci exist o probabilitate foarte mare ca relaia descoperit s se regseasc la nivelul populaiei.
O ultim meniune referitoare la ipoteza nul. n general, cercettorii consider ipoteza nul o ipotez a absenei. (Sava, 2004). Aceast abordare este o abordare eronat. Ipoteza nul nu nseamn lipsa unei corelaii sau lipsa unei diferene dintre medii, ci probabilitatea ca diferena sau corelaia s fie obinut ca rezultat al unei erori de eantionare. O legtur ntre dou variabile, chiar foarte sczut, exist totui, doar c probabilitatea ca aceast relaie s fie rezultatul unor erori de eantionare este foarte mare i nu trebuie ignorat. Prin urmare, ipoteza nul nu afirm de fapt c nu exist o legtur, ci trebuie privit mai degrab ca o ipoteza ce urmeaz s fie anulat i nu ca ipoteza absenei.
VII.3.2.2
Semnificaie i eroare n testarea ipotezelor
Am afirmat c putem respinge ipoteza nul (ipoteza conform creia relaia obinut este determinat de erorile de eantionare), dac probabilitatea s fie adevrat este foarte mic. Bine, m vei ntreba, dar ct de mic? Care este pragul la care putem respinge ipoteza nul? n cercetarea tiinific, lucrm cu dou asemenea praguri de semnificaie. Primul prag a fost postulat de Fisher i reprezint probabilitatea de 0,05 (5% sau 1 caz din 20 de cazuri), iar al doilea prag de semnificaie reprezint probabilitatea de 0,01 (1% sau 1 caz din 100 de cazuri).
235
Pragul de semnificaie reprezint probabilitatea (de 5% sau 1%) ca ipoteza nul s nu fie respins sau, cu alte cuvinte, la 1 din 20 de cazuri sau la 1 din 100 de cazuri, relaia s nu existe ori s fie determinat de erorile de eantionare. Pragul de semnificaie se noteaz, n literatura de specialitate, cu p sau cu i permite respingerea ipotezei nule n condiiile unor valori strict mai mici dect p (atunci cnd p<0,05). De asemenea, un indicator statistic poate fi semnificativ sau nesemnificativ, n funcie de raportarea la acest prag. Presupunnd c ipoteza nul este adevrat, dac probabilitatea ca relaia s fie obinut prin intermediul erorilor de sondaj este mai mic de 0,05 (5%), atunci se poate respinge ipoteza nul, iar indicatorul statistic este semnificativ. n exemplul nostru, putem respinge ipoteza nul i putem afirma c exist o legtur semnificativ ntre nivelul anxietii i nivelul depresiei. n aceleai condiii, dac probabilitatea ca relaia s fie obinut prin intermediul erorilor de sondaj este mai mare de 0,05, indicatorul nu este semnificativ, iar ipoteza nul nu poate fi respins. Vom putea atunci afirma c nu exist nicio legtur semnificativ ntre nivelul anxietii i nivelul depresiei. n orice lucrare tiinific, alturi de valoarea indicatorului statistic, se raporteaz i valoarea pragului de semnificaie. Exist dou modaliti prin care putei raporta pragul de semnificaie: prin raportarea inegalitii, de forma p<0,05 sau p<0,01. Aceast modalitate, dei nc practicat, nu este extrem de agreat n comunitatea tiinific, deoarece permite o raportare grosier a probabilitii de respingere a ipotezei de nul. Un p<0,05 poate nsemna att o probabilitate de 0,049, ct i o probabilitate de 0,011; prin raportarea exact a pragului de semnificaie, de forma p=0,38. Aceast metod este preferat, deoarece permite o
236
Cristian Opariuc-Dan evaluare exact a probabilitii de respingere a ipotezei de nul. Unele programe statistice, printre care i SPSS, raporteaz uneori pragul de semnificaie de forma .000, adic 0,000. Este o greeal s precizai un p=0,000, acest lucru nsemnnd o probabilitate nul de obinere a relaiei prin eroarea de eantionare, ceea ce nu poate fi posibil. Deoarece SPSS rotunjete la trei zecimale, probabil c pragul real de semnificaie este o valoare de genul 0,0000001457. n acest caz, se prefer prima modalitate de raportare, de genul p<0,01. Atunci cnd discutm de semnificaie, trebuie s avem n vedere faptul c ne referim la o semnificaie statistic i nu la semnificaia psihologic, social sau economic. Afirmaia, conform creia exist o corelaie semnificativ ntre nivelul de anxietate i nivelul depresiei la un prag de semnificaie mai mic de 0,05, nu nseamn altceva dect c, la nivelul populaiei, exist o probabilitate mai mic de 5% ca s nu fie nicio relaie ntre anxietate i depresie. Att. Semnificaia statistic nu implic o interpretare psihologic a acestei legturi. Valoarea pragului de semnificaie reprezint o probabilitate condiionat, probabilitatea de apariie a unui eveniment, n condiiile n care ipoteza nul este adevrat. Aceast valoare nu indic probabilitatea de apariie a evenimentului la nivelul populaiei. Un prag de semnificaie mai mic de 0,05 ne spune doar c sunt mai puin de 5% anse ca relaia dintre anxietate i depresie s fie rezultatul unei erori de eantionare. Acest lucru ns nu nseamn c avem peste 95% anse s regsim relaia la nivelul populaiei. Dup cum am mai afirmat, testarea ipotezelor presupune doar testarea ipotezei nule, nu i inferene referitoare la ipoteza alternativ. Chiar dac pragul de semnificaie creeaz condiiile respingerii ipotezei nule, totui nu vom putea niciodat afirma cu certitudine c susinem ipoteza alternativ. n cercetarea tiinific, dei condiiile de semnificaie statis-
237
tic pot fi ndeplinite, este posibil apariia a dou tipuri de erori: putem respinge ipoteza nul, iar n realitate ea s nu ndeplineasc condiiile de respingere la nivelul populaiei, sau putem s nu respingem ipoteza nul, n situaia n care ar trebui respins. Cnd credeai i dumneavoastr c ai scpat de lucrurile astea care presupun logica probabilitilor, iat un nou concept care are darul s v ameeasc. Personal, m mir c nu ai trecut nc la lectura unui volum de poveti. i dac tot veni vorba de poveti, s v relatez o poveste pe care mi-a spus-o pe vremuri Ovidiu Lungu i care v va lmuri cu privire la natura acestor erori. A fost odat un mprat care avea obiceiul s poarte multe rzboaie. nainte de a merge la rzboi, mpratul nostru l chema pe vrjitorul curii i l punea s-i prezic soarta btliei. De fiecare dat, bietul vrjitor era n mare impas, deoarece, dac greea previziunea, risca s-i piard capul, cum o piser muli alii naintea lui. Totui, vrjitorul avea muli ani de cnd i pstra capul pe umeri, iar prediciile acestuia, uneori, se dovedeau a fi adevrate. ntrebarea mea este cum proceda? n primul rnd, vrjitor fiind, el citise aceast carte i celelalte dou care urmeaz s apar. n al doilea rnd, avea ceva noiuni legate de probabiliti i de verificarea ipotezelor i, naintea btliei, i formula ipotezele, apoi construia un tabel similar tabelului de mai jos:
H1: Prevd c mria sa va ctiga btlia H0: Prevd c mria sa nu va ctiga btlia Ce se ntmpl n urma btliei Ctig Pierde OK Eroare tip I p= 1- p= Caracteristica testului Pragul de semnificaie OK Eroare tip II p=1- p= Puterea testului
Ctig Ce a prevzut c se ntmpl Pierde
238
S analizm acum tabelul de mai sus. Observm c exist un numr de patru situaii: Vrjitorul a prezis c mpratul va ctiga btlia i mpratul a ctigat-o. Aceasta este situaia descris pn acum. Vrjitorul respinge ipoteza nul i susine ipoteza alternativ, deoarece probabilitatea de a nu ctiga btlia era foarte mic. Cellalt mprat avea probabil un numr mic de oameni i o tehnic de lupt net inferioar. Vrjitorul a obinut o nou avere i respectul mpratului; Vrjitorul a prezis ctigarea btliei i mpratul a pierdut-o. S-a comis astfel o eroare de tip I, respingndu-se ipoteza nul cnd, de fapt, ar fi trebuit acceptat. Pragul de semnificaie a fost probabil apropiat de limit (0,05), ns vrjitorul a riscat. i-a pierdut i averea i capul. Este cea mai grav eroare pe care o poate face. Probabil c s-a bazat pe faptul c cellalt mprat are puini oameni i o tehnic de lupt inferioar, ns l-au dezinformat spionii i a subapreciat fanatismul ostailor; Vrjitorul a prezis pierderea btliei i mpratul a ctigat-o. S-a comis acum o eroare de tip II, nerespingnd ipoteza nul n condiiile n care ar fi trebuit respins. n bucuria victoriei, mpratul s-ar putea s-i crue capul vrjitorului, ns va pierde respectul i o parte din avere. Vrjitorul nu a vrut s rite, deoarece cunotea fanatismul lupttorilor celuilalt mprat; Vrjitorul a prezis pierderea btliei i mpratul a pierdut-o. Din fericire, i-a pstrat i capul i averea, deoarece a avut nelepciunea c calculeze puterea unui test statistic, adic probabilitatea de a respinge ipoteza nul atunci cnd ea este fals.
239
Dup cum ai putut observa, eroarea de tip I este situaia n care un cercettor respinge ipoteza nul n condiiile n care aceasta nu ar fi trebuit respins, iar eroarea de tip doi este situaia n care nu se respinge ipoteza nul, dei ar trebui respins. Cele dou tipuri de erori se afl ntr-un raport invers proporional. Pe msur ce cresc ansele de apariie a erorii de tip I, scad ansele de apariie a erorii de tip II i invers. Din nefericire, cele mai multe cercetri risc apariia unei erori de tip I, care am vzut c este i cea mai grav, neglijnd posibilitatea de apariie a erorii de tip II. Eroarea de tip I corespunde pragului de semnificaie de 0,05 (5%). Avem 5% anse s respingem ipoteza nul, n condiiile n care s-ar dovedi adevrat. O probabilitate cam mare atunci cnd e n joc capul vrjitorului. Eroarea de tip doi corespunde unui prag de semnificaie de 0,01 (1%). De data aceasta, avem doar 1% s respingem ipoteza nul, n condiiile n care s-ar dovedi adevrat, ns mult mai multe anse s nu o respingem, cnd ar trebui respins i, astfel, s comitem o eroare de tip II. Oricum, consecinele ar fi mult mai blnde. Putei acum s-mi spunei cum de i-a pstrat vrjitorul capul pe umeri atia ani? Intuii deja c a lucrat la un prag de semnificaie de 0,01, n care crete riscul apariiei erorii de tip II, ns scade probabilitatea unei erori de tip I. Rolul acestor erori este deosebit de important n cercetare. S presupunem c o firm de medicamente descoper un nou produs care oprete evoluia cancerului, ns are efecte secundare n ceea ce privete viaa pacienilor, deoarece genereaz o serie de produse toxice. Problema care se pune este la ce nivel de risc pot fi acceptate efectele toxice n raport cu beneficiile pe care le poate aduce medicamentul. n urma unui studiu, pot exista dou posibiliti:
240
Cristian Opariuc-Dan Prima posibilitate este aceea corespunztoare unei erori de tip I. Medicamentul s fie pus pe pia n condiiile n care pragul de semnificaie este de 0,05. S-a respins ipoteza nul, conform creia medicamentul este toxic i s-a optat n favoarea beneficiilor pe care le aduce. La un asemenea prag de semnificaie, s-ar putea ca, la nivelul populaiei, tratamentul s provoace mai multe decese dect vindecri; A doua posibilitate este aceea corespunztoare unei erori de tip II. Medicamentul s nu fie pus pe pia, deoarece pragul de semnificaie a fost mai mare de 0,01. Dei medicamentul poate opri evoluia cancerului, totui riscul efectelor toxice este mult prea mare pentru a fi acceptat. Oricum, este o situaie mult mai convenabil n raport cu primul caz.
Cunoscnd aceste tipuri de erori, cum le putem totui evita? Modalitatea cea mai bun de evitare a erorilor este replicarea cercetrii prin proiectarea unui alt studiu. Dac, n urma unui alt studiu, rezultatele se pstreaz, nivelul de ncredere n concluziile extrase va crete. Dac observm o singur dat un fenomen, exist un mare risc ca aceast observaie s se datoreze ntmplrii. Dac l observm de dou, trei, patru ori, putem afirma cu mai mare certitudine c el reprezint un fenomen real, reproductibil i generalizabil.
VII.3.2.3
Ipoteze unilaterale i bilaterale
Importana acestei clasificri a ipotezelor de cercetare implic precizri suplimentare, n afara celor menionate n seciunea anterioar. Am stabilit deja c putem formula unidirecional o ipotez, atunci cnd precizm direcia exact a relaiilor dintre dou variabile (Exist o corelaie pozitiv puternic ntre anxietate i depresie) sau bidirecional, atunci cnd nu putem anticipa exact natura relaiilor dintre variabile (Exist o corelaie ntre anxietate i depresie). n literatura de specialitate prima situaie poart numele de one-tailed hypothesis, iar a doua situaie two-tailed 241
hypothesis sau, ntr-o variant romneasc aproximativ ipoteze la un capt al distribuiei - unilaterale i ipoteze la ambele capete ale distribuiei bilaterale. Aceast denumire o ntlnim i n cadrul programului SPSS i nu ar fi ru s aflm logica ce st n spatele Probabilitate foarte mare de a obine scoruri n zona central acestor nume. tim deja c distribuia normal prezint dou capete, Probabilitate foarte mic de a obine Probabilitate foarte mic de a obine scoruri n zona extremelor scoruri n zona extremelor dou extreme care se apropie de frecvena zero, pe care nu o ating ns niciodat i Figura 7.8 Probabilitatea de a obine scoruri n zona central a distribuiei n am studiat deja procomparaie cu extremele babilitatea de a obine scoruri la capetele distribuiei n comparaie cu probabilitatea de a obine scoruri n zona central. Care ar fi probabilitatea de a ntlni o persoan cu nlimea de 178 de centimetri? Ne aducem aminte c aceast valoare reprezint o nlime comun, cu probabilitate de apariie mare, o persoan cu aceast nlime regsindu-se undeva n zona din mijloc a distribuiei. O persoan cu nlimea de 250 de centimetri are o probabilitate de apariie foarte mic, situat undeva la captul din dreapta al distribuiei, n timp ce o persoan cu nlimea de 120 de centimetri are, de asemenea, o probabilitate mic de apariie, undeva la captul din stnga al distribuiei. La fel procedm i n cazul n care discutm de o alt variabil, s spunem coeficientul de inteligen. Un IQ de 110 este unul comun, pe care l putem ntlni n zona de probabilitate mare. Un IQ de 180 este unul foarte mare, cu o probabilitate de apariie mic, similar nlimii de 250 de centimetri. La fel, un IQ de 60 are o probabilitate mic de apariie i se situeaz spre extrema stng a distribuiei.
242
Cristian Opariuc-Dan Haidei s ne punem acum problema relaiei dintre cele dou variabile. Ce se poate ntmpla cu coeficientul de inteligen pe msura variaiei nlimii subiecilor? Pot exista mai multe variante posibile: Pe msur ce crete nlimea, crete i coeficientul de inteligen. Persoanele cu nlime mare vor avea un coeficient de inteligen ridicat, n timp ce persoanele cu nlime mic vor avea un coeficient de inteligen sczut. Spunem n acest caz c creterea scorurilor la o variabil determin creterea scorurilor la cea de-a doua variabil; Pe msur ce crete nlimea, scade coeficientul de inteligen. Persoanele cu nlime mare au un coeficient de inteligen sczut, n timp ce persoanele scunde au un coeficient de inteligen ridicat. Spunem n acest caz c creterea scorurilor la o variabil determin micorarea scorurilor la a doua variabil. Nu exist nicio relaie ntre cele dou variabile. ntlnim persoane nalte cu coeficieni de inteligen mari i mici, la fel i n cazul persoanelor scunde sau cu o nlime medie. n acest caz, spunem c cele dou variabile nu sunt relaionate, sunt independente.
Zona de obinere a notelor z, n condiiile n care variabilele sunt independente
Teoretic sun frumos, ns ce ne facem c nlimea o msurm n centimetri, iar coeficientul de inteligen n uniti IQ. Din ncurctur ne scoate capitolul anterior. Ne amin-
Scoruri z obinute n cazul n care creterea unei variabile determin micorarea celeilalte variabile
Scoruri z obinute n cazul n care creterea unei variabile determin creterea celeilalte variabile
Figura 7.9 Reprezentarea relaiei dintre dou variabile
243
tim c exist un sistem de note standardizate, numit note z, care are proprietatea de a aduce la un numitor comun cele dou variabile. Mai mult, notele z sunt note aditive i multiplicative. Dac am transforma att nlimea, ct i coeficientul de inteligen n note z, am putea calcula un scor total i am putea sa-l reprezentm pe o distribuie normal. Acest lucru l putem observa cu uurin n figura 7.9, prezentat mai sus. tim, de asemenea, de la semnificaia statistic, faptul c testele de semnificaie explic probabilitatea de obinere a unor diferene sau a unor relaii dintre dou variabile, ca rezultat al unei erori de eantionare, indicnd probabilitatea ca aceast relaie sau diferen s nu existe de fapt la nivelul populaiei (Dancey, i alii, 2002). Un prag de semnificaie de 0,05 nseamn c, pentru a fi respins ipoteza nul, trebuie s existe mai puin de 5% anse ca scorurile de mai sus s fie obinute printr-o eroare de eantionare. S considerm acum o ipotez formulat n urmtorii termeni: Exist o legtur semnificativ ntre nlimea subiecilor i coeficientul lor de inteligen. Am formulat o ipotez bilateral, fr a preciza sensul acestei legturi. Ipoteza nul (Nu exist nici o legtur semnificativ ntre nlimea subiecilor i coeficientul lor de inteligen) poate fi respins la un prag de semnificaie de 0,05 att pentru situaia n care 2,5% 2,5% creterea nlimii subiecilor determin creterea coeficientul lor de inteligen, ct i n situaia n care creterea nlimii duce la scderea coeficientului de Figura 7.10 Reprezentarea zonelor de respingere a ipotezei nule pentru ipotezele inteligen. Acest prag de 5% va fi, bidirecionale aadar, egal distribuit la captul din stnga i la captul din dreapta al distribuiei. Observm c aceste praguri corespund la aproximativ dou abateri standard la stnga i la dreapta mediei.
244
Cristian Opariuc-Dan Dac scorurile z ale subiecilor investigai vor fi situate n aceste zone, putem stabili legtura ntre nlimea i coeficientul de inteligen ca fiind o legtur semnificativ, la un nivel mai mic de 5% ca datele s fie obinute printr-o eroare de eantionare. S considerm acum cel de-al doilea caz, n care formulm ipoteza astfel: Exist o legtur semnificativ pozitiv ntre nlimea subiecilor i coeficientul lor de inteligen. Iat o ipotez unidirecional care ne spune foarte clar c la creterea nlimii apare creterea coeficientului de inteligen i, similar, scderea nlimii determin scderea coeficientului de inteligen. Ipoteza nul poate fi respins n acest caz numai la un prag de semnificaie mai mic de 0,05 situat n zona dreapt a distribuiei, la aproxima5% tiv 1,5 abateri standard la dreapta mediei, aa cum putei observa n figura alturat.
Figura 7.11 Reprezentarea zonelor de Nu suntem interesai ce se nrespingere a ipotezei nule pentru ipotezele tmpl dac creterea nlimii implic unidirecionale scderea coeficientului de inteligen. Putem respinge ipoteza nul numai n cazul unei legturi pozitive ntre cele dou variabile. n mod analog, se poate arta zona de respingere a ipotezei nule pentru legturile negative (creterea unei variabile implic micorarea celeilalte), aceasta fiind situat aproximativ la 1,5 abateri standard n stnga mediei.
Observm c probabilitatea de a respinge ipoteza nul este mult mai mare n cazul ipotezelor unidirecionale n comparaie cu ipotezele bidirecionale. Exist anse mult mai mari s gsim scoruri n zona marcat din figura
245
7.11 n comparaie cu zona marcat n figura 7.10. n general, dac ai obinut pragul de semnificaie n cazul unei ipoteze bidirecionale i dorii s aflai pragul de semnificaie pentru ipotez unidirecional, vei njumti valoarea acesteia. De exemplu, dac obinei valoarea 0,04 n cazul unei ipoteze bidirecionale, corespondentul su pentru valorile unidirecionale este de 0,02. Prin dublarea valorii pragului de semnificaie, se poate obine valoarea acestuia, dac ai lucrat cu ipoteze unidirecionale i dorii s aflai pragul de semnificaie pentru o ipotez bidirecional.
VII.3.3
Proiectarea cercetrii
Metodele statistice reprezint un instrument de cercetare. Etapa de proiectare a cercetrii nu face obiectul prezentei lucrri, existnd pe pia suficient bibliografie care trateaz aceast tem. Abordm totui, pe scurt, subiectul, din considerentele relaiei care exist ntre proiectarea unei cercetri i analiza ulterioar a datelor. Nu putem obine niciodat mai mult dect am proiectat iniial. Erorile de proiectare a cercetrii induc invariabil erori de analiz i de interpretare a datelor. Proiectarea unei cercetri necesit rspunsul la o serie de ntrebri, dintre care cele mai importante sunt (Dowdy, i alii, 2004): Ce tratamente sau condiii vor fi aplicate subiecilor n vederea testrii ipotezelor; Care sunt variabilele de interes i cum vor fi acestea msurate; La ce nivel de precizie vor fi efectuate msurtorile; Care va fi lotul de subieci pe care se va desfura cercetarea.
Orice cercetare necesit un plan de cercetare numit i design de cercetare. n urma acestui plan, se stabilesc variabilele care vor fi analizate i numrul de subieci necesar. Problematica planurilor de cercetare va fi tratat n
246
Cristian Opariuc-Dan detaliu n volumul al doilea al lucrrii, n timp ce proiectarea eantionului sau a lotului de subieci va face subiectul urmtorului capitol.
VII.3.4
Efectuarea observaiilor
Cel puin la nivel teoretic, un studiu nu trebuie s conin alte erori, exceptnd erorile aleatorii de msurtoare determinate de erorile instrumentelor de msur. n literatura de specialitate, se vehiculeaz frecvent termenul de bias, vorbindu-se, chiar i la noi n ar, de studii biasate. Biasul reprezint tendina de afectare a msurrii unei variabile de ctre anumii factori externi (Dowdy, i alii, 2004). Exist surse de asemenea erori determinate de instrumente (erori de calibrare a instrumentului), de influena cercettorului (proiectarea unui interviu n care exist tendina sugerrii rspunsurilor), de efectele de halo (tendina unei evaluator de a fi influenat de evalurile anterioare) sau chiar de condiiile atmosferice ori de subiecii nii. Imediat dup efectuarea observaiilor se impune inspecia datelor n vederea depistrii unor valori extreme, inconsistente cu celelalte date. Inconsistenele de acest tip vor fi analizate n vederea corectrii datelor sau a eliminrii acestora, n cazul n care metodele de corecie i ajustare a datelor nu determin rezultate satisfctoare. Detalii despre aceste procedee ntlnii n capitolele anterioare.
VII.3.5
Interpretarea datelor
Procesul de interpretare a datelor debuteaz, dup cum am afirmat, cu analiza inventarului statistic de baz. n urma acestui studiu, se decide normalitatea sau lipsa de normalitate a unei distribuii, dup care se aleg testele statistice necesare analizei de date. Aplicarea testelor statistice se face n vederea verificrii ipotezei nule, proces prin care decidem dac datele experimentale sunt obinute n condiiile n care ipoteza de nul este adevrat. Dac diferena dintre ipoteza nul i 247
datele experimentale nu se datoreaz ntmplrii (dac pragul de semnificaie este mai mic de valoarea stabilit 0,05), putem respinge ipoteza nul, n caz contrar, ipoteza nul nu poate fi rejectat. Trebuie s reinei faptul c procedeele statistice nu demonstreaz nimic. Metodele statistice descriu probabilitatea cu care un eveniment apare ntr-o populaie. Poate exista doar un singur caz din zece miliarde de cazuri, care s demonstreze acceptarea ipotezei nule. Prin metode statistice stabilim doar la ce nivel de ncredere putem respinge ipoteza nul i nu putem demonstra niciodat falsitatea acesteia. Dup Dancey i Reidy (Dancey, i alii, 2002), majoritatea testelor statistice le utilizm pentru a face o inferen de la studiul pe un eantion spre caracteristicile populaiei. Deoarece caracteristicile populaiei poart numele de parametri, testele utilizate poart denumirea de teste parametrice. Pentru a putea ns utiliza testele parametrice, este necesar ndeplinirea simultan a unor condiii axiomatice. Dup aceeai autori, (Dancey, i alii, 2002) exist un numr de trei axiome necesare utilizrii testelor parametrice: Axioma normalitii distribuiei. Distribuia scorurilor obinute de ctre subieci la variabilele analizate trebuie s fie o distribuie normal. n absena unei distribuii normale, nu pot fi utilizate teste parametrice. Reamintim c, utiliznd testele parametrice, facem asumpia c media i abaterea standard reprezint indicatori reprezentativi ai tendinei centrale, respectiv ai mprtierii. Dac aceast asumpie este fals, ntreaga logic a aplicrii testelor statistice va fi i ea fals. Nu intrm acum n detalii, deoarece au fost prezentate anterior, ci ne rezumm s amintim c, dac distribuia nu este normal, vor fi aplicate tehnici de normalizare a acesteia. Dac nici n acest caz nu reuim obinerea unei distribuii normale, vor fi utilizate teste nonparametrice.
248
Cristian Opariuc-Dan Axioma omogenitii varianelor. Reprezint o a doua asumpie important care postuleaz c variana populaiilor trebuie s fie aproximativ egal. Ca i n cazul primei axiome, nu putem ti dac variana populaiei este aproximativ egal i ne vom rezuma la studiul varianei eantionului sau a lotului de cercetare. Axioma scorurilor extreme. Cea de-a treia axiom a fost, de asemenea, tratat anterior i postuleaz inexistena scorurilor extreme n distribuia statistic. Acest lucru este evident din raiuni ce in de utilizarea mediei. Nu vom mai insista asupra acestui lucru, deoarece considerm c l-am discutat suficient pe parcursul acestei lucrri.
Autorii suscitai nu menioneaz ns o cerin important i anume cea a nivelului de msur. Evident, nu putem utiliza media i abaterea standard dect la variabile aflate la un nivel de msur cel puin de interval. Este absurd s vorbim de distribuie normal n cadrul variabilelor nominale sau ordinale.
VII.3.6
Formularea concluziilor
Formularea concluziilor reprezint etapa final a oricrei cercetri tiinifice i rezum ntregul demers tiinific prezentat mai sus. Decizia luat va fi o decizie probabilistic i consistent cu datele experimentale. Dac pragul de semnificaie este mai mare dect pragul acceptat, atunci probabil ipoteza nul este adevrat i va trebui acceptat. n caz contrar, putem respinge ipoteza nul. Ipoteza experimental nu poate fi respins sau acceptat. Singura decizie pe care o putem lua se refer la ipoteza de nul.
249
n concluzie:
Exist patru reguli de probabilitate: probabilitatea simpl pentru evenimente egale, evenimente mutual exclusive, evenimente independente, probabilitatea condiionat; Extinderea concluziilor de la studiul unui eantion la nivelul populaiei implic existena erorilor sistematice de eantionare; Indicatorii de sondaj aproximeaz parametrii populaiei n zona unui interval de ncredere; Abaterea standard a mediilor eantioanelor poart numele de eroare standard de eantionare; Metoda tiinific n tiinele socio-umane presupune parcurgerea unui numr de ase etape: o Enunarea problemei; o Formularea ipotezelor; o Proiectarea cercetrii; o Efectuarea observaiilor; o Interpretarea datelor; o Formularea concluziilor; Enunarea problemei presupune formularea obiectivelor generale i specifice, n general n urma unui demers metaanalitic; Specificarea ipotezelor face referire la ipoteza alternativ i la ipoteza nul; Ipotezele pot fi unidirecionale sau bidirecionale; Acceptarea sau respingerea ipotezei nule se face prin referire la pragul de semnificaie statistic; Aplicarea testelor parametrice se face n baza unor axiome; Orice concluzie i decizie luat n urma aplicrii metodei statistice este o decizie probabilistic i nu cert.
250
VIII. EANTIONARE I REPREZENTATIVITATE

n acest capitol se va discuta despre: Conceptele de populaie i eantion; Tipuri i surse de date; Caracteristicile unui eantion; Tipuri de eantioane; Tehnici de construcie a unui eantion; Dup parcurgerea capitolului, cursanii vor fi capabili s: neleag conceptul de populaie; Identifice sursele de colectare a datelor; neleag principiul statistic al extragerii eantionului dintr-o populaie; Fac diferena dintre indicatori i parametri; Aleag tipul de eantion adecvat cercetrii; Stabileasc i s caracterizeze proprietile unui eantion; Realizeze eantioane utiliznd SPSS for Windows.
Pe parcursul acestui volum, am abordat de multe ori problematica eantioanelor i am discutat sumar despre o serie de metode de eantionare. A venit momentul s tratm n detaliu aceste elemente, deoarece foarte puine lucrri de statistic social le abordeaz la un nivel comun, iar importana stabilirii unui eantion reprezentativ condiioneaz n mod direct valoarea cercetrii. Dac la nivelul unor studii specifice eantionul nu primeaz, atunci cnd vorbim de elaborarea unor teste psihologice ori despre desfurarea cercetrilor a cror rezultate vor caracteriza populaia, procesul de eantionare dobndete o valoare special. Vom relua, pentru nceput, o serie de lucruri deja cunoscute, referitoare la populaie i eantion, ulterior urmnd s aprofundm att tipurile de eantioane, ct i metodele specifice de construcie ale acestora.
251
VIII.1 Populaia
Definiia din capitolul al treilea afirma c populaia reprezint totalitatea obiectelor, de un anumit tip, existente ntr-un spaiu sau teritoriu, la un moment dat. O definiie mai larg susine c o populaie reprezint o colecie natural, geografic sau politic de persoane, animale, plante sau obiecte (Dowdy, i alii, 2004). Definiia subliniaz c o populaie reprezint, de fapt, o colecie fizic. Fiind o colecie fizic, orice populaie se caracterizeaz prin anumite proprieti pe care le denumim generic parametri. Termenul de populaie este, de fapt, o abstraciune. Nu putem concepe populaia fr s facem apel la aceste proprieti prin care se definete. Dac ne referim la populaia brbailor, implicit am definit un parametru al acesteia i anume sexul. Dac vorbim de populaia nlimii brbailor, avem n vedere doi parametri i anume nlimea i sexul. Similar, nlimea brbailor din Romnia presupune trei parametri: locaia, sexul i nlimea. Toi aceti parametri se numesc variabile de interes ale cercetrii i permit nregistrarea unor valori la nivelul acestora. ntr-o cercetare, odat stabilite variabilele (parametrii) de interes, trebuie s acordm mult atenie n momentul n care dorim s extindem concluziile la nivelul populaiei. Vom reine faptul c o populaie se caracterizeaz prin aceste variabilele de interes. Nu putem face o afirmaie de genul nlimea brbailor este de 178 de centimetri, n condiiile n care am efectuat un studiu pe populaia din Romnia. Nu am desfurat o cercetare prin care s investigm nlimea brbailor din lume. O formul adecvat ar fi nlimea brbailor din Romnia este de 178 de centimetri. Populaia odat definit, apare necesitatea nregistrrii valorilor pentru variabilele de interes. O metod exhaustiv care-i propune investigarea tuturor elementelor dintr-o populaie este recensmntul. Recensmntul este o metod de observare total, cu caracter periodic, care surprinde un fenomen n mod static. Este una dintre cele mai vechi
252
Cristian Opariuc-Dan metode de observare i asigur o fotografiere, o surprindere a unui fenomen ntr-un anumit moment de timp. n mod particular, recensmntul populaiei este un proces de culegere, prelucrare i publicare a datelor demografice, economice i sociale, la un timp specificat, i valabile pentru toate persoanele din ara respectiv sau de pe un teritoriu delimitat. O form particular a recensmntului o reprezint referendumul, ca demers similar de investigare a opiniilor populaiei. O asemenea metod de colectare a informaiilor este extrem de costisitoare. De multe ori, nu este practic (uneori chiar imposibil) s observm toate valorile pe care le poate lua o variabil la nivelul populaiei.
VIII.2 Surse de date

Odat stabilite variabilele de interes i definit populaia, se pune problema colectrii datelor necesare. Care sunt ns sursele de date? Dup Curwin i Slater (Curwin, i alii, 1996), datele pot proveni din surse principale i/sau din surse secundare.
VIII.2.1
Sursele principale de date
Reprezint surse care permit colectarea direct de observaii noi. Metodele prin care putem efectua un asemenea demers includ observaia, discuiile individuale sau de grup, experimentele, chestionarele, testele, utilizarea unor aparate specifice etc. Colectarea datelor la acest nivel poate fi costisitoare att din punct de vedere financiar, ct i sub aspectul duratei, ns avem certitudinea unor date reale i valide. La nivelul elementelor de populaie, cercetarea poate presupune o explorare exhaustiv, ca n cazul recensmntului, sau poate implica utilizarea eantioanelor. n mod curent, cercetrile folosesc, de cele mai multe ori, surse principale de date.
253
VIII.2.2
Sursele secundare de date
Reprezint date provenite din cercetri deja efectuate. Costurile necesare procurrii acestor date sunt semnificativ mai reduse, uneori informaiile sunt de o nalt valoare tiinific, ns dezavantajul principal este acela c nu putem avea controlul asupra veridicitii i validitii acestora. Astfel, datele pot proveni din anuarele statistice ale unor ri sau teritorii, din rapoartele unor organizaii sau instituii, din cercetri existente sau din baze de date publice ori private. Metaanaliza, ca metod tiinific, utilizeaz predominant asemenea surse de date.
VIII.3 Eantionul
Exceptnd recensmntul, toate celelalte metode implic utilizarea unei mici pri dintr-o populaie n vederea colectrii datelor. O asemenea colectivitate statistic poart numele de eantion i reprezint un subset de elemente din populaie, care, ns, pstreaz caracteristicile populaiei din care provine. O cercetare efectuat pe un eantion induce, dup cum am artat, o serie de erori care afecteaz rezultatele finale. Aceste erori apar ca urmare a faptului c nu culegem informaii de la ntreaga populaie statistic, ci doar de la elementele cuprinse n eantion. O cercetare efectuat pe un eantion poart numele de cercetare selectiv, spre deosebire de recensmnt care se refer la cercetri exhaustive. V mai amintii exemplul cu oala de fasole? Atunci am extras o lingur de boabe de fasole i am decis c boabele sunt fierte. Exact acesta este principul eantionrii. Dac am fi luat o singur boab de fasole am fi putut face aceast afirmaie? Eu cred c nu, deoarece ar fi existat prea multe anse s aruncm apoi oala. Dar dac am fi mncat ntreaga oal? Atunci am fi tiut sigur, ns nu am mai fi avut cu ce s facem mncarea. n plus, gndii-v ce costuri ai fi suportat cu sistemul digestiv Dac n oal ai fi amestecat fasole de 10 ani i fasole de 1 an? Probabil c decizia ar fi fost corect, ns ai
254
Cristian Opariuc-Dan avea multe anse s v rupei uneori dinii. Dac ai fi gustat din oala de mazre? Desigur c nu, pentru c v-ai fi referit la cu totul alt populaie. Iat c un eantion trebuie s respecte caracteristicile populaiei din care face parte. Aceasta este calitatea esenial a unui eantion i poart numele de reprezentativitate. Reprezentativitatea este, aadar, capacitatea eantionului de a reproduce ct mai fidel structurile i caracteristicile populaiei din care a fost extras (Rotariu, i alii, 2006). Dac valorile proprietilor la nivelul populaiei poart numele de parametri, la nivelul eantioanelor, ele se numesc indicatori sau statistici. n mod normal, noi nu cunoatem valorile parametrilor, valoarea exact pe care o are caracteristica respectiv la nivelul populaiei, ci ncercm s-o estimm prin intermediul valorii obinute la nivelul eantionului. Legat de acest aspect, trebuie ns s reinei dou lucruri importante: ntre valoarea unui indicator i valoarea unui parametru exist ntotdeauna o diferen, numit eroare sau eroare statistic. Sensul termenului de eroare nu este acela comun, de greeal. Dac am msura toi brbaii din Romnia i am obine 179 centimetri pentru parametrul nlime medie, n timp ce un alt studiu, efectuat pe 200 de brbai obine nlimea medie de 178,7 centimetri, diferena de 0,3 centimetri reprezint tocmai eroarea statistic; Pentru ca un studiu s fie valid, trebuie ca eroarea (diferena dintre valoarea parametrului i cea a indicatorului) s nu depeasc un anumit prag. Acest prag poart numele de nivel de ncredere i reprezint ansa ca eroarea real comis s nu depeasc limita erorii statistice. Cu alte cuvinte, ansa ca valorile obinute s nu se datoreze unei erori de eantionare.
Aceste lucruri le-am abordat pe larg n capitolul anterior i nu le vom discuta aici, deoarece consider c au fost bine nelese. Totui, vom prelua o 255
serie de principii ale reprezentativitii eantionului, aa cum le prezint T. Rotariu n lucrarea sa (Rotariu, i alii, 2006): Reprezentativitatea unui eantion trebuie ntotdeauna evaluat prin eroarea statistic i nivelul de ncredere, deoarece, n absena specificrii nivelului de ncredere, nu putem fi siguri c eroarea comis este mai mic dect eroarea statistic; Reprezentativitatea unui eantion, ca noiune statistic, la fel ca populaia, este un termen abstract. Nu putem vorbi de reprezentativitate dect n raport cu o caracteristic dat (vrst, gen biologic, nlime, coeficient de inteligen etc.); Exist diferite grade de reprezentativitate a unui eantion. Un eantion poate fi mai reprezentativ dect altul, n condiiile n care, la acelai nivel de ncredere, eroarea este mai mic sau, la aceeai eroare, nivelul de ncredere este mai ridicat.
Din cele expuse mai sus, putem concluziona c reprezentativitatea unui eantion depinde de caracteristicile populaiei care va fi studiat, de mrimea eantionului i de procedura folosit (Rotariu, i alii, 2006). Principul de baz al eantionrii este expus succint n figura alturat. Din populaia general se construiete populaia int, n funcie de variabilele de interes necesare cercetrii. Raportat la nivelul de precizie ales, se determin mrimea eantionului, n baza populaiei int, astfel nct s se poat stabili eroarea maxim i nivelul de ncredere.
Figura 8.1 Relaia dintre populaia general, variabilele de interes i eantion
Desigur, problema se pune la nivelul stabilirii mrimii eantionului, astfel nct acesta s fie reprezentativ.
256
VIII.3.1
Mrimea eantionului
V-ai pus n mod cert ntrebarea, n nenumrate rnduri, cum poate un sondaj s vorbeasc n numele oamenilor. Sau cum pot cei care organizeaz sondaje s ghiceasc cine va iei preedinte, evident dac sondajele sunt corecte. Dac nimeni nu m-a ntrebat nimic, cum poate cineva s fac o afirmaie valabil i pentru mine? Este o ntrebare pertinent, ns v dai seama ce s-ar ntmpla i ce ar implica investigarea ntregii populaii la fiecare cercetare? Nu numai c ar fi prohibitive costurile, ns nimeni nu ar putea da rezultatele n timp util i, mai ales, nu ar fi necesar. Reprezentativitate n mod cert, reprezentativitatea unui eantion crete odat cu creterea numrului de elemente i atinge maximum la un volum egal cu cel al populaiei. Totui, relaia dintre reprezentativitate i volumul n n Volum eantion eantionului nu este una liniFigura 8.2 Relaia dintre volumul eantionului i ar, ci una curbiliniar. n reprezentativitate figura alturat putem observa c, n cazul unui eantion format din zero persoane, reprezentativitatea lui este i ea nul. Cu ct crete numrul de persoane, cu att crete i reprezentativitatea, ns pn la un punct situat ntre n i n. Dup acest nivel, reprezentativitatea eantionului crete foarte puin, pe msur ce crete volumul acestuia, astfel nct diferenele vor fi nesemnificative. Toat problema este s determinm punctul pentru care reprezentativitatea este maxim, punct situat ntre n i n care va determina mrimea (n) a eantionului. Un volum al eantionului mai mic de n duce la un eantion nereprezentativ, iar un volum al eantionului mai mare de n determin cheltuieli nejustificate.
257
Un fapt importat pe care dorim s-l abordm este acela c, reprezentativitatea eantionului nu depinde de mrimea populaiei. Fie c desfurm un studiu n Romnia, fie n India sau n Statele Unite, un eantion de 500 de persoane va avea aceeai reprezentativitate.
VIII.3.2
Caracteristicile populaiei
Ce ne facem n situaia n care avem n oal fasole de 1 an i fasole de 10 ani? Iat c, n termeni statistici, populaia de fasole din oala dumneavoastr este format, de fapt, din dou subpopulaii: cea de 10 ani i cea de 1 an. Dei lingura de fasole pe care o gust este reprezentativ la nivelul populaiei, ea nu mai este reprezentativ la nivelul subpopulaiilor. Sunt de fapt dou straturi n populaia noastr, fiecare dintre aceste straturi avnd ponderi diferite. Reprezentativitatea nu are de-a face cu aceast proporie a straturilor n raport cu volumul populaiei, astfel nct, n aceast situaie, eantionul boabelor de fasole din lingura mea nu mai este reprezentativ la nivelul celor dou subpopulaii de boabe de fasole. Ce este de fcut n acest caz? Dac cunoatem ponderea straturilor, putem folosi o procedur specific de eantionare. Dac nu, n general gustm mai multe linguri, adic mrim efectivul eantionului.
VIII.3.3
Procedee de eantionare
Metodele i tehnicile de eantionare au fost abordate i n capitolul al treilea al acestui volum. n cadrul acestei seciuni vom studia n detaliu fiecare tehnic, specificnd, atunci cnd este cazul, modalitatea de calcul. Cum aflm totui cea mai bun metod de eantionare? n figura de mai jos, avei un algoritm de decizie n vederea alegerii procedurii adecvate de eantionare. n practic, se face distincia ntre procedeele de eantionare aleatoare i procedeele de eantionare nealeatoare. Din punct de vedere statistic ns, orice procedeu de eantionare nealeatoriu nu poate fi tratat prin prisma teoriei probabilitilor, fiind prin urmare eliminat din categoria metodelor de eanti-
258
Cristian Opariuc-Dan onare. Cnd discutm despre reprezentativitate, vom aborda strict procedeele de eantionare aleatorii. O procedur de eantionare este aleatoare n momentul n care fiecare individ din populaie are o ans calculabil de a fi ales n eantion.
Precizie mare? Nu Da
Exist subpopulaii? Nu Da Nu
Exist subpopulaii? Da
Eantion sub 50 elemente
Eantion peste 50 elemente Eantion peste 50 elemente
Eantion peste 50 elemente
Eantion peste 50 elemente
- Analiz; - Convenie; - Bulgre de zpad
- Randomizare simpl; - Sistematic; - Cluster;
- Randomizare simpl; - Sistematic; - Cluster;
- Stratificat; - Proporional cu mrimea;
Figura 8.2 Algoritmul de decizie n alegerea metodei de eantionare
- Randomizare simpl; - Sistematic; - Cote; - Proporional cu mrimea - Multistadiu; - Cluster; - Stratificat
VIII.3.3.1 Stabilirea eantionului prin convenie

Este un procedeu nealeatoriu de stabilire a unui eantion, bazat pe voluntariat sau pe cazuri specifice, analizate de cercettor. De exemplu, situaia n care un psihoterapeut i construiete un studiu tiinific bazat pe clienii pe
259
care-i trateaz ori cazul cercetrilor efectuate pe studenii din cadrul unei universiti. Nu putem vorbi aici de reprezentativitate, iar rezultatele obinute nu pot fi extrapolate la nivelul ntregii populaii. Un asemenea studiu, datorit voluntariatului, este puternic biasat, iar rezultatele vor fi privite cu mare scepticism. Avantajul l reprezint posibilitatea de colectare facil i rapid a datelor, iar cu ct grupul este mai mare, cu att rezultatele vor fi mai importante. ntr-o cercetare n care se folosesc asemenea subieci, n general, elementele se raporteaz ca lot de cercetare sau lot de studiu i nu ca eantion, tocmai pentru a specifica lipsa oricror tehnici de eantionare.
VIII.3.4
Stabilirea eantionului prin analiz
Reprezint un alt procedeu nealeatoriu de colectare a datelor, bazat pe alegerea deliberat a cazurilor. Nici n aceast situaie nu putem vorbi de eantion, preferndu-se termenul de lot de cercetare. Erorile statistice sunt i n acest caz foarte mari i nu se pot extinde cunotinele la nivelul ntregii populaii, iar cercetarea prezint probleme de credibilitate. Se folosete, n general, pentru studiile de caz sau n condiiile unor populaii cu un comportament bine cunoscut. Cele dou metode prezentate mai sus presupun utilizarea unor loturi de cercetare de mici dimensiuni (n general, sub 50 de cazuri) i le ntlnim frecvent n lucrri specifice domeniului psihologic. Din nefericire, concluziile rezultate n urma unor asemenea studii au o valoare limitat la nivelul lotului cercetat, orice posibilitate de generalizare fiind statistic exclus.
VIII.3.4.1 Metoda bulgrelui de zpad

Este o tehnic folosit destul de frecvent n cercetrile socio-umane, n special n sociologie i se bazeaz pe metode multi-level. O persoan care rspunde recomand n acelai timp o alt persoan care va rspunde (un prieten, o cunotin etc.). Aceasta, la rndul ei, recomand o alt persoan i aa mai departe. Cercetrile de acest tip fixeaz, de obicei, o dat limit pn
260
Cristian Opariuc-Dan la care se pot primi rspunsurile subiecilor. n mod cert, metoda de alegere a subiecilor nu este una aleatorie i prezint limitrile prezentate mai sus. Avantajul este acela al costurilor reduse i al creterii exponeniale a volumului de date. ntr-un timp scurt, se pot colecta foarte multe date, ns cercetrile nu prezint relevan, datorit caracterului nealeatoriu i a faptului c nu exist un control al rspunsurilor. Fiecare respondent poate s-i exprime punctul su real de vedere sau un punct de vedere fals.
VIII.3.4.2 Eantionarea simpl aleatoare

Reprezint clasicul procedeu al loteriei sau al tragerii la sori, fiind considerat cea mai simpl metod de eantionare. Nu presupune alte operaiuni prealabile, iar, prin aceast metod, fiecare individ dintr-o populaie are ansa de a fi ales n eantion. Cnd eram copil, obinuiam s joc fotbal n echipa de cartier. Bineneles c problema era cine s fie portar, deoarece niciunul dintre noi nu dorea. Deoarece ne strngeam cam 30-40 de copii, singura soluie era s tragem la sori, astfel nct fceam un numr de bileele egal cu numrul nostru, iar pe un singur bileel scriam portar. Amestecam apoi bileelele ntr-o cciul i fiecare trgea cte unul. Ghinionistul sttea n poart i, evident, au fost suficiente ocazii n care, cu sufletul trist, aveam aceast onoare. Nu tiam atunci c aplic un procedeu statistic de eantionare, numit eantionarea simpl aleatoare. Nu cred c este cazul s mai menionez faptul c aceast metod este o modalitate aleatorie de eantionare, prin care se poate estima un parametru al populaiei, se poate calcula eroarea de eantionare, are un design simplu i eficient, iar interpretarea este foarte uoar. Strict matematic, pentru a construi un eantion aleatoriu se folosesc tabele de numere aleatoare, formate din iruri lungi de numere alese la ntmplare, att sub aspectul numerelor n sine, ct i sub cel al poziiei n care se afl n tabel. Metodele informatizate pot folosi, n acelai scop, generatoa-
261
re de numere aleatorii. Stabilirea unui eantion pe baza eantionrii aleatorii simple presupune urmtoarele etape: Stabilirea populaiei int. Considerm c dorim s studiem nlimea brbailor din Romnia. Populaia va fi format din totalitatea brbailor din Romnia, persoane de sex masculin cu vrsta de peste 18 ani. S presupunem c numrul acestora este de 8 milioane (N=8000000); Stabilirea bazei de eantionare. Prin baz de eantionare nelegem o list exhaustiv a populaiei int. Avem nevoie, prin urmare, de o list a tuturor brbailor din Romnia pe care o numerotm succesiv de la 1 la 8 milioane. Practic se obine iniial o list ordonat alfabetic, se genereaz apoi, aleatoriu, pentru fiecare nregistrare din list, un numr i se reordoneaz lista dup numrul generat. Astfel, amestecm baza de eantionare, eliminnd criteriul alfabetic. Pe noua list amestecat, generm apoi numere succesive de la 1 la 8 milioane; Stabilirea mrimii eantionului. Prin procedee de calcul pe care le vom aborda n urmtorul subcapitol, stabilim dimensiunea eantionului. n situaia noastr, presupunem c alegem un eantion de 1000 de persoane (n=1000); Generarea numerelor aleatoare. Se genereaz pe computer 1000 de numere aleatoare sau se utilizeaz tabelul cu numere aleatoare; Extragerea eantionului. Se citete primul numr aleatoriu generat sau primul numr din tabelul de numere aleatoare. Acel numr reprezint numrul de ordine al subiectului din baza de eantionare care va fi inclus n eantion. Se trece apoi la al doilea numr aleatoriu, acesta reprezentnd numrul de
262
Cristian Opariuc-Dan ordine al celui de-al doilea subiect i se continu astfel pn la completarea efectivului (1000 de subieci) eantionului. Dei extrem de simpl, metoda prezint o serie de limitri serioase. Principala problem o constituie obinerea bazei de eantionare. Cum gsim lista cu numele, prenumele i adresa tuturor brbailor din Romnia? Unii cercettori folosesc crile de telefon i genereaz aleatoriu volumul eantionului n baza numerelor de telefon. Se pune ns problema dac toat populaia are telefon. Cei care nu au telefon sau nu figureaz n cartea de telefon sunt automat exclui din baza de eantionare, ceea ce duce la eliminarea caracterului aleatoriu. Pe de alt parte, presupunnd c am obinut baza de eantionare, toate persoanele din eantion sunt accesibile? Dac unii sunt plecai n strintate, au murit, s-au mutat ori nu pot fi contactai, ce se ntmpl? Se mai respect reprezentativitatea eantionului? V las pe dumneavoastr s decidei acest lucru. n general, cu ct volumul populaiei int este mai mare, cu att aceast metod este mai dificil de implementat.
VIII.3.4.3 Eantionarea stratificat

Iat i metoda utilizat n verificarea boabelor de fasole de 1 an i a celor de 10 ani. Eantionarea stratificat este considerat superioar eantionrii aleatorii simple, deoarece, n condiiile n care la nivelul populaiei int exist mai multe straturi (subpopulaii), se va putea reproduce ponderea fiecrui strat n eantionul final. Se consider c, dintre dou eantioane de volum egal, cel produs prin stratificare va avea o reprezentativitate mai bun n comparaie cu cel produs prin eantionarea aleatorie simpl (Rotariu, i alii, 2006). Procedura concret de lucru const n urmtoarele etape principale: Stabilirea variabilelor de stratificare. Stratificarea se poate face dup o singur variabil (stratificare simpl) sau dup mai 263
multe variabile (stratificare multipl). Spre exemplu, ne intereseaz consumul mediu zilnic de igri pentru populaia din Romnia. Care ar fi variabilele de stratificare? Femeile consum, oare, mai multe igri n comparaie cu brbaii? Grupa de vrst influeneaz consumul de igri? Cei din mediul rural fumeaz mai mult sau mai puin n comparaie cu cei din mediul urban? Nu exist o regul de stabilire a variabilelor de stratificare, acestea fiind alese n funcie de scopul cercetrii i de rolul pe care l au n legtur cu tema cercetat. ntotdeauna ns, suma cazurilor din fiecare strat trebuie s redea totalul populaiei. Dac ne intereseaz numai straturile determinate de sex, efectum o stratificare simpl. Dac, ns, lum n considerare sexul i mediul de provenien, avem o stratificare multipl. S lum un exemplu, prin care dorim s studiem consumul mediu de igri din judeul X, cu o populaie total de 450.380 de persoane. Ne intereseaz o stratificare n funcie de variabilele sex i mediu de provenien. Putem obine, n aceast etap, urmtoarea structur a populaiei, prezentat n tabelul de mai jos: Tabel 8.1 Structura populaiei pentru cele dou variabile de stratificare n judeul X Brbai Femei Rural Urban Rural Urban 120.215 80.360 113.456 136.394 (26,69%) (17,84%) (25,19%) (30,28%) 200575 (44,53%) 249805 (55,47%) 450.380 (100%)
264
Cristian Opariuc-Dan Problema pe care ne-o punem se refer la proporia (procentul) din populaia int reprezentat de fiecare strat. Pentru a afla acest lucru, nu ne rmne dect s aplicm regula de trei simpl: Dac 450.380 Atunci 120.215 = nseamn nseamn 100% X%
120.215 100 1.202.150 = = 26,69% 450.380 450.380
n mod similar vom efectua calculele pentru toate cele patru seciuni. Remarcm c totalul subiecilor din fiecare variabil de stratificare reprezint ntreaga populaie int. Stabilirea bazei de eantionare. Se realizeaz la fel ca n cazul eantionrii aleatorii simple. Avem nevoie de lista complet a tuturor persoanelor din judeul X, prelucrat dup modalitatea prezentat n subcapitolul anterior. Singura diferen este c baza de eantionare va fi organizat pe seciuni diferite, n funcie de variabilele de stratificare. n cazul nostru, vom avea patru seciuni ale bazei de eantionare i anume: brbai din mediul urban, femei din mediul urban, brbai din mediul rural i femei din mediul rural. (N=450.380); Stabilirea mrimii eantionului. Se face n urma unor calcule specifice, adecvate acestui tip de eantionare, calcule pe care le vom prezenta ntr-un capitol ulterior. n cazul nostru, am ales un eantion de 300 de persoane (n=300); Stabilirea compoziiei eantionului. Reprezint etapa prin intermediul creia ne asigurm c proporia din populaie o regsim i n eantion. Vom folosi, de asemenea, regula de trei simpl.
265
Dac 300 Atunci X =
nseamn nseamn
100% 26,69%
26,69 300 8007 = = 80 100 100
Tabel 8.2 Structura eantionului pe cele dou variabile de stratificare n judeul X Brbai Femei Rural Urban Rural Urban 80 (26,69%) 54 (17,84%) 76 (25,19%) 91 (30,28%) 134 (44,53%) 167 (55,47%) 301 (100%) Observm c structura eantionului selectat reproduce fidel structura populaiei din care a fost extras, pentru fiecare dintre cele dou variabile de stratificare. Desigur, n loc de 300 de subieci au rezultat 301 subieci, datorit rotunjirilor aprute prin calcul. Vom pstra, n cele din urm, aceast valoare obinut. Generarea numerelor aleatoare. Se realizeaz similar eantionrii aleatorii simple pentru fiecare baz de eantionare. Se vor genera 80 de numere aleatoare pentru brbaii din mediul rural, 54 de numere aleatoare pentru brbaii din mediul urban, 76 de numere aleatoare pentru femeile din mediul rural i 91 de numere aleatoare pentru femeile din mediul urban; Extragerea eantionului. Numerele aleatoare generate n etapa anterioar reprezint numerele de ordine pentru subiecii din cele patru baze de eantionare. Eantionul final va fi compus din 301 persoane, aparinnd tuturor celor patru categorii.
266
Cristian Opariuc-Dan Dei mai laborioas dect eantionarea aleatorie simpl, eantionarea stratificat are avantajul unei mai bune reprezentativiti. Exerciiu: Calculai cte boabe de fasole de 10 ani i cte boabe de fasole de 1 an trebuie s avei n lingur, cunoscnd c n oal se afl 854 de boabe de fasole de 1 an i 362 de boabe de fasole de 10 ani. Dei, aparent, caracterul aleatoriu nu se pstreaz datorit crerii ponderilor pe straturi, aceast alegere a subeantioanelor asigur tuturor indivizilor o probabilitate egal de a intra n eantion. O problem poate s apar n situaia n care ponderea unui strat este foarte mic n populaie. Dac vom considera variabila de eantionare nivelul de inteligen, exist posibilitatea ca grupa geniilor sau a idioilor s aib foarte puine cazuri n populaie (s spunem 10). n aceast situaie, n eantion ar trebui s includem 0,003 (un exemplu, cifra nu a rezultat din calcul) persoane, ceea ce este imposibil. Asemenea situaii impun o supra-reprezentare (adic includerea mai multor cazuri n eantion dect proporia din populaie) urmat apoi, n decursul analizei indicatorilor statistici, fie de ponderarea valorilor pariale la nivelul stratului respectiv, fie de includerea acelui strat ntr-un alt strat supraordonat sau subordonat (de exemplu, includerea geniilor n categoria celor cu un intelect superior i redenumirea stratului inteligen superioar-genialitate).
VIII.3.4.4 Eantionarea multistadial

Dei cu o reprezentativitate mai redus n comparaie cu eantionarea aleatorie simpl, aceast metod este intens utilizat n cercetrile sociologice din raiuni de eficien practic i cost. Se folosete n special atunci cnd volumul populaiei este foarte mare (studii la nivel naional), costurile cercetrii sunt limitate i se urmrete obinerea rapid a unor date.
267
Principiul de baz al acestei eantionri este acela al proximitii spaiale i al faptului c persoanele pot fi privite ca indivizi aparinnd unor grupuri. Eantionarea multistadial presupune parcurgerea urmtoarelor etape: Stabilirea stadiilor (grupurilor). Este etapa prin intermediul creia definim grupurile din care vor fi extrase eantioanele. Dac am dori s investigm, la nivel naional, consumul mediu de igri pe zi, am putea efectua o eantionare aleatorie simpl sau stratificat. Ce ne facem ns cu operatorii care trebuie s administreze 100 de chestionare unor persoane din cteva judee, puternic dispersate spaial. Efortul i costurile ar fi substaniale. Prin eantionarea multistadial ne putem referi, spre exemplu, la organizarea teritorial. Romnia este organizat pe judee, la nivelul judeelor se afl municipii, orae, comune i sate, municipiile sunt organizate pe cartiere etc. Grupurile pe care le putem folosi ar fi judeele, oraele, comunele i satele. Stabilirea eantionului de rangul I. Presupune extragerea unui eantion din grupul de prim rang. n exemplul nostru, grupul de prim rang este reprezentat de judee. n Romnia, exist un numr de 42 de judee, dintre care, prin procedee aleatorii, vom extrage, s spunem, un eantion de 5 judee (Constana, Bacu, Timi, Satu Mare i Cluj). Aceste cinci judee formeaz populaia int pentru urmtorul stadiu. Stabilirea eantionului de rangul II. Presupune extragerea, din judeele selectate n etapa anterioar, a unui numr de localiti. n cazul nostru, judeul Constana are un numr de 69 de localiti, judeul Bacu 88 de localiti, judeul Timi 92 de localiti, judeul Satu Mare 60 de localiti i judeul Cluj 83 de localiti. n total, avem un numr de 392 de loca-
268
Cristian Opariuc-Dan liti, din care calculm un eantion de 17 localiti pe care le extragem prin procedee aleatorii. Vor rezulta 3 localiti din Bacu (Ciui, Drmneti i Sascut), 5 localiti din Constana (Ostrov, Dobromir, Saraiu, Medgidia i Techirghiol), 2 localiti din Satu Mare (Vama i Carei), 4 localiti din Cluj (Mihai Viteazu, Ciucea, Scuieu i Vad) i 3 localiti din Timi (Tometi, Cenad i Pichia). Aceste localiti vor reprezenta baza de eantionare pentru urmtorul stadiu. Stabilirea eantionului de rangul III. Putem continua cu grupurile pn la nivel de individ sau putem include, n aceast etap, un alt grup care va funciona ca stadiu de eantionare. M voi rezuma acum la a considera acest stadiu ca fiind ultimul i vom proceda la extragerea eantionului final. Baza de eantionare va fi constituit din totalul populaiei celor 17 localiti, sub forma binecunoscutei liste exhaustive de populaie. Presupunem c n cele 17 localiti triesc 1.854.360 de persoane (N=1.854.360); Stabilirea mrimii eantionului. Prin procedee de calcul pe care le vom aborda n urmtorul subcapitol, stabilim dimensiunea eantionului. n situaia noastr, presupunem c alegem un eantion de 200 de persoane (n=200); Generarea numerelor aleatoare. Se genereaz pe computer 200 de numere aleatoare sau se utilizeaz tabelul cu numere aleatoare; Extragerea eantionului. Se citete primul numr aleatoriu generat sau primul numr din tabelul de numere aleatoare. Acel numr reprezint numrul de ordine al subiectului din baza de eantionare care va fi inclus n eantion. Se trece apoi la al doilea numr aleatoriu, acesta reprezentnd numrul de 269
ordine al celui de-al doilea subiect i se continu astfel pn la completarea efectivului de 200 de subieci solicitat de eantion. Dei aceast metod de eantionare permite construirea unor eantioane aflate n proximitate spaial, reducnd costurile de cercetare i facilitnd achiziia datelor, se poate ntmpla ca, la nivelurile de rang nalt, elementele s fie selectate numai dintr-o anumit zon (spre exemplu 3 judee din Moldova i 2 din Ardeal). n acest caz, o mare parte a teritoriului rmne neacoperit, ceea ce determin probleme serioase de reprezentativitate. Pentru a evita acest lucru, se combin eantionarea multistadial cu eantionarea stratificat. O alt problem care se poate pune este aceea a inegalitii grupurilor. La un anumit nivel de eantionare, se creeaz, ntr-adevr, o probabilitate egal de alegere a tuturor elementelor, ns ntre Covasna cu 45 de localiti i Mure cu 111 localiti exist o important diferen de mrime. Pentru a evita acest lucru, n general se pondereaz probabilitatea de extragere a unui grup, proporional cu mrimea acestuia. Un alt dezavantaj al acestei metode l reprezint calculele laborioase. De obicei, resursele economisite prin colectarea datelor sunt pe deplin folosite la proiectarea eantionului, n condiiile unei reprezentativiti satisfctoare.
VIII.3.4.5 Eantionarea pe clusteri

Reprezint o metod ieftin de eantionare, ns costurile sczute sunt compensate pe deplin de erori de eantionare destul de mari. n plus, dac volumul clusterului este mare, cresc i cheltuielile de colectare a datelor. Acest tip de eantion este considerat a fi cel mai ieftin, cel mai rapid i mai comod mijloc de eantionare, care nu necesit nici mcar informaii complete
270
Cristian Opariuc-Dan despre populaie. Se preteaz mai degrab la analize de tip calitativ, cum ar fi interviurile sau focus-grupurile. Un cluster reprezint o structur care se comport ca un individ ntr-o populaie. Dac considerm populaia municipiilor din Romnia, atunci un cluster este reprezentat de Municipiul Constana, un alt cluster de Municipiul Iai i aa mai departe. Modalitatea de realizare a unui eantion pe clusteri este urmtoarea: Stabilirea bazei de eantionare. n acest caz, baza de eantionare este reprezentat de totalitatea populaiei de clustere. Dac suntem interesai de o cercetare pe nvmntul liceal, baza de eantionare va conine lista exhaustiv a liceelor din Romnia. S presupunem c avem 5423 de licee n Romnia (N=5423); Stabilirea mrimii eantionului. Prin procedee specifice de calcul, se determin mrimea eantionului pe care urmeaz sl selectm. n cazul nostru, considerm un numr de 12 licee (n=12); Generarea numerelor aleatoare. Se genereaz pe computer 12 de numere aleatoare sau se utilizeaz tabelul cu numere aleatoare; Extragerea eantionului. Se citete primul numr aleatoriu generat sau primul numr din tabelul de numere aleatoare. Acel numr reprezint numrul de ordine al liceului din baza de eantionare, care va fi inclus n eantion. Se trece apoi la al doilea numr aleatoriu, acesta reprezentnd numrul de ordine al celui de-al doilea liceu i se continu astfel pn la completarea efectivului (12 licee) eantionului.
271
Specific acestui tip de eantion este desfurarea cercetrii la nivelul ntregului cluster. ntr-un liceu selectat n eantion se investigheaz toi profesorii, toi elevii, personalul auxiliar. Aceast metod este destul de des utilizat n investigaii psihologice sau psiho-sociologice, predominante fiind totui cercetrile calitative.
VIII.3.4.6 Eantionarea sistematic

Se numete i eantionare cu pas i reprezint o variant a eantionrii aleatorii simple, fiind chiar mai comod dect aceasta. Ca principale avantaje, menionm uurina n utilizare i posibilitatea de calcul a erorii de eantionare. Pe lng dezavantajele eantionrii aleatorii simple, metoda prezint i dezavantajul periodicitii. Modalitatea de lucru n vederea construirii unui eantion prin eantionare stratificat este urmtoarea: Stabilirea bazei de eantionare. Baza de eantionare se stabilete prin acelai procedeu ca i n cazul eantionrii aleatorii simple. Avem din nou nevoie de lista exhaustiv a brbailor din Romnia, spre exemplu; Se determin mrimea eantionului. Prin procedee de calcul specifice, stabilim mrimea eantionului. Pentru exemplul nostru, vom considera un eantion de 1000 de persoane (n=1000); Se stabilete pasul de eantionare. Pasul de eantionare reprezint expresia raportului dintre volumul populaiei i volumul eantionului: = . n cazul nostru, pasul de eantionare va fi 8000000 1000 = 8000. Stabilirea punctului de start. Punctul de start reprezint locul de ncepere a eantionului. Se genereaz un numr aleatoriu ntre 1 i 8000, numr care va reprezenta punctul de start.
272
Cristian Opariuc-Dan S presupunem c acest numr este 5421. Subiectul cu acest numr de ordine va fi prima persoan inclus n eantion. Elaborarea eantionului. La numrul care indic punctul de start se adaug valoarea pasului de eantionare (5421+8000=13.421). Subiectul cu acest numr de ordine n baza de eantionare va fi al doilea subiect inclus n eantion. Al treilea subiect inclus n eantion va fi cel cu numrul de ordine 13.421+8000=21.421 i aa mai departe pn la completarea efectivului de 1000 de persoane.
VIII.3.4.7 Eantionarea pe cote

Se aseamn cu eantionarea stratificat, ns nu mai are un caracter aleatoriu i, de aceea, metoda este inclus n categoria procedeelor de eantionare nealeatorii. Principul este acelai. Se identific o serie de straturi la nivelul populaiei i se ncearc reproducerea acestora n eantion, fr a se folosi ns tehnici aleatorii. Printre avantajele acestei metode putem meniona rapiditatea obinerii eantionului, relativa economie de resurse i lipsa bazei de eantionare. Totui, metoda nefiind aleatorie, riscul de obinere a erorilor de eantionare este foarte mare. De asemenea, sunt necesare cunotine solide referitoare la structura populaiei, iar eroarea de eantionare i nivelul de ncredere sunt elemente ce nu pot fi calculate. Relund exemplul din judeul X, am putea construi un eantion pe cote prin urmtorul procedeu: Stabilirea cotelor (variabilelor de stratificare) i a structurii populaiei. Se face identic ca i n cazul eantionrii stratificate. Vor rezulta cele patru grupe, cu procentele din populaie asociate (vezi tabelul 8.1); Stabilirea mrimii eantionului. Se face n urma unor calcule specifice, adecvate acestui tip de eantionare.
273
Stabilirea compoziiei eantionului. Este o etap n care se opereaz ca i la eantionarea stratificat, stabilindu-se numrul de persoane cuprinse n eantion, n funcie de proporia n care se regsesc n populaie (vezi tabelul 8.2). Aceasta este i etapa final a eantionrii pe cote, nefiind implicat vreo procedur aleatorie sau vreo baz de eantionare.
Operatorilor li se comunic doar numrul subiecilor i categoria din care fac parte, rmnnd la latitudinea lor alegerea concret a cazurilor. Acest lucru induce erori de eantionare serioase, determinnd includerea acestei metode n categoria procedeelor nealeatorii. De exemplu, dac avem un numr de 10 operatori pentru realizarea studiului de mai sus, acestora li se va comunica doar necesitatea administrrii instrumentelor de cercetare pe un numr de 8 brbai din mediul rural, 5 brbai din mediul urban, 8 femei din mediul rural i 9 femei din mediul urban, fr vreo referire la persoane concrete. Eantioanele pe cote se aplic destul de des n procesul de adaptare a testelor psihologice n Romnia, instrumentele rezultate fiind i ele, la rndul lor, limitate de problemele acestei metode.
VIII.3.4.8 Eantioane cu probabilitatea proporional cu mrimea

Reprezint o metod derivat din eantionarea sistematic, prin intermediul creia probabilitatea de selectare a unei uniti de eantionare este proporional cu dimensiunea acesteia. Tehnica este extrem de util n condiiile n care unitile de eantionare difer foarte mult sub aspectul dimensiunilor, determinnd ca unitile de eantionare mari s aib aceeai probabilitate de a fi selectate ca i cele mici. ntre Bucureti i Pacani exist o mare diferen n ceea ce privete numrul de locuitori. n mod normal, probabilitatea de a selecta ntr-un ean-
274
Cristian Opariuc-Dan tion mai muli bucureteni este mult mai mare. Folosind aceast tehnic, probabilitile se egaleaz. Eantioanele cu probabilitate proporional cu mrimea sunt utilizate, n special, n domeniul organizaional, n cercetri la nivelul crora se intenioneaz investigarea personalului. Deoarece cadrele de conducere sunt mai puin numeroase n comparaie cu cadrele de execuie, metoda permite egalarea anselor celor dou categorii de a fi incluse n eantion. Relund exemplul anterior, ne propunem s desfurm o cercetare oarecare n judeul Y, care are un numr de 29 de localiti. Dup cum observai n tabelul 8.3, localitile sunt difereniate sub aspectul populaiei. n timp ce localitatea 26 are un numr de 197 de locuitori, localitatea 21 are un numr de 1590 de locuitori. Evident c ansele de a extrage mai muli locuitori din localitatea 21 sunt mai mari n comparaie cu localitatea 26, de unde, cel mai probabil, nu va participa nimeni la cercetare. Prin acest procedeu de eantionare putem egala situaia, astfel nct subiecii din fiecare localitate s aib o ans calculabil de a fi inclui n eantion. Etapele de realizare a unui asemenea eantion sunt urmtoarele: Inventarierea unitilor de eantionare i a dimensiunii acestora. n aceast etap, se listeaz toate unitile de eantionare din teritoriu, precum i volumul corespunztor de populaie. n cazul nostru, vom nregistra toate cele 29 de localiti ordinea nu conteaz mpreun cu volumul populaiei pentru fiecare unitate (coloanele Localitate i Populaie din tabelul 8.3). La acest nivel, se poate lucra fie cu lista complet, fie cu uniti de eantionare grupate n interval (de exemplu, vrsta ntre 0 i 10 ani, ntre 11 i 21 de ani etc.)
275
Tabel 8.3 Eantion cu probabilitate proporional cu mrimea

Localitate 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 Populaie 542 245 1032 867 256 352 835 645 427 312 1342 390 604 465 897 476 365 967 533 215 1590 423 645 867 423 197 586 365 756 Populaie cumulat 542 787 1819 2686 2942 3294 4129 4774 5201 5513 6855 7245 7849 8314 9211 9687 10052 11019 11552 11767 13357 13780 14425 15292 15715 15912 16498 16863 17619 Locaie selectat 423
1891
3359 4827 6295 7763
9231 10699
12167 13635 15103
16571
Calculul populaiei cumulate. Vom calcula apoi frecvena cumulat a ntregului volum de populaie int. Ultima unitate de eantionare va conine, evident, volumul total al populaiei. n cazul nostru, n judeul Y triesc 17.619 persoane (N=17.619). Ne reamintim c prin calculul frecvenelor cumulate, practic ordonm cresctor populaia noastr.
276
Cristian Opariuc-Dan Stabilirea mrimii eantionului. Prin procedee specifice de calcul, se determin mrimea eantionului. n cazul nostru, vom considera c am ales un eantion de 120 de persoane, reprezentativ pentru judeul Y (n=120). Determinarea numrului de locaii. Eantionul de 120 de persoane va trebui constituit prin alegerea lor din cele 29 de localiti ale judeului Y. n funcie de numrul total al unitilor de eantionare, se stabilesc localitile n care se va desfura cercetarea. Pentru 120 de persoane, am ales un numr de 12 localiti dintre cele 29. n fiecare localitate vor fi intervievate 10 persoane. Stabilirea pasului de eantionare. Se realizeaz la fel ca la eantionarea sistematic, prin divizarea populaiei totale, de data aceasta la numrul locaiilor i nu la volumul eantionului. Pentru exemplul nostru, avem un pas de eantionare de 17.619:12=1468,25 rotunjit 1468. Stabilirea punctului de start. Se va alege aleatoriu un numr ntre 1 i pasul de eantionare, acela fiind numrul locaiei de start. S presupunem c numrul generat aleatoriu este 423. La fel ca la stabilirea medianei, verificm categoria ce conine al 423-lea subiect, prin inspectarea coloanei Populaie cumulat. Observm c aceast valoare cumulat se regsete chiar n prima locaie. Prin urmare, una dintre cele 12 locaii este localitatea 1. n acea localitate, folosindu-se ca baz de eantionare lista exhaustiv a celor 542 de persoane ori prin alt metod aleatorie sau sistematic (de exemplu, de la casa 10, fiecare a 54-a cas) vor fi intervievate 10 persoane. Stabilirea eantionului. La punctul de start 423 se adaug valoarea pasului 1468 i se obine noua locaie 277
(423+1468=1891). Valoarea cumulat pentru a doua locaie se afl n dreptul localitii 4 (V mai amintii, sper, c la nivelul localitii 3 se afl a 1819-a persoan. Persoana cu numrul 1891 se afl n localitatea 4, care cuprinde subiecii de la al 1820-lea la al 2686-lea). Un alt operator se va deplasa n aceast localitate i, printr-un procedeu similar, va intervieva 10 persoane. Procesul continu pn la stabilirea tuturor celor 12 localiti. Au rezultat exact 12 localiti, mai precis localitile 1 542 locuitori, 4 867 locuitori, 7 835 locuitori, 9 427 locuitori, 11 1342 locuitori, 13 604 locuitori, 16 476 locuitori, 18 967 locuitori, 21 1590 locuitori, 22 423 locuitori, 24 867 locuitori i 28 365 locuitori.
VIII.3.5
Determinarea mrimii eantionului
n toate exemplele din subcapitolul anterior, am stabilit valori exacte pentru mrimea unui eantion. Totui, ntrebarea pe care cred c v-o punei este cum determinm mrimea eantionului, astfel nct folosind o anumit tehnic de eantionare, eantionul rezultat s fie reprezentativ. Cel mai simplu rspuns ar fi s consultai pagina de internet The Survey System, aflat la adresa: http://www.surveysystem.com/sscalc.htm, unde gsii un excelent calculator pentru mrimea eantionului, mpreun cu explicaiile de rigoare. Un asemenea demers nu ar fi ns tiinific, de aceea vom descoperi mpreun procedeele necesare stabilirii mrimii eantionului. Determinarea mrimii unui eantion depinde, n principal, de cinci factori: Eroarea statistic ca expresie a diferenei dintre indicatorul obinut la nivelul eantionului i valoarea parametrului la nivelul populaiei. Am mai spus acest lucru; prin studiul unui eantion noi nu putem dect s estimm un parametru al populaiei.
278
Cristian Opariuc-Dan Niciodat nu obinem valoarea sa exact. n funcie de modul n care proiectm cercetarea i de nivelul de precizie dorit, putem reduce eroarea statistic, ns n condiiile unui eantion de dimensiuni mai mari; Variabilitatea populaiei estimat de obicei prin intermediul abaterii standard. Se refer la amplitudinea pe care o au opiniile populaiei, element care afecteaz, de asemenea, dimensiunea eantionului. Cu ct variabilitatea este mai mare, cu att acurateea estimrii este mai mic i va fi nevoie de un eantion de dimensiuni mai mari; Nivelul de ncredere indic gradul de precizie cu care rezultatele obinute prin studiul eantionului se vor regsi la nivelul populaiei. Cu ct nivelul de ncredere este mai mare, cu att pretenia c rezultatele obinute nu sunt atipice crete, fiind nevoie de eantioane de dimensiuni mai mari. Majoritatea cercetrilor utilizeaz un nivel de ncredere de 95%; Dimensiunea populaiei n mod normal, acest factor nu afecteaz dimensiunea eantionului atta timp ct aceasta se afl sub 5% din populaie. Dac dimensiunea eantionului este mic n raport cu dimensiunea populaiei, factorul se poate ignora. Dimensiunea populaiei devine important n condiiile n care mrimea eantionului depete 5% din totalul populaiei (de exemplu, dac extragem un eantion de 40 de persoane dintr-o populaie de 100 de persoane). n general, efectul este acela de a se reduce uor dimensiunea eantionului. Proporia din populaie se refer doar la situaia n care eantionul este folosit pentru a msura un atribut din populaie n locul unei variabile continue. Spre exemplu, opinia populaiei referitoare la realegerea preedintelui ori la efectele nocive 279
ale fumatului. Subiecii se pot exprima prin Da sau Nu, caz n care ne intereseaz proporia opiniilor pozitive i a celor negative. Proporia estimat a acestor rspunsuri influeneaz dimensiunea eantionului. n mod curent, cercetrile tiinifice pe eantioane de 50 100 de persoane sunt suficient de precise n domeniul socio-uman. Poate c doar sociologia presupune eantioane mai mari, n cazul sondajelor de opinie. Uneori este suficient un eantion de 30 de subieci, considerat ca fiind volumul minim de date ce permite analize statistice, respectiv aplicarea legii numerelor mari i a distribuiei gaussiene. Eantioanele cu dimensiuni sub 30 de cazuri fac parte din domeniul studiilor de caz, rezultatele obinute neputnd fi extinse la nivelul populaiei.
VIII.3.5.1 Calculul mrimii eantionului

Mrimea eantionului se calculeaz n funcie de tipul variabilei de interes. Dac variabila de interes msoar un atribut, atunci stabilirea mrimii eantionului se face prin intermediul proporiilor; dac este o variabil continu, mrimea eantionului se determin pe baza valorilor sau se convertete variabila continu n atribut dihotomic. Mrimea eantionului pentru o variabil care msoar un atribut (ntrebri de tip Da i Nu, de exemplu) se determin pe baza formulei lui Cochran: =
2 1 2
(formula 8.1)
unde: n reprezint mrimea eantionului, z scorul z asociat nivelului de ncredere dorit, e este precizia dorit (numit i marj de eroare) i p reprezint ponderea rspunsurilor la nivelul populaiei. Dup cum v-ai dat seama, valorile notei z sunt de fapt nite constante, alocate n funcie de nivelul de ncredere, astfel:
280
Cristian Opariuc-Dan La un nivel de ncredere de 80%, nota z este 1,28; La un nivel de ncredere de 85%, nota z este 1,44; La un nivel de ncredere de 90%, nota z este 1,65; La un nivel de ncredere de 95%, nota z este 1,96; La un nivel de ncredere de 99%, nota z este 2,58;
Dei scorurile pentru notele z au fost prezentate de la un nivel de ncredere de 80%, tim foarte bine c nivelul de ncredere minim pentru o cercetare serioas este de 95%. De aceea, nu recomand niciodat s utilizai alte scoruri z, n afar de 1,96 i 2,58. Ponderea rspunsurilor la nivelul populaiei reprezint un estimator a valorii ateptate pe care o poate lua atributul respectiv atunci cnd ne referim la populaia int. Situaia fericit este cnd anticipm diferene procentuale mari. Spre exemplu, cnd putem bnui c 95% din populaie ar prefera intrarea n Uniunea European, n timp ce 5% din populaie nu ar prefera-o, suntem n faa unei soluii optimiste, cu o pondere a rspunsurilor de 0,05 sau de 0,95 n funcie de sensul n care ne orientm. n acest caz, volumul eantionului va fi mic (75 de persoane la un nivel de ncredere de 95%). Situaia pesimist este aceea n care nu putem anticipa orientarea atributului. n acest caz, suntem nevoii s presupunem o pondere de 0,5, adic jumtate din populaie ar rspunde Da, iar cealalt jumtate Nu. Volumul eantionului va fi acum semnificativ mai mare (384 de subieci la un nivel de ncredere de 95%). Precizia se refer la limitele marjei de eroare, ntre care acceptm s se situeze valoarea indicatorului, exprimat sub form zecimal. O marj de eroare 2% la un procent de, s spunem, 53% rspunsuri Da, obinut prin studiul eantionului, nseamn c, la nivelul populaiei, procentul de rspunsuri Da se situeaz undeva ntre 51% i 55%. Desigur, cu ct aceast preci-
281
zie este mai mare, cu att crete i volumul eantionului. Marja de eroare de 2% se scrie n form zecimal 0,02. Cunoscnd acum toate aceste elemente, s ne imaginm c desfurm un studiu utiliznd un chestionar, la care subiecii rspund prin Da sau Nu, nu avem idee care ar fi proporia rspunsurilor Da sau care ar fi proporia rspunsurilor Nu, dorim un nivel de ncredere de 95% i un nivel de precizie de 2%. Ce volum trebuie s aib eantionul? =
2 1 2
1,962 0,5 10,5 0,02 2
3,840,50,5 0,0004
0,96 0,0004
= 2400
Vom avea un eantion de 2400 de persoane, pentru a obine reprezentativitatea la acest nivel. Suntem cam pretenioi, nu-i aa? Bine c nu am ales nivelul de ncredere de 99%, c cine tie ce obineam Dac dorii s aflai, nlocuii n formula de mai sus 1,96 cu 2,58 i vedei. Exerciiu: Folosind acelai tip de studiu, calculai volumul unui eantion la un nivel de ncredere de 95% i cu o precizie de 3%, estimnd c subiecii vor rspunde 75% Da i 25% Nu. n practic, se folosete o formul derivat din formula 8.1 n vederea calculrii preciziei sau a marjei de eroare: =
2 1
(formula 8.2)
n presa scris, la televizor, la radio, auzii frecvent fraze de acest gen: 65% din populaie l prefer pe Icsulescu la alegerile prezideniale. Sondajul are o marj de eroare de 2,5%. Cunoscnd marja de eroare i faptul c nivelul de ncredere nu se poate situa sub 95%, putei afla uor din cte persoane a fost format eantionul, aplicnd formula 8.1. Dar dac afirmaia de mai sus nu prezint marja de eroare, ci doar volumul eantionului? Dac vi se comunic rezultatele de mai sus, cu specificaia c eantionul a fost format 282
Cristian Opariuc-Dan dintr-un numr de 180 de persoane, cum aflai precizia? Eu a fi de prere s aplicm formula 8.2 =
2 1
1,962 0,65 10,65 180
3,840,650,35 180
0,87 180
0,004 = 0,06 = 6% O precizie de 6% mi se pare extrem de mic pentru un asemenea sondaj. Cu alte cuvinte, preferinele pentru Icsulescu variaz ntre 59% i 71%. Cam mare marja de eroare, nu credei? Atunci cnd variabila msurat are un caracter continuu (cum ar fi, de exemplu, nlimea), se utilizeaz o alt formul pentru determinarea mrimii eantionului, formul ce ine cont de variana caracteristicii msurate la nivelul populaiei. Deoarece aceast varian de multe ori nu poate fi anticipat, existnd prea puine anse s cunoatem n mod real variana parametrului la nivelul populaiei, majoritatea studiilor de acest tip prefer transformarea variabilelor continui sau polihotomice n variabile dihotomice pentru aplicarea calculului de proporii. Acest lucru se poate efectua prin combinarea rspunsurilor n dou categorii (de exemplu, subieci nali i subieci scunzi) i apoi aplicarea metodei de estimare prin proporii, aceast tehnic fiind acceptat cvasi-universal. Dac nu dorim totui s facem acest lucru, o alt metod prin care putem determina volumul unui eantion n cazul variabilelor continui este aceea prin care nlocuim variana populaiei cu variana eantionului. Deoarece abaterea standard la nivelul unui eantion aproximeaz bine abaterea standard a populaiei, ne putem permite s realizm un studiu pilot pe un numr de 3040 de subieci, calculm apoi abaterea standard pe care o folosim la determinarea mrimii eantionului dup formula: =
2 2
(formula 8.3)
283
Spre exemplu, dorim s efectum o cercetare n care s putem stabili nlimea medie a brbailor din Romnia. Dac am ti abaterea standard a parametrului nlime pentru ntreaga populaie, ar fi perfect. O asemenea valoare probabil c nu poate fi niciodat cunoscut. Totui, avem nevoie s stabilim volumul unui eantion reprezentativ de brbai, la un nivel de ncredere de 95% i cu o marj de eroare de 0,2. Nu cunoatem, ns, valoarea abaterii standard. Pentru a o afla, vom stabili un lot de 30 de brbai, alei ntmpltor, i vom msura nlimea acestora. Datele au fost deja analizate ntr-un capitol anterior, de unde am reinut c abaterea standard avea valoarea 4,46. Nu ne rmne acum dect s nlocuim n formul i obinem: = 1,962 4,46 = 428 0,22
Formulele de mai sus sunt aplicabile numai n condiia n care volumul eantionului nu depete 5% din volumul populaiei. n situaia n care volumul eantionului trece de acest prag, se aplic o corecie care-i reduce uor dimensiunea, dup formula: =
1+
1
(formula 8.4)
Dac ntr-o cercetare am stabilit volumul unui eantion la 398 de cazuri, iar volumul populaiei (N) este de 2000 de cazuri, atunci, aplicnd formula, vom obine: = 398 398 = = = 334 1 398 1 1,19 1 + 1 + 2000
S-a constatat o uoar reducere a eantionului ctre pragul de 5%. Aceast metod poart numele de corecie pentru populaii finite. Yamane a stabilit o formul direct de calcul a eantionului pentru populaii de mici dimensiuni, pe baza formulei:
284
Cristian Opariuc-Dan =
1+ 2
(formula 8.5)
Dac vom aplica formula pe cazul anterior, vom obine la un nivel de precizie de 5%: = 1 +
2
2000 2000 = = 333 2 1 + 2000 0,05 6
Observm c valoarea se apropie mult de cea obinut anterior prin corecie.
VIII.4 Construcia eantioanelor n SPSS

SPSS prezint un instrument foarte puternic de creare a eantioanelor n condiiile n care avei la dispoziie baza de eantionare. Cu ajutorul programului SPSS, putei crea urmtoarele tipuri de eantioane: Eantioane simple aleatorii, cu sau fr nlocuire; Eantioane stratificate i pe clusteri; Eantioane multistadiale; Eantioane probabilistice proporional cu mrimea sau tipuri de eantioane nealeatorii.
Figura 8.4 Meniul de creare i analiz a eantioanelor
Structura eantioanelor n SPSS se prezint sub forma unor fiiere tip plan. Exist dou categorii de planuri: Planul de eantionare conine specificaiile de definire a eantionului; Planul de analiz conine date necesare procedurilor de analiz complex pentru a calcula variana eantionului. Planul
285
include structura eantionului, metodele de estimare pentru fiecare stadiu, referinele la variabilele de interes. Debutul procedurii de creare a unui eantion se face prin deschiderea bazei de eantionare. Vom folosi, n acest scop, o baz de date pus la dispoziie de SPSS Inc., situat n directorul n care s-a instalat aplicaia. Baza de date se numete 1991 U.S. General Social Survey.sav i conine un numr de 1517 nregistrri, reprezentnd rezultatele unui sondaj efectuat n Statele Unite. Deoarece volumul de date este destul de mare, avnd i o serie de variabile factuale i demografice, putem folosi acest fiier ca exemplu pentru baza noastr de eantionare.
VIII.4.1
Crearea unui eantion n SPSS
Proiectarea unui nou plan de eantionare se realizeaz prin apelarea meniului Analyze, iar din submeniul Complex Samples se alege opiunea Select a Sample. Crearea unui eantion este asistat de un program special (Wizard sau asistent) care presupune mai muli pai.
Figura 8.5 Primul pas al crerii unui eantion. Salvarea fiierului plan
Prima fereastr afiat ne solicit alegerea unui fiier n care va fi stocat planul de eantionare. Opiunea implicit este Design a sample, pe care o vom folosi pentru a specifica locaia i numele planului de eantionare. Vom putea introduce direct calea ctre fiierul ce urmeaz a fi salvat sau vom 286
Cristian Opariuc-Dan putea apsa butonul Browse pentru a alege locul pe hard-disc unde va fi salvat planul de eantionare. Evident, va trebui s furnizm i un nume pentru acest fiier. n cazul nostru, am denumit fiierul Test.csplan i a fost salvat direct pe discul C:\. Observai c extensia fiierelor de tip plan de eantionare este .csplan. Pentru a modifica un plan de eantionare existent, avei la dispoziie opiunea Edit a sample design. Cu ajutorul acesteia, vei putea reconfigura sau elimina stadii din cadrul unui plan de eantionare multistadial creat anterior. Evident, acest plan de eantionare va trebui iniial deschis prin tastarea cii ctre fiierul de tip .csplan sau folosind butonul Browse. Dac avei deja un plan de eantionare fcut i dorii s creai un eantion n baza acestuia, putei folosi opiunea Draw a sample, dup care alegei fiierul plan dorit, la fel ca mai sus. Trecerea la urmtoarea etap se face prin intermediul butonului Next. Putei oricnd abandona operaia apsnd pe butonul Cancel sau putei parcurge sistemul de asisten contextual prin accesarea butonului Help. A doua fereastr presupune definirea planului de eantionare. n partea stng, avnd o structur arborescent, sunt afiate opiunile acestui stadiu. Prima opiune implic precizarea variabilelor de eantionare n cazul unor eantioane care presupun acest lucru (opiunea Design variables). Avem prezentate, n seciunea central, toate variabilele din baza de eantionare. Folosind butoanele de transfer (butoanele sgeat), vom putea include aceste variabile n seciunea Stratify By, dac dorim un eantion stratificat dup acea variabil. Se vor putea preciza astfel straturile sau subpopulaiile (amintii-v de boabele de fasole de 1 an i de 10 ani). n urma acestei selecii se obin eantioane separate pentru fiecare strat. Pentru a se putea mbunti precizia estimrilor, unitile din fiecare strat vor fi ct mai omogene din punctul de vedere al caracteristicii estimate.
287
Figura 8.6 Pasul 2: Definirea variabilelor cercetrii
O variabil introdus n seciunea Clusters permite crearea unui eantion pe clusteri n care se definesc grupuri de uniti de observaie. Pentru a se evita pierderea preciziei i a compensa dezavantajele eantionrii pe clusteri, ntre clusteri trebuie s existe o eterogenitate ct mai mare sub aspectul variabilei de interes. Dac planul de eantionare este parte dintr-un plan de eantionare mai complex, putei introduce o variabil numeric n seciunea Input Sample Weight, variabil ce reprezint dimensiunea unui eantion construit ntr-un stadiu anterior. Pentru claritate, se poate introduce un scurt text care va descrie stadiul n curs, folosind caseta de text Stage Label.
288
Cristian Opariuc-Dan n acest exemplu, vom dori s construim un eantion simplu randomizat. Deocamdat nu ne intereseaz n mod deosebit opiunile prezentate. Urmtoarea seciune, Method, permite stabilirea tehnicii de eantionare pe care o folosim.
Figura 8.7 Pasul 2: Alegerea metodei de eantionare
SPSS permite selectarea, n funcie de variabilele precizate n etapa anterioar, a mai multor tipuri de eantioane. Deoarece nu am inclus nici o variabil n etapa anterioar optnd pentru un eantion simplu randomizat , n caseta de selecie Type din cadrul seciunii Method, vor fi disponibile doar opiunile de acest tip. Observm existena doar a eantioanelor de tip randomizat simplu, sistematic i secvenial i a eantioanelor de tip proporional cu mrimea PPS simplu, sistematic i secvenial. Din aceast list vom alege eantionul simplu randomizat (opiunea Simple Random Sample).
289
La nivelul acestei etape, exist posibilitatea de a efectua selecia fr reintroducerea bilei n urn opiunea Without replacement (WOR) sau cu reintroducerea bilei n urn opiunea With replacement (WR). Cu alte cuvinte, o unitate selectat n eantion va fi eliminat de la urmtoarele posibile selecii n cazul WOR sau nu va fi eliminat, existnd posibilitatea unei noi selecii n cazul WR. n acest din urm caz, bifnd caseta Use WR estimation for analysis, comunicai programului SPSS s estimeze aceast probabilitate de reincludere a unui element n eantion. Implicit, metoda de estimare este specificat n fiierul plan i este consistent cu tipul de eantion selectat. Opiunea permite, de asemenea, forarea metodei cu introducerea bilei n urn, chiar dac metoda de eantionare presupune o selecie fr introducerea bilei n urn. Pe scurt, tipurile de metode ce pot fi alese n aceast etap sunt: Simple Random Sampling eantion aleatoriu simplu, n care unitile sunt selectate cu o probabilitate egal. Metoda poate fi folosit cu sau fr reintroducerea bilei n urn; Simple Systematic eantion sistematizat simplu (cu pas). Unitile sunt selectate cu un pas fix de eantionare din baza de eantionare. Se poate folosi i n cazul eantionrii stratificate, dac s-au specificat anterior variabilele de stratificare. Selecia se face fr introducerea bilei n urn; Simple Sequential unitile sunt extrase secvenial cu probabilitate egal i fr introducerea bilei n urn; PPS eantion proporional cu mrimea n care unitile sunt extrase aleatoriu cu o probabilitate proporional cu mrimea. Orice unitate se selecteaz cu reintroducerea bilei n urn, exceptnd configurarea anterioar a unui eantion pe clusteri;
290
Cristian Opariuc-Dan PPS Systematic eantion proporional cu mrimea de tip sistematic. PPS Sequential eantion proporional cu mrimea de tip secvenial; PPS Brewer eantion proporional cu mrimea n care sunt selectate dou clustere din fiecare strat cu o probabilitate proporional cu mrimea clusterului, fr introducerea bilei n urn. Necesit precizarea unei variabile de tip cluster; PPS Murthy un eantion similar celui anterior. Difer doar metoda statistic prin care sunt alese unitile; PPS Sampford eantion proporional cu mrimea care selecteaz mai mult de doi clusteri din fiecare strat cu o probabilitate proporional cu mrimea clusterului i fr introducerea bilei n urn. Necesit, de asemenea, specificarea unui variabile pentru cluster.
Opiunea Measure of Size (MOS) se aplic eantioanelor de tip PPS proporionale cu mrimea i implic precizarea unei dimensiuni definitorii pentru mrimea fiecrei uniti. Aceste valori pot fi definite n mod explicit, extrase fiind dintr-o variabil (prin bifarea opiunii Read from variable i introducerea variabilei din care vor fi extrase datele) sau pot fi calculate automat selectnd Count data records. De asemenea, se poate preciza amplitudinea acestor dimensiuni, introducnd valorile minime i maxime n casetele de text Minimum respectiv Maximum. Determinarea mrimii eantionului reprezint ultima aciune din acest stadiu. Pentru baza noastr de date, un eantion cu o marj de eroare de 2% i un interval de ncredere de 95% implic un numr de 930 de subieci, pentru a fi reprezentativ.
291
Acest pas presupune specificarea numrului sau a proporiei n care vor fi selectate unitile de eantionare. Dimensiunea eantionului poate fi fix sau poate varia n funcie de straturi.
Figura 8.8 Pasul 2: Stabilirea dimensiunii eantionului
Caseta de selecie Units permite alegerea ntre un numr fix de uniti selectate alegnd opiunea Counts i o proporie de uniti n eantion alegnd opiunea Proportions. Opiunea Value permite aplicarea unei valori unice pentru toate straturile. n modul numrului fix, va trebui s introducei valoarea dimensiunii eantionului (n cazul nostru, 930). Dac optm pentru proporii, vom include proporia din populaie pe care o regsim n eantion (de exemplu 0,10 pentru 10% din populaie). Opiunea Unequal values for strata permite introducerea valorilor eantionului pentru fiecare strat definit, n condiiile n care dimensiunile straturilor nu sunt egale.
292
Cristian Opariuc-Dan Read values from variable permite selectarea unei variabile numerice, n care sunt stocate dimensiunile fiecrui strat. La alegerea eantionului bazat pe proporii, putem, de asemenea, specifica limitele inferioare i superioare ale numrului de uniti care vor fi selectate (de exemplu, nu mai puin de 50 Minimul i nu mai mult de 200 Maximum). Apsarea butonului Next determin afiarea ferestrei variabilelor care urmeaz a fi calculate.
Figura 8.9 Pasul 3: Alegerea variabilelor eantionului
Pe parcursul acestei etape putem preciza ce variabile vor fi salvate n baza de date n urma crerii eantionului, astfel: Bifnd caseta Population size, vom comunica aplicaiei crearea unei variabile care va stoca numrul estimat de uniti din populaie la un anumit stadiu. n baza de date, aceast variabil va ncepe cu PopulationSize_; 293
Bifnd caseta Sample size, vom putea salva o variabil care s conin numrul de uniti selectate la un anumit stadiu. n baza de date, aceast variabil va ncepe cu SampleSize_; Bifnd caseta Sample proportion, se va crea o variabil ce va conine proporia eantionului selectat din populaie. Variabila va ncepe cu SamplingRate_; Bifnd caseta Sample weight, comunicm programului SPSS s creeze o variabil ce va stoca inversul probabilitilor de includere a unui element n eantion. Numele variabilei va ncepe n baza de date cu SampleWeightCumulative_, iar variante ale acestei variabile au un rol important n procesul de analiz a eantionului.
Alturi de aceste variabile, n baza de date va fi creat automat o serie de noi variabile, dup cum urmeaz: Probabilitatea de includere proporia unitilor selectate la nivelul unui anumit stadiu, variabil identificat prin InclusionProbability_; Mrimea cumulat mrimea cumulat a eantionului de la un stadiu la altul, variabil identificat prin SampleWeightCumulative_; Indexul permite specificarea unitilor selectate de mai multe ori la nivelul unui stadiu, variabil identificat prin Index_. Variabila este salvat doar n condiiile n care se folosete opiunea cu introducerea bilei n urn.
Ca regul general, n baza de date, fiecare variabil nou creat va fi urmat, dup linia de subliniere, de o cifr care indic stadiul. De exemplu,
294
Cristian Opariuc-Dan probabilitatea de includere a unei uniti n eantion, pentru primul stadiu, va aprea n baza de date sub forma InclusionProbability_1_. n exemplul nostru, am bifat salvarea tuturor variabilelor n baza de date n vederea comentrii ulterioare a ctorva cazuri. Apsarea butonului Next permite trecerea la urmtorul pas al crerii eantionului. Am observat c, la un moment dat, s-a activat i butonul Finish. Acest lucru nseamn c SPSS are deja suficiente informaii pentru a crea eantionul i putem sri peste paii rmai. Noi vom parcurge, totui, ntregul proces pentru a putea analiza etapele acestui instrument.
Figura 8.10 Pasul 4: Sumarul stadiului
Noua etap afieaz sumarul stadiului curent. Obinem scurte informaii despre numrul stadiului, eticheta acestuia n cazul n care am definit una , variabila de stratificare, variabila de cluster, dimensiunea eantionului i metoda de eantionare folosit. La acest nivel, avem posibilitatea crerii unui nou stadiu, selectnd opiunea Yes, add stage 2 now, n cazul n care
295
ne intereseaz o eantionare multistadial, sau posibilitatea iniierii etapelor de creare efectiv a eantionului, alegnd No, do not add another stage now, care este, de fapt, i varianta implicit selectat. De asemenea, ne putem ntoarce la etapele anterioare, apsnd butonul Back. Pentru moment, nu suntem interesai dect de crearea unui eantion simplu aleatoriu, fr alte stadii suplimentare, astfel nct vom apsa butonul Next.
Figura 8.11 Pasul 5: Crearea eantionului. Opiuni de selecie
Noua fereastr prezint o serie de opiuni care iniiaz modalitatea de creare efectiv a eantionului. Sistemul ne ntreab dac dorim s crem acum eantionul (Do you want to draw a sample?). Putem alege crearea eantionului, selectnd Yes, situaie n care vom avea posibilitatea de generare a tuturor stadiilor, alegnd All din lista derulant sau crearea eantionului doar pentru un anumit stadiu, prin selectarea numrului acestuia. Stadii-
296
Cristian Opariuc-Dan le pot fi generate doar n ordine. Prin urmare, nu putem crea stadiul 3 n condiiile n care nu au fost executate stadiile 1 i 2. Seciunea What type of seed value do you want to use? permite stabilirea valorii de iniializare pentru generatorul de numere aleatoare. Putem alege ntre un numr oarecare, generat automat de computer (selectnd A randomly-chosen number) sau putem include o valoare n caseta de text Custom value, n situaia n care se dorete reproducerea caracteristicilor eantionului. Cele dou casete de bifare permit tratarea cazurilor n care lipsesc informaii la nivelul unor elemente i accelerarea procesului de generare a eantionului. Bifarea primei casete are ca efect includerea ntr-o categorie separat a unitilor cu date lips, iar debifarea acesteia ignor unitile care au date lips. Bifarea celei de-a doua casete are ca efect accelerarea procesului de generare a eantionului, n condiiile n care datele sunt deja sortate dup valorile unei variabile de stratificare. Altminteri, SPSS va proceda la o nou resortare, operaiune consumatoare de timp. Urmtoarea etap permite precizarea locului n care va fi salvat eantionul i variabilele pe care acesta le genereaz. Putem opta ntre baza de date curent (Active dataset), caz n care SPSS va selecta din baza de eantionare unitile incluse n eantion i va calcula variabilele necesare doar pentru acestea, putem alege o nou baz de date (New dataset), caz n care SPSS va crea o nou baz de date, nesalvat, n care va include doar unitile selectate n eantion sau putem crea o nou baz de date cu salvare (External file), caz similar celui anterior, singura deosebire fiind aceea c SPSS va crea un nou fiier pe disc i va salva eantionul. n cele dou situaii, va trebui s precizm numele bazei de date, respectiv numele i calea ctre fiierul de date.
297
Figura 8.12 Pasul 5: Crearea eantionului. Opiuni de salvare
n aceast fereastr se mai afl un numr de dou elemente: Fiierul n care vor fi salvate probabilitile cumulate (Joint probabilities), n cazul n care se folosesc eantioane proporionale cu mrimea i fr introducerea bilei n urn. Regulile de selecie ale cazurilor (Case selection rules), n cazul n care se genereaz un singur stadiu la un moment dat i se dorete salvarea regulilor de selecie a cazurilor ntr-un fiier separat. Opiunea este util la construirea sub-stadiilor.
n situaia noastr, am ales salvarea eantionului n aceeai baz de date, pentru a putea urmri mai uor procesul de selecie. Apsarea butonului Next permite trecerea la ultima etap a crerii eantionului.
298
Cristian Opariuc-Dan Ultima fereastr ne ntreab dac dorim s salvm designul realizat n planul de eantionare i s crem efectiv eantionul (opiunea Save the design to a plan and draw the sample) sau dorim s copiem ntr-un fiier de sintax comenzile SPSS generate n urma prelucrrilor noastre (opiunea Paste de syntax generated by the Wizard into a syntax window). Evident, vom alege prima opiune i vom apsa apoi butonul Finish.
Figura 8.13 Pasul 6: Crearea eantionului
Dup cteva fraciuni de secund, SPSS procedeaz la crearea eantionului i ne ofer o serie de informaii n fereastra de rezultate (Output). Primul tabel din fereastra de rezultate se refer la informaii despre planul de eantionare. Observm c avem un singur stadiu, metoda de selecie este simplu aleatorie fr reintroducerea bilei n urn, iar eantionul coni-
299
ne un numr de 930 de cazuri. n acest tabel regsim informaii despre noile variabile create n baza de date i, de asemenea, ne este furnizat fiierul care conine planul de eantionare. Tabelul planului de eantionare prezint i o serie de date utile n proiectarea planului de analiz a eantionului pe care-l vom discuta n urmtorul subcapitol. O variabil foarte important la acest nivel este variabila SampleWeight_Final_, folosit n general la proiectarea planului de analiz a eantionului ca variabil caracteristic a reprezentativitii cazurilor n eantion.
Summary Sample Inf ormation Selection Method Number of Units Sampled Variables Created or Modif ied Stagewise Inclusion (Selection) Probability Stagewise Cumulativ e Sample Weight Stagewise Population Size Stagewise Sample Size Stagewise Sampling Rate Stagewise Sample Weight Stage 1 Simple random sampling without replacement 930 InclusionProbability _1_ SampleWeight Cumulativ e_1_ PopulationSize_1_ SampleSize_1_ SamplingRate_1_ SampleWeight_1_ Equal probability sampling without replacement Obtained from v ariable InclusionProbability _1_
Analy sis Inf ormation
Estimator Assumption
Inclusion Probability Plan File: C:\Test.csplan Weight Variable: SampleWeight_Final_
Figura 8.14 Planul de eantionare

Summary for Stage 1 Number of Units Sampled Request ed Actual 930 930 Plan File: C:\Test. csplan Proport ion of Units Sampled Request ed Actual 61,3% 61,3%
Urmtorul tabel generat se refer la sumarul stadiului. Pentru fiecare sta-
Figura 8.15 Sumarul stadiului
300
Cristian Opariuc-Dan diu al eantionrii va fi generat un asemenea tabel, n care regsim informaii despre unitile i proporiile selectate. Observm din nou numele i calea fiierului de tip plan de eantionare. n cazul nostru, am solicitat includerea unui numr de 930 de cazuri n eantion (Requested), iar SPSS a reuit selectarea tuturor subiecilor (Actual). Procentul solicitat a fost de 61,3%, procent atins n final de ctre SPSS.
Figura 8.16 Noile variabile incluse n baza de date
Trecnd la baza de date, observm la sfritul acesteia variabilele nou create. Vom constata i selecia eantionului fcut de SPSS. Programul a ales n eantion primii apte subieci, pe urmtorii ase nu i-a selectat, a selectat apoi un subiect, urmtorul nefiind selectat i aa mai departe. Lund fiecare subiect n parte, observm o probabilitate de includere egal de 0,61, dintr-o populaie de 1517 la mrimea unui eantion de 930. Variabila SampleWeight este generat automat i corespunde oarecum frecvenei cu care fiecare caz selectat n eantion este reprezentat n populaia general. Suma acestor valori se apropie foarte mult de dimensiunea populaiei. ntr-adevr, avem 930 de cazuri, fiecare avnd valoarea 1,63 la
301
aceast variabil. Prin urmare, 930 1,63 = 1515,9 valoare apropiat de mrimea populaiei. Aceast variabil este foarte important n procesul de analiz a eantionului. Iat c, urmnd aceti pai, ai reuit crearea unui eantion. Realizarea acestuia nu ofer ns informaii legate de caracteristicile pe care le poate avea. Dup selectarea subiecilor n eantion, urmeaz etapa de analiz a eantionului n vederea identificrii proprietilor sale statistice.
VIII.4.2
Analiza eantionului
Crearea unui plan de analiz reprezint prima etap n studiul proprietilor unui eantion. Vom folosi din nou meniul Analyze, apoi submeniul Complex Samples i n final vom efectua click pe opiunea Prepare for Analysis Accesarea acestei comenzi determin lansarea n execuie a unui nou asistent (Wizard), specializat n proiectarea planului de analiz, al doilea plan ca importan n studiul eantionului. Planul de analiz, similar planului de Figura 8.17 Meniul planului de analiz eantionare, reprezint o succesiune de pai, prin intermediul crora se creeaz premisele studiului proprietilor unui eantion. Dup crearea unui eantion, este important analiza acestuia n vederea determinrii caracteristicilor sale. Primul pas este reprezentat de specificarea fiierului n care va fi salvat planul de analiz. Opiunea Create a plan file ne permite alegerea locului i stabilirea numelui sub care va fi salvat planul de analiz. Putei tasta
302
Cristian Opariuc-Dan calea complet sau putei folosi butonul Browse, prin intermediul cruia vei alege locaia acestui fiier. Evident, va trebui s furnizai i un nume. n cazul nostru, fiierul plan de analiz se numete Analiza.csaplan i a fost salvat direct n directorul C:\. Observai diferena de extensie. Dac planurile de eantionare aveau extensia .csplan, planul de analiz are extensia .csaplan.
Figura 8.18 Pasul 1. Salvarea planului de analiz
Opiunea Edit a plan file v permite modificarea configuraiei unui plan de analiz salvat anterior. Apsarea butonului Next determin trecerea la urmtoarea etap. Noua fereastr conine mai multe elemente. n primul rnd va trebui s specificm variabila caracteristic reprezentativitii eantionului. Am accentuat deja asupra importanei variabilei Sample Weight, tocmai n ideea de a fi familiarizai cu aceasta. Dei n cazul unor eantioane complexe
303
aceast variabil poate lua diferite forme, n planul de analiz vom include, de obicei, forma final a acesteia, forma n care SPSS pondereaz de fapt toate stadiile. V recomand introducerea n seciunea Sample Weight a variabilei de tipul Final Sample Weight, variabil care, de obicei, caracterizeaz cel mai bine eantionul. n cazul planurilor complexe, s-ar putea include i alte variabile pariale de acest tip, dac se dorete investigarea la nivelul stadiilor, a straturilor ori a clusterilor.
Figura 8.19 Pasul 2. Stabilirea variabilelor
Alte posibiliti cuprinse la acest nivel pot fi reprezentate de: Variabilele de stratificare (Strata) va fi inclus variabila de stratificare n condiiile unui eantion stratificat. Eantionul total va fi reprezentat din ponderile pe care le au cazurile particulare din fiecare strat; Variabilele cluster (Clusters) se include variabila care definete clusterii, grupuri de uniti de observaie n cazul n care se analizeaz un eantion pe clusteri; 304
Cristian Opariuc-Dan Stage Label permite definirea unei etichete a stadiului de analiz, similar procesului de creare a planului de eantionare.
Apsarea butonului Next determin trecerea la alegerea metodei de estimare.
Figura 8.20 Pasul 2. Alegerea metodei de estimare
Alegerea metodei de estimare permite specificarea doar a tipului de selecie utilizat. n funcie de modul de proiectare a eantionului, putei opta pentru metoda cu introducerea bilei n urn (WR), n care nu vor fi incluse corecii pentru eantioane provenite din populaii finite la estimarea varianei. Forarea includerii acestor corecii se realizeaz prin bifarea casetei FPC care se activeaz la alegerea acestei opiuni. Metoda cu includerea bilei n urn (WOR) poate fi selectat n cazul eantioanelor cu probabilitate egal de selecie i fr nlocuire. Aceast metod include coreciile pentru populaii finite i pleac de la supoziia conform creia unitile au fost selectate cu o probabilitate egal.
305
Metoda cu includerea bilei n urn (WOR) i cu probabilitate inegal folosete i ea coreciile de populaie finit, dar pleac de la supoziia c selecia unitilor din populaie s-a realizat cu o probabilitate inegal. n general, metoda se folosete n cazul unor eantioane nealeatorii. Eantionul nostru a fost creat fr includerea bilei n urn i cu o probabilitate egal, prin urmare vom alege opiunea a doua.
Figura 8.21 Pasul 2. Alegerea dimensiunii
Apsarea butonului Next v permite s specificai probabilitile de includere sau mrimea populaiei la nivelul stadiului curent. Aceste dimensiuni pot fi fixe sau pot varia la nivelul straturilor. Aceast etap este valabil doar dac anterior ai ales opiunea WOR cu probabiliti egale. Folosind caseta de derulare Units putei preciza dimensiunea exact a populaiei sau probabilitatea cu care elementele au fost extrase. n primul caz, putem introduce n caseta de text Value cifra 1517, valoare ce repre-
306
Cristian Opariuc-Dan zint dimensiunea exact a populaiei sau 0,61, probabilitatea de includere. Am preferat, n exemplul nostru, prima variant. Utilizarea acestei seciuni presupune o singur valoare aplicat tuturor straturilor. O alt variant o reprezint opiunea Unequal values for strata, care se activeaz numai n situaia definirii anterioare a unei variabile de stratificare. Caseta care se deschide la apsarea butonului Define permite stabilirea valorilor pentru fiecare strat. Ultima opiune, Read values from variable, ne permite includerea unei variabile numerice care conine valorile pentru fiecare strat.
Figura 8.22 Pasul 2. Sumarul planului
Similar planului de eantionare, urmtoarea fereastr prezint un sumar al planului de analiz i ne permite construirea unor noi stadii. Nu vom intra n detalii referitoare la aceast seciune, deoarece am tratat complet problema n cadrul capitolului referitor la planul de eantionare.
307
Ultimul ecran ne invit s salvm planul de analiz creat sau s copiem sintaxa ntr-o fereastr de comenzi SPSS, ntr-un mod identic cu planul de eantionare.
Figura 8.23 Pasul 3. Salvarea planului de analiz
Un plan de analiz salvat va putea fi utilizat n vederea investigrii proprietilor eantionului. La apsarea butonului Finish, planul de analiz va fi salvat, iar n fereastra de rezultate va fi redat structura acestuia.
VIII.4.3
Investigarea proprietilor eantionului

Odat stabilite planul de eantionare i planul de analiz, se poate trece la etapa final a eantionrii, i anume investigarea proprietilor eantionului. SPSS pune la dispoziie mai multe metode de investigare a unui eantion. Deoarece nu dispunem nc de toate informaiile necesa-
Figura 8.24 Analiza eantionului
308
Cristian Opariuc-Dan re studiului exhaustiv al acestor proceduri, vom limita expunerea doar la dou proceduri ce implic statistici univariate, dup cum urmeaz: Meniul Frequencies determin constituirea tabelelor de frecvene pentru variabilele selectate i afiarea statisticilor de tip univariat. Procedura estimeaz frecvenele eantionului i erorile standard, intervalele de ncredere, coeficienii de variaie i alte statistici utile studiului unui eantion; Meniul Descriptives produce de asemenea statistici univariate de tipul celor menionate, existnd i posibilitatea analizei dup subgrupuri.
Accesarea primului meniu, Frequencies, determin afiarea primului ecran necesar analizei prin care urmeaz s alegem planul de eantionare dorit.
Figura 8.25 Alegerea planului de eantionare
309
Toate operaiile din aceast etap impun anumite specificaii de analiz, specificaii coninute n planul de eantionare, dup cum am vzut n subcapitolul anterior. n seciunea Plan, caseta de text File, vom putea tasta calea ctre planul de eantionare sau vom putea utiliza butonul Browse n vederea navigrii ctre locaia ce conine acest fiier. n cazul n care probabilitile de includere ale elementelor n eantion nu sunt egale, situaie des ntlnit n cadrul eantionrii stratificate sau al eantionrii pe clusteri, va trebui s specificm fiierul n care s-au precizat aceste probabiliti, utiliznd seciunea Joint Probabilities. Astfel, putem alege aceste probabiliti dintr-o variabil din baza de date, dintr-o alt baz de date sau dintr-un alt tip de fiier. Trecerea la analiza efectiv se face prin apsarea butonului Continue.
Figura 8.26 Stabilirea variabilelor de interes
Va aprea, iat, o fereastr pe care o cunoatei destul de bine. Acest ecran permite stabilirea variabilei pe care dorim s o analizm. Se impune o
310
Cristian Opariuc-Dan meniune la acest nivel: variabilele folosite pot fi doar variabile categoriale, situate la un nivel de msur nominal sau ordinal. n partea stng a ferestrei se afl seciunea Variables, o list care conine toate variabilele din baza de date. Lista Frequency Tables permite includerea variabilelor pentru care dorim s calculm tabele de frecven. Cu ale cuvinte, variabilele pe care dorim s le analizm. n exemplul nostru, vom dori analiza eantionului sub aspectul sexului (al genului biologic). Vom transfera, aadar, aceast variabil n lista Frequency Tables, prin utilizarea butonului de transfer. Lista Subpopulations permite includerea unei alte variabile categoriale, n condiiile n care am realizat, spre exemplu, un eantion stratificat. Nu este cazul nostru, ns, dac am fi dorit s analizm reprezentativitatea genului biologic n funcie de mediul de provenien (rural vs. urban), am fi inclus aceast ultim variabil n lista Subpopulations. n aceast situaie, SPSS ar fi analizat separat brbaii i femeile, n funcie de mediul lor de provenien. Un buton deosebit de important este butonul Statistics.... Apsarea acestuia determin posibilitatea stabilirii indicatorilor statistici ce vor fi calculai.
Figura 8.27 Stabilirea indicatorilor statistici
311
Exist destul de multe opiuni n cadrul acestei noi ferestre, unele dintre ele fiindu-v necunoscute, deoarece nu avei nc informaiile necesare referitoare la anumite teste statistice. Noi le vom prezenta pe toate, studiind aici, n detaliu, doar cteva, celelalte urmnd s le analizm n volumele ulterioare. Seciunea Cells permite afiarea informaiilor legate de populaia int din care a fost extras eantionul. Vor fi afiate date referitoare la dimensiunea populaiei sub form de frecvene absolute, prin bifarea casetei Population size i sub form de frecvene relative (procente), bifnd caseta Table percent. Seciunea Statistics permite configurarea indicatorilor statistici asociai dimensiunii populaiei sau a procentului din populaie, astfel: Prin bifarea casetei Standard error, vom calcula eroarea standard a estimrii; Caseta Confidence interval permite stabilirea intervalului de ncredere a estimrii n baza nivelului specificat. n mod normal, intervalul de ncredere l vom stabili la 95%, dup cum observai c am procedat i n exemplul nostru (caseta de text Level%); Caseta Coefficient of variation comunic programului calculul coeficientului de variaie a estimrii, sub form de proporii; Caseta Unweighted count permite afiarea numrului de elemente folosit n realizarea estimrii. Cu alte cuvinte, dimensiunea eantionului extras; Caseta Design effect permite calculul varianei estimrii. Indicatorul exprim proporia de varian a eantionului comparat cu variana unui eantion simplu randomizat. Coeficien312
Cristian Opariuc-Dan tul nu este folosit n cazul eantioanelor simplu randomizate n acest caz fiind ntotdeauna 1 , ci doar n cazul eantioanelor mai complexe. Cu ct valoarea este mai deprtat de unu, cu att efectul este mai mare i deci variana este mai mare; Caseta Square root of design effect reprezint rdcina ptrat din variana estimrii (un fel de abatere standard dac v mai aducei aminte), fiind o msur standard a efectului i avnd acelai mod de interpretare; Caseta Cumulative values calculeaz frecvena cumulat a populaiei int, avnd aceeai semnificaie ca orice frecven cumulat. Caseta Test of equal cell proportions permite calculul a dou teste statistice pe care nu le-am studiat: testul 2 i testul de probabilitate a proporiilor. Fr a intra n amnunte, menionm c ambele teste pornesc de la ipoteza nul c toate categoriile unei variabile au frecvene egale. Testele ne permit s verificm dac exist diferene semnificative ntre frecvenele categoriilor variabilei (n cazul nostru, dac frecvena brbailor este semnificativ mai mare sau semnificativ mai mic n comparaie cu frecvena femeilor).
Pentru exerciiul nostru am comunicat programului SPSS s afieze frecvena absolut i relativ a populaiei int (casetele Population size i Table percent), s calculeze eroarea standard a estimrii, intervalul de ncredere i doar demonstrativ mrimea efectului i s afieze mrimea eantionului (casetele Standard error, Confidence interval la un nivel de 95%, Unweighted count i Design effect). Apsnd butonul Continue, revenim la fereastra iniial.
313
Un alt buton prezent este butonul Missing Values, prin apsarea cruia vom putea stabili modul de tratare a cazurilor lips.
Figura 8.28 Tratarea cazurilor lips
n seciunea Tables, putem stabili ce cazuri vor fi incluse n analiz. Opiunea implicit este Use all variable data n care vor fi analizate doar valorile valide la nivelul fiecrei variabile. Spre exemplu, dac analizm variabila gen biologic, SPSS va urmri s existe valori valide doar la nivelul acestei variabile, fr a fi preocupat dac exist valori valide la alte variabile. Opiunea Use consistent case base este ns mult mai restrictiv. Va trebui s existe valori la nivelul tuturor variabilelor analizate pentru ca subiectul respectiv s fie luat n considerare. De exemplu, dac analizm variabilele gen biologic i mediu de provenien, un subiect va trebui s aib scoruri valide la ambele variabile, chiar dac este analizat doar variabila gen biologic. Un subiect care are un scor valid la gen biologic, dar nu are date la mediul de provenien, va fi exclus din analiz.
314
Cristian Opariuc-Dan Seciunea Categorical design variables determin, n cazul variabilelor categoriale, dac valorile lips vor fi tratate ca fiind sau ca nefiind valide. Practic, nu este nevoie s intervenim n aceast fereastr dect extrem de rar i n cazul unor planuri de eantionare complexe. Apsarea butonului Continue va determina, i n acest caz, ntoarcerea la fereastra iniial. Lansarea efectiv a analizei datelor se face prin apsarea butonului OK. n cteva fraciuni de secund, va fi afiat un tabel n fereastra de rezultate, tabel care va conine exact datele solicitate.
Respondent's Sex 95% Confidence Interv al Lower Upper 632,126 692,395 824,605 884,874 1517,000 1517,000 41,7% 45,7% 54,3% 58,3% 100,0% 100,0%
Population Size
% of Total
Male Female Total Male Female Total
Estimate 662,260 854,740 1517,000 43,7% 56,3% 100,0%
Standard Error 15,355 15,355 ,000 1,0% 1,0% ,0%
Design Eff ect 1,000 1,000 . 1,000 1,000 .
Unweighted Count 406 524 930 406 524 930
Figura 8.29 Rezultatele analizei eantionului
Capul de tabel conine numele variabilei de interes i denumirea indicatorilor calculai. Primul rnd se refer la frecvenele absolute ale populaiei int, iar al doilea rnd - la frecvenele relative. Observm c datele noastre au fost mprite pe cele dou categorii ale variabilei de interes brbai i femei. A doua coloan (Estimate) exprim frecvenele absolute i relative ale populaiei int, estimat n baza eantionului. Aceste elemente nu reprezint date reale, ci date estimate din eantion. Nu putem avea un numr de 662,26 brbai i 854,74 femei. Un brbat sau o femeie este un ntreg, nu are zecimale. Observm ns c dimensiunea total a populaiei int estimate (1517 subieci) este egal cu populaia int real. Exprimat procentual, ean315
tionul nostru estimeaz o populaie compus din 43,7% brbai i 56,3% femei. Urmtoarea coloan (Standard Error) se refer la eroarea standard a estimrii, exprimat att n form brut, ct i n form procentual. Eantionul nostru estimeaz populaia int cu o eroare standard de 15,35 brbai i 15,35 femei (aproximativ 15 subieci pentru fiecare categorie, cifrele reprezentnd din nou o abstraciune). Acest indicator devine mai clar dac urmrim forma procentual. Iat c eroarea estimrii este de 1% att n cazul brbailor, ct i n cazul femeilor, care, la un nivel de ncredere de 95%, ne poate determina s afirmm c avem un eantion reprezentativ sub aspectul sexului. Urmeaz dou coloane ale intervalului de ncredere. n baza erorii standard, eantionul estimeaz practic o populaie int format dintr-un numr de 632,12 pn la 692,39 brbai i de la 824,60 pn la 884,87 femei. Cu alte cuvinte, compoziia populaiei int estimat de eantion este format din 41,7% pn la 45,7% brbai i 54,3% pn la 58,3% femei. Undeva ntre aceste limite putem gsi populaia int real estimat de eantion. Coloana Design Effect are evident valoarea 1, deoarece am lucrat cu un eantion simplu randomizat, fapt tratat mai sus. Ultima coloan indic dimensiunea i compoziia eantionului (Unweighted Count). Dup cum tiam deja, eantionul are un numr de 930 de cazuri, iar din punctul de vedere al sexului avem 406 brbai i 524 femei. Iat c acest eantion estimeaz reprezentativ populaia int la o eroare de doar 1% i la un nivel de ncredere de 95%. Suntem n faa unui eantion reprezentativ, acest lucru fiind demonstrat prin analiza efectuat. Am analizat o variabil de interes situat la nivel nominal (sexul). Cum procedm ns, dac avem o variabil de interes la un nivel scalar, de exemplu vrsta? Analiza frecvenelor nu ne ajut prea mult. Este timpul s
316
Cristian Opariuc-Dan abordm cea de-a doua metod propus i anume analiza descriptiv. Paii sunt identici, astfel nct nu vom insista asupra lor. Exist ns o serie de metode statistice uor diferite, pe care vom ncerca s le lmurim.
Figura 8.30 Analiza variabilei de interes de tip scalar
Dup lansarea procedeului de analiz i alegerea planului de eantionare prin apelarea meniului Descriptives, va trebui s includem, similar procesului anterior, variabila de interes. n cazul nostru, am ales o variabil scalar, vrsta subiecilor. Apsarea butonului Statistics determin apariia unui ecran uor diferit n comparaie cu analiza frecvenelor.
Figura 8.31 Stabilirea indicatorilor statistici
317
Diferena rezid n seciunea Summaries prin intermediul creia putem estima mediile i sumele variabilelor int. n cazul n care media populaiei este cunoscut (uneori se folosete media teoretic), putem folosi testele t Student de comparaie ntre media populaiei i media unui eantion pentru verificarea existenei unei diferene semnificative ntre medii. Despre aceste teste vom discuta ns n volumul urmtor. Celelalte opiuni ale acestei ferestre au fost discutate i nu este cazul s le relum. Executarea procedurii de analiz determin afiarea n fereastra de rezultate a unui alt tabel:
Univariate Statistics 95% Conf idence Interv al Lower Upper 45,60 47,05
Mean
Age of Respondent
Estimate 46,33
Standard Error ,369
Coef f icient of Variation ,008
Population Size 1517,000
Unweighted Count 930
Figura 8.32 Rezultatele analizei eantionului
n acest caz, nu mai avem de a face cu estimri ale frecvenelor, ci cu estimri ale mediilor, variabila analizat fiind o variabil continu. Iat c eantionul nostru estimeaz o medie a populaiei de 46,33 de ani cu o eroare standard de 0,36 ani. Media real a populaiei se gsete undeva ntre 45,60 i 47,05 ani. Eantionul este foarte omogen sub aspectul vrstei, dup cum rezult din coeficientul de variaie de 0,008, eterogenitatea fiind n jurul valorii de 0,8%. ntr-adevr, eantionul de 930 de persoane estimeaz populaia int de 1517 persoane, ns. cu o eroare standard mare. nsui intervalul de ncredere de 1,45 ani (47,05 45,60) este edificator n acest sens. Este greu s vorbim despre o reprezentativitate a acestui eantion sub aspectul vrstei subiecilor.
318
Cristian Opariuc-Dan n concluzie:

Populaia reprezint o colecie natural, geografic sau politic de persoane, animale, plante sau obiecte; Proprietile unei populaii poart numele de parametri. Din parametri pot deriva variabilele de interes ale cercetrii; Recensmntul reprezint o metod exhaustiv de investigare a populaiei. O form particular a recensmntului este referendumul; Sursele de date utilizate n cercetare pot fi: o Surse principale de date; o Surse secundare de date; Eantionul este un subset de elemente din populaie care pstreaz caracteristicile populaiei din care a fost extras; Cercetrile bazate pe eantion se numesc cercetri selective, spre deosebire de cele bazate pe populaie care poart numele de cercetri exhaustive; Reprezentativitatea este caracteristica principal a unui eantion i reprezint capacitatea eantionului de a reproduce ct mai fidel structurile i caracteristicile populaiei din care a fost extras; Valorile proprietilor la nivelul unui eantion poart numele de indicatori sau statistici; Eroarea statistic se refer la diferena dintre valoarea unui parametru i valoarea unui indicator; Reprezentativitatea unui eantion depinde de caracteristicile populaiei, de mrimea eantionului i de procedura de eantionare folosit i, n general, nu depinde de mrimea populaiei dect n anumite condiii specifice; Procedeele de eantionare se pot mpri n procedee de eantionare aleatoare i procedee de eantionare nealeatoare; Dintre procedeele de eantionare, putem meniona: o Eantionarea prin convenie; o Eantionarea prin analiz; o Bulgrele de zpad; o Eantionarea simpl aleatoare; o Eantionarea stratificat; o Eantionarea multistadial; o Eantionarea pe clusteri; o Eantionarea sistematic; o Eantionarea pe cote; o Eantionarea cu probabilitate proporional cu mrimea; Mrimea unui eantion se determin n funcie de: o Eroarea statistic; o Variabilitatea populaiei; o Nivelul de ncredere;
319

n unele cazuri i n funcie de mrimea populaiei i proporia din populaie; Calculul mrimii eantionului se face n funcie de tipul variabilei de interes: dac se msoar un atribut sau o variabil continu. o
320
Bibliografie
1. Clocotici, Vasile i Stan, Aurel. (2000). Statistic aplicat n psihologie. Iai : Polirom. 2. Curwin, Jon i Slater, Roger. (1996). Quantitative methods for Business Decisions. Fourth Edition. London : International Thomson Business Press. 3. Dancey, Christine i Reidy, John. (2002). Statistics without math for psychology. Second Edition. Harlow : Prentice Hall. 4. Dowdy, Shirley, Weardon, Stanley i Chilko, Daniel. 2004. Statistics for research. Third Edition. New Jersey : John Wiley and Sons, 2004. 5. Field, A. 2000. Discovering statistics using SPSS for Windows. London : Sage, 2000. 6. Field, Andy. 2005. Discovering Statistics using SPSS, Second Edition. London : Sage Publications Ltd., 2005. 100-7619-4451-6. 7. Jaisingh, Lloyd. 2000. Statistics for the Utterly Confused. New York : McGraw Hill, 2000. 8. Leech, Nancy L, Barrett, Karen C i Morgan, George A. 2005. SPSS for intermediate statistics. Use and interpretation. Second Edition. New Jersey : Lawrence Erlbaum Associates, 2005. 9. Lungu, Ovidiu. 2001. Ghid introductiv pentru SPSS 10.0. Iai : Erota, 2001. 10. Marques de Sa, Joaquim P. 2007. Applied Statistics using SPSS, Statistica, Mathlab and R. New York : Springer, 2007. 11. Pitariu, Horia Dumitru. 2003. Psihodiagnostic - note de curs. Bucureti : s.n., 2003. 12. Popa, Marian. 2003. Statistic - note de curs. Bucureti : s.n., 2003. 13. Radu, Ioan, i alii. 1993. Metodologie psihologic i analiza datelor. Cluj-Napoca : Sincron, 1993. 14. Rotariu, T, i alii. 2006. Metode statistice aplicate n tiinele sociale. Iai : Polirom, 2006. 15. Sava, Florin Alin. 2004. Analiza datelor n cercetarea psihologic. Metode statistice complementare. Cluj-Napoca : ASCR, 2004. 16. . 2000. Pagina de statistic social. Pagina de statistic social. [Interactiv] 2000. http://statisticasociala.tripod.com. 321
17. Sntion, Filaret. 2005. Metodologia cercetrii i statistic aplicat n psihologie. Constana : Muntenia, 2005. 18. SPSS, Inc. 2001. SPSS Base 11.0 User's Guide. Chicago : SPSS Inc, 2001. 19. . 2006. SPSS Complex Samples 15.0. Chicago : SPSS Inc, 2006. 20. System, The Survey. The Survey System: Sample Size Calculator. The Survey System. [Interactiv] http://www.surveysystem.com/sscalc.htm. 21. Vasilescu, Ilie Puiu. 1992. Statistic informatizat pentru tiinele despre om. Bucureti : Militar, 1992.
322
n loc de ncheiere
Sper c acest domeniu a ajus s v intereseze. Dup parcurgerea crii, ai observat c statistica poate fi chiar plcut, iar concluziile pe care le putem desprinde din analiza datelor ne conduc ctre idei pe care, n absena acestei tiine, nu le-am putea avea i, mai ales, nu le-am putea verifica. Bineneles, statistica este nti de toate o disciplin matematic. Nimeni ns nu v cere s fii un matematician pentru a o putea folosi. Aa cum mi spunea odat colegul i prietenul meu, Ticu Constantin, nu e nevoie s tiu s construiesc o main pentru a o putea conduce i cu care, la momentul respectiv, nu am fost de acord; acum trebuie s recunosc c a avut dreptate. Rolul matematicienilor este acela de a construi maina; rolul nostru este de a o conduce. Acum, dac unii oferi sunt mai buni dect alii asta e. Nu la fel se ntlnim i n viaa real, pe osele? Nu este ntmpltor faptul c pionierii psihologiei tiinifice care au folosit metode statistice (Cattell, Spearman, Thorndike s.a.) au fost iniial formai n tiine reale, precum matematica, fizica, chimia. n acest volum, m-am oprit la studiul eantioanelor. Din raiuni concrete, nu am dorit s merg mai departe, deoarece a fi fost nevoit s scot o lucrare de 600 pn la 1000 de pagini, care cu siguran v-ar fi speriat. Nu intenionez ns s m opresc aici. n volumul al doilea, care va aprea dup ce voi obine impresiile dumneavoastr, a vrea s abordez problematica studiilor corelaionale i a prediciei n tiinele socio-umane prin metode statistice i nu clarvizioniste, adic metode de regresie liniar i logistic, analiza factorial sau modaliti de a vedea dac datele noastre au ceva n comun, analiza de fidelitate sau ct de stabile pot fi scorurile n timp ori cum putem s facem s nu mai ateptm un timp pentru a vedea acest lucru, precum i metode prin care putem sesiza dac exist diferene ntre grupuri, cu alte cuvinte statistici infereniale prin teste parametrice i neparametrice. De asemenea, mi-a dori s abordez un capitol extrem de interesant, i anume acela al
323
analizei de varian sub diferitele sale aspecte, n care s putem vedea cum una sau mai multe dimensiuni exercit efecte asupra altor dimensiuni. n al treilea volum, a vrea s abordez problematica scalrii multidimensionale, problematica analizei de cluster, analiza Q Sort, metaanaliza, analizele de itemi, analize calitative i analizele folosind reelele neuronale. Demersul este, dup cum ai observat, de la simplu la complex. A fi foarte bucuros dac a vedea c ridicai probleme, propunei soluii, oferii sugestii sau, de ce nu, criticai anumite aspecte pe care le prezint. Asta ar fi dovada c munca mea nu a fost n zadar. Nu am pretenia unui expert absolut. Ceea ce doresc este s mprtesc din experiena mea i s cunosc experienele altora, astfel s avem cu toii de ctigat,. Pentru a realiza acest obiectiv, va trebui s ne detam de orgolii i de impresii personale, s contientizm c toi avem nc de nvat, s avem o minte deschis i s dm ceea ce este mai bun n noi. Este foarte posibil ca uneori, n ceea ce expun, s nu am dreptate. Este posibil s m nel n anumite afirmaii pe care le fac pe parcursul acestor pagini. Singura modalitate pe care o avem de a ne da seama de acest lucru este s comunicm. Atept, prin urmare, reacia dumneavoastr, ca unici judectori ai cuvintelor mele. V mulumesc pentru rbdarea pe care ai avut-o studiind acest volum. Informaiile prezentate aici nu sunt originale i nici nu ar avea cum s fie. Ele se bazeaz pe afirmaiile unor autoriti n domeniu care au avut inspiraia s le descopere, iar eu nu am fcut dect s le prezint. Original este, ns, cred, modalitatea de prezentare. Am ncercat s mbin umorul cu informaia tiinific, astfel nct cele prezentate aici s fie uor digerabile. Am folosit unele exemple proprii sau preluate din alte lecturi. n general, am citat sursele pe care le-am folosit. C anumite elemente ntlnite aici vi se par familiare, c le-ai gsit i n alt parte, este foarte posibil. Statistica nu e att de variat precum o creaie literar sau muzical, iar punctele de vedere pot s coincid pn la un anumit nivel. De asemenea, am urmrit s folosesc ct
324
Cristian Opariuc-Dan mai multe exemple practice pentru a iei puin din lumea abstract a formulelor matematice. Totul a fost gndit n ideea c nu m adresez unor matematicieni sau unor persoane familiarizate cu tiinele reale. Cei care doresc s aprofundeze aceste elemente, pot gsi excelente informaii n bibliografia propus. Totui, i poezia i muzica au o matematic proprie. Dorina mea a fost s elimin angoasa statistic, angoas pe care cei mai muli dintre studenii sau absolvenii de tiine socio-umane o prezint. Dac am reuit sau nu acest lucru, dumneavoastr s-mi spunei. V-a rmne recunosctor pentru sugestiile dumneavoastr. E posibil ca uneori s fi fost mai abstract, alteori s fac exces de didacticism. Este de asemenea posibil s fi fcut erori de prezentare sau s fi folosit o exprimare pe care nu o agreai. Ceea ce am urmrit a fost s redactez o carte special, prin intermediul creia s nvai lecturnd-o. Uneori devine necesar s folosii hrtia i creionul pentru a relua exemplele i calculele, pentru a sistematiza informaiile. Sper, n final, c cel puin nu vi se mai face ru dup primul fum tras din statistic. Dac sperana mea s-a adeverit, atunci suntei pe calea dependenei i v invit s parcurgei urmtorul volum.
325

Statistica I

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Statistica I

Uploaded by

Copyright:

Available Formats

STATISTIC APLICAT N TIINELE SOCIO-UMANE

Noiuni de baz - Statistici univariate

Constana, decembrie 2009

Statistic aplicat n tiinele socio-umane

Fiicei mele, Luana-tefana

Scale (nivele) de msurare ............................................................ 22

Prezentare general SPSS for Windows ........................................ 30

Statistic aplicat n tiinele socio-umane

Indicatori sintetici ai mprtierii ................................................ 133

VI.2.1 Coeficientul Yule ................................................................ 153 4

VI.4.1 Notele z i note standard derivate ..................................... 164

VII.3.1 VII.3.2 VII.3.3 VII.3.4 VII.3.5 VII.3.6 VIII. VIII.1 VIII.2

Statistic aplicat n tiinele socio-umane

Eantionul ............................................................................... 254

Construcia eantioanelor n SPSS ........................................... 285

Bibliografie .............................................................................................. 321 n loc de ncheiere .................................................................................... 323

Statistic aplicat n tiinele socio-umane

Statistic aplicat n tiinele socio-umane

Iai, 23 septembrie 2008

Prof. univ. dr. Aurel Stan Universitatea Al. I. Cuza, Iai

Statistic aplicat n tiinele socio-umane

Statistic aplicat n tiinele socio-umane

I. NATURA MSURRII N TIINELE SOCIO-UMANE

Statistic aplicat n tiinele socio-umane

Statistic aplicat n tiinele socio-umane

Statistic aplicat n tiinele socio-umane

I.1.1 Variabile discrete

I.1.2 Variabile continui

Statistic aplicat n tiinele socio-umane

I.2 Scale (nivele) de msurare

I.2.1 Scale neparametrice

I.2.1.1 Scala nominal (de clasificare)

Statistic aplicat n tiinele socio-umane

I.2.1.2 Scala ordinal (de rang sau topologic)

Statistic aplicat n tiinele socio-umane

I.2.2 Scale parametrice

I.2.2.1 Scale de interval (intervale egale)

Statistic aplicat n tiinele socio-umane

I.2.2.2 Scala de raport (proporii)

Statistic aplicat n tiinele socio-umane

I.3 Prezentare general SPSS for Windows2

Figura 1.2 Lansarea programului SPSS for Windows

Figura 1.3 Fereastra logo SPSS for Windows

Statistic aplicat n tiinele socio-umane

Statistic aplicat n tiinele socio-umane

I.3.1 Bazele de date creare, salvare, deschidere

Statistic aplicat n tiinele socio-umane

Statistic aplicat n tiinele socio-umane

Figura 1.10 Seciunea de definire a variabilelor

Statistic aplicat n tiinele socio-umane

Statistic aplicat n tiinele socio-umane

Statistic aplicat n tiinele socio-umane

Statistic aplicat n tiinele socio-umane

Statistic aplicat n tiinele socio-umane

Statistic aplicat n tiinele socio-umane

Statistic aplicat n tiinele socio-umane

Statistic aplicat n tiinele socio-umane

Variables in the working f ile

Statistic aplicat n tiinele socio-umane

Variable Values Value sexul Label 1 2 Masculin Feminin

Statistic aplicat n tiinele socio-umane

II. ORGANIZAREA DATELOR

Statistic aplicat n tiinele socio-umane

II.1 Sistematizarea datelor