SPSS ALAPISMERETEK. T. Parázsó Lenke

Átírás

1 SPSS ALAPISMERETEK T. Parázsó Lenke

2 2 Statistical Package for Social Scienses Statisztikai programcsomag a szociológiai tudományok számára 1968-ban Norman H. Nie, C.Handlai Hull és Dale H. Bent alkották meg az SPSS alapjait, 70-es években továbbfejlesztették a Chicagói Egyetemen ben megjelent a Windows alatt futó változata, ez averzió vált elterjedtebbé a felhasználók körében vállalati alkalmazások elterjedése 2004 Predectiv elemzések ideje 2007 Java alkalmazások 2009 SPSS PASW

3 SPSS munkaterületei 3 MS Windows család tagja, minták statisztikai elemzését végezhetjük el segítségével. A programot kizárólag a megnevezett intézmények oktatói és tanulói használhatják: kutatás, egyetemi oktatás és fejlesztés céljára. Munkaterületei: Data adatmátrix Output eredmények Chart diagram ablak

4 Változók 4

5 Az SPSS beköszöntő oldala 5 Már mentett adatbázis megnyitása Tárgyszavas és címszavas megnyitás, keresése Új adat beírása Meglévő könyvtárak és fájlok megnyitása Adatbázis konvertáló megnyitása

6 Az SPSS beköszöntő oldala 6

7 7 Különböző kiterjesztésű adatok konvertálása

8 Az adatbázis 8 Az oszlopok, más szóval mezők vagy változók, a kérdőív kérdéseinek, a sorok, vagy rekordok illetve elemek, a válaszadóknak felelnek meg.

9 Az adatbázis definiálása 9

10 Adat 10 Az oszlopok, más szóval mezők vagy változók, a kérdőív kérdéseinek, a sorok, vagy rekordok illetve elemek, a válaszadóknak felelnek meg.

11 Az adat jellemzői_1 11 VARIABLE NAME a kijelölt oszlopba feltüntetett változók megnevezését határozzuk meg. TYPE LABELS MISSING VALUES COLUMN FORMAT a változó típusát jelöljük meg a változó címkéjét definiáljuk az adathiány kódja, ahol a hiányzó adatokat kódolhatjuk a cella formázása

12 Adat típusa 12

13 A File menű 13

14 14 Define Labels a változók definiálása A változók neveit Value - cimkékkel látjuk el Value label a változók magyarázatai

15 15 Define Missing Values- az adathiány ellenőrzése Ha a feldolgozás során nem kell számolni adathiánnyal, akkor a legfelső, No missing values pontot jelöljük meg. Abban az esetben, ha hibás értékekkel is számolni kell, az alábbi 3 beállítási lehetőségünk van:

16 Define Missing Values- Hiba 16

17 17 Hibás értékek adathiány ellenőrzése

18 18 Hibás értékek adathiány ellenőrzése_2 File Display Data Info

19 Keretrendszer kialakítása 19

20 Oszlop formázás 20 A lehulló ablak az oszlop szélességének és a beleírt szöveg igazítására ad lehetőséget.

21 SPSS adatfelvitel 21

22 Sor és oszlop beszúrás 22

23 Az adatbázis 23 az oszlopok, más szóval mezők vagy változók, a kérdőív kérdéseinek, a sorok, vagy rekordok illetve elemek, a válaszadóknak felelnek Médiainformatikai meg. Intézet

24 Adatfelvitel 24

25 Grafikai ábrázolás 25 kördiagram

26 Hisztogram 26

27 Halmozott oszlopdiagram 27

28 Tő és levél (Steam snd leaf plot) 28

29 Boksz-Plot ábra 29

30 Pókháló, sugár 30

31 Adatfájlok statisztikai elemzése 31 OLAP

32 A középérték mérőszámai 32

33 Statisztikai jellemzők 33

34 Gyakoriság 34

35 Gyakoriság_2 35

36 Eredmény 36

37 Kovarancia Két adathalmaz adatpárjai közötti eltérések szorzatának átlagát számolja megadja két egymástól különböző változó együttmozgását. n számú x, y értékpár esetében a minta kovarianciája az alábbi képlettel határozható meg: n ( x i i x) ( yi y) n 37 37

38 Korrelációs együttható 38 A korrelációszámítást többdimenziós minták vizsgálatakor, a minta elemeihez rendelt adatok közötti összefüggés feltárását szolgálja. A korrelációs együttes szignifikancia vizsgálata megmutatja, hogy egy adott, többdimenziós minta esetén a változók között talált összefüggés mekkora valószínűséggel valódi és nem a véletlen műve. r xy r táblázat r xy r táblázat a két minta korrelációs összefüggése az oszlopnak megfelelő valószínűséggel nem a véletlen műv, vagyis általánosítható a korrelációs összefüggés mértékét nem lehet áltatlánosítani, vagyis a mintában észlelt kapcsolat a véletlen műve

39 A korrelációs együttható 39 szignifikanciája A korrelációs együttes szignifikancia vizsgálata megmutatja, hogy egy adott, többdimenziós minta esetén a változók között talált összefüggés mekkora valószínűséggel valódi és nem a véletlen műve. A mintához tartozó elemek szabadságfoka: szf=n-2

40 40 Az eredmény általánosíthatósága a populációra A feltételezett összefüggés általánosításához az szükséges, hogy a korrelációs együttható abszolút értéke nagyobb legyen, mint a 95%-os valószínűségi szinthez (adott szabadságfokon) tartozó érték. Abban az estben, ha 99% vagy 99,9%-os értéken végezzük az összevetést, a felfedett kapcsolat még nagyobb valószínűséggel általánosítható.

41 Kereszttáblák 41 Az ilyen csoportosítások megjelenítésére és a szempontok közötti összefüggések vizsgálatára alkalmasak a kontingenciatáblák vagy kereszttáblák. A kereszttáblákat két változó összefüggésének vizsgálatához használjuk.

42 Chi-négyzet 42 (Kereszttáblák) Ezt a statisztikát arra használjuk, hogy azt a hipotézist, miszerint a sor és oszlopváltozók függetlenek, ellenôrizhessük. Nem jól használható, ha bármelyik cellában a peremeloszlások alapján várható érték (expected value) kisebb 1-nél, vagy a cellák több mint 20%-ban ez az érték kisebb mint 5.

43 Chi-négyzet 43 (Kereszttáblák) A Pearson chi-négyzet a legelterjedtebb forma, a likelihoodratio chi-négyzet a max. likelihood elméleten alapszik.

44 Kereszttáblák alkalmazása 44

45 Kereszttáblák alkalmazása 45 Display clustered bar charts: olyan oszlopdiagramot közöl, amely a kereszttábla egyes celláihoz tartozók elemszámát mutatja Suppress tables: a kereszttáblát nem, csak a statisztikákat közli A Format gomb lenyomása után megjelenô dialógus dobozban a táblázat formátumát adhatjuk meg. A Crosstabs ablakon belül lehetőségünk van arra, hogy beállítsuk, milyen adatokat akarunk a cellákban megjeleníteni: Cells

46 Kereszttáblák alkalmazása 46

47 Kereszttáblák alkalmazása 47 Counts Observed: a megfigyelt gyakoriságok Expected: a várt gyakoriságok, az adott cellába eső megfigyelések száma a sor- és az oszlopváltozó függetlensége esetén Percentages Row (sor): sorszázalék Column (oszlop): oszlopszázalék Total (teljes): totálszázalék. Az adott cellába eső esetek aránya az összes megfigyelthez képest.

48 Beállítás: Statistics 48 Chi-square: azt a nullhipotézist teszteli, anélkül, hogy számot adna kapcsolatuk irányáról és erősségéről. Correlation: Pearson's R: két, legalább intervallum szintű, változó lineáris összefüggésének mérésére alkalmas mérőszám. Értéke a -1; 1 zárt intervallumba esik. A negatív értékek negatív (az egyik változó értékének emelkedésével a másik értéke csökken), a pozitívak pozitív összefüggést jelentenek (az egyik változó értékének emelkedésével a másik értéke is nő), ahol a 1 és 1 a teljes lineáris meghatározottságot a 0 pedig azt jelenti, hogy a két változó között nincs lineáris összefüggés vagy más szavakkal a két változó korrelálatlan.

49 Beállítás: Statistics 49 Nominal Data: (nominális adatok) Phi and Cramer s V: 2 alapú asszociációs mérőszám. Értéke 0; 1 között mozoghat, ahol a 0 érték azt jelenti, hogy egyáltalán nincs kapcsolat a két változó között, míg az 1 érték tökéletes statisztikai együttjárást jelez. 2 2-s táblánál Phi-t használunk, nagyobbra Cramer s V-t.

50 Beállítás: Statistics 50 Lambda: asszociációs mérőszám, amelynek segítségével azt vizsgáljuk, hogy az egyik változó értékeinek megtippelésekor mekkora aránylagos hibacsökkenést okoz a másik változó ismerete. Értéke 0; 1 között mozoghat, ahol 1 jelzi a tökéletes statisztikai együttjárást. Gamma: asszociációs mérőszám. A lambdához hasonlóan ez is azon alapul, hogy mennyire segíti az egyik változó ismerete a másik értékének előrejelzését. De a gammánál nem a pontos értékére tippelünk, hanem az értékek ordinális elrendezésére, nagyságviszonyára. Értéke -1; 1 közé eshet és így a kapcsolat nagyságán kívül annak irányára is utal.

51 Beállítás: Cell Display 51

52 Eredmények_1 52

53 Eredmények_2 53

54 Eredmények_3 54

55 Eredmények_4 55

56 Parancsbeállító menűsor -OLAP 56 OLAP - az adatok középérték mérőszámait állítja elő

57 57 Statisztikai jellemző beállítás - OLAP

58 OLAP eredményeket bemutató 58 tábla OLAP Cubes sorszám: Total Sum N Mean Std. Deviation % of Total N feladat_ ,29 1, ,0% feladat_ ,59 1, ,0% feladat_ ,06 1, ,0% feladat_ ,94 1, ,0% feladat_ ,65, ,0% feladat_ ,76 1, ,0% feladat_ ,41 1, ,0% feladat_ ,65, ,0%