Statisztikai Segédanyag Műhelymunkához

KROLI GSPR REGORMTUS EGYETEM, PSZICHOLGIAI INTZET
STATISZTIKAI
SEGDANYAG
Mhelymunkkhoz, szakdolgozatokhoz
Takcs Szabolcs
2011
verzi: 0.9
SEGDANYAG MHELYMUNKHOZ
Tartalomjegyzk
Bevezet .............................................................................................................................................. 3
A minta bemutatsa ............................................................................................................................ 4
DISZKRT VLTOZK ESETE Gyakorisgi elemzs a NEM-vltozra ............................................ 5
FOLYTONOS VLTOZK ESETE a KOR-vltoz bemutatsa ........................................................ 10
KZPRTKEK VIZSGLATRA VONATKOZ HIPOTZISEK ............................................................. 20
Egy vltoz nagysgszintjnek tesztelse ..................................................................................... 22
Egy vltoz nagysgszintjnek tesztelse 2 csoportban ............................................................... 28
Egy vltoz nagysgszintjt szeretnnk tesztelni legalbb 3 csoportban ..................................... 37
Kt sszetartoz mintt tesztelnk ............................................................................................... 49
Kt sszetartoz minta tesztelse ROPstat programcsomagban................................................ 50
Legalbb 3 sszetartoz mintt tesztelnk ................................................................................... 52
Kt csoportost vltoz egyidej hatsnak tesztelse............................................................... 56
Csoportok s vltozk egyidej hatsnak tesztelse .................................................................. 63
Kvantitatv vltozk kztti kapcsolatvizsglat ................................................................................. 67
Diszkrt vltozk kztti kapcsolatvizsglat ..................................................................................... 76
MELLKLET: Adatrgzts (Treit Nomi) ............................................................................................ 83
Adatrgzts ROPstatban............................................................................................................... 83
vezetests ROPstatban .............................................................................................................. 87
Adatrgzts SPSS-ben................................................................................................................... 88
Meglv ROPstat adatfjl tvitele SPSS-be ................................................................................... 90
vezetests SPSS-ben .................................................................................................................. 92
Megjegyzsek az adatrgztshez ................................................................................................. 94
Mellklet sszefoglal tblzat...................................................................................................... 95
Kln ksznet illeti meg Fenyn Pir Krisztint, amirt tbbszrsen tnzte a dolgozatot, kijavtva
benne rtelmezsi s egyb hibkat, tovbb Treit Nomit, amirt az adatrgztsi mellkletet
elksztette.
Bevezet
A mhelymunkk egyik rszt kpezheti a sajt kutatsokon alapul statisztikai vizsglatok lersa.
Ezen lers tartalmazhat kvetkeztetseket, eredmnyeket bemutat brkat tblzatos vagy sznes
brk formjban. A kvetkeztetseket hipotziseken keresztl tudjuk a statisztika eszkztrval
vizsglni, melyeknl elengedhetetlen, hogy a szakmai (nem statisztikai) hipotziseket olyan formban
tudjuk megfogalmazni, hogy az utna statisztikai eszkztrral vizsglhat legyen, illetve a vizsglati
eredmnyeinket is relevns mdon tudjuk bemutatni.
A hipotziseken tlmenen termszetesen a mintt magt, illetve a mreszkzt is fontos
bemutatnunk ezen rszekhez azonban nem rendelnk hipotziseket, itt csak lerjuk a minta
jellemzit (arnyok, kzprtkek, szrdsi mutatk).
Jelen lers clja, hogy egy vagy kt, mindenki ltal megszerezhet adatfjlon (CPI, Szondi a ROPstat
beptett adatai) vgigvegyk egy tlagos mhelymunka sorn fellp statisztikai eljrsokat. A
hipotziseket mind a mhelymunkk, mind pedig a statisztika nyelvezetvel megfogalmazzuk,
tovbb a lehetsges vizsglati eszkzket is sorra vesszk. Tovbb megfogalmazzuk a lehetsges
kvetkeztetseket is a statisztikai hivatkozsokkal, szksges mutatkkal egyetemben.
A lers sorn kt rendez elvet vesznk figyelembe: a mhelymunkk sorn hasznlt sorrendet
(minta bemutatsa, statisztikai vizsglatok, kvetkeztetsek), illetve a statisztikai rendez elvet mit
vizsglunk.
A vizsglatok lpseit minden esetben a programokbl vett kperny-kpekkel fogom bemutatni,
arnylag kevs megjegyzssel a lpseknl de magyarzattal az outputok elemeihez. Tovbb
kiemeljk az sszetettebb outputok esetn, hogy mely rszek kzlse fontos egy mhelymunkban,
illetve mely rszek kellenek a dntshozatalnl.
A mhelymunka sorn nem felttlenl kell ragaszkodni 1-1 program hasznlathoz alapveten azt
kell alkalmazni, melynek outputja a leginkbb megfelel, legknnyebben interpretlhat s
rtelmezhet a szmunkra illetve amelyikben a legknyelmesebb mdon tudunk dolgozni s
eredmnyei ltalnosan elfogadottnak minslnek.
E lers sorn alapvetnek tekintjk, hogy a kt, elemzsre hasznlt program (ROPstat s SPSS)
ismert, a vltozk struktrja, lersa nem jelent gondot cmkzs, hossz s rvid nevek,
kdutastsok. Az elemzsi rszekre koncentrlunk, az adatrgztsi feladatot megoldottnak
tekintjk.
A minta bemutatsa
A minta bemutatsa sorn ltalban ktfajta dntsi helyzetnk addik: a vltoz, melyet be kell
mutatnunk, diszkrt vagy folytonos (illetve kvalitatv vagy kvantitatv) ennek megfelelen kell
statisztikai mutatkat vlasztanunk. Vannak termszetesen olyan vltozk is, ahol mindkt eszkz
bevethet, ilyenkor vlasztsi szempontknt azt tartsuk be, hogy a ksbbiekben az adott vltozra
vonatkoz hipotziseket milyen eszkzzel fogjuk vizsglni.
PLDA
A CPI adatfjllal dolgozunk. Ebben az adatfjlban tbb, a minta lershoz fontos vltoz is szerepel.
Ezek kzl a NEM-vltoz egyrtelmen diszkrt, gy ennek bemutatsra gyakorisgi tblzat vagy
diagram (esetleg mindkett) bevethet.
A KOR-vltoz egy alapveten folytonos vltoz, gy ebben az esetben tlagot, szrst s egyb
mutatkat lehet a minta ismertetseknt felhozni (ferdesg s cscsossg, minimum s maximum,
illetve standardizlt minimum s maximum rtket stb.)
Azon vltozkra, ahol mindkt eljrs bevethet, j plda az iskolai rdemjegyek bemutatsa: van
rtelme annak, hogy lerjuk, hogy egy dolgozatnl hny darab jeles, j stb. rdemjegy szletett.
Azonban az osztlytlagnak szintn van jelentse, a szrdsi mutatk segthetnek feltrni a dikok
kztti klnbsgeket vagy pp annak ellenkezjt, alacsony szrs esetn. gy pl. osztlyzatoknl
nem felttlenl a vltoz alapjn dntnk.
ltalnossgban s e harmadik esetben mindenkppen az lehet a legjobb irnyelv, ha a ksbb
alkalmazand hipotzisvizsglati eljrsokat vesszk figyelembe:
1) Ha egy osztly tlagt szeretnnk vizsglni, sszehasonltani egy vrt eredmnnyel vagy
egy msik osztly eredmnyvel, akkor a minta a vltoz bemutatsnl erre
koncentrljunk, s szmtsuk ki a szksges paramtereket.
2) Amennyiben a vltoz eloszlst szeretnnk tesztelni (egyenletes-e a jegyek eloszlsa),
vagy kvncsiak vagyunk, hogy tbb-e az elgtelen s elgsges osztlyzatok szma, mint a
j s jeles osztlyzatok, akkor a gyakorisgokat rdemes bemutatni.
3) Harmadik lehetsg, hogy ha nem tudjuk egyrtelmen eldnteni (elfordulhat), vagy
mindkt elemzs eljn a dolgozatban, akkor rdemes mindkt ler statisztikai mdszert
elszednnk.
DISZKRT VLTOZK ESETE Gyakorisgi elemzs a NEM-vltozra
Vegyk teht az els esetet, illetve a harmadik esetnek azt a rszt, amikor a vltoznknak a
gyakorisgi eloszlst szeretnnk bemutatni, pl. arra vonatkoz hipotziseink miatt.
A vizsglat lpsei ROPstat-ban
A ROPstat programcsomagban minden ler statisztikt az Alapok (egymints elemzsek)

menpontban tallhatunk meg.
Az els kt menpont a kvantitatv vltozk esetn alkalmazand, mg a gyakorisg, hisztogram

menpont alkalmazhat mind kvantitatv, mind kvalitatv vltozkra (de kvalitatv vltozkra csak ez).
Ha minden belltsunk megfelel volt, akkor az albbi output az eredmny:
|| A ROPstat olyan statisztikai programcsomag, amely a standard egyvltozs mdszerek teljes repertorja
|| mellett gazdag vlasztkt nyjtja a robusztus technikknak s az ordinlis sklj vltozkkal vgezhet
|| elemzseknek. A ROPstat megklnbztetett figyelmet szentel a mintzatfeltr eljrsoknak is.
|| A ROPstat szerzi:
|| - Prof. Dr. Vargha Andrs, Kroli Gspr Reformtus Egyetem Pszicholgiai Intzete, Budapest
|| - Bnsgi Pter matematikus mrnk, Budajen
|| Konzultns: Prof. Dr. Lars R. Bergman, Stockholm University, Department of Psychology
Az input fjl neve: C:\_vargha\ropstat\dat\CPI.msw
Gyakorisg, hisztogram
A beolvasott sszes eset szma:
VLTOZ: Gender
rtk
Gyak
1
16
2
78
ssz.:
94
94
(Gender of subjects)
%
Kum%
17,0
17,0
|========
83,0
100,0
|============================================
rtelmezsre ebben az esetben nem sok szksg van. A tovbbiakban az output elejn tallhat,
programot bemutat svot nem fogom msolni. Az outputok elejn lthat mindig az input fjl neve
(ezt is szisztematikusan ki fogom hagyni).
A kvetkez sor mindig az alkalmazott eljrs, majd esetszm. Vgl a szmunkra most rdekes
eredmnyek: a NEM-vltoznak kt kdja van (1: frfi, 2: n), gyakorisgok (16 frfi s 78 n van a
mintban), mely szzalkos megoszlsban 17-83%. A kumullt szzalkok a folytonos vltozk esetn
jtszanak inkbb szerepet, hiszen ennek jelentse, hogy hnyan tartzkodnak az adott rtknl nem
nagyobb svban (pl. hny legfeljebb 35 ves van a mintban.
A vizsglat lpsei SPSS-ben
Miutn a ROPstat s az SPSS outputja rdemben nem klnbzhetnek egymstl, ezrt csak az
elemzs lpseit mutatom be, illetve az output klnbz rszeit magyarzom el a mhelymunkamegfogalmazs nem fog vltozni.
Az SPSS-ben minden elemzs az Analyze menpontban tallhat. A ler statisztikkat

rtelemszeren a ler statisztikk (Descriptive Statistics) kell keresni, azon bell a diszkrt vltozkra
vonatkoz gyakorisgi elemzs a Frequencies almenben kapott helyet.
A gyakorisgokon tl az albbi lehetsgeink vannak tartva a fenti struktrt a tblzatos lersban

is.
Percentilisek. Alapveten folytonos vltozknl
fontos
mutatk,
melyek
jelentse:
a
populciban vrhatan mely rtk alatt / felett
helyezkedik el a populci adott szzalka. A
kvartilisek
esetn
25%-ot
keresnk,
megadhatak olyan krsek, hogy pl. 10 egyenl
rszre hogyan vghatn el a populcit
(dekdok), illetve a percentilisek esetn
akrmely rtk megadhat (pldul 20-30-50-80
belltssal).
Mhelymunkban ritkn hasznlt, ler
statisztikknl sem tl gyakori.
Kzprtkek. Alapvet jelentsg mutatk

mindenfajta vltozra hasznlhatjuk, azonban ha
a fenti felsorols harmadik esete ll fenn, azaz
olyan vltozval dolgozunk, mint pl. az
osztlyzatok, akkor itt sprolhatunk egy kis idt
magunknak. Mert ezeket a statisztikkat egy
msik menpontban is elrhetjk, az output
lnyegben megegyezik azonban akkor egy
elemzsi rszt idben megtakarthatunk.
Kikrhet (sorrendben) az tlag, medin s
mdusz
(az
sszeg
lnyegben
nem
hasznlatos).
Mhelymunkkban
gyakori,
lnyegben
mindenfajta
vltoz
bemutatsnl
alkalmaznunk kell valamilyen kzprtk
meghatrozst.
Ler statisztikai mutatk. Az els oszlopban a szrdsi mutatk kaptak helyet, sorrendben: szrs,
variancia (szrsngyzet) s a terjedelem (maximum s minimum klnbsge). A msodik oszlopban
a minimum s a maximum, illetve az tlag standard hibja, mg az utols oszlopban az alaki mutatk
tallhatak sorrendben a ferdesg (skewness) s a cscsossg (kurtosis).
Mhelymunkban szintn gyakori az alkalmazsuk, de ez is folytonos vltozkra vonatkozik
ltalban, gy szintn nem e menpontbl rdemes elrni.
Az output itt kicsit msknt nz ki, mint a ROPstat programcsomagban. Rgtn tblzatos formban
kapunk mindent mely szerencss, ha nem kerl megszerkesztsre. Ezrt is lek majd a fejezet
vgn egy ltalnos javaslattal az outputokat illeten.
Statistics
Gender of subjects
N
Valid
Missing
94
0
Gender of subjects
Valid
Male
Female
Total
Frequency
16
78
94
Percent
17,0
83,0
100,0
Valid Percent
17,0
83,0
100,0
Cumulative
Percent
17,0
100,0
Tartalmt tekintve egyetlen tbblet tallhat. A valid szzalkok jelentshez tudnunk kell, hogy
vannak olyan helyzetek, amikor bizonyos krdsekre a megkrdezettek nem tudnak vagy nem
akarnak vlaszolni. A valid szzalk azt mutatja meg, hogy a vlaszadk kztt milyen a szzalkos
megoszlsa a klnbz kategriknak mg a szzalk a teljes mintt figyelembe veszi.
Minden egyb megegyezik a ROPstat adataival. Az els tblzatban lthatjuk, hogy hny fs a minta,
illetve a Missing rtkeknl ltnnk, ha valaki nem vlaszolt volna a fenti krdsre.
A msodik tblzatban elszr a cmkk (frfi-n), majd sorban a gyakorisg, szzalk, valid szzalk
s kumulatv szzalk rtkek szerepelnek.
Mhelymunkabeli megfogalmazs
A mhelymunkkban teht a diszkrt vltozk elemzsre alapveten a gyakorisgi elemzseket

hasznlhatjuk azonban nem mindegy, hogy ezeket hogyan fogalmazzuk meg. braszerkesztst
szndkosan nem mutatok be, hiszen erre vonatkozan sok lehetsgnk van rdemes lehet
ksrletezni. ltalnosan az oszlop- vagy svdiagram tpus kereshet, vagy a krdiagramok. Az SPSS
grafikai lehetsgei mellett az EXCEL is bevethet, illetve brmely ms program, amiben
knyelmesen tudunk brkat szerkeszteni.
Megfogalmazs
A felmrs sorn 94 vlaszol adatait sikerlt megszerezni. A mintban 16 frfi s 78 n volt. Az
adatokat tblzatos formban is sszefoglalom:
NEM
Frfi
N
SSZESEN
Gyakorisg
16
78
94
Szzalkos megoszls
17%
83%
100%
Egy mhelymunkban teht nem kell tlmisztifiklni a minta bemutatst, hiszen a lnyegi rszek
majd a hipotziseink lesznek gy az egyszer, tlthat megfogalmazsokra kell trekedni. Rviden,
pontosan definiljunk mindent mutassuk be a mintnkat, de ne ez legyen a f statisztikai
mozgatrugja a dolgozatunknak.
JAVASLAT
Btran hasznljunk sajt formtumot, nyugodtan szerkesszk t az a programok ltal adott
outputokat sajt magunk szmra knnyen rtelmezhet, tlthat formba. AZ EREDETI
OUTPUTOKAT MINDIG RIZZK MEG, akr csatolmnyknt, mellkletknt a dolgozathoz is lehet
fzni ez mindig a helyzettl fgg, hogy milyen formban kell ezeket trolni.
FOLYTONOS VLTOZK ESETE a KOR-vltoz bemutatsa
Folytonos vltoz lehet pl. a kor, testmagassg, testsly ezek bemutatsra ltalban a ler
statisztikk kzl a vltoz paramtereinek rtkeit alkalmazzuk. Ilyenek az tlag, medin, szrs,
variancia, ferdesg s itt alkalmazhatunk gyakorisgi diagramot vagy hisztogramot, melyrl pldul
elzetes kpet kaphatunk a vltoznk normalitst illeten.
Folytonos vltozk esetn itt szoks megtenni az els hipotziseket is, nevezetesen: azokat a
hipotziseket, melyek a vizsglt vltoz normalitst hivatottak eldnteni. Erre vonatkozan mind az
SPSS-ben, mind a ROPstat-ban tbb teszt is van ezt egy kln fejezetben fogjuk trgyalni.
A vizsglat lpsei ROPstat-ban
Kt lpsben fogjuk vgrehajtani az elemzst, ugyanis mind az alap, mind a rszletes

mintastatisztikkra szksgnk lehet egy mhelymunka sorn s mindkett ler statisztiknak
minsl. Radsul a rszletes mintastatisztikk automatikusan tartalmaznak egy normalits-vizsglati
eljrst is, gy megint csak idt takartunk meg magunknak, ha azt hasznljuk.
10
Amennyiben mindkt elemzst lefuttatjuk, ezt a kt outputot nyerjk:

Alapstatisztikk
Jells:
- Var. eh. = Varicis egytthat = Relatv szrs = szrs/tlag
- X_min = Tallt legkisebb rtk
- X_max = Tallt legnagyobb rtk
- z_min = Standardizlt legkisebb rtk = (X_min - tlag)/szrs
- z_max = Standardizlt legnagyobb rtk = (X_max - tlag)/szrs
94
Index
Vltoz
Esetek
tlag
Szrs
Var. eh. X_min
3.
Age
94
22,59
5,808
0,257
18
________________________________________________________
X_max
41
z_min
-0,79
z_max
3,17

Rszletes ler statisztikk
Index
3.
Vltoz
Age
94
Esetek
94
Medin
20
tlag
22,59
St.hiba
0,599
95%-os konf.int. Ferdesg

21,39
23,78
1,316***
Cscsossg
0,708
Jells a normalits tesztelsnl a Ferdesg s a Cscsossg segtsgvel: *: p < 0,05 **: p < 0,01 ***: p < 0,001
Az alapstatisztikk esetn teht tlagot, szrst, varicis egytthatt (szrs / tlag, azaz mekkora a
szrs az tlaghoz kpest), a vltoz minimlis s maximlis rtkt, illetve a minimum s a
maximum standardizlt rtkt nyerjk (ez utbbi kett azt mutatja meg, hogy a legnagyobb s
legkisebb rtk hny szrsnyira helyezkedik el az tlagtl). Esetnkben jl lthat, hogy mg a
minimum mg 1 szrsnyira sincsen, addig a maximum tbb mint 3 szrsnyira van. Teht az
11
eloszlsunk kzel sem tnik szimmetrikusnak az elz gyakorisgi elemzssel krhetnk
hisztogramot is a kvetkezkben ennek mdjt ismertetem.
A rszletes ler statisztikkban az tlag mellett a medin is megjelenik, illetve az tlag standard
hibja s a segtsgvel szmtott, tlaghoz tartoz 95%-os konfidencia-intervallum (ebben az
intervallumban tallhat a populcibeli tlag 95%-os valsznsggel). A ferdesg s a cscsossg
melletti ***-ok jelzik, ha a vltoz szignifiknsan eltr a normlistl. Esetnkben is leolvashat a
ferdesg melletti ***-bl, hogy az eloszls lnyegesen ferdbb annl, mint amit egy normlis
eloszlsnl mg tolerlni tudunk, teht a Kor-vltoz ebben a mintban nagy valsznsggel nem
normlis eloszls.
Gyakorisg, hisztogram
94
VLTOZ: Age (Age of subjects in years)

Oszt.kz. Gyak
%
Kum%
19,15
57
60,6
60,6
|============================================
21,45
6
6,4
67,0
|====
23,75
2
2,1
69,1
|=
26,05
8
8,5
77,7
|=====
28,35
6
6,4
84,0
|====
30,65
5
5,3
89,4
|===
32,95
3
3,2
92,6
|=
35,25
4
4,3
96,8
|==
37,55
2
2,1
98,9
|=
39,85
1
1,1
100,0
|
ssz.:
94
Jl lthat, hogy az eloszlsunk valban igen ferde a normlis eloszls grbjhez kpest az als
rgik igen-igen tlreprezentltak a felsbb korkategrik rovsra. A program sajt maga kszt
kategrikat, melyekbe a kor alapjn elhelyezi a vizsglati alanyokat.
12
A vizsglat lpsei SPSS-ben
Az SPSS-ben a fenti adatok kzl nhnyat nem fogunk tudni megjelenteni, illetve nhny szmts
kell hozz, hogy a ROPstat-tal azonos informcikat kiolvashassuk ebbl a programbl is.
Az SPSS-ben csak egy menpontot hasznlunk, azon bell tudunk elrni minden lehetsges rtket
azonban figyeljnk oda, hogy itt az adattartalom el fog trni a ROPstat adattartalmhoz kpest!
13
A megfelel belltsok alkalmazsa utn az albbi outputot kapjuk:
Descriptive Statistics
Age of subjects in years

Valid N (listwise)
N
Statistic
94
94
Minimum
Statistic
18
Maximum
Statistic
41
Mean
Statistic
Std. Error
22,59
,599
Std.
Deviation
Statistic
5,808
Variance
Statistic
33,729
Skewness
Statistic
Std. Error
1,316
,249
Kurtosis
Statistic
Std. Error
,708
,493
ltalnos eljrsknt elmondhat, hogy egy paramter 95%-os konfidencia-intervallumt az albbi

eljrssal kaphatjuk meg:
Az intervallum als hatra: paramter 2x(standard hiba)
Az intervallum fels hatra: paramter + 2x(standard hiba)
PLDA:
A ferdesg s cscsossg esetn:
A ferdesg 95%-os konfidencia-intervallumnak als hatra: 1,3 2 x 0,25 = 0,8
A ferdesg 95%-os konfidencia-intervallumnak fels hatra: 1,3 + 2 x 0,25 = 1,8
A cscsossg 95%-os konfidencia-intervallumnak als hatra: 0,7 2 x 0,5 = -0,3
A cscsossg 95%-os konfidencia-intervallumnak fels hatra: 0,7 + 2 x 0,5 = 1,7
gy megllapthatjuk, hogy a ferdesg esetn a 0 nincsen benne a 95%-os konfidenciaintervallumban, mg a cscsossg esetn igen teht az eloszls szignifiknsan ferdbb, mint a
normlis eloszls, azonban a cscsossga nem klnbzik tle szignifiknsan. Ezzel egytt azonban
megllapthat, hogy a KOR-vltoz eloszlsa szignifiknsan nem normlis.
A tbbi paramter mr kiolvashat a tblzatbl.
Fontos azonban szrevenni, hogy a Variance (variancia, szrsngyzet) oszlopot megelz paramter
kirsa nem trtnt meg. Az Std. felirat az Std. deviation (szrs) paramtert takarja.
14
Normalits-vizsglat mindkt programban
A normalitsra teht mr megfogalmazhattunk egy megllaptst a ferdesg alapjn, hiszen a

programok azt mutattk, hogy a KOR-vltoz eloszlsa szignifiknsan klnbzik a normlis
eloszlstl.
A kt programban azonban van lehetsgnk arra, hogy kln, brmely vltozra normalitsvizsglatot krjnk. Erre vonatkozan 3 mdszernk lesz:
1) A ferdesg s cscsossg alapjn egy paramteres teszt, mely esetn azt teszteljk, hogy a
vizsglt vltoznk emltett kt paramtere szignifiknsan klnbzik-e a normlis eloszls 0-0
ferdesg-cscsossg rtktl. Ezt gy tesszk meg, hogy:
a. A ROPstat program automatikusan kiszmtja helyettnk a konfidencia-intervallumot
s megjelli szmunkra, ha valamely rtk szignifikns eltrst mutat a hipotetikus 0
rtktl.
b. Az SPSS-ben a ferdesg s cscsossg mell egy-egy standard hibt szmt a
program, melyek nagyjbl 2-szerest hozzadva s kivonva a szmtott
paramterbl meghatrozhatjuk a ferdesg s cscsossg konfidencia-intervallumait.
Ezek utn, ha ezek az intervallumok tartalmazzk a 0-t, akkor nincsen szignifikns
eltrs ha nem tartalmazzk, akkor a vltoz eloszlsa szignifiknsan eltr a
normlis eloszlstl.
2) A folytonos vltozk illeszkeds-vizsglatnak egyik legrgibb, ltalnos mdszere a
Kolmogorov, vagy KolmogorovSzmirnov-eljrs. Az SPSS-ben ezt az eljrst hasznljuk
ltalban normalits tesztelsre. A ROPstat bizonyos esetszm alatt ezt, bizonyos esetszm
felett a 3. pontban ismertetett eljrst vlasztja.
3) A harmadik lehetsg a diszkrt vltozkra hasznlhat khi-ngyzet statisztika, mely azonban
hasznlhat folytonos eloszlsok esetn is ilyen helyzetben diszkretizlunk, csoportokat
hozunk ltre. Ezt a ROPstat megteszi helyettnk (az SPSS nem, gy ezt nem is hasznljuk),
teht itt is csak az eredmnyt kell rtelmeznnk. Fontos megjegyezni, hogy ehhez a
statisztikhoz (is) nagyobb elemszm szksges, teht kisebb mintnl nem ezt fogjuk tallni
a ROPstat esetn sem.
A ferdesg s cscsossg segtsgvel vgzett elemzst mr megnztk. A khi-ngyzet statisztikt
csak a ROPstat programban fogjuk elrni (az SPSS-ben ennek alkalmazsa egyb technikkat is
ignyel).
Normalits-vizsglat ROPstat-ban
15
E fenti belltsokkal az albbi output szletik:

Normalitsvizsglat (a normlis eloszls nullhipotzisnek tesztelse)
94
Jells: +: p < 0,10 *: p < 0,05 **: p < 0,01 ***: p < 0,001
VLTOZ: Domin (Dominance)
rvnyes rtkek szma: 82
Kolmogorov-fle normalitsvizsglat: Dmax = 0,089, D* = 0,808 (p = 0,5318)
Lthat, hogy a Kolmogorov-fle vizsglatot hajtotta vgre a program (a HELP-ben ezt meg is
nzhetjk, hogy a khi-ngyzet statisztikhoz legalbb 100 fs mintra van szksg).
A dominancia-vltoz ezek alapjn, p = 0,5318-as rtk mellett, nem klnbzik szignifiknsan a
normlistl.
16
Normalits-vizsglat SPSS-ben
Az SPSS-ben teht csak Kolmogorov-fle megoldst fogunk vlasztani, mely az albbi menpontban
tallhat:
Amennyiben jl helyeztnk el mindent, gy az albbi outputot kapjuk:
17
One-Sample Kolmogorov-Smirnov Test

N
Normal Parameters a,b
Most Extreme
Differences
Mean
Std. Deviation
Absolute
Positive
Negative
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
Dominance
82
11,84
3,779
,089
,089
-,060
,808
,532
a. Test distribution is Normal.

b. Calculated from data.
Megfigyelhet, hogy a paramterek ugyanazok: a Z-statisztika rtke (mely a ROPstatban D*-knt

szerepelt) 0,808, a hozz tartoz Asymp. Sig (mely a ROPstatban p) 0,532.
gy megllapthat, hogy a ROPstattal azonos eredmny szletett, a dominancia-vltoz az SPSS
szmtsai alapjn sem klnbzik szignifikns mdon a normlistl.
Fontos kiemelni, hogy szndkosan nem a KOR-vltozval vgeztem el ezt a vizsglatot, mert onnan
mr a rszletes statisztikknl kaptunk informcit. Ez a vizsglat ltalban azoknl a vltozknl
rdekes, melyekre ksbb hipotziseket kszlnk pteni (a KOR-vltoz nem felttlenl ilyen). A
felvett krdvek skli, sszestett eredmnyei szoktak olyan szerepet betlteni, hogy esetkben
fontos lehet a normalits ellenrzse.
18
Ebben az esetben tbb mindent kell sszefoglalnunk nhny mondatban, tbb eredmnynket kell
tmr formban ismertetnnk. Ismertetnnk kell ugyanis a szmunkra fontos paramtereket, illetve
a normalitsrl is ejthetnk itt pr szt.
A KOR-vltoz ismertetse
A mintba kerltek tlagletkora 22,6 v volt, szrsa 5,8 v. A minta eloszlsa ferde: a fiatalabbak
lnyegesen nagyobb arnyban reprezentltak, mint a fiatalok, ezt tmasztja al a standardizlt
minimum s maximum rtk (-0,79 s 3,17), tovbb az eloszls ferdesge is (1,316) azaz a
maximlis rtk lnyegesen tvolabb van az tlagtl, mint a minimlis rtk.
A normalits krdse:
A DOMINANCIA-vltoz normalitsra vonatkoz megfogalmazs ROPstat hasznlata esetn
A dominancia-vltoz normalitst Kolmogorov-teszttel ellenriztk (D* = 0,808, p = 0,5318), s azt
mondhatjuk, hogy a dominancia-vltoz eloszlsa nem klnbzik szignifiknsan a normlistl.
A DOMINANCIA-vltoz normalitsra vonatkoz megfogalmazs SPSS hasznlata esetn
A dominancia-vltoz normalitst Kolmogorov-teszttel ellenriztk (z = 0,808, Asymp. Sig = 0,532),
s azt mondhatjuk, hogy a dominancia-vltoz eloszlsa nem klnbzik szignifiknsan a normlistl.
Amennyiben SPSS programot hasznlunk, gy a folytonos vltozk elzetes bemutatsra a
Kolmogorov-teszttel idt takarthatunk meg, hiszen az ltalnosan hasznlt paramterek szerepelnek
a statisztika outputjn. gy az SPSS hasznlata esetn a dominancia-vltoz bemutatsa a kvetkez
megfogalmazsban is trtnhet:
A dominancia-vltozt 82 vizsglati szemly esetn tudtuk meghatrozni: a minta tlaga 11,84 lett,
szrsa 3,78. A vltoz normalitst Kolmogorov-teszttel ellenriztk (z = 0,808, Asymp. Sig = 0,532),
s azt mondhatjuk, hogy az eloszlsa 95%-os szinten normlisnak tekinthet.
Megjegyzsek
E fenti adatokat is ssze lehet foglalni (amennyiben tbb vltoz is vizsglatra kerl) tblzatos
formban, nem kell mindegyik vltozra e fenti, szveges megfogalmazst alkalmazni. A lnyeg, hogy
a megfelel hivatkozsi rtkek (statisztikai rtk, szignifikancia) feltntetsre kerljenek.
Fontos teht kiemelni: MINDEN OLYAN ESETBEN, ahol STATISZTIKAI LLTS trtnik, az alkalmazott
statisztikai eljrsban szmtott STATISZTIKAI RTK, ha van SZABADSGI FOKA s SZIGNIFIKANCIA
SZINTJE, KTELEZEN FELTNTETEND RTK!
19
KZPRTKEK VIZSGLATRA VONATKOZ HIPOTZISEK

A kzprtkeket tbb mdon is vizsglhatjuk, illetve tbb felvetsnk, elgondolsunk vezethet
olyan statisztikai vizsglathoz, melyek megoldshoz egyes vltozk kzprtkeit kell vagy
nmagukban vizsglni, vagy egymssal sszehasonltani (akr csoportokat, akr ugyanazon vltozt
klnbz mrsi idpontokban).
Fontos kiemelni, hogy ebbe a sorba fognak tartozni azon esetek is, amikor hangulatban a
kzprtkek vizsglatra hasonlt az eljrs, azonban nagysgszinteket hasonltunk majd ssze.
A vizsglati helyzetekre nhny pldt tekintnk t annak rdekben, hogy megknnytsk a sajt
munknkban tallhat hipotzis elhelyezst. Ezeken a pldkon keresztl fogjuk bemutatni a
felhasznlhat mdszereket.
1) Egy vltoz elmleti kzprtkt szeretnnk tesztelni: igaz-e, hogy a vizsglt populciban
az IQ-vltoz tlaga 100?
2) Kt fggetlen mintt szeretnnk sszehasonltani: igaz-e, hogy a frfiak feminits-rtke
alacsonyabb, mint a nk?
3) Kettnl tbb fggetlen mintt szeretnnk sszehasonltani: igaz-e, hogy ha az IQ-vltoz
alapjn 3 kategrit hozunk ltre, akkor az IQ emelkedsvel nem jr egytt a feminitsrtk nvekedse?
4) Kt, azonos skln mrt vltoz sszehasonltsa: igaz-e, hogy a Szondi-tesztben a homo1 s
homo2 kp kedveltsge azonos?
A knnyebb alkalmazs okn ezt az elemzst kizrlag ROPstatban fogjuk majd
bemutatni ltalnossgban, ezt elg egyszer SPSS-ben is vgrehajtani, viszont a
kvetkez pont miatt hagyatkozunk inkbb a ROPstatra.
5) Legalbb 3 azonos skln mrt vltoz sszehasonltsa: egy adott vltozt vizsglunk
legalbb 3 klnbz idpontban, vagy legalbb 3, azonos helyzetet, tulajdonsgot mr (s
gy sszefgg) vltozt szeretnnk sszehasonltani: igaz-e, hogy a Szondi-tesztben a tbb
szadista kp megtlse azonos?
Ennl az alkalmazsnl egyrtelmen knyelmesebb a ROPstat hasznlata, mint az
SPSS-, gy az sszefgg mints elemzseknl e programot javasoljuk.
20
6) Kt csoportost vltoz egyidej hatsnak vizsglata: igaz-e, hogy a dominancia rtke
msknt viselkedik a frfiak s a nk kztt, amennyiben az IQ nagysgszintjt is figyelembe
vesszk?
7) Csoportok s vltozk egyidej sszehasonltsa: igaz-e, hogy a Szondi-teszt szadist 1-2-3-45-6 kpeinek kedveltsge ms frfiak s nk kztt?
Ezt a 7 krdst fogjuk most mind SPSS-ben, mint ROPstatban megvizsglni. Lesznek olyan helyzetek,
ahol CSAK az egyik programmal fogunk dolgozni.
Mr most jegyezzk meg, hogy statisztikai hipotzisknt minden esetben egyenlsget, illetve
fggetlensget tudunk csak tesztelni, teht a statisztikai programok ilyen jelleg krdsek
megfogalmazst tudjk knnyebben eldnthetv tenni szmunkra.
Tovbb az utols esetben ez a hats SSZETETT, teht egyszerre, egy idben tbb hipotzist is
vizsglnunk kell!
21
Egy vltoz nagysgszintjnek tesztelse
Mostantl minden esetben megfogalmazzuk a pldknl is ltott szakmai jelleg hipotziseket,

illetve felrjuk azt is, hogy mindez a statisztikai megfogalmazsban hogyan fest. gy knny ugyanis
lefordtani a magunk szmra a programok outputjt, tovbb megknnytjk magunk szmra a
statisztikai eredmnyek szakmai nyelvre trtn lefordtst.
Igaz-e, hogy a vizsglt populciban az IQ-vltoz tlaga 100?
A fenti megfogalmazs szakmai hipotzisknt is felfoghat br szakmai hipotzisnek megfelelne pl.

az is, hogy Igaz-e, hogy a vizsglt populci tlaga nagyobb / kisebb, mint 100?.
A statisztikai hipotzis azonban a korbbi megjegyzs miatt mindenkppen ez lesz:
Igaz-e, hogy a vizsglt populciban az IQ-vltoz tlaga 100?, hiszen statisztikailag mindig
egyenlsget tudunk tesztelni.
A fenti feladat esetn lp eltrbe az, hogy a vizsglt vltoznkra alkalmazhat statisztikai mdszerek
milyen felttelekkel alkalmazhatk. Tekintsk t a mdszereket a feltteleikkel egytt hogy
megfelel mdszert tudjunk vlasztani e krds eldntsre:
Hagyomnyos esetben a fenti krds eldntsre t-prbt alkalmazunk, melynek hasznlathoz
szksges a vltoz normalitsa (nagy mintk esetn ettl eltekinthetnk).
Amennyiben a normalits srl, gy kt lehetsgnk van:
a) Robusztus t-prbt hasznlunk (Johnson s Gayen), melyek a vltoz ferdesg s / vagy
cscsossg paramtervel kontrollljk a t-prba statisztikjt, elrve gy, hogy az tlagra
egy robusztus (adott szignifikancia-szintet tart) eljrst nyerjnk.
b) Nem az tlagot teszteljk, hanem a medint. Ennek felttele a vltoz szimmetrikussga
(teht, ha a ferdesg szignifiknsan eltr 0-tl, akkor ez tovbbra sem jrhat t), gy
amikor ez srl, az eljelprba alkalmazhat, melynek egyetlen felttele a vltoz
ordinlis sklzsa (nyilvn egy nominlis vltoz esetn sok rtelme nincsen
kzprtkt tesztelni).
Ezen prbk kzl az SPSS alapveten az els verzira alkalmas (ez persze nyilvn tlzs, de azt
fogjuk csak megnzni), mg a ROPstat egy menpontban az sszes verzit kiszmtja szmunkra, gy
ezen hipotzisek eldntsre alapveten a ROPstat programcsomagot javasoljuk.
22
Egy vltoz nagysgszintjnek tesztelse ROPstat programcsomagban
23
Amennyiben mindenben helyesen jrtunk el, az albbi outputot kapjuk:
94
Jells: +: p < 0,10 *: p < 0,05 **: p < 0,01 ***: p < 0,001
VLTOZ: IQ (IQ of subjects)
rvnyes rtkek szma: 94
tlag:
133,70
Szrs:
13,85
Medin:
135
Minimum:
90
Maximum:
160
Hipotetikus rtk: 100
A normalits tesztelse a Ferdesg s a Cscsossg segtsgvel:
Ferdesg: -0,572 (p = 0,024)*
Cscsossg (g4 = a4 - 3): 0,421 (p = 0,405)
A H0: Az elmleti tlag = 100 nullhipotzis vizsglata:
- Egymints t-prba: t(93) = 23,588 (p = 0,0000)***
A H0: Az elmleti medin = 100 nullhipotzis vizsglata:
- Wilcoxon-prba: R- = 5,5, R+ = 4459,5, z = 8,403 (p = 0,0000)***
A H0: P(X < 100) = P(X > 100) nullhipotzis vizsglata:
- Eljelprba: #(X < 100) = 2 (2,1%), #(X > 100) = 92 (97,9%), z = 9,180 (p = 0,0000)***
Az output struktrja: elszr az eljrst olvashatjuk le, majd a teljes esetszmot. Utna egy
jellsrendszer kvetkezik, hogy a klnbz statisztikk melletti * vagy + jel milyen szignifikanciaszintet jell (mekkora az elkvethet elsfaj statisztikai hiba valsznsge).
A jellsek utn a vltoz ler statisztikai jellemzi kvetkeznek tblzatos formban, illetve annak
aljn a tesztelend hipotetikus rtket is kirja a program, hiszen elviekben egyszerre tbb vltozt is
vizsglhatnnk, ms s ms hipotetikus rtkekkel.
A ler statisztikk utn a normalits tesztelse kvetkezik, ahol jl lthatan a ferdesg srlse
nmi bizonytalansgot okozhat, hogy a t-prba alkalmazsa megfelel-e a 100-as tlag tesztelsre
(ezt majd feloldjuk).
Ezek utn 3 tesztels kvetkezik: az els a hagyomnyos, egymints t-prba, ahol a t(93) = 23,588 (p
= 0,0000)*** jelenti azt, hogy a t-statisztika 93-as szabadsgi fokon szmtott rtke 23,588, melyhez
tartoz elsfaj hiba valsznsge igen csekly (0,0000), az tlag egybknt 133,7.
24
A msik teszt a Wilcoxon-statisztika, melyben a medint teszteljk, illetve azt, hogy a vltoz
medinja lehet-e 100 itt a z = 8,403, illetve p = 0,0000 mutatja azt, hogy a medin is igen tvol van
hipotetikus 100-as rtktl (medin = 135).
Az utols prba az eljelprba, melynek sorn azt vizsgljuk, hogy 100-as rtk alatt, illetve 100-as
rtk felett azonos valsznsggel kapunk-e rtket? Az ehhez tartoz z-rtk 9,18, p-rtk pedig
0,0000, azaz itt is vilgos, hogy 100 alatt s felett nem ugyanolyan valsznsggel tartzkodunk, st.
Azt is leolvashatjuk, hogy 100 alatt kisebb valsznsggel (2,1%) vagyunk, mint felette (97,9%).
Az tlag tesztelsekor akkor lett volna indokolt a robusztus, tlagtesztel eljrsok bevetse, ha az
elemszm 500 alatti (ez most teljesl, hiszen 94 fs a minta), s a t-rtk nem tl nagy (abszolt
rtke nem haladja meg a 10-et). Azonban most olyan nagy volt a t-rtk, hogy a kt robusztus teszt
sem hozott volna rdemileg tbb informcit szmunkra, mint a t-prba (olyan nagy a klnbsg a
hipotetikus s a szmtott rtk kztt, hogy a tveds valsznsge elenyszen kicsi).
25
Egy vltoz nagysgszintjnek tesztelse SPSS programcsomagban
Az SPSS-ben teht hagyomnyos egymints t-prbt hasznlhatunk, ahol nem lesz beptett
normalits-tesztels, teht itt mindenkppen meg kell elznie az elz fejezet vgn hasznlt
normalits-vizsglatnak egy ilyen tpus elemzst!
Amennyiben megfelelen jrtunk el, az albbi outputot nyerjk:

One-Sample Statistics
N
IQ of subjects
94
Mean
133,70
Std. Deviation
13,852
Std. Error
Mean
1,429
One-Sample Test
Test Value = 100
IQ of subjects
t
23,588
df
93
Sig. (2-tailed)
,000
Mean
Difference
33,702
95% Confidence
Interval of the
Difference
Lower
Upper
30,86
36,54
Az els tblzatban itt is a ler statisztikkat lthatjuk, mg utna magt a t-prbt. A tblzat
oszlopai sorrendben tartalmazzk a ROPstattal megegyez informcitartalm adatokat. Elszr a
26
vizsglt vltoz nevt (fels sorban a tesztelend rtkkel), mg utna a t-rtket, szabadsgi fokot
(df) s a szignifikancia-szintet. Ezen kvl az tlag klnbsgt, illetve az tlag 95%-os konfidenciaintervallumt.
Megjegyezzk, hogy ebbl az intervallumbl szrmaz rtkek azok, melyektl nem klnbzik
szignifiknsan a szmtott tlag, azaz: ha innen szrmazna a hipotetikus rtk, akkor nem
tapasztalnnk szignifikns klnbsget.
Az IQ-vltoz tlaga = 100 hipotzis tesztelse

A mintba kerlt 94 f adatai alapjn azt llthatjuk, hogy a vizsglt populci 133,7-es IQ-tlaga
szignifiknsan magasabb, mint 100 (t = 23,588, szabadsgi fok = 93, p = 0,0000). Br a vltoz
eloszlsa ferde, az eltrs akkora, hogy nincsen szksg semmifajta robusztus tesztelsre.
Fontos megjegyezni, hogy ha kellennek a robusztus tesztek, akkor ott a fenti magyarzatban lert
statisztikk kellenek a hivatkozsba, illetve a lersba. Tbb vltoz esetn az eredmnyeket
sszefoglal tblzatban is be lehet mutatni, s a nyers szvegben mr csak a klnbsgeket, illetve
egyezseket szksges kiemelni.
A dolgozatokban teht a vltoz ELOSZLSA dnti el, hogy az egymints tesztek kzl melyiket
vlasztjuk. A hivatkozsoknak minden esetben tartalmaznia kell a hasznlt vltoz statisztikai
jellemzit. Ezek:
1) T-prba, illetve annak robusztus vltozatai (Johnson s Gayen) esetn a t-rtk, szabadsgi
fok s a p-rtk.
2) Wilcoxon-prba esetn mindenkppen szerepeljen, hogy ekkor mr a medint teszteljk
(ferde eloszlsnl nem alkalmazhat), hivatkozni a z- s a p-rtkre kell.
3) Eljelprba esetn (csak az ordinalits kell hozz, azaz ferde eloszlsok esetn is hasznlhat)
szintn a z- s p-rtk kell.
27
Egy vltoz nagysgszintjnek tesztelse 2 csoportban
Ebben a fejezetben olyan krdseket trgyalunk, amikor kt csoport (akr kontroll- s vizsglati
csoportok sszehasonltsa, akr kt fggetlen csoport, mint frfiak-nk) kerl sszehasonltsra
valamely vizsglt vltoz mentn. A krdsfelvets szakmailag tbbek kztt az albbi mdon
fogalmazhat meg:
Igaz-e, hogy a frfiak feminits-rtke alacsonyabb, mint a nk?
Vilgos az elz fejezet alapjn, hogy e fenti krds szakmai hipotzis statisztikailag nem ezt fogjuk
vizsglni, tesztelni, hanem:
Igaz-e, hogy a frfiak s nk feminits-rtknek mrtke megegyezik?
Vegyk szre, hogy az elz fejezetben mr hangslyt kapott mdon itt e hipotzist mr
szndkosan nem is az tlagon keresztl fogalmazzuk meg, br megtehetnnk. A hagyomnyos
eljrs (ktmints t-prba) alkalmazshoz kt felttelt kell teljestennk: a vizsglt vltoznknak
(jelen esetben a feminitsnak) normlis eloszlsnak kell lennie, tovbb a kt csoportban e mrt
vltoz szrsa nem klnbzhet egymstl.
A kt felttel kzl a normalits (ahogy mr az egymints esetben is) nagyobb mintk esetn nem
szmt szigor felttelnek (nagyobb mintnak mondjuk 100 ft vehetnk), azonban a szrsok
egyezse (ez az gynevezett szrshomogenits) igen fontos kittele a hagyomnyos eljrs
alkalmazsnak.
Amennyiben ez srl, gy robusztus alternatvt kell nzni az tlag tesztelsre (teht ekkor a
normalits mg fennll) ez lesz a Welch-fle d-prba.
Amennyiben kisebb mintnk van, vagy gy rezzk, hogy az tlag nem megfelel mutat a
szmunkra, mert pl. kt ellenttesen ferde eloszlsrl van sz, gy az gynevezett MannWhitneystatisztikt, illetve egyb, robusztus rangstatisztikai mdszereket lehet bevetni m ekkor mr
sztochasztikus egyenlsget tesztelnk.
A ROPstatban ezeket a problmkat vgigvesszk, az SPSS-ben a hagyomnyos ktmints t-prbt, a
Welch-fle d-prbt s a Mann-Whitney-statisztikt fogjuk megnzni.
28
Egy vltoz nagysgszintjnek tesztelse 2 csoportban a ROPstat programcsomagban
29
Amennyiben ezt a belltst hasznljuk, gy az tlagokat teszteljk, s az albbi outputot nyerjk:
A beolvasott sszes eset szma: 94
Csoportost vltoz: Gender (Gender of subjects)
Jells: +: p < 0,10 *: p < 0,05 **: p < 0,01 ***: p < 0,001
FGG VLTOZ: Feminin (Femininity)
Csoportonknti alapstatisztikk
Index
Gender
Esetek
tlag
Szrs
Min.
Max.
1
Male
12
12,08
2,678
8
16
2
Female
70
14,00
1,963
10
18
Ha a Ferdesg vagy a Cscsossg szignifikns, az a normalits srlst jelzi.
Ferdesg
0,268
0,154
Cscsossg
-1,241
-0,465
Elmleti szrsok egyenlsgnek tesztelse

- O'Brien-prba (Welch-fle): F(1,0; 12,9) = 2,604 (p = 0,1308)
- Levene-prba (Welch-fle): F(1; 14,6) = 3,409 (p = 0,0852)+
Elmleti tlagok egyenlsgnek tesztelse
Hagyomnyos eljrs, amely felttelezi a szrshomogenitst:
- Ktmints t-prba: t(80) = -2,954 (p = 0,0041)**
Hatsvariancia = 37,6321, Hibavariancia = 4,3115
Korrelcis hnyados (nemlineris korrelcis egytthat): eta = 0,314
Megmagyarzott variancia-arny: eta-ngyzet = 0,098
Cohen-fle delta hatsmrtk: d = -0,923
Robusztus eljrs, amelynl nem szksges a szrshomogenits:
- Welch-fle d-prba: d(13,1) = -2,372 (p = 0,0337)*
95%-os konfidencia-intervallum a kt elmleti tlag m1-m2 klnbsgre
- a ktmints t-prba alapjn: C(0,95) = (-3,210, -0,623)
- a Welch-fle d-prba alapjn: C(0,95) = (0,028; 0,599)
Az output szerkezete a kvetkez: elszr az esetszm s a csoportost vltoz van feltntetve,

majd a mr megismert, szignifikancikat jell * s + jelek.
Ezek utn a vizsglathoz szksges alapstatisztikk kvetkeznek az tlagokat teszteljk, a szrsok
egyezse az egyik felttel (ezrt kellenek a szrsok), illetve a normalits a msik (ferdesg s
cscsossg). Amennyiben a ferdesg s cscsossg szignifiknsan eltr valamely csoportban a 0-tl,
gy ott + vagy * jel lesz lthat most ezzel nincsen gondunk.
Az els teszt a szrsok egyezsnek tesztelse Levene- vagy OBrien-prbval, melyek a
szrshomogenitsnak robusztus tesztjei. Hivatkozni az F-rtkekre, a zrjelekben lv szabadsgi
fokokra s a p rtkekre kell itt egyik esetben sem ltunk *-ot, teht nincsen szignifikns klnbg
a szrsok kztt.
gy miutn mindkt felttel teljesl hasznlhatjuk az els blokkban lv hagyomnyos eljrst, a
ktmints t-prba lesz szmunkra az rdekes. Azt lthatjuk, hogy a t-rtk megfelelen eltr 0-tl, a
p-rtk alapjn ez az eltrs szignifikns, teht a kt tlag kztt szignifikns klnbsg van. Jelen
esetben a hatsvariancia s egyb paramterek nem szmtanak a ksbbiekben, a korrelcis
egytthatk vizsglatakor erre ki fogunk trni.
Amennyiben a szrshomogenits tesztelsekor gond lenne, gy a kvetkez blokkot kne nzni, a
Welch-fle d-prbt (hivatkozs: t-rtkre, szabadsgi fokra s p-rtkre). Ez is azt mutatja, hogy
szignifikns eltrs van a kt tlag kztt.
A konfidencia-intervallum a klnbsgre nem fontos szmunkra.
30
Amennyiben a nagysgszinti viszonyok rdekelnek minket teht nem az tlagot szeretnnk
tesztelni, az albbi mdon jrhatunk el:
gy az output nyilvn megvltozik:

Csoportost vltoz: Gender (Gender of subjects)
Jells: +: p < 0,10 *: p < 0,05 **: p < 0,01 ***: p < 0,001
Index
1
2
Gender
Male
Female
Esetek
12
70
Rangtlag
26,79
44,02
Rangszrs
26,98
22,19
Min.
8
10
Max.
16
18
Elmleti rangszrsok egyenlsgnek tesztelse

- Levene-prba (Welch-fle): F(1; 15,1) = 1,588 (p = 0,2267)
Sztochasztikus egyenlsg tesztelse
- Mann-Whitney-prba (normlis kzelts): Z = -2,339 (p = 0,019)*
Szrshomogenitst nem ignyl robusztus kzelt eljrsok:
- Fligner-Policello-prba Welch-fle szabadsgfokkal: FPW(11,0) = -2,169 (p = 0,0528)+
- Brunner-Munzel-prba: BM(12,1) = -2,108 (p = 0,0566)+
Pont- s intervallumbecsls a valsznsgi flny A mutatjra:
A12 = 0,290 [ P(Csop1 > Csop2) = 0,243, P(Csop1 < Csop2) = 0,663 ]
C(0,95) = (0,073; 0,507)
31
Ebben az esetben gy lehet a hipotzist felfogni, hogy ha tallomra vlasztannk egy frfit s egy nt,
akkor melyiknek lenne a feminits-skln mrt rtke vrhatan a nagyobb. Ezt kvnjuk tesztelni.
Ehhez elszr ugyangy a ltszmon s a csoportost vltozn, majd a jellseken kell vgigmenni.
Ezek utn kvetkeznek a ler statisztikk. Azonban, miutn itt sztochasztikus egyenlsget
tesztelnk, ezrt ezek rangsorolsos eljrsok, ahol a rangszmok tlagai s szrsai kerlnek grcs
al.
A hagyomnyos rangsorolsos eljrshoz nem kell a normalits (ppen azrt szoktuk ezt az esetet
vizsglni, mert a normalits srl az eredeti vltoznknl), viszont a rangsorok szrsnak
egyenlsge itt is felttel lesz. Ezt ugyangy teszteljk, mint a rendes esetben teht, ha itt *-ot jelez
valamely prba (Levene, OBrien), akkor a robusztus alternatvt kell figyelnnk.
Ezek utn jn a hagyomnyos, Mann-Whitney-fle eljrs (hivatkozni a Z-rtkre s a p-rtkre kell).
Itt azt lthatjuk, hogy szignifikns eltrs van a rangtlagok kztt.
Amennyiben a szrshomogenits srl, gy a FPW-prba (a hozz tartoz statisztikval s prtkkel), vagy a BM-prba (szintn a hozz tartoz statisztikval s p-rtkkel) lesz az irnyad.
Ezen kvl az elz blokkban megismert eljelprba ltalnostsa is szerepet kaphat, az gynevezett
valsznsgi flny mutatja, melynek segtsgvel rtelmezhetek, magyarzhatak,
interpretlhatak az elz eredmnyek: mennyi annak a vrhat valsznsge, hogy az els vagy a
msodik csoport nyer, azaz hogy valamely csoport nagyobb rtket r el.
Minden tesztnk azt mutatja, hogy a frfiak alacsonyabb feminits-rtkekkel rendelkeznek, mint a
nk.
32
Egy vltoz nagysgszintjnek tesztelse 2 csoportban az SPSS programcsomagban
Az SPSS-ben teht csak a ktmints t-prbval, illetve a MannWhitney-prbval fogunk

megismerkedni, a tbbi rangstatisztikai mdszert nem fogjuk alkalmazni. Tovbb a
szrshomogenitst is csak a Levene-prbval fogjuk tesztelni, a normalits-tesztelsrl pedig
felttelezzk, hogy eltte elvgeztk, ahogy azt az els fejezetben megismertk.
Amennyiben mindent jl csinltunk, gy a ktmints t-prba outputjt nyerjk:

Group Statistics
Femininity
Gender of subjects
Male
Female
N
12
70
Mean
12,08
14,00
Std. Deviation
2,678
1,963
Std. Error
Mean
,773
,235
33
Independent Samples Test

Levene's Test for
Equality of Variances
F
Femininity
Equal variances
assumed
Equal variances
not assumed
3,648
Sig.
,060
t-test for Equality of Means
df
Sig. (2-tailed)
Mean
Difference
Std. Error
Difference
95% Confidence
Interval of the
Difference
Lower
Upper
-2,954
80
,004
-1,917
,649
-3,208
-,626
-2,372
13,102
,034
-1,917
,808
-3,661
-,172
Az els tblzatban a ler statisztikk lthatak csoportonknt.

A msodik tblzatnak kt sora van: hogy a kt sor kzl melyiket hasznljuk, az els kt rdemi
oszlopban tallhat Levene-prba fogja eldnteni. Az els sor ugyanis a hagyomnyos ktmints tprba statisztikit tartalmazza, mg a msodik sor a Welch-fle d-prba eredmnyeit. Teht, ha a
Levene-prba msodik oszlopban lthat Sig.-rtk 0,05 al kerl (most felette van), akkor az azt
jelenti, hogy a kt szrs szignifiknsan eltr egymstl, teht nem hasznlhat a t-prba (azaz ekkor
kell a msodik sort vlasztani).
Most a Sig.-rtk 0,05 feletti, teht az els sorbl kiolvassuk a t-rtket (-2,954), szabadsgi fokot
(80) s Sig.-rtket (0,004). Ezek alapjn elmondhat, hogy a frfiak tlaga szignifiknsan
alacsonyabb, mint a nk tlaga (az tlagokat az els tblzatban lthatjuk).
Amennyiben mgis szksgess vlik a rangstatisztikk hasznlata, gy a kvetkez mdon jrhatunk
el:
34
Amennyiben minden belltsunk helyes, az albbi outputhoz juthatunk:

Ranks
Femininity
Gender of subjects
Male
Female
Total
N
12
70
82
Mean Rank
26,79
44,02
Sum of Ranks
321,50
3081,50
Test Statisticsa
Mann-Whitney U
Wilcoxon W
Z
Asymp. Sig. (2-tailed)
Femininity
243,500
321,500
-2,339
,019
a. Grouping Variable: Gender of subjects
Az els tblzatban a rangstatisztikai rtkeket lthatjuk, majd a msodik tblzatban a Mann

Whitney-statisztika megfelel rtkeit nzhetjk meg (megegyeznek a ROPstat eredmnyeivel).
35
A feminits-vltoz nemenknti sszehasonltsa tlag alapjn

A feminits-vltoz eloszlsa nem klnbzik szignifiknsan a normlistl (ferdesg s cscsossg
alapjn), illetve a kt nem esetn szmtott tapasztalati szrsok alapjn a kt csoport szrsa sem
tekinthet szignifiknsan klnbznek (Levene-prba: F(1; 14,6) = 3,409 (p = 0,0852)).
Ennek kvetkeztben a hagyomnyos ktmints t-prba felttelei fennllnak, gy (t(80) =
-2,954
(p = 0,0041)) mellett llthatjuk, hogy a frfiak feminits-skln vrhat tlaga szignifiknsan
alacsonyabb, mint a nk feminits-skln vrhat tlaga.
Ha a normalits srl, gy a robusztus tesztek kellenek, majd azokbl is azokat kell kivlasztani,
melyeket a szrsok egyenlsgnek tesztelse mutat. Ezeket az elgazsokat egynileg kell
vgignzni a fenti levezetsek alapjn.
A dolgozatokban teht a vltoz ELOSZLSA dnti el, hogy a ktmints tesztek kzl az tlagokat
vagy a rangsorokat szeretnnk tesztelni (tlagok egyenlsge vagy sztochasztikus egyenlsg lesz a
krds). Ezek utn a megfelel tesztek kzl a szrshomogenits fennllsa vagy elvetse alapjn
kell kivlasztani a megfelelt. Hivatkozsknt az albbiakat tudjuk megfogalmazni szablyknt:
1) A Levene- / OBrien-prbknl az F(szabadsgi fok1; szabadsgi fok2)-rtk s p-rtk.
2) T-prba, illetve annak robusztus vltozata (Welch-d) esetn a t-rtk, szabadsgi fok s a prtk.
3) MannWhitney-prba esetn mindenkppen szerepeljen, hogy ekkor mr sztochasztikus
egyenlsget tesztelnk, a hivatkozsban z-rtk s p-rtk kell.
4) Az FPW s BM esetn a megfelel rtkek szabadsgi fokokkal s p-rtkek kellenek.
A tbb lehetsges elgazs miatt nagyon krltekintnek kell lenni ezeknl a teszteknl. Vegyk
szre azt is, hogy ilyenkor nem biztos, hogy minden eredmnyt ssze tudunk egy tblzatba foglalni,
teht ltalban szveges rtkelseket adunk s az esetleges tblzatokat mellkletbe fogjuk
sszefoglalni, amennyiben szksges.
36
Egy vltoz nagysgszintjt szeretnnk tesztelni legalbb 3 csoportban
Ebben a fejezetben olyan krdseket trgyalunk, amikor legalbb 3 csoport kerl sszehasonltsra
valamely vizsglt vltoz mentn. (Hasonl az elz fejezethez, csak tbb csoporttal). A
krdsfelvets szakmailag tbbek kztt az albbi mdon fogalmazhat meg:
Igaz-e, hogy ha az IQ-vltoz alapjn 3 kategrit hozunk ltre, akkor az IQ emelkedsvel

egytt jr a feminits-rtk nvekedse?
Ismt olyan hipotzist fogalmaztunk meg, mely nem egszen a statisztikai hipotzis hiszen nem
egyenlsg, hanem eltrs szerepel benne. A statisztikai hipotzis, melyet vizsglni tudunk:
Igaz-e, hogy ha az IQ-vltoz alapjn 3 kategrit hozunk ltre, akkor az IQ emelkedse nem
befolysolja a feminits vrhat rtkt?
Ezt mr tudjuk kezelni statisztikailag. Matematikailag az elz blokk ltalnostsa trtnik

hagyomnyos esetben. Sztochasztikus homogenits / egyenlsg esetn nem trivilis az
ltalnosts, gy itt nmi tbblet vgiggondolsra lesz szksgnk. A hagyomnyos eljrsban
tovbbra is felttel lesz a normalits s a szrshomogenits (a hagyomnyos eljrs itt a
varianciaanalzis, vagy VA vagy ANOVA).
A normalits srlse esetn alkalmazott rangstatisztikai eljrsok sorn hasznlt sztochasztikus
homogenits azonban egy rdekes sajtossgot hordoz a hagyomnyos mdszerrel szemben: ha a
hagyomnyos mdszerben az tlagokat sszehasonltjuk, akkor igaz lesz az albbi:
-
Ha A csoport tlaga nagyobb, mint B csoport tlaga, mely nagyobb, mint C csoport tlaga,
akkor ebbl kvetkezik, hogy A csoport tlaga nagyobb, mint C csoport tlaga. Ilyen esetben
teht a PRONKNTI eltrsek egyrtelm sorrendet hatroznak meg. A pronknti
eredmnyek egyrtelm rangsort is definilnak a csoportok kztt.
Azonban sztochasztikus homogenits esetn ez bonyolultabb. Eddig is gy prbltuk meg kezelni a

sztochasztikus flnyt, hogy ha egyik vagy msik csoportbl kivennnk 1-1 egyedet, s
versenyeztetnnk, akkor valamely csapat szisztematikusan legyzn-e a msik csapatot. Azonban
ebben az esetben a legknnyebb a sportbl vett krbevers esett felidzni: A mindig megveri B-t,
B mindig megveri C-t, de C mindig megveri A-t. Teht, br PRONKNT mindig van dominns csoport,
sszessgben mgsem mondhatunk senkit dominnsnak. Ez lesz a rangstatisztikk egyik
rdekessge ebben az esetben: itt akkor mondunk majd valakit sztochasztikusan dominnsnak, ha
MINDENKIT meg tud verni.
37
Egy vltoz nagysgszintjnek tesztelse legalbb 3 csoportban ROPstat
programcsomagban
38
Ha minden bellts megegyezik a fentivel, ezt az outputot nyerjk:
Fggetlen mintk egyszempontos sszehasonltsa
Csoportost vltoz: IQ (IQ of subjects)
Jells: +: p < 0,10 *: p < 0,05 **: p < 0,01 ***: p < 0,001
Index
IQ
Esetek
tlag
Szrs
Min.
Max.
1
low
22
13,59
2,282
10
18
2
middle
36
13,61
2,032
8
17
3
high
24
14,00
2,341
10
18
Ha a Ferdesg vagy a Cscsossg szignifikns, az a normalits srlst jelzi.
Ferdesg
0,188
-0,689+
0,155
Cscsossg
-0,897
0,416
-0,556
Elmleti szrsok egyenlsgnek tesztelse

Elmleti tlagok egyenlsgnek tesztelse
- Varianciaanalzis: F(2; 79) = 0,278 (p = 0,7579)
Hatsvariancia = 1,3375, Hibavariancia = 4,8085
Korrelcis hnyados (nemlineris korrelcis egytthat): eta = 0,084
Megmagyarzott variancia-arny: eta-ngyzet = 0,007
Robusztus eljrsok, amelyeknl nem szksges a szrshomogenits:
- Robusztus Welch-fle varianciaanalzis: W(2; 45,6) = 0,253 (p = 0,7777)
- James-prba: U = 0,513 (p > 0,10)
- Brown-Forsythe-prba: BF(2; 67) = 0,267 (p = 0,7661)
Az (ANO)VA-elemzsnl a normalits vizsglata a ferdesg s cscsossg paramterek segtsgvel

trtnik lthat, hogy egyik csoportban sem srl a normalits. Szintn ebben a tblzatban
lthatk az tlagok, szrsok, esetszmok.
A prba msik felttele a szrsok egyezse. Ennek megszokott prbit lthatjuk a kvetkez
blokkban, ahonnan leolvashatjuk, hogy a csoportok szrsai szignifiknsan nem klnbznek
egymstl.
Az tlagok sszehasonltsa megtrtnik, a pros sszehasonltsokat viszont azrt nem ltjuk, mert
a kapott eredmnyek alapjn nincsenek szignifikns eltrsek a csoportok kztt. Ezt az els sorban
lv varianciaanalzis-rtkbl tudjuk kiolvasni a hozz tartoz p-rtk elg magas, teht a
feminits nem mutat eltrst a klnbz IQ-kategrikban.
Amennyiben nem teljeslne a szrshomogenits felttele, gy a kvetkez blokkban tudnnk a
megfelel varianciaanalzis-statisztikkat kiolvasni, innen ltalban a BrownForsythe-prbt szoks
hasznlni. A robusztus tesztek szintn azt mutatjk, hogy nincsenek szignifikns eltrsek.
39
Amennyiben srl a normalits, gy a kvetkez eljrst kell alkalmazni:
Ekkor az albbi outputot kapjuk:

Fggetlen mintk egyszempontos sszehasonltsa
Csoportost vltoz: IQ (IQ of subjects)
Jells: +: p < 0,10 *: p < 0,05 **: p < 0,01 ***: p < 0,001
RangRangSztochasztikus dominancia
Index
IQ
Esetek
tlag
szrs
Slyozott Nem slyozott
1
low
22
39,52
25,54
0,476
0,476
2
middle
36
41,28
22,00
0,497
0,498
3
high
24
43,65
24,83
0,526
0,526
Megjegyzs:
Minden csoport esetben a sztochasztikus dominancia annak a valsznsgt jelzi,
hogy egy random megfigyels ebbl a csoportbl (Xj) nagyobb lesz, mint egy random
megfigyels az egsz mintbl (X), plusz az egyenlsg valsznsgnek a fele:
SZTDj = P(Xj > X) + 0,5P(Xj = X)
A sztochasztikus homogenits defincija: SZTD1 = SZTD2 = SZTD3 = ... = 0,50
Elmleti rangszrsok egyenlsgnek tesztelse
Sztochasztikus homogenits tesztelse
- Kruskal-Wallis-prba: H(2) = 0,357 (p = 0,8366)
Szrshomogenitst nem ignyl robusztus kzelt eljrs:
- Korriglt rang Welch-prba: rW3(2; 45,4) = 0,155 (p = 0,8568)
KULLE-fle aszimptotikusan egzakt prbk
- Populcik azonos slyozsa:
Khi2(1,93) = 0,351 (p = 0,8257) F(1,93; 79,0) = 0,182 (p = 0,8261)
- Mintaelemszmokkal arnyos slyozs:
Khi2(1,92) = 0,354 (p = 0,8228) F(1,92; 79,0) = 0,184 (p = 0,8232)
40
Ebben az esetben a rangtlagokkal kell elssorban dolgozni ezeket fogjuk sszehasonltani. Ennek is
felttele a szrshomogenits de itt a rangsorok szrsainak egyenlsge szksges. Ennek is a
szoksos tesztjei lthatak az els blokkban, melyekbl megllapthat, hogy a rangszrsok nem
klnbznek szignifiknsan egymstl.
A sztochasztikus homogenits hagyomnyos, szrshomogenitsi felttel meglte melletti tesztje a
KruskalWallis-prba, mely azt mutatja, hogy nincsen sztochasztikusan dominns csoport.
Amennyiben nem llna fent a szrshomogenits, gy a korriglt Welch-prbt kellene figyelnnk
(most ezt sem jelez eltrst).
Megllapthatjuk teht, hogy brmely eljrst nzzk is tlagok, rangsorok nem llapthat meg
eltrs a feminits rtkeiben az IQ ltal vezetekre bontott populciban.
41
Egy vltoz nagysgszintjnek tesztelse legalbb 3 csoportban SPSS programcsomagban
42
43
Amennyiben mindent jl lltottunk be, az albbi outputot nyerjk:
Descriptives
Femininity
N
low
middle
high
Total
Mean
13,59
13,61
14,00
13,72
22
36
24
82
Std. Deviation
2,282
2,032
2,341
2,173
95% Confidence Interval for

Mean
Lower Bound Upper Bound
12,58
14,60
12,92
14,30
13,01
14,99
13,24
14,20
Std. Error
,486
,339
,478
,240
Minimum
10
8
10
8
Maximum
18
17
18
18
Test of Homogeneity of Variances

Femininity
Levene
Statistic
,609
df1
df2
2
Sig.
,547
79
ANOVA
Femininity
Between Groups
Within Groups
Total
Sum of
Squares
2,675
379,874
382,549
df
2
79
81
Mean Square
1,338
4,809
F
,278
Sig.
,758
Robust Tests of Equality of Means

Femininity
a
Brown-Forsythe
Statistic
,267
df1
2
df2
66,808
Sig.
,766
a. Asymptotically F distributed.
44
Multiple Comparisons
Dependent Variable: Femininity
Tukey HSD
(I) Kdolt IQ: Kszlt az IQ

vltoz vezetei alapjn
low
middle
high
Games-Howell
low
middle
high
(J) Kdolt IQ:

Kszlt az IQ vltoz
vezetei alapjn
middle
high
low
high
low
middle
middle
high
low
high
low
middle
Mean
Difference
(I-J)
-,020
-,409
,020
-,389
,409
,389
-,020
-,409
,020
-,389
,409
,389
Std. Error
,593
,647
,593
,578
,647
,578
,593
,682
,593
,586
,682
,586
Sig.
,999
,803
,999
,780
,803
,780
,999
,821
,999
,785
,821
,785
95% Confidence Interval

Lower Bound Upper Bound
-1,44
1,40
-1,96
1,14
-1,40
1,44
-1,77
,99
-1,14
1,96
-,99
1,77
-1,46
1,42
-2,06
1,24
-1,42
1,46
-1,81
1,03
-1,24
2,06
-1,03
1,81
Femininity
Kdolt IQ: Kszlt az IQ

Tukey HSDa,b low
middle
high
Sig.
a,b
Tukey B
low
middle
high
N
22
36
24
22
36
24
Subset
for alpha
= .05
1
13,59
13,61
14,00
,779
13,59
13,61
14,00
Means for groups in homogeneous subsets are displayed.

a. Uses Harmonic Mean Sample Size = 26,110.
b. The group sizes are unequal. The harmonic mean of the
group sizes is used. Type I error levels are not
guaranteed.
A tblzatok hasonl informcikat tartalmaznak, mint a ROPstat esetn. Elszr itt is a ler
statisztikkkal tallkozhatunk. A kvetkez output itt is a szrshomogenits br az SPSS csak a
Levene-tesztet hasznlja.
Az ANOVA-tblzat a hagyomnyos varianciaanalzis tblja, melyben az F-rtk s a Sig.-rtk szmt
itt is megfigyelhetjk, amit mr a ROPstatnl, hogy nem jelez szignifikns eltrseket. A
hagyomnyos utn a robusztus, szrshomogenitst nem ignyl BrownForsythe-tesztet lthatjuk
(ez sem jelez eltrst, br ezt most gyis figyelmen kvl hagyjuk).
Az els s legnagyobb eltrs a ROPstat s az SPSS kztt ebben az eljrsban, hogy az SPSS
mindenkppen kiszmolja s kirja a pros sszehasonltsok tblzatait fggetlenl attl, hogy
vannak-e szignifikns eltrsek vagy sem.
Ezek kzl az els tblzatban pronknt (egy-egy sorban egy-egy pros sszehasonltsa lthat) rja
ki az eredmnyeket, ahol az tlagok kztti klnbsgek, annak standard hibja, illetve az eltrs 0
voltnak tesztelsi eredmnye lthat (Sig.-rtk). Amennyiben a Sig.-rtk 0,05 al cskken, akkor
van a kt csoport kztt szignifikns eltrs.
A Tukey-fle teszt a szrshomogenits meglte mellett rtelmezhet, mg a GamesHowellstatisztika robusztus a szrshomogenits felttelre nzve.
A msik, hasonl tartalommal br tblzat az tlagokat csoportostva jelenti meg, teht tmrebb,
vizulisabb formban rkti meg az eredmnyeket szmunkra.
45
Amennyiben nem teljesl a normalits, gy rangstatisztikai eljrst tudunk alkalmazni, azonban ez
nem lesz annyira rszletes, mint a ROPstat hasonl rutinja (gy azt javasoljuk, hogy amennyiben
rangstatisztikai eljrsra van szksgnk, hasznljuk a ROPstatot).
46
Amennyiben mindent belltottunk, az albbi outputot nyerjk:
Test Statisticsa,b
Ranks
Femininity

low
middle
high
Total
N
22
36
24
82
Mean Rank
39,52
41,28
43,65
Chi-Square
df
Asymp. Sig.
Femininity
,357
2
,837
a. Kruskal Wallis Test

b. Grouping Variable: Kdolt IQ: Kszlt
az IQ vltoz vezetei alapjn
A rangstatisztikai eljrs az SPSS-ben lnyegesen rvidebb, itt csak a KruskalWallis-teszt lthat,

illetve az rtelmezshez, interpretcihoz szksges rangstatisztikai ler statisztikk. Ez alapjn, a
benne lv khi-ngyzet statisztika s a hozz tartoz Asymp. Sig-rtk alapjn elmondhat, hogy,
hasonlan a ROPstat eredmnyhez, itt sem lthatunk semmifajta szignifikns eltrst a rangtlagok
kztt, nincsen szignifiknsan dominns csoport.
47
E krdsek vltozatos mdokon interpretlhatk egy mhelymunkban, hiszen elg sszetett

eljrsrl van sz annak ellenre, hogy maga a hipotzis egyszer, nagyon sok rszeljrs van,
melyekrl mindenkppen kell rni, hogy valid legyen a vizsglatunk.
A feminits-vltoz IQ-vezetek szerinti sszehasonltsa
Az IQ-vltozt 3 vezetre bontottuk (alacsony, kzepes s magas), majd e 3 vezetben vizsgltuk a
feminits-vltoz nagysgszintjt. Br a csoportonknt kiszmtott ferdesgi s cscsossgi mutatk
egyike sem mutatott szignifikns eltrst a normlis eloszls megfelel paramtereitl,
rangstatisztikai eszkzkkel is megvizsgltuk a krdst.
Azt tapasztaltuk, hogy mind a hagyomnyos eljrshoz szksges szrshomogenits fennll (Leveneprba: F(2; 47,5) = 0,642 (p = 0,5306)), mind a rangstatisztikkhoz szksges rangsorok szrsnak
homogenitsa teljesl (Welch-fle Levene-prba: F(2; 47,9) = 1,058 (p = 0,3550)). gy az tlagoknak
s rangtlagoknak a hagyomnyos eljrsait alkalmazhattuk.
Az tlagok hagyomnyos eljrssal sem (F(2; 79) = 0,278 (p = 0,7579)), illetve KruskalWallis-fle
rang-ANOVA eljrssal sem (H(2) = 0,357 (p = 0,8366)) klnbznek egymstl szignifiknsan.
Megllapthatjuk teht, hogy az IQ nveked csoportjaiban a feminits tlaga szignifiknsan nem
klnbzik egymstl
Fontos szrevenni s megemlteni, hogy ha pros sszehasonltsokat tesznk, akkor azt tblzatos
formban vagy akr oszlopdiagramos formban is rdemes lehet brzolni (az tlagokat feltntetve),
vagy pontdiagrammal, sszektve az tlagokat, stb. Ezen a ponton mr nagyon nagyfok
szabadsgunk van, hiszen az eredmnyek rtelmezse, interpretcija vltozatos lehet. Figyeljnk
azonban oda, hogy a szksges hivatkozsok minden esetben pontosan jelenjenek meg a
dolgozatban.
1) A Levene- / OBrien-prbknl az F(szabadsgi fok1; szabadsgi fok2)-rtk s a p-rtk.
2) ANOVA, illetve annak robusztus vltozata (BrownForsythe) esetn az F-rtk, szabadsgi
fokok s a p-rtk.
3) KruskalWallis-prba esetn mindenkppen szerepeljen, hogy ekkor mr sztochasztikus
homogenitst tesztelnk (vagy hogy rangsorokon elemznk), hivatkozsban H-rtk s prtk kell.
4) A pros sszehasonltsoknl rdemes lehet tblzatos formban bemutatni az adatokat,
akr az eredeti SPSS vagy ROPstat outputtal. Hivatkozni a megfelel t-rtkekre kell, illetve
Sig.- vagy p-rtkre.
Ne felejtsk el, hogy a ROPstat csak abban az esetben vizsglja a pros sszehasonltsokat, ha a
varianciaanalzisben szignifikns klnbsget tall egyb esetben ezt az elemt az outputnak nem
fogjuk ltni. Nyilvn, ha nincsenek klnbsgek, akkor a pros sszehasonltsok bemutatsa sem
lehet ktelez.
48
Kt sszetartoz mintt tesztelnk
Ebben a fejezetben olyan krdseket trgyalunk, amikor sszetartoz mintkkal dolgozunk (pl.
ugyanazon csoport kt klnbz idpontban mrt adatai. Szintn ilyen eset, ha adott mintn,
azonos skln mrt vltozkat vizsglunk, illetve pl. frj s felesg rtkei azonos vltozn mrve).
Egy lehetsges szakmai hipotzis lehet a kvetkez:
Igaz-e, hogy a Szondi-tesztben a homo1 s homo2 kp kedveltsge azonos?
Vegyk szre, hogy ez a megfogalmazs statisztikai hipotzis is egyben, hiszen egyenlsget

feltteleznk gy ez a szakmai hipotzis egyben a statisztikai hipotzisnk is.
A ktmints esetet azonban arnylag knnyen el tudjuk intzni, amennyiben tudunk
klnbsgvltozt definilni. Kt vltoz esetn ugyanis e fenti hipotzis br megllja a helyt
statisztikailag is tfogalmazhat a kvetkez formba:
Igaz-e, hogy a Szondi-tesztben a homo1 s homo2 kp kedveltsgnek klnbsge vrhatan

0?
Vilgos, hogy ha minden mrt esetben kpezzk a kt kpre adott rtk klnbsgt, akkor e fenti
hipotzis az elzekben mr ismertetett, egy vltoz kzprtkre vonatkoz hipotzis vizsglatval
elvgezhet (s a klnbsgvltoz kpzsnek jogossga miatt fontos, hogy azonos skln legyenek
mrve).
49
Kt sszetartoz minta tesztelse ROPstat programcsomagban
Amennyiben mindent jl lltottunk be, gy egy mr (tartalmban) ismers outputot kapunk:

sszetartoz mintk egyszempontos sszehasonltsa
FGG VLTOZK:
homo1
homo2
rvnyes (komplett) esetek szma: 277
Jells: +: p < 0,10 *: p < 0,05 **: p < 0,01 ***: p < 0,001
Elmleti tlagok egyenlsgnek tesztelse:
- Egymints t-prba: t(276) = 1,911 (p = 0,0570)+
- Johnson-prba: J(276) = 1,912 (p = 0,0569)+
- Gayen-prba szignifikancija: p = 0,0570+
A "Nincs X-rl Y-ra vltozs" hipotzis vizsglata:
- Wilcoxon-prba: R+ = 11045,0, R- = 8065,0, z = 1,929 (p = 0,0538)+
"A kt vltoz sztochasztikusan ugyanakkora" hipotzis vizsglata:
- Eljelprba: #(X < Y) = 108, #(X > Y) = 87, z = 1,432 (p = 0,1521)
Index
X:
Y:
Y - X:
Vltoz
homo1
homo2
tlag
1,809
1,993
0,184
Szrs
1,232
1,116
1,603
Rangtlag
1,46
1,54
Ferdesg- s cscsossgrtk s normalitsvizsglat

Az Y - X vltoz mintabeli ferdesge = 0,010 (p = 0,946)
Az Y - X vltoz mintabeli cscsossga (g4 = a4 - 3) = -0,312 (p = 0,289)
95%-os konfidencia-intervallum az Y-X klnbsg elmleti tlagra C(0,95) = (-0,005; 0,373)
Pontbecsls a valsznsgi flny A(Y, X) mutatjra:
A(Y, X)^ = 0,538 ( (X < Y)% = 39,0 (Y = X)% = 29,6 (X > Y)% = 31,4 )
95%-os konfidencia-intervallum A(Y, X)-re: C(0,95) = (0,489; 0,587)
50
Mint azt mr emltettk, ebben az esetben lnyegben a klnbsgvltoz 0 voltt teszteljk, gy
elemeiben az egymints t-prba elemeit kell viszontltnunk s ebben az esetben NEM KELL kln
az ordinlis esetet futtatni, mert AUTOMATIKUSAN szerepel az outputon a Wilcoxon-prba s az
eljelprba.
Mgegyszer vegyk vgig teht az egymints t-prbnak s robusztus vltozatainak eseteit: mind a tprba, mind annak robusztus prbja (Johnson, Gayen) azt mutatja, hogy az eltrs a kt vltoz
kztt tendencia-szint, teht nincsen szignifikns eltrs a homo1 s homo2 kp kedveltsge
kztt.
A Wilcoxon-prba z-rtke s p-rtke szintn hasonlt mutat: tendencia-szint eltrst tapasztal,
azonban ennl tbb nem mondhat el.
Az eljelprba hasonl eredmnyre vezet, br itt mr tendencia-szint klnbsget sem tudunk
kimutatni.
A prba feltteleinek ellenrzse az output kzepn kapott helyett: a klnbsgvltoz
normalitsnak tesztelse ferdesg s cscsossg alapjn azt mutatja, hogy a klnbsgvltoz ezen
277 fs minta alapjn nem klnbzik szignifiknsan a normlistl.
gy megllapthatjuk, hogy a hagyomnyos egymints t-prba eredmnye (melynek az itteni
megnevezse sszetartoz mints t-prba) teljesen megfelel szmunkra, br a tbbi eredmny is
rtelmezhet. Mindenesetre megllapthat, hogy a homo1 s homo2 kp kedveltsge szignifiknsan
nem tr el egymstl.
Ebben az esetben azonosan hivatkozunk az egymints t-prba eseteihez, azonban a megfogalmazs

ms lesz.
Homo1 s homo2 kp kedveltsgnek sszehasonltsa
A kt kpet egyarnt rtkel 277 esetet figyelembe vve megllapthat sszetartoz mints tprbval, hogy a kt kp kedveltsge szignifiknsan nem klnbzik egymstl (t(276) = 1,911, p =
0,057), br tendencia-szint eltrs megllapthat, a ler statisztikk alapjn a msodik kp
magasabb pontszmokat mutatott.
A prba felttelt ellenriztk, a klnbsgvltoz normalitsa a szmtott ferdesg- s cscsossgparamterek alapjn felttelezhet, gy a robusztus eljrsokra nem volt szksg.
51
Legalbb 3 sszetartoz mintt tesztelnk
Ebben a fejezetben olyan krdseket trgyalunk, amikor sszetartoz mintkkal dolgozunk (pl.
ugyanazon csoport legalbb 3 klnbz idpontban mrt adatai, vagy sszefgg vltozk azonos
csoportban mrve). Egy lehetsges szakmai hipotzis lehet a kvetkez:
Igaz-e, hogy a Szondi-tesztben a tbb szadista kp megtlse azonos?
Ismt olyan megfogalmazsunk van, mely statisztikai hipotzis is egyben, hiszen ismt egyenlsget
tesztelhetnk.
Ebben az esetben is felttel a normalits, azonban a szrshomogenits-felttele ennek az esetnek
lnyegesen bonyolultabb, mint a fggetlen eset. Ez az gynevezett szfericitsi felttel elg bonyolult
szmtsokkal vgezhet csak el viszonylag ritkn is teljesl gy rdemes rgtn robusztus
eljrsokat is figyelembe venni. Ennek kvetkeztben rdemes ezen eljrsokat automatikusan a
robusztus tesztekkel ellenrizni.
Radsul az intervallum-sklatpus belltsa itt is automatikusan tartalmazza az outputban a
rangstatisztikai eljrsokat.
52
Kettnl tbb sszetartoz minta nagysgszintjnek tesztelse ROPstat
programcsomagban
53
Amennyiben ezeket a belltsokat hasznljuk, a kvetkez outputot nyerjk:
sszetartoz mintk egyszempontos sszehasonltsa
FGG VLTOZK:
sadist1
sadist2
sadist3
sadist4
sadist5
sadist6
Jells: +: p < 0,10 *: p < 0,05 **: p < 0,01 ***: p < 0,001
Elmleti tlagok egyenlsgnek tesztelse:
- Varianciaanalzis (VA): F(5,1380) = 96,412 (p = 0,0000)***
(Hatsvariancia = 113,3921, Hibavariancia = 1,1761)
- Robusztus VA szabadsgfok-korrekcival
Geisser-Greenhouse (epszilon = 0,927): F(4,6; 1278,8) = 96,412 (p = 0,0000)***
Huynh-Feldt (epszilon = 0,944): F(4,7; 1303,3) = 96,412 (p = 0,0000)***
Sztochasztikus homogenits tesztelse:
- Friedman-prba: G(5) = 352,332 (p = 0,0000)***
- Rangszmokon vgzett VA: rF(5,1380) = 94,594 (p = 0,0000)***
- Robusztus rang-VA szabadsgfok-korrekcival
Geisser-Greenhouse (epszilon = 0,955): rF(4,8; 1318,4) = 94,594 (p = 0,0000)***
Huynh-Feldt (epszilon = 0,974): rF(4,9; 1344,5) = 94,594 (p = 0,0000)***
RangSztochasztikus
Index
Vltoz
tlag
Szrs tlag
dominancia
1.
sadist1
1,282
1,080
2,88
0,376***
2.
sadist2
1,451
1,320
3,05
0,411***
3.
sadist3
2,437
1,100
4,47
0,694***
4.
sadist4
2,690
1,244
4,74
0,748***
5.
sadist5
1,329
1,020
2,92
0,383***
6.
sadist6
1,296
1,014
2,94
0,388***
Megjegyzs:
Minden vltoz esetben a sztochasztikus dominancia annak a valsznsgt jelzi,
hogy ennek a vltoznak egy vletlen rtke (Xj) nagyobb lesz, mint egy random
megfigyels brmely vltoztl (X), plusz az egyenlsg valsznsgnek a fele:
SZTDj = P(Xj > X) + 0,5P(Xj = X)
A sztochasztikus homogenits defincija: SZTD1 = SZTD2 = SZTD3 = ... = 0,5
Egy SZTDj rtk szignifikancija azt jelenti, hogy a Hj: SZTDj = 0,5 hipotzis elvethet.
tlagok Tukey-fle pronknti sszehasonltsa (k = 6, df = 1380):
T12= 2,60 T13= 17,73** T14= 21,61** T15= 0,72
T16= 0,22 T23= 15,13** T24= 19,00**
T25= 1,88
T26= 2,38
T34= 3,88+ T35= 17,01** T36= 17,51** T45= 20,89** T46= 21,39**
T56= 0,50
Rangtlagok Tukey-fle pronknti sszehasonltsa (k = 6, df = 1380):
T12= 1,96 T13= 17,95** T14= 20,96** T15= 0,41
T16= 0,65 T23= 15,99** T24= 19,01**
T25= 1,55
T26= 1,30
T34= 3,01 T35= 17,54** T36= 17,29** T45= 20,55** T46= 20,31**
T56= 0,24
Jl lthat, hogy mind a varianciaanalzis, mind annak robusztus vltozatai, mind a rangstatisztikn
alapul sztochasztikus dominancia tesztelsek azt mutatjk, hogy e krdsek kztt vannak
klnbsgek, vannak kiemelked kpek, melyek kedveltsge valamilyen mdon eltr a tbbitl.
Az eljrsunk feltteleinek ellenrzse bonyolult, gy inkbb a robusztus vltozatokat figyeljk:
miutn a szmtott statisztika melletti p-rtk mindenhol 0,0000, ezrt bizton llthatjuk, hogy e
kpek kedveltsge nem egyenl.
54
A pros sszehasonltsok kztt (Tukey, als kt blokk) megfigyelhetjk, hogy pl. az els kt kp
kztt (T12) nem ltunk szignifikns klnbsget, azonban ha azokat az eseteket figyeljk, ahol a 3-as
vagy 4-es kd szerepel, akkor jl lthat, hogy ez a kt kp csak egymstl nem klnbzik, minden
ms kptl eltrst mutat.
Ennek kapcsn megllapthat, hogy miutn a tbbi kp kztt eltrseket, *-al jelzett
klnbsgeket nem vehetnk szre az 1-2-5-6. kpek kedveltsge kztt nincsen eltrs, mg a 3-4.
kpek ezeknl szignifiknsan magasabb rtkeken szerepelnek, radsul a 3-4. kpek kztt sem
tallhatunk szignifikns klnbsget.
Az sszetartoz mints ANOVA esetn is kiemelhet a teljes klnbsg tesztelse, illetve az

egyenknti, pros klnbsgek sszehasonltsa. Azonban fontos megemlteni, hogy itt a feltteleket
nem tudjuk ellenrizni, ezrt rdemes rgtn a robusztus tesztekre hivatkozni, a felttelek
ellenrzsnek okait is megemltve.
A sadist kpek kedveltsgnek sszehasonltsa
A 6 kpet egyszerre vizsglva az eljrshoz fontos normalitsi s szfericitsi felttelek ellenrzsnek
nehzsge miatt rgtn robusztus s rangstatisztikai eljrsokat fogunk figyelembe venni.
Mind a hagyomnyos, mind a normalitst felttelez, de robusztus eljrs azt mutatja, hogy
(F(5,1380) = 96,412 (p = 0,0000)***) szignifikns eltrs van (robusztus, HuynhFeldt (epszilon =
0,974): rF(4,9; 1344,5) = 94,594 (p = 0,0000)***).
Mindezt megerstik a rangstatisztikai eljrsok, melyek sztochasztikus dominancit mutatnak:
Friedman, G(5) = 352,332, p=0,0000*, illetve HuynhFeldt (epszilon = 0,974): rF(4,9; 1344,5) =
94,594 (p = 0,0000)***.
Ezek utn pros sszehasonltsokat vgeztnk, ahol a Tukey-fle sszehasonltsok alapjn
elmondhat, hogy az 1-2-5-6. kpek egymstl nem trnek el. Szintn nem trnek el szignifiknsan a
3-4. kpek egymstl, azonban az els csoportba sorolt kpek szignifiknsan alacsonyabb rtkeket
kaptak, mint a 3-4. kpek.
A pros sszehasonltsok adott esetben tblzatos formban is megjelenthetk vagy valamilyen
diagramon brzolhatk. Ennek megvalstsra tbb program is alkalmas, rdemes lehet vele
ksrletezni de ez mr nem tartozik szigoran a matematikai statisztikai problmk kz.
55
Kt csoportost vltoz egyidej hatsnak tesztelse
Ebben az esetben azt vizsglhatjuk, ha kt csoportost vltoz (nem, korcsoportok, lakhelytpusok

stb) figyelembevtelvel szeretnnk az adott vltozt megvizsglni. Jelen esetben azt a mdot
kvetjk, hogy szeretnnk az IQ alapjn vezetekre bontott populcinkban a nemeket megfigyelni a
dominancia-vltoz mentn.
Igaz-e, hogy a dominancia rtke msknt viselkedik a frfiak s a nk kztt, amennyiben az

IQ nagysgszintjt is figyelembe vesszk?
Ennek statisztikai megfogalmazsa vltozatos, ugyanis egyszerre tbb dolgot is lltunk, egyszerre
tbb dolgot is vizsglunk. A legegyszerbb taln azt megvizsglni statisztikailag, ha ezt nem
egyenlsggel vagy fggetlensggel vizsgljuk, hanem kicsit ktve mr a kvetkez fejezet
ltsmdjhoz, egyfajta modellknt szemlljk a vltozk kapcsolatt.
Mit mondhatunk a dominancia-vltoz vrhat nagysgszintjrl, amennyiben a

populcinkat nem- s intelligenciahnyados-nagysg szerint szeretnnk csoportokba
osztani?
Ez a szemllet egyfajta modellt eredmnyez: milyen viszonyok rhatak fel e 3 vltoz kztt.
Termszetesen ez magba foglalja, hogy nemenknt, IQ-vezetenknt is szemlljk a dominanciavltoz nagysgszintjt, de egyben, egyms hatsait is figyelve szeretnnk rtkelni a
nagysgszinteket.
Ezt a feladatot knnyebb a ROPstat programban kirtkelni. A modell adta hipotzisek vizsglatnak
felttelei a vizsglt vltoz normalitsa, tovbb a mr szinte megszokott szrshomogenits
azonban ez utbbi vizsglata s ellenrzse nem annyira bonyolult, mint az sszetartoz esetben.
Amennyiben a normalits srl, gy itt is rdemes a rangstatisztikai megfelelket elszedni s
futtatni.
56
57
Ha minden belltsunk ilyen, gy a kvetkez eredmnyt nyerjk:
Fggetlen mintk ktszempontos sszehasonltsa
94
Jells: +: p < 0,10 *: p < 0,05 **: p < 0,01 ***: p < 0,001
1. csoportost vltoz: Gender (Gender of subjects)
2. csoportost vltoz: IQ (IQ of subjects)
Mintaelemszmok tblzata
Gender
Index
csoport
1
Male
2
Female
SSZESEN
'IQ' szerinti csoportok

low
middle high
8
3
5
19
37
22
27
40
27
SSZESEN
16
78
94
FGG VLTOZ: Domin (Dominance)

rvnyes esetek szma: 82
rvnytelen esetek szma: 12
AZ RVNYES ESETEK KTSZEMPONTOS GYAKORISGI TBLZATA
Gender
Index
csoport
low
middle high
SSZESEN
1
Male
7
2
3
12
2
Female
15
34
21
70
SSZESEN
22
36
24
82
MINTATLAGOK TBLZATA (Domin)
Index
Gender
low
middle high
1
Male
12,29
10,00
12,00
2
Female
10,13
12,12
12,62
TLAG:
11,21
11,06
12,31
TLAG
11,43
11,62
MINTASZRSOK TBLZATA (Domin)

Index
Gender
low
middle high
1
Male
4,608
4,243
4,583
2
Female
3,399
3,557
4,018
Varianciaanalzis sszefoglal tblzata (slyozatlan tlagok mdszere)
Szrds oka
f
Szrsngyzet
F
p-rtk
Gender
1
0,305
0,021
0,8844
IQ
2
4,979
0,347
0,7077
Gende x IQ
2
14,631
1,020
0,3653
Hibatag
76
14,337
Szrshomogenits tesztelse -- Levene-prba: F(5; 76,0) = 0,332 (p = 0,8923)
Cellastatisztikk
Index:
(1, 1)
(1, 2)
(1, 3)
(2, 1)
(2, 2)
(2, 3)
n:
7
2
3
15
34
21
tlag:
12,29
10,00
12,00
10,13
12,12
12,62
Szrs: 4,608
4,243
4,583
3,399
3,557
4,018
ROBUSZTUS ktszempontos varianciaanalzis (Domin)
- Welch-prba a Gender csoporthats tesztelsre: F(1; 4,1) = 0,016 (p = 0,9044)
- Welch-prba az IQ csoporthats tesztelsre: F(2; 3,3) = 0,210 (p = 0,6755)
- Johansen-prba a Gender x IQ interakci tesztelsre: Khi2(2) = 1,426 (p = 0,4901)
Az output elejn lthatjuk a csoportok kategriit, illetve a klnbz kategria-metszetekben

szmtott szrsokat, tlagokat. Lnyegben ezeket az tlagokat teszteljk, hogy egyenlk-e
(fhatsok), illetve azt, hogy ha nem egyenlk, akkor a fhatsok egymstl fggetlenl hatnak-e
vagy sem (interakci).
58
Elszr teht az output kzepn tallhat Levene-tesztet rdemes elszedni, hiszen ez dnti el, hogy
majd a robusztus vagy a hagyomnyos eljrsok kzl kell vlasztanunk. Az ott lv F-rtk s hozz
tartoz p-rtk azt mutatja, hogy a szrshomogenits teljesl, teht maradhatunk a hagyomnyos
eljrsoknl.
A szrshomogenits-teszt feletti blokk mutatja, hogy a klnbz fhatsok, illetve a kzttk lv
interakci szignifikns-e.
Minden sor elejn lthatjuk, hogy fhats (egy vltoz) vagy interakci (kt fhats keresztezse)
kerl tesztelsre. A mellette lthat rtk a szabadsgi fok, majd a megfelel variancia (ezt
analizljuk, variancia = szrsngyzet). Ezek utn az F-rtk s a hozz tartoz p-rtk.
Ezekbl megllapthat, hogy egyik fhats sem szignifikns, tovbb az interakci sem kimutathat.
(Megjegyezzk, hogy az interakci annyit jelent, hogy a kt szempont nem egymstl fggetlenl fejti
ki hatst azaz a hatsuk nem egyszeren sszeaddik, hanem valamilyen gyengts vagy ersts
trtnik a kt vltoz valamely kombincijban az eredeti fhats hatsokhoz kpest).
Amennyiben a normalits srl, gy rangstatisztikai eljrst is bevethetnk:
59
Ha minden bellts helyes, a kvetkez outputot kapjuk:
Fggetlen mintk ktszempontos sztochasztikus sszehasonltsa
94
Jells: +: p < 0,10 *: p < 0,05 **: p < 0,01 ***: p < 0,001
Gender
Index
csoport
1
Male
2
Female
SSZESEN

low
middle high
8
3
5
19
37
22
27
40
27
SSZESEN
16
78
94

tlagos mintaelemszm: n_tlag = 13,7
Gender
Index
csoport
low
middle high
SSZESEN
1
Male
7
2
3
12
2
Female
15
34
21
70
SSZESEN
22
36
24
82
A legkisebb mintaelemszm kisebb, mint 3.
Statisztikai elemzs nem vgezhet.
A legkisebb mintaelemszm kisebb, mint 3.
Statisztikai elemzs nem vgezhet.
Vegyk szre, hogy a program ezt nem tudja szmunkra megoldani. Ezrt jradefiniljuk a
csoportokat. A nem-vltozt nyilvn lehetetlen tkdolni, azonban az IQ esetn a 3 csoport helyett
csak kettt fogunk engedni: lesz egy 120 alatti s egy 120 feletti csoport, gy remnykedhetnk
benne, hogy eredmnyes lesz a vizsglat.
60
Az j belltsokkal az albbi outputot nyertk:
Fggetlen mintk ktszempontos sztochasztikus sszehasonltsa
94
Jells: +: p < 0,10 *: p < 0,05 **: p < 0,01 ***: p < 0,001
Gender
Index
csoport
1
Male
2
Female
SSZESEN

0-120
121-200 SSZESEN
5
11
16
14
64
78
19
75
94

tlagos mintaelemszm: n_tlag = 20,5
Gender
Index
csoport
0-120
121-200 SSZESEN
1
Male
4
8
12
2
Female
10
60
70
SSZESEN
14
68
82
SZTOCHASZTIKUS DOMINANCIA RTKEK TBLZATA (Domin)
Gender
0-120
121-200 TLAG
Male
0,595
0,444
0,519
Female
0,341
0,528
0,434
TLAG:
0,468
0,486
Sztochasztikus homogenits (SZTH) elemzs (mintaelemszmokkal arnyos populcislyok)
Ktszempontos rang-VA SSZEFOGLAL TBLZATA (Domin)
Hats
Nullhipotzis
f1
f2
Gender
Egyszempontos SZTH (A)
1,0
78
IQ
Egyszempontos SZTH (B)
1,0
78
Gend. x IQ
Nincs sztoch. interakci
1,0
78
F
0,715
0,031
2,908
p-rtk
0,4004
0,8609
0,0921+
Jl lthatan az elz esettel majdnem megegyez eredmnyt kaptunk a rangstatisztika mutat egy
tendencia-szint interakcit, azonban szignifikns eredmnyeket itt sem tudunk kimutatni.
Ilyen esetekben a vlaszok nmikppen egyszersdnek, radsul minden mdszer ugyanazt az
eredmnyt hozta. Fontos azonban megjegyezni, hogy ehhez az elemzshez, miutn nem tartalmazza,
rdemes a normalits-vizsglatot legalbb eltte elvgezni a dominancia-vltozra.
61
A ktszempontos (ANO)VA-elemzs esetn a felttelek ellenrzse ellenttben az sszefgg

esettel megtrtnik, teht meg kell emlkezni rla a dolgozatainkban is. A normalits-vizsglatot
rdemes eltte lefuttatni br mi ezt most nagyvonalan elhanyagoltuk, mert elzetesen mr
bemutattuk.
A dominancia vizsglata nemenknt s az IQ klnbz kategrii mentn
A dominancia-vltozt mind frfiak s nk, mind pedig az IQ hrom (rangstatisztikkkal kett)
kategrijban szmtottuk, rtkeltk.
Az egymshoz val viszonyuk alapjn kijelenthet, hogy sem a rangstatisztikk, sem a hagyomnyos
eljrsok nem mutattak szignifikns eltrseket (a legkisebb p-rtket a rangstatisztika interakcija
esetn tapasztaltuk, p>0,09).
Ez alapjn kijelenthet teht, hogy sem a nem szerinti megklnbztets, sem az IQ eltrsei
nincsenek hatssal a dominancia-skln vrhat rtkre.
Termszetesen akkor, ha valakinek a dolgozatban ez a f csapsvonal, akkor a klnbz tlagok,
szrsok, minden egyb statisztika kln-kln kiemelhet s trgyalhat, magyarzva, hogy mirt is
nincsenek nem vagy intelligencia alapjn meghatrozhat klnbsgek a dominancia-vltoz vrhat
rtkben.
Ezeket egynileg rdemes interpretlni, azokra az esetekre, helyzetekre koncentrlva, melyek
szmunkra fontosak.
62
Csoportok s vltozk egyidej hatsnak tesztelse
E fejezetben olyan eseteket vizsglunk, amikor azonos skln mrt vltozkat (pl. a Szondi-teszt
azonos jelensget mr kpeit) klnbz, egymstl fggetlen csoportokban szeretnnk
sszehasonltani. Ilyen krds pldul:
Igaz-e, hogy a Szondi-teszt sadist1-2-3-4-5-6. kpeinek kedveltsge msknt viselkedik frfiak

s nk kztt?
Ennek statisztikai vizsglata ismtelten az elz fejezetben megtapasztalt modellhez vezet: ugyanis
ez is egy sszetett helyzet, tbb lehetsges hipotzist is vizsglunk egyben.
A modell:
Mit mondhatunk a Szondi-teszt szadista kpeinek kedveltsgrl frfiakat s nket vizsglva?
Ahogy az elz esetben is, most is csak ROPstat programot hasznlunk, mert ahogy mr korbban
megjegyeztk: ezen vizsglatok az SPSS programcsomagban lnyegesen nagyobb eljrs
rszfeladataknt vannak definilva mg a ROPstat beptve tartalmazza a rangsorolsos eljrsokat
is, megknnytve gy a robusztus tesztelst.
Ez az eset az gynevezett vegyes varianciaanalzis, hiszen egyik oldalrl csoportokat hasonltunk
ssze, msik oldalrl pedig tbb, egymssal sszefgg vltozt. Mint azt az sszefgg esetn
tapasztaltuk, ennek az esetnek a felttelrendszer-ellenrzse bonyolult, teht ebbl kvetkezen itt
sem vrhatjuk el, hogy a szrshomogenitsi (szfericitsi) felttel ellenrzse megtrtnik. gy
rdemes minden esetben a robusztus tesztelssel sszevetni a hagyomnyos eljrs eredmnyeit.
Tovbb a ROPstat nem tartalmaz olyan eljrst, ahol vegyes VA lenne futtathat rangsorokon, teht
ezt az esetet sem fogjuk vizsglni. gy ez a metdus csak nagyobb mintkon alkalmazhat (hogy a
normalits srlst kivdjk), radsul ott is gy, hogy rdemes a robusztus eljrsokat mindig
megnznnk a hagyomnyos eljrs mell, hiszen nem ltjuk a msik felttel tesztelst sem.
Fontos kiemelnnk, hogy ilyenkor egyszerre tbb mindent vizsglunk: a csoportok / vltozk
(f)hatsait s az egymsra gyakorolt hatsukat egyarnt teszteljk, teht egyetlen krdssel nem
rhat le ennek az eljrsnak a hipotzis-rendszere!
63
64
Ha minden belltsunk helyes, gy a kvetkez outputot nyerjk:
Ktszempontos vegyes varianciaanalzis
FGG VLTOZK:
sadist1
sadist2
sadist3
sadist4
sadist5
sadist6
Jells: +: p < 0,10 *: p < 0,05 **: p < 0,01 ***: p < 0,001
MINTATLAGOK tblzata
Gender
csoport
n
male
135
female
142
TLAG:
Fgg vltozk (Ismtlses szempont)

sadist1 sadist2 sadist3 sadist4
1,274
1,681
2,452
2,637
1,289
1,232
2,423
2,739
1,282
1,451
2,437
2,690
Gender
csoport
male
female
TLAG:

sadist6 TLAG
1,333
1,784
1,261
1,712
1,296
n
135
142
sadist5
1,326
1,331
1,329
MINTASZRSOK tblzata
Gender
csoport
n
sadist1 sadist2 sadist3 sadist4 sadist5
male
135
1,109
1,423
1,170
1,273
1,028
female
142
1,056
1,177
1,034
1,219
1,016
sadist6
1,072
0,958
VARIANCIAANALZIS sszefoglal tblzata

(Az sszetartoz mints szempont elemzst a slyozatlan tlagok mdszervel vgezzk)
Szrds oka
f
Szrsngyzet
F
p-rtk
Gender
1
2,123
1,146
0,2854
Hibatag-1
275
1,854
----------------Ismtls
5
112,995
96,500 0,0000***
Gende x Ismt
5
2,600
2,221
0,0500*
Hibatag-2
1375
1,171
ROBUSZTUS ktszempontos varianciaanalzis
- Welch-prba a Gender csoporthats tesztelsre: F(1; 269,7) = 1,140 (p = 0,2865)
Robusztus tesztelsek szabadsgfok korrekcival
(Geisser-Greenhouse-fle epszilon = 0,931, Huynh-Feldt-fle epszilon = 0,948)
- Ismtlses faktor (Ismtlses szempont) Geisser-Greenhouse-fle tesztelse: F(4,7; 1279,5) = 96,500 (p = 0,0000)***
- Ismtlses faktor (Ismtlses szempont) Huynh-Feldt-fle tesztelse: F(4,7; 1304,1) = 96,500 (p = 0,0000)***
Gender x Ismtls interakci tesztelse:
- Geisser-Greenhouse-prba: F(4,65; 1279,45) = 2,221 (p = 0,0547)+
- Huynh-Feldt-prba: F(4,74; 1304,08) = 2,221 (p = 0,0534)+
Ismtlses szempont: szinttlagok Tukey-fle pronknti sszehasonltsa (k = 6, f = 1304):
T12= 2,61 T13= 17,77** T14= 21,65** T15= 0,72
T16= 0,22 T23= 15,16** T24= 19,05**
T25= 1,89
T26= 2,39
T34= 3,89+ T35= 17,05** T36= 17,55** T45= 20,93** T46= 21,43**
T56= 0,50
A tapasztalatok nagyon hasonltanak arra, amit az sszetartoz elemzsekbl mr megtudtunk. Az

ismtlses faktor (minden esetben ki van emelve, hogy melyik az ismtlses faktor) szignifikns
klnbsget mutat (errl tudunk is mr, hiszen vizsgltuk, hogy a sadist kpek pontszmai eltrek, a
3-4. kp magasabb pontszmokat kap, mint a tbbi 4).
65
Tovbb itt is csak tendencia-szint interakcikat tapasztalunk, azaz nincsen szignifikns interakci,
teht nem mondhatjuk, hogy a nemek msknt vlekednnek ezekrl a kpekrl, illetve nem
mondhatjuk, hogy a frfiak esetn szignifiknsan eltr lenne a kpek sorrendje (kapott pontszmok
alapjn rangsorolva), mint a nknl.
Jelen esetben, megfogalmazsban szinte msolhatnnk az sszetartoz eset adatait erre az esetre is,
hiszen nemenknt semmifajta klnbsget nem tapasztalunk (illetve szignifikns klnbsget nem
rzkeltnk, radsul interakci sem volt).
Sadist kpek kedveltsgnek mrtke a kt nem esetn
Az sszetartoz mints (ANO)VA-elemzsbl mr tudjuk, hogy mind a rang-VA, mind a hagyomnyos
eljrs azt mutatta, hogy a kpek kzl a 3-4. kpek msknt viselkednek.
A vegyes (ANO)VA-elemzs azt mutatta, hogy nincsen nemenknt eltr hats egyik kp esetn sem,
tovbb nincsen kimutathat szignifikns interakci sem (p>0,05), azaz elmondhat, hogy e fenti, 34. kpek eltr viselkedse nemenknt kln-kln vizsglva a populcit, szintn felfedezhet.
ltalnossgban is rvnyes: a vegyes, illetve a tbbszempontos elemzsek sorn rszesetknt
felmerl az egyszempontos, illetve sszefgg esetek vizsglata. Ennek kvetkeztben ezek az
elemzsek rkvetkez elemzsek, ahol jogosan hivatkozhatunk a mr korbban vizsglt esetekre,
helyzetekre. Ezen esetekben nem szksges megismtelni felttlenl a hivatkozsokat, elegend
utalnunk rjuk.
66
Kvantitatv vltozk kztti kapcsolatvizsglat

Korbban mr grtem, hogy a VA sorn tapasztalt egyik output-elemre vissza fogunk trni. A VA
esetn lthatunk egy nemlineris korrelcis egytthatt s egy eta-ngyzetet. Ezek nem msok,
mint a lineris regresszibl, illetve Pearson-fle korrelcis egytthatbl ltalnostott mutatk.
A determincis egytthat vagy magyarzott variancia-arny ltalnostsa jelenik meg a
kzprtkek sszehasonltsakor a ROPstat outputjn, amikor nemlineris magyarzott varianciaarny mutatkat kzl a program (eta-ngyzet).
Vizsgljuk meg mindkt programban a dominancia s a szociabilits kapcsolatt.
Ennek az eljrsnak a sajtossga az e lersban szerepl tbbi eljrssal szemben hogy nincsen
szigoran vett felttele, hiszen itt modellt runk fel. Azt kell tudnunk, hogy ebben az esetben pl.
lineris regresszit alkalmazunk, azaz a kt vltoz kztt egy lineris kapcsolatot fog keresni az
eljrs.
Magyarn: csak azt akarjuk most eldnteni, hogy van-e LINERIS (monoton) kapcsolat a kt vltoz
kztt. Azonban tudnunk kell, hogy ha a kt mrt vltoz normlis eloszls, akkor kzttk csak s
kizrlag lineris kapcsolat lehet, teht normlis eloszls vltozk krben a lineris kapcsolat
meglte vagy hinya ekvivalens a meglv vagy hinyz kapcsolattal a kt vltoz kztt.
Ezt az eljrst mind ROPstatban, mind SPSS-ben megnzzk, azonban SPSS-ben kt kln eljrst kell
majd futtatni, hogy a ROPstattal azonos outputot kaphassunk.
67
Korrelcis egytthat(k) s egyszer lineris regresszi ROPstat programcsomagban
68
Amennyiben ilyen belltsokat hasznlunk, a kvetkez outputot nyerjk:
Korrelci, lineris regresszi
Jells:
r: Pearson-fle lineris korrelcis egytthat
Rpb: Wilcox-fle robusztus korrelcis egytthat
Tau-b: Kendall-fle tau-b monotonitsi egytthat
Tau: Kendall-fle tau monotonitsi egytthat
p_pos: Pozitv egyttjrs (konkordancia) szzalka
p_neg: Negatv egyttjrs (diszkordancia) szzalka
Szignifikancia: +: p < 0,10 *: p < 0,05 **: p < 0,01 ***: p < 0,001
ELEMZEND VLTOZPR:
X = Domin (Dominance)
Y = Sociab (Sociability)
A mind X, mind Y esetben rvnyes rtkkel rendelkez esetek szma: N = 82
Vltoz
tlag
Var.
Min.
Max.
Regresszis egyenlet
X:
Domin
11,84
14,28
4
20
x = 0,779 + 0,757y
Y:
Sociab
14,62
11,52
7
21
y = 7,395 + 0,610x
X: Rezidulis variancia (Hibavariancia): MSerr(X) = 7,688, SH(X) = 2,773
Y: Rezidulis variancia (Hibavariancia): MSerr(Y) = 6,202, SH(Y) = 2,490
Korrelcik s 95%-os intervallumbecsls az elmleti rtkre:
r=
0,680***
p = 0,0000
C95 = (0,545;
Rpb = 0,674***
p = 0,0000
C95 = (0,539;
tau-b = 0,518***
p = 0,0000
C95 = (0,360;
tau =
0,478***
p = 0,0000
C95 = (0,330;
0,780)
0,776)
0,677)
0,625)
p_poz = 66,6%, p_neg = 18,8%
A korrelci s regresszi esetn lnyegben egyetlen hipotzist kell vizsglnunk: van-e szignifikns
kapcsolat vagy nincsen? Ezt az output legals blokkjban tudjuk ellenrizni minden egyb csak
azutn rdekes, hogy szignifikns kapcsolatot ltunk (nem tudunk modellt rtelmezni, ha nincs is
kapcsolat).
Azt lthatjuk, hogy mind a Pearson-fle korrelcis egytthat r, mind annak robusztus vltozata,
mind pedig a kt Kendall-fle tau-mutat szignifiknsan eltr a 0-tl, mindegyik pozitv s kzepesen
ers (az els kett lineris, az utbbi kett monoton) kapcsolatot jelez.
Az egyenletekbl megllapthat, hogy a dominancia s a szociabilits miknt fejezhetek ki
egymsbl.
69
Korrelcis egytthat(k) s egyszer lineris regresszi SPSS programcsomagban
70
Amennyiben szeretnnk regresszis egyenletet is, gy egy msik eljrst is futtatnunk kell mg ez
ugyanis csak a kvetkez outputot adja:
Correlations
Dominance
Sociability
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Dominance
1
Sociability
,680**
,000
82
82
,680**
1
,000
82
82
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Kendall's tau_b
Dominance
Sociability
Spearman's rho
Dominance
Sociability
Correlation Coefficient
Sig. (2-tailed)
N
Sig. (2-tailed)
N
Sig. (2-tailed)
N
Sig. (2-tailed)
N
Dominance Sociability
1,000
,518**
.
,000
82
82
,518**
1,000
,000
.
82
82
1,000
,684**
.
,000
82
82
,684**
1,000
,000
.
82
82
**. Correlation is significant at the 0.01 level (2-tailed).
A ROPstathoz hasonlan itt is lthat, hogy kzepesen ers, szignifikns kapcsolatot tallt a
szociabilits s a dominancia kztt. Minden eredmny megegyezik a ROPstat eredmnyeivel csak
az egyenleteket nem ltjuk mg, mert azt egy msik menpontbl kell lekrnnk.
71
A lineris regresszi a kvetkez mdon rhet el az SPSS-ben:
72
Amennyiben mindent helyesen lltottunk be, az albbi outputot kapjuk:
Variables Entered/Removeda
Model
1
Variables
Entered
Variables
Removed
Sociability
Method
Stepwise
(Criteria:
Probabilit
y-ofF-to-enter
<= ,050,
Probabilit
y-ofF-to-remo
ve >=
,100).
a. Dependent Variable: Dominance
Model Summary
Model
1
R
,680a
Adjusted
R Square
,455
R Square
,462
Std. Error of
the Estimate
2,790
a. Predictors: (Constant), Sociability
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
534,198
622,741
1156,939
df
1
80
81
Mean Square
534,198
7,784
F
68,625
Sig.
,000a
a. Predictors: (Constant), Sociability

b. Dependent Variable: Dominance
Coefficientsa
Model
1
(Constant)
Sociability
Unstandardized
Coefficients
B
Std. Error
,779
1,370
,757
,091
Standardized
Coefficients
Beta
,680
t
,568
8,284
Sig.
,571
,000
a. Dependent Variable: Dominance
A modell szignifikancijt a 3. tblzat (ANOVA) F-statisztikjnak szignifikancija mutatja meg

szmunkra. Amennyiben itt a Sig.-rtk 0,05 alatti, gy van rtelme tovbb foglalkozni a regresszis
modellel (amennyiben a fenti, stepwise-algoritmust hasznljuk, gy csak szignifikns modellt
lthatunk).
73
Az els tblzatot csak tbbvltozs esetben szoks rdemben vizsglni, ugyanis ebben a tblzatban
kerlnek felsorolsra a modellbe bevont vltozk. Itt most a dominancia-vltozra nyilvn a
szociabilits-vltozt vontuk be.
Az F-rtk alapjn teht szignifikns kapcsolat van a vltozink kztt, a korrelcis egytthat 0,68
(kzepesen ers, pozitv kapcsolat) s az ebbl szmtott determincis egytthat (r-ngyzet) 0,46.
A felrhat modell:
0,779 + 0,757*szociabilits = dominancia
A msik lehetsg a modell ellenrzsre: ha a modell felrsra hasznlt utols tblzatban

vizsgljuk az egytthatk szignifikancijt (azt vizsgljuk, hogy az egytthat 0 vagy nem 0). Hiszen
amennyiben 0 lenne az egytthat, akkor feleslegesen rjuk fel a modellbe.
74
A szociabilits- s dominancia-vltozk kapcsolata

A kt vltoz kztt szignifikns, pozitv, kzepesen ers kapcsolat van (r = 0,68, p = 0,0000). A
magyarzott variancia-arny 0,46 (46%). Megllapthat teht, hogy a szociabilits nvekedsvel a
dominancia nvekedse jr egytt.
Figyeljnk oda arra, hogy az ilyen esetekben MINDIG elszr a szignifikancit ellenrizzk. Nem
mondhatunk semmit sem a modellrl, ha nincsen szignifikns viszony teht brmely szmtott
paramterrel csak akkor van rtelme foglalkoznunk, ha meglv kapcsolatot ltunk.
75
Diszkrt vltozk kztti kapcsolatvizsglat

Diszkrt vltozk kztti kapcsolatvizsglat esetn egy elz
kapcsolatvizsglatot vesznk el ms kntsbe bjtatva.
A ktmints t-prba
sszehasonltst.
esetn
hasznltuk
nemek
kztt
fejezetben mr trgyalt
feminits
nagysgszintjnek
Most is hasonl dolgot fogunk tenni - a nem s az IQ kapcsolatt fogjuk vizsglni. Alapesetben ez egy
ktmints t-prba lenne, azonban ha vezetes felrsa is ltezik a folytonos vltoznak, akkor
rnzhetnk gy is, hogy alacsony, kzepes s magas IQ-szint, melyeknek van-e kapcsolata a nemvltozval?
Van-e kapcsolat a nem s az IQ kztt?
Statisztikai hipotzisknt az albbi vizsglatot fogjuk vgrehajtani:
Az IQ- s a nem-vltozk fggetlenek egymstl.
Ennek az eljrsnak egyetlen felttele van, melynek ellenrzse be van ptve mindkt
programcsomagba: az elvrt vagy vrhat gyakorisgoknak minden egyes cellban (a kereszttbla
minden kategria-prostsban) legalbb 5-nek kell lennie. Ez all kis kivtelt tehetnk: amennyiben
a cellk legalbb 80%-ban ezt elrtk, gy alkalmazhat az eljrs (teht 2 x 2-es esetben minden
cella, de 2 x 3 cella esetn pl. 1 cellban srlhet e felttel).
A 2 x 2-es eset specifikus, ugyanis ebben az esetben hasznlhat az gynevezett Fisher-egzakt prba,
melynek nincsen felttele: brmikor alkalmazhat, brmilyen cellagyakorisg esetn azonban csak
2 x 2-es esetekre.
76
Kereszttbls elemzsek ROPstat programcsomagban
77
Ha mindent a fentiek szerint lltottunk be, gy a kvetkez outputot kapjuk:
Diszkrt vltozk kapcsolatvizsglata
Jells: +: p < 0,10 *: p < 0,05 **: p < 0,01 ***: p < 0,001
94
KTSZEMPONTOS GYAKORISGI TBLZAT

Sorvltoz: Gender (Gender of subjects)
Oszlopvltoz: IQ (IQ of subjects)
Az IQ vltoz csoportjai/kategrii:
Gender
low
middle high
sszesen
Male
8
3
5
16
Female
19
37
22
78
sszesen
27
40
27
94
Vrt gyakorisgok tblzata
Gender
low
middle high
sszesen
Male
4,6
6,8
4,6
16
Female
22,4
33,2
22,4
78
sszesen
27
40
27
94
Sorsszegek szerinti szzalkok tblzata
Gender
low
middle high
sszesen
Male
50,0
18,8
31,3
100,0
Female
24,4
47,4
28,2
100,0
sszesen
28,7
42,6
28,7
100,0
Oszlopsszegek szerinti szzalkok tblzata
Gender
low
middle high
sszesen
Male
29,6
7,5
18,5
17,0
Female
70,4
92,5
81,5
83,0
sszesen
100,0
100,0
100,0
100,0
Ktszempontos szzalkos gyakorisgok tblzata
Gender
low
middle high
sszesen
Male
8,5
3,2
5,3
17,0
Female
20,2
39,4
23,4
83,0
sszesen
28,7
42,6
28,7
100,0
KAPCSOLATI MUTATK
Cramr-fle kontingencia-egytthat, V = 0,245
Goodman-Kruskal-fle predikcis mutatk
A) Mind a sor-, mind az oszlopvltoz vletlen vltoznak tekinthet:
- Oszlopvltoz predikcija a sorvltoz alapjn:
Lambda(oszlop|sor) = 0,093, Tau(oszlop|sor) = 0,032
- Sorvltoz predikcija az oszlopvltoz alapjn:
Lambda(sor|oszlop) = 0,000, Tau(sor|oszlop) = 0,048
B) Csak a bejsoland vltoz tekinthet vletlen vltoznak:
- Oszlopvltoz predikcija a sorvltoz alapjn:
Lambda*(oszlop|sor) = 0,184, Tau*(oszlop|sor) = 0,056
- Sorvltoz predikcija az oszlopvltoz alapjn:
Lambda*(sor|oszlop) = 0,000, Tau*(sor|oszlop) = 0,054
Kzs informci-hnyad
- Oszlopvltoz predikcija a sorvltoz alapjn: UC(oszlop|sor) = 0,028
- Sorvltoz predikcija az oszlopvltoz alapjn: UC(sor|oszlop) = 0,067
FGGETLENSG TESZTELSE
Khi-ngyzet-prba (f = 2): Khi2 = 5,649 (p = 0,0593)+
FIGYELEM: Tl sok az 5-nl kisebb vrt gyakorisgok szma: k = 2
Emiatt a khi-ngyzet-prba rvnyessge ktsges lehet.
78
A kereszttbls elemzsek sorn a ler statisztikai rszekhez tartoznak a klnbz tblzatok:
tapasztalati gyakorisgok, szzalkos eloszlsok sor- s oszlopsszeg szerint, illetve a teljes
szzalkos megoszls.
A predikcis mutatk s egyb mutatk akkor rtelmesek, ha az egsz elemzshez tartoz khingyzet statisztika (mely a fggetlensg-tesztels elnevezs, utols blokkban tallhat) szignifikns.
Esetnkben ezzel tbb gond is addik, mert egyik oldalrl a vrhat gyakorisgok nem elg nagyok
(le tudjuk ellenrizni, hogy 2 cellban is 5 alatti rtket kapunk), msik oldalrl pedig az rtk csak
tendencia-szint. Teht elmondhat, hogy az IQ- s a nem-vltozk fggetlenek egymstl.
Termszetesen ez azt jelenti, hogy a predikcis mutatk (valaki nembl elre tudnnk-e jelezni az
IQ-jt?), illetve a kapcsolat erssgt mr kontingencia-egytthatk nem magyarzhatk.
79
Kereszttbls elemzsek SPSS programcsomagban
Az SPSS programcsomagnak ez a fejezete a ler statisztikknl tallhat meg (ne keverjk ssze a
nemparamteres statisztikk khi-ngyzet-prbjval).
80
Ezen belltsokkal az albbi tblzatokat, outputot nyerjk:
Case Processing Summary
Cases
Missing
N
Percent
Valid
N
Gender of subjects *
Percent
94
100,0%
Total
N
,0%
Percent
94
100,0%
Gender of subjects * Kdolt IQ: Kszlt az IQ vltoz vezetei alapjn Crosstabulation
Gender of
subjects
Male
Female
Total
Count
Expected Count
% within Gender of
subjects
% within Kdolt IQ:
Kszlt az IQ vltoz
vezetei alapjn
% of Total
Count
Expected Count
% within Gender of
subjects
% within Kdolt IQ:
Kszlt az IQ vltoz
vezetei alapjn
% of Total
Count
Expected Count
% within Gender of
subjects
% within Kdolt IQ:
Kszlt az IQ vltoz
vezetei alapjn
% of Total
Kdolt IQ: Kszlt az IQ vltoz

vezetei alapjn
low
middle
high
8
3
5
4,6
6,8
4,6
Total
16
16,0
50,0%
18,8%
31,3%
100,0%
29,6%
7,5%
18,5%
17,0%
8,5%
19
22,4
3,2%
37
33,2
5,3%
22
22,4
17,0%
78
78,0
24,4%
47,4%
28,2%
100,0%
70,4%
92,5%
81,5%
83,0%
20,2%
27
27,0
39,4%
40
40,0
23,4%
27
27,0
83,0%
94
94,0
28,7%
42,6%
28,7%
100,0%
100,0%
100,0%
100,0%
100,0%
28,7%
42,6%
28,7%
100,0%
Chi-Square Tests
Pearson Chi-Square
Likelihood Ratio
Linear-by-Linear
Association
N of Valid Cases
Value
5,649a
5,769
1,167
2
2
Asymp. Sig.
(2-sided)
,059
,056
,280
df
94
a. 2 cells (33,3%) have expected count less than 5. The

minimum expected count is 4,60.
81
Symmetric Measures
Nominal by
Nominal
Phi
Cramer's V
Contingency Coefficient
N of Valid Cases
Value
,245
,245
,238
94
Approx. Sig.
,059
,059
,059
a. Not assuming the null hypothesis.

b. Using the asymptotic standard error assuming the null
hypothesis.
Az els tblzatban a hinyz adatok szmt kvethetnnk nyomon. A msodik tblzatban lthat
EGYBEN az a ngy tblzat, ami a ROPstat sor-/oszlop-/teljes szzalkos megoszlsa, illetve vrhat
eloszlsa (blokkonknt: tapasztalt, vrhat, sor-, oszlop- s teljes %).
Az utols eltti tblzat tartalmazza a megfelel khi-ngyzet statisztikt, majd az utols tblzat a
belle kpezett, kapcsolat erssgt mr kontingencia-egytthatkat.
Ezek alapjn is az mondhat el, hogy nincsen szignifikns kapcsolat a nem s az IQ kztt.
A nem- s az IQ-vltoz kapcsolata

A kt vltoz kztt nem tapasztalhat szignifikns sszefggs (khi-ngyzet = 5,649, Sig. = 0,059).
Radsul a vrt gyakorisgok miatt ez az rtk megbzhatatlannak is tnik, hiszen tl sok cellban (2)
srlt a prba felttele. Az eredmnynket gy is interpretlhatjuk, hogy valaki nembl nem tudunk
az intelligenciahnyadosnak mrtkre, pontosabban annak nagysgszintjre kvetkeztetni.
Figyeljnk oda arra, hogy az ilyen esetekben MINDIG elszr a szignifikancit ellenrizzk! A
kontingencia-egytthat nagysgszintje nem mond semmit olyan esetekben, amikor a khi-ngyzet
statisztika alapjn a fggetlensg nem elvethet.
82
MELLKLET: Adatrgzts (Treit Nomi)

A mhelymunka igen lnyeges rsze az adataink statisztikai elemzse. Ahhoz azonban, hogy elemezni
tudjunk brmit is, ltre kell hoznunk egy adatfjl. Ehhez nyjt segtsget ez az sszefoglal.
Milyen programokkal lehet adatot rgzteni? Amit mindenkppen hasznlnunk kell majd a statisztikai
elemzsekhez, az a ROPstat vagy az SPSS, gy clszer e kt program valamelyikben rgzteni az
adatokat. (Persze aki valamely egyb statisztikai programcsomagot szokott hasznlni, s azt tudja jl
kezelni, az hasznlhatja most is azt).
Adatrgzts ROPstatban
Ha megnyitjuk a ROPstatot, egy 1 x 1-es tblzat fog minket fogadni. Elszr is a vltozinkat kell
definilni. Ehhez j vltoz(ka)t kell beilleszteni. Ezt a Vltozk/j vltoz beillesztse menpontban
tehetjk meg.
Ha erre rkattintunk, egy j ablak ugrik el, itt llthatjuk be, hogy hny vltozt s hova szeretnnk
beilleszteni.
83
Ha elkszlt a kell mennyisg oszlopot tartalmaz tblzat, akkor vltsunk t a Vltozk
deklarcii nzetre.
A vltozinkat itt
Hogy mi mit jelent?
tudjuk
elnevezni,
cmkzni, minimum/maximum rtkeket belltani.
Rvid nv: Egy rvid nv, ami utal a vltozra, lehetleg kezetek nlkl. (Fontos
megjegyezni, hogy 8 karakternl hosszabb nevet nem ildomos adni a ms programokba
trtn konvertlhatsg fenntartsa vgett. Tovbb kerljk el az egzotikus karaktereket,
kezetes betket, illetve lehetsg szerint az rsjeleket (?, %, !... pldul ne kerljn bele)).
Hossz nv: Hosszabb magyarzat, hogy az a vltoz mit takar. 100 karakternl ne rjunk
hosszabbat.
Tpus: Lehet numerikus, szveg, link, dtum. ltalban numerikus adatokkal dolgozunk. Ha
belekattintunk a cellba, megjelenik mellette egy szrke tglalap, arra kattintva egy
prbeszdablakban bellthat a tpus, a minimum s maximum rtk, illetve a hinyz
adatok kdolsra szolgl rtk(ek).
Csoportnv: Alapesetben nem kell vele foglalkozni, akkor fontos, ha vezetesteni
szeretnnk. A folytonos vltozinkat itt tudjuk diszkrt vltozkk alaktani. Szintn
belekattintva, majd a megjelen szrke tglalapra kattintva, a prbeszdablakban belltva,
hogy mettl meddig milyen j rtket s milyen cmkt kapjon a vltoznk, ezeket a
Hozzad gombbal egyenknt bevisszk, majd ok.
Csoporttpus: Lehet kdokkal (tipikusan a nemnl, illetve brmely nominlis/ordinlis
vltoznl fordul ez el), vezetekkel (kort, IQ-t lehet pldul vezetesteni, de igazbl
brmit), vagy figyelmen kvl is hagyhatjuk, s nem definilunk csoportokat.
Hinyz: A hinyz adatokat jell rtkek szerepelnek itt. Belekattintva, a szrke tglalapra
kattintva a prbeszdablakban a diszkrt hinyz rtkeknl lehet belltani. Olyasmire kell
itt gondolni, hogy az illet nem hajland vlaszolni, nem rti a krdst, nyomdahibs a
krdv, amit megkapott. Ezek a lehetsgek mind ms s ms okbl eredmnyeznek
hinyz rtkeket ezeket kln-kln definilhatjuk s rgzthetjk, gy a hinyz rtkek
mlyebb elemzse is lehetsgess vlik.
84
Egy plda ROPstatban
Az els vltoz egy azonost szm 1 s 94 kztt.
A msodik vltoz a ksrleti szemly neme, kdokkal definilva: 1-frfi, 2-n.
A harmadik vltoz a ksrleti szemly kora, 18 s 41 v kztt. Ha nem adta meg, vagy ms
okbl nincs rla adatunk, akkor hinyz rtket jelezve 999 szerepel a tblzatban.
A negyedik vltoz az IQ. 90 s 160 kztti rtkek, viszont vezetekkel megadva, 125 alatt
alacsony, 141 fltt magas, a kett kztt kzepes.
Ha ksz a vltozk deklarcija, kvetkezhet a tblzat feltltse. Minden egyes sor egy ksrleti
szemly adatait tartalmazza. j eseteket az Esetek/j eset beillesztse menpontra kattintva
tudunk beilleszteni.
85
Az elugr prbeszdablakban tudjuk belltani, hogy hny j sort szeretnnk beilleszteni, s azok
hova kerljenek.
gy elkszlt egy megfelel mret tblzat, ebbe kell bevinni az adatainkat.

Mit hogyan rdemes kdolni? Ezekre legfeljebb pldkat mondhatunk:
Nem: frfi=1, n=2.

Szemlyisgmutatk: Egy rtkkel. (Itt a kvetkezkre kell gondolni: felvesznk valakivel egy
emptia-tesztet. A tesztben lltsokat kell osztlyozni 1 s 5 kztt. Ekkor az adataink
sorban MINDEN krdst rgztnk egy 1 s 5 kztti rtkkel, tovbb a
szemlyisgmutatnak is ksztnk egy j vltozt, melybe az sszestst is felvisszk.)
Korcsoportok: vezetekkel vagy az elbb megjelellt egy darab vszmmal. Termszetesen
minden folytonos vltozra lehet vezeteket definilni, pontostva vagy rnyalva gy annak
jelentst.
86
vezetests ROPstatban
Elfordulhat, hogy a folytonos vltoz helyett az elemzsben jobb, ha csoportokkal tudunk dolgozni.
Ilyenkor vezetekre kell bontani a folytonos vltozt. Erre a ROPstatban 2 lehetsg is van, me a
knnyebb:
A Vltozk deklarcii nzetben az adott vltoznl a Csoportnevek mezbe kattintva, majd a

megjelen szrke tglalapra kattintva ugrik fel a prbeszdablakunk.
Itt a -tl s -ig utn megadjuk a csoport hatrait, alatta a csoport nevt (opcionlis), majd a
Hozzad gombra kattintva felvesszk a csoportot. Minden csoporttal gy jrunk el. Ha kszen
vagyunk, akkor valami hasonlt kell ltnunk:
Teht megjelennek sorban, egyms alatt a csoportok. Ezek utn a Vltozk deklarcii nzetben
mr a csoportokat is feltnteti a program. A csoport tpust ilyenkor lltsuk t vezetek-re.
87
Adatrgzts SPSS-ben
Nagyon hasonlan mkdik, mint a ROPstatban, csak itt mr nagyobb res tblzat fogad minket,
rgtn a program indtsakor. A Variable View nzetben belltjuk a vltozink neveit,
tulajdonsgait, majd a Data View nzetben kitltjk a cellkat gy, hogy megint minden sor egy
ksrleti szemlynek felel meg.
A vltozk tulajdonsgai a tblzatban:
88
A Variable View nzet oszlopainak jelentse:
Name: mint a rvid nv ROPstatban.
Type: mint a tpus ROPstatban.
Width: ilyen szlessg szmsort/adatot tudunk rgzteni (ennyi karakterrel dolgozhatunk).
Decimals: amennyiben nem egsz szmokkal dolgozunk, gy az adattblnk megjelentsekor

ennyi tizedesjegyet r ki a program (a tbbi tizedesjegyet is rgztjk, csak tlthatbb lesz az
adattblnk).
Label: mint a hossz nv ROPstatban.
Values: mint a csoportnevek ROPstatban.
Missing: mint a hinyz ROPstatban.
Columns: Ezzel llthatjuk be, hogy milyen szles legyen az oszlop, amikor az adatokat nzzk
a msik nzetben. (Pl. a nem 1 s 2 kdjainak felesleges egy 30 hosszsg oszlopot kijellni,
ami betlti a fl kpernyt.)
Align: itt lehet belltani, hogy balra, jobbra vagy kzpre igaztsa a cellban az adatot.
Measure: Sklatpus. Lehet nominlis, ordinlis s scale, azaz skla.
Role: ez rgebbi verzij SPSS-ben nem szerepel (pl. 15-s verziszm). Ezek mr ms
programokhoz kapcsold belltsok inkbb jelen esetben ezt nem fogjuk kihasznlni,
neknk minden vltoznk input kategria.
Itt a nevek helyre kattintva ktszer a cellba mr rhatjuk is be, amit szeretnnk, ahol pedig
belltst kell megadni, ott egyszer a cellba kell kattintani, majd a megjelen kkes ngyzetre
kattintva egy prbeszdablak ugrik el, amit rtelemszeren kitltve tudunk belltsokat megadni. A
belltsok nagyon hasonltanak a ROPstatban mr megszokottakhoz, gy ezekre kln nem trnnk
ki. Van azonban egy rdekes lehetsg a kt program kztt mely az tjrst biztostja szmunkra.
89
Meglv ROPstat adatfjl tvitele SPSS-be
Ez az opci szokott a gyakoribb lenni, azaz a ROPstat-adatokat szoktuk tvinni SPSS-krnyezetbe.

(Visszafel nagyon knny, mert csak el kell menteni az SPSS-adatot SPSS portable formtumban,
azt ugyanis meg tudja nyitni a ROPstat).
Ha a ROPstatban mr rgztettk az adatainkat,
akkor knnyen tkonvertlhatjuk ket SPSS
adatfjll.
A ROPstatban a megnyitott adatfljnl a
Fjl/Ments SPSS-formtumban menpontra
kattintva elmentjk a .dat-kiterjeszts fjlt s
egy SPSS-syntaxot azonos nvvel s ltalunk
megadott helyre a merevlemeznkn.
Ezutn
az
SPSS-ben
a
File/Open/Syntax
menponttal
elhozott ablakban kikeressk azt a
mappt,
amibe
korbban
mentettnk, s kivlasztjuk a
megfelel .sps-kiterjeszts fjlt.
Ezt lefuttatva a program ltrehozza

az SPSS-adatfjlunkat.
Felttlenl figyeljnk arra, hogy az
egsz szvegtrzs ELS sorban
megadott elrsi tvonal helyes
legyen, azaz a szmtgp j
helyen keresse a kimentett
adatokat.
90
A futtats a Run/All paranccsal trtnik, vagy a Play gomb megnyomsval.
A futtats utn megnylik az elemzsek (output) ablaka visszajelzst kapunk, hogy a beolvass
sikeres volt-e. Egy kln ablakban az adatfjlunkat is megnyitja a program, melyben minden
ROPstatban trolt informcit megtallunk. Amire figyelnnk kell: az SPSS-ben nincsen vezetes
bonts, gy azon vltozkat, ahol megadtunk vezeteket (nem kdokat, szigoran vezetek, mint
fentebbi pldnl az IQ), ott az SPSS minden ilyen vltozhoz 1-1 j vltozt fog definilni, melyben
az vezetek kdokkal lesznek rgztve. Ezt mi is meg tudjuk tenni, az albbi mdon:
91
vezetests SPSS-ben
Az SPSS ezen a ponton jelents mrtkben eltren mkdik, mint a ROPstat. Ahhoz, hogy
vezeteket tudjunk definilni, egy j vltozt kell ltrehoznunk az eredeti ltalban folytonos
vltoznkbl.
A Transform/Recode into Different Variables menponttal hvjuk el az albbi prbeszdablakot.
Elszr kivlasztjuk a folytonos vltoznkat, amit vezetesteni szeretnnk. Rkattintva, majd a nylra
nyomva tvisszk az Input Variable dobozba. Az Output Variable rszt kitltjk, mgpedig gy,
hogy a Name-hez az j vltoznk rvid nevt, a Label mezbe pedig az j vltoznk hossz nevt
rjuk, majd meg kell nyomnunk a Change gombot is. Ha ez utbbit elmulasztjuk, nem tudunk
tovbbmenni. Ekkor az Input Variable dobozban megjelenik az j vltoznk neve is. Ezek utn gy
kell kinznie az ablaknak:
92
A kvetkez lps az vezetek megadsa az Old and New Values gombra kattintva. Ekkor jabb
ablak ugrik fel.
Az Old Value hasbban a rgi adatokat adjuk meg. Meg lehet adni egy konkrt rtket, illetve
intervallumokat is. Mi az intervallumokat fogjuk hasznlni. A Range cellkba megadhatjuk az
intervallum hatrait (ehhez ki is kell jellni a megfelel Range tpust. Az elsben konkrt
intervallumot tudunk megadni, a msodikban egy rtket s annl kisebbeket kdolhatunk (lefel
nylt, vgtelen intervallum), a harmadik lehetsgnl pedig egy adott rtknl nagyobb rtkeket
kdolhatunk t (felfel nylt, vgtelen intervallum).
93
A New Value hasbban megadjuk, hogy a belltott intervallumnak mi legyen az j rtke. (Ez az j
rtk alapbelltsban egy szm, de ha szveget szeretnnk, akkor ki kell piplni az Output variables
are strings belltst. Ezt elenyszen ritkn hasznljuk). Ha ezt belltottuk, az Add gombra
kattintunk, a bellts ekkor megjelenik az Old->New dobozban. gy megadhatjuk az sszes
intervallumot, illetve kdot. Ha kszen vagyunk, akkor nyomjunk a Continue gombra. Nagyjbl gy
kne kinznie a vgn a kdolsnak:
Continue utn az eredeti ablakot kapjuk vissza, itt Paste vagy OK. Paste utn a syntaxot
lefuttatva Variable View-ban leellenrizhetjk, hogy megjelent-e az j vltoznk (a Paste azrt
lehet hasznos, mert knnyen elfordulhat tbb hasonl jrakdols egy elemzsi munka
elfzisaknt. Ekkor nem kell mindegyiket vgigkattintgatni, hanem elegend egyszer majd utna
brmely szvegszerkesztben tudunk msolatokat kszteni, s azokat t tudjuk rni a megfelel
formba.
Megjegyzsek az adatrgztshez
A mhelymunkban/szakdolgozatban is meg kell majd mindent magyarzni. Melyik vltoz, rtk
mit takar, hozzjuk kapcsoldan milyen rtk mit jelent. Miknt trtnt meg az adatrgzts, miknt
vetted fel az adatokat. Milyen elvek mentn hoztl ltre vezeteket, kdokat. Amennyiben
megfelelen pontosan, gondosan jrunk el, gy errl a folyamatrl kszthetnk egy dokumentumot,
melyben mindezen fenti krdsekre vlaszt adunk: az adatok mit takarnak, mit hogy kezeltnk. Ez
azrt is hasznos, mert ha vek mlva valamirt hozz akarsz nylni ezekhez az adatokhoz, akkor itt
vissza lehet keresni, hogy mi micsoda, ha mr nem emlksznk r.
94
Mellklet sszefoglal tblzat
Krdsfelvets
Adott vltoz kzprtkre vonatkoz krds.
Igaz-e, hogy az IQ vrhat rtke (elmleti tlaga) a
vizsglt populciban 100?
Egy vltozt vizsglunk kt fggetlen mintban.

Igaz-e, hogy a frfiak s a nk vrhat
dominancijnak szintje nem tr el?
Mit vizsglunk?
A vltoz tlagt vizsgljuk (tetszleges adott
rtkkel egyezs).
A vltoz tlagt vizsgljuk (tetszleges adott
rtkkel egyezs).
A vltoz medinjt vizsgljuk (tetszleges
adott rtkkel egyezs).
A vltoz nagysgszintjt vizsgljuk
(tetszleges adott rtknl tallhat-e a
kzepe a populcinak).
A vltoz tlagt vizsgljuk.
A vltoz medinjt, nagysgszintjt
vizsgljuk.
A vizsglt vltoz nominlis teht az
eloszlst vizsgljuk.
Egy vltozt vizsglunk tbb fggetlen mintban.

Igaz-e, hogy a fvrosi, vidki vrosi s kzsgi
lakosok keresetnek nagysgszintje megegyezik?


vizsgljuk.
A vizsglt vltoz nominlis teht az
eloszlst vizsgljuk.
Egy vltoz kt idpontban, azonos mintn vagy kt, azonos A klnbsgvltoz tlagt vizsgljuk (0-val
skln mrt vltoz, azonos mintn.
egyezs).
Igaz-e, hogy futs eltt s futs utn a vrhat
A klnbsgvltoz tlagt vizsgljuk (0-val
vrnyoms mrtke azonos?
egyezs).
A klnbsgvltoz medinjt vizsgljuk (0-val
egyezs).
A klnbsgvltoz nagysgszintjt vizsgljuk
(0-nl tallhat-e a kzepe a populcinak).
Felttel
Alkalmazand eljrs
A vizsglt vltoz eloszlsa normlis.
Hagyomnyos egymints t-prba
A vizsglt vltoz folytonos.
Hagyomnyos egymints t-prba robusztus vltozatai

(Johnson, Gayen)
A vizsglt vltoz folytonos s szimmetrikus.
Wilcoxon-prba
A vizsglt vltoz sklja legalbb ordinlis.
Eljelprba
A vizsglt vltoz normlis, s teljesl a

szrshomogenits.
A vizsglt vltoz normlis, de nem teljesl a
szrshomogenits.
A vizsglt vltoz folytonos, persze gy
automatikusan ordinlis is.
A vrt gyakorisgok legalbb 5-s rtke a vizsglt
vltoz minden kategrijban.
szrshomogenits.
szrshomogenits.
vltoz minden kategrijban.
Hagyomnyos ktmints t-prba

Hagyomnyos ktmints t-prba robusztus vltozata
(Welch-fle d-prba)
Sztochasztikus egyenlsg (MannWhitney-prba)
Khi-ngyzet-prba
Hagyomnyos egyszempontos VA
Hagyomnyos egyszempontos VA robusztus vltozata
(pl. BrownForsythe-prba)
Sztochasztikus homogenits (KruskallWallis-prba)
Khi-ngyzet-prba
A klnbsgvltoz eloszlsa normlis.
sszetartoz mints t-prba
A klnbsgvltoz folytonos.
sszetartoz mints t-prba robusztus vltozatai

(Johnson, Gayen)
A klnbsgvltoz folytonos s szimmetrikus.
Wilcoxon-prba
A klnbsgvltoz sklja legalbb ordinlis.
Eljelprba
Krdsfelvets
Egy vltoz tbb eltr idpontban, azonos mintn vagy
kettnl tbb, azonos skln mrt vltoz sszehasonltsa,
azonos mintn.
Igaz-e, hogy futs eltt, alatt s utn a vrhat
vrnyoms mrtke azonos?
Egy vltoz nagysgszintjt vizsgljuk kt csoportost vltoz

mentn, egyidejleg.
Igaz-e, hogy a fvrosban, vidki vrosokban, illetve
kzsgekben a frfiak s nk stressz-trse azonos
mrtk?
Csoportokat s vltozkat vizsglunk egyidejleg.
Igaz-e, hogy futs eltt, alatt s utn a vrnyoms
mrtke frfiaknl s nknl megegyezik?
Mit vizsglunk?
A vltoz / vltozk tlagnak megvltozst
vizsgljuk a klnbz idpontokban.
A vltoz / vltozk tlagnak megvltozst
vizsgljuk a klnbz idpontokban.
A vltoz / vltozk sztochasztikus
homogenitst teszteljk.
A vltoz / vltozk nominlis(ak), teht az
eloszls megvltozsa a krds.
Felttel
A vltozk egyttes normalitsa s a szfericitsi
felttel.
A vltozk egyttes normalitsa teljesl, de a
szfericits nem.
A vltozk eloszlsa folytonos, ordinlis.
Alkalmazand eljrs
Friedman-prba
Friedman-prba robusztus vltozatai
Rang-VA
A vltozk medinjt, nagysgszintjt

vizsgljuk.

vltoz(k) esetn.
szrshomogenits.
szrshomogenits.
szrshomogenits.
szrshomogenits.
A vltozk kvantitatvak.
eseti
Korrelci, monotonitsi egytthatk
Az egyik vltoz kvantitatv, a msik

diszkrt.
eseti
T-prba vagy VA
Mindkt vltoz diszkrt.
eseti
Kereszttbls elemzs, khi-ngyzet-prba

vizsgljuk.
A vltozk tlagt vizsgljuk.
A vltozk tlagt vizsgljuk.
McNemar-prba
Ktszempontos, hagyomnyos VA
Ktszempontos, hagyomnyos VA robusztus
vltozatai
Ktszempontos rang-VA
Vegyes VA
Vegyes VA robusztus vltozatai (ltalban ezt
hasznljuk)
Vegyes rang-VA
Kt vltoz kztti kapcsolat.

-
Igaz-e, hogy a dominancia s a szociabilits

sszefgg?
Igaz-e, hogy a dominancia s a lakhely sszefgg?
Igaz-e, hogy a szemszn s a hajszn sszefgg?

Statisztikai Segédanyag Műhelymunkához

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

Statisztikai Segédanyag Műhelymunkához

Uploaded by

Copyright:

Available Formats

KROLI GSPR REGORMTUS EGYETEM, PSZICHOLGIAI INTZET

A ROPstat programcsomagban minden ler statisztikt az Alapok (egymints elemzsek)

Az els kt menpont a kvantitatv vltozk esetn alkalmazand, mg a gyakorisg, hisztogram

Az SPSS-ben minden elemzs az Analyze menpontban tallhat. A ler statisztikkat

A gyakorisgokon tl az albbi lehetsgeink vannak tartva a fenti struktrt a tblzatos lersban

Kzprtkek. Alapvet jelentsg mutatk

A mhelymunkkban teht a diszkrt vltozk elemzsre alapveten a gyakorisgi elemzseket

Kt lpsben fogjuk vgrehajtani az elemzst, ugyanis mind az alap, mind a rszletes

Amennyiben mindkt elemzst lefuttatjuk, ezt a kt outputot nyerjk:

Az input fjl neve: C:\_vargha\ropstat\dat\CPI.msw

95%-os konf.int. Ferdesg

VLTOZ: Age (Age of subjects in years)

Age of subjects in years

ltalnos eljrsknt elmondhat, hogy egy paramter 95%-os konfidencia-intervallumt az albbi

A normalitsra teht mr megfogalmazhattunk egy megllaptst a ferdesg alapjn, hiszen a

E fenti belltsokkal az albbi output szletik:

Amennyiben jl helyeztnk el mindent, gy az albbi outputot kapjuk:

One-Sample Kolmogorov-Smirnov Test

a. Test distribution is Normal.

Megfigyelhet, hogy a paramterek ugyanazok: a Z-statisztika rtke (mely a ROPstatban D*-knt

KZPRTKEK VIZSGLATRA VONATKOZ HIPOTZISEK

Mostantl minden esetben megfogalmazzuk a pldknl is ltott szakmai jelleg hipotziseket,

Igaz-e, hogy a vizsglt populciban az IQ-vltoz tlaga 100?

A fenti megfogalmazs szakmai hipotzisknt is felfoghat br szakmai hipotzisnek megfelelne pl.

Amennyiben megfelelen jrtunk el, az albbi outputot nyerjk:

Az IQ-vltoz tlaga = 100 hipotzis tesztelse

Igaz-e, hogy a frfiak feminits-rtke alacsonyabb, mint a nk?

Igaz-e, hogy a frfiak s nk feminits-rtknek mrtke megegyezik?

Elmleti szrsok egyenlsgnek tesztelse

Az output szerkezete a kvetkez: elszr az esetszm s a csoportost vltoz van feltntetve,

gy az output nyilvn megvltozik:

Elmleti rangszrsok egyenlsgnek tesztelse

Az SPSS-ben teht csak a ktmints t-prbval, illetve a MannWhitney-prbval fogunk

Amennyiben mindent jl csinltunk, gy a ktmints t-prba outputjt nyerjk:

Independent Samples Test

t-test for Equality of Means

Az els tblzatban a ler statisztikk lthatak csoportonknt.

Amennyiben minden belltsunk helyes, az albbi outputhoz juthatunk:

a. Grouping Variable: Gender of subjects

Az els tblzatban a rangstatisztikai rtkeket lthatjuk, majd a msodik tblzatban a Mann

A feminits-vltoz nemenknti sszehasonltsa tlag alapjn

Igaz-e, hogy ha az IQ-vltoz alapjn 3 kategrit hozunk ltre, akkor az IQ emelkedsvel

Ezt mr tudjuk kezelni statisztikailag. Matematikailag az elz blokk ltalnostsa trtnik

Azonban sztochasztikus homogenits esetn ez bonyolultabb. Eddig is gy prbltuk meg kezelni a

Elmleti szrsok egyenlsgnek tesztelse

Az (ANO)VA-elemzsnl a normalits vizsglata a ferdesg s cscsossg paramterek segtsgvel

Ekkor az albbi outputot kapjuk:

95% Confidence Interval for

Test of Homogeneity of Variances

Robust Tests of Equality of Means

(I) Kdolt IQ: Kszlt az IQ

(J) Kdolt IQ:

95% Confidence Interval

Kdolt IQ: Kszlt az IQ

Means for groups in homogeneous subsets are displayed.

Kdolt IQ: Kszlt az IQ

a. Kruskal Wallis Test

A rangstatisztikai eljrs az SPSS-ben lnyegesen rvidebb, itt csak a KruskalWallis-teszt lthat,

E krdsek vltozatos mdokon interpretlhatk egy mhelymunkban, hiszen elg sszetett

Igaz-e, hogy a Szondi-tesztben a homo1 s homo2 kp kedveltsge azonos?

Vegyk szre, hogy ez a megfogalmazs statisztikai hipotzis is egyben, hiszen egyenlsget

Igaz-e, hogy a Szondi-tesztben a homo1 s homo2 kp kedveltsgnek klnbsge vrhatan

Amennyiben mindent jl lltottunk be, gy egy mr (tartalmban) ismers outputot kapunk:

Ferdesg- s cscsossgrtk s normalitsvizsglat