Podaci mogu biti diskretni ili kontinuirani.

1.

Kod diskretnih varijabli postoji ogranien broj vrednosti na

skali, obino su to celi brojevi. Npr. broj dece u porodicama je 0,
, , itd; broj golova na fudbalskoj utakmici moe da bude ,
1, 2 itd.
Kod kontinuiranih moemo zamisliti bilo koju vrednost izmeu
najvie i najnie. Telesna visina
cm;
. ;
. :
.
itd. , ali i kolske ocene ili )Q.
Takoe, podaci mogu biti kvalitativni (kada se ispitanik po
nekom svojstvu svrstava u odreenu kategoriju i kvanitativni
kada se ispitaniku pridruuje odreeni broj u odnosu na stepen
prisustva nekog svojstva).

2.

Stenli Smit Stivens je bio psihofiziar koji je i u

svojoj oblasti prouavanja imao uspeha
(Stivensov zakon).
Meutim, verovatno je nauveniji po svojoj
operacionalistikoj teoriji merenja koja
razdvaja 4 nivoa merenja. Ova teorija je danas
sastavni deo nauke o merenju i koriste je sve
nauke.
etiri nivoa merenja ps Stivensu su: nominalni,
ordinalni, intervalni i racio nivo merenja.

Osnovna operacija nominalnog nivoa je klasifikacija.

Ovom operacijom se lanovi nekog uzorka svrstavaju u
kategorije.
Pravila: a svaki lan uzorka mora da bude klasifikovan u
neku od kategorija i b ni jedan lan ne moe biti
klasifikovan u vie od jedne kategorije
Kategorije se mogu kodirati brojevima, ali broj predstavlja
samo oznaku za ime kategorije. Odnosno: dodeljivanje
brojeva kategorijama je arbitrarno.
Primeri: zanimanje, vrsta kole, brano stanje, pol, itd.

Podrazumeva da se saini niz od lanova uzorka

koji raste ili opada po svojstvu koje posmatramo.
U psiholokim istraivanjima esto se koriste
dva metoda: metod rangovanja svi lanovi
uzorka se reaju u niz u skladu sa stepenom
prisustva nekog svojstva) i metod poreenja po
parovima porede se uvek dva lana uzorka po
ispitivanom svojstvu sve dok se ne uporedi
svaka kombinacija parova).
Primeri: Mosova skala tvrdoe minerala,

Na intervalnom nivou se ispitanici ponovo

svrstavaju u niz po prisutnosti svojstva koje
merimo ali je rastojanje izmeu svakog lana
niza jednako.
Ovde je potrbno konstruisati skalu merenja i
podeok na njoj koji e sluiti da obelei
odsustvo svojstva (nulu) iako ona ne mora biti
objektivna ve proizvoljna. Jedinica merenja je
takoe proizvoljna.
Primeri: temperatura u stepenima Celzijusa ili

Nulta taka racio mera nije proizvoljna, ve

zaista obeleava stanje objekta u kom mereno
svojstvo fiziki ne postoji.
Meutim, merna jedinica i dalje moe biti
proizvoljna! Primer: duina.
Posledica postojanja prirodne nule jeste da na
racio skali vae odnosi multiplikativnosti
mnoenja i delenja .
Primer: temperatura u Kelvinima, brzina.

Skala na kojoj se mere dobijaju prebrojavanjem elemenata

skupa. Primer: broj dece u porodici, broj izreenih sudskih
mera.
Kojoj skali od prethodne 4 pripada prebrojavanje?
Poto ima apsolutnu nulu, ona se moe svrstati u racio skale.
Meutim, ako brojimo tane odgovore na nekom testu
inteligencije mi brojimo zajedno odgovore i na teke i na
lake zadatke. )zmeu tih zadataka oito nisu jednaki
intervali, to znai da skor ispitanika na jednom testu
inteligencije dobijen prebrojavanjem pripada ordinalnoj
skali.
Zbog ovih protivurenosti se prebrojavanju objekata
pridruila zasebna skala merenja: apsolutna.

Svaki nivo merenja opisuje razliite vrste

podataka
U skladu sa odreenim nivoom merenja mi
moemo i vriti odreene statistike operacije
na podacima
Primer: ako imamo podatak nominalnog nivoa,
mi moemo raunati frekvence ili procente. Ali
ne moemo raunati prosek ili odstupanja
mera od proseka!

Nacrt u kome postoje dve ili vie grupa

Grupe moe formirati istraiva tako to ispitanike
svojevoljno postavlja u njih i varira dejstvo
nezavisne varijable: eksperimentalni nacrt
Grupe mogu biti ve formirane, npr. kad istraiva
ispituje grupu osoba sa nekim specifinim
obelejem recimo uzorak selektovan iz klinike
populacije) i poredi njihove rezultate sa kontrolnom
grupom: kvazieksperimentalni nacrt

Nacrt u kome nema grupa ve se prouava

zajedniko kovariranje varijabli kako bi se utvrdila
njihova povezanost
Cilj istraivanja esto jeste da se variranje jedne
varijable predvidi kriterijum pomou jedne ili vie
drugih varijabli (prediktori)
Tipovi: 1) analiza povezanosti dve varijable:
korelacija; 2) analiza povezanosti jedna variajble i
skupa drugih varijabli: regresija; 3) analiza
povezanosti dva skupa varijabli: kanonika
korelaciona analiza ili strukturalno modeliranje

Kada prediktorsku i kriterijumsku varijablu

merite preko istog metoda (recimo upitnikom
samoprocene) imate unimetodski nacrt.
Ako varijable merite pomou razliitih
metoda (upitnici samoprocene, rejting mere,
objektivna ponaanja, testovi imate
multimetodski dizajn.
Kad god moete merite varijable pomou vie
metoda: to doprinosi validnosti studije i
pozdanosti zakljuaka.

Veliina efekta je intenzitet delovanja nezavisne

varijable na zavisnu ili intenzitet povezanosti dve
varijable
Veliina efekta zavisi od stvarnog uticaja ili
povezanosti dve varijable
Meutim, veliina efekta zavisi od metoda: da
li se koriste dovoljno pouzdane mere (recimo
upitnici) 2) da li je nacrt uni ili multimetodski.
Ukoliko je nacrt unimetodski, dobijeni efekat je
vei usled metodske kovarijanse.

Deskriptivna statistika predstavlja set procedura

pomou kojis se dobijeni numeriki podaci sreuju i
klasifikuju a potom jasno prikazuju kako bi se bolje
razumeli. Osnovni parametri koje ona koristi su:
frekvence, procenti, mere centralne tendencije
(prosek, mod, medijana) i mere varijabilnosti
(disperzija, standardna devijacija).
Inferencijalna statistika predstavlja set procedura
pomou kojih se preko mera dobijenih na jednoj
grupi ispitanika (uzorku) zakljuuje o stanju koje
postoji u populaciji.

Parametrijska statistika
predstavlja set procedura koji se
upotrebljava radi obrade onih
podataka za koje se smatra da
se normalno distribuiraju u
populaciji (pa i u ispitivanom
uzorku).
Neparametrijska statistika
predstavlja set procedura koji se
upotrebljava radi obrade
podataka koji se ne distribuiraju
normalno u populaciji.

Statistike hipoteze: formalno iskazane

pretpostavke o vrednosti odreenih parametara
populacije
Statistike hipoteze su veoma sline
istraivakim hipotezama. Razlika je to su
statistike hipoteze iskazane formalnim
statistikim jezikom (npr: homogenost varijansi u
dve grupe e biti razliita a istraivake se
iskazuju pomou terminologije koja vai u nekoj
disciplini (npr: individualne razlike u
nacionalizmu e biti razliite u dve grupe .

Nulta hipoteza (H0): pretpostavka da je neki

parametar od znaaja u populaciji jednak nuli.
Alternativna hipoteza (HA): pretpostavka da
se neki parametar od znaaja u populaciji
razlikuje od nule.
Ove dve hipoteze moraju biti meusobno
iskljuive: ako se jedna od ovih hipoteza
potvrdi onda je druga oborena.

. Razlike u inteligenciji izmeu mukaraca i ena:

H0 razlika izmeu grupa je nulta ne postoji ; (A
razlika izmeu grupa je razliita od nule. )li jo
preciznije: AS je znaajno vea u odreenoj grupi.
2. Obrazovanje i uspeh na testu inteligencije:
H0 povezanost izmeu obrazovanja i uspeha na testu
inteligencije ne postoji (jednaka je nuli); HA postoji
znaajna povezanost izmeu obrazovanja i uspeha
na testu inteligencije. )li jo preciznije: postoji
pozitivna povezanost izmeu obrazovanja i uspeha
na testu inteligencije to je vee obrazovanje, vei je
uspeh na testu).

Koliko mora da bude mala verovatnoa da testni

statistik uzme odreenu vrednost pri kojoj mi
moemo da odbacimo nultu hipotezu?
Najee se uzima da verovatnoa od p= .
predstavlja dovoljno nisku verovatnou
vrednosti test statistika. Ako se dobije ova ili nia
verovatnoa (p<0.05) nulta hipoteza se moe
odbaciti (i prihvatiti alternativna).
Test statistik koji ima verovatnou pojavljivanja
od p<0.05 se proglaava statistiki znaajnim.

Prvi tip greke greka : odbacivanje tane

nulte hipoteze.
Verovatnoa ove greke zavisi od a priori
verovatnoe koja je odabrana za odbacivanje
nulte hipoteze.
Najee se koriste tri verovatnoe: p= . ;
p=0.01 i p=0.001.
Ove verovatnoe se nazivaju intervali poverenja
ili nivoi znaajnosti.
to je dobijeni nivo znaajnosti nii, nia je i
verovatnoa prvog tipa greke.

Drugi tip greke greka : neodbacivanje nulte

hipoteze a da je ona ipak pogrena.
Npr. ta da radite ako dobijete verovatnou test
statistika od p= . . Verovatnoa je niska ali
ipak ne prelazi prvi nivo znaajnosti od p<0.05.
Oigledno je da su ove dve vrste greke u
obrnutoj srazmeri: to je manja verovatnoa da
uinimo jednu, poveava se verovatnoa da
uinimo drugu greku.
Ovo se naravno posebno odnosi na granine
verovatnoe test statistika.

Statistika snaga testa znaajnosti je

dugorona verovatnoa - kada su date
populacijska veliina efekta, nivo alfa greke i
broj ispitanika - odbacivanja pogrene (0.

Veliina uzorka broj entiteta (npr. ljudi) u studiji

Veliina efekta

Alfa greka
Snaga

mera distance izmeu (0 i H1

verovatnoa da je opservirani
efekat sluajan
verovatnoa registrovanja
postojeeg efekta

n = f(veliina efekta, alfa, snaga)

Veliina efekta = f(n, alfa, snaga)
alfa = f(n, veliina efekta, snaga)
snaga = f(n, veliina efekta, alfa)

. Poveati broj ispitanika u uzorku/uzorcima

. Poveati oekivanu razliku pojaavajui
eksperimentalnu manipulaciju, ili pravei
snaniji kontrast izmeu eskperimentalnih
uslova
. Korititi pretest/ponovljena merenja, to
smanjuje greku u formuli za izraunavanje
veliine efekta
ES=(m1-m2)/s
ES=(m1-m2)/s((1-r2)1/2)

- neponovljeno merenje
- ponovljeno merenje

. Varirati alfa greku ukoliko logika studije to dozvoljava:

a) Ukoliko klasifikacija ljudi u grupe nije sasvim precizna
b) Merni instrumenti nemaju dovoljno dobre metrijske
karakteristike
c) Ukoliko se oekuju slabi efekti/razlike
d) U zavisnosti od konsekvenci naih odluka korist, eliminacija
patnje, sporednih efekata)

. Koristiti jednosmerne testove znaajnosti

. Smanjiti varijabilitet greku u studiji koliko je to mogue
(npr. smanjenjem heterogenosti procedura u tretmanu, ili
smanjenjem heterogenosti grupa u tretmanu)

Uraditi deskriptivnu statistiku:

a) za nominalne varijable frekvence, procenti i mod kao
mera centralne tendencije i mogue raspon kao
mera varijabiliteta;
b za ordinalne varijable mogue raunati medijanu
c za intervalne varijable i vie nivoe merenja mogue
je raunati sve statistike: mod, medijana, aritmetika
sredina, standardna devijacija, raspon, minimum,
maksimum, skjunis i kutrozis
Grafiki predstaviti rezultate ukoliko je potrebno

Utvrditi da li postoje autlajeri u podacima i

kakve su oni prirode da li su u pitanju greke
ili stvarne ekstremne vrednosti)
Utvrditi normalnost raspodele intervalnih
varijabli pomou Kolmogorov-Smirnov testa
Ukoliko neka od varijabli nije normalno
raspodeljena moe se normalizovati Blom i
Rankit algoritmi)

Ukoliko je potrebno utvrditi znaajnost razlike

frekvenci izmeu dve ili vie kategorija
nominalne varijable radi se test. Ako
varijabla ima vie od kategorije moraju se
raditi dodatni testovi za utvrivanje razlika
izmeu svake od njih.
Ukoliko je potrebno utvrditi povezanost
izmeu dve nominalne varijable rauna se
Koeficijent kontigencije.

Ukoliko je potrebno utvrditi znaajnost

razlike na intervalnoj varijabli izmeu dve
grupe radi se t-test. Prvo gledati Leveneov
statistik i u odnosu na njega posmatrati
odgovarajuu vrednost t-testa.

Ukoliko kategorika varijabla ima vie od dva nivoa

sprovesti ANOVU.
Podesiti izraunavanje deskriptivne statistike,
homogenosti varijansi izmeu grupa Leveneov test i
Welchov statistik (robusni procenitelj efekta faktora).
Welcha gledati samo na varijablama na kojima je
Leveneov statistik znaajan.
Podesiti post-hoc testove. Sidak i LSD za manje
uzorke i slabije efekte faktora; Scheffe i Bonferoni za
stroije testiranje. Podesiti testove za sluaj da na
varijabli ne postoji homogenost varijansi (TamhaneT2).

Ukoliko je barem jedna varijabla ordinalne

prirode raunati Spirmanov koeficijent
korelacije
Ukoliko su obe varijable intervalne prirode
raunati Pirsonov koeficijent korelacije

Ukoliko je potrebno predvideti vrednost

jedne varijable na osnovu nekoliko drugih
varijabli uraditi linearnu regresiju.
Gledati R za interpretaciju procenta
objanjene varijanse kriterijuma a
koeficijenta i njihovu znaajnost za evaluaciju
nezavisnih doprinosa svake varijable
predikciji.