You are on page 1of 61

Στατιστική Χωρίς Δάκρυα

ή

Στατιστική
με Υπολογιστές

Ι. Μ. Κατσίλλης,
ΠΤΔΕ Παν/μίου Πατρών

ΜΕΡΟΣ Α΄
Εισαγωγή και Διαχείριση
Δεδομένων
με το SPSS

Στόχος



Στόχος του μέρους αυτού είναι να σας να
παρουσιάσει με απλά βήματα τη χρήση
του SPSS για τη δημιουργία αρχείου και
περιλαμβάνει:
Την Εισαγωγή Δεδομένων.
Τον Ορισμό των Μεταβλητών και
Τη φύλαξη του Αρχείου

ή λογιστικά φύλα. Στη συνέχεια θα δούμε την πρώτη περίπτωση αναλυτικά. όπως το Excel) και μετά να τα μεταφέρομε στο πρόγραμμα.ΔΗΜΙΟΥΡΓΙΑ “ΑΡΧΕΙΟΥ ΣΥΣΤΗΜΑΤΟΣ” SPSS Υπάρχουν δύο βασικοί τρόποι για να φτιάξομε ένα αρχείο δεδομένων για το SPSS ή. όπως το Dbase ή το Access. αρχείο συστήματος SPSS (SPSS System File). όπως αλλιώς λέγεται. . Ο πρώτος είναι να εισάγομε τα δεδομένα απ’ ευθείας στο πρόγραμμα και ο δεύτερος να χρησιμοποιήσομε ένα άλλο πρόγραμμα (βάσεις δεδομένων.

-.-.-.-. _______ 5. Στατιστικής Άντρας(0) Γυναίκα (1) ______% (0)Τρομερά Ενδιαφέρον -.-.-.Ας υποθέσομε ότι έχομε συλλέξει πληροφορίες από 10 φοιτητές στο μάθημα της Εφαρμοσμένης Στατιστικής χρησιμοποιώντας το παρακάτω ερωτηματολόγιο. Φύλο 2.-.-.Καθόλου Ενδιαφέρον(10) 4. Βαθμός Στατιστικής _______ . 1. Τι ποσοστό των παραδόσεων παρακολουθείς 3. Πόσες ώρες διάβασες για το τελικό Διαγώνισμα.-. Πόσο ενδιαφέρον βρίσκεις το μάθημα της Εφαρμ.

Προσέξτε την οργάνωση του πίνακα. Προσέξτε επίσης τις αναπάντητες ερωτήσεις.Οι πληροφορίες αυτές παρουσιάζονται στον παρακάτω πίνακα. Κάθε σειρά περιλαμβάνει μια περίπτωση (ένα άτομο) και κάθε στήλη μια μεταβλητή (μιαν ερώτηση). Φύλο Παρακολούθηση Ενδιαφέρον Προσπάθεια Βαθμός Φοιτητής 1 1 95 9 30 9 Φοιτητής 2 0 80 7 20 7 Φοιτητής 3 0 30 7 5 3 Φοιτητής 4 1 20 4 - 2 Φοιτητής 5 1 75 3 15 5 Φοιτητής 6 1 75 6 20 6 Φοιτητής 7 0 25 3 5 2 Φοιτητής 8 1 25 5 8 2 Φοιτητής 9 0 45 - 10 5 Φοιτητής 10 1 30 6 5 3 . είναι σημαντική.

όπως δείχνει η παρακάτω εικόνα .Για να φτιάξομε το αρχείο του SPSS. ανοίγομε ένα νέο αρχείο.

γιατί έτσι μπαίνουν τα δεδομένα στο SPSS: με τις περιπτώσειςcases. Όταν τελειώσομε το το αρχείο θα μοιάζει με το διπλανό . Με τον ίδιο τρόπο γράφομε και τις άλλε σειρές. με κάθε στήλη να αντιπροσωπεύει μιαν ερώτηση. Μεταβλητές . Η οργάνωση είναι σημαντική. Π/ ςι ε σ ώτ πι ρε Π Η πρώτη σειρά στο διπλανό σχήμα περιέχει τώρα τις απαντήσεις του πρώτου ερωτηματολογίου.ΕΙΣΑΓΩΓΗ ΔΕΔΟΜΕΝΩΝ ΑΠΌ ΕΡΩΤΗΜΑΤΟΛΟΓΙΟ ΣΤΟ SPSS Για να εισάγομε τα δεδομένα απλά γράφομε την κάθε τιμή στο αντίστοιχο κελί.στις σειρές (οριζόντια) και τις μεταβλητές-variablesστις στήλες (κάθετα).

Τα ονόματα των μεταβλητών μπαίνουν αυτόματα από το SPSS. Θα τα αλλάξομε στη συνέχεια.Η παρακάτω εικόνα δείχνει το αρχείο με όλα τα δεδομένα. .

Πατώντας το «Variable View» παρουσιάζονται τα ονόματα των μεταβλητών και άλλες πληροφορίες. Στις προηγούμενες εικόνες βλέπαμε το «Data View».Ορισμός των Μεταβλητών και Ονομασιών “Variable View” Ο ορισμός των ονομάτων των μεταβλητών αλλά και η περιγραφή (label) της κάθε μεταβλητής και των τιμών της έχει γίνει εξαιρετικά εύκολα στο SPSS από την έκδοση 10 και μετά. όπως φαίνεται στην παρακάτω εικόνα. . στο κάτω μέρος του SPSS υπάρχουν δύο επιλογές: «Data View» και «Variable View». Όπως θα παρατηρήσατε.

στο κελί με το όνομα VAR00001 γράφομε “Gender”.. 2 Για να αλλάξομε το όνομα μιας μεταβλητής απλά πάμε στο αντίστοιχο κελί και γράφομε το όνομα που θέλομε.ο.Ορισμός των Μεταβλητών και Ονομασιών. Με τον ίδιο τρόπο γράφομε την περιγραφή των μεταβλητών στη στήλη με τον τίτλο “Label”.κ. Έτσι. . στο κελί VAR00002 γράφομε “Attend” κ.

όπως αυτό που παρουσιάζετε στη συνέχεια. στον αριθμό των ψηφίων (Width) και στον αριθμό των δεκαδικών ψηφίων (Decimals) αντίστοιχα. Νομίζω ότι είναι καλύτερα να μην αλλάξετε τίποτε προς το παρόν.Άλλες Ρυθμίσεις Οι στήλες 2. . Στη στήλη με τον τίτλο “Value” πατήστε στο δεξί μέρος του πρώτου κελιού (δίπλα στο “None” στις τελείες …) και θα ανοίξει ένα κουτί διαλόγου. 3 και 4 αφορούν στον τύπο (Type) της μεταβλητής.

δίπλα στο “Value” γράφετε την τιμή και δίπλα στο “Value Label” την ονομασία κάθε τιμής. Στο πάνω μέρος.Άλλες Ρυθμίσεις Το παρακάτω πλαίσιο διαλόγου είναι για τον ορισμό των τιμών της μεταβλητής “Gender”. Στη συνέχεια τα μεταφέρετε στο κάτω πατώντας το κουμπί “Add” και συνεχίζεται με την επόμενη τιμή. πατάτε “OK” . Εδώ έχομε ήδη ορίσει την ονομασία της τιμής 0 και μένει να πατήσομε “Add” για να ορισθεί και η ονομασία της τιμής 1. Όταν τελειώσετε με όλες τις τιμές.

τι φαίνεται. Κάνομε το ίδιο για όλες τις μεταβλητές των οποίων οι τιμές δεν έχουν μόνιμη ή δεδομένη έννοια (Αυτό είναι σχεδόν απαραίτητο για όλες τις ονομαστικές ή τακτικές μεταβλητές). Μην τον αγνοήσετε. .Ρυθμίσεις τέλος Όταν πατήσομε “OK” έχομε τελειώσει με τον ορισμών των ονομασιών των τιμών του “Gender”. Ο ορισμός των ονομασιών των τιμών των μεταβλητών είναι πολύ πιο σημαντικός απ’ ό.

τα ονόματα των μεταβλητών είναι με λατινικούς χαρακτήρες. . Έτσι όμως αποφεύγετε πιθανά προβλήματα. Αυτό δεν είναι απαραίτητο για τις τελευταίες εκδόσεις του SPSS.“Data View” Μεταβλητές Variable Names Όπως βλέπετε. βέβαια. Fieldnames etc). Στις ετικέτες (labels). των μεταβλητών και των τιμών τους μπορούμε να χρησιμοποιήσομε ελληνικούς χαρακτήρες. αν χρησιμοποιήσετε τα δεδομένα σας με ένα πρόγραμμα που δε δέχεται ελληνικούς χαρακτήρες για την ονομασία των μεταβλητών (Variables.

Μια ακόμη Ματιά Missing Cases Όπως βλέπετε. . Το κόμμα μπαίνει αυτόματα από το πρόγραμμα. Στην εισαγωγή των δεδομένων αφήσαμε αυτά τα κελιά κενά.. η 4η περίπτωση δεν έχει τιμή για τη μεταβλητή “study” και η 9η περίπτωση για τη μεταβλητή “interest”.

. Δε θα μετανιώσετε.ΦΥΛΑΞΗ ΑΡΧΕΙΩΝ SPSS Αφού κάνομε την εισαγωγή ή τις αλλαγές που επιθυμούμε φυλάσσομε το αρχείο επιλέγοντας “File” και στη συνέχεια “Save” ή “Save as” από το μενού. Τις επόμενες φορές που θα φυλάξετε το αρχείο (με το “Save”) δε θα χρειαστεί να δώσετε ξανά όνομα. Κάντε το αμέσως μετά την εισαγωγή του πρώτου ερωτηματολογίου και μετά όσο πιο συχνά μπορείτε. Η συμβουλή μου είναι να μην περιμένετε να κάνετε τα πάντα πριν φυλάξετε το αρχείο. Το πρόγραμμα θα φυλάξει το αρχείο αφού πρώτα σας ζητήσει και δώσετε κάποιο όνομα. εκτός αν θέλετε να το αλλάξετε (Οπότε χρησιμοποιείτε “Save as”).

ΑΝΟΙΓΜΑ ΑΡΧΕΙΩΝ SPSS Το άνοιγμα αρχείου που έχετε δημιουργήσει και φυλάξει προηγουμένως γίνεται όπως σε όλα σχεδόν τα προγράμματα: Επιλέγετε “File” “Open” “Data” και στη συνέχεια το αρχείο που επιθυμείτε. .

ΜΕΡΟΣ Β΄ Περί Στατιστικής .

Ξέρω στατιστική σημαίνει ότι γνωρίζω: 1. πώς να το ερμηνεύσω. ποιο στατιστικό είναι κατάλληλο για κάθε ερευνητική ερώτηση. 2. πώς να υπολογίσω το στατιστικό αυτό και 3. .

ΚΕΦΑΛΑΙΟ 1 Επιλογή Κατάλληλου Στατιστικού .

Επιλογή Κατάλληλου Στατιστικού H επιλογή του κατάλληλου στατιστικού είναι ένα από τα σημαντικότερα βήματα στην διαδικασία της εκπαιδευτικής έρευνας και της στατιστικής ανάλυσης .

Το λόγο (σκοπό) για τον οποίο χρειαζόμαστε το στατιστικό 2. με τα οποία ασχολείται η Περιγραφική Στατιστική και ■ η γενίκευση από το δείγμα στον πληθυσμό. Τακτική 3. Αναλογική . Την κλίμακα (επίπεδο) μέτρησης των μεταβλητών Υπάρχουν δύο γενικοί λόγοι: Οι κλίμακες μέτρησης είναι τέσσερις: ■ η περιγραφή μεταβλητών ή σχέσεων μεταξύ μεταβλητών. Ισοδιαστημική 4. με την οποία ασχολείται η επαγωγική 1.Επιλογή Κατάλληλου Στατιστικού Για την επιλογή του κατάλληλου στατιστικού χρησιμοποιούμε δύο γενικά κριτήρια: 1. Ονομαστική 2.

Επίδραση πολλ ών μεταβλητών ή Πολυμεταβλη-2 τ ές σχέσεις R Έλεγχος υπ ο λ Έλεγχος 2 χ Γιά 1. Επίδραση μιας μεταβ. Προσέγγιση εν ός αριθμητικού μέσου ή της διαφοράς μεταξύ δύο αριθμητικών μέσων ή της μέσης διαφοράς 2. Τιμή γχ έ λε Γ ιά μετ αβ λη τώ ν Σχ έσ εις ΜΕΤΡΑ Κεντρικής χέ σ εων Διασποράς Τυπική Απόκλιση Εύρος Δείκτης Ποιοτικής Διαφοράς ΠΑΛΙΝΔΡΟΜΙΚΗ ΑΝΑΛΥΣΗ ΣΥΜ ΑΣΥΜ ΟΝΟΜ φ λ ΤΑΚΤ γ Sommer’s ΙΣΟΔ r R Γιά d οσ τ ας ότη ντικ η μα Γιά 1. Ένα αριθμ. ισ ο ς ά Γι λε άό Γι τον π λ ΕΠΑΓΩΓΙΚΑ ΣΤΑΤΙΣΤΙΚΑ ΕΞΗΓΗΤΙΚΑ ΣΤΑΤΙΣΤΙΚΑ ΠΕΡΙΓΡΑΦΙΚΑ ΣΤΑΤΙΣΤΙΚΑ ς τέ λη αβ τ με τις ήσ το δ ε ίγμ α σ 2. Μονομεταβλητές Συχνότη τες (fi) Αριθμητικός Μέσος 2. μεταβ . μ έσο (μi) ΜΕΤΡΑ ΣΥΝΑΦΕΙΑΣ Διασπορά ηθ υσ μό Γ ιά ΣΤΑΤΙΣΤΙΚΟΙ ΕΛΕΓΧΟΙ ση νω όγ Πρ ές ητ βλ τα με ΚΑΤΑΝΟΜΕΣ ΣΥΧΝΟΤΗΤΩΝ δ. σε άλλη (βi) b R2 4. Προσέγγιση της επίδρασης μιας μεταβλητής . από δύο μεταβλ. Διαφορά μεταξύ περισσ. ( μ1 -μ2) F ογι σ μό π αρ α μέ τρ ω ν ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ Γιά Σχέσεις μεταξύ δύο ονομαστικών ή και τακτικών μεταβλητών 2. (ρ) Έλεγχος t ή Έλεγχος z 1.Σχέση μετταξύ δ ύο ισοδιαστ. Προσέγγιση ενός ποσοστού ή διαφοράς μεταξύ ποσοστών 3. μέσων (μ 1-μ2 ) ή μέση διαφορά (Δ) 3. Διαφορά μεταξύ δύο αρ. Διμεταβλητές ή Πολυμεταβλητές Συχνότητες (fij)CROSSTABS Διάμεσος Επικρατ.Τα στατιστικά και οι λόγοι για τους οποίους τα επιλέγομε παρουσιάζονται στο παρακάτω σχεδιάγραμμα ΣΤΑΤΙΣΤΙΚΗ μετ ρα φή ερ ιγ Γι ά π κα τών α βλη ν μετ σε ω ι σ χέ τους α ξύ Γιά γ εν ικ εύ σ εις α πό ΠΕΡΙΓΡΑΦΙΚΑ ΣΤΑΤΙΣΤΙΚΑ Γιά αφ ή ιγρ πε ρ ητ αβλ με τ ών Γιά πε ρ ιγ ρ αφ Τάσης 1.

Για να περιγράψομε μεταβλητές ή σχέσεις μεταξύ μεταβλητών 2.Λίγο πιο αργά Τη Στατιστική τη χρησιμοποιούμε για δύο γενικούς σκοπούς: 1.Για να κάνομε επαγωγές (γενικεύσεις) από το δείγμα στον πληθυσμό Τα στατιστικά που χρησιμοποιούνται για τον πρώτο ονομάζονται ΠΕΡΙΓΡΑΦΙΚΑ και για το δεύτερο ΕΠΑΓΩΓΙΚΑ Σ Τ Α Τ ΙΣ Τ ΙΚ Η Γι βλη μετα ή φ α ρ ιγ ρ ά πε κ τώ ν ω χ έσε αι σ υς ξ ύ το α τ ε νμ Π Ε Ρ ΙΓ Ρ Α Φ ΙΚ Α Σ Τ Α Τ ΙΣ Τ ΙΚ Α Γιά γ εν ικ εύ σ ε ις α πό τ ο δείγμ α σ το ν πλ ηθυ σ μό Ε Π Α Γ Ω Γ ΙΚ Α Σ Τ Α Τ ΙΣ Τ ΙΚ Α .

Μονομεταβλητές Συχνότητες (fi) Αριθμητικός Διασπορά Μέσος 2. Τιμή η ωσ γν ΣΥΧΝΟΤΗΤΩΝ ό Πρ ΚΑΤΑΝΟΜΕΣ ές ητ βλ τα με δ. ισο όλ ά Γι ά Γι με τις ς ε σε ω ν ΕΞΗΓΗΤΙΚΑ ΣΤΑΤΙΣΤΙΚΑ ΠΕΡΙΓΡΑΦΙΚΑ ΣΤΑΤΙΣΤΙΚΑ ς τέ λη β τα σχέ Εύρος Δείκτης Ποιοτικής Διαφοράς ΜΕΤΡΑ ΣΥΝΑΦΕΙΑΣ ΑΝΑΛΥΣΗ ΣΥΜ ΑΣΥΜ ΟΝΟΜ φ λ ΤΑΚΤ γ Sommer’s ΙΣΟΔ r R d b R2 .Τα περιγραφικά στατιστικά αναλυτικά: ΠΕΡΙΓΡΑΦΙΚΑ ΣΤΑΤΙΣΤΙΚΑ ι περ Γιά γρα φή αβλ με τ ν ητ ώ Γιά πε ρ ιγρ α φή αβ λη τώ ν μετ Σχ έσ ει ς ΜΕΤΡΑ Κεντρικής Τάσης Διασποράς 1. Διμεταβλητές ή Πολυμεταβλητές Συχνότητες (fij)CROSSTABS Διάμεσος Τυπική Απόκλιση Επικρατ.

Ένα αριθμ . Επ ίδραση πολλ ών μεταβλητ ών ή Πολυμεταβλη τ ές σχ έσει ς R 2 Έλεγχο ς γισ μ Έλεγχο ς χ 2 1. σε άλλη (β i) 4. ( ρ) Έλεγχο ς t ή Έλεγχο ς z 1.Σχ έση μετταξ ύ δ ύο ισοδιαστ . Προσ έγγιση εν ός ποσοστο ύ ή διαφορ άς μεταξ ύ ποσοστ ών 3. Προσ έγγιση εν ός αριθμητικο ύ μέσου ή της διαφορ άς μεταξ ύ δύο αριθμητικ ών μ έσων ή της μέση ς διαφορ άς 2. μ έσο (μ i) 2. μεταβ . Διαφορ ά μεταξ ύ δύο αρ . ( μ 1-μ2 ) F ό πα ραμ έτ ρ ω ν ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ Γι ά Γιά Σχ έσει ς μεταξ ύ δύο ονομαστικ ών ή και τακτικ ών μεταβλητ ών 2. Διαφορ ά μεταξ ύ περισσ . Προσ έγγιση τη ς επ ίδραση ς μια ς μεταβλητ ής .Και τα επαγωγικά: ΕΠΑΓΩΓΙΚΑ ΣΤΑΤΙΣΤΙΚΑ γ έ λε Γιά ημ χο σ ικ ότ α ντ ητα ς Γιά υ πο λ ο ΣΤΑΤΙΣΤΙΚΟΙ ΕΛΕΓΧΟΙ Γι ά Γι ά 1. μέσων (μ1-μ 2) ή μέση διαφορ ά (Δ) 3. απ ό δ ύο μεταβλ . Επ ίδραση μια ς μεταβ .

τα (πιο σημαντικά) κατάλληλα στατιστικά είναι: Κλίμακα Μέτρησης Κατάλληλο Στατιστικό Ονομαστική Κατανομή Συχνοτήτων/ Επικρατούσα Τιμή Τακτική Ισοδιαστημική Κατανομή Συχνοτήτων/ Διάμεσος Κατανομή Συχνοτήτων/ Αριθμητικός ΜέσοςΤυπική απόκλιση . ας υποθέσομε ότι έχομε κάποιες μεταβλητές και θέλομε να τις περιγράψομε.Ας αρχίσομε με την περιγραφική στατιστική. Ανάλογα με την κλίμακα μέτρησης. Δηλαδή.

ΚΕΦΑΛΑΙΟ 2 Περιγραφικά Στατιστικά .

ΚΕΦΑΛΑΙΟ 3 Επαγωγικά Στατιστικά .

Τα στατιστικά και οι τεχνικές που χρησιμοποιούνται για να κάνομε γενικεύσεις από το δείγμα στον πληθυσμό λέγονται Επαγωγικά Στατιστικά.Στατιστική Επαγωγή ■ Ο απώτερος σκοπός της στατιστικής ανάλυσης είναι να μας βοηθήσει να περιγράψομε τον πληθυσμό. ο πληθυσμός δεν μπορεί να περιγραφεί άμεσα. Όταν όμως τα μόνα διαθέσιμα στοιχεία είναι από ένα δείγμα. . Αυτό που μπορούμε να κάνομε σε τέτοιες περιπτώσεις είναι να υπολογίσομε τα στατιστικά του δείγματος (περιγραφικά ή εξηγητικά) και από αυτά δι' επαγωγής να βγάλομε συμπεράσματα για τον πληθυσμό ή να προσεγγίσομε τις παραμέτρους του.

Επαγωγικά Στατιστικά ■ Οι επαγωγές που ενδιαφέρουν τους ερευνητές στις κοινωνικές επιστήμες και την εκπαίδευση είναι δύο ειδών. ■ Τα Διαστήματα Εμπιστοσύνης (Confidence Intervals) και Ο Έλεγχος Υποθέσεων (Hypothesis Testing) ■ .

Ποιο είναι το εκπαιδευτικό επίπεδο των Ελλήνων. Ποια είναι η διαφορά στην μαθητική επίδοση στο δημοτικό αυτών που ζουν στις διάφορες γεωγραφικές περιοχές της χώρας. ■ 4. ■ 5. Ποια είναι η επίδραση της παρακολούθησης τηλεόρασης πάνω στο επίπεδο επιτυχίας του μαθητή. ■ 2. . ■ 3. Ποια είναι η σχέση μεταξύ του κοινωνικοοικονομικού επιπέδου της οικογένειας και της επίδοσης των μαθητών. Ποια είναι η διαφορά μεταξύ αγοριών και κοριτσιών στην επίδοση τους στα γλωσσικά μαθήματα.Τα Διαστήματα Εμπιστοσύνης: Τα ερωτήματα Τα ερωτήματα για τα οποία χρησιμοποιούνται τα διαστήματα εμπιστοσύνης είναι της μορφής: ■ 1.

Για παράδειγμα.Τα Διαστήματα Εμπιστοσύνης: Η λογική ■ Η λογική των διαστημάτων εμπιστοσύνης είναι αρκετά απλή: βασισμένοι στα στατιστικά του δείγματος και στη θεωρία των πιθανοτήτων φτιάχνομε διαστήματα τιμών μέσα στα οποία θα πέφτουν οι αντίστοιχες παράμετροι με κάποια δεδομένη πιθανότητα (συνήθως 95%). αν στο δείγμα μιας δημοσκόπησης 32% των ερωτηθέντων έχει απαντήσει ότι σκοπεύει να ψηφίσει ΠΑΣΟΚ στις επόμενες εκλογές. . Αυτή την πιθανότητα ονομάζομε «εμπιστοσύνη» (confidence). μπορούμε να πούμε ότι με πιθανότητα 95% το ποσοστό του πληθυσμού που σκοπεύει να ψηφίσει ΠΑΣΟΚ είναι 32% ± 3% ή 29-35%.

■ 3. Είναι το εκπαιδευτικό επίπεδο των Ελλήνων (δηλ. Υπάρχει καμιά σχέση μεταξύ του κοινωνικοοικονομικού επιπέδου της οικογένειας και της επίδοσης των μαθητών. Επηρεάζει (αρνητικά ή θετικά) η παρακολούθηση τηλεόρασης το επίπεδο επιτυχίας του μαθητή. Υπάρχει καμιά διαφορά στη μαθητική επίδοση στο δημοτικό μεταξύ αυτών που ζουν στις διάφορες γεωγραφικές περιοχές της χώρας. Υπάρχει καμιά διαφορά μεταξύ αγοριών και κοριτσιών στην επίδοση τους στα γλωσσικά μαθήματα.Ο έλεγχος υποθέσεων Τα ερωτήματα Ο έλεγχος υποθέσεων χρησιμοποιείται για να εξετάσομε ερωτήματα σαν κι αυτά: 1. . ο μέσος όρος) διαφορετικό από το μέσο όρο των κρατών της Ευρωπαϊκής Ένωσης. ■ 2. ■ 4. ■ 5.

■ 5. Δεν υπάρχει καμιά σχέση μεταξύ του κοινωνικοοικονομικού επιπέδου της οικογένειας και της επίδοσης των μαθητών. Η παρακολούθηση τηλεόρασης δεν επηρεάζει το επίπεδο επιτυχίας του μαθητή. Δεν υπάρχει καμιά διαφορά μεταξύ αγοριών και κοριτσιών στην επίδοση τους στα γλωσσικά μαθήματα. Το εκπαιδευτικό επίπεδο των Ελλήνων δεν είναι διαφορετικό από το μέσο όρο των κρατών της Ευρωπαϊκής Ένωσης. ■ 2. Δεν υπάρχει καμιά διαφορά στη μαθητική επίδοση στο δημοτικό μεταξύ αυτών που ζουν στις διάφορες γεωγραφικές περιοχές της χώρας. . ■ 4.Ο έλεγχος υποθέσεων: Οι υποθέσεις ■ 1. ■ 3.

τ.Ο έλεγχος υποθέσεων: Η λογική Oι έλεγχοι υποθέσεων προσπαθούν να απαντήσουν σε ερωτήσεις του τύπου «υπάρχει διαφορά. ■Είτε δεν τη βρήκαμε κατά τύχη και άρα δεν ισχύει η μηδενική μας υπόθεση.λ.τ. σχέση επίδραση κ.. διαφορά. κατά λάθος). επίδραση κ. Αν στο δείγμα βρούμε ότι μας υπάρχει διαφορά.». Για να ελέγξομε τις υποθέσεις αυτές. δύο τινα μπορεί να συμβαίνουν: ■Είτε ισχύει η μηδενική μας υπόθεση και βρήκαμε τη διαφορά κατά τύχη (κατά σύμπτωση.λ. . οι διαφορές και επιδράσεις είναι μηδενικές. Όλοι οι έλεγχοι ακολουθούν περίπου την ίδια διαδικασία και λογική.». Η υπόθεση αυτή είναι γνωστή ως μηδενική υπόθεση.. «υπάρχει επίδραση. γιατί συνήθως υποθέτομε ότι οι σχέσεις.τ. ότι στον πληθυσμό δεν υπάρχει σχέση.λ. επίδραση ή σχέση (και συνήθως κάτι υπάρχει). «υπάρχει σχέση.» κ. συλλέγομε δεδομένα από ένα δείγμα πιθανοτήτων και υπολογίζομε τη διαφορά.. Όλοι αρχίζουν με μιαν υπόθεση.

Ο έλεγχος υποθέσεων: Λογικής συνέχεια ■ Για να αποφανθούμε περί του τι ισχύει εξετάζομε την πιθανότητα να έχομε βρει τη διαφορά αυτή κατά τύχη. αλλά από έναν άλλο. συμπεραίνομε ότι το δείγμα μας δεν προέρχεται από τέτοιο πληθυσμό. διαφορά ή επίδραση στον πληθυσμό. Αν. Αν η πιθανότητα αυτή είναι μικρή. η μηδενική υπόθεση φαντάζει απίθανη. την απορρίπτομε και συμπεραίνομε ότι υπάρχει σχέση. . στον οποίο δεν ισχύει η μηδενική υπόθεση. δηλαδή. με άλλα λόγια. την πιθανότητα να προέρχεται το δείγμα από έναν πληθυσμό όπου ισχύει η μηδενική υπόθεση (η πιθανότητα αυτή συμβολίζεται με ένα p). με βάση τα δεδομένα. Υπολογίζομε.

Ο έλεγχος υποθέσεων:
Λογικής τέλος
Για να αποφασίσομε αν απορρίπτεται η μηδενική υπόθεση πρέπει
1.
να γνωρίζομε πώς να υπολογίσομε το p (την πιθανότητα να έχομε
βρει κάτι κατά λάθος) και
2.
να αποφασίσομε πότε θα λέμε η πιθανότητα αυτή είναι πολύ μικρή
(ώστε να λέμε ότι αυτό που βρήκαμε δεν είναι κατά λάθος και άρα
δεν ισχύει η μηδενική υπόθεση).
Το πρώτο θα το δούμε παρακάτω για διάφορες περιπτώσεις. Το δεύτερο
καθορίζεται a priori, μάλλον «αυθαίρετα», και είναι γνωστό ως
επίπεδο στατιστικής σημαντικότητας (συμβολίζεται με ένα α - άλφα).
Η λογική τελειώνει κάπως έτσι:
Αν p ≤ α απορρίπτομε τη μηδενική υπόθεση και αποφαινόμαστε ότι
υπάρχει στατιστικά σημαντική διαφορά..
Αν p > α αποτυγχάνομε να απορρίψομε τη μηδενική υπόθεση και
αποφαινόμαστε ότι δεν υπάρχει στατιστικά σημαντική διαφορά..

Δειγματοληπτικές Κατανομές







Γενικά, τις πιθανότητες p μπορούμε να τις βρούμε, αν γνωρίζομε:
1. Τη δειγματoληπτική κατανομή (sampling distribution) ενός στατιστικού (ενός οποιουδήποτε
στατιστικού, και
2. τις πιθανότητες που αντιστοιχούν στις διάφορες τιμές αυτής της κατανομής.
Κάτω από ορισμένες προϋποθέσεις, οι πληροφορίες αυτές υπάρχουν σε πίνακες για τα
περισσότερα στατιστικά.
Η κατανομή και ο πίνακας που χρησιμοποιούμε εξαρτάται από το στατιστικό που θέλομε να
ελέγξομε. Έτσι, χρησιμοποιούμε άλλη κατανομή (και άλλο πίνακα) όταν θέλομε να ελέγξομε τη
διαφορά μεταξύ πολλών μέσων όρων και άλλη όταν θέλομε να ελέγξομε το συντελεστή
παλινδρόμησης. Τα κυριότερα στατιστικά που χρησιμοποιούνται στην εκπαίδευση και τις
κοινωνικές επιστήμες ακολουθούν, εκτός από την κανονική (z), και τις παρακάτω κατανομές:
1.
Κατανομή t (t Distribution)
2.
Κατανομή F (F Distribution)
3.
Κατανομή χ2 (CHI SQUARE Distribution )
Από την κατανομή που ακολουθούν τα διάφορα στατιστικά, παίρνουν την ονομασία τους και οι
έλεγχοι στατιστικής σημαντικότητας που χρησιμοποιούνται για τα στατιστικά αυτά. Έτσι, για τα
στατιστικά που ακολουθούν την κατανομή t, χρησιμοποιούμε τον έλεγχο στατιστικής
σημαντικότητας t, για όσα ακολουθούν την κατανομή z, χρησιμοποιούμε τον έλεγχο στατιστικής
σημαντικότητας z, για όσα ακολουθούν την κατανομή F, χρησιμοποιούμε τον έλεγχο
στατιστικής σημαντικότητας F, και για όσα ακολουθούν την κατανομή χ2, χρησιμοποιούμε τον
έλεγχο στατιστικής σημαντικότητας χ2.

Ο Έλεγχος t







Ο έλεγχος t χρησιμοποιείται για τα στατιστικά των οποίων
η δειγματοληπτική κατανομή ακολουθεί την κατανομή t.
Τα στατιστικά αυτά είναι:
1. Ο ένας αριθμητικός μέσος (X )
2. Η διαφορά μεταξύ δύο αριθμητικών μέσων (X 1- X 2)
3. Η Μέση Διαφορά ( D )
4. Ο συντελεστής συσχέτισης (r)
5. Ο συντελεστής παλινδρόμησης (b)

■ ■ ΒΗΜΑ 2ο: Γράφομε την εναλλακτική υπόθεση. η οποία είναι αντίθετη με τη μηδενική και περίπου ίδια με το ερευνητικό ερώτημα: ■ Ηa: μα ≠ μκ ή Ηa: μα .μκ =0 Όπου μα. «κατά λάθος» .μκ ≠ 0 ■ ΒΗΜΑ 3ο: Ορίζομε το επίπεδο στατιστικής σημαντικότητας (α): α = 0. η οποία είναι αντίθετη με το ερευνητικό ερώτημα: ■ Η 0 : μα = μ κ ή Η0: μα .05 ■ ■ ■ ΒΗΜΑ 4ο: Βρίσκομε την πιθανότητα (p) να είναι οι μέσοι όροι των ομάδων διαφορετικοί.Η Διαδικασία του Ελέγχου Στατιστικής Σημαντικότητας της Διαφοράς Δύο Αριθμητικών Μέσων με Υπολογιστές Έλεγχος t ■ ■ ■ ■ Ερευνητικό ερώτημα: «Υπάρχει διαφορά στο βαθμό άλγεβρας της Β΄ λυκείου μεταξύ αγοριών και κοριτσιών. ο μέσος όρος των αγοριών και μα ο μέσος όρος των κοριτσιών.» ΒΗΜΑ 1ο: Γράφομε τη μηδενική υπόθεση.

000 -.0 0 0 -. Διαδικασίας συνέχεια ■ Independent Samples Test Levene's Test for Equality of Variances t-test for Equality of Means 00% Confidence Interval of the Difference F Βαθμός Άλγεβρας Β' Λυκείου Sig.000 000 assumed Equal variances -.000 . t df Equal variances .0 0 0 -. Error (0-tailed) Difference Difference Lower Upper . 0 not assumed Sig.000 -. Mean Std.Έλεγχος t.0000000 .000 .00 .00 .000 .000 -.000 .000 .

760 t -. Mean Std.345 -. Error (2-tailed) Difference Difference Lower Upper 343 . .711 .05) αποτυγχάνομε να απορρίψομε τη μηδενική υπόθεση και συμπεραίνομε ότι δεν υπάρχει στατιστικά σημαντική διαφορά στο βαθμό Άλγεβρας μεταξύ αγοριών και κοριτσιών.086 327.650 p = 0.652 -.03 . Διαδικασίας τέλος ■ ΒΗΜΑ 4ο: Βρίσκομε την πιθανότητα (p) να είναι οι μέσοι όροι των ομάδων διαφορετικοί «κατά λάθος» .932 ΒΗΜΑ 5ο: Συγκρίνομε την πιθανότητα p με το α.085 df Sig.28 . Επειδή p > α (0.932 -.03 .346 -.094 assumed Equal variances not assumed Sig.932 -. Independent Samples Test Levene's Test for Equality of Variances t-test for Equality of Means 95% Confidence Interval of the Difference F Βαθμός Άλγεβρας Β' Λυκείου ■ ■ Equal variances . .932 > 0.709 .Έλεγχος t.

Τα στατιστικά τα οποία ακολουθούν την κατανομή F και θα παρουσιασθούν εδώ είναι: 1. Η διαφορά μεταξύ περισσοτέρων των δύο αριθμητικών μέσων 2. δηλαδή την επίδραση όλων των ανεξάρτητων μεταβλητών στην εξαρτημένη. Το παλινδρομικό μοντέλο. . Η διαφορά μεταξύ πολλαπλών μετρήσεων και 3.Έλεγχος F ■ Ο έλεγχος F χρησιμοποιείται για τα στατιστικά των οποίων η δειγματοληπτική κατανομή ακολουθεί την κατανομή F.

«Πρωτεύουσα Νομού» και «Χωριό ή Μικρή Πόλη». ΒΗΜΑ 2ο: Γράφομε την εναλλακτική υπόθεση. ΒΗΜΑ 1ο: Γράφομε τη μηδενική υπόθεση η οποία είναι αντίθετη με το ερευνητικό ερώτημα: Η0: μμ = μπ = μχ (δεν υπάρχει διαφορά) όπου μμ : ο μέσος όρος των μαθητών από μητροπολιτική περιοχή μπ : ο μέσος όρος των μαθητών από πρωτεύουσα νομού και μχ : ο μέσος όρος των μαθητών από χωριό ή μικρή πόλη.Η Διαδικασία του Ελέγχου Στατιστικής Σημαντικότητας της Διαφοράς Μεταξύ Πολλών Αριθμητικών Μέσων (Ομάδων) με Υπολογιστές –Έλεγχος F (ANOVA) ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ Το ερευνητικό ερώτημα: «Υπάρχει διαφορά στο Γενικό Βαθμό Β΄ Λυκείου μεταξύ των μαθητών με Διαφορετικό Τόπο Κατοικίας». Ο Τόπος Κατοικίας έχει τρεις κατηγορίες: «Μητροπολιτική Περιοχή». η οποία είναι αντίθετη με τη μηδενική και περίπου ίδια με το ερευνητικό ερώτημα: Ηa: μμ = μπ = μχ δεν ισχύει (υπάρχει διαφορά) ΒΗΜΑ 3ο: Ορίζομε το επίπεδο στατιστικής σημαντικότητας (α): α = 0. «κατά λάθος».05 ΒΗΜΑ 4ο: Βρίσκομε την πιθανότητα (p) να υπάρχει διαφορά. .

05) απορρίπτομε τη μηδενική υπόθεση και συμπεραίνομε ότι υπάρχει στατιστικά σημαντική διαφορά στο Γενικό Βαθμό Β΄ Λυκείου μεταξύ των μαθητών με διαφορετικό τόπο κατοικίας. . 00 Total 00000 . 00 df 0 000 000 Mean Square 000 .Έλεγχος F.000 ΒΗΜΑ 5ο: Συγκρίνομε την πιθανότητα p με το α. .000 < 0. 00 00 . Επειδή p < α (0. 00 F 000 . 00 Within Groups 00000 . Διαδικασίας συνέχεια ANOVA Γενικός Βαθμός Β ' Λυκείου Sum of Squares Between Groups 0000 . 00 Sig.

21928 .30614 . . ■Όπως φαίνεται στον πίνακα (από τις τιμές των p) υπάρχουν στατιστικά σημαντικές διαφορές μεταξύ όλων των ομάδων.1984 Επαρχία Νομού -.21928 Sig. ■Η στατιστική σημαντικότητα μέχρι εδώ υποδηλώνει ότι υπάρχει στατιστικά σημαντικές διαφορές αλλά δεν μας λέει ούτε πόσες ούτε ποιες διαφορές είναι στατιστικά σημαντικές.05 level.8407* . ■Για να πάρομε τις λεπτομερείς αυτές πληροφορίες πρέπει να κάνομε ένα ακόμη βήμα.000 . Διαδικασίας τέλος ■Η ανάλυση αυτή μας δίνει μια γενική αλλά όχι πλήρη απάντηση.30710 .7757 -.1438 -. Multiple Comparisons Dependent Variable: Γενικός Βαθμός Β' Λυκείου Bonferroni 95% Confidence Interval Mean (I) Τόπος (J) Τόπος Difference Κατοικίας Κατοικίας (I-J) Χωριό /Μικρή Πόλη Επαρχία Νομού -1.019 Μητρ.7757 2.007 .6711* Επαρχία Νομού Χωριό /Μικρή Πόλη 1.1022 1.1022 .1438 1.007 . όπως φαίνεται στην παρακάτω εικόνα.000 .2480 . Περιοχή -.2480 -1.Περιοχή Μητρ.Έλεγχος F.8407* .019 . πατούμε το κουμπί “Post Hoc…” και στο πλαίσιο που ανοίγει επιλέγομε έναν από τους ελέγχους Πολλαπλών Συγκρίσεων (Multiple Comparisons) που παρουσιάζονται. The mean difference is significant at the .6711* . Error .5792 Upper Bound -. .30710 *. Πριν πατήσομε “OK” στο προηγούμενο πλαίσιο διαλόγου.5792 .1984 -1. Περιοχή Χωριό /Μικρή Πόλη Lower Bound -2. Τα αποτελέσματα της πολλαπλής σύγκρισης παρουσιάζονται στον Πίνακα.5118* Std. Εδώ επιλέξαμε τον έλεγχο “Bonferonni”.5118* Μητρ.30614 .

δίνει και το p που αντιστοιχεί στο καθένα στην τελευταία στήλη κάτω από την ένδειξη “Approximate Significance”. Αν και υπάρχουν επί μέρους στατιστικοί έλεγχοι για τα διάφορα μέτρα συνάφειας[1]. [1] . λ κ. ο έλεγχος χ2 είναι ένας γενικός έλεγχος που μπορεί να χρησιμοποιηθεί για όλες τις περιπτώσεις που μπορούμε να φτιάξομε ένα πίνακα διμεταβλητών συχνοτήτων (CROSS-TABS). δεν έχομε παρά να συγκρίνομε το p με το α.Έλεγχος χ2 ■ Ο έλεγχος που χρησιμοποιείται για τις σχέσεις μεταξύ δύο ή περισσότερων ονομαστικών ή και τακτικών μεταβλητών είναι γνωστός ως έλεγχος χ2 (Chi Square).). όταν υπολογίζομε τους συντελεστές συσχετισμού (φ.ά. δηλαδή για όλες σχεδόν τις συνάφειες μη ισοδιαστημικών μεταβλητών. ■ Το SPSS. Για τον έλεγχο στατιστικής σημαντικότητας του κάθε συντελεστή.

«κατά λάθος». ■ ■ ■ ■ ■ ■ ■ ΒΗΜΑ 1ο: Γράφομε τη μηδενική υπόθεση: Η0: χ2 = 0 Δεν υπάρχει Σχέση ΒΗΜΑ 2ο: Γράφομε την εναλλακτική υπόθεση: Ηa: χ2 ≠ 0 Υπάρχει Σχέση ΒΗΜΑ 3ο: Ορίζομε το επίπεδο στατιστικής σημαντικότητας (α): α = 0.05 ΒΗΜΑ 4ο: Βρίσκομε την πιθανότητα (p) να είναι το χ2 διαφορετικό το 0. .Έλεγχος χ2. Η Διαδικασία του Ελέγχου Στατιστικής Σημαντικότητας της Συνάφειας Μεταξύ Δύο μη Ισοδιαστημικών Μεταβλητών με Υπολογιστές Το ερευνητικό ερώτημα: «Υπάρχει σχέση μεταξύ φύλου και συμπεριφοράς».

00 . 00 000 . (0-sided) 0 . 0cells (. The minimum expected count is 00 .000 000 a. 00a 000 .Έλεγχος χ2. 00 df Asymp.000 0 .0%) have expected count less than 0.0 0 0 0 . Sig. Διαδικασίας συνέχεια Chi-Square Tests Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases Value 000 . .

Sig. Διαδικασίας τέλος ■ ΒΗΜΑ 5ο: Συγκρίνομε την πιθανότητα p με το α. Φύλο * Αντιμιλά στους Καθηγητές(τριες) Crosstabulation Chi-Square Tests Count Φύλο Total Αγόρι Κορίτσι Αντιμιλά στους Καθηγητές(τριες) Πολύ Πολλές Λίγες Λίγες Φορές Φορές Φορές Ποτέ 21 47 36 65 10 24 50 133 31 71 86 198 Total 169 217 386 Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases Value 31.Έλεγχος χ2.000 df 386 a.57.000 < 0.505a 31. .0%) have expected count less than 5.05) απορρίπτομε τη μηδενική υπόθεση και συμπεραίνομε ότι υπάρχει στατιστικά σημαντική σχέση μεταξύ φύλου και συμπεριφοράς. The minimum expected count is 13.000 1 .188 3 3 Asymp.717 29. 0 cells (.000 . Επειδή p < α (0. (2-sided) .

Τυχαίο δείγμα Γραμμική Σχέση Κανονική κατανομή Ομοιογένεια διασποράς Statistics Regression Linear.. Σύγκριση δύο Ομάδων (Μέσων Όρων) Independent Samples Ανεξάρτητα Τυχαία δείγματα Statistics Compare Means IndependentSamples t Test. Σύγκριση δύο Μετρήσεων ή δύο Μεταβλητών (Μέση Διαφορά) Σχέση μεταξύ δύο Ισοδιαστημικών Μεταβλητών Επίδραση μιας Ανεξάρτητης Μεταβλητής σε μια Εξαρτημένη t-test Paired Samples t-test t-test t-test Προϋποθέσεις Κανονικές κατανομές Ομοιογένεια διασποράς Εντολές SPSS Μη Παραμετρικός Έλεγχος ...Περιληπτικός Πίνακας Στατιστικών Ελέγχων (Α) ΣΤΟΧΟΣ Παραμετρικός Έλεγχος Σύγκριση ενός Μέσου Όρου-με μια τιμή One Sample t-test Ανεξάρτητες Παρατηρήσεις Τυχαίο δείγμα Κανονική κατανομή Statistics Compare Means One-Sample t Test.. Wilcoxon Signed-rank test Τυχαίο δείγμα Γραμμική Σχέση Κανονική κατανομή Statistics Correlate Bivariate.. Mann-Whitney U test Ανεξάρτητες Παρατηρήσεις Τυχαίο δείγμα Κανονική κατανομή Statistics Compare Means Paired-Samples t Test.....

Ανεξάρτητες Παρατηρήσεις Τυχαίο δείγμα Statistics Summarize Crosstabs.. Wilcoxon Signed-rank test Ανεξάρτητα Τυχαία δείγματα Κανονικές κατανομές Ομοιογένεια διασποράς Statistics Compare Means One-Way ANOVA. Kruskal-Wallis H-test ANOVA Σύγκριση Επαναλαμβανόμενων Μετρήσεων ANOVA Σχέση μεταξύ δύο Ονομαστικών ή Τακτικών Μεταβλητών Εντολές SPSS Ανεξάρτητες Παρατηρήσεις Τυχαίο δείγμα Κανονική κατανομή Σύγκριση περισσοτέρων των δύο Ομάδων (Μέσων Όρων) Επίδραση πολλών Ανεξάρτητων Mεταβλητών σε μια Εξαρτημένη Προϋποθέσεις F-test F-test F-test Ανεξάρτητες Παρατηρήσεις Τυχαίο δείγμα Κανονικές κατανομές Ομοιογένεια διασποράς Friedman Test Τυχαίο δείγμα Γραμμική Σχέση Ανεξάρτητες Παρατηρήσεις Κανονική κατανομή Ομοιογένεια διασποράς Statistics Regression Linear... Wilcoxon Signed-rank test z-test Ανεξάρτητες Παρατηρήσεις Τυχαίο δείγμα Κανονική κατανομή Statistics Compare Means Paired-Samples t Test.Περιληπτικός Πίνακας Στατιστικών Ελέγχων ΣΤΟΧΟΣ (Β) Παραμετρικός Έλεγχος Έλεγχος Ενός Ποσοστού Σύγκριση Δύο Ποσοστών Μη Παραμετρικός Έλεγχος z-test Statistics Compare Means Paired-Samples t Test... Chi-square χ2 ...

Η "Δύναμη" του Ελέγχου Υποθέσεων Πιθανές Ενέργειες στον Έλεγχο Υποθέσεων ■ Απόρριψη Μη Απόρριψη Σωστή Ηο Λανθασμένη Ηο Σφάλμα Τύπου I (α) Επίπεδο Στατιστικής Σημαντικότητας Επίπεδο Στατιστικής Δύναμης (1-β) Επίπεδο Εμπιστοσύνης (1-α) Σφάλμα Τύπου ΙI (β) Επίπεδο Στατιστικής Δύναμης .

. .τ. Αν θέλομε να φτιάξομε διαστήματα γύρω από τη διαφορά δύο αριθμητικών μέσων του πληθυσμού (μ1-μ2). ■ 2.λ. αν θέλομε να φτιάξομε διαστήματα εμπιστοσύνης γύρω από τον αριθμητικό μέσο του πληθυσμού (μ). Εδώ θα παρουσιάσομε τα πιο συνηθισμένα διαστήματα εμπιστοσύνης.λ. βρίσκομε την τιμή του στατιστικού (tα/2 zα/2) που αντιστοιχεί στο επίπεδο α/2 που επιθυμούμε και στους βαθμούς ελευθερίας από τον αντίστοιχο πίνακα. δηλαδή. χρησιμοποιούμε τον αριθμητικό μέσο του δείγματος (). Για την κατασκευή διαστημάτων εμπιστοσύνης πρέπει να γνωρίζομε το τυπικό σφάλμα της παραμέτρου (ή του συνδυασμού των παραμέτρων) που θέλομε να προσεγγίσομε.τ. Πάντοτε φτιάχνομε τα διαστήματα γύρω από τις παραμέτρους του πληθυσμού και πάντοτε χρησιμοποιούμε το αντίστοιχο περιγραφικό (ή εξηγητικό) στατιστικό για να τα φτιάξομε. χρησιμοποιούμε τη διαφορά του δείγματος (-) κ. Αξίζει να το επαναλάβομε: Για τα διαστήματα εμπιστοσύνης χρησιμοποιούμε πάντοτε το κρίσιμο στατιστικό (την τιμή του πίνακα). του μ1-μ2. Πρέπει επίσης να γνωρίζομε την κατάλληλη δειγματοληπτική κατανομή. πρέπει. το κατάλληλο στατιστικό ελέγχου. του b κ. να γνωρίζομε ή να μπορούμε να υπολογίσομε το τυπικό σφάλμα του μ.Διαστήματα Εμπιστοσύνης: Υπολογισμός ■ Για να φτιάξομε τα διαστήματα εμπιστοσύνης πρέπει να γνωρίζομε τα εξής: ■ 1. δηλαδή τα διαστήματα εμπιστοσύνης για τα στατιστικά για τα οποία χρησιμοποιήσαμε τους ελέγχους t και z. Αφού καθορίσομε το στατιστικό. ■ ■ ■ 3. Έτσι. δηλαδή.

Εδώ θα παρουσιάσομε τον υπολογισμό τους για τους συντελεστές παλινδρόμησης.Διαστήματα Εμπιστοσύνης: Υπολογισμός ■ ■ ■ ■ Όταν έχομε αυτές τις πληροφορίες. Για παράδειγμα το κρίσιμο t για διαστήματα εμπιστοσύνης 95% είναι το tα/2 ή t0. η κατασκευή των διαστημάτων εμπιστοσύνης ή CI (Confidence Intervals) είναι πολύ απλή: Βρίσκομε το γινόμενο του τυπικού σφάλματος επί το κρίσιμο στατιστικό.025. Επειδή τα διαστήματα εμπιστοσύνης εκτείνονται και από τις δύο πλευρές του στατιστικού. tα/2sb Την ποσότητα αυτή την προσθέτομε στο περιγραφικό στατιστικό για να βρούμε το ανώτατο όριο και την αφαιρούμε για να βρούμε το κατώτατο όριο. Για τα περισσότερα από τα στατιστικά αυτά το SPSS υπολογίζει αυτόματα (ή με την κατάλληλη εντολή) τα διαστήματα εμπιστοσύνης. το επίπεδο α διαιρείται δια του 2. Να σημειώσομε ότι για τα διαστήματα εμπιστοσύνης πρέπει να ισχύουν οι ίδιες προϋποθέσεις που ισχύουν για τους αντίστοιχους ελέγχους. . Tα διαστήματα εμπιστοσύνης μπορούν να υπολογιστούν σχετικά εύκολα για όλα σχεδόν τα στατιστικά για τα οποία χρησιμοποιήσαμε τους ελέγχους t και z.

» Για να κατασκευάσομε τα διαστήματα εμπιστοσύνης χρειαζόμαστε: Την τιμή του b. 3.96. 2. Το τυπικό σφάλμα του b και Το tα/2. . Όπως φαίνεται στην επόμενη εικόνα οι τιμές του b και του τυπικού του σφάλματος δίνονται στις δύο πρώτες στήλες του πίνακα με τον τίτλο “Coefficients”. Το ερευνητικό ερώτημα : «Ποια είναι στον πληθυσμό η επίδραση του κοινωνικοοικονομικού επιπέδου της οικογένειας (ή του φύλου ή των προσδοκιών) στο γενικό βαθμό της Β΄ Λυκείου. Τα δύο πρώτα τα παρέχει αυτόματα το SPSS.Διαστήματα Εμπιστοσύνης 95% γύρω από ένα Συντελεστή Παλινδρόμησης του Πληθυσμού (β) ■ ■ 1. το οποίο με δείγμα 400 ατόμων είναι 1.

Κοινωνικοοικονομικό Επίπεδο. Dependent Variable: Γενικός Βαθμός Β' Λυκείου Coefficientsa (Constant) Φύλο Κοινωνικοοικονομικό Επίπεδο Εκπαιδευτικές Προσδοκίες Μαθητή(τριας) Unstandardized Standardized Coefficients Coefficients B Std. 0000 Regression Residual Total a.Αποτελέσματα Παλινδρόμησης Ανάλυσης ANOVAb Model Summary Adjusted Std. 00 00 . 00 00 . Εκπαιδευτικές Προσδοκίες Μαθητή(τριας) Sum of Squares 0000 .000 .000 . 00 00000 . Error Beta 000 .000 . Error of R R Square R Square the Estimate a .000 .000 000 . 00 0000 . ΚοινωνικοοικονομικόΕπίπεδο. Dependent Variable: Γενικός Βαθμός Β' Λυκείου . Predictors: (Constant).000 . a .000 00 .000 . 00 Sig.000 .000 .000 . 00 .000 00 . 00 . Φύλο. Predictors: (Constant).000 . .000 .000 a. 00 Sig.000 00 . 00 . 00 df 0 000 000 Mean Square 0000 .000 a. 00 F 000 . 00 t 000 . Φύλο. Εκπαιδευτικές Προσδοκίες Μαθητή(τριας) b.

168 .0. Προσδοκίες 1.412 . Coefficientsa (Constant) Φύλο Κοινωνικοοικονομικό Επίπεδο Εκπαιδευτικές Προσδοκίες Μαθητή(τριας) Unstandardized Coefficients B Std.1.688 . για το ΚΟΕ 0.32.600 14. μαζί με τα αποτελέσματα είναι στην επόμενη εικόνα.080 .166 Standardized Coefficients Beta .000 1. Το κουτί αυτό.96(0.014 .476 Sig. Υπάρχει όμως ένας ακόμη πιο εύκολος τρόπος για να τα υπολογίσομε.000 a.208 .Διαστήματα Εμπιστοσύνης για τις Επιδράσεις (β) Έτσι τα διαστήματα εμπιστοσύνης για τις επιδράσεις είναι: Για το Φύλο: 0.74.187 .50 και για τις Εκπ.166) ή 0.339 .140 . Βάζομε τον υπολογιστή να το κάνει.96(0.100 t 63. . Error 13.09 .412 ±1.168 ±1.96(0. Κι αυτό γίνεται πατώντας το κουμπί με την ένδειξη Statistics (στο κάτω μέρος της εικόνας στα δεξιά) και «τσεκάροντας» Confidence Intervals στο κουτί διαλόγου που ανοίγει.210 2.081 .80) ή 1.01 .0.81) ή 0. Dependent Variable: Γενικός Βαθμός Β' Λυκείου .175 4.18 .000 .339±1.

000 . Dependent Variable: Γενικός Βαθμός Β ' Λυκείου .000 a.000 . 00 00. 00 00 . 00 00% Confidence Interval for B Sig. Error Beta 000 . 00 .000 .000 . 00 .000 000 .000 .000 0. 00 . Lower Bound Upper Bound .000 .000 00 .000 000 .000 .000 .Διαστήματα Εμπιστοσύνης για τις Επιδράσεις (β) χωρίς κόπο a Coefficients Model 0 (Constant) Φύλο Κοινωνικοοικονομικό Επί πεδο -IF MINC MISS. FIRST 0 Εκπαιδευτικές Προσδοκίες Μαθητή(τριας) Unstandardized Standardized Coefficients Coefficients B Std.000 .000 00 .000 .00 0 . 00 t 000 .000 .000 0.000 .