1. MOTIVATIA TEMEI 2. OBIECTIVUL PROIECTULUI 3. DESCRIEREA INSTRUMENTELOR 4.

ANALIZA SI PRELUCRAREA DATELOR - Definirea variabilelor şi introducerea datelor în SPSS - Verificarea bazei de date -Analiza statistică univariată a datelor -Analiza statistică bivariată a datelor -Testarea diferenţei dintre două proporţii. 5. CONCLUZII 1. MOTIVATIA TEMEI Piata adidasilor se diversifica mereu aparand firme noi producatoare , de diferite modele menite sa satisfaca gusturile variate ale sportivilor, tineri si batrani, dar si a celor ce-i utilizeaza ca “pantof de strada”. Pe langa frumusetea modelelor, ei trebuie sa fie si buni din punct de vedere calitativ. Dintre firmele renumite de adidasi amintim: NIKE, ADIDAS, LOTUS, PUMA. Nu isi permite toata lumea sa se incalte cu aceste marci renumite, originale, exista insa diversi producatori de adidasi contrafacuti ce se gasesc pe piata, in “Bazar” la preturi accesibile tuturor. O cerere ridicata de adidasi “de firma” exista din partea tinerilor, din randul lor fiind si cei mai multi practicanti de sport, majoritatea studenti, ei cauta produse cat mai frumoase, confortabile si rezistente in timp. Aceste branduri de adidasi: NIKE, ADIDAS, LOTUS si PUMA, se gasesc de obicei in moll-uri sau prin reprezentante si distribuitori in marile orase din tara. 2. OBIECTIVUL PROIECTULUI In cadrul acestui proiect se va incerca analiza modului in care diversi factori (variabile) influenteaza cererea de jeansi in randul studentilor. 3. DESCRIEREA INSTRUMENTELOR Pentru a putea analiza problemele considerate s-a aplicat un chestionar (Anexa 1) unui esantion de 35 de persoanae, studenti, in Compexul Studentesc Regie R1, R2, R3 si in caminele de de la Agronomie A1 si A2, cat si in Campusul Studentesc Leu, caminele A, B si C. Chestionarul a presupus răspunderea la un set de întrebări referitoare la vârstă, anul de studiu, preferinţa pentru o anumită firma de adidasi conform preferintelor, venitul lunar al studentului, preţul pe care acesta este dispus sa îl plătească pentru o pereche de adidasi şi cantitatea de produse cumpărate in intervalul unui an calendaristic.

venitul.Variabilele ce vor constitui baza de date din SPSS vor fi: vârsta. sexul persoanei. ANALIZA SI PRELUCRAREA DATELOR -Definirea variabilelor şi introducerea datelor în SPSS Atributele acestor variabile sunt definite în fereastra Data Editor – Foaia VariableView: Figura 1 Fereastra Data Editor – Foaia Variable View pentru baza de date:Adidas. outlierile fiind depistate implicit. Acestea vor constitui baza de date Adidas. Astfel baza de date ce va fii analizata este urmatoarea: Figura 2 Fereastra Data Editor – Foaia Data View pentru baza -Verificarea bazei de date. iar valorile acestora se vor depista astfel Analyze – Descriptive Statistics – Explore – Plots sau Analyze – Descriptive Statistics – Q-Q Plots. firma producatoare de adidasi.sav 4.Depistarea outlierilor Outlierile reprezintă valorile aberante înregistrate la nivelul unui eşantion şi se pot depista pe baza graficelor care verifică normalitatea distribuţiilor variabilelor. iar ca variabile nominale sexul şi firma adidasului preferata. Pentru această analiză se vor analiza ca variabile numerice preţul adidasului şi cantitatea pe care studenţii sunt dispuşi să o achiziţioneze într-un an. preţul acestora şi cantitatea. Outlierile se pot depista în cazul variabilelor numerice.sav. Pentru variabila „Cantitate”: În cazul acestei variabile în fereastra Explore se înlocuieşte în Dependent List variabila „Preţ” cu variabila „Cantitate” .

atunci punctele Q-Q conturează o linie care se suprapune cu dreapta care reprezintă distribuţia teoretică. Boxplot. Q-Q Plot compară valorile ordonate ale variabilei observate cu valorile quantilice ale distribuţieie teoretice specificate (în acest caz distribuţia normală). testul Kolmogorov-SmirnovLilliefors.Figura 3 Diagrama Boxplot pentru variabila „Preţ” Interpretare: Aşa cum se observă. Dacă distribuţia variabilei testate este normală. Pentru cele două variabile numerice rezultatele sunt următoarele: Figura 5 Q-Q Plot pentru variabila „Preţ” . Pentru acesta se va urmări demersul: Analyze – Descriptive Statistics – Q-Q Plots. nu există valori aberante. Figura 4 Diagrama Boxplot pentru variabila „Cantitate” Verificarea normalităţii distribuţiilor Pentru a verifica normalitatea distribuţiilor variabilelor „Preţ” şi „Cantitate” se folosesc procedeele grafice Q-Q Plot. adică trece prin origine şi are panta egală cu 1. histograma. P-P Plot. iar la Test Distribution se alege Normal. Pentru a putea depista şi outlierile se va folosi procedeul Q-Q Plot.– la Variables se introduce variabila de analizat.

0 40.0 100.0 100.Pentru a descrie aceste variabile se vor urma paşii: meniul Analyze – Descriptive Statistics – Frequencies – Statistics (unde la Central Tendency se bifează Mode) şi Charts (unde la Chart Type se bifează Pie sau Bar. iar cea a persoanelor de sex masculin este de 40% Pentru variabila „Firma adidasului”: .Figura 6 Q-Q Plot pentru variabila „Cantitate” Interpretare: Se observă că punctele nu sunt serios deviate de la linia dreaptă.0 Valid Percent 60. Astfel.0 100.0 40. -Analiza statistică univariată a datelor. iar la Chart Value Frequencies sau Percentages). Cele două variabile nominale ce vor fi analizate sunt sexul persoanei chestionate şi firma de adidasi folosita. se obţin următoarele rezultate: Pentru variabila „Sexul persoanei” chestionate se obţin rezultatele: Sexul persoanei Cumulative Frequency Valid F M Total 21 14 35 Percent 60. Descrierea statistică a variabilelor nominale.0 Percent 60.0 Tabelul 7 Sexul persoanei Figura 8 Diagrama Pie pentru variabila „Sexul persoanei” Interpretare: Se observă şi din tabel şi din grafic că proporţie persoanelor de sex feminin din eşantion este de 60%. ceea ce indică o distribuţie normală.

Firma de adidasi Frequency Valid ADIDAS Bazar LOTUS NIKE PUMA Total 14 10 2 5 4 35 Percent 40. -Descrierea statistică a variabilelor numerice.4 100. Error of Kurtosis Range Minimum Maximum 35 0 3.487 .4 100.272 3.0 Valid Percent 40. BAZAR(28.829 .608 2.6 5. ADIDAS(40.6%). cu diferenţa că se bifează toţi indicatorii din Statistics iar la Charts se bifează Histograms.0 68.3 88. Error of Skewness Kurtosis Std.585 .0 Cumulative Percent 40.6 5.0 Tabelul 9Firma de adidasi Figura 10 Diagrama Pie pentru variabila „Firma adidasului” Interpretare: Dupa cum se observă atât din tabel cât şi din grafic proporţiile firmelor de adidasi sunt: PUMA(11.7 14.0 28.398 -.3 11.00 2 1.7%). În cazul variabilelor numerice se foloseşte acelaşi demers ca în cazul variabilelor nominale.6 74.3%).7 14.3 11. Astfel. Deviation Variance Skewness Std. Error of Mean Median Mode Std.4%).778 5 1 6 . se obtin următoarele rezultate: Statistics Pretul adidasilor N Valid Missing Mean Std. NIKE(14.0%).6 100.06 .0 28. LOTUS(5.

Error of Kurtosis Range Minimum Maximum 35 0 1.Figura 11 Histograma si tabelul pentru variabila „Preţul produsului” Statistics Numarul de perechi N Valid Missing Mean Std.824 .133 2.00 2 .97 . Error of Skewness Kurtosis Std.778 3 1 4 . Error of Mean Median Mode Std.992 .617 .398 .785 . Deviation Variance Skewness Std.

adidasi LOTUS NIKE PUMA Total Tabel 14 Testarea gradului de asociere folosind testul Chi – Square Tabel 13 Statistică a gradului de asociere între firmele producatoare si sexul cumparatorilor Interpretare: În eşantionul analizat sunt 6 persoane de sex feminin care folosesc cu precădere adidasi din BAZAR.887a 2. 3 persoane de firma NIKE. în acest caz sexul persoanei şi firmele de adidasi folosite.00 Firma de ADIDAS Bazar 10 6 1 3 1 21 1.577 . adică efectivul care poartă simultan o valoare a fiecărei variabile. varianţa.00 4 4 1 2 3 14 Total 14 10 2 5 4 35 Pearson Chi-Square Likelihood Ratio N of Valid Cases Chi-Square Tests Value 2. 10persoane de la firma ADIDAS. La „statistics”-bifam „Chi-square”: Firma de adidasi * sexpers Crosstabulation Count sexpers .575 a. În fiecare celulă a tabelului este prezentată frecvenţa parţială. -Analiza statistică bivariată a datelor. Gradul de asociere presupune obţinerea tabelului de asociere. Obţinerea acestui tabel presupune următorul demers: Analyze – Descriptive Statistics – Crosstabs. valorile minime şi valorile maxime. mediana. în care sunt prezentate relaţiile dintre variabilele categoriale. Sig. Analiza statistică a gradului de asociere între două variabile Gradul de asociere se poate studia pentru variabilele nominale.898 35 df 4 4 Asymp. Persoanele de .0%) have expected count less than 5. (2-sided) . modul. 7 cells (70. La „rows”-completam „firma de adidasi”iar la „columns”-completam „sex persoana”.80. The minimum expected count is . o persoana de la firma LOTUS si o persoana de la firma PUMA.Figura 12 Histograma si tabelul pentru variabila “Cantitate” Interpretare: Pentru ambele variabile se citesc în tabel principalii indicatori: media.

valoarea coeficientului fiind apropiata de unu. 2 persoane de la firma NIKE. (2-tailed) .01 level (2-tailed).002 35 35 **. Între cele două variabile numerice se poate stabili o legătură liniară dată prin ecuaţia de regresie liniară simplă. Analiza de regresie presupune aproximarea modelului de regresie. Correlation is significant at the 0. Se optine outputul: . corespunzătoare. Testarea semnificaţiei coeficientului de corelaţie este realizată cu ajutorul testului t.sex masculin care folosesc cu precădere adidasi sunt 4 persoane din BAZAR. (2-tailed) N . ceea ce înseamnă că între cele două variabile există o corelaţie directa.002 variabile numerice studiate (preţul şi N 35 35 numărul de adidasi cumpărati) se obţine Pretul Pearson Correlation . În cazul celor două de perechi Sig. o persoana de la firma LOTUS si 3 persoane de la firma PUMA. Acest lucru se realizează urmând paşii: Analyze – Numarul Pearson Correlation 1 .514 Correlate – Bivariate.01) de a gresi in a afirma ca intre cele doua variabile exista o corelatie semnificativa.514 1 următorul rezultat: ** ** adidasilor Sig. evidenţiază că s-a obţinut un coeficient de corelaţie semnificativ la un prag de 0. adică sunt şanse mai mici de 1% (α = 0.002.Interactive). estimarea şi testarea parametrilor modelului de regresie. 4 persoane de la firma ADIDAS. care are forma: Yi = α + Βxi + εi în care: Y – variabila dependentă (numărul de adidasi) X – variabila independentă (preţul adidasilor) ε – variabila aleatorie eroare sau reziduu Aproximarea modelului de regresie se realizează prin Scatterplot (din meniul Graphs . Tabelul 15 Corelatia Interpretare: Se observă că s-a obţinut un coeficient de corelaţie Pearson egal cu 0. Analiza de regresie şi corelaţie Analiza de corelaţie presupune măsurarea Correlations gradului de intensitate a legăturii dintre Numarul Pretul variabilele numerice. Valoarea Sig.002.514. precum şi testarea de perechi adidasilor semnificaţiei legăturii. egală cu 0.

Urmând paşii necesari. Dependent Variable: Pretul adidasilor Tabelul 18 Regession ANOVA prezintă rezultatele analizei varianţei variabilei dependente sub influenţa factorului de regresie şi a factorului reziduu. Numarul de perechi b. Valoarea lui R2 este 0.26    3    2    1  1  2 3 4 Numarul adidasi cumparat pe an adidasi” şi „Preţul adidasilor” Estimarea parametrilor modelului de regresie presupune parcurgerea demersului: Analyze – Regession – Linear. Aceasta este o valoare destul de mică.199 64.199 1.514a a. F Change . ceea ce indică faptul că 26.687 87.835 1 33 Sig. gradele de libertate.242 Std. Predictors: (Constant).4% din variaţia variabilei Y este explicată prin variaţia variabilei X.514.98 + 1.960 F 11.400 R Square Change . . ceea ce indică faptul că între cele două variabile există o legătură directă. Predictors: (Constant).835 Sig. prin care se deschide fereastra de dialog Linear Regession. Prezintă informaţii asupra sumei pătratelor abaterilor variabilei dependente.264.05 * cantit R-Square = 0. în output se analizează Model Summary.002a a. Interpretare: Valoarea lui R este 0. Error of the Estimate 1.264 F Change df1 df2 11. Coefficients. valoarea raportului de determinaţie R2 şi eroarea standard a estimaţiei.264 1 . ANOVA. estimaţiile varianţelor datorate celor două surse de variaţie. ceea ce înseamnă că modelul ales nu explică foarte bine legătura dintre variabile.Figura 16 Regresia între „Numărul de 6    Linear Regression 5 Pretul adidasilori 4 Pretul adidasului = 0. ANOVAb Model 1 Regression Residual Total Sum of Squares 23.002 Square .886 df 1 33 34 Mean Square 23. Numarul de perechi Tabelul 17 Model Summary prezintă valoarea coeficientului de corelaţie R. raportul F şi Sig . Model Summary Model R R dimension0 Change Statistics Adjusted R Square .

5 Tabelele 20 Sexul persoanei si Test statistics Interpretare: Se observă că sunt 21 de persoane de sex feminin şi 14 de sex masculin.519 3.002 a.05.00 Total Observed N 21 14 35 SEXPERS ChiSquare(a) df Asymp. Sig. pentru fiecare categorie ar trebui să fie câte 17.648 . precum şi valorile statisticii test t şi valorile Sig.00 1. urmând demersul: Analyze – Nonparametric Tests – Chi-Square Test. 1.237 Expected N 17. coeficienţii de regresie standardizaţi cu erorile standard corespunzătoare.5 Test Statistics a 0 cells (. corespunzătoare. . ceea ce înseamnă că aceştia sunt semnificativ diferiţi de 0.05.0%) have expected frequencies less than 5.984 1. Interpretare: Pentru o încredere de 95% se observă că în cazul ambilor coeficienţi valoarea lui Sig. Coefficientsa Model Unstandardized Coefficients B 1 (Constant) Numarul de perechi . adică se află valoarea unui parametru al unei populaţii pe baza datelor înregistrate la nivelul unui eşantion extras din aceasta.5 -3. The minimum expected cell frequency is 17. Acest lucru presupune folosirea testului Chi-Square.514 Standardized Coefficients Beta t 1. erorile standard ale acestora.306 . prin urmare se acceptă ipoteza de nul. În tabelul Chi-Square Test valoarea semnificaţiei este mai mare decât 0. Conform ipotezei de nul (de egalitate a proporţiilor).204+ 0.052 Std. .400 1 . Error .5 persoane. este mai mică decât 0. valoarea Sig.02. -Testarea diferenţei dintre două proporţii. fiind 0. Estimarea poate fi punctuală sau prin interval de încredere.5 17. În acest caz se va estima prin interval de încredere.Interpretare: În cazul variabilelor considerate. pentru F este mai mică decât 0. Dependent Variable: Pretul adidasilor Tabelul 19 Coefficients prezintă coeficienţii nestandardizaţi ai modelului de regresie estimat. Se va verifica dacă proporţia persoanelor de sex feminin este egală cu proporţia persoanelor de sex masculin. ecuaţia de regresie are următoarea formă: Y =1.05 şi.440 Sig. prin urmare relatia liniară dintre cele două variabile considerate este semnificativă. la nivelul populaţiei din care este extras.5 Residual 3.138 . . Astfel.251 X -Estimarea şi testarea statistică Estimarea este procedeul prin care se generalizează rezultatele observate pe un eşantion.

depinzând în oarecare măsură de preţul acestora. Editura Polirom. Grama. Elisabeta. Statistica. Analiza statistică cu SPSS sub Windows. Jaba. 2002. Bucureşti. se poate concluziona că aceasta este relativ constantă. Editura Economică. CONCLUZII În urma realizării anchetei privind cererea de adidasi in Complexul studenţesc Regie. ediţia a III-a. BIBLIOGRAFIE Jaba. întrucât multe dintre produse reprezintă o necesitate. De asemenea se observă că la nivelul întregii populaţii nu există diferenţe semnificative între proporţia persoanelor de sex feminin care cumpara jeansi şi proporţia persoanelor de sex masculin. in caminele de de la Agronomie si in Campusul Studentesc Leu. 2004 . Elisabeta.5. Ana.

Sign up to vote on this title
UsefulNot useful